KR20180050861A - 지문 등록 방법 및 장치 - Google Patents

지문 등록 방법 및 장치 Download PDF

Info

Publication number
KR20180050861A
KR20180050861A KR1020160147401A KR20160147401A KR20180050861A KR 20180050861 A KR20180050861 A KR 20180050861A KR 1020160147401 A KR1020160147401 A KR 1020160147401A KR 20160147401 A KR20160147401 A KR 20160147401A KR 20180050861 A KR20180050861 A KR 20180050861A
Authority
KR
South Korea
Prior art keywords
fingerprint
image
fingerprint image
area
registered
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
KR1020160147401A
Other languages
English (en)
Other versions
KR102170725B1 (ko
Inventor
김규홍
김남준
최창규
Original Assignee
삼성전자주식회사
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 삼성전자주식회사 filed Critical 삼성전자주식회사
Priority to KR1020160147401A priority Critical patent/KR102170725B1/ko
Priority to US15/629,324 priority patent/US10198615B2/en
Publication of KR20180050861A publication Critical patent/KR20180050861A/ko
Priority to US16/249,155 priority patent/US20190163954A1/en
Application granted granted Critical
Publication of KR102170725B1 publication Critical patent/KR102170725B1/ko
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G06K9/00087—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/12—Fingerprints or palmprints
    • G06V40/1335—Combining adjacent partial images (e.g. slices) to create a composite input or reference pattern; Tracking a sweeping finger movement
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/51—Indexing; Data structures therefor; Storage structures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
    • G06F16/5838—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content using colour
    • G06K9/00067—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/12—Fingerprints or palmprints
    • G06V40/1347—Preprocessing; Feature extraction
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/12—Fingerprints or palmprints
    • G06V40/1365—Matching; Classification

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Human Computer Interaction (AREA)
  • Multimedia (AREA)
  • Databases & Information Systems (AREA)
  • Library & Information Science (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Collating Specific Patterns (AREA)

Abstract

지문 등록 방법 및 장치가 개시된다. 일실시예에 따른 지문 등록 방법은 입력 지문 영상을 기 등록 지문 영상에 정합하고, 정합된 입력 지문 영상과 기 등록 지문 영상 사이의 겹치는 영역에 대응하는 사용자 지문의 다양성 정도에 기초하여 지문 등록 프로세스의 완료 여부를 판단할 수 있다.

Description

지문 등록 방법 및 장치{FINGERPRINT ENROLLMENT METHOD AND APPARATUS}
아래 실시예들은, 지문 등록 방법 및 장치에 관한 것이다.
생체 인식에 의한 인증 기술은 지문, 홍채, 목소리, 얼굴, 혈관 등을 이용하여 사용자를 인증한다. 인증에 사용되는 생체 특성들은 사람마다 다르고, 소지의 불편함이 없을 뿐 아니라, 도용이나 모조의 위험성이 적고, 일생 동안 잘 변하지 않는다는 장점이 있기 때문이다.
특히, 지문 인식 기법은 편리성, 보안성, 경제성 등 여러 가지 이유로 현재 가장 많이 상용화되어 있다. 예를 들어, 지문 인식 기법은 사용자 기기에 대한 보안을 강화하고, 모바일 결제 등 각종 응용 서비스를 용이하게 제공할 수 있다.
지문을 이용한 사용자 인증은, 우선 사용자로부터 지문 인증에 사용될 지문 영상을 등록 받아 저장해 두는 것으로부터 시작된다. 이후, 인증을 요청하는 사용자로부터 새로 입력 받은 지문 영상과 미리 등록 받은 지문 영상을 비교하여 일치하는 경우, 해당 사용자를 등록된 사용자로 인증할 수 있다.
최근 휴대용 디바이스들이 소형화되면서, 해당 디바이스들에 포함된 지문 센싱 영역의 크기도 작아질 수 밖에 없다. 지문의 일부만을 센싱하는 센서를 이용하여 지문 등록 및 지문 인증을 하는 기술과 지문 등록의 효율과 속도를 높일 수 있는 기술이 요구된다.
일실시예에 따른 지문 등록 방법은 지문 등록을 위한 입력 지문 영상을 수신하는 단계; 상기 입력 지문 영상을 기 등록 지문 영상에 정합하는 단계; 상기 정합된 입력 지문 영상과 상기 기 등록 지문 영상 사이의 겹치는 영역을 추출하는 단계; 상기 겹치는 영역에 대응하는 사용자 지문의 다양성 정도를 측정하는 단계; 및 상기 다양성 정도에 기초하여 지문 등록 프로세스의 완료 여부를 판단하는 단계를 포함한다.
일실시예에 따른 상기 사용자 지문의 다양성 정도를 측정하는 단계는 상기 겹치는 영역에 대응하는 유사도에 기초하여 상기 정합된 입력 지문 영상 및 상기 기 등록 지문 영상 사이의 유사도 스코어를 계산하는 단계를 포함할 수 있고, 상기 유사도 스코어가 커질수록 상기 다양성 정도는 작아지고, 상기 유사도 스코어가 작아질수록 상기 다양성 정도는 커질 수 있다.
일실시예에 따른 상기 유사도 스코어를 계산하는 단계는 상기 정합된 입력 지문 영상 중 상기 겹치는 영역에 대응하는 제1 공유 영상과 상기 기 등록 지문 영상 중 상기 겹치는 영역에 대응하는 제2 공유 영상 사이의 상기 유사도를 계산하는 단계; 및 상기 유사도 및 상기 겹치는 영역의 면적에 기초하여 상기 유사도 스코어를 계산하는 단계를 포함할 수 있다.
일실시예에 따른 상기 유사도는 계산하는 단계는 상기 정합된 입력 지문 영상 및 상기 기 등록 지문 영상 사이의 NCC(normalized cross correlation) 또는 위상 상관도(phase correlation)에 기초하여 상기 유사도를 계산하는 단계를 포함할 수 있다.
일실시예에 따른 상기 유사도 스코어를 계산하는 단계는 상기 겹치는 영역의 면적과 상기 정합된 입력 지문 영상의 면적의 제1 비율 또는 상기 겹치는 영역의 면적과 상기 기 등록 지문 영상의 면적의 제2 비율에 기초하여 공유 면적비를 계산하는 단계; 및 상기 공유 면적비 및 상기 유사도에 기초하여 상기 유사도 스코어를 계산하는 단계를 포함할 수 있다.
일실시예에 따르면, 상기 유사도가 임계 유사도보다 큰 경우, 상기 공유 면적비는 상기 제1 비율 또는 상기 제2 비율이고, 상기 유사도가 상기 임계 유사도보다 작은 경우, 상기 공유 면적비는 미리 정의된 값이며, 상기 유사도 스코어는 상기 공유 면적비와 상기 유사도의 곱에 기초하여 정의될 수 있다.
일실시예에 따른 상기 지문 등록 프로세스의 완료 여부를 판단하는 단계는 등록 지문 영상들의 수 및 상기 등록 지문 영상들 사이의 유사도 스코어들에 기초하여 등록 스코어를 계산하는 단계; 상기 등록 스코어를 임계 스코어와 비교하여 상기 지문 등록 프로세스의 완료 여부를 판단하는 단계를 포함하고, 상기 등록 지문 영상들은 상기 정합된 입력 지문 영상 및 상기 기 등록 지문 영상을 포함할 수 있다.
일실시예에 따른 상기 등록 스코어를 계산하는 단계는
Figure pat00001
;
Figure pat00002
;
Figure pat00003
; 및
Figure pat00004
중 적어도 하나의
Figure pat00005
로 상기 등록 스코어를 계산하는 단계를 포함하고, 상기 m은 상기 등록 지문 영상들의 수이고, 상기
Figure pat00006
는 i번째 등록 지문 영상 및 j번째 등록 지문 영상 사이의 유사도 스코어일 수 있다.
일실시예에 따른 상기 지문 등록 프로세스의 완료 여부를 판단하는 단계는 상기 다양성 정도에 기초하여 등록 지문 영상들의 겹치는 영역들에 대응하는 다양성 정도들을 갱신하는 단계; 상기 갱신된 다양성 정도들에 기초하여 상기 등록 지문 영상들의 유효 면적을 계산하는 단계; 및 상기 유효 면적과 임계 면적을 비교하여 상기 지문 등록 프로세스의 완료 여부를 판단하는 단계를 포함할 수 있다.
일실시예에 따르면, 상기 등록 지문 영상들의 겹치는 영역들의 면적들이 커질수록 상기 유효 면적은 작아지고, 상기 갱신된 다양성 정도들이 커질수록 상기 유효 면적은 커질 수 있다.
일실시예에 따르면, 상기 다양성 정도는 상기 입력 지문 영상에 대응하는 지문의 방향, 손가락 압력의 방향, 분포 및 크기, 피부의 컨디션, 습도 중 적어도 하나로부터 영향을 받을 수 있다.
일실시예에 따른 상기 입력 지문 영상을 상기 기 등록 지문 영상에 정합하는 단계는 주파수 기반 정합 기법에 기초하여 상기 입력 지문 영상과 상기 기 등록 지문 영상 사이의 적어도 하나의 위상 상관도(phase correlation)을 획득하는 단계; 상기 적어도 하나의 위상 상관도에 기초하여 상기 입력 지문 영상과 상기 기 등록 지문 영상 사이의 평행 이동(translation), 회전(rotation) 및 스케일(scale) 중 적어도 하나를 획득하는 단계; 및 상기 획득된 평행 이동, 회전 및 스케일 중 적어도 하나에 기초하여 상기 입력 지문 영상을 상기 기 등록 지문 영상에 정합하는 단계를 포함할 수 있다.
일실시예에 따른 지문 등록 방법은 지문 인식을 위한 입력 지문 영상을 수신하는 단계; 상기 입력 지문 영상과 등록 지문 영상들을 비교하여 상기 입력 지문 영상을 기 등록된 사용자 지문에 대응하는 것으로 인식하는 단계; 상기 인식된 상기 입력 지문 영상과 상기 등록 지문 영상들 사이의 겹치는 영역들에 대응하는 다양성 정도들을 측정하는 단계; 및 상기 다양성 정도들에 기초하여 상기 입력 지문 영상을 등록할지 여부를 판단하는 단계를 포함할 수 있다.
일실시예에 따른 지문 등록 장치는 지문 등록을 위한 입력 지문 영상을 수신하는 지문 센서; 및 상기 입력 지문 영상을 기 등록 지문 영상에 정합하고, 상기 정합된 입력 지문 영상과 상기 기 등록 지문 영상 사이의 겹치는 영역을 추출하고, 상기 겹치는 영역에 대응하는 사용자 지문의 다양성 정도를 측정하고, 상기 다양성 정도에 기초하여 지문 등록 프로세스의 완료 여부를 판단하는 프로세서를 포함할 수 있다.
도 1 및 도 2는 일 실시예에 따른 지문 영상을 설명하는 도면들이다.
도 3은 일실시예에 따른 지문 등록 방법을 설명하는 순서도이다.
도 4는 일실시예에 따른 입력 지문 영상과 기 등록 지문 영상의 예시도이다.
도 5a 및 도 5b는 일실시예에 따른 겹치는 영역에 대응하는 영상들의 예시도이다.
도 6은 일실시예에 따른 지문 등록 방법을 설명하는 순서도이다.
도 7은 일실시예에 따른 지문 등록 방법을 설명하는 순서도이다.
도 8은 일실시예에 따른 등록 지문 영상들의 예시도이다.
도 9는 일실시예에 따른 주파수 기반 정합 기법을 설명하기 위한 순서도이다.
도 10은 일실시예에 따른 지문 등록 방법을 설명하는 순서도이다.
도 11은 일실시예에 따른 지문 등록 방법을 설명하기 위한 도면이다.
도 12는 일실시예에 따른 지문 등록 장치의 구성의 예시도이다.
실시예들에 대한 특정한 구조적 또는 기능적 설명들은 단지 예시를 위한 목적으로 개시된 것으로서, 다양한 형태로 변경되어 실시될 수 있다. 따라서, 실시예들은 특정한 개시형태로 한정되는 것이 아니며, 본 명세서의 범위는 기술적 사상에 포함되는 변경, 균등물, 또는 대체물을 포함한다.
제1 또는 제2 등의 용어를 다양한 구성요소들을 설명하는데 사용될 수 있지만, 이런 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 해석되어야 한다. 예를 들어, 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소는 제1 구성요소로도 명명될 수 있다.
어떤 구성요소가 다른 구성요소에 "연결되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다.
단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 명세서에서, "포함하다" 또는 "가지다" 등의 용어는 설명된 특징, 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것이 존재함으로 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 해당 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가진다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥상 가지는 의미와 일치하는 의미를 갖는 것으로 해석되어야 하며, 본 명세서에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.
실시예들은 퍼스널 컴퓨터, 랩톱 컴퓨터, 태블릿 컴퓨터, 스마트 폰, 텔레비전, 스마트 가전 기기, 지능형 자동차, 키오스크, 웨어러블 장치 등 다양한 형태의 제품으로 구현될 수 있다. 예를 들어, 실시예들은 스마트 폰, 모바일 기기, 스마트 홈 시스템 등에서 사용자를 인식하는데 적용될 수 있다. 실시예들은 사용자 인식을 통한 결제 서비스에 적용될 수 있다. 또한, 실시예들은 사용자를 인식하여 자동으로 시동을 거는 지능형 자동차 시스템 등에도 적용될 수 있다. 이하, 실시예들을 첨부된 도면을 참조하여 상세하게 설명한다. 각 도면에 제시된 동일한 참조 부호는 동일한 부재를 나타낸다.
도 1 및 도 2는 일 실시예에 따른 지문 영상을 설명하는 도면들이다.
도 1을 참조하면, 일 실시예에 따른 지문 센서(도면 미 표시)는 사용자의 지문(100)을 센싱한다. 지문 센서는 센싱 영역을 통하여 지문(100)을 센싱할 수 있다. 이 때, 지문 센서의 센싱 영역의 크기는 지문(100)의 크기보다 작을 수 있다. 예를 들어, 지문 센서의 센싱 영역은 지문(100)의 크기보다 작은 직사각형 모양을 가질 수 있다. 이 경우, 지문 센서는 센싱 영역을 통하여 지문(100)의 일부를 센싱할 수 있다.
지문 센서는 센싱된 지문을 캡쳐(capture) 함으로써 영상을 생성할 수 있는데, 여기서 캡쳐된 영상을 지문 영상이라 한다. 지문 센서의 센싱 영역의 크기가 지문(100)의 크기보다 작은 경우, 지문 센서에 의하여 생성되는 지문 영상은 지문(100)의 일부를 포함하는 부분 영상(partial image)에 해당할 수 있다.
지문 영상은 사용자의 지문(100)을 등록하거나 인식하는데 이용될 수 있다. 예를 들어, 등록(enrollment) 단계에서 지문 영상이 등록될 수 있다. 등록된 지문 영상은 미리 구비된 저장소에 저장될 수 있다. 지문 센서의 센싱 영역의 크기가 지문(100)의 크기보다 작은 경우, 사용자의 지문(100)의 부분 영상들에 해당하는 복수의 지문 영상들이 등록될 수 있다. 예를 들어, 복수의 지문 영상들(110 내지 170)이 등록될 수 있다. 지문 영상들(110 내지 170)은 각각 지문(100)의 일부를 커버하고, 지문 영상들(110 내지 170)이 모여 지문(100)을 전체적으로 커버할 수 있다. 이 때, 지문 영상들(110 내지 170)은 서로 겹칠 수 있다. 이하, 설명의 편의를 위하여 기 등록된 지문 영상을 기 등록 지문 영상이라고 지칭한다.
또한, 인식(recognition) 단계에서 입력된 지문 영상이 인식될 수 있다. 예를 들어, 인식 단계에서 입력된 지문 영상은 기 등록 지문 영상과 비교될 수 있다. 입력된 지문 영상과 기 등록된 지문 영상이 일치하는지 여부에 따라, 사용자 인증 결과 또는 사용자 식별 결과가 도출될 수 있다. 지문 센서의 센싱 영역의 크기가 지문(100)의 크기보다 작은 경우, 입력된 지문 영상은 사용자의 지문(100)의 부분 영상에 해당할 수 있다.
도 1에서 지문 센서의 센싱 영역은 직사각형의 모양을 가지는 것으로 설명되었으나, 지문 센서의 센싱 영역의 크기 및 모양은 다양하게 변형될 수 있다. 예를 들어, 도 2를 참조하면, 지문 센서의 센싱 영역은 원형일 수 있다. 이 경우에도, 등록 단계에서, 하나의 지문(200)에 대응하여 복수의 지문 영상들(210 내지 295)이 등록될 수 있다. 또한, 인식 단계에서, 지문(200)의 일부에 해당하는 지문 영상이 기 등록된 복수의 지문 영상들(210 내지 295)과 비교될 수 있다.
경우에 따라서, 등록 단계에서 이용되는 지문 센서와 인식 단계에서 이용되는 지문 센서는 서로 다를 수 있다. 예를 들어, 등록 단계에서는 도 1에 도시된 직사각형 모양의 센싱 영역을 갖는 지문 센서가 이용되고, 인식 단계에서는 도 2에 도시된 원형 모양의 센싱 영역을 갖는 지문 센서가 이용될 수 있다.
도 3은 일실시예에 따른 지문 등록 방법을 설명하는 순서도이다.
도 3을 참조하면, 지문 등록 장치는 지문 등록을 위한 입력 지문 영상을 수신할 수 있다(310). 지문 등록 장치는 지문을 등록하거나 인식하기 위한 장치로, 예를 들어 소프트웨어 모듈, 하드웨어 모듈, 또는 이들의 다양한 조합으로 구현될 수 있다. 지문 등록 장치는 지문 센서로부터 입력 지문 영상을 수신할 수 있고, 입력 지문 영상은 지문 센서에 의해 캡쳐된 지문 영상으로서, 사용자 지문의 일부를 나타내는 영상일 수 있다. 도 1 및 도 2를 참조하여 설명된 바와 같이, 지문 센서의 센싱 영역의 크기는 사용자 지문의 크기보다 작을 수 있다.
도 3을 참조하면, 지문 등록 장치는 입력 지문 영상을 기 등록 지문 영상에 정합할 수 있다(320). 여기서, 입력 지문 영상을 기 등록 지문 영상에 정합(matching)한다는 것은 기 등록 지문 영상 중에서 입력 지문 영상과 공통되는 부분을 입력 지문 영상으로부터 찾는 동작을 의미하고, 경우에 따라서는 상기 공통되는 부분이 겹치도록 입력 지문 영상을 기 등록 지문 영상을 기준으로 스케일(scale), 회전(rotation), 및/또는 평행 이동(translation) 시키는 동작도 포함할 수 있다. 정합을 위한 기법의 실시예에 관해서는 도 9를 참조하여 설명한다. 지문 등록 장치는 미리 구축된 데이터베이스로부터 기 등록 지문 영상들을 획득할 수 있다. 데이터베이스는 지문 등록 장치에 포함된 메모리로 구현되거나, 지문 등록 장치와 유선, 무선, 또는 네트워크 등으로 연결 가능한 서버 등의 외부 장치(도면 미 표시)로 구현될 수 있다.
도 4를 참조하면, 지문 등록 장치는 입력 지문 영상(410)을 기 등록 지문 영상(420)에 정합할 수 있다. 지문 등록 장치는 입력 지문 영상(410) 및 기 등록 지문 영상(420) 사이의 공통되는 부분을 추출하고, 공통되는 부분이 서로 겹치도록 입력 지문 영상(410)을 스케일(scale), 회전(rotation), 및/또는 평행 이동(translation)시킬 수 있다. 기 등록 지문 영상(420)은 데이터베이스에 기록된 기 등록 지문 영상들 중 어느 하나일 수 있고, 지문 등록 장치는 입력 지문 영상을 기 등록 지문 영상들 각각에 정합할 수 있다.
도 3을 참조하면, 지문 등록 장치는 정합된 입력 지문 영상과 기 등록 지문 영상 사이의 겹치는 영역을 추출할 수 있다(330). 여기서, 겹치는 영역(430)은 면적을 가지는 공간적인 영역으로서, 입력 지문 영상(410) 및 기 등록 지문 영상(420) 사이의 공통되는 부분에 대응하는 영역을 의미한다. 겹치는 영역(430)은 입력 지문 영상(410)의 일부 영상 또는 기 등록 지문 영상(420)의 일부 영상과는 구별되는 개념이고, 입력 지문 영상(410)의 일부 영상 또는 기 등록 지문 영상(420)의 일부 영상은 겹치는 영역(430)에 대응하는 영상을 의미할 수 있다.
도 3을 참조하면, 지문 등록 장치는 겹치는 영역에 대응하는 사용자 지문의 다양성 정도를 측정할 수 있다(340). 겹치는 영역에 대응하는 사용자 지문의 다양성 정도는 겹치는 영역에 대응하는 영상들이 얼마나 다양한지를 표현하는 척도일 수 있다. 이하, 정합된 입력 지문 영상(410) 중 겹치는 영역(430)에 대응하는 영상을 제1 공유 영상이라 하고, 기 등록 지문 영상(420) 중 겹치는 영역(430)에 대응하는 영상을 제2 공유 영상이라 지칭한다. 지문 등록 장치는 제1 공유 영상 및 제2 공유 영상에 기초하여 겹치는 영역(430)에 대응하는 다양성 정도를 측정할 수 있다. 제1 공유 영상에 포함된 정보와 제2 공유 영상에 포함된 정보와의 차이가 크다면, 겹치는 영역(430)에 대응하는 사용자 지문의 다양성 정도는 커질 수 있다.
도 5a를 참조하면, 영상(510) 및 영상(520)은 입력 지문 영상과 기 등록 지문 영상 사이의 겹치는 영역에 대응하는 영상들일 수 있다. 예를 들면, 영상(510)은 정합된 입력 지문 영상(410) 중 겹치는 영역(430)에 대응하는 영상인 제1 공유 영상이고, 영상(520)은 기 등록 지문 영상(420) 중 겹치는 영역(430)에 대응하는 영상을 제2 공유 영상일 수 있다. 영상(510) 및 영상(520)은 겹치는 영역(430)에 대응하는 영상들이기 때문에 같은 지문을 표현하지만, 지문을 입력할 때 손가락 압력의 분포가 달라지면, 도 5a에 도시된 바와 같이 영상(510)의 일부(530)는 영상(520)의 일부(540)에 비해 지문의 분포가 한쪽 방향으로 틀어질 수 있다. 지문 등록 장치는 영상(510)의 일부(530)에 포함된 정보와 영상(520)의 일부(540)에 포함된 정보에 기초하여, 겹치는 영역(430)에 대응하는 사용자 지문의 다양성 정도를 측정할 수 있다.
도 5b를 참조하면, 영상(550) 및 영상(560)은 입력 지문 영상과 기 등록 지문 영상 사이의 겹치는 영역에 대응하는 영상들일 수 있다. 영상(550) 및 영상(560)은 겹치는 영역(430)에 대응하는 영상들이기 때문에 같은 지문을 표현하지만, 지문을 입력할 때 손가락 압력의 크기가 달라지면, 도 5b에 도시된 바와 같이 영상(550)의 일부(570)는 영상(560)의 일부(580)와 비교하여 지문의 융선들(ridge)의 간격이 달라질 수 있다. 이 경우, 영상(550) 및 영상(560)은 서로 다른 텍스쳐를 표현하는 것으로 판단될 수 있다. 지문 등록 장치는 영상(550)의 일부(570)에 포함된 정보와 영상(560)의 일부(580)에 포함된 정보에 기초하여, 겹치는 영역(430)에 대응하는 사용자 지문의 다양성 정도를 측정할 수 있다.
도 5a 및 도 5b에 도시된 바와 같이, 같은 지문을 표현하는 지문 영상들은 지문의 방향, 손가락 압력의 방향 및 크기, 피부의 컨디션, 습도 중 적어도 하나와 같이 지문이 입력될 때 상황과 조건에 따라 서로 다른 부분들을 포함할 수 있다. 또한, 지문 영상들은 다양한 요인으로 인한 열화를 부분적으로 포함할 수 있다. 예를 들어, 센서를 누르는 압력에 따라 지문 영상 내 변형(deformation)이 발생될 수 있다. 입력 지문 영상이 생성될 때, 지문 센서의 센싱 영역의 각 부위별로 가해지는 압력이 다를 수 있다. 이로 인하여, 입력 지문 영상의 적어도 일부에 변형이 생길 수 있다. 또한, 등록 지문 영상들도 다양한 요인으로 인한 열화를 포함할 수 있다.
지문 등록 장치는 서로 같은 지문에 대응하는 제1 공유 영상(510 또는 550) 및 제2 공유 영상(520 또는 560)이 서로 다른 부분들을 포함하더라도, 지문 등록 프로세스에서 입력 지문 영상을 등록 대상에서 제외시키지 않고, 겹치는 영역(430)에 대응하는 사용자 지문의 다양성 정도를 높이는 방식을 채용하여, 지문 등록 프로세스의 속도를 높일 수 있다. 따라서, 다양성 정도는 지문이 입력될 때 상황과 조건에 영향을 받을 수 있다.
도 4를 참조하면, 지문 등록 장치는 겹치는 영역(430)에 대응하는 유사도에 기초하여, 정합된 입력 지문 영상(410) 및 기 등록 지문 영상(420) 사이의 유사도 스코어를 계산할 수 있다. 지문 등록 장치는 유사도 스코어에 기초하여 사용자 지문의 다양성 정도를 측정할 수 있다. 예를 들어, 지문 등록 장치는 유사도 스코어가 커질수록 다양성 정도는 작아지고, 유사도 스코어가 작아질수록 다양성 정도는 커지는 관계를 이용하여, 사용자 지문의 다양성 정도를 측정할 수 있다.
지문 등록 장치는 제1 공유 영상과 제2 공유 영상 사이의 유사도를 계산할 수 있다. 예를 들면, 지문 등록 장치는 정합된 입력 지문 영상(410) 및 기 등록 지문 영상(420) 사이의 NCC(normalized cross correlation) 또는 위상 상관도(phase correlation)로 제1 공유 영상과 제2 공유 영상 사이의 유사도를 계산할 수 있다. 지문 등록 장치는 수학식 1을 이용하여 영상 밝기 값 기반의 NCC를 계산할 수 있다.
Figure pat00007
여기서,
Figure pat00008
는 영상 I1 및 영상 I2 사이의 NCC이고, W는 영상 I1과 영상 I2 간의 겹쳐진 영역을 나타낸다.
Figure pat00009
의 값은 W 내에서 영상 I1과 영상 I2 가 서로 유사할수록 1에 가까운 값을 가진다.
영상 I1은 정합된 입력 지문 영상(410)이고, 영상 I2는 기 등록 지문 영상(420)일 수 있다. i는 겹쳐진 영역 내 픽셀의 X축 좌표를 나타내고, j는 겹쳐진 영역 내 픽셀의 Y축 좌표를 나타낸다. x는 X축 방향의 평행 이동 정보(Tx)를 나타내고, y는 Y축 방향의 평행 이동 정보(Ty)를 나타낸다. I1(i, j)는 영상 I1의 (i, j)좌표에서의 픽셀 값을 나타내고, I2(x + i, y + j)는 영상 I2의 (x + i, y + j)좌표에서의 픽셀 값을 나타낸다. 영상 I1 및 영상 I2 사이의 NCC는 정합된 입력 지문 영상(410) 및 기 등록 지문 영상(420) 사이의 겹치는 영역에 대응하는 상관도를 의미할 수 있다. 따라서, 지문 등록 장치는 수학식 1을 이용하여 계산된 영상 I1 및 영상 I2 사이의 NCC를 제1 공유 영상과 제2 공유 영상 사이의 유사도로서 채용할 수 있다.
지문 등록 장치는 계산된 유사도 및 겹치는 영역(430)의 면적에 기초하여, 정합된 입력 지문 영상(410) 및 기 등록 지문 영상(420) 사이의 유사도 스코어를 계산할 수 있다. 일실시예에 따르면, 지문 등록 장치는 겹치는 영역(430)의 면적과 정합된 입력 지문 영상(410)의 면적의 비율(이하, 제1 비율이라 한다) 또는 겹치는 영역(430)의 면적과 기 등록 지문 영상(420)의 면적의 비율(이하, 제2 비율이라 한다)에 기초하여 공유 면적비를 계산할 수 있다. 입력 지문 영상(410)의 면적 및 기 등록 지문 영상(420)의 면적은 지문 센서의 센싱 영역의 크기에 의해 정의될 수 있으므로, 서로 같을 수 있다. 이 경우, 제1 비율 및 제2 비율은 서로 같다.
다른 실시예에 따르면, 지문 등록 장치는 겹치는 영역(430)의 면적 및 정합된 입력 지문 영상(410)의 면적과 기 등록 지문 영상(420)의 면적의 합의 비율에 기초하여 공유 면적비를 계산할 수 있다. 정합된 입력 지문 영상(410)의 면적과 기 등록 지문 영상(420)의 면적의 합을 이용하는 실시예는 정합된 입력 지문 영상(410)의 면적과 기 등록 지문 영상(420)의 면적이 서로 다른 경우 실익이 있을 수 있다.
지문 등록 장치는 공유 면적비 및 유사도에 기초하여 유사도 스코어를 계산할 수 있다. 일실시예에 따르면, 계산된 유사도가 임계 유사도보다 큰 경우, 지문 등록 장치는 제1 비율 및 제2 비율로 공유 면적비를 측정할 수 있다. 계산된 유사도가 임계 유사도보다 작은 경우, 지문 등록 장치는 공유 면적비를 미리 정의된 값으로 설정할 수 있다. 제1 공유 영상과 제2 공유 영상 사이의 계산된 유사도가 지나치게 작은 경우(계산된 유사도 < 임계 유사도)에는, 겹치는 영역(430)에 대응하는 사용자 지문의 다양성 정도를 측정하는데 있어서, 제1 공유 영상과 제2 공유 영상을 배제시키기 위함이다. 지문 등록 장치는 수학식 2를 이용하여 공유 면적비를 계산할 수 있다.
Figure pat00010
여기서,
Figure pat00011
는 영상 I1과 영상 I2사이의 공유 면적비이고, 영상 I1은 정합된 입력 지문 영상(410)이고, 영상 I2는 기 등록 지문 영상(410)일 수 있다.
Figure pat00012
는 영상 I1과 영상 I2 사이의 유사도이고,
Figure pat00013
는 임계 유사도이다. 일 예로, 입력 지문 영상의 면적 또는 기 등록 지문 영상의 면적이 10이고, 겹치는 영역의 면적이 7이라면,
Figure pat00014
= 0.7이다.
지문 등록 장치는 공유 면적비 및 유사도의 곱에 기초하여 유사도 스코어를 계산할 수 있다. 지문 등록 장치는 수학식 3를 이용하여 유사도 스코어를 계산할 수 있다.
Figure pat00015
여기서,
Figure pat00016
및
Figure pat00017
는 영상 I1과 영상 I2 사이의 유사도 스코어이고, 영상 I1은 정합된 입력 지문 영상(410)이고, 영상 I2는 기 등록 지문 영상(410)일 수 있다.
Figure pat00018
는 영상 I1과 영상 I2 사이의 유사도이고,
Figure pat00019
는 영상 I1과 영상 I2사이의 공유 면적비이다.
지문 등록 장치는 정합된 입력 지문 영상(410)과 기 등록 지문 영상(420) 사이의 유사도 스코어를 계산하고, 계산된 유사도 스코어를 이용하여 겹치는 영역(430)에 대응하는 사용자 지문의 다양성 정도를 측정할 수 있다. 이상에서 유사도 스코어를 계산하는 실시예가 설명되었지만, 사용자 지문의 다양성 정도를 측정하기 위한 실시예는 이에 한정되지 않고, 겹치는 영역(430)에 대응하는 정보가 다양한 정도를 정의하기 위한 실시예는 설계 의도에 따라 다양한 응용 기법들이 적용되어 구현될 수 있다.
도 3을 참조하면, 지문 등록 장치는 다양성 정도에 기초하여 지문 등록 프로세스의 완료 여부를 판단할 수 있다(350). 지문 등록 프로세스는 인식 단계에서 입력되는 지문을 식별 또는 인증하기 위해 필요한 지문들을 등록하는 프로세스이다. 등록 지문 영상들의 정보량과 관련된 값이 미리 설정된 기준을 충족하면, 지문 등록 프로세스는 완료될 수 있다. 예를 들어, 같은 사용자 지문을 표현하는 등록 지문 영상들의 수가 미리 정의된 수를 초과하거나, 등록 지문 영상들이 커버하는 면적이 미리 정의된 면적을 초과하는 경우 지문 등록 프로세스가 완료될 수 있다.
일실시예에 따르면, 지문 등록 장치는 등록 지문 영상들 사이의 겹치는 영역들에 대응하는 다양성 정도들에 기초하여 지문 등록 프로세스의 완료 여부를 판단할 수 있다. 여기서, 등록 지문 영상들은 위에서 설명한 입력 지문 영상과 기 등록 지문 영상을 포함하는 영상들로서, 지문 등록 장치는 등록 지문 영상들 각각의 다양성 정도들을 측정할 수 있다. 예를 들면, 지문 등록 장치는 다양성 정도들에 기초하여 등록 스코어를 계산할 수 있고, 계산된 등록 스코어를 이용하여 지문 등록 프로세스의 완료 여부를 판단할 수 있다. 도 6을 참조하여, 유사도 스코어들에 기초하여 계산된 등록 스코어가 이용되는 실시예를 설명한다.
도 6은 일실시예에 따른 지문 등록 방법을 설명하는 순서도이다.
도 6을 참조하면, 지문 등록 장치는 등록 지문 영상들의 수 및 등록 지문 영상들 사이의 유사도 스코어들에 기초하여 등록 스코어를 계산할 수 있다(610). 여기서, 등록 지문 영상들은 정합된 입력 지문 영상(410) 및 기 등록 지문 영상(420)을 포함하고, 유사도 스코어들은 상술한 방식이 적용되어 등록 지문 영상들 간의 정합을 통해 계산될 수 있다. 예를 들어 등록 지문 영상들의 수가 m 개인 경우, 유사도 스코어들은
Figure pat00020
개 일 수 있다.
지문 등록 장치는 등록 스코어
Figure pat00021
를 임계 스코어
Figure pat00022
와 비교하여 지문 등록 프로세스의 완료 여부를 판단할 수 있다(620). 지문 등록 장치는 등록 스코어가 임계 스코어를 초과하는 경우, 지문 등록 프로세스를 완료할 수 있다(630). 지문 등록 장치는 등록 스코어가 임계 스코어를 초과하지 않는 경우, 지문 등록을 위한 새로운 입력 지문 영상을 수신하여 다양성 정도를 추가적으로 측정할 수 있다.
전술한 실시예는 등록 사용자의 지문 입력을 수회 반복 입력 받아 충분한 영역을 입력 받았는지의 여부를 판단하기 위하여, 이미지간 공유 영역을 계산하고 다양성에 해당하는 스코어를 반영하는 방법에 관한 예시이다. 부분 지문의 입력 면적 이용하여 입력 지문의 총 등록 면적을 계산하는 방식에는 여러 근사적 방법이 존재할 수 있다. 예를 들어, 사용자 지문이 m번 입력되었을 때, 등록 스코어는 수학식 4 내지 7 중 적어도 하나로 계산될 수 있다. 독립 입력은 1씩 증가하며, 기 입력된 지문영상들과 공유된 정도가 제외될 수 있다. 지문 등록 장치는 수학식 4 내지 7 중 적어도 하나를 이용하여 등록 스코어
Figure pat00023
를 계산할 수 있다.
Figure pat00024
Figure pat00025
Figure pat00026
Figure pat00027
여기서, m은 등록 지문 영상들의 수이고,
Figure pat00028
는 i번째 등록 지문 영상 및 j번째 등록 지문 영상 사이의 유사도 스코어이다.
도 7은 일실시예에 따른 지문 등록 방법을 설명하는 순서도이다.
도 7을 참조하면, 지문 등록 장치는 등록 지문 영상들의 유효 면적을 계산할 수 있다(710). 유효 면적은 등록 지문 영상들의 총 면적에 다양성 정도들을 반영한 면적으로 정의된다. 등록 지문 영상들의 총 면적은 등록 지문 영상들이 커버하는 면적을 의미하는데, 등록 지문 영상들의 면적들의 총합으로부터 중복되어 더해진 면적들(겹쳐진 영역들)을 중복된 횟수만큼 뺀 값으로 계산될 수 있다.
도 8을 참조하면, 서로 겹쳐져 있는 등록 지문 영상들(810) 및 등록 지문 영상들(820)이 도시되어 있다. 등록 지문 영상들(810)의 수는 등록 지문 영상들(820)의 수와 같지만, 등록 지문 영상들(820)의 분포가 등록 지문 영상들(810)의 분포보다 더 밀집되어 있기 때문에, 등록 지문 영상들(810)의 총 면적은 등록 지문 영상들(820)의 총 면적보다 크다. 다만, 등록 지문 영상들(820)의 다양성 정도들이 등록 지문 영상들(810)의 다양성 정도들보다 큰 경우, 등록 지문 영상들(820)의 유효 면적이 등록 지문 영상들(810)의 유효 면적보다 큰 경우가 발생할 수 있다.
일실시예에 따르면, 지문 등록 장치는 정합된 입력 지문 영상을 포함하는 등록 지문 영상들의 겹치는 영역들을 추출할 수 있고, 겹치는 영역들에 대응하는 다양성 정도들을 갱신할 수 있다. 예를 들면, 지문 등록 장치는 새롭게 정합된 입력 지문 영상과 기 등록 지문 영상들 사이의 각각의 겹치는 영역들을 추출하고, 추출된 겹치는 영역들에 대응하는 다양성 정도들을 계산할 수 있다. 지문 등록 장치는 계산된 다양성 정도들을 기 저장된 다양성 정도들에 반영하여, 정합된 입력 지문 영상을 포함하는 등록 지문 영상들의 겹치는 영역들에 대응하는 다양성 정도들을 갱신할 수 있다. 여기서, 다양성 정도들을 계산하는 기법은 위에서 설명한 유사도 스코어들에 기초하여 계산될 수 있지만 이에 한정되지는 않는다.
지문 등록 장치는 갱신된 다양성 정도들에 기초하여, 등록 지문 영상들의 유효 면적을 계산할 수 있다. 예를 들면, 지문 등록 장치는 다양성 정도들에 기초하여 가중치들을 정의하고, 등록 지문 영상들의 총 면적을 계산하는 과정에서 겹쳐진 영역들의 면적들에 가중치들을 반영하는 방식으로 유효 면적을 계산할 수 있다. 또는, 지문 등록 장치는 다양성 정도들에 기초하여 보정값을 정의하고, 등록 지문 영상들의 총 면적에 보정값을 반영시키는(예를 들어, 더하거나 곱하는 방식으로) 기법을 통해 유효 면적을 계산할 수 있다. 또는, 지문 등록 장치는 도 6을 참조하여 설명한 등록 스코어를 계산하는 방식을 채용하여 유효 면적을 계산할 수 있지만, 이에 한정되지는 않는다. 등록 지문 영상들의 겹치는 영역들의 면적들이 커질수록 유효 면적은 작아지고, 다양성 정도들이 커질수록 유효 면적은 커지도록 정의될 수 있다.
도 8을 참조하면, 지문 등록 장치는 등록 지문 영상들(810)의 겹쳐진 영역들에 대응하는 다양성 정도들과 등록 지문 영상들(820)의 겹쳐진 영역들에 대응하는 다양성 정도들을 측정할 수 있다. 지문 등록 장치는 측정된 다양성 정도들에 기초하여 등록 지문 영상들(810)의 유효 면적 및 등록 지문 영상들(820)의 유효 면적을 계산할 수 있다. 비록, 등록 지문 영상들(820)의 분포가 등록 지문 영상들(810)의 분포보다 밀집되어 있지만, 지문 등록 장치는 측정된 다양성 정도들에 따라 등록 지문 영상들(810)의 유효 면적보다 큰 값으로 등록 지문 영상들(820)의 유효 면적을 계산할 수 있다. 예를 들어, 등록 지문 영상들(820)의 겹쳐진 영역들에 대응하는 영상들이 도 5a 및 도 5b와 같이 변형된 영상들을 더 많이 포함할 수록, 등록 지문 영상들(820)의 유효 면적은 더 큰 값으로 계산될 수 있다.
도 7을 참조하면, 지문 등록 장치는 등록 지문 영상들의 유효 면적
Figure pat00029
를 임계 면적
Figure pat00030
과 비교하여 지문 등록 프로세스의 완료 여부를 판단할 수 있다(720). 지문 등록 장치는 유효 면적이 임계 면적을 초과하는 경우, 지문 등록 프로세스를 완료할 수 있다(730). 지문 등록 장치는 유효 면적이 임계 면적을 초과하지 않는 경우, 지문 등록을 위한 새로운 입력 지문 영상을 수신하여 다양성 정도를 추가적으로 측정할 수 있다.
도 9는 일실시예에 따른 주파수 기반 정합 기법을 설명하기 위한 순서도이다.
지문 등록 장치는 특정 지문 영상을 다른 지문 영상에 정합하기 위해 주파수 기반 정합 기법을 채용할 수 있다. 예를 들어, 지문 등록 장치는 주파수 기반 정합 기법을 이용하여, 입력 지문 영상(410)을 기 등록 지문 영상(420)에 정합할 수 있다. 이하, 입력 지문 영상을 등록 지문 영상에 정합하는 과정을 설명한다.
도 9를 참조하면, 지문 등록 장치는 입력 지문 영상 및 등록 지문 영상에 빠른 푸리에 변환(Fast Fourier Transform; FFT)을 적용하여, 입력 지문 영상 및 등록 지문 영상의 시간 도메인의 정보를 주파수 도메인의 정보로 변환할 수 있다(911 및 912). FFT가 적용되어 변환된 영상을 FFT 영상이라 지칭한다. 주파수 도메인의 정보는 (x, y) 좌표를 이용하여 정보를 표현하는 직교 좌표계에 기반할 수 있다.
지문 등록 장치는 입력 지문 영상의 FFT 영상 및 등록 지문 영상의 FFT 영상에 로그-폴라 변환(Log-Polar Transform; LPT)을 적용하여, 각 FFT 영상의 주파수 도메인의 정보의 좌표계를 극 좌표계로 변환할 수 있다(921 및 922). LPT가 적용되어 변환된 영상을 LPT 영상이라 지칭한다.
일례로, FFT에 의해 도출된 FFT 영상 내 픽셀들의 매그니튜드(magnitude) 값에 로그-폴라 변환이 수행될 수 있다. 극 좌표계는 반지름(radius), 각도(angle), 또는 반지름과 각도의 조합을 이용하여 정보를 표현할 수 있다.
지문 등록 장치는 입력 지문 영상의 LPT 영상 및 등록 지문 영상의 LPT 영상에 각각 FFT를 적용할 수 있다(931 및 932). 지문 등록 장치는 FFT가 적용된 영상들 사이에 페이즈 연관(phase correlation)을 수행하여(940), 입력 지문 영상 및 등록 지문 영상 사이의 회전 정보(θ)를 생성할 수 있다. 페이즈 연관의 수행 결과 피크(peak)가 검출되며, 검출된 피크의 위치는 입력 지문 영상과 등록 지문 영상 사이의 회전 정보(θ)를 나타낼 수 있다.
다른 실시예에 따르면, 검출된 피크의 위치는 입력 지문 영상과 등록 지문 영상 사이의 스케일 정보를 나타낼 수도 있다. 예를 들어, 로그-폴라 변환 영상의 한 축은 각도에 해당하고, 다른 한 축은 반지름(radius)에 해당한다. 이 경우, 페이즈 연관에 의하여 검출된 피크의 위치는 (각도에 해당하는 축의 좌표, 반지름에 해당하는 축의 좌표)로 표현될 수 있다. 각도에 해당하는 축의 좌표는 회전 정보를 나타내며, 반지름에 해당하는 축의 좌표는 스케일 정보를 나타낼 수 있다.
통상적으로 지문 영상은 실질적으로 스케일 변화가 없으므로, 반지름이 미리 정해진 값(예를 들어, 1)로 고정될 수 있다. 이 경우, 페이즈 연관에 의하여 검출된 피크의 위치는 각도에 해당하는 축의 좌표로 표현될 수 있다. 각도에 해당하는 축의 좌표는 회전 정보를 나타낼 수 있다.
지문 등록 장치는 회전 정보(θ)에 기초하여 입력 지문 영상을 회전시킬 수 있다(950). 지문 등록 장치는 회전된 입력 지문 영상에 FFT를 적용할 수 있다(960). 지문 등록 장치는 회전된 입력 지문 영상의 FFT 영상과 등록 지문 영상의 FFT 영상 사이에 페이즈 연관(phase correlation)을 수행하여(970), 회전된 입력 지문 영상 및 등록 지문 영상 사이의 평행 이동 정보(Tx, Ty)를 생성할 수 있다. 페이즈 연관의 수행 결과 검출된 피크의 위치는 회전된 입력 지문 영상 및 등록 지문 영상 사이의 평행 이동 정보(Tx, Ty)를 나타낼 수 있다. 지문 등록 장치는 평행 이동 정보(Tx, Ty)에 기초하여 회전된 입력 지문 영상을 이동시킬 수 있다. 지문 등록 장치는 정합 결과에 기초하여, 등록 지문 영상들 사이의 유사도 스코어들 또는 다양성 정도들을 계산할 수 있다.
도 10은 일실시예에 따른 지문 등록 방법을 설명하는 순서도이다.
도 10을 참조하면, 지문 등록 장치는 지문 인식을 위한 입력 지문 영상을 수신할 수 있다(1010). 지문을 통한 인증을 제공하기 위해, 지문 등록 장치는 같은 사용자 지문을 표현하는 등록 지문 영상들을 데이터베이스에 기록할 수 있다. 위에서 설명한 바와 같이, 사용자 지문과 관련된 정보의 양이 지문을 식별하는데 있어서 충분하다면 지문 등록 장치는 지문 등록 프로세스를 완료할 수 있다. 다만, 이러한 지문 등록 과정은 지문 등록 프로세스가 완료되어 데이터베이스에 지문 등록 영상들이 기록되어 있는 경우에도 수행될 수 있다. 예를 들면, 사용자를 인증하는 과정에서 획득된 입력 지문 영상이 등록될 수 있다.
도 11을 참조하면, 지문 등록 장치(1100)는 지문 센서(1110)을 포함한다. 여기서, 지문 등록 장치(1100)는 지문 인식의 동작을 제공할 수 있으므로, 지문 인식 장치일 수도 있다. 지문 등록 장치(1100)는 지문 센서(1110)을 통하여 입력 지문 영상(1115)을 수신할 수 있고, 데이터베이스(1120)는 등록 지문 영상들(1121 내지 1123)을 기록할 수 있다. 지문 등록 장치(1100)는 지문 인식을 위한 입력 지문 영상(1115)과 등록 지문 영상들(1121 내지 1123) 사이의 다양성 정도들에 기초하여, 입력 지문 영상(1115)을 등록하여, 등록 지문 영상들(1121 내지 1123)을 갱신할 수 있다. 이 경우, 데이터베이스(1120)에 기록된 등록 지문 영상들(1121 내지 1123) 중 어느 하나가 입력 지문 영상(1115)으로 대체되거나 입력 지문 영상(1115)이 등록 지문 영상들(1121 내지 1123)에 추가될 수 있다. 지문 등록 장치(1100)는 입력 지문 영상(1115)을 이용하여 등록 지문 영상들(1121 내지 1123)을 갱신하고, 갱신된 등록 지문 영상들(1121 내지 1123)의 등록 스코어 또는 유효 면적을 갱신할 수 있다.
지문 등록 장치는 입력 지문 영상(1115)과 등록 지문 영상들(1121 내지 1123)을 비교하여 입력 지문 영상(1115)을 기 등록된 사용자 지문에 대응하는 것으로 인식할 수 있다(1020). 지문 등록 장치(1100)는 입력 지문 영상(1115)을 등록 지문 영상들(1121 내지 1123)와 비교하기 위해, 입력 지문 영상(1115)을 등록 지문 영상들(1121 내지 1123)에 정합할 수 있다. 지문 등록 장치(1100)는 정합 결과를 이용하여 사용자의 지문을 인식할 수 있다.
지문 등록 장치는 인식된 입력 지문 영상(1115)과 등록 지문 영상들(1121 내지 1123) 사이의 겹치는 영역들에 대응하는 다양성 정도들을 측정할 수 있다(1030). 여기서, 다양성 정도들을 측정하기 위해 위에서 설명된 실시예들이 적용될 수 있다.
지문 등록 장치는 다양성 정도들에 기초하여 입력 지문 영상(1115)을 등록할지 여부를 판단할 수 있다(1040). 일실시예에 따르면, 지문 등록 장치는 등록 지문 영상들(1121 내지 1123)의 등록 스코어 또는 유효 면적과 입력 지문 영상(1115)이 포함된 등록 지문 영상들의 등록 스코어 또는 유효 면적을 비교할 수 있다. 지문 등록 장치는 입력 지문 영상(1115)에 의해 등록 스코어 또는 유효 면적의 증가량이 임계값을 초과하는 경우, 입력 지문 영상(1115)을 등록시켜 등록 지문 영상들(1121 내지 1123)을 갱신할 수 있다. 또는, 지문 등록 장치는 등록 지문 영상들(1121 내지 1123) 중 어느 하나의 등록 지문 영상(예를 들면, 등록 스코어 또는 유효 면적에 기여하는 정도가 가장 작은 등록 지문 영상)을 입력 지문 영상(1115)으로 대체할 수 있다. 지문 등록 장치는 등록 지문 영상들을 갱신하기 위해, 입력 지문 영상(1115)을 등록할 수 있다.
도 12는 일실시예에 따른 지문 등록 장치의 구성의 예시도이다.
도 12를 참조하면, 지문 등록 장치는 센서(1220), 프로세서(1210) 및 메모리(1230)를 포함한다. 센서(1220), 프로세서(1210) 및 메모리(1230)는 버스(1240)를 통하여 서로 통신할 수 있다.
센서(1220)는 지문 센서일 수 있다. 센서(1220)는 잘 알려진 방식(예를 들어, 광학 이미지를 전기 신호로 변환하는 방식 등)으로 지문 영상을 캡쳐할 수 있다. 영상은 프로세서(1210)로 출력된다.
프로세서(1210)는 도 1 내지 도 11을 통하여 전술한 적어도 하나의 장치들을 포함하거나, 도 1 내지 도 11을 통하여 전술한 적어도 하나의 방법을 수행할 수 있다. 메모리(1230)는 센서(1220)에 의하여 캡쳐되어 등록된 등록 지문 영상들, 센서(1220)에 의하여 캡쳐된 입력 지문 영상, 프로세서(1210)에 의하여 처리된 정합 결과, 및/또는 프로세서(1210)에 의하여 계산된 다양성 정도, 유사도, 유사도 스코어, 등록 스코어, 유효 면적 등을 저장할 수 있다. 메모리(1230)는 휘발성 메모리 또는 비휘발성 메모리일 수 있다.
프로세서(1210)는 프로그램을 실행하고, 지문 등록 장치를 제어할 수 있다. 프로세서(1210)에 의하여 실행되는 프로그램 코드는 메모리(1230)에 저장될 수 있다. 지문 등록 장치는 입출력 장치(도면 미 표시)를 통하여 외부 장치(예를 들어, 퍼스널 컴퓨터 또는 네트워크)에 연결되고, 데이터를 교환할 수 있다.
지문 등록 장치는 이동 전화, 스마트 폰, PDA, 태블릿 컴퓨터, 랩톱 컴퓨터 등 모바일 장치, 퍼스널 컴퓨터, 태블릿 컴퓨터, 넷북 등 컴퓨팅 장치, 또는 텔레비전, 스마트 텔레비전, 게이트 제어를 위한 보안 장치 등 전자 제품 등 다양한 전자 시스템들을 포함할 수 있다.
이상에서 사용자의 지문의 일부 또는 전부를 이용하여 사용자 지문을 등록하는 경우를 설명하였으나, 실시예들은 사용자의 생체 데이터의 일부 또는 전부를 등록하는 경우로 확장될 수 있다. 여기서, 생체 데이터는 사용자의 지문에 관한 정보, 정맥(blood vessel)에 관한 정보, 홍채(iris)에 관한 정보 등을 포함할 수 있다. 이 경우, 프로세서(1210)는 센서(1220)로부터 사용자의 생체 데이터의 일부에 해당하는 입력 부분 데이터를 수신하고, 입력 부분 데이터를 기 등록된 생체 데이터의 부분 데이터들에 해당하는 등록 부분 데이터들을 비교하며, 비교 결과에 기초하여 입력 부분 데이터를 등록할 수 있다.
일 예로, 센서(1220)는 사용자의 정맥 패턴을 인식하는 센서를 포함할 수 있다. 센서(1220)는 사용자의 손등의 피부로부터 정맥 패턴을 추출할 수 있다. 센서(1220)는 적외선 조명과 필터를 사용하여 피부에 대한 혈관의 밝기 대비를 최대화한 뒤, 정맥 패턴을 포함하는 영상을 획득할 수 있다. 이 때, 센서(1220)는 정맥 패턴 중 일부에 해당하는 부분 영상을 획득할 수 있다. 이 경우, 프로세서(1210)는 정맥 패턴 중 일부에 해당하는 부분 영상과 기 등록된 정맥 패턴의 부분 영상들을 비교함으로써, 획득된 부분 영상을 등록할 수 있다.
다른 예로, 센서(1220)는 사용자의 홍채 패턴을 인식하는 센서를 포함할 수 있다. 센서(1220)는 사용자의 동공과 공막(눈의 백색 영역) 사이의 홍채 패턴을 스캔 또는 캡쳐할 수 있다. 이 때, 센서(1220)는 홍채 패턴 중 일부에 해당하는 부분 영상을 획득할 수 있다. 이 경우, 프로세서(1210)는 홍채 패턴 중 일부에 해당하는 부분 영상과 기 등록된 홍채 패턴의 부분 영상들을 비교함으로써, 획득된 부분 영상을 등록할 수 있다.
이상에서 설명된 실시예들은 하드웨어 구성요소, 소프트웨어 구성요소, 및/또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 장치, 방법 및 구성요소는, 예를 들어, 프로세서, 콘트롤러, ALU(arithmetic logic unit), 디지털 신호 프로세서(digital signal processor), 마이크로컴퓨터, FPGA(field programmable gate array), PLU(programmable logic unit), 마이크로프로세서, 또는 명령(instruction)을 실행하고 응답할 수 있는 다른 어떠한 장치와 같이, 하나 이상의 범용 컴퓨터 또는 특수 목적 컴퓨터를 이용하여 구현될 수 있다. 처리 장치는 운영 체제(OS) 및 상기 운영 체제 상에서 수행되는 하나 이상의 소프트웨어 애플리케이션을 수행할 수 있다. 또한, 처리 장치는 소프트웨어의 실행에 응답하여, 데이터를 접근, 저장, 조작, 처리 및 생성할 수도 있다. 이해의 편의를 위하여, 처리 장치는 하나가 사용되는 것으로 설명된 경우도 있지만, 해당 기술분야에서 통상의 지식을 가진 자는, 처리 장치가 복수 개의 처리 요소(processing element) 및/또는 복수 유형의 처리 요소를 포함할 수 있음을 알 수 있다. 예를 들어, 처리 장치는 복수 개의 프로세서 또는 하나의 프로세서 및 하나의 콘트롤러를 포함할 수 있다. 또한, 병렬 프로세서(parallel processor)와 같은, 다른 처리 구성(processing configuration)도 가능하다.
소프트웨어는 컴퓨터 프로그램(computer program), 코드(code), 명령(instruction), 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로(collectively) 처리 장치를 명령할 수 있다. 소프트웨어 및/또는 데이터는, 처리 장치에 의하여 해석되거나 처리 장치에 명령 또는 데이터를 제공하기 위하여, 어떤 유형의 기계, 구성요소(component), 물리적 장치, 가상 장치(virtual equipment), 컴퓨터 저장 매체 또는 장치, 또는 전송되는 신호 파(signal wave)에 영구적으로, 또는 일시적으로 구체화(embody)될 수 있다. 소프트웨어는 네트워크로 연결된 컴퓨터 시스템 상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 하나 이상의 컴퓨터 판독 가능 기록 매체에 저장될 수 있다.
실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 실시예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 실시예의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
이상과 같이 실시예들이 비록 한정된 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기를 기초로 다양한 기술적 수정 및 변형을 적용할 수 있다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.
그러므로, 다른 구현들, 다른 실시예들 및 특허청구범위와 균등한 것들도 후술하는 특허청구범위의 범위에 속한다.

Claims (20)

  1. 지문 등록을 위한 입력 지문 영상을 수신하는 단계;
    상기 입력 지문 영상을 기 등록 지문 영상에 정합하는 단계;
    상기 정합된 입력 지문 영상과 상기 기 등록 지문 영상 사이의 겹치는 영역을 추출하는 단계;
    상기 겹치는 영역에 대응하는 사용자 지문의 다양성 정도를 측정하는 단계; 및
    상기 다양성 정도에 기초하여 지문 등록 프로세스의 완료 여부를 판단하는 단계
    를 포함하는
    지문 등록 방법.
  2. 제1항에 있어서,
    상기 사용자 지문의 다양성 정도를 측정하는 단계는
    상기 겹치는 영역에 대응하는 유사도에 기초하여 상기 정합된 입력 지문 영상 및 상기 기 등록 지문 영상 사이의 유사도 스코어를 계산하는 단계
    를 포함하고,
    상기 유사도 스코어가 커질수록 상기 다양성 정도는 작아지고,
    상기 유사도 스코어가 작아질수록 상기 다양성 정도는 커지는,
    지문 등록 방법.
  3. 제2항에 있어서,
    상기 유사도 스코어를 계산하는 단계는
    상기 정합된 입력 지문 영상 중 상기 겹치는 영역에 대응하는 제1 공유 영상과 상기 기 등록 지문 영상 중 상기 겹치는 영역에 대응하는 제2 공유 영상 사이의 상기 유사도를 계산하는 단계; 및
    상기 유사도 및 상기 겹치는 영역의 면적에 기초하여 상기 유사도 스코어를 계산하는 단계
    를 포함하는,
    지문 등록 방법.
  4. 제3항에 있어서,
    상기 유사도는 계산하는 단계는
    상기 정합된 입력 지문 영상 및 상기 기 등록 지문 영상 사이의 NCC(normalized cross correlation) 또는 위상 상관도(phase correlation)에 기초하여 상기 유사도를 계산하는 단계를 포함하는,
    지문 등록 방법.
  5. 제2항에 있어서,
    상기 유사도 스코어를 계산하는 단계는
    상기 겹치는 영역의 면적과 상기 정합된 입력 지문 영상의 면적의 제1 비율 또는 상기 겹치는 영역의 면적과 상기 기 등록 지문 영상의 면적의 제2 비율에 기초하여 공유 면적비를 계산하는 단계; 및
    상기 공유 면적비 및 상기 유사도에 기초하여 상기 유사도 스코어를 계산하는 단계
    를 포함하는,
    지문 등록 방법.
  6. 제5항에 있어서,
    상기 유사도가 임계 유사도보다 큰 경우, 상기 공유 면적비는 상기 제1 비율 또는 상기 제2 비율이고,
    상기 유사도가 상기 임계 유사도보다 작은 경우, 상기 공유 면적비는 미리 정의된 값이며,
    상기 유사도 스코어는 상기 공유 면적비와 상기 유사도의 곱에 기초하여 정의되는,
    지문 등록 방법.
  7. 제2항에 있어서,
    상기 지문 등록 프로세스의 완료 여부를 판단하는 단계는
    등록 지문 영상들의 수 및 상기 등록 지문 영상들 사이의 유사도 스코어들에 기초하여 등록 스코어를 계산하는 단계;
    상기 등록 스코어를 임계 스코어와 비교하여 상기 지문 등록 프로세스의 완료 여부를 판단하는 단계
    를 포함하고,
    상기 등록 지문 영상들은 상기 정합된 입력 지문 영상 및 상기 기 등록 지문 영상을 포함하는,
    지문 등록 방법.
  8. 제7항에 있어서,
    상기 등록 스코어를 계산하는 단계는
    Figure pat00031
    ;
    Figure pat00032
    ;
    Figure pat00033
    ; 및
    Figure pat00034

    중 적어도 하나의
    Figure pat00035
    로 상기 등록 스코어를 계산하는 단계를 포함하고,
    상기 m은 상기 등록 지문 영상들의 수이고,
    상기
    Figure pat00036
    는 i번째 등록 지문 영상 및 j번째 등록 지문 영상 사이의 유사도 스코어인,
    지문 등록 방법.
  9. 제1항에 있어서,
    상기 지문 등록 프로세스의 완료 여부를 판단하는 단계는
    상기 다양성 정도에 기초하여 등록 지문 영상들의 겹치는 영역들에 대응하는 다양성 정도들을 갱신하는 단계;
    상기 갱신된 다양성 정도들에 기초하여 상기 등록 지문 영상들의 유효 면적을 계산하는 단계; 및
    상기 유효 면적과 임계 면적을 비교하여 상기 지문 등록 프로세스의 완료 여부를 판단하는 단계
    를 포함하는,
    지문 등록 방법.
  10. 제9항에 있어서,
    상기 등록 지문 영상들의 겹치는 영역들의 면적들이 커질수록 상기 유효 면적은 작아지고,
    상기 갱신된 다양성 정도들이 커질수록 상기 유효 면적은 커지는,
    지문 등록 방법.
  11. 제1항에 있어서,
    상기 다양성 정도는 상기 입력 지문 영상에 대응하는 지문의 방향, 손가락 압력의 방향, 분포 및 크기, 피부의 컨디션, 습도 중 적어도 하나로부터 영향을 받는,
    지문 등록 방법.
  12. 제1항에 있어서,
    상기 입력 지문 영상을 상기 기 등록 지문 영상에 정합하는 단계는
    주파수 기반 정합 기법에 기초하여 상기 입력 지문 영상과 상기 기 등록 지문 영상 사이의 적어도 하나의 위상 상관도(phase correlation)을 획득하는 단계;
    상기 적어도 하나의 위상 상관도에 기초하여 상기 입력 지문 영상과 상기 기 등록 지문 영상 사이의 평행 이동(translation), 회전(rotation) 및 스케일(scale) 중 적어도 하나를 획득하는 단계; 및
    상기 획득된 평행 이동, 회전 및 스케일 중 적어도 하나에 기초하여 상기 입력 지문 영상을 상기 기 등록 지문 영상에 정합하는 단계
    를 포함하는,
    지문 등록 방법.
  13. 지문 인식을 위한 입력 지문 영상을 수신하는 단계;
    상기 입력 지문 영상과 등록 지문 영상들을 비교하여 상기 입력 지문 영상을 기 등록된 사용자 지문에 대응하는 것으로 인식하는 단계;
    상기 인식된 상기 입력 지문 영상과 상기 등록 지문 영상들 사이의 겹치는 영역들에 대응하는 다양성 정도들을 측정하는 단계; 및
    상기 다양성 정도들에 기초하여 상기 입력 지문 영상을 등록할지 여부를 판단하는 단계
    를 포함하는,
    지문 등록 방법.
  14. 하드웨어와 결합되어 제1항 내지 제12항 중 어느 하나의 항의 방법을 실행시키기 위하여 매체에 저장된 컴퓨터 프로그램.
  15. 지문 등록을 위한 입력 지문 영상을 수신하는 지문 센서; 및
    상기 입력 지문 영상을 기 등록 지문 영상에 정합하고, 상기 정합된 입력 지문 영상과 상기 기 등록 지문 영상 사이의 겹치는 영역을 추출하고, 상기 겹치는 영역에 대응하는 사용자 지문의 다양성 정도를 측정하고, 상기 다양성 정도에 기초하여 지문 등록 프로세스의 완료 여부를 판단하는 프로세서
    를 포함하는
    지문 등록 장치.
  16. 제15항에 있어서,
    상기 프로세서는
    상기 겹치는 영역에 대응하는 유사도에 기초하여 상기 정합된 입력 지문 영상 및 상기 기 등록 지문 영상 사이의 유사도 스코어를 계산하고,
    상기 유사도 스코어가 커질수록 상기 다양성 정도는 작아지고,
    상기 유사도 스코어가 작아질수록 상기 다양성 정도는 커지는,
    지문 등록 장치.
  17. 제16항에 있어서,
    상기 프로세서는
    상기 정합된 입력 지문 영상 중 상기 겹치는 영역에 대응하는 제1 공유 영상과 상기 기 등록 지문 영상 중 상기 겹치는 영역에 대응하는 제2 공유 영상 사이의 상기 유사도를 계산하고, 상기 유사도 및 상기 겹치는 영역의 면적에 기초하여 상기 유사도 스코어를 계산하는,
    지문 등록 장치.
  18. 제16항에 있어서,
    상기 프로세서는
    상기 겹치는 영역의 면적과 상기 정합된 입력 지문 영상의 면적의 제1 비율 또는 상기 겹치는 영역의 면적과 상기 기 등록 지문 영상의 면적의 제2 비율에 기초하여 공유 면적비를 계산하고, 상기 공유 면적비 및 상기 유사도에 기초하여 상기 유사도 스코어를 계산하는,
    지문 등록 장치.
  19. 제16항에 있어서,
    상기 프로세서는
    등록 지문 영상들의 수 및 상기 등록 지문 영상들 사이의 유사도 스코어들에 기초하여 등록 스코어를 계산하고, 상기 등록 스코어를 임계 스코어와 비교하여 상기 지문 등록 프로세스의 완료 여부를 판단하며,
    상기 등록 지문 영상들은 상기 정합된 입력 지문 영상 및 상기 기 등록 지문 영상을 포함하는,
    지문 등록 장치.
  20. 제15항에 있어서,
    상기 프로세서는
    상기 다양성 정도에 기초하여 등록 지문 영상들의 겹치는 영역들에 대응하는 다양성 정도들을 갱신하고, 상기 갱신된 다양성 정도들에 기초하여 상기 등록 지문 영상들의 유효 면적을 계산하며, 상기 유효 면적과 임계 면적을 비교하여 상기 지문 등록 프로세스의 완료 여부를 판단하는,
    지문 등록 장치.
KR1020160147401A 2016-11-07 2016-11-07 지문 등록 방법 및 장치 Active KR102170725B1 (ko)

Priority Applications (3)

Application Number Priority Date Filing Date Title
KR1020160147401A KR102170725B1 (ko) 2016-11-07 2016-11-07 지문 등록 방법 및 장치
US15/629,324 US10198615B2 (en) 2016-11-07 2017-06-21 Fingerprint enrollment method and apparatus
US16/249,155 US20190163954A1 (en) 2016-11-07 2019-01-16 Fingerprint enrollment method and apparatus

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020160147401A KR102170725B1 (ko) 2016-11-07 2016-11-07 지문 등록 방법 및 장치

Publications (2)

Publication Number Publication Date
KR20180050861A true KR20180050861A (ko) 2018-05-16
KR102170725B1 KR102170725B1 (ko) 2020-10-27

Family

ID=62064653

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020160147401A Active KR102170725B1 (ko) 2016-11-07 2016-11-07 지문 등록 방법 및 장치

Country Status (2)

Country Link
US (2) US10198615B2 (ko)
KR (1) KR102170725B1 (ko)

Families Citing this family (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10621594B2 (en) 2016-02-19 2020-04-14 Alitheon, Inc. Multi-level authentication
US10740767B2 (en) 2016-06-28 2020-08-11 Alitheon, Inc. Centralized databases storing digital fingerprints of objects for collaborative authentication
CN106557755B (zh) * 2016-11-24 2021-05-04 北京小米移动软件有限公司 指纹模板获取方法及装置
KR102330327B1 (ko) * 2016-11-29 2021-11-24 삼성전자주식회사 압력에 기초한 지문 인식 방법 및 장치
KR102680415B1 (ko) * 2017-02-14 2024-07-03 삼성전자주식회사 지문 인식 센서를 갖는 저장 장치 및 그것의 동작 방법
KR102389562B1 (ko) * 2017-09-08 2022-04-22 삼성전자주식회사 지문 정보 처리 방법
US11068686B2 (en) * 2017-09-12 2021-07-20 Synaptics Incorporated Low power baseline tracking for fingerprint sensor
WO2019069617A1 (ja) * 2017-10-05 2019-04-11 日本電気株式会社 個体識別装置
TWI678634B (zh) * 2017-11-28 2019-12-01 宏碁股份有限公司 指紋驗證方法與電子裝置
CN108288050B (zh) * 2018-02-13 2022-03-01 北京小米移动软件有限公司 更新指纹模板的方法、装置、电子设备
US11216541B2 (en) 2018-09-07 2022-01-04 Qualcomm Incorporated User adaptation for biometric authentication
US10963670B2 (en) 2019-02-06 2021-03-30 Alitheon, Inc. Object change detection and measurement using digital fingerprints
EP3734506A1 (en) 2019-05-02 2020-11-04 Alitheon, Inc. Automated authentication region localization and capture
EP3736717A1 (en) 2019-05-10 2020-11-11 Alitheon, Inc. Loop chain digital fingerprint method and system
US11238146B2 (en) 2019-10-17 2022-02-01 Alitheon, Inc. Securing composite objects using digital fingerprints
CN112183508B (zh) * 2020-11-30 2021-06-29 深圳阜时科技有限公司 指纹识别方法、指纹识别传感器及电子设备
CN113127837B (zh) 2020-12-18 2024-06-11 神盾股份有限公司 电子设备配置参数的更新方法、设备及计算机可读介质
EP4288943A1 (en) 2021-04-23 2023-12-13 Google LLC Adaptive fingerprint-enrollment to finger characteristics using local under-display fingerprint sensors in an electronic device
US20230205736A1 (en) * 2021-12-24 2023-06-29 Vast Data Ltd. Finding similarities between files stored in a storage system
US12124588B2 (en) 2021-12-24 2024-10-22 Vast Data Ltd. Securing a storage system

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20080019833A (ko) * 2006-08-29 2008-03-05 (주) 대성하이텍 지문의 인식율 향상을 위한 지문 등록 및 인증 방법
KR20160123209A (ko) * 2015-04-15 2016-10-25 삼성전자주식회사 지문 인식 방법 및 장치

Family Cites Families (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6993166B2 (en) * 2003-12-16 2006-01-31 Motorola, Inc. Method and apparatus for enrollment and authentication of biometric images
US8005277B2 (en) 2006-03-03 2011-08-23 Research Foundation-State University of NY Secure fingerprint matching by hashing localized information
JP5277804B2 (ja) 2008-09-05 2013-08-28 富士通株式会社 指紋認証装置、指紋認証プログラムおよび指紋認証方法
US20100232659A1 (en) 2009-03-12 2010-09-16 Harris Corporation Method for fingerprint template synthesis and fingerprint mosaicing using a point matching algorithm
KR20110114191A (ko) 2010-04-13 2011-10-19 (주)아와시스템 특징점 구조 기반의 지문 매칭 방법
KR101237148B1 (ko) 2011-04-06 2013-02-25 조선대학교산학협력단 유사도 분포를 이용한 계층적 지문인증 장치 및 그 방법
KR101246276B1 (ko) 2011-06-10 2013-03-21 (주)에프데스크 전자책 서비스 방법
KR101270348B1 (ko) 2012-03-21 2013-05-31 조선대학교산학협력단 지문인증 장치 및 방법
US9600709B2 (en) 2012-03-28 2017-03-21 Synaptics Incorporated Methods and systems for enrolling biometric data
US9898642B2 (en) 2013-09-09 2018-02-20 Apple Inc. Device, method, and graphical user interface for manipulating user interfaces based on fingerprint sensor inputs
WO2016025540A1 (en) 2014-08-11 2016-02-18 Synaptics Incorporated Multi-view fingerprint matching
US9400914B2 (en) 2014-10-24 2016-07-26 Egis Technology Inc. Method and electronic device for generating fingerprint enrollment data

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20080019833A (ko) * 2006-08-29 2008-03-05 (주) 대성하이텍 지문의 인식율 향상을 위한 지문 등록 및 인증 방법
KR20160123209A (ko) * 2015-04-15 2016-10-25 삼성전자주식회사 지문 인식 방법 및 장치

Also Published As

Publication number Publication date
KR102170725B1 (ko) 2020-10-27
US20180129861A1 (en) 2018-05-10
US20190163954A1 (en) 2019-05-30
US10198615B2 (en) 2019-02-05

Similar Documents

Publication Publication Date Title
KR102170725B1 (ko) 지문 등록 방법 및 장치
KR102455633B1 (ko) 라이브니스 검사 방법 및 장치
US10339178B2 (en) Fingerprint recognition method and apparatus
EP3254232B1 (en) Systems and methods for performing fingerprint based user authentication using imagery captured using mobile devices
JP6837288B2 (ja) 指紋認証方法及び装置
KR102330327B1 (ko) 압력에 기초한 지문 인식 방법 및 장치
KR102434562B1 (ko) 위조 지문 검출 방법 및 장치, 지문 인식 방법 및 장치
KR102313981B1 (ko) 지문 인증 방법 및 장치
KR102459852B1 (ko) 지문 인식을 위한 후보 지문 이미지를 선정하는 장치 및 방법
CN106056037A (zh) 用于识别指纹的方法和设备
KR102734293B1 (ko) 지문 영상 전처리 방법 및 장치
CN106326327A (zh) 用于更新用户认证数据的方法和设备
KR102387569B1 (ko) 지문 인증 방법 및 장치
KR20180098443A (ko) 지문 인식 장치 및 지문 인식 방법
KR102558741B1 (ko) 사용자 등록 장치 및 방법
CN108573137A (zh) 指纹验证方法和设备
US20210200992A1 (en) Techniques for robust anti-spoofing in biometrics using polarization cues for nir and visible wavelength band
US9292752B2 (en) Image processing device and image processing method
KR102577588B1 (ko) 지문 인증 방법 및 장치
KR20170003348A (ko) 사용자 인증을 위한 등록 데이터베이스의 갱신 방법 및 장치
KR102558736B1 (ko) 지문 인식 방법 및 장치
KR102205495B1 (ko) 지문 인식 방법 및 장치
KR102447100B1 (ko) 지문 인증 방법 및 장치
JP7658529B2 (ja) スプーフィング防止方法及び装置
KR102577587B1 (ko) 지문 인증 방법 및 장치

Legal Events

Date Code Title Description
PA0109 Patent application

Patent event code: PA01091R01D

Comment text: Patent Application

Patent event date: 20161107

PG1501 Laying open of application
A201 Request for examination
PA0201 Request for examination

Patent event code: PA02012R01D

Patent event date: 20190108

Comment text: Request for Examination of Application

Patent event code: PA02011R01I

Patent event date: 20161107

Comment text: Patent Application

E902 Notification of reason for refusal
PE0902 Notice of grounds for rejection

Comment text: Notification of reason for refusal

Patent event date: 20200131

Patent event code: PE09021S01D

E701 Decision to grant or registration of patent right
PE0701 Decision of registration

Patent event code: PE07011S01D

Comment text: Decision to Grant Registration

Patent event date: 20200728

GRNT Written decision to grant
PR0701 Registration of establishment

Comment text: Registration of Establishment

Patent event date: 20201021

Patent event code: PR07011E01D

PR1002 Payment of registration fee

Payment date: 20201022

End annual number: 3

Start annual number: 1

PG1601 Publication of registration
PR1001 Payment of annual fee

Payment date: 20230914

Start annual number: 4

End annual number: 4

PR1001 Payment of annual fee

Payment date: 20240912

Start annual number: 5

End annual number: 5