KR20180090072A - 홍채 인식 장치 및 방법 - Google Patents

홍채 인식 장치 및 방법 Download PDF

Info

Publication number
KR20180090072A
KR20180090072A KR1020170015020A KR20170015020A KR20180090072A KR 20180090072 A KR20180090072 A KR 20180090072A KR 1020170015020 A KR1020170015020 A KR 1020170015020A KR 20170015020 A KR20170015020 A KR 20170015020A KR 20180090072 A KR20180090072 A KR 20180090072A
Authority
KR
South Korea
Prior art keywords
iris
image
region
iris recognition
iris image
Prior art date
Application number
KR1020170015020A
Other languages
English (en)
Other versions
KR102369412B1 (ko
Inventor
이현정
김지혜
서성주
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 KR1020170015020A priority Critical patent/KR102369412B1/ko
Priority to US15/672,450 priority patent/US10395112B2/en
Publication of KR20180090072A publication Critical patent/KR20180090072A/ko
Application granted granted Critical
Publication of KR102369412B1 publication Critical patent/KR102369412B1/ko

Links

Images

Classifications

    • 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
    • G06V40/18—Eye characteristics, e.g. of the iris
    • G06V40/19—Sensors therefor
    • 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
    • G06V40/18—Eye characteristics, e.g. of the iris
    • G06V40/197—Matching; Classification
    • G06K9/00604—
    • G06K9/0061—
    • G06K9/4642—
    • G06K9/6212—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/28—Quantising the image, e.g. histogram thresholding for discrimination between background and foreground patterns
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/50—Extraction of image or video features by performing operations within image blocks; by using histograms, e.g. histogram of oriented gradients [HoG]; by summing image-intensity values; Projection analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
    • G06V10/758—Involving statistics of pixels or of feature values, e.g. histogram matching
    • 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
    • G06V40/18—Eye characteristics, e.g. of the iris
    • G06V40/193—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
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/161—Detection; Localisation; Normalisation
    • 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
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/168—Feature extraction; Face representation
    • G06V40/169—Holistic features and representations, i.e. based on the facial image taken as a whole
    • 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
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/168—Feature extraction; Face representation
    • G06V40/171—Local features and components; Facial parts ; Occluding parts, e.g. glasses; Geometrical relationships

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Computer Interaction (AREA)
  • Ophthalmology & Optometry (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Collating Specific Patterns (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Abstract

홍채 인식 방법 및 장치가 제공된다. 일 실시예에 따른 홍채 인식 장치는 홍채 이미지로부터 기준 영역의 밝기 히스토그램만을 이용하여 임계 밝기를 결정할 수 있고, 결정된 임계 밝기에 기초하여 후보 영역에서 대상 픽셀을 홍채 인식으로부터 배제할 수 있다.

Description

홍채 인식 장치 및 방법{DEVICE AND METHOD TO RECOGNIZE IRIS}
이하, 홍채 인식 기술이 제공된다.
생체의 특징을 이용하여 신원을 확인하는 기술에 대한 관심이 증가하고 있다. 얼굴 인식, 지문 인식, 정맥 패턴 인식 및 홍채 인식 등과 같은 생체 인증 기술은 사람마다 다른 고유의 생체 특징을 이용하여 사용자의 신원을 확인하는데 이용된다. 현재 얼굴 인식 및 지문 인식이 널리 이용되고 있으며, 최근에는 홍채 인식이 보급화되기 시작하였다.
홍채 인식은 비접촉식 인식 방식으로서, 홍채의 패턴을 분석하여 사용자를 인식하는 생체 인증 기술이다. 홍채의 패턴은 같은 사람일지라도 왼쪽 눈과 오른쪽 눈이 다르며, 같은 유전자 구조를 가지고 있는 일란성 쌍둥이의 경우에도 서로 다른 것으로 알려져 있다. 홍채 인식에서는 영상에서 동공(pupil) 및 공막(sclera)과 구별되는 홍채 영역을 추출하고, 추출된 홍채 영역으로부터 특징을 추출하는 과정이 수행된다.
일 실시예에 따른 홍채 인식 방법은 홍채 이미지를 획득하는 단계; 상기 홍채 이미지로부터 기준 영역(reference area)을 추출하는 단계; 상기 기준 영역에 포함되는 복수의 픽셀들에 기초하여, 임계 밝기를 결정하는 단계; 및 상기 홍채 이미지 내에서 홍채 인식으로부터 배제할 대상 픽셀을 상기 임계 밝기에 기초하여 결정하는 단계를 포함할 수 있다.
상기 기준 영역을 추출하는 단계는, 상기 홍채 이미지를 복수의 영역들로 분할하는 단계; 및 상기 복수의 영역들 중 하나의 영역을 기준 영역으로 추출하는 단계를 포함할 수 있다.
상기 기준 영역을 추출하는 단계는, 상기 홍채 이미지를 정규화하는 단계; 및 상기 정규화된 홍채 이미지로부터 상기 기준 영역을 추출하는 단계를 포함할 수 있다.
상기 기준 영역을 추출하는 단계는, 상기 홍채 이미지의 동공 영역을 가로지르는 제1 축을 기준으로 분할된 두 영역들 중 대상이 존재하지 않는 영역을 상기 기준 영역으로서 추출하는 단계를 포함할 수 있다.
상기 대상이 존재하지 않는 영역을 상기 기준 영역으로서 추출하는 단계는, 상기 동공 영역의 중심 지점을 가로로 통과하는 축을 상기 제1 축으로 결정하는 단계를 포함할 수 있다.
상기 홍채 이미지를 획득하는 단계는, 홍채를 포함하는 입력 이미지를 변환하여 정규화된 홍채 이미지를 획득하는 단계를 포함하고, 상기 기준 영역을 추출하는 단계는, 상기 홍채 이미지 내에서 대상을 통과하지 않는 제2 축을 기준으로 상기 홍채 이미지를 두 영역들로 분할하는 단계; 상기 두 영역들 중 대상이 존재하지 않는 것으로 지정된 영역을 상기 기준 영역으로서 추출하는 단계를 포함할 수 있다.
상기 임계 밝기를 결정하는 단계는, 상기 기준 영역 내에 포함된 복수의 픽셀들과 연관된 히스토그램을 생성하는 단계; 및 상기 히스토그램에 기초하여, 상기 임계 밝기를 결정하는 단계를 포함할 수 있다.
상기 임계 밝기를 결정하는 단계는, 상기 기준 영역 내에 포함된 복수의 픽셀들의 각각의 밝기 값의 평균 값(mean value)으로부터 상기 복수의 픽셀들의 각각의 밝기 값의 가중된 표준 편차(weighted standard deviation)를 차감한 값을 상기 임계 밝기로 결정하는 단계를 포함할 수 있다.
상기 홍채 이미지를 획득하는 단계는, 상기 홍채 이미지의 세기(intensity) 기반 히스토그램을 평활화(equalize)하는 단계를 포함할 수 있다.
상기 대상 픽셀을 상기 임계 밝기에 기초하여 결정하는 단계는, 상기 홍채 이미지로부터 상기 기준 영역을 배제한 영역을 후보 영역으로 결정하는 단계; 및 상기 후보 영역으로부터 상기 대상 픽셀을 결정하여 배제하는 단계를 포함할 수 있다.
홍채 인식 방법은 상기 대상 픽셀이 배제된 홍채 이미지로부터 홍채 특징을 추출하는 단계; 및 상기 추출된 홍채 특징에 기초하여 사용자를 인식하는 단계를 더 포함할 수 있다.
일 실시예에 따른 홍채 인식 장치는 홍채 이미지를 획득하는 이미지 획득부; 및 상기 홍채 이미지로부터 기준 영역을 추출하고, 상기 기준 영역에 포함되는 복수의 픽셀들에 기초하여 임계 밝기를 결정하며, 상기 홍채 이미지 내에서 홍채 인식으로부터 배제할 대상 픽셀을 상기 임계 밝기에 기초하여 결정하는 처리부를 포함할 수 있다.
상기 처리부는, 상기 홍채 이미지를 복수의 영역들로 분할하고, 상기 복수의 영역들 중 하나의 영역을 기준 영역으로 추출할 수 있다.
상기 처리부는, 상기 홍채 이미지를 정규화하고, 상기 정규화된 홍채 이미지로부터 상기 기준 영역을 추출할 수 있다.
상기 처리부는, 상기 홍채 이미지의 동공 영역을 가로지르는 제1 축을 기준으로 분할된 두 영역들 중 대상이 존재하지 않는 영역을 상기 기준 영역으로서 추출할 수 있다.
상기 처리부는, 홍채를 포함하는 입력 이미지를 변환하여 정규화된 홍채 이미지를 획득하고, 상기 홍채 이미지 내에서 대상을 통과하지 않는 제2 축을 기준으로 상기 홍채 이미지를 두 영역들로 분할하며, 상기 두 영역들 중 대상이 존재하지 않는 것으로 지정된 영역을 상기 기준 영역으로서 추출할 수 있다.
상기 처리부는, 상기 기준 영역 내에 포함된 복수의 픽셀들과 연관된 히스토그램을 생성하고, 상기 히스토그램에 기초하여, 상기 임계 밝기를 결정할 수 있다.
상기 처리부는, 상기 기준 영역 내에 포함된 복수의 픽셀들의 각각의 밝기 값의 평균 값(mean value)으로부터 상기 복수의 픽셀들의 각각의 밝기 값의 가중된 표준 편차(weighted standard deviation)를 차감한 값을 상기 임계 밝기로 결정할 수 있다.
상기 처리부는, 상기 홍채 이미지로부터 상기 기준 영역을 배제한 영역을 후보 영역으로 결정하고, 상기 후보 영역으로부터 상기 대상 픽셀을 결정하여 배제할 수 있다.
도 1은 일 실시예에 따른 홍채 인식 방법을 설명하는 흐름도이다.
도 2 및 도 3은 일 실시예에 따른 속눈썹 마스크 생성을 설명하는 흐름도이다.
도 4는 일 실시예에 따른 홍채 영역 추출을 설명하는 도면이다.
도 5는 일 실시예에 따른 히스토그램 평활화를 설명하는 도면이다.
도 6은 일 실시예에 따른 기준 영역의 추출을 설명하는 도면이다.
도 7은 일 실시예에 따른 기준 영역의 히스토그램에 기초한 임계 밝기를 후보 영역에 적용하는 것을 설명하는 도면이다.
도 8은 일 실시예에 따른 마스크의 생성을 설명하는 도면이다.
도 9는 일 실시예에 따른 정규화된 홍채 이미지를 기반으로 속눈썹 마스크 생성을 설명하는 흐름도이다.
도 10은 일 실시예에 따라 정규화된 홍채 이미지의 히스토그램 평활화를 설명하는 도면이다.
도 11 및 도 12는 일 실시예에 따라 정규화된 홍채 이미지로부터 기준 영역의 추출을 설명하는 도면이다.
도 13은 일 실시예에 따라 정규화된 홍채 이미지에 대한 마스크의 생성을 설명하는 도면이다.
도 14는 일 실시예에 따른 홍채 인식 장치를 설명하는 블록도이다.
이하, 실시예들을 첨부된 도면을 참조하여 상세하게 설명한다. 그러나, 특허출원의 범위가 이러한 실시예들에 의해 제한되거나 한정되는 것은 아니다. 각 도면에 제시된 동일한 참조 부호는 동일한 부재를 나타낸다.
아래 설명하는 실시예들에는 다양한 변경이 가해질 수 있다. 아래 설명하는 실시예들은 실시 형태에 대해 한정하려는 것이 아니며, 이들에 대한 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다.
실시예에서 사용한 용어는 단지 특정한 실시예를 설명하기 위해 사용된 것으로, 실시예를 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수 개의 표현을 포함한다. 본 명세서에서, "포함하다" 또는 "가지다" 등의 용어는 명세서 상에 기재된 특징, 숫자, 단계, 동작, 구성 요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 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 실시예가 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가지고 있다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥 상 가지는 의미와 일치하는 의미를 가지는 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.
또한, 첨부 도면을 참조하여 설명함에 있어, 도면 부호에 관계없이 동일한 구성 요소는 동일한 참조 부호를 부여하고 이에 대한 중복되는 설명은 생략하기로 한다. 실시예를 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 실시예의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다.
도 1은 일 실시예에 따른 홍채 인식 방법을 설명하는 흐름도이다.
우선, 단계(110)에서 홍채 인식 장치(iris recognition device)는 입력 이미지(input image)(101)를 획득할 수 있다. 입력 이미지(101)는 홍채 인식 장치에 포함된 홍채 센서(iris sensor)에 의해 획득되는 이미지로서, 예를 들어, 홍채(iris) 및 동공(pupil)을 나타내는 이미지일 수 있다.
그리고 단계(120)에서 홍채 인식 장치는 홍채 이미지(102)를 추출할 수 있다. 예를 들어, 홍채 인식 장치는 입력 이미지(101)로부터 홍채 영역을 추출하여, 홍채 이미지(102)를 생성할 수 있다. 홍채 영역은 입력 이미지(101)에서 홍채에 대응하는 영역으로서, 동공, 흰자위(white), 및 눈꺼풀을 제외한 영역을 나타낼 수 있다. 또한, 홍채 인식 장치는 홍채 영역에 대응하는 홍채 마스크를 생성하여 홍채 이미지(102)로서 관리할 수 있다.
일 실시예에 따르면 홍채 인식 장치는 홍채가 촬영된 입력 이미지가 입력되면 동공 및 홍채의 중심위치, 동공 및 홍채의 반지름, 눈꺼풀의 곡선 정보를 계산할 수 있다. 예를 들어, 홍채 인식 장치는 입력 이미지 내에서 홍채에 대응하는 홍채 영역에 속하는 픽셀들을 식별할 수 있고, 식별된 픽셀에 기초하여 상술한 정보를 계산할 수 있다.
이어서 단계(130)에서 홍채 인식 장치는 홍채 이미지(102)를 정규화할 수 있다. 예를 들어, 홍채 인식 장치는 원형 형태의 홍채 이미지(102)를 사각 형태의 이미지(103)로 변환함으로써, 홍채 이미지(102)를 정규화할 수 있다.
본 명세서에서 정규화는 홍채 이미지(102)를 일정 규격(예를 들어, 크기, 형태, 및 해상도 등)을 가지는 이미지로 변환하는 동작을 나타낼 수 있다. 따라서, 도 1에 도시된 바와 같이, 정규화된 홍채 이미지(103)는 홍채 영역이 사각 형태로 펼쳐진 이미지를 나타낼 수 있다. 예를 들어, 홍채 영역의 정규화는, 데카르트 좌표계(Cartesian coordinate system)(예를 들어, 직교 좌표계로서, 서로 직교하는 x축 및 y축에 의해 정의됨)에 기초하는 홍채 이미지(102)의 x 좌표 및 y 좌표를, 홍채 및 동공의 원 중심을 기준으로 한 극 좌표계(Polar coordinate system)(예를 들어, 각 성분인
Figure pat00001
및 반지름 성분인 R로 정의됨)로 변환하는 동작을 나타낼 수 있다. 홍채 인식 장치는, 홍채 영역의 정규화를 통해, 도너츠 형태였던 홍채 영역을 긴 직사각형 형태로 변환할 수 있다.
도 1에 도시된 정규화된 홍채 이미지(103)는 위쪽 눈꺼풀에 대응하는 배제 영역(도 1에 도시된 홍채 이미지(103)에서 왼쪽임) 및 아래쪽 눈꺼풀에 대응하는 배제 영역(도 1에 도시된 홍채 이미지(103)에서 오른쪽임)을 포함할 수 있다. 각 눈꺼풀에 대응하는 배제 영역은 홍채 특징 매칭시 마스크(mask) 정보로서, 홍채 인식 장치는 배제 영역을 매칭 스코어(matching score) 산출로부터 제외할 수 있다.
그리고 단계(140)에서 홍채 인식 장치는 특징(104)을 추출할 수 있다. 홍채 인식 장치는 홍채 인식을 위한 특징(104)을 정규화된 홍채 이미지(103)로부터 추출할 수 있다. 특징(104)은 개별 홍채를 나타내는 고유의 정보에 대응할 수 있다. 예를 들어, 홍채 인식 장치는 정규화된 홍채 이미지에 2차원 가버 웨이브릿 필터(2D Gabor wavelet filter)을 적용함으로써, 홍채 이미지 내에 나타나는 패턴(Pattern)의 모양 및 패턴의 위치에 대한 정보를 지시하는 코드(Code)(이하, "홍채 코드(iris code)"라고 나타냄)를 생성할 수 있다.
이어서 단계(150)에서 홍채 인식 장치는 특징을 매칭할 수 있다. 홍채 인식 장치는 홍채 이미지로부터 추출된 특징(예를 들어, 입력된 홍채 코드)을 등록된 홍채에 대응하는 등록 특징(예를 들어, 등록된 홍채 코드)에 매칭할 수 있다. 홍채 인식 장치는 등록된 홍채 코드와 입력된 홍채 코드가 유사한 정도(이하, "유사도")를 산출할 수 있다. 홍채 인식 장치는 등록된 홍채 코드 및 입력된 홍채 코드 간의 유사도에 따라 동일한 사람인지 또는 다른 사람인 지 여부를 판단할 수 있다. 예를 들어, 홍채 인식 장치는 두 홍채 코드(예를 들어, 입력된 홍채 이미지에 대응하는 홍채 코드 및 등록된 홍채 이미지에 대응하는 홍채 코드)에 대한 해밍 거리(Hamming Distance)를 유사도로서 산출할 수 있다. 홍채 인식 장치는 해밍 거리 값이 인증을 위해 미리 설정된 임계 거리 범위 내에 존재하면, 두 홍채 코드가 동일한 사람을 지시하는 것으로 판단할 수 있고, 해밍 거리 값이 임계 거리 범위를 벗어나면 두 홍채 코드가 서로 다른 사람을 지시하는 것으로 판단할 수 있다. 유사도는 두 홍채 코드가 매칭된 정도를 나타낼 수 있다.
홍채 인식 장치는 홍채 이미지에서 불규칙하게 취득되는 속눈썹 영역을 적은 계산량으로 감지하면서도, 홍채 인식의 정확도를 높일 수 있다. 홍채 인식 장치는 속눈썹 가림(occlusion)이 많이 발생하는 영역을 후보 영역, 속눈썹 가림이 적게 발생하는 영역을 기준 영역으로 구분할 수 있다. 홍채 인식 장치는 기준 영역의 히스토그램에 기초하여 임계 밝기를 결정할 수 있다. 본 명세서에서 임계 밝기는 홍채에 대응하는 픽셀 및 홍채에 대응하지 않는 픽셀을 구분하기 위해 설정된 밝기를 나타낼 수 있다. 예를 들어, 임계 밝기보다 낮은 밝기를 가지는 픽셀은 홍채가 아닌 속눈썹에 대응하는 픽셀일 수 있고, 임계 밝기 이상인 픽셀은 홍채에 대응하는 픽셀일 수 있다.
도 2 및 도 3은 일 실시예에 따른 속눈썹 마스크 생성을 설명하는 흐름도이다.
도 2는 홍채 인식 방법을 설명하는 다른 예시를 도시한다.
우선, 단계(210)에서 홍채 인식 장치는 홍채 이미지를 획득할 수 있다. 예를 들어, 홍채 인식 장치는 사용자의 동공을 포함하는 입력 이미지를 홍채 이미지로서 획득할 수 있다. 다른 예를 들어, 홍채 인식 장치는 사용자의 동공을 포함하는 입력 이미지로부터 홍채 영역을 추출할 수 있다. 홍채 인식 장치는 홍채 영역을 원형 형태(circular shape)로부터 사각 형태(rectangular shape)로 변환함으로써 홍채 이미지를 획득할 수 있다.
그리고 단계(220)에서 홍채 인식 장치는 홍채 이미지로부터 기준 영역을 추출할 수 있다. 일 실시예에 따르면 홍채 인식 장치는 홍채 이미지를 복수의 영역들로 분할하고, 복수의 영역들 중 하나의 영역을 기준 영역으로 추출할 수 있다. 예를 들어, 홍채 인식 장치는 홍채 이미지를 기준 영역 및 후보 영역으로 분할할 수 있고, 기준 영역만을 추출할 수 있다. 또한, 홍채 인식 장치는 홍채 이미지를 정규화할 수 있고, 정규화된 홍채 이미지로부터 기준 영역을 추출할 수 있다.
후보 영역은 대상(예를 들어, 속눈썹(eyelash))이 존재할 가능성이 있는 영역일 수 있다. 예를 들어, 후보 영역은 속눈썹에 대응하는 어두운 픽셀을 기준 영역보다 많이 포함할 수 있다. 기준 영역은 대상(예를 들어, 속눈썹)이 존재하지 않거나 적게 존재하는 영역을 나타낼 수 있다. 예를 들어, 기준 영역은 속눈썹에 대응하는 노이즈가 거의 없고, 홍채에 대응하는 세기(Intensity) 값의 특징(예를 들어, 홍채에 대응하는 세기 분포(intensity distribution) 등)을 가질 수 있다.
이어서 단계(230)에서 홍채 인식 장치는 기준 영역에 포함되는 복수의 픽셀들에 기초하여, 임계 밝기를 결정할 수 있다. 예를 들어, 홍채 인식 장치는 기준 영역 내에 포함된 복수의 픽셀들과 연관된 히스토그램을 생성할 수 있다. 홍채 인식 장치는 히스토그램에 기초하여, 임계 밝기를 결정할 수 있다. 임계 밝기는 대상 픽셀을 구분하는 기준이 되는 밝기를 나타낼 수 있다. 대상 픽셀은 대상(예를 들어, 속눈썹)에 대응하는 픽셀을 나타낼 수 있다.
그리고 단계(240)에서 홍채 인식 장치는 홍채 이미지 내에서 홍채 인식으로부터 배제할 대상 픽셀을 임계 밝기에 기초하여 결정할 수 있다. 예를 들어, 홍채 인식 장치는 홍채 이미지로부터 기준 영역을 배제한 영역을 후보 영역으로 결정할 수 있다. 홍채 인식 장치는 후보 영역으로부터 대상 픽셀을 결정할 수 있고, 대상 픽셀을 홍채 인식으로부터 배제할 수 있다. 다만, 이로 한정하는 것은 아니고, 홍채 인식 장치는 홍채 이미지 내의 후보 영역 및 기준 영역을 포함하는 전체 영역에 대해서 대상 픽셀을 결정할 수 있다.
일 실시예에 따르면 홍채 인식 장치는 대상 픽셀이 배제된 홍채 이미지로부터 홍채 특징을 추출할 수 있다. 홍채 인식 장치는 추출된 홍채 특징에 기초하여 사용자를 인식할 수 있다. 예를 들어, 홍채 인식 장치는 홍채 특징과 등록 특징을 매칭할 수 있고, 매칭된 정도가 임계 매칭 정도를 초과하는 등록 특징에 대응하는 사용자를 식별할 수 있다.
도 3은 일 실시예에 따른 속눈썹의 마스크를 생성하는 흐름도이다.
도 3은 정규화되기 이전의 원형 형태의 홍채 이미지를 처리하는 방법에 대한 흐름도를 설명하는 도면이다.
우선, 단계(310)에서 홍채 인식 장치는 홍채 이미지를 추출할 수 있다. 예를 들어, 홍채 인식 장치는 도 2의 단계(210)에서 상술한 바와 유사하게, 입력 이미지로부터 홍채 영역을 추출하여 홍채 이미지를 생성할 수 있다. 홍채 인식 장치는 홍채에 해당하는 홍채 영역 혹은 홍채를 포함하는 눈 영역을 추출하여 하기 단계(320)에 따른 평활화 동작을 적용할 수 있다.
그리고 단계(320)에서 홍채 인식 장치는 홍채 이미지의 세기(intensity) 기반 히스토그램을 평활화(equalize)할 수 있다. 예를 들어, 홍채 인식 장치는 히스토그램 평활화를 거쳐 홍채 이미지의 세기(intensity) 분포를 균등하게 펼칠 수 있다. 홍채 인식 장치는 그레이 스케일(gray scale)의 홍채 영역의 회색 범위(Gray range)를 확장함으로써, 어두운 영역에 대한 구분력(discriminative level)을 개선할 수 있다. 속눈썹은 홍채에 비해 어두운 바, 홍채 인식 장치는 속눈썹에 대한 구분력이 개선된 홍채 이미지를 획득할 수 있다.
이어서 단계(330)에서 홍채 인식 장치는 기준 영역 및 후보 영역을 분리할 수 있다. 예를 들어, 홍채 인식 장치는 정규화되기 전의 원형 형태의 홍채 이미지 내에서, 홍채 중심 위치의 y 좌표 값을 기준으로 위쪽 영역(예를 들어, 후보 영역) 및 아래쪽 영역(예를 들어, 기준 영역)으로 분리할 수 있다. 이는 하기 도 6에서 상세히 설명한다. 다른 예를 들어, 홍채 인식 장치는 정규화된 후의 사각 형태의 홍채 이미지 내에서, 일정 x 좌표 값을 기준으로 왼쪽 영역(예를 들어, 후보 영역) 및 오른쪽 영역(예를 들어, 기준 영역)으로 분리할 수 있다. 이는 하기 도 11 및 도 12에서 상세히 설명한다.
그리고 단계(340)에서 홍채 인식 장치는 기준 영역에 대한 히스토그램을 생성할 수 있다. 예를 들어, 히스토그램은 기준 영역에 포함된 복수의 픽셀들이 가지는 세기 값(예를 들어, 밝기 값)의 분포를 나타낼 수 있다. 히스토그램은 하기 도 5에서 상세히 설명한다.
이어서 단계(350)에서 홍채 인식 장치는 기준 영역에 기반하여 임계 밝기를 결정할 수 있다. 예를 들어, 홍채 인식 장치는 기준 영역 내에 포함된 복수의 픽셀들의 각각의 밝기 값의 평균 값(mean value)으로부터 복수의 픽셀들의 각각의 밝기 값의 가중된 표준 편차(weighted standard deviation)를 차감한 값을 임계 밝기로 결정할 수 있다. 임계 밝기의 결정은 하기 도 7에서 상세히 설명한다.
홍채 영역에 대한 히스토그램 분포는 촬영 상황의 조명 차이나 다른 환경에 의해 달라질 수 있다. 일 실시예에 따른 홍채 인식 장치는 속눈썹 검출의 기준이 되는 임계 밝기를 기준 영역의 히스토그램의 통계적인 방법에 기초하여 결정함으로써, 환경 변화 등에 강인하게(robust) 결정할 수 있다.
그리고 단계(360)에서 홍채 인식 장치는 임계 밝기에 기초하여 마스크를 생성할 수 있다. 일 실시예에 따른 홍채 인식 장치는 임계 밝기보다 작은 밝기를 가지는 픽셀을 대상 픽셀로 결정할 수 있다. 예를 들어, 홍채 인식 장치는 임계 밝기보다 작은 영역을 속눈썹에 대응하는 영역으로 검출할 수 있다. 홍채 인식 장치는 속눈썹에 대응하는 영역을 마스킹(masking)함으로써, 해당 영역을 홍채 인식으로부터 배제할 수 있다.
도 4는 일 실시예에 따른 홍채 영역 추출을 설명하는 도면이다.
홍채 인식 장치는 홍채 영역(421)과 관련된 영역 정보로서, 동공 및 홍채의 중심 위치, 동공 및 홍채의 반지름 크기, 및 눈꺼풀 영역 정보 등을 산출할 수 있다. 또한, 홍채 영역(421)과 관련된 영역 정보는 동공 영역(422)에 대한 정보를 포함할 수 있다. 홍채 인식 장치는 영역 정보에 기초하여, 입력 이미지(410)로부터 홍채 영역(421)에 대응하는 홍채 이미지(420)를 추출할 수 있다.
도 5는 일 실시예에 따른 히스토그램 평활화를 설명하는 도면이다.
일 실시예에 따르면, 홍채 인식 장치는 기준 영역에 대한 히스토그램(510)을 산출할 수 있다. 홍채 인식 장치는 기준 영역에 대한 히스토그램(510)을 평활화함으로써, 도 5에 도시된 바와 같이 밝기 분포가 균등해진 히스토그램(520)을 가지는 이미지(521)를 생성할 수 있다. 도 5에 도시된 바와 같이, 평활화되기 전의 이미지(511)에 비해, 평활화된 후의 이미지(521)에서는 명암 대비(light and darkness contrast)가 강조될 수 있다.
히스토그램들(510, 520)의 x축은 홍채 이미지의 세기(intensity)를 나타낼 수 있고, y축은 해당 세기를 가지는 픽셀 개수를 나타낼 수 있다.
도 6은 일 실시예에 따른 기준 영역의 추출을 설명하는 도면이다.
일 실시예에 따른 홍채 인식 장치는 홍채 이미지(620)의 동공 영역을 가로지르는 제1 축(611)을 기준으로 분할된 두 영역들(621, 622) 중 대상이 존재하지 않는 영역을 기준 영역(621)으로서 추출할 수 있다. 홍채 인식 장치는 동공 영역의 중심 지점을 가로로 통과하는 축을 제1 축(611)으로 결정할 수 있다. 동공 영역의 중심 지점은 홍채 영역의 중심 지점과 동일한 지점이거나 주변 지점일 수 있다. 예를 들어, 홍채 인식 장치는 홍채 중심 위치 또는 동공 중심 위치의 y 좌표를 기준으로 하는 제1 축(611)의 상단 영역을 후보 영역(622), 제1 축(611)의 하단 영역을 기준 영역(621)으로 결정할 수 있다. 도 6에서는 설명의 편의를 위해, 입력 이미지(610) 상에 제1 축(611)을 도시하였으나, 홍채 인식 장치는 홍채 이미지(620)에 대해서 제1 축(611)을 기준으로 기준 영역(621) 및 후보 영역(622)을 추출할 수 있다. 또한, 제1 축(611)이 기준 영역(621) 및 후보 영역(622)이 홍채 영역의 1/2이 되도록, 홍채 영역을 분할할 수 있으나, 이로 한정하는 것은 아니고 설계에 따라 변경될 수 있다.
홍채 중심 위치의 y 좌표에 대응하는 제1 축(611)을 기준으로 상단 영역은 속눈썹에 의한 가림(Occlusion)이 많이 발생하는 영역이므로, 홍채 인식 장치는 제1 축(611)의 상단 영역을 대상 픽셀이 존재하는 후보 영역(622)으로 결정할 수 있다. 제1 축(611)의 하단 영역은 속눈썹에 의한 가림(Occlusion)이 적게 발생하는 영역이므로, 홍채 인식 장치는 제1 축(611)의 하단 영역을 기준 영역(621)으로 결정할 수 있다. 후보 영역(622)은 기준 영역(621)에 비해 대상(예를 들어, 속눈썹)에 해당하는 어두운 값을 띠는 픽셀들이 더 많이 분포할 수 있다.
도 7은 일 실시예에 따른 기준 영역의 히스토그램에 기초한 임계 밝기를 후보 영역에 적용하는 것을 설명하는 도면이다.
일 실시예에 따른 홍채 인식 장치는 도 6에서 설명한 두 영역들(621, 622)의 각각에 대하여 히스토그램을 산출할 수 있다. 예를 들어, 도 7에 도시된 바와 같이, 홍채 인식 장치는 기준 영역(HEF)(710)에 대한 히스토그램(720)을 산출할 수 있다. 여기서, 홍채 인식 장치는 평활화된 홍채 이미지의 기준 영역(HEF)(710)에 대해서 히스토그램(720)을 산출할 수 있다. 예를 들어, 홍채 인식 장치는 기준 영역(HEF)(710)에 대한 히스토그램(720)에서 어두운 값에 해당하는 영역(729)의 픽셀을 대상 픽셀로 결정할 수 있다.
[수학식 1]
Figure pat00002
일 실시예에 따르면 홍채 인식 장치는 상술한 수학식 1에 따른 임계 밝기(threshold)(721)를 산출할 수 있다. 상술한 수학식 1에서
Figure pat00003
는 기준 영역(HEF)(710)에 대한 히스토그램(720)의 평균값(mean value)(722)을 나타낼 수 있다.
Figure pat00004
는 기준 영역(HEF)(710)에 대한 히스토그램(720)의 표준 편차(standard deviation)를 나타낼 수 있다. c는 상수(constant)로서, 표준 편차에 대한 가중치를 나타낼 수 있다. c는 실험 및 시뮬레이션 등에 기초하여 결정될 수 있다. 본 명세서에서
Figure pat00005
는 가중된 표준 편차라고 나타낼 수 있다.
홍채 인식 장치는 후보 영역(HEC)(730)에 포함된 복수의 픽셀들에 대하여, 임계 밝기(741)보다 작은 밝기를 가지는 픽셀들을 대상 픽셀로 결정할 수 있다. 예를 들어, 홍채 인식 장치는 임계 밝기(741)를 기준 영역(HEF)(710)에 대한 히스토그램(720)에 기초하여 결정된 임계 밝기(721)와 동일한 값으로 결정할 수 있다. 따라서, 홍채 인식 장치는 도 7에 도시된 바와 같이, 후보 영역(HEC)(730)에 대한 히스토그램(740)에서 임계 밝기(741)보다 작은 영역(749)에 대응하는 픽셀들을 배제할 수 있다. 다만, 설명의 편의를 위하여, 후보 영역(HEC)(730)에 대한 히스토그램(740)을 도시하였으나, 홍채 인식 장치는 후보 영역(HEC)(730)에 대한 히스토그램(740)을 산출할 필요 없이, 기준 영역(HEF)(710)에 대한 히스토그램(720)만으로 임계 밝기(721, 741)를 결정할 수 있다.
도 8은 일 실시예에 따른 마스크의 생성을 설명하는 도면이다.
일 실시예에 따른 홍채 인식 장치는 입력 이미지(810)에 대하여, 마스크를 생성할 수 있다. 예를 들어, 홍채 인식 장치는 대상 픽셀에 대응하는 마스크(mask)(820)를 생성할 수 있다. 홍채 인식 장치는 마스크에 기초하여, 홍채 영역 내에서 대상 픽셀을 배제할 수 있다. 홍채 인식 장치는 임계 밝기보다 작은 밝기를 가지는 픽셀들을 홍채 인식으로부터 배제할 수 있다. 도 8에 도시된 바와 같이, 마스크가 적용된 홍채 이미지(830)에서 속눈썹이 제거될 수 있다.
도 9는 일 실시예에 따른 정규화된 홍채 이미지를 기반으로 속눈썹 마스크 생성을 설명하는 흐름도이다.
도 9는 정규화된 이후의 사각 형태의 홍채 이미지를 처리하는 방법에 대한 흐름도를 설명하는 도면으로서, 홍채 인식 장치는 도 3과 유사한 동작을 사각 형태의 홍채 이미지에 대해 수행할 수도 있다.
우선, 단계(910)에서 홍채 인식 장치는 사각 형태로 변환된 홍채 이미지를 획득할 수 있다. 예를 들어, 홍채 인식 장치는 원형 형태의 홍채 이미지를 사각 형태로 펼칠 수 있다. 예를 들어, 사각 형태의 홍채 이미지는 하기 도 10에 도시된 바와 같다.
그리고 단계(920)에서 홍채 인식 장치는 홍채 이미지의 세기 히스토그램을 평활화할 수 있다. 예를 들어, 홍채 인식 장치는 사각 형태의 홍채 이미지에 대한 세기 히스토그램의 밝기 분포가 균등해지도록 홍채 이미지에 포함된 복수의 픽셀들의 밝기를 조정할 수 있다.
이어서 단계(930)에서 홍채 인식 장치는 기준 영역 및 후보 영역을 분리할 수 있다. 홍채 인식 장치는 사각 형태의 홍채 이미지를 양분하는 제2 축(예를 들어, 세로 축)을 설정할 수 있고, 세로 축을 기준으로 한쪽 영역을 기준 영역, 나머지 영역을 후보 영역으로 결정할 수 있다.
그리고 단계(940)에서 홍채 인식 장치는 기준 영역에 대한 히스토그램을 생성할 수 있다. 기준 영역에 대한 히스토그램은 상술한 도 7과 유사하게 산출될 수 있다.
이어서 단계(950)에서 홍채 인식 장치는 기준 영역에 기반하여 임계 밝기를 결정할 수 있다. 홍채 인식 장치는 단계(940)에서 산출된 기준 영역에 대한 히스토그램에 기반하여 임계 밝기를 결정할 수 있다.
그리고 단계(960)에서 홍채 인식 장치는 임계 밝기에 기초하여 마스크를 생성할 수 있다. 홍채 인식 장치는 임계 밝기보다 작은 밝기를 가지는 대상 픽셀들로 구성되는 마스크를 생성할 수 있다.
도 10은 일 실시예에 따라 정규화된 홍채 이미지의 히스토그램 평활화를 설명하는 도면이다.
홍채 인식 장치는 입력 이미지(1010)로부터 원형 형태의 홍채 영역을 추출할 수 있고, 원형 형태의 홍채 영역을 변환하여 사각 형태의 홍채 이미지(1030)를 생성할 수 있다. 홍채 인식 장치는 사각 형태의 홍채 이미지(1030)에 대응하는 사각 형태의 마스크 이미지(1020)를 생성할 수 있다. 사각 형태의 마스크 이미지(1020)는 배제 영역을 포함할 수 있다. 배제 영역은 홍채 영역이 아닌 영역이거나, 속눈썹 등에 의해 가려지는 영역으로서, 예를 들어, 눈꺼풀에 대응하는 영역을 나타낼 수 있다. 홍채 인식 장치는 사각 형태의 홍채 이미지(1030)를 평활화한 이미지(1040)를 생성할 수 있다.
도 11 및 도 12는 일 실시예에 따라 정규화된 홍채 이미지로부터 기준 영역의 추출을 설명하는 도면이다.
홍채 인식 장치는 홍채를 포함하는 입력 이미지를 변환하여 정규화된 홍채 이미지(1110, 1210)를 획득할 수 있다. 홍채 인식 장치는 홍채 이미지(1110, 1210) 내에서 대상을 통과하지 않는(예를 들어, 속눈썹에 겹치지 않는) 제2 축(1111, 1211)을 기준으로 홍채 이미지(1110, 1210)를 두 영역들로 분할할 수 있다. 홍채 인식 장치는 두 영역들 중 대상이 존재하지 않는 것으로 지정된 영역을 기준 영역(1122, 1222)으로서 추출할 수 있다. 제2 축(1111, 1211)은 사각 형태의 홍채 이미지(1110, 1210)에 포함되는 2개의 배제 영역들 사이를 통과하는 축으로써, 도 11 및 도 12에 도시된 바와 같이 세로 축일 수 있다. 제2 축(1111, 1211)은 설계에 따라 변경될 수 있는 바, 예를 들어, 도 11에 도시된 바와 같이 사각 형태의 홍채 이미지(1110)의 중심을 세로로 관통하는 축이거나, 도 12에 도시된 바와 같이 중심보다 우측에 배치되는 축일 수 있다. 도 11에 도시된 제2 축(1111)에 의해 분리되는 후보 영역(1121)은 360도로 된 원형 형태의 홍채 이미지(1110)에서 180도 만큼에 대응하는 영역일 수 있다. 도 12에 도시된 제2 축(1211)에 의해 분리되는 후보 영역(1221)은 360도로 된 원형 형태의 후보 이미지에서 예를 들어, 210도 만큼에 대응하는 영역일 수 있다.
또한, 홍채 인식 장치는 사용자의 인종, 눈 크기, 홍채 면적, 및 속눈썹 길이 등에 기초하여, 제1 축 및 제2 축(1111, 1211)을 결정할 수 있다. 예를 들어, 홍채 인식 장치는 속눈썹이 차지하는 영역이 많을 수록, 기준 영역(1122, 1222)보다 후보 영역(1121, 1221)이 커지도록 제1 축 및 제2 축(1111, 1211)을 결정할 수 있다.
도 13은 일 실시예에 따라 정규화된 홍채 이미지에 대한 마스크의 생성을 설명하는 도면이다.
홍채 인식 장치는 배제 영역(예를 들어, 눈꺼풀에 대응하는 영역) 및 대상 픽셀(예를 들어, 속눈썹에 대응하는 픽셀)을 포함하는 홍채 마스크(1320)를 생성할 수 있다. 홍채 인식 장치는 홍채 이미지(1310)에 홍채 마스크(1320)를 적용함으로써, 대상 픽셀이 배제된 홍채 이미지(1330)를 생성할 수 있다.
홍채 인식 장치는 대상 픽셀이 배제된 홍채 이미지(1330)를 이용하여 홍채 인식을 수행할 수 있다.
도 14는 일 실시예에 따른 홍채 인식 장치를 설명하는 블록도이다.
홍채 인식 장치(1400)는 이미지 획득부(1410) 및 처리부(1420)를 포함한다.
이미지 획득부(1410)는 홍채 이미지를 획득할 수 있다. 예를 들어, 이미지 획득부(1410)는 홍채 센서를 포함할 수 있다.
처리부(1420)는 홍채 이미지로부터 기준 영역을 추출하고, 기준 영역에 포함되는 복수의 픽셀들에 기초하여 임계 밝기를 결정하며, 홍채 이미지 내에서 홍채 인식으로부터 배제할 대상 픽셀을 임계 밝기에 기초하여 결정할 수 있다. 다만, 처리부(1420)의 동작을 상술한 바로 한정하는 것은 아니고, 처리부(1420)는 도 1 내지 도 13에서 상술한 동작들도 수행할 수 있다.
일 실시예에 따른 홍채 인식 장치(1400)는 스마트폰 및 다양한 모바일 기기, TV 등 폭넓은 분야에 적용될 수 있다. 예를 들어, 홍채 인식 장치(1400)는 스마트폰 및 모바일 기기에서 홍채기반 사용자 인증, 스마트폰 및 모바일 기기에서 홍채기반 결재 및 뱅킹, 및 스마트 현관문, TV 등 스마트 홈 내 사용자 인증 등을 수행할 수 있다.
홍채 인식 장치(1400)는 가변적으로 촬영되는 속눈썹에 강인한 인식 성능을 가질 수 있다. 홍채 인식 장치(1400)는 적은 계산량 및 메모리로 홍채 이미지로부터 속눈썹을 홍채 인식으로부터 배제할 수 있다.
이상에서 설명된 장치는 하드웨어 구성요소, 소프트웨어 구성요소, 및/또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 장치 및 구성요소는, 예를 들어, 프로세서, 콘트롤러, ALU(arithmetic logic unit), 디지털 신호 프로세서(digital signal processor), 마이크로컴퓨터, FPA(field programmable 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 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. 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 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.
1400: 홍채 인식 장치
1410: 이미지 획득부
1420: 처리부

Claims (20)

  1. 홍채 인식 방법에 있어서,
    홍채 이미지를 획득하는 단계;
    상기 홍채 이미지로부터 기준 영역(reference area)을 추출하는 단계;
    상기 기준 영역에 포함되는 복수의 픽셀들에 기초하여, 임계 밝기를 결정하는 단계; 및
    상기 홍채 이미지 내에서 홍채 인식으로부터 배제할 대상 픽셀을 상기 임계 밝기에 기초하여 결정하는 단계
    를 포함하는 홍채 인식 방법.
  2. 제1항에 있어서,
    상기 기준 영역을 추출하는 단계는,
    상기 홍채 이미지를 복수의 영역들로 분할하는 단계; 및
    상기 복수의 영역들 중 하나의 영역을 기준 영역으로 추출하는 단계
    를 포함하는 홍채 인식 방법.
  3. 제1항에 있어서,
    상기 기준 영역을 추출하는 단계는,
    상기 홍채 이미지를 정규화하는 단계; 및
    상기 정규화된 홍채 이미지로부터 상기 기준 영역을 추출하는 단계
    를 포함하는 홍채 인식 방법.
  4. 제1항에 있어서,
    상기 기준 영역을 추출하는 단계는,
    상기 홍채 이미지의 동공 영역을 가로지르는 제1 축을 기준으로 분할된 두 영역들 중 대상이 존재하지 않는 영역을 상기 기준 영역으로서 추출하는 단계
    를 포함하는 홍채 인식 방법.
  5. 제4항에 있어서,
    상기 대상이 존재하지 않는 영역을 상기 기준 영역으로서 추출하는 단계는,
    상기 동공 영역의 중심 지점을 가로로 통과하는 축을 상기 제1 축으로 결정하는 단계
    를 포함하는 홍채 인식 방법.
  6. 제1항에 있어서,
    상기 홍채 이미지를 획득하는 단계는,
    홍채를 포함하는 입력 이미지를 변환하여 정규화된 홍채 이미지를 획득하는 단계
    를 포함하고,
    상기 기준 영역을 추출하는 단계는,
    상기 홍채 이미지 내에서 대상을 통과하지 않는 제2 축을 기준으로 상기 홍채 이미지를 두 영역들로 분할하는 단계;
    상기 두 영역들 중 대상이 존재하지 않는 것으로 지정된 영역을 상기 기준 영역으로서 추출하는 단계
    를 포함하는 홍채 인식 방법.
  7. 제1항에 있어서,
    상기 임계 밝기를 결정하는 단계는,
    상기 기준 영역 내에 포함된 복수의 픽셀들과 연관된 히스토그램을 생성하는 단계; 및
    상기 히스토그램에 기초하여, 상기 임계 밝기를 결정하는 단계
    를 포함하는 홍채 인식 방법.
  8. 제1항에 있어서,
    상기 임계 밝기를 결정하는 단계는,
    상기 기준 영역 내에 포함된 복수의 픽셀들의 각각의 밝기 값의 평균 값(mean value)으로부터 상기 복수의 픽셀들의 각각의 밝기 값의 가중된 표준 편차(weighted standard deviation)를 차감한 값을 상기 임계 밝기로 결정하는 단계
    를 포함하는 홍채 인식 방법.
  9. 제1항에 있어서,
    상기 홍채 이미지를 획득하는 단계는,
    상기 홍채 이미지의 세기(intensity) 기반 히스토그램을 평활화(equalize)하는 단계
    를 포함하는 홍채 인식 방법.
  10. 제1항에 있어서,
    상기 대상 픽셀을 상기 임계 밝기에 기초하여 결정하는 단계는,
    상기 홍채 이미지로부터 상기 기준 영역을 배제한 영역을 후보 영역으로 결정하는 단계; 및
    상기 후보 영역으로부터 상기 대상 픽셀을 결정하여 배제하는 단계
    를 포함하는 홍채 인식 방법.
  11. 제1항에 있어서,
    상기 대상 픽셀이 배제된 홍채 이미지로부터 홍채 특징을 추출하는 단계; 및
    상기 추출된 홍채 특징에 기초하여 사용자를 인식하는 단계
    를 더 포함하는 홍채 인식 방법.
  12. 제1항 내지 제11항 중 어느 한 항의 방법을 수행하기 위한 명령어들을 포함하는 하나 이상의 프로그램을 저장한 컴퓨터 판독 가능 기록매체.
  13. 홍채 인식 장치에 있어서,
    홍채 이미지를 획득하는 이미지 획득부; 및
    상기 홍채 이미지로부터 기준 영역을 추출하고, 상기 기준 영역에 포함되는 복수의 픽셀들에 기초하여 임계 밝기를 결정하며, 상기 홍채 이미지 내에서 홍채 인식으로부터 배제할 대상 픽셀을 상기 임계 밝기에 기초하여 결정하는 처리부
    를 포함하는 홍채 인식 장치.
  14. 제13항에 있어서,
    상기 처리부는,
    상기 홍채 이미지를 복수의 영역들로 분할하고, 상기 복수의 영역들 중 하나의 영역을 기준 영역으로 추출하는,
    홍채 인식 장치.
  15. 제13항에 있어서,
    상기 처리부는,
    상기 홍채 이미지를 정규화하고, 상기 정규화된 홍채 이미지로부터 상기 기준 영역을 추출하는,
    홍채 인식 장치.
  16. 제13항에 있어서,
    상기 처리부는,
    상기 홍채 이미지의 동공 영역을 가로지르는 제1 축을 기준으로 분할된 두 영역들 중 대상이 존재하지 않는 영역을 상기 기준 영역으로서 추출하는,
    홍채 인식 장치.
  17. 제13항에 있어서,
    상기 처리부는,
    홍채를 포함하는 입력 이미지를 변환하여 정규화된 홍채 이미지를 획득하고, 상기 홍채 이미지 내에서 대상을 통과하지 않는 제2 축을 기준으로 상기 홍채 이미지를 두 영역들로 분할하며, 상기 두 영역들 중 대상이 존재하지 않는 것으로 지정된 영역을 상기 기준 영역으로서 추출하는,
    홍채 인식 장치.
  18. 제13항에 있어서,
    상기 처리부는,
    상기 기준 영역 내에 포함된 복수의 픽셀들과 연관된 히스토그램을 생성하고, 상기 히스토그램에 기초하여, 상기 임계 밝기를 결정하는,
    홍채 인식 장치.
  19. 제13항에 있어서,
    상기 처리부는,
    상기 기준 영역 내에 포함된 복수의 픽셀들의 각각의 밝기 값의 평균 값(mean value)으로부터 상기 복수의 픽셀들의 각각의 밝기 값의 가중된 표준 편차(weighted standard deviation)를 차감한 값을 상기 임계 밝기로 결정하는,
    홍채 인식 장치.
  20. 제13항에 있어서,
    상기 처리부는,
    상기 홍채 이미지로부터 상기 기준 영역을 배제한 영역을 후보 영역으로 결정하고, 상기 후보 영역으로부터 상기 대상 픽셀을 결정하여 배제하는,
    홍채 인식 장치.
KR1020170015020A 2017-02-02 2017-02-02 홍채 인식 장치 및 방법 KR102369412B1 (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
KR1020170015020A KR102369412B1 (ko) 2017-02-02 2017-02-02 홍채 인식 장치 및 방법
US15/672,450 US10395112B2 (en) 2017-02-02 2017-08-09 Device and method of recognizing iris

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020170015020A KR102369412B1 (ko) 2017-02-02 2017-02-02 홍채 인식 장치 및 방법

Publications (2)

Publication Number Publication Date
KR20180090072A true KR20180090072A (ko) 2018-08-10
KR102369412B1 KR102369412B1 (ko) 2022-03-03

Family

ID=62980662

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020170015020A KR102369412B1 (ko) 2017-02-02 2017-02-02 홍채 인식 장치 및 방법

Country Status (2)

Country Link
US (1) US10395112B2 (ko)
KR (1) KR102369412B1 (ko)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102480152B1 (ko) * 2021-06-28 2022-12-22 주식회사 아이리시스 홍채 인식의 경량화 방법 및 홍채 인식 프로그램을 저장한 컴퓨터로 판독가능한 기록 매체
WO2023054757A1 (ko) * 2021-09-29 2023-04-06 주식회사 아이디랩 홍채 식별 이미지를 생성하는 방법과 이를 위한 서버 및 홍채 인증 방법

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102369412B1 (ko) * 2017-02-02 2022-03-03 삼성전자주식회사 홍채 인식 장치 및 방법
WO2019031531A1 (ja) * 2017-08-10 2019-02-14 日本電気株式会社 情報取得システム、情報取得方法及び記憶媒体
US10943110B2 (en) * 2018-06-26 2021-03-09 Eyelock Llc Biometric matching using normalized iris images
CN110688951B (zh) * 2019-09-26 2022-05-31 上海商汤智能科技有限公司 图像处理方法及装置、电子设备和存储介质
CN116343320A (zh) * 2023-03-31 2023-06-27 西南大学 基于相变和扩散神经网络的虹膜识别方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20040048520A (ko) * 2002-12-03 2004-06-10 주식회사 세넥스테크놀로지 웨이블렛 패킷변환을 이용한 홍채인식 시스템 및 방법과그 프로그램을 저장한 기록매체
KR101276792B1 (ko) * 2011-12-29 2013-06-20 전자부품연구원 눈 검출 장치 및 방법
US20150002392A1 (en) * 2012-01-26 2015-01-01 Umoove Services Ltd. Eye tracking

Family Cites Families (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5291560A (en) 1991-07-15 1994-03-01 Iri Scan Incorporated Biometric personal identification system based on iris analysis
KR20030066512A (ko) 2003-07-04 2003-08-09 김재민 노이즈에 강인한 저용량 홍채인식 시스템
JP3966309B2 (ja) 2004-07-14 2007-08-29 松下電器産業株式会社 瞳孔検出装置および虹彩認証装置
GB0603411D0 (en) * 2006-02-21 2006-03-29 Xvista Ltd Method of processing an image of an eye
JP4650386B2 (ja) * 2006-09-29 2011-03-16 沖電気工業株式会社 個人認証システム及び個人認証方法
US8644565B2 (en) 2008-07-23 2014-02-04 Indiana University Research And Technology Corp. System and method for non-cooperative iris image acquisition
KR101030613B1 (ko) 2008-10-08 2011-04-20 아이리텍 잉크 아이이미지에서 관심영역정보 및 인식적 정보획득방법
JP5387007B2 (ja) * 2009-01-22 2014-01-15 日本電気株式会社 画像処理装置、生体認証装置、画像処理方法及びプログラム
JP5126084B2 (ja) * 2009-01-22 2013-01-23 日本電気株式会社 生体認証装置、生体認証方法及びプログラム
KR101101142B1 (ko) 2009-12-31 2012-01-05 서강대학교산학협력단 비제한적 환경에서의 홍채 인식 시스템 및 방법
CA2786677C (en) 2010-01-22 2016-07-12 Iritech Inc. Device and method for iris recognition using a plurality of iris images having different iris sizes
CN102844766B (zh) * 2011-04-20 2014-12-24 中国科学院自动化研究所 基于人眼图像的多特征融合身份识别方法
KR101202448B1 (ko) 2011-08-12 2012-11-16 한국기초과학지원연구원 홍채 인식 장치 및 홍채 인식 방법
KR102198852B1 (ko) * 2014-03-24 2021-01-05 삼성전자 주식회사 홍채 인식 장치 및 이를 포함하는 모바일 장치
US20170228594A1 (en) * 2016-02-05 2017-08-10 Fujitsu Limited Iris authentication apparatus
KR102369412B1 (ko) * 2017-02-02 2022-03-03 삼성전자주식회사 홍채 인식 장치 및 방법

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20040048520A (ko) * 2002-12-03 2004-06-10 주식회사 세넥스테크놀로지 웨이블렛 패킷변환을 이용한 홍채인식 시스템 및 방법과그 프로그램을 저장한 기록매체
KR101276792B1 (ko) * 2011-12-29 2013-06-20 전자부품연구원 눈 검출 장치 및 방법
US20150002392A1 (en) * 2012-01-26 2015-01-01 Umoove Services Ltd. Eye tracking

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
the kim won-jun" and the efficient eyelid for the laver window wing collaboration “ iris recognition and eyelashes detection technique" ” The Institute Elerectronis Engineers of Korea conference" 2009.07" 1058-1059 (2009.07. 08.) (cylinder paper) cited invention *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102480152B1 (ko) * 2021-06-28 2022-12-22 주식회사 아이리시스 홍채 인식의 경량화 방법 및 홍채 인식 프로그램을 저장한 컴퓨터로 판독가능한 기록 매체
WO2023277211A1 (ko) * 2021-06-28 2023-01-05 주식회사 아이리시스 홍채 인식의 경량화 방법 및 홍채 인식 프로그램을 저장한 컴퓨터로 판독가능한 기록 매체
WO2023054757A1 (ko) * 2021-09-29 2023-04-06 주식회사 아이디랩 홍채 식별 이미지를 생성하는 방법과 이를 위한 서버 및 홍채 인증 방법

Also Published As

Publication number Publication date
US20180218213A1 (en) 2018-08-02
KR102369412B1 (ko) 2022-03-03
US10395112B2 (en) 2019-08-27

Similar Documents

Publication Publication Date Title
KR20180090072A (ko) 홍채 인식 장치 및 방법
JP6778247B2 (ja) 眼球血管および顔認識のための画像および特徴品質、画像強化および特徴抽出、ならびにバイオメトリックシステムのための眼球血管と顔領域および／またはサブ顔領域との融合
KR102455633B1 (ko) 라이브니스 검사 방법 및 장치
KR102387571B1 (ko) 라이브니스 검사 방법 및 장치
KR101950562B1 (ko) 시선 추적
US20230274577A1 (en) Device and method with image matching
KR102357340B1 (ko) 얼굴 인식 방법 및 장치
CN114627543A (zh) 用于脸部识别的方法和设备
KR20180053108A (ko) 홍채 영역 추출 방법 및 장치
KR101997479B1 (ko) 사용자 인증을 위한 생체 영역을 검출하는 방법 및 장치
KR20190053602A (ko) 얼굴 인증 방법 및 장치
KR20190016733A (ko) 얼굴 특징점 기반 부분 영역 지정을 통한 부분 가림 얼굴 인식 방법, 이를 수행하기 위한 기록 매체 및 장치
KR20210062381A (ko) 라이브니스 검사 방법 및 장치, 생체 인증 방법 및 장치
Jillela et al. Iris segmentation for challenging periocular images
KR20210069404A (ko) 라이브니스 검사 방법 및 라이브니스 검사 장치
KR20180092197A (ko) 지문 인식을 위한 후보 지문 이미지를 선정하는 장치 및 방법
JP2010262392A (ja) 画像処理装置、画像処理方法、及び同方法をコンピュータに実行させるプログラム
Aleem et al. Fast and accurate retinal identification system: Using retinal blood vasculature landmarks
KR102415507B1 (ko) 영상 처리 방법 및 영상 처리 장치
CN110688872A (zh) 基于唇部的人物识别方法、装置、程序、介质及电子设备
KR20170003361A (ko) 지문 인식 방법 및 장치
Chen et al. A computational efficient iris extraction approach in unconstrained environments
KR101704717B1 (ko) 홍채 인식 장치 및 그 동작 방법
KR102122830B1 (ko) 분할 프래질 비트를 활용한 홍채인식 장치 및 방법
KR20130059680A (ko) 얼굴 영상에서의 기술어 추출 시스템 및 그 방법

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E90F Notification of reason for final refusal
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right