KR20190004073A - 적외선 영상을 이용한 사용자 인증 방법 및 장치 - Google Patents

적외선 영상을 이용한 사용자 인증 방법 및 장치 Download PDF

Info

Publication number
KR20190004073A
KR20190004073A KR1020170084177A KR20170084177A KR20190004073A KR 20190004073 A KR20190004073 A KR 20190004073A KR 1020170084177 A KR1020170084177 A KR 1020170084177A KR 20170084177 A KR20170084177 A KR 20170084177A KR 20190004073 A KR20190004073 A KR 20190004073A
Authority
KR
South Korea
Prior art keywords
user
feature vector
environment information
input image
information
Prior art date
Application number
KR1020170084177A
Other languages
English (en)
Other versions
KR102288302B1 (ko
Inventor
김지혜
손진우
최창규
한재준
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 KR1020170084177A priority Critical patent/KR102288302B1/ko
Priority to US15/922,091 priority patent/US10534901B2/en
Publication of KR20190004073A publication Critical patent/KR20190004073A/ko
Application granted granted Critical
Publication of KR102288302B1 publication Critical patent/KR102288302B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/30—Authentication, i.e. establishing the identity or authorisation of security principals
    • G06F21/31—User authentication
    • G06F21/32—User authentication using biometric data, e.g. fingerprints, iris scans or voiceprints
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/25—Fusion techniques
    • G06F18/253—Fusion techniques of extracted features
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/30—Authentication, i.e. establishing the identity or authorisation of security principals
    • G06F21/45—Structures or tools for the administration of authentication
    • G06K9/00006—
    • G06K9/00268—
    • G06K9/0061—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/10—Image acquisition
    • G06V10/12—Details of acquisition arrangements; Constructional details thereof
    • G06V10/14—Optical characteristics of the device performing the acquisition or on the illumination arrangements
    • G06V10/143—Sensing or illuminating at different wavelengths
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/10—Image acquisition
    • G06V10/17—Image acquisition using hand-held instruments
    • 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
    • G06V10/751—Comparing pixel values or logical combinations thereof, or feature values having positional relevance, e.g. template matching
    • 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
    • G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
    • G06V10/80—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level
    • G06V10/806—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level of extracted features
    • 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
    • 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
    • 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
    • G06V40/50—Maintenance of biometric data or enrolment thereof
    • 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
    • G06V40/70—Multimodal biometrics, e.g. combining information from different biometric modalities
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N5/00—Details of television systems
    • H04N5/30—Transforming light or analogous information into electric information
    • H04N5/33—Transforming infrared radiation

Abstract

사용자의 적외선 입력 영상이 촬영된 환경 조건을 나타내는 제1 환경 정보를 획득하고, 입력 영상으로부터 제1 특징 벡터를 추출하고, 등록 데이터베이스에 등록된 등록 특징 벡터들 중 제1 환경 정보에 매칭되는 제2 환경 정보를 포함하는 제2 특징 벡터를 선택하며, 제1 특징 벡터와 제2 특징 벡터를 이용하여 사용자를 인증하는 사용자 인증 방법 및 인증 장치를 제공할 수 있다.

Description

적외선 영상을 이용한 사용자 인증 방법 및 장치{AUTHENTICATION METHOD AND AUTHENTICATION APPARATUS USING INFRARED RAY(IR) IMAGE}
아래 실시예들은 인증 방법 및 인증 장치에 관한 것으로, 보다 구체적으로 적외선 영상을 이용한 사용자 인증 방법 및 장치에 관한 것이다.
생체 인식에 기반한 사용자 인증 기술은 높은 인증률로 인해 활용도가 높아지고 있다. 특수 용도에만 쓰이던 적외선 카메라가 휴대폰과 같은 모바일 기기에 장착됨에 따라 적외선 영상을 이용한 홍채 인증 또한 다양한 분야에서 활용되고 있다.
일 실시예에 따르면, 사용자 인증 방법은 사용자의 입력 영상이 촬영된 환경 조건을 나타내는 제1 환경 정보를 획득하는 단계; 상기 입력 영상으로부터 제1 특징 벡터를 추출하는 단계; 등록 데이터베이스에 등록된 등록 특징 벡터들 중 상기 제1 환경 정보에 매칭(matching)되는 제2 환경 정보를 포함하는 제2 특징 벡터를 선택하는 단계; 및 상기 제1 특징 벡터와 상기 제2 특징 벡터를 이용하여 상기 사용자를 인증하는 단계를 포함한다.
상기 제1 환경 정보 및 상기 제2 환경 정보는 계절, 기후, 날씨, 온도, 습도, 실내외 여부 중 적어도 하나를 포함하는 자연 환경 정보; 및 상기 입력 영상을 촬영한 기기와 상기 사용자 간의 촬영 거리, 상기 입력 영상의 조명 방향, 조도, 조명 종류를 포함하는 촬영 조건, 안경 착용 여부, 모자 착용 여부 중 적어도 하나를 포함하는 인위 환경 정보 중 적어도 하나의 환경 요소를 포함할 수 있다.
상기 제2 특징 벡터를 선택하는 단계는 상기 등록 특징 벡터들 중 상기 제1 환경 정보에 매칭되는 적어도 하나의 환경 요소를 포함하는 제2 특징 벡터를 선택하는 단계를 포함할 수 있다.
상기 제1 환경 정보를 획득하는 단계는 상기 사용자로부터 상기 제1 환경 정보를 수신하는 단계; 및 상기 제1 환경 정보를 추정하는 단계 중 적어도 하나를 포함할 수 있다.
상기 사용자 인증 방법은 적외선 센서(IR sensor)를 이용하여 상기 입력 영상을 촬영하는 단계; 및 상기 입력 영상을 수신하는 단계를 더 포함할 수 있다.
상기 등록 특징 벡터들은 상기 등록 특징 벡터들 각각에 대응하는 환경 정보가 레이블링(labeling) 된 것일 수 있다.
상기 사용자를 인증하는 단계는 상기 제1 특징 벡터와 상기 제2 특징 벡터 간의 유사도를 산출하는 단계; 상기 유사도와 미리 설정된 인증 임계치를 비교하는 단계; 및 상기 인증 임계치와의 비교한 결과에 기초하여 상기 사용자를 인증하는 단계를 포함할 수 있다.
상기 사용자 인증 방법은 상기 유사도와 미리 설정된 갱신 임계치를 비교하는 단계; 및 상기 갱신 임계치와의 비교 결과에 기초하여 상기 제1 특징 벡터를 상기 등록 데이터베이스에 등록시키는 단계를 더 포함할 수 있다.
상기 제1 특징 벡터를 상기 등록 데이터베이스에 등록시키는 단계는 상기 유사도가 상기 갱신 임계치보다 크거나 같은 경우, 상기 제1 특징 벡터에 상기 제1 환경 정보를 레이블링하는 단계; 및 상기 레이블링된 제1 특징 벡터를 상기 등록 데이터베이스에 등록시키는 단계를 포함할 수 있다.
상기 제1 환경 정보를 레이블링하는 단계는 상기 제1 환경 정보를 환경 요소 별로 세분하여 레이블링하는 단계를 포함할 수 있다.
상기 입력 영상은 상기 사용자의 얼굴 및 상기 사용자의 홍채 중 적어도 하나를 포함할 수 있다.
일 실시예에 따르면, 사용자 인증 방법은 적어도 하나의 사용자의 입력 영상으로부터 복수 개의 생체 정보를 추출하는 단계; 상기 복수 개의 생체 정보 각각에 대응하는 제1 특징 벡터를 추출하는 단계; 상기 복수 개의 생체 정보가 획득된 환경 조건을 나타내는 환경 정보를 획득하는 단계; 등록 데이터베이스에 등록된 등록 특징 벡터들 중 상기 환경 정보에 매칭되는 적어도 하나의 환경 요소를 포함하는 제2 특징 벡터를 상기 복수 개의 생체 정보 각각에 대응하여 선택하는 단계; 및 상기 복수 개의 생체 정보 각각에 대응하는 상기 제1 특징 벡터 및 상기 제2 특징 벡터를 이용하여 상기 사용자를 인증하는 단계를 포함한다.
상기 복수 개의 생체 정보는 상기 사용자의 얼굴, 홍채, 각막, 지문, 손금을 포함하는 손바닥, 손등 정맥 중 적어도 하나를 포함할 수 있다.
상기 사용자의 입력 영상은 적외선 영상 및 컬러 영상 중 적어도 하나를 포함할 수 있다.
상기 환경 정보는 계절, 기후, 날씨, 온도, 습도를 포함하는 자연 환경 정보; 및 상기 입력 영상의 촬영 거리, 상기 입력 영상의 조명 방향, 조도, 조명 종류를 포함하는 촬영 조건, 실내외 여부, 안경 착용 여부, 모자 착용 여부를 포함하는 인위 환경 정보 중 적어도 하나의 환경 요소를 포함할 수 있다.
상기 환경 정보를 획득하는 단계는 상기 복수 개의 생체 정보 각각에 대하여, 상기 복수 개의 생체 정보가 획득된 환경 조건을 나타내는 환경 정보를 획득하는 단계를 포함할 수 있다.
상기 환경 정보를 획득하는 단계는 상기 환경 정보를 추정하는 단계; 및 상기 환경 정보를 수신하는 단계 중 적어도 하나를 포함할 수 있다.
상기 사용자를 인증하는 단계는 상기 제1 특징 벡터 및 상기 제2 특징 벡터 간의 유사도를 상기 복수 개의 생체 정보 각각에 대응하여 산출하는 단계; 및 상기 복수 개의 생체 정보 각각에 대응하여 산출된 유사도에 기초하여 상기 사용자를 인증하는 단계를 포함할 수 있다.
상기 복수 개의 생체 정보 각각에 대응하여 산출된 유사도에 기초하여 상기 사용자를 인증하는 단계는 상기 환경 정보를 기초로, 상기 복수 개의 생체 정보 각각에 대응하여 산출된 유사도 별로 서로 다른 가중치를 부여하는 단계; 및 상기 서로 다른 가중치가 부여된 유사도에 기초하여 상기 사용자를 인증하는 단계를 포함할 수 있다.
일 실시예에 따르면, 사용자 인증 장치는 사용자의 입력 영상을 촬영하는 적외선 센서; 등록 특징 벡터들이 등록된 등록 데이터베이스를 포함하는 메모리; 및 상기 입력 영상이 촬영된 환경 조건을 나타내는 제1 환경 정보를 획득하고, 상기 등록 특징 벡터들 중 상기 제1 환경 정보에 매칭되는 제2 환경 정보를 포함하는 제2 특징 벡터를 선택하며, 상기 입력 영상으로부터 추출된 제1 특징 벡터와 상기 제2 특징 벡터를 이용하여 상기 사용자를 인증하는 프로세서를 포함한다.
일 실시예에 따르면, 사용자 인증 장치는 적어도 하나의 사용자의 입력 영상을 획득하는 적어도 하나의 센서; 복수 개의 생체 정보 각각에 대응하여 등록된 등록 특징 벡터들을 저장하는 등록 데이터베이스를 포함하는 메모리; 및 상기 입력 영상으로부터 복수 개의 생체 정보를 추출하고, 상기 복수 개의 생체 정보 각각에 대응하는 제1 특징 벡터를 추출하고, 상기 복수 개의 생체 정보가 획득된 환경 조건을 나타내는 환경 정보를 획득하고, 상기 등록 특징 벡터들 중 상기 환경 정보에 매칭되는 적어도 하나의 환경 요소를 포함하는 제2 특징 벡터를 상기 복수 개의 생체 정보 각각에 대응하여 선택하며, 상기 복수 개의 생체 정보 각각에 대응하는 상기 제1 특징 벡터 및 상기 제2 특징 벡터를 이용하여 상기 사용자를 인증하는 프로세서를 포함한다.
도 1은 일 실시예에 따른 입력 영상들을 도시한 도면.
도 2는 일 실시예에 따른 촬영 조건을 고려하지 않은 경우와 고려한 경우에 특징 공간에서의 유사도 비교 결과를 설명하기 위한 도면.
도 3 내지 도 4는 실시예들에 따른 사용자 인증 방법을 나타낸 흐름도.
도 5는 일 실시예에 따른 환경 정보를 고려하여 등록 데이터베이스를 구성하는 방법을 설명하기 위한 도면.
도 6 내지 도 7은 다른 실시예들에 따른 사용자 인증 방법을 나타낸 흐름도.
도 8 내지 도 9는 실시예들에 따른 사용자 인증 장치의 블록도.
본 명세서에 개시되어 있는 특정한 구조적 또는 기능적 설명들은 단지 기술적 개념에 따른 실시예들을 설명하기 위한 목적으로 예시된 것이다. 개시된 실시예들은 다양한 다른 형태로 변경되어 실시될 수 있으며 본 명세서의 범위는 개시된 실시예들에 한정되지 않는다.
제1 또는 제2 등의 용어는 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, 지능형 자동차, ATM 기기 등에서 사용자를 인증하기 위한 영상의 처리에 적용될 수 있다. 또한, 실시예들은 사용자를 인증하여 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 1은 일 실시예에 따른 입력 영상들을 도시한 도면이다. 도 1을 참조하면, 모바일 기기의 적외선 센서를 이용하여 서로 다른 촬영 조건에서 촬영된 입력 영상들(110, 120, 130, 140, 150)이 도시된다. 입력 영상들(110, 120, 130, 140, 150)은 정규화된(normalized) 영상들에 해당한다.
입력 영상들(110, 120, 130)은 실내에서 촬영된 영상들이고, 입력 영상들(140, 150)은 실외에서 촬영된 영상들이다. 실내에서 촬영된 입력 영상들(110, 120, 130)은 실외에서 촬영된 영상들(140, 150)에 비해 적외선에 의한 조명 효과가 클 수 있다. 또한, 실외에서 촬영된 입력 영상들(140, 150)은 실내에서 촬영된 입력 영상들(110, 120, 130)에 비해 자연광에 의한 조명 효과가 클 수 있다. 예를 들어, 햇빛이 강한 실외의 촬영 거리 25 cm이내에서 사용자의 얼굴을 촬영 시에는 과다한 조명으로 인해 사용자의 얼굴이 제대로 촬영되지 않을 수 있다.
도 1에 도시된 것과 같이, 적외선 센서에 의해 촬영된 입력 영상은 동일인이라 할지라도, 촬영 조건에 따라 얼굴의 변화폭이 매우 클 수 있다. 이하, 적외선 조명 하에서 적외선 센서에 의해 촬영된 입력 영상을 '적외선 입력 영상'이라 부르기로 한다.
특히, 적외선 입력 영상은 예를 들어, 촬영 거리, 실내외 여부, 안경 착용 유무 등에 따라, 조명의 분포가 크고, 질감(texture)이 매우 다른 경향성을 나타낼 수 있다.
일 실시예에서는 적외선 입력 영상에서 동일인 간에 큰 변화폭이 발생하는 것을 고려하여 다양한 촬영 조건에서 촬영된 적외선 입력 영상들을 이용하여 등록 데이터베이스를 구성하는 한편, 사용자 인증을 수행할 수 있다.
도 2는 일 실시예에 따른 촬영 조건을 고려하지 않은 경우와 고려한 경우에 특징 공간에서의 유사도 비교 결과를 설명하기 위한 도면이다. 도 2의 (a)를 참조하면, 촬영 조건을 고려하지 않은 경우에 특징 공간에서의 클래스들 간의 거리(Inter-class dist) 및 클래스 내의 거리(Intra-class dist)가 도시된다. 또한, 도 2의 (b)를 참조하면, 촬영 조건을 고려한 경우에 특징 공간에서의 클래스들 간의 거리 및 클래스 내의 거리가 도시된다.
도 2의 특징 공간 내에 표시된 점들은 각각의 특징(또는 특징 벡터)들을 나타내고, 동일한 ID에 해당하는 원 내에 포함된 점들은 동일한 클래스에 속하는 특징들에 해당할 수 있다. 동일한 ID 내에서 서로 다른 형태로 표시된 점들은 서로 다른 촬영 조건에서 획득된 특징들일 수 있다. 또한, 도 2에서 특징 공간에서의 거리는 유클리디언 거리(Euclidean distance) 또는 유사도 거리에 해당한다. 특징 공간에서의 거리가 짧을수록 유사도가 높음을 나타내고, 특징 공간에서의 거리가 길수록 유사도가 낮음을 나타낸다. 촬영 조건은 예를 들어, 조명일 수 있다.
도 2의 (a)와 같이 촬영 조건을 고려하지 않는 경우, 서로 다른 클래스에서 서로 다른 촬영 조건에서 획득된 특징들 간에 비교가 수행될 수 있다. 이 경우, ID 1의 클래스에 속하는 특징들과 ID 3에 속하는 특징들 간의 거리(클래스들 간의 거리)는 ID 2의 클래스에 속하는 특징들 간의 거리(클래스 내의 거리)에 비해 짧을 수 있다. 동일한 클래스에 속하는 특징들은 동일한 사용자로 인식되어야 하나, 도 2의 (a)와 같이 촬영 조건을 고려하지 않는 경우, 서로 다른 클래스에 속하는 특징들 간의 거리가 더 짧아 잘못된 사용자 인증이 수행될 수 있다.
도 2의 (b)와 같이 촬영 조건을 고려하는 경우, 서로 다른 클래스에서 동일한 촬영 조건에서 획득된 특징들 간에 비교가 수행될 수 있다. 이 경우, ID 1의 클래스에 속하는 특징들과 ID 3에 속하는 특징들 간의 거리(클래스들 간의 거리)는 ID 2의 (클래스 내의 거리)에 비해 길다. 도 2의 (b)와 같이 촬영 조건을 고려하는 경우, 서로 다른 클래스에 속하는 특징들 간의 거리가 동일 클래스에 속하는 특징들 간의 거리에 비해 더 길다. 이 경우, 올바른 사용자 인증이 수행될 수 있다.
도 3은 일 실시예들에 따른 사용자 인증 방법을 나타낸 흐름도이다. 일 실시예에 따른 사용자 인증 방법을 수행하는 사용자 인증 장치(이하, '인증 장치')는 예를 들어, 모바일 기기 자체이거나, 또는 별도의 장치로 구성될 수 있다.
도 3을 참조하면, 인증 장치는 사용자의 입력 영상이 촬영된 환경 조건을 나타내는 제1 환경 정보를 획득한다(310). 사용자의 입력 영상은 예를 들어, 모바일 기기에 포함된 적외선 엘이디(LED) 조명의 발광 후, 적외선 센서를 이용하여 촬영된 적외선 입력 영상일 수 있다. 입력 영상은 예를 들어, 사용자의 얼굴 및 사용자의 홍채 중 적어도 하나를 포함할 수 있다. 입력 영상은 인증 장치에 의해 직접 촬영될 수도 있고, 인증 장치의 외부로부터 수신한 것일 수도 있다.
제1 환경 정보는 사용자의 입력 영상, 다시 말해 적외선 입력 영상이 촬영된 환경 조건을 나타내는 정보로서, 예를 들어, 계절, 기후, 날씨, 온도, 습도, 실내,외 여부 등과 같은 자연 환경 정보, 및 입력 영상을 촬영한 기기와 사용자 간의 촬영 거리, 입력 영상의 조명 방향, 조도, 조명 종류를 포함하는 촬영 조건, 안경 착용 여부, 모자 착용 여부 중 적어도 하나를 포함하는 인위 환경 정보 중 적어도 하나의 환경 요소를 포함할 수 있다. 이때, 입력 영상을 촬영한 기기는 예를 들어, 모바일 기기와 같은 인증 장치이거나, 또는 적외선 카메라일 수 있다.
인증 장치는 사용자로부터 제1 환경 정보를 직접 수신할 수 있다. 인증 장치는 입력 영상이 촬영될 때에 예를 들어, "촬영 기기로부터 20cm 떨어진 거리에서 촬영하세요", "실내에서 촬영하세요", "선글라스 또는 모자를 벗고 촬영해 주세요" 등과 같이 촬영을 위한 음성 가이드(guide)를 제공할 수 있다. 인증 장치는 음성 가이드에 포함된 환경 정보를 해당 입력 영상의 제1 환경 정보로 설정할 수 있다.
또는, 인증 장치는 입력 영상으로부터 제1 환경 정보를 추정할 수 있다. 인증 장치는 예를 들어, 적외선 입력 영상에서 사용자의 눈 위치, 또는 사용자의 좌우 눈썹 사이의 미간 거리를 이용하여 촬영 거리를 추정할 수 있다. 인증 장치는 적외선 입력 영상을 정렬(align)한 후, 정렬된 적외선 입력 영상에서의 미간 거리를 미리 설정된 기준과 비교함으로써 촬영 거리를 추정할 수 있다. 또는 인증 장치는 예를 들어, 다양한 학습 알고리즘들을 이용하여 적외선 입력 영상의 조명 방향, 조도, 조명 종류 등을 추정할 수 있다. 이 밖에도, 인증 장치는 자동 노출(auto exposure) 알고리즘 등을 이용하여 조명이 실내 조명인지 또는 실외 조명(태양광)인지 여부를 추정할 수 있다.
인증 장치는 입력 영상으로부터 제1 특징 벡터를 추출한다(320). 제1 특징 벡터는 입력 영상으로부터 추출되는 얼굴, 홍채, 및 지문 등의 인식을 위한 특징을 나타내는 특징 벡터로 이해될 수 있다. 인증 장치는 예를 들어, LBP(Local Binary Pattern) 기법, 가보르(Gabor) 기법, 또는 딥 러닝(Deep Learning) 기법 등 다양한 기법들을 이용하여 입력 영상으로부터 제1 특징 벡터를 추출할 수 있다.
인증 장치는 등록 데이터베이스에 등록된 등록 특징 벡터들 중 제1 환경 정보에 매칭(matching)되는 제2 환경 정보를 포함하는 제2 특징 벡터를 선택한다(330). 이때, 등록 특징 벡터들은 등록 특징 벡터들 각각에 대응하는 환경 정보가 레이블링된 것일 수 있다. 예를 들어, 등록 특징 벡터가 실내에서 촬영 거리 25cm로 촬영되었다면, 해당 등록 특징 벡터에는 실내, 촬영 거리 25 cm에 해당하는 태그(tag)가 태깅되거나, 또는 동일 내용에 해당하는 레이블(label)이 레이블링될 수 있다. 등록 데이터베이스(Enrollment database)는 '등록 템플레이트(enrollment template)'라고 지칭될 수 있다. 인증 장치는 등록 특징 벡터들 중 제1 환경 정보에 매칭되는 적어도 하나의 환경 요소를 포함하는 제2 특징 벡터를 선택할 수 있다.
인증 장치는 제1 특징 벡터와 제2 특징 벡터를 이용하여 사용자를 인증한다(340). 인증 장치는 제1 특징 벡터와 제2 특징 벡터 간의 유사도를 산출하고, 산출된 유사도와 미리 설정된 인증 임계치를 비교할 수 있다. 인증 장치는 유사도와 인증 임계치를 비교한 결과에 기초하여 사용자를 인증할 수 있다. 인증 장치는 예를 들어, 유사도가 인증 임계치보다 크거나 같다면, 사용자를 인증할 수 있다.
도 4는 다른 실시예에 따른 사용자 인증 방법을 나타낸 흐름도이다.
입력 영상을 이용한 사용자 인증은 우선, 사용자의 입력 영상의 초기 등록을 통해 등록 데이터베이스를 구성함으로써 수행될 수 있다. 초기 등록은 사용자가 일정 장소(예를 들어, 실내)에서 사용자와 기기 간의 일정 거리 범위 내에서 입력 영상을 촬영함으로써 획득될 수 있다. 이때, 입력 영상으로부터 특징을 추출하는 과정을 거쳐 생성된 특징 벡터(또는 특징 코드)가 등록 데이터베이스 또는 등록 세트에 초기 등록될 수 있다. 일 실시예에 따른 인증 장치는 입력 영상의 초기 등록이 완료되면, 도 4에 도시된 과정을 통해 사용자 인증을 수행할 수 있다.
인증 장치는 입력 영상을 수신하면(405), 입력 영상으로부터 환경 정보를 획득할 수 있다(410). 이때, 획득된 환경 정보는 제1 환경 정보로서, 등록 데이터베이스(470)에서 제2 특징 벡터를 선택(430)하는 데에 이용될 수 있다. 입력 영상은 적외선 입력 영상일 수 있다.
인증 장치는 입력 영상의 영상 품질(영상 화질)을 평가하고(415), 영상 품질이 일정 조건을 만족하는지 여부(pass 또는 fail)를 판단할 수 있다(420). 단계(420)에서 영상 품질이 일정 조건을 만족하지 않으면(fail이면), 인증 장치는 동작을 종료할 수 있다. 도 4에서 점선으로 표시된 단계(415) 및 단계(420)는 실시예에 따라서 선택적으로 수행될 수 있다.
단계(420)에서 영상 품질이 일정 조건을 만족하면(pass이면), 인증 장치는 입력 영상으로부터 제1 특징 벡터를 추출할 수 있다(425). 인증 장치는 제1 특징 벡터에 단계(410)에서 획득한 환경 정보(제1 환경 정보)를 레이블링할 수 있다.
인증 장치는 제1 특징 벡터와 등록 데이터베이스(470)로부터 선택된 제2 특징 벡터 간의 유사도를 산출할 수 있다(435). 이때, 제2 특징 벡터는 등록 데이터베이스(470)에 등록된 등록 특징 벡터들 중 단계(410)에서 획득된 제1 환경 정보에 매칭되는 제2 환경 정보를 포함하는 등록 특징 벡터일 수 있다. 인증 장치는 제1 특징 정보에 레이블링된 제1 환경 정보와 등록 특징 벡터에 레이블링된 환경 정보를 비교함으로써 해당 등록 특징 벡터가 제1 환경 정보에 매칭되는 제2 환경 정보에 해당하는 등록 특징 벡터(제2 특징 벡터)인지를 파악할 수 있다.
단계(435)에서 유사도는 예를 들어, 특징 벡터들 간의 정규화된 상호 연관성(Normalized Cross Correlation; NCC), 또는 매칭 스코어(matching score) 형태로 산출될 수 있다.
일 실시예에서는 등록 데이터베이스(470)에 등록된 모든 등록 특징 벡터들과 제1 특징 벡터를 비교하는 것이 아니라, 입력 영상(예를 들어, 적외선 입력 영상)이 촬영된 환경 조건과 동일 또는 유사한 환경에서 촬영된 등록 특징 벡터를 선택하여 비교함으로써 사용자 인증 속도를 향상시키고, 사용자의 오인식률을 최소화할 수 있다. 이때, 입력 영상이 촬영된 환경 조건과 동일 또는 유사한 환경에서 촬영된 등록 특징 벡터를 선택함으로써 사용자 인증을 위한 인증 임계치는 환경 조건을 고려하지 않는 경우에 비해 높은 유사도 값으로 결정될 수 있다. 일 실시예에서는 인증 성공 여부를 결정짓는 인증 임계치를 환경 조건을 고려하지 않는 경우보다 높게 설정함으로써 타인 오수락률(False Acceptance Rate; FAR)을 낮출 수 있다.
인증 장치는 유사도가 미리 설정된 인증 임계치보다 큰지 여부를 판단할 수 있다(440). 단계(440)에서 유사도가 인증 임계치보다 크다고 판단되면, 인증 장치는 인증 성공으로 결정할 수 있다(445). 단계(440)에서 유사도가 인증 임계치보다 작거나 같다고 판단되면, 인증 장치는 인증 실패로 결정할 수 있다(450).
또한, 인증 장치는 유사도가 미리 설정된 갱신 임계치보다 큰 지 여부를 판단할 수 있다(455). 단계(455)에서 유사도가 갱신 임계치보다 작거나 같다고 판단되면, 인증 장치는 동작을 종료할 수 있다. 단계(455)에서 유사도가 갱신 임계치보다 크다고 판단되면, 인증 장치는 제1 특징 벡터를 이용하여 등록 데이터베이스를 갱신할 수 있다(460). 이때, 갱신 임계치는 인증 임계치보다 높은 값일 수 있다.
단계(460)에서, 인증 장치는 제1 환경 정보를 환경 요소 별로 세분하여 제1 특징 벡터에 레이블링하고, 레이블링된 제1 특징 정보에 의해 등록 데이터베이스(470)를 갱신할 수 있다.
도 5는 일 실시예에 따른 환경 정보를 고려하여 등록 데이터베이스를 구성하는 방법을 설명하기 위한 도면이다.
인증 장치는 기기와 사용자 간에 일정 범위의 촬영 거리(예를 들어, 25cm~40cm 정도)를 유지하며 적외선 입력 영상을 촬영할 수 있다. 인증 장치는 사용자가 정면을 바라보는 상태에서 적외선 엘이디(LED)를 발광한 후, 적외선 센서를 이용하여 적외선 입력 영상을 촬영할 수 있다. 적외선 입력 영상은 도 1에 도시된 것과 같이 기기와 사용자 간의 촬영 거리에 따라 동일인이라 할지라도 영상의 형태가 급격하게 바뀔 수 있다. 또한, 적외선 입력 영상은 실내 촬영 시와 달리 조명의 효과가 큰 실외 촬영 시에 영상의 형태가 큰 변화폭을 보일 수 있다. 안경 착용, 모자 착용 여부 또한 거리 혹은 조명의 변화 시와 유사한 영향을 미치게 된다.
일 실시예에 따른 인증 장치는 적외선 입력 영상이 촬영된 환경 조건을 나타내는 환경 정보를 해당 영상으로부터 추출된 제1 특징 벡터에 레이블링할 수 있다. 예를 들어, 환경 조건이 안경 착용 여부, 촬영 거리, 실내외 여부의 3가지에 대한 것이라고 하자. 이 경우, 제1 특징 벡터는 도 5의 510에 도시된 것과 같이 3차원의 특징 공간에 맵핑될 수 있다. 이때, 3차원의 특징 공간에 기 포함된 특징 벡터들은 등록 데이터베이스에 등록된 특징 벡터들로서, 전술한 3가지 환경 조건들(안경 착용 여부, 촬영 거리, 실내외 여부)에 해당하는 레이블을 포함하는 것들일 수 있다.
이때, 등록 데이터베이스는 추가 등록될 특징 벡터(제1 특징 벡터)의 추가를 통해 3차원의 특징 공간 상에서 각 특징 벡터들이 고르게 분포되도록 구성될 수 있다. 해당 특징 벡터(제1 특징 벡터)의 추가 여부는 기존 등록된 특징 벡터들(제2 특징 벡터들)과의 매칭 스코어에 의해 결정될 수 있다.
인증 장치는 3차원의 특징 공간 상에서 기존 등록된 특징 벡터들과 추가 등록될 특징 벡터(제1 특징 벡터) 간의 거리가 최대가 되도록 등록 데이터베이스를 구성할 수 있다. 이 경우, 추가 등록될 특징 벡터는 기존 등록된 특징 벡터들이 추구하는 일정 매칭 스코어 이내의 환경 조건을 같이 충족해야 한다.
일 실시예에서는 입력 영상이 갖는 다양한 차원의 특징들을 고려하여 해당 영상이 촬영된 환경 조건을 나타내는 환경 정보 별로 세분화된 레이블을 포함하는 등록 특징 벡터를 등록 데이터베이스에 저장할 수 있다. 이때, 환경 정보 별로 세분화된 레이블은 예를 들어, 도 5의 530에 도시된 것과 같은 내용을 포함할 수 있다.
실시예에 따라서, 인증 장치는 환경 정보 별로 세분화된 레이블마다에 대한 필드를 구성하고, 해당 필드에 대응되는 레이블을 포함하는 등록 특징 벡터들을 저장할 수도 있다.
일 실시예에서는 특징 공간에 단순히 인증 객체(사용자의 얼굴)에 대한 유사도 점수만을 넓게 분포시키는 것이 아니라, 다양한 환경 조건의 관점에서의 유사도 점수 또한 다양하게 분포되도록 함으로써 매칭 성능을 향상시키고, 타인에 대한 오수락율 또한 감소시킬 수 있다.
도 6은 다른 실시예에 따른 사용자 인증 방법을 나타낸 흐름도이다. 도 6을 참조하면, 일 실시예에 따른 인증 장치는 얼굴, 지문, 홍채 등과 같이 다양한 인증 객체에 대한 유사도를 퓨전한 새로운 퓨전 유사도에 의해 인증 및 등록 데이터베이스 갱신 등을 수행할 수도 있다. 도 6의 단계(605) 내지 단계(635)는 도 4의 단계(405) 내지 단계(435)와 동일하므로 이에 대한 설명을 도 4의 기재 내용을 참고하기로 한다.
인증 장치는 단계(625)에서 추출된 제1 특징 벡터와 등록 데이터베이스(670)로부터 선택된 제2 특징 벡터 간에 유사도(제1 유사도)가 산출되면, 제1 유사도와 다른 생체 정보의 제2 유사도를 퓨전(fusion)할 수 있다(640). 예를 들어, 제1 유사도가 사용자의 얼굴에 대한 것이라면, 제2 유사도는 사용자의 지문 또는 사용자의 홍채에 대한 것일 수 있다. 제2 유사도는 하나일 수도 있고, 복수 개일 수도 있다.
단계(640)에서, 인증 장치는 사용자의 얼굴에 대한 제1 유사도 및 사용자의 홍채에 대한 제2 유사도에 의해 퓨전 유사도를 산출할 수 있다. 인증 장치는 제1 유사도와 제2 유사도에 각각 서로 다른 가중치를 부여하여 퓨전 유사도를 산출할 수 있다. 이때, 서로 다른 가중치는 예를 들어, 각 인증 객체가 획득된 환경 조건에 기초하여 결정될 수 있다.
인증 장치는 퓨전 유사도가 미리 설정된 인증 임계치보다 큰지 여부를 판단할 수 있다(645). 단계(645)에서 퓨전 유사도가 인증 임계치보다 크다고 판단되면, 인증 장치는 인증 성공으로 결정할 수 있다(650). 단계(645)에서 퓨전 유사도가 인증 임계치보다 작거나 같다고 판단되면, 인증 장치는 인증 실패로 결정할 수 있다(655).
또한, 인증 장치는 퓨전 유사도가 미리 설정된 갱신 임계치보다 큰 지 여부를 판단할 수 있다(660). 단계(660)에서 퓨전 유사도가 갱신 임계치보다 작거나 같다고 판단되면, 인증 장치는 동작을 종료할 수 있다. 단계(660)에서 퓨전 유사도가 갱신 임계치보다 크다고 판단되면, 인증 장치는 제1 특징 벡터 및 퓨전 유사도를 이용하여 등록 데이터베이스를 갱신할 수 있다(665). 이때, 갱신 임계치는 인증 임계치보다 높은 값일 수 있다.
단계(665)에서, 인증 장치는 제1 환경 정보를 환경 요소 별로 세분하여 제1 특징 벡터에 레이블링하고, 레이블링된 제1 특징 벡터 및 퓨전 유사도에 의해 등록 데이터베이스(670)를 갱신할 수 있다.
도 7은 다른 실시예에 따른 사용자 인증 방법을 나타낸 흐름도이다. 일 실시예에 따른 인증 방법은 적외선 영상을 이용한 단독 인증뿐만 아니라, 적외선 영상과 컬러 영상, 지문, 홍채 등의 생체 정보가 접목되는 복합 인증에도 적용될 수 있다.
도 7을 참조하면, 일 실시예에 따른 인증 장치는 적어도 하나의 사용자의 입력 영상으로부터 복수 개의 생체 정보를 추출한다(710). 사용자의 입력 영상은 하나일 수도 있고, 복수 개일 수도 있다. 사용자의 입력 영상은 적외선 영상 및 컬러 영상 중 적어도 하나를 포함할 수 있다. 복수 개의 생체 정보는 예를 들어, 사용자의 얼굴, 홍채, 각막, 지문, 손금을 포함하는 손바닥, 손등 정맥 등을 포함할 수 있다. 이때, 홍채는 예를 들어, 홍채의 모양과 색, 망막 모세 혈관의 형태소 등을 포함할 수 있다.
인증 장치는 적외선 영상으로부터 사용자의 얼굴 및 홍채 각각을 추출할 수도 있고, 또는 적외선 영상으로부터 홍채를 추출하고, 컬러 영상으로부터 얼굴 또는 지문을 추출할 수도 있다.
인증 장치는 복수 개의 생체 정보 각각에 대응하는 제1 특징 벡터를 추출한다(720).
인증 장치는 복수 개의 생체 정보가 획득된 환경 조건을 나타내는 환경 정보를 획득한다(730). 환경 정보는 계절, 기후, 날씨, 온도, 습도, 실내외 여부 중 적어도 하나를 포함하는 자연 환경 정보, 및 입력 영상을 촬영한 기기와 사용자 간의 촬영 거리, 입력 영상의 조명 방향, 조도, 조명 종류를 포함하는 촬영 조건, 안경 착용 여부, 모자 착용 여부 중 적어도 하나를 포함하는 인위 환경 정보 중 적어도 하나의 환경 요소를 포함할 수 있다.
인증 장치는 복수 개의 생체 정보 각각에 대하여, 복수 개의 생체 정보가 획득된 환경 조건을 나타내는 환경 정보를 획득할 수 있다. 인증 장치는 환경 정보를 추정할 수도 있고, 환경 정보를 사용자로부터 수신할 수도 있다.
인증 장치는 등록 데이터베이스에 등록된 등록 특징 벡터들 중 환경 정보에 매칭되는 적어도 하나의 환경 요소를 포함하는 제2 특징 벡터를 복수 개의 생체 정보 각각에 대응하여 선택한다(740). 이때, 등록 데이터베이스는 예를 들어, 복수 개의 생체 정보 각각에 대응하여 마련될 수도 있고, 복수 개의 생체 정보를 모두 포함하는 통합된 하나의 데이터베이스로 마련될 수도 있다.
인증 장치는 복수 개의 생체 정보 각각에 대응하는 제1 특징 벡터 및 제2 특징 벡터를 이용하여 사용자를 인증한다(750). 인증 장치는 제1 특징 벡터 및 제2 특징 벡터 간의 유사도를 복수 개의 생체 정보 각각에 대응하여 산출할 수 있다. 인증 장치는 복수 개의 생체 정보 각각에 대응하여 산출된 유사도에 기초하여 사용자를 인증할 수 있다. 이때, 인증 장치는 환경 정보를 기초로, 복수 개의 생체 정보 각각에 대응하여 산출된 유사도 별로 서로 다른 가중치를 부여하고, 서로 다른 가중치가 부여된 유사도에 기초하여 사용자를 인증할 수 있다.
이하에서는, 인증 장치가 하나의 입력 영상으로부터 추출된 복수 개의 생체 정보(예를 들어, 사용자의 얼굴 및 홍채)를 이용하여 복합 인증을 수행하는 방법을 구체적인 예시를 들어 설명한다.
인증 장치는 하나의 적외선 입력 영상으로부터 복수 개의 생체 정보(사용자의 얼굴 및 홍채)를 추출하고, 사용자의 얼굴 및 홍채 각각에 대응하는 제1 특징 벡터를 추출할 수 있다. 이때, 인증 장치는 사용자의 얼굴 및 홍채가 획득된, 다시 말해 입력 영상이 촬영된 환경 정보를 획득할 수 있다.
만약, 입력 영상이 햇빛이 쨍쨍한 실외에서 촬영 거리 28cm로 모자를 쓴 채 촬영되었다면, 인증 장치는 '기후: 맑음', '실내외 여부: 실외', '촬영 거리: 28cm', '모자 착용 여부: 모자 착용'에 해당하는 환경 정보를 획득할 수 있다. 이때, 인증 장치는 실외에서의 조명 방향에 해당하는 태양광의 입사 방향, 조도, 모자 착용으로 인해 사용자의 얼굴에 나타나는 음영 또한 환경 정보로 획득할 수 있다.
인증 장치는 획득한 환경 정보를 사용자의 얼굴에 대응하는 제1 특징 벡터 및 사용자의 홍채에 대응하는 제1 특징 벡터에 각각 레이블링할 수 있다.
인증 장치는 사용자의 얼굴에 대응하는 등록 데이터베이스에 등록된 등록 특징 벡터들 중 입력 영상의 환경 정보(예를 들어, '기후: 맑음', '실내외 여부: 실외', '촬영 거리: 28cm', '모자 착용 여부: 모자 착용')에 매칭되는 환경 요소를 포함하는 제2 특징 벡터(사용자의 얼굴에 대한 제2 특징 벡터)를 선택할 수 있다. 또한, 인증 장치는 사용자의 홍채에 대응하는 등록 데이터베이스에 등록된 등록 특징 벡터들 중 입력 영상의 환경 정보(예를 들어, '기후: 맑음', '실내외 여부: 실외', '촬영 거리: 28cm', '모자 착용 여부: 모자 착용')에 매칭되는 환경 요소를 포함하는 제2 특징 벡터(사용자의 홍채에 대한 제2 특징 벡터)를 선택할 수 있다.
인증 장치는 사용자의 얼굴에 대응하는 제1 특징 벡터와 사용자의 얼굴에 대한 제2 특징 벡터 간의 유사도를 산출하고, 사용자의 홍채에 대응하는 제1 특징 벡터와 사용자의 홍채에 대한 제2 특징 벡터 간의 유사도를 산출할 수 있다.
인증 장치는 입력 영상의 환경 정보를 기초로, 사용자의 얼굴에 대한 유사도와 사용자의 홍채에 대한 유사도 별로 서로 다른 가중치를 부여할 수 있다.
예를 들어, 맑은 날 실외에서 적외선 센서에 의해 사용자의 홍채를 촬영한 경우, 태양빛에 의해 홍채의 망막 모세 혈관의 형태소가 정확하게 파악되지 않을 수 있다. 또는 햇빛이 강한 실외의 촬영 거리 25 cm 이내에서 사용자의 얼굴을 촬영 시에는 과다한 조명으로 인해 사용자의 얼굴이 제대로 촬영되지 않을 수 있다.
인증 장치는 환경 정보에 포함된 각 환경 요소 별로 추출된 생체 정보에서 발생할 수 있는 약점(또는 결함)을 미리 고려하여, 각 생체 정보 별 유사도에 대한 가중치를 달리 설정하여 부여할 수 있다. 각 생체 정보 별 유사도에 대한 가중치는 환경 정보에 따라 미리 룩업 테이블 등의 형태로 미리 마련될 수 있다. 예를 들어, 환경 정보가 맑은 날, 실외에서 촬영 거리 28 cm 인 경우, 인증 장치는 사용자의 얼굴에 대한 유사도에는 가중치 0.9를 부여하고, 사용자의 홍채에 대한 유사도에는 가중치 0.1를 부여할 수 있다. 인증 장치는 서로 다른 가중치가 부여된 유사도를 총합하여 미리 설정된 인증 임계치와 비교함으로써 사용자를 인증할 수 있다.
도 8은 일 실시예에 따른 사용자 인증 장치의 블록도이다. 도 8을 참조하면, 일 실시예에 따른 인증 장치(800)는 적외선 센서(810), 메모리(820), 프로세서(830), 및 통신 인터페이스(840)를 포함한다. 적외선 센서(810), 메모리(820), 프로세서(830), 및 통신 인터페이스(840)는 통신 버스(805)를 통해 서로 통신할 수 있다.
적외선 센서(810)는 사용자의 입력 영상을 촬영한다.
메모리(820)는 등록 특징 벡터들이 등록된 등록 데이터베이스를 포함한다. 메모리(820)는 휘발성 메모리 또는 비 휘발성 메모리일 수 있다.
프로세서(830)는 입력 영상이 촬영된 환경 조건을 나타내는 제1 환경 정보를 획득한다. 프로세서(830)는 등록 특징 벡터들 중 제1 환경 정보에 매칭되는 제2 환경 정보를 포함하는 제2 특징 벡터를 선택한다. 프로세서(830)는 입력 영상으로부터 추출된 제1 특징 벡터와 제2 특징 벡터를 이용하여 사용자를 인증한다.
이 밖에도, 프로세서(830)는 도 1 내지 도 6을 통해 전술한 적어도 하나의 방법 또는 적어도 하나의 방법에 대응되는 알고리즘을 수행할 수 있다. 프로세서(830)는 프로그램을 실행하고, 인증 장치(800)를 제어할 수 있다. 프로세서(830)에 의하여 실행되는 프로그램 코드는 메모리(820)에 저장될 수 있다.
통신 인터페이스(840)는 입력 영상이 촬영된 환경 조건을 사용자로부터 수신할 수 있다.
도 9는 일 실시예에 따른 사용자 인증 장치의 블록도이다. 도 9를 참조하면, 일 실시예에 따른 인증 장치(900)는 적어도 하나의 센서(910), 메모리(920), 프로세서(930), 및 통신 인터페이스(940)를 포함한다. 적어도 하나의 센서(910), 메모리(920), 프로세서(930), 및 통신 인터페이스(940)는 통신 버스(905)를 통해 서로 통신할 수 있다.
적어도 하나의 센서(910)는 적어도 하나의 사용자의 입력 영상을 획득한다.
메모리(920)는 복수 개의 생체 정보 각각에 대응하여 등록된 등록 특징 벡터들을 저장하는 등록 데이터베이스를 포함한다. 메모리(920)는 휘발성 메모리 또는 비 휘발성 메모리일 수 있다. 메모리(920)는 환경 정보에 따른 각 생체 정보 별 (유사도에 대한) 가중치가 저장된 룩업 테이블 등을 저장할 수 있다.
프로세서(930)는 입력 영상으로부터 복수 개의 생체 정보를 추출하고, 복수 개의 생체 정보 각각에 대응하는 제1 특징 벡터를 추출한다. 프로세서(930)는 복수 개의 생체 정보가 획득된 환경 조건을 나타내는 환경 정보를 획득한다. 프로세서(930)는 등록 특징 벡터들 중 환경 정보에 매칭되는 적어도 하나의 환경 요소를 포함하는 제2 특징 벡터를 복수 개의 생체 정보 각각에 대응하여 선택한다. 프로세서(930)는 복수 개의 생체 정보 각각에 대응하는 제1 특징 벡터 및 제2 특징 벡터를 이용하여 사용자를 인증한다.
통신 인터페이스(940)는 적어도 하나의 입력 영상을 수신하거나, 또는 입력 영상이 촬영된 환경 조건을 사용자로부터 수신할 수 있다.
이 밖에도, 프로세서(930)는 도 1 내지 도 7을 통해 전술한 적어도 하나의 방법 또는 적어도 하나의 방법에 대응되는 알고리즘을 수행할 수 있다. 프로세서(930)는 프로그램을 실행하고, 인증 장치(900)를 제어할 수 있다. 프로세서(930)에 의하여 실행되는 프로그램 코드는 메모리(920)에 저장될 수 있다. 인증 장치(900)는 입출력 장치(도면 미 표시)를 통하여 외부 장치(예를 들어, 퍼스널 컴퓨터 또는 네트워크)에 연결되고, 데이터를 교환할 수 있다. 인증 장치(900)는 스마트 텔레비전, 스마트 폰, 스마트 자동차 및 등 다양한 전자 시스템들을 포함할 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 상기의 기재로부터 다양한 수정 및 변형이 가능하다. 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 (22)

  1. 사용자의 입력 영상이 촬영된 환경 조건을 나타내는 제1 환경 정보를 획득하는 단계;
    상기 입력 영상으로부터 제1 특징 벡터를 추출하는 단계;
    등록 데이터베이스에 등록된 등록 특징 벡터들 중 상기 제1 환경 정보에 매칭(matching)되는 제2 환경 정보를 포함하는 제2 특징 벡터를 선택하는 단계; 및
    상기 제1 특징 벡터와 상기 제2 특징 벡터를 이용하여 상기 사용자를 인증하는 단계
    를 포함하는, 사용자 인증 방법.
  2. 제1항에 있어서,
    상기 제1 환경 정보 및 상기 제2 환경 정보는
    계절, 기후, 날씨, 온도, 습도, 실내외 여부 중 적어도 하나를 포함하는 자연 환경 정보; 및
    상기 입력 영상을 촬영한 기기와 상기 사용자 간의 촬영 거리, 상기 입력 영상의 조명 방향, 조도, 조명 종류를 포함하는 촬영 조건, 안경 착용 여부, 모자 착용 여부 중 적어도 하나를 포함하는 인위 환경 정보
    중 적어도 하나의 환경 요소를 포함하는, 사용자 인증 방법.
  3. 제2항에 있어서,
    상기 제2 특징 벡터를 선택하는 단계는
    상기 등록 특징 벡터들 중 상기 제1 환경 정보에 매칭되는 적어도 하나의 환경 요소를 포함하는 제2 특징 벡터를 선택하는 단계
    를 포함하는, 사용자 인증 방법.
  4. 제1항에 있어서,
    상기 제1 환경 정보를 획득하는 단계는
    상기 사용자로부터 상기 제1 환경 정보를 수신하는 단계; 및
    상기 제1 환경 정보를 추정하는 단계
    중 적어도 하나를 포함하는, 사용자 인증 방법.
  5. 제1항에 있어서,
    적외선 센서(IR sensor)를 이용하여 상기 입력 영상을 촬영하는 단계; 및
    상기 입력 영상을 수신하는 단계
    를 더 포함하는, 사용자 인증 방법.
  6. 제1항에 있어서,
    상기 등록 특징 벡터들은
    상기 등록 특징 벡터들 각각에 대응하는 환경 정보가 레이블링(labeling) 된 것인, 사용자 인증 방법.
  7. 제1항에 있어서,
    상기 사용자를 인증하는 단계는
    상기 제1 특징 벡터와 상기 제2 특징 벡터 간의 유사도를 산출하는 단계;
    상기 유사도와 미리 설정된 인증 임계치를 비교하는 단계; 및
    상기 인증 임계치와의 비교한 결과에 기초하여 상기 사용자를 인증하는 단계
    를 포함하는, 사용자 인증 방법.
  8. 제7항에 있어서,
    상기 유사도와 미리 설정된 갱신 임계치를 비교하는 단계;
    상기 갱신 임계치와의 비교 결과에 기초하여 상기 제1 특징 벡터를 상기 등록 데이터베이스에 등록시키는 단계
    를 더 포함하는, 사용자 인증 방법.
  9. 제8항에 있어서,
    상기 제1 특징 벡터를 상기 등록 데이터베이스에 등록시키는 단계는
    상기 유사도가 상기 갱신 임계치보다 크거나 같은 경우, 상기 제1 특징 벡터에 상기 제1 환경 정보를 레이블링하는 단계; 및
    상기 레이블링된 제1 특징 벡터를 상기 등록 데이터베이스에 등록시키는 단계
    를 포함하는, 사용자 인증 방법.
  10. 제9항에 있어서,
    상기 제1 환경 정보를 레이블링하는 단계는
    상기 제1 환경 정보를 환경 요소 별로 세분하여 레이블링하는 단계
    를 포함하는, 사용자 인증 방법.
  11. 제1항에 있어서,
    상기 입력 영상은
    상기 사용자의 얼굴 및 상기 사용자의 홍채 중 적어도 하나를 포함하는, 사용자 인증 방법.
  12. 적어도 하나의 사용자의 입력 영상으로부터 복수 개의 생체 정보를 추출하는 단계;
    상기 복수 개의 생체 정보 각각에 대응하는 제1 특징 벡터를 추출하는 단계;
    상기 복수 개의 생체 정보가 획득된 환경 조건을 나타내는 환경 정보를 획득하는 단계;
    등록 데이터베이스에 등록된 등록 특징 벡터들 중 상기 환경 정보에 매칭되는 적어도 하나의 환경 요소를 포함하는 제2 특징 벡터를 상기 복수 개의 생체 정보 각각에 대응하여 선택하는 단계;
    상기 복수 개의 생체 정보 각각에 대응하는 상기 제1 특징 벡터 및 상기 제2 특징 벡터를 이용하여 상기 사용자를 인증하는 단계
    를 포함하는, 사용자 인증 방법.
  13. 제12항에 있어서,
    상기 복수 개의 생체 정보는
    상기 사용자의 얼굴, 홍채, 각막, 지문, 손금을 포함하는 손바닥, 손등 정맥 중 적어도 하나를 포함하는, 사용자 인증 방법.
  14. 제12항에 있어서,
    상기 사용자의 입력 영상은
    적외선 영상 및 컬러 영상 중 적어도 하나를 포함하는, 사용자 인증 방법.
  15. 제12항에 있어서,
    상기 환경 정보는
    계절, 기후, 날씨, 온도, 습도를 포함하는 자연 환경 정보; 및
    상기 입력 영상의 촬영 거리, 상기 입력 영상의 조명 방향, 조도, 조명 종류를 포함하는 촬영 조건, 실내외 여부, 안경 착용 여부, 모자 착용 여부를 포함하는 인위 환경 정보
    중 적어도 하나의 환경 요소를 포함하는, 사용자 인증 방법.
  16. 제12항에 있어서,
    상기 환경 정보를 획득하는 단계는
    상기 복수 개의 생체 정보 각각에 대하여, 상기 복수 개의 생체 정보가 획득된 환경 조건을 나타내는 환경 정보를 획득하는 단계
    를 포함하는, 사용자 인증 방법.
  17. 제12항에 있어서,
    상기 환경 정보를 획득하는 단계는
    상기 환경 정보를 추정하는 단계; 및
    상기 환경 정보를 수신하는 단계
    중 적어도 하나를 포함하는, 사용자 인증 방법.
  18. 제12항에 있어서,
    상기 사용자를 인증하는 단계는
    상기 제1 특징 벡터 및 상기 제2 특징 벡터 간의 유사도를 상기 복수 개의 생체 정보 각각에 대응하여 산출하는 단계; 및
    상기 복수 개의 생체 정보 각각에 대응하여 산출된 유사도에 기초하여 상기 사용자를 인증하는 단계
    를 포함하는, 사용자 인증 방법.
  19. 제18항에 있어서,
    상기 복수 개의 생체 정보 각각에 대응하여 산출된 유사도에 기초하여 상기 사용자를 인증하는 단계는
    상기 환경 정보를 기초로, 상기 복수 개의 생체 정보 각각에 대응하여 산출된 유사도 별로 서로 다른 가중치를 부여하는 단계; 및
    상기 서로 다른 가중치가 부여된 유사도에 기초하여 상기 사용자를 인증하는 단계
    를 포함하는, 사용자 인증 방법.
  20. 하드웨어와 결합되어 제1항 내지 제19항 중 어느 하나의 항의 방법을 실행시키기 위하여 매체에 저장된 컴퓨터 프로그램.
  21. 사용자의 입력 영상을 촬영하는 적외선 센서;
    등록 특징 벡터들이 등록된 등록 데이터베이스를 포함하는 메모리; 및
    상기 입력 영상이 촬영된 환경 조건을 나타내는 제1 환경 정보를 획득하고, 상기 등록 특징 벡터들 중 상기 제1 환경 정보에 매칭되는 제2 환경 정보를 포함하는 제2 특징 벡터를 선택하며, 상기 입력 영상으로부터 추출된 제1 특징 벡터와 상기 제2 특징 벡터를 이용하여 상기 사용자를 인증하는 프로세서
    를 포함하는, 사용자 인증 장치.
  22. 적어도 하나의 사용자의 입력 영상을 획득하는 적어도 하나의 센서;
    복수 개의 생체 정보 각각에 대응하여 등록된 등록 특징 벡터들을 저장하는 등록 데이터베이스를 포함하는 메모리; 및
    상기 입력 영상으로부터 복수 개의 생체 정보를 추출하고, 상기 복수 개의 생체 정보 각각에 대응하는 제1 특징 벡터를 추출하고, 상기 복수 개의 생체 정보가 획득된 환경 조건을 나타내는 환경 정보를 획득하고, 상기 등록 특징 벡터들 중 상기 환경 정보에 매칭되는 적어도 하나의 환경 요소를 포함하는 제2 특징 벡터를 상기 복수 개의 생체 정보 각각에 대응하여 선택하며, 상기 복수 개의 생체 정보 각각에 대응하는 상기 제1 특징 벡터 및 상기 제2 특징 벡터를 이용하여 상기 사용자를 인증하는 프로세서
    를 포함하는, 사용자 인증 장치.
KR1020170084177A 2017-07-03 2017-07-03 적외선 영상을 이용한 사용자 인증 방법 및 장치 KR102288302B1 (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
KR1020170084177A KR102288302B1 (ko) 2017-07-03 2017-07-03 적외선 영상을 이용한 사용자 인증 방법 및 장치
US15/922,091 US10534901B2 (en) 2017-07-03 2018-03-15 User authentication method and apparatus using infrared ray (IR) image

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020170084177A KR102288302B1 (ko) 2017-07-03 2017-07-03 적외선 영상을 이용한 사용자 인증 방법 및 장치

Publications (2)

Publication Number Publication Date
KR20190004073A true KR20190004073A (ko) 2019-01-11
KR102288302B1 KR102288302B1 (ko) 2021-08-10

Family

ID=64734445

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020170084177A KR102288302B1 (ko) 2017-07-03 2017-07-03 적외선 영상을 이용한 사용자 인증 방법 및 장치

Country Status (2)

Country Link
US (1) US10534901B2 (ko)
KR (1) KR102288302B1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102590514B1 (ko) * 2022-10-28 2023-10-17 셀렉트스타 주식회사 레이블링에 사용될 데이터를 선택하기 위하여 데이터를 시각화 하는 방법, 이를 수행하는 서비스서버 및 컴퓨터-판독가능 매체

Families Citing this family (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP7210872B2 (ja) * 2017-07-19 2023-01-24 富士フイルムビジネスイノベーション株式会社 画像処理装置及び画像処理プログラム
US10726245B2 (en) * 2017-12-12 2020-07-28 Black Sesame International Holding Limited Secure facial authentication system using active infrared light source and RGB-IR sensor
CN108573038A (zh) * 2018-04-04 2018-09-25 北京市商汤科技开发有限公司 图像处理、身份验证方法、装置、电子设备和存储介质
JP7269711B2 (ja) * 2018-10-03 2023-05-09 株式会社日立製作所 生体認証システム、生体認証方法およびプログラム
KR20200056186A (ko) * 2018-11-14 2020-05-22 현대자동차주식회사 얼굴 인식 장치 및 방법
KR102570070B1 (ko) * 2018-12-27 2023-08-23 삼성전자주식회사 일반화된 사용자 모델을 이용한 사용자 인증 방법 및 장치
GB201905638D0 (en) * 2019-03-19 2019-06-05 Cirrus Logic Int Semiconductor Ltd Biometric processes, apparatus and machine-readable mediums
CN113496021A (zh) * 2020-03-20 2021-10-12 Oppo广东移动通信有限公司 隐私保护方法和装置、可穿戴设备、计算机可读存储介质
KR20220008035A (ko) * 2020-07-13 2022-01-20 삼성전자주식회사 위조 지문 검출 방법 및 장치
US20230198983A1 (en) * 2021-12-02 2023-06-22 Ford Global Technologies, Llc Enhanced biometric authorization
US11912234B2 (en) 2021-12-02 2024-02-27 Ford Global Technologies, Llc Enhanced biometric authorization

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2009053842A (ja) * 2007-08-24 2009-03-12 Aruze Corp 画像処理装置
KR20100074580A (ko) * 2008-12-24 2010-07-02 주식회사 미래인식 얼굴 인식을 이용한 사용자 인증 시스템 및 얼굴 인식을 이용한 사용자 인증 방법
KR20160017941A (ko) * 2014-08-07 2016-02-17 삼성전자주식회사 지문 및 심전도 신호를 이용한 사용자 인증 방법 및 장치
WO2017004464A1 (en) * 2015-06-30 2017-01-05 Nec Corporation Of America Facial recognition system
KR20170061891A (ko) * 2015-11-27 2017-06-07 주식회사 슈프리마 지문 템플릿 관리 방법 및 지문 템플릿 관리 방법을 이용한 지문 인증 장치

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2006006533A1 (ja) 2004-07-13 2006-01-19 National University Corporation Hokkaido University 個人認証システム、個人認証方法、個人認証用プログラムおよび記録媒体
EP2169585A4 (en) 2007-07-11 2012-06-06 Fujitsu Ltd DEVICE, SYSTEM, PROGRAM AND METHOD FOR AUTHENTICATION ASSESSMENT
EP2614343B1 (en) 2010-09-10 2016-07-20 Sony Mobile Communications AB Method and device
US9020207B2 (en) 2011-06-07 2015-04-28 Accenture Global Services Limited Biometric authentication technology
KR101915182B1 (ko) 2012-03-19 2019-01-08 충남대학교산학협력단 환경 변화에 강건한 인식을 위한 인지정보처리 플랫폼
KR101859761B1 (ko) 2012-05-24 2018-05-21 현대모비스 주식회사 차량용 얼굴인증 장치 및 방법
JP6075277B2 (ja) 2013-12-04 2017-02-08 オムロンヘルスケア株式会社 ユーザ認証システム
KR101632912B1 (ko) 2014-09-26 2016-06-24 창신정보통신(주) 지문 인식을 이용한 사용자 인증 방법
KR102299819B1 (ko) 2014-12-30 2021-09-08 삼성전자주식회사 생체 신호를 이용한 사용자 인증 방법 및 장치
KR101673161B1 (ko) 2015-04-08 2016-11-07 주식회사 나르테크놀로지 주위 환경에 강건한 지정맥 패턴인식에 의한 차량용 사용자 인증시스템 및 그 인증 방법

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2009053842A (ja) * 2007-08-24 2009-03-12 Aruze Corp 画像処理装置
KR20100074580A (ko) * 2008-12-24 2010-07-02 주식회사 미래인식 얼굴 인식을 이용한 사용자 인증 시스템 및 얼굴 인식을 이용한 사용자 인증 방법
KR20160017941A (ko) * 2014-08-07 2016-02-17 삼성전자주식회사 지문 및 심전도 신호를 이용한 사용자 인증 방법 및 장치
WO2017004464A1 (en) * 2015-06-30 2017-01-05 Nec Corporation Of America Facial recognition system
KR20170061891A (ko) * 2015-11-27 2017-06-07 주식회사 슈프리마 지문 템플릿 관리 방법 및 지문 템플릿 관리 방법을 이용한 지문 인증 장치

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102590514B1 (ko) * 2022-10-28 2023-10-17 셀렉트스타 주식회사 레이블링에 사용될 데이터를 선택하기 위하여 데이터를 시각화 하는 방법, 이를 수행하는 서비스서버 및 컴퓨터-판독가능 매체

Also Published As

Publication number Publication date
US20190005217A1 (en) 2019-01-03
KR102288302B1 (ko) 2021-08-10
US10534901B2 (en) 2020-01-14

Similar Documents

Publication Publication Date Title
KR102288302B1 (ko) 적외선 영상을 이용한 사용자 인증 방법 및 장치
US11288504B2 (en) Iris liveness detection for mobile devices
US9602783B2 (en) Image recognition method and camera system
US11908238B2 (en) Methods and systems for facial point-of-recognition (POR) provisioning
CN105095882B (zh) 手势识别的识别方法和装置
KR20190097640A (ko) 영상 정합 방법 및 장치
KR102214918B1 (ko) 얼굴 인식 방법 및 장치
KR20190053602A (ko) 얼굴 인증 방법 및 장치
KR102476758B1 (ko) 영상 정규화 장치 및 방법
US10922399B2 (en) Authentication verification using soft biometric traits
US11663853B2 (en) Iris authentication device, iris authentication method, and recording medium
JP2014507705A (ja) 顔登録の方法
KR102483650B1 (ko) 사용자 인증 장치 및 방법
CN112364827A (zh) 人脸识别方法、装置、计算机设备和存储介质
CN112446322B (zh) 眼球特征检测方法、装置、设备及计算机可读存储介质
KR20180068097A (ko) 사용자 인식 장치 및 방법
KR102160128B1 (ko) 인공지능 기반 스마트 앨범 생성 방법 및 장치
CN110647782A (zh) 三维人脸重建与多姿态人脸识别方法及装置
CN112101479B (zh) 一种发型识别方法及装置
Ibikunle et al. Face recognition using line edge mapping approach
WO2022000334A1 (zh) 生物特征识别方法、装置、设备及存储介质
CN113947781A (zh) 一种走失儿童识别方法、系统、终端设备及存储介质
Powar et al. Reliable face detection in varying illumination and complex background
TW202111602A (zh) 生物特徵資料庫的建立方法、臉部識別方法與系統
KR101802061B1 (ko) 얼굴 시공간 특징에 기반한 자동 생체 인증 방법 및 시스템

Legal Events

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