KR20190022654A - 홍채 인식을 위한 이미지 처리 방법 및 시스템 - Google Patents

홍채 인식을 위한 이미지 처리 방법 및 시스템 Download PDF

Info

Publication number
KR20190022654A
KR20190022654A KR1020197001687A KR20197001687A KR20190022654A KR 20190022654 A KR20190022654 A KR 20190022654A KR 1020197001687 A KR1020197001687 A KR 1020197001687A KR 20197001687 A KR20197001687 A KR 20197001687A KR 20190022654 A KR20190022654 A KR 20190022654A
Authority
KR
South Korea
Prior art keywords
image
iris
regions
region
probe
Prior art date
Application number
KR1020197001687A
Other languages
English (en)
Inventor
이스트반 안도르코
피터 콜코란
알렉산드루 드림바린
Original Assignee
포토내이션 리미티드
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 포토내이션 리미티드 filed Critical 포토내이션 리미티드
Publication of KR20190022654A publication Critical patent/KR20190022654A/ko

Links

Images

Classifications

    • G06K9/00604—
    • 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
    • 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
    • G06V10/141—Control of illumination
    • G06K9/00617—
    • G06K9/2027—
    • G06K9/4604—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
    • G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
    • G06T7/337—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods involving reference images or patches
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
    • G06T7/74—Determining position or orientation of objects or cameras using feature-based methods involving reference images or patches
    • 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
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • 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
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/20—Cameras or camera modules comprising electronic image sensors; Control thereof for generating image signals from infrared radiation only
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Ophthalmology & Optometry (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Computer Interaction (AREA)
  • Health & Medical Sciences (AREA)
  • Signal Processing (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
  • Collating Specific Patterns (AREA)

Abstract

미리 결정된 대상의 홍채 인식을 위한 이미지 처리 방법은, 이미지 센서를 통해, 적외선(IR) 조명 소스에 의해 조명된 프로브 이미지를 획득하는 단계를 포함하며, 여기서 프로브 이미지는 하나 이상의 눈 영역을 포함하고, 이미지의 피부 부분들이 포화될 때까지 과다 노출된다. 하나 이상의 홍채 영역이 상기 프로브 이미지의 하나 이상의 눈 영역 내에서 식별되고; 식별된 홍채 영역은 그것이 미리 결정된 대상에 속하는지를 검출하기 위해 분석된다.

Description

홍채 인식을 위한 이미지 처리 방법 및 시스템
본 발명은 홍채 인식을 위한 이미지 처리 방법 및 시스템에 관한 것이다.
홍채는 눈의 어두운 내부 동공 영역을 둘러싸며, 눈의 흰 공막까지 동심으로 연장된다.
문헌[A. K. Jain, A. Ross, and S. Prabhakar, "An introduction to biometric recognition," IEEE Trans. Circuits Syst. Video Technol., vol. 14, 2004]은 눈의 홍채가 거의 이상적인 생체임을 개시하고 있다.
인식을 위해, 홍채 영역의 이미지가 전형적으로 적외선(IR) 조명을 사용하여 기본 홍채 패턴의 주요 특징들을 끌어내는 이미징 시스템에서 획득된다. 홍채 패턴은 홍채 코드를 생성하기 위해 처리될 수 있는, 홍채 영역 내에서 눈에 띄는 그레이-스케일/휘도 패턴이다. 홍채 패턴은 극좌표들의 면에서 정의될 수 있으며, 이들은 전형적으로 기본 홍채 코드를 추출하기 위해 분석 전에 직교 좌표들로 변환된다.
강한 태양광은 대상(subject)의 안면 상의 그림자들 및/또는 홍채로부터 반사되는 광 패턴들 때문에 홍채 인식 시스템의 성능에 영향을 미쳐서, 현저한 성능 저하를 유발할 수 있다.
또한, 사기의 목적으로, 사람 자체 대신에, 사진, 인공물 또는 모니터에 표시된 이미지들과 같은, 인식될 사람의 홍채 영역을 포함하는 대체 이미지들이 홍채 인식 시스템에 제시될 수 있다는 것이 알려져 있다 - 이것은 일반적으로 스푸핑(spoofing)으로 지칭된다.
본 발명의 제1 태양에 따르면, 제1항에 따른 홍채 인식을 위한 이미지 처리 방법이 제공된다.
제2 태양에 따르면, 제17항에 따른 살아 있음 홍채 인식을 위한 이미지 처리 방법이 제공된다.
제18항에 따른 홍채 인식을 위한 이미지 처리 시스템 및 제19항에 따른 컴퓨터 프로그램 제품이 또한 제공된다.
실시예들은 IR 광이 살아 있는 대상의 안면의 피부로부터와는 상이한 방식으로 인간의 눈으로부터 반사된다는 관찰에 기초한다. 반사의 차이는 이미지 내의 눈 영역이 이미지 피부 부분들이 포화될 때 여전히 검출될 수 있게 한다.
피부 부분들이 포화되도록 과다 노출된 이미지에서 홍채 영역들이 검출될 수 있다는 사실은 인식 중인 대상의 살아 있음을 나타내며, 이에 따라 방법은 살아 있는 대상의 인증으로 진행할 수 있다. 이러한 방식으로, 실시예들은 가능한 강한 태양광 조건들에 비추어 개선될 뿐만 아니라, 강건한 살아 있음 검출을 제공한다.
특히, 노출 시간이 너무 길지 않는 한(그리고 이것이 일반적으로 강한 태양광 조건들에서 가능한 한), 이미지의 큰 부분들을 포화시키거나 실제로 그렇게 하기에 충분히 오랫동안 이미지를 노출시키는 것이 바람직하지 않은 정상 노출 이미지로 이미지 획득을 수행하는 것에 비해, 홍채 디테일들이 과다 노출 이미지 내에서 더 쉽게 검출될 수 있다.
따라서, 과다 노출 기준 이미지(reference image)로부터 등록 스테이지 동안 홍채 영역을 획득하고 이를 그 다음의 인증 스테이지에서 사용하는 것은, 특히 강한 태양광의 경우에, 전체 홍채 인식 프로세스의 정확성 및 신뢰성을 개선한다.
일 실시예에 따르면, 인증은 2가지 동작 모드, 즉 정상 광 조건에서의 표준 동작을 위한 정상 광 모드와, 강한 주변 광 조건에 의해 영향을 받는 이미지들에 대하여 동작하기 위한 강한 광 모드 사이에서 전환될 수 있다.
따라서, 홍채 인식의 등록 스테이지는 정상 노출 기준 이미지 및 과다 노출 기준 이미지를 획득하는 것, 및 이들 기준 이미지의 홍채 영역들로부터 정보를 생성 및 저장하는 것을 포함할 수 있다.
프로세스의 인증 스테이지 동안, 주변 광이 임계치를 초과하지 않으면, 프로세스는 실질적으로 표준 모드에서 실행될 수 있으며, 여기서 정상 노출 프로브 이미지(probe image)의 홍채 영역들이 매칭 목적을 위해 정상 노출 기준 이미지로부터의 홍채 영역들에 대한 저장된 정보와 비교될 수 있다.
만약 그렇지 않으면, 프로세스는 강한 광 모드로 전환될 수 있으며, 여기서 과다 노출 프로브 이미지 인식의 홍채 영역들이 매칭 목적을 위해 과다 노출 기준 이미지로부터의 홍채 영역들에 대한 저장된 정보와 비교될 수 있다.
과다 노출 기준 이미지로부터 등록 스테이지 동안 홍채 영역을 획득하고 이를 그 다음의 인증 스테이지에서 사용하는 것은 강한 광 모드에서 동작하는 홍채 인식 프로세스의 정확성 및 신뢰성을 더욱 개선한다.
이제 첨부 도면을 참조하여 예로서 본 발명의 실시예들이 설명될 것이다.
도 1은 본 발명의 실시예에 따른 예시적인 이미지 처리 시스템을 개략적으로 예시한다.
도 2a 및 도 2b는 강한 태양광에 의해 영향을 받는 정상 노출 NIR 안면 이미지들을 예시한다.
도 3은 도 2b의 NIR 안면 이미지의 과다 노출 버전을 예시한다.
도 4 및 도 5는, 각각, 정상 노출 및 과다 노출로 획득된 홍채 이미지를 예시한다.
도 6 및 도 7은 예시적인 방법의, 각각, 등록 스테이지 및 인증 스테이지를 예시한다.
이제 도 1을 참조하면, 본 발명의 실시예에 따른 홍채 인식을 수행하기 위한 이미지 처리 시스템(10)이 도시되어 있다.
예를 들어 카메라, 스마트폰, 태블릿 등을 포함할 수 있는 시스템(10)은 전형적으로 운영 체제 소프트웨어뿐만 아니라 범용 애플리케이션 소프트웨어, 예를 들어 카메라 애플리케이션, 브라우저, 메시징, 이메일 또는 다른 앱들을 실행하는 중앙 처리 유닛(CPU)(24)을 포함한다. 운영 체제는 사용자가 시스템의 잠금을 해제하고 시스템에 설치된 애플리케이션에 액세스하기 위해서는 그 자신을 인증해야 하도록 설정될 수 있거나; 시스템에서 실행되는 개별 애플리케이션들은 사용자가 민감한 정보에 액세스하기 전에 그 자신을 인증하도록 사용자에게 요구할 수 있다.
시스템(10)은 렌즈 조립체(12), 이미지 센서(14), 및 시스템(10)에 의해 인식 및 인증될 미리 결정된 대상의 안면 이미지와 같은 이미지를 획득할 수 있는 적어도 하나의 IR 조명 소스(16)를 포함한다.
예를 들어 NIR LED일 수 있는 IR 조명 소스(16)는 IR 광, 바람직하게는 NIR 광(즉, 파장이 대략 700 내지 1000 nm인 광)으로 대상을 조명하도록 구성된다. 하나의 적합한 LED는 오스람(OSRAM)으로부터의 810 nm SFH 4780S LED를 포함한다. 일부 실시예들에서, 하나 초과의 조명 소스 또는 튜닝 가능한 조명 소스가 상이한 파장들의 IR 광을 방출하기 위해 이용될 수 있다.
렌즈(12)는 조명된 대상으로부터 반사된 IR 광을 센서(14) 상에 포커싱하도록 구성된다.
제1 예시적 렌즈 조립체(12)가 WO/2016/020147호(참조번호: FN-397)에 개시되어 있으며, 이는 주어진 물체로부터 필터의 중앙 및 주변 개구들을 통해 수신된 NIR 광, 및 물체로부터 중앙 개구를 통해 수신된 가시 광을 센서 표면 상에 동시에 포커싱하도록 배열된 복수의 렌즈 요소를 포함한다.
제2 예시적 렌즈 조립체(12)가 PCT/EP2016/052395호(참조번호: FN-452)에 개시되어 있으며, 이는 광축을 갖는 집광 렌즈 표면을 포함하고, 주어진 물체 거리로부터 수신된 IR 광을 이미지 센서 표면 상에 포커싱하도록 배열된다. 렌즈 조립체는 수집된 광을 광축을 가로지르는 축을 따라 반사하기 위한 제1 반사성 표면을 적어도 포함하며, 따라서 광축을 따른 광학 시스템의 길이가 렌즈 조립체의 초점 거리에 비해 감소된다.
제3 예시적 렌즈 조립체(12)가 PCT/EP2016/060941호(참조번호: FN-466)에 개시되어 있으며, 이는 이미지 센서 앞에 배열된 적어도 2개의 렌즈의 클러스터(cluster)를 포함하며, 이때 각각의 렌즈의 광축은 평행하게 이격된 관계에 있다. 각각의 렌즈는 각자의 화각을 제공하기 위해 고정 초점 및 상이한 구경을 갖는다. 가장 가까운 초점을 가진 렌즈가 가장 작은 구경을 갖고 가장 먼 초점을 가진 렌즈가 가장 큰 구경을 가지며, 따라서 획득 디바이스로부터 약 200 mm 내지 500 mm의 거리에 있는 대상들로부터 홍채 이미지들이 획득될 수 있다.
제4 예시적 렌즈 조립체(12)가 2016년 6월 17일자로 출원된 미국 특허 출원 제15/186,283호(참조번호: FN-477)에 개시되어 있으며, 이는 NIR 파장에 민감한 픽셀들을 포함한 픽셀들의 어레이를 포함하는 이미지 센서; 상이한 별개의 NIR 파장들을 갖는 광을 선택적으로 방출할 수 있는 적어도 하나의 NIR 광원; 및 상이한 별개의 NIR 파장들 중 하나의 조명하에서 센서로부터 이미지 정보를 획득하기 위해, 이미지 센서 및 적어도 하나의 NIR 광원에 동작 가능하게 접속된 프로세서를 포함한다. 렌즈 조립체는 총 트랙 길이가 4.7 mm 이하인 복수의 렌즈 요소를 포함하며, 각각의 렌즈 요소는 파장에 반비례하는 굴절률을 갖는 재료를 포함한다. 상이한 별개의 NIR 파장들은 물체 거리의 변화에 의해 유발되는 축 이미지 시프트를 조명 파장의 변화로 인한 축 이미지 시프트와 균형화하기 위해 렌즈 요소들을 위한 재료의 굴절률과 매칭된다.
이러한 렌즈 조립체들의 다른 변형들이 물론 가능하다.
바람직하게는, 센서(14)는 IR 파장에 민감한 픽셀들을 포함한 픽셀들의 어레이를 포함한다. 예를 들어, 센서(14)는 전용 IR 이미지 센서, 전통적인 타입의 RGB 타입 어레이 중 어느 하나를 포함할 수 있으며, 여기서 RGB 픽셀들의 고유 IR 감도는 가시 파장 이미지뿐만 아니라 IR 조명 소스(16)로 조명된 이미지 둘 모두를 획득하는 데 사용된다. 대안적으로, 센서(14)는 장면의 가시 및 IR 이미지들이 실질적으로 동시에 획득될 수 있는 RGBW(여기서 백색 픽셀들이 또한 IR에 민감함) 또는 RGB-IR 어레이(IR에만 민감한 픽셀들을 포함함)를 포함할 수 있다.
전형적으로, 이미지 센서(14)로부터 획득된 이미지는 CPU(24)에 의해 실행되는 애플리케이션 또는 시스템 버스(26)를 통해 이미지 센서(14) 및/또는 메모리(22)에 액세스하는 다른 전용 처리 블록에 의해 요구되는 바와 같이 메모리(22)에 기입된다.
실시예에서, 시스템(10)은 획득된 이미지 내에서 안면 영역을 식별하고, 주어진 안면 영역 내에서, 하나 이상의 눈 영역을, 그리고 그러한 눈 영역들 내에서 홍채 영역들을 식별하기 위한 전용 안면/눈/홍채 검출기(18)를 추가로 포함한다. 이러한 기능은 CPU(24)에 의해 실행되는 소프트웨어로 동등하게 구현될 수 있다.
실시간 안면 검출이 대부분의 디지털 이미징 디바이스들의 표준 특징이 되었으며, 예를 들어 WO2008/018887호(참조번호: FN-143)에 개시된 바와 같이, 획득된 이미지 내에서 그러한 영역들을 식별하기 위한 많은 기술이 있다. 또한, 대부분의 카메라 및 스마트폰이 또한 다양한 안면 특징들의 실시간 검출을 지원하고 '눈 깜박임' 및 '미소'와 같은 특정 패턴들을 식별할 수 있으며, 따라서 예를 들어 WO2007/106117호(참조번호: FN-149)에 개시된 바와 같이 장면 내의 대상들이 깜박거리거나 미소 짓는 것이 아니라 초점이 맞는 것을 보장하도록 주요 이미지 획득의 타이밍이 조정될 수 있다. 그러한 기능이 이미지 처리 디바이스에서 이용 가능한 경우, 안면 영역들을 그리고 그러한 안면 영역들 내에서 눈 영역들을 검출 및 추적하는 것은 추가적인 오버헤드를 부과하지 않으며, 따라서 이 정보는 시스템(10)에 의해 획득되는 이미지들의 스트림에 대해 연속적으로 이용 가능하다.
홍채 영역은 식별된 눈 영역으로부터 추출되고, 유효한 홍채 패턴이 검출 가능한지를 확인하기 위해 더 상세한 분석이 수행될 수 있다. 문헌[J. Daugman, "New methods in iris recognition," IEEE Trans. Syst. Man. Cybern. B. Cybern., vol. 37, pp. 1167-1175, 2007]은 홍채 및 눈 동공의 정확한 형상을 결정하는 데 이용될 수 있는 다양한 추가적인 개선들을 개시한다. 홍채를 극좌표계로부터 직교 좌표계로 변환하는 것이 또한 일반적인 관행이지만, 이는 필요한 것은 아니다.
따라서, 검출기(18)의 출력은 획득된 이미지 내에서 식별된 하나 이상의 홍채 영역을 포함한다.
식별된 하나 이상의 홍채 영역에 대한 데이터는 시스템 메모리(22) 및/또는 시스템(10)에 속하거나 그와는 분리된 보안 메모리 또는 데이터베이스와 같은 다른 메모리에 저장될 수 있다.
획득된 이미지 내에서 식별된 홍채 영역은 생체 인증 유닛(BAU)(20)에 대한 입력으로서 사용될 수 있다. BAU(20)는 수신된 홍채 영역들이 미리 결정된 대상에 속하는지를 검출하기 위해 그들을 분석하도록 구성된다.
바람직하게는, BAU(20)는 수신된 홍채 영역으로부터 홍채 코드를 추출하도록 구성되며, 그것은 이 코드를 메모리(22) 및/또는 시스템(10)에 속하거나 그와는 분리된 다른 메모리 또는 데이터베이스에 저장할 수 있다.
또한, BAU(20)는 바람직하게는 수신된 하나 이상의 홍채 영역을, 메모리(22), BAU(20) 내의 보안 메모리, 또는 BAU(20)가 액세스 가능한 임의의 위치에 저장될 수 있는, 미리 결정된 대상과 관련된 기준 홍채 영역(들)과 비교하도록 구성된다.
홍채 코드 추출 및 홍채 영역들 간의 비교를 수행하기 위한 예시적인 방법이 WO2011/124512호(참조번호: FN-458)에 개시되어 있으며, 이는 마스터 마스크를 사용하여 2개의 이미지 템플릿 간의 비교를 행하여 템플릿들로부터 대응하는 코드들을 선택하는 것을 포함한다. 마스터 마스크는 매칭 프로세스로부터 블록들을 배제하고/하거나, 블록들을 그들의 알려진 또는 예상되는 신뢰성에 따라 가중화한다.
이제 도 6 및 도 7을 참조하면, 실시예의 시스템은 도 6에 예시된 등록 스테이지 및 도 7에 예시된 인증 스테이지의, 2 스테이지로 동작한다. 각각의 스테이지는 운영 체제 소프트웨어 또는 애플리케이션 소프트웨어로 구현될 수 있거나, 변경된 BAU(20)와 같은 전용 하드웨어 모듈 내에서 구현될 수 있다. 스테이지가 CPU 상에서 실행되는 소프트웨어에 의해 구동되는 경우, 소프트웨어는 BAU(20) 또는 검출기(18)와 같은 전용 처리 모듈들의 기능을 그들 각각의 API를 통해 이용할 수 있다.
어떤 경우든, 등록 스테이지는 사용자가 그들이 전체 시스템 또는 시스템 상에서 실행 중인 주어진 애플리케이션을 홍채 인식에 기초하여 보호하기를 원한다고 표시할 때 시작된다.
단계 99에서, 정상 노출 시간(TRN)으로의 기준 이미지의 획득으로 등록이 시작된다(정상 노출 기준 이미지로부터의 예시적인 눈 영역(56)이 도 4에 예시되어 있다). 전형적으로, TRN은 획득된 이미지 내의 최소 수의 픽셀만이 이미지 내의 적합한 콘트라스트를 보장하도록 포화되는 것을 보장하기에 충분히 길다. 분명히, 단계 99는 대상이 초점이 맞도록 카메라로부터 적합한 거리에서 눈 영역을 포함하는 안면이 이미징될 때까지 요구되는 것만큼 많은 이미지의 획득을 포함할 수 있으며, 여기서 대상 모션 및 카메라 모션은 대상에 대해 홍채 코드가 추출되는 것을 가능하게 하기 위해 충분히 선명한 디테일로 눈 영역이 홍채 영역(52)을 포함하도록 제한된다.
따라서, 획득된 기준 이미지가 선명한 것을 보장하기 위해 가능한 한 짧은 노출 시간(TRN)으로 기준 이미지를 획득하는 것이 바람직하다는 것을 알 것이다.
획득된 기준 이미지가 적합한지를 테스트하기 위해, 등록 스테이지는 예를 들어 모듈(18)을 사용하여 정상 노출 기준 이미지(56)로부터 적어도 하나의 홍채 영역(52)을 추출하는 단계(단계 105), 및 BAU(20)를 사용하여, 추출된 홍채 영역(들)에 대한 홍채 정보를 생성 및 저장하는 단계(단계 106)를 추가로 포함할 수 있다. 홍채 코드가 성공적으로 추출 및 저장되면, 이 프로세스는 중지될 수 있고, 그렇지 않으면, 기준 이미지로부터 홍채 정보를 추출 및 저장하려고 시도하기 위해 추가적인 후보 기준 이미지가 획득될 수 있다.
프로세스는 이미징된 안면의 피부 부분들이 포화된 제2 기준 이미지를 획득함으로써 계속된다(단계 100). 실시예에서, 단계 100은 다음을 포함한다:
- 기준 이미지에 대한 피부 맵을 도출하는 단계(단계 100a). 눈, 모발, 입 또는 배경과 비교하여, 피부를 포함하는 안면 이미지의 영역들을 식별하기 위한 많은 기술이 있다. 이들 중 일부는 도 4에 도시된 바와 같은 강도 이미지(intensity image)에 대해 패턴 인식을 수행하는 것을 포함할 수 있는 반면, 다른 것들은 이것이 이용 가능한 경우 - 예를 들어, RGB-IR 또는 RGBW 이미지 센서(14)가 이용되는 경우 - IR 강도 이미지의 컬러 버전에 대해 동작할 수 있다. 획득 중에 이미지의 피부 맵을 도출하는 예가 미국 제2003/0179911호에 개시되어 있으며, 여기서 이미지는 영역들로 분할되고, 이들 각각은 실질적으로 균질한 컬러를 갖고; 특히, 주로 피부 컬러를 갖는 영역들이 매핑된다;
- 도출된 피부 맵에 기초하여, 노출 시간(TRO) - TRN보다 크고, 그러한 노출 시간 동안 캡처된 이미지 내의 피부 영역들이 포화되는 것을 보장하기에 충분함 - 이 도출되는 단계(단계 100b). TRO를 결정하기 위한 많은 가능한 접근법이 있는데, 예를 들어:
TRO = TRN * K이며
여기서 K는 검출된 피부 픽셀들 중 최저 강도 값(IL)에 대한 픽셀 포화 레벨 값(8 비트 픽셀에 대해 255)의 비율이다. 다른 한편으로는, 계산에 과도하게 영향을 미치는 이상치들을 방지하기 위해, IL은 n% 최소 휘도 피부 픽셀들에 대한 최대 강도 레벨로서 선택될 수 있으며, 여기서 n은 5 내지 25%이다. 다른 변형들에서, IL은 기준 이미지 내의 피부 픽셀들의 평균 또는 모달(modal) 강도들의 함수로서 선택될 수 있으며, 실제로 추가의 변형들에서 TRO는 TRN과는 독립적으로 결정될 수 있다. 그럼에도 불구하고, TRO는 TRN보다 길어야 하지만, 그것이 그러한 노출 시간 동안 캡처된 이미지에 과도한 카메라 또는 대상 모션 블러가 가해지게 할 정도로 길도록 선택되지 않는 것이 중요하다. 이러한 이유로, 등록은 바람직하게는 양호하게 조명된 환경에서 수행되어야 하고/하거나, 조명 소스(16)는 TRO가 과도할 필요가 없는 것을 보장하기에 충분해야 한다; 및
- TRO 동안 과다 노출 기준 이미지를 획득하는 단계(단계 100c). 그러한 과다 노출 이미지에 대한 예시적인 눈 영역(46)이 도 5에 도시되어 있다. 여기서, 눈을 둘러싸는 피부 영역(41)이 대부분 포화되지만(백색), 또한 과다 노출 이미지(46)로부터 획득된 홍채 영역(42)의 디테일들이 도 4에 도시된 바와 같은 정상 노출 이미지에 비해 더 가시적이고 쉽게 검출 가능하다는 것을 알 것이다. 도 6에 나타난 바와 같이, TRO를 충분히 양호하게 선택하지 않는 어느 이유들 때문이라면, 즉 가능하게는 대상 조건들의 변화로 인해, 너무 길고 따라서 블러를 유발하거나, 너무 짧고 피부 픽셀들을 충분히 포화시키지 않는다면, 단계 101a 내지 단계 101c가 상이한 노출 시간들을 갖고서 반복될 수 있다.
이어서 프로세스는 단계 100에서 획득된 과다 노출 이미지(46) 내의 눈 영역이 검출될 수 있는지를 검출하는 단계 101로 계속된다.
검출될 수 있다면, 그것은 획득된 눈 영역이 살아 있는 대상에 속한다는 것을 나타내며, 등록 스테이지는 단계 102 및 단계 103의 실행으로 진행할 수 있다.
검출될 수 없다면, 가장 가능성 있는 이유는 사용자가 복제 안면 이미지를 카메라에 제시하였고 이미지의 피부 영역들뿐만 아니라 눈 영역들도 포화되었기 때문이다.
IR 광, 특히 NIR은 인간의 눈으로부터 그리고 살아 있는 사람의 안면의 피부로부터 상이한 방식으로 반사된다는 것을 인식할 것이다.
반사의 차이는 IR 광에 의해(바람직하게는, NIR 광원(16)에 의해) 조명되는 동안 획득되는 이미지가 그의 눈 영역은 포화되지 않는 반면에 그의 피부 부분의 포화 때까지 과다 노출될 수 있게 한다.
예를 들어, 도 3은 그의 피부 부분들(31)이 포화될 때까지 과다 노출된 획득된 NIR 이미지(36)를 예시하며, 여기서 비포화된 눈 영역들(30)이 주위의 포화된 피부 부분들(31)과는 대조적으로 어떻게 관찰 가능하고 검출 가능한 상태로 남아 있는지가 명백하다.
도 3과 도 2b(정상 노출로 획득되고 강한 태양광에 의해 영향을 받은 NIR 이미지를 예시함)를 비교하면, 도 3에 예시된 홍채 영역들(32)이 도 2b에 예시된 홍채 영역들(32)에 비해 어떻게 더 쉽게 식별 가능하고 검출 가능한지가 또한 명백하다. 이는 피부 부분들(31)의 포화가 눈 영역들(30)에 영향을 미치는, 도 2a 및 도 2b에서 볼 수 있는 안면 그림자들(33)과 같은, 태양광 영향의 감소를 유발하기 때문이다.
이러한 방식으로, 과다 노출 이미지(36)의 획득은, 특히 강한 태양광의 경우에, 식별된 홍채 영역들(32)의 홍채 인식을 개선한다.
다른 한편으로는, 복제 안면 이미지들로부터의 눈 영역들은 피부 영역들과 정확히 동일한 방식으로 포화되는 경향이 있을 것이고, 따라서 시간(TRO) 동안 과다 노출된 이미지에서, 그러한 영역들은 포화되는 경향이 있을 것이며, 따라서 전체 이미지가 워시 아웃(wash out)될 것이다. 그러한 이미지들의 정상 노출 버전들로부터의 눈 영역들은 생명이 없는 대상에 속하는 것으로 인식되고(단계 104), 이 단계에서 등록이 중단될 수 있다.
다른 한편으로는, 단계 105와 관련하여 앞서 설명된 바와 같이, 눈 영역이 과다 노출 이미지 내에서 식별될 수 있고 홍채 영역이 눈 영역 내에서 식별될 수 있는 경우(단계 102), 프로세스는 BAU(20)를 사용하여, 추출된 홍채 영역(들)에 대한 홍채 정보를 생성 및 저장함으로써 계속된다(단계 103).
따라서 요약하면, 등록 스테이지는 다음을 포함한다:
- IR 조명 소스(16)에 의해 조명된 미리 결정된 대상의 기준 이미지를 획득하는 단계(100) - 기준 이미지는 그의 피부 부분이 포화될 때까지 과다 노출됨 -;
- 획득된 과다 노출 기준 이미지 내에서 적어도 하나의 홍채 영역(42)을 식별하는 단계(102); 및
- 식별된 홍채 영역(42)에 대한 정보를 생성 및 저장하는 단계(103).
일단 등록이 완료되면, BAU(20)는 이상적으로는 대상의 과다 노출 눈 영역에 대한 홍채 정보 및, 원하는 경우, 대상의 정상 노출 눈 영역에 대한 홍채 정보를 가질 것이다. 상기에 나타난 바와 같이, 이러한 기준 정보는 메모리(22), BAU(20) 내의 보안 메모리, 또는 BAU(20)가 액세스 가능한 임의의 위치에 안전하게 저장될 수 있다.
그러나, 등록 동안의 주변 광 조건이 적합하지 않은 경우, 홍채 코드가 이미지로부터 추출될 수 없을 정도로 많은 블러를 유발함이 없이 피부 픽셀들을 포화시키기에 충분히 긴 노출 시간(TRO)으로 이미지를 획득하는 것이 가능하지 않을 수 있다는 것이 인식될 것이다. 이 경우에, 등록은 단지 정상 노출 기준 이미지에 기초하여 적어도 일시적으로 허용될 수 있거나, 사용자는 주변 광 조건이 적합할 때까지 등록을 연기하도록 요구될 수 있다.
이제 도 7을 참조하면, 인증 스테이지는 사용자가 시스템의 잠금을 해제하거나 시스템 상에서 실행되는 애플리케이션의 잠금을 해제하기를 원할 때 시작된다.
인증 스테이지는 노출 시간(TN) 동안 정상적으로 노출된 사용자의 프로브 이미지를 획득함으로써 시작된다(단계 198).
단계 199에서, 디바이스가 강한 태양광에서 동작하고 있는지 여부에 대해 결정이 이루어질 수 있다. 그렇게 하기 위한 한 가지 방법은 눈 주위의 영역들을 분석하는 것을 포함한다. 이미지가 실내에서 캡처되는 경우, 눈은 적절히 조명되며 따라서 이미지가 실내에서 캡처된 것으로 추정된다. 이미지가 실외에서 캡처된 경우, 도 2a 및 도 2b에 도시된 예들과 같이 눈 주위에 그림자들(33)이 존재한다. 그러한 그림자들(33)이 검출되는 경우, 눈 및 홍채 영역들을 검출하기 어렵게 만드는 것 외에도, 이미지가 강한 태양광에서 실외에서 획득된 것으로 추정된다. 추가로 또는 대안으로서 사용될 수 있는 다른 즉석 지시자는 TN이 극히 짧은지, 예를 들어 1/100 ms 미만인지이다 - 그렇게 극히 짧은 경우, 이는 디바이스가 양호한 조명의 실외 환경에서 동작되고 있음을 암시한다. 시각을 체크하는 것 - 오후 9시와 오전 6시 사이에 획득되는 이미지들은 강한 태양광에서 획득되고 있을 가능성이 없음 -, 또는 디바이스 위치를 체크하는 것과 같은 다른 지시자들이 또한 사용될 수 있다. 예를 들어, GPS 좌표들은 디바이스가 밝은 조건에서 밖에 위치하는지 또는 인공적으로 조명된 조건하에서 안에 위치하는지를 나타낼 수 있다. 다른 지시자들은 디바이스가 WiFi 신호에 접속되거나 그를 검출하는지를 테스트하는 것을 포함하며, WiFi 신호에 접속되거나 그를 검출하지 않는 경우 디바이스가 실외에 있을 가능성이 높다. 어떤 경우든, 디바이스가 외부에 또는 충분히 양호한 조명 조건에 위치하지 않는 경우, 이미지 내의 피부 픽셀들을 포화시키는 데 필요할 수 있는 증가된 시간이 너무 길어 획득된 이미지에서 모션 블러를 회피하지 못할 가능성이 높다.
이 경우에, 프로세스는 다음에 의해 정상적으로 진행한다:
- 단계 198에서 획득된 정상 노출 프로브 이미지 내에서 하나 이상의 홍채 영역을 식별함(206); 및
- 식별된 홍채 영역들이 미리 결정된 대상에 속하는지를 검출하기 위해 그들을 분석함(207). 이 경우에, 단계 105, 단계 106이 등록 스테이지에서 이용된 경우, 대상에 대한 정상 노출 기준 이미지로부터의 홍채 정보가 단계 198에서 획득된 정상 노출 이미지의 홍채 영역(들)을 인증하는 데 사용될 수 있다. 이 인증이 성공적이면, 디바이스 또는 애플리케이션이 잠금 해제되고, 성공적이지 않으면, 프로세스는 사용자에게 실패를 신호로 알리고 아마도 디바이스 또는 애플리케이션을 영구적으로 잠그기 전에 최대 제한 횟수만큼 단계 198로 되돌아 갈 수 있다.
다른 한편으로는, 단계 199에서 태양광이 검출되면, 인증 방법(200)은 단계 201 내지 단계 205의 실행으로 진행한다. 단계 201은 다음을 포함한다:
- 피부 맵을 도출하는 단계(단계 201a);
- 도출된 피부 맵에 기초하여, TN보다 큰 제2 노출 시간(TO)을 결정하는 단계(단계 201b); 및
- TO 동안 과다 노출 프로브 이미지를 획득하는 단계(단계 201c).
한 번 더, TO는 이미징된 안면 영역의 실질적으로 모든 피부 픽셀들이 포화 레벨에 도달하도록 다음과 같이 결정될 수 있다: TO = TN × K, 여기서 K는 전술한 단계 100b에서와 같이 계산된다.
한 번 더, 단계 201c에서 획득된 과다 노출 프로브 이미지는 그것이 홍채 인식에 적합한지, 그리고 시간(TO)이 도 6과 관련하여 설명된 바와 같이 단계 201a 내지 단계 201c를 반복함으로써 조정될 필요가 있는지를 결정하기 위해 체크될 수 있다.
일단 적합하게 과다 노출된 프로브 이미지가 획득되면, 프로세스는 단계 201에서 획득된 과다 노출 이미지(36)가 하나 이상의 눈 영역(30)을 포함하는지를 검출(단계 202)함으로써 계속된다.
하나 이상의 눈 영역을 포함하는 경우, 그것은 눈 영역들(30)이 단계 201에서 과다 노출 획득 동안 포화되지 않았다는 것을 의미하는데, 왜냐하면 그들이 포화된 피부 부분들(31)과는 상이하게 IR 광을 반사하였고 이러한 거동은 살아 있는 눈과 관련되기 때문이다.
따라서, 단계 202에서의 긍정적인 결정은 대상의 살아 있음의 인식에 대응하며, 방법(200)은 단계 206, 단계 207에서와 같이 살아 있는 대상의 인증에 대한 단계 203 및 단계 204로 진행할 수 있다. 그러나, 이 경우에, 등록 시에 단계 100c에서 획득된 과다 노출 프로브 이미지로부터의 홍채 정보가 단계 201c에서 획득된 과다 노출 이미지의 홍채 영역(들)을 인증하는 데 사용될 수 있다. 바람직하게는, 등록 동안 단계 103 및 단계 106에서 저장된 기준 홍채 영역들에 대한 저장된 정보는 홍채 코드를 포함하고, 단계 204 및 단계 207은 단계 203 및 단계 206에서 식별된 하나 이상의 홍채 영역으로부터 생성된 홍채 코드를 대응하는 저장된 홍채 코드와 비교하는 것을 포함한다.
단계 202에서의 부정적인 결정은 대상의 생명이 없음의 인식에 대신 대응하며 이는 인증이 중지되게 하고 디바이스 및/또는 애플리케이션 중 어느 하나가 잠기게 한다.
요약하면, 인증 스테이지는 다음을 포함한다:
- IR 조명 소스(16)에 의해 조명된 프로브 이미지를 이미지 센서(14)를 통해 획득하는 단계(201) - 프로브 이미지는 하나 이상의 눈 영역을 포함하고, 그의 피부 부분들이 포화될 때까지 과다 노출됨 -;
- 하나 이상의 눈 영역 내에서 하나 이상의 홍채 영역을 식별하는 단계; 및
- 하나 이상의 식별된 홍채 영역들이 미리 결정된 대상에 속하는지를 검출하기 위해 그들을 분석하는 단계.
충분히 강한 태양광 조건에서, 기준 이미지 또는 프로브 이미지 중 어느 하나를 획득할 때 IR 조명 소스(16)를 사용하여 대상을 적극적으로 조명하는 것이 필요하지 않을 수 있다는 것이 인식될 것이다. 그러한 조건에서, 등록 프로세스 또는 인증 프로세스 중 어느 하나는 요구되는 대로 대상을 노출시키기 위해 자연 태양광의 IR 성분에 의존할 수 있다. IR 조명 소스(16)가 사용될 필요가 없는지를 결정하기 위해 주변 조명 레벨이 홍채 노출을 위한 충분한 IR 성분을 제공하기에 충분히 높은지를 결정하는 것만이 필요할 수 있다. 그럼에도 불구하고, 눈이 태양광으로부터 차광된다면, 강한 태양광에서도 IR 조명 소스(16)를 활성화하는 것이 여전히 요구될 수 있다. 따라서, 방법은 맨 먼저 자연 태양광 단독에 의해 노출된 홍채 이미지를 획득하려고 시도하고, 이 이미지에서 눈이 차광되는 경우, 후속하여 IR 조명 소스(16)(및 주변 광)를 사용하여 노출된 홍채 이미지를 획득하는 것은 물론, 각각의 경우에 살아 있음을 테스트하는 것으로 확장될 수 있다.
전술한 방법들은 강한 태양광의 조건에서 홍채 인식을 개선할 뿐만 아니라 유리하게도 강건한 살아 있음 인식을 제공한다는 것이 인식될 것이다.

Claims (19)

  1. 미리 결정된 대상의 홍채 인식을 위한 이미지 처리 방법으로서,
    a) 이미지 센서를 통해, 적외선(IR) 조명 소스에 의해 조명된 프로브 이미지(probe image)를 획득하는 단계 - 상기 프로브 이미지는 하나 이상의 눈 영역을 포함하고, 상기 이미지의 피부 부분들이 포화될 때까지 과다 노출됨 -;
    b) 상기 프로브 이미지의 상기 하나 이상의 눈 영역 내에서 하나 이상의 홍채 영역을 식별하는 단계; 및
    c) 상기 하나 이상의 식별된 홍채 영역이 상기 미리 결정된 대상에 속하는지를 검출하기 위해 상기 하나 이상의 식별된 홍채 영역을 분석하는 단계
    를 포함하는, 이미지 처리 방법.
  2. 제1항에 있어서,
    상기 프로브 이미지에서 하나 이상의 홍채 영역을 식별하지 못하는 것에 응답하여, 상기 프로브 이미지를 살아 있지 않은 대상의 이미지를 포함하는 것으로 지정하는 단계를 포함하는, 이미지 처리 방법.
  3. 제1항에 있어서,
    - IR 조명 소스에 의해 조명된 상기 미리 결정된 대상의 기준 이미지(reference image) 내에서 제1 홍채 영역을 식별하고 - 상기 기준 이미지는 상기 기준 이미지의 피부 부분들이 포화될 때까지 과다 노출됨 -;
    - 상기 식별된 제1 홍채 영역에 대한 정보를 생성 및 저장함으로써
    상기 미리 결정된 대상을 등록하는 단계를 추가로 포함하는, 이미지 처리 방법.
  4. 제3항에 있어서, 상기 분석하는 단계는 상기 프로브 이미지가 상기 미리 결정된 대상의 것인지를 결정하기 위해 상기 제1 홍채 영역에 대한 상기 저장된 정보를 상기 프로브 이미지의 상기 하나 이상의 홍채 영역으로부터 생성된 정보와 비교하는 단계를 포함하는, 이미지 처리 방법.
  5. 제4항에 있어서,
    - 상기 저장된 정보는 제1 홍채 코드를 포함하고;
    - 상기 비교하는 단계는 상기 프로브 이미지 내에서 식별된 상기 하나 이상의 홍채 영역으로부터 생성된 홍채 코드를 상기 제1 홍채 코드와 비교하는 단계를 포함하는, 이미지 처리 방법.
  6. 제1항에 있어서, 임계치를 초과하는 주변 광에 응답하여 단계 a), 단계 b) 및 단계 c)를 수행하는 단계를 포함하는, 이미지 처리 방법.
  7. 제3항에 있어서,
    d) 정상 노출 프로브 이미지를 획득하는 단계 - 상기 정상 노출 프로브 이미지는 하나 이상의 눈 영역을 포함함 -;
    e) 상기 정상 노출 프로브 이미지의 상기 하나 이상의 눈 영역 내에서 하나 이상의 홍채 영역을 식별하는 단계; 및
    f) 상기 정상 노출 프로브 이미지 내의 상기 하나 이상의 식별된 홍채 영역이 상기 미리 결정된 대상에 속하는지를 검출하기 위해 상기 정상 노출 프로브 이미지 내의 상기 하나 이상의 식별된 홍채 영역을 분석하는 단계
    를 추가로 포함하는, 이미지 처리 방법.
  8. 제7항에 있어서, 임계치를 초과하지 않는 주변 광에 응답하여 단계 d), 단계 e) 및 단계 f)를 수행하는 단계를 포함하는, 이미지 처리 방법.
  9. 제7항에 있어서, 상기 미리 결정된 대상을 등록하는 단계는,
    - IR 조명 소스에 의해 조명된 상기 미리 결정된 대상의 정상 노출 기준 이미지로부터 제2 홍채 영역을 식별하는 단계; 및
    - 상기 식별된 제2 홍채 영역에 대한 정보를 생성 및 저장하는 단계
    를 추가로 포함하는, 이미지 처리 방법.
  10. 제9항에 있어서, 상기 분석하는 단계 f)는 상기 정상 노출 프로브 이미지가 상기 미리 결정된 대상의 것인지를 결정하기 위해 상기 제2 홍채 영역에 대한 상기 저장된 정보를 상기 정상 노출 프로브 이미지의 상기 하나 이상의 홍채 영역으로부터 생성된 정보와 비교하는 단계를 포함하는, 이미지 처리 방법.
  11. 제7항에 있어서, 상기 과다 노출 프로브 이미지에 대한 노출 시간을 상기 정상 노출 프로브 이미지에 대한 노출 시간의 함수로서 결정하는 단계를 포함하는, 이미지 처리 방법.
  12. 제11항에 있어서, 상기 노출 시간을 결정하는 단계는 상기 정상 노출 프로브 이미지 내에서 피부 픽셀들을 식별하는 단계 및 상기 과다 노출 프로브 이미지에 대한 상기 노출 시간을 상기 피부 픽셀들의 강도 값(intensity value)들의 함수로서 결정하는 단계를 포함하는, 이미지 처리 방법.
  13. 제9항에 있어서, 상기 과다 노출 기준 이미지에 대한 노출 시간을 상기 정상 노출 기준 이미지에 대한 노출 시간의 함수로서 결정하는 단계를 포함하는, 이미지 처리 방법.
  14. 제1항에 있어서, 상기 하나 이상의 홍채 영역을 식별하는 단계는 상기 프로브 이미지 내에서 하나 이상의 눈 영역을 검출하는 것에 응답하여 수행되는, 이미지 처리 방법.
  15. 제1항에 있어서, 상기 IR 조명 소스는 자연 태양광 또는 인공 광원 중 하나 이상을 포함하는, 이미지 처리 방법.
  16. 제15항에 있어서, 주변 광만으로 조명된 상기 대상의 이미지에서 검출된 눈 영역들의 차광(shading)의 정도를 결정하는 것에 응답하여 상기 인공 광원을 사용하는 단계를 포함하는, 이미지 처리 방법.
  17. 미리 결정된 대상의 홍채 인식을 위한 이미지 처리 방법으로서,
    a) IR 조명 소스에 의해 조명된 상기 미리 결정된 대상의 제1 기준 이미지로부터 제1 홍채 영역을 식별하는 단계 - 상기 제1 기준 이미지는 상기 기준 이미지의 피부 부분들이 포화될 때까지 과다 노출됨 -;
    b) 정상 노출 조건하에서 획득된 상기 미리 결정된 대상의 제2 기준 이미지로부터 제2 홍채 영역을 식별하는 단계; 및
    c) 상기 식별된 제1 및 제2 홍채 영역들에 대한 정보를 생성 및 저장하는 단계;
    임계치를 초과하는 주변 광에 응답하여,
    d) 이미지 센서를 통해, IR 조명 소스에 의해 조명된 이미지를 획득하는 단계 - 상기 이미지는 하나 이상의 눈 영역을 포함하고, 상기 이미지의 피부 부분들이 포화될 때까지 과다 노출됨 -;
    e) 상기 하나 이상의 눈 영역 내에서 하나 이상의 홍채 영역을 식별하는 단계;
    f) 단계 e)에서 식별된 상기 하나 이상의 홍채 영역을 상기 제1 홍채 영역과 비교하기 위해 상기 제1 홍채 영역에 대한 상기 저장된 정보를 사용하는 단계; 및
    g) 상기 비교에 기초하여, 단계 e)에서 식별된 상기 하나 이상의 홍채 영역이 상기 미리 결정된 대상에 속하는지를 검출하는 단계; 및
    임계치를 초과하지 않는 주변 광에 응답하여,
    h) 정상 노출 이미지를 획득하는 단계 - 상기 이미지는 하나 이상의 눈 영역을 포함함 -;
    i) 상기 하나 이상의 눈 영역 내에서 하나 이상의 홍채 영역을 식별하는 단계;
    j) 단계 i)에서 식별된 상기 하나 이상의 홍채 영역을 상기 제2 홍채 영역과 비교하기 위해 상기 제2 홍채 영역에 대한 상기 저장된 정보를 사용하는 단계; 및
    k) 상기 비교에 기초하여, 단계 i)에서 식별된 상기 하나 이상의 홍채 영역이 상기 미리 결정된 대상에 속하는지를 검출하는 단계
    를 포함하는, 이미지 처리 방법.
  18. 미리 결정된 대상의 홍채 인식을 위한 이미지 처리 시스템으로서,
    - 이미지를 획득하기 위한 이미지 센서 및 하나 이상의 IR 조명 소스를 적어도 포함하는 광학 장치; 및
    - 제1항의 단계들을 실행하도록 배열된 이미지 처리 수단
    을 포함하는, 이미지 처리 시스템.
  19. 이미지 처리 시스템 상에서 실행될 때, 제1항의 단계들을 수행하도록 구성된 명령어들이 저장된 컴퓨터 판독 가능 매체를 포함하는, 컴퓨터 프로그램 제품.
KR1020197001687A 2016-06-24 2017-04-05 홍채 인식을 위한 이미지 처리 방법 및 시스템 KR20190022654A (ko)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US15/192,186 2016-06-24
US15/192,186 US9940519B2 (en) 2016-06-24 2016-06-24 Image processing method and system for iris recognition
PCT/EP2017/058106 WO2017144733A1 (en) 2016-06-24 2017-04-05 Image processing method and system for iris recognition

Publications (1)

Publication Number Publication Date
KR20190022654A true KR20190022654A (ko) 2019-03-06

Family

ID=58530532

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020197001687A KR20190022654A (ko) 2016-06-24 2017-04-05 홍채 인식을 위한 이미지 처리 방법 및 시스템

Country Status (5)

Country Link
US (3) US9940519B2 (ko)
EP (1) EP3241154B1 (ko)
KR (1) KR20190022654A (ko)
CN (1) CN109661668B (ko)
WO (1) WO2017144733A1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102171018B1 (ko) * 2019-11-19 2020-10-28 주식회사 아이트 캡쳐 볼륨 공간 확보를 통한 안면 및 홍채 인식 방법 및 시스템

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10701277B2 (en) 2017-05-31 2020-06-30 Fotonation Limited Automatic exposure module for an image acquisition system
US10810773B2 (en) * 2017-06-14 2020-10-20 Dell Products, L.P. Headset display control based upon a user's pupil state
CN108090382A (zh) * 2017-12-29 2018-05-29 阿里巴巴集团控股有限公司 展现敏感信息的方法和装置
CN109002796B (zh) * 2018-07-16 2020-08-04 阿里巴巴集团控股有限公司 一种图像采集方法、装置和系统以及电子设备
US11627262B2 (en) 2019-11-04 2023-04-11 Fotonation Limited Handheld computing device
CN113032022B (zh) * 2021-02-26 2022-11-11 吉林建筑大学 设备控制方法及相关设备

Family Cites Families (29)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7512254B2 (en) * 2001-11-07 2009-03-31 Symbol Technologies, Inc. System and method for mobile biometric authentication
AUPP400998A0 (en) 1998-06-10 1998-07-02 Canon Kabushiki Kaisha Face detection in digital images
JP4469476B2 (ja) * 2000-08-09 2010-05-26 パナソニック株式会社 眼位置検出方法および眼位置検出装置
EP1600898B1 (en) * 2002-02-05 2018-10-17 Panasonic Intellectual Property Management Co., Ltd. Personal authentication method, personal authentication apparatus and image capturing device
WO2004042658A1 (ja) * 2002-11-07 2004-05-21 Matsushita Electric Industrial Co., Ltd. 個人認証方法、虹彩登録装置、虹彩認証装置および個人認証プログラム
US7315631B1 (en) 2006-08-11 2008-01-01 Fotonation Vision Limited Real-time face tracking in a digital image acquisition device
KR100729813B1 (ko) * 2006-01-20 2007-06-18 (주)자이리스 홍채 인증용 촬영장치, 홍채 인증용 촬영모듈 및 홍채인증용 촬영장치를 구비하는 단말기
US7551754B2 (en) 2006-02-24 2009-06-23 Fotonation Vision Limited Method and apparatus for selective rejection of digital images
US8014571B2 (en) * 2006-05-15 2011-09-06 Identix Incorporated Multimodal ocular biometric system
US8092021B1 (en) * 2007-01-26 2012-01-10 Aoptix Technologies, Inc. On-axis illumination for iris imaging
US20090234716A1 (en) * 2008-03-17 2009-09-17 Photometria, Inc. Method of monetizing online personal beauty product selections
US8514060B2 (en) * 2008-05-21 2013-08-20 Mitomo Corporation Wireless identification tag
WO2011046556A1 (en) * 2009-10-15 2011-04-21 Mmrb Holdings Llc Biometric identification system
US8577094B2 (en) 2010-04-09 2013-11-05 Donald Martin Monro Image template masking
US8878396B2 (en) 2010-07-20 2014-11-04 Emprimus, Llc Continuous uninterruptable AC grounding system for power system protection
US8848702B2 (en) 2011-02-19 2014-09-30 Cisco Technology, Inc. Automated transitioning between different communication protocols in a network
KR101182922B1 (ko) * 2011-11-08 2012-09-13 아이리텍 잉크 홍채이미지를 이용한 보안이 강화된 잠금장치
CN104507446A (zh) 2012-08-02 2015-04-08 莱雅公司 包含脂肪物质、非离子瓜尔胶、两性表面活性剂和非离子或阴离子表面活性剂和氧化剂的染色组合物、染色方法和合适的装置
US9412022B2 (en) * 2012-09-06 2016-08-09 Leonard Flom Iris identification system and method
US9836647B2 (en) * 2013-10-08 2017-12-05 Princeton Identity, Inc. Iris biometric recognition module and access control assembly
WO2015108904A1 (en) * 2014-01-14 2015-07-23 Delta ID Inc. Methods and apparatuses for controlling intensity of illumination in eye based biometric systems
WO2015127313A1 (en) * 2014-02-21 2015-08-27 Samsung Electronics Co., Ltd. Multi-band biometric camera system having iris color recognition
JP6417676B2 (ja) * 2014-03-06 2018-11-07 ソニー株式会社 情報処理装置、情報処理方法、アイウェア端末および認証システム
CN107111009B (zh) 2014-08-08 2019-11-08 快图有限公司 用于图像获取装置的光学系统、图像获取装置以及图像获取系统
US10425814B2 (en) * 2014-09-24 2019-09-24 Princeton Identity, Inc. Control of wireless communication device capability in a mobile device with a biometric key
CN107924042A (zh) 2015-02-27 2018-04-17 快图有限公司 用于图像采集设备的光学系统
CN104834908B (zh) * 2015-05-07 2018-09-07 惠州Tcl移动通信有限公司 一种移动终端基于眼纹识别的图像曝光方法及曝光系统
WO2016177914A1 (en) 2015-12-09 2016-11-10 Fotonation Limited Image acquisition system
US10212366B2 (en) 2016-06-17 2019-02-19 Fotonation Limited Iris image acquisition system

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102171018B1 (ko) * 2019-11-19 2020-10-28 주식회사 아이트 캡쳐 볼륨 공간 확보를 통한 안면 및 홍채 인식 방법 및 시스템

Also Published As

Publication number Publication date
US9940519B2 (en) 2018-04-10
US20170372136A1 (en) 2017-12-28
EP3241154A1 (en) 2017-11-08
WO2017144733A1 (en) 2017-08-31
US20200074174A1 (en) 2020-03-05
US20180225512A1 (en) 2018-08-09
EP3241154B1 (en) 2019-06-12
CN109661668B (zh) 2023-12-22
CN109661668A (zh) 2019-04-19
US10891479B2 (en) 2021-01-12
US10474894B2 (en) 2019-11-12

Similar Documents

Publication Publication Date Title
CN109661668B (zh) 用于虹膜识别的图像处理方法和系统
EP3270354B1 (en) Living body detection device, living body detection method, and recording medium
KR101286454B1 (ko) 눈 영상의 특성을 이용한 모조얼굴 식별장치 및 방법
US10742904B2 (en) Multispectral image processing system for face detection
JP6322986B2 (ja) 画像処理装置、画像処理方法および画像処理プログラム
US20090278922A1 (en) Image sensor with integrated region of interest calculation for iris capture, autofocus, and gain control
EP0989517A2 (en) Determining the position of eyes through detection of flashlight reflection and correcting defects in a captured frame
US11375133B2 (en) Automatic exposure module for an image acquisition system
JP2009512009A (ja) 広範囲の動作距離を有するアイトラッカー
CN111368780B (zh) 一种基于指纹和指静脉的联合识别处理方法及系统
US20120314918A1 (en) Foreign object determination device, foreign object determination method and foreign object determination program
CA2981536A1 (en) Multi-biometric authentication
JP2000139878A (ja) アイリスパターン認識装置
WO2005002441A1 (ja) 生体眼判定方法および生体眼判定装置
US11163994B2 (en) Method and device for determining iris recognition image, terminal apparatus, and storage medium
KR20220052828A (ko) 생체 인증 장치 및 생체 인증 방법
JP3848953B2 (ja) 生体眼判定方法および生体眼判定装置
RU97839U1 (ru) Устройство для получения изображений радужных оболочек глаз
JP4527088B2 (ja) 生体眼判定方法および生体眼判定装置
JP2018101289A (ja) 生体認証装置、生体認証システム、生体認証プログラム、及び生体認証方法
WO2021109458A1 (zh) 对象识别方法、装置、电子设备和可读存储介质
JP2017131446A (ja) 瞳孔検出装置、および瞳孔検出方法
JP2021150827A (ja) 画像処理装置及び画像処理プログラム
JP2019020907A (ja) 画像処理装置、画像処理方法、及び画像処理プログラム