KR20190133204A - 홍채 코드들의 축적 및 신뢰도 할당 - Google Patents
홍채 코드들의 축적 및 신뢰도 할당 Download PDFInfo
- Publication number
- KR20190133204A KR20190133204A KR1020197031320A KR20197031320A KR20190133204A KR 20190133204 A KR20190133204 A KR 20190133204A KR 1020197031320 A KR1020197031320 A KR 1020197031320A KR 20197031320 A KR20197031320 A KR 20197031320A KR 20190133204 A KR20190133204 A KR 20190133204A
- Authority
- KR
- South Korea
- Prior art keywords
- iris
- user
- code
- images
- iris code
- Prior art date
Links
- 238000009825 accumulation Methods 0.000 title 1
- 238000000034 method Methods 0.000 claims abstract description 54
- 238000009826 distribution Methods 0.000 claims abstract description 40
- 230000004044 response Effects 0.000 claims description 16
- 230000001419 dependent effect Effects 0.000 claims description 3
- 210000000554 iris Anatomy 0.000 description 434
- 210000001508 eye Anatomy 0.000 description 185
- 238000012545 processing Methods 0.000 description 50
- 230000000875 corresponding effect Effects 0.000 description 49
- 238000009877 rendering Methods 0.000 description 47
- 238000003384 imaging method Methods 0.000 description 35
- 210000001747 pupil Anatomy 0.000 description 32
- 230000003287 optical effect Effects 0.000 description 30
- 210000003128 head Anatomy 0.000 description 27
- 238000004891 communication Methods 0.000 description 23
- 230000008569 process Effects 0.000 description 21
- 230000006870 function Effects 0.000 description 20
- 210000000744 eyelid Anatomy 0.000 description 15
- 230000033001 locomotion Effects 0.000 description 13
- 238000004364 calculation method Methods 0.000 description 10
- 230000008859 change Effects 0.000 description 10
- 230000002093 peripheral effect Effects 0.000 description 10
- 239000013598 vector Substances 0.000 description 9
- 238000000605 extraction Methods 0.000 description 8
- 230000000007 visual effect Effects 0.000 description 8
- 238000004458 analytical method Methods 0.000 description 7
- 230000004424 eye movement Effects 0.000 description 7
- 238000005259 measurement Methods 0.000 description 7
- 238000012795 verification Methods 0.000 description 7
- 238000002347 injection Methods 0.000 description 6
- 239000007924 injection Substances 0.000 description 6
- 230000001976 improved effect Effects 0.000 description 5
- 238000007726 management method Methods 0.000 description 5
- 238000012419 revalidation Methods 0.000 description 5
- 238000003860 storage Methods 0.000 description 5
- 230000007423 decrease Effects 0.000 description 4
- 230000003993 interaction Effects 0.000 description 4
- 210000003715 limbic system Anatomy 0.000 description 4
- 239000000463 material Substances 0.000 description 4
- 238000012360 testing method Methods 0.000 description 4
- 230000005856 abnormality Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 3
- 210000004556 brain Anatomy 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 210000000720 eyelash Anatomy 0.000 description 3
- 210000003811 finger Anatomy 0.000 description 3
- 210000004247 hand Anatomy 0.000 description 3
- 230000036541 health Effects 0.000 description 3
- 238000007654 immersion Methods 0.000 description 3
- 238000013507 mapping Methods 0.000 description 3
- 230000007246 mechanism Effects 0.000 description 3
- 230000008447 perception Effects 0.000 description 3
- 230000035807 sensation Effects 0.000 description 3
- 230000008093 supporting effect Effects 0.000 description 3
- 238000013519 translation Methods 0.000 description 3
- 230000014616 translation Effects 0.000 description 3
- 206010019233 Headaches Diseases 0.000 description 2
- 208000003464 asthenopia Diseases 0.000 description 2
- 230000003190 augmentative effect Effects 0.000 description 2
- 210000004087 cornea Anatomy 0.000 description 2
- 230000002596 correlated effect Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 210000000613 ear canal Anatomy 0.000 description 2
- 238000003708 edge detection Methods 0.000 description 2
- 238000002570 electrooculography Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 231100000869 headache Toxicity 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 208000016339 iris pattern Diseases 0.000 description 2
- 230000004807 localization Effects 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 230000006855 networking Effects 0.000 description 2
- 230000000284 resting effect Effects 0.000 description 2
- 210000001525 retina Anatomy 0.000 description 2
- 210000003786 sclera Anatomy 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 238000000926 separation method Methods 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 239000004983 Polymer Dispersed Liquid Crystal Substances 0.000 description 1
- 230000002350 accommodative effect Effects 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 229910052782 aluminium Inorganic materials 0.000 description 1
- XAGFODPZIPBFFR-UHFFFAOYSA-N aluminium Chemical compound [Al] XAGFODPZIPBFFR-UHFFFAOYSA-N 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 210000000617 arm Anatomy 0.000 description 1
- 230000000712 assembly Effects 0.000 description 1
- 238000000429 assembly Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000003518 caustics Substances 0.000 description 1
- 238000005253 cladding Methods 0.000 description 1
- 230000001427 coherent effect Effects 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000001627 detrimental effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 210000000887 face Anatomy 0.000 description 1
- 230000001815 facial effect Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000007306 functionalization reaction Methods 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 238000002513 implantation Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000001795 light effect Effects 0.000 description 1
- 230000002197 limbic effect Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 229910052751 metal Inorganic materials 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 230000001617 migratory effect Effects 0.000 description 1
- 230000036651 mood Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 239000004033 plastic Substances 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000001902 propagating effect Effects 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000011514 reflex Effects 0.000 description 1
- 230000010076 replication Effects 0.000 description 1
- 230000004043 responsiveness Effects 0.000 description 1
- 230000002207 retinal effect Effects 0.000 description 1
- 238000005096 rolling process Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 230000015541 sensory perception of touch Effects 0.000 description 1
- 238000007493 shaping process Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 125000006850 spacer group Chemical group 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 230000000638 stimulation Effects 0.000 description 1
- 239000000758 substrate Substances 0.000 description 1
- 208000024891 symptom Diseases 0.000 description 1
- 210000003813 thumb Anatomy 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
- 238000010200 validation analysis Methods 0.000 description 1
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
- G02—OPTICS
- G02B—OPTICAL ELEMENTS, SYSTEMS OR APPARATUS
- G02B27/00—Optical systems or apparatus not provided for by any of the groups G02B1/00 - G02B26/00, G02B30/00
- G02B27/01—Head-up displays
- G02B27/017—Head mounted
-
- G—PHYSICS
- G02—OPTICS
- G02B—OPTICAL ELEMENTS, SYSTEMS OR APPARATUS
- G02B27/00—Optical systems or apparatus not provided for by any of the groups G02B1/00 - G02B26/00, G02B30/00
- G02B27/01—Head-up displays
- G02B27/017—Head mounted
- G02B27/0172—Head mounted characterised by optical 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
- G06F21/31—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
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
- G06F3/011—Arrangements for interaction with the human body, e.g. for user immersion in virtual reality
- G06F3/013—Eye tracking input arrangements
-
- G06K9/0061—
-
- G06K9/00617—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T19/00—Manipulating 3D models or images for computer graphics
- G06T19/006—Mixed reality
-
- 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
- G06V40/18—Eye characteristics, e.g. of the iris
- G06V40/197—Matching; Classification
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C9/00—Individual registration on entry or exit
- G07C9/30—Individual registration on entry or exit not involving the use of a pass
- G07C9/32—Individual registration on entry or exit not involving the use of a pass in combination with an identity check
- G07C9/37—Individual registration on entry or exit not involving the use of a pass in combination with an identity check using biometric data, e.g. fingerprints, iris scans or voice recognition
-
- G—PHYSICS
- G02—OPTICS
- G02B—OPTICAL ELEMENTS, SYSTEMS OR APPARATUS
- G02B27/00—Optical systems or apparatus not provided for by any of the groups G02B1/00 - G02B26/00, G02B30/00
- G02B27/01—Head-up displays
- G02B27/0101—Head-up displays characterised by optical features
- G02B2027/0138—Head-up displays characterised by optical features comprising image capture systems, e.g. camera
-
- G—PHYSICS
- G02—OPTICS
- G02B—OPTICAL ELEMENTS, SYSTEMS OR APPARATUS
- G02B27/00—Optical systems or apparatus not provided for by any of the groups G02B1/00 - G02B26/00, G02B30/00
- G02B27/01—Head-up displays
- G02B27/0101—Head-up displays characterised by optical features
- G02B2027/014—Head-up displays characterised by optical features comprising information/image processing systems
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Human Computer Interaction (AREA)
- General Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Ophthalmology & Optometry (AREA)
- General Health & Medical Sciences (AREA)
- Computer Security & Cryptography (AREA)
- Computer Hardware Design (AREA)
- Software Systems (AREA)
- Optics & Photonics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computer Graphics (AREA)
- User Interface Of Digital Computer (AREA)
- Collating Specific Patterns (AREA)
- Detergent Compositions (AREA)
- Image Input (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
홍채 인식과 관련된 시스템들 및 방법들이 개시된다. 홍채 이미지를 포착하도록 구성된 홍채 이미저, 및 프로세서를 포함하는 시스템이 개시되고, 프로세서는, 홍채 이미저로부터 제1 복수의 홍채 이미지들을 수신하고, 제1 복수의 홍채 이미지들에 대응하는 제1 복수의 홍채 코드들을 생성하고, 홍채 셀 위치에 대응하는 분포 메트릭을 생성하고, 분포 메트릭을 사용하여 제1 합성 홍채 코드를 생성하고, 제1 합성 홍채 코드 및 제1 저장된 홍채 코드를 사용하여 제1 매칭 값을 생성하도록 구성된다.
Description
[0001]
본 출원은 2017년 3월 24일에 출원된 미국 가출원 일련번호 제62/476,513호의 우선권 이익을 주장하며, 이로써 상기 가출원 각각은 그 전체가 인용에 의해 통합된다.
[0002]
개시된 예들은 일반적으로 액세스 제어 또는 아이덴티티(identity) 스크리닝(screening)에 사용되는 홍채 인식 시스템들뿐만 아니라 머리 장착 디스플레이 디바이스들을 포함하는 사용자 웨어러블 디바이스들에 통합된 시스템들을 포함하는 홍채 인식에 관한 것이다.
[0003]
인간 눈의 홍채는 일반적으로 개별 사용자에 대해 고유하고 영구적인 시각적 패턴을 나타내고, 시간에 걸쳐 일관되고, 신뢰 가능하게 이미징될 수 있다. 따라서 홍채 이미지 데이터의 인식 및 분석은 개별 사용자를 식별하기 위한 유리한 메커니즘일 수 있다. 인간 눈의 홍채를 인식하도록 설계된 시스템들은 보안 및 액세스 제어 애플리케이션들에 특히 유용하다. 이러한 시스템들은 많은 조건들 하에서 정확하고, 신뢰 가능하고 사용 가능한 이점이 있다. 따라서, 홍채 인식 시스템들은 예를 들어 이미지 포착 및 품질, 대상 상태, 배향 및 조명 조건들에서의 변동들에 견디며; 잘못된 허용들 및 잘못된 거부들의 낮은 레이트들을 실현하는 것을 포함하여 정확한 것이 바람직하다.
[0004]
홍채 인식을 수행하기 위한 디바이스들 및 방법들이 본원에 설명된다. 일부 예들에서, 홍채 이미지는, 예를 들어 시스템의 인간 사용자로부터 카메라에 의해 포착되고, 홍채 이미지("홍채 코드")의 비트단위 표현이 생성된다. 일부 예들에서, 홍채 코드는 공지된 방법들(예를 들어 필터링 기술들 또는 웨이블릿(wavelet) 기술들)을 사용하여 홍채 이미지를 정규화 및 셀들로 분할하여 그 셀 내의 홍채 구조에 대응하는 배향 데이터를 결정하고, 그 배향 데이터에 이진 표현을 할당함으로써 생성된다. 일부 예들에서, 생성된 홍채 코드의 가변 셀들이 식별 및 제외되어, 홍채 코드 비교들의 정확성을 조정 및 개선한다. 일부 예들에서, 생성된 홍채 코드들은 축적되고 "퍼지(fuzzy)" 홍채 코드 값들을 생성하기 위해 사용되는데; 이러한 퍼지 홍채 코드 값들에 다양한 통계적 방법들을 적용하는 것은 홍채 코드 비교들의 개선된 정확성을 도출할 수 있다.
[0005]
도 1은 개인에 의해 뷰잉되는(viewed) 가상 현실 객체들 및 물리적 객체들을 갖는 혼합 현실 시나리오를 도시한다.
[0006] 도 2는 웨어러블 시스템의 예를 도시한다.
[0007] 도 3은 웨어러블 시스템의 예시적인 컴포넌트들을 도시한다.
[0008] 도 4는 이미지 정보를 사용자에게 출력하기 위한 웨어러블 디바이스의 도파관 스택의 예를 도시한다.
[0009] 도 5는 눈의 예를 도시한다.
[0010] 도 5a는 눈의 눈 포즈(pose)를 결정하기 위한 예시적인 좌표계를 도시한다.
[0011] 도 6은 눈 추적 시스템을 포함하는 웨어러블 시스템을 도시한다.
[0012] 도 7은 홍채 인식 시스템의 예를 도시한다.
[0013] 도 8은 홍채 코드들을 비교하기 위한 예시적인 프로세스를 도시한다.
[0014] 도 9는 홍채 코드들을 축적 및 비교하기 위한 예시적인 프로세스를 도시한다.
[0015] 도 10a는 예시적인 이진 홍채 코드 및 예시적인 퍼지 홍채 코드를 도시한다.
[0016] 도 10b는 2개의 예시적인 퍼지 홍채 코드들을 도시한다.
[0017] 도 11은 임의의 휴대용 또는 비-휴대용 디바이스 내에 구현될 수 있는 시스템 아키텍처의 예를 예시한다.
[0006] 도 2는 웨어러블 시스템의 예를 도시한다.
[0007] 도 3은 웨어러블 시스템의 예시적인 컴포넌트들을 도시한다.
[0008] 도 4는 이미지 정보를 사용자에게 출력하기 위한 웨어러블 디바이스의 도파관 스택의 예를 도시한다.
[0009] 도 5는 눈의 예를 도시한다.
[0010] 도 5a는 눈의 눈 포즈(pose)를 결정하기 위한 예시적인 좌표계를 도시한다.
[0011] 도 6은 눈 추적 시스템을 포함하는 웨어러블 시스템을 도시한다.
[0012] 도 7은 홍채 인식 시스템의 예를 도시한다.
[0013] 도 8은 홍채 코드들을 비교하기 위한 예시적인 프로세스를 도시한다.
[0014] 도 9는 홍채 코드들을 축적 및 비교하기 위한 예시적인 프로세스를 도시한다.
[0015] 도 10a는 예시적인 이진 홍채 코드 및 예시적인 퍼지 홍채 코드를 도시한다.
[0016] 도 10b는 2개의 예시적인 퍼지 홍채 코드들을 도시한다.
[0017] 도 11은 임의의 휴대용 또는 비-휴대용 디바이스 내에 구현될 수 있는 시스템 아키텍처의 예를 예시한다.
웨어러블 시스템의 예시적인 3D 디스플레이
[0018]
웨어러블 시스템(본원에서는 또한 AR(augmented reality) 시스템으로 지칭됨)은 2D 또는 3D 가상 이미지들을 사용자에게 제시하도록 구성될 수 있다. 이미지들은 스틸 이미지들, 비디오의 프레임들, 또는 비디오, 이들의 조합 등일 수 있다. 웨어러블 시스템의 적어도 일부는 사용자 상호작용을 위해 VR(virtual reality), AR 또는 MR(mixed reality) 환경을 단독으로 또는 조합하여 제시할 수 있는 웨어러블 디바이스 상에서 구현될 수 있다. 웨어러블 디바이스는 ARD(AR device)로서 상호 교환 가능하게 사용될 수 있다. 또한, 본 개시의 목적상, 용어 "AR"은 용어 "MR"과 상호 교환 가능하게 사용된다.
[0019]
도 1은 일부 실시예들에 따라 개인에 의해 뷰잉되는 특정 VR 객체들 및 특정 물리적 객체들을 갖는 혼합 현실 시나리오의 예시를 도시한다. 도 1에서, MR 기술의 사용자가 배경에서 사람들, 나무들, 건물들을 특징화하는 실세계 공원형 설정(110) 및 콘크리트 플랫폼(120)을 보는 MR 장면(100)이 도시되어 있다. 이러한 항목들에 추가로, MR 기술의 사용자는 또한, 그들이 콘크리트 플랫폼(120) 위에 서있는 로봇 조각상(130), 및 호박벌의 의인화인 것으로 보이는 만화형 아바타 캐릭터(140)를 "본다"고 인지하지만, 이러한 엘리먼트들은 실세계에 존재하지 않는다.
[0020]
3D 디스플레이가 진정한 깊이 감각, 및 더 구체적으로는, 표면 깊이의 시뮬레이트된 감각을 생성하기 위해, 디스플레이의 시야에서의 각각의 포인트가 가상 깊이에 대응하는 원근조절 응답(accommodative response)을 생성하는 것이 바람직할 수 있다. 수렴 및 입체시의 양안 깊이 큐(cue)들에 의해 결정되는 바와 같이, 디스플레이 포인트에 대한 원근조절 응답이 그 포인트의 가상 깊이에 대응하지 않으면, 인간 눈은 원근조절 충돌을 경험하여 불안정한 이미징, 유해한 눈의 피로, 두통을 초래할 수 있고, 원근조절 정보가 없으면, 표면 깊이의 거의 완전한 결핍을 초래할 수 있다.
[0021]
VR, AR 및 MR 경험들은, 하나 이상의 깊이 평면들에 대응하는 이미지들이 뷰어에게 제공되는 디스플레이들을 갖는 디스플레이 시스템들에 의해 제공될 수 있다. 이미지들은 각각의 깊이 평면에 대해 상이할 수 있고(예를 들어, 장면 또는 객체의 약간 상이한 프리젠테이션들을 제공함), 뷰어의 눈들에 의해 개별적으로 포커싱될 수 있어서, 상이한 깊이 평면 상에 위치된 장면에 대한 상이한 이미지 특징부들을 포커싱하기 위해 요구되는 눈의 원근조절에 기초하여 또는 포커싱되지 않은 상이한 깊이 평면들 상의 상이한 이미지 특징부들을 관찰하는 것에 기초하여 깊이 큐들을 사용자에게 제공하는 것을 도울 수 있다. 본원의 다른 곳에 논의된 바와 같이, 이러한 깊이 큐들은 신뢰할 수 있는 깊이 인지들을 제공한다.
[0022]
도 2는 일부 실시예들에 따라 AR/VR/MR 장면을 제공하도록 구성될 수 있는 웨어러블 시스템(200)의 예를 예시한다. 웨어러블 시스템(200)은 또한 AR 시스템(200)으로 지칭될 수 있다. 웨어러블 시스템(200)은 디스플레이(220), 및 디스플레이(220)의 기능화를 지원하기 위한 다양한 기계식 및 전자식 모듈들 및 시스템들을 포함한다. 디스플레이(220)는 사용자, 착용자 또는 뷰어(210)에 의해 착용 가능한 프레임(230)에 커플링될 수 있다. 디스플레이(220)는 사용자(210)의 눈들 앞에 위치 설정될 수 있다. 디스플레이(220)는 AR/VR/MR 장면을 사용자(210)에게 제시할 수 있다. 디스플레이(220)는 사용자(210)의 머리 상에 착용된 HMD(head mounted display)를 포함할 수 있다.
[0023]
일부 실시예들에서, 스피커(240)는 프레임(230)에 커플링되고 사용자(210)의 외이도에 인접하게 위치 설정된다(일부 실시예들에서, 도시되지 않은 다른 스피커가 스테레오/성형가능 음향 제어를 제공하기 위해 사용자(210)의 다른 외이도에 인접하게 위치 설정된다). 디스플레이(220)는 환경으로부터 오디오 스트림을 검출하고 주변 음향을 캡처하기 위한 오디오 센서(예를 들어, 마이크로폰)(232)를 포함할 수 있다. 일부 실시예에서, 도시되지 않은 하나 이상의 다른 오디오 센서들이 스테레오 음향 수신을 제공하도록 위치 설정된다. 음원의 위치를 결정하기 위해 스테레오 음향 수신이 사용될 수 있다. 웨어러블 시스템(200)은 오디오 스트림에 대한 음성 또는 스피치 인식을 수행할 수 있다.
[0024]
웨어러블 시스템(200)은 사용자(210) 주위의 환경에서 세계를 관찰하는 외향 이미징 시스템(464)(도 4에 도시됨)을 포함할 수 있다. 웨어러블 시스템(200)은 또한 사용자(210)의 눈 움직임들을 추적할 수 있는 내향 이미징 시스템(462)(도 4에 도시됨)을 포함할 수 있다. 내향 이미징 시스템(462)은 어느 한 눈의 움직임들 또는 눈들 둘 모두의 움직임들을 추적할 수 있다. 내향 이미징 시스템(462)은 사용자(210)의 홍채들의 이미지들을 취하고, 사용자(210)의 홍채들의 이미지들은 홍채 이미지("홍채 코드")의 비트단위 표현을 생성하기 위해 사용될 수 있다. 내향 이미징 시스템(462)은 프레임(230)에 부착될 수 있고, 모듈들(260 또는 270)과 전기 통신할 수 있으며, 모듈들(260 또는 270)은 내향 이미징 시스템(462)에 의해 포착된 이미지 정보를 프로세싱하여, 예를 들어, 눈들의 동공 직경들 또는 배향들, 사용자(210)의 눈 움직임들 또는 눈 포즈, 홍채 이미지의 비트단위 표현("홍채 코드") 등을 결정할 수 있다. 내향 이미징 시스템(462)은 하나 이상의 카메라들을 포함할 수 있다. 예를 들어, 적어도 하나의 카메라가 각각의 눈을 이미징하기 위해 사용될 수 있다. 카메라들에 의해 포착된 이미지들은 각각의 눈에 대해 동공 크기, 눈 포즈 및/또는 홍채 코드를 결정하기 위해 별개로 사용될 수 있다.
[0025]
예로서, 웨어러블 시스템(200)은 사용자의 포즈의 이미지들을 포착하기 위해 외향 이미징 시스템(464) 또는 내향 이미징 시스템(462)을 사용할 수 있다. 이미지들은 스틸 이미지들, 비디오의 프레임들, 또는 비디오일 수 있다.
[0026]
디스플레이(220)는 이를테면, 유선 리드 또는 무선 접속에 의해, 로컬 프로세싱 및 데이터 모듈(260)에 동작 가능하게 커플링될 수 있으며(250), 로컬 프로세싱 및 데이터 모듈(260)은 프레임(230)에 고정적으로 부착되는 것, 사용자(210)에 의해 착용된 헬멧 또는 모자에 고정적으로 부착되는 것, 헤드폰에 내장되는 것 또는 달리 착탈 가능하게 (예를 들어, 배낭 스타일 구성, 벨트 커플링 스타일 구성으로) 사용자(210)에게 부착되는 것과 같은 다양한 구성들로 장착될 수 있다.
[0027]
로컬 프로세싱 및 데이터 모듈(260)은 하드웨어 프로세서뿐만 아니라 비휘발성 메모리(예를 들어, 플래시 메모리)와 같은 디지털 메모리를 포함할 수 있으며, 둘 모두는 데이터의 프로세싱, 캐싱 및 저장을 보조하기 위해 활용될 수 있다. 데이터는 a) 이미지 캡처 디바이스들(예를 들어, 내향 이미징 시스템(462) 또는 외향 이미징 시스템(464) 내의 카메라)과 같은 센서들(예를 들어, 프레임(230)에 동작 가능하게 커플링되거나 또는 달리 사용자(210)에 부착될 수 있음), 오디오 센서들(예를 들어, 마이크로폰들(232)), IMU(inertial measurement unit)들, 가속도계들, 나침반들, GPS(global positioning system) 유닛들, 라디오 디바이스들 또는 자이로스코프들로부터 캡처되거나; 또는 b) 가능하게는 이러한 프로세싱 또는 리트리벌 이후 디스플레이(220)로의 전달을 위해, 원격 프로세싱 모듈(270) 또는 원격 데이터 저장소(280)를 사용하여 포착 또는 프로세싱될 수 있는 데이터를 포함할 수 있다. 로컬 프로세싱 및 데이터 모듈(260)은 예를 들어, 유선 또는 무선 통신 링크들 통해 통신 링크들(262 및/또는 264)에 의해 원격 프로세싱 모듈(270) 및/또는 원격 데이터 저장소(280)에 동작 가능하게 커플링되어, 이들 원격 모듈들은 로컬 프로세싱 및 데이터 모듈(260)에 대한 자원들로서 이용 가능하다. 또한, 원격 프로세싱 모듈(280) 및 원격 데이터 저장소(280)는 서로 동작 가능하게 커플링될 수 있다.
[0028]
일부 실시예들에서, 원격 프로세싱 모듈(270)은 데이터 또는 이미지 정보를 분석 및 프로세싱하도록 구성된 하나 이상의 프로세서들을 포함할 수 있다. 일부 실시예들에서, 원격 데이터 저장소(280)는 "클라우드" 자원 구성에서 인터넷 또는 다른 네트워킹 구성을 통해 이용 가능할 수 있는 디지털 데이터 저장 설비를 포함할 수 있다. 일부 실시예들에서, 모든 데이터가 저장되고 모든 계산들이 로컬 프로세싱 및 데이터 모듈(260)에서 수행되어 원격 모듈로부터 완전히 자율적인 사용을 허용한다.
예시적인 웨어러블 시스템
[0029]
도 3은 일부 실시예들에 따른 웨어러블 시스템의 예시적인 컴포넌트들을 개략적으로 예시한다. 도 3은 디스플레이(220) 및 프레임(230)을 포함할 수 있는 웨어러블 시스템(200)을 도시한다. 확대도(202)는 웨어러블 시스템(200)의 다양한 컴포넌트들을 개략적으로 예시한다. 일부 실시예들에서, 도 3에 예시된 컴포넌트들 중 하나 이상은 디스플레이(220)의 일부일 수 있다. 다양한 컴포넌트들은 단독으로 또는 조합하여 웨어러블 시스템(200)의 사용자(210) 또는 사용자의 환경과 연관된 다양한 데이터(이를테면, 예를 들어, 오디오 또는 시각적 데이터)를 수집할 수 있다. 다른 실시예들은 웨어러블 시스템(200)이 사용되는 애플리케이션에 따라 추가적인 또는 더 적은 컴포넌트들을 가질 수 있음을 인식해야 한다. 그럼에도 불구하고, 도 3은 웨어러블 시스템(200)을 통해 수집, 분석 및 저장될 수 있는 다양한 컴포넌트들 및 데이터의 타입들 중 일부의 아이디어를 제공한다.
[0030]
도 3은 디스플레이(220)를 포함할 수 있는 예시적인 웨어러블 시스템(200)을 도시한다. 디스플레이(220)는 사용자(210)의 머리에 장착될 수 있는 디스플레이 렌즈(226) 또는 프레임(230)에 대응하는 하우징을 포함할 수 있다. 디스플레이 렌즈(226)는 사용자(210)의 눈들(302, 304) 앞의 프레임(230)에 의해 위치 설정된 하나 이상의 투명 미러들을 포함할 수 있고, 투영된 광(338)을 눈들(302, 304)로 반사시키고 빔 성형을 용이하게 하면서 또한 로컬 환경으로부터 적어도 일부의 광의 투과를 허용하도록 구성될 수 있다. 투영된 광(338)의 파면은 투영된 광의 원하는 초점 거리와 일치하도록 구부러지거나 포커싱될 수 있다. 예시된 바와 같이, 2개의 광 시야(wide-field-of-view) 머신 비전 카메라들(316)(또한 월드 카메라들로 지칭됨)은 사용자(210) 주위의 환경을 이미징하기 위해 프레임(230)에 커플링될 수 있다. 이들 카메라들(316)은 이중 캡처 가시 광/비-가시(예를 들어, 적외선) 광 카메라들(316)일 수 있다. 카메라들(316)은 도 4에 도시된 외향 이미징 시스템(464)의 일부일 수 있다. 카메라들(316)에 의해 포착된 이미지는 포즈 프로세서(336)에 의해 프로세싱될 수 있다. 예를 들어, 포즈 프로세서(336)는 사용자(210)의 환경에서 사용자(210) 또는 다른 개인의 포즈를 식별하거나 또는 사용자(210)의 환경에서 물리적 객체를 식별하도록 하나 이상의 객체 인식기들을 구현할 수 있다.
[0031]
광(338)을 눈들(302, 304)에 투영하도록 구성된 디스플레이 미러들 및 옵틱스를 갖는 한 쌍의 스캐닝된 레이저 형상의 파면(예를 들어, 깊이에 대한) 광 프로젝터 모듈들이 도시되어 있다. 도시된 도면은 또한 렌더링, 사용자 입력, 홍채 코드 생성 등을 지원하기 위해 사용자(210)의 눈들(302, 304)을 추적할 수 있도록 구성된 IR 광원들(326)(예를 들어, 발광 다이오드들 "LED"들)과 쌍을 이루는 2개의 소형 적외선(IR) 카메라들(324)을 도시한다. IR 카메라들(324)은 도 4에 도시된 내향 이미징 시스템(462)의 일부일 수 있다. 웨어러블 시스템(200)은 센서 조립체(339)를 추가로 특징으로 할 수 있는데, 이는 X, Y 및 Z 축 가속도계 능력뿐만 아니라 자기 나침반 및 X, Y 및 Z 축 자이로 능력을 포함하여, 바람직하게는 200Hz와 같은 비교적 높은 주파수에서 데이터를 제공할 수 있다. 센서 조립체(339)는 IMU의 일부일 수 있다. 웨어러블 시스템(200)은 또한 ASIC(application specific integrated circuit), FPGA(field programmable gate array), 또는 ARM 프로세서(advanced reduced-instruction-set machine)와 같은 머리 포즈 프로세서(336)를 포함할 수 있고, 이들은, 캡처 디바이스들(316)로부터 출력된 광 시야 이미지 정보로부터 실시간 또는 거의 실시간 사용자 머리 포즈를 계산하도록 구성될 수 있다. 머리 포즈 프로세서(336)는 하드웨어 프로세서일 수 있고, 도 2a에 도시된 로컬 프로세싱 및 데이터 모듈(260)의 일부로서 구현될 수 있다. [0051] 웨어러블 시스템은 또한 하나 이상의 깊이 센서들(234)을 포함할 수 있다. 깊이 센서(234)는 환경 내의 객체와 웨어러블 디바이스 사이의 거리를 측정하도록 구성될 수 있다. 깊이 센서(234)는 레이저 스캐너(예를 들어, LIDAR), 초음파 깊이 센서 또는 깊이 감지 카메라를 포함할 수 있다. 특정 구현들에서, 카메라들(316)이 깊이 감지 능력을 갖는 경우, 카메라들(316)은 또한 깊이 센서들(234)로 간주될 수 있다. [0052] 센서 조립체(339)로부터의 자이로, 나침반 또는 가속도계 데이터로부터 포즈를 도출하기 위해 디지털 또는 아날로그 프로세싱을 실행하도록 구성된 프로세서(332)가 또한 도시되어 있다. 프로세서(332)는 도 2에 도시된 로컬 프로세싱 및 데이터 모듈(260)의 일부일 수 있다. 웨어러블 시스템(200)은 또한 포즈 및 위치 설정 분석들을 보조하기 위해, 예를 들어, GPS(337)(global positioning system)와 같은 위치 설정 시스템을 포함할 수 있다. 또한, GPS(337)는 사용자(210)의 환경에 대한 원격 기반(예를 들어, 클라우드 기반) 정보를 추가로 제공할 수 있다. 이러한 정보는 사용자(210)의 환경에서 객체들 또는 정보를 인식하기 위해 사용될 수 있다.
[0032]
웨어러블 시스템(200)은 GPS(337) 및 사용자(210)의 환경에 대한 더 많은 정보를 제공할 수 있는 원격 컴퓨팅 시스템(이를테면, 예를 들어, 원격 프로세싱 모듈(270), 다른 사용자의 ARD 등)에 의해 포착된 데이터를 조합할 수 있다. 일례로서, 웨어러블 시스템(200)은 GPS 데이터에 기초하여 사용자(210)의 위치를 결정하고 사용자(210)의 위치와 연관된 가상 객체들을 포함하는 세계 지도를 (예를 들어, 원격 프로세싱 모듈(270)과 통신함으로써) 리트리브할 수 있다. 다른 예로서, 웨어러블 시스템(200)은 카메라들(316)(도 4에 도시된 외향 이미징 시스템(464)의 일부일 수 있음)을 사용하여 사용자(210)의 환경을 모니터링할 수 있다. 카메라들(316)에 의해 포착된 이미지들에 기초하여 웨어러블 시스템(200)은 환경 내의 객체들을 검출할 수 있다. 웨어러블 시스템(200)은 객체들을 해석하기 위해 GPS(337)에 의해 포착된 데이터를 추가로 사용할 수 있다.
[0033]
웨어러블 시스템(200)은 또한 사용자(210)의 세계에 대한 뷰를 위해, 스캐너들의 동작 및 사용자(210)의 눈들(302, 304)로의 이미징을 용이하게 하기 위해, 사용자(210)에게 로컬인 렌더링 정보를 제공하도록 구성될 수 있는 렌더링 엔진(334)을 포함할 수 있다. 렌더링 엔진(334)은 하드웨어 프로세서(이를테면, 예를 들어, 중앙 프로세싱 유닛 또는 그래픽 프로세싱 유닛)에 의해 구현될 수 있다. 일부 실시예들에서, 렌더링 엔진(334)은 로컬 프로세싱 및 데이터 모듈(260)의 일부이다. 렌더링 엔진(334)은 (예를 들어, 유선 또는 무선 링크들을 통해) 웨어러블 시스템(200)의 다른 컴포넌트들에 통신 가능하게 커플링될 수 있다. 예를 들어, 렌더링 엔진(334)은 통신 링크(274)를 통해 IR 카메라들(324)에 커플링될 수 있고, 통신 링크(272)를 통해 투영 서브시스템(318)(망막 스캐닝 디스플레이와 유사한 방식으로 스캐닝된 레이저 배열을 통해 사용자(210)의 눈들(302, 304)에 광을 투영할 수 있음)에 커플링될 수 있다. 렌더링 엔진(334)은 또한 예를 들어 링크들(276 및 294)을 통해 센서 포즈 프로세서(332) 및 포즈 프로세서(336)와 같은 다른 프로세싱 유닛들과 각각 통신할 수 있다.
[0034]
IR 카메라들(324)(예를 들어, 미니 적외선 카메라들)은 렌더링, 사용자 입력, 홍채 코드 생성 등을 지원하기 위해 눈들을 추적하는데 활용될 수 있다. 일부 예시적인 눈 포즈들은 사용자가 어디를 보고 있는지 또는 사용자가 어떤 깊이에 포커싱하고 있는지를 포함할 수 있다(눈 이접운동(vergence)으로 추정될 수 있음). GPS(337), 자이로, 나침반 및 가속도계들, 센서 조립체(339) 등은 대략적인 또는 빠른 포즈 추정치들을 제공하기 위해 활용될 수 있다. 카메라들 중 하나 이상(316)은 이미지들 및 포즈를 포착할 수 있으며, 이는, 연관된 클라우드 컴퓨팅 자원으로부터의 데이터와 관련하여, 로컬 환경을 맵핑하고 사용자(210)의 뷰들을 다른 사용자들과 공유하기 위해 활용될 수 있다.
[0035]
도 3에 도시된 예시적인 컴포넌트들은 오직 예시 목적이다. 예시 및 설명의 용이성을 위해 다수의 센서들 및 다른 기능 모듈들이 함께 도시되어 있다. 일부 실시예들은 이들 센서들 또는 모듈들 중 오직 하나 또는 서브세트를 포함할 수 있다. 추가로, 이들 컴포넌트들의 위치들은 도 3에 도시된 위치들로 제한되지 않는다. 일부 컴포넌트들은 벨트 장착 컴포넌트, 핸드헬드 컴포넌트 또는 헬멧 컴포넌트와 같은 다른 컴포넌트들에 장착되거나 그 내부에 수용될 수 있다. 일례로서, 포즈 프로세서(336), 센서 포즈 프로세서(332) 및 렌더링 엔진(334)은 벨트팩(beltpack) 내에 위치 설정되고, 초 광대역, Wi-Fi, 블루투스 등과 같은 무선 통신을 통해 또는 유선 통신을 통해 웨어러블 시스템(200)의 다른 컴포넌트들과 통신하도록 구성될 수 있다. 도시된 프레임(230)은 바람직하게는 사용자(210)에 의해 머리 장착가능하고 착용 가능하다. 그러나, 웨어러블 시스템(200)의 일부 컴포넌트들은 사용자(210)의 신체의 다른 부분들에 착용될 수 있다. 예를 들어, 스피커(240)는 사용자(210)에게 음향을 제공하기 위해 사용자(210)의 귀에 삽입될 수 있다.
[0036]
투영된 광(338)에 관해, 일부 실시예에서, IR 카메라들(324)은, 사용자의 눈들의 중심들이 기하학적으로 어디로 수렴되는지를 측정하기 위해 활용될 수 있고, 이는, 일반적으로 눈들의 초점 위치 또는 "초점의 깊이"와 일치한다. 눈들이 수렴하는 모든 포인트들의 3차원 표면은 "호롭터(horopter)"로 지칭될 수 있다. 초점 거리는 유한한 수의 깊이들을 취할 수 있거나 또는 무한히 변할 수 있다. 이접운동 거리로부터 투영된 광은 눈(302, 304)에 포커싱되는 것으로 보이는 한편, 이접운동 거리의 앞 또는 뒤의 광은 흐려진다. 본 개시의 웨어러블 디바이스들 및 다른 디스플레이 시스템들의 예들은 또한 미국 특허 공개공보 제2016/0270656호에 기재되어 있으며, 이는 그 전체가 인용에 의해 본원에 통합된다.
[0037]
인간의 시각 시스템은 복잡하며 깊이에 대한 현실적인 지각을 제공하는 것은 어렵다. 객체의 뷰어들은 이접운동 및 원근조절의 조합으로 인해 객체를 3차원인 것으로 인지할 수 있다. 서로에 대한 2개의 눈들의 이접운동 움직임들(예를 들어, 객체를 응시하기 위해 눈들의 시선들에 수렴하도록 서로를 향하는 또는 서로 멀어지는 동공들의 롤링 움직임들)은 눈들의 렌즈들의 포커싱(또는 "원근조절")과 밀접하게 연관된다. 정상적인 조건들 하에서, 하나의 객체로부터 상이한 거리에 있는 다른 객체로 초점을 변경하기 위해 눈들의 렌즈들의 초점을 변경하는 것 또는 눈을 원근조절하는 것은, "원근조절-이접운동 반사작용(reflex)"으로 공지된 관계 하에서 동일한 거리에 대한 이접운동에서의 매칭 변화를 자동으로 초래할 것이다. 마찬가지로, 이접운동에서의 변화는 정상적인 조건들 하에서 원근조절에서의 매칭 변화를 트리거링할 것이다. 원근조절과 이접운동 사이의 더 양호한 매칭을 제공하는 디스플레이 시스템들은 3차원 이미저리(imagery)의 더 현실적이고 더 편안한 시뮬레이션들을 형성할 수 있다.
[0038]
약 0.7 밀리미터 미만의 빔 직경을 갖는 추가의 공간 코히어런트 광은 눈이 어디에 포커싱하는지와 무관하게 인간 눈에 의해 정확하게 분석될 수 있다. 따라서, 적절한 초점 깊이의 환영을 생성하기 위해, 눈 이접운동은 IR 카메라들(324)로 추적될 수 있으며, 렌더링 엔진(334) 및 투영 서브시스템(318)은 초점이 맞는 호롭터 상의 또는 그에 가까운 모든 객체들, 및 다양한 정도들의 탈초점(defocus)으로(예를 들어, 의도적으로 생성된 흐려짐을 사용하여) 모든 다른 객체들을 렌더링하기 위해 활용될 수 있다. 바람직하게는, 디스플레이(220)는 초당 약 60 프레임 이상의 프레임 레이트로 사용자에게 렌더링한다. 전술한 바와 같이, 바람직하게는, IR 카메라들(324)은 눈 추적을 위해 활용될 수 있고, 소프트웨어는 이접운동 지오메트리뿐만 아니라 사용자 입력들로서 역할을 하는 초점 위치 큐들 및 또한 홍채 코드 생성을 선택하도록 구성될 수 있다. 바람직하게는, 이러한 디스플레이 시스템은 낮 또는 밤의 사용에 적합한 밝기 및 콘트라스트로 구성된다.
[0039]
일부 실시예들에서, 디스플레이(220)는 바람직하게는 시각적 객체 정렬을 위한 약 20 밀리초 미만의 레이턴시, 약 0.1 도의 각도 정렬 및 약 1 아크 분(arc minute)의 해상도를 가지며, 이는 이론에 의한 제한 없이, 대략 인간 눈의 제한으로 여겨진다. 디스플레이(220)는 위치 설정 및 포즈 결정을 보조하기 위해 GPS 엘리먼트들, 광학 추적, 나침반, 가속도계들 또는 다른 데이터 소스들을 수반할 수 있는 로컬라이제이션 시스템과 통합될 수 있으며; 로컬라이제이션 정보는 관련 세계의 사용자(210)의 관점에서 정확한 렌더링을 용이하게 하기 위해 활용될 수 있다(예를 들어, 이러한 정보는 안경이 실세계에 대한 위치를 알게 하는 것을 용이하게 할 것이다).
[0040]
일부 실시예들에서, 웨어러블 시스템(200)은 사용자(210)의 눈들(302, 304)의 원근조절에 기초하여 하나 이상의 가상 이미지들을 디스플레이하도록 구성된다. 이미지들이 투영되고 있는 위치에 포커싱하도록 사용자(210)에게 강제하는 다른 3D 디스플레이 접근법들과 달리, 일부 실시예들에서, 웨어러블 시스템(200)은 사용자(210)에게 제시된 하나 이상의 이미지들의 더 편안한 뷰잉을 허용하기 위해 투영된 가성 콘텐츠의 초점을 자동으로 변경하도록 구성된다. 예를 들어, 사용자(210)의 눈들(302, 304)이 1m의 현재 초점을 가지면, 이미지는 사용자(210)의 초점과 일치하도록 투영될 수 있다. 사용자(210)가 초점을 3m로 시프트하면, 이미지는 새로운 초점과 일치하도록 투영된다. 따라서, 일부 실시예에서, 웨어러블 시스템(200)은 사용자(210)를 미리 결정된 초점으로 강제하기보다는, 사용자(210)의 눈들(302, 304)이 더 자연스러운 방식으로 기능하도록 허용한다.
[0041]
이러한 웨어러블 시스템(200)은 VR 디바이스들에 대해 통상적으로 관찰되는 눈의 피로, 두통 및 다른 생리학적 증상들의 발생들을 제거하거나 감소시킬 수 있다. 이를 달성하기 위해, 웨어러블 시스템(200)의 다양한 실시예들은 하나 이상의 VFE(variable focus element)들을 통해 다양한 초점 거리들에서 가상 이미지를 투영하도록 구성된다. 일부 실시예들에서, 3D 인지는 사용자(210)로부터 멀리 고정 초점 평면들에서 이미지들을 투영하는 다중 평면 초점 시스템을 통해 달성될 수 있다. 일부 실시예들은 가변 평면 초점을 이용하며, 여기서 초점 평면은 z-방향에서 앞뒤로 이동하여 사용자(210)의 현재 초점 상태와 일치한다.
[0042]
다중 평면 초점 시스템들 및 가변 평면 초점 시스템들 둘 모두에서, 웨어러블 시스템(200)은 눈들(302, 304)의 이접운동을 결정하고, 사용자(210)의 현재 초점을 결정하고, 결정된 초점에서 가상 이미지를 투영하기 위해 눈 추적을 이용할 수 있다. 다른 실시예들에서, 웨어러블 시스템(200)은 섬유 스캐너 또는 다른 광 생성 소스를 통해 망막에 걸쳐 래스터 패턴(raster pattern)으로 변하는 초점의 광 빔들을 가변적으로 투영하는 광 변조기를 포함한다. 따라서, 다양한 초점 거리들에서 이미지들을 투영하는 웨어러블 시스템(200)의 디스플레이의 능력은 사용자가 3D로 객체들을 뷰잉하는 원근조절을 용이하게 할 뿐만 아니라, 미국 특허 공개공보 제2016/0270656호에 추가로 설명된 바와 같이 사용자 안구 이상들을 보상하기 위해 사용될 수 있고, 상기 공개공보는 그 전체가 인용에 의해 본원에 통합된다. 일부 실시예들에서, 공간 광 변조기는 다양한 광학 컴포넌트들을 통해 이미지들을 사용자(210)에게 투영할 수 있다. 예를 들어, 아래에 추가로 설명되는 바와 같이, 공간 광 변조기는 하나 이상의 도파관들 상에 이미지들을 투영할 수 있고, 이어서, 이미지들을 사용자(210)에게 송신할 수 있다.
도파관 스택 조립체
[0043]
도 4는 이미지 정보를 사용자에게 출력하기 위한 도파관 스택의 예를 예시한다. 웨어러블 시스템(400)은 복수의 도파관들(432b, 434b, 436b, 438b, 4400b)을 사용하여 눈/뇌에 3차원적 인지를 제공하기 위해 활용될 수 있는 도파관들의 스택 또는 적층된 도파관 조립체(480)를 포함한다. 일부 실시예들에서, 웨어러블 시스템(400)은 도 2의 웨어러블 시스템(200)에 대응할 수 있고, 도 4는 그 웨어러블 시스템(200)의 일부 부분들을 더 상세히 개략적으로 도시한다. 예를 들어, 일부 실시예들에서, 도파관 조립체(480)는 도 2의 디스플레이(220)에 통합될 수 있다.
[0044]
도 4를 계속 참조하면, 도파관 조립체(480)는 또한 도파관들 사이에 다수의 특징부들(458, 456, 454, 452)을 포함할 수 있다. 일부 실시예들에서, 특징부들(458, 456, 454, 452)은 렌즈들일 수 있다. 다른 실시예들에서, 특징부들(458, 456, 454, 452)은 렌즈들이 아닐 수 있다. 오히려, 이들은 단순히 스페이서들(예를 들어, 에어 갭(air gap)들을 형성하기 위한 클래딩(cladding) 층들 또는 구조들)일 수 있다.
[0045]
도파관들(456, 454, 452)은 다양한 레벨들의 파면 곡률 또는 광선 발산으로 눈에 이미지 정보를 전송하도록 구성될 수 있다. 각각의 도파관 레벨은 특정 깊이 평면과 연관될 수 있고 그 깊이 평면에 대응하는 이미지 정보를 출력하도록 구성될 수 있다. 이미지 주입 디바이스들(420, 422, 424, 426, 428)은 도파관들(440b, 438b, 436b, 434b, 432b)에 이미지 정보를 주입하기 위해 활용될 수 있고, 이들 각각은 눈(410)을 향하는 출력을 위해 각각의 개별적인 도파관에 걸쳐 입사 광을 분산시키도록 구성될 수 있다. 광은 이미지 주입 디바이스들(420, 422, 424, 426, 428)의 출력 표면을 빠져나가고 도파관들(440b, 438b, 436b, 434b, 432b)의 대응하는 입력 에지에 주입된다. 일부 실시예들에서, 광의 단일 빔(예를 들어, 시준된 빔)이 각각의 도파관 내로 주입되어 눈(410)을 향해 지향된 복제된 시준된 빔들의 전체 필드를, 특정 도파관과 연관된 깊이 평면에 대응하는 특정 각도들(및 발산 양)로 출력할 수 있다.
[0046]
일부 실시예들에서, 이미지 주입 디바이스들(420, 422, 424, 426, 428)은 각각 대응하는 도파관(440b, 438b, 436b, 434b, 432b)으로의 주입을 위한 이미지 정보를 각각 생성하는 개별 디스플레이들이다. 일부 다른 실시예들에서, 이미지 주입 디바이스들(420, 422, 424, 426, 428)은 단일 멀티플렉싱된 디스플레이의 출력 단부들이고, 이는 예를 들어 하나 이상의 광 도관들(예를 들어 광섬유 케이블들)을 통해 이미지 정보를 이미지 주입 디바이스들(420, 422, 424, 426, 428) 각각에 파이프(pipe)할 수 있다.
[0047]
제어기(460)는 적층된 도파관 조립체(480) 및 이미지 주입 디바이스들(420, 422, 424, 426, 428)의 동작을 제어한다. 제어기(460)는 타이밍 및 이미지 정보의 도파관들(440b, 438b, 436b, 434b, 432b)로의 제공을 조절하는 프로그래밍(예를 들어, 비일시적 컴퓨터 판독가능 매체의 명령들)을 포함한다. 일부 실시예들에서, 제어기(460)는 단일 통합 디바이스, 또는 유선 또는 무선 통신 채널들에 의해 연결된 분산형 시스템일 수 있다. 제어기(460)는 일부 실시예들에서 프로세싱 모듈들(260 또는 270)(도 2에 예시됨)의 일부일 수 있다.
[0048]
도파관들(440b, 438b, 436b, 434b, 432b)은 TIR(total internal reflection)에 의해 각각의 개별적인 도파관 내에서 광을 전파하도록 구성될 수 있다. 도파관들(440b, 438b, 436b, 434b, 432b)은 각각 평면형이거나 다른 형상(예를 들어, 곡선형)을 가질 수 있으며, 주 상단 및 하단 표면들 및 에지들은 이들 주 상단 및 하단 표면들 사이에서 연장된다. 예시된 구성에서, 도파관들(440b, 438b, 436b, 434b, 432b)은 각각, 눈(410)에 이미지 정보를 출력하기 위해 광을 도파관 밖으로 재지향시키고 각각의 개별적인 도파관 내에서 전파함으로써 도파관 밖으로 광을 추출하도록 구성되는 광 추출 광학 엘리먼트들(440a, 438a, 436a, 434a, 432a)을 포함할 수 있다. 추출된 광은 또한 아웃커플링된(outcoupled) 광을 지칭할 수 있고, 광 추출 광학 엘리먼트들은 또한 아웃커플링 광학 엘리먼트들로 지칭될 수 있다. 추출된 광 빔은, 도파관에서 전파되는 광이 광 재지향 엘리먼트를 가격하는 위치들에서 도파관에 의해 출력된다. 광 추출 광학 엘리먼트들(440a, 438a, 436a, 434a, 432a)은 예를 들어 반사 또는 회절 광학 특징부들일 수 있다. 설명의 편의 및 도면 명확성을 위해 도파관들(440b, 438b, 436b, 434b, 432b)의 하단 주 표면들에 배치되는 것으로 도시되어 있지만, 일부 실시예들에서, 광 추출 광학 엘리먼트들(440a, 438a, 436a, 434a, 432a)은 상단 또는 하단 주 표면들에 배치될 수 있거나, 또는 도파관들(440b, 438b, 436b, 434b, 432b)의 체적 내에 직접 배치될 수 있다. 일부 실시예들에서, 광 추출 광학 엘리먼트들(440a, 438a, 436a, 434a, 432a)은 도파관들(440b, 438b, 436b, 434b, 432b)을 형성하기 위해 투명 기판에 부착된 재료 층으로 형성될 수 있다. 일부 다른 실시예들에서, 도파관들(440b, 438b, 436b, 434b, 432b)은 단일 편부 재료일 수 있고 광 추출 광학 엘리먼트들(440a, 438a, 436a, 434a, 432a)은 그 재료 편부의 표면 상에 또는 내부에 형성될 수 있다.
[0049]
도 4를 계속 참조하면, 본원에 논의된 바와 같이, 각각의 도파관(440b, 438b, 436b, 434b, 432b)은 특정 깊이 평면에 대응하는 이미지를 형성하기 위해 광을 출력하도록 구성된다. 예를 들어, 눈에 가장 가까운 도파관(432b)은 이러한 도파관(432b)에 주입된 바와 같이 시준된 광을 눈(410)에 전달하도록 구성될 수 있다. 시준된 광은 광학 무한 초점 평면을 표현할 수 있다. 다음 도파관 상부(434b)는 시준된 광이 눈(410)에 도달할 수 있기 전에 제1 렌즈(452)(예를 들어, 네거티브 렌즈)를 통과하는 시준된 광을 전송하도록 구성될 수 있다. 제1 렌즈(452)는 약간 볼록한 파면 곡률을 생성하도록 구성되어, 눈/뇌는 다음 도파관 상부(434b)로부터 오는 광이 광학 무한대로부터 눈(410)을 향해 더 가까운 안쪽의 제1 초점 평면으로부터 오는 것으로 해석할 수 있다. 유사하게, 제3 상부 도파관(436b)은 광이 눈(410)에 도달하기 전에 제1 렌즈(452) 및 제2 렌즈(454) 모두를 통해 출력 광을 통과시킨다. 제1 및 제2 렌즈들(452 및 454)의 조합된 광학 파워는 다른 증분 양의 파면 곡률을 생성하도록 구성되어, 눈/뇌는 제3 도파관(436b)으로부터 오는 광을, 다음 도파관 상부(434b)로부터의 광보다 광학 무한대로부터 사람을 향해 더욱 더 가까운 안쪽의 제2 초점 평면으로부터 오는 것으로 해석할 수 있다.
[0050]
다른 도파관 층들(예를 들어, 도파관들(438b, 440b)) 및 렌즈들(예를 들어, 렌즈들(456, 458))은 유사하게 구성되며, 스택에서 가장 높은 도파관(440b)은 개인에 대한 가장 가까운 초점 평면을 표현하는 집합된 초점 파워에 대해 도파관과 눈 사이의 렌즈들 모두를 통해 출력을 전송한다. 적층된 도파관 조립체(480)의 다른 측의 세계(470)로부터 오는 광을 뷰잉/해석할 때 렌즈들의 스택(458, 456, 454, 452)을 보상하기 위해, 보상 렌즈 층(430)은 아래의 렌즈 스택(458, 456,454, 452)의 집합된 파워를 보상하기 위해 스택의 상단에 배치될 수 있다. (보상 렌즈 층(430) 및 적층된 도파관 조립체(480)는 전체적으로, 세계(470)로부터 오는 광이 적층된 도파관 조립체(480)에 의해 초기에 수신될 때 광이 가졌던 것과 실질적으로 동일한 발산(또는 시준) 레벨로 눈(410)에 전달되도록 구성될 수 있다). 이러한 구성은 이용 가능한 도파관/렌즈 쌍들이 존재하는 만큼 많은 인지된 초점 평면들을 제공한다. 도파관들의 광 추출 광학 엘리먼트들 및 렌즈들의 포커싱 양상들 둘 모두는 정적일 수 있다(예를 들어, 동적 또는 전기-활성이 아님). 일부 대안적인 실시예들에서, 어느 하나 또는 둘 모두는 전기-활성 특징부들을 사용하여 동적일 수 있다.
[0051]
도 4를 계속 참조하면, 광 추출 광학 엘리먼트들(440a, 438a, 436a, 434a, 432a)은 자신들 각각의 도파관들 밖으로 광을 재지향시키는 것 및 이러한 광을 도파관과 연관된 특정 깊이 평면에 대한 적절한 발산 또는 시준양으로 출력하는 것 둘 모두를 위해 구성될 수 있다. 그 결과, 상이한 연관된 깊이 평면들을 갖는 도파관들은 광 추출 광학 엘리먼트들의 상이한 구성들을 가질 수 있고, 이는 연관된 깊이 평면에 따라 상이한 발산 양으로 광을 출력한다. 일부 실시예들에서, 본원에 논의된 바와 같이, 광 추출 광학 엘리먼트들(440a, 438a, 436a, 434a, 432a)은 체적 또는 표면 특징부들일 수 있고, 이는 특정 각도들에서 광을 출력하도록 구성될 수 있다. 예를 들어, 광 추출 광학 엘리먼트들(440a, 438a, 436a, 434a, 432a)은 체적 홀로그램들, 표면 홀로그램들 및/또는 회절 격자들일 수 있다. 회절 격자들과 같은 광 추출 광학 엘리먼트들은 2015년 6월 25일자로 공개된 미국 특허 공개공보 제2015/0178939호에 설명되어 있으며, 상기 공개공보는 그 전체가 인용에 의해 본원에 통합된다.
[0052]
일부 실시예들에서, 광 추출 광학 엘리먼트들(440a, 438a, 436a, 434a, 432a)은 회절 패턴 또는 "회절 광학 엘리먼트"(또한 본원에서 "DOE"로 지칭됨)를 형성하는 회절 특징부들이다. 바람직하게는, DOE는 비교적 낮은 회절 효율을 가져서, 빔의 광의 오직 일부분만이 DOE의 각각의 교차점과 함께 눈(410)을 향하여 멀리 편향되는 한편, 나머지는 전체 내부 반사를 통해 도파관을 통해 계속 이동한다. 따라서, 이미지 정보를 운반하는 광은 다수의 위치들에서 도파관을 빠져나가는 다수의 관련 출구 빔들로 분할될 수 있고, 그 결과는, 도파관 내에서 주위로 반사하는 이러한 특정 시준된 빔에 대한 눈(304)을 향하는 상당히 균일한 패턴의 출구 방출이다.
[0053]
일부 실시예들에서, 하나 이상의 DOE들은, 이들이 활성으로 회절시키는 "온" 상태와 이들이 현저하게 회절시키지 않는 "오프" 상태 사이에서 스위칭 가능할 수 있다. 예를 들어, 스위칭 가능한 DOE는 폴리머 분산 액정 층을 포함할 수 있고, 여기서 미세 액적들은 호스트 매체에서 회절 패턴을 포함하고, 미세 액적들의 굴절률은 호스트 재료의 굴절률에 실질적으로 매칭하도록 스위칭될 수 있거나(이러한 경우, 패턴은 입사 광을 상당히 회절시키지 않음), 또는 미세 액적은 호스트 매체의 굴절률에 매칭하지 않는 굴절률로 스위칭될 수 있다(이러한 경우, 패턴은 입사 광을 활성으로 회절시킴).
[0054]
일부 실시예들에서, 깊이 평면들 또는 필드의 깊이의 수 및 분포는 뷰어의 눈들의 동공 크기들 또는 배향들에 기초하여 동적으로 변경될 수 있다. 필드의 깊이는 뷰어의 동공 크기에 따라 반대로 변경될 수 있다. 그 결과, 뷰어의 눈들의 동공들의 크기들이 감소함에 따라, 필드의 깊이는 증가되어, 하나의 평면의 위치가 눈의 초점의 깊이를 넘어 있기 때문에 식별 가능하지 않은 그 평면은 식별 가능하게 되고, 동공 크기의 감소로 더 초점이 맞게 나타나고 필드의 깊이에서의 증가에 적합하게 될 수 있다. 마찬가지로, 뷰어에게 상이한 이미지들을 제시하기 위해 사용되는 이격된 깊이 평면들의 수는 동공 크기가 감소함에 따라 감소될 수 있다. 예를 들어, 뷰어는 하나의 깊이 평면으로부터 다른 깊이 평면으로 눈의 원근조절을 조정하지 않으면 하나의 동공 크기에서 제1 깊이 평면 및 제2 깊이 평면 둘 모두의 세부사항들을 명확하게 인지하지 못할 수 있다. 그러나, 이들 2개의 깊이 평면들은 원근조절을 변경함이 없이 다른 동공 크기에서 사용자에 대해 동시에 충분히 초점이 맞을 수 있다.
[0055]
일부 실시예들에서, 디스플레이 시스템은 동공 크기 또는 배향의 결정들에 기초하여, 또는 특정 동공 크기 또는 배향을 나타내는 전기 신호들을 수신하는 것에 기초하여, 이미지 정보를 수신하는 도파관들의 수를 변경할 수 있다. 예를 들어, 사용자의 눈들이 2개의 도파관들과 연관된 2개의 깊이 평면들을 구별할 수 없다면, 제어기(460)(로컬 프로세싱 및 데이터 모듈(260)의 실시예일 수 있음)는 이들 도파관들 중 하나에 이미지 정보를 제공하는 것을 중단하도록 구성 또는 프로그래밍될 수 있다. 유리하게는, 이것은 시스템에 대한 프로세싱 부담을 감소시켜 시스템의 응답성을 증가시킬 수 있다. 도파관에 대한 DOE들이 온 상태와 오프 상태 사이에서 스위칭 가능한 실시예들에서, DOE들은 도파관이 이미지 정보를 수신할 때 오프 상태로 스위칭될 수 있다.
[0056]
일부 실시예들에서, 출구 빔이 뷰어의 눈의 직경보다 작은 직경을 갖는 조건을 충족시키는 것이 바람직할 수 있다. 그러나, 이러한 조건을 충족시키는 것은 뷰어의 동공들의 크기에서 가변성 관점에서 어려울 수 있다. 일부 실시예들에서, 이러한 조건은 뷰어의 동공 크기의 결정들에 대한 응답으로 출구 빔의 크기를 변경함으로써 광범위한 동공 크기들에 걸쳐 충족된다. 예를 들어, 동공 크기가 감소함에 따라, 출구 빔의 크기가 또한 감소할 수 있다. 일부 실시예들에서, 출구 빔 크기는 가변 애퍼처를 사용하여 변경될 수 있다.
[0057]
웨어러블 시스템(400)은 세계(470)의 일부를 이미징하는 외향 이미징 시스템(464)(예를 들어, 디지털 카메라)을 포함할 수 있다. 세계(470)의 이러한 부분은 세계 카메라의 FOV(field of view)로 지칭될 수 있고, 이미징 시스템(464)은 때때로 FOV 카메라로 지칭된다. 월드 카메라의 FOV는, 뷰어(210)가 주어진 시간에 인지하는 세계(470)의 일부를 포함하는 뷰어(210)의 FOV와 동일하거나 동일하지 않을 수 있다. 예를 들어, 일부 상황들에서, 세계 카메라의 FOV는 웨어러블 시스템(400)의 뷰어(210)의 뷰어(210)보다 클 수 있다. 뷰어에 의한 뷰잉 또는 이미징에 이용 가능한 전체 영역은 FOR(field of regard)로 지칭될 수 있다. FOR는, 착용자가 자신의 신체, 머리 또는 눈들을 이동하여 공간에서 실질적으로 임의의 방향을 인지할 수 있기 때문에, 웨어러블 시스템(400)을 둘러싼 4n 스테라디안(steradian) 입체각을 포함할 수 있다. 다른 맥락에서, 착용자의 움직임은 더 제한될 수 있고, 따라서 착용자의 FOR은 더 작은 입체각을 대할 수 있다. 외향 이미징 시스템(464)으로부터 획득된 이미지들은 사용자에 의해 행해진 제스처들(예를 들어, 손 또는 손가락 제스처들)을 추적하고, 사용자 앞에 있는 세계(470)의 객체들을 검출하는 것 등에 사용될 수 있다.
[0058]
웨어러블 시스템(400)은 주변 음향을 캡처하기 위해 오디오 센서(232), 예를 들어, 마이크로폰을 포함할 수 있다. 전술된 바와 같이, 일부 실시예들에서, 하나 이상의 다른 오디오 센서들은 스피치 소스의 위치의 결정에 유용한 스테레오 음향 수신을 제공하도록 위치 설정될 수 있다. 오디오 센서(232)는 다른 예로서, 지향성 마이크로폰을 포함할 수 있으며, 이는 또한 오디오 소스가 어디에 위치되는지와 같은 유용한 방향 정보를 제공할 수 있다. 웨어러블 시스템(400)은 스피치 소스를 로케이팅할 때 또는 특정 시점에 활성 스피커를 결정하는 것 등을 위해, 외향 이미징 시스템(464) 및 오디오 센서(230) 둘 모두로부터의 정보를 사용할 수 있다. 예를 들어, 웨어러블 시스템(400)은 화자의 아이덴티티를 결정하기 위해, 단독으로 또는 (미러에서 보이는 바와 같이) 화자의 반사된 이미지와 조합하여 음성 인식을 사용할 수 있다. 다른 예로서, 웨어러블 시스템(400)은 지향성 마이크로폰으로부터 포착된 음향에 기초하여 환경에서 화자의 위치를 결정할 수 있다. 웨어러블 시스템(400)은 화자의 위치로부터 오는 음향을 스피치 인식 알고리즘들로 분석하여 스피치의 내용을 결정하고 화자의 아이덴티티(예를 들어, 이름 또는 다른 인구통계학적 정보)를 결정하기 위해 음성 인식 기술들을 사용할 수 있다.
[0059]
웨어러블 시스템(400)은 또한 눈 움직임들 및 얼굴 움직임들과 같은 사용자의 움직임들을 관찰하는 내향 이미징 시스템(466)(예를 들어, 디지털 카메라)을 포함할 수 있다. 내향 이미징 시스템(466)은 눈(410)의 이미지들을 캡처하여 눈(304)의 동공의 크기 및/또는 배향을 결정하기 위해 사용될 수 있다. 내향 이미징 시스템(466)은 사용자가 보고 있는 방향(예를 들어, 눈 포즈)을 결정할 때 사용하기 위해 또는 (예를 들어, 홍채 식별을 통한) 사용자의 생체인식 식별을 위해 이미지들을 획득하기 위해 사용될 수 있다. 일부 실시예들에서, 각각의 눈의 동공 크기 또는 눈 포즈를 독립적으로 결정하기 위해 적어도 하나의 카메라가 각각의 눈에 대해 개별적으로 활용되어, 각각의 눈에 대한 이미지 정보의 프리젠테이션이 그 눈에 동적으로 맞춤화되게 할 수 있다. 일부 다른 실시예들에서, 오직 단일 눈(410)의 동공 직경 또는 배향(예를 들어, 한 쌍의 눈들마다 하나의 카메라만 사용함)이 결정되고 사용자의 두 눈들에 대해 유사한 것으로 가정된다. 내향 이미징 시스템(466)에 의해 획득된 이미지들은 사용자의 눈 포즈 또는 기분을 결정하기 위해 분석될 수 있으며, 이는 어느 오디오 또는 시각적 콘텐츠가 사용자에게 제시되어야 하는지를 결정하기 위해 웨어러블 시스템(400)에 의해 사용될 수 있다. 웨어러블 시스템(400)은 또한 IMU들, 가속도계들, 자이로스코프들 등과 같은 센서들을 사용하여 머리 포즈(예를 들어, 머리 위치 또는 머리 배향)를 결정할 수 있다.
[0060]
웨어러블 시스템(400)은 사용자 입력 디바이스(466)를 포함할 수 있고, 이에 의해, 사용자는 웨어러블 시스템(400)과 상호작용하기 위해 커맨드들을 제어기(460)에 입력할 수 있다. 예를 들어, 사용자 입력 디바이스(466)는 트랙패드, 터치스크린, 조이스틱, 다중 DOF(degree-of-freedom) 제어기, 용량성 감지 디바이스, 게임 제어기, 키보드, 마우스, 방향 패드(D-패드), 지팡이, 햅틱 디바이스, 토템(예를 들어, 가상 사용자 입력 디바이스로 기능함) 등을 포함할 수 있다. 다중-DOF 제어기는 제어기의 일부 또는 모든 가능한 병진운동들(예를 들어, 좌측/우측, 앞/뒤 또는 위/아래) 또는 회전들(예를 들어, 요(yaw), 피치(pitch) 또는 롤(roll))에서 사용자 입력을 감지할 수 있다. 병진운동들을 지원하는 다중-DOF 제어기는 3DOF로 지칭될 수 있는 반면, 병진운동들 및 회전들을 지원하는 다중-DOF 제어기는 6DOF로 지칭될 수 있다. 일부 경우들에, 사용자는 웨어러블 시스템(400)에 입력을 제공하기 위해(예를 들어, 웨어러블 시스템(400)에 의해 제공된 사용자 인터페이스에 사용자 입력을 제공하기 위해) 터치 감응 입력 디바이스를 누르거나 스와이프(swipe)하기 위해 손가락(예를 들어, 엄지)을 사용할 수 있다. 사용자 입력 디바이스(466)는 웨어러블 시스템(400)을 사용하는 동안 사용자의 손에 의해 홀딩될 수 있다. 사용자 입력 디바이스(466)는 웨어러블 시스템(400)과 유선 또는 무선 통신할 수 있다.
웨어러블 시스템의 다른 컴포넌트들
[0061]
많은 구현들에서, 웨어러블 시스템은 전술한 웨어러블 시스템의 컴포넌트들에 추가하여 또는 그에 대한 대안적으로 다른 컴포넌트들을 포함할 수 있다. 웨어러블 시스템은 예를 들어 하나 이상의 햅틱 디바이스들 또는 컴포넌트들을 포함할 수 있다. 햅틱 디바이스들 또는 컴포넌트들은 사용자에게 촉각 감각을 제공하도록 동작 가능할 수 있다. 예를 들어, 햅틱 디바이스들 또는 컴포넌트들은 가상 콘텐츠(예를 들어, 가상 객체들, 가상 툴들, 다른 가상 구성들)를 터치할 때 압력 또는 텍스처의 촉각 감각을 제공할 수 있다. 촉각 감각은 가상 객체가 표현하는 물리적 객체의 느낌을 복제할 수 있거나 또는 가상 콘텐츠가 표현하는 상상의 객체 또는 캐릭터(예를 들어, 용)의 느낌을 복제할 수 있다. 일부 구현들에서, 햅틱 디바이스들 또는 컴포넌트들은 사용자에 의해 착용될 수 있다(예를 들어, 사용자 웨어러블 장갑). 일부 구현들에서, 햅틱 디바이스들 또는 컴포넌트들은 사용자에 의해 홀딩될 수 있다.
[0062]
웨어러블 시스템은, 예를 들어, 웨어러블 시스템과의 입력 또는 상호작용을 허용하기 위해 사용자에 의해 조작 가능한 하나 이상의 물리적 객체들을 포함할 수 있다. 이러한 물리적 객체들은 본원에서 토템들로 지칭될 수 있다. 일부 토템들은 예를 들어 금속 또는 플라스틱 조각, 벽, 테이블 표면과 같은 무생물 객체들의 형태를 취할 수 있다. 특정 구현들에서, 토템들은 실제로 임의의 물리적 입력 구조들(예를 들어, 키들, 트리거들, 조이스틱, 트랙볼, 로커 스위치)을 갖지 않을 수 있다. 대신에, 토템은 단순히 물리적 표면을 제공할 수 있고, 웨어러블 시스템은 사용자에게 토템의 하나 이상의 표면들 상에 있는 것처럼 사용자에게 나타나도록 사용자 인터페이스를 렌더링할 수 있다. 예를 들어, 웨어러블 시스템은 컴퓨터 키보드 및 트랙패드의 이미지를 토템의 하나 이상의 표면들 상에 존재하는 것으로 보이도록 렌더링할 수 있다. 예를 들어, 웨어러블 시스템은 가상 컴퓨터 키보드 및 가상 트랙패드를 토템으로서 역할을 하는 얇은 직사각형 알루미늄 플레이트의 표면 상에 나타나도록 렌더링할 수 있다. 직사각형 플레이트 자체는 물리적 키들, 또는 트랙패드 또는 센서들을 갖지 않는다. 그러나, 웨어러블 시스템은 가상 키보드 또는 가상 트랙패드를 통해 행해진 선택들 또는 입력들로서 직사각형 판과의 사용자 조작 또는 상호작용 또는 터치들을 검출할 수 있다. 사용자 입력 디바이스(466)(도 4에 도시됨)는 트랙패드, 터치패드, 트리거, 조이스틱, 트랙볼, 로커 또는 가상 스위치, 마우스, 키보드, 다중 자유도 제어기 또는 다른 물리적 입력 디바이스를 포함할 수 있는 토템의 실시예일 수 있다. 사용자는 웨어러블 시스템 또는 다른 사용자들과 상호작용하기 위해 토템을 단독으로 또는 포즈들과 조합하여 사용할 수 있다.
[0063]
본 개시의 웨어러블 디바이스들, HMD 및 디스플레이 시스템들과 함께 사용 가능한 햅틱 디바이스들 및 토템들의 예들은 미국 특허 공개공보 제2015/0016777호에 기재되어 있으며, 이는 그 전체가 인용에 의해 본원에 통합된다.
예시적인 눈 이미지
[0064]
도 5는 눈꺼풀(504), 공막(508)(눈의 "백색"), 홍채(512) 및 동공(516)을 갖는 눈(500)의 이미지를 예시한다. 곡선(516a)은 동공(516)과 홍채(512) 사이의 동공 경계를 도시하고, 곡선(512a)은 홍채(512)와 공막(508) 사이의 변연계(limbic) 경계를 도시한다. 눈꺼풀(504)은 상부 눈꺼풀(504a) 및 하부 눈꺼풀(504b)을 포함한다. 눈(500)은 자연스러운 휴식 포즈로 예시되어 있다(예를 들어, 여기서 사용자의 얼굴과 시선 둘 모두는 그들이 사용자의 바로 앞에 있는 먼 객체를 향하는 것과 같이 배향된다). 눈(500)의 자연스러운 휴식 포즈는 자연스러운 휴식 방향(520)에 의해 표시될 수 있으며, 이는 자연스러운 휴식 포즈일 때(예를 들어, 도 5에 도시된 눈(500)에 대한 평면으로부터 직접) 눈(500)의 표면에 직교하는 방향이고, 이러한 예에서 동공(516) 내에 중심을 둔다.
[0065]
눈(500)이 상이한 객체들을 보도록 이동함에 따라, 눈 포즈는 자연스러운 휴식 방향(520)에 대해 변할 것이다. 현재 눈 포즈는 눈 포즈 방향(524)을 참조하여 결정될 수 있는데, 이는 눈(500)의 표면에 직교하지만(그리고 동공(516) 내에 중심을 두지만) 눈이 현재 지향되는 객체를 향해 배향되는 방향이다. 도 5a에 도시된 예시적인 좌표계를 참조하면, 눈(500)의 포즈는 눈의 자연스러운 휴식 방향(520)에 대해 눈의 눈 포즈 방향(524)의 방위 편향 및 천정(zenithal) 편향을 나타내는 2개의 각도 파라미터들로서 표현될 수 있다. 예시를 위해, 이들 각도 파라미터들은 (기준 방위로부터 결정된 방위 편향) 및 (천정 편향, 때때로 극 편향으로 또한 지칭됨)으로 표현될 수 있다. 일부 실시예들에서, 눈 포즈 방향(524) 주위의 눈의 각도 롤은 눈 포즈의 결정에 포함될 수 있고, 각도 롤은 다음 분석에 포함될 수 있다. 일부 실시예들에서, 눈 포즈를 결정하기 위한 다른 기술들, 예를 들어 피치, 요 및 선택적으로 롤 시스템이 사용될 수 있다.
[0066]
눈 이미지는 임의의 적절한 프로세스를 사용하여, 예를 들어 하나 이상의 순차적 프레임들로부터 이미지를 추출할 수 있는 비디오 프로세싱 알고리즘을 사용하여 비디오로부터 획득될 수 있다. 눈의 포즈는 다양한 눈 추적 기술들을 사용하여 눈 이미지로부터 결정될 수 있다. 예를 들어, 눈의 포즈는 제공된 광원들에 대한 각막의 렌즈 효과들을 고려함으로써 결정될 수 있다. 본원에 설명된 눈꺼풀 형상 추정 기술들에서 눈 포즈를 결정하기 위해 임의의 적합한 눈 추적 기술이 사용될 수 있다.
예시적인 눈 추적 시스템
[0067]
도 6은 눈 추적 시스템을 포함하는 웨어러블 시스템(600)의 개략도를 예시한다. 웨어러블 시스템(600)은 일부 실시예들에서 머리 장착 유닛(602)에 위치된 컴포넌트들 및 비-머리 장착 유닛(604)에 위치된 컴포넌트들을 포함할 수 있다. 비-머리 장착 유닛(604)은 예들로서 벨트 장착 컴포넌트, 핸드헬드 컴포넌트, 배낭 내의 컴포넌트, 원격 컴포넌트 등일 수 있다. 비-머리 장착 유닛(604)에 웨어러블 시스템(600)의 컴포넌트들 중 일부를 통합하는 것은 머리 장착 유닛(602)의 크기, 중량, 복잡성 및 비용을 감소시키는 것을 도울 수 있다. 일부 구현들에서, 머리 장착 유닛(602) 및/또는 비-머리 장착(604)의 하나 이상의 컴포넌트들에 의해 수행되는 것으로 설명된 기능성 중 일부 또는 전부는 웨어러블 시스템(600) 내의 다른 곳에 포함된 하나 이상의 컴포넌트들을 통해 제공될 수 있다. 예를 들어, 머리 장착 유닛(602)의 CPU(612)와 연관하여 아래에서 설명되는 기능성 중 일부 또는 전부는 비-머리 장착 유닛(604)의 CPU(616)를 통해 제공될 수 있고, 그 반대도 마찬가지이다. 일부 예들에서, 이러한 기능성 중 일부 또는 전부는 웨어러블 시스템(600)의 주변 디바이스들을 통해 제공될 수 있다. 또한, 일부 구현들에서, 이러한 기능성 중 일부 또는 전부는 도 2를 참조하여 앞서 설명된 것과 유사한 방식으로 하나 이상의 클라우드 컴퓨팅 디바이스들 또는 다른 원격 로케이트된 컴퓨팅 디바이스들을 통해 제공될 수 있다.
[0068]
도 6에 도시된 바와 같이, 웨어러블 시스템(600)은 사용자의 눈(610)의 이미지들을 캡처하는 카메라(324)를 포함하는 눈 추적 시스템을 포함할 수 있다. 원하는 경우, 눈 추적 시스템은 또한 광원들(326a 및 326b)(예컨대, 발광 다이오드들 "LED"들)을 포함할 수 있다. 광원들(326a 및 326b)은 반짝임(즉, 카메라(324)에 의해 캡처된 눈의 이미지들에서 나타나는 눈(610)의 반사)을 생성할 수 있다. 카메라(324)에 대한 광원들(326a 및 326b)의 위치들은 공지될 수 있고, 결과적으로 카메라(324)에 의해 캡처된 이미지들 내의 반짝임의 위치들은 눈(610)을 추적하는데 사용될 수 있다. 일부 실시예들에서, 눈들(610) 중 하나의 눈과 연관된 하나의 광원(326) 및 하나의 카메라(324)가 존재할 수 있다. 일부 실시예에서, 눈들(610) 각각과 연관된 하나의 광원(326) 및 하나의 카메라(324)가 존재할 수 있다. 일부 실시예들에서, 눈들(610) 중 하나 또는 각각과 연관된 하나 이상의 카메라들(324) 및 하나 이상의 광원들(326)이 존재할 수 있다. 일부 실시예들에서, 눈들(610) 각각과 연관된 2개의 광원들(326a 및 326b) 및 하나 이상의 카메라들(324)이 존재할 수 있다. 일부 실시예들에서, 눈들(610) 각각과 연관된 3개 이상의 광원들, 예를 들어, 광원들(326a 및 326b) 및 하나 이상의 카메라들(324)이 존재할 수 있다.
[0069]
눈 추적 모듈(614)은 눈 추적 카메라(들)(324)로부터 이미지들을 수신할 수 있고 이미지들을 분석하여 다양한 정보를 추출할 수 있다. 예들로서, 눈 추적 모듈(614)은 눈(610)의 포즈들, 눈 추적 카메라(324)(및 머리 장착 유닛(602))에 대한 눈(610)의 3차원 위치, 눈들(610) 중 하나 또는 둘 모두가 포커싱되는 방향, 사용자의 이접운동 깊이(즉, 사용자가 포커싱하고 있는 사용자로부터의 깊이), 동공들의 위치들, 각막 및 각막 구의 위치들, 눈들 각각의 회전 중심, 및 눈들 각각의 관점의 중심, 눈들의 홍채 등을 검출할 수 있다. 도 6에 도시된 바와 같이, 눈 추적 모듈(614)은 머리 장착 유닛(602)에서 CPU(612)를 사용하여 구현되는 모듈일 수 있다.
[0070]
눈 추적 모듈(614)로부터의 데이터는 웨어러블 시스템(600)의 다른 컴포넌트들에 제공될 수 있다. 예로서, 이러한 데이터는 광 필드 렌더링 제어기(618)에 대한 모듈들 및 홍채 모듈(620)을 포함하는 CPU(616)와 같은 비-머리 장착 유닛(604)의 컴포넌트들에 송신될 수 있다.
[0071]
렌더링 제어기(618)는 렌더링 엔진(624)(예를 들어, GPU(6620) 내의 모듈일 수 있고 디스플레이(220)에 이미지들을 제공할 수 있는 렌더링 엔진)에 의해 사용자에게 디스플레이되는 이미지들을 조정하기 위해 눈 추적 모듈(614)로부터의 정보를 사용할 수 있다.
[0072]
때때로 "핀홀 관점 카메라"(또는 단순히 "관점 카메라") 또는 "가상 핀홀 카메라"(또는 단순히 "가상 카메라")로 또한 지칭되는 "렌더링 카메라"는 가능하게는 가상 세계에서 객체들의 데이터베이스로부터 가상 이미지 콘텐츠를 렌더링할 때 사용하기 위한 시뮬레이트된 카메라이다. 객체들은 사용자 또는 착용자에 대한 그리고 가능하게는 사용자 또는 착용자를 둘러싼 환경에서 실제 객체들에 대한 위치들 및 배향들을 가질 수 있다. 다시 말해서, 렌더링 카메라는 사용자 또는 착용자가 렌더링 공간(예를 들어, 가상 객체들)의 3D 가상 콘텐츠를 뷰잉하는 렌더링 공간 내의 관점을 표현할 수 있다. 렌더링 카메라는 렌더링 엔진(624)에 의해 관리되어 눈(610)에 제시될 가상 객체들의 데이터베이스에 기초하여 가상 이미지들을 렌더링할 수 있다. 가상 이미지들은 사용자의 관점으로부터 취해지는 것처럼 렌더링될 수 있다. 예를 들어, 가상 이미지들은 특정 세트의 고유의 파라미터들(예를 들어, 초점 길이, 카메라 픽셀 크기, 주 포인트 좌표들, 스큐/왜곡 파라미터들 등) 및 특정 세트의 외부 파라미터들(예를 들어, 가상 세계에 대한 병진운동 성분들 및 회전 성분들)을 갖는 핀홀 카메라("렌더링 카메라"에 대응함)에 의해 캡처된 것처럼 렌더링될 수 있다. 가상 이미지들은 렌더링 카메라의 위치 및 배향(예를 들어, 렌더링 카메라의 외부 파라미터들)을 갖는 이러한 카메라의 관점으로부터 취해진다. 시스템이 고유의 및 외부 렌더링 카메라 파라미터들을 정의 및/또는 조정할 수 있는 것이 후속된다. 예를 들어, 시스템은, 가상 이미지들이 눈에 대해 특정 위치를 갖는 카메라의 관점으로부터 캡처된 것처럼 렌더링되어 사용자의 관점으로부터 나타나는 이미지들을 제공할 수 있도록 특정 세트의 외부 렌더링 카메라 파라미터들을 정의할 수 있다. 시스템은 추후에 상기 특정 위치에 대한 등록을 유지하기 위해 즉시 외부 렌더링 카메라 파라미터들을 동적으로 조정할 수 있다. 유사하게, 고유의 렌더링 카메라 파라미터들이 정의되고 시간에 걸쳐 동적으로 조정될 수 있다. 일부 구현들에서, 이미지들은 사용자 또는 착용자의 눈에 대한 특정 위치(이를테면, 관점의 중심 또는 회전 중심 또는 다른 위치)에서 애퍼처를 갖는 카메라의 관점으로부터 캡처된 것처럼 렌더링된다.
[0073]
일부 실시예들에서, 시스템은, 사용자의 좌측 눈에 대한 하나의 렌더링 카메라 및 사용자의 우측 눈에 대한 다른 렌더링 카메라를 생성 또는 동적으로 재위치 설정 및/또는 재배향할 수 있는데, 이는, 사용자의 눈들이 물리적으로 서로 분리되어 상이한 위치들에 일관되게 위치 설정되기 때문이다. 적어도 일부 구현들에서, 뷰어의 좌측 눈과 연관된 렌더링 카메라의 관점으로부터 렌더링된 가상 콘텐츠는 머리 장착 디스플레이(예를 들어, 머리 장착 유닛(602))의 좌측에서 접안렌즈를 통해 사용자에게 제시될 수 있고, 우측 눈과 연관된 렌더링 카메라의 관점으로부터 렌더링된 가상 콘텐츠는 이러한 머리 장착 디스플레이의 우측에서 접안렌즈를 통해 사용자에게 제시될 수 있는 것이 후속된다. 렌더링 프로세스들에서 렌더링 카메라들의 생성, 조정 및 사용을 논의하는 추가적인 세부사항들은, 발명의 명칭이 "METHODS AND SYSTEMS FOR DETECTING AND COMBINING STRUCTURAL FEATURES IN 3D RECONSTRUCTION"인 미국 특허 출원 제15/274,823호에서 제공되고, 상기 출원은 모든 목적들로 그 전체가 인용에 의해 본원에 명시적으로 통합된다.
[0074]
일부 예들에서, 웨어러블 시스템(600)의 하나 이상의 모듈들(또는 컴포넌트들)(예를 들어, 광 필드 렌더링 제어기(618), 렌더링 엔진(624) 등)은 사용자의 머리 및 눈들의 위치 및 배향에 기초하여 렌더링 공간 내에서 렌더링 카메라의 위치 및 배향을 (예를 들어, 머리 포즈 및 눈 추적 데이터에 각각 기초하여 결정된 바와 같이) 결정할 수 있다. 즉, 웨어러블 시스템(600)은 사용자의 머리 및 눈들의 위치 및 배향을 3D 가상 환경 내의 특정 로케이션들 및 각도 위치들에 효과적으로 맵핑하고, 렌더링 카메라들을 3D 가상 환경 내의 특정 로케이션들 및 각도 위치들로 배치 및 배향하고, 사용자에 대한 가상 콘텐츠를 렌더링 카메라에 의해 캡처될 것처럼 렌더링할 수 있다. 실세계에서 가상 세계로의 맵핑 프로세스들을 논의하는 추가적 세부사항들은, 발명의 명칭이 "SELECTING VIRTUAL OBJECTS IN A THREE-DIMENSIONAL SPACE"인 미국 특허 출원 제15/296,869호에서 제공되고, 상기 출원은 모든 목적들로 그 전체가 인용에 의해 본원에 명시적으로 통합된다. 일례로서, 렌더링 제어기(618)는 임의의 주어진 시간에 이미지들을 디스플레이하기 위해 어느 깊이 평면(또는 깊이 평면들)이 활용되는지를 선택함으로써 이미지들이 디스플레이되는 깊이들을 조정할 수 있다. 일부 구현들에서, 이러한 깊이 평면 스위치는 하나 이상의 고유의 렌더링 카메라 파라미터들의 조정을 통해 수행될 수 있다.
[0075]
홍채 모듈(620)은 예를 들어, 아래에서 설명되는 바와 같이, 홍채 코드들을 생성하기 위해 눈 추적 모듈(614)로부터의 정보를 사용할 수 있다. 예를 들어, 홍채 모듈(620)은 아래에서 설명되는 바와 같이, 이미지 프로세서, 홍채 코드 생성기, 홍채 코드 분석기, 데이터베이스, 액세스 제어 모듈 및 임의의 다른 적합한 컴포넌트들을 포함할 수 있다.
홍채 인식
[0076]
홍채 인식 시스템들은 다양한 환경들, 예를 들어, 건물/룸 액세스 제어 시스템들, 은행 식별 검증 및 집단의 데이터베이스로부터 특정 개인들을 식별하는 공항 스크리닝 프로그램들에서 사용된다. 홍채 인식 시스템은 하나 이상의 포착된 홍채 이미지들로부터 포착된 이미지 데이터(예를 들어, 카메라로 사용자의 눈으로부터 포착된 홍채 이미지로부터의 홍채 코드)를 하나 이상의 홍채 이미지들로부터의 데이터의 (예를 들어, 데이터베이스 내의) 세트와 비교하려고 시도할 수 있다. 포착된 이미지 데이터가 세트에서 발견되면("매칭"), 홍채 인식 시스템은 사용자가 세트 내에 있다고 표시할 수 있고, 사용자를 식별 및/또는 인증할 수 있다. 포착된 이미지 데이터가 세트에서 발견되지 않으면("비-매칭"), 홍채 인식 시스템은 사용자가 세트 내에 있지 않다고 표시할 수 있고, 사용자를 인증하지 않을 수 있다. 본원에 설명된 시스템들 및 방법들은 사용자 웨어러블 디바이스들을 통합하는 것들을 포함하여 다양한 홍채 인식 시스템들과 함께 사용될 수 있다. 이러한 사용자 웨어러블 디바이스들은, 사용자의 홍채로부터 이미지 데이터를 포착하도록 구성된 이미징 디바이스를 포함할 수 있는 머리 장착 디스플레이 디바이스들을 포함할 수 있다.
[0077]
홍채 인식은 인간 지문들, 음성들 또는 얼굴들을 인식하도록 설계된 것들과 같은 다른 생체인식 시스템들보다 더 강건하고 견고할 수 있다. 예를 들어, 홍채 인식 시스템들은 이미지 크기(동공 크기를 포함함), 위치 및 배향에서 상당한 변동들을 수용할 수 있다. 홍채 인식 시스템들은 또한, 홍채 이미지들과 같은 입력 데이터가 매우 상이한 조건들 하에서 포착되고 상당히 상이하게 나타날 수 있는 경우에도 높은 감도를 나타낼 수 있다.
[0078]
홍채 인식 시스템들은 특히 전술한 바와 같이 머리 장착 디스플레이 디바이스들과 관련하여 사용하기에 바람직할 수 있다. 이러한 디바이스들의 목적은 종종 예를 들어 디바이스의 디스플레이 상에 제시된 바와 같이 가상 환경에서 몰입감을 달성하는 것이다. 마우스 및 키보드와 같은 입력 디바이스들을 대체하거나 보강하기 위해 홍채 스캐닝을 사용함으로써 몰입감이 향상될 수 있으며, 이는 사용자를 심리적으로 가상 환경에서 끌어낼 수 있다. 홍채 인식 시스템들을 통해 홍채 입력을 제공하는 것은 기존의 입력 디바이스들을 사용하는 것보다 더 자연스럽거나 직관적으로 인지될 수 있다. 추가로, 사용자의 실제 환경에 대한 사용자의 시야가 가려진 애플리케이션들(예를 들어, 가상 현실)에서, 이러한 입력 디바이스들의 사용은 어려울 수 있는데, 이는 사용자가 디바이스를 볼 수 있는 능력이 손상될 수 있기 때문이다. 예를 들어, 마우스 또는 키보드와 달리, 실제 환경의 사용자 뷰가 가려진 동안; 및/또는 사용자의 손들이 다른 작업들에 점유된 동안, 머리 장착 디바이스에 대해(그리고 확장하면 사용자의 눈에) 고정된 카메라는 사용자에 의해 요구되는 액션이 거의 또는 전혀 없이 사용자 입력을 (예를 들어, 사용자의 눈을 스캐닝함으로써) 획득할 수 있다. 하나의 예시적인 애플리케이션으로서, 가상 환경을 제시하는 가상 현실 디바이스의 사용자를 인증하기 위해 홍채 인식을 사용하는 것은 키보드를 사용하여 패스워드를 입력하는 것과 같은 잠재적으로 번거로운 인증 절차들을 회피함으로써 가상 환경에서 사용자의 몰입감을 유지 또는 보존할 수 있다. 마찬가지로, 홍채 인식은 지불 시스템들에 입력을 제공하거나; 보안 시스템들 또는 특징들을 잠금해제하거나 가능하게 하거나; 개인적으로 식별 가능한 정보(예를 들어, 의료 기록들)에 대한 액세스를 제공하거나; 또는 비교적 끊김 없고 직관적인 방식으로 다른 적합한 기능들을 수행하기 위해 머리 장착 디바이스들에서 사용될 수 있다.
[0079]
홍채 인식 시스템들과 관련하여, 홍채 코드는 홍채 이미지로부터 생성될 수 있고 다른 홍채 이미지들로부터의 홍채 코드들에 대해 비교하기 위해 사용될 수 있다. 일반적으로 말해서, 2개의 홍채 코드들을 비교하여 이들이 동일한 홍채에 속하는지 여부를 결정하는 것은 통계적 독립성 테스트를 적용하는 것을 수반하며, 여기서 테스트의 실패는 홍채 코드들이 매칭하는 것을 나타낸다. 홍채 코드들이 많은 자유도들을 갖는 일부 예들에서, 2개의 상이한 눈들의 홍채 이미지들의 홍채 코드들 사이의 잘못된 매칭 가능성, 즉 홍채 이미지들의 2개의 홍채 코드들이 동일한 사용자에 속한다는 부정확한 식별은 매우 낮다. 예를 들어, 사용된 매칭 파라미터들에 따라, 잘못된 매칭의 가설 확률은 100,000분의 1 내지 100조분의 1의 범위일 수 있다. 예를 들어, 잘못된 매칭의 확률은, 비교적 적은 수의 잠재적 사용자들의 검증을 수행하기 위해 (예를 들어, 작은 홍채 코드 데이터베이스에 대해) 홍채 인식이 사용되면 더 낮을 수 있거나, 또는 비교적 많은 수의 잠재적 사용자들의 검증을 수행하기 위해 (예를 들어, 큰 홍채 코드 데이터베이스에 대해) 홍채 인식이 사용되면 더 높을 수 있다.
[0080]
도 7은 일부 실시예들에 따른 홍채 인식 시스템의 예를 도시한다. 예시적인 홍채 인식 시스템(1000)(이하, "시스템(1000)"으로 지칭됨)은 시스템(1000)의 사용자의 눈의 홍채(1020)의 이미지들 중 하나 이상을 입력 및 분석하도록 구성되고, 하나 이상의 기능들(1200)(이하, "기능들(1200)"로 지칭됨)에 대한 액세스를 제어할 수 있다. 일부 예들에서, 홍채 인식 시스템(1000)은 홍채(1020)의 디지털 세기 이미지와 같은 이미지를 생성하기 위해 사용될 수 있는 눈 이미징 카메라(1040)(이하 "카메라(1040)"로 지칭됨)를 포함하도록 구성될 수 있다. 일부 예들에서, 카메라(1040)에 의해 생성된 하나 이상의 이미지들은 이미지 프로세서(1060)에 입력된다. 일부 예들에서, 이미지 프로세서(1060)는 (단독으로 또는 내부 센서(들)(1080) 및/또는 외부 센서(들)(1100)로부터의 추가 입력과 함께) 이미지를 조작하여, 이미지는 홍채 코드 생성기(1120)에 의해 수치적 홍채 코드로 변환될 수 있다. 일부 예들에서, 홍채 코드 분석기(1140)는 홍채 코드를 기존의 홍채 코드들(관계형 데이터베이스와 같은 데이터베이스(1160)에 저장될 수 있음)와 비교하여, 사용자의 아이덴티티와 관련된 하나 이상의 값들을 결정한다. 일부 예들에서, 액세스 제어기(1180)는 사용자가 기능들(1200)을 활용할 수 있는지 여부 및 방법을 결정하기 위해 이들 하나 이상의 값들을 사용한다. 일부 예들에서, 내부 센서(들)(1080) 및/또는 외부 센서(들)(1100)로부터의 입력은 액세스 제어기(1180)를 보조하기 위해 사용된다. 일부 예들에서, 이들 컴포넌트들 중 하나 이상은 도 6에 대해 전술된 홍채 모듈(620)에 포함될 수 있다.
[0081]
카메라(1040)는 홍채(1020)의 이미지에 대응하는 이미지 데이터를 출력한다. 카메라(1040)는 범용 광학 카메라, 또는 예를 들어, (예를 들어, 카메라(1040)가 머리 장착 디바이스에서 홍채(1020)에 매우 근접하게 장착될 수 있도록) 가까운 초점 길이들에서 객체들을 이미징하는 능력을 가짐으로써 또는 전체 홍채(1020)의 포커싱된 이미지를 획득하기에 충분한 필드 깊이로 인간 홍채를 이미징하도록 특별히 구성된 카메라일 수 있다. 일부 예들은 확대 눈 이미징(예를 들어, 머리 장착 디바이스에서와 같이 카메라(1040)와 눈 사이에서 12인치 미만)을 위해 구성될 수 있지만, 다른 예들은 중간적 또는 더 긴 거리의 눈 이미징, 예를 들어 2 내지 10피트 또는 10 내지 30피트 이상을 위해 구성될 수 있다. 일부 예들에서, 카메라(1040)는 (CCD 센서와 같은) 디지털 이미지 센서를 포함하고 이미지 센서의 대응하는 영역들(예를 들어, 픽셀들)에 입사하는 광의 세기들에 대응하는 값들의 어레이를 출력한다. 예를 들어, 이미지 센서는 픽셀에 입사하는 광의 세기가 0 내지 255의 단일 값으로 표현되는 8-비트 그레이스케일 이미지를 출력할 수 있다. 일부 예들에서, 이미지 센서는 픽셀에 입사하는 광의 세기가 적색, 녹색 및 청색 광의 세기를 각각 표현하는 0 내지 255의 3개의 값들로 표현되는 24-비트 컬러 이미지를 출력할 수 있다. 특정 시스템 요건들에 따라 다른 눈 이미징 기술들 및 이미지 데이터의 표현들이 가능하고 바람직할 수 있다.
[0082]
이미지 프로세서(1060)를 사용하는 예들에서, 카메라(1040)에 의해 출력된 이미지 데이터는 이미지 프로세서(1060)에 입력될 수 있다. 이미지 프로세서(1060)는 이미지 데이터에 대해 하나 이상의 프로세싱 동작들을 수행하여, 예를 들어, 그 이미지 데이터로부터 생성된 홍채 코드들의 신뢰도를 개선하고, 이어서, 프로세싱된 이미지 데이터를, 예를 들어, 홍채 코드 생성기(1120)에 출력할 수 있다. 일부 예들에서, 이미지 프로세서(1060)는 예를 들어, 포커싱된 이미지들과 상관된 중간 및 상위 주파수들의 존재를 결정하기 위해 푸리에 또는 웨이블릿 변환들을 사용함으로써, 홍채 이미지가 초점이 맞는 정보를 결정할 수 있다. 초점 정보는 저품질 이미지들을 거부하거나 포커싱된 이미지들로부터 생성된 홍채 코드들을, 언포커싱된(unfocused) 이미지들로부터 생성된 홍채 이미지들보다 잠재적으로 더 신뢰 가능하거나 유익한 것으로 플래그하는데 유용할 수 있다. 예를 들어, 최소로 허용 가능한 포커싱된 이미지들에 대한 임계치가 설정될 수 있어서, 임계치 아래의 이미지들은 거부될 수 있다. 일부 예들에서, 이미지에서 중간 및 상위 주파수들의 존재를 증가시키도록 초점이 조정될 수 있다. 일부 예들에서, 더 큰 프로세싱 효율을 달성하기 위해, 임의의 이미지 프로세싱 또는 홍채 코딩 동작들 전에 이미지 초점이 평가될 수 있다. 일부 예들에서, 이미지 초점은 하나 이상의 이미지 프로세싱 또는 홍채 코딩 동작들 후에 평가될 수 있다.
[0083]
일부 예들에서, 이미지 프로세서(1060)는 홍채 코드들의 생성을 가능하게 하는 포맷으로 이미지 데이터를 배열할 수 있다. 하나의 이러한 포맷은 홍채의 변연계 에지와 동공 에지 사이에 홍채의 링-형상 영역을 포함하는 2-차원 공간에서의 좌표에 대해 이미지 데이터를 정렬하는 의사 극 포맷이다. 이미지 프로세서(1060)는 또한 변연계 에지 및 동공 에지를 식별하기 위해 에지 검출 동작들을 수행할 수 있다. 일부 예들에서, 이미지 프로세서(1060)는, 예를 들어 눈꺼풀에 의해 홍채가 가려진 이미지 데이터의 영역들을 검출할 수 있고; 이러한 이미지 데이터를 제거하거나, 홍채 코드 생성과 같은 홍채 데이터에 대한 동작들을 간섭하지 않는 방식으로 이를 제시할 수 있다.
[0084]
일부 예에서, 시스템(1000)은 카메라(1040)와 동일한 사용자를 향할 수 있는 하나 이상의 내부 센서들(1080) 및/또는 로컬 환경 및/또는 원격 환경(예를 들어, 인터넷 또는 클라우드-기반 센서들)에서 정보를 검출하도록 구성된 하나 이상의 외부 센서들(1100)을 포함할 수 있다. 센서들(1080 및/또는 1100)은 시스템(1000)의 다양한 특징들을 보조하기 위한 데이터를 제공할 수 있다. 예시적인 센서들은 가속도계들, 외부 광 센서들, 내부 광 센서들(즉, 사용자를 향함), 망막 센서들, 지오로케이션/펜스(fence) 센서 시스템들 등을 포함할 수 있다. 일부 예들에서, 센서들(1080 및/또는 1100)은 머리 장착 디스플레이 디바이스에 통합될 수 있다. 일부 예들에서, 센서들(1080 및/또는 1100)은 적절한 홍채 이미지의 가능성을 결정하기 위해 또는 축을 벗어난 이미지들에 보정을 적용하는 것을 보조하기 위해 눈 배향의 초기 평가를 행하기 위해 사용될 수 있다. 일부 예들에서, 홍채 인식에 대한 매칭 임계치들은 센서 정보를 사용하여 설정될 수 있다. 예를 들어, 지오로케이션 센서 시스템은, 사용자가 일정한 조명 조건들에서 생성된 홍채 이미지들을 갖고 비교적 낮은 에러 레이트들이 예상될 수 있는 홈 환경에 있다고 표시할 수 있거나; 또는 사용자가, 홍채 이미지들이 덜 일정하고 더 높은 에러 레이트들이 예상될 수 있는 실외 환경에 있다고 표시할 수 있다. 일부 예들에서, 지오로케이션 센서 시스템은 "포브(fob)"와 같은 하드웨어 컴포넌트를 포함할 수 있으며, 이는 예를 들어 로컬 네트워킹 컴포넌트들에 연결함으로써 머리 장착 디스플레이 디바이스에 대한 근접성을 검출하거나 추가적인 보안을 제공하기 위해 사용될 수 있다.
[0085]
내부 센서들(1080) 및/또는 외부 센서들(1100)은 또한 머리 장착 디스플레이 디바이스가 사용자에 의해 분리된 때를 결정하는데 도움이 될 수 있다. 예를 들어, 머리 장착 디스플레이 디바이스의 분리는 가속도계 측정들, 광 측정들 또는 아이웨어 스템들의 위치에 의해 표시될 수 있다. 광 측정들은 사용자의 얼굴 또는 피부로부터 반사된 광에 기초하여 및/또는 사용자로부터 발신되어 센서들에 의해 검출된 적외선 신호의 부재에 기초할 수 있다. 시스템(1000)이 홍채(1020)를 더 이상 성공적으로 이미징할 수 없을 때 분리가 또한 결정될 수 있다. 이러한 결정은 예를 들어, 일정 시간 기간 동안 다수의 매칭 실패들이 검출된 후에 발생할 수 있다.
[0086]
일부 예들에서, 이미지 프로세서(1060)에 의해 출력되는 프로세싱된 이미지 데이터는 홍채 코드 생성기(1120)에 대한 입력으로서 사용될 수 있다. 홍채 코드 생성기(1120)는 하나 이상의 홍채 이미지들을 표현하는 홍채 데이터를 수신하고, 홍채 데이터에 대응하는 하나 이상의 수치적 홍채 코드들을 생성한다. 일부 예들에서, 홍채 코드 생성기(1120)는 홍채 데이터를 셀들로 분할하고, 홍채 셀에 각각 대응하는 하나 이상의 값들을 포함하는 홍채 코드를 생성한다. 예를 들어, 홍채 코드는 총 2048비트 또는 256바이트들에 대해, 셀당 2비트를 사용하여 1024개의 셀들을 표현할 수 있고, 이는 복소 평면에서 위상 벡터의 좌표에 대응할 수 있다. 일부 예들에서, 더 많거나 더 적은 셀들, 그리고 셀당 더 많거나 더 적은 데이터를 사용하여, 더 작거나 더 큰 홍채 코드들을 도출할 수 있다. 예를 들어, 홍채 코드는 64바이트 내지 1024바이트 또는 256바이트 내지 4096바이트의 범위 내에 있을 수 있다. 추가로, 홍채 코드는 8 비트 또는 바이트의 배수일 필요가 없다.
[0087]
일부 예들에서, 홍채 코드 생성기(1120)는 하나 이상의 홍채 이미지들을 축적하고 하나 이상의 이미지들로부터 홍채 코드를 생성하도록 구성될 수 있다. 홍채 코드를 생성하기 위해 사용되는 홍채 이미지들의 수를 증가시키는 것은, 특히 홍채 이미지 데이터가 신뢰 가능하지 않을 수 있는 환경들에서 더 많은 계산들 및 프로세싱 능력을 잠재적으로 요구하는 대가로, 홍채 코드의 신뢰성과 견고성을 개선할 수 있다.
[0088]
홍채 코드 생성기(1120)에 의해 생성된 홍채 코드들은 홍채 코드 분석기(1140)에 의해 입력으로서 사용될 수 있다. 홍채 코드 분석기(1140)는 사용자의 아이덴티티와 관련된 하나 이상의 값들을 결정하기 위해, 데이터베이스(1160)에 저장된 홍채 코드-사용자 쌍들의 세트와 같은 데이터의 세트에 대해 하나 이상의 입력 홍채 코드들을 비교할 수 있다. 일부 예들에서, 홍채 코드 분석기(1140)는 매칭 값을 생성하기 위해, 홍채 코드-사용자 쌍들의 세트 내의 홍채 코드와 같은 저장된 홍채 코드에 대해 하나 이상의 입력 홍채 코드들을 비교할 수 있다. 일부 예들에서, 홍채 코드 분석기(1140)는 입력 홍채 코드에 대응하는 사용자의 아이덴티티를 출력할 수 있다. 일부 예들에서, 홍채 코드 분석기(1140)는 매칭이 발견되는지 여부; 즉, 입력 홍채 코드가 예를 들어, 데이터베이스(1160)에서 홍채 데이터의 세트 내의 저장된 홍채 코드와 같은 홍채 데이터에 대응하는지 여부에 대응하는 이진 값을 출력할 수 있다. 일부 예들에서, 홍채 코드 분석기(1140)는 홍채 데이터와 관련된 통계적 데이터에 대응하는 하나 이상의 값들, 예를 들어, 입력 홍채 코드에 대해 매칭이 존재하는지 또는 존재하지 않는지에 대한 통계적 신뢰도를 출력한다. 일부 예들에서, 홍채 코드 분석기(1140)는 사용자 세션으로부터 생성된 홍채 코드들의 그룹을 계속 업데이트할 수 있다. 예를 들어, 생성된 홍채 코드들은 특정 수의 생성된 홍채 코드들을 저장하도록 구성된 FIFO(First-In First-Out) 버퍼에 축적될 수 있다. 일부 예들에서, 홍채 코드 분석기(1140)는 복수의 홍채 코드들을 축적하고, 복수의 홍채 코드들로부터 단일 홍채 코드(예를 들어, 퍼지 홍채 코드)를 생성할 수 있다. 일부 예들에서, 버퍼 크기는 특정 애플리케이션의 필요성들에 따라, 또는 내부 센서들(1080) 및/또는 외부 센서들(1100)로부터의 입력에 따라 사용자 세션 동안 변경될 수 있다.
[0089]
일부 예들에서, 홍채 코드 분석기(1140)는 사용자 세션 동안 생성된 홍채 코드들을 주기적으로 리셋할 수 있다. 일부 예들에서, 리셋은 특정 수의 비 매칭들이 검출된 후 또는 일정 시간 기간이 경과한 후에 수행될 수 있다. 일부 예들에서, 리셋은 이벤트에 의해 트리거링될 수 있다. 예를 들어, 머리 장착 디스플레이 디바이스를 통합한 시스템들에서, 내부 센서들(1080) 및/또는 외부 센서들(1100)이 사용자로부터 머리 장착 디스플레이 디바이스의 분리 또는 환경 조명 조건들에서의 급격한 변화(머리 장착 디스플레이 디바이스의 가능한 제거를 표시함)를 검출하면, 리셋이 수행될 수 있다.
[0090]
일부 예들에서, 액세스 제어기(1180)는 홍채 코드 분석기(1140)에 의해 출력된 값들을 사용하여 기능들(1200)에 대한 보안 또는 액세스 제어 또는 시스템(1000)의 다른 특징들 또는 기능성을 제공한다. 예를 들어, 기능들(1200)은, 오직 특정 사용자들만이 보안된 영역에 대한 도어들을 잠금해제하도록 허용되도록, 건물의 보안된 영역에서 도어 잠금들을 제어하는 기능을 포함할 수 있다. 사용자를 도어 잠금들을 잠금해제하는 것에 대한 허가를 갖는 사용자로서 식별하는 홍채 코드 분석기(1140)의 출력 값, 예를 들어, 임계치 값을 초과하는 홍채 매칭 값인 출력 값에 따라, 액세스 제어기(1180)는 예를 들어, 도어들을 잠금해제하도록 기능들(1200)에 지시함으로써 도어 잠금해제 기능성을 활성화할 수 있다. 유사하게, 사용자를 도어 잠금들을 잠금해제하는 것에 대한 허가를 갖는 사용자로서 식별하지 않는 홍채 코드 분석기(1140)의 출력 값에 따라, 액세스 제어기(1180)는 도어들을 잠금 상태로 유지하도록 기능들(1200)에 지시할 수 있다.
[0091]
도 7에 도시된 시스템(1000)의 엘리먼트들 중 일부 또는 전부는 하나 이상의 프로세서들에 의해 실행되는 소프트웨어 명령들을 사용하여 구현될 수 있다. 이러한 프로세서들은 통신 디바이스(예를 들어, 모바일 폰, 스마트 폰), 멀티미디어 디바이스(예를 들어, MP3 플레이어, TV, 라디오), 휴대용 또는 핸드헬드 컴퓨터(예를 들어, 태블릿, 넷북, 랩탑), 데스크탑 컴퓨터, 올인원 데스크탑, 주변 디바이스, 웨어러블 디바이스(머리 장착 디스플레이 디바이스를 포함할 수 있는 머리 장착 디바이스들을 포함함) 또는 이들 유형들의 디바이스들 중 둘 이상의 조합들을 포함하여, 시스템(1000)의 포함에 적응 가능한 임의의 다른 시스템 또는 디바이스를 포함하지만 이에 제한되는 것은 아닌 휴대용 또는 비-휴대용 디바이스 내에 구현될 수 있다.
[0092]
도 7에 도시된 시스템(1000)은 시스템(1000)의 하나의 예시적인 아키텍처일 뿐이며, 시스템(1000)은 도시된 것보다 많거나 적은 컴포넌트들, 또는 컴포넌트들의 다른 구성을 가질 수 있음은 자명할 것이다. 도 7에 도시된 다양한 컴포넌트들은 하나 이상의 신호 프로세싱 및/또는 주문형 집적 회로들을 포함하는 하드웨어, 소프트웨어, 펌웨어 또는 이들의 임의의 조합으로 구현될 수 있다. 추가로, 개시된 방법들이 수행되는 경우, 그러한 방법들의 단계들은 순차적으로 수행될 필요가 없다.
[0093]
본 개시는 도 7에 도시된 시스템(1000)의 임의의 특정 물리적 실시예로 제한되지 않는다. 예를 들어, 시스템(1000)은 단일 물리적 하우징 또는 둘 이상의 별개의 하우징들로 구현될 수 있다. 일부 예들에서, 하나 이상의 컴포넌트들은 VR(virtual reality) 또는 AR(augmented reality) 머리 장착 디스플레이 디바이스와 같은 웨어러블 컴퓨팅 디바이스에 제공될 수 있지만, 하나 이상의 다른 컴포넌트들은 셀 폰, 태블릿 컴퓨터, 랩탑, 데스크탑, 시계, 의류, 벨트 팩, 배낭 또는 머리띠와 같은 별개의 하우징 또는 케이싱에 대한 유선 또는 무선 어레인지먼트에서 테더링될 수 있다. 예를 들어, 카메라(1040) 및 센서들(1080/1100) 중 하나 이상이 머리 장착 디스플레이 디바이스에 장착될 수 있어서, 카메라 및/또는 센서들은 사용자의 머리 및 눈들에 대해 고정되어 유지된다(머리 장착 디스플레이 디바이스에 대해 고정될 수 있다).
[0094]
시스템(1000)은 단일 홍채(1020)만을 이미징하는 것으로 제한되지 않는다. 일부 예들에서, 시스템(1000)은 사용자의 단일 홍채만을 이미징 및 프로세싱할 수 있지만, 일부 예들에서, 시스템(1000)은 사용자의 눈들 둘 모두(통상적으로 독립적인 홍채 패턴들을 나타냄) 또는 다수의 사용자들로부터의 다수의 눈들을 이미지 및 프로세싱하도록 구성될 수 있다.
이미지 프로세싱
[0095]
사용 가능한 홍채 이미지 데이터는 눈꺼풀에 의해 가려지지 않는 홍채의 변연계 에지와 동공 에지 사이의 눈 영역에 대응한다. 이미지 프로세서(1060)는 홍채의 변연계 에지 및 동공 에지뿐만 아니라 눈꺼풀 경계들을 검출하도록 구성될 수 있다. 일부 예들에서, 이러한 에지 검출을 수행하는 것은 예를 들어 수식 (1)로서, Daugman, How Iris Recognition Works, IEEE Transactions on Circuits and Systems for Video Technology, Vol. 14, No. 1, January 2004, pp. 21-30에서 교시된 바와 같은 원 에지 검출기 동작을 활용한다:
(1)
[0096]
수식 (1)에서, I(x, y)는 데카르트 좌표(x, y)에서 홍채 이미지 데이터의 세기를 표현하고, * 기호는 컨볼루션 연산자를 표현하고, r은 반경을 표현하고, Gσ(r)은 평활화 함수이다. 예를 들어, Daugman에서 설명된 바와 같이, 전술된 동작은 반경 r 및 중심 좌표 (x0,y0)의 원 호 ds와 함께, 이미지 도메인 (x, y)에서, I(x, y)의 윤곽 적분의 흐려진 부분 도함수의 최대값을 반복적으로 식별함으로써 이미지에서 홍채 경계를 검출하기 위해 사용될 수 있다. 홍채 경계를 검출한 후, 간섭 또는 이미지 이상의 측정이 (예를 들어, 눈꺼풀 커버리지의 양을 계산함으로써) 평가될 수 있다. 일부 예들에서, 이미지 데이터는 (예를 들어, 이미지 프로세서(1060)에 의해) 거부될 수 있고, 대응하는 홍채 코드는, 과도한 간섭 또는 이미지 이상들이 발견되면 (예를 들어, 홍채 코드 분석기(1140)에 의해) 분석으로부터 생략될 수 있다.
[0097]
초기 홍채 이미지는 데카르트 좌표계로부터 의사 극좌표계로 전환 또는 변환될 수 있다. 일부 예들에서, 홍채(1020)의 변연계 에지 및 동공 에지뿐만 아니라 속눈썹 및 눈꺼풀에 의한 임의의 중첩을 식별한 후, 결과적 환형 홍채 이미지는 직사각형 고무 시트 모델을 사용하여 "래핑되지 않고(unwrapped)" 그리고 또는 데카르트 (예를 들어, x, y) 좌표계로부터 극(예를 들어, r, θ) 좌표계로 변환된다. 예를 들어, 이는 홍채 이미지 I(x, y)를 차원이 없는 비-동심 극좌표계(r, θ)로 변환함으로써 부분적으로 수행될 수 있으며, 여기서 r은, 예를 들어, 수식 (2)로서 Daugman에서 설명된 바와 같이, 단위 구간 [0,1]로서 동공 경계로부터 가장자리까지의 범위이다.
(2)
[0098]
수식 (2)에서, xp 및 yp는 내부 홍채 경계를 정의하는 동공 경계 포인트들이고, xs 및 ys는 외부 홍채 경계를 정의하는 공막 경계 포인트들이다. 이들 경계들은 x(r, θ) 및 y(r, θ) 수식들을 최대화함으로써 검출될 수 있다.
홍채 코드 생성
[0099]
본 개시는 이미지 데이터로부터 홍채 코드를 생성하는 특정 방법으로 제한되지 않는다. 일부 예들에서, 홍채 코드는 이미지 데이터를 다수의 영역들 또는 셀들로 분할하고, 2개의 비트들을 사용하여 각각의 셀에 대한 위상 정보에 대응하는 복소 평면에서 벡터를 인코딩함으로써 표현될 수 있다. 이미지 세기보다는 위상 정보로부터 홍채 코드들을 생성하는 것은, 위상 정보가 일반적으로 퍼지 또는 저해상도 이미지들에서도 보존되어, 열악한 이미징 조건들에서도 위상 정보가 신뢰 가능하게 복구될 수 있다는 점에서 유리할 수 있다. 홍채 이미지들로부터 위상 정보가 추출될 수 있다. 예를 들어, Daugman에 설명된 바와 같은 2D Gabor 웨이블릿들이, 홍채 패턴들을 위상 복조하고, 수식 (3)에서와 같이 실수 및 허수 성분들을 갖는 복소 값 계수들을 생성하기 위해 사용될 수 있다
(3)
[00100]
수식 (3)에서, 
는 2D 적분의 부호에 기초하여 실수부 및 허수부가 1 또는 0인 페이저(phasor)이고, I(ρ,φ)는 의사 극 좌표에서 (고무 시트 모델을 사용한 정규화 이후) 홍채 이미지의 세기이고, α 및 β는 웨이블릿 파라미터들이고, ω는 β에 반비례하는 웨이블릿 주파수이고, (r0, θ0)은 홍채의 셀에 대한 극좌표이다. 셀에 대한 복소 값은, 2비트로 각각 표현되는 복소 평면에서 4개의 사분면들 중 하나로 양자화될 수 있다(예를 들어, [0,1], [1,1], [1,0] 및 [0,0]). 홍채 이미지 데이터의 각도 배향에서의 변동들은 최상의 매칭을 추구하기 위해 극좌표계의 각도 성분의 순환적 스크롤링에 의해 처리될 수 있다. 대안적으로, 기본적 이미지 데이터는 홍채 코드가 생성되기 전에, 예를 들어 오일러 매트릭스 또는 다른 변환을 사용하여 회전적으로 매칭될 수 있다.
[0100]
일부 예들에서, 하나 이상의 홍채 이미지들로부터의 셀 값들은 할당 요건들 또는 셀 안정성 또는 가변성의 다른 결정들을 충족시키지 못할 수 있다. (홍채 코드 자체와 유사한) 이러한 셀들의 마스크 또는 맵이 생성될 수 있다. 예를 들어, 2D Gabor 웨이블릿 변환들로부터 투영된 일부 복소 값들은 복소 평면의 일 축 또는 두 축 모두의 근처에 놓일 수 있으며, 샘플 변동들은 이러한 값들이 불일치하게 또는 부정확하게 양자화되게 할 수 있다. 홍채 코드 분석으로부터 이러한 불일치 비트들 또는 셀 값들을 생략하는 것은 홍채 인식 정확성을 개선할 수 있다. 일부 예에서, 마스크를 표현하는 비트단위 맵은, 예를 들어 홍채 코드 분석기(예를 들어, 홍채 코드 분석기(1140))에 의해 무시되어야 하는 비트들 또는 셀 값들을 식별하기 위해 홍채 코드에 적용될 수 있다. 이러한 비트단위 맵은 저장된 홍채 코드와 생성된 홍채 코드 사이의 매칭을 결정할 때 홍채 코드의 가변적 또는 불일치하는 셀들을 마스킹하거나 제외하기 위해 사용될 수 있다. 일부 예들에서, 맵은 홍채 이미지들의 홍채 영역들에 대응하는 홍채 코드의 일치하는 및 불일치하는 셀들 둘 모두를 포함할 수 있지만, 눈꺼풀, 속눈썹 및/또는 정반사 광 효과들을 제외할 수 있다.
[0101]
일부 예들에서, 제2 세트의 복소 값들은 제1 세트의 2D Gabor 웨이블릿 변환들과 상이한 배향들을 갖는 제2 세트의 2D Gabor 웨이블릿 변환들로부터 투영될 수 있다. 제2 세트의 복소 값들은 상이한 패턴의 불일치 비트들을 가질 수 있거나, 그렇지 않으면 제1 세트의 2D Gabor 웨이블릿 변환들의 좌표계에 대해 45도 회전된 좌표계로 양자화될 수 있다. 이어서, 제1 세트의 2D Gabor 웨이블릿 변환들로부터의 불일치 비트들은 제2 세트의 2D Gabor 웨이블릿 변환들로부터 생성된 셀 값들로 대체될 수 있으며, 이는 더 일관될 수 있고 따라서 매칭 검증의 정확성을 개선할 수 있다. 일부 예들에서, 홍채 이미지의 각각의 셀에 대한 복소 값들은 양자화에 의해 얻어질 수 있는 불일치들을 감소시키거나 회피하기 위해 저장된 홍채 이미지들로부터 생성된 복소 값들과 비교되고 그리고/또는 직접 평균화될 수 있다.
[0102]
일부 예들에서, 하나 이상의 홍채 이미지들이 포착되어 합성 홍채 코드를 생성하기 위해 사용될 수 있다. 합성 홍채 코드의 각각의 셀에 대해, 최종 값이 그 셀에 할당될 수 있다. 일부 예들에서, "표결 방식"(예를 들어, 단순한 다수)이 최종 값을 컴퓨팅하기 위해 사용될 수 있다. 일부 예들에서, 각각의 값은 하나 이상의 홍채 이미지들로부터 그 셀에 대한 지배적 값이 존재하는지 여부를 결정하기 위해 다른 카테고리 값들의 각각의 그룹화와 통계적으로 비교될 수 있다. 일부 예들에서, (그 분포에 대한 신뢰도의 측정치와 관계없이) 확률 분포와 같은 분포 메트릭이 홍채 코드들 사이의 매칭 가능성을 결정하기 위해 사용될 수 있다.
홍채 코드 분석 및 매칭
[0103]
홍채 코드 분석기(1140)는 생성된 홍채 코드(예를 들어, 합성 홍채 코드)를 저장된 홍채 코드(일부 예들에서 데이터베이스(1160)에 저장됨)와 비교하여, 생성된 홍채 코드가 저장된 홍채 코드에 매칭하는지 여부를 결정할 수 있다. 본 개시는 매칭이 존재하는지 여부를 결정하기 위한 특정 메커니즘으로 제한되지 않는다. 일부 예들에서, 매칭이 존재하는지 여부는 2개의 홍채 코드들이 통계적으로 독립적인지 여부의 테스트 결과를 사용하여 결정되는데: 생성된 홍채 코드가 저장된 홍채 코드와 통계적으로 독립적이지 않아서 테스트가 실패하면, 생성된 홍채 코드는 저장된 홍채 코드와 매칭으로 고려될 수 있다.
[0104]
일부 실시예들에서, 홍채 코드 분석의 정확성을 최대화하는 것이 바람직할 수 있다. 예를 들어, 비-매칭이 매칭으로 부정확하게 식별될 가능성인 FAR(false acceptance rate) 또는 타입 II 에러, 및 또한 매칭이 비-매칭으로 부정확하게 식별될 가능성인 FRR(false rejection rate) 및 타입 I 에러 둘 모두를 감소시키는 것이 바람직하다. 이러한 에러 레이트들은 매칭들 및 비-매칭들을 분류하기 위해 사용되는 임계치 값들에 의존할 수 있다. 상이한 홍채 인식 시스템들 및 알고리즘들의 정확성을 비교하기 위해 사용될 수 있는 척도는 EER(equal error rate), 또는 매칭하는 이미지 쌍들의 잘못된 거부들의 레이트가 매칭되지 않은 이미지 쌍들의 잘못된 허용들의 레이트와 동일한 임계치에서의 에러 레이트이다. 일반적으로 말해서, 더 낮은 EER을 갖는 시스템은 더 높은 EER을 갖는 시스템보다 더 정확한 결과들을 달성할 수 있다.
[0105]
홍채 인식 시스템들에서 개선된 정확성은 다수의 방법들로 달성될 수 있다. 예를 들어, 더 양호한 시스템 컴포넌트들은 더 높은 해상도의 이미지들, 더 양호한 포커싱 메커니즘들, 및/또는 이미징 영역을 환경 내의 원하지 않는 광으로부터 차폐하는 개선된 방법들을 허용할 수 있다. 이는 더 높은 품질의 더 재현 가능한 홍채 이미지들을 가능하게 할 수 있고, 이로부터 홍채 코드들이 더 정확하고 신뢰 가능하게 생성될 수 있다. 정확성은 또한 저품질 이미지들을 폐기함으로써 개선될 수 있다. 예를 들어, 홍채 이미지에는 홍채 인식에서 그 이미지의 유용성과 관련된 품질 점수가 할당될 수 있다. 예로서, 초점이 맞지 않거나, 과도한 정반사 성분들을 갖거나, 과도한 눈꺼풀 커버리지를 갖거나, 또는 극단적인 각도로 취해진 이미지에는 저품질 점수가 할당될 수 있는데, 이는 그러한 팩터들이 홍채 인식에 대한 유용성을 제한하기 때문이다. 시스템은 이미지의 품질 점수를 임계치와 비교하고, 품질 점수가 임계치를 충족하지 않으면 이미지를 폐기할 수 있다. 일부 예들에서, 시스템은 적절한 또는 더 높은 품질의 이미지가 획득될 질 때까지 추가 이미지들을 포착할 수 있다. 일부 예들에서, 시스템은 이미지 포착을 위해 원하는 눈 배향을 용이하게 하기 위해 플래시 광들과 같은 사용자 명령들 또는 사용자 큐들을 제공할 수 있다.
[0106]
홍채 인식 시스템에서 2개의 홍채 코드들 사이의 차이를 정량화하기 위해 다양한 방법들이 사용될 수 있으며, 사용되는 방법 또는 방법들은 시스템의 EER을 통지하거나 그에 영향을 미칠 수 있다. 이러한 차이를 정량화하기 위한 하나의 메트릭은 해밍 거리(HD; Hamming Distance)이다. maskA 및 maskB(해밍 거리 계산으로부터 제외될 홍채 코드 비트들을 식별함)가 각각 적용되는 codeA 및 codeB 사이의 해밍 거리는 수식 (4)로 정의될 수 있다:
(4)
[0107]
수식 (4)에서, 부울 Exclusive-OR 연산자(
)는 2개의 홍채 코드들(예를 들어, codeA 및 codeB)사이의 비트단위 차이를 출력한다. 비트단위 값들 maskA 및 maskB는 예를 들어 maskA, maskB와 Exclusive-OR 연산의 출력 사이에서 비트단위 AND 연산을 수행하고, 이어서 마스킹되지 않은 비트들(즉, 
)의 총 수로 결과를 정규화함으로써 해밍 거리 계산으로부터 제외되어야 하는 눈꺼풀, 속눈썹, 조명 수차들 또는 홍채 인식에 대한 다른 장애물들에 대응하는 홍채 코드 영역들을 표현하기 위해 0의 값을 사용할 수 있다.
[0108]
결과적 HD(Hamming Distance)는 2개의 홍채 코드들 사이의 비트단위 유사성의 측정치를 제공한다. 유사한 해밍 거리는 2개의 홍채 코드들 사이의 더 큰 유사성에 대응한다. 일부 예들에서, 2개의 홍채 코드들 사이의 해밍 거리는 매칭이 존재하는지 여부를 결정하기 위해 임계치 값에 비교된다. 예를 들어, 임계치 아래에 속하는 2개의 홍채 코드들 사이의 해밍 거리는, 2개의 홍채 코드들이 매칭하는 것을 표시할 수 있다. 더 낮은 임계치는 식별되는 더 낮은 매칭들을 도출할 수 있지만, 더 많은 잘못된 거부들을 생성할 위험이 있다. 유사하게, 더 높은 임계치는 식별되는 더 많은 매칭들을 도출할 수 있지만, 더 많은 잘못된 허용들을 생성할 위험이 있다. 일부 예들에서, 임계치는 홍채 코드들이 생성되는 이미지 데이터의 신뢰 가능성 및 일관성과 같은 고려사항들에 따라 약 0.25 내지 약 0.36의 범위로 설정될 수 있다. 일부 예들에서, 다수의 임계치들이 이용될 수 있다.
[0109]
일부 예들에서, 예를 들어, 홍채 코드들 자체를 생성하기 위해 사용되는 동일한 계산들을 사용하여, 저장된 및 생성된 홍채 코드들의 마스크들(예를 들어, 홍채 코드들 codeA 및 codeB에 대응하는 maskA 및 maskB)이 또한 비교될 수 있고, 그 결과들은 2개의 홍채 코드들 사이의 매칭 결정의 정확성을 추가로 개선하기 위해 사용될 수 있다. 각각의 홍채 코드에 대해, 각각의 비트/특징부의 신뢰 가능성을 전달하는 맵이 생성될 수 있다. 예를 들어, 2개의 홍채 코드들에 대해 생성된 2개의 맵들(예를 들어, 눈꺼풀 영역들에 대응함) 사이의 유사성은, 홍채 코드들이 동일한 홍채에 속하는 것 및 그에 따라 2개의 홍채 코드들 사이에 매칭이 존재하는 것을 표시할 수 있다. 유사하게, 제1 홍채 코드의 가변적인 또는 불일치하는 셀들의 제1 맵은 하나 이상의 홍채 코드들로부터의 가변적인 또는 불일치하는 셀들의 제2 맵과 비교될 수 있다. 제1 맵과 제2 맵 사이의 유사성은, 제1 홍채 코드가 하나 이상의 홍채 코드들과 동일한 홍채에 대응하는 것을 표시할 수 있다.
[0110]
도 7을 참조하면, 일부 예들에서, 홍채 코드 분석기(1140)는 홍채 코드의 셀들의 변동들을 분석 및 정량화하고, 홍채 매칭 계산들의 정확성을 향상시키기 위해 가변성 또는 확률 정보를 활용할 수 있다 일부 예들에서, 비교적 더 높은 가변성을 나타내고 따라서 덜 유용한 정보를 전달할 수 있는 셀들은 매칭 검출로부터 제외될 수 있다. 일부 예들에서, 셀 변동들에 대응하는 정보(예를 들어, 통계 정보)는 양자화된 값들을 가변 셀들에 더 정확하게 할당하기 위해 사용될 수 있다. 일부 예들에서, 부분 매칭 값들 또는 다른 가중된 값들이 매칭 검출을 위해 가변 셀들에 할당될 수 있다.
[0111]
홍채 코드들은 홍채 코드 분석기(1140)에 의한 확률 값을 사용하여 표현될 수 있다. 이는 특히 작은 샘플 크기들을 사용하거나 홍채 코드들 또는 이미지 데이터가 높은 변동성을 나타내는 시스템들에서 홍채 인식 정확성을 개선할 수 있다. 예를 들어, 홍채 코드들이 단일 비트 결과로서 표현되는 하나 이상의 셀들(예를 들어, 홍채 이미지의 영역을 갖는 필터의 컨볼루션의 포지티브 또는 네거티브 값에 대응하는 1 및 0)을 포함하는 예들에서, 각각의 이러한 비트는 샘플 크기에 기초한 확률 또는 가중된 값으로 특성화될 수 있다. 이것은 어떠한 확률 x를 갖는 헤드들의 값 및 확률 (1-x)를 갖는 테일(tail)들의 값을 생성하는 가중된 동전과 유사하다. 그 추정치의 통계적 품질에 대한 정보를 포함하는 x의 추정치는 2개의 홍채 코드들 사이의 매칭의 품질을 컴퓨팅하기 위해 사용될 수 있다. 예를 들어, 홍채 코드의 각각의 비트에 대해, 그 비트의 가중치에 대한 가능한 결과들의 이전 분포를 사용하여 확률 x가 추정될 수 있다. 가능한 가중치들에 대한 이전 확률 분포는 베타 분포를 사용하여 모델링될 수 있고, 이전 지식 상태는 형상 파라미터들 a 및 b를 사용하여 모델링될 수 있다. 하나의 예시적인 베타 분포는 수식 (5)로 표현될 수 있다:
(5)
[0112]
수식 (5)에서, 형상 파라미터들 a 및 b에 대한 예시적인 값들은 각각 0.01 및 0.1을 포함할 수 있다. Γ는 감마 함수이다(즉, 
).
[0113]
비트가 1의 값을 n번 그리고 0의 값을 m번 갖는 것으로 관찰되는 비트의 n+m번의 관찰들 이후, 가능한 가중치들의 확률 분포는 
로서 표현될 수 있다. 이러한 모델, x에 대한 모델 분포의 기대값 E[x]) 및 분산 var[x]은 수식들 (6), (7) 및 (8)로서 각각 표현될 수 있다.
(6)
(7)
(8)
[0114]
따라서, 기대값 및 분산은 n+m번 관찰된 홍채에서 각각의 비트의 가중치에 대해 표현될 수 있다. 홍채 코드 분석기(1140)는 이러한 통계적 정보를 사용하여 홍채 코드 연산에서 신뢰도를 정량화할 수 있다. 일부 실시예들에서, 홍채 코드 분석기(1140)가 원시 샘플 비트 정보 모두보다는, 기대값 E[x] 및 분산 var[x] 또는 홍채 코드에서 각각의 비트에 대한 (a+n) 및 (b+m) 중 어느 하나를 저장하는 것으로 충분할 수 있다. 따라서, 일부 예들에서, 2048개의 단일 비트 엔트리들을 포함하는 홍채 코드들은 기대값 및 분산을 표현하는 실수들의 2048개의 쌍들로 홍채 코드 분석기(1140)에서 대체될 수 있다. 이는 FIC("Fuzzy Iris Code")로 지칭될 수 있다.
[0115]
홍채 코드 분석기(1140)는 2개의 퍼지 홍채 코드들 사이의 차이를 정량화하기 위해 다양한 차이 메트릭들을 사용할 수 있다. 이러한 메트릭들은 이전에 설명된 해밍 거리와 유사한 "거리" 측정의 형태로 특성화될 수 있다. 일부 예들에서, 차이 메트릭들은 홍채 코드 내의 비트들의 수에 대해 정규화될 수 있다.
[0116]
하나의 예시적인 차이 메트릭은 SHD("Soft Hamming Distance")이다. 퍼지 코드 j로부터 비트 i의 기대 값을 
로 정의하면, SHD는 홍채 코드 분석기(1140)에서 수식 (9)에서와 같이 모든 비트들에 걸쳐 기대 값들의 절대 차이들의 합산으로 표현될 수 있다:
(9)
[0117]
다른 예시적인 차이 메트릭은 MHD("Median Hamming Distance")이다. 퍼지 코드 j로부터 비트 i의 중앙 값(여기서는 제로들 및 1들의 가장 가능한 값)을 
로 정의하면, MHD는 홍채 코드 분석기(1140)에서 수식 (10)에서와 같이 모든 비트들에 걸쳐 중앙 값들의 절대 차이들의 합산으로 표현될 수 있다:
(10)
[0118]
다른 예시적인 차이 메트릭은 FZS("Fuzzy Z-Score")이다. 퍼지 코드 j로부터 비트 i의 가중치에 대한 분포의 분산은 
로 정의될 수 있다. 이어서, FZS는 홍채 코드 분석기(1140)에서 모든 비트들에 걸쳐 기대 값들의 절대 차이들의 합산으로서 표현될 수 있고, 각각의 이러한 차이는 수식 (11)에서와 같이 연관된 분산들의 합산으로 스케일링된다:
(11)
[0119]
이러한 예시적인 차이 메트릭들 중 하나 이상을 사용하면, 홍채 코드 분석기(1140)는 예를 들어, 미리 결정된 임계치 값에 기초하여 동일한 홍채에 대한 매칭이 존재하는지 여부를 결정하기 위해 2개의 퍼지 홍채 코드들을 비교할 수 있다.
[0120]
일부 차이 메트릭들은 z 비트들의 그룹들을 기본적 가중치를 갖는 랜덤 프로세스들로 취급하여, K = 2z개의 가능한 결과들이 다항식 분포에 의해 특정되는 것으로 설명될 수 있다. 일부 실시예들에서, 가능한 결과들을 그룹화하기 위해 가능한 결과들에 맵핑이 적용될 수 있다. 맵핑은 감독된 또는 감독되지 않은 머신 학습, 클러스터링을 사용하여 결정/적용되거나 또는 분석적으로 구성될 수 있다. 예를 들어, 홍채 상의 동일한 위치에서 2개의 상이한 필터들의 컨볼루션들에 대응하는 비트 쌍들은 z = 2를 갖는 그룹 및 그에 따라 K = 2z = 4개의 가능한 결과들을 구성할 것이다. (그러나, 그룹의 비트들은, 홍채의 동일하거나, 이웃하거나 완전히 상이한 영역들에 적용된 필터들의 결과일 수 있기 때문에, 홍채 이미지 상에서 동일한 위치에 대응할 수 있거나 대응하지 않을 수 있다). 이는 K개의 카테고리들(즉, 비트 그룹에 대한 가능한 결과) 각각에 대해 하나의 엘리먼트를 갖는 확률들의 벡터 
를 갖는 카테고리 분포로서 표현될 수 있다. xk의 값들은 이러한 합산이 1과 동일하도록 정규화될 수 있다. 가중치들은 이항식 경우의 베타 분포에 대해 앞서 설명된 파라미터들 a 및 b와 유사하게, K개의 형상 파라미터들(또는 "연접 파라미터들")을 갖는 Dirichlet 분포 
로 특성화될 수 있다. 형상 파라미터들은 비트 그룹들의 이전 정보를 인코딩하는 값으로 시작할 수 있고, 상이한 홍채 이미지들에서 대응하는 그룹에 대한 개별적인 측정들이 행해짐에 따라 업데이트될 수 있다.
[0121]
일부 예들에서, 홍채 코드 분석기(1140)는 FIC 대신에 FMIC("Fuzzy Multinomial Iris Code")를 사용할 수 있다. 그룹 크기 z에 대해, FMIC는 K = 2z개의 실제 형상 파라미터들에 의해 각각 표현되는 2048/z개의 엔트리들을 가질 수 있다. 이항식 경우에 대해 앞서 정의된 예시적인 차이 메트릭들은 아래에 도시된 바와 같이 다항식 경우로 일반화될 수 있다. 일부 예들에서, 표시자 벡터들 
은 K 차원 벡터들의 세트일 수 있고, 여기서 모든 엘리먼트들은, 1로 설정되는 특정 그룹에 대한 가중치 벡터에서 가장 높은 확률에 대응하는 엘리먼트를 제외하고 제로로 설정된다. 벡터 
는 j번째 FMIC에서 i번째 비트 그룹에 대응하는 표시자 벡터로서 정의될 수 있다. 
는 i번째 그룹에 대한 K-차원 가중치 벡터의 기대 값(즉, 그 그룹에 대한 가중치의 최상의 추정치)으로 정의될 수 있고, 수식 (12)로서 표현될 수 있다:
(12)
(13)
[0122]
수식 (13)은 특정 그룹에 대한 형상 파라미터들의 합산을 표현할 수 있다. 
를 정의하면, 공분산 행렬 
은 수식 (14)로 표현될 수 있다:
(14)
[0123]
N을 (비트들의 수보다는) 비트 그룹들의 수를 의미하는 것으로 정의하면, 예시적인 차이 메트릭들의 다항식 버전들은 수식들 (15), (16), 및/또는 (17)로서 표현될 수 있다:
(15)
(16)
(17)
[0124]
일부 예들에서, 상기 차이 메트릭들의 예는 최소 분산 ε으로 평가될 수 있다. 이러한 예들에서, 계산에서 사용되는 분산들은 관찰된 분산 플러스 최소 분산, 또는 관찰된 분산과 최소 분산 ε 중 더 큰 것일 수 있다. 최소 분산 ε은 차이 메트릭들을 더 양호하게 컨디셔닝하기 위해 추가될 수 있다. 이는 데이터의 결핍을 보상하기 위해 수행될 수 있다.
[0125]
도 8은 일부 실시예들에 따른 홍채 코드들을 비교하기 위한 예시적인 프로세스를 도시한다. 도 8에서, 2개의 홍채 코드들을 비교하기 위한 프로세스를 실행하는 홍채 코드 분석기(1140)가 도시된다. 홍채 코드 분석기(1140)는 셀 확률 분포들을 리셋(2020)하고, 현재 사용자 세션으로부터 다수의 홍채 코드들을 축적(2040)하고, 하나 이상의 셀들에 대한 셀 확률 분포들을 계산(2060)하도록 구성될 수 있다. 하나 이상의 셀들의 값들은 식별 또는 결정(2080)될 수 있고, 하나 이상의 셀들에 대한 크기 의존적 신뢰도 값이 계산(2100)될 수 있다. 일부 예들에서, 특정 변동성 기준들을 충족시키지 않는 셀들에 대한 값들은 계산되지 않는다. 일부 예들에서, 생성된 홍채 코드의 신뢰도 구간/값을 저장된 홍채 코드의 신뢰도 구간/값과 비교하는 것과 같은 통계적 비교에 기초하여, 생성된 홍채 코드와 저장된 홍채 코드 사이의 해밍 거리를 계산(2140)하기 전에, 셀에 값이 할당(2120)되거나, 생략될 수 있다. 일부 예들에서, 홍채 코드 분석기(1140)는 SHD, MHD, 및/또는 FZS 메트릭들 또는 2개의(퍼지) 홍채 코드들을 비교하기 위한 다른 퍼지 메트릭을 사용할 수 있다.
[0126]
일부 예들에서, 홍채 코드 분석기(1140)는 단일 생성된 홍채 코드를 저장된 홍채 코드와 비교하거나, 또는 둘 이상의 생성된 홍채 코드들에 기초하여 합성 홍채 코드를 생성하도록 구성될 수 있다. 일부 예들에서, 홍채 코드 분석기(1140)는 합성 홍채 코드를 생성하기 위해 최소 수 또는 미리 결정된 수(예를 들어, 2, 50, 1000, 3000)의 홍채 이미지들 또는 홍채 코드들을 요구할 수 있다.
[0127]
도 9는 일부 실시예들에 따른 홍채 코드들을 축적 및 비교하기 위한 예시적인 프로세스를 도시한다. 도 9에서, 홍채 코드 분석기(1140)는 다수의 생성된 홍채 코드들을 축적(3020)하고, 이어서 각각의 셀에 대한 퍼지 홍채 코드를 생성(3040)하도록 구성될 수 있다. 일부 예들에서, 홍채 코드들의 세트에 걸친 비트의 평균에 대응하는 0 내지 1의 범위의 비-이진 값(또는 1의 이진 비트 값의 확률)이 계산될 수 있다. 각각의 비-이진 값의 신뢰도는 충분히 큰 샘플 크기들을 갖는 예들에서 신뢰 가능하게 재현 가능할 수 있다. 예를 들어, 0 또는 1 결과의 확률이 동일한(예를 들어, 평균 비트 값이 0.5임) 비-이진 합성 홍채 코드에서, 불일치 비트가 재현 가능할 수 있다(즉, 확률은 상당히 신뢰 가능할 수 있고, 확률적 Bernoulli 변수로서 거동할 수 있다). 일부 예들에서, 해밍 거리 계산으로부터 대응하는 비트 또는 셀 값들을 생략하기보다는, 평균 비-이진 비트 값들을 사용하여, 수정된 해밍 거리 계산(3060)이 수행될 수 있다. 비-이진 합성 홍채 코드는 다른 비-이진 합성 홍채 코드, 또는 각각의 비트의 이진 값들이 0 내지 1의 범위에서 연속적인 값들로서 취급되는 이진 합성 홍채 코드에 매칭하기 위해 사용될 수 있다. 이는, 매칭들 및 비-매칭들에 대한 해밍 거리 분포들 사이의 분리도를 개선하여, 결국 유효 EER을 낮출 수 있다.
[0128]
도 10a는 일부 실시예들에 따른 예시적인 이진 홍채 코드 및 예시적인 퍼지 홍채 코드를 도시한다. 값 1011000100을 갖는 예시적인 저장된 이진 홍채 코드의 10-비트 부분이 라인(4000)으로서 도시된다. 라인(4100)은 하나 이상의 생성된 홍채 코드들에서 각각의 대응하는 비트 값에 대한 "1" 값의 확률을 표현하는 퍼지 홍채 코드를 도시한다. 일부 비트들은 해당 확률 값들에 기초하여 불일치로서 특성화될 수 있다. 예를 들어, 도 10a에서 비트 1에 대한 것과 같은 0.40 내지 0.60의 범위 내의 확률 값은 결정적이 아닌 것으로 특성화될 수 있다. 이어서, 생성된 홍채 코드들의 세트의 나머지 비트들은 0 또는 1 값으로 양자화되어, 비트 부분은 값은 X011000000의 값을 가져서(여기서 'X'는 불일치하는 비트를 표현함) 비트 8에서 미스매칭을 표시하고, 여기서 이진 홍채 코드는 1의 값을 갖고, 퍼지 홍채 코드는 0의 값을 갖는다. 불일치 비트가 미스매칭된 비트로서 취급되면, 2개의 홍채 코드 부분들에 대한 해밍 거리는 비트들 1 및 8에서 미스매칭들로 인해 2/10 또는 0.2로서 컴퓨팅될 수 있다. 일부 예들에서, 비트 1이 해밍 거리 계산으로부터 생략되면, 결과는 1/10 또는 0.1일 것이다. 일부 예들에서, 비트 1이 해밍 거리 계산으로부터 생략되면, 결과는 1/9일 것이다. 일부 예들에서, 비트 1이 0.5의 값을 갖는 것으로 취급되면, 비트 1에서의 차이는 |1-0.5| 또는 0.5일 것이고, 1.5/10, 또는 0.15의 해밍 거리를 도출할 것이다.
[0129]
홍채 코드 분석기(1140)가 0.2 내지 0.8의 임의의 확률 값을 불일치로서 특성화하도록 구성되는 예들에서, 예시적인 생성된 홍채 코드들의 세트는 3개의 불일치 비트들(비트들 1, 4 및 6), 및 비트 8에서의 미스매칭을 반영하는 X01X0X0000의 값을 가질 것이다. 일부 실시예들에서, 3개의 불일치 비트들이 미스매칭들로서 특성화되면, 해밍 거리는 4/10, 또는 0.4000일 것이다. 일부 예들에서, 불일치 비트들 1, 4 및 6에 각각 0.5, 0.8 및 0.3의 확률 값들이 할당되면, 대응하는 차등 값들 |1-0.5|, |1-0.8|, 및 |0-0.3|이 해밍 거리를 계산하기 위해 사용되어, (0.5+0.2+0.3+1)/10 = 0.20일 것이다.
[0130]
도 10a에 대해 설명된 예들은 퍼지 합성 홍채 코드와 이진 홍채 코드 사이의 매칭 비교를 수반하지만, 일부 예들은 2개의 퍼지 홍채 코드들 사이의 매칭 비교를 수반할 수 있다. 도 10b는 2개의 예시적인 퍼지 홍채 코드들을 도시한다. 도 10b는 저장된 퍼지 홍채 코드의 값 : 0.7/0.0/1.0/1.0/0.2/0.2/0.2/1.0/0.0/0.0을 4200으로서 도시한다. 도 10b는 또한 생성된 퍼지 홍채 코드의 값 : 0.5/0.1/1.0/0.8/0.1/0.3/0.1/1.0/0.0/0.0을 4300으로서 도시한다. 이러한 2개의 비-이진 합성 홍채 코드들을 비교할 때 수정된 해밍 거리는 (0.2+0.1+0.0+0.2+0.1+0.1+0.1+1.0+0.0+0.0)/10.0, 또는 0.18이다.
[0131]
일부 예들에서, 하나 초과의 저장된 홍채 코드가 사용자와 연관될 수 있다. 이러한 저장된 홍채 코드들은 사용자 조건들, 환경 조건들, 내부 및/또는 외부 센서들에 의해 검출 가능한 상태들, 또는 다른 기준들과 연관될 수 있다. 예를 들어, 저장된 홍채 코드는 내부 및/또는 외부 센서들에 의해 검출된 특정 광 조건들, 또는 내부 센서들에 의해 (예를 들어 시선 추적에 의해) 식별된 특정 눈 배향들과 연관될 수 있다. 일부 예들에서, 더 많은 수의 저장된 홍채 코드들의 세트들로부터 잘못된 포지티브 매칭들의 위험을 감소시키기 위해, 홍채 코드 분석기(1140)는 예를 들어, 센서 입력들이 특정 입력 파라미터들을 충족하면, 특정 조건들 하에서 추가적인 홍채 코드들만을 활용하도록 구성될 수 있다. 일부 예들에서, 홍채 코드 분석기(1140)는 상이한 홍채 코드들에 대해 상이한 해밍 거리 임계치 값들을 활용하도록 구성될 수 있다. 예를 들어, 홍채 코드 분석기(1140)는 제1 홍채 코드를 사용하여 매칭을 검증하기 위해 제1 해밍 거리 임계치 값을; 그리고 제2 홍채 코드를 사용하여 매칭을 검증하기 위해 제2의 더 낮은(및 그에 따라 더 엄격한) 해밍 거리 임계치를 사용할 수 있다.
[0132]
머리 장착 디스플레이 디바이스를 통합한 시스템들은 홍채 코드 비교들을 개선하기 위한 기회들을 제공할 수 있다. 예를 들어, 사용자에게 커플링되지 않은 이미징 디바이스를 사용하여 초기 홍채 이미지를 포착하는 시스템들과 달리, 사용자 웨어러블 시스템들은 초기 사용자 식별 후에 사용자와 맞물려 유지되어, 초기 사용자 매칭 이후에도 지속적인 홍채 이미지 포착을 수행하는 것이 확인된다. 매칭-후 이미지들은 사용자의 아이덴티티를 재확인하고, 장래의 사용자 식별에 사용되는 저장된 홍채 코드를 추가로 개선하고, 그리고/또는 매칭에서 통계적 신뢰도를 개선하기 위해 사용될 수 있다.
[0133]
일부 예들에서, 머리 장착 시스템이든 비-머리 장착 시스템이든, 홍채 인식 시스템은 매칭 프로세스 자체와 관련된 다른 데이터를 수집 및/또는 계산할 수 있다. 예를 들어, 이는 포지티브 매칭들의 분포(예를 들어, 초기 매칭 검증 및/또는 세션 동안의 재검증에서 달성된 해밍 거리) 또는 달성된 평균 해밍 거리를 (신뢰도 또는 분산 측정치와 관계없이) 포함할 수 있다. 이러한 데이터는 예를 들어, 액세스 제어기를 교정하기 위해 사용될 수 있다. 예를 들어, 일부 사용자들은 다른 사용자들보다 낮은 해밍 거리를 일관되게 달성할 수 있고, 시스템에 의해 설정된 임계치들은 원하는 보안 및/또는 사용자 경험을 달성하도록 그에 따라 조정될 수 있다. 일부 예들에서, 시스템은 또한 다른 센서 시스템들로부터 데이터를 수집 또는 프로세싱할 수 있으며, 이는 매칭들 또는 비-매칭들과 상관되거나 상관되지 않을 수 있다. 일부 예들에서, 사용자 또는 계정은 동일한 사용자에 대한 다수의 홍채 코드들과 연관될 수 있다. 일부 예에서, 홍채 코드들 중 임의의 것과의 매칭이 매칭을 달성하기에 충분할 수 있고, 일부 예에서, 홍채 코드들 중 하나 이상은 다른 센서 기준들이 충족되는 경우에만 매칭이 허용되는 2차 홍채 코드들일 수 있다.
[0134]
일부 예들에서, 매칭은 주기적으로 재검증될 수 있으며, 이는 매칭되는 사용자의 계속된 존재를 확인함으로써 보안을 향상시킬 수 있다. 재검증은 예를 들어 매 초마다, 매 10초마다, 매 분마다 또는 매 시간마다 발생할 수 있다. 일부 예들에서, 재평가 레이트는 사용되거나 요청되는 사용자 기능에 따라 달라질 수 있다. 예를 들어, 게임 기능을 수행할 때 재검증이 요구되지 않을 수 있거나 또는 게임 세션의 종료 시에 시작할 수 있지만; 액세스 기간 동안 민감한 재정 또는 건강 정보에 액세스하는 것은 주기적인 재검증을 요구할 수 있다. 일부 예들에서, 액세스 제어기(1180)는 예를 들어, 다른 사용자(상이한 홍채들을 가짐)가 시스템을 사용하는 것을 사용자가 원하는 경우, 사용자가 일시적으로 또는 조건부로 재검증을 보류할 수 있게 구성될 수 있다. 일부 예들에서, 재검증을 보류하는 사용자의 능력은 민감한 재정 또는 건강 정보와 같은 특정 사용자 기능들 또는 데이터, 또는 기밀로 태그된 콘텐츠와 관련하여 선택적으로 차단될 수 있다.
[0135]
일부 예들에서, 상이한 레벨들의 보안 액세스는 상이한 레벨들의 계정 액세스 또는 기능성과 연관될 수 있다. 예를 들어, 더 낮은 레벨들의 보안 액세스는 차선의 이미지 포착 조건들 하에서 더 빠른 홍채 검증을 가능하게 할 수 있으며, 기본 사용자 기능성에 충분할 수 있지만; 사용자의 아이덴티티에서 더 높은 레벨의 신뢰도에 대응하는 더 높은 레벨들의 보안은 다수의 홍채 이미지들을 포착 및 분석한 후에만 승인될 수 있다. 도 7을 참조하면, 일부 실시예들에서, 시스템(1000)은, 홍채 검증이 비-매칭 또는 완전한 매칭 중 어느 하나에 대응하는 매칭 값뿐만 아니라 조건부 또는 부분 매칭에 대응하는 값을 제공하도록 구성될 수 있다. 일부 예들에서, 시스템(1000)의 제1 기능성(예를 들어, 기능들(1200) 중 하나 이상)은 완전한 매칭에 대한 응답으로 활성화될 수 있는 한편, 시스템(1000)의 제2 기능성은 조건부 매칭에 대한 응답으로 활성화될 수 있다. 제2 기능성은 제1 기능성의 서브세트일 수 있거나, 제1 기능성보다 더 제한될 수 있거나, 또는 그렇지 않으면 제1 기능성과 동일하지 않을 수 있다. 예들에서, 기능들(1200) 중 하나 이상은 홍채 검증을 거의 또는 전혀 사용하지 않고 사용 가능할 수 있는 한편, 다른 기능들(1200)은 사용자 아이덴티티에서 더 높은 레벨의 신뢰도를 요구할 수 있다. 일부 예들에서, 게임과 같은 덜 민감한 애플리케이션은 더 높은 해밍 거리 임계치 값을 허용할 수 있는 한편; 재정 또는 건강 정보에 대한 액세스와 같은 더 민감한 애플리케이션들은 더 낮은 또는 더 엄격한 해밍 거리 임계치들을 요구할 수 있다. 일부 예들에서, 매칭 값이 조건부 매칭에 대응한다고 결정하는 것에 대한 응답으로, 시스템(1000)은 추가 홍채 이미지들을 획득하고, 추가 홍채 코드들을 생성하고, 합성 홍채 코드들을 생성하고, 완전한 매칭 또는 비-매칭에 대응하는 새로운 매칭 값을 생성할 수 있다.
[0136]
상기 예시적인 프로세스들은 임의의 적합한 로직 회로를 사용하여 컴퓨터 시스템에서 구현될 수 있다. 적합한 로직 회로는 소프트웨어 프로그램으로 구현된 명령들을 실행할 때 프로세스들을 수행하는 하나 이상의 컴퓨터 프로세서들(예를 들어, CPU, GPU 등)을 포함할 수 있다. 추가적으로, 이러한 프로세스들은 또한 프로세스들을 제공하는 로직 설계들을 구현하는 프로그래밍가능 로직(예를 들어, PLD, FPGA 등) 또는 맞춤형 로직(예를 들어, ASIC 등)과 같은 하드웨어 로직 회로에서 구현되는 대응하는 로직 설계를 통해 제공될 수 있다. 또한, 이러한 프로세스들은 소프트웨어를 실행하는 하나 이상의 프로세서들 및 하드웨어 로직 회로 둘 모두를 조합하는 구현을 통해 제공될 수 있다.
[0137]
도 11은 상기 예들 중 임의의 것 또는 전부를 구현하기 위해 사용될 수 있는 예시적인 시스템(5000)을 예시한다. 예시적인 시스템(5000)은 휴대용 디바이스(웨어러블 디바이스를 포함함) 또는 비-휴대용 디바이스, 예를 들어 통신 디바이스(예를 들어, 휴대폰, 스마트 폰), 멀티미디어 디바이스(예를 들어, MP3 플레이어, TV, 라디오), 휴대용 또는 핸드헬드 컴퓨터(예를 들어, 태블릿, 넷북, 랩탑), 데스크탑 컴퓨터, 올인원 데스크탑, 주변 디바이스, 머리 장착 디바이스(예를 들어, 통합 디스플레이를 포함할 수 있음), 또는 이러한 타입들의 디바이스들 중 둘 이상의 조합들을 포함하는 예시적인 시스템(5000)을 포함하도록 적응 가능한 임의의 다른 시스템 또는 디바이스에 포함될 수 있다. 상기 예들은 무선 네트워크를 통해 통신하는 둘 이상의 컴퓨터들과 같은 둘 이상의 물리적으로 별개의 디바이스들로 구현될 수 있다. 상기 예들은 데이터를 머리 장착 디스플레이 디바이스에 및/또는 그로부터 통신하는 벨트 팩과 같은 둘 이상의 물리적으로 상이한 디바이스들로 구현될 수 있다. 예시적인 시스템(5000)은 하나 이상의 컴퓨터 판독가능 매체들(5010), 프로세싱 시스템(5040), I/O 서브시스템(5060), 무선 통신 회로(예를 들어, RF 회로)(5080), 오디오 디바이스들(예를 들어, 스피커, 마이크로폰)(5100) 및 센서들(5110)을 포함한다. 이러한 컴포넌트들은 하나 이상의 통신 버스들 또는 신호 라인들(5030)에 의해 커플링될 수 있다.
[0138]
도 11에 도시된 아키텍처는 예시적인 시스템(5000)의 하나의 예시적인 아키텍처일 뿐이며, 예시적인 시스템(5000)은 도시된 것보다 많거나 적은 컴포넌트들, 또는 컴포넌트들의 다른 구성을 가질 수 있다. 도 11에 도시된 다양한 컴포넌트들은 하나 이상의 신호 디지털 프로세서들(DSP) 및/또는 주문형 집적 회로들(ASIC)을 포함하는 하드웨어, 소프트웨어, 펌웨어 또는 이들의 임의의 조합으로 구현될 수 있다.
[0139]
도 11의 예시적인 시스템(5000)을 참조하면, 무선 통신 회로(5080)는 정보를 무선(예를 들어, RF) 링크 또는 네트워크를 통해 하나 이상의 다른 디바이스들에 전송하고 수신하기 위해 사용될 수 있고 이러한 기능을 허용하기 위한 회로를 포함할 수 있다. 무선 통신 회로(5080) 및 오디오 디바이스들(5100)은 주변 인터페이스(5160)를 통해 프로세싱 시스템(5040)에 커플링될 수 있다. 주변 인터페이스(5160)는 주변기기들(예를 들어, 무선 통신 회로(5080), 오디오 디바이스들(5100) 및 센서들(5110))과 프로세싱 시스템(5040) 사이의 통신을 확립 및 유지하기 위한 다양한 공지된 컴포넌트들을 포함할 수 있다. 오디오 디바이스들(5100)은 주변 인터페이스(5160)로부터 수신된 음성 신호들을 프로세싱하여 사용자가 다른 사용자들과 실시간으로 통신할 수 있게 하는 회로를 포함할 수 있다. 오디오 디바이스들(5100)은 예를 들어 하나 이상의 스피커들 및/또는 하나 이상의 마이크로폰들을 포함할 수 있다. 일부 예들에서, 오디오 디바이스들(5100)은 헤드폰 잭(미도시)을 포함할 수 있다.
[0140]
센서들(5110)은 하나 이상의 LED(Light Emitting Diode)들 또는 다른 발광기들, 하나 이상의 포토다이오드들 또는 다른 광 센서들, 하나 이상의 광열 센서들, 자력계, 가속도계, 자이로스코프, 기압계, 나침반, 근접 센서, 카메라, 주변 광 센서, 온도계, GPS 센서, EOG(electrooculography) 센서, 및 배터리 잔량, 전력 소비, 프로세서 속도, CPU 부하 등을 감지할 수 있는 다양한 시스템 센서들을 포함하지만 이에 제한되는 것은 아닌 다양한 센서들을 포함할 수 있다. 머리 장착 디바이스(디스플레이를 포함할 수 있음)를 수반하는 것과 같은 예들에서, 하나 이상의 센서들은 사용자의 눈 움직임을 추적하거나 또는 사용자의 눈의 이미지에 기초하여 사용자를 식별하는 것과 같은, 사용자의 눈과 관련된 기능성과 관련하여 사용될 수 있다.
[0141]
주변 인터페이스(5160)는 시스템(5000)의 입력 및 출력 주변기기들을 하나 이상의 프로세서들(5180) 및 하나 이상의 컴퓨터 판독가능 매체들(5010)에 커플링할 수 있다. 하나 이상의 프로세서들(5180)은 제어기(5200)를 통해 하나 이상의 컴퓨터 판독가능 매체들(5010)과 통신할 수 있다. 컴퓨터 판독가능 매체(5010)는 하나 이상의 프로세서들(5180)에 의해 사용하기 위한 코드 및/또는 데이터를 저장할 수 있는 임의의 디바이스 또는 매체(신호를 제외함)일 수 있다. 일부 예들에서, 컴퓨터 판독가능 매체(5010)는 비일시적 컴퓨터 판독가능 저장 매체일 수 있다. 컴퓨터 판독가능 매체(5010)는 캐시, 메인 메모리 및 2차 메모리를 포함하지만 이에 제한되는 것은 아닌 메모리 계층을 포함할 수 있다. 메모리 계층은 RAM(예를 들어, SRAM, DRAM, DDRAM), ROM, FLASH, 자기 및/또는 광학 저장 디바이스들, 예를 들어, 디스크 드라이브들, 자기 테이프, CD(compact disc)들 및 DVD(digital video disc)들의 임의의 조합을 사용하여 구현될 수 있다. 컴퓨터 판독가능 매체(5010)는 또한 컴퓨터 명령들 또는 데이터를 표시하는 정보 보유 신호들을 운반하기 위한 송신 매체를 포함할 수 있다(그러나 신호들을 제외하고 신호들이 변조되는 반송파를 제외함). 예를 들어, 송신 매체는 인터넷(월드 와이드 웹을 포함함), 인트라넷(들), LAN(Local Area Network)들, WLAN(Wide Local Area Network)들, SAN(Storage Area Network)들, MAN(Metropolitan Area Network)들 등을 포함하지만 이에 제한되는 것은 아닌 통신 네트워크를 포함할 수 있다.
[0142]
하나 이상의 프로세서들(5180)은 예시적인 시스템(5000)에 대한 다양한 기능들을 수행하기 위해 컴퓨터 판독가능 매체(5010)에 저장된 다양한 소프트웨어 컴포넌트들을 실행할 수 있다. 일부 예들에서, 소프트웨어 컴포넌트들은 운영 시스템(5220), 통신 모듈(또는 명령들의 세트)(5240), I/O 프로세싱 모듈(또는 명령들의 세트)(5260), 그래픽 모듈(또는 명령들의 세트)(5280) 및 하나 이상의 애플리케이션들(또는 명령들의 세트)(5300 포함할 수 있다. 이들 모듈들 및 상기 언급된 애플리케이션들 각각은 전술한 하나 이상의 기능들 및 본 출원에서 설명된 방법들(예를 들어, 본 명세서에서 설명된 컴퓨터 구현 방법들 및 다른 정보 프로세싱 방법들)을 수행하기 위한 명령들의 세트에 대응할 수 있다. 이러한 모듈들(즉, 명령들의 세트)은 별개의 소프트웨어 프로그램들, 절차들 또는 모듈들로서 구현될 필요가 없고, 따라서 이러한 모듈들의 다양한 서브세트들은 다양한 예들에서 조합되거나 달리 재배열될 수 있다. 일부 예들에서, 컴퓨터 판독가능 매체(5010)는 앞서 식별된 모듈들 및 데이터 구조들의 서브세트를 저장할 수 있다. 또한, 컴퓨터 판독가능 매체(5010)는 앞서 설명되지 않은 추가적인 모듈들 및 데이터 구조들을 저장할 수 있다.
[0143]
운영 시스템(5220)은 일반적인 시스템 작업들(예를 들어, 메모리 관리, 저장 디바이스 제어, 전력 관리 등)을 제어 및 관리하기 위한 다양한 절차들, 명령어들의 세트들, 소프트웨어 컴포넌트들 및/또는 드라이버들을 포함할 수 있고, 다양한 하드웨어 및 소프트웨어 컴포넌트들 사이의 통신을 용이하게 한다.
[0144]
통신 모듈(5240)은 하나 이상의 외부 포트들(5360)을 통해, 또는 무선 통신 회로(5080)를 통해 다른 디바이스들과의 통신을 용이하게 할 수 있고, 무선 통신 회로(5080) 및/또는 외부 포트(5360)로부터 수신된 데이터를 처리하기 위한 다양한 소프트웨어 컴포넌트들을 포함할 수 있다.
[0145]
그래픽 모듈(5280)은 하나 이상의 디스플레이 표면들 상에 그래픽 객체들을 렌더링, 애니메이팅 및 디스플레이하기 위한 다양한 공지된 소프트웨어 컴포넌트들을 포함할 수 있다. 디스플레이 표면들은 2D 또는 3D 디스플레이들을 포함할 수 있다. 디스플레이 표면들은 예시적인 시스템(5000)의 하나 이상의 컴포넌트들에 직접 또는 간접적으로 커플링될 수 있다. 터치 감지 디스플레이(예를 들어, 터치 스크린)를 수반하는 예들에서, 그래픽 모듈(5280)은 터치 감지 디스플레이 상에서 객체들을 렌더링, 디스플레이 및 애니메이팅하기 위한 컴포넌트들을 포함할 수 있다. 일부 예들에서, 그래픽 모듈(5280)은 원격 디스플레이들에 렌더링하기 위한 컴포넌트들을 포함할 수 있다. 카메라를 통합하는 것들과 같은 일부 예들에서, 그래픽 모듈(5280)은 (머리 장착형 카메라로부터 캡처된 것과 같은) 카메라 데이터 또는 (위성 캡처 이미저리와 같은) 사진 데이터를 렌더링된 그래픽 객체들과 합성함으로써 형성되는 이미지를 생성 및/또는 디스플레이하기 위한 컴포넌트들을 포함할 수 있다. 일부 예들에서, 그래픽 모듈(5280)은 머리 장착 디스플레이 디바이스에 이미지를 렌더링하기 위한 컴포넌트들을 포함할 수 있다. 일부 예들에서, 이미지는 가상 콘텐츠의 엘리먼트(예를 들어, 3차원 가상 환경에서의 객체)의 뷰 및/또는 물리적 세계(예를 들어, 사용자의 물리적 환경들을 표시하는 카메라 입력)의 뷰를 포함할 수 있다. 일부 예들에서, 디스플레이는 가상 콘텐츠와 물리적 세계의 뷰의 합성을 제시할 수 있다. 일부 예들에서, 물리적 세계의 뷰는 렌더링된 이미지일 수 있고; 일부 예들에서, 물리적 세계의 뷰는 카메라로부터의 이미지일 수 있다.
[0146]
하나 이상의 애플리케이션들(5300)은 제한 없이, 브라우저, 주소록, 연락처 목록, 이메일, 인스턴트 메시징, 워드 프로세싱, 키보드 에뮬레이션, 위젯들, JAVA-가능 애플리케이션들, 암호화, 디지털 권리 관리, 음성 인식, 음성 복제, 위치 결정 능력(예를 들어, GPS(global positioning system)에 의해 제공되는 것), 뮤직 플레이어 등을 포함하는 예시적인 시스템(5000) 상에 설치된 임의의 애플리케이션들을 포함할 수 있다.
[0147]
I/O 서브 시스템(5060)은 다양한 기능들을 제어 또는 수행하기 위해 하나 이상의 I/O 디바이스들(5140)에 커플링될 수 있다. 눈 추적 또는 홍채 인식 기능성을 포함하는 예들과 같은 눈 데이터의 프로세싱을 수반하는 예들에서, I/O 서브시스템(5060)은 눈 관련 입력 및 출력을 처리하는데 전용되는 하나 이상의 I/O 디바이스들(5120)에 커플링될 수 있다. 하나 이상의 눈 I/O 디바이스들(5120)은 눈 I/O 디바이스 제어기(5320)를 통해 프로세싱 시스템(5040)과 통신할 수 있으며, 눈 I/O 디바이스 제어기(5320)는 눈 입력(예를 들어, 눈 추적을 위한 센서들) 또는 사용자 제스처 입력(예를 들어, 광학 센서들)을 프로세싱하기 위한 다양한 컴포넌트들을 포함할 수 있다. 하나 이상의 다른 I/O 제어기들(5340)은 다른 I/O 디바이스들(5140)에 및 그로부터 전기 신호들을 전송 및 수신할 수 있다. 이러한 I/O 디바이스들(5140)은 물리적인 버튼들, 다이얼들, 슬라이더 스위치들, 스틱들, 키보드들, 터치 패드들, 추가 디스플레이 스크린들 또는 이들의 임의의 조합을 포함할 수 있다.
[0148]
I/O 프로세싱 모듈(5260)은 I/O 디바이스 제어기(5320)를 통해 눈 I/O 디바이스들(5120)로부터 또는 I/O 제어기들(5340)을 통해 다른 I/O 디바이스들(5140)로부터 수신된 입력을 수신 및 프로세싱하는 것을 포함하지만 이에 제한되는 것은 아닌, 하나 이상의 눈 I/O 디바이스들(5120) 및/또는 하나 이상의 다른 I/O 디바이스들(5140)과 연관된 다양한 작업들을 수행하기 위한 다양한 소프트웨어 컴포넌트들을 포함할 수 있다. 일부 예들에서, I/O 디바이스들(5140) 및/또는 I/O 프로세싱 모듈(5260)은 촉각 또는 비-촉각 수단에 의해 제공될 수 있는 제스처 입력과 관련된 다양한 작업들을 수행할 수 있다. 일부 예들에서, 제스처 입력은 예를 들어 사용자의 눈들, 팔들, 손들 및/또는 손가락들의 움직임들을 검출하기 위해 카메라 또는 다른 센서에 의해 제공될 수 있다. 일부 예들에서, 하나 이상의 I/O 디바이스들(5140) 및/또는 I/O 프로세싱 모듈(5260)은 사용자가 상호작용하기를 원하는 디스플레이, 예를 들어 사용자가 포인팅하고 있는 GUI 엘리먼트들 상에서 객체들을 식별하도록 구성될 수 있다. 일부 예들에서, 하나 이상의 눈 I/O 디바이스들(5120) 및/또는 I/O 프로세싱 모듈(5260)은 사용자가 보고 있는 객체 또는 디스플레이 상의 영역을 식별하는 것과 같은 눈 추적 작업들을 (예를 들어 광학 또는 EOG 센서들의 보조로) 수행하도록 구성될 수 있다. 일부 예들에서, 하나 이상의 I/O 디바이스들(5140) 및/또는 I/O 프로세싱 모듈(5260)이 2D 또는 3D 환경에 대해 사용자의 손들의 위치를 식별하는 것과 같은 제스처-관련 작업들을 보조하기 위해 사용자에 의해 디바이스(예를 들어, 하드웨어 "비콘")가 착용 또는 유지될 수 있다. 일부 예들에서, 하나 이상의 눈 I/O 디바이스들(5120) 및/또는 I/O 프로세싱 모듈(5260)은 사용자의 눈과 관련된 카메라 센서로부터의 데이터와 같은 센서 입력에 기초하여 사용자를 식별하도록 구성될 수 있다.
[0149]
일부 예들에서, 그래픽 모듈(5280)은 GUI(graphical user interface)에서 사용자에게 시각적 출력을 디스플레이할 수 있다. 시각적 출력은 텍스트, 그래픽, 비디오 및 이들의 임의의 조합을 포함할 수 있다. 시각적 출력의 일부 또는 전부는 사용자 인터페이스 객체들에 대응할 수 있다. 일부 예들에서, 하나 이상의 I/O 디바이스들(5120 및/또는 5140) 및/또는 제어기들(5320 및/또는 5340)은 (매체(5010)의 임의의 연관된 모듈들 및/또는 명령들의 세트들과 함께) 제스처들 및/또는 눈 움직임들을 검출 및 추적할 수 있고, 검출된 제스처들 및/또는 눈 움직임들을 하나 이상의 사용자 인터페이스 객체들과 같은 그래픽 객체들과의 상호작용으로 변환할 수 있다. 하나 이상의 눈 I/O 디바이스들(5120) 및/또는 눈 I/O 디바이스 제어기(5320)가 사용자의 눈 움직임들을 추적하도록 구성되는 예들에서, 사용자는 그래픽 객체들을 봄으로써 이들과 직접 상호작용할 수 있다.
[0150]
디스플레이되고 있는 것 및/또는 예시적인 시스템(5000)의 상태 및/또는 상태들에 기초하여, 예를 들어, 하나 이상의 눈 I/O 디바이스들(5120) 또는 하나 이상의 다른 I/O 디바이스들(5140)에 의해 피드백이 제공될 수 있다. 피드백은 광학적으로(예를 들어, 광 신호 또는 디스플레이된 이미지), 기계적으로(예를 들어, 햅틱 피드백, 터치 피드백, 힘 피드백 등), 전기적으로(예를 들어, 전기 자극), 후각적, 음향적으로(예를 들어, 경고음 등) 등으로 또는 이들의 임의의 조합으로 그리고 가변적이거나 비-가변적인 방식으로 송신될 수 있다.
[0151]
예시적인 시스템(5000)은 또한 다양한 하드웨어 컴포넌트들에 전력을 공급하기 위한 전력 시스템(5440)을 포함할 수 있고 전력 관리 시스템, 하나 이상의 전원들, 재충전 시스템, 정전 검출 회로, 전력 변환기 또는 인버터, 전력 상태 표시기, 및 휴대용 디바이스들에서 전력의 생성, 관리 및 분배와 통상적으로 연관된 다른 컴포넌트들을 포함할 수 있다.
[0152]
일부 예들에서, 주변 인터페이스(5160), 하나 이상의 프로세서들(5180) 및 제어기(5200)는 프로세싱 시스템(5040)과 같은 단일 칩 상에 구현될 수 있다. 일부 다른 예들에서, 이들은 별개의 칩들 상에 구현될 수 있다.
[0153]
일부 예들에서, 시스템이 개시된다. 시스템은 홍채 이미지를 포착하도록 구성된 홍채 이미저(imager); 및 프로세서를 포함할 수 있고, 프로세서는, 홍채 이미저로부터 제1 복수의 홍채 이미지들을 수신하고, 제1 복수의 홍채 이미지들에 대응하는 제1 복수의 홍채 코드들을 생성하고, 홍채 셀 위치에 대응하는 분포 메트릭을 생성하고, 분포 메트릭을 사용하여 제1 합성 홍채 코드를 생성하고, 제1 합성 홍채 코드 및 제1 저장된 홍채 코드를 사용하여 제1 매칭 값을 생성하도록 구성된다. 상기 예들 중 하나 이상에 대해 추가적으로 또는 대안적으로, 제1 복수의 홍채 코드들의 각각의 홍채 코드는 복수의 값들을 포함할 수 있고, 복수의 값들의 각각의 값은 홍채 셀에 대응한다. 상기 예들 중 하나 이상에 대해 추가적으로 또는 대안적으로, 홍채 셀 위치는 제1 홍채 셀에 대응할 수 있고, 제1 복수의 홍채 코드들의 각각의 홍채 코드는 제1 홍채 셀에 대응하는 값을 포함할 수 있다. 상기 예들 중 하나 이상에 대해 추가적으로 또는 대안적으로, 프로세서는, 제1 매칭 값이 임계치 값을 초과한다는 결정에 대한 응답으로, 시스템의 기능성을 활성화하도록 추가로 구성될 수 있다. 상기 예들 중 하나 이상에 대해 추가적으로 또는 대안적으로, 시스템은 머리 장착 디스플레이를 더 포함할 수 있다. 상기 예들 중 하나 이상에 대해 추가적으로 또는 대안적으로, 제1 합성 홍채 코드 및 제1 저장된 홍채 코드는 각각 퍼지 홍채 코드일 수 있다. 상기 예들 중 하나 이상에 대해 추가적으로 또는 대안적으로, 제1 매칭 값은 소프트 해밍 거리(soft Hamming Distance), 중앙 해밍 거리 및 퍼지 Z-점수 중 적어도 하나일 수 있다. 상기 예들 중 하나 이상에 대해 추가적으로 또는 대안적으로, 분포 메트릭을 생성하는 것은 샘플-크기-의존적 신뢰도 값을 결정하는 것을 포함할 수 있다. 상기 예들 중 하나 이상에 대해 추가적으로 또는 대안적으로, 제1 매칭 값을 생성하는 것은 제1 합성 홍채 코드의 신뢰도 구간을 제1 저장된 홍채 코드의 신뢰도 구간과 비교하는 것을 포함할 수 있다. 상기 예들 중 하나 이상에 대해 추가적으로 또는 대안적으로, 분포 메트릭을 생성하는 것은 셀 값의 확률을 결정하는 것을 포함할 수 있다. 상기 예들 중 하나 이상에 대해 추가적으로 또는 대안적으로, 분포 메트릭을 생성하는 것은 셀 값의 발생들의 수를 정량화하는 것을 포함할 수 있다. 상기 예들 중 하나 이상에 대해 추가적으로 또는 대안적으로, 제1 복수의 홍채 코드들의 홍채 코드는 이진 셀 값들을 포함할 수 있고 제1 합성 홍채 코드는 비-이진 셀 값들을 포함할 수 있다. 상기 예들 중 하나 이상에 대해 추가적으로 또는 대안적으로, 프로세서는, 제1 복수의 홍채 이미지들의 홍채 이미지에 품질 점수를 할당하고; 품질 점수를 임계치와 비교하고; 품질 점수가 임계치를 충족하지 않는다는 결정에 대한 응답으로, 홍채 이미지를 제외하도록 추가로 구성될 수 있다. 상기 예들 중 하나 이상에 대해 추가적으로 또는 대안적으로, 제1 매칭 값을 생성하는 것은 해밍 거리를 계산하는 것을 포함할 수 있다. 상기 예들 중 하나 이상에 대해 추가적으로 또는 대안적으로, 프로세서는, 제1 매칭 값이 완전한 매칭에 대응하는지 여부를 결정하도록 추가로 구성될 수 있다. 상기 예들 중 하나 이상에 대해 추가적으로 또는 대안적으로, 프로세서는, 제1 매칭 값이 조건부 매칭에 대응하는지 여부를 결정하도록 추가로 구성될 수 있다. 상기 예들 중 하나 이상에 대해 추가적으로 또는 대안적으로, 프로세서는, 제1 매칭 값이 완전한 매칭에 대응한다는 결정에 대한 응답으로, 시스템의 제1 기능성을 활성화하고; 제1 매칭 값이 조건부 매칭에 대응한다는 결정에 대한 응답으로, 시스템의 제2 기능성을 활성화하도록 추가로 구성될 수 있고, 제2 기능성은 제1 기능성과 동일하지 않다. 상기 예들 중 하나 이상에 대해 추가적으로 또는 대안적으로, 프로세서는, 제1 매칭 값이 조건부 매칭에 대응한다는 결정에 대한 응답으로, 홍채 이미저로부터 제2 복수의 홍채 이미지들을 수신하고, 제2 복수의 홍채 코드들을 생성하고, 제2 합성 홍채 코드를 생성하고, 제2 합성 홍채 코드 및 제1 저장된 홍채 코드를 사용하여 제2 매칭 값을 생성하도록 추가로 구성될 수 있다. 상기 예들 중 하나 이상에 대해 추가적으로 또는 대안적으로, 제1 복수의 홍채 이미지들은 미리 결정된 최소 수의 홍채 이미지들을 포함할 수 있다.
[0154]
일부 예들에서, 방법이 개시된다. 방법은 제1 복수의 홍채 코드들을 수신하는 단계; 제1 복수의 홍채 이미지들에 대응하는 제1 복수의 홍채 코드들을 생성하는 단계; 홍채 셀 위치에 대응하는 분포 메트릭을 생성하는 단계; 분포 메트릭을 사용하여 제1 합성 홍채 코드를 생성하는 단계; 및 제1 합성 홍채 코드 및 제1 저장된 홍채 코드를 사용하여 제1 매칭 값을 생성하는 단계를 포함할 수 있다 상기 예들 중 하나 이상에 대해 추가적으로 또는 대안적으로, 제1 복수의 홍채 코드들의 각각의 홍채 코드는 복수의 값들을 포함할 수 있고, 복수의 값들의 각각의 값은 홍채 셀에 대응한다. 상기 예들 중 하나 이상에 대해 추가적으로 또는 대안적으로, 홍채 셀 위치는 제1 홍채 셀에 대응할 수 있고, 제1 복수의 홍채 코드들의 각각의 홍채 코드는 제1 홍채 셀에 대응하는 값을 포함한다.
[0155]
일부 예들에서, 시스템이 개시된다. 시스템은 사용자에 의해 착용되도록 구성된 헤드기어 유닛을 포함할 수 있고, 헤드기어 유닛은 사용자에게 가상 환경을 디스플레이하도록 구성된 디스플레이 ― 디스플레이는 실제 환경이 가시적이 되게 하는 투과성 접안렌즈를 포함함 ―; 사용자의 홍채의 이미지를 포착하도록 구성된 홍채 이미저 ― 홍채 이미저는 사용자에 대해 고정되어 유지되도록 구성됨 ―; 및 프로세서를 포함하고, 프로세서는, 홍채 이미저로부터 제1 복수의 홍채 이미지들을 수신하고 ― 복수의 이미지들은 사용자와 연관됨 ―; 제1 복수의 홍채 이미지들에 대응하는 제1 복수의 홍채 코드들을 생성하고, 홍채 셀 위치에 대응하는 분포 메트릭을 생성하고, 분포 메트릭을 사용하여 제1 합성 홍채 코드를 생성하고, 제1 합성 홍채 코드 및 제1 저장된 홍채 코드를 사용하여 제1 매칭 값을 생성하도록 구성되고, 제1 매칭 값은 사용자에 대응한다.
[0156]
본 개시가 본원의 예들을 참조하여 특히 도시되고 설명되었지만, 당업자들은 본 개시의 범위를 벗어나지 않으면서 형태 및 세부사항들에서의 다양한 변경들이 이루어질 수 있음을 이해할 것이다.
Claims (23)
- 홍채 이미지를 포착하도록 구성된 홍채 이미저(imager); 및
프로세서를 포함하고,
상기 프로세서는,
상기 홍채 이미저로부터 제1 복수의 홍채 이미지들을 수신하고,
상기 제1 복수의 홍채 이미지들에 대응하는 제1 복수의 홍채 코드들을 생성하고,
홍채 셀 위치에 대응하는 분포 메트릭을 생성하고,
상기 분포 메트릭을 사용하여 제1 합성 홍채 코드를 생성하고,
상기 제1 합성 홍채 코드 및 제1 저장된 홍채 코드를 사용하여 제1 매칭 값을 생성하도록 구성되는,
시스템. - 제1 항에 있어서,
상기 제1 복수의 홍채 코드들의 각각의 홍채 코드는 복수의 값들을 포함하고, 상기 복수의 값들의 각각의 값은 홍채 셀에 대응하는,
시스템. - 제2 항에 있어서,
상기 홍채 셀 위치는 제1 홍채 셀에 대응하고,
상기 제1 복수의 홍채 코드들의 각각의 홍채 코드는 상기 제1 홍채 셀에 대응하는 값을 포함하는,
시스템. - 제1 항에 있어서,
상기 프로세서는,
상기 제1 매칭 값이 임계치 값을 초과한다는 결정에 대한 응답으로, 상기 시스템의 기능성을 활성화하도록 추가로 구성되는,
시스템. - 제1 항에 있어서,
머리 장착 디스플레이를 더 포함하는,
시스템. - 제1 항에 있어서,
상기 제1 합성 홍채 코드 및 상기 제1 저장된 홍채 코드는 각각 퍼지 홍채 코드인,
시스템. - 제1 항에 있어서,
상기 제1 매칭 값은 소프트 해밍 거리(soft Hamming Distance), 중앙 해밍 거리 및 퍼지 Z-점수 중 적어도 하나인,
시스템. - 제1 항에 있어서,
상기 분포 메트릭을 생성하는 것은 샘플-크기-의존적 신뢰도 값을 결정하는 것을 포함하는,
시스템. - 제1 항에 있어서,
상기 제1 매칭 값을 생성하는 것은 상기 제1 합성 홍채 코드의 신뢰도 구간을 상기 제1 저장된 홍채 코드의 신뢰도 구간과 비교하는 것을 포함하는,
시스템. - 제1 항에 있어서,
상기 분포 메트릭을 생성하는 것은 셀 값의 확률을 결정하는 것을 포함하는,
시스템. - 제1 항에 있어서,
상기 분포 메트릭을 생성하는 것은 셀 값의 발생들의 수를 정량화하는 것을 포함하는,
시스템. - 제1 항에 있어서,
상기 제1 복수의 홍채 코드들의 홍채 코드는 이진 셀 값들을 포함하고 상기 제1 합성 홍채 코드는 비-이진 셀 값들을 포함하는,
시스템. - 제1 항에 있어서,
상기 프로세서는,
상기 제1 복수의 홍채 이미지들의 홍채 이미지에 품질 점수를 할당하고;
상기 품질 점수를 임계치와 비교하고;
상기 품질 점수가 상기 임계치를 충족하지 않는다는 결정에 대한 응답으로, 상기 홍채 이미지를 제외하도록 추가로 구성되는,
시스템. - 제1 항에 있어서,
상기 제1 매칭 값을 생성하는 것은 해밍 거리를 계산하는 것을 포함하는,
시스템. - 제1 항에 있어서,
상기 프로세서는, 상기 제1 매칭 값이 완전한 매칭에 대응하는지 여부를 결정하도록 추가로 구성되는,
시스템. - 제15 항에 있어서,
상기 프로세서는, 상기 제1 매칭 값이 조건부 매칭에 대응하는지 여부를 결정하도록 추가로 구성되는,
시스템. - 제16 항에 있어서,
상기 프로세서는,
상기 제1 매칭 값이 완전한 매칭에 대응한다는 결정에 대한 응답으로, 상기 시스템의 제1 기능성을 활성화하고; 그리고
상기 제1 매칭 값이 조건부 매칭에 대응한다는 결정에 대한 응답으로, 상기 시스템의 제2 기능성을 활성화하도록 추가로 구성될 수 있고,
상기 제2 기능성은 상기 제1 기능성과 동일하지 않은,
시스템. - 제16 항에 있어서,
상기 프로세서는,
상기 제1 매칭 값이 조건부 매칭에 대응한다는 결정에 대한 응답으로,
상기 홍채 이미저로부터 제2 복수의 홍채 이미지들을 수신하고,
상기 제2 복수의 홍채 코드들을 생성하고,
제2 합성 홍채 코드를 생성하고, 그리고
상기 제2 합성 홍채 코드 및 상기 제1 저장된 홍채 코드를 사용하여 제2 매칭 값을 생성하도록 추가로 구성되는,
시스템. - 제1 항에 있어서,
상기 제1 복수의 홍채 이미지들은 미리 결정된 최소 수의 홍채 이미지들을 포함하는,
시스템. - 제1 복수의 홍채 이미지들을 수신하는 단계;
상기 제1 복수의 홍채 이미지들에 대응하는 제1 복수의 홍채 코드들을 생성하는 단계;
홍채 셀 위치에 대응하는 분포 메트릭을 생성하는 단계;
상기 분포 메트릭을 사용하여 제1 합성 홍채 코드를 생성하는 단계; 및
상기 제1 합성 홍채 코드 및 제1 저장된 홍채 코드를 사용하여 제1 매칭 값을 생성하는 단계를 포함하는,
방법. - 제20 항에 있어서,
상기 제1 복수의 홍채 코드들의 각각의 홍채 코드는 복수의 값들을 포함하고, 상기 복수의 값들의 각각의 값은 홍채 셀에 대응하는,
방법. - 제21 항에 있어서,
상기 홍채 셀 위치는 제1 홍채 셀에 대응하고,
상기 제1 복수의 홍채 코드들의 각각의 홍채 코드는 상기 제1 홍채 셀에 대응하는 값을 포함하는,
방법. - 사용자에 의해 착용되도록 구성된 헤드기어 유닛을 포함할 수 있고,
상기 헤드기어 유닛은,
상기 사용자에게 가상 환경을 디스플레이하도록 구성된 디스플레이 ― 상기 디스플레이는 실제 환경이 가시적이 되게 하는 투과성 접안렌즈를 포함함 ―;
상기 사용자의 홍채의 이미지를 포착하도록 구성된 홍채 이미저 ― 상기 홍채 이미저는 상기 사용자에 대해 고정되어 유지되도록 구성됨 ―; 및
프로세서를 포함하고,
상기 프로세서는,
상기 홍채 이미저로부터 제1 복수의 홍채 이미지들을 수신하고 ― 상기 복수의 이미지들은 상기 사용자와 연관됨 ―;
상기 제1 복수의 홍채 이미지들에 대응하는 제1 복수의 홍채 코드들을 생성하고,
홍채 셀 위치에 대응하는 분포 메트릭을 생성하고,
상기 분포 메트릭을 사용하여 제1 합성 홍채 코드를 생성하고,
상기 제1 합성 홍채 코드 및 제1 저장된 홍채 코드를 사용하여 제1 매칭 값을 생성하도록 구성되고,
상기 제1 매칭 값은 상기 사용자에 대응하는,
시스템.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020237014211A KR102726906B1 (ko) | 2017-03-24 | 2018-03-23 | 홍채 코드들의 축적 및 신뢰도 할당 |
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US201762476513P | 2017-03-24 | 2017-03-24 | |
| US62/476,513 | 2017-03-24 | ||
| PCT/US2018/024215 WO2018176015A1 (en) | 2017-03-24 | 2018-03-23 | Accumulation and confidence assignment of iris codes |
Related Child Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020237014211A Division KR102726906B1 (ko) | 2017-03-24 | 2018-03-23 | 홍채 코드들의 축적 및 신뢰도 할당 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20190133204A true KR20190133204A (ko) | 2019-12-02 |
| KR102528488B1 KR102528488B1 (ko) | 2023-05-02 |
Family
ID=63583436
Family Applications (2)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020237014211A KR102726906B1 (ko) | 2017-03-24 | 2018-03-23 | 홍채 코드들의 축적 및 신뢰도 할당 |
| KR1020197031320A KR102528488B1 (ko) | 2017-03-24 | 2018-03-23 | 홍채 코드들의 축적 및 신뢰도 할당 |
Family Applications Before (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020237014211A KR102726906B1 (ko) | 2017-03-24 | 2018-03-23 | 홍채 코드들의 축적 및 신뢰도 할당 |
Country Status (9)
| Country | Link |
|---|---|
| US (2) | US11055530B2 (ko) |
| EP (2) | EP3602399B1 (ko) |
| JP (2) | JP7125950B2 (ko) |
| KR (2) | KR102726906B1 (ko) |
| CN (2) | CN110692062B (ko) |
| AU (2) | AU2018237688B2 (ko) |
| CA (1) | CA3057678A1 (ko) |
| IL (2) | IL269432B2 (ko) |
| WO (1) | WO2018176015A1 (ko) |
Families Citing this family (28)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP7125950B2 (ja) | 2017-03-24 | 2022-08-25 | マジック リープ， インコーポレイテッド | 虹彩コードの蓄積および信頼性割当 |
| RU2670798C9 (ru) * | 2017-11-24 | 2018-11-26 | Самсунг Электроникс Ко., Лтд. | Способ аутентификации пользователя по радужной оболочке глаз и соответствующее устройство |
| US10643341B2 (en) | 2018-03-22 | 2020-05-05 | Microsoft Technology Licensing, Llc | Replicated dot maps for simplified depth computation using machine learning |
| US10728518B2 (en) | 2018-03-22 | 2020-07-28 | Microsoft Technology Licensing, Llc | Movement detection in low light environments |
| US10944957B2 (en) | 2018-03-22 | 2021-03-09 | Microsoft Technology Licensing, Llc | Active stereo matching for depth applications |
| US10565720B2 (en) * | 2018-03-27 | 2020-02-18 | Microsoft Technology Licensing, Llc | External IR illuminator enabling improved head tracking and surface reconstruction for virtual reality |
| US10762219B2 (en) * | 2018-05-18 | 2020-09-01 | Microsoft Technology Licensing, Llc | Automatic permissions for virtual objects |
| US11619814B1 (en) * | 2018-06-04 | 2023-04-04 | Meta Platforms Technologies, Llc | Apparatus, system, and method for improving digital head-mounted displays |
| US11074675B2 (en) | 2018-07-31 | 2021-07-27 | Snap Inc. | Eye texture inpainting |
| US10893412B2 (en) | 2018-08-27 | 2021-01-12 | Apple Inc. | Authenticated device assisted user authentication |
| US10832053B2 (en) * | 2018-12-18 | 2020-11-10 | Advanced New Technologies Co., Ltd. | Creating an iris identifier to reduce search space of a biometric system |
| WO2020236827A1 (en) * | 2019-05-20 | 2020-11-26 | Magic Leap, Inc. | Systems and techniques for estimating eye pose |
| WO2020240747A1 (ja) * | 2019-05-29 | 2020-12-03 | マクセル株式会社 | 個人情報表示装置及びその処理方法 |
| US11263634B2 (en) | 2019-08-16 | 2022-03-01 | Advanced New Technologies Co., Ltd. | Payment method and device |
| GB2588774B (en) | 2019-11-05 | 2024-05-15 | Arspectra Sarl | Augmented reality headset for medical imaging |
| EP4073689A4 (en) | 2019-12-09 | 2022-12-14 | Magic Leap, Inc. | SYSTEMS AND PROCEDURES FOR THE OPERATION OF A USER IDENTIFICATION-BASED HEAD-MOUNTED DISPLAY |
| US11635802B2 (en) * | 2020-01-13 | 2023-04-25 | Sony Interactive Entertainment Inc. | Combined light intensity based CMOS and event detection sensor for high speed predictive tracking and latency compensation in virtual and augmented reality HMD systems |
| CN114981846A (zh) * | 2020-01-20 | 2022-08-30 | 索尼集团公司 | 图像生成设备、图像生成方法和程序 |
| US11300784B2 (en) | 2020-02-21 | 2022-04-12 | Fotonation Limited | Multi-perspective eye acquisition |
| CN111508142A (zh) * | 2020-04-17 | 2020-08-07 | 深圳爱莫科技有限公司 | 视线语音交互自动售烟机 |
| JP7545564B2 (ja) | 2020-07-15 | 2024-09-04 | マジック リープ， インコーポレイテッド | 非球面角膜モデルを使用した眼追跡 |
| US11520152B1 (en) * | 2020-08-06 | 2022-12-06 | Apple Inc. | Head-mounted display systems with gaze tracker alignment monitoring |
| WO2022195649A1 (ja) * | 2021-03-15 | 2022-09-22 | 日本電気株式会社 | 情報処理装置、情報処理方法及び記録媒体 |
| GB2628281A (en) * | 2022-01-07 | 2024-09-18 | Jumio Corp | Biometric authentication using head-mounted devices |
| US11822736B1 (en) * | 2022-05-18 | 2023-11-21 | Google Llc | Passive-accessory mediated gesture interaction with a head-mounted device |
| US11579444B1 (en) * | 2022-06-02 | 2023-02-14 | Microsoft Technology Licensing, Llc | Infrared microled based invisible illumination for eye tracking |
| US20240280811A1 (en) * | 2023-02-20 | 2024-08-22 | Snap Inc. | Recreating peripheral vision on a wearable device |
| US12124625B1 (en) * | 2023-06-30 | 2024-10-22 | Rockwell Collins, Inc. | Pupil dynamics, physiology, and context for estimating vigilance |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2007156790A (ja) * | 2005-12-05 | 2007-06-21 | Hitachi Omron Terminal Solutions Corp | 複数種の生体情報による認証をおこなう認証技術 |
| KR20160068884A (ko) * | 2013-10-08 | 2016-06-15 | 에스알아이 인터내셔널 | 홍채 생체 인식 모듈 및 액세스 제어 조립체 |
| KR20180086649A (ko) * | 2017-01-23 | 2018-08-01 | 삼성전자주식회사 | 홍채를 위한 합성 코드를 이용한 인증 방법 및 인증 장치 |
Family Cites Families (49)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS62212781A (ja) * | 1986-03-14 | 1987-09-18 | Hitachi Ltd | 個人認証方式 |
| US5291560A (en) * | 1991-07-15 | 1994-03-01 | Iri Scan Incorporated | Biometric personal identification system based on iris analysis |
| US5978494A (en) * | 1998-03-04 | 1999-11-02 | Sensar, Inc. | Method of selecting the best enroll image for personal identification |
| JP2001167252A (ja) * | 1999-12-10 | 2001-06-22 | Oki Electric Ind Co Ltd | 眼画像作成方法、アイリス認証方法及びアイリス認証装置 |
| JP3991042B2 (ja) | 2002-02-05 | 2007-10-17 | 松下電器産業株式会社 | 個人認証方法および個人認証装置 |
| JP3586456B2 (ja) | 2002-02-05 | 2004-11-10 | 松下電器産業株式会社 | 個人認証方法および個人認証装置 |
| KR100944443B1 (ko) * | 2002-07-29 | 2010-02-25 | 이데시아 엘티디. | 전자 생체 신원 인식을 위한 방법 및 장치 |
| JP2004206444A (ja) | 2002-12-25 | 2004-07-22 | Matsushita Electric Ind Co Ltd | 個人認証方法および虹彩認証装置 |
| EP1671258A4 (en) | 2003-09-04 | 2008-03-19 | Sarnoff Corp | METHOD AND DEVICE FOR CARRYING OUT AN IRIS DETECTION FROM ONE IMAGE |
| KR101019844B1 (ko) | 2004-11-08 | 2011-03-04 | 이데시아 엘티디. | 전기-생체 신원 인식 방법 및 장치 |
| KR100629550B1 (ko) * | 2004-11-22 | 2006-09-27 | 아이리텍 잉크 | 다중스케일 가변영역분할 홍채인식 방법 및 시스템 |
| JP4634140B2 (ja) | 2004-12-28 | 2011-02-16 | 春雄 伊藤 | アイリス識別装置 |
| US20070081123A1 (en) | 2005-10-07 | 2007-04-12 | Lewis Scott W | Digital eyewear |
| US11428937B2 (en) | 2005-10-07 | 2022-08-30 | Percept Technologies | Enhanced optical and perceptual digital eyewear |
| US9658473B2 (en) | 2005-10-07 | 2017-05-23 | Percept Technologies Inc | Enhanced optical and perceptual digital eyewear |
| US8696113B2 (en) | 2005-10-07 | 2014-04-15 | Percept Technologies Inc. | Enhanced optical and perceptual digital eyewear |
| KR100749380B1 (ko) * | 2006-03-10 | 2007-08-16 | 연세대학교 산학협력단 | 암호화 생체인식시스템의 고유 생체코드 생성방법 |
| KR100852629B1 (ko) * | 2006-06-02 | 2008-08-18 | 연세대학교 산학협력단 | 다초점 영상 시퀀스를 이용한 홍채인식 시스템 및 방법 |
| WO2009016846A1 (ja) | 2007-08-02 | 2009-02-05 | Panasonic Corporation | 虹彩認証装置および虹彩認証システム |
| WO2009029638A1 (en) | 2007-08-27 | 2009-03-05 | Videntity Systems, Inc. | Iris recognition |
| WO2009041963A1 (en) | 2007-09-24 | 2009-04-02 | University Of Notre Dame Du Lac | Iris recognition using consistency information |
| US20100014755A1 (en) * | 2008-07-21 | 2010-01-21 | Charles Lee Wilson | System and method for grid-based image segmentation and matching |
| US20100232654A1 (en) | 2009-03-11 | 2010-09-16 | Harris Corporation | Method for reconstructing iris scans through novel inpainting techniques and mosaicing of partial collections |
| US10216995B2 (en) * | 2009-09-25 | 2019-02-26 | International Business Machines Corporation | System and method for generating and employing short length iris codes |
| JP5713023B2 (ja) | 2010-12-03 | 2015-05-07 | 富士通株式会社 | 生体認証装置及び生体認証方法 |
| US8184067B1 (en) * | 2011-07-20 | 2012-05-22 | Google Inc. | Nose bridge sensor |
| US20130326613A1 (en) * | 2012-05-31 | 2013-12-05 | Gregory Peter Kochanski | Dynamic control of device unlocking security level |
| US9671566B2 (en) | 2012-06-11 | 2017-06-06 | Magic Leap, Inc. | Planar waveguide apparatus with diffraction element(s) and system employing same |
| US9195890B2 (en) * | 2012-12-10 | 2015-11-24 | Sri International | Iris biometric matching system |
| JP5642210B2 (ja) | 2013-02-04 | 2014-12-17 | インテル コーポレイション | 電子バイオメトリック識別認識のための方法及び装置 |
| US9172692B2 (en) * | 2013-03-14 | 2015-10-27 | William M. Langley | Systems and methods for securely transferring authentication information between a user and an electronic resource |
| US8966277B2 (en) | 2013-03-15 | 2015-02-24 | Mitsubishi Electric Research Laboratories, Inc. | Method for authenticating an encryption of biometric data |
| US9874749B2 (en) | 2013-11-27 | 2018-01-23 | Magic Leap, Inc. | Virtual and augmented reality systems and methods |
| US9189686B2 (en) | 2013-12-23 | 2015-11-17 | King Fahd University Of Petroleum And Minerals | Apparatus and method for iris image analysis |
| CN104809380B (zh) * | 2014-01-24 | 2018-10-30 | 北京奇虎科技有限公司 | 头戴式智能设备及其使用者的身份一致性的判断方法 |
| KR102332320B1 (ko) * | 2014-02-21 | 2021-11-29 | 삼성전자주식회사 | 홍채 컬러 인식을 갖는 멀티-밴드 생체인식 카메라 |
| US20150324568A1 (en) | 2014-05-09 | 2015-11-12 | Eyefluence, Inc. | Systems and methods for using eye signals with secure mobile communications |
| CA2902093C (en) * | 2014-08-28 | 2023-03-07 | Kevin Alan Tussy | Facial recognition authentication system including path parameters |
| KR102255351B1 (ko) * | 2014-09-11 | 2021-05-24 | 삼성전자주식회사 | 홍채 인식 방법 및 장치 |
| US9836663B2 (en) * | 2015-03-05 | 2017-12-05 | Samsung Electronics Co., Ltd. | User authenticating method and head mounted device supporting the same |
| DE102016002792B4 (de) * | 2015-03-09 | 2022-04-28 | Hid Global Corporation | Biometrie-Geheimnis-Bindungsschema mit verbessertem Datenschutz |
| AU2016233280B2 (en) | 2015-03-16 | 2021-03-25 | Magic Leap, Inc. | Augmented reality pulse oximetry |
| US9495590B1 (en) * | 2015-04-23 | 2016-11-15 | Global Bionic Optics, Ltd. | Extended depth-of-field biometric system |
| US20160366317A1 (en) * | 2015-06-12 | 2016-12-15 | Delta ID Inc. | Apparatuses and methods for image based biometric recognition |
| FR3037422B1 (fr) * | 2015-06-15 | 2017-06-23 | Morpho | Procede d'identification et/ou d'authentification d'un individu par reconnaissance d'iris |
| JP6262177B2 (ja) | 2015-09-03 | 2018-01-17 | 株式会社東芝 | ウェアラブル端末、方法及びシステム |
| CA2996009A1 (en) | 2015-09-25 | 2017-03-30 | Magic Leap, Inc. | Methods and systems for detecting and combining structural features in 3d reconstruction |
| IL307648A (en) | 2015-10-20 | 2023-12-01 | Magic Leap Inc | Selecting virtual objects in a three-dimensional space |
| JP7125950B2 (ja) | 2017-03-24 | 2022-08-25 | マジック リープ， インコーポレイテッド | 虹彩コードの蓄積および信頼性割当 |
-
2018
- 2018-03-23 JP JP2019551609A patent/JP7125950B2/ja active Active
- 2018-03-23 WO PCT/US2018/024215 patent/WO2018176015A1/en active Application Filing
- 2018-03-23 CA CA3057678A patent/CA3057678A1/en active Pending
- 2018-03-23 CN CN201880034222.1A patent/CN110692062B/zh active Active
- 2018-03-23 KR KR1020237014211A patent/KR102726906B1/ko active IP Right Grant
- 2018-03-23 CN CN202311552501.6A patent/CN117576773A/zh active Pending
- 2018-03-23 EP EP18771354.0A patent/EP3602399B1/en active Active
- 2018-03-23 US US15/934,941 patent/US11055530B2/en active Active
- 2018-03-23 IL IL269432A patent/IL269432B2/en unknown
- 2018-03-23 EP EP22194043.0A patent/EP4120127A1/en active Pending
- 2018-03-23 KR KR1020197031320A patent/KR102528488B1/ko active IP Right Grant
- 2018-03-23 AU AU2018237688A patent/AU2018237688B2/en not_active Ceased
- 2018-03-23 IL IL303078A patent/IL303078A/en unknown
-
2021
- 2021-05-18 US US17/323,952 patent/US11295551B2/en active Active
-
2022
- 2022-05-09 JP JP2022077003A patent/JP7342191B2/ja active Active
- 2022-11-17 AU AU2022271466A patent/AU2022271466A1/en not_active Abandoned
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2007156790A (ja) * | 2005-12-05 | 2007-06-21 | Hitachi Omron Terminal Solutions Corp | 複数種の生体情報による認証をおこなう認証技術 |
| KR20160068884A (ko) * | 2013-10-08 | 2016-06-15 | 에스알아이 인터내셔널 | 홍채 생체 인식 모듈 및 액세스 제어 조립체 |
| KR20180086649A (ko) * | 2017-01-23 | 2018-08-01 | 삼성전자주식회사 | 홍채를 위한 합성 코드를 이용한 인증 방법 및 인증 장치 |
Also Published As
| Publication number | Publication date |
|---|---|
| CA3057678A1 (en) | 2018-09-27 |
| KR102528488B1 (ko) | 2023-05-02 |
| CN117576773A (zh) | 2024-02-20 |
| KR20230062669A (ko) | 2023-05-09 |
| CN110692062B (zh) | 2023-12-08 |
| IL303078A (en) | 2023-07-01 |
| AU2022271466A1 (en) | 2022-12-22 |
| EP3602399B1 (en) | 2022-10-05 |
| AU2018237688B2 (en) | 2022-08-25 |
| US11055530B2 (en) | 2021-07-06 |
| US11295551B2 (en) | 2022-04-05 |
| EP3602399A4 (en) | 2020-03-25 |
| WO2018176015A1 (en) | 2018-09-27 |
| JP2022105185A (ja) | 2022-07-12 |
| CN110692062A (zh) | 2020-01-14 |
| US20210342583A1 (en) | 2021-11-04 |
| EP4120127A1 (en) | 2023-01-18 |
| IL269432A (en) | 2019-11-28 |
| EP3602399A1 (en) | 2020-02-05 |
| JP2020512634A (ja) | 2020-04-23 |
| AU2018237688A1 (en) | 2019-10-10 |
| JP7125950B2 (ja) | 2022-08-25 |
| US20180276467A1 (en) | 2018-09-27 |
| IL269432B2 (en) | 2023-10-01 |
| KR102726906B1 (ko) | 2024-11-05 |
| IL269432B1 (en) | 2023-06-01 |
| JP7342191B2 (ja) | 2023-09-11 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP7342191B2 (ja) | 虹彩コードの蓄積および信頼性割当 | |
| JP7529710B2 (ja) | 複合現実較正のための眼球周囲試験 | |
| EP3807710B1 (en) | Augmented reality display with frame modulation functionality | |
| JP7443332B2 (ja) | ユーザカテゴリ化による多深度平面ディスプレイシステムのための深度平面選択 | |
| US10831268B1 (en) | Systems and methods for using eye tracking to improve user interactions with objects in artificial reality | |
| JP2023504207A (ja) | ユーザ識別に基づいて頭部搭載型ディスプレイシステムを動作させるためのシステムおよび方法 | |
| WO2019246044A1 (en) | Head-mounted display systems with power saving functionality | |
| KR20230040346A (ko) | 비구면 각막 모델을 사용한 눈 추적 | |
| US20210365533A1 (en) | Systems and methods for authenticating a user of a head-mounted display | |
| US20240256031A1 (en) | Systems and methods for gaze-assisted gesture control | |
| WO2024159200A1 (en) | Systems and methods for gaze-assisted gesture control | |
| CN118119915A (zh) | 用于向用户传达模型不确定性的系统和方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PA0105 | International application |
Patent event date: 20191023 Patent event code: PA01051R01D Comment text: International Patent Application |
|
| PG1501 | Laying open of application | ||
| A201 | Request for examination | ||
| PA0201 | Request for examination |
Patent event code: PA02012R01D Patent event date: 20210318 Comment text: Request for Examination of Application |
|
| E902 | Notification of reason for refusal | ||
| PE0902 | Notice of grounds for rejection |
Comment text: Notification of reason for refusal Patent event date: 20220728 Patent event code: PE09021S01D |
|
| E701 | Decision to grant or registration of patent right | ||
| PE0701 | Decision of registration |
Patent event code: PE07011S01D Comment text: Decision to Grant Registration Patent event date: 20230127 |
|
| GRNT | Written decision to grant | ||
| PR0701 | Registration of establishment |
Comment text: Registration of Establishment Patent event date: 20230427 Patent event code: PR07011E01D |
|
| PR1002 | Payment of registration fee |
Payment date: 20230427 End annual number: 3 Start annual number: 1 |
|
| PG1601 | Publication of registration |