KR20200084595A - 지문 인증 방법 및 장치 - Google Patents

지문 인증 방법 및 장치 Download PDF

Info

Publication number
KR20200084595A
KR20200084595A KR1020190000673A KR20190000673A KR20200084595A KR 20200084595 A KR20200084595 A KR 20200084595A KR 1020190000673 A KR1020190000673 A KR 1020190000673A KR 20190000673 A KR20190000673 A KR 20190000673A KR 20200084595 A KR20200084595 A KR 20200084595A
Authority
KR
South Korea
Prior art keywords
partial region
fingerprint
feature point
determining
fingerprint image
Prior art date
Application number
KR1020190000673A
Other languages
English (en)
Other versions
KR102577587B1 (ko
Inventor
이윤규
Original Assignee
삼성전자주식회사
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 삼성전자주식회사 filed Critical 삼성전자주식회사
Priority to KR1020190000673A priority Critical patent/KR102577587B1/ko
Priority to US16/521,697 priority patent/US11138408B2/en
Publication of KR20200084595A publication Critical patent/KR20200084595A/ko
Application granted granted Critical
Publication of KR102577587B1 publication Critical patent/KR102577587B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/30—Authentication, i.e. establishing the identity or authorisation of security principals
    • G06F21/31—User authentication
    • G06F21/32—User authentication using biometric data, e.g. fingerprints, iris scans or voiceprints
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/12—Fingerprints or palmprints
    • G06V40/1347—Preprocessing; Feature extraction
    • G06V40/1353—Extracting features related to minutiae or pores
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/30—Authentication, i.e. establishing the identity or authorisation of security principals
    • G06F21/45—Structures or tools for the administration of authentication
    • G06K9/00067—
    • G06K9/00087—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/48—Extraction of image or video features by mapping characteristic values of the pattern into a parameter space, e.g. Hough transformation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/12—Fingerprints or palmprints
    • G06V40/1347—Preprocessing; Feature extraction
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/12—Fingerprints or palmprints
    • G06V40/1347—Preprocessing; Feature extraction
    • G06V40/1359—Extracting features related to ridge properties; Determining the fingerprint type, e.g. whorl or loop
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/12—Fingerprints or palmprints
    • G06V40/1365—Matching; Classification
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/12—Fingerprints or palmprints
    • G06V40/1365—Matching; Classification
    • G06V40/1371—Matching features related to minutiae or pores
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/12—Fingerprints or palmprints
    • G06V40/1365—Matching; Classification
    • G06V40/1376—Matching features related to ridge properties or fingerprint texture
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/50—Maintenance of biometric data or enrolment thereof

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Human Computer Interaction (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Computer Security & Cryptography (AREA)
  • Computer Hardware Design (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Collating Specific Patterns (AREA)

Abstract

지문 인증 방법 및 장치가 개시된다.
지문 인증 방법은 쿼리 지문 영상을 수신하는 단계; 상기 쿼리 지문 영상에서 특징점들을 추출하는 단계; 상기 추출된 특징점들 중에서 미리 등록된 특징점에 매칭되는 제1 매칭 특징점을 결정하는 단계; 상기 제1 매칭 특징점의 개수가 미리 설정된 조건을 만족시키는 경우, 상기 쿼리 지문 영상에서 상기 제1 매칭 특징점에 대응하는 부분 영역을 결정하는 단계; 상기 결정된 부분 영역에 대한 부분 영역 특징 정보를 획득하는 단계; 및 상기 부분 영역 특징 정보에 기초하여 상기 쿼리 지문 영상에 대한 인증 결과를 결정하는 단계를 포함할 수 있다.

Description

지문 인증 방법 및 장치{METHOD AND APPARATUS FOR AUTHENTICATING FINGERPRINT }
아래의 실시예들은 지문 인증 기술에 관한 것이다.
전자 장치에서 보안 또는 인증과 관련된 다양한 방식이 사용되고 있다. 예를 들어, 패스워드 또는 PIN(Personal Identification Number) 입력 방식, 터치스크린을 이용한 잠금 방식 등이 있다.
또한, 개별적인 생체의 특성을 인식해서 보안 시스템 또는 인증 시스템에 활용하는 생체인식 방식으로 지문인식 방식, 안면 인식 방식 및 음성 인식 방식 등이 사용되고 있다.
생체 인식 방식에서는, 사용자가 인증 시스템의 데이터베이스에 등록한 데이터와 인증 시 사용자로부터 검출된 데이터를 비교하여 인증에 대한 성공 여부를 판별할 수 있다.
일 실시예에 따른 지문 인증 방법은 쿼리 지문 영상을 수신하는 단계; 상기 쿼리 지문 영상에서 특징점들을 추출하는 단계; 상기 추출된 특징점들 중에서 미리 등록된 특징점에 매칭되는 제1 매칭 특징점을 결정하는 단계; 상기 제1 매칭 특징점의 개수가 미리 설정된 조건을 만족시키는 경우, 상기 쿼리 지문 영상에서 상기 제1 매칭 특징점에 대응하는 부분 영역을 결정하는 단계; 상기 결정된 부분 영역에 대한 부분 영역 특징 정보를 획득하는 단계; 및 상기 부분 영역 특징 정보에 기초하여 상기 쿼리 지문 영상에 대한 인증 결과를 결정하는 단계를 포함할 수 있다.
일 실시예에 따른 지문 인증 방법에서 상기 부분 영역 특징 정보를 획득하는 단계는 상기 부분 영역을 라돈 변환하는 단계; 및 변환 결과에 기초하여 상기 부분 영역 특징 정보를 획득하는 단계를 포함할 수 있다.
일 실시예에 따른 지문 등록 방법은 지문 영상을 수신하는 단계; 상기 지문 영상에서 특징점을 추출하는 단계; 상기 추출된 특징점에 대응하는 적어도 하나의 부분 영역을 결정하는 단계; 상기 부분 영역에 대한 부분 영역 특징 정보를 획득하는 단계; 및 상기 부분 영역 특징 정보를 등록하는 단계를 포함할 수 있다.
일 실시예에 따른 지문 인증 장치는 쿼리 지문 영상을 획득하는 센서; 및 상기 쿼리 지문 영상을 인증하는 프로세서를 포함하고, 상기 프로세서는 상기 쿼리 지문 영상에서 적어도 하나의 특징점을 추출하고, 상기 추출된 특징점 중 미리 등록된 특징점에 매칭되는 제1 매칭 특징점을 결정하고, 상기 제1 매칭 특징점의 개수가 미리 설정된 조건을 만족시키는 경우, 상기 쿼리 지문 영상에서 상기 제1 매칭 특징점에 대응되는 부분 영역을 결정하고, 상기 결정된 부분 영역에 대한 부분 영역 특징 정보를 획득하고, 상기 부분 영상 특징 정보에 기초하여 상기 지문 영상을 인증할 수 있다.
도 1은 일 실시예에 따른 지문 영상을 통해 획득되는 지문의 특징점을 설명하기 위한 도면이다.
도 2는 일 실시예에 따른 지문 인증 방법을 개략적으로 설명하기 위한 도면이다.
도 3은 일 실시예에 따른 지문 등록 방법을 설명하기 위한 흐름도이다.
도 4는 일 실시예에 따른 특징점에 대응되는 부분 영역을 결정하는 방법의 일례를 도시하는 도면이다.
도 5는 일 실시예에 따른 각각의 부분 영역에 대한 부분 영역 특징 정보를 결정하는 방법을 설명하기 위한 흐름도이다.
도 6a는 일 실시예에 따른 부분 영역의 라돈 변환이 수행되는 일례를 도시하는 도면이다.
도 6b는 일 실시예에 따른 라돈 변환된 부분 영역에 대한 사이노그램(sinogram)의 일례를 도시하는 도면이다.
도 7 및 도 8은 일 실시예에 따른 지문 인식 방법을 설명하기 위한 흐름도이다.
도 9는 일 실시예에 따른 지문 인증 장치의 구성을 도시하는 도면이다.
도 10은 일 실시예에 따른 컴퓨팅 장치의 구성을 도시하는 도면이다.
실시예들에 대한 특정한 구조적 또는 기능적 설명들은 단지 예시를 위한 목적으로 개시된 것으로서, 다양한 형태로 변경되어 실시될 수 있다. 따라서, 실시예들은 특정한 개시형태로 한정되는 것이 아니며, 본 명세서의 범위는 기술적 사상에 포함되는 변경, 균등물, 또는 대체물을 포함한다.
제1 또는 제2 등의 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 이런 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 해석되어야 한다. 또한, 어떤 구성요소가 다른 구성요소에 "연결되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다.
단수의 표현은 달리 명시되지 않는 한 일반적으로 "하나 이상의"를 의미하는 것으로 해석되어야 한다. 본 명세서에서, "포함하다" 또는 "가지다" 등의 용어는 설명된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함으로 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
또한, 다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 해당 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가진다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥상 가지는 의미와 일치하는 의미를 갖는 것으로 해석되어야 하며, 본 명세서에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.
이하, 실시예들을 첨부된 도면들을 참조하여 상세하게 설명한다. 첨부 도면을 참조하여 설명함에 있어, 도면 부호에 관계없이 동일한 구성 요소는 동일한 참조 부호를 부여하고, 이에 대한 중복되는 설명은 생략하기로 한다.
하기에서 설명될 실시예들은 사용자의 지문을 인식하는 데 사용될 수 있다. 이하, 사용자의 지문을 인식하는 동작은 그 사용자를 인증하거나 식별하는 동작을 포함할 수 있다. 사용자를 인증하는 동작은, 예를 들어 그 사용자가 기 등록된 사용자인지 여부를 판단하는 동작을 포함할 수 있다. 이 경우, 사용자를 인증하는 동작의 결과는 참 또는 거짓으로 출력될 수 있다. 사용자를 식별하는 동작은, 예를 들어 그 사용자가 기 등록된 복수의 사용자들 중 어느 사용자에 해당하는지를 판단하는 동작을 포함할 수 있다. 이 경우, 사용자를 식별하는 동작의 결과는 어느 하나의 기 등록된 사용자의 아이디로 출력될 수 있다. 만약 그 사용자가 기 등록된 복수의 사용자들 중 어느 사용자에도 해당하지 않는 경우, 그 사용자가 식별되지 않음을 알리는 신호가 출력될 수도 있다.
실시예들은 퍼스널 컴퓨터, 랩톱 컴퓨터, 태블릿 컴퓨터, 스마트 폰, 텔레비전, 스마트 가전 기기, 지능형 자동차, 키오스크, 웨어러블 장치 등 다양한 형태의 제품으로 구현될 수 있다. 예를 들어, 실시예들은 스마트 폰, 모바일 기기, 스마트 홈 시스템 등에서 사용자를 인증하는데 적용될 수 있다. 실시예들은 사용자 인증을 통한 결제 서비스에 적용될 수 있다. 또한, 실시예들은 사용자를 인증하여 자동으로 시동을 거는 지능형 자동차 시스템 등에도 적용될 수 있다. 이하, 실시예들을 첨부된 도면을 참조하여 상세하게 설명한다. 각 도면에 제시된 동일한 참조 부호는 동일한 부재를 나타낸다.
도 1은 일 실시예에 따른 지문 영상을 통해 획득되는 지문의 특징점을 설명하기 위한 도면이다.
지문 영상(100)은 컴퓨팅 기기에 포함된 센서를 통해 획득한 사용자의 지문에 대한 영상일 수 있다. 지문 영상(100)은 사용자 별로 고유한 패턴을 나타내는 특징점(101, 103, 105, 107)을 포함할 수 있다. 특징점(101, 103, 105, 107)은 미뉴셔로 지칭될 수 있고, 지문 영상(100)에서 특징적인 형태가 나타나는 지점을 의미할 수 있다. 각각의 특징점(101, 103, 105, 107)은 끝점(ridge end), 분기점(bifurcation), 인클로져(enclosure), 섬(island) 등과 같이 형태적인 특징에 기초하여 종류가 구별될 수 있다.
동일인의 지문에서 추출되는 특징점(101, 103, 105, 107)의 패턴은 일정할 수 있다. 여기에서, 패턴이 일정하다는 의미는 동일인의 지문에서는 특정 위치에 특정한 형태의 특징점이 나타남을 의미할 수 있다. 이러한 점에 기초하여 사용자로부터 수신한 쿼리 지문 영상의 특징점에 대한 정보와 미리 등록된 등록 지문 영상의 특징점(101, 103, 105, 107)에 대한 정보의 비교를 통해 지문 인증이 수행될 수 있다. 등록 지문 영상은 지문 등록 과정에서 입력되는 지문 영상일 수 있다. 등록 지문 영상은 지문 스캐너 또는 지문 센서를 통해 획득된 사용자의 지문 영상일 수 있다. 쿼리 지문 영상은 사용자 인증을 위해 입력되는 지문 영상으로, 단말, 이동단말, 지문 스캐너, 지문 센서 등을 통해 획득될 수 있다.
등록 지문 영상과 쿼리 지문 영상의 특징점을 비교하는 것은 등록 지문 영상과 쿼리 지문 영상에 포함된 특징점의 위치와 개수를 비교하는 것 일 수 있다.
특징점 기반의 지문 인증 방식은 빠른 인증 속도와 정확성에 기초하여 지문 인증 시스템에서 보편적으로 이용될 수 있다. 또한, 등록 지문 영상 그 자체를 저장하지 않고, 특징점에 대한 정보만을 데이터베이스에 저장하면 되므로, 특징점 기반의 지문 인증 방식은 보안성을 높일 수 있고, 저장되는 데이터량을 줄일 수 있다.
하지만, 특징점 기반의 지문 인증 방식은 쿼리 지문 영상에서 추출되는 특징점의 개수가 적은 경우 또는 쿼리 지문 영상의 화질이 낮은 경우 인증의 정확성이 떨어진다는 단점이 있다. 지문 영상으로부터 추출되는 특징점의 개수는 지문 영상의 크기에 비례할 수 있으나, 최근 지문 센서가 소형화되는 추세에 비추어 지문 영상은 더 적은 개수의 특징점을 포함할 수 있는 가능성이 높아지고 있다.
또한, 특징점 기반의 지문 인증 방법은 지문 영상에서 특징점이 존재하는 위치의 특징만을 고려할 뿐, 특징점 이외의 영역의 특징을 고려하지 않으므로 오인증률이 높아질 수 있는 단점이 있다.
이하 도면들을 통해 구체적으로 설명될 지문 인증 방법은 특징점 기반의 지문 인증 방식의 장점을 유지하며, 라돈 변환을 통해 특징점 주변 영역에 대한 특징을 고려함으로써, 보다 높은 정확도의 지문 인증 방법을 제공할 수 있다.
도 2는 일 실시예에 따른 지문 인증 방법을 개략적으로 설명하기 위한 도면이다.
도 2를 참조하면, 지문 인증 장치는 내장된 센서를 통해 쿼리 지문 영상(210)을 수신할 수 있다. 쿼리 지문 영상(210)은 센서의 규격에 기초하여 미리 결정된 크기의 영상일 수 있다.
지문 인증 장치는 쿼리 지문 영상(220)에 도시된 바와 같이 쿼리 지문 영상(220)에서 특징점(221, 222, 223, 224, 225)을 추출할 수 있다. 특징점(221, 222, 223, 224, 225)은 앞서 설명한 미뉴셔일 수 있다.
지문 인증 장치는 특징점(221, 222, 223, 224, 225)을 등록 특징점 데이터베이스(230)에 미리 등록된 특징점들과 매칭할 수 있다. 등록 특징점 데이터베이스(230)는 등록 지문 영상에 포함된 특징점들의 이미지 정보를 저장하거나, 특징점의 위치 및 종류에 대한 정보를 저장할 수 있다. 지문 인증 장치는 미리 등록된 특징점의 이미지 정보 또는 위치 및 종류 정보에 기초하여 특징점(221, 222, 223, 224, 225)을 미리 등록된 특징점에 매칭할 수 있다. 매칭의 의미는 특징점(221, 222, 223, 224, 225)에 대응되는 미리 등록된 특징점을 결정하는 과정을 의미할 수 있다.
지문 인증 장치는 특징점(221, 222, 223, 224, 225) 중 미리 등록된 특징점에 매칭되는 제1 매칭 특징점을 결정하고, 제1 매칭 특징점의 개수가 미리 설정된 조건을 만족시키는 경우 추가적인 지문 인증을 수행할 수 있다. 추가적인 지문 인증은 제1 매칭 특징점 주위 영역에 대한 특징을 고려하는 인증으로, 지문 인증의 정확도를 향상시킬 수 있다.
쿼리 지문 영상(240)에서 특징점(221, 222, 223, 224, 225)은 모두 미리 등록된 특징점들과 매칭되어 제1 매칭 특징점으로 결정된 상황일 수 있다.
추가적인 인증을 위해 지문 인증 장치는 쿼리 지문 영상(240)에 도시된 바와 같이, 특징점(221, 222, 223, 224, 225) 각각에 대응되는 부분 영역(241, 242, 243, 244, 245, 246)을 결정할 수 있다. 부분 영역(241, 242, 243, 244, 245, 246)의 형태는 원형의 영역일 수 있다. 지문 인증 장치는 부분 영역(241, 242, 243, 244, 245, 246) 각각에 대한 부분 영역 특징 정보를 획득할 수 있다.
부분 영역 특징 정보를 획득하기 위하여, 지문 인증 장치는 각각의 부분 영역(241, 242, 243, 244, 245, 246)을 라돈 변환하고, 라돈 변환된 각각의 부분 영역(241, 242, 243, 244, 245, 246)에 대한 분산 벡터를 계산(250)할 수 있다. 부분 영역(241, 242, 243, 244, 245, 246)을 라돈 변환한다는 의미는 각각의 부분 영역(241, 242, 243, 244, 245, 246)에 대응되는 지문 영상에 대해 라돈 변환을 수행하는 것을 의미할 수 있다. 지문 인증 장치는 계산된 각각의 분산 벡터를 각각의 부분 영역(241, 242, 243, 244, 245, 246)에 대한 부분 영역 특징 정보로 결정할 수 있다.
지문 인증 장치는 분산 벡터 데이터베이스(260)에 미리 저장된 분산 벡터와 부분 영역 특징 정보에 기초하여 인증 결과를 결정(270)할 수 있다.
분산 벡터 데이터베이스(260)에는 등록 지문 영상에서 추출된 특징점 각각에 대응하는 분산 벡터가 등록되어 있다. 분산 벡터 데이터베이스(260)에 등록된 분산 벡터는 앞서 설명된 쿼리 영상에 대한 분산 벡터를 계산하는 방식과 유사한 방식에 기초하여 계산될 수 있다. 구체적으로, 지문 인증 장치는 등록 지문 영상에서 추출된 특징점에 대한 부분 영역을 결정하고, 결정된 부분 영역을 라돈 변환하고, 라돈 변환된 부분 영역에 대한 분산 벡터를 계산한 후, 계산된 분산 벡터를 분산 벡터 데이터베이스(260)에 등록할 수 있다.
지문 인증 장치는 분산 벡터 데이터베이스(260)에서 제1 매칭 특징점(221, 222, 223, 224, 225)의 부분 영역에 대응되는 미리 등록된 특징점인 제2 매칭 특징점에 대한 분산 벡터를 결정할 수 있다. 예를 들어, 제1 매칭 특징점(221)에 대해 부분 영역이 반지름이 '1', '2'인 원(Circle)으로 결정된 경우, 지문 인증 장치는 분산 벡터 데이터베이스(260)에서 저장된 분산 벡터들 중 제1 특징점(221)에 대응하는 제2 매칭 특징점에 대해 미리 등록된 분산 벡터를 결정할 수 있다. 결정된 미리 등록된 분산 벡터는 제2 매칭 특징점을 중심으로 하는 반지름 1, 2인 원에 해당하는 부분 영역에 대해 미리 산출된 분산 벡터일 수 있다. 지문 인증 장치는 제2 매칭 특징점에 대한 분산 벡터와 제1 매칭 특징점(221, 222, 223, 224, 225)에 대응되는 분산 벡터의 차이에 기초하여 인증 결과를 결정(270)할 수 있다. 예를 들어, 분산 벡터 각각의 차이의 절대값이 모두 미리 설정된 임계값 이하인 경우, 쿼리 지문 영상(210)이 인증된 것으로 결정할 수 있다.
다른 실시예에 따르면, 각각의 제1 매칭 특징점(221, 222, 223, 224, 225)에 대해 결정된 분산 벡터의 차이에 대한 분산 값을 결정하고, 결정된 분산 값이 미리 설정된 임계값 이하인 경우 쿼리 지문 영상(210)이 인증된 것으로 결정할 수 있다. 인증 결과를 결정하는 방식은 일례로써 제시된 것으로, 본원 발명의 인증 결과를 결정하는 방식은 제1 매칭 특징점(221, 222, 223, 224, 225)에 대응하여 계산된 분산 벡터를 이용하여 쿼리 지문 영상(210)의 인증 여부를 결정하는 임의의 방식을 포함할 수 있다.
도 3은 일 실시예에 따른 지문 등록 방법을 설명하기 위한 흐름도이다.
단계(310)에서 지문 인증 장치는 지문 영상을 수신할 수 있다. 지문 인증 장치는 내장된 센서를 통해 지문 영상을 수신할 수 있다.
단계(330)에서 지문 인증 장치는 수신한 지문 영상에서 특징점을 추출할 수 있다. 예를 들어 특징점은 앞서 설명된 지문 영상에 포함된 미뉴셔일 수 있다.
단계(350)에서 지문 인증 장치는 추출된 특징점에 대응하는 적어도 하나의 부분 영역을 결정할 수 있다.
일 실시예에 따르면, 지문 인증 장치는 추출된 특징점을 중심으로하는 원형의 영역에 기초하여 추출된 특징점에 대응되는 부분 영역을 결정할 수 있다. 원형의 영역은 추출된 특징점과 지문 영상의 경계 사이에서 산출되는 거리 중 최소 거리에 기초하여 반지름이 결정될 수 있다.
다른 실시예에 따르면, 지문 인증 장치는 추출된 특징점과 이웃하는 특징점 사이의 거리를 지름으로 하는 원형의 영역에 기초하여 부분 영역을 결정할 수 있다.
또 다른 실시예에 따르면, 지문 인증 장치는 추출된 특징점을 중심으로 하고 미리 정해진 개수의 서로 다른 반지름에 대응되는 원형의 영역에 기초하여 추출된 특징점에 대응되는 복수의 부분 영역을 추출할 수 있다. 예를 들어, 지문 인증 장치는 추출된 특징점으로부터 지문 영상의 경계까지의 거리의 최소 거리를 최대 반지름으로 하는 원형의 영역을 최대 부분 영역으로 결정하고, 최대 반지름보다 반지름이 작은 서로 다른 원형의 영역을 부분 영역들로 결정할 수 있다.
단계(370)에서 지문 인증 장치는 부분 영역에 대한 부분 영역 특징 정보를 획득할 수 있다. 부분 영역 특징 정보를 결정하는 방법은 도 5를 통해 보다 상세히 설명된다.
단계(390)에서 지문 인증 장치는 단계(370)에서 획득한 부분 영역 특징 정보를 등록 지문 데이터베이스에 등록할 수 있다. 지문 인증 장치는 각각의 부분 영역 특징 정보를 대응되는 특징점 및 부분 영역의 크기(예를 들어 반지름의 크기)로 식별하여 등록 지문 데이터베이스에 등록할 수 있다.
도 4는 일 실시예에 따른 특징점에 대응되는 부분 영역을 결정하는 방법의 일례를 도시하는 도면이다.
도 4에서 설명되는 부분 영역을 결정하는 방법은 일 실시예에 따른 지문 등록 방법 및 지문 인증 방법에 동일하게 적용될 수 있다.
지문 인증 장치는 지문 영상(410)에서 추출된 특징점에 기초하여 부분 영역을 결정할 수 있다. 지문 등록 방법에서 지문 영상(410)의 특징점은 추출된 모든 특징점을 의미할 수 있으나, 지문 인증 방법에서 부분 영역을 결정하기 위한 지문 영상(쿼리 지문 영상)(410)의 특징점은 미리 등록된 특징점과 매칭되는 제1 매칭 특징점을 의미할 수 있다.
지문 인증 장치는 지문 영상(420)에 도시된 것과 같이 각각의 특징점을 중심으로 하는 원형의 영역을 부분 영역으로 결정할 수 있다. 원형의 영역의 반지름은 각각의 특징점과 지문 영상(420)의 경계 사이의 거리 중 최소 거리로 결정될 수 있다.
지문 인증 장치는 지문 영상(430)에 도시된 것과 같이 이웃하는 특징점을 지름의 양 끝점으로 하는 원형의 영역을 부분 영역으로 결정할 수 있다.
또한, 지문 인증 장치는 지문 영상(440)에 도시된 것과 같이 각각의 특징점을 중심으로 하고, 미리 결정된 개수의 서로 다른 반지름의 원형의 영역을 부분 영역으로 결정할 수 있다. 부분 영역의 최대 반지름은 각각의 특징점과 지문 영상(440)의 경계 사이의 거리 중 최소 거리로 결정될 수 있다.
도 5는 일 실시예에 따른 각각의 부분 영역에 대한 부분 영역 특징 정보를 결정하는 방법을 설명하기 위한 흐름도이다.
도 5를 참조하면, 지문 인증 장치는 도 3의 단계(350)에서 결정된 부분 영역에 대해 단계(371)를 통해 라돈 변환을 수행할 수 있다. 라돈 변환은 직각 좌표계의 영상을 투영 각도(projection angle)에 대해 선적분하여 라돈 도메인 내에 누적하는 과정으로, 수학식 1에 기초하여 수행될 수 있다.
Figure pat00001
f(x, y)는 부분 영역에 대응되는 지문 영상,
Figure pat00002
는 라돈 변환된 부분 영역,
Figure pat00003
는 디렉 델타 함수,
Figure pat00004
는 투영 각도, r은 라돈 도메인에 지문 영상이 투영되는 지점의 위치를 의미한다.
지문 인증 장치는 수학식 1에 기초하여 부분 영역에 대응되는 지문 영상을 라돈 도메인에 투영함으로써 라돈 변환을 수행할 수 있다. 지문 인증 장치는 부분 영역의 지름을 폭으로 하여 지문 영상을 라돈 도메인에 투영할 수 있다. 또한, 투영 각도는 0도 내지 360도의 범위를 가질 수 있다.
각각의 투영 각도(0도 내지 360도)에 기초하여 라돈 변환이 수행된 부분 영역은 도 6b를 통해 제시되는 사이노그램(sinogram)의 형태로 표현될 수 있다.
지문 인증 장치는 단계(373)를 통해 변환된 부분 영역에 대한 분산 벡터를 결정할 수 있다. 지문 인증 장치는 아래의 수학식 2에 기초하여 분산 벡터를 결정할 수 있다.
Figure pat00005
V(P)는 부분 영역 P에 대한 분산 벡터,
Figure pat00006
는 투영 각도, r은 라돈 도메인에서 투영 지점의 위치,
Figure pat00007
는 라돈 변환이 수행된 부분 영역을 의미할 수 있다.
지문 인증 장치는 각각의 투영 각도
Figure pat00008
에 대하여, r의 변화에 따른
Figure pat00009
의 분산 값을 산출하는 것에 의해 부분 영역에 대한 분산 벡터를 산출할 수 있다.
지문 인증 장치는 단계(375)에서, 단계(373)를 통해 결정된 분산 벡터를 부분 영역 특징 정보로 결정할 수 있다.
도 6a은 일 실시예에 따른 부분 영역에 대해 라돈 변환이 수행되는 일례를 도시하는 도면이다.
도 6a를 참조하면, 지문 인증 장치는 수학식 1에 기초하여 부분 영역(610)을 투영 각도
Figure pat00010
로 라돈 도메인으로 투영할 수 있다. 라돈 변환된 부분 영역은 그래프(620)와 같이 1차원의 형태로 산출될 수 있다.
지문 인증 장치는 0도에서 360도 범위의 투영 각도
Figure pat00011
에 기초하여 부분 영역(610)을 라돈 도메인에 투영함으로써 라돈 변환을 수행할 수 있고, 라돈 변환이 수행된 부분 영역은 도 6b의 사이노그램 형태로 도시될 수 있다.
도 6b은 일 실시예에 따른 라돈 변환된 부분 영역에 대한 사이노그램의 일례를 도시하는 도면이다.
도 6b의 사이노그램은 지문 영상의 일 부분 영역에 대한 라돈 변환의 수행 결과에 해당할 수 있다. 사이노그램은 투영 각도
Figure pat00012
(가로축) 및라돈 도메인 내에서 부분 영역이 투영된 위치 r(세로 축)에 따른 출력 결과
Figure pat00013
에 따라 명암을 달리하여 표현할 수 있다. 예를 들어, 도 6b에서 밝게 표현된 부분은 어둡게 표현된 부분에 비해 출력 결과
Figure pat00014
의 값이 더 큰 것을 의미할 수 있다. 지문 인증 장치는 사이노그램을 통해 도시되는 라돈 변환된 부분 영역에 대한 분산 벡터를 수학식 2에 기초하여 계산할 수 있다.
도 7 및 도 8은 일 실시예에 따른 지문 인식 방법을 설명하기 위한 흐름도이다.
도 7을 참조하면, 지문 인증 장치는 단계(710)를 통해 쿼리 지문 영상을 수신할 수 있다. 지문 인증 장치는 내장된 센서를 통해 쿼리 지문 영상을 획득할 수 있고, 센서로부터 쿼리 지문 영상을 수신할 수 있다.
단계(720)에서 지문 인증 장치는 쿼리 지문 영상에서 특징점들을 추출할 수 있다. 특징점들은 앞서 설명한 미뉴셔일 수 있다.
단계(730)에서 지문 인증 장치는 추출된 특징점들 중에서 미리 등록된 특징점에 매칭되는 제1 매칭 특징점을 결정할 수 있다. 지문 인증 장치는 미리 등록된 특징점의 이미지와 쿼리 지문 영상에서 추출된 특징점의 이미지의 비교를 통해 매칭 여부를 판단하거나, 미리 등록된 특징점의 위치 정보 및 종류 정보에 기초하여 추출된 특징점과 미리 등록된 특징점의 매칭 여부를 판단할 수 있다.
단계(740)에서 지문 인증 장치는 제1 매칭 특징점의 개수가 미리 설정된 조건을 만족하는지 여부를 판단할 수 있다. 예를 들어, 미리 설정된 조건은 제1 매칭 특징점의 개수가 임계값을 초과하는 것일 수 있다.
제1 매칭 특징점의 개수가 미리 설정된 조건을 만족하지 못하는 경우, 지문 인증 장치는 쿼리 지문 영상에 대한 인증이 실패한 것으로 결정할 수 있다.
제1 매칭 특징점의 개수가 미리 설정된 조건을 만족하는 경우, 지문 인증 장치는 단계(750)를 통해 쿼리 지문 영상에서 제1 매칭 특징점에 대응하는 부분 영역을 결정할 수 있다. 부분 영역을 결정하는 방식은 도 4를 통해 설명된 방식과 동일하다.
지문 인증 장치는 단계(760)를 통해 결정된 부분 영역에 대한 부분 영역 특징 정보를 결정할 수 있다. 도 8을 참조하면, 지문 인증 장치는 단계(761)를 통해 부분 영역을 라돈 변환하고, 단계(762)를 통해 변환된 부분 영역에 대한 분산 벡터를 결정할 수 있다. 분산 벡터는 앞서 설명된 수학식 1에 기초하여 결정될 수 있다.
지문 인증 장치는 단계(763)를 통해 분산 벡터에 기초하여 부분 영역 특징 정보를 획득할 수 있다. 지문 인증 장치는 분산 벡터를 부분 영역 특징 정보로 결정할 수 있다.
단계(770)에서 지문 인증 장치는 부분 영역 특징 정보에 기초하여 쿼리 지문 영상에 대한 인증 결과를 결정할 수 있다.
지문 인증 장치는 부분 영역에 대응하여 미리 등록된 분산 벡터와 부분 영역 특징 정보에 대응되는 분산 벡터의 차이에 기초하여 인증 결과를 결정할 수 있다. 예를 들어, 제1 매칭 특징점
Figure pat00015
에 대한 부분 영역이
Figure pat00016
이 결정되고, 이에 대한 분산 벡터
Figure pat00017
이 계산된 경우, 인증 결과를 산출하기 위하여 제1 매칭 특징점
Figure pat00018
에 대응하여 미리 등록된 특징점인 제2 매칭 특징점
Figure pat00019
에 대응하여 미리 등록된 분산 벡터
Figure pat00020
와
Figure pat00021
의 차이가 계산될 수 있다. 동일한 방식으로, 모든 제1 매칭 특징점 (
Figure pat00022
, ... ,
Figure pat00023
)에 대한 분산 벡터의 차이 (
Figure pat00024
)가 계산될 수 있고, 각각의 차이의 절대값이 모두 미리 설정된 임계값보다 작은 경우 쿼리 영상이 인증된 것으로 결정할 수 있다.
다른 실시예에 따르면, 지문 인증 장치는 분산 벡터의 차이에 대한 분산 값을 계산하고, 계산된 분산 값에 기초하여 인증 결과를 결정할 수 있다. 예를 들어, 지문 인증 장치는 분산 벡터의 차이의 절대값에 대한 분산 값
Figure pat00025
(
Figure pat00026
)이 미리 결정된 임계값보다 작은 경우, 쿼리 지문 영상이 인증된 것으로 결정할 수 있다.
도 9는 일 실시예에 따른 지문 인증 장치의 구성을 도시하는 도면이다.
도 9를 참조하면, 센서(910)는 인증을 시도하는 사용자의 지문 정보를 획득하여 쿼리 지문 영상을 생성할 수 있다. 쿼리 지문 영상은 지문 인증 장치(920)에 전달되고, 지문 인증 장치(920)는 쿼리 지문 영상을 등록 지문 데이터베이스(DB; 930)에 등록된 하나 이상의 등록 지문과 비교하여 지문 인증을 수행할 수 있다. 사용자는 지문 등록 과정을 통해 하나 이상의 손가락별로 등록 지문을 등록할 수 있고, 등록 지문 데이터베이스(930)는 위 등록 지문에 대한 정보를 저장할 수 있다. 등록 지문 데이터베이스(930)는 등록 지문의 특징점에 대한 등록 특징점 데이터베이스 및 각각의 등록 특징점에 대응하여 계산된 분산 벡터를 저장하는 분산 벡터 데이터베이스를 포함할 수 있다.
지문 인증 장치(920)는 지문 인증 방법과 관련하여 본 명세서에 기술되거나 또는 도시된 하나 이상의 동작을 수행할 수 있고, 지문 인증의 결과를 사용자에게 제공할 수 있다. 지문 인증 장치(920)는 지문 인증의 결과를 음성, 진동, 글자, 그림 또는 동영상 등의 형태로 출력할 수 있으나, 실시에의 범위가 이에 한정되지는 않으며, 지문 인증 장치(920)는 다양한 형태로 인증 결과를 출력할 수 있다.
지문 인증 장치(920)는 하나 이상의 프로세서(922) 및 메모리(924)를 포함할 수 있다. 메모리(924)는 프로세서(922)에 연결되고, 프로세서(922)에 의해 실행가능한 인스트럭션들, 프로세서(922)가 연산할 데이터 또는 프로세서(922)에 의해 처리된 데이터를 저장할 수 있다. 메모리(924)는 비일시적인 컴퓨터 판독가능 매체, 예컨대 고속 랜덤 액세스 메모리 및/또는 비휘발성 컴퓨터 판독가능 저장 매체(예컨대, 하나 이상의 디스크 저장 장치, 플래쉬 메모리 장치, 또는 기타 비휘발성 솔리드 스테이트 메모리 장치)를 포함할 수 있다.
프로세서(922)는 도 1 내지 도 8을 참조하여 설명된 하나 이상의 동작을 실행하기 위한 인스트럭션들을 실행할 수 있다. 예를 들어, 프로세서(922)는 쿼리 지문 영상에 추출한 특징점 중 미리 등록된 특징점에 매칭되는 제1 매칭 특징점을 결정하고, 제1 매칭 특징점의 개수가 미리 설정된 조건을 만족시키는 경우 쿼리 지문 영상에서 제1 매칭 특징점에 대응되는 부분 영역을 결정하고, 결정된 부분 영역에 대한 부분 영역 특징 정보를 획득하고, 획득한 부분 영역 특징 정보에 기초하여 쿼리 지문 영상에 대한 인증 결과를 결정하는 동작을 수행할 수 있다. 프로세서(922)는 부분 영역을 라돈 변환하고, 라돈 변환된 부분 영역에 대한 분산 벡터를 결정하고, 결정된 분산 벡터와 미리 등록된 분산 벡터의 차이에 기초하여 쿼리 지문 영상에 대한 인증 결과를 결정하는 동작을 수행할 수 있다.
도 10은 일 실시예에 따른 컴퓨팅 장치의 구성을 도시하는 도면이다.
컴퓨팅 장치(1000)는 사용자의 지문 영상을 획득하고, 획득된 지문 영상을 등록 지문과 비교하는 과정을 통해 지문 인증 과정을 수행할 수 있다. 컴퓨팅 장치(1000)는 기능적으로 도 9의 지문 인증 장치(920)의 기능을 포함할 수 있다. 도 10을 참조하면, 컴퓨팅 장치(1000)는 프로세서(1010), 메모리(1020), 센서(1030), 저장 장치(1040), 입력 장치(1050), 출력 장치(1060) 및 네트워크 인터페이스(1070)를 포함할 수 있다. 프로세서(1010), 메모리(1020), 센서(1030), 저장 장치(1040), 입력 장치(1050), 출력 장치(1060) 및 네트워크 인터페이스(1070)는 통신 버스(1080)를 통해 서로 통신할 수 있다.
프로세서(1010)는 컴퓨팅 장치(1000) 내에서 실행하기 위한 기능 및 인스트럭션들을 실행한다. 예를 들어, 프로세서(1010)는 메모리(1020) 또는 저장 장치(1040)에 저장된 인스트럭션들을 처리할 수 있다. 프로세서(1010)는 도 1 내지 도 9를 통하여 전술한 하나 이상의 동작을 수행할 수 있다.
메모리(1020)는 지문 인증 과정을 위한 정보를 저장한다. 메모리(1020)는 컴퓨터 판독가능한 저장 매체 또는 컴퓨터 판독가능한 저장 장치를 포함할 수 있다. 예를 들어, 메모리(1020)는 RAM(random access memories), DRAM(dynamic random access memories), SRAM(static random access memories) 또는 이 기술 분야에서 알려진 다른 형태의 비휘발성 메모리를 포함할 수 있다. 메모리(1020)는 프로세서(1010)에 의해 실행하기 위한 인스트럭션들을 저장할 수 있고, 컴퓨팅 장치(1000)에 의해 소프트웨어 또는 애플리케이션이 실행되는 동안 관련 정보를 저장할 수 있다.
센서(1030)는 사용자로부터의 지문 입력에 응답하여, 쿼리 지문 영상을 획득할 수 있다. 지문 입력은 지문을 입력하는 사용자의 모든 행위 또는 조작을 포함할 수 있다. 예를 들어, 센서(1030)는 센싱 영역에 사용자의 손가락이 접촉된 경우 또는 사용자가 손가락을 이용하여 센싱 영역에 스와이프(swipe) 동작을 수행하는 경우에 지문을 센싱할 수 있다. 다른 예로, 센서(1030)가 디스플레이에 통합된 경우, 디스플레이 표면이 센싱 영역으로 구현될 수 있고, 센서(1030)는 디스플레이에 접촉된 손가락으로부터 지문을 센싱할 수 있다. 센서(1030)는 초음파 방식, 상호 커패시턴스(Mutual Capacitance) 방식, 적외선 영상 캡쳐 등의 다양한 방식을 수행하도록 구현될 수 있다. 센서(1030)는 일정한 센싱 영역에 해당하는 지문 영역을 지문 영상으로서 캡쳐할 수 있다.
저장 장치(1040)는 컴퓨터 판독가능한 저장 매체 또는 컴퓨터 판독가능한 저장 장치를 포함한다. 저장 장치(1040)는 등록 지문에 대한 정보를 포함하는 데이터베이스를 저장할 수 있다. 일 실시예에 따르면, 저장 장치(1040)는 메모리(1020)보다 더 많은 양의 정보를 저장하고, 정보를 장기간 저장할 수 있다. 예를 들어, 저장 장치(1040)는 자기 하드 디스크, 광 디스크, 플래쉬 메모리, 전기적으로 프로그래밍가능한 메모리(EPROM), 플로피 디스크 또는 이 기술 분야에서 알려진 다른 형태의 비휘발성 메모리를 포함할 수 있다.
입력 장치(1050)는 촉각, 비디오, 오디오 또는 터치 입력을 통해 사용자로부터 입력을 수신할 수 있다. 예를 들어, 입력 장치(1050)는 키보드, 마우스, 터치스크린, 마이크로폰, 지문 리더, 망막 스캐너 또는 사용자로부터 입력을 검출하고, 검출된 입력을 컴퓨팅 장치(1000)에 전달할 수 있는 임의의 다른 장치를 포함할 수 있다.
출력 장치(1060)는 시각적, 청각적 또는 촉각적인 채널을 통해 사용자에게 컴퓨팅 장치(1000)의 출력을 제공할 수 있다. 예를 들어, 출력 장치(1060)는 지문 인증과 관련된 정보를 시각화하여 사용자에게 제공할 수 있다. 출력 장치(1060)는 예를 들어, 액정 디스플레이, LED(light emitting diode) 디스플레이, 터치 스크린, 스피커, 진동 발생 장치 또는 사용자에게 출력을 제공할 수 있는 임의의 다른 장치를 포함할 수 있다.
네트워크 인터페이스(1070)는 유선 또는 무선 네트워크를 통해 외부 장치와 통신할 수 있다. 예를 들어, 네트워크 인터페이스(1070)는 이더넷(Ethernet) 카드, 광학 트랜시버, 무선 주파수 트랜시버 또는 정보를 송수신할 수 있는 임의의 다른 네트워크 인터페이스 카드를 포함할 수 있다. 네트워크 인터페이스(1070)는 블루투스(Bluetooth), 와이파이(WiFi), 3G 또는 4G 등의 통신 방식을 이용하여 외부 장치와 무선으로 통신할 수 있다.
이상 설명된 실시예들에 따르면, 지문 인증을 수행함에 있어 지문 영상에 포함된 특징점뿐만 아니라, 특징점 주변의 부분 영역에 대한 특징을 고려함으로써, 보다 정확도 높은 지문 인증을 수행할 수 있다. 또한, 지문 인증 장치는 원형의 부분 영역을 설정함으로써, 지문 입력 방향에 구애받지 않는 인증을 수행할 수 있으며, 연산이 간단한 라돈 변환을 통해 빠른 지문 인증 속도를 제공할 수 있다. 또한, 지문 인증 장치는 지문 영상을 직접 저장할 필요 없이 분산 벡터를 데이터베이스에 저장함으로써 보안성을 향상시킬 수 있고, 요구되는 메모리량도 감소시킬 수 있다.
이상에서 설명된 실시예들은 하드웨어 구성요소, 소프트웨어 구성요소, 및/또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 장치, 방법 및 구성요소는, 예를 들어, 프로세서, 콘트롤러, ALU(arithmetic logic unit), 디지털 신호 프로세서(digital signal processor), 마이크로컴퓨터, FPGA(field programmable gate array), PLU(programmable logic unit), 마이크로프로세서, 또는 명령(instruction)을 실행하고 응답할 수 있는 다른 어떠한 장치와 같이, 하나 이상의 범용 컴퓨터 또는 특수 목적 컴퓨터를 이용하여 구현될 수 있다. 처리 장치는 운영 체제(OS) 및 상기 운영 체제 상에서 수행되는 하나 이상의 소프트웨어 애플리케이션을 수행할 수 있다. 또한, 처리 장치는 소프트웨어의 실행에 응답하여, 데이터를 접근, 저장, 조작, 처리 및 생성할 수도 있다. 이해의 편의를 위하여, 처리 장치는 하나가 사용되는 것으로 설명된 경우도 있지만, 해당 기술분야에서 통상의 지식을 가진 자는, 처리 장치가 복수 개의 처리 요소(processing element) 및/또는 복수 유형의 처리 요소를 포함할 수 있음을 알 수 있다. 예를 들어, 처리 장치는 복수 개의 프로세서 또는 하나의 프로세서 및 하나의 콘트롤러를 포함할 수 있다. 또한, 병렬 프로세서(parallel processor)와 같은, 다른 처리 구성(processing configuration)도 가능하다.
소프트웨어는 컴퓨터 프로그램(computer program), 코드(code), 명령(instruction), 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로(collectively) 처리 장치를 명령할 수 있다. 소프트웨어 및/또는 데이터는, 처리 장치에 의하여 해석되거나 처리 장치에 명령 또는 데이터를 제공하기 위하여, 어떤 유형의 기계, 구성요소(component), 물리적 장치, 가상 장치(virtual equipment), 컴퓨터 저장 매체 또는 장치, 또는 전송되는 신호 파(signal wave)에 영구적으로, 또는 일시적으로 구체화(embody)될 수 있다. 소프트웨어는 네트워크로 연결된 컴퓨터 시스템 상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 하나 이상의 컴퓨터 판독 가능 기록 매체에 저장될 수 있다.
실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 실시예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 실시예의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
이상과 같이 실시예들이 비록 한정된 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기를 기초로 다양한 기술적 수정 및 변형을 적용할 수 있다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.
그러므로, 다른 구현들, 다른 실시예들 및 특허청구범위와 균등한 것들도 후술하는 특허청구범위의 범위에 속한다.

Claims (19)

  1. 지문 인증 방법에 있어서,
    쿼리 지문 영상을 수신하는 단계;
    상기 쿼리 지문 영상에서 특징점들을 추출하는 단계;
    상기 추출된 특징점들 중에서 미리 등록된 특징점에 매칭되는 제1 매칭 특징점을 결정하는 단계;
    상기 제1 매칭 특징점의 개수가 미리 설정된 조건을 만족시키는 경우, 상기 쿼리 지문 영상에서 상기 제1 매칭 특징점에 대응하는 부분 영역을 결정하는 단계;
    상기 결정된 부분 영역에 대한 부분 영역 특징 정보를 획득하는 단계; 및
    상기 부분 영역 특징 정보에 기초하여 상기 쿼리 지문 영상에 대한 인증 결과를 결정하는 단계
    를 포함하는 지문 인증 방법.
  2. 제1항에 있어서,
    상기 부분 영역 특징 정보를 획득하는 단계는,
    상기 부분 영역을 라돈 변환하는 단계; 및
    변환 결과에 기초하여 상기 부분 영역 특징 정보를 획득하는 단계
    를 포함하는, 지문 인증 방법.
  3. 제2항에 있어서,
    상기 부분 영역 특징 정보를 획득하는 단계는,
    상기 변환된 부분 영역에 대한 분산 벡터를 계산하는 단계; 및
    상기 분산 벡터에 기초하여 상기 부분 영역 특징 정보를 획득하는 단계
    를 포함하는, 지문 인증 방법.
  4. 제1항에 있어서,
    상기 부분 영역을 결정하는 단계는,
    상기 제1 매칭 특징점을 중심으로 하는 원형의 영역에 기초하여 상기 제1 매칭 특징점에 대응되는 부분 영역을 결정하는, 지문 인증 방법.
  5. 제4항에 있어서,
    상기 원형의 영역은,
    상기 제1 매칭 특징점과 상기 쿼리 지문 영상의 경계 사이에서 계산되는 거리 중 최소 거리에 기초하여 반지름이 결정되는, 지문 인증 방법.
  6. 제1항에 있어서,
    상기 부분 영역을 결정하는 단계는,
    이웃하는 제1 매칭 특징점들 사이의 거리를 지름으로하는 원형의 영역에 기초하여 상기 부분 영역을 결정하는, 지문 인증 방법.
  7. 제1항에 있어서,
    상기 부분 영역을 결정하는 단계는,
    상기 제1 매칭 특징점을 중심으로 하고, 미리 정해진 개수의 서로 다른 반지름에 대응되는 원형의 영역에 기초하여, 상기 제1 매칭 특징점에 대응되는 복수의 부분 영역을 획득하는, 지문 인증 방법.
  8. 제3항에 있어서,
    상기 인증 결과를 결정하는 단계는,
    상기 부분 영역에 대응하여 미리 등록된 분산 벡터와 상기 부분 영역 특징 정보에 대응되는 분산 벡터의 차이에 기초하여 상기 인증 결과를 결정하는 단계
    를 포함하는, 지문 인증 방법.
  9. 제8항에 있어서,
    상기 인증 결과를 결정하는 단계는,
    상기 분산 벡터의 차이에 대한 분산 값을 계산하는 단계; 및
    상기 계산된 분산 값에 기초하여 상기 인증 결과를 결정하는 단계
    를 포함하는 지문 인증 방법.
  10. 지문 등록 방법에 있어서,
    지문 영상을 수신하는 단계;
    상기 지문 영상에서 특징점을 추출하는 단계;
    상기 추출된 특징점에 대응하는 적어도 하나의 부분 영역을 결정하는 단계;
    상기 부분 영역에 대한 부분 영역 특징 정보를 획득하는 단계; 및
    상기 부분 영역 특징 정보를 등록하는 단계
    를 포함하는, 지문 등록 방법.
  11. 제10항에 있어서,
    상기 부분 영역을 결정하는 단계는,
    상기 추출된 특징점을 중심으로하는 원형의 영역에 기초하여 상기 추출된 특징점에 대응되는 부분 영역을 결정하는, 지문 등록 방법.
  12. 제11항에 있어서,
    상기 원형의 영역은,
    상기 추출된 특징점과 상기 지문 영상의 경계 사이에서 산출되는 거리 중 최소 거리에 기초하여 반지름이 결정되는, 지문 등록 방법.
  13. 제10항에 있어서,
    상기 부분 영역을 결정하는 단계는,
    상기 추출된 특징점과 이웃하는 특징점 사이의 거리를 지름으로 하는 원형의 영역에 기초하여 상기 부분 영역을 결정하는, 지문 등록 방법.
  14. 제10항에 있어서,
    상기 부분 영역 특징 정보를 획득하는 단계는,
    상기 부분 영역을 라돈 변환하는 단계;
    변환된 부분 영역에 대한 분산 벡터를 계산하는 단계; 및
    상기 분산 벡터에 기초하여 상기 부분 영역 특징 정보를 획득하는 단계
    를 포함하는, 지문 등록 방법.
  15. 제1항 내지 제14항 중 어느 한 항의 방법을 컴퓨터에서 실행시키기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체.
  16. 지문 인증 장치에 있어서,
    쿼리 지문 영상을 획득하는 센서; 및
    상기 쿼리 지문 영상을 인증하는 프로세서
    를 포함하고,
    상기 프로세서는,
    상기 쿼리 지문 영상에서 적어도 하나의 특징점을 추출하고
    상기 추출된 특징점 중 미리 등록된 특징점에 매칭되는 제1 매칭 특징점을 결정하고,
    상기 제1 매칭 특징점의 개수가 미리 설정된 조건을 만족시키는 경우, 상기 쿼리 지문 영상에서 상기 제1 매칭 특징점에 대응되는 부분 영역을 결정하고,
    상기 결정된 부분 영역에 대한 부분 영역 특징 정보를 획득하고,
    상기 부분 영상 특징 정보에 기초하여 상기 지문 영상을 인증하는, 지문 인증 장치.
  17. 제16항에 있어서,
    상기 프로세서는
    상기 부분 영역을 라돈 변환하고,
    변환된 부분 영역에 대한 분산 벡터를 획득하고,
    상기 분산 벡터를 상기 부분 영상 특징 정보로 결정하는, 지문 인증 장치.
  18. 제16항에 있어서,
    상기 프로세서는,
    상기 변환된 부분 영역에 대해 미리 등록된 분산 벡터를 상기 부분 영역 특징 정보에 대응되는 분산 벡터와 비교하고,
    비교 결과에 기초하여 상기 쿼리 지문 영상을 인증하는, 지문 인증 장치.
  19. 제16항에 있어서,
    상기 프로세서는,
    상기 추출된 특징점을 중심으로 하는 원형의 영역에 기초하여 상기 추출된 특징점에 대응되는 부분 영역을 결정하는, 지문 인증 장치.
KR1020190000673A 2019-01-03 2019-01-03 지문 인증 방법 및 장치 KR102577587B1 (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
KR1020190000673A KR102577587B1 (ko) 2019-01-03 2019-01-03 지문 인증 방법 및 장치
US16/521,697 US11138408B2 (en) 2019-01-03 2019-07-25 Method and apparatus for verifying fingerprint

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020190000673A KR102577587B1 (ko) 2019-01-03 2019-01-03 지문 인증 방법 및 장치

Publications (2)

Publication Number Publication Date
KR20200084595A true KR20200084595A (ko) 2020-07-13
KR102577587B1 KR102577587B1 (ko) 2023-09-12

Family

ID=71403970

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020190000673A KR102577587B1 (ko) 2019-01-03 2019-01-03 지문 인증 방법 및 장치

Country Status (2)

Country Link
US (1) US11138408B2 (ko)
KR (1) KR102577587B1 (ko)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113449597B (zh) * 2021-05-26 2024-04-26 清华大学 物品指纹提取、物品身份鉴别方法及装置

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20020028019A1 (en) * 2000-07-11 2002-03-07 Gholamabbas Hemiari System and method for the automatic extraction of linear features from digital imagery
US20070297653A1 (en) * 2006-06-22 2007-12-27 Rudolf Maarten Bolle Fingerprint representation using localized texture features
US20080273770A1 (en) * 2007-05-03 2008-11-06 Upek, Inc. Fast Fingerprint Identification And Verification By Minutiae Pair Indexing
KR100940902B1 (ko) * 2009-05-14 2010-02-08 동국대학교 산학협력단 손가락 기하학 정보를 이용한 바이오 인식 방법
KR20110010629A (ko) * 2008-05-15 2011-02-01 인터내셔널 비지네스 머신즈 코포레이션 그래디언트 히스토그램을 이용한 지문 표현

Family Cites Families (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2720995B2 (ja) 1988-12-06 1998-03-04 富士通株式会社 個人照合装置
US6185318B1 (en) * 1997-08-22 2001-02-06 International Business Machines Corporation System and method for matching (fingerprint) images an aligned string-based representation
US6049621A (en) * 1997-08-22 2000-04-11 International Business Machines Corporation Determining a point correspondence between two points in two respective (fingerprint) images
JP3725998B2 (ja) * 1999-10-14 2005-12-14 富士通株式会社 指紋照合装置及び照合方法
US7359553B1 (en) * 2001-02-16 2008-04-15 Bio-Key International, Inc. Image identification system
WO2005086091A1 (ja) * 2004-03-04 2005-09-15 Nec Corporation 指紋掌紋画像処理システムおよび指紋掌紋画像処理方法
KR100825773B1 (ko) * 2005-08-23 2008-04-28 삼성전자주식회사 방향 추정 방법 및 장치
US8249314B2 (en) * 2008-06-16 2012-08-21 International Business Machines Corporation Anonymous and revocable fingerprint recognition
US8411913B2 (en) * 2008-06-17 2013-04-02 The Hong Kong Polytechnic University Partial fingerprint recognition
KR101307603B1 (ko) * 2009-04-13 2013-09-12 후지쯔 가부시끼가이샤 생체 정보 등록 장치, 생체 정보 등록 방법 및 생체 정보 등록용 컴퓨터 프로그램과 생체 인증 장치, 생체 인증 방법 및 생체 인증용 컴퓨터 프로그램
US8041956B1 (en) * 2010-08-16 2011-10-18 Daon Holdings Limited Method and system for biometric authentication
US8872909B2 (en) * 2010-06-10 2014-10-28 The Hong Kong Polytechnic University Method and apparatus for personal identification using finger imaging
WO2015034269A1 (ko) 2013-09-03 2015-03-12 삼성전자 주식회사 영상 처리 방법 및 장치
US9785818B2 (en) * 2014-08-11 2017-10-10 Synaptics Incorporated Systems and methods for image alignment
US10521642B2 (en) * 2015-04-23 2019-12-31 Samsung Electronics Co., Ltd. Fingerprint verification method and apparatus
US9904835B1 (en) 2015-07-29 2018-02-27 Morphotrust Usa, Llc System and method for detecting missing fingers in a fingerprint slap
US10325136B1 (en) * 2015-09-29 2019-06-18 Apple Inc. Acoustic imaging of user input surfaces
TWI606405B (zh) * 2016-05-30 2017-11-21 友達光電股份有限公司 影像處理方法及影像處理系統

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20020028019A1 (en) * 2000-07-11 2002-03-07 Gholamabbas Hemiari System and method for the automatic extraction of linear features from digital imagery
US20070297653A1 (en) * 2006-06-22 2007-12-27 Rudolf Maarten Bolle Fingerprint representation using localized texture features
US20080273770A1 (en) * 2007-05-03 2008-11-06 Upek, Inc. Fast Fingerprint Identification And Verification By Minutiae Pair Indexing
KR20110010629A (ko) * 2008-05-15 2011-02-01 인터내셔널 비지네스 머신즈 코포레이션 그래디언트 히스토그램을 이용한 지문 표현
KR100940902B1 (ko) * 2009-05-14 2010-02-08 동국대학교 산학협력단 손가락 기하학 정보를 이용한 바이오 인식 방법

Also Published As

Publication number Publication date
KR102577587B1 (ko) 2023-09-12
US20200218880A1 (en) 2020-07-09
US11138408B2 (en) 2021-10-05

Similar Documents

Publication Publication Date Title
KR102170725B1 (ko) 지문 등록 방법 및 장치
KR102434562B1 (ko) 위조 지문 검출 방법 및 장치, 지문 인식 방법 및 장치
US9934371B2 (en) Fingerprint recognition method and electronic device performing thereof
US9036876B2 (en) Method and system for authenticating biometric data
JP6837288B2 (ja) 指紋認証方法及び装置
KR102313981B1 (ko) 지문 인증 방법 및 장치
EP3321853B1 (en) Facial recognition similarity threshold adjustment
US11625946B2 (en) Method and apparatus with fingerprint verification
EP3482331B1 (en) Obscuring data when gathering behavioral data
CN107223254B (zh) 用于隐藏设置处理的方法、用户装置和存储介质
US11151355B2 (en) Generation of an estimated fingerprint
KR20160147515A (ko) 사용자 인증 방법 및 이를 지원하는 전자장치
US10552596B2 (en) Biometric authentication
US11552944B2 (en) Server, method for controlling server, and terminal device
KR102387569B1 (ko) 지문 인증 방법 및 장치
KR102558736B1 (ko) 지문 인식 방법 및 장치
KR102205495B1 (ko) 지문 인식 방법 및 장치
KR102476017B1 (ko) 생체 정보를 이용한 인증 방법 및 장치
Zhou et al. Multi-modal face authentication using deep visual and acoustic features
KR102447100B1 (ko) 지문 인증 방법 및 장치
KR102577588B1 (ko) 지문 인증 방법 및 장치
KR20210130856A (ko) 전자 장치 및 그 제어 방법
KR102577587B1 (ko) 지문 인증 방법 및 장치
KR20220005960A (ko) 지문 인증 방법 및 지문 인증 장치
US11460928B2 (en) Electronic device for recognizing gesture of user from sensor signal of user and method for recognizing gesture using the same

Legal Events

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