KR20200137450A - 인공지문 감지 시스템 및 이를 이용한 인공지문 감지 방법 - Google Patents

인공지문 감지 시스템 및 이를 이용한 인공지문 감지 방법 Download PDF

Info

Publication number
KR20200137450A
KR20200137450A KR1020190063842A KR20190063842A KR20200137450A KR 20200137450 A KR20200137450 A KR 20200137450A KR 1020190063842 A KR1020190063842 A KR 1020190063842A KR 20190063842 A KR20190063842 A KR 20190063842A KR 20200137450 A KR20200137450 A KR 20200137450A
Authority
KR
South Korea
Prior art keywords
fingerprint
input
fingerprint image
artificial
feature point
Prior art date
Application number
KR1020190063842A
Other languages
English (en)
Inventor
정호엽
Original Assignee
조선대학교산학협력단
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 조선대학교산학협력단 filed Critical 조선대학교산학협력단
Priority to KR1020190063842A priority Critical patent/KR20200137450A/ko
Publication of KR20200137450A publication Critical patent/KR20200137450A/ko

Links

Images

Classifications

    • G06K9/00107—
    • 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
    • G06V40/1382—Detecting the live character of the finger, i.e. distinguishing from a fake or cadaver finger
    • G06K9/00067—
    • G06K9/00087—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • 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
    • G06V40/1365—Matching; Classification

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Human Computer Interaction (AREA)
  • Multimedia (AREA)
  • Biomedical Technology (AREA)
  • Molecular Biology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Software Systems (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Collating Specific Patterns (AREA)

Abstract

본 발명은 인공지문 감지 시스템 및 이를 이용한 인공지문 감지 방법에 관한 것으로서, 상기 인공지문 감지 시스템은 사용자에 의해 기등록된 등록 지문 이미지를 획득하는 등록정보수집부와, 지문입력모듈을 통해 입력된 입력 지문 이미지를 획득하는 입력정보수집부와, 상기 등록 지문 이미지 및 입력 지문 이미지를, 입력된 지문 이미지 중 인공지문을 판별하기 위해 기구축된 신경망 모델에 적용하여 상기 지문입력모듈을 통해 입력된 입력 지문 이미지의 인공지문 여부를 판별하는 지문 판별부를 구비한다.
본 발명에 따른 인공지문 감지 시스템 및 이를 이용한 인공지문 감지방법은 사용자가 기등록한 등록 지문 이미지와, 지문 입력모듈을 통해 입력된 입력 지문 이미지를 신경망 모델에 적용하여 인공지문 여부를 판별하므로 사용자의 지문이 인공지문의 패턴과 일부 유사하더라도 실제 생체지문으로 인식되어 생체지문 판별 정확성 및 신뢰성이 향상되는 장점이 있다.

Description

인공지문 감지 시스템 및 이를 이용한 인공지문 감지 방법{Artificial fingerprint detection system and artificial fingerprint detection method using the same}
본 발명은 인공지문 감지 시스템 및 이를 이용한 인공지문 감지방법에 관한 것으로서, 사용자가 기등록한 등록 지문 이미지와, 지문 입력모듈을 통해 입력된 입력 지문 이미지를 신경망 모델에 적용하여 인공지문 여부를 판별할 수 있는 인공지문 감지 시스템 및 이를 이용한 인공지문 감지방법에 관한 것이다.
정보기기를 이용한 개인 인증에 불변성과 유일성이 뛰어난 사용자 생체 정보를 이용하는 것은 이미 일반화되었으며, 그 중에서도 지문인식은 구조는 매우 간단한데 그 성능은 매우 뛰어난 편이기 때문에 다른 수단에 비해 가장 주목되고 일반화된 인증수단이 되고 있다.
통상의 개인인증은, 출입제어, 전자상거래, 금융거래, 개인용 컴퓨터(PC)의 보안 및 사무적 결재체계 등과 같이 보안이 중요하게 요구되는 분야에 주로 사용되는 바, 인간의 지문이 아닌 인위적으로 제작된 지문(이하 '인공지문'이라 함)을 효과적으로 구분하는 것이 무엇보다 중요하다.
인공지문을 만드는 방법 중 하나는, 지문 이미지가 인쇄된 종이나 필름(Film)에 물이나 기름과 같은 투명한 액체를 묻히거나 적셔서 지문인식장치에 접촉시키는 방법이다. 통상의 지문인식장치는 이러한 위조지문을 그대로 인식하여 허위인증을 수행하게 된다.
국내 등록특허공보 제10-0904902호에는 입력된 지문이 생체 지문인지 모조 지문인지 여부를 판별하기 위해, 신경망을 이용하여 셜계된 패턴분류기를 사용하는 기술이 게시되어 있다.
그러나, 종래 기술의 경우, 사용자의 실제 지문 패턴이 패턴분류기에서 구축된 모조지문의 특징과 일부유사할 경우, 해당 사용자의 실제 지문 이미지를 인공지문으로 판별하는 문제점이 있다.
등록특허공보 제10-0904902호: 광학식 지문 영상 취득 장치의 모조지문 식별방법 및 장치
본 발명은 상기와 같은 문제점을 해결하기 위해 창안된 것으로서, 사용자가 기등록한 등록 지문 이미지와, 지문 입력모듈을 통해 입력된 입력 지문 이미지를 신경망 모델에 적용하여 인공지문 여부를 판별할 수 있는 인공지문 감지 시스템 및 이를 이용한 인공지문 감지방법을 제공하는데 그 목적이 있다.
상기 목적을 달성하기 위한 본 발명에 따른 인공지문 감지 시스템은 사용자에 의해 기등록된 등록 지문 이미지를 획득하는 등록정보수집부와, 지문입력모듈을 통해 입력된 입력 지문 이미지를 획득하는 입력정보수집부와, 상기 등록 지문 이미지 및 입력 지문 이미지를, 입력된 지문 이미지 중 인공지문을 판별하기 위해 기구축된 신경망 모델에 적용하여 상기 지문입력모듈을 통해 입력된 입력 지문 이미지의 인공지문 여부를 판별하는 지문 판별부를 구비한다.
상기 신경망 모델은 합성곱 신경망(CNN: Convolutional Neural Network) 모델이 적용된다.
상기 등록정보수집부는 전자기기의 사용허가 여부를 처리할 수 있도록 지문 인증절차를 수행하기 위해 사용자가 기등록한 지문 이미지가 저장된 데이터 베이스로부터 상기 등록 지문 이미지를 획득한다.
상기 지문 판별부는 상기 등록정보수집부에서 제공되는 상기 등록 지문 이미지에서 특징점을 추출하여 제1특징점 정보를 산출하는 제1특징점 산출부와, 상기 입력정보수집부에서 제공되는 상기 입력 지문 이미지에서 특징점을 추출하여 제2특징점 정보를 산출하는 제2특징점 산출부와, 상기 등록 지문 이미지의 제1특징점 정보 및 상기 입력 지문 이미지의 제2특징점 정보를 기구축된 상기 신경망 모델에 적용하여 상기 입력 지문 이미지의 인공지문 여부를 판별하는 판별모듈을 구비한다.
상기 제1특징점 산출부는 상기 등록 지문 이미지를, 지문 이미지에서 특징점을 산출하기 위해 기구축된 신경망 모델에 적용하여 상기 제1특징점 정보를 산출한다.
상기 제2특징점 산출부는 상기 입력 지문 이미지를, 지문 이미지에서 특징점을 산출하기 위해 기구축된 신경망 모델에 적용하여 상기 제2특징점 정보를 산출하는 것이 바람직하다.
한편, 본 발명에 따른 인공지문 감지 방법은 사용자에 의해 기등록된 등록 지문 이미지를 획득하는 등록정보수집 단계와, 지문입력모듈을 통해 입력 지문 이미지를 획득하는 입력정보수집 단계와, 상기 등록 지문 이미지 및 입력 지문 이미지를, 입력된 지문 이미지 중 인공지문을 판별하기 위해 기구축된 신경망 모델에 적용하여 상기 지문입력모듈을 통해 입력된 입력 지문 이미지의 인공지문 여부를 판별하는 지문 판별단계를 포함한다.
상기 신경망 모델은 합성곱 신경망(CNN: Convolutional Neural Network) 모델인 것이 바람직하다.
상기 등록정보수집 단계에서는, 전자기기의 사용허가 여부를 처리할 수 있도록 지문인증절차를 수행하기 위해 사용자가 기등록한 지문 이미지가 저장된 데이터 베이스로부터 상기 등록 지문 이미지를 획득한다.
한편, 본 발명에 따른 인공지문 감지방법은 상기 지문 판별단계 이전에, 상기 등록정보수집 단계에서 획득된 상기 등록 지문 이미지에서 특징점을 추출하여 제1특징점 정보를 산출하는 제1특징점 산출단계와, 상기 지문 판별단계 이전에, 상기 입력정보수집 단계에서 획득된 상기 입력 지문 이미지에서 특징점을 추출하여 제2특징점 정보를 산출하는 제2특징점 산출단계를 더 포함할 수도 있다.
여기서, 상기 지문 판별단계에서는, 상기 등록 지문 이미지의 제1특징점 정보 및 상기 입력 지문 이미지의 제2특징점 정보를 기구축된 상기 신경망 모델에 적용하여 상기 입력 지문 이미지의 인공지문 여부를 판별한다.
상기 제1특징점 산출단계에서는, 상기 등록 지문 이미지를, 지문 이미지에서 특징점을 산출하기 위해 기구축된 신경망 모델에 적용하여 상기 제1특징점 정보를 산출한다.
상기 제2특징점 산출단계에서는, 상기 입력 지문 이미지를, 지문 이미지에서 특징점을 산출하기 위해 기구축된 신경망 모델에 적용하여 상기 제2특징점 정보를 산출한다.
본 발명에 따른 인공지문 감지 시스템 및 이를 이용한 인공지문 감지방법은 사용자가 기등록한 등록 지문 이미지와, 지문 입력모듈을 통해 입력된 입력 지문 이미지를 신경망 모델에 적용하여 인공지문 여부를 판별하므로 사용자의 지문이 인공지문의 패턴과 일부 유사하더라도 실제 생체지문으로 인식되어 생체지문 판별 정확성 및 신뢰성이 향상되는 장점이 있다.
도 1은 본 발명에 따른 인공지문 감지 시스템에 대한 블럭도이고,
도 2는 본 발명에 따른 인공지문 감지 방법에 대한 순서도이고,
도 3은 본 발명의 또 다른 실시 예에 따른 인공지문 감지 시스템에 대한 블럭도이고,
도 4는 본 발명의 또 다른 실시 예에 따른 인공지문 감지 방법에 대한 순서도이다.
이하, 첨부한 도면을 참조하여 본 발명의 실시예에 따른 인공지문 감지 시스템 및 이를 이용한 인공지문 감지방법에 대해 상세히 설명한다. 본 발명은 다양한 변경을 가할 수 있고 여러 가지 형태를 가질 수 있는 바, 특정 실시 예들을 도면에 예시하고 본문에 상세하게 설명하고자 한다. 그러나 이는 본 발명을 특정한 개시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다. 각 도면을 설명하면서 유사한 참조부호를 유사한 구성요소에 대해 사용하였다. 첨부된 도면에 있어서, 구조물들의 치수는 본 발명의 명확성을 기하기 위하여 실제보다 확대하여 도시한 것이다.
제1, 제2 등의 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되어서는 안 된다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다. 예를 들어, 본 발명의 권리 범위를 벗어나지 않으면서 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소도 제1 구성요소로 명명될 수 있다.
본 출원에서 사용한 용어는 단지 특정한 실시 예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 출원에서, "포함하다" 또는 "가지다" 등의 용어는 명세서 상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가지고 있다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥 상 가지는 의미와 일치하는 의미를 가지는 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.
도 1에는 본 발명에 따른 인공지문 감지 시스템(100)이 도시되어 있다.
도면을 참조하면, 상기 인공지문 감지 시스템(100)은 사용자에 의해 기등록된 등록 지문 이미지를 획득하는 등록정보수집부(110)와, 지문입력모듈(16)을 통해 입력된 입력 지문 이미지를 획득하는 입력정보수집부(120)와, 상기 등록 지문 이미지 및 입력 지문 이미지를, 입력된 지문 이미지 중 인공지문을 판별하기 위해 기구축된 신경망 모델에 적용하여 상기 지문입력모듈(16)을 통해 입력된 입력 지문 이미지의 인공지문 여부를 판별하는 지문 판별부(130)를 구비한다.
등록정보수집부(110)는 전자기기의 사용허가 여부를 처리할 수 있도록 지문 인증절차를 수행하기 위해 사용자가 기등록한 지문 이미지가 저장된 데이터 베이스(15)에 연결되어 상기 데이터 베이스(15)로부터 상기 등록 지문 이미지를 획득한다.
여기서, 전자기기는 태블릿PC 또는 스마트폰과 같이 지문을 이용한 인증절차가 마련된 기기가 적용된다. 상기 전자기기는 지문을 입력하기 위한 지문입력모듈(16)과, 사용자가 지문인증절차를 수행하기 위해 기등록한 지문 이미지가 저정된 데이터 베이스(15)와, 지문입력모듈(16)로 지문이 입력시, 입력된 지문이 데이터 베이스(15)에 등록된 지문과 일치할 경우, 상기 전자기기를 사용자가 사용하도록 작동시키는 인증모듈(미도시)를 포함한다. 여기서, 상기 지문입력모듈(16)은 지문 이미지를 획득하기 위해 종래에 일반적으로 사용되는 지문인식수단이므로 상세한 설명은 생략한다. 상술된 인공지문 감지 시스템(100)은 해당 전자기기에 설치되어 입력된 지문의 인공지문 여부를 판별한다.
입력정보수집부(120)는 전자기기의 지문입력모듈(16)에 연결되며, 전자기기를 사용하고자하는 대상이 지문입력모듈(16)에 지문을 입력할 경우, 지문입력모듈(16)로부터 입력 지문 이미지를 제공받는다. 입력정보수집부(120)는 획득한 입력 지문 이미지를 지문 판별부(130)에 제공한다.
지문 판별부(130)는 판별모듈(131) 및 표시부(132)를 구비한다.
판별모듈(131)은 등록정보수집부(110) 및 입력정보수집부(120)로부터 등록 지문 이미지 및 입력 지문 이미지를 제공받아 기구축된 신경망 모델에 적용하여 입력 지문 이미지의 인공지문 여부를 판별한다.
여기서, 신경망 모델은 합성곱 신경망(CNN: Convolution Neural Network) 모델이 적용되는데, 상기 CNN모델은 복수의 연산 레이어(Convolution Layer, pooling Layer)를 번갈아 수행하여 최종적으로는 입력 데이터의 특징을 추출하는데 사용되는 계층 모델이다. 상기 신경망 모델은 생체 지문 이미지 및 인공지문 이미지가 다수 포함된 학습데이터를 지도학습(Supervised Leaning) 기법에 따라 처리하여 구축된다.
판별모듈(131)은 전자기기에 등록된 사용자의 등록 지문 이미지를 상기 신경망 모델에 적용하여, 등록된 사용자의 지문에 대한 정보를 학습하고, 입력된 입력 지문 이미지를 해당 신경망 모델에 적용하여 입력 지문 이미지의 인공지문 여부를 판별한다. 이때, 판별모듈(131)은 판별정보를 표시부(132)에 제공하며, 입력 지문 이미지가 인공지문으로 판별될 경우, 지문입력모듈(16)에 지문을 입력한 대상이 해당 전자기기를 사용할 수 없도록 전자기기의 작동을 정지시킨다. 표시부(132)는 판별모듈(131)이 입력 지문 이미지가 인공지문일 경우, 전자기기의 디스플레이모듈(미도시)를 통해 경고 메세지를 출력할 수도 있다.
한편, 도 2에는 본 발명의 인공지문 감지 시스템(200)을 이용한 인공지문 감지방법에 대한 순서도가 도시되어 있다.
도면을 참조하면, 상기 인공지문 감지방법은 등록정보수집 단계(S101), 입력정보수집 단계, 및 지문 판별단계(S103)를 포함한다.
등록정보수집 단계(S101)는 사용자에 의해 기등록된 등록 지문 이미지를 획득하는 단계이다. 상술된 바와 같이 등록정보수집부(110)는 전자기기의 데이터 베이스(15)에 연결되어 데이터 베이스(15)로부터 등록된 사용자에 의해 입력된 등록 지문 이미지를 제공받는다.
입력정보수집 단계는 지문입력모듈(16)을 통해 입력 지문 이미지를 획득하는 단계이다. 입력정보수집부(120)는 지문입력모듈(16)을 통해 획득한 입력 지문 이미지를 지문 판별부(130)에 제공한다.
지문 판별단계(S103)는 상기 등록 지문 이미지 및 입력 지문 이미지를, 입력된 지문 이미지 중 인공지문을 판별하기 위해 기구축된 신경망 모델에 적용하여 상기 지문입력모듈(16)을 통해 입력된 입력 지문 이미지의 인공지문 여부를 판별하는 단계이다. 지문 판별부(130)의 판별모듈(131)은 기구축된 신경망 모델에, 등록 지문 이미지 및 입력 지문 이미지를 적용하여 해당 입력 지문 이미지의 인공지문 여부를 판별한다.
상술된 바와 같이 본 발명에 따른 인공지문 감지 시스템(200) 및 이를 이용한 인공지문 감지방법은 사용자가 기등록한 등록 지문 이미지와, 지문 입력모듈을 통해 입력된 입력 지문 이미지를 신경망 모델에 적용하여 인공지문 여부를 판별하므로 사용자의 지문이 인공지문의 패턴과 일부 유사하더라도 실제 생체지문으로 인식되어 생체지문 판별 정확성 및 신뢰성이 향상되는 장점이 있다.
한편, 도 3에는 본 발명의 또 다른 실시 예에 따른 인공지문 감지 시스템(200)이 도시되어 있다.
앞서 도시된 도면에서와 동일한 기능을 하는 요소는 동일 참조부호로 표기한다.
도면을 참조하면, 상기 인공지문 감지 시스템(200)의 지문 판별부(130)는 상기 등록정보수집부(110)에서 제공되는 상기 등록 지문 이미지에서 특징점을 추출하여 제1특징점 정보를 산출하는 제1특징점 산출부(201) 및 상기 입력정보수집부(120)에서 제공되는 상기 입력 지문 이미지에서 특징점을 추출하여 제2특징점 정보를 산출하는 제2특징점 산출부(202)를 더 구비한다.
상기 제1특징점 산출부(201)는 상기 등록 지문 이미지를, 지문 이미지에서 특징점을 산출하기 위해 기구축된 신경망 모델에 적용하여 상기 제1특징점 정보를 산출한다. 여기서, 상기 신경망 모델은 합성곱 신경망(CNN: Convolutional Neural Network) 모델이 적용된다. 해당 신경망 모델은 다수의 지문 이미지 및 해당 지문 이미지에 대한 특징점 정보가 포함된 학습 데이터들을 지도학습 기법에따라 처리하여 구축된다.
제1특징점 산출부(201)는 산출된 등록 지문 이미지의 제1특징점 정보를 판별모듈(131)에 제공한다. 또한, 제1특징점 산출부(201)는 1개의 등록 지문 이미지 뿐 아니라 다수개의 등록 지문 이미지에 대한 제1특징점 정보를 산출하여 판별모듈(131)에 제공할 수 있다. 등록정보수집부(110)는 등록된 사용자가 전자기기에 자신의 지문을 등록시, 데이터 베이스(15)에 저장된 등록 지문 이미지를 제1특징점 산출부(201)로 전송하고, 제1특징점 산출부(201)는 제공된 등록 지문 이미지에 대한 제1특징점 정보를 산출한다. 이때, 제1특징점 산출부(201)는 전자기기의 등록정보를 수집시 동시에, 오프라인(off-line)으로 제1특징점 정보를 계산할 수 있다.
제2특징점 산출부(202)는 지문입력모듈(16)을 통해 입력된 입력 지문 이미지를, 지문 이미지에서 특징점을 산출하기 위해 기구축된 신경망 모델에 적용하여 상기 제2특징점 정보를 산출한다. 여기서, 상기 신경망 모델은 제1특징점 산출부(201)에 사용된 신경망 모델과 동일한 모델이 적용된다.
지문입력모듈(16)에, 전자기기를 사용하고자하는 대상이 지문을 입력하면, 입력정보수집부(120)는 해당 입력 지문 이미지를 제2특징점 산출부(202)로 전송하고, 제2특징점 산출부(202)는 해당 입력 지문 이미지에 대한 제2특징점 정보를 산출하여 판별모듈(131)에 제공한다.
판별모듈(131)은 상기 등록 지문 이미지의 제1특징점 정보 및 상기 입력 지문 이미지의 제2특징점 정보를 기구축된 상기 신경망 모델에 적용하여 상기 입력 지문 이미지의 인공지문 여부를 판별한다. 상기 신경망 모델은 입력된 지문 이미지 중 인공지문을 판별하기 위해 기구축된 CNN 모델이 적용된다. 이때, 판별모듈(131)은 제2특징점 산출부(202)와 같이 온라인(On-line)으로 계산될 수 있다.
한편, 도 4에는 본 발명에 따른 인공지문 감지 시스템(200)을 이용한 인공지문 감지 방법에 대한 순서도가 도시되어 있다.
도면을 참조하면, 상기 인공지문 감지방법은 상기 지문 판별단계(S103) 이전에, 제1특징점 산출단계(S111) 및 제2특징점 산출단계(S112)를 더 포함한다.
상기 제1특징점 산출단계(S111)는 등록정보수집 단계(S101) 및 지문 판별단계(S103) 사이에, 등록정보수집 단계(S101)에서 획득된 상기 등록 지문 이미지에서 특징점을 추출하여 제1특징점 정보를 산출하는 단계이다. 여기서, 제1특징점 산출부(201)는 상술된 바와 같이 기구축된 신경망 모델을 적용하여 등록 지문 이미지의 제1특징점 정보를 산출하여 판별모듈(131)에 제공한다.
상기 제2특징점 산출단계(S112)는 입력정보수집 단계 및 지문 판별단계(S103) 사이에, 입력정보수집 단계에서 획득된 상기 입력 지문 이미지에서 특징점을 추출하여 제2특징점 정보를 산출하는 단계이다. 여기서, 제2특징점 산출모모듈은 상술된 바와 같이 기구축된 신경망 모델을 적용하여 입력 지문 이미지의 제2특징점 정보를 산출하여 판별모듈(131)에 제공한다.
이때, 상기 지문 판별단계(S103)에서는, 상기 등록 지문 이미지의 제1특징점 정보 및 상기 입력 지문 이미지의 제2특징점 정보를 기구축된 상기 신경망 모델에 적용하여 상기 입력 지문 이미지의 인공지문 여부를 판별한다. 여기서, 판별모듈(131)은 제공받은 제1 및 제2특징점 정보를 입력된 지문 이미지 중 인공지문을 판별하기 위해 기구축된 신경망 모델에 적용하여 인공지문 여부를 판별한다. 이때, 판별모듈(131)은 입력 지문 이미지가 인공지문으로 판별될 경우, 지문입력모듈(16)에 지문을 입력한 대상이 해당 전자기기를 사용할 수 없도록 전자기기의 작동을 정지시킨다.
제시된 실시예들에 대한 설명은 임의의 본 발명의 기술분야에서 통상의 지식을 가진 자가 본 발명을 이용하거나 또는 실시할 수 있도록 제공된다. 이러한 실시예들에 대한 다양한 변형들은 본 발명의 기술 분야에서 통상의 지식을 가진자에게 명백할 것이며, 여기에 정의된 일반적인 원리들은 본 발명의 범위를 벗어남이 없이 다른 실시예들에 적용될 수 있다. 그리하여, 본 발명은 여기에 제시된 실시예들로 한정되는 것이 아니라, 여기에 제시된 원리들 및 신규한 특징들과 일관되는 최광의 범위에서 해석되어야 할 것이다.
100: 인공지문 감지 시스템
110: 등록정보수집부
120: 입력정보수집부
130: 지문 판별부
131: 판별모듈
132: 표시부

Claims (12)

  1. 사용자에 의해 기등록된 등록 지문 이미지를 획득하는 등록정보수집부;
    지문입력모듈을 통해 입력된 입력 지문 이미지를 획득하는 입력정보수집부; 및
    상기 등록 지문 이미지 및 입력 지문 이미지를, 입력된 지문 이미지 중 인공지문을 판별하기 위해 기구축된 신경망 모델에 적용하여 상기 지문입력모듈을 통해 입력된 입력 지문 이미지의 인공지문 여부를 판별하는 지문 판별부;를 구비하는,
    인공지문 감지 시스템.
  2. 제1항에 있어서,
    상기 신경망 모델은 합성곱 신경망(CNN: Convolutional Neural Network) 모델인,
    인공지문 감지 시스템.
  3. 제1항에 있어서,
    상기 등록정보수집부는 전자기기의 사용허가 여부를 처리할 수 있도록 지문 인증절차를 수행하기 위해 사용자가 기등록한 지문 이미지가 저장된 데이터 베이스로부터 상기 등록 지문 이미지를 획득하는,
    인공지문 감지 시스템.
  4. 제1항에 있어서,
    상기 지문 판별부는
    상기 등록정보수집부에서 제공되는 상기 등록 지문 이미지에서 특징점을 추출하여 제1특징점 정보를 산출하는 제1특징점 산출부;
    상기 입력정보수집부에서 제공되는 상기 입력 지문 이미지에서 특징점을 추출하여 제2특징점 정보를 산출하는 제2특징점 산출부; 및
    상기 등록 지문 이미지의 제1특징점 정보 및 상기 입력 지문 이미지의 제2특징점 정보를 기구축된 상기 신경망 모델에 적용하여 상기 입력 지문 이미지의 인공지문 여부를 판별하는 판별모듈;을 구비하는,
    인공지문 감지 시스템.
  5. 제4항에 있어서,
    상기 제1특징점 산출부는 상기 등록 지문 이미지를, 지문 이미지에서 특징점을 산출하기 위해 기구축된 신경망 모델에 적용하여 상기 제1특징점 정보를 산출하는,
    인공지문 감지 시스템.
  6. 제4항 또는 제5항에 있어서,
    상기 제2특징점 산출부는 상기 입력 지문 이미지를, 지문 이미지에서 특징점을 산출하기 위해 기구축된 신경망 모델에 적용하여 상기 제2특징점 정보를 산출하는,
    인공지문 감지 시스템.
  7. 사용자에 의해 기등록된 등록 지문 이미지를 획득하는 등록정보수집 단계;
    지문입력모듈을 통해 입력 지문 이미지를 획득하는 입력정보수집 단계; 및
    상기 등록 지문 이미지 및 입력 지문 이미지를, 입력된 지문 이미지 중 인공지문을 판별하기 위해 기구축된 신경망 모델에 적용하여 상기 지문입력모듈을 통해 입력된 입력 지문 이미지의 인공지문 여부를 판별하는 지문 판별단계;를 포함하는,
    인공지문 감지 방법.
  8. 제7항에 있어서,
    상기 신경망 모델은 합성곱 신경망(CNN: Convolutional Neural Network) 모델인,
    인공지문 감지 방법.
  9. 제7항에 있어서,
    상기 등록정보수집 단계에서는, 전자기기의 사용허가 여부를 처리할 수 있도록 지문인증절차를 수행하기 위해 사용자가 기등록한 지문 이미지가 저장된 데이터 베이스로부터 상기 등록 지문 이미지를 획득하는,
    인공지문 감지 방법.
  10. 제7항에 있어서,
    상기 지문 판별단계 이전에, 상기 등록정보수집 단계에서 획득된 상기 등록 지문 이미지에서 특징점을 추출하여 제1특징점 정보를 산출하는 제1특징점 산출단계; 및
    상기 지문 판별단계 이전에, 상기 입력정보수집 단계에서 획득된 상기 입력 지문 이미지에서 특징점을 추출하여 제2특징점 정보를 산출하는 제2특징점 산출단계;를 더 포함하고,
    상기 지문 판별단계에서는, 상기 등록 지문 이미지의 제1특징점 정보 및 상기 입력 지문 이미지의 제2특징점 정보를 기구축된 상기 신경망 모델에 적용하여 상기 입력 지문 이미지의 인공지문 여부를 판별하는,
    인공지문 감지 방법.
  11. 제10항에 있어서,
    상기 제1특징점 산출단계에서는, 상기 등록 지문 이미지를, 지문 이미지에서 특징점을 산출하기 위해 기구축된 신경망 모델에 적용하여 상기 제1특징점 정보를 산출하는,
    인공지문 감지 방법.
  12. 제10항 또는 제11항에 있어서,
    상기 제2특징점 산출단계에서는, 상기 입력 지문 이미지를, 지문 이미지에서 특징점을 산출하기 위해 기구축된 신경망 모델에 적용하여 상기 제2특징점 정보를 산출하는,
    인공지문 감지 방법.



KR1020190063842A 2019-05-30 2019-05-30 인공지문 감지 시스템 및 이를 이용한 인공지문 감지 방법 KR20200137450A (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020190063842A KR20200137450A (ko) 2019-05-30 2019-05-30 인공지문 감지 시스템 및 이를 이용한 인공지문 감지 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020190063842A KR20200137450A (ko) 2019-05-30 2019-05-30 인공지문 감지 시스템 및 이를 이용한 인공지문 감지 방법

Publications (1)

Publication Number Publication Date
KR20200137450A true KR20200137450A (ko) 2020-12-09

Family

ID=73787415

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020190063842A KR20200137450A (ko) 2019-05-30 2019-05-30 인공지문 감지 시스템 및 이를 이용한 인공지문 감지 방법

Country Status (1)

Country Link
KR (1) KR20200137450A (ko)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023043118A1 (ko) * 2021-09-16 2023-03-23 삼성전자 주식회사 전자 장치 및 전자 장치의 터치 인식 방법
US11899884B2 (en) 2021-09-16 2024-02-13 Samsung Electronics Co., Ltd. Electronic device and method of recognizing a force touch, by electronic device

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100904902B1 (ko) 2007-11-06 2009-06-29 (주)니트젠앤컴퍼니 광학식 지문영상 취득 장치의 모조지문 식별방법 및 장치

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100904902B1 (ko) 2007-11-06 2009-06-29 (주)니트젠앤컴퍼니 광학식 지문영상 취득 장치의 모조지문 식별방법 및 장치

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023043118A1 (ko) * 2021-09-16 2023-03-23 삼성전자 주식회사 전자 장치 및 전자 장치의 터치 인식 방법
US11899884B2 (en) 2021-09-16 2024-02-13 Samsung Electronics Co., Ltd. Electronic device and method of recognizing a force touch, by electronic device

Similar Documents

Publication Publication Date Title
CN111191539B (zh) 证件真伪验证方法、装置、计算机设备和存储介质
Olsen et al. Finger image quality assessment features–definitions and evaluation
Elhoseny et al. Multimodal biometric personal identification and verification
Blanco‐Gonzalo et al. Performance evaluation of handwritten signature recognition in mobile environments
Hemalatha A systematic review on Fingerprint based Biometric Authentication System
Agarwal et al. Local binary hexagonal extrema pattern (LBHXEP): A new feature descriptor for fake iris detection
Yadav et al. Fingerprint based attendance system using microcontroller and LabView
US10115249B2 (en) Card-compatible biometric access control system
US20160048718A1 (en) Enhanced kinematic signature authentication using embedded fingerprint image array
Chikkerur Online fingerprint verification system
KR20200137450A (ko) 인공지문 감지 시스템 및 이를 이용한 인공지문 감지 방법
Yadav et al. Fingerprint recognition based on minutiae information
CN115862075A (zh) 指纹识别模型训练方法、指纹识别方法、装置及相关设备
Socheat et al. Fingerprint enhancement, minutiae extraction and matching techniques
Jeyanthi et al. Neural network based automatic fingerprint recognition system for overlapped latent images
Kim et al. Deep residual network-based recognition of finger wrinkles using smartphone camera
US20090103783A1 (en) System and Method for Biometric Behavior Context-Based Human Recognition
Benziane et al. An introduction to biometrics
Qin et al. Partial fingerprint matching via phase-only correlation and deep convolutional neural network
Chowdhury et al. Biometric authentication using facial recognition
KR20070118806A (ko) 임베디드 시스템용 안면 검출방법
Choudhary et al. Implementation of integrated security system by using biometric function in atm machine
Liu Fingerprint analysis and singular point definition by deep neural network
Moshayedi et al. Fingerprint Identification Banking (FIB); Affordable and Secure Biometric IOT Design
Kamaraju et al. DSP based embedded fingerprint recognition system

Legal Events

Date Code Title Description
E601 Decision to refuse application