KR20200145924A - 딥 러닝 기반 손가락 주름 인식 장치 및 방법 - Google Patents

딥 러닝 기반 손가락 주름 인식 장치 및 방법 Download PDF

Info

Publication number
KR20200145924A
KR20200145924A KR1020190073626A KR20190073626A KR20200145924A KR 20200145924 A KR20200145924 A KR 20200145924A KR 1020190073626 A KR1020190073626 A KR 1020190073626A KR 20190073626 A KR20190073626 A KR 20190073626A KR 20200145924 A KR20200145924 A KR 20200145924A
Authority
KR
South Korea
Prior art keywords
image
finger
finger wrinkle
wrinkle
recognition
Prior art date
Application number
KR1020190073626A
Other languages
English (en)
Other versions
KR102206205B1 (ko
Inventor
박강령
김찬식
Original Assignee
동국대학교 산학협력단
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 동국대학교 산학협력단 filed Critical 동국대학교 산학협력단
Priority to KR1020190073626A priority Critical patent/KR102206205B1/ko
Publication of KR20200145924A publication Critical patent/KR20200145924A/ko
Application granted granted Critical
Publication of KR102206205B1 publication Critical patent/KR102206205B1/ko

Links

Images

Classifications

    • 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
    • G06V40/107—Static hand or arm
    • G06K9/00885—
    • G06K9/3233—
    • G06K9/6201—
    • 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
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00—Geometric image transformation in the plane of the image
    • G06T3/60—Rotation of a whole image or part thereof
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/98—Detection or correction of errors, e.g. by rescanning the pattern or by human intervention; Evaluation of the quality of the acquired patterns

Abstract

본 발명은 딥 러닝 기반 손가락 주름 인식 및 방법에 관한 것이다. 본 발명의 일 실시 예에 따르면, 딥 러닝 기반 손가락 주름 인식 장치 및 방법은 생체 정보 중 사람마다 고유한 패턴을 가지는 손가락 주름을 딥 러닝을 이용하여 우수한 인식 성능을 제공할 수 있다.

Description

딥 러닝 기반 손가락 주름 인식 장치 및 방법 {FINGER WRINKLE RECOGNITION DEVICE AND METHOD BASED ON DEEP LEARNING}
본 발명은 생체 인식 장치 및 방법에 관한 것으로, 보다 상세하게는 모바일 기기의 가시광선 카메라 환경에서 딥 러닝 기반으로 손가락 주름을 인식하는 장치 및 방법에 관한 것이다.
현재 생체 정보를 이용한 사용자 인식 연구가 많이 진행되고 있다. 생체 정보 중 손가락 주름은 사람에 따라 고유한 패턴을 가지고 있고 영상 촬영이 편리하다는 장점이 있다. 기존의 손가락 주름 인식 방법은 핸드 크래프트 특징(Hand-Crafted Feature) 기반이다. 핸드 크래프트 특징(Hand-Crafted Feature)을 이용한 방법은 시스템 개발자가 손가락 주름 영상의 특성에 맞는 특징 추출 방법을 선택하고 최적화된 필터를 직접 설계해야 하기 때문에 설계하는 데에 있어 어려움이 존재한다. 또한 손가락 주름 영상의 정렬 불일치, 움직임으로 인한 흐릿함, 음영, 잡음으로 인해 인식 성능이 하락하고, 다양한 장치로 촬영한 손가락 주름 영상을 각각 다른 인식 방법을 적용해야 하는 단점이 있다.
본 발명의 배경기술은 대한민국 등록특허 제10-1626837호에 개시되어 있다.
본 발명은 딥 러닝을 통해 손가락 주름 영상에 최적화된 필터를 설계하여 특징을 추출하여 딥 러닝 기반 손가락 주름 인식 장치 및 방법을 제공한다.
본 발명은 손가락 주름 영상의 정렬 불일치, 움직임으로 인한 흐릿함, 음영, 잡음으로 인한 성능 저하를 줄일 수 있는 딥 러닝 기반 손가락 주름 인식 장치 및 방법을 제공한다.
본 발명의 일 측면에 따르면, 딥 러닝 기반 손가락 주름 인식 장치를 제공한다.
본 발명의 일 실시예에 따른 가이드 윈도우에 따라 손가락 주름 영상을 획득하는 영상 획득부, 상기 손가락 주름 영상을 딥 러닝에 적합하도록 작업하는 전처리부, 딥 러닝을 이용해 상기 손가락 주름 영상의 특징을 추출하는 특징 추출부 및 상기 손가락 주름 영상과 등록된 손가락 주름 영상을 이용하여 본인 일치 여부를 판단하는 판단부를 포함할 수 있다.
본 발명의 다른 일 측면에 따르면, 딥 러닝 기반 손가락 주름 인식 방법 및 이를 실행하는 컴퓨터 프로그램이 기록된 컴퓨터가 판독 가능한 기록매체를 제공한다.
본 발명의 일 실시예에 따른 방법 및 기록매체는 손가락 주름 영상을 획득하는 단계, 상기 손가락 주름 영상을 전처리하는 단계, 상기 전처리한 영상으로 딥 러닝하여 특징맵을 추출하는 단계 및 상기 특징맵으로 본인 일치 여부를 판단하는 단계를 포함할 수 있다.
본 발명의 일 실시 예에 따르면, 딥 러닝 기반 손가락 주름 인식 장치 및 방법은 손가락 주름 영상에 적합한 필터를 딥 러닝을 통해 설계하므로 최적화된 특징을 추출하여 인식 성능을 높일 수 있다.
본 발명의 일 실시 예에 따르면, 딥 러닝 기반 손가락 주름 인식 장치 및 방법은 전처리를 통해 손가락 주름 영상의 정렬 불일치, 움직임으로 인한 흐릿함, 음영, 잡음으로 인한 성능 저하를 줄일 수 있다.
도 1내지 도 7은 본 발명의 일 실시 예에 따른 딥 러닝 기반 손가락 주름 인식 장치를 설명하기 위한 도면들.
도 8은 본 발명의 일 실시 예에 따른 딥 러닝 기반 손가락 주름 인식 방법을 설명하기 위한 도면.
본 발명은 다양한 변경을 가할 수 있고 여러 가지 실시 예를 가질 수 있는 바, 특정 실시 예들을 도면에 예시하고 이를 상세한 설명을 통해 상세히 설명하고자 한다. 그러나, 이는 본 발명을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다. 본 발명을 설명함에 있어서, 관련된 공지 기술에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다. 또한, 본 명세서 및 청구항에서 사용되는 단수 표현은, 달리 언급하지 않는 한 일반적으로 "하나 이상"을 의미하는 것으로 해석되어야 한다.
이하, 본 발명의 바람직한 실시 예를 첨부도면을 참조하여 상세히 설명하기로 하며, 첨부 도면을 참조하여 설명함에 있어, 동일하거나 대응하는 구성 요소는 동일한 도면번호를 부여하고 이에 대한 중복되는 설명은 생략하기로 한다.
도 1 내지 도 7은 본 발명의 일 실시 예에 따른 딥 러닝 기반 손가락 주름 인식 장치를 설명하기 위한 도면들이다.
도 1을 참조하면, 딥 러닝 기반 손가락 주름 인식 장치(10)는 모바일 기기의 가시광선 카메라로 손가락 주름을 촬상하여 생체 인증을 수행한다. 생체 정보 중 손가락 주름은 사람마다 고유한 패턴을 가지고 있고, 영상 촬영이 편리한 장점이 있다. 손가락 주름은 보편적인 가시광선 카메라로도 촬영이 가능하여 활용도가 높다.
도 2를 참조하면, 딥 러닝 기반 손가락 주름 인식 장치(10)는 영상획득부(100), 전처리부(200), 특징 추출부(300) 및 판단부(400)를 포함한다.
영상 획득부(100)는 손가락 주름 영상을 획득한다. 영상 획득부(100)는 모바일 기기의 가시광선 카메라를 이용해 손가락 주름 영상을 취득할 수 있다.
도 3을 참조하면, 영상 획득부(100)는 손가락 주름 영상을 좀 더 편리하게 획득하기 위해 영상 획득 시 복수의 가이드 윈도우(110)를 제공한다. 가이드 윈도우는 사람의 손모양에 따른 것으로 손가락을 가이드 윈도우 위치에 맞춰서 손가락 주름 영상의 필요한 부분이 소실되지 않게 획득할 수 있다. 영상 획득부(100)는 모바일 기기에 가이드 윈도우를 제공하여 사용자 편리성을 증가시킨다. 영상 획득부(100)는 손모양에 따른 다양한 모양의 제 1 가이드 윈도우(111), 제 2 가이드 윈도우(112) 및 제 3 가이드 윈도우(113)를 제공할 수 있다.
도 4 및 도 5를 참조하면 전처리부(200)는 효과적인 딥 러닝을 위해 획득한 손가락 주름 영상에 전처리 과정을 거친다. 전처리부(200)는 손가락 주름 영상에서 일정한 위치로 추출하고, 형태와 크기를 조정한다. 전처리부(200)는 손가락 주름 영상의 불일치, 움직임으로 인한 흐릿함, 음영 및 잡음으로 인한 성능 저하를 줄인다. 전처리부(200)는 관심영역 추출부(210), 회전부(220) 및 크기 조정부(230)를 포함한다. 전처리부(200)는 딥 러닝에 필요한 크기로 손가락 주름 영상의 크기를 조정한다. 이 때 전처리부(200)는 관심영역을 추출하고 추출 영상을 회전하여, 최대한 많은 정보를 포함하도록 한다.
관심영역 추출부(210)는 획득한 손 모양 영상에서 손가락 주름 인식을 위한 관심 영역 영상을 추출한다. 생체 인식율을 높이기 위해서는 동일한 위치에 손가락 주름 영상을 획득하는 것이 좋다. 관심영역 추출부(210)는 획득한 손가락 전체의 영상 중 판별력을 높일 수 있는 부분의 영상을 추출한다.
회전부(220)는 추출한 관심 영역의 영상을 회전한다. 회전부(220)는 관심영역을 추출한 영상의 정렬 불일치를 해소하기 위해 영상을 회전시켜 인식 성능 저하를 줄인다.
크기 조정부(230)는 손가락 주름 영상에서 딥 러닝에 적합하도록 조정한다. 크기 조정부(230)는 음영과 잡음을 제거하여 특징 추출을 최대화한다. 예를 들면 크기 조정부(230)는 손가락 주름 영상을 224 X 224 로 크기를 조정할 수 있다.
도 6을 참조하면, 특징 추출부(300)는 전처리된 손가락 주름 영상을 합성곱 신경망(CNN; Convolutional Neural Network)에 입력하여 특징맵(Feature Map)을 추출한다. 사용된 합성곱 신경망은 ResNet 일 수 있다. ResNet의 구조는 Residual 블록( Block)과Identity 블록으로 이루어져 있다. ResNet 에서는 첫번째 레이어(7X7 합성곱)을 제외하고는 모든 합성곱 연산에 3X3이하 크기의 커널(kornel)을 사용한다. ResNet에서는 특징맵의 크기가 같은 레이어는 출력 특징맵의 개수가 동일하고, 특징맵의 크기가 반으로 작아지는 경우 출력 특징맵의 개수는 2배가 된다. ResNet은 특징맵의 크기가 반으로 작아지면, 합성곱 연산의 스트라이드(stride)를 2로 하여 특징맵의 크기와 개수를 맞춘다. 이를 지름길(Short-cut )연결이라 한다. ResNet은 2개의 합성곱 레이어마다 지름길 연결(short-cut connection)을 사용한다. 또한 ResNet은 연산량을 줄이기 위해 Residual Block 내에 1x1, 3x3, 1x1 합성곱 연산을 쌓았다. 1x1 합성곱 연산으로 특징맵의 개수를 줄였다가 3x3을 거친 후, 1x1 합성곱 연산으로 차원을 늘려준다. 이를 병목 레이어(Bottleneck Layer)라고 한다.
다시 도 2를 참조하면, 판단부(400)는 합성곱 신경망을 거쳐 추출한 손가락 주름 영상의 특징맵을 이용하여 기 등록된 손가락 주름 영상의 유클리디안 거리(euclidean distance)를 계산한다. 판단부(400)는 유클리디안 거리를 기준으로 동일 오류율(EER; Equal Error Rate)을 계산한다.
도 7을 참조하면, DMFW-DB1(Dongguk Moblie Fingle-Wrinkle Database)를 이용하여 실험한 본 발명의 동일 오류율(ERR) 성능을 확인할 수 있다. 동일 오류율(EER)은 오인식율(FAR; False Aceptance Rate)과 오거부율(FAR; False Rejection Rate)이 동일한 지점이다. 오인식율(FAR; False Aceptance Rate)은 등록 영상과 획득 영상이 동일인이 아니지만 동일인으로 잘못 인식된 확률 즉, 본인의 것이 아닌 생체인식 정보를 본인의 것으로 잘못 판단할 확률을 의미한다. 오거부율(FAR; False Rejection Rate)은 등록 영상과 획득 영상이 동일인이지만 동일인이 아닌 것으로 잘못 인식할 확률 즉, 본인의 생체정보를 본인이 아닌 것으로 잘못 판단할 확률이다. 그래프의 X 축은 오인식율(FAR; False Aceptance Rate)이고, Y축은 정인식율(GAR ; Ganuine Acceptance Rate)이다. 정인식율(GAR ; Ganuine Acceptance Rate)은 등록 영상과 획득 영상을 동일한 사람으로 제대로 인식한 확률 즉, 본인 인식이 제대로 되어서 본인 매칭으로 성공한 확율이다. 도 5를 더 자세히 설명하면, [표1]에 기술한 동일 오류율(EER; Equal Error Rate)의 성능을 그래프로 표현한 것이다.
DMFW-DB1
1 st fold 2 nd fold Average
6.05% 4.79% 5.42%
[표 1]은 DMFW-DB1(Dongguk Moblie Fingle-Wrinkle Database)로 인식 성능에 대한 교차검증을 수행한 결과이다. 판단부(400)는 오인식율(FAR)과 오거부율(FRR)의 차이가 가장 적은 지점을 임계값으로 정한다. 판단부(400)는 미리 정한 임계값과 획득 영상의 유클리디안 거리를 비교하여 본인 일치 및 불일치를 판단한다. 판단부(400)는 획득 영상의 유클리디안 거리가 임계값보다 작은 경우 본인 일치로 판단한다.
도 8은 본 발명의 일 실시 예에 따른 딥 러닝 기반 손가락 주름 인식 방법을 설명하기 위한 도면이다.
도 8을 참조하면, 단계 S810에서 손가락 주름 인식 장치(10)는 생체 인증을 위한 손가락 영상을 획득한다. 예를 들면 손가락 주름 인식 장치(10)는 모바일 기기의 가시광선 카메라로 손가락 영상을 획득할 수 있다. 손가락 주름 인식 장치(10)는 손 모양에 따라 쉽게 손가락 주름 영상을 획득할 수 있도록 가이드 윈도우를 제공한다. 손가락 주름 인식 장치(10)는 가이드 윈도우를 복수로 제공하고 그 중 하나를 이용하여 손가락 주름 영상을 획득하도록 하는 편리성을 제공한다. 가이드 윈도우는 일정한 위치의 손가락 주름이 획득하여 영상의 흔들림 또는 회전에 의해 인식율이 저하되지 않도록 한다.
단계 S820에서 손가락 주름 인식 장치(10)는 획득한 손가락 주름 영상에서 특징 추출을 위한 관심 영역을 추출한다.
단계 S830에서 손가락 주름 인식 장치(10)는 손가락 주름 영상의 정렬 불일치로 인해 성능이 저하되지 않도록 특징을 제대로 추출하기 위해 관심영역을 회전시킨다.
단계 S840에서 손가락 주름 인식 장치(10)는 음영, 잡음을 제거하고, 합성곱 신경망에 적합한 크기로 영상의 크기를 조정한다. 예를 들면, 손가락 주름 인식 장치(10)는 224 X 224의 크기로 손가락 주름 영상의 크기를 맞춘다.
단계 S850에서 손가락 주름 인식 장치(10)는 합성곱 신경망을 거쳐 손가락 주름 영상의 특징맵을 추출한다. 예를 들면 손가락 주름 인식 장치(10)는 ResNet을 이용하여 딥 러닝할 수 있다. ResNet는 Residual 블록과 Identity 블록을 포함하고, Residual 블록은 지름길 연결(short-cut connection)을 이용한다.
단계 S860에서 손가락 주름 인식 장치(10)는 추출한 특징맵으로 본인 여부를 판단한다. 손가락 주름 인식 장치(10)는 획득 영상 특징맵을 이용하여 획득 영상과 등록 영상의 유클리디안 거리를 산출한다. 손가락 주름 인식 장치(10)는 산출된 유클리디안 거리가 미리 설정한 임계값보다 작으면 본인으로 인식한다.
딥 러닝 기반 손가락 주름 인식 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 컴퓨터 판독 가능 매체에 기록되는 프로그램 명령은 본 발명을 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 분야 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 광 기록 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 코드 뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상술한 하드웨어 장치는 본 발명의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
이제까지 본 발명에 대하여 그 실시 예들을 중심으로 살펴보았다. 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자는 본 발명이 본 발명의 본질적인 특성에서 벗어나지 않는 범위에서 변형된 형태로 구현될 수 있음을 이해할 수 있을 것이다. 그러므로 개시된 실시 예들은 한정적인 관점이 아니라 설명적인 관점에서 고려되어야 한다. 본 발명의 범위는 전술한 설명이 아니라 특허청구범위에 나타나 있으며, 그와 동등한 범위 내에 있는 모든 차이점은 본 발명에 포함된 것으로 해석되어야 할 것이다.
10: 손가락 주름 인식 장치
100: 영상 획득부
200: 전처리부
210: 관심영역 추출부
220: 회전부
230: 크기 조정부
300: 특징 추출부
400: 판단부

Claims (16)

  1. 딥 러닝 기반 손가락 주름 인식 장치에 있어서,
    가이드 윈도우에 따라 손가락 주름 영상을 획득하는 영상 획득부;
    상기 손가락 주름 영상을 딥 러닝에 적합하도록 작업하는 전처리부;
    딥 러닝을 이용해 상기 손가락 주름 영상의 특징을 추출하는 특징 추출부; 및
    상기 손가락 주름 영상과 등록된 손가락 주름 영상을 이용하여 본인 일치 여부를 판단하는 판단부를 포함하는 손가락 주름 인식 장치.
  2. 제 1 항에 있어서,
    상기 영상 획득부는 복수의 가이드 윈도우를 포함하는 손가락 주름 인식 장치.
  3. 제 1 항에 있어서,
    상기 전처리부는,
    상기 손가락 주름의 특징을 추출하기 위한 관심영역 추출부를 포함하는 손가락 주름 인식 장치.
  4. 제 3 항에 있어서,
    상기 전처리부는,
    상기 관심영역을 회전시키는 회전부를 더 포함하는 손가락 주름 인식 장치.
  5. 제 3 항에 있어서,
    상기 전처리부는
    상기 관심영역의 크기를 조정하는 크기 조정부를 더 포함하는 손가락 주름 인식 장치.
  6. 제 1 항에 있어서,
    상기 특징 추출부는 합성곱 신경망을 이용하는 손가락 주름 인식 장치.
  7. 제 1 항에 있어서
    상기 판단부는 유클리디안 거리를 이용하여 본인 일치 여부를 판단하는 손가락 주름 인식 장치.
  8. 제 7 항에 있어서
    상기 판단부는
    오인식율(FAR)과 오거부율(FRR)의 차이가 가장 적은 지점을 임계값으로 설정하는 손가락 주름 인식 장치.
  9. 딥 러닝 기반 손가락 주름 인식 방법에 있어서,
    손가락 주름 영상을 획득하는 단계;
    상기 손가락 주름 영상을 전처리하는 단계;
    상기 전처리한 영상으로 딥 러닝하여 특징맵을 추출하는 단계; 및
    상기 특징맵으로 본인 일치 여부를 판단하는 단계를 포함하는 딥 러닝 기반 손가락 주름 인식 방법.
  10. 제 9 항에 있어서,
    상기 손가락 주름 영상을 획득하는 단계는
    모바일 기기의 가시광선 카메라로 영상을 획득할 때 복수의 가이드 윈도우를 제공하여 그 중 하나를 선택하도록 하는 손가락 주름 인식 방법.
  11. 제 9 항에 있어서,
    상기 손가락 주름 영상을 전처리하는 단계는,
    상기 손가락 주름 영상에서 관심영역을 추출하는 단계를 포함하는 손가락 주름 인식 방법.
  12. 제 11 항에 있어서,
    상기 손가락 주름 영상을 전처리하는 단계는,
    상기 관심영역 영상을 회전하는 단계를 더 포함하는 손가락 주름 인식 방법.
  13. 제 11 항에 있어서,
    상기 손가락 주름 영상을 전처리하는 단계는,
    상기 관심영역 영상의 크기를 조정하는 단계를 더 포함하는 손가락 주름 인식 방법.
  14. 제 9 항에 있어서,
    상기 특징맵으로 본인 일치 여부를 판단하는 단계는
    유클리디안 거리와 미리 설정한 임계값을 비교하여 본인 일치 여부를 판단하는 손가락 주름 인식 방법.
  15. 제 14항에 있어서
    임계값은 오인식율(FAR)과 오거부율(FRR)의 차이가 가장 적은 지점으로 설정하는 손가락 주름 인식 방법.
  16. 제 9 항 내지 제 15 항에 손가락 주름 인식 방법 중 어느 하나를 실행하고 컴퓨터가 판독 가능한 기록매체에 기록된 컴퓨터 프로그램.

KR1020190073626A 2019-06-20 2019-06-20 딥 러닝 기반 손가락 주름 인식 장치 및 방법 KR102206205B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020190073626A KR102206205B1 (ko) 2019-06-20 2019-06-20 딥 러닝 기반 손가락 주름 인식 장치 및 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020190073626A KR102206205B1 (ko) 2019-06-20 2019-06-20 딥 러닝 기반 손가락 주름 인식 장치 및 방법

Publications (2)

Publication Number Publication Date
KR20200145924A true KR20200145924A (ko) 2020-12-31
KR102206205B1 KR102206205B1 (ko) 2021-01-25

Family

ID=74087660

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020190073626A KR102206205B1 (ko) 2019-06-20 2019-06-20 딥 러닝 기반 손가락 주름 인식 장치 및 방법

Country Status (1)

Country Link
KR (1) KR102206205B1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023075183A1 (ko) * 2021-10-26 2023-05-04 주식회사 카카오브이엑스 딥러닝 기반 비접촉식 장문 인식 시스템 및 방법

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102266165B1 (ko) * 2021-03-26 2021-06-17 인하대학교 산학협력단 적대적 생성신경망에서의 개인별 변조를 이용한 얼굴 연령 편집 방법 및 장치

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20150049550A (ko) * 2013-10-30 2015-05-08 삼성전자주식회사 복합 생체 정보를 이용한 보안을 제공하는 전자 장치 및 방법
KR20150104544A (ko) * 2015-08-26 2015-09-15 나정식 지정맥과 손가락마디지문을 통한 통합인증장치
KR20170016231A (ko) * 2015-08-03 2017-02-13 삼성전자주식회사 사용자 인증을 위한 멀티-모달 퓨전 방법 및 사용자 인증 방법
CN108009472A (zh) * 2017-10-25 2018-05-08 五邑大学 一种基于卷积神经网络和贝叶斯分类器的指背关节纹识别方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20150049550A (ko) * 2013-10-30 2015-05-08 삼성전자주식회사 복합 생체 정보를 이용한 보안을 제공하는 전자 장치 및 방법
KR20170016231A (ko) * 2015-08-03 2017-02-13 삼성전자주식회사 사용자 인증을 위한 멀티-모달 퓨전 방법 및 사용자 인증 방법
KR20150104544A (ko) * 2015-08-26 2015-09-15 나정식 지정맥과 손가락마디지문을 통한 통합인증장치
CN108009472A (zh) * 2017-10-25 2018-05-08 五邑大学 一种基于卷积神经网络和贝叶斯分类器的指背关节纹识别方法

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023075183A1 (ko) * 2021-10-26 2023-05-04 주식회사 카카오브이엑스 딥러닝 기반 비접촉식 장문 인식 시스템 및 방법

Also Published As

Publication number Publication date
KR102206205B1 (ko) 2021-01-25

Similar Documents

Publication Publication Date Title
US9940517B2 (en) Feature extraction and matching for biometric authentication
KR100374708B1 (ko) 회전영상의 보정에 의한 비접촉식 홍채인식방법
JP4305431B2 (ja) 画像処理装置、マスク作成方法及びプログラム
KR100850402B1 (ko) 개인 인증 장치 및 개인 인증용 혈관 패턴 추출 장치
US20160379042A1 (en) Apparatuses, systems, and methods for confirming identity
US9672341B2 (en) Systems and methods for spoof detection in iris based biometric systems
JP6212099B2 (ja) 画像テンプレートマスキング
KR101626837B1 (ko) 손가락 마디 및 지정맥 기반의 융합형 생체 인증 방법 및 그 장치
US7760916B2 (en) Registration apparatus, collation apparatus, image correction method and program
KR102206205B1 (ko) 딥 러닝 기반 손가락 주름 인식 장치 및 방법
Vega et al. Biometric personal identification system based on patterns created by finger veins
KR102174083B1 (ko) 딥 러닝 기반의 지정맥을 이용한 생체 인식 장치 및 방법
JP5698418B2 (ja) 虹彩認識による識別
US8374419B2 (en) Registering device, checking device, program, and data structure
Moco et al. Smartphone-based palmprint recognition system
Carney et al. A multi-finger touchless fingerprinting system: Mobile fingerphoto and legacy database interoperability
JP4251067B2 (ja) 個人認証装置及び個人認証用の血管パターン抽出装置
US20230070660A1 (en) Authentication method, non-transitory computer-readable storage medium for storing authentication program, and information processing device
Arora et al. Human identification based on iris recognition for distant images
Normakristagaluh et al. Finger-vein pattern recognition based on ICP on contours
Chopra et al. Finger print and finger vein recognition using repeated line tracking and minutiae
Rajput et al. Iris biometric technique for person authentication based on fusion of radon and 2D multi-wavelet transform
US11080518B2 (en) Face image generating method for recognizing face
Radu et al. On combining information from both eyes to cope with motion blur in iris recognition
Gopinath Human identification based on finger veins-a review

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
GRNT Written decision to grant