KR20210024877A - 라이브니스 판단 방법 및 장치 - Google Patents

라이브니스 판단 방법 및 장치 Download PDF

Info

Publication number
KR20210024877A
KR20210024877A KR1020190104599A KR20190104599A KR20210024877A KR 20210024877 A KR20210024877 A KR 20210024877A KR 1020190104599 A KR1020190104599 A KR 1020190104599A KR 20190104599 A KR20190104599 A KR 20190104599A KR 20210024877 A KR20210024877 A KR 20210024877A
Authority
KR
South Korea
Prior art keywords
input
light source
color information
liveness
fingerprint image
Prior art date
Application number
KR1020190104599A
Other languages
English (en)
Inventor
이윤규
허진구
김주현
남동경
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 KR1020190104599A priority Critical patent/KR20210024877A/ko
Priority to US16/862,971 priority patent/US11514723B2/en
Publication of KR20210024877A publication Critical patent/KR20210024877A/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
    • G06V40/1382—Detecting the live character of the finger, i.e. distinguishing from a fake or cadaver finger
    • G06V40/1388—Detecting the live character of the finger, i.e. distinguishing from a fake or cadaver finger using image processing
    • 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
    • G06K9/00013—
    • 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
    • G06V10/56—Extraction of image or video features relating to colour
    • 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
    • G06V10/758—Involving statistics of pixels or of feature values, e.g. histogram matching
    • 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
    • G06V40/13—Sensors therefor
    • G06V40/1318—Sensors therefor using electro-optical elements or layers, e.g. electroluminescent sensing
    • 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
    • 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
    • G06V40/40—Spoof detection, e.g. liveness detection
    • G06V40/45—Detection of the body part being alive

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Human Computer Interaction (AREA)
  • Software Systems (AREA)
  • Computer Security & Cryptography (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Artificial Intelligence (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Hardware Design (AREA)
  • General Engineering & Computer Science (AREA)
  • Image Input (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
  • Collating Specific Patterns (AREA)

Abstract

라이브니스 판단 방법 및 장치가 제시된다. 상기 라이브니스 판단 장치는, 적어도 하나의 프로세서 및 등록 색상 정보를 저장하는 메모리를 포함한다. 상기 프로세서는 하나 이상의 주파수의 광원에 대응하는 오브젝트의 입력 지문 영상을 획득하고, 상기 입력 지문 영상으로부터 입력 색상 정보를 획득하고, 상기 입력 색상 정보를 상기 등록 색상 정보와 비교하고, 상기 비교 결과를 기초로 상기 오브젝트의 라이브니스를 판단한다.

Description

라이브니스 판단 방법 및 장치{METHOD AND APPARATUS FOR DETERMINING LIVENESS}
아래 실시예들은 인증 기술 중에서 라이브니스를 판단하는 기술에 관한 것이다.
사용자 인증 시스템(user verification system)에서 컴퓨팅 장치는 사용자에 의해 제공되는 인증 정보에 기초하여 해당 컴퓨팅 장치에 대한 액세스를 허용할지 여부를 결정할 수 있다. 인증 정보는 사용자에 의해 입력되는 패스워드 또는 사용자의 생체 정보(biometric information) 등을 포함할 수 있다.
최근, 사용자 인증 시스템을 위한 보안 방법으로서, 위조 지문 방지 기술에 대한 관심이 증가하고 있다. 위조 지문 방지는 컴퓨팅 장치에 입력된 사용자의 지문이 위조 지문(fake fingerprint)인지 아니면 실제 지문(live fingerprint)인지 여부를 구별한다. 이를 위해, 입력 영상에서 특징들(features)이 추출되고, 추출된 특징들에 기반하여 입력된 지문이 위조 지문인지 여부가 판정된다. 위조 지문은 다양한 재질로 형성될 수 있으며, 지문 인증에 있어 이러한 생체 인식 모조(biometric mimicking)를 구별해 내는 것은 중요하다.
일 실시예에 따를 라이브니스 판단 방법은, 입력부에 의해, 하나 이상의 주파수의 광원에 대응하는 오브젝트의 입력 지문 영상을 획득하는 단계; 프로세서에 의해, 상기 입력 지문 영상으로부터 입력 색상 정보를 획득하는 단계; 상기 프로세서에 의해, 상기 입력 색상 정보를 등록 색상 정보와 비교하는 단계; 및 상기 프로세서에 의해, 상기 비교 결과를 기초로 상기 오브젝트의 라이브니스를 판단하는 단계를 포함한다.
상기 입력 지문 영상을 획득하는 단계는, 하나 이상의 주파수의 광원 별로, 미리 설정된 시간 구간 동안에 미리 설정된 프레임 레이트(frame rate)로 복수의 입력 지문 영상을 획득하는 단계를 포함할 수 있다.
상기 비교하는 단계는, 하나 이상의 주파수의 광원 별로, 상기 입력 지문 영상으로부터 획득된 입력 명도를 등록 명도와 비교하는 단계를 포함할 수 있다.
상기 비교하는 단계는, 복수의 픽셀에 대해 상기 입력 명도와 상기 등록 명도의 차이가 제1 임계값 미만인지를 판단하거나 또는 복수의 픽셀에 대한 입력 명도와 등록 명도의 차이의 평균이 제2 임계값 미만인지를 판단할 수 있다.
상기 비교하는 단계는, 하나 이상의 주파수의 광원 별로, 미리 설정된 시간 구간 동안 획득된 복수의 입력 지문 영상의 입력 명도의 변화 정도와 등록된 복수의 입력 지문 영상의 등록 명도의 변화 정도를 비교하는 단계를 포함할 수 있다.
상기 비교하는 단계는, 상기 입력 명도의 변화 정도와 상기 등록 명도의 변화 정도의 차이가 제3 임계값 미만인지를 판단하거나 또는 상기 입력 명도의 변화 정도와 상기 등록 명도의 변화 정도의 차이의 시간 평균이 제4 임계값 미만인지를 판단할 수 있다.
상기 하나 이상의 주파수는 적색(R), 녹색(G) 또는 청색(B)의 주파수를 포함할 수 있다.
상기 입력 지문 영상을 획득하는 단계는, R-광원의 입력 지문 영상, G-광원의 입력 지문 영상 및 B-광원의 입력 지문 영상을 획득하는 단계를 포함하고, 상기 입력 색상 정보를 획득하는 단계는, 상기 R-광원의 입력 지문 영상으로부터 R-광원의 입력 색상 정보를 획득하고, G-광원의 입력 지문 영상으로부터 G-광원의 입력 색상 정보를 획득하고, B-광원의 입력 지문 영상으로부터 B-광원의 입력 색상 정보를 획득하는 단계를 포함하고, 상기 비교하는 단계는, 상기 R-광원의 입력 색상 정보와 R-광원의 등록 색상 정보를 비교하고, 상기 G-광원의 입력 색상 정보와 G-광원의 등록 색상 정보를 비교하고, 상기 B-광원의 입력 색상 정보와 B-광원의 등록 색상 정보를 비교하는 단계를 포함하고, 상기 판단하는 단계는, 상기 비교 결과들을 기초로 상기 오브젝트의 라이브니스를 판단하는 단계를 포함할 수 있다.
컴퓨터 판독 가능한 기록 매치는 상기 방법을 실행하기 위한 인스트럭션들을 저장할 수 있다.
일 실시예에 따른 라이브니스 판단 장치는, 적어도 하나의 프로세서; 및 등록 색상 정보를 저장하는 메모리를 포함하고, 상기 프로세서는, 하나 이상의 주파수의 광원에 대응하는 오브젝트의 입력 지문 영상을 획득하고, 상기 입력 지문 영상으로부터 입력 색상 정보를 획득하고, 상기 입력 색상 정보를 상기 등록 색상 정보와 비교하고, 상기 비교 결과를 기초로 상기 오브젝트의 라이브니스를 판단한다.
상기 프로세서는, 하나 이상의 주파수의 광원 별로, 미리 설정된 시간 구간 동안 미리 설정된 프레임 레이트(frame rate)로 복수의 입력 지문 영상을 획득할 수 있다.
상기 프로세서는, 하나 이상의 주파수의 광원 별로, 상기 입력 지문 영상으로부터 획득된 입력 명도를 등록 명도와 비교할 수 있다.
상기 프로세서는, 하나 이상의 주파수의 광원 별로, 미리 설정된 시간 구간 동안 획득된 복수의 입력 지문 영상의 입력 명도의 변화 정도와 등록된 복수의 입력 지문 영상의 등록 명도의 변화 정도를 비교할 수 있다.
도 1은 일 실시예에 따른 라이브니스 판단 장치에 의해 입력 지문 영상의 라이브니스를 판단하는 상황을 도시한 도면이다.
도 2는 일 실시예에 따른 라이브니스 판단 방법의 전체 동작을 도시한 순서도이다.
도 3은 일 실시예에 따른 라이브니스 판단 장치의 등록 과정과 인증 과정을 도시한 흐름도이다.
도 4a는 광학식 센서의 RGB 광원 별로 획득된 실제 지문 영상과 다양한 종류의 재질로 위조된 위조 지문 영상의 일례를 도시한 도면이다.
도 4b는 광학식 센서의 RGB 광원별로 획득된 영상을 YCbCR 영역 별로 변환하여 획득된 실제 지문 영상과 위조 지문 영상의 명도의 히스토그램의 일례를 도시한 도면이다.
도 5는 일 실시예에 따른 라이브니스 판단 장치의 전체 구성을 도시한 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 용어를 다양한 구성요소들을 설명하는데 사용될 수 있지만, 이런 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 해석되어야 한다. 예를 들어, 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소는 제1 구성요소로도 명명될 수 있다.
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 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 명세서에서, "포함하다" 또는 "가지다" 등의 용어는 설명된 특징, 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것이 존재함으로 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 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.
한편, 어떤 실시예가 달리 구현 가능한 경우에 특정 블록 내에 명기된 기능 또는 동작이 순서도와 다르게 수행될 수 있다. 예를 들어, 연속하는 두 블록들이 실제로는 실질적으로 동시에 수행될 수도 있고, 관련된 기능 또는 동작에 따라서는 해당 블록들의 순서가 뒤바뀌어 수행될 수도 있다.
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.
도 1은 일 실시예에 따른 라이브니스 판단 장치에 의해 입력 지문 영상의 라이브니스를 판단하는 상황을 도시한 도면이다.
일 실시예에 따르면, 라이브니스 판단 장치(110)는 사용자(100)의 입력 지문 영상을 기초로 사용자(100)를 인증할 수 있다. 라이브니스 판단 장치(100)는 사용자(100)의 입력 지문 영상의 라이브니스(liveness)를 판단한 후, 입력 지문 영상을 인증할 수 있다. 라이브니스 판단 장치(100)는 하나 이상의 주파수 광원을 이용하여 입력 지문 영상의 라이브니스를 판단할 수 있다. 라이브니스 판단 장치(100)는 하나 이상의 색상 정보를 기초로 입력 지문 영상의 라이브니스를 판단할 수 있다.
광학식 센서에 손가락이 압착되는 경우, 혈류량의 변화로 인해 입력 지문 영상의 명도는 시간에 따라 변화될 수 있다. 반면에, 위조된 오브젝트 또는 위조된 영상의 경우 혈류량의 변화가 구현되지 않기 때문에, 입력된 위조 영상의 명도는 시간에 따라 변화되지 않는다. 일 실시예에 따르면, 라이브니스 판단 장치(100)는 이러한 차이점에 착안하여 주파수 광원 별로 멀티 프레임의 입력 색상 정보를 등록 색상 정보와 비교함으로써 보다 효과적으로 입력 지문 영상의 라이브니스를 판단할 수 있다.
지문(fingerprint)은 생체 인증에 가장 널리 쓰이는 파라미터 중 하나로, 모바일 기기의 사용자 인증에서부터 범죄 현장의 신원 확인까지 폭넓게 사용되고 있다. 최근에는 모바일 환경에서 인터넷 뱅킹 등의 사용이 활성화됨에 따라, 지문을 활용한 사용자 인증 방법이 많이 사용되고 있다. 생체 인증은 대체로 라이브니스 검사 단계와 인증 단계로 진행될 수 있다.
라이브니스 검사는 검사 대상(test subject)인 객체가 살아있는 객체인지 여부를 검사하는 것으로, 예를 들어 카메라에 의해 촬영된 영상에 나타난 지문이 사람의 실제 지문(live fingerprint)인지 아니면 거짓 지문(fake fingerprint)인지 여부를 검사하는 것이다. 일실시예에 따르면, 라이브니스 검사는 사용자 로그인, 결제 서비스 또는 출입 통제 등에서 수행되는 사용자 인증(user verification)과 관련하여 인증 대상(검사 대상과 동일)의 라이브니스 여부를 검사하는데 이용될 수 있다. 라이브니스 검사는, 예를 들어 사용자 인증 시스템에서 살아있지 않은 객체(예를 들어, 위조 수단으로서 사용된 사진, 종이, 영상 및 모형 등)와 살아있는 객체(예를 들어, 살아있는 사람 등) 사이를 구별하는데 이용된다.
유효하지 않은 사용자는 위조 기술(spoofing techniques)을 이용하여 사용자 인증 시스템의 오인증(false acceptance)을 유발하기 위한 시도를 수행할 수 있다. 예를 들어, 지문 인증에서, 유효하지 않은 사용자는 오인증을 유발하기 위해 유효한 사용자의 지문이 나타난 컬러 사진, 동영상 또는 유효한 사용자의 지문 형상을 묘사한 모형을 카메라에 제시할 수 있다. 라이브니스 검사는 이러한 사진, 동영상, 마스크 또는 모형과 같은 대체물을 이용한 인증 시도(다시 말해, 스푸핑 공격)를 걸러내어 오인증을 방지하는 역할을 한다. 라이브니스 검사 결과, 인증 대상이 살아있지 않은 객체로 결정된 경우, 사용자 인증 단계로 넘어가지 않거나 또는 사용자 인증의 결과와 관계없이 최종적으로 사용자 인증이 실패한 것으로 결정될 수 있다.
위조 지문은 다양한 형태로 구현될 수 있다. 예를 들어, 종이, 실리콘, 젤라틴 및 목공풀 등의 다양한 재료/재질을 이용한 위조 지문들이 사용될 수 있다. 정교하게 제작된 위조 지문은 영상으로 촬영되었을 때 실제 지문과 매우 유사한 결과를 보인다.
지문 취득 센서는 지문 영상을 취득하는 방식에 따라 크게 정전식, 초음파식 및 광학식의 세가지로 나뉜다. 이들 각각의 센서는 모바일 기기의 특성과 단가에 따라 다양하게 활용되고 있다. 각각의 센서에 대한 영상 취득 방식이 다르기 때문에, 위조 지문의 재질에 따라 센서 간에 성능의 차이가 있을 수 있다. 예를 들면, 종이에 일반 잉크로 인쇄한 지문은 전도성이나 굴곡이 없기 때문에 정전식 센서 및 초음파 센서에 의해 영상으로서 획득할 수 없지만, 광학식 센서로 촬영될 경우 실제 지문 영상과 흡사한 영상이 획득될 수 있다.
기존의 위조 지문 방지 방법들은 센서로부터 획득된 흑백 영상으로부터 각종 특징을 추출하고, 특징들을 학습시켜서 위조 지문 여부를 판별한다. 하지만 이러한 방법들은 새로운 재질에 대해서는 정확도가 떨어지며, 다양하고 풍부한 학습 데이터에 의존한다는 단점이 있다. 또한 기존의 위조 지문 방지 방법들은 흑백 영상으로는 구분이 어려운 정교한 위조 지문에 대해 실제 지문으로 잘못 판별할 가능성이 높다. 실제로 영상 학습 기반 위조 지문 방법에 학습되지 않은 새로운 재질의 위조 지문 영상을 입력할 경우, 정확도 저하가 관찰되었으며, 실제 지문 영상과 구분이 힘든 위조 지문 영상에 대해서도 실제 지문으로 잘못 판별하는 사례가 다수 관찰된다.
일 실시예에 따르면, 라이브니스 판단 장치(100)는 하나 이상의 주파수 광원을 이용하여 광학식 센서를 통해 입력 지문 영상의 라이브니스를 판단할 수 있다. 이를 통하여, 라이브니스 판단 장치(100)는 학습 영상 데이터 베이스를 확대하거나 새로운 특징의 추출 방식을 도입하지 않고도 새로운 재질의 위조 지문에 대해서 지속적으로 대응할 수 있다. 라이브니스 판단 장치(100)는 다양한 색상의 광원을 활용함으로써 흑백 영상 보다 풍부한 정보를 획득할 수 있고, 이를 통해 정확도를 향상시킬 수 있다. 라이브니스 판단 장치(100)는 정확도를 향상시킴으로써 심박수, 혈류량 등을 측정하기 위한 다른 종류의 센서를 추가할 필요를 감소시키고, 모바일 기기의 이식성, 센서 단가, 사용자 인증 속도 저하 등의 이슈를 완화할 수 있다.
광학식 센서는, 예를 들어, CCD 카메라형 센서 및 CCD 스캐너형 센서를 포함할 수 있다. CCD 카메라형 센서에 따르면, 유리판에 손가락을 얹으면 유리판 바깥표면으로 초점이 세팅된 CCD 카메라가 흑백 사진을 찍는다. 이때 지문의 볼록하게 나온 면이 유리에 붙어있으므로 지문만 초점이 맞고 지문 사이의 움푹 들어간 영역은 흐리게 촬영된다. CCD 스캐너형에 따르면, 카메라 대신 작은 스캐너를 통해 지문이 스캔된다.
색상 정보는 명도를 포함할 수 있다. 색상 정보는 다양한 컬러 모델 중 하나의 컬러 모델에 따른 특정 채널의 명도에 관한 정보를 포함할 수 있다. 예를 들어, 컬러 모델은 RGB, CMY, HIS, YCbCr, YUV 및 UVW 컬러 모델 등을 포함할 수 있다. 이하에서는, 라이브니스 판단 방법은 RGB 컬러 모델을 기초로 상세하게 설명된다.
일 실시예에 따른 라이브니스 판단 장치(100)는 다양한 장치에 포함되거나 다양한 장치로 구현될 수 있다. 예를 들어, 라이브니스 판단 장치는 스마트폰(Smartphone), 태블릿 PC(Tablet PC), 랩탑 PC(Laptop PC), 테스크탑 PC(Desktop PC), 웨어러블 장치(Wearable devices), 및 각종 IoT 장치(IoT devices)에 포함되거나 해당 장치들로 구현될 수 있다. 다만, 이들 장치는 예시에 불과하며 이에 한정되지 않는다.
도 2는 일 실시예에 따른 라이브니스 판단 방법의 전체 동작을 도시한 순서도이다.
일 실시예에 따르면, 단계(201)에서, 라이브니스 판단 장치(100)는 입력부에 의해, 하나 이상의 주파수의 광원에 대응하는 오브젝트의 입력 지문 영상을 획득할 수 있다. 여기서, 하나 이상의 주파수는 적색(R), 녹색(G) 또는 청색(B)의 주파수를 포함할 수 있다. 라이브니스 판단 장치(100)는 R-광원의 입력 지문 영상, G-광원의 입력 지문 영상 및 B-광원의 입력 지문 영상을 획득할 수 있다.
라이브니스 판단 장치(100)는 하나 이상의 주파수의 광원 별로, 미리 설정된 시간 구간 동안에 미리 설정된 프레임 레이트(frame rate)로 복수의 입력 지문 영상을 획득할 수 있다. 라이브니스 판단 장치(100)는 광학식 센서를 통해 손가락이 감지되는 순간부터 일정 시간 동안 미리 설정된 프레임 레이트로 입력 지문 영상을 연속으로 획득할 수 있다. 예를 들어, 하나의 프레임 내에서, 라이브니스 판단 장치(100)는 적색(R), 녹색(G) 및 청색(B)의 세가지 광원을 차례로 스위칭하면서 연속으로 입력 지문 영상을 획득할 수 있다. 라이브니스 판단 장치(100)는 일정한 시간 동안 복수의 프레임에 대해 상기 절차를 반복할 수 있다.
일 실시예에 따르면, 단계(203)에서, 라이브니스 판단 장치(100)는 프로세서에 의해, 입력 지문 영상으로부터 입력 색상 정보를 획득할 수 있다. 라이브니스 판단 장치(100)는 R-광원의 입력 지문 영상으로부터 R-광원의 입력 색상 정보를 획득하고, G-광원의 입력 지문 영상으로부터 G-광원의 입력 색상 정보를 획득하고, B-광원의 입력 지문 영상으로부터 B-광원의 입력 색상 정보를 획득할 수 있다. 라이브니스 판단 장치(100)는 광원 별로 획득한 입력 지문 영상에 대해 광원 별로 캘리브레이션(Calibration)을 수행함으로써 보다 정확한 영상을 획득할 수 있다. 예를 들어, R-광원으로 획득한 영상은 R-광원에 대한 캘리브레이션 방식으로 처리되고, G-광원으로 획득한 영상은 G-광원에 대한 캘리브레이션으로 처리되고, B-광원으로 획득한 영상은 B-광원에 대한 캘리브레이션으로 처리될 수 있다. 이하에서, 입력 색상 정보는 입력 지문 영상의 색상 정보를 지칭하고, 등록 색상 정보는 등록 지문 영상의 색상 정보를 지칭한다. 등록 지문 영상은 사전에 입력된 사용자의 실제 지문 영상을 지칭한다.
일 실시예에 따르면, 단계(205)에서, 라이브니스 판단 장치(100)는 프로세서에 의해, 입력 색상 정보를 등록 색상 정보와 비교할 수 있다. 라이브니스 판단 장치(100)는 R-광원의 입력 색상 정보와 R-광원의 등록 색상 정보를 비교하고, G-광원의 입력 색상 정보와 G-광원의 등록 색상 정보를 비교하고, B-광원의 입력 색상 정보와 B-광원의 등록 색상 정보를 비교할 수 있다. 라이브니스 판단 장치(100)는 단일 프레임 비교 방식 또는 멀티 프레임 비교 방식을 각각 사용하거나 함께 사용하여 입력 색상 정보와 등록 색상 정보를 비교할 수 있다.
라이브니스 판단 장치(100)는 주파수 광원 별로 단일 프레임의 입력 색상 정보를 등록 색상 정보와 비교할 수 있다. 라이브니스 판단 장치(100)는 하나 이상의 주파수의 광원 별로, 입력 지문 영상으로부터 획득된 입력 명도를 등록 명도와 비교할 수 있다. 라이브니스 판단 장치(100)는 명도(intensity)에 따른 픽셀(pixel)의 분포 및 평균에 대해 RGB 광원별로 획득된 입력 지문 영상과 등록 지문 영상이 얼마나 차이가 있는지 판단할 수 있다. 라이브니스 판단 장치(100)는 복수의 픽셀에 대해 입력 명도와 등록 명도의 차이가 제1 임계값 미만인지를 판단하거나 또는 복수의 픽셀에 대한 입력 명도와 등록 명도의 차이의 평균이 제2 임계값 미만인지를 판단할 수 있다. 여기서, 입력 명도는 입력 지문 영상의 명도를 지칭하고, 등록 명도는 등록 지문 영상의 명도를 지칭한다. 제1 임계값은 명도의 차이에 대한 기준을 지칭하고, 제2 임계값은 명도의 차이의 평균에 대한 기준을 지칭한다. 제3 임계값 이상이거나 제4 임계값 이상인 경우에, 해당 입력 지문 영상은 위조인 것으로 판단될 수 있다.
라이브니스 판단 장치(100)는 주파수 광원 별로 멀티 프레임의 입력 색상 정보를 등록 색상 정보와 비교할 수 있다. 라이브니스 판단 장치(100)는 하나 이상의 주파수의 광원 별로, 미리 설정된 시간 구간 동안 획득된 복수의 입력 지문 영상의 입력 명도의 변화 정도와 등록된 복수의 입력 지문 영상의 등록 명도의 변화 정도를 비교할 수 있다. 라이브니스 판단 장치(100)는 입력 명도의 변화 정도와 등록 명도의 변화 정도의 차이가 제3 임계값 미만인지를 판단하거나 또는 입력 명도의 변화 정도와 등록 명도의 변화 정도의 차이의 시간 평균이 제4 임계값 미만인지를 판단할 수 있다. 제3 임계값은 명도의 변화 정도의 차이의 기준을 의미하고, 제4 임계값은 명도의 변화 정도의 차이의 시간 평균의 기준을 의미한다. 제3 임계값 미만 또는 제4 임계값 미만인 경우에, 해당 입력 지문 영상은 라이브인 것으로 판단되고, 반대의 경우 입력 지문 영상은 위조인 것으로 판단될 수 있다.
일 실시예에 따르면, 단계(207)에서, 라이브니스 판단 장치(100)는 프로세서에 의해, 비교 결과를 기초로 오브젝트의 라이브니스를 판단할 수 있다. 여기서 오브젝트는 광학식 센서에 의해 센싱되는 대상을 의미할 수 있다. 오브젝트는 사용자의 손가락일수도 있고, 지문이 위조된 다양한 재질의 고형물일수도 있다. 오브젝트는 종이와 같은 프린트 물일 수도 있다.
도 3은 일 실시예에 따른 라이브니스 판단 장치의 등록 과정과 인증 과정을 도시한 흐름도이다.
일 실시예에 따르면, 라이브니스 판단 장치(100)는 등록 과정과 인증 과정을 통해 오브젝트의 라이브니스를 판단할 수 있다. 라이브니스 판단 장치(100)는 하나 이상의 주파수 광원을 이용하여 입력 지문 영상의 라이브니스를 판단할 수 있다. 라이브니스 판단 장치(100)는 하나 이상의 색상 정보를 기초로 입력 지문 영상의 라이브니스를 판단할 수 있다. 라이브니스 판단 장치(100)는 사용자(100)의 입력 지문 영상의 라이브니스를 판단한 후, 입력 지문 영상을 인증할 수 있다.
단계(301)에서, 라이브니스 판단 장치(100)는 등록 지문 영상을 획득할 수 있다.
단계(302)에서, 라이브니스 판단 장치(100)는 등록 색상 정보를 획득할 수 있다. 예를 들어, 라이브니스 판단 장치(100)는 일정한 시간 동안 RGB 광원을 스위치하며 사용자의 손가락을 연속으로 촬영할 수 있다. 라이브니스 판단 장치(100)는 N개의 프레임의 등록 지문 영상을 획득할 수 있다. 라이브니스 판단 장치(100)는 광원별로 획득한 등록 지문 영상에 대하여 캘리브레이션을 수행하고, N 개의 프레임 각각의 광원별 등록 지문 영상의 명도에 따른 픽셀의 분포(예를 들어, Rnvar _E, Gnvar _E, Bnvar_E) 및 평균(예를 들어, Rnmean _E, Gnmean _E, Bnmean _E)을 계산할 수 있다. 또한, 라이브니스 판단 장치(100)는 일정한 시간 동안의 광원별 등록 지문 영상의 명도에 따른 픽셀 분포 및 평균의 변화 정도(예를 들어, R△T_E, G△T_E, B△T_E)를 계산할 수 있다.
단계(303)에서, 라이브니스 판단 장치(100)는 등록 지문 영상을 제1 데이터베이스(305)에 저장할 수 있다. 제1 데이터베이스(305)는 단일 프레임에 대한 등록 색상 정보를 저장할 수 있다.
단계(304)에서, 라이브니스 판단 장치(100)는 등록 색상 정보를 제2 데이터베이스(306)에 저장할 수 있다. 멀티 프레임에 대한 등록 색상 정보를 저장할 수 있다.
단계(311)에서, 라이브니스 판단 장치(100)는 입력 지문 영상을 획득할 수 있다. 단계(312)에서, 라이브니스 판단 장치(100)는 입력 색상 정보를 획득할 수 있다. 예를 들어, 라이브니스 판단 장치(100)는 일정한 시간 동안 RGB 광원을 스위치하며 오브젝트를 연속으로 촬영할 수 있다. 라이브니스 판단 장치(100)는 N개의 프레임의 입력 지문 영상을 획득할 수 있다. 라이브니스 판단 장치(100)는 광원별로 획득한 입력 지문 영상에 대하여 캘리브레이션을 수행하고, N 개의 프레임 각각의 광원별 입력 지문 영상의 색상 정보(예를 들어, Ruvar _V, Rumean _V, Guvar _V, Gumean _V, Buvar _V, Bumean_V) 및 일정한 시간 동안 획득된 RGB 광원별 명도에 따른 픽셀 분포 및 평균의 변화 정도(예를 들어, R△T_V, G△T_V, B△T_V)를 계산할 수 있다.
단계(313)에서, 라이브니스 판단 장치(100)는 단일 프레임의 색상 정보를 비교할 수 있다. 라이브니스 판단 장치(100)는 제1 데이터베이스로부터 로드(load)된 등록 색상 정보를 입력 색상 정보와 비교할 수 있다. 비교 결과로서 입력 지문 영상이 위조(Fake)인 것으로 판단된 경우, 라이브니스 판단 장치(100)는 오브젝트가 위조된 것으로 판단하고 인증 절차를 종료할 수 있다. 비교 결과로서 입력 지문 영상이 라이브(Live)인 것으로 판단된 경우, 라이브니스 판단 장치(100)는 단계(314)를 수행할 수 있다.
단계(314)에서, 라이브니스 판단 장치(100)는 멀티 프레임의 색상 정보를 비교할 수 있다. 라이브니스 판단 장치(100)는 제2 데이터베이스로부터 로드된 등록 색상 정보를 입력 색상 정보와 비교할 수 있다. 라이브니스 판단 장치(100)는 입력 지문 영상이 위조인지 라이브인지에 따라, 오브젝트가 위조된 것인지 진정한 것인지 여부를 결정할 수 있다.
도 4a는 광학식 센서의 RGB 광원 별로 획득된 실제 지문 영상과 다양한 종류의 재질로 위조된 위조 지문 영상의 일례를 도시한 도면이다. 도 4b는 광학식 센서의 RGB 광원별로 획득된 영상을 YCbCR 영역 별로 변환하여 획득된 실제 지문 영상과 위조 지문 영상의 명도의 히스토그램의 일례를 도시한 도면이다.
도 4a는 세 가지 재질의 오브젝트가 광학식 센서에 의해 RGB 광원 별로 획득된 후에 캘리브레이션된 결과를 나타낸다. 첫번째 행은 사용자의 실제 지문이 RGB 광원 별로 획득된 후에 캘리브레이션된 결과를 나타낸다. 두번째 행은 사용자의 블루 실리콘(blue silicone) 재질로 형성된 오브젝트가 RGB 광원 별로 획득된 후에 캘리브레이션된 결과를 나타낸다. 세번째 행은 사용자의 글루(glue) 재질로 형성된 오브젝트가 RGB 광원 별로 획득된 후에 캘리브레이션된 결과를 나타낸다. 각RGB 영상을 합성한 결과에 따르면, 재질의 색상이 반영되어 재질 별로 결합 영상의 색이 다르게 나타나기 때문에, 사용자의 실제 지문과 위조 지문의 색상 정보가 상이한 것을 확인할 수 있다.
도 4b는 도4a의 결과를 YCbCr 컬러 모델로 변환하여 각 채널의 명도를 히스토그램으로 나타낸 결과이다. 재질 별로 각 채널에 대해서 픽셀 분포의 차이가 있음을 확인할 수 있다.
도 5는 일 실시예에 따른 라이브니스 판단 장치의 전체 구성을 도시한 도면이다.
일 실시예에 따르면, 라이브니스 판단 장치(500)는 적어도 하나의 프로세서(501) 및 메모리(503)를 포함한다. 메모리(503)는 등록 색상 정보를 저장할 수 있다.
프로세서(501)는 하나 이상의 주파수의 광원에 대응하는 오브젝트의 입력 지문 영상을 획득한다.
프로세서(501)는 입력 지문 영상으로부터 입력 색상 정보를 획득한다. 프로세서(501)는 R-광원의 입력 지문 영상, G-광원의 입력 지문 영상 및 B-광원의 입력 지문 영상을 획득할 수 있다. 프로세서(501)는 하나 이상의 주파수의 광원 별로, 미리 설정된 시간 구간 동안 미리 설정된 프레임 레이트(frame rate)로 복수의 입력 지문 영상을 획득할 수 있다.
프로세서(501)는 입력 색상 정보를 등록 색상 정보와 비교한다. 라이브니스 판단 장치(100)는 주파수 광원 별로 단일 프레임의 입력 색상 정보를 등록 색상 정보와 비교할 수 있다. 프로세서(501)는 하나 이상의 주파수의 광원 별로, 입력 지문 영상으로부터 획득된 입력 명도를 등록 명도와 비교할 수 있다.
프로세서(501)는 주파수 광원 별로 멀티 프레임의 입력 색상 정보를 등록 색상 정보와 비교할 수 있다. 프로세서(501)는 하나 이상의 주파수의 광원 별로, 미리 설정된 시간 구간 동안 획득된 복수의 입력 지문 영상의 입력 명도의 변화 정도와 등록된 복수의 입력 지문 영상의 등록 명도의 변화 정도를 비교할 수 있다.
프로세서(501)는 비교 결과를 기초로 오브젝트의 라이브니스를 판단한다. 프로세서(501)는 단일 프레임 비교 결과 또는 멀티 프레임 비교 결과를 기초로 오브젝트의 라이브니스를 판단할 수 있다. 프로세서(501)는 단일 프레임 비교 결과 및 멀티 프레임 비교 결과를 기초로 오브젝트의 라이브니스를 판단할 수 있다. 예를 들어, 프로세서(501)는 단일 프레임 비교 결과가 위조이거나 멀티 프레임 비교 결과가 위조인 경우에 오브젝트의 라이브니스를 위조인 것으로 판단할 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. 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 컴퓨터 판독 가능 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.

Claims (13)

  1. 입력부에 의해, 하나 이상의 주파수의 광원에 대응하는 오브젝트의 입력 지문 영상을 획득하는 단계;
    프로세서에 의해, 상기 입력 지문 영상으로부터 입력 색상 정보를 획득하는 단계;
    상기 프로세서에 의해, 상기 입력 색상 정보를 등록 색상 정보와 비교하는 단계; 및
    상기 프로세서에 의해, 상기 비교 결과를 기초로 상기 오브젝트의 라이브니스를 판단하는 단계
    를 포함하는, 라이브니스 판단 방법.
  2. 제1항에 있어서,
    상기 입력 지문 영상을 획득하는 단계는,
    하나 이상의 주파수의 광원 별로, 미리 설정된 시간 구간 동안에 미리 설정된 프레임 레이트(frame rate)로 복수의 입력 지문 영상을 획득하는 단계를 포함하는,
    라이브니스 판단 방법.
  3. 제1항에 있어서,
    상기 비교하는 단계는,
    하나 이상의 주파수의 광원 별로, 상기 입력 지문 영상으로부터 획득된 입력 명도를 등록 명도와 비교하는 단계를 포함하는,
    라이브니스 판단 방법.
  4. 제3항에 있어서,
    상기 비교하는 단계는,
    복수의 픽셀에 대해 상기 입력 명도와 상기 등록 명도의 차이가 제1 임계값 미만인지를 판단하거나 또는 복수의 픽셀에 대한 입력 명도와 등록 명도의 차이의 평균이 제2 임계값 미만인지를 판단하는,
    라이브니스 판단 방법.
  5. 제1항에 있어서,
    상기 비교하는 단계는,
    하나 이상의 주파수의 광원 별로, 미리 설정된 시간 구간 동안 획득된 복수의 입력 지문 영상의 입력 명도의 변화 정도와 등록된 복수의 입력 지문 영상의 등록 명도의 변화 정도를 비교하는 단계를 포함하는,
    라이브니스 판단 방법.
  6. 제5항에 있어서,
    상기 비교하는 단계는,
    상기 입력 명도의 변화 정도와 상기 등록 명도의 변화 정도의 차이가 제3 임계값 미만인지를 판단하거나 또는 상기 입력 명도의 변화 정도와 상기 등록 명도의 변화 정도의 차이의 시간 평균이 제4 임계값 미만인지를 판단하는,
    라이브니스 판단 방법.
  7. 제1항에 있어서,
    상기 하나 이상의 주파수는 적색(R), 녹색(G) 또는 청색(B)의 주파수를 포함하는,
    라이브니스 판단 방법.
  8. 제7항에 있어서,
    상기 입력 지문 영상을 획득하는 단계는,
    R-광원의 입력 지문 영상, G-광원의 입력 지문 영상 및 B-광원의 입력 지문 영상을 획득하는 단계를 포함하고,
    상기 입력 색상 정보를 획득하는 단계는,
    상기 R-광원의 입력 지문 영상으로부터 R-광원의 입력 색상 정보를 획득하고, G-광원의 입력 지문 영상으로부터 G-광원의 입력 색상 정보를 획득하고, B-광원의 입력 지문 영상으로부터 B-광원의 입력 색상 정보를 획득하는 단계를 포함하고,
    상기 비교하는 단계는,
    상기 R-광원의 입력 색상 정보와 R-광원의 등록 색상 정보를 비교하고, 상기 G-광원의 입력 색상 정보와 G-광원의 등록 색상 정보를 비교하고, 상기 B-광원의 입력 색상 정보와 B-광원의 등록 색상 정보를 비교하는 단계를 포함하고,
    상기 판단하는 단계는,
    상기 비교 결과들을 기초로 상기 오브젝트의 라이브니스를 판단하는 단계를 포함하는,
    라이브니스 판단 방법.
  9. 제1항 내지 제8항 중 어느 하나의 항의 방법을 실행하기 위한 인스트럭션들을 저장하는 컴퓨터 판독 가능한 저장 매체.
  10. 적어도 하나의 프로세서; 및
    등록 색상 정보를 저장하는 메모리를 포함하고,
    상기 프로세서는,
    하나 이상의 주파수의 광원에 대응하는 오브젝트의 입력 지문 영상을 획득하고,
    상기 입력 지문 영상으로부터 입력 색상 정보를 획득하고,
    상기 입력 색상 정보를 상기 등록 색상 정보와 비교하고,
    상기 비교 결과를 기초로 상기 오브젝트의 라이브니스를 판단하는,
    라이브니스 판단 장치.
  11. 제10항에 있어서,
    상기 프로세서는,
    하나 이상의 주파수의 광원 별로, 미리 설정된 시간 구간 동안 미리 설정된 프레임 레이트(frame rate)로 복수의 입력 지문 영상을 획득하는,
    라이브니스 판단 장치.
  12. 제10항에 있어서,
    상기 프로세서는,
    하나 이상의 주파수의 광원 별로, 상기 입력 지문 영상으로부터 획득된 입력 명도를 등록 명도와 비교하는,
    라이브니스 판단 장치.
  13. 제10항에 있어서,
    상기 프로세서는,
    하나 이상의 주파수의 광원 별로, 미리 설정된 시간 구간 동안 획득된 복수의 입력 지문 영상의 입력 명도의 변화 정도와 등록된 복수의 입력 지문 영상의 등록 명도의 변화 정도를 비교하는,
    라이브니스 판단 장치.
KR1020190104599A 2019-08-26 2019-08-26 라이브니스 판단 방법 및 장치 KR20210024877A (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
KR1020190104599A KR20210024877A (ko) 2019-08-26 2019-08-26 라이브니스 판단 방법 및 장치
US16/862,971 US11514723B2 (en) 2019-08-26 2020-04-30 Method and apparatus for determining liveness

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020190104599A KR20210024877A (ko) 2019-08-26 2019-08-26 라이브니스 판단 방법 및 장치

Publications (1)

Publication Number Publication Date
KR20210024877A true KR20210024877A (ko) 2021-03-08

Family

ID=74679518

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020190104599A KR20210024877A (ko) 2019-08-26 2019-08-26 라이브니스 판단 방법 및 장치

Country Status (2)

Country Link
US (1) US11514723B2 (ko)
KR (1) KR20210024877A (ko)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112446271A (zh) * 2019-08-30 2021-03-05 指纹卡有限公司 生物特征光学反欺骗
CN112101194A (zh) * 2020-01-21 2020-12-18 神盾股份有限公司 电子装置及其操作方法

Family Cites Families (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003075135A (ja) * 2001-08-31 2003-03-12 Nec Corp 指紋画像入力装置および指紋画像による生体識別方法
US8787630B2 (en) 2004-08-11 2014-07-22 Lumidigm, Inc. Multispectral barcode imaging
KR101080643B1 (ko) 2008-07-14 2011-11-08 주식회사 유니온커뮤니티 생체지문 판단장치 및 그 판단방법
CZ304801B6 (cs) * 2012-10-23 2014-10-29 Vysoké Učení Technické V Brně Způsob detekce živosti v biometrických systémech pomocí bezpečnostního senzoru na základě tepové frekvence
KR20150029129A (ko) 2013-09-09 2015-03-18 크루셜텍 (주) 지문 인식 센서
KR20170033058A (ko) 2015-09-16 2017-03-24 크루셜텍 (주) 센서 패키지 및 이를 이용한 위조 지문 식별 방법
KR20170116530A (ko) 2016-04-11 2017-10-19 주식회사 유니온커뮤니티 광 파장 특성을 이용한 위조지문 판별장치 및 그 방법
FR3067493B1 (fr) 2017-06-07 2021-07-16 Safran Identity & Security Procede de detection d'une fausse empreinte
KR102434703B1 (ko) 2017-08-14 2022-08-22 삼성전자주식회사 생체 이미지 처리 방법 및 이를 포함한 장치
KR20190049148A (ko) 2017-11-01 2019-05-09 김민서 촬영 영상 내의 생체정보 보안 처리방법 및 장치
US10303921B1 (en) * 2018-02-26 2019-05-28 Shenzhen GOODIX Technology Co., Ltd. On-LCD screen optical fingerprint sensing based on optical imaging with lens-pinhole module and other optical designs
WO2020124511A1 (zh) * 2018-12-20 2020-06-25 深圳市汇顶科技股份有限公司 指纹识别方法、指纹识别装置和电子设备

Also Published As

Publication number Publication date
US20210064899A1 (en) 2021-03-04
US11514723B2 (en) 2022-11-29

Similar Documents

Publication Publication Date Title
CN109948408B (zh) 活性测试方法和设备
KR102466997B1 (ko) 라이브니스 검사 방법 및 장치
KR102387571B1 (ko) 라이브니스 검사 방법 및 장치
US10762334B2 (en) System and method for entity recognition
US11682232B2 (en) Device and method with image matching
JP6650946B2 (ja) モバイル・デバイスを用いてキャプチャしたイメージを使用する指紋ベースのユーザ認証を実行するためのシステムおよび方法
KR102352345B1 (ko) 라이브니스 검사 방법 및 장치
KR102415509B1 (ko) 얼굴 인증 방법 및 장치
JP7191061B2 (ja) ライブネス検査方法及び装置
KR20220070052A (ko) 이미지-기반 스푸프 검출을 위해 초점 스택들을 이용하는 시스템들 및 방법들
CN112825128A (zh) 用于活性测试和/或生物特征识别验证的方法和设备
WO2019163065A1 (ja) なりすまし検知装置、なりすまし検知方法、及びコンピュータ読み取り可能な記録媒体
KR20210069404A (ko) 라이브니스 검사 방법 및 라이브니스 검사 장치
US11315360B2 (en) Live facial recognition system and method
WO2019163066A1 (ja) なりすまし検知装置、なりすまし検知方法、及びコンピュータ読み取り可能な記録媒体
US20230091865A1 (en) Face image verification method and apparatus, electronic device, and storage medium
KR20210024877A (ko) 라이브니스 판단 방법 및 장치
Ebihara et al. Specular-and diffuse-reflection-based face spoofing detection for mobile devices
WO2021166289A1 (ja) データ登録装置、生体認証装置、および記録媒体
US20220309837A1 (en) Face liveness detection
KR102570071B1 (ko) 라이브니스 검사 방법 및 장치, 얼굴 인증 방법 및 장치
KR20200083188A (ko) 라이브니스 검출 방법 및 장치, 이를 이용한 객체 인식 방법
KR20210050649A (ko) 모바일 기기의 페이스 인증 방법
KR20210128274A (ko) 라이브니스 검사 방법 및 장치
KR102665968B1 (ko) 블러 추정 방법 및 장치

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal