KR20220130804A - 지문 생체 검출 방법, 기기 및 저장 매체 - Google Patents

Abstract

본 출원의 실시예들은 지문 생체 검출 방법, 기기 및 저장 매체를 개시하는 바, 이는 보안 기술 분야에 속한다. 본 출원의 실시예에서, 제1 지문 이미지 및 제2 지문 이미지에 대해 영역 분할을 수행한 후, 분할된 영역에 기반하여 다중 분할 계조 분포 특징 벡터를 결정하여, 지문 생체 검출 모델을 통해 지문 생체 검출을 수행할 수 있되, 여기서, 제1 지문 이미지는 레드 채널 이미지이고, 상기 제2 지문 이미지는 블루 채널 이미지이다. 비생체 지문의 두 채널 이미지의 각 영역의 계조값 분포 규칙이 생체 지문의 것과 다르기 때문에, 다중 파티션 계조 분포 특징 벡터를 통해 지문 이미지에 생체 지문의 계조 분포 특징이 존재하는지 여부를 인식할 수 있으며, 나아가, 당해 생체 지문이 생체 지문인지를 결정하여 안전성이 더 높다.

Description

지문 생체 검출 방법, 기기 및 저장 매체

본 출원의 실시예는 2020년 4월 30 일에 제출되고, 출원 번호가 202010364403.X이며, 발명의 명칭이 "지문 생체 검출 방법, 기기 및 저장 매체"인 중국 특허 출원의 우선권을 주장하며, 그 전체 내용은 인용을 통해 본원의 실시예에 병합된다.

본 출원의 실시예는 보안 기술 분야에 관한 것으로, 특히 지문 생체 인식을 위한 방법, 장치 및 저장 매체에 관한 것이다.

현재 지문 인식은 출석, 출입 통제, 컴퓨터 잠금 해제, 휴대 전화 잠금 해제, 지불 등과 같은 많은 시나리오에서 중요하게 응용되고 있고, 지문 인식은 주로 무늬, 중단점, 교차점 등과 같은 지문 이미지의 특징을 추출하여 유효한 지문인지를 결정한다. 현재의 지문 위조 기술도 잇따라 발전되고 있는 바, 예를 들어 실리콘으로 지문 필름을 만들어 다른 사람의 지문을 위조하여 지문 인식을 성공적으로 통과하여 불법 행위를 수행한다. 지문 인식의 보안을 보장하기 위해 지문 인식 기초하에 지문 생체 검출 기능을 추가하여 지문 필름을 사용하여 다른 사람의 지문을 가장하는 것을 효과적으로 방지해야 한다.

기존에는 피부 온도 또는 피부 커패시턴스 값을 기반으로 생체 지문인지 여부를 검출할 수 있지만, 피부 온도와 피부 커패시턴스 값은 일반적으로 상대적으로 안정적이기 때문에 악의적인 자들이 동일한 피부 온도 또는 커패시턴스 값을 가진 지문 필름을 쉽게 위조하여 지문 생체 검출을 성공적으로 통과할 수 있으므로 이러한 방법의 보안은 여전히 낮다.

본 출원의 실시예는 지문 생체 검출 방법의 안정성을 향상시킬 수 있는 지문 생체 검출 방법, 기기 및 저장 매체를 제공한다. 상기 기술 솔루션은 다음과 같다:

일 양태에서, 지문 생체 검출 방법을 제공하는 바, 상기 방법은:

제1 지문 이미지 및 제2 지문 이미지를 획득하는 단계 - 상기 제1 지문 이미지 및 상기 제2 지문 이미지는 동일한 지문의 이미지이고, 상기 제1 지문 이미지는 레드 채널 이미지이고, 상기 제2 지문 이미지는 블루 채널 이미지임 -;

상기 제1 지문 이미지 및 상기 제2 지문 이미지 각각에 대해 영역 분할을 수행하는 단계 - 분할된 제1 지문 이미지는 복수의 제1 예측 밝은 영역 및 복수의 제1 예측 어두운 영역을 포함하고, 분할된 제2 지문 이미지는 제2 예측 밝은 영역 및 복수의 제2 예측 어두운 영역을 포함함 -;

상기 복수의 제1 예측 밝은 영역, 상기 복수의 제1 예측 어두운 영역, 복수의 제2 예측 밝은 영역 및 상기 복수의 제2 예측 어두운 영역에 기반하여, 다중 파티션 계조(gray level) 분포 특징 벡터를 결정하는 단계;

상기 다중 파티션 계조 분포 특징 벡터를 지문 생체 검출 모델에 입력하여 지문 생체 검출 결과를 얻는 단계 - 상기 지문 생체 검출 모델은 생체 지문 샘플 이미지와 비생체 지문 샘플 이미지에 기반하여 지도 학습을 통해 훈련하여 얻음 -;를 포함한다.

선택적으로, 제1 지문 이미지 및 제2 지문 이미지를 획득하는 단계는,

제1 원본 이미지를 획득하는 단계 - 상기 제1 원본 이미지는 그린 조명이 꺼지고 레드 조명 및 블루 조명이 켜진 상태에서 수집된 지문의 이미지임 -;

상기 제1 원본 이미지의 레드 채널의 이미지 데이터를 추출하여 상기 제1 지문 이미지를 생성하는 단계;

상기 제1 원본 이미지의 블루 채널의 이미지 데이터를 추출하여 제2 지문 이미지를 생성하는 단계를 포함한다.

선택적으로, 제1 지문 이미지 및 제2 지문 이미지를 획득하는 단계는,

제2 원본 이미지와 제3 원본 이미지를 획득하는 단계 - 제2 원본 이미지는 그린 조명과 블루 조명이 꺼지고 레드 조명이 켜진 상태에서 수집된 지문 이미지이고, 제3 원본 이미지는 그린 조명과 레드 조명이 꺼지고, 블루 조명이 켜진 상태에서 수집된 지문 이미지임 -;

상기 제2 원본 이미지의 레드 채널의 이미지 데이터를 추출하여 상기 제1 지문 이미지를 생성하는 단계;

제3 원본 이미지의 블루 채널의 이미지 데이터를 추출하여 제2 지문 이미지를 생성하는 단계를 포함한다.

선택적으로, 상기 제1 지문 이미지 및 상기 제2 지문 이미지 각각에 대해 영역 분할을 수행하는 단계는,

생체 지문의 레드 채널 이미지 및 블루 채널 이미지의 밝은 영역과 어두운 영역의 분포 규칙에 기반하여 파티션 매개변수를 결정하는 단계 - 파티션 매개변수는 복수의 파티션 너비 비율을 포함함 -;

복수의 파티션 너비 비율에 기반하여, 상기 제1 지문 이미지 및 상기 제2 지문 이미지 각각에 대해 영역 분할을 수행하는 단계를 포함한다.

선택적으로, 상기 제1 지문 이미지와 상기 제2 지문 이미지의 이미지 크기는 동일하고, 상기 복수의 제1 예측 밝은 영역, 상기 복수의 제1 예측 어두운 영역, 복수의 제2 예측 밝은 영역 및 상기 복수의 제2 예측 어두운 영역에 기반하여, 다중 파티션 계조 분포 특징 벡터를 결정하는 단계는,

상기 복수의 제1 예측 밝은 영역 및 상기 복수의 제2 예측 어두운 영역에 기반하여 제1 계조 특징 벡터를 결정하는 단계;

상기 복수의 제1 예측 어두운 영역 및 상기 복수의 제2 예측 밝은 영역에 기반하여 제2 계조 특징 벡터를 결정하는 단계;

상기 제1 계조 특징 벡터 및 상기 제2 계조 특징 벡터에 기반하여 상기 다중 파티션 계조 분포 특징 벡터를 생성하는 단계를 포함한다.

선택적으로, 상기 복수의 제1 예측 밝은 영역 및 상기 복수의 제2 예측 어두운 영역에 기반하여 제1 계조 특징 벡터를 결정하는 단계는,

상기 복수의 제1 예측 밝은 영역 및 상기 복수의 제2 예측 어두운 영역 내의 각 계조값에 각각 대응하는 화소점의 수를 결정하는 단계;

상기 복수의 제1 예측 밝은 영역 및 상기 복수의 제2 예측 어두운 영역 내의 각 계조값에 대응하는 화소점의 수에 기반하여 상기 제1 계조 특징 벡터를 생성하는 단계를 포함한다.

선택적으로, 상기 복수의 제1 예측 어두운 영역 및 상기 복수의 제2 예측 밝은 영역에 기반하여 제2 계조 특징 벡터를 결정하는 단계는,

상기 복수의 제1 예측 어두운 영역 및 상기 복수의 제2 예측 밝은 영역 내의 각각의 계조값에 각각 대응하는 화소점의 수를 결정하는 단계;

복수의 제1 예측 어두운 영역 및 복수의 제2 예측 밝은 영역 내의 각각의 계조값에 대응하는 화소점의 수에 기반하여 제2 계조 특징 벡터를 생성하는 단계를 포함한다.

선택적으로, 상기 복수의 제1 예측 밝은 영역 및 상기 복수의 제2 예측 어두운 영역에 기반하여 제1 계조 특징 벡터를 결정하기 전에,

계조값 통계 범위를 획득하는 단계 - 상기 계조값 통계 범위는 수집된 상기 지문의 이미지를 수집하는 이미지 수집 장치의 노출 매개변수에 기반하여 결정됨 -;를 더 포함하고;

상기 복수의 제1 예측 밝은 영역 및 상기 복수의 제2 예측 어두운 영역에 기반하여 제1 계조 특징 벡터를 결정하는 단계는,

상기 계조값 통계 범위에 기반하여, 상기 복수의 제1 예측 밝은 영역 및 상기 복수의 제2 예측 어두운 영역 내의 상기 계조값 통계 범위에 있는 각 계조값에 대응하는 화소점의 수를 결정하는 단계;

상기 복수의 제1 예측 밝은 영역 및 상기 복수의 제2 예측 어두운 영역 내의 상기 계조값 통계 범위에 있는 각 계조값에 대응하는 화소점의 수에 기반하여 상기 제1 계조 특징 벡터를 생성하는 단계를 포함한다.

선택적으로, 상기 제1 계조 특징 벡터 및 상기 제2 계조 특징 벡터에 기반하여 상기 다중 파티션 계조 분포 특징 벡터를 생성하는 단계는,

상기 제1 계조 특징 벡터와 상기 제2 계조 특징 벡터를 접합하여 다중 파티션 계조 분포 특징 벡터를 얻는 단계를 포함한다.

선택적으로, 상기 다중 파티션 계조 분포 특징 벡터를 지문 생체 검출 모델에 입력하여 지문 생체 검출 결과를 얻는 단계 전에,

상기 생체 지문 샘플 이미지 및 상기 비생체 지문 샘플 이미지를 획득하는 단계 - 상기 생체 지문 샘플 이미지는 그린 조명이 꺼지고, 레드 조명 및 블루 조명이 켜진 상태에서 수집된 복수의 생체 지문 샘플의 이미지를 포함하고, 상기 비생체 지문 샘플 이미지는 그린 조명 꺼지고, 레드 조명 및 블루 조명이 켜진 상태에서 수집된 복수의 비생체 지문 샘플의 이미지를 포함함 -;

상기 생체 지문 샘플 이미지 및 비생체 지문 샘플 이미지에 기반하여 지도 학습을 통해 상기 지문 생체 검출 모델을 훈련하여 얻는 단계를 더 포함한다.

선택적으로 상기 방법은,

제4 원본 이미지를 획득하는 단계 - 상기 제4 원본 이미지는 그린 조명이 켜진 상태에서 수집된 상기 지문의 이미지임 -;

상기 제4 원본 이미지에 기반하여 지문 인식 결과를 결정하는 단계;

상기 지문 인식 결과 및 상기 지문 생체 검출 결과에 기반하여 보안 검증 결과를 결정하는 단계를 더 포함한다.

다른 일 양태에서, 지문 생체 검출 기기를 제공하는 바, 상기 장치는,

제1 지문 이미지 및 제2 지문 이미지를 획득하는 제1 획득 모듈 - 상기 제1 지문 이미지 및 상기 제2 지문 이미지는 동일한 지문의 이미지이고, 상기 제1 지문 이미지는 레드 채널 이미지이고, 상기 제2 지문 이미지는 블루 채널 이미지임 -;

상기 제1 지문 이미지 및 상기 제2 지문 이미지 각각에 대해 영역 분할을 수행하기 위한 파티션 모듈 -분할된 제1 지문 이미지는 복수의 제1 예측 밝은 영역 및 복수의 제1 예측 어두운 영역을 포함하고, 분할된 제2 지문 이미지는 제2 예측 밝은 영역 및 복수의 제2 예측 어두운 영역을 포함함 -;

상기 복수의 제1 예측 밝은 영역, 상기 복수의 제1 예측 어두운 영역, 복수의 제2 예측 밝은 영역 및 상기 복수의 제2 예측 어두운 영역에 기반하여, 다중 파티션 계조 분포 특징 벡터를 결정하는 제1 결정 모듈;

상기 다중 파티션 계조 분포 특징 벡터를 지문 생체 검출 모델에 입력하여 지문 생체 검출 결과를 얻는 검출 모듈 - 상기 지문 생체 검출 모델은 생체 지문 샘플 이미지와 비생체 지문 샘플 이미지에 기반하여 지도 학습을 통해 훈련하여 얻음 -;을 포함한다.

선택적으로 상기 제1 획득 모듈은,

제1 원본 이미지를 획득하는 제1 획득 모듈 - 상기 제1 원본 이미지는 그린 조명이 꺼지고 레드 조명 및 블루 조명이 켜진 상태에서 수집된 지문의 이미지임 -;

상기 제1 원본 이미지의 레드 채널의 이미지 데이터를 추출하여 상기 제1 지문 이미지를 생성하는 제1 추출 유닛;

상기 제1 원본 이미지의 블루 채널의 이미지 데이터를 추출하여 제2 지문 이미지를 생성하는 제2 추출 유닛을 포함한다.

선택적으로 상기 제1 획득 모듈은,

제2 원본 이미지와 제3 원본 이미지를 획득하는 제2 획득 유닛 - 제2 원본 이미지는 그린 조명과 블루 조명이 꺼지고 레드 조명이 켜진 상태에서 수집된 지문 이미지이고, 제3 원본 이미지는 그린 조명과 레드 조명이 꺼지고, 블루 조명이 켜진 상태에서 수집된 지문 이미지임 -;

상기 제2 원본 이미지의 레드 채널의 이미지 데이터를 추출하여 상기 제1 지문 이미지를 생성하는 제3 추출 유닛;

제3 원본 이미지의 블루 채널의 이미지 데이터를 추출하여 제2 지문 이미지를 생성하는 제4 추출 유닛을 포함한다.

선택적으로 상기 파티션 모듈은,

생체 지문의 레드 채널 이미지 및 블루 채널 이미지의 밝은 영역과 어두운 영역의 분포 규칙에 기반하여 파티션 매개변수를 결정하는 제1 결정 유닛 - 파티션 매개변수는 복수의 파티션 너비 비율을 포함함 -;

복수의 파티션 너비 비율에 기반하여, 상기 제1 지문 이미지 및 상기 제2 지문 이미지 각각에 대해 영역 분할을 수행하는 파티션 유닛을 포함한다.

선택적으로, 상기 제1 지문 이미지와 상기 제2 지문 이미지의 이미지 크기는 동일하고, 제1 결정 모듈은,

상기 복수의 제1 예측 밝은 영역 및 상기 복수의 제2 예측 어두운 영역에 기반하여 제1 계조 특징 벡터를 결정하는 단계 제2 결정 유닛;

상기 복수의 제1 예측 어두운 영역 및 상기 복수의 제2 예측 밝은 영역에 기반하여 제2 계조 특징 벡터를 결정하는 제3 결정 유닛;

상기 제1 계조 특징 벡터 및 상기 제2 계조 특징 벡터에 기반하여 상기 다중 파티션 계조 분포 특징 벡터를 생성하는 생성 유닛을 포함한다.

선택적으로, 상기 제2 결정 유닛은,

상기 복수의 제1 예측 밝은 영역 및 상기 복수의 제2 예측 어두운 영역 내의 각 계조값에 각각 대응하는 화소점의 수를 결정하는 제1 결정 서브 유닛;

상기 복수의 제1 예측 밝은 영역 및 상기 복수의 제2 예측 어두운 영역 내의 각 계조값에 대응하는 화소점의 수에 기반하여 상기 제1 계조 특징 벡터를 생성하는 제1 생성 서브 유닛을 포함한다.

선택적으로, 상기 제3 결정 유닛은,

상기 복수의 제1 예측 어두운 영역 및 상기 복수의 제2 예측 밝은 영역 내의 각각의 계조값에 각각 대응하는 화소점의 수를 결정하는 제2 결정 서브 유닛;

상기 복수의 제1 예측 어두운 영역 및 상기 복수의 제2 예측 밝은 영역 내의 각각의 계조값에 대응하는 화소점의 수에 기반하여 제2 계조 특징 벡터를 생성하는 제2 생성 서브 유닛을 포함한다.

선택적으로, 상기 제1 결정 모듈은,

계조값 통계 범위를 획득하는 제3 획득 유닛 - 상기 계조값 통계 범위는 수집된 상기 지문의 이미지를 수집하는 이미지 수집 장치의 노출 매개변수에 기반하여 결정됨 -;을 더 포함하고;

상기 제2 결정 유닛은,

상기 계조값 통계 범위에 기반하여, 상기 복수의 제1 예측 밝은 영역 및 상기 복수의 제2 예측 어두운 영역 내의 상기 계조값 통계 범위에 있는 각 계조값에 대응하는 화소점의 수를 결정하는 제3 결정 서버 유닛;

상기 복수의 제1 예측 밝은 영역 및 상기 복수의 제2 예측 어두운 영역 내의 상기 계조값 통계 범위에 있는 각 계조값에 대응하는 화소점의 수에 기반하여 상기 제1 계조 특징 벡터를 생성하는 제3 생성 서브 유닛을 포함한다.

선택적으로 상기 생성 유닛은,

상기 제1 계조 특징 벡터와 상기 제2 계조 특징 벡터를 접합하여 다중 파티션 계조 분포 특징 벡터를 얻는 접합 서버 유닛을 포함한다.

선택적으로 상기 장치는,

상기 생체 지문 샘플 이미지 및 상기 비생체 지문 샘플 이미지를 획득하는 제2 획득 모듈 - 상기 생체 지문 샘플 이미지는 그린 조명이 꺼지고, 레드 조명 및 블루 조명이 켜진 상태에서 수집된 복수의 생체 지문 샘플의 이미지를 포함하고, 상기 비생체 지문 샘플 이미지는 그린 조명 꺼지고, 레드 조명 및 블루 조명이 켜진 상태에서 수집된 복수의 비생체 지문 샘플의 이미지를 포함함 -;

상기 생체 지문 샘플 이미지 및 비생체 지문 샘플 이미지에 기반하여 지도 학습을 통해 상기 지문 생체 검출 모델을 훈련하여 얻는 훈련 모듈을 더 포함한다.

선택적으로 상기 장치는,

제4 원본 이미지를 획득하는 제3 획득 모듈 - 상기 제4 원본 이미지는 그린 조명이 켜진 상태에서 수집된 상기 지문의 이미지임 -;

상기 제4 원본 이미지에 기반하여 지문 인식 결과를 결정하는 인식 모듈;

상기 지문 인식 결과 및 상기 지문 생체 검출 결과에 기반하여 보안 검증 결과를 결정하는 제2 결정 모듈을 더 포함한다.

다른 양태에서, 지문 생체 검출 기기를 제공하고, 상기 지문 생체 검출 기기는 이미지 수집기 및 프로세서를 포함하고, 이미지 수집기는 필 조명 및 이미지 센서를 포함하고;

상기 이미지 수집기는 제1 원본 이미지를 수집하고;

상기 필 조명은 상기 제1 원본 이미지를 수집하는 과정에서 그린 조명을 끄고 레드 조명과 블루 조명을 켜서 이미지 센서의 빛을 채우고;

상기 프로세서는 제1 원본 이미지를 처리하여 제1 지문 이미지 및 제2 지문 이미지를 획득하되, 상기 제1 지문 이미지는 레드 채널 이미지이고, 상기 제2 지문 이미지는 블루 채널 이미지이고; 상기 제1 지문 이미지 및 상기 제2 지문 이미지 각각에 대해 영역 분할을 수행하되, 분할된 제1 지문 이미지는 복수의 제1 예측 밝은 영역 및 복수의 제1 예측 어두운 영역을 포함하고, 분할된 제2 지문 이미지는 제2 예측 밝은 영역 및 복수의 제2 예측 어두운 영역을 포함하고; 상기 복수의 제1 예측 밝은 영역, 상기 복수의 제1 예측 어두운 영역, 복수의 제2 예측 밝은 영역 및 상기 복수의 제2 예측 어두운 영역에 기반하여, 다중 파티션 계조 분포 특징 벡터를 결정하고; 상기 다중 파티션 계조 분포 특징 벡터를 지문 생체 검출 모델에 입력하여 지문 생체 검출 결과를 얻되, 상기 지문 생체 검출 모델은 생체 지문 샘플 이미지와 비생체 지문 샘플 이미지에 기반하여 지도 학습을 통해 훈련하여 얻는다.

선택적으로, 이미지 수집기는 제4 원본 이미지를 수집하는 데에 더 사용되고;

상기 필 조명은 제4 원본 이미지를 수집하는 과정에서 그린 조명을 켜서 이미지 센서에 빛을 채우는 데에 더 사용되고;

상기 프로세서는 상기 제4 원본 이미지에 기반하여 지문 인식 결과를 결정하고, 상기 지문 인식 결과 및 지문 생체 검출 결과에 기반하여 보안 검증 결과를 결정하는 데에 더 사용된다.

다른 양태에서, 컴퓨터 판독 가능한 저장 매체를 제공하고, 상기 저장 매체에는 컴퓨터 프로그램이 저장되고, 상기 컴퓨터 프로그램이 프로세서에 의해 실행될 때, 전술한 지문 생체 검출 방법의 단계들이 구현된다.

다른 양태에서, 명령을 포함하는 컴퓨터 프로그램 제품이 제공하는 바, 이가 컴퓨터 상에서 실행될 때, 컴퓨터가 상술한 지문 생체 검출 방법의 단계를 수행하도록 한다.

본 출원의 실시예에서 제공되는 기술 솔루션은 적어도 다음과 같은 유익한 효과를 가져올 수 있다:

본 출원의 실시예에서, 제1 지문 이미지 및 제2 지문 이미지에 대해 영역 분할을 수행한 후, 분할된 영역에 기반하여 다중 분할 계조 분포 특징 벡터를 결정하여, 지문 생체 검출 모델을 통해 지문 생체 검출을 수행할 수 있되, 여기서, 제1 지문 이미지는 레드 채널 이미지이고, 상기 제2 지문 이미지는 블루 채널 이미지이다. 비생체 지문의 두 채널 이미지의 각 영역의 계조값 분포 규칙이 생체 지문의 것과 다르기 때문에, 다중 파티션 계조 분포 특징 벡터를 통해 지문 이미지에 생체 지문의 계조 분포 특징이 존재하는지 여부를 인식할 수 있으며, 나아가, 당해 생체 지문이 생체 지문인지를 결정하여 안전성이 더 높다.

본 출원의 실시예에서 제공되는 기술적 해결수단을 보다 명확하게 설명하기 위해, 실시예들에서 사용될 필요가 있는 첨부 도면들에 대한 간단한 설명이 이하에 주어진다. 명백하게, 이하의 설명에서의 도면들은 단지 본 출원에 설명된 하나 이상의 실시예 중 일부이다. 본 기술분야의 통상의 기술자들에게는, 창조적 노력 없이 이러한 도면들에 기초하여 다른 도면들이 획득될 수 있다.
도 1은 본 출원의 실시예에서 제공하는 지문 생체 검출 기기의 구조 개략도이다.
도 2는 본 출원의 일 실시예에서 제공하는 지문 생체 검출 방법의 흐름도이다.
도 3은 본 출원의 실시예에서 사용되는 이미지 센서의 개략도이다.
도 4는 본 출원의 실시예에서 제공하는 추출된 레드 채널의 이미지 데이터의 개략도이다.
도 5는 본 출원의 실시예에서 제공하는 제1 지문 이미지의 개략도이다.
도 6은 본 출원의 실시예에서 제공하는 추출된 블루 채널의 이미지 데이터의 개략도이다.
도 7은 본 출원의 실시예에서 제공하는 제2 지문 이미지의 개략도이다.
도 8은 본 출원의 실시예에서 제공하는 이미지의 각 영역을 결정하는 개략도이다.
도 9는 본 출원의 실시예에서 제공하는 다른 지문 생체 검출 방법의 흐름도이다.
도 10은 본 출원의 실시예에서 제공하는 지문 생체 검출 기기의 구조 개략도이다.
도 11은 본 출원의 실시예에서 제공하는 다른 지문 생체 검출 기기의 구조 개략도이다.
도 12는 본 출원의 실시예에서 제공하는 컴퓨터 기기의 구조 개략도이다.

본 발명의 실시예의 목적, 기술적 방안 및 장점을 보다 명확하게 하기 위하여, 첨부된 도면과 결부하여 이하에서 본 출원의 실시예를 더욱 상세하게 설명한다.

현재 지문 인식은 출석, 출입 통제, 컴퓨터 잠금 해제, 휴대 전화 잠금 해제, 지불 등과 같은 많은 시나리오에서 중요하게 응용되고 있다. 현재의 지문 위조 기술도 잇따라 발전되고 있는 바, 예를 들어 실리콘으로 지문 필름을 만들어 다른 사람의 지문을 위조하여 지문 인식을 성공적으로 통과하여 불법 행위를 수행한다. 지문 인식의 보안을 확보하기 위해 지문 인식 기초 상에 지문 생체 검출 기능을 추가하여 지문 필름을 사용하여 다른 사람의 지문을 가장하는 것을 효과적으로 방지해야 한다. 각 시나리오에서 수집된 지문 이미지에 대해, 본 출원의 실시예에서 제공하는 방법에 기반하여 지문 생체 검출을 수행하여 지문 생체 검출 결과를 얻을 수 있으며, 이 기초 상에 수집된 지문 이미지에 대해 지문 인식을 수행하여 지문 인식 결과를 얻고, 지문 인식과 지문 생체 검출 결과가 모두 통과된 경우 보안 검증 통과를 결정한다.

도 1은 본 출원의 실시예에서 제공하는 지문 생체 검출 기기(100)의 구조 개략도이다. 도 1을 참조하면, 당해 지문 생체 검출 기기(100)는 이미지 수집기(101) 및 프로세서(102)를 포함하며, 이미지 수집기(101)는 LED 필 조명, 렌즈 및 이미지 센서를 포함하고, LED 필 조명은 그린 조명, 레드 조명 및 블루 조명을 포함한다.

이미지 수집기(101)는 광 신호를 수신하거나 또는 커패시턴스를 감지하고, 수신된 광 신호 또는 감지된 커패시턴스를 전기 신호로 변환하여 프로세서(102)로 보내는 데에 사용되며, 프로세서(102)는 수신된 전기 신호에 근거하여 현재 광도 변화량 또는 커패시턴스 값을 결정하는 데에 사용되는 바, 광도 변화량이 현재 빛이 현저하게 어두워지거나 커패시턴스 값이 생체 손가락의 커패시턴스 값인 경우, 이미지 수집기(101)에 지문 이미지를 수집하기 위한 제어 명령을 전송하는 바, 즉, 이미지 수집기(101)를 깨워 지문 수집을 수행한다.

이미지 수집기(101)는 제어 명령을 수신하면, 본 출원의 실시예에서 제공하는 지문 이미지 수집 방법에 기반하여 그린 조명을 켜도록 LED 필 조명을 제어하거나, 또는 빛을 채우기 위해 레드 조명과 블루 조명을 켜고, 렌즈와 이미지 센서를 통해 원본 이미지를 수집하고, 수집된 원본 이미지를 프로세서(102)로 전송하며, 프로세서(102)에는 지문 생체 검출 모델이 설치되어 있으며, 본 출원의 실시예에서 제공하는 지문 생체 검출 방법에 기반하여 원본 이미지를 처리하여 지문 생체 검출 결과를 얻을 수 있다. 여기서 지문 생체 검출 모델은 생체 지문 샘플 이미지와 비생체 지문 샘플 이미지에 기반하여 지도 학습을 통해 훈련하여 획득된 것이다.

본 출원의 실시예에서, 이미지 수집기(101)는 제1 원본 이미지를 수집할 수 있고, LED 필 조명은 제1 원본 이미지를 수집하는 과정에서 이미지 센서를 빛으로 채우기 위해 그린 조명을 끄고, 레드 조명과 블루 조명을 켜며, 프로세서(102)는 제1 원본 이미지를 처리하여 제1 지문 이미지 및 제2 지문 이미지를 획득하되, 제1 지문 이미지는 레드 채널 이미지이고 제2 지문 이미지는 블루 채널이다. 다음, 프로세서(102)는 제1 지문 이미지 및 제2 지문 이미지 각각에 대해 영역 분할을 수행할 수 있되, 여기서, 분할된 제1 지문 이미지는 복수의 제1 예측 밝은 영역 및 복수의 제1 예측 어두운 영역을 포함하고, 분할된 제2 지문 이미지는 제2 예측 밝은 영역 및 복수의 제2 예측 어두운 영역을 포함한다. 프로세서(102)는 또한 당해 복수의 제1 예측 밝은 영역, 복수의 제1 예측 어두운 영역, 복수의 제2 예측 밝은 영역 및 복수의 제2 예측 어두운 영역에 기반하여 다중 파티션 계조 분포 특징 벡터를 결정한 후에 당해 다중 파티션 계조 특징 벡터를 지문 생체 검출 모델에 입력하여 지문 생체 검출 결과를 얻을 수 있다.

선택적으로, 이미지 수집기(101)는 또한 제4 원본 이미지를 수집할 수 있고, LED 필 조명은 제4 원본 이미지를 수집하는 과정에서 이미지 센서에 빛을 채우기 위해 그린 조명을 켤 수 있으며, 프로세서(102)는 제4 원본 이미지에 기반하여 지문 인식 결과를 결정하고, 지문 인식 결과와 지문 생체 검출 결과에 기반하여 보안 검증 결과를 결정할 수 있다.

본 출원의 실시예에서 지문 생체 검출 기기(100)는 메모리(103)를 더 포함할 수 있고, 메모리(103)는 복수의 지문 인식에 사용되는 유효 지문을 포함하는 이미지와 같이 본 출원의 실시예에 필요한 데이터 및 컴퓨터 프로그램을 저장하는 데에 사용된다. 프로세서(102)는 메모리(103) 중의 컴퓨터 프로그램을 실행하고, 수집된 원본 이미지를 저장된 복수의 유효한 지문의 이미지와 비교하여 지문 인식을 수행하여 지문 인식 결과를 얻을 수 있으며, 마지막으로 생체 검출 결과 및 지문 인식 결과에 기반하여 보안 검증 결과를 결정할 수도 있다.

설명해야 할 것은, LED 필 조명이 이미지 센서에 빛을 채워 각 원본 이미지를 수집하고, 또한 프로세서(102)가 각 원본 이미지를 처리하여 지문 생체 검출 결과 또는 지문 인식 결과를 얻는 구체적인 구현 방식은 아래 도 2의 방법 실시예의 관련 소개를 참조할 수 있다.

선택적으로, 본 출원의 실시예에 있어서, LED 필 조명은 레드 조명, 그린 조명 및 블루 조명을 포함하고, 상기 세 가지 조명에 대응하는 레드 조명, 그린 조명 및 블루 조명의 파장 범위는 이미지 센서의 QE(Quantum Efficiency, 양자 효율) 곡선에 기반하여 결정될 수 있다. 예를 들어, 레드 조명만 켜진 상태에서 이미지 센서의 QE 곡선의 피크가 최대치에 도달했을 때 피크 위치에 대응하는 파장을 레드 빛의 중심 파장으로 간주할 수 있으며, 중심 파장에서 왼쪽과 오른쪽으로 각각 한 단락씩 취한 범위를 레드 빛의 파장 범위로 간주한다. 본 출원의 실시예에 있어서, 당해 방법에 기반하여 결정된 그린 빛의 파장 범위는 500nm 내지 550nm일 수 있고, 레드 빛의 파장 범위는 600nm 내지 650nm이며, 블루 빛의 파장 범위는 420nm 내지 480nm일 수 있고, 이 몇 개 범위는 예시로서만 사용되고 실제 적용에서 다른 장치에 의해 최종적으로 결정된 파장 범위는 다를 수 있다.

설명해야 할 것은, 도 1에 도시된 지문 생체 검출 기기(100)는 카메라와 같은 프런트 엔드 이미지 추집 장치, 즉, 본 출원의 실시예에서 제공하는 지문 생체 검출 방법을 프런트 엔드 이미지 수집 장치에 적용할 수 있다. 가능한 일 구현 방식에서, 상기 지문 생체 검출 기기(100)의 기능은 프런트 엔드 기기와 백 엔드 기기 두 개의 독립적인 기기에 의해 구현될 수도 있으며, 여기서 백 엔드 기기는 프런트 엔드 기기와 유선 또는 무선으로 연결되어 데이터 전송을 수행할 수 있다. 이 경우, 프런트 엔드 기기는 전술한 실시예의 이미지 수집기(101)를 포함하여, 원본 이미지를 수집할 수 있다. 다음, 프런트 엔드 기기는 수집한 원본 이미지를 백 엔드 기기로 전송할 수 있으며, 백 엔드 기기는 본 출원의 실시예에서 제공하는 지문 생체 검출 방법을 통해 수집된 원본 이미지를 검출 및 인식하고 최종적으로 보안 검증 결과를 결정할 수 있으며, 다음, 보안 검증 결과를 프런트 엔드 기기 또는 다른 기기로 전송하여 사용자에게 문자 또는 음성으로 보안 검증 통과 또는 불통과를 알릴 수 있다.

요약하면, 본 출원의 실시예에서, 제1 지문 이미지 및 제2 지문 이미지에 대해 영역 분할을 수행할 수 있고, 또한 분할된 영역에 기반하여 다중 파티션 계조 분포 특징 벡터를 결정하여 지문 생체 검출 모델을 통해 지문 생체 검출을 수행할 수 있되, 여기서 제1 지문 이미지는 레드 채널 이미지이고, 제2 지문 이미지는 블루 채널 이미지이다. 비생체 지문의 두 채널 이미지의 밝은 영역과 어두운 영역의 계조값의 분포 규칙이 생체 지문의 계조값 분포와 다르기 때문에 다중 파티션 분포 특징 벡터를 통해 지문 이미지에 생체 지문의 계조 분포 특징이 존재하는지 여부를 인식함으로써 당해 지문이 생체 지문인지 여부를 결정하여 안전성이 높다.

설명해야 할 것은, 상기 실시예에서 제공하는 지문 검출 기기가 지문을 검출할 때, 상기 기능 모듈 또는 부재의 구획에 대해 예를 들어 설명하였으나 실제 응용에서 수요에 기반하여 상기 기능은 다른 기능 모듈 또는 부재에 할당되어 완성될 수 있는 바, 즉 기기의 내부 구조를 다른 기능 모듈 또는 부재로 분할하여 위에서 설명한 기능의 전체 또는 일부를 완성할 수 있다. 또한, 상기 실시예에서 제공하는 지문 생체 검출 기기와 이하의 지문 생체 검출 방법은 동일한 구상에 속하며, 그 구체적인 구현 과정은 이하의 방법 실시예에서 상세히 설명하므로 여기서는 반복하지 않는다.

이어서 출원의 실시예에서 제공하는 지문 생체 검출 방법에 대해 상세히 해석하고 설명한다.

도 2는 본 출원의 실시예에서 제공하는 지문 생체 검출 방법의 흐름도로서, 당해 방법을 도 1에 도시된 지문 생체 검출 기기에 적용한 것을 예로 들어 설명한 것이다. 도 2를 참조하면, 당해 방법은 다음 단계를 포함한다.

단계 201: 제1 지문 이미지 및 제2 지문 이미지를 획득한다. 여기서 제1 지문 이미지는 레드 채널 이미지이고 제2 지문 이미지는 블루 채널 이미지이다.

생체 지문의 레드 채널 이미지와 블루 채널 이미지는 모두 밝은 영역과 어두운 영역이 번갈아 분포되고 화소점의 계조값 분포가 상대적으로 규칙적이고, 비생체 지문의 두 채널 이미지의 화소점의 계조값 분포는 상대적으로 혼돈적인 바, 즉 비생체 지문에 대응하는 계조값의 분포 규칙이 생체 지문의 분포 규칙과 다르기 때문에, 지문 생물 검출은 다 계조값의 분포 규칙에 근거하여 수행될 수 있다. 즉, 본 출원의 본 실시예에서 획득된 제1 지문 이미지는 레드 채널 이미지이고, 제2 지문 이미지는 블루 채널 이미지이며, 제1 지문 이미지와 제2 지문 이미지는 동일한 지문의 이미지를 가리킨다.

앞서 언급한 도 1의 관련 소개로부터 알 수 있는 바와 같이, 지문 이미지를 수집하기 전에 먼저 이미지 수집기를 깨워야 하고, 광도 변화 또는 커패시턴스 값에 근거하여 손가락과 같은 수집 대상이 현재 검출되었는지 여부를 판단할 수 있으며, 수집 대상을 검출했을 경우, 이미지 수집기를 깨우고 지문 이미지를 수집하기 시작한다.

본 출원의 실시예는 레드 채널 이미지와 블루 채널 이미지를 기반으로 지문 생체 검출을 수행해야 하므로, 이에 기초하여, 본 출원의 실시예는 두 가지 이미지 수집 방법, 즉 두 가지 제1 지문 이미지 및 제2 지문 이미지를 획득하는 구현 방식을 제공하는 바, 이하 이 두 가지 구현 방식에 대해 소개한다.

제1 구현 방식에서 지문 생체 검출 기기는 제1 원본 이미지를 얻을 수 있고, 제1 원본 이미지는 그린 조명이 꺼지고 레드 조명과 블루 조명이 켜진 상태에서 수집된 지문 이미지이며, 다음, 지문 생체 검출 기기는 제1 원본 이미지의 레드 채널의 이미지 데이터를 추출하여 제1 지문 이미지를 생성하고, 제1 원본 이미지의 블루 채널의 이미지 데이터를 추출하여 제2 지문 이미지를 생성할 수 있다.

출원의 실시예에서, 이미지 센서는 레드 채널, 블루 채널 및 그린 채널을 포함하는 바, 예를 들어, 이미지 센서는 도 3에 도시된 바와 같은 바이어 모드 컬러 이미지 센서일 수 있으며, 여기서 R은 레드(R) 채널, Gr 및 Gb는 모두 그린(G) 채널이고 B는 블루(B) 채널이다.

이미지 수집기를 깨운 후, 레드와 블루 조명을 동시에 켜고 렌즈와 이미지 센서를 통해 제1 원본 이미지를 수집할 수 있는 바, 즉 제1 원본 이미지는 그린 조명이 꺼지고 레드 조명과 블루 조명이 켜진 상태에서 수집된 당해 지문의 이미지이다. 그 후, 이미지 수집기는 수집된 원본 이미지를 프로세서로 전송할 수 있다. 프로세서는 제1 원본 이미지의 레드 채널의 이미지 데이터를 추출하여 제1 지문 이미지를 생성하고, 블루 채널의 이미지 데이터를 추출하여 제2 지문 이미지를 생성할 수 있다.

예시적으로, 도 3에 도시된 이미지 센서를 예로 들어, 수집 대상이 생체 지문이라고 가정하면, 제1 원본 이미지의 크기는 w0*h0이고, w0 및 h0은 각각 제1 원본의 너비와 높이를 나타내고, 각각 너비 방향 및 높이 방향의 화소점 수를 나타낼 수도 있다. 프로세서는 R 채널의 이미지 데이터를 추출하여 도 4에 도시된 바와 같은 레드 채널 이미지 데이터를 획득하고, 당해 레드 채널 이미지 데이터에 기반하여 도 5에 도시된 바와 같이 제1 지문 이미지를 생성할 수 있다. 프로세서는 B 채널의 이미지 데이터를 추출하여 도 6에 도시된 바와 같은 블루 채널 이미지 데이터를 얻고, 당해 블루 채널 이미지 데이터에 기반하여 도 7에 도시된 바와 같은 제2 지문 이미지를 생성할 수 있으며, 제1 지문 이미지와 제1 지문 이미지의 이미지 크기는 모두 w0*h0/4이다.

제2 구현 방식에서 지문 생체 검출 기기는 제2 원본 이미지와 제3 원본 이미지를 획득할 수 있고, 제2 원본 이미지는 그린 조명 및 블루 조명이 꺼지고 레드 조명이 꺼진 상태에서 수집된 당해 지문 이미지이고, 제3 원본 이미지 그린 조명과 레드 조명이 꺼지고 블루 조명이 켜진 상태에서 수집된 당해 지문 이미지이다. 그 후, 지문 생체 검출 기기는 제2 원본 이미지의 레드 채널의 이미지 데이터를 추출하여 제1 지문 이미지를 생성하고, 제3 원본 이미지의 블루 채널의 이미지 데이터를 추출하여 제2 지문 이미지를 생성할 수 있다.

알 수 있다시피, 제2 구현 방식은 레드 조명만 켜고 제1 원본 이미지를 수집하고, 다시 블루 조명만 켜서 제2 원본 이미지를 수집한 다음, 제1 원본 이미지의 레드 채널의 이미지 데이터를 추출하여 제1 원본 이미지를 생성하고, 제2 원본 이미지의 블루 채널의 이미지 데이터를 추출하여 제2 지문 이미지를 생성한다. 여기서, 이미지 데이터를 추출하는 방법에 대해서는 제1 구현 방식의 관련 소개를 참조할 수 있으며, 여기서 반복하지 않다.

설명해야 할 것은, 제2 구현 방식에서 레드 조명만 켜고 블루 조명만 켜는 것을 통해 두 개의 원본 이미지를 수집하므로, 레드 조명과 블루 조명이 동시에 켜진 경우 레드 조명의 블루 채널에 대한 영향 및 블루 조명의 레드 채널에 대한 영향을 피할 수 있다. 그러나, 제1 구현 방식은 그린 조명을 끄고 레드 조명과 블루 조명을 동시에 켜는 방식으로 원본 이미지를 수집함으로써, 제2 구현 방식에 비해 이미지 획득 시간을 단축할 수 있다.

선택적으로, 수집된 지문 이미지의 가장자리가 왜곡될 수 있으므로, 지문 생체 검출 기기는 레드 채널의 이미지 데이터와 블루 채널의 이미지 데이터를 추출한 후 레드 채널의 이미지 데이터와 블루 채널의 이미지 데이터에 대해 왜곡 보정을 수행할 수 있다. 또한, 지문 생체 검출 기기는 미리 설정된 이미지 크기 매개변수에 기반하여 레드 채널 이미지와 블루 채널 이미지를 각각 크롭하여 가장자리가 명확하지 않은 이미지를 제거하고 동일한 이미지 크기의 제1 지문 이미지와 제2 지문을 얻을 수 있다.

단계 202: 제1 지문 이미지 및 제2 지문 이미지 각각에 대해 영역 분할을 수행하되, 여기서, 분할된 제1 지문 이미지는 복수의 제1 예측 밝은 영역 및 복수의 제1 예측 어두운 영역을 포함하고, 분할된 제2 지문 이미지는 제2 예측 밝은 영역 및 복수의 제2 예측 어두운 영역을 포함한다.

본 출원의 일 실시예에서, 지문 생체 검출 기기는 생체 지문의 레드 채널 이미지와 블루 채널 이미지 내의 밝은 영역과 어두운 영역의 분포 규칙에 기반하여 제1 지문 이미지와 제2 지문 이미지를 각각 구획하여 제1 지문 이미지를 복수의 제1 예측 밝은 영역 및 복수의 제1 예측 어두운 영역으로 분할하고, 제2 지문 이미지를 복수의 제2 예측 밝은 영역 및 복수의 제2 예측 어두운 영역으로 분할한다.

도 5에 도시된 제1 지문 이미지와 도 7에 도시된 제2 지문 이미지로부터, 레드 채널 이미지의 이미지 높이 방향에 따른 위에서 아래로의 밝은 영역과 어두운 영역의 분포 규칙은: 밝음, 어두움, 밝음, 어두움, 밝음이고, 블루 채널 이미지의 이미지 높이 방향에 따른 위에서 아래로의 밝은 영역과 어두운 영역의 분포 규칙은: 어두움, 밝음, 어두움, 밝음, 어두움인 바, 즉, 레드 채널 이미지와 블루 채널 이미지는 모두 명암이 교대하는 분포 규칙을 나타내며, 지문 생체 검출 기기는 당해 분포 규칙에 기반하여 제1 지문 이미지와 제2 지문 이미지에 대해 영역 분할을 수행할 수 있다.

본 출원의 실시예에서, 지문 생체 검출 기기는 생체 지문의 레드 채널 이미지 및 블루 채널 이미지의 밝은 영역과 어두운 영역의 분포 규칙에 기반하여 파티션 매개변수를 결정할 수 있되, 당해 파티션 매개변수는 복수의 파티션 너비 비율을 포함하고, 다음, 복수의 파티션 너비 비율에 기반하여 제1 지문 이미지 및 제2 지문 이미지 각각에 대해 영역 분할을 수행한다.

설명해야 할 것은, 당해 파티션 매개변수는 각 영역의 분포 규칙에 기반하여 미리 설정된 매개변수일 수 있는 바, 예를 들어 복수의 생체 지문의 레드 채널 이미지와 블루 채널 이미지의 명암 분포를 통계하고, 생체는 명암 분포 상황에 기반하여 지문의 레드 채널 이미지와 블루 채널 이미지 내의 밝은 영역과 어두운 영역의 총 수 및 위에서 아래로 동일한 위치의 밝은 영역과 어두운 영역의 이미지 높이에서의 비율을 결정하고, 이를 통해 각 파티션 너비 비율을 얻으며 지문 생체 검출 기기에 당해 파티션 매개변수를 설정할 수 있다.

예시적으로, 도 8은 본 출원의 실시예에서 제공하는 이미지의 각 영역을 결정하는 모식도이며, 도 8을 참조하면, 도 8의 좌측 상단 이미지는 생체 지문의 레드 채널 이미지인바 즉, 제1 지문 이미지이고, 우측 상단 이미지는 생체 지문의 블루 채널 이미지, 즉 제2 지문 이미지이며, 레드 채널 이미지와 블루 채널 이미지 모두가 명암이 교대하는 분포 규칙을 나타내는 것을 통해 레드 채널 이미지와 블루 채널 이미지를 위에서 아래로 5등분할 수 있다. 레드 채널 이미지에 포함된 5개 영역은 밝은 영역, 어두운 영역, 밝은 영역, 어두운 영역 및 밝은 영역이고, 블루 채널 이미지에 포함된 5개 영역은 위에서 아래로 어두운 영역, 밝은 영역, 어두운 영역, 밝은 영역 및 어두운 영역이며, 레드 채널 이미지의 5개 영역은 블루 채널의 5개 영역에 일대일 대응하는 바, 즉 두 이미지 내의 대응하는 영역의 너비 비율이 동일하고, 차이점은 레드 채널 이미지의 밝은 영역의 블루 채널 이미지 내의 동일한 높이 범위에 대응하는 영역은 어두운 영역이다. 레드 채널 이미지와 블루 채널 이미지의 명암 영역 분포를 결합하면, 블루 채널 이미지와 레드 채널 이미지는 모두 동일한 분할 규칙에 기반하여 도 8과 같이 5개의 영역으로 나눌 수 있음을 알 수 있으며, 각각 영역 1, 영역 2, 영역 3, 영역 4 및 영역 5이며, 5개 영역에 대응하는 파티션 너비 비율은 도 8에 도시되는 바, 예를 들어 위에서 아래로 각각 20/66, 10/66, 15/66, 9/66 및 12/66이며, 다른 비율도 가능하다.

지문 생체 검출 기기는 도 8에 도시된 파티션 너비 비율에 따라 제1 지문 이미지와 제2 지문 이미지를 각각 분할할 수 있으며, 분할된 제1 지문 이미지에는 3개의 제1 예측 밝은 영역과 2개의 제1 예측 어두운 영역이 포함되고, 여기서 3개의 제1 예측 밝은 영역은 도 8 중의 영역 1, 영역 3 및 영역 5에 대응하고, 2개의 제1 예측 어두운 영역은 도 8 중의 영역 2 및 영역 4에 대응한다. 마찬가지로, 분할된 제2 지문 이미지는 2개의 제2 예측 밝은 영역과 3개의 제2 예측 어두운 영역을 포함하되, 여기서, 2개의 제2 예측 밝은 영역은 도 8 중의 2 및 영역 4에 대응하고, 3개의 제2 예측 어두운 영역은 도 8의 영역 1, 영역 3 및 영역 5에 대응한다.

선택적으로, 제1 지문 이미지 및 제2 지문 이미지의 이미지 크기가 기설정된 이미지 크기인 경우, 파티션 매개변수는 복수의 너비 값을 포함할 수 있다. 예시적으로, 기설정된 이미지 크기의 높이가 66화소라고 가정하면, 도 8에 도시된 5개 영역의 너비 값은 위에서 아래로 순서대로 20, 10, 15, 9, 12화소이다. 지문 생체 검출 기기는 당해 복수의 너비 값에 기반하여 제1 지문 이미지와 제2 지문 이미지에 대해 영역 분할을 수행할 수 있다.

단계 203: 복수의 제1 예측 밝은 영역, 복수의 제1 예측 어두운 영역, 복수의 제2 예측 밝은 영역 및 복수의 제2 예측 어두운 영역에 기반하여 다중 파티션 계조 분포 특징 벡터를 결정한다.

본 출원의 실시예에서, 제1 지문 이미지와 제2 지문 이미지의 이미지 크기는 동일하며, 제1 지문 이미지 및 제2 지문 이미지 각각에 대해 영역 분할을 수행한 후, 지문 생체 검출 기기는 통계 분할된 각 영역의 계조값에 기반하여 다중 파티션 계조 분포 특징 벡터를 결정한다.

본 출원의 실시예에서, 지문 생체 검출 기기는 복수의 제1 예측 밝은 영역 및 복수의 제2 예측 어두운 영역에 기반하여 제1 계조 특징 벡터를 결정할 수 있고, 당해 복수의 제1 예측 어두운 영역 및 당해 복수의 제2 예측 밝은 영역에 기반하여 제2 계조 특징 벡터를 결정할 수 있다. 다음, 지문 생체 검출 기기는 제1 계조 특징 벡터 및 제2 계조 특징 벡터에 기반하여 다중 파티션 계조 분포 특징 벡터를 생성할 수 있다.

지문 생체 검출 기기는 제1 지문 이미지 및 제2 지문 이미지의 각 영역의 계조값을 통계하여 제1 계조 특징 벡터 및 제2 계조 특징 벡터를 결정할 수 있다.

본 출원의 일 실시예에서, 지문 생체 검출 기기는 당해 복수의 제1 예측 밝은 영역 및 복수의 제2 예측 어두운 영역 내의 각각의 계조값에 대응하는 화소점의 수를 결정할 수 있으며, 당해 복수의 제1 예측 밝은 영역 및 복수의 제2 예측 어두운 영역 내의 각각의 계조값에 대응하는 화소점의 개수에 기반하여 제1 계조 특징 벡터를 생성한다 즉, 지문 생체 검출 기기는 제1 지문 이미지의 복수의 제1 예측 밝은 영역 내 및 제2 지문 이미지의 복수의 제2 예측 어두운 영역 내의 각각의 계조값에 대응하는 화소점의 수를 통계하여 제1 계조 특징 벡터를 결정할 수 있다. 여기서 복수의 제1 예측 밝은 영역과 복수의 제2 예측 어두운 영역은 일대일 대응되며, 대응하는 영역은 두 이미지의 동일한 높이 범위에 처한 영역이다.

예시적으로, 도 8에 소개된 파티션의 개략도를 예로 들면, 지문 생체 검출 기기는 제1 지문 이미지의 영역 1, 영역 3 및 영역 5 내의 계조값 '0'에서 '255'까지의 각 계조값에 대응하는 화소점 개수를 통계할 수 있으며, 통계하여 얻은 각 계조값에 대응하는 화소점의 개수를 0에서 255까지의 계조값 순서로 배열하여 벡터 histr1을 얻는다. 제2 지문 이미지의 영역 1, 영역 3, 영역 5 내의 계조값 '0'부터 '255'까지의 각 계조값의 화소점 수를 통계하고 계조값을 0-255의 순서로 배열하여 벡터 histb1을 구한다. 여기서 벡터 histr1과 벡터 histb1의 길이는 모두 256이다. 다음, 벡터 hist1과 벡터 histb1을 더하여 제1 계조 특징 벡터 hisfp1을 얻을 수 있으며 벡터 hisfp1의 길이도 256이다.

마찬가지로, 지문 생체 인식 검출 기기는 당해 복수의 제1 예측 어두운 영역 및 당해 복수의 제2 예측 밝은 영역 내의 각각의 계조값에 각각 대응하는 화소점의 수를 결정할 수 있고, 당해 복수의 제1 예측 어두운 영역 및 당해 복수의 제2 예측 밝은 영역 내의 각각의 계조값에 각각 대응하는 화소점 개수에 기반하여 제2 계조 특징 벡터를 생성한다. 즉, 지문 생체 검출 기기는 제1 지문 이미지의 복수의 제1 예측 어두운 영역 내 및 제2 지문 이미지의 제2 예측 밝은 영역 내의 각 계조값에 각각 대응하는 화소점의 수를 통계하여 제2 계조 특징 벡터를 결정한다.

예시적으로, 여전히 도 8에 소개된 파티션의 개략도를 예로 들면, 지문 생체 검출 기기는 영역 2 및 영역 4 내의 계조값 '0'부터 '255'까지의 각 계조값의 화소점을 통계할 수 있으며, 통계하여 얻은 각 계조값에 대응하는 화소점의 수를 계조값 0부터 255까지의 순서로 배열하여 벡터 histr2를 얻는다. 제2 지문 이미지의 영역 2와 영역 4 내의 계조값 '0'부터 '255'까지의 각 계조값의 화소점 수를 통계하고 통계하여 얻은 각 계조값에 대응하는 화소점 수를 통계하여 계조값 0-255의 순서로 배열하여 벡터 histb2를 얻는다. 여기서, 벡터 histr2와 벡터 histb2의 길이는 모두 256이다. 다음 벡터 histr2와 벡터 histb2를 더하여 제2 계조 특징 벡터 hisfp2를 얻을 수 있으며 벡터 hisfp2의 길이도 256이다.

선택적으로, 지문 생체 검출 기기가 이미지를 수집할 때의 노출은 수집된 이미지에 영향을 미치는 바, 노출이 너무 높으면 수집된 이미지가 너무 밝고 노출이 너무 낮으면 수집된 이미지가 너무 어두우므로, 노출의 영향을 줄이고 유효한 계조 정보를 보류하기 위해 계조 범위를 축소시킬 수 있는바, 즉 당해 지문의 이미지를 수집하는 이미지 수집기의 노출 매개변수에 기반하여 하나의 계조값 통계 범위를 결정할 수 있다. 실제 응용에서 다른 이미지 수집 기기의 노출 매개변수는 다를 수 있으며 각 기기의 노출 매개변수에 기반하여 대응하는 계조값 통계 범위를 설정할 수 있다. 설명해야 할 것은, 본 출원의 실시예에서 지문 생체 검출 기기는 이미지 수집 기기이다. 또한 계조값 통계 범위를 좁혀 통계량을 줄이고 검출 속도를 높일 수 있다.

상기 소개에 기초하여, 본 출원의 본 실시예에서, 지문 생체 검출 기기는 계조값 통계 범위를 획득할 수 있고, 계조값 통계 범위에 기반하여 당해 복수의 제1 예측 밝은 영역 및 당해 복수의 제2 예측 어두운 영역 내의 당해 계조값 통계 범위에 처한 각 계조값에 대응하는 화소점 수를 결정하고, 당해 복수의 제1 예측 밝은 영역 및 당해 복수의 제2 예측 어두운 영역 내의 당해 계조값 통계 범위에 처한 각 계조값에 대응하는 화소점 수에 기반하여 제1 계조 특징 벡터를 생성한다.

마찬가지로, 지문 생체 검출 기기는 당해 계조값 통계 범위에 기반하여 당해 복수의 제1 예측 어두운 영역 및 당해 복수의 제2 예측 밝은 영역 내의 당해 계조값 통계 범위에 처한 각각의 계조값에 대응하는 화소점 수를 결정할 수 있고, 당해 복수의 제1 예측 어두운 영역 및 당해 복수의 제2 예측 밝은 영역 내의 당해 계조값 통계 범위에 처한 각각의 계조값에 대응하는 화소점 수에 기반하여 제2 계조 특징 벡터를 생성한다.

즉, 지문 생체 검출 기기는 제1 지문 이미지 및 제2 지문 이미지의 각 영역 내의 당해 계조값 통계 범위에 처한 각 계조값에 대응하는 화소점의 수만을 통계할 수 있으며, 상술한 방법에 따라 제1 계조 특징 벡터 및 제2 계조 특징 벡터를 생성할 수 있다.

예시적으로, 계조값 통계 범위는 '11' 내지 '230'일 수 있으므로, 전술한 방법에 기반하여 얻은 제1 계조 특징 벡터와 제2 계조 특징 벡터의 길이는 모두 220이고, 벡터의 길이가 줄어 들어 후속 통계의 양을 줄일 수 있다.

제1 계조 특징 벡터 및 제2 계조 특징 벡터를 획득한 후, 지문 생체 검출 기기는 제1 계조 특징 벡터와 제2 계조 특징 벡터를 접합하여 다중 파티션 계조 분포 특징 벡터를 획득할 수 있다.

예시적으로, 제1 계조 특징 벡터는 hisfp1이고, 제2 계조 특징 벡터는 hisfp2이며, 제1 계조 특징 벡터와 제2 계조 특징 벡터를 접합한 후, 획득된 다중 파티션 계조 분포 특징 벡터는 [hisfp1, hisfp2]일 수 있다.

상술한 지문 생체 검출 기기에 의해 다중 파티션 계조 분포 특징 벡터를 획득하는 단계는 다음과 같다: 먼저 제1 지문 이미지의 복수의 제1 예측 밝은 영역 및 제2 지문 이미지의 복수의 제2 예측 어두운 영역을 통계하여 각각 두 벡터를 얻고, 이 두 벡터를 더하여 제1 계조 특징 벡터를 얻은 다음, 제1 지문 이미지의 복수의 제1 예측 어두운 영역과 제2 지문 이미지의 복수의 제2 예측 밝은 영역을 통계하여 각각 두 벡터를 얻으며, 이 두 벡터를 더하여 제2 계조 특징 벡터를 얻은 다음, 제1 계조 특징 벡터와 제2 계조 특징 벡터를 접합하여 다중 파티션 계조 분포 특징 벡터를 얻는다.

선택적으로, 본 출원의 실시예에서, 지문 생체 검출 기기는 또한 제1 지문 이미지의 복수의 제1 예측 밝은 영역을 먼저 통계하여 벡터 histr1을 획득하고, 제1 지문 이미지의 복수의 제1 예측 어두운 영역을 통계하여 벡터 histr2를 얻고, 벡터 hist1과 벡터 histr2를 접합하여 제1 계조 접합 벡터 histr을 얻은 다음, 제2 지문 이미지의 복수의 제2 예측 어두운 영역을 통계하여 벡터 histb1을 얻고, 제2 지문 이미지의 복수의 제2 예측 밝은 영역을 통계하여 벡터 histb2를 얻고, 벡터 histb1과 벡터 histb2를 접합하여 제2 계조 접합 벡터 histb를 얻은 다음, 벡터 histr과 벡터 histb를 더하여 다중 파티션 계조 분포 특징 벡터 hisfp를 얻는다. 즉, 두 개의 이미지를 별도로 통계하여 두 이미지 각자에 대응하는 밝은 영역과 어두운 영역의 계조 접합 벡터를 얻은 후, 두 개의 계조 접합 벡터를 더하여 다중 파티션 계조 분포 특징 벡터를 얻는다. 이와 같이 지문 생체 검출 기기는 통계될 이미지의 이미지 데이터를 번갈아 변경하지 않고 하나의 이미지를 먼저 처리한 다음 다른 이미지를 처리할 수 있다.

설명해야 할 것은, 상술한 각 영역의 계조값을 통계하여 다중 파티션 계조 분포 특징 벡터를 결정하는 단계에서, 각 영역의 통계 순서는 특정 순서가 아닐 수 있으며, 실제 상황에 기반하여 통계 순서를 결정하면 된다.

선택적으로, 지문 생체 검출 기기는 또한 위의 통계 결과를 계조 히스토그램으로 나타내고, 계조 히스토그램에 기반하여 각 벡터를 결정할 수 있다.

단계 204: 지문 생체 검출 모델에 다중 분할 계조 분포 특징 벡터를 입력하여 지문 생체 검출 결과를 얻는다.

본 출원의 실시예에서, 지문 생체 검출 기기는 다중 파티션 계조 분포 특징 벡터를 획득한 후, 지문 생체 검출 모델에 당해 벡터를 입력하여 지문 생체 검출 결과를 획득할 수 있다.

선택적으로, 지문 생체 검출 모델은 SVM(Support Vector Machine) 분류기, 신경망 모델, 랜덤 포레스트 모델 등일 수 있으며, 본 출원의 실시예는 이에 대해 제한하지 않는다. 지문 생체 검출 결과는 '생체 지문' 또는 '비생체 지문' 또는, '0' 또는 '1'일 수 있으며, 여기서 '0'은 생체 지문이 아닌 것을 의미하고 '1'은 생체 지문인 것을 의미한다.

설명해야 할 것은, 본 출원의 실시예에서 지문 생체 검출 모델은 생체 지문 샘플 이미지 및 비생체 지문 샘플 이미지에 따른 지도 학습을 통해 훈련하여 획득될 수 있으며, 지문 생체 검출 모델은 사전에 훈련된 모델이고, 지문 생체 검출 기기를 통해 당해 지문 생체 검출 모델을 훈련하여 얻을 수 있거나 또는 기타 기기를 통해 당해 지문 생체 검출 모델을 훈련하여 얻을 수 있는 바, 예를 들어, 배경 장치 또는 기타 컴퓨터 기기일 수 있으며, 다음, 당해 지문 생체 검출 모델을 지문 생체 검출 기기에 배치한다. 본 출원의 실시예들은 지문 생체 검출 기기에 의해 훈련을 통해 획득된 지문 생체 검출 모델을 예로 들어 소개한다.

본 출원의 실시예에서, 지문 생체 검출 기기는 생체 지문 샘플 이미지 및 비생체 지문 샘플 이미지를 획득할 수 있으며, 생체 지문 샘플 이미지는 그린 조명이 꺼지고, 레드 조명 및 블루 조명이 켜진 상태에서 수집된 복수의 생체 지문 샘플의 이미지를 포함한다. 비생체 지문 샘플 이미지는 그린 조명이 꺼지고, 레드 조명 및 블루 조명이 켜진 상태에서 수집된 복수의 비생체 지문 샘플의 이미지를 포함한다. 그 후, 지문 생체 검출 기기는 당해 생체 지문 샘플 이미지 및 비생체 지문 샘플 이미지에 기반하여 지도 학습을 통해 지문 생체 검출 모델을 훈련하여 획득할 수 있다.

설명해야 할 것은, 생체 지문 샘플 이미지 및 비생체 지문 샘플 이미지를 획득하는 방법은 전술한 제1 원본 이미지를 획득하는 방법과 동일하며, 여기서 자세한 설명은 생략한다.

생체 지문 샘플 이미지와 비생체 지문 샘플 이미지를 획득한 후, 지문 생체 검출 기기는 전술한 다중 파티션 계조 분포 특징을 획득하는 방법에 따라 각 샘플 이미지에 대응하는 다중 파티션 계조 분포 특징 벡터를 획득할 수 있다. 그 후, 각 샘플 이미지에 대응하는 다중 파티션 계조 분포 특징 벡터에 기반하여 지문 생체 검출 모델을 훈련하여 얻을 수 있다.

선택적으로, 각 샘플 이미지는 하나의 샘플 라벨에 대응하고, 생체 지문 샘플 이미지의 샘플 라벨은 '1'일 수 있고, 비생체 지문 샘플 이미지의 샘플 라벨은 '0'일 수 있으며, 지문 생체 검출 기기는 각 샘플 이미지에 대응하는 다중 파티션 계조 분포 특징 벡터 및 샘플 라벨에 기반하여 지도 학습을 통해 지문 생체 검출 모델을 훈련하여 얻다.

예시적으로, 지문 생체 검출 모델이 SVM 분류기라고 가정하면, 지문 생체 검출 기기는 각 샘플 이미지에 대응하는 다중 파티션 계조 분포 특징 벡터 및 샘플 라벨에 기반하여 지도 학습을 통해 SVM 분류기를 훈련하여 얻을 수 있으며 당해 SVM 분류기는 하나의 이진 분류기이다.

도 9는 본 출원의 실시예에서 제공하는 다른 지문 생체 검출 방법의 흐름도이다. 도 9를 참조하면, 지문 생체 검출 모델이 SVM 분류기라고 가정하면, 제1 지문 이미지(ImgR) 및 제2 지문 이미지(ImgB) 각각에 대해 특징 추출을 수행하여 벡터 histr과 벡터 histb를 얻은 다음, 특징 합성을 수행, 즉 벡터 histr과 벡터 histb를 접합하여 다중 파티션 계조 분포 특징 벡터 hiafp를 얻고 벡터 hisfp를 SVM 분류기에 입력하여 지문 생체 검출 결과를 출력한다.

이상에서는 본 출원의 실시예에서 제공하는 지문 생체 검출 방법에 대해 설명하였으며, 실제 응용에서 지문 인식과 지문 생체 검출을 결합하여 최종 보안 검증 결과를 결정할 필요가 있다. 즉, 지문 인식 결과가 수집된 지문이 유효한 지문이고 지문 생체 검출 결과가 수집된 지문이 생체 지문임을 가리키면 보안 검증에 통과된 것으로 결정한다. 이에 기초하여, 본 출원의 실시예은 또한 다음에 소개될 지문 보안 검증 방법을 더 제공한다.

본 출원의 실시예에서, 지문 생체 검출 기기는 또한 그린 조명이 켜진 상태에서 수집된 상기 지문의 이미지인 제4 원본 이미지를 획득하고, 제4 원본 이미지에 기반하여 지문 인식 결과를 결정할 수 있다. 이후, 지문 생체 검출 기기는 지문 인식 결과 및 지문 생체 검출 결과에 기반하여 보안 검증 결과를 결정할 수 있다.

생체 지문의 그린 채널 이미지는 상대적으로 선명한 지문 패턴, 즉 명암이 교대하는 특징이 없기 때문에 레드 채널 이미지와 블루 채널 이미지에 비해 그린 채널 이미지가 지문 인식에 더 적합하다. 또한, 세 가지 색상의 조명을 모두 켠 상태에서 수집된 생체 지문 이미지도 매우 선명한 지문 패턴을 나타내기에 지문 인식에 적합하다. 이를 기반으로 이미지 수집기를 깨워 지문 수집을 수행하면 레드 조명과 블루 조명이 켜진 상태에서의 당해 지문의 원본 이미지를 수집할 뿐만 아니라 그린 조명이 켜진 상태에서의 당해 지문의 이미지도 수집하여 제4 원본 이미지를 얻을 수 있다. 여기서, 그린 조명이 켜진 상태는 그린 조명이 켜지고 레드 조명 및 블루 조명이 꺼진 상태를 의미하거나, 그린 조명, 레드 조명 및 블루 조명이 모두 켜진 상태를 의미할 수 있다. 즉, 이미지 수집기를 깨운 후 제1 원본 이미지와 제4 원본 이미지를 수집하여 한 번의 수집을 완성하거나 또는 제2 원본 이미지, 제3 원본 이미지 및 제4 원본 이미지를 수집하여 한 번의 수집을 완료할 수 있다.

또한, 매번 수집이 완료된 후에는 모든 조명을 끌 수 있으며, 본 출원의 실시예는 수집될 원본 이미지의 순서를 제한하지 않는다. 예를 들어 먼저 그린 조명만 켜서 제4 원본 이미지를 수집한 다음 그린 조명을 끄고 레드 조명과 블루 조명을 켜서 제1 원본 이미지를 수집할 수 있다. 또 예를 들어, 그린 조명, 레드 조명 및 블루 조명을 먼저 켜서 제4 원본 이미지를 수집 한 다음, 그린 조명을 끄고 레드 조명과 블루 조명을 계속 켜 놓은 상태에서 제1 원본 이미지를 수집할 수 있다. 다시 예를 들면, 먼저 레드 조명을 켜서 제2 원본 이미지를 수집한 다음, 레드 조명을 끄고 블루 조명을 켜서 제3 원본 이미지를 수집하고, 마지막에 블루 조명을 끄고 그린 조명을 켜서 제4 원본 이미지를 수집할 수 있다.

제4 원본 이미지를 획득한 후, 지문 생체 검출 기기는 제4 원본 이미지의 그린 채널의 이미지 데이터를 추출하여 제3 지문 이미지를 생성한 다음, 제3 지문 이미지의 지문 특징 예를 들어 라인 수, 라인 모양, 핵심점, 중단점, 교차점, 방향, 곡률 등을 추출하고, 추출된 지문의 특징과 저장된 각 유효 지문의 이미지에 대응하는 특징을 비교하여 지문 인식 결과를 얻는다. 여기서, 지문 인식 결과는 '유효한 지문' 또는 '유효하지 않은 지문'일 수 있다.

여기서, 제4 원본 이미지의 그린 채널의 이미지 데이터를 추출하고 제3 지문 이미지를 생성하는 구현 방식은 전술한 제1 지문 이미지 및 제2 지문 이미지 생성에 대한 소개를 참조할 수 있다.

예시적으로, 도 3에 도시된 바이어 모드의 컬러 이미지 센서를 예로 들면, 지문 생체 검출 기기는 제4 원본 이미지를 획득한 후 Gr 채널의 이미지 데이터를 추출하거나 또는 Gb 채널의 이미지 데이터를 추출하여 이미지 크기가 w0*h0/4인 제3 지문 이미지를 얻을 수 있다. 선택적으로, 지문 생체 검출 기기는 추출하여 얻은 이미지에 대해 왜곡 보정을 수행하여 교정 후의 제3 지문 이미지를 얻을 수도 있다. 선택적으로, 나아가, 지문 생체 검출 기기는 또한 미리 설정된 이미지 크기 매개변수에 기반하여 수정된 이미지를 크롭하여 보다 선명한 중간 부분으로 얻을 수 있으며, 이를 제3 지문 이미지로 사용한다.

설명해야 할 것은, 제3 지문 이미지의 이미지 크기는 제1 지문 이미지의 이미지 크기와 동일하거나 다를 수 있음에 유의해야 한다. 동일한 경우 한 세트의 사전 설정된 이미지 크기 매개변수를 설정하기만 하면 된다.

선택적으로, 지문 생체 검출 기기는 제4 원본 이미지를 획득한 후 제4 원본 이미지의 지문 특징을 직접 추출하고 추출된 지문 특징과 저장된 각 유효 지문의 이미지에 대응하는 특징을 비교하여 지문 인식 결과를 얻을 수도 있다.

상기 방법에 기반하여 지문 인식 결과 및 지문 생체 검출 결과를 획득한 후, 지문 생체 검출 기기는 이 두 가지 결과에 기반하여 최종 보안 검증 결과를 결정할 수 있다. 예시적으로, 만약 지문 인식 결과가 수집된 지문이 유효한 지문이고, 지문 생체 검출 결과가 수집된 지문이 생체 지문인 것을 가리키면 보안 검증에 통과한 것으로 결정한다. 지문 인식 결과가 수집된 지문이 유효한 지문이 아님을 나타내거나 또는 지문 생체 검출 결과가 수집된 지문이 생체 지문이 아님을 나타내는 경우 보안 검증에 실패한 것으로 결정되고 지문 생체 검출 기기가 텍스트 프롬프트 또는 음성으로 사용자에게 알릴 수 있다.

요약하면, 본 출원의 실시예에서, 제1 지문 이미지 및 제2 지문 이미지에 대해 영역 분할을 수행한 후, 분할된 영역에 기반하여 다중 분할 계조 분포 특징 벡터를 결정하여, 지문 생체 검출 모델을 통해 지문 생체 검출을 수행할 수 있되, 여기서, 제1 지문 이미지는 레드 채널 이미지이고, 상기 제2 지문 이미지는 블루 채널 이미지이다. 비생체 지문의 두 채널 이미지의 각 영역의 계조값 분포 규칙이 생체 지문의 것과 다르기 때문에, 다중 파티션 계조 분포 특징 벡터를 통해 지문 이미지에 생체 지문의 계조 분포 특징이 존재하는지 여부를 인식할 수 있으며, 나아가, 당해 생체 지문이 생체 지문인지를 결정하여 안전성이 더 높다.

도 10 은 본 출원의 일 실시예에서 제공하는 지문 생체 검출 기기(1000)의 구조 개략도로서, 당해 지문 생체 검출 기기(1000)는 소프트웨어, 하드웨어 또는 이들의 조합에 의해 컴퓨터 기기의 일부 또는 전부로 구현될 수 있다. 도 10을 참조하면, 당해 장치는 제1 획득 모듈(1001), 파티션 모듈(1002), 제1 결정 모듈(1003) 및 검출 모듈(1004)을 포함한다.

제1 획득 모듈(1001)은 제1 지문 이미지 및 제2 지문 이미지를 획득하는 데에 사용되며, 제1 지문 이미지와 제2 지문 이미지는 동일한 지문의 이미지이고, 제1 지문 이미지는 레드 채널 이미지이고, 제2 지문 이미지는 지문 이미지는 블루 채널 이미지이다;

파티션 모듈(1002)은 제1 지문 이미지 및 제2 지문 이미지 각각에 대해 영역 분할을 수행하되, 여기서, 분할된 제1 지문 이미지는 복수의 제1 예측 밝은 영역 및 복수의 제1 예측 어두운 영역을 포함하고, 분할된 제2 지문 이미지는 제2 예측 밝은 영역 및 복수의 제2 예측 어두운 영역을 포함한다;

제1 결정 모듈(1003)은 복수의 제1 예측 밝은 영역, 복수의 제1 예측 어두운 영역, 복수의 제2 예측 밝은 영역 및 복수의 예측 어두운 영역에 기반하여 다중 파티션 계조 분포 특징 벡터를 결정하는 데에 사용된다;

검출 모듈(1004)은 지문 생체 검출 모델에 다중 파티션 계조 분포 특징 벡터를 입력하여 지문 생체 검출 결과를 얻는 데에 사용된다. 지문 생체 검출 모델은 생체 지문 샘플 이미지 및 비생체 지문 샘플 이미지에 기반하여 지도 학습을 통해 훈련하여 획득된다.

선택적으로, 상기 제1 획득 모듈(1001)은,

제1 원본 이미지를 획득하기 위한 제1 획득 유닛 - 상기 제1 원본 이미지는 그린 조명이 꺼지고 레드 조명 및 블루 조명이 켜져 있는 상태에서 수집된 지문의 이미지임 -;

제1 원본 이미지의 레드 채널의 이미지 데이터를 추출하여 제1 지문 이미지를 생성하기 위한 제1 추출 유닛;

제1 원본 이미지의 블루 채널의 이미지 데이터를 추출하여 제2 지문 이미지를 생성하기 위한 제2 추출 유닛을 포함한다.

선택적으로, 제1 획득 모듈(1001)은,

제2 원본 이미지와 제3 원본 이미지를 획득하기 위한 제2 획득 유닛 - 제2 원본 이미지는 그린 조명과 블루 조명이 꺼지고 레드 조명이 켜진 상태에서 수집된 지문의 이미지이고, 제3 원본 이미지는 그린 조명과 레드 조명이 꺼지고 블루 조명이 켜진 상태에서 수집된 지문 이미지임 -;

제2 원본 이미지의 레드 채널의 이미지 데이터를 추출하여 제1 지문 이미지를 생성하기 위한 제3 추출 유닛;

제3 원본 이미지의 블루 채널의 이미지 데이터를 추출하여 제2 지문 이미지를 생성하기 위한 제4 추출 유닛을 포함한다.

선택적으로, 파티션 모듈(1002)은,

생체 지문의 레드 채널 이미지 및 블루 채널 이미지의 밝은 영역과 어두운 영역의 분포 규칙에 기반하여 파티션 매개변수를 결정하기 위한 제1 결정 유닛 - 파티션 매개변수는 복수의 파티션 너비 비율을 포함함 -;

복수의 파티션 너비 비율에 기반하여, 제1 지문 이미지 및 제2 지문 이미지 각각에 대해 영역 분할을 수행하기 위한 분할 유닛을 포함한다.

선택적으로, 제1 지문 이미지와 제2 지문 이미지의 이미지 크기는 동일하고, 제1 결정 모듈(1003)은,

복수의 제1 예측 밝은 영역 및 복수의 제2 예측 어두운 영역에 기반하여 제1 계조 특징 벡터를 결정하기 위한 제2 결정 유닛;

복수의 제1 예측 어두운 영역 및 복수의 제2 예측 밝은 영역에 기반하여 제2 계조 특징 벡터를 결정하기 위한 제3 결정 유닛;

제1 계조 특징 벡터 및 제2 계조 특징 벡터에 기반하여 다중 파티션 계조 분포 특징 벡터를 생성하기 위한 생성 유닛을 포함한다.

선택적으로, 제2 결정 유닛은,

복수의 제1 예측 밝은 영역 및 복수의 제2 예측 어두운 영역 내의 각각의 계조값에 각각 대응하는 화소점의 수를 결정하기 위한 제1 결정 서브 유닛;

복수의 제1 예측 밝은 영역 및 복수의 제2 예측 어두운 영역 내의 각각의 계조값에 각각 대응하는 화소점의 수에 기반하여 제1 계조 특징 벡터를 생성하기 위한 제1 생성 서브 유닛을 포함한다.

선택적으로, 제3 결정 유닛은,

복수의 제1 예측 어두운 영역 및 복수의 제2 예측 밝은 영역 내의 각각의 계조값에 각각 대응하는 화소점의 수를 결정하기 위한 제2 결정 서브 유닛;

복수의 제1 예측 어두운 영역 및 복수의 제2 예측 밝은 영역 내의 각각의 계조값에 각각 대응하는 화소점의 수에 기반하여 제2 계조 특징 벡터를 생성하기 위한 제2 생성 서브 유닛을 포함한다.

선택적으로, 제1 결정 모듈(1003)은,

계조값 통계 범위를 획득하기 위한 제3 획득 유닛을 더 포함하되, 계조값 통계 범위는 지문의 이미지를 수집하는 이미지 수집 장치의 노출 매개변수에 기반하여 결정된다;

제2 결정 유닛은,

계조값 통계 범위에 기반하여, 복수의 제1 예측 밝은 영역 및 복수의 제2 예측 어두운 영역 내의 계조값 통계 범위에 처한 각 계조값에 대응하는 화소점의 수를 결정하기 위한 제3 결정 서브 유닛;

복수의 제1 예측 밝은 영역 및 복수의 제2 예측 어두운 영역 내의 계조값 통계 범위에 처한 각 계조값에 대응하는 화소점의 수에 기반하여 제1 계조 특징 벡터를 생성하기 위한 제3 생성 서브 유닛을 포함한다.

선택적으로 생성 유닛은,

제1 계조 특징 벡터와 제2 계조 특징 벡터를 접합하여 다중 파티션 계조 분포 특징 벡터를 얻기 위한 접합 서브 유닛을 포함한다.

선택적으로, 당해 장치(1000)는,

생체 지문 샘플 이미지와 비생체 지문 샘플 이미지를 획득하기 위한 제2 획득 모듈 - 생체 지문 샘플 이미지는 그린 조명이 꺼지고, 레드 조명 및 블루 조명이 켜진 상태에서 수집된 복수의 생체 지문 샘플 이미지를 포함하고, 비생체 지문 샘플 이미지에는 그린 조명이 꺼지고, 레드 조명 및 블루 조명을 켠 상태에서 수집된 복수의 비생체 지문 샘플의 이미지가 포함됨 -;

생체 지문 샘플 이미지와 비생체 지문 샘플 이미지에 기반하여 지도 학습을 통해 지문 생체 검출 모델을 훈련하여 얻기 위한 훈련 모델을 더 포함한다.

선택적으로, 도 11을 참조하면, 당해 장치(1000)는,

제4 원본 이미지를 획득하기 위한 제3 획득 모듈(1005) - 제4 원본 이미지는 그린 조명이 켜진 상태에서 수집된 지문의 이미지임 -;

제4 원본 이미지에 기반하여 지문 인식 결과를 결정하기 위한 인식 모듈(1006);

지문 인식 결과 및 지문 생체 검출 결과에 기반하여 보안 검증 결과를 결정하기 위한 제2 결정 모듈(1007)을 더 포함한다.

요약하면, 본 출원의 실시예에서, 제1 지문 이미지 및 제2 지문 이미지에 대해 영역 분할을 수행할 수 있고, 그 다음 분할된 영역에 기반하여 다중 계조 분포 특징 벡터를 결정하여, 지문 생체 검출 모델을 통해 지문 생체 검출을 수행할 수 있되, 여기서 제1 지문 이미지는 레드 채널 이미지이고 제2 지문 이미지는 블루 채널 이미지이다. 비생체 지문의 두 채널 이미지의 밝은 영역과 어두운 영역의 계조값의 분포 규칙이 생체 지문의 것과 다르기 때문에, 다중 파티션 계조 분포 특징 벡터를 통해 지문 이미지에 생체 지문의 계조 분포 특징이 존재하는지를 인식하고, 나아가, 당해 지문이 생체 지문인지 여부를 결정함으로써 안전성이 높다.

설명해야 할 것은, 위의 실시예에서 제공된 지문 검출 기기가 지문을 검출할 때, 상기 각 기능 모듈의 구획을 통해 예로 들어 설명했지만 실제 응용에서는 수요에 기반하여 상기 기능을 다른 기능 모듈에 할당하여 완성할 수 있는 바, 즉, 장치의 내부 구조를 서로 다른 기능 모듈로 나누어 상술한 기능의 전부 또는 일부를 완성할 수 있다. 또한, 상기 실시예에서 제공하는 지문 생체 검출 기기 및 지문 생체 검출 방법 실시예는 동일한 구상에 속하며, 그 구체적인 구현 과정은 방법 실시예를 참조하며 여기서는 반복하지 않는다.

도 12는 본 출원의 실시예에 의해 제공되는 컴퓨터 기기(1200)의 구조 블록도이다. 당해 컴퓨터 기기(1200)는 스마트폰, 태블릿 컴퓨터, 노트북 컴퓨터 또는 데스크톱 컴퓨터 등과 같이 지문을 수집하여 보안 검증을 수행할 수 있는 지문 생체 검출 기기일 수 있다.

일반적으로, 컴퓨터 기기(1200)는 프로세서(1201) 및 메모리(1202)를 포함한다.

프로세서(1201)는 쿼드코어 프로세서, 도데카 코어 프로세서 등과 같은 하나 이상의 프로세싱 코어를 포함할 수 있다. 프로세서(1201)는 DSP(Digital Signal Processing), FPGA(Field Programmable Gate Array), PLA(Programmable Logic Array) 중 적어도 하나의 하드웨어 형태를 채택하여 실현할 수 있다. 프로세서(1201)는 메인 프로세서 및 보조 프로세서를 더 포함할 수 있으며, 메인 프로세서는 웨이크업 상태의 데이터를 처리하기 위한 것이며, CPU(Central Processing Unit)라고도 칭하고; 보조 프로세서는 대기 상태의 데이터를 처리하기 위한 저전력 프로세서이다. 일부 실시예에서, 프로세서(1201)에는 GPU(Graphics Processing Unit)가 통합될 수 있고, GPU는 디스플레이 스크린에 표시되어야 하는 콘텐츠를 렌더링하고 제작하는 데에 사용된다. 일부 실시예에서, 프로세서(1201)는 AI(Artificial Intelligence) 프로세서를 더 포함할 수 있으며, 당해 AI 프로세서는 기계 학습과 관련된 컴퓨팅 조작을 처리하는 데에 사용된다.

메모리(1202)는 비일시적인 하나 이상의 컴퓨터 판독가능 저장 매체를 포함할 수 있다. 메모리(1202)는 고속 랜덤 액세스 메모리 및 하나 이상의 디스크 저장 장치, 플래시 저장 장치와 같은 비휘발성 메모리를 더 포함할 수 있다. 일부 실시예에서, 메모리(1202)의 비일시적 컴퓨터 판독 가능 저장 매체는 적어도 하나의 명령을 저장하는 데에 사용되고, 당해 적어도 하나의 명령은 프로세서(1201)에 의해 실행되어 본 출원의 실시예의 방법 실시예에서 제공하는 지문 생체 검출 방법을 실현하는 데에 사용된다.

일부 실시예에서, 컴퓨터 기기(1200)는 선택적으로 주변기기 인터페이스(1203) 및 적어도 하나의 주변기기를 포함할 수 있다. 프로세서(1201), 메모리(1202) 및 주변기기 인터페이스(1203) 사이는 버스 또는 신호 라인을 통해 연결될 수 있다. 각 주변기기는 버스, 신호 라인 또는 회로기판을 통해 주변기기 인터페이스(1203)에 연결될 수 있다. 구체적으로, 주변기기는 무선 주파수 회로(1204), 디스플레이 스크린(1205), 카메라 어셈블리(1206), 오디오 회로(1207), 포지셔닝 어셈블리(1208) 및 전원(1209) 중 적어도 하나를 포함한다.

주변기기 인터페이스(1203)는 I/O(Input/Output)와 관련된 적어도 하나의 주변기기를 프로세서(1201) 및 메모리(1202)에 연결하는 데에 사용될 수 있다. 일부 실시예에서, 프로세서(1201), 메모리(1202) 및 주변기기 인터페이스(1203)는 동일한 칩 또는 회로기판 상에 집적되고; 일부 다른 실시예에서, 프로세서(1201), 메모리(1202), 및 주변기기 인터페이스(1203) 중 임의의 하나 또는 둘은 별도의 칩 또는 회로기판 상에 구현될 수 있다. 본 실시예에서 이에 대해 제한하지 않는다.

무선 주파수 회로(1204)는 전자기 신호라고도 불리는 RF(Radio Frequency, 무선 주파수) 신호를 수신 및 전송하는 데에 사용된다. 무선 주파수 회로(1204)는 전자기 신호를 통해 통신 네트워크 및 다른 통신 기기와 통신한다. 무선 주파수 회로(1204)는 전기 신호를 전자기 신호로 변환하여 발송하거나 또는 수신된 전자기 신호를 전기 신호로 변환한다. 선택적으로, 무선 주파수 회로(1204)는 안테나 시스템, RF 트랜시버, 하나 이상의 증폭기, 튜너, 발진기, 디지털 신호 프로세서, 코덱 칩셋, 가입자 인식 모듈 카드 등을 포함한다. 무선 주파수 회로(1204)는 적어도 하나의 무선 통신 프로토콜을 통해 다른 컴퓨터 기기와 통신할 수 있다. 당해 무선 통신 프로토콜에는 World Wide Web, Metropolitan Area Network, 인트라넷, 다양한 세대의 이동 통신 네트워크(2G, 3G, 4G 및 5G), 근거리 무선 통신망 및/또는 WiFi(Wireless Fidelity) 네트워크를 포함하나 이에 제한되지 않는다. 일부 실시예에서, 무선 주파수 회로(1204)는 NFC(Near Field Communication)와 관련된 회로를 더 포함할 수 있으며, 본 출원의 실시예는 이에 대해 제한하지 않는다.

디스플레이 스크린(1205)은 UI(사용자 인터페이스)를 표시하기 위해 사용된다. UI는 그래픽, 텍스트, 아이콘, 비디오 및 이들의 조합을 포함할 수 있다. 디스플레이 스크린(1205)이 터치 디스플레이 스크린일 때, 디스플레이 스크린(1205)은 또한 디스플레이 스크린(1205)의 표면 또는 표면 위에서의 터치 신호를 수집하는 능력을 갖는다. 당해 터치 신호는 제어 신호로서 프로세서(1201)에 입력되어 처리될 수 있다. 이때, 디스플레이 화면(1205) 은 가상 버튼 및/또는 가상 키보드를 제공하는 데에도 사용될 수 있는 바, 즉 소프트 버튼 및/또는 소프트 키보드라고도 칭한다. 일부 실시예에서, 디스플레이 화면(1205)은 하나 일수 있으며, 컴퓨터 기기(1200)의 전면 패널에 설치될 수 있고; 다른 일부 실시예에서, 디스플레이 화면(1205)은 적어도 두 개 일수 있으며, 각각 컴퓨터 기기(1200)의 서로 다른 표면에 설치되거나 폴드식으로 설계될 수 있으며; 기타 일부 실시예에서, 디스플레이 스크린(1205)은 플랙시블 스크린일 수 있고, 컴퓨터 기기(1200)의 만곡된 표면 또는 접힌 표면 상에 배치될 수 있다. 심지어, 디스플레이 스크린(1205)은 또한 직사각형이 아닌 불규칙적인 도형, 즉 특수한 형태의 스크린으로도 설치될 수도 있다. 디스플레이 스크린(1205)은 LCD(Liquid Crystal Display), OLED(Organic Light-Emitting Diode)와 같은 재료로 만들어질 수 있다.

카메라 어셈블리(1206)는 이미지 또는 비디오를 수집하는 데에 사용된다. 선택적으로, 카메라 어셈블리(1206)는 전면 카메라 및 후면 카메라를 포함한다. 일반적으로 전면 카메라는 컴퓨터 기기의 전면 패널에 배치되고 후면 카메라는 컴퓨터 기기 후면에 배치된다. 일부 실시예에서, 후면 카메라는 적어도 두 개인 바, 각각 메인 카메라, 피사계 심도 카메라, 광각 카메라 및 망원 카메라 중 어느 하나로서, 메인 카메라와 피사계 심도 카메라의 융합을 실현하여 배경 흐림 기능을 실현하고, 메인 카메라와 광각 카메라를 융합하여 파노라마 촬영 및 VR(Virtual Reality, 가상 현실) 촬영 기능 또는 기타 융합 촬영 기능을 구현한다. 일부 실시예에서, 카메라 어셈블리(1206)는 또한 플래시를 포함할 수 있다. 플래시는 단일 색온도 플래시 또는 이중 색온도 플래시일 수 있다. 이중 색온도 플래시는 따뜻한 빛 플래시(warm flash)와 차가운 빛 플래시(cool flash)의 조합을 말하며 서로 다른 색온도에서 빛을 보상하는 데에 사용할 수 있다.

오디오 회로(1207)는 마이크로폰 및 스피커를 포함할 수 있다. 마이크로폰은 사용자 및 환경의 음파를 수집하고, 음파를 전기 신호로 변환하여 처리를 위해 프로세서(1201)에 입력하거나, 또는 음성 통신을 실현 하기 위해 무선 주파수 회로(1204)에 입력하는 데에 사용된다. 스테레오 획득 또는 잡음 감소의 목적을 위해, 다수의 마이크로폰이 있을 수 있으며, 각각 컴퓨터 기기(1200)의 다른 부위에 배치될 수 있다. 마이크로폰은 어레이 마이크로폰 또는 무지향성 수집 마이크로폰일 수도 있다. 스피커는 프로세서(1201) 또는 무선 주파수 회로(1204)로부터 오는 전기 신호를 음파로 변환하기 위해 사용된다. 스피커는 전통적인 박막 스피커 또는 압전 세라믹 스피커일 수 있다. 스피커가 압전 세라믹 스피커인 경우 전기 신호를 사람이 들을 수 있는 음파로 변환할 수 있을 뿐만 아니라 전기 신호를 사람이 들을 수 없는 음파로 변환하여 거리 측정 응 용도로 사용할 수도 있다. 일부 실시예에서, 오디오 회로(1207)는 또한 헤드폰 잭을 포함할 수 있다.

포지셔닝 컴포넌트(1208)는 컴퓨터 기기(1200)의 현재 지리적 위치를 포지셔닝하여 내비게이션 또는 LBS(Location Based Service)를 구현한다. 포지셔닝 컴포넌트(1208)는 미국의 GPS(Global Positioning System), 중국의 베이더우(Beidou) 시스템 또는 러시아의 Galileo 시스템에 기반한 포지셔닝 컴포넌트일 수 있다.

전원(1209)은 컴퓨터 기기(1200) 중의 각 컴포넌트에 전력을 공급하는 데에 사용된다. 전원(1209)은 교류, 직류, 일회용 배터리 또는 충전 가능한 배터리일 수 있다. 전원(1209)이 충전 가능한 배터리를 포함하는 경우, 당해 충전 가능한 배터리는 유선 충전식 배터리 또는 무선 충전식 배터리일 수 있다. 유선 충전식 배터리는 유선 선로를 통해 충전되는 배터리이고, 무선 추전식 베터리는 무선 코일을 통해 충전되는 배터리이다. 당해 충전식 배터리는 고속 충전 기술을 지원하는 데에도 사용될 수 있다.

일부 실시예에서, 컴퓨터 기기(1200)는 하나 이상의 센서(1210)를 더 포함한다. 하나 이상의 센서(1210)는 가속도 센서(1211), 자이로 센서(1212), 압력 센서(1213), 지문 센서(1214), 광학 센서(1215) 및 근접 센서(1216)를 포함 하지만 이에 제한되지 않는다.

가속도 센서(1211)는 컴퓨터 기기(1200)에 의해 구축된 좌표계의 3개의 좌표축에서의 가속도의 크기를 검출할 수 있다. 예를 들어, 가속도 센서(1211)는 3개의 좌표축에서의 중력 가속도의 성분을 검출하는 데에 사용될 수 있다. 프로세서(1201)는 가속도 센서(1211)에 의해 수집된 중력 가속도 신호에 기반하여 사용자 인터페이스를 수평 뷰 또는 수직 뷰로 표시하도록 디스플레이 스크린(1205)을 제어할 수 있다. 가속도 센서(1211)는 또한 게임 또는 사용자 움직임 데이터 수집을 위해 사용될 수 있다.

자이로 센서(1212)는 컴퓨터 기기(1200)의 몸체 방향 및 회전 각도를 검출할 수 있고, 자이로 센서(1212)는 가속도 센서(1211)와 협력하여 컴퓨터 기기(1200)에 대한 사용자의 3D 동작을 수집할 수 있다. 프로세서(1201)는 자이로 센서(1212)에 의해 수집된 데이터에 기반하여 모션 감지(예를 들어 사용자의 틸트 조작에 기반하여 UI를 변경), 촬영 중의 이미지 안정화, 게임 제어 및 관성 항법과 같은 기능을 구현할 수 있다.

압력 센서(1213)는 컴퓨터 기기(1200)의 측변(side bezel) 프레임 및/또는 디스플레이 스크린(1205)의 아래 층에 배치될 수 있다. 압력 센서(1213)가 컴퓨터 기기(1200)의 측변 프레임에 배치될 경우, 컴퓨터 기기(1200)에 대한 사용자의 파지 신호를 검출할 수 있고, 프로세서(1201)는 압력 센서(1213)에 의해 수집된 파지 신호에 기반하여 왼손 및 오른손 인식 또는 단축키 조작을 수행한다. 압력 센서(1213)가 디스플레이 스크린(1205)의 아래 층에 배치될 경우, 프로세서(1201)는 디스플레이 스크린(1205)에 대한 사용자의 압력 조작에 기반하여 UI 인터페이스 상의 조작 가능한 컨트롤에 대해 제어를 수행한다. 조작 가능한 컨트롤은 버튼 컨트롤, 스크롤 바 컨트롤, 아이콘 컨트롤, 메뉴 컨트롤 중 적어도 하나를 포함한다.

지문 센서(1214)는 사용자의 지문을 수집하기 위해 사용되며, 프로세서(1201)는 지문 센서(1214)에 의해 수집된 지문에 기반하여 사용자의 신원을 인식하거나, 또는, 지문 센서(1214)는 수집된 지문에 기반하여 사용자의 신원을 인식한다. 사용자의 신원이 신뢰할 수 있는 신원으로 인식되면 프로세서(1201)는 화면 잠금 해제, 암호화된 정보 보기, 소프트웨어 다운로드, 결제 및 설정 변경 등을 포함하는 관련 민감한 작업을 수행하도록 사용자에게 권한을 부여한다. 지문 센서(1214)는 컴퓨터 기기(1200)의 전면, 후면 또는 측면에 설치될 수 있다. 컴퓨터 기기(1200)에 물리적 버튼 또는 제조사 로고가 제공되는 경우, 지문 센서(1214)는 물리적 버튼 또는 제조사 로고에 집적될 수 있다.

광 센서(1215)는 주변 빛의 세기를 수집하는 데에 사용된다. 일 실시예에서, 프로세서(1201)는 광학 센서(1215)에 의해 수집된 주변 빛의 세기에 기반하여 디스플레이 스크린(1205)의 디스플레이 밝기를 제어할 수 있다. 구체적으로, 주변 빛의 세기가 높으면 디스플레이 스크린(1205)의 디스플레이 밝기를 높이고; 주변 빛의 세기가 낮으면 디스플레이 스크린(1205)의 디스플레이 밝기를 낮춘다. 다른 일 실시예에서, 프로세서(1201)는 또한 광학 센서(1215)에 의해 수집된 주변 빛의 세기에 기반하여 카메라 어셈블리(1206)의 촬영 매개변수를 동적으로 조정할 수 있다.

근접 센서(1216)는 거리 센서로도 불리며, 일반적으로 컴퓨터 기기(1200)의 전면 패널에 설치된다. 근접 센서(1216)는 사용자와 컴퓨터 기기(1200)의 전면 사이의 거리를 수집하는 데에 사용된다. 일 실시예에서, 근접 센서(1216)가 사용자와 컴퓨터 기기(1200)의 전면 사이의 거리가 점차적으로 감소하는 것을 검출할 때, 프로세서(1201)는 디스플레이 스크린(1205)을 제어하여 밝은 스크린 상태에서 레스팅 상태로 전환하고; 근접 센서(1216)가 사용자와 컴퓨터 기기(1200)의 전면 사이의 거리가 점차적으로 증가하고 있음을 검출하면, 프로세서(1201)는 레스팅 상태에서 밝은 스크린 상태로 전환하도록 디스플레이 스크린(1205)을 제어한다.

당업자는 도 12에 도시된 구조가 컴퓨터 기기(1200)에 대한 제한을 구성하지 않고, 도시된 것보다 더 많거나 더 적은 구성요소를 포함하거나, 또는 일부 구성요소를 조합하거나, 또는 상이한 구성요소 배치를 채택할 수 있음을 이해할 수 있다.

일부 실시예에서, 컴퓨터 판독 가능 저장 매체를 더 제공하는 바, 상기 저장 매체에는 컴퓨터 프로그램이 저장되고, 상기 컴퓨터 프로그램이 프로세서에 의해 실행될 때, 전술한 실시예의 지문 생체 검출 방법의 단계가 구현된다. 예를 들어, 컴퓨터 판독 가능 저장 매체는 ROM, RAM, CD-ROM, 자기 테이프, 플로피 디스크, 광 데이터 저장 장치 등일 수 있다.

본 출원의 실시예들에서 언급된 컴퓨터 판독 가능 저장 매체는 비휘발성 저장 매체, 즉 비일시적 저장 매체일 수 있음에 유의해야 한다.

상기 실시예를 구현하는 단계의 전부 또는 일부는 소프트웨어, 하드웨어, 펌웨어 또는 이들의 임의의 조합에 의해 구현될 수 있음을 이해해야 한다. 소프트웨어로 구현하는 경우, 컴퓨터 프로그램 제품의 형태로 전체 또는 일부를 구현할 수 있다. 컴퓨터 프로그램 제품에는 하나 이상의 컴퓨터 명령이 포함된다. 상기 컴퓨터 명령은 전술한 상기 컴퓨터 판독 가능 저장 매체에 저장될 수 있다.

즉, 일부 실시예에서, 명령을 포함하는 컴퓨터 프로그램 제품을 더 제공하는 바, 이가 컴퓨터 상에서 실행될 때, 컴퓨터가 상술한 지문 생체 검출 방법의 단계를 수행하도록 한다.

위에서 언급한 본 출원의 실시예는 본 출원을 한정하려는 의도가 아니며, 본 출원의 사상 및 원리 내에서 이루어진 임의의 수정, 등가 교체, 개선 등은 모두 본 출원의 보호 범위에 포함된다.

Claims (14)

1. 지문 생체 검출 방법으로서,
   제1 지문 이미지 및 제2 지문 이미지를 획득하는 단계 - 상기 제1 지문 이미지 및 상기 제2 지문 이미지는 동일한 지문의 이미지이고, 상기 제1 지문 이미지는 레드 채널 이미지이고, 상기 제2 지문 이미지는 블루 채널 이미지임 -;
   상기 제1 지문 이미지 및 상기 제2 지문 이미지 각각에 대해 영역 분할을 수행하는 단계 - 분할된 제1 지문 이미지는 복수의 제1 예측 밝은 영역 및 복수의 제1 예측 어두운 영역을 포함하고, 분할된 제2 지문 이미지는 제2 예측 밝은 영역 및 복수의 제2 예측 어두운 영역을 포함함 -;
   상기 복수의 제1 예측 밝은 영역, 상기 복수의 제1 예측 어두운 영역, 복수의 제2 예측 밝은 영역 및 상기 복수의 제2 예측 어두운 영역에 기반하여, 다중 파티션 계조(gray level) 분포 특징 벡터를 결정하는 단계;
   상기 다중 파티션 계조 분포 특징 벡터를 지문 생체 검출 모델에 입력하여 지문 생체 검출 결과를 얻는 단계 - 상기 지문 생체 검출 모델은 생체 지문 샘플 이미지와 비생체 지문 샘플 이미지에 기반하여 지도 학습을 통해 훈련하여 얻음 -;를 포함하는 것을 특징으로 하는 지문 생체 검출 방법.
2. 제1항에 있어서,
   제1 지문 이미지 및 제2 지문 이미지를 획득하는 단계는,
   제1 원본 이미지를 획득하는 단계 - 상기 제1 원본 이미지는 그린 조명이 꺼지고 레드 조명 및 블루 조명이 켜진 상태에서 수집된 지문의 이미지임 -;
   상기 제1 원본 이미지의 레드 채널의 이미지 데이터를 추출하여 상기 제1 지문 이미지를 생성하는 단계;
   상기 제1 원본 이미지의 블루 채널의 이미지 데이터를 추출하여 제2 지문 이미지를 생성하는 단계를 포함하는 것을 특징으로 하는 지문 생체 검출 방법.
3. 제1항에 있어서,
   제1 지문 이미지 및 제2 지문 이미지를 획득하는 단계는,
   제2 원본 이미지와 제3 원본 이미지를 획득하는 단계 - 제2 원본 이미지는 그린 조명과 블루 조명이 꺼지고 레드 조명이 켜진 상태에서 수집된 지문 이미지이고, 제3 원본 이미지는 그린 조명과 레드 조명이 꺼지고, 블루 조명이 켜진 상태에서 수집된 지문 이미지임 -;
   상기 제2 원본 이미지의 레드 채널의 이미지 데이터를 추출하여 상기 제1 지문 이미지를 생성하는 단계;
   제3 원본 이미지의 블루 채널의 이미지 데이터를 추출하여 제2 지문 이미지를 생성하는 단계를 포함하는 것을 특징으로 하는 지문 생체 검출 방법.
4. 제1항에 있어서,
   상기 제1 지문 이미지 및 상기 제2 지문 이미지 각각에 대해 영역 분할을 수행하는 단계는,
   생체 지문의 레드 채널 이미지 및 블루 채널 이미지의 밝은 영역과 어두운 영역의 분포 규칙에 기반하여 파티션 매개변수를 결정하는 단계 - 파티션 매개변수는 복수의 파티션 너비 비율을 포함함 -;
   복수의 파티션 너비 비율에 기반하여, 상기 제1 지문 이미지 및 상기 제2 지문 이미지 각각에 대해 영역 분할을 수행하는 단계를 포함하는 것을 특징으로 하는 지문 생체 검출 방법.
5. 제1항 내지 제4항 중 어느 한 항에 있어서,
   상기 제1 지문 이미지와 상기 제2 지문 이미지의 이미지 크기는 동일하고, 상기 복수의 제1 예측 밝은 영역, 상기 복수의 제1 예측 어두운 영역, 복수의 제2 예측 밝은 영역 및 상기 복수의 제2 예측 어두운 영역에 기반하여, 다중 파티션 계조 분포 특징 벡터를 결정하는 단계는,
   상기 복수의 제1 예측 밝은 영역 및 상기 복수의 제2 예측 어두운 영역에 기반하여 제1 계조 특징 벡터를 결정하는 단계;
   상기 복수의 제1 예측 어두운 영역 및 상기 복수의 제2 예측 밝은 영역에 기반하여 제2 계조 특징 벡터를 결정하는 단계;
   상기 제1 계조 특징 벡터 및 상기 제2 계조 특징 벡터에 기반하여 상기 다중 파티션 계조 분포 특징 벡터를 생성하는 단계를 포함하는 것을 특징으로 하는 지문 생체 검출 방법.
6. 제5항에 있어서,
   상기 복수의 제1 예측 밝은 영역 및 상기 복수의 제2 예측 어두운 영역에 기반하여 제1 계조 특징 벡터를 결정하는 단계는,
   상기 복수의 제1 예측 밝은 영역 및 상기 복수의 제2 예측 어두운 영역 내의 각 계조값에 각각 대응하는 화소점의 수를 결정하는 단계;
   상기 복수의 제1 예측 밝은 영역 및 상기 복수의 제2 예측 어두운 영역 내의 각 계조값에 대응하는 화소점의 수에 기반하여 상기 제1 계조 특징 벡터를 생성하는 단계를 포함하는 것을 특징으로 하는 지문 생체 검출 방법.
7. 제5항에 있어서,
   상기 복수의 제1 예측 어두운 영역 및 상기 복수의 제2 예측 밝은 영역에 기반하여 제2 계조 특징 벡터를 결정하는 단계는,
   상기 복수의 제1 예측 어두운 영역 및 상기 복수의 제2 예측 밝은 영역 내의 각각의 계조값에 각각 대응하는 화소점의 수를 결정하는 단계;
   복수의 제1 예측 어두운 영역 및 복수의 제2 예측 밝은 영역 내의 각각의 계조값에 대응하는 화소점의 수에 기반하여 제2 계조 특징 벡터를 생성하는 단계를 포함하는 것을 특징으로 하는 지문 생체 검출 방법.
8. 제5항에 있어서,
   상기 복수의 제1 예측 밝은 영역 및 상기 복수의 제2 예측 어두운 영역에 기반하여 제1 계조 특징 벡터를 결정하기 전에,
   계조값 통계 범위를 획득하는 단계 - 상기 계조값 통계 범위는 수집된 상기 지문의 이미지를 수집하는 이미지 수집 장치의 노출 매개변수에 기반하여 결정됨 -;를 더 포함하고;
   상기 복수의 제1 예측 밝은 영역 및 상기 복수의 제2 예측 어두운 영역에 기반하여 제1 계조 특징 벡터를 결정하는 단계는:
   상기 계조값 통계 범위에 기반하여, 상기 복수의 제1 예측 밝은 영역 및 상기 복수의 제2 예측 어두운 영역 내의 상기 계조값 통계 범위에 있는 각 계조값에 대응하는 화소점의 수를 결정하는 단계;
   상기 복수의 제1 예측 밝은 영역 및 상기 복수의 제2 예측 어두운 영역 내의 상기 계조값 통계 범위에 있는 각 계조값에 대응하는 화소점의 수에 기반하여 상기 제1 계조 특징 벡터를 생성하는 단계를 포함하는 것을 특징으로 하는 지문 생체 검출 방법.
9. 제5항에 있어서,
   상기 제1 계조 특징 벡터 및 상기 제2 계조 특징 벡터에 기반하여 상기 다중 파티션 계조 분포 특징 벡터를 생성하는 단계는,
   상기 제1 계조 특징 벡터와 상기 제2 계조 특징 벡터를 접합하여 다중 파티션 계조 분포 특징 벡터를 얻는 단계를 포함하는 것을 특징으로 하는 지문 생체 검출 방법.
10. 제1항 내지 제9항 중 어느 한 항에 있어서,
    상기 다중 파티션 계조 분포 특징 벡터를 지문 생체 검출 모델에 입력하여 지문 생체 검출 결과를 얻는 단계 전에,
    상기 생체 지문 샘플 이미지 및 상기 비생체 지문 샘플 이미지를 획득하는 단계 - 상기 생체 지문 샘플 이미지는 그린 조명이 꺼지고, 레드 조명 및 블루 조명이 켜진 상태에서 수집된 복수의 생체 지문 샘플의 이미지를 포함하고, 상기 비생체 지문 샘플 이미지는 그린 조명 꺼지고, 레드 조명 및 블루 조명이 켜진 상태에서 수집된 복수의 비생체 지문 샘플의 이미지를 포함함 -;
    상기 생체 지문 샘플 이미지 및 비생체 지문 샘플 이미지에 기반하여 지도 학습을 통해 상기 지문 생체 검출 모델을 훈련하여 얻는 단계를 더 포함하는 것을 특징으로 하는 지문 생체 검출 방법.
11. 제1항 내지 제10항 중 어느 한 항에 있어서,
    제4 원본 이미지를 획득하는 단계 - 상기 제4 원본 이미지는 그린 조명이 켜진 상태에서 수집된 상기 지문의 이미지임 -;
    상기 제4 원본 이미지에 기반하여 지문 인식 결과를 결정하는 단계;
    상기 지문 인식 결과 및 상기 지문 생체 검출 결과에 기반하여 보안 검증 결과를 결정하는 단계를 더 포함하는 것을 특징으로 하는 지문 생체 검출 방법.
12. 지문 생체 검출 기기로서,
    상기 지문 생체 검출 기기는 이미지 수집기 및 프로세서를 포함하고, 상기 이미지 수집기는 필 조명 및 이미지 센서를 포함하고;
    상기 이미지 수집기는 제1 원본 이미지를 수집하며;
    상기 필 조명은 상기 제1 원본 이미지를 수집하는 과정에서 그린 조명을 끄고 레드 조명과 블루 조명을 켜서 이미지 센서의 빛을 채우고;
    상기 프로세서는 제1 원본 이미지를 처리하여 제1 지문 이미지 및 제2 지문 이미지를 획득하되, 상기 제1 지문 이미지는 레드 채널 이미지이고, 상기 제2 지문 이미지는 블루 채널 이미지이고; 상기 제1 지문 이미지 및 상기 제2 지문 이미지 각각에 대해 영역 분할을 수행하되, 분할된 제1 지문 이미지는 복수의 제1 예측 밝은 영역 및 복수의 제1 예측 어두운 영역을 포함하고, 분할된 제2 지문 이미지는 제2 예측 밝은 영역 및 복수의 제2 예측 어두운 영역을 포함하고; 상기 복수의 제1 예측 밝은 영역, 상기 복수의 제1 예측 어두운 영역, 복수의 제2 예측 밝은 영역 및 상기 복수의 제2 예측 어두운 영역에 기반하여, 다중 파티션 계조 분포 특징 벡터를 결정하고; 상기 다중 파티션 계조 분포 특징 벡터를 지문 생체 검출 모델에 입력하여 지문 생체 검출 결과를 얻되, 상기 지문 생체 검출 모델은 생체 지문 샘플 이미지와 비생체 지문 샘플 이미지에 기반하여 지도 학습을 통해 훈련하여 얻는 것을 특징으로 하는 지문 생체 검출 기기.
13. 제12항에 있어서,
    이미지 수집기는 제4 원본 이미지를 수집하는 데에 더 사용되고;
    상기 필 조명은 제4 원본 이미지를 수집하는 과정에서 그린 조명을 켜서 이미지 센서에 빛을 채우는 데에 더 사용되고;
    상기 프로세서는 상기 제4 원본 이미지에 기반하여 지문 인식 결과를 결정하고, 상기 지문 인식 결과 및 지문 생체 검출 결과에 기반하여 보안 검증 결과를 결정하는 데에 더 사용되는 것을 특징으로 하는 지문 생체 검출 기기.
14. 컴퓨터 판독 가능한 저장 매체로서,
    상기 저장 매체에는 컴퓨터 프로그램이 저장되고, 상기 컴퓨터 프로그램이 프로세서에 의해 실행될 때, 제1항 내지 제11항 중 어느 한 항의 방법의 단계가 구현되는 것을 특징으로 하는 컴퓨터 판독 가능 저장 매체.

Images