KR100940902B1 - The biometrics using finger geometry information - Google Patents
The biometrics using finger geometry information Download PDFInfo
- Publication number
- KR100940902B1 KR100940902B1 KR1020090042006A KR20090042006A KR100940902B1 KR 100940902 B1 KR100940902 B1 KR 100940902B1 KR 1020090042006 A KR1020090042006 A KR 1020090042006A KR 20090042006 A KR20090042006 A KR 20090042006A KR 100940902 B1 KR100940902 B1 KR 100940902B1
- Authority
- KR
- South Korea
- Prior art keywords
- finger
- feature pattern
- extracted
- region
- matching score
- Prior art date
- Legal status (The legal status 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 status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING OR CALCULATING; 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 OR CALCULATING; COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING OR CALCULATING; 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
- G06V10/42—Global feature extraction by analysis of the whole pattern, e.g. using frequency domain transformations or autocorrelation
-
- G—PHYSICS
- G06—COMPUTING OR CALCULATING; 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
- G06V10/752—Contour matching
-
- G—PHYSICS
- G06—COMPUTING OR CALCULATING; COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/12—Fingerprints or palmprints
- G06V40/1365—Matching; Classification
- G06V40/1376—Matching features related to ridge properties or fingerprint texture
-
- G—PHYSICS
- G06—COMPUTING OR CALCULATING; 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
- G06V40/14—Vascular patterns
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Security & Cryptography (AREA)
- Multimedia (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Computer Hardware Design (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Collating Specific Patterns (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
본 발명은 추출된 손가락의 기하학적 특징 패턴을 기반으로 등록된 특징 패턴과의 유사도 측정 후 베이즈(Bayes) 규칙을 사용하여 개인을 식별하거나, DTW(Dynamic Time Warping) 알고리즘, HMM(Hidden Markov Model) 알고리즘 등을 사용한 개인 식별 방법을 통해 최종적으로 개인의 신원을 판단하는 손가락 기하학 정보를 이용한 바이오 인식 방법을 제공하기 위한 것으로서, 카메라를 통해 취득된 개인의 손가락 영상에서 손가락 영역과 외곽 영역을 구분하여 손가락 영역을 추출하는 단계와, 상기 추출된 손가락 영역으로부터 손가락의 기하학적 특징 패턴을 추출하는 단계와, 상기 추출한 기하학적 특징 패턴을 기반으로 미리 등록된 개인별 특징 패턴과의 유사도를 측정하는 단계와, 상기 측정된 유사도를 기반으로 패턴 분류 알고리즘을 통해 생체인식 결과인 승인 또는 거절을 결정하는 단계를 포함하여 이루어지는데 있다.According to the present invention, after measuring the similarity with the registered feature pattern based on the extracted geometric feature pattern of the finger, the individual is identified using Bayes rule, or a Dynamic Time Warping (DTW) algorithm, a Hidden Markov Model (HMM) It is to provide a bio-recognition method using finger geometry information that finally determines an individual's identity through an individual identification method using an algorithm, etc., by dividing a finger region and an outer region in a finger image of an individual acquired through a camera. Extracting a region, extracting a geometrical feature pattern of a finger from the extracted finger region, measuring similarity with a pre-registered individual feature pattern based on the extracted geometrical feature pattern, and measuring the measured Pattern recognition algorithm based on similarity for biometric recognition Is makin comprises determining a rejection.
Description
본 발명은 손가락의 기하학적 특징 정보를 이용하여 개인을 식별할 수 있는 바이오 인식(biometrics) 방법에 관한 것으로, 특히 하나의 손가락으로부터 취득한 손가락 두께 및 그 변화 비율, 손가락 곡률 및 그 변화 비율, 손가락 부피 및 그 변화 비율 등과 같은 손가락의 기하학 특징 패턴을 이용하여 개인을 식별하는 바이오 인식 방법에 관한 것이다. BACKGROUND OF THE
일반적으로 바이오 인식(Biometrics)이란 인간의 물리적 특징을 이용함으로 개인을 인식하거나 인증하는 방법으로써, 대표적인 것이 얼굴, 지문, 홍채, 손 기하학(hand geometry), 지정맥(finger vein) 인식 등이 있다. In general, biometrics (Biometrics) is a method of recognizing or authenticating an individual by using physical characteristics of a human, and typical examples thereof are face, fingerprint, iris, hand geometry, finger vein recognition, and the like.
상기 바이오 인식 방법 중 지정맥 인식은 손가락 안의 정맥 패턴을 이용하여 개인을 식별하는 기술을 말하며, 인식 성능이 높고 사용자의 거부감이 적으며 인식시간이 빠르다는 장점을 가지고 있다. 인간의 지정맥으로 본인여부를 판별할 수 있다는 개념은 Yanagawa의 연구에 의해 입증되었다. 그리고 Miura는 240 * 180픽셀 크기의 손가락 영상의 다양한 위치에서부터 시작하는 정맥 선 추적(line tracking) 을 이용하여 뚜렷하지 않은 영상에서 지정맥 패턴을 추출하는 방법을 제안하였으며, Zhang은 ‘curvelet’과 ‘지역적 상호연결 구조 신경망(Local Interconnection Structure Neural Networks)’에 기반을 둔 지정맥 패턴 추출 방법을 제안하고 있다.Fingerprint vein recognition in the bio-recognition method refers to a technique for identifying an individual using a vein pattern in the finger, has the advantage of high recognition performance, low user rejection and fast recognition time. The concept that humans can be identified by finger vein has been demonstrated by Yanagawa's research. Miura also proposed a method for extracting finger vein patterns from inconspicuous images using vein line tracking starting from various positions of a 240 * 180 pixel finger image. A method for extracting finger vein patterns based on 'Local Interconnection Structure Neural Networks' is proposed.
그리고 최근의 연구 논문인 Miura의 연구에서는 날씨의 변화나 사람의 컨디션에 따라서 지정맥에 흐르는 혈류량이 변화하여 패턴의 굵기가 틀려질 수 있다는 사실을 밝히고 그 해결책으로 지정맥의 단면도를 4 방향으로 검사하고 그 단면도 중 영상 히스토그램을 분석(곡률 계산)하여 골짜기 모양을 추출함으로써 다양한 굵기의 정맥 패턴을 효율적으로 추출 할 수 있는 방법을 제안하고 있다. In addition, a recent research paper, Miura's research, revealed that the blood flow in the finger vein may change due to weather changes or human condition, and the thickness of the pattern may be different. In this cross-sectional view, an image histogram is analyzed (curvature calculation) to extract a valley shape and a method for efficiently extracting vein patterns of various thicknesses is proposed.
하지만 지정맥 인식은 정맥 패턴을 얻기 위해 적외선 조명 환경을 필요로 하며, 이러한 조명에 의한 영향으로 발생되는 그림자 현상(shading) 또는 조명포화(saturation) 현상으로 인해 정확한 지정맥 패턴 특징 추출의 오류가 발생되는 문제점이 있다. However, finger vein recognition requires an infrared illumination environment to obtain vein patterns, and errors in accurate finger vein pattern feature extraction occur due to shadowing or saturation caused by these lighting effects. There is a problem.
이처럼 지정맥 인식의 경우는 인식 성능이 높고 사용자의 거부감이 적으며 인식시간이 빠르다는 장점과 달리 외부 환경(날씨변화, 적외선 조명 환경 등) 및 개인의 상태 등에 따라 추출되는 지정맥이 변화될 수 있어, 정확한 지정맥 패턴 특징 추출의 문제점이 발생되고 있다. Like this, in the case of finger vein recognition, the vein extracted in accordance with external environment (weather change, infrared light environment, etc.) and individual's condition can be changed, unlike the advantage of high recognition performance, low user's rejection and fast recognition time. There is a problem of accurate finger vein pattern feature extraction.
이러한 문제점을 해결하기 위한 바이오 인식 방법 중 하나가 손 기하학 인식을 이용하여 개인을 인식하거나 인증하는 방법이 있다.One bio-recognition method for solving such a problem is a method of recognizing or authenticating an individual using hand geometry recognition.
상기 손 기하학 인식은 손을 고정시킬 수 있는 장비를 이용하여 손 영상을 취득한 후에 손의 외형적인 특징을 이용하여 개인을 식별하는 기술을 말한다[Anil K. Jain, Arun Ross, and Sharath Pankanti, "A Prototype Hand Geometry -based Verification System,” Proc. of 2nd Int'l Conference on Audio- and Video-based Biometric Person Authentication (AVBPA), pp. 166-171, 1999.]. The hand geometry recognition refers to a technique for identifying an individual using an external feature of a hand after acquiring a hand image using a device capable of fixing the hand [Anil K. Jain, Arun Ross, and Sharath Pankanti, "A Prototype Hand Geometry-based Verification System, ”Proc. Of 2nd Int'l Conference on Audio- and Video-based Biometric Person Authentication (AVBPA), pp. 166-171, 1999.].
그러나 이러한 종래의 손 기하학 인식은 세밀한 손가락 형태 정보를 이용하는 손가락 기하학 인식과는 달리 손의 전체적인 윤곽에 의한 형태 특징 정보를 사용하며, 전체 손 영상을 취득하기 위해 부피가 큰 장비를 필요로 하는 단점이 있다. 그리고 현재 기술에서는 손가락의 기하학 특징 정보를 사용한 바이오 인식 장치 혹은 알고리즘에 관한 연구는 진행된 바 없다.However, the conventional hand geometry recognition, unlike the finger geometry recognition using detailed finger shape information, uses shape feature information based on the overall outline of the hand, and has a disadvantage of requiring a bulky device to acquire the entire hand image. have. In the current technology, no research has been conducted on biometric devices or algorithms using the geometric feature information of the finger.
따라서 본 발명은 상기와 같은 문제점을 해결하기 위해 안출한 것으로서, 추출된 손가락의 기하학적 특징 패턴을 기반으로 등록된 특징 패턴과의 유사도 측정 후 베이즈(Bayes) 규칙을 사용하여 개인을 식별하거나, DTW(Dynamic Time Warping) 알고리즘, HMM(Hidden Markov Model) 알고리즘 등을 사용한 개인 식별 방법을 통해 최종적으로 개인의 신원을 판단하는 손가락 기하학 정보를 이용한 바이오 인식 방법을 제공하는데 그 목적이 있다.Therefore, the present invention has been made to solve the above problems, based on the geometric feature pattern of the extracted finger after measuring the similarity with the registered feature pattern to identify the individual using Bayes rule, or DTW It is an object of the present invention to provide a biometric recognition method using finger geometry information that finally determines an individual's identity through a personal identification method using a Dynamic Time Warping algorithm and a Hidden Markov Model algorithm.
본 발명의 다른 목적은 본 발명은 위에서 추출된 손가락 기하학 특징 패턴과 지문 인식 또는 지정맥 인식의 결합을 통해 인식 성능을 향상시키거나, 또는 이와 함께 스코어 레벨에서의 결합을 통해서 인식 성능을 향상시킬 수 있는 손가락 기하 학 정보를 이용한 바이오 인식 방법을 제공하는데 있다.Another object of the present invention is to improve the recognition performance through the combination of the finger geometrical feature pattern extracted from the above and the fingerprint recognition or finger vein recognition, or may be combined with the score level to improve the recognition performance. The present invention provides a biometric recognition method using finger geometry information.
본 발명의 또 다른 목적은 MAX 규칙(rule), MIN 규칙, SUM 규칙, 가중치(Weighted) SUM 규칙, 신경망 회로(Neural Network), SVM(Support Vector Machine) 등의 방법을 사용한 스코어 레벨에서의 결합을 통해서 인식 성능을 향상시킬 수 있는 손가락 기하학 정보를 이용한 바이오 인식 방법을 제공하는데 있다.Another object of the present invention is to combine at the score level using methods such as MAX rule, MIN rule, SUM rule, Weighted SUM rule, Neural Network, Support Vector Machine (SVM), etc. The present invention provides a biometric recognition method using finger geometry information that can improve recognition performance.
본 발명의 또 다른 목적은 둘 이상의 손가락 기하학 특징 벡터 결합 등을 통해 손가락 기하학 인식의 정확도를 향상시킬 수 있는 손가락 기하학 정보를 이용한 바이오 인식 방법을 제공하는데 있다.It is still another object of the present invention to provide a biometric recognition method using finger geometry information capable of improving the accuracy of finger geometry recognition by combining two or more finger geometry feature vectors.
상기와 같은 목적을 달성하기 위한 본 발명에 따른 손가락 기하학 정보를 이용한 바이오 인식 방법의 특징은 카메라를 통해 취득된 개인의 손가락 영상에서 손가락 영역과 외곽 영역을 구분하여 손가락 영역을 추출하는 단계와, 상기 추출된 손가락 영역으로부터 손가락의 기하학적 특징 패턴을 추출하는 단계와, 상기 추출한 기하학적 특징 패턴을 기반으로 미리 등록된 개인별 특징 패턴과의 유사도를 측정하는 단계와, 상기 측정된 유사도를 기반으로 패턴 분류 알고리즘을 통해 생체인식 결과인 승인 또는 거절을 결정하는 단계를 포함하는데 있다.A feature of the biorecognition method using the finger geometry information according to the present invention for achieving the above object is the step of extracting the finger region by dividing the finger region and the outer region in the finger image of the individual acquired through the camera, Extracting a geometrical feature pattern of a finger from the extracted finger region, measuring a similarity with a pre-registered individual feature pattern based on the extracted geometrical feature pattern, and using a pattern classification algorithm based on the measured similarity Determining approval or rejection as a result of biometrics.
상기와 같은 목적을 달성하기 위한 본 발명에 따른 손가락 기하학 정보를 이용한 바이오 인식 방법의 다른 특징은 카메라를 통해 취득된 개인의 손가락 영상에서 손가락 영역과 외곽 영역을 구분하여 손가락 영역을 추출하는 단계와, 상기 추출된 손가락 영역으로부터 손가락의 기하학적 특징 패턴을 추출하는 단계와, 상기 추출된 손가락 영역으로부터 지문 특징 패턴 또는 지정맥 특징 패턴을 추출하는 단계와, 상기 추출된 손가락 기하학 특징 패턴과 지문 특징 패턴 또는 지정맥 특징 패턴을 결합하여 결합 특징 패턴을 생성하는 단계와, 상기 생성한 결합 특징 패턴을 기반으로 미리 등록된 개인별 특징 패턴과의 유사도를 측정하는 단계와, 상기 측정된 유사도를 기반으로 패턴 분류 알고리즘을 통해 생체인식 결과인 승인 또는 거절을 결정하는 단계를 포함하는데 있다.Another feature of the biometric method using finger geometry information according to the present invention for achieving the above object is the step of extracting the finger region by dividing the finger region and the outer region from the finger image of the individual acquired through the camera; Extracting a geometrical feature pattern of a finger from the extracted finger region, extracting a fingerprint feature pattern or a finger vein feature pattern from the extracted finger region, and extracting the extracted finger geometrical feature pattern and the fingerprint feature pattern or designation Combining the MAC feature patterns to generate a combined feature pattern, measuring similarity with a pre-registered individual feature pattern based on the generated combined feature pattern, and performing a pattern classification algorithm based on the measured similarity To determine approval or rejection as a result of biometrics. The can includes.
상기와 같은 목적을 달성하기 위한 본 발명에 따른 손가락 기하학 정보를 이용한 바이오 인식 방법의 또 다른 특징은 카메라를 통해 취득된 개인의 손가락 영상에서 손가락 영역과 외곽 영역을 구분하여 손가락 영역을 추출하는 단계와, 상기 추출된 손가락 영역으로부터 손가락의 기하학적 특징 패턴을 추출하는 단계와, 상기 추출한 기하학적 특징 패턴을 기반으로 미리 등록된 개인별 특징 패턴과의 유사도를 측정하여 제 1 매칭 스코어를 산출하는 단계와, 상기 추출된 손가락 영역으로부터 지문 특징 패턴 또는 지정맥 특징 패턴을 추출하는 단계와, 상기 추출한 지문 특징 패턴 또는 지정맥 특징 패턴을 기반으로 미리 등록된 개인별 특징 패턴과의 유사도를 측정하여 제 2 매칭 스코어를 산출하는 단계와, 상기 산출한 제 1 매칭 스코어 및 제 2 매칭 스코어를 결합하여 제 3 매칭 스코어를 생성하는 단계와, 상기 생성한 제 3 매칭 스코어를 기반으로 패턴 분류 알고리즘을 통해 생체인식 결과인 승인 또는 거절을 결정하는 단계를 포함하는데 있다.Another feature of the biometric recognition method using finger geometry information according to the present invention for achieving the above object is the step of extracting the finger region by dividing the finger region and the outer region from the finger image of the individual acquired through the camera; Extracting a geometrical feature pattern of a finger from the extracted finger region, calculating a first matching score by measuring similarity with a pre-registered individual feature pattern based on the extracted geometrical feature pattern, and extracting Extracting a fingerprint feature pattern or a finger vein feature pattern from the detected finger region, and calculating a second matching score by measuring similarity with a pre-registered individual feature pattern based on the extracted fingerprint feature pattern or finger vein feature pattern And calculating the calculated first matching score and second matching Through the steps of combining a core generating a third match score, the generating a first pattern classification algorithm based on the 3 match score is for determining a biometric result of approval or rejection.
바람직하게 상기 손가락의 기하학적 특징 패턴은 손가락 두께 및 그 변화 비율, 손가락 곡률 및 그 변화 비율, 손가락 부피 및 그 변화 비율 중 적어도 하나 이상인 것을 특징으로 한다.Preferably, the geometrical feature pattern of the finger is at least one or more of a finger thickness and its rate of change, a finger curvature and its rate of change, a finger volume and its rate of change.
바람직하게 상기 손가락 기하학 특징 패턴의 추출은 상기 추출된 손가락 영역에서 손가락의 두께를 산출하고, 이중 두께가 가장 두꺼운 부분을 검색하는 단계와, 상기 검색된 손가락의 두께가 가장 두꺼운 부분의 위치에서 손가락 끝부분까지의 거리를 산출하는 단계와, 상기 추출된 손가락 영역에서 손가락의 평균 곡률(mean curvature)을 산출하는 단계와, 상기 추출된 손가락 영역을 소정 간격으로 적어도 2개 이상의 손가락 두께를 산출하는 단계와, 상기 산출된 손가락 두께의 이웃하는 손가락 두께와의 두께 편차를 계산하여 손가락 두께의 변화 비율을 산출하는 단계를 포함하는 것을 특징으로 한다.Preferably, the extraction of the finger geometry feature pattern calculates the thickness of the finger in the extracted finger region, searching for the thickest portion of the double thickness, and the finger tip at the position of the thickest portion of the detected finger thickness. Calculating a distance to the finger; calculating a mean curvature of a finger in the extracted finger region; calculating at least two finger thicknesses of the extracted finger region at predetermined intervals; And calculating a change rate of the finger thickness by calculating a thickness deviation of the calculated finger thickness with a neighboring finger thickness.
이상에서 설명한 바와 같은 본 발명에 따른 손가락 기하학 정보를 이용한 바이오 인식 방법은 다음과 같은 효과가 있다.The biometric recognition method using finger geometry information according to the present invention as described above has the following effects.
첫째, 하나의 손가락에서 취득한 기하학 정보를 이용하기 때문에 기존 손의 전체적인 윤곽에 의한 형태 특징 정보를 사용하는 손 기하학 인식 장비에 비해 작은 크기의 손가락 기하학 인식 장비를 구현할 수 있는 효과가 있다.First, since the geometric information acquired from one finger is used, it is possible to implement a finger geometry recognition device having a smaller size than a hand geometry recognition device using shape feature information based on the overall contour of the existing hand.
둘째, 손가락 기하학 특징 패턴과 지문 인식 또는 지정맥 인식의 결합을 통해 인식 성능을 향상시킬 수 있으며, 또한 스코어 레벨에서의 결합을 통해서도 인식 성능을 향상시킬 수 있는 효과가 있다.Second, the recognition performance can be improved by combining the finger geometric feature pattern and the fingerprint recognition or the finger vein recognition, and also the recognition performance can be improved by combining at the score level.
셋째, 기존 지정맥 인식의 경우에는 적외선 조명을 요구하기 때문에 핸드폰과 같은 모바일 환경에 곧바로 적용하기 어려운 반면에, 손가락 기하학 인식의 경 우에는 기존의 핸드폰 카메라를 사용하여 쉽게 적용 가능하다는 효과가 있다.Third, the existing finger vein recognition requires an infrared light, so it is difficult to apply it directly to a mobile environment such as a cell phone, while the finger geometry recognition can be easily applied using an existing cell phone camera.
넷째, 지문 인식 또는 지정맥 인식의 특징 패턴과의 특징 레벨에서의 결합을 통해 인식 성능을 향상시킬 수 있다.Fourth, the recognition performance may be improved by combining at the feature level with the feature pattern of fingerprint recognition or finger vein recognition.
다섯째, MAX 규칙(rule), MIN 규칙, SUM 규칙, 가중치(Weighted) SUM 규칙, 신경망 회로(Neural Network), SVM(Support Vector Machine) 등의 방법을 사용한 스코어 레벨에서의 결합을 통해서 인식 성능을 향상시킬 수 있다.Fifth, the recognition performance is improved by combining at the score level using methods such as MAX rule, MIN rule, SUM rule, Weighted SUM rule, Neural Network, and Support Vector Machine (SVM). You can.
여섯째, 출입통제, 금융결제, 국경통제 등 다양한 분야에서 사용될 수 있으며, 기존의 지문 또는 지정맥 인식 알고리즘과의 결합을 통해 인식 성능을 향상시킴으로써 높은 신뢰성을 확보할 수 있으며, 이러한 높은 신뢰성을 바탕으로 보안이 중요한 곳에 널리 사용될 수 있으며, 다양한 시장성을 확보하게 된다.Sixth, it can be used in various fields such as access control, financial settlement, border control, etc., and it is possible to secure high reliability by improving recognition performance by combining with existing fingerprint or finger vein recognition algorithm. It can be widely used where security is important and secures various marketability.
본 발명의 다른 목적, 특성 및 이점들은 첨부한 도면을 참조한 실시예들의 상세한 설명을 통해 명백해질 것이다.Other objects, features and advantages of the present invention will become apparent from the following detailed description of embodiments with reference to the accompanying drawings.
본 발명에 따른 손가락 기하학 정보를 이용한 바이오 인식 방법의 바람직한 실시예에 대하여 첨부한 도면을 참조하여 설명하면 다음과 같다. 그러나 본 발명은 이하에서 개시되는 실시예에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있으며, 단지 본 실시예는 본 발명의 개시가 완전하도록하며 통상의 지식을 가진자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이다. 따라서, 본 명세서에 기재된 실시예와 도면에 도시된 구성은 본 발명의 가장 바람직한 일 실시예에 불과할 뿐이고 본 발명의 기술적 사상을 모두 대변하는 것은 아니므로, 본 출 원시점에 있어서 이들을 대체할 수 있는 다양한 균등물과 변형예들이 있을 수 있음을 이해하여야 한다.A preferred embodiment of a biometric recognition method using finger geometry information according to the present invention will be described with reference to the accompanying drawings. However, the present invention is not limited to the embodiments disclosed below, but can be implemented in various different forms, only the embodiments to complete the disclosure of the present invention and complete the scope of the invention to those skilled in the art. It is provided to inform you. Therefore, the embodiments described in the specification and the drawings shown in the drawings are only the most preferred embodiment of the present invention and do not represent all of the technical idea of the present invention, it is possible to replace them in the present application point It should be understood that there may be various equivalents and variations.
제 1 실시예First embodiment
도 1 은 본 발명의 제 1 실시예에 따른 손가락 기하학 정보를 이용한 바이오 인식 방법을 설명하기 위한 흐름도이다.1 is a flowchart illustrating a biometric recognition method using finger geometry information according to a first embodiment of the present invention.
도 1을 참조하여 설명하면, 먼저 카메라를 통해 인식하거나 인증하고자 하는 개인의 손가락 영상을 취득한다(S100). 이때 취득되는 손가락 영상은 기존 손 기하학 인식에 따른 손 전체의 윤곽에 의한 영상이 아닌 세밀한 손가락의 한두 마디의 영상을 취득한다. Referring to FIG. 1, first, a finger image of an individual to be recognized or authenticated through a camera is acquired (S100). At this time, the acquired finger image acquires an image of one or two words of a fine finger, not an image of the entire outline of the hand according to the existing hand geometry recognition.
이어, 상기 취득된 개인의 손가락 영상에서 손가락 영역과 외곽 영역을 구분하여 손가락 영역만을 추출한다(S200). Subsequently, only the finger region is extracted by dividing the finger region and the outer region from the acquired finger image (S200).
이때, 상기 손가락 영역을 추출하기 위한 방법으로는 손가락 영역을 추출하는 방법으로는 소벨(sobel) 및 라플라시안(laplacian) 경계 검출 마스크, Canny 경계 검출 방법 등을 이용하여 손가락의 외곽 경계라인을 검출함으로써 손가락 영역과 배경 영역을 구분하여 경계라인을 검출한다. 그리고 이렇게 검출된 경계라인을 통해 외광 영역이 제거된 손가락 영역만을 추출한다. In this case, as a method for extracting the finger region, a finger region is extracted by detecting an outer boundary line of the finger using a sobel and laplacian boundary detection mask and a Canny boundary detection method. The boundary line is detected by dividing the region from the background region. Then, only the finger region from which the external light region is removed through the detected boundary line is extracted.
즉, 도 4a 및 도 4b와 같이 위쪽 손가락 영역의 경계점을 검출하기 위한 마스크와 아래쪽 손가락 영역 경계점을 검출하기 위한 마스크를 이용하여 손가락의 외곽(-1) 및 내곽(+1) 경계라인을 검출한다. 그리고 이렇게 검출된 경계라인을 통해 외곽 영역이 제거된 손가락 영역만을 추출하게 된다. That is, as shown in FIGS. 4A and 4B, the outer boundary (-1) and inner (+1) boundary lines of the finger are detected using a mask for detecting the boundary point of the upper finger region and a mask for detecting the lower finger region boundary point. . Only the finger region from which the outer region is removed through the detected boundary line is extracted.
이어 상기 추출된 손가락 영역으로부터 손가락의 세밀한 기하학적 특징 패턴을 추출한다(S300). 이때 상기 기하학적 특징 패턴은 손가락 두께 및 그 변화 비율, 손가락 곡률 및 그 변화 비율, 손가락 부피 및 그 변화 비율 등을 말한다.Subsequently, the detailed geometric feature pattern of the finger is extracted from the extracted finger region (S300). In this case, the geometric feature pattern refers to a finger thickness and a change rate thereof, a finger curvature and a change rate thereof, a finger volume and a change rate thereof, and the like.
도 5a 및 도 5b는 본 발명의 손가락 기하학 정보를 이용한 바이오 인식 방법을 이용하여 손가락 기하학 특징 패턴의 추출방법을 설명하기 위한 실시예이다.5A and 5B illustrate an exemplary method for extracting a finger geometry feature pattern using a biometric method using finger geometry information according to the present invention.
먼저 도 5a와 같이, 추출된 손가락 영역(10)에서 손가락의 두께를 산출하고, 이 중 손가락의 두께가 가장 두꺼운 부분(20)을 검색한다. 이어 상기 검색된 손가락이 가장 두꺼운 위치에서 손가락 끝부분까지의 거리(30)를 산출한다. 그리고 손가락의 평균 곡률(mean curvature)(40)을 산출한다. 상기 평균 곡률은 표면 위의 한 점의 곡률(curvature)이 표면의 굴곡의 정도를 표현하는데, 그 방향에 곡률의 굴곡은 다 다를 것이다. 그 중 가장 큰 값과 가장 작은 값을 평균 낸 것을, 평균 곡률이라고 정의한다.First, as shown in FIG. 5A, the thickness of the finger is calculated in the extracted
이처럼 추출된 손가락 영역(10)에서 기하학적 특징 패턴인 손가락 두께, 손가락 곡률, 손가락 부피 등을 각각 추출한다.In the extracted
이어 도 5b와 같이, 추출된 손가락 영역(10)을 소정 간격 단위로 적어도 2개 이상(tn, tn-1, ..., t2, t1, t0)의 손가락 두께를 산출한다. Subsequently, as illustrated in FIG. 5B, finger thicknesses of at least two or more (t n , t n-1 , ..., t 2 , t 1 , t 0 ) of the extracted
그리고 상기 산출된 손가락 두께의 이웃하는 손가락 두께의 두께 편차(T)를 다음 수학식 1과 같이 계산하여 손가락 두께의 변화 비율을 산출한다. Then, the thickness variation T of the neighboring finger thickness of the calculated finger thickness is calculated as in
이때, 상기
수학식 1에서 설명된 실시예는 손가락의 두께의 변화 비율만을 설명하고 있지만, 도 5a에서 추출된 손가락 곡률, 손가락 부피도 수학식 1을 이용하면 동일한 방법으로 각각의 변화 비율을 산출할 수 있다.Although the embodiment described in
따라서 수학식 1을 이용하여 추출된 손가락 영역(10)에서 기하학적 특징 패턴인 손가락 두께의 변화 비율, 손가락 곡률의 변화 비율, 손가락 부피의 변화 비율을 각각 추출한다.Therefore, in the
이렇게 추출한 상기 기하학적 특징 패턴을 기반으로 미리 등록된 개인별 특징 패턴과의 유사도를 측정한다(S400). 즉, 개인 식별을 위한 사용자의 손가락에서 미리 추출한 손가락의 기하학 특징 패턴(위와 동일한 방법으로 추출)을 저장부에 미리 데이터베이스화하여 저장한 후, 위와 같이 인식을 위해 취득된 손가락 영상(10)을 통해 추출된 손가락 기하학 특징 패턴을 기하학적 특징 패턴별로, 즉 손가락 두께 및 그 변화 비율, 손가락 곡률 및 그 변화 비율, 손가락 부피, 손가락 두께의 변화 비율로 서로 매칭시켜 유사도를 측정한다.Based on the geometric feature pattern extracted as described above, the similarity with the individual feature pattern registered in advance is measured (S400). That is, the geometric feature pattern of the finger extracted from the user's finger for personal identification (extracted in the same manner as above) is stored in the storage unit in advance in a database, and then stored through the
그리고 상기 측정된 유사도를 기반으로 패턴 분류 알고리즘을 통해 생체인식 결과인 승인 또는 거절을 결정한다(S500). 이때 상기 패턴 분류 알고리즘으로는 베 이즈(Bayes) 규칙을 사용하여 개인을 식별하거나, 입력 패턴의 양자화 과정을 통해 사전에 구성된 코드북의 패턴들에 대한 시간정합 기술을 적용한 DTW(Dynamic Time Warping) 알고리즘과, 확률모델링기법에 의해 시간적인 동작특성을 확률상 정적특성으로 분석하는 HMM(Hidden Markov Model) 알고리즘 등이 사용되며, 이를 사용함으로써 최종적인 생체 인식 결과를 얻게 된다. Then, based on the measured similarity, a pattern classification algorithm determines whether to accept or reject a biometric result (S500). At this time, the pattern classification algorithm includes a DTW (Dynamic Time Warping) algorithm using a Bayes rule to identify an individual or a time matching technique for pre-configured codebook patterns through a quantization process of an input pattern. For example, HMM (Hidden Markov Model) algorithm, which analyzes temporal motion characteristics as stochastic static characteristics by probability modeling technique, is used.
한편, 본 발명은 위에서 추출된 손가락 기하학 특징 패턴과 지문 인식 또는 지정맥 인식의 결합을 통해 인식 성능을 향상시킬 수 있다. 또한 이와 함께 스코어 레벨에서의 결합을 통해서도 인식 성능을 향상시킬 수 있다. On the other hand, the present invention can improve the recognition performance through the combination of the finger geometry feature pattern extracted from the fingerprint recognition or finger vein recognition. In addition, recognition performance can be improved by combining at the score level.
이와 같이 손가락 기하학 특징 패턴과 지문 인식 또는 지정맥 인식의 결합을 이용한 바이오 인식 방법 및 손가락 기하학 특징 패턴 및 스코어 레벨과 지문 인식 또는 지정맥 인식의 결합을 이용한 바이오 인식 방법을 첨부한 도면을 참조하여 각각 상세히 설명하면 다음과 같다. 참고로 도 1과 동일한 참조부호는 동일한 기능을 수행하는 동일한 부재를 지칭한다. Thus, with reference to the accompanying drawings, a biometric recognition method using a combination of a finger geometry feature pattern and fingerprint recognition or finger vein recognition and a biometric recognition method using a combination of finger geometry feature pattern and score level and fingerprint recognition or finger vein recognition, respectively. It will be described in detail as follows. For reference, the same reference numerals as in FIG. 1 refer to the same member performing the same function.
제 2 실시예Second embodiment
도 2 는 본 발명의 제 2 실시예에 따른 손가락 기하학 특징 패턴과 지문 인식 또는 지정맥 인식의 결합을 이용한 바이오 인식 방법을 설명하기 위한 흐름도이다.2 is a flowchart illustrating a biometric recognition method using a combination of a finger geometry feature pattern and fingerprint recognition or finger vein recognition according to a second embodiment of the present invention.
도 2를 참조하여 설명하면, 먼저 도 1의 S100 및 S200의 단계와 동일한 단계를 통해 카메라를 통해 인식하거나 인증하고자 하는 개인의 손가락 영상을 취득하고(S100), 상기 취득된 개인의 손가락 영상에서 손가락 영역과 외곽 영역을 구분하 여 손가락 영역만을 추출한다(S200). Referring to FIG. 2, first, a finger image of an individual to be recognized or authenticated through a camera is acquired through the same steps as S100 and S200 of FIG. 1 (S100), and a finger is obtained from the acquired finger image of the individual. The finger region is extracted by dividing the region from the outer region (S200).
이어 상기 추출된 손가락 영역으로부터 손가락의 세밀한 기하학적 특징 패턴을 추출한다(S300). 이때 상기 기하학적 특징 패턴의 추출은 위에서 도 5a 및 도 5b를 참조하여 설명하고 있는 것과 같은 방법을 이용하여 손가락 두께 및 그 변화 비율, 손가락 곡률 및 그 변화 비율, 손가락 부피 및 그 변화 비율 등을 추출한다.Subsequently, the detailed geometric feature pattern of the finger is extracted from the extracted finger region (S300). At this time, the extraction of the geometric feature pattern is performed using the same method as described above with reference to FIGS. 5A and 5B to extract the finger thickness and the change rate, the finger curvature and the change rate, the finger volume and the change rate. .
아울러, 상기 추출된 손가락 영역으로부터 지문 특징 패턴 또는 지정맥 특징 패턴을 추출한다(S310). 이때 상기 지문 특징 패턴의 추출 방법은 지문의 융선을 읽어내는 지문 센서를 통해 얻어지는 손가락 표면의 요철을 2차원적인 디지털 화상으로 변환하여 그 패턴의 특징을 추출하게 된다. 그리고 지정맥 특징 패턴의 추출방법은 근적외선 조사장치와 적외선 카메라를 이용하여 손가락의 정맥 위치를 검출한 후, 이를 기반으로 지정맥의 패턴 특징을 추출하게 된다. 상기 지문 특징 패턴 및 지정맥 특징 패턴을 추출하는 방법은 이미 공지된 기술로 다양한 실시예가 가능함을 이해할 수 있을 것이다.In addition, a fingerprint feature pattern or a finger vein feature pattern is extracted from the extracted finger region (S310). At this time, the extraction method of the fingerprint feature pattern is to convert the irregularities of the surface of the finger obtained through the fingerprint sensor for reading the ridge of the fingerprint into a two-dimensional digital image to extract the feature of the pattern. And the extraction method of finger vein feature pattern is to detect the vein position of the finger by using a near-infrared irradiator and infrared camera, and then extract the pattern feature of the finger vein based on this. The fingerprint feature pattern and the finger vein feature pattern extraction method will be understood that various embodiments are possible by known techniques.
그리고 상기 추출된 손가락 기하학 특징 패턴과 지문 특징 패턴 또는 지정맥 특징 패턴을 LDA(Linear Discriminant Analysis), PCA(Principal Component Analysis) 등을 사용하여 도 6(a)와 같은 행렬식을 갖는 손가락 기하학 특징 패턴과 도 6(b)와 같은 코드 및 좌표값 등을 갖는 지문 특징 패턴 또는 지정맥 특징 패턴(b)을 결합하여 도 6(c)와 같은 또 다른 행렬식의 결합 특징 패턴을 생성한다(S320). The extracted finger geometrical feature pattern, the fingerprint feature pattern or the finger vein feature pattern may be used for the finger geometrical feature pattern having the determinant as shown in FIG. 6 (a) using LDA (Linear Discriminant Analysis), PCA (Principal Component Analysis), and the like. A fingerprint feature pattern or a finger vein feature pattern (b) having a code and a coordinate value as shown in FIG. 6 (b) is combined to generate another combined feature pattern of another determinant as shown in FIG. 6 (c) (S320).
참고로, 상기 LDA는 분산 벡터를 구성하는 과정에서 within-class는 최소화 하고, between-class는 최대화시키는 방향으로 선형 변환을 시킨 후 분산 벡터를 학습하는 것으로 특징 공간에서 특징 벡터들의 사영들 중에서 클래스 분리를 최대화하는 선형 부공간을 찾아내는 방법을 말한다. 그리고 상기 PCA는 주성분 분석법이라 하는데, 이는 등록되는 영상들이 고유공간에서의 새 좌표계로 변환되어 저장되며, 후에 인식시에는 새로 들어온 영상들을 상기 고유공간 상의 좌표계로 변환하여 그 둘 사이의 떨어진 거리를 측정함으로써 일치 여부를 결정하는 방법을 말한다.For reference, the LDA classifies among the projections of feature vectors in the feature space by learning a distribution vector after minimizing within-class and minimizing within-class in the process of constructing a variance vector and maximizing between-class. A method of finding linear subspaces that maximize The PCA is called Principal Component Analysis. This means that the registered images are converted into a new coordinate system in the eigenspace and stored. This is how you determine the match.
이렇게 생성한 결합 특징 패턴을 기반으로 미리 등록된 개인별 특징 패턴과의 유사도를 측정한다(S410). 즉, 개인 식별을 위한 사용자의 손가락에서 미리 추출한 손가락의 기하학 특징 패턴(위와 동일한 방법으로 추출) 및 지문 특징 패턴 또는 지정맥 특징 패턴을 결합한 결합 특징 패턴을 저장부에 미리 데이터베이스화하여 저장한 후, 위와 같이 인식을 위해 생성한 결합 특징 패턴을 미리 저장된 결합 특징 패턴과 서로 매칭시켜 유사도를 측정한다.Based on the combined feature pattern generated as described above, the similarity with the individual feature pattern registered in advance is measured (S410). That is, after storing the database in the storage in advance the database of the combination of the geometric feature pattern of the finger (extracted in the same manner as above) and the fingerprint feature pattern or finger vein feature pattern extracted from the user's finger for personal identification. The similarity is measured by matching the combined feature pattern generated for recognition with the previously stored combined feature pattern as described above.
그리고 상기 측정된 유사도를 기반으로 패턴 분류 알고리즘을 통해 생체인식 결과인 승인 또는 거절을 결정한다(S500). 이때 상기 패턴 분류 알고리즘으로는 베이즈(Bayes) 규칙을 사용하여 개인을 식별하거나, 입력 패턴의 양자화 과정을 통해 사전에 구성된 코드북의 패턴들에 대한 시간정합 기술을 적용한 DTW(Dynamic Time Warping) 알고리즘과, 확률모델링기법에 의해 시간적인 동작특성을 확률상 정적특성으로 분석하는 HMM(Hidden Markov Model) 알고리즘 등이 사용되며, 이를 사용함으로써 최종적인 생체 인식 결과를 얻게 된다. Then, based on the measured similarity, a pattern classification algorithm determines whether to accept or reject a biometric result (S500). At this time, the pattern classification algorithm includes a DTW (Dynamic Time Warping) algorithm using a Bayes rule to identify an individual or a time matching technique for pre-configured codebook patterns through a quantization process of an input pattern. For example, HMM (Hidden Markov Model) algorithm, which analyzes temporal motion characteristics as stochastic static characteristics by probability modeling technique, is used.
제 3 실시예Third embodiment
도 3 은 본 발명의 제 3 실시예에 따른 손가락 기하학 특징 패턴의 스코어 레벨과 지문 인식 또는 지정맥 인식의 스코어 레벨의 결합을 이용한 바이오 인식 방법을 설명하기 위한 흐름도이다.3 is a flowchart illustrating a biometric recognition method using a combination of a score level of a finger geometry feature pattern and a score level of fingerprint recognition or finger vein recognition according to a third embodiment of the present invention.
도 3을 참조하여 설명하면, 먼저 도 1의 S100 및 S200의 단계와 동일한 단계를 통해 카메라를 통해 인식하거나 인증하고자 하는 개인의 손가락 영상을 취득하고(S100), 상기 취득된 개인의 손가락 영상에서 손가락 영역과 외곽 영역을 구분하여 손가락 영역만을 추출한다(S200). Referring to FIG. 3, first, a finger image of an individual to be recognized or authenticated through a camera is acquired through the same steps as S100 and S200 of FIG. 1 (S100), and a finger is obtained from the acquired finger image of the individual. The finger region is extracted only by dividing the region from the outer region (S200).
이어 상기 추출된 손가락 영역으로부터 손가락의 세밀한 기하학적 특징 패턴을 추출한다(S300). 이때 상기 기하학적 특징 패턴의 추출은 위에서 도 5a 및 도 5b를 참조하여 설명하고 있는 것과 같은 방법을 이용하여 손가락 두께 및 그 변화 비율, 손가락 곡률 및 그 변화 비율, 손가락 부피 및 그 변화 비율 등을 추출한다.Subsequently, the detailed geometric feature pattern of the finger is extracted from the extracted finger region (S300). At this time, the extraction of the geometric feature pattern is performed using the same method as described above with reference to FIGS. 5A and 5B to extract the finger thickness and the change rate, the finger curvature and the change rate, the finger volume and the change rate. .
그리고 이렇게 추출한 상기 기하학적 특징 패턴을 기반으로 미리 등록된 개인별 특징 패턴과의 유사도를 측정하여 제 1 매칭 스코어를 산출한다(S420). 상기 제 1 매칭 스코어는 미리 등록된 개인별 특징 패턴과 추출한 기하학적 특징 패턴을 특징 패턴별로, 즉 손가락 두께 및 그 변화 비율, 손가락 곡률 및 그 변화 비율, 손가락 부피, 손가락 두께의 변화 비율 등에 따른 유사도의 정도에 따라 미리 정의된 적어도 2개 이상의 레벨로 분류한 값을 말한다. 일 실시예로, 유사도가 서로 일치하는 경우의 제 1 매칭 스코어를 ‘1’로 정의하고, 유사도가 전혀 없는 경우의 제 1 매칭 스코어를 ‘0’으로 정의하고, 이후 유사도가 높을수록 제 1 매칭 스코 어를 1의 값에 점점 가깝게 정의하고, 유사도가 낮을수록 제 1 매칭 스코어를 0의 값에 점점 가깝게 정의한다. The first matching score is calculated by measuring similarity with a feature pattern registered in advance based on the geometric feature pattern extracted in this way (S420). The first matching score is a degree of similarity according to the personal feature pattern and the extracted geometric feature pattern that are registered in advance according to the feature pattern, that is, the finger thickness and the change rate, the finger curvature and the change rate, the finger volume, and the change rate of the finger thickness. According to the said value is classified into at least two or more levels. In an embodiment, the first matching score when the similarities match each other is defined as '1', the first matching score when no similarity is defined as '0', and then the higher the similarity, the higher the first matching score. The score is defined closer to the value of 1, and the lower the similarity, the closer the first matching score is defined to the value of zero.
아울러, 상기 추출된 손가락 영역으로부터 지문 특징 패턴 또는 지정맥 특징 패턴을 추출한다(S310). 이때 상기 지문 특징 패턴의 추출 방법은 지문의 융선을 읽어내는 지문 센서를 통해 얻어지는 손가락 표면의 요철을 2차원적인 디지털 화상으로 변환하여 그 패턴의 특징을 추출하게 된다. 그리고 지정맥 특징 패턴의 추출방법은 근적외선 조사장치와 적외선 카메라를 이용하여 손가락의 정맥 위치를 검출한 후, 이를 기반으로 지정맥의 패턴 특징을 추출하게 된다. 상기 지문 특징 패턴 및 지정맥 특징 패턴을 추출하는 방법은 이미 공지된 기술로 다양한 실시예가 가능함을 이해할 수 있을 것이다.In addition, a fingerprint feature pattern or a finger vein feature pattern is extracted from the extracted finger region (S310). At this time, the extraction method of the fingerprint feature pattern is to convert the irregularities of the surface of the finger obtained through the fingerprint sensor for reading the ridge of the fingerprint into a two-dimensional digital image to extract the feature of the pattern. And the extraction method of finger vein feature pattern is to detect the vein position of the finger by using a near-infrared irradiator and infrared camera, and then extract the pattern feature of the finger vein based on this. The fingerprint feature pattern and the finger vein feature pattern extraction method will be understood that various embodiments are possible by known techniques.
그리고 이렇게 추출한 상기 지문 특징 패턴 또는 지정맥 특징 패턴을 기반으로 미리 등록된 개인별 특징 패턴과의 유사도를 측정하여 제 2 매칭 스코어를 산출한다(S330). 상기 제 2 매칭 스코어는 미리 등록된 지문 특징 패턴 또는 지정맥 특징 패턴과 추출한 지문 특징 패턴 또는 지정맥 특징 패턴의 유사도 정도에 따라 미리 정의된 적어도 2개 이상의 레벨로 분류한 값을 말한다. 일 실시예로, 유사도가 서로 일치하는 경우의 제 2 매칭 스코어를 ‘1’로 정의하고, 유사도가 전혀 없는 경우의 제 2 매칭 스코어를 ‘0’으로 정의하고, 이후 유사도가 높을수록 제 2 매칭 스코어를 1의 값에 점점 가깝게 정의하고, 유사도가 낮을수록 제 2 매칭 스코어를 0의 값에 점점 가깝게 정의한다.The second matching score is calculated by measuring similarity with a personal feature pattern registered in advance based on the fingerprint feature pattern or the finger vein feature pattern thus extracted (S330). The second matching score refers to a value classified into at least two or more predefined levels according to the degree of similarity between the fingerprint feature pattern or finger vein feature pattern registered in advance and the extracted fingerprint feature pattern or finger vein feature pattern. In an embodiment, the second matching score when the similarities match each other is defined as '1', the second matching score when no similarity is defined as '0', and then the higher the similarity, the second matching The score is defined closer to the value of 1, and the lower the similarity, the second matching score is defined closer to the value of zero.
그리고 상기 산출한 제 1 매칭 스코어 및 제 2 매칭 스코어를 MAX 규 칙(rule), MIN 규칙, SUM 규칙, Weighted SUM 규칙, 신경망 회로(Neural Network), SVM(Support Vector Machine) 등을 사용하여 결합하여 제 3 매칭 스코어를 생성한다(S430). 상기 제 1 매칭 스코어 및 제 2 매칭 스코어는 1 이상 0 이하의 수치로서, 두 스코어를 결합하는 방법은 단순히 가산식(제 1 매칭 스코어 + 제 2 매칭 스코어)만을 이용하여 제 3 매칭 스코어를 생성할 수 있으며, 또한 인식의 정확도를 높이기 위해 제 1 매칭 스코어 및 제 2 매칭 스코어에 추가의 가중치를 두어 특징 패턴별 오류가 줄어든 제 3 매칭 스코어를 생성할 수 있다.The calculated first matching score and the second matching score are combined using a MAX rule, a MIN rule, a SUM rule, a weighted SUM rule, a neural network, a support vector machine, and the like. A third matching score is generated (S430). The first matching score and the second matching score are numerical values of 1 or more and 0 or less, and the method of combining the two scores may generate a third matching score using only an additive equation (first matching score + second matching score). In addition, in order to increase the accuracy of the recognition, the first matching score and the second matching score may be additionally weighted to generate a third matching score with reduced error for each feature pattern.
그리고 상기 생성한 제 3 매칭 스코어를 기반으로 패턴 분류 알고리즘을 통해 생체인식 결과인 승인 또는 거절을 결정한다(S500). 이때 상기 패턴 분류 알고리즘으로는 베이즈(Bayes) 규칙을 사용하여 개인을 식별하거나, 입력 패턴의 양자화 과정을 통해 사전에 구성된 코드북의 패턴들에 대한 시간정합 기술을 적용한 DTW(Dynamic Time Warping) 알고리즘과, 확률모델링기법에 의해 시간적인 동작특성을 확률상 정적특성으로 분석하는 HMM(Hidden Markov Model) 알고리즘 등이 사용되며, 이를 사용함으로써 최종적인 생체 인식 결과를 얻게 된다. In addition, based on the generated third matching score, an approval or rejection result of biometric recognition is determined through a pattern classification algorithm (S500). At this time, the pattern classification algorithm includes a DTW (Dynamic Time Warping) algorithm using a Bayes rule to identify an individual or a time matching technique for pre-configured codebook patterns through a quantization process of an input pattern. For example, HMM (Hidden Markov Model) algorithm, which analyzes temporal motion characteristics as stochastic static characteristics by probability modeling technique, is used.
상기에서 설명한 본 발명의 기술적 사상은 바람직한 실시예에서 구체적으로 기술되었으나, 상기한 실시예는 그 설명을 위한 것이며 그 제한을 위한 것이 아님을 주의하여야 한다. 또한, 본 발명의 기술적 분야의 통상의 지식을 가진자라면 본 발명의 기술적 사상의 범위 내에서 다양한 실시예가 가능함을 이해할 수 있을 것이다. 따라서 본 발명의 진정한 기술적 보호 범위는 첨부된 특허청구범위의 기술적 사상에 의해 정해져야 할 것이다. Although the technical spirit of the present invention described above has been described in detail in a preferred embodiment, it should be noted that the above-described embodiment is for the purpose of description and not of limitation. In addition, those skilled in the art will understand that various embodiments are possible within the scope of the technical idea of the present invention. Therefore, the true technical protection scope of the present invention will be defined by the technical spirit of the appended claims.
도 1 은 본 발명의 실시예에 따른 손가락 기하학 정보를 이용한 바이오 인식 방법을 설명하기 위한 흐름도1 is a flowchart illustrating a biometric recognition method using finger geometry information according to an embodiment of the present invention.
도 2 는 본 발명의 실시예에 따른 손가락 기하학 특징 패턴과 지문 인식 또는 지정맥 인식의 결합을 이용한 바이오 인식 방법을 설명하기 위한 흐름도2 is a flowchart illustrating a biometric recognition method using a combination of a finger geometry feature pattern and fingerprint recognition or finger vein recognition according to an embodiment of the present invention.
도 3 은 본 발명의 실시예에 따른 손가락 기하학 특징 패턴의 스코어 레벨과 지문 인식 또는 지정맥 인식의 스코어 레벨의 결합을 이용한 바이오 인식 방법을 설명하기 위한 흐름도3 is a flowchart illustrating a biometric recognition method using a combination of a score level of a finger geometry feature pattern and a score level of fingerprint recognition or finger vein recognition according to an embodiment of the present invention.
도 4a 및 도 4b 는 본 발명의 손가락 기하학 정보를 이용한 바이오 인식 방법을 이용한 손가락 영역 추출 방법을 설명하기 위한 실시예4A and 4B illustrate an embodiment for explaining a finger region extraction method using a biometric method using finger geometry information according to the present invention.
도 5a 및 도 5b는 본 발명의 손가락 기하학 정보를 이용한 바이오 인식 방법 을 이용한 손가락 기하학 특징 패턴의 추출방법을 설명하기 위한 실시예5A and 5B illustrate an embodiment for explaining a method of extracting a finger geometry feature pattern using a biometric method using finger geometry information according to the present invention.
*도면의 주요부분에 대한 부호의 설명* Explanation of symbols for main parts of the drawings
10 : 손가락 영역 20 : 손가락의 가장 두꺼운 부분10: finger area 20: thickest part of the finger
30 : 손가락 끝부분까지의 거리 40 : 손가락의 평균 곡률30: distance to the tip of the finger 40: average curvature of the finger
Claims (13)
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020090042006A KR100940902B1 (en) | 2009-05-14 | 2009-05-14 | The biometrics using finger geometry information |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020090042006A KR100940902B1 (en) | 2009-05-14 | 2009-05-14 | The biometrics using finger geometry information |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR100940902B1 true KR100940902B1 (en) | 2010-02-08 |
Family
ID=42083113
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020090042006A Active KR100940902B1 (en) | 2009-05-14 | 2009-05-14 | The biometrics using finger geometry information |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR100940902B1 (en) |
Cited By (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101141312B1 (en) | 2011-05-16 | 2012-05-04 | 동국대학교 산학협력단 | Medical image processing method for blood vessel based on image fusion method |
| WO2012138004A1 (en) * | 2011-04-06 | 2012-10-11 | 조선대학교산학협력단 | Fingerprint authentication device using pca, and method therefor |
| KR101327939B1 (en) | 2012-08-02 | 2013-11-13 | 한국기술교육대학교 산학협력단 | Biometrics system using relative ratio information of finger geometry features and the method thereof |
| KR101422549B1 (en) | 2012-11-13 | 2014-07-24 | 재단법인대구경북과학기술원 | Method and system for face recognition |
| KR101626837B1 (en) * | 2015-12-08 | 2016-06-02 | 주식회사 나르테크놀로지 | Method and apparatus for convergence biometric authentication based on finger joint and finger vein |
| KR101750897B1 (en) * | 2015-10-13 | 2017-06-29 | 주식회사 브이아이텍 | A Biometric Method using Thumb feature |
| KR20180132535A (en) * | 2017-06-02 | 2018-12-12 | 동국대학교 산학협력단 | Finger vein recognition device and recognition method using convolutional neural network |
| KR101962575B1 (en) | 2018-07-03 | 2019-07-17 | 이승진 | Fake fingerprint identification device and Drive method of the same |
| KR20200000001A (en) * | 2018-06-05 | 2020-01-02 | 동국대학교 산학협력단 | Apparatus and method for biometrics using finger vein feature and finger shape based on deep learning |
| KR20200080419A (en) * | 2018-12-19 | 2020-07-07 | 한국항공대학교산학협력단 | Hand gesture recognition method using artificial neural network and device thereof |
| KR20200084595A (en) * | 2019-01-03 | 2020-07-13 | 삼성전자주식회사 | Method and apparatus for authenticating fingerprint |
| KR102138660B1 (en) * | 2019-03-18 | 2020-07-28 | 이승진 | Combined authentication system using fingerprint and branched veins |
| KR20240094327A (en) * | 2022-12-16 | 2024-06-25 | 한국전자기술연구원 | Steering wheel capable of user personal authentication using biosignal and fingerprint |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR970066972A (en) * | 1996-03-04 | 1997-10-13 | 김원찬 | Object recognition method using finger features |
-
2009
- 2009-05-14 KR KR1020090042006A patent/KR100940902B1/en active Active
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR970066972A (en) * | 1996-03-04 | 1997-10-13 | 김원찬 | Object recognition method using finger features |
Cited By (23)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2012138004A1 (en) * | 2011-04-06 | 2012-10-11 | 조선대학교산학협력단 | Fingerprint authentication device using pca, and method therefor |
| KR101141312B1 (en) | 2011-05-16 | 2012-05-04 | 동국대학교 산학협력단 | Medical image processing method for blood vessel based on image fusion method |
| WO2012157835A1 (en) * | 2011-05-16 | 2012-11-22 | 동국대학교 산학협력단 | Method for managing a medical vascular image by using an image fusing fusion technique |
| US8428323B2 (en) | 2011-05-16 | 2013-04-23 | Dongguk University Industry-Academic Cooperation Foundation | Method of processing medical image of blood vessel using image fusion method |
| KR101327939B1 (en) | 2012-08-02 | 2013-11-13 | 한국기술교육대학교 산학협력단 | Biometrics system using relative ratio information of finger geometry features and the method thereof |
| KR101422549B1 (en) | 2012-11-13 | 2014-07-24 | 재단법인대구경북과학기술원 | Method and system for face recognition |
| KR101750897B1 (en) * | 2015-10-13 | 2017-06-29 | 주식회사 브이아이텍 | A Biometric Method using Thumb feature |
| KR101626837B1 (en) * | 2015-12-08 | 2016-06-02 | 주식회사 나르테크놀로지 | Method and apparatus for convergence biometric authentication based on finger joint and finger vein |
| WO2017099427A1 (en) * | 2015-12-08 | 2017-06-15 | 주식회사 나르테크놀로지 | Convergent biometric authentication method based on finger joint and finger vein, and apparatus therefor |
| US11163972B2 (en) | 2015-12-08 | 2021-11-02 | Nar Technology Co., Ltd | Convergent biometric authentication method based on finger joint and finger vein, and apparatus therefor |
| KR20180132535A (en) * | 2017-06-02 | 2018-12-12 | 동국대학교 산학협력단 | Finger vein recognition device and recognition method using convolutional neural network |
| KR102160184B1 (en) * | 2017-06-02 | 2020-09-28 | 동국대학교 산학협력단 | Finger vein recognition device and recognition method using convolutional neural network |
| KR102138652B1 (en) * | 2018-06-05 | 2020-07-29 | 동국대학교 산학협력단 | Apparatus and method for biometrics using finger vein feature and finger shape based on deep learning |
| KR20200000001A (en) * | 2018-06-05 | 2020-01-02 | 동국대학교 산학협력단 | Apparatus and method for biometrics using finger vein feature and finger shape based on deep learning |
| KR101962575B1 (en) | 2018-07-03 | 2019-07-17 | 이승진 | Fake fingerprint identification device and Drive method of the same |
| US11335115B2 (en) | 2018-07-03 | 2022-05-17 | Seung Jin Lee | Fake fingerprint identification device and method for driving the same |
| KR20200080419A (en) * | 2018-12-19 | 2020-07-07 | 한국항공대학교산학협력단 | Hand gesture recognition method using artificial neural network and device thereof |
| KR102179999B1 (en) | 2018-12-19 | 2020-11-17 | 한국항공대학교산학협력단 | Hand gesture recognition method using artificial neural network and device thereof |
| KR20200084595A (en) * | 2019-01-03 | 2020-07-13 | 삼성전자주식회사 | Method and apparatus for authenticating fingerprint |
| KR102577587B1 (en) * | 2019-01-03 | 2023-09-12 | 삼성전자주식회사 | Method and apparatus for authenticating fingerprint |
| KR102138660B1 (en) * | 2019-03-18 | 2020-07-28 | 이승진 | Combined authentication system using fingerprint and branched veins |
| KR20240094327A (en) * | 2022-12-16 | 2024-06-25 | 한국전자기술연구원 | Steering wheel capable of user personal authentication using biosignal and fingerprint |
| KR102779659B1 (en) * | 2022-12-16 | 2025-03-12 | 한국전자기술연구원 | Steering wheel capable of user personal authentication using biosignal and fingerprint |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR100940902B1 (en) | The biometrics using finger geometry information | |
| Kang et al. | Contactless palm vein recognition using a mutual foreground-based local binary pattern | |
| Saraswat et al. | An efficient automatic attendance system using fingerprint verification technique | |
| US10922399B2 (en) | Authentication verification using soft biometric traits | |
| Kang et al. | Multimodal biometric method that combines veins, prints, and shape of a finger | |
| Parkavi et al. | Multimodal biometrics for user authentication | |
| JP2003317101A (en) | Face verification method and system using automatic database update method | |
| El mehdi Cherrat et al. | A multimodal biometric identification system based on cascade advanced of fingerprint, fingervein and face images | |
| Shawkat et al. | The new hand geometry system and automatic identification | |
| Mwaura et al. | Multimodal biometric system:-fusion of face and fingerprint biometrics at match score fusion level | |
| Ribaric et al. | A biometric verification system based on the fusion of palmprint and face features | |
| KR102063745B1 (en) | Apparatus and method for user identifying based on face profiling | |
| KR20120135381A (en) | Method of biometrics and device by using pupil geometry | |
| Lin et al. | A combination recognition method of palmprint and palm vein based on gray surface matching | |
| KR101037759B1 (en) | Face Recognition Using Active Shape Model and Gabor Feature Vector | |
| Mane et al. | Novel multiple impression based multimodal fingerprint recognition system | |
| Nandakumar et al. | Incorporating ancillary information in multibiometric systems | |
| Kisku et al. | Feature level fusion of biometrics cues: human identification with Doddington’s caricature | |
| Smorawa et al. | Biometric systems based on palm vein patterns | |
| Zakeri et al. | Whispernetv2: Slowfast siamese network for lip-based biometrics | |
| EP4167179A1 (en) | Authentication method, authentication program, and information processing device | |
| Shalaby | Fingerprint recognition: a histogram analysis based fuzzy c-means multilevel structural approach | |
| Ribarić et al. | A novel biometric personal verification system based on the combination of palmprints and faces | |
| Indi et al. | Person identification based on multi-biometric characteristics | |
| Li et al. | Improved local correlation method for fingerprint matching |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A201 | Request for examination | ||
| PA0109 | Patent application |
Patent event code: PA01091R01D Comment text: Patent Application Patent event date: 20090514 |
|
| PA0201 | Request for examination | ||
| A302 | Request for accelerated examination | ||
| PA0302 | Request for accelerated examination |
Patent event date: 20090903 Patent event code: PA03022R01D Comment text: Request for Accelerated Examination Patent event date: 20090514 Patent event code: PA03021R01I Comment text: Patent Application |
|
| E902 | Notification of reason for refusal | ||
| PE0902 | Notice of grounds for rejection |
Comment text: Notification of reason for refusal Patent event date: 20091112 Patent event code: PE09021S01D |
|
| E701 | Decision to grant or registration of patent right | ||
| PE0701 | Decision of registration |
Patent event code: PE07011S01D Comment text: Decision to Grant Registration Patent event date: 20100126 |
|
| GRNT | Written decision to grant | ||
| PR0701 | Registration of establishment |
Comment text: Registration of Establishment Patent event date: 20100129 Patent event code: PR07011E01D |
|
| PR1002 | Payment of registration fee |
Payment date: 20100201 End annual number: 3 Start annual number: 1 |
|
| PG1601 | Publication of registration | ||
| FPAY | Annual fee payment |
Payment date: 20130124 Year of fee payment: 4 |
|
| PR1001 | Payment of annual fee |
Payment date: 20130124 Start annual number: 4 End annual number: 4 |
|
| FPAY | Annual fee payment |
Payment date: 20140127 Year of fee payment: 5 |
|
| PR1001 | Payment of annual fee |
Payment date: 20140127 Start annual number: 5 End annual number: 5 |
|
| FPAY | Annual fee payment |
Payment date: 20150120 Year of fee payment: 6 |
|
| PR1001 | Payment of annual fee |
Payment date: 20150120 Start annual number: 6 End annual number: 6 |
|
| FPAY | Annual fee payment |
Payment date: 20160106 Year of fee payment: 7 |
|
| PR1001 | Payment of annual fee |
Payment date: 20160106 Start annual number: 7 End annual number: 7 |
|
| FPAY | Annual fee payment |
Payment date: 20170102 Year of fee payment: 8 |
|
| PR1001 | Payment of annual fee |
Payment date: 20170102 Start annual number: 8 End annual number: 8 |
|
| FPAY | Annual fee payment |
Payment date: 20180129 Year of fee payment: 9 |
|
| PR1001 | Payment of annual fee |
Payment date: 20180129 Start annual number: 9 End annual number: 9 |
|
| FPAY | Annual fee payment |
Payment date: 20200130 Year of fee payment: 11 |
|
| PR1001 | Payment of annual fee |
Payment date: 20200130 Start annual number: 11 End annual number: 11 |
|
| PR1001 | Payment of annual fee |
Payment date: 20220127 Start annual number: 13 End annual number: 13 |
|
| PR1001 | Payment of annual fee |
Payment date: 20230112 Start annual number: 14 End annual number: 14 |
|
| PR1001 | Payment of annual fee |
Payment date: 20240125 Start annual number: 15 End annual number: 15 |