KR100479777B1 - 패턴 조합 장치와 그 패턴 조합 방법 - Google Patents
패턴 조합 장치와 그 패턴 조합 방법 Download PDFInfo
- Publication number
- KR100479777B1 KR100479777B1 KR10-2002-0017391A KR20020017391A KR100479777B1 KR 100479777 B1 KR100479777 B1 KR 100479777B1 KR 20020017391 A KR20020017391 A KR 20020017391A KR 100479777 B1 KR100479777 B1 KR 100479777B1
- Authority
- KR
- South Korea
- Prior art keywords
- deformation
- inspection
- model
- estimating
- pairs
- Prior art date
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
- G06V10/754—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 involving a deformation of the sample pattern or of the reference pattern; Elastic matching
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
- G06V10/757—Matching configurations of points or features
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Computing Systems (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Evolutionary Computation (AREA)
- Databases & Information Systems (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Collating Specific Patterns (AREA)
- Image Analysis (AREA)
Abstract
도형을 비교하여 조합(照合)하는 패턴 조합 장치는, 비교 수행의 기초인 모델 도형과 당해 검사 도형의 각각에서 특징을 나타내는 특징점에 관한 정보에 기초하여 검사 대상인 검사 도형에서 발생되는 변형을 추정하는 변형 추정부 (11), 상기 변형 추정부 (11) 에 의해 추정된 변형에 관한 정보에 기초하여 당해 검사 도형을 보정하는 변형 보정부 (12), 및 데이터가 변형 보정부 (12) 에 의해 보정된 검사 도형을 비교 수행의 대상인 모델 도형과 비교하여 그들간의 유사도를 계산하는 유사도 결정부 (13) 를 포함한다.
Description
본 발명은 이미지 데이터의 조합 (照合) 에 관한 것으로, 특히 지문과 문자 같은 리니어한 도형을 식별하는 패턴 조합 장치와 패턴 조합 방법, 그리고 패턴 조합 프로그램을 저장하는 컴퓨터 판독가능 메모리에 관한 것이다.
지문과 문자 같은 리니어한 이미지 패턴을 인식하는 종래 장치로서, 그 기술들이 일본 특개평 10-240932 호 공보 및 일본 특개평 10-105703 호 공보에 제안되어 있고, 여기서는 라인의 단점 (end point) 과 분기점과 같은 특징점들을 사용함으로써, 대응 특징점들이 획득되고 비교를 위해 서로 오버랩된다.
이미지를 비교하기 위해서 도형의 변형이 보정되는 종래 기술들이 일본 특개평 02-187885 호 공보, 일본 특개평 05-081412 호 공보, 일본 특개평 06-004671 호 공보, 일본 특개평 08-030783 호 공보, 및 일본 특허평 08-147411 호에 제안되어 있다.
그러나, 종래 기술은 다음과 같은 단점을 갖고 있다.
일본 특개평 10-240932 호 공보 및 일본 특개평 10-105703 호 공보에 개시된 종래 기술들은, 서로오버랩되는 도형을 전체적으로 비교하는 시스템을 사용하기 때문에, 문자가 변형되거나 지문 인식시 지문이 변형되는 경우에, 패턴이 적절하게 식별될 수 없는 문제점을 갖고 있다.
한편, 일본 특개평 02-187885 호 공보, 일본 특개평 05-081412 호 공보, 일본 특개평 06-004671 호 공보, 일본 특개평 08-030783 호 공보, 및 일본 특개평 08-147411 호에 개시된 종래 기술에 따르면, 도형이 변형되는 경우에도, 도형이 전체적으로 동일한 변형을 가지면, 도형의 변형을 전체적으로 보정하고 그것을 비교함으로써, 이에 대처할 수 있다. 그러나, 각각의 부분이 다른 방식의 변형을 갖는 경우에는, 허용오차가 증가되어 식별이 부정확하게 된다.
본 발명의 목적은 상술한 종래 문제점을 해결하고, 변형된 경우에도, 인가된 도형을 엄밀하게 식별할 수 있는 리니어한 도형 패턴 조합 장치와 패턴 조합 방법, 및 패턴 조합 프로그램을 저장하는 컴퓨터 판독가능 메모리를 제공한다.
검사 도형이 변형될 경우에도, 본 발명은 검사 대상인 검사 도형과, 비교 수행의 기초인 모델 도형이, 인가된 검사 도형의 특징점 정보와 인가된모델 도형의 특징점 정보에 기초하여 검사 도형에서 발생되는 변형을 추정하고, 추정된 변형을 보정하고, 변형이 보정된 검사 도형과 모델 도형을 비교하여 그들 사이의 유사도를 계산함으로써, 서로 엄밀하게 식별되도록 한다.
본 발명의 제 1 양태에 따르면, 검사 도형과, 비교 수행의 기초인 모델 도형을 비교하여 조합하는 패턴 조합 장치는,
당해 검사 도형과 비교 수행의 기초인 모델 도형의 각각에서 특징을 나타내는 특징점에 관한 정보에 기초하여 검사 대상인 검사 도형에서 발생한 변형을 추정하는 변형 추정 수단, 및
상기 변형 추정 수단에 의해 추정된 변형에 관한 정보에 기초하여 당해 검사 도형을 보정하는 변형 보정 수단을 포함한다.
바람직한 구성에 있어서, 상기 변형 추정 수단은, 상기 특징점에서의 특징 정도 (degree of feature) 를 나타내는 특징량의 차이가 작은 상기 검사 도형과 상기 모델 도형 각각에 있는 특징점들을 상관시켜서 쌍으로 짝지우며, 상기 개별 특징점들 사이의 대응에 최선으로 매칭하는 상기 검사 도형의 변형 내용을 결정하여, 당해 검사 도형에서 발생한 변형을 추정한다.
또다른 바람직한 구성에 있어서, 상기 변형 추정 수단은, 상기 검사 도형과 상기 모델 도형의 각각에 있는 상기 개별 특징점들 사이의 대응에 최선으로 매칭하는 상기 검사 도형의 변형 내용을, 미리 준비된 이미지 데이터의 변형 내용을 나타내는 복수의 변형 모델로부터 선택한다.
또다른 바람직한 구성에 있어서, 상기 변형 추정 수단은, 개별 파라미터에 의해 지정된 값에 대응하는 이미지 데이터의 변형 내용을 나타내는 변형 모델의 정보를 가지며, 상기 검사 도형과 상기 모델 도형의 각각에 있는 상기 개별 특징점들 사이의 대응에 최선으로 매칭하는 상기 변형 모델을 제공하는 각각의 상기 파라미터 값을 획득함으로써, 상기 검사 도형의 변형 내용을 결정한다.
또다른 바람직한 구성에 있어서, 상기 변형 추정 수단은, 추정된 변형을 거칠 때 소정의 임계값과 같거나 더 큰 거리로 서로 이격된 상기 쌍으로 짝지워진 특징점들을 제거한후에, 나머지 특징점쌍들만을 이용하여 변형을 재추정한다.
또다른 바람직한 구성에 있어서, 상기 변형 추정 수단은, 추정 변형의 스케일이 소정의 임계값보다 더 큰 경우, 당해 변형 모델을 변경시켜서 변형을 재추정한다.
또다른 바람직한 구성에 있어서, 상기 변형 추정 수단은, 상기 검사 도형의 변형을 전체적으로 추정한 후에, 당해 검사 도형을 작은 영역들로 분할하여 각각의 상기 작은 영역에 있는 변형의 내용을 추정한다.
또다른 바람직한 구성에 있어서, 상기 변형 추정 수단은, 상기 검사 도형의 변형을 전체적으로 추정한 후에, 각각의 당해 특징점쌍에 대하여, 근방에 있는 상기 특징점쌍들의 정보를 참조하여 각각의 상기 특징점쌍의 근방에 있는 변형을 추정하고 보정한다.
또다른 바람직한 구성에 있어서, 상기 변형 모델로서, 탄성 변형이 이용되고, 변형의 스케일을 나타내는 데이터로서, 탄성 에너지가 이용된다.
또다른 바람직한 구성에 있어서, 상기 검사 도형과 상기 모델 도형으로서, 지문 이미지 또는 팜프린트 이미지 (palmprint image) 중 적어도 하나가 이용된다.
본 발명의 제 2 양태에 따르면, 검사 도형과, 비교 수행의 기초인 모델 도형을 비교하여 변형을 보정하는 변형 보정 장치는,
당해 검사 도형과 비교 수행의 기초인 모델 도형의 각각에서 특징을 나타내는 특징점에 관한 정보에 기초하여 검사 대상인 검사 도형에서 발생한 변형을 추정하는 변형 추정 수단, 및
상기 변형 추정 수단 에 의해 추정된 변형에 관한 정보에 기초하여 당해 검사 도형을 보정하는 변형 보정 수단을 포함한다.
바람직한 구성에 있어서, 상기 변형 추정 수단은, 상기 특징점에서의 특징 정도를 나타내는 특징량의 차이가 작은 상기 검사 도형과 상기 모델 도형 각각에 있는 특징점들을 상관시켜서 쌍으로 짝지우며, 상기 개별 특징점들 사이의 대응에 최선으로 매칭하는 상기 검사 도형의 변형 내용을 결정하여, 당해 검사 도형에서 발생한 변형을 추정한다.
또다른 바람직한 구성에 있어서, 상기 변형 추정 수단은, 상기 검사 도형과 상기 모델 도형의 각각에 있는 상기 개별 특징점들 사이의 대응에 최선으로 매칭하는 상기 검사 도형의 변형 내용을, 미리 준비된 이미지 데이터의 변형 내용을 나타내는 복수의 변형 모델로부터 선택한다.
또다른 바람직한 구성에 있어서, 상기 변형 추정 수단은, 개별 파라미터에 의해 지정된 값에 대응하는 이미지 데이터의 변형 내용을 나타내는 변형 모델의 정보를 가지며, 상기 검사 도형과 상기 모델 도형의 각각에 있는 상기 개별 특징점들 사이의 대응에 최선으로 매칭하는 상기 변형 모델을 제공하는 각각의 상기 파라미터 값을 획득함으로써, 상기 검사 도형의 변형 내용을 결정한다.
또다른 바람직한 구성에 있어서, 상기 변형 추정 수단은, 추정된 변형을 거칠 때 소정의 임계값과 같거나 더 큰 거리로 서로 이격된 상기 쌍으로 짝지워진 특징점들을 제거한후에, 나머지 특징점쌍들만을 이용하여 변형을 재추정한다.
또다른 바람직한 구성에 있어서, 상기 변형 추정 수단은, 추정 변형의 스케일이 소정의 임계값보다 더 큰 경우, 당해 변형 모델을 변경하여 변형을 재추정한다.
또다른 바람직한 구성에 있어서, 상기 변형 추정 수단은, 상기 검사 도형의 변형을 전체적으로 추정한 후에, 당해 검사 도형을 작은 영역들로 분할하여 각각의 상기 작은 영역에 있는 변형의 내용을 추정한다.
또다른 바람직한 구성에 있어서, 상기 변형 추정 수단은, 상기 검사 도형의 변형을 전체적으로 추정한 후에, 각각의 당해 특징점쌍에 대하여, 근방에 있는 상기 특징점쌍들의 정보를 참조하여 각각의 상기 특징점쌍의 근방에 있는 변형을 추정하고 보정한다.
또다른 바람직한 구성에 있어서, 상기 변형 모델로서, 탄성 변형이 이용되고, 변형의 스케일을 나타내는 데이터로서, 탄성 에너지가 이용된다.
또다른 바람직한 구성에 있어서, 상기 검사 도형과 상기 모델 도형으로서, 지문 이미지 또는 팜프린트 이미지중 적어도 하나가 이용된다.
본 발명의 제 3 양태에 따르면, 검사 도형과, 비교 수행의 기초인 모델 도형을 비교하여 조합하는 패턴 조합 방법은,
당해 검사 도형과 비교 수행의 기초인 모델 도형의 각각에서 특징을 나타내는 특징점에 관한 정보에 기초하여 검사 대상인 검사 도형에서 발생한 변형을 추정하는 변형 추정 단계, 및
상기 추정된 변형에 관한 정보에 기초하여 당해 검사 도형을 보정하는 변형 보정 단계를 포함한다.
바람직한 구성에 있어서, 상기 변형 추정 단계에서, 상기 특징점에서의 특징 정도를 나타내는 특징량의 차이가 작은 상기 검사 도형과 상기 모델 도형 각각에 있는 특징점들이 상관되고 쌍으로 짝지워져서, 상기 개별 특징점들 사이의 대응에 최선으로 매칭하는 상기 검사 도형의 변형 내용을 결정함으로써, 당해 검사 도형에서 발생한 변형을 추정한다.
또다른 바람직한 구성에 있어서, 상기 변형 추정 단계에서, 상기 검사 도형과 상기 모델 도형의 각각에 있는 상기 개별 특징점들 사이의 대응에 최선으로 매칭하는 상기 검사 도형의 변형 내용을 미리 준비된 이미지 데이터의 변형 내용을 나타내는 복수의 변형 모델로부터 선택한다.
또다른 바람직한 구성에 있어서, 상기 변형 추정 단계에서, 개별 파라미터에 의해 지정된 값에 대응하는 이미지 데이터의 변형 내용을 나타내는 변형 모델의 정보에 기초하여, 상기 검사 도형과 상기 모델 도형의 각각에 있는 상기 개별 특징점들 사이의 대응에 최선으로 매칭하는 상기 변형 모델을 제공하는 각각의 상기 파라미터 값을 획득함으로써, 상기 검사 도형의 변형 내용을 결정한다.
또다른 바람직한 구성에 있어서, 상기 변형 추정 단계에서, 추정된 변형을 거칠 때 소정의 임계값과 같거나 더 큰 거리로 서로 이격된 상기 쌍으로 짝지워진 특징점들을 제거한후에, 나머지 특징점쌍들만을 이용하여 변형을 재추정한다.
또다른 바람직한 구성에 있어서, 상기 변형 추정 단계에서, 추정 변형의 스케일이 소정의 임계값보다 더 큰 경우, 당해 변형 모델을 변경하여 변형을 재추정한다.
또다른 바람직한 구성에 있어서, 상기 변형 추정 단계에서, 상기 검사 도형의 변형을 전체적으로 추정한 후에, 당해 검사 도형을 작은 영역들로 분할하여 각각의 상기 작은 영역에 있는 변형의 내용을 추정한다.
또다른 바람직한 구성에 있어서, 상기 변형 추정 단계에서, 상기 검사 도형의 변형을 전체적으로 추정한 후에, 각각의 당해 특징점쌍에 대하여, 근방에 있는 상기 특징점쌍들의 정보를 참조하여 각각의 상기 특징점쌍의 근방에 있는 변형을 추정되고 보정된다.
또다른 바람직한 구성에 있어서, 상기 변형 모델로서, 탄성 변형이 이용되고, 변형의 스케일을 나타내는 데이터로서, 탄성 에너지가 이용된다.
또다른 바람직한 구성에 있어서, 상기 검사 도형과 상기 모델 도형으로서, 지문 이미지 또는 팜프린트 이미지중 적어도 하나가 이용된다.
본 발명의 또다른 양태에 따르면, 컴퓨터를 제어하여, 검사 도형과, 비교 수행의 기초인 모델 도형을 비교하여 조합하는 패턴 조합 프로그램을 저장하는 컴퓨터 판독가능 메모리는,
당해 검사 도형과 비교 수행의 기초인 모델 도형의 각각에서 특징을 나타내는 특징점에 관한 정보에 기초하여 검사 대상인 검사 도형에서 발생한 변형을 추정하는 변형 추정 기능, 및
상기 추정된 변형에 관한 정보에 기초하여 당해 검사 도형을 보정하는 변형 보정 기능을 포함한다.
본 발명의 또다른 양태에 따르면, 검사 도형과, 비교 수행의 기초인 모델 도형을 비교하여 변형을 보정하는 변형 보정 방법은,
당해 검사 도형과 비교 수행의 기초인 모델 도형의 각각에서 특징을 나타내는 특징점에 관한 정보에 기초하여 검사 대상인 검사 도형에서 발생한 변형을 추정하는 변형 추정 단계, 및
상기 추정된 변형에 관한 정보에 기초하여 당해 검사 도형을 보정하는 변형 보정 단계를 포함한다.
바람직한 구성에 있어서, 상기 변형 추정 단계에서, 상기 특징점에서의 특징 정도를 나타내는 특징량의 차이가 작은 상기 검사 도형과 상기 모델 도형 각각에 있는 특징점들이 상관되고 쌍으로 짝지워져서, 상기 개별 특징점들 사이의 대응에 최선으로 매칭하는 상기 검사 도형의 변형 내용을 결정함으로써, 당해 검사 도형에서 발생한 변형을 추정한다.
또다른 바람직한 구성에 있어서, 상기 변형 추정 단계에서, 상기 검사 도형과 상기 모델 도형의 각각에 있는 상기 개별 특징점들 사이의 대응에 최선으로 매칭하는 상기 검사 도형의 변형 내용을, 미리 준비된 이미지 데이터의 변형 내용을 나타내는 복수의 변형 모델로부터 선택한다.
또다른 바람직한 구성에 있어서, 상기 변형 추정 단계에서, 개별 파라미터에 의해 지정된 값에 대응하는 이미지 데이터의 변형 내용을 나타내는 변형 모델의 정보에 기초하여, 상기 검사 도형과 상기 모델 도형의 각각에 있는 상기 개별 특징점들 사이의 대응에 최선으로 매칭하는 상기 변형 모델을 제공하는 각각의 상기 파라미터 값을 획득함으로써, 상기 검사 도형의 변형 내용을 결정한다.
또다른 바람직한 구성에 있어서, 상기 변형 추정 단계에서, 추정된 변형을 거칠 때 소정의 임계값과 같거나 더 큰 거리로 서로 이격된 상기 쌍으로 짝지워진 특징점들을 제거한후에, 나머지 특징점쌍들만을 이용하여 변형이 재추정된다.
또다른 바람직한 구성에 있어서, 상기 변형 추정 단계에서, 추정 변형의 스케일이 소정의 임계값보다 더 큰 경우, 당해 변형 모델을 변경하여 변형을 재추정한다.
또다른 바람직한 구성에 있어서, 상기 변형 추정 단계에서, 상기 검사 도형의 변형을 전체적으로 추정한 후에, 당해 검사 도형이 작은 영역들로 분할되어 각각의 상기 작은 영역에 있는 변형의 내용을 추정한다.
또다른 바람직한 구성에 있어서, 상기 변형 추정 단계에서, 상기 검사 도형의 변형을 전체적으로 추정한 후에, 각각의 당해 특징점쌍에 대하여, 근방에 있는 상기 특징점쌍들의 정보를 참조하여 각각의 상기 특징점쌍의 근방에 있는 변형을 추정되고 보정된다.
또다른 바람직한 구성에 있어서, 상기 변형 모델로서, 탄성 변형이 이용되고, 변형의 스케일을 나타내는 데이터로서, 탄성 에너지가 이용된다.
또다른 바람직한 구성에 있어서, 상기 검사 도형과 상기 모델 도형으로서, 지문 이미지 또는 팜프린트 이미지중 적어도 하나가 이용된다.
본 발명의 또다른 양태에 따르면, 컴퓨터를 제어하여, 검사 도형과, 비교 수행의 기초인 모델 도형을 비교하여 변형을 보정하는 변형 보정 프로그램을 저장하는 컴퓨터 판독가능 메모리는,
당해 검사 도형과 비교 수행의 기초인 모델 도형의 각각에서 특징을 나타내는 특징점에 관한 정보에 기초하여 검사 대상인 검사 도형에서 발생한 변형을 추정하는 변형 추정 기능, 및
상기 추정된 변형에 관한 정보에 기초하여 당해 검사 도형을 보정하는 변형 보정 기능을 포함한다.
본 발명의 다른 목적, 특성 및 이점을 이하 상세한 설명을 통해서 보다 명확하게 설명한다.
이하, 본 발명의 바람직한 실시형태를 첨부 도면을 참조하여 상세하게 설명한다. 이하 설명에서는, 많은 세부설명이 본 발명의 완전한 이해를 위하여 제공된다. 그러나, 이들 세부설명 없이도 본 발명을 실시할 수 있다. 한편, 본 발명을 불필요하게 흐리는 것을 방지하기 위하여, 공지 구성들은 상세하게 나타내지 않는다.
본 발명의 바람직한 실시형태의 첨부 도면과 이하 상세한 설명으로부터 본 발명을 보다 명확하게 이해할 수 있을 것이며, 이들은 본 발명을 제한하도록 선택된 것이 아니라 단지 설명과 이해를 위한 것이다.
도 1 은 본 발명의 제 1 실시형태에 따른 패턴 조합 장치의 구성을 나타내는 블록도이다.
도 1 을 참조하면, 본 실시형태에 따른 패턴 조합 장치는, 검사의 대상인 검사 도형의 데이터 입력을 수신하는 검사 도형 입력부 (20), 비교 수행의 기초인 모델 도형의 데이터 입력을 수신하는 모델 도형 입력부 (30), 패턴 조합 처리를 실행하는 데이터 처리부 (10), 및 처리 결과를 출력하는 출력부 (40) 를 포함한다.
데이터 처리부 (10) 는, 변형 추정부 (11), 변형 보정부 (12) 및 유사도 결정부 (13) 를 포함한다. 이들은 다음에 개략적으로 설명하는 방법으로 동작한다.
변형 추정부 (11) 는 검사 도형 입력부 (20) 를 통하여 입력되는, 검사 도형의 특징점을 모델 도형 입력부 (30) 를 통하여 입력되는 모델 도형의 특징점과 비교하여, 검사 도형에서 전체적으로 발생하는 변형의 내용을 추정한다.
변형 보정부 (12) 는, 변형 추정부 (11) 에 의해 추정된 변형의 내용 데이터에 기초하여, 검사 도형이 변형을 제거하는 보정을 거치게 하여 변형이 보정된 검사 도형을 생성한다.
유사도 결정부 (13) 는 변형 보정부 (12) 에 의해 발생한, 변형이 보정된 검사 도형을 모델 도형을 비교하여 2 개의 도형 사이의 유사도를 계산하고, 계산된 유사도를 출력부 (40) 로 출력한다.
다음으로, 본 실시형태의 동작을 도면을 참조하여 상세하게 설명한다.
도 2 는 본 실시형태에 따른 패턴 조합 처리를 설명하는 데 사용되는 플로우차트이다. 도 3 은 본 실시형태의 변형 추정부 (11) 에 의해 수행되는 처리를 설명하는 데 사용되는 플로우차트이다.
도 2 를 참조하면, 본 실시형태에 따른 패턴 조합 처리에서, 검사 대상인 검사 도형과 비교가 수행의 기초인 모델 도형이 검사 도형 입력부 (20) 와 모델 도형 입력부 (30) 에 각각 인가된다 (단계 201).
개별 도형들을 입력하는 방법으로서는, 예를 들어, 미리 추출된 각각의 도형의 특징을 나타내는 특징점의 정보를 입력하는 방법, 및 각각의 도형의 이미지 데이터를 입력하고, 검사 도형 입력부 (20) 와 모델 그래픽 입력부 (30) 측에서 그 특징점의 정보를 추출하여 추출된 정보를 데이터 처리부 (10) 로 출력하는 방법이 사용된다.
문자 인식에 적용될 때, 예를 들어, 식별될 문자의 이미지 데이터를 검사 도형 입력부 (20) 로 입력하고, 딕셔너리 (dictionary) 에 등록된 문자 데이터를 모델 도형 입력부 (30) 로 입력하는 방법이 채택될 수 있다.
지문 인식에 적용될 때, 예를 들어, 주인이 알려진 지문의 이미지 데이터는 검사 도형 입력부 (20) 로 입력될 수 있고, 지문 데이터 베이스에 등록된 지문 데이터는 모델 도형 입력부 (30) 로 입력될 수 있다.
위에서 설명한 방법에서, 검사 도형 입력부 (20) 는 미리 추출된 검사 도형의 특징점 정보의 입력을 수신하거나, 검사 도형 자체의 입력을 수신하고 검사 도형 입력부 (20) 에서 특징점 정보를 추출할 수 있다. 유사하게, 모델 도형 입력부 (30) 는 미리 추출된 모델 도형의 특징점 정보의 입력을 수신하거나, 모델 도형 자체의 입력을 수신하고 모델 도형 입력부 (30) 에서 특징점 정보를 추출할 수 있다.
여기서, 검사 도형과 모델 도형의 가능한 특징점들 중에는, 라인이 끝나는 점 (단점), 라인이 분기하는 점 (분기점), 라인들이 서로 교차하는 점 (교차점) 이 있다. 각각의 특징점들에서 특징 정도를 나타내는 데이터인 특징량 (feature qunatity) 으로서, 특징점의 위치, 및 특징점과 접하는 라인의 방향이 사용될 수 있다. 또한, 특징량으로서, 점에 접하는 라인의 곡률 (curvature), 점에 인접하는 라인의 곡률, 또는 주변 특징점의 배치와 주변 특징점들사이에 교차하는 라인의 개수와 같은 정보가 추가될 수 있다.
다음으로, 검사 도형 입력부 (20) 와 모델 도형 입력부 (30) 에 인가되는 각각의 도형의 데이터는 데이터 처리부 (10) 의 변형 추정부 (11) 에 전달된다. 변형 추정부 (11) 는 검사 도형 입력부 (20) 를 통하여 입력되는 검사 도형의 특징점 정보를 모델 도형 입력부 (30) 를 통하여 입력되는 모델 도형의 특징점 정보와 비교하여, 검사 도형에서 발생한 변형을 추정한다 (단계 202).
변형 추정부 (11) 는 2 개의 도형에서 동일한 특징점으로 고려되는 특징점쌍을 선택하고, 2 개의 도형에서 이들 특징점 사이의 위치의 차이에 기초하여, 검사 도형에서 발생한 변형을 추정한다.
여기서, 도형에 발생된 변형에 대하여, 딕셔너리에 등록된 문자와 카메라 등에 의해 입력된 문자 사이에서 문자 인식을 위한 비교를 하는 경우에, 예를들어, 검사 도형 입력부 (20) 로 입력되는, 카메라 등에 의해 촬영된 문자의 이미지는 입력 시점에 광학적으로 왜곡된다. 지문 인식에서, 주인이 알려진 지문의 데이터가 검사 도형 입력부 (20) 로 입력되고, 지문 데이터 베이스에 등록된 지문 데이터가 모델 도형 입력부 (30) 로 입력되는 경우에, 검사 도형과 모델 도형 양쪽은 지문 인식 시점에 변형된다.
여기서, 검사 도형과 모델 도형만으로는, 검사 도형이 갖는 변형과 모델 도형이 갖는 변형은 획득될 수 없지만, 양쪽 도형에서 각각의 개별 특징점의 위치 관계의 차이를 검출하는 것은 모델 도형이 갖는 변형과 검사 도형이 갖는 변형에 대한 역변형을 결합하는 변형을 검출하게 되어, 역방향에서 검출된 변형을 적용하는 변형으로서, 검사 도형을 모델 도형과 매칭시키는 변형이 추정될 수 있다.
다음으로, 변형 보정부 (12) 는 검사 도형을 변형 추정부 (11) 에 의해 추정되는 변형과 역관계를 갖는 변형을 거치게 함으로써, 검사 도형의 변형을 보정한다 (단계 203).
다음으로, 유사도 결정부 (13) 는 변형 보정부 (12) 에 의해 보정된 그 변형으로 획득된 검사 도형을 모델 도형과 비교하여, 2 개의 도형 사이의 유사도를 계산한다 (단계 204).
다음으로, 출력부 (40) 는 유사도 결정부 (13) 에서 계산된 유사도를 출력한다 (단계 205).
단계 (203) 에서, 검사 도형을 변형 추정부 (11) 에서 추정된 변형과 역관계를 갖는 변형을 거치게 함으로써 검사 도형의 변형을 보정하는 방법 대신에, 모델 도형을 변형 추정부 (11) 에서 추정된 변형을 거치게 하여, 모델 도형의 변형과 검사 도형의 변형을 서로 매칭시키는 방법이 채택될 수 있다. 이 방법은 2 개의 도형의 비교가 위에 설명한 것과 동일한 방식으로 단계 (204) 에서 2 개의 도형 사이의 유사도를 계산할 수 있게 한다.
다음으로, 도 3 을 참조하여 도 2 의 단계 202 에서의 변형 추정 처리에 대하여 상세히 설명한다.
도 3 을 참조하면, 검사 도형 입력부 (20) 를 통하여 인가된 검사 도형의 특징점 정보를 모델 도형 입력부 (30) 를 통하여 인가된 모델 도형의 특징점 정보와 비교하고, 후속하여 변형 추정용 특징점쌍으로서 대응 특징점으로 결정되는 특징점 쌍을 등록하여 변형 추정용 특징점쌍들의 리스트를 작성한다 (단계 301).
단계 301 에서, 예를들어, 검사 도형의 특징점쌍들 중에서 한개의 임의의 특징점 "a" 와, 모델 도형의 특징점들 중에서 한개의 임의의 특징점 "b" 를 선택하여, 특징점 "a" 의 특징량과 특징점 "b" 의 특징량 사이의 차이를 획득하고, 이들 특징량 사이의 차이가 소정의 임계값보다 크지 않을 경우, 그들은 특징점들의 쌍을 등록하기 위한 대응 특징점들이라고 결정되며, 검사 도형의 특징점 "a" 와 모델 도형의 특징점 "b" 은 변형 추정용 특징점쌍들의 리스트에서 대응 특징점으로 결정된다.
변형 추정용 특징점쌍들의 리스트에서, 검사 도형의 특징점 "a" 와 모델 도형의 특징점 "b" 로 구성된 대응 특징점들의 쌍은 도 4 의 예에서 나타낸 바와 같이 등록된다.
다음으로, 변형 추정용 특징점 쌍의 리스트에 기록된 쌍으로서 특징점들을 최선으로 매칭하는 변형을 추정한다 (단계 302).
여기서 사용될 수 있는 방법 중에는, 인가된 도형의 특성에 따라서 미리 준비된 변형의 내용을 나타내는 변형 모델 중에서, 특징점쌍들이 복수의 변형 모델로부터 최선으로 매칭되도록 하는 모델을 선택하는 방법과 다양한 종류의 파라미터 값에 대응하는 미리 준비된 변형 모델 중에서, 각 쌍의 특징점들과 최선으로 매칭하는 파라미터 값을 획득하는 방법이 사용될 수 있다.
지문 인식에 적용될 경우, 예를 들어, 손가락이 탄성체라고 가정하면, 그것의 탄성 변형을 파라미터 (평행 이동, 수축/확장, 회전, 전단변형) 로 나타내고, 변형 추정의 위한 특징점쌍들의 리스트에서, 검사 도형 입력부 (20) 를 통하여 입력된 지문이 각각의 파라미터에 의해 지시되는 탄성 변형을 거칠 때 획득된 각각의 특징점의 위치를 등록하여 탄성 변형의 파라미터를 결정함으로써, 탄성 변형은 특징점들의 위치를 서로 최선으로 매칭되도록 한다.
다음으로, 추정 변형을 검증하고, 그 변형이 적절하면, 변형을 출력한다 (단계 303).
단계 303 에서 타당성 검증시, 예를들어 추정 변형의 탄성 에너지가 소정의 값보다 큰 경우, 추정된 변형이 너무 크다는 것을 고려하면, 사용할 변형 모델은 변형 추정용 특징점쌍들의 리스트를 작성하기 위해 재시도하도록 변경될 수 있다.
다음으로, 본 실시형태에 따른 변형 추정부 (11) 에 의한 변형 추정 처리를 보다 구체적인 실시형태에 관하여 설명한다.
여기서, 도 5 에 나타낸 모델 도형의 일예와 도 6 에 나타낸 검사 도형의 일예를 사용하여, 검사 도형이 모델 도형과 동일한지를 체크하기 위하여 검사 도형의 변형을 추정하는 처리를 설명한다. 도 5 에 나타낸 모델 도형에서, a1 내지 a4 는 모델 도형의 특징점들이고, 도 6 에서 검사 도형에서, b1 내지 b4 는 검사 도형의 특징점이라고 가정한다.
우선, 검사 도형과 모델 도형을 도 7 에 나타낸 방법으로 오버랩하여 모델 도형의 특징점 a1 내지 a4 와 검사 도형의 특징점 b1 내지 b4 를 비교하고, (a1, b1), (a2, b4), (a3, b2), (a4, b4) 및 (a4, b5) 와 같이 동일한 특징점들로 생각될 수 있는 것들을 쌍으로 짝지운다. 이들 쌍들을 도 8 에 나타내었다.
검사 도형이 변형된다는 사실을 고려하여, 어느 정도까지의 오차가 예상될 수 있고 특징점사이의 대응관계가 완전히 알려지지 않은 경우가 있을 수 있음에도 불구하고, (a2, b4), (a4, b4) 및 (a4, b5) 와 같이 오버랩에 무관하게 서로 대응하게 보이는 것들을 상관시킨다. 그다음에, 도 4 에 나타낸 바와 같이, 쌍 p1:(a1, b1), p2:(a2, b4), p3:(a3, b2), p4:(a4, b4) 및 p5:(a4, b5) 이 등록된 리스트, 변형 추정용 점들의 쌍의 리스트 CL를 기록한다 (단계 301).
여기서, (x, y) 로 표시된 모델 도형의 특징점에서의 좌표와 (X,Y) 로 표시된 검사 도형의 특징점에서의 좌표로, 전체적으로 모델 도형이 2 ×2 매트릭스 α 와 2 차원 벡터 β 를 사용한 수학식 1 로 표현되는 일정한 탄성 변형을 거친다고 가정한다.
----- (1)
변형 추정용 특징점쌍들의 리스트에 등록된 쌍 p1 내지 p 5 중에서, i 번째 쌍 pi 에서, 모델 도형의 특징점 위치와 검사 도형의 특징점 위치는 각각 (xi, yi) 와 (Xi, Yi) 이다. 수학식 1 에 나타낸 탄성 변형을 거칠 때, 모델 도형에서의 (xi, yi) 의 특징점은 도 6 에서 수학식에 의해 나타낸 위치로 시프트한다.
----- (2)
현재 위치와 (Xi, Yi) 사이의 차이, 즉 모델 도형이 수학식 1 로 나타낸 변형을 거칠 경우 pi 쌍으로부터의 위치 차이는 수학식 3에서 ei 가 된다.
----- (3)
변형 추정용 특징점쌍들의 리스트에 등록된 쌍 p1 내지 p5 의 위치 차이 (그 제곱) 의 합계 E 은 다음 수학식 4 로 표현된다.
-----(4)
위치 차이의 총합 E 를 최소화하는 α 와 β를 찾음으로써 A 와 b 를 각각 획득할 수 있다고 가정한다. 이 시점에서 대응 특징점의 차이의 총합은 최소이기 때문에, A 와 b 를 사용하는 공식인 수학식 5 로 표현되는 변형은 최선으로 매칭되는 변형 추정용 특징점쌍들의 리스트에 기록된 쌍들의 점을 만드는 변형이다.
----- (5)
따라서, 검사 도형에서 발생한 변형은 수학식 5 로 표현되는 변형으로 추정될 수 있다 (단계 302). 추정된 변형을 거친 모델 도형과 검사 도형 사이의 오버랩의 결과는 도 9 에 나타낸 바와 같다.
변형의 파라미터와 에너지는 다음에 설명한 방식으로 획득된다. 수학식 5 에서 벡터 b 는 평행 이동을 나타내고, 매트릭스 A 는 수축/확장, 회전, 전단변형을 나타낸다. , , 및 를 수학식 6, 7, 8 에서 나타낸 바와 같이 표현하면, 탄성 에너지 F 는 수학식 9 에 나타낸 대로 표현될 수 있다 (수학식 9 에서, K 는 주변 압축율을 나타내고, μ 는 전단율을 나타내고, 양자는 그 재료에 의해 결정되는 상수이다).
-----(6)
-----(7)
-----(8)
-----(9)
회전과 평행 이동은 위치의 단순한 시프트이고 그들중 어느 것도 탄성에너지를 제공하지 않는다. 는 수축/확장에 대응하는 파라미터이며 (수축과 확장이 발생되지 않을 경우, "0" 을 취하고, 수축이 발생된 경우 음의 값을 취하고, 확장이 발생된 경우 양의 값을 취한다), 과 는 전단 왜곡에 대응하는 파라미터이다 (왜곡이 발생하지 않을 경우 "0" 을 취하고, 왜곡이 늘어남에 따라 더 큰 절대값을 취한다).
탄성 에너지와 탄성 변형과 같은, 여기서 획득한 파라미터가 검사 도형에 대해 추정된 변형에 대하여 너무 큰 경우, 변형은 검사 도형에서 발생될 변형으로서 절절하지 않으므로 변형이 다시 검사된다 (단계 303).
예를 들어, 검사의 대상인 도형이 지문, 팜프린트 (palmprint), 등일 경우에, 검사 대상은 고무와 같은 높은 신장성 물질이 아니기 때문에, 수축/확장이 제한된다. 따라서, 가 손가락에 대하여 미리 결정된 수축/확장의 가능 범위를 초과하는 경우, 추정을 포기한다. 또한, 지문, 팜프린트 등의 왜곡도 제한되기 때문에, 또는 가 지문이나 팜프린트에 대해 왜곡의 가능한 범위를 초과하는 경우, 추정치도 포기한다. 또한, 탄성에너지 자체에 대하여, 지문이나 팜프린트에 대한 추정 범위내에 속하지 않을 경우에는, 추정을 포기한다.
추정이 포기될 때, 후속하여 수행될 수 있는 처리는 변형 모델을 바꾸는 처리, 변형 추정용 특징점쌍들의 리스트를 작성하는 방법을 변경시킨 후에 변형의 추정을 다시 실행하는 처리 등이 있다.
여기서, 변형 모델을 바꾸는 예를 설명한다.
예를들어 손가락이 탄성체에 가해지는 것보다 강한 제한이 가해지는 강체라고 가정하면, 강체의 변형 모델을 고려해야 한다 (강체는 변형되지 않기 때문에, 모델은 평행 이동과 회전의 파라미터만을 포함한다). 우선, 모델이 강체라고 가정하면, 모델 도형과 검사 도형을 변환하여 쌍으로된 도형들 각각의 특징점들 사이의 위치 차이가 더 작아지게 된다. 변환 결과에 기초한 모델 도형과 검사 도형의 오버랩은 도 10 에 나타낸 바와 같다.
다음으로, 도 10 에서, 변형 추정용 특징점쌍들의 리스트에 등록된, 쌍으로된 특징점 p2:(a2, b4) 와 p5:(a4, b5) 사이의 거리는 변형후에 증가되기 때문에, 변형 추정용 특징점쌍들의 리스트로부터 그 쌍들을 삭제한다. 또한, 도 11 에 나타낸 바와 같이, (a2, b3) 는 변형후에 서로 더 가까워지기 때문에, 변형 추정용 특징점쌍들의 리스트에 쌍을 추가로 기록하여 변형 추정용 특징점쌍들의 리스트가 p1: (a1, b1), p3:(a3, b2), p4:(a4, b4) 및 p6:(a2, b3) 를 포함하게 된다.
여기서 추정 처리를 종료하는 것이 가능하지만, 손가락의 변형 모델로서 처음에 사용된 실제 손가락에 더욱 유사한 탄성 변형 모델에 대하여 추정을 다시 수행하는 것도 가능하다. 도 12 는 p1: (a1, b1), p3:(a3, b2), p4:(a4, b4) 및 p6:(a2, b3) 를 포함하는 변형 추정용 특징점쌍들의 변경된 리스트를 사용하여 추정된 탄성 변형을 거치는 도형을 나타내는 도면이다.
쌍 선택, 변형 추정, 및 변형확인의 각각의 처리를 반복함으로써, 특징점쌍의 선택의 타당성이 점차 증가하여, 적절하게 대응하는 특징점들의 쌍과 검사 도형에서 발생한 변형쌍을 추정하게 된다.
변형의 추정시, 검사 도형의 특징점 (X, Y) 을 역변환이 수학식 10 의 공식에 의해 표현되는 수학식 5 의 공식의 역변환을 거치게 함으로써, 변형은 모델 도형과 직접 비교될 수 있는 특징점의 좌표 (x, y) 로 특징점을 변환하도록 보정되어, 그 변형이 보정된 검사 도형과 모델 도형 사이의 비교에 의해, 검사 도형과 모델 도형 사이의 유사도가 계산되어 검사 도형과 모델 도형이 동일한 도형인지 아닌지를 결정하게 된다.
-----(10)
변형 추정용 특징점쌍들의 리스트로부터 추정된 변형을 거칠 때 소정 임계값보다 큰 거리로 서로 이격된 특징점들의 쌍을 삭제하고, 추정을 소정 회수 또는 삭제될 다른 특징점쌍이 존재하지 않을 때까지 반복함으로써, 상술한 변형 추정용 특징점쌍들의 리스트에 등록된 특징점쌍들을 보다 신뢰할 수 있는 쌍들로 줄이는 것이 가능하다.
앞에서 설명한 바와 같이, 본실시형태에 따르면, 검사 도형이 변형을 가지는 경우에도 (또는 검사 도형의 변형이 모델 도형의 변형과 다른 경우에도), 검사 도형에서 생성된 변형은 변형을 보정하기 위하여 추정되고, 변형이 보정된 검사 도형과 모델 도형은 2 개의 도형을 조합하기 위해 비교되기 때문에, 검사 도형과 모델 도형은 엄밀하게 구별되고 서로 조합된다.
다음으로, 도면을 참조하여 본 발명의 제 2 실시형태를 보다 상세하게 설명한다.
도 13 은 본실시형태에 따른 패턴 조합 장치의 구성을 나타내는 블록도이고, 도 14 는 본 실시형태에 따른 패턴 조합 처리를 설명하는 데 사용되는 플로우차트이다.
도 13 과 14 에 나타낸 바와 같이, 본실시형태는 데이터 처리부 (10a) 의 변형 추정부 (11a) 의 기능에서 제 1 실시형태와 다르다. 본 실시형태의 패턴 조합 처리는 새로운 단계 (401, 402) 가 단계 (202) 다음에 추가된다는 차이외에는 제 1 실시형태의 패턴 조합 처리와 동일하다.
도 14 에 나타낸 본 실시형태에 따른 변형 추정 처리에서, 제 1 실시형태의 변형 추정 처리와 동일한 처리가 검사 도형에서 전체적으로 발생되는 변형을 추정하기 위하여 실행된다 (단계 202). 다음으로, 도형을 소정의 작은 영역들로 분할하고 (단계 401), 각 영역에서 변형을 추정하기 위하여 단계 202 와 동일한 방법으로 영역에 기초하여 변형 추정 처리를 수행한다 (단계 402).
여기서, 각각의 작은 영역의 변형 추정 결과에 기초하여, 검사 대상의 특성을 고려하여 작은 영역이 고유 변형을 단독으로 갖는다고 가정될 수 없는 경우 (제 1 실시형태의 단계 303 에서와 같이), 검사의 타당성이 검증될 수 있다. 예를들어, 인접 영역에 관하여 추정된 변형과의 관계나 전체 영역에 관하여 추정된 변형과의 관계를 평가함으로써 추정의 타당성을 평가하고, 부적절한 변형이 추정되는 경우 추정을 다시 시도한다.
또한, 검사 도형에서 전체적으로 발생된 변형을 추정한 후에 감소된 대상 영역 면적으로 추정 처리를 계속하여 반복하는 것도 가능하다. 지문 인식에 적용될 경우, 예를들어, 지문 인식시 손가락의 일부분에 힘이 인가되어 각각의 부분이 다른 방식의 변형을 갖게 되는 경우가 발생할 수 있다. 이 경우에, 본 실시형태의 단계 (401, 402) 의 처리는 각각의 부분의 변형 추정을 가능하게 한다.
앞에서 설명한 바와 같이, 제 1 실시형태에 의해 얻어지는 효과이외에, 본실시형태는 변형 방식이 각 부분에서 다른 도형을 처리하는 효과를 가짐으로써, 잘못된 추정의 가능성을 줄인다.
다음으로, 도면을 참조하여 본 발명의 제 3 실시형태를 상세하게 설명한다.
도 15 는 본 실시형태에 따른 패턴 조합 장치의 구성을 나타내는 블록도이고, 도 16 은 본 실시형태에 따른 패턴 조합 처리를 설명하는 데 사용되는 플로우차트이다.
도 15 와 16 에 나타낸 바와 같이, 본 실시형태는 데이터 처리부 (10b) 의 변형 추정부 (11b) 의 기능에서 제 1 실시형태와 다르다. 본 실시형태의 패턴 조합 처리는 단계 (601, 602, 603) 이 단계 202 에 새로 추가되는 것만 다르고 제 1 실시형태의 패턴 조합 처리와 동일하다.
도 16 에 나타낸 본 실시형태에 다른 변형 추정 처리에서는, 제 1 실시형태의 변형 추정 처리와 동일한 처리를 실행하여 검사 도형에서 전체적으로 발새한 변형을 추정한다. 다음으로, 임의의 특징점 근방에서 특징점들의 집중도를 측정한다 (단계 601). 도 17 에 나타낸 바와 같이, 이는, 착안한 특징점 세트 주변의 소정 사이즈의 영역을 착안한 임의의 특징점의 근방으로 하여, 점 근방에서 특징점의 집중도를 계측하는 처리이다.
그다음에, 소정 임계값의 개수와 같거나 많은 특징점쌍들이 존재하는 경우 (단계 602), 단계 202 와 동일한 변형 추정 처리를 근방에 적용함으로써, 인접 특징점쌍들로부터 특징점 근방의 변형을 추정한다 (단계 603).
특징점들이 집중되는 부분에서 변형 추정 처리를 부분적으로 실행함으로써, 본 실시형태는 변형 방식이 각각의 부분에 따라 변화하는 도형을 처리하여, 잘못된 변형 추정의 가능성을 줄인다.
또한, 특징점 근방에서 특징점쌍들이 소정의 임계값의 개수와 같거나 더 많이 존재하지 못할 경우 (단계 602), 근방에서의 변형을 추정하는 처리가 필요하지 않고, 단계 202 에서 검사 도형에 대하여 추정된 변형이 전체적으로 사용된다.
그다음에, 단계 (202, 603) 에서 수행된 변형 추정에 기초하여, 검사 도형 (또는 모델 도형) 을 변형하여 (단계 203), 2 개의 도형 사이의 유사도를 계산한다 (단계 204).
본 실시형태에 따르면, 특징점 근방에서 추정된 변형과의 관계나 전체적으로 추정된 변형과의 관계를 평가하기 위하여 각각의 특징점에서 변형이 추정됨으로써, 추정의 타당성을 평가하고 (제 1 실시형태의 단계 303 에서 수행된 바와 같이), 부적절한 변형이 추정되는 경우 추정이 다시 시도될 수 있다.
앞에서 설명한 바와 같이, 제 1 실시형태에 의해 달성되는 효과 이외에, 본 발명은 그 변형 방법이 각각의 부분에 따라서 변화하는 도형을 처리하여, 잘못된 변형 추정의 가능성을 줄이는 효과를 갖는다.
또한, 제 2 및 제 3 실시형태에서의 상술한 변형 추정 처리는 조합되어 실시될 수 있다.
상술한 개별 실시형태에 따른 패턴 조합 장치에서, 데이터 처리부 (10, 10a, 10b), 변형 추정부 (11), 변형 추정부 (11a), 변형 추정부 (11b), 변형 보정부 (12), 유사도 결정부 (13) 등의 기능, 및 다른 기능들은 하드웨어뿐만 아니라 개별 기능을 갖는 컴퓨터 프로그램인 패턴 조합 프로그램을 컴퓨터 처리 장치의 메모리에 로딩함으로써 실시될 수 있다.
도 18 은 본 발명에 따라서 패턴 조합 프로그램이 기록된 기록 매체를 갖는 구성의 일실시형태를 나타내는 도면이다.
패턴 조합 프로그램 프로그램은 마그네틱 디스크나 반도체 메모리와 같은 기록 매체 (90) 에 저장된다. 그다음에, 데이터 처리부 (10c) 의 동작을 제어하기 위하여 기록 매체로부터 컴퓨터 처리 장치인 데이터 처리부 (10c) 로 프로그램을 로딩함으로써 상술한 기능들을 실시할 수 있다. 그결과, 데이터 처리부 (10c) 는 패턴 조합 프로그램의 제어하에 제 1, 제 2, 및 제 3 실시형태에서 데이터 처리부 (10, 10a, 10b) 에 의해 수행되는 처리를 실행한다.
본 발명이 바람직한 모드들의 실시예와 실시형태에 관하여 설명되었지만, 본 발명은 상술한 모드에 반드시 제한되는 것이 아니라 그 기술적 사상의 범위내에서 다양한 형식으로 구현될 수 있다.
본 발명의 예시적인 실시형태에 관하여 설명하였지만, 상술한 다양한 다른 변형, 생략, 추가를 본 발명의 정신과 범위를 벗어나지 않고 수행할 수 있다.
앞에서 설명한 바와 같이, 본 발명의 패턴 조합 장치는 다음 효과를 달성한다.
첫째, 본 발명에 따르면, 검사 도형에서 발생한 변형이 추정되고 보정되기 때문에, 검사 도형은 도형이 변형되는 경우에도 정확하게 식별될 수 있다. 또한, 본 발명은 변형에 의한 특징량 (feature quantity) 의 변화, 및특징량 추출의 에러가 분리되게 하여. 특징량의 정확한 비교를 실시할 수 있게 한다.
둘째, 본 발명의 제 2 실시형태에 따르면, 검사 도형을 작은 영역으로 분리하고 각각의 작은 영역에서 변형을 추정함으로써, 도형이 부분적으로 다른 변형을 가지는 경우에도, 검사 도형이 정확하게 식별될 수 있다.
셋째, 본 발명의 제 3 실시형태에 따르면, 검사 도형에 존재하는 인접 특징점쌍들의 개수가 소정의 개수보다 클 경우, 변형 추정 에러를 추정하기 위하여 특징점 주변의 변형이 추정됨으로써, 검사 도형이 부분적으로 다른 변형을 가질 경우에도 정확하게 식별될 수 있다.
도 1 은 본 발명의 제 1 실시형태에 따른 패턴 조합 장치의 구성을 나타내는 블록도.
도 2 는 본 발명의 제 1 실시형태에 따른 패턴 조합 처리를 설명하는 데 사용되는 플로우차트.
도 3 은 본 발명의 제 1 실시형태에 따른 변형 추정부의 처리를 설명하는 데 사용되는 플로우차트.
도 4 는 본 발명의 일실시형태의 변형 추정용 특징점쌍들의 리스트를 나타내는 도면.
도 5 는 본 발명의 일실시형태에 따른 모델 도형을 나타내는 도면.
도 6 은 본 발명의 일실시형태에 따른 검사 도형을 나타내는 도면.
도 7 은 본 발명의 일실시형태에 따른, 모델 도형과 검사 도형이 서로 오버랩되는 상태를 나타내는 도면.
도 8 은 본 발명의 일실시형태에 따른, 모델 도형과 검사 도형의 특징점쌍들을 나타내는 도면.
도 9 는 본 발명의 일실시형태에 따른, 추정된 변형을 거친 모델 도형과 검사 도형이 서로 오버랩되는 상태를 나타내는 도면.
도 10 은 본 발명의 일실시형태에 따른, 시프트된 모델 도형과 검사 도형이 서로 오버랩되는 상태를 나타내는 도면.
도 11 은 본 발명의 일실시형태에 따른, 시프트된 모델 도형과 검사 도형의 특징점쌍들을 나타내는 도면.
도 12 는 본 발명의 일실시형태에 따른, 추정된 변형을 거친 모델 도형과 검사 도형이 서로 오버랩되는 상태를 나타내는 도면.
도 13 은 본 발명의 제 2 실시형태에 따른 패턴 조합 장치의 구성을 나타내는 블록도.
도 14 는 본 발명의 제 2 실시형태에 따른 패턴 조합 처리를 설명하는 데 사용되는 플로우차트.
도 15 는 본 발명의 제 3 실시형태에 따른 패턴 조합 장치의 구성을 나타내는 블록도.
도 16 은 본 발명의 제 3 실시형태에 따른 패턴 조합 처리를 설명하기 위해 사용되는 플로우차트.
도 17 은 본 발명의 제 3 실시형태에서, 특징점 근방에 있는 특징점들의 집중도 계측을 설명하는 데 사용되는 도면.
도 18 은 본 발명에 따른, 패턴 조합 프로그램이 저장되는 기록 매체를 갖는 장치의 일실시형태를 나타내는 도면.
* 도면의 주요부분에 대한 부호의 설명*
10 : 데이터 처리부 11: 변형 추정부
12 : 변형 보정부 13: 유사도 결정부
20 : 검사 도형 입력부 30: 모델 도형 입력부
40 : 출력부
Claims (56)
- 검사도형과, 비교의 기초인 모델도형을 비교하여 조합(照合)하는 패턴 조합 장치에 있어서,상기 검사도형과 상기 모델도형 각각에서의 특징을 나타내는 특징점에서의 특징의 정도를 나타내는 특징량의 차이가 작은 특징점들을 상관시켜서 쌍으로 짝지우고, 상기 개별 특징점들 사이의 대응을 최선으로 일치시키는 상기 검사도형의 변형의 내용을 결정함으로써, 상기 검사도형에 발생되어 있는 변형을 추정하는 변형추정수단 (11); 및상기 변형추정수단 (11) 에 의해 추정된 변형에 관한 정보에 기초하여, 당해 검사도형을 보정하는 변형보정수단 (12) 을 포함하는 것을 특징으로 하는 패턴 조합 장치.
- 삭제
- 제 1 항에 있어서,상기 변형추정수단 (11) 은,상기 검사도형과 상기 모델도형 각각에서의, 상기 개별 특징점들 사이의 대응을 최선으로 일치시키는 상기 검사도형의 변형의 내용을, 미리 준비된 화상 데이터의 변형의 내용을 나타내는 복수의 변형모델로부터 선택하는 것을 특징으로 하는 패턴 조합 장치.
- 제 1 항에 있어서,상기 변형추정수단 (11) 은,개별 파라미터에 의해 지정된 값에 대응하는 화상 데이터의 변형의 내용을 나타내는 변형 모델의 정보를 가지며,상기 검사도형과 상기 모델도형 각각에서의 상기 개별 특징점들 사이의 대응을 최선으로 일치시키는 상기 변형모델을 제공하는 각각의 상기 파라미터값을 구함으로써, 상기 검사도형의 변형의 내용을 결정하는 것을 특징으로 하는 패턴 조합 장치.
- 제 1 항에 있어서,상기 변형추정수단 (11) 은,추정된 변형을 실시한 경우에, 소정의 임계값 이상 위치가 떨어진 상기 특징점쌍을 제거한 후, 나머지 특징점쌍만을 이용하여 변형을 재추정하는 것을 특징으로 하는 패턴 조합 장치.
- 제 1 항에 있어서,상기 변형추정수단 (11) 은,추정된 변형의 크기가 소정의 임계값보다 큰 경우, 당해 변형모델을 변경하여 변형을 재추정하는 것을 특징으로 하는 패턴 조합 장치.
- 제 1 항에 있어서,상기 변형추정수단 (11) 은,상기 검사도형의 전체의 변형을 추정한 후에,당해 검사도형을 작은 영역들로 분할하고, 상기 작은 영역마다 변형의 내용을 추정하는 것을 특징으로 하는 패턴 조합 장치.
- 제 1 항에 있어서,상기 변형추정수단 (11) 은,상기 검사도형의 전체의 변형을 추정한 후에,당해 특징점쌍마다, 근방의 상기 특징점쌍의 정보를 참조함으로써, 각각의 상기 특징점쌍의 근방에서의 변형을 추정하고 보정하는 것을 특징으로 하는 패턴 조합 장치.
- 제 1 항에 있어서,상기 변형모델로서, 탄성 변형을 이용하고,변형의 크기를 나타내는 데이터로서, 탄성 에너지를 이용하는 것을 특징으로 하는 패턴 조합 장치.
- 제 9 항에 있어서,상기 검사도형 및 상기 모델도형으로서, 지문 화상 또는 장문(掌紋) 화상 중 적어도 하나를 이용하는 것을 특징으로 하는 패턴 조합 장치.
- 검사도형과 비교의 기초인 모델도형을 비교하여 변형을 보정하는 변형 보정 장치에 있어서,상기 검사도형과 상기 모델도형 각각에서의 특징을 나타내는 특징점에서의 특징의 정도를 나타내는 특징량의 차이가 작은 특징점들을 상관시켜서 쌍으로 짝지우고, 상기 개별 특징점들 사이의 대응을 최선으로 일치시키는 상기 검사도형의 변형의 내용을 결정함으로써, 상기 검사도형에 발생되어 있는 변형을 추정하는 변형추정수단 (11); 및상기 변형추정수단 (11) 에 의해 추정된 변형에 관한 정보에 기초하여, 당해 검사도형을 보정하는 변형보정수단 (12) 을 포함하는 것을 특징으로 하는 변형 보정 장치.
- 삭제
- 제 11 항에 있어서,상기 변형추정수단 (11) 은,상기 검사도형과 상기 모델도형 각각에서의 상기 개별 특징점들 사이의 대응을 최선으로 일치시키는 상기 검사도형의 변형의 내용을, 미리 준비된 화상 데이터의 변형의 내용을 나타내는 복수의 변형모델로부터 선택하는 것을 특징으로 하는 변형 보정 장치.
- 제 11 항에 있어서,상기 변형추정수단 (11) 은,개별 파라미터에 의해 지정된 값에 대응하는 화상 데이터의 변형의 내용을 나타내는 변형 모델의 정보를 구비하며,상기 검사도형과 상기 모델도형 각각에서의 상기 개별 특징점들 사이의 대응을 최선으로 일치시키는 상기 변형모델을 제공하는 각각의 상기 파라미터값을 구함으로써, 상기 검사도형의 변형의 내용을 결정하는 것을 특징으로 하는 변형 보정 장치.
- 제 11 항에 있어서,상기 변형추정수단 (11) 은,추정된 변형을 실시한 경우에, 소정의 임계값 이상으로 위치가 떨어진 상기 특징점쌍을 제거한 후에, 나머지 특징점쌍만을 이용하여 변형을 재추정하는 것을 특징으로 하는 변형 보정 장치.
- 제 11 항에 있어서,상기 변형추정수단 (11) 은,추정된 변형의 크기가 소정의 임계값보다 큰 경우, 당해 변형모델을 변경하여 변형을 재추정하는 것을 특징으로 하는 변형 보정 장치.
- 제 11 항에 있어서,상기 변형추정수단 (11) 은,상기 검사도형의 전체의 변형을 추정한 후에,당해 검사도형을 작은 영역들로 분할하고, 상기 작은 영역마다 변형의 내용을 추정하는 것을 특징으로 하는 변형 보정 장치.
- 제 11 항에 있어서,상기 변형추정수단 (11) 은,상기 검사도형의 전체의 변형을 추정한 후에,당해 특징점쌍마다, 근방의 상기 특징점쌍의 정보를 참조함으로써, 각각의 상기 특징점쌍의 근방에서의 변형을 추정하고 보정하는 것을 특징으로 하는 변형 보정 장치.
- 제 11 항에 있어서,상기 변형모델로서, 탄성변형을 이용하고,변형의 크기를 나타내는 데이터로서, 탄성 에너지를 이용하는 것을 특징으로 하는 변형 보정 장치.
- 제 19 항에 있어서,상기 검사도형 및 상기 모델도형으로서, 지문 화상 또는 장문 화상 중 적어도 하나를 이용하는 것을 특징으로 하는 변형 보정 장치.
- 검사도형과 비교의 기초인 모델도형을 비교하여 조합하는 패턴 조합 방법으로서,상기 검사도형과 상기 모델도형 각각에서의 특징을 나타내는 특징점에서의 특징의 정도를 나타내는 특징량의 차이가 작은 특징점들을 상관시켜서 쌍으로 짝지우고, 상기 개별 특징점들 사이의 대응을 최선으로 일치시키는 상기 검사도형의 변형의 내용을 결정함으로써, 상기 검사도형에 발생되어 있는 변형을 추정하는 변형 추정 단계; 및상기 추정된 변형에 관한 정보에 기초하여, 당해 검사도형을 보정하는 변형 보정 단계를 포함하는 것을 특징으로 하는 패턴 조합 방법.
- 삭제
- 제 21 항에 있어서,상기 변형 추정 단계에서,상기 검사도형과 상기 모델도형 각각에서의 상기 개별 특징점들 사이의 대응을 최선으로 일치시키는 상기 검사도형의 변형의 내용을, 미리 준비된 화상 데이터의 변형의 내용을 나타내는 복수의 변형모델로부터 선택하는 것을 특징으로 하는 패턴 조합 방법.
- 제 21 항에 있어서,상기 변형 추정 단계에서,개별 파라미터에 의해 지정된 값에 대응하는 화상 데이터의 변형의 내용을 나타내는 변형모델의 정보에 기초하여,상기 검사도형과 상기 모델도형 각각에서의 상기 개별 특징점들 사이의 대응을 최선으로 일치시키는 상기 변형모델을 제공하는 각각의 상기 파라미터값을 구함으로써, 상기 검사도형의 변형의 내용을 결정하는 것을 특징으로 하는 패턴 조합 방법.
- 제 21 항에 있어서,상기 변형 추정 단계에서,추정된 변형을 실시한 경우에, 소정의 임계값 이상 위치가 떨어진 특징점쌍을 제거한 후에, 나머지 특징점쌍만을 이용하여 변형을 재추정하는 것을 특징으로 하는 패턴 조합 방법.
- 제 21 항에 있어서,상기 변형 추정 단계에서,추정 변형의 크기가 소정의 임계값보다 큰 경우, 당해 변형모델을 변경하여 변형을 재추정하는 것을 특징으로 하는 패턴 조합 방법.
- 제 21 항에 있어서,상기 변형 추정 단계에서,상기 검사도형의 전체의 변형을 추정한 후에,당해 검사도형을 작은 영역들로 분할하고, 각각의 상기 작은 영역마다 변형의 내용을 추정하는 것을 특징으로 하는 패턴 조합 방법.
- 제 21 항에 있어서,상기 변형 추정 단계에서,상기 검사도형의 전체의 변형을 추정한 후에,당해 특징점쌍마다, 근방의 상기 특징점쌍의 정보를 참조함으로써, 각각의 상기 특징점쌍의 근방에서의 변형을 추정하고 보정하는 것을 특징으로 하는 패턴 조합 방법.
- 제 21 항에 있어서,상기 변형모델로서, 탄성 변형을 이용하고,변형의 크기를 나타내는 데이터로서, 탄성 에너지를 이용하는 것을 특징으로 하는 패턴 조합 방법.
- 제 21 항에 있어서,상기 검사도형 및 상기 모델도형으로서, 지문 화상 또는 장문 화상 중 적어도 하나를 이용하는 것을 특징으로 하는 패턴 조합 방법.
- 컴퓨터를 제어함으로써, 검사도형과 비교의 기초인 모델도형을 비교하여 조합하는 패턴 조합 프로그램을 저장하는 컴퓨터 판독가능 메모리로서,상기 검사도형과 상기 모델도형 각각에서의 특징을 나타내는 특징점에서의 특징의 정도를 나타내는 특징량의 차이가 작은 특징점들을 상관시켜서 쌍으로 짝지우고, 상기 개별 특징점들 사이의 대응을 최선으로 일치시키는 상기 검사도형의 변형의 내용을 결정함으로써, 상기 검사도형에 발생되어 있는 변형을 추정하는 변형 추정 기능; 및상기 추정된 변형에 관한 정보에 기초하여, 당해 검사도형을 보정하는 변형 보정 기능을 포함하는 것을 특징으로 하는 컴퓨터 판독가능 메모리.
- 삭제
- 제 31 항에 있어서,상기 변형 추정 기능은,상기 검사도형과 상기 모델도형의 각각에서의 상기 개별 특징점들 사이의 대응을 최선으로 일치시키는 상기 검사도형의 변형 내용을, 미리 준비된 화상 데이터의 변형 내용을 나타내는 복수의 변형모델로부터 선택하는 처리를 실행하는 것을 특징으로 하는 컴퓨터 판독가능 메모리.
- 제 31 항에 있어서,상기 변형 추정 기능은,개별 파라미터에 의해 지정된 값에 대응하는 화상 데이터의 변형의 내용을 나타내는 변형모델의 정보에 기초하여,상기 검사도형과 상기 모델도형의 각각에서의 상기 개별 특징점들 사이의 대응을 최선으로 일치시키는 상기 변형모델을 제공하는 각각의 상기 파라미터값을 구함으로써, 상기 검사도형의 변형의 내용을 결정하는 처리를 실행하는 것을 특징으로 하는 컴퓨터 판독가능 메모리.
- 제 31 항에 있어서,상기 변형 추정 기능은,추정된 변형을 실시한 경우에, 소정의 임계값 이상 위치가 떨어진 특징점쌍을 제거한 후에, 나머지 특징점쌍만을 이용하여 변형을 재추정하는 기능을 실행하는 것을 특징으로 하는 컴퓨터 판독가능 메모리.
- 제 31 항에 있어서,상기 변형 추정 기능은,추정된 변형의 크기가 소정의 임계값보다 큰 경우, 당해 변형모델을 변경하여 변형을 재추정하는 처리를 실행하는 것을 특징으로 하는 컴퓨터 판독가능 메모리.
- 제 31 항에 있어서,상기 변형 추정 기능은,상기 검사도형의 전체의 변형을 추정한 후에,당해 검사도형을 작은 영역들로 분할하고, 상기 작은 영역마다 변형의 내용을 추정하는 처리를 실행하는 것을 특징으로 하는 컴퓨터 판독가능 메모리.
- 제 31 항에 있어서,상기 변형 추정 기능은,상기 검사도형의 전체의 변형을 추정한 후에,당해 특징점쌍마다, 근방의 상기 특징점쌍들의 정보를 참조함으로써, 각각의 상기 특징점쌍의 근방에서의 변형을 추정하고 보정하는 처리를 실행하는 것을 특징으로 하는 컴퓨터 판독가능 메모리.
- 검사도형과 비교의 기초인 모델도형을 비교하여 변형을 보정하는 변형 보정 방법에 있어서,상기 검사도형과 상기 모델도형 각각에서의 특징을 나타내는 특징점에서의 특징의 정도를 나타내는 특징량의 차이가 작은 특징점들을 상관시켜서 쌍으로 짝지우고, 상기 개별 특징점들 사이의 대응을 최선으로 일치시키는 상기 검사도형의 변형의 내용을 결정함으로써, 상기 검사도형에 발생되어 있는 변형을 추정하는 변형 추정 단계; 및상기 추정된 변형에 관한 정보에 기초하여, 당해 검사도형을 보정하는 변형 보정 단계를 포함하는 것을 특징으로 하는 변형 보정 방법.
- 삭제
- 제 39 항에 있어서,상기 변형 추정 단계에서,상기 검사도형과 상기 모델도형 각각에서의 상기 개별 특징점들 사이의 대응을 최선으로 일치시키는 상기 검사도형의 변형의 내용을, 미리 준비된 화상 데이터의 변형의 내용을 나타내는 복수의 변형모델로부터 선택하는 것을 특징으로 하는 변형 보정 방법.
- 제 39 항에 있어서,상기 변형 추정 단계에서,개별 파라미터에 의해 지정된 값에 대응하는 화상 데이터의 변형의 내용을 나타내는 변형모델의 정보에 기초하여,상기 검사도형과 상기 모델도형 각각에서의 상기 개별 특징점들 사이의 대응을 최선으로 일치시키는 상기 변형모델을 제공하는 각각의 상기 파라미터값을 구함으로써, 상기 검사도형의 변형의 내용을 결정하는 것을 특징으로 하는 변형 보정 방법.
- 제 39 항에 있어서,상기 변형 추정 단계에서,추정된 변형을 실시한 경우에, 소정의 임계값 이상 위치가 떨어진 특징점쌍을 제거한 후에, 나머지 특징점쌍만을 이용하여 변형을 재추정하는 것을 특징으로 하는 변형 보정 방법.
- 제 39 항에 있어서,상기 변형 추정 단계에서,추정된 변형의 크기가 소정의 임계값보다 큰 경우, 당해 변형모델을 변경하여 변형을 재추정하는 것을 특징으로 하는 변형 보정 방법.
- 제 39 항에 있어서,상기 변형 추정 단계에서,상기 검사도형의 전체의 변형을 추정한 후에,당해 검사도형을 작은 영역들로 분할하고, 상기 작은 영역마다 변형의 내용을 추정하는 것을 특징으로 하는 변형 보정 방법.
- 제 39 항에 있어서,상기 변형 추정 단계에서,상기 검사도형의 전체의 변형을 추정한 후에,당해 특징점쌍마다, 근방의 상기 특징점쌍의 정보를 참조함으로써, 각각의 상기 특징점쌍의 근방에서의 변형을 추정하고 보정하는 것을 특징으로 하는 변형 보정 방법.
- 제 39 항에 있어서,상기 변형모델로서, 탄성 변형을 이용하고,변형의 크기를 나타내는 데이터로서, 탄성 에너지를 이용하는 것을 특징으로 하는 변형 보정 방법.
- 제 39 항에 있어서,상기 검사도형 및 상기 모델도형으로서, 지문 화상 또는 장문 화상 중 적어도 하나를 이용하는 것을 특징으로 하는 변형 보정 방법.
- 컴퓨터를 제어함으로써, 검사도형과 비교의 기초인 모델도형을 비교하여 변형을 보정하는 변형 보정 프로그램을 저장하는 컴퓨터 판독가능 메모리로서,상기 검사도형과 상기 모델도형 각각에서의 특징을 나타내는 특징점에서의 특징의 정도를 나타내는 특징량의 차이가 작은 특징점들을 상관시켜서 쌍으로 짝지우고, 상기 개별 특징점들 사이의 대응을 최선으로 일치시키는 상기 검사도형의 변형의 내용을 결정함으로써, 상기 검사도형에 발생되어 있는 변형을 추정하는 변형 추정 기능; 및상기 추정된 변형에 관한 정보에 기초하여, 당해 검사도형을 보정하는 변형 보정 기능을 포함하는 것을 특징으로 하는 컴퓨터 판독가능 메모리.
- 삭제
- 제 49 항에 있어서,상기 변형 추정 기능은,상기 검사도형과 상기 모델도형 각각에서의 상기 개별 특징점들 사이의 대응을 최선으로 일치시키는 상기 검사도형의 변형의 내용을, 미리 준비된 화상 데이터의 변형의 내용을 나타내는 복수의 변형모델로부터 선택하는 처리를 실행하는 것을 특징으로 하는 컴퓨터 판독가능 메모리.
- 제 49 항에 있어서,상기 변형 추정 기능은,개별 파라미터에 의해 지정된 값에 대응하는 화상 데이터의 변형의 내용을 나타내는 변형모델의 정보에 기초하여,상기 검사도형과 상기 모델도형 각각에서의 상기 개별 특징점들 사이의 대응을 최선으로 일치시키는 상기 변형모델을 제공하는 각각의 상기 파라미터값을 구함으로써, 상기 검사도형의 변형의 내용을 결정하는 처리를 실행하는 것을 특징으로 하는 컴퓨터 판독가능 메모리.
- 제 49 항에 있어서,상기 변형 추정 기능은,추정된 변형을 실시한 경우에, 소정의 임계값 이상 위치가 떨어진 특징점쌍을 제거한 후에, 나머지 특징점쌍만을 이용하여 변형을 재추정하는 기능을 실행하는 것을 특징으로 하는 컴퓨터 판독가능 메모리.
- 제 49 항에 있어서,상기 변형 추정 기능은,추정된 변형의 크기가 소정의 임계값보다 큰 경우, 당해 변형모델을 변경하여 변형을 재추정하는 처리를 실행하는 것을 특징으로 하는 컴퓨터 판독가능 메모리.
- 제 49 항에 있어서,상기 변형 추정 기능은,상기 검사도형의 전체의 변형을 추정한 후에,당해 검사도형을 작은 영역들로 분할하고, 상기 작은 영역마다 변형의 내용을 추정하는 처리를 실행하는 것을 특징으로 하는 컴퓨터 판독가능 메모리.
- 제 49 항에 있어서,상기 변형 추정 기능은,상기 검사도형의 전체의 변형을 추정한 후에,당해 특징점쌍마다, 근방의 상기 특징점쌍의 정보를 참조함으로써, 각각의 상기 특징점쌍의 근방에서의 변형을 추정하고 보정하는 처리를 실행하는 것을 특징으로 하는 컴퓨터 판독가능 메모리.
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JPJP-P-2001-00096223 | 2001-03-29 | ||
JP2001096223A JP2002298141A (ja) | 2001-03-29 | 2001-03-29 | パターン照合装置とそのパターン照合方法、及びパターン照合プログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
KR20020077257A KR20020077257A (ko) | 2002-10-11 |
KR100479777B1 true KR100479777B1 (ko) | 2005-03-30 |
Family
ID=18950165
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR10-2002-0017391A KR100479777B1 (ko) | 2001-03-29 | 2002-03-29 | 패턴 조합 장치와 그 패턴 조합 방법 |
Country Status (8)
Country | Link |
---|---|
US (1) | US7027624B2 (ko) |
EP (2) | EP1248226B1 (ko) |
JP (1) | JP2002298141A (ko) |
KR (1) | KR100479777B1 (ko) |
CN (1) | CN1276389C (ko) |
AU (1) | AU785140B2 (ko) |
CA (1) | CA2379452C (ko) |
DE (1) | DE60239971D1 (ko) |
Families Citing this family (28)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3842080B2 (ja) * | 2001-07-06 | 2006-11-08 | グローリー工業株式会社 | 署名照合装置、署名照合方法および署名照合プログラム |
US7466846B2 (en) | 2002-09-25 | 2008-12-16 | The Hong Kong Polytechnic University | Method for analyzing a palm print for the identification of an individual using gabor analysis |
US7496214B2 (en) | 2002-09-25 | 2009-02-24 | The Hong Kong Polytechnic University | Method of palm print identification |
US8275204B1 (en) | 2003-11-05 | 2012-09-25 | Shahar Kovalsky | Estimation of joint radiometric and geometric image deformations |
WO2005045358A2 (en) * | 2003-11-05 | 2005-05-19 | Francos Joseph M | Parametric estimation of multi-dimensional homeomorphic transformations |
FR2862785B1 (fr) * | 2003-11-21 | 2006-01-20 | Atmel Grenoble Sa | Capteur d'empreinte digitale a deux sens de balayage |
JP4267475B2 (ja) * | 2004-02-13 | 2009-05-27 | 富士通株式会社 | 図面照合装置 |
JP4605445B2 (ja) * | 2004-08-24 | 2011-01-05 | ソニー株式会社 | 画像処理装置および方法、記録媒体、並びにプログラム |
US8437502B1 (en) * | 2004-09-25 | 2013-05-07 | Cognex Technology And Investment Corporation | General pose refinement and tracking tool |
US20060088225A1 (en) | 2004-10-26 | 2006-04-27 | The Secretary Of State For The Home Department | Comparison |
CN101194288B (zh) * | 2005-06-08 | 2010-06-09 | 皇家飞利浦电子股份有限公司 | 用于快速可变形的基于点成像的点次选取 |
CN100464346C (zh) * | 2006-04-29 | 2009-02-25 | 北大方正集团有限公司 | 一种表格图像几何畸变的数字校正方法 |
KR20080110242A (ko) * | 2007-06-15 | 2008-12-18 | 한국외국어대학교 연구산학협력단 | 지문 정합 시스템 및 방법 |
JP5440182B2 (ja) | 2008-02-19 | 2014-03-12 | 日本電気株式会社 | パターン照合装置、パターン照合方法、及びプログラム |
JP5120013B2 (ja) | 2008-03-27 | 2013-01-16 | 富士通株式会社 | 認証装置、認証方法及び認証プログラム |
GB0819069D0 (en) | 2008-10-17 | 2008-11-26 | Forensic Science Service Ltd | Improvements in and relating to methods and apparatus for comparison |
JP5563231B2 (ja) * | 2009-03-25 | 2014-07-30 | 日本電気株式会社 | 縞模様画像鑑定装置、縞模様画像鑑定方法及びプログラム |
US8855373B2 (en) * | 2010-01-08 | 2014-10-07 | Nec Corporation | Similarity calculation device, similarity calculation method, and program |
WO2012063708A1 (ja) * | 2010-11-08 | 2012-05-18 | 日本電気株式会社 | 画像照合装置 |
CN102200999B (zh) * | 2011-04-27 | 2012-10-10 | 华中科技大学 | 一种检索相似性形状的方法 |
CN102324096B (zh) * | 2011-07-19 | 2014-07-02 | 国家电网公司 | 特征点校正分区拼接方法及装置 |
CN102306382A (zh) * | 2011-06-28 | 2012-01-04 | 吉林大学 | 基于道路环境固有特征的事故现场图像校正方法 |
JP6037134B2 (ja) | 2011-08-16 | 2016-11-30 | 日本電気株式会社 | 特徴点対応付けシステム、特徴点対応付け方法、およびプログラム |
JP2015087941A (ja) * | 2013-10-30 | 2015-05-07 | オリンパス株式会社 | 特徴点マッチング処理装置、特徴点マッチング処理方法、およびプログラム |
JP6593327B2 (ja) * | 2014-05-07 | 2019-10-23 | 日本電気株式会社 | 画像処理装置、画像処理方法およびコンピュータ可読記録媒体 |
CN103984929B (zh) * | 2014-05-20 | 2017-04-19 | 清华大学 | 扭曲指纹的校正方法及*** |
CN109005387B (zh) * | 2018-08-08 | 2021-04-02 | 盎锐(上海)信息科技有限公司 | 用于生产线中的影像获取装置及数据分析方法 |
CN112233313B (zh) * | 2020-10-19 | 2022-06-21 | 中国工商银行股份有限公司 | 一种纸币识别方法、装置及设备 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO1986005903A1 (en) * | 1985-04-02 | 1986-10-09 | Fingermatrix, Inc. | Matcher |
US4641350A (en) * | 1984-05-17 | 1987-02-03 | Bunn Robert F | Fingerprint identification system |
KR960035331A (ko) * | 1995-03-08 | 1996-10-24 | 미따라이 후지오 | 화상 처리 장치 및 화상 처리 방법 |
KR20000060758A (ko) * | 1999-03-19 | 2000-10-16 | 심재창 | 지문 매칭 방법 |
Family Cites Families (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH02187885A (ja) | 1989-01-13 | 1990-07-24 | Canon Inc | 文字認識装置 |
JP2929802B2 (ja) | 1991-09-20 | 1999-08-03 | 株式会社デンソー | 指紋照合システム |
JP3183949B2 (ja) | 1992-06-22 | 2001-07-09 | 株式会社リコー | パターン認識処理方法 |
JPH0830783A (ja) | 1994-07-12 | 1996-02-02 | Meidensha Corp | 2次元物体の認識方法 |
JPH08147411A (ja) | 1994-11-21 | 1996-06-07 | Oki Electric Ind Co Ltd | 文字認識装置 |
US5892838A (en) | 1996-06-11 | 1999-04-06 | Minnesota Mining And Manufacturing Company | Biometric recognition using a classification neural network |
US5909501A (en) * | 1996-09-09 | 1999-06-01 | Arete Associates | Systems and methods with identity verification by comparison and interpretation of skin patterns such as fingerprints |
JP3625245B2 (ja) | 1996-10-16 | 2005-03-02 | 株式会社リコー | 画像処理方法及び画像処理装置 |
JP2878656B2 (ja) | 1996-10-02 | 1999-04-05 | 良吉 玉置 | 印鑑照合方法及び装置 |
JPH10124684A (ja) | 1996-10-16 | 1998-05-15 | Ricoh Co Ltd | 画像処理方法,記憶媒体及び画像処理装置 |
US5883971A (en) * | 1996-10-23 | 1999-03-16 | International Business Machines Corporation | System and method for determining if a fingerprint image contains an image portion representing a smudged fingerprint impression |
JP2944557B2 (ja) | 1997-02-27 | 1999-09-06 | 日本電気ソフトウェア株式会社 | 縞パターン照合装置 |
JP3002721B2 (ja) | 1997-03-17 | 2000-01-24 | 警察庁長官 | 図形位置検出方法及びその装置並びにプログラムを記録した機械読み取り可能な記録媒体 |
US6049621A (en) * | 1997-08-22 | 2000-04-11 | International Business Machines Corporation | Determining a point correspondence between two points in two respective (fingerprint) images |
US6466686B2 (en) * | 1998-01-07 | 2002-10-15 | International Business Machines Corporation | System and method for transforming fingerprints to improve recognition |
JP3630569B2 (ja) | 1998-10-23 | 2005-03-16 | 株式会社東芝 | 映像領域追跡方法および装置 |
-
2001
- 2001-03-29 JP JP2001096223A patent/JP2002298141A/ja active Pending
-
2002
- 2002-03-27 US US10/106,444 patent/US7027624B2/en not_active Expired - Lifetime
- 2002-03-27 AU AU27741/02A patent/AU785140B2/en not_active Ceased
- 2002-03-28 CA CA002379452A patent/CA2379452C/en not_active Expired - Fee Related
- 2002-03-28 EP EP02007179A patent/EP1248226B1/en not_active Expired - Fee Related
- 2002-03-28 EP EP07020623A patent/EP1881444B1/en not_active Expired - Fee Related
- 2002-03-28 DE DE60239971T patent/DE60239971D1/de not_active Expired - Lifetime
- 2002-03-29 KR KR10-2002-0017391A patent/KR100479777B1/ko not_active IP Right Cessation
- 2002-03-29 CN CNB021084149A patent/CN1276389C/zh not_active Expired - Fee Related
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4641350A (en) * | 1984-05-17 | 1987-02-03 | Bunn Robert F | Fingerprint identification system |
WO1986005903A1 (en) * | 1985-04-02 | 1986-10-09 | Fingermatrix, Inc. | Matcher |
KR960035331A (ko) * | 1995-03-08 | 1996-10-24 | 미따라이 후지오 | 화상 처리 장치 및 화상 처리 방법 |
KR20000060758A (ko) * | 1999-03-19 | 2000-10-16 | 심재창 | 지문 매칭 방법 |
Also Published As
Publication number | Publication date |
---|---|
CA2379452C (en) | 2006-09-19 |
EP1248226A3 (en) | 2005-10-12 |
US20020181782A1 (en) | 2002-12-05 |
KR20020077257A (ko) | 2002-10-11 |
JP2002298141A (ja) | 2002-10-11 |
CN1276389C (zh) | 2006-09-20 |
EP1248226B1 (en) | 2011-11-23 |
US7027624B2 (en) | 2006-04-11 |
CN1379364A (zh) | 2002-11-13 |
AU2774102A (en) | 2002-10-03 |
EP1248226A2 (en) | 2002-10-09 |
DE60239971D1 (de) | 2011-06-16 |
EP1881444A1 (en) | 2008-01-23 |
CA2379452A1 (en) | 2002-09-29 |
AU785140B2 (en) | 2006-10-05 |
EP1881444B1 (en) | 2011-05-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR100479777B1 (ko) | 패턴 조합 장치와 그 패턴 조합 방법 | |
US20070047777A1 (en) | Image collation method and apparatus and recording medium storing image collation program | |
EP2107507B1 (en) | Pattern aligning method, verifying method, and verifying device | |
US8565494B2 (en) | Biometric authentication device, biometric authentication method, and computer program for biometric authentication | |
US7512257B2 (en) | Coding system and method of a fingerprint image | |
US7599529B2 (en) | Organism characteristic data acquiring apparatus, authentication apparatus, organism characteristic data acquiring method, organism characteristic data acquiring program and computer-readable recording medium on which the program is recorded | |
US20050100200A1 (en) | Biometric information obtaining apparatus and biometric information verification apparatus | |
US20080298648A1 (en) | Method and system for slap print segmentation | |
JPH09161054A (ja) | 指紋分類装置 | |
US20080101662A1 (en) | Print matching method and apparatus using pseudo-ridges | |
WO2008140539A1 (en) | Methods for gray-level ridge feature extraction and associated print matching | |
US20070292005A1 (en) | Method and apparatus for adaptive hierarchical processing of print images | |
US20040218790A1 (en) | Print segmentation system and method | |
KR20100004862A (ko) | 생체 정보 판독 장치 및 생체 정보 판독 방법 | |
JPWO2013088707A1 (ja) | 辞書学習装置、パターン照合装置、辞書学習方法およびコンピュータプログラム | |
JP2009129237A (ja) | 画像処理装置及びその方法 | |
AU753499B2 (en) | Character recognition method, character recognition apparatus and recording medium on which a character recognition program is recorded | |
JP4304722B2 (ja) | 変形推定方法、変形推定装置及び変形推定プログラム | |
JP2866461B2 (ja) | 指紋照合装置 | |
JP4531670B2 (ja) | パターン照合装置 | |
KR100629302B1 (ko) | 지문등록을 위한 지문템플릿 생성방법 | |
US20230360428A1 (en) | Method for generating a palm image based on partial images of a palm | |
JPH10340348A (ja) | 画像位置合わせ方法、ファックス文字認識方法および記録媒体 | |
Abdul-Wahab | The Performance of Finger Print and Finger Shape Template for Person Identification | |
Sharma | Fingerprint matching using FRMM |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A201 | Request for examination | ||
E902 | Notification of reason for refusal | ||
E701 | Decision to grant or registration of patent right | ||
GRNT | Written decision to grant | ||
FPAY | Annual fee payment |
Payment date: 20090311 Year of fee payment: 5 |
|
LAPS | Lapse due to unpaid annual fee |