KR100786204B1

KR100786204B1 - 변형에 강건한 홍채 인식 방법

Info

Publication number: KR100786204B1
Application number: KR1020060018930A
Authority: KR
Inventors: 최형인; 위남숙; 이성진; 권성화; 손정교; 정두섭; 백승민; 김대훈
Original assignee: 아이리텍 잉크
Priority date: 2006-02-27
Filing date: 2006-02-27
Publication date: 2007-12-17
Also published as: WO2007097510A1; KR20070088982A

Abstract

본 발명은 홍채 인식 방법에 관한 것으로, 더욱 상세하게는 홍채 인식 방법에 있어서 홍채 부위와 다른 부위(동공 또는 공막)의 경계를 설정하는데 발생하는 에러 또는 홍채의 변형으로 인하여 발생하는 에러에 의하여 인식률 저하를 방지할 수 있는 변형에 강건한 홍채 인식방법에 관한 것이다.

본 발명의 변형에 강건한 홍채 인식 방법은 신원확인을 위한 홍채 영상을 등록 또는 인증용 홍채영상을 얻기 위해 카메라로 홍채가 포함된 눈의 영상을 획득하는 단계, 상기 눈의 영상에서 홍채영상의 영역을 추출하는 단계, 추출된 홍채 영상영역을 다수의 영역으로 분할하여 각각의 분할된 영역으로부터 홍채영상의 특징을 찾는 단계, 상기 등록된 홍채영상의 특징과 인증용 홍채영상의 특징의 유사도를 비교하는 정합 단계를 포함하되, 상기 정합 단계는 상기 등록용 홍채영상 정보의 단위영역과 상기 단위영역을 포함하는 확장영역으로 이루어진 등록용 바이브레이션 영역을 상기 등록용 홍채영상 정보의 단위영역에 대응되는 위치의 인증용 홍채영상 정보의 단위영역과 상기 단위영역을 포함하는 확장 영역으로 이루어진 인증용 바이브레이션 영역과 비교하는 바이브레이션 기법을 사용한다.

본 발명에 따른 변형에 강건한 홍채 인식 방법에 의하면 홍채영상의 특징 간의 유사도를 판단하는 정합 단계에서 비교하는 두 개의 홍채영상에 대응하는 영역 이외의 다른 영역과도 비교하는 단계를 구비함으로써 홍채 부위와 다른 부위의 경계를 설정하는데 발생하는 에러 또는 홍채 자체의 변형으로 인하여 발생하는 에러에 의하여 인식률 저하를 방지할 수 있는 효과가 있다.

생체 측정학(biometrics), 홍채 인식, 홍채 변형, 바이브레이션

Description

변형에 강건한 홍채 인식 방법{Deformation-resilient iris recognition methods}

도 1은 인간의 홍채를 설명하기 위한 눈의 단면도,

도 2는 눈의 영상과 상기 영상과 이것의 그레이 데이터를 3차원으로 나타낸 그래픽,

도 3은 생체인식 시스템의 평가 지표인 FAR과 FRR을 설명하기 위한 그래프,

도 4a는 동공의 크기 변화에 따라 홍채영상내부의 특징적 형상이 이동되는 것을 설명하기 위한 개략도,

도 4b는 동공의 크기 변화에 따라 홍채영상내부의 특징적 형상이 이동되는 것을 나타낸 사진,

도 5는 본 발명의 일실시예에 따른 평행이동 영역을 설명하기 위한 개략도,

도 6은 본 발명의 다른 일실시 예에 따른 평행이동 영역을 설명하기 위한 개략도,

도 7은 극좌표계로 변환한 홍채영상을 분할하는 방법을 설명하기 위한 개략도,

도 8은 각각의 단위 셀에 대하여 평행 이동한 영역들의 예를 보여주는 개략도,

도 9는 선정된 단위영역들의 위치적 대응관계의 일례를 보여주는 개략도,

도 10은 본 발명의 일실시예에 따른 변형에 강건한 홍채 인식 방법의 기본영역분할 및 중첩영역분할을 설명하기 위한 개략도,

도 11은 중첩영역분할에 의하여 추가로 홍채영상 정보를 얻는 것을 설명하기 위한 개략도,

도 12는 본 발명의 또 다른 일실시 예에 따른 변형에 강건한 홍채 인식방법의 기본영역분할 및 중첩영역분할을 설명하기 위한 개략도,

도 13은 가림이 발생한 등록 또는 인증용 홍채영상의 영역을 설명하기 위한 개략도,

도 14는 홍채영상의 영역에서 50% 이상 가림이 발생한 셀들을 제외시킨 것을 보여주는 개략도,

도 15는 인증을 위하여 비교되는 두 개의 홍채영상에서 발생되는 가림의 패턴을 보여주는 개략도,

도 16은 도 15에서 도시한 두 홍채영상의 공통된 영역을 도시한 개략도.

본 발명은 홍채 인식을 수행할 때 필수적으로 요구되는 등록용 홍채영상과 인식용 홍채영상을 비교하여 유사도를 판단하는 정합 단계에서 등록용 홍채영상 정보의 단위영역과 상기 단위영역을 포함하는 확장영역으로 이루어진 등록용 홍채영상의 바이브레이션 영역을 상기 등록용 홍채영상 정보의 단위영역에 대응되는 위치의 인증용 홍채영상 정보의 단위영역과 상기 단위영역을 포함하는 확장영역으로 이루어진 인증용 홍채영상의 바이브레이션 영역과 비교하는 바이브레이션 기법을 사용함으로써 홍채 부위와 다른 부위(동공 또는 공막)의 경계를 설정하는데 발생하는 에러 또는 홍채의 변형으로 인하여 발생하는 에러에 의하여 인식률이 저하되는 것을 방지할 수 있는 변형에 강건한 홍채 인식 방법에 관한 것이다.

오늘날 21세기 고도의 정보화 사회에서 개개인의 정확한 신원 확인은 과거와 같이 보안이 요구되는 장소의 출입 통제뿐만 아니라 정보 유출방지, 개인의 재산권 보호 등을 위하여 그 중요성이 점차 증대되고 있다.

최근에는 개인의 신체적, 행동적 특징을 이용하여 신원을 검증하는 생체 인식 기법 또는 생체측정학(biometrics)이 각광을 받고 있다. 이러한 생체측정학의 가장 큰 특성은 어떠한 경우에도 외부 요인에 의한 분실, 도난, 망각, 복제의 염려가 없으며, 신뢰성이 매우 높다는 것이다.

이러한 생체인식 기법의 대표적인 예로서 지문 인식, 얼굴 인식, 망막 인식, 홍채 인식 등이 있다. 홍채(虹彩, iris) 인식이란 눈 중앙의 동공(瞳孔)과 공막(鞏膜, sclera) 사이에 존재하는 홍채 무늬패턴을 이용하여 신원을 확인하는 기술을 말한다.

사람의 홍채는 대략 11㎜ 정도의 크기를 가진, 눈의 검은자위 부분으로서 동공의 바깥쪽 영역을 말하며 동공의 크기를 조절하는 근육으로 구성되어 있다. 즉, 첨부된 도1에 도시한 바와 같이 홍채는 외부로부터 안구(眼球)내로 입사되는 빛의 양을 조절하는 조리개의 역할을 하는 것이다.

일반적으로 이러한 홍채 인식방법은 카메라로 홍채가 포함된 눈의 영상을 획득하는 단계, 상기 눈의 영상에서 홍채영상의 영역을 추출하는 단계, 추출된 홍채영상의 영역에서 개인의 고유한 특징을 찾는 단계, 비교되는 두 개의 홍채영상의 특징 간의 유사도(similarity)를 판단하는 정합(整合)단계로 구성되어 있다.

상기 홍채영상 획득단계는 조명 장치와 카메라 장치 등으로 이루어진 영상획득 장치를 이용하여 홍채가 포함된 눈의 디지털 영상을 (아날로그 카메라의 경우 프래임 그래버(frame grabber)를 이용하여 얻음) 획득하는 단계이다.
도 2는 상기 눈의 영상과 그것의 그레이(gray) 데이터를 3차원 그래픽으로 나타낸 것이다.

상기 홍채 영역 추출 단계는 상기 영상 획득 장치를 통하여 획득된 눈의 영상으로부터 홍채 영역을 분리하는 단계로서, 정확한 홍채 영역 추출은 일관성 있는 홍채영상의 특징추출을 위하여 반드시 선행되어야하는 중요한 단계이다. 일반적으로 홍채 영역 추출은 원형 경계 검출기를 이용하는 방법(J.G. Daugman방법), 휴 변환(Hough transform)을 이용하는 방법(R.P. Wildes방법), 템플릿(template)을 이용하는 방법 등이 사용되고 있다. 이러한 방법들로 추출된 홍채의 경계는 원형 뿐아니라 타원형, 보다 일반적으로는 임의의 닫힌 단순 곡선(closed simple curve)이 되기도 한다. 그리고 이런 방식으로 추출된 홍채의 영역은 동공 또는 홍채의 중심과 홍채 경계까지의 상대적 위치 정보를 이용하여 극좌표계(polar coordinate)로 변환하는 방법이 널리 사용되고 있다.

상기 홍채영상의 특징추출 단계는 상기 극좌표계로 변환된 홍채영상의 영역을 단위 영역들로 분할하고 상기 각각의 단위 영역에 나타나는 무늬 패턴의 특징을 추출하는 단계로서, 이러한 홍채영상의 특징은 홍채영상의 무늬패턴의 그레이 값의 변화를 반영하는 값으로 표현된다. 여기서 효율적인 홍채영상의 특징을 일정한 형태로 부호화(encoding)할 수 있는데 이를 홍채코드 생성이라 한다. 이러한 홍채영상의 특징을 추출하는 방법으로서 FFT(Fast Fourier Transform)과 같은 푸리에(Fourier) 변환, 가버 변환(Gabor transform)과 같은 윈도우 푸리에(Windowed Fourier) 변환, 하르(Haar) 변환과 같은 웨이블릿 변환(wavelet transform)의 해석 방법이 대부분을 이루고 있다.

상기 정합 단계는 이미 등록이 되어 있는 홍채영상의 특징 또는 홍채영상의 코드와 인증을 위해 입력된 홍채영상으로부터 추출된 홍채영상의 특징 또는 홍채영상 코드를 서로 비교하는 단계로서, 이는 비교대상인 홍채영상의 특징 및 코드 사이의 유사도에 따라 동일인이라고 판단하거나(accept), 동일인이 아니라고 판단하는(reject) 두 가지 부분으로 이루어진다.
홍채 영상 코드간의 거리를 측정하는 방법은 여러 가지가 있다. 그 중 하나로서 해밍 거리(Hamming distance)를 측정하는 방법이 있다. 등록용 홍채영상의 특징과 인증용 홍채영상의 특징을 각각을 이진 벡터(binary vector)의 형태로 인코딩한 후, 이들 두 벡터의 가까움을 측정하기 위하여 이들 두 벡터로부터 새로운 하나의 이진 벡터를 구한다. 상기 두 벡터에서 서로 대응되는 위치에 있는 비트가 일치하면, 이 새로운 벡터의 동일한 위치에 0을 기록하고, 다르면 1을 기록한다. 마지막으로 이 새로운 벡터에 속한 모든 비트를 더한 후 이를 총 비트수로 나눈 결과 값이 두 이진 벡터의 해밍 거리가 된다. 따라서 동일한 영상 데이터의 경우, 즉 완전히 동일한 두 벡터의 경우에 모든 비트의 비교 결과가 0 이 되므로 해밍 거리가 0이 된다. 따라서 등록된 홍채영상과 인증을 위해 새로 입력된 홍채영상간의 해밍 거리가 0에 가까우면 이들 두 영상은 동일인으로부터 온 것이라고 판단할 수 있다. 일반적으로 적절한 임계 값을 설정하여, 이 임계 값보다 작을 경우 동일인의 영상이라고 판단하고, 클 경우에는 서로 타인의 영상이라고 판단하는 것이다.

생체 인식 기법을 평가하는 대표적인 지표로서 인식률이 있다. 홍채 인식에 있어서 에러는 등록된 사용자의 홍채와는 다른 사람의 홍채가 입력되었음에도 불구하고 동일한 사용자의 홍채로 잘못 판정할 때와 등록된 사용자의 홍채와 같은 사용자의 홍채가 입력되었음에도 불구하고 타인이라 잘못 판단할 때 발생한다. 따라서 전자의 빈도와 후자의 빈도, 즉 타인 수락률(FAR : false acceptance rate, 이하 'FAR'이라 한다)과 본인 거부율(FRR : false rejection rate, 이하 'FRR'이라 한다)이 낮을수록 인식률은 높아지는 것이다.

상기 FAR과 FRR은 첨부된 도 3에 도시한 바와 같이 두 개의 분포(distribution)로부터 설명될 수 있다. 왼쪽의 분포는 등록된 동일인의 두 개의 홍채 데이터의 유사도를 비교했을 경우의 분포(이 분포를 나타내는 함수를 이하 F(x)라 한다)이고, 오른쪽의 분포는 등록된 사람과 타인의 홍채 데이터를 비교했을 경우의 분포(이 분포를 나타내는 함수를 이하 G(x)라 한다)이다. 이들 분포는 홍채비교방법에 따라 달라진다.
x축에 임의의 값을 선택하여 이를 임계 값으로 정하면, 이 임계 값보다 작은 범위의 G(x)와 x축 사이의 넓이를 계산한 값이 FAR이며, 임계 값보다 큰 범위의 F(x)와 x축 사이의 넓이를 계산한 값이 FRR이다. FAR과 FRR은 임계 값의 선택에 따라 다르게 나타나며, 응용분야에 따라 이 임계 값을 다르게 설정할 수 있다.

첨부된 도 3에 도시된 왼쪽의 분포, 즉 F(x)는 후술되는 여러 가지 요인으로 인해 다소 큰 분산을 갖는 분포이다. 이렇게 큰 분산을 주는 홍채비교방법은 높은 FAR과 FRR을 가지게 되어, 이 홍채비교방법은 낮은 인식률은 가진다고 볼 수 있다. 상기 홍채 인식에서 오인식률, 즉 FAR과 FRR을 높이는 요인은 매우 다양하며 이들은 상기 홍채 인식 방법의 여러 단계에서 다양하게 존재한다.

삭제

특히 홍채의 변형(deformation) 성질은 본 발명의 주요 관심요인들 중의 하나이다. 첨부된 도 4에 도시한 바와 같이 인간의 홍채는 동공의 크기 변화에 따라 수축 또는 팽창하면서 개개의 사람마다 다르게 특징적 형상이 이동하기 때문에 이는 단순 홍채비교에서 오류를 발생시키는 요인이 되는 것이다. 주의해야할 점은 이러한 홍채 변형의 양상은 개개인마다 다르며, 같은 사람의 홍채라도 각각의 부위에 따라 변형양상이 달라서, 모든 부위에 동일하게 적용되는 일정한 변형 양상이 있는 것은 아니다.

또한 상기 홍채 인식 방법의 여러 단계 중에서 발생할 수 있는 에러의 대표적인 것으로는 홍채의 영역을 추출하는 단계에서, 홍채 영역의 경계를 설정하면서 발생하는 에러이다. 즉 카메라 주위 조도의 변화로 인하여 홍채 영역의 경계가 흐리게 되며, 카메라와 얼굴 사이의 거리 변화, 카메라 광축과 눈의 불일치 등으로 인하여 획득된 홍채 영상에서 홍채영상의 위치가 항상 동일한 위치에 존재하지 않게 되며, 더욱이 눈썹, 눈꺼풀 등에 의한 가림(occlusion)에 의하여 완전한 홍채영상의 특징을 획득하는 것이 어려워진다. 이들은 오인식률, 즉 FAR 또는 FRR을 높이는 요인이 되고 있다.

본 발명은 상술한 제반 문제점을 해결하고자 안출된 것으로, 홍채 인식을 수행할 때 필수적으로 요구되는 등록용 홍채영상과 인식용 홍채영상을 비교하여 유사도를 판단하는 정합 단계에서 등록용 홍채영상 정보의 단위영역과 상기 등록용 홍채영상 정보의 단위영역을 포함하는 확장영역으로 이루어진 등록용 홍채영상의 바이브레이션 영역을 상기 등록용 홍채영상 정보의 단위영역에 대응되는 위치의 인증용 홍채영상 정보의 단위영역과 상기 인증용 홍채영상 정보의 단위영역을 포함하는 확장영역으로 이루어진 인증용 홍채영상의 바이브레이션 영역과 비교하는 바이브레이션 기법을 사용함으로써 홍채 부위와 다른 부위(동공 또는 공막)의 경계를 설정하는데 발생하는 에러 또는 홍채의 변형으로 인하여 발생하는 에러에 의하여 인식률 저하를 방지할 수 있는 변형에 강건한 홍채 인식 방법을 제공함에 그 목적이 있다.

본 발명의 다른 목적은 종래의 홍채영역을 분할하는 방법에 의하여 영역을 분할하는 경우 상기 홍채영역간의 경계에 존재하는 홍채영상의 특징 정보의 손실을 방지하기 위하여 상기 영역간의 경계를 포함하는 중첩 영역 분할방식을 추가로 구비하여 이로부터 추가적인 정보를 얻음으로써 보다 신뢰성 있는 변형에 강건한 홍채 인식 방법을 제공함에 있다.

본 발명의 또 다른 목적은 홍채영상의 가림(occlusion) 현상이 발생하였을 때 나타나는 정보의 왜곡으로 인한 인식률 저하를 방지할 수 있는 변형에 강건한 홍채 인식 방법을 제공함에 그 목적이 있다.

상술한 바와 같은 목적을 구현하기 위한 본 발명의 변형에 강건한 홍채 인식방법은 신원확인을 위한 홍채영상을 등록 또는 인증용 영상을 얻기 위해 카메라로 홍채가 포함된 눈의 영상을 획득하는 단계, 상기 눈의 영상에서 홍채영상의 영역을 추출하는 단계, 추출된 홍채영상의 영역을 다수의 영역으로 분할하여 각각의 분할된 영역(이하 '단위영역'이라 한다)의 홍채영상의 특징을 찾는 단계, 상기 등록된 홍채영상의 특징과 인증용 홍채영상의 특징의 유사도를 비교하는 정합 단계를 포함하되, 상기 정합 단계는 상기 등록용 홍채영상 정보의 단위영역과 상기 단위영역을 포함하는 확장된 영역으로 이루어진 등록용 홍채영상 정보의 영역(이하 '바이브레이션 영역'이라 한다. 구체적 정의는 후술하기로 한다. 상기 등록용 홍채영상 정보의 단위영역에 대응되는 위치의 인증용 홍채영상 정보의 단위영역과 상기 단위영역을 포함하는 확장된 영역으로 이루어진 인증용 홍채영상 정보의 영역과 비교하는 다대다(many to many) 비교 기법(이하 바이브레이션 영역을 설정하여 비교하는 기법을 통칭하여 '바이브레이션 기법'이라 한다)을 사용하는 것을 특징으로 한다.
상기 단위 영역에 대한 바이브레이션 영역은, 상기 단위 영역에 대하여, 미리 정해진 평행이동규칙집합 또는 정합단계 시 동적(dynamic)으로 정해지는 평행이동규칙집합에 따라 평행 이동시켜 얻은 단위 영역들의 집합을 가리키는 것을 특징으로 한다.

또한, 상기 정합 단계는 상기 등록용 홍채영상 정보의 단위영역을 상기 단위영역에 대응되는 위치의 인증용 홍채영상 정보의 단위영역의 바이브레이션 영역과 비교하는 일대다(one to many)로 비교하는 것을 특징으로 한다.

또한, 상기 정합 단계는 상기 인증용 홍채영상 정보의 단위영역을 상기 단위영역에 대응되는 위치의 등록용 홍채영상 정보의 단위영역의 바이브레이션 영역과 비교하는 일대다(one to many)로 비교하는 것을 특징으로 한다.

또한, 상기 정합 단계는 상기 등록용 홍채영상 정보의 단위영역을 상기 단위영역에 대응되는 위치의 인증용 홍채영상 정보의 단위영역의 바이브레이션 영역과 비교하고, 또한 상기 인증용 홍채영상 정보의 단위영역을 상기 단위영역에 대응되는 위치의 등록용 홍채영상 정보의 단위영역의 바이브레이션 영역과 비교하는 (many to many)것을 특징으로 한다.

또한, 상기 정합단계의 비교되는 두 개의 단위영역A와 단위영역B 간 거리는 (i) 단위영역 A에서의 홍채영상정보를 주파수 영역으로 변환한 유한수열

을 구하고, 단위영역 B를 중심으로 바이브레이션 영역(이하 v(B)로 표기한다.) 에 포함된 B' 단위영역에서의 홍채영상정보를 주파수 영역으로 변환한 유한수열

을 모두 구하며, 상기 단위영역 A에서의 홍채영상정보를 주파수 영역으로 변환한 유한수열

과 단위영역 B를 중심으로 바이브레이션 영역 v(B)에 포함된 B' 단위영역에서의 홍채영상정보를 주파수 영역으로 변환한 유한수열

과 비교하여 최소 거리(상기 유한 수열들 간 거리에 대한 정의는 후술하기로 한다)를 가진 값을 단위 영역 A와 B간의 거리로 선택하거나, 또는 (ii) 단위영역 B에서의 홍채영상정보를 주파수 영역으로 변환한 유한수열 을 구하고, 단위영역 A를 중심으로 바이브레이션 영역 (이하 v(A)로 표기한다) 에 포함된 A' 단위영역에서의 홍채영상정보를 주파수 영역으로 변환한 유한수열

을 모두 구하며, 상기 단위영역 B에서의 홍채영상정보를 주파수 영역으로 변환한 유한수열

과 단위영역 A를 중심으로 바이브레이션 영역 v(A)에 포함된 A' 단위영역에서의 홍채영상정보를 주파수 영역으로 변환한 유한수열

과 각각 대비하여 최소 거리값으로 두 단위 영역 A와 B간의 거리로 선택한다. 여기서 (i)에서의 거리값과 (ii)에서의 거리값을 수식으로 표현하면 식 (i) 및 (ii) 와 같다.
(i)

,
(ii)

.
상기 수식에서 A는 등록용 홍채영상 정보의 단위영역이고, 상기 B는 인증용 홍채영상 정보의 단위영역이거나 상기 A는 인증용 홍채영상 정보의 단위영역이고 상기 B는 등록용 홍채영상 정보의 단위영역인 것을 특징으로 한다.

그리고,

과

는 각각 단위영역 A의 홍채영상정보와 단위영역 B의 홍채영상정보를 주파수 영역으로 변환(예를 들어, 푸리에 변환, 윈도우 푸리에 변환, 웨이블릿 변환 등)하여 얻은 주파수 계수열(frequency coefficients) 이다. 마지막으로 d는 이 두 수열간의 거리를 나타내며 min은 이 거리값들의 최소값을 나타낸다.
또한, 상기 정합단계의 비교되는 두 개의 단위영역 A와 B간의 거리는 상기 와 중에서 작은 값을 선택하는 것으로 한다.

또한, 상기 두 개의 단위영역들간의 거리 측정은 단위영역 A에서의 홍채영상정보를 주파수 영역으로 변환한 유한수열

에서 부분 또는 전체 수열

을 추출하고, 단위영역 B를 중심으로 바이브레이션 영역에 포함된 단위영역 B'를 주파수 영역으로 변환한 유한수열

에서 부분 또는 전체 수열

을 추출하여, 각각 대응되는 계수에 대하여 차의 값을 구하고, 차의 값을 P 승하여 모두 더한 후, 이를 1/P승으로 연산하는 함수

을 이용하여 구한다.
상기 함수는

로 주어진다. 여기서, 유한수열

에 대한 전체수열은

이며, 유한수열

에 대한 전체수열은

이고, P는 양의 실수이다.
상기 유한수열이 이진수 형태라면 해밍 거리와 같은 이진 연산에 의한 거리를 사용할 수도 있다.

또한, 상기 정합 단계는 상기 등록용 홍채영상정보전체의 단위영역에 대하여 상기 바이브레이션기법을 적용하거나 상기 등록용 홍채영상정보일부의 단위영역에 대하여 상기 바이브레이션기법을 적용하여 단위영역간의 거리 값으로부터 구한 스코어링 함수 값으로 유사도를 판단한다. 상기 스코어링 함수의 정의는 후술하기로 한다.

또한, 상기 정합 단계는 상기 등록용 홍채영상 정보와 상기 인증용 홍채영상 정보 간의 위치적 대응관계를 찾는 단계, 상기 등록용 홍채영상 정보 전체의 단위영역들 또는 상기 등록용 홍채영상정보일부의 단위영역들에 대하여 상기 위치적 대응관계에 의하여 상기 등록용 홍채영상정보의 단위영역에 대응되는 인증용 홍채영상 정보의 단위영역을 찾는 단계, 상기 등록용 홍채영상 정보의 단위영역과 상기 인증용 홍채영상 정보의 단위영역에 대하여 바이브레이션 기법을 적용하여 단위영역간 거리 값으로부터 구한 스코어링 함수 값으로 유사도를 판단한다.

또한, 상기 정합 단계는 상기 등록용 홍채영상 정보와 상기 인증용 홍채영상 정보 간의 위치적 대응관계를 찾는 단계, 상기 등록용 홍채영상정보전체의 단위영역들 또는 상기 등록용 홍채영상정보일부의 단위영역들에 대하여 상기 위치적 대응관계에 의하여 상기 등록용 홍채영상정보의 단위영역에 대응되는 인증용 홍채영상정보의 단위영역을 찾는 단계, 상기 등록용 홍채영상정보의 단위영역을 상기 인증용 홍채영상정보의 단위영역과 비교하여 단위영역들간 거리값으로부터 구한 스코어링 함수 값으로 유사도를 판단한다.

또한, 상기 위치적 대응관계 찾는 단계는 상기 등록용 홍채영상 정보의 각각의 단위영역들 중에서 몇 개의 단위영역을 선정하고, 상기 선정된 각각의 등록용 홍채영상정보의 단위영역과 상기 선정된 단위영역에 대응되는 인증용 홍채영상 정보의 단위영역에 대하여 바이브레이션 기법을 적용하여, 상기 선정된 등록용 홍채영상정보의 단위영역에 대하여 가장 작은 거리 값을 나타낸 인증용 홍채영상 정보의 단위영역들 간의 위치적 대응관계를 구하는 단계를 포함하여 이루어진 것을 특징으로 한다.

또한, 상기 위치적 대응관계는 각(angle) 방향의 평행이동 관계, 반지름 (radial)방향으로의 위치이동관계, 각(angle) 방향 및 반지름 방향으로의 평행이동 관계 중 어느 하나를 선택하여 사용한다.

본 발명의 변형에 강건한 홍채 인식 방법은 신원확인을 위한 홍채 영상을 등록 또는 인증용 영상을 얻기 위해 카메라로 홍채가 포함된 눈의 영상을 획득하는 단계, 상기 눈의 영상에서 홍채영상의 영역을 추출하는 단계, 추출된 홍채영상의 영역을 다수의 영역으로 분할하여 각각의 분할된 영역의 홍채영상의 특징을 찾는 단계, 상기 등록된 홍채영상의 특징과 인증용 홍채영상의 특징의 유사도를 비교하는 정합 단계를 포함하되, 상기 홍채영상의 특징을 찾는 단계 및 상기 정합 단계의 홍채영상의 영역을 분할하는 방법은 상기 추출된 홍채영상의 영역을 다수의 영역으로 분할하는 일차 영역 분할(이하'기본 영역 분할' 또는 '기본 분할'이라 한다)과 추가로 상기 기본 영역 분할의 단위영역들 간의 경계선을 내부에 포함하는 새로운 단위영역들로 이루어진 보조적 이차 영역 분할(이하 '중첩 영역 분할', 또는 '중첩 분할'이라 한다)을 수행한다.

또한, 상기 홍채영상의 특징을 찾는 단계와 상기 정합 단계는 상기 기본 영역 분할과 상기 중첩영역 분할로부터 구한 거리 값으로부터 스코어링 함수 값을 구하고, 이를 유사도 판단하는 값으로 하는 단계로 이루어진다.

본 발명의 변형에 강건한 홍채 인식 방법은 신원확인을 위한 홍채 영상을 등록 또는 인증용 홍채영상을 얻기 위해 카메라로 홍채가 포함된 눈의 영상을 획득하는 단계, 상기 눈의 영상에서 홍채영상의 영역을 추출하는 단계, 추출된 홍채영상의 영역을 다수의 영역으로 분할하여 각각의 분할된 영역의 홍채영상의 특징을 찾는 단계, 상기 등록된 홍채영상의 특징과 인증용 홍채영상의 특징의 유사도를 비교하는 정합 단계를 포함하되, 상기 홍채영상의 특징을 찾는 단계와 상기 정합 단계는 상기 등록 또는 인증용 홍채영상의 영역을 다수의 영역으로 분할하여 각각의 분할된 영역에 대하여 가림 발생 여부를 결정하는 단계; 상기 가림 발생이 없는 공통된 단위영역들에 대하여 상기 등록용 홍채영상의 단위영역으로 추출된 홍채영상의 특징과 상기 인증용 홍채영상의 단위영역으로 추출된 홍채영상의 특징에 대하여 각각의 거리를 구하고 상기 거리의 값들의 대표 값을 구하는 단계 상기 가림 발생된 단위영역들에 대하여 상기 대표 값을 부여하는 단계; 상기 각각의 가림 발생이 없는 공통된 단위영역들과 가림 발생한 단위영역들에 대하여 주어진 거리 값으로부터 구한 스코어링 함수 값을 유사도 판단하는 값으로 하는 단계로 이루어진다.

또한, 상기 대표 값은 상기 각각의 거리 값의 평균값, 중간값 및 최빈값 중 어느 하나를 선택하여 사용한다.

또한, 상기 스코어링 함수 값으로는 가중 평균, 가중 기하평균 및 가중 제곱 평균 제곱근 중 어느 하나를 선택하여 사용한다.

이하 첨부한 도면을 참조하여 본 발명의 바람직한 실시 예에 대한 구성 및 작용을 상세히 설명하면 다음과 같다.

본 발명의 일실시 예에 따른 변형에 강건한 홍채 인식 방법은 눈의 영상을 획득하는 단계, 홍채영상 영역 추출 단계, 영역 분할 및 홍채영상의 특징 찾는 단계 및 정합 단계를 포함하되, 상기 눈의 영상을 획득하는 단계, 홍채영상영역 추출 단계, 영역 분할 및 홍채영상의 특징을 찾는 단계의 작용은 종래의 기술과 동일하므로 설명의 중복을 피하기 위하여 상세한 설명은 생략하고, 새로이 부가되는 단계들의 작용을 중심으로 하여 상세히 설명한다.

본 발명의 변형에 강건한 홍채 인식 방법의 정합 단계는 등록용 홍채영상 정보의 바이브레이션 영역을 인증용 홍채영상정보의 바이브레이션 영역과 비교하는 바이브레이션 기법을 사용하는 것으로 이루어진 것이다.

상기 등록용 홍채영상정보의 바이브레이션 영역은 등록용 홍채영상 정보의 단위영역과 상기 등록용 홍채영상 정보의 단위영역을 포함하는 확장 영역으로 이루어진 것이며, 상기 인증용 홍채영상정보의 바이브레이션 영역은 상기 등록용 홍채영상 정보의 단위영역에 대응되는 위치의 인증용 홍채영상 정보의 단위영역과 상기 인증용 홍채영상 정보의 단위영역을 포함하는 확장 영역으로 이루어진 것이다. 상기 대응되는 위치 관계란 첨부된 도 5에 도시한 바와 같이 비교되는 두 개의 홍채영상(A,B)에서 홍채영상 A의 Aij를 홍채영상 B의 Bij에 대응시키는 위치 관계를 의미한다.

이하, 상기 평행이동 영역 및 바이브레이션 기법에 대하여 상세히 설명한다.

첨부된 도 5에 도시한 바와 같이 극 좌표계로 변환된 영역을 다수의 단위영역(이하 '셀' 또는 '단위영역'이라 한다)으로 분할한다. 예를 들어, 첨부된 도 5에서 홍채영상 A에 셀 Aij가 구획될 수 있고, 상기 셀 Aij의 위치에 대응되는 위치의 홍채영상 B에 셀 Bij가 구획될 수 있다. 또한 홍채영상 A에서는 상기 셀 Aij뿐만 아니라 이를 포함하는 확장 영역이 정의될 수 있고, 홍채영상 B에서는 상기 셀 Bij뿐만 아니라 이를 포함하는 확장 영역이 정의될 수 있다. 이러한 특정 셀에 대하여 특정 셀을 포함한 확장 영역을 상기 특정 셀의 '바이브레이션 영역'이라 한다.

예를 들어, 상기 셀 Bij의 바이브레이션 영역은 셀Bij를 포함한 확장 영역의 집합으로 구성되는 것이며, 상기 확장 영역은 상기 셀 Bij의 4개의 모서리에 중심을 둔 직사각형 영역들과 대응되는 영역들로 구성될 수 있고, 이를 더 확장하게 되면 상기 Bij에 인접한 8개의 직사각형 영역들을 더 포함하여 구성될 수 있는 것이다.

따라서 상기 바이브레이션 기법이란 두 개의 비교되는 홍채영상(A,B)에서 홍채영상 A의 Aij와 대응되는 홍채영상 B의 Bij만을 서로 일대일 비교하는 것이 아니라 하나의 비교대상의 홍채영상의 특정 셀에 대한 바이브레이션 영역(다수의 단위영역 또는 셀을 포함함)을 상기 특정 셀에 대응되는 위치의 바이브레이션 영역(다수의 단위영역 또는 셀을 포함함)과 서로 비교(일대다, 다대일, 다대다)하는 것을 말한다.

본 발명의 다른 일실시 예에 따른 변형에 강건한 홍채인식 방법의 상기 정합 단계는 상기 등록용 홍채영상 정보의 단위영역을 상기 단위영역에 대응되는 위치의 인증용 홍채영상 정보의 단위영역의 바이브레이션 영역과 비교하는 것으로 이루어진 것이다.

본 발명의 또 다른 일실시 예에 따른 변형에 강건한 홍채인식 방법의 상기 정합 단계는 상기 인증용 홍채영상 정보의 단위영역을 상기 단위영역에 대응되는 위치의 등록용 홍채영상 정보의 단위영역의 바이브레이션 영역과 비교하는 것으로 이루어진 것이다.

전술한 바와 같은 바이브레이션 기법을 적용함에 있어서, 하나의 특정 셀에 대하여는 바이브레이션 영역을 정의하지 아니하고 상기 특정 셀에 대응되는 위치의 셀에 대하여 바이브레이션 영역을 정의하여 이를 비교하는 일대다 또는 다대일 비교 기법을 비대칭 바이브레이션 기법(asymmetric vibration method)이라고 한다.

예를 들어 첨부된 도 5에 도시한 바와 같이 홍채영상 A의 지정된 셀 Aij에 대하여 상기 셀에 대응되는 위치의 셀(Bij)의 바이브레이션 영역들과의 거리를 구하고, 이러한 거리 값 중에서 가장 작은 값을 지정된 셀 Aij와 대응되는 셀 Bij사이의 거리로 정한다.

여기서, 상기 홍채영상 A는 등록된 홍채영상이고, 상기 홍채영상 B는 인증을 위한 홍채영상일 수 있으며, 그 역도 가능하다.

본 발명의 또 다른 일실시 예에 따른 변형에 강건한 홍채인식 방법의 상기 정합 단계는 상기 등록용 홍채영상 정보의 단위영역을 상기 단위영역에 대응되는 위치의 인증용 홍채영상 정보의 단위영역의 바이브레이션 영역과 비교하고, 또한 상기 인증용 홍채영상 정보의 단위영역을 상기 단위영역에 대응되는 위치의 등록용 홍채영상 정보의 단위영역의 바이브레이션 영역과 비교하는 것으로 이루어진 것이다.

예를 들어, 첨부된 도 6에 도시한 바와 같이 바이브레이션 기법은 상기 홍채영상 A의 셀 Aij에 대하여 이에 대응하는 홍채영상 Bij의 바이브레이션 영역들과의 거리를 구하고, 상기 홍채영상 B의 셀 Bij에 대하여 이에 대응하는 홍채영상 A의 셀 Aij의 바이브레이션 영역들과의 거리를 구한 후, 상기 거리 값 중에서 가장 작은 값을 두 개의 비교되는 홍채영상의 단위영역들 간의 거리로 정하는 방법, 즉 대칭 바이브레이션 기법(symmetric vibration method)도 가능하다.

본 발명의 또 다른 일실시 예에 따른 변형에 강건한 홍채인식 방법의 상기 정합 단계에서 비교되는 단위영역 A와 단위영역 B간 거리는 (i) 단위영역 A에서의 홍채영상정보를 주파수 영역으로 변환한 유한수열

과 비교하여 최소 거리(상기 유한 수열들 간 거리에 대한 정의는 후술하기로 한다)를 가진 값을 단위 영역 A와 B간의 거리로 선택하거나, 또는 (ii) 단위영역 B에서의 홍채영상정보를 주파수 영역으로 변환한 유한수열

을 구하고, 단위영역 A를 중심으로 바이브레이션 영역 (이하 v(A)로 표기한다) 에 포함된 A' 단위영역에서의 홍채영상정보를 주파수 영역으로 변환한 유한수열

,
(ii)

그리고,

과

에서 부분 또는 전체 수열

을 이용하여 구한다.
상기 함수는

로 주어진다. 여기서, 유한수열

에 대한 전체수열은

이며, 유한수열

에 대한 전체수열은

이고, P는 양의 실수이다.
상기 유한 수열이 이진수 형태라면 해밍 거리와 같은 이진 연산에 의한 거리를 사용할 수도 있다.

이하, 본 발명의 일실시 예에 따른 변형에 강건한 홍채 인식방법의 바이브레이션 기법을 사용하여 거리를 구하는 방법을 상세하게 설명한다.

먼저, 극좌표계로 변환한 홍채영상이 첨부된 도 7에 도시한 바와 같이 가로×세로의 픽셀(pixel)이 256×64로 이루어진 것으로 정하고, 이 경우 가로방향은 홍채 영상에서 각 방향(angular direction)에 해당하고, 세로 방향은 중심에서 나가는 방사선 방향(radial direction, 이하 '반지름 방향'이라 한다)에 해당한다.

상기 변환된 홍채영상을 가로 방향으로 16등분, 세로 방향으로 8등분 하게 되면 총 128개의 셀이 나오고, 각각의 셀은 가로× 세로 16×8인 이차원 픽셀 집합으로 이루어지며, 각 픽셀은 0부터 255까지의 그레이(gray) 값을 가지고 있다. 예를 들어, 도 2는 눈의 영상과 상기 영상과 이것의 그레이 데이터를 3차원으로 나타낸 그래픽이다.

상기와 같이 홍채영상을 분할한 후에 각각의 셀(상기 단위영역에 해당함)마다 바이브레이션을 할 영역을 정의한다. 첨부된 도 8에 도시한 바와 같이 각각의 셀에 대하여 이를 확장한 영역(점선으로 표시된 셀 영역)들의 예를 보여주고 있다.

또한 상기 셀의 바이브레이션 영역에 속한 영역들은 셀과의 상대적 위치를 나타내는 순서쌍을 사용하여 표시할 수 있다. 예를 들어 첨부된 도 8의 우측 그림에 나타낸 것과 같이, 순서쌍 (2, 3)은 가로방향으로 2 픽셀, 세로방향으로 3 픽셀만큼 상기 셀을 각 방향(angular direction) 및 반지름 방향(radial direction)으로 평행 이동한 위치에서의 셀을 나타낸다.

따라서 첨부된 도 8의 우측 그림과 같은 확장 영역을 얻기 위해서는 (-16, -8)에서부터 (16, 8)까지 총 12개의 순서쌍을 정하면 된다. 이 12개의 순서쌍 집합이 평행이동규칙집합이 된다. 즉, 이 경우 1개의 대응 셀(0, 0)과 12개의 상기 셀을 각 방향(angular direction) 및 반지름 방향(radial direction)으로 평행 이동하여 얻은 다수의 셀들로 구성된 바이브레이션 영역이 생성되는 것이다.

이러한 바이브레이션 영역을 정의하는데 주의할 점은 가로 방향(angular direction)으로는 영상의 왼쪽 끝과 오른쪽 끝이 사실상 연결되어 있지만, 세로 방향(radial direction)으로는 위쪽 끝과 아래쪽 끝이 연결되어 있는 것은 아니다. 따라서 첨부된 도 8의 (3) 영역에서의 바이브레이션 영역과는 달리 (1)영역과 (2)영역에서는 순서쌍 (-16, -8), (0, -8), (16, -8), (-8, -4), (8, -4)에 의한 평행이동은 나타나지 않는다.

한편 (1)영역에서(-16, 0), (-16, 8), (-8, 4)에 의한 순서쌍과 (4)영역에서 (16, -8), (8, -4), (16, 0), (8, 4), (16, 8)에 의한 순서쌍은 주기성에 의하여 반대편에 나타나고 있다.

이하 전술한 바와 같이 정의된 두 개의 홍채영상의 셀 영역 간의 거리를 구하는 방법을 설명한다.

먼저, 거리를 구하고자 하는 두 셀을 각각 A, B라고 하고, 셀의 홍채영성 정보를 대해 주파수 영역으로 변환을 하는 함수

과

는 각각 단위영역 A의 홍채영상정보와 단위영역 B의 홍채영상정보를 주파수 영역으로 변환(예를 들어, 푸리에 변환, 윈도우 푸리에 변환, 웨이블릿 변환 등)하여 얻은 주파수 계수열(frequency coefficients) 이다.

삭제

한편, 두 개의 수열을 변수로 갖는 함수 d를 다음과 같이 정의한다.

여기서

은 유한수열

에서 부분 또는 전체 수열이며

는 유한수열

의 부분 또는 전체 수열이다.

한편 v(B)을 셀 B에 대한 바이브레이션 영역들의 집합이라고 정의할 때 두 셀간의 거리 D(A,B)는 다음 식과 같이 표현된다.

여기서, 비교되는 두 셀에서 상기 A는 등록용 홍채영상 정보의 단위영역이고, 상기 B는 인증용 홍채영상 정보의 단위영역이거나 상기 A는 인증용 홍채영상 정보의 단위영역이고 상기 B는 등록용 홍채영상 정보의 단위영역인 것일 수 있다.

본 발명의 또 다른 일실시예에 따른 변형에 강건한 홍채인식 방법의 상기 정합 단계는 상기 등록용 홍채영상 정보전체의 단위영역들에 대하여 상기 바이브레이션 기법을 적용하거나 상기 등록용 홍채영상 정보 일부의 단위영역들에 대하여 상기 바이브레이션 기법을 적용하여 단위영역들간 거리 값으로부터 구한 스코어링 함수 값으로 유사도를 판단하는 것으로 이루어진 것이다.

따라서, 상기 바이브레이션을 적용하는 범위는 상기 등록용 홍채영상 정보 전체의 단위영역들에 대하여 상기 바이브레이션 기법을 적용하거나 상기 등록용 홍채영상 정보 일부의 단위영역들에 대하여 상기 바이브레이션 기법을 적용하여 단위영역들간 거리값으로부터 구한 스코어링 함수 값으로 유사도를 판단하는 것이다.

상기 스코어링 함수 값으로는 가중 평균, 가중 기하평균 및 가중 제곱 평균 제곱근 중 어느 하나를 선택하여 사용하는 것이 바람직하다.

본 발명의 또 다른 일실시 예에 따른 변형에 강건한 홍채인식 방법의 상기 정합 단계는 상기 등록용 홍채영상 정보와 상기 인증용 홍채영상 정보 간의 위치적 대응관계를 찾는 단계; 상기 등록용 홍채영상 정보전체의 단위영역들 또는 상기 등록용 홍채영상 정보일부의 단위영역들에 대하여 상기 위치적 대응관계에 의하여 상기 등록용 홍채영상 정보의 단위영역에 대응되는 인증용 홍채영상 정보의 단위영역을 찾는 단계; 상기 등록용 홍채영상 정보의 단위영역과 상기 인증용 홍채영상 정보의 단위영역에 대하여 바이브레이션 기법을 적용하여 단위영역간의 거리 값으로부터 구한 스코어링 함수 값으로 유사도를 판단하는 것으로 이루어진 것이다.

즉. 상기 정합 단계는 위치적 대응관계를 찾는 단계, 단위영역을 찾는 단계 및 바이브레이션 기법을 적용하는 단계를 포함하여 이루어진 것이다.

상기 홍채영상의 위치적 대응관계 찾는 단계는 상기 등록용 홍채영상 정보의 각각의 단위영역 중에서 몇 개의 단위영역들을 선정하고, 상기 선정된 각각의 등록용 홍채영상 정보의 단위영역과 상기 선정된 홍채영상 정보의 단위영역에 대응되는 인증용 홍채영상 정보의 단위영역에 대하여 바이브레이션 기법을 적용하여, 상기 선정된 등록용 홍채영상 정보의 단위영역에 대하여 가장 작은 거리 값을 나타낸 인증용 홍채영상 정보의 단위영역을 찾고, 이 두 단위영역간의 위치적 대응관계를 구하는 단계이다.

상기 단위영역을 찾는 단계는 상기 등록용 홍채영상 정보 전체의 단위영역들 또는 상기 등록용 홍채영상 정보 일부의 단위영역들에 대하여 상기 위치적 대응관계가 적용된 인증용 홍채영상 정보의 단위영역을 찾는 단계이다.

상기 바이브레이션 기법을 적용하는 단계는 상기 등록용 홍채영상 정보의 단위영역과 상기 인증용 홍채영상 정보의 단위영역에 대하여 바이브레이션 기법을 적용하여 바이브레이션 영역에 포함된 다수의 단위영역들간의 거리값으로부터 구한 스코어링 함수 값으로 유사도를 판단하는 단계이다.

삭제

따라서, 상기 위치적 대응관계에 의하여 상기 등록용 홍채영상과 인증용 홍채영상을 비교할 경우, 모든 단위영역마다 넓은 범위의 바이브레이션 영역을 설정하여 비교를 할 필요가 없이, 몇 개의 선택된 단위영역들에 대해서만 넓은 범위의 바이브레이션 영역을 설정하여 상기 위치적 대응관계를 찾은 다음에, 다른 단위영역들에 대해서는 상기 위치적 대응관계에 따라 좁은 범위의 바이브레이션 영역을 설정하여 서로 비교함으로써 비교대상의 단위영역의 수를 줄여서 인증에 소요되는 시간을 줄일 수 있다.

본 발명의 또 다른 일실시 예에 따른 변형에 강건한 홍채인식 방법의 상기 정합 단계는 상기 등록용 홍채영상 정보와 상기 인증용 홍채영상 정보 간의 위치적 대응관계를 찾는 단계, 상기 등록용 홍채영상 정보전체의 단위영역들 또는 상기 등록용 홍채영상 정보 일부의 단위영역들에 대하여 상기 위치적 대응관계에 의하여 상기 등록용 홍채영상 정보의 단위영역에 대응되는 인증용 홍채영상 정보의 단위영역을 찾는 단계, 상기 등록용 홍채영상 정보의 단위영역을 상기 인증용 홍채영상 정보의 단위영역과 일대일 비교하여 단위영역간 거리 값으로부터 구한 스코어링 함수 값으로 유사도를 판단하는 단계를 포함하여 이루어진 것이다.

따라서 상기 위치적 대응관계를 찾고 나서 이를 적용하여 상기 인증용 홍채영상 정보의 단위영역과 비교하는 단계에서 바이브레이션 기법을 적용하지 않고, 상기 위치적 대응관계에 따라 단위영역들간 일대일 비교를 함으로써, 다대다 또는 일대다 비교시 보다 전체적으로 인증에 소요되는 시간을 더욱 줄일 수 있다.

본 발명의 또 다른 일실시 예에 따른 변형에 강건한 홍채인식 방법의 상기 위치적 대응관계 찾는 단계는 상기 등록용 홍채영상 정보의 각각의 단위영역중에서 몇 개의 단위영역을 선정하고, 상기 선정된 각각의 등록용 홍채영상 정보의 단위영역과 상기 선정된 단위영역에 대응되는 인증용 홍채영상 정보의 단위영역에 대하여 바이브레이션 기법을 적용하여, 상기 선정된 등록용 홍채영상 정보의 단위영역에 대하여 가장 작은 거리 값을 나타낸 인증용 홍채영상 정보의 단위영역을 찾고, 이들 간의 위치적 대응관계를 구하는 단계로 이루어진 것이다.

이하 첨부된 도 9를 참조하여 상기 위치적 대응관계를 찾는 단계의 일실시 예를 상세히 설명한다.

첨부된 도 9에 도시한 바와 같이 상기 등록용 영상 정보의 각각의 단위영역 중에서 4개의 셀을 선정하고, 이들 각각의 셀에 대하여 상기 선정된 단위영역에 대응되는 인증용 영상 정보의 바이브레이션 영역과 비교하여 그 중 가장 작은 거리 값을 나타낸 인증용 영상 정보의 단위영역을 찾는다.

상기 선정된 4개의 각 셀에 대하여 가장 작은 거리 값을 나타낸 인증용 홍채영상 정보의 단위영역을 각각 구하고, 상기 각각 셀과 대응되는 상기 인증용 홍채영상 정보 간의 평행이동 정보를 구한 후 이들의 평균값을 두 영상간의 위치적 대응관계로 볼 수 있는 것이다.

따라서 상기 위치적 대응관계를 상기 등록용 홍채영상 정보의 단위영역에 적용한 것이 첨부된 도 9에 도시한 바와 같은 점선으로 표시된 부분, 즉 상기 위치적 대응관계에 따라 찾은 인증용 홍채영상정보의 단위영역이다.

본 발명의 또 다른 일실시 예에 따른 변형에 강건한 홍채인식 방법의 상기 위치적 대응관계는 각 방향의 평행이동, 반지름 방향의 평행이동, 각 방향 및 반지름방향의 평행이동 중 어느 하나를 선택하여 이용하는 것이 바람직하다.

이상에서 살펴본 바와 같이 본 발명의 일실시 예에 따른 변형에 강건한 홍채 인식 방법의 바이브레이션 기법은 홍채 부위와 다른 부위(동공 또는 공막)의 경계를 설정하는데 발생하는 에러로 인한 인식률 저하를 방지하고, 홍채 부분이 촬영 환경에 따라 변형하는 생리적 현상을 홍채영상정보의 영역 비교 시에 반영해 줌으로써 인식률을 향상시키는 역할을 하는 것이다.

본 발명의 일실시 예에 따른 변형에 강건한 홍채 인식 방법은 눈의 영상을 획득하는 단계, 홍채영상영역의 추출 단계, 영역 분할 및 홍채영상의 특징을 찾는 단계 및 정합 단계를 포함하여 이루어져 있으며, 상기 눈의 영상을 획득하는 단계, 홍채 영상영역의 추출 단계의 작용은 종래의 기술과 동일하므로 설명의 중복을 피하기 위하여 상세한 설명은 생략하고, 새로이 부가되는 단계들의 작용을 중심으로 하여 상세히 설명한다.

본 발명의 변형에 강건한 홍채 인식 방법의 상기 홍채영상의 특징을 찾는 단계와 상기 정합 단계는 홍채영상 영역을 여러 개의 영역으로 분할하는 기본영역분할과 상기 기본영역분할의 경계선을 포함하는 영역으로 구획되는 중첩영역분할에 의하여 홍채영상의 특징을 찾거나 상기 유사도를 측정하는 것으로 이루어진 것이다.

즉, 첨부된 도 10에 도시한 바와 같이 일차 영역 분할(기본영역 분할)에 대하여 각각 홍채영상의 특징을 찾는 단계와 상기 정합단계를 적용하여 유사도를 측정함과 아울러 상기 기본 영역 분할의 경계선을 포함하는 영역으로 구성된 보조적 이차 영역 분할(중첩 영역 분할)에 대하여도 홍채영상의 특징을 찾는 단계와 상기 정합 단계를 적용하여 유사도를 측정하는 것이다.

따라서 종래의 기본영역 분할만으로부터 얻을 수 있는 홍채영상정보의 양보다 더 많은 추가적인 홍채영상정보를 얻을 수 있게 됨에 따라 잠재하고 있던 홍채영상정보 특징의 활용도를 높일 수 있다.

즉, 종래에 이용하지 않았던 상기 영역간의 경계를 포함하는 중첩영역 분할방식을 구비하여 단위영역들간의 경계사이에 존재하는 홍채영상정보의 변화패턴정보를 추가적으로 얻음으로써 인식율을 높일 수 있다. 즉 추가적인 주파수 계수열(frequency coefficients)을 얻어서 홍채 인식에 적용함으로써 인식율을 향상시킬 수 있다. 따라서 기본영역분할에 의한 주파수 계수열과 동시에 상기 중첩영역 분할에 의한 주파수 계수열을 이용하여 계산된 홍채영상간 유사도는 기본영역분할에 의한 주파수 계수열만을 사용하여 계산된 유사도 보다 더 높은 신뢰성을 가지게 된다.

이하, 첨부된 도 11에 도시한 바와 같은 주어진 영상의 기본분할(좌측 그림)과 중첩분할(우측 그림)을 예를 들어 상세히 설명한다.

먼저, 첨부된 도 11의 좌측의 기본 분할에서

패턴이 반복되는 것을 알 수 있고, 첨부된 도 11의 우측의 중첩 분할에서 기본 분할에서는 나타나지 않는

패턴을 얻을 수 있음을 알 수 있다.

즉, 일차 기본 분할에서 단위영역간 경계를 사이에 두고 나타나는 홍채영상의 변화정보가 상기 보조적 이차중첩분할의 단위영역에 대한 주파수 계수열에 반영됨에 따라 더욱 정확한 유사도의 측정이 가능한 것이다.

한편 추가되는 영역은 첨부된 도 11에 도시한 바와 같이 정형화될 필요는 없다. 다만, 기존 기본 분할에서의 단위영역간 경계가 포함할 수 있도록 분할하기만 한다면 이것으로 충분하다. 예를 들어, 첨부된 도 12의 좌측 실시 예와 같이 기본영역 분할에서 4개의 셀을 합쳐서 하나의 중첩 분할의 단위영역으로 하는 것, 즉 A11+A12+A21+A22 을 B11로 하는 등 다양한 방식으로 기본 분할의 인접한 단위영역들을 합쳐서 중첩 분할의 단위영역으로 하는 것이 가능하며, 도 12의 우측 실시 예와 같이 중첩 분할을 형성하는 것도 가능한 것이다.

삭제

또한, 등록용 홍채영상과 인증용 홍채영상 각각에 대하여 상기 기본 분할과 상기 중첩분할에 의한 각 홍채영상의 셀 집합들을 가지고 거리를 계산한 다음, 적절한 가중치를 부여하여 스코어링 함수를 만드는 것도 가능한 것이다.

본 발명의 또 다른 일실시 예에 따른 변형에 강건한 홍채 인식 방법의 상기 홍채영상의 특징을 찾는 단계와 상기 정합단계는 상기 기본 영역 분할과 상기 중첩 영역 분할로부터 구한 거리 값으로부터 스코어링 함수 값으로 유사도 판단하는 단계로 이루어진다.

본 발명의 일실시 예에 따른 변형에 강건한 홍채 인식 방법은 눈의 영상을 획득하는 단계, 홍채영상 영역을 추출하는 단계, 영역 분할 및 홍채영상의 특징을 찾는 단계 및 정합 단계로 이루어져 있으며, 상기 눈의 영상을 획득하는 단계, 홍채영상영역을 추출하는 단계의 작용은 종래의 기술과 동일하므로 설명의 중복을 피하기 위하여 상세한 설명은 생략하고, 새로이 부가되는 단계들의 작용을 중심으로 하여 상세하게 설명한다.

본 발명의 변형에 강건한 홍채 인식 방법의 상기 홍채영상의 특징을 찾는 단계와 상기 정합 단계는 가림 평가기법(occlusion evaluation method)을 사용하여 단위영역으로부터 추출된 홍채영상의 특징을 각각 비교하여 판단하는 것으로 이루어진다.

상기 가림 평가 기법은 가림 발생 여부를 결정하는 단계, 공통 단위영역의 대표 값을 구하는 단계, 가림 발생한 단위영역에 대표 값을 부여하는 단계 및 전체 단위영역의 스코어링 함수값의 계산 및 유사도를 판단하는 단계를 포함하여 이루어진 것이다.

상기 가림 영역 평가 기법의 가림 발생 여부를 결정하는 단계는 상기 등록 또는 인증용 홍채영상 영역을 여러 개의 영역으로 분할하여 각각의 분할된 영역에 대하여 가림 발생 여부를 결정하는 단계로서, 홍채 인식에서 에러를 가장 많이 발생시키는 요인 중의 하나인 가림(occlusion)이 발생한 단위영역을 제거하거나 부분적으로 가림이 발생한 경우 가림이 발생한 정도에 따라 선택적으로 제거하는 단계이다.

첨부된 도 13에 도시한 바와 같은 가림이 발생한 등록 또는 인증용 홍채영상 영역의 각각의 분할된 셀에 대하여 일정 비율이상의 가림이 발생한 셀은 제외하고 홍채영상을 비교하는 것이다. 첨부된 도 14는 상기 홍채영상 영역의 홍채영상을 극좌표계로 변환시킨 후 50% 이상 가림이 발생한 셀들(X로 표시된 셀들)을 제외한 것을 보여주고 있다.

상기 가림 영역 평가 기법의 공통 단위영역의 대표 값을 구하는 단계는 상기 가림 발생이 없는 공통된 단위영역에 대하여 상기 등록용 홍채영상정보의 단위영역의 추출된 홍채영상의 특징과 상기 인증용 홍채영상정보의 단위영역의 추출된 홍채영상의 특징의 각각의 거리를 구하고 상기 거리 값들에 대한 대표 값을 구하는 단계이다.

예를 들어, 첨부된 도 15에 도시한 바와 같이 홍채영상 A는 등록용 홍채영상이고, 홍채영상 B는 동일인의 인증용 홍채영상일 수 있다. 첨부된 도 15에 도시한 바와 같이 가림이 발생하는 부위는 등록 시 또는 인증시마다 다른 형태로 발생할 수 있기 때문에 두 홍채영상을 비교할 때에는 가림이 발생된 셀들을 제외하고 공통으로 남은 셀들에 대하여 거리를 계산하는 것이다.

첨부된 도 16은 도 15에서 도시한 두 홍채영상의 공통된 영역을 도시한 것이다. 이후 공통된 영역으로부터 계산된 거리 값으로부터 대표 값을 구한다. 본 발명의 또 다른 일실시 예에 따른 변형에 강건한 홍채 인식 방법의 상기 대표 값은 주로 평균(average) 값, 중간(median) 값 및 최빈(最頻, mode)값 중에서 하나를 선택하여 사용하는 것이 바람직하다.

삭제

상기 가림 영역 평가 기법의 가림 발생한 단위영역들에 대표 값을 부여하는 단계는 가림에 의하여 제외된 셀들에 대한 거리 값으로서 상기 대표 값을 부여하는 것이다.

상기 가림 영역 평가 기법의 전체 단위영역들의 스코어링 함수 값 계산 및 유사도 판단을 하는 단계는 상기 각각의 가림 발생이 없는 공통된 단위영역들과 가림 발생한 단위영역들에 대하여 주어진 거리 값의 평균을 취한 값으로 유사도 판단을 하는 단계이다.

본 발명의 또 다른 일실시 예에 따른 변형에 강건한 홍채 인식 방법의 상기 스코어링 함수 값으로는 가중 평균, 가중 기하평균 및 가중 제곱 평균제곱근 중 어느 하나를 선택하여 사용하는 것이 바람직하다.

이하 유사도를 판단하는 값을 구하는 일례로 종래의 스코어링 함수로서 기하 평균을 사용하여 값을 계산하는 방법과 본 발명의 일실시예에 따른 스코어링 함수로서 기하 평균을 사용하여 값을 계산하는 방법을 상세히 설명한다.

두 개의 비교 홍채영상 A와 홍채영상 B가 각각 m× n개의 셀들로 이루어져 있다고 하고, 가림이 발생한 셀들을 제외한 셀의 개수는 N1이라고 하고, 상기 N1개의 셀의 거리를 측정한 것을 d1, d2, ..., dN1 이라 하면 다음과 같은 스코어링 함수 F를 구할 수 있다.

위와 같은 방법으로 또 다른 두 개의 비교 홍채영상 C와 홍채영상 D가 각각 m× n개의 셀들로 이루어져있다고 하고, 가림이 발생한 셀들을 제외한 셀의 개수는 N2이라고 하고, 상기 N2개의 셀의 거리를 측정한 것을 d1, d2, ..., dN2 이라 하면 다음과 같은 스코어링 함수 F를 구할 수 있다.

그러나 전술한 바와 같은 스코어링 함수에서 비교 대상 홍채영상에 따라 가림 발생 영역이 다르므로, 가림이 제거된 셀의 개수가 다를 수 있고, 즉 N1과 N2가 다를 수 있다. 이러한 경우 상기 스코어링은 모든 홍채영상의 쌍에 대하여 적용할 수 있는 표준화된 스코어링이 되기 어렵다.

이하, 본 발명의 일실시예에 따른 스코어링 함수(scoring function)를 계산하는 방법을 상세히 설명한다.

선택된 두 개의 비교 홍채영상이 각각 m× n개의 셀들로 이루어진 단위영역이라고 하고, 가림이 발생한 셀들을 제외한 셀의 개수는 N이라고 하고, 상기N개의 셀의 거리를 측정한 것을 각각 d1, d2, ..., dN 이라 하면, 이러한 값들로부터 대표 값을 구한다. 이 때 대표 값으로는 평균(average) 값, 중간(median) 값 및 최빈(最頻, mode)값 중에서 어느 하나를 선택하여 사용한다.

상기 가림이 발생한 (m× n - N)개의 각각의 셀 영역들에 대하여 상기 대표 값을 일률적으로 부여하면, 다음과 같은 스코어링 함수 F를 구할 수 있다.

따라서 전술한 바와 같은 본 발명의 일실시 예에 따른 스코어링 함수를 계산하는 방법에 있어서, 선택된 홍채영상 쌍에 관계없이 같은 개수의 거리들을 사용하므로 보다 잘 정의된(well-defined) 스코어링 값을 얻을 수 있는 것이다.
상기 단위영역의 크기는 다양하게 설정할 수 있으며, 일정크기로 등록용 및 인증용 홍채영역을 분할하여 단위영역을 설정하고, 상기 설정된 등록용 및 인증용 홍채영상으로 앞서 기술한 바와 같이 바이브레이션 기법을 적용하여 복수개의 스코어 값들을 구하며, 구한 값들에 기초하여 새로운 스코어 값을 구하여 유사도를 판단하는 방법 역시 본 발명에 포함되며, 상기 단위영역의 크기는 홍채영역 전체가 될 수도 있다.

본 발명은 상기 실시 예에 한정되지 않고 본 발명의 기술적 요지를 벗어나지 아니하는 범위 내에서 다양하게 수정ㆍ변형되어 실시될 수 있음은 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에 있어서 자명한 것이다.
본 발명은 홍채 인식을 수행할 때 필수적으로 요구되는 등록용 홍채영상과 인식용 홍채영상을 비교하여 유사도를 판단하는 정합 단계에서 등록용 홍채영상 정보의 단위영역과 상기 등록용 홍채영상 정보의 단위영역을 포함하는 확장영역으로 이루어진 등록용 홍채영상의 바이브레이션 영역을 상기 등록용 홍채영상 정보의 단위영역에 대응되는 위치의 인증용 홍채영상 정보의 단위영역과 상기 인증용 홍채영상 정보의 단위영역을 포함하는 확장영역으로 이루어진 인증용 홍채영상의 바이브레이션 영역과 비교하는 바이브레이션 기법을 사용함으로써 홍채 부위와 다른 부위(동공 또는 공막)의 경계를 설정하는데 발생하는 에러 또는 홍채의 변형으로 인하여 발생하는 에러에 의하여 홍채인식률이 저하되는 것을 방지하여 신뢰도를 높일 수 있으므로 산업상 이용가능성이 매우 높다.

이상에서 상세히 설명한 바와 같이, 본 발명에 따른 변형에 강건한 홍채 인식 방법에 의하면 홍채 특징 간의 유사도를 판단하는 정합 단계에서 비교하는 두 개의 홍채영상에 대응하는 영역 이외의 다른 영역과도 비교하는 단계를 구비함으로써 홍채의 변형으로 인하여 발생하는 에러에 의하여 인식률 저하를 방지할 수 있는 작용효과가 있다.
본 발명의 다른 효과는 종래의 영역 분할 방법에 의하여 영역을 분할하는 경우 상기 영역 간의 경계에 존재하는 홍채영상 정보의 손실을 방지하기 위하여 상기 영역간의 경계를 포함하는 중첩 영역 분할방식을 구비하여 이로부터 추가적인 정보를 얻음으로써 보다 신뢰성 있는 변형에 강건한 홍채 인식 방법을 제공하는데 있다.
본 발명의 또 다른 효과는 종래의 가림이 홍채 영역에 발생하였을 때 나타나는 홍채영상정보의 왜곡으로 인한 인식률 저하를 방지할 수 있는 변형에 강건한 홍채 인식 방법을 제공하는데 있다.

Claims

신원확인을 위한 홍채 인식 방법에 있어서,

신원확인을 위한 등록 또는 인증용 홍채 영상을 얻기 위해 카메라로부터 홍채가 포함된 눈의 영상을 획득하는 단계;

상기 눈의 영상에서 홍채의 영상을 추출하는 단계;

상기 추출된 홍채 영상을 다수의 영역으로 분할하여 분할된 각각의 영역에서 홍채영상의 특징을 찾는 단계; 및

상기 등록된 홍채영상의 특징과 인증용 홍채영상의 특징의 유사도를 비교하는 정합 단계를 포함하되,

상기 정합 단계는 등록용 홍채영상 정보의 단위영역과 등록용 홍채영상 정보의 단위영역을 포함하는 확장영역으로 이루어진 등록용 바이브레이션 홍채영상 영역을 상기 등록용 홍채영상 정보의 단위영역에 대응되는 위치의 인증용 홍채영상 정보의 단위영역과 상기 인증용 홍채영상 정보의 단위영역을 포함하는 확장영역으로 이루어진 인증용 바이브레이션 홍채영상 영역과 비교하는 바이브레이션 기법을 사용하는 것을 특징으로 하는 변형에 강건한 홍채 인식 방법.
제1항에 있어서, 상기 정합 단계는 등록용 홍채영상 정보의 단위영역을 상기 등록용 홍채영상 정보의 단위영역에 대응되는 위치의 인증용 홍채영상 정보의 단위영역을 포함하는 확장영역으로 이루어진 인증용 바이브레이션 홍채영상 영역과 비교하는 것을 특징으로 하는 변형에 강건한 홍채 인식 방법.
제1항에 있어서, 상기 정합 단계는 인증용 홍채영상 정보의 단위영역을 상기 인증용 홍채영상 정보의 단위영역에 대응되는 위치의 등록용 홍채영상 정보의 단위영역을 포함하는 확장영역으로 이루어진 등록용 바이브레이션 홍채영상 영역과 비교하는 것을 특징으로 하는 변형에 강건한 홍채 인식 방법.
제1항에 있어서, 상기 정합 단계는 등록용 홍채영상 정보의 단위영역을 상기 등록용 홍채영상 정보의 단위영역에 대응되는 위치의 인증용 홍채영상 정보의 단위영역을 포함하는 확장영역으로 이루어진 인증용 바이브레이션 홍채영상 영역과 비교하여 최소거리 값을 가진 인증용 홍채영상 정보를 얻고, 상기 비교하여 얻은 인증용 홍채영상 정보의 단위영역을 상기 인증용 홍채영상 정보의 단위영역에 대응되는 위치의 등록용 홍채영상 정보의 단위영역을 포함하는 확장영역으로 이루어진 등록용 바이브레이션 홍채영상 영역과 비교하는 것을 특징으로 하는 변형에 강건한 홍채 인식 방법.
제2항 또는 제3항에 있어서,

상기 정합단계의 비교되는 등록용과 인증용의 두 개의 단위영역의 홍채영상정보간의 거리는 단위영역 A에서의 홍채영상정보를 주파수 영역으로 변환한 유한수열(
)을 구하고, 단위영역 B를 중심으로 바이브레이션 영역이 포함된 B' 단위영역에서의 홍채영상정보를 주파수 영역으로 변환한 다수의 유한수열(
)을 구하며, 상기 단위영역 A에서의 홍채영상정보를 주파수 영역으로 변환한 유한수열(
)과 단위영역 B를 중심으로 바이브레이션 홍채영상정보 영역이 포함된 B' 단위영역에서의 홍채영상정보를 주파수 영역으로 변환한 다수의 유한수열(
)과 각각 비교하여 최소 거리를 가진 값을 구하는 함수{D(A,B)}로 연산함을 특징으로 하는 변형에 강건한 홍채 인식 방법.

{
}
제4항에 있어서,

상기 정합단계의 비교되는 등록용과 인증용의 두 개의 단위영역의 홍채영상정보간의 거리는 단위영역 A에서의 홍채영상정보를 주파수 영역으로 변환한 유한수열(
)을 구하고, 단위영역 B를 중심으로 바이브레이션 영역이 포함된 B' 단위영역에서의 홍채영상정보를 주파수 영역으로 변환한 다수의 유한수열(
)을 구하며, 상기 단위영역 A에서의 홍채영상정보를 주파수 영역으로 변환한 유한수열(
)과 단위영역 B를 중심으로 바이브레이션 영역이 포함된 B' 단위영역에서의 홍채영상정보를 주파수 영역으로 변환한 다수의 유한수열(
)과 비교하여 최소 거리를 가진 값을 구하는 함수{ D(A,B)}로 연산하여 구하거나, 또는 단위영역 B에서의 홍채영상정보를 주파수 영역으로 변환한 유한수열(
)을 구하고, 단위영역 A를 중심으로 바이브레이션 영역이 포함된 A' 단위영역에서의 홍채영상정보를 주파수 영역으로 변환한 다수의 유한수열(
)을 구하며, 상기 단위영역 B에서의 홍채영상정보를 주파수 영역으로 변환한 유한수열(
)과 단위영역 A를 중심으로 바이브레이션 영역이 포함된 A' 단위영역에서의 홍채영상정보를 주파수 영역으로 변환한 다수의 유한수열(
)과 각각 대비하여 최소 거리를 가진 값을 구하는 함수{D(B,A)}로 연산함을 특징으로 하는 변형에 강건한 홍채 인식 방법.

{
,

}
제5항에 있어서,

상기 유한수열(
)과 유한수열(
) 사이의 거리는 유한수열(
)의 부분 또는 전체 수열
을 추출하고, 유한수열(
)의 부분 또는 전체 수열
를 추출하여 각각 대응되는 좌표에 대하여 차의 값을 구하고, 차의 값을 P 승하여 모두 더한 후, 상기 모두 합한 값을 1/P승으로 연산하는 함수
로 구하는 것을 특징으로 하는 변형에 강건한 홍채 인식 방법.

{
,

,
,

유한수열
에 대한 전체수열;
,

유한수열
에 대한 전체수열;
, P ; 양의 실수}
제6항에 있어서,

상기 유한수열(
)과 유한수열(
) 사이의 거리는 유한수열(
)의 부분 또는 전체 수열
을 추출하고, 유한수열(
)의 부분 또는 전체 수열
를 추출하여 각각 대응되는 좌표에 대하여 차의 값을 구하고, 차의 값을 P 승하여 모두 더한 후, 상기 모두 합한 값을 1/P승으로 연산하는 함수
로 구하는 것을 특징으로 하는 변형에 강건한 홍채 인식 방법.

{
,

,
,

유한수열
에 대한 전체수열;
,

유한수열
에 대한 전체수열;
, P ; 양의 실수}
제1항에 있어서, 상기 정합 단계는 등록용 홍채영상정보 전체의 단위영역에 대하여 상기 바이브레이션 기법을 적용하거나 등록용 홍채영상 정보 일부의 단위영역에 대하여 바이브레이션 기법을 적용하여 단위영역간의 홍채영상 정보의 거리 값으로부터 구하는 스코어링 함수로 연산한 값으로 유사도를 판단하는 것을 특징으로 하는 변형에 강건한 홍채 인식 방법.
제1항에 있어서,

상기 정합 단계는 등록용 홍채영상 정보와 인증용 홍채영상정보간의 위치적 대응관계를 찾는 단계;

상기 등록용 홍채영상 정보 전체의 단위영역 또는 상기 등록용 홍채영상 정보 일부의 단위영역에 대하여 상기 위치적 대응관계를 찾는 단계에 의하여 상기 등록용 홍채영상의 단위영역에 대응되는 인증용 홍채영상 정보의 단위영역을 찾는 단계; 및

상기 등록용 홍채영상 정보의 단위영역과 상기 인증용 홍채영상 정보의 단위영역에 대하여 바이브레이션 기법을 적용하여 각각 대응되는 단위영역간의 홍채영상 정보의 거리 값으로부터 구하는 스코어링 함수로 연산한 값으로 유사도를 판단하는 단계로 이루어진 변형에 강건한 홍채 인식 방법.
제1항에 있어서,

상기 정합 단계는 등록용 홍채영상 정보와 인증용 홍채영상정보간의 위치적 대응관계를 찾는 단계;

상기 인증용 홍채영상 정보 전체의 단위영역 또는 상기 인증용 홍채영상 정보 일부의 단위영역에 대하여 상기 위치적 대응관계를 찾는 단계에 의하여 상기 인증용 홍채영상의 단위영역에 대응되는 등록용 홍채영상 정보의 단위영역을 찾는 단계; 및

상기 등록용 홍채영상 정보의 단위영역을 상기 인증용 홍채영상 정보의 단위영역과 비교하여 단위영역간의 홍채영상 정보의 거리 값으로부터 구하는 스코어링 함수로 연산한 값으로 유사도를 판단하는 단계로 이루어진 변형에 강건한 홍채 인식 방법.
제10항 또는 제11항에 있어서,

상기 위치적 대응관계 찾는 단계는 상기 등록용 홍채영상 정보의 각각의 단위영역 중에서 몇 개의 단위영역을 선정하고, 선정된 각각의 등록용 홍채영상의 단위영역과 상기 선정된 등록용 홍채영상의 단위영역에 대응되는 인증용 홍채영상 정보의 단위영역에 대하여 바이브레이션 기법을 적용하여 상기 선정된 등록용 홍채영상의 단위영역에 대하여 가장 작은 거리 값을 나타낸 인증용 홍채영상 정보의 단위영역 간의 위치적 대응관계를 구하는 단계를 포함하여 이루어진 것을 특징으로 하는 변형에 강건한 홍채 인식 방법.
제12항에 있어서,

상기 위치적 대응관계는 각 방향의 위치이동, 반지름 방향의 위치이동, 각 방향 및 반지름 방향의 위치 이동 중 어느 하나를 선택하여 사용하는 것을 특징으로 하는 변형에 강건한 홍채 인식 방법.
신원확인을 위한 홍채 인식 방법에 있어서,

신원확인을 위한 등록 또는 인증용 홍채 영상을 얻기 위해 카메라로 홍채가 포함된 눈의 영상을 획득하는 단계;

상기 눈의 영상에서 홍채의 영상을 추출하는 단계;

상기 추출된 홍채 영상을 다수의 영역으로 분할하여 각각의 분할된 각각의 영역에서 홍채영상의 특징을 찾는 단계; 및

상기 등록된 홍채영상의 특징과 인증용 홍채영상의 특징의 유사도를 비교하는 정합 단계를 포함하되,

상기 홍채영상의 특징을 찾는 단계 및 상기 정합 단계의 홍채영역 분할 방법은 상기 추출된 홍채영역을 다수의 영역으로 분할하는 기본 영역 분할과 상기 기본 영역 분할의 경계선을 포함하는 중첩 영역 분할로 구성됨을 특징으로 하는 변형에 강건한 홍채 인식 방법.
제14항에 있어서, 상기 홍채영상의 특징을 찾는 단계 및 상기 정합 단계는 상기 기본 영역 분할과 상기 중첩 영역 분할에서 각각 대응하는 홍채영상정보의 영역간의 거리 값으로부터 구하는 스코어링 함수로 연산한 값으로 유사도를 판단함을 특징으로 하는 변형에 강건한 홍채 인식 방법.
신원확인을 위한 홍채 인식 방법에 있어서,

신원확인을 위한 등록 또는 인증용 홍채 영상을 얻기 위해 카메라로 홍채가 포함된 눈의 영상을 획득하는 단계;

상기 눈의 영상에서 홍채의 영상을 추출하는 단계;

상기 추출된 홍채 영상을 다수의 영역으로 분할하여 각각의 분할된 각각의 영역에서 홍채영상의 특징을 찾는 단계;

상기 등록된 홍채영상의 특징과 인증용 홍채영상의 특징의 유사도를 비교하는 정합 단계를 포함하되,

상기 홍채영상의 특징을 찾는 단계와 상기 정합 단계는 상기 등록 또는 인증용 홍채영상의 영역을 다수의 영역으로 분할하여 각각의 분할된 영역에 대하여 가림 발생 여부를 결정하는 단계;

상기 가림 발생이 없는 공통된 단위영역에 대하여 상기 등록용 홍채영상의 단위영역으로부터 추출된 홍채영상의 특징과 상기 인증용 홍채영상의 단위영역으로부터 추출된 홍채영상의 특징에 대하여 각각의 거리를 구하고 상기 거리의 값들의 대표 값을 구하는 단계;

상기 가림 발생된 단위영역에 대하여 상기 대표 값을 부여하는 단계; 및

상기 각각의 가림 발생이 없는 공통된 단위영역과 가림 발생한 단위영역에 대하여 주어진 거리 값으로부터 구하는 스코어링 함수의 연산 값으로 유사도 판단하는 단계로 이루어진 변형에 강건한 홍채 인식 방법.
제16항에 있어서, 상기 대표 값은 상기 각각의 거리의 평균값, 각각의 거리의 중간 값 및 각각의 거리의 최빈값 중 어느 하나를 선택하여 사용함을 특징으로 하는 변형에 강건한 홍채 인식 방법.
제9항, 제10항, 제11항, 제15항 및 제16항 중 어느 하나의 항에 있어서, 상기 스코어링 함수 값으로는 가중 평균, 가중 기하평균 및 가중 제곱 평균 제곱근 중 어느 하나를 선택하여 사용함을 특징으로 하는 변형에 강건한 홍채 인식 방법.