KR101748795B1 - 동적 워핑 기반 홍채 인식 방법 및 시스템 - Google Patents

Abstract

동적 워핑에 기반하여 홍채를 인식하는 방법 및 시스템을 개시한다. 방법:은 피험자로부터 얻은 비교 홍채 영상으로부터 화소 평균 배열을 추출하는 비교 정보 획득 단계; 기설정된 기준 홍채 영상의 기준 화소 평균 배열을 획득하는 기준 정보 획득 단계; 상기 비교 화소 평균 배열과 기준 화소 평균 배열에 동적 워핑을 적용하여 동적 워핑 값의 배열을 추출하는 워핑 단계; 상기 동적 워핑 값의 배열에서 중간 값을 비교 값으로 추출하는 비교 값 추출 단계; 그리고 홍채의 동일성 판단 기준으로 기설정된 임계값에 상기 비교 값을 비교하여 상기 기준 홍채 영상과 비교 홍채 영상의 동일성 여부를 판단하여 상기 피험자를 특정하는 특정 단계;를 포함한다.

Description

동적 워핑 기반 홍채 인식 방법 및 시스템{Method and System of Iris recognition based on dynamic warping}

본 발명은 홍채 근육의 움직임을 고려하여 홍채인식을 하는 방법 및 시스템에 관한 것으로, 더욱 상세하게는 홍채 근육의 비선형적 스케일링 특성을 고려하여 동적 워핑 (Dynamic Warping) 기반을 기반으로 하는 홍채 인식 방법 및 시스템에 관한 것이다.

개인 식별하거나 특정하는 방법에는 홍채 인식, 얼굴 인식, 지문 인식, 서명인식, 목소리 인식, 지정맥 인식 등의 방법이 있는데, 이 중에 홍채 인식가 가장 높은 신뢰도를 제공한다.

홍채는 공막과 동공 사이에 위치한 근육 영역으로 주요 기능은 사람의 눈에 들어오는 빛의 양을 조절하는 것이다. 이러한 홍채는 사람마다 무늬가 다르고 영구적이고 어느 누구나 가질 수 있다는 특성을 가지고 있기 때문에 타의 어느 인식 방법에 비해서도 매우 높은 신뢰도를 나타낸다.

종래의 홍채 인식은 인식률을 높이기 위해 홍채 근육이 선형적으로 움직인다고 가정하였기 때문에 동일한 간격의 트랙으로 이루어져 있다고 가정하고 진행한다. 예를 들어, 종래에는 홍채가 256개의 섹션과 8개의 트랙으로 이루어져 있다고 가정하고 8개의 트랙이 등간격으로 배열되어 있다고 가정하였다. 그러나, 실제의 홍채 근육은 일정하게 선형적으로 움직이지 않으며, 이러한 비선형적 움직임은 개인적인 특성에 따라 나타날 수 도 있으며, 또한 극단적으로 밝은 환경, 예를 들어 매우 밝은 조명이 있는 실내 환경 또는 강한 태양(자연광)이 있는 야외 환경에서 나타날 수 있다. 따라서 홍채가 선형적으로 움직이지 않는 상태에서 홍채 인식은 신뢰도가 낮을 수 밖에 없다.

KR 2011-0035585 A KR 2010-0083482 A KR 2004-0078198 A

Eamonn Keogh, Chorirat A. Ratanamahatana, "Exact indexing of dynamic time warping," Knowledge and Information Systems Z Lin, B Lu, "Iris recognition method based on the optimized Gabor filters", Image and Signal Processing (CISP), 2010 3rd …, 2010 - ieeexplore.ieee.org G., AnnaPoorani, R. Krishnamoorthi, P., Gifty Jeya, S., Petchiammal, "Accurate and Fast Iris Segmentation", International Journal of Engineering Science and Technology, Vol. 2(6), pp. 1492-1499, 2010. Zhaofeng He, Tieniu Tan, Zhenan Sun, and Xianchao Qiu, "Towards accurate and Fast Iris segmentation for Iris Biometrics", IEEE Transactions on PAMI, vol. 31, No. 9, pp. 1670-1684, 2009. Kazuyuki Miyazawa, Koichi Ito, Takafumi Akoki, Koji Kobayashi and Hiroshi Nakajima, "A Phase-Based Iris Recognition Algorithm," Advances in Biometrics: International Conference, ICB 2006, pp. 356-365, Hong Kong, China, January 2006. 조민환, 허정연, "홍채 인식을 위한 동공 중심점 탐색 알고리즘에 관한 연구", 컴퓨터정보학회, 11권, 2006. John G. Daugman, " How Iris Recognition Works," IEEE Trans. on Circuits and Systems for Video Technology, Vol. 14, No.1, pp. 21-29, 2004. Topi Maenpaa, "An Iterative Algorithm for Fast Iris Detection," Advances in Biometric Person Authentication, International Workshop on Biometric Recognition Systems, IWBRS 2005, pp.127-134, Beiging China, 2005. Viola, P. and Jones, M.J. "Robust real-time face detection". Int. J. Comput. Vis. 57, 137-154 (2004) R. C. Gonzalez and R. E. Woods, Digital Image Processing, 2nd ed., Prentice-Hall, Englewood Cliffs, NJ, 2002. N.Otsu, "A Tlreshold Selection Method from Gray-Level Histograms", IEEE Transactions on SMC, Vol. SMC--9, No. 1, pp. 62-66, Jan. 1979.

본 발명은 홍채 근육의 실제 움직임을 고려한 홍채 인식 방법 및 시스템을 제공한다.

본 발명은 동적 워핑에 기초함으로써 기존의 유클리드 거리 (Euclidean Distance)에 의존했던 종래 인식 방법에 비해 신뢰도 높은 홍채 인식 방법 및 시스템을 제공한다.

본 발명에 따른 홍채인식 방법: 은

피험자로부터 얻은 비교 홍채 영상으로부터 화소 평균 배열을 추출하는 비교 정보 획득 단계;

기설정된 기준 홍채 영상의 기준 화소 평균 배열을 획득하는 기준 정보 획득 단계;

상기 비교 화소 평균 배열과 기준 화소 평균 배열에 동적 워핑을 적용하여 동적 워핑 값의 배열을 추출하는 워핑 단계;

상기 동적 워핑 값의 배열에서 중간 값을 비교 값으로 추출하는 비교 값 추출 단계; 그리고

홍채의 동일성 판단 기준으로 기설정된 임계 값에 상기 비교 값을 비교하여 상기 기준 홍채 영상과 비교 홍채 영상의 동일성 여부를 판단하여 상기 피험자를 특정하는 특정 단계;를 포함한다.

본 발명의 일 실시 예에 따르면, 상기 기준 정보 획득 단계에서, 상기 기준 화소 평균 배열은 홍채 정보 데이터베이스로부터 획득할 수 있다.

본 발명의 다른 실시 예에 따르면, 상기 기준 정보 획득 단계에서, 상기 기준 화소 평균 배열은 상기 데이터베이스로부터 획득한 기준 홍채 영상으로부터 추출될 수 있다.

본 발명의 일 실시 예에 따르면, 상기 특정 단계에서, 상기 비교 화소 평균 배열을 이용한 상기 피험자의 특정에 실패한 경우, 상기 기준 정보 획득 단계로 이행하여, 새로운 기준 화소 평균 배열을 획득할 수 있다.

본 발명의 구체적인 실시 예에 따르면, 상기 비교 정보 획득 단계:는

상기 피험자로부터 홍채 영상을 획득하는 단계;

상기 홍채 영상의 화소 영역을 소정 수의 픽셀을 포함하는 다수의 화소 섹터로 구획하는 단계;

평균필터를 이용해 상기 화소 섹터 별로 평균을 구하여 상기 비교 화소 평균 배열을 추출하는 단계;를 포함한다.

본 발명의 구체적인 실시 예에 따르면, 상기 비교 정보 획득 단계:는

피험자로부터 얻은 홍채 영상의 크기를 기준 크기로 조절하는 단계; 그리고

상기 피험자로부터 획득한 홍채 영상의 조명 성분을 제거하기 위한 조명 정규화 단계; 를 포함할 수 있다.

또한 본 발명의 구체적인 실시 예에 따르면, 상기 비교 정보 획득 단계:는

상기 기분 홍채 영상에 대한 상기 피험자로부터 획득한 홍채 영상의 회전을 보상하기 위한 회전 정규화 단계; 를 더 포함할 수 있다.

본 발명의 구체적인 실시 예에 따르면, 상기 화소 섹터는 인접한 3열3행 (3X3)의 픽셀을 포함할 수 있다.

본 발명에 따른 홍채 인식 시스템:은

상기 홍채 인식 방법을 수행하는 것으로,

상기 피험자로부터 상기 비교 홍채 영상을 획득하는 카메라;

상기 비교 홍채 영상와 상기 기준 홍채 영상을 처리 및 분석하여 상기 비교홍채 영상과 기준 홍채 영상의 동일성을 판단하는 시스템; 그리고

상기 카메라 또는 시스템으로부터의 제공되는 홍채 영상 또는 홍채 인식 정보를 표시하는 모니터;를 구비한다.

본 발명의 방법은 기존의 홍채 인식이 방법이 해결하지 못했던 홍채 근육의 비선형적인 움직임의 문제를 해결한다. 이러한 비선형적인 움직임은 개인차에 의해서 발생할 수 도 있으며, 보편적으로 극단적으로 밝은 조명 또는 자연광 아래에서 일어 날 수 있다. 이러한 비선형적인 움직임을 고려한 본 발명의 동적 워핑 (Dynamic Warping)은 유클리드 거리 (Euclidean Distance)에 기반한 종래 홍채 인식에 비해 높은 수준의 변별력을 가진다. 본 발명에서, 홍채 영상의 섹터를 기준으로 특징 배열을 추출하여 동적 워핑 (Dynamic Warping)을 적용되며, 상기 특징 배열에서 추출된 동적 워핑 값의 중앙값이 추출된다. 이러한 중앙값은 기설정된 임계값 (pre-determined Threshold value)을 비교에 의해 홍채 인식 또는 특정을 수행한다. 이와 같이 동적 워핑에 기반하는 본 발명의 홍채 인식 방법은 기존의 유클리드 거리 (Euclidean distance)에 기반한 홍채 인식에 비해 그 신뢰도가 매우 높다.

도1a는 본 발명에 따른 홍채 인식 방법을 수행하는 시스템으로 실내에서 적용될 수 있는 홍채 인식 시스템의 개략적 구성도이다.
도1a는 실내 뿐 아니라 실외에서 사용할 수 있는 휴대용 단말기(스마트폰)에 구현한 본 발명에 따른 홍채 인식 시스템의 사용 례를 보인다.
도2는 본 발명의 실시 예에 따른 홍채 인식 방법의 흐름도이다.
도3은 본 발명의 실시 예에 따른 홍채 인식 방법에서 이미지 정규화의 순서를 설명한다.
도4는 본 발명에 따른 홍채 인식 방법의 실시 예에서, 크기 정규화 결과를 보여준다.
도5는 본 발명에 따른 홍채 인식 방법의 실시 예에서, 조명 성분 정규화 과정을 보여준다.
도6은 본 발명에 따른 홍채 인식 방법의 실시 예에서, 조명 성분 정규화 결과를 보여준다.
도7은 본 발명에 따른 홍채 인식 방법의 실시 예에서, 조명 정규화를 마친 영상의 회전률을 정규화하는 과정을 보여준다.
도8은 본 발명에 따른 홍채 인식 방법의 실시 예에서, 조명 정규화를 마친 영상에 대한 회전률 정규화 결과를 보여준다.
도9는 본 발명에 따른 홍채 인식 방법의 실시 예에서, 모든 정규화를 마친 영상에서 좌측 3열부터 DW (Dynamic Warping)을 적용할 배열을 평균 필터를 이용하여 추출하는 것을 나타낸다.
도10은 본 발명에 따른 홍채 인식 방법의 실시 예에서, 추출된 배열의 DW를 적용한 모습을 나타낸다.
도11은 본 발명에 따른 홍채 인식 방법의 실시 예에서, DW를 계산한 2차원 배열을 나타낸다.
도12은 본 발명에 따른 홍채 인식 방법의 실시 예에서, 이미지의 모든 3열에서 특징 배열을 추출하고 DW 을 적용하는 것을 나타낸다.
도13은 모든 DW 값들을 오름차순 정렬하고 중앙값들의 평균값을 추출하는 것을 나타낸다.

이하, 첨부된 도면을 참고하면서 본 발명에 따른 홍채 인식 방법 및 이를 적용하는 시스템의 실시 예를 설명한다.

본 발명에 따른 홍채 인식 방법은 컴퓨터에 의해 수행되며, 본 발명에서 인용하는 용어 “컴퓨터”는 컴퓨터 시스템을 기반으로 모든 장치에 까지 확대되며, 따라서 본 발명의 기술적 범위는 컴퓨터의 유형에 의해 제한되지 않는다.

본 발명에 따른 홍채 인식 방법은, 도1a 또는 도1b에 도시된 바와 같은 시스템에 의해 구현가능하다. 도1a의 시스템은 실내용, 도1b의 시스템은 실내외에서 사용할 수 있는 포터블 시스템이다. 먼저, 도1a에 도시된 바와 같이 키보드 (14), 마우스 (15), 모니터 (12) 등 입출력 장치 및 이들이 연결되는 본체 (11)를 포함하는 컴퓨터 시스템 (1)을 기반하는 하드웨어에 의존하여 수행될 수 있으며, 본 발명의 실시 예에 따라 전용화된 홍채 인식 시스템에 의해서도 구현될 수 있다. 이러한 본 발명의 방법 및 시스템은 특정한 하드웨어 시스템에 의해 그 기술적 범위가 제한되지 않는다.

본 발명에 따라 홍채를 인식하는 시스템은 피험자 (20)의 안면 또는 한쪽 눈을 촬영하는 카메라 (13), 예를 들어 소위 웹 캠 또는 웹 카메라 등의 동영상 카메라 또는 정지 영상 카메라를 포함할 수 있다. 또한, 이러한 시스템은 새롭게 획득된 생체 고유 정보인 비교 홍채 정보를 시스템 내의 데이터베이스에 기등록되어 있는 기준 홍채 정보들과 비교하여, 데이터 베이스에 등록되어 있는 홍채 정보인지에 대한 검증 (판단)을 수행한다. 이러한 분석 및 인증과정은 소프트웨어 형태로 제공되는 영상 처리 및 분석 알고리즘을 통해서 피험자로부터 획득된 영상을 처리하고 이를 이용하여 홍채 정보를 분석된다. 이러한 분석 및 인증 결과는 모니터 (12)에 표시한다.

도1b은 스마트폰과 같은 포터블 단말기 (1a)에 구현된 본 발명에 따른 홍채 인식 시스템을 예시한다. 이러한 홍채 시스템은 스마트폰과 같은 범용 시스템 또는 전용화된 전용 시스템에 의해 구현될 수 있다. 도1b에 도시된 바와 같이 사용자 또는 피험자(20)는 손에 포터블 단말기 (1a)를 들고 있으며, 이를 이용해 눈 부분을 찰영하고 이를 이용하여 홍채를 인식하게 된다. 스마트폰을 적용한 포터블 단말기(1a)는 일반적인 구조로서 카메라(13a) 및 디스플레이(12a)를 포함한다.

극단적으로 밝은 조명 또는 자연광 하에서는 동공이 작아지면서 홍채 근육이 비선형으로 스캐일링을 하게 된다. 이와 같은 비선형적 스케일링은 기존의 홍채 인식 방법의 인식률을 낮추게 된다.

본 발명은 개인적 특성 또는 극단적으로 밝은 환경에서 나타나는 홍채 근육의 비선형적인 스케일링을 보완 또는 보상하기 위하여 동적 워핑을 적용한다.

즉, 기존의 홍채 인식 방법은 동공 크기의 변화가 적은 범위에 직선적 홍채근율의 변화만을 고려한 것이어서 일정한 조도 범위를 벗어나게 홍채 근육이 비선형적으로 변화하게 되면 홍채 인식에 실패할 가능성이 높다.본 발명은 본 발명은 비선형적 홍채 근육의 움직임을 고려하여 동적 워핑 (Dynamic Warping)을 적용한다. 동적 워핑 (DW)은 기존의 동적 시간 워핑 (Dynamic Time Warping, DTW) 방법의 기반 기술이다 (비특허문헌 1). DTW는 시간이나 속도에 따라 변하는 두 시간 시계열 배열의 유사도를 측정하는 방법이다. 따라서, DTW는 비디오, 오디오와 같은 시계열 자료에서 적용되었으며, 그 외에 선형적인 배열로 변환할 수 있는 어떠한 자료라도 DTW를 적용할 수 있다.

또한, 본 발명은 피험자로부터 홍채 영상을 얻기 위하여, 일반적인 순서 및 영상 처리 방법에 따라, 카메라를 이용한 눈 영역의 촬영, 눈 영역에서 홍채가 포함되는 안구 영역의 추출이 진행된다. 카메라를 이용해 취득한 동공 및 홍채를 포함하는 사용자의 눈 영상으로부터 동공 및 그 둘레의 홍채를 검출한다. 여기에서, 눈 외에 얼굴부분이 존재하는 경우 동공 검출에 앞서, 얼굴 영역과 눈 영역을 검출한다. 얼굴 영역과 눈 영역의 검출에는 소위 Adaboost (Adaptive Boosting) 방법 (비특허문헌 9)이 적용될 수 있다.

Adaboost 방법은 단순하여 빠른 성능으로 비교적 높은 정확도로 얼굴 영역 검출에서도 실시간으로 작동한다. 얼굴 영역을 추출한 후, 동공 영역을 검출하기에 앞서, 눈 영역을 먼저 검출한다. 눈 영역의 검출에는 눈의 특징이 반영된 약한 분류기들을 통해 학습 (training)된 정보가 활용한다. 한편, 동공 (영역) 및 홍채 영역의 검출에 있어서는 잘 알려진 바와 같은 원형 검출 알고리즘이 사용될 수 있다. 이러한 과정을 거쳐 동공 둘레의 도너츠 형태의 홍채 영상을 얻는다. 여기에서 얻은 홍채 영상은 사각형으로 변환되며, 이 홍채 영상은 기준 홍채 영산과 함께 상기한 바와 같은 동적 워핑이 수행되며, 이를 통해서 홍채 인식 또는 피험자 특정을 위한 비교 값을 얻게 된다.

도2는 본 발명의 일 실시 예에 따른 홍채 인식 방법의 흐름도이다.

이하, 도2를 참조하면서 본 발명에 따른 홍채 인식 방법을 구체적으로 설명한다.

제1단계 (S11): 비교 영상 (이미지)로서 피험자로부터 획득한 홍채 영상을 정규화한다. 영상 (이미지) 정규화는 도3에 도시된 바와 같이 크기 정규화 (S111), 조명 정규화 (S112), 그리고 회전 정규화 (S113) 중의 적어도 어느 하나를 포함할 수 있다. 이러한 영상 정규화는 데이터베이스에 등록된 기준 홍채 영상의 크기에 비교 홍채 영상의 크기를 일치시키기 위한 것이다. 그리고 조명 정규화는 기준 홍채 영상과 비교 홍채 영상의 조명 성분의 차이를 제거하기 위한 것이다. 그리고, 회전 정규화는 기준 홍채 영상에 대한 비교 홍채 영상의 상대적 회전을 제거하여 위한 것이다.

제2단계 (S12): 비교 홍채 영상의 화소 영역을 소정 수의 종횡 픽셀, 예를 들어 3X3의 9개의 픽셀을 단위로 섹터를 구획하고 평균 필터 적용에 의해 각 섹터 별로 화소값의 평균을 계산하여 전체 섹터에 의한 비교 화소 평균 배열, 즉 화소 특징 배열을 추출한다.

제3단계 (S13): 상기 비교 화소 평균 배열과 기준 비교 화소 평균 배열에 동적 워핑을 적용하여 다수 동적 워핑 값의 배열을 구한다.

제4단계 (S14): 상기 동적 워핑 값의 배열을 내림차순 또는 올림차순으로 정렬하고, 배열 중 동적 워핑 값의 중앙 값 (Mv)을 구한다.

제5단계 (S15): 제4단계에서 획득한 중앙 값 (Mv)을 기설정된 기준 값 또는 임계 값 (Tv)에 비교하여, 중앙 값 (Mv)이 상기 임계 값 (Tv보다 크면 상기 제3단계 (S13)로 복귀하여 새로운 기준 화소 평균 배열을 적용한 동적 워핑을 수행한다.

제6단계 (S16): 제4단계에서의 비교 결과, 임계 값에 비해 중앙 값이 크지 작으면, 즉 같거나 작으면 상기 동적 워핑에 적용되었던 기준 화소 평균 배열이 피험자의 고유 정보에 해당하며 따라서 데이터 베이스로부터 해당 고유 정보에 대응하는 피험자에 대한 정보를 확인 또는 특정할 수 있게 된다.

한편, 상기 제3단계에서 제5단계는 특정에 실패한 경우, 데이터베이스의 정보량 범위 내에서 무한 루프로 반복 수행된다. 즉, 상기와 같이 홍채 인식 또는 특정에 실패하면, 제5단계에서 제3단계로 귀환하여 제5단계까지의 과정이 계속 반복되며, 이때에 데이터베이스로부터 일치하는 기준 홍채 정보 또는 이의 기준 화소 평균 배열를 찾을 수 없는 경우, 별도의 프로세스 또는 절차를 통해 새로운 홍채 정보로 등록할 수 있다.

위에서 제1단계에서의 크기 정규화는 모든 영상의 조명 성분에 따라 크기가 다르기 때문에 비교 홍채 영상의 키기를 기준 크기에 맞도록 확대 또는 축소하고, 확대 시에는 선형 보간법에 의해 새로 생긴 공간, 즉 빈 픽셀의 화소값을 결정한다.

상기 조명 성분 정규화는 모든 영상의 조명 성분에 따라 밝기 값이 다르기 때문에 조명 성분을 제거하여 매칭에 알맞게 변환해준다. 여기에서는 소정 개수, 예를 들어 3X3의 9개의 픽셀을 가지는 평균 마스크 (Average mask)를 적용하여 홍채 영상을 전체적으로 흐리게 블러 (Blur) 시킨다.

상기 회전 정규화하는 단계에서, 두 영상의 교집합 부분을 변경하면서 교집합 부분의 유사도가 제일 큰 부분을 두 영상의 같은 회전각으로 검출한다.

도4는 크기 정규화를 설명하는 도면이다. 도4의 (A)의 이미지는 홍채의 원본 영상으로써 홍채의 크기에 따라 세로의 길이가 다른 모든 홍채 영상을 영상의 세로 길이의 기준 값에 맞게 예를 들어 허용된 최대값으로 보간 (interpolation)하여 확대시키면 (B)와 같은 이미지를 얻게 된다. 이 과정은 피험자로부터 얻어지는 홍채 영상의 크기가 다양한 촬영 조건에 따라 다르기 때문에 홍채 이미지의 크기 조절 즉, 정규화는 사실상 필수적이라 할 수 있다. 이러한 크기의 정규화는 아래에서 설명되는 조명 및 회전 정규화는 데이터베이스에 존재하는 기준 홍채 영상들에 대해서도 미리 수행되어 있을 수 있다.

여기에서 도4의 (A), (B)의 홍채 영상에서 우측의 밝은 부분은 홍채 영역이 아닌 눈꺼풀 부분이다. 이와 같이 불필요한 부분은 제거되어야 하며, (C)의 이미지를 눈꺼풀 부분이 제거된 순수 홍채 영역을 보인다.

도5는 크기 정규화를 거친 홍채 영상에 조명성분을 제거하는 과정을 보인다.

상기 과정을 통해 정규화된 영상 (A)을 흐리게 블러 (blur)를 시키면 (B)와 같은 영상을 얻게 된다. (C)의 이미지는 (B)의 이미지를 역상시킨 것이다. 이것은 (B) 영상의 각 픽셀 값에서 256을 빼 줌으로써 (B) 영상의 역상이 (C) 영상을 얻게 된다. 그리고 (D) 영상은 상기 (B) 영상과 (C) 영상을 더하여 평균을 낸 결과물이다. 즉, (D) 영상의 각 픽셀은 (B)의 영상과 (C)의 영상의 해당 픽셀의 값의 합과 그리고 그 평균이 더해진 값을 가진다. 이와 같이 얻은 (D) 영상을 최종적으로 히스토-업 스트레칭 (histo-up stretching) 과정을 거침으로써 조명성분이 제거된 비교 홍채 영상인 (E) 영상을 얻는다.

위와 같은 정규화 과정은 피험자로부터 얻은 비교 홍채 영상 뿐 아니라, 데이터 베이스에서 획득한 기준 홍채 영상에 대해서도 실시할 수 있다. 상기 데이터 베이스는 전술한 바와 같이 기준 홍채 영상 자료와 함께 기준 홍채 영상 자료를 전처리 하여 얻은 특징 배열을 포함할 수 있으며, 경우에 따라서는 기준 홍채 영상 자료 또는 특징 배열 중 어느 하나 만을 포함할 수도 있다.

이하에서, 본 발명의 영상 처리 특징 동적 워핑의 이해를 돕기 위해 정규화된 기준 홍채 영상과 비교 홍채 영상을 기준으로 하는 홍채 인식 방법, 특히 동적 워핑 방법을 설명한다.

도6은 기준 홍채 영상 (I)과 비교 홍채영상 (II)의 조명 정규화 전 (A) 과 후 (B)의 을 보인다. 즉, 도6에서 좌측의 상하 영상 (A, B)은 기준 홍채 영상 (I)의 정규화 전과 후의 상태를 보이며, 우측의 상하 영상 (A, B)은 비교 홍채 영상 (II)의 정규화 전과 후의 상태를 도시한다.

도7은 조명 정규화된 두 홍채 영상에서 대한 회전 정규화를 설명하는 도면이다.

도 7에서 (A)의 좌우 이미지는 회전률을 정규화 하려는 조명 정규화를 거친 기준 홍채 영상과 비교 홍채 영상이다. 상기 좌우 두 영상을 겹쳐서 두 영상의 교집합 부분의 상관 (correlation) 값을 구한다. 여기에서 두 영상을 움직이며 교집합 부분을 줄이면서 상관 (correlation)값을 계속 구해가는 과정이 (B)부터 (E)이다. 이 과정을 거쳐 상관 (correlation) 값이 최대인 구간을 찾아내어 두 영상이 회전 방향으로 일치하게 정렬한다. 즉, 두 영상의 회전 정렬은 두 영상을 이용해 가며 어떤 부분이 유사한지를 찾아내게 된다.

위 식에서,

는 기준 홍채 영상 (x)의 픽셀들의 평균값이고,

는 비교 홍채 영상 (y)의 픽셀들의 평균값 이다. 그리고, x와 y는 각각의 영상의 픽셀들을 나타내며 아래 첨자로 표시된 i는 픽셀 번호, 그리고 n 은 전체 픽셀 개수이다. 한편, Sx와 Sy는 x 영상과 y 영상의 표준편차를 나타낸다.

위 식에서,

는 x, y 두 영상의 상관 (correlation) 값을 나타내는데, 이는 0과 1의 사이의 값으로서, 1 에 가까울수록 두 영상이 유사하다는 것을 나타낸다.

도8은 두 영상이 회전으로 일치하게 정렬된, 구체적으로 기준 홍채 영상 (I)에 대해 비교 홍채 영상 (II)이 회전 방향으로 정렬된, 회전 정규화 영상을 보인다. 여기에서 (A)의 부분은 회전 정렬 전, 그리고 (B)는 회전 정렬 후의 상태를 보인다.

도9는 회전 정규화를 마치 두 영상으로부터 특성 배열을 추출하는 방법을 보여 준다.

특성 배열은 홍채 영상에 소정 픽셀, 예를 들어 3열3횡 (3X3)의 평균 필터를 적용하여 섹터 별로 평균을 구하고, 이를 이용해 화소 평균 배열을 추출한다.

도9에서 (A)와 (B)는 두 영상 (I, II)의 픽셀 영역에서 세로 방향으로 3 열의 픽셀값을 예시한다. 여기에서 굵은 선으로 표시된 영역은 다수의 픽셀, 본 실시 예에서는 9개의 픽셀을 포함하는 하나의 섹터를 나타낸다. 여기에서 (B)와 (D)의 배열은 (A)와 (C)의 섹터들의 각각의 평균값을 갖는 요소들의 배열이다.

상기 섹터 평균 배열에 대한 동적 워핑은 아래의 수식들에 의해 수행된다.

위 수학식2, 3에서,

는 C 배열에서 i 번째 인덱스와 T 배열의 J 번째 인덱스의 유클리드 거리 (Euclidean Distance)를 나타낸다. 본 실시 예에서, C 배열은 도9, 10에서의 (B) 배열, T 배열은 도 9, 10에서 (D) 배열에 대응한다.

그리고, 수학식3에서,

는

와

,

,

의 최소 값을 더한 값이다.

예를 들어, D (2, 2)는 (D) 배열의 두 번째 인덱스인 134와 두 번째 배열의 두 번째 인덱스인 139의 유클리드 거리인 5와

,

,

의 값 17, 20, 42 중 최소값인 17을 더해준다. 따라서 D (2,2) 에는 22의 값이 더해진다. 이러한 과정을 마지막까지 진행했을 때 우측 하단의 마지막 값이 두 배열의 동적 워핑 (Dynamic Warping) 값이 되고 두 배열의 유사도를 나타내게 된다.

도10은 상기 두 배열 (B, C)를 적용한 동적 워핑을 계산한 2차원 동적 워핑 배열 (E)를 도시한다. 동적 워핑을 계산한 2차원 배열 (E)에서 검은색은 배열에서 종횡 2차원 방향에서의 다른 요소들에 비해 최저치를 갖는 요소를 나타낸 것으로 하나의 동적 워핑 경로 (Dynamic Warping Path)를 나타낸다.

도11은 도10의 (E) 부분을 나타내는 것으로서, 본 발명에 따른 홍채 인식 방법의 실시 예에서, 동적 워핑 (Dynamic Warping)을 계산한 2차원 동적 워핑 배열을 나타낸다. 여기에서, 도11의 우하단의 모서리 부분의 숫자 217이 해당 두 배열의 동적 워핑 값이 된다.

도12는 상기와 같은 2 배열을 이용한 동적 워핑을 홍채 영상 전체 영역에 대해 수행됨을 예시한다.

도12에 도시한 바와 같이 세로 3행 배열을 우측으로 순차 이동하면 동적 워핑을 수행하여 홍채 영상 전체에 대해 도13에 도시된 바와 같은 동적 워핑 값들을 다수 추출할 수 있다.

도13은 두 홍채 영상의 전체에 대한 동적 워핑에 의해 얻은 다수 동적 워핑 값을 예시한다. 도13에서 위 부분의 배열은 다수 동적 워핑 값의 원형 배열을 나타내며, 중간값 또는 중앙값을 추출하기 위하여 상기 배열을 오름차순 또는 내림차순으로 정렬한 결과를 보인다.

위의 식에서 DW는 동적 워핑 값들의 배열이며, i는 DW의 총 인덱스 수이다.

상기와 같이 배열이 정렬된 상태에서, 배열의 중간 인덱스의 값을 중앙 값으로 추출한다. 그러나, 본 발명의 다른 실시 예에 따라서, 상기 중앙 값은, 중앙 인덱스의 값뿐 아니라, 상기 수학식 4에 표현된 바와 같이 그 전후의 인덱스의 값들의 평균으로 결정할 수 있다.

이 중앙값은 전술한 바와 같이 기준 값과 비교됨으로써 기준 값에 비해 작으면 두 홍채 영상은 동일인의 것으로 특정하고, 그렇지 않은 경우는 데이터베이스로부터 새로운 기준 홍채 정보를 획득한 후, 전술한 바와 같은 과정으로 통해 피험자 특정을 실시한다.

상기한 바와 같이, 본 발명의 방법은 기존의 홍채 근육의 움직임을 고려하여 홍채 인식을 하는 방법으로, 기존의 홍채 인식에서 성능을 위해 홍채 근육이 선형적으로 움직인다는 가정을 없애서 문제점을 해결한다. 또한 기존의 홍채인식이 가지고 있던 문제점인 야외 환경에서와 같이 극단적으로 밝은 환경에서의 낮은 인식률을 해결하고자 크기 차이 큰 홍채 영상을 데이터베이스로 하여 실내와 야외의 서로 다른 조명 환경에서도 높은 인식률을 내주는 효과가 있다.

1: 컴퓨터 시스템
11: 본체
12: 모니터
13: 카메라
14: 키보드
20: 피험자

Claims (10)

1. 피험자로부터 얻은 비교 홍채 영상으로부터 화소 평균 배열을 추출하는 비교 정보 획득 단계;
   기설정된 기준 홍채 영상의 기준 화소 평균 배열을 획득하는 기준 정보 획득 단계;
   상기 비교 화소 평균 배열과 기준 화소 평균 배열에 동적 워핑 (Dynamic Warping)을 적용하여 동적 워핑 값의 배열을 추출하는 워핑 단계;
   상기 동적 워핑 값의 배열에서 중간 값을 비교 값으로 추출하는 비교 값 추출 단계; 그리고
   홍채의 동일성 판단 기준으로 기설정된 임계값에 상기 비교 값을 비교하여 상기 기준 홍채 영상과 비교 홍채 영상의 동일성 여부를 판단하여 상기 피험자를 특정하는 특정 단계;를 포함하는 동적 워핑 기반 홍채 인식 방법.
2. 제1항에 있어서,
   상기 기준 정보 획득 단계에서, 상기 기준 화소 평균 배열은 홍채 정보 데이터베이스로부터 획득하는 것을 특징으로 하는 동적 워핑 기반 홍채 인식 방법.
3. 제2항에 있어서,
   상기 기준 정보 획득 단계에서, 상기 기준 화소 평균 배열은 상기 데이터베이스로부터 획득한 기준 홍채 영상으로부터 추출하는 것을 특징으로 하는 동적 워핑 기반 홍채 인식 방법.
4. 제1항에 있어서,
   상기 특정 단계에서, 상기 비교 화소 평균 배열을 이용한 상기 피험자의 특정에 실패한 경우, 상기 기준 정보 획득 단계로 이행하여, 새로운 기준 화소 평균 배열을 획득하는 것을 특징으로 하는 동적 워핑 기반 홍채 인식 방법.
5. 제1항 내지 제4항 중의 어느 한 항에 있어서,
   상기 비교 정보 획득 단계:는
   상기 피험자로부터 홍채 영상을 획득하는 단계;
   상기 홍채 영상의 화소 영역을 소정 수의 픽셀을 포함하는 다수의 화소 섹터로 구획하는 단계;
   평균필터를 이용해 상기 화소 섹터별 각각의 평균을 구하여 상기 비교 화소 평균 배열을 추출하는 단계;를 포함하는 것을 특징으로 하는 동적 워핑 기반 홍채 인식 방법.
6. 제5항에 있어서,
   상기 비교 정보 획득 단계:는
   피험자로부터 얻은 홍채 영상의 크기를 기준 크기로 조절하는 단계; 그리고
   상기 피험자로부터 획득한 홍채 영상의 조명 성분을 제거하기 위한 조명 정규화 단계; 를 포함하는 것을 특징으로 하는 동적 워핑 기반 홍채 인식 방법.
7. 제6항에 있어서,
   상기 비교 정보 획득 단계:는
   상기 기준 홍채 영상에 대한 상기 피험자로부터 획득한 홍채 영상의 회전을 보상하기 위한 회전 정규화 단계; 를 더 포함하는 것을 특징으로 하는 동적 워핑 기반 홍채 인식 방법.
8. 제5항에 있어서,
   상기 화소 섹터는 인접한 3열3행의 픽셀을 포함하는 것을 특징으로 하는 동적 워핑 기반 홍채 인식 방법.
9. 제1항 내지 제4항 중의 어느 한 항에 기재된 방법을 수행하는 동적 워핑 기반 홍채 인식 시스템:에 있어서,
   상기 피험자로부터 상기 비교 홍채 영상을 획득하는 카메라;
   기준 홍채 정보를 제공하는 데이터베이스;
   상기 비교 홍채 영상와 상기 기준 홍채 정보를 처리 및 분석하여 상기 비교홍채 영상과 기준 홍채 영상의 동일성을 판단하는 시스템;
   상기 카메라 또는 시스템으로부터의 제공되는 홍채 영상 또는 홍채 인식 정보를 표시하는 모니터;를 포함하는 동적 워핑 기반 홍채 인식 시스템.
10. 제9항에 있어서,
    상기 데이터베이스는 기준 홍채 영상 또는 기준 홍채 영상으로부터 생성된 기준 화소 평균 배열을 저장하는 것을 특징으로 하는 동적 워핑 기반 홍채 인식 시스템.

Images