KR102466676B1

KR102466676B1 - 생체 센서의 성능 평가 방법, 생체 영상을 이용한 인증 방법 및 인증 방법을 적용한 전자 기기

Info

Publication number: KR102466676B1
Application number: KR1020170103724A
Authority: KR
Inventors: 허진구; 황효석; 이병규
Original assignee: 삼성전자주식회사
Priority date: 2017-08-16
Filing date: 2017-08-16
Publication date: 2022-11-14
Also published as: US20190057270A1; US10824893B2; KR20190018942A

Abstract

평가 대상인 생체 센서를 이용하여 입력 생체 영상을 획득하는 단계; 복수의 기준 생체 영상에 대한 정보를 포함하는 샘플 데이터베이스를 참조하여 입력 생체 영상에 대한 화질 점수(quality score)를 산출하는 단계;를 포함하는, 생체 센서의 성능 평가 방법이 제공된다. 상기 화질 점수는 생체 영상을 평가하는 객관적이고 정량적인 점수를 제공할 수 있다.

Description

생체 센서의 성능 평가 방법, 생체 영상을 이용한 인증 방법 및 인증 방법을 적용한 전자 기기{Method of estimating bio-sensor performance, authentication method using bio-image and electronic apparatus adopting the authentication method}

본 개시는 생체 센서의 성능 평가 방법, 생체 영상을 이용한 인증 방법 및 인증 방법을 적용한 전자 기기에 대한 것이다.

지문, 음성, 얼굴, 손 또는 홍채와 같은 개인의 고유한 특징을 이용한 개인 인증의 필요성은 점차 확대되고 있다. 개인 인증 기능은 금융 기기, 출입 통제기, 모바일 장치, 노트북 등에서 주로 사용되며, 최근 스마트 폰과 같은 모바일 장치가 널리 보급됨에 따라 스마트 폰 내에 저장된 많은 보안 정보를 보호하기 위해 개인 인증을 위한 센서가 채용되고 있다.

개인 인증을 위한 센서는 예를 들어, 입력된 지문 영상을 센싱하고, 이를 기 등록된 지문 영상과 비교하여 인증 여부를 판단할 수 있다. 이 때, 입력된 지문 영상의 화질 여하에 따라 인증 여부의 판단이 어렵거나 불가능할 수 있다. 어느 정도의 영상 품질에서 인증이 가능한 지를 가늠할 수 있는 객관적 기준이 필요하다.

한국 공개 특허 10-2006-0124964 A

인증을 위한 생체 영상의 화질 점수를 설정하는 방법을 제공한다.

생체 영상을 이용한 인증 방법을 제공한다.

상기 인증 방법이 적용된 전자 기기를 제공한다.

일 유형에 따르면, 평가 대상인 생체 센서를 이용하여 입력 생체 영상을 획득하는 단계; 복수(M)의 기준 생체 영상에 대한 정보를 포함하는 샘플 데이터베이스를 획득하는 단계; 상기 입력 생체 영상과 상기 샘플 데이터베이스로부터, 상기 입력 생체 영상에 대한 화질 점수(quality score)를 산출하는 단계;를 포함하는, 생체 센서의 성능 평가 방법이 제공된다.

상기 화질 점수를 산출하는 단계는 소정 수치로 표현될 복수(N, N은 1보다 큰 정수)의 특징(feature)(f_1, f_2, .., f_N)을 정의하는 단계; 상기 샘플 데이터베이스에 대하여 상기 복수의 특징을 나타내는 제1수치(Gf_i_j, i는 1부터 N까지의 정수, j는 1부터M까지의 정수)를 산출하는 단계; 상기 입력 생체영상에 대하여 상기 복수의 특징에 대한 제2수치(If_i, i는 1부터 N까지의 정수)를 산출하는 단계; 상기 제1수치(Gf_i_j)와 상기 제2수치(If_i)간의 차이 정도를 소정 식(formula)에 따라 정량화하는 단계;를 포함할 수 있다.

상기 복수의 특징(feature)을 정의하는 단계는 영상을 평가하는 복수(a)개의 항목(item)을 대상 영상 전체에 대해 적용하여 f_i(i는 1부터 a까지의 정수)로 정의하고, 상기 대상 영역을 복수(b)개로 분할한 각 영역에 상기 항목을 적용하여 f_j, j는 a+1부터 a+b*a까지의 정수)으로 정의할 수 있다.

상기 복수개의 항목(item)은 휘도 평균, 휘도 표준 편차, 휘선의 둥근 정도(roundness), 휘도 균일도(uniformity), 휘도의 불균일도(inhomogeneity) 중 적어도 하나 이상을 포함할 수 있다.

상기 정량화하는 단계는 상기 제2수치(If_i)가 상기 제1수치(Gf_i_j)에 대해 벗어난 정도를 나타내는 이격값(d_i)를 산출하는 단계; 상기 이격값(d_i)으로부터 각 특징점의 점수(Fscore_i)를 산출하는 단계; 상기 점수(Fscore_i) 각각에 대해 가중치(w_i)를 부여하고 합산(Σ^N _i=1(Fscore_i * w_i)하는 단계;를 포함할 수 있다

또한, 일 유형에 따르면, 전자 기기에 입력되는 입력 생체 영상을 획득하는 단계; 상기 전자 기기에 저장된 복수(M)의 기준 생체 영상에 대한 정보를 포함하는 샘플 데이터베이스와 상기 입력 생체 영상으로부터, 상기 입력 생체 영상에 대한 화질 점수(quality score)를 산출하는 단계; 상기 화질 점수가 소정 기준값(threshold) 이상인지를 판단하는 단계; 상기 입력 생체 영상이 상기 전자 기기에 저장된 등록 영상과 매칭되는지 여부를 판단하는 매칭 단계;를 포함하는, 인증 방법이 제공된다.

상기 화질 점수를 산출하는 단계는 소정 수치로 표현될 복수(N, N은 1보다 큰 정수)의 특징(feature)(f_1, f_2, .., f_N)을 정의하는 단계; 상기 샘플 데이터베이스에 대하여 상기 복수의 특징을 나타내는 제1수치(Gf_i_j, i는 1부터 N까지의 정수, j는 1부터M까지의 정수)를 산출하는 단계; 상기 입력 생체영상에 대하여 상기 복수의 특징점에 대한 제2수치(If_i, i는 1부터 N까지의 정수)를 산출하는 단계; 상기 제1수치(Gf_i_j)와 상기 제2수치(If_i)간의 차이 정도를 소정 식(formula)에 따라 정량화하는 단계;를 포함할 수 있다.

상기 복수의 특징(feature)을 정의하는 단계는 영상을 평가하는 복수(a)개의 항목(item)을 대상 영상 전체에 대해 적용하는 것을 f_i(i는 1부터 a까지의 정수)로 정의하고, 상기 대상 영상의 영역을 복수(b)개로 분할한 각 영역에 상기 항목을 적용하는 것을 f_j(j는 a+1부터 a+b*a까지의 정수)로 정의할 수 있다.

상기 복수개의 항목(item)은 휘도 평균, 휘도 표준 편차, 휘선의 둥근 정도(roundness), 휘도의 균일도(uniformity), 휘도의 불균일도(inhomogeneity) 중 적어도 하나 이상을 포함할 수 있다.

상기 정량화하는 단계는 상기 제2수치(If_i)가 상기 제1수치(Gf_i_j)에 대해 벗어난 정도를 나타내는 이격값(d_i)를 산출하는 단계; 상기 이격값(d_i)으로부터 각 특징점의 점수(Fscore_i)를 산출하는 단계; 상기 점수(Fscore_i) 각각에 대해 가중치(w_i)를 부여하고 합산(Σ^N _i=1(Fscore_i * w_i)하는 단계;를 포함할 수 있다.

상기 인증 방법은 상기 화질 점수가 소정 기준값(threshold) 이상이고, 상기 매칭 단계에서 매칭 실패로 판단되는 경우, 상기 가중치 중 적어도 어느 하나를 수정하는 단계를 더 포함할 수 있다.

상기 인증 방법은 상기 화질 점수가 소정 기준값(threshold) 미만이고, 상기 매칭 단계에서 매칭 성공으로 판단되는 경우, 상기 가중치 중 적어도 어느 하나를 수정하는 단계를 더 포함할 수 있다.

상기 인증 방법은 상기 화질 점수가 소정 기준값(threshold) 미만인 경우, 상기 입력 생체 영상의 화질을 개선하는 영상 처리를 수행하는 단계;를 더 포함할 수 있다.

상기 인증 방법은 상기 입력 생체 영상 및 상기 화질 점수를 상기 전자 기기의 표시부에 표시하는 단계;를 더 포함할 수 있다.

또한, 일 유형에 따른 전자 기기는 입력 생체 영상을 센싱하는 생체 센서; 복수(M)의 기준 생체 영상에 대한 정보를 포함하는 샘플 데이터베이스와, 사용자의 등록 생체 영상과, 적어도 하나 이상의 프로그램이 저장된 메모리; 상기 적어도 하나 이상의 프로그램을 실행함으로써, 상기 샘플 데이터베이스와 상기 입력 생체 영상으로부터 상기 입력 생체 영상에 대한 화질 점수(quality score)를 산출하고, 상기 화질 점수가 소정 기준값(threshold) 이상인지를 판단하고, 상기 입력 생체 영상이 상기 등록 생체 영상과 매칭되는지 여부를 판단하는 프로세서;를 포함한다.

상기 전자 기기는 상기 입력 생체 영상 및 상기 화질 점수가 표시되는 표시부;를 더 포함할 수 있다.

상기 생체 센서는 지문 인식 센서, 홍채 인식 센서, 혈관 인식 센서, 얼굴 인식 센서 중 어느 하나일 수 있다.

상기 프로세서는 상기 화질 점수가 소정 기준값(threshold) 미만인 경우, 상기 입력 생체 영상의 화질을 개선하는 영상 처리를 더 수행할 수 있다.

상기 프로세서는 상기 화질 점수가 소정 기준값(threshold) 이상이고, 상기 매칭 단계에서 매칭 실패로 판단되는 경우, 화질 점수를 산출하는 프로그램에 피드백하기 위해 그 결과를 메모리에 저장할 수 있다.

상기 프로세서는 상기 화질 점수가 소정 기준값(threshold) 미만이고, 상기 매칭 단계에서 매칭 성공으로 판단되는 경우, 화질 점수를 산출하는 프로그램에 피드백하기 위해 그 결과를 메모리에 저장할 수 있다.

상술한 생체 센서 성능 평가 방법은 시각적인 영상 특징과 인증율과의 상관 관계가 고려된 화질 점수 산출에 근거하고 있어 생체 인증을 위한 생체 영상을 획득하는 생체 센서의 성능을 객관적/정량적으로 평가할 수 있다.

상술한 인증 방법 및 이를 적용한 전자 기기에 따르면, 입력 생체 영상에 대한 화질 점수를 산출하고 매칭을 수행할 수 있다. 상기 화질 점수는 인증율과의 상관관계가 높은 점수이기 때문에, 인증율을 높일 수 있는 화질 향상 알고리즘에 적용될 수 있다.

도 1은 실시예에 따른 생체 센서의 성능 평가 방법을 설명하는 흐름도이다.
도 2는 도 1의 흐름도에서 사용하는 샘플 데이터베이스를 예시적으로 보인다.
도 3은 도 1의 흐름도에서 화질 점수 산출 단계의 세부적인 과정을 보인 흐름도이다.
도 4는 도 3의 흐름도에서, 생체 영상에 대해 정의하는 복수의 특징(feature)을 예시적으로 보이는 개념도이다.
도 5는 도 3의 흐름도에서 샘플 데이터베이스에 대해 특징값을 산출하는 과정을 예시적으로 보이는 개념도이다.
도 6은 도 3의 흐름도에서 입력 생체 영상에 대해 특징값을 산출하는 과정을 예시적으로 보이는 개념도이다.
도 7은 도 3의 흐름도에서, 샘플 데이터베이스에 대한 특징값과 입력 생체 영상에 대한 특징값의 차이 정도를 정량화하는 단계의 세부 과정을 예시적으로 보이는 흐름도이다.
도 8은 도 7의 흐름도에서 샘플 데이터베이스에 대한 특징값과 입력 생체 영상에 대한 특징값 간에 정의되는 이격값을 설명하는 개념도이다.
도 9는 실시예에 따른 전자 기기의 개략적인 구성을 보이는 블록도이다.
도 10은 도 9의 전자 기기에 구비되는 인증 모듈의 세부 구성을 보이는 블록도이다.
도 11은 도 9의 전자 기기가 수행하는 인증 방법을 설명하는 흐름도이다.
도 12는 도 9의 전자 기기가 인증 방법을 수행할 때, 화질 점수 산출에 사용되는 가중치를 정하기 위해 사용될 수 있는 행렬식을 예시적으로 보인다.
도 13은 도 9의 전자 기기가 인증 방법을 수행할 때, 입력 생체 영상의 화질 점수와 인증률 간의 관계를 보이는 그래프이다.

이하, 첨부된 도면을 참조하여 본 발명의 바람직한 실시예를 상세히 설명하기로 한다. 이하의 도면들에서 동일한 참조부호는 동일한 구성요소를 지칭하며, 도면상에서 각 구성요소의 크기는 설명의 명료성과 편의상 과장되어 있을 수 있다. 한편, 이하에 설명되는 실시예는 단지 예시적인 것에 불과하며, 이러한 실시예들로부터 다양한 변형이 가능하다.

이하에서, "상부" 나 "상"이라고 기재된 것은 접촉하여 바로 위에 있는 것뿐만 아니라 비접촉으로 위에 있는 것도 포함할 수 있다.

제 1, 제 2 등의 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 구성요소들은 용어들에 의해 한정되어서는 안 된다. 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다.

단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 또한 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미한다.

또한, 명세서에 기재된 “...부”, “모듈” 등의 용어는 적어도 하나의 기능이나 동작을 처리하는 단위를 의미하며, 이는 하드웨어 또는 소프트웨어로 구현되거나 하드웨어와 소프트웨어의 결합으로 구현될 수 있다.

도 1은 실시예에 따른 생체 센서의 성능 평가 방법을 설명하는 흐름도이다.

생체 센서 성능 평가 방법은 평가 대상인 생체 센서를 이용하여 입력 생체 영상을 획득하는 단계(S100)와 입력 생체 영상에 대한 화질 점수(quality score)를 산출하는 단계(S300)를 포함한다. 화질 점수는 생체 센서를 평가하는 기준 점수가 될 수 있으며, 즉, 산출된 화질 점수에 따라 생체 센서의 성능 여하가 판단될 수 있다(S400).

평가 대상인 생체 센서는 사람마다 고유의 특성 차이를 나타내는 생체에 대한 영상을 검출하는 소자이며, 생체에 대한 정보를 전기적 신호로 변환할 수 있다. 생체 영상은 지문 영상, 홍채 영상, 혈관 영상, 얼굴 영상 중 어느 하나일 수 있다. 생체 센서는 검출하고자 하는 생체 영상의 종류에 따라 다를 수 있으며, 즉, 지문 인식 센서, 홍채 인식 센서, 혈관 인식 센서, 얼굴 인식 센서 중 어느 하나일 수 있다.

실시예의 방법에서, 화질 점수는 영상의 품질과 센서에서의 인식률이 소정의 관계를 가지도록 정의되는 기준 점수로 제안된다. 화질 점수 산출을 위해, 샘플 데이터베이스의 획득 단계가 수행된다(S200). 샘플 데이터베이스는 예를 들어, 복수(M)의 기준 생체 영상에 대한 정보를 포함할 수 있으며, 영상의 품질이 대체로 양호한 샘플 영상의 그룹으로 이루어진다.

도 2는 도 1의 흐름도에서 사용하는 샘플 데이터베이스를 예시적으로 보인다.

샘플 데이터베이스에 포함된 샘플 영상은 생체 센서가 획득하는 생체 영상과 동일한 종류의 생체 영상이다. 이러한 샘플 영상은 복수의 사용자로부터 수집될 수 있으며, 수집된 영상 중 양질의 화질을 가지는 영상을 선택하여 샘플 데이터베이스를 설정할 수 있다. 도 2는 복수의 생체 영상으로 지문 영상을 보이고 있으며, 육안으로도 지문 영상이 잘 구별되는 정도의 화질을 가지고 있다.

이하에서, 생체 영상으로 지문 영상을 예시하여 설명할 것이나, 생체 영상이 이에 한정되는 것은 아니다. 샘플 영상의 개수는 예시적인 것이며, 수백, 또는 수천개가 될 수 있다. 이하에서, 샘플 데이터베이스를 구성하는 샘플 영상의 개수는 M(1이상의 정수)으로 할 것이다.

도 3은 도 1의 흐름도에서 화질 점수 산출 단계(S300)의 세부적인 과정을 보인 흐름도이다. 도 4는 도 3의 흐름도에서, 생체 영상에 대해 정의하는 복수의 특징(feature)을 예시적으로 보이는 개념도이고, 도 5는 도 3의 흐름도에서 샘플 데이터베이스에 대해 특징값을 산출하는 과정을 예시적으로 보이는 개념도이며, 도 6은 도 3의 흐름도에서 입력 생체 영상에 대해 특징값을 산출하는 과정을 예시적으로 보이는 개념도이다.

도 3을 참조하면, 화질 점수 산출 단계(S300)는 생체 영상에 대해 추출할 복수의 특징(feature)를 정의하는 단계(S310), 샘플 데이터베이스에 대해 상기 정의된 복수의 특징과 관련된 특징값(이하, 제1수치)을 산출하는 단계(S320), 입력 생체 영상에 대해 상기 정의된 복수의 특징과 관련된 특징값(이하, 제2수치)을 산출하는 단계(S330), 상기 제1수치와 제2수치의 차이 정도를 정량화하는 단계(S340)를 포함한다.

복수의 특징(feature)를 정의하는 단계(S310)에서 생체 영상에 대해 추출할 복수의 특징(feature)은 예를 들어, 휘도 평균, 휘도 표준 편차, 휘선의 둥근 정도(roundness), 휘도 균일도(uniformity), 휘도의 불균일도(inhomogeneity)와 같은 항목과 관련된다.

휘도 평균(m)은 다음과 같이 정의될 수 있다.

I_i는 위치 i에서의 휘도를 세기(intensity)로 나타낸 값이고, h(I_i)는 I_i와 관련된 빈도수이다.

휘도 표준 편차(σ)는 다음과 같이 정의될 수 있다.

휘선의 둥근 정도(roundness)를 나타내는 roundness(R)는 다음과 같이 정의될 수 있다.

휘도 균일도(uniformity)를 나타내는 U는 다음과 같이 정의될 수 있다.

휘도의 불균일도(inhomogeneity)를 나타내는 inH는 다음과 같이 정의될 수 있다.

상기 다섯가지 항목은 예시적인 것이며, 이들이 생체 영상으로부터 모두 추출되거나 또는 일부가 추출될 수 있고, 또는 화질과 관련된 다른 특징이 추출될 수도 있다. 예를 들어, 노이즈, 아티팩트, 영역별 밝기 편차 등이 생체 영상의 특징(feature)과 관련되는 항목으로 사용될 수 있다.

도 4를 참조하면, 소정 수치로 표현될 복수(N, N은 1보다 큰 정수)의 특징(feature)(f_1, f_2, .., f_N)이 정의된다. 상기 특징들은 상술한, 휘도 평균, 휘도 표준 편차, 휘선의 둥근 정도(roundness), 휘도의 균일도(uniformity), 휘도의 불균일도(inhomogeneity)와 같은 항목들이 대상 영역 전체에 적용되는 global feature와 대상 영역을 분할한 영역에 적용되는 local feature를 포함할 수 있다.

즉, 영상을 평가하는 복수(a)개의 항목을 대상 영상 전체에 대해 적용하여 f_i(i는 1부터 a까지의 정수)로 정의할 수 있고, 상기 대상 영역을 복수(b)개로 분할한 각 영역에 상기 항목을 적용하여 f_i, i는 a+1부터 a+b*a까지의 정수)으로 정의할 수 있다. 예를 들어, 항목수(a)가 5개이고, 대상 영역을 등분하는 개수(b)가 8인 경우, global feature는 f_1에서 f_5까지 5개이고, local feature는 f_6에서 f_45까지의 40개가 될 수 있다. 추출되는 특징(feature)의 총 개수(N)는 45개가 된다.

도 5를 참조하여, 샘플 데이터베이스에 대해 상기 정의된 복수의 특징과 관련된 특징값을 산출하는 단계(S320)를 살펴본다.

샘플 데이터베이스(50)는 M개의 생체 영상의 샘플을 포함할 수 있다. M개의 샘플 영상 각각에 대해 global feature와 local feature와 관련된 특징들, 예를 들어, global feature와 관련된 f_i(i는 1부터 a까지의 정수), local feature와 관련된 f_i(i는 a+1부터 a+b*a까지의 정수)의 값들이 추출될 수 있다. 샘플 데이터베이스(50)로부터 추출되는 특징값들은 이하, '제1수치'라고 한다. 제1수치는 M개의 샘플 영상에 대해 N개의 특징값을 각각 추출하여, MxN의 테이블로 표시될 수 있다. j번째 샘플 영상에 대해 추출한 i번째 특징값은 Gf_i_j(i는 1부터 N까지의 정수, j는 1부터 M까지의 정수)이다.

도 6을 참조하여, 입력 생체 영상(80)에 대해 상기 정의된 복수의 특징과 관련된 특징값을 산출하는 단계(S330)를 살펴본다.

입력 생체 영상(80)에 대해 도 4에서 정의된 특징값들, 즉, global feature 및 local feature와 관련된 특징들(f_i, i는 1부터 N까지의 정수)에 대한 값이 추출될 수 있다. 이하, 입력 생체 영상으로부터 추출된 특징값을 '제2수치'라 한다.

제2수치는 1xN의 테이블로 표시될 수 있다. i번째 특징값은 If_i(i는 1부터 N까지의 정수)로 표시된다.

도 7은 도 3의 흐름도에서, 샘플 데이터베이스에 대한 특징값과 입력 생체 영상에 대한 특징값의 차이 정도를 정량화하는 단계(S340)의 세부 과정을 예시적으로 보이는 흐름도이고, 도 8은 도 7의 흐름도에서 샘플 데이터베이스에 대한 특징값과 입력 생체 영상에 대한 특징값 간에 정의되는 이격값을 설명하는 개념도이다.

도 7을 참조하면, 샘플 데이터베이스에 대한 특징값과 입력 생체 영상에 대한 특징값의 차이 정도를 정량화하는 단계(S340)에서 먼저, 복수의 특징 각각에 대해 제1수치와 제2수치간의 이격값을 산출한다(S342),

이격값은 복수의 특징들 개수(N)만큼 산출된다. 도 8에 도시된 바와 같이, 이격값(d_i)은 제1수치(Gf_i_j)를 나타내는 MxN의 테이블에서 제i열에 해당하는 수치들과 제2수치(If_i)를 나타내는 테이블에서 제i열에 해당하는 수치와의 관계에서 정의된다. 이 때, 제i열에 해당하는 수치들(Gf_i_1, Gf_i_2.., Gf_i_M)의 평균과 표준편차가 사용된다.

제1수치(Gf_i_j)와 제2수치(If_i)간의 이격값(d_i, i는 1부터 N까지의 정수)은 다음과 같이 정의될 수 있다.

d_i = If_i-(Gf_i_mean/Gf_i_std)

여기서, Gf_i_mean, Gf_i_std는 서로 다른 샘플 영상에 대해 추출한 i번째 특징값들의 평균과 표준 편차로서, 즉, Gf_i_j(j는 1부터 M까지의 정수)의 평균과 표준편차이다.

이격값(d_i)이 산출된 후, 이로부터 복수의 특징 각각과 관련된 점수가 산출된다(S344). 각 특징 점수는 다음과 같이 정의된다.

Fscore_i=(d_i-d_i_min)/(d_i_max-d_i_min)

여기서, d_i_min, d_i_max는 d_i값이 가질 수 있는 최소값과 최대값이다. 이 값은 즉, 샘플 데이터베이스와 입력 생체 영상 간에 특징 f_i와 관련된 이격값의 최소, 최대값으로, 미리 설정될 수 있다. 예를 들어, 샘플 데이터베이스와 입력 생체 영상에 대한 다양한 세트로부터 d_i의 최소값, 최대값이 미리 계산될 수 있다. 상기 식에 따라, Fscore는 0에서 1사이의 값을 갖도록 정규화된다.

각 특징 점수(Fscore_i)가 산출된 후, 특징별 가중치(w_i)를 각 점수에 반영하여 총점이 산출된다(S346). 총점은 화질 점수(Fscore_total)이며, 이는 다음과 같이 정의된다.

가중치(w_i)는 각 특징들이 화질 점수에 기여하는 중요도를 나타내며, 가중치(w_i)들의 합은 1이 되도록 그 값이 미리 설정될 수 있다.

상술한 바와 같은 점수 산정 기준에 따라 평가된 화질 점수는 대상 생체 영상을 획득한 생체 센서에 대한 평가 기준으로 적용될 수 있다. 생체 센서가 생체 영상을 얼마나 정확하게 센싱하는 지의 여부의 판단에 사용될 수 있고, 즉, 생체 센서의 정확성이나 감도를 평가할 수 있어 보다 우수한 성능의 생체 센서의 개발을 위해 상술한 화질 점수 산정 방법이 적용될 수 있다.

상술한 화질 점수는 또한, 인증 방법에 사용될 수 있고, 전자 기기에 적용될 수 있다. 상기 화질 점수는 인증을 수행하는 전자 기기에 적용될 때, 인증율과의 높은 상관 관계를 가지는 점수이다. 이에 대해서는 후술할 것이다. 상기 화질 점수는 따라서, 인증율을 높이는 다양한 적용에 활용될 수 있다.

도 9는 실시예에 따른 전자 기기(1000)의 개략적인 구성을 보이는 블록도이고, 도 10은 도 9의 전자 기기(1000)에 구비되는 인증 모듈(700)의 세부 구성을 보이는 블록도이다.

전자 기기(1000)는 생체 센서(100)와 메모리(400)와 프로세서(300)를 포함한다.

생체 센서(100)는 입력 생체 영상을 센싱하는 센서로서, 예를 들어, 지문 인식 센서, 홍채 인식 센서, 혈관 인식 센서, 얼굴 인식 센서 중 어느 하나일 수 있다.

생체 영상이 지문 영상인 경우, 지문 인식 센서는 센싱 영역에 올라온 손가락의 지문에 대한 영상을 획득할 수 있다. 지문 인식 센서는 광학식, 반도체식, 초음파 방식 또는 비접촉식 등의 방식으로 지문 영상을 검출할 수 있다.

광학식 지문 센서는, 예를 들어, 프리즘, 광원, 렌즈 또는 CCD(Charge Coupled Device) 등을 포함할 수 있다. 광학식 센서에서는, 프리즘에 지문이 접촉되는 경우 광원이 프리즘에 빛을 비추고, 렌즈는 프리즘을 통해 반사되는 빛을 수집하고, CCD는 수집된 빛을 생체 이미지로서 검출할 수 있다.

반도체식 지문 센서로는 열감지식 센서, 축전식 센서 또는 전기장식 센서 등이 있을 수 있다.

열감지식 센서(Thermal Sensor)는 지문의 접촉부위와 비접촉 부위의 온도 차이에 의해 온도 분포를 생체 이미지로 획득하는 방식을 사용한다. 축전식 센서(Capacitive Sensor)는 접촉된 지문의 융선 간 대전되는 전하량 또는 정전 용량의 차이를 생체 이미지로 획득하는 방식을 사용한다. 전기장식 센서(Electric Sensor)는 센서에 접촉되는 지문 또는 지문 주변에 형성되는 전기장으로부터 생체 이미지를 검출하는 방식을 사용한다.

이러한 지문 인식 센서는 매트릭스 형태로 배열된 복수 개의 픽셀을 포함할 수 있다. 각 픽셀은 지문의 특징에 대응하는 픽셀 값, 예를 들어, 밝기 값을 출력하며, 픽셀의 개수에 따라 지문 영상의 해상도가 결정될 수 있다.

생체 영상이 홍채 영상인 경우, 홍채 인식 센서는 센싱 영역에 위치한 홍채에 대한 영상을 획득할 수 있다. 홍채 인식 센서는 홍채를 포함한 안구에서 반사된 광, 예를 들어, 적외선을 검출함으로써 홍채 영상을 획득할 수 있다.

이외에도, 획득하고자 하는 생체 영상에 알맞은 생체 센서(100)가 전자 기기(1000)에 채용될 수 있다.

생체 센서(100)는 전자 기기(1000)의 하우징의 일 면에 노출되게 배치될 수 있다.

메모리(400)에는 하나 이상의 실행 프로그램이 저장될 수 있다. 예를 들어, 생체 센서(100)로부터 획득된 입력 생체 영상으로부터 소정의 인증 과정을 수행하는 명령어들을 포함하는 인증 모듈(700)이 저장될 수 있다. 또한, 인증 과정의 수행에 필요한 데이터, 예를 들어, 복수(M)의 기준 생체 영상에 대한 정보를 포함하는 샘플 데이터베이스(500)와, 사용자의 등록 생체 영상(600)이 메모리(400)에 저장될 수 있다. 메모리(400)에는 프로세서(300)의 처리 및 제어를 위한 모듈, 그 외 전자 기기(1000)가 수행할 다양한 어플리케이션을 위한 모듈이 저장될 수 있다.

메모리(400)는 플래시 메모리 타입(flash memory type), 하드디스크 타입(hard disk type), 멀티미디어 카드 마이크로 타입(multimedia card micro type), 카드 타입의 메모리(예를 들어 SD 또는 XD 메모리 등), 램(RAM, Random Access Memory) SRAM(Static Random Access Memory), 롬(ROM, Read-Only Memory), EEPROM(Electrically Erasable Programmable Read-Only Memory), PROM(Programmable Read-Only Memory), 자기 메모리, 자기 디스크, 광디스크 중 적어도 하나의 타입의 저장매체를 포함할 수 있다.

프로세서(300)는 운영체제 및 응용 프로그램을 구동하여, 프로세서(300)에 연결된 다수의 구성요소들을 제어할 수 있고 전자 기기(1000) 전체의 처리 및 제어를 총괄할 수 있다. 프로세서(300)는 메모리(400)에 저장된 프로그램을 실행함으로써, 샘플 데이터베이스(500), 등록 생체 영상(600)으로부터 입력 생체 영상에 대한 소정의 인증 과정을 수행할 수 있다. 프로세서(300)는 또한, 등록 생체 영상(600)을 위한 일련의 처리를 수행할 수 있다. 예를 들어, 생체 정보 등록시, 프로세서(300)는 획득된 생체 영상을 다양한 처리 과정, 예를 들어, 그레이 스케일(gray scale)값을 블랙 또는 화이트로 변환하는 과정 등을 거처, 특정 이미지로 변환시키거나 암호화할 수 있다. 그리고, 이후 입력되는 입력 생체 영상과의 비교에 사용하기 위해 등록 생체 영상(600)을 인증 템플릿으로 메모리(400)의 보안 영역에 저장할 수 있다.

전자 기기(1000)는 표시부(200)는 생체 센서(100)에 의해 획득되는 입력 생체 영상 및 프로세서(300)에서 산출된 화질 점수가 표시되는 표시부(200)를 더 포함할 수 있다. 표시부(200)는 프로세서(300)에 의해 제어되며, 프로세서(300)가 수행하는 모듈, 예를 들어, 인증 모듈(700)의 실행 화면을 제공할 수 있다. 표시부(200)는 유기 발광 디스플레이 패널 또는 액정 디스플레이 패널일 수 있으며, 이에 한정되지 않는다.

도 10을 참조하면, 인증 모듈(700)은 화질 점수 산출 모듈(710)과 매칭 모듈(750)을 포함한다. 인증 모듈(700)은 또한, 화질 점수 산출 모듈(710)에서 사용되는 가중치를 조절하는 가중치 조절 모듈(720)을 더 포함할 수 있고, 화질 개선을 위한 화질 개선 모듈(760)을 더 포함할 수 있다.

화질 점수 산출 모듈(710)은 입력 생체 영상에 대해 샘플 데이터베이스(500)를 참조하여 화질 점수를 산출한다. 화질 점수에 대해서는 도 3 내지 도 8을 참조하여 설명한 바와 같다. 즉, 화질 점수 산출 모듈(710)은 샘플 데이터베이스 및 입력 생체 영상에 대해, 미리 정해진 복수의 특징들을 수치화한 후, 이의 차이 정도를 정량화한 점수를 산출할 수 있다.

가중치 조절 모듈(720)은 화질 점수의 산출에 사용되는 특징별 중요도를 수치화한 가중치를 설정하거나 조절할 수 있다. 가중치 조절에는 매칭 모듈(750)에서의 매칭 결과가 반영될 수 있다. 조절된 가중치는 화질 점수 산출 모듈(710)에서 사용될 수 있다. 이에 대해서는 도 11 및 도 12를 참조하여 후술하기로 한다.

매칭 모듈(750)은 산출된 화질 점수가 소정 요건을 만족하는 지 여부를 판단하고, 입력 생체 영상과 등록 생체 영상(600)의 매칭 여부를 판단한다.

매칭 모듈(750)은 입력 생체 영상과 등록 생체 영상(600)의 비교를 통해 매칭 여부를 판단할 수 있다. 예를 들어, 입력 생체 영상과 등록 생체 영상(600) 을 비교하여 유사도를 판단할 수 있다. 유사도가 소정 기준값 이상인 경우 매칭 성공으로 판정할 수 있고, 그 미만인 경우 매칭 실패로 판정할 수 있다. 상기 기준값은 입력 생체 영상과 등록 생체 영상(600)의 동일성을 판단하는 기준이 되는 값으로 미리 정의될 수 있다.

매칭 결과는 메모리(400)에 저장될 수 있다. 예를 들어, 산출된 화질 점수가 소정 기준값(threshold) 이상이고, 매칭 결과 매칭 실패로 판단되는 경우, 가중치 조절 모듈(720)에 결과가 피드백 되어, 가중치가 조절되도록 할 수 있다. 또는, 산출된 화질 점수가 소정 기준값(threshold) 미만이고, 매칭 결과 매칭 성공으로 판단되는 경우에도 가중치 조절 모듈(720)에 결과가 피드백 되어, 가중치가 조절되도록 할 수 있다.

화질 개선 모듈(760)은 입력 생체 영상의 화질이 소정 기준값 미만인 경우, 입력 생체 영상의 화질을 개선하는 영상 처리를 수행할 수 있다. 화질 개선을 위한 영상 처리는 예를 들어, 화질 점수 산출 모듈(710)에 의해 평가되는 화질 점수를 높이는 영상 처리일 수 있다. 실시예에서 사용하는 화질 점수는 영상의 시각적인 특징들(feature)과 관련되므로, 화질 개선 모듈(760)은 화질을 형상시키는 일반적인 영상 처리 방법을 사용하여 화질 점수를 높일 수 있다. 화질 개선 모듈(760)은 평가된 화질 점수를 고려하여 적절한 화질 개선 알고리즘이 선택되도록 구성될 수 있다. 예를 들어, 평가된 화질 점수와 이에 상응하는 화질 개선 알고리즘이 알고리즘 테이블의 형태로 미리 정의될 수 있다.

화질 개선 모듈(760)에서의 결과, 즉, 화질이 개선된 입력 생체 영상은 화질 점수 산출 모듈(710)로 전달될 수 있다.

도 11은 도 9의 전자 기기가 수행하는 인증 방법을 설명하는 흐름도이고, 도 12는 도 9의 전자 기기가 인증 방법을 수행할 때, 화질 점수 산출에 사용되는 가중치를 정하기 위해 사용될 수 있는 행렬식을 예시적으로 보인다.

실시예에 따른 인증 방법에 따르면, 먼저, 사용자의 입력(S510)에 따라, 전자 기기에 구비된 생체 센서가 입력 생체 영상을 획득한다(S520).

다음, 입력 생체 영상에 대해 화질 점수를 산출한다(S530).

산출된 화질 점수가 최소 기준값 이상인지를 판단하고(S540), 최소 기준값 미만인 경우, 사용자에게 재입력을 요청할 수 있다. 이 과정에서, 산출된 화질 점수가 전자 기기의 표시부에 표시될 수 있다. 또한, 산출된 화질 점수가 입력 생체 영상과 함께 표시부에 표시될 수도 있다. 이에 따라, 전자 기기의 사용자가 전자 기기를 반복 사용함에 따라, 입력 생체 영상으로부터 인증율에 대해 예측할 수 있고, 재입력 필요 여부를 판단할 수도 있다.

산출된 화질 점수가 최소 기준값 이상인지를 판단하는 단계(S540)는 필요에 따라 생략될 수도 있다.

다음, 산출된 화질 점수가 소정 기준값(threshold) 이상인지를 판단한다(S550). 판단 결과, 화질 점수가 기준값 이상인 경우, 플래그(flag) 값을 0으로 하고, 화질 점수가 기준값 미만인 경우, 플래그(flag) 값을 1로 설정할 수 있다.

다음, 입력 생체 영상과 등록 생체 영상이 매칭되는지 여부를 판단한다(S560). 매칭 결과는 매칭 성공 또는 매칭 실패로 판정된다.

매칭 실패인 경우, 화질 개선 영상 처리(S570)가 수행될 수 있다. 매칭 실패인 경우로서, 플래그 값이 0인 경우, 즉, 화질 점수가 기준값 이상이면서 매칭 실패로 판정된 경우에는, 그 결과가 가중치 조절 모듈(S580)에 피드백될 수 있다. 화질 점수는 소정 기준값과의 관계에서 매칭 여부를 예측할 수 있는 기준이 되도록 제시되는 것이므로, 매칭과의 관계가 불일치하는 경우, 예를 들어, 매칭 성공이 예상되는 화질 점수가 매칭 실패로 판정되는 경우, 가중치 값을 조절함으로써 보다 적절한 화질 점수가 산출되도록 할 수 있다.

화질 개선 영상 처리(S570)는 화질 점수를 높이는 영상 처리로서, 이의 수행후 다시 화질 점수 산출 단계(S530) 및 연계된 일련의 단계들이 수행된다.

매칭 성공인 경우, 인증이 완료된다(S590). 매칭 성공인 경우로서 플래그(flag) 값이 0인 경우, 즉, 화질 점수가 기준값 미만으로 판단되었으나 매칭 성공으로 판정된 경우에도, 그 결과가 가중치 조절 모듈(S580)에 피드백될 수 있다. 화질 점수는 소정 기준값과의 관계에서 매칭 여부를 예측할 수 있는 기준이 될 수 있도록, 매칭과의 관계가 불일치하는 경우, 예를 들어, 매칭 실패가 예상되는 화질 점수가 매칭 성공으로 판정되는 경우, 가중치 값을 조절함으로써 보다 적절한 화질 점수가 산출되도록 할 수 있다.

도 12를 참조하면, 샘플 데이터베이스에 대해 추출한 복수 특징들에 대한 제1수치(Gf_i_i)를 나타내는 MxN의 행렬(matrix)과 가중치(w_i, i는 1부터 N까지의 정수)를 나타내는 Nx1의 행렬의 곱에 의해 y_j(j는 1부터 M까지의 정수)를 나타내는 Mx1의 행렬이 정의될 수 있다.

제1수치(Gf_i_i)를 나타내는 MxN의 행렬(matrix), 가중치(w_i, i는 1부터 N까지의 정수)를 나타내는 Nx1의 행렬, y_j(j는 1부터 M까지의 정수)를 나타내는 Mx1의 행렬을 각각 D, w, y로 표시할 때, w는 다음 식을 만족한다.

w = (D^TD)^-1D^Ty

가중치(w_i, i는 1부터 N까지의 정수)들은 또한, 다음 조건을 만족한다.

가중치들은 각 특징별 중요도가 반영되는 수치이다. 따라서, 샘플 데이터베이스, 입력 생체 영상, 화질 점수 계산 및 매칭 결과를 분석하는 학습을 통해, 그 값이 설정될 수 있고, 지속적으로 업데이트 될 수 있다. 이를 위해, 가중치(w_i)의 총합이 1이 되게 하는 y 초기값을 설정할 수 있고, 예를 들어, y 초기값을 모두 1로 할 수 있다. 다만, 이에 한정되는 것은 아니다.

도 13은 도 9의 전자 기기가 인증 방법을 수행할 때, 입력 생체 영상의 화질 점수와 인증률 간의 관계를 보이는 그래프이다.

화질 점수와 인증율은 대체로 선형적인 관계를 가지는 것으로 볼 수 있다. A로 표시된 부분은 선형적인 관계가 잘 나타나지 않는 영역이다. 이러한 영역은 화질 점수가 상대적으로 낮은 쪽에 위치하고 있으며, 화질 점수가 낮은 샘플 개수가 다른 영역에 비해 적기 때문에 유의미한 결과가 잘 나타나지 않는 것으로 해석된다.

화질 점수와 인증율이 선형의 관계를 갖는 경우, 입력 생체 영상의 화질만으로 인증율을 예측할 수 있고, 화질을 개선하는 일반적인 알고리즘을 통해서도 인증율을 높일 수 있다.

상술한 인증 방법이 적용된 전자 기기(1000)는 생체 영상을 획득하고 인증을 수행하는 독립적인 장치일 수 있고, 또는, 다른 기능을 포함하는 장치일 수도 있다. 예를 들어, 전자 기기(1000)는 휴대용 이동 통신 기기, 스마트 폰(smart phone), 스마트 워치(smart watch), 데스크톱 컴퓨터, 노트북 컴퓨터(laptop computer), 태블릿 PC, 전자북 단말기, 디지털방송용 단말기, PDA(Personal Digital Assistants), PMP(Portable Multimedia Player), 네비게이션, MP3 플레이어, 디지털 카메라, IPTV(Internet Protocol Television), DTV(Digital Television), CE 기기(예컨대, 표시부를 갖는 냉장고, 에이컨 등) 등이 있을 수 있으나, 이에 한정되는 것은 아니다. 전자 기기(1000)는 대상체에 의해 착용될 수 있는 장치(wearable device)일 수 있다. 예를 들어, 전자 기기(1000)는 손목 시계, 안경, 반지, 팔찌, 목걸이 등일 수 있다. 또는 전자 기기(1000)는 생체 센서를 포함하는 사물 인터넷IoT(Internet Of Things) 장치일 수도 있다.

본 실시예에서 설명하는 특정 실행들은 예시들로서, 어떠한 방법으로도 기술적 범위를 한정하는 것은 아니다. 명세서의 간결함을 위하여, 종래 전자적인 구성들, 제어 시스템들, 소프트웨어, 상기 시스템들의 다른 기능적인 측면들의 기재는 생략될 수 있다. 또한, 도면에 도시된 구성 요소들 간의 선들의 연결 또는 연결 부재들은 기능적인 연결 및/또는 물리적 또는 회로적 연결들을 예시적으로 나타낸 것으로서, 실제 장치에서는 대체 가능하거나 추가의 다양한 기능적인 연결, 물리적인 연결, 또는 회로 연결들로서 나타내어질 수 있다.

상술한 생세 센서 성능 평가 방법, 인증 방법 및 인증 방법이 적용된 전자 기기는 도면에 도시된 실시예를 참고로 설명되었으나, 이는 예시적인 것에 불과하며, 당해 분야에서 통상적 지식을 가진 자라면 이로부터 다양한 변형 및 균등한 타 실시예가 가능하다는 점을 이해할 것이다. 그러므로 개시된 실시예들은 한정적인 관점이 아니라 설명적인 관점에서 고려되어야 한다. 본 발명의 범위는 전술한 설명이 아니라 특허청구범위에 나타나 있으며, 그와 동등한 범위 내에 있는 모든 차이점은 본 발명에 포함된 것으로 해석되어야 할 것이다.

50: 샘플 데이터베이스
80: 입력 생체 영상
100: 생체 센서
200: 표시부
300: 프로세서
400: 메모리
1000: 전자 기기

Claims

삭제
삭제
삭제
삭제
삭제
생체 센서와 메모리와 프로세서를 포함하는 전자 기기가 수행하는 인증 방법에 있어서,
상기 전자 기기에 입력되는 입력 생체 영상을 획득하는 단계;
상기 전자 기기에 저장된 M개(M은 0보다 큰 정수)의 기준 생체 영상에 대한 정보를 포함하는 샘플 데이터베이스와 상기 입력 생체 영상으로부터, 상기 입력 생체 영상에 대한 화질 점수(quality score)를 산출하되,
상기 샘플 데이터 베이스와 상기 입력 생체 영상에 대해 소정의 복수의 특징점(feature)을 수치화하고, 상기 샘플 데이터 베이스와 상기 입력 생체 영상 간의 수치화된 값의 차이를 산출하고, 산출된 차이에 상기 복수의 특징점 각각과 관련된 가중치를 부여하여 상기 화질 점수를 산출하는, 단계;
상기 화질 점수가 소정 기준값(threshold) 이상인지를 판단하는 단계; 및
상기 입력 생체 영상이 상기 전자 기기에 저장된 등록 영상과 매칭되는지 여부를 판단하는 매칭 단계;를 포함하며,
상기 화질 점수가 소정 기준값(threshold) 미만인 경우, 상기 입력 생체 영상의 화질을 개선하는 영상 처리를 수행하고,
상기 화질 점수가 소정 기준값(threshold) 이상이고 상기 매칭 단계에서 매칭 실패로 판단되는 경우, 및, 상기 화질 점수가 소정 기준값(threshold) 미만이고 상기 매칭 단계에서 매칭 성공으로 판단되는 경우, 상기 가중치 중 적어도 어느 하나를 수정하는, 인증 방법.
제6항에 있어서,
상기 화질 점수를 산출하는 단계는
N개(N은 1보다 큰 정수)의 상기 복수의 특징점(feature)(f_1, f_2, .., f_N)을 정의하는 단계;
상기 샘플 데이터베이스에 대하여 상기 복수의 특징점을 나타내는 제1수치(Gf_i_j, i는 1부터 N까지의 정수, j는 1부터 M까지의 정수)를 산출하는 단계;
상기 입력 생체영상에 대하여 상기 복수의 특징점에 대한 제2수치(If_i, i는 1부터 N까지의 정수)를 산출하는 단계;
상기 제1수치(Gf_i_j)와 상기 제2수치(If_i)간의 차이 정도를 정량화하는 단계;를 포함하는, 인증 방법.
제7항에 있어서,
상기 복수의 특징점(feature)을 정의하는 단계는
영상을 평가하는 복수(a)개의 항목(item)을 대상 영상 전체에 대해 적용하는 것을 f_i(i는 1부터 a까지의 정수)로 정의하고,
상기 대상 영상의 영역을 복수(b)개로 분할한 각 영역에 상기 항목을 적용하는 것을 f_i(i는 a+1부터 a+b*a까지의 정수)로 정의하는, 인증 방법.
제8항에 있어서,
상기 복수개의 항목(item)은
휘도 평균, 휘도 표준 편차, 휘선의 둥근 정도(roundness), 휘도의 균일도(uniformity), 휘도의 불균일도(inhomogeneity) 중 적어도 하나 이상을 포함하는, 인증 방법.
제7항에 있어서,
상기 정량화하는 단계는
상기 제2수치(If_i)가 상기 제1수치(Gf_i_j)에 대해 벗어난 정도를 나타내는 이격값(d_i)를 산출하는 단계;
상기 이격값(d_i)으로부터 각 특징점의 점수(Fscore_i)를 산출하는 단계;
상기 점수(Fscore_i) 각각에 대해 가중치(w_i)를 부여하고 합산하여, 다음 식의 Fscore_total

을 산출하는 단계;를 포함하는, 인증 방법.
삭제
삭제
삭제
제6항에 있어서,
상기 입력 생체 영상 및 상기 화질 점수를 상기 전자 기기의 표시부에 표시하는 단계;를 더 포함하는, 인증 방법.
입력 생체 영상을 센싱하는 생체 센서;
복수(M)의 기준 생체 영상에 대한 정보를 포함하는 샘플 데이터베이스와, 사용자의 등록 생체 영상과, 적어도 하나 이상의 프로그램이 저장된 메모리;
상기 적어도 하나 이상의 프로그램을 실행함으로써, 상기 샘플 데이터베이스와 상기 입력 생체 영상으로부터 상기 입력 생체 영상에 대한 화질 점수(quality score)를 산출하되, 상기 샘플 데이터 베이스와 상기 입력 생체 영상에 대해 소정의 복수의 특징점(feature)을 수치화하고, 상기 샘플 데이터 베이스와 상기 입력 생체 영상 간의 수치화된 값의 차이를 산출하고, 산출된 차이에 상기 복수의 특징점 각각과 관련된 가중치를 부여하여 상기 화질 점수를 산출하고,
상기 화질 점수가 소정 기준값(threshold) 이상인지를 판단하고,
상기 입력 생체 영상이 상기 등록 생체 영상과 매칭되는지 여부를 판단하고,
상기 화질 점수가 소정 기준값(threshold) 미만인 경우, 상기 입력 생체 영상의 화질을 개선하는 영상 처리를 수행하고,
상기 화질 점수가 소정 기준값(threshold) 이상이고 상기 매칭 단계에서 매칭 실패로 판단되는 경우, 및, 상기 화질 점수가 소정 기준값(threshold) 미만이고 상기 매칭 단계에서 매칭 성공으로 판단되는 경우, 상기 가중치 중 적어도 어느 하나를 수정하는,
프로세서;를 포함하는, 전자 기기.
제 15항에 있어서,
상기 입력 생체 영상 및 상기 화질 점수가 표시되는 표시부;를 더 포함하는, 전자 기기.
제 15항에 있어서,
상기 생체 센서는 지문 인식 센서, 홍채 인식 센서, 혈관 인식 센서, 얼굴 인식 센서 중 어느 하나인, 전자 기기.
삭제
제15항에 있어서,
상기 프로세서는
상기 화질 점수가 소정 기준값(threshold) 이상이고, 상기 매칭 단계에서 매칭 실패로 판단되는 경우,
화질 점수를 산출하는 프로그램에 피드백하기 위해 그 결과를 메모리에 저장하는, 전자 기기.
제15항에 있어서,
상기 프로세서는
상기 화질 점수가 소정 기준값(threshold) 미만이고, 상기 매칭 단계에서 매칭 성공으로 판단되는 경우,
화질 점수를 산출하는 프로그램에 피드백하기 위해 그 결과를 메모리에 저장하는 전자 기기.