KR102480152B1 - 홍채 인식의 경량화 방법 및 홍채 인식 프로그램을 저장한 컴퓨터로 판독가능한 기록 매체 - Google Patents

Abstract

본 발명의 목적은 실수 연산의 정수 연산 근사화, LUT(Lookup Table)의 적절한 활용 등의 기법을 사용하고, 동영상 압축 알고리즘에서 사용하는 여러 기법을 적용할 뿐만 아니라 알고리즘의 속도 향상을 위해 관심 영역 조정이나 홍채 코드 생성 등 여러 단계에서 적분 영상(Integral Image)를 만들어 사용함으로써, 가벼우면서도 빠르고 정확한 홍채 인식의 경량화 방법 및 홍채 인식 프로그램을 저장한 컴퓨터로 판독가능한 기록 매체를 제공하는 것이다.
상기 목적을 달성하기 위해, 본 발명에 따른 홍채 인식의 경량화 방법은, 사용자의 홍채 정보를 추출하는 제 1 단계; 추출된 상기 홍채 정보로부터 관심 영역을 설정하는 제 2 단계; 설정된 관심 영역에 대한 전처리를 수행하는 제 3 단계; 전처리가 수행된 데이터로부터 동공 및 홍채를 탐색 및 추적하는 제 4 단계; 탐색 및 추적된 데이터로부터 마스크를 생성하는 제 5 단계; 생성된 마스크 데이터로부터 홍채 영상을 개선하는 제 6 단계; 개선된 홍채 영상으로부터 홍채 정규화를 수행하는 제 7 단계; 및 정규화된 홍채 데이터로부터 홍채 코드를 생성 및 매칭하는 제 8 단계;를 포함하는 것을 특징으로 한다.

Description

홍채 인식의 경량화 방법 및 홍채 인식 프로그램을 저장한 컴퓨터로 판독가능한 기록 매체{WEIGHT LIGHTENING METHOD OF IRIS RECOGNITION AND COMPUTER-READABLE RECORDING MEDIUM RECORDING IRIS RECOGNITION PROGRAM}

본 발명은 홍채 인식의 경량화 방법 및 홍채 인식 프로그램을 저장한 컴퓨터로 판독가능한 기록 매체에 관한 것으로, 더욱 상세하게는 동공 및 홍채를 찾고 코드를 만드는 과정에서 적은 정수 연산으로도 정확한 인식을 수행하는 홍채 인식의 경량화 방법 및 홍채 인식 프로그램을 저장한 컴퓨터로 판독가능한 기록 매체에 관한 것이다.

일반적으로 홍채 인식은 사람의 생체 기관 중 하나인 홍채를 이용한 생체인식이다.

이러한 홍채 인식은 본인 여부를 확인하는데 주로 사용되며 망각, 분실, 도난, 복제가 어렵고, 사용이 편리하여 전자 상거래, 접근 통제 시스템, 출입국 관리, 범죄자 또는 미아 찾기, 디지털 문서 보안, 금고 등에 유용하게 사용되는 장점이 있다.

그러나, 홍채를 이용한 인식 방법은 영상이 움직임이나 회전에 민감하게 반응하여 사용자를 인식하는데 자주 오류가 발생하고, 사용자의 인식을 제약하여 거부감과 불편함을 느끼게 되며, 뿐만 아니라 미인식으로 인해 사용자가 사용에 있어서 어려운 단점도 있다.

일반적인 홍채 인식은 관심 영역을 조절하고, 전처리를 수행하며, 동공 및 홍채를 탐색 및 추적하고, 마스크를 생성하며, 홍채 영상을 개선하고, 홍채 영상을 정규화하며, 홍채 코드를 생성 및 매칭하는 과정을 통해 홍채를 인식하게 된다.

하지만, 상술한 바와 같은 일반적인 홍채 인식은 동공 및 홍채를 찾고 코드를 만드는 과정에서 많은 실수 연산을 필요로 하는 문제점이 있었다.

즉, 홍채 인식은 일반적으로 매우 복잡한 수학적 모델링과 계산 과정을 필요로 하기 때문에 저사양의 CPU에서 실시간으로 동작하는 것을 어렵게 하는 문제점이 있었다.

대한민국 공개특허공보 제10-2019-0060671호 (2019.06.03. 공개)

상기한 바와 같은 종래의 문제점을 해결하기 위한 본 발명의 목적은 실수 연산의 정수 연산 근사화, LUT(Lookup Table)의 적절한 활용 등의 기법을 사용하고, 동영상 압축 알고리즘에서 사용하는 여러 기법을 적용할 뿐만 아니라 알고리즘의 속도 향상을 위해 관심 영역 조정이나 홍채 코드 생성 등 여러 단계에서 적분 영상(Integral Image)를 만들어 사용함으로써, 가벼우면서도 빠르고 정확한 홍채 인식의 경량화 방법 및 홍채 인식 프로그램을 저장한 컴퓨터로 판독가능한 기록 매체를 제공하는 것이다.

상기 목적을 달성하기 위해, 본 발명에 따른 홍채 인식의 경량화 방법은, 사용자의 홍채 정보를 추출하는 제 1 단계; 추출된 홍채 정보로부터 관심 영역을 설정하는 제 2 단계; 설정된 관심 영역에 대한 전처리를 수행하는 제 3 단계; 전처리가 수행된 데이터로부터 동공 및 홍채를 탐색 및 추적하는 제 4 단계; 탐색 및 추적된 데이터로부터 마스크를 생성하는 제 5 단계; 생성된 마스크 데이터로부터 홍채 영상을 개선하는 제 6 단계; 개선된 홍채 영상으로부터 홍채 정규화를 수행하는 제 7 단계; 및 정규화된 홍채 데이터로부터 홍채 코드를 생성 및 매칭하는 제 8 단계;를 포함하는 것을 특징으로 한다.

또한, 본 발명에 따른 홍채 인식의 경량화 방법은, 상기 제 1 단계에서, 추출한 상기 홍채 정보로 적분 영상(Integral Image)을 생성하며, 생성된 상기 적분 영상을 반복 사용하여 계산량을 감소시키며, 상기 적분 영상은 I(x,y)를 좌표 (x,y)에서의 화소값으로 하고, II(x,y)를 적분 영상의 값으로 하면, 상기 II(x,y)는 원점과 좌표 (x,y)까지의 모든 화소들의 합인 것을 특징으로 한다.

또한, 본 발명에 따른 홍채 인식의 경량화 방법은, 상기 제 2 단계에서, 상기 관심 영역은, 넓은 영역에 대해 모든 블랍(Blob)을 생성하고, 생성된 모든 블랍 중 동공일 가능성이 가장 큰 2개의 후보 블랍을 선택하되, 상기 후보 블랍의 위치와 크기에 따라 상기 관심 영역을 조정하는 것을 특징으로 한다.

또한, 본 발명에 따른 홍채 인식의 경량화 방법은, 상기 제 3 단계에서, 상기 전처리는 상기 관심 영역 내 각 픽셀에 대한 방향성을 계산하는 것이며, 상기 픽셀의 방향성을 정하기 위해 사용되는 필터는 소벨 연산자(Soble Operator)이고, 상기 소벨 연산자에 의한 연산 이후 가로 방향의 변화 정도(dx)와, 수직 방향의 변화 정도(dy)의 절대값의 크기가 0에 근접할 경우 계산을 하지 않거나(제로 벡터 처리), 상기 절대값이 256보다 작을 경우 Look-Up Table(LUT)을 참조하거나 상기 절대값이 클 경우 근사 계산을 하는 것을 특징으로 한다.

또한, 본 발명에 따른 홍채 인식의 경량화 방법은, 상기 제 4 단계에서, 상기 동공 및 상기 홍채는 원으로 가정하여 멀티 스텝 서치 방식으로 탐색하되, 상기 멀티 스텝 서치 방식은, 스텝 사이즈를 미리 정해진 값으로부터 상기 스텝 사이즈를 순차 감소시키면서 탐색하며, 탐색 결과에 의거하여 상기 관심 영역을 수정하는 것을 특징으로 한다.

또한, 본 발명에 따른 홍채 인식의 경량화 방법에서, 상기 관심 영역을 설정한 후, 설정된 관심 영역 내에서 상기 동공을 탐색하며, 상기 동공의 탐색에 성공할 경우, 상기 홍채를 탐색하고, 상기 홍채의 탐색에 성공할 경우, 사용자의 동공 및 홍채를 등록 또는 인증하는 것을 특징으로 한다.

또한, 본 발명에 따른 홍채 인식의 경량화 방법에서, 상기 동공의 탐색에 실패하거나 또는 상기 홍채의 탐색에 실패할 경우, 상기 관심 영역을 재설정하는 것을 특징으로 한다.

또한, 본 발명에 따른 홍채 인식의 경량화 방법에서, 상기 등록 또는 상기 인증에 실패할 경우, 상기 동공을 추적하며, 상기 동공의 추적에 성공할 경우, 상기 홍채를 추적하고, 상기 홍채의 추적에 성공할 경우, 사용자의 동공 및 홍채를 등록 또는 인증하는 것을 특징으로 한다.

또한, 본 발명에 따른 홍채 인식의 경량화 방법에서, 상기 동공의 추적에 실패하거나 또는 상기 홍채의 추적에 실패할 경우, 상기 관심 영역을 재설정하는 것을 특징으로 한다.

상기 목적을 달성하기 위해, 본 발명에 따른 홍채 인식 프로그램을 저장한 컴퓨터로 판독가능한 기록 매체는, 사용자의 홍채 정보를 추출하는 제 1 단계; 추출된 상기 홍채 정보로부터 관심 영역을 설정하는 제 2 단계; 설정된 관심 영역에 대한 전처리를 수행하는 제 3 단계; 전처리가 수행된 데이터로부터 동공 및 홍채를 탐색 및 추적하는 제 4 단계; 탐색 및 추적된 데이터로부터 마스크를 생성하는 제 5 단계; 생성된 마스크 데이터로부터 홍채 영상을 개선하는 제 6 단계; 개선된 홍채 영상으로부터 홍채 정규화를 수행하는 제 7 단계; 및 정규화된 홍채 데이터로부터 홍채 코드를 생성 및 매칭하는 제 8 단계;를 포함한다.

기타 실시 예의 구체적인 사항은 "발명을 실시하기 위한 구체적인 내용" 및 첨부 "도면"에 포함되어 있다.

본 발명의 이점 및/또는 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 각종 실시 예를 참조하면 명확해질 것이다.

그러나 본 발명은 이하에서 개시되는 각 실시 예의 구성만으로 한정되는 것이 아니라 서로 다른 다양한 형태로도 구현될 수도 있으며, 단지 본 명세서에서 개시한 각각의 실시 예는 본 발명의 개시가 완전하도록 하며, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에게 본 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구범위의 각 청구항의 범주에 의해 정의될 뿐임을 알아야 한다.

본 발명에 의하면, 실수 연산의 정수 연산 근사화, LUT(Lookup Table)의 적절한 활용 등의 기법을 사용하고, 동영상 압축 알고리즘에서 사용하는 여러 기법을 적용할 뿐만 아니라 알고리즘의 속도 향상을 위해 관심 영역 조정이나 홍채 코드 생성 등 여러 단계에서 적분 영상(Integral Image)를 만들어 사용함으로써, 가벼우면서도 빠르고 정확한 홍채 인식의 경량화 방법 및 홍채 인식 프로그램을 저장한 컴퓨터로 판독가능한 기록 매체를 제공하는 효과가 있다.

도 1은 본 발명에 따른 홍채 인식의 경량화 시스템의 전체 구성을 나타내는 블록도.
도 2는 본 발명에 따른 홍채 인식의 경량화 방법의 전체 흐름을 나타내는 플로우 차트.
도 3은 본 발명에 따른 홍채 인식의 경량화 방법에서 적분 영상을 이용한 영역 계산을 나타내는 도면.
도 4는 본 발명에 따른 홍채 인식의 경량화 방법에서 관심 영역의 예를 나타내는 도면.
도 5는 본 발명에 따른 홍채 인식의 경량화 방법에서 Blob의 예를 나타내는 도면.
도 6은 본 발명에 따른 홍채 인식의 경량화 방법에서 동공과 홍채 경계의 방향성을 나타내는 도면.
도 7은 본 발명에 따른 홍채 인식의 경량화 방법에서 방향성의 정수 근사화를 나타내는 도면.
도 8은 본 발명에 따른 홍채 인식의 경량화 방법에서 방향성 계산의 흐름을 나타내는 플로우 차트.
도 9는 본 발명에 따른 홍채 인식의 경량화 방법에서 동공 및 홍채 탐색 결과 예를 나타내는 도면.
도 10은 본 발명에 따른 홍채 인식의 경량화 방법에서 동공과 홍채의 탐색 및 추적을 나타내는 플로우 차트.
도 11은 본 발명에 따른 홍채 인식의 경량화 방법에서 마스크 예를 나타내는 도면.
도 12는 본 발명에 따른 홍채 인식의 경량화 방법에서 홍채 영상 개선의 예를 나타내는 도면.
도 13은 본 발명에 따른 홍채 인식의 경량화 방법에서 영상 정규화를 나타내는 도면.
도 14는 본 발명에 따른 홍채 인식의 경량화 방법에서 홍채 영상 정규화를 나타내는 도면.
도 15는 본 발명에 따른 홍채 인식의 경량화 방법에서 홍채 코드 생성에 사용되는 각도 영역을 나타내는 도면.
도 16은 본 발명에 따른 홍채 인식의 경량화 방법에서 홍채 코드 구성을 나타내는 도면.
도 17은 본 발명에 따른 홍채 인식의 경량화 방법에서 홍채 코드 생성을 위한 블록 구조를 나타내는 도면.
도 18은 본 발명에 따른 홍채 인식의 경량화 방법에서 매칭 윈도우를 나타내는 도면.

본 발명을 상세하게 설명하기 전에, 본 명세서에서 사용된 용어나 단어는 통상적이거나 사전적인 의미로 무조건 한정하여 해석되어서는 아니 되며, 본 발명의 발명자가 자신의 발명을 가장 최선의 방법으로 설명하기 위해서 각종 용어의 개념을 적절하게 정의하여 사용할 수 있고, 더 나아가 이들 용어나 단어는 본 발명의 기술적 사상에 부합하는 의미와 개념으로 해석되어야 함을 알아야 한다.

즉, 본 명세서에서 사용된 용어는 본 발명의 바람직한 실시 예를 설명하기 위해서 사용되는 것일 뿐이고, 본 발명의 내용을 구체적으로 한정하려는 의도로 사용된 것이 아니며, 이들 용어는 본 발명의 여러 가지 가능성을 고려하여 정의된 용어임을 알아야 한다.

또한, 본 명세서에서, 단수의 표현은 문맥상 명확하게 다른 의미로 지시하지 않는 이상, 복수의 표현을 포함할 수 있으며, 유사하게 복수로 표현되어 있다고 하더라도 단수의 의미를 포함할 수 있음을 알아야 한다.

본 명세서의 전체에 걸쳐서 어떤 구성 요소가 다른 구성 요소를 "포함"한다고 기재하는 경우에는, 특별히 반대되는 의미의 기재가 없는 한 임의의 다른 구성 요소를 제외하는 것이 아니라 임의의 다른 구성 요소를 더 포함할 수도 있다는 것을 의미할 수 있다.

더 나아가서, 어떤 구성 요소가 다른 구성 요소의 "내부에 존재하거나, 연결되어 설치된다"라고 기재한 경우에는, 이 구성 요소가 다른 구성 요소와 직접적으로 연결되어 있거나 접촉하여 설치되어 있을 수 있고, 일정한 거리를 두고 이격되어 설치되어 있을 수도 있으며, 일정한 거리를 두고 이격되어 설치되어 있는 경우에 대해서는 해당 구성 요소를 다른 구성 요소에 고정 내지 연결하기 위한 제 3의 구성 요소 또는 수단이 존재할 수 있으며, 이 제 3의 구성 요소 또는 수단에 대한 설명은 생략될 수도 있음을 알아야 한다.

반면에, 어떤 구성 요소가 다른 구성 요소에 "직접 연결"되어 있다거나, 또는 "직접 접속"되어 있다고 기재되는 경우에는, 제 3의 구성 요소 또는 수단이 존재하지 않는 것으로 이해하여야 한다.

마찬가지로, 각 구성 요소 간의 관계를 설명하는 다른 표현들, 즉 " ~ 사이에"와 "바로 ~ 사이에", 또는 " ~ 에 이웃하는"과 " ~ 에 직접 이웃하는" 등도 마찬가지의 취지를 가지고 있는 것으로 해석되어야 한다.

또한, 본 명세서에서 "일면", "타면", "일측", "타측", "제 1", "제 2" 등의 용어는, 사용된다면, 하나의 구성 요소에 대해서 이 하나의 구성 요소가 다른 구성 요소로부터 명확하게 구별될 수 있도록 하기 위해서 사용되며, 이와 같은 용어에 의해서 해당 구성 요소의 의미가 제한적으로 사용되는 것은 아님을 알아야 한다.

또한, 본 명세서에서 "상", "하", "좌", "우" 등의 위치와 관련된 용어는, 사용된다면, 해당 구성 요소에 대해서 해당 도면에서의 상대적인 위치를 나타내고 있는 것으로 이해하여야 하며, 이들의 위치에 대해서 절대적인 위치를 특정하지 않는 이상은, 이들 위치 관련 용어가 절대적인 위치를 언급하고 있는 것으로 이해하여서는 아니된다.

또한, 본 명세서에서는 각 도면의 각 구성 요소에 대해서 그 도면 부호를 명기함에 있어서, 동일한 구성 요소에 대해서는 이 구성 요소가 비록 다른 도면에 표시되더라도 동일한 도면 부호를 가지고 있도록, 즉 명세서 전체에 걸쳐 동일한 참조 부호는 동일한 구성 요소를 지시하고 있다.

본 명세서에 첨부된 도면에서 본 발명을 구성하는 각 구성 요소의 크기, 위치, 결합 관계 등은 본 발명의 사상을 충분히 명확하게 전달할 수 있도록 하기 위해서 또는 설명의 편의를 위해서 일부 과장 또는 축소되거나 생략되어 기술되어 있을 수 있고, 따라서 그 비례나 축척은 엄밀하지 않을 수 있다.

또한, 이하에서, 본 발명을 설명함에 있어서, 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 구성, 예를 들어, 종래 기술을 포함하는 공지 기술에 대해 상세한 설명은 생략될 수도 있다.

이하, 본 발명의 실시 예에 대해 관련 도면들을 참조하여 상세히 설명하기로 한다.

도 1은 본 발명에 따른 홍채 인식의 경량화 시스템의 전체 구성을 나타내는 블록도이다.

도 1을 참조하면, 본 발명에 따른 홍채 인식의 경량화 시스템(1000)은 입력부(100)와, 인증부(200)를 포함한다.

입력부(110)에는 사용자의 홍체 정보, 즉 홍채 영상이 입력될 수 있다.

본 실시예에서는 설명의 용이함을 위해 예를 들어, 사용자의 홍채 정보가 입력되는 것을 예로 설명하지만 이에 한정되는 것은 아니며, 사용자의 생체를 인식할 수 있는 모든 수단을 포함할 수도 있다.

인증부(120)는 입력된 생체 정보, 예를 들면 홍채 정보를 통해 사용자를 인증한다.

즉, 인증부(120)는 입력부(110)를 통해 입력된 사용자의 홍체 정보를 인증하는 역할을 수행한다.

도 2는 본 발명에 따른 홍채 인식의 경량화 방법의 전체 흐름을 나타내는 플로우 차트이다.

도 2를 참조하면, 본 발명에 따른 홍채 인식의 경량화 방법은 총 8개의 단계를 포함한다.

제 1 단계(S100)는 입력부(100)를 통해 수행되지만, 제 2 단계(S200) 내지 제 8 단계(S800)는 인증부(200)를 통해 수행된다.

제 1 단계(S100)에서는, 사용자의 홍채 정보, 즉 홍채 영상을 추출한다.

제 2 단계(S200)에서는, 추출된 홍채 정보로부터 관심 영역을 설정한다.

제 3 단계(S300)에서는, 설정된 관심 영역에 대한 전처리를 수행한다.

제 4 단계(S400)에서는, 전처리가 수행된 데이터, 즉 전처리가 수행된 관심 영역 내에서 동공 및 홍채를 탐색 및 추적한다.

제 5 단계(S500)에서는, 탐색 및 추적된 데이터, 즉 탐색 및 추적된 동공 및 홍채로부터 마스크를 생성한다.

제 6 단계(S600)에서는, 생성된 마스크 데이터로부터 홍채 영상을 개선한다.

제 7 단계(S700)에서는, 개선된 홍채 영상으로부터 홍채 정규화를 수행한다.

제 8 단계(S800)에서는, 정규화된 홍채 데이터, 즉 정규화된 홍채 영상으로부터 홍채 코드를 생성 및 매칭한다.

이와 같은 본 발명에 따른 홍채 인식의 경량화 방법을 후술하는 도면을 참조하여 좀 더 상세히 설명하도록 한다.

도 3은 본 발명에 따른 홍채 인식의 경량화 방법에서 적분 영상을 이용한 영역 계산을 나타내는 도면이다.

도 3을 참조하면, 본 발명에 따른 홍채 인식의 경량화 방법에서 적분 영상을 이용한 영역 계산은 제 1 단계(S100)의 사용자의 홍채 정보를 추출하는 과정에서 수행된다.

좀 더 상세히 설명하면, 제 1 단계(S100)에서, 추출한 상기 홍채 정보로 적분 영상(Integral Image)을 생성하며, 생성된 상기 적분 영상을 반복 사용하여 계산량을 감소시키며, 상기 적분 영상은 I(x,y)를 좌표 (x,y)에서의 화소값으로 하고, II(x,y)를 적분 영상의 값으로 하면, 상기 II(x,y)는 원점과 좌표 (x,y)까지의 모든 화소들의 합이다.

즉, 한번 만든 적분 영상을 반복적으로 사용하여 홍채 인식 알고리즘의 계산량을 감소시킬 수 있다.

본 발명에 따른 홍채 인식의 경량화 방법에서 홍채 인식 알고리즘에서는 전체 입력 영상 내 화소들의 통계적 특성을 분석하거나 특정 위치에서의 특징값을 계산할 때, 잡음을 없애거나 성능 향상을 위해 주변 화소들의 평균값을 사용한다.

이와 같은 방식을 이용하면, 계산량이 크게 늘어 실시간 인식이 어려울 수 있다.

따라서, 이러한 문제를 해결하기 위해, 본 발명에서는 적분 영상(Integral Image)을 만들어서 사용하는데, 이를 통해 계산량을 크게 줄일 수 있다.

I(x,y)를 좌표 (x,y)에서의 화소값이라 하고, II(x,y)를 그 적분 영상 값이라 하면, 이는 하기 식 1에 나타낸 바와 같이 그 값은 원점과 그 위치까지의 모든 화소들의 합이 된다.

식 (1)

모든 위치에 대해 이 값을 미리 구해 놓으면 특정 값을 계산할 때, 적은 계산으로도 원하는 값을 계산해 낼 수 있다.

예를 들어, 도 3에서 직사각형 ABCD 내의 화소합은 단 세 번의 적분 영상 값의 합 또는 차로 구해진다.

II(A)를 원점과 A 사이의 모든 화소들의 합이라 한다면, 직사각형 ABCD 내의 화소합은 II(A) + II(D) - II(B) - II(C)가 된다.

적분 영상을 사용하는 장점 중 하나는 영상 필터링이나 기울기 계산, 블록 평균 등 여러 계산에서 각 직사각형의 크기가 예산량에 영향을 주지 않는다는 것이다.

영상 크기의 정수 정밀도(precision)의 메모리가 추가적으로 필요하지만, 현대 하드웨어에서는 이 정도 메모리 증가는 문제되지 않는다.

도 4는 본 발명에 따른 홍채 인식의 경량화 방법에서 관심 영역의 예를 나타내는 도면이고, 도 5는 본 발명에 따른 홍채 인식의 경량화 방법에서 Blob의 예를 나타내는 도면이다.

여기서, 도 4의 (a)는 좁은 관심 영역를 나타내고, 도 4의 (b)는 넓은 관심 영역를 나타낸다.

또한, 도 5의 (a)는 원 영상을 나타내고, 도 5의 (b)는 눈썹 블랍(Blob)을 나타내며, 도 5의 (c)는 동공 블랍을 나타낸다.

도 4 및 도 5를 참조하면, 본 발명에 따른 홍채 인식의 경량화 방법의 제 2 단계(S200)인 추출된 홍채 정보로부터 관심 영역을 설정이 수행된다.

좀 더 상세히 설명하면, 제 2 단계(S200)에서, 관심 영역은, 넓은 영역에 대해 모든 블랍(Blob)을 생성하고, 생성된 모든 블랍 중 동공일 가능성이 가장 큰 2개의 후보 블랍을 선택하되, 후보 블랍의 위치와 크기에 따라 상기 관심 영역을 조정한다.

즉, 넓은 영역에 대해 블랍을 생성하고, 홍채영상의 특성을 고려해 후보 블랍을 선택한다.

후보 블랍의 위치와 크기에 따라 관심 영역을 조절한다.

이 과정에서 대략적인 눈의 위치를 찾을 수 있는데, 눈의 위치를 찾기 위해 흔히 사용되는 하우 변환(Hough Transform)을 생략할 수 있다.

하우 변환은 큰 계산량을 필요로 하는 과정이다.

홍채 인식에서 관심 영역(관심 영역: Region Of Interest)은 도 4에 나타낸 것처럼 실제 신호 처리에 사용되는 영상 영역을 말한다.

사용자는 두 눈을 도 4의 박스 내에 위치시켜야 한다.

실제 장치에서는 사용자가 이 관심 영역을 알 수 있도록 화면 상에 표시해 주거나 장치를 사용하기 전에 사용자가 알 수 있도록 미리 설명해 주어야 한다.

도 4의 (a)처럼 관심 영역이 좁으면 계산량이 작고 정확도는 높아진다.

하지만 사용자는 눈을 좁은 영역에 위치시켜야 하기 때문에 사용에 큰 불편을 느낄 수 있다.

반면에 도 4의 (b)처럼 넓은 관심 영역을 사용하면 사용은 편해지지만 계산량은 크고 눈을 못 찾을 가능성도 커진다.

이는 영상에서 가장 어두운 부분이 눈이라는 기본 가정이 조명이 닿지 않는 배경이나 머리카락 등에 의해 깨질 가능성이 생기기 때문이다.

본 발명에서는 블랍 분석(Blob Analysis)이라는 방법을 통해 관심 영역을 조정하는데, 넓은 관심 영역을 사용하면서도 계산량은 줄이고 눈을 찾을 확률을 크게 높일 수 있다.

블랍은 도 5에 나타낸 바와 같이 영상 내에서 서로 연결되어 있는 어두운 화소들의 덩어리이다.

대표적인 것이 동공이지만 얼굴 영상에서는 머리카락이나 눈썹, 검은 점, 안경 다리 등 여러 경우가 있다.

이들 모두 블랍들을 찾아 분석하고, 그 중 동공일 가능성이 가장 높은 후보 둘을 선정하여 그 주위에 새롭게 관심 영역를 만들며, 이 후 동공 탐색은 이 수정된 관심 영역 내에서만 수행된다.

동공을 찾는 과정에서는 원 영상의 1/16 해상도 영상을 사용하는데, 계산량도 크게 줄일 수 있지만 작은 점이나 눈썹 등에서 쉽게 나타나는 블랍들을 없앰으로써 정확도도 높일 수 있다.

어두운 화소에 대한 임계값(threshold)을 구할 때도, 4 × 4 블록 들에 대해 히스토그램(histogram)을 만들고 가장 어두운 값들로 임계값을 구한다.

블랍을 찾게 되면 블랍 모양과 크기, 블랍 내 어두운 화소의 밀도 등을 이용하여 점수를 계산하는데, 가장 높은 점수를 갖는 두 블랍이 동공의 후보가 된다.

복수의 후보를 선정하는 이유는 동공이 가장 높은 점수를 갖는 것이 일반적이지만, 동공이 눈꺼풀에 일부 가려지거나 속눈썹에 연결되어 최고 점수를 갖지 못하는 경우도 발생하기 때문이다.

동공 블랍을 찾게 되면 동공 원과 홍채 원을 찾기 위해 블랍 주변에 관심 영역을 설정하게 된다.

도 6은 본 발명에 따른 홍채 인식의 경량화 방법에서 동공과 홍채 경계의 방향성을 나타내는 도면이고, 도 7은 본 발명에 따른 홍채 인식의 경량화 방법에서 방향성의 정수 근사화를 나타내는 도면이며, 도 8은 본 발명에 따른 홍채 인식의 경량화 방법에서 방향성 계산의 흐름을 나타내는 플로우 차트이다.

도 6 내지 도 8을 참조하면, 본 발명에 따른 홍채 인식의 경량화 방법의 제 3 단계(S300)인 설정된 관심 영역에 대한 전처리를 수행한다.

전처리 과정은 동공과 홍채를 탐색하기 전에 반복적으로 사용되는 값들을 미리 계산해 저장하는 과정이다.

좀 더 상세히 설명하면, 제 3 단계(S300)에서, 전처리는 관심 영역 내 각 픽셀에 대한 방향성을 계산하는 것이며, 픽셀의 방향성을 정하기 위해 사용되는 필터는 소벨 연산자(Soble Operator)이고, 소벨 연산자에 의한 연산 이후 가로 방향의 변화 정도(dx)와, 수직 방향의 변화 정도(dy)의 절대값의 크기가 0에 근접할 경우 계산을 하지 않거나(제로 벡터 처리), 절대값이 256보다 작을 경우 Look-Up Table(LUT)을 참조하거나, 절대값이 클 경우 근사 계산을 수행한다.

즉, 관심 영역 내 각 픽셀에 대해서 방향성을 계산하는 과정이다.

소벨 연산 후 가로 방향의 변화 정도와, 수직 방향의 변화 정도의 절대값의 크기에 따라 계산을 하지 않거나, Look-Up Table (LUT)를 참조하거나, 근사 계산을 한다.

홍채 영상의 특성상 가로 방향의 변화 정도와, 수직 방향의 변화 정도의 절대값은 대부분 256보다 작아 근사 계산을 하는 경우가 거의 없다.

동공과 홍채의 경계는 원으로 가정되기 때문에 전체 입력 영상 중 실제 처리가 되는 영역인 관심 영역 내의 모든 픽셀에 대해 미리 방향성을 계산해 놓아야 한다.

픽셀의 방향을 정하기 위해 사용되는 필터는 소벨 연산자(Sobel Operator)이다.

이 소벨 연산자에는 여러 가지 변형이 있는데, 본 발명에서 사용하는 소벨 연산자는 하기 식 2와 같다.

식 (2)

왼쪽 연산자는 가로 방향의 변화 정도(dx)를 계산하는데 사용되고, 오른쪽 연산자는 수직 방향의 변화 정도(dy)를 계산할 때 사용된다.

동공 또는 홍채에서 이 변화를 벡터로 표시하면 (dx, dy)인데, 벡터의 방향(tan^-1(dy/dx))을 그림으로 나타내면 도 6과 같다.

동공이나 홍채는 원의 내부가 외부보다 어둡다.

따라서, 도 6의 왼쪽처럼 벡터가 표시되는 것이 일반적이지만 계산의 편의상 도 6의 오른쪽 그림처럼 방향을 뒤집어서 사용한다.

방향을 계산하는 삼각 함수(아크 탄젠트)는 계산량이 너무 커서 가볍고 빠른 알고리즘에는 적합하지 않다.

본 발명에 따른 알고리즘에서는 도 7과 같이 정수로 근사하여 계산하는 방법을 사용한다.

이와 같은 방법을 사용하면 덧셈과, 시프트(shift), 그리고 한번의 정수 나눗셈으로 계산을 끝낼 수 있어서 빠른 연산이 가능하다.

이 근사 계산 방법은 도 7에 나타낸 바와 같이 최대 4도 정도의 오차를 가질 수 있는데, 도 7의 오른쪽에 있는 오차 곡선을 고려하여 계산 결과 얻어진 각도에 오차 값을 더해주면 필요로 하는 충분한 정확도를 갖게 된다.

도 9는 본 발명에 따른 홍채 인식의 경량화 방법에서 동공 및 홍채 탐색 결과 예를 나타내는 도면이고, 도 10은 본 발명에 따른 홍채 인식의 경량화 방법에서 동공과 홍채의 탐색 및 추적을 나타내는 플로우 차트이다.

도 9 및 도 10을 참조하면, 본 발명에 따른 홍채 인식의 경량화 방법의 제 4 단계(S400)인 전처리가 수행된 데이터로부터 동공 및 홍채를 탐색 및 추적한다.

좀 더 상세히 설명하면, 제 4 단계(S400)에서, 동공 및 홍채는 원으로 가정하여 멀티 스텝 서치 방식으로 탐색하되, 멀티 스텝 서치 방식은, 스텝 사이즈를 미리 정해진 값으로부터 스텝 사이즈를 순차 감소시키면서 탐색하며, 탐색 결과에 의거하여 상기 관심 영역을 수정한다.

여기서, 관심 영역을 설정한 후, 설정된 관심 영역 내에서 동공을 탐색하며, 동공의 탐색에 성공할 경우, 홍채를 탐색하고, 홍채의 탐색에 성공할 경우, 사용자의 동공 및 홍채를 등록 또는 인증한다.

하지만, 동공의 탐색에 실패하거나 또는 홍채의 탐색에 실패할 경우, 관심 영역을 재설정한다.

또한, 등록 또는 인증에 실패할 경우, 동공을 추적하며, 동공의 추적에 성공할 경우, 홍채를 추적하고, 홍채의 추적에 성공할 경우, 사용자의 동공 및 홍채를 등록 또는 인증한다.

하지만, 동공의 추적에 실패하거나 또는 홍채의 추적에 실패할 경우, 관심 영역을 재설정한다.

즉, 동공과 홍채는 모두 원으로 가정하여 구하게 되는데, 각 원을 멀티 스텝 탐색 방법에 의해 탐색을 하여 실패하면 관심 영역 설정부터 다시 설정하고 성공하면 등록 및 인증을 수행한다.

등록 및 인증에 실패할 경우에는 이전 프레임의 동공과 홍채의 위치로부터 움직임 추정을 하여 현재 프레임의 동공과 홍채를 찾는다.

실패할 경우에는 관심 영역 설정으로 돌아간다.

동공 및 홍채의 탐색은 다음과 같다.

블랍 분석을 끝내면 동공의 대략적인 중심 위치와 반지름을 알 수 있다.

이 결과를 출발점으로 동공을 먼저 탐색하고 동공 탐색 결과를 이용하여 홍채를 탐색한다.

도 9에 탐색 결과가 나타나 있으며, 도 9의 (a)는 정상적으로 동공 및 홍채의 중심과 경계, 즉 반지름을 찾아낸 경우이고, 도 9의 (b)에서 왼쪽은 홍채를, 오른쪽은 동공의 경계를 제대로 찾아내지 못한 경우이다.

동공과 홍채의 중심과 경계를 정확히 알지 못한다면, 홍채 인식의 정확도가 크게 떨어질 수밖에 없다.

해당하는 모든 중심 위치와 반지름에 대해 전수 조사를 행하게 되면 감당하기 어려운 연산량이 필요하다.

본 발명에서는 Multi-step Search 방법을 사용한다.

처음에는 공간 상에서 스텝 사이즈(step size)를 4로 하여 탐색하고, 그 결과를 바탕으로 관심 영역을 수정한다.

반지름도 초기 반지름을 중심으로 하여 스텝 사이즈를 2 또는 3으로 하여 탐색한다.

그 결과를 가지고 스텝 사이즈를 줄여가면서 스텝 사이즈가 1인 최종 관심 영역으로 정확한 원의 중심 위치나 반지름을 획득하게 된다.

동공과 홍채를 찾기 위한 실제 연산은 후보 원의 방향과 해당 픽셀의 방향성이 얼마나 일치하는 가를 계산하는 것이다.

원은 중심점과 반지름으로 정의되고 입력 영상의 크기는 변하지 않기 때문에 후보 원에 대한 점수를 계산할 때 사용되는 원주 상의 좌표는 늘 일정하다.

이를 미리 계산하여 table(LUT, Lookup Table)로 갖고 있으면 편리하다.

도 9의 (b)에 나타낸 것처럼 잘못된 원을 찾을 가능성을 줄이기 위해서는 원의 대칭성을 고려하여 점수 계산을 한다.

동공을 찾기 위한 점수 계산 방법과 홍채에 대한 점수 계산 방법은 매우 유사하지만 각 대상의 특성을 고려하여 만들어진다.

동공의 관심 영역 중심점은 블랍 분석의 결과에 의해 만들어지고, 홍채의 관심 영역 중심점은 동공의 중심으로 한다.

홍채 인식에서 동공과 홍채는 동심원으로 가정하지만 엄밀하게는 중심점 사이에 약간의 차이가 있다.

동공과 홍채가 동심원인 경우는 카메라와 눈이 잘 얼라인(align)되어 있는 경우에만 해당되지만, 눈이 카메라 방향을 쳐다보고 있을 때 두 원의 중심점 사이에는 큰 차이가 없고, 만일 차이가 크다면 본 발명의 알고리즘은 눈이 카메라 쪽을 바라보고 있지 않다고 판단해 탐색 실패를 결과로 돌려준다.

본 발명에 따른 홍채 인식의 경량화 방법에서 동공 및 홍채 추적은 다음과 같다.

카메라를 사용하여 실제 등록 또는 인증을 할 때, 한 장의 영상으로 끝내지 않는다.

특히, 등록을 할 때는 여러 장의 입력 영상을 이용하여 찾은 홍채 영상과 이를 가지고 만든 홍채 코드 중 가장 우수한 코드를 저장한다.

어떤 프레임에서 눈을 제대로 찾았다면 다음 프레임에서 눈의 위치가 크게 변할 가능성은 작다.

따라서, 다음 프레임에서 관심 영역은 현재 찾은 동공의 주변과 홍채의 주변에 각각 설정되어 계산량을 크게 줄일 수 있게 된다.

반지름의 변화도 인접한 두 프레임 사이에서는 크게 나타나지 않는다.

이는 단순한 형태의 추적 방법인데, 본 발명에 따른 알고리즘에서는 좀 더 빠르고 정확한 추적을 위해 특별히 고안된 움직임 추정(Motion Estimation) 방법을 사용한다.

동공과 홍채의 움직임은 영상 내에서 눈의 위치가 바뀌거나 시선이 변해서 만들어진다.

탐색 과정뿐만 아니라, 추정 과정에서도 동공을 먼저 찾고 그 결과를 홍채를 찾는데 이용한다.

동공은 주변 홍채에 비해서 어둡고 모양의 변화가 거의 없기 때문에 움직임 추정을 매우 빠르게 할 수 있다.

여기서 구해지는 움직임 벡터를 이전 프레임의 동공 중심에 더해 관심 영역 중심을 정하고 크기 변화를 고려하여 관심 영역을 만들면 동공의 관심 영역은 탐색 과정에 비해 작게 만들어진다.

뿐만 아니라, 관심 영역 조정을 위한 블랍 분석 과정도 동공 추적에서는 건너 뛸 수 있어 아주 작은 계산으로도 동공을 찾을 수 있다.

동공을 찾고 나면 동공의 움직임 벡터를 이전 프레임의 홍채 중심에 더해 홍채 관심 영역 중심을 정하고, 홍채 크기 변화를 고려하여 관심 영역을 정한다.

홍채 관심 영역을 정할 때 한가지 더 고려해야 할 것은 시선의 변화이다.

시선이 변하면 동공과 홍채 중심 사이의 상대적 위치에도 변화가 생기기 때문에, 이를 반영하여 관심 영역을 결정해야 한다.

그럼에도 불구하고 추적 과정에서의 홍채 관심 영역은 탐색 과정의 그것보다 작게 설정된다.

평균적으로 동공 및 홍채 추적에 필요한 계산량은 탐색에 필요한 양의 30% ~ 40% 정도 수준이다.

도 11은 본 발명에 따른 홍채 인식의 경량화 방법에서 마스크 예를 나타내는 도면이다.

도 11을 참조하면, 본 발명에 따른 홍채 인식의 경량화 방법에서 제 5 단계(S500)인 탐색 및 추적된 데이터로부터 마스크를 생성한다.

동공과 홍채는 원의 모양을 갖지만, 완전한 형태의 원을 갖지는 못한다.

눈꺼풀(Eyelid)에 일부가 가려지기도 하고, 어떤 사람은 속눈썹이 홍채의 일부를 덮기도 한다.

도 11을 살펴보면, 눈의 윗 부분이 눈꺼풀에 가려져 있다.

이 가려진 홍채 영역은 사람에 따라 크게 다른 픽셀 값을 갖지 않으며, 정상적인 홍채 영역에 비해 복잡도가 크게 떨어져, 코드로 만들었을 때 다른 사람과 큰 차이를 보이지 않아 오인식의 원인이 된다.

눈꺼풀 및 속눈썹 검출(Etelid and Eyelash Detection)은 그 자체만으로도 홍채 탐색에 못지 않은 계산량을 갖는 매우 복잡한 작업이다.

본 발명에 따른 알고리즘에서는 눈꺼풀 및 속눈썹 검출의 결과로 만들어지는 마스크가 홍채 인식의 정확도를 높이는 것에 집중한다.

동공과 홍채를 찾고 나면 동공 영역, 홍채 영역, 홍채 밖 영역에 대한 픽셀 통계를 분석한다.

이 정보를 이용하여 눈꺼풀과 속눈썹을 찾아 내는데, 우선 눈꺼풀은 홍채와의 경계를 원의 일부로 근사한다.

도 11의 (b)는 눈꺼풀만을 고려해서 만든 마스크를 나타낸다.

도 11의 (a)와 비교해 보면 원으로 근사하는 것의 타당성을 알 수 있다.

도 11의 (b)에서 눈꺼풀은 잘 근사해 냈으나 속눈썹이 홍채의 일부를 가리고 있는 것을 볼 수 있다.

이 문제도 마스크를 만들 때 같이 처리되며, 최종 결과는 도 11의 (c)에서 확인할 수 있다.

도 11에서 보면 동공이나 눈꺼풀은 검정으로 표시되어 있고, 속눈썹에 가려진 부분은 회색으로 표시된다.

마스크 코드를 만들 때는 검게 표시된 부분과 회색으로 표시된 부분은 구분되어 처리된다.

이러한 마스크는 홍채를 포함한 눈 영상의 통계 분석을 통해 근사적으로 이루어질 수 있다.

즉, 눈 영상에 대한 통계 분석을 수행하고, 홍채 끝점을 추출하며, 눈꺼풀을 근사하고, 홍채 영상에 대한 통계 분석을 수행하며, 홍채 및 속눈썹 임계값을 결정한 후, 마스크를 생성하게 된다.

도 12는 본 발명에 따른 홍채 인식의 경량화 방법에서 홍채 영상 개선의 예를 나타내는 도면이다.

도 12를 참조하면, 본 발명에 따른 홍채 인식의 경량화 방법에서 제 6 단계(S600)인 생성된 마스크 데이터로부터 홍채 영상을 개선한다.

홍채 영상의 개선은 크게 두 가지 이유로 필요하다.

IR-LED에 의해서 강제로 발현되는 홍채 패턴은 그 동적 범위(dynamic range)가 작고 영상 취득 조건에 따라 그 픽셀 값의 평균이나 동적 범위에 상대적으로 큰 차이가 생긴다.

이는 실제 사용 환경에서는 인증 성능에 영향을 줄 수 있다.

홍채 인식에서 많이 사용되는 영상 개선 방법은 대비 제한 적응 히스토그램 평활화(CLAHE: Contrast Limited Adaptive Histogram Equalization)이다.

일반적으로, 히스토그램 평활화는 전체 영상에 대해 행해지거나 관심 영역 내에서 행해진다.

적응적인 방법을 사용하는 이유는 어떤 특정 영역에서는 동적 범위의 개선이 별로 없거나 오히려 나빠지는 경우가 발생하기 때문이고, 대비 제한을 하는 것은 지나친 개선을 막기 위해서이다.

본 발명에 따른 알고리즘에서는 홍채 인식의 특수성을 함께 고려한다.

도 12에 홍채 영상 개선의 예를 나타내는데, 도 12의 (b)에 나타낸 것과 같은 홍채 마스크를 함께 고려하여 영상 개선이 홍채 내에서만 일어나게 한다.

홍채 내에서만 영상 개선을 하는데도 적응적인 방법을 사용하는 이유는 IR-LED에 의한 조명이 갖는 한계를 극복하기 위함이다.

홍채 정면에서 조명이 이루어지는 경우는 흔하지 않기 때문에 이에 대한 조절도 필요하다.

도 12의 (c)를 보면 원 영상에 비해 홍채 패턴이 좀 더 뚜렷하게 나타난 것을 볼 수 있다.

영상 개선을 위해 사용되는 대비 적응 제한 히스토그램 평활화를 마스킹 되지 않는 영역에만 적용함으로써 개선 효과를 높임과 동시에 계산량도 줄일 수 있다.

도 13은 본 발명에 따른 홍채 인식의 경량화 방법에서 영상 정규화를 나타내는 도면이고, 도 14는 본 발명에 따른 홍채 인식의 경량화 방법에서 홍채 영상 정규화를 나타내는 도면이며, 도 15는 본 발명에 따른 홍채 인식의 경량화 방법에서 홍채 코드 생성에 사용되는 각도 영역을 나타내는 도면이다.

도 13 내지 도 15를 참조하면, 본 발명에 따른 홍채 인식의 경량화 방법에서 제 7 단계(S700)인 개선된 홍채 영상으로부터 홍채 정규화를 수행한다.

홍채 영역은 홍채 반지름으로 표현되는 바깥 경계와, 동공 반지름으로 표현되는 안쪽 경계로 구분된다.

이 두 반지름은 카메라와의 거리에 따라 달라지기도 하지만, 동공 반지름은 주변 밝기에 따라서 동공이 확장 또는 축소되기 때문에 달라진다.

뿐만 아니라 홍채 영상은 시선에 따른 동공과 홍채 원 중심들 간 상대적인 위치 변화로도 달라진다.

홍채 인식의 기본적인 아이디어는 등록시 만들어진 이진 코드를 실제 인식 시에 만들어진 코드와 비교하는 것이다.

그러므로, 홍채 코드를 만들 때 이 홍채 영상을 그대로 사용하게 되면 등록 시와 인증 시 영상의 차이가 지나치게 클 수 있어서 인식 자체가 제대로 되지 않을 수 있다.

영상의 차이에 의한 홍채 인식의 오류를 최소로 만들기 위해 거치는 과정이 홍채 정규화(Iris Normalization)이다.

홍채 영상의 정규화에서는 동공이나 홍채의 반지름과 상관없이 미리 정해진 크기의 영상으로 만들고 좌표 변환을 한다.

홍채 영상에서 화소 위치는 일반적으로 원주 방향의 위치, 즉 각도와 반지름 영상으로 홍채 바깥 및 안쪽 경계와의 상대적 위치로 나타낸다.

이것이 홍채 영상의 극 좌표계 표현으로 도 13의 왼쪽에 나타나 있다.

홍채 영상의 크기만 일정하게 한다면 홍채와 동공의 중심을 일치시키고, 두 반지름을 고정된 값으로 하여 영상을 만드는 것으로 정규화를 수행할 수 있겠지만, 뒤에 홍채 코드를 만드는 데 매우 복잡한 연산을 해야 한다.

이 계산량을 줄이기 위해서 홍채 정규화에서는 도 13의 오른쪽처럼 극 좌표계를 직교 좌표계로 만드는 작업도 함께 수행된다.

정규화 영상의 픽셀값은 해당 원 영상 위치에 있는 픽셀값으로 정하면 되는데, 직각 좌표계에서는 정수 위치라 해도 원 영상에서는 실수 위치가 되는 것이 일반적이다.

이 실수 위치에 해당하는 정수 위치의 화소값을 매핑하는 것을 보간(interpolation)이라 하는데, 가장 간단한 방법은 실수 위치에 가장 가까운 화소의 값을 사용하는 것이다.

이 방법은 계산은 간단하지만 결과 영상이 자연스럽지 못하고 심한 경우에는 영상이 마치 노이즈가 낀 듯이 보일 수도 있다.

본 발명에 따른 알고리즘에서는 이중 선형 보간법(Bilinear Interpolation)을 사용하는데, 이는 주변 네 화소의 값을 실수 위치와의 거리를 가중 평균하여 사용하는 방법이다.

그 결과 만들어지는 영상의 예는 도 13에 나타나 있다.

본 발명에 따른 알고리즘에서는 원 영상 뿐만 아니라 마스크 영상에 대해서도 같은 처리를 하여 홍채 코드 생성에 대비한다.

도 14는 홍채 영상의 정규화에 대한 결과 예이다.

정규화된 홍채 영상은 홍채 코드 생성 과정의 입력 영상이 되는데, 이 영상의 크기를 살펴보면, 본 발명에 따른 알고리즘에서는 홍채 코드를 만들 때 원주 방향의 모든 각도에 대해 패턴을 만들지는 않는다.

눈꺼풀이 홍채를 전혀 덮지 않는 사람도 많지만 윗부분을 조금이라도 덮는 경우가 더 많고, 속눈썹에 의해 가려지는 경우도 많다.

주어진 홍채 코드 비트를 효율적으로 사용하기 위해서 도 15에 나타낸 것처럼 상단의 120도 영역에 대해서는 코드를 만들지 않고 60도에서 300도까지 240도 영역에 대해서 66개의 4바이트 코드를 만든다.

그에 더해, 양 끝으로 추가 영역이 필요해 실제 영상은 원주 방향(수평 방향)으로는 312(= 66 × 4 + 24 × 2), 반지름 방향(수직 방향)으로는 68(= 8 + 4 × 15)의 해상도를 가진다.

도 16은 본 발명에 따른 홍채 인식의 경량화 방법에서 홍채 코드 구성을 나타내는 도면이고, 도 17은는 본 발명에 따른 홍채 인식의 경량화 방법에서 홍채 코드 생성을 위한 블록 구조를 나타내는 도면이며, 도 18은 본 발명에 따른 홍채 인식의 경량화 방법에서 매칭 윈도우를 나타내는 도면이다.

도 16 내지 도 18을 참조하면, 본 발명에 따른 홍채 인식의 경량화 방법에서 제 8 단계(S800)인 정규화된 홍채 데이터로부터 홍채 코드를 생성 및 매칭한다.

홍채 코드는 상술한 도 15에 나타낸 바와 같이 60도에서 300도까지의 240도 영역이 균일하게 나뉘어서 만들어진다.

정규화 과정에서 240도 영역은 264개 각도로 나뉘어 화소 값을 구한다.

이 264개 각도를 다시 66개로 나누고 각 각도 스텝(step)마다 4 바이트(32 비트)의 이진 코드를 만든다.

이는 매칭 과정에서 사용하는 이진 연산자들이 4 바이트 단위로 수행되는 것을 고려한 것이다.

도 16에 홍채 코드의 구성을 나타낸다.

각 각도 스텝마다 32개의 비트를 만들어 내는 과정은 다음과 같다.

우선 정규화된 영상을 반지름 방향(수직 방향)으로 16개의 중첩된 영역으로 나눈다.

영역의 간격은 4이고, 각 영역 크기는 8이다.

따라서, 반지름 방향의 전체 크기는 68(=8 + 4 × 15)이다.

한 수직 영역에 대해 원주 방향으로는 양쪽으로 4개씩 8개의 영역을 갖게 하는데, 양쪽 4개 영역의 크기를 Scale이라 하고, 24와 12, 두 가지 Scale을 사용한다.

따라서, 원주 방향으로의 전체 정규화 영상 크기는 312(= 66 × 4 + 24 × 2)가 된다.

도 17에 한 좌표에 대한 홍채 코드 비트를 계산하기 위해 사용되는 블록의 구조를 나타낸다.

각 블록의 값은 해당 블록에 있는 모든 화소들을 더한 값이다.

이 블록 값으로 다음과 같은 두 가지 필터로 합성(Convolution)하여 각각 결과가 양수이면 “1”, 그렇지 않으면 “0”으로 두 비트값이 정해진다.

Scale 24 Filter: [+89, +75, +50, +18, -18, -50, -75, -89]

Scale 12 Filter: [+83, +36, -36, -83, -83, -36, +36, +83]

홍채 코드는 등록 코드와 인증 코드 사이에 약간의 차이가 있는데, 그 차이는 코드 크기와 마스크 사용 여부에 있다.

등록 코드는 앞서서 만들어진 264 바이트의 코드 중 양쪽 각 세 개의 각도에서 만들어진 코드를 제외한 240 바이트로 구성된다.

이는 인증시 60개의 각도 스텝에 대해서 240 바이트의 등록 코드와 인증 코드를 비교하기 때문이다.

등록 코드에서는 마스크를 저장하지 않는데, 대신 마스크 비트가 “0”이 되는 위치의 화소 값은 랜덤(random)하게 “1” 또는 “0”이 결정된다.

인증 코드에서는 마스크를 사용하기 때문에 이 화소 값은 의미가 없고, 264 바이트의 마스크 코드가 함께 사용되어 코드 크기는 528 바이트가 된다.

매칭은 두 홍채 코드 사이의 해밍 거리(Hamming Distance)를 계산하여 수행된다.

해밍 거리는 두 이진 코드(Binary Code)를 비교했을 때 서로 다른 비트의 수를 말한다.

16 비트의 두 코드 A(='0101 0011 1010 1111')와 B(='0100 0110 1001 1101')이고, 두 코드 사이의 해밍 거리는 6이다.

해밍 거리를 구하는 쉬운 방법은 두 코드를 XOR 이진 연산을 하고, 그 결과 코드에서 1의 개수를 세는 것이다.

A XOR B를 C라 한다면, C = '0001 1100 0011 0010'이 된다.

이때, C가 갖고 있는 1의 개수는 6이다.

요즘 대부분의 CPU에서 이 해밍 거리 계산은 매우 빨리 이루어지고 있다.

정수 간의 XOR 계산과 정수 내 1의 개수를 세는 것은 무시할 수 있을 정도의 빠른 시간에 이루어진다.

상술한 바와 같이 인증 코드의 크기는 240 바이트, 즉 1920 비트이다.

그러나, 마스크 효과에 의해 이 중 일부는 사용되지 않는다.

인증 시에 사용되는 비트의 수가 일정하지 않기 때문에 해밍 거리는 마스킹 후 존재하는 전체 비트 수, 즉 가능한 최대 해밍 거리로 나누어 계산한다.

따라서, 홍채 인식에서 최대 해밍 거리는 1.0이고, 타인과의 평균 해밍 거리는 0.5가 된다.

홍채 인식은 등록되어 있는 모든 홍채 코드들과 인증시 만드는 홍채 코드를 비교하여 최소 해밍 거리를 갖는 등록 인덱스를 출력하는 것이다.

이때, 찾은 최소 해밍 거리가 기준값보다 크면 인증 실패라 판단한다.

인증 코드가 등록 코드에 비해 24 바이트만큼 더 크게 만들어지는 이유는 등록시 눈의 기울기와 인증시 기울기 사이에 약간의 차이가 있을 수 있기 때문이다.

등록 코드(ECode)는 도 16에 나타낸 것처럼 3 ~ 62에 해당하는 각도 스텝에서 만들어지고, 인증 코드(ACode)는 매칭을 할 때 66개의 각도 스텝 중 60개씩 슬라이딩 윈도우 방식으로 매칭을 한다.

이는 눈이 시계 방향 또는 시계 반대 방향으로 대략 10도 정도 기울어지는 것을 허용하는 것으로 생각할 수 있다.

이와 같이 본 발명에 의하면, 실수 연산의 정수 연산 근사화, LUT(Lookup Table)의 적절한 활용 등의 기법을 사용하고, 동영상 압축 알고리즘에서 사용하는 여러 기법을 적용할 뿐만 아니라 알고리즘의 속도 향상을 위해 관심 영역 조정이나 홍채 코드 생성 등 여러 단계에서 적분 영상(Integral Image)를 만들어 사용함으로써, 가벼우면서도 빠르고 정확한 홍채 인식의 경량화 방법 및 홍채 인식 프로그램을 저장한 컴퓨터로 판독가능한 기록 매체를 제공하는 효과가 있다.

본 발명의 실시예들은 홍채 인식의 경량화 방법 및 홍채 인식 프로그램을 생성할 수 있는 것으로, 다양한 컴퓨터로 구현되는 동작을 수행하기 위한 프로그램 명령을 포함하는 컴퓨터 판독 가능 매체를 포함한다.

이러한 컴퓨터 판독 가능 매체는 프로그램 명령, 로컬 데이터 파일, 로컬 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다.

이 매체는 본 발명을 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다.

컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체, CD-ROM, DVD와 같은 광 기록 매체, 플롭티컬 디스크와 같은 자기-광 매체, 및 롬, 램, 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다.

프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다.

예컨대, 본 발명에 따른 홍채 인식 프로그램을 저장한 컴퓨터로 판독가능한 기록 매체는, 사용자의 홍채 정보를 추출하는 제 1 단계(S100); 추출된 상기 홍채 정보로부터 관심 영역을 설정하는 제 2 단계(S200); 설정된 관심 영역에 대한 전처리를 수행하는 제 3 단계(S300); 전처리가 수행된 데이터로부터 동공 및 홍채를 탐색 및 추적하는 제 4 단계(S400); 탐색 및 추적된 데이터로부터 마스크를 생성하는 제 5 단계(S500); 생성된 마스크 데이터로부터 홍채 영상을 개선하는 제 6 단계(S600); 개선된 홍채 영상으로부터 홍채 정규화를 수행하는 제 7 단계(S700); 및 정규화된 홍채 데이터로부터 홍채 코드를 생성 및 매칭하는 제 8 단계(S800);를 포함한다.

이상, 일부 예를 들어서 본 발명의 바람직한 여러 가지 실시 예에 대해서 설명하였지만, 본 "발명을 실시하기 위한 구체적인 내용" 항목에 기재된 여러 가지 다양한 실시 예에 관한 설명은 예시적인 것에 불과한 것이며, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자라면 이상의 설명으로부터 본 발명을 다양하게 변형하여 실시하거나 본 발명과 균등한 실시를 행할 수 있다는 점을 잘 이해하고 있을 것이다.

또한, 본 발명은 다른 다양한 형태로 구현될 수 있기 때문에 본 발명은 상술한 설명에 의해서 한정되는 것이 아니며, 이상의 설명은 본 발명의 개시 내용이 완전해지도록 하기 위한 것으로 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에게 본 발명의 범주를 완전하게 알려주기 위해 제공되는 것일 뿐이며, 본 발명은 청구범위의 각 청구항에 의해서 정의될 뿐임을 알아야 한다.

100 : 입력부
200 : 인증부

Claims (10)

1. 사용자의 홍채 정보가 입력부에 의해 입력되고, 상기 입력부에 의해 입력된 상기 사용자의 홍채 정보를 인증하는 홍채 인식의 경량화 방법에 있어서,
   사용자의 홍채 영상을 상기 입력부가 추출하는 제 1 단계;
   상기 추출된 홍채 영상으로부터 인증부가 관심 영역을 설정하는 제 2 단계;
   상기 설정된 관심 영역에 대한 전처리를 상기 인증부가 수행하는 제 3 단계;
   상기 전처리가 수행된 관심 영역 내에서 동공 및 홍채를 상기 인증부가 탐색 및 추적하는 제 4 단계;
   상기 탐색 및 추적된 동공 및 홍채로부터 마스크를 상기 인증부가 생성하는 제 5 단계;
   상기 생성된 마스크 데이터로부터 홍채 영상을 상기 인증부가 개선하는 제 6 단계;
   상기 개선된 홍채 영상으로부터 홍채 정규화를 상기 인증부가 수행하는 제 7 단계; 및
   상기 정규화된 홍채 영상으로부터 홍채 코드를 상기 인증부가 생성 및 매칭하는 제 8 단계;를 포함하며,
   상기 제 1 단계에서,
   상기 추출한 상기 홍채 영상으로 적분 영상(Integral Image)을 생성하며, 생성된 상기 적분 영상을 반복 사용하여 계산량을 감소시키며,
   상기 적분 영상은 I(x,y)를 좌표 (x,y)에서의 화소값으로 하고, II(x,y)를 적분 영상의 값으로 하면, 상기 II(x,y)는 원점과 좌표 (x,y)까지의 모든 화소들의 합이고,
   상기 제 3 단계에서,
   상기 전처리는 상기 관심 영역 내 각 픽셀에 대한 방향성을 계산하는 것이며,
   상기 픽셀의 방향성을 정하기 위해 사용되는 필터는 소벨 연산자(Soble Operator)이고,
   상기 소벨 연산자는 하기 식 (2)이며,
   

   

   식 (2)
   상기 식 (2)에서 왼쪽 연산자는 가로 방향의 변화 정도(dx)를 계산하는데 사용되고, 오른쪽 연산자는 수직 방향의 변화 정도(dy)를 계산할 때 사용되는 것을 특징으로 하는,
   홍채 인식의 경량화 방법.
   
2. 삭제
3. 제 1 항에 있어서,
   상기 제 2 단계에서,
   상기 관심 영역은,
   넓은 영역에 대해 모든 블랍(Blob)을 생성하고,
   생성된 모든 블랍 중 동공일 가능성이 가장 큰 2개의 후보 블랍을 선택하되, 상기 후보 블랍의 위치와 크기에 따라 상기 관심 영역을 조정하는 것을 특징으로 하는,
   홍채 인식의 경량화 방법.
   
4. 삭제
5. 제 1 항에 있어서,
   상기 제 4 단계에서,
   상기 동공 및 상기 홍채는 원으로 가정하여 멀티 스텝 서치 방식으로 탐색하되,
   상기 멀티 스텝 서치 방식은,
   스텝 사이즈를 미리 정해진 값으로부터 상기 스텝 사이즈를 순차 감소시키면서 탐색하며,
   탐색 결과에 의거하여 상기 관심 영역을 수정하는 것을 특징으로 하는,
   홍채 인식의 경량화 방법.
   
6. 제 5 항에 있어서,
   상기 관심 영역을 설정한 후, 설정된 관심 영역 내에서 상기 동공을 탐색하며,
   상기 동공의 탐색에 성공할 경우, 상기 홍채를 탐색하고,
   상기 홍채의 탐색에 성공할 경우, 사용자의 동공 및 홍채를 등록 또는 인증하는 것을 특징으로 하는,
   홍채 인식의 경량화 방법.
   
7. 제 6 항에 있어서,
   상기 동공의 탐색에 실패하거나 또는 상기 홍채의 탐색에 실패할 경우, 상기 관심 영역을 재설정하는 것을 특징으로 하는,
   홍채 인식의 경량화 방법.
   
8. 제 6 항에 있어서,
   상기 등록 또는 상기 인증에 실패할 경우, 상기 동공을 추적하며,
   상기 동공의 추적에 성공할 경우, 상기 홍채를 추적하고,
   상기 홍채의 추적에 성공할 경우, 사용자의 동공 및 홍채를 등록 또는 인증하는 것을 특징으로 하는,
   홍채 인식의 경량화 방법.
   
9. 제 8 항에 있어서,
   상기 동공의 추적에 실패하거나 또는 상기 홍채의 추적에 실패할 경우, 상기 관심 영역을 재설정하는 것을 특징으로 하는,
   홍채 인식의 경량화 방법.
   
10. 사용자의 홍채 정보가 입력부에 의해 입력되고, 상기 입력부에 의해 입력된 상기 사용자의 홍채 정보를 인증하는 홍채 인식 프로그램을 저장한 컴퓨터로 판독가능한 기록 매체에 있어서,
    사용자의 홍채 영상을 상기 입력부가 추출하는 제 1 단계;
    상기 추출된 상기 홍채 영상으로부터 관심 영역을 인증부가 설정하는 제 2 단계;
    상기 설정된 관심 영역에 대한 전처리를 상기 인증부가 수행하는 제 3 단계;
    상기 전처리가 수행된 관심 영역 내에서 동공 및 홍채를 상기 인증부가 탐색 및 추적하는 제 4 단계;
    상기 탐색 및 추적된 동공 및 홍채로부터 마스크를 상기 인증부가 생성하는 제 5 단계;
    상기 생성된 마스크 데이터로부터 홍채 영상을 상기 인증부가 개선하는 제 6 단계;
    상기 개선된 홍채 영상으로부터 홍채 정규화를 상기 인증부가 수행하는 제 7 단계; 및
    상기 정규화된 홍채 영상으로부터 홍채 코드를 상기 인증부가 생성 및 매칭하는 제 8 단계;를 포함하며,
    상기 제 1 단계에서,
    상기 추출한 상기 홍채 영상으로 적분 영상(Integral Image)을 생성하며, 생성된 상기 적분 영상을 반복 사용하여 계산량을 감소시키며,
    상기 적분 영상은 I(x,y)를 좌표 (x,y)에서의 화소값으로 하고, II(x,y)를 적분 영상의 값으로 하면, 상기 II(x,y)는 원점과 좌표 (x,y)까지의 모든 화소들의 합이고,
    상기 제 3 단계에서,
    상기 전처리는 상기 관심 영역 내 각 픽셀에 대한 방향성을 계산하는 것이며,
    상기 픽셀의 방향성을 정하기 위해 사용되는 필터는 소벨 연산자(Soble Operator)이고,
    상기 소벨 연산자는 하기 식 (2)이며,
    

    

    식 (2)
    상기 식 (2)에서 왼쪽 연산자는 가로 방향의 변화 정도(dx)를 계산하는데 사용되고, 오른쪽 연산자는 수직 방향의 변화 정도(dy)를 계산할 때 사용되는 것을 특징으로 하는,
    홍채 인식 프로그램을 저장한 컴퓨터로 판독가능한 기록 매체.
    

Images