KR20040105065A

KR20040105065A - 강한 상관관계 및 약한 상관관계 그룹핑을 통한 지문인식매칭방법

Info

Publication number: KR20040105065A
Application number: KR1020030035916A
Authority: KR
Inventors: 임덕선
Original assignee: 주식회사 우량정보기술
Priority date: 2003-06-04
Filing date: 2003-06-04
Publication date: 2004-12-14

Abstract

본 발명은 강한 상관관계와 약한 상관관계 그룹핑을 통한 지문인식 매칭방법에 관한 것이다. 이러한 본 발명은 지문 코어로부터 가까운 순서로 동일 융선 또는 이웃하는 융선 상에 존재하는 특징점들의 집합을 각각의 클러스터로 정의하고, 클러스터별로 삼각형들을 생성하고 각각의 삼각형들을 가지고 지문매칭을 수행하는 것을 특징으로 한다.

Description

강한 상관관계 및 약한 상관관계 그룹핑을 통한 지문인식 매칭방법{STRONG CORRELATED OR WEAKLY CORRELATED GROUPING FINGERPRINT MATCHING METHOD}

본 발명은 지문인식 매칭 방법에 관한 것으로, 특히 동일 융선 또는 이웃하는 융선 상에 존재하는 특징점들을 가지고 클러스터를 생성하고, 클러스터별로 생성되는 삼각형들을 가지고 지문 매칭(또는 정합)을 수행하기 위한 방법에 관한 것이다.

근래에 들어, 인터넷을 통해 패스워드가 도용 및 남용되는 사례가 증가하고 있다. 이와 같이 전자상거래를 통한 개인의 재산상의 불이익을 발생시키는 범죄행위를 방지하기 위해 개인의 식별 및 인증을 생체인식으로 대체하려는 요구가 증가하고 있다.

일반적으로, 생체인식기술(Biometrics)이란 인간의 생리학적 또는 행동상의 특성을 기반으로 개개인만의 독특한 특징을 본인확인을 위한 특정단위로 활용하는 기술을 말한다. 즉, 인간의 생체적 특징을 자동화된 장치를 거쳐 신원확인에 이용하는 기술분야이다. 생체인식기술은 인식되는 사람이 인식 시점에 실제로 존재해야하고 아울러 패스워드를 기억하거나 토큰을 가지고 다녀야 하는 필요성을 없애주기 때문에 기존의 패스워드나 비밀번호를 이용한 신원확인보다는 더 안전하고 편리하다. 생체인식에 활용되는 생체부분은 지문, 망막, 홍채, 안면, 손, 정맥, 목소리, 서명, 몸냄새, DNA 등 다양하나 현재 가장 대중적으로 많이 이용되는 부분은 지문, 음성, 홍채, 안면을 이용하는 생체인식이다.

특히, 지문인식은 많은 어플리케이션에 성공적으로 이용되어온 가장 오래된 기술중에 하나이다. 지문은 땀샘이 융기되어 일정한 흐름을 형성하는 것으로 그 형태가 개인마다 서로 다르고 태어날때의 모습 그대로 평생동안 변하지 않는 고유한 특성 때문에 식별 성능에 대한 신뢰도와 안정도에 있어서 망막(Retina), 홍채(Iris), 혈관(Vein), 안면(Face) 등의 수단보다 높은 것으로 평가되어 효율적인 개인 인증 방법으로 이용되고 있다.

종래의 지문인식 방법은 특징점을 이용하여 비교 평가하는 특징점 기반의 지문인식이 주를 이루고 있다. 여기서, 상기 특징점은 융선의 끝점(즉 융선이 시작하는 점과 끝나는 점) 및 융선의 분기점을 말하며, 이러한 특징점은 지문 매칭을 하기 위한 데이터로 사용된다. 매칭방법 중 융선의 맵과 특징점들의 맵을 통하여 회전 및 이동을 통하여 매칭 점수를 주어 평가하는 방법이 있다. 그러나 이러한 맵에 대한 통계적 매칭 방법은 상대적으로 데이터양이 커서 시간적으로 느리고 부정확한 단점이 있다. 따라서, 특징점만을 이용하여 기하학적인 위치 및 방향 정보를 추출하여 비교함으로써 데이터 양을 줄이고 신속하게 매칭을 수행하는 방법을 사용하고 있다. 그러나 특징점만을 이용한 방법도 여전히 문제를 갖는다.

예를들어, 동일 융선상의 특징점을 이용하는 방법 중에서 두 개의 특징점사이의 거리 및 중심점 산츨 등으로 식별하는 방법이 있으나 융선이 훼손되어 절단된 경우 동일 융선 정보를 잃게 되어 오류 발생이 심하게 되고 특징점들간의 직선의 방향 변화가 심하고 간격이 작을 수록 오차 범위가 커는 단점을 지니고 있다. 따라서 특징점들을 이용한 방법을 사용할 경우 특징점 수가 적은 경우 매칭 성능이 떨어지는 문제점이 지적되고 있다. 특징점이 적은 경우는 입력 지문의 영상 크기가 작거나 특징점의 수가 적은 경우와 지문이 훼손된 경우로, 오류를 발생시키고 적절한 인식율을 보장할수 없는 문제점이 있다.

전술한 바와 같은 문제점을 해결하기 위해 안출된 것으로써, 본 발명의 목적은 강한 상관관계를 갖는 특징점들을 그룹핑하고, 그룹별로 3개의 특징점들로 이루어진 삼각형들을 생성하며, 상기 삼각형들을 가지고 지문매칭을 수행하기 위한 방법을 제공함에 있다.

본 발명의 다른 목적은 동일 융선상에 존재하는 특징점들을 가지고 클러스터를 생성하고, 클러스터별로 3개의 특징점들로 이루어진 삼각형들을 생성하며, 상기 삼각형들을 가지고 지문매칭을 수행하기 위한 방법을 제공함에 있다.

상기 목적들을 달성하기 위한 본 발명에 따르면, 상관관계 그룹핑을 통한 지문인식 매칭방법이, 지문등록시, 각각의 융선에 대해 융선상에 존재하는 특징점의 개수를 검사하는 과정과, 상기 특징점의 개수가 적어도 4개일 경우, 해당 융선 상에 존재하는 특징점들을 가지고 강한 상관관계 클러스터를 생성하는 과정과, 코어중심으로부터 이웃하는 융선들에서 상기 클러스터 생성에 포함되지 않은 4개의 특징점들을 추출하여 강한 상관관계 클러스터를 생성하는 과정과, 상기 클러스터 생성에 포함되지 않은 특징점들중 분기점들을 수집하여 하나의 약한 상관관계 클러스터를 생성하고, 상기 특징점들중 끝점들을 수집하여 다른 하나의 약한 상관관계 클러스터를 생성하는 과정과, 상기 생성된 클러스터들의 정보를 등록지문의 특징데이터로 저장하는 과정과, 지문매칭시, 입력지문으로부터 상기 특징데이터를 추출하는 과정과, 상기 등록지문 및 상기 입력지문의 각각에 대해 클러스터별로 3개의 특징점들을 조합하여 삼각형들을 생성하는 과정과, 상기 등록지문의 삼각형들과 상기 입력지문의 삼각형들을 매칭하여 일치하는 삼각형들을 추출하고, 추출된 삼각형들에 근거해서 유사한 클러스터들을 추출하는 과정과, 상기 등록지문 및 상기 입력지문의 각각에 대해 상기 추출된 삼각형들에서 2개의 조합으로 만들 수 있는 삼각형 쌍들을 클러스터별로 생성하는 과정과, 상기 생성된 등록지문의 삼각형 쌍들과 입력지문의 삼각형 쌍들중 서로 대응되는 삼각형 쌍을 매칭하고, 상기 매칭 결과에 근거하여 유사도(similarity)를 계산하는 과정과, 상기 유사도가 미리 결정된 기준값 이상일시 매칭성공이라고 판단하는 과정을 포함하는 것을 특징으로 한다.

바람직하기로, 상기 클러스터의 정보는, 동일 융선상에 존재하는 특징점들의 좌표, 종류, 방향 및 교각 정보를 포함하는 것을 특징으로 한다.

바람직하기로, 상기 삼각형 추출 과정은, 상기 등록지문 및 입력지문의 각각에 대해 각각의 삼각형의 내각들, 꼭지점들의 방향들, 꼭지점들의 교각들을 획득하는 과정과, 상기 등록지문의 삼각형들과 입력지문의 삼각형들을 비교하여 삼각형의 내각들, 꼭지점들의 방향들, 꼭지점들의 교각들이 소정 오차 범위내에서 일치하는 삼각형들을 추출하는 과정을 포함하는 것을 특징으로 한다.

바람직하기로, 상기 유사도 계산 과정은, 상기 등록지문 및 입력지문의 각각에 대해 삼각형 쌍을 이루는 두 개의 삼각형들의 중심들 사이의 거리 및 상기 중심들과 중심코어를 잇는 두 직선들의 사이각을 계산하는 과정과, 상기 등록지문의 삼각형 쌍들과 입력지문의 삼각형 쌍들을 비교하여 상기 거리 및 상기 사이각이 소정 오차 범위내에서 일치하는지 검사하는 과정과, 상기 소정 오차범위내에서 일치할 경우 매칭스코어를 증가하는 과정과, 상기 매칭스코어에 근거하여 상기 유사도를 계산하는 과정을 포함하는 것을 특징으로 한다.

바람직하기로, 상기 매칭스코어는 비교되는 클러스터의 종류에 따라 서로 다른 비중값으로 증가되는 것을 특징으로 한다.

도 1은 본 발명의 실시 예에 따른 지문인시장치의 블록 구성을 도시하는 도면.

도 2는 일반적인 지문화상을 설명하기 위한 도면.

도 3은 본 발명에 따른 클러스터 생성 방법을 설명하기 위한 도면.

도 4는 본 발명의 실시 예에 따른 클러스터 생성 절차를 도시하는 도면.

도 5는 교각 획득 방법을 설명하기 위한 도면.

도 6은 복수의 클러스터들의 정보로 이루어진 특징데이터를 저장하기 위한 데이터베이스의 구조를 보여주는 도면.

도 7은 본 발명의 실시 예에 따른 지문매칭 절차를 도시하는 도면.

도 8은 하나의 클러스터에 대해 3개의 특징점들로 만들 수 있는 삼각형들을 보여주기 위한 도면.

도 9는 본 발명에 따른 지문매칭을 설명하기 위한 도면.

<도면의 주요 부분에 대한 부호의 설명>

10 : 지문화상입력장치 20 : A/D컨버터

30 : 화상메모리 40 : I/O인터페이스

50 : 콘솔 60 : 외부기억장치

70 : 주제어부 80 : 작업메모리

90 : 프로그램메모리 100 : 출력장치

이하 본 발명의 바람직한 실시 예를 첨부된 도면의 참조와 함께 상세히 설명한다. 본 발명을 설명함에 있어서, 관련된 공지기능 혹은 구성에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴수 있다고 판단된 경우 그 상세한 설명은 생략한다.

이하 본 발명은 강한 상관관계 클러스터와 약한 상관관계 클러스터들을 생성하고, 각 클러스터별로 생성된 삼각형들을 가지고 지문 매칭을 수행하기 위한 기술에 대해 설명할 것이다.

도 1은 본 발명의 실시 예에 따른 지문 인식 장치의 블록 구성을 도시하고 있다.

도시된 바와 같이, 상기 지문인식 시스템은, A/D컨버터(20), 화상메모리(30), I/O인터페이스(40), 콘솔(50), 외부기억장치(60), 주제어부(70), 작업메모리(80), 프로그램메모리(90) 및 출력장치(100)를 포함하여 구성된다. 여기서, 참조부호 10은 상기 지문인식시스템에 결합될 수 있는 이기종 지문입력센서(서로 다른 종류의 지문입력센서들)를 나타낸 것이다.

도 1을 참조하면, 먼저 지문입력센서(10)는 패널 상면에 접촉되는 손가락의 지문을 스캐닝하여 해당 지문화상의 명암에 따른 아날로그 신호를 A/D컨버터(20)로 출력한다. 상기 A/D컨버터(20)는 지문화상입력장치(10)로부터 인가되는 아날로그신호를 디지털신호로 변환하여 화상메모리(30)로 출력한다. 즉, 상기 A/D컨버터(20)는 각각의 픽셀(또는 화소)에 해당하는 아날로그 신호를 소정 비트수의 비트열로 변환하여 출력한다. 상기 화상메모리(30)는 상기 지문입력센서(10)로부터 인가된 지문화상에 대한 디지털데이터를 저장한다. I/O인터페이스(40)는 상기 화상메모리(30)와 콘솔(50), 출력장치(100) 및 주제어부(70)를 정합한다.

상기 콘솔(50)은 복수의 조작키들을 구비하며, 사용자의 조작에 따른 키신호를 주제어부(70)로 출력한다. 상기 외부기억장치(60)는 기 입력된 다수의 지문화상데이터(등록지문의 특징데이터(클러스터들의 정보들))를 저장한다. 주제어부(70)는 콘솔(50)로부터 입력된 키신호에 따른 동작모드를 수행한다. 상기 동작모드가 인증모드일시 상기 주제어부(70)는 사용자가 콘솔(50)을 통해 입력한 식별정보(예 : 아이디, 사원번호, 주민번호 등)에 따른 등록지문화상(특징데이터)을 상기 외부기억장치(60)로부터 독출하고, 상기 독출된 등록지문화상과 현재 상기 지문입력센서(10)로부터 입력된 입력지문화상을 비교하여 그 결과를 출력장치(100)를 통해 출력한다.

작업메모리(80)는 현재 입력된 지문화상과 기 등록 지문화상의 비교 작업 시, 사용하는 메모리이다. 프로그램메모리(90)는 상기 지문인식시스템의 전반적인 동작을 제어하기 위한 프로그램 데이터 및 초기 데이터를 저장한다. 특히, 본 발명에 따른 지문의 특징을 추출 및 매칭(정합)하기 위한 알고리즘이 프로그램 되어있다. 상기 출력장치(100)는 상기 주제어부(70)의 제어하에 상기 지문인식시스템의 전반적인 상태 그리고 입력되는 사용자 입력 정보 등을 표시창(예 : 액정표시창(LCD))에 디스플레이한다. 특히, 본 발명에 따라 입력된 지문화상과 비교대상 지문화상의 비교결과에 따른 메시지나 해당 지문화상을 디스플레이 한다.

전술한 바와 같이 구성되는 지문인식시스템의 동작을 첨부된 도면을 참조하여 상세하게 설명하면 다음과 같다.

도 2는 일반적인 지문화상을 설명하기 위한 도면이다.

도시된 바와 같이, 지문화상은 융선(100), 골(110), 지문 중심인 코어(140) 및 융선(110)위에 존재하는 특징점으로 구분된다. 여기서, 특징점은 앞서 언급한 바와 같이 융선 끝점(120)과 분기점(130)으로 구분된다. 본 발명은 각각의 동일 융선 또는 이웃하는 융선 상에 존재하는 적어도 4개의 특징점들의 집합을 클러스터로정의하고, 클러스터들의 데이터(특징점들의 수량, 특정점들의 좌표, 종류(type), 방향, 교각 등)들을 특징데이터로 저장한다.

도 3은 본 발명에 따른 클러스터 추출 방법을 설명하기 위한 도면이다.

도시된 바와 같이, 모든 특징점을 추출하고 각각의 융선에 대하여 라벨링(300,310)을 수행한다. 이후, 동일 융선 또는 이웃하는 융선 상에 존재하는 적어도 4개의 특징점들의 집합을 클러스터라 정의하고, 각각의 클러스터에 대해 순서번호를 부여한다. 이때 클러스터들은 특징점 수량에 따라 내림차순으로 정렬하여 번호를 부여한다. 만일, 클러스터를 형성하지 못하는 특징점이 존재하면(지문의 특징점이 적은 경우와 훼손에 의한 특징점 수량이 적은 경우 임), 융선 끝점에 해당하는 특징점들을 모아 끝점 클러스터(320)를 형성하고, 융선의 분기점에 해당하는 특징점들을 모아 분기점 크러스터(330)를 형성하게 된다. 이와 같이, 본 발명은 특징점들의 특성을 고려하여 클러스터를 형성한다.

도 4는 본 발명의 실시 예에 따른 클러스터 생성 절차를 도시하고 있다.

우선, 주제어부(70)은 지문입력센서(10)로부터 입력되는 지문이미지를 작업메모리(80)에 저장한다. 여기서, 지문입력센서(10)로부터의 아날로그 지문이미지는 A/D컨버터(20)에서 일정한 포맷의 디지털 지문이미지로 변환되어 화상메모리(30)에 저장되고, 상기 화상메모리(30)에 저장된 디지털 지문이미지는 상기 주제어부(70)의 제어하에 상기 작업메모리(80)로 로딩(loading)된다. 이렇게 작업메모리(80)에 저장된 지문이미지는 다양환 처리들(정규화, 세그먼테이션, 필터링, 이진화, 세션화 등)을 통해 융선이 1픽셀 단위로 표현되는 지문이미지로 변환된다. 이후, 상기주제어부(70)은 융선이 1픽셀 단위로 표현되는 지문이미지로부터 클러스터를 생성하여 저장한다. 이를 상세히 살펴보면 다음과 같다.

도 4를 참조하면, 상기 주제어부(70)은 401단계에서 상기 지문이미지에서 중심 코어(340)을 찾는다. 그리고 상기 주제어부(70)는 403단계에서 중심 코어(340)으로부터 가까운 순서로 각각에 융선에 대해 라벨링을 수행한다. 이후 상기 주제어부(70)는 405단계에서 상기 지문이미지에서 특징점(minutia)을 추출한다. 상기 특징점은 앞서 언급한 바와 같이, 융선이 갈라지는 분기점(bifurcation) 및 융선이 끊어지는 끝점(또는 단점, ending point)이 될 수 있다. 이 과정에서 상기 주제어부(70)은 각 특징점에 대한 좌표(x,y), 종류(type), 방향(θ), 교각을 획득하여 특징점 정보로 저장한다. 상기 교각 획득 방법에 대해서는 이후 도 5의 참조와 함께 상세히 설명할 것이다.

이후, 상기 주제어부(70)는 407단계에서 특정 융선(해당 순서의 융선)에 대해 특징점 리스트를 작성한다. 즉, 상기 융선상에 존재하는 특징점들의 리스트를 상기 융선에 대응하여 저장한다. 이후, 상기 주제어부(70)는 409단계에서 상기 융선의 특징점 리스트를 검색하여 융선상에 존재하는 특징점의 개수가 "4" 보다 크거나 같은지를 검사한다.

만일 "4"보다 크거나 같으면(적어도 4 이상이면), 상기 주제어부(70)는 411단계로 진행하여 융선별 클러스터(또는 강한 상관관계 클러스터)를 작성한후 상기 407단계로 되돌아가 다음순서의 융선에 대한 특징점 리스트를 작성한다. 여기서, 상기 융선별 클러스터는 이후 도 6의 참조와 함께 상세히 설명될 것이다. 한편, 상기 융선상에 존재하는 특징점의 개수가 "4"보다 작으면, 상기 주제어부(70)는 413단계로 진행하여 마직막 융선에 대한 클러스터 작성을 완료했는지 검사한다. 만일, 마지막 융선에 대한 클러스터 작성을 완료하지 않은 경우, 상기 주제어부(70)는 상기 407단계로 되돌아가 다음순서의 융선에 대한 특징점 리스트를 작성한다.

만일 마지막 융선에 대한 클러스터 작성을 완료한 경우, 상기 주제어부(70)는 415단계로 진행하여 클러스터 형성에 포함되지 않은 특징점들중 분기점들을 수집하고, 417단계에서 상기 분기점점들을 가지고 분기점 클러스터(또는 약한 상관관계 클러스터)를 작성한다. 상기 분기점 클러스터는 이후 도 6의 참조와 함께 상세히 설명될 것이다. 상기 분기점 클러스터를 작성한후, 상기 주제어부(70)는 419단계에서 상기 클러스터 형성에 포함되지 않은 특징점들중 끝점들을 수집하고, 421단계에서 상기 수집된 끝점들을 가지고 끝점 클러스터(또는 약한 상관관계 클러스터)를 작성한다. 상기 끝점 클러스터는 이후 도 6의 참조와 함께 상세히 설명될 것이다.

이후, 상기 주제어부(70)는 423단계에서 앞서 생성된 클러스터들(융선 클러스터, 분기점 클러스터, 끝점 클러스터 포함)을 각각 포함되어 있는 특징점의 개수에 따라 정렬한다. 예를들어, 내림차순으로 정렬하여 순서번호를 부여한다. 그리고, 상기 주제어부(70)은 425단계에서 상기 정렬된 클러스터들을 데이터베이스에 저장한후 종료한다. 이와 같이, 데이터베이스에 저장되는 클러스터들의 집합을 특징데이터라 명칭한다.

또한, 코어중심으로부터 이웃하는 융선들로부터 4개의 특징점들을 추출하여하나의 강한 상관관계 클러스터를 생성한다.

도 5는 상기 교각 획득 방법을 설명하기 위한 도면이다.

도 5를 참조하면, 먼저 중심 코어(530)과 분기 특징점(550) 및 끝점 특징점(500) 사이의 직선의 방정식(520)을 구한다. 그리고, 상기 분기 특징점(550) 및 끝점 특징점(500)에서의 융선에 대한 커브 피팅(Curve Fitting)을 통하여 접선의 방정식을 구한다. 이후, 특징점에서의 융선에 대한 기울기(m_1)와 중심코어(530)와 특징점(500,550)이 이루는 직선의 방싱식(520)의 기울기(m_2)를 이용해 교각(Tangential angle, 560)을 산출한다. 융선상에 존재하는 특징점에서의 커브피팅 방정식은 하기 <수학식 1>과 같이 2차 방정식을 이용하여 산출한다.

상기 <수학식 1>에서 계수를 구하기 위한 행렬식은 하기 <수학식 2>와 같다.

그리고, 2차 방정식의 계수는 하기 <수학식 3>과 같이 구한다.

한편, 특징점(500,550)의 접선의 방정식(570)은 하기 <수학식 4>와 같다.

마지막으로, 특징점에 대한 접선의 기울기(m_1)와 중심코어 사이의 직선의 기울기(m_2)를 가지고 하기 <수학식 5>와 같이 교각을 계산한다.

도 6은 복수의 클러스터들의 정보로 이루어진 특징데이터를 저장하기 위한 데이터베이스의 구조를 보여준다.

도시된 바와 같이, 상기 데이터베이스는 크게 클러스터의 수량이 저장되는 제1영역(600)과 클러스터들의 정보들이 순서대로 저장되는 제2영역(610-630)을 포함하여 구성된다. 상기 제2영역은 복수의 클러스터들(융선 클러스터, 분기점 클러스터, 끝점 클러스터)의 정보들를 저장하기 위한 복수의 클러스터 영역들로 구성된다. 각각의 클러스터 영역은 클러스터 번호가 저장되는 영역(611), 특징점 수량이 저장되는 영역(612), 특징점 좌표가 저장되는 영역(613,614), 특징점 종류가 저장되는 영역(615), 특정짐 방향이 저장되는 영역(616), 특징점 교각이 저장되는 영역(517)을 포함하여 구성된다. 여기서, 특징점 좌표, 종류, 방향 및 교각을 저장하는 영역들(613-617)은 특징점 수량에 따라 복수개로 구성된다.

상기와 같이 저장된 데이터베이스(또는 특징데이터)에 근거하여 지문매칭을 수행하는 방법을 설명하면 다음과 같다.

도 7은 본 발명의 실시 예에 따른 지문매칭 절차를 도시하고 있다.

도 7을 참조하면, 먼저 주제어부(70)는 701단계에서 입력지문과 등록지문에 대하여 클러스터 별로 3개의 특징점들의 조합으로 만들 수 있는 삼각형들을 생성하고, 생성된 삼각형들의 정보를 저장한다. 여기서, 특정 클러스터에 포함된 특징점의 개수가 n이라 할때 생성될수 있는 삼각형의 수 m은 하기 <수학식 6>과 같이 산출되고, 또한 이것을 도면으로 도시하면 첨부된 도면 <도 8>과 같다.

이후, 상기 주제어부(70)는 703단계에서 등록지문의 삼각형들과 입력지문의 삼각형들을 비교하여 유사한 클러스터들을 추출한다. 먼저 삼각형의 내각들, 꼭지점들의 방향들 및 교각들이 일치하는 삼각형들을 추출한다. 그리고 클러스터내에 존재하는 전체 삼각형들중 소정 비율이상 일치할 경우 유사한 클러스터로 결정한다. 그리고 상기 주제어부(70)은 705단계로 진행하여 상기 추출된 등록지문의 삼각형들에서 2개의 조합으로 만들 수 있는 삼각형 쌍들을 클러스터별로 생성하고, 707단계로 진행하여 상기 추출된 입력지문의 삼각형들에서 2개의 조합으로 만들 수 있는 삼각형 쌍들을 클러스터별로 생성한다.

이후, 상기 주제어부(70)은 709단계에서 서로 대응하는 입력지문의 삼각형쌍과 등록지문의 삼각형 쌍을 매칭한다. 즉, 도 9에 도시된 바와 같이, 입력지문의 두 개의 삼각형의 중심들을 연결하는 제1거리(720)을 계산하고, 상기 중심들과 코어중심(740)을 연결하는 두 직선들의 사이각(제1사이각, 730)을 계산한다. 마찬가지로, 등록지문의 두 개의 삼각형의 중심들을 연결하는 제2거리(750)을 계산하고, 상기 중심들과 코어중심(790)을 연결하는 두 직선들의 사이각(제2사이각, 780)을 계산한다. 이후, 상기 제1거리와 제2거리 및 상기 제1사이각과 제2사이각이 모두 오차범위내에서 일치하는지 검사한다. 만일, 상기 오차 범위내에서 일치할 경우, 상기 주제어부(70)은 매칭스코어를 증가한다. 여기서, 상기 증가분은 클러스터의 종류에 따라 다른 값을 갖는다. 즉, 약한 상관관계 클러스터보다 강한 상관관계 클러스터에 더 큰 비중을 두게 된다.

이후, 상기 주제어부(70)은 711단계에서 상기 매칭스코어에 근거하여 상기 입력지문과 등록지문 사이의 유사도(similarity, 일종의 점수)를 소정 방식에 의해 계산한다. 그리고 상기 주제어부(70)은 713단계에서 상기 계산된 유사도가 미리 결정된 기준값보다 큰지를 검사한다. 만일, 유사도가 상기 기준값보다 큰 경우, 상기 주제어부(70)은 715단계로 진행하여 매칭성공메세지를 표시창에 디스플레이한후 종료한다. 반면, 상기 유사도가 상기 기준값보가 작거나 같을 경우, 상기 주제어부(70)은 717단계로 진행하여 매칭 실패 메세지를 디스플레이한 종료한다. 이후, 상기 주제어부(70)은 예를들어 매칭결과를 호스트(Host)로 전달하여 사용자의 시스템 접근을 허여 혹은 거부시킨다.

한편 본 발명의 상세한 설명에서는 구체적인 실시 예에 관해 설명하였으나,본 발명의 범위에서 벗어나지 않는 한도 내에서 여러 가지 변형이 가능함은 물론이다. 그러므로 본 발명의 범위는 설명된 실시예에 국한되어 정 해져서는 아니 되며 후술하는 특허청구의 범위뿐만 아니라 이 특허청구의 범위와 균등한 것들에 의해 정해져야 한다.

상술한 바와 같이, 본 발명에 따른 지문인식 매칭 방법은 상호관련이 있는 특징점을 그룹핑 처리하고 지문 매칭시 강한 상관관계와 약한 상관관계 클러스터를 비교할 때 매칭 스코어에 대한 비중 값을 상이하게 줌으로써 오류를 줄일 수 있다. 타인인 경우 특징점들이 각기 다른 클러스터를 형성하여 클러스터링대 클러스터링을 비교하면 강한 상관관계를 갖는 클러스터 보다 약한 상관관계 클러스터가 매칭에 관여 함으로써 상대적으로 매칭 에러를 줄이는 데 효과적이다. 동일인의 경우에도 클러스터를 상호 비교할 때 강한 상관관계 클러스터가 매칭에 주로 관여함으로써 본인 판단의 정확도를 효과적으로 높일 수 있으며 또한 본 발명에 따른 매칭방법은 특징점간의 회전과 이동 등의 수단을 이용하지 않고 적은 수량의 특징점으로 개인의 지문을 식별할 수 있다. 또한 지문의 훼손(상처, 갈라짐, 마모 등)으로 인한 특징점 수량 증가로 매칭 경우의 수가 증가하여 매칭 오류 발생이 커지는 지문을 클러스터링 방법으로 오인률을 떨어뜨려 지문식별의 정확도를 증가시키는 장점을 갖는다.

Claims

상관관계 그룹핑을 통한 지문인식 매칭방법에 있어서,

지문등록시, 각각의 융선에 대해 융선상에 존재하는 특징점의 개수를 검사하는 과정과,

상기 특징점의 개수가 적어도 4개일 경우, 해당 융선상에 존재하는 특징점들을 가지고 강한 상관관계 클러스터를 생성하는 과정과,

코어중심으로부터 이웃하는 융선들에서 상기 클러스터 생성에 포함되지 않은 4개의 특징점들을 추출하여 강한 상관관계 클러스터를 생성하는 과정과,

상기 클러스터 생성에 포함되지 않은 특징점들중 분기점들을 수집하여 하나의 약한 상관관계 클러스터를 생성하고, 상기 특징점들중 끝점들을 수집하여 다른 하나의 약한 상관관계 클러스터를 생성하는 과정과,

상기 생성된 클러스터들의 정보를 등록지문의 특징데이터로 저장하는 과정과,

지문매칭시, 입력지문으로부터 상기 특징데이터를 추출하는 과정과,

상기 등록지문 및 상기 입력지문의 각각에 대해 클러스터별로 3개의 특징점들을 조합하여 삼각형들을 생성하는 과정과,

상기 등록지문의 삼각형들과 상기 입력지문의 삼각형들을 매칭하여 일치하는 삼각형들을 추출하고, 추출된 삼각형들에 근거해서 유사한 클러스터들을 추출하는 과정과,

상기 등록지문 및 상기 입력지문의 각각에 대해 상기 추출된 삼각형들에서 2개의 조합으로 만들 수 있는 삼각형 쌍들을 클러스터별로 생성하는 과정과,

상기 생성된 등록지문의 삼각형 쌍들과 입력지문의 삼각형 쌍들중 서로 대응되는 삼각형 쌍을 매칭하고, 상기 매칭 결과에 근거하여 유사도(similarity)를 계산하는 과정과,

상기 유사도가 미리 결정된 기준값 이상일시 매칭성공이라고 판단하는 과정을 포함하는 것을 특징으로 하는 방법.
제1항에 있어서,

상기 클러스터의 정보는, 특징점들의 좌표, 종류, 방향 및 교각 정보를 포함하는 것을 특징으로 하는 방법.
제2항에 있어서,

상기 교각은 해당 특징점에 대한 접선의 기울기 m_1과 상기 특징점과 중심코어를 잇는 직선의 기울기 m_2를 가지고 하기 <수학식 7>과 같이 산출되는 것을 특징으로 하는 방법.
제1항에 있어서, 상기 삼각형 추출 과정은,

상기 등록지문 및 입력지문의 각각에 대해 각각의 삼각형의 내각들, 꼭지점들의 방향들, 꼭지점들의 교각들을 획득하는 과정과,

상기 등록지문의 삼각형들과 입력지문의 삼각형들을 비교하여 삼각형의 내각들, 꼭지점들의 방향들, 꼭지점들의 교각들이 소정 오차 범위내에서 일치하는 삼각형들을 추출하는 과정을 포함하는 것을 특징으로 하는 방법.
제1항에 있어서, 상기 유사도 계산 과정은,

상기 등록지문 및 입력지문의 각각에 대해 삼각형 쌍을 이루는 두 개의 삼각형들의 중심들 사이의 거리 및 상기 중심들과 중심코어를 잇는 두 직선들의 사이각을 계산하는 과정과,

상기 등록지문의 삼각형 쌍들과 입력지문의 삼각형 쌍들을 비교하여 상기 거리 및 상기 사이각이 소정 오차 범위내에서 일치하는지 검사하는 과정과,

상기 소정 오차범위내에서 일치할 경우 매칭스코어를 증가하는 과정과,

상기 매칭스코어에 근거하여 상기 유사도를 계산하는 과정을 포함하는 것을 특징으로 하는 방법.
제5항에 있어서,

상기 매칭스코어는 비교되는 클러스터의 종류에 따라 서로 다른 비중값으로 증가되는 것을 특징으로 하는 방법.