KR20140138991A - 생체 특징에 기반한 인증 방법, 장치 및 시스템 - Google Patents

생체 특징에 기반한 인증 방법, 장치 및 시스템 Download PDF

Info

Publication number
KR20140138991A
KR20140138991A KR1020147029180A KR20147029180A KR20140138991A KR 20140138991 A KR20140138991 A KR 20140138991A KR 1020147029180 A KR1020147029180 A KR 1020147029180A KR 20147029180 A KR20147029180 A KR 20147029180A KR 20140138991 A KR20140138991 A KR 20140138991A
Authority
KR
South Korea
Prior art keywords
biometric
client
authenticated
template
user
Prior art date
Application number
KR1020147029180A
Other languages
English (en)
Other versions
KR101629224B1 (ko
Inventor
제 허우
펑페이 슝
하이룽 류
보 천
Original Assignee
텐센트 테크놀로지(센젠) 컴퍼니 리미티드
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 텐센트 테크놀로지(센젠) 컴퍼니 리미티드 filed Critical 텐센트 테크놀로지(센젠) 컴퍼니 리미티드
Publication of KR20140138991A publication Critical patent/KR20140138991A/ko
Application granted granted Critical
Publication of KR101629224B1 publication Critical patent/KR101629224B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/30—Authentication, i.e. establishing the identity or authorisation of security principals
    • G06F21/31—User authentication
    • G06F21/32—User authentication using biometric data, e.g. fingerprints, iris scans or voiceprints
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L9/00—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols
    • H04L9/32—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols including means for verifying the identity or authority of a user of the system or for message authentication, e.g. authorization, entity authentication, data integrity or data verification, non-repudiation, key authentication or verification of credentials
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/94—Hardware or software architectures specially adapted for image or video understanding
    • G06V10/95—Hardware or software architectures specially adapted for image or video understanding structured as a network, e.g. client-server architectures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/50—Maintenance of biometric data or enrolment thereof
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L63/00—Network architectures or network communication protocols for network security
    • H04L63/08—Network architectures or network communication protocols for network security for authentication of entities
    • H04L63/0861—Network architectures or network communication protocols for network security for authentication of entities using biometrical features, e.g. fingerprint, retina-scan
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/10—Protocols in which an application is distributed across nodes in the network
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L9/00—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols
    • H04L9/32—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols including means for verifying the identity or authority of a user of the system or for message authentication, e.g. authorization, entity authentication, data integrity or data verification, non-repudiation, key authentication or verification of credentials
    • H04L9/3226—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols including means for verifying the identity or authority of a user of the system or for message authentication, e.g. authorization, entity authentication, data integrity or data verification, non-repudiation, key authentication or verification of credentials using a predetermined code, e.g. password, passphrase or PIN
    • H04L9/3231—Biological data, e.g. fingerprint, voice or retina
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W12/00—Security arrangements; Authentication; Protecting privacy or anonymity
    • H04W12/06—Authentication
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L63/00—Network architectures or network communication protocols for network security
    • H04L63/08—Network architectures or network communication protocols for network security for authentication of entities
    • H04L63/0876—Network architectures or network communication protocols for network security for authentication of entities based on the identity of the terminal or configuration, e.g. MAC address, hardware or software configuration or device fingerprint
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L69/00—Network arrangements, protocols or services independent of the application payload and not provided for in the other groups of this subclass
    • H04L69/04—Protocols for data compression, e.g. ROHC

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Security & Cryptography (AREA)
  • Signal Processing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Software Systems (AREA)
  • Multimedia (AREA)
  • Computing Systems (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Human Computer Interaction (AREA)
  • Collating Specific Patterns (AREA)

Abstract

생체 기반 인증 방법, 장치 및 시스템이 기술된다. 이 방법은, 클라이언트로부터 인증할 생체 이미지를 수신하는 단계; 상기 인증할 생체 이미지에 대해 특징 추출을 수행하여 인증할 생체 템플릿을 획득하는 단계; 및 상기 인증할 생체 템플릿을 로컬에 저장된 생체 템플릿과 비교하고 인증 결과를 리턴하는 단계를 포함한다. 이 경우에 있어서, 특징 추출 처리는 클라우드 서버 측에서 실행되고, 이로써 클라이언트의 복잡성이 감소되고 클라이언트의 확장성이 향상되며, 생체 인식이 오직 클라이언트 상에서 실행된다는 제한이 제거되어 다양한 활용이 지원된다.

Description

생체 특징에 기반한 인증 방법, 장치 및 시스템{AUTHENTICATION METHOD, DEVICE AND SYSTEM BASED ON BIOLOGICAL CHARACTERISTICS}
본 개시는 컴퓨터 분야에 관한 것으로 보다 상세하게는 생체 기반 인증 방법, 장치 및 시스템에 관한 것이다.
생체 인식 기술은 인간의 생물학적 특징이나 행동 특징을 이용하여 개인 아이덴티티를 식별하는 수단으로 정의될 수 있다. 현재와 같은 정보 시대에서, 어떻게 사람의 아이덴티티를 정확하게 식별하고 정보를 안전하게 보호할 것인가는 관심을 기울여야할 중대한 사회적 이슈로 되고 있다. 종래 아이덴티티 인증은 쉽게 위조되고 분실되며 그래서 사회적 요구에 부응하는 것이 더욱더 어려워지고 있다. 현재, 가장 안전하고 편리한 해결책은 생체 인식 기술이며, 이것은 간단하고 빠르다. 또, 생체 인식 기술을 이용한 아이덴티티 인증은 매우 안전하고 믿을 만하며 정확하다.
현재, 생체 인식 기술은 주로 사람 얼굴 인식, 지문 인식 및 홍채 인식 등을 포함한다. 얼굴 인식을 예로 들면, 현재 얼굴 인식에 기반한 다양한 인증 서비스가 있다. 예컨대, 어떤 회사의 얼굴 출석 검증 장치와 같이, 사람 얼굴을 수집하고 로컬로 비교하는 출석 확인 장치와 같은 하드웨어에 기반한 출석 확인 서비스가 있다. 다른 예로서, 노트북의 얼굴 검증 부팅 및 몇몇 스마트폰의 얼굴 검증 해제와 같이, 컴퓨터와 모바일 단말기에 기반한 로그인 서비스가 있다.
본 개시의 예들이 생체 기반 인증 방법, 장치 및 시스템을 제공한다. 본 개시의 예들의 기술적 해결수단은 이하에서 기술된다.
생체 기반 인증 방법은, 클라이언트로부터 인증할 생체 이미지를 수신하는 단계; 상기 인증할 생체 이미지에 대해 특징 추출을 수행하여 인증할 생체 템플릿을 획득하는 단계; 및 상기 인증할 생체 템플릿을 로컬에 저장된 생체 템플릿과 비교하고 인증 결과를 리턴하는 단계를 포함한다.
본 개시의 일례에 따르면, 상기 인증할 생체 이미지에 대해 특징 추출을 수행하여 인증할 생체 템플릿을 획득하는 단계는, 상기 인증할 생체 이미지에 대해 조명-정규화 처리를 수행하는 단계; 상기 조명-정규화 처리가 이루어진 상기 인증할 생체 이미지에 대해 특징 추출을 수행하는 단계; 추출된 특징에 대해 차원-감축 연산을 수행하는 단계; 및 상기 차원-감축 연산의 결과를 하나씩 연결하여 상기 인증할 생체 템플릿을 획득하는 단계를 포함한다.
본 개시의 일례에 따르면, 상기 클라이언트로부터 인증할 생체 이미지를 수신하는 단계 이전에, 상기 방법은, 상기 클라이언트로부터 전송된 등록할 생체 이미지, 클라이언트 아이덴티티(ID) 및 제1 사용자 ID를 수신하는 단계; 상기 등록할 생체 이미지에 대해 특징 추출을 수행하여 생체 템플릿을 획득하는 단계; 상기 생체 템플릿, 상기 클라이언트 ID 및 상기 제1 사용자 ID와 연관된 관계를 저장하여 사용자의 등록을 완료하는 단계; 및 등록 결과를 리턴하는 단계를 더 포함한다.
본 개시의 일례에 따르면, 이 방법은, 상기 클라이언트로부터 전송된 상기 인증할 생체 이미지를 수신하는 때에, 상기 클라이언트로부터 전송된 클라이언트 ID를 수신하는 단계를 더 포함하고, 상기 인증할 생체 템플릿을 로컬에 저장된 생체 템플릿과 비교하고 인증 결과를 리턴하는 단계는, 상기 클라이언트 ID에 따라 상기 클라이언트 ID와 연관된 로컬에 저장된 생체 템플릿의 컬렉션을 탐색하는 단계; 상기 인증할 생체 템플릿과 상기 컬렉션 내의 각 생체 템플릿 사이의 유사도를 연산하는 단계; 상기 인증할 생체 템플릿과 상기 컬렉션 내의 생체 템플릿 간의 유사도가 미리 정해진 인식 임계치보다 큰 경우, 상기 컬렉션 내의 생체 템플릿과 연관된 사용자 ID를 인식 결과 컬렉션에 부가하는 단계; 상기 유사도의 내림 순으로 상기 인식 결과 컬렉션 내의 사용자 ID를 정렬하는 단계; 및 상기 인식 결과 컬렉션을 상기 클라이언트에 리턴하는 단계를 포함한다.
본 개시의 일례에 따르면, 이 방법은, 상기 클라이언트로부터 전송된 상기 인증할 생체 이미지를 수신한 때, 상기 클라이언트로부터 전송된 상기 클라이언트 ID와 제2 사용자 ID를 수신하는 단계를 더 포함하고, 상기 인증할 생체 템플릿을 로컬에 저장된 생체 템플릿과 비교하고 인증 결과를 리턴하는 단계는, 상기 클라이언트 ID 및 상기 제2 사용자 ID에 따라 상기 클라이언트 ID 및 상기 제2 사용자 ID와 연관된 생체 템플릿을 탐색하는 단계; 상기 인증할 생체 템플릿과 상기 클라이언트 ID 및 상기 제2 사용자 ID와 연관된 생체 템플릿 간의 유사도를 연산하는 단계; 및 상기 연산된 유사도가 미리 정해진 검증 임계치보다 큰 경우, 사용자의 검증이 통과된 것으로 결정하고 상기 클라이언트에 검증 결과를 리턴하는 단계를 포함한다.
생체 기반 인증 방법은, 사용자 이미지를 수집하는 단계; 상기 사용자 이미지에 대해 생체-위치결정 처리를 수행하여 인증할 생체 이미지를 획득하는 단계; 클라우드 서버가 상기 인증할 생체 이미지에 대해 특징 추출을 수행하여 인증할 생체 템플릿을 획득하고 상기 인증할 생체 템플릿을 상기 클라우드 서버에 저장된 생체 템플릿과 비교하도록, 상기 인증할 생체 이미지를 클라우드 서버에 전송하는 단계; 및 상기 클라우드 서버로부터 리턴된 인증 결과를 수신하는 단계를 포함한다.
본 개시의 일례에 따르면, 상기 사용자 이미지에 대해 생체-위치결정 처리를 수행하여 인증할 생체 이미지를 획득하는 단계는, 상기 사용자 이미지 내에 미리 정해진 생체부가 포함되어 있는 것을 검출한 때, 상기 생체의 위치를 결정하고 표시하는 단계; 상기 생체부의 중요점 위치를 선택하는 단계; 상기 중요점 위치의 좌표를 획득하는 단계; 및 상기 획득한 중요점 위치의 좌표에 기초하여, 상기 중요점 위치에 대해 자세 교정을 수행하여 상기 인증할 생체 이미지를 획득하는 단계를 포함한다.
클라우드 서버는, 클라이언트로부터 전송된 인증할 생체 이미지를 수신하는 액세스 모듈; 상기 인증할 생체 이미지에 대해 특징 추출을 수행하여 인증할 생체 템플릿을 획득하고, 상기 인증할 생체 템플릿을 데이터 모듈에 저장된 생체 템플릿과 비교하여 인증 결과를 리턴하는 인증 모듈; 및 상기 생체 템플릿을 저장하는 상기 데이터 모듈을 포함한다.
본 개시의 일례에 따르면, 상기 인증 모듈은, 상기 인증할 생체 이미지에 대해 조명-정규화 처리를 수행하는 조명 처리 유닛; 상기 조명-정규화 처리가 된 상기 인증할 생체 이미지에 대해 특징 추출을 수행하고, 추출된 특징에 대해 차원-감축 연산을 수행하며, 상기 차원-감축 연산의 결과를 하나씩 연결하여 상기 인증할 생체 템플릿을 획득하는 특징 추출 유닛; 및 상기 인증할 생체 템플릿을 상기 데이터 모듈에 저장된 생체 템플릿과 비교하고 인증 결과를 리턴하는 인증 유닛을 포함한다.
본 개시의 일례에 따르면, 상기 액세스 모듈은 추가로, 상기 클라이언트로부터 전송된 상기 인증할 생체 이미지를 수신하기 전에, 상기 클라이언트로부터 전송된 등록할 생체 이미지, 클라이언트 아이덴티티(ID) 및 제1 사용자 ID를 수신하고, 상기 클라우드 서버는 상기 등록할 생체 이미지에 대해 특징 추출을 수행하여 생체 템플릿을 획득하고 상기 생체 템플릿, 상기 클라이언트 ID 및 상기 제1 사용자 ID와 연관된 관계를 상기 데이터 모듈로 전송하여 사용자의 등록을 완료하고 등록 결과를 리턴하는 세션 모듈을 더 포함하고, 상기 데이터 모듈은 추가로 상기 생체 템플릿, 상기 클라이언트 ID 및 상기 제1 사용자 ID와 연관된 관계를 저장한다.
본 개시의 일례에 따르면, 상기 액세스 모듈은 추가로, 상기 클라이언트로부터 전송된 인증할 생체 이미지를 수신한 때 상기 클라이언트로부터 전송된 상기 클라이언트 ID를 수신하고, 상기 인증 모듈은, 상기 인증할 생체 이미지에 대해 특징 추출을 수행하여 인증할 생체 템플릿을 획득하는 템플릿 획득 유닛; 상기 클라이언트 ID에 따라, 상기 데이터 모듈에 저장되고 상기 클라이언트 ID와 연관된 생체 템플릿의 컬렉션을 탐색하는 컬렉션 획득 유닛; 상기 인증할 생체 템플릿과 상기 컬렉션 내의 각 생체 템플릿 간의 유사도를 연산하고, 상기 인증할 생체 템플릿과 상기 컬렉션 내의 생체 템플릿 간의 유사도가 미리 정해진 인식 임계치보다 큰 경우, 상기 컬렉션 내의 생체 템플릿과 연관된 사용자 ID를 인식 결과 컬렉션에 추가하는 인식 유닛; 및 유사도의 내림 순으로 상기 인식 결과 컬렉션 내의 사용자 ID를 정렬하고 상기 액세스 모듈을 통해 상기 클라이언트에게 상기 인식 결과 컬렉션을 리턴하는 인식 결과 전송 유닛을 포함한다.
본 개시의 일례에 따르면, 상기 액세스 모듈은 추가로, 상기 클라이언트로부터 전송된 상기 인증할 생체 이미지를 수신한 때, 상기 클라이언트로부터 전송된 제2 사용자 ID와 상기 클라이언트 ID를 수신하고, 상기 인증 모듈은, 상기 인증할 생체 이미지에 대해 특징 추출을 수행하여 상기 인증할 생체 템플릿을 획득하는 템플릿 획득 유닛; 상기 클라이언트 ID와 상기 제2 사용자 ID에 따라, 상기 클라이언트 ID와 상기 제2 사용자 ID와 연관된 생체 템플릿을 탐색하는 탐색 유닛; 상기 인증할 생체 템플릿과 상기 클라이언트 ID 및 상기 제2 사용자 ID와 연관된 생체 템플릿 간의 유사도를 연산하고, 상기 연산된 유사도가 미리 정해진 검증 임계치보다 큰 경우, 사용자의 검증이 통과된 것으로 결정하는 검증 유닛; 및 상기 액세스 모듈을 통해 상기 클라이언트에게 검증 결과를 리턴하는 검증 결과 전송 유닛을 포함한다.
클라이언트는, 사용자 이미지를 수집하고 상기 사용자 이미지에 대해 생체-위치결정 처리를 수행하여 인증할 생체 이미지를 획득하는 수집 모듈; 상기 인증할 생체 이미지를 클라우드 서버에 전송하여, 상기 클라우드 서버가 상기 인증할 생체 이미지에 대해 특징 추출을 수행하여 인증할 생체 템플릿을 획득하고, 상기 인증할 생체 템플릿을 상기 클라우드 서버에 저장된 생체 템플릿과 비교하도록 하는 전송 모듈; 및 상기 클라우드 서버로부터 리턴되는 인증 결과를 수신하는 수신 모듈을 포함한다.
본 개시의 일례에 따르면, 상기 수집 모듈은, 상기 사용자 이미지를 수집하는 수집 유닛; 상기 사용자 이미지 내에 미리 정해진 생체부가 포함되어 있는 것을 검출한 때, 상기 생체부의 위치를 결정하는 검출 유닛; 상기 생체부의 중요점 위치를 선택하고 상기 중요점 위치의 좌표를 획득하는 중요점 위치결정 유닛; 및 상기 획득한 중요점 위치의 좌표에 기초하여, 상기 중요점 위치에 대해 자세 교정을 수행하여 상기 인증할 생체 이미지를 획득하는 위치-자세 정규화 유닛을 포함한다.
생체 기반 인증 시스템은 상술한 클라우드 서버와 상술한 클라이언트를 포함한다.
본 개시의 예들에 의해 제공된 기술적 해결수단의 장점들은 이하에서 적어도 보여진다. 클라이언트는 생체 이미지를 획득하고 그 생체 이미지를 클라우드 서버에 보낸다. 클라우드 서버는 생체 이미지에 대해 특징 추출을 행하고 사용자 또는 클라이언트에 대해 생체 기반 인증을 수행한다. 이 경우, 특징 추출 프로세스는 클라우드 서버 측에서 수행되고 그만큼 클라이언트의 복잡성은 감소하며, 클라이언트의 확장성은 증가하여, 생체 인식이 클라이언트 상에서만 구현되는 한계가 제거되고 다양한 분야에서의 활용이 지원된다.
이하, 본 개시의 예들을 기술하기 위해 사용되는 첨부 도면이 본 개시의 기술적 해결수단을 더 명확히 하기 위해 간단히 소개된다. 명백한 것은, 이하의 도면은 본 개시의 일부 실시예에 불과한 것이라는 것이다. 이들 도면에 따라, 통상의 기술자가 특별한 창작 노력 없이 다른 도면을 얻을 수 있다.
도 1은, 본 개시의 일례에 따른 생체 기반 인증 방법을 도시한 흐름도이다.
도 2는 본 개시의 일례에 따른 생체 기반 등록 및 인증 서비스를 구현하기 위한 네트워크 아키텍처를 도시한 개략적인 다이어그램이다.
도 3은 본 개시의 일례에 따른 생체 기반 등록을 구현하기 위한 네트워크 아키텍처를 도시한 개략적인 다이어그램이다.
도 4는 본 개시의 일례에 따른 생체 기반 등록을 도시한 흐름도이다.
도 5는 본 개시의 일례에 따른 생체 기반 검증 방법을 도시한 흐름도이다.
도 6은 본 개시의 일례에 따른 생체 기반 검증을 구현하기 위한 네트워크 아키텍처를 도시한 개략적인 다이어그램이다.
도 7은 본 개시의 일례에 따른 생체 기반 검증 방법을 도시한 흐름도이다.
도 8은 본 개시의 일례에 따른 생체 기반 인식 방법을 도시한 흐름도이다.
도 9는 본 개시의 일례에 따른 생체 기반 인식을 구현하기 위한 네트워크 아키텍처를 도시한 개략적인 다이어그램이다.
도 10은 본 개시의 일례에 따른 생체 기반 인식 방법을 도시한 흐름도이다.
도 11은 본 개시의 일례에 따른 클라우드 서버의 구조를 도시한 개략적인 다이어그램이다.
도 12는 본 개시의 일례에 따른 클라우드 서버에서의 인증 모듈의 구조를 도시한 개략적인 다이어그램이다.
도 13은 본 개시의 일례에 따른 클라우드 서버의 제2의 구조를 도시한 개략적인 다이어그램이다.
도 14는 본 개시의 일례에 따른 클라우드 서버에서의 인증 모듈의 제2의 구조를 도시한 개략적인 다이어그램이다.
도 15는 본 개시의 일례에 따른 클라우드 서버에서의 인증 모듈의 제3의 구조를 도시한 개략적인 다이어그램이다.
도 16은 본 개시의 일례에 따른 클라이언트의 구조를 도시한 개략적인 다이어그램이다.
도 17은 본 개시의 일례에 따른 클라이언트에서의 수집 모듈의 구조를 도시한 개략적인 다이어그램이다.
도 18은 본 개시의 일례에 따른 클라이언트의 하드웨어 구조를 도시한 개략적인 다이어그램이다.
이하, 첨부된 도면과 예시적인 예들을 참조하여 보다 상세하게 본 개시를 기술한다.
종래, 생체 인식 기술은 모두 클라이언트 상에 구현되었다. 종래 생체 인식 기술을 이용하는 것은 제한적이어서 다수-클라이언트 확장을 지원하지 않았고, 기능의 다양성이 부족하였다. 또, 클라이언트 상에서 수행되는 인증은 상대적으로 클라이언트의 복잡한 인증 로직을 낳게 되었다.
본 개시의 일례에 따르면, 클라이언트는, 한정되는 것은 아니지만, 휴대폰, 태블릿 개인 컴퓨터(PC), 랩톱 PC, PC, 차량 탑재 전자 시스템, PDA 등을 포함한다. 클라이언트는 인터넷에 연결될 수 있는 임의의 주변 기기일 수 있고, 본 개시의 예에서 특히 한정되지 않는다.
도 1에 도시된 바와 같이, 본 개시의 일례는 이하의 동작을 포함하는 생체 기반 인증 방법을 제공한다.
블록 101에서, 클라이언트는 사용자 이미지를 수집하고 인증할 생체 이미지를 획득하기 위해 사용자에게 생체-위치결정 처리를 수행한다.
블록 102에서, 클라이언트는 인증할 생체 이미지를 클라우드 서버에 전송한다.
블록 103에서, 클라우드 서버는 인증할 생체 이미지에 대해 특징 추출을 수행하여 인증할 생체 템플릿을 획득하고 인증할 생체 템플릿을 클라우드 서버에 미리 저장되어 있는 생체 템플릿과 비교한다.
블록 104에서, 클라우드 서버는 인증 결과를 클라이언트에 돌려준다.
본 개시의 예들은 생체 기반 인증 방법을 제공하는데, 이 방법에서 클라이언트는 생체 이미지를 획득하고 그 생체 이미지를 클라우드 서버에 보내고; 클라우드 서버는 생체 이미지에 대해 특징 추출을 수행하여 생체 템플릿을 획득하여 사용자 또는 클라이언트에 대한 생체 기반 인증을 수행한다. 이 경우, 특징 추출 프로세스는 클라우드 서버 측에서 구현되는데, 그만큼 클라이언트의 복잡도가 감소하고, 클라이언트의 확장성이 증가하며, 생체 인식이 오직 클라이언트에서만 실행된다고 하는 제한이 제거되어 다양화된 활용이 지원된다.
본 개시의 예들에 의해 제공된 방법은 사용자의 생체 기반 등록 및 인증 서비스를 구현할 수도 있다. 이 경우, 인증 서비스는 검증 서비스 및 인식 서비스를 포함할 수 있다. 또한, 본 개시의 일례는 상술한 기능을 달성하기 위해 도 2에 도시된 아키텍처를 제공할 수도 있다.
도 2에 도시된 바와 같이, 액세스 서버, 세션 서버, 검증 서버, 인식 서버 및 데이터 서버가 클라우드 서버를 구형할 수 있다. 그들 중에서,
액세스 서버는, HTTP(Hypertext transfer protocol) 또는 TCP(transmission control protocol)와 같은 인터넷 기반 프로토콜을 통해 클라이언트 또는 클라우드 서버 내에 포함된 다른 서버와 데이터를 교환하고;
세션 서버는 사용자의 생체 기반 등록 서비스를 구현하며;
검증 서버는 사용자의 생체 기반 검증 서비스를 구현하고;
인식 서버는 사용자의 생체 기반 인식 서비스를 구현하고;
데이터 서버는 사용자 아이덴티티(사용자 ID), 클라이언트 ID, 정당한 생체 템플릿, 및 상기 사용자 ID, 상기 클라이언트 ID 그리고 상기 정당한 생체 템플릿과 연관된 관계를 저장한다.
본 개시의 일례에 따르면, 생체 기반 등록 방법이 제공된다. 사용자가 클라이언트를 통해 생체 기반 인증을 수행하기 전에, 생체 기반 등록이 수행되고, 이를 통해 사용자 ID, 클라이언트 ID 및 정당한 생체 템플릿이 클라우드 서버 측에서 서로 연관되어 진다.
본 개시의 예들은 도 3에서 도시된 아키텍처에 기초하여 등록을 실행하도록 구형된다. 도 3은 본 개시의 일례에 따라 생체 기반 등록을 구현하기 위한 네트워크 아키텍처를 도시한 개략적인 다이어그램이다. 도 3에 도시된 바와 같이, 네트워크 아키텍처는 클라이언트, 액세스 서버, 세션 서버 및 데이터 서버를 포함한다.
본 개시의 예 및 후술하는 예들은 생체 인식 기술로서 얼굴 인식을 채택한 것으로 도시된다. 그러나 본 개시의 예들은 얼굴 인식에 한정되지 않는다. 예컨대 홍채 인식과 지문 인식과 같은 다른 생체 기반 인식 기술이 본 개시의 예들에 적용될 수 있다.
도 4에 도시된 바와 같이, 본 개시의 일례는 생체 기반 등록 방법을 제공하고 이것은 다음 동작을 포함한다.
블록 201에서, 클라이언트는 사용자 이미지를 수집한다.
이 경우에 있어서, 클라이언트는 사용자 이미지를 수집한다. 구체적으로, 클라이언트는 사용자 이미지를 로컬 사진 또는 비디오로부터 수집하거나 또는 모바일 폰의 카메라와 같은 다른 수집 장치를 통해 사용자 이미지를 수집한다.
블록 202에서, 클라이언트는 사용자 이미지에서 사람 얼굴을 검출하고 그 얼굴의 위치를 결정하고 표시한다.
구체적으로, 사용자 이미지 내에서 사람 얼굴이 있는 경우, 그 얼굴의 위치가 결정되고 표시된다.
블록 202에서의 동작은 하 특징(Haar feature) 더하기 아다부스트(adaboost) 얼굴 검출 알고리즘에 의해 구현될 수 있다. 하(Haar) 특징은 중심 특징 및 대각 특징뿐 아니라 에지 특징, 선형 특징을 포함하는 3개의 카테고리로 분류된다. 아다부스트(adaboost) 얼굴 검출 알고리즘은 하(Haar) 특징 선택 및 특징 연산을 포함한다. 이들 중에서, 특징 연산은 적분 이미지법(integral image method)에 의해 구현될 수 있다. 적분 이미지법에 따르면, 3개 카테고리의 하 특징이 결합하여 특징 템플릿을 형성하는데, 여기에 백색 사각(white rectangle)과 흑색 사각(black rectrangle)이 있고, 그 백색 사각의 화소 합으로부터 흑색 사각의 화소 합을 빼는 것에 의해 그 템플릿의 특징값이 획득된다.
적분 이미지의 주요 개념에 따라, 시작점으로부터 이미지 내의 각 지점으로 형성되는, 이미지 내의 각 사각 영역의 픽셀의 합이 행렬의 요소로서 메모리에 저장된다. 한 영역의 픽셀 합이 연산 될 때, 그 영역의 픽셀 합을 재연산하지 않고 그 행렬의 요소가 직접 사용되고, 이로써 연산은 빨라진다. 여러 크기의 같은 영역이 있으면, 적분 이미지는 같은 시간을 이용하여 그 영역의 상이한 특징을 연산하고 그만큼 검출 속도는 크게 향상된다.
아다부스트 알고리즘은 알려진 얼굴 검출 방법이므로 여기서 다시 설명하지 않는다.
사람 얼굴의 위치가 좌우 기울기 -30도~30도의 작은 움직임 자세 하에서 보다 정확한 위치결정이 획득된다.
블록 203에서, 클라이언트는 사람 얼굴 상에서 중요점 위치를 선택하고 그 중요점 위치의 좌표를 획득한다.
본 개시의 일례에 따르면, 사람 얼굴 상의 눈과 입이 중요점 위치로서 선택된다. 그 경우, 사람 얼굴 상의 중요점 위치를 선택하는 동작과 중요점 위치의 좌표를 획득하는 동작은:
획득된 얼굴 영역 상에서 눈과 입의 위치를 결정하고 표시하는 단계;
이미지 프로젝션을 통해 후보 눈 영역 및 후보 입 영역을 획득하는 단계;
하 특징(Haar feature) 더하기 아다부스트 알고리즘(adaboost algrorithm)을 이용하여 후보 눈 영역 상에서 눈의 중앙의 정확한 좌표를 획득하는 단계; 및
가보 특징(gabor feature) 더하기 아다부스트 알고리즘을 이용하여 후보 입 영역 상에서 입의 코너의 정확한 좌표를 획득하는 단계
를 포함한다.
이 경우에 있어서, 가버 특징의 추출은 종래의 얼굴 인식 방법이므로 여기서 설명은 생략한다.
블록 204에서, 클라이언트는 얼굴 이미지를 획득하기 위해 중요점 위치에 대해 위치-자세 정규화 처리(position-posture normalization processing)을 수행한다.
이 경우에 있어서, 얼굴 이미지를 획득하기 위해 중요점 위치에 대해 위치-자세 정규화 처리를 수행하는 과정은:
눈과 입의 획득된 위치, 즉 눈의 중앙의 정확한 좌표 및 입의 코너의 정확한 좌표에 기초하여, 잘라내기(clipping), 확대하기(zooming), 자세 교정하기(posture correcting) 등을 포함하는 정규화 과정을 통해 원 사용자 이미지를 표준 사람 얼굴 템플릿으로 변환하여, 눈과 입이 표준 얼굴 템플릿 상에서 표준 위치에 있도록 하여 표준 얼굴 이미지가 획득되도록 하는 단계
를 포함한다.
블록 205에서, 클라이언트는 얼굴 이미지를 압축하고 압축된 얼굴 이미지는 네트워크를 통해 클라우드 서버로 전송한다.
이 경우에 있어서, 압축된 얼굴 이미지가 클라우드 서버로 전송된 때, 사용자 ID 및 클라이언트 ID도 클라우드 서버로 전송된다.
블록 206에서, 클라우드 서버는 압축된 얼굴 이미지를 압축해제한다.
블록 207에서, 압축해제된 얼굴 이미지에 대해 조명-정규화 처리(illumination-normalization processing)이 수행된다.
이 경우에 있어서, 얼굴 인식의 정확도는 사람 얼굴에 가해지는 빛의 상이한 강도와 방향으로 인해 떨어진다. 그래서 획득된 얼굴 이미지는 조명-정규화 처리를 통해 동일한 조명 조건에 있게 되고, 이로써 얼굴 인식의 정확도가 향상된다.
블록 208에서, 클라우드 서버는 얼굴-특징 템플릿을 획득하기 위해 특징 추출을 수행한다.
본 개시의 일례에 따르면, 클라우드 서버에 의해 특징 추출을 수행하고 얼굴-특징 템플릿을 획득하는 과정은:
조명-정규화의 처리가 된 얼굴 이미지에 대해, 가버 로컬 특징(gabor local features), LBP(local binary patterns) 및 HOG(histrograms of oriented gradients)를 포함하는 글로벌 파티셔닝 특징 추출(global partitioning feature extraction)을 수행하는 단계;
추출된 특징에 대해 LDA(Linear discriminant analysis) 모델을 이용하여 차원-감축(dimension-reducing) 연산을 수행하는 단계; 및
차원-감축 연산의 결과를 하나씩 연결하여 얼굴 특징 템플릿을 획득하는 단계
를 포함한다.
이 경우에 있어서, LDA는 수집-확률(collection-probability) 모델이고 이산 데이터 컬렉션을 처리하여 차원을 감소시킨다.
블록 209에서, 사람 얼굴 특징에 기초한 등록이 실행된다.
본 개시의 일례에 따르면, 블록 209에서의 동작은:
사용자의 등록을 완료시키기 위해 클라우드 서버가 사용자 ID, 클라이언트 ID 및 정당한 얼굴 특징 템플릿과 연관된 관계를 생성하여 저장하는 단계
를 포함한다. 여기서 사용자 ID, 클라이언트 ID 및 정당한 얼굴 특징 템플릿과 연관된 관계는 클라우드 서버의 템플릿 데이터베이스에 저장된다.
블록 210에서, 등록 결과가 클라이언트에 리턴된다.
본 개시의 예들은 생체 기반 등록 방법을 제공하는데, 이 방법에서 사용자 또는 클라이언트는 등록을 위해 생체 이미지를 클라우드 서버로 전송하고, 사용자 ID, 클라이언트 ID 및 생체 이미지와 연관된 관계가 클라우드 서버에 저장된다. 그래서 생체 인증은 인터넷 기반으로 수행되고 이로써 클라이언트의 복잡도가 감소하고 클라이언트의 확장성이 증가하며 생체 인식이 오직 클라이언트 상에서 수행된다는 제한이 제거되어 다양한 활용이 지원된다.
본 개시의 예들은 생체 기반 검증 방법을 제공한다. 도 5는 본 개시의 일례에 따른 생체 기반 검증 방법을 도시한 흐름도이다. 도 5에 도시된 바와 같이, 사용자의 검증할 얼굴 특징 템플릿이 특징 추출에 의해 획득되고 사용자 ID 및 클라이언트 ID에 대응하는 템플릿이 클라우드 서버 내의 템플릿 데이터베이스로부터 선택되며 검증할 얼굴 특징 템플릿과 비교된다. 그래서, 사용자 및 클라이언트의 생체 기반 검증이 실행되고 사용자에게 클라이언트를 사용하도록 허가할지 여부가 결정된다.
본 개시의 일례는 생체 기반 검증을 구현하기 위해 도 6에 도시된 아키텍처를 제공한다. 도 6은 본 개시의 일례에 따른 생체 기반 검증을 구현하기 위한 네트워크 아키텍처를 도시한 개략적인 다이어그램이다. 도 6에 도시된 바와 같이, 이 네트워크 아키텍처는 클라이언트, 액세스 서버, 검증 서버 및 데이터 서버를 포함한다. 본 개시의 예들은 생체 인식 기술로서 얼굴 인식을 채용하는 것으로 도시되어 있다.
도 7에 도시된 바와 같이, 본 개시의 일례는 생체 기반 검증 방법을 제공하고, 이 방법은 다음 동작을 포함한다.
블록 301에서, 클라이언트는 사용자 이미지를 수집한다.
이 경우에 있어서, 클라이언트는 사용자 이미지를 수집한다. 구체적으로, 클라이언트는 사용자 이미지를 로컬 사진 또는 비디오로부터 수집하거나 또는 모바일 폰의 카메라와 같은 다른 수집 장치를 통해 사용자 이미지를 수집한다.
블록 302에서, 클라이언트는 사용자 이미지에서 사람 얼굴을 검출하고 그 얼굴의 위치를 결정하고 표시한다.
구체적으로, 사용자 이미지 내에서 사람 얼굴이 있는 경우, 그 얼굴의 위치가 결정되고 표시된다.
블록 302에서의 동작은 하 특징(Haar feature) 더하기 아다부스트(adaboost) 얼굴 검출 알고리즘에 의해 구현될 수 있다. 블록 302의 동작의 구현은 상술한 생체 기반 등록 방법에서의 블록 202에서의 동작과 동일하므로 여기서 반복하여 설명하지 않는다.
사람 얼굴의 위치가 좌우 기울기 -30도~30도의 작은 움직임 자세 하에서 보다 정확한 위치결정이 획득된다.
블록 303에서, 클라이언트는 사람 얼굴 상에서 중요점 위치를 선택하고 그 중요점 위치의 좌표를 획득한다.
본 개시의 일례에 따르면, 사람 얼굴 상의 눈과 입이 중요점 위치로서 선택된다. 그 경우, 사람 얼굴 상의 중요점 위치를 선택하는 동작과 중요점 위치의 좌표를 획득하는 동작은:
획득된 얼굴 영역 상에서 눈과 입의 위치를 결정하고 표시하는 단계;
이미지 프로젝션을 통해 후보 눈 영역 및 후보 입 영역을 획득하는 단계;
하 특징(Haar feature) 더하기 아다부스트 알고리즘(adaboost algrorithm)을 이용하여 후보 눈 영역 상에서 눈의 중앙의 정확한 좌표를 획득하는 단계; 및
가보 특징(gabor feature) 더하기 아다부스트 알고리즘을 이용하여 후보 입 영역 상에서 입의 코너의 정확한 좌표를 획득하는 단계
를 포함한다.
이 경우에 있어서, 가버 특징의 추출은 종래의 얼굴 인식 방법이므로 여기서 설명은 생략한다.
블록 304에서, 클라이언트는 검증할 얼굴 이미지를 획득하기 위해 중요점 위치에 대해 위치-자세 정규화 처리(position-posture normalization processing)을 수행한다.
이 경우에 있어서, 검증할 얼굴 이미지를 획득하기 위해 중요점 위치에 대해 위치-자세 정규화 처리를 수행하는 과정은:
눈과 입의 획득된 위치, 즉 눈의 중앙의 정확한 좌표 및 입의 코너의 정확한 좌표에 기초하여, 잘라내기(clipping), 확대하기(zooming), 자세 교정하기(posture correcting) 등을 포함하는 정규화 과정을 통해 원 사용자 이미지를 표준 사람 얼굴 템플릿으로 변환하여, 눈과 입이 표준 얼굴 템플릿 상에서 표준 위치에 있도록 하여 표준 얼굴 이미지가 획득되도록 하는 단계
를 포함한다.
블록 305에서, 클라이언트는 검증할 얼굴 이미지를 압축하고 검증할 압축된 얼굴 이미지는 네트워크를 통해 클라우드 서버로 전송한다.
이 경우에 있어서, 검증할 압축된 얼굴 이미지가 클라우드 서버로 전송된 때, 사용자 ID 및 클라이언트 ID도 클라우드 서버로 전송된다.
블록 306에서, 클라우드 서버는 검증할 압축된 얼굴 이미지를 압축해제한다.
블록 307에서, 검증할 압축해제된 얼굴 이미지에 대해 조명-정규화 처리(illumination-normalization processing)이 수행된다.
이 경우에 있어서, 얼굴 인식의 정확도는 사람 얼굴에 가해지는 빛의 상이한 강도와 방향으로 인해 떨어진다. 그래서 획득된 얼굴 이미지는 조명-정규화 처리를 통해 동일한 조명 조건에 있게 되고, 이로써 얼굴 인식의 정확도가 향상된다.
블록 308에서, 클라우드 서버는 검증할 얼굴-특징 템플릿을 획득하기 위해 특징 추출을 수행한다.
본 개시의 일례에 따르면, 클라우드 서버에 의해 특징 추출을 수행하여 검증할 얼굴-특징 템플릿을 획득하는 과정은:
조명-정규화의 처리가 된 검증할 얼굴 이미지에 대해, 가버 로컬 특징(gabor local features), LBP(local binary patterns) 및 HOG(histrograms of oriented gradients)를 포함하는 글로벌 파티셔닝 특징 추출(global partitioning feature extraction)을 수행하는 단계;
추출된 특징에 대해 LDA(Linear discriminant analysis) 모델을 이용하여 차원-감축(dimension-reducing) 연산을 수행하는 단계; 및
차원-감축 연산의 결과를 하나씩 연결하여 검증할 얼굴 특징 템플릿을 획득하는 단계
를 포함한다.
이 경우에 있어서, LDA는 수집-확률(collection-probability) 모델이고 이산 데이터 컬렉션을 처리하여 차원을 감소시킨다.
블록 309에서, 검증할 얼굴 특징 템플릿은 로컬로 저장된 얼굴 특징 템플릿과 비교되고 검증 결과가 리턴된다.
이 경우에 있어서, 검증할 얼굴 특징 템플릿을 로컬로 저장된 얼굴 특징 템플릿과 비교하고 검증 결과를 리턴하는 과정은 다음 처리를 포함한다.
처리 309-1에서, 사용자 ID 및 클라이언트 ID와 연관된 얼굴 특징 템플릿이 템플릿 데이터베이스로부터 획득된다.
처리 309-2에서, 검증할 얼굴 특징 템플릿과 사용자 ID 및 클라이언트 ID와 연관된 얼굴 특징 템플릿 간의 유사도가 연산된다.
본 개시의 일례에 따르면, 이 유사도의 연산은 코사인 거리 및 KNN(k-nearest neighbor) 알고리즘을 채용하며 여기서 상세한 설명은 생략한다.
처리 309-3에서, 연산된 유사도가 미리 정해진 검증 임계치보다 큰지 여부가 판정된다. 연산된 유사도가 미리 정해진 검증 임계치보다 크다는 판정에 응답하여, 검증이 통과된다. 연산된 유사도가 미리 정해진 검증 임계치보다 크지 않다는 판정에 응답하여 검증이 통과되지 않는다.
블록 310에서, 검증 결과가 클라이언트에 리턴된다.
본 개시의 일례에 따른, 생체 기반 검증 방법이 이하에서 개시된다. 사용자 A가 예컨대 텐센트 QQ와 같은 인스턴트 메시징(IM) 애플리케이션에 모바일 폰 A(즉, 클라이언트)에서 로그인하고 로그인 패스워드가 사용자 A의 얼굴이라고 가정한다. 사용자 A를 검증하는 프로세스는 다음과 같다. 사용자 A가 모바일 폰 A에서 사용자 A에 의해 등록된 QQ 번호 A(즉, 사용자 ID)를 입력한다. 한편, 사용자 A는 사용자 A의 얼굴을 모바일 폰으로 수집하여 QQ 번호 A와 사용자 A의 얼굴과 모바일 폰의 ID(즉, 클라이언트 ID)를 검증을 위해 클라우드 서버로 전송한다. 클라우드 서버에서의 검증이 통과되면, 사용자 A는 성공적으로 모바일 폰 A에서 QQ 번호 A에 로그인한다.
본 개시의 예들은, 클라이언트가 생체 이미지를 획득하고 그 생체 이미지를 클라우드 서버로 전송하며; 클라우드 서버가 그 생체 이미지에 대해 특징 추출을 수행하여 생체 템플릿을 획득하고 사용자 또는 클라이언트에 대해 생체 기반 검증을 수행하는 생체 기반 검증 방법을 제공한다. 이 경우에 있어서, 특징 추출은 클라우드 서버 측에서 수행된다. 그래서 클라이언트의 복잡성이 감소하고 클라이언트의 확장성은 증가하며, 생체 인식이 오직 클라이언트 상에서만 구현되는 제한이 제거되어 다양한 활용이 지원된다.
본 개시의 일례들은 생체 기반 인식 방법을 제공한다. 도 8은 본 개시의 일례에 따른 생체 기반 인식 방법을 도시한 흐름도이다. 도 8에 도시된 바와 같이, 인식할 사용자의 얼굴 특징 템플릿이 특징 추출에 의해 획득되고, 클라이언트 ID와 연관된 템플릿이 클라우드 서버 내의 템플릿 데이터베이스로부터 선택되어 인식할 얼굴 특징 템플릿과 비교된다. 사용자 및 클라이언트의 생체 기반 인식이 구현되고, 인식할 얼굴 특징 템플릿에 대응하는 사용자 ID가 획득된다.
본 개시의 일례는 생체 기반 인식을 구현하기 위해 도 9에 도시된 아키텍처를 제공한다. 도 9는 본 개시의 일례에 따른 생체 기반 인식을 구현하기 위한 네트워크 아키텍처를 도시한 개략적인 다이어그램이다. 도 9에 도시된 바와 같이, 네트워크 아키텍처는 클라이언트, 액세스 서버, 인식 서버 및 데이터 서버를 포함한다. 본 개시의 예들은 생체 인식 기술로서 얼굴 인식을 채용하여 개시되어 있다.
도 10에 도시된 바와 같이, 본 개시의 일례는 다음 동작을 포함하는 생체 기반 인식 방법을 제공한다.
블록 401에서, 클라이언트는 사용자 이미지를 수집한다.
이 경우에 있어서, 클라이언트는 사용자 이미지를 수집한다. 구체적으로, 클라이언트는 사용자 이미지를 로컬 사진 또는 비디오로부터 수집하거나 또는 모바일 폰의 카메라와 같은 다른 수집 장치를 통해 사용자 이미지를 수집한다.
블록 402에서, 클라이언트는 사용자 이미지에서 사람 얼굴을 검출하고 그 얼굴의 위치를 결정하고 표시한다.
구체적으로, 사용자 이미지 내에서 사람 얼굴이 있는 경우, 그 얼굴의 위치가 결정되고 표시된다.
블록 402에서의 동작은 하 특징(Haar feature) 더하기 아다부스트(adaboost) 얼굴 검출 알고리즘에 의해 구현될 수 있다. 블록 402의 동작의 구현은 상술한 생체 기반 등록 방법에서의 블록 202에서의 동작과 동일하므로 여기서 반복하여 설명하지 않는다.
사람 얼굴의 위치가 좌우 기울기 -30도~30도의 작은 움직임 자세 하에서 보다 정확한 위치결정이 획득된다.
블록 403에서, 클라이언트는 사람 얼굴 상에서 중요점 위치를 선택하고 그 중요점 위치의 좌표를 획득한다.
본 개시의 일례에 따르면, 사람 얼굴 상의 눈과 입이 중요점 위치로서 선택된다. 그 경우, 사람 얼굴 상의 중요점 위치를 선택하는 동작과 중요점 위치의 좌표를 획득하는 동작은:
획득된 얼굴 영역 상에서 눈과 입의 위치를 결정하고 표시하는 단계;
이미지 프로젝션을 통해 후보 눈 영역 및 후보 입 영역을 획득하는 단계;
하 특징(Haar feature) 더하기 아다부스트 알고리즘(adaboost algrorithm)을 이용하여 후보 눈 영역 상에서 눈의 중앙의 정확한 좌표를 획득하는 단계; 및
가보 특징(gabor feature) 더하기 아다부스트 알고리즘을 이용하여 후보 입 영역 상에서 입의 코너의 정확한 좌표를 획득하는 단계
를 포함한다.
이 경우에 있어서, 가버 특징의 추출은 종래의 얼굴 인식 방법이므로 여기서 설명은 생략한다.
블록 404에서, 클라이언트는 인식할 얼굴 이미지를 획득하기 위해 중요점 위치에 대해 위치-자세 정규화 처리(position-posture normalization processing)을 수행한다.
이 경우에 있어서, 인식할 얼굴 이미지를 획득하기 위해 중요점 위치에 대해 위치-자세 정규화 처리를 수행하는 과정은:
눈과 입의 획득된 위치, 즉 눈의 중앙의 정확한 좌표 및 입의 코너의 정확한 좌표에 기초하여, 잘라내기(clipping), 확대하기(zooming), 자세 교정하기(posture correcting) 등을 포함하는 정규화 과정을 통해 원 사용자 이미지를 표준 사람 얼굴 템플릿으로 변환하여, 눈과 입이 표준 얼굴 템플릿 상에서 표준 위치에 있도록 하여 표준 얼굴 이미지가 획득되도록 하는 단계
를 포함한다.
블록 405에서, 클라이언트는 인식할 얼굴 이미지를 압축하고 인식할 압축된 얼굴 이미지는 네트워크를 통해 클라우드 서버로 전송한다.
이 경우에 있어서, 인식할 압축된 얼굴 이미지가 클라우드 서버로 전송된 때, 클라이언트 ID도 클라우드 서버로 전송된다.
블록 406에서, 클라우드 서버는 인식할 압축된 얼굴 이미지를 압축해제한다.
블록 407에서, 인식할 압축해제된 얼굴 이미지에 대해 조명-정규화 처리(illumination-normalization processing)이 수행된다.
이 경우에 있어서, 얼굴 인식의 정확도는 사람 얼굴에 가해지는 빛의 상이한 강도와 방향으로 인해 떨어진다. 그래서 획득된 얼굴 이미지는 조명-정규화 처리를 통해 동일한 조명 조건에 있게 되고, 이로써 얼굴 인식의 정확도가 향상된다.
블록 408에서, 클라우드 서버는 인식할 얼굴-특징 템플릿을 획득하기 위해 특징 추출을 수행한다.
본 개시의 일례에 따르면, 클라우드 서버에 의해 특징 추출을 수행하여 인식할 얼굴-특징 템플릿을 획득하는 과정은:
조명-정규화의 처리가 된 인식할 얼굴 이미지에 대해, 가버 로컬 특징(gabor local features), LBP(local binary patterns) 및 HOG(histrograms of oriented gradients)를 포함하는 글로벌 파티셔닝 특징 추출(global partitioning feature extraction)을 수행하는 단계;
추출된 특징에 대해 LDA(Linear discriminant analysis) 모델을 이용하여 차원-감축(dimension-reducing) 연산을 수행하는 단계; 및
차원-감축 연산의 결과를 하나씩 연결하여 인식할 얼굴 특징 템플릿을 획득하는 단계
를 포함한다.
이 경우에 있어서, LDA는 수집-확률(collection-probability) 모델이고 이산 데이터 컬렉션을 처리하여 차원을 감소시킨다.
블록 409에서, 인식할 얼굴 특징 템플릿은 로컬로 저장된 얼굴 특징 템플릿과 비교되고 인식 결과가 리턴된다.
이 경우에 있어서, 인식할 얼굴 특징 템플릿을 로컬로 저장된 얼굴 특징 템플릿과 비교하고 인식 결과를 리턴하는 과정은 다음 처리를 포함한다.
처리 409-1에서, 클라이언트 ID와 연관된 얼굴 특징 템플릿의 컬렉션이 템플릿 데이터베이스로부터 획득된다.
이 경우, 그 컬렉션은 클라이언트 ID와 연관된 하나 이상의 얼굴 특징 템플릿을 포함한다.
처리 409-2에서, 인식할 얼굴 특징 템플릿과 컬렉션 내에 포함된 각 얼굴 인식 템플릿 간의 유사도가 연산된다.
본 개시의 일례에 따르면, 이 유사도의 연산은 코사인 거리 및 KNN(k-nearest neighbor) 알고리즘을 채용하며 여기서 상세한 설명은 생략한다.
처리 409-3에서, 각각의 연산된 유사도가 미리 정해진 인식 임계치보다 큰지 여부가 판정된다. 연산된 유사도가 미리 정해진 인식 임계치보다 크다는 판정에 응답하여, 처리 409-4가 수행된다. 연산된 유사도가 미리 정해진 검증 임계치보다 크지 않다는 판정에 응답하여 인식이 통과되지 않는다.
처리 409-4에서, 유사도가 미리 정해진 인식 임계치보다 큰 얼굴 특징 템플릿과 연관된 사용자 ID가 인식 결과 컬렉션에 추가된다.
처리 409-5에서, 인식 결과 컬렉션 내의 사용자 ID는 유사도의 내림 순에 따라 정렬된다.
블록 410에서, 인식 결과가 클라이언트에 리턴된다.
본 개시의 일례에 따르면, 인식 결과는 인식이 통과되지 않았다는 것을 의미하도록 정의되거나 정렬된 인식 결과 컬렉션일 수 있다.
본 개시의 일례에 따른, 생체 기반 인식 방법이 이하에서 개시된다. 사용자 A가 예컨대 텐센트 QQ와 같은 인스턴트 메시징(IM) 애플리케이션에 모바일 폰 A(즉, 클라이언트)에서 로그인하고 로그인 패스워드가 사용자 A의 얼굴이라고 가정한다. 사용자 A는 3개의 QQ 번호를 모바일 폰 A에서 등록하였는데, 이 3개의 QQ 번호를 QQ 번호 A, QQ 번호 B, QQ 번호 C라고 각각 칭한다. 사용자 A를 인식하는 프로세스는 다음과 같다. 사용자 A가 모바일 폰 A에서 QQ에 로그인하기를 원하는 경우, 사용자 A는 사용자 A의 얼굴을 모바일 폰 A를 이용하여 수집하고 사용자 A의 얼굴과 모바일 폰 A의 ID(즉, 클라이언트 ID)를 인식을 위해 클라우드 서버로 전송한다. 클라우드 서버에서의 인식이 통과되면, QQ 번호 A, B 및 C가 모바일 폰 A에 리턴된다. 사용자 A가 이들 QQ 번호들 중 어느 하나를 선택하여 검증 과정을 수행하지 않고 QQ에 바로 로그인한다. 다시 말해, 인식이 통과되면, 대응하는 검증도 통과된다.
본 개시의 예들은, 클라이언트가 생체 이미지를 획득하고 그 생체 이미지를 클라우드 서버로 전송하며; 클라우드 서버가 그 생체 이미지에 대해 특징 추출을 수행하여 생체 템플릿을 획득하고 사용자 또는 클라이언트에 대해 생체 기반 인식을 수행하고 대응하는 사용자 ID를 리턴하는 생체 기반 인식 방법을 제공한다. 이 경우에 있어서, 특징 추출은 클라우드 서버 측에서 수행된다. 그래서 클라이언트의 복잡성이 감소하고 클라이언트의 확장성은 증가하며, 생체 인식이 오직 클라이언트 상에서만 구현되는 제한이 제거되어 다양한 활용이 지원된다.
도 11에 도시된 바와 같이, 본 개시의 일례에 따르면, 클라우드 서버(5)가 제공된다. 클라우드 서버(5)는:
클라이언트로부터 전송된, 인증할 생체 이미지를 수신하는 액세스 모듈(51);
액세스 모듈(51)로부터 수신한 인증할 생체 이미지에 대해 특징 추출을 수행하여 인증할 생체 템플릿을 획득하고, 인증할 생체 템플릿을 데이터 모듈(53)에 미리 저장되어 있던 생체 템플릿과 비교하고 인증 결과를 리턴하는 인증 모듈(52); 및
생체 템플릿을 저장하는 데이터 모듈(53)
을 포함한다.
상술한 클라우드 서버(5)에서, 액세스 모듈(51)은 본 개시의 예들에 의해 제공된 액세스 서버에 의해 구현될 수 있고, 인증 모듈(52)은 본 개시의 예들에 의해 제공된 검증 서버 또는 인식 서버에 의해 구현될 수 있으며, 데이터 모듈(53)은 본 개시의 예들에 의해 제공된 데이터 서버에 의해 구현될 수 있다.
도 12에 도시된 바와 같이, 본 개시의 일례에 따르면, 인증 모듈(52)은:
인증할 생체 이미지에 대해 조명-정규화 처리를 수행하는 조명 처리 유닛(521);
조명-정규화 처리가 된 인증할 생체 이미지에 대해 특징 추출을 수행하고, 추출된 특징에 대해 차원-감축 연산을 수행하며, 차원-감축 연산의 결과를 하나씩 링크하여 인증할 생체 템플릿을 획득하는 특징 추출 유닛(522); 및
특징 추출 유닛(522)에 의해 획득된 인증할 생체 템플릿을 데이터 모듈(53)에 미리 저장된 생체 템플릿과 비교하여 인증 결과를 리턴하는 인증 유닛(523)
을 포함한다.
본 개시의 일례에 따르면, 클라이언트로부터 전송된 인증할 생체 이미지를 수신하기 전에, 액세스 모듈(51)은 클라이언트로부터 송신되는 생체 이미지, 클라이언트 ID, 및 사용자 ID를 또한 수신한다. 따라서, 도 13에 도시된 바와 같이, 클라우드 서버(5)는:
액세스 모듈(51)에 의해 수신된 생체 이미지에 대해 특징 추출을 수행하여 생체 템플릿을 획득하고, 액세스 모듈(51)에 의해 수신된 생체 템플릿, 클라이언트 ID 및 사용자 ID와 연관된 관계를 데이터 모듈(53)로 보내서 사용자의 등록을 완료하고 등록 결과를 리턴하는 세션 모듈(54)을 더 포함한다.
따라서, 데이터 모듈(53)은 또한 세션 모듈(54)에 의해 송신된 생체 템플릿, 클라이언트 ID 및 사용자 ID와 연관된 관계를 저장한다.
이 경우에 있어서, 상술한 클라우드 서버(5) 내의 세션 모듈(54)은 본 개시의 예들에 의해 제공된 세션 서버에 의해 구현될 수 있다.
본 개시의 일례에 따르면, 클라이언트로부터 전송된 인증할 생체 이미지를 수신한 때, 액세스 모듈(51)은 또한 클라이언트로부터 전송된 클라이언트 ID를 수신한다. 이에 따라, 도 14에 도시된 바와 같이, 인증 모듈(52)은 추가로:
액세스 모듈(51)에 의해 수신된 인증할 생체 이미지에 대해 특징 추출을 수행하여 인증할 생체 템플릿을 획득하는 제1 템플릿 획득 유닛(524);
액세스 모듈(51)에 의해 수신된 클라이언트 ID에 따라 데이터 모듈(53)에 저장된 생체 템플릿으로부터 탐색하여 클라이언트 ID에 연관된 생체 템플릿의 컬렉션을 획득하는 컬렉션 획득 유닛(525);
제1 템플릿 획득 유닛(524)에 의해 획득된 인증할 생체 템플릿과 컬렉션 획득 유닛(525)에 의해 획득된 컬렉션 내에 포함된 각 생체 템플릿 간의 유사도를 연산하고, 인증할 생체 템플릿과 컬렉션 내에 포함된 생체 템플릿 간의 유사도가 미리 정해진 인식 임계치보다 큰 경우, 컬렉션 내에 포함된 생체 템플릿과 연관된 상용자 ID를 인식 결과 컬렉션에 더하고, 그렇지 않으면 인식이 통과되지 않은 것으로 결정하는 인식 유닛(526); 및
유사도의 내림 순으로 인식 결과 컬렉션에 사용자 ID를 정렬하고 인식 결과 컬렉션을 액세스 모듈(51)을 통해 클라이언트에 리턴하는 인식 결과 전송 유닛(527)
을 포함한다.
본 개시의 일례에 따르면, 인식 결과는 인식이 통과되지 않았다는 것을 의미하는 것으로 정의되거나 또는 정렬된 인식 결과 컬렉션일 수 있다.
이 경우에 있어서, 도 14에 도시된 인증 모듈(52)은 본 개시의 예들에 의해 제공된 인식 서버에 의해 구현될 수 있다.
본 개시의 일례에 따르면, 클라이언트로부터 송신된 인증할 생체 이미지를 수신한 때 액세스 모듈(51)은 추가로 클라이언트로부터 송신된 클라이언트 ID와 사용자 ID를 수신한다. 따라서, 도 15에 도시된 바와 같이, 인증 모듈(52)은 추가로:
액세스 모듈(51)에 의해 수신되는 인증할 생체 이미지에 대해 특징 추출을 수행하여 인증할 생체 템플릿을 획득하는 제2 템플릿 획득 유닛(528);
액세스 모듈(51)에 의해 수신되는 클라이언트 ID와 사용자 ID에 따라 그 클라이언트 ID와 사용자 ID와 연관된 생체 템플릿을 탐색하는 탐색 유닛(529);
제2 템플릿 획득 유닛(528)에 의해 획득된 인증할 생체 템플릿과, 탐색 유닛(529)에 의해 획득되고 액세스 모듈(51)에 의해 수신된 클라이언트 ID와 사용자 ID와 연관된 생체 템플릿 간의 유사도를 연산하고, 연산된 유사도가 미리 정해진 검증 임계치보다 큰 경우에 사용자의 검증이 통과된 것으로 결정하고 그렇지 않으면 사용자의 검증이 통과되지 않은 것으로 결정하는 검증 유닛(5210); 및
검증 결과를 액세스 모듈(51)을 통해 클라이언트에 리턴하는 검증 결과 전송 유닛(5211)
을 포함한다.
이 경우, 도 15에 도시된 인증 모듈(52)은 본 개시의 예들에 의해 제공된 검증 서버에 의해 구현될 수 있다.
본 개시의 예들에 있어서의 모듈들 및/또는 유닛들은 소프트웨어(예컨대 컴퓨터에 의해 판독 가능한 매체에 저장되고 프로세서에 의해 실행될 수 있는 컴퓨터에 의해 판독 가능한 명령어들), 하드웨어(예컨대, ASIC 프로세서), 또는 이들의 조합일 수 있다. 본 개시의 예들에 있어서의 모듈들 및/또는 유닛들은 중앙 집중식 또는 분산형 구성으로 전개될 수 있다.
본 개시의 예들은, 클라이언트로부터 생체 이미지를 획득하고, 생체 이미지에 대해 특징 추출을 수행하여 생체 템플릿을 획득하며, 사용자 또는 클라이언트에 대해 생체 기반 인증을 수행하는 클라우드 서버를 제공한다. 이 경우에 있어서, 특징 추출 프로세스는 클라우드 서버 측에서 실행될 수 있으며 이로써 클라이언트의 복잡성이 감소하고 클라이언트의 확장성이 증가하고, 생체 인식이 오직 클라이언트 상에서 실행된다고 하는 제한이 제거되어 다양한 활용이 지원된다.
도 16에 도시된 바와 같이, 본 개시의 일례에 따르면, 클라이언트(6)가 제공된다. 클라이언트(6)는:
사용자 이미지를 수집하고 사용자 이미지에 대해 생체-위치결정 처리를 수행하여 인증할 생체 이미지를 획득하는 수집 모듈(61);
수집 모듈(61)에 의해 획득된 인증할 생체 이미지를 클라우드 서버에 전송하여, 클라우드 서버가 인증할 생체 이미지에 대해 특징 추출을 수행하여 인증할 생체 템플릿을 획득하고 인증할 생체 템플릿을 클라우드 서버 내에 미리 저장된 생체 템플릿과 비교할 수 있도록 하는 전송 모듈(62); 및
클라우드 서버로부터 리턴된 인증 결과를 수신하는 수신 모듈(63)
을 포함한다.
본 개시의 일례에 따르면, 도 17에 도시된 바와 같이, 상술한 수집 모듈(61)은:
사용자 이미지를 수집하는 수집 유닛(611);
사용자 이미지 내에 포함된 미리 정해진 생체부를 검출하면, 그 생체부의 위치를 결정하여 표시하는 검출 유닛(612);
생체부의 중요점 위치를 선택하고 그 중요점 위치의 좌표를 획득하는 중요점 위치결정 유닛(613); 및
중요점 위치결정 유닛(613)에 의해 획득된 중요점 위치의 좌표에 기초하여 중요점 위치에 대한 자세 교정을 수행하여 인증할 생체 이미지를 획득하는 위치-자세 정규화 유닛(614)
을 포함한다.
본 개시의 예들에 있어서의 모듈들 및/또는 유닛들은 소프트웨어(예컨대 컴퓨터에 의해 판독 가능한 매체에 저장되고 프로세서에 의해 실행될 수 있는 컴퓨터에 의해 판독 가능한 명령어들), 하드웨어(예컨대, ASIC 프로세서), 또는 이들의 조합일 수 있다. 본 개시의 예들에 있어서의 모듈들 및/또는 유닛들은 중앙 집중식 또는 분산형 구성으로 전개될 수 있다.
도 18은 본 개시의 일례에 따른 클라이언트의 하드웨어 구조를 도시한 개략적인 다이어그램이다. 도 18에 도시된 바와 같이, 클라이언트는 프로세서(701), 저장 매체(702) 및 I/O 포트(703)를 포함하고,
저장 매체(702)는 컴퓨터 명령어를 저장하고,
프로세서(701)는,
사용자 이미지를 수집하여 사용자 이미지에 대해 생체-위치결정 처리를 수행하여 인증할 생체 이미지를 획득하는 단계;
인증할 생체 이미지를 클라우드 서버에 전송하여, 클라우드 서버가 인증할 생체 이미지에 대해 특징 추출을 수행하여 인증할 생체 템플릿을 획득하고 인증할 생체 템플릿을 클라우드 서버 내에 미리 저장된 생체 템플릿과 비교할 수 있도록 하는 단계; 및
클라우드 서버로부터 리턴된 인증 결과를 수신하는 단계
를 포함하는 동작을 수행하는 컴퓨터 명령어를 실행한다.
프로세서(701)는 추가로:
미리 정해진 생체부가 사용자 이미지에 포함되어 있는 것을 검출한 때 그 생체부의 위치를 결정하고 표시하는 단계;
생체부의 중요점 위치를 선택하고 그 중요점 위치의 좌표를 획득하는 단계; 및
획득한 중요점 위치의 좌표에 기초하여 중요점 위치에 대해 자세 교정을 수행하고 인증할 생체 이미지를 획득하는 단계
를 포함하는 동작을 수행하는 컴퓨터 명령어를 실행한다.
상술한 저장 매체(702)는 일시적 저장 매체(RAM와 같은), 비일시적 저장 매체(ROM 또는 플래시 메모리와 같은), 또는 이들의 조합일 수 있지만, 이들에 한정되는 것은 아니다.
저장 매체(702)에 저장된 컴퓨터 명령어가 프로세서(701)에 의해 실행된 때, 상술한 수집 모듈(61), 전송 모듈(62) 및 수신 모듈(63)의 기능이 달성된다.
본 개시의 예들은, 사용자의 생체 이미지를 획득하여 그 생체 이미지를 클라우드 서버로 전송하여 클라우드 서버가 그 생체 이미지에 대해 특징 추출을 수행하여 생체 템플릿을 획득하고 사용자 또는 클라이언트에 대해 생체 기반 인증을 수행할 수 있도록 하는 클라이언트를 제공한다. 이 경우에 있어서, 특징 추출 프로세스는 클라우드 서버 측에서 실행될 수 있으며 이로써 클라이언트의 복잡성이 감소하고 클라이언트의 확장성이 증가하고, 생체 인식이 오직 클라이언트 상에서 실행되다고 하는 제한이 제거되어 다양한 활용이 지원된다.
본 개시의 일례에 따르면, 생체 기반 인증 시스템이 또한 제공된다. 생체 기반 인증 시스템은 상술한 클라우드 서버(5)와 클라이언트(6)를 포함한다.
통상의 기술자라면 상기 예들의 방법의 모든 또는 일부 과정이 하드웨어 또는 컴퓨터 프로그램의 기계 판독 가능한 명령어에 따르는 하드웨어에 의해 구현될 수 있다는 것을 이해할 것이다. 컴퓨터 프로그램은 컴퓨터에 의해 판독 가능한 저장 매체에 저장된다. 실행된 때, 컴퓨터 프로그램은 상술한 방법 예들의 과정을 제공한다. 저장 매체는 디스켓, CD, DVD 또는 RAM 등일 수 있다.
상기한 것들은 본 개시의 여러 예들이지만 본 개시의 보호 범위를 제한하기 위해 사용되어서는 안 된다. 본 개시의 원리 하에서 이루어진 변경, 치환, 개선은 본 개시의 보호 범위 내에 포함된다.

Claims (15)

  1. 생체 기반 인증 방법에 있어서,
    클라이언트로부터 인증할 생체 이미지를 수신하는 단계;
    상기 인증할 생체 이미지에 대해 특징 추출을 수행하여 인증할 생체 템플릿을 획득하는 단계; 및
    상기 인증할 생체 템플릿을 로컬에 저장된 생체 템플릿과 비교하고 인증 결과를 리턴하는 단계
    를 포함하는 생체 기반 인증 방법.
  2. 제1항에 있어서,
    상기 인증할 생체 이미지에 대해 특징 추출을 수행하여 인증할 생체 템플릿을 획득하는 단계는,
    상기 인증할 생체 이미지에 대해 조명-정규화 처리를 수행하는 단계;
    상기 조명-정규화 처리가 이루어진 상기 인증할 생체 이미지에 대해 특징 추출을 수행하는 단계;
    추출된 특징에 대해 차원-감축 연산을 수행하는 단계; 및
    상기 차원-감축 연산의 결과를 하나씩 연결하여 상기 인증할 생체 템플릿을 획득하는 단계
    를 포함하는, 생체 기반 인증 방법.
  3. 제1항에 있어서,
    상기 클라이언트로부터 인증할 생체 이미지를 수신하는 단계 이전에,
    상기 클라이언트로부터 전송된 등록할 생체 이미지, 클라이언트 아이덴티티(ID) 및 제1 사용자 ID를 수신하는 단계;
    상기 등록할 생체 이미지에 대해 특징 추출을 수행하여 생체 템플릿을 획득하는 단계;
    상기 생체 템플릿, 상기 클라이언트 ID 및 상기 제1 사용자 ID와 연관된 관계를 저장하여 사용자의 등록을 완료하는 단계; 및
    등록 결과를 리턴하는 단계
    를 더 포함하는 생체 기반 인증 방법.
  4. 제3항에 있어서,
    상기 클라이언트로부터 전송된 상기 인증할 생체 이미지를 수신하는 때에, 상기 클라이언트로부터 전송된 클라이언트 ID를 수신하는 단계를 더 포함하고,
    상기 인증할 생체 템플릿을 로컬에 저장된 생체 템플릿과 비교하고 인증 결과를 리턴하는 단계는,
    상기 클라이언트 ID에 따라 상기 클라이언트 ID와 연관된 로컬에 저장된 생체 템플릿의 컬렉션을 탐색하는 단계;
    상기 인증할 생체 템플릿과 상기 컬렉션 내의 각 생체 템플릿 사이의 유사도를 연산하는 단계;
    상기 인증할 생체 템플릿과 상기 컬렉션 내의 생체 템플릿 간의 유사도가 미리 정해진 인식 임계치보다 큰 경우, 상기 컬렉션 내의 생체 템플릿과 연관된 사용자 ID를 인식 결과 컬렉션에 부가하는 단계;
    상기 유사도의 내림 순으로 상기 인식 결과 컬렉션 내의 사용자 ID를 정렬하는 단계; 및
    상기 인식 결과 컬렉션을 상기 클라이언트에 리턴하는 단계
    를 포함하는, 생체 기반 인증 방법.
  5. 제3항에 있어서,
    상기 클라이언트로부터 전송된 상기 인증할 생체 이미지를 수신한 때, 상기 클라이언트로부터 전송된 상기 클라이언트 ID와 제2 사용자 ID를 수신하는 단계를 더 포함하고,
    상기 인증할 생체 템플릿을 로컬에 저장된 생체 템플릿과 비교하고 인증 결과를 리턴하는 단계는,
    상기 클라이언트 ID 및 상기 제2 사용자 ID에 따라 상기 클라이언트 ID 및 상기 제2 사용자 ID와 연관된 생체 템플릿을 탐색하는 단계;
    상기 인증할 생체 템플릿과 상기 클라이언트 ID 및 상기 제2 사용자 ID와 연관된 생체 템플릿 간의 유사도를 연산하는 단계; 및
    상기 연산된 유사도가 미리 정해진 검증 임계치보다 큰 경우, 사용자의 검증이 통과된 것으로 결정하고 상기 클라이언트에 검증 결과를 리턴하는 단계
    를 포함하는, 생체 기반 인증 방법.
  6. 생체 기반 인증 방법에 있어서,
    사용자 이미지를 수집하는 단계;
    상기 사용자 이미지에 대해 생체-위치결정 처리를 수행하여 인증할 생체 이미지를 획득하는 단계;
    클라우드 서버가 상기 인증할 생체 이미지에 대해 특징 추출을 수행하여 인증할 생체 템플릿을 획득하고 상기 인증할 생체 템플릿을 상기 클라우드 서버에 저장된 생체 템플릿과 비교하도록, 상기 인증할 생체 이미지를 클라우드 서버에 전송하는 단계; 및
    상기 클라우드 서버로부터 리턴된 인증 결과를 수신하는 단계
    를 포함하는 생체 기반 인증 방법.
  7. 제6항에 있어서,
    상기 사용자 이미지에 대해 생체-위치결정 처리를 수행하여 인증할 생체 이미지를 획득하는 단계는,
    상기 사용자 이미지 내에 미리 정해진 생체부가 포함되어 있는 것을 검출한 때, 상기 생체의 위치를 결정하고 표시하는 단계;
    상기 생체부의 중요점 위치를 선택하는 단계;
    상기 중요점 위치의 좌표를 획득하는 단계; 및
    상기 획득한 중요점 위치의 좌표에 기초하여, 상기 중요점 위치에 대해 자세 교정을 수행하여 상기 인증할 생체 이미지를 획득하는 단계
    를 포함하는, 생체 기반 인증 방법.
  8. 클라우드 서버에 있어서,
    클라이언트로부터 전송된 인증할 생체 이미지를 수신하는 액세스 모듈;
    상기 인증할 생체 이미지에 대해 특징 추출을 수행하여 인증할 생체 템플릿을 획득하고, 상기 인증할 생체 템플릿을 데이터 모듈에 저장된 생체 템플릿과 비교하여 인증 결과를 리턴하는 인증 모듈; 및
    상기 생체 템플릿을 저장하는 상기 데이터 모듈
    을 포함하는 클라우드 서버.
  9. 제8항에 있어서,
    상기 인증 모듈은,
    상기 인증할 생체 이미지에 대해 조명-정규화 처리를 수행하는 조명 처리 유닛;
    상기 조명-정규화 처리가 된 상기 인증할 생체 이미지에 대해 특징 추출을 수행하고, 추출된 특징에 대해 차원-감축 연산을 수행하며, 상기 차원-감축 연산의 결과를 하나씩 연결하여 상기 인증할 생체 템플릿을 획득하는 특징 추출 유닛; 및
    상기 인증할 생체 템플릿을 상기 데이터 모듈에 저장된 생체 템플릿과 비교하고 인증 결과를 리턴하는 인증 유닛
    을 포함하는, 클라우드 서버.
  10. 제8항에 있어서,
    상기 액세스 모듈은 추가로, 상기 클라이언트로부터 전송된 상기 인증할 생체 이미지를 수신하기 전에, 상기 클라이언트로부터 전송된 등록할 생체 이미지, 클라이언트 아이덴티티(ID) 및 제1 사용자 ID를 수신하고,
    상기 클라우드 서버는 상기 등록할 생체 이미지에 대해 특징 추출을 수행하여 생체 템플릿을 획득하고 상기 생체 템플릿, 상기 클라이언트 ID 및 상기 제1 사용자 ID와 연관된 관계를 상기 데이터 모듈로 전송하여 사용자의 등록을 완료하고 등록 결과를 리턴하는 세션 모듈을 더 포함하고,
    상기 데이터 모듈은 추가로 상기 생체 템플릿, 상기 클라이언트 ID 및 상기 제1 사용자 ID와 연관된 관계를 저장하는,
    클라우드 서버.
  11. 제10항에 있어서,
    상기 액세스 모듈은 추가로, 상기 클라이언트로부터 전송된 인증할 생체 이미지를 수신한 때 상기 클라이언트로부터 전송된 상기 클라이언트 ID를 수신하고,
    상기 인증 모듈은,
    상기 인증할 생체 이미지에 대해 특징 추출을 수행하여 인증할 생체 템플릿을 획득하는 템플릿 획득 유닛;
    상기 클라이언트 ID에 따라, 상기 데이터 모듈에 저장되고 상기 클라이언트 ID와 연관된 생체 템플릿의 컬렉션을 탐색하는 컬렉션 획득 유닛;
    상기 인증할 생체 템플릿과 상기 컬렉션 내의 각 생체 템플릿 간의 유사도를 연산하고, 상기 인증할 생체 템플릿과 상기 컬렉션 내의 생체 템플릿 간의 유사도가 미리 정해진 인식 임계치보다 큰 경우, 상기 컬렉션 내의 생체 템플릿과 연관된 사용자 ID를 인식 결과 컬렉션에 추가하는 인식 유닛; 및
    유사도의 내림 순으로 상기 인식 결과 컬렉션 내의 사용자 ID를 정렬하고 상기 액세스 모듈을 통해 상기 클라이언트에게 상기 인식 결과 컬렉션을 리턴하는 인식 결과 전송 유닛
    을 포함하는, 클라우드 서버.
  12. 제10항에 있어서,
    상기 액세스 모듈은 추가로, 상기 클라이언트로부터 전송된 상기 인증할 생체 이미지를 수신한 때, 상기 클라이언트로부터 전송된 제2 사용자 ID와 상기 클라이언트 ID를 수신하고,
    상기 인증 모듈은,
    상기 인증할 생체 이미지에 대해 특징 추출을 수행하여 상기 인증할 생체 템플릿을 획득하는 템플릿 획득 유닛;
    상기 클라이언트 ID와 상기 제2 사용자 ID에 따라, 상기 클라이언트 ID와 상기 제2 사용자 ID와 연관된 생체 템플릿을 탐색하는 탐색 유닛;
    상기 인증할 생체 템플릿과 상기 클라이언트 ID 및 상기 제2 사용자 ID와 연관된 생체 템플릿 간의 유사도를 연산하고, 상기 연산된 유사도가 미리 정해진 검증 임계치보다 큰 경우, 사용자의 검증이 통과된 것으로 결정하는 검증 유닛; 및
    상기 액세스 모듈을 통해 상기 클라이언트에게 검증 결과를 리턴하는 검증 결과 전송 유닛
    을 포함하는, 클라우드 서버.
  13. 클라이언트에 있어서,
    사용자 이미지를 수집하고 상기 사용자 이미지에 대해 생체-위치결정 처리를 수행하여 인증할 생체 이미지를 획득하는 수집 모듈;
    상기 인증할 생체 이미지를 클라우드 서버에 전송하여, 상기 클라우드 서버가 상기 인증할 생체 이미지에 대해 특징 추출을 수행하여 인증할 생체 템플릿을 획득하고, 상기 인증할 생체 템플릿을 상기 클라우드 서버에 저장된 생체 템플릿과 비교하도록 하는 전송 모듈; 및
    상기 클라우드 서버로부터 리턴되는 인증 결과를 수신하는 수신 모듈
    을 포함하는 클라이언트.
  14. 제13항에 있어서,
    상기 수집 모듈은,
    상기 사용자 이미지를 수집하는 수집 유닛;
    상기 사용자 이미지 내에 미리 정해진 생체부가 포함되어 있는 것을 검출한 때, 상기 생체부의 위치를 결정하는 검출 유닛;
    상기 생체부의 중요점 위치를 선택하고 상기 중요점 위치의 좌표를 획득하는 중요점 위치결정 유닛; 및
    상기 획득한 중요점 위치의 좌표에 기초하여, 상기 중요점 위치에 대해 자세 교정을 수행하여 상기 인증할 생체 이미지를 획득하는 위치-자세 정규화 유닛
    을 포함하는, 클라이언트.
  15. 제8항 내지 제12항 중 어느 한 항에 기재된 클라우드 서버; 및
    제13항 또는 제14항에 기재된 클라이언트
    를 포함하는 생체 기반 인증 시스템.
KR1020147029180A 2012-03-19 2013-03-13 생체 특징에 기반한 인증 방법, 장치 및 시스템 KR101629224B1 (ko)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
CN201210072147.2 2012-03-19
CN201210072147.2A CN102646190B (zh) 2012-03-19 2012-03-19 一种基于生物特征的认证方法、装置及***
PCT/CN2013/072531 WO2013139221A1 (zh) 2012-03-19 2013-03-13 一种基于生物特征的认证方法、装置及***

Publications (2)

Publication Number Publication Date
KR20140138991A true KR20140138991A (ko) 2014-12-04
KR101629224B1 KR101629224B1 (ko) 2016-06-10

Family

ID=46659006

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020147029180A KR101629224B1 (ko) 2012-03-19 2013-03-13 생체 특징에 기반한 인증 방법, 장치 및 시스템

Country Status (7)

Country Link
US (2) US10108792B2 (ko)
KR (1) KR101629224B1 (ko)
CN (1) CN102646190B (ko)
AP (1) AP2014008012A0 (ko)
RU (1) RU2589344C2 (ko)
WO (1) WO2013139221A1 (ko)
ZA (1) ZA201406794B (ko)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2021050803A1 (en) * 2019-09-11 2021-03-18 Selfiecoin, Inc. Enhanced biometric authentication
WO2021049681A1 (ko) * 2019-09-10 2021-03-18 엘지전자 주식회사 클라우드 서버를 기초로 인증을 수행하는 전자 장치 및 그 제어 방법
WO2022225146A1 (ko) * 2021-04-20 2022-10-27 삼성전자 주식회사 사용자의 생체 데이터를 이용해 인증을 수행하는 전자 장치 및 그 방법
WO2023033288A1 (ko) * 2021-09-02 2023-03-09 (주)씨유박스 생체정보 템플릿을 이용한 좌석 이탈 관리 방법 및 장치

Families Citing this family (71)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102646190B (zh) 2012-03-19 2018-05-08 深圳市腾讯计算机***有限公司 一种基于生物特征的认证方法、装置及***
US11163983B2 (en) * 2012-09-07 2021-11-02 Stone Lock Global, Inc. Methods and apparatus for aligning sampling points of facial profiles of users
US11017214B1 (en) * 2012-09-07 2021-05-25 Stone Lock Global, Inc. Methods and apparatus for biometric verification
US11017211B1 (en) 2012-09-07 2021-05-25 Stone Lock Global, Inc. Methods and apparatus for biometric verification
US11301670B2 (en) * 2012-09-07 2022-04-12 Stone Lock Global, Inc. Methods and apparatus for collision detection in biometric verification
US11017213B1 (en) * 2012-09-07 2021-05-25 Stone Lock Global, Inc. Methods and apparatus for biometric verification
US11163984B2 (en) * 2012-09-07 2021-11-02 Stone Lock Global, Inc. Methods and apparatus for constructing biometrical templates using facial profiles of users
US11017212B2 (en) * 2012-09-07 2021-05-25 Stone Lock Global, Inc. Methods and apparatus for biometric verification
US11275929B2 (en) * 2012-09-07 2022-03-15 Stone Lock Global, Inc. Methods and apparatus for privacy protection during biometric verification
US11594072B1 (en) 2012-09-07 2023-02-28 Stone Lock Global, Inc. Methods and apparatus for access control using biometric verification
CN103716505A (zh) * 2012-09-28 2014-04-09 北京蒙恬科技有限公司 图像识别***及方法
CN103259800A (zh) * 2013-05-29 2013-08-21 苏州福丰科技有限公司 基于人脸识别的互联网登录***及其方法
TW201514887A (zh) * 2013-10-15 2015-04-16 Utechzone Co Ltd 影像信息的播放系統及方法
CN104734852B (zh) * 2013-12-24 2018-05-08 ***通信集团湖南有限公司 一种身份认证方法及装置
CN104866806A (zh) * 2014-02-21 2015-08-26 深圳富泰宏精密工业有限公司 具有人脸定位辅助功能的自拍***及方法
CN104881667B (zh) * 2014-02-28 2019-08-09 阿里巴巴集团控股有限公司 一种特征信息的提取方法及装置
CN103810577A (zh) * 2014-03-14 2014-05-21 哈尔滨工业大学 基于人体生物特征的云考勤方法
CN105450407A (zh) * 2014-07-31 2016-03-30 阿里巴巴集团控股有限公司 身份认证方法和装置
CN105553919B (zh) * 2014-10-28 2019-02-22 阿里巴巴集团控股有限公司 一种身份认证方法及装置
KR101528112B1 (ko) * 2014-11-20 2015-06-17 중앙대학교 산학협력단 생체 특성에 기반해 데이터 서버로 액세스하고자 하는 사용자를 인증하기 위한 클라우드 서버
CN104573457B (zh) * 2014-12-30 2018-02-27 东莞越视光电科技有限公司 一种基于云平台的智能门控制***及其控制方法
CN105518713A (zh) * 2015-02-15 2016-04-20 北京旷视科技有限公司 活体人脸验证方法及***、计算机程序产品
CN105447441B (zh) * 2015-03-19 2019-03-29 北京眼神智能科技有限公司 人脸认证方法和装置
CN104834849B (zh) * 2015-04-14 2018-09-18 北京远鉴科技有限公司 基于声纹识别和人脸识别的双因素身份认证方法及***
CN104794464B (zh) * 2015-05-13 2019-06-07 上海依图网络科技有限公司 一种基于相对属性的活体检测方法
CN106330850B (zh) * 2015-07-02 2020-01-14 创新先进技术有限公司 一种基于生物特征的安全校验方法及客户端、服务器
CN105099701B (zh) * 2015-07-29 2018-06-26 努比亚技术有限公司 一种终端及终端鉴权的方法
KR101696602B1 (ko) * 2015-08-11 2017-01-23 주식회사 슈프리마 제스처를 이용한 생체 인증
CN105068731B (zh) * 2015-08-27 2018-09-04 广东欧珀移动通信有限公司 一种图片缩放方法及用户终端
CN106612259B (zh) * 2015-10-26 2021-03-05 创新先进技术有限公司 身份识别、业务处理以及生物特征信息的处理方法和设备
CN105335713A (zh) 2015-10-28 2016-02-17 小米科技有限责任公司 指纹识别方法及装置
CN105282164B (zh) * 2015-10-30 2019-01-25 东莞酷派软件技术有限公司 一种操作权限的验证方法、装置及车载***
CN105979363A (zh) * 2015-11-09 2016-09-28 乐视致新电子科技（天津）有限公司 一种身份识别法和装置
US9847997B2 (en) 2015-11-11 2017-12-19 Visa International Service Association Server based biometric authentication
US10778672B2 (en) 2015-11-16 2020-09-15 International Business Machines Corporation Secure biometrics matching with split phase client-server matching protocol
US10034174B1 (en) * 2015-12-21 2018-07-24 United Services Automobile Association (Usaa) Systems and methods for authenticating a caller using biometric authentication
US11842804B2 (en) 2018-12-27 2023-12-12 John Woodyear System and method for the verification of medication
US10896752B2 (en) 2016-02-11 2021-01-19 John Woodyear System and method for the verification of medication
US10740440B2 (en) 2016-02-11 2020-08-11 Sebron Hood, III System and method for the verification of medication
CN105760738B (zh) * 2016-03-15 2017-08-25 广东欧珀移动通信有限公司 一种指纹解锁的方法及终端
CN105844227B (zh) * 2016-03-21 2019-06-04 湖南君士德赛科技发展有限公司 面向校车安全的司机身份认证方法
KR101760211B1 (ko) * 2016-04-04 2017-07-21 엔에이치엔엔터테인먼트 주식회사 안구 인식을 통해 보안이 강화된 인증 방법 및 시스템
CN105976519A (zh) * 2016-04-29 2016-09-28 江苏诚创信息技术研发有限公司 一种防银行卡被盗用atm机及其工作方法
CN105806038A (zh) * 2016-05-10 2016-07-27 青岛海尔股份有限公司 冰箱门锁的控制方法与冰箱
CN106022043A (zh) * 2016-05-23 2016-10-12 南京甄视智能科技有限公司 一种生物特征识别业务处理平台的***架构及实现方法
WO2018008934A2 (en) 2016-07-07 2018-01-11 Samsung Electronics Co., Ltd. Adaptive quantization method for iris image encoding
CN106411856A (zh) * 2016-09-06 2017-02-15 北京交通大学 基于移动终端人脸识别的认证方法和装置
CN108121943B (zh) 2016-11-30 2022-05-06 阿里巴巴集团控股有限公司 基于图片的判别方法及装置和计算设备
CN106790136A (zh) * 2016-12-28 2017-05-31 汉王科技股份有限公司 一种基于云平台的身份认证方法、装置以及***
EP3379015A1 (fr) * 2017-03-21 2018-09-26 STMicroelectronics (Grand Ouest) SAS Procédé et système de contrôle d'un objet destiné à être partagé par plusieurs utilisateurs potentiels
CN106980840A (zh) * 2017-03-31 2017-07-25 北京小米移动软件有限公司 脸型匹配方法、装置及存储介质
CN109034815B (zh) 2017-06-09 2021-06-18 创新先进技术有限公司 基于生物特征进行安全验证的方法及装置
CN107480494B (zh) * 2017-07-21 2020-12-29 Oppo广东移动通信有限公司 解锁方法及相关产品
WO2019026828A1 (en) * 2017-07-31 2019-02-07 Ricoh Company, Ltd. COMMUNICATION SYSTEM, DISTRIBUTED PROCESSING SYSTEM, DISTRIBUTED PROCESSING METHOD, AND RECORDING MEDIUM
KR20190046063A (ko) * 2017-10-25 2019-05-07 현대자동차주식회사 사용자 인증 시스템, 사용자 인증 방법 및 서버
CN108171139A (zh) * 2017-12-25 2018-06-15 联想(北京)有限公司 一种数据处理方法、装置及***
JP2019204288A (ja) * 2018-05-23 2019-11-28 富士通株式会社 生体認証装置、生体認証方法及び生体認証プログラム
KR102495238B1 (ko) * 2018-05-31 2023-02-03 삼성전자주식회사 사용자의 고유 정보와 결합한 생체 정보를 생성하기 위한 전자 장치 및 그의 동작 방법
US11405386B2 (en) 2018-05-31 2022-08-02 Samsung Electronics Co., Ltd. Electronic device for authenticating user and operating method thereof
US11127236B1 (en) * 2018-08-28 2021-09-21 Robert William Kocher National access control center (NACC)
CN109684806A (zh) * 2018-08-31 2019-04-26 深圳壹账通智能科技有限公司 基于生理特征信息的身份验证方法、装置、***和介质
US10977353B2 (en) * 2018-09-18 2021-04-13 International Business Machines Corporation Validating authorized activities approved by a guardian
EP3903233A4 (en) * 2018-12-27 2022-08-31 John Woodyear SYSTEM AND PROCEDURES FOR MEDICATION VERIFICATION
KR20200100481A (ko) * 2019-02-18 2020-08-26 삼성전자주식회사 생체 정보를 인증하기 위한 전자 장치 및 그의 동작 방법
CN110096996B (zh) * 2019-04-28 2021-10-22 达闼机器人有限公司 生物信息识别方法、装置、终端、***及存储介质
JP7409819B2 (ja) * 2019-10-04 2024-01-09 エヌ・ティ・ティ・コミュニケーションズ株式会社 算出装置、算出方法、算出プログラム
CN111008620A (zh) * 2020-03-05 2020-04-14 支付宝(杭州)信息技术有限公司 目标用户识别方法、装置及存储介质、电子设备
CN111860358B (zh) * 2020-07-23 2021-05-14 浙江赛慕威供应链管理有限公司 基于工业互联网的物料验收方法
CN112036262A (zh) * 2020-08-11 2020-12-04 海尔优家智能科技（北京）有限公司 一种人脸识别处理方法及装置
USD976904S1 (en) 2020-12-18 2023-01-31 Stone Lock Global, Inc. Biometric scanner
CN113379006B (zh) * 2021-08-16 2021-11-02 北京国电通网络技术有限公司 图像识别方法、装置、电子设备和计算机可读介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20030006789A (ko) * 2001-07-16 2003-01-23 (주)니트 젠 지문 등록 및 인증방법
US20100246902A1 (en) * 2009-02-26 2010-09-30 Lumidigm, Inc. Method and apparatus to combine biometric sensing and other functionality
KR20110018130A (ko) * 2009-08-17 2011-02-23 한국전자통신연구원 바이오 등록 및 인증 장치와 그 방법
KR20110033281A (ko) * 2008-12-18 2011-03-30 가부시키가이샤 히타치세이사쿠쇼 생체 인증 시스템 및 그 방법

Family Cites Families (38)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040177097A1 (en) 2000-12-01 2004-09-09 Philips Electronics North America Corporation Web-based, biometric authentication system and method
US7702918B2 (en) 2001-07-18 2010-04-20 Daon Holdings Limited Distributed network system using biometric authentication access
US7506162B1 (en) * 2003-07-14 2009-03-17 Sun Microsystems, Inc. Methods for more flexible SAML session
CA2600938A1 (en) * 2004-03-24 2005-10-06 Andre Hoffmann Identification, verification, and recognition method and system
US7836510B1 (en) * 2004-04-30 2010-11-16 Oracle America, Inc. Fine-grained attribute access control
US20060218630A1 (en) * 2005-03-23 2006-09-28 Sbc Knowledge Ventures L.P. Opt-in linking to a single sign-on account
CN100385449C (zh) * 2005-06-27 2008-04-30 成都翔宇信息技术有限公司 出入境身份证件与生物活体指纹自动识别方法及***
US8051179B2 (en) * 2006-02-01 2011-11-01 Oracle America, Inc. Distributed session failover
RU2306603C1 (ru) * 2006-02-01 2007-09-20 Федеральное государственное унитарное предприятие "Научно-исследовательский институт "Восход" Автоматизированная система идентификации личности граждан по данным паспортно-визовых документов
US8239677B2 (en) * 2006-10-10 2012-08-07 Equifax Inc. Verification and authentication systems and methods
JP5018029B2 (ja) * 2006-11-10 2012-09-05 コニカミノルタホールディングス株式会社 認証システム及び認証方法
JP5011987B2 (ja) * 2006-12-04 2012-08-29 株式会社日立製作所 認証システムの管理方法
CN101226590B (zh) * 2008-01-31 2010-06-02 湖南创合世纪智能技术有限公司 一种人脸识别方法
CN101266704B (zh) * 2008-04-24 2010-11-10 张宏志 基于人脸识别的atm安全认证与预警方法
US8185646B2 (en) 2008-11-03 2012-05-22 Veritrix, Inc. User authentication for social networks
US20110251954A1 (en) * 2008-05-17 2011-10-13 David H. Chin Access of an online financial account through an applied gesture on a mobile device
CN101414351A (zh) * 2008-11-03 2009-04-22 章毅 一种指纹识别***及其控制方法
JP5287550B2 (ja) * 2009-07-01 2013-09-11 富士通株式会社 生体認証システム，生体認証方法，生体認証装置，生体情報処理装置，生体認証プログラムおよび生体情報処理プログラム
US8924569B2 (en) 2009-12-17 2014-12-30 Intel Corporation Cloud federation as a service
CN101763429B (zh) * 2010-01-14 2012-01-25 中山大学 一种基于颜色和形状特征的图像检索方法
US8572709B2 (en) * 2010-05-05 2013-10-29 International Business Machines Corporation Method for managing shared accounts in an identity management system
CN201904809U (zh) * 2010-12-20 2011-07-20 惠州紫旭科技有限公司 基于云计算的数据服务***
US8869244B1 (en) * 2011-05-03 2014-10-21 Symantec Corporation Techniques for providing role-based access control using dynamic shared accounts
JP5320433B2 (ja) * 2011-05-10 2013-10-23 株式会社日立ソリューションズ 統合検索装置、統合検索システム、統合検索方法
US9258344B2 (en) * 2011-08-01 2016-02-09 Intel Corporation Multi-hop single sign-on (SSO) for identity provider (IdP) roaming/proxy
US8635152B2 (en) * 2011-09-14 2014-01-21 Microsoft Corporation Multi tenancy for single tenancy applications
US20130067469A1 (en) * 2011-09-14 2013-03-14 Microsoft Corporation Load Balancing By Endpoints
US20130067345A1 (en) * 2011-09-14 2013-03-14 Microsoft Corporation Automated Desktop Services Provisioning
US8589481B2 (en) * 2011-09-14 2013-11-19 Microsoft Corporation Multi tenant access to applications
US20130074064A1 (en) * 2011-09-15 2013-03-21 Microsoft Corporation Automated infrastructure provisioning
US20130073670A1 (en) * 2011-09-15 2013-03-21 Microsoft Corporation Geo-Migration Of User State
US8438635B2 (en) * 2011-09-15 2013-05-07 Microsoft Corporation Single sign-on for remote desktops
US8812687B2 (en) * 2011-09-15 2014-08-19 Microsoft Corporation Managing user state of cloud desktops
CN102333091A (zh) * 2011-09-27 2012-01-25 惠州紫旭科技有限公司 基于云计算的数据安全认证方法
CN102360355B (zh) * 2011-09-28 2013-04-24 福州海景科技开发有限公司 基于云计算环境的人脸识别搜索比对引擎
US9311679B2 (en) * 2011-10-31 2016-04-12 Hearsay Social, Inc. Enterprise social media management platform with single sign-on
US9160536B2 (en) * 2011-11-30 2015-10-13 Advanced Biometric Controls, Llc Verification of authenticity and responsiveness of biometric evidence and/or other evidence
CN102646190B (zh) * 2012-03-19 2018-05-08 深圳市腾讯计算机***有限公司 一种基于生物特征的认证方法、装置及***

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20030006789A (ko) * 2001-07-16 2003-01-23 (주)니트 젠 지문 등록 및 인증방법
KR20110033281A (ko) * 2008-12-18 2011-03-30 가부시키가이샤 히타치세이사쿠쇼 생체 인증 시스템 및 그 방법
US20100246902A1 (en) * 2009-02-26 2010-09-30 Lumidigm, Inc. Method and apparatus to combine biometric sensing and other functionality
KR20110018130A (ko) * 2009-08-17 2011-02-23 한국전자통신연구원 바이오 등록 및 인증 장치와 그 방법

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2021049681A1 (ko) * 2019-09-10 2021-03-18 엘지전자 주식회사 클라우드 서버를 기초로 인증을 수행하는 전자 장치 및 그 제어 방법
WO2021050803A1 (en) * 2019-09-11 2021-03-18 Selfiecoin, Inc. Enhanced biometric authentication
WO2022225146A1 (ko) * 2021-04-20 2022-10-27 삼성전자 주식회사 사용자의 생체 데이터를 이용해 인증을 수행하는 전자 장치 및 그 방법
WO2023033288A1 (ko) * 2021-09-02 2023-03-09 (주)씨유박스 생체정보 템플릿을 이용한 좌석 이탈 관리 방법 및 장치

Also Published As

Publication number Publication date
RU2014141345A (ru) 2016-05-10
US20150007295A1 (en) 2015-01-01
US20190012450A1 (en) 2019-01-10
RU2589344C2 (ru) 2016-07-10
WO2013139221A1 (zh) 2013-09-26
CN102646190B (zh) 2018-05-08
US10664581B2 (en) 2020-05-26
ZA201406794B (en) 2015-11-25
US10108792B2 (en) 2018-10-23
KR101629224B1 (ko) 2016-06-10
AP2014008012A0 (en) 2014-10-31
CN102646190A (zh) 2012-08-22

Similar Documents

Publication Publication Date Title
KR101629224B1 (ko) 생체 특징에 기반한 인증 방법, 장치 및 시스템
JP6634127B2 (ja) カメラ付きデバイスに関連する生体認証のためのシステム及び方法
US9262614B2 (en) Image processing device, image processing method, and storage medium storing image processing program
Galdi et al. Multimodal authentication on smartphones: Combining iris and sensor recognition for a double check of user identity
WO2018086543A1 (zh) 活体判别方法、身份认证方法、终端、服务器和存储介质
Das et al. Recent advances in biometric technology for mobile devices
US20170262472A1 (en) Systems and methods for recognition of faces e.g. from mobile-device-generated images of faces
WO2016034069A1 (zh) 身份认证方法、装置、终端及服务器
TWI727329B (zh) 用於基於深度學習方法提供對資源之選擇性存取之防欺騙系統及方法
US10885171B2 (en) Authentication verification using soft biometric traits
Fenu et al. Controlling user access to cloud-connected mobile applications by means of biometrics
EP2701096A2 (en) Image processing device and image processing method
Cherifi et al. Robust multimodal biometric authentication on IoT device through ear shape and arm gesture
US20220253514A1 (en) Method and system for seamless biometric system self-enrollment
CN105407069B (zh) 活体认证方法、装置、客户端设备及服务器
CN105989324A (zh) 一种基于指纹特征的嵌入式身份认证***
CN112115454B (zh) 单点登录方法、第一服务器及电子设备
OA17098A (en) Authentication method, device and system based on biological characteristics.
Albu et al. Authentication and recognition, guarantor for on-line security
WO2024047616A1 (en) Method and system for authenticating a user via face recognition
Al-Omar et al. A Review On Live Remote Face Recognition and Access Provision Schemes
CN116189316A (zh) 活体检测方法及***
Stefani A Multi-modal Biometric System for Selective Access Control
Rokita Multimodal biometric system based on face and hand images taken by a cell phone
El Nahal Mobile Multimodal Biometric System for Security

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20190516

Year of fee payment: 4