KR20150120188A - 인증 방법 및 이를 이용한 인증 장치 - Google Patents

인증 방법 및 이를 이용한 인증 장치 Download PDF

Info

Publication number
KR20150120188A
KR20150120188A KR1020140046108A KR20140046108A KR20150120188A KR 20150120188 A KR20150120188 A KR 20150120188A KR 1020140046108 A KR1020140046108 A KR 1020140046108A KR 20140046108 A KR20140046108 A KR 20140046108A KR 20150120188 A KR20150120188 A KR 20150120188A
Authority
KR
South Korea
Prior art keywords
user
decision tree
feature vector
feature
discriminator
Prior art date
Application number
KR1020140046108A
Other languages
English (en)
Other versions
KR101567686B1 (ko
Inventor
노명철
Original Assignee
주식회사 에스원
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 주식회사 에스원 filed Critical 주식회사 에스원
Priority to KR1020140046108A priority Critical patent/KR101567686B1/ko
Publication of KR20150120188A publication Critical patent/KR20150120188A/ko
Application granted granted Critical
Publication of KR101567686B1 publication Critical patent/KR101567686B1/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

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Security & Cryptography (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Software Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Collating Specific Patterns (AREA)

Abstract

본 발명의 일 실시예는 사용자의 수나 분포, 환경 등의 변화에서도 갱신 기능을 통해 인식성능을 일정하게 유지할 수 있는 인증 방법 및 이를 이용한 인증 장치를 제공한다.
이를 위해 본 발명은 사용자 그룹 내로 제 1 사용자를 학습 및 등록하는 단계(A), 판별기에서 상기 제 1 사용자의 특징을 인식하는 단계(B) 및 상기 판별기에서 상기 제 1 사용자임을 판별하는 단계(C)를 포함하고, 상기 (A) 단계는 상기 제 1 사용자의 특징 벡터를 추출하는 단계(A-1) 및 상기 제 1 사용자의 특징 벡터를 통해 의사결정트리(Decision Tree)를 생성하는 단계(A-2)로 구성되고, 상기 (C) 단계에서는 상기 (B) 단계에서 인식한 상기 제 1 사용자의 특징 벡터를 상기 의사결정트리에 매칭하여, 상기 제 1 사용자임을 판별하는 것을 특징으로 하는 인증 방법 및 이를 이용한 인증 장치를 개시한다.

Description

인증 방법 및 이를 이용한 인증 장치{authentication method and authentication device using the same}
본 발명의 일 실시예는 인증 방법 및 이를 이용한 인증 장치에 관한 것이다.
종래의 인증 시스템은 사전에 추출된 생체 특징 정보와 인증 시도 시에 추출된 생체특징을 판별기(Classifier)에서 비교하여 인증을 수행한다.
상기 판별기(Classifier)를 구성하는 계수들은 사전에 학습 되어서 제품이나 시스템으로 적용이 되는데, 이 계수들이 고정되어 있어서 사용자의 수의 증가나 사용환경의 특성에 따라 성능이 저하된다.
즉, 종래의 개인인증은 '나'와 '다른 사람'을 구분하기 위한 판별기의 구조가 미리 결정되어 엔진으로 사용된다. 그러므로 사용자의 수가 많아지면 유사하게 보이는 얼굴 영상이 많이 등장하게 되고 이에 따라서, 그 성능은 지속적으로 떨어지게 되고, 성능을 유지/향상하기 위해서는 엔진의 갱신이 필요하다. 그러나 엔진 갱신에 소요되는 시간, 갱신 동안 시스템 불안정성 등의 이유로 사실상 불가능하다.
또한, 사용자의 생체정보가 카드나 DB 등에 저장되어 사용되어 있어야 하고, 이는 카드 분실이나 해킹 등으로 인하여 쉽게 개인신원정보가 유출되는 문제가 발생할 수 있다.
공개특허공보 10-2007-0119463(20071220)
본 발명의 일 실시예는 사용자의 수나 분포, 환경 등의 변화에서도 갱신 기능을 통해 인식성능을 일정하게 유지할 수 있는 인증 방법 및 이를 이용한 인증 장치를 제공한다.
또한, 사용자의 생체 특징이 저장되지 않으므로, 사용자 개인의 생체정보 노출부터 안전한 인증 방법 및 이를 이용한 인증 장치를 제공한다.
본 발명의 일 실시예에 따른 인증 방법은 사용자 그룹 내로 제 1 사용자를 학습 및 등록하는 단계(A), 판별기에서 상기 제 1 사용자의 특징을 인식하는 단계(B) 및 상기 판별기에서 상기 제 1 사용자임을 판별하는 단계(C)를 포함하고, 상기 (A) 단계는 상기 제 1 사용자의 특징 벡터를 추출하는 단계(A-1) 및 상기 제 1 사용자의 특징 벡터를 통해 의사결정트리(Decision Tree)를 생성하는 단계(A-2)로 구성되고, 상기 (C) 단계에서는 상기 (B) 단계에서 인식한 상기 제 1 사용자의 특징 벡터를 상기 의사결정트리에 매칭하여, 상기 제 1 사용자임을 판별한다.
상기 (A-1) 단계에서, 상기 제 1 사용자의 특징 벡터는 영상 특징 또는 음성 특징 중 적어도 하나일 수 있다.
상기 영상 특징은 Gabor, Gradient 및 국부이진패턴(Local Binary Pattern, LBP) 중 하나의 알고리즘으로 추출될 수 있다.
상기 (A-2) 단계에서, 상기 의사결정트리의 노드(node)의 결정함수는 정준상관분석(Canonical Correlation Analysis, CCA), 서포트 벡터 머신(Support Vector Machine, SVM), 주성분분석(Principle Component Analysis, PCA), LDA(Linear Discriminant Analysis) 및 Ada-boost 중 어느 하나로 이루어질 수 있다.
상기 (A-2) 단계에서 상기 정준상관분석을 이용하여 상기 의사결정트리를 생성하는 경우, 상기 의사결정트리에서 상기 제 1 사용자의 기댓값에 하기의 수식과 같이 가중치를 부여할 수 있다.
Figure pat00001
여기서, 상기 제 1 사용자의 특징 벡터를 x0로, 상기 사용자 그룹 내에서 제 1 사용자를 제외한 다른 사용자들의 특징 벡터 각각을 x1, x2, ... , xn 이라 하고, 상기 의사결정트리에서의 x0의 라벨(Label)을 "1"로, x1, x2, ... , xn의 라벨들을 "0"으로 하고, Y i 는 i번째 사용자의 특징 벡터의 라벨을,
Figure pat00002
은 제 1 사용자의 특징 벡터의 개수를, N은 상기 사용자 그룹 내에서 제 1 사용자를 제외한 다른 사용자들의 특징 벡터의 개수를 의미한다.
상기 사용자 그룹 내로 새로운 제 3 사용자를 추가시킴에 있어, 상기 제 3 사용자와 유사한 특징 벡터를 가진 제 1 사용자의 의사결정트리를 갱신하는 단계(D)를 더 포함할 수 있다.
상기 (D) 단계에서, 상기 제 1 사용자의 의사결정트리에는 제 3 사용자와 구별되는 결정함수로 구성된 자식 로드(child node)가 추가될 수 있다.
상기 제 1 사용자의 의사결정트리를 재구성하는 단계(E)를 더 포함할 수 있다.
상기 (A) 단계에서 생성된 상기 제 1 사용자의 의사결정트리는 상기 제 1 사용자가 소지하는 식별 부재에 저장되고, 상기 (C) 단계에서는 상기 (B) 단계에서 인식한 상기 제 1 사용자의 특징 벡터를 상기 식별 부재의 상기 의사결정트리에 매칭하여, 상기 제 1 사용자임을 판별할 수 있다.
본 발명의 일 실시예에 따른 인증 장치는 사용자 그룹 내의 다른 사용자들과 제 1 사용자가 구별되는 특징 벡터를 통해 생성된 의사결정트리를 포함하는 식별 부재 및 상기 제 1 사용자를 인식하고, 인식한 상기 제 1 사용자의 특징 벡터를 상기 의사결정트리에 매칭하여, 상기 제 1 사용자임을 판별하는 판별기를 포함한다.
상기 판별기는 상기 제 1 사용자를 인식하는 인식 유닛에 연결될 수 있다.
상기 인식 유닛은 상기 제 1 사용자의 영상 특징 또는 음성 특징 중 적어도 하나의 특징 벡터를 검출할 수 있다.
본 발명의 일 실시예에 따른 인증 방법 및 이를 이용한 인증 장치는 사용자의 수나 분포, 환경 등의 변화에서도 갱신 기능을 통해 인식성능을 일정하게 유지할 수 있다.
또한, 본 발명의 일 실시예에 따른 인증 방법 및 이를 이용한 인증 장치는 사용자의 생체 특징이 저장되지 않으므로, 사용자 개인의 생체정보 노출부터 안전하다.
도 1은 본 발명의 일 실시예에 따른 인증 장치를 도시한 개념도이다.
도 2는 본 발명의 일 실시예에 따른 인증 방법을 도시한 흐름도이다.
도 3 내지 5는 본 발명의 일 실시예에 따른 의사결정트리의 특징을 도시한 개념도이다.
이하, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 본 발명을 용이하게 실시할 수 있을 정도로 본 발명의 바람직한 실시예를 첨부된 도면을 참조하여 상세하게 설명하기로 한다.
본 명세서에서 사용된 바와 같이, 용어 "및/또는"은 해당 열거된 항목 중 어느 하나 및 하나 이상의 모든 조합을 포함한다. 또한, 본 명세서에서 사용된 용어는 특정 실시예를 설명하기 위하여 사용되며, 본 발명을 제한하기 위한 것이 아니다. 더불어, 본 명세서에서 사용된 바와 같이, 단수 형태는 문맥상 다른 경우를 분명히 지적하는 것이 아니라면, 복수의 형태를 포함할 수 있다. 더욱이, 본 명세서에서 사용되는 경우 "포함한다(comprise)" 및/또는 "포함하는(comprising)"은 언급한 단계, 동작, 부재, 요소, 수치 및/또는 이들 그룹의 존재를 특정하는 것이며, 하나 이상의 다른 단계, 동작, 부재, 요소, 수치 및 /또는 그룹들의 존재 또는 부가를 배제하는 것이 아니다.
도 1은 본 발명의 일 실시예에 따른 인증 장치를 도시한 개념도이다.
도 1을 참조하면, 본 발명의 일 실시예에 따른 인증 장치(100)는 식별 부재(110), 인식 유닛(120) 및 판별기(130)를 포함한다.
상기 식별 부재(110)는 제 1 사용자(P1)를 식별할 수 있도록, 상기 제 1 사용자(P1)의 특징 벡터를 통해 생성된 의사결정트리(Decision Tree)가 저장되어있다.
여기서, 상기 식별 부재(110)는 개인 식별 카드(111) 또는 개인 휴대용 모바일(112)로 구성될 수 있다.
상기 인식 유닛(120)은 판별기(130)에 연결되며, 상기 제 1 사용자(P1)의 특징 벡터(생체 정보)를 식별 및 추출하고, 상기 특징 벡터를 판별기(130)에 전달한다.
여기서, 상기 제 1 사용자(P1)의 특징 벡터는 영상, 음성 또는 지문 중 적어도 하나 이상으로 구성될 수 있다. 따라서, 상기 인식 유닛(120)은 상기 제 1 사용자(P1)의 영상 특징을 추출하기 위한 카메라, 음성 특징을 추출하기 위한 카메라 또는 지문 특징을 추출하기 위한 지문 인식기 등으로 구성될 수 있다.
다만, 아래에서는 설명의 편의를 위해 상기 인식 유닛(120)이 카메라로 구성되어 제 1 사용자(P1)의 영상(ex, 얼굴) 특징을 추출하는 것을 중점으로 설명한다.
상기 판별기(130)는 상기 인식 유닛(120)에서 추출한 제 1 사용자(P1)의 영상(ex, 얼굴) 특징을 통해 의사결정트리를 생성하여 이를 식별 부재(110)에 저장한다.
또한, 상기 판별기(130)는 상기 식별 부재(110)를 함께 인식하여, 인식 유닛(120)에서 인식한 제 1 사용자(P1)의 영상(ex, 얼굴) 특징을 식별 부재(110)의 의사결정트리에 매칭하여, 제 1 사용자(P1)임을 판별한다.
다음은 도 2 내지 도 5를 참조하여, 본 발명의 일 실시예에 따른 인증 방법에 대해 설명한다.
도 2는 본 발명의 일 실시예에 따른 인증 방법을 도시한 흐름도이고, 도 3 내지 5는 본 발명의 일 실시예에 따른 의사결정트리의 특징을 도시한 개념도이다.
도 2를 참조하면, 본 발명의 일 실시예에 따른 인증 방법은 사용자를 학습하는 단계(S10), 사용자를 인식하는 단계(S20), 사용자를 판별하는 단계(S30) 및 사용자를 갱신하는 단계(S40)를 포함한다.
상기 사용자를 학습하는 단계(S10)에서는 사용자 그룹 내로 제 1 사용자를 학습 및 등록시키는 작업을 수행한다. 여기서, 상기 사용자를 학습하는 단계(S10)는 제 1 사용자(P1)의 얼굴 특징을 추출하는 단계 및 의사결정트리(Decision tree)를 생성하는 단계로 구성된다.
즉, 우선, 상기 인식 유닛(120)에서 제 1 사용자의 영상(ex, 얼굴) 특징을 추출하여, 이를 판별기(130)에 전달하고, 이에, 판별기(130)에서는 제 1 사용자(P1) 고유의 영상(ex, 얼굴) 특징을 다른 사용자(타인, ~P1)와 구별되는 초평면(Hyperplane) 계수들로 의사결정트리를 구성한다.
여기서, 상기 영상(ex, 얼굴) 특징은 Gabor, Gradient 및 국부이진패턴(Local Binary Pattern, LBP) 중 하나의 알고리즘으로 추출될 수 있으나, 이러한 알고리즘으로 본 발명을 한정하는 것은 아니다.
또한, 상기 의사결정트리의 노드(node)의 결정함수로 정준상관분석(Canonical Correlation Analysis, CCA), 서포트 벡터 머신(Support Vector Machine, SVM), 주성분분석(Principle Component Analysis, PCA), 선형 판별 분석(Linear Discriminant Analysis, LDA) 및 Ada-boost 중 어느 하나를 이용할 수 있다.
다만, 이하에서는 설명의 편의를 위하여, 정준상관분석을 이용한 의사결정트리에 대해 설명한다.
먼저, 정준상관분석을 이용하여 사용자 그룹 내의 제 1 사용자(P1)와 타인(~P1)의 영상(ex, 얼굴) 특징을 구별하는 계수(Coefficient)를 찾아낸다.
이후, 상기 계수를 이용하여 제 1 사용자(P1)와 타인(~P1)의 영상(ex, 얼굴) 특징 집합을 분류하고, 상기 의사결정트리를 구성하여 이를 식별 부재(110)에 저장한다.
다만, 정준상관분석의 계수를 구할 때, 제 1 사용자(P1)의 특징 데이터 개수와 타인(~P1)들의 특징 데이터 개수는 크게 차이가 있으므로 이들 사이에 구별력이 떨어질 수 있고, 이는 결국 의사결정트리의 크기(복잡도)를 증가 시킬 수 있다.
따라서, 본 발명에서는 제 1 사용자(P1)의 기댓값에 가중치를 부여하여, 다음의 수학식 1과 같이, 가중치-정준상관분석(Weighted-CCA)을 설정한다.
Figure pat00003
여기서, 상기 제 1 사용자의 특징 벡터를 x0로, 상기 사용자 그룹 내에서 제 1 사용자를 제외한 다른 사용자들의 특징 벡터 각각을 x1, x2, ... , xn 이라 하고, 상기 의사결정트리에서의 x0의 라벨(Label)을 "1"로, x1, x2, ... , xn의 라벨들을 "0"으로 하고, Y i 는 i번째 사용자의 특징 벡터의 라벨을,
Figure pat00004
은 제 1 사용자의 특징 벡터의 개수를, N은 상기 사용자 그룹 내에서 제 1 사용자를 제외한 다른 사용자들의 특징 벡터의 개수를 의미한다.
이와 같이, 제 1 사용자(P1)와 타인(~P1)에 대한 가중치-정준상관분석의 계수를 PAC_P1(Person associated classifier)으로 하여, 도 3에 도시된 바와 같이 의사결정트리를 구성할 수 있다. 물론, 도 3에 도시된 제 2 사용자(P2) 내지 제 N 사용자(PN) 각각의 의사결정트리는 제 1 사용자(P1)에 대한 의사결정트리와 동일한 방법으로 구성된다.
상기 사용자를 인식하는 단계(S20) 및 사용자를 판별하는 단계(S30)는 상기 인식 유닛(120)에서, 제 1 사용자(P1)의 영상(ex, 얼굴) 특징을 추출하여, 상기 의사결정트리 구조를 따라 순행함으로써 인식된다. 즉, 의사결정트리의 결정함수에 따라 트리의 구조를 순행하며 최종적으로 찾아지는 결과에 따라 본인인지 아닌지 판별된다.
여기서, 상술한 정준상관분석을 사용하였을 경우에는 제 1 사용자(P1)의 영상(ex, 얼굴) 특징과 계수의 선형결합으로 결정함수가 빠르게 계산될 수 있다.
여기서, 사용자 그룹 내로 새로운 사용자 제 3 사용자(P3)가 신규로 추가되는 경우, 제 3 사용자(P3) 외에 다른 사용자들은 갱신(재학습) 할 필요가 없다.
하지만, 제 3 사용자(P3)가 기존의 제 1 사용자(P1)와 영상(ex, 얼굴) 특징이 유사하여, 제 3 사용자(P3)를 제 1 사용자(P1)로 제 1 사용자(P1)를 제 3 사용자(P3)로 오인할 경우가 발생할 수 있다. 이에, 본 발명에서는 사용자를 갱신하는 단계(S40)를 더 포함한다.
상기 사용자를 갱신하는 단계(S40)에서는 기존의 제 1 사용자(P1)의 의사결정트리를 갱신한다. 즉, 도 4에 도시된 바와 같이, PAC_P1에서 제 3 사용자(P3)와 구별되는 결정함수로 구성된 자식 로드(child node)를 추가하여 PAC_P1,1 및 PAC_P1,2로 갱신한다. 물론, 제 3 사용자(P3)는 사용자 그룹 내로 추가되면서, 타인(~P3)들과 구별되는 결정함수로 의사결정트리가 구성되고, 제 3 사용자(P3)와 구별되는 제 2 사용자(P2) 내지 제 N 사용자(PN)는 의사결정트리를 갱신할 필요가 없다.
여기서, 신규 사용자들이 계속적으로 추가되면 오인되는 사용자들과의 구별을 위해 기존의 제 1 사용자(P1)의 의사결정트리에는 자식 로드가 복잡하게 추가될 것이다. 따라서, 제 1 사용자(P1)의 의사결정트리가 어느 수준 이상으로 복잡하게 형성될 경우, 도 5에 도시된 바와 같이, 제 1 사용자(P1)의 의사결정트리만 재학습하여 현재 사용자 그룹 내의 타인(~P1)과 구별되는 결정함수 (PAC_P1)로 의사결정트리를 재구성한다.
이상에서 설명한 것은 본 발명에 따른 인증 방법 및 이를 이용한 인증 장치를 실시하기 위한 하나의 실시예에 불과한 것으로서, 본 발명은 상기한 실시예에 한정되지 않고, 이하의 특허청구범위에서 청구하는 바와 같이 본 발명의 요지를 벗어남이 없이 당해 발명이 속하는 분야에서 통상의 지식을 가진 자라면 누구든지 다양한 변경 실시가 가능한 범위까지 본 발명의 기술적 정신이 있다고 할 것이다.
100; 인증 장치 110; 식별 부재
120; 인식 유닛(120) 130; 판별기

Claims (12)

  1. 사용자 그룹 내로 제 1 사용자를 학습 및 등록하는 단계(A);
    판별기에서 상기 제 1 사용자의 특징을 인식하는 단계(B); 및
    상기 판별기에서 상기 제 1 사용자임을 판별하는 단계(C)를 포함하고,
    상기 (A) 단계는 상기 제 1 사용자의 특징 벡터를 추출하는 단계(A-1) 및 상기 제 1 사용자의 특징 벡터를 통해 의사결정트리(Decision Tree)를 생성하는 단계(A-2)로 구성되고,
    상기 (C) 단계에서는 상기 (B) 단계에서 인식한 상기 제 1 사용자의 특징 벡터를 상기 의사결정트리에 매칭하여, 상기 제 1 사용자임을 판별하는 것을 특징으로 하는 인증 방법.
  2. 제 1항에 있어서,
    상기 (A-1) 단계에서,
    상기 제 1 사용자의 특징 벡터는 영상 특징 또는 음성 특징 중 적어도 하나인 것을 특징으로 하는 인증 방법.
  3. 제 2항에 있어서,
    상기 영상 특징은 Gabor, Gradient 및 국부이진패턴(Local Binary Pattern, LBP) 중 하나의 알고리즘으로 추출되는 것을 특징으로 하는 인증 방법.
  4. 제 1항에 있어서,
    상기 (A-2) 단계에서,
    상기 의사결정트리의 노드(node)의 결정함수는 정준상관분석(Canonical Correlation Analysis, CCA), 서포트 벡터 머신(Support Vector Machine, SVM), 주성분분석(Principle Component Analysis, PCA), LDA(Linear Discriminant Analysis) 및 Ada-boost 중 어느 하나로 이루어지는 것을 특징으로 하는 인증 방법.
  5. 제 4항에 있어서,
    상기 (A-2) 단계에서 상기 정준상관분석을 이용하여 상기 의사결정트리를 생성하는 경우,
    상기 의사결정트리에서 상기 제 1 사용자의 기댓값에 하기의 수식과 같이 가중치를 부여하는 것을 특징으로 하는 인증 방법.
    Figure pat00005

    여기서, 상기 제 1 사용자의 특징 벡터를 x0로, 상기 사용자 그룹 내에서 제 1 사용자를 제외한 다른 사용자들의 특징 벡터 각각을 x1, x2, ... , xn 이라 하고, 상기 의사결정트리에서의 x0의 라벨(Label)을 "1"로, x1, x2, ... , xn의 라벨들을 "0"으로 하고, Y i 는 i번째 사용자의 특징 벡터의 라벨을,
    Figure pat00006
    은 제 1 사용자의 특징 벡터의 개수를, N은 상기 사용자 그룹 내에서 제 1 사용자를 제외한 다른 사용자들의 특징 벡터의 개수를 의미.
  6. 제 1항에 있어서,
    상기 사용자 그룹 내로 새로운 제 3 사용자를 추가시킴에 있어,
    상기 제 3 사용자와 유사한 특징 벡터를 가진 제 1 사용자의 의사결정트리를 갱신하는 단계(D)를 더 포함하는 것을 특징으로 하는 인증 방법.
  7. 제 6항에 있어서,
    상기 (D) 단계에서,
    상기 제 1 사용자의 의사결정트리에는 제 3 사용자와 구별되는 결정함수로 구성된 자식 로드(child node)가 추가되는 것을 특징으로 하는 인증 방법.
  8. 제 7항에 있어서,
    상기 제 1 사용자의 의사결정트리를 재구성하는 단계(E)를 더 포함하는 것을 특징으로 하는 인증 방법.
  9. 제 1항에 있어서,
    상기 (A) 단계에서 생성된 상기 제 1 사용자의 의사결정트리는 상기 제 1 사용자가 소지하는 식별 부재에 저장되고,
    상기 (C) 단계에서는 상기 (B) 단계에서 인식한 상기 제 1 사용자의 특징 벡터를 상기 식별 부재의 상기 의사결정트리에 매칭하여, 상기 제 1 사용자임을 판별하는 것을 특징으로 하는 인증 방법.
  10. 사용자 그룹 내의 다른 사용자들과 제 1 사용자가 구별되는 특징 벡터를 통해 생성된 의사결정트리를 포함하는 식별 부재 및
    상기 제 1 사용자를 인식하고, 인식한 상기 제 1 사용자의 특징 벡터를 상기 의사결정트리에 매칭하여, 상기 제 1 사용자임을 판별하는 판별기를 포함하는 것을 특징으로 하는 인증 장치.
  11. 제 10항에 있어서,
    상기 판별기는 상기 제 1 사용자를 인식하는 인식 유닛에 연결된 것을 특징으로 하는 인증 장치.
  12. 제 11항에 있어서,
    상기 인식 유닛은 상기 제 1 사용자의 영상 특징 또는 음성 특징 중 적어도 하나의 특징 벡터를 검출하는 것을 특징으로 하는 인증 장치.
KR1020140046108A 2014-04-17 2014-04-17 인증 방법 및 이를 이용한 인증 장치 KR101567686B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020140046108A KR101567686B1 (ko) 2014-04-17 2014-04-17 인증 방법 및 이를 이용한 인증 장치

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020140046108A KR101567686B1 (ko) 2014-04-17 2014-04-17 인증 방법 및 이를 이용한 인증 장치

Publications (2)

Publication Number Publication Date
KR20150120188A true KR20150120188A (ko) 2015-10-27
KR101567686B1 KR101567686B1 (ko) 2015-11-09

Family

ID=54428489

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020140046108A KR101567686B1 (ko) 2014-04-17 2014-04-17 인증 방법 및 이를 이용한 인증 장치

Country Status (1)

Country Link
KR (1) KR101567686B1 (ko)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110619206A (zh) * 2019-08-15 2019-12-27 中国平安财产保险股份有限公司 运维风险控制方法、***、设备及计算机可读存储介质
CN110705585A (zh) * 2019-08-22 2020-01-17 深圳壹账通智能科技有限公司 网络欺诈识别方法、装置、计算机装置及存储介质

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101116737B1 (ko) 2010-10-12 2012-02-22 고려대학교 산학협력단 요주의 인물 식별 시스템

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110619206A (zh) * 2019-08-15 2019-12-27 中国平安财产保险股份有限公司 运维风险控制方法、***、设备及计算机可读存储介质
CN110619206B (zh) * 2019-08-15 2024-04-02 中国平安财产保险股份有限公司 运维风险控制方法、***、设备及计算机可读存储介质
CN110705585A (zh) * 2019-08-22 2020-01-17 深圳壹账通智能科技有限公司 网络欺诈识别方法、装置、计算机装置及存储介质
WO2021031825A1 (zh) * 2019-08-22 2021-02-25 深圳壹账通智能科技有限公司 网络欺诈识别方法、装置、计算机装置及存储介质

Also Published As

Publication number Publication date
KR101567686B1 (ko) 2015-11-09

Similar Documents

Publication Publication Date Title
CN107633204B (zh) 人脸遮挡检测方法、装置及存储介质
KR100734849B1 (ko) 얼굴 인식 방법 및 그 장치
KR101464446B1 (ko) 얼굴 인식과 자세 추정을 이용한 개인 인증 방법 및 그 장치
JP6111297B2 (ja) 方法、装置、およびプログラム
EP2763102A1 (en) Face recognition method, apparatus, and computer-readable recording medium for executing the method
KR20160011916A (ko) 얼굴 인식을 통한 사용자 식별 방법 및 장치
KR20150099129A (ko) 국소 특징 기반 적응형 결정 트리를 이용한 얼굴 표정 인식 방법 및 장치
US20140254892A1 (en) Face recognition apparatus, system and method for managing users based on user grouping
US20170185827A1 (en) Emotion estimation apparatus using facial images of target individual, emotion estimation method, and non-transitory computer readable medium
KR102483650B1 (ko) 사용자 인증 장치 및 방법
US20190278894A1 (en) Multiple-tiered facial recognition
KR102427853B1 (ko) 사용자 인증을 위한 등록 데이터베이스의 적응적 갱신 방법 및 장치
WO2017192719A1 (en) User specific classifiers for biometric liveness detection
WO2020195732A1 (ja) 画像処理装置、画像処理方法、およびプログラムが格納された記録媒体
CN111382666A (zh) 具有用户验证的设备和方法
Sabir et al. Gait-based gender classification using smartphone accelerometer sensor
KR101455666B1 (ko) 인증 장치 및 그 인증 방법
KR20200020107A (ko) 기계학습을 이용한 획 기반 수기 서명 인증 방법 및 시스템
KR101491832B1 (ko) 영상 선택 장치 및 방법
KR101195539B1 (ko) 얼굴 인식 및 검출을 이용한 출입문 개폐 시스템 및 그 방법
KR101567686B1 (ko) 인증 방법 및 이를 이용한 인증 장치
Dhruva et al. Novel algorithm for image processing based hand gesture recognition and its application in security
Sharma et al. Multimodal classification using feature level fusion and SVM
KR20210018586A (ko) 등장인물의 생체특징을 이용하는 비디오 콘텐트 식별 방법 및 장치
JP2014016909A (ja) 生体認証装置、リトライ制御プログラム及びリトライ制御方法

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