최근에 금융과 기술이 결합된 핀테크 기술의 발전 및 웨어러블 기기가 발달하고, 모바일 기기에서 다양한 서비스를 제공함에 따라 본인인증 수단으로 생체인식 기술이 주목받고 있다. 기존의 지문, 홍채, 정맥 인식 시스템은 별도의 센서나 적외선카메라, 또는 고가의 줌 카메라가 필요하고, 환경적 요인으로 인해 인식률이 낮아지는 문제점이 있다. 제안하는 ...
최근에 금융과 기술이 결합된 핀테크 기술의 발전 및 웨어러블 기기가 발달하고, 모바일 기기에서 다양한 서비스를 제공함에 따라 본인인증 수단으로 생체인식 기술이 주목받고 있다. 기존의 지문, 홍채, 정맥 인식 시스템은 별도의 센서나 적외선카메라, 또는 고가의 줌 카메라가 필요하고, 환경적 요인으로 인해 인식률이 낮아지는 문제점이 있다. 제안하는 알고리즘은 기존의 생체인식의 한계점을 해결하고자 모바일 기기에 포함되어 있는 카메라를 이용하였다. 본 논문은 카메라를 통해 얻은 엄지손가락 영상을 상관계수를 이용하여 유사도를 비교하는 방법과 SIFT 알고리즘을 이용하여 유사도를 비교하는 두 가지의 알고리즘을 각각 제안하였다. 첫 번째로, 상관계수를 이용하는 방법은 엄지손가락 길이, 너비, 주름 정보를 특징으로 사용한다. 이를 위해 영상을 취득하고, 조명 정규화, 피부색 영역 검출, 크기 정규화 및 정렬 과정을 거친 후 상관계수 계산을 통해 유사도를 측정한다. 두 번째로, SIFT 알고리즘을 이용하는 방법은 엄지손가락 영상을 취득하고, 조명정규화, 히스토그램 평활화 과정을 거친 후, SIFT 알고리즘을 이용하여 서로 동일한 특징점을 찾는다. 이 후 잘못 대응된 점들을 제외한 결과 영상들에서 특징점들간의 기울기 편차를 기준으로 본인 여부를 판단한다. 20명의 엄지손가락 영상을 각 10장씩 취득하여 본인 및 타인간의 정합 실험을 진행하였고, 제안한 알고리즘인 상관계수를 이용한 방법과 SIFT를 이용한 방법에 대해 각각의 성능을 분석하였다. 두 알고리즘에 대한 정확도는 각각 98.86%와 99.89%로 높은 인식률을 보여준다. 또한 보안에서 중요한 요소 중의 하나인 오수락률은 오거부율이 각각 1.44%와 1.11%일 때. 0.84%와 0.10%이다. 따라서 금융시장과 같이 보안을 중요시하는 곳에서 본인 확인의 용도로 활용될 수 있다. 주제어 : 엄지손가락 인식, 생체인식
최근에 금융과 기술이 결합된 핀테크 기술의 발전 및 웨어러블 기기가 발달하고, 모바일 기기에서 다양한 서비스를 제공함에 따라 본인인증 수단으로 생체인식 기술이 주목받고 있다. 기존의 지문, 홍채, 정맥 인식 시스템은 별도의 센서나 적외선카메라, 또는 고가의 줌 카메라가 필요하고, 환경적 요인으로 인해 인식률이 낮아지는 문제점이 있다. 제안하는 알고리즘은 기존의 생체인식의 한계점을 해결하고자 모바일 기기에 포함되어 있는 카메라를 이용하였다. 본 논문은 카메라를 통해 얻은 엄지손가락 영상을 상관계수를 이용하여 유사도를 비교하는 방법과 SIFT 알고리즘을 이용하여 유사도를 비교하는 두 가지의 알고리즘을 각각 제안하였다. 첫 번째로, 상관계수를 이용하는 방법은 엄지손가락 길이, 너비, 주름 정보를 특징으로 사용한다. 이를 위해 영상을 취득하고, 조명 정규화, 피부색 영역 검출, 크기 정규화 및 정렬 과정을 거친 후 상관계수 계산을 통해 유사도를 측정한다. 두 번째로, SIFT 알고리즘을 이용하는 방법은 엄지손가락 영상을 취득하고, 조명정규화, 히스토그램 평활화 과정을 거친 후, SIFT 알고리즘을 이용하여 서로 동일한 특징점을 찾는다. 이 후 잘못 대응된 점들을 제외한 결과 영상들에서 특징점들간의 기울기 편차를 기준으로 본인 여부를 판단한다. 20명의 엄지손가락 영상을 각 10장씩 취득하여 본인 및 타인간의 정합 실험을 진행하였고, 제안한 알고리즘인 상관계수를 이용한 방법과 SIFT를 이용한 방법에 대해 각각의 성능을 분석하였다. 두 알고리즘에 대한 정확도는 각각 98.86%와 99.89%로 높은 인식률을 보여준다. 또한 보안에서 중요한 요소 중의 하나인 오수락률은 오거부율이 각각 1.44%와 1.11%일 때. 0.84%와 0.10%이다. 따라서 금융시장과 같이 보안을 중요시하는 곳에서 본인 확인의 용도로 활용될 수 있다. 주제어 : 엄지손가락 인식, 생체인식
Recently, FinTech with the combination of finance and technology and wearable devices have been limelight. Also, biometric recognition has been attracting attention as a means of authenticating users by providing various services in mobile devices. Fingerprint, iris, and vein recognition systems req...
Recently, FinTech with the combination of finance and technology and wearable devices have been limelight. Also, biometric recognition has been attracting attention as a means of authenticating users by providing various services in mobile devices. Fingerprint, iris, and vein recognition systems require additional sensors, infrared camera, or expensive zoom camera. Also, the recognition accuracy can be degraded by specific environmental factors. The proposed algorithm uses conventional camera built in mobile devices to solve the above mentioned problems of existing mobile biometrics. In this paper, we propose two algorithms for comparing the similarity using the correlation coefficient and SIFT algorithm. Firstly, the method using the correlation coefficient is characterized by the thumb length, width, and wrinkle information. For that, thumb image acquisition, illumination normalization, skin region segmentation, size normalization, and alignment are successively performed as pre-processing procedures then correlation coefficient based similarity is measured. Secondly, SIFT algorithm is adopted for measuring similarity between two thumb images. To enhance thumb image in terms of obtaining SIFT correspondences, illumination normalization and histogram equalization are performed. Then, false SIFT correspondences are excluded. After that, the standard deviation of gradients of mapping line between two thumb images is regarded as the distance between them. We obtained totally 200 thumb images in which 10 thumb images per person from 20 subjects. Then, genuine and impostor matching were performed, respectively. Based on the matching results, we analyzed the performance of the proposed algorithm using correlation coefficient and SIFT method. The recognition accuracies of using correlation coefficient and SIFT were 98.86% and 99.89%, respectively. In addition, the experimental results show that false acceptance rates, which is the important factor in terms of security, were 0.84% and 0.10%. In here, false rejection rates were 1.44% and 1.11%, respectively. Therefore, it can be used for individual verification in places where security is important, such as financial authentication. Keyword : Thumb Recognition, Biometric
Recently, FinTech with the combination of finance and technology and wearable devices have been limelight. Also, biometric recognition has been attracting attention as a means of authenticating users by providing various services in mobile devices. Fingerprint, iris, and vein recognition systems require additional sensors, infrared camera, or expensive zoom camera. Also, the recognition accuracy can be degraded by specific environmental factors. The proposed algorithm uses conventional camera built in mobile devices to solve the above mentioned problems of existing mobile biometrics. In this paper, we propose two algorithms for comparing the similarity using the correlation coefficient and SIFT algorithm. Firstly, the method using the correlation coefficient is characterized by the thumb length, width, and wrinkle information. For that, thumb image acquisition, illumination normalization, skin region segmentation, size normalization, and alignment are successively performed as pre-processing procedures then correlation coefficient based similarity is measured. Secondly, SIFT algorithm is adopted for measuring similarity between two thumb images. To enhance thumb image in terms of obtaining SIFT correspondences, illumination normalization and histogram equalization are performed. Then, false SIFT correspondences are excluded. After that, the standard deviation of gradients of mapping line between two thumb images is regarded as the distance between them. We obtained totally 200 thumb images in which 10 thumb images per person from 20 subjects. Then, genuine and impostor matching were performed, respectively. Based on the matching results, we analyzed the performance of the proposed algorithm using correlation coefficient and SIFT method. The recognition accuracies of using correlation coefficient and SIFT were 98.86% and 99.89%, respectively. In addition, the experimental results show that false acceptance rates, which is the important factor in terms of security, were 0.84% and 0.10%. In here, false rejection rates were 1.44% and 1.11%, respectively. Therefore, it can be used for individual verification in places where security is important, such as financial authentication. Keyword : Thumb Recognition, Biometric
AI-Helper
※ AI-Helper는 부적절한 답변을 할 수 있습니다.