최근 지문, 홍채, 얼굴 등의 신체 부위를 이용한 생체 인식 기술이 금융, 모바일 기기 등의 다양한 분야에 활용되고 있다. 생체 인식은 인간의 고유한 특징을 통해 특정 사람의 신원을 확인하는 사용자 인식 기술로써, 패스워드 및 패턴 등과 같은 기존 사용자 인식 방법 대비 분실이나 망각의 우려가 적으며 별도의 휴대가 불필요하다는 장점이 있다. 이 중에서도 정맥 인식의 경우 손바닥, 손등 등에 존재하는 정맥 패턴을 사용자 인식에 활용하는 방식으로, 위변조 우려가 적고 보안성 또한 뛰어나기 때문에 최근 관련하여 연구가 활발히 이루어지고 있다. 기존 연구에서는 정맥의 기하학적, 통계적 특징 등의 정보를 활용하여 사용자 인식을 수행하였다. 이러한 방식은 정맥 영상의 품질에 인식 성능이 크게 제한을 받기 때문에, 정맥 영상 내 노이즈가 발생하거나 빛 산란에 의한 영상 왜곡이 발생할 경우 안정적인 인식 성능을 담보할 수 없다는 단점이 따른다. 상기 언급한 단점을 보완하고자, 본 논문에서는 손금과 정맥 특징을 함께 이용한 생체 인증 방법을 제안한다. 이를 위해, 손바닥 영역 내 손금 및 정맥 정보가 다량 포함되어 있는 관심 영역을 우선 검출하고, 기하학적 방향성 및 영상 내 주파수 정보를 활용하여 정맥 영상 화질 개선을 수행한다. 이후 다양한 파장 조명 환경에서 획득된 영상을 제안하는 앙상블 기반 ...
최근 지문, 홍채, 얼굴 등의 신체 부위를 이용한 생체 인식 기술이 금융, 모바일 기기 등의 다양한 분야에 활용되고 있다. 생체 인식은 인간의 고유한 특징을 통해 특정 사람의 신원을 확인하는 사용자 인식 기술로써, 패스워드 및 패턴 등과 같은 기존 사용자 인식 방법 대비 분실이나 망각의 우려가 적으며 별도의 휴대가 불필요하다는 장점이 있다. 이 중에서도 정맥 인식의 경우 손바닥, 손등 등에 존재하는 정맥 패턴을 사용자 인식에 활용하는 방식으로, 위변조 우려가 적고 보안성 또한 뛰어나기 때문에 최근 관련하여 연구가 활발히 이루어지고 있다. 기존 연구에서는 정맥의 기하학적, 통계적 특징 등의 정보를 활용하여 사용자 인식을 수행하였다. 이러한 방식은 정맥 영상의 품질에 인식 성능이 크게 제한을 받기 때문에, 정맥 영상 내 노이즈가 발생하거나 빛 산란에 의한 영상 왜곡이 발생할 경우 안정적인 인식 성능을 담보할 수 없다는 단점이 따른다. 상기 언급한 단점을 보완하고자, 본 논문에서는 손금과 정맥 특징을 함께 이용한 생체 인증 방법을 제안한다. 이를 위해, 손바닥 영역 내 손금 및 정맥 정보가 다량 포함되어 있는 관심 영역을 우선 검출하고, 기하학적 방향성 및 영상 내 주파수 정보를 활용하여 정맥 영상 화질 개선을 수행한다. 이후 다양한 파장 조명 환경에서 획득된 영상을 제안하는 앙상블 기반 합성곱 신경망의 입력으로 활용하여 손금과 정맥 패턴 특징을 효율적으로 학습한다. 다양한 환경에서의 실험을 통해 기존 정맥 기반 생체 인증 방법 대비 본 논문에서 제안하는 방법이 보다 개선된 결과를 보이는 것을 확인하고 그 결과를 다각도로 분석한다.
최근 지문, 홍채, 얼굴 등의 신체 부위를 이용한 생체 인식 기술이 금융, 모바일 기기 등의 다양한 분야에 활용되고 있다. 생체 인식은 인간의 고유한 특징을 통해 특정 사람의 신원을 확인하는 사용자 인식 기술로써, 패스워드 및 패턴 등과 같은 기존 사용자 인식 방법 대비 분실이나 망각의 우려가 적으며 별도의 휴대가 불필요하다는 장점이 있다. 이 중에서도 정맥 인식의 경우 손바닥, 손등 등에 존재하는 정맥 패턴을 사용자 인식에 활용하는 방식으로, 위변조 우려가 적고 보안성 또한 뛰어나기 때문에 최근 관련하여 연구가 활발히 이루어지고 있다. 기존 연구에서는 정맥의 기하학적, 통계적 특징 등의 정보를 활용하여 사용자 인식을 수행하였다. 이러한 방식은 정맥 영상의 품질에 인식 성능이 크게 제한을 받기 때문에, 정맥 영상 내 노이즈가 발생하거나 빛 산란에 의한 영상 왜곡이 발생할 경우 안정적인 인식 성능을 담보할 수 없다는 단점이 따른다. 상기 언급한 단점을 보완하고자, 본 논문에서는 손금과 정맥 특징을 함께 이용한 생체 인증 방법을 제안한다. 이를 위해, 손바닥 영역 내 손금 및 정맥 정보가 다량 포함되어 있는 관심 영역을 우선 검출하고, 기하학적 방향성 및 영상 내 주파수 정보를 활용하여 정맥 영상 화질 개선을 수행한다. 이후 다양한 파장 조명 환경에서 획득된 영상을 제안하는 앙상블 기반 합성곱 신경망의 입력으로 활용하여 손금과 정맥 패턴 특징을 효율적으로 학습한다. 다양한 환경에서의 실험을 통해 기존 정맥 기반 생체 인증 방법 대비 본 논문에서 제안하는 방법이 보다 개선된 결과를 보이는 것을 확인하고 그 결과를 다각도로 분석한다.
In the field of biometric authentication, palm vein recognition has become a promising technique due to its high performance and robustness to spoofing attacks. Human palms contain discriminative information for veryfing the identity of each person. However, uneven illumination and light scattering ...
In the field of biometric authentication, palm vein recognition has become a promising technique due to its high performance and robustness to spoofing attacks. Human palms contain discriminative information for veryfing the identity of each person. However, uneven illumination and light scattering still give a great difficulty to clearly reveal vein patterns. In this paper, we propose a novel method based on multispectral palmprint images for efficient user verification. Specifically, the region of interest (ROI) is first identified to be forced to contain the maximum amount of vein patterns with respect to underlying structure of a given hand image. The obtained ROI images are then enhanced to efficiently supplement loss of vein patterns. For multispectral palmprint images, each of sub-convolutional neural networks is independently trained. In an unified network, we combine the outputs of sub-networks to efficiently compute the probability of given ROI images for verifying the identity of an user. Based on various experimental results, we show that the proposed method is effective for user recognition compared to previous models introduced in literature.
In the field of biometric authentication, palm vein recognition has become a promising technique due to its high performance and robustness to spoofing attacks. Human palms contain discriminative information for veryfing the identity of each person. However, uneven illumination and light scattering still give a great difficulty to clearly reveal vein patterns. In this paper, we propose a novel method based on multispectral palmprint images for efficient user verification. Specifically, the region of interest (ROI) is first identified to be forced to contain the maximum amount of vein patterns with respect to underlying structure of a given hand image. The obtained ROI images are then enhanced to efficiently supplement loss of vein patterns. For multispectral palmprint images, each of sub-convolutional neural networks is independently trained. In an unified network, we combine the outputs of sub-networks to efficiently compute the probability of given ROI images for verifying the identity of an user. Based on various experimental results, we show that the proposed method is effective for user recognition compared to previous models introduced in literature.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.