현재의 지문 인식 시스템은 지문 패턴의 복제와 지문 특징점의 해킹이라는 불안한 요소가 잠재되어 있어, 시스템 오동작의 주요 원인이 되기도 한다. 이에 본 논문에서는 신체의 일부인 지문을 주 핵심 인식기로 사용하고, 여기에 최근 널리 이용 되고 있는 화자 인증을 이용하여 직렬 형태의 다중 생체인식 시스템을 구현하였다. 구현된 시스템은 다중생체인식시스템으로 먼저 음성에 대한 인증과정이 성공하면 지문에 대한 인식과정을 수행하는 구조로 되어있다. 또한 효율적인 실시간 인증 처리를 위해 기존의 음성 인식 알고리즘 중에서 화자 종속형인 DTW(Dynamic Time Waning) 알고리즘을 사용하였으며, 지문 인식 알고리즘으로는 계산량을 고려하여 인공지능 기법인 KSOM(Kohonen Self-Organizing feature Map) 알고리즘을 적용하였다. 본 논문에서 구현한 다중생체 인식시스템을 실험한 결과 지문과 음성을 각각 이용한 단일인식시스템보다 본인거부율은 $2\~7\%$정도 떨어졌지만, 인식시스템에서 가장 중요한 요소인 타인수락율은 전혀 발생하지 않음을 확인하였다. 아울러 인식테스트 시간 또한 기존의 단일 생체 인식 시스템과 차이가 거의 없었으며, 인식에 걸린 시간은 평균 1.5초 정도였다. 이에 구현된 다중 생체 인의 시스템은 여러 가지 실험 결과 단일 인식 시스템보다 더 효율적인 보안 시스템임을 증명하였다.
현재의 지문 인식 시스템은 지문 패턴의 복제와 지문 특징점의 해킹이라는 불안한 요소가 잠재되어 있어, 시스템 오동작의 주요 원인이 되기도 한다. 이에 본 논문에서는 신체의 일부인 지문을 주 핵심 인식기로 사용하고, 여기에 최근 널리 이용 되고 있는 화자 인증을 이용하여 직렬 형태의 다중 생체인식 시스템을 구현하였다. 구현된 시스템은 다중생체인식시스템으로 먼저 음성에 대한 인증과정이 성공하면 지문에 대한 인식과정을 수행하는 구조로 되어있다. 또한 효율적인 실시간 인증 처리를 위해 기존의 음성 인식 알고리즘 중에서 화자 종속형인 DTW(Dynamic Time Waning) 알고리즘을 사용하였으며, 지문 인식 알고리즘으로는 계산량을 고려하여 인공지능 기법인 KSOM(Kohonen Self-Organizing feature Map) 알고리즘을 적용하였다. 본 논문에서 구현한 다중생체 인식시스템을 실험한 결과 지문과 음성을 각각 이용한 단일인식시스템보다 본인거부율은 $2\~7\%$정도 떨어졌지만, 인식시스템에서 가장 중요한 요소인 타인수락율은 전혀 발생하지 않음을 확인하였다. 아울러 인식테스트 시간 또한 기존의 단일 생체 인식 시스템과 차이가 거의 없었으며, 인식에 걸린 시간은 평균 1.5초 정도였다. 이에 구현된 다중 생체 인의 시스템은 여러 가지 실험 결과 단일 인식 시스템보다 더 효율적인 보안 시스템임을 증명하였다.
The recent fingerprint recognition system has unstable factors, such as copy of fingerprint patterns and hacking of fingerprint feature point, which mali cause significant system error. Thus, in this research, we used the fingerprint as the main recognition device and then implemented the multi-biom...
The recent fingerprint recognition system has unstable factors, such as copy of fingerprint patterns and hacking of fingerprint feature point, which mali cause significant system error. Thus, in this research, we used the fingerprint as the main recognition device and then implemented the multi-biometric recognition system in serial using the speech recognition which has been widely used recently. As a multi-biometric recognition system, once the speech is successfully recognized, the fingerprint recognition process is run. In addition, speaker-dependent DTW(Dynamic Time Warping) algorithm is used among existing speech recognition algorithms (VQ, DTW, HMM, NN) for effective real-time process while KSOM (Kohonen Self-Organizing feature Map) algorithm, which is the artificial intelligence method, is applied for the fingerprint recognition system because of its calculation amount. The experiment of multi-biometric recognition system implemented in this research showed 2 to $7\%$ lower FRR (False Rejection Ratio) than single recognition systems using each fingerprints or voice, but zero FAR (False Acceptance Ratio), which is the most important factor in the recognition system. Moreover, there is almost no difference in the recognition time(average 1.5 seconds) comparing with other existing single biometric recognition systems; therefore, it is proved that the multi-biometric recognition system implemented is more efficient security system than single recognition systems based on various experiments.
The recent fingerprint recognition system has unstable factors, such as copy of fingerprint patterns and hacking of fingerprint feature point, which mali cause significant system error. Thus, in this research, we used the fingerprint as the main recognition device and then implemented the multi-biometric recognition system in serial using the speech recognition which has been widely used recently. As a multi-biometric recognition system, once the speech is successfully recognized, the fingerprint recognition process is run. In addition, speaker-dependent DTW(Dynamic Time Warping) algorithm is used among existing speech recognition algorithms (VQ, DTW, HMM, NN) for effective real-time process while KSOM (Kohonen Self-Organizing feature Map) algorithm, which is the artificial intelligence method, is applied for the fingerprint recognition system because of its calculation amount. The experiment of multi-biometric recognition system implemented in this research showed 2 to $7\%$ lower FRR (False Rejection Ratio) than single recognition systems using each fingerprints or voice, but zero FAR (False Acceptance Ratio), which is the most important factor in the recognition system. Moreover, there is almost no difference in the recognition time(average 1.5 seconds) comparing with other existing single biometric recognition systems; therefore, it is proved that the multi-biometric recognition system implemented is more efficient security system than single recognition systems based on various experiments.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
본 논문에서는 기존의 단일생체 인식시스템이 가지고 있는 타인수락율을 보완하기 위해 생체 인식시스템에서 많이 사용되고 있는 지문과 음성을 이용한 다중생체 인식시스템을 구현하여 타인수락율을 감소시키는데 그 목적을 두었다. 인식시스템은 각각 임베디드 형태로 구현하기 위해, DSP TMS320C32와 TMS320VC 5509를 사용하여 실제 제작하였으며, 실시간 구현을 위해 인공지능 알고리즘인 KSOM 신경망을 채택하여 구현하였다.
본 논문에서는 요즘 활발히 연구가 진행되고 있는 다중 생체 인식 시스템의한 모델을 제시하는데, 여러가지 생체인식 기술 중 음성 및 지문 인식 시스템을 직렬 형태로 결합한 새로운 다중 생체 인식 시스템 모델을 제안한다. 또한 2 가지 생체 기술을 모듈화 시키기 위해 신호처리 전용 프로세서인 TI(32Bit) 및 AVR(8bit) 제품군을 이용하여 각 시스템을 구현하였다[1 이[1LJ.
제안 방법
새로운 다중 생체 인식 시스템 모델을 제안한다. 또한 2 가지 생체 기술을 모듈화 시키기 위해 신호처리 전용 프로세서인 TI(32Bit) 및 AVR(8bit) 제품군을 이용하여 각 시스템을 구현하였다[1 이[1LJ. 아울러 실시간 처리를 위해 복잡한 알고리즘을 대신하여 인공지능 기범인 KSOM 알고리즘을 이용하여 지문 인증을 수행하게 하였으몌12], DTW 알고리즘을 사용하여 화자 인증을 처리하게 하였다[13].
3%로 나타났다. 본 논문에서는 Distance 값이 30이하일 때만을 화자 인식에 성공하고, 30이상일 때는 등록되지 않은 음성이라 판단하여 화자인식을 거부하게끔 동작한다. 특히 '류홍석' 화자인증 테스트를 보면, 본인 거부횟수가 많은.
본 절에서는 KSOM 신경망 알고리즘을 이용하여 지문 데이터베이스를 분류한 것과 분류된 신경망의 연결강도 값을 이용하여 인식테스트를 수행하였다.
따라서 현실에서 상용화되기 위해서는 이 비율을 최소화시키는 것이 곧 시스템의 보안성을 높여 안정성 면에서 신뢰를 얻을 수 있다. 본 절에서는 지문과 화자에 대해 각각 본인거부율과 타인수락율을 테스트하였다.
표 3-6에서는 다중생체 인식테스트의 결과와 지문과 음성을 단독으로 테스트 한 결과를 비교하여 나타내고 있다. 본인거부율 테스트는 미리 저장되어 있는 사람 10명이 각자세 번씩 음성과 지문을 입력하여 테스트를 하였고 타인수락율 테스트는 저장되어 있지 않은 사람 10명의 지문과 음성을 각자 3번씩 입력하여 테스트를 하였다. 다중생체 인식시스템과 단일인식시스템과의 인식률을 비교해보면 다중생체 인식시스템이 화자인식 8.
테스트 결과를 나타낸 것이다. 실험은 각 단어별로 본인을 제외한 나머지 사람들로 구성하여 랜덤하게 테스트를 수행하였다. 타인수락율은 2.
2와 같이 전처리, 특징정보 추출과정을 통해 각각의 지문에 대한 특징 값들을 추출하였다. 이 특징정보들을 이용하여 KSOM 신경망 학습을 PC에서 Visual C++ 6.0을 이용하여 오프라인 상에서 학습과정을 처리하였다.
인식시스템은 각각 임베디드 형태로 구현하기 위해, DSP TMS320C32와 TMS320VC 5509를 사용하여 실제 제작하였으며, 실시간 구현을 위해 인공지능 알고리즘인 KSOM 신경망을 채택하여 구현하였다.
1 과 같으며, 모두 10명의 사람이 각각 3번씩 발성하여 총 30개의 음성 파일을 데이터베이스에 저장시켰다. 저장시킨 패턴의 음성은 본인의 이름을 발성하였고, 30개의 음성에 대한 특징정보들을 화자인식 시스템의 메모리에 저장시켰다.
본 논문의 실험은 총 세 단계로 수행하였다. 첫 번째로 화자 인증 시스템만을 이용하여 음성 특징정보 추출을 통한 인식 결과를 나타내고, 두 번째로 지문인식 시스템만을 이용하여 지문 특징정보 추출을 통한 인식결과를 결과를 나타낸다. 마지막으로 본 논문에서 제시한 다중생체 인식시스템과 단일인식시스템의 인식률 테스트를 비교하여 그 결과를 보여준다.
이용하여 특징정보를 추출하게 하였다. 추출된 특징정보는 화자인증을 수행하기 위해 DTW 알고리즘을 이용하여 기존에 저장되었던 음성 패턴(특징 정보)과 유사도 (Distance)를 구하여 가장 유사한 음성 패턴과 일치하면 인증한다. [13]
대상 데이터
결과이다. 10명의 지문을 세 번씩 입력하여 총 30개의 지문 데이터베이스를 분류한 것이며, 출력층의 개수는 총 100개로 구성하였다. 예를 들어, '김정훈'의 지문은 45번째 그룹에 1개의 지문이 속해 있고, 6번째 그룹에 2개가 속해 있다는 것이다.
학습 알고리즘을 수행한다. AuthenTec 사의 AFS- 8500 반도체 지문센서로부터 한 사람당 한 지문을 세 번씩 입력하여 총 10명의 지문을 저장하였다. 그림 3.
본 논문에서 제안된 직렬 다중 생체 인식 시스템의 전체 하드웨어 구성도를 살펴보면, 그림 2.1과 같이 제어부, 지문인식 부, 화자인식부로 구성된다. 지문인식부와 화자 인증부에서는 미리 등록된 사용자 정보(지문패턴 및 음성패턴)와 입력된 음성 및 지문을 비교하여 그 인식여부를 제어부에 전송하면 제어부에서는 지문인식부와 화자 인증부로부터 받은 인증정보를 비교하여 두 곳 모두에서 인증이 성공되면 그 정보를 LCD에 정보를 표시하며, 이후 도어락이 열리게 된다.
본 논문의 소프트웨어 구성은 학습모드와 인식모드로 구성되녀, 학습모드의 전체 흐름도은 그림 2.2와 같다., 학습모드는 음성이 입력되면 유/무성음을 판단하여 음성영역을 검출한 두】, 특징정보추출을 통해서 프레임낭 12개의 특징정보를 생성한다.
본 논문의 실험은 총 세 단계로 수행하였다. 첫 번째로 화자 인증 시스템만을 이용하여 음성 특징정보 추출을 통한 인식 결과를 나타내고, 두 번째로 지문인식 시스템만을 이용하여 지문 특징정보 추출을 통한 인식결과를 결과를 나타낸다.
데이터처리
첫 번째로 화자 인증 시스템만을 이용하여 음성 특징정보 추출을 통한 인식 결과를 나타내고, 두 번째로 지문인식 시스템만을 이용하여 지문 특징정보 추출을 통한 인식결과를 결과를 나타낸다. 마지막으로 본 논문에서 제시한 다중생체 인식시스템과 단일인식시스템의 인식률 테스트를 비교하여 그 결과를 보여준다.
화자 인증부는 음성이 입력되면 절대 에너지 및 영 교차율방식을 이용하여 음성영역을 추출한 뒤, 추출된 음성들은 데이터 간소화를 위해 MFCC(Mel-Cepstrum Coefficient) 알고리즘을 이용하여 특징정보를 추출하게 하였다. 추출된 특징정보는 화자인증을 수행하기 위해 DTW 알고리즘을 이용하여 기존에 저장되었던 음성 패턴(특징 정보)과 유사도 (Distance)를 구하여 가장 유사한 음성 패턴과 일치하면 인증한다.
성능/효과
3%로 각각 나타났지만, 다중 생체 인식 시스템의 본인거부율은 10%로 높아졌다. 그러나 단일 생체 인식 시 스템 의 타인수락율은 화자인식 은 2.3%, 지 문인식 은 6.7% 로 각각 나타났고, 본 논문에서 제안한 다중생체 인식시스템에서는 한건도 발생하지 않아 안정된 보안 시스템임을 입증하였다.
3%로 나타났지만 본인 거부율은 10%로 높아졌다. 그러나 타인수락율은 화자인식 2.3%, 지문인식 6.7%로 나타났지만 본 논문에서 제안한 다중 생체 인식시스템에서는 한건도 발생하지 않아 안정된 보안시스템임을 입증하였다.
본인거부율 테스트는 미리 저장되어 있는 사람 10명이 각자세 번씩 음성과 지문을 입력하여 테스트를 하였고 타인수락율 테스트는 저장되어 있지 않은 사람 10명의 지문과 음성을 각자 3번씩 입력하여 테스트를 하였다. 다중생체 인식시스템과 단일인식시스템과의 인식률을 비교해보면 다중생체 인식시스템이 화자인식 8.3%, 지문인식 3.3%로 나타났지만 본인 거부율은 10%로 높아졌다. 그러나 타인수락율은 화자인식 2.
본 논문에서 구현한 다중생체 인시시스템을 실험한 결과를 토대로 다중생체 인식시스템과 단일인식시스템과의 인식률을 비교해보면 단일 생체 인식시스템인 화자인식은 8.3%, 지문인식은 3.3%로 각각 나타났지만, 다중 생체 인식 시스템의 본인거부율은 10%로 높아졌다. 그러나 단일 생체 인식 시 스템 의 타인수락율은 화자인식 은 2.
특히 '정성흐:', '장원일'을 테스트 할 때 경우를 보면, 타인이 인증을 요구했을 때, 타인 인증 횟수가 2번이 나타났으며, 이 원인을 분석한 결과 2명(성성훈, 장원일)의 목소리를 들어보면, 다른 타인의 목소리와 2명의 목소리와는 비슷한 목소리임을 알 수 있었다.
표 3-4 및 3-5를 종합하면, 타인수락율은 6.67%, 본인 거부율은 3.3%로 나타났다.
후속연구
앞으로 연구방향으로는 음성과 지문뿐만 아니라 홍채와 얼굴 등 좀 더 많은 생체정보를 이용한 실시간 생체인식시스템을 개발하여 시스템의 안정성을 더욱 더 증가시켜야 할 것이며 아울러 화자인식시스템에서는 여러가지 잡음 환경을 고려하여 잡음 환경에 강한 화자인식 알고리즘에 대한 연구를 수행할 예정이다.
참고문헌 (13)
A.K.Jain, Biometrics Personal Identification in Networked Society, Kleuwer Academic Publishers, 1999
Despina polemic, 'Biometric Techniques : Review and Evaluation of Biometric Techniques for Identification and Authentication, Including an Appraisal of the Areas where They Are Most Application', Institute of Communication and Computer Systems National Technical University of A thens, 1999
전명근, 생체인식(Biometric) 총론, 한국정보통신교육원, 2002
Gray Roethenbaugh, The Biometrics Industry, ICAS Inc., 1999
L.C.Jain, U.Halici, I.Hayashi, S.B.Lee, S.Tsutsui, Intelligent Biometric Techniques in Fingerprint and Face Recognition, CRC Press, 2000
길연희, 정윤수, 안도성, 이경희, '다중 생체인식 기술 동향.' ETRI 전자통신동향분석, 20권 1호 p84-92. 2005
A.Ross and A.K.Jain, 'Information Fusion in Biometrics', Pattern Recognition Letters, vol. 24, Issue 13, pp.2115-2125, September, 2003
Conrad Sanderson, 'Automatic Person Verification Using Speech and Face Information', PhD Thesis, Engineering and Information Technology, Griffith University, 2002
민준오 , '얼굴인식과 서명인식을 이용한 다중 생체인식 시스템,' 충남대학교 공학석사 논문, 2004
TI(Texas Instrument)사-, www.aditec.co.kr
Atmel사-, www.atmel.com
Laurene V. Fausett, Fundamentals of Neural Networks, Prentice Hall, 1993
L.Rabiner, Fundamentals of Speech Recognition, Prentice Hall, 1993
※ AI-Helper는 부적절한 답변을 할 수 있습니다.