선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 본 연구에서는 유비쿼터스 환경에서 PDA를 이용한 다중 생체인식 시스템 구현하였다. 구현된 시스템은 PDA와 서버 네트워크에 적용된 얼굴과 서명 인증 시스템으로 구성된다.
- 이에 본 논문에서는 유비쿼터스 컴퓨팅 환경 기반에서의 얼굴과 서명을 이용한 다중 생체인식 시스템을 제안한다. 이를 위해서 얼굴과 서명 영상은 PDA로 획득하고, 그 다음 사용자 ID와 이름있는 각각의 영상은 무선랜을 통해 인증 서버로 전송하여 서버로부터 인증된 결과를 받도록 하였다.
제안 방법
- 얼굴 영상획득 단계에서는 PDA에 장착한 CMOS 카메라를 이용하여 클라이언트 인터페이스 프로그램에서 영상을 획득한다. PDA에서 얼굴 영상을 획득할 때 얼굴 인식 단계에서 인식률에 많은 영향을 미치는 배경에 대한 효과를 최소화하기 위해 사용자의 눈을 적절한 위치에 맞추도록 하였다.
- 사용하였고, 서명인식에서는 구간 분할 매칭으로 구간을 분할한 후 X축과 Y축의 투영 값을 Kernel PCA와 LDA 알고리즘에 적용하였다. 등록 과정에서 PDA로부터 전송받은 서명 및 얼굴 데이터들을 전송받아 학습하여 고유벡터를 구하였다. 또한, 테스트 영상을 제외한 모든 비교 영상에 대해서 고유벡터를 이용하여 같은 영상 공간으로 미리 변형을 시켜 놓은 뒤 인증 과정에서 입력된 테스트 데이터를 고유벡터를 이용한 같은 영상 공간으로 투영 시켜 비교 영상과의 거리를 구하여 인증 결과를 구하도록 한다.
- 등록 과정에서 PDA로부터 전송받은 서명 및 얼굴 데이터들을 전송받아 학습하여 고유벡터를 구하였다. 또한, 테스트 영상을 제외한 모든 비교 영상에 대해서 고유벡터를 이용하여 같은 영상 공간으로 미리 변형을 시켜 놓은 뒤 인증 과정에서 입력된 테스트 데이터를 고유벡터를 이용한 같은 영상 공간으로 투영 시켜 비교 영상과의 거리를 구하여 인증 결과를 구하도록 한다. 인증 결과 각 생체정보의 스코어 값을 융합하여 결과를 클라이언트에 재전송하도록 구성하였다.
- 구축하였다. 먼저 클라이언트 측인 전자서명 및 얼굴 영상의 입력기에서는 등록과 인증을 확인할 수 있도록 사용자 인터페이스를 구축하였다. 다음으로 서버 영역에서는 전자서명 및 얼굴 영상 입력기로부터 전송받은 서명 데이터를 학습하고 인식한 결과를 PDA로 재전송하는 부분이 구현되었다.
- 본 논문에서 구성한 개인인증용 PDA의 시스템은 그림 1 에서 보인 바와 같이 서버 영역과 클라이언드 영역으로 각각 독립적으로 구축하였다. 먼저 클라이언트 측인 전자서명 및 얼굴 영상의 입력기에서는 등록과 인증을 확인할 수 있도록 사용자 인터페이스를 구축하였다.
- 융합 단계에서, 가중치 합에 의한 결정 법칙은 각각의 생체 시스템에 계산된 두 개의 매칭 값을 효율적으로 조합해서 사용했다. 다양한 실시간 실험으로부터 제안된 알고리즘을 평가한 결과 기존의 단일 생체인식 기법에 비해 우수한 결과를 보임을 확인할 수 있었다.
- 인증을 한다. 이를 위해 본 논문에서는 그림 5에서 보인 바와 같이 인증 알고리즘을 구축하였다. 그림 5에서 보는 바와 같이 얼굴인식 시스템은 PCA를 이용하여 영상의 차원을 축소한 후 LDACLinear Discriminant Analysis)# 이용하여 얼굴인증 시스템을 구축하였다.
- 상대적으로 서버에 비해 처리 속도가 느리고 또한 제한된 메모리를 가지고 있는 PDA 단말기에서는 실시간 얼굴 인식의 중요한 부분인 빠른 전송을 위해 파일 크기가 문제가 된다. 이를 위해 웨이블렛 변환 (Wavelet TransformX 통하여 영상의 크기를 1/4로 압축하였다[4]. 웨이블렛 변환 후 BMP 포맷의 영상을 보다 압축률이 좋은 JPG 포맷으로 압축을 한다.
- 이를 위해서 얼굴과 서명 영상은 PDA로 획득하고, 그 다음 사용자 ID와 이름있는 각각의 영상은 무선랜을 통해 인증 서버로 전송하여 서버로부터 인증된 결과를 받도록 하였다. 구현한 다중 생체 인식 시스템의 구성은 두 부분으로 나눌 수 있는데, 먼저 클라이언트 부문인 PDA에서는 임베디드 비주얼 C++로 작성된 사용자 인터페이스 프로그램을 통하여 사용자등록과 인증 과정을 수행한다.
- 또한, 테스트 영상을 제외한 모든 비교 영상에 대해서 고유벡터를 이용하여 같은 영상 공간으로 미리 변형을 시켜 놓은 뒤 인증 과정에서 입력된 테스트 데이터를 고유벡터를 이용한 같은 영상 공간으로 투영 시켜 비교 영상과의 거리를 구하여 인증 결과를 구하도록 한다. 인증 결과 각 생체정보의 스코어 값을 융합하여 결과를 클라이언트에 재전송하도록 구성하였다.
- 제안된 방법을 평가하기 위해 얼굴 영상과 서명은 PDA로부터 무선랜을 통해 전송된다. 먼저, 사용자를 위한 세장의얼굴과 서명이 ID 와 함께 등록된다.
- 그림 g과 그림 9 그리고 그림 10에서 보는 바와 같이 사칭자와 인증 자간의 차별성이 단일 생체만을 이용한 경우보다 다중 생체를 적용한 경우 우수한 결과를 나타냄을 알 수 있다. 표 1에서는 오인식률(FAR)과 오거부율 (FRR) 이 교차하는 EER 점을 기준으로 하여 성능을 비교하였다. 얼굴인식인 경우 3.
대상 데이터
- 전 처리된 얼굴과 서명 영상에 대해서 특징 추출 방법은 3장에 설명된 것처럼 특징을 얻었다. 본 논문에서는 영상 취득을 위해 45명으로부터 얼굴 및 서명을 취득하였다.
- 획득한 얼굴 영상의 크기는 240X320이며, 영상 포맷은 비트맵 파일이다. PCA와 LDA알고리즘을 적용하기 위해 X 축과 丫축의 벡터 크기를 맞추어 주기 위하여 최종적으로 128 X128로 크기 조정을 한다.
이론/모형
- LDA에 의해 특징 벡터를 얻은 후에, 훈련영상과 검증 영상의 비교를 위해 얼굴 영상에 대해서는 Mahananobis 거리 측정기법, 서명영상에 대해서는 Euclidean 거리 척도 기법을 각각 적용하였다. 마지막으로 융합 알고리즘은 얼굴과 서명으로 얻어진 값들을 가중치 합을 통해 이루어지게 된다.
- 그림 5에서 보는 바와 같이 얼굴인식 시스템은 PCA를 이용하여 영상의 차원을 축소한 후 LDACLinear Discriminant Analysis)# 이용하여 얼굴인증 시스템을 구축하였다. 또한, 서명 인식에서는 구간 분할 매칭 [5] 으로 구간을 분할한 후 X축과 Y 축의투영 값을 Kernel PCA와 LDA 알고리즘에 적용하였다.
- 그리고, 서버 부문에서는 얼굴인식에서 탁월한 성능을 보이는 PCA와 LDA 알고리즘을 .사용하였고, 서명인식에서는 구간 분할 매칭으로 구간을 분할한 후 X축과 Y축의 투영 값을 Kernel PCA와 LDA 알고리즘에 적용하였다. 등록 과정에서 PDA로부터 전송받은 서명 및 얼굴 데이터들을 전송받아 학습하여 고유벡터를 구하였다.
- 특히, 얼굴과 서명은 서버로 전송되고, PDA는 서버에서 승인과 거부를 결정한 후 무선랜을 통해 인증결과를 받는다. 얼굴 인증 시스템은 PCA와 LDA 방법을 통해 실행되고, 서명 인증은 격자 분할, Kemal PCA와 LDA 방법을 사용했다.
성능/효과
- 가중치 합은 위의 그림 결과와 같이 얼굴의 인식률이 좋으므로 얼굴의 가중치를 높게 산정했으며, 서명은 때임계값이 38일 때 최적의 결과를 얻었으며 얼굴은 임계값이 780에서 최적의 결과를 얻었다. 그리고 가중치 합을 이용하여 두 생체의 특징 스코어를 융합하였을 때 임계 값이 122일 때 최적의 인식률 98.
- 결과를 얻었다. 그리고 가중치 합을 이용하여 두 생체의 특징 스코어를 융합하였을 때 임계 값이 122일 때 최적의 인식률 98.9%를 보여 실제 유비쿼터스 환경에 적용 가능한 인식률을 얻었다.
- 다양한 실시간 실험으로부터 제안된 알고리즘을 평가한 결과 기존의 단일 생체인식 기법에 비해 우수한 결과를 보임을 확인할 수 있었다.
- 웨이블렛 변환 후 BMP 포맷의 영상을 보다 압축률이 좋은 JPG 포맷으로 압축을 한다. 실제로 JPG 포맷으로 압축한 결과 실제 영상 크기의 1/10의 크기로 압축되어 전송할 때 뛰어난 전송 성능을 보여주었다.
- 이상의 KPCA는 입력 데이터 샘플들 간에 고차원 상관관계를 가진 특징들을 얻을 수 있게 하여, 데이터 샘플의 커널 사영은 입력 데이터의 비선형 공간적인 구조를 감소시킨다. 즉, 입력 데이터 내부에 고유의 비선형 구조는 주성분 부분 공간에서 비교적 좋은 결과들을 가져다줄 수 있다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.