홍채 인식은 홍채 패턴 정보를 이용하여 사람의 신원을 확인하는 생체 인식 기술이다. 일반적인 홍채 인식 시스템에서 취득된 홍채 영상에는 홍채 패턴 정보를 가리는 눈꺼풀이 포함된다. 이러한 눈꺼풀은 홍채 인식의 성능을 저하시키는 요소이다. 따라서 본 논문에서는 홍채인식의 정확성을 향상시키기 위해 눈꺼풀 검출 알고리즘을 제안한다. 본 연구는 기존의 방법에 비해 다음과 같은 세 가지 차별성과 장점을 가지고 있다. 첫 번째, 눈꺼풀 검출에 문제가 되는 속눈썹과 조명 반사광(specular reflection)을 기존의 방법에 의해 검출한 후에, 선형 보간법(interpolation)을 이용하여 제거하는 방법을 제안함으로써 눈꺼풀 추출의 정확도를 향상하였다. 두 번째, 기존의 알고리즘은 눈꺼풀 후보점을 추출하기 위해 홍채의 넓은 부분을 탐색하므로 영상잡음이나 홍채 패턴 등에 의해 눈꺼풀을 잘못 추출하는 경우가 많았다. 이러한 문제를 해결하기 위하여 본 논문에서는 검출된 홍채의 외곽경계 정보에 의해 초기 눈꺼풀 탐색 영역을 결정하고, 마스크 기법을 이용하여 눈꺼풀 후보점들을 추출함으로써 눈꺼풀 추출 에러를 감소시켰다. 세 번째, 기존의 알고리즘들은 포물선 방정식에 의해 눈꺼풀 영역을 검출하지만, 사용자의 눈의 회전을 고려하지 않았기 때문에 많은 에러가 발생되었다. 따라서 제안하는 알고리즘은 눈의 회전을 고려한 회전된 포물선 방정식을 이용한 허프 변환(Hough transform)을 통해 눈꺼풀을 검출함으로써 이러한 에러 발생을 감소시켰다. CASIA 데이터베이스의 홍채 영상을 사용하여 제안하는 눈꺼풀 검출 알고리즘을 실험한 결과, 위 눈꺼풀의 검출 정확도는 90.82%, 아래 눈꺼풀의 검출 정확도는 96.47%였다.
홍채 인식은 홍채 패턴 정보를 이용하여 사람의 신원을 확인하는 생체 인식 기술이다. 일반적인 홍채 인식 시스템에서 취득된 홍채 영상에는 홍채 패턴 정보를 가리는 눈꺼풀이 포함된다. 이러한 눈꺼풀은 홍채 인식의 성능을 저하시키는 요소이다. 따라서 본 논문에서는 홍채인식의 정확성을 향상시키기 위해 눈꺼풀 검출 알고리즘을 제안한다. 본 연구는 기존의 방법에 비해 다음과 같은 세 가지 차별성과 장점을 가지고 있다. 첫 번째, 눈꺼풀 검출에 문제가 되는 속눈썹과 조명 반사광(specular reflection)을 기존의 방법에 의해 검출한 후에, 선형 보간법(interpolation)을 이용하여 제거하는 방법을 제안함으로써 눈꺼풀 추출의 정확도를 향상하였다. 두 번째, 기존의 알고리즘은 눈꺼풀 후보점을 추출하기 위해 홍채의 넓은 부분을 탐색하므로 영상잡음이나 홍채 패턴 등에 의해 눈꺼풀을 잘못 추출하는 경우가 많았다. 이러한 문제를 해결하기 위하여 본 논문에서는 검출된 홍채의 외곽경계 정보에 의해 초기 눈꺼풀 탐색 영역을 결정하고, 마스크 기법을 이용하여 눈꺼풀 후보점들을 추출함으로써 눈꺼풀 추출 에러를 감소시켰다. 세 번째, 기존의 알고리즘들은 포물선 방정식에 의해 눈꺼풀 영역을 검출하지만, 사용자의 눈의 회전을 고려하지 않았기 때문에 많은 에러가 발생되었다. 따라서 제안하는 알고리즘은 눈의 회전을 고려한 회전된 포물선 방정식을 이용한 허프 변환(Hough transform)을 통해 눈꺼풀을 검출함으로써 이러한 에러 발생을 감소시켰다. CASIA 데이터베이스의 홍채 영상을 사용하여 제안하는 눈꺼풀 검출 알고리즘을 실험한 결과, 위 눈꺼풀의 검출 정확도는 90.82%, 아래 눈꺼풀의 검출 정확도는 96.47%였다.
Iris recognition is biometric technology which uses a unique iris pattern of user in order to identify person. In the captured iris image by conventional iris recognition camera, it is often the case with eyelid occlusion, which covers iris information. The eyelids are unnecessary information that c...
Iris recognition is biometric technology which uses a unique iris pattern of user in order to identify person. In the captured iris image by conventional iris recognition camera, it is often the case with eyelid occlusion, which covers iris information. The eyelids are unnecessary information that causes bad recognition performance, so this paper proposes robust algorithm in order to detect eyelid. This research has following three advantages compared to previous works. First, we remove the detected eyelash and specular reflection by linear interpolation method because they act as noise factors when locating eyelid. Second, we detect the candidate points of eyelid by using mask in limited eyelid searching area, which is determined by searching the cross position of eyelid and the outer boundary of iris. And our proposed algorithm detects eyelid by using parabolic hough transform based on the detected candidate points. Third, there have been many researches to detect eyelid, but they did not consider the rotation of eyelid in an iris image. Whereas, we consider the rotation factor in parabolic hough transform to overcome such problem. We tested our algorithm with CASIA Database. As the experimental results, the detection accuracy were 90.82% and 96.47% in case of detecting upper and lower eyelid, respectively.
Iris recognition is biometric technology which uses a unique iris pattern of user in order to identify person. In the captured iris image by conventional iris recognition camera, it is often the case with eyelid occlusion, which covers iris information. The eyelids are unnecessary information that causes bad recognition performance, so this paper proposes robust algorithm in order to detect eyelid. This research has following three advantages compared to previous works. First, we remove the detected eyelash and specular reflection by linear interpolation method because they act as noise factors when locating eyelid. Second, we detect the candidate points of eyelid by using mask in limited eyelid searching area, which is determined by searching the cross position of eyelid and the outer boundary of iris. And our proposed algorithm detects eyelid by using parabolic hough transform based on the detected candidate points. Third, there have been many researches to detect eyelid, but they did not consider the rotation of eyelid in an iris image. Whereas, we consider the rotation factor in parabolic hough transform to overcome such problem. We tested our algorithm with CASIA Database. As the experimental results, the detection accuracy were 90.82% and 96.47% in case of detecting upper and lower eyelid, respectively.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
하지만 마스크 정합 방법의 특성상 눈꺼플이 아니더라도 마스크의 정합 값을 높게 만드는 홍채 패턴이 존재하기 때문에 전체 홍채 영역에 대한 눈꺼풀 후보점 추출은 잘못된 결과를 얻을 수 있다. 따라서 본 논문에서는 이러한 홍채 패턴에 의한 눈꺼풀 검출의 에러를 감소시키기 위해 그림 5와 같은 눈꺼풀 탐색 영역을 검출한 후에 눈꺼풀 후보점을 추출하였다.
또한 속눈썹이나 조명 반사광(specular reflection)과 같이 눈꺼풀 경계 검출을 방해하는 요소들에 의해 영향을 받는다는 문제점도 가지고 있다. 따라서 이와 같은 문제점들을 해결하기 위해 본 논문에서는 눈꺼풀 경계 검출을 방해하는 속눈썹이나 조명 반사광을 검출하여 선형 보간 (linear interpolation)함으로써 제거하고, 눈의 회전을 고려하여 눈꺼풀 영역을 검출하는 알고리즘을 제안한다.
본 논문에서는 눈꺼풀 추출의 정확도를 홍채 영역 안에서 제안하는 알고리즘에 의해 검출된 포물선이 입력 영상에서 손으로 직접 표시한 눈꺼풀 라인으로부터 위, 아래로 7 pixel의 영역 안에 포함되었는지의 여부를 이용하여 판단하였다. 즉, 그림 8의 Ri과 같이 검출된 포물선이 홍채 영역 안에서 실제 눈꺼풀 라인으로부터 위, 아래로 7 pixel의 영역 안에 포함된 경우에는 정확히 검출한 눈꺼풀로, 그림 8의 R2와 같이 영역에서 벗어난 경우에는 잘못 검출한 눈꺼풀로 판단하여 식 (10) 과 같이 검출정확도를 측정하였다.
본 논문에서는 홍채 인식 실험을 통해 제안하는 눈꺼풀 검출 알고리즘의 성능을 측정하였다. 홍채 인식 실험을 위해 25의 커널 크기와 1/20의 주파수를 가지는가버 웨이블릿(Gabor wavelet) 기반의 홍채 인식 알고리즘闾을 사용하였다.
하지만 이는 비단 속눈썹뿐만 아니라 뚜렷한 눈꺼풀의 경계 역시 흐리게 만들기 때문에 눈꺼풀 검출에 악영향을 끼친다. 이러한 문제를 해결하기 위하여 본 논문에서는 눈꺼풀 검출에 문제가 되는 속눈썹 (eyelash)과 조명 반사광 (specular reflection)을 기존의 방법에 의해 검출한 후에, 선형 보간법 (interpolation)을 이용하여 제거하는 새로운 방법을 제안함으로써 눈꺼풀 추출의 정확도를 향상하였다. 이는 눈꺼풀 경계는 뚜렷하게 유지하면서 눈꺼풀 검출을 방해하는 요소를 없애는 효과를 갖는다.
가설 설정
Image : (a) Origins image (b) Iris image in which eyelash and specular reflection are removed.
제안 방법
점들의 그레이 값의 평균이다. 그레이 값을 계산하기 위한 '5개'의 점들은 그레이 값 판단에 노이즈의 영향을 줄이기 위해 실험적으로 결정하였다. Tie 임계치로써 본 논문의 실험적으로 결정된 25를 사용하였다.
먼저 원형 경계 검출기(Circular Edge Detector)를 이용하여 동공과 홍채 영역을 검출하고, 눈꺼풀 경계 검출을 방해하는 요소인 속눈썹과 조명 반사광을 검출하여 제거한다. 그리고 검출된 홍채 영역 내에서 눈꺼풀 후보 점들을 추출하는 과정에서 발생되는 홍채 패턴에 대한 영향을 감소시키기 위해 눈꺼풀 탐색 영역을 검출한 후, 검출된 눈꺼풀 탐색 영역 내에서 그림 3과 같은 마스크를 사용하여 눈꺼풀 후보점들을 추출한다. 마지막으로 추출된 후보점들을 가지고 포물 허프 변환 (Hough Transform)을 통해 회전을 고려한 포물선을 검출하여냄으로써 눈꺼풀 영역을 검출한다.
따라서 본 논문에서는 홍채 외곽 경계의 정보를 바탕으로 초기 눈꺼풀 탐색영역을 검출하고, 눈꺼풀 후보점 추출 마스크를 이용하여 눈꺼풀 후보점을 추출하였다. 그리고 추출된 눈꺼풀 후보 점을 가지고 포물 허프 변환 방법을 이용하여 눈의 회전이 고려된 눈꺼풀을 검출하였다. 제안하는 알고리즘의 실험 결과 위 눈꺼풀의 경우 90.
동공과 홍채 영역에 대한 검출은 동공과 홍채 정보를 모두 이용한 원형 경계검출 방법 (Circular Edge Detection)을 사용하였다(3) 홍채 내부에는 항상 동공 영역이 존재하므로, 본 논문에서는 홍채 원형 경계 검출 시 홍채 존재 가능 위치마다 동공 원형 경계 검출을 같이 수행함으로써 홍채 영역 추출의 정확도를 향상하였다. 원형 경계 검출 시 홍채 영역은 위아래 부분이 눈꺼풀에 의해 덮여있는 경우가 빈번하므로, -45°~+30° 및 +150°~+225°에서만 원형 경계 검출을 수행하였으며, 동공에 대한 원형 경계 검출은 0~360° 전범위에 대해 수행하였다(3)
또한, 기존의 연구들은 홍채 영상 전체 영역에서 눈꺼풀을 탐색하였기 때문에 처리속도가 느리고 검출의 정확도가 저해되는 문제가 있었다. 따라서 본 논문에서는 홍채 외곽 경계의 정보를 바탕으로 초기 눈꺼풀 탐색영역을 검출하고, 눈꺼풀 후보점 추출 마스크를 이용하여 눈꺼풀 후보점을 추출하였다. 그리고 추출된 눈꺼풀 후보 점을 가지고 포물 허프 변환 방법을 이용하여 눈의 회전이 고려된 눈꺼풀을 검출하였다.
그리고 검출된 홍채 영역 내에서 눈꺼풀 후보 점들을 추출하는 과정에서 발생되는 홍채 패턴에 대한 영향을 감소시키기 위해 눈꺼풀 탐색 영역을 검출한 후, 검출된 눈꺼풀 탐색 영역 내에서 그림 3과 같은 마스크를 사용하여 눈꺼풀 후보점들을 추출한다. 마지막으로 추출된 후보점들을 가지고 포물 허프 변환 (Hough Transform)을 통해 회전을 고려한 포물선을 검출하여냄으로써 눈꺼풀 영역을 검출한다.
알고리즘의 처리 과정은 그림 1과 같다. 먼저 원형 경계 검출기(Circular Edge Detector)를 이용하여 동공과 홍채 영역을 검출하고, 눈꺼풀 경계 검출을 방해하는 요소인 속눈썹과 조명 반사광을 검출하여 제거한다. 그리고 검출된 홍채 영역 내에서 눈꺼풀 후보 점들을 추출하는 과정에서 발생되는 홍채 패턴에 대한 영향을 감소시키기 위해 눈꺼풀 탐색 영역을 검출한 후, 검출된 눈꺼풀 탐색 영역 내에서 그림 3과 같은 마스크를 사용하여 눈꺼풀 후보점들을 추출한다.
신뢰성 높은 영역으로 판단하였다. 본 논문에서는 눈꺼풀 끝점 검출에 오류를 보완 할 수 있는 범위를 고려하여 U를 15로 결정하였다. 눈꺼풀 탐색 영역을 검출한 결과는 그림 5와 같다.
않는다는 점이다. 본 논문에서는 더 정확한 검출을 위해 눈의 회전을 고려한 방법으로 곡률과 각도를 모두 고려한 포물선 형태의 눈꺼풀 검출 방법을 사용하였다. 기본적인 2차 포물선 방정식은 식 (6)과 같다.
먼저 홍채 영역의 중심을 기준으로 눈꺼풀에 의해 가려질 가능성이 적은 Q~日각도의 범위에서 홍채 외부 경계로부터 내부로 I픽셀 떨어진 M개의 점들과 내부로 J 픽셀 떨어진 M개의 점들 사이의 그레이 레벨 차이 값의 평균을 식 (1)과 같이 계산한다. 본 논문에서는 평균적으로 눈꺼풀에 의해 가려질 가능성이 적은 영역을 측정하는 실험을 통해, 그림 4(a)와 같이 Q는 -20도, 日은 10도로 결정하였다. 이 Q, R값은 CASIA DB의 전체영상을 보고 눈꺼풀로 덮이지 않은 부분의 교집합 부분을 실험적으로 판단함으로써 얻어낸 값이다.
전술한바와 같이 눈꺼풀에 의해 가려질 가능성이 적은 Q와 日은 실험을 통해 -20°와 10°로 결정하였고. 원형 경계 검출 방법에 의한 홍채 영역 검출에 대한 오차 범위와 홍채 내부의 패턴에 의한 영향 등을 고려하여 실험적으로 J는 전술한 방법과 동일하게 20픽셀로 결정하였고, K는 15픽셀로 결정하였다. 또한, 는 전술한 방법과 동일하게 (R-Q)개로 결정하였다.
원형 경계 검출 시 홍채 영역은 위아래 부분이 눈꺼풀에 의해 덮여있는 경우가 빈번하므로, -45°~+30° 및 +150°~+225°에서만 원형 경계 검출을 수행하였으며, 동공에 대한 원형 경계 검출은 0~360° 전범위에 대해 수행하였다(3)
이러한 문제점을 해결하기 위해서 본 논문에서는 속눈썹과 조명반사광을 검출하고, 수평 방향(X축 방향)으로 선형 보간 함으로써 눈꺼풀 검출을 방해하는 요소들을 제거하였다. 속눈썹은 속눈썹 형태의 7개 마스크에 의한 정합 값과 속눈썹이 가지는 연속적인 특징을 이용하여 검출하였고'的, 조명 반사광은 각막에 반사된 조명 반사광의 밝기가 크다는 특징을 이용하예侦 230 이상의 그레이 값을 갖는 영역을 라벨링(labelinG에 의한 연결요소(Connected Component) 검출 기법"71으로 검출하였다.
이와 같은 방법으로 위 눈꺼풀의 왼쪽 영역의 끝 점은 그림 4에서와 같은 위 눈꺼풀의 오른쪽 영역의 끝점을 탐색하는 것과 반대로 시계 방향으로 탐색하면서 검출하였고, 아래 눈꺼풀은 위 눈꺼풀과 반대 방향으로 그레이 평균값을 구하고 탐색하여 홍채 영역 안의 눈꺼풀 끝 점을 검출하였다.
제안하는 눈꺼풀 검출 알고리즘의 정확도를 측정하기 위해 Jiali Cui의 방식대로幽 그림 8과 같이 실제 눈꺼풀의 위치로부터 일정 영역 (Jiali Cui의 논문에서는 정확한 수치 없이 5~7 픽셀정도의 범위라고 명시가 되어있으므로, 본 논문에서는 실제 눈꺼풀 위아래 7픽셀의 영역으로 결정함) 안에 제안하는 눈꺼풀 검출 알고리즘에 의해 검출된 포물선의 포함 정도를 이용하였다.
판단하였다. 즉, 그림 8의 Ri과 같이 검출된 포물선이 홍채 영역 안에서 실제 눈꺼풀 라인으로부터 위, 아래로 7 pixel의 영역 안에 포함된 경우에는 정확히 검출한 눈꺼풀로, 그림 8의 R2와 같이 영역에서 벗어난 경우에는 잘못 검출한 눈꺼풀로 판단하여 식 (10) 과 같이 검출정확도를 측정하였다. 식 (10)에서 NCE (Number of Correct Eyelid point)는 그림 8의 7?「4 같이 정확히 검출한 눈꺼풀 픽셀수이고, NZE(Nuniber of Incorrect Eyelid point)는 그림 8의 /島와 같이 잘못 검출한 눈꺼풀 픽셀수이다.
이 과정에서 탐색 범위 P~Q는 홍채 영상 전체 범위 중에서 1개의 눈꺼풀 끝점을 검출하기 위한 범위이다. 즉, 총 4개의 눈꺼풀 끝점을 검출하기 위해 제안하는 방법은 4개의 사분면에 대해 위 탐색범위에서 눈꺼풀 끝점을 추출하게 된다. 이 과정 중에 탐색하지 않는 중심으로부터의 좌, 우측 각 R(20°)내에 눈꺼풀 끝점이 있는 경우는 눈꺼풀에 의해 홍채가 너무 많이 덮여서 홍채인식이 되지 않는 영상으로 간주하게 된다.
대상 데이터
홍채 영상은 한 달 간격으로 취득되었으며, 영상의 형식은 (*238200 ) 픽셀크기에 8비트 그레이 영상이다. CASIA DB 내의 홍채 직경은 200 픽셀 이상이고, 전체 대상 중 약 5.2%가 컨텍트 렌즈를 착용하고 취득된 홍채 영상이다. 대상 영상 중 안경을 착용한 영상은 포함되어 있지 않다.
그레이 값을 계산하기 위한 '5개'의 점들은 그레이 값 판단에 노이즈의 영향을 줄이기 위해 실험적으로 결정하였다. Tie 임계치로써 본 논문의 실험적으로 결정된 25를 사용하였다. 같은 홍채 영역 내에서는 4°와 3° 간의 차이 값이 작기 때문에 식 (2)을 만족하지 못하지만, 전술한 바와 같이 눈꺼풀이 홍채보다 높은 그레이 값을 갖기 때문에 그림 4(b)의。가 M(5的인 지점에서는 4何와 Bs 간의 그레이 값 차이가 커지게 된다.
점들의 그레이 값의 평균이다. 长는 임계치로 써본 논문에서는 60으로 사용하였다. 공막과 홍채 사이의 그레이 값의 차이보다 눈꺼풀과 홍채 사이의 그레이 값의 차이가 크기 때문에 그림 4(d)에서 보는 바와 같이 &과 庆3간의 차이 값에서 식 (4)를 만족하게 된다.
본 논문에서는 CASIA Iris image Database(ver 1.0) 을 이용하여 제안한 눈꺼풀 검출 알고리즘의 성능을 평가하였다 川 CASIA 홍채 DB는 80명에 대한 108 종류의 홍채로부터 추출된 총 756장의 홍채 영상으로 구성되어 있다. 홍채 영상은 한 달 간격으로 취득되었으며, 영상의 형식은 (*238200 ) 픽셀크기에 8비트 그레이 영상이다.
39%의 정확도를 나타내었다'切 하지만 Jiali Cui가 제안한 알고리즘은 전술한 바와 같이 위 눈꺼풀의 경우에 속눈썹을 이용하여 눈꺼풀을 추출하기 때문에, 속눈썹이 많아서 눈꺼풀을 상당부분 덮는 경우 에러 율이 증가되는 문제점이 있다. 이를 확인하기 위하여 CASIA 데이터베이스의 108 종류의 홍채 영상 중에 속눈썹이 많은 총 108장의 홍채 영상을 선택하여 실험한 후 본 논문에서 제안하는 알고리즘과 성능을 비교하였다 (표 2).
0) 을 이용하여 제안한 눈꺼풀 검출 알고리즘의 성능을 평가하였다 川 CASIA 홍채 DB는 80명에 대한 108 종류의 홍채로부터 추출된 총 756장의 홍채 영상으로 구성되어 있다. 홍채 영상은 한 달 간격으로 취득되었으며, 영상의 형식은 (*238200 ) 픽셀크기에 8비트 그레이 영상이다. CASIA DB 내의 홍채 직경은 200 픽셀 이상이고, 전체 대상 중 약 5.
데이터처리
제거하였다. 속눈썹은 속눈썹 형태의 7개 마스크에 의한 정합 값과 속눈썹이 가지는 연속적인 특징을 이용하여 검출하였고'的, 조명 반사광은 각막에 반사된 조명 반사광의 밝기가 크다는 특징을 이용하예侦 230 이상의 그레이 값을 갖는 영역을 라벨링(labelinG에 의한 연결요소(Connected Component) 검출 기법"71으로 검출하였다. 그림 2는 속눈썹과 조명 반사광을 검출한 후 수평 방향으로 선형 보간 시켜 제거한 결과 영상이다.
47%였다. 제안하는 알고리즘의 성능 평가를 위해 Jiali Cui가 제안한 알고리즘과 비교하였다. Jiali Cui의 논문에서의 실험 결과는 위 눈꺼풀의 경우 97.
이론/모형
검출 알고리즘의 성능을 측정하였다. 홍채 인식 실험을 위해 25의 커널 크기와 1/20의 주파수를 가지는가버 웨이블릿(Gabor wavelet) 기반의 홍채 인식 알고리즘闾을 사용하였다. 실험 결과, 그림 10과 같은 본인과 타인에 대한 해밍 거리(Hamming distance) 확률 분포를 얻을 수 있었다.
성능/효과
표 3은 본 논문에서 제안한 눈꺼풀 검출 과정을 포함한 것과 그렇지 않은 것의 홍채 인식에 대한 / 값과 EER(Equal Error Rate) 값의비교를 나타내고 있다. 표 3과 그림 10 (a)와 (b)의 비교로 알 수 있듯이 제안한 눈꺼풀을 검출 방법을 이용한 경우 홍채인식 성능이 더 향상되는 것을 확인할 수 있다. EER이란 FAR과 FRR이 최소로 같아지는 지점에서의 평균 오류율로서 FARe 타인을 본인으로 잘못 받아들이는 오류율이고 FRRe 본인을 타인으로 잘못 인식하는 오류율이다.
2. The experimental results of proposed and Jiali C니i's algorithm with 108 images of CASIA database having much eyelash region.
아래 눈꺼풀을 모두 검출해야 하므로 전체 평균 처리시간을 계산하였다. 그 결과, Jiali Cui의 경우 평균 762.1ms의 처리 시간이 걸렸으며, 제안하는 알고리즘의 경우는 평균 382ms의 처리 시간이 걸렸다. 따라서 제안하는 알고리즘이 Jiali Cui의 알고리즘보다 평균 380.
47%의 검출정확도를 나타냈다. 그리고 눈꺼풀 검출이 홍채인식의 성능을 높이는 것에 기여한다는 것을 d, 의 증가와 EER의 감소를 통하여 확인할 수 있었다.
1ms의 처리 시간이 걸렸으며, 제안하는 알고리즘의 경우는 평균 382ms의 처리 시간이 걸렸다. 따라서 제안하는 알고리즘이 Jiali Cui의 알고리즘보다 평균 380.1ms 빠른 처리 시간을 갖는 것을 알 수 있었다.
실험 결과, 표 2와 같이 속눈썹이 눈꺼풀을 많이 덮는 경우, 제안하는 알고리즘의 검출 정확도가 Jiali Cui 의 알고리즘보다 높은 것을 알 수 있었다. 아래 눈꺼풀의 경우는 제안하는 알고리즘의 평균 처리 시간이 작았으며, 위 눈꺼풀의 경우는 Jiali Cui가 제안한 알고리즘의 평균 처리 시간이 작았다.
제안하는 눈꺼풀 검출 알고리즘을 실험한 결과, 표 1 과 같이 위 눈꺼풀의 검출 정확도는 90.82%, 아래 눈꺼풀의 검출 정확도는 96.47%였다. 제안하는 알고리즘의 성능 평가를 위해 Jiali Cui가 제안한 알고리즘과 비교하였다.
그리고 추출된 눈꺼풀 후보 점을 가지고 포물 허프 변환 방법을 이용하여 눈의 회전이 고려된 눈꺼풀을 검출하였다. 제안하는 알고리즘의 실험 결과 위 눈꺼풀의 경우 90.82%, 아래 눈꺼풀의 경우 96.47%의 검출정확도를 나타냈다. 그리고 눈꺼풀 검출이 홍채인식의 성능을 높이는 것에 기여한다는 것을 d, 의 증가와 EER의 감소를 통하여 확인할 수 있었다.
후속연구
향후 이러한 문제점들을 해결하여 좀 더 빠르고 정확하게 눈꺼풀을 검출 할 수 있는 추가 연구가 요구되어 진다.
참고문헌 (18)
http://www.sinobiometrics.com/ (accessed on 2006. 06. 21)
John G. Daugman, 'High Confidence Visual Recognition of Persons by a Test of Statistical Independence,' IEEE Trans. Pattern Analysis and Machine Intelligence, vol. 15, no. 11, pp. 1148-1161, November 1993
John G. Daugman, 'Demodulation by Complexvalued Wavelets for Stochastic Pattern Recognition,' International Journal of Wavelets, Multi-resolution and Information Processing, vol. 1, no. 1, pp. 1-17, 2003
John G. Daugman, 'The importance of being random: statistical principles of iris recognition,' Pattern Recognition, vol. 36, no. 2, pp. 279-291, February 2003
Kazuyuki Miyazawa, Koichi Ito, Takafumi Aoki, Koji Kobayashi and Hiroshi Nakajima, 'A Phase-Based Iris Recognition Algorithm,' Advances in Biometrics: International Conference, ICB 2006, pp. 356-365, Hong Kong, China, January 2006
Libor Masek, 'Recognition of Human Iris Patterns for Biometric Identification,' Bachelors Thesis, University of Western Australia, 2003
Xiaomei Liu, Kevin W. Bowyer and Patrick J. Flynn, 'Experiments with An Improved Iris Segmentation Algorithm,' Fourth IEEE Workshop on Automatic Identification Advanced Technologies (AutoID'05), pp. 118-123, New York, USA, October 2005
Topi Maenpaa, 'An Iterative Algorithm for Fast Iris Detection,' Advances in Biometric Person Authentication, International Wokshop on Biometric Recognition Systems, IWBRS 2005, pp. 127-134, Beijing, China, October 2005
Yi Chen, Sarat C. Dass and Anil K. Jain, 'Localized Iris Image Quality Using 2-D Wavelets,' Advances in Biometrics: International Conference, ICB 2006, pp. 373-381, Hong Kong, China, January 2006
Jiali Cui, Yunhong Wang, Tieniu Tan, Li Ma and Zhenan Sun, 'A Fast and Robust Iris Localization Method Based on Texture Segmentation,' SPIE Defense and Security Symposium, Vol. 5404, pp. 401-408, August 2004
조달호, 박강령, 이대웅, '모바일 환경에서의 홍채 인식에 적합한 홍채 및 동공 영역 추출방법,' the 4th BERC Biometrics Workshop, pp. 99-102, 2006년 2월
Vladimir Vezhnevets and Anna Degtiareva, 'Robust and Accurate Eye Contour Extraction,' Proc. Graphicon-2003, pp. 81-84, Moscow, Russia, September 2003
강병준, 박강령, '홍채 인식에서의 눈꺼풀 및 눈썹 추출 연구,' 한국멀미디어학회 논문지, 제 8 권. 제 7 호, pp. 898-905, 2005년7월
박현애, 박강령 '각막의 조명반사광을 이용한 휴대폰에서의 고속 홍채검출에 관한 연구,' the 4th BERC Biometrics Workshop, pp. 95-98, 2006년 2월
Ramesh Jain, 'Machine Vision', McGraw-Hill International Edition, pp.44-47, 1995
Jun Yamada, Ayumu Kawamura, Yoshimasa Miura, Sadaki Takata, Katsuki Ogawa, 'Study on radiation transfer in human skin for cosmetics,' Journal of Quantitative Spectroscopy and Radiative Transfer, vol. 93, pp.219-230, 2005
※ AI-Helper는 부적절한 답변을 할 수 있습니다.