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
- 논문에서는 생체인식에 있어서 가장 취약점으로 나타날 수 있는 생체데이터의 유출에 대한 대책의한 방법으로 워터마킹 기법을 이용한 생체정보 보호를 제안 하였다. 일반적인 디지털 워터마킹 기법과 달리 원영상을 생체 데이터의 이미지를 사용하여 실험하였다.
- 그러나 모든 생체정보의 값을 7 비트로 고정할 경우 은닉하여야 이진 생체 데이터의 양이 많아지고 이는 은닉해야 할 정보의 양이 많은 것과 동일함으로 복원율에도 악영향을 미친다. 따라서 본 논문에서는 생체정보의 크기에 맞는 가변 비트형 생체정보 이진화 과정을 제안한다. 제안된 이 진화 과정을 그림 2에 나타냈다.
- 제안된 방법은 생체정보가 아닌 이진화 영상에 대하여 Liu 등이 제안한 워터마킹 방법을 생체정보에 적용함과 동시에 생체정보의 은닉 및 복원에 효과적이도록 워터마킹 방법을 개선하였다. 또한 많은 양의 생체정보는 생체인식시스템의 성능 저하를 일으킴으로 본 논문에서 은닉할 생체정보의 양을 효과적으로 줄일 수 있는 가변 비트형 생체정보 이진화 과정 및 전송기법을 제안한다. 제안된 방법은 얼굴 인식 시스템과 지문 인식 시스템의 단일 생체 인식 시스템에 적용하여 유용성을 평가한다.
- 또한, 자연 영상에 생체정보를 은닉하더라도 워터마크의 중요한 지표 중의 하나인 비가시성 측면에서도 효과적임을 확인할 수 있었다. 본 논문에서는 워터마킹 알고리즘을 이용하여 다중생체 인식시스템을 연구한 것으로서, 향후 다양한 공격에 대한 제안 방법의 강인성에 대한 연구를 진행하고자 한다.
- 본 논문에서는 웨이블렛 다해상도 기법을 이용한 생체정보의 안전한 은닉 및 복원기법을 제안한다. 제안된 방법은 생체정보가 아닌 이진화 영상에 대하여 Liu 등이 제안한 워터마킹 방법을 생체정보에 적용함과 동시에 생체정보의 은닉 및 복원에 효과적이도록 워터마킹 방법을 개선하였다.
가설 설정
- Fuzzy LDA 알고리즘 설명을 해 하나의 얼굴 영상이 각각의 화소 값을 갖는 2차원 배열(nxn)이라고 가정하자. 영상 &는 연속적인 행들의 연결로 iFxl의 벡터로서 고려된다.
제안 방법
- 일반적인 이진영상에 대한 워터마킹 기법을 제안한 Liu 등은 은닉하고자 하는 워터마크 데이터에 중점을 가질 뿐 원 영상을 이용하지는 않는다. 그러나 본 논문에서는 워터마크가 삽입된 영상정보를 이용하여 생체 인증 시스템을 구축한다. 이런 경우 고주파가 제거된 저주파 정보만을 이용하여 생체 인식 시스템을 구축할 경우 인식률이 떨어지는 문제점이 있다.
- 이런 경우 고주파가 제거된 저주파 정보만을 이용하여 생체 인식 시스템을 구축할 경우 인식률이 떨어지는 문제점이 있다. 따라서 본 논문에서는 기준영상에 워터마크를 삽입한 Liu의 방법과 달리 원영상에 워터마크 데이터를 삽입하였다.
- 그러나 에러를 감소시키기 위하여 가중치를 크게 설정할 경우 워터마크의 중요 성능지표인 비가시성이 저하되는 문제점이 발생한다. 따라서 본 논문에서는 본 논문에서는 기존 연구에서 제안된 일 정한값을 부여하는 가중치 방법 대신에 영상의 특성을 고려한 적응적 가중치 부여 방법을 제안한다. 제안된 방법은 원 영상과 기준 영상과의 차이가 크게 발생하는 삽입 영역은 가중치 값을 적게 부여하고, 차이가 작게 발생하는 삽입 영역은 가중치 값을 크게 부여하는 방법으로 설명할 수 있다.
- 이와 반대로 원영상과 기준 영상과의 차이가 작은 경우에는 상대적으로 큰 가중치 값을 부여하는 것이 복원에는 효과적이다. 따라서 본 논문에서는 원 영상과 기준영상과의 차이 특성을 이용하여 적응적으로 가중치를 부여하는 방법을 적용한다. 즉, 제안된 방법은 원 영상과 기준영상과의 차이에 반비례하도록 식 (5)와 같이 적응적인 가중치값을 설정하였다.
- 이와 반대로 원영상과 기준 영상과의 차이가 작은 경우에는 상대적으로 큰 가중치 값을 부여하는 것이 복원에는 효과적이다. 따라서 본 논문에서는 원 영상과 기준영상과의 차이 특성을 이용하여 적응적으로 가중치를 부여하는 방법을 적용한다. 즉, 제안된 방법은 원 영상과 기준영상과의 차이에 반비례하도록 식 (5)와 같이 적응적인 가중치값을 설정하였다.
- 이 결과로부터 본 논문에서 제안된 워터마크 알고리즘과 다중 생체인식시스템 구현 방법의 타당성을 확인할 수 있다. 또한 표 3에서는 생체 영상이 아닌 일반 영상을 배경영상으로 사용하여 실험한 결과로 일반 영상에 얼굴과 지문 특징값을 모두 은닉후 추출한 특징값을 이용하여 다중 생체 인식률을 구하였다. 일반 영상을 대상으로 한 다중 생체인식시스템의 구현 역시 타당성을 확인 할 수 있다.
- 또한, 본 논문에서는 워터마크 삽입에 가중치값을 나타내는 a값을 원영상과 기준영상과의 차이특성을 이용하여 적응적으로 설정하였다. 즉, Liu 등은 식 (1)에서 보는 바와 같이 주어진 조건을 만족하는 픽셀 정보에 대해 원영상과 기준 영상과의 차이를 이용하여 고정된 a 값을 설정하였다.
- 본 논문에서 제안된 워터마크 알고리즘은 2장에서 살펴본 바와 같이 원영상과 기준영상간의 차를 이용하여 워터마크삽입 위치를 탐색한 후, 1과 -1 로 구성된 워터마크 데이터에 복원 성능을 향상시키기 위하여 가중치값을 더하여 은닉한다. 그림 6에서는 지문 영상에 지문 특징값을 은닉한 경우 원 영상과 기준영상간의 절대값 차이와 가중치값에 의해서 에러가 발생된 비트의 평균값을 나타냈다.
- 본 논문에서는 은닉하고자 하는 생체특징을 추출하기 위해 알고리즘의 타당성이 검증된 방법을 사용하였다. 즉, 얼굴인 경우에는 Fuzzy LDA 기법을 이용하였고, 지문의 경우에는 체인코드 컨투어기법을 적용하였다.
- 본 논문에서는 지문의 특징을 추출하기 위하여 지문의 변화와 회전에 강인한 것으로 나타난 체인코드 컨투어 기법을 적용하였다. 체인코드는 물체의 윤곽선에 대한 표현 방법으로서 Shi 등은 지문의 윤곽선을 이용하여 지문의 특징을 추출하였다[14].
- 일반적인 디지털 워터마킹 기법과 달리 원영상을 생체 데이터의 이미지를 사용하여 실험하였다. 삽입 이전의 생체특징 인식률과 추출 후의 인식률 비교와 생체정보 삽입이전의 생체이미지와 생체정보가 은닉된 생체이미지간의 인식률 비교를 통해 성능을 평가하였다.
- 실험결과를 나타냈다. 실험방법은 ①워터마크를 적용하지 않은 경우, ②얼굴 영상에 지문 특징값을 은닉한 경우, ③지문영상에 얼굴 특징값을 은닉한 경우 등 세 가지 실험 방법을 고려하였다. 표 1에서 보는 바와 같이 워터마크가 삽입되지 않은 얼굴 영상의 경우 인식률은 82.
- 웨이블렛을 이용하여 정보를 은닉하는 방법 중에서 본 논문에서는 이진영상의 은닉 및 복원을 위한 워터마킹 기법을 제안한 Liu 방법을 개선하여 생체정보의 은닉 및 복원을 위한 워터마킹 기법을 제안한다UET12]. 그림 1에서는 Liu 등이 제안한 워터마킹 기법을 나타냈다.
- 따라서 워터마크 삽입 및 추출후의 평가를 위해 사용된 데이터는 네 경우 모두 총 150장 (3장><50명)이 사용된다. 은닉할 워터마크 데이터를 산출하기 위하여 PCA와 퍼지 LDA 를 이용하여 41개의 실수값을 갖는 얼굴특징을 추출하였고, 지문은 체인코드 컨투어 기법을 이용하여 실수값을 갖는 지문 특징을 추출하였다. 추출된 특징값들은 각각 본 논문에서 제안된 가변 비트형 생체정보 이진화과정을 수행한 후, 워터마크 알고리즘을 적용하여 은닉한다.
- 우선적으로 생체정보는 이진영상이 아닌 실수형의 데이터 형태임으로 은닉을 위해서는 -1과 1의 값을 갖도록 하는 이진화 과정이 수행된다. 이를 위해 본 논문에서는 실수형의 값을 갖는 생체정보를 7비트로 양자화하여 이진화된 생체데이터를 산출하였다. 그러나 모든 생체정보의 값을 7 비트로 고정할 경우 은닉하여야 이진 생체 데이터의 양이 많아지고 이는 은닉해야 할 정보의 양이 많은 것과 동일함으로 복원율에도 악영향을 미친다.
- 안전한 은닉 및 복원기법을 제안한다. 제안된 방법은 생체정보가 아닌 이진화 영상에 대하여 Liu 등이 제안한 워터마킹 방법을 생체정보에 적용함과 동시에 생체정보의 은닉 및 복원에 효과적이도록 워터마킹 방법을 개선하였다. 또한 많은 양의 생체정보는 생체인식시스템의 성능 저하를 일으킴으로 본 논문에서 은닉할 생체정보의 양을 효과적으로 줄일 수 있는 가변 비트형 생체정보 이진화 과정 및 전송기법을 제안한다.
- 또한 많은 양의 생체정보는 생체인식시스템의 성능 저하를 일으킴으로 본 논문에서 은닉할 생체정보의 양을 효과적으로 줄일 수 있는 가변 비트형 생체정보 이진화 과정 및 전송기법을 제안한다. 제안된 방법은 얼굴 인식 시스템과 지문 인식 시스템의 단일 생체 인식 시스템에 적용하여 유용성을 평가한다.
- 은닉할 워터마크 데이터를 산출하기 위하여 PCA와 퍼지 LDA 를 이용하여 41개의 실수값을 갖는 얼굴특징을 추출하였고, 지문은 체인코드 컨투어 기법을 이용하여 실수값을 갖는 지문 특징을 추출하였다. 추출된 특징값들은 각각 본 논문에서 제안된 가변 비트형 생체정보 이진화과정을 수행한 후, 워터마크 알고리즘을 적용하여 은닉한다.
- 훈련영상과 검증영상에 대하여 퍼지 LDA를 이용하여 얼굴 영상의 특징을 추출한 후, 최종 인식단계에서는 훈련 영상과 검증영상간의 유클리디안 거리를 측정하여 분류한다.
대상 데이터
- 따라서 워터마크 삽입 및 추출후의 평가를 위해 사용된 데이터는 네 경우 모두 총 150장 (3장><50명)이 사용된다. 은닉할 워터마크 데이터를 산출하기 위하여 PCA와 퍼지 LDA 를 이용하여 41개의 실수값을 갖는 얼굴특징을 추출하였고, 지문은 체인코드 컨투어 기법을 이용하여 실수값을 갖는 지문 특징을 추출하였다.
- 사용하였다. 얼굴 DB는 서로 다른 환경에서 50명으로부터 한 사람당 6개의 얼굴을 취득하여 총 300개의 얼굴 영상으로 구성되어 있다. 각각의 얼굴 영상들은 0에서 255까지 그레이 값을 가진 256X256 영상 크기에 의해 나타내어진다.
- 워터마크 데이터를 은닉하는데 사용한 원영상은, 얼굴 영상과 지문 영상 모두 한 사람당 취득한 6장의 영상 중에서 3 장은 워터마크 은닉하는데 사용한 원영상으로 사용하였고, 나머지 3장은 은닉 데이터인 워터마크 데이터로서 사용하였다. 따라서 워터마크 삽입 및 추출후의 평가를 위해 사용된 데이터는 네 경우 모두 총 150장 (3장><50명)이 사용된다.
- 일반적인 디지털 워터마킹 기법과 달리 원영상을 생체 데이터의 이미지를 사용하여 실험하였다. 삽입 이전의 생체특징 인식률과 추출 후의 인식률 비교와 생체정보 삽입이전의 생체이미지와 생체정보가 은닉된 생체이미지간의 인식률 비교를 통해 성능을 평가하였다.
- 제안된 워터마크 알고리즘의 성능을 평가하기 위하여 포항공대에서 제작한 얼굴 DB와 충북대에서 제작한 지문 DB 를 사용하였다. 얼굴 DB는 서로 다른 환경에서 50명으로부터 한 사람당 6개의 얼굴을 취득하여 총 300개의 얼굴 영상으로 구성되어 있다.
- 각각의 얼굴 영상들은 0에서 255까지 그레이 값을 가진 256X256 영상 크기에 의해 나타내어진다. 지문 DB 인 경우에도 서로 다른 환경에서 50명으로부터 한 사람당 300X300의 크기를 갖는 6개의 지문을 취득하여 총 300개의 지문 영상으로 구성되어 있다. 그림 5에서는 지문 영상의 일부를 나타냈다.
이론/모형
- 얼굴의 특징을 추출하기 위해 본 논문에서 적용된 Fuzzy LDA 알고리즘은 주성분분석기법 (PCA : Principal Component Analysis)에 의해 얼굴 영상의 입 력차원을 축소한 후, 축소된 특징벡터와 퍼지소속도 함수를 이용하여 산출한다[13]. Fuzzy LDA 알고리즘 설명을 해 하나의 얼굴 영상이 각각의 화소 값을 갖는 2차원 배열(nxn)이라고 가정하자.
- 워터마킹 삽입 후에 은닉된 워터마크 데이터 추출과정은 Liu의 방법을 적용하였으며, 복원과정을 단계별로 살펴보면 다음과 같다.
- 알고리즘의 타당성이 검증된 방법을 사용하였다. 즉, 얼굴인 경우에는 Fuzzy LDA 기법을 이용하였고, 지문의 경우에는 체인코드 컨투어기법을 적용하였다. 적용된 방법을 간단히 설명하면 다음과 같다.
- 최종적으로는 좌회전 모양 또는 우회전 모양으로 결정된 영역에 대한(X축, y 축 및 각도(0))로 표현되는 지문의 특징을 추출하게 된다. 지문의 특징점이 추출된 후에 K-plet 방법을 이용하여 특징점을 재 표현한다. 여기서, K-plet 방법은 절대 좌표계가 아닌 지역좌표계로 표현함으로 지문의 변형과 회전에 강인한 장점을 나타낸다.
성능/효과
- (d)에서 알 수 있는 바와 같이 특징값의 삽입 전후 발생한 오차 비트의 수는 가중치 부여 방법에 의해 큰 차이를 보이지 않았지만, 비가시성 측면에서는 적응적 가중치 부여 방법이 기존 방법에 비하여 효과적인 것으로 나타났다. 또한, 그림 7로부터 비가시성측면에서 제안된 가중치 부여 방법은 특징값을 얼굴 영상에 삽입한 경우보다 지문 영상에 삽입하는 경우보다 더 효과적인 것으로 나타났다.
- 않았다. 그러나 지문 영상의 경우에는 기준영상에 적용한 경우 원영상을 이용하는 경우보다 인식률이 저조하게 나타났다. 지문 특징값이 삽입된 얼굴 영상을 이용하여 인식하는 경우 삽입 위치(원영상/기준영상에 의해 인식률에는 차이가 나타나지 않았으나 PSNR 측면에서는 원영상에 지문 특징을 삽입하는 경우 효과적인 것으로 나타났다.
- 이는 얼굴의 경우 고조파 성분보다는 저주파 성분에 의해 표현되지만, 지문의 경우에는 고조파 성분들 using natural images 이 지문 특징값을 산출하는데 중요한 영향을 주기 때문에 지문의 경우에 고조파를 제거할 경우 인식률이 저조한 것으로 분석된다. 따라서 이러한 결과로부터 생체인식시스템 관점에서는 은닉할 생체 데이터를 기준영상이 아닌 원영상에 삽입하는 것이 효과적임을 확인할 수 있다.
- 3%로 이러한 비트의 차이가 생체인식 단계에서는 큰 영향을 미치지는 않는다. 따라서 제안된 가변 비트형 이진화방법과 적응적 가중치 부여방법이 생체정보 보호를 위한 워터마킹 알고리즘에 효과적인 것으로 분석된다.
- 그림 7(c) 와 (d)에서 알 수 있는 바와 같이 특징값의 삽입 전후 발생한 오차 비트의 수는 가중치 부여 방법에 의해 큰 차이를 보이지 않았지만, 비가시성 측면에서는 적응적 가중치 부여 방법이 기존 방법에 비하여 효과적인 것으로 나타났다. 또한, 그림 7로부터 비가시성측면에서 제안된 가중치 부여 방법은 특징값을 얼굴 영상에 삽입한 경우보다 지문 영상에 삽입하는 경우보다 더 효과적인 것으로 나타났다.
- 그림 8 (a)에서 보는 바와 같이 본 논문에서 제안된 가변 비트형 이진화 방법과 적응적 가중치 부여 방법을 적용한 경우 다른 방법에 비하여 우수한 결과를 나타냈다. 또한, 워터마크 삽입 전과 후의 오차측면에서는 제안된 방법이 가변 비트형 이진화 방법과 고정된 가중치를 부여한 방법보다 오차가 높게 나타났으나, 오차가 발생한 비트의 차이는 2비트로서 전체 비트의 수 150에 비하여 1.3%로 이러한 비트의 차이가 생체인식 단계에서는 큰 영향을 미치지는 않는다. 따라서 제안된 가변 비트형 이진화방법과 적응적 가중치 부여방법이 생체정보 보호를 위한 워터마킹 알고리즘에 효과적인 것으로 분석된다.
- 그림 3에서 보는 바와 같이 본 논문에서는 원영상으로 얼굴, 지문의 생체정보를 고려하였다. 또한, 은닉하고자 하는 생체정보로서는 다른 생체정보에 비해 유출 가능성이 가장 높은 지문 영상을 고려하였다. 은닉하고자 하는 지문 영상은 특징 추출 기법에 의해 산출된 실수형의 특징값을 이용하여 이진화 과정을 수행한 후, 웨이블렛기반 삽입 알고리즘을 통하여 지문 정보를 담고 있는 워터마크가 삽입된 생체 영상을 얻는다.
- 효과적인 방법인 것으로 나타났다. 또한, 자연 영상에 생체정보를 은닉하더라도 워터마크의 중요한 지표 중의 하나인 비가시성 측면에서도 효과적임을 확인할 수 있었다. 본 논문에서는 워터마킹 알고리즘을 이용하여 다중생체 인식시스템을 연구한 것으로서, 향후 다양한 공격에 대한 제안 방법의 강인성에 대한 연구를 진행하고자 한다.
- 지문 특징값이 삽입된 얼굴 영상을 이용하여 인식하는 경우 삽입 위치(원영상/기준영상에 의해 인식률에는 차이가 나타나지 않았으나 PSNR 측면에서는 원영상에 지문 특징을 삽입하는 경우 효과적인 것으로 나타났다. 마지막 실험으로서, 얼굴 특징값이 삽입된 지문 영상을 이용하여 인식하는 경우 원영상에 지문특징을 삽입하는 경우가 인식률 및 PSNR 측면에서도 효과적인 것으로 나타났다. 이러한 결과로부터 얼굴 영상보다 지문 영상이 삽입 위치에 의해 인식률에 차이가 나타났다.
- 실험 결과, 워터마크를 삽입하지 않은 얼굴 영상의 경우에는 원영상과 기준영상에 의해 인식률에는 큰 차이를 보이지는 않았다. 그러나 지문 영상의 경우에는 기준영상에 적용한 경우 원영상을 이용하는 경우보다 인식률이 저조하게 나타났다.
- 그러나 생체정보가 은닉된 생체영상과 은닉된 생체 특징값을 융합한 방법에서는 워터마크를 적용하지 않은 방법과 비교하여 인식률이 저조하게 나타나지는 않았다. 이 결과로부터 본 논문에서 제안된 워터마크 알고리즘과 다중 생체인식시스템 구현 방법의 타당성을 확인할 수 있다. 또한 표 3에서는 생체 영상이 아닌 일반 영상을 배경영상으로 사용하여 실험한 결과로 일반 영상에 얼굴과 지문 특징값을 모두 은닉후 추출한 특징값을 이용하여 다중 생체 인식률을 구하였다.
- 따라서 본 논문에서는 본 논문에서는 기존 연구에서 제안된 일 정한값을 부여하는 가중치 방법 대신에 영상의 특성을 고려한 적응적 가중치 부여 방법을 제안한다. 제안된 방법은 원 영상과 기준 영상과의 차이가 크게 발생하는 삽입 영역은 가중치 값을 적게 부여하고, 차이가 작게 발생하는 삽입 영역은 가중치 값을 크게 부여하는 방법으로 설명할 수 있다.
- 제안된 방법을 얼굴과 지문특징을 이용한 단일 생체인식시스템과 원영상으로 사용된 생체데이터를 이용한 다중 생체인식시스템에 적용하여 실험한 결고}, 워터마크 데이터로 사용된 특징의 단일 생체인식 시스템의 경우 인식률이 저하되는 것으로 나타났지만, 원영상으로 사용된 생체이미지와 추출된 생체특징을 이용한 다중 생체인식 시스템의 경우, 정보의 유출 가능성이 있는 은닉기법을 적용하지 않은 경우와 동일한 인식률을 나타내어 제안된 방법은 생체정보의 은닉을 위한 효과적인 방법인 것으로 나타났다. 또한, 자연 영상에 생체정보를 은닉하더라도 워터마크의 중요한 지표 중의 하나인 비가시성 측면에서도 효과적임을 확인할 수 있었다.
- 그러나 지문 영상의 경우에는 기준영상에 적용한 경우 원영상을 이용하는 경우보다 인식률이 저조하게 나타났다. 지문 특징값이 삽입된 얼굴 영상을 이용하여 인식하는 경우 삽입 위치(원영상/기준영상에 의해 인식률에는 차이가 나타나지 않았으나 PSNR 측면에서는 원영상에 지문 특징을 삽입하는 경우 효과적인 것으로 나타났다. 마지막 실험으로서, 얼굴 특징값이 삽입된 지문 영상을 이용하여 인식하는 경우 원영상에 지문특징을 삽입하는 경우가 인식률 및 PSNR 측면에서도 효과적인 것으로 나타났다.
- 차이가 발생하지 않았다. 지문인식의 경우에는 워터마크를 삽입하지 않은 경우 인식률이 93.33%, 얼굴에 삽입 및 추출된 지문 특징값을 적용한 경우 90.00%, 얼굴 특징값이 삽입된 지문 영상의 경우 86.67%로 나타나 지문 영상의 경우에는 워터마크 삽입에 따라 인식률이 저하된 것으로 나타났다. 특히, 얼굴 특징값이 삽입된 지문 영상인 경우에는 워터마크를 삽입하지 않은 경우에 비하여 인식률이 7%로 저하된 것으로 나타났다.
- 67%로 나타나 지문 영상의 경우에는 워터마크 삽입에 따라 인식률이 저하된 것으로 나타났다. 특히, 얼굴 특징값이 삽입된 지문 영상인 경우에는 워터마크를 삽입하지 않은 경우에 비하여 인식률이 7%로 저하된 것으로 나타났다. 그러나 생체정보가 은닉된 생체영상과 은닉된 생체 특징값을 융합한 방법에서는 워터마크를 적용하지 않은 방법과 비교하여 인식률이 저조하게 나타나지는 않았다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.