홍채인식은 홍채의 무늬 패턴 정보를 이용하는 생체인식 기술로 안정성, 보안성과 같은 특징을 가지고 있기 때문에 높은 보안을 요구하는 환경에 특히 적합하다. 최근 들어 홍채정보를 이용하여 출입통제, 정보보안등의 분야에 많이 활용되고 있다. 홍채 특징 추출시 크기, 조명, 회전에 무관한 홍채 특징을 추출하는 것이 바람직하다. 홍채크기 및 조명 문제는 전처리를 통해 쉽게 해결할 수 있지만 회전에 무관한 홍채 특징 추출은 여전히 문제가 된다. 본 논문에서는 회전 보정으로 인한 인식률 및 속도 저하를 개선하기 위해 Zernike 모멘트와 Daubechies Wavelet을 이용한 홍채인식 방법을 제안한다. 제안한 방법은 회전에 불변한 Zernike 모멘트의 통계적 특성을 이용하여 회전된 홍채에 대해서 1단계로 유사홍채를 분류함으로서 홍채인식에 필요한 시간을 단축하였고, 인식성능 역시 기존 방법과 대등함을 보였다. 따라서 제안한 방법이 대용량의 홍채 인식 시스템에 효과적인 적용이 가능함을 확인할 수 있었다.
홍채인식은 홍채의 무늬 패턴 정보를 이용하는 생체인식 기술로 안정성, 보안성과 같은 특징을 가지고 있기 때문에 높은 보안을 요구하는 환경에 특히 적합하다. 최근 들어 홍채정보를 이용하여 출입통제, 정보보안등의 분야에 많이 활용되고 있다. 홍채 특징 추출시 크기, 조명, 회전에 무관한 홍채 특징을 추출하는 것이 바람직하다. 홍채크기 및 조명 문제는 전처리를 통해 쉽게 해결할 수 있지만 회전에 무관한 홍채 특징 추출은 여전히 문제가 된다. 본 논문에서는 회전 보정으로 인한 인식률 및 속도 저하를 개선하기 위해 Zernike 모멘트와 Daubechies Wavelet을 이용한 홍채인식 방법을 제안한다. 제안한 방법은 회전에 불변한 Zernike 모멘트의 통계적 특성을 이용하여 회전된 홍채에 대해서 1단계로 유사홍채를 분류함으로서 홍채인식에 필요한 시간을 단축하였고, 인식성능 역시 기존 방법과 대등함을 보였다. 따라서 제안한 방법이 대용량의 홍채 인식 시스템에 효과적인 적용이 가능함을 확인할 수 있었다.
Iris recognition is a biometric technology that uses iris pattern information, which has features of stability, security etc. Because of this reason, it is especially appropriate under certain circumstances of requiring a high security. Recently, using the iris information has a variety uses in the ...
Iris recognition is a biometric technology that uses iris pattern information, which has features of stability, security etc. Because of this reason, it is especially appropriate under certain circumstances of requiring a high security. Recently, using the iris information has a variety uses in the fields of access control and information security. In extracting the iris feature, it is desirable to extract the feature which is invariant to size, lights, rotation. We have easy solutions to the problem of iris size and lights by previous processing but there is still problem of iris feature extract invariant to rotation. In this paper, To improve an awareness ratio and decline in speed for a revision of rotation, it is proposed that the iris recognition method using Zernike Moment and Daubechies Wavelet. At first step, the proposed method groups rotated iris into similar things by statistical feature of Zernike Moment invariant to a rotation, which shortens processing time of iris recognition and looks equal to an established method in the performance of recognition too. therefore, proposed method could confirm the possibility of effective application for large scale iris recognition system.
Iris recognition is a biometric technology that uses iris pattern information, which has features of stability, security etc. Because of this reason, it is especially appropriate under certain circumstances of requiring a high security. Recently, using the iris information has a variety uses in the fields of access control and information security. In extracting the iris feature, it is desirable to extract the feature which is invariant to size, lights, rotation. We have easy solutions to the problem of iris size and lights by previous processing but there is still problem of iris feature extract invariant to rotation. In this paper, To improve an awareness ratio and decline in speed for a revision of rotation, it is proposed that the iris recognition method using Zernike Moment and Daubechies Wavelet. At first step, the proposed method groups rotated iris into similar things by statistical feature of Zernike Moment invariant to a rotation, which shortens processing time of iris recognition and looks equal to an established method in the performance of recognition too. therefore, proposed method could confirm the possibility of effective application for large scale iris recognition system.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
이러한 방법의 문제점은 사전에 회전 각도의 범위를 정해 놓아야 하기 때문에 이를 벗어나는 범위에 대해서는 인식이 불가능하다. 본 논문에서는 회전 보정으로 인한 인식률 및 속도 저하를 개선하기 위해 Zernike 모멘트[10-12]와 Daubechies Wavelet[13,14]을 이용한 홍채인식 방법을 제안한다. 1단계로 Zernike 모멘트의 통계적 특성을 이용하여 유사홍채를 판별한 후 Daubechies Wavelet을 이용하여 홍채 영상의 국부적 방향정보[15,16]를 특징으로 추출하여 이를 비교해 동일 홍채인지의 여부를 판단하였다.
본 논문에서는 회전 보정으로 인한 인식률 및 속도 저하를 개선하기 위해 1단계로 Zernike 모멘트의 통계적 특성을 이용하여 유사홍채를 판별한 후 Daubechies Wavelet을 이용하여 홍채 영상의 국부적 방향정보를 특징으로 추출하여 이를 비교해 동일 홍채인지의 여부를 판단하는 새로운 방식을 제안하였다. 기존의 방법들의 경우 회전에 불변한 홍채 인식을 위해 입력된 홍채에서 추출한 특징값을 회전각도마다 일일이 이동시켜 비교하는 방법을 택했기 때문에 데이터베이스가 커질수록 검색 시간이 그에 비례하여 증가될 수 밖에 없었다.
제안 방법
본 논문에서는 회전 보정으로 인한 인식률 및 속도 저하를 개선하기 위해 Zernike 모멘트[10-12]와 Daubechies Wavelet[13,14]을 이용한 홍채인식 방법을 제안한다. 1단계로 Zernike 모멘트의 통계적 특성을 이용하여 유사홍채를 판별한 후 Daubechies Wavelet을 이용하여 홍채 영상의 국부적 방향정보[15,16]를 특징으로 추출하여 이를 비교해 동일 홍채인지의 여부를 판단하였다. 제안된 방법은 1단계로 유사홍채를 분류함으로서 홍채인식에 필요한 시간을 단축 하였고, 인식성능 역시 기존 방법과 대등한 특징을 가진다.
1단계로 Zernike 모멘트의 통계적 특성을 이용하여 유사홍채를 판별한 후 Daubechies Wavelet을 이용하여 홍채 영상의 국부적 방향정보[15,16]를 특징으로 추출하여 이를 비교해 동일 홍채인지의 여부를 판단하였다. 제안된 방법은 1단계로 유사홍채를 분류함으로서 홍채인식에 필요한 시간을 단축 하였고, 인식성능 역시 기존 방법과 대등한 특징을 가진다.
홍채 인식은 크게 영상 취득, 홍채 영역 추출, 특징값 추출, 특징값 비교의 단계를 통해 이루어지는데 홍채 영역을 추출하여 홍채 영역만을 직사각형의 형태로 정규화 하는 것은 일반적인 시스템에서 공통적으로 수행하는 단계이다. 본 논문에서 제안하는 특징값 추출과 비교는 2단계로 이루어지는데, 이는 다수의 사용자가 등록되어 있는 경우에도 빠른 시간 내에 인식을 수행하기 위함이다. 그림 1과 같이 1단계에서는 Zernike 모멘트의 통계적 특성을 이용하여 회전에 무관한 유사 홍채를 판별하고, 2단계에서는 Daubechies Wavelet Level 3의 수평 방향 성분(LH)과 수직방향성분(HL)을 이용해 홍채 영상의 국부적 방향정보를 특징으로 추출하고 이를 비교해 동일인의 홍채인지 여부를 판정하게 된다.
각 차수에 따른 Zernike 모멘트들의 개수는 각각 다르며 본 논문에서는 8차수까지 25개의 모멘트 계수를 추출하였다. 두 홍채가 회전에 무관하게 유사한 패턴인지를 판별하는 것은 모멘트의 절대값을 이용하여 계산한다.
2단계에서는 유사홍채로 분류된 홍채 영상에 대하여 Daubechies Wavelet 변환을 이용하여 Level 3의 영상으로 분할한다 기존의 홍채인식에서는 Harr Wavelet[17-19]변환을 많이 사용하지만 본 논문에서는 특징추출 방법으로 Harr Wavelet의 단점을 보완하여 보다 정확한 특징 추출이 가능해 최근 많이 사용되어 지고 있는 Daubechies Wavelet을 사용하였다. Daubechies Wavelet을 사용한 이유는 Harr Wavelet은 불연속적으로 값이 급격히 변하는 단점이 있는데 반해 Daubechies Wavelet은 연속함수이기 때문에 보다 정확하고 정교한 특징값을 추출하는 것이 가능하기 때문이다.
제안한 홍채 인식 방법의 성능을 분석하기 위해 CASIA 데이터베이스를 이용한다. Zernike 모멘트의 유사홍채 분류 인식 성능에 대해 실험하고, Daubechies Wavelet을 통해 기존 방법의 인식 성능과 각도 보정에 따른 인식 속도 성능을 비교 실험한다. 기존의 방법으로 Duagman이 제안한 Gabor 변환을 이용한 방법과 비교 평가를 수행한다.
본 논문에서는 홍채 연구에서 가장 널리 사용되는 CASIA 데이터베이스[20]를 사용하여 제안한 방법에 대한 성능 평가를 수행하였다. CASIA DB는 8비트 그레이 영상으로 320x280 픽셀의 해상도를 가진 총 756장의 영상으로 구성되어 있다.
이 영상들은 108개의 서로 다른 눈(108개의 클래스)에서 각 7장씩 한 달 간격으로 취득한 홍채영상으로 구성되었다. 회전에 대한 인식 성능 측정을 위해 원본 영상을 2도씩 시계방향으로 회전시켜가며 원본 영상과 회전된 영상들을 하나의 셋으로 구성하여 실험을 진행하였다. 즉 2도 회전된 영상에 대한 성능 평가를 위해 원본 영상(756장)과 2도 회전영상(756장)으로 데이터셋 cw-2(1512장)를 구성하였다.
즉 2도 회전된 영상에 대한 성능 평가를 위해 원본 영상(756장)과 2도 회전영상(756장)으로 데이터셋 cw-2(1512장)를 구성하였다. 마찬가지 방식으로 4, 6, 8, 10도 회전된 영상에 대해서도 원본 영상과 회전된 영상으로 각 1512장으로 구성된 데이터셋 cw-4, cw-6, cw-8, cw-10 을 구성하여 인식 성능을 측정하였다. 그림 9는 실험에 사용된 데이터셋의 예이다.
인식이란 입력된 홍채 영상이 데이터베이스에 저장된 여러 홍채 중에 어떤 홍채인지를 찾아내는 것이다. 실험에서 평가한 방법은 1단계에서 Zernike 모멘트를 통한 유사홍채의 분류 성능을 평가하고 2단계에서 제안 알고리즘의 성능 평가를 위한 방법으로는 인식 성능을 식 (10)과 같이 인식률로 평가하였다.
기존의 방법들의 경우 회전에 불변한 홍채 인식을 위해 입력된 홍채에서 추출한 특징값을 회전각도마다 일일이 이동시켜 비교하는 방법을 택했기 때문에 데이터베이스가 커질수록 검색 시간이 그에 비례하여 증가될 수 밖에 없었다. 제안한 방법은 회전에 불변한 Zernike 모멘트의 통계적 특성을 이용하여 회전된 홍채에 대해서 1단계로 유사홍채를 분류함으로서 홍채인식에 필요한 시간을 단축하였다. 따라서 제안한 방법이 대용량의 홍채 인식 시스템에 효과적인 적용이 가능함을 확인할 수 있었다.
대상 데이터
제안한 홍채 인식 방법의 성능을 분석하기 위해 CASIA 데이터베이스를 이용한다. Zernike 모멘트의 유사홍채 분류 인식 성능에 대해 실험하고, Daubechies Wavelet을 통해 기존 방법의 인식 성능과 각도 보정에 따른 인식 속도 성능을 비교 실험한다.
본 논문에서는 홍채 연구에서 가장 널리 사용되는 CASIA 데이터베이스[20]를 사용하여 제안한 방법에 대한 성능 평가를 수행하였다. CASIA DB는 8비트 그레이 영상으로 320x280 픽셀의 해상도를 가진 총 756장의 영상으로 구성되어 있다. 이 영상들은 108개의 서로 다른 눈(108개의 클래스)에서 각 7장씩 한 달 간격으로 취득한 홍채영상으로 구성되었다.
CASIA DB는 8비트 그레이 영상으로 320x280 픽셀의 해상도를 가진 총 756장의 영상으로 구성되어 있다. 이 영상들은 108개의 서로 다른 눈(108개의 클래스)에서 각 7장씩 한 달 간격으로 취득한 홍채영상으로 구성되었다. 회전에 대한 인식 성능 측정을 위해 원본 영상을 2도씩 시계방향으로 회전시켜가며 원본 영상과 회전된 영상들을 하나의 셋으로 구성하여 실험을 진행하였다.
회전에 대한 인식 성능 측정을 위해 원본 영상을 2도씩 시계방향으로 회전시켜가며 원본 영상과 회전된 영상들을 하나의 셋으로 구성하여 실험을 진행하였다. 즉 2도 회전된 영상에 대한 성능 평가를 위해 원본 영상(756장)과 2도 회전영상(756장)으로 데이터셋 cw-2(1512장)를 구성하였다. 마찬가지 방식으로 4, 6, 8, 10도 회전된 영상에 대해서도 원본 영상과 회전된 영상으로 각 1512장으로 구성된 데이터셋 cw-4, cw-6, cw-8, cw-10 을 구성하여 인식 성능을 측정하였다.
데이터처리
Zernike 모멘트의 유사홍채 분류 인식 성능에 대해 실험하고, Daubechies Wavelet을 통해 기존 방법의 인식 성능과 각도 보정에 따른 인식 속도 성능을 비교 실험한다. 기존의 방법으로 Duagman이 제안한 Gabor 변환을 이용한 방법과 비교 평가를 수행한다.
회전 각도 보정에 따른 인식 수행 시간에 대한 성능은 Daugman의 방법과 제안된 방법을 C++ (Visual Studio 2008)로 구현하여 비교 측정하였다. 평가가 수행된 환경은 Pentium4-3.
이론/모형
Daubechies Wavelet을 사용한 이유는 Harr Wavelet은 불연속적으로 값이 급격히 변하는 단점이 있는데 반해 Daubechies Wavelet은 연속함수이기 때문에 보다 정확하고 정교한 특징값을 추출하는 것이 가능하기 때문이다. 본 논문에서는 특징값 추출시 4계수 Daubechies Wavelet 함수를 사용하였다. 그림 5와 식 (7),(8)은 4계수 Daubechies Wavelet 함수의 그림과 식을 나타낸다.
성능/효과
제안한 방법은 회전에 불변한 Zernike 모멘트의 통계적 특성을 이용하여 회전된 홍채에 대해서 1단계로 유사홍채를 분류함으로서 홍채인식에 필요한 시간을 단축하였다. 따라서 제안한 방법이 대용량의 홍채 인식 시스템에 효과적인 적용이 가능함을 확인할 수 있었다.
홍채의 패턴은 유전적인 영향을 받는 것이 아니라 태아의 초기 환경에 의해서만 영향을 받기 때문이다. 두 번째로 홍채 패턴은 만 3세가 되기 전에 대부분 형성되고 외부적인 상해가 없다면 거의 불변이다. 세 번째로 홍채는 다른 생체 특징과 달리 각막에 의해 외부 환경으로부터 보호되는 특징을 지닌다.
두 번째로 홍채 패턴은 만 3세가 되기 전에 대부분 형성되고 외부적인 상해가 없다면 거의 불변이다. 세 번째로 홍채는 다른 생체 특징과 달리 각막에 의해 외부 환경으로부터 보호되는 특징을 지닌다. 지문의경우 마모가 될 수 있고 상처나 습진 등에 의해 패턴이 변경 될 수 있지만 홍채는 내부 기관이므로 눈에 질병이 없는 한 패턴에 영향을 받지 않는다.
제안하는 방법에서 사용하는 Zernike 모멘트의 개수에 따라서 유사홍채 분류 성능에 영향을 미치게 되는데 Zernike 모멘트의 개수가 적어지면 찾고자 하는 홍채가 누락될 확률이 작아지게 되지만 후보의 수가 늘어나 다음 단계에서 처리해야 할 데이터가 많아지게 되어 속도가 느려지는 결과를 낳게 된다. 표 2는 사용하는 Zernike 모멘트의 개수에 따라 유사홍채의 개수와 누락될 확률을 보여준다.
실험 결과를 살펴 보면 Zernike 모멘트의 개수가 25개 이상이 되면 찾고자 하는 홍채가 누락되는 경우가 발생하기 시작한다. Zernike 모멘트의 개수가 작아지면 후보 홍채의 수가 증가해 다음 단계인 결정 단계에서 처리해야 할 홍채 수가 많아지므로 유사홍채 분류시 사용하는 최적의 Zernike 모멘트 개수는 25개임을 알 수 있다.
참고문헌 (21)
Flom, L. and Safir, A. U.S. Patent No.4641349, U.S. Goverment Printing Office, Washington, DC, 1987.
John G. Daugman, "High confidence visual recognition of persons by a test of statistical independence", IEEE Trans Pattern Anal MachineIntell, Vol.15, No.11, pp.1148-1161, 1993.
R.P. Wildes, J.C. Asmuth, and G.L. Green, "A system forautomated iris recognition", in Proc.IEEE Workshop on Application of Computer Vision, Sarasota, pp.121-128, 1994.
W.W. Boles, and B. Boashah, "A Human Identification Technique Using Images of the Iris and Wavelet Transform", IEEE Trans. on Signal Processing, vol.46, pp.1185-1188, April 1998.
A. Khotanzad, Y.H. Hong, "Invariant Image Recognition by Zernike Moments", IEEE Transactions on Pattern Analysis and Machine Intelligence, vol.12, no. 5, pp. 489-497, May 1990.
Whoi-Yul Kim, and Yong-Sung Kim "A region-based shape descriptor using Zernike moments", Signal Processing: Image Communication Vol 16, Issues 1-2, pp 95-102, September 2000,
R. Mukundan, and K. R. Ramakrishnan "Fast computation of Legendre and Zernike moments" , Pattern Recognition, Vol 28, Issue 9, pp 1433-1442, September 1995,
James Ze Wang, Gio Wiederhold, Oscar Firschein and Sha Xin Wei "Content-based image indexing and searching using Daubechies wavelets", International Journal on Digital Libraries, Vol 1, pp 311-328, Number 1998.
Poursaberi, Araabi, "A half-eye wavelet based method for iris recognition", ISDA '05. Proceedings. 5th International Conference, pp. 262 - 267, September 2005.
Poursaberi, Araabi, "A Novel Iris Recognition System Using Morphological Edge Detector and Wavelet Phase Features", GVIP, Vol 6, pp. 9-15, 2005.
A. Poursaberi and B.N. Araabi (2007). "Iris Recognition for Partially Occluded Images: Methodology and Sensitivity Analysis", EURASIP Journal on Advances in Signal Processing, Vol 2007.
Y. Chen, S. Dass, and A. Jain, "Localized Iris Image Quality Using 2D Wavelets", Proceedings of International Conference on Biometrics, 2006.
E. Rydgren, T. Ea, F. Amiel, F. Rossant, and A. Amara. "Iris Feature Extraction Using Wavelet Packets", IEEE International Conference on Image Processing. Vol. 2, pp. 861-864, 2004.
C. Sanchez-Avila, R. Sanchez-Reillo, and D. De Martin-Roche. "Iris-Based Biometric Recognition Using Dyadic Wavelet Transform", IEEE AESS System Magazines, Vol. 17, no. 10, pp. 3-6. 2002.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.