[논문]새로운 정합 알고리즘을 이용한 손가락 정맥 인식 방법

김희승; 조준희

새로운 정합 알고리즘을 이용한 손가락 정맥 인식 방법
A Method for Finger Vein Recognition using a New Matching Algorithm 원문보기

정보과학회논문지. Journal of KIISE. 소프트웨어 및 응용, v.37 no.11, 2010년, pp.859 - 865

김희승 (서울시립대학교 컴퓨터과학부) , 조준희 (서울시립대학교 컴퓨터과학부)

초록
AI-Helper

이 논문에서 손가락 정맥영상에 대한 새로운 인식 방법을 제시한다. 손가락 정맥인식은 대중적으로 사용되고 있는 지문인식의 위조가능성을 배제할 수 있고, 홍채인식의 불편한 영상획득 방식을 피할 수 있는 좋은 개인 인중 방편으로 주목 받고 있다. 손가락 정맥영상을 지역적 히스토그램 균등화에 의하여 전처리하고, 이것을 세선화 처리하여 선 형태의 정맥을 얻는다. 이렇게 얻어진 선 형태의 정맥선 영상에 HS정합 알고리즘(HeeSung's Matching Algorithm) 이라고 명명된 새로운 정합 알고리즘을 적용하여 정맥의 정합 여부를 가린다. 이 새로운 정합 알고리즘은 세선화나 에지 검출 처리한 여러 가지 선 모양의 영상인식에 좋은 효과를 보이고 있다. 개인당 5편씩 총 130명분 650편의 손가락 영상에 대한 인식실험 결과 99.20%의 인식률을 보였다. 한 쌍의 영상 정합처리에 단 60ms 의 처리 속도를 보였다.

Abstract ▼ AI-Helper

In this paper, a new method for finger vein recognition is proposed. Researchers are recently interested in the finger vein recognition since it is a good way to avoid the forgery in finger prints recognition and the inconveniences in obtaining images of the iris for iris recognition. The vein images are processed to obtain the line shaped vein images through the local histogram equalization and a thinning process. This thinned vein images are processed for matching, using a new matching algorithm, named HS(HeeSung) matching algorithm. This algorithm yields an excellent recognition rate when it is applied to the curve-linear images processed through a thinning or an edge detection. In our experiment with the finger vein images, the recognition rate has reached up to 99.20% using this algorithm applied to 650finger vein images(130person ${\times}$ 5images each). It takes only about 60 milliseconds to match one pair of images.

주제어

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

있다. 본 논문에서는 혈관영상의 세선화를 기하고, 세선화된 혈관 영상을 그대로 비교하는 새로운 방법을 시도하였다. 그러나 히타치 측의 자료가 없는 관계로 정확한 비교를 할 수는 없다.
본 연구에서는 영상의 크기가 작고 사용자 거부감이 적은 손가락 정맥 패턴의 인식에 집중하여 그 인식 방법을 연구한다. 손가락 혈관 패턴의 개인별 식별 가능성, 식별 방법, 식별의 정확성 등에 관한 실험적 결과를 제시한다.
손가락 정맥인식을 위한 새로운 방법을 제안하였다. 정맥의 희미한 영상을 국지적 히스토그램 균일화 등 의전처리에 의하여 보다 더 명확한 혈관 영상으로 부각시켰고, 여기에 세선화 과정을 통하여 혈관 영상을 선 영상으로 변환하였다.

제안 방법

A, B, C, D, E 다섯 명에 대한 검지 영상 표본은 아래 그림 3에 제시되어 있다. 각 사람 당 5회에 걸쳐 5장씩의 검지 정맥 영상을 촬영했다. 검지 영상에서 정맥은 희미하게 보이며, 손가락 이외의 영역도 나타난다.
개개인의 5장 중 한 장의 영상은 프로토타입 영상으로 정하고 이에 대하여 나머지 영상을 테스트 영상으로 보고 정합알고리즘에 반복적으로 적용하였다.
그룹화를 이용한 영상의 추출과정으로 영상 속에 있는 성분들을 모으고 각 성분들을 분별해서 그룹으로 만든다. 분별된그룹을 역추적하여 윤곽을 이루는 네트워크를 반복적으로 형성한 바 있다.
본 연구에서 실험한 정맥인식과정은 영상채집, 관심영역 추출, 전처리, 특징추출, 패턴 정합 등의 단계로 나누어진다.
본 연구에서는 영상의 크기가 작고 사용자 거부감이 적은 손가락 정맥 패턴의 인식에 집중하여 그 인식 방법을 연구한다. 손가락 혈관 패턴의 개인별 식별 가능성, 식별 방법, 식별의 정확성 등에 관한 실험적 결과를 제시한다.
정맥의 패턴을 보다 선명하게 추출하기 위한 처리로 스무딩과 히스토그램 균일화를 이용하였다. 스무딩은 중위수 필터(median filter)를 사용했는데 이는 임펄스 잡음을 제거하는데 좋고 평균필터 등에 비하여 블러링 현상이 적고 edge를 잘 보존하는 장점을 가지고 있기 때문이다.
제안하였다. 정맥의 희미한 영상을 국지적 히스토그램 균일화 등 의전처리에 의하여 보다 더 명확한 혈관 영상으로 부각시켰고, 여기에 세선화 과정을 통하여 혈관 영상을 선 영상으로 변환하였다. 혈관의 선 영상은 개인 별로 특이하다는 것이 혈관을 특징점으로 하여 인식 대상으로 연구한 문헌에서 주장되고 있다.
스무딩은 중위수 필터(median filter)를 사용했는데 이는 임펄스 잡음을 제거하는데 좋고 평균필터 등에 비하여 블러링 현상이 적고 edge를 잘 보존하는 장점을 가지고 있기 때문이다. 지역적 히스토그램 균일화(Local histogram equalization) 처리를 이용하여 정맥이 잘 나타나지 않는 부위도 가급적 잘 드러나도록 처리하였다. 손가락의 두께 등에 의하여 손가락 정맥 부분이 명확하게 나타나지 않는 부분이 나타날 수 있기 때문이다.
도입했다. 특히 본 논문에서 제시한 새로운 정합 알고리즘(HS matching algorithm)을 혈관의 정합과 정에 이용하기 위하여 혈관의 선 도형화를 위하여 세선화 처리를 이용하였다. 그림 6에는 이치화 결과의 영상을, 그리고 그림 7에는 세선화 결과의 영상을 제시하였다.
혈관 영상에서 혈관만을 드러내기 위한 이치화 과정과 정맥의 정합을 위하여 선으로 표현하는 세선화 작업을 도입했다. 특히 본 논문에서 제시한 새로운 정합 알고리즘(HS matching algorithm)을 혈관의 정합과 정에 이용하기 위하여 혈관의 선 도형화를 위하여 세선화 처리를 이용하였다.

대상 데이터

130명으로부터 1인당 5장씩 총 650장의 정맥 영상을 채집하였다. 개개인의 5장 중 한 장의 영상은 프로토타입 영상으로 정하고 이에 대하여 나머지 영상을 테스트 영상으로 보고 정합알고리즘에 반복적으로 적용하였다.
1에 제시되어있다. 여러 개의 LED를 이용하여 적외선이 손가락을 투과하도록 하고, CCD 카메라에 의하여 영상을 획득한다. 본 연구를 위하여 개발한 실험용 정맥 인식 장치는 그림 2와 같다.
한 사람 당 5장씩 130명의 손 혈관 영상 650장으로 실험을 실시하였다. HS(HeeSung) 정합매트릭스의 수치 합 S.

이론/모형

HS 정합 알고리즘의 5단계에서 필요한 정합을 위한 문턱치 Th 의 값은 자동 문턱치 계산방법 (Auto threshold)을 이용하였다. 고정된 문턱치는 각기 다른 영상의 상태에 적용되지 못하는 반면, 유동적인 자동 문턱 치는 영상 상태에 따라 정해지기 때문에 인식률을 높일 수 있는 효과가 있다.
그러나 혈관은 두껍게 나타나므로 선 영상으로 변환하기에는 edge 검출과정보다는 세선화가 더 나은 것으로 판단하였다. 세선화 과정에는 빠르고 간단한 Zhang-Suen 알고리즘[20]을 사용하였다.
이를 위하여 장비 자체의 영역을 제거하고, 손가락 외각선을 검출하여 외각선을 경계로 한 바깥 영역을 제거하는 작업이 필요하다. 외각선 검출은 채집된 원영상에 대하여 Canny 외각선 검출 알고리즘을 이용하여 손가락의 외곽선을 추출한다. 이렇게 하여 얻은 손가락 혈관의 관심 영역은 그림 4에 제시한 바와 같다.
이러한 선 형태의 패턴을 위한 정합 알고리즘으로 HS(HeeSung) 정합 알고리즘[21]이라 명명한 새로운 방법을 사용하였다. 이 알고리즘은 비선형적인 선형 영상의 경우에 가장 잘 정합할 수 있음을 다른 논문에서 (손가락 표면 에지 영상에 대하여 HS알고리즘을 적용하여 역시 좋은 인식률을 얻었음.

성능/효과

혈관의 선 영상은 개인 별로 특이하다는 것이 혈관을 특징점으로 하여 인식 대상으로 연구한 문헌에서 주장되고 있다. 그러한 관점에서 선 영상에 대한 정합방법으로 새로운 정합방법인 HS정합 알고리즘을 소개하였으며 이를 명에 대한 65W장의 혈관 영상에 적용하여 99.2%의 높은 인식률을 얻을 수 있었다.
선 모양의 영상에 대한 정합 방법으로서는 주로 grammar에 의한 분석이 주종이었다. 본 논문에서는 선 모양의 정합 방법으로 HS 정합 알고리즘을 제시하였으며 이것을 손가락 혈관의 선 모양의 영상에 적용하여 매우 좋은(99.2%의 인식률) 정합 반응을 나타내었다. 본문에 제시된 바와 같이 본 알고리즘은 graph나 grammar에 의한 방식에서 탈피한 전혀 새로운 방식이라 하겠다.
세 번째 비교 알고리즘은 끝점, 교차점, 거리측정에 의한 정합 (Matching based on end points, crossing points and distances)"]으로 손등의 정맥을 인식한 알고리즘이다. 이 표에서 여러가지 다른 방법 의정합방법으로 손의 여러가지 모양을 인식한 AAR에있어서 본 논문에서 제시한 선 정합 방식에 의한 인식율은 결코 뒤지지 않을 뿐만 아니라 오히려 보다 좋은 결과를 보이고 있다.
선택하였다. 표 1에서 보는 바와 같이 여러 가지 크기의 정합 매트릭스(7*7, 9*9, 11*11, 13*13, 15*15, 17*17)를 실험해 본 결과 11*11 크기일 때, 같은 사람의 손가락 혈관영상에 대한 정합매트릭스 값의 평균과 다른 사람의 혈관영상에 대한 정합매트릭스 값의 평균치 차이가 가장 큰 것으로 나타났다. 이는 이 크기의 정합매트릭스에 의하여 상대적으로 정합 여부를 더 잘 판별함을 의미한다.
하겠다. 표 2에 제시한 정합방법은 손의 부위와 특징점을 찾는 과정이 다르므로 더 상세한 비교분석은 어려우나, 본 논문에서 제시한 선 정합 알고리즘은 단순히 세선화된 영상에 적용할 수 있다는 점에서 탁월하다 하겠다.

후속연구

본문에 제시된 바와 같이 본 알고리즘은 graph나 grammar에 의한 방식에서 탈피한 전혀 새로운 방식이라 하겠다. 향후 이 방식에 대한 여러가지 분석이 필요하다 하겠으며 신경망에 적용하여 영상인식에 좋은 효과를 나타낼 것으로 기대된다.

참고문헌 (21)

A. Jain, A. Ross, S. Prabhakar, "An Introduction to Biometric Recognition," IEEE Transactions on Circuits and Systems for Video Technology, Special Issue on Image- and Video-Based Biometrics, vol.14, no.1, January 2004.
X. Chen, P. Flynn, K. Bower, "Visible-light and infrared face recognition," Proceedings of the workshop on multimodal user authentication, pp. 48-55, 2003.
W. Boles, B. Boashash, "A human identification technique using images of the iris and wavelet transform," IEEE Trans. on Signal Process, pp. 1185-1188, 1998.
A. Kumar and D. Zhang, "Personal recognition using hand shape and texture," IEEE Trans. on Image Processing, vol.15, no.8, pp.2454-2461, 2006.

상세보기
A. Kumar, K. Prathyusha, "Personal Authentication using Hand Vein Triangulation and Knuckle Shape," IEEE Transactions on Image Processing, 2009.
Y. Ding, D. Zhuang, K. Wang, "A study of hand vein recognition method," IEEE International Conference on Mechatronics and Automation, vol.4, pp.2106-2110, 2005.
S. Im, H. Park, Y. Kim, S. Han, S. Kim, C. Kang, C. Chung, "A Biometric identification system by extracting hand vein patterns," J. Korean Phys. Soc., vol.28, no.3, pp.268-272, 2001.
Fujitsu-Laboratories-Ltd. Fujitsu Laboratories Develops Technology For World's First Contactless Palm Vein Pattern Biometric Authentication System. March 31, 2003.
L. Wang and G. Leedham, "A thermal hand vein pattern verification system," ICAPR, LNCS 3687, pp.58-65, 2005.
N. Miura et al., "Feature extraction of finger-vein patterns based on repeated line tracking and its application to personal identification," Machine Vision and Applications, vol.25, pp.194-203, 2004.
S. Im et al., "A Direction-Based Vascular Pattern Extraction Algorithm for Hand Vascular Pattern Verification," ETRI J., vol.25, no.2, pp.101-108, Apr. 2003.

원문보기 상세보기
X. Li et. al., "Vein Pattern Recognitions by Moment invariants," First International Conference on Bioinformatics and Biomedical Engineering, pp.612-615, Jul, 2007.
L. Zhang, R. Zhang, C. Yu, "Study on the Identity Authentication System for Finger Vein," The 2nd International Conference on Bioinformatics and Biomedical Engineering, pp.1905-1907, May 2008.
Y. Ding, D. Zhuang, K. Wang, "A study of hand vein recognition method," IEEE International Conference on Mechatronics and Automation, vol.4, pp.2106-2110, Aug., 2005.
G. Venayagamoorthy, V. Moonasar, K. Sandrasegaran, "Voice recognition using neural networks," Proceedings of the IEEE South African Symposium on Communication and Signal Processing, pp.29-32, 1988.
S. Sarkar, P. Phillips, Z. Liu, I. Vega, P. Grother, and K. Bowyer, "The Human ID gait challenge problem: data sets, performance, and analysis," IEEE Trans. Pattern Anal. Mach. Intell., vol.27, no.2, pp.162-177, Feb. 2005.

상세보기
A. Hoover, V. Kouznetsova, M. Goldbaum, "Locating blood vessels in retinal images by piece-wise threshold probing of a matched filter response," IEEE Trans. on Med. Imag., pp.203-210, 2000.
T. Walter, J. Klein, P. Massin, F. Zana, "Automatic segmentation and registration of retinal fluorescein angiographies - application to diabetic retinopathy," Proceedings of the 1st International Workshop on Computer Assisted Image Analysis, pp.15-20, May 2000.
P. Montesinos, L. Alquier, (1996) Perceptual organization of thin networks with active contour functions applied to medical and aerial images, Proceedings of ICPR'96, pp.25-30, 1996.
T. Zhang, C. Suen. "A fast parallel algorithm for thinning digital patterns," Communications of the ACM, vol.27, no.3, pp.236-239, 1984.

상세보기
특허출원 중, 1-1-2009-0495547-41

저자의 다른 논문 :

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증