최근 생체 정보를 이용한 다양한 방식의 인증 시스템에 대한 연구가 많이 이루어지고 있다. 본 연구에서는 홍체 인식을 위한 홍채 영역 검출을 위하여 임계값의 변경 없이 원둘레의 일부 정보를 이용하여 만들어진 원의 연립방정식을 이용하여 전안부 영상에서의 홍채 영역을 효과적으로 검출할 수 있는 새로운 알고리즘을 제안한다. 제안 알고리즘은 외곽정보를 통해 계산된 원의 중점 좌표가 가장 많이 누적된 영역을 검출될 원의 중점으로 인식하여 검출하게 된다. 이를 위하여 50명의 사람의 전안부 이미지에서 테스트를 통해 알고리즘을 circular hough transform, Daugman의 방법과 비교한 결과, 두 방법에 비하여 속도는 각각 5배, 75배가 향상되었으며, 제안한 방법의 중심위치 정확도는 95.36%로 circular hough transform 방법의 92.43%에 비하여 더 우수한 성능을 나타내었다. 본 연구는 홍채인식을 통한 신분 인증 시스템이나, 전안부 영상을 이용한 질병진단 시스템에서의 유용하게 활용이 될 것이라 예상된다.
최근 생체 정보를 이용한 다양한 방식의 인증 시스템에 대한 연구가 많이 이루어지고 있다. 본 연구에서는 홍체 인식을 위한 홍채 영역 검출을 위하여 임계값의 변경 없이 원둘레의 일부 정보를 이용하여 만들어진 원의 연립방정식을 이용하여 전안부 영상에서의 홍채 영역을 효과적으로 검출할 수 있는 새로운 알고리즘을 제안한다. 제안 알고리즘은 외곽정보를 통해 계산된 원의 중점 좌표가 가장 많이 누적된 영역을 검출될 원의 중점으로 인식하여 검출하게 된다. 이를 위하여 50명의 사람의 전안부 이미지에서 테스트를 통해 알고리즘을 circular hough transform, Daugman의 방법과 비교한 결과, 두 방법에 비하여 속도는 각각 5배, 75배가 향상되었으며, 제안한 방법의 중심위치 정확도는 95.36%로 circular hough transform 방법의 92.43%에 비하여 더 우수한 성능을 나타내었다. 본 연구는 홍채인식을 통한 신분 인증 시스템이나, 전안부 영상을 이용한 질병진단 시스템에서의 유용하게 활용이 될 것이라 예상된다.
There is a variety of researches about recognition system using biometric data these days. In this study, we propose a new algorithm, uses simultaneous equation that made of the edge of objects, to segment an iris region without threshold values from an anterior eye image. The algorithm attempts to ...
There is a variety of researches about recognition system using biometric data these days. In this study, we propose a new algorithm, uses simultaneous equation that made of the edge of objects, to segment an iris region without threshold values from an anterior eye image. The algorithm attempts to find a center area through calculated outskirts information of an iris, and decides the area where the most points are accumulated. To verify the proposed algorithm, we conducted comparative experiments to Hough transform and Daugman's method, based on 50 images anterior eye images. It was found that proposed algorithm is 5 and 75 times faster than on each algorithm, and showed high accuracy of detecting a center point (95.36%) more than Hough transform (92.43%). In foreseeable future, this study is expected to useful application in diverse department of human's life, such as, identification system using an iris, diagnosis a disease using an anterior image.
There is a variety of researches about recognition system using biometric data these days. In this study, we propose a new algorithm, uses simultaneous equation that made of the edge of objects, to segment an iris region without threshold values from an anterior eye image. The algorithm attempts to find a center area through calculated outskirts information of an iris, and decides the area where the most points are accumulated. To verify the proposed algorithm, we conducted comparative experiments to Hough transform and Daugman's method, based on 50 images anterior eye images. It was found that proposed algorithm is 5 and 75 times faster than on each algorithm, and showed high accuracy of detecting a center point (95.36%) more than Hough transform (92.43%). In foreseeable future, this study is expected to useful application in diverse department of human's life, such as, identification system using an iris, diagnosis a disease using an anterior image.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
본 연구에서는 영상의 외곽 경계선 정보를 이용하여, 홍채 및 동공 영역을 탐지하는 새로운 알고리즘을 제안하였다. 제안하는 방법에서 검출 대상 오브젝트의 모든 외곽선 상의 점에 대한 좌표를 이용하여 복수의 원의 연립방정식이 얻은 후에, 일정한 간격의 세 점의 좌표를 이용하여 원의 중심을 구하므로, 등분 수가 많을수록 원의 탐지율은 높아지나 원의 중점 정확도가 떨어지며 등분 수가 적을수록 원의 탐지율은 낮아지지만 원의 중심을 더 정확하게 찾는다.
제안 방법
영상이 획득되면 먼저 전처리가 수행되는데 이 단계에서는 원본 전안부 영상에 대한 컬러모델 변환과 잡음제거, 이진화 과정이 포함된다. 다음 단계는 제안 알고리즘에서 가장 핵심적인 요소인 원의 연립방정식의 모델링을 위해 경계 추적을 수행하고 좌표 정보를 바탕으로 연립방정식을 계산하여 검출될 원의 중점 좌표와 평균 반지름의 크기를 구한다. 최종적으로 이 정보들을 바탕으로 홍채 영역에 해당하는 원 검출이 수행된다.
본 연구에서는 외곽선의 정보들을 기반으로 연립방정식을 생성 하고 원을 탐지하는 새로운 알고리즘을 제안하였으며, 검출과정은 그림 2와 같은 순서로 진행된다.
본 연구에서는 홍채를 원으로 가정하여 홍채를 검출하는 알고리즘인 Daugman 방법, 허프 변환 방법과 마찬가지 방법으로 홍채를 원으로 가정하여 검출하지만 기존 방법들이 결과를 얻기 위해서 많은 연산을 하는 점을 보완하여 홍채 후보 객체의 외곽선 정보를 추출하고, 원의 연립방정식을 이용하여 속도와 정확성을 동시에 고려한 새로운 검출 알고리즘을 제안한다.
원본 영상을 그림 4(a)와 같은 HSV 컬러 모델로 변환하고, H, S, V채널로 영상을 분리하여 각 채널에 대한 그레이 영상을 얻었다. 세 채널 가운데 검출 영역의 특징을 가장 잘 반영한다고 판단되는 Hue 영상으로 동공 영역을 검출하였고, Value 영상으로 홍채 영역과 반사광 영역을 검출하였다.
제안하는 방법에서는 5×5 크기의 마스크를 사용하였으며 1차적으로 침식, 팽창 연산으로 크기가 작은 잡음을 없애주고, 2차적으로 가우시안 스무딩 방법을 이용하여 객체의 외곽선을 부드럽게 만들어 준다[10].
대상 데이터
본 연구에서 홍채 검출에 사용된 영상은 3,872 x 2,562 크기의 24비트/픽셀 영상으로 총 50장으로 구성되어 있다.
데이터처리
본 논문에서는 유사도 측정을 위해 다음 식(6)과 같은 다이스 유사도 계수(Dice’s similarity coefficient)를 계산하였다.
전안부 영상에 대해 홍채 영역을 포함하는 원을 3명의 검사자가 수동으로 작성한 후, 제안한 방법을 적용한 결과와 허프 변환 기반 방법, Daugman의 방법을 적용한 결과와 간의 비교 분석을 수행하였다.
이론/모형
이어서 형태학적 침식, 팽창 연산과 가우시안 스무딩 방법으로 잡음을 제거 하였다. 제안하는 방법에서는 5×5 크기의 마스크를 사용하였으며 1차적으로 침식, 팽창 연산으로 크기가 작은 잡음을 없애주고, 2차적으로 가우시안 스무딩 방법을 이용하여 객체의 외곽선을 부드럽게 만들어 준다[10].
이와 같은 영역별 특성을 고려하고 정확한 분할을 수행하기 위하여 본 연구에서는 원본 영상의 RGB 컬러모델을 그대로 사용하지 않고, 인간의 시각시스템과 유사한 컬러 모델인 HSV 모델을 사용하였다. 원본 영상을 그림 4(a)와 같은 HSV 컬러 모델로 변환하고, H, S, V채널로 영상을 분리하여 각 채널에 대한 그레이 영상을 얻었다.
전처리 단계에서는 먼저 영상 획득을 통해 얻은 Hue 영상과 Value 영상을 Otsu‘s threshold 방법을 적용하여 이진화를 수행하였다.
성능/효과
50장의 평균 유사도를 측정한 결과, 허프 변환은 94.21%, 제안 방법은 94.99%, Daugman의 방법은 97.96%의 결과를 나타내었다. 이미 알려진 바와 같이 Daugman의 방법은 정확도 측면에서는 가장 우수한 결과를 나타내었으나 앞서 언급한 바와 같이 소요 시간 측면에서 많은 한계성을 나타낸다.
를 각 좌표 사이의 간격인 z만큼 등분하고 세 점의 좌표를 연립하여 n개 연립방정식 F 를 구한다. z간격이 좁을수록 홍채 영역 검출 정확도는 높아지고 중심정확도는 떨어지며 z간격이 넓을수록 홍채 영역 검출 정확도는 낮아지고 중심정확도는 높아진다. x와 y는 경계면에 있는 점의 좌표이고, hi와 ki는 홍채의 중심이라 생각되는 후보 좌표이고, ri은 홍채의 후보 반지름 크기이다.
전처리 과정과 경계선 추출 과정을 제외한 검출 수행 시간의 경우, 동일한 영상에 대해 세 가지 방법을 각각 적용하고 비교했을 때, 허프 변환 방법은 33ms, Daugman의 방법은 452ms, 제안한 방법은 6ms가 각각 소요 되었다. 결과적으로 제안한 방법은 허프 변환 방법과 비교 시 약 5배, Daugman 방법과 비교 시 약 75배의 처리 시간이 단축되어 상당한 개선이 이루어졌음을 확인할 수 있었다.
결론적으로 이상의 측정 결과를 통해 제안한 방법이 Daugman의 방법에 비교 시, 정확도 측면에서는 거의 근접한 결과를 나타내며, 허프 변환 방법에 비해서는 상대적으로 크게 개선되었음을 알 수 있다. 또한 처리 시간 측면에서도 제안한 방법이 세 방법 가운데 가장 좋은 성능을 보여주었다.
)에 해당한다. 누적된 값이 많을수록 가장 밝은 붉은 색으로 보이며, 최종적으로 픽셀 값이 가장 많이 누적된 곳에 해당하는 원의 중점과 누적된 곳의 평균 반지름 정보를 통해 홍채 영역에 해당하는 원이 검출된다.
결론적으로 이상의 측정 결과를 통해 제안한 방법이 Daugman의 방법에 비교 시, 정확도 측면에서는 거의 근접한 결과를 나타내며, 허프 변환 방법에 비해서는 상대적으로 크게 개선되었음을 알 수 있다. 또한 처리 시간 측면에서도 제안한 방법이 세 방법 가운데 가장 좋은 성능을 보여주었다.
이미 알려진 바와 같이 Daugman의 방법은 정확도 측면에서는 가장 우수한 결과를 나타내었으나 앞서 언급한 바와 같이 소요 시간 측면에서 많은 한계성을 나타낸다. 이러한 점에서 본 연구의 제안 알고리즘은 약 3% 정도의 차이를 보이나 속도 측면에서는 월등하게 유리하다는 장점이 있다. 허프 변환 방법은 영상의 특성에 따라서 홍채 검출 결과의 편차가 매우 큰 것을 알 수 있다.
허프 변환 방법은 영상의 특성에 따라서 홍채 검출 결과의 편차가 매우 큰 것을 알 수 있다. 이에 반해 제안한 방법은 허프 변환 방법에 비해 안정적인 검출 성능을 보이는 것을 알 수 있다.
전처리 과정과 경계선 추출 과정을 제외한 검출 수행 시간의 경우, 동일한 영상에 대해 세 가지 방법을 각각 적용하고 비교했을 때, 허프 변환 방법은 33ms, Daugman의 방법은 452ms, 제안한 방법은 6ms가 각각 소요 되었다. 결과적으로 제안한 방법은 허프 변환 방법과 비교 시 약 5배, Daugman 방법과 비교 시 약 75배의 처리 시간이 단축되어 상당한 개선이 이루어졌음을 확인할 수 있었다.
제안 알고리즘에서는 영상에서 보이는 홍채의 크기나 위치에 관계없이 개체의 외곽선만 추출이 가능하다면, 임계값 없이도 홍채 영역을 포함하는 원의 검출이 가능하게 때문에 기존의 허프 방법보다 여러 측면에서 우수하고 Daugman과 근접한 정확도를 보이면서 동시에 처리속도는 현저히 빠르다는 장점이 있다.
본 연구에서는 영상의 외곽 경계선 정보를 이용하여, 홍채 및 동공 영역을 탐지하는 새로운 알고리즘을 제안하였다. 제안하는 방법에서 검출 대상 오브젝트의 모든 외곽선 상의 점에 대한 좌표를 이용하여 복수의 원의 연립방정식이 얻은 후에, 일정한 간격의 세 점의 좌표를 이용하여 원의 중심을 구하므로, 등분 수가 많을수록 원의 탐지율은 높아지나 원의 중점 정확도가 떨어지며 등분 수가 적을수록 원의 탐지율은 낮아지지만 원의 중심을 더 정확하게 찾는다.
아래 그림 10은 수동으로 작성된 원의 좌표 중심과 각 방법을 이용하여 검출된 결과 영상의 원의 좌표 중심간의 평균 거리 차이를 비교한 결과이다. 허프 변환의 경우 71.76, 제안 방법은 44.01, Daugman 의 방법은 20.29를 나타내었으며, 중심 위치 정확도 오류는 허프 변환 7.57%, 제안방법 4.64%, Daugman 의 방법 2.14%로 각각 측정되었다.
후속연구
향후 본 연구 결과를 바탕으로 추가적인 알고리즘 개선을 통해 정확도를 더 향상시킨다면, 기존의 유사 검출 방법들의 문제점을 보완할 수 있어 그 응용 범위를 더욱 확대해 나갈 수 있을 것으로 기대한다.
질의응답
핵심어
질문
논문에서 추출한 답변
생체인식이란 무엇인가?
생체인식이란 개인의 독특한 신체적, 행동적 특징을 이용하여 신원을 검증하는 방법으로 개인의 고유한 특징을 이용하는 것이기 때문에 모조나 도용이 거의 불가능하다는 특징이 있어 매우 신뢰성이 높은 신원 확인 방법이라고 알려져 있다[1].
홍채 인식이 다른 생체인식의 대안으로 연구되는 이유는 무엇인가?
홍채 인식은 자연스런 상태에서 획득한 영상을 이용하여 거부감이 없고, 물리적인 방법이 아닌 영상 처리 알고리즘으로 홍채를 분석하고 신분을 인증하기 때문에 망막 인식에 비하여 장비가 저렴하다는 장점이 있다. 홍채는 신체적으로 특징이 있는 유기체 조직으로, 사람마다 다른 홍채 패턴을 가지고 있다. 또한 콘택트렌즈나 안경을 착용해도 인식이 가능하며, 카메라를 이용해 비 접촉식으로 정보를 얻을 수 있기 때문에 사용자의 거부감이 적고 편리하게 사용이 가능하다[4].
지문 인식의 단점은 무엇인가?
지문 인식을 위해서는 지문에 나타나는 단점과 분기점의 특징을 이용한다. 그러나 지문 인식은 환경이나 직업의 영향으로 지문이 유실되거나 갈라지는 생물학적 변화에 영향을 받을 수 있다[2]. 망막인식은 사용자의 안구 배면에 위치한 모세혈관의 구성이 인간의 지문과 같이 불변의 특성을 지니고 있다는 점을 이용하는 것으로, 이러한 망막 패턴을 읽기 위해서는 약한 강도의 연필 지름만한 적색 광선이 안구를 투시하여, 망막에 있는 모세혈관에 반사된 역광을 측정하여야 한다.
참고문헌 (14)
이병용, "생체인식기술의 지속사용의도에 영향을 미치는 요인에 관한 연구," 전자상거래학회지, 제16권, 제3호, pp. 1-22, 2011.
P. Verma, "Hough Transform Method for Iris Recognition a Biometric Approach," International Journal of Engineering and Innovative Technology, Vol. 1, No. 6, pp. 43-48, 2012.
S. Gupta, "Iris Recognition System using Biometric Template Matching Technology," International J ournal of Computer Applications, Vol. 1, No. 2, pp. 1-4, 2010.
N. Cherabit, "Circular Hough Transform for Iris Localization," Science and Technology, Vol. 2, No. 5, pp. 114-121, 2012.
N. Otsu, "A Tlreshold Selection Method," IEEE Transactions on Systems, Man, and Cybernetics, Vol. 9, No. 1, pp. 62-66, 1979.
강호철, "전안부 영상에서의 동공 및 홍채 영상 분할 연구," 대한의료정보학회지, 제15권, 제2 호, pp. 227-234, 2009.
OpenCV, http://www.opencv.org, 2013
Dice Lee R, "Measures of the Amount of Ecologic Association Between Species," Ecology, Vol. 25, No. 3, pp. 297-302, 1945.
P.K. Pallav, "Investigation and Analysis of Hough-DCT-Hamming Distance based Method of Iris Recognition," International Journal of Innovative Technology and Exploring Engineering, Vol. 3, No. 1, pp. 181-185, 2013.
강병준, "홍채 인식에서의 눈꺼풀 및 눈썹 추출 연구," 멀티미디어학회논문지, 제8권, 제7호, pp. 898-905, 2005.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.