모바일 보안의 증가에 따라, 지식에 근거한 사용자 이름, 패스워드 방식의 개인 인증에 대한 실패를 경험한 사용자들은 개인 식별과 인증에서 손 형상, 지문 인식, 목소리와 같은 생체 정보를 사용하는 것을 더욱 선호하게 되었다. 그러므로 모바일 보안을 위해 개인 식별과 인증에서 생체 인증을 사용하는 것은 인터넷 상에서 고객과 판매자들 모두에게 신뢰성을 준다. 본 연구는 개인 식별과 인증을 위해 iphone4와 galaxy s2의 모바일 폰 영상으로부터 손형상, 손 바닥 특징, 손가락 길이와 너비 등의 손 생체 정보를 인식하는 시스템을 개발한다. 본 연구의 손 생체 정보인식 시스템은 영상 획득, 전처리, 잡음 제거, 표준 특징패턴 추출, 개별 특징패턴 추출 그리고 손 생체 정보 인식의 6가지 단계로 구성한다. 실험에서 사용한 입력 데이터는 50명의 실험자의 손 형상 영상과 손 바닥 영상으로 구성한 250장의 데이터에 대한 평균 인식률은 93.5%이다.
모바일 보안의 증가에 따라, 지식에 근거한 사용자 이름, 패스워드 방식의 개인 인증에 대한 실패를 경험한 사용자들은 개인 식별과 인증에서 손 형상, 지문 인식, 목소리와 같은 생체 정보를 사용하는 것을 더욱 선호하게 되었다. 그러므로 모바일 보안을 위해 개인 식별과 인증에서 생체 인증을 사용하는 것은 인터넷 상에서 고객과 판매자들 모두에게 신뢰성을 준다. 본 연구는 개인 식별과 인증을 위해 iphone4와 galaxy s2의 모바일 폰 영상으로부터 손형상, 손 바닥 특징, 손가락 길이와 너비 등의 손 생체 정보를 인식하는 시스템을 개발한다. 본 연구의 손 생체 정보인식 시스템은 영상 획득, 전처리, 잡음 제거, 표준 특징패턴 추출, 개별 특징패턴 추출 그리고 손 생체 정보 인식의 6가지 단계로 구성한다. 실험에서 사용한 입력 데이터는 50명의 실험자의 손 형상 영상과 손 바닥 영상으로 구성한 250장의 데이터에 대한 평균 인식률은 93.5%이다.
According to the increasing mobile security users who have experienced authentication failure by forgetting passwords, user names, or a response to a knowledge-based question have preference for biological information such as hand geometry, fingerprints, voice in personal identification and authenti...
According to the increasing mobile security users who have experienced authentication failure by forgetting passwords, user names, or a response to a knowledge-based question have preference for biological information such as hand geometry, fingerprints, voice in personal identification and authentication. Therefore biometric verification of personal identification and authentication for mobile security provides assurance to both the customer and the seller in the internet. Our study focuses on human hand biometric information recognition system for personal identification and personal Authentication, including its shape, palm features and the lengths and widths of the fingers taken from mobile phone photographs such as iPhone4 and galaxy s2. Our hand biometric information recognition system consists of six steps processing: image acquisition, preprocessing, removing noises, extracting standard hand feature extraction, individual feature pattern extraction, hand biometric information recognition for personal identification and authentication from input images. The validity of the proposed system from mobile phone image is demonstrated through 93.5% of the sucessful recognition rate for 250 experimental data of hand shape images and palm information images from 50 subjects.
According to the increasing mobile security users who have experienced authentication failure by forgetting passwords, user names, or a response to a knowledge-based question have preference for biological information such as hand geometry, fingerprints, voice in personal identification and authentication. Therefore biometric verification of personal identification and authentication for mobile security provides assurance to both the customer and the seller in the internet. Our study focuses on human hand biometric information recognition system for personal identification and personal Authentication, including its shape, palm features and the lengths and widths of the fingers taken from mobile phone photographs such as iPhone4 and galaxy s2. Our hand biometric information recognition system consists of six steps processing: image acquisition, preprocessing, removing noises, extracting standard hand feature extraction, individual feature pattern extraction, hand biometric information recognition for personal identification and authentication from input images. The validity of the proposed system from mobile phone image is demonstrated through 93.5% of the sucessful recognition rate for 250 experimental data of hand shape images and palm information images from 50 subjects.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
본 연구는 모바일 보안을 위해 개인 식별 및 인증에 도움을 주기 위해 스마트 폰의내장 카메라로 손 생체 정보를 입력하여 이를 모바일 보안에 활용하고자 한다.
본 연구는 모바일 보안을 위해 모바일 폰의 입력영상을 사용하여 손 생체 정보의 특징을 인식하는 개인 인증에 관한 연구이다. 이것은 기존의 비밀번호 인식시스템과 같은 다른 인식 시스템과 함께 구동할 때 손 생체 정보 특징 인식시스템은 더욱 인증에 안정성을 높일 수 있다.
본 연구는 실생활에서 사용할 수 있는 개인 식별 및 인증용 생체인식 시스템으로서 사용자의 편의성과 친밀도, 인식 성능 등을 고려하여 손 생체정보를 사용한 개인 인증방법을 연구한다. 손가락 지문 인식 시스템은 특별한 입력장치를 필요하기 때문에 지문인식 장치가 구비되지 않은 곳에서는 사용하기가 불편하다는 단점이 있다.
실제로 모바일 시장의 75%의 사용자들이 비밀번호, 핀 번호, 사용자 코드문자 등 지식기반의 개인 인증 정보를 기억하지 못한 경험을 가지고 있다고 한다. 본 연구는 이러한 모바일 보안의 문제점을 극복하고자 손 생체 정보을 사용한 개인 인증 방법에 대해 연구하였다.
제안 방법
손 생체 정보 특징 인식 단계는 개인 식별이나 인증을 위해 인식하기를 원하는 모바일 폰으로 입력한 손 생체정보의 특징 영상을 학습한 영상과 같은 크기의 영상으로 먼저 크기를 조절한다. 그 후, 잡음제거를 위해 크기 조정한 입력 영상을 설정된 평균과 분산으로 정규화 한다.
본 연구는 모바일 보안을 위한 손 생체정보를 이용한 개인 식별 및 인증 방법의 하나로 iphone 4와 galaxy s2의 카메라로 입력 받은 영상을 사용하여 손 생체 특징정보의 특징을 인식하는 실험을 수행하였다.
손 생체 정보 인식 시스템에서는 iphone 4와 galaxy s2의 카메라로 입력 받은 1936*2592 픽셀의 컬러 영상을 계산량, 오류율을 줄이기 위하여 256 그레이 레벨로 변환하여 하였다.
손 생체 정보 특징의 인식률을 좋게 하기 위해 빛과 배경 때문에 발생할 수 있는 잡음을 줄이기 위하여 영상을 정규화 한다. [Fig.
이것은 기존의 비밀번호 인식시스템과 같은 다른 인식 시스템과 함께 구동할 때 손 생체 정보 특징 인식시스템은 더욱 인증에 안정성을 높일 수 있다. 실험에서 사용한 인식방법은 인식하기를 원하는 손 생체 정보 영상들로부터 손 생체정보의 개별 특징을 구하여 이를 손 특징 인식을 위한 학습 데이터들로 사용한다. 본 연구의 실험 데이터는 iphone 4와 galaxy s2의 내장된 카메라 이용하여 손 생체 정보을 찍은 영상이다.
손 생체 정보 특징 인식 단계에서는 먼저 인식하고자하는 입력 손 생체 정보 영상을 입력한다. 입력된 손 생체 정보 특징 영상이 개인 인증을 위해 등록된 손 생체 정보 특징 영상인지 인식하기 위해서는 후보 손 생체 정보 특징영상들의 개별 손 특징 영상에서의 가중치와 유클리디안 거리를 비교하여 그 거리가 최소가 되는 손 생체 정보 특징을 선택한다. [Fig.
입력된 손 생체 정보 특징 영상이 누구의 손 생체 정보 특징 영상인지 인식하기 위해서는 후보 손 생체 정보 특징영상들의 개별 손 생체정보의 특징 영상에서 가중치와 유클리디안 거리를 비교하여 그 거리가 최소가 되는손 생체 정보의 특징을 선택한다.
대상 데이터
모바일 보안을 위한 손 생체 정보 인식 시스템은 영상 획득, 전처리, 잡음 제거, 표준 특징패턴 추출, 개별 특징패턴 추출 그리고 손 생체 정보 인식 단계로 이루어져 있다. 개인인증을 위해 실험에서 사용한 입력영상은 iphone 4와 galaxy s2의 카메라로 입력 받은 영상을 사용하였고 손 생체 정보 인식을 위해서는 유클리디안 거리를 사용하였다.
실험에서 사용한 인식방법은 인식하기를 원하는 손 생체 정보 영상들로부터 손 생체정보의 개별 특징을 구하여 이를 손 특징 인식을 위한 학습 데이터들로 사용한다. 본 연구의 실험 데이터는 iphone 4와 galaxy s2의 내장된 카메라 이용하여 손 생체 정보을 찍은 영상이다. 실험을 위한 데이터들은 연령대에 상관없이 무작위로 얻은손 생체 정보 특징을 가진 영상으로서, 50명의 실험자의손 형상 영상과 손 바닥 영상으로 구성한 250장의 데이터에 대한 평균 인식률은 93.
또한스마트 폰의 분실 및 도용 시 현재까지의 스마트 폰의 개인 인증방법인 패턴 비밀번호를 대신하여 사용하거나 함께 사용 할 수 있다. 본 연구의 실험 데이터는 현재 시판하고 있는 스마트 폰인 iphone 4와 galaxy s2의 내장된 카메라 이용하여 손 생체 정보을 찍은 영상이다. 실험결과에서 보여 주듯이, 실험을 위한 데이터들은 연령대에 상관없이 무작위로 얻은 손 생체 정보 특징을 가진 영상에서 개인 인증이 가능하다는 것을 보여준다.
손 생체 정보 인식 시스템은 손 생체 정보를 인식하기 위해서는 손 생체정보인 손등 영상과 손 바닥 영상을 입력으로 한다. 손 생체 정보 인식 시스템은 먼저, 인식할손 생체 정보의 영상을 iphone 4와 galaxy s2의 카메라로 입력 받아 인식할 대상의 영상을 획득한다. iphone 4와 galaxy s2의 카메라로 입력 받은 원 영상의 크기는 1936*2592 픽셀이다.
2]는 스마트 폰 카메라로 획득된 원본 영상들을 보여준다. 즉, 인식대상이 되는 일정한 영상크기를 가진 n개의 손 생체 정보 영상들이다. 획득된 손 생체 정보 영상인 손등 영상인 [Fig.
데이터처리
4])으로 변환 하였고 중심 영역의 이미지를 확실하게 얻기 위하여 데이터를 수집 할 때 영상의 대상 영역을 고정시켜 일정한 이미지를 가질 수 있도록 하면 성능이 더 좋아진다. 실험에서는 Matlab 프로그램을 사용하였다.
성능/효과
본 연구의 실험 데이터는 현재 시판하고 있는 스마트 폰인 iphone 4와 galaxy s2의 내장된 카메라 이용하여 손 생체 정보을 찍은 영상이다. 실험결과에서 보여 주듯이, 실험을 위한 데이터들은 연령대에 상관없이 무작위로 얻은 손 생체 정보 특징을 가진 영상에서 개인 인증이 가능하다는 것을 보여준다.
11]의 입력영상은 유클리디안 거리가 가장 짧은 16번째 영상임을 인식하는 결과를 보여주었다. 실험에서 모바일 보안을 위해 손 생체 정보를 사용할 때 입력 영상의 질이 시스템의 성능에 많은 영향을 끼친다는 것을 알 수 있다. 통상 입력 영상의질이 좋을 경우에는 개인 인증에서 실패율이 5% 미만 이지만 입력 영상의 중심이 완전히 빗나가거나 영상의 질이 안 좋아 식별이 불가능한 경우에는 다시 재입력하는 방법을 선택한다.
본 연구의 실험 데이터는 iphone 4와 galaxy s2의 내장된 카메라 이용하여 손 생체 정보을 찍은 영상이다. 실험을 위한 데이터들은 연령대에 상관없이 무작위로 얻은손 생체 정보 특징을 가진 영상으로서, 50명의 실험자의손 형상 영상과 손 바닥 영상으로 구성한 250장의 데이터에 대한 평균 인식률은 93.5%이다.
실험을 통해 손 생체정보 인증 시 입력영상의 질이 개인 인증에 중요한 영향을 끼친다는 것을 알 수 있다. 실험의 손 형상 데이터와 같이 배경 잡음이 없는 입력 영상의 경우에는 평균 인식률이 96.
실험을 통해 손 생체정보 인증 시 입력영상의 질이 개인 인증에 중요한 영향을 끼친다는 것을 알 수 있다. 실험의 손 형상 데이터와 같이 배경 잡음이 없는 입력 영상의 경우에는 평균 인식률이 96.5%에 이르지만 손바닥 형상의 경우에는 배경잡음이 많고 중심이 빗나간 경우의 영상일 경우 인식률이 90.5%까지 떨어진다. 연령대에 관계없이 50명의 실험자로부터 얻은 무작위로 얻은 손 형상 영상과 손 바닥 영상으로 구성한 250장의 데이터에 대한 평균 인식률은 93.
질의응답
핵심어
질문
논문에서 추출한 답변
데이터 글로브를 사용한 방법의 한계점은 무엇인가?
데이터 글로브를 사용한 방법들은 장갑에 센서를 부착하여 손동작을 3차원 공간상의 정보들도 실시간 입력 받아 사용한다. 이러한 하드웨어 기반의손 인식 방법은 손동작의 분석과 인식이 비교적 쉽지만고가의 장비가 필요할 뿐만 아니라 자연스러운 인터페이스 구축을 위해서는 전체시스템과 접속하는 데 많은 연결선들이 필요하기 때문에 실생활에서 사용하기에는 많은 한계점을 가진다. 또한 2차원 패턴이나 3차원 모델을 사용한 영상처리에 의한 손 인식 방법은 적색, 녹색 등의 단색 장갑을 사용하여 손 영역 정보 추출의 전처리 과정을 생략하는 방법을 활용한 연구들과 특수 장비나 장갑 등을 사용하지 않고 일반 조명 환경에서 카메라를 사용한 입력으로 손의 움직임을 연구하는 방법들이 수행되고 있다[4-10].
생체 정보의 특징은 무엇인가?
모바일 보안을 위한 개인 식별 및 인증 방법으로 얼굴 인식, 음성 인식, 손 형상 인식, 지문 인식, 홍채 인식 등의 생체 정보를 활용할 수 있다. 이러한 생체 정보의 특징은 각 사람마다 유일하고 구별성이 있으며 측정대상이 되는 생체정보의 특징은 불변하다. 그러나 이러한 생체정보로부터 특징을 추출할 때의 문제점은 100%의 신뢰성을 기대하기는 어려운 단점이 있으며 측정대상 생체정보의 특징이 거의 일생동안 불변하고 안정적인 정보를 유지해야 한다.
지식 기반의 개인 식별및 인증 방법이 모바일 보안에서 가지는 한계점은 무엇인가?
현재까지 인터넷을 통한 모바일 시장에서 사용하는 패스워드를 통한 인증 방법이나 사용자 이름 또는 인증 코드 입력 등을 사용한 지식 기반의 개인 식별과 인증에서는 여러 가지 문제들이 발생하였다. 특히, 패스워드 인증이나 사용자 이름, 인증코드 입력을 사용한 지식 기반의 개인 식별및 인증 방법은 정보의 노출이 쉬워서 도용되는 사례가 많아서 모바일 보안에서 안정된 개인 인증으로 보기 어렵다는 한계점을 가진다. 최근 연구에 의하면 모바일 사용자들의 75%가 패스워드나 사용자 이름이나 인증코드 등의 지식기반 정보들을 기억하지 못하여 개인 식별과 인증에 실패한 경험을 가지고 있다고 보고한다.
참고문헌 (9)
Nok Nok Lab, "Moving Beyond Passwords Consumer Attitudes On Online Authentication", Ponemon Institute, April 2013
C. Oden, A. Ercil and B. Buke, "Combining implicit polynomials and geometric features for hand recognition," Pattern Recognit Lett.,Vol. 24, pp.2145-2152, 2003
Sanchez-Reillo, C. Sanchez-Avila and A. Gonzalez-Marcos, "Biometric identification through hand geometry measurement," IEEE Trans. Pattern Anal. Mach. Intell.,Vol.22, p.1168-1171, 2000
Jure Kovac, Peter Peer and Franc Solina, "Human Skin Color Clustering for Face Detection," International Conference on Computer as a Tool., 2003
Ralph Gross, Sweeney, Yiheng Li, Xiaoquian Jiang, Wanhong Xu, Latanya Daniel Yurovsky, "Robust Hand Geometry Measurements for Personal Identification using Active Appearance Models", Carnegie Mellon University, School of Computer Science Technical Report CMU-ISRI-06-123, 2006
R. Gross, S. Baker, I. Matthews, and T. Kanade, "Face recognition across pose and illumination", in handbook of Face Recognition, S. Z. Li and A. K. Jain, Eds. Springer, pp 193-216, 2005
N. Tanibata, N. Shimada, "Extraction of Hand Features for Recognition of Sign Language Words", The 15th International Conference on Vision Interface, pp391-398, 2002.
A. Licsar, T. Sziranvi, "User-Adaptive Hand Gesture Recognition System with Interactive Training", Image and Vision Computing, Vol.23, No.12, pp.1102-1114, 2005.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.