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
- 따라서 본 논문에서는 스마트폰에서 획득한 얼굴 및 음성정보를 융합한 스마트폰 환경의 얼굴 및 화자인증 기반 다중 생체인식 시스템을 제안한다. 제안된 시스템은 기존 시스템 대비 ±3% 이내의 인식률 차이와 실시간처리 가능성을 목표로 한다.
- 본 논문에서는 기존 생체인식 시스템의 인식률 향상 실시간성 확인을 위해 얼굴 및 화자 인식 시스템 기반의 다중 생체인식 시스템을 구현하여 성능을 평가하였다. 제안된 시스템은 기존 시스템의 인식률(단일 얼굴인식(95.
제안 방법
- Probe는 얼굴검출 및 전처리 수행 후, LDA 알고리즘을 통해 학습된 eigenspace(고유얼굴 공간)에 projection하여 가중치 벡터를 추출하여 gallery(등록 된 사용자)의 가중치의 각 벡터 요소간의 L2norm 기반 유사도를 측정한다[15]. Probe와 gallery는 동일인의 경우에도 데이터획득 일시가 다르며, 본인인증 실험 및 타인의 데이터를 이용한 무작위 인증의 유사도를 추출하였다. 실험 결과본인인증은 평균 유사도 2794, 표준편차 74.
- 각 실험은 MCT기반 얼굴검출 및 LDA 기반의 얼굴인증 시스템을 통해 얼굴 유사도(distance)를 도출하고, 인증된 사용자에 대해 입력된 음성 정보를 DTW기반 화자인증을 통해 입출력패턴의 유사도를 구한다[14]. 각 생체인식 실험은170~220lx의 조도조건 및 45~50dB의 주변 소음 도를 보이는 실내 환경에서 획득한 생체 특징 벡터를 통해 유사도를 도출하였다. 유사도는 위의 알고리즘을 통해 추출한 생체 특징 벡터의 각 요소에 대해 L2norm 방식의 거리비교를 통해 계산한다.
- 6 platform)에서 20명의 얼굴 및 음성정보를 기반으로 본인/타인인증 실험을 각 30회씩 수행하였다. 각 실험은 MCT기반 얼굴검출 및 LDA 기반의 얼굴인증 시스템을 통해 얼굴 유사도(distance)를 도출하고, 인증된 사용자에 대해 입력된 음성 정보를 DTW기반 화자인증을 통해 입출력패턴의 유사도를 구한다[14]. 각 생체인식 실험은170~220lx의 조도조건 및 45~50dB의 주변 소음 도를 보이는 실내 환경에서 획득한 생체 특징 벡터를 통해 유사도를 도출하였다.
- 다음 수식 (1)을 적용하여 본인 및 타인인증 실험에서 얻은 평균 μ와 표준편차 σ기반의 gaussian Probability Density Function(PDF)를 구한다.
- 스마트폰 환경에서 얼굴인식 시스템을 구현하는 경우 영상 획득을 위한 추가적인 장치가 필요하지 않으며 사용자의 사용 패턴에 맞게 다양한 응용 어플리케이션을 구현할 수 있는 장점이 있다[5]. 본 논문에서는 Modified Census Transform(MCT) 기반의 얼굴검출 및 gabor filter[6]를 통해 눈을 검출하며, 눈의 좌표를 기준으로 전처리(pre-processing)를 수행하여 얼굴 이외의 배경 데이터를 제거하고 정규화된 이미지를 생성한다[7,8]. 등록된 사용자의 다중 얼굴데이터는 Linear Discriminant Analysis(LDA) 알고리즘을 통해 등록된 사용자의 얼굴만을 class화하여 1:1 matching function을 통해 인증한다[9].
- 화자인증은 음성을 통해 본인을 판별하는 방법[10]으로써 전처리는 입력 음성을 frame단위로 나누어 energy 및 zero crossing rate(ZCR)을 분리하는(음성-묵음구간 분리)end-point detection(EPD)과 인간의 청각 특성을 반영한 Mel Frequency Cepstral Coefficient (MFCC)값을 추출하여 수행한다[11]. 전처리된 음성 데이터는 등록된 데이터와의 Dynamic Time Warping(DTW) 기반 유사도를 계산하여 임계값을 통해 본인 여부를 결정한다[12,13].
- 주어진 단어에 대해 30번씩 발음한 20명의 음성데이터를 8bit Mono 8000Hz Sampling format으로 저장하여 화자인증 실험을 진행하였다. 저장된 음성신호에서 MFCC기반 특징을 추출하여 저장된 음성신호와 DTW matching으로 유사도를 측정하여 각각 본인인증 실험 전체평균(138.
대상 데이터
- 다중 생체인식 실험은 Samsung Galaxy S (1GHz CPU, Android 2.3.6 platform)에서 20명의 얼굴 및 음성정보를 기반으로 본인/타인인증 실험을 각 30회씩 수행하였다. 각 실험은 MCT기반 얼굴검출 및 LDA 기반의 얼굴인증 시스템을 통해 얼굴 유사도(distance)를 도출하고, 인증된 사용자에 대해 입력된 음성 정보를 DTW기반 화자인증을 통해 입출력패턴의 유사도를 구한다[14].
- [Table 4]는 단일 및 다중 생체인식 시스템의 실험결과이다. 실험은 본인 및 타인인증 실험에 대해 20명을 대상으로 각 30회씩 수행하였다. 다중생체인식 시스템의 인식 결과는 얼굴 및 화자인식 시스템의 인식 결과가 각각 순차적으로 참일 경우에 인식 성공을 반환한다.
- 얼굴인증 실험을 위해 스마트폰 카메라로부터 각각 20명의 800×480 해상도의 영상을 획득하여 probe set(입력 얼굴 이미지 셋)로 사용하였으며 각 30회씩 실험하였다.
데이터처리
- 주어진 단어에 대해 30번씩 발음한 20명의 음성데이터를 8bit Mono 8000Hz Sampling format으로 저장하여 화자인증 실험을 진행하였다. 저장된 음성신호에서 MFCC기반 특징을 추출하여 저장된 음성신호와 DTW matching으로 유사도를 측정하여 각각 본인인증 실험 전체평균(138.7)과 표준편차(5.7)를 구하였고 타인인증 실험에 대해 전체 평균(225.4), 표준편차(17.4)를 구하였다. 이 값을 토대로 명확히 본인 및 타인을 구분할 수 있음을 실험을 통해 확인하였다.
이론/모형
- 본 논문에서는 Modified Census Transform(MCT) 기반의 얼굴검출 및 gabor filter[6]를 통해 눈을 검출하며, 눈의 좌표를 기준으로 전처리(pre-processing)를 수행하여 얼굴 이외의 배경 데이터를 제거하고 정규화된 이미지를 생성한다[7,8]. 등록된 사용자의 다중 얼굴데이터는 Linear Discriminant Analysis(LDA) 알고리즘을 통해 등록된 사용자의 얼굴만을 class화하여 1:1 matching function을 통해 인증한다[9]. 인증된 얼굴은 스마트폰 사용 환경을 고려한 실시간 추적을 통해 인증 정보를 유지한다.
- 각 생체인식 실험은170~220lx의 조도조건 및 45~50dB의 주변 소음 도를 보이는 실내 환경에서 획득한 생체 특징 벡터를 통해 유사도를 도출하였다. 유사도는 위의 알고리즘을 통해 추출한 생체 특징 벡터의 각 요소에 대해 L2norm 방식의 거리비교를 통해 계산한다. L2norm은 생체인식 분야에서 인식 성공 여부를 객관적으로 평가할 수 있는 지표가 되는 대표적인 방법이다.
성능/효과
- 8%)은 기존 방식에 비해 많이 감소한 것을 알 수 있다. 따라서 본 논문에서 제안하는 다중생체인식 시스템의 특성은 기존 생체인식 시스템에 비해 FRR수치는 비슷하며, FAR은 1.8%로 가장 작은 값을 보이는 신뢰할 수 있는 인증시스템이다.
- 이와 같은 이유는 제안된 다중생체인식 시스템에서 얼굴 및 화자인식의 순차 과정을 통해 최종 FRR을 계산하기 때문이다. 또한, 각 생체인식 시스템의 FAR을 비교하면 얼굴인식(4.6%), 화자인식(6.7%)으로 화자인식의 수치가 높게 나타나지만, 제안한 다중생체인식(1.8%)은 기존 방식에 비해 많이 감소한 것을 알 수 있다. 따라서 본 논문에서 제안하는 다중생체인식 시스템의 특성은 기존 생체인식 시스템에 비해 FRR수치는 비슷하며, FAR은 1.
- 본 논문에서 제안한 다중생체인식 시스템은 얼굴 및 화자인증의 결정 규칙을 통하여 환경 변화에 강인한 얼굴검출 및 인식을 통해 본인인증을 수행하며, 화자인식기반 실시간성 검증을 통해 단일 생체인식 시스템 대비 높은 신뢰성의 강인한 생체인식 성능을 보장한다.
- Probe와 gallery는 동일인의 경우에도 데이터획득 일시가 다르며, 본인인증 실험 및 타인의 데이터를 이용한 무작위 인증의 유사도를 추출하였다. 실험 결과본인인증은 평균 유사도 2794, 표준편차 74.5로 나타났으며, 타인인증은 평균 유사도 4963, 표준편차 180.5로써 본인 및 타인인증의 유사도의 차이로 인해 인증의 성공 여부를 구분 할 수 있는 명확한 결과를 보였다.
- 1%의 상대적으로 낮은 인식률을 보인다. 이 값은 단일 생체인식 기술 중 상대적으로 높은 인식률을 보이는 얼굴인식 기술에 비해 0.4% 낮은 인식률을 보이지만, 생체인식 시스템의 신뢰성과 직접적으로 관련이 있는 FAR값이 제안된 시스템의 경우 1.8%로써 기존 시스템 대비 신뢰할 수 있는 시스템임을 입증하였다. 낮은 FAR은 스마트폰 및 실외의 급격한 환경변화에 대응할 수 있음을 증명하는 근거로써 사람이 상주하지 않는 다양한 출입통제 시스템에 적용할 시 기존 시스템에 비해 높은 신뢰감을 줄 수 있다.
- 제안된 시스템은 기존 시스템 대비 ±3% 이내의 인식률 차이와 실시간처리 가능성을 목표로 한다.
- 본 논문에서는 기존 생체인식 시스템의 인식률 향상 실시간성 확인을 위해 얼굴 및 화자 인식 시스템 기반의 다중 생체인식 시스템을 구현하여 성능을 평가하였다. 제안된 시스템은 기존 시스템의 인식률(단일 얼굴인식(95.4%) 및 단일 화자인식(93.3%))에 비해 95.1%의 상대적으로 낮은 인식률을 보인다. 이 값은 단일 생체인식 기술 중 상대적으로 높은 인식률을 보이는 얼굴인식 기술에 비해 0.
- 7%로 나타났다. 제안한 다중생체인식 시스템의 FRR은 4.9%로써 주변 잡음에 매우 민감한 특성을 갖는 화자인식이 전체 FRR에 영향을 주어 얼굴인식만을 수행할 때의 FRR보다 0.3% 증가했지만, 화자인식만의 FRR에 비해서는 1.8% 감소했다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.