지정맥 인식 기술은 손가락에 적외선 광을 조광하여 손가락에 있는 정맥 영상을 획득한 다음, 특징 추출, 매칭 등의 과정을 거쳐 개인을 인증하는 방법이다. 지정맥 인식을 위해 손가락 외각을 검출함에 있어 2차원 마스크(mask)를 기반한 2차원 컨볼루션(2-Dimension convolution) 처리방법은 저가(low cost)의 마이크로프로세서 또는 마이크컨트롤러에 적용할 때 많은 연산시간이 소요된다. 이러한 문제점을 개선하고 인식을 향상시키기 위해 본 연구에서는 2차원 마스크와 2차원 컨볼루션을 사용하지 않고 픽셀들 간의 차의 절대 값과 역치(threshold)를 기반을 둔 이동평균필터링, 가상의 코어점 기반한 ROI 추출법 등을 제안하였고, 제안된 방법의 성능을 평가하기 위해 600개 지정맥 영상을 사용하여 에지 추출속도와 ROI 영역 추출의 정확도 등을 기존의 방법들과 비교 평가 하였다. 그 결과, 제안된 방법의 처리속도가 기존의 방법보다 최소 2배 이상의 빠른 처리속도를 보였으며, ROI 추출의 정확도는 기존의 방법보다 6% 이상의 성능 향상을 보였다, 이러한 결과로부터 제안된 기법을 저가의 마이크로프로세서에 적용한다면, 빠른 처리속도로 높은 인식률을 제공할 것으로 판단된다.
지정맥 인식 기술은 손가락에 적외선 광을 조광하여 손가락에 있는 정맥 영상을 획득한 다음, 특징 추출, 매칭 등의 과정을 거쳐 개인을 인증하는 방법이다. 지정맥 인식을 위해 손가락 외각을 검출함에 있어 2차원 마스크(mask)를 기반한 2차원 컨볼루션(2-Dimension convolution) 처리방법은 저가(low cost)의 마이크로프로세서 또는 마이크컨트롤러에 적용할 때 많은 연산시간이 소요된다. 이러한 문제점을 개선하고 인식을 향상시키기 위해 본 연구에서는 2차원 마스크와 2차원 컨볼루션을 사용하지 않고 픽셀들 간의 차의 절대 값과 역치(threshold)를 기반을 둔 이동평균필터링, 가상의 코어점 기반한 ROI 추출법 등을 제안하였고, 제안된 방법의 성능을 평가하기 위해 600개 지정맥 영상을 사용하여 에지 추출속도와 ROI 영역 추출의 정확도 등을 기존의 방법들과 비교 평가 하였다. 그 결과, 제안된 방법의 처리속도가 기존의 방법보다 최소 2배 이상의 빠른 처리속도를 보였으며, ROI 추출의 정확도는 기존의 방법보다 6% 이상의 성능 향상을 보였다, 이러한 결과로부터 제안된 기법을 저가의 마이크로프로세서에 적용한다면, 빠른 처리속도로 높은 인식률을 제공할 것으로 판단된다.
The finger vein recognition technology is a method to acquire a finger vein image by illuminating infrared light to the finger and to authenticate a person through processes such as feature extraction and matching. In order to recognize a finger vein, a 2D mask-based two-dimensional convolution meth...
The finger vein recognition technology is a method to acquire a finger vein image by illuminating infrared light to the finger and to authenticate a person through processes such as feature extraction and matching. In order to recognize a finger vein, a 2D mask-based two-dimensional convolution method can be used to detect a finger edge but it takes too much computation time when it is applied to a low cost micro-processor or micro-controller. To solve this problem and improve the recognition rate, this study proposed an extraction method for the region of interest based on virtual core points and moving average filtering based on the threshold and absolute value of difference between pixels without using 2D convolution and 2D masks. To evaluate the performance of the proposed method, 600 finger vein images were used to compare the edge extraction speed and accuracy of ROI extraction between the proposed method and existing methods. The comparison result showed that a processing speed of the proposed method was at least twice faster than those of the existing methods and the accuracy of ROI extraction was 6% higher than those of the existing methods. From the results, the proposed method is expected to have high processing speed and high recognition rate when it is applied to inexpensive microprocessors.
The finger vein recognition technology is a method to acquire a finger vein image by illuminating infrared light to the finger and to authenticate a person through processes such as feature extraction and matching. In order to recognize a finger vein, a 2D mask-based two-dimensional convolution method can be used to detect a finger edge but it takes too much computation time when it is applied to a low cost micro-processor or micro-controller. To solve this problem and improve the recognition rate, this study proposed an extraction method for the region of interest based on virtual core points and moving average filtering based on the threshold and absolute value of difference between pixels without using 2D convolution and 2D masks. To evaluate the performance of the proposed method, 600 finger vein images were used to compare the edge extraction speed and accuracy of ROI extraction between the proposed method and existing methods. The comparison result showed that a processing speed of the proposed method was at least twice faster than those of the existing methods and the accuracy of ROI extraction was 6% higher than those of the existing methods. From the results, the proposed method is expected to have high processing speed and high recognition rate when it is applied to inexpensive microprocessors.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
한편, 이들 대부분의 방법들은 손가락 외각을 검출함에 있어 마스크(mask)기반의 2차원 컨볼루션 연산처리를 저가의 마이크로프로세서 또는 마이크컨트롤러에 적용할 때 많은 연산시간이 소요된다. 따라서 본 연구에서는 상기와 같은 문제점들을 개선하고, 저가의 지정맥 인식단말기 개발에 적용 가능한 새로운 손가락 정맥영상의 ROI 추출법을 제안한다. 그리고 제안된 방법의 성능을 평가하기 위해 손가락 자세 변화에 따른 에지 추출 속도와 ROI 영역 추출의 정확도를 기존의 방법과 비교 평가하였으며, 이 결과로부터 저가의 마이크프로세서를 사용한 임베디드 시스템에 적용 가능함을 제시하였다.
그러나 손가락 비틀림에 의한 지정맥의 위치변화를 반영하지 않았다. 따라서 본 연구에서는 손가락 비틀림 현상을 반영한 ROI 영역을 추출하는 방법을 제안한다. 제안된 방법은 가상의 코어점 추정과 추정된 코어 점을 기반하여 ROI 영역을 추출하는 방법이다.
본 연구에서는 지정맥 인식의 인식률 향상을 위해 손가락의 자세 변화가 존재하더라도 보다 정확하고 효과적인 ROI 영역 추출하는 기법을 제안한다. 제안된 처리 과정은 이웃 픽셀간의 차의 절대값과 역치 기반한 이동평균 필터링, 이를 이용한 지정맥 에지 추출, 추출된 에지를 기반한 영상회전과 크기 정규화, 손가락 마디점 검출, 적응 역치와 가상 코어 점 검출, 가상 코어 점을 기반한 ROI 검출 등의 과정으로 이루어져 있다.
이러한 생체 인식 단말기 개발에 있어 저가의 마이크로프로세서 또는 마이크로 컨트롤러에 다양한 영상처리 기법을 적용할 때 처리속도가 늦다. 이러한 문제점을 개선하고 인식률을 향상시키기 위해 본 연구에서는 2차원 마스크와 2차원 컨볼루션을 사용하지 않고 픽셀들 간의 차와 역치 기반의 이동평균필터링, 영상 크기 정규화, 가상의 코어 점 추정 등의 처리과정으로 구성된 ROI 영역을 추출하는 방법을 제안하였다. 제안된 방법의 성능을 평가하기 위해 손가락 자세 변화에 따른 에지 추출 속도와 ROI 영역 추출의 정확도를 기존의 방법들과 비교 평가하였다.
또한, 손가락 영역을 추출하기 위해 소벨(sobel) 마스크 또는 특정 마스크를 토대로 영상 전체를 2차원 컨볼루션 처리하여 손가락 영역을 추출하는 것이 일반적이며, 이 처리방법을 저가의 마이크로 프로세서 또는 마이크로컨트롤러에 적용할 때 상당한 시간이 소요되며, 지정맥 영상 밝기에 따라 잘못된 에지를 추출하기도 한다. 이와 같은 문제점들을 개선하기 위해 본 연구에서는 에지 검출을 위한 특정 마스크와 2차원 컨볼루션을 사용하지 않고 픽셀들 간의 차와 역치를 기반한 이동평균 기법을 제안한다. 제안된 방법은 3단계의 처리 과정으로 구성되어 있으며, 첫 번째 단계는 지정맥 영상에서 픽셀간의 변화가 가장 큰 부분이 에지 영역이라고 가정하고, 식(1)과 같이 영상 Fi(n,m)의 가로축의 픽셀 간의 차와 그 절대값 변화를 계산한다.
가설 설정
그리고 이진화된 혈관 영상 W에서 식(17)과(18)과 같이 수평과 수식방향으로 각 픽셀들의 합의 최대값의 위치를 가상 코어의 중앙점(VX)으로 가정하고 추출하였다. 최종적으로 식(19)과 같이 추정된 가상 코어 점을 중심으로 RX, RY 크기의 ROI 영상을 추출하도록 하였다.
이와 같은 문제점들을 개선하기 위해 본 연구에서는 에지 검출을 위한 특정 마스크와 2차원 컨볼루션을 사용하지 않고 픽셀들 간의 차와 역치를 기반한 이동평균 기법을 제안한다. 제안된 방법은 3단계의 처리 과정으로 구성되어 있으며, 첫 번째 단계는 지정맥 영상에서 픽셀간의 변화가 가장 큰 부분이 에지 영역이라고 가정하고, 식(1)과 같이 영상 Fi(n,m)의 가로축의 픽셀 간의 차와 그 절대값 변화를 계산한다. 여기서 n과 m은 영상 픽셀의 행과 열 번호이다.
제안 방법
이 실험의 결과에서 그림 2의 (c)와 같이 초기의 마디 위치('O')보다 정확하게 손가락 비틀림이 발생하더라도 보다 정확한 코어 점이 추정됨을 알 수 있었다. 그리고 ROI 영역 영상의 정확도를 분석하기 위해 600개 지정맥 영상을 토대로 ROI 영역 영상을 추출하고, 적응 역치법을 이용하여 이진화 처리 과정을 거쳐 각 영상간의 2차원 상호상관 계수들의 평균을 분석(표 2) 하였다.
두 번째 단계는 초기 코어점을 중심으로 식(15)와 같이 W-크기 영역의 영상 IW를 S-차수 평균마스크 H를 이용하여 2차원 컨볼루션(⊗)을 거쳐 각각의 영상 차를 이진화 처리(식(16))하여 혈관부분 검출하도록 하였다.
본 연구에서 제안한 방법의 성능을 검증하기 위해 제안된 기법과 소벨 에지법, 플렉시블 세그먼트법 등을 MATLAB 프로그램으로 구현하고, Intel Core i5과 8G RAM인 컴퓨터 환경에서 에지 검출, ROI 추출, 패턴 매칭률, 이들의 연산처리 속도 등의 성능을 평가하였다.
세 번째 단계는 추출된 에지점 좌표 집합에 잡음으로부터 잘못 검출된 좌표를 제거하기 위한 과정으로 식(6)∼(7)과 같이 역치 기반의 이동평균 필터법을 제안하고 적용하였다.
이 600개 지정맥 영상은 성인 10명(나이 22∼47세)을 대상으로 한 사람당 왼손과 오른손 각각 검지, 중지, 약지를 자유롭게 배치(상하이동, 회전, 비틀림 등)하여 각각 10회씩 촬영한 영상이다. 이 영상을 토대로 에지 검출의 속도와 성능을 평가하기 위해 이동평균필터 차수 W를 10차, 역치 값 T를 0.2로 설정하고 정 위치 및 좌/우 회전된 100개 영상을 선별하여 에지 검출 성능을 평가하였다. 이 결과의 예를 그림 2(b)에 나타내었으며, 이 결과에서 소벨 에지법은 영상의 어두운 영역 또는 혈관 부위에서 잘못된 에지가 검출되는 오류를 보였다.
따라서 본 연구에서는 손가락 비틀림 현상을 반영한 ROI 영역을 추출하는 방법을 제안한다. 제안된 방법은 가상의 코어점 추정과 추정된 코어 점을 기반하여 ROI 영역을 추출하는 방법이다. 즉, 가상 코어점 추정은 손가락 마디 선을 기준으로 마디선과 교차되는 혈관들의 중심 위치를 추정하여 ROI 영역을 추출하는 방법이다.
본 연구에서는 지정맥 인식의 인식률 향상을 위해 손가락의 자세 변화가 존재하더라도 보다 정확하고 효과적인 ROI 영역 추출하는 기법을 제안한다. 제안된 처리 과정은 이웃 픽셀간의 차의 절대값과 역치 기반한 이동평균 필터링, 이를 이용한 지정맥 에지 추출, 추출된 에지를 기반한 영상회전과 크기 정규화, 손가락 마디점 검출, 적응 역치와 가상 코어 점 검출, 가상 코어 점을 기반한 ROI 검출 등의 과정으로 이루어져 있다.
대상 데이터
실험에서 사용된 영상은 그림 2(a)와 같이 850[nm] 적외선 LED와 USB Web카메라로 구성하여 제작된 지정맥 리드기를 이용하여 촬영한 648x480 크기의 지정맥 영상 600개롤 사용하였다. 이 600개 지정맥 영상은 성인 10명(나이 22∼47세)을 대상으로 한 사람당 왼손과 오른손 각각 검지, 중지, 약지를 자유롭게 배치(상하이동, 회전, 비틀림 등)하여 각각 10회씩 촬영한 영상이다.
이 600개 지정맥 영상은 성인 10명(나이 22∼47세)을 대상으로 한 사람당 왼손과 오른손 각각 검지, 중지, 약지를 자유롭게 배치(상하이동, 회전, 비틀림 등)하여 각각 10회씩 촬영한 영상이다.
데이터처리
이러한 문제점을 개선하고 인식률을 향상시키기 위해 본 연구에서는 2차원 마스크와 2차원 컨볼루션을 사용하지 않고 픽셀들 간의 차와 역치 기반의 이동평균필터링, 영상 크기 정규화, 가상의 코어 점 추정 등의 처리과정으로 구성된 ROI 영역을 추출하는 방법을 제안하였다. 제안된 방법의 성능을 평가하기 위해 손가락 자세 변화에 따른 에지 추출 속도와 ROI 영역 추출의 정확도를 기존의 방법들과 비교 평가하였다. 그 결과, 제안된 방법의 처리속도가 기존의 방법보다 최소 2배 이상의 빠른 처리속도가 나타났고, ROI 추출의 정확도는 기존의 방법보다 6% 이상의 정확도가 나타났다.
성능/효과
제안된 방법의 성능을 평가하기 위해 손가락 자세 변화에 따른 에지 추출 속도와 ROI 영역 추출의 정확도를 기존의 방법들과 비교 평가하였다. 그 결과, 제안된 방법의 처리속도가 기존의 방법보다 최소 2배 이상의 빠른 처리속도가 나타났고, ROI 추출의 정확도는 기존의 방법보다 6% 이상의 정확도가 나타났다. 이와 같이 제안된 방법을 생체인식 단말기 개발에 적용한다면 빠른 처리속도와 높은 인식 성능을 제공할 것으로 사료된다.
따라서 본 연구에서는 상기와 같은 문제점들을 개선하고, 저가의 지정맥 인식단말기 개발에 적용 가능한 새로운 손가락 정맥영상의 ROI 추출법을 제안한다. 그리고 제안된 방법의 성능을 평가하기 위해 손가락 자세 변화에 따른 에지 추출 속도와 ROI 영역 추출의 정확도를 기존의 방법과 비교 평가하였으며, 이 결과로부터 저가의 마이크프로세서를 사용한 임베디드 시스템에 적용 가능함을 제시하였다.
세 번째 단계는 추출된 에지점 좌표 집합에 잡음으로부터 잘못 검출된 좌표를 제거하기 위한 과정으로 식(6)∼(7)과 같이 역치 기반의 이동평균 필터법을 제안하고 적용하였다. 제안된 역치 기반의 이동평균 필터법은 손가락 영상에서 손가락 테두리 영역 안에 잡음이 없을 때에는 현재의 에지 위치 값과 이전의 에지 위치 값의 차가 작은 특성을 이용한 것으로 에지 위치값 간의 변화가 크게 증가하거나 감소한다면, 잡음에 의해 잘못 검출된 에지라고 할 수 있다. 따라서 현재의 에지 위치 값과 이전의 에지 위치 값 간의 차의 절대값이 설정된 역치 T-값 이상일 때 이동평균 필터로 추정된 이전의 값으로 대치하여 필터링을 하면 잡음을 제거할 수 있다.
한편 제안된 방법의 에지 추출법은 플렉시블 세그먼트법 보다 정확하게 에지가 추출됨을 확인되었다. 처리속도 분석에서는 표 1과 같이 제안된 방법의 처리속도가 기존의 방법보다 2배 이상으로 빠르게 처리됨을 확인 되었다. ROI 영역 추출의 실험에서는 사이즈 정규화를 영상의 가로 폭을 80으로 설정하고 가상 코어 점을 검출을 위해 윈도우의 크기 NW를 30, 평균필터 마스크 H의 차수 S는 5차, 초기 가상 포인트의 윈도우 크기는 15 등으로 설정하여 실험하였으며, 이 실험의 결과를 그림 2의 (b)와 (c)에 나타내었다.
표 2의 결과에서 상관계수의 평균치가 제안된 방법이 최근에 연구된 플렉시블 세그먼트법 보다 상관계수의 평균이 높게 나타났다. 이와 같이 제안된 ROI 추출법을 저가의 마이크로프로세서에 적용한다면 처리 속도의 문제점을 개선할 수 있으며, 또한 지정맥 인식에 있어서도 높은 인식률을 제공할 것으로 판단된다.
그리고 플렉시블 세그먼트법은 영상의 밝기 변화에서도 에지를 우수하게 추출하였으나 일부 영역에서는 정확도가 떨어졌다. 한편 제안된 방법의 에지 추출법은 플렉시블 세그먼트법 보다 정확하게 에지가 추출됨을 확인되었다. 처리속도 분석에서는 표 1과 같이 제안된 방법의 처리속도가 기존의 방법보다 2배 이상으로 빠르게 처리됨을 확인 되었다.
후속연구
표 2의 결과에서 상관계수의 평균치가 제안된 방법이 최근에 연구된 플렉시블 세그먼트법 보다 상관계수의 평균이 높게 나타났다. 이와 같이 제안된 ROI 추출법을 저가의 마이크로프로세서에 적용한다면 처리 속도의 문제점을 개선할 수 있으며, 또한 지정맥 인식에 있어서도 높은 인식률을 제공할 것으로 판단된다.
그 결과, 제안된 방법의 처리속도가 기존의 방법보다 최소 2배 이상의 빠른 처리속도가 나타났고, ROI 추출의 정확도는 기존의 방법보다 6% 이상의 정확도가 나타났다. 이와 같이 제안된 방법을 생체인식 단말기 개발에 적용한다면 빠른 처리속도와 높은 인식 성능을 제공할 것으로 사료된다.
질의응답
핵심어
질문
논문에서 추출한 답변
지정맥 인식 기술은 무엇인가?
지정맥 인식 기술은 손가락에 적외선 광을 조광하여 손가락에 있는 정맥 영상을 획득한 다음, 특징 추출, 매칭 등의 과정을 거쳐 개인을 인증하는 방법이다. 지정맥 인식을 위해 손가락 외각을 검출함에 있어 2차원 마스크(mask)를 기반한 2차원 컨볼루션(2-Dimension convolution) 처리방법은 저가(low cost)의 마이크로프로세서 또는 마이크컨트롤러에 적용할 때 많은 연산시간이 소요된다.
2차원 마스크 기반 2차원 컨볼루션 처리방법의 문제점은?
지정맥 인식 기술은 손가락에 적외선 광을 조광하여 손가락에 있는 정맥 영상을 획득한 다음, 특징 추출, 매칭 등의 과정을 거쳐 개인을 인증하는 방법이다. 지정맥 인식을 위해 손가락 외각을 검출함에 있어 2차원 마스크(mask)를 기반한 2차원 컨볼루션(2-Dimension convolution) 처리방법은 저가(low cost)의 마이크로프로세서 또는 마이크컨트롤러에 적용할 때 많은 연산시간이 소요된다. 이러한 문제점을 개선하고 인식을 향상시키기 위해 본 연구에서는 2차원 마스크와 2차원 컨볼루션을 사용하지 않고 픽셀들 간의 차의 절대 값과 역치(threshold)를 기반을 둔 이동평균필터링, 가상의 코어점 기반한 ROI 추출법 등을 제안하였고, 제안된 방법의 성능을 평가하기 위해 600개 지정맥 영상을 사용하여 에지 추출속도와 ROI 영역 추출의 정확도 등을 기존의 방법들과 비교 평가 하였다.
ROI 추출에 있어 잘못된 영역 추출로 인한 인식성능을 해결하기 위한 방법은 어떤 것들이 있는가?
특히, 손가락 영역과 관심영역(ROI: Region of Interest) 추출은 지정맥 인식에 있어 가장 필수 과정이며, 사용자의 손가락 자세와 손가락 구조, 빛의 산란, 복잡한 배경, 외부 조명 등에 의해 잘못된 영역 추출은 인식성능을 저하시킨다[3]-[5]. 이러한 문제점을 해결하기 위해 고정된 윈도우(window) 사이즈를 기반을 둔 ROI 추출법[3], 손가락 정맥 ROI 국소화(localization) 및 정맥 리지(ridge) 강조법[4], 회전 얼라인먼트법[5], 플렉시블 세그먼트(flexible segmentation)법[6] 등이 연구되었다. 그러나 고정된 윈도우 사이즈 추출법은 손가락 정맥 영상의 중앙 점과 고정된 크기를 기반하여 ROI 영역을 추출한 것으로 회전된 영상에서는 좋은 성능을 보이지 못했으며, 손가락 정맥의 ROI 국소화 및 정맥 리지 강조법은 바른 자세의 손가락 정맥 영상에서는 적합하지만 손가락이 비스듬한 몇몇의 영상에서 오류를 보이고 있다.
참고문헌 (7)
Hashimoto, J.C., "Finger Vein Authentication Technology and Its Future", In Proceeding of 2006, Symposium on VLSI Circuits, Honolulu, HI, USA, pp. 15-17 June 2006.
Kumar, A, Zhou, Y.B., "Human identification using finger images", IEEE Trans. Image Process, vol. 21, pp. 2228-2244. 2012.
Y. Lu, S.J Xie, S. Yoon, J.C Yang, and D.S Park, "Robust finger vein ROI localization based on flexible segmentation," Sensors, vol. 13, no. 11, pp.14339-14366, October, 2013.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.