최소 단어 이상 선택하여야 합니다.
최대 10 단어까지만 선택 가능합니다.
다음과 같은 기능을 한번의 로그인으로 사용 할 수 있습니다.
NTIS 바로가기융합정보논문지 = Journal of Convergence for Information Technology, v.10 no.6, 2020년, pp.19 - 27
윤원석 (성결대학교 컴퓨터공학과) , 김상근 (성결대학교 컴퓨터공학과)
In this study, Developing high resolution camera and Social Network Service sharing image can be easily getting images, it cause about taking fingerprints to easy from images. So I present solution about prevent to taking fingerprints. this technology is develop python using to opencv, blur librarie...
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
핵심어 | 질문 | 논문에서 추출한 답변 |
---|---|---|
이미지에서 지문 부위만을 채취해 그 부분만을 흐리게 처리하는 방법은 어떤 것인가? | 본 연구는 앞으로의 스마트폰 카메라 기술의 발전으로 인해 이미지의 해상도가 증가함으로 사진 내의 손가락에서 지문을 채취할 수 있고 이를 악용하는 사례가 일어나는 것을 방지하고자 이미지에서 지문 부위만을 채취해 그 부분만을 흐리게 처리해주는 시스템을 연구 하고 개발하였다. 손가락의 지문 부위만을 구하기 위해 손가락의 좌푯값들을 이용해서 지문 부위만을 구하는 알고리즘을 설계하였고, 이에 필요한 값들을 구하는 식들을 제시하였다. 그 결과 이미지에 따라 손가락의 방향에 상관없이 손을 인식한다면 지문 부위 형태의 타원형을 그리는 것을 구현하였고, Opencv의 비트 연산과 Blur 처리를 이용해 지문 부위만을 흐리게 해서 원본 이미지에서 최소한의 손실로 지문 채취를 방지할 수 있게 된다. 이를 통해 이미지를 통한 개인의 생체데이터를 보호될 것으로 판단된다. | |
컴퓨터 비전이란? | 컴퓨터 비전은 인공지능 분야인 딥러닝기술을 활용해 특정 객체에 속한 디지털 이미지 데이터를 속한 객체에 맞게 식별하고 분류하는 학습을 통해 딥러닝 모델을 만들어 컴퓨터가 학습 데이터 외의 이미지 데이터를 식별 할수 있게 사용하는 기술이다. 기본 원리는 Fig. | |
디지털 이미지를 통한 해킹의 가능성이 커지는 이유는? | 이러한 디지털 이미지 속의 지문이 드러난 이미지 데이터를 이용해 지문 부위를 채취하고 채취한 지문을 통해 지문보안 프로그램의 보안을 통과한 사례가 있다[1]. 이렇듯 카메라의 기술이나 디지털카메라의 노이즈 감소[2] 같은 기능들이 발전할수록 해상도는 더욱 높아질 것이고 디지털 이미지 속에서 지문의 채취는 더욱 쉬워져 해킹의 가능성이 커지고 있다. 따라서 본 연구는 카메라 기술의 발달로 고해상도 이미지 속의 지문을 채취를 방지하는 시스템을 설계하고 개발하였다. |
P. Monckton. (2014). Hacker Clones Fingerprint From Politician's Photograph(Online). https://www.forbes.com/sites/paulmonckton/2014/12/30/hacker-clones-fingerprint-from-photograph/#5b9873d46896
D. H. Har & H. J. Park. (2009). Effect of Noise Reduction Function in Digital Camera on the Resolution of Digital Image. The Journal of the Korea Contents Association, 9(5), 91-98 DOI : 10.5392/JKCA.2009.9.5.091
J. H. Park, & K. J. Lee. (2017). Realization of user-centered smart factory system using motion recognition. Journal of Convergence for Information Technology, 7(6), 153-158.
C. Zhe, T. Simon, S. E. Wei & Y. Sheikh. (2017). Realtime multi-person 2d pose estimation using part affinity fields. In Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition (pp. 7291-7299).
S. H. Kim. (2019). Development of Face Recognition System based on Real-time Mini Drone Camera Images. Journal of Convergence for Information Technology, 9(12), 17-23.
J. C. Han & K. J. Cheoi. (2017). Design and Implementation CNN for Hand Shape Recognition. Journal of the Research Institute for Computer and Information Communication, 25(1), 43-45.
C. Y. Jang & T. Y. Kim. (2020). Hand Feature Enhancement and User Decision Making for CNN Hand Gesture Recognition Algorithm. Journal of The Institute of Electronics and Information Engineers, 57(2), 60-70. DOI : 10.5573/ieie.2020.57.2.60
T. Simon, H. B. Joo, I. Matthews, & Y. Sheikh. (2017). Hand keypoint detection in single images using multiview bootstrapping. In Proceedings of the IEEE conference on Computer Vision and Pattern Recognition. (pp. 1145-1153).
A. Jain, L. Hong & R. Bolle. (1997). On-line fingerprint verification. IEEE Transactions on Pattern Analysis and Machine Intelligence, 19(4), 302-314.
W. J. Kim. (2019). Recent Technology Trends on Fingerprint Recognition and Forgery. The Institute of Electronics and Information Engineers, 46(8), 31-38.
V. Gupta. (2018). Hand Keypoint Detection using Deep Learning and OpenCV (Online). https://www.learnopencv.com/hand-keypoint-detection-using-deep-learning-and-opencv
A. Mordvintsev & K. Abid. (2014). Opencv-python tutorials documentation (Online). https://media.readthedocs.org/pdf/opencv-python-tutroals/latest/opencv-python-tutroals.pdf
D. Y. Kang. (2020). Image data blur processing through object detection. Master dissertation. HangYang University, Seoul.
S. Mallick, (2013). Bitwise AND, OR, XOR and NOT (Online). http://opencvexamples.blogspot.com/2013/10/bitwise-and-or-xor-and-not.html
B. Y. Lee. (2002). Design and analysis of Fuzzy Weighted Median(FWM) filter eliminating image noises. Master dissertation. KonKuk University, Seoul
*원문 PDF 파일 및 링크정보가 존재하지 않을 경우 KISTI DDS 시스템에서 제공하는 원문복사서비스를 사용할 수 있습니다.
Free Access. 출판사/학술단체 등이 허락한 무료 공개 사이트를 통해 자유로운 이용이 가능한 논문
※ AI-Helper는 부적절한 답변을 할 수 있습니다.