초록

용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

현재 홍채 인식은 주로 수동형 영상 획득 시스템을 통한 홍채 획득이 주를 이루고 있다. 이는 장비가 고가인 점과 정확한 홍채 위치추적의 어려움 등의 문제로 인한 것이다. 본 연구에서는 24bit 칼라 영상에서 피부색 정보와 윤곽선 검출 정보를 이용한 실시간 자동 홍채 인식 시스템을 제안하였다. 제안한 방법에서는 HSI 칼라 좌표계상에서의 얼굴 피부색 인식 외에 조명으로 인한 잡음을 제거 하였고, 배경과 사용자의 보다 정확한 영역 분리를 위하여 영상을 이진화한 후 윤곽선 영역을 다시 한 번 제거 한 후 레이블링을 실행 하였다. 또한, 보다 정확한 눈 영역 추출을 위하여 일정 크기까지의 줌을 한 후 윤곽선 검출을 사용하였다. 이러한 방법들을 통하여, 주위 환경에 영향을 덜 받으면서 보다 정확한 눈 영역을 추출 할 수 있었다.

현재 홍채 인식은 주로 수동형 영상 획득 시스템을 통한 홍채 획득이 주를 이루고 있다. 이는 장비가 고가인 점과 정확한 홍채 위치추적의 어려움 등의 문제로 인한 것이다. 본 연구에서는 24bit 칼라 영상에서 피부색 정보와 윤곽선 검출 정보를 이용한 실시간 자동 홍채 인식 시스템을 제안하였다. 제안한 방법에서는 HSI 칼라 좌표계상에서의 얼굴 피부색 인식 외에 조명으로 인한 잡음을 제거 하였고, 배경과 사용자의 보다 정확한 영역 분리를 위하여 영상을 이진화한 후 윤곽선 영역을 다시 한 번 제거 한 후 레이블링을 실행 하였다. 또한, 보다 정확한 눈 영역 추출을 위하여 일정 크기까지의 줌을 한 후 윤곽선 검출을 사용하였다. 이러한 방법들을 통하여, 주위 환경에 영향을 덜 받으면서 보다 정확한 눈 영역을 추출 할 수 있었다.

AI 본문요약

엑셀 다운로드 AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

• 연구 주제
• 연구 방법
• 연구 결과

가설 설정

• 사용자가 인증을 받기 위해 카메라 앞쪽으로 다가오게 되면, 카메라 위치에서 볼 때 앞에 있는 물체는 더 넓은 영역으로 잡게 된다. 이렇게 앞에 있는 물체는 더 크게 보인다는 것을 가정하여 분리된 영상을 이진화한 후, 레 이블링(Labeling)을 실시하였다.

제안 방법

• 연구를 진행하면서 일정하게 떨어진 거리에서 영역 추 출과 눈 영역 후보지 예측 등은 가능하였으나, 사용자와 카메라 사이의 거리를 고정이 아닌 유동적으로 고려하였 기 때문에, 팬/틸트를 이용한 중심점의 정확한 이동이 불 가능 하였다. 때문에 본 연구에서는 시스템 스스로가 이 동거리를 조정하여 영역의 중심에 근사한 위치로 이동을 한 후에 줌을 실시하도록 시스템을 구성하였다. 줌으로 확대한 영상이 어느 정도 크기가 되면.
• 본 연구에서는 색상차를 이용한 영역 추출과 윤곽선 추출 방법을 이용하여 중심을 추적하는 알고리즘을 이용 하였다. 중간 처리과정으로 이진화, 팽창, 레이블링 등의 전처리 알고리즘을 적용하여 조명과 같은 외부적 요소를 최대한 억제하는데 초점을 맞추었다.
• 중심을 이동한 후에 다시 중심을 찾아 중심 위치 변화가 적을 경우 줌 을 실행 하였다. 이 과정에서 영상에서 바로 눈 영역을 찾아낼 수 있지만, 실시간 구현과 정확한 눈 영역 추출 과 팬/틸트의 오차를 감안하여 일정 크기 이상으로 줌이 된 후에 눈 영역을 찾도록 하였다.
• 얼굴 영역에서 윤곽선 검출을 실시하면 눈썹, 눈, 코, 입부분의 윤곽선이 가장 많이 검출 된다. 이러한 특성을 이용하여, 잡음에 강한 캐니(Canny) 윤곽선 검출 방법을 사용하여 윤곽선을 검출하였다.
• 이를 이용하여, 채도와 명도가 높은 부분을 제외한 영 상에서 색상 값을 이용 사람의 피부색과 유사한 색상을 가진 영상을 분리해 내었다. 다음으로 얼굴 영상이 배경 과 겹치는 것을 방지하기위해 처음 입력 받은 영상에서 윤곽선을 검출하여 분리해낸 영상에서 제외 시켰다.
• 본 연구에서는 색상차를 이용한 영역 추출과 윤곽선 추출 방법을 이용하여 중심을 추적하는 알고리즘을 이용 하였다. 중간 처리과정으로 이진화, 팽창, 레이블링 등의 전처리 알고리즘을 적용하여 조명과 같은 외부적 요소를 최대한 억제하는데 초점을 맞추었다.
• 줌으로 확대한 영상이 어느 정도 크기가 되면.캐니 윤곽선 추출 방법과 소벨 윤곽선 추출 방법을 순차적으로 사용하여 보다 정확한 눈 영역 후보를 찾은 후 최종적인 눈 영상 을 획득하였다.

대상 데이터

• 본 연구는 CPU Pentium IV 1.5GHz, Memory 512MB, OS Windows 2003, Visual C++ 6.0 에서 수행되었으며, 입력 장치로 팬/틸트/줌이 가능한 Sony EV-D30 카메라 1대를 사용하였다.

성능/효과

• 본 연구에서 제안하는 시스템은 인증 의도를 가진 사용자의 홍채를 일정한 거리로 떨어진 위치에서 시스템 스스로 사용자의 광축과 초점을 조절하는 시스템으로 눈 영역 인식에 가장 큰 문제인 조명에 대한 영향을 최소화 할 수 있다.

후속연구

• 실제 홍채 인 식에 사용하기에는 획득된 영상의 크기가 작아서 사용할 수는 없지만, 카메라의 해상도를 더 높여 사용한다면 현재 홍채 인식에서 사용하는 해상도의 영상을 얻을 수 있을 것이라고 생각된다. 더불어서, 추적과 확대를 한 후 최종 눈 영상 획득 시에는 자동 렌즈 교환 장치 (Converter Lens)를 사용하면 보다 좋은 성능을 얻을 수 있을 것이라 기대한다.
• 연구에서 사용한 카메라에는 적외선 조명이나 적외선 필터가 설치가 되어있지 않아 실제 홍채 부분의 촬영을 할 수 없었다는 것이 아쉬움으로 남는다. 실제 홍채 인 식에 사용하기에는 획득된 영상의 크기가 작아서 사용할 수는 없지만, 카메라의 해상도를 더 높여 사용한다면 현재 홍채 인식에서 사용하는 해상도의 영상을 얻을 수 있을 것이라고 생각된다. 더불어서, 추적과 확대를 한 후 최종 눈 영상 획득 시에는 자동 렌즈 교환 장치 (Converter Lens)를 사용하면 보다 좋은 성능을 얻을 수 있을 것이라 기대한다.
• 아래의 그림은 눈 영역 후보 중에서 하나를 찾아가 획 득한 영상으로 카메라의 한계로 인하여 보다 정확한 영 상을 획득하지 못하였지만, 앞으로 카메라의 성능이 향 상된다면 현재 일반적으로 홍채인식에 사용되는 영상의 크기만큼 얻을 수 있을 것이다.
• 연구에서 사용한 카메라에는 적외선 조명이나 적외선 필터가 설치가 되어있지 않아 실제 홍채 부분의 촬영을 할 수 없었다는 것이 아쉬움으로 남는다. 실제 홍채 인 식에 사용하기에는 획득된 영상의 크기가 작아서 사용할 수는 없지만, 카메라의 해상도를 더 높여 사용한다면 현재 홍채 인식에서 사용하는 해상도의 영상을 얻을 수 있을 것이라고 생각된다.

본문요약 정보가 도움이 되었나요? 예 아니오 제출

이 논문을 인용한 문헌

더보기