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.
제안 방법
- 최적의 집합 분석력을 갖고 있다. 그림 3은 0 도의 Gabor Wavelet을 사용한 후의 홍채영상과 45 도의 Gabor 필터를 통과한 후의 홍채영상을 나타낸 것으로, 본 연구에서는 4개의 방향(0도, 45도, 90도, 135도)의 Gabor Wavelet을 사용하였다.
- 다음은 홍채 패턴에서의 특징을 찾아내기 위해 동공의 경계선으로부터 일정 간격을 더한 값을 반지름으로 하여 원을 그려낼 수 있는데, 이때 동공의 크기에 따라 변화하는 홍채의 패턴이 많이 몰려 있는 부분을 검출하기 위해, 동공 반지름의 평균값 같은 크기의 반지름을 선택하였다. 영상에 따라 동공의 반지름이 평균 크기에 비해 작거나 큰 경우 평균 크기에 대한 차만큼 선택영역의 반지름에 포함하였다.
- 펼쳐진 홍채 영역에 대해 4개방향의 Gabor Wavelet Transform을 이용하여 특징이 되는 패턴을 두둘어지게 하였다. 또한, 3장에서와 같이 특징 벡터를 추출하기 위해 PCA를 이용하여 특징벡터의 차원을 축소한 후 Fuzzy-LDA를 이용하여 특징벡터를 획득할 수 있었다. 이때, PCA, ICA, LDA, Fuzzy-LDA를 이용한 방법을 비교하여 실험하였다.
- 본 논문은 사람의 생태학적, 행동학적 특성을 이용하여 개인을 식별 및 검증하는 방법 중 하나로 홍채의 패턴을 이용하였으며, 홍채 영상 취득 시 조명에 의한 동공 크기 변화에 적응할 수 있는 자동 이진화 분류 방법을 적용하여 홍채의 동공과 동공의 경계를 획득하고 이로부터 4개의 방향에 대한 Gabor Wavelet을 적용하여 홍채 영상의 패턴에 대한특징을 보였다. 또한, 홍채 패턴을 특징으로 하는 등록과정에서는 얼굴인식이 많이 사용되어 지고 있는 PCA, LDA, ICA를 적용해 보았으며, Fuzzy-LDA를이용한 특징벡터 추출로 인해 높은 인식률을 얻을 수 있었다.
- 실험 방법으로는 두 개의 데이터베이스에 대해 각각 학습영상과 검증 영상으로 분리한 후 학습 영상에 대해 2장에서와 같이 전처리과정을 거처 홍채의 동공만을 추출한 후 추출된 공공으로부터 홍채 패턴이 몰려있는 영역을 펼친다. 펼쳐진 홍채 영역에 대해 4개방향의 Gabor Wavelet Transform을 이용하여 특징이 되는 패턴을 두둘어지게 하였다.
- 또한, 3장에서와 같이 특징 벡터를 추출하기 위해 PCA를 이용하여 특징벡터의 차원을 축소한 후 Fuzzy-LDA를 이용하여 특징벡터를 획득할 수 있었다. 이때, PCA, ICA, LDA, Fuzzy-LDA를 이용한 방법을 비교하여 실험하였다. 이때 140개의 eigeniris와 46개의 fisheriris를 사용하였으며, 식 (4) 에서의 a값으로 0.
- 영역을 펼친다. 펼쳐진 홍채 영역에 대해 4개방향의 Gabor Wavelet Transform을 이용하여 특징이 되는 패턴을 두둘어지게 하였다. 또한, 3장에서와 같이 특징 벡터를 추출하기 위해 PCA를 이용하여 특징벡터의 차원을 축소한 후 Fuzzy-LDA를 이용하여 특징벡터를 획득할 수 있었다.
대상 데이터
- 두 번째는 한국 학교 내 학생들의 홍채 데이터베이스로 CBNU(Chungbuk national university)를 사용하였다. CBNU 홍채 데이터의 취득을 위해 LG 전자에서 상용 중인 홍채인식기의 케메라를 사용하였으며, 대상자 50명에 대하여 사람당 왼쪽 눈에 대해 6개의 홍채 영상을 취득하였으며, 이중 3장의 홍채 영상은 학습 영상으로 나머지 3장은 검증영상으로 사용하였다. 또한, 제안한 알고리듬을 구현하기 위해 MATLAB을 이용하여 구현 및 실험하였다.
- 본 논문에서는 CASIA데이터중 50개의 홍채에 대해 6개의 홍채 영상을 사용하였으며, 이중 3장의 홍채 영상은 학습영상으로 나머지 3장은 검증영상으로 사용하였다. 두 번째는 한국 학교 내 학생들의 홍채 데이터베이스로 CBNU(Chungbuk national university)를 사용하였다. CBNU 홍채 데이터의 취득을 위해 LG 전자에서 상용 중인 홍채인식기의 케메라를 사용하였으며, 대상자 50명에 대하여 사람당 왼쪽 눈에 대해 6개의 홍채 영상을 취득하였으며, 이중 3장의 홍채 영상은 학습 영상으로 나머지 3장은 검증영상으로 사용하였다.
- 첫 번째는 중국 홍채 데이터베이스로 CASIA(Chinese Academy of Science)# 사용하였으며, CASIA 홍채데이터는 아시아 사람들의 홍채를 취득한 것으로 한달 간격으로 서로 다른 시점에 촬영한 그레이 이미지이며 80명으로부터 108개의 홍채를 사용하여 756장의 홍채 영상으로 구성되어 있다. 본 논문에서는 CASIA데이터중 50개의 홍채에 대해 6개의 홍채 영상을 사용하였으며, 이중 3장의 홍채 영상은 학습영상으로 나머지 3장은 검증영상으로 사용하였다. 두 번째는 한국 학교 내 학생들의 홍채 데이터베이스로 CBNU(Chungbuk national university)를 사용하였다.
- 제안한 방법에 대한 성능을 평가하기 위해 두 종류의 데이터베이스를 이용하였다. 첫 번째는 중국 홍채 데이터베이스로 CASIA(Chinese Academy of Science)# 사용하였으며, CASIA 홍채데이터는 아시아 사람들의 홍채를 취득한 것으로 한달 간격으로 서로 다른 시점에 촬영한 그레이 이미지이며 80명으로부터 108개의 홍채를 사용하여 756장의 홍채 영상으로 구성되어 있다.
- 데이터베이스를 이용하였다. 첫 번째는 중국 홍채 데이터베이스로 CASIA(Chinese Academy of Science)# 사용하였으며, CASIA 홍채데이터는 아시아 사람들의 홍채를 취득한 것으로 한달 간격으로 서로 다른 시점에 촬영한 그레이 이미지이며 80명으로부터 108개의 홍채를 사용하여 756장의 홍채 영상으로 구성되어 있다. 본 논문에서는 CASIA데이터중 50개의 홍채에 대해 6개의 홍채 영상을 사용하였으며, 이중 3장의 홍채 영상은 학습영상으로 나머지 3장은 검증영상으로 사용하였다.
데이터처리
- CBNU 홍채 데이터의 취득을 위해 LG 전자에서 상용 중인 홍채인식기의 케메라를 사용하였으며, 대상자 50명에 대하여 사람당 왼쪽 눈에 대해 6개의 홍채 영상을 취득하였으며, 이중 3장의 홍채 영상은 학습 영상으로 나머지 3장은 검증영상으로 사용하였다. 또한, 제안한 알고리듬을 구현하기 위해 MATLAB을 이용하여 구현 및 실험하였다.
이론/모형
- 홍채인식의 기존연구로는 J.G.Daugman의 논문에서 2-D Gabor Filter를 사용하였고[4], W.W.Boles의 논문에서는 Wavelet Transform을 사용하였다[5].
※ AI-Helper는 부적절한 답변을 할 수 있습니다.