개인구독
소속 기관이 없으신 경우, 개인 정기구독을 하시면 저렴하게
논문을 무제한 열람 이용할 수 있어요.
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학위논문
- 저자정보
- 지도교수
- 趙成元
- 발행연도
- 2013
- 저작권
- 홍익대학교 논문은 저작권에 의해 보호받습니다.
이용수7
이 논문의 연구 히스토리 (3)
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
오늘날 스마트카드는 금융, 교통, 신분증, 통신 분야에 걸쳐 빈번히 쓰이고 있다. 특히 신용카드나 직불카드 그리고 교통카드 분야에 스마트카드가 적용되어 쓰이고 있으며 이동통신 분야의 도입으로 인해 USIM 이 새로운 거대시장으로 성장하고 있다. 이에 따라 스마트카드의 인증과 보안이 새로운 화두로 떠오르고 있다.[1]
사용자 인증을 위하여 기존에는 PIN(Personal Identification Number)기법을 많이 이용하였다. 그러나 이러한 방법은 사람의 망각이나 부주의로 인하여 인증에 많은 위험과 문제점을 안고 있으며 분실을 통해 스마트카드가 불법적으로 사용될 수 있는 문제점을 가지고 있다. 이에 따라 스마트카드 사용에 대한 보안을 높이고 인증하기 편리한 방법이 요구 되고 있으며, 그 요구에 대한 해답으로 생체정보를 이용한 방법이 제시되고 있다. 그러나 스마트카드의 성능 상 제한으로 인해 대용량의 생체 정보나 과도한 복잡성을 가진 매칭 알고리즘은 MOC(Matching On Card)방식으로 사용되기 어렵다.
따라서 본 논문은 스마트카드에서 쓰일 수 있을 정도로 경량화 된 얼굴 특징벡터와 지문 특징벡터를 제시하고 이 값들을 이용하여 사용자 인증을 가능하게 하는 인증 알고리즘을 소개한다. 간략하게 과정을 설명하면, 얼굴인식의 경우 아다부스팅(Adaboosting) 알고리즘을 이용하여 이미지에서 얼굴을 검출 한 후 크기와 얼굴의 회전에 대해 정규화 과정을 거친 그레이 스케일의 얼굴이미지를 얻는다. 이 얼굴 이미지에서 일정 간격으로 위치한 격자점에 대해 가버 웨이블렛 마스크와 컨볼루션 시킨 가버크기특징벡터를 구한다. 이후 이 가버젯의 크기를 줄이고 조명효과에 대한 강인함을 얻기 위하여, 고유 얼굴 가버 PCA 공간에 사영시켜 경량화 된 얼굴 특징벡터를 얻는다. 그 이후 이 벡터간의 매칭은 두 특징벡터간의 코릴레이션으로 정의된 유사도에 대하여 실험적으로 얻어진 문턱치를 적용해 동일인 여부를 가린다. 지문의 경우, 지문영상을 슬릿-섬(slit-sum)기법을 적용하여 이진화 시킨 뒤 세선화 과정을 거쳐 실제 지문정보로 사용할 끝점(ending point)과 분기점(bifurcation point)의 위치를 찾아낸다. 그리고 해당 특징점에 연결된 융선의 방향정보를 추출하여 최종적으로 특징점의 위치, 융선의 방향정보로 지문의 정보를 얻어낸다. 그리고 이렇게 추출한 지문의 정보를 가지고 매칭을 시도할 시에는 각 지문영상에서 가장 융선의 각도변화가 심한 영역을 기준으로 특징점의 위치 정보를 보상하여 동일 영역에 있는 두 지문의 특징점들이 가지는 융선의 위치정보와 방향정보를 비교하여 동일인의 여부를 가린다.
사용자 인증을 위하여 기존에는 PIN(Personal Identification Number)기법을 많이 이용하였다. 그러나 이러한 방법은 사람의 망각이나 부주의로 인하여 인증에 많은 위험과 문제점을 안고 있으며 분실을 통해 스마트카드가 불법적으로 사용될 수 있는 문제점을 가지고 있다. 이에 따라 스마트카드 사용에 대한 보안을 높이고 인증하기 편리한 방법이 요구 되고 있으며, 그 요구에 대한 해답으로 생체정보를 이용한 방법이 제시되고 있다. 그러나 스마트카드의 성능 상 제한으로 인해 대용량의 생체 정보나 과도한 복잡성을 가진 매칭 알고리즘은 MOC(Matching On Card)방식으로 사용되기 어렵다.
따라서 본 논문은 스마트카드에서 쓰일 수 있을 정도로 경량화 된 얼굴 특징벡터와 지문 특징벡터를 제시하고 이 값들을 이용하여 사용자 인증을 가능하게 하는 인증 알고리즘을 소개한다. 간략하게 과정을 설명하면, 얼굴인식의 경우 아다부스팅(Adaboosting) 알고리즘을 이용하여 이미지에서 얼굴을 검출 한 후 크기와 얼굴의 회전에 대해 정규화 과정을 거친 그레이 스케일의 얼굴이미지를 얻는다. 이 얼굴 이미지에서 일정 간격으로 위치한 격자점에 대해 가버 웨이블렛 마스크와 컨볼루션 시킨 가버크기특징벡터를 구한다. 이후 이 가버젯의 크기를 줄이고 조명효과에 대한 강인함을 얻기 위하여, 고유 얼굴 가버 PCA 공간에 사영시켜 경량화 된 얼굴 특징벡터를 얻는다. 그 이후 이 벡터간의 매칭은 두 특징벡터간의 코릴레이션으로 정의된 유사도에 대하여 실험적으로 얻어진 문턱치를 적용해 동일인 여부를 가린다. 지문의 경우, 지문영상을 슬릿-섬(slit-sum)기법을 적용하여 이진화 시킨 뒤 세선화 과정을 거쳐 실제 지문정보로 사용할 끝점(ending point)과 분기점(bifurcation point)의 위치를 찾아낸다. 그리고 해당 특징점에 연결된 융선의 방향정보를 추출하여 최종적으로 특징점의 위치, 융선의 방향정보로 지문의 정보를 얻어낸다. 그리고 이렇게 추출한 지문의 정보를 가지고 매칭을 시도할 시에는 각 지문영상에서 가장 융선의 각도변화가 심한 영역을 기준으로 특징점의 위치 정보를 보상하여 동일 영역에 있는 두 지문의 특징점들이 가지는 융선의 위치정보와 방향정보를 비교하여 동일인의 여부를 가린다.
목차
1장 서론 11.1 연구배경 및 필요성 11.2 연구목적 및 구성 32장 기존의 얼굴인식, 지문인식 시스템에 관한 연구 42.1 얼굴인식 42.1.1 PCA(Principal component Analysis)를 이용한 인식 42.1.2 EBGM(Elastic Bunch Graph Model)기반 얼굴인식 42.2 지문인식 52.2.1 융선방향을 이용한 정합 52.2.2 특징점의 사잇각과 거리를 이용한 방법 63장 얼굴과 지문의 전처리 83.1 얼굴영상의 전처리 83.1.1 아다부스트(AdaBoost)얼굴검출 83.1.2 정규화 113.1.2-1 크기정규화 113.1.2-2 각도정규화 123.1.2-3 조명정규화 143.2 지문영상의 전처리 163.2.1 지문영상의 무 정보영역 추출 163.2.2 지문영상의 이진화 173.2.3 지문영상의 세선화 194장 경량화 된 얼굴 특징벡터와 지문 특징벡터의 추출 224.1 얼굴특징벡터의 추출 224.1.1 가버 크기 특징벡터 224.1.2 격자구조 페이스 그래프 254.1.3 얼굴 특징 벡터의 용량 축소 264.2 지문 특징벡터의 추출 294.2.1 후보 특징점 추출 294.2.2 후보 특징점의 융선방향정보 추출 304.2.3 의사 특징점 제거 315장 얼굴 특징벡터와 지문 특징 벡터의 정합 355.1 얼굴 특징벡터의 정합 355.2 지문 특징벡터의 정합 366장 실험 및 결과 386.1 얼굴 특징벡터의 정합 실험 결과 386.2 지문 특징벡터의 정합 실험 결과 406.3 Match On Card 417장 결론 44참고 문헌 46Abstract 48
최근 본 자료
댓글(0)
0