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
- 김계영
- 발행연도
- 2020
- 저작권
- 숭실대학교 논문은 저작권에 의해 보호받습니다.
이용수29
이 논문의 연구 히스토리 (2)
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
홍채인식을 통하여 개인을 식별하는 기술의 상용화 및 보급이 급격히 증가하고 있다. 하지만 홍채정보가 유출되었을 시, 재사용 불능의 문제를 초래한다. 이 문제를 해결하기 위하여 인식 방법을 강화하거나 위조홍채를 탐지하는 방법이 연구되고 있다. 하지만 위조홍채 탐지연구에서 부정샘플의 부재로 출력물 혹은 인조 홍채모형 등을 사용하여 실험을 수행하여, 그 연구 결과의 신뢰성이 낮은 문제가 있다. 본 논문에서는 위조홍채 탐지연구에서의 부정샘플 부재의 문제를 해결하기 위해, 특정인의 홍채코드를 갖는 위조홍채영상을 생성하는 방법을 제안한다. 제안하는 방법은 CycleGAN을 사용해 안구영상을 생성하고, 특정인의 홍채코드를 역공학적 계산을 통하여 복원한 뒤, 생성된 안구영상에 홍채영상을 삽입하는 절차로 위조홍채영상을 생성한다. 실험은 CASIA Irisimage Database ver4.0를 사용하여 진행한다. 원본 홍채영상과 위조 홍채영상의 평균 해밍거리는 FAR 0.1% 기준 90% 이상의 성능을 보인다.
목차
국문초록 ⅵ영문초록 ⅶ제 1 장 서론 11.1 연구 배경 및 목적 11.2 제안하는 방법 21.3 논문의 구성 4제 2 장 기존의 관련연구 52.1 도그만 홍채코드 인식, 복원 52.2 Iris GAN을 통한 홍채영상 생성 5제 3 장 홍채 인식 및 홍채코드 복원 73.1 홍채코드 생성 73.1.1 홍채영역 분할 및 정규화 73.1.2 특징 추출 및 양자화를 통한 홍채코드 생성 83.2 홍채코드 복원 93.2.1 역공학을 통한 홍채코드 복원 값 추정 93.2.2 원형 홍채영상 생성 11제 4 장 안구모델 학습 및 위조홍채 생성 134.1 Generative Adversarial Networks 134.2 CycleGAN 154.3 CycleGAN 모델 학습을 통한 안구영상 생성 184.4 위조 홍채영상 생성 20제 5 장 실험 및 결과 225.1 홍채코드 복원 225.2 CycleGAN을 통한 위조홍채 생성 24제 6 장 결론 31참고문헌 32
최근 본 자료
댓글(0)
0