1 |
1
홍채 패턴 처리를 위한 특징 추출 및 인식 장치에 있어서, 홍채 영상 신호를 입력받기 위한 홍채영상 입력수단; 상기 홍채영상 입력수단으로부터 입력받은 홍채 영상 신호를 웨이브렛 변환하여 다중분할하고, 특징벡터 정보를 양자화하여 특징벡터를 추출하기 위한 특징 추출수단; 상기 특징추출 수단으로부터 특징벡터를 입력받아 가중치 초기화 및 승자 선택 방식을 적용한 개선된 학습 벡터 양자화(LVQ : Learning Vector Quantization)를 통해 인식을 수행하기 위한 LVQ 인식수단; 및 상기 인식된 결과를 바탕으로 신원을 확인하기 위한 신원확인수단 을 포함하는 홍채 패턴 처리를 위한 특징 추출 및 인식 장치
|
2 |
2
제 1 항에 있어서, 상기 특징 추출 수단은, 상기 홍채영상 입력수단으로부터 입력받은 2차원 영상을 하(Haar) 웨이브렛 변환하여 다중으로 분할하기 위한 영상 다중 분할 수단; 상기 영상 다중 분할 수단에서의 다중 분할의 결과로서 얻어지는 분할된 영상 중에서 소정 차원의 각 축에 대해 고주파 성분을 포함하는 영역을 추출하기 위한 영역 추출 수단; 상기 영역 추출 수단에서 추출된 고주파 성분을 포함하는 영역을 이용하여 벡터를 구성하기 위한 벡터 구성 수단; 상기 벡터 구성 수단에서 구성된 벡터의 값들을 이진값으로 양자화하기 위한 양자화 수단; 및 상기 양자화 수단에서 양자화된 값들로 특징벡터를 구성하기 위한 특징벡터 구성수단 을 포함하는 홍채 패턴 처리를 위한 특징 추출 및 인식 장치
|
3 |
3
제 1 항 또는 제 2 항에 있어서, 상기 LVQ 인식수단은, 입력된 각 클래스의 첫번째 학습 데이터를 해당 클래스의 최초 가중치 벡터로 설정하기 위한 가중치 벡터 설정수단; 임의의 클래스로부터 얻어진 학습 데이터와 상기 학습된 각 클래스의 모든 가중치 벡터와의 유사도를 구하기 위한 유사도 획득 수단; 상기 구한 유사도를 이용해 각 차원 별로 가장 큰 유사도를 가진 차원이 소속된 클래스를 해당 차원의 승자로 결정하기 위한 제 1 승자 결정수단; 및 상기 각 차원 별로 승자가 결정되면 가장 많이 승자로 선택된 클래스를 최종 승자로 선택하기 위한 제 2 승자 결정수단 을 포함하는 홍채 패턴 처리를 위한 특징 추출 및 인식 장치
|
4 |
4
홍채 패턴 처리를 위한 특징 추출 장치에 있어서, 홍채 영상 신호를 입력받기 위한 홍채영상 입력수단; 상기 홍채영상 입력수단으로부터 입력받은 2차원 영상을 하(Haar) 웨이브렛 변환하여 다중으로 분할하기 위한 영상 다중 분할 수단; 상기 영상 다중 분할 수단에서의 다중 분할의 결과로서 얻어지는 분할된 영상 중에서 소정 차원의 각 축에 대해 고주파 성분을 포함하는 영역을 추출하기 위한 영역 추출 수단; 상기 영역 추출 수단에서 추출된 고주파 성분을 포함하는 영역을 이용하여 벡터를 구성하기 위한 벡터 구성 수단; 상기 벡터 구성 수단에서 구성된 벡터의 값들을 이진값으로 양자화하기 위한 양자화 수단; 및 상기 양자화 수단에서 양자화된 값들로 특징벡터를 구성하기 위한 특징벡터 구성수단 을 포함하는 홍채 패턴 처리를 위한 특징 추출 장치
|
5 |
5
홍채 패턴 처리를 위한 홍채 패턴 인식 장치에 있어서, 입력된 각 클래스의 첫번째 학습 데이터를 해당 클래스의 최초 가중치 벡터로 설정하기 위한 가중치 벡터 설정수단; 임의의 클래스로부터 얻어진 학습 데이터와 상기 학습된 각 클래스의 가중치 벡터와의 유사도를 구하기 위한 유사도 획득 수단; 상기 구한 유사도를 이용해 각 차원 별로 가장 큰 유사도를 가진 차원이 소속된 클래스를 해당 차원의 승자로 결정하기 위한 제 1 승자 결정수단; 및 상기 각 차원 별로 승자가 결정되면 가장 많이 승자로 선택된 클래스를 최종 승자로 선택하기 위한 제 2 승자 결정수단 을 포함하는 홍채 패턴 인식 장치
|
6 |
6
홍채 패턴 처리를 위한 특징 추출 및 인식 장치에 적용되는 특징 추출과 인식 방법에 있어서, 홍채 영상신호를 입력받는 제 1 단계; 상기 입력받은 홍채 영상 신호를 웨이브렛 변환하여 다중분할하고, 특징벡터 정보를 양자화하여 특징벡터를 추출하는 제 2 단계; 상기 추출된 특징벡터를 입력받아 가중치 초기화 및 승자 선택 방식을 적용한 개선된 LVQ를 통해 인식을 수행하는 제 3 단계; 및 상기 인식된 결과를 바탕으로 신원을 확인하는 제 4 단계 를 포함하는 홍채 패턴 처리를 위한 특징 추출과 인식 방법
|
7 |
7
제 6 항에 있어서, 상기 제 2 단계는, 상기 입력받은 홍채 영상 신호를 하(Haar) 웨이브렛 변환하여 다중으로 분할하는 제 5 단계; 상기 다중 분할의 결과로서 얻어지는 분할된 영상 중에서 소정 차원의 각 축에 대해 고주파 성분을 포함하는 영역을 추출하는 제 6 단계; 상기 추출된 고주파 성분을 포함하는 영역을 이용하여 벡터를 구성하는 제 7 단계; 상기 구성된 벡터의 값들을 이진값으로 양자화하는 제 8 단계; 및 상기 양자화된 값들로 특징벡터를 구성하는 제 9 단계 를 포함하는 홍채 패턴 처리를 위한 특징 추출과 인식 방법
|
8 |
8
제 6 항 또는 제 7 항에 있어서, 상기 제 3 단계는, 입력된 각 클래스의 첫번째 학습 데이터를 해당 클래스의 최초 가중치 벡터로 설정하는 제 10 단계; 임의의 클래스로부터 얻어진 학습 데이터와 상기 학습된 각 클래스의 가중치 벡터와의 유사도를 구하는 제 11 단계; 상기 구한 유사도를 이용해 각 차원 별로 가장 큰 유사도를 가진 차원이 소속된 클래스를 해당 차원의 승자로 결정하는 제 12 단계; 및 상기 각 차원 별로 승자가 결정되면 가장 많이 승자로 선택된 클래스를 최종 승자로 선택하는 제 13 단계 를 포함하는 홍채 패턴 처리를 위한 특징 추출과 인식 방법
|
9 |
9
홍채 패턴 처리를 위한 특징 추출 장치에 적용되는 특징 추출 방법에 있어서, 홍채 영상 신호를 입력받는 제 1 단계; 상기 입력받은 홍채 영상 신호를 하(Haar) 웨이브렛 변환하여 다중으로 분할하는 제 2 단계; 상기 다중 분할의 결과로서 얻어지는 분할된 영상 중에서 소정 차원의 각 축에 대해 고주파 성분을 포함하는 영역을 추출하는 제 3 단계; 상기 추출된 고주파 성분을 포함하는 영역을 이용하여 벡터를 구성하는 제 4 단계; 상기 구성된 벡터의 값들을 이진값으로 양자화하는 제 5 단계; 및 상기 양자화된 값들로 특징벡터를 구성하는 제 6 단계 를 포함하는 홍채 패턴 처리를 위한 특징 추출 방법
|
10 |
10
제 9 항에 있어서, 상기 제 3 단계는, 상기 추출된 고주파 성분을 포함하는 영역의 특징값에 의해 계산된 판별율이 일정한 임계치를 초과할 경우 상기 영역의 정보를 저장하고, 판별율이 임계치 이하일 경우 상기 제 4 단계를 수행하는 제 7 단계; 및 상기 다중 분할의 결과로서 얻어지는 분할된 영상 중에서 소정 차원의 각 축에 대해 저주파 성분인 영역을 추출하여 다시 상기 제 1 단계의 입력으로 제공하되, 반복횟수가 지정된 횟수 이상이면 상기 제 4 단계를 수행하는 제 8 단계 를 포함하는 홍채 패턴 처리를 위한 특징 추출 방법
|
11 |
11
제 9 항 또는 제 10 항에 있어서, 상기 제 4 단계는, 상기 제 3 단계에서 추출된 각 영역 중에서 가장 마지막으로 얻어진 영역을 제외한 나머지 영역에 대해 평균값을 구하여 벡터의 요소로 할당하는 제 9 단계; 및 상기 제외된 가장 마지막으로 얻어진 영역에 대해 영역의 모든 값을 벡터의 요소로 할당하는 제 10 단계 를 포함하는 홍채 패턴 처리를 위한 특징 추출 방법
|
12 |
12
홍채 패턴 처리를 위한 홍채 인식 장치에 적용되는 홍채 패턴 인식 방법에 있어서, 입력된 각 클래스의 첫번째 학습 데이터를 해당 클래스의 최초 가중치 벡터로 설정하는 제 1 단계; 임의의 클래스로부터 얻어진 학습 데이터와 상기 학습된 각 클래스의 가중치 벡터와의 유사도를 구하는 제 2 단계; 상기 구한 유사도를 이용해 각 차원 별로 가장 큰 유사도를 가진 차원이 소속된 클래스를 해당 차원의 승자로 결정하는 제 3 단계; 및 상기 각 차원 별로 승자가 결정되면 가장 많이 승자로 선택된 클래스를 최종 승자로 선택하는 제 4 단계 를 포함하는 홍채 패턴 처리를 위한 홍채 패턴 인식 방법
|
13 |
13
홍채 패턴 처리를 위하여, 프로세서를 구비한 특징 추출 및 인식 장치에, 홍채 영상신호를 입력받는 제 1 기능; 상기 입력받은 홍채 영상 신호를 웨이브렛 변환하여 다중분할하고, 특징벡터 정보를 양자화하여 특징벡터를 추출하는 제 2 기능; 상기 추출된 특징벡터를 입력받아 가중치 초기화 및 승자 선택 방식을 적용한 개선된 LVQ를 통해 인식을 수행하는 제 3 기능; 및 상기 인식된 결과를 바탕으로 신원을 확인하는 제 4 기능 을 실현시키기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체
|
14 |
14
홍채 패턴 처리를 위하여, 프로세서를 구비한 특징 추출 장치에, 홍채 영상 신호를 입력받는 제 1 기능; 상기 입력받은 홍채 영상 신호를 하(Haar) 웨이브렛 변환하여 다중으로 분할하는 제 2 기능; 상기 다중 분할의 결과로서 얻어지는 분할된 영상 중에서 소정 차원의 각 축에 대해 고주파 성분을 포함하는 영역을 추출하는 제 3 기능; 상기 추출된 고주파 성분을 포함하는 영역을 이용하여 벡터를 구성하는 제 4 기능; 상기 구성된 벡터의 값들을 이진값으로 양자화하는 제 5 기능; 및 상기 양자화된 값들로 특징벡터를 구성하는 제 6 기능 을 수행하기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체
|
15 |
15
홍채 패턴 처리를 위하여, 프로세서를 구비한 홍채 인식 장치에, 입력된 각 클래스의 첫번째 학습 데이터를 해당 클래스의 최초 가중치 벡터로 설정하는 제 1 기능; 임의의 클래스로부터 얻어진 학습 데이터와 상기 학습된 각 클래스의 가중치 벡터와의 유사도를 구하는 제 2 기능; 상기 구한 유사도를 이용해 각 차원 별로 가장 큰 유사도를 가진 차원이 소속된 클래스를 해당 차원의 승자로 결정하는 제 3 기능; 및 상기 각 차원 별로 승자가 결정되면 가장 많이 승자로 선택된 클래스를 최종 승자로 선택하는 제 4 기능 을 실현시키기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체
|