맞춤기술찾기

홈으로 가기
맞춤기술찾기
이전대상기술
프린트하기

이전대상기술

홍채 패턴 처리를 위한 특징 추출과 인식 장치 및 그 방법

  • 기술번호 : KST2015077719
  • 담당센터 : 대전기술혁신센터
  • 전화번호 : 042-610-2279
상담신청 PDF 받기
요약, Int. CL, CPC, 출원번호/일자, 출원인, 등록번호/일자, 공개번호/일자, 공고번호/일자, 국제출원번호/일자, 국제공개번호/일자, 우선권정보, 법적상태, 심사진행상태, 심판사항, 구분, 원출원번호/일자, 관련 출원번호, 기술이전 희망, 심사청구여부/일자, 심사청구항수의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 서지정보 표입니다.
요약 본 발명은 홍채 패턴 처리를 위한 특징 추출과 인식 장치 및 그 방법에 관한 것으로 웨이브렛 변환의 다중분할을 이용하여 홍채 영상으로부터 효과적으로 그 특징을 추출하고 가중치 초기화 및 승자 선택 방식을 적용한 개선된 학습 벡터 양자화(LVQ : Learning Vector Quantization)를 사용하는 진보된 특징 추출과 인식 장치 및 그 방법과 상기 방법들을 실현시키기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체를 제공하기 위하여, 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 LVQ를 통해 인식을 수행하기 위한 LVQ 인식수단; 및 상기 인식된 결과를 바탕으로 신원을 확인하기 위한 신원확인수단을 포함하며, 생체인식 기술 분야 등에 이용됨.생체인식, 패턴인식, 홍채 패턴, 웨이브렛 변환, 학습 벡터 양자화(LVQ)
Int. CL G06K 9/46 (2006.01)
CPC G06K 9/00617(2013.01) G06K 9/00617(2013.01) G06K 9/00617(2013.01) G06K 9/00617(2013.01)
출원번호/일자 1020000062398 (2000.10.23)
출원인 한국전자통신연구원
등록번호/일자
공개번호/일자 10-2002-0031724 (2002.05.03) 문서열기
공고번호/일자
국제출원번호/일자
국제공개번호/일자
우선권정보
법적상태 거절
심사진행상태 수리
심판사항
구분
원출원번호/일자
관련 출원번호
심사청구여부/일자 Y (2000.10.23)
심사청구항수 15

출원인

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 출원인 표입니다.
번호 이름 국적 주소
1 한국전자통신연구원 대한민국 대전광역시 유성구

발명자

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 발명자 표입니다.
번호 이름 국적 주소
1 임신영 대한민국 대전광역시 유성구
2 이관용 대한민국 서울특별시 서대문구
3 조성원 대한민국 서울특별시 서초구

대리인

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 대리인 표입니다.
번호 이름 국적 주소
1 신성특허법인(유한) 대한민국 서울특별시 송파구 중대로 ***, ID타워 ***호 (가락동)

최종권리자

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 최종권리자 표입니다.
번호 이름 국적 주소
최종권리자 정보가 없습니다
번호, 서류명, 접수/발송일자, 처리상태, 접수/발송일자의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 행정처리 표입니다.
번호 서류명 접수/발송일자 처리상태 접수/발송번호
1 특허출원서
Patent Application		 2000.10.23 수리 (Accepted) 1-1-2000-0222376-84
2 출원인정보변경(경정)신고서
Notification of change of applicant's information		 2001.04.19 수리 (Accepted) 4-1-2001-0046046-20
3 선행기술조사의뢰서
Request for Prior Art Search		 2002.05.09 수리 (Accepted) 9-1-9999-9999999-89
4 선행기술조사보고서
Report of Prior Art Search		 2002.06.11 수리 (Accepted) 9-1-2002-0007198-43
5 출원인정보변경(경정)신고서
Notification of change of applicant's information		 2002.08.08 수리 (Accepted) 4-1-2002-0065009-76
6 의견제출통지서
Notification of reason for refusal		 2002.12.17 발송처리완료 (Completion of Transmission) 9-5-2002-0445802-78
7 의견서
Written Opinion		 2003.02.14 수리 (Accepted) 1-1-2003-5029074-15
8 서지사항 보정서
Amendment to Bibliographic items		 2003.02.14 수리 (Accepted) 1-1-2003-0051443-93
9 의견제출통지서
Notification of reason for refusal		 2003.08.27 발송처리완료 (Completion of Transmission) 9-5-2003-0327821-35
10 의견서
Written Opinion		 2003.10.24 수리 (Accepted) 1-1-2003-0397998-24
11 서지사항 보정서
Amendment to Bibliographic items		 2003.10.24 수리 (Accepted) 1-1-2003-0397993-07
12 의견제출통지서
Notification of reason for refusal		 2004.03.30 발송처리완료 (Completion of Transmission) 9-5-2004-0122932-32
13 거절결정서
Decision to Refuse a Patent		 2004.06.05 발송처리완료 (Completion of Transmission) 9-5-2004-0225799-93
14 출원인정보변경(경정)신고서
Notification of change of applicant's information		 2009.08.04 수리 (Accepted) 4-1-2009-5150899-36
15 출원인정보변경(경정)신고서
Notification of change of applicant's information		 2015.02.02 수리 (Accepted) 4-1-2015-0006137-44
번호, 청구항의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 청구항 표입니다.
번호 청구항
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

지정국 정보가 없습니다
패밀리정보가 없습니다
국가 R&D 정보가 없습니다.