| 1 |
1
삭제
|
| 2 |
2
삭제
|
| 3 |
3
홍채 인식 장치에 있어서, 상기 홍채 인식 장치는,영상 촬영 장치를 통해 촬영된 눈 영상이 입력되는 눈 영상 입력부;입력된 눈 영상에서 동공 및 홍채 위치를 검출하고, 상기 동공 및 홍채 위치를 기반으로 홍채 영상 및 눈 주변 영상을 하나 이상 생성하여, 생성한 홍채 영상과 눈 주변 영상의 크기를 정규화하는 눈 영상 전처리부; 및정규화된 홍채 영상 및 눈 주변 영상에 딥러닝 기반의 나선 신경망 모델(Convolutional Neural Network)을 적용하여 홍채 인식을 수행하는 홍채 인식부를 포함하며,상기 눈 영상 전처리부는하나 이상의 홍채 영상 및 눈 주변 영상을 극좌표계 변환에 의해 미리 설정된 크기의 비정방형 영상으로 정규화하는 것을 특징으로 하고,상기 홍채 인식부는미리 설정한 스케일의 홍채 영상 및 눈 주변 영상에 나선 신경망 모델을 적용하여 홍채 특징 벡터 및 눈 주변 특징 벡터를 추출하는 나선 신경망 모델링부;상기 홍채 특징 벡터 및 눈 주변 특징 벡터를 결합하여 최종 특징 벡터를 추출하는 스코어 레벨 결합부; 및최종 특징 벡터와 기 등록된 특징 벡터 간의 유클리드 거리(Euclidean distance)를 산출하여 홍채 인식을 수행하는 유사도 판단부를 포함하는 것을 특징으로 하는 홍채 인식 장치
|
| 4 |
4
제3항에 있어서,나선 신경망 기반 나선 신경망 모델링부는미리 설정한 스케일의 홍채 영상 및 눈 주변 영상을 입력하는 영상 입력 레이어;입력한 홍채 영상 및 눈 주변 영상에 나선 신경망 모델을 적용하여 특징을 추출하는 특징 추출 레이어; 및상기 추출한 특징에 의해 홍채를 N(N은 자연수)개의 그룹 중 하나로 분류하는 분류 레이어를 포함하는 홍채 인식 장치
|
| 5 |
5
제4항에 있어서,상기 특징 추출 레이어는8개의 콘벌루션 레이어 집합 및 3개의 완전 연결 레이어 집합을 포함하는 홍채 인식 장치
|
| 6 |
6
제5항에 있어서,상기 8개의 콘벌루션 레이어 집합은8×256×3 픽셀의 이미지가 입력되며, 1×13×1 크기의 64개의 필터를 이용하여 콘벌루션화하는 제1 콘벌루션 레이어;상기 제1 콘벌루션 레이어에서 출력한 8×244×64 픽셀을 1×13×1 크기의 64개의 필터를 이용하여 콘벌루션화하는 제2 콘벌루션 레이어;1×2 크기의 필터를 적용하여 8×116×64 픽셀을 출력하는 제1 맥스 풀링 레이어;상기 8×116×64 픽셀을 1×13×1 크기의 128개의 필터를 이용하여 콘벌루션화하는 제3 콘벌루션 레이어; 상기 제3 콘벌루션 레이어에서 출력한 크기 8×104×128 픽셀을 1×13×1 크기의 128개의 필터를 이용하여 콘벌루션화하는 제4 콘벌루션 레이어; 1×2 크기의 필터를 적용하여 8×46×128 픽셀을 출력하는 제2 맥스 풀링 레이어;상기 8×46×128 픽셀을 1×11×1 크기의 256개의 필터를 이용하여 콘벌루션화하는 제5 콘벌루션 레이어;상기 제5 콘벌루션 레이어에서 출력한 크기 8×36×256 픽셀을 1×11×1 크기의 256개의 필터를 이용하여 콘벌루션화하는 제6 콘벌루션 레이어; 1×2 크기의 필터를 적용하여 8×13×256 픽셀을 출력하는 제3 맥스 풀링 레이어;상기 8×13×256 픽셀을 크기 3×3×1 크기의 512개의 필터를 이용하여 콘벌루션화하는 제7 콘벌루션 레이어;상기 제7 콘벌루션 레이어에서 출력한 크기 6×11×512 픽셀을 3×3×1 크기의 512개의 필터를 이용하여 콘벌루션화하는 제8 콘벌루션 레이어; 및1×2 크기의 필터를 적용하여 4×5×512 픽셀을 출력하는 제4 맥스 풀링 레이어;를 포함하는 홍채 인식 장치
|
| 7 |
7
제5항에 있어서,상기 특징 추출 레이어는각각의 콘벌루션 레이어 및 완전 연결 레이어에 일괄 정규화(Batch Normalization) 레이어 또는 교정 선형 유닛(Rectified Linear Unit)를 더 포함하는 홍채 인식 장치
|
| 8 |
8
제5항에 있어서,상기 3개의 완전 연결 레이어 집합은512 및 4096 노드들을 각각 입력 및 출력으로 하는 제1 완전 연결 레이어;4096 및 4096노드들을 각각 입력 및 출력으로 하는 제2 완전 연결 레이어; 및4096 및 N(N은 자연수)개의 노드들을 각각 입력 및 출력으로 하는 제3 완전 연결 레이어를 포함하는 홍채 인식 장치
|
| 9 |
9
삭제
|
| 10 |
10
홍채 인식 방법에 있어서, 상기 홍채 인식 방법은,영상 촬영 장치를 통해 촬영된 눈 영상이 입력되는 단계;입력된 눈 영상에서 동공 및 홍채 위치를 검출하고, 검출된 동공 및 홍채 위치를 기반으로 홍채 영상과 눈 주변 영상을 생성하여, 상기 홍채 영상과 눈 주변 영상의 크기를 정규화하는 전처리 단계; 및정규화된 홍채 영상과 눈 주변 영상에 대해 나선 신경망 기반 학습을 수행하고, 학습된 나선 신경망 모델을 기반으로 홍채 인식을 수행하는 단계를 포함하며,상기 정규화된 홍채 영상과 눈 주변 영상에 대해 나선 신경망 기반 학습을 수행하고, 학습된 나선 신경망을 기반으로 홍채 인식을 수행하는 단계는, 데이터 세트에 포함된 홍채 영상 및 눈 주변 영상을 N(N은 자연수)개의 클래스로 분류하는 단계;상기 데이터 세트에 포함된 홍채 영상 및 눈 주변 영상의 크기를 극좌표계 변환에 의해 미리 설정된 크기로 변형하는 단계;변형한 눈 영상을 이용하여 나선 신경망 모델을 학습시키는 단계; 및상기 학습된 나선 신경망 모델을 이용하여 홍채 인식을 수행하는 단계를 포함하는 것을 특징으로 하는 홍채 인식 방법
|
| 11 |
11
홍채 인식 방법에 있어서, 상기 홍채 인식 방법은,영상 촬영 장치를 통해 촬영된 눈 영상이 입력되는 단계;입력된 눈 영상에서 동공 및 홍채 위치를 검출하고, 검출된 동공 및 홍채 위치를 기반으로 홍채 영상과 눈 주변 영상을 생성하여, 상기 홍채 영상과 눈 주변 영상의 크기를 정규화하는 전처리 단계; 및정규화된 홍채 영상과 눈 주변 영상에 대해 나선 신경망 기반 학습을 수행하고, 학습된 나선 신경망 모델을 기반으로 홍채 인식을 수행하는 단계를 포함하며,상기 홍채 인식을 수행하는 단계는,상기 학습된 나선 신경망을 기반으로 홍채 특징 벡터 및 눈 주변 특징 벡터를 추출하는 단계;상기 홍채 특징 벡터와 상기 눈 주변 특징 벡터를 스코어 레벨 결합을 통해 최종 특징 벡터를 생성하는 단계; 및상기 최종 특징 벡터와 기 등록된 특징 벡터 간의 유클리드 거리(Euclidean distance)를 산출하여 유사도 판단하는 단계를 더 포함하는 것을 특징으로 하는 홍채 인식 방법
|
| 12 |
12
제10항 또는 제11항의 홍채 인식 방법을 실행하고 컴퓨터가 판독 가능한 기록매체에 기록된 컴퓨터 프로그램
|
