| 1 |
1
웨어러블 장치에 의해 수행되는 사용자 인증 방법으로서,하나 이상의 진동 유형으로 구성되는, 챌린지 진동을 발생시키는 단계;상기 하나 이상의 진동 유형이 상기 사용자의 신체를 거쳐 변환된 하나 이상의 응답 신호로 구성되는, 진동 응답 신호를 측정하는 단계;상기 하나 이상의 응답 신호 각각에서, 최대 피크(peak)에 관한 제 1 특징 및 상기 최대 피크 간 차이에 관한 제 2 특징을 포함하는 특징 정보를 추출하는 단계; 및상기 특징 정보를 사전 생성된 검증 모델에 입력하여, 상기 하나 이상의 응답 신호 각각이 상기 사용자에 대응되는지 여부를 판단하는 단계;를 포함하고,상기 검증 모델은,상기 사용자 및 상기 웨어러블 장치에 사전 입력된 디폴트 사용자들을 클래스로 하여 생성되고, 입력된 상기 특징 정보에 대응되는 상기 하나 이상의 응답 신호 각각에 대하여, 상기 클래스로의 분류에 관한 확률 벡터를 출력하는, 다중 클래스 모델; 및상기 확률 벡터를 입력 받고, 상기 확률 벡터가 상기 사용자에 대응하는 상기 클래스로 분류되는지 여부에 따라, 상기 확률 벡터를 유효 또는 무효로 라벨링 하는, 이진 모델;을 포함하는,사용자 인증 방법
|
| 2 |
2
제 1항에 있어서,상기 챌린지 진동을 구성하는 상기 하나 이상의 진동 유형은,상기 웨어러블 장치에 사전 저장된 진동 유형들 중에서 중복을 허용하여 무작위로 선택되는,사용자 인증 방법
|
| 3 |
3
제 1항에 있어서,상기 진동 응답 신호를 측정하는 단계는,50Hz 이상 150Hz 이하의 주파수로 샘플링 된 상기 진동 응답 신호를 측정하는,사용자 인증 방법
|
| 4 |
4
제 1항에 있어서,상기 진동 응답 신호를 측정하는 단계는,상기 웨어러블 장치에 사전 내장된 자이로스코프 또는 가속도 센서 중 적어도 하나를 이용하여 상기 진동 응답 신호를 측정하는,사용자 인증 방법
|
| 5 |
5
제 1항에 있어서,상기 제 1 특징은,측정된 상기 하나 이상의 응답 신호 각각에서, 사전 설정된 개수만큼의 최대 피크들에 대한 피크 인덱스(peak index) 및 피크 높이(peak height) 쌍 값이고,상기 제 2 특징은,인접한 두 개의 최대 피크들 간의, 피크 인덱스 및 피크 높이 쌍 값의 차이 값인,사용자 인증 방법
|
| 6 |
6
제 1항에 있어서,상기 특징 정보는,적분 절대값(Integral Absolute Value; IAV), 평균 절대값(Mean Absolute Value; MAV), 분산(Variance; Var), 실효값(Root Mean Square; RMS), 표준편차(Standard deviation; Std), 중앙값 절대편차(Median Absolute Deviation; MAD), 신호 크기 영역(Signal Magnitude Area; SMA), 편포도(Skewness), 첨도(Kurtosis), 사분범위(Interquartile range; IQR), 에너지 및 엔트로피를 더 포함하는,사용자 인증 방법
|
| 7 |
7
제 1항에 있어서,상기 특징 정보를 추출하는 단계는:상기 하나 이상의 응답 신호 각각에서 노이즈를 필터링 하는 단계;필터링 된 상기 하나 이상의 응답 신호 각각을 변환하는 단계; 및변환된 상기 하나 이상의 응답 신호 각각에서 상기 특징 정보를 추출하는 단계;를 포함하고,상기 변환은,고속푸리에변환(Fast Fourier Transform; FFT), 이산여현변환(Discrete Cosine Transform; DCT), 이산웨이브렛변환(Discrete Wavelet Transform; DWT), 스펙트럼 밀도(Power Spectral Density; PSD), 및 자기 상관(Auto Correlation) 중 적어도 하나를 이용하는,사용자 인증 방법
|
| 8 |
8
제 2항에 있어서,상기 사용자로부터 진동 등록을 입력 받는 단계; 및상기 진동 등록을 기초로, 상기 사전 저장된 진동 유형들 각각에 대응하는 검증 모델들을 생성하는 단계;를 더 포함하고,상기 진동 등록은,상기 사전 저장된 진동 유형들 각각이 상기 사용자의 신체를 거쳐 변환된 학습 응답 신호들을 측정하는 것을 포함하는,사용자 인증 방법
|
| 9 |
9
삭제
|
| 10 |
10
제 1항에 있어서,상기 하나 이상의 응답 신호 각각이 상기 사용자에 대응되는지 여부를 판단하는 단계는,상기 확률 벡터가 유효로 판단되는 경우, 상기 확률 벡터에 대응되는 상기 하나 이상의 응답 신호가 상기 사용자에 대응되는 것으로 판단하고, 또는 상기 확률 벡터가 무효로 판단되는 경우, 상기 확률 벡터에 대응되는 상기 하나 이상의 응답 신호가 상기 사용자에 대응되지 않는 것으로 판단하는,사용자 인증 방법
|
| 11 |
11
제 1항에 있어서,상기 하나 이상의 응답 신호 전부가 상기 사용자에 대응되는 것으로 판단되는 경우, 상기 사용자 인증이 성공한 것으로 결정하는 단계; 및상기 하나 이상의 응답 신호 중 적어도 일부가 상기 사용자에 대응되지 않는 것으로 판단되는 경우, 상기 사용자 인증이 실패한 것으로 결정하는 단계;를 더 포함하는, 사용자 인증 방법
|
| 12 |
12
웨어러블 장치로서,하나 이상의 코어를 포함하는 프로세서;메모리;센싱부; 및진동부;를 포함하고,상기 프로세서는, 하나 이상의 진동 유형으로 구성되는, 챌린지 진동을 발생시키도록 상기 진동부를 제어하고,상기 센싱부를 통해, 상기 하나 이상의 진동 유형이 사용자의 신체를 거쳐 변환된 하나 이상의 응답 신호로 구성되는 진동 응답 신호를 측정하고,상기 하나 이상의 응답 신호 각각에서, 최대 피크(peak)에 관한 제 1 특징 및 상기 최대 피크 간 차이에 관한 제 2 특징을 포함하는 특징 정보를 추출하고, 그리고상기 특징 정보를 상기 메모리에 저장된 검증 모델에 입력하여, 상기 하나 이상의 응답 신호 각각이 상기 사용자에 대응되는지 여부를 판단하고,상기 검증 모델은,상기 사용자 및 상기 웨어러블 장치에 사전 입력된 디폴트 사용자들을 클래스로 하여 생성되고, 입력된 상기 특징 정보에 대응되는 상기 하나 이상의 응답 신호 각각에 대하여, 상기 클래스로의 분류에 관한 확률 벡터를 출력하는, 다중 클래스 모델; 및상기 확률 벡터를 입력 받고, 상기 확률 벡터가 상기 사용자에 대응하는 상기 클래스로 분류되는지 여부에 따라, 상기 확률 벡터를 유효 또는 무효로 라벨링 하는, 이진 모델;을 포함하는,웨어러블 장치
|
| 13 |
13
컴퓨터 판독가능 저장 매체에 저장된 컴퓨터 프로그램으로, 상기 컴퓨터 프로그램은 웨어러블 장치의 하나 이상의 프로세서에서 실행되는 경우 사용자 인증을 위한 방법을 제공하며, 상기 방법은, 하나 이상의 진동 유형으로 구성되는, 챌린지 진동을 발생시키는 단계;상기 하나 이상의 진동 유형이 상기 사용자의 신체를 거쳐 변환된 하나 이상의 응답 신호로 구성되는, 진동 응답 신호를 측정하는 단계;상기 하나 이상의 응답 신호 각각에서, 최대 피크(peak)에 관한 제 1 특징 및 상기 최대 피크 간 차이에 관한 제 2 특징을 포함하는 특징 정보를 추출하는 단계; 및상기 특징 정보를 사전 생성된 검증 모델에 입력하여, 상기 하나 이상의 응답 신호 각각이 상기 사용자에 대응되는지 여부를 판단하는 단계;를 포함하고,상기 검증 모델은,상기 사용자 및 상기 웨어러블 장치에 사전 입력된 디폴트 사용자들을 클래스로 하여 생성되고, 입력된 상기 특징 정보에 대응되는 상기 하나 이상의 응답 신호 각각에 대하여, 상기 클래스로의 분류에 관한 확률 벡터를 출력하는, 다중 클래스 모델; 및상기 확률 벡터를 입력 받고, 상기 확률 벡터가 상기 사용자에 대응하는 상기 클래스로 분류되는지 여부에 따라, 상기 확률 벡터를 유효 또는 무효로 라벨링 하는, 이진 모델;을 포함하는,컴퓨터 판독가능 저장 매체에 저장된 컴퓨터 프로그램
|
