DOI QR코드

DOI QR Code

Automatic Recognition of Bank Security Card Using Smart Phone

스마트폰을 이용한 은행 보안카드 자동 인식

  • Received : 2016.10.11
  • Accepted : 2016.11.14
  • Published : 2016.12.28

Abstract

Among the various services for mobile banking, user authentication method using bank security card is still very useful. We can use mobile banking easily and safely in case of saving encoded security codes in smart phone and entering codes automatically whenever user authentication is required without bank security card. In this paper automatic recognition algorithm of security codes of bank security card is proposed in oder to enroll the encoded security codes into smart phone using smart phone camera. Advanced adaptive binarization is used for extracting digit segments from various background image pattern and adaptive 2-dimensional layout analysis method is developed for segmentation and recognition of damaged or touched digits. Experimental results of proposed algorithm using Android and iPhone, show excellent security code recognition results.

모바일 뱅킹을 위해 제공되는 다양한 서비스들 중에 은행 보안카드를 이용한 사용자 인증 방식이 여전히 많이 활용되고 있다. 보안카드의 보안코드를 스마트폰에 암호화하여 저장해 두고 모바일 뱅킹을 위해 사용자 인증이 필요할 때 자동 입력되도록 한다면 보안카드를 소지하지 않고서도 모바일뱅킹을 안전하고 편리하게 사용할 수 있다. 본 논문에서는 스마트폰 카메라를 이용하여 보안카드의 보안코드를 자동으로 인식하고 스마트폰에 등록할 수 있는 보안카드 자동 인식 알고리즘을 제안하였다. 다양한 무늬의 배경이 디자인된 보안카드에서 숫자들만 정확하게 추출하기 위해 개선된 적응적 이진화 방법을 사용하였고 훼손되거나 붙은 숫자들까지 분할 인식하기 위해 적응적 2차원 레이아웃 해석 기법도 제안하였다. 제안한 알고리즘을 안드로이드 및 아이폰에 구현하고 실험해본 결과 매우 우수한 인식 결과를 얻을 수 있었다.

Keywords

References

  1. 서화정, 김호원, "금융보안을 위한 물리적 보안 카드의 설계 및 구현," 한국정보통신학회논문지, Vol.19, No.4, pp.855-863, 2015. https://doi.org/10.6109/jkiice.2015.19.4.855
  2. 김계경, 김재홍, 이재연, "조명 영향 및 회전에 강인한 물체 인식," 한국콘텐츠학회논문지, Vol.12, No.11, 2011.
  3. N. Nikolaos and V. Dimitrios, "A Binarization Algorithm for Historical Manuscripts," 12th WSEAS International Conf. on Communication, Heraklion, Greece, pp.41-51, 2008.
  4. D. Bradley and G. Roth, "Adaptive Thresholding Using the Integral Image," Journal of graphics, gpu, and game tools, Vol.12, No.2 pp.13-21, 2007. https://doi.org/10.1080/2151237X.2007.10129236
  5. G. Panchal, A. Ganatra, P. Shan, and D. Panchal, "Determination of Over-learning and Over-fitting Problem in Backpropagation Neural Network," International Journal of Soft Computing, Vol.2, No.2, pp.40-51, 2011. https://doi.org/10.5121/ijsc.2011.2204
  6. J. Kim, K. Kim, and C. Suen, "An HMM-MLP Hybrid Model for Cursive Script Recognition," International Jpurnal of Pattern Analysis and Application, Vol.3, pp.314-324, 2000. https://doi.org/10.1007/s100440070003
  7. P. Singh, R. Sarkar, and M. Nasipuri, "A Study of Moment Based Features on Handwritten Digit Recognition," Applied Computational Journal, Vol.2016, pp.1-17, 2016
  8. https://seed.kisa.or.kr