• Proceedings of the Korean Institute of Information and Commucation Sciences Conference
• /
• v.9 no.1
• /
• pp.824-827
• /
• 2005

The need to be able to identify other individual human beings is fundamental to the security and has been true since the beginning of human history. Physical or behavioral characteristics (finger-scan, face-scan, voice, palm, iris, retina, signature, human DNA, keystroke, vain, gait etc.) of a person are used to authenticate the person. The biometric technologies allow for a greater reliability of authentication as compared with password systems for physical access, network security, e-commerce, and so on. In this paper, we describe various technologies, market analysis, multi-modal system, standardization, privacy issue and future prospect of biometrics.

• Proceedings of the Korea Multimedia Society Conference
• /
• 2003.05b
• /
• pp.450-453
• /
• 2003

본 논문에서는 멀티모달 생체인식 시나리오 중에서, 단일 생체 특징에 적용되는 다중 획득 및 매칭이 시스템 성능에 기여하는 효과에 대하여 논의한다. 얼굴이라는 단일 생체 검중 시스템에 본 논문에서 제안한 간단한 다중 획득 및 매칭 결합 방법론들을 적용하였고, 실제적인 평가모델과 데이터베이스를 구축하여 이를 실험하고 결과를 분석하였다 실험결과, 단일 획득 및 매칭 시스템보다 25％ 가량 향상된 우수한 성능을 나타냈으며, 이는 얼굴 검증 시스템 구축에 있어 반드시 고려되어야 할 사항 중에 하나임을 보여준다.

• Proceedings of the KAIS Fall Conference
• /
• 2008.11a
• /
• pp.240-242
• /
• 2008

본 논문은 치아의 전치 교합과 후치 교합 상태에서 획득된 영상들에 대해 BMME와 LDA에 기반한 개인 인증 방법을 제안한다. 이 방법은 두 치아 교합 상태의 영상들로부터 치아 영역 추출, BMME, 패턴인식 과정으로 구성된다. 두 상태의 치아 교합을 사용하면 영상에서 일정한 치아 모양이 유지되며, BMME는 패턴인식에서 정합 오차를 줄일 수 있도록 해 준다. 강체인 치아는 영상 획득시 왜곡되지 않으므로 치아 영상을 이용하는 방법은 생체 인식에 장점으로 작용한다. 실험에서, 제안한 방법은 20명에 대해 개인 인증을 위한 인식에 성공하여 다중 인증 시스템에 사용될 수 있음을 보였다.

• Journal of the Korea Institute of Information and Communication Engineering
• /
• v.6 no.2
• /
• pp.346-355
• /
• 2002

This study will offer multimodal recognition instead of an existing monomodal bioinfomatics by using face, lips, to improve the accuracy of recognition. Each bioinfomatics vector can be found by the following ways. For a face, the feature is calculated by principal component analysis with wavelet multiresolution. For a lip, a filter is used to find out an equation to calculate the edges of the lips first. Then by using a thinning image and least square method, an equation factor can be drawn. A voice recognition is found with MFCC by using mel frequency. We＇ve sorted backpropagation neural network and experimented with the inputs used above. Based on the experimental results we discuss the advantage and efficiency.

• Science of Emotion and Sensibility
• /
• v.21 no.1
• /
• pp.177-186
• /
• 2018

The mechanism of emotion is complex and influenced by a variety of factors, so that it is crucial to analyze emotion in broad and diversified perspectives. In this study, we classified neutral and negative emotions(sadness, fear, surprise) using arousal evaluation, which is one of the psychological evaluation scales, as well as physiological signals. We have not only revealed the difference between physiological signals coupled to the emotions, but also assessed how accurate these emotions can be classified by our emotional recognizer based on neural network algorithm. A total of 146 participants(mean age $20.1{\pm}4.0$, male 41%) were emotionally stimulated while their physiological signals of the electrocardiogram, blood flow, and dermal activity were recorded. In addition, the participants evaluated their psychological states on the emotional rating scale in response to the emotional stimuli. Heart rate(HR), standard deviation(SDNN), blood flow(BVP), pulse wave transmission time(PTT), skin conduction level(SCL) and skin conduction response(SCR) were calculated before and after the emotional stimulation. As a result, the difference between physiological responses was verified corresponding to the emotions, and the highest emotion classification performance of 86.9% was obtained using the combined analysis of arousal and physiological features. This study suggests that negative emotion can be categorized by psychological and physiological evaluation along with the application of machine learning algorithm, which can contribute to the science and technology of detecting human emotion.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2017.04a
• /
• pp.312-314
• /
• 2017

생체정보를 이용한 사용자 인증은 차세대 인증 방법으로서 기존의 인증 시스템에서 급진적으로 사용되고 있는 인증 방법이다. 현재 대부분의 생체인증 시스템은 단일 생체정보를 이용하고 있는데, 단일 생체인증 시스템은 노이즈로 인한 문제, 데이터의 질에 대한 문제, 인식률의 한계 등 많은 문제점들을 가지고 있다. 이를 해결하기 위한 방법으로 다중 생체정보를 이용하는 사용자 인증 방법이 있다. 다중 생체인증 시스템은 각각의 정보에 대한 information fusion을 적용하여 새로운 정보를 생성한 뒤, 그 정보를 기반으로 사용자를 인증한다. information fusion 방법들 중에서도 Rank-level fusion 방법은 표준화 작업이 필요하고 높은 계산 복잡도를 갖는 Score-level fusion방법의 대안으로 선택되고 있다. 따라서 본 논문에서는 기존 방법보다 정확도가 높게 향상된 Rank-level fusion 방법을 제안한다. 또한, 본 논문에서 제안하는 방법은 낮은 정확도를 갖는 matcher를 사용하더라도 정확도를 향상시킬 수 있음을 실험을 통해 보이고자 한다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2008.05a
• /
• pp.1057-1060
• /
• 2008

생체 암호 시스템에서 키로 사용하는 인간의 생체 특징은 외부 환경이나 인간적 요소를 포함하고 있기 때문에 항상 같은 개수, 같은 값의 데이터를 얻을 수 없는 불확실성을 가지고 있다. 퍼지볼트 체계 (Fuzzy vault scheme) [1]는 이러한 불확실성을 가지고 있는 데이터의 특성을 효과적으로 반영 할 뿐만 아니라, 등록된 생체 데이터의 보안을 보장해 주는 알고리즘으로서 얼굴, 지문이나 홍채와 같은 단일 생체 특징으로의 적용 방법이 소개되어 왔다 [2,4,5]. 본 논문에서는 퍼지볼트 시스템의 인식 성능을 높이기 위해 이러한 단일 생체 데이터의 불확실성을 보완할 수 있는 다중 생체 특징 (얼굴과 지문) 데이터를 퍼지볼트 체계에 적용하는 방법을 제안하고 실효성을 검증한다.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2021.07a
• /
• pp.351-354
• /
• 2021

본 연구에서는 기존 업체들이 활용하고 있는 반려동물 생체인식 기술 기반 통합 서비스 앱을 제안한다. 이 앱은 반려동물 미등록자의 미등록 사유를 바탕으로, 접근성 및 노출 빈도가 높은 스마트폰 앱으로, 등록 방식은 안면, 비문, 홍채, DNA 등록을 활용한다. 하나의 생체인식 방법을 사용하는 것이 아닌 다중 인식 방법을 제공하고, 각 인식 방법별 정확도의 비중을 달리하여 오차를 줄이고, 기존의 등록 방식 및 앱과의 차별화를 시도하고자 한다. 또한, CUPET 앱은 단순 등록에 그치지 않고, 실종 및 유기 동물 찾기, 예방접종 주기 및 반려동물 생애주기 정보 제공, 사용자들의 데이터 및 병원 연계를 통해 반려동물 유형별 병원 추천 등의 서비스를 제공하고자 한다. 본 연구에서 제안하는 CUPET 앱을 통하여, 등록 방식의 간략화로 반려동물 등록률 증가, 개인의 반려동물 인식 장치 소유 가능으로 실종 및 유기 동물에 대한 신속한 보호가 가능할 것으로 사료된다.

• Journal of the Korea Institute of Information and Communication Engineering
• /
• v.6 no.5
• /
• pp.777-782
• /
• 2002

This study will offer multimodal recognition instead of an existing monomodal bioinfomatics by using facial multi-feature to improve the accuracy of recognition and to consider the convenience of user . Each bioinfomatics vector can be found by the following ways. For a face, the feature is calculated by principal component analysis with wavelet multiresolution. For a lip, a filter is used to find out an equation to calculate the edges of the lips first. Then by using a thinning image and least square method, an equation factor can be drawn. A feature found out the facial parameter distance ratio. We've sorted backpropagation neural network and experimented with the inputs used above. Based on the experimental results we discuss the advantage and efficiency.

• Proceedings of the Korean Information Science Society Conference
• /
• 2005.07b
• /
• pp.760-762
• /
• 2005

Support vector machine(SVM)은 졸은 일반화 능력을 가진 학습시스템으로, 최근 다양한 패턴 인식 분야에서 적용되고 있다. SVM은 기본적으로 이진 분류기이므로 두 개 이상의 클래스를 분류하기 위해서는 다중 클래스 분류가 가능한 형태로의 설계 방법이 필요하다. 이를 위해 각 클래스별로 독립적인 SVM들을 만들어 결과를 병합하는 방식이 주로 사용되어 왔다. 그러나 이러한 방법은 클래스의 수는 않고 한 클래스 내의 데이터의 수가 많지 않은 경우에는 SVM의 일반화 성능을 저하시키고 노이즈에 민감해지는 문제점을 가지고 있다. 이를 해결하기 위해 본 논문에서는 각 클래스내의 데이터간의 유사도 측정을 위한 통계적 정보를 안정적으로 추출하기 위해 두 데이터의 쌍을 입력으로 받는 새로운 SVM 설계 방법을 제시한다. 제안한 방법을 실제 생체인식 데이터에 적용한 실험에서 기존의 방법보다 우수한 분류 성능을 보임을 확인할 수 있었다.