• 제어로봇시스템학회논문지
• /
• 제6권5호
• /
• pp.390-395
• /
• 2000

We present a fingerprint identification algorithm using the wavelet transform and correlation. The wavelet transform is used because of its simple operation to extract fingerprint minutiaes features for fingerprint classification. We perform the rowwise 1-D wavelet transform for a $256\times256$ fingerprint image to get a $1\times256$ column vector using the Haar wavelet and repeat 1-D wavelet transform for a 1$\times$256 column vector to get a $1\times4$ feature vector. Using PNN(Probabilistic Neural Network), we select the possible candidates from the stored feature vectors for fingerprint images. For those candidates, we compute the correlation between the input binary image and the target binary image to find the most similar fingerprint image. The proposed algorithm may be the key to a low cost fingerprint identification system that can be operated on a small computer because it does not need a large memory size and much computation.

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제34권5호
• /
• pp.455-464
• /
• 2007

지문인식 시스템의 성능을 평가하기 위해서는 대규모 지문 DB를 구축하는 것이 필요하다. 지문을 수집하는 것은 매우 고비용의 작업이기 때문에, 지문 평가용 DB의 구축은 많이 이루어지지 않았고 실제로 소수의 평가용 DB만이 공개되어 있다. 뿐만 아니라 이들 DB는 제한된 환경에서 수집되어 있어 실제 다양한 환경에 대한 지문인식 시스템의 성능을 정확히 평가하기가 어렵다. 본 논문에서는 유전자 알고리즘을 이용하여 소수의 학습 샘플로부터 실제 환경에서 발생하는 다양한 영향을 고려한 지문영상을 자동으로 생성하는 방법을 제안한다. 제안하는 방법을 이용하여 생성된 지문은 실제 환경에서 수집된 지문과 유사한 특성을 가지기 때문에, 실제로 다수의 지문 영상을 수집하지 않고도 대상 환경에서의 성능평가가 가능하다. 실제 지문과의 비교를 통하여 제안하는 방법의 유용성을 검증하였다.

• 문화기술의 융합
• /
• 제8권5호
• /
• pp.653-662
• /
• 2022

최근 이미지와 같은 다차원의 복잡한 패턴 인식에 많이 사용하는 CNN(Convolutional Neural Networks)을 적용한 지문분류 방법이 다양하게 연구되고 있다. CNN 기반 지문분류 방법은 일반적으로 특징추출과 분류 단계로 나누어진 두 단계의 과정을 하나로 통합하여 실행할 수 있다. 따라서 CNN 기반 방법은 지문 이미지의 특징을 자동으로 추출할 수 있으므로, 처리 과정을 단축시킬 수 있는 장점이 있다. 또한 불완전하거나 품질이 낮은 지문의 특징을 다양하게 학습할 수 있으므로, 예외 상황의 특징 추출에 대해 유연성이 있다. 본 논문에서는 CNN 기반 지문분류연구동향을 파악하고, 실험 방법 및 결과 분석을 통해 향후 연구방향에 대해 논의하고자 한다.

• Journal of the Optical Society of Korea
• /
• 제13권4호
• /
• pp.445-450
• /
• 2009

Fingerprint recognition using a joint transform correlator (JTC) is the most well-known technology among optical fingerprint recognition methods. The JTC method optically compares the reference fingerprint image with the sample fingerprint image then examines match or non-match by acquiring a correlation peak. In contrast to the JTC method, this paper presents a new method to examine fingerprint recognition by producing a computer generated hologram (CGH) of those two fingerprint images and directly comparing them. As a result, we present some parameters to show that fingerprint recognition capability of the CGH direct comparison method is superior to that of the JTC method.

• Journal of the Korean Society for Industrial and Applied Mathematics
• /
• 제24권4호
• /
• pp.363-374
• /
• 2020

Fingerprint authentication identifies a user based on the individual's unique fingerprint features. Fingerprint authentication methods are used in various real-life devices because they are convenient and safe and there is no risk of leakage, loss, or oblivion. However, fingerprint authentication methods are often ineffective when there is contamination of the given image through wet, dirty, dry, or wounded fingers. In this paper, a method is proposed to remove noise from fingerprint images using a convolutional neural network. The proposed model was verified using the dataset from the ChaLearn LAP Inpainting Competition Track 3-Fingerprint Denoising and Inpainting, ECCV 2018. It was demonstrated that the model proposed in this paper obtains better results with respect to the methods that achieved high performances in the competition.

• 한국멀티미디어학회:학술대회논문집
• /
• 한국멀티미디어학회 2012년도 춘계학술발표대회논문집
• /
• pp.43-45
• /
• 2012

This paper is based on embedding the biometrics techniques on GPU for better computational efficiency and fast matching process using the parallel nature of the GPU processors to compare thousands of images for fingerprint recognition in a fraction of a second. In this paper we worked on GPU (INVIDIA GeForce GTX 260 with compute capability 1.3 and dual core-2-dou processor) for fingerprint matching and found that the efficiency is better than the results with related work already done on CMOS, CPU, ARM9, MATLAB Neural Networks etc which shows the better performance of our system in terms of computational time. The features matching process proposed for fingerprint recognition and the verification procedure is done on 5,000 images which are available online in the databases FVC2000, 2002, 2004 [1].

• 정보보호학회논문지
• /
• 제16권4호
• /
• pp.105-118
• /
• 2006

본 논문의 목적은 다양한 지문 인식 센서의 특징을 정량적 객관적으로 평가하고, 지문 인식 센서간의 호환성을 확보하기 위한 센서간의 특성을 평가하는 방법을 제안하는 것이다. 본 논문에서는 지문 인식 알고리즘의 성능 평가가 아닌, 지문 입력센서로부터 획득한 지문 영상을 이용하여 지문 입력 센서의 특성을 평가한다. 본 논문은 지문의 DPI를 평가하는 실질해상도, 수직 해상도와 수평해상도의 왜곡 정도를 나타내는 왜곡율, 외부 광원에 의한 지문 영상의 명암 분포도와 같은 평가 측정 항목 및 방법을 제시한다. 다양한 지문 인식 센서간의 호환성을 위해 광학식 센서, 반도체식 센서, 스윕 타입 센서 등 9개의 센서를 대상으로 하고, 각 센서 당 50장의 취득 영상을 이용하여 평가 결과를 통계학적 방법인 95% 신뢰구간으로 표현하였다.

• 대한전자공학회:학술대회논문집
• /
• 대한전자공학회 2007년도 하계종합학술대회 논문집
• /
• pp.231-232
• /
• 2007

This paper introduce a new touchless fingerprint sensor. Two mirrors are used to capture the side fingerprint images which cannot detectable using a single camera. We also propose the techniques which can solve the image contrast, nonuniform illumination, DOF(Depth of Field) problems. This new sensor leads to bringing new challenges in the field of fingerprint recognition.

• 한국멀티미디어학회논문지
• /
• 제11권1호
• /
• pp.53-60
• /
• 2008

특징점 기반 지문 인증은 적은 양의 데이터만을 활용하여 소형화와 속도에서 유리하기 때문에 주로 이용되지만 잘못 추출된 특징점에 의해 지문 인증 오류가 발생된다. 현재 이 문제를 해결하기 위한 많은 방법들이 제안되었다. 하지만 지문입력시 발생하는 잡음등과 같은 외부적 요인과 여러 처리 단계에서 발생하는 내부적 요인 등으로 왜곡 현상을 피하기 어렵기 때문에 전처리 과정의 개선에 의한 오류 감소는 한계를 가지고 있다. 반면에 영상 기반 지문정합은 특징점을 이용하지 않고 영상을 직접 비교하여 특징점에 의한 오류가 발생하지 않는다. 그러나 영상 기반 지문정합은 영상보정이 어려운 단점을 가지고 있다. 본 논문에서는 특징점 기반 지문정합과 영상 기반 지문정합을 함께 수행하여 효과적으로 인증 성능을 향상시키는 방법을 제안한다. 본 논문에서 제안한 알고리즘을 실험한 결과 타인 인증 오류와 본인 거부 오류가 각각 2.7%와 6.5%에서 0.8%와 5.5%로 성능이 향상되었다.

• 전자공학회논문지 IE
• /
• 제44권2호
• /
• pp.32-40
• /
• 2007

본 논문에서는 지문 영상 내부에서 특징 정보 추출의 정확성을 향상시킬 수 있는 주름선 검출 방법을 제안한다. 먼저 각 방향별 슬릿의 평균 픽셀 값과 분산에 의하여 픽셀이 주름선 후보 영역에 해당하는지를 결정하고, 그 위치에 해당하는 주름선 방향을 검출한다. 그리고 후보 영역에 해당하는 픽셀의 주름선 방향에 의하여 8개의 영상으로 분해한다. 각 방향별 분해 영상에서 주름선 후보 영역 픽셀들이 형성하는 클러스터의 길이, 주름선 방향과 픽셀 분포 방향의 일치성, 융선 방향과 픽셀 분포방향의 차, 후보 픽셀들의 평균 픽셀 값을 이용하여 주름선 클러스터를 검출한다. 마지막으로, 각 방향별 분해 영상의 주름선 클러스터들을 합성함으로써 주름선 영역을 검출한다. 제안한 방법을 구현하고 주름선 검출을 수행한 결과, 91.4%의 높은 정확성을 확인하였다.