1. 손바닥 인식이란 무엇입니까?
손바닥 인식: 손바닥 인식은 최근 몇 년 동안 제기된 비교적 새로운 생체 인식 기술이다. 손바닥은 손가락 끝에서 손목까지 손바닥 이미지입니다. 이러한 특징들 중 상당수는 메인 라인, 주름, 가는 텍스처, 능선 끝, 분기점 등과 같은 식별을 위해 사용될 수 있습니다. 손바닥 인식 역시 사용자가 쉽게 받아들이고 채집 장비에 대한 요구가 낮은 비창적인 인식 방식이다.
2. 손바닥 자국 특징
손바닥무늬는 손목과 손가락 사이의 손바닥 표면의 다양한 라인을 말합니다. 손바닥의 모양은 유전자에 의해 조절된다. 표피가 어떤 이유로 벗겨져도 새로운 손바닥 선은 원래의 구조를 유지한다. 사람마다 손바닥 선이 다르다. 쌍둥이 형제라도 손금은 비슷할 뿐 똑같지는 않다.
손바닥의 가장 중요한 특징은 선 특징인데, 이 선 특징 중 가장 뚜렷한 선은 기본적으로 사람의 일생에 따라 변하지 않는다. 또한 저해상도 및 저품질 이미지에서도 명확하게 식별할 수 있습니다.
점형 특징은 손바닥에 지문과 비슷한 피부 표면 특징 (예: 손바닥 유돌무늬 국부적으로 형성된 기이한 점과 패턴) 을 주로 가리킨다. 고해상도 고품질 이미지에서 점 특징을 얻어야 하므로 이미지 품질에 대한 요구 사항이 있습니다.
텍스처 피쳐는 주로 라인보다 짧고 가늘지만 손바닥에 불규칙하게 분포된 라인입니다. 손바닥의 피쳐에는 손바닥의 폭, 길이, 형상 모양 및 손바닥의 다른 영역 분포와 같은 기하학적 특성도 포함됩니다.
손바닥에는 지문에 포함된 정보보다 훨씬 풍부한 정보가 포함되어 있으며, 손바닥의 선, 점, 텍스처 및 기하학적 특징을 사용하여 사람의 신분을 완전히 확인할 수 있습니다. 따라서 이론적으로 손바닥은 지문보다 더 나은 분별력과 더 높은 분별력을 가지고 있다.
손바닥 인식 시스템의 구성
손바닥 인식 시스템은 구조적으로 다른 생체 인식 시스템과 동일하며 그림 1-3 과 같이 교육 샘플 입력 단계와 테스트 샘플 분류 단계로 구성됩니다. 훈련 샘플 입력 단계는 다음과 같이 설명할 수 있습니다. 먼저 수집한 손바닥 훈련 샘플을 사전 처리한 다음 피쳐 추출을 수행하고 추출된 손바닥 피쳐는 피쳐 데이터베이스에 저장되어 분류 샘플과 일치시키는 데 사용됩니다. 테스트 샘플 분류 단계에서 얻은 테스트 샘플은 교육 샘플과 동일한 사전 처리 및 피쳐 추출 단계를 거친 후 분류기에 보내 분류합니다. 이 두 섹션에는 손바닥 이미지 수집, 사전 처리 및 피쳐 추출이라는 세 단계가 포함되어 있으며 아래에 별도로 설명되어 있습니다.
손바닥 이미지 수집: 손바닥 이미지 수집의 목적은 일부 디지털 장치를 사용하여 손바닥을 컴퓨터에서 처리할 수 있는 매트릭스 데이터로 변환하는 것입니다. 일반적으로 2 차원 그레이스케일 이미지를 수집합니다.
사전 처리: 사전 처리의 목적은 노이즈 제거, 입력 측정이나 기타 요인으로 인한 퇴화 복구, 이미지 정규화 등과 같이 수집된 손바닥 이미지를 쉽게 사후 처리할 수 있도록 하기 위한 것입니다.
피쳐 추출: 사전 처리된 정보 데이터는 일반적으로 매우 큽니다. 따라서 정보 데이터의 피쳐 추출 및 선택이 필요합니다. 즉, 스키마 공간에서 피쳐 하위 공간으로 데이터를 변환하는 방법이 필요합니다. 이렇게 하면 피쳐 공간에서 데이터를 잘 구분할 수 있습니다.
분류 결정: 분류는 샘플의 특징 공간을 유형 공간으로 나누는 것입니다. 주어진 알 수 없는 모드에 대해 유형 공간의 모형으로 결정됩니다. 피쳐 추출 및 선택은 분류 효과에 큰 영향을 미치며, 좋은 분류자 설계 및 방법도 시스템의 분류 성능을 향상시킵니다.
4. 손바닥 인식 알고리즘
현재 연구원들은 손바닥 인식 기술에 대해 광범위하고 심도 있는 연구를 진행하여 어느 정도 성과를 거두었다. 이 글은 국내외 손바닥 인식 기술의 연구 현황을 간략하게 소개했다. 다음으로 점 피쳐와 선 피쳐 융합에 기반한 손바닥 인식 알고리즘, 텍스처 피쳐 기반 손바닥 인식 알고리즘, 하위 공간 분석에 기반한 손바닥 인식 알고리즘 및 계층 피쳐 기반 손바닥 인식 알고리즘에 대해 설명합니다.
4. 1, 점 및 선 피쳐 인식 방법을 기반으로 합니다
지문과 마찬가지로 손바닥 자국 이미지에도 능선과 디테일이 포함되어 있습니다. Funada J 는 손바닥의 주름을 제거하여 유돌선을 추출하는 방법을 제시했다. 2 차원 주성분 분석은 주성분 분석 이론에 기반을 두고 있다. 주성분 분석과 주된 차이점은 2 차원 이미지를 1 차원으로 먼저 변환할 필요 없이 2 차원 매트릭스의 변환을 직접 기반으로 한다는 것입니다. 문헌에서 Fisher 알고리즘을 사용하여 손바닥 이미지를 분류하여 식별하여 좋은 결과를 얻었다.
하위 공간 방법 추출 기능은 설명이 강하고, 계산 비용이 저렴하며, 구현하기 쉽고, 분리성이 좋은 특징을 가지고 있습니다. 더 적은 고유 벡터를 사용하면 인식률을 높일 수 있습니다. 그러나 PCA 방법의 본질은 이 방법으로 얻은 특징이 일반적으로 최적의 분류 특징이 아니라 최상의 설명이며 분류 일치에 불리하다는 것을 결정합니다. FLD 메서드는 또한 원본 피쳐 공간의 치수를 크게 줄일 수 있으며 FLD 메서드는 PCA 메서드보다 조명 조건에 더 민감하지 않습니다.
4.4 계층 적 융합에 기반한 손바닥 인식 방법
위의 분석에서 볼 수 있듯이 각 손바닥 이미지 인식 알고리즘에는 장점과 단점이 있으며 하나의 인식 알고리즘만 사용하면 빠르고 정확한 ID 를 달성하기 어렵습니다. 따라서 다기능 융합 방법은 손바닥 인식의 중요한 방향이 될 것입니다.
여기서 융합은 피쳐 레벨 융합이 될 수 있으며, 정의된 융합 기준을 통해 여러 추출된 피쳐를 하나의 새로운 피쳐로 융합할 수 있습니다. 예를 들어, 문헌 [27] 은 Gabor 필터에서 추출한 손바닥 이미지를 4 가지 방향의 위상 특징을 하나로 융합합니다. 손바닥 인쇄 이미지의 방향과 위상 정보를 효과적으로 표현합니다. 문헌은 경쟁 코드를 사용하여 Gabor 필터를 융합하여 추출한 손바닥 이미지 6 방향의 위상 정보를 사용합니다. 따라서 인식 정확도를 높이는 동시에 일치 속도를 크게 높일 수 있습니다.
일치 계층의 융합 [36~38] 일 수도 있습니다. 즉, 굵게 ~ 가늘게, 서로 다른 일치 계층은 서로 다른 특징을 사용합니다. 예를 들어, 굵은 일치 계층은 텍스처 에너지를 특징으로 하고, 세밀한 일치 계층은 점 특징을 추출하여 일치시킬 수 있습니다. 다양한 기능을 사용하여 손바닥을 계층화하여 대규모 손바닥 데이터베이스에서 신속하게 식별할 수 있습니다.
손바닥 인식 기술의 전망
정보 기술 및 네트워크 기술의 급속한 발전에 따라 정보 보안은 전례 없는 중요성을 보여 줍니다. 바이오메트릭 인식 기술은 독특한 안정성, 고유성 및 편리성으로 널리 사용되고 있습니다. 손바닥 인식은 간단한 샘플링, 풍부한 이미지 정보, 높은 사용자 수용, 위조하기 쉽지 않음, 소음 간섭 감소 등의 장점으로 국내외 연구자들의 관심을 받고 있습니다. 그러나 손바닥 인식 기술이 늦게 시작되었기 때문에 다른 바이오메트릭 기술을 배우고 차용하는 단계에 있다.