영상 향상 기법과 딥러닝을 이용한 지정맥 생체인증 시스템 연구

국문 초록 (Abstract)

생체 인증은 하나 이상의 고유한 신체적, 행동적 형질에 기반 하여 사람을 인식하는 방식을 가리킨다. 템플릿이라고 불리는 생체 정보를 사전에 채취 및 등록해서 인증을 진행 할 때, 취득한 생체 정보와 비교한다. 비밀번호나 열쇠나 카드 같은 물건에 의한 인증 방식에 비해 비밀번호 노출이나 도난의 우려가 낮으며 제삼자가 인증하는 것을 방지 하는 수단으로 공동 주택의 입구, 신용카드나 생체 여권의 인증 수단으로 사용 되고 있다. 전 세계적으로 금융 기관의 ATM에서 본인 인증에 사용 되거나 휴대 전화를 사용할 때, 생체 정보를 이용 하여 인증을 하는 등 사용자들의 만족을 높이려는 연구가 세계적으로 지속되어 오고 있다.
생체 인증 방식 중 하나인 지정맥 인증은 손가락 내부의 정맥의 형태를 읽어 본인을 확인하는 방식으로 손가락 정맥의 구조가 동일하게 가지게 될 확률이 1억분의 1이하로 낮아 사용자간 패턴이 중첩될 가능성이 낮고 근적외선을 손가락에 통과시켜 정맥 패턴을 얻을 수 있기 때문에 위조의 위험성이 낮다. 또한 시간에 따라 혈관 패턴에 변화가 없어 높은 영구성을 가지고 있으면 생체정보의 획득 단계에서 사용자들의 생체 인식에 대한 거부감이 낮아 높은 수용률을 보인다. 이에 따라 지정맥 생체인증은 높은 정확성과 성능을 제공할 수 있으며, 사용자에게는 편의성을 제공할 수 있다.
본 논문에서의 목표는 지정맥 기반 생체 인증에 딥러닝 알고리즘을 사용하여 목표로 하는 지정맥 패턴 이외에 불필요한 배경 신호들을 제거하여 지정맥 생체 인증 시뮬레이션을 수행하고자 하였다. 또한 정확도를 높이기 위해서 딥러닝에 사용할 지정맥 영상에 영상처리 작업을 진행하였다. 지정맥 패턴 이외에 영상에 존재하는 잡음 등 지정맥 생체 인증을 진행하는데 방해되는 신호들을 제거하고자 CLAHE, 히스토그램 명세화, Median Filter, Gaussian Filter, ROI 추출을 사용하였다. ROI 추출 알고리즘은 항상 동일한 범위의 지정맥 패턴을 사용울 가능하게하고 CLAHE, 히스토그램 명세화는 측정하는 환경에 상관없이 동일하게 이미지 품질을 유지할 수 있게 한다. 그리고 Median Filter와 Gaussian Filter는 점 잡음 같은 이미지에 발생하는 잡음을 제거하는 알고리즘으로 제안한 영상처리 기법을 적용하여 지정맥 생체 인증의 성능이 좋게 나왔음을 확인 할 수 있다. 또한 제안하는 알고리즘 성능이 가장 좋게 나왔지만 측정 상황이나 이미지 데이터베이스에 따라서 성능이 변할 수도 있다.

다국어 초록 (Multilingual Abstract)

In the past, user authentication technology provided password-oriented knowledge-based services, but recently, as personal information security issues have become more important, highly secure biometric authentication-based services are in the spotlight. Biometric authentication technology is a technology that automatically measures physical or behavioral characteristics and extracts information directly from the human body, and uses fingerprints, iris, face, and designated veins, and behavioral characteristics include voice, signature, and gait. Among these biometric authentication technologies, the vein authentication technology shows the best performance in security (data replication/data acquisition/false/modulation difficulty), precision, user acceptance, and convenience, as compared in the figure below. Finger veins are determined at the embryonic stage and remain the same throughout life, and the probability that 10 fingers of the same person will have the same vein structure between users is less than 1/100 million (10–6%), and the market size of biometric authentication continues to increase. However, most biometric recognition has difficulty in the authentication process according to each biometric recognition, and accordingly, the accuracy is different, and various misrecognition and authentication rejection cases occur.
This paper proposes a vein authentication technique using image enhancement and artificial intelligence (AI) technology to improve accurate authentication by increasing the vein detection recognition rate while maintaining high security and safety, which are advantages of vein recognition technology compared to other biometric technology.

목차 (Table of Contents)

• Ⅰ. 서 론 1
• Ⅱ. 지정맥 생체 인증의 기술동향 6
• 2.1 국내외 지정맥 인증 기술동향 6
• 2.2 지정맥 생체 인증 표준화 동향 9
• Ⅲ. 일반적인 지정맥 생체 인증 방식 분석 13
• 3.1 특징점 추출 방식 14
• 3.2 BLPOC(Band-Limited Phase-Only Correlation) 방식 15
• Ⅳ. 성능 향상을 위한 지정맥 생체인증 방식 제안 19
• 4.1 영상향상 기법을 적용한 이미지 전처리 방식 19
• 4.2 딥러닝을 이용한 지정맥 생체인증 방식 31
• Ⅴ. 시뮬레이션 환경 및 결과 47
• 5.1 시뮬레이션 환경 47
• 5.2 시뮬레이션 결과 및 분석 48
• Ⅵ. 결 론 57
• 참고문헌 59