홍채인식: 컴퓨터 비전의 홍채 인식에 대한 관점 조명

By Fouad Sabry

홍채 인식이란 무엇입니까

홍채 인식은 개인의 홍채 중 하나 또는 둘 다의 비디오 이미지에 수학적 패턴 인식 기술을 사용하는 자동화된 생체 인식 방법입니다. 눈은 복잡한 패턴이 독특하고 안정적이며 멀리서도 볼 수 있습니다. 모든 생체 인식 기술의 식별력은 인코딩하고 일치에 사용할 수 있는 엔트로피의 양에 따라 달라집니다. 홍채 인식은 이 점에서 예외적이며, 대규모 인구에 대한 교차 비교에서도 "충돌"을 피할 수 있습니다. 주요 제한점은 1~2미터 이상의 거리에서 또는 협력 없이 이미지를 획득하는 것이 매우 어려울 수 있다는 것입니다. 하지만 이 기술은 현재 개발 중이며 홍채 인식은 최대 10m 떨어진 곳이나 실시간 카메라 피드에서도 가능합니다.

혜택

(I) 다음 주제에 대한 통찰력 및 검증:

1장: 홍채 인식

2장: 망막 스캔

3장: 존 도그먼

4장: 생체 인식 포인트

5장: 눈 정맥 확인

6장: 생체 인식 장치

7장: 개인 생체 인식

8장: 아드하르(아드하르)

9장: 학교의 생체 인식

10장: 아드하르 법(아드하르법)

(II) 대중이 가장 많이 묻는 질문에 답하기 홍채 인식에 대해 설명합니다.

(III) 다양한 분야에서 홍채 인식을 활용하는 실제 사례입니다.

이 책은 누구를 위한 책인가요?

전문가, 학부 및 대학원생, 매니아, 취미생활자, 그리고 모든 종류의 홍채 인식에 대한 기본 지식이나 정보를 넘어서고 싶은 사람들.

• Language: 한국어
• Publisher: 10 억 지식이 걸립니다 [Korean]
• Release date: May 5, 2024

Book preview

1장: 홍채 인식

홍채 인식은 개인 눈의 홍채 중 하나 또는 둘 다의 비디오 이미지에 수학적 패턴 인식 기술을 사용하는 자동화된 생체 인식 방법입니다. 개인의 홍채의 복잡한 패턴은 독특하고 일관성이 유지되며 적당한 거리에서 관찰할 수 있습니다. 엔트로피 수준은 모든 생체 인식 기술의 차별 능력에 정비례합니다. 가장 중요한 단점 중 하나는 1-2미터 이상의 거리에서 또는 공동 작업이 없는 상태에서 사진을 획득하는 것이 매우 어려울 수 있다는 것입니다.

홍채 인식과 망막 스캔은 서로 다른 두 가지 유형의 안구 기반 생체 인식 기술로, 종종 서로 오인됩니다. 홍채 인식은 사람의 홍채에 있는 고유한 패턴을 사용하는 반면, 망막 스캔은 사람의 혈관에 있는 고유한 패턴을 사용합니다. 홍채 식별은 외부 세계에서 볼 수 있는 홍채의 복잡하고 세밀한 구조의 사진을 수집하기 위해 약한 근적외선과 결합된 비디오 카메라 기술을 사용합니다. 개인 또는 해당 개인이라고 주장하는 사람은 수학적 및 통계적 기술을 사용하여 인코딩된 디지털 템플릿을 사용하여 식별될 수 있습니다. 이러한 템플릿은 패턴 자체에서 생성됩니다. Matcher 엔진은 (단일 코어) CPU당 초당 수백만 개의 템플릿으로 측정된 속도와 매우 낮은 비율의 잘못된 템플릿 일치로 등록된 템플릿의 데이터베이스를 검색합니다.

전 세계 최소 15억 명(UIDAI/Aadhaar 프로그램에 참여하는 인도 시민 12억 명 포함)이 국가 신분증, 전자 정부 서비스, 혜택 분배, 보안 및 여권 없는 자동 국경 통과와 같은 편의 목적을 위해 홍채 인식 시스템에 등록되었습니다. 홍채는 안구의 내부적이고 보호되지만 외부에서 볼 수 있는 기관입니다.

John Daugman이 홍채 인식을 수행하는 최초의 실제 알고리즘을 개발하고 특허를 받았음에도 불구하고 이에 대한 첫 번째 논문을 발표하고 최초의 라이브 시연을 제공했음에도 불구하고 이 발명을 이끈 아이디어는 훨씬 더 오랜 역사를 가지고 있으며 현재 많은 다른 적극적인 과학 기여자들의 기여로 혜택을 받고 있습니다. 1953년에 출판된 임상 교과서에서, 1949년에 이 책을 저술한 F.H. 아들러(F.H. Adler)는 다음과 같이 말했다: 홍채의 미세한 구조는 지문이 각 개인에게 고유한 것처럼 연구되는 모든 주제에서 차이를 나타낸다. [그 특성은] 여러 가지 다양한 변수 요소로 구성되어 있으며, 이러한 구성 요소의 가능한 순열과 조합은 거의 무한합니다. 1980년대 후반에 L. Flom과 Aran Safir라는 두 명의 미국 안과 의사는 홍채가 인간의 식별 기호로 사용될 수 있다는 Adler와 Doggart의 추측에 대한 특허를 얻는 데 성공했습니다. 그러나 작업을 수행하기 위한 실제 알고리즘이나 구현이 부족했기 때문에 성공에도 불구하고 특허는 추측에 불과했습니다. 이 이론은 1892년으로 거슬러 올라갈 수 있는데, 그때 A. 베르티용(A. Bertillon)이라는 프랑스인이 Tableau de l'iris humain이라는 제목의 책을 출판했는데, 그 책에서 그는 몇 가지 미묘한 점들을 연대순으로 기록했다. 붓꽃 문양은 고대 이집트, 바빌로니아의 칼데아, 고대 그리스에서 사용되었으며, 돌로 새겨진 비문, 채색된 도자기 공예품, 히포크라테스의 저술물에서 알 수 있습니다. 홍채 패턴은 미래, 과거, 현재의 다양한 측면을 포함하여 다양한 사물을 신성화하는 데 사용되었습니다. (홍채 점술은 오늘날에도 여전히 홍채학이라는 이름으로 행해지고 있다.)

Daugman의 알고리즘의 기본 개념은 서로 다른 종류의 샘플에서 수집된 데이터에 적절한 양의 엔트로피(무작위 변동의 충분한 자유도)가 존재하는 상황에서 통계적 독립성 테스트의 실패가 패턴 인식을 위한 견고한 기초가 될 수 있다는 명제입니다. 1994년에 그는 홍채 인식의 기초와 이미지 처리, 특징 추출 및 매칭을 위한 기본 컴퓨터 비전 알고리즘에 대한 특허 신청서를 제출했습니다. 그는 이러한 기술을 동시에 논문으로 발표했습니다. 이리스캔(IriScan), 이리디안(Iridian), 사르노프(Sarnoff), 센사르(Sensar), LG-아이리스(LG-Iris), 파나소닉(Panasonic), 오키(Oki), BI2, 아이리스가드(IrisGuard), 유니시스(Unisys), 사젬(Sagem), 엔스헤데(Enschede), 시큐리메트릭스(Securimetrics), 그리고 현재 프랑스 회사인 모르포(Morpho)가 소유하고 있는 L-1은 이러한 알고리즘의 광범위한 사용을 허가한 회사 중 일부에 불과합니다. IriScan은 Flom, Safir 및 Daugman이 설립한 신생 기업입니다.

이러한 알고리즘은 오늘날 홍채 인식의 모든 중요한 공개 배포의 기초가 되고 있으며, 수년에 걸쳐 다양한 개선을 거쳤음에도 불구하고 NIST 테스트에서 일상적으로 최고의 성능을 발휘하고 있습니다(Daugman이 홍채 인식의 수석 과학자로 재직하는 L-1, MorphoTrust 및 Morpho가 제출한 구현). 그러나 이 기술의 여러 측면과 대체 방법에 대한 연구가 폭발적으로 증가했으며 현재 이 기술의 광학, 포토닉스, 센서, 생물학, 유전학, 인체 공학, 인터페이스, 의사 결정 이론, 코딩, 압축, 프로토콜, 보안, 수학 및 하드웨어 측면에 대한 학술 문헌이 빠르게 확장되고 있습니다. 이 기술은 또한 많은 논쟁의 대상이었습니다.

이러한 알고리즘의 대부분은 공항에서 여권 제시의 대안으로 그리고 감시 목록을 활용하여 보안 검색을 수행하기 위해 사용되었습니다. 금세기 초에 홍채 인식 이민 시스템의 약자인 IRIS라는 프로그램이 암스테르담의 스키폴 공항과 영국의 10개 공항 터미널에서 대대적으로 시행되기 시작했습니다. 이러한 배치를 통해 여행을 자주 다니는 사람들은 여권 대신 홍채를 제시할 수 있게 되었습니다. 미국과 캐나다의 국경 및 다른 많은 국경을 따라 유사한 시스템이 마련되어 있습니다. 아랍 에미리트의 32개 공항, 32개 육상 항구 및 32개 항구는 모두 이러한 알고리즘을 사용하여 입국 시 비자가 필요한 방문자에 대한 보안 검사를 수행합니다. 홍채 교차 비교의 수는 GCC 국가들이 개발한 방대한 감시 목록을 철저히 스캔한 결과 불과 10년 만에 62조 건으로 증가했습니다. 12억 개 이상의 인도 시민의 홍채 코드와 지문이 국가 신분증을 만들고 정부 혜택 분배와 관련된 사기 사례를 줄이기 위해 UIDAI(Unique Identification Authority of India)에서 관리하는 데이터베이스에 저장되었습니다.

발색단이라고도 하는 홍채 멜라닌은 주로 유멜라닌(갈색-검은색)과 페오멜라닌(노란색-적색)이라는 두 개의 뚜렷한 이종 거대분자로 구성됩니다. 이 두 가지 이미징 방식 간의 다음 비교는 멜라닌의 이 두 가지 유형에 대한 자세한 정보를 제공합니다. 또한 VW 홍채 사진을 인코딩하기 위한 특징 추출을 위한 새로운 기술이 제시되었으며, 이는 다중 모드 생체 인식 시스템에 대한 대체 전략을 제공할 수 있습니다.

시작하려면 시스템은 먼저 눈 사진에서 홍채의 안쪽과 바깥쪽 가장자리, 동공 및 변두리를 찾아야 합니다. 추가 서브루틴은 눈꺼풀, 속눈썹 및 홍채의 일부를 숨길 수 있는 정반사를 포함하여 장애물을 검색하고 제거합니다. 홍채만을 포함하는 픽셀 세트가 동공 크기의 변화를 설명하기 위해 고무 시트 모델을 사용하여 정규화 된 후, 홍채의 두 그림을 비교하는 데 필요한 정보를 인코딩하는 비트 패턴을 추출하기 위해 다음으로 처리됩니다.

가보르 웨이블릿 변환은 Daugman의 기법 중 하나가 처리될 때마다 사용됩니다. 최종 제품은 각 로컬 위치에서 홍채 패턴의 진폭과 위상에 대한 정보를 전달하는 복소수 정수의 모음입니다. 대부분의 진폭 정보는 Daugman이 개발한 알고리즘에서 버려지며, 홍채 패턴을 설명하는 데 사용되는 2048비트는 위상 정보(가보르 웨이블릿 투영의 복소수 부호 비트)로 구성됩니다. 진폭 정보를 제거하면 카메라의 조명 또는 게인 설정 변경으로 인해 템플릿이 크게 변경되지 않도록 할 수 있으며, 이로 인해 생체 인식 템플릿의 용량을 더 오래 사용할 수 있습니다.

그런 다음 홍채를 이미징하여 형성된 템플릿을 데이터베이스에 저장된 템플릿과 비교합니다. 이는 식별(일대다 템플릿 일치) 또는 확인(일대일 템플릿 일치)을 위해 수행할 수 있습니다. 해밍 거리가 결정 임계값보다 작으면 홍채 템플릿의 높은 엔트로피를 감안할 때 두 명의 다른 사람이 그렇게 많은 비트에서 우연히 일치할 가능성이 통계적으로 극히 낮기 때문에 긍정적 식별이 효과적으로 이루어졌습니다. 해밍 거리가 결정 임계값보다 크면 사실상