생체인식을 위한 안정적인 땀샘 매칭 방법

Abstract

손가락 지문에 있는 땀샘(sweat pore)은 개인의 신원을 식별해낼 수 있을 정도의 분별력을 가지고 있는 것으로 알려져 왔음에도 불구하고, 그 동안 자동지문인식시스템(automatic fingerprint recognition system)에서는 융선의 흐름(ridge flow)이나 다른 세부사항들(minutiae)을 특징으로 하는 지문인식방법에 대해서만 많은 연구들이 활발하게 제안되어 왔을 뿐, 땀샘을 특징으로 하는 지문인식방법에 대해서는 적은 수의 연구만이 진행되어 왔다. 특히 pore-based hydrochromic sensor system(J. Lee et al., 2013)와 같이 땀샘의 위치를 알아낼 수 있는 참신한 시스템들이 제안됨에 따라, 땀샘의 위치정보만을 특징으로 하는 지문인식방법에 대한 연구의 필요성은 더욱더 증가하고 있다. 이 논문에서는 오직 땀샘의 위치정보만을 이용하는 안정적인 땀샘 매칭 방법을 제안한다. 우선, 제안하는 방법은 같은 지문영상에서 획득한 땀샘들의 위치관계를 이용하여 지역적 기술자를 생성한다. 그 후 생성된 기술자들 사이의 유사도를 계산함으로써, 지역적으로 가장 비슷한 땀샘들을 연결하는 지역적 대응집합을 구하고, RANSAC(Random Sample Consensus) 알고리즘을 적용해서 이상점(outlier)을 제거한다. 그 다음, 우수한 최적화 기법 중 하나이자 감쇠최소제곱법(damped least squares)으로 알려진 LMA(Levenberg-Marquardt Algorithm)를 이용하여 비교하려는 두 지문영상 사이의 최적의 기하적 변환을 추정하고, 이를 이용하여 전역적 대응집합을 구한다. 끝으로 땀샘 매칭 문제를 이분 그래프 매칭(bipartite graph matching) 관점에서 지역적/전역적 정보를 모두 이용하여, 두 땀샘 집합 사이의 안정적인 매칭(stable matching)을 찾아낸다. 그리고 찾아낸 안정적인 매칭을 토대로, 최종 매칭 점수를 계산, 두 지문영상 사이의 일치 여부를 판단한다. 실험을 통해, 제안하는 땀샘 매칭 방법이 비교하는 땀샘 매칭 방법보다 2배 우수한 매칭 성능을 보인다는 것을 확인할 수 있었다. 그리고 잡음의 세기를 조절해가며 매칭 성능을 평가해본 결과, 제안하는 땀샘 매칭 방법이 다양한 잡음에 대해서 훨씬 더 강인하며, 안정적이라는 것을 검증할 수 있었다. 추가적으로 일반적인 지문영상이 아닌, 땀샘기반센서 시스템에서 획득한 땀샘영상을 대상으로 제안하는 방법을 적용해본 결과, 제안하는 방법이 폭넓은 종류의 땀샘영상수집장치에서 획득한 영상에 대해 동작할 수 있음을 확인할 수 있었다. 특히 땀샘의 위치정보만을 특징으로 하기 때문에, 서로 다른 종류의 두 영상수집장치에서 각각 획득한 두 땀샘영상조차도 서로 매치할 수 있다는 것을 확인할 수 있었다. 따라서, 제안하는 방법은 개인 인증(personal authentication), 보안 시스템(security system) 등에 적용되어 일반적인 지문인식시스템의 성능을 높이는데 크게 기여할 수 있을 것으로 기대된다. 뿐만 아니라, 지문영상수집장치의 종류와 특성에 구애 받지 않고 동작한다는 장점을 살려, 범죄현장에 남아있는 지문흔적(latent fingerprint)을 데이터베이스에 저장되어있는 지문영상과 비교하는 범죄과학수사(forensic science)에 적용되는 등 다양한 환경에서 폭 넓게 활용될 수 있을 것으로 기대된다.