본 논문에서는 회전하는 레이저 거리 측정기(LRF)의 외부 보정(extrinsic calibration) 방법을 위한 알고리즘을 제시한다. LRF는 모터를 사용하여 한 축에 대해 회전되므로, 스캔된 데이터를 하나의 좌표계에 등록하기 위해 모터와 LRF 사이의 변환(transformation)을 찾아야 한다. 우리는 변환을 복원하기 위해 두 개의 평면으로 구성된 보정 구조를 사용한다. 변환의 초기값은 수작업으로 설정하며, 해의 해공간(solution space)에 대해 전수 탐색을 수행한다. 해의 적합도(fitness)는 장면(scene)에서의 평면 법선벡터(normal vector)를 사용하여 평가한다.

위치결정기법으로 근래에 널리 활용되는 GPS(Global Navigation Satellite System)는 가시성이 확보되지 않은 상황에서는 측위가 어려운 단점을 내포하고 있다. 이와 같은 단점을 극복하고 위치 정확도를 향상시키기 위하여 최근에 영상센서와 기존 항법시스템을 결합하는 복합측위에 대한 연구가 활발하게 이루어지고 있다. 본 논문에서는 GPS 기반 차량 항법의 성능을 보완하기 위하여 GPS와 단일 Webcam을 결합하여 차량의 이동변위를 효과적으로 추정하는 복합측위 방법을 제안하였다. 제안된 방법은 가시 위성이 부족한 구간에서도 2개 이상의 GPS 측정치가 가용할 경우 영상센서 정보를 결합하여 차량 위치해의 정확도를 유지한다. 또한, 제안된 방법은 충분한 수의 가시 위성이 확보되지 않으면 GPS가 측위 결과를 제공할 수 없다는 약점을 극복하기 위해, GPS를 다른 센서와 보강하는 복합측위 방법에 대한 관심이 최근 증가하고 있음을 배경으로 한다. 복합측위 방법의 한 확장으로서, 본 논문에서는 지상 차량 위치추정의 가용성과 정확도를 향상시키기 위해 GPS와 비전 센서를 결합하는 새로운 방법을 제안한다. 제안된 방법은 외부 지도 정보를 필요로 하지 않으며, 2개 이상의 항법 위성이 가시일 때 위치해를 제공할 수 있다. 제안된 방법의 성능을 평가하기 위해 실제 측정 데이터를 바탕으로 한 실험 결과를 제시하였으며, 그 결과 시험 구간에서 n축 방향의 누적 오차는 거의 2.5m이고 e축 방향의 누적 오차는 거의 3m인 것으로 나타났다.

본 논문에서는 손가락 정맥 인식을 위한 새로운 방법을 제안한다. 최근 연구자들은 손가락 정맥 인식에 관심을 보이고 있는데, 이는 지문 인식에서의 위조를 회피할 수 있고, 홍채 인식에서 홍채 영상을 획득하는 데 따르는 불편을 줄일 수 있기 때문이다. 정맥 이미지는 국소 히스토그램 평활화와 박화(thinning) 과정을 통해 선(line) 형태의 정맥 이미지로 처리된다. 이렇게 박화된 정맥 이미지는 새로운 매칭 알고리즘인 HS(HeeSung) 매칭 알고리즘을 사용하여 매칭 처리된다. 이 알고리즘은 박화 또는 에지 검출을 통해 처리된 곡선-선형(curve-linear) 이미지에 적용할 때 우수한 인식률을 보인다. 손가락 정맥 이미지에 대한 우리의 실험에서, 이 알고리즘을 650장의 손가락 정맥 이미지(130명, 각 5장)에 적용한 결과 인식률은 최대 99.20%에 도달하였다. 또한 한 쌍의 이미지를 매칭하는 데 약 60밀리초밖에 소요되지 않는다.

이 논문에서는 지문(손가락) 얼굴 이미지를 통해 개인을 식별할 수 있는지 검증하고 그 결과를 제시한다. 이를 위해, 영상 패치의 회색조(gray levels)에 대해 각 면(facet) 함수의 기울기(gradient)를 계산할 수 있는 특수 연산자 FFG(Facet Function Gradient) 마스크를 사용하며, 손가락 얼굴 이미지를 매칭하기 위한 새로운 절차인 F-algorithm을 도입한다. 손가락 얼굴 이미지는 동일한 하위 영역으로 분할되고, 각 하위 영역은 이 알고리즘을 이용해 동일한 패치로 다시 나뉜다. FFG 마스크는 각 패치에 대해 합성곱(convolution) 연산을 수행하여 스칼라 값을 생성하는 데 사용된다. 이러한 값들로부터 구성된 특징 행렬(feature matrix)과 손가락의 신원(identity)은 특징 행렬 원소들의 노름(norm)을 통해 결정된다. 노름의 분포는 동일 인물의 손 이미지 쌍과 서로 다른 인물의 손 이미지 쌍 사이에서 뚜렷한 차이를 보인다. 이는 손가락 얼굴 이미지로 판별(discrimination) 능력이 있음을 입증하는 결과이다. 100명으로부터 촬영한 500장의 손 이미지를 F-algorithm을 통해 처리한 시험 결과, 95.0%의 식별률이 얻어졌다. 판별 능력과 식별률 측면에서 손가락 얼굴은 다른 손의 부위와 비교해도 우수한 생체인식(biometrics)임이 확인된다.

손가락 면(finger face)의 패턴은 다양한 크기의 주름, 관절선(knuckle lines), 그리고 피하 혈관관(subcutaneous vascular tubes)으로 구성된다. 손가락의 패턴, 형태, 크기는 사람마다 다르다. 이러한 특징은 각 개인마다 고유하고 특이적이어서, 개인 식별을 위한 정보로 활용될 수 있다. 본 논문에서는 손가락 면의 특징에 대한 특성을 분석하고, 손가락 패턴의 특징과 형태 및 크기에 따라 개인을 구별하는 방법을 제시한다. 손가락의 모든 이러한 특징은 FFG(Facet Function Gradient) 마스크를 이용한 계산을 통해 얻는 행렬 세트로 표현될 수 있다. 영상의 각 패치(patch)에서의 그래디언트와 곡률은 행렬의 원소들에 대해 특정 연산을 수행함으로써 계산할 수 있다. 본 논문에서는 행렬을 사용하여 손가락 특징을 식별하기 위한 알고리즘을 도입한다. 이 방법을 통해 손가락 패턴뿐만 아니라 손가락의 형태와 크기도 인식할 수 있다. 제안된 방법을 사용한 실험에서 인식률은 98.2%로 나타났다.

본 논문은 색과 움직임에 기반한 손 추적(hand tracking) 접근법을 제시한다. 특히, 움직이는 손의 검출을 위해 YCbCr 색 체계와 연속된 두 영상 프레임의 차이를 고려한다. 휘도 성분은 Y에 집중되어 있는 반면, 색차 성분은 Cb와 Cr에 존재하므로, 휘도가 유의미하게 변하는 영상 영역은 색차 성분만으로도 효과적으로 선택될 수 있다. 차이 연산을 통해 움직이지 않는 모든 물체와 배경은 영상에서 제거된다. 또한 약간 움직일 수 있는 머리와 손 역시 차이 연산으로 좁혀진다. 그 결과, 움직이는 손의 영역이 합성 영상에서 추출된다. 이 접근법은 협대역의 색을 갖는 움직이는 물체를 검출하는 데 유용하다. 손이나 물체의 중심 위치는 스테레오(stereo) 영상의 연속에서 얻는다. 손이나 물체의 움직임은 얻어진 위치 집합을 입력으로 하는 방정식으로 추정한다. 손이나 물체에 대한 완전한 추적을 설명하고 제시한다.

본 논문에서는 홍채 이미지의 매칭을 위한 지표로 FFG(Facet Function Gradient)를 제시한다. FFG는 주어진 이미지의 작은 패치 영역 중심에서의 면(facet) 함수의 기울기이다. 면 함수는 홍채 이미지의 작은 패치 영역에 속한 픽셀들의 강도(intensity) 값에 적합(fitting)시켜 구한다. 기울기 값은 이미지 내 한 점에서의 빛 강도의 변화량과 변화 방향을 나타낸다. 따라서 FFG는 홍채의 패턴을 표현하기에 적절한 양이다. 한 이미지의 모든 패치에서 얻은 FFG들을 매칭 판단을 위해 프로토타입(prototype) 홍채 이미지에서 얻은 값들과 비교한다. 실험 결과는 이 지표가 다른 연구들에 비해 인식률이 향상되므로 홍채 인식에 매력적인 것으로 나타났다.

실시간 인증 시스템의 사용이 증가함에 따라, 더 신뢰할 수 있는 개인 식별 방법이 개발되어야 한다. 인간 신체의 선호되는 특징 중 하나는 손바닥의 특징이다. 손의 기하학적 형태 또는 손바닥 선은 특수한 경우를 제외하고는 한 사람의 평생 동안 변하지 않는다. 본 연구에서는 이러한 특징을 함께 인식하는 방법을 제안한다. 이 방법은 손바닥 이미지의 그래디언트 특성을 활용하여 기하학적 형태와 손바닥 선을 나타내며, 또한 그래디언트는 손바닥의 곡률 특성도 나타낸다. 그래디언트를 계산하기 위해 2차의 2차원 조각(facet) 함수를 사용한다. 아울러 이미지에서 손바닥 영역을 찾아내기 위한 알고리즘을 제안하며, 이는 해당 영역을 효과적으로 분리하는 데 도움을 준다.