Biometric authentication is an emerging technology in mobile devices and various industry applications. Existing image-based methods such as fingerprint, face and iris recognition have developed but they have inherent disadvantages in terms of sensor miniaturization and user accessibility. This research suggests a new biometric authentication process that uses the vibration characteristics of human body, especially fingers. The frequency response function (FRF) were used to distinguish individuals. The concept of vibration modal analysis was conducted to measure FRFs of several fingers and its resonance frequencies were observed pursuing to extract robust and repetitive vibration characteristics of fingers. Data-driven feature extraction and model-based feature extraction were applied to the measured FRFs to extract various types of features. In particular, model-based feature extraction model the major tissues of finger such as phalanges, joints and skin in biodynamic system to calculate the analytic FRFs. The mass, spring, damping coefficient parameters were estimated by comparing them with experimental FRFs. The selected feature vectors were trained on the support vector machine (SVM) and for the classification of individuals. In addition, appropriate signal processing methods and long-term data accuracy were tested through the trained classifier. The classification results using the magnitude of FRFs showed 99% accuracy at maximum in a controlled experimental setup.
생체인증은 모바일 디바이스 발전에 맞추어 인증기술 분야의 핵심으로 떠오르고 있다. 상용화된 지문, 얼굴, 홍채인식 등의 이미지 기반 생체인증 기술은 센서 소형화와 사용자 접근성 측면에서 단점을 가지고 있기에 이를 보완할 수 있는 새로운 생체정보가 필요한 시점이다. 본 연구에서는 인체 손가락의 진동 특성을 생체정보로 활용하는 새로운 생체인증 기술을 제안한다. 외부 가진에 의한 손가락의 응답 신호로부터 손가락의 진동 특성을 관찰할 수 있는데, 그 중 주파수응답함수를 이용해 사람의 식별을 시도한다. 실험적으로 여러 사람의 실제 손가락에 대해 진동 실험을 진행, 사인스윕 입력에 대한 가속도를 측정하여 주파수응답함수를 계산하고, 공진 주파수와 진동 특성을 관찰한다. 측정된 손가락 주파수응답함수에 데이터 기반 특징추출 방법과 모델 기반 특징추출 방법을 적용, 다양한 형태의 특징들을 추출한다. 특히 모델 기반 특징추출은 손가락의 지골, 인대, 피부 등 주요 조직을 생체역학적으로 모델링하고 해석적 주파수응답함수를 계산한 뒤 실험값과 비교하여 질량-강성-감쇠 파라미터를 추출한다. 선택된 특징벡터들을 서포트 벡터 머신에 훈련 시키고, 각 특징에 대한 식별 정확도와 인증 가능성을 분석하였다.