KR100473598B1 - 가려진 얼굴영상을 판단하는 시스템 및 방법 - Google Patents

가려진 얼굴영상을 판단하는 시스템 및 방법 Download PDF

Info

Publication number
KR100473598B1
KR100473598B1 KR10-2002-0067974A KR20020067974A KR100473598B1 KR 100473598 B1 KR100473598 B1 KR 100473598B1 KR 20020067974 A KR20020067974 A KR 20020067974A KR 100473598 B1 KR100473598 B1 KR 100473598B1
Authority
KR
South Korea
Prior art keywords
face image
image
face
class
input
Prior art date
Application number
KR10-2002-0067974A
Other languages
English (en)
Other versions
KR20040039788A (ko
Inventor
윤상민
기석철
Original Assignee
삼성전자주식회사
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 삼성전자주식회사 filed Critical 삼성전자주식회사
Priority to KR10-2002-0067974A priority Critical patent/KR100473598B1/ko
Priority to EP03256953A priority patent/EP1416425B1/en
Priority to DE60317025T priority patent/DE60317025T2/de
Priority to US10/699,879 priority patent/US7321670B2/en
Priority to JP2003374316A priority patent/JP2004158013A/ja
Publication of KR20040039788A publication Critical patent/KR20040039788A/ko
Application granted granted Critical
Publication of KR100473598B1 publication Critical patent/KR100473598B1/ko

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/168—Feature extraction; Face representation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features

Abstract

본 발명은 어떠한 조건의 얼굴영상이 입력되더라도 입력된 얼굴영상의 가려짐 여부를 정확하고 빠르게 가려진 얼굴을 판단할 수 있는 시스템 및 방법에 관한 것으로서, 입력된 얼굴영상에서 PCA를 이용하여 아이겐벡터 및 가중치를 추출한 후 가려짐 판단 기준에 상기 추출된 사용자의 아이겐벡터 및 가중치를 대입하여 얼굴영상의 가려짐 여부를 판단하는 것을 특징으로 한다.

Description

가려진 얼굴영상을 판단하는 시스템 및 방법{SYSTEM AND METHOD FOR DETECTING VEILDE FACE IMAGE}
본 발명은 가려진 얼굴영상을 판단하는 시스템 및 방법에 관한 것으로서, 특히 가려짐 판단 기준을 이용하여 정확하고 빠르게 얼굴영상의 가려짐 여부를 판단할 수 있는 가려진 얼굴영상을 판단하는 시스템 및 방법에 관한 것이다.
정보사회가 발전함에 따라 무인자동화기기가 급속하게 보급되고 있으며, 이러한 과정에서 타인의 신용카드나 비밀번호 등을 이용하여 돈을 인출하는 금융범죄가 증가하고 있다. 이에 대비하여 무인자동화기기에 무인 감시 카메라를 설치하여 범죄자를 식별하고 있으나, 범죄자들은 자신의 얼굴이 무인 감시 카메라에 찍히지 않도록 선글라스나 모자 등을 착용한 후 범죄를 자행하고 있어 범죄자의 얼굴 식별에 어려움이 있다.
국내특허 제 0306355호(사용자식별시스템 및 이를 이용한 현금인출기)는 사용자의 얼굴영상을 취득하여 살색에 가까운 영역만 필터링한 뒤 얼굴의 존재영역을 얻어낸 후 먼저 눈의 위치를 추출한 후 눈의 위치를 기준으로 입과 코의 존재가능 범위를 설정한후 확인가능한 특징점이 존재하는지 확인함으로써 얼굴을 인식하는 사용자 식별 시스템이 개시되어 있다. 그러나, 눈 위치를 추출한 후 추출된 눈 위치를 기준으로 입과 코의 위치를 추출함으로써, 눈의 위치가 추출되지 않을 경우 코, 입 역시 추출하기 어려우며, 또한 사용자의 영상 데이터 자체를 검색하는 것이 아니라 사용자의 식별을 위한 얼굴 구성요소(눈, 코, 및 입 등)의 존재 여부만을 체크하므로 정확한 사용자 얼굴검출을 수행할 수 없다는 문제점이 있다.
또한, 국내특허 제0293897호(은행거래시스템의 거래자 안면인식 방법)는 체인트락킹을 이용하여 입력된 사용자 영상과 일치하는 얼굴 후보개체들을 결정하고,윤곽점 추출 및 명도값을 비교하여 눈과 입에 해당하는 도형을 찾은 후 얼굴인지도 값을 계산한 후 하나의 얼굴후보개체만을 추출하여 추출된 얼굴부호개체의 얼굴인지도값과 기준 얼굴인지도값을 비교하여 얼굴 인식을 하는 안면인식방법이 개시되어 있다. 그러나, 눈 또는 입의 윤곽점 추출여부에 따라 눈 또는 입의 존재여부가 판단되므로 눈의 모양 및 크기와 비슷한 선글라스를 착용한 경우 선글라스를 눈으로 오인식 하는 문제점이 있다.
또한, 종래의 얼굴인식 기술은 칼라 이미지를 사용하기 때문에 조명의 영향으로 인해 코와 입의 특징이 변화됨으로 특징점을 파악하는데 어려움 있으며, 이로 인해 정상 사용자의 코와 입의 특징점을 파악하지 못해 부정 사용자로 오인식하는 문제점이 있다.
본 발명은 상기한 문제점을 해결하기 위하여 안출된 것으로서, 본 발명의 목적은 다양한 조건의 얼굴영상이 입력되더라도 가려진 얼굴과 정상적인 얼굴을 빠르고 정확하게 판단할 수 있는 시스템 및 방법을 제공하는 것이다.
상기 목적을 달성하기 위하여 본 발명은, 입력된 얼굴영상에서 PCA를 이용하여 아이겐벡터 및 가중치를 추출한 후 가려짐 판단 기준에 상기 추출된 사용자의 아이겐벡터 및 가중치를 적용하여 얼굴영상의 가려짐 여부를 판단하는 것을 특징으로 한다.
이하, 첨부한 도면들을 참조로 본 발명의 바람직한 실시예를 상세히 설명한다.
도 1은 본 발명에 따른 가려진 얼굴영상을 판단하는 시스템의 개략적인 블럭도로서, 메모리부(100), 얼굴영상 인식부(200), 얼굴영상 판단부(300)로 구성된다.
메모리부(100)는 다수의 트레이닝 영상으로부터 추출된 아이겐벡터와 가중치가 저장되어 있으며, 조명변화, 표정변화, 수염, 스케일링 시프트(scaling shift), 회전(rotation) 변화 등이 반영된 정상적인 얼굴영상에서 아이겐벡터와 가중치를 추출하여 저장한 정상적인 얼굴영상 클래스와, 조명변화, 표정변화, 스케일링 시프트, 회전 변화 등이 반영된 부분적으로 가려진 얼굴영상에서 아이겐벡터와 가중치를 추출하여 저장한 가려진 얼굴영상 클래스로 분류되어 있다. 즉, 상기 정상적인 얼굴영상이란 확인 가능한 얼굴영상을 말하며, 가려진 얼굴영상이란 선글라스, 마스크, 및 목도리 등으로 얼굴이 부분적으로 가려져 확인이 불가능한 얼굴영상을 말한다. 여기서, 상기 정상적인 얼굴영상 클래스와 가려진 얼굴영상 클래스는 사용자 얼굴영상의 가려짐 여부를 판단하기 위한 가려짐 판단 기준을 유도하기 위해 사용되며, 정상적인 얼굴영상 클래스는 1값을, 가려진 얼굴영상 클래스는 -1값을 갖는다. 상기 가려짐 판단 기준을 유도하는 방법은 하기 수학식에서 상세히 설명하기로 한다.
얼굴영상 인식부(200)는 입력된 얼굴영상에서 PCA(Principal Component Analysis)를 이용하여 아이겐벡터 및 가중치를 추출하는 것으로서, 흑백화부(210), 얼굴영상 검출부(220), 얼굴영상 정규화부(230), 얼굴영상 분할부(240), 아이겐벡터/가중치 추출부(250)로 구성된다.
흑백화부(210)는 입력된 영상이 칼라 이미지인 경우 이를 흑백 이미지로 변환시키는 것으로, RGB(Red, Green, Blue) 방식의 칼라 이미지에서는 색상 성분과 밝기 성분이 함께 혼용되어 있기 때문에 아이겐벡터 추출시 밝기 변화에 의한 오류가 나타날 수 있기 때문이다.
얼굴영상 검출부(220)는 입력된 영상에서 배경과 얼굴을 분리하는 기술로서 가버필터를 이용하여 입력된 영상에서 얼굴영역을 검출한다. 여기서, 가버필터를 이용한 얼굴영역 검출방법은 입력된 영상에 다양한 방향성과 주파수를 갖는 가버필터들의 집합을 적용시키고 그 반응값에 따라 얼굴영역을 검출하는 것이다.
얼굴영상 정규화부(230)는 검출된 얼굴영역에 있어서 조명에 의한 영상의 명도 보정, 카메라와의 거리에 의한 얼굴의 크기 보정, 얼굴영상의 기울어짐 보정 등을 수행하여 얼굴영역을 정규화 시킨다.
얼굴영상 분할부(240)는 정규화된 얼굴영역에서 눈 주변을 중심으로 하는 상위영역과, 코와 입을 중심으로 하는 하위영역으로 분할한다. 여기서, 상위영역과 하위영역으로 분리하는 이유는 각 얼굴의 구성요소를 추출하는데 있어 탐색영역이 지나치게 넓을 경우 찾아야 할 영역을 벗어나 엉뚱한 곳에 있는 아이겐벡터를 추출할 우려가 있으므로, 각 얼굴 구성요소의 탐색영역의 크기를 제한함으로써 각 얼굴 구성요소의 아이겐벡터를 빠르고 정확하게 추출할 수 있도록 하기 위함이며, 또한 주변 영역이 제거하여 노이즈 성분을 줄이기 위해서이다.
아이겐벡터/가중치 추출부(250)는 분할된 얼굴영역별로 PCA를 이용하여 각 얼굴 주요 구성요소인 눈, 코 및 입의 아이겐벡터 및 가중치를 추출한다. 여기서, 아이겐벡터 추출시 눈, 코, 및 입이 위치하는 얼굴영역이 제한되어 있으므로 눈, 코 및 입의 아이겐벡터를 동시에 추출할 수 있다.
이하, PCA를 이용하여 아이겐벡터 및 가중치를 추출하는 식을 설명한다.
(1)
(2)
상기 (1)의 는 메모리부(100)의 정상적인 얼굴영상 클래스에 저장된 크기가 I ×J인 얼굴영상이고, (2)의 는 메모리부(100)의 가려진 얼굴영상 클래스에 저장된 크기가 I ×J인 얼굴영상이다.
상기 수학식1은 평균 얼굴영상을 구하는 식으로서, 각각 정상적인 얼굴영상과 가려진 얼굴영상의 평균 얼굴영상를 나타낸다. 여기서, N은 정상적인 얼굴영상들의 총 갯수를 나타내며, M은 가려진 얼굴영상들의 총 갯수를 나타낸다.
먼저, 정상적인 얼굴영상을 기초로 아이겐벡터 및 가중치 추출 방법을 설명한다.
상기 를 수학식1의 에 적용하여 평균 얼굴영상을 구하고, 얼굴영상()에서 평균 얼굴영상()을 뺀 라는 벡터를 구한다.
즉,
이렇게 구해진 벡터를 이용해서 공분산 행렬(covariance)을 만드는데, 공분산 행렬을 만드는 식은 하기 수학식2와 같다.
상기 수학식2을 이용하여 고유값(λi)과 아이겐벡터( ui )를 구할 수 있는데, 먼저 식을 이용하여 고유값을 구한 후 아이겐벡터를 구한다.
그 다음, 상기 아이겐벡터를 이용하여 가중치를 구할 수 있으며, 가중치를 구하는 수식은 하기 수학식3과 같다.
,
상기 수학식3을 이용하여 가중치(wf)를 구한다.
상기에서는 정상적인 얼굴영상에서의 아이겐벡터 및 가중치 추출 방법만을 설명하였으나, 부분적으로 가려진 얼굴영상에서의 아이겐벡터 및 가중치 추출 방법 역시 정상적인 얼굴영상에서의 아이겐벡터 및 가중치 추출 방법과 동일하다. 또한, 얼굴영역에서의 아이겐벡터 및 가중치 추출은 상위영역과 하위영역 각각에서 추출한다.
얼굴영상 판단부(300)는 메모리부(100)에 저장된 트레이닝 영상에서 얻어진 가려짐 판단 기준을 이용하여 입력된 얼굴영상의 가려짐 여부를 판단하는 것으로, 가려짐 판단 기준의 수식은 하기 수학식4와 같다.
상기 수학식4의 가려짐 판단 기준에서 얻어진 값이 1일 경우 정상적인 얼굴영상으로, -1일 경우 부분적으로 가려진 얼굴영상으로 판단하는데, 이는 상기 메모리부(100)에 저장된 정상적인 얼굴영상 클래스값을 1로, 부분적으로 가려진 얼굴영상 클래스값을 -1으로 설정하여 트레이닝한 후 가려짐 판단 기준을 구성하였기 때문이다.
상기 수학식 4에 있어서, 와 및 는 메모리부(100)에 저장된 정상적인 트레이닝 영상의 클래스값(본 실시예에서는 1), 아이겐벡터, 및 가중치와, 부분적으로 가려진 트레이닝 영상의 클래스값(본 실시예에서는 -1), 아이겐벡터, 및 가중치를 상기 수학식4에 각각 대입함으로써 설정되며, 이 값들은 메모리부에 저장된 트레이닝 영상이 갱신됨에 따라 변화될 수 있다.
상기 (polynormial kernel)를 구하는 수식은 다음과 같다.
여기서, 는 x와 xi의 내적(즉,)에 의해 구해지는데, 상기 x는 가중치이고, xi는 아이겐벡터이며, d는 상수이다.
따라서, 상기 트레이닝 영상의 아이겐벡터 및 가중치를 이용하여 구해진 와 및 값들을 적용하고, 가려짐 여부를 판단하고자 하는 얼굴영상에서 추출한 아이겐벡터와 가중치를 에 적용함으로써 가려짐 여부를 판단하고자 하는 얼굴영상의 클래스값 를 얻을 수 있다.
이하, 상기 가려짐 판단 기준의 와 및 를 구하는 과정을 예를들어 설명하고자 한다.
메모리부(100)에 정상적인 얼굴영상이 5장, 부분적으로 가려진 얼굴영상이 8장이 저장되어 있는 경우, 상기 수학식4의 가려짐 판단 기준의 인자값들( , , )의 유도하는 방법은 다음과 같다.
정상적인 얼굴영상의 1번째 영상
정상적인 얼굴영상의 2번째 영상
. .
. .
정상적인 얼굴영상의 5번째 영상
부분적으로 가려진 얼굴영상의 1번째 영상
부분적으로 가려진 얼굴영상의 2번째 영상
. .
. .
부분적으로 가려진 얼굴영상의 8번째 영상
상기와 같이 정상적인 얼굴영상인 경우에는 클래스값 를 1이라 설정하고, 부분적으로 가려진 얼굴영상인 경우에는 클래스값 를 -1이라 설정한 후에 얼굴영상 각각의 가중치와 아이겐벡터를 에 적용하여 상기 다수의 관계식을 만족하는 , , 값을 구한다.
따라서, 입력된 얼굴영상에서 아이겐벡터 및 가중치를 추출하고 추출된 아이겐벡터 및 가중치값을 가려짐 판단 기준에 적용하면 얼굴영상의 가려짐 판단 여부를 정확하게 판단할 수 있다.
도 2는 본 발명에 따른 가려진 얼굴영상을 판단하는 방법의 흐름도로서, 먼저 가려짐 여부를 판단하는 가려짐 판단 기준을 유도하는 과정(S150 ~ S158)을 살펴보면 다음과 같다.
입력된 트레이닝 영상으로부터 얼굴영역을 검출한다(S150). 여기서, 입력된 트레이닝 영상은 조명변화, 표정변화, 수염, 스케일링 시프트(scaling shift), 회전(rotation) 변화 등이 반영된 정상적인 얼굴영상 및 조명변화, 표정변화, 스케일링 시프트, 회전 변화 등이 반영된 부분적으로 가려진 얼굴영상을 모두 포함한다.
상기 검출된 얼굴영역을 정규화한 후(S152), 상기 정규화된 얼굴영역을 눈 주변을 중심으로 하여 상위영역과, 코와 입을 중심으로 하여 하위영역으로 분할하고(S154), 상기 분할된 얼굴영역별로 PCA를 이용하여 각 얼굴 구성요소의 아이겐벡터 및 가중치를 추출하여 메모리부(100)에 저장한다(S156). 얼굴영역의 아이겐벡터 및 가중치를 검출하는 것에 대해서는 상기 수학식1 내지 수학식3에서 상세히 설명하였으므로 이에 대한 자세한 설명은 생략한다.
그 다음, 상기 저장된 아이겐벡터 및 가중치를 기초로 가려짐 판단 기준의 인자들을 설정한다(S158).
상기 단계 S150 내지 단계 S158은 가려짐 여부를 판단하기 위한 알고리즘을 유도하기 위한 것으로, 가려짐 판단 기준이 유도된 후에는 상기 가려짐 판단 기준 유도 과정(S100 ~ S120)은 더 이상 수행되지 않는다.
이하 입력된 사용자 영상에 대한 가려짐 여부 판단 과정을 살펴보면 다음과 같다.
사용자 영상이 입력되면(S100), 입력된 칼라 이미지의 영상을 흑백 이미지로 변환하고(S102), 가버필터 응답을 이용하여 흑백의 영상에서 얼굴영역을 검출한다(S104). 여기서, 상기 흑백의 얼굴영상을 이용하기 때문에 얼굴색상(예를 들어, 화장한 경우, 피부색의 차이 등)으로 인한 오인식 문제를 줄일 수 있다.
그 다음, 얼굴영상의 크기, 얼굴영상의 밝기, 및 얼굴영상의 기울어짐 등을 보정하여 얼굴영역을 정규화 한 후(S106), 정규화된 얼굴영역을 눈 주변을 중심으로 하여 상위영역과, 코와 입을 중심으로 하여 하위영역으로 분할하는데(S108), 이로 인해 각 얼굴 구성요소(눈, 코 및 입)의 탐색영역 크기가 제한된다(도 4에 도시됨).
바람직한 실시예로서, 도 4에 도시된 바와 같이 전체 얼굴영상(320*240)을 60*60으로 정규화시키고, 정규화된 얼굴영상에서 눈의 존재 영역을 (0,5)~(60,30) 즉, 60*25로 설정하고, 코와 입의 존재 영역을 (0,25)~(60,60) 즉, 60*35로 설정한다. 여기서, 상기와 같은 크기로 눈 영역 및 코와 입의 영역을 설정하면 (0,25)~(60,30) 부분이 약 10% 정도 오버랩 된다. 상기 눈 영역과 코와 입의 영역을 오버랩되도록 설정하는 것은, 눈, 코, 입 등의 크기 및 위치가 입력된 얼굴영상에 따라 다양하게 변화되므로, 눈 영역과 코와 입의 영역이 작을 경우 해당 영역에서 발견되는 눈, 코, 입 등의 영상이 절단된 영상일 수 있기 때문이다.
한편, 상기 제한된 영역에서 각 얼굴 구성요소를 추출하기 때문에 탐색영역의 크기가 제한됨으로써, 얼굴 구성요소의 아이겐벡터 추출 시간을 줄일 수 있고, 머리카락이나 주변 배경 등과 같은 노이즈 성분을 줄일 수 있다.
상기 분할된 얼굴영역을 기초로 PCA를 이용하여 상위영역에서 눈의 아이겐벡터 및 가중치를 추출하고, 하위영역에서 코와 입의 아이겐벡터 및 가중치를 추출한다(S110).
그 다음, 상기 추출된 사용자의 아이겐벡터 및 가중치를 상기 단계 S150 내지 단계 S158에서 유도한 가려짐 판단 기준에 적용한다(S112). 즉, 상기 검출된 사용자의 아이겐벡터 및 가중치를 에 적용하여 값을 구하고, 상기 트레이닝 영상의 아이겐벡터 및 가중치를 이용하여 구해진 , , 값들을 적용하여 클래스값 를 구한다. 여기서, 클래스값 는 상위영역과 하위영역별로 구할 수 있다.
이 후, 각각 구해진 상위영역의 클래스값 와 하위영역의 클래스값 가 1 또는 -1 중 어느 값인지 판단하여 얼굴영상의 가려짐 여부를 판단한다(S114,S118). 따라서, 상기 가려짐 판단 기준을 통해 얻어진 값이 1일 경우에는 정상적인 얼굴영상으로 판단하고(S116), 가려짐 판단 기준을 통해 얻어진 값이 -1일 경우에는 부분적으로 가려진 얼굴영상으로 판단한다(S120).
한편, 상기 얼굴영상의 가려짐 여부 판단은 상위영역과 하위영역 각각에 있어서 동시에 수행되며, 상위영역 및 하위영역 중 어느 한 영역이라도 가려진 얼굴영상으로 판단되면 사용자의 얼굴영상은 가려진 것으로 판단한다. 여기서, 상기 상위영역과 하위영역의 가려짐 판단 여부를 동시에 수행함으로써 얼굴영상의 가려짐 여부 판단을 보다 빨리 수행할 수 있다.
도 3은 본 발명에 따른 가려진 얼굴영상을 판단하는 방법이 적용된 얼굴영상 인증 방법의 흐름도로서, 먼저 입력된 사용자의 얼굴영상의 가려짐 여부를 판단하는데(S200), 여기서 상기 얼굴영상의 가려짐 여부 판단은 상기 도 2의 단계 S100 내지 단계 S120의 과정을 동일하게 수행함으로써 판단할 수 있다.
상기 얼굴영상의 가려짐 여부 판단 결과 사용자의 얼굴영상이 정상적인 얼굴영상으로 판단되면 사용자 인증을 수행하고(S202), 사용자의 얼굴영상이 가려진 얼굴영상으로 판단되면 사용자에게 경고 메세지를 전송한 후(S206), 사용자의 얼굴영상 검출 및 얼굴영상 가려짐 여부 판단을 재 수행한다(S200). 여기서, 사용자의 얼굴영상이 가려진 얼굴영상으로 3회 이상 판단되면(S208), 사용자 인증을 거부한다(S210).
도 5는 다수의 트레이닝 영상을 예시적으로 나타낸 도면으로서, 도 5(a)는 조명이 변화된 영상, 표정이 변화된 영상, 수염이 있는 영상, 스케일링 시프트, 회전 변화 등이 포함된 정상적인 얼굴영상 클래스로써, 조명의 변화, 표정의 변화, 수염, 및 얼굴의 기울어짐 등으로 인해 변화될 수 있는 얼굴 구성요소(눈, 코, 및 입 등)의 특징을 모두 고려한 얼굴영상들의 아이겐벡터 및 가중치가 저장되어 있고, 도 5(b)는 선글라스를 착용한 영상 및 머플러를 착용한 영상 등이 포함된 가려진 얼굴영상 클래스로써, 선글라스, 목도리, 마스크, 조명의 변화, 표정의 변화, 스케일링 시프트, 회전 변화 등으로 인해 변화될 수 있는 얼굴 구성요소의 특징을 모두 고려한 얼굴영상들의 아이겐벡터 및 가중치가 저장되어 있다. 따라서, 트레이닝 영상으로 발생될 수 있는 모든 조건에 대한 얼굴영상이 포함되어 있으므로, 입력되는 얼굴영상들의 가려짐 여부를 오인식 없이 정확하게 검출할 수 있다.
하기 표1 및 표2는 상기 메모리부(100)에 정상적인 얼굴영상 3200장과, 선글라스를 착용한 얼굴영상 2900장 및 마스크, 머플러를 착용한 얼굴영상 및 얼굴영상이 포함되지 않은 별도의 영상 등을 4500장 저장하여 본 발명의 가려짐 판단 기준의 성능을 테스트한 예를 나타낸다. 하기 표1은 정상적인 얼굴영상 클래스 및 가려진 얼굴영상 클래스에서 각각 100개의 아이겐벡터를 추출하여 테스트한 결과이다.
서포트 벡터 숫자 에러 숫자
상위 영역 250 0
하위 영역 266 1
즉, 추출된 아이겐벡터를 기초로 가려짐 여부 판단을 200회 이상 실시한 결과 매우 낮은 에러 발생률을 보임을 알 수 있다.
또한, 하기 표2는 정상적인 얼굴영상에서 가려짐 여부 판단을 수행하여 얻은 결과가 98%의 검색률을 나타낸 경우, 가려진 얼굴영상에서도 동일한 테스트를 하여 얻은 결과를 나타낸 것이다. 여기서, 하기 표2는 370장의 선글라스를 착용한 얼굴영상(즉, 상위영역)과 390장의 머플러를 착용한 얼굴영상(즉, 하위영역)을 테스트한 것이다.
검색률 오인식률
상위 영역 95.2% 2.4%
하위 영역 98.8% 0%
테스트 결과 95% 이상이라는 높은 검색률로 얼굴영역의 가려짐 여부를 판단하며, 그에 따른 오인식률은 극히 낮음을 알 수 있다.
따라서, 트레이닝 영상으로 발생될 수 있는 모든 조건에 대한 얼굴영상이 포함되어 있으므로, 다양한 조건의 얼굴영상들을 모두 만족하는 가려짐 판단 기준을 유도할 수 있기 때문에 사용자 얼굴영상의 가려짐 여부를 판단하는데 있어서 높은 검색률을 얻을 수 있다.
이상에서 본 발명에 대하여 상세히 기술하였지만, 본 발명이 속하는 기술 분야에 있어서 통상의 지식을 가진 사람이라면, 첨부된 청구범위에 정의된 본 발명의 정신 및 범위를 벗어나지 않으면서 본 발명을 여러 가지로 변형 또는 변경하여 실시할 수 있음은 자명하며, 따라서 본 발명의 실시예에 따른 단순한 변경은 본 발명의 기술을 벗어날 수 없을 것이다.
상기한 구성의 본 발명에 의하면, 다양한 조건의 얼굴영상이 입력되더라도 가려짐 판단 기준을 이용하여 입력된 사용자 얼굴영상의 가려짐 여부를 정확하고 빠르게 판단 할 수 있는 잇점이 있다.
또한, 얼굴영상을 분할하여 얼굴 구성요소의 탐색영역을 제한함으로써, 아이겐벡터 및 가중치 추출시 처리시간을 줄일 수 있고, 머리카락 및 주변 배경 등과 같은 노이즈 성분을 감소시킬 수 있으며, 상위영역, 하위영역으로 분할되어 있어 각 해당 영역에서 눈과 코 및 입의 아이겐벡터 및 가중치를 동시에 추출할 수 있는 잇점이 있다.
그리고, 흑백 영상을 이용함으로써 주변환경이나 조명등의 영향을 적게 받고, 이로 인해 아이겐벡터 추출시 발생되는 오인식 문제를 감소시킬 수 있는 잇점이 있다.
도 1은 본 발명에 따른 가려진 얼굴영상을 판단하는 시스템의 개략적인 블럭도.
도 2는 본 발명에 따른 가려진 얼굴영상을 판단하는 방법의 흐름도.
도 3은 본 발명에 따른 가려진 얼굴영상을 판단하는 방법이 적용된 얼굴영상 인증 방법의 흐름도.
도 4는 얼굴영상의 크기를 정규화시킨 일실시예를 나타낸 도면.
도 5는 다수의 트레이닝 영상을 예시적으로 나타낸 도면.
< 도면의 주요부분에 대한 부호의 설명 >
100 : 메모리부 200 : 얼굴영상 인식부
210 : 흑백화부 220 : 얼굴영상 검출부
230 : 얼굴영상 정규화부 240 : 얼굴영상 분할부
250 : 아이겐벡터/가중치 추출부 300 : 얼굴영상 판단부

Claims (20)

  1. 삭제
  2. 다수의 트레이닝 영상으로부터 추출된 아이겐벡터와 가중치를 정상적인 얼굴영상 클래스와 가려진 얼굴영상 클래스로 분류하여 저장하며, 상기 아이겐벡터 및 가중치를 통해 얻어진 가려짐 판단 기준을 저장하는 메모리부;
    카메라로부터 입력된 얼굴영상을 상위영역 및 하위영역으로 분할한 후, PCA를 이용하여 각 얼굴 구성요소의 아이겐벡터 및 가중치를 추출하는 얼굴영상 인식부; 및
    상기 얼굴영상 인식부에서 추출한 입력영상의 아이겐벡터 및 가중치를 상기 메모리부에 저장된 가려짐 판단 기준에 적용하여, 상기 정상적인 얼굴영상 클래스와 가려진 얼굴영상 클래스 중 어느 클래스에 포함되는지를 체크하여, 상기 입력된 얼굴영상에 대한 가려짐 여부를 판단하는 얼굴영상 판단부를 포함하는데,
    상기 얼굴영상 인식부는 입력된 얼굴영상에서 얼굴영역을 검출하는 얼굴영상 검출부와, 상기 얼굴영상 검출부가 검출한 얼굴영역을 눈 주변을 중심으로 상위영역 및 코와 입을 중심으로 하위영역으로 분할하는 얼굴영상 분할부와, 및 상기 분할된 얼굴 영역별로 PCA를 이용하여 각 얼굴 구성요소의 아이겐벡터 및 가중치를 추출하는 아이겐벡터/가중치 추출부를 더 포함하는 가려진 얼굴영상을 판단하는 시스템.
  3. 제 2항에 있어서, 상기 얼굴 영상 인식부는,
    상기 트레이닝 영상에서 각 얼굴 구성요소의 아이겐벡터 및 가중치를 추출하는 것을 특징으로 하는 가려진 얼굴영상을 판단하는 시스템.
  4. 제 2항에 있어서, 상기 얼굴영상 인식부는,
    상기 입력된 영상이 칼라 이미지인 경우 이를 흑백 이미지로 변환하는 흑백화부; 및
    상기 검출된 얼굴영역을 정규화하는 얼굴영상 정규화부를 더 포함하는 것을 특징으로 하는 가려진 얼굴영상을 판단하는 시스템.
  5. 삭제
  6. 제 2항에 있어서, 상기 아이겐벡터/가중치 추출부는,
    상기 얼굴영상 분할부에서 분할한 상위영역 및 하위영역에서 아이겐벡터 및 가중치를 추출하는 것을 특징으로 하는 가려진 얼굴영상을 판단하는 시스템.
  7. 제 2항에 있어서, 상기 얼굴영상 판단부는,
    상기 트레이닝 영상에 대한 정상적인 얼굴영상 클래스 값 및 가려진 얼굴영상 클래스 값이 각각 다르게 설정된 상기 트레이닝 영상에서 아이겐벡터 및 가중치를 추출하고, 상기 트레이닝 영상의 클래스 값, 아이겐벡터 및 가중치를 이용하여상기 가려짐 판단 기준을 유도하는 것을 특징으로 하는 가려진 얼굴영상을 판단하는 시스템.
  8. 제 2항에 있어서, 상기 가려짐 판단 기준을 계산하는 식은,
    (단, 와 및 는 트레이닝 영상으로부터 얻어진 인자, 는 입력된 얼굴영상에서 추출된 아이겐벡터와 가중치)
    인 것을 특징으로 하는 특징으로 하는 가려진 얼굴영상을 판단하는 시스템.
  9. 제 8항에 있어서, 상기 얼굴영상 판단부는,
    상기 입력된 얼굴영상의 아이겐벡터 및 가중치를 상기 가려짐 판단 기준에 적용하여 얻은 결과값이 1일 경우 정상적인 얼굴로, 결과값이 -1일 경우 가려진 얼굴로 판단하는 것을 특징으로 하는 가려진 얼굴영상을 판단하는 시스템.
  10. 제 2항에 있어서, 상기 얼굴영상 판단부는,
    상기 얼굴영상의 상위영역과 얼굴영상의 하위영역의 가려짐 여부 판단을 동시에 수행하는 것을 특징으로 하는 가려진 얼굴영상을 판단하는 시스템.
  11. 다수의 트레이닝 영상에 대한 정상적인 얼굴영상 클래스 값 및 가려진 얼굴영상 클래스 값이 각각 다르게 설정된 상기 트레이닝 영상에서 아이겐벡터 및 가중치를 추출하는 단계;
    상기 트레이닝 영상의 클래스 값, 아이겐벡터 및 가중치를 이용하여 가려짐 판단 기준을 유도하는 단계;
    카메라로부터 입력된 얼굴영상을 상위영역 및 하위영역으로 분할하고, 상기 분할된 얼굴 영역별로 PCA를 이용하여 각 얼굴 구성요소의 아이겐벡터 및 가중치를 추출하는 단계;
    상기 추출된 아이겐벡터 및 가중치를 상기 가려짐 판단 기준에 적용하여 정상적인 얼굴영상 클래스 및 가려진 얼굴영상 클래스 중 어느 클래스에 포함되는지를 체크하는 단계; 및
    상기 체크 결과를 기초로 상기 입력된 얼굴영상에 대한 가려짐 여부를 판단하는 단계로 구성되는 것을 특징으로 하는 가려진 얼굴영상을 판단하는 방법.
  12. 제 11항에 있어서,
    상기 카메라로부터 입력된 얼굴영상을 상위영역 및 하위영역으로 분할하는 단계는,
    상기 입력된 얼굴영상이 칼라 이미지인 경우 이를 흑백 이미지로 변환하는 단계; 및
    상기 입력된 얼굴영역을 정규화하는 단계를 더 포함하는 것을 특징으로 하는 가려진 얼굴영상을 판단하는 방법.
  13. 삭제
  14. 제 11항에 있어서,
    상기 트레이닝 영상은 스케일링 시프트 또는 회전 변화가 반영된 얼굴영상인 것을 특징으로 하는 가려진 얼굴영상을 판단하는 방법.
  15. 제 11항에 있어서,
    상기 카메라로부터 입력된 얼굴영상을 상위영역 및 하위영역으로 분할하는 단계는,
    상기 입력된 전체 얼굴영역을 눈 주변을 중심으로 분할한 상위영역과, 코와 입을 중심으로 분할한 하위영역으로 분할하는 것을 특징으로 하는 가려진 얼굴영상을 판단하는 방법.
  16. 제 11항에 있어서,
    상기 분할된 얼굴 영역별로 PCA를 이용하여 각 얼굴 구성요소의 아이겐벡터 및 가중치를 추출하는 단계는,
    상기 얼굴 영역별로 미리 설정해 놓은 눈과 코 및 입의 분할된 영역에서 아이겐벡터 및 가중치를 추출하는 것을 특징으로 하는 가려진 얼굴영상을 판단하는 방법.
  17. 제 11항에 있어서, 상기 가려짐 판단 기준을 계산하는 식은,
    (단, 와 및 는 트레이닝 영상으로부터 얻어진 인자, 는 입력된 얼굴영상에서 추출된 아이겐벡터와 가중치)
    인 것을 특징으로 하는 특징으로 하는 가려진 얼굴영상을 판단하는 방법.
  18. 제 17항에 있어서,
    상기 정상적인 얼굴영상 클래스 및 가려진 얼굴영상 클래스 중 어느 클래스에 포함되는지를 체크하는 단계는,
    상기 가려짐 판단 기준에 상기 추출된 사용자의 아이겐벡터 및 가중치를 적용하여 얻은 결과값이 1일 경우 정상적인 얼굴영상 클래스에 포함되고, 결과값이 -1일 경우 가려진 얼굴영상 클래스에 포함되는 것을 특징으로 하는 가려진 얼굴영상을 판단하는 방법.
  19. 제 15항에 있어서,
    상기 입력된 얼굴영상에 대한 가려짐 여부를 판단하는 단계는,
    상기 입력된 얼굴영상의 상위영역과 얼굴영상의 하위영역의 가려짐 여부 판단을 동시에 수행하는 것을 특징으로 하는 가려진 얼굴영상을 판단하는 방법.
  20. 다수의 트레이닝 영상에 대한 정상적인 얼굴영상 클래스 값 및 가려진 얼굴영상 클래스 값이 각각 다르게 설정된 상기 트레이닝 영상에서 아이겐벡터 및 가중치를 추출하는 단계;
    상기 트레이닝 영상의 클래스 값, 아이겐벡터 및 가중치를 이용하여 가려짐 판단 기준을 유도하는 단계;
    카메라로부터 입력된 얼굴영상을 상위영역 및 하위영역으로 분할하고, 상기 분할된 얼굴 영역별로 PCA를 이용하여 각 얼굴 구성요소의 아이겐벡터 및 가중치를 추출하는 단계;
    상기 추출된 아이겐벡터 및 가중치를 상기 가려짐 판단 기준에 적용하여 정상적인 얼굴영상 클래스 및 가려진 얼굴영상 클래스 중 어느 클래스에 포함되는지를 체크하는 단계;
    상기 체크 결과를 기초로 상기 입력된 얼굴영상에 대한 가려짐 여부를 판단하는 단계;
    상기 판단 결과 입력된 얼굴영상이 정상적인 얼굴영상인 경우, 인증을 수행하는 단계;
    상기 판단 결과 입력된 얼굴영상이 가려진 얼굴영상인 경우, 경고 메세지를 전송하고 얼굴영상의 가려짐 여부를 재판단하는 단계; 및
    상기 입력된 얼굴영상이 소정 횟수 이상 가려진 얼굴영상으로 판단되면 인증을 거부하는 단계를 포함하는 것을 특징으로 하는 가려진 얼굴영상을 인증하는 방법.
KR10-2002-0067974A 2002-11-04 2002-11-04 가려진 얼굴영상을 판단하는 시스템 및 방법 KR100473598B1 (ko)

Priority Applications (5)

Application Number Priority Date Filing Date Title
KR10-2002-0067974A KR100473598B1 (ko) 2002-11-04 2002-11-04 가려진 얼굴영상을 판단하는 시스템 및 방법
EP03256953A EP1416425B1 (en) 2002-11-04 2003-11-04 System and method for detecting a face
DE60317025T DE60317025T2 (de) 2002-11-04 2003-11-04 Vorrichtung und Verfahren zur Gesichtserkennung
US10/699,879 US7321670B2 (en) 2002-11-04 2003-11-04 System and method for detecting face
JP2003374316A JP2004158013A (ja) 2002-11-04 2003-11-04 顔検出システム及び方法、並びに顔画像認証方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR10-2002-0067974A KR100473598B1 (ko) 2002-11-04 2002-11-04 가려진 얼굴영상을 판단하는 시스템 및 방법

Publications (2)

Publication Number Publication Date
KR20040039788A KR20040039788A (ko) 2004-05-12
KR100473598B1 true KR100473598B1 (ko) 2005-03-11

Family

ID=32089791

Family Applications (1)

Application Number Title Priority Date Filing Date
KR10-2002-0067974A KR100473598B1 (ko) 2002-11-04 2002-11-04 가려진 얼굴영상을 판단하는 시스템 및 방법

Country Status (5)

Country Link
US (1) US7321670B2 (ko)
EP (1) EP1416425B1 (ko)
JP (1) JP2004158013A (ko)
KR (1) KR100473598B1 (ko)
DE (1) DE60317025T2 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR200482268Y1 (ko) 2016-02-04 2017-01-05 이길순 백팩과 결합되어 음이온이 나오는 미세먼지 방지용 마스크

Families Citing this family (92)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100442835B1 (ko) * 2002-08-13 2004-08-02 삼성전자주식회사 인공 신경망을 이용한 얼굴 인식 방법 및 장치
US8155397B2 (en) * 2007-09-26 2012-04-10 DigitalOptics Corporation Europe Limited Face tracking in a camera processor
US7269292B2 (en) * 2003-06-26 2007-09-11 Fotonation Vision Limited Digital image adjustable compression and resolution using face detection information
US8498452B2 (en) * 2003-06-26 2013-07-30 DigitalOptics Corporation Europe Limited Digital image processing using face detection information
US7362368B2 (en) * 2003-06-26 2008-04-22 Fotonation Vision Limited Perfecting the optics within a digital image acquisition device using face detection
US7620218B2 (en) * 2006-08-11 2009-11-17 Fotonation Ireland Limited Real-time face tracking with reference images
US7440593B1 (en) 2003-06-26 2008-10-21 Fotonation Vision Limited Method of improving orientation and color balance of digital images using face detection information
US8682097B2 (en) * 2006-02-14 2014-03-25 DigitalOptics Corporation Europe Limited Digital image enhancement with reference images
US7792970B2 (en) * 2005-06-17 2010-09-07 Fotonation Vision Limited Method for establishing a paired connection between media devices
US7844076B2 (en) 2003-06-26 2010-11-30 Fotonation Vision Limited Digital image processing using face detection and skin tone information
US9129381B2 (en) * 2003-06-26 2015-09-08 Fotonation Limited Modification of post-viewing parameters for digital images using image region or feature information
US7471846B2 (en) * 2003-06-26 2008-12-30 Fotonation Vision Limited Perfecting the effect of flash within an image acquisition devices using face detection
US8330831B2 (en) * 2003-08-05 2012-12-11 DigitalOptics Corporation Europe Limited Method of gathering visual meta data using a reference image
US8896725B2 (en) 2007-06-21 2014-11-25 Fotonation Limited Image capture device with contemporaneous reference image capture mechanism
US8948468B2 (en) * 2003-06-26 2015-02-03 Fotonation Limited Modification of viewing parameters for digital images using face detection information
US8989453B2 (en) * 2003-06-26 2015-03-24 Fotonation Limited Digital image processing using face detection information
US7565030B2 (en) 2003-06-26 2009-07-21 Fotonation Vision Limited Detecting orientation of digital images using face detection information
US7616233B2 (en) * 2003-06-26 2009-11-10 Fotonation Vision Limited Perfecting of digital image capture parameters within acquisition devices using face detection
US8593542B2 (en) * 2005-12-27 2013-11-26 DigitalOptics Corporation Europe Limited Foreground/background separation using reference images
US7574016B2 (en) * 2003-06-26 2009-08-11 Fotonation Vision Limited Digital image processing using face detection information
US9692964B2 (en) 2003-06-26 2017-06-27 Fotonation Limited Modification of post-viewing parameters for digital images using image region or feature information
US7643684B2 (en) * 2003-07-15 2010-01-05 Samsung Electronics Co., Ltd. Apparatus for and method of constructing multi-view face database, and apparatus for and method of generating multi-view face descriptor
JP4507679B2 (ja) 2004-04-21 2010-07-21 富士ゼロックス株式会社 画像認識装置、画像抽出装置、画像抽出方法及びプログラム
GB2414328A (en) 2004-05-17 2005-11-23 Mitsubishi Electric Inf Tech Discrimination transforms applied to frequency domain derived feature vectors
US8320641B2 (en) * 2004-10-28 2012-11-27 DigitalOptics Corporation Europe Limited Method and apparatus for red-eye detection using preview or other reference images
KR100590572B1 (ko) * 2004-12-15 2006-06-19 삼성전자주식회사 눈 위치 검출 방법 및 장치
US7315631B1 (en) * 2006-08-11 2008-01-01 Fotonation Vision Limited Real-time face tracking in a digital image acquisition device
KR100695155B1 (ko) * 2005-06-18 2007-03-14 삼성전자주식회사 가리어진 얼굴 검출장치 및 방법과 이를 이용한 부정거래자식별장치 및 방법
GB2430735A (en) * 2005-09-30 2007-04-04 Sony Uk Ltd Object detection
KR100734849B1 (ko) * 2005-11-26 2007-07-03 한국전자통신연구원 얼굴 인식 방법 및 그 장치
JP2007148872A (ja) * 2005-11-29 2007-06-14 Mitsubishi Electric Corp 画像認証装置
US7965875B2 (en) * 2006-06-12 2011-06-21 Tessera Technologies Ireland Limited Advances in extending the AAM techniques from grayscale to color images
US7830550B2 (en) * 2006-08-07 2010-11-09 Samsung Electronics Co., Ltd. Image converting method and apparatus, and image forming apparatus having the same
US7403643B2 (en) * 2006-08-11 2008-07-22 Fotonation Vision Limited Real-time face tracking in a digital image acquisition device
US7916897B2 (en) 2006-08-11 2011-03-29 Tessera Technologies Ireland Limited Face tracking for controlling imaging parameters
CN100447807C (zh) * 2006-11-09 2008-12-31 上海大学 基于有限多幅人脸图像的人脸匹配方法
US8055067B2 (en) * 2007-01-18 2011-11-08 DigitalOptics Corporation Europe Limited Color segmentation
KR101428715B1 (ko) 2007-07-24 2014-08-11 삼성전자 주식회사 인물 별로 디지털 컨텐츠를 분류하여 저장하는 시스템 및방법
KR100815291B1 (ko) * 2007-07-31 2008-03-25 (주)올라웍스 사용자의 피드백을 이용하여, 얼굴 인식기 또는 얼굴검출기의 파라미터를 최적화하는 방법 및 시스템
CA2696190C (en) * 2007-08-17 2014-02-18 Bell Helicopter Textron Inc. System for optical recognition, interpretation, and digitization of human readable instruments, annunciators, and controls
WO2009134482A2 (en) * 2008-01-31 2009-11-05 The Board Of Trustees Of The University Of Illinois Recognition via high-dimensional data classification
JP4228031B1 (ja) * 2008-06-09 2009-02-25 株式会社リミックスポイント 画像解析装置、画像登録装置および画像検索装置
JP5127583B2 (ja) 2008-06-20 2013-01-23 株式会社豊田中央研究所 対象物判定装置及びプログラム
JP5127582B2 (ja) * 2008-06-20 2013-01-23 株式会社豊田中央研究所 対象物判定装置及びプログラム
US9405995B2 (en) * 2008-07-14 2016-08-02 Lockheed Martin Corporation Method and apparatus for facial identification
US8131063B2 (en) * 2008-07-16 2012-03-06 Seiko Epson Corporation Model-based object image processing
WO2010012448A2 (en) * 2008-07-30 2010-02-04 Fotonation Ireland Limited Automatic face and skin beautification using face detection
US8260039B2 (en) * 2009-02-25 2012-09-04 Seiko Epson Corporation Object model fitting using manifold constraints
US8260038B2 (en) * 2009-02-25 2012-09-04 Seiko Epson Corporation Subdivision weighting for robust object model fitting
US8204301B2 (en) * 2009-02-25 2012-06-19 Seiko Epson Corporation Iterative data reweighting for balanced model learning
US8208717B2 (en) * 2009-02-25 2012-06-26 Seiko Epson Corporation Combining subcomponent models for object image modeling
US8379917B2 (en) * 2009-10-02 2013-02-19 DigitalOptics Corporation Europe Limited Face recognition performance using additional image features
CN102436636B (zh) * 2010-09-29 2013-09-25 中国科学院计算技术研究所 自动分割头发的方法及其系统
CN102436637B (zh) * 2010-09-29 2013-08-21 中国科学院计算技术研究所 从头部图像中自动分割头发的方法及其系统
US8380711B2 (en) * 2011-03-10 2013-02-19 International Business Machines Corporation Hierarchical ranking of facial attributes
KR101308347B1 (ko) * 2011-04-06 2013-09-17 아주대학교산학협력단 상관관계를 이용한 가려진 얼굴 영상 검출 및 복원 방법
KR101280439B1 (ko) * 2011-09-30 2013-06-28 아이포콤 주식회사 현금인출기 카메라에서 취득된 얼굴 영상에 대한 얼굴 인식 가능성 판단 방법
DE112011105949T5 (de) * 2011-12-14 2014-09-11 Intel Corporation Techniken zur Hautfarbenaktivierung
CN104169943B (zh) * 2012-03-13 2018-03-23 诺基亚技术有限公司 用于改善的面部识别的方法和装置
US9177130B2 (en) * 2012-03-15 2015-11-03 Google Inc. Facial feature detection
US8515139B1 (en) * 2012-03-15 2013-08-20 Google Inc. Facial feature detection
KR101310885B1 (ko) * 2012-05-31 2013-09-25 주식회사 에스원 영역 분할을 토대로 하는 얼굴 인식 방법 및 그 장치
CN102902971A (zh) * 2012-08-31 2013-01-30 电子科技大学 基于智能视觉感知的电梯人流量统计方法及系统
JP5652886B2 (ja) 2012-11-28 2015-01-14 Ｎｅｃカシオモバイルコミュニケーションズ株式会社 顔認証装置、認証方法とそのプログラム、情報機器
CN103064985B (zh) * 2013-01-28 2015-07-22 北京理工大学 基于先验知识的图像检索方法
CN103310415A (zh) * 2013-03-15 2013-09-18 清华大学 基于人脸的图像缺损补绘方法及系统
CN103245713B (zh) * 2013-03-25 2016-01-20 江苏易谱恒科技有限公司 基于支持向量机和离子迁移谱的中草药产地鉴别方法
DE102013010492A1 (de) 2013-06-25 2015-01-08 Modi Modular Digits Gmbh Einrichtung und Verfahren zum Erkennen eines Fälschungsversuchs bei einer Personenidentifikation sowie Kontrollstation zur automatisierten Personenkontrolle
US9558396B2 (en) 2013-10-22 2017-01-31 Samsung Electronics Co., Ltd. Apparatuses and methods for face tracking based on calculated occlusion probabilities
KR101515928B1 (ko) * 2013-11-29 2015-05-06 재단법인대구경북과학기술원 가변 가중치 결합을 이용하는 얼굴 인식 장치 및 방법
CN103679156A (zh) * 2013-12-31 2014-03-26 武汉理工大学 一种多类运动目标自动识别与跟踪的方法
WO2015137788A1 (en) * 2014-03-14 2015-09-17 Samsung Electronics Co., Ltd. Electronic apparatus for providing health status information, method of controlling the same, and computer-readable storage medium
US9510196B2 (en) 2014-03-17 2016-11-29 Qualcomm Incorporated Method and apparatus for authenticating a user on a mobile device
JP6630999B2 (ja) * 2014-10-15 2020-01-15 日本電気株式会社 画像認識装置、画像認識方法、および、画像認識プログラム
KR101956071B1 (ko) 2015-01-13 2019-03-08 삼성전자주식회사 사용자 인증 방법 및 장치
US9430697B1 (en) * 2015-07-03 2016-08-30 TCL Research America Inc. Method and system for face recognition using deep collaborative representation-based classification
WO2017070971A1 (zh) * 2015-10-31 2017-05-04 华为技术有限公司 一种面部验证的方法和电子设备
CN105787432B (zh) * 2016-01-15 2019-02-05 浙江工业大学 基于结构感知的人脸遮挡检测方法
US10452071B1 (en) * 2016-02-29 2019-10-22 AI Incorporated Obstacle recognition method for autonomous robots
JP7103229B2 (ja) * 2017-01-05 2022-07-20 日本電気株式会社 不審度推定モデル生成装置
CN108932458B (zh) * 2017-05-24 2020-09-11 恒睿(重庆)人工智能技术研究院有限公司 恢复眼镜遮挡区域的人脸重建方法及装置
US11169661B2 (en) * 2017-05-31 2021-11-09 International Business Machines Corporation Thumbnail generation for digital images
EP3698268A4 (en) * 2017-11-22 2021-02-17 Zhejiang Dahua Technology Co., Ltd. FACIAL RECOGNITION PROCESSES AND SYSTEMS
CN109446893A (zh) * 2018-09-14 2019-03-08 百度在线网络技术（北京）有限公司 人脸识别方法、装置、计算机设备及存储介质
JP7232008B2 (ja) * 2018-09-27 2023-03-02 株式会社アイシン 乗員モニタリング装置、乗員モニタリング方法、および乗員モニタリングプログラム
US11042727B2 (en) * 2019-09-30 2021-06-22 Lenovo (Singapore) Pte. Ltd. Facial recognition using time-variant user characteristics
JP6852779B2 (ja) * 2019-12-12 2021-03-31 日本電気株式会社 画像認識装置、画像認識方法、および、画像認識プログラム
JP7409172B2 (ja) 2020-03-12 2024-01-09 大日本印刷株式会社 画像生成システム
CN111914748B (zh) * 2020-07-31 2023-10-27 平安科技（深圳）有限公司 人脸识别方法、装置、电子设备及计算机可读存储介质
CN112784795B (zh) * 2021-01-30 2022-02-01 深圳市心和未来教育科技有限公司 一种人脸快速识别分析设备及系统
CN114886404B (zh) * 2022-07-13 2022-10-28 西南民族大学 一种电子设备、装置及存储介质
CN116700408A (zh) * 2023-07-31 2023-09-05 济南深蓝动物保健品有限公司 一种基于人工智能的水量自动控制方法及相关设备

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0535992A (ja) * 1991-07-26 1993-02-12 Sharp Corp 警報装置
KR20000023915A (ko) * 1999-09-22 2000-05-06 이칠기 표정변화와 주변환경에 독립적인 얼굴인식을 위한 학습 및인식방법.
KR20000061100A (ko) * 1999-03-23 2000-10-16 박광소 은행거래시스템의 거래자 안면인식방법
KR20040001319A (ko) * 2002-06-27 2004-01-07 주식회사 케이티 얼굴 정보 추출 방법 및 그를 이용한 얼굴 인식 방법

Family Cites Families (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5438629A (en) * 1992-06-19 1995-08-01 United Parcel Service Of America, Inc. Method and apparatus for input classification using non-spherical neurons
JPH0883341A (ja) 1994-09-12 1996-03-26 Nippon Telegr & Teleph Corp <Ntt> 物体領域抽出方法とその装置及び物体認識装置
CN1184542A (zh) * 1995-03-20 1998-06-10 Lau技术公司 识别图象的系统和方法
US5710833A (en) * 1995-04-20 1998-01-20 Massachusetts Institute Of Technology Detection, recognition and coding of complex objects using probabilistic eigenspace analysis
JPH1082154A (ja) 1996-09-04 1998-03-31 Toto Ltd 手摺り
JP3621245B2 (ja) * 1997-12-12 2005-02-16 株式会社東芝 人物認識装置、人物認識方法、および、人物認識プログラムの記録媒体
JP2000061100A (ja) 1998-08-21 2000-02-29 Daiman:Kk パチンコ機における自動出玉補償装置
JP4395970B2 (ja) 1999-03-31 2010-01-13 沖電気工業株式会社 撮影装置及び取引処理装置
US6944319B1 (en) * 1999-09-13 2005-09-13 Microsoft Corporation Pose-invariant face recognition system and process
JP4426029B2 (ja) 1999-09-27 2010-03-03 富士通株式会社 画像照合方法および装置
EP1260935B1 (en) * 2001-05-22 2006-07-12 Matsushita Electric Industrial Co., Ltd. Face detection device, face pose detection device, partial image extraction device, and methods for said devices

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0535992A (ja) * 1991-07-26 1993-02-12 Sharp Corp 警報装置
KR20000061100A (ko) * 1999-03-23 2000-10-16 박광소 은행거래시스템의 거래자 안면인식방법
KR20000023915A (ko) * 1999-09-22 2000-05-06 이칠기 표정변화와 주변환경에 독립적인 얼굴인식을 위한 학습 및인식방법.
KR20040001319A (ko) * 2002-06-27 2004-01-07 주식회사 케이티 얼굴 정보 추출 방법 및 그를 이용한 얼굴 인식 방법

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR200482268Y1 (ko) 2016-02-04 2017-01-05 이길순 백팩과 결합되어 음이온이 나오는 미세먼지 방지용 마스크

Also Published As

Publication number Publication date
US20040091137A1 (en) 2004-05-13
EP1416425A1 (en) 2004-05-06
EP1416425B1 (en) 2007-10-24
KR20040039788A (ko) 2004-05-12
DE60317025D1 (de) 2007-12-06
US7321670B2 (en) 2008-01-22
DE60317025T2 (de) 2008-07-31
JP2004158013A (ja) 2004-06-03

Similar Documents

Publication Publication Date Title
KR100473598B1 (ko) 가려진 얼굴영상을 판단하는 시스템 및 방법
US7583823B2 (en) Method for localizing irises in images using gradients and textures
US20070160266A1 (en) Method for extracting features of irises in images using difference of sum filters
US5982912A (en) Person identification apparatus and method using concentric templates and feature point candidates
US20070160308A1 (en) Difference of sum filters for texture classification
US7187786B2 (en) Method for verifying users and updating database, and face verification system using the same
KR100695155B1 (ko) 가리어진 얼굴 검출장치 및 방법과 이를 이용한 부정거래자식별장치 및 방법
CA2218793C (en) Multi-modal system for locating objects in images
RU2670798C1 (ru) Способ аутентификации пользователя по радужной оболочке глаз и соответствующее устройство
US20060147094A1 (en) Pupil detection method and shape descriptor extraction method for a iris recognition, iris feature extraction apparatus and method, and iris recognition system and method using its
US20050117783A1 (en) Large volume face recognition apparatus and method
US20070263928A1 (en) Method, apparatus, and program for processing red eyes
WO2002071316A1 (en) Non-contact type human iris recognition method by correction of rotated iris image
KR100473600B1 (ko) 얼굴 인식 시스템에서의 사진 판별 장치 및 방법
KR100664956B1 (ko) 눈 검출 방법 및 장치
KR101280439B1 (ko) 현금인출기 카메라에서 취득된 얼굴 영상에 대한 얼굴 인식 가능성 판단 방법
KR100306355B1 (ko) 사용자식별시스템및이를이용한현금인출기
KR102563153B1 (ko) 마스크 착용에 강인한 얼굴 인식 방법 및 시스템
KR100428540B1 (ko) 개인 식별을 위한 손등의 혈관패턴 인식 장치 및 그 방법
Borges et al. Analysis of the eyes on face images for compliance with ISO/ICAO requirements
KR20040042958A (ko) 계층적 지문인식 방법 및 시스템
KR20070038544A (ko) 전자적 디지털 이미지로 얼굴을 자동인식하는 방법
KR20040088898A (ko) 얼굴 검출을 위한 얼굴특징 추출방법
Sibiryakov et al. A method of statistical template matching and its application to face and facial feature detection

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20120130

Year of fee payment: 8

FPAY Annual fee payment

Payment date: 20130130

Year of fee payment: 9

LAPS Lapse due to unpaid annual fee