KR100756047B1 - Apparatus for recognizing a biological face and method therefor - Google Patents

Apparatus for recognizing a biological face and method therefor Download PDF

Info

Publication number
KR100756047B1
KR100756047B1 KR1020060007916A KR20060007916A KR100756047B1 KR 100756047 B1 KR100756047 B1 KR 100756047B1 KR 1020060007916 A KR1020060007916 A KR 1020060007916A KR 20060007916 A KR20060007916 A KR 20060007916A KR 100756047 B1 KR100756047 B1 KR 100756047B1
Authority
KR
South Korea
Prior art keywords
face
image
light
region
change
Prior art date
Application number
KR1020060007916A
Other languages
Korean (ko)
Other versions
KR20070077973A (en
Inventor
유승수
이상훈
Original Assignee
한국인식산업(주)
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 한국인식산업(주) filed Critical 한국인식산업(주)
Priority to KR1020060007916A priority Critical patent/KR100756047B1/en
Publication of KR20070077973A publication Critical patent/KR20070077973A/en
Application granted granted Critical
Publication of KR100756047B1 publication Critical patent/KR100756047B1/en

Links

Images

Abstract

생체 얼굴 인식 장치 및 그 방법이 개시된다. The biometric face recognition apparatus and method are disclosed. 얼굴 검출부는 입력 영상으로부터 얼굴 영역을 검출하고, 생체 판단부는 조명의 위치 변화에 따른 상기 얼굴 영역에서의 빛의 반사 패턴의 변화를 기초로 상기 입력 영상에 보이는 얼굴이 실제 사람의 얼굴인지 여부를 판단한다. Face detection unit determines whether or not the detected face area from the input image, and the living body determination unit is based on the change of the reflection pattern of light from the face region according to a change in position of the illumination face, seen in the input image the face of the real person do. 이로써, 입력 영상에 보이는 얼굴이 실제 사람 얼굴인지 종이에 인쇄된 얼굴인지 구별할 수 있다. Thus, it is possible to tell whether a face shown in the input image that the actual human face the face printed on paper.

Description

생체 얼굴 인식 장치 및 그 방법{Apparatus for recognizing a biological face and method therefor} Biometric face recognition system and method {Apparatus for recognizing a biological face and method therefor}

도 1은 본 발명에 따른 생체 얼굴 인식 장치의 일 실시예의 구성을 도시한 도면, 1 is a view showing the configuration of one embodiment of the biometric face recognition apparatus according to the invention,

도 2는 도 1에 도시된 본 발명에 따른 생체 얼굴 인식 장치의 구성 중 생체 판단부의 상세 구성을 도시한 도면, Figure 2 is a detailed block diagram illustrating the configuration of the living body portion of a living body is determined face detection device according to the invention shown in Figure 1,

도 3은 조명의 위치에 따른 입력 얼굴 영상의 변화를 도시한 도면, Figure 3 is a view showing a change in the input face image based on the position of the light,

도 4a 및 도 4b는 조명의 위치 변화에 따른 얼굴의 빛 반사 패턴의 변화를 도시한 도면, 4a and Fig. 4b shows the face of a change in the light reflection pattern according to the position change of the illumination figure,

도 5는 실제 사람 눈의 빛의 반사 패턴을 도시한 도면, 그리고, 5 is a diagram illustrating a reflection pattern of the light of the actual human eye, and,

도 6은 본 발명에 따른 생체 얼굴 인식 방법의 일 실시예의 흐름을 도시한 흐름도이다. Figure 6 is a flow chart of a one embodiment of a flow of a biometric face recognition process according to the invention.

본 발명은 생체 얼굴 인식 장치 및 그 방법에 관한 것으로, 보다 상세하게는 입력 영상에 보이는 얼굴이 실제 사람 얼굴인지 사진인지 파악하는 장치 및 그 방 법에 관한 것이다. The present invention relates to a living body and a face recognition apparatus that relates to a method, apparatus, and more particularly, to a face shown in the input image identify whether the actual human face that the picture and its method.

종래의 얼굴인식 방법은 크게 얼굴의 기하학적 정보를 이용하는 특징 기반 방법과 학습 영상 집합에 의해 학습된 모델을 이용하여 얼굴을 인식하는 외형기반 방법이 있다. Conventional face detection methods are based on significant features methods of using the geometric information of the face and by using a model learned by the learning image is set appearance-based method of recognizing a face. 대표적인 얼굴인식 기술로는 고차원 공간에 존재하는 데이터들을 저차원 공간의 데이터로 효과적으로 줄이는 투영방법으로서 PCA(Principle Component Analysis : Eigenfaces), ICA(Independent Component Analysis) 및 LDA(Linear Discriminant Analysis) 방법 등이 있다. A representative facial recognition technology is a projection method of reducing the data present in the high-dimensional space effectively with data from the low-dimensional space PCA: and the like (Principle Component Analysis Eigenfaces), ICA (Independent Component Analysis) and (Linear Discriminant Analysis) LDA method .

PCA는 모든 데이터의 퍼짐(scatter)을 최대화하는 벡터를 기저벡터로 사용하기 때문에 데이터를 표현하는데 적합하고, 투영된 저차원 공간의 데이터로부터 다시 고차원 공간의 데이터로 복원하는데 오류를 최소화할 수 있다. PCA can reduce errors in suitable, restored from the data of the projected low-dimensional space with the data again high dimensional space to represent the data because it uses the vector to maximize the spread (scatter) of all data to a base vector. PCA는 데이터 공분산 행렬의 고유값(eigenvalue) 순으로 얻어진 서로 직교(orthonormal)하는 고유벡터(eigenvector)들을 기저벡터로 사용하여 데이터를 나타낸다. PCA uses eigenvectors (eigenvector) perpendicular (orthonormal) to each other obtained by the eigenvalue (eigenvalue) of the order of the data covariance matrix as a basis vector represents the data. 반면, ICA는 데이터의 독립성분을 계산하여 데이터를 표현하며 투영된 데이터들 사이의 통계적인 독립성을 최대화하는 부공간을 찾는 방법이다. On the other hand, ICA is a way to find a subspace for maximizing the statistical independence between the calculation by the independent components of the data representing data and the projection data. LDA는 PCA를 적용하여 구하여진 축소된 벡터 공간에서 인식 목적에 적합한 정보를 얻기 위해, 얼굴 벡터들에 대해 클래스 내 분산은 최소로, 클래스 간 분산은 최대가 되도록 하는 선형 변환을 이용하는 방법이다. LDA is a method of using a linear transformation in order to obtain the appropriate information on the recognition purposes in the reduced binary vector space obtained by applying PCA, my class distributed on the face vector with minimal inter-class variance is maximized. 그러한 상기한 종래의 얼굴인식 기술은 실제 사람의 얼굴인지 사진의 얼굴인지 판별하지 못하는 문제점이 있다. That the conventional face recognition technology is not a problem to determine whether the faces in the picture that the face of a real person.

종래의 얼굴인식 시스템에서 사진과 실제 사람 얼굴을 구별하는 방법으로 입력 영상에서 얼굴 구성요소의 움직임을 검출하거나 입력된 영상의 배경 이미지와 기준 영상의 배경 이미지를 비교하여 판단하는 방법이 있다. A method for determination by comparing the conventional facial recognition system pictures with a real person how to distinguish between the movement of the face detection by the face component from the input image or a background image of the input image and the background image of the reference image from. 그러나 이러한 종래기술은 움직임과 배경의 정보를 기반으로 하기 때문에 사람 또는 얼굴사진을 움직이지 않고 정지하고 있을 경우에는 입력 영상이 실제 사람의 얼굴인지 사진의 얼굴인지 판별하기 어렵다. However, these conventional techniques are difficult to determine whether the input image is the face that the picture of the face of a real person if you are not moving people or face photo stop because it is based on the information on the movements and backgrounds.

본 발명이 이루고자 하는 기술적 과제는, 영상 입력 장치를 통해 입력되는 얼굴 영상이 실제 사람 얼굴인지 사진인지를 구분하며, 특히 움직임이 없는 경우에도 실제 사람 얼굴을 구분할 수 있는 생체 얼굴 인식 장치 및 그 방법을 제공하는 데 있다. The present invention is a face image input via the image input unit separated that the picture that the real person's face and, in particular biometric face recognition, even if there is no movement which can distinguish between the real person's face apparatus and the method to provide.

본 발명이 이루고자 하는 다른 기술적 과제는, 상기 생체 얼굴 인식 방법을 컴퓨터에서 실행시키기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체를 제공하는 데 있다. The present invention is to provide a recording medium that can be read by the biometric face recognition method in a computer storing a program for executing on a computer.

상기의 기술적 과제를 달성하기 위한, 본 발명에 따른 생체 얼굴 인식 장치의 일 실시예는, 입력 영상으로부터 얼굴 영역을 검출하는 얼굴 검출부; One embodiment of the biometric face recognition apparatus according to the present invention, for an aspect of the face detection unit for detecting a face region from an input image; 및 조명의 위치 변화에 따른 상기 얼굴 영역에서의 빛의 반사 패턴의 변화를 기초로 상기 입력 영상에 보이는 얼굴이 실제 사람의 얼굴인지 여부를 판단하는 생체 판단부;를 포함한다. Includes; and based on the change of the reflection pattern of light from the face region according to a change in position of the illumination biometric determination unit that the face visible in the input image is determined whether or not the face of the real person.

상기의 기술적 과제를 달성하기 위한, 본 발명에 따른 생체 얼굴 인식 방법의 일 실시예는, (a) 입력 영상으로부터 얼굴 영역을 검출하는 단계; One embodiment of the biometric face recognition process according to the invention, for an aspect of the example, (a) detecting a face region from an input image; 및 (b) 조명 의 위치 변화에 따른 상기 얼굴 영역에서의 빛의 반사 패턴의 변화를 기초로 상기 입력 영상에 보이는 얼굴이 실제 사람의 얼굴인지 여부를 판단하는 단계;를 포함한다. It includes and (b) on the basis of the change in the reflected pattern of light from the face region in accordance with the positional change of the light levels of the face seen in the input image is determined whether or not the face of the real person. Y Y

이로써, 입력 영상에 보이는 얼굴이 실제 사람 얼굴인지 종이에 인쇄된 얼굴인지 구별할 수 있다. Thus, it is possible to tell whether a face shown in the input image that the actual human face the face printed on paper.

이하에서, 첨부된 도면들을 참조하여 본 발명에 따른 생체 얼굴 인식 장치 및 그 방법에 대해 상세히 설명한다. Hereinafter, it will be explained in detail biometric face recognition apparatus and method according to the present invention with reference to the accompanying drawings.

도 1은 본 발명에 따른 생체 얼굴 인식 장치의 일 실시예의 구성을 도시한 도면이다. 1 is a view showing the configuration of one embodiment of the biometric face recognition apparatus according to the present invention.

도 1을 참조하면, 생체 얼굴 인식 장치는 얼굴 검출부(100), 눈 검출부(110), 생체 판단부(120) 및 얼굴 인식부(130)로 구성된다. 1, a living body is the face recognition apparatus consists of face detection unit 100, the eye detection unit 110, a biometric determination unit 120 and face recognition unit 130. The

얼굴 검출부(100)는 조명을 포함하는 CCTV, CCD, 화상 카메라 또는 적외선 카메라 등을 통해 실시간 입력되는 연속 입력 영상에서 얼굴 영역을 검출한다. Face detection unit 100 detects the face region from the consecutive input images to be input in real time through the CCTV, CCD, an image camera or an infrared camera or the like including the illumination. 입력 영상에서 얼굴 영역을 검출하기 위한 종래의 다양한 방법이 있으나, 본 발명의 일 실시예에 따른 얼굴 검출부(100)는 에이다부스트(AdaBoost:Adaptive Boost Learning Filter) 알고리즘을 이용한 다단 얼굴 분류기(cascaded face classifier)를 이용하여 얼굴 영역을 검출한다. Although the prior art various methods for detecting a face region from an input image, the face detection unit 100 in accordance with one embodiment of the present invention Ada boost (AdaBoost: Adaptive Boost Learning Filter) multi-stage face classifier using the algorithm (cascaded face classifier ) and it detects the face area using the.

종래의 얼굴 검출 방법은 움직임을 이용하기 때문에 사람이 반드시 움직여야 하거나, 색상 정보에서 살색영역추출 방법을 사용하는 경우에는 반드시 컬러 카메라를 이용하여야 하며, 조명변화와 인종, 피부색에 민감하다. Conventional face detection methods because it uses the moving person must move, or, in the case of using the skin color area extraction in the color information, and must be using a color camera, it is sensitive to illumination changes and race, color. 이러한 문제점을 해 결하기 위하여 개발된 방법이 AdaBoost를 이용한 Cascaded Face Classifier이다. A Cascaded Face Classifier using AdaBoost is developed methods to solve these problems.

AdaBoost를 이용한 Cascaded Face Classifier 알고리즘은 클래스 내의 변화가 매우 심한 경우에 클래스의 분류를 위해 복잡한 형태의 결정 경계(decision boundary)를 필요로 한다. Cascaded Face Classifier algorithm using AdaBoost requires a complex shape of the crystal boundary (decision boundary) to the class of the class in the case that a change in the class is very severe. AdaBoost 알고리즘은 이러한 상황에 적합한 분류기 학습 알고리즘으로, 여러 약한 분류기(weak classifier)들의 조합을 통해 성능이 우수한 강한 분류기(strong classifier)를 생성해내는 방식이며 얼굴 검출을 위한 분류기 학습에 적합하다. AdaBoost algorithm is a way that we as a classifier learning algorithm suitable for such a situation, create multiple weak classifier excellent performance strong classifier (strong classifier) ​​through a combination of (weak classifier) ​​suitable for learning classifier for face detection.

AdaBoost를 이용한 Cascaded Face Classifier 알고리즘은 움직임 정보와 색상 정보를 사용하지 않기 때문에 일반 흑백 카메라에서 사용자에게 어떠한 제약을 주지 않고도 고속으로 얼굴 검출 기능을 수행할 수 있다. Cascaded Face Classifier using AdaBoost algorithm can give the user a high speed without any restrictions in the Common black and white camera can perform face detection because it does not use motion information and color information.

눈 검출부(110)는 얼굴 검출부(100)에서 검출된 얼굴 영역에서 눈의 위치를 찾는다. Eye detection unit 110 searches for the position of the eyes in the face region detected by the face detection unit 100. 본 발명은 검출된 얼굴 영상을 정규화화는 기준으로 눈을 사용한다. The present invention normalizes the detected face imaging uses the eye as a guide. 눈 검출부(110)는 안경 착용과 얼굴 회전, 눈 감음 등의 조건에서 정확히 눈의 위치를 파악하고 추적하기 위하여 다중 블록 매칭(MMF:Multi-Block Matching) 기법을 이용한다. Eye detection unit 110 is a multi-block matching in order to precisely identify and track the position of the eye in wearing conditions such as glasses and facial rotation, winding eyes: Using the (MMF Multi-Block Matching) technique.

MMF는 정규화된 템플릿 매칭(Normalized Template Matching) 기법의 응용된 모델로서 검출하고자 하는 대상 패턴의 다양한 데이터베이스(DB)를 수집하고, 수집한 데이터베이스 중 대표 영상을 만든 다음 이미지 기반 템플릿 매칭(Image based Templage Matching)을 수행하는 방법이다. MMF is a fully qualified Template Matching (Normalized Template Matching) collected a variety of database (DB) of the target pattern to be detected as an application model and create a representative image of the collected database and then image-based template matching technique (Image based Templage Matching ) a method of performing. 눈 검출부(110)는 MMF를 이용하여 눈 이미지에 대한 다양한 사이즈와 조명, 회전 등을 미리 계산하여 템플릿으로 보유하고 이 템플릿을 이용하여 얼굴 영역과 템플릿 매칭을 수행함으로써 눈의 위치를 검출한다. Eye detection unit 110, using the MMF and the previously calculated a range of sizes and light, such as rotation of the eye image pictures as a template and detecting the position of the eyes by performing the face area and the template matching using a template.

구체적으로, 눈 검출부(110)는 MMF 기법을 이용하여 선정된 복수 개의 눈 후보를 이용하여 가상의 얼굴 영상을 생성하고 그 중에 실제 얼굴이 들어 있는 후보를 선택해 나간다. Specifically, the eye detecting section 110 goes out using a plurality of eye candidates selected by the MMF techniques create a virtual image of the face and provide the candidate that contains the actual face of them. 후보를 선택하는 과정에서 사용되는 분류기(classifier)는 대규모 얼굴 DB를 대상으로 K-Mean Clustering 방식을 사용하므로 저해상도 고속 눈 검출이 가능하다. Classifier (classifier) ​​used in the process of selecting candidates targeting large face DB uses the K-Mean Clustering method, it is possible to detect a low-resolution high-speed snow.

K-Mean Clustering 알고리즘은 구하고자 하는 클러스터의 개수를 K라 하며, 처음부터 K 개의 중심벡터를 설정해두고 이 벡터들을 기준으로 하여 클러스터링하고, 클러스터링 된 결과로부터 중심 벡터들을 재설정하는 반복적인 방식의 알고리즘이다. K-Mean Clustering algorithm is the number of clusters K d, and the place setting the K of the center vector from the first cluster to the vector based on the algorithm of an iterative manner to reset the center vector from the clustering results to obtain .

생체 판단부(120)는 얼굴 검출부(100)에 의해 검출된 얼굴 영역에서 조명의 위치 변화에 따른 빛의 반사 패턴의 변화를 측정하여 입력 영상에 보이는 얼굴이 실제 사람의 얼굴인지 사진인지를 구분한다. It is determined whether the biometric determining unit 120 is the face detection and measurement of the reflection pattern of the light changes according to the change in position of the illumination from the face area detected by the 100 picture that the face visible in the input image the face of the real person . 생체 판단부(120)의 구체적인 구성에 대하여는 도 2를 참조하여 상세히 설명한다. See Figure 2 for the specific configuration of the biometric determining unit 120 will be described in detail.

일정한 빛을 물체에 비췄을 때 각각의 물체의 표면 특성에 따라 빛이 반사되고 흡수되는 패턴이 각각 다르다. When the bichwot a predetermined light on each object a pattern light is reflected and absorbed depend on the surface characteristics of each object. 사람의 얼굴도 눈, 코, 입, 이마, 볼 등에서 빛을 반사 및 흡수하는 정도가 다르며, 눈의 경우 다른 얼굴 부위에 비해 빛을 가장 잘 반사한다. The human face is a different degree of reflection and absorption of light, etc. eyes, nose, mouth, forehead, cheeks, eyes and if that best reflect light compared to other facial areas. 즉, 실제 사람의 얼굴에서 반사되는 빛의 패턴과 종이에 프린트된 얼굴 사진에서 반사되는 빛의 패턴은 서로 다르다(도 4a 및 도 4b 참조). That is, the pattern of light reflected from the face photograph printed on the paper pattern of the light reflected from the face of the real person is different from each other (see FIGS. 4a and 4b).

종이에 인쇄된 얼굴 사진에 조명을 비췄을 경우, 빛이 반사 및 흡수되는 정도는 종이 표면 특성에 따라 다를 뿐 종이에 인쇄된 얼굴의 각 부위마다 차이가 나는 것은 아니다. If the bichwot lighting to the face in the photo printing paper, light degree of reflection and absorption is not different for each region of the face, I just printed on paper vary depending on the paper surface characteristics. 즉 종이에 인쇄된 얼굴 사진의 경우 눈, 코, 입, 이마, 볼 등의 부위에서 반사 및 흡수되는 빛의 양이 거의 동일한 반면, 실제 사람의 얼굴인 경우에는 각 부위에서 반사 및 흡수되는 빛의 양이 다르다. That is the case of face photographs printed on paper eyes, nose, and if the mouth and forehead, while the amount of light reflection and absorption in areas such as a ball almost the same, in the real people face the light reflected and absorbed in each area the amount is different.

얼굴 인식부(130)는 생체 파악부(120)에 의해 입력 영상에 보이는 얼굴이 실제 사람 얼굴로 판명되면, 검출된 얼굴이 누구의 얼굴인지 식별한다. Face detection unit 130 identifies whether the input image when the face seen by the living body identifying section 120 is found to be a real person's face, the detected face whose face. 따라서 출입 통제 시스템 및 보안 시스템 등에서 타인의 사진을 이용하는 범죄를 막을 수 있다. Therefore, it is possible to prevent a crime to use another person's pictures at the access control system and security system.

구체적으로, 얼굴 인식부(130)는 입력 영상으로부터 검출한 얼굴 영상을 정규화한 후 고유한 얼굴 특징을 추출하여 소정의 데이터베이스에 미리 저장된 기준 영상과 비교한다. Specifically, the face detection unit 130 and then normalizing the face image detected from an input image by extracting a unique facial features are compared with previously stored reference image in the predetermined database.

얼굴에는 200개에서 3000개 정도의 인식을 위한 유효 특징 수가 존재한다. There can face effective features for recognition of the degree of 3000 to 200. 이러한 유효 특징들 중에서 조명과 표정변화에 강건하게 활용할 수 있는 특징을 추출하기 위하여 대규모 DB를 대상으로 한 얼굴인식모듈 학습과정을 거치게 된다. Among these effective features undergo a facial recognition module learning process aimed at large-scale DB to extract robust features that can be utilized for lighting and facial expression changes. 일반적으로 이미지 공간에서 특징공간으로의 전환을 의미하는 특징 추출(feature extraction) 과정은 PCA(Principle Component Analysis)가 대표적으로 사용되며, 이의 응용된 버전으로 LDA 및 ICA 등이 있다. In general, feature extraction, meaning the transition to the feature space in the image space (feature extraction) process is used as a representative (Principle Component Analysis) PCA, and the like LDA and ICA as the application version thereof.

도 3은 조명의 위치에 따른 입력 얼굴 영상의 변화를 도시한 도면이다. 3 is a view showing the change of the input face image in accordance with the position of the light.

도 3을 참조하면, 입력 얼굴 영상은 조명 위치 및 밝기에 따라 동일한 사람의 얼굴이 각각 다르게 표현된다. 3, the input face image is the same person's face each other words according to the lighting location, and brightness. 도 3의 각 얼굴 영상들에 대해 코사인 디스턴스 (cosine distnace)로 유사도를 측정하면 (a)의 영상은 (b)영상보다 (c)의 영상과 비슷하다는 결과를 얻게 된다. By measuring the degree of similarity as the cosine distance (cosine distnace) for each of the face images of the image of Figure 3 (a) it will give a result similar to that (b) the video image than (c). 이와 같이 사람의 얼굴은 사진의 얼굴 영상과 달리 조명 변화에 민감하므로 본 발명은 조명 변환에 따른 얼굴의 빛 반사 패턴의 변화를 기초로 입력 얼굴 영상이 실제 사람의 얼굴 영상인지 사진인지 판단할 수 있다. Thus, the human face can be determined that the present invention sensitive to illumination changes, unlike the face image of the photo is a photo that the light input face image based on the change of the reflection pattern of the face face image of a real person according to the illumination conversion .

도 4a 및 도 4b는 조명의 위치 변화에 따른 얼굴의 빛 반사 패턴의 변화를 도시한 도면이다. Figures 4a and 4b are diagrams showing the change in the light reflection pattern of the face according to the position change of the light.

도 4a의 (가) 및 (나)는 실제 사람의 얼굴을 조명 위치 변화에 따라 각각 촬영한 얼굴 영상이고, (다) 및 (라)는 얼굴이 프린트된 종이를 조명 위치 변화에 따라 각각 촬영상 영상이다. (A) and (b) of Fig. 4a are each a shot face image in accordance with the face of the real person in lighting position change, (c) and (d) are on each shot along the face the printed paper to the illumination position changing the image. 도 4a의 (가) 및 (나)의 경우 조명 위치 변화에 따라 입력되는 얼굴 영상의 빛의 반사 패턴이 다름을 확인할 수 있으나, (다) 및 (라)의 경우에는 조명의 위치 변화에도 빛의 반사 패턴이 거의 변화하지 않음을 알 수 있다. Of Figure 4a (a) and (b) of the case, but can see the reflection pattern of the light face image is a difference that is input according to the light change in position, in the case of (c) and (d), the light in the position change of the light it can be seen that the reflective pattern is hardly changed.

도 4b는 빛의 반사 패턴의 변화를 좀 더 명확하게 알 수 있도록 도 4a의 각 영상을 소정 임계값을 기준으로 흑과 백의 이진 영상으로 변화시킨 영상이다. Figure 4b is a picture obtained by changing the predetermined angle image of Figure 4a to be seen more clearly the change in the reflected pattern of light based on the threshold value as black and white binary image. 도 4b의 이진 영상을 살펴보면, 실제 사람 얼굴의 경우 조명의 위치 변화에 따라 빛의 반사 패턴이 확연히 차이가 남을 알 수 있으나 ((가) 및 (나)), 종이의 경우 거의 변화가 없음을 알 수 있다((다) 및 (라)). Looking at the binary images of Figure 4b, a real person if you face can be seen that the reflected light patterns clearly vary depending on the position change of the light remains, but ((a) and (b)), seen little change No case of paper It may be ((c) and (d)).

특히 조명을 얼굴 앞면 및 얼굴의 측면에 각각 위치시켜 촬영한 경우에는, 실제 사람의 얼굴이 3차원 입체 형태이므로 빛의 반사 패턴이 얼굴 앞면 및 측면의 조명의 위치에 따라 더 큰 차이를 보인다. In particular, one shot by each of the light position on the side of the face and the front face, since the three-dimensional conformation of a real person's face looks bigger difference in the illumination pattern is reflected on the front face of the light and side position. 그러나 사진과 같이 2차원 평면인 경우 에는 조명의 위치 변화에 무관하게 빛의 반사 패턴이 거의 변화없이 일정하다. However, if the two-dimensional surface, such as a photograph, regardless of the reflection pattern of light is constant with little change in the position change of the light.

도 2는 도 1에 도시된 본 발명에 따른 생체 얼굴 인식 장치의 구성 중 생체 판단부의 상세 구성을 도시한 도면이다. Figure 2 is a detailed block diagram illustrating the configuration of the living body portion of a living body is determined face detection device according to the invention shown in Figure 1;

도 2를 참조하면, 생체 판단부(120)는 움직임 판단부(200), 패턴 측정부(210) 및 생체 얼굴 파악부(220)로 구성된다. 2, consists of a biometric determining unit 120 is a motion judgment unit 200, a pattern measuring unit 210 and a biometric face identifying unit 220. 이하에서는 특히 얼굴 영역 중 눈에서의 빛 반사 패턴을 기초로 실제 사람 얼굴인지를 판단하는 구성에 대해 살펴본다. In the following, particularly in the face area based on the pattern of light reflected from the eye looks at the configuration to determine whether the actual person's face.

도 1 및 도 2를 참조하면, 움직임 판단부(200)는 눈 검출부(도 1의 110)에 의해 검출된 양 눈 사이의 거리 변화의 유무를 기초로 입력 영상에 보이는 얼굴 영역의 움직임을 파악한다. 1 and 2, the motion determiner 200 may determine the amount of face area moves shown in the input image on the basis of the presence or absence of a change in distance between the eyes detected by the eye detection unit (FIG. 110: 1) . 예를 들어, 사람이 카메라에 더 가까이 오는 경우 눈 검출부(110)에 의해 파악된 양 눈사이의 거리는 점점 커지며, 멀어지는 경우 양 눈 사이의 거리는 점점 작아진다. For example, if a person comes closer to the camera becomes large distance between more and identified by the eye detection unit 110 with both eyes, when getting away from the smaller the distance between both eyes. 움직임 판단부(200)는 연속되는 입력 영상의 이전 영상과 현 영상에서 양 눈 사이의 거리 차이가 소정 임계값 이상으로 변화하면 움직임이 있다고 판단한다. Motion judgment unit 200, when the distance difference between both eyes in the previous image and the current image of the input image is continuously variable over a predetermined threshold, it is determined that there is motion.

도 3, 도 4a 및 도 4b에서 살핀 바와 같이 실제 사람 얼굴의 경우 조명의 위치 변화에 따라 빛의 반사 패턴이 달라짐을 알 수 있다. Figure 3, a reflection pattern of light can be seen to vary according to the position change of the lighting for a real person's face as salpin in Figures 4a and 4b. 조명의 위치 변화는 실제 조명의 물리적 위치가 변화하는 경우 및 입력 영상에 보이는 얼굴이 조명에 대해 상대적으로 움직이는 경우에 발생한다. Position change of the light occurs when the face shown in the case, and the input image to the physical location of the actual illumination change relatively moving with respect to the illumination.

패턴 측정부(210)는 입력 영상에 보이는 얼굴 영역에 대한 움직임이 검출되면, 움직임에 따른 얼굴 영역의 빛의 반사 패턴의 변화를 측정한다. A pattern measurement unit 210 when the movement of the face area which appears in the input image is detected, and measure the change in the reflected pattern of light of the face area relative to the motion. 또한 패턴 측 정부는 입력 영상에서 검출된 얼굴 영역의 움직임이 검출되지 않으면(즉 정지하고 있는 경우), 현재 조명 및 현재 조명과 다른 위치에 존재하는 보조 조명을 순차적으로 온(on)시켜 촬영하여 현재 조명 및 보조 조명에 의해 각각 촬영된 얼굴 영역의 빛의 반사 패턴의 변화를 측정한다. By more shot to the pattern side government If the movement of the face area detected in the input image is detected (that is, is inactive), on the current light and auxiliary light present in a different location than the current lighting in sequence (on) current and measuring changes in the reflection pattern of the light of each of the captured facial area by light and auxiliary light. 패턴 측정부(210)는 아래 수학식 1을 이용하여 조명의 변화에 따른 얼굴 영역의 빛의 반사 패턴을 구한다. A pattern measurement unit 210 using the following equation (1) is obtained by the reflection of the light pattern of the face area according to a change of illumination.

Figure 112006005941469-pat00001

여기서, u i 는 i 번째 얼굴 영상이고, f i 는 u i 와 u i-1 의 차 영상이다. Here, u i is the i-th face image, f i is a difference image of the u i and u i-1.

실제 사람 얼굴과 종이로 인쇄된 얼굴의 차이점은 눈에서 더 명확히 나타난다. The difference between a real person face to face and printing paper is shown more clearly in the eye. 실제 사람 눈의 경우 조명에 의한 빛의 반사가 가장 많이 일어나지만 종이로 인쇄된 얼굴의 눈은 다른 부분과 동일한 정도의 반사가 일어날 뿐이다. The eyes of real people face only the reflection of light occurs most often printed on paper due to light if the eye is the only place that reflected the same degree as the other parts.

따라서 패턴 측정부(210)는 얼굴 영역 외에 눈의 빛의 반사 패턴을 검출하여 보다 정확하게 생체 얼굴을 판단할 수 있다. Therefore, pattern measuring unit 210 can accurately determine the in vivo than the face to detect the reflection pattern of the light of the eye in addition to the face region. 도 5는 조명에 의한 눈의 빛의 반사 패턴을 도시한 도면이다. 5 is a diagram illustrating a reflection pattern of light by the eye to light.

구체적으로 살펴보면, 패턴 측정부(210)는 눈 검출부(110)에 의해 눈의 위치가 파악되면 눈 영역의 빛의 반사 패턴을 측정한다. Looking specifically, the pattern measuring unit 210 when the position of the eyes identified by the eye detection unit 110 measures the reflected light pattern of the eye region. 패턴 측정부(210)는 눈에서 조명이 가장 두드러진 영역을 찾기 위하여 눈 영상의 히스토그램을 구하고, 히스토그램 밝기 분포를 넓은 영역으로 평활화함으로써 명암 대비를 증가시킨다. A pattern measurement unit 210 obtains a histogram of the eye image in order to find the most prominent yi illuminated area on the eye, by smoothing the histogram distribution of brightness in a wide area, thereby increasing the contrast. 그리고 아 래 수학식 2를 이용하여 흑과 백으로 이루어지는 이진 영상( And below the binary image consisting of black and white, using the equation (2) (

Figure 112006005941469-pat00002
)을 구한다. ) Determined.

Figure 112006005941469-pat00003

여기서, here,

Figure 112006005941469-pat00004
는 i 번째 눈 영상내에 속해있는 k 번째 화소이며, It is a k-th pixel, which is a part of the i-th eye image,
Figure 112006005941469-pat00005
Wow
Figure 112006005941469-pat00006
는 i번째 눈 영상내에 속해있는 화소들의 평균과 표준편차를 나타낸다. Represents the mean and standard deviation of the pixels that belong in the i-th eye image.

수학식 2에서 얻어진 이진화 눈 영상을 아래 수학식 3의 모폴로지 기법(Morphological Operation)의 팽창 및 침식(Dilation & Erosion) 영상 처리기법을 이용하여 노이즈를 제거하고 눈의 빛 반사 패턴을 추출한다. Using the expansion and erosion (Dilation & Erosion) image processing technique of Equation (2) Binarization (Morphological Operation) eye morphology technique of equation (3) below, the image obtained from to remove the noise and extract the light reflection pattern of the eye. 모폴로지 기법의 기본 아이디어는 미리 기하학적 형태를 알고 있는 대상 물체의 정보를 반영하여 영상 내에서 원하는 부분만을 추출하는 것이다. The basic idea of ​​the morphology techniques to reflect the information of the object you already know the geometry extract only the desired part in the image.

Figure 112006005941469-pat00007

B e 와 B d 는 erosion(2x2)과 dilation(5x5 circle) operator이다. B e and B d is an erosion (2x2) and dilation (5x5 circle) operator.

생체 얼굴 파악부(220)는 유클리드 거리 측정(Euclidean distance measure)을 이용하여 패턴 측정부에서 추출된 눈의 이진 영상과 미리 저장된 눈에 대한 기준 이미지와의 유사도를 측정하여 실제 사람인지 판단한다. Biometric face identifying unit 220 uses the Euclidean distance measure (Euclidean distance measure) to measure the degree of similarity between the reference image of the eye and the previously stored binary image of eyes extracted from the pattern measurement unit to determines whether a real person.

생체 얼굴 파악부(220)에서 이용하는 유클리드 거리는 두 패턴 a와 b 사이의 기하학적인 거리로서 유사도를 평가하는 기준으로 사용되며 다음 수학식 4와 같다. Used as the basis for evaluating the degree of similarity as a geometric distance between the Euclidean distance between the two patterns a and b used in the bio-face determination unit 220 is shown in the following equation (4).

Figure 112006005941469-pat00008

여기서, a(k)는 기준 이미지이고, b i (k)는 i 번째 입력된 영상의 눈 이미지이며, k는 픽셀 개수이다. Here, a (k) is the reference image, b i (k) is the i-th eye image of the input image, k is the number of pixels. 유클리드 거리는 기준 이미지와 입력된 이미지의 밝기값 차이를 구하는 것으로, 생체 얼굴 파악부(220)는 아래 수학식 5와 같이 구해진 값(D)이 임계값보다 작으면 입력된 영상을 사람의 얼굴 영상으로 판단한다. As Euclidean distance to obtain a gray level difference of the reference image and the input image, the biometric face determination unit a 220 is entered if the value (D) calculated as in the equation (5) below is smaller than the threshold image to the face image of the person It is determined. 기준 이미지와 임계값은 얼굴인식을 요하는 장소마다 달라질 수 있다. A reference image and a threshold value can vary from place to require a face recognition.

Figure 112006005941469-pat00009

도 6은 본 발명에 따른 생체 얼굴 인식 방법의 일 실시예의 흐름을 도시한 흐름도이다. Figure 6 is a flow chart of a one embodiment of a flow of a biometric face recognition process according to the invention.

도 6을 참조하면, 조명을 포함하는 CCTV, 카메라 등을 통해 영상을 입력받는다(S600). Referring to Figure 6, receives the picture through the CCTV, camera or the like including the illumination (S600). 입력받은 영상에 대해 에이다부스트(Adaboost)를 이용한 다단 얼굴 분류기(cascaded face classifier) 알고리즘을 이용하여 영상 내 얼굴 영역을 검출한다(S605). Using a multi-stage sorter face (face cascaded classifier) ​​algorithm using the boost Ada (Adaboost) for receiving an input image and detects the face area within the image (S605). 얼굴 영역이 검출되었다면 얼굴 영역의 영상에 대해 MMF 기법을 통해 눈의 위치를 파악한다(S610). If the face area is detected to identify the position of the eye through the MMF scheme for the image of the face region (S610).

파악된 눈의 위치를 실시간 추적하여 얼굴 영역이 영상 내에서 움직임이 있는지 파악한다(S615). The real-time tracking of the position of the eyes to determine whether the identified face region moves in the image (S615). 예를 들어, 양 눈의 사이의 거리가 멀어지면 카메라로부터 얼굴 영역이 멀어지는 경우이며, 반대로 양 눈 사이의 거리가 가까워지면 카메라로부터 얼굴 영역이 가까워지는 경우이다. For example, when moved away, the distance between both eyes and from the camera when the face area away, on the contrary get closer, the distance between both eyes that the face region close to the camera.

얼굴 영역이 움직이는 경우에는 조명의 위치 변화가 없더라도 얼굴 영역에 비춰지는 조명의 위치가 상대적으로 변화하므로 얼굴 영역의 움직임에 따른 얼굴 영역에서의 빛의 반사 패턴의 변화를 측정한다(S625). If the face area is moving and so even if there is no change in position of the illumination position of the light that is projected onto the face area relative change in measuring changes in the reflection pattern of light from the face region according to the movement of the face area (S625).

얼굴 영역이 움직이지 않는 경우에는 조명의 물리적 위치를 변화시킨 후 각각 다른 위치의 조명하에서의 얼굴 영역의 빛 반사 패턴의 변화를 측정한다(S630). If a face area does not move it is to then change the physical location of the illumination measuring changes in light reflection pattern of the face area under illumination of different positions (S630). 조명의 위치 변화는 하나의 조명을 이동시키거나 서로 다른 곳에 위치한 양 조명을 번갈아가면서 작동시킨다. Position change of the light are operated to move the single light going or alternatively the amount of one trillion people in different locations.

그리고, 눈 영역에 대한 빛의 반사 패턴을 구한다(S635). And obtains the reflection pattern of light for the eye region (S635). 눈의 경우 얼굴의 다른 영역에 비해 빛의 반사가 잘 이루어지므로 종이에 그려진 얼굴과 확연한 차이점을 가진다. If the snow becomes a reflection of the light well done compared to other areas of the face has a painted face and a noticeable difference on paper.

조명의 위치 변화에 따른 얼굴 영역에 대한 빛의 반사 패턴 및 눈 영역의 빛의 반사 패턴을 기초로 입력된 영상에 보이는 얼굴이 실제 사람의 얼굴인지 파악한다(S640). And the face shown in the reflection pattern and the input image based on the reflected light pattern of the eye region of the light on the face area according to the change in position of the illumination identify whether the face of the real person (S640). 도 4a 및 도 4b에서 살핀 바와 같이 종이에 인쇄된 얼굴과 실제 얼굴은 조명 위치의 변화에 따른 빛의 반사 패턴이 확연한 차이점을 보이므로 이 특성을 통해 용이하게 실제 사람 얼굴인지 구분할 수 있다. Figures 4a and printed on the paper face as shown in Figure 4b and salpin real face can be divided easily recognize the actual person's face because it appears a noticeable pattern of light is reflected in accordance with the difference between changes in the lighting position through the property.

실제 사람의 얼굴로 파악되면, 인증 등을 위해 누구의 얼굴인지 인식한다 (S645). Once identified as the face of a real person, who recognizes the face for authentication, etc. (S645). 이로써 얼굴을 이용한 인증 시스템 등에서 타인의 얼굴을 오용하는 범죄행위를 예방할 수 있다. This can prevent the misuse of the criminal act of another person's face, etc. authentication system using face.

본 발명은 또한 컴퓨터로 읽을 수 있는 기록매체에 컴퓨터가 읽을 수 있는 코드로서 구현하는 것이 가능하다. The present invention can also be embodied as computer readable code on a computer-readable recording medium. 컴퓨터가 읽을 수 있는 기록매체는 컴퓨터 시스템에 의하여 읽혀질 수 있는 데이터가 저장되는 모든 종류의 기록장치를 포함한다. The computer-readable recording medium includes all kinds of recording devices in which data that can be read by a computer system. 컴퓨터가 읽을 수 있는 기록매체의 예로는 ROM, RAM, CD-ROM, 자기 테이프, 플로피디스크, 광데이터 저장장치 등이 있으며, 또한 캐리어 웨이브(예를 들어 인터넷을 통한 전송)의 형태로 구현되는 것도 포함한다. Examples of the computer-readable recording medium include ROM, RAM, CD-ROM, magnetic tape, and a floppy disk, optical data storage devices, and it is implemented in the form of carrier waves (such as data transmission through the Internet) It includes. 또한 컴퓨터가 읽을 수 있는 기록매체는 네트워크로 연결된 컴퓨터 시스템에 분산되어 분산방식으로 컴퓨터가 읽을 수 있는 코드가 저장되고 실행될 수 있다. The computer readable recording medium can also have a code is distributed over network coupled computer systems so that the computer readable stored and executed in a distributed fashion.

이제까지 본 발명에 대하여 그 바람직한 실시예들을 중심으로 살펴보았다. So far I looked at the center of the preferred embodiment relative to the present invention. 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자는 본 발명이 본 발명의 본질적인 특성에서 벗어나지 않는 범위에서 변형된 형태로 구현될 수 있음을 이해할 수 있을 것이다. One of ordinary skill in the art will appreciate that the invention may be implemented without departing from the essential characteristics of the invention in a modified form. 그러므로 개시된 실시예들은 한정적인 관점이 아니라 설명적인 관점에서 고려되어야 한다. The exemplary embodiments should be considered in a descriptive sense only and not for purposes of limitation. 본 발명의 범위는 전술한 설명이 아니라 특허청구범위에 나타나 있으며, 그와 동등한 범위 내에 있는 모든 차이점은 본 발명에 포함된 것으로 해석되어야 할 것이다. The scope of the invention, not by the detailed description given in the appended claims, and all differences within the equivalent scope will be construed as being included in the present invention.

본 발명에 따르면, 입력된 얼굴 영상에서 조명의 위치 변화에 따른 얼굴의 빛의 반사 패턴의 변화 및 눈동자의 빛의 반사 패턴을 검출하여 입력된 얼굴 영상 이 실제 사람의 얼굴 영상인지, 아니면 사진 얼굴인지 판별함으로써, 얼굴 인식 시스템에 타인의 사진을 이용하여 얼굴 인식을 시도하는 범죄 행위를 예방할 수 있다. According to the invention, whether the detecting the reflection pattern of the reflective pattern of the light changes in the face and eye of the change in position of the illumination light from the input face image input face image is the face image of an actual person, or that the picture face using someone else's picture on the face recognition system can prevent a criminal activity that attempts to determine, by facial recognition.

Claims (15)

  1. 입력 영상으로부터 얼굴 영역을 검출하는 얼굴 검출부; Face detection unit for detecting a face region from an input image; And
    조명의 위치 변화에 따른 상기 얼굴 영역에서의 빛의 반사 패턴의 변화를 기초로 상기 입력 영상에 보이는 얼굴이 3차원 입체 형태의 실제 사람의 얼굴인지 여부를 판단하는 생체 판단부;를 포함하는 것을 특징으로 하는 생체 얼굴 인식 장치. Characterized by including; on the basis of the change in the reflected pattern of light from the face region according to a change in position of the illumination biometric determination unit that determines whether or not the face of the real person in the three-dimensional shape face seen in the input image biometric face recognition apparatus as.
  2. 제 1항에 있어서, According to claim 1,
    상기 얼굴 검출부는 에이다부스트(Adaboost) 알고리즘을 이용하여 상기 입력 영상으로부터 얼굴 영역을 검출하는 것을 특징으로 하는 생체 얼굴 인식 장치. The face detection unit biometric face recognition device, characterized in that for detecting the boost Ada (Adaboost) face region using an algorithm from the input image.
  3. 제 1항에 있어서, According to claim 1,
    상기 검출된 얼굴 영역에서 눈 영역을 검출하는 눈 검출부;를 더 포함하고, Further comprising; eye detection unit for detecting an eye region from the detected face region
    상기 생체 판단부는 상기 얼굴 영역에서의 빛의 반사 패턴 및 상기 눈 영역에서의 빛의 반사 패턴을 기초로 상기 입력 영상이 실제 사람의 얼굴 영상인지 판단하는 것을 특징으로 하는 생체 얼굴 인식 장치. The living body determination unit biometric face recognition device, characterized in that to determine whether the input image is a face image of a real person on the basis of the reflection pattern of the light reflection pattern and the eye region of the light in the face region.
  4. 제 3항에 있어서, 4. The method of claim 3,
    상기 눈 검출부는 정규화된 템플릿 매칭(normalized template matching) 방법의 응용된 모델인 다중 블록 매칭(multi-block matching) 방법을 이용하여 상기 얼굴 영영에서 눈의 위치를 검출하는 것을 특징으로 하는 생체 얼굴 인식 장치. The eye detection unit normalized template matching (normalized template matching) biometric face recognition apparatus using the method of the application model, the multi-block matching (multi-block matching) method which comprises detecting the position of the eyes in the face ever .
  5. 제 1항에 있어서, According to claim 1,
    상기 생체 판단부는 상기 조명의 위치 변화 전 후의 각각에 대한 상기 얼굴 영역의 영상을 소정 임계값을 기준으로 흑과 백의 이진화 영상으로 변환한 후 상기 이진화 영상의 차이를 기초로 빛의 반사 패턴의 변화를 측정하고, 상기 반사 패턴의 변화를 기초로 상기 입력 영상이 실제 사람의 영상인지 판단하는 것을 특징으로 하는 생체 얼굴 인식 장치. The living body determination unit changes in the reflection pattern of a was converted to a black and white binarized image based on the threshold value predetermined for the image of the face region for the respective subsequent change in position of the illumination around the light based on the difference in the binary image measured, and based on the change of the reflection pattern biometric face recognition device, characterized in that to determine whether the input image is an image of a real person.
  6. 제 1항에 있어서, 상기 생체 판단부는, The method of claim 1, wherein the living body determination unit,
    상기 검출된 얼굴 영역에서 양 눈 영역을 검출하고, 상기 양 눈 영역간의 거리의 변화를 기초로 상기 얼굴 영역의 움직임을 판단하는 움직임 판단부; Movement determining section for detecting the amount of eye region from the detected face area and determining a movement of the face region based on a change of the distance of the inter-region both eyes;
    상기 얼굴 영역의 움직임이 없으면 서로 다른 위치의 조명을 통해 촬영된 입력 영상의 얼굴 영역에 대한 빛의 반사 패턴의 변화를 측정하고, 상기 얼굴 영역의 움직임이 있으면 상기 움직임에 따른 상기 얼굴 영역의 빛의 반사 패턴의 변화를 측정하는 패턴 측정부; If there is no movement of the face region if there is a measuring changes in the reflection pattern of light, and the face area moves to the face area of ​​each type taken from the illumination of the other location the image of light from the face region according to the motion a pattern measurement unit for measuring changes in the reflection pattern; And
    상기 측정된 반사 패턴의 변화를 기초로 상기 입력 영상이 실제 사람의 얼굴 영상인지 파악하는 생체 얼굴 파악부;를 포함하는 것을 특징으로 하는 생체 얼굴 인식 장치. Biometric face recognition apparatus comprising: a; on the basis of the change of the measured reflection pattern identifying biometric face to determine whether the input image is a face image of a real person portion.
  7. 제 6항에 있어서, 7. The method of claim 6,
    상기 패턴 측정부는 상기 얼굴 영역에서 눈을 검출하고, 상기 검출된 눈에 대한 히스토그램 밝기 분포를 넓은 영역으로 평활화한 후 소정 임계치를 기준으로 상기 눈의 영상을 흑과 백의 이진 영상으로 변환한 후 모폴로지 기법(morphological operation)의 팽창 및 침식 영상 처리 기법을 이용하여 노이즈를 제거한 후 상기 눈의 빛의 반사 패턴을 측정하고, The pattern measuring unit converts the image of the eye based on the above-described face detecting the eyes from the region, and smooth the histogram, the brightness distribution of the detected eyes in a wide area after a certain threshold to black and white binary image morphology techniques by expansion and erosion of the image processing technique (morphological operation) to remove the noise and measure the reflection pattern of light from the eye,
    상기 생체 얼굴 파악부는 유클리드 거리 척도(euclidean distance measure)를 이용하여 상기 눈의 빛 반사 패턴 영상과 미리 저장된 기준 이미지와의 유사도를 비교하여 상기 입력 영상에 보이는 얼굴이 실제 사람 얼굴인지 판단하는 것을 특징으로 하는 생체 얼굴 인식 장치. Using the biometric face identifying unit Euclidean distance measure (euclidean distance measure) the face by comparing the degree of similarity of the light reflection pattern image and a previously stored reference image of the eye seen in the input image characterized in that it is determined that the actual human face biometric face recognition device.
  8. (a) 입력 영상으로부터 얼굴 영역을 검출하는 단계; (A) detecting a face region from an input image; And
    (b) 조명의 위치 변화에 따른 상기 얼굴 영역에서의 빛의 반사 패턴의 변화를 기초로 상기 입력 영상에 보이는 얼굴이 3차원 입체 형태의 실제 사람의 얼굴인지 여부를 판단하는 단계;를 포함하는 것을 특징으로 하는 생체 얼굴 인식 방법. By including; (b) based on the change of the reflection pattern of light from the face region according to a change in position of the illumination step of determining whether the face is a three-dimensional shape of the face of the real person looks to the input image biometric face recognition method as claimed in claim.
  9. 제 8항에 있어서, The method of claim 8,
    상기 (a) 단계는 에이다부스트(Adaboost) 알고리즘을 이용하여 상기 입력 영상으로부터 얼굴 영역을 검출하는 단계;를 포함하는 것을 특징으로 하는 생체 얼굴 인식 방법. Wherein the step (a) using a boost Ada (Adaboost) algorithm comprising the steps of: detecting a face region from the input image; biometric face recognition method comprising: a.
  10. 제 8항에 있어서, The method of claim 8,
    상기 (a) 단계는 상기 검출된 얼굴 영역에서 눈 영역을 검출하는 단계를 더 포함하고, Wherein the step (a) further comprising the step of detecting an eye region from the detected face region,
    상기 (b) 단계는 상기 얼굴 영역에서의 빛의 반사 패턴 및 상기 눈 영역에서의 빛의 반사 패턴을 기초로 상기 입력 영상이 실제 사람의 얼굴 영상인지 판단하는 단계를 포함하는 것을 특징으로 하는 생체 얼굴 인식 방법. The step (b) is a living body face, characterized in that it comprises the step of determining whether the input image is a face image of a real person on the basis of the reflection pattern of the light reflection pattern and the eye region of the light in the face region how to recognize.
  11. 제 10항에 있어서, 11. The method of claim 10,
    상기 (a) 단계는 정규화된 템플릿 매칭(normalized template matching) 방법의 응용된 모델인 다중 블록 매칭(multi-block matching) 방법을 이용하여 상기 얼굴 영영에서 눈의 위치를 검출하는 단계를 포함하는 것을 특징으로 하는 생체 얼굴 인식 방법. Wherein the step (a) comprises the step of detecting the position of the eyes in the face ever using the normalization template matching (normalized template matching) on ​​the model of a multi-block matching (multi-block matching) Application Method biometric face recognition method as.
  12. 제 8항에 있어서, The method of claim 8,
    상기 (b) 단계는 상기 조명의 위치 변화 전 후의 각각에 대한 상기 얼굴 영역의 영상을 소정 임계값을 기준으로 흑과 백의 이진화 영상으로 변환한 후 상기 이진화 영상의 차이를 기초로 빛의 반사 패턴의 변화를 측정하고, 상기 반사 패턴의 변화를 기초로 상기 입력 영상이 실제 사람의 영상인지 판단하는 단계를 포함하는 것을 특징으로 하는 생체 얼굴 인식 방법. The step (b) of the reflection pattern of light and then converted to a black and white binarized image based on the threshold value predetermined for the image of the face region for the respective subsequent position pre-change of the illumination based on the difference in the binary image measuring the change, and on the basis of the change of the reflection pattern biometric face recognition method comprising the steps of: determining whether the input video image of a real person.
  13. 제 8항에 있어서, 상기 (b) 단계는, 10. The method of claim 8, wherein step (b),
    (b1) 상기 검출된 얼굴 영역에서 양 눈 영역을 검출하고, 상기 양 눈 영역간의 거리의 변화를 기초로 상기 얼굴 영역의 움직임을 판단하는 단계; (B1) determining the motion of the face region based on a change of the distance of the inter-region detecting an amount eye region from the detected face area, and both eyes;
    (b2) 상기 얼굴 영역의 움직임이 없으면 서로 다른 위치의 조명을 통해 촬영된 입력 영상의 얼굴 영역에 대한 빛의 반사 패턴의 변화를 측정하고, 상기 얼굴 영역의 움직임이 있으면 상기 움직임에 따른 상기 얼굴 영역의 빛의 반사 패턴의 변화를 측정하는 단계; (B2) if there is no movement of the face area to each other if the measure of the reflection pattern of the light changes in the facial area of ​​an input image photographed by the illumination of different positions, and the movement of the face area, the face area according to the motion step of measuring a change in the reflected pattern of light; And
    (b3) 상기 측정된 반사 패턴의 변화를 기초로 상기 입력 영상이 실제 사람의 얼굴 영상인지 파악하는 단계;를 포함하는 것을 특징으로 하는 생체 얼굴 인식 방법. (B3) on the basis of the change of the measured reflection pattern comprising: the input image identify whether the face image of a real person; biometric face recognition method comprising: a.
  14. 제 13항에 있어서, 14. The method of claim 13,
    상기 (b2) 단계는 상기 얼굴 영역에서 눈을 검출하고, 상기 검출된 눈에 대한 히스토그램 밝기 분포를 넓은 영역으로 평활화한 후 소정 임계치를 기준으로 상기 눈의 영상을 흑과 백의 이진 영상으로 변환한 후 모폴로지 기법(morphological operation)의 팽창 및 침식 영상 처리 기법을 이용하여 노이즈를 제거한 후 상기 눈의 빛의 반사 패턴을 측정하고 단계를 포함하고, A (b2) step converts the image of the eye to black and white binary image after detecting the eyes in the face area and smooth the histogram, the brightness distribution of the detected eyes in a large area relative to the predetermined threshold value after using the swelling and erosion of the image processing technique morphology techniques (morphological operation) to remove the noise, and a step to measure the reflection pattern of light from the eye,
    상기 (b3) 단계는 유클리드 거리 척도(euclidean distance measure)를 이용하여 상기 눈의 빛 반사 패턴 영상과 미리 저장된 기준 이미지와의 유사도를 비교 하여 상기 입력 영상에 보이는 얼굴이 실제 사람 얼굴인지 판단하는 단계를 포함하는 것을 특징으로 하는 생체 얼굴 인식 방법. A (b3) step is a step of the face shown in the input image is determined that the real person's face and by comparing the degree of similarity of the light reflection pattern image and a previously stored reference image of the eye using a Euclidean distance measure (euclidean distance measure) biometric face recognition method, comprising:.
  15. 제 8항 내지 제 14항 중 어느 한 항에 기재된 생체 얼굴 인식 방법을 컴퓨터에서 실행시키기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체. Of claim 8 to claim 14 of the recording medium to read the biometric face recognition method according to any one of a computer, storing a program for executing on a computer.
KR1020060007916A 2006-01-25 2006-01-25 Apparatus for recognizing a biological face and method therefor KR100756047B1 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020060007916A KR100756047B1 (en) 2006-01-25 2006-01-25 Apparatus for recognizing a biological face and method therefor

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020060007916A KR100756047B1 (en) 2006-01-25 2006-01-25 Apparatus for recognizing a biological face and method therefor

Publications (2)

Publication Number Publication Date
KR20070077973A KR20070077973A (en) 2007-07-30
KR100756047B1 true KR100756047B1 (en) 2007-09-07

Family

ID=38502422

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020060007916A KR100756047B1 (en) 2006-01-25 2006-01-25 Apparatus for recognizing a biological face and method therefor

Country Status (1)

Country Link
KR (1) KR100756047B1 (en)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20090013872A (en) 2007-08-03 2009-02-06 기아자동차주식회사 Limp home mode drive method for hybrid electric vehicle and engine clutch control hydraulic system for the same
KR100973832B1 (en) * 2008-04-28 2010-08-04 성균관대학교산학협력단 image authentication method, Apparatus and computer readable record-medium on which program for executing method thereof
KR101014506B1 (en) * 2009-02-13 2011-02-14 인하대학교 산학협력단 Method and apparatus for face features selection using fuzzy and boosting
KR101241625B1 (en) * 2012-02-28 2013-03-11 인텔 코오퍼레이션 Method, apparatus for informing a user of various circumstances of face recognition, and computer-readable recording medium for executing the method
CN104778441A (en) * 2015-01-07 2015-07-15 深圳市唯特视科技有限公司 Multi-mode face identification device and method fusing grey information and depth information
KR101905716B1 (en) * 2017-03-06 2018-10-11 순천향대학교 산학협력단 Video-oculography nystagmus analytics apparatus using infrared camera and method thereof

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR19990079823A (en) * 1998-04-09 1999-11-05 윤종용 Face Recognition Method Considering Lighting Change
KR20000061065A (en) * 1999-03-23 2000-10-16 구자홍 Forgery judgment method for iris recognition system
US6263113B1 (en) 1998-12-11 2001-07-17 Philips Electronics North America Corp. Method for detecting a face in a digital image
US6636619B1 (en) 1999-07-07 2003-10-21 Zhongfei Zhang Computer based method and apparatus for object recognition
KR20030091345A (en) * 2002-05-27 2003-12-03 (주)워치비젼 Method and system for facial liveness test
KR20050018179A (en) * 2003-08-13 2005-02-23 강동중 Image Segmentation System and Process using Multiple Templates
KR20050091558A (en) * 2004-03-12 2005-09-15 학교법인 인하학원 System and method for face recognition using light and preprocess
KR20050112219A (en) * 2004-05-25 2005-11-30 한양대학교 산학협력단 Method for recognizing a face using haar-like feature/lda and apparatus thereof

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR19990079823A (en) * 1998-04-09 1999-11-05 윤종용 Face Recognition Method Considering Lighting Change
US6263113B1 (en) 1998-12-11 2001-07-17 Philips Electronics North America Corp. Method for detecting a face in a digital image
KR20000061065A (en) * 1999-03-23 2000-10-16 구자홍 Forgery judgment method for iris recognition system
US6636619B1 (en) 1999-07-07 2003-10-21 Zhongfei Zhang Computer based method and apparatus for object recognition
KR20030091345A (en) * 2002-05-27 2003-12-03 (주)워치비젼 Method and system for facial liveness test
KR20050018179A (en) * 2003-08-13 2005-02-23 강동중 Image Segmentation System and Process using Multiple Templates
KR20050091558A (en) * 2004-03-12 2005-09-15 학교법인 인하학원 System and method for face recognition using light and preprocess
KR20050112219A (en) * 2004-05-25 2005-11-30 한양대학교 산학협력단 Method for recognizing a face using haar-like feature/lda and apparatus thereof

Also Published As

Publication number Publication date
KR20070077973A (en) 2007-07-30

Similar Documents

Publication Publication Date Title
Torralba Contextual priming for object detection
Peng et al. A robust agorithm for eye detection on gray intensity face without spectacles
Ma et al. Covariance descriptor based on bio-inspired features for person re-identification and face verification
Sun et al. Improving iris recognition accuracy via cascaded classifiers
Kawaguchi et al. Detection of eyes from human faces by Hough transform and separability filter
Tan et al. Enhanced local texture feature sets for face recognition under difficult lighting conditions
Valenti et al. Accurate eye center location and tracking using isophote curvature
Lin et al. Face recognition/detection by probabilistic decision-based neural network
CN101510257B (en) Human face similarity degree matching method and device
Tabassi et al. Fingerprint image quality
Cheng et al. Gait analysis for human identification through manifold learning and HMM
JP2008504606A (en) Multi-biometric system and method based on a single image
Leibe et al. Interleaving object categorization and segmentation
JP3975248B2 (en) Biometric recognition using neural network classification
JP2006293644A (en) Information processing device and information processing method
Gu et al. Feature points extraction from faces
Gourier et al. Estimating face orientation from robust detection of salient facial structures
Huang et al. Face detection and precise eyes location
Sung et al. Example Based Learning for View-Based Human Face Detection.
US5912980A (en) Target acquisition and tracking
US8818034B2 (en) Face recognition apparatus and methods
US9141844B2 (en) System and method for three-dimensional biometric data feature detection and recognition
JP2008146539A (en) Face authentication device
US8027521B1 (en) Method and system for robust human gender recognition using facial feature localization
Besbes et al. Multimodal biometric system based on fingerprint identification and iris recognition

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
LAPS Lapse due to unpaid annual fee
R401 Registration of restoration
FPAY Annual fee payment

Payment date: 20120824

Year of fee payment: 6

FPAY Annual fee payment

Payment date: 20130830

Year of fee payment: 7

FPAY Annual fee payment

Payment date: 20140829

Year of fee payment: 8

FPAY Annual fee payment

Payment date: 20150828

Year of fee payment: 9

LAPS Lapse due to unpaid annual fee