KR100880073B1 - 얼굴 인증 장치 및 얼굴 인증 방법 - Google Patents

얼굴 인증 장치 및 얼굴 인증 방법 Download PDF

Info

Publication number
KR100880073B1
KR100880073B1 KR1020077006062A KR20077006062A KR100880073B1 KR 100880073 B1 KR100880073 B1 KR 100880073B1 KR 1020077006062 A KR1020077006062 A KR 1020077006062A KR 20077006062 A KR20077006062 A KR 20077006062A KR 100880073 B1 KR100880073 B1 KR 100880073B1
Authority
KR
South Korea
Prior art keywords
image
feature amount
face
feature
eyes
Prior art date
Application number
KR1020077006062A
Other languages
English (en)
Other versions
KR20070044055A (ko
Inventor
쇼지 다나카
Original Assignee
미쓰비시덴키 가부시키가이샤
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 미쓰비시덴키 가부시키가이샤 filed Critical 미쓰비시덴키 가부시키가이샤
Priority to KR1020077006062A priority Critical patent/KR100880073B1/ko
Publication of KR20070044055A publication Critical patent/KR20070044055A/ko
Application granted granted Critical
Publication of KR100880073B1 publication Critical patent/KR100880073B1/ko

Links

Images

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
    • G06V40/169—Holistic features and representations, i.e. based on the facial image taken as a whole
    • 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
    • G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
    • G06V10/462—Salient features, e.g. scale invariant feature transforms [SIFT]
    • G06V10/464—Salient features, e.g. scale invariant feature transforms [SIFT] using a plurality of salient features, e.g. bag-of-words [BoW] representations
    • 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
    • G06V40/171—Local features and components; Facial parts ; Occluding parts, e.g. glasses; Geometrical relationships

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • General Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Human Computer Interaction (AREA)
  • Image Analysis (AREA)
  • Collating Specific Patterns (AREA)

Abstract

특징량 추출용 화상 생성 수단(2)은 입력된 화상으로부터 각 화소값에 소정의 연산을 실시한 특징량 추출용 화상을 생성한다. 얼굴 검출 수단(3) 및 양 눈 검출 수단(4)은 특징량 추출용 화상에 근거하여 얼굴 검출 및 양 눈 검출을 행한다. 특징량 취득 수단(6)은 양 눈의 위치에 근거하여 정규화한 화상으로부터 특징량을 추출한다. 얼굴 인증 수단(10)은 특징량 취득 수단(6)에서 취득된 특징량과, 미리 등록된 특징량을 비교하는 것에 의해, 얼굴 인증을 행한다.

Description

얼굴 인증 장치 및 얼굴 인증 방법{FACE IDENTIFICATION DEVICE AND FACE IDENTIFICATION METHOD}
본 발명은 얼굴을 촬영한 화상으로부터 얼굴 영역을 추출하여, 이 얼굴 영역의 화상과, 미리 등록한 데이터와 비교해서 인증을 행하는 얼굴 인증 장치 및 얼굴 인증 방법에 관한 것이다.
종래의 얼굴 인증 장치에서는, 장치에 입력된 얼굴 화상으로부터 얼굴 영역을 검출할 때, 미간을 중심으로 하는 원심의 화소의 화소값을 푸리에 변환하여, 주파수 2로 되는 영역을 얼굴 영역으로서 구하고 있었다. 또한, 얼굴 인증을 행할 때에 Zernike(제르니케) 모멘트(moment)를 이용하여 추출한 특징량을 이용하고 있었다(예컨대, 특허 문헌 1 참조).
특허 문헌 1 : 일본 특허 공개 제 2002-342760 호 공보
그러나, 상기 종래의 얼굴 인증 장치에서는, 얼굴 영역을 검출할 때에 미간을 중심으로 하는 원심의 화소의 화소값을 푸리에 변환하여, 주파수 2로 되는 영역을 얼굴 영역으로 하고 있었기 때문에, 예컨대, 눈썹이 머리카락으로 덮어져 있는 화상의 경우 얼굴 영역을 정확히 구하기 어려웠다.
또한, 얼굴 화상 인증 가능한 경우이더라도, 인증을 행할 때에 이용하는 Zernike 모멘트를 구할 때에 복잡한 연산을 필요로 하는 등, 연산량이 많아져, 예컨대 연산 능력에 제한을 갖는 휴대 전화나 PDA(Personal Digital Assistants)에서는 계산 비용이 높고, 실시간 처리를 실현하는 것이 곤란하다는 문제가 있었다.
본 발명은 상기한 바와 같은 과제를 해결하기 위해서 이루어진 것으로, 여러가지의 얼굴 화상이더라도 정확히 얼굴 영역을 추출할 수 있고, 또한, 연산량을 적게 할 수 있는 얼굴 인증 장치 및 얼굴 인증 방법을 얻는 것을 목적으로 한다.
발명의 개시
본 발명에 따른 얼굴 인증 장치는, 입력된 화상에 대하여 각 화소값에 소정의 연산을 실시한 특징량 추출용 화상을 생성하는 특징량 추출용 화상 생성 수단과, 특징량 추출용 화상으로부터 얼굴 영역을 검출하는 얼굴 검출 수단과, 특징량 추출용 화상으로부터 양 눈의 위치를 검출하는 양 눈 검출 수단과, 양 눈의 위치에 근거하여 얼굴 영역을 정규화한 화상으로부터 특징량을 추출하는 특징량 취득 수단과, 미리 등록된 개인의 특징량과 특징량 취득 수단에서 취득한 특징량을 비교하여, 얼굴 인증을 행하는 얼굴 인증 수단을 구비한 것이다.
이에 따라, 얼굴 인증 장치로서의 신뢰성 향상과, 연산량의 삭감화를 도모할 수 있다.
도 1은 본 발명의 실시예 1에 따른 얼굴 인증 장치를 나타내는 블럭도,
도 2는 본 발명의 실시예 1에 따른 얼굴 인증 장치의 동작을 나타내는 흐름도,
도 3은 본 발명의 실시예 1에 따른 얼굴 인증 장치의 원화상과 적분 화상의 관계를 나타내는 설명도,
도 4는 본 발명의 실시예 1에 따른 얼굴 인증 장치의 화상을 분할하여 처리하는 방법을 나타내는 설명도,
도 5는 본 발명의 실시예 1에 따른 얼굴 인증 장치의 렉탱글 필터(rectangle filter)의 설명도,
도 6은 본 발명의 실시예 1에 따른 얼굴 인증 장치의 화소값 합계를 구하는 처리의 설명도,
도 7은 본 발명의 실시예 1에 따른 얼굴 인증 장치의 적분 화상을 분할하여 구했을 때의 직사각형 내의 화소값 합계를 구하는 처리의 설명도,
도 8은 본 발명의 실시예 1에 따른 얼굴 인증 장치의 얼굴 영역을 검출할 때에 검출 대상으로 하는 탐색 블럭의 설명도,
도 9는 본 발명의 실시예 1에 따른 얼굴 인증 장치의 얼굴 영역 검출 처리를 나타내는 흐름도,
도 10은 본 발명의 실시예 1에 따른 얼굴 인증 장치의 얼굴 영역 검출 결과를 나타내는 설명도,
도 11은 본 발명의 실시예 1에 따른 얼굴 인증 장치의 양 눈 탐색의 설명도,
도 12는 본 발명의 실시예 1에 따른 얼굴 인증 장치의 눈 영역의 탐색 동작의 설명도,
도 13은 본 발명의 실시예 1에 따른 얼굴 인증 장치의 정규화 처리의 설명도,
도 14는 본 발명의 실시예 1에 따른 얼굴 인증 장치의 특징량 데이터베이스의 설명도이다.
발명을 실시하기 위한 최선의 형태
이하, 본 발명을 보다 상세히 설명하기 위해서, 본 발명을 실시하기 위한 최선의 형태에 대하여, 첨부의 도면에 따라 설명한다.
(실시예 1)
도 1은 본 발명의 실시예 1에 따른 얼굴 인증 장치를 나타내는 블럭도이다.
본 실시예의 얼굴 인증 장치는 화상 입력 수단(1), 특징량 추출용 화상 생성 수단(2), 얼굴 검출 수단(3), 양 눈 검출 수단(4), 얼굴 화상 정규화 수단(5), 특징량 취득 수단(6), 특징량 저장 수단(7), 특징량 추출용 화상 저장 수단(8), 특징 량 데이터베이스(9), 얼굴 인증 수단(10)을 구비하고 있다.
화상 입력 수단(1)은 화상을 입력하기 위한 기능부이며, 예컨대, 휴대 전화나 PDA 등에 탑재된 디지털 카메라나, 외부 메모리 등으로 입력된 화상, 인터넷 등으로부터 통신 수단을 이용하여 취득하는 취득 수단 등으로 이루어지는 것이다.
특징량 추출용 화상 생성 수단(2)은 화상 입력 수단(1)으로 입력된 화상에 대하여 각 화소값에 소정의 연산을 실시한 특징량 추출용 화상을 취득하는 수단이다. 특징량 추출용 화상이란, 예컨대 적분 화상인데, 그 상세에 대해서는 후술한다.
얼굴 검출 수단(3)은, 특징량 추출용 화상 생성 수단(2)으로 취득된 특징량 추출용 화상에 근거하여, 소정의 수법에 의해 얼굴 영역을 검출하는 기능부이다. 양 눈 검출 수단(4)은, 얼굴 검출 수단(3)과 동일한 수법에 의해, 얼굴 영역 중에서 양 눈 영역을 검출하는 기능부이다. 얼굴 화상 정규화 수단(5)은 양 눈 검출 수단(4)으로 검출된 양 눈의 위치에 근거하여 얼굴 인증의 대상으로 되는 화상 사이즈로 얼굴 영역을 확대 축소하는 기능부이다. 특징량 취득 수단(6)은 정규화한 얼굴 화상으로부터 얼굴 인증을 위한 특징량을 취득하는 기능부이고, 특징량 저장 수단(7)은 그 특징량을 특징량 데이터베이스(9)나 얼굴 인증 수단(10)에 송출하는 기능부이다.
특징량 추출용 화상 저장 수단(8)은 특징량 추출용 화상 생성 수단(2)에서 취득된 특징량 추출용 화상을 저장하는 기능부이고, 얼굴 검출 수단(3)~특징량 취득 수단(6)은 이 특징량 추출용 화상 저장 수단(8)에 저장된 특징용 추출용 화상에 근거하여 각종 처리를 행하도록 구성되어 있다. 또한, 특징량 데이터베이스(9)는 얼굴 검출 수단(3)이 사용하기 위한 얼굴의 특징량, 양 눈 검출 수단(4)이 사용하기 위한 눈의 특징량 및 얼굴 인증 수단(10)이 사용하기 위한 각인(各人)의 특징량을 저장하는 데이터베이스이다. 또한, 얼굴 인증 수단(10)은, 특징량 취득 수단(6)에서 취득된 인증 대상으로 되는 특징량과, 특징량 데이터베이스(9)에 미리 등록된 각인의 얼굴의 특징량 데이터를 비교하여 얼굴 인증을 행하는 기능부이다.
다음에, 본 실시예의 얼굴 인증 장치의 동작에 대하여 설명한다.
도 2는 동작을 나타내는 흐름도이다.
우선, 화상 입력 수단(1)에서 화상을 입력한다(단계 ST101). 여기서는, 휴대 전화나 PDA 등에 구비된 디지털 카메라로 촬영된 화상, 외부 메모리 등으로 입력된 화상, 인터넷 등으로부터 통신 수단을 이용하여 취득한 화상 등, 휴대 전화나 PDA 등에 입력 가능한 모든 화상을 대상으로 한다.
다음에, 특징량 추출용 화상 생성 수단(2)에서 특징량 추출용 화상을 구한다(단계 ST102). 여기서, 특징량 추출용 화상이란, 얼굴 검출, 양 눈 검출, 얼굴 인증으로 각각의 특징을 추출하기 위해서 이용하는 Rectangle Filter(렉탱글 필터)라고 불리는 필터로 화상을 필터링할 때에 이용되는 화상이며, 예컨대, 도 3에 도시하는 바와 같이 x, y 좌표의 좌표축 방향(수평 수직 방향)으로 화소값의 누계를 구한 적분 화상이다.
적분 화상은 다음 식으로 구할 수 있다.
그레이 스케일의 화상을 I(x, y)라고 하면, 적분 화상 I'(x, y)는 다음 식으 로 표현된다.
Figure 112007021097011-pct00030
도 3은 특징량 추출용 화상 생성 수단(2)에서 원화상을 적분 화상으로 변환한 결과를 나타내는 설명도이다.
예컨대, 원화상(11)을 적분 화상으로 변환한 경우는, 적분 화상(12)과 같이 된다. 즉, 원화상(11)의 각 화소값에 대응한 적분 화상(12)의 연산값은 원화상(11)의 각 화소값을 도면 좌측 위쪽의 화소값으로부터 수평 수직 방향으로 가산한 값으로 되어 있다.
적분 화상은, 그레이 스케일 화상을 대상으로 하여 구해지기 때문에, 컬러 화상에 대해서는, 화소값을 한번 다음 식으로 변환하고 나서 적분 화상을 구한다.
컬러 화상의 각 화소의 R 성분, G 성분, B 성분을 Ir, Ig, Ib라고 하면, 그레이 스케일 I는, 예컨대 다음 식을 이용하여 구해진다. 또한, RGB 각 성분의 평균값을 구하여도 좋다.
I(x, y)=0.2988Ir(x, y)+0.5868Ig(x, y)+0.1144Ib(x, y)
여기서, 화상 입력 수단(1)에 있어서, 입력하는 화상 사이즈가 예컨대 300만 화소 등의 큰 사이즈인 경우, 적분 화상의 각 화소값을 표현하기 위해서 이용하는 정수형의 데이터로는 표현할 수 없는 경우가 있다. 즉, 적분값이 정수형의 데이터 사이즈를 오버플로우해 버리는 경우가 있다.
그 때문에, 본 실시예에서는 이러한 경우를 고려하여, 오버플로우되지 않는 범위로 화상을 다음과 같이 분할하고, 분할한 각 부분 화상의 적분 화상을 구한다.
또한, 본 실시예에서는, 적분 화상(12)은, 원화상(11)의 화소값을 그대로 누계한 값이지만, 원화상(11)의 각 화소값을 자승한 값의 적분 화상이더라도 마찬가지로 적용 가능하다. 단, 이 경우는, 적분값이 정수형의 데이터 사이즈를 오버플로우하지 않기 때문에, 분할은 더욱 미세한(분할 화상이 작은) 것으로 된다.
도 4는 화상을 분할하여 처리하는 방법을 나타내는 설명도이다.
도면에 있어서, 13~16은 분할된 화상을 나타내고, 17~19는 탐색 윈도우가 분할된 화상끼리와 오버랩되는 케이스(case)를 나타내고 있다.
이와 같이, 본 실시예에서는, 분할한 각 부분 화상(13, 14, 15, 16)으로 적분 화상을 구한다. 이 경우, 합계값을 구하는 직사각형이 복수의 분할 화상에 걸치게 되는 경우가 있으며, 그 경우는, 세로 방향으로 다른 경우(18), 가로 방향으로 다른 경우(17), 4개의 분할 화상으로 다른 경우(19)의 3 경우가 생각된다. 이들의 각각의 경우에 있어서의 처리 방법은 후술한다.
이상으로 적분 화상을 구한 후, 얼굴 검출 수단(3)에서 화상으로부터 얼굴 영역을 검출한다(단계 ST104).
본 실시예의 얼굴 인증 장치에서는, 인간의 얼굴의 특징, 눈의 특징, 얼굴의 개인차의 특징을 모두 도 5에 나타내는 Rectangle Filter(20)를 복수 이용하여 화상을 필터링한 후의 리스폰스(response)값의 조합에 의해 표현한다.
도 5에 나타내는 Rectangle Filter(20)는, 고정 사이즈의 검색 블럭 내, 예 컨대 24×24 화소의 블럭 내에서 흰 직사각형 내의 화소값 합계로부터 해칭(hatching)된 직사각형 내의 화소값 합계를 뺀 값을 구하는 것이다.
즉, 다음 식으로 표현한 값을 Rectangle Filter(20)의 리스폰스로 한다.
Figure 112007021079000-pct00002
여기서, I(xw, yw)는 흰 직사각형 내의 화소값 합계, I(xb, yb)는 해칭 직사각형 내의 화소값 합계를 나타내고 있다.
또한, 도 5에 나타낸 Rectangle Filter(20)는 기본적인 것을 나타낸 것이며, 실제로는, 탐색 블럭 내에서 위치 및 크기가 다른 복수의 Rectangle Filter(20)가 존재한다.
얼굴 검출 수단(3)에서는, 인물의 얼굴을 검출하는 데 적합한 복수의 Rectangle Filter를 이용하여 필터링한 복수의 필터링 리스폰스값에 따라 가중치 부여되고, 가중치 부여된 값의 선형 합이 임계값보다도 큰지 여부에 의해 탐색 블럭이 얼굴 영역인지 여부를 판정한다. 즉, 필터링 리스폰스값에 따라 부여되는 가중치가 얼굴의 특징을 나타내는 것이며, 이 가중치는 사전에 학습 알고리즘 등을 이용하여 획득해 놓는다.
즉, 이하의 판별식으로 식별한다.
Figure 112007021079000-pct00003
단, RFwi는 Rectangle Filter 리스폰스에 대한 가중치, F는 가중치의 선형 합, th는 얼굴 판정 임계값을 나타내고 있다.
이상과 같이, 얼굴 검출 수단(3)에서는, 탐색 블럭 내에서의 각 직사각형의 화소값 합계에 근거하여 얼굴 검출을 행한다. 이 때, 화소값 합계 연산을 효율적으로 행하기 위한 수단으로서 특징량 추출용 화상 생성 수단(2)으로 구한 적분 화상을 이용한다.
예컨대, 도 6에 도시하는 바와 같이, 영역(21) 내의 ABCD로 둘러싸인 직사각형 내의 화소값 합계를 구하는 경우, 적분 화상을 이용하면 직사각형 내의 화소값 합계는 다음 식으로 구할 수 있다.
Figure 112007021079000-pct00004
이와 같이, 한번 적분 화상을 구해 놓으면, 직사각형 내의 화소값 합계는 4점의 연산만으로 구할 수 있어, 효율적으로 임의의 직사각형 내의 화소값 합계를 구하는 것이 가능하다. 또한, 적분 화상(12)의 적분 화소값도 정수로 표시되어 있 기 때문에, 이러한 적분 화상(12)을 이용하여 각종 처리를 행하고 있는 본 실시예의 얼굴 인증 처리는 모두 정수 연산으로 실행하는 것이 가능하다.
여기서, 전술한 바와 같이, 화상을 분할하여 적분 화상을 구한 경우에, 도 4에 있어서의 17~19로 도시하는 바와 같이, 복수의 분할 화상과 중첩하여 화소값 합계를 구해야 하는 경우가 있다.
중첩의 패턴으로서는, 전술한 바와 같이, 세로 방향으로 중첩되어 있는 경우(18), 가로 방향으로 중첩되어 있는 경우(17), 4개의 분할 화상과 중첩되어 있는 경우(19)로 나뉘어진다.
도 7은 3개의 중첩 패턴의 케이스를 나타내는 설명도이다.
우선, 세로 방향으로 중첩되어 있는 케이스로, 도면 중의 22로 나타내는 바와 같이 ABEF 내의 화소값 합계를 구하는 경우는 다음 식으로 구할 수 있다.
Figure 112007021079000-pct00005
가로 방향으로 중첩되어 있는 경우도 상기 마찬가지로 구할 수 있다. 예컨대 도 7의 23에 있어서의 ABEF도 다음 식으로 구할 수 있다.
Figure 112007021079000-pct00006
4개의 분할 화상과 중첩하고 있는 경우는, 각 분할 화상에 중첩되어 있는 부분의 화소값 합계를 그냥 더하면 된다. 예컨대, 도 7의 24로 나타내는 바와 같이 직사각형 AGEI의 화소값 합계를 구하는 경우는 다음 식으로 구할 수 있다.
Figure 112007021079000-pct00007
다음에, 통상 상기 얼굴 특징량 추출을 위해 사용하는 탐색 블럭은 예컨대 24×24 화소 등과 같이 고정되어 있고, 얼굴 특징량을 학습할 때는 그 탐색 블럭 사이즈의 얼굴 화상을 학습하고 있다. 그러나, 화상으로부터 임의의 크기로 촬영된 얼굴 영역을, 사이즈가 고정된 탐색 블럭을 이용하여 검출하는 것은 불가능하 다. 이 문제를 해결하기 위해서는, 화상을 확대 축소하여 복수의 해상도 화상을 작성하거나, 또는 탐색 블럭을 확대 축소하거나 하는 중 어느 하나의 방법이 있고, 어느 방법을 이용하여도 좋다.
본 실시예에서는, 적분 화상을 복수 해상도에 맞추어 구한 경우, 메모리 효율이 나쁘기 때문에, 탐색 블럭을 확대 축소한다. 즉, 다음과 같이, 탐색 블럭을 일정한 확대 축소율로 확대함으로써 임의의 크기의 얼굴 영역이 검출 가능해진다.
도 8은 얼굴 영역을 검출할 때에 검출 대상으로 하는 탐색 블럭의 설명도이다.
도면 중의 탐색 블럭(25)의 확대 축소에 의해서 얼굴 영역을 검출하는 동작은 다음과 같다.
도 9는 얼굴 영역 검출 처리를 나타내는 흐름도이다.
우선, 확대 축소율 S를 1.0으로 하고, 등배의 탐색 블럭으로부터 개시한다(단계 ST201).
얼굴 검출은, 탐색 블럭을 종횡 1 화소씩 이동하면서 탐색 블럭 내의 화상이 얼굴 영역인지 여부를 판정하여, 얼굴 영역이면 그 좌표를 기억한다(단계 ST202~단계 ST209).
우선, Rectangle Filter 내의 직사각형 좌표에 확대 축소율 S를 곱했을 때의 새로운 직사각형 좌표(직사각형을 구성하는 정점(頂点)의 좌표)를 구한다(단계 ST204).
여기서, 단순히 각 좌표값에 확대 축소율 S를 곱하는 것만으로는, 라운딩 오 차가 발생하여 정확한 좌표값을 구할 수 없다. 따라서, 탐색 블럭을 확대 축소했을 때의 각 직사각형 좌표는 다음 식으로 구한다.
Figure 112007021079000-pct00008
또한, 상기 계산식에 있어서, top는 직사각형의 좌측 위쪽 Y좌표, left는 직사각형의 좌측 위쪽 X좌표, height는 직사각형의 높이, width는 직사각형의 폭, S는 확대 축소율, rc, cc은 직사각형의 오리지날 정점 좌표, rn, cn은 변환 후의 정점 좌표이다.
상기 계산식은, 직사각형 좌표에 의존하지 않고, 항상 직사각형의 크기를 일정하게 유지하기 위해서 필요한 것이다.
이상으로 구한 좌표를 기초로 특징량 추출용 화상 저장 수단(8)에 저장되어 있는 적분 화상에 근거하여 필터 리스폰스를 구한다(단계 ST205). 이 필터 리스폰스는 직사각형이 확대되어 있기 때문에, 학습시에 이용한 탐색 블럭 사이즈에서의 값보다 확대 축소율만큼 커져 있다.
따라서, 다음 식으로 나타내는 바와 같이 필터 리스폰스를 확대 축소율로 나누는 것에 의해서 학습시와 동일한 탐색 블럭 사이즈로 구한 경우의 값을 얻을 수 있다(단계 ST206).
F=R/S
또한, F는 리스폰스, R은 확대한 직사각형으로부터 구한 리스폰스, S는 확대율을 나타내고 있다.
상기에서 구한 값으로부터 리스폰스에 따른 가중치를 구하여, 모든 가중치의 선형 합을 구하고, 구한 값과 임계값을 비교함으로써 얼굴인지 여부를 판정한다(단계 ST207). 얼굴이면 그 때의 탐색 블럭의 좌표를 기억한다.
화상 전체를 주사한 후, 확대 축소율 S에 대하여 고정값, 예컨대 1.25를 곱하여(단계 ST210), 새로운 확대 축소율을 갖고 단계 ST202~단계 ST209의 처리를 반복한다. 그리고, 확대 후의 탐색 블럭 사이즈가 화상 사이즈를 초과할 때에 처리를 종료한다(단계 ST211).
상기의 처리에 있어서, 확대 축소율을 정수로 표현하고, 예컨대 1.0을 100으로 치환하여 표현했을 때, 100 미만을 소수로서 취급하는 것이 가능해진다. 이 때의 계산은, 곱셈의 경우, 계산후 100으로 나눈다. 나눗셈의 경우, 나누는 수를 100배하여 계산하면 좋다. 이와 같이 소수를 이용하지 않고 계산하는 것이 가능해진다.
이상으로 검출한 얼굴 영역은, 전술한 바와 같이 탐색 블럭을 1 픽셀씩 이동시키면서 얼굴 영역 판정을 행하기 때문에, 얼굴의 부근에서는 복수의 탐색 블럭이 얼굴 영역이라고 판정하는 것에 의해 기억한 얼굴 영역 직사각형이 중첩되는 경우가 있다.
도 10은 이것을 나타내는 설명도이며, 얼굴 영역의 검출 결과를 나타내는 것이다.
도면 중의 복수의 탐색 블럭(25)은, 본래 하나의 영역이기 때문에, 직사각형끼리가 중첩되어 있는 경우, 그 중첩되는 비율에 따라서 직사각형끼리를 통합한다.
중첩되는 비율은, 예컨대 직사각형 1, 직사각형 2가 중첩되어 있는 경우, 다음 식으로 구할 수 있다.
if 직사각형 1의 면적 > 직사각형 2의 면적
중첩률 = 중첩 부분의 면적 / 직사각형 1의 면적
else
중첩률 = 중첩 부분의 면적 / 직사각형 2의 면적
그리고, 중첩률이 임계값보다도 큰 경우에 2개의 직사각형을 통합하여 하나의 직사각형으로 한다. 2개의 직사각형을 통합하는 경우, 각 4점의 좌표의 평균값을 구하거나 또는 좌표값의 대소 관계로부터 구할 수 있다.
이상으로 구한 얼굴 영역으로부터, 다음에 양 눈 검출 수단(4)으로 양 눈을 검출한다(단계 ST105).
얼굴 검출 수단(3)으로 검출한 얼굴 영역으로부터, 인간의 얼굴의 특징을 고려하면, 왼쪽 눈 및 오른쪽 눈이 어떤 위치에 존재하는지를 미리 예측하는 것이 가능하다.
양 눈 검출 수단(4)에서는, 각 눈의 탐색 영역을 얼굴 영역의 좌표로부터 특정하여, 탐색 영역 내에 주목하여 눈을 검출한다.
도 11은 양 눈 탐색의 설명도이며, 도면 중, 26은 왼쪽 눈 탐색 영역, 27은 오른쪽 눈 탐색 영역을 나타내고 있다.
양 눈의 검출도 단계 ST104의 얼굴 검출과 동등한 처리로 행할 수 있다. 왼쪽 눈, 오른쪽 눈 각각의 특징을, 예컨대, 눈의 중심이 탐색 블럭의 중심으로 되도록 하여 Rectangle Filter를 이용해서 특징량을 학습시킨다. 그리고, 얼굴 검출의 단계 ST201~단계 ST211과 마찬가지로 탐색 블럭을 확대하면서 눈을 검출한다.
눈을 검출하는 경우는, 확대 후의 탐색 블럭 사이즈가 각 눈의 탐색 영역 사이즈를 초과한 경우에 종료하도록 설정하면 좋다. 여기서, 눈을 탐색하는 경우, 얼굴 검출 수단(3)과 마찬가지로 탐색 영역의 좌측 위쪽으로부터 주사하는 것은 매우 효율이 나쁘다. 그것은, 눈의 위치가 상기 설정한 탐색 영역의 중심 부근에 존재하는 경우가 많기 때문이다.
그래서, 탐색 블럭의 주사를 중심으로부터 바깥측으로 향해서 주사하도록 하여, 눈이 검출된 시점에서 탐색 처리를 중단함으로써 처리를 효율화할 수 있다.
도 12는 눈 영역의 탐색 동작의 설명도이다.
즉, 양 눈 검출 수단(4)은 검출된 얼굴 영역에서의 양 눈의 탐색 범위의 중심으로부터 주변으로 향하여 눈의 탐색 처리를 행해서 양 눈의 위치를 검출한다. 본 실시예에서는, 탐색 영역의 중심으로부터 주변으로 향하여 나선 형상으로 탐색하고 있다.
다음에, 단계 ST105에서 검출된 양 눈의 위치에 근거하여 얼굴 화상을 정규화한다(단계 ST106).
도 13은 정규화 처리의 설명도이다.
얼굴 화상 정규화 수단(5)은 양 눈 검출 수단(4)에서 검출한 양 눈의 위 치(28, 29)로부터, 얼굴 인증에 필요한 화각으로 되도록 얼굴 영역을 확대 축소했을 때의 화상으로부터 얼굴 인증에 필요한 얼굴 특징량을 추출한다.
여기서, 정규화 화상(30)의 크기가 예컨대 폭과 높이가 nw×nh 화소이고, 왼쪽 눈의 위치, 오른쪽 눈의 위치가 정규화 화상(30)에 있어서의 좌표 L(xl, yl), R(xr, yr)로 설정되어 있는 경우, 검출한 얼굴 영역을 설정된 정규화 화상대로 하기 위해서는 이하의 처리를 행한다.
우선, 확대 축소율을 구한다.
확대 축소율 NS는 검출한 양 눈의 위치가 DL(xdl, ydl), DR(xdr, ydr)이라고 하면 다음 식으로 구할 수 있다.
Figure 112007021079000-pct00009
다음에, 구한 확대 축소율과, 정규화 화상 상에서 설정된 왼쪽 눈, 오른쪽 눈의 위치의 정보를 이용하여 원화상에 있어서의 정규화 화상의 위치, 즉 인증 대상으로 되는 직사각형 위치를 구한다.
정규화 화상(30)의 좌측 위쪽 좌표, 우측 아래쪽 좌표를 왼쪽 눈의 위치의 상대 위치로 표현하면,
Figure 112007021079000-pct00010
로 된다.
따라서 원화상에 있어서의 정규화 화상(30)의 직사각형 좌표는
직사각형 좌측 위쪽 좌표 : OrgNrImgTopLeft(x, y)=(xdl-xl/NS, ydl-yl/NS)
직사각형 우측 위쪽 좌표 : OrgNrmImgBtmRight(x, y)=(xdl+(nw-xl)/NS, ydl+(nh-yl)/NS)
로 된다.
이상으로 구한 인증 대상 영역으로부터 얼굴 인증에 필요한 특징량을 얼굴 인증용의 Rectangle Filter를 이용하여 추출한다.
이 때, 얼굴 인증용의 Rectangle Filter는 정규화 화상 사이즈를 상정하여 설계되어 있기 때문에, 얼굴 검출 동일 Rectangle Filter 내의 직사각형 좌표를 원화상에 있어서의 좌표로 변환하여, 화소값 합계를 적분 화상에 근거해서 구하고, 구한 필터 리스폰스를 상기에서 구한 확대 축소율 NS를 곱함으로써 정규화 화상 사이즈에 있어서의 필터 리스폰스를 구할 수 있다.
우선, 현 화상에 있어서의 Rectangle Filter의 직사각형 좌표는,
OrgRgn(x, y)=(xdl+rx*NS, ydl+ry*NS)
로 된다. 여기서 rx, ry는 정규화 화상(30) 상에서의 직사각형 좌표이다.
그리고, 여기서 구한 직사각형 좌표로부터 적분 화상의 화소값을 참조하여, 직사각형내 화소값 합계를 구한다.
FRorg를 원화상에 있어서의 필터 리스폰스, FR을 정규화 화상(30)에 있어서의 리스폰스로 한 경우,
FR = FRorg * NS
로 된다.
얼굴 인증에 필요한 Rectangle Filter는 복수이므로, 복수의 Rectangle Filter의 리스폰스를 구한다(단계 ST107). 얼굴을 등록할 때는, 복수의 Rectangle Filter의 리스폰스를 특징량 저장 수단(7)에 의해서 특징량 데이터베이스(9)에 저장한다(단계 ST108, 단계 ST109).
도 14는 특징량 데이터베이스(9)의 설명도이다.
특징량 데이터베이스(9)는, 도시한 바와 같이, 등록 ID와 특징량 데이터의 테이블 구조로 되어 있다. 즉, 정규화 화상(30)에 대하여 복수의 Rectangle Filter(20)의 리스폰스(31)를 구하고, 이들 리스폰스(31)를 개인에 대응한 등록 ID에 관련지은 것이다.
다음에, 얼굴 인증 수단(10)에서 얼굴 인증을 행하는 처리(도 2에 있어서의 단계 ST110, 단계 ST111)를 설명한다.
얼굴 인증은, 입력 화상으로부터 특징량 취득 수단(6)에서 추출한 특징량과, 특징량 데이터베이스(9)에 저장된 특징량을 비교함으로써 행한다.
구체적으로는, 입력 화상의 특징량을 RFc, 등록된 특징량을 RFr로 했을 때, 특징량간의 차분에 따라 다음 식의 수학식 5와 같이 가중치를 부여한다.
Figure 112007021079000-pct00011
그리고, 가중치의 선형 합이 임계값을 초과하는 경우, 동일 인물로 한다. 즉, 선형 합을 RcgV 라고 하면 다음 식의 수학식 6과 같이 된다.
Figure 112007021079000-pct00012
이상과 같은 처리에 의해, 얼굴 인증 장치에 있어서의 특징량의 저장(등록 처리)과 얼굴 인증(인증 처리)을 실시할 수 있다. 또한, 본 실시예에서는, 이상의 처리로 이루어지기 때문에, 예컨대, 휴대 전화나 PDA이더라도 실시간 처리를 실현하는 것이 가능해진다.
또한, 상기 실시예에서는 특징량 추출용 화상으로서 적분 화상의 경우를 설명했지만, 이외에도, 예컨대 적산(積算) 화상이더라도 마찬가지로 적용할 수 있다.
적산 화상의 경우는, 수평 수직 방향으로 화소값을 승산하여 구한다. 즉, 그레이 스케일의 화상을 I(x, y)라고 하면, 적산 화상 I'(x, y)는 다음 식으로 표현된다.
Figure 112007021097011-pct00031
또, 이러한 적산 화상을 특징량 추출용 화상으로 하는 경우, Rectangle Filter(20)의 리스폰스는 다음 식으로 표현된다.
Figure 112007021079000-pct00014
여기서, I(xw, yw)는 흰 직사각형 내의 화소값 합계, I(xb, yb)는 해칭 직사 각형 내의 화소값 합계이다.
이와 같이, 특징량 추출용 화상으로서 적산 화상을 이용하는 경우는, 특징량의 표현으로서 적산 화상에 대응한 것으로 함으로써, 상술한 적분 화상의 경우와 마찬가지로 적용할 수 있다.
또한, 특징량 추출용 화상으로서, 적산 화상 이외에도, 수평 수직 방향으로 화소값을 뺀 누계를 구하는 적분 화상을 이용하여도 좋다.
이상과 같이, 실시예 1의 얼굴 인증 장치에 의하면, 입력된 화상에 대하여 각 화소값에 소정의 연산을 실시한 특징량 추출용 화상을 생성하는 특징량 추출용 화상 생성 수단과, 특징량 추출용 화상 생성 수단에서 생성한 특징량 추출용 화상으로부터, 미리 얼굴의 특징을 학습시킨 학습 데이터를 이용하여, 얼굴 영역을 검출하는 얼굴 검출 수단과, 검출한 얼굴 영역의 특징량 추출용 화상으로부터, 미리 눈의 특징을 학습시킨 학습 데이터를 이용하여, 양 눈의 위치를 검출하는 양 눈 검출 수단과, 양 눈의 위치에 근거하여 얼굴 영역을 정규화한 화상으로부터 특징량을 추출하는 특징량 취득 수단과, 미리 등록된 개인의 특징량과, 특징량 취득 수단에서 취득한 특징량을 비교하여, 얼굴 인증을 행하는 얼굴 인증 수단을 구비했기 때문에, 얼굴 인증 장치로서의 정확한 인증 처리를 실현할 수 있고, 또한, 연산량의 삭감화를 도모할 수 있다.
또한, 실시예 1의 얼굴 인증 장치에 의하면, 얼굴 검출 수단은, 특징량 추출용 화상에 있어서의 소정의 검색 윈도우 내의 특정 직사각형의 화소값 합계 차분에 의해 특징량을 구하고, 그 결과에 근거하여 얼굴 검출을 행하며, 양 눈 검출 수단 은, 특징량 추출용 화상에 있어서의 소정의 검색 윈도우 내의 특정 직사각형의 화소값 합계 차분에 의해 특징량을 구하고, 그 결과에 근거하여 양 눈 검출을 행하며, 얼굴 인증 수단은, 특징량 추출용 화상에 있어서의 소정의 검색 윈도우 내의 특정 직사각형의 화소값 합계 차분에 의해 특징량을 구한 결과를 이용하여 얼굴 인증을 행하도록 했기 때문에, 적은 연산량으로 특징량을 정확하게 구할 수 있다. 또한, 얼굴 검출, 양 눈 검출, 얼굴 인증 처리를 한번 구한 특징량 추출용 화상에 근거하여 실행하기 때문에, 처리 효율을 향상시킬 수 있다.
또한, 실시예 1의 얼굴 인증 장치에 의하면, 특징량 추출용 화상 생성 수단은 각 화소의 화소값을 좌표축의 방향으로 가산 또는 승산한 값을 가지는 화상을 특징량 추출용 화상으로서 생성하도록 했기 때문에, 예컨대 임의의 직사각형 내의 화소값 합계를 4점의 연산만으로 구할 수 있는 등, 연산량이 적고 효율적으로 특징량을 구할 수 있다.
또한, 실시예 1의 얼굴 인증 장치에 의하면, 얼굴 검출 수단은, 검색 윈도우를 확대 또는 축소하여, 확대 축소율에 따라 특징량을 정규화해서 얼굴 영역의 검출을 행하도록 했기 때문에, 복수 해상도 화상 및 각 해상도에 따른 특징량 추출용 화상을 구할 필요가 없어, 메모리 효율을 높일 수 있다.
또한, 실시예 1의 얼굴 인증 장치에 의하면, 특징량 추출용 화상 생성 수단은, 특징량 추출용 화상의 연산값이 표현 가능한 범위 내에서 분할된 각 분할 화상에 대하여, 특징량 추출용 화상을 구하도록 했기 때문에, 화상 사이즈가 커진 경우에 있어서도, 특징량 추출용 화상을 구할 때에 화상을 분할함으로써 오버플로우를 일으키는 일이 없어, 따라서, 어떠한 입력 화상 사이즈에도 대응할 수 있는 효과가 있다.
또한, 실시예 1의 얼굴 인증 방법에 의하면, 입력된 화상 데이터에 대하여 각 화소값에 소정의 연산을 실시한 특징량 추출용 화상 데이터를 생성하는 특징량 추출용 화상 취득 단계와, 특징량 추출용 화상 데이터로부터, 미리 얼굴의 특징을 학습시킨 학습 데이터를 이용하여, 얼굴 영역을 검출하는 얼굴 영역 검출 단계와, 검출한 얼굴 영역의 특징량 추출용 화상 데이터로부터, 미리 눈의 특징을 학습시킨 학습 데이터를 이용하여, 양 눈의 위치를 검출하는 양 눈 검출 단계와, 양 눈의 위치에 근거하여 정규화된 화상 데이터로부터, 특징량 데이터를 추출하는 특징량 취득 단계와, 미리 등록된 각개인의 특징량 데이터와, 특징량 취득 단계에서 취득한 특징량 데이터를 비교하여, 얼굴 인증을 행하는 인증 단계를 구비했기 때문에, 어떠한 입력 화상이더라도 정확한 얼굴 인증 처리가 행해지고, 또한, 적은 연산량으로 얼굴 인증 처리를 실시할 수 있다.
또한, 실시예 1의 얼굴 인증 장치에 의하면, 입력된 화상으로부터 얼굴 영역을 검출하는 얼굴 검출 수단과, 검출된 얼굴 영역에서의 양 눈의 탐색 범위의 중심으로부터 주변으로 향해 탐색을 행하여, 양 눈의 위치를 검출하는 양 눈 검출 수단과, 양 눈의 위치에 근거하여 얼굴 영역을 정규화한 화상으로부터 특징량을 추출하는 특징량 취득 수단과, 미리 등록된 개인의 특징량과, 특징량 취득 수단에서 취득한 특징량을 비교하여, 얼굴 인증을 행하는 얼굴 인증 수단을 구비했기 때문에, 양 눈 탐색 처리에 있어서의 연산량을 적게 할 수 있고, 그 결과, 얼굴 인증 처리를 효율화할 수 있다.
또한, 실시예 1의 얼굴 인증 방법에 의하면, 입력된 화상 데이터로부터 얼굴 영역을 검출하는 얼굴 영역 검출 단계와, 검출된 얼굴 영역에서의 양 눈의 탐색 범위의 중심으로부터 주변으로 향해 눈의 탐색 처리를 행하여, 양 눈의 위치를 검출하는 양 눈 검출 단계와, 양 눈의 위치에 근거하여 얼굴 영역을 정규화한 화상 데이터로부터 특징량 데이터를 추출하는 특징량 취득 단계와, 미리 등록된 개인의 특징량 데이터와, 특징량 취득 단계에서 취득한 특징량 데이터를 비교하여, 얼굴 인증을 행하는 얼굴 인증 단계를 구비했기 때문에, 적은 연산량으로 양 눈 탐색 처리를 행할 수 있어, 그 결과, 얼굴 인증 처리를 효율화할 수 있다.
이상과 같이, 본 발명에 따른 얼굴 인증 장치 및 얼굴 인증 방법은, 입력된 화상과 미리 등록한 화상을 비교함으로써 얼굴 인증을 행하는 것으로, 얼굴 인증을 행하는 여러 가지의 보안 시스템 등에 이용하는 데 적합하다.

Claims (8)

  1. 입력된 화상에 대하여 각 화소값에 소정의 연산을 실시한 특징량 추출용 화상을 생성하는 특징량 추출용 화상 생성 수단과,
    상기 특징량 추출용 화상 생성 수단에서 생성한 특징량 추출용 화상으로부터, 미리 얼굴의 특징을 학습시킨 학습 데이터를 이용해서 얼굴 영역을 검출하는 얼굴 검출 수단과,
    검출한 얼굴 영역의 상기 특징량 추출용 화상으로부터, 미리 눈의 특징을 학습시킨 학습 데이터를 이용하여 양 눈의 위치를 검출하는 양 눈 검출 수단과,
    양 눈의 위치에 근거하여 상기 얼굴 영역을 정규화한 화상으로부터 특징량을 추출하는 특징량 취득 수단과,
    미리 등록된 개인의 특징량과, 상기 특징량 취득 수단에서 취득한 특징량을 비교하여 얼굴 인증을 행하는 얼굴 인증 수단
    을 구비하되,
    상기 특징량 추출용 화상 생성 수단은 각 화소의 화소값을 좌표축의 방향으로 가산 또는 승산한 값을 갖는 화상을 상기 특징량 추출용 화상으로서 생성하는 것
    을 특징으로 하는 얼굴 인증 장치.
  2. 제 1 항에 있어서,
    상기 얼굴 검출 수단은, 상기 특징량 추출용 화상에서 소정의 검색 윈도우 내의 특정 직사각형의 화소값 합계 차분에 의해 특징량을 구하고, 그 결과에 근거하여 얼굴 검출을 행하며,
    상기 양 눈 검출 수단은, 상기 특징량 추출용 화상에서 소정의 검색 윈도우 내의 특정 직사각형의 화소값 합계 차분에 의해 특징량을 구하고, 그 결과에 근거하여 양 눈 검출을 행하며,
    상기 얼굴 인증 수단은, 상기 특징량 추출용 화상에서 소정의 검색 윈도우 내의 특정 직사각형의 화소값 합계 차분에 의해 특징량을 구한 결과를 이용하여 얼굴 인증을 행하는 것
    을 특징으로 하는 얼굴 인증 장치.
  3. 삭제
  4. 제 1 항에 있어서,
    상기 얼굴 검출 수단은, 검색 윈도우를 확대 또는 축소하고, 그 확대 축소율에 따라 특징량을 정규화해서 얼굴 영역의 검출을 행하는 것을 특징으로 하는 얼굴 인증 장치.
  5. 제 1 항에 있어서,
    상기 특징량 추출용 화상 생성 수단은, 상기 특징량 추출용 화상의 연산값이 표현 가능한 범위 내에서 분할된 각 분할 화상에 대하여, 상기 특징량 추출용 화상을 구하는 것을 특징으로 하는 얼굴 인증 장치.
  6. 입력된 화상 데이터에 대하여 각 화소값에 소정의 연산을 실시한 특징량 추출용 화상 데이터를 생성하는 특징량 추출용 화상 취득 단계와,
    상기 특징량 추출용 화상 데이터로부터, 미리 얼굴의 특징을 학습시킨 학습 데이터를 이용하여, 얼굴 영역을 검출하는 얼굴 영역 검출 단계와,
    검출한 얼굴 영역의 상기 특징량 추출용 화상 데이터로부터, 미리 눈의 특징을 학습시킨 학습 데이터를 이용하여, 양 눈의 위치를 검출하는 양 눈 검출 단계와,
    양 눈의 위치에 근거하여 정규화된 화상 데이터로부터 특징량 데이터를 추출하는 특징량 취득 단계와,
    미리 등록된 각 개인의 특징량 데이터와, 상기 특징량 취득 단계에서 취득한 특징량 데이터를 비교하여, 얼굴 인증을 행하는 인증 단계
    를 포함하되,
    상기 특징량 추출용 화상 취득 단계는 각 화소의 화소값을 좌표축의 방향으로 가산 또는 승산한 값을 갖는 화상을 특징량 추출용 화상으로서 생성하는 것
    을 특징으로 하는 얼굴 인증 방법.
  7. 제 1 항에 있어서,
    상기 양 눈 검출 수단은, 검출된 얼굴 영역에서 양 눈의 탐색 범위의 중심으로부터 주변으로 향해 탐색을 행하여 양 눈의 위치를 검출하는 것을 특징으로 하는 얼굴 인증 장치.
  8. 제 6 항에 있어서,
    상기 양 눈 검출 단계는, 검출된 얼굴 영역에서 양 눈의 탐색 범위의 중심으로부터 주변으로 향해 눈의 탐색 처리를 행하여 양 눈의 위치를 검출하는 것을 특징으로 하는 얼굴 인증 방법.
KR1020077006062A 2007-03-15 2004-09-17 얼굴 인증 장치 및 얼굴 인증 방법 KR100880073B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020077006062A KR100880073B1 (ko) 2007-03-15 2004-09-17 얼굴 인증 장치 및 얼굴 인증 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020077006062A KR100880073B1 (ko) 2007-03-15 2004-09-17 얼굴 인증 장치 및 얼굴 인증 방법

Publications (2)

Publication Number Publication Date
KR20070044055A KR20070044055A (ko) 2007-04-26
KR100880073B1 true KR100880073B1 (ko) 2009-01-23

Family

ID=38178127

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020077006062A KR100880073B1 (ko) 2007-03-15 2004-09-17 얼굴 인증 장치 및 얼굴 인증 방법

Country Status (1)

Country Link
KR (1) KR100880073B1 (ko)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH04101280A (ja) * 1990-08-20 1992-04-02 Nippon Telegr & Teleph Corp <Ntt> 顔画像照合装置
JPH05225342A (ja) * 1992-02-17 1993-09-03 Nippon Telegr & Teleph Corp <Ntt> 動物体追跡処理方法
JP2000331158A (ja) 1999-05-18 2000-11-30 Mitsubishi Electric Corp 顔画像処理装置

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH04101280A (ja) * 1990-08-20 1992-04-02 Nippon Telegr & Teleph Corp <Ntt> 顔画像照合装置
JPH05225342A (ja) * 1992-02-17 1993-09-03 Nippon Telegr & Teleph Corp <Ntt> 動物体追跡処理方法
JP2000331158A (ja) 1999-05-18 2000-11-30 Mitsubishi Electric Corp 顔画像処理装置

Also Published As

Publication number Publication date
KR20070044055A (ko) 2007-04-26

Similar Documents

Publication Publication Date Title
JPWO2006030519A1 (ja) 顔認証装置及び顔認証方法
JP4670664B2 (ja) 画像認識装置
TWI686774B (zh) 人臉活體檢測方法和裝置
US7853052B2 (en) Face identification device
US7970185B2 (en) Apparatus and methods for capturing a fingerprint
KR101857287B1 (ko) 제스처 기반 바이오메트릭 시스템의 방법 및 장치
CN107169458B (zh) 数据处理方法、装置及存储介质
JP5774425B2 (ja) 画像解析装置および画像評価装置
KR20060055064A (ko) 형판 기반 얼굴 검출 방법
JP7151875B2 (ja) 画像処理装置、画像処理方法、およびプログラム
JP4993615B2 (ja) 画像認識方法および装置
JP5279517B2 (ja) 物体検知装置及び物体検知方法
JP2017138674A (ja) ナンバープレート認識装置及びナンバープレート認識システム並びにナンバープレート認識方法
KR100880073B1 (ko) 얼굴 인증 장치 및 얼굴 인증 방법
KR100569194B1 (ko) 카메라 문서영상의 기하학적 왜곡 보정방법
JP2015026283A (ja) 画像処理装置、画像処理方法およびプログラム
US20190279392A1 (en) Medium recognition device and medium recognition method
KR20080079443A (ko) 영상으로부터의 객체 검출 방법 및 장치
CN115134521B (zh) 视频拍摄防抖动方法、装置、设备及存储介质
WO2008018459A1 (fr) Procédé de traitement d&#39;image, appareil de traitement d&#39;image, programme de traitement d&#39;image, et appareil de prise d&#39;image
Schneider et al. Feature based face localization and recognition on mobile devices
JP2005209137A (ja) 対象物認識方法及び対象物認識装置、並びに顔方向識別装置
JP3164835B2 (ja) 人物画像認識における前処理方法および後処理方法
JP2007279786A (ja) 情報端末装置及びプログラム
KR20210127257A (ko) 사용자의 생체 특성을 가지는 이미지 내에서 객체를 식별하고 생체 특성을 포함하는 이미지의 일부를 이미지의 다른 부분으로부터 분리함으로써 사용자의 신원을 식별하기 위한 방법(Method for verifying the identity of a user by identifying an object within an image that has a biometric characteristic of the user and separating a portion of the image comprising the biometric characteristic from other portions of the image)

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: 20111216

Year of fee payment: 4

LAPS Lapse due to unpaid annual fee