KR100904916B1 - 얼굴 인식 시스템 및 방법 - Google Patents

얼굴 인식 시스템 및 방법 Download PDF

Info

Publication number
KR100904916B1
KR100904916B1 KR1020080057935A KR20080057935A KR100904916B1 KR 100904916 B1 KR100904916 B1 KR 100904916B1 KR 1020080057935 A KR1020080057935 A KR 1020080057935A KR 20080057935 A KR20080057935 A KR 20080057935A KR 100904916 B1 KR100904916 B1 KR 100904916B1
Authority
KR
South Korea
Prior art keywords
image
face
feature information
input image
person
Prior art date
Application number
KR1020080057935A
Other languages
English (en)
Inventor
박상조
박흥준
오철균
김익동
박정훈
김대진
박성수
전봉진
이주영
Original Assignee
주식회사 다우엑실리콘
포항공과대학교 산학협력단
주식회사 크라스아이디
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 주식회사 다우엑실리콘, 포항공과대학교 산학협력단, 주식회사 크라스아이디 filed Critical 주식회사 다우엑실리콘
Priority to KR1020080057935A priority Critical patent/KR100904916B1/ko
Application granted granted Critical
Publication of KR100904916B1 publication Critical patent/KR100904916B1/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
    • G06V10/48—Extraction of image or video features by mapping characteristic values of the pattern into a parameter space, e.g. Hough transformation
    • 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
    • G06V10/60—Extraction of image or video features relating to illumination properties, e.g. using a reflectance or lighting model
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
    • G06V10/751—Comparing pixel values or logical combinations thereof, or feature values having positional relevance, e.g. template matching

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Health & Medical Sciences (AREA)
  • Software Systems (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Artificial Intelligence (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Human Computer Interaction (AREA)
  • Collating Specific Patterns (AREA)

Abstract

얼굴 인식 시스템 및 방법에 관한 것으로, 본 발명의 얼굴 인식 시스템의 일 양태는 입력영상으로부터 얼굴 영역을 얼굴영상으로 추출하는 얼굴 추출부, 상기 얼굴영상의 각 픽셀에 대하여 주변 픽셀들과의 픽셀값을 비교하여 변환영상을 산출하는 변환영상 산출부, 상기 변환영상에 프로젝션 행렬을 곱하여 상기 얼굴영상에 대한 특징정보를 추출하는 특징정보 추출부, 및 상기 추출된 특징정보와 데이터베이스에 저장된 인물영상의 특징정보를 비교하여 상기 입력영상의 얼굴을 인식하는 얼굴 인식부를 포함한다.
얼굴 인식, 인물 인식, LBP, 2D-PCA

Description

얼굴 인식 시스템 및 방법{System and method for recognition of face}
본 발명은 얼굴 인식 시스템 및 방법에 관한 것으로, 더욱 상세하게는 간섭이 있는 입력 영상에 대하여 강인하게 동작할 수 있는 얼굴 인식 시스템 및 방법에 관한 것이다.
정보화 사회가 발달함에 따라 사람을 식별하기 위한 신분 확인 기술이 중요해지고 있으며, 컴퓨터를 이용한 개인의 정보 보호 및 신분 확인을 위해 인체 특징을 이용하는 생체 인식 기술이 연구되고 있다. 생체 인식 기술 중에서도 얼굴 인식 기술은 지문 인식, 홍채 인식 등 사용자의 특별한 동작이나 행위를 요구하는 인식 기술과 달리 비접촉식으로 사용자의 신분을 확인할 수 있기에 편리할 수 있다.
얼굴 인식 기술은 멀티미디어 데이터베이스 검색 핵심 기술 중의 하나로 얼굴 정보를 이용한 동영상의 요약, 이미지 검색, 보안, 감시 시스템 등에 이용될 수 있다.
하지만, 기존의 얼굴인식 기술은 고사양, 고성능의 시스템이 요구되어 임베디드 시스템과 같이 저사양 시스템에서는 동작하기가 용이하지 않거나 또는 느린 속도로 동작하여 실시간 얼굴 인식이 용이하지 않았다.
또한, 동일한 인물에 대하여 다양한 각도에서의 촬영된 영상, 다양한 표정, 조명, 이미지 처리(Image processing)에 따라 인식 결과가 민감하게 달라져 성능을 저하시킬 수 있다.
본 발명이 해결하고자 하는 일 과제는 다양한 조명의 변화에 따르더라도 얼굴 인식을 할 수 있는 얼굴 인식 시스템 및 방법을 제공하는 것이다.
이와 함께, 본 발명이 해결하고자 하는 다른 과제는 얼굴 인식에 소요되는 연산량 및 소요 시간을 줄일 수 있는 얼굴 인식 시스템 및 방법을 제공하는데 그 목적이 있다.
본 발명의 목적들은 이상에서 언급한 목적들로 제한되지 않으며, 언급되지 않은 또 다른 목적들은 아래의 기재로부터 당업자에게 명확하게 이해될 수 있을 것이다.
상기 과제를 달성하기 위하여 본 발명의 얼굴 인식 시스템의 일 양태(Aspect)는 입력영상으로부터 얼굴 영역을 얼굴영상으로 추출하는 얼굴 추출부; 상기 얼굴영상의 각 픽셀에 대하여 주변 픽셀들과의 픽셀값을 비교하여 변환영상을 산출하는 변환영상 산출부; 상기 변환영상에 프로젝션 행렬을 곱하여 상기 얼굴영상에 대한 특징정보를 추출하는 특징정보 추출부; 및 상기 추출된 특징정보와 데이터베이스에 저장된 인물영상의 특징정보를 비교하여 상기 입력영상의 얼굴을 인식하는 얼굴 인식부를 포함한다.
상기 과제를 달성하기 위하여 본 발명의 얼굴 인식 시스템의 다른 양태는 얼굴을 포함하는 입력영상을 획득하는 카메라; 상기 입력영상을 이용하여 상기 입력 영상에 포함된 얼굴을 인식하는 정보 처리부; 및 복수의 인물영상의 특징정보를 저장하고, 상기 복수의 인물영상의 특징정보를 상기 정보 처리부에 제공하는 데이터베이스를 포함하며, 상기 정보 처리부는 상기 입력영상으로부터 얼굴 영역을 얼굴영상으로 추출하는 얼굴추출 모듈; 상기 얼굴영상의 각 픽셀에 대하여 주변 픽셀들과의 밝기 관계를 고려하여 산출된 이진패턴을 이용하여 상기 변환영상으로 변환하는 영상변환 모듈; 상기 변환영상으로부터 상기 입력영상에 포함된 얼굴의 특징정보를 추출하는 특징정보 추출 모듈; 및 상기 추출된 특징정보 및 상기 데이터베이스로부터 제공된 상기 복수의 인물영상에 대한 특징정보를 비교하여 상기 입력영상에 포함된 얼굴을 인식하는 얼굴인식 모듈을 포함한다.
상기 다른 과제를 달성하기 위하여 본 발명의 얼굴 인식 방법의 일 양태는 얼굴 인식 방법은 입력영상으로부터 얼굴 영역을 얼굴영상으로 추출하는 단계; 상기 얼굴영상의 각 픽셀에 대하여 주변 픽셀들과의 픽셀값을 비교하여 변환영상을 산출하는 단계; 상기 변환영상에 프로젝션 행렬을 곱하여 상기 얼굴영상에 대한 특징정보를 추출하는 단계; 및 상기 추출된 특징정보와 데이터베이스에 저장된 인물영상의 특징정보를 비교하여 상기 입력영상의 얼굴을 인식하는 단계를 포함한다.
기타 실시예들의 구체적인 사항들은 상세한 설명 및 도면들에 포함되어 있다.
본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 그러나 본 발명은 이하에서 개시되는 실시예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있으며, 단지 본 실시예들은 본 발명의 개시가 완전하도록 하고, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다.
이하, 본 발명의 실시예들에 의하여 얼굴 인식 시스템 및 방법을 설명하기 위한 블록도 또는 처리 흐름도에 대한 도면들을 참고하여 본 발명에 대해 설명하도록 한다. 이 때, 처리 흐름도 도면들의 각 블록과 흐름도 도면들의 조합들은 컴퓨터 프로그램 인스트럭션들에 의해 수행될 수 있음을 이해할 수 있을 것이다. 이들 컴퓨터 프로그램 인스트럭션들은 범용 컴퓨터, 특수용 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비의 프로세서에 탑재될 수 있으므로, 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비의 프로세서를 통해 수행되는 그 인스트럭션들이 흐름도 블록(들)에서 설명된 기능들을 수행하는 수단을 생성하게 된다. 이들 컴퓨터 프로그램 인스트럭션들은 특정 방식으로 기능을 구현하기 위해 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비를 지향할 수 있는 컴퓨터 이용 가능 또는 컴퓨터 판독 가능 메모리에 저장되는 것도 가능하므로, 그 컴퓨터 이용가능 또는 컴퓨터 판독 가능 메모리에 저장된 인스트럭션들은 흐름도 블록(들)에서 설명된 기능을 수행하는 인스트럭션 수단을 내포하는 제조 품목을 생산하는 것도 가능하다. 컴퓨터 프로그램 인스트럭션들은 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비 상에 탑재되는 것도 가능하므로, 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비 상에서 일련의 동작 단계들이 수행되어 컴퓨터로 실행되는 프로세스를 생성해서 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비를 수행하는 인스트럭션들은 흐름도 블록(들)에서 설명된 기능들을 실행하기 위한 단계들을 제공하는 것도 가능하다.
또한, 각 블록은 특정된 논리적 기능(들)을 실행하기 위한 하나 이상의 실행 가능한 인스트럭션들을 포함하는 모듈, 세그먼트 또는 코드의 일부를 나타낼 수 있다. 또, 몇 가지 대체 실행 예들에서는 블록들에서 언급된 기능들이 순서를 벗어나서 발생하는 것도 가능함을 주목해야 한다. 예컨대, 잇달아 도시되어 있는 두 개의 블록들은 사실 실질적으로 동시에 수행되는 것도 가능하고 또는 그 블록들이 때때로 해당하는 기능에 따라 역순으로 수행되는 것도 가능하다.
본 실시예에서 사용되는 '~부' 또는 '~모듈'라는 용어는 소프트웨어 또는 FPGA또는 ASIC과 같은 하드웨어 구성요소를 의미하며, '~부' 또는 '~모듈'은 어떤 역할들을 수행한다. 그렇지만 '~부' 또는 '~모듈'은 소프트웨어 또는 하드웨어에 한정되는 의미는 아니다. '~부' 또는 '~모듈'은 어드레싱할 수 있는 저장 매체에 있도록 구성될 수도 있고 하나 또는 그 이상의 프로세서들을 재생시키도록 구성될 수도 있다. 따라서, 일 예로서 '~부' 또는 '~모듈'은 소프트웨어 구성요소들, 객체지향 소프트웨어 구성요소들, 클래스 구성요소들 및 태스크 구성요소들과 같은 구성요소들과, 프로세스들, 함수들, 속성들, 프로시저들, 서브루틴들, 프로그램 코드의 세그먼트들, 드라이버들, 펌웨어, 마이크로코드, 회로, 데이터, 데이터베이스, 데이터 구조들, 테이블들, 어레이들, 및 변수들을 포함할 수 있다. 구성요소 들과 '~부' 또는 '~모듈'들 안에서 제공되는 기능은 더 작은 수의 구성요소들 및 '~부' 또는 '~모듈'들로 결합되거나 추가적인 구성요소들과 '~부' 또는 '~모듈'들로 더 분리될 수 있다.
이하, 첨부된 도면을 참조하여 본 발명의 바람직한 실시예를 상세히 설명하기로 한다.
도 1은 본 발명의 일 실시예에 따른 얼굴 인식 시스템의 블록도를 보여준다.
본 발명의 일 실시예에 따른 얼굴 인식 시스템(100)은 영상 획득부(120), 얼굴 추출부(130), 변환영상 산출부(140), 특징정보 추출부(150), 얼굴 인식부(170) 및 데이터베이스(300)를 포함할 수 있다.
영상 획득부(120)는 외부로부터 입력영상을 획득한다. 영상 획득부(120)는 영상 입력 센서에 의하여 입력영상을 획득하거나 또는 외부로부터 유선 또는 무선 연결에 의하여 전송되는 입력영상을 획득할 수 있다.
예를 들어, 영상 입력 센서에 의하여 입력영상을 획득하는 경우에는 소정의 렌즈를 통하여 입사되는 피사체의 영상 신호를 전기적 신호로 변환하여 입력영상을 획득할 수 있다. 여기서, 영상 입력 센서는 CCD(Charge Coupled Device, CCD), CMOS, 기타 당업계에 알려진 영상 획득 수단을 포함할 수 있다. 이와 함께, 영상 입력 센서에 의해 획득된 전기적인 신호를 디지털 신호로 변환하는 아날로그/디지털 변환기 및 아날로그/디지털 변환기에 의해 변환된 디지털 신호를 입력 받아 영상 신호를 처리하는 DSP(Digital Signal Processor, DSP) 등에 의하여 소정의 입력영상을 획득할 수 있다.
또 다른 예로서, 입력영상은 저장매체에 저장되어 있거나 또는 유무선을 통하여 전송되어 본 발명의 일 실시예에 따른 얼굴 인식 시스템(100)에 제공될 수 있다.
한편, 영상 획득부(120)는 획득된 입력영상을 단일 채널의 영상으로 변환할 수 있다. 예를 들어, 입력영상을 그레이(Gray) 스케일로 변경할 수 있다. 또는 입력영상이 'RGB' 채널의 다채널 영상인 경우에 이를 하나의 채널 값으로 변경할 수도 있다. 따라서, 입력영상에 대하여 하나의 채널에서의 인텐서티(Intensity) 값으로 변환함으로써, 입력영상에 대한 밝기 분포를 용이하게 나타낼 수 있다.
얼굴 추출부(130)는 입력영상으로부터 얼굴 영역을 얼굴영상으로 추출하는 역할을 한다. 얼굴 추출부(130)는 입력영상으로부터 대략적인 얼굴을 검출 후에 얼굴 내의 특정 구성요소인 눈, 코, 입 등을 추출하고, 이를 바탕으로 얼굴 영역을 추출할 수 있다. 예를 들어, 두 눈의 위치가 검출되었다면, 두 눈의 거리를 구할 수 있다. 얼굴 추출부(130)는 두 눈 사이의 거리에 기초하여 입력영상에서 얼굴 영역을 얼굴영상으로 추출할 수도 있으며, 이로써 입력영상의 배경 혹은 사람의 머리 스타일의 변화 등에 대한 영향을 줄일 수 있다. 이와 함께, 얼굴 추출부(130)는 추출된 얼굴 영역 정보를 이용하여 얼굴 영역의 크기를 정규화 시킬 수 있다. 얼굴 영역의 크기를 정규화시킴으로써 얼굴 영역에서의 두 눈과의 거리, 눈과 코 사이의 거리 등의 고유한 특징을 동일한 스케일 레벨로 산출할 수 있다.
변환영상 산출부(140)는 얼굴영상의 각 픽셀에 대하여 주변 픽셀들과의 밝기를 고려하여 변환영상을 산출한다. 변환영상 산출부(140)는 얼굴영상을 LBP(Local Binary Pattern) 기법에 의하여 변환영상을 산출할 수 있다. 변환영상 산출부(140)는 얼굴영상의 각 픽셀마다 주변 픽셀들의 픽셀값을 비교하여 LBP를 생성하며, 생성된 LBP를 이용하여 변환영상을 생성할 수 있다. 이와 같이, LBP 기법을 적용함으로써, 얼굴 인식에 있어 조명 등에 의한 외부 간섭에 강인(robust)하게 대처할 수 있다. LBP 기법에 대하여는 후술하기로 한다.
특징정보 추출부(150)는 변환영상으로부터 얼굴영상에 대한 특징정보를 추출할 수 있다. 여기서, 특징정보는 얼굴영상에 포함된 소정 얼굴에 대한 고유한 특성을 나타내는 정보를 말한다. 특징정보 추출부(150)는 일반적인 PCA(Principal Component Analysis)에서 사용되는 1차원 벡터 기반이 아닌 2차원의 영상 행렬을 기반으로 얼굴영상의 특징정보를 추출할 수 있는 2D-PCA(2-Dimensional Principal Component Analysis) 기법을 이용할 수 있다. 2D-PCA 기법은 일반적인 PCA 기법에 비하여 프로젝션 행렬의 크기가 작아지므로, 이로 인하여 연산량 및 필요 메모리를 상대적으로 낮출 수 있기에 휴대용 장치, 저사양의 임베디드 시스템 등에 용이하게 적용될 수 있다. 따라서, 짧은 시간 내에 얼굴 인식이 가능하여 실시간으로 얼굴 인식이 이루어질 수 있다. 2D-PCA 기법에 대하여는 후술하기로 한다.
얼굴 인식부(170)는 추출된 특징정보와 데이터베이스에 저장된 인물영상의 특징정보를 비교하여 입력영상의 얼굴을 인식하는 역할을 한다. 얼굴 인식부(170)는 추출된 특징정보와 데이터베이스에 저장된 인물영상의 특징정보 사이에서의 거리차가 임계치 내인 경우에 상기 인물영상의 얼굴과 상기 입력영상내의 얼굴을 동일인의 얼굴로 인식할 수 있다.
데이터베이스(300)는 복수의 인물영상 및/또는 인물영상의 특징정보를 저장한다. 여기서, 인물영상은 소정의 인물에 매칭되는 얼굴영상을 말한다. 또는 데이터베이스는 복수의 인물영상을 외부로부터 입력 받고, 이로부터 각 인물영상에 대한 특징정보를 추출하여 특징정보를 저장할 수 있다. 상기 각 인물영상의 특징정보는 미리 계산된 상태이거나 또는 본 발명의 일 실시예에 의하여 입력 시에 계산되어 데이터베이스에 저장될 수 있다.
데이터베이스(300)는 복수의 인물영상 및/또는 복수의 인물영상의 특징정보를 얼굴 인식부에 제공할 수 있다. 한편, 데이터베이스(300)에는 개개인의 등록인물에 대한 이름, 나이, 주소 등과 같은 신상정보, 보안등급 등을 더 포함하여 저장할 수도 있다.
상기와 같이, 본 발명의 일 실시예에 따르면 조명 등의 간섭이 심한 환경에서도 강인하게 얼굴 인식을 할 수 있고, 얼굴 인식에 소요되는 연산량 및 메모리를 줄임으로써 실시간 얼굴 인식 및 저사양의 시스템에서도 용이하게 적용될 수 있다.
도 2는 본 발명의 다른 실시예에 따른 얼굴 인식 시스템의 블록도를 보여준다.
도 2를 참조하면, 본 발명의 다른 실시예에 따른 얼굴 인식 시스템(200)은 카메라(125), 정보 처리부(290) 및 데이터베이스(300)를 포함하며, 상기 정보 처리부(290)는 얼굴추출 모듈(230), 영상변환 모듈(240), 특징정보 추출 모듈(250) 및 얼굴인식 모듈(270)을 포함할 수 있다.
카메라(125)는 소정의 인물에 대하여 얼굴을 포함하는 입력영상을 획득한다. 입력영상 획득을 위한 카메라(125)에는 제한이 없으며, 예를 들어 일반 카메라, 적외선 카메라 등에 의하여 입력영상을 획득할 수 있다.
데이터베이스(300)는 복수의 인물영상 및/또는 인물영상의 특징정보를 저장하며, 정보 처리부(290)에 얼굴 인식을 위한 상기 복수의 인물영상 및/또는 인물영상의 특징정보를 제공할 수 있다.
정보 처리부(290)는 입력영상을 받아들여 입력영상내의 소정의 얼굴을 추출하여 소정의 얼굴에 대응되는 인물을 인식하는 역할을 한다. 정보 처리부(290)는 소정의 중앙처리장치(CPU; 미도시됨) 및 메모리(Memory; 미도시됨)을 이용하여 입력영상을 처리하여 입력영상 내의 얼굴을 인식하는 역할을 하며, 상기 정보 처리부(290)는 휴대용 기기, 보안 기기, 장난감 기기, 서버 등에 임베디드(Embedded)화 될 수 있다.
정보 처리부(290)는 얼굴추출 모듈(230), 영상변환 모듈(240), 특징정보 추출 모듈(250) 및 얼굴인식 모듈(270)을 포함할 수 있다.
얼굴추출 모듈(230)은 획득된 입력영상으로부터 얼굴 영역을 얼굴영상으로 추출하는 역할을 한다. 얼굴추출 모듈(230)은 일반적인 얼굴 영역을 추출하는 기법을 적용하여 입력영상 내에서의 소정의 영역을 얼굴영상으로 추출할 수 있다.
영상변환 모듈(240)은 입력영상을 LBP 기법에 의하여 변환영상을 산출한다. 특징정보 추출 모듈(250)은 변환영상으로부터 입력영상에 대한 특징정보를 추출하며, 얼굴인식 모듈(270)은 추출된 특징정보 및 데이터베이스의 인물영상의 특징정보를 이용하여 인물을 인식하는 역할을 한다.
한편, 데이터베이스(300), 정보 처리부(290) 및 카메라(125)는 서로 다른 위치에 위치하며, 유선 또는 무선 통신 수단에 의해 연결되어, 서로 데이터를 주고 받을 수 있다.
따라서, 본 발명의 일 실시예에 따르면 카메라(1250)를 통하여 획득된 입력영상으로부터 용이하게 얼굴영상을 획득하여, 얼굴영상에 대한 특징정보를 추출하여 데이터베이스(300)에 저장된 인물영상들의 특징정보와 비교함으로써, 실시간으로 입력영상내의 얼굴을 인식할 수 있다.
도 3a 및 3b는 본 발명의 일 실시예에 따른 얼굴 인식 시스템에서 변환영상 획득부에서 LBP 기법이 적용되는 예시도이며, 도 3c는 도 3a에서와 같은 LBP 기법을 적용 시에 도출되는 다양한 패턴의 예시도이다.
먼저, 도 3a 및 도 3b를 참조하면 얼굴영상에서의 소정의 중심 픽셀(330)을 중심으로 인접 픽셀(340)들의 픽셀값을 기준으로 LBP 패턴을 획득하는 과정을 보여준다.
LBP 기법은 다음의 수학식과 같다.
Figure 112008044007063-pat00001
여기서, LBP(xc, yc)는 (xc, yc) 중심 픽셀(330)에서의 LBP 변환된 값을 나타 내며, gc 는 (xc, yc) 중심 픽셀(330)에서의 얼굴영상의 픽셀값이며, gp 는 (xc, yc)의 주변 픽셀(340)에서의 픽셀값을 나타낸다. 여기서, 픽셀값은 그레이 스케일 영상 또는 단일채널 영상으로 변환될 때의 인텐서티(Intensity) 값을 나타낼 수 있다. 이와 함께, p는 (xc, yc) 픽셀에서의 한 지점을 기준으로 시계방향 또는 반시계방향으로 돌아가며 1씩 증가한다.
예를 들어, LBP 기법이 3×3 크기의 픽셀 영역에 대하여 적용된다면, 얼굴영상의 해당 픽셀값을 기준으로 8개의 주변 픽셀값을 비교하여 1 또는 0의 이진값을 가지는 이진패턴(350)을 얻을 수 있다. 따라서 3×3 크기의 픽셀 영역에 LBP 기법이 적용되는 경우에는 8개의 이진수로 구성되는 이진패턴(350)이 구해질 수 있고, 이러한 이진패턴(250)은 해당 픽셀의 패턴값(360)이 될 수 있다. 따라서, 얼굴영상의 각 픽셀마다 이러한 이진패턴(350)을 구하여, 각 픽셀마다의 패턴값(360)을 대입함으로써 변환영상을 산출할 수 있다.
도 3b에서와 같이, 3×3 크기의 픽셀 영역에서 중심 픽셀(330)의 픽셀값은 28이며, 주변 픽셀(340)들이 28보다 크면 1 값을 가지며, 28보다 같거나 작으면 0 값을 가진다. 따라서, 250의 픽셀값을 가지는 제1 주변 픽셀(341)을 중심으로 시계 방향으로 회전하면서 제8 주변 픽셀에까지 픽셀값의 비교를 통하여 8비트의 이진패턴인 (1, 1, 0, 1, 0, 0, 0, 1)을 얻을 수 있다. 상기의 이진패턴 (1, 1, 0, 1, 0, 0, 0, 1)을 하나의 이진수로 파악하여 십진수로 변환하면 209의 패턴값(360)을 중심 픽셀(330)에 대하여 얻을 수 있다.
한편, 도 3c는 3×3 크기의 픽셀 영역에서 LBP 기법을 적용한 경우에 1을 검정색, 0은 흰색으로 표시하여 패턴화 한 것으로서, 총 256가지의 패턴이 생성될 수 있다. 다만, 도 3c와 같은 패턴은 LBP 기법에 의하여 도출되는 이진패턴을 도식화한 것으로서, 실제로는 8개의 이진수로 구성되는 이진패턴이 도출되며, 이는 하나의 패턴값으로 산출될 수 있다.
상기와 같이, 얼굴영상의 각 픽셀에 대하여 LBP 기법을 적용함으로써 각 픽셀마다 소정의 패턴값이 도출되어, 상기 패턴값으로 구성되는 변환영상을 획득할 수 있다.
도 4a, 4b 및 4c는 본 발명의 일 실시예에 따른 얼굴 인식 시스템에서 변환영상 획득부에 의하여 얼굴영상으로부터 산출된 변환영상을 보여준다.
도 4a, 4b 및 4c를 참조하면, 각 얼굴영상(400, 401, 402)은 서로 다른 조명하에서 획득된 것으로서, 각 얼굴영상의 밝기 정도가 다르다. 예를 들어, 각 얼굴영상(400, 401, 402)의 오른쪽 뺨 부분의 밝기 정도는 세 개의 각 얼굴영상마다 큰 차이를 보여주고 있으며, 이에 따라 오른쪽 눈 부근의 밝기도 달라짐을 알 수 있다.
각 얼굴영상(400, 401, 402)에 대하여 본 발명의 일 실시예에 따라 LBP 기법에 의하여 변환영상을 산출하는 경우에 각각의 대응되는 변환영상(450, 451, 452)을 획득할 수 있다. 각 변환영상(450, 451, 452)은 다른 변환영상에 비하여 식별이 용이하지 않을 정도로 흡사함을 알 수 있다.
각 변환영상(450, 451, 452)은 해당 픽셀과 주변 픽셀들간의 픽셀값 또는 밝 기의 관계에 의하여 결정되기 때문에, 전체적인 조명이나 간섭에 의한 영향이 감소될 수 있고, 따라서 전체적으로 밝은 영상 또는 어두운 영상에 대하여도 얼굴 인식을 안정적으로 수행할 수 있다.
도 5는 본 발명의 일 실시예에 따른 얼굴 인식 시스템에서 특징정보 추출부에 의하여 프로젝션 행렬을 산출되는 과정을 도식적으로 보여준다.
도 5에서와 같이, 2D-PCA 기법에 따르면 영상 행렬(Bj)을 더하여 평균을 하여 공분산 행렬(Gt)을 구하고, 구해진 공분산 행렬의 고유벡터들로 이루어지는 프로젝션 행렬(X)을 구할 수 있다.
영상 행렬(Bj)는 다음의 수학식에 의해 구해질 수 있다.
Figure 112008044007063-pat00002
여기서, Bj는 j-번째 샘플영상에 대한 영상행렬이며, Aj는 M개의 샘플영상에서 j-번째 샘플영상이며,
Figure 112008044007063-pat00003
는 M개의 샘플영상의 평균영상이다. 각 샘플영상에 대하여 평균영상을 빼 준 행렬에 연산을 수행함으로써 각 샘플영상에 대한 영상행렬(Bj)을 구할 수 있다. 한편, 여기서 각 샘플영상은 임의의 얼굴영상으로서, 임의의 얼굴영상으로부터 LBP 기법에 의해 변환된 변환영상이 사용될 수도 있다.
구해진 영상행렬(Bj)을 기반으로 공분산 행렬(Gt; covariance matrix)은 다 음의 수학식에 의해 구해질 수 있다.
Figure 112008044007063-pat00004
여기서, Gt는 공분산 행렬이며, M은 샘플영상의 개수이며, Bj는 M개의 샘플영상에서 j-번째 영상행렬이다. 따라서, M개의 샘플영상에 대하여 M개의 각각의 영상행렬을 생성한 후에, 이를 평균함으로써 공분산 행렬을 구할 수 있다.
따라서, 샘플영상들이 프로젝션되는 비산 범위(total scatter)를 최대화시키는 공분산 행렬의 고유벡터들(Eigenvectors)은 다음의 수학식에 의하여 구해질 수 있다.
Figure 112008044007063-pat00005
여기서, X1, ..., Xd는 공분산 행렬의 고유벡터들이며, d는 최대 고유벡터의 인덱스이다. 따라서, 각 고유벡터를 하나의 열(column) 벡터로하여 프로젝션 행렬(X)이 생성될 수 있다.
따라서, 다음의 수학식과 같이 주어진 변환영상에 프로젝션 행렬(X)을 곱함으로써 d 개의 프로젝션 특징 벡터(Yk)로 이루어지는 특징정보(Y)를 구할 수 있다.
Figure 112008044007063-pat00006
여기서, Y는 얼굴영상 또는 변환영상의 특징정보로서, 주어진 영상에 대한 특징행렬(Feature matrix)로 칭할 수도 있다. 특징정보 Y는 열 벡터(column vector)들로 이루어지는 Y1, ..., Yd로 표현될 수도 있다. 또한, F는 주어진 입력영상에 대하여 얼굴영상을 나타내는 얼굴영상 행렬로서, 소정의 얼굴영상이 주어지면 이에 대한 특징정보를 구할 수 있다.
상기와 같이, 2D-PCA 기법을 적용하여 특징정보를 산출하는 것은 크기가 작은 공분산 행렬(Gt)을 바탕으로 프로젝션 행렬을 구함으로써 연산량 및 메모리 소요량을 줄일 수 있다. 또한, 일반적인 PCA 기법에서는 입력영상에서 1차원의 벡터를 정렬하고, 이를 기초로 특징점들을 추출하는 것에 비하여, 본 발명의 일 실시예에서는 2차원의 영상 행렬(Bj)을 기반으로 공분산 행렬(Gt) 및 프로젝션 행렬을 구함으로써 행렬의 크기가 현저히 작아짐으로써 연산에 소모되는 시간을 줄일 수 있고, 이로 인하여 실시간으로 얼굴 인식 및 저사양 시스템에도 적용될 수 있다.
한편, 얼굴 인식부(170) 또는 얼굴인식 모듈(270)은 수학식 5에 의해 구해진 특징정보를 데이터베이스에 등록된 등록인물에 대한 특징정보와 비교하여 얼굴을 인식할 수 있다.
특징정보의 비교는 다음의 수학식에 의할 수 있다.
Figure 112008044007063-pat00007
따라서, 수학식 6과 같이 입력영상으로부터 구해진 변환영상의 특징정보(
Figure 112008044007063-pat00008
)및 데이터베이스에 등록된 등록인물에 대한 특징정보(
Figure 112008044007063-pat00009
)와의 거리를 비교하여 유사도를 측정하고, 상기 유사도가 임계치 범위 내인 경우 동일인물로 인식할 수 있다. 다만, 상기의 거리의 비교는 하나의 예에 지나지 아니하며, 변환영상의 특징정보 및 데이터베이스에 등록된 등록인물에 대한 특징정보 간의 유사도 비교는 다양한 기법에 의할 수 있다.
도 6a는 데이터베이스에 등록된 인물영상이며, 도 6b는 본 발명의 일 실시예에 따른 얼굴 인식 시스템에 의하여 도 6a의 인물로 얼굴 인식이 가능한 다양한 얼굴영상을 보여준다.
도 6a에서와 같이, 예를 들어 조명이 없는 상태에서의 얼굴영상이 데이터베이스에 등록될 수 있다. 하지만, 외부로부터 입력되는 입력영상은 다양한 조명 환경 등으로 이루어지기 때문에 도 6b에서와 같이 동일하지는 않은 다양한 얼굴영상이 입력될 수 있다.
따라서, 본 발명의 일 실시예에 따른 얼굴 인식 시스템에 의하여, 조명이 서 로 다른 상태의 얼굴영상에 대하여 LBP 기법에 의하여 조명에 따른 영향을 줄여줌으로써 도 6a의 등록된 인물영상의 사람과 동일한 인물로 얼굴 인식을 할 수 있다. 이와 함께, 2D-PCA 기법에 따라 연산되는 행렬의 크기를 줄임으로써 소용되는 연산량 및 메모리를 줄일 수 있고, 이로 인하여 실시간으로 얼굴 인식을 수행할 수 있다.
도 7은 본 발명의 일 실시예에 따른 얼굴인식 시스템의 성능을 다른 얼굴 인식 기법과 비교하여 보여준다.
도 7을 참조하면, 단순히 2D-PCA 기법을 적용하는 경우에는 다른 기법에 비하여 인식률이 낮을 수 있다. 이는 2D-PCA 기법 자체로는 연산되는 행렬의 크기를 줄임으로써 일반적인 PCA 기법에서 보다 신뢰도 면에서도 떨어질 수 있다.
한편, 일반적인 PCA 기법에 의한 얼굴 인식은 2D-PCA 기법을 적용한 경우보다 인식률이 높지만, 본 발명의 일 실시예에 따른 얼굴 인식에 비하여는 인식률이 낮다. 이는 일반적인 PCA 기법이 비교적 큰 행렬을 이용한 충분한 연산 및 연산 시간이 주어짐으로 인하여 행렬의 크기를 줄인 2D-PCA 보다 계산 시간 및 연산량은 더 소요되지만 정확성은 더 높아질 수 있기 때문이다.
마지막으로 본 발명의 일 실시예에 따른 인식률은 일반적인 PCA, 2D-PCA 기법보다는 인식률이 높을 수 있다. 본 발명의 일 실시예에서는 2D-PCA 기법에 LBP 기법을 조합하여 적용함으로써 조명 등의 외부 간섭에 대하여 강인하여 인식률이 상대적으로 높아짐을 알 수 있다.
상기와 같이, 본 발명의 일 실시예에 따른 얼굴 인식 시스템에 의하여는 다 른 얼굴 인식 기법에 비하여 인식되는 인물의 수와 상관없이 인식률이 높으며, 또한 연산시간 및 메모리의 크기를 줄임으로써 휴대 장치와 같은 저사양 시스템 또는 임베디드 시스템에도 용이하게 적용될 수 있다.
도 8은 본 발명의 일 실시예에 따른 얼굴 인식 방법의 흐름도를 보여준다.
도 8을 참조하면, 먼저 외부로부터 입력영상을 획득한다(S810). 입력영상은 영상획득수단에 의하여 획득되거나 또는 유무선으로 외부로부터 전달받을 수 있다.
획득된 입력영상으로부터 얼굴 영역을 얼굴영상으로 추출한다(S820), 일반적인 얼굴 영역을 추출하는 기법에 의하여 얼굴영상을 추출할 수 있다.
추출된 얼굴영상에 대하여, 각 픽셀을 중심으로 주변 픽셀들과의 픽셀값을 비교하여 이진패턴을 구하고, 이진패턴을 바탕으로 변환영상을 산출한다(S830).
산출된 변환영상에 프로젝션 행렬을 연산하여 얼굴영상에 대한 특징정보를 추출한다(S840). 프로젝션 행렬은 복수의 샘플영상을 바탕으로 각 샘플영상을 바탕으로 각 영상행렬을 산출하고, 각 영상행렬을 평균함에 의하여 구해지는 공분산 행렬의 고유벡터들을 포함하는 행렬로서, 수학식 4에 의하여 구해질 수 있다.
추출된 특징정보와 데이터베이스의 인물영상에 대한 각 특징정보를 비교하여 등록된 인물 중에 동일인의 얼굴인지를 인식한다(S850). 추출된 특징정보 및 인물영상에 대한 각 특징정보 사이의 거리를 계산하여, 임계치 이내의 거리에 위치하는 경우에는 동일인으로 판단될 수 있다.
상기와 같이, 본 발명의 일 실시예에 따르면 얼굴 인식에 있어 외부의 조명 등의 간섭에도 불구하고 안정적으로 얼굴 인식을 할 수 있고, 프로젝션 행렬의 크 기를 줄임으로써 연산량 및 연산 시간을 줄여 실시간으로 얼굴 인식을 할 수 있으며, 또한 저사양 시스템에서도 적용할 수 있다.
이상과 첨부된 도면을 참조하여 본 발명의 실시예를 설명하였지만, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자는 본 발명이 그 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 실시될 수 있다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야만 한다.
도 1은 본 발명의 일 실시예에 따른 얼굴 인식 시스템의 블록도이다.
도 2는 본 발명의 다른 실시예에 따른 얼굴 인식 시스템의 블록도이다.
도 3a 및 3b는 본 발명의 일 실시예에 따른 얼굴 인식 시스템에서 변환영상 획득부에서 LBP 기법이 적용되는 예시도이다.
도 3c는 도 3a에서와 같은 LBP 기법을 적용 시에 도출되는 다양한 패턴의 예시도이다.
도 4a, 4b 및 4c는 본 발명의 일 실시예에 따른 얼굴 인식 시스템에서 변환영상 획득부에 의하여 얼굴영상으로부터 산출된 변환영상을 보여주는 도면이다.
도 5는 본 발명의 일 실시예에 따른 얼굴 인식 시스템에서 특징정보 추출부에 의하여 프로젝션 행렬을 산출되는 과정을 도식적으로 보여주는 도면이다.
도 6a는 데이터베이스에 등록된 인물영상을 보여주는 도면이다.
도 6b는 본 발명의 일 실시예에 따른 얼굴 인식 시스템에 의하여 도 6a의 인물로 얼굴 인식이 가능한 다양한 얼굴영상을 보여주는 도면이다.
도 7은 본 발명의 일 실시예에 따른 얼굴인식 시스템의 성능을 다른 얼굴 인식 기법과 비교하여 보여주는 도면이다.
도 8은 본 발명의 일 실시예에 따른 얼굴 인식 방법의 흐름도이다.
<도면의 주요 부분에 관한 부호의 설명>
100, 200: 얼굴 인식 시스템
120: 영상 획득부 130: 얼굴 추출부
140: 변환영상 산출부 150: 특징정보 추출부
170: 얼굴 인식부 125: 카메라
230: 얼굴추출 모듈 240: 영상변환 모듈
250: 특징정보 추출 모듈 270: 얼굴인식 모듈
300: 데이터베이스

Claims (10)

  1. 입력영상으로부터 얼굴 영역을 얼굴영상으로 추출하는 얼굴 추출부;
    상기 얼굴영상의 각 픽셀에 대하여 주변 픽셀들과의 픽셀값을 비교하여 산출된 이진패턴을 이용하여 변환영상을 산출하는 변환영상 산출부;
    상기 변환영상에 프로젝션 행렬을 곱하여 상기 얼굴영상에 대한 특징정보를 추출하는 특징정보 추출부; 및
    상기 추출된 특징정보와 데이터베이스에 저장된 인물영상의 특징정보를 비교하여 상기 입력영상의 얼굴을 인식하는 얼굴 인식부를 포함하며
    상기 프로젝션 행렬은 복수의 샘플영상을 복수의 학습 영상으로 하여, 상기 각 학습 영상으로부터 산출된 각각의 2차원 영상 행렬을 평균함으로써 구해지는 공분산 행렬의 고유벡터들로 이루어지는 행렬인, 얼굴 인식 시스템.
  2. 제 1항에 있어서,
    상기 이진패턴은 해당 픽셀의 밝기 데이터의 크기를 주변 픽셀들의 밝기 데이터의 크기와 비교하여, 상기 해당 픽셀의 밝기 데이터의 크기가 큰 경우에는 1 의 비트 값으로 지정하며 작은 경우에는 0 의 비트 값으로 지정하여, 상기 주변 픽셀들에 대한 지정된 비트 값들을 순서대로 배열하여 생성되는, 얼굴 인식 시스템.
  3. 제 1항에 있어서,
    상기 샘플 영상은 미리 수집된 임의의 얼굴을 포함하는 영상이 상기 변환영상 산출부에 의하여 상기 변환영상으로 변환되어 사용되는, 얼굴 인식 시스템.
  4. 제 1항에 있어서
    소정 얼굴을 포함하는 입력영상을 획득하는 입력영상 획득부를 더 포함하는, 얼굴 인식 시스템.
  5. 제 1항에 있어서, 상기 데이터베이스는
    상기 인물영상을 외부로부터 전달받아 상기 각 인물영상에 대한 특징정보를 저장하는, 얼굴 인식 시스템.
  6. 제 1항에 있어서, 상기 얼굴 인식부는
    상기 추출된 특징정보와 데이터베이스에 저장된 인물영상의 특징정보의 거리차가 임계치 내인 경우에 상기 인물영상의 얼굴과 상기 입력영상내의 얼굴을 동일인의 얼굴로 인식하는, 얼굴 인식 시스템.
  7. 제 4항에 있어서, 상기 입력영상 획득부는
    상기 입력영상을 그레이 스케일의 입력영상으로 변환하는, 얼굴 인식 시스템.
  8. 얼굴을 포함하는 입력영상을 획득하는 카메라;
    상기 입력영상을 이용하여 상기 입력영상에 포함된 얼굴을 인식하는 정보 처리부; 및
    복수의 인물영상의 특징정보를 저장하고, 상기 복수의 인물영상의 특징정보를 상기 정보 처리부에 제공하는 데이터베이스를 포함하며,
    상기 정보 처리부는
    상기 입력영상으로부터 얼굴 영역을 얼굴영상으로 추출하는 얼굴추출 모듈;
    상기 얼굴영상의 각 픽셀에 대하여 주변 픽셀들과의 밝기 관계를 고려하여 산출된 이진패턴을 이용하여 변환영상으로 변환하는 영상변환 모듈;
    상기 변환영상으로부터 상기 입력영상에 포함된 얼굴의 특징정보를 추출하는 특징정보 추출 모듈; 및
    상기 추출된 특징정보 및 상기 데이터베이스로부터 제공된 상기 복수의 인물영상에 대한 특징정보를 비교하여 상기 입력영상에 포함된 얼굴을 인식하는 얼굴인식 모듈을 포함하며,
    상기 특징정보 추출 모듈은 상기 변환영상에 프로젝션 행렬을 연산하여 상기 얼굴영상에 대한 특징정보를 산출하며,
    상기 프로젝션 행렬은 복수의 샘플영상을 복수의 학습 영상으로 하여, 상기 각 학습 영상으로부터 산출된 각각의 2차원 영상 행렬을 평균함으로써 구해지는 공분산 행렬의 고유벡터들로 이루어지는 행렬인, 얼굴 인식 시스템.
  9. 제 8항에 있어서,
    상기 이진패턴은 해당 픽셀의 밝기 데이터의 크기를 주변 픽셀들의 밝기 데이터의 크기와 비교하여, 상기 해당 픽셀의 밝기 데이터의 크기가 큰 경우에는 1 의 비트 값으로 지정하며 작은 경우에는 0 의 비트 값으로 지정하여, 상기 주변 픽셀들에 대한 지정된 비트 값들을 순서대로 배열하여 생성되는, 얼굴 인식 시스템.
  10. 입력영상으로부터 얼굴 영역을 얼굴영상으로 추출하는 단계;
    상기 얼굴영상의 각 픽셀에 대하여 주변 픽셀들과의 픽셀값을 비교하여 산출된 이진패턴을 이용하여 변환영상을 산출하는 단계;
    상기 변환영상에 프로젝션 행렬을 곱하여 상기 얼굴영상에 대한 특징정보를 추출하는 단계; 및
    상기 추출된 특징정보와 데이터베이스에 저장된 인물영상의 특징정보를 비교하여 상기 입력영상의 얼굴을 인식하는 단계를 포함하며,
    상기 프로젝션 행렬은 복수의 샘플영상을 복수의 학습 영상으로 하여, 상기 각 학습 영상으로부터 산출된 각각의 2차원 영상 행렬을 평균함으로써 구해지는 공분산 행렬의 고유벡터들로 이루어지는 행렬인, 얼굴 인식 방법.
KR1020080057935A 2008-06-19 2008-06-19 얼굴 인식 시스템 및 방법 KR100904916B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020080057935A KR100904916B1 (ko) 2008-06-19 2008-06-19 얼굴 인식 시스템 및 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020080057935A KR100904916B1 (ko) 2008-06-19 2008-06-19 얼굴 인식 시스템 및 방법

Publications (1)

Publication Number Publication Date
KR100904916B1 true KR100904916B1 (ko) 2009-07-01

Family

ID=41337106

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020080057935A KR100904916B1 (ko) 2008-06-19 2008-06-19 얼굴 인식 시스템 및 방법

Country Status (1)

Country Link
KR (1) KR100904916B1 (ko)

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101038706B1 (ko) 2009-11-18 2011-06-02 장정아 화상 인증 방법 및 장치
KR101096049B1 (ko) 2010-06-24 2011-12-19 한국과학기술원 강인한 얼굴 인식을 위한 얼굴 자동 정렬 시스템 및 방법
KR101185229B1 (ko) * 2011-04-06 2012-09-21 아주대학교산학협력단 입력 영상 변환을 이용한 얼굴 인식 시스템 및 방법
KR101213280B1 (ko) * 2011-04-06 2012-12-18 아주대학교산학협력단 프로브 영상 변환을 이용한 얼굴 인식 시스템 및 방법
CN103049749A (zh) * 2012-12-30 2013-04-17 信帧电子技术（北京）有限公司 在栅格遮挡下的人体再识别方法
KR101314293B1 (ko) 2012-08-27 2013-10-02 재단법인대구경북과학기술원 조명변화에 강인한 얼굴인식 시스템
KR101373274B1 (ko) * 2012-11-08 2014-03-11 주식회사 크라스아이디 안경 제거를 통한 얼굴 인식 방법 및 상기 안경 제거를 통한 얼굴 인식 방법을 이용한 얼굴 인식 장치
KR101444828B1 (ko) 2014-04-30 2014-09-26 동국대학교 산학협력단 암호화된 이미지의 저장 및 검색 방법
KR101491461B1 (ko) 2013-08-02 2015-02-23 포항공과대학교 산학협력단 공분산 기술자를 이용하는 물체 인식 방법 및 장치
US9547790B2 (en) 2014-03-19 2017-01-17 Samsung Electronics Co., Ltd. Method and apparatus for processing images
KR20200112678A (ko) * 2019-03-20 2020-10-05 광운대학교 산학협력단 관찰자를 추적할 수 있는 공중 3차원 디스플레이 장치 및 방법

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20060008814A (ko) * 2004-07-24 2006-01-27 삼성전자주식회사 다양한 포즈를 갖는 얼굴 영상을 인식하는 방법
KR20080049394A (ko) * 2006-11-30 2008-06-04 한국전자통신연구원 얼굴 인식을 위한 전처리 방법, 이를 이용한 얼굴 인식방법 및 장치

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20060008814A (ko) * 2004-07-24 2006-01-27 삼성전자주식회사 다양한 포즈를 갖는 얼굴 영상을 인식하는 방법
KR20080049394A (ko) * 2006-11-30 2008-06-04 한국전자통신연구원 얼굴 인식을 위한 전처리 방법, 이를 이용한 얼굴 인식방법 및 장치

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101038706B1 (ko) 2009-11-18 2011-06-02 장정아 화상 인증 방법 및 장치
KR101096049B1 (ko) 2010-06-24 2011-12-19 한국과학기술원 강인한 얼굴 인식을 위한 얼굴 자동 정렬 시스템 및 방법
KR101185229B1 (ko) * 2011-04-06 2012-09-21 아주대학교산학협력단 입력 영상 변환을 이용한 얼굴 인식 시스템 및 방법
KR101213280B1 (ko) * 2011-04-06 2012-12-18 아주대학교산학협력단 프로브 영상 변환을 이용한 얼굴 인식 시스템 및 방법
KR101314293B1 (ko) 2012-08-27 2013-10-02 재단법인대구경북과학기술원 조명변화에 강인한 얼굴인식 시스템
KR101373274B1 (ko) * 2012-11-08 2014-03-11 주식회사 크라스아이디 안경 제거를 통한 얼굴 인식 방법 및 상기 안경 제거를 통한 얼굴 인식 방법을 이용한 얼굴 인식 장치
CN103049749A (zh) * 2012-12-30 2013-04-17 信帧电子技术（北京）有限公司 在栅格遮挡下的人体再识别方法
KR101491461B1 (ko) 2013-08-02 2015-02-23 포항공과대학교 산학협력단 공분산 기술자를 이용하는 물체 인식 방법 및 장치
US9547790B2 (en) 2014-03-19 2017-01-17 Samsung Electronics Co., Ltd. Method and apparatus for processing images
KR101444828B1 (ko) 2014-04-30 2014-09-26 동국대학교 산학협력단 암호화된 이미지의 저장 및 검색 방법
KR20200112678A (ko) * 2019-03-20 2020-10-05 광운대학교 산학협력단 관찰자를 추적할 수 있는 공중 3차원 디스플레이 장치 및 방법
KR102288039B1 (ko) * 2019-03-20 2021-08-12 광운대학교 산학협력단 관찰자를 추적할 수 있는 공중 3차원 디스플레이 장치 및 방법

Similar Documents

Publication Publication Date Title
KR100904916B1 (ko) 얼굴 인식 시스템 및 방법
KR101760258B1 (ko) 얼굴 인식 장치 및 그 방법
Shenoy et al. Real-time Indian sign language (ISL) recognition
KR101901591B1 (ko) 얼굴 인식 장치 및 그 제어방법
KR100983346B1 (ko) Ｉｒ조명을 이용한 얼굴인식 시스템 및 방법
US10943095B2 (en) Methods and systems for matching extracted feature descriptors for enhanced face recognition
US7925093B2 (en) Image recognition apparatus
US10445602B2 (en) Apparatus and method for recognizing traffic signs
JP5361524B2 (ja) パターン認識システム及びパターン認識方法
Kalas Real time face detection and tracking using OpenCV
CN114998934B (zh) 基于多模态智能感知和融合的换衣行人重识别和检索方法
KR102483650B1 (ko) 사용자 인증 장치 및 방법
Panella et al. A smartphone-based application using machine learning for gesture recognition: Using feature extraction and template matching via Hu image moments to recognize gestures
Alksasbeh et al. Smart hand gestures recognition using K-NN based algorithm for video annotation purposes
Sharma Designing of face recognition system
Zheng et al. Sign language recognition using depth images
Fernando et al. Low cost approach for real time sign language recognition
Qi et al. A real-time face detection method based on blink detection
CN112633222B (zh) 基于对抗网络的步态识别方法、装置、设备及介质
US20220172505A1 (en) Biometrics authentication device and biometrics authentication method for authenticating a person with reduced computational complexity
Rady et al. Smart gesture-based control in human computer interaction applications for special-need people
KR20080073598A (ko) 실시간 얼굴 인식을 위한 방법 및 장치
CN106548130A (zh) 一种视频图像提取及识别方法与系统
KR101082842B1 (ko) 영상을 이용한 얼굴 인식 방법 및 그 장치
KR100880256B1 (ko) 실물 인식을 이용한 얼굴 인식 시스템 및 방법

Legal Events

Date Code Title Description
A201 Request for examination
A302 Request for accelerated examination
E902 Notification of reason for refusal
E902 Notification of reason for refusal
N231 Notification of change of applicant
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20130619

Year of fee payment: 5

FPAY Annual fee payment

Payment date: 20140610

Year of fee payment: 6

FPAY Annual fee payment

Payment date: 20150615

Year of fee payment: 7

FPAY Annual fee payment

Payment date: 20160620

Year of fee payment: 8

FPAY Annual fee payment

Payment date: 20170619

Year of fee payment: 9

FPAY Annual fee payment

Payment date: 20180618

Year of fee payment: 10

FPAY Annual fee payment

Payment date: 20190617

Year of fee payment: 11