KR101116737B1 - System for watchlist identification - Google Patents

System for watchlist identification Download PDF

Info

Publication number
KR101116737B1
KR101116737B1 KR1020100099318A KR20100099318A KR101116737B1 KR 101116737 B1 KR101116737 B1 KR 101116737B1 KR 1020100099318 A KR1020100099318 A KR 1020100099318A KR 20100099318 A KR20100099318 A KR 20100099318A KR 101116737 B1 KR101116737 B1 KR 101116737B1
Authority
KR
South Korea
Prior art keywords
binary classifier
face
authentication
image
classifier
Prior art date
Application number
KR1020100099318A
Other languages
Korean (ko)
Inventor
박대희
강봉수
임영희
유재학
이종욱
오승근
박승진
Original Assignee
고려대학교 산학협력단
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 고려대학교 산학협력단 filed Critical 고려대학교 산학협력단
Priority to KR1020100099318A priority Critical patent/KR101116737B1/en
Application granted granted Critical
Publication of KR101116737B1 publication Critical patent/KR101116737B1/en

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
    • G06V40/172—Classification, e.g. identification
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • General Physics & Mathematics (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Human Computer Interaction (AREA)
  • Multimedia (AREA)
  • Collating Specific Patterns (AREA)

Abstract

PURPOSE: A system for recognizing a person in watch list is provided to locate a single class binary classifier on an upper node of a multi-class binary classifier. CONSTITUTION: A face data storing unit(450) registers a user referred to the face authentication. The face data storage module stores the face image. A face recognition part(300) extracts the feature value from the authentication target image. A face authentication unit(500) inputs the extracted feature value to the mixing hierarchical binary classifier. The face authentication unit produces the authentication result about the authentication target person.

Description

요주의 인물 식별 시스템 {SYSTEM FOR WATCHLIST IDENTIFICATION}Person Identification System of Interest {SYSTEM FOR WATCHLIST IDENTIFICATION}

본 발명은 요주의 인물 식별 시스템에 관한 것으로, 보다 상세하게는 얼굴 인증 장치, 얼굴 인증 방법 및 이를 이용한 출입관리 시스템에 관한 것이다.
The present invention relates to a person identification system of interest, and more particularly, to a face authentication device, a face authentication method and an access management system using the same.

최근 사무실, 주차장 또는 특수 시설물 등에 CCTV나 생체인식시스템을 설치하여 출입자의 신원을 확인하고 출입을 통제함으로써, 보안을 유지하고자 하는 출입 관리 시스템에 관한 연구가 활발히 진행되고 있다. 특히 생체인식시스템 중 카메라를 이용한 얼굴인식시스템은 출입자에게 신체적 제한을 가하지 않으면서도 편리하게 출입 관리의 목적달성이 가능하다는 장점이 있다.Recently, research on access control systems to maintain security by installing CCTVs or biometric systems in offices, parking lots, or special facilities to check the identity of the accessor and control access is being actively conducted. In particular, the face recognition system using the camera of the biometric system has the advantage that it is possible to easily achieve the purpose of access management without physically restricting the occupants.

종래 얼굴 인식을 이용한 출입 관리 시스템은 인증자의 얼굴을 인식한 후 인식한 얼굴이 시스템에 등록된 경우에만 출입을 허락하며, 그렇지 않을 경우에는 출입을 거부함으로써 출입을 통제한다. 이러한 얼굴 인식 기반 출입 관리 시스템은 탐지된 얼굴과 등록된 얼굴들과의 유사도를 비교하여 임계값보다 클 경우 등록된 얼굴과 동일한 사람의 얼굴로 판정하여 출입을 허가하고, 임계값보다 작을 경우 등록된 다른 얼굴과의 비교를 반복하는 방식으로 이루어진다.The conventional access management system using face recognition allows access only when the recognized face is registered in the system after recognizing the face of the authenticator. Otherwise, the access management system controls access by denying access. The face recognition-based access management system compares the similarity between the detected face and the registered faces, and determines that the face is the same person as the registered face when it is larger than the threshold, and permits access when it is smaller than the threshold. This is done by repeating the comparison with other faces.

한편, SVM(Support Vector Machine)과 같이 이진 클래스 분류기를 이용하여 출입 관리 시스템과 같은 다중 클래스 분류 문제에 적용하기 위해서는 별도의 구성방법 예컨대, 일대다 방법, 일대일 투표 방법, 일대일 토너먼트 방법이 요구된다. 그러나 이러한 다중 클래스 분류 문제를 위한 SVM 방법론들은 높은 인식률을 보장하는 반면, 처리속도가 느리기 때문에 대용량의 데이터베이스에서 실시간으로 인식작업을 수행해야 하는 출입 관리 시스템에는 적합하지 못하다는 문제가 있었다.Meanwhile, in order to apply to a multi-class classification problem such as an access management system using a binary class classifier such as a support vector machine (SVM), a separate configuration method, for example, a one-to-many method, a one-to-one voting method, and a one-to-one tournament method is required. However, while the SVM methodologies for the multi-class classification problem guarantee high recognition rate, they are not suitable for the access management system that needs to perform recognition in real time on a large database because of the low processing speed.

따라서, 대용량의 데이터베이스에서 실시간 얼굴 인식 및 인증이 가능함과 동시에 높은 인식률을 보장하는 새로운 형태의 분류 방법에 대한 필요성이 제기되어 왔다.
Therefore, there is a need for a new type of classification method that enables real-time face recognition and authentication in a large database and ensures a high recognition rate.

본 발명은 전술한 문제점을 해결하기 위한 것으로, 혼합 계층형 이진 분류기를 이용한 얼굴 인증 장치 및 그 방법을 제공하는 것을 목적으로 한다.
An object of the present invention is to provide a face authentication apparatus and a method using a mixed hierarchical binary classifier.

상술한 기술적 과제를 달성하기 위한 기술적 수단으로서, 본 발명의 제 1 측면에 따른 혼합 계층형 이진 분류기를 이용한 얼굴 인증 장치는, 인증대상자의 이미지로부터 특징값을 추출하는 얼굴 인식부 및 상기 추출된 특징값을 상기 혼합 계층형 이진 분류기에 입력하여 상기 인증대상자의 인증 결과를 산출하는 얼굴 인증부를 포함하되, 상기 혼합 계층형 이진 분류기는 단일 클래스 이진 분류기 및 다중 클래스 이진 분류기를 포함하고, 상기 얼굴 인증부는, 상기 단일 클래스 이진 분류기를 이용하여 상기 인증대상자가 기등록된 사용자에 해당하는지 여부를 판단하는 단일 판단부 및 상기 다중 클래스 이진 분류기를 이용하여 상기 기등록된 사용자 중 상기 인증대상자에 매칭되는 사용자를 판별하는 다중 판단부를 포함한다.As a technical means for achieving the above-described technical problem, the face authentication apparatus using the mixed hierarchical binary classifier according to the first aspect of the present invention, the face recognition unit for extracting a feature value from the image of the authentication target and the extracted feature A face authentication unit configured to input a value into the mixed hierarchical binary classifier to calculate an authentication result of the authentication subject, wherein the mixed hierarchical binary classifier includes a single class binary classifier and a multi-class binary classifier, and the face authentication unit Using a single class binary classifier to determine whether the authentication target corresponds to a registered user; and a user matching the authentication target among the registered users using the multi-class binary classifier. It includes a multiple judging unit to determine.

또한, 본 발명의 제 2 측면에 따른 혼합 계층형 이진 분류기를 이용한 얼굴 인증 방법은, 인증대상자의 이미지로부터 특징값을 추출하는 단계 및 상기 추출된 특징값을 상기 혼합 계층형 이진 분류기에 입력하여 상기 인증대상자의 인증 결과를 산출하는 단계를 포함하되, 상기 혼합 계층형 이진 분류기는 단일 클래스 이진 분류기 및 다중 클래스 이진 분류기를 포함하고, 상기 인증대상자의 인증 결과를 산출하는 단계는, 상기 단일 클래스 이진 분류기를 이용하여 상기 인증대상자가 기등록된 사용자에 해당하는지 여부를 판단하는 단계 및 상기 다중 클래스 이진 분류기를 이용하여 상기 기등록된 사용자 중 상기 인증대상자에 매칭되는 사용자를 판별하는 단계를 포함한다.The face authentication method using the mixed hierarchical binary classifier according to the second aspect of the present invention may include extracting feature values from an image of an authentication subject and inputting the extracted feature values to the mixed hierarchical binary classifier. Calculating an authentication result of the subject, wherein the mixed hierarchical binary classifier includes a single class binary classifier and a multi-class binary classifier, and calculating the authentication result of the subject, the single class binary classifier Determining whether the authentication target corresponds to a pre-registered user, and determining a user matching the authentication target among the pre-registered users using the multi-class binary classifier.

또한, 본 발명의 제 3 측면에 따른 출입관리 시스템은, 인증대상자를 촬영하여 이미지를 생성하는 이미지 캡쳐부, 상기 이미지로부터 특징값을 추출하는 얼굴 인식부, 상기 추출된 특징값을 혼합 계층형 이진 분류기에 입력하여 상기 인증대상자에 대한 인증 결과를 산출하는 얼굴 인증부 및 상기 인증 결과에 기초하여 상기 인증대상자에 대한 출입을 제어하는 출입 관리부를 포함하되, 상기 혼합 계층형 이진 분류기는 단일 클래스 이진 분류기 및 다중 클래스 이진 분류기를 포함하고, 상기 얼굴 인증부는, 상기 단일 클래스 이진 분류기를 이용하여 상기 인증대상자가 기등록된 사용자에 해당하는지 여부를 판단하는 단일 판단부 및 상기 다중 클래스 이진 분류기를 이용하여 상기 기등록된 사용자 중 상기 인증대상자에 매칭되는 사용자를 판별하는 다중 판단부를 포함한다.
In addition, the access control system according to the third aspect of the present invention, the image capture unit for photographing the authentication target to generate an image, a face recognition unit for extracting the feature value from the image, the hierarchical binary mixing the extracted feature value A face authentication unit for inputting a classifier to calculate an authentication result for the authentication subject, and an access management unit for controlling access to the authentication subject based on the authentication result, wherein the mixed hierarchical binary classifier is a single class binary classifier. And a multi-class binary classifier, wherein the face authentication unit uses the single class binary classifier to determine whether the authentication target corresponds to a registered user and the multi-class binary classifier. Determining which user is matched with the authentication target among the registered users It comprises parts of the judgment.

전술한 본 발명의 과제 해결 수단 중 어느 하나에 의하면, 혼합 계층형 이진 분류기는 다중 클래스 이진 분류기의 상위 노드에 단일 클래스 이진 분류기를 배치한 혼합 형태의 구조를 가진다.According to any one of the above-described problem solving means of the present invention, the mixed hierarchical binary classifier has a mixed structure in which a single class binary classifier is arranged at an upper node of the multi-class binary classifier.

또한, 전술한 본 발명의 과제 해결 수단 중 어느 하나에 의하면, 다중 클래스 이진 분류기는 처리 속도가 빠른 이진 트리 구조를 가지므로, 대용량의 데이터베이스 처리에 적합하다는 장점이 있다.In addition, according to any one of the above-described problem solving means of the present invention, since the multi-class binary classifier has a binary tree structure with a fast processing speed, there is an advantage that it is suitable for large database processing.

또한, 전술한 본 발명의 과제 해결 수단 중 어느 하나에 의하면, 학습되지 않은 데이터에 대해서 단일 클래스 이진 분류기를 통해 미리 분류할 수 있으므로, 불필요한 연산을 줄일 수 있으며, 그 결과 실시간 얼굴 인증 처리가 가능하다는 장점이 있다.In addition, according to any one of the problem solving means of the present invention described above, since it is possible to pre-classify the untrained data through a single class binary classifier, unnecessary computation can be reduced, and as a result real-time face authentication processing is possible. There is an advantage.

또한, 전술한 본 발명의 과제 해결 수단 중 어느 하나에 의하면, 다중 클래스 이진 분류기의 단말 노드에 배치된 단일 클래스 이진 분류기를 통해 새로운 이미지를 강제 분류하지 않고, 새로운 이미지로 인식할 수 있다. 이는 다중 클래스 이진 분류기의 이진 트리 구조를 보완할 수 있다는 장점이 있다.In addition, according to any one of the above-described problem solving means of the present invention, a new image can be recognized as a new image without forcibly classifying through a single class binary classifier disposed in the terminal node of the multi-class binary classifier. This has the advantage that it can complement the binary tree structure of the multi-class binary classifier.

또한, 전술한 본 발명의 과제 해결 수단 중 어느 하나에 의하면, 새로운 이미지의 추가에 따른 분류율에 변화가 없으므로, 확장성이 뛰어나다는 장점이 있다.
In addition, according to any one of the above-described problem solving means of the present invention, there is no change in the classification rate due to the addition of a new image, there is an advantage that the expandability is excellent.

도 1은 본 발명의 일실시예에 따른 얼굴 인증 장치를 도시한 블록도이다.
도 2는 본 발명의 일실시예에 따른 캡쳐된 이미지에 대한 얼굴 탐지를 설명하기 위한 도면이다.
도 3은 본 발명의 일실시예에 따른 혼합 계층형 이진 분류기를 설명하기 위한 개념도이다.
도 4는 본 발명의 일실시예에 따른 얼굴 인증부를 설명하기 위한 개념도이다.
도 5는 본 발명의 일실시예에 따른 얼굴 인증부의 성능을 나타내기 위한 도면이다.
도 6은 본 발명의 일실시예에 따른 인증 결과 표시부를 도시한다.
도 7은 본 발명의 일실시예에 따른 얼굴 인증 방법을 도시한 순서도이다.
도 8은 본 발명의 일실시예에 따른 출입관리 시스템을 도시한 블록도이다.1 is a block diagram showing a face authentication apparatus according to an embodiment of the present invention.
2 is a view for explaining face detection on a captured image according to an embodiment of the present invention.
3 is a conceptual diagram illustrating a mixed hierarchical binary classifier according to an embodiment of the present invention.
4 is a conceptual diagram illustrating a face authenticator according to an embodiment of the present invention.
5 is a view for illustrating the performance of the face authentication unit according to an embodiment of the present invention.
6 shows an authentication result display unit according to an embodiment of the present invention.
7 is a flowchart illustrating a face authentication method according to an embodiment of the present invention.
8 is a block diagram showing an access management system according to an embodiment of the present invention.

아래에서는 첨부한 도면을 참조하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 본 발명의 실시예를 상세히 설명한다. 그러나 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시예에 한정되지 않는다. 그리고 도면에서 본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다.DETAILED DESCRIPTION Hereinafter, exemplary embodiments of the present invention will be described in detail with reference to the accompanying drawings so that those skilled in the art may easily implement the present invention. The present invention may, however, be embodied in many different forms and should not be construed as limited to the embodiments set forth herein. In the drawings, parts irrelevant to the description are omitted in order to clearly describe the present invention, and like reference numerals designate like parts throughout the specification.

명세서 전체에서, 어떤 부분이 다른 부분과 "연결"되어 있다고 할 때, 이는 "직접적으로 연결"되어 있는 경우뿐 아니라, 그 중간에 다른 소자를 사이에 두고 "전기적으로 연결"되어 있는 경우도 포함한다. 또한 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미한다.Throughout the specification, when a part is "connected" to another part, this includes not only "directly connected" but also "electrically connected" with another element in between. . In addition, when a part is said to "include" a certain component, which means that it may further include other components, except to exclude other components unless otherwise stated.

도 1은 본 발명의 일실시예에 따른 얼굴 인증 장치를 도시한 블록도이고, 도 2는 본 발명의 일실시예에 따른 캡쳐된 이미지에 대한 얼굴 탐지를 설명하기 위한 도면이다.FIG. 1 is a block diagram illustrating a face authentication apparatus according to an embodiment of the present invention, and FIG. 2 is a view for explaining face detection on a captured image according to an embodiment of the present invention.

얼굴 인증 장치(10)는 인증대상자의 이미지로부터 특징값을 추출하고, 학습된 분류기에 추출된 특징값을 입력함으로써 인증대상자의 인증 결과를 산출한다.The face authentication apparatus 10 extracts a feature value from the image of the person to be authenticated, and calculates an authentication result of the person to be authenticated by inputting the extracted feature value to the learned classifier.

특히, 본 발명의 일실시예에 따른 얼굴 인증 장치(10)는 혼합 계층형 이진 분류기를 사용한다. 혼합 계층형 이진 분류기는 단일 클래스 이진 분류기와 계층적 다중 클래스 이진 분류기를 포함한다.In particular, the facial authentication apparatus 10 according to an embodiment of the present invention uses a mixed hierarchical binary classifier. Mixed hierarchical binary classifiers include a single class binary classifier and a hierarchical multiclass binary classifier.

얼굴 인증 장치(10)는 도 1에 나타낸 바와 같이, 이미지 캡쳐부(100), 이미지 전처리부(200), 얼굴 인식부(300), 분류기 생성부(400), 얼굴 데이터 저장부(450), 얼굴 인증부(500), 인증 결과 표시부(600) 및 사용자 데이터 저장부(650)를 포함한다.As shown in FIG. 1, the face authentication apparatus 10 may include an image capture unit 100, an image preprocessor 200, a face recognition unit 300, a classifier generator 400, a face data storage unit 450, And a face authentication unit 500, an authentication result display unit 600, and a user data storage unit 650.

이미지 캡쳐부(100)는 인증대상자의 이미지를 캡쳐한다. 또한, 이미지 캡쳐부(100)는 캡쳐한 이미지를 이미지 전처리부(200)에 제공한다. 이미지 캡쳐부(100)는 직접 이미지를 생성하는 장치 예컨대, 디지털 카메라 장치일 수 있으나, 이에 한정되지는 않고 동영상 이미지 생성 장치 예컨대, CCTV 장치에서 제공된 동영상 이미지로부터 정지된 이미지를 캡쳐할 수 있는 장치일 수도 있다. 또한, 캡쳐된 이미지는 흑백 이미지 또는 칼라 이미지일 수 있다.The image capture unit 100 captures an image of the person to be authenticated. In addition, the image capture unit 100 provides the captured image to the image preprocessor 200. The image capture unit 100 may be a device for directly generating an image, for example, a digital camera device, but is not limited thereto. The image capture unit 100 may be a device for capturing a still image from a video image provided by a video device. It may be. In addition, the captured image may be a black and white image or a color image.

이미지 전처리부(200)는 이미지 캡쳐부(100)에서 제공된 이미지를 전처리한다. 예를 들어, 이미지 전처리부(200)는 흑백 변환(gray color conversion), 보간(interpolation), 히스토그램 평활화(equalization of histogram), 스무딩(smoothing), 리사이징(resizing) 및 잡음 제거(noise cancelling) 중 적어도 하나를 수행할 수 있다. 이미지 전처리는 얼굴 인식부(300)에서 사용될 이미지의 인식률을 높이거나, 인식 속도를 증가시키기 위한 것일 수 있다. 이미지 전처리부(200)에 의해 전처리된 이미지(110)는 얼굴 인식부(300)에 제공된다.The image preprocessor 200 preprocesses the image provided by the image capture unit 100. For example, the image preprocessor 200 may include at least one of gray color conversion, interpolation, histogram equalization of histogram, smoothing, resizing, and noise canceling. You can do one. The image preprocessing may be to increase the recognition rate of the image to be used in the face recognition unit 300 or to increase the recognition speed. The image 110 preprocessed by the image preprocessor 200 is provided to the face recognition unit 300.

얼굴 인식부(300)는 이미지 전처리부(200)에서 제공된 이미지(110)로부터 얼굴을 인식한다. 얼굴 인식부(300)는 도 1에 도시된 바와 같이 얼굴 탐지부(320) 및 얼굴 특징 추출부(340)를 포함한다. 얼굴 탐지부(320)는 인증대상자의 이미지(110)로부터 얼굴 이미지(310)를 탐지한다. 이미지 전처리부(200)에서 제공된 이미지(110)는 도 2에 도시된 바와 같이 인증대상자의 얼굴뿐만 아니라, 전신, 의상, 배경 등을 포함할 수 있다. 본 실시예는 인증대상자의 얼굴을 이용하여 인증을 수행하므로 얼굴 탐지부(320)는 도 2에 도시된 바와 같이 제공된 이미지 중 얼굴 이미지(310)를 탐지한다. 얼굴 탐지부(320)는 Haar-like feature 방법을 이용할 수 있다. 그러나 이에 한정되지는 않고 임의의 방법을 이용하여 얼굴 탐지를 수행할 수 있다.The face recognition unit 300 recognizes a face from the image 110 provided by the image preprocessor 200. The face recognizer 300 includes a face detector 320 and a face feature extractor 340 as shown in FIG. 1. The face detector 320 detects the face image 310 from the image 110 of the person to be authenticated. As shown in FIG. 2, the image 110 provided by the image preprocessor 200 may include not only the face of the person to be authenticated but also a whole body, clothes, and background. Since the present embodiment performs authentication using the face of the person to be authenticated, the face detector 320 detects the face image 310 of the provided images as shown in FIG. 2. The face detector 320 may use a Haar-like feature method. However, the present invention is not limited thereto, and face detection may be performed using any method.

얼굴 특징 추출부(340)는 얼굴 탐지부(320)에서 탐지된 얼굴 이미지(210)로부터 특징값을 추출한다. 얼굴 특징 추출부(340)는 예컨대, NMF(non-negative matrix factorization) 방법을 사용할 수 있다. NMF 방법은 데이터 세트에서 독립적인 특성을 추출하기 위해 사용되는 것으로, NMF에 의해 유도된 특징 공간의 기저 벡터는 눈, 코, 입 등과 유사한 부분 이미지 형태를 보이며, 기저 벡터의 선형 결합으로 얼굴 이미지를 나타낼 수 있다. 본 실시예에 따른 얼굴 특징 추출부(340)는 NMF 방법을 사용하는 것으로 예시하고 있으나 이에 한정되는 것은 아니며, SVD(singular value decomposition) 방법이나 PCA 방법(principal component analysis) 등 얼굴 특징 추출에 사용될 수 있는 임의의 방법을 사용할 수 있다. 얼굴 특징 추출부(340)에서 추출된 특징값은 얼굴 인증부(500)에 제공된다.The face feature extractor 340 extracts feature values from the face image 210 detected by the face detector 320. The facial feature extractor 340 may use, for example, a non-negative matrix factorization (NMF) method. The NMF method is used to extract independent features from a data set. The basis vectors of the feature spaces induced by the NMF show partial image shapes similar to eyes, noses, mouths, etc. Can be represented. The facial feature extractor 340 according to the present exemplary embodiment is illustrated as using an NMF method, but is not limited thereto. The facial feature extractor 340 may be used for facial feature extraction such as a singular value decomposition (SVD) method or a principal component analysis (PCA) method. Any method can be used. The feature value extracted by the face feature extractor 340 is provided to the face authenticator 500.

이미지 캡쳐부(100), 이미지 전처리부(200) 및 얼굴 인식부(300)는 실시예에 따라 적어도 일부 구성이 생략될 수 있다. 예컨대, 이미지 캡쳐부(100)가 얼굴 이미지를 제공하는 경우, 이미지 전처리부(200) 및 얼굴 인식부(300)의 얼굴 탐지부(320)는 생략될 수 있다. 또한, Haar-like feature 방법, NMF 방법, SVD 방법 및 PCA 방법은 본 발명이 속하는 기술 분야에서 널리 알려져 있으므로, 이것들에 대한 자세한 설명은 생략한다.At least some components of the image capturing unit 100, the image preprocessor 200, and the face recognizing unit 300 may be omitted. For example, when the image capture unit 100 provides a face image, the image preprocessor 200 and the face detector 320 of the face recognizer 300 may be omitted. In addition, since the Haar-like feature method, the NMF method, the SVD method, and the PCA method are widely known in the technical field to which the present invention belongs, detailed description thereof will be omitted.

분류기 생성부(400)는 얼굴 데이터 저장부(450)를 이용하여 혼합 계층형 이진 분류기를 생성한다. 얼굴 데이터 저장부(450)는 기등록된 사용자의 얼굴 이미지를 저장한다. 얼굴 데이터 저장부(450)는 한 명 이상의 사용자에 대해 각각 하나 이상의 얼굴 이미지를 저장할 수 있다. 혼합 계층형 이진 분류기는 도 3을 참조하여 상세히 설명한다.The classifier generation unit 400 generates a mixed hierarchical binary classifier using the face data storage unit 450. The face data storage unit 450 stores a face image of a pre-registered user. The face data storage unit 450 may store one or more face images for one or more users. The mixed hierarchical binary classifier is described in detail with reference to FIG. 3.

도 3은 본 발명의 일실시예에 따른 혼합 계층형 이진 분류기를 설명하기 위한 개념도이다.3 is a conceptual diagram illustrating a mixed hierarchical binary classifier according to an embodiment of the present invention.

혼합 계층형 이진 분류기(410)는 도 3에 나타낸 바와 같이, 단일 클래스 이진 분류기(420) 및 다중 클래스 이진 분류기(440)를 포함한다. 혼합 계층형 이진 분류기(410)는 얼굴 데이터 저장부(450)에 저장된 얼굴 이미지를 학습하여 생성된다. 이 경우, 얼굴 이미지의 학습을 위한 이미지의 전처리, 얼굴 탐지 및 얼굴 특징 추출은 이미지 전처리부(200) 및 얼굴 인식부(300)에서 사용된 방법과 동일할 수 있다.The mixed hierarchical binary classifier 410 includes a single class binary classifier 420 and a multi-class binary classifier 440, as shown in FIG. 3. The mixed hierarchical binary classifier 410 is generated by learning a face image stored in the face data storage unit 450. In this case, the image preprocessing, face detection, and facial feature extraction for learning the face image may be the same as those used in the image preprocessor 200 and the face recognition unit 300.

특히, 본 발명의 일실시예에 따른 혼합 계층형 이진 분류기(410)는 다중 클래스 이진 분류기(440)의 상위 노드에 단일 클래스 이진 분류기(420)를 배치한 혼합 형태의 구조를 가진다. 그 결과, 얼굴 인증의 정확성 및 신속성을 확보할 수 있다.In particular, the mixed hierarchical binary classifier 410 according to an embodiment of the present invention has a mixed structure in which a single class binary classifier 420 is disposed at an upper node of the multi-class binary classifier 440. As a result, the accuracy and speed of face authentication can be ensured.

다중 클래스 이진 분류기(440)는 얼굴 데이터 저장부(450)에 저장된 얼굴 이미지의 학습을 통하여 생성된 다중 클래스이다. 다중 클래스 이진 분류기(440)는 도 3에 나타낸 바와 같이 이진 트리 구조를 갖는다. 이진 트리 구조는 대용량의 데이터베이스 처리에 적합한 것으로서, 일대다 구조, 일대일 투표 구조, 일대일 토너먼트 구조보다 처리 속도가 빠르다는 장점이 있다. 다중 클래스 이진 분류기(440)의 각 하위 클래스는 전체 공간을 두 개의 공간으로 분할한 후 두 개의 공간 중 더 가까운 공간으로 분류한다. 따라서, 다중 클래스 이진 분류기(440)는 상위 클래스에서 하위 클래스로 가면서 얼굴 이미지 또는 얼굴 이미지의 특징값이 더 세분화되어, 마침내 개별 얼굴 이미지(442) 또는 개별 얼굴 이미지(442)의 특징값으로 분류된다.The multi-class binary classifier 440 is a multi-class generated by learning a face image stored in the face data storage unit 450. Multi-class binary classifier 440 has a binary tree structure as shown in FIG. Binary tree structure is suitable for large database processing, and has the advantage of faster processing speed than one-to-many structure, one-to-one voting structure, and one-to-one tournament structure. Each subclass of the multi-class binary classifier 440 divides the entire space into two spaces and then classifies the space into the closer of two spaces. Thus, as the multiclass binary classifier 440 goes from the upper class to the lower class, the feature value of the face image or face image is further subdivided and finally classified into the feature value of the individual face image 442 or the individual face image 442. .

본 발명의 일실시예에 따른 다중 클래스 이진 분류기(440)는 응집 계층형 클러스터링 알고리즘(agglomerative hierarchical clustering algorism)을 사용하여 구성한 것일 수 있으나 이에 한정되지는 않는다.The multi-class binary classifier 440 according to an embodiment of the present invention may be configured using an agglomerative hierarchical clustering algorithm, but is not limited thereto.

단일 클래스 이진 분류기(420)는 얼굴 데이터 저장부(450)에 저장된 얼굴 이미지를 학습하여 생성된 단일 클래스이다. 단일 클래스 이진 분류기(420)는 얼굴 데이터 저장부(450)에 저장된 모든 얼굴 이미지로부터 특징값을 추출하고, 추출된 특징값을 연산함으로써 형성된다. 단일 클래스 이진 분류기(420)는 전체 공간을 얼굴 데이터 저장부(450)에 저장된 얼굴 이미지에 해당하는 공간과, 해당되지 않는 반대 공간으로 분할한다.The single class binary classifier 420 is a single class generated by learning a face image stored in the face data storage unit 450. The single class binary classifier 420 is formed by extracting feature values from all face images stored in the face data storage unit 450 and calculating the extracted feature values. The single class binary classifier 420 divides the entire space into a space corresponding to a face image stored in the face data storage unit 450 and an opposite space not applicable.

본 발명의 일실시예에 따른 단일 클래스 이진 분류기(420)는 다중 클래스 이진 분류기(440)의 최상위 노드에 배치된다. 따라서, 단일 클래스 이진 분류기(420)에 인증대상자의 새로운 이미지 또는 새로운 이미지에 대한 특징값이 입력되면, 우선적으로 새로운 이미지 또는 그 특징값이 얼굴 데이터 저장부(450)에 저장된 얼굴 이미지 또는 그 특징값에 해당하는지 판단할 수 있다. 학습되지 않은 데이터에 대해서 단일 클래스 이진 분류기(420)를 통해 미리 분류할 수 있으므로, 얼굴 데이터 저장부(450)에 저장되지 않은 새로운 이미지에 대한 불필요한 연산을 줄일 수 있다는 장점이 있다.The single class binary classifier 420 according to one embodiment of the invention is disposed at the top node of the multi class binary classifier 440. Accordingly, when a new image or a feature value for a new image of the person to be authenticated is input to the single class binary classifier 420, the new image or the feature value is first stored in the face data storage unit 450 or the feature value thereof. It can be determined whether Since the data that has not been learned may be classified in advance through the single class binary classifier 420, unnecessary operations on new images not stored in the face data storage unit 450 may be reduced.

또한, 본 발명의 일실시예에 따른 혼합 계층형 이진 분류기(410)는 다중 클래스 이진 분류기(440)의 단말 노드에 단일 클래스 이진 분류기(446)를 더 포함하여 학습되지 않은 데이터에 대하여 강제 선택되지 않도록 한다. 예를 들어, 단일 클래스 이진 분류기(420)에서 새로운 이미지를 잘못 판단하여 얼굴 데이터 저장부(450)에 저장된 얼굴 이미지에 해당한다고 분류한 경우, 다중 클래스 이진 분류기(440)에서 최종적으로 강제 분류될 것이나, 다중 클래스 이진 분류기(440)의 단말 노드에 배치된 단일 클래스 이진 분류기(446)를 통해 새로운 이미지로 분류할 수 있다. 단일 클래스 이진 분류기(446)는 단일 클래스 이진 분류기(420)의 오분류 및 다중 클래스 이진 분류기(440)의 이진 트리 구조를 보완할 수 있다는 장점이 있다.In addition, the mixed hierarchical binary classifier 410 according to an embodiment of the present invention further includes a single class binary classifier 446 at the terminal node of the multi-class binary classifier 440 to be not forcedly selected for the untrained data. Do not. For example, when a single class binary classifier 420 incorrectly determines a new image and classifies it as a face image stored in the face data storage unit 450, the multi class binary classifier 440 may finally classify it. The new classifier may be classified into a new image through the single class binary classifier 446 disposed at the terminal node of the multi-class binary classifier 440. The single class binary classifier 446 has the advantage of complementing the misclassification of the single class binary classifier 420 and the binary tree structure of the multi-class binary classifier 440.

다시 도 1을 참조하면, 얼굴 인증부(500)는 얼굴 인식부(300)에서 추출된 특징값을 혼합 계층형 이진 분류기(410)에 입력하여 인증대상자의 인증 결과를 산출한다. 본 발명의 일실시예에 따른 얼굴 인증부(500)는 단일 클래스 이진 분류기(420)를 이용하여 인증대상자가 기등록된 사용자에 해당하는지 여부를 판단하는 단일 판단부(520) 및 다중 클래스 이진 분류기(440)를 이용하여 기등록된 사용자 중 상기 인증대상자에 매칭되는 사용자를 판별하는 다중 판단부(540)를 포함한다. 이것과 관련해서는 도 4를 참조하여 상세히 설명한다.Referring back to FIG. 1, the face authenticator 500 inputs a feature value extracted from the face recognizer 300 to the mixed hierarchical binary classifier 410 to calculate an authentication result of the person to be authenticated. The face authenticator 500 according to an embodiment of the present invention uses the single class binary classifier 420 to determine whether the authentication target corresponds to a pre-registered user, and the single determiner 520 and the multi-class binary classifier. The multi-determination unit 540 determines a user who matches the authentication target among the pre-registered users using 440. This will be described in detail with reference to FIG. 4.

도 4는 본 발명의 일실시예에 따른 얼굴 인증부를 설명하기 위한 개념도이다.4 is a conceptual diagram illustrating a face authenticator according to an embodiment of the present invention.

단일 판단부(520)는 얼굴 인식부(300)로부터 인증대상자의 얼굴 이미지(550)에 대한 특징값을 수신한다. 단일 판단부(520)는 수신된 특징값을 단일 클래스 이진 분류기(420)에 입력하여 인증대상자가 기등록된 사용자에 해당하는지 새로운 사용자에 해당하는지 판단한다.The single determiner 520 receives a feature value for the face image 550 of the person to be authenticated from the face recognizer 300. The single determination unit 520 inputs the received feature value into the single class binary classifier 420 to determine whether the authentication target corresponds to a registered user or a new user.

만약, 단일 판단부(520)가 인증대상자를 기등록된 사용자에 해당한다고 판단한 경우, 다중 판단부(540)는 인증대상자에 매칭되는 기등록된 사용자를 판별할 수 있다.If the single determination unit 520 determines that the authentication target corresponds to a pre-registered user, the multi-determination unit 540 may determine a pre-registered user matching the authentication target.

예를 들어, 인증대상자의 이미지로부터 추출된 특징값(550)이 입력되면, 단일 판단부(520)는 단일 클래스 이진 분류기(521)를 통해 기등록된 사용자로 판단할 수 있다. 다음으로, 다중 판단부(540)는 제 1 다중 클래스 이진 분류기(541), 제 3 다중 클래스 이진 분류기(543) 및 제 6 다중 클래스 이진 분류기(546)를 통해 인증대상자가 제 7 기등록된 사용자(556)와 매칭된다는 것을 판단할 수 있다. 만약, 단일 클래스 이진 분류기(521)의 오분류로 인해 새로운 사용자를 기등록된 사용자로 판단했다면, 다중 클래스 이진 분류기(521 내지 546)의 단말 노드에 배치된 단일 클래스 이진 분류기(560 내지 566)를 통해 새로운 사용자임을 판별할 수 있다.For example, when the feature value 550 extracted from the image of the person to be authenticated is input, the single determiner 520 may determine that the user is a registered user through the single class binary classifier 521. Next, the multi-determination unit 540 is a user whose authentication target is pre-registered through the first multi-class binary classifier 541, the third multi-class binary classifier 543, and the sixth multi-class binary classifier 546. It can be determined that the match 556. If it is determined that the new user is a registered user due to the misclassification of the single class binary classifier 521, the single class binary classifier 560 to 566 disposed at the terminal node of the multi class binary classifier 521 to 546 is determined. You can determine if you are a new user.

본 발명의 일실시예에 따른 얼굴 인증부(500)는 얼굴 인증에 있어서 속도 및 정확도 모두 뛰어난 결과를 가진다. 이와 관련해서는 도 5를 참조하여 상세히 설명한다.The face authenticator 500 according to an embodiment of the present invention has excellent results in both speed and accuracy in face authentication. This will be described in detail with reference to FIG. 5.

도 5는 본 발명의 일실시예에 따른 얼굴 인증부의 성능을 나타내기 위한 도면이다.5 is a view for illustrating the performance of the face authentication unit according to an embodiment of the present invention.

도 5를 참조하면, 얼굴 인증부(500)의 성능을 평가하기 위해 분류율, 새로운 얼굴 이미지 10% 추가 후 분류율 및 하나의 얼굴 이미지를 인증하기 위해 사용되는 클래스의 평균 개수를 산출한다.Referring to FIG. 5, to evaluate the performance of the face authenticator 500, a classification rate, a classification rate after adding 10% of a new face image, and an average number of classes used to authenticate one face image are calculated.

먼저, 본 발명의 일실시예에 따른 얼굴 인증부(500)는 혼합 계층형 분류 방법을 사용한 것으로서, 분류율은 97.42%로 일대일 투표 방법에 비해 근소한 차이로 낮지만, 사용되는 클래스의 평균 개수는 약 14배 적기 때문에 속도는 무려 약 14배 빠름을 알 수 있다. 또한, 다른 일대다 방법, 일대일 토너먼트 방법에 비해서도, 분류율 및 분류 속도 면에서 우수하다. 따라서, 본 발명의 일실시예에 따른 얼굴 인증 장치(10)는 대용량 데이터를 이용한 실시간 감지에 사용될 수 있다.First, the face authenticator 500 according to an embodiment of the present invention uses a mixed hierarchical classification method, and the classification rate is 97.42%, which is slightly lower than the one-to-one voting method, but the average number of classes used is Because it is about 14 times less, the speed is about 14 times faster. It is also superior in sorting rate and sorting speed compared to other one-to-many and one-to-one tournament methods. Therefore, the facial authentication apparatus 10 according to an embodiment of the present invention may be used for real-time detection using a large amount of data.

특히, 종래 방법은 새로운 얼굴 이미지에 대한 특징값이 입력되면 기등록된 얼굴 이미지 중 가장 유사도가 높은 것으로 강제 분류된다. 따라서, 학습에 사용되지 않은 새로운 얼굴 이미지를 테스트 데이터에 추가하여 실험하면, 종래 방법은 추가된 만큼 오분류율이 늘어나지만, 본 발명에 따른 방법은 분류율에 변화가 없다. 따라서, 본 발명의 일실시예에 따른 얼굴 인증 장치(10)는 확장성이 뛰어나다.In particular, the conventional method is forcibly classified as having the highest similarity among the registered face images when the feature value for the new face image is input. Therefore, if a new face image not used for learning is added to the test data and tested, the misclassification rate increases as the conventional method is added, but the method according to the present invention does not change the classification rate. Therefore, the face authentication device 10 according to the embodiment of the present invention is excellent in scalability.

참고로, 도 5에 나타낸 평가는 얼굴인식 벤치마킹 데이터로 사용되는 yalefaces 중 임의로 15명을 선택하고, 1명당 11개 얼굴 이미지를 사용하여 실험하였다.For reference, the evaluation shown in Figure 5 was randomly selected 15 of the yalefaces used as the face recognition benchmarking data, was tested using 11 face images per person.

다시 도 1을 참조하면, 인증 결과 표시부(600)는 얼굴 인증부(500)에서 판별된 결과를 표시한다. 예를 들어, 인증 결과 표시부(600)는 도 6에 도시된 바와 같이 기등록된 얼굴 이미지 및 그에 대응되는 사용자의 성명, 위험 등급, 개인 정보 등을 표시할 수 있다.Referring back to FIG. 1, the authentication result display unit 600 displays the result determined by the face authenticator 500. For example, as shown in FIG. 6, the authentication result display unit 600 may display a pre-registered face image and a user's name, risk level, and personal information corresponding thereto.

도 6은 본 발명의 일실시예에 따른 인증 결과 표시부를 도시한다.6 shows an authentication result display unit according to an embodiment of the present invention.

기등록된 얼굴 이미지 및 그에 대응되는 사용자 데이터는 사용자 데이터 저장부(650)로부터 수신할 수 있다. 사용자 데이터는 도 6에 도시된 예시에 한정되는 것은 아니며, 그 밖에 다양한 데이터를 다양한 수단을 이용하여 표시할 수 있다.The pre-registered face image and user data corresponding thereto may be received from the user data storage 650. The user data is not limited to the example illustrated in FIG. 6, and various other data may be displayed using various means.

본 발명의 일실시예에 따른 얼굴 인증 장치(10)는 출입 관리에 사용될 수 있다. 건물 또는 연구실에 출입 허가된 사용자의 얼굴 이미지로부터 혼합 계층형 이진 분류기(410)를 생성한 후, 인증요구자의 인증 과정을 거쳐 사용자의 출입을 통제할 수 있다. 또한, 얼굴 인증 장치(10)는 범죄 용의자 판별에 사용될 수 있다. 모든 범죄 용의자의 얼굴 이미지로부터 혼합 계층형 이진 분류기(410)를 생성한 후, 주요시설 예컨대 공항, 항만, 정부 관청에 설치하여 실시간 감지할 수도 있다.The face authentication apparatus 10 according to an embodiment of the present invention may be used for access management. After generating the mixed hierarchical binary classifier 410 from the face image of the user who is permitted to access the building or the laboratory, the user's access may be controlled through the authentication process of the authentication requestor. In addition, the face authentication apparatus 10 may be used for criminal suspect determination. The hierarchical binary classifier 410 may be generated from face images of all crime suspects and installed in major facilities such as airports, ports, and government offices to detect them in real time.

본 발명의 일실시예에 따른 이진 분류기 예컨대, 혼합 계층형 이진 분류기(410), 단일 클래스 이진 분류기(420) 및 다중 클래스 이진 분류기(440)는 SVM(Support Vector Machine) 분류기 일 수 있다.The binary classifiers, for example, the mixed hierarchical binary classifier 410, the single class binary classifier 420, and the multi-class binary classifier 440 may be SVM (Support Vector Machine) classifiers.

도 7은 본 발명의 일실시예에 따른 얼굴 인증 방법을 도시한 순서도이다.7 is a flowchart illustrating a face authentication method according to an embodiment of the present invention.

먼저, 인증대상자의 이미지를 캡쳐한다(S100).First, capture the image of the authentication target (S100).

인증대상자의 이미지는 직접 이미지를 생성하는 장치 예컨대, 디지털 카메라 장치를 이용하여 캡쳐한 것일 수 있으나, 이에 한정되지는 않고 동영상 이미지 생성 장치 예컨대, CCTV 장치에서 제공된 동영상 이미지로부터 정지된 이미지를 캡쳐한 것일 수도 있다.The image of the person to be authenticated may be captured using a device that directly generates an image, for example, a digital camera device, but is not limited thereto. The still image is captured from a video image provided by a video image generating device such as a CCTV device. It may be.

다음으로, 이미지를 전처리한다(S200).Next, the image is preprocessed (S200).

캡쳐된 인증대상자의 전처리한다. 전처리는 예컨대 흑백 변환(gray color conversion), 보간(interpolation), 히스토그램 평활화(equalization of histogram), 스무딩(smoothing), 리사이징(resizing) 및 잡음 제거(noise cancelling) 중 적어도 하나일 수 있다. 이미지 전처리는 얼굴 인식부(300)에서 사용될 이미지의 인식률을 높이거나, 인식 속도를 증가시키기 위한 것일 수 있다.Preprocess the captured credentials. The preprocessing can be, for example, at least one of gray color conversion, interpolation, histogram equalization of histogram, smoothing, resizing and noise canceling. The image preprocessing may be to increase the recognition rate of the image to be used in the face recognition unit 300 or to increase the recognition speed.

다음으로, 이미지로부터 특징값을 추출한다(S300).Next, the feature value is extracted from the image (S300).

전처리된 이미지로부터 얼굴 이미지를 탐지한 후, 탐지된 얼굴 이미지로부터 특징값을 추출한다. 얼굴 탐지는 Haar-like feature 방법을 이용할 수 있다. 그러나 이에 한정되지는 않고 임의의 방법을 이용하여 얼굴 탐지를 수행할 수 있다.After detecting a face image from the preprocessed image, feature values are extracted from the detected face image. Face detection can use the Haar-like feature method. However, the present invention is not limited thereto, and face detection may be performed using any method.

얼굴 특징의 추출은 예컨대, NMF(non-negative matrix factorization) 방법을 사용할 수 있다. NMF 방법은 데이터 세트에서 독립적인 특성을 추출하기 위해 사용되는 것으로, NMF에 의해 유도된 특징 공간의 기저 벡터는 눈, 코, 입 등과 유사한 부분 이미지 형태를 보이며, 기저 벡터의 선형 결합으로 얼굴 이미지를 나타낼 수 있다. 그러나, 이에 한정되는 것은 아니며, SVD(singular value decomposition) 방법이나 PCA 방법(principal component analysis) 등 얼굴 특징 추출에 사용될 수 있는 임의의 방법을 사용할 수 있다.Extraction of facial features may use, for example, a non-negative matrix factorization (NMF) method. The NMF method is used to extract independent features from a data set. The basis vectors of the feature spaces induced by the NMF show partial image shapes similar to eyes, noses, mouths, etc. Can be represented. However, the present invention is not limited thereto, and any method that can be used for facial feature extraction, such as a singular value decomposition (SVD) method or a principal component analysis (PCA) method, may be used.

다음으로, 혼합 계층형 분류기를 이용한 인증 결과를 산출한다(S400).Next, an authentication result using the mixed hierarchical classifier is calculated (S400).

추출된 특징값을 혼합 계층형 분류기에 입력하여 인증대상자의 인증 결과를 산출한다. 혼합 계층형 이진 분류기는 단일 클래스 이진 분류기 및 다중 클래스 이진 분류기를 포함한다. 혼합 계층형 이진 분류기는 기등록된 사용자의 얼굴 이미지를 학습하여 생성된 것일 수 있다. 인증 결과 산출 단계(S400)는 먼저, 단일 클래스 이진 분류기를 이용하여 인증대상자가 기등록된 사용자에 해당하는지 여부를 판단한다. 그 후, 다중 클래스 이진 분류기를 이용하여 기등록된 사용자 중 상기 인증대상자에 매칭되는 사용자를 판별한다. 단일 클래스 이진 분류기는 다중 클래스 이진 분류기의 상위 노드에 배치되므로, 인증대상자가 기등록된 사용자가 아닌 경우 불필요한 연산을 줄일 수 있다는 장점이 있다.The extracted feature value is input to the mixed hierarchical classifier to calculate the authentication result of the authentication subject. Mixed hierarchical binary classifiers include single class binary classifiers and multiclass binary classifiers. The mixed hierarchical binary classifier may be generated by learning a face image of a pre-registered user. In the authentication result calculation step (S400), first, a single class binary classifier is used to determine whether the authentication target corresponds to a registered user. Thereafter, a user who matches the authentication target among the registered users is determined using a multi-class binary classifier. Since the single class binary classifier is disposed at the upper node of the multi-class binary classifier, there is an advantage that unnecessary operations can be reduced when the authentication target is not a registered user.

또한, 다중 클래스 이진 분류기는 이진 트리 구조를 가진다. 이는 다른 구조 예컨대, 일대다 구조, 일대일 투표 구조, 일대일 토너먼트 구조 등보다 분류의 정확성 및 속도 모두 뛰어나다는 장점이 있다.In addition, multi-class binary classifiers have a binary tree structure. This has the advantage that the accuracy and speed of classification are both superior to other structures, such as one-to-many structure, one-to-one voting structure, one-to-one tournament structure, and the like.

한편, 혼합 계층형 이진 분류기는 다중 클래스 이진 분류기의 단말 노드에 단일 클래스 이진 분류기를 더 포함한다. 그 결과, 새로운 이미지에 대해서도 강제 분류하지 않고, 이를 새로운 이미지로 인식할 수 있다는 장점이 있다.Meanwhile, the mixed hierarchical binary classifier further includes a single class binary classifier at the terminal node of the multi-class binary classifier. As a result, there is an advantage that the new image can be recognized as a new image without forcibly classifying the new image.

본 발명의 일실시예에 따른 이진 분류기 예컨대, 혼합 계층형 이진 분류기, 단일 클래스 이진 분류기 및 다중 클래스 이진 분류기는 SVM(Support Vector Machine) 분류기 일 수 있다.Binary classifiers, such as a mixed hierarchical binary classifier, a single class binary classifier, and a multi-class binary classifier according to an embodiment of the present invention may be a support vector machine (SVM) classifier.

그 밖에, 혼합 계층형 이진 분류기, 단일 클래스 이진 분류기 및 다중 클래스 이진 분류기의 구성 및 효과에 대해서는 도 1 내지 도 6을 참조하여 설명하였으므로, 이와 관련해서는 중복되는 범위 내에서 설명을 생략한다.In addition, since the configuration and effects of the mixed hierarchical binary classifier, the single class binary classifier, and the multi-class binary classifier have been described with reference to FIGS. 1 to 6, the description thereof will be omitted within the overlapping range.

도 8은 본 발명의 일실시예에 따른 출입 관리 시스템을 도시한 블록도이다.8 is a block diagram illustrating an access management system according to an embodiment of the present invention.

출입관리 시스템(700)은 인증대상자를 촬영한 이미지로부터 특징값을 추출하고, 학습된 분류기에 추출된 특징값을 입력함으로써 인증대상자의 인증 결과를 산출한다. 그 후, 산출된 인증 결과를 기초로 인증대상자의 출입을 제어한다.The access management system 700 extracts a feature value from the image of the image of the person to be authenticated, and calculates an authentication result of the person to be authenticated by inputting the extracted feature value to the learned classifier. Thereafter, access to the authentication subject is controlled based on the calculated authentication result.

특히, 본 발명의 일실시예에 따른 출입관리 시스템(700)은 혼합 계층형 이진 분류기를 사용한다. 혼합 계층형 이진 분류기는 단일 클래스 이진 분류기와 계층적 다중 클래스 이진 분류기를 포함한다.In particular, the access management system 700 according to an embodiment of the present invention uses a mixed hierarchical binary classifier. Mixed hierarchical binary classifiers include a single class binary classifier and a hierarchical multiclass binary classifier.

출입관리 시스템(700)은 도 8에 나타낸 바와 같이, 이미지 캡쳐부(710), 이미지 전처리부(720), 얼굴 인식부(730), 분류기 생성부(740), 얼굴 데이터 저장부(745), 얼굴 인증부(750), 인증 결과 표시부(760), 사용자 데이터 저장부(765) 및 출입 관리부(770)를 포함한다.As shown in FIG. 8, the access control system 700 includes an image capture unit 710, an image preprocessor 720, a face recognition unit 730, a classifier generator 740, a face data storage unit 745, The face authentication unit 750, an authentication result display unit 760, a user data storage unit 765, and an access management unit 770 are included.

이 중 출입 관리부(770)를 제외한 이미지 캡쳐부(710), 이미지 전처리부(720), 얼굴 인식부(730), 분류기 생성부(740), 얼굴 데이터 저장부(745), 얼굴 인증부(750), 인증 결과 표시부(760) 및 사용자 데이터 저장부(765)에 대해서는 도 1에 도시된 구성과 동일 또는 유사하므로 이와 관련해서는 설명을 생략한다.Among them, the image capture unit 710, the image preprocessor 720, the face recognition unit 730, the classifier generator 740, the face data storage unit 745, and the face authentication unit 750 except the access control unit 770. The authentication result display unit 760 and the user data storage unit 765 are the same as or similar to those shown in FIG. 1, and thus description thereof will be omitted.

또한, 이미지 캡쳐부 혼합 계층형 이진 분류기, 단일 클래스 이진 분류기 및 다중 클래스 이진 분류기의 구성 및 효과에 대해서는 도 1 내지 도 6을 참조하여 설명하였으므로, 이와 관련해서는 중복되는 범위 내에서 설명을 생략한다.In addition, since the configuration and effects of the image capture unit mixed hierarchical binary classifier, the single class binary classifier, and the multi-class binary classifier have been described with reference to FIGS. 1 to 6, the description thereof will be omitted within the overlapping range.

출입 관리부(770)는 얼굴 인증부(750)의 인증 결과에 기초하여 인증대상자에 대한 출입을 제어한다. 예를 들어, 출입 관리부(770)는 얼굴 인증부(750)의 단일 판단부(752)에 의해 인증대상자가 기등록된 사용자로 판단된 경우 인증대상자의 출입을 허가할 수 있다. 또는 얼굴 인증부(750)의 다중 판단부(754)에 의해 기등록된 사용자 중 인증대상자에 매칭되는 사용자가 판별된 경우 출입을 허가할 수 있다.The access manager 770 controls access to the authentication subject based on the authentication result of the face authenticator 750. For example, the access management unit 770 may permit access of the authentication target when the authentication target is determined as a pre-registered user by the single determination unit 752 of the face authentication unit 750. Alternatively, when the user who matches the authentication target among the pre-registered users is determined by the multiple determination unit 754 of the face authentication unit 750, access may be allowed.

이와 반대로 출입 관리부(770)는 기등록된 사용자에 대한 출입을 통제할 수도 있다. 예를 들어, 얼굴 데이터 저장부(745)에 범죄 용의자들에 대한 얼굴 이미지를 저장하고, 분류기 생성부(740)를 이용하여 혼합 계층형 이진 분류기를 생성할 수 있다. 이 경우, 출입 관리부(770)는 단일 판단부(752)에 의해 인증대상자가 기등록된 사용자로 판단되거나 다중 판단부(754)에 의해 기등록된 사용자 중 인증대상자에 매칭되는 사용자가 판별된 경우 출입을 통제할 수 있다.On the contrary, the access management unit 770 may control access to a pre-registered user. For example, a face image of crime suspects may be stored in the face data storage 745, and a mixed hierarchical binary classifier may be generated using the classifier generator 740. In this case, the access management unit 770 determines that the user to be authenticated by the single determination unit 752 is a registered user, or when a user who matches the authentication target among the users registered by the multi-determination unit 754 is determined. Can control access

참고로, 본 발명의 실시예에 따른 도 1, 도 3, 도 4 및 도 8에 도시된 구성 요소들은 소프트웨어 또는 FPGA(Field Programmable Gate Array) 또는 ASIC(Application Specific Integrated Circuit)와 같은 하드웨어 구성 요소를 의미하며, 소정의 역할들을 수행한다.For reference, the components illustrated in FIGS. 1, 3, 4, and 8 according to an embodiment of the present invention may be software or hardware components such as a field programmable gate array (FPGA) or an application specific integrated circuit (ASIC). It plays a role.

그렇지만 '구성 요소들'은 소프트웨어 또는 하드웨어에 한정되는 의미는 아니며, 각 구성 요소는 어드레싱할 수 있는 저장 매체에 있도록 구성될 수도 있고 하나 또는 그 이상의 프로세서들을 재생시키도록 구성될 수도 있다.However, 'components' are not meant to be limited to software or hardware, and each component may be configured to be in an addressable storage medium or may be configured to reproduce one or more processors.

따라서, 일 예로서 구성 요소는 소프트웨어 구성 요소들, 객체지향 소프트웨어 구성 요소들, 클래스 구성 요소들 및 태스크 구성 요소들과 같은 구성 요소들과, 프로세스들, 함수들, 속성들, 프로시저들, 서브루틴들, 프로그램 코드의 세그먼트들, 드라이버들, 펌웨어, 마이크로 코드, 회로, 데이터, 데이터베이스, 데이터 구조들, 테이블들, 어레이들 및 변수들을 포함한다.Thus, as an example, a component may include components such as software components, object-oriented software components, class components, and task components, and processes, functions, properties, procedures, and subs. Routines, segments of program code, drivers, firmware, microcode, circuits, data, databases, data structures, tables, arrays, and variables.

구성 요소들과 해당 구성 요소들 안에서 제공되는 기능은 더 작은 수의 구성 요소들로 결합되거나 추가적인 구성 요소들로 더 분리될 수 있다.Components and the functionality provided within those components may be combined into a smaller number of components or further separated into additional components.

본 발명의 일 실시예는 컴퓨터에 의해 실행되는 프로그램 모듈과 같은 컴퓨터에 의해 실행가능한 명령어를 포함하는 기록 매체의 형태로도 구현될 수 있다. 컴퓨터 판독 가능 매체는 컴퓨터에 의해 액세스될 수 있는 임의의 가용 매체일 수 있고, 휘발성 및 비휘발성 매체, 분리형 및 비분리형 매체를 모두 포함한다. 또한, 컴퓨터 판독가능 매체는 컴퓨터 저장 매체 및 통신 매체를 모두 포함할 수 있다. 컴퓨터 저장 매체는 컴퓨터 판독가능 명령어, 데이터 구조, 프로그램 모듈 또는 기타 데이터와 같은 정보의 저장을 위한 임의의 방법 또는 기술로 구현된 휘발성 및 비휘발성, 분리형 및 비분리형 매체를 모두 포함한다. 통신 매체는 전형적으로 컴퓨터 판독가능 명령어, 데이터 구조, 프로그램 모듈, 또는 반송파와 같은 변조된 데이터 신호의 기타 데이터, 또는 기타 전송 메커니즘을 포함하며, 임의의 정보 전달 매체를 포함한다. One embodiment of the present invention can also be implemented in the form of a recording medium containing instructions executable by a computer, such as a program module executed by the computer. Computer readable media can be any available media that can be accessed by a computer and includes both volatile and nonvolatile media, removable and non-removable media. In addition, computer readable media may include both computer storage media and communication media. Computer storage media includes both volatile and nonvolatile, removable and non-removable media implemented in any method or technology for storage of information such as computer readable instructions, data structures, program modules or other data. Communication media typically includes computer readable instructions, data structures, program modules, or other data in a modulated data signal such as a carrier wave, or other transmission mechanism, and includes any information delivery media.

전술한 본 발명의 설명은 예시를 위한 것이며, 본 발명이 속하는 기술분야의 통상의 지식을 가진 자는 본 발명의 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 쉽게 변형이 가능하다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야만 한다. 예를 들어, 단일형으로 설명되어 있는 각 구성 요소는 분산되어 실시될 수도 있으며, 마찬가지로 분산된 것으로 설명되어 있는 구성 요소들도 결합된 형태로 실시될 수 있다.The foregoing description of the present invention is intended for illustration, and it will be understood by those skilled in the art that the present invention may be easily modified in other specific forms without changing the technical spirit or essential features of the present invention. will be. It is therefore to be understood that the above-described embodiments are illustrative in all aspects and not restrictive. For example, each component described as a single type may be implemented in a distributed manner, and similarly, components described as distributed may be implemented in a combined form.

본 발명의 범위는 상기 상세한 설명보다는 후술하는 특허청구범위에 의하여 나타내어지며, 특허청구범위의 의미 및 범위 그리고 그 균등 개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본 발명의 범위에 포함되는 것으로 해석되어야 한다.
The scope of the present invention is shown by the following claims rather than the above description, and all changes or modifications derived from the meaning and scope of the claims and their equivalents should be construed as being included in the scope of the present invention. do.

10: 얼굴 인증 장치 100: 이미지 캡쳐부
200: 이미지 전처리부 300: 얼굴 인식부
320: 얼굴 탐지부 340: 얼굴 특징 추출부
400: 분류기 생성부 410: 혼합 계층형 이진 분류기
420: 단일 클래스 이진 분류기 440: 다중 클래스 이진 분류기
444: 단일 클래스 이진 분류기
450: 얼굴 데이터 저장부 500: 얼굴 인증부
520: 단일 판단부 540: 다중 판단부
600: 인증 결과 표시부 650: 사용자 데이터 저장부
700: 출입관리 시스템 710: 이미지 캡쳐부
720: 이미지 전처리부 730: 얼굴 인식부
740: 분류기 생성부 745: 얼굴 데이터 저장부
750: 얼굴 인증부 760: 인증 결과 표시부
765: 사용자 데이터 저장부 770: 출입 관리부10: face authentication device 100: image capture unit
200: image preprocessor 300: face recognition unit
320: face detector 340: face feature extractor
400: classifier generator 410: mixed hierarchical binary classifier
420: Single Class Binary Classifier 440: Multi Class Binary Classifier
444: single-class binary classifier
450: face data storage unit 500: face authentication unit
520: single determination unit 540: multiple determination unit
600: authentication result display unit 650: user data storage unit
700: access control system 710: image capture unit
720: image preprocessor 730: face recognition unit
740: Classifier generator 745: face data storage unit
750: face authentication unit 760: authentication result display unit
765: user data storage unit 770: access management unit

Claims (18)

얼굴 인증 장치에 있어서,
얼굴 인증의 기준이 되는 사용자를 등록하여 얼굴 이미지를 저장하는 얼굴 데이터 저장부,
인증대상자의 이미지로부터 특징값을 추출하는 얼굴 인식부, 및
상기 추출된 특징값을 혼합 계층형 이진 분류기에 입력하여 상기 인증대상자에 대한 인증 결과를 산출하는 얼굴 인증부를 포함하되,
상기 혼합 계층형 이진 분류기는 단일 클래스 이진 분류기 및 다중 클래스 이진 분류기를 포함하고,
상기 얼굴 인증부는,
상기 단일 클래스 이진 분류기를 이용하여 상기 인증대상자가 상기 얼굴 데이터 저장부에 기등록된 사용자에 해당하는지 여부를 판단하는 단일 판단부, 및
상기 다중 클래스 이진 분류기를 이용하여 상기 기등록된 사용자 중 상기 인증대상자에 매칭되는 사용자를 판별하는 다중 판단부를 포함하는 얼굴 인증 장치.
In the face authentication apparatus,
A face data storage unit for registering a user as a standard for face authentication and storing a face image;
A face recognition unit for extracting feature values from an image of the person to be authenticated, and
Including a face authentication unit for inputting the extracted feature value to the mixed hierarchical binary classifier to calculate the authentication result for the authentication target,
The mixed hierarchical binary classifier comprises a single class binary classifier and a multiclass binary classifier,
The face authentication unit,
A single determination unit that determines whether the authentication target corresponds to a user who is previously registered in the face data storage unit by using the single class binary classifier;
And a multi-determination unit for determining a user matching the authentication target among the registered users by using the multi-class binary classifier.
제 1 항에 있어서,
상기 혼합 계층형 이진 분류기는 상기 기등록된 사용자의 얼굴 이미지를 학습하여 생성된 것인 얼굴 인증 장치.
The method of claim 1,
And the mixed hierarchical binary classifier is generated by learning a face image of the registered user.
제 1 항에 있어서,
상기 단일 클래스 이진 분류기는 상기 다중 클래스 이진 분류기의 상위 노드에 배치되는 얼굴 인증 장치.
The method of claim 1,
And the single class binary classifier is disposed at an upper node of the multi class binary classifier.
제 1 항에 있어서,
상기 다중 클래스 이진 분류기는 이진 트리 구조로 구성된 것인 얼굴 인증 장치.
The method of claim 1,
And wherein the multi-class binary classifier comprises a binary tree structure.
제 1 항에 있어서,
상기 혼합 계층형 이진 분류기는 상기 다중 클래스 이진 분류기의 단말 노드에 단일 클래스 이진 분류기를 더 포함하는 얼굴 인증 장치.
The method of claim 1,
The mixed hierarchical binary classifier further comprises a single class binary classifier at a terminal node of the multi-class binary classifier.
제 1 항에 있어서,
상기 얼굴 인식부는,
상기 인증대상자의 이미지로부터 얼굴 이미지를 탐지하는 얼굴 탐지부 및
상기 탐지된 얼굴 이미지로부터 특징값을 추출하는 얼굴 특징 추출부
를 포함하는 얼굴 인증 장치.
The method of claim 1,
The face recognition unit,
A face detector for detecting a face image from the image of the authentication subject;
Face feature extraction unit for extracting feature values from the detected face image
Face authentication device comprising a.
제 1 항 내지 제 6 항 중 어느 한 항에 있어서,
상기 혼합 계층형 이진 분류기는 SVM(Support Vector Machine) 분류기인 얼굴 인증 장치.
The method according to any one of claims 1 to 6,
The mixed hierarchical binary classifier is a support vector machine (SVM) classifier.
얼굴 인증 방법에 있어서,
인증대상자의 이미지로부터 특징값을 추출하는 단계,
상기 추출된 특징값을 제 1 계층의 단일 클래스 이진 분류기에 입력하여 상기 인증대상자가 기등록된 사용자에 해당하는지 여부를 판단하는 단계, 및
상기 제 1 계층에서의 판단 결과 상기 인증대상자가 상기 기등록된 사용자에 해당할 경우, 상기 특징값을 제 2 계층의 다중 클래스 이진 분류기에 입력하여 상기 기등록된 사용자 중 상기 인증대상자에 매칭되는 사용자를 판별하는 단계를 포함하되,
상기 기등록된 사용자에 대한 정보는,
얼굴 인증의 기준이 되는 사용자를 등록하여 얼굴 이미지를 저장하는 얼굴 데이터 저장부에 저장된 것인, 얼굴 인증 방법.
In the face authentication method,
Extracting feature values from the image of the subject,
Inputting the extracted feature value to a single class binary classifier of a first layer to determine whether the authentication target corresponds to a registered user; and
As a result of the determination in the first layer, if the person to be authenticated corresponds to the registered user, the feature value is input to the multi-class binary classifier of the second layer to match the user among the registered users. Including determining steps of:
The information about the registered user,
And a face data storage unit for registering a user as a standard for face authentication and storing a face image.
제 8 항에 있어서,
상기 단일 클래스 이진 분류기 및 상기 다중 클래스 이진 분류기는 상기 기등록된 사용자의 얼굴 이미지를 학습하여 생성된 것인 얼굴 인증 방법.
The method of claim 8,
The single class binary classifier and the multi-class binary classifier are generated by learning a face image of the registered user.
제 8 항에 있어서,
상기 단일 클래스 이진 분류기는 상기 다중 클래스 이진 분류기의 상위 노드에 배치되는 얼굴 인증 방법.
The method of claim 8,
And wherein the single class binary classifier is disposed at an upper node of the multi class binary classifier.
제 8 항에 있어서,
상기 다중 클래스 이진 분류기는 이진 트리 구조로 구성된 것인 얼굴 인증 방법.
The method of claim 8,
And wherein the multi-class binary classifier comprises a binary tree structure.
제 11 항에 있어서,
상기 다중 클래스 이진 분류기는 단말 노드에 단일 클래스 이진 분류기를 더 포함하는 얼굴 인증 방법.
The method of claim 11,
The multi-class binary classifier further comprises a single class binary classifier at a terminal node.
제 8 항에 있어서,
상기 인증대상자의 이미지로부터 특징값을 추출하는 단계는,
상기 인증대상자의 이미지로부터 얼굴 이미지를 탐지하는 단계 및
상기 탐지된 얼굴 이미지로부터 특징값을 추출하는 단계
를 포함하는 얼굴 인증 방법.
The method of claim 8,
Extracting feature values from the image of the authentication subject,
Detecting a face image from the image of the authentication subject; and
Extracting feature values from the detected face image
Face authentication method comprising a.
제 8 항 내지 제 13 항 중 어느 한 항에 있어서,
상기 단일 클래스 이진 분류기 및 상기 다중 클래스 이진 분류기 중 적어도 하나는 SVM(Support Vector Machine) 분류기인 얼굴 인증 방법.
14. The method according to any one of claims 8 to 13,
At least one of the single class binary classifier and the multi-class binary classifier is a support vector machine (SVM) classifier.
출입관리 시스템에 있어서,
얼굴 인증의 기준이 되는 사용자를 등록하여 얼굴 이미지를 저장하는 얼굴 데이터 저장부,
인증대상자를 촬영하여 이미지를 생성하는 이미지 캡쳐부,
상기 이미지로부터 특징값을 추출하는 얼굴 인식부,
상기 추출된 특징값을 혼합 계층형 이진 분류기에 입력하여 상기 인증대상자에 대한 인증 결과를 산출하는 얼굴 인증부 및
상기 인증 결과에 기초하여 상기 인증대상자에 대한 출입을 제어하는 출입 관리부를 포함하되,
상기 혼합 계층형 이진 분류기는 단일 클래스 이진 분류기 및 다중 클래스 이진 분류기를 포함하고,
상기 얼굴 인증부는,
상기 단일 클래스 이진 분류기를 이용하여 상기 인증대상자가 상기 얼굴 데이터 저장부에 기등록된 사용자에 해당하는지 여부를 판단하는 단일 판단부, 및
상기 다중 클래스 이진 분류기를 이용하여 상기 기등록된 사용자 중 상기 인증대상자에 매칭되는 사용자를 판별하는 다중 판단부를 포함하는 출입관리 시스템.
In the access control system,
A face data storage unit for registering a user as a standard for face authentication and storing a face image;
An image capture unit for generating an image by photographing an authentication target person;
A face recognition unit extracting feature values from the image,
A face authentication unit for inputting the extracted feature value to a mixed hierarchical binary classifier to calculate an authentication result for the authentication target;
Includes an access management unit for controlling the access to the authentication target based on the authentication result,
The mixed hierarchical binary classifier comprises a single class binary classifier and a multiclass binary classifier,
The face authentication unit,
A single determination unit that determines whether the authentication target corresponds to a user who is previously registered in the face data storage unit by using the single class binary classifier;
And a multi-determination unit for determining a user matching the authentication target among the registered users using the multi-class binary classifier.
제 15 항에 있어서,
상기 혼합 계층형 이진 분류기는 상기 기등록된 사용자의 얼굴 이미지를 학습하여 생성된 것인 출입관리 시스템.
The method of claim 15,
The mixed hierarchical binary classifier is generated by learning the face image of the registered user.
제 15 항에 있어서,
상기 단일 클래스 이진 분류기는 상기 다중 클래스 이진 분류기의 상위 노드에 배치되는 출입관리 시스템.
The method of claim 15,
And the single class binary classifier is disposed at an upper node of the multi class binary classifier.
제 15 항에 있어서,
상기 혼합 계층형 이진 분류기는 상기 다중 클래스 이진 분류기의 단말 노드에 단일 클래스 이진 분류기를 더 포함하는 출입관리 시스템.The method of claim 15,
The mixed hierarchical binary classifier further comprises a single class binary classifier at a terminal node of the multi-class binary classifier.
KR1020100099318A 2010-10-12 2010-10-12 System for watchlist identification KR101116737B1 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020100099318A KR101116737B1 (en) 2010-10-12 2010-10-12 System for watchlist identification

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020100099318A KR101116737B1 (en) 2010-10-12 2010-10-12 System for watchlist identification

Publications (1)

Publication Number Publication Date
KR101116737B1 true KR101116737B1 (en) 2012-02-22

Family

ID=45840511

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020100099318A KR101116737B1 (en) 2010-10-12 2010-10-12 System for watchlist identification

Country Status (1)

Country Link
KR (1) KR101116737B1 (en)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101567686B1 (en) 2014-04-17 2015-11-09 주식회사 에스원 authentication method and authentication device using the same
KR20150133027A (en) * 2014-05-19 2015-11-27 고려대학교 산학협력단 Svm-bta updating apparatus and method for large scale dataset
CN110458002A (en) * 2019-06-28 2019-11-15 天津大学 A kind of lightweight fast human face recognition

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6144755A (en) 1996-10-11 2000-11-07 Mitsubishi Electric Information Technology Center America, Inc. (Ita) Method and apparatus for determining poses
KR20050054394A (en) * 2003-12-04 2005-06-10 삼성전자주식회사 Face recognition method and apparatus using pca learning per subgroup

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6144755A (en) 1996-10-11 2000-11-07 Mitsubishi Electric Information Technology Center America, Inc. (Ita) Method and apparatus for determining poses
KR20050054394A (en) * 2003-12-04 2005-06-10 삼성전자주식회사 Face recognition method and apparatus using pca learning per subgroup

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101567686B1 (en) 2014-04-17 2015-11-09 주식회사 에스원 authentication method and authentication device using the same
KR20150133027A (en) * 2014-05-19 2015-11-27 고려대학교 산학협력단 Svm-bta updating apparatus and method for large scale dataset
KR101580202B1 (en) 2014-05-19 2015-12-24 고려대학교 산학협력단 Svm-bta updating apparatus and method for large scale dataset
CN110458002A (en) * 2019-06-28 2019-11-15 天津大学 A kind of lightweight fast human face recognition

Similar Documents

Publication Publication Date Title
KR101087765B1 (en) Suspected criminal detection and identification system based on face recognition
US10565433B2 (en) Age invariant face recognition using convolutional neural networks and set distances
Hafemann et al. Characterizing and evaluating adversarial examples for offline handwritten signature verification
Deb et al. Look locally infer globally: A generalizable face anti-spoofing approach
Raghuwanshi et al. An automated classroom attendance system using video based face recognition
US20190147218A1 (en) User specific classifiers for biometric liveness detection
Thepade et al. Novel face liveness detection using fusion of features and machine learning classifiers
CN112183167B (en) Attendance checking method, authentication method, living body detection method, device and equipment
KR101116737B1 (en) System for watchlist identification
Qi et al. A real-time face detection method based on blink detection
Hegde et al. Facial Expression Classifier Using Better Technique: FisherFace Algorithm
Kuznetsov et al. Biometric authentication using convolutional neural networks
Yogalakshmi et al. Review on digital image processing techniques for face recognition
Gaikwad et al. Face recognition using golden ratio for door access control system
Anusudha Real time face recognition system based on YOLO and InsightFace
Zolotarev et al. Liveness detection methods implementation to face identification reinforcement in gaming services
Koppikar et al. Face liveness detection to overcome spoofing attacks in face recognition system
Sripriya et al. Real time detection and recognition of human faces
Chen Design and simulation of AI remote terminal user identity recognition system based on reinforcement learning
US12019725B2 (en) Methods and systems for employing an edge device to provide multifactor authentication
Liashenko et al. Investigation of the influence of image quality on the work of biometric authentication methods
US20230244769A1 (en) Methods and systems for employing an edge device to provide multifactor authentication
Mutteneni et al. A Robust Hybrid Biometric Face Recognition Payment System
Vinutha et al. Antispoofing in face biometrics: A comprehensive study on software-based techniques
Tamgale et al. Application of deep convolutional neural network to prevent ATM fraud by facial disguise identification

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: 20150108

Year of fee payment: 4

FPAY Annual fee payment

Payment date: 20160201

Year of fee payment: 5

LAPS Lapse due to unpaid annual fee