KR101118978B1 - 얼굴 인식 시스템의 학습 영상을 생성하기 위한 장치 및 그 방법 - Google Patents

얼굴 인식 시스템의 학습 영상을 생성하기 위한 장치 및 그 방법 Download PDF

Info

Publication number
KR101118978B1
KR101118978B1 KR1020100024588A KR20100024588A KR101118978B1 KR 101118978 B1 KR101118978 B1 KR 101118978B1 KR 1020100024588 A KR1020100024588 A KR 1020100024588A KR 20100024588 A KR20100024588 A KR 20100024588A KR 101118978 B1 KR101118978 B1 KR 101118978B1
Authority
KR
South Korea
Prior art keywords
learning
images
image
user
stereoscopic model
Prior art date
Application number
KR1020100024588A
Other languages
English (en)
Other versions
KR20110105458A (ko
Inventor
배유석
진상일
이현숙
장석원
황석환
Original Assignee
한국산업기술대학교산학협력단
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 한국산업기술대학교산학협력단 filed Critical 한국산업기술대학교산학협력단
Priority to KR1020100024588A priority Critical patent/KR101118978B1/ko
Publication of KR20110105458A publication Critical patent/KR20110105458A/ko
Application granted granted Critical
Publication of KR101118978B1 publication Critical patent/KR101118978B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/20—Education
    • G06Q50/205—Education administration or guidance
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T15/00—3D [Three Dimensional] image rendering
    • G06T15/04—Texture mapping

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Educational Administration (AREA)
  • Educational Technology (AREA)
  • Strategic Management (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Graphics (AREA)
  • Economics (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • General Business, Economics & Management (AREA)
  • Image Analysis (AREA)
  • Processing Or Creating Images (AREA)
  • Image Processing (AREA)

Abstract

본 발명에 의한 얼굴 인식 시스템의 학습 영상을 생성하기 위한 장치 및 그 방법이 개시된다. 본 발명에 따른 얼굴 인식 시스템의 학습 영상을 생성하기 위한 장치는 이미지 센서를 이용하여 화면상에 설정된 다수의 기준점을 바라보는 사용자의 얼굴을 촬영한 다수의 기준 영상을 획득하는 기준영상 획득부; 획득한 다수의 기준 영상을 이용하여 3차원 입체 모델을 합성하는 입체모델 합성부; 합성한 상기 3차원 입체 모델을 통해 다수의 회전각에 따른 다수의 학습 영상을 생성하는 학습영상 생성부; 및 상기 다수의 기준 영상과 상기 다수의 학습 영상을 얼굴 인식 시스템의 학습에 적용하기 위한 하나의 학습 영상 그룹으로 구성하는 학습영상 구성부를 포함할 수 있다. 이를 통해, 본 발명은 학습 영상의 질을 향상시키고 인식률을 향상시킬 수 있을 뿐만 아니라 시스템에 대한 신뢰성을 향상시키고, 사용자의 불편함을 최소화할 수 있다.

Description

얼굴 인식 시스템의 학습 영상을 생성하기 위한 장치 및 그 방법{Aparatus for generating learning images for face recognition system and method thereof}
본 발명은 얼굴 인식 시스템의 학습 영상을 생성하기 위한 장치 및 그 방법에 관한 것이다.
국내의 경우, 정보통신 기술과 초고속 인터넷 등 정보통신 인프라의 고도화 및 확산으로 가상 교육 체제는 새로운 교육 환경의 대두로 부각되고 있으며, 그 중 가상 교육 체제의 주류는 e-learning(electronic learning)으로 대체 되고 있다.
이러한 e-learning은 차세대 교육으로 각광받고 있으나, e-learning 시스템의 시장 확대를 가로막는 몇 가지 문제점들이 제기되고 있는 실정이다. 최근 이슈가 되고 있는 대리출석, 대리시험, 부정행위 등의 문제가 e-learning 시스템에 대한 큰 문제점으로 대두되고 있으며, 이러한 문제에 대하여 보안 조치를 강화할 수 있는 획기적인 방어 방법이 요구되고 있는 시점이다.
아직까지 국내 시장에서는 e-learning 시스템에 대한 부정행위를 방지할 수 있는 보안 시스템의 개발이 미흡하나, 이러한 보안 시스템의 연구개발을 통해 e-learning 시스템 시장의 확대를 기대할 수 있다. 이러한 e-learning용 보안 시스템의 하나로 얼굴인식 시스템이 제안되어 활발히 연구 중에 있으나 e-learnign 시스템의 더욱 광범위한 상용화를 위해서는 인식률 향상이 필요하다.
이때, 일반적인 얼굴인식 방법으로는 기하학적 특징 기반 방법, 템플릿 기반 방법, 및 모델 기반 방법이 있다.
1)기하학적 특징 기반 방법은 눈, 코, 입 등의 얼굴특징의 위치, 크기, 얼굴특징 간의 거리와 같은 기하학적인 특징을 활용하여 인식하는 방법으로 연산속도가 빠르지만 다양한 변수가 존재하는 실제 상황에서는 인식률이 낮다.
2)템플릿 기반 방법은 가장 널리 사용되는 방법으로서, 얼굴 전체를 대표하는 특징 벡터를 활용하여 인식하는 방법이다. 상용 제품에 탑재되는 대표적인 방법으로는 PCA (Principal Component Analysis) 방법이 있다.
그리고 3)모델 기반 방법은 최근 활발히 연구되고 있는 분야로서, 얼굴 모델을 만들고 그 얼굴 모델의 매개 변수 값을 활용하여 인식하는 방법이다. 그 대표적인 방법으로는 HMM(Hidden Markov Model) 방법이 있다.
특히, 템플릿 기반 방법과 모델 기반 방법은 시스템의 학습(learning) 과정이 필요하다. 즉, 사전에 등록된 사용자의 얼굴 영상들(학습 영상)로부터, 인식할 때 판단 기준이 되는 값들을 추출해 놓아야 한다. 이러한 학습영상들이 실제 상황과 변수들을 적절히 대표하여야 실제 상황에서 높은 인식률을 기대할 수 있다.
그런데 실제 상황에서 사용자가 얼굴을 등록할 때, 사용자에게 다양한 얼굴 영상을 제공하게끔 요구하는 것은 사용자로 하여금 불편함을 초래하게 한다.
본 발명의 목적은 상기와 같은 문제점을 해결하기 위하여 창안된 것으로서, 화면상에 설정된 다수의 기준점을 기반으로 촬영된 다수의 기준 영상을 이용하여 3차원 입체 모델을 합성하고 그 3차원 입체 모델을 통해 다수의 학습 영상을 생성하고자 하는 얼굴 인식 시스템의 학습 영상을 생성하기 위한 장치 및 그 방법을 제공하는데 있다.
이를 위하여, 본 발명의 한 관점에 따른 얼굴 인식 시스템의 학습 영상을 생성하기 위한 장치는 이미지 센서를 이용하여 화면상에 설정된 다수의 기준점을 바라보는 사용자의 얼굴을 촬영한 다수의 기준 영상을 획득하는 기준영상 획득부; 획득한 다수의 기준 영상을 이용하여 3차원 입체 모델을 합성하는 입체모델 합성부; 합성한 상기 3차원 입체 모델을 통해 다수의 회전각에 따른 다수의 학습 영상을 생성하는 학습영상 생성부; 및 상기 다수의 기준 영상과 상기 다수의 학습 영상을 얼굴 인식 시스템의 학습에 적용하기 위한 하나의 학습 영상 그룹으로 구성하는 학습영상 구성부를 포함할 수 있다.
상기 기준점은 상기 화면을 바라보는 사용자의 얼굴을 여러 각도에서 촬영하기 위한 서로 다른 지점이고, 상기 기준 영상은 적어도 3개 이상인 것을 특징으로 한다.
상기 다수의 회전각은 수평회전각 또는 yaw, 수직회전각 pitch, 그리고 기울임 회전각 또는 roll인 것을 특징으로 한다.
상기 학습영상 생성부는 상기 다수의 회전각 각각에 따라 일정 각도씩 변경된 상기 학습 영상을 생성하는 것을 특징으로 한다.
본 발명은 사용자마다 구성된 상기 학습 영상 그룹을 저장하는 데이터베이스를 더 포함할 수 있다.
본 발명의 다른 한 관점에 따른 얼굴 인식 시스템의 학습 영상을 생성하기 위한 방법은 이미지 센서를 이용하여 화면상에 설정된 다수의 기준점을 바라보는 사용자의 얼굴을 촬영한 다수의 기준 영상을 획득하는 단계; 획득한 다수의 기준 영상을 이용하여 3차원 입체 모델을 합성하는 단계; 합성한 상기 3차원 입체 모델을 통해 다수의 회전각에 따른 다수의 학습 영상을 생성하는 단계; 및 획득된 상기 다수의 기준 영상과 생성된 상기 다수의 학습 영상을 얼굴 인식 시스템의 학습에 적용하기 위한 하나의 학습 영상 그룹으로 구성하는 단계를 포함할 수 있다.
상기 기준점은 상기 화면을 바라보는 사용자의 얼굴을 여러 각도에서 촬영하기 위한 서로 다른 지점이고, 상기 기준 영상은 적어도 3개 이상인 것을 특징으로 한다.
상기 다수의 회전각은 수평회전각 또는 yaw, 수직회전각 pitch, 그리고 기울임 회전각 또는 roll인 것을 특징으로 한다.
상기 학습 영상을 생성하는 단계는 상기 다수의 회전각 각각에 따라 일정 각도씩 변경된 상기 학습 영상을 생성하는 것을 특징으로 한다.
본 발명은 사용자마다 구성된 상기 학습 영상 그룹을 데이터베이스에 저장하는 단계를 더 포함할 수 있다.
이처럼, 본 발명은 화면상에 설정된 다수의 기준점을 기반으로 촬영된 다수의 기준 영상을 이용하여 3차원 입체 모델을 합성하고 그 3차원 입체 모델을 통해 다수의 학습 영상을 생성함으로써, 학습 영상의 질을 향상시킬 수 있다.
또한, 본 발명은 화면상에 설정된 다수의 기준점을 기반으로 촬영된 다수의 기준 영상을 이용하여 3차원 입체 모델을 합성하고 그 3차원 입체 모델을 통해 다수의 학습 영상을 생성함으로써, 인식률을 향상시킬 수 있다.
또한, 본 발명은 화면상에 설정된 다수의 기준점을 기반으로 촬영된 다수의 기준 영상을 이용하여 3차원 입체 모델을 합성하고 그 3차원 입체 모델을 통해 다수의 학습 영상을 생성함으로써, 시스템에 대한 신뢰성을 향상시킬 수 있다.
또한, 본 발명은 화면상에 설정된 다수의 기준점을 기반으로 촬영된 다수의 기준 영상을 이용하여 3차원 입체 모델을 합성하고 그 3차원 입체 모델을 통해 다수의 학습 영상을 생성함으로써, 사용자의 불편함을 최소화할 수 있다.
도 1은 본 발명의 실시예에 따른 얼굴 인식 시스템의 학습 영상을 생성하기 위한 장치를 나타내는 예시도이고,
도 2는 본 발명의 실시예에 따른 기준영상을 촬영하는 원리를 설명하기 위한 예시도이고,
도 3은 본 발명의 실시예에 따른 학습 영상을 생성하는 원리를 설명하기 위한 예시도이고,
도 4은 본 발명의 실시예에 따른 얼굴 인식 시스템의 학습 영상을 생성하기 위한 방법을 나타내는 예시도이다.
이하에서는, 본 발명의 실시예에 따른 얼굴 인식 시스템의 학습 영상을 생성하기 위한 장치 및 그 방법을 첨부된 도 1 내지 도 4를 참조하여 상세히 설명한다. 본 발명은 카메라가 소정 영역에 설치된 화면상에 설정된 다수의 기준점을 기반으로 촬영된 다수의 기준 영상을 이용하여 3차원 입체 모델을 합성하고 그 3차원 입체 모델을 통해 다수의 학습 영상을 생성하고자 한다. 즉, 본 발명은 e-learning 환경 즉, 사용자가 컴퓨터의 화면을 응시하고 있는 상황에서 최소한의 기준 영상을 획득하는 방안과 이러한 기준 영상들로부터 학습에 필요한 추가적인 학습 영상들을 생성하는 방안을 제안하고자 한다.
도 1은 본 발명의 실시예에 따른 얼굴 인식 시스템의 학습 영상을 생성하기 위한 장치를 나타내는 예시도이다.
도 1에 도시한 바와 같이, 본 발명에 따른 얼굴 인식 시스템의 학습 영상을 생성하기 위한 장치는 이미지 센서(110), 기준영상 획득부(120), 입체모델 합성부(130), 학습영상 생성부(140), 학습영상 구성부(150), 및 데이터베이스(160) 등을 포함하여 구성될 수 있다.
이미지 센서(110)는 사용자의 얼굴을 촬영하기 위한 카메라로서, 컴퓨터의 모니터 화면의 일측에 장착되어 화면상의 소정 영역을 바라보고 있는 사용자의 이미지를 촬영하게 된다.
도 2는 본 발명의 실시예에 따른 기준영상을 촬영하는 원리를 설명하기 위한 예시도이다.
도 2에 도시한 바와 같이, 컴퓨터의 모니터 화면의 위측 중앙에 카메라가 장착되고, 화면상의 네 곳에 표시된 기준점(reference point)를 보여주고 있다. 그래서 카메라는 화면의 기준점을 바라보고 있는 상태에서 사용자의 얼굴을 촬영하게 된다.
물론 본 발명에 따른 장치는 각 기준점을 차례로 제시하되, 음성 안내를 통해 사용자가 그 기준점을 정면에서 바라보도록 하게 된다. 이렇게 서로 다른 기준점을 바라보도록 함으로써 사용자의 얼굴을 다양한 각도에서 촬영할 수 있다.
예컨대, 기준점 #1에서는 사용자가 위쪽으로 바라보는 얼굴을 촬영하고, 기준점 #2에서는 사용자가 왼쪽을 바라보는 얼굴 즉, 오른쪽 얼굴의 모습을 촬영하며, 기준점 #3에서는 사용자가 오른쪽을 바라보는 얼굴 즉, 왼쪽 얼굴의 모습을 촬영하며, 기준점 #4에서는 사용자가 아래쪽으로 바라보는 얼굴을 촬영한다.
기준영상 획득부(120)는 이렇게 화면상의 다수의 기준점 #1, #2, #3, #4를 바라보는 사용자의 얼굴을 촬영한 기준영상 1, 2, 3, 4를 획득할 수 있다.
입체모델 합성부(130)는 획득한 기준영상 1, 2, 3, 4를 기반으로 사용자의 얼굴을 3차원 입체 모델을 합성할 수 있다.
학습영상 생성부(140)는 합성한 3차원 입체 모델을 기반으로 사용자가 화면을 바라보고 있는 여러 각도에서의 얼굴 영상 즉, 학습 영상을 생성할 수 있다. 예컨대, 학습 영상 생성부(140)는 수평회전각 또는 yaw, 수직회전각 pitch, 그리고 기울임 회전각 또는 roll 상태에 따라 각각 다수의 학습 영상을 생성하게 된다.
도 3은 본 발명의 실시예에 따른 학습 영상을 생성하는 원리를 설명하기 위한 예시도이다.
도 3에 도시한 바와 같이, 학습영상 생성부(140)는 다양한 회전각 각각에 따라 일정 각도씩 변경된 다수의 학습 영상을 생성하게 되는데, 예컨대, 그림 (a)처럼 수평회전각 또는 yaw을 -15도, -10도 -5도, 5도, 10도, 15도로하여 학습 영상을 생성하고, 그림 (b)처럼 수직회전각 pitch을 -15도, -10도 -5도, 5도, 10도, 15도로하여 학습 영상을 생성하며, 그리고 그림 (c)처럼 기울임 회전각 또는 roll을 -15도, -10도 -5도, 5도, 10도, 15도로하여 학습 영상을 생성하는 것을 보여주고 있다.
학습영상 구성부(150)는 사용자에 대한 다수의 기준 영상과 다수의 학습 영상을 얼굴 인식 시스템의 학습에 적용하기 위한 하나의 학습 영상 그룹으로 구성하여 이렇게 구성된 학습 영상 그룹을 데이터베이스(160)에 저장하여 관리하게 된다.
이때, 본 발명은 4장의 기준 영상과 3가지의 회전각 상태 각각에 대해 6장의 학습 영상을 생성하여 학습 영상 그룹으로 22장의 영상을 구성하게 되는데, 반드시 이에 한정되는 것이 아니라 필요에 따라 다양하게 구성될 수 있다.
이를 통해, 본 발명은 화면상에 설정된 다수의 기준점을 기반으로 촬영된 다수의 기준 영상을 이용하여 3차원 입체 모델을 합성하고 그 3차원 입체 모델을 통해 다수의 학습 영상을 생성함으로써, 학습 영상의 질을 향상시킬 수 있다.
또한, 본 발명은 화면상에 설정된 다수의 기준점을 기반으로 촬영된 다수의 기준 영상을 이용하여 3차원 입체 모델을 합성하고 그 3차원 입체 모델을 통해 다수의 학습 영상을 생성함으로써, 인식률을 향상시킬 수 있다.
도 4은 본 발명의 실시예에 따른 얼굴 인식 시스템의 학습 영상을 생성하기 위한 방법을 나타내는 예시도이다.
도 4에 도시한 바와 같이, 먼저 이미지 센서 예컨대, 카메라를 통해 화면상의 소정 영역을 바라보고 있는 사용자의 얼굴 이미지를 촬영하여(S410), 생성된 다수의 기준 영상을 획득하게 된다(S420). 물론 사용자는 바라보는 화면상의 소정 영역으로 얼굴 전체를 움직여야만 여러 각도에서의 얼굴 이미지를 촬영할 수 있게 된다.
입체모델 합성부는 획득한 다수의 기준영상을 기반으로 사용자의 얼굴을 3차원 입체 모델을 합성하게 되는데(S430), 통상적으로 적어도 3장의 기준영상을 이용하여 3차원 입체 모델을 합성하게 된다.
학습영상 생성부는 이렇게 합성한 3차원 입체 모델을 기반으로 사용자가 화면을 바라보고 있는 여러 각도에서의 얼굴 영상 즉, 학습 영상을 생성하게 된다(S440).
그래서 학습영상 구성부는 기준영상 획득부를 통해 획득된 다수의 기준 영상과 학습영상 생성부를 통해 생성된 다수의 학습 영상을 얼굴 인식 시스템의 학습에 적용하기 위한 하나의 학습 영상 그룹으로 구성하게 된다(S450).
이처럼, 본 발명은 화면상에 설정된 다수의 기준점을 기반으로 촬영된 다수의 기준 영상을 이용하여 3차원 입체 모델을 합성하고 그 3차원 입체 모델을 통해 다수의 학습 영상을 생성함으로써, 시스템에 대한 신뢰성을 향상시킬 수 있다.
또한, 본 발명은 화면상에 설정된 다수의 기준점을 기반으로 촬영된 다수의 기준 영상을 이용하여 3차원 입체 모델을 합성하고 그 3차원 입체 모델을 통해 다수의 학습 영상을 생성함으로써, 사용자의 불편함을 최소화할 수 있다.
본 발명에 의한, 얼굴 인식 시스템의 학습 영상을 생성하기 위한 장치 및 그 방법은 본 발명의 기술적 사상의 범위 내에서 다양한 형태로 변형, 응용 가능하며 상기 실시예에 한정되지 않는다. 또한, 상기 실시 예와 도면은 발명의 내용을 상세히 설명하기 위한 목적일 뿐, 발명의 기술적 사상의 범위를 한정하고자 하는 목적은 아니며, 이상에서 설명한 본 발명은 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에 있어 본 발명의 기술적 사상을 벗어나지 않는 범위 내에서 여러 가지 치환, 변형, 및 변경이 가능하므로 상기 실시 예 및 첨부된 도면에 한정되는 것은 아님은 물론이며, 후술하는 청구범위뿐만이 아니라 청구범위와 균등 범위를 포함하여 판단되어야 한다.
110: 이미지 센서
120: 기준영상 획득부
130: 입체모델 합성부
140: 학습영상 생성부
150: 학습영상 구성부
160: 데이터베이스

Claims (12)

  1. 화면을 바라보는 사용자의 얼굴을 여러 각도에서 촬영하기 위하여 상기 화면상의 서로 다른 지점에 각각 설정된 다수의 기준점을 바라보는 상기 사용자의 얼굴을 이미지 센서를 이용하여 각 기준점 별로 촬영한 다수의 기준 영상을 획득하는 기준영상 획득부;
    상기 각 기준점 별로 획득된 다수의 기준 영상을 이용하여 3차원 입체 모델을 합성하는 입체모델 합성부;
    합성한 상기 3차원 입체 모델을 통해 다수의 회전각에 따른 다수의 학습 영상을 생성하는 학습영상 생성부; 및
    상기 다수의 기준 영상과 상기 다수의 학습 영상을 얼굴 인식 시스템의 학습에 적용하기 위한 하나의 학습 영상 그룹으로 구성하는 학습영상 구성부를 포함하고,
    상기 다수의 회전각은 수평 회전각(row), 수직 회전각(pitch), 및 기울임 회전각(row)을 포함하며,
    상기 다수의 학습 영상은 상기 3차원 입체 모델을 상기 다수의 회전각 별로 -15도 내지 15도 범위에서 일정 각도씩 변형시켜 획득되는 영상인 것을 특징으로 하는 얼굴 인식 시스템의 학습 영상을 생성하기 위한 장치.
  2. 삭제
  3. 제1 항에 있어서,
    상기 기준 영상은,
    적어도 3개 이상인 것을 특징으로 하는 얼굴 인식 시스템의 학습 영상을 생성하기 위한 장치.
  4. 삭제
  5. 삭제
  6. 제1 항에 있어서,
    사용자마다 구성된 상기 학습 영상 그룹을 저장하는 데이터베이스를 더 포함하는 것을 특징으로 하는 얼굴 인식 시스템의 학습 영상을 생성하기 위한 장치.
  7. 화면을 바라보는 사용자의 얼굴을 여러 각도에서 촬영하기 위하여 상기 화면상의 서로 다른 지점에 각각 설정된 다수의 기준점을 바라보는 상기 사용자의 얼굴을 이미지 센서를 이용하여 각 기준점 별로 촬영한 다수의 기준 영상을 획득하는 단계;
    상기 각 기준점 별로 획득된 다수의 기준 영상을 이용하여 3차원 입체 모델을 합성하는 단계;
    합성한 상기 3차원 입체 모델을 통해 다수의 회전각에 따른 다수의 학습 영상을 생성하는 단계; 및
    상기 다수의 기준 영상과 상기 다수의 학습 영상을 얼굴 인식 시스템의 학습에 적용하기 위한 하나의 학습 영상 그룹으로 구성하는 단계를 포함하고,
    상기 다수의 회전각은 수평 회전각(row), 수직 회전각(pitch), 및 기울임 회전각(row)을 포함하며,
    상기 다수의 학습 영상은 상기 3차원 입체 모델을 상기 다수의 회전각 별로 -15도 내지 15도 범위에서 일정 각도씩 변형시켜 획득되는 영상인 것을 특징으로 하는 얼굴 인식 시스템의 학습 영상을 생성하기 위한 방법.
  8. 삭제
  9. 제7 항에 있어서,
    상기 기준 영상은,
    적어도 3개 이상인 것을 특징으로 하는 얼굴 인식 시스템의 학습 영상을 생성하기 위한 방법.
  10. 삭제
  11. 삭제
  12. 제7 항에 있어서,
    사용자마다 구성된 상기 학습 영상 그룹을 데이터베이스에 저장하는 단계를 더 포함하는 것을 특징으로 하는 얼굴 인식 시스템의 학습 영상을 생성하기 위한 방법.
KR1020100024588A 2010-03-19 2010-03-19 얼굴 인식 시스템의 학습 영상을 생성하기 위한 장치 및 그 방법 KR101118978B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020100024588A KR101118978B1 (ko) 2010-03-19 2010-03-19 얼굴 인식 시스템의 학습 영상을 생성하기 위한 장치 및 그 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020100024588A KR101118978B1 (ko) 2010-03-19 2010-03-19 얼굴 인식 시스템의 학습 영상을 생성하기 위한 장치 및 그 방법

Publications (2)

Publication Number Publication Date
KR20110105458A KR20110105458A (ko) 2011-09-27
KR101118978B1 true KR101118978B1 (ko) 2012-02-28

Family

ID=44955794

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020100024588A KR101118978B1 (ko) 2010-03-19 2010-03-19 얼굴 인식 시스템의 학습 영상을 생성하기 위한 장치 및 그 방법

Country Status (1)

Country Link
KR (1) KR101118978B1 (ko)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101708328B1 (ko) * 2015-01-28 2017-02-20 주식회사 시그널이엔씨 사물 인식에 기반한 영상단말기 보안시스템
KR101964282B1 (ko) * 2015-12-22 2019-04-01 연세대학교 산학협력단 3d 모델을 활용한 2d 영상 학습 데이터 생성 시스템 및 그 생성방법
KR102085334B1 (ko) * 2017-01-19 2020-03-05 서울대학교산학협력단 회전된 사물 인식 방법 및 장치
KR101781361B1 (ko) * 2017-01-25 2017-09-26 대한민국 얼굴 비교를 통한 개인 식별 방법
KR20210099988A (ko) 2020-02-05 2021-08-13 삼성전자주식회사 뉴럴 네트워크의 메타 학습 방법 및 장치와 뉴럴 네트워크의 클래스 벡터 학습 방법 및 장치

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004362079A (ja) * 2003-06-02 2004-12-24 Fuji Photo Film Co Ltd 本人認証装置

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004362079A (ja) * 2003-06-02 2004-12-24 Fuji Photo Film Co Ltd 本人認証装置

Also Published As

Publication number Publication date
KR20110105458A (ko) 2011-09-27

Similar Documents

Publication Publication Date Title
CN109325437B (zh) 图像处理方法、装置和系统
Joo et al. Panoptic studio: A massively multiview system for social motion capture
WO2021004257A1 (zh) 视线检测和视频处理的方法、装置、设备和存储介质
US8624901B2 (en) Apparatus and method for generating facial animation
CN109218619A (zh) 图像获取方法、装置和系统
CN108369785A (zh) 活性检测
KR101118978B1 (ko) 얼굴 인식 시스템의 학습 영상을 생성하기 위한 장치 및 그 방법
CN105426827A (zh) 活体验证方法、装置和系统
US20130127827A1 (en) Multiview Face Content Creation
CN110211222B (zh) 一种ar沉浸式旅游导览方法、装置、存储介质及终端设备
CN107656619A (zh) 一种智能投影方法、系统及智能终端
WO2008144843A1 (en) Systems and methods for applying a 3d scan of a physical target object to a virtual environment
Rocca et al. Head pose estimation by perspective-n-point solution based on 2d markerless face tracking
KR20110088361A (ko) 정면 얼굴 영상 생성 장치 및 방법
CN112669422A (zh) 仿真3d数字人生成方法、装置、电子设备及存储介质
CN114373044A (zh) 生成脸部三维模型的方法、装置、计算设备和存储介质
KR101212223B1 (ko) 촬영장치 및 깊이정보를 포함하는 영상의 생성방법
CN111161399B (zh) 基于二维影像生成三维模型的数据处理方法及组件
CN111292234B (zh) 一种全景图像生成方法及装置
CN108416255B (zh) 基于三维动画中角色实时面部表情动画捕捉的系统和方法
CN106708266A (zh) 一种基于双目手势识别的ar动作矫正投影方法及系统
CN110175572A (zh) 人脸图像处理方法及装置、电子设备及存储介质
CN111629194B (zh) 一种基于神经网络的全景视频转6dof视频的方法及系统
JP5864789B1 (ja) 鉄道模型観賞用装置、方法、プログラム、専用表示モニタ、合成用情景画像データ
CN105095849B (zh) 对象识别方法与装置

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: 20150129

Year of fee payment: 4

FPAY Annual fee payment

Payment date: 20170405

Year of fee payment: 6

LAPS Lapse due to unpaid annual fee