KR101374164B1 - 얼굴 영상의 계층적 특징 분류를 이용한 진로 선택 시스템 및 그 방법 - Google Patents

얼굴 영상의 계층적 특징 분류를 이용한 진로 선택 시스템 및 그 방법 Download PDF

Info

Publication number
KR101374164B1
KR101374164B1 KR1020130016825A KR20130016825A KR101374164B1 KR 101374164 B1 KR101374164 B1 KR 101374164B1 KR 1020130016825 A KR1020130016825 A KR 1020130016825A KR 20130016825 A KR20130016825 A KR 20130016825A KR 101374164 B1 KR101374164 B1 KR 101374164B1
Authority
KR
South Korea
Prior art keywords
face
face image
image
sample
attribute
Prior art date
Application number
KR1020130016825A
Other languages
English (en)
Inventor
최창석
Original Assignee
명지대학교 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 명지대학교 산학협력단 filed Critical 명지대학교 산학협력단
Priority to KR1020130016825A priority Critical patent/KR101374164B1/ko
Priority to PCT/KR2013/006663 priority patent/WO2014126308A1/ko
Application granted granted Critical
Publication of KR101374164B1 publication Critical patent/KR101374164B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • 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

Abstract

본 발명은 얼굴 영상의 계층적 특징 분류를 이용한 진로 선택 시스템 및 그 방법에 관한 것으로서, 입력받은 얼굴 영상의 각 부위를 분류하고, 분류된 각 부위를 개별적인 속성을 갖는 '특징 분류정보'를 생성하는 특징 분류부(100); '특징 분류정보'에 포함된 얼굴 영상과 표본DB(210)에 기 저장된 표본 영상을 정규화하고, 복수개의 표본 영상들 중 얼굴 영상과 유사도 연산을 수행하여 가장 가까운 값을 갖는 표본 영상의 속성 값을 얼굴 영상의 속성 값으로 생성하는 속성 부여부(200); 얼굴 영상에 부여된 복수개의 속성 값에 대한 평균값을 '얼굴전체 특징속성 지수정보'를 생성하는 속성 지수화부(300); 및 직업DB(410)에 기 저장된 복수개의 직업정보들 중에 '얼굴전체 특징속성 지수정보'의 지수와 유사한 군에 속하는 직업정보를 색인하여 '진로 선택정보'를 생성하는 진로 매칭부(400);를 포함한다.
상기와 같은 본 발명에 따르면, 북방형과 남방형이 갖는 얼굴의 특징을 기준으로 얼굴 영상의 계층적 특징을 분류하고, 분류된 얼굴 영상의 특징과 표본 영상의 특징을 매칭하여 각각의 특징에 속성 값을 부여하여 지수화하며, 지수화된 얼굴 영상과 대응하는 직업군을 도출함으로써, 얼굴형에 따라 내재된 개개인의 재능을 사전에 발굴하고, 진로선택의 가이드라인을 제공하는 효과가 있다.

Description

얼굴 영상의 계층적 특징 분류를 이용한 진로 선택 시스템 및 그 방법{SYSTEM FOR SELECTING CAREER USING CLASSIFICATION OF HIERARCHICAL FACIAL FEATURE AND METHOD THEREFOR}
본 발명은 얼굴 영상의 계층적 특징 분류를 이용한 진로 선택 시스템 및 그 방법에 관한 것으로 더욱 상세하게는, 얼굴 영상의 계층적 특징을 분류하고, 분류된 특징 각각과 부합하는 속성 값을 지수화하며, 지수화된 얼굴 영상과 부합하는 직업군을 제공하는 기술에 관한 것이다.
대한민국 공개특허 제10-2012-0037532호(진로 상담 시스템 및 방법)에는, MBTI(Myers-Briggs Type Indicator) 또는 STRONG 심리검사 결과에 기초하여 회원과 매칭되는 직업을 제공하는 기술이 개시되어 있다.
그러나, 선행특허의 경우, 회원의 내면적 심리검사 결과에 따라 검사결과가 상이하게 도출되기 때문에 신뢰성을 답보할 수 없다는 단점이 있다.
따라서, 본 발명은 인류 진화에 따라 유전적 특성이 발현된 외형 특히, 개개인의 얼굴과 대응하는 직업군을 도출하여 얼굴 영상과 최적화된 진로를 제공하고자 한다.
구체적으로 얼굴형은 북방형과 남방형으로 구분할 수 있는데, 아시아인, 유럽인, 아프리카인과 같은 인종에 따른 외형적인 차이는 피부색 뿐 아니라 얼굴의 형태로도 알 수 있다. 이 중 아시아인의 특징으로 낮은 코, 찢어진 눈 등을 들 수 있다.
한편, 같은 아시아계라도 민족에 따라 외형적 차이가 나타나는데, 이는 유전적 요인에서 오는 것으로 한국은 비교적 타민족과의 혼혈이 적어 우리만의 고유한 특징이 더 강하게 나타난다.
도 1에 도시된 바와 같이, 한민족은 크게 북방형과 남방형으로 이루어진다. 19만 년 전 동북아프리카에서 출현한 인류는 8만3천 년 전 ~ 7만5천 년 전에 아라비아 반도를 거처 인도서북부로 진출하였고 이들이 나누어져 오스트레일리아, 아시아, 유럽 각지로 확산되었다. 이들 중 일부가 아프리카에서 남쪽 해안을 따라 이동하며 동남아시아에 이른 사람들과 중앙아시아를 거쳐 시베리아에 도착한 사람들이 아시아의 조상이 되었다.
동남아시아에 도착한 사람들은 더운 기후에 적응한 남방형으로, 시베리아에서 추위에 적응한 사람들은 북방형으로 진화하였다. 최대최종빙기를 거치며 살아남은 북방형들이 1만3천 년 전부터 남쪽으로 내려오면서 동북아시아에 살고 있던 남방형과 함께 몽골인, 중국인, 한국인, 일본인의 조상이 되었다.
북방형과 남방형은 오랜 시간 추위와 더위에 각각 적응하면서 얼굴과 체형 등에 큰 영향을 받았다. 도 2는 남방형과 북방형의 전형적인 얼굴을 비교한 것으로, 남방형은 역오각형에 짧고 넒은 장두형이며 얼굴의 윤곽이 뚜렷한 얼굴인데 비하여, 북방형은 타원형에 길고 좁은 단두형이며 매끈한 얼굴이라 특징지을 수 있다.
이러한 남방형과 북방형의 특징은, 인류전체가 가지고 있는 미토콘드리아 DNA의 종류(A~Z까지 수십 가지)를 토대로 추측할 수 있는데, 그 중에서 동아시아인들이 가지고 있는 DNA는 A~D, F, G, M7~M10, N9, Y, Z로 모두 13개이다[Out of Eden The peopling of the world, S. Oppenheimer, Robinson, p.70, p.230, 2003].
이들 DNA를 남방형과 북방형으로 정확히 구분하기는 매우 어려운 일이다. 그러나 여러 연구를 종합해보면 동남아시아에서 많이 발견되는 DNA(B, F, M7, M9, N9)를 남방형으로, 중앙아시아와 동북아시아에 많이 발견되는 DNA(A, C, D4, D5, G, M8a, M10, Y, Z)를 북방형으로 나눌 수 있다.
따라서, 본 발명은 전술한 바와 같이 인류 진화에 따라 유전적 특성이 발현된 외형(남방형 및 북방형) 특히, 개개인의 얼굴 영상을 계층적 특징별로 분류하고, 분류된 얼굴 영상을 데이터베이스에 기 저장된 표본 영상과의 매칭을 통해 지수화하고, 지수화된 얼굴 영상과 대응하는 직업군을 도출함으로써, 얼굴 영상과 최적화된 진로를 제공하고자 한다.
본 발명은 상기와 같은 문제점을 해결하고자 안출된 것으로, 북방형과 남방형이 갖는 얼굴의 특징을 기준으로 얼굴 영상의 계층적 특징을 분류하고, 분류된 얼굴 영상의 특징과 표본 영상의 특징을 매칭하여 각각의 특징에 속성 값을 부여함으로써 지수화하며, 지수화된 얼굴 영상과 대응하는 직업군을 도출함으로써, 얼굴형에 따라 내재된 개개인의 재능을 사전에 발굴하고, 진로선택의 가이드라인을 제공하는데 그 목적이 있다.
이러한 기술적 과제를 달성하기 위한 본 발명에 따른 얼굴 영상의 계층적 특징 분류를 이용한 진로 선택 시스템은, 입력받은 얼굴 영상의 각 부위를 분류하고, 분류된 각 부위를 개별적인 속성을 갖는 '특징 분류정보'를 생성하는 특징 분류부(100); '특징 분류정보'에 포함된 얼굴 영상과 표본DB(210)에 기 저장된 표본 영상을 정규화하고, 복수개의 표본 영상들 중 얼굴 영상과 유사도 연산을 수행하여 가장 가까운 값을 얼굴 영상의 속성 값으로 생성하는 속성 부여부(200); 및 얼굴 영상에 부여된 복수개의 속성 값에 대한 평균값을 '얼굴전체 특징속성 지수정보'로 생성하는 속성 지수화부(300); 및 직업DB(410)에 기 저장된 복수개의 직업정보들 중에 '얼굴전체 특징속성 지수정보'의 지수와 유사한 군에 속하는 직업정보를 색인하여 '진로 선택정보'를 생성하는 진로 매칭부(400);를 포함한다.
그리고, 전술한 바와 같은 시스템을 기반으로 하는 얼굴 영상의 계층적 특징 분류를 이용한 진로 선택 방법은, 특징 분류부(100)가 얼굴 영상의 각 부위를 분류하고, 분류된 부위 각각이 개별적인 속성을 갖는 '특징 분류정보'를 생성하는 (a) 단계; 속성 부여부(200)가 '특징 분류정보'에 포함된 얼굴 영상과 표본DB(210)에 기 저장된 표본 영상을 비교하여 얼굴 각 부위의 49개 각각에 속성 값을 부여하는 (b) 단계; 속성 지수화부(300)가 얼굴 영상에 부여된 복수개의 속성 값에 대한 평균값을 '얼굴전체 특징속성 지수정보'로 생성하는 (c) 단계; 및 진로 매칭부(400)가 직업DB(410)에 기 저장된 복수개의 직업정보들 중에 '얼굴전체 특징속성 지수정보'의 지수와 유사한 군에 속하는 직업정보를 색인하여 '진로 선택정보'를 생성하는 (d) 단계;를 포함한다.
상기와 같은 본 발명에 따르면, 북방형과 남방형이 갖는 얼굴의 특징을 기준으로 얼굴 영상의 계층적 특징을 분류하고, 분류된 얼굴 영상의 특징과 표본 영상의 특징을 매칭하여 각각의 특징에 속성 값을 부여하여 지수화하며, 지수화된 얼굴 영상과 대응하는 직업군을 도출함으로써, 얼굴형에 따라 내재된 개개인의 재능을 사전에 발굴하고, 진로선택의 가이드라인을 제공하는 효과가 있다.
도 1은 인류의 탄생이후 아시아로의 이동 경로 및 주거지역을 도시한 도면.
도 2는 남방형과 북방형의 전형적인 얼굴을 도시한 예시도.
도 3은 본 발명에 따른 얼굴 영상의 계층적 특징 분류를 이용한 진로 선택 시스템을 도시한 구성도.
도 4a 내지 도 4k는 본 발명에 따른 얼굴 영상의 계층적 특징 분류를 이용한 진로 선택 시스템의 얼굴 부위별로 남방형 얼굴 영상의 특징과 북방형 얼굴 영상의 특징을 지수화된 표본 영상을 도시한 도면.
도 5는 본 발명의 얼굴 영상의 계층적 특징 분류를 이용한 진로 선택 시스템에 따른 얼굴 영상의 형상모델을 도시한 도면.
도 6은 본 발명에 따른 얼굴 영상의 계층적 특징 분류를 이용한 진로 선택 시스템의 얼굴 영상과 표본 영상의 동공간 거리와 중점좌표를 일치시키고, 얼굴의 크기와 부위별 위치를 일치시킨 것을 도시한 도면.
도 7a 내지 도 7c는 본 발명에 따른 얼굴 영상의 계층적 특징 분류를 이용한 진로 선택 시스템의 속성 값 계산방법을 도시한 예시도.
도 8a 내지 도 8c는 본 발명에 따른 얼굴 영상의 계층적 특징 분류를 이용한 진로 선택 시스템의 얼굴 영상과 표본 영상의 비교를 통해 부여되는 속성 값에 대한 예시도.
도 9는 본 발명의 얼굴 영상의 계층적 특징 분류를 이용한 진로 선택 시스템에 따라 얼굴 영상과 표본 영상의 비교를 통해 속성 값 부여 과정을 도시한 예시도.
도 10은 본 발명의 얼굴 영상의 계층적 특징 분류를 이용한 진로 선택 시스템에 따라 수동으로 속성 값을 부여하는 것을 도시한 예시도.
도 11a 및 도 11b는 본 발명의 얼굴 영상의 계층적 특징 분류를 이용한 진로 선택 시스템에 따라 남/북방형 얼굴 영상과 부합하는 직업을 분류한 예시도.
도 12는 본 발명에 따른 얼굴 영상의 계층적 특징 분류를 이용한 진로 선택 방법을 도시한 순서도.
도 13은 본 발명에 따른 얼굴 영상의 계층적 특징 분류를 이용한 진로 선택 방법의 제S20단계의 세부과정을 도시한 순서도.
본 발명의 구체적인 특징 및 이점들은 첨부도면에 의거한 다음의 상세한 설명으로 더욱 명백해질 것이다. 이에 앞서, 본 명세서 및 청구범위에 사용된 용어나 단어는 발명자가 그 자신의 발명을 가장 최선의 방법으로 설명하기 위해 용어의 개념을 적절하게 정의할 수 있다는 원칙에 입각하여 본 발명의 기술적 사상에 부합하는 의미와 개념으로 해석되어야 할 것이다. 또한, 본 발명에 관련된 공지 기능 및 그 구성에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는, 그 구체적인 설명을 생략하였음에 유의해야 할 것이다.
도 3에 도시된 바와 같이 본 발명에 따른 얼굴 영상의 계층적 특징 분류 시스템(S)은, 특징 분류부(100), 속성 부여부(200), 속성 지수화부(300) 및 진로 매칭부(400)를 포함하여 구성된다.
먼저, 특징 분류부(100)는 입력받은 얼굴 영상의 각 부위를 분류하고, 분류된 각 부위를 개별적인 속성을 갖는 '특징 분류정보'를 생성하되, 얼굴 영상의 분류는 기 설정된 남방형 얼굴 및 북방형 얼굴을 기준으로 분류된다.
이때, 남방형과 북방형의 상반된 얼굴형은 [표 1]과 같이 얼굴윤곽, 두상, 후두부, 두발, 이마, 눈썹, 눈, 광대뼈, 코, 입술, 턱, 및 귀의 12개 부위로 분류되고, [표 2]와 같이 49개의 개별적 속성을 갖는다. 여기서 두상은 속성이 1개임에 따라 얼굴형 속성에 포함시켰다.
Figure 112013014144372-pat00001
Figure 112013014144372-pat00002
또한, 속성 부여부(200)는 특징 분류부(100)로부터 인가받은 '특징 분류정보'에 포함된 얼굴 영상을 정규화하고, 표본DB(210)에 기 저장된 복수개의 남방형 또는 북방형 얼굴에 대한 표본 영상들 중 얼굴 영상과 유사도 연산을 수행하여 가장 가까운 값을 갖는 표본 영상의 속성 값을 얼굴 영상의 속성 값으로 부여한다.
이때, 유사도 연산이란, 얼굴 영상의 특징이 표본영상의 속성 값 중에 '1.4'에 해당하는 경우, 얼굴 영상의 속성 값을 '1'로 부여하고, 얼굴 영상의 특징이 표본 영상의 속성 값 중에 '1.6'에 해당하는 경우, 얼굴 영상의 속성 값을 '2'로 부여하는 반올림 연산으로 이해함이 바람직하다.
이하에서는 그 구체적인 언급을 생략하겠으나, 본 발명에 따른 표본DB(210)에는 도 4a 내지 도 4k에 도시된 바와 같이 얼굴 부위별로 남방형 얼굴 영상의 특징과 북방형 얼굴 영상의 특징이 지수화된 표본 영상들이 정규화되어 기 저장되어 있으며, 지수화된 표본 영상들은 전술한 [표 2]에 기재된 얼굴의 12개 부위와 49개의 속성과 대응한다.
또한, 속성 부여부(200)의 각 속성별 표본 비교는 도 5에 도시된 바와 같이 얼굴 영상의 형상모델과 표본DB(210)에 기 저장된 표본 영상을 중첩시켜 기 설정된 범위 내에서 가장 가까운 표본 영상에 부여된 속성 값을 얼굴 영상의 속성 값으로 부여하게 된다.
여기서, 형상모델은 얼굴 영상에 포함된 얼굴 각 부분의 위치와 모양을 결정하는 점과, 점과 점을 연결한 선으로 이루어지고, 얼굴 영상에 포함된 얼굴에 대한 모델과 머리모양에 대한 모델로 구성되며, 각 점의 좌표를 이용하여 얼굴 부위의 길이, 너비, 각도 등을 측정하고 각 속성 단계의 표본 영상과 비교하기 위한 모델이다.
또한, 정규화란, 각 속성별 표본의 비교를 위해 도 6에 도시된 바와 같이, 얼굴 영상과 표본 영상들의 동공간 거리와 중점좌표를 일치시켜, 얼굴의 크기와 위치를 거의 일정하게 조정하는 작업이다.
즉, 이렇게 정규화를 하면 각기 다른 거리와 위치에서 촬영된 얼굴 영상들을 거의 일정한 거리와 위치에서 촬영한 얼굴 영상들처럼 조정하는 효과가 있어, 얼굴 영상들을 표본영상들과 비교할 수 있게 된다. 이런 정규화에서 동공간 거리를 이용하는 이유는 이 거리가 개인별 편차가 가장 적기 때문이다.
또한, 도 7a 내지 도 7c를 참조하여 얼굴 영상의 속성 값 부여에 대해 살피면 먼저, 입력받은 얼굴 영상을 정규화한 후, 표본DB(210)에 기 저장된 표본 영상들을 중첩시켜 비교해서 얼굴 영상의 속성 값을 부여한다.
이를 위해, 도 7a에 도시된 바와 같이 얼굴형을 정의한다. 이러면 얼굴 영상과 표본 영상의 얼굴 형태를 비교하여, 오각형, 역삼각형 또는 계란형 등으로 부여된 표본 영상의 속성 값들 중에서 얼굴 영상의 얼굴형에 가장 가까운 속성 값을 부여한다. 얼굴의 길이와 너비, 두상, 이마너비, 미간너비, 눈썹의 두께, 너비, 각도 등은 도 7a에 도시된 바와 같이 각기 정의하여 각각의 표본 영상들과 얼굴 영상의 형태를 비교하여 속성 값을 부여하는 방법은 얼굴형과 마찬가지이다.
또한, 도 7b에 도시된 바와 같이 눈의 크기, 길이, 둥글기, 각도, 눈두덩 너비, 눈 사이 거리, 코의 크기, 길이, 폭, 인중길이 등도 정의한다. 이들의 속성 값을 부여하는 방법도 역시 얼굴형과 동일하다.
또한, 도 7c에 도시된 바와 같이 입과 턱을 정의하여, 얼굴 영상과 표본 영상의 입 크기, 입의 길이, 입의 두께, 입의 각도, 턱의 크기, 턱의 너비, 및 턱의 길이를 비교하여 기 설정된 범위 내에서 각각에 가장 가까운 속성 값을 부여한다.
구체적으로, 얼굴의 속성 중 "얼굴형"은 얼굴 윤곽의 모양을 나타내는 것으로 남방형의 특징인 오각형의 얼굴과 북방형의 특징인 계란형 얼굴을 각각 속성 값 '1'과 속성 값 '5'로 정의하고, 그 사이 형태의 정도에 따라 속성 값 '2', '3', '4'로 정의한다.
즉, 얼굴형 속성 값의 결정 방법은 대상 얼굴 영상과 각 단계의 표본 영상에 대해, 얼굴 윤곽과 대응하는 복수개의 점(바람직하게는 32개점) 각각에 대한 좌표 값의 유사도를 도출하고 가장 유사한 단계로 속성 값을 부여하게 된다.
따라서, 얼굴 영상의 얼굴형 속성과 도 8a의 표본 영상의 얼굴형 속성과 대응하는 얼굴윤곽 좌표의 유사도를 측정하여 속성 값 '1' 내지 속성 값 '5' 중 가장 유사한 '5'로 얼굴형의 속성 값이 결정된다.
마찬가지로, 얼굴 길이에 대한 속성 값의 결정은, 얼굴 영상의 얼굴 길이 속성과 도 8b에 도시된 표본 영상의 얼굴 길이 속성과 대응하는 얼굴길이 좌표의 유사도를 측정하여 결정되고, 얼굴 너비에 대한 속성 값의 결정은, 얼굴 영상의 얼굴 너비 속성과 도 8c에 도시된 표본 영상의 얼굴 너비 속성과 대응하는 얼굴너비 좌표의 유사도를 측정하여 결정된다.
그밖에 상기 [표 2]에 의해 정의된 속성들도 동일하게 그 값의 결정은, 얼굴 영상의 속성과 표본 영상의 속성 값과 대응하는 좌표의 유사도 측정에 의해 결정된다.
아울러, 이마의 돌출과 눈썹의 끊김 정도, 광대뼈의 크기 및 방향과 같이 전문가의 판단이 요구되는 속성의 경우, 전문가가 얼굴 영상과 표본 영상을 수동으로 비교하여 얼굴 영상에 대한 속성 값을 부여할 수 있다.
한편, 도 9는 얼굴 영상과 표본 영상을 비교하여 자동으로 얼굴 영상에 속성 값을 부여한 결과의 예로, 얼굴형과 얼굴 길이, 너비 등의 속성 값을 나타내는 화면을 도시한 도면이다.
먼저, 비교대상인 얼굴 영상을 색인한 이후, 화면 왼쪽에는 속성을 부여하고자 하는 대상인 얼굴 영상을 배치하고, 오른쪽은 각 속성 값 '1' 내지 '5'와 대응하는 표본 영상을 배치한다.
이어서, 자동 부여된 속성 값을 갖는 표본 영상을 마크하여 부여된 속성 값이 올바른지 확인한다. 만약 부여된 결과에 오류가 있을 경우 속성 값을 수동으로 수정할 수 있다.
비교 결과 도 9에 도시된 바와 같이, 화면의 맨 왼쪽의 비교대상 얼굴 영상은, 얼굴형의 속성 값이 '4', 얼굴길이의 속성 값이 '3', 얼굴너비의 속성 값이 '3', 역삼각형 속성 값이 '5', 두상의 속성 값이 '2'로 분류되었음을 보이고 있다.
또한, 수동으로 속성 값을 부여하는 예는 도 10에 도시된 바와 같다.
도 10의 붉은 사각형은 이마의 속성 중 모양, 돌출의 속성 부여 화면으로 왼쪽의 비교대상 얼굴 영상과 오른쪽의 표본 영상을 비교하여 가장 유사한 속성을 선택하면 비교대상 얼굴 영상의 속성 값으로 결정된다.
전술한 바와 같이 속성 지수화부(300)가 얼굴 영상의 각 부위에 부여된 49개의 속성 값을 평균화하여 '얼굴전체 특징속성 지수정보'를 산출하게 된다.
구체적으로, 속성 지수화부(300)는 속성 부여부(200)로부터 인가받은 얼굴 영상에 부여된 복수개의 속성 값들에 대한 평균값을 지수화하여 '얼굴전체 특징속성 지수정보'를 생성한다.
그리고, 진로 매칭부(400)는 속성 지수화부(300)로부터 '얼굴전체 특징속성 지수정보'를 인가받으며, 직업DB(410)에 기 저장된 복수개의 직업정보들 중에 '얼굴전체 특징속성 지수정보'의 지수와 유사한 군에 속하는 직업정보를 색인하여 '진로 선택정보'를 생성한다.
이때, 직업DB(410)는 복수개의 직업군별로 표본 영상의 비율에 따라 남방형 또는 북방형에 적합한 직업정보들을 저장 및 관리하며, 도 11a는 얼굴형에 따라 분류된 남자의 직업을 도시한 도면이고, 도 11b는 얼굴형에 따라 분류된 여자의 직업을 도시한 도면이다.
부연하면, 도 11a 및 도 11b의 직업들은 40개 분야에서 성공한 사람들의 얼굴 영상 각각을 표본 영상과 비교하여 지수화한 '얼굴전체 특징속성 지수정보'를 토대로 기 분류된 직업들이다.
이때, 직업DB(410)는 성공한 사람들 즉, 각 분야에서 뛰어난 업적을 쌓은 사람들에 대한 직업정보들을 저장 및 관리하고 있다.
예를 들면 우리나라 30대 대기업 CEO들, 코스닥 상장업체 가운데 '히든 챔피언' 37개 중소기업 CEO들, 4선 이상 국회의원들, 스포츠 종목에서는 올림픽, 세계선수권대회 등과 같이 국제대회에서 메달을 획득한 사람들이다.
또한, 같은 분야에서 남자와 여자의 '얼굴전체 특징속성 지수정보'를 비교해보면 성별 차이를 알 수 있는데, 여자의 '얼굴전체 특징속성 지수정보'가 대체로 남자보다 크다. 그래서 남자에게는 있으나 여자에게는 없는 분야 기업CEO, 정치인, 법조인, 대학교수 등은 작가와 같이 유사한 분야의 남녀차이를 보고 유추한다. 반대로 여자에게는 있으나 남자에게는 없는 분야인 피겨 스케이팅은 같은 빙상종목인 쇼트트랙에서 유추한다.
또한, 직업DB(410)에 기 저장된 직업정보들 중 골프의 경우, 2010년 LPGA의 출전 우선순위 102위 내 한국 선수 35명의 얼굴형을 '특징속성 부여정보'를 토대로 분석하면 북방형이 26명(74.3%), 중간형이 7명(20.0%), 및 남방형 2명(5.7%)으로 분류된다.
또한, 직업DB(410)에는 2010년 12월을 기준으로 30대 대기업의 CEO 28명의 얼굴형을 '특징속성 부여정보'를 토대로 분석(S-Oil과 GM대우는 CEO가 외국인이어서 분석 대상에서 제외)한 직업정보를 저장하고 있으며, 비교결과 북방형이 1명(3.6%), 중간형이 4명(14.3%), 남방형이 23명(82.1%)으로 남방형이 압도적으로 많음을 확인하였다.
이하, 도 12를 참조하여 본 발명에 따른 얼굴 영상의 계층적 특징 분류를 이용한 진로 선택 방법에 대해 살피면 아래와 같다.
먼저, 특징 분류부(100)가 얼굴 영상의 각 부위를 분류하고, 분류된 부위 각각이 개별적인 속성을 갖는 '특징 분류정보'를 생성한다(S10).
이어서, 속성 부여부(200)가 '특징 분류정보'에 포함된 얼굴 영상과 표본DB(210)에 기 저장된 표본 영상을 비교하여 얼굴 각 부위의 49개 각각에 속성 값을 부여한다(S20).
뒤이어, 속성 지수화부(300)가 얼굴 영상에 부여된 복수개의 속성 값에 대한 평균값을 '얼굴전체 특징속성 지수정보'로 생성한다(S30).
그리고, 진로 매칭부(400)가 직업DB(410)에 기 저장된 복수개의 직업정보들 중에 '얼굴전체 특징속성 지수정보'의 지수와 유사한 군에 속하는 직업정보를 색인하여 '진로 선택정보'를 생성한다(S40).
한편, 도 13을 참조하여 본 발명에 따른 얼굴 영상의 계층적 특징 분류를 이용한 진로 선택 방법의 제S20단계의 세부과정을 살피면 아래와 같다.
제S10단계 이후, 속성 부여부(200)가 '특징 분류정보'에 포함된 얼굴 영상을 정규화한다(S21).
이어서, 속성 부여부(200)가 표본DB(210)에 기 저장된 복수개의 표본 영상을 색인한다(S22).
그리고, 속성 부여부(200)가 얼굴 영상과 유사도 연산을 수행하여 가장 가까운 값을 갖는 표본 영상의 속성 값을 얼굴 영상의 속성 값으로 부여한다(S23).
이상으로 본 발명의 기술적 사상을 예시하기 위한 바람직한 실시 예와 관련하여 설명하고 도시하였지만, 본 발명은 이와 같이 도시되고 설명된 그대로의 구성 및 작용에만 국한되는 것이 아니며, 기술적 사상의 범주를 일탈함이 없이 본 발명에 대해 다수의 변경 및 수정이 가능함을 당업자들은 잘 이해할 수 있을 것이다. 따라서 그러한 모든 적절한 변경 및 수정과 균등 물들도 본 발명의 범위에 속하는 것으로 간주되어야 할 것이다.
S: 얼굴 영상의 계층적 특징 분류를 이용한 진로 선택 시스템
100: 특징 분류부 200: 속성 부여부
210: 표본DB 300: 속성 지수화부
400: 진로 매칭부 410: 직업DB

Claims (8)

  1. 얼굴 영상의 계층적 특징 분류를 이용한 진로 선택 시스템에 있어서,
    입력받은 얼굴 영상의 각 부위를 분류하고, 분류된 각 부위를 개별적인 속성을 갖는 '특징 분류정보'를 생성하는 특징 분류부(100);
    상기 '특징 분류정보'에 포함된 얼굴 영상과 표본DB(210)에 기 저장된 표본 영상을 정규화하고, 복수개의 표본 영상들 중 얼굴 영상과 유사도 연산을 수행하여 가장 가까운 값을 갖는 표본 영상의 속성 값을 얼굴 영상의 속성 값으로 생성하는 속성 부여부(200);
    얼굴 영상에 부여된 복수개의 속성 값에 대한 평균값을 '얼굴전체 특징속성 지수정보'를 생성하는 속성 지수화부(300); 및
    직업DB(410)에 기 저장된 복수개의 직업정보들 중에 상기 '얼굴전체 특징속성 지수정보'의 지수와 유사한 군에 속하는 직업정보를 색인하여 '진로 선택정보'를 생성하는 진로 매칭부(400);를 포함하는 것을 특징으로 하는 얼굴 영상의 계층적 특징 분류를 이용한 진로 선택 시스템.
  2. 제 1 항에 있어서,
    상기 특징 분류부(100)는,
    기 설정된 남방형 얼굴 및 북방형 얼굴을 기준으로 상기 얼굴 영상을 분류하되,
    얼굴을 얼굴윤곽, 두상, 후두부, 두발, 이마, 눈썹, 눈, 광대뼈, 코, 입술, 턱, 및 귀를 포함하는 부위로 분류하는 것을 특징으로 하는 얼굴 영상의 계층적 특징 분류를 이용한 진로 선택 시스템.
  3. 제 1 항에 있어서,
    상기 속성 부여부(200)는,
    각 속성별로 얼굴 영상과 표본 영상을 비교하되,
    형상모델화한 얼굴 영상과 표본DB(210)에 기 저장된 표본 영상을 중첩시켜 기 설정된 범위 내에서 가장 가까운 표본 영상에 부여된 속성 값을 얼굴 영상의 속성 값으로 부여하는 것을 특징으로 하는 얼굴 영상의 계층적 특징 분류를 이용한 진로 선택 시스템.
  4. 제 3 항에 있어서,
    상기 형상모델화한 얼굴 영상은,
    상기 얼굴 영상에 포함된 얼굴 각 부분의 위치와 모양을 결정하는 점과, 점과 점을 연결한 선으로 구성되고, 상기 얼굴 영상에 포함된 얼굴에 대한 모델과 머리모양에 대한 모델로 구성되며, 각 점의 좌표를 이용하여 얼굴 부위의 길이, 너비, 각도 등을 측정하고 각 속성 단계의 표본 영상과 비교하기 위한 모델인 것을 특징으로 하는 얼굴 영상의 계층적 특징 분류를 이용한 진로 선택 시스템.
  5. 제 1 항에 있어서,
    상기 정규화는,
    각 속성별 표본의 비교를 위해 상기 얼굴 영상과 표본 영상의 동공간 거리와 중점좌표를 일치시키고, 얼굴의 크기와 부위별 위치를 일치시키는 것임을 특징으로 하는 얼굴 영상의 계층적 특징 분류를 이용한 진로 선택 시스템.
  6. 제 1 항에 있어서,
    상기 표본DB(210)는 얼굴 부위별로 남방형 얼굴 영상의 특징과 북방형 얼굴 영상의 특징을 지수화된 표본 영상들을 저장 및 관리하고,
    상기 직업DB(410)는 복수개의 직업군별로 표본 영상의 비율에 따라 남방형 또는 북방형에 적합한 직업정보들을 저장 및 관리하는 것을 특징으로 하는 얼굴 영상의 계층적 특징 분류를 이용한 진로 선택 시스템.
  7. 얼굴 영상의 계층적 특징 분류를 이용한 진로 선택 방법에 있어서,
    (a) 특징 분류부(100)가 얼굴 영상의 각 부위를 분류하고, 분류된 부위 각각이 개별적인 속성을 갖는 '특징 분류정보'를 생성하는 단계;
    (b) 속성 부여부(200)가 '특징 분류정보'에 포함된 얼굴 영상과 표본DB(210)에 기 저장된 표본 영상을 비교하여 얼굴 각 부위의 49개 각각에 속성 값을 부여하는 단계;
    (c) 속성 지수화부(300)가 얼굴 영상에 부여된 복수개의 속성 값에 대한 평균값을 '얼굴전체 특징속성 지수정보'로 생성하는 단계; 및
    (d) 진로 매칭부(400)가 직업DB(410)에 기 저장된 복수개의 직업정보들 중에 '얼굴전체 특징속성 지수정보'의 지수와 유사한 군에 속하는 직업정보를 색인하여 '진로 선택정보'를 생성하는 단계;를 포함하는 것을 특징으로 하는 얼굴 영상의 계층적 특징 분류를 이용한 진로 선택 방법.
  8. 제 7 항에 있어서,
    상기 (b) 단계는,
    (b-1) 속성 부여부(200)가 '특징 분류정보'에 포함된 얼굴 영상과 표본DB(210)에 기 저장된 얼굴 영상을 정규화하는 단계;
    (b-2) 속성 부여부(200)가 표본DB(210)에 기 저장된 복수개의 표본 영상을 색인하는 단계; 및
    (b-3) 속성 부여부(200)가 얼굴 영상과 표본 영상의 유사도 연산을 수행하여 가장 가까운 값을 갖는 표본 영상의 속성 값을 얼굴 영상의 속성 값으로 부여하는 단계;를 포함하는 것을 특징으로 하는 얼굴 영상의 계층적 특징 분류를 이용한 진로 선택 방법.
KR1020130016825A 2013-02-18 2013-02-18 얼굴 영상의 계층적 특징 분류를 이용한 진로 선택 시스템 및 그 방법 KR101374164B1 (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
KR1020130016825A KR101374164B1 (ko) 2013-02-18 2013-02-18 얼굴 영상의 계층적 특징 분류를 이용한 진로 선택 시스템 및 그 방법
PCT/KR2013/006663 WO2014126308A1 (ko) 2013-02-18 2013-07-25 얼굴 영상의 계층적 특징 분류를 이용한 진로 선택 시스템 및 그 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020130016825A KR101374164B1 (ko) 2013-02-18 2013-02-18 얼굴 영상의 계층적 특징 분류를 이용한 진로 선택 시스템 및 그 방법

Publications (1)

Publication Number Publication Date
KR101374164B1 true KR101374164B1 (ko) 2014-03-13

Family

ID=50648656

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020130016825A KR101374164B1 (ko) 2013-02-18 2013-02-18 얼굴 영상의 계층적 특징 분류를 이용한 진로 선택 시스템 및 그 방법

Country Status (2)

Country Link
KR (1) KR101374164B1 (ko)
WO (1) WO2014126308A1 (ko)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003030497A (ja) * 2001-07-19 2003-01-31 Topcon Corp データベース構築システム及び眼鏡フレーム選択サービスシステム及びそのプログラム製品
JP2003036387A (ja) * 2001-07-24 2003-02-07 Omron Corp サーバ、端末、助言システム、プログラム、プログラムを記録したコンピュータ読み取り可能な記録媒体、出力媒体及び助言方法
JP2005044283A (ja) * 2003-07-25 2005-02-17 Seiko Epson Corp 化粧品ガイダンスシステム、サーバ装置、端末装置およびプログラム
KR20070038448A (ko) * 2003-12-11 2007-04-10 루미다임 인크. 생체 측정으로 개인적 특성을 평가하는 방법 및 시스템

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20040106844A (ko) * 2003-06-11 2004-12-18 이응주 유무선 온라인 얼굴영상 해석을 이용한 얼굴 관상 정보 및관상학적 이성 정보제공 시스템과 정보제공 방법
JP4632250B2 (ja) * 2005-09-15 2011-02-16 Ｋｄｄｉ株式会社 顔による属性判定娯楽装置
JP2008040607A (ja) * 2006-08-02 2008-02-21 Nec Corp 人物紹介サーバ、人物紹介システム、その方法およびプログラム
KR100969298B1 (ko) * 2007-12-31 2010-07-09 인하대학교 산학협력단 얼굴인식을 통한 영상에서의 사람 상호관계 추론 방법
KR20100137964A (ko) * 2009-06-24 2010-12-31 (주)퍼스트메카 얼굴인식기술을 이용한 2세 얼굴 운세 서비스 제공 방법 및 시스템

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003030497A (ja) * 2001-07-19 2003-01-31 Topcon Corp データベース構築システム及び眼鏡フレーム選択サービスシステム及びそのプログラム製品
JP2003036387A (ja) * 2001-07-24 2003-02-07 Omron Corp サーバ、端末、助言システム、プログラム、プログラムを記録したコンピュータ読み取り可能な記録媒体、出力媒体及び助言方法
JP2005044283A (ja) * 2003-07-25 2005-02-17 Seiko Epson Corp 化粧品ガイダンスシステム、サーバ装置、端末装置およびプログラム
KR20070038448A (ko) * 2003-12-11 2007-04-10 루미다임 인크. 생체 측정으로 개인적 특성을 평가하는 방법 및 시스템

Also Published As

Publication number Publication date
WO2014126308A1 (ko) 2014-08-21

Similar Documents

Publication Publication Date Title
CN105447466B (zh) 一种基于Kinect传感器的身份综合识别方法
US9990538B2 (en) Face recognition apparatus and method using physiognomic feature information
CN107169455B (zh) 基于深度局部特征的人脸属性识别方法
KR20060056805A (ko) 다중스케일 가변영역분할 홍채인식 방법 및 시스템
US11100360B2 (en) Tracking a head of a subject
CN106980819A (zh) 基于人脸五官的相似度判别系统
Shyam et al. A taxonomy of 2D and 3D face recognition methods
US20120253755A1 (en) Method Of Obtaining The Age Quotient Of A Person
Shariatmadar et al. Finger-Knuckle-Print recognition performance improvement via multi-instance fusion at the score level
Faltemier et al. 3D face recognition with region committee voting
CN110929570B (zh) 虹膜快速定位装置及其定位方法
Gilani et al. Biologically significant facial landmarks: How significant are they for gender classification?
Izadpanahi et al. Human age classification with optimal geometric ratios and wrinkle analysis
Gilani et al. Perceptual differences between men and women: A 3D facial morphometric perspective
KR101374164B1 (ko) 얼굴 영상의 계층적 특징 분류를 이용한 진로 선택 시스템 및 그 방법
TWI415010B (zh) Face recognition method based on individual blocks of human face
Ezichi et al. A comparative study of soft biometric traits and fusion systems for face-based person recognition
Vera-Rodriguez et al. Exploring automatic extraction of body-based soft biometrics
KR101382172B1 (ko) 얼굴 영상의 계층적 특징 분류 시스템 및 그 방법
Guo et al. A joint density based rank-score fusion for soft biometric recognition at a distance
Samangooei et al. On semantic soft-biometric labels
Feng et al. A novel method for post-surgery face recognition using sum of facial parts recognition
Nandakumar et al. Incorporating ancillary information in multibiometric systems
Fang et al. Automatic head and facial feature extraction based on geometry variations
Bradtmiller 3D scanning and head-mounted products

Legal Events

Date Code Title Description
A201 Request for examination
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20170306

Year of fee payment: 4

FPAY Annual fee payment

Payment date: 20180306

Year of fee payment: 5

FPAY Annual fee payment

Payment date: 20190308

Year of fee payment: 6