KR101382892B1 - 저해상도 영상 얼굴 인식 방법 및 저해상도 영상 얼굴 인식 장치 - Google Patents

저해상도 영상 얼굴 인식 방법 및 저해상도 영상 얼굴 인식 장치 Download PDF

Info

Publication number
KR101382892B1
KR101382892B1 KR1020120111255A KR20120111255A KR101382892B1 KR 101382892 B1 KR101382892 B1 KR 101382892B1 KR 1020120111255 A KR1020120111255 A KR 1020120111255A KR 20120111255 A KR20120111255 A KR 20120111255A KR 101382892 B1 KR101382892 B1 KR 101382892B1
Authority
KR
South Korea
Prior art keywords
image
image patch
face recognition
low resolution
patch
Prior art date
Application number
KR1020120111255A
Other languages
English (en)
Inventor
김현덕
이상헌
손명규
김동주
김병민
Original Assignee
재단법인대구경북과학기술원
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 재단법인대구경북과학기술원 filed Critical 재단법인대구경북과학기술원
Priority to KR1020120111255A priority Critical patent/KR101382892B1/ko
Application granted granted Critical
Publication of KR101382892B1 publication Critical patent/KR101382892B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/161—Detection; Localisation; Normalisation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00—Geometric image transformations in the plane of the image
    • G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
    • G06T3/4053—Scaling of whole images or parts thereof, e.g. expanding or contracting based on super-resolution, i.e. the output image resolution being higher than the sensor resolution
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/20—Image enhancement or restoration using local operators
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20024—Filtering details
    • G06T2207/20028—Bilateral filtering

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Human Computer Interaction (AREA)
  • Multimedia (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)

Abstract

감시카메라 상에서 검출된 저해상도 얼굴 영상에 대해, 내부 영상 패치를, 사전에 학습을 통해 유지하고 있는 고해상도의 영상 패치로 대체 함으로써, 상기 얼굴 영상에 복원하는 얼굴 인식에 관한 저해상도 영상 얼굴 인식 방법 및 저해상도 영상 얼굴 인식 장치를 개시한다.
일실시예로서, 저해상도 영상 얼굴 인식 방법은, 제1 영상패치와, 상기 제1 영상패치 보다 해상도가 높은 제2 영상패치를 대응시켜 기록하는 데이터베이스를 유지하는 단계와, 카메라로부터 입력되는 영상정보에서, 인식대상 영역을 식별하는 단계와, 상기 인식대상 영역 내 영상패치 중에서, 기준해상도를 만족하지 못하는 영상패치를 제1 영상패치로 정의하는 단계와, 상기 데이터베이스에서, 상기 정의된 제1 영상패치에 대응하여 기록된 제2 영상패치를 검색하는 단계, 및 상기 정의된 제1 영상패치를 상기 검색된 제2 영상패치로 대체하여 상기 인식대상 영역을 복원하는 단계를 포함한다.

Description

저해상도 영상 얼굴 인식 방법 및 저해상도 영상 얼굴 인식 장치{METHOD OF RECOGNIZING LOW-RESOLUTION IMAGE FACE AND LOW RESOLUTION IMAGE FACE RECOGNITION DEVICE}
본 발명은 감시카메라 상에서 검출된 저해상도 얼굴 영상에 대해, 내부 영상 패치를, 사전에 학습을 통해 유지하고 있는 고해상도의 영상 패치로 대체 함으로써 상기 얼굴 영상을 복원하는, 저해상도 영상 얼굴 인식 방법 및 저해상도 영상 얼굴 인식 장치에 관한 것이다.
얼굴 인식 연구 분야에서는, 이제까지 다양한 연구를 바탕으로 다양한 얼굴 인식 시스템을 개발해 왔다. 이들 종래의 얼굴 인식 시스템은 인식하는 얼굴 영역이 충분히 큰 경우, 인식에 대한 충분한 정보를 제공할 수 있었지만, 감시카메라 상에서의 얼굴 인식 등의, 인식하는 얼굴 영역이 충분히 크지 않는 경우, 상대적으로 얼굴 영역의 낮은 해상도로 인하여 얼굴 인식을 위한 정보들을 충분히 제공할 수 없었다. 이 때문에, 감시카메라 상에서의 얼굴 인식은 기존의 인식 알고리즘을 적용하는 데에 어려움이 있어 왔다.
또한, 감시카메라로부터 촬영된 영상은 흐림 현상과 잡음, 저장 매체의 용량 제한에 의한 영상 압축 등에 의하여 저해상도 일 수 있다. 이러한 저해상도의 영상은 사람의 얼굴을 인식하는데 필요한 정보를 확보하기 어렵다는 문제점이 있고, 이로 인해 종래의 얼굴 인식 시스템은 상기 저해상도의 영상으로부터 얼굴 영상을 획득하는 데에 있어 충분한 성능을 발휘하지 못할 수 있다.
따라서, 종래의 얼굴 인식 시스템에 대해, 전처리 과정으로 저해상도의 영상을 복원하는 방법을 적용하여 얼굴 인식에 관한 충분한 정보를 제공할 수 있는 저해상도 영상 얼굴 인식 모델에 대한 기술개발이 절실히 요구되고 있다.
본 발명의 일실시예는 감시카메라를 통해 입력 받은 입력 영상의 저장 및 전송과정에서 사람의 얼굴을 인식하기 위해 필요한 정보들이 손실된 저해상도의 영상을 복원 함으로써, 감시카메라의 인식 성능을 향상시킬 수 있는, 저해상도 영상 얼굴 인식 방법 및 저해상도 영상 얼굴 인식 장치를 제공하는 것을 목적으로 한다.
또한, 본 발명의 목적은 희소 표현법으로 학습된 고해상도의 영상패치를 마련하고, 입력 영상 내 저해상도의 영상 패치를, 상기 고해상도의 영상패치로 대체하여 복원하는, 저해상도 영상 얼굴 인식 방법 및 저해상도 영상 얼굴 인식 장치를 제공하는 데에 있다.
또한, 본 발명은, 양방향 필터를 이용하여 입력 영상에 대해 노이즈를 제거한 후, 가중치를 적용하여 고해상로 복원하는, 저해상도 영상 얼굴 인식 방법 및 저해상도 영상 얼굴 인식 장치를 제공하는 것을 다른 목적으로 한다.
상기 일실시예를 달성하기 위한 방법으로서, 저해상도 영상 얼굴 인식 방법은, 제1 영상패치와, 상기 제1 영상패치 보다 해상도가 높은 제2 영상패치를 대응시켜 기록하는 데이터베이스를 유지하는 단계와, 카메라로부터 입력되는 영상정보에서, 인식대상 영역을 식별하는 단계와, 상기 인식대상 영역 내 영상패치 중에서, 기준해상도를 만족하지 못하는 영상패치를 제1 영상패치로 정의하는 단계와, 상기 데이터베이스에서, 상기 정의된 제1 영상패치에 대응하여 기록된 제2 영상패치를 검색하는 단계, 및 상기 정의된 제1 영상패치를 상기 검색된 제2 영상패치로 대체하여 상기 인식대상 영역을 복원하는 단계를 포함하여 구성할 수 있다.
상기 일실시예를 달성하기 위한 기술적 수단으로서, 저해상도 영상 얼굴 인식 장치는, 제1 영상패치와, 상기 제1 영상패치 보다 해상도가 높은 제2 영상패치를 대응시켜 데이터베이스에 기록하는 데이터베이스 제어부와, 카메라로부터 입력되는 영상정보에서, 인식대상 영역을 식별하는 영역 식별부와, 상기 인식대상 영역 내 영상패치 중에서, 기준해상도를 만족하지 못하는 영상패치를 제1 영상패치로 정의하고, 상기 데이터베이스에서, 상기 정의된 제1 영상패치에 대응하여 기록된 제2 영상패치를 검색하는 영상 처리부, 및 상기 정의된 제1 영상패치를 상기 검색된 제2 영상패치로 대체하여 상기 인식대상 영역을 복원하는 영상 복원부를 포함한다.
본 발명에 따르면, 감시카메라를 통해 입력 받은 입력 영상의 저장 및 전송과정에서 사람의 얼굴을 인식하기 위해 필요한 정보들이 손실된 저해상도의 영상을 복원 함으로써, 감시카메라의 인식 성능을 향상시킬 수 있는, 저해상도 영상 얼굴 인식 방법 및 저해상도 영상 얼굴 인식 장치를 제공할 수 있다.
또한, 본 발명에 의하면, 희소 표현법으로 학습된 고해상도의 영상패치를 마련하고, 입력 영상 내 저해상도의 영상 패치를, 상기 고해상도의 영상패치로 대체하여 복원하는, 저해상도 영상 얼굴 인식 방법 및 저해상도 영상 얼굴 인식 장치를 제공할 수 있다.
또한, 본 발명에 따르면, 양방향 필터를 이용하여 입력 영상에 대해 노이즈를 제거한 후, 가중치를 적용하여 고해상로 복원하는, 저해상도 영상 얼굴 인식 방법 및 저해상도 영상 얼굴 인식 장치를 제공할 수 있다.
도 1은 본 발명의 일 실시예에 따른 저해상도 영상 얼굴 인식 장치의 블록도이다.
도 2는 본 발명의 실시예에 따른 영상 복원 알고리즘에 대한 개념도이다.
도 3은 본 발명의 다른 실시예에 따른 영상 복원 알고리즘에 대한 개념도이다.
도 4는 본 발명의 일실시예에 따른 저해상도 영상 얼굴 인식 방법을 구체적으로 도시한 작업 흐름도이다.
이하, 첨부 도면들 및 첨부 도면들에 기재된 내용들을 참조하여 본 발명의 다양한 실시예를 상세하게 설명하지만, 본 발명이 실시예에 의해 제한되거나 한정되는 것은 아니다.
도 1은 본 발명의 일 실시예에 따른 저해상도 영상 얼굴 인식 장치의 블록도이다.
도 1에 도시한 바와 같이, 저해상도 영상 얼굴 인식 장치(100)는 데이터베이스 제어부(110), 영역 식별부(120), 영상 처리부(130), 및 영상 복원부(140)를 포함하여 구성할 수 있다. 또한, 저해상도 영상 얼굴 인식 장치(100)는 데이터베이스 제어부(110)의 동작에 따라, 영상패치를 저장하는 데이터베이스(115)를 더 포함할 수 있다.
우선, 데이터베이스 제어부(110)는 제1 영상패치와, 상기 제1 영상패치 보다 해상도가 높은 제2 영상패치를 대응시켜 데이터베이스(115)에 기록한다.
여기서, 상기 제1 영상패치는 입력된 영상정보를 구성하는 영상 화소의 일종일 수 있고, 감시 카메라의 성능에 따라 저해상도로 촬상되는 패치를 일컫는다. 상기 제1 영상패치는 최소표현 단위인 화소로 구성되어 있고 상기 제1 영상패치의 중앙값은 임의의 3X3크기의 화소영역의 중앙에 위치하는 화소값이 될 수 있다. 또한, 상기 제2 영상패치는 상기 제1 영상패치를 희소 표현법(Sparse Representation)에 근거하여 해상도를 복원한, 예컨대 초고해상도의 영상 화소일 수 있다.
제1 영상패치와 상기 제1 영상패치에 매핑되는 제2 영상패치는 서로 쌍을 이루어, 상기 데이터베이스(115)에 기록된다.
즉, 데이터베이스 제어부(110)는 저해상도의 제1 영상패치로부터, 희소 표현법을 이용한 고해상도의 제2 영상패치를 획득하고, 이를 상기 제1 영상패치와 대응시켜 저장수단인 데이터베이스(115)에 저장하는 제어 수단일 수 있다.
이하, 제1, 2 영상패치의 획득에 있어, 데이터베이스 제어부(110)의 동작을 설명한다.
데이터베이스 제어부(110)는 상기 제1 영상패치에 대한 특징벡터를 추출한다. 예컨대, 데이터베이스 제어부(110)는 제1 영상패치 내에서 해당 패치를 특정하는 지점에 대해 벡터 요소를 추출할 수 있다.
상기 특징벡터의 추출에 있어, 데이터베이스 제어부(110)는 상기 제1 영상패치의 중앙값을 중심으로, L개(상기 L은 8이상의 자연수)의 방향값 사이의 차이를 이용하여 L차원의 특징벡터를 추출할 수 있다.
이를 위해, 데이터베이스 제어부(110)는 LBP(Local Binary Pattern)를 변형하여 활용 함으로써, 제1 영상패치로 입사되는 조명의 변화를 고려하여 상기 특징벡터를 추출할 수 있다.
즉, 데이터베이스 제어부(110)는 기존 LBP가 중앙값을 중심으로 8방향 값과의 크기 비교를 통해 특징벡터를 추출하는 반면, 변형된 LBP를 활용하여 차이 값 자체를 이용하여 8차원의 특징벡터를 추출할 수 있다.
또 달리, 데이터베이스 제어부(110)는 상기 제1 영상패치의 중앙값을 중심으로, M개(상기 M은 4이상의 자연수)의 방향 픽셀들의 차이 값을 이용하여 M+1차원의 특징벡터를 추출할 수 있다.
이를 위해, 데이터베이스 제어부(110)는 CBP(Centralized Binary Pattern)를 변형하여 활용 함으로써, 제1 영상패치로 입사되는 조명의 변화를 고려하여 상기 특징벡터를 추출할 수 있다.
즉, 데이터베이스 제어부(110)는 기존 CBP가 중앙값을 중심으로 4방향 (0°, 45°, 90°, 135°) 픽셀들의 차이 값과 전체 평균과 중앙값과의 차이 값의 크기를 이용하여 특징벡터를 추출하는 반면, 변형된 CBP를 활용하여 차이 값 자체를 이용하여 5차원의 특징벡터를 추출한다.
이를 통해, 저해상도 영상 얼굴 인식 장치(100)는 저해상도 영상에서 변형된 LBP와 변형된 CBP를 이용하여 13차원의 특징 벡터를 추출할 수 있다. 즉, 데이터베이스 제어부(110)는 기존 가로, 세로의 1차 및 2차 미분 연산자를 사용하여 특징벡터를 뽑는 방법 대신, 보다 다양한 방향으로의 특징들을 추출함으로써 주어진 영상 패치들의 많은 정보들을 가질 수 있을 뿐만 아니라 추후 인식 과정에서 조명의 변화에 강인한 특징벡터를 추출할 수 있게 한다.
또한, 데이터베이스 제어부(110)는 상기 특징벡터를 주어진 수학식 1에 대입하여 희소계수벡터를 계산한다.
Figure 112012081273132-pat00001
여기서, 상기 F는 특징벡터를, 상기 Di는 제1 영상패치와 연관된 딕셔러니(dictionary)를, 상기 y는 제1 영상패치의 희소 표현을, 상기 ε는 기준값을 의미할 수 있다.
즉, 데이터베이스 제어부(110)는 α가 최소일 때의 값(
Figure 112012081273132-pat00002
)을 희소계수벡터로 계산한다.
이후, 데이터베이스 제어부(110)는 상기 희소계수벡터를 이용하여 연산된 상기 제2 영상패치를, 상기 제1 영상패치에 대응시켜 데이터베이스(115)에 기록한다.
상기 제2 영상패치 연산에 있어서, 데이터베이스 제어부(110)는 상기 수학식 1을 통해 계산된 최적해의 희소계수벡터 α를, 고해상도 딕셔러니 Dh와 곱셈하여, 고해상도 영상패치인 제2 영상패치를 연산할 수 있다. 이때, 데이터베이스 제어부(110)는 고해상도 영상 패치들을 병합하여 하나의 고해상도 영상으로도 복원할 수 있다.
정리하면, 데이터베이스 제어부(110)는 특징벡터와 희소계수벡터를 이용하여 상기 제1, 2 영상패치 쌍을 획득하고, 이들을 1:1 대응시켜 데이터베이스(115)에 기록할 수 있다.
영역 식별부(120)는 카메라로부터 입력되는 영상정보에서, 인식대상 영역을 식별한다. 즉, 영역 식별부(130)는 감시카메라 CCTV 등의 카메라에 의해 촬상되어 입력되는 영상으로부터 인식하고자 하는 영역, 예컨대 얼굴로 파악되는 주위 영역을 상기 인식대상 영역으로 식별하는 역할을 한다.
상기 인식대상 영역의 식별에 있어서, 영역 식별부(120)는 카메라 상에서 주성분 분석(Principal Component Analusis: PCA), 선형판별식 해석(Linear Disciminant Analysis: LDA), 및 서포트 벡터 머신(Support Vector Machine: SVM) 중 적어도 하나를 이용하여 상기 인식대상 영역을 식별할 수 있다.
이들 주성분 분석(PCA), 선형판별식 해석(LDA), 서포트 벡터 머신(SVM) 등은 외형 기반 방법(Appearance-based Methods)으로 인식대상 영역을 식별하는 것으로, 학습 영상 집합에 의해 학습된 모델을 이용해서 얼굴 주위의 영역을 검출하고 있다. 이들 방법은 복잡한 영상에서 얼굴 주위 영역을 검출하기 위해, 기존의 얼굴 영역과 얼굴이 아닌 영역의 학습 데이터 집단을 이용해서 여러 제약 조건들이 학습을 통해 극복되어지기 때문에 인식률을 높일 수 있다.
영상 처리부(130)는 상기 인식대상 영역 내 영상패치 중에서, 기준해상도를 만족하지 못하는 영상패치를 제1 영상패치로 정의한다. 즉, 영상 처리부(130)는 기준해상도 미만의 저해상도의 영상패치를 선별하여, 이를 제1 영상패치로 확정하는 역할을 한다. 상기 기준해상도는 본 발명의 발명자 또는 발명이 속하는 분야의 당업자는 경험과 실험 등을 통해 설정하는 해상도일 수 있고, 일반적으로 영상 내 오브젝트를 사람이 인지할 수 있을 정도의 해상도로 설정할 수 있다.
또한, 영상 처리부(130)는 데이터베이스(115)에서, 상기 정의된 제1 영상패치에 대응하여 기록된 제2 영상패치를 검색한다. 즉, 영상 처리부(130)는 저해상도의 영상 패치를 대체할 고해상도의 영상 패치를, 미리 마련한 데이터베이스(115)에서 추출하는 기능을 수행한다. 만약, 제1 영상패치에 대응하는 제2 영상패치가 데이터베이스(115)에 부재한 경우, 영상 처리부(130)는 데이터베이스 제어부(110)에서, 상기 정의된 제1 영상패치에 대한 제2 영상패치를 연산하도록 지시할 수 있다.
영상 복원부(140)는 상기 정의된 제1 영상패치를 상기 검색된 제2 영상패치로 대체하여 상기 인식대상 영역을 복원한다. 즉, 영상 복원부(140)는 상기 인식대상 영역 내 저해상도의 영상패치를, 미리 마련한 고해상도의 영상패치로 복원하는 역할을 한다.
도 2는 본 발명의 실시예에 따른 영상 복원 알고리즘에 대한 개념도이다.
도 2에는 희소 표현법에 의거하여, 영상 복원하는 알고리즘을 예시한다.
저해상도 영상 얼굴 인식 장치(100)는 CCTV 등 감시 카메라에서 획득한 저해상도의 영상정보를 입력받는다(210). 이후, 저해상도 영상 얼굴 인식 장치(100)는 입력된 영상정보로부터 얼굴 영역을 검출한다. 예컨대, 저해상도 영상 얼굴 인식 장치(100)에서의 얼굴 검출은 패턴인식을 이용하여 학습 영상 집합에 의해 학습된 모델을 이용해서 얼굴을 검출할 수 있다.
또한, 저해상도 영상 얼굴 인식 장치(100)는 학습된 저해상도 딕셔러니를 Dl, 고해상도 딕셔러니를 Dh라 할 때, 입력된 저해상도 영상 패치 y의 희소 표현은, 상술의 수학식 1과 같은 최적화 문제를 통해 얻을 수가 있다(220, 230).
여기서 F는 영상 패치들의 특징을 뽑는 함수로서 일반적으로 가로, 세로의 1차 및 2차 미분 연산자를 사용한다. 하지만 저해상도 영상 얼굴 인식 장치(100)는 얼굴 영상의 특성상 조명의 변화를 고려하기 위하여 변형된 LBP(Local Binary Pattern)와 변형된 CBP(Centralized Binary Pattern)을 사용한다. 기존 LBP는 중앙값을 중심으로 8방향 값과의 크기 비교를 통해 특징벡터를 추출하는 반면, 변형된 LBP는 차이 값 자체를 이용하여 8차원의 특징벡터를 추출한다. 또한 기존 CBP는 중앙값을 중심으로 4방향 (0°, 45°, 90°, 135°) 픽셀들의 차이 값과 전체 평균과 중앙값과의 차이 값의 크기를 이용하여 특징벡터를 추출하는 반면, 변형된 CBP는 차이 값 자체를 이용하여 5차원의 특징벡터를 추출한다.
이를 통해, 저해상도 영상 얼굴 인식 장치(100)는 기존 가로, 세로의 1차 및 2차 미분 연산자를 사용하여 특징벡터를 뽑는 방법보다 다양한 방향으로의 특징들을 추출함으로써 주어진 영상 패치들의 많은 정보들을 가질 수 있을 뿐만 아니라 추후 인식 과정에서 조명의 변화에 강인한 특징벡터를 추출할 수 있다.
계속해서, 저해상도 영상 얼굴 인식 장치(100)는 희소 계수 백터 α를 이용하여 고해상도 영상을 복원할 수 있다(240). 예컨대 주어진 최적화 문제를 통해 얻어진 최적해를 α*라고 하였을 때, 복원된 고해상도 영상 패치 x는 Dh x α*로 구할 수 있다.
또한, 저해상도 영상 얼굴 인식 장치(100)는 이러한 복원 절차를 통해 고해상도 영상을 출력한다(250). 즉, 저해상도 영상 얼굴 인식 장치(100)는 고해상도 영상 패치들을 병합하여 하나의 고해상도 영상 X0으로 복원할 수 있다.
다시 도 1을 설명하면, 실시예에 따라, 본 발명의 저해상도 영상 얼굴 인식 장치(100)는 보상부(150)와 얼굴 인식부(160)를 더 포함하여 구성할 수 있다.
우선 보상부(150)는 양방향(Bilateral) 필터를 이용하여, 상기 입력된 영상정보에 대한 엣지 성분을 보상한다. 여기서, 양방향 필터는 영상정보의 선명도를 증가시키고 노이즈를 감소 시키는 기능을 한다. 즉, 보상부(150)는 상기 입력된 영상정보를 대상으로, 상대적으로 선명도가 저하되는 영상의 엣지 성분을 강화시키는 역할을 한다. 이때, 영상 복원부(140)는 가중치 변화도(gradient) 제약조건을 이용하여 상기 보상된 영상정보를 복원한다. 예컨대, 영상 복원부(140)는 제1, 2 영상패치의 가중치 변화도가 서로 유사한 조건을 만족하게 유도하여 영상정보를 복원할 수 있다.
도 3은 본 발명의 다른 실시예에 따른 영상 복원 알고리즘에 대한 개념도이다.
도 3에 도시한 바와 같이, 다른 실시예의 영상 복원 알고리즘은 도 2에서 희소 계수 벡터를 이용한 복원 이후(도 2의 도번 250 이후)의 구현될 수 있는 방식이다.
즉, 저해상도 영상 얼굴 인식 장치(100)는 양방향 필터를 이용하여 노이즈를 제거하고 에지 성분을 강화시킨다(310). 양방향 필터는 선명도를 증가시키고 노이즈를 감소시키는 비선형 필터로서 가우시안(Gaussian) 필터인 도메인 필터와 레인지 필터에 의해 동작하며 수학식 2와 같이 표현된다.
Figure 112012081273132-pat00003
여기서 H와 h는 입력영상과 결과 영상을 나타낸다. 또한,
Figure 112012081273132-pat00004
는
Figure 112012081273132-pat00005
와
Figure 112012081273132-pat00006
와의 기하적 가까운 정도를 나타내며,
Figure 112012081273132-pat00007
는
Figure 112012081273132-pat00008
와
Figure 112012081273132-pat00009
에서의 픽셀 값의 광학적 유사도를 나타낸다. 정규화 상수
Figure 112012081273132-pat00010
는 수학식 3과 같이 나타낸다.
Figure 112012081273132-pat00011
또한, 저해상도 영상 얼굴 인식 장치(100)는 가중치 변화도 제약조건을 이용하여 최종 고해상도 영상으로 복원한다(320, 330). 일반적으로 입력된 저해상도 영상을 Y, 고해상도 영상을 X라 할 때, 고해상도 영상은
Figure 112012081273132-pat00012
와 같은 관계를 가진다. 여기서 D는 다운 샘플링(down-sampling)이고, H는 흐림 필터이다.
또한, 저해상도 영상 얼굴 인식 장치(100)는 획득한 고해상도 영상 X0로 하는 경우, 목적 함수를 복원의 제약 조건과 가중치 변화도 제약조건을 터키 노름(Turkey norm )을 이용하여 수학식 4와 정의할 수 있다.
Figure 112012081273132-pat00013
Figure 112012081273132-pat00014
수학식 4는 저해상도 영상과 고해상도 영상과의 관계를 만족 하면서 X0의 변화도값과 유사하도록 하는 목적 함수에 대한 표현으로서, 상기 목적 함수는 현재 단계와 초기 단계의 변화도 값의 유기적인 관계를 위하여 가중치 α를 적용한다. 예컨대, 저해상도 영상 얼굴 인식 장치(100)는 α값이 크면 현재 단계의 변화도 값을 따르게 되고 α값이 작으면 초기 단계의 변화도 값을 따르게 된다. 최종적으로 저해상도 영상 얼굴 인식 장치(100)는 위의 목적 함수를 최소화하는 최적해 X로서 반복적 역투영 방법을 이용하여 구할 수 있다. 현재 단계에서의 고해상도 영상을
Figure 112012081273132-pat00015
,
Figure 112012081273132-pat00016
라 하였을 때, 다음 단계에서의 고해상도 영상
Figure 112012081273132-pat00017
는 수학식 5와 같이 정의된다.
Figure 112012081273132-pat00018
저해상도 영상 얼굴 인식 장치(100)는 상술과 과정을 수렴할 때까지 반복한 결과를, 최종적인 고해상도 영상으로 획득한다.
다시 도 1을 설명하면, 얼굴 인식부(160)는 상기 인식대상 영역이 복원된 영상정보에서 얼굴을 인식한다. 예컨대, 얼굴 인식부(160)는 주성분 분석 기반의 얼굴 인식 방법 또는 선형판별 분석 기반의 얼굴 인식 방법을 이용하여 얼굴을 인식할 수 있다.
이에 따라, 본 발명에 의해서는 감시카메라를 통해 입력 받은 입력 영상의 저장 및 전송과정에서 사람의 얼굴을 인식하기 위해 필요한 정보들이 손실된 저해상도의 영상을 복원 함으로써, 감시카메라의 인식 성능을 향상시킬 수 있다.
또한, 본 발명에 의하면, 희소 표현법으로 학습된 고해상도의 영상패치를 마련하고, 입력 영상 내 저해상도의 영상 패치를, 상기 고해상도의 영상패치로 대체하여 복원할 수 있다.
또한, 본 발명에 따르면, 양방향 필터를 이용하여 입력 영상에 대해 노이즈를 제거한 후, 가중치를 적용하여 고해상로 복원할 수 있다.
이하, 본 발명의 실시예에 따른 저해상도 영상 얼굴 인식 장치의 작업 흐름을 상세히 설명한다.
도 4는 본 발명의 일실시예에 따른 저해상도 영상 얼굴 인식 방법을 구체적으로 도시한 작업 흐름도이다.
본 실시예에 따른 저해상도 영상 얼굴 인식 방법은 상술한 저해상도 영상 얼굴 인식 장치(100)에 의해 수행될 수 있다.
먼저, 저해상도 영상 얼굴 인식 장치(100)는 제1 영상패치와, 상기 제1 영상패치 보다 해상도가 높은 제2 영상패치를 대응시켜 기록하는 데이터베이스(115)를 유지한다(410).
제1 영상패치는 이전시간의 영상으로부터 분할된 것으로서, 저해상도 영상 얼굴 인식 장치(100)는 상기 제1 영상패치를 이용하여 상기 제2 영상패치를 검색할 수 있다.
제1 영상패치가 상기 영상에서 분할될 때, 상기 제1 영상패치 내 고해상도의 속성은 소실되고, 반면 상기 제1 영상패치 내 저해상도의 속성은 남는다. 본 단계(410)에서 저해상도 영상 얼굴 인식 장치(100)는 상기 제1 영상패치를 유지함으로써, 하나의 패치만으로도 궁극적으로 얼굴의 복원을 가능하게 하는 체계를 마련할 수 있다.
데이터베이스(115)를 유지하는 데에 있어서, 저해상도 영상 얼굴 인식 장치(100)는 제1 영상패치의 특징벡터를 추출할 수 있다. 상기 특징벡터는 상기 제1 영상패치의 중앙값을 중심으로, L개(상기 L은 8이상의 자연수)의 방향값 사이의 차이를 이용하여 L차원의 특징벡터로서 추출될 수 있다. 또는, 저해상도 영상 얼굴 인식 장치(100)는 상기 제1 영상패치의 중앙값을 중심으로, M개(상기 M은 4이상의 자연수)의 방향 픽셀들의 차이 값을 이용하여 M+1차원의 특징벡터를 추출한다. 이러한 특징벡터의 추출 방식의 활용은 저해상도 영상 얼굴 인식 장치(100)에서 상기 제1 영상패치로 입사되는 조명의 변화를 고려할 수 있게 하기 위함이다.
계속해서, 저해상도 영상 얼굴 인식 장치(100)는 상기 특징벡터를 주어진 수학식 1에 대입하여, 희소계수벡터를 계산한다. 상기 수학식 1이
Figure 112012081273132-pat00019
일 경우, 상기 F는 특징벡터를, 상기 Di는 제1 영상패치와 연관된 딕셔너리를, 상기 y는 제1 영상패치의 희소 표현을, 상기 ε는 기준값을 각각 의미할 수 있다. 저해상도 영상 얼굴 인식 장치(100)는 상기 α가 최소인 값을 상기 희소계수벡터로서 결정한다.
또한, 저해상도 영상 얼굴 인식 장치(100)는 상기 희소계수벡터를, 상기 제2 영상패치와 연관된 딕셔너리에 곱셈 적용하여 상기 제2 영상패치를 연산한다.
이를 통해 저해상도 영상 얼굴 인식 장치(100)는 상기 제1 영상패치와 제2 영상패치의 쌍을 데이터베이스(115)에 저장할 수 있다.
다음으로, 저해상도 영상 얼굴 인식 장치(100)는 카메라로부터 입력되는 영상정보에서, 인식대상 영역을 식별한다(420).
본 단계(420)는 상기 카메라 상에서 주성분 분석(Principal Component Analusis: PCA), 선형판별식 해석(Linear Disciminant Analysis: LDA), 및 서포트 벡터 머신(Support Vector Machine: SVM) 중 적어도 하나를 이용하여 상기 인식대상 영역을 식별하는 과정이다.
주성분 분석(PCA)은 데이터를 한 개의 축으로 사상시켰을 때 상기 축의 분산이 가장 커지는 순서대로 좌표에 위치 시켜 상기 데이터 중에서 가장 중요한 성분을 찾는 기법일 수 있다. 선형판별식 해석(LDA)은 데이터가 가지고 있는 여러 특징들을 보고 어떤 집단에 속하는 것인지 통계적으로 판단하는 기법일 수 있다. 서포트 벡터 머신(SVM)은 지도 학습에서 사용되는 방법으로, 주어진 자료에 대해서 그 자료들을 초평면으로 분리하여 상기 자료들과 가장 거리가 먼 초평면을 찾는 방법일 수 있다.
다음으로, 저해상도 영상 얼굴 인식 장치(100)는 상기 인식대상 영역 내 영상패치 중에서, 기준해상도를 만족하지 못하는 영상패치를 제1 영상패치로 정의하고(430) 상기 제1 영상패치에 대응하는 제2 영상패치를 상기 데이터베이스에서 검색한다(440). 단계(430)에서 저해상도 영상 얼굴 인식 장치(100)는 선정된 기준해상도를 만족하지 못하여 저해상도로 판단되는 영상패치를, 데이터베이스(115)에서 상기 제2 영상패치를 검색하게 하는 소스로서의 제1 영상패치로 정의한다.
다음으로, 저해상도 영상 얼굴 인식 장치(100)는 상기 제1 영상패치를 상기 제2 영상패치로 대체하여 상기 인식대상 영역을 복원한다(450).
본 발명의 다른 실시예로서, 저해상도 영상 얼굴 인식 장치(100)는 가중치 변화도(gradient) 제약조건을 이용하여 상기 저해상도의 영상 정보를 복원할 수 있다. 이를 위해, 저해상도 영상 얼굴 인식 장치(100)는 상기 제1 영상패치의 변화도와 제2 영상패치의 변화도가 최대로 유사한 조건을 만족시킴으로써 상기 인식대상 영역을 복원할 수 있다.
또 다른 실시예로서, 저해상도 영상 얼굴 인식 장치(100)는 복원된 상기 인식대상 영역에서 얼굴을 인식할 수 있다. 얼굴을 인식하는 데 있어서, 저해상도 영상 얼굴 인식 장치(100)는 주성분 분석(PCA) 기반의 얼굴 인식 방법과 선형판별 분석(LDA)기반의 얼굴 인식 방법을 사용할 수 있다.
상기 주성분 분석(PCA) 기반의 얼굴 인식 방법은 학습 단계와 인식 단계로 구성될 수 있다. 상기 학습 단계에서는 얼굴 이미지들을 하나의 집합으로 모아 상기 집합에 대한 고유벡터를 찾은 후 고유한 얼굴을 선택한다. 상기 인식 단계에서는 상기 선택된 얼굴에 대하여 주성분 분석을 사용하여 상기 집합을 분석한다.
상기 선형판별 분석(LDA)기반의 얼굴 인식 방법은 이미지 집합 사이의 분포와 상기 이미지 집합의 분포의 비율을 극대화하여 사용하는 방법이다.
본 발명에 따르면, 감시카메라를 통해 입력 받은 입력 영상의 저장 및 전송과정에서 사람의 얼굴을 인식하기 위해 필요한 정보들이 손실된 저해상도의 영상을 복원 함으로써, 감시카메라의 인식 성능을 향상시킬 수 있다.
또한, 본 발명에 의하면, 희소 표현법으로 학습된 고해상도의 영상패치를 마련하고, 입력 영상 내 저해상도의 영상 패치를, 상기 고해상도의 영상패치로 대체하여 복원할 수 있다.
또한, 본 발명에 따르면, 양방향 필터를 이용하여 입력 영상에 대해 노이즈를 제거한 후, 가중치를 적용하여 고해상로 복원할 수 있다.
실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 실시예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 실시예의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.　
이상과 같이 실시예들이 비록 한정된 실시예와 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기의 기재로부터 다양한 수정 및 변형이 가능하다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.　
그러므로, 다른 구현들, 다른 실시예들 및 특허청구범위와 균등한 것들도 후술하는 특허청구범위의 범위에 속한다.
100 : 저해상도 영상 얼굴 인식 장치
110 : 데이터베이스 제어부 115 : 데이터베이스
120 : 영역 식별부 130 : 영상 처리부
140 : 영상 복원부 150 : 보상부
160 : 얼굴 인식부

Claims (18)

  1. 제1 영상패치와, 상기 제1 영상패치 보다 해상도가 높은 제2 영상패치를 대응시켜 기록하는 데이터베이스를 유지하는 단계;
    카메라로부터 입력되는 영상정보에서, 인식대상 영역을 식별하는 단계;
    상기 인식대상 영역 내 영상패치 중에서, 기준해상도를 만족하지 못하는 영상패치를 제1 영상패치로 정의하는 단계;
    상기 데이터베이스에서, 상기 정의된 제1 영상패치에 대응하여 기록된 제2 영상패치를 검색하는 단계; 및
    상기 정의된 제1 영상패치를 상기 검색된 제2 영상패치로 대체하여 상기 인식대상 영역을 복원하는 단계
    를 포함하는 저해상도 영상 얼굴 인식 방법.
  2. 제1항에 있어서,
    상기 데이터베이스를 유지하는 단계는,
    상기 제1 영상패치에 대한 특징벡터를 추출하는 단계;
    상기 특징벡터를, 수학식 1 '
    Figure 112013120161166-pat00026
    '에 대입하여, 희소계수벡터를 계산하는 단계 -상기 F는 특징벡터, 상기 Di는 제1 영상패치와 연관된 딕셔러니, 상기 y는 제1 영상패치의 희소 표현, 상기 ε는 기준값임- ; 및
    상기 희소계수벡터를 이용하여 상기 제2 영상패치를 연산하는 단계
    를 포함하는 저해상도 영상 얼굴 인식 방법.
  3. 제2항에 있어서,
    상기 특징벡터를 추출하는 단계는,
    상기 제1 영상패치의 중앙값을 중심으로, 8개의 방향값 사이의 차이를 이용하여 8차원의 특징벡터를 추출하는 단계; 또는
    상기 제1 영상패치의 중앙값을 중심으로, 4개의 방향 픽셀들의 차이 값을 이용하여 5차원의 특징벡터를 추출하는 단계
    를 포함하는 저해상도 영상 얼굴 인식 방법.
  4. 제2항에 있어서,
    상기 특징벡터를 추출하는 단계는,
    상기 제1 영상패치로 입사되는 조명의 변화를 고려하여 상기 특징벡터를 추출하는 단계
    를 포함하는 저해상도 영상 얼굴 인식 방법.
  5. 제2항에 있어서,
    상기 희소계수벡터를 계산하는 단계는,
    상기 수학식 1에 대한 연산을 통해, 상기 α를 상기 희소계수벡터로서 계산하는 단계
    를 포함하는 저해상도 영상 얼굴 인식 방법.
  6. 제2항에 있어서,
    상기 제2 영상패치를 연산하는 단계는,
    상기 희소계수벡터를, 상기 제2 영상패치와 연관된 딕셔러니에 곱셈 적용하여 상기 제2 영상패치를 연산하는 단계
    를 포함하는 저해상도 영상 얼굴 인식 방법.
  7. 제1항에 있어서,
    양방향(Bilateral) 필터를 이용하여, 상기 입력된 영상정보에 대한 엣지 성분을 보상하는 단계; 및
    가중치 변화도(gradient) 제약조건을 이용하여, 상기 보상된 영상정보를 복원하는 단계
    를 더 포함하는 저해상도 영상 얼굴 인식 방법.
  8. 제1항에 있어서,
    상기 인식대상 영역을 식별하는 단계는,
    상기 카메라 상에서 주성분 분석(Principal Component Analusis: PCA), 선형판별식 해석(Linear Disciminant Analysis: LDA), 및 서포트 벡터 머신(Support Vector Machine: SVM) 중 적어도 하나를 이용하여 상기 인식대상 영역을 식별하는 단계
    를 포함하는 저해상도 영상 얼굴 인식 방법.
  9. 제1항에 있어서,
    상기 인식대상 영역이 복원된 영상정보에서 얼굴을 인식하는 단계
    를 더 포함하는 저해상도 영상 얼굴 인식 방법.
  10. 제1 영상패치와, 상기 제1 영상패치 보다 해상도가 높은 제2 영상패치를 대응시켜 데이터베이스에 기록하는 데이터베이스 제어부;
    카메라로부터 입력되는 영상정보에서, 인식대상 영역을 식별하는 영역 식별부;
    상기 인식대상 영역 내 영상패치 중에서, 기준해상도를 만족하지 못하는 영상패치를 제1 영상패치로 정의하고, 상기 데이터베이스에서, 상기 정의된 제1 영상패치에 대응하여 기록된 제2 영상패치를 검색하는 영상 처리부; 및
    상기 정의된 제1 영상패치를 상기 검색된 제2 영상패치로 대체하여 상기 인식대상 영역을 복원하는 영상 복원부
    를 포함하는 저해상도 영상 얼굴 인식 장치.
  11. 제10항에 있어서,
    상기 데이터베이스 제어부는,
    상기 제1 영상패치에 대한 특징벡터를 추출하고,
    상기 특징벡터를 수학식 1 '
    Figure 112013120161166-pat00027
    '에 대입하여, 희소계수벡터를 계산하며 -상기 F는 특징벡터, 상기 Di는 제1 영상패치와 연관된 딕셔러니, 상기 y는 제1 영상패치의 희소 표현, 상기 ε는 기준값임-,
    상기 희소계수벡터를 이용하여 연산된 상기 제2 영상패치를, 상기 제1 영상패치에 대응시켜 상기 데이터베이스에 기록하는
    저해상도 영상 얼굴 인식 장치.
  12. 제11항에 있어서,
    상기 데이터베이스 제어부는,
    상기 제1 영상패치의 중앙값을 중심으로, 8개의 방향값 사이의 차이를 이용하여 8차원의 특징벡터를 추출하거나, 또는
    상기 제1 영상패치의 중앙값을 중심으로, 4개의 방향 픽셀들의 차이 값을 이용하여 5차원의 특징벡터를 추출하는
    저해상도 영상 얼굴 인식 장치.
  13. 제11항에 있어서,
    상기 데이터베이스 제어부는,
    상기 제1 영상패치로 입사되는 조명의 변화를 고려하여 상기 특징벡터를 추출하는
    저해상도 영상 얼굴 인식 장치.
  14. 제11항에 있어서,
    상기 데이터베이스 제어부는,
    상기 수학식 1에 대한 연산을 통해, 상기 α를 상기 희소계수벡터로서 계산하는
    저해상도 영상 얼굴 인식 장치.
  15. 제11항에 있어서,
    상기 데이터베이스 제어부는,
    상기 희소계수벡터를, 상기 제2 영상패치와 연관된 딕셔러니에 곱셈 적용하여 상기 제2 영상패치를 연산하는
    저해상도 영상 얼굴 인식 장치.
  16. 제10항에 있어서,
    양방향(Bilateral) 필터를 이용하여, 상기 입력된 영상정보에 대한 엣지 성분을 보상하는 보상부
    를 더 포함하고,
    상기 영상 복원부는,
    가중치 변화도(gradient) 제약조건을 이용하여, 상기 보상된 영상정보를 복원하는
    저해상도 영상 얼굴 인식 장치.
  17. 제10항에 있어서,
    상기 영역 식별부는,
    상기 카메라 상에서 주성분 분석(Principal Component Analusis: PCA), 선형판별식 해석(Linear Disciminant Analysis: LDA), 및 서포트 벡터 머신(Support Vector Machine: SVM) 중 적어도 하나를 이용하여 상기 인식대상 영역을 식별하는
    저해상도 영상 얼굴 인식 장치.
  18. 제10항에 있어서,
    상기 인식대상 영역이 복원된 영상정보에서 얼굴을 인식하는 얼굴 인식부
    를 더 포함하는 저해상도 영상 얼굴 인식 장치.

KR1020120111255A 2012-10-08 2012-10-08 저해상도 영상 얼굴 인식 방법 및 저해상도 영상 얼굴 인식 장치 KR101382892B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020120111255A KR101382892B1 (ko) 2012-10-08 2012-10-08 저해상도 영상 얼굴 인식 방법 및 저해상도 영상 얼굴 인식 장치

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020120111255A KR101382892B1 (ko) 2012-10-08 2012-10-08 저해상도 영상 얼굴 인식 방법 및 저해상도 영상 얼굴 인식 장치

Publications (1)

Publication Number Publication Date
KR101382892B1 true KR101382892B1 (ko) 2014-04-08

Family

ID=50657000

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020120111255A KR101382892B1 (ko) 2012-10-08 2012-10-08 저해상도 영상 얼굴 인식 방법 및 저해상도 영상 얼굴 인식 장치

Country Status (1)

Country Link
KR (1) KR101382892B1 (ko)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101741671B1 (ko) * 2016-02-29 2017-06-16 중앙대학교 산학협력단 3d 동작기반의 프레젠테이션 장치 및 방법
KR20170070114A (ko) * 2014-11-13 2017-06-21 미즈호 죠호 소켄 가부시키가이샤 정보를 예측하기 위한 시스템, 방법 및 프로그램
CN106981047A (zh) * 2017-03-24 2017-07-25 武汉神目信息技术有限公司 一种从低分辨率人脸恢复高分辨率人脸的方法
CN107895345A (zh) * 2017-11-29 2018-04-10 浙江大华技术股份有限公司 一种提高人脸图像分辨率的方法和装置
KR20210040302A (ko) * 2020-06-17 2021-04-13 베이징 바이두 넷컴 사이언스 앤 테크놀로지 코., 엘티디. 얼굴 초해상도 실현 방법, 장치, 전자기기, 저장매체 및 컴퓨터 프로그램
CN113191495A (zh) * 2021-03-26 2021-07-30 网易（杭州）网络有限公司 超分模型的训练及人脸识别方法、装置、介质及电子设备
US11403878B2 (en) 2018-12-31 2022-08-02 Samsung Electronics Co., Ltd. Apparatus and method with user verification
KR102638382B1 (ko) 2023-07-04 2024-02-20 주식회사 포딕스시스템 관심영역 초해상화를 이용한 객체 식별 시스템 및 방법

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH1055433A (ja) * 1996-05-06 1998-02-24 Nec Corp 画像検索方法及び画像検索装置
KR100816018B1 (ko) 2007-01-19 2008-03-21 한국과학기술원 Ｆｏｃｕｓｓ 알고리듬을 이용한 고해상도 영상 복원 방법
KR20110090098A (ko) * 2010-02-02 2011-08-10 삼성전자주식회사 디지털 영상 처리 장치 및 그 제어 방법

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH1055433A (ja) * 1996-05-06 1998-02-24 Nec Corp 画像検索方法及び画像検索装置
KR100816018B1 (ko) 2007-01-19 2008-03-21 한국과학기술원 Ｆｏｃｕｓｓ 알고리듬을 이용한 고해상도 영상 복원 방법
KR20110090098A (ko) * 2010-02-02 2011-08-10 삼성전자주식회사 디지털 영상 처리 장치 및 그 제어 방법

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
허동철 외2, "Sparse Logistic Regression 기반 비음수 행렬 분석을 통한 성별 인식", 한국정보과학회 2011 한국컴퓨터종합학술대회 논문집 제38권 제1호(C), 2011.6. *

Cited By (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20170070114A (ko) * 2014-11-13 2017-06-21 미즈호 죠호 소켄 가부시키가이샤 정보를 예측하기 위한 시스템, 방법 및 프로그램
KR102178654B1 (ko) 2014-11-13 2020-11-13 미즈호 죠호 소켄 가부시키가이샤 정보 예측을 위한 시스템, 방법 및 프로그램
KR20190093712A (ko) * 2014-11-13 2019-08-09 미즈호 죠호 소켄 가부시키가이샤 정보 예측을 위한 시스템, 방법 및 프로그램
KR102010161B1 (ko) 2014-11-13 2019-10-21 미즈호 죠호 소켄 가부시키가이샤 정보를 예측하기 위한 시스템, 방법 및 프로그램
KR101741671B1 (ko) * 2016-02-29 2017-06-16 중앙대학교 산학협력단 3d 동작기반의 프레젠테이션 장치 및 방법
CN106981047A (zh) * 2017-03-24 2017-07-25 武汉神目信息技术有限公司 一种从低分辨率人脸恢复高分辨率人脸的方法
CN107895345B (zh) * 2017-11-29 2020-05-26 浙江大华技术股份有限公司 一种提高人脸图像分辨率的方法和装置
CN107895345A (zh) * 2017-11-29 2018-04-10 浙江大华技术股份有限公司 一种提高人脸图像分辨率的方法和装置
US11436702B2 (en) 2017-11-29 2022-09-06 Zhejiang Dahua Technology Co., Ltd. Systems and methods for super-resolusion image reconstruction
US11403878B2 (en) 2018-12-31 2022-08-02 Samsung Electronics Co., Ltd. Apparatus and method with user verification
KR20210040302A (ko) * 2020-06-17 2021-04-13 베이징 바이두 넷컴 사이언스 앤 테크놀로지 코., 엘티디. 얼굴 초해상도 실현 방법, 장치, 전자기기, 저장매체 및 컴퓨터 프로그램
KR102499996B1 (ko) * 2020-06-17 2023-02-16 베이징 바이두 넷컴 사이언스 앤 테크놀로지 코., 엘티디. 얼굴 초해상도 실현 방법, 장치, 전자기기, 저장매체 및 컴퓨터 프로그램
US11710215B2 (en) 2020-06-17 2023-07-25 Beijing Baidu Netcom Science And Technology Co., Ltd. Face super-resolution realization method and apparatus, electronic device and storage medium
CN113191495A (zh) * 2021-03-26 2021-07-30 网易（杭州）网络有限公司 超分模型的训练及人脸识别方法、装置、介质及电子设备
KR102638382B1 (ko) 2023-07-04 2024-02-20 주식회사 포딕스시스템 관심영역 초해상화를 이용한 객체 식별 시스템 및 방법

Similar Documents

Publication Publication Date Title
KR101382892B1 (ko) 저해상도 영상 얼굴 인식 방법 및 저해상도 영상 얼굴 인식 장치
US20230045519A1 (en) Target Detection Method and Apparatus
US10346676B2 (en) Face detection, representation, and recognition
Singh et al. Muhavi: A multicamera human action video dataset for the evaluation of action recognition methods
CN108319938B (zh) 用于高性能人脸识别系统的高质量训练数据准备系统
Li et al. Face recognition in low quality images: A survey
US9449432B2 (en) System and method for identifying faces in unconstrained media
JP4271964B2 (ja) 構成成分基盤ｐｃａ／ｉｃａを利用した顔認識方法及びその装置
US11527000B2 (en) System and method for re-identifying target object based on location information of CCTV and movement information of object
CN113361495B (zh) 人脸图像相似度的计算方法、装置、设备及存储介质
WO2017080196A1 (zh) 基于人脸图像的视频分类方法和装置
WO2021069945A1 (en) Method for recognizing activities using separate spatial and temporal attention weights
KR101906796B1 (ko) 딥러닝 기반 영상 분석 장치 및 영상 분석 방법
KR20170015639A (ko) 디지털 영상 내의 얼굴 인식을 통한 개인 식별 시스템 및 방법
JP2018026122A (ja) 情報処理装置、情報処理方法及びプログラム
CN108875645B (zh) 一种煤矿井下复杂光照条件下的人脸识别方法
KR20220076398A (ko) Ar장치를 위한 객체 인식 처리 장치 및 방법
CN113269722A (zh) 生成对抗网络的训练方法、及高分辨率图像重建方法
Velliangira et al. A novel forgery detection in image frames of the videos using enhanced convolutional neural network in face images
CN115409789A (zh) 基于图像语义分割的输电线路工程缺陷检测方法
Angelo A novel approach on object detection and tracking using adaptive background subtraction method
KR20200119425A (ko) 도메인 적응 기반 객체 인식 장치 및 그 방법
AU2011265494A1 (en) Kernalized contextual feature
Özyurt et al. A new method for classification of images using convolutional neural network based on Dwt-Svd perceptual hash function
CN110555406A (zh) 一种基于Haar-like特征及CNN匹配的视频运动目标识别方法

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: 20170328

Year of fee payment: 4

FPAY Annual fee payment

Payment date: 20180403

Year of fee payment: 5

FPAY Annual fee payment

Payment date: 20190325

Year of fee payment: 6