KR101421952B1 - 얼굴 인식 장치 및 방법 - Google Patents

얼굴 인식 장치 및 방법 Download PDF

Info

Publication number
KR101421952B1
KR101421952B1 KR1020130050279A KR20130050279A KR101421952B1 KR 101421952 B1 KR101421952 B1 KR 101421952B1 KR 1020130050279 A KR1020130050279 A KR 1020130050279A KR 20130050279 A KR20130050279 A KR 20130050279A KR 101421952 B1 KR101421952 B1 KR 101421952B1
Authority
KR
South Korea
Prior art keywords
recognition
risk
threshold value
user
template
Prior art date
Application number
KR1020130050279A
Other languages
English (en)
Inventor
이기덕
박보건
신호철
송봉섭
이재원
Original Assignee
주식회사 슈프리마
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 주식회사 슈프리마 filed Critical 주식회사 슈프리마
Priority to KR1020130050279A priority Critical patent/KR101421952B1/ko
Application granted granted Critical
Publication of KR101421952B1 publication Critical patent/KR101421952B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/168—Feature extraction; Face representation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures

Landscapes

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

Abstract

얼굴 인식 장치는 사용자의 입력 얼굴 영상으로부터 특징을 추출하고, 추출한 특징과 데이터베이스에 저장되어 있는 복수의 템플릿간 유사도를 이용하여 오인식 위험도를 계산하며, 계산한 오인식 위험도에 따라서 인식 수준을 결정한 후 결정된 인식 수준에 따라서 입력 얼굴 영상으로부터 사용자의 얼굴을 인식한다.

Description

얼굴 인식 장치 및 방법{APPARATUS AND METHOD FOR FACE RECOGNITION}
본 발명은 얼굴 인식 장치 및 방법에 관한 것으로, 특히 유사 얼굴로 인한 오인증을 줄일 수 있는 얼굴 인식 장치 및 방법에 관한 것이다.
얼굴 인식 장치는 사용자의 얼굴 영상과 데이터베이스에 등록된 템플릿 사이의 유사도를 계산하고, 유사도 중 최대 값이 설정된 임계 값 이상이면, 최대 값에 해당하는 템플릿으로부터 사용자를 인식한다.
그런데 등록된 템플릿간 유사도가 높으면, 즉 유사 얼굴들이 데이터베이스에 등록되어 있으면, 얼굴 인식 장치는 사용자를 사용자와 비슷하게 생긴 사람으로 오인식(false acceptance)할 수 있다. 이러한 오인식은 보안 및 근태에 큰 문제를 발생시킬 수 있다.
본 발명이 해결하고자 하는 기술적 과제는 유사 얼굴로 인한 오인식을 줄일 수 있는 얼굴 인식 장치 및 방법을 제공하는 것이다.
본 발명의 한 실시 예에 따르면, 사용자의 얼굴을 인식하는 장치가 제공된다. 얼굴 인식 장치는 특징 추출부, 데이터베이스, 그리고 인식부를 포함한다. 상기 특징 추출부는 상기 사용자의 얼굴 영상으로부터 특징을 추출한다. 상기 데이터베이스는 등록자의 샘플 얼굴 영상으로부터 추출된 특징으로 구성된 복수의 템플릿을 저장한다. 그리고 상기 인식부는 상기 얼굴 영상으로부터 추출된 특징과 상기 복수의 템플릿간 유사도를 이용하여 오인식 위험도를 계산하고, 오인식 위험도에 따라서 인식 수준을 결정하며, 상기 결정된 인식 수준을 토대로 상기 얼굴 영상으로부터 상기 사용자의 얼굴을 인식한다.
상기 인식부는 상기 추출된 특징과 상기 복수의 템플릿간 유사도 중 설정된 제1 임계 값을 넘는 템플릿을 인식 후보 템플릿으로 선정하고, 상기 인식 후보 템플릿을 이용하여 상기 오인식 위험도를 계산할 수 있다.
상기 인식부는 상기 추출된 특징과 상기 인식 후보 템플릿간 유사도의 차이를 이용하여 상기 오인식 위험도를 계산할 수 있다.
상기 인식부는 상기 인식 후보 템플릿간 상관도를 이용하여 상기 오인식 위험도를 계산할 수 있다.
상기 인식부는 상기 추출된 특징과 상기 인식 후보 템플릿간 유사도의 차이 및 상기 인식 후보 템플릿간 상관도를 이용하여 상기 오인식 위험도를 계산할 수 있다.
상기 인식부는 상기 오인식 위험도가 설정된 제2 임계 값보다 큰 경우에 상기 제1 임계 값을 증가시켜서 상기 인식 수준을 높이고, 상기 증가된 제1 임계 값을 이용하여 상기 사용자를 인식할 수 있다.
상기 인식부는 유사도의 최대 값이 상기 증가된 제1 임계 값보다 작은 경우에 상기 사용자에 대한 인식 실패를 출력할 수 있다.
상기 인식부는 상기 오인식 위험도가 설정된 제2 임계 값보다 큰 경우에 상기 사용자로부터 추가 정보를 요청하여 상기 인식 수준을 높이고, 상기 제1 임계 값과 상기 추가 정보를 이용하여 상기 사용자를 인식할 수 있다.
상기 인식부는 상기 인식 후보 템플릿이 1개인 경우에, 상기 제1 임계 값을 이용하여 상기 사용자를 인식할 수 있다.
상기 인식부는 상기 제1 임계 값을 넘는 템플릿이 없는 경우에 상기 사용자에 대한 인식 실패를 출력할 수 있다.
본 발명의 다른 실시 예에 따르면, 얼굴 인식 장치에서 사용자의 얼굴을 인식하는 방법이 제공된다. 얼굴 인식 방법은 상기 사용자의 입력 얼굴 영상으로부터 특징을 추출하는 단계, 상기 입력 얼굴 영상으로부터 추출된 특징과 데이터베이스에 저장되어 있는 복수의 템플릿간 유사도를 계산하는 단계, 상기 추출된 특징과 상기 복수의 템플릿간 유사도를 이용하여 오인식 위험도를 계산하는 단계, 상기 오인식 위험도에 따라서 인식 수준을 결정하는 단계, 그리고 상기 결정된 인식 수준에 따라서 상기 입력 얼굴 영상으로부터 상기 사용자의 얼굴을 인식하는 단계를 포함한다.
상기 오인식 위험도를 계산하는 단계는 상기 추출된 특징과 상기 복수의 템플릿간 유사도 중 설정된 제1 임계 값을 넘는 템플릿을 인식 후보 템플릿으로 선정하는 단계, 그리고 상기 추출된 특징과 상기 인식 후보 템플릿간 유사도 및 상기 인식 후보 템플릿간 상관도 중 적어도 하나를 이용하여 상기 오인식 위험도를 계산하는 단계를 포함할 수 있다.
상기 결정하는 단계는 상기 오인식 위험도가 설정된 제2 임계 값보다 크면, 상기 제1 임계 값을 증가시키는 단계를 포함할 수 있다.
상기 인식하는 단계는 상기 오인식 위험도가 설정된 제2 임계 값보다 큰 경우 상기 추출된 특징과 상기 인식 후보 템플릿간 유사도의 최대값이 상기 증가된 제1 임계 값과 비교하는 단계, 상기 유사도의 상기 최대 값이 상기 증가된 제1 임계 값 이상인 경우에 상기 최대 값을 가지는 템플릿의 등록자로 상기 사용자를 인식하는 단계, 그리고 상기 유사도의 최대 값이 상기 증가된 제1 임계 값보다 작은 경우에 인식 실패를 출력하는 단계를 포함할 수 있다.
상기 결정하는 단계는 상기 오인식 위험도가 설정된 제2 임계 값보다 작은 경우에 상기 제1 임계 값을 유지하는 단계를 포함할 수 있다.
상기 인식하는 단계는 상기 추출된 특징과 상기 인식 후보 템플릿간 유사도의 최대값을 상기 제1 임계 값과 비교하는 단계, 그리고 상기 유사도의 상기 최대 값이 상기 제1 임계 값 이상인 경우에 상기 최대 값을 가지는 템플릿의 등록자로 상기 사용자를 인식하는 단계를 포함할 수 있다.
본 발명의 실시 예에 의하면, 오인식 위험도를 측정함으로써, 오인식 위험도가 높은 경우에 인식 수준을 높임으로써, 유사 얼굴로 인한 오인식을 줄일 수 있다.
도 1은 본 발명의 실시 예에 따른 얼굴 인식 장치를 나타낸 도면이다.
도 2는 본 발명의 실시 예에 따른 인식부의 얼굴 인식 방법을 나타낸 흐름도이다.
도 3은 본 발명의 한 실시 예에 따른 인식부에서 인식 수준을 결정하는 방법을 나타낸 흐름도이다.
도 4는 본 발명의 다른 실시 예에 따른 인식부에서 인식 수준을 결정하는 방법을 나타낸 흐름도이다.
도 5는 본 발명의 실시 예에 따른 인식부에서 오인식 위험도를 계산하는 방법의 일 예를 나타낸 도면이다.
도 6은 본 발명의 실시 예에 따른 인식부에서 오인식 위험도를 계산하는 방법의 다른 일 예를 나타낸 도면이다.
도 7은 본 발명의 다른 실시 예에 따른 얼굴 인식 장치의 개략적인 도면이다.
아래에서는 첨부한 도면을 참고로 하여 본 발명의 실시 예에 대하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 상세히 설명한다. 그러나 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시 예에 한정되지 않는다. 그리고 도면에서 본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다.
명세서 및 청구범위 전체에서, 어떤 부분이 어떤 구성 요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성 요소를 더 포함할 수 있는 것을 의미한다.
이제 본 발명의 실시 예에 따른 얼굴 인식 장치 및 방법에 대하여 도면을 참고로 하여 상세하게 설명한다.
도 1은 본 발명의 실시 예에 따른 얼굴 인식 장치를 나타낸 도면이다.
도 1을 참고하면, 얼굴 인식 장치(100)는 영상 입력부(110), 얼굴 검출부(120), 정규화부(130), 특징 추출부(140), 인식부(150) 및 데이터베이스(160)를 포함한다. 얼굴 인식 장치(100)는 템플릿 등록부(170)를 더 포함할 수 있다.
영상 입력부(110)는 사용자의 얼굴을 촬영하고, 촬영된 얼굴을 얼굴 영상으로 변환하여 얼굴 검출부(120)로 출력한다.
얼굴 검출부(120)는 얼굴 영상으로부터 얼굴 영역을 검출한다. 얼굴 검출부(130)는 NN(Neural Network), SVM(Support Vector Machine) 등과 같은 얼굴 검출 알고리즘을 통해 얼굴 영상으로부터 얼굴 영역을 검출할 수 있다.
정규화부(130)는 검출한 얼굴 영역의 영상에 대해 정규화를 수행하여, 조명 및 크기 등 얼굴 인식에 적합하게 검출한 얼굴 영역의 영상을 조정한다.
특징 추출부(140)는 얼굴 영역에서 눈, 코, 입과 같은 얼굴을 구성하는 요소들의 특징(feature)을 추출한다. 특징 추출부(140)는 가보 변환(Gabor transform)을 이용하거나 LBP(Local Binary Pattern), SIFT(Scale Invariant Feature Transform) 등을 사용하여 특징을 추출할 수 있다. 특징 추출부(140)는 추출한 특징을 LDA(Linear Discriminant Analysis)와 같은 변환 과정을 통해 개인간 특성을 더욱 극대화시킬 수 있다.
인식부(150)는 추출한 특징을 데이터베이스(160)에 저장되어 있는 템플릿들과 각각 비교하여 사용자의 얼굴을 인식할 수 있다.
데이터베이스(160)에는 등록자의 샘플 얼굴 영상으로부터 추출된 특징으로 구성된 템플릿을 ID와 함께 저장하고 있다.
템플릿 등록부(170)는 등록자의 샘플 얼굴 영상으로부터 추출된 특징으로 구성된 템플릿에 고유한 식별자(Identifier, ID)를 부여하여 데이터베이스(160)에 등록한다. 또한 템플릿 등록부(170)는 등록자의 정보 예를 들면, 주민등록번호 등과 같은 등록자의 정보를 수집하고, 각 ID에 대응하여 템플릿과 함께 등록자의 정보를 데이터베이스(160)에 등록할 수 있다.
일반적인 사용자의 얼굴 인식은 추출한 특징과 데이터베이스(160)에 저장되어 있는 템플릿간 유사도(matching score)를 계산하고, 추출한 특징과 템플릿간 계산된 유사도의 최대 값이 설정된 임계 값(Threshold) 이상이면 최대 값에 해당하는 템플릿의 등록자를 사용자인 것으로 인식하는 과정으로 이루어진다. 여기서 유사도는 추출한 특징과 템플릿이 유사하거나 서로 관련된 정도를 나타내는 비교 결과 수치를 나타낸다.
이러한 얼굴 인식 방법은 유사 얼굴 영상으로부터 추출된 특징이 데이터베이스(160)에 등록되어 있으면, 사용자를 사용자와 비슷하게 생긴 사람으로 오인식(false acceptance)할 위험성이 크다. 따라서, 인식부(150)는 추출한 특징을 데이터베이스(160)에 저장되어 있는 템플릿들간의 유사도를 이용하여 오인식 위험도를 계산하고, 오인식 위험도가 높은 경우에 인식 수준을 높여서 사용자의 얼굴을 인식함으로써, 유사 얼굴로 인한 오인식을 줄일 수 있도록 한다. 유사도는 사용자의 얼굴 영상으로부터 추출된 특징 사이의 위치, 방향, 거리 및 각도 중 적어도 하나와 템플릿의 특징 사이의 위치, 방향, 거리 및 각도 중 적어도 하나에 대한 차이를 이용하여 계산될 수 있다.
이러한 얼굴 인식 장치(100)는 출입/방범 구역의 출입구에 설치될 수 있으며, 얼굴 영상을 이용하여 출입하고자 하는 사용자의 얼굴을 인식함으로써, 출입 통제용으로 사용될 수 있다.
그러면, 유사 얼굴로 인한 오인식을 줄일 수 있는 방법에 대해서 도 2를 참고로 하여 자세하게 설명한다.
도 2는 본 발명의 실시 예에 따른 인식부의 얼굴 인식 방법을 나타낸 흐름도이다.
도 2를 참고하면, 특징 추출부(140)에 의해 사용자의 얼굴 영상으로부터 특징이 추출되면, 인식부(150)는 추출된 특징을 데이터베이스(160)에 저장되어 있는 템플릿들과 각각 비교하여 추출된 특징을 데이터베이스(160)에 저장되어 있는 템플릿간 유사도를 계산한다(S210).
인식부(150)는 추출한 특징과 템플릿간 유사도를 크기 순서대로 정렬한다(S220).
다음, 인식부(150)는 추출한 특징과 템플릿간 유사도를 설정된 제1 임계 값과 비교한다(S230). 이때 인식부(150)는 추출한 특징과 템플릿간 유사도 중 제1 임계 값 이상의 유사도가 없으면 사용자 인식이 실패한 것으로 판단하고 인식 실패를 출력한다(S290).
한편, 인식부(150)는 추출한 특징과 템플릿간 유사도 중 제1 임계 값 이상인 유사도가 있으면, 제1 임계 값 이상의 유사도를 가지는 템플릿을 인식 후보 템플릿으로 선정한다(S240).
인식부(150)는 인식 후보 템플릿의 개수가 복수 개이면(S250), 인식 후보 템플릿을 이용하여 오인식 위험도를 계산한다(S260).
등록자의 얼굴이 유사한 경우, 유사 얼굴 영상들로부터 추출된 특징 또한 유사할 것이다. 따라서 추출한 특징과 유사 얼굴 영상의 템플릿간 계산된 유사도는 비슷할 것이며, 유사 얼굴 영상의 템플릿간 상관도는 상당히 높을 것이다. 따라서 인식부(150)는 추출한 특징과 인식 후보 템플릿간의 유사도 및/또는 인식 후보 템플릿간의 상관도를 이용하여 오인식 위험도를 계산한다.
오인식 위험도는 수학식 1과 같이 인식 후보 템플릿간의 상관도 중 최대 값 또는 상관도의 평균과 같이 상관도의 대표 값으로 결정될 수 있다. 또는 오인식 위험도는 수학식 2와 같이 추출한 특징과 인식 후보 템플릿간의 유사도 차이 중 최소 값 또는 유사도 차이의 평균 값과 같이 유사도 차이의 대표 값에 반비례하는 값으로 계산될 수 있다. 또는 오인식 위험도는 수학식 3과 수학식 1에서 구해진 오인식 위험도와 수학식 2에서 구해진 오인식 위험도의 가중 평균으로 계산될 수도 있다.
Figure 112013039469009-pat00001
Figure 112013039469009-pat00002
Figure 112013039469009-pat00003
수학식 3에서, a와 b는 각각 1보다 작은 양의 값을 가지며, a와 b의 합은 1이다.
인식부(150)는 계산한 오인식 위험도에 따라서 인식 수준을 결정하고(S270), 결정한 인식 수준에 따라서 사용자의 얼굴 영상으로부터 사용자의 얼굴을 인식한다(S280).
한편, 인식부(150)는 인식 후보 템플릿의 개수가 한 개이면(S240), 설정되어 있는 인식 수준에 따라서 사용자의 얼굴 영상으로부터 사용자의 얼굴을 인식한다(S280).
도 3은 본 발명의 한 실시 예에 따른 인식부에서 인식 수준을 결정하는 방법을 나타낸 흐름도이다.
도 3을 참고하면, 인식부(150)는 오인식 위험도가 계산되고 나면(S310), 오인식 위험도를 설정된 제2 임계 값과 비교한다(S320).
인식부(150)는 오인식 위험도가 설정된 임계 값 이상이면, 인식 수준을 높게 설정하고, 설정된 인식 수준에 따라서 사용자의 얼굴을 인식한다.
그러면, 인식 수준을 높게 설정하는 방법에 대해서 구체적으로 설명한다.
인식부(150)는 오인식 위험도가 설정된 제2 임계 값 이상이면, 제1 임계 값을 증가시킨다(S330).
인식부(150)는 추출한 특징과 템플릿간 유사도의 최대 값을 증가된 제1 임계 값과 비교한다(S340). 인식부(150)는 유사도의 최대 값이 증가된 제1 임계 값 이상이면, 유사도가 최대 값을 가지는 템플릿을 이용하여 사용자를 인식한다(S350). 한편, 인식부(150)는 추출한 특징과 템플릿간 유사도의 최대 값이 증가된 제1 임계 값보다 작으면, 사용자 인증 실패를 출력한다(S360).
인식부(150)는 오인식 위험도가 설정된 제2 임계 값보다 작은 경우, 추출한 특징과 템플릿간 유사도의 최대 값을 가지는 템플릿을 이용하여 사용자를 인식한다(S350). 또한 인식부(150)는 인식 후보 템플릿의 개수가 한 개인 경우에는 유사도의 최대 값을 가지는 템플릿을 이용하여 사용자를 인식할 수 있다.
이와 같이, 인식부(150)는 복수의 인식 후보 템플릿이 존재하면 제1 임계 값을 증가시켜 추출한 특징과 인식 후보 템플릿간 유사도가 높게 나와도 인증 실패를 발생시킴으로써, 오인식 발생 확률을 줄일 수 있다.
도 4는 본 발명의 다른 실시 예에 따른 인식부에서 인식 수준을 결정하는 방법을 나타낸 흐름도이다.
도 4를 참고하면, 인식부(150)는 오인식 위험도가 설정된 임계 값 이상이면, 사용자로 추가 정보를 요청함으로써 인식 수준을 높일 수 있다.
구체적으로, 인식부(150)는 오인식 위험도가 설정된 제2 임계 값 이상인 경우에, 사용자에게 사용자인지를 확인할 수 있는 주민등록번호 등과 같은 추가 정보를 요청하고(S410), 사용자로부터 추가 정보를 수신한다(S420).
인식부(150)는 사용자의 추가 정보와 유사도의 최대 값을 가지는 템플릿의 등록자 정보를 비교한다(S430). 인식부(150)는 사용자의 추가 정보와 등록자 정보가 일치하면 유사도의 최대 값을 가지는 템플릿을 이용하여 사용자를 인식한다(S440).
한편, 인식부(150)는 사용자의 추가 정보와 등록자 정보가 일치하지 않으면 인식 실패를 출력한다(S450).
이와 같이, 인식부(150)는 오인식 위험도가 설정된 제2 임계 값보다 크면, 추가적으로 사용자 정보를 요구함으로써, 인식 수준을 높이고 이러한 인식 수준에 따라서 오인식 확률을 줄일 수 있게 된다.
도 5는 본 발명의 실시 예에 따른 인식부에서 오인식 위험도를 계산하는 방법의 일 예를 나타낸 도면이다.
도 5에 도시한 바와 같이, ID1, ID2 및 ID3의 ID를 가지는 3개의 템플릿이 인식 후보 템플릿으로 선정되면, 인식부(150)는 ID1, ID2 및 ID3의 템플릿간 상관도를 계산한다. 인식부(150)는 ID1의 템플릿과 ID2의 템플릿간 상관도(C1)를 계산하고, ID2의 템플릿과 ID3의 템플릿간 상관도(C2)를 계산하고, ID3의 템플릿과 ID1의 템플릿간 상관도(C3)를 계산한다. 상관도는 사용자의 얼굴 영상으로부터 추출된 특징 사이의 위치, 방향, 거리 및 각도 중 적어도 하나와 템플릿의 특징 사이의 위치, 방향, 거리 및 각도 중 적어도 하나에 대한 차이를 이용하여 계산될 수 있다.
인식부(150)는 계산된 상관도(C1, C2, C3) 중 최대 값을 오인식 위험도로 결정할 수 있다. 인식부(150)는 계산된 상관도(C1, C2, C3)의 합(C1+C2+C3)을 계산된 상관도(C1, C2, C3)의 개수(3)로 나눈 값 즉, 계산된 상관도(C1, C2, C3)의 평균 값을 오인식 위험도로 결정할 수 있다.
도 6은 본 발명의 실시 예에 따른 인식부에서 오인식 위험도를 계산하는 방법의 다른 일 예를 나타낸 도면이다.
도 6에 도시한 바와 같이, ID1, ID2 및 ID3의 ID를 가지는 3개의 템플릿이 인식 후보 템플릿으로 선정되면, 인식부(150)는 추출한 특징과 ID1의 템플릿간 유사도(C1)와 추출한 특징과 ID2의 템플릿간 유사도(C2)간 차이(D1)을 계산하고, 추출한 특징과 ID2의 템플릿간 유사도(C2)와 추출한 특징과 ID3의 템플릿간 유사도(C3)간 차이(D2)을 계산한다. 또한 인식부(150)는 추출한 특징과 ID3의 템플릿간 유사도(C3)와 추출한 특징과 ID1의 템플릿간 유사도(C1)간 차이(D3)을 계산한다.
인식부(150)는 수학식 3과 같이 계산된 차이(D1, D2, D3) 중 최소 값을 이용하여 오인식 위험도를 계산할 수 있다. 인식부(150)는 차이(D1, D2, D3)의 평균 값을 구하고, 수학식 3과 같이 평균 값을 이용하여 오인식 위험도를 계산할 수 있다.
이상에서 설명한 본 발명의 실시 예에 따른 지문 영상 취득 장치 및 방법 중 적어도 일부 기능은 하드웨어로 구현되거나 하드웨어에 결합된 소프트웨어로 구현될 수 있다. 아래에서는 얼굴 인식 장치 및 방법이 컴퓨터 시스템에 결합된 실시 예에 대해서 도 7을 참고로 하여 상세하게 설명한다.
도 7은 본 발명의 다른 실시 예에 따른 얼굴 인식 장치의 개략적인 도면으로, 도 1 내지 도 6를 참고하여 설명한 영상 입력부(110), 얼굴 검출부(120), 정규화부(130), 특징 추출부(140), 인식부(150), 데이터베이스(160) 및 템플릿 등록부(170)의 기능 중 적어도 일부를 수행하는 데 사용할 수 있는 시스템을 나타낸다.
도 7을 참고하면, 얼굴 인식 장치(700)는 프로세서(710), 메모리(720), 적어도 저장 장치(730), 입출력(input/output, I/O) 인터페이스(740) 및 네트워크 인터페이스(750)를 포함한다.
프로세서(710)는 중앙 처리 유닛(central processing unit, CPU)이나 기타 칩셋, 마이크로프로세서 등으로 구현될 수 있으며, 메모리(720)는 동적 랜덤 액세스 메모리(dynamic random access memory, DRAM), 램버스 DRAM(rambus DRAM, RDRAM), 동기식 DRAM(synchronous DRAM, SDRAM), 정적 RAM(static RAM, SRAM) 등의 RAM과 같은 매체로 구현될 수 있다. 저장 장치(730)는 하드 디스크 (hard disk), CD-ROM(compact disk read only memory), CD-RW(CD rewritable), DVD-ROM(digital video disk ROM), DVD-RAM, DVD-RW 디스크, 블루레이(blu-ray) 디스크 등의 광학 디스크, 플래시 메모리, 다양한 형태의 RAM과 같은 영구 또는 휘발성 저장 장치로 구현될 수 있다. 또한 I/O 인터페이스(740)는 프로세서(710) 및/또는 메모리(720)가 저장 장치(730)에 접근할 수 있도록 하며, 네트워크 인터페이스(750)는 프로세서(710) 및/또는 메모리(720)가 네트워크에 접근할 수 있도록 한다.
이 경우, 프로세서(710)는 영상 입력부(110), 얼굴 검출부(120), 정규화부(130), 특징 추출부(140), 인식부(150) 및 템플릿 등록부(170)의 기능의 적어도 일부 기능을 구현하기 위한 프로그램 명령을 메모리(720)에 로드하고 데이터베이스(160)의 기능을 저장 장치(730)에 위치시켜, 도 1 내지 도 4을 참고로 하여 설명한 동작이 수행되도록 제어할 수 있다. 그리고 프로그램 명령은 저장 장치(730)에 저장되어 있을 수 있으며, 또는 네트워크로 연결되어 있는 다른 시스템에 저장되어 있을 수 있다.
도 7에 도시한 프로세서(710), 메모리(720), 저장 장치(730), I/O 인터페이스(740) 및 네트워크 인터페이스(750)는 하나의 컴퓨터에 구현될 수도 있으며 또는 복수의 컴퓨터에 분산되어 구현될 수도 있다.
본 발명의 실시 예는 이상에서 설명한 장치 및/또는 방법을 통해서만 구현되는 것은 아니며, 본 발명의 실시 예의 구성에 대응하는 기능을 실현하는 프로그램 또는 그 프로그램이 기록된 기록 매체를 통해 구현될 수도 있으며, 이러한 구현은 앞서 설명한 실시 예의 기재로부터 본 발명이 속하는 기술 분야의 전문가라면 쉽게 구현할 수 있는 것이다.
이상에서 본 발명의 실시 예에 대하여 상세하게 설명하였지만 본 발명의 권리 범위는 이에 한정되는 것은 아니고 다음의 청구범위에서 정의하고 있는 본 발명의 기본 개념을 이용한 당업자의 여러 변형 및 개량 형태 또한 본 발명의 권리 범위에 속하는 것이다.

Claims (18)

  1. 사용자의 얼굴을 인식하는 장치로서,
    상기 사용자의 얼굴 영상으로부터 특징을 추출하는 특징 추출부,
    등록자의 샘플 얼굴 영상으로부터 추출된 특징으로 구성된 복수의 템플릿을 저장하고 있는 데이터베이스, 그리고
    상기 얼굴 영상으로부터 추출된 특징과 상기 복수의 템플릿간 유사도를 이용하여 오인식 위험도를 계산하고, 오인식 위험도에 따라서 인식 수준을 결정하며, 상기 결정된 인식 수준을 토대로 상기 얼굴 영상으로부터 상기 사용자의 얼굴을 인식하는 인식부
    를 포함하는 얼굴 인식 장치.
  2. 제1항에서,
    상기 인식부는 상기 추출된 특징과 상기 복수의 템플릿간 유사도 중 설정된 제1 임계 값을 넘는 템플릿을 인식 후보 템플릿으로 선정하고, 상기 인식 후보 템플릿을 이용하여 상기 오인식 위험도를 계산하는 얼굴 인식 장치.
  3. 제2항에서,
    상기 인식부는 상기 추출된 특징과 상기 인식 후보 템플릿간 유사도의 차이를 이용하여 상기 오인식 위험도를 계산하는 얼굴 인식 장치.
  4. 제2항에서,
    상기 인식부는 상기 인식 후보 템플릿간 상관도를 이용하여 상기 오인식 위험도를 계산하는 얼굴 인식 장치.
  5. 제2항에서,
    상기 인식부는 상기 추출된 특징과 상기 인식 후보 템플릿간 유사도의 차이 및 상기 인식 후보 템플릿간 상관도를 이용하여 상기 오인식 위험도를 계산하는 얼굴 인식 장치.
  6. 제2항에서,
    상기 인식부는 상기 오인식 위험도가 설정된 제2 임계 값보다 큰 경우에 상기 제1 임계 값을 증가시켜서 상기 인식 수준을 높이고, 상기 증가된 제1 임계 값을 이용하여 상기 사용자를 인식하는 얼굴 인식 장치.
  7. 제6항에서,
    상기 인식부는 유사도의 최대 값이 상기 증가된 제1 임계 값보다 작은 경우에 상기 사용자에 대한 인식 실패를 출력하는 얼굴 인식 장치.
  8. 제2항에서,
    상기 인식부는 상기 오인식 위험도가 설정된 제2 임계 값보다 큰 경우에 상기 사용자로부터 추가 정보를 요청하여 상기 인식 수준을 높이고, 상기 제1 임계 값과 상기 추가 정보를 이용하여 상기 사용자를 인식하는 얼굴 인식 장치.
  9. 제2항에서,
    상기 인식부는 상기 인식 후보 템플릿이 1개인 경우에, 상기 제1 임계 값을 이용하여 상기 사용자를 인식하는 얼굴 인식 장치.
  10. 제2항에서,
    상기 인식부는 상기 제1 임계 값을 넘는 템플릿이 없는 경우에 상기 사용자에 대한 인식 실패를 출력하는 얼굴 인식 장치.
  11. 얼굴 인식 장치에서 사용자의 얼굴을 인식하는 방법으로서,
    상기 사용자의 입력 얼굴 영상으로부터 특징을 추출하는 단계,
    상기 입력 얼굴 영상으로부터 추출된 특징과 데이터베이스에 저장되어 있는 복수의 템플릿간 유사도를 계산하는 단계,
    상기 추출된 특징과 상기 복수의 템플릿간 유사도를 이용하여 오인식 위험도를 계산하는 단계,
    상기 오인식 위험도에 따라서 인식 수준을 결정하는 단계, 그리고
    상기 결정된 인식 수준에 따라서 상기 입력 얼굴 영상으로부터 상기 사용자의 얼굴을 인식하는 단계
    를 포함하는 얼굴 인식 방법.
  12. 제11항에서,
    상기 오인식 위험도를 계산하는 단계는
    상기 추출된 특징과 상기 복수의 템플릿간 유사도 중 설정된 제1 임계 값을 넘는 템플릿을 인식 후보 템플릿으로 선정하는 단계, 그리고
    상기 인식 후보 템플릿을 이용하여 상기 오인식 위험도를 계산하는 단계를 포함하는 얼굴 인식 방법.
  13. 제12항에서,
    상기 인식 후보 템플릿을 이용하여 상기 오인식 위험도를 계산하는 단계는
    상기 인식 후보 템플릿간 상관도를 계산하는 단계, 그리고
    상기 계산된 상관도의 최대 값 또는 평균 값을 상기 오인식 위험도로 결정하는 단계를 포함하는 얼굴 인식 방법.
  14. 제12항에서,
    상기 인식 후보 템플릿을 이용하여 상기 오인식 위험도를 계산하는 단계는
    상기 추출된 특징과 상기 인식 후보 템플릿간 유사도의 차이를 계산하는 단계, 그리고
    상기 계산된 유사도의 차이의 최소 값 또는 평균 값을 이용하여 상기 오인식 위험도로 결정하는 단계를 포함하는 얼굴 인식 방법.
  15. 제12항에서,
    상기 결정하는 단계는 상기 오인식 위험도가 설정된 제2 임계 값보다 크면, 상기 제1 임계 값을 증가시키는 단계를 포함하는 얼굴 인식 방법.
  16. 제15항에서,
    상기 인식하는 단계는
    상기 오인식 위험도가 설정된 제2 임계 값보다 큰 경우 상기 추출된 특징과 상기 인식 후보 템플릿간 유사도의 최대값이 상기 증가된 제1 임계 값과 비교하는 단계,
    상기 유사도의 상기 최대 값이 상기 증가된 제1 임계 값 이상인 경우에 상기 최대 값을 가지는 템플릿의 등록자로 상기 사용자를 인식하는 단계, 그리고
    상기 유사도의 최대 값이 상기 증가된 제1 임계 값보다 작은 경우에 인식 실패를 출력하는 단계를 포함하는 얼굴 인식 방법.
  17. 제12항에서,
    상기 결정하는 단계는 상기 오인식 위험도가 설정된 제2 임계 값보다 작은 경우에 상기 제1 임계 값을 유지하는 단계를 포함하는 얼굴 인식 방법.
  18. 제17항에서,
    상기 인식하는 단계는
    상기 추출된 특징과 상기 인식 후보 템플릿간 유사도의 최대값을 상기 제1 임계 값과 비교하는 단계, 그리고
    상기 유사도의 상기 최대 값이 상기 제1 임계 값 이상인 경우에 상기 최대 값을 가지는 템플릿의 등록자로 상기 사용자를 인식하는 단계를 포함하는 얼굴 인식 방법.
KR1020130050279A 2013-05-03 2013-05-03 얼굴 인식 장치 및 방법 KR101421952B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020130050279A KR101421952B1 (ko) 2013-05-03 2013-05-03 얼굴 인식 장치 및 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020130050279A KR101421952B1 (ko) 2013-05-03 2013-05-03 얼굴 인식 장치 및 방법

Publications (1)

Publication Number Publication Date
KR101421952B1 true KR101421952B1 (ko) 2014-07-23

Family

ID=51742747

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020130050279A KR101421952B1 (ko) 2013-05-03 2013-05-03 얼굴 인식 장치 및 방법

Country Status (1)

Country Link
KR (1) KR101421952B1 (ko)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110070026A (zh) * 2019-04-17 2019-07-30 中国科学院自动化研究所 基于模式识别的视频图像危险态势感知方法、系统、装置
KR20210107452A (ko) * 2020-02-24 2021-09-01 씨엠아이텍주식회사 근태 메뉴의 활성화가 가능한 얼굴 인식 시스템 및 방법
WO2021172808A1 (en) * 2020-02-26 2021-09-02 Samsung Electronics Co., Ltd. System and method for personalization in intelligent multi-modal personal assistants
WO2021177544A1 (ko) * 2020-03-04 2021-09-10 씨엠아이텍주식회사 등록 얼굴 템플릿의 갱신이 가능한 얼굴 인식 시스템 및 방법
CN113469015A (zh) * 2021-06-29 2021-10-01 浙江大华技术股份有限公司 人脸识别方法、装置、电子设备及计算机存储介质
CN113822296A (zh) * 2021-08-23 2021-12-21 北京迈格威科技有限公司 识别方法、装置、电子设备及介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH05101223A (ja) * 1991-10-09 1993-04-23 Mitsubishi Heavy Ind Ltd 適応型パターン認識装置
JP2002279422A (ja) 2001-03-19 2002-09-27 Seiko Epson Corp テンプレートマッチ判定装置、テンプレートマッチ判定プログラムおよびテンプレートマッチ判定方法
KR20100091516A (ko) * 2009-02-10 2010-08-19 주식회사 에스원 인물 식별 방법 및 그 시스템
JP2010191481A (ja) 2009-02-13 2010-09-02 Sharp Corp 認証装置および認証方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH05101223A (ja) * 1991-10-09 1993-04-23 Mitsubishi Heavy Ind Ltd 適応型パターン認識装置
JP2002279422A (ja) 2001-03-19 2002-09-27 Seiko Epson Corp テンプレートマッチ判定装置、テンプレートマッチ判定プログラムおよびテンプレートマッチ判定方法
KR20100091516A (ko) * 2009-02-10 2010-08-19 주식회사 에스원 인물 식별 방법 및 그 시스템
JP2010191481A (ja) 2009-02-13 2010-09-02 Sharp Corp 認証装置および認証方法

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110070026A (zh) * 2019-04-17 2019-07-30 中国科学院自动化研究所 基于模式识别的视频图像危险态势感知方法、系统、装置
CN110070026B (zh) * 2019-04-17 2021-01-29 中国科学院自动化研究所 基于模式识别的视频图像危险态势感知方法、系统、装置
KR20210107452A (ko) * 2020-02-24 2021-09-01 씨엠아이텍주식회사 근태 메뉴의 활성화가 가능한 얼굴 인식 시스템 및 방법
KR102325251B1 (ko) * 2020-02-24 2021-11-11 씨엠아이텍주식회사 근태 메뉴의 활성화가 가능한 얼굴 인식 시스템 및 방법
WO2021172808A1 (en) * 2020-02-26 2021-09-02 Samsung Electronics Co., Ltd. System and method for personalization in intelligent multi-modal personal assistants
US11748057B2 (en) 2020-02-26 2023-09-05 Samsung Electronics Co., Ltd. System and method for personalization in intelligent multi-modal personal assistants
WO2021177544A1 (ko) * 2020-03-04 2021-09-10 씨엠아이텍주식회사 등록 얼굴 템플릿의 갱신이 가능한 얼굴 인식 시스템 및 방법
CN113469015A (zh) * 2021-06-29 2021-10-01 浙江大华技术股份有限公司 人脸识别方法、装置、电子设备及计算机存储介质
CN113822296A (zh) * 2021-08-23 2021-12-21 北京迈格威科技有限公司 识别方法、装置、电子设备及介质

Similar Documents

Publication Publication Date Title
KR101421952B1 (ko) 얼굴 인식 장치 및 방법
KR102455633B1 (ko) 라이브니스 검사 방법 및 장치
US9953211B2 (en) Image recognition apparatus, image recognition method and computer-readable medium
KR101130817B1 (ko) 얼굴 인식 방법, 장치, 및 이 방법을 실행하기 위한 컴퓨터 판독 가능한 기록 매체
US9740934B2 (en) Image recognition device and method for registering feature data in image recognition device
KR100940902B1 (ko) 손가락 기하학 정보를 이용한 바이오 인식 방법
KR20180022677A (ko) 지문기반 인증을 위한 장치 및 컴퓨터 구현방법
US9990538B2 (en) Face recognition apparatus and method using physiognomic feature information
KR20150099129A (ko) 국소 특징 기반 적응형 결정 트리를 이용한 얼굴 표정 인식 방법 및 장치
US9704024B2 (en) Object discriminating apparatus and method
JP5792985B2 (ja) 情報処理装置、情報処理装置の制御方法、およびプログラム
JP2018045309A (ja) 特徴量抽出装置および認証システム
WO2019042195A1 (zh) 一种人体目标身份识别方法及装置
CN111931548B (zh) 人脸识别系统、建立人脸识别数据的方法及人脸识别方法
US20140286568A1 (en) Information processing apparatus and training method
Sajid et al. The role of facial asymmetry in recognizing age-separated face images
de Paula Lemes et al. Dynamic pore filtering for keypoint detection applied to newborn authentication
Mwaura et al. Multimodal biometric system:-fusion of face and fingerprint biometrics at match score fusion level
US9977949B2 (en) Impersonation detector
KR101070442B1 (ko) 다중 레벨 얼굴 인식을 이용한 얼굴 인증 시스템 및 인증 방법
JP6003367B2 (ja) 画像認識装置、画像認識方法および画像認識プログラム
JP6651085B1 (ja) 属性認識システム、学習サーバ、及び属性認識プログラム
JP2017084006A (ja) 画像処理装置およびその方法
KR20110125458A (ko) 객체 검출 정보를 이용한 유사 동영상 검색 시스템 및 방법
KR101306576B1 (ko) 차분 성분을 고려한 조명 변화에 강인한 얼굴 인식 시스템

Legal Events

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

Payment date: 20170713

Year of fee payment: 4

FPAY Annual fee payment

Payment date: 20180712

Year of fee payment: 5