KR102137060B1 - 등록 얼굴 템플릿의 갱신이 가능한 얼굴 인식 시스템 및 방법 - Google Patents

등록 얼굴 템플릿의 갱신이 가능한 얼굴 인식 시스템 및 방법 Download PDF

Info

Publication number
KR102137060B1
KR102137060B1 KR1020200027174A KR20200027174A KR102137060B1 KR 102137060 B1 KR102137060 B1 KR 102137060B1 KR 1020200027174 A KR1020200027174 A KR 1020200027174A KR 20200027174 A KR20200027174 A KR 20200027174A KR 102137060 B1 KR102137060 B1 KR 102137060B1
Authority
KR
South Korea
Prior art keywords
face
template
authentication
templates
values
Prior art date
Application number
KR1020200027174A
Other languages
English (en)
Inventor
채장진
Original Assignee
씨엠아이텍주식회사
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 씨엠아이텍주식회사 filed Critical 씨엠아이텍주식회사
Priority to KR1020200027174A priority Critical patent/KR102137060B1/ko
Application granted granted Critical
Publication of KR102137060B1 publication Critical patent/KR102137060B1/ko
Priority to US17/426,889 priority patent/US20220318369A1/en
Priority to CN202080011939.1A priority patent/CN114270417A/zh
Priority to PCT/KR2020/015581 priority patent/WO2021177544A1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/30—Authentication, i.e. establishing the identity or authorisation of security principals
    • G06F21/31—User authentication
    • G06F21/32—User authentication using biometric data, e.g. fingerprints, iris scans or voiceprints
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/51—Indexing; Data structures therefor; Storage structures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/30—Authentication, i.e. establishing the identity or authorisation of security principals
    • G06F21/45—Structures or tools for the administration of authentication
    • G06K9/00221—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
    • G06V10/751—Comparing pixel values or logical combinations thereof, or feature values having positional relevance, e.g. template matching
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/761—Proximity, similarity or dissimilarity measures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
    • 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
    • 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
    • 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
    • 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
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/50—Maintenance of biometric data or enrolment thereof

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Software Systems (AREA)
  • Computer Security & Cryptography (AREA)
  • Health & Medical Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • General Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Databases & Information Systems (AREA)
  • Evolutionary Computation (AREA)
  • Computer Hardware Design (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Human Computer Interaction (AREA)
  • Artificial Intelligence (AREA)
  • Computing Systems (AREA)
  • Medical Informatics (AREA)
  • Data Mining & Analysis (AREA)
  • Collating Specific Patterns (AREA)

Abstract

본 발명은 등록 얼굴 템플릿의 갱신이 가능한 얼굴 인식 시스템 및 방법에 관한 것으로, 본 발명에 따른 얼굴 인식 시스템은 등록 얼굴 템플릿이 저장되어 있는 등록 템플릿 DB; 인증 얼굴 템플릿들을 저장하기 위한 인증 템플릿 DB; 사용자의 얼굴 인증에 따라 인증 템플릿 DB에 인증 얼굴 템플릿을 저장하고, 소정의 기간이 경과한 후 인증 템플릿 DB에 저장된 복수의 인증 얼굴 템플릿들을 이용하여 복수의 인증 얼굴 템플릿들 각각에 대해 서로 유사도를 구하고, 이들 유사도의 값을 이용하여 복수의 인증 얼굴 템플릿들 각각에 대한 평균 유사도의 값을 구하고, 평균 유사도의 값들 중에서 평균 유사도의 값이 가장 큰 인증 얼굴 템플릿을 새로운 등록 얼굴 템플릿으로 선정하여 록 템플릿 DB에 저장함으로써 등록 얼굴 템플릿을 갱신하는 제어부를 제공함으로써, 등록 얼굴 템플릿을 자동으로 갱신할 수 있다.

Description

등록 얼굴 템플릿의 갱신이 가능한 얼굴 인식 시스템 및 방법{Face Recognition System and Method for Updating Registration Face Template}
본 발명은 등록 얼굴 템플릿의 갱신이 가능한 얼굴 인식 시스템 및 방법에 관한 것으로, 특히 인증 얼굴 템플릿들을 이용하여 등록 얼굴 템플릿을 자동으로 갱신할 수 있는 얼굴 인식 시스템 및 방법에 관한 것이다.
얼굴 인식 기술은 얼굴을 포함하는 영상에 대해 얼굴 영역의 자동적인 검출 및 분석을 통해 해당 얼굴이 어떤 인물인지 판별해 내는 기술로 패턴 인식 및 컴퓨터 비전 분야에서 오랫동안 연구되어 온 분야이다. 많은 연구 결과로부터 최근에는 감시 시스템, 출입국 관리 또는 생체 인식 등과 같은 실제 환경에 적용되고 있다.
이러한 얼굴 인식 기술은 다른 물체 인식 기술 대비 상대적으로 성숙한 기술로 높은 성능을 보인다고 알려졌으나, 실제 환경에서 취득하는 영상은 포즈 및 조명 변화, 원거리 촬영과 사람의 움직임에 의한 저해상도/블러 문제 등으로 인해 여전히 해결해야 할 문제가 많은 것으로 알려져 있다.
다시 말해, 사용자의 포즈, 사용자 주변 환경의 밝고 어두운 정도, 사용자의 얼굴의 명암 차이 등의 다양한 변수로 인해 실제 인증을 위한 얼굴 영상에 변화가 야기되어 사용자의 인증이 실패하거나 인증 처리 시간이 증가하는 경우가 종종 발생한다.
또한, 사용자가 인증에 사용한 얼굴 영상들로 등록 얼굴 영상이 자동으로 갱신할 수 있는 기술이 사용되고 있으나, 자동으로 갱신하고자 하는 얼굴 영상을 어떤 영상으로 할 것인지 제대로 한정되어 있지 않아 오히려 인증 실패가 증가하는 경우도 종종 발생하고 있다.
상술한 문제점을 해결하기 위해, 본 발명은 인증 얼굴 템플릿들의 상호 간의 유사도를 이용하여 등록 얼굴 템플릿을 자동으로 갱신할 수 있는 얼굴 인식 시스템 및 방법을 제공하는 것을 목적으로 한다.
상술한 목적을 달성하기 위해, 본 발명의 일 실시예에 따른 얼굴 인식 시스템은, 등록 얼굴 템플릿이 저장되어 있는 등록 템플릿 DB; 인증 얼굴 템플릿들을 저장하기 위한 인증 템플릿 DB; 및 사용자의 얼굴 인증에 따라 상기 인증 템플릿 DB에 상기 인증 얼굴 템플릿을 저장하고, 소정의 기간이 경과한 후 상기 인증 템플릿 DB에 저장된 복수의 인증 얼굴 템플릿들을 이용하여 상기 복수의 인증 얼굴 템플릿들 각각에 대해 서로 유사도를 구하고, 이들 유사도의 값을 이용하여 상기 복수의 인증 얼굴 템플릿들 각각에 대한 평균 유사도의 값을 구하고, 상기 평균 유사도의 값들 중에서 평균 유사도의 값이 가장 큰 인증 얼굴 템플릿을 새로운 등록 얼굴 템플릿으로 선정하여 상기 등록 템플릿 DB에 저장함으로써 상기 등록 얼굴 템플릿을 갱신하는 제어부를 제공한다.
상기 제어부는 신경망(Neural Network)을 통해 상기 인증 얼굴 템플릿으로부터 얻어진 템플릿 값을 저장하고, 상기 새로운 등록 얼굴 템플릿을 선정하기 위해, 상기 인증 템플릿 DB에 저장된 상기 복수의 인증 얼굴 템플릿의 값들을 이용하여 상기 복수의 인증 얼굴 템플릿들 각각에 대해 서로 거리를 구하고, 이들 거리의 값을 이용하여 상기 복수의 인증 얼굴 템플릿들 각각에 대한 평균 거리의 값을 구하고, 상기 평균 거리의 값들 중에서 평균 거리의 값이 가장 작은 템플릿 값을 가진 얼굴 템플릿을 상기 새로운 등록 얼굴 템플릿으로 선정할 수 있다.
상기 제어부는 상기 복수의 인증 얼굴 템플릿들 각각에 대해 서로 거리를 구하고 평균 거리값이 소정의 평균 거리값 이하인 인증 얼굴 템플릿의 값들만을 이용하여 상기 새로운 등록 얼굴 템플릿을 선정할 수 있다.
상기 제어부는 상기 인증 얼굴 템플릿을 저장하는 시간 정보를 상기 인증 템플릿 DB의 시간 정보 영역에 저장하고, 상기 시간 정보 영역에 저장된 상기 시간 정보를 이용하여 소정의 시간 구간마다의 상기 새로운 등록 얼굴 템플릿을 선정할 수 있다.
상기 얼굴 인식 시스템은 얼굴을 포함하는 영상을 촬영을 하는 카메라부를 더 포함할 수 있고, 상기 제어부는 상기 카메라부에 의해 촬영된 영상에서의 얼굴 이미지의 크기 정보를 상기 인증 템플릿 DB의 크기 정보 영역에 저장하고, 상기 크기 정보 영역에 저장된 상기 크기 정보가 소정의 크기 값 이상인 인증 얼굴 템플릿의 값들만을 이용하여 상기 새로운 등록 얼굴 템플릿을 선정할 수 있다.
상기 얼굴 이미지의 크기 정보는 상기 얼굴 이미지의 가로 및 세로 중 적어도 하나의 최대 크기이거나 상기 얼굴 이미지의 화소수들일 수 있다.
상기 얼굴 인식 시스템은 얼굴을 포함하는 영상을 촬영을 하는 카메라부; 상기 카메라부에 의해 촬영된 영상에서 얼굴 이미지를 검출하는 얼굴 검출부; 상기 얼굴 이미지에서 특징점 정보를 추출하는 특징 추출부; 상기 특징점 정보를 이용하여 얼굴 이미지를 정규화처리함으로써 정렬된 얼굴 템플릿을 생성하는 정규화 처리부; 및 상기 정규화 처리부로부터 입력된 얼굴 템플릿과 상기 등록 템플릿 DB에 저장된 등록 얼굴 템플릿을 비교하여 상기 입력된 얼굴 템플릿이 등록된 사용자인지를 결정하는 얼굴 인식부를 더 포함할 수 있다.
본 발명의 또 하나의 실시예에 따른 등록 얼굴 템플릿이 저장되어 있는 등록 템플릿 DB 및 인증 얼굴 템플릿들을 저장하기 위한 인증 템플릿 DB를 포함하는 얼굴 인식 시스템에 의한 얼굴 인식 방법은, 사용자의 얼굴 인증에 따라 상기 인증 템플릿 DB에 상기 인증 얼굴 템플릿을 저장하는 단계; 소정의 기간이 경과한 후 상기 인증 템플릿 DB에 저장된 복수의 인증 얼굴 템플릿들을 이용하여 상기 복수의 인증 얼굴 템플릿들 각각에 대해 서로 유사도를 구하고, 이들 유사도의 값을 이용하여 상기 복수의 인증 얼굴 템플릿들 각각에 대한 평균 유사도의 값을 구하고, 상기 평균 유사도의 값들 중에서 평균 유사도의 값이 가장 큰 인증 얼굴 템플릿을 새로운 등록 얼굴 템플릿으로 선정하는 단계; 및 상기 새로운 등록 얼굴 템플릿을 상기 등록 템플릿 DB에 저장함으로써 상기 등록 얼굴 템플릿을 갱신하는 단계를 제공함으로써, 상술한 목적을 달성할 수 있다.
상술한 구성에 의해, 본 발명은 새로 등록된 얼굴 영상이 소정의 기간의 얼굴 영상들 중에서 평균에 가까운 얼굴 영상이므로, 사용자의 얼굴을 인증하는 속도를 향상시킬 수 있고, 또한 인증 실패를 감소시킬 수 있다.
본 발명은 또한, 인증된 얼굴 영상들 중에서 일부 얼굴 영상을 제외함으로써, 노화나 계절 등의 변화에 따른 얼굴 이미지의 변화를 더 반영할 수 있고, 또한 인증 실패를 감소시킬 수 있다.
도 1은 본 발명의 일 실시예에 따른 얼굴 인식 시스템의 블록도를 도시하는 도면이다.
도 2는 도 1에 도시된 인증 템플릿 DB의 테이블의 예시를 도시하는 도면이다.
도 3은 도 2에 도시된 템플릿 값 영역에 저장된 템플릿 값들을 좌표축의 형태로 도시한 도면이다.
도 4는 본 발명의 다른 실시예에 따른 얼굴 인식 방법의 흐름도를 도시하는 도면이다.
이하, 첨부된 도면을 참조하여 본 발명에 따른 등록 얼굴 템플릿의 갱신이 가능한 얼굴 인식 시스템 및 방법의 바람직한 실시예를 설명한다. 참고로, 아래에서 본 발명을 설명함에 있어서, 본 발명의 구성요소를 지칭하는 용어들은 각각의 구성 요소들의 기능을 고려하여 명명된 것이므로, 본 발명의 기술적 구성요소를 한정하는 의미로 이해되어서는 안 될 것이다.
도 1은 본 발명의 일 실시예에 따른 얼굴 인식 시스템의 블록도를 도시하는 도면이고, 도 2는 도 1에 도시된 인증 템플릿 DB의 테이블의 예시를 도시하는 도면이고, 도 3은 도 2에 도시된 템플릿 값 영역에 저장된 템플릿 값들을 좌표축의 형태로 도시한 도면이다.
도 1에 도시된 바와 같이, 얼굴 인식 시스템은 템플릿 저장부(110), 카메라부(120), 얼굴 검출부(130), 특징 추출부(140), 정규화 처리부(150), 얼굴 인식부(160), 제어부(170)를 포함한다. 얼굴 인식 시스템은 구체적으로 얼굴 처리 디바이스(미도시됨) 및 관리 서버(미도시됨)로 구분되어 동작될 수 있다.
템플릿 저장부(110)는 템플릿을 저장하기 위한 저장 공간으로, 등록 템플릿 DB(112) 및 인증 템플릿 DB(114)를 포함한다. 등록 템플릿 DB(112)에는 등록용으로 저장한 등록 얼굴 템플릿들, 그들의 정규화된 특징점 정보들, 그들의 템플릿 값들 및 그들이 저장되는 시간 정보 등이 저장될 수 있다. 인증 템플릿 DB(114)에는 사용자의 얼굴 인증에 따른 인증 얼굴 템플릿들, 그들의 정규화된 특징점 정보들, 그들의 템플릿 값들, 그들이 저장되는 시간 정보, 및 얼굴 검출부(130)에서 검출된 얼굴과 관련된 크기 정보 등이 저장될 수 있다. 인증 템플릿 DB(114)의 테이블의 예시가 도 2에 도시되어 있다.
카메라부(120)는 출입문 부근에 설치되어 얼굴을 포함하는 영상을 촬영한다.
얼굴 검출부(130)는 기본적으로 카메라부(120)로부터 촬영된 영상 내에 존재하는 얼굴 이미지를 검출한다. 여기서 카메라부(120)로부터 촬영된 영상은 얼굴을 포함하는 하나의 이미지이다. 얼굴 검출부(130)는 유사 하르 특징(Haar-like feature) 알고리즘을 사용하여 카메라부(120)로부터 입력된 영상으로부터 얼굴 이미지를 검출할 수 있다. 이 경우 얼굴의 부분(머리, 눈, 코, 입 그리고 수염)을 개별적으로 검출하여 최종 얼굴로 결정할 수 있다. 얼굴 검출부(130)는 이 얼굴 이미지를 미세하게 튜닝함으로써 최종 얼굴 검출 결과를 높일 수 있다.
특징 추출부(140)는 사용자의 얼굴 이미지에서 특징점 정보를 추출한다. 특징 추출부(140)는 예를 들어, 사전에 학습된 3D 얼굴 기하 모델을 이용하여 얼굴 이미지에서 68개의 특징점, 즉 랜드마크를 추출할 수 있다.
특징 추출부(140)는 얼굴 이미지에서 눈썹, 눈, 코, 입 영역 및 그 주변의 특징점을 찾아 얼굴 이미지에 매핑한다. 물론, 특징점이 위의 나열된 특정 부분에 한정되는 것은 아니다. 특징 추출부(140)는 구체적으로 SVM(Support Vector Machine)과 같은 패턴 분류기(Pattern Classifier)로 구현될 수 있다. 특징 추출부(140)는 얼굴의 좌우 기울임 정도를 두 눈의 위치를 기반으로 인식할 수 있다.
특징 추출부(140)는 또한, 랜드마크 정보로부터 특징 벡터를 추출하고, 특징 벡터를 이용하여 사용자의 얼굴 표정이 어떤 표정인지 그리고 사용자의 현재 감정 상태를 인식하는 구성을 포함할 수 있다. 이 경우, 특징 추출부(140)는 랜드마크 정보로부터, 랜드마크 상호 간의 각도, 거리 비율 정보를 이용하여 특징 벡터를 추출할 수 있다. 특히, 특징 벡터를 추출하는 경우에는 특징 벡터의 차원을 최소화하는 것을 통하여 연산량을 감소시키는 것이 중요하다. 이에 의해, 기존의 얼굴 인식 기술에 비하여 사용자의 얼굴 표정을 인식하는 속도를 향상시킬 수 있다.
특징 추출부(140)는 또한, 예를 들어, 얼굴 이미지의 질감 특징, 얼굴 이미지 전체의 형태적인 특징, 신체 부위(눈, 코, 입 등)의 형태적 특징 등을 이용하여 얼굴 이미지를 표현하는 특징 벡터들을 생성할 수 있다. 특징 추출부(140)는 또한, 상기 얼굴 이미지를 RGB 이미지에서 밝기-색차(Y/C) 이미지로 변환하고, 변환된 이미지로부터 특징 벡터를 생성할 수 있다. 여기서, 색차 이미지는 밝기 값을 배제하고 순수한 색상 정보만을 이용하여 색상 간의 차이를 표현한 이미지를 의미한다. 특징 추출부(140)는 조명에 의한 영향을 줄이기 위해 밝기 이미지를 제외하고 색차 이미지만을 이용하여 특징 벡터를 생성할 수 있다.
정규화 처리부(150)는 얼굴 이미지에서 추출된 특징점 정보를 이용하여 얼굴 이미지를 정규화 처리함으로써 정렬된 얼굴 이미지를 생성한다. 정규화 처리부(150)는 특징점 정보를 이용하여 얼굴 이미지를 어파인(affine) 변환, 즉 2차원 어파인 변환 또는 3차원 어파인 변환함으로써 얼굴 정렬 및 광도 보정과 같은 영상의 정규화 처리를 수행할 수 있다. 이 경우, 눈 중심과 입 중심이 수직이 되도록 얼굴 이미지를 회전시켜 보정하고, 또한 눈 중심과 입 중심 간 거리가 40 픽셀이 되도록 얼굴 이미지의 크기를 보정할 수 있다. 이에 의해, 검출된 얼굴 이미지가 정면이 아닌 옆모습이라도, 이 이미지를 변환하여 정면의 얼굴 이미지를 생성할 수 있다.
정규화 처리부(150)에서 정렬된 얼굴 이미지를 얼굴 템플릿으로 템플릿 저장부(110)에 저장될 수 있다. 이 경우 정렬된 얼굴 이미지로부터 얻은 정규화된 특징점 정보가 템플릿 저장부(110)에 얼굴 템플릿 대신에 또는 얼굴 템플릿과 함께 별도의 영역에 저장될 수 있다. 정규화 처리부(150)는 정규화된 특징점 정보로 얼굴 이미지를 다수의 블록으로 구분한 후 각 블록의 정규화된 특징 벡터를 생성하고, 제어부(170)는 각 블록의 정규화된 특징 벡터를 템플릿 저장부(110)의 정규화된 특징점 정보 영역에 저장할 수 있다. 본 실시예에서는 얼굴 템플릿과 정렬된 얼굴 이미지로부터 얻은 정규화된 특징점 정보를 구분하고 있으나, 정렬된 얼굴 이미지로부터 얻은 정규화된 특징점 정보 역시 정렬된 얼굴 이미지로부터 도출되는 것인바, 얼굴 템플릿에 포함되는 것임에 유의해야 한다.
얼굴 인식부(160)는 카메라부(120)로부터 입력된 영상의 얼굴 템플릿과 등록 템플릿 DB(112)에 저장된 등록 얼굴 템플릿을 비교하여 입력된 영상의 얼굴 템플릿이 등록된 사용자인지를 결정한다. 얼굴 인식부(160)는 심층 신경망(DNN, Deep Neural Network), 컨볼루션 신경망(CNN, Convolutional Neural Network), 순환 신경망(RNN, Recurrent Neural Network), 제한 볼츠만 머신(RBM, Restricted Boltzmann Machine), 심층 신뢰 신경망(DBN, Deep Belief Network), 심층 Q-네트워크(Deep QNetworks)와 같은 다양한 딥 러닝 기술들을 이용할 수 있으며, 이에 한정하지 않는다. 본 실시예에서, 얼굴 인식부(160)는 여러 개의 층으로 구성된 컨볼루션(convolution) 신경망으로 구성될 수 있다. 이때, 얼굴 영역 내의 지역적인 특징을 효과적으로 추출하기 위하여 국소 연결(locally connected) 컨볼루션 층을 사용할 수 있다.
얼굴 인식부(160)는 얼굴 템플릿의 특징점 정보를 이용하여 얼굴의 유사도 결정을 수행할 수 있다. 이때, 얼굴 인식부(160)는 입력된 영상의 얼굴 템플릿을 저장된 등록 얼굴 템플릿들 모두에 대해 유사도 결정을 수행하고, 각각의 유사도 결과를 이용하여 등록된 사용자인지를 결정할 수 있다. 예컨대, 등록 템플릿 DB(112)에 저장된 등록 얼굴 템플릿이 4개이며, 각각에 대해 얼굴 유사도가 97%, 85%, 80% 및 75%로 결정된 경우, 최대값인 97%를 기준으로 등록된 사용자인지를 결정할 수 있다. 만약, 등록된 사용자인지를 결정하기 위한 기준 값이 95%인 경우에는, 유사도의 최대값이 97%이므로 등록 사용자로 결정할 수 있다.
얼굴 인식부(160)는 구체적으로 정규화 처리부(150)에서 처리된 얼굴 템플릿과 등록 템플릿 DB(112)에 저장된 등록 얼굴 템플릿을 불러와서 컨볼루션 신경망에 블록 단위로 데이터를 제공하고 각 블록마다 블록 템플릿 값을 구해 각 블록마다 유사도를 구하고 모두 합산하여 전체 유사도를 구할 수 있다. 이 경우 등록 템플릿 DB(112)에 저장된 각 블록의 정규화된 특징 벡터, 또는 템플릿 값을 사용하여 유사도를 산출할 수 있다.
한편, 얼굴 인식부(160)는 트레이닝과 관련하여 얼굴 검증을 수행할 수 있다. 얼굴 검증(face verification)은 동일한 인물에 대한 2개의 얼굴 템플릿들이 동일 인물이라는 것을 검증하는 것이다. 이를 통해, 영상 내 얼굴 인식 과정에서 발생되는 오인식 비율을 줄일 수 있다.
트레이닝은 복수의 학습 모델을 이용하여 얼굴 특징 포인트를 트레이닝할 수 있다. 복수의 학습 모델은 사용자의 얼굴 학습 모델, 타인의 얼굴 학습 모델, 조명 학습 모델 및 포즈 학습 모델 중 적어도 어느 하나 이상을 포함할 수 있다. 예를 들어, 트레이닝은 복수의 학습 모델에 대한 학습 데이터로부터 검출된 얼굴의 특징 포인트를 기준으로 학습 데이터를 적어도 하나 이상의 영역으로 분할하여 얼굴 특징 포인트를 트레이닝할 수 있다.
트레이닝은 학습 데이터에 이용된 얼굴 특징 포인트의 개수만큼 버퍼에 각 얼굴 특징 포인트에 대한 대표 특징 벡터를 저장할 수 있다. 예를 들어, 얼굴의 특성상 동일 인물의 경우, 얼굴 특징 포인트의 데이터가 특정 벡터를 중심으로 형성되므로, 중심이 되는 대표 특징 벡터를 별도의 버퍼에 저장하여 이를 학습의 구심점이 되도록 할 수 있다.
트레이닝은 동일 사용자의 다른 이미지를 정해진 입력 개수에 따라 학습 데이터로 입력하여, 얼굴 특징 포인트, 조명 변화에 대한 얼굴 특징 포인트, 포즈 변화에 대한 얼굴 특징 포인트에 대한 출력값을 획득할 수 있다.
제어부(170)는 등록 모드이면 정규화 처리부(150)에서 처리되어 생성된 등록 얼굴 템플릿을 등록 템플릿 DB(112)에 저장한다. 그리고 제어부(170)는 트레이닝 모드이면 얼굴 인식부(160)를 제어하여 동일한 사용자의 정규화 처리부(150)에서 처리되어 생성된 검증 얼굴 템플릿을 등록 템플릿 DB(112)에 저장된 등록 얼굴 템플릿과 비교하는 딥 러닝 트레이닝을 수행하게 하고, 트레이닝에 따른 얼굴 검증의 값들을 컨볼루션(convolution) 신경망에 설정할 수 있다.
제어부(170)는 인증 모드이면 얼굴 인식부(160)를 제어하여 정규화 처리부(150)에서 처리되어 생성된 얼굴 템플릿을 등록 템플릿 DB(112)에 등록된 얼굴 템플릿들 모두와 비교하여 입력된 영상의 얼굴 템플릿이 등록된 사용자인지를 결정하게 한다.
제어부(170)는 입력된 영상의 얼굴 템플릿이 등록된 사용자이면, 예를 들어 출입문을 개방하고 이어서 입력된 영상의 얼굴 템플릿 및/또는 정규화된 특징점 정보를 인증 템플릿 DB(114)의 얼굴 템플릿 영역 및/또는 특징점 정보 영역에 저장하고, 얼굴 인식부(160)에서 컨볼루션 신경망을 통해 계산된 템플릿 값을 템플릿 값 영역에 저장하고, 아울러 시간 정보 영역에 저장 시간을 저장할 수 있다. 또한, 제어부(170)는 얼굴 검출부(130)에서 검출된 얼굴과 관련된 크기 정보를 인증 템플릿 DB(114)의 크기 정보 영역에 저장할 수 있다. 이 경우 크기 정보는 얼굴 이미지의 가로 및/또는 세로의 최대 크기이거나 얼굴 이미지 내의 화소수들일 수 있다.
제어부(170)는 소정의 기간, 예를 들어 1개월이 지나면 등록 템플릿 DB(112)에 저장된 등록 얼굴 템플릿을 갱신할 수 있다. 제어부(170)는 인증 템플릿 DB(114)에 저장된 해당 사용자, 예를 들어 ID1의 템플릿 값들을 불러온다. 도 2에 도시된 템플릿 값 영역에 저장된 템플릿 값들을 좌표축의 형태로 도시한 표시가 도 3에 도시되어 있다. 여기서, 청색은 현재 등록 템플릿 DB(112)에 저장된 등록 얼굴 템플릿의 템플릿 값이며, 나머지 색들은 모두 인증 템플릿 DB(114)에 저장된 얼굴 템플릿들의 템플릿 값들이다.
제어부(170)는 소정의 기간 동안 얻어진 템플릿 값들 중에서 서로 유사도를 구하고, 이들 유사도의 값을 이용하여 복수의 인증 얼굴 템플릿들 각각에 대한 평균 유사도의 값을 구하고, 이들 평균 유사도의 값들 중에서 평균 유사도의 값이 가장 큰 템플릿 값(녹색)을 가진 얼굴 템플릿을 새로운 등록 얼굴 템플릿으로 선정한다. 제어부(170)는 이어서 등록 얼굴 템플릿으로 선정된 얼굴 템플릿에 대한 모든 정보를 등록 템플릿 DB(112)에 저장한다. 이 경우 제어부(170)는 종전에 저장된 등록 얼굴 템플릿의 정보들을 그대로 유지할 수 있다. 이에 의해, 제어부(170)는 먼저 등록 템플릿 DB(112)에 새롭게 갱신된 얼굴 템플릿을 이용하여 얼굴 인식을 처리하고, 유사도가 낮은 경우에는 등록 템플릿 DB(112)에 기존에 저장된 등록 얼굴 템플릿을 더 이용하여 얼굴 인식을 처리할 수 있다.
여기서, 평균 유사도의 값이란 예를 들어 인증 얼굴 템플릿들이 3개인 경우에, 제1 인증 얼굴 템플릿과 제2 인증 얼굴 템플릿의 유사도가 82이고, 제2 인증 얼굴 템플릿과 제3 인증 얼굴 템플릿의 유사도가 90이고, 제1 인증 얼굴 템플릿과 제3 인증 얼굴 템플릿의 유사가 86이면, 제1 인증 얼굴 템플릿의 평균 유사도는 (82+86)/2 = 84이고, 제2 인증 얼굴 템플릿의 평균 유사도는 (82+90)/2 = 86이고, 제3 인증 얼굴 템플릿의 평균 유사도는 (90+86)/2 = 88이다. 따라 이들 중에서 평균 유사도의 값이 가장 큰 인증 얼굴 템플릿은 제3 인증 얼굴 템플릿이 된다.
제어부(170)는 평균 유사도의 값이 가장 큰 템플릿 값(녹색)을 구하기 위해 구체적으로 템플릿 값들을 이용하여 서로 거리를 구하고, 이들 거리의 값을 이용하여 복수의 인증 얼굴 템플릿들 각각에 대한 평균 거리의 값을 구하고, 이들 평균 거리의 값들 중에서 평균 거리값이 가장 작은 템플릿을 가진 얼굴 템플릿을 새로운 등록 얼굴 템플릿으로 선정할 수 있다. 이 경우, 제어부(170)는 서로 거리를 구한 평균값이 일정한 임계값 이상인 것들은 등록 얼굴 템플릿 후보에 미리 제외할 수 있다. 즉, 인증 템플릿 DB(114)에 저장된 얼굴 템플릿들의 템플릿 값들의 전체 분포에서 소정의 편차를 벗어나는 것은 등록 얼굴 템플릿 후보에 제외할 수 있다. 도 3에 도시된 바와 같이, 왼쪽 2개의 템플릿 값들은 오른쪽에 위치한 템플릿 값들에 비해 등록 얼굴 템플릿 값에 거리가 더 가깝지만 인증 템플릿 DB(114)에 저장된 전체 템플릿 값들에서는 멀리 떨어져 있다. 이에 의해, 새로운 등록 얼굴 템플릿으로 선정된 얼굴 템플릿은 노화나 계절의 변화에 따른 얼굴 이미지의 변화를 더 반영할 수 있다.
제어부(170)는 또한, 얼굴 검출부(130)에서 검출한 얼굴 이미지의 크기 정보를 이용하여 크기 정보가 소정의 임계값보다 작은 경우에도 등록 얼굴 템플릿 후보에서 미리 제외할 수 있다. 이에 의해 정규화 처리에 따른 오류를 제거할 수 있다.
제어부(170)는 또한, 얼굴 템플릿이 저장된 시간 정보를 이용하여 소정의 시간 구간마다 등록 얼굴 템플릿을 구할 수 있다. 이에 의해, 하루 일과 중 시간에 따른 얼굴의 변화와 밤과 낮의 구간 동안 발생하는 조명의 변화 등을 반영할 수 있다.
도 4는 본 발명의 다른 실시예에 따른 얼굴 인식 방법의 흐름도를 도시하는 도면이다.
제어부(170)는 등록 모드이면 등록 템플릿 DB(112)에 정규화 처리부(150)에서 처리되어 생성된 등록 얼굴 템플릿을 저장한다(S402).
제어부(170)는 트레이닝 모드이면 트레이닝 모드로 얼굴 인식부(160)를 제어하므로, 얼굴 인식부(160)는 동일한 사용자의 정규화 처리부(150)에서 처리되어 생성된 검증 얼굴 템플릿을 등록 템플릿 DB(112)에 저장된 등록 얼굴 템플릿과 비교하는 딥 러닝 트레이닝을 수행한다(S404).
제어부(170)는 인증 모드이면 인증 모드로 얼굴 인식부(160)를 제어하므로, 얼굴 인식부(160)는 정규화 처리부(150)에서 처리되어 생성된 얼굴 템플릿을 등록 템플릿 DB(112)에 등록된 얼굴 템플릿들 모두와 비교하여 입력된 영상의 얼굴 템플릿이 등록된 사용자인지를 결정한다(S406).
제어부(170)는 입력된 영상의 얼굴 템플릿이 등록된 사용자이면, 인증 템플릿 DB(114)의 얼굴 템플릿 영역에 입력된 영상의 얼굴 템플릿을 인증 얼굴 템플릿으로 저장한다(S408). 이 경우 제어부(170)는 인증 템플릿 DB(114)의 특징점 정보 영역에 정규화된 특징점 정보를 저장하고, 템플릿 값 영역에 얼굴 인식부(160)에서 컨볼루션 신경망을 통해 얻은 템플릿 값을 저장하고, 아울러 시간 정보 영역에 저장 시간을 저장할 수 있다. 또한, 제어부(170)는 얼굴 검출부(130)에서 검출된 얼굴과 관련된 크기 정보를 인증 템플릿 DB(114)의 크기 정보 영역에 저장할 수 있다.
제어부(170)는 소정의 기간, 예를 들어 1개월이 경과하였는지를 결정한다(S410). 제어부(170)는 소정의 기간이 경과하였으면, 인증 템플릿 DB(114)에 저장된 복수의 인증 얼굴 템플릿들을 독출한다(S412).
제어부(170)는 복수의 인증 얼굴 템플릿들 각각에 대해 서로 거리를 구하고 평균 거리값이 소정의 평균 거리값 이하인 인증 얼굴 템플릿의 값들만을 등록 템플릿 후보들로 결정한다(S414). 이때, 제어부(170)는 인증 템플릿 DB의 크기 정보 영역에 저장된 크기 정보가 소정의 크기 값 이상인 인증 얼굴 템플릿의 값들만을 등록 템플릿 후보들로 더 결정할 수 있다.
제어부(170)는 인증 템플릿 DB(114)에 저장된 복수의 인증 얼굴 템플릿들 중에서 결정된 등록 템플릿 후보들 각각에 대해 서로 유사도를 구하고 평균 유사도의 값이 가장 큰 인증 얼굴 템플릿을 새로운 등록 얼굴 템플릿으로 선정한다(S416). 이 경우, 제어부(170)는 새로운 등록 얼굴 템플릿을 선정하기 위해, 인증 템플릿 DB(114)에 저장된 복수의 인증 얼굴 템플릿의 값들 중에서 선정된 등록 템플릿 후보들의 인증 얼굴 템플릿의 값들 각각에 대해 서로 거리를 구하고 평균 거리값이 가장 작은 템플릿 값을 가진 얼굴 템플릿을 상기 새로운 등록 얼굴 템플릿으로 선정할 수 있다.
제어부(170)는 선정된 새로운 등록 얼굴 템플릿을 등록 템플릿 DB(112)에 저장함으로써 등록 얼굴 템플릿을 갱신한다(S418).
이상에서 설명된 본 발명의 실시예들은 본 발명의 기술 사상을 예시적으로 보여준 것에 불과하며, 본 발명의 보호 범위는 이하 특허청구범위에 의하여 해석되어야 마땅할 것이다. 또한, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자라면 본 발명의 본질적인 특성에서 벗어나지 않는 범위에서 다양한 수정 및 변형할 수 있을 것인 바, 본 발명과 동등한 범위 내에 있는 모든 기술 사상은 본 발명의 권리범위에 포함되는 것으로 해석되어야 할 것이다.
110: 템플릿 저장부 112: 등록 템플릿 DB
114: 인증 템플릿 DB 120: 카메라부
130: 얼굴 검출부 140: 특징 추출부(140)
150: 정규화 처리부 160: 얼굴 인식부
170: 제어부

Claims (9)

  1. 등록 얼굴 템플릿이 저장되어 있는 등록 템플릿 DB;
    인증 얼굴 템플릿들을 저장하기 위한 인증 템플릿 DB; 및
    사용자의 얼굴 인증에 따라 상기 인증 템플릿 DB에 상기 인증 얼굴 템플릿을 저장하고, 소정의 기간이 경과한 후 상기 인증 템플릿 DB에 저장된 복수의 인증 얼굴 템플릿들을 이용하여 상기 복수의 인증 얼굴 템플릿들 각각에 대해 서로 유사도를 구하고, 이들 유사도의 값을 이용하여 상기 복수의 인증 얼굴 템플릿들 각각에 대한 평균 유사도의 값을 구하고, 상기 평균 유사도의 값들 중에서 평균 유사도의 값이 가장 큰 인증 얼굴 템플릿을 새로운 등록 얼굴 템플릿으로 선정하여 상기 등록 템플릿 DB에 저장함으로써 상기 등록 얼굴 템플릿을 갱신하는 제어부를 포함하는 것을 특징으로 하는 얼굴 인식 시스템.
  2. 제1항에 있어서,
    상기 제어부는 신경망(Neural Network)을 통해 상기 인증 얼굴 템플릿으로부터 얻어진 템플릿 값을 저장하고, 상기 새로운 등록 얼굴 템플릿을 선정하기 위해, 상기 인증 템플릿 DB에 저장된 상기 복수의 인증 얼굴 템플릿의 값들을 이용하여 상기 복수의 인증 얼굴 템플릿들 각각에 대해 서로 거리를 구하고, 이들 거리의 값을 이용하여 상기 복수의 인증 얼굴 템플릿들 각각에 대한 평균 거리의 값을 구하고, 상기 평균 거리의 값들 중에서 평균 거리의 값이 가장 작은 템플릿 값을 가진 얼굴 템플릿을 상기 새로운 등록 얼굴 템플릿으로 선정하는 것을 특징으로 하는 얼굴 인식 시스템.
  3. 제2항에 있어서,
    상기 제어부는 상기 복수의 인증 얼굴 템플릿들 각각에 대해 서로 거리를 구하고 평균 거리값이 소정의 평균 거리값 이하인 인증 얼굴 템플릿의 값들만을 이용하여 상기 새로운 등록 얼굴 템플릿을 선정하는 것을 특징으로 하는 얼굴 인식 시스템.
  4. 제1항 내지 제3항 중 어느 한 항에 있어서,
    상기 제어부는 상기 인증 얼굴 템플릿을 저장하는 시간 정보를 상기 인증 템플릿 DB의 시간 정보 영역에 저장하고, 상기 시간 정보 영역에 저장된 상기 시간 정보를 이용하여 소정의 시간 구간마다의 상기 새로운 등록 얼굴 템플릿을 선정하는 것을 특징으로 하는 얼굴 인식 시스템.
  5. 제1항 내지 제3항 중 어느 한 항에 있어서,
    얼굴을 포함하는 영상을 촬영을 하는 카메라부를 더 포함하고,
    상기 제어부는 상기 카메라부에 의해 촬영된 영상에서의 얼굴 이미지의 크기 정보를 상기 인증 템플릿 DB의 크기 정보 영역에 저장하고, 상기 크기 정보 영역에 저장된 상기 크기 정보가 소정의 크기 값 이상인 인증 얼굴 템플릿의 값들만을 이용하여 상기 새로운 등록 얼굴 템플릿을 선정하는 것을 특징으로 하는 얼굴 인식 시스템.
  6. 제5항에 있어서,
    상기 얼굴 이미지의 크기 정보는 상기 얼굴 이미지의 가로 및 세로 중 적어도 하나의 최대 크기이거나 상기 얼굴 이미지의 화소수들인 것을 특징으로 하는 얼굴 인식 시스템.
  7. 제1항 내지 제3항 중 어느 한 항에 있어서,
    얼굴을 포함하는 영상을 촬영을 하는 카메라부;
    상기 카메라부에 의해 촬영된 영상에서 얼굴 이미지를 검출하는 얼굴 검출부;
    상기 얼굴 이미지에서 특징점 정보를 추출하는 특징 추출부;
    상기 특징점 정보를 이용하여 얼굴 이미지를 정규화처리함으로써 정렬된 얼굴 템플릿을 생성하는 정규화 처리부; 및
    상기 정규화 처리부로부터 입력된 얼굴 템플릿과 상기 등록 템플릿 DB에 저장된 등록 얼굴 템플릿을 비교하여 상기 입력된 얼굴 템플릿이 등록된 사용자인지를 결정하는 얼굴 인식부를 더 포함하는 것을 특징으로 하는 얼굴 인식 시스템.
  8. 등록 얼굴 템플릿이 저장되어 있는 등록 템플릿 DB 및 인증 얼굴 템플릿들을 저장하기 위한 인증 템플릿 DB를 포함하는 얼굴 인식 시스템에 의한 얼굴 인식 방법에 있어서,
    사용자의 얼굴 인증에 따라 상기 인증 템플릿 DB에 상기 인증 얼굴 템플릿을 저장하는 단계;
    소정의 기간이 경과한 후 상기 인증 템플릿 DB에 저장된 복수의 인증 얼굴 템플릿들을 이용하여 상기 복수의 인증 얼굴 템플릿들 각각에 대해 서로 유사도를 구하고, 이들 유사도의 값을 이용하여 상기 복수의 인증 얼굴 템플릿들 각각에 대한 평균 유사도의 값을 구하고, 상기 평균 유사도의 값들 중에서 평균 유사도의 값이 가장 큰 인증 얼굴 템플릿을 새로운 등록 얼굴 템플릿으로 선정하는 단계; 및
    상기 새로운 등록 얼굴 템플릿을 상기 등록 템플릿 DB에 저장함으로써 상기 등록 얼굴 템플릿을 갱신하는 단계를 포함하는 것을 특징으로 하는 얼굴 인식 방법.
  9. 제8항에 있어서,
    신경망(Neural Network)을 통해 상기 인증 얼굴 템플릿으로부터 얻어진 템플릿 값을 저장하는 단계;
    상기 새로운 등록 얼굴 템플릿을 선정하는 단계는, 상기 인증 템플릿 DB에 저장된 복수의 인증 얼굴 템플릿의 값들을 이용하여 상기 복수의 인증 얼굴 템플릿들 각각에 대해 서로 거리를 구하고, 이들 거리의 값을 이용하여 상기 복수의 인증 얼굴 템플릿들 각각에 대한 평균 거리의 값을 구하고, 상기 평균 거리의 값들 중에서 평균 거리값이 가장 작은 템플릿 값을 가진 얼굴 템플릿을 상기 새로운 등록 얼굴 템플릿으로 선정하는 것을 특징으로 하는 얼굴 인식 방법.
KR1020200027174A 2020-03-04 2020-03-04 등록 얼굴 템플릿의 갱신이 가능한 얼굴 인식 시스템 및 방법 KR102137060B1 (ko)

Priority Applications (4)

Application Number Priority Date Filing Date Title
KR1020200027174A KR102137060B1 (ko) 2020-03-04 2020-03-04 등록 얼굴 템플릿의 갱신이 가능한 얼굴 인식 시스템 및 방법
US17/426,889 US20220318369A1 (en) 2020-03-04 2020-11-09 Face recognition system and method capable of updating registered face templates
CN202080011939.1A CN114270417A (zh) 2020-03-04 2020-11-09 能够更新注册人脸模板的人脸识别系统及方法
PCT/KR2020/015581 WO2021177544A1 (ko) 2020-03-04 2020-11-09 등록 얼굴 템플릿의 갱신이 가능한 얼굴 인식 시스템 및 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020200027174A KR102137060B1 (ko) 2020-03-04 2020-03-04 등록 얼굴 템플릿의 갱신이 가능한 얼굴 인식 시스템 및 방법

Publications (1)

Publication Number Publication Date
KR102137060B1 true KR102137060B1 (ko) 2020-07-23

Family

ID=71894317

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020200027174A KR102137060B1 (ko) 2020-03-04 2020-03-04 등록 얼굴 템플릿의 갱신이 가능한 얼굴 인식 시스템 및 방법

Country Status (4)

Country Link
US (1) US20220318369A1 (ko)
KR (1) KR102137060B1 (ko)
CN (1) CN114270417A (ko)
WO (1) WO2021177544A1 (ko)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2021177544A1 (ko) * 2020-03-04 2021-09-10 씨엠아이텍주식회사 등록 얼굴 템플릿의 갱신이 가능한 얼굴 인식 시스템 및 방법
KR20230043302A (ko) * 2021-09-23 2023-03-31 국민대학교산학협력단 딥러닝 기반 비대면 실시간 학습 관리 시스템
US11983965B2 (en) 2020-11-05 2024-05-14 Samsung Electronics Co., Ltd. Electronic device for biometric authentication and method for operating the same

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115512427B (zh) * 2022-11-04 2023-04-25 北京城建设计发展集团股份有限公司 一种结合配合式活检的用户人脸注册方法与系统

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20080090035A (ko) * 2007-04-03 2008-10-08 삼성전자주식회사 웹 서비스를 이용한 방문자 식별 시스템 및 방법

Family Cites Families (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100445800B1 (ko) * 2001-01-05 2004-08-25 학교법인 인하학원 상관관계를 이용한 유사도 측정의 얼굴 인증 방법
US6964023B2 (en) * 2001-02-05 2005-11-08 International Business Machines Corporation System and method for multi-modal focus detection, referential ambiguity resolution and mood classification using multi-modal input
US8331632B1 (en) * 2007-08-06 2012-12-11 University Of South Florida Indexing face templates using linear models
JP5072757B2 (ja) * 2008-07-24 2012-11-14 キヤノン株式会社 画像処理装置、画像処理方法及びプログラム
US20100080425A1 (en) * 2008-09-29 2010-04-01 Board of regents of the Nevada System of Higher Education, on Behalf of the University of Minutiae-based template synthesis and matching
KR101421952B1 (ko) * 2013-05-03 2014-07-23 주식회사 슈프리마 얼굴 인식 장치 및 방법
US9747494B2 (en) * 2015-11-16 2017-08-29 MorphoTrak, LLC Facial matching system
CN107818253B (zh) * 2017-10-18 2020-07-17 Oppo广东移动通信有限公司 人脸模板数据录入控制方法及相关产品
US10970516B2 (en) * 2017-10-25 2021-04-06 Synaptics Incorporated Systems and methods for biometric recognition
CN109615733A (zh) * 2018-11-15 2019-04-12 金菁 一种基于人脸识别的农牧场防盗方法、装置及存储介质
KR102137060B1 (ko) * 2020-03-04 2020-07-23 씨엠아이텍주식회사 등록 얼굴 템플릿의 갱신이 가능한 얼굴 인식 시스템 및 방법

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20080090035A (ko) * 2007-04-03 2008-10-08 삼성전자주식회사 웹 서비스를 이용한 방문자 식별 시스템 및 방법

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2021177544A1 (ko) * 2020-03-04 2021-09-10 씨엠아이텍주식회사 등록 얼굴 템플릿의 갱신이 가능한 얼굴 인식 시스템 및 방법
US11983965B2 (en) 2020-11-05 2024-05-14 Samsung Electronics Co., Ltd. Electronic device for biometric authentication and method for operating the same
KR20230043302A (ko) * 2021-09-23 2023-03-31 국민대학교산학협력단 딥러닝 기반 비대면 실시간 학습 관리 시스템
KR102591040B1 (ko) * 2021-09-23 2023-10-20 국민대학교산학협력단 딥러닝 기반 비대면 실시간 학습 관리 시스템

Also Published As

Publication number Publication date
US20220318369A1 (en) 2022-10-06
CN114270417A (zh) 2022-04-01
WO2021177544A1 (ko) 2021-09-10

Similar Documents

Publication Publication Date Title
KR102137060B1 (ko) 등록 얼굴 템플릿의 갱신이 가능한 얼굴 인식 시스템 및 방법
US9602783B2 (en) Image recognition method and camera system
WO2021036436A1 (zh) 一种人脸识别方法及装置
EP1650711B1 (en) Image processing device, imaging device, image processing method
JP5517858B2 (ja) 画像処理装置、撮像装置、画像処理方法
US20130070973A1 (en) Face recognizing apparatus and face recognizing method
US20160063033A1 (en) Method, apparatus for providing a notification on a face recognition environment, and computer-readable recording medium for executing the method
US11915518B2 (en) Facial authentication device, facial authentication method, and program recording medium
JP2003317101A (ja) データベース自動更新方法を用いた顔検証方法及びそのシステム
US10922399B2 (en) Authentication verification using soft biometric traits
JP2005056387A (ja) 画像処理装置、撮像装置、画像処理方法
CN106650574A (zh) 基于PCANet的人脸识别方法
US20210256244A1 (en) Method for authentication or identification of an individual
US9286707B1 (en) Removing transient objects to synthesize an unobstructed image
CN109993090B (zh) 基于级联回归森林和图像灰度特征的虹膜中心定位方法
CN116030513A (zh) 面部认证系统、包括面部认证系统的车辆及面部认证方法
KR102325251B1 (ko) 근태 메뉴의 활성화가 가능한 얼굴 인식 시스템 및 방법
KR102326185B1 (ko) 딥러닝을 이용한 얼굴 매칭 방법 및 장치
CN114202677A (zh) 认证车辆内部中的乘员的方法和系统
Sharma et al. Study and implementation of face detection algorithm using Matlab
KR20180108361A (ko) 얼굴 인증 방법 및 장치
Yi et al. Face detection method based on skin color segmentation and eyes verification
KR20230105986A (ko) 라이브니스 검사 방법 및 라이브니스 검사 장치
KR20210050649A (ko) 모바일 기기의 페이스 인증 방법
CN110991345A (zh) 一种用于家庭看护系统的人脸识别方法及装置

Legal Events

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