KR102147187B1 - 딥러닝 기반 동영상에서 연속적으로 개인정보를 비식별화하기 위한 방법 및 장치 - Google Patents

딥러닝 기반 동영상에서 연속적으로 개인정보를 비식별화하기 위한 방법 및 장치 Download PDF

Info

Publication number
KR102147187B1
KR102147187B1 KR1020190158779A KR20190158779A KR102147187B1 KR 102147187 B1 KR102147187 B1 KR 102147187B1 KR 1020190158779 A KR1020190158779 A KR 1020190158779A KR 20190158779 A KR20190158779 A KR 20190158779A KR 102147187 B1 KR102147187 B1 KR 102147187B1
Authority
KR
South Korea
Prior art keywords
detection
detection area
region
area
frame
Prior art date
Application number
KR1020190158779A
Other languages
English (en)
Inventor
남영진
양용석
Original Assignee
네오컨버전스 주식회사
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 네오컨버전스 주식회사 filed Critical 네오컨버전스 주식회사
Priority to PCT/KR2019/016894 priority Critical patent/WO2021112273A1/ko
Priority to KR1020190158779A priority patent/KR102147187B1/ko
Application granted granted Critical
Publication of KR102147187B1 publication Critical patent/KR102147187B1/ko

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
    • H04N21/431—Generation of visual interfaces for content selection or interaction; Content or additional data rendering
    • H04N21/4318—Generation of visual interfaces for content selection or interaction; Content or additional data rendering by altering the content in the rendering process, e.g. blanking, blurring or masking an image region
    • 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
    • G06F21/60—Protecting data
    • G06F21/62—Protecting access to data via a platform, e.g. using keys or access control rules
    • G06F21/6218—Protecting access to data via a platform, e.g. using keys or access control rules to a system of files or objects, e.g. local or distributed file system or database
    • G06F21/6245—Protecting personal data, e.g. for financial or medical purposes
    • G06F21/6254—Protecting personal data, e.g. for financial or medical purposes by anonymising data, e.g. decorrelating personal data from the owner's identification
    • G06K9/20—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • 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
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/10—Image acquisition

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Software Systems (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Health & Medical Sciences (AREA)
  • Bioethics (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • General Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Databases & Information Systems (AREA)
  • Computer Security & Cryptography (AREA)
  • Computer Hardware Design (AREA)
  • Artificial Intelligence (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Signal Processing (AREA)
  • Image Analysis (AREA)

Abstract

본 발명은 딥러닝 기반 동영상에서 연속적으로 개인정보를 비식별화하기 위한 방법 및 장치에 관한 것이다.
본 발명의 일 실시예에 따른 딥러닝 기반 동영상에서 연속적으로 개인정보를 비식별화하기 위한 방법은 딥러닝 기반 동영상에서 연속적으로 개인정보를 비식별화하기 위한 장치가 딥러닝 기반 동영상에서 연속적으로 개인정보를 비식별화하기 위한 방법에 있어서, 특정객체의 제1검출영역을 검출하고, 제1검출영역을 마스킹하는 단계, 특정객체의 제2검출영역을 검출하고, 제2검출영역을 마스킹하는 단계, 제1검출영역과 제2검출영역의 연관성이 있는지 확인하는 단계, 제1검출영역과 제2검출영역의 연관성이 있으면, 제1검출영역이 포함된 제1검출영역프레임과 제2검출영역이 포함된 제2검출영역프레임 사이의 미검출프레임을 확인하는 단계, 미검출프레임에서 특정객체의 추정영역을 계산하고, 추정영역을 마스킹하는 단계를 포함한다.

Description

딥러닝 기반 동영상에서 연속적으로 개인정보를 비식별화하기 위한 방법 및 장치{METHOD AND APPARATUS FOR DE-IDENTIFICATIONING PERSONAL DATA ON VIDEO SEQUENTIALLY BASED ON DEEP LEARNING}
본 발명은 딥러닝 기반 동영상에서 연속적으로 개인정보를 비식별화하기 위한 방법 및 장치에 관한 것이다.
인공지능(artificial intelligence)은 인간의 지능으로 할 수 있는 사고, 학습, 자기계발 등을 컴퓨터가 할 수 있도록 하는 방법을 연구하는 컴퓨터 공학 및 정보기술의 한 분야로, 컴퓨터가 인간의 지능적인 행동을 모방할 수 있도록 하는 것을 의미한다.
최근에 인공지능, 빅데이터, IoT 등 IT 융합기술 발전으로 영상 데이터 이용 수요가 급증하고 있는 상황에서 많은 디지털 영상 기기, CCTV 및 차량용 블랙박스 등의 증가로 개인정보가 포함된 영상 데이터 비식별화 되지 않은 상태에서 유출되어 개인정보 침해 가능성 심화되고 있다.
또한, 빅데이터 학습 또는 활용을 위한 개인정보 유출위험에 안전한 영상 데이터 확보 어려움이 있고, 프라이버시 침해 및 개인정보 관련 법이나 규정에 저촉되는 문제가 발행할 가능성이 증가하고 있다.
그러나, 종래에는 개인정보 등에 문제가 없는 영상 데이터를 직접 확인하거나 확보하기가 어려움이 있었다.
대한민국 공개특허 제10-2019-0110498호
본 발명이 이루고자 하는 기술적인 과제는 딥러닝 분석 및 학습을 통해 동영상과 같은 영상 데이터에 포함된 개인정보를 명확히 인식하고 정확히 마스킹하는 딥러닝 기반 동영상에서 연속적으로 개인정보를 비식별화하기 위한 방법 및 장치를 제공하는데 있다.
본 발명의 일 실시예에 따른 딥러닝 기반 동영상에서 연속적으로 개인정보를 비식별화하기 위한 방법은 딥러닝 기반 동영상에서 연속적으로 개인정보를 비식별화하기 위한 장치가 딥러닝 기반 동영상에서 연속적으로 개인정보를 비식별화하기 위한 방법에 있어서, 특정객체의 제1검출영역을 검출하고, 제1검출영역을 마스킹하는 단계, 상기 특정객체의 제2검출영역을 검출하고, 제2검출영역을 마스킹하는 단계, 상기 제1검출영역과 상기 제2검출영역의 연관성이 있는지 확인하는 단계, 상기 제1검출영역과 상기 제2검출영역의 상기 연관성이 있으면, 상기 제1검출영역이 포함된 제1검출영역프레임과 상기 제2검출영역이 포함된 제2검출영역프레임 사이의 미검출프레임을 확인하는 단계, 상기 미검출프레임에서 상기 특정객체의 추정영역을 계산하고, 상기 추정영역을 마스킹하는 단계를 포함한다.
상기 제1검출영역과 상기 제2검출영역의 상기 연관성이 있는지 확인하는 단계는, 임의의 동영상의 프레임에서 제1검출영역 타입과 제2검출영역 타입이 동일 타입이면 상기 제1검출영역과 상기 제2검출영역의 인터섹션 오버 유니언을 계산하여 상기 제1검출영역과 상기 제2검출영역의 상기 연관성을 확인하는 것을 특징으로 한다.
상기 인터섹션 오버 유니언이 기 설정된 특정값 이상이면 상기 제1검출영역과 상기 제2검출영역이 연관성이 있다고 판단하고, 상기 인터섹션 오버 유니언이 상기 기 설정된 특정값 미만이면 상기 제1검출영역과 상기 제2검출영역이 상기 연관성이 없다고 판단하는 것을 특징으로 한다.
본 발명의 다른 실시예에 따른 딥러닝 기반 동영상에서 연속적으로 개인정보를 비식별화하기 위한 방법은 딥러닝 기반 동영상에서 연속적으로 개인정보를 비식별화하기 위한 장치가 딥러닝 기반 동영상에서 연속적으로 개인정보를 비식별화하기 위한 방법에 있어서, 특정객체의 제1검출영역을 검출하고, 제1검출영역을 마스킹하는 단계, 상기 특정객체의 제2검출영역을 검출하고, 제2검출영역을 마스킹하는 단계, 상기 제1검출영역과 상기 제2검출영역의 연관성이 있는지 확인하는 단계, 상기 제1검출영역과 상기 제2검출영역의 상기 연관성이 있으면, 상기 제1검출영역이 포함된 제1검출영역프레임과 상기 제2검출영역이 포함된 제2검출영역프레임 사이의 미검출프레임을 확인하는 단계, 제1검출영역 시작점과 제2검출영역 시작점을 확인하는 단계, 제1검출영역 크기와 제2검출영역 크기를 확인하는 단계, 상기 제1검출영역 시작점과 상기 제2검출영역 시작점의 시작점 이동률과 상기 제1검출영역 크기와 상기 제2검출영역 크기의 크기 변화율을 확인하는 단계, 상기 시작점 이동률과 상기 크기 변화율을 이용하여 프레임간 변화량을 계산하는 단계, 상기 프레임간 변화량을 이용하여 상기 특정객체의 추정영역을 계산하고, 상기 추정영역을 마스킹하는 단계를 포함한다.
상기 프레임간 변화량을 이용하여 상기 특정객체의 상기 추정영역을 계산하는 것은, 상기 프레임간 변화량을 이용하여 각각의 상기 미검출프레임에서 상기 특정객체의 추정영역 시작점과 추정영역 크기를 계산하여, 상기 특정객체의 상기 추정영역을 계산하는 것을 특징으로 한다.
상기 프레임간 변화량은, 상기 시작점 이동률과 상기 크기 변화율을 제2검출영역 프레임 번호에서 제1검출영역 프레임 번호를 뺀 값으로 계산한 프레임 번호차이로 나누어서 계산하는 것을 특징으로 한다.
본 발명의 일 실시예에 따른 딥러닝 기반 동영상에서 연속적으로 개인정보를 비식별화하기 위한 장치는 기 설정된 명령을 저장하는 메모리, 특정객체의 제1검출영역을 검출하고, 제1검출영역을 마스킹하고, 상기 특정객체의 제2검출영역을 검출하고, 제2검출영역을 마스킹하고, 상기 제1검출영역과 상기 제2검출영역의 연관성이 있는지 확인하고, 상기 제1검출영역과 상기 제2검출영역의 상기 연관성이 있으면, 상기 제1검출영역이 포함된 제1검출영역프레임과 상기 제2검출영역이 포함된 제2검출영역프레임 사이의 미검출프레임을 확인하고, 상기 미검출프레임에서 상기 특정객체의 추정영역을 계산하고, 상기 추정영역을 마스킹하도록 제어하는 제어부를 포함한다.
상기 제어부는 임의의 동영상의 프레임에서 제1검출영역 타입과 제2검출영역 타입이 동일 타입이면 상기 제1검출영역과 상기 제2검출영역의 인터섹션 오버 유니언을 계산하여 상기 제1검출영역과 상기 제2검출영역의 상기 연관성을 확인하는 것을 특징으로 한다.
본 발명의 다른 실시예에 따른 딥러닝 기반 동영상에서 연속적으로 개인정보를 비식별화하기 위한 장치는 기 설정된 명령을 저장하는 메모리, 특정객체의 제1검출영역을 검출하고, 제1검출영역을 마스킹하고, 상기 특정객체의 제2검출영역을 검출하고, 제2검출영역을 마스킹하고, 상기 제1검출영역과 상기 제2검출영역의 연관성이 있는지 확인하고, 상기 제1검출영역과 상기 제2검출영역의 상기 연관성이 있으면, 상기 제1검출영역이 포함된 제1검출영역프레임과 상기 제2검출영역이 포함된 제2검출영역프레임 사이의 미검출프레임을 확인하고, 제1검출영역 시작점과 제2검출영역 시작점을 확인하고, 제1검출영역 크기와 제2검출영역 크기를 확인하고, 상기 제1검출영역 시작점과 상기 제2검출영역 시작점의 시작점 이동률과 상기 제1검출영역 크기와 상기 제2검출영역 크기의 크기 변화율을 확인하고, 상기 시작점 이동률과 상기 크기 변화율을 이용하여 프레임간 변화량을 계산하고, 상기 프레임간 변화량을 이용하여 상기 특정객체의 추정영역을 계산하고, 상기 추정영역을 마스킹하도록 제어하는 제어부를 포함한다.
상기 제어부는 상기 프레임간 변화량을 이용하여 각각의 상기 미검출프레임에서 상기 특정객체의 추정영역 시작점과 추정영역 크기를 계산하여, 상기 특정객체의 상기 추정영역을 계산하는 것을 특징으로 한다.
본 발명의 실시예에 따른 딥러닝 기반 동영상에서 연속적으로 개인정보를 비식별화하기 위한 방법 및 장치에 의하면 다음과 같은 효과가 있다.
첫째, 본 발명은 딥러닝 분석 및 학습을 통해 영상에 포함된 개인정보를 연속적으로 명확히 인식하고, 정확히 마스킹하여 개인정보 등을 비식별화할 수 있다.
둘째, 본 발명은 여러 가지 비디오, 이미지 소스를 통하여 수집된 영상 데이터에서 개인을 식별할 수 있는 다양한 오브젝트 들을 검출하여 이를 삭제 혹은 수정된 형태의 이미지로 변환, 저장 및 송출하는 지능형 영상 비식별화 솔루션을 제공할 수 있다.
셋째, 본 발명은 다양한 환경에서 기하급수적으로 증가하는 영상 데이터를 높은 신뢰도와 정밀도가 구현되게 개인정보를 비식별화하여 법이나 규정에 문제가 없는 영상 데이터를 생성할 수 있다.
넷째, 본 발명은 개인정보가 포함된 특정객체가 검출된 프레임의 검출영역 정보를 이용하여 특정객체를 검출하지 못한 프레임 내에 추정영역을 예측하여 동영상 내에서 사람 및 얼굴 객체 등의 개인정보를 연속적 추적하고 마스킹하여 개인정보 등을 비식별화할 수 있다.
도 1은 본 발명의 일 실시예에 따른 딥러닝 기반 동영상에서 연속적으로 개인정보를 비식별화하기 위한 장치를 설명하기 위한 블록도이다.
도 2는 본 발명의 일 실시예에 따른 딥러닝 기반 동영상에서 연속적으로 개인정보를 비식별화하기 위한 방법을 설명하기 위한 흐름도이다.
도 3(a) ~ 도 3(c)는 본 발명의 일 실시예에 따른 제1검출영역과 제2검출영역의 연관성을 확인하는 방법을 설명하기 위한 도면이다.
도 4는 본 발명의 일 실시예에 따른 미검출프레임에서 특정객체의 추정영역을 계산하고, 추정영역을 마스킹하는 방법을 설명하기 위한 도면이다.
본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 그러나, 본 발명은 이하에서 개시되는 실시예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있으며, 단지 본 실시예들은 본 발명의 개시가 완전하도록 하고, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다.
또한, 본 명세서에서 사용된 용어는 실시예들을 설명하기 위한 것이며 본 발명을 제한하고자 하는 것은 아니다. 본 명세서에서, 단수형은 문구에서 특별히 언급하지 않는 한 복수형도 포함한다. 명세서에서 사용되는 "포함한다(comprises)" 및/또는 "포함하는(comprising)"은 언급된 구성요소 이외의 다른 구성요소의 존재 또는 추가를 배제하지 않는다. 다른 정의가 없다면, 본 명세서에서 사용되는 모든 용어(기술 및 과학적 용어를 포함)는 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 공통적으로 이해될 수 있는 의미로 사용될 수 있을 것이다.
본 발명에서 “검출영역”은 동영상, 이미지 소스와 같은 영상 데이터에서 개인정보 등의 오브젝트를 포함하는 특정영역이 검출되는 영역을 의미한다. 검출영역은 오브젝트가 포함되어 오브젝트가 검출되는 특정영역으로, 본 발명은 개인정보 등의 오브젝트가 포함되는 검출영역을 검출하고 비식별화하기 위해서 마스킹을 수행한다.
좀 더 상세히 설명하면 본 발명에서 “검출영역”은 동영상, 이미지 소스와 같은 영상 데이터의 각 프레임에서 개인정보 등의 오브젝트를 포함하는 특정영역 중에서 검출되는 영역을 의미한다.
본 발명에서 “검출영역프레임”은 영상 데이터의 각 프레임 중에서 검출영역을 포함하는 프레임의 의미한다.
본 발명에서 “추정영역”은 동영상, 이미지 소스와 같은 영상 데이터에서 개인정보 등의 오브젝트를 포함하는 특정영역이 있지만 검출되지 않은 영역으로, 개인정보 등의 오브젝트를 포함하는 특정영역이 있다고 추정되는 영역을 의미한다. 추정영역은 오브젝트가 포함되어 오브젝트가 검출되지 않는 특정영역으로, 본 발명은 개인정보 등의 오브젝트가 포함되는 추정영역을 계산하고 비식별화하기 위해서 마스킹을 수행한다.
좀 더 상세히 설명하면 본 발명에서 “추정영역”은 동영상, 이미지 소스와 같은 영상 데이터의 각 프레임에서 개인정보 등의 오브젝트를 포함하는 특정영역 중에서 검출되지 않아 검출영역을 이용하여 계산된 영역을 의미한다.
본 발명에서 “미검출프레임”은 영상 데이터의 각 프레임 중에서 개인정보 등의 오브젝트를 포함하는 특정영역이 있지만 검출되지 않은 영역인 추정영역을 포함하는 프레임을 의미한다.
이하, 본 발명을 보다 구체적으로 설명하기 위하여 본 발명에 따른 실시예들을 첨부 도면을 참조하면서 보다 상세하게 설명하고자 한다.
도 1은 본 발명의 일 실시예에 따른 딥러닝 기반 동영상에서 연속적으로 개인정보를 비식별화하기 위한 장치를 설명하기 위한 블록도이다.
도 1을 참조하면, 본 발명의 일 실시예에 따른 딥러닝 기반 동영상에서 연속적으로 개인정보를 비식별화하기 위한 장치(이하, “장치”라 한다.)는 메모리(10), 제어부(20), 표시부(30), 입력부(40), 송수신부(50)를 포함한다. 이러한 구성요소는 하나 이상의 통신버스 또는 신호선을 통하여 통신한다.
메모리(10)는 동영상, 영상 데이터, 기 설정된 명령 등의 명령신호, 명령어 등의 다양한 데이터 저장하는 부분이다.
예를 들어, 메모리(10)는 검출영역 정보, 검출영역 간의 연관성 확인을 위한 정보, 검출영역 프레임 정보, 미검출프레임 정보, 추정영역 정보, 검출영역 시작점 정보, 검출영역 크기 정보, 프레임 번호, 시작점 이동률 정보, 크기 변화율 정보, 프레임간 변화량 정보 등을 저장할 수 있다.
제어부(20)는 본 발명에 따른 장치를 제어하는 부분이다. 또한, 제어부(20)는 장치의 각 구성요소를 제어하는 부분이다.
제어부(20)는 특정객체의 제1검출영역을 검출하고, 제1검출영역을 마스킹하고, 특정객체의 제2검출영역을 검출하고, 제2검출영역을 마스킹하고, 제1검출영역과 제2검출영역의 연관성이 있는지 확인하고, 제1검출영역과 제2검출영역의 연관성이 있으면, 제1검출영역이 포함된 제1검출영역프레임과 제2검출영역이 포함된 제2검출영역프레임 사이의 미검출프레임을 확인하고, 미검출프레임에서 특정객체의 추정영역을 계산하고, 추정영역을 마스킹하도록 제어할 수 있다.
또한, 제어부(20)는 임의의 동영상의 프레임에서 제1검출영역 타입과 제2검출영역 타입이 동일 타입이면 제1검출영역과 제2검출영역의 인터섹션 오버 유니언을 계산하여 제1검출영역과 제2검출영역의 연관성을 확인할 수 있다.
또한, 제어부(20)는 특정객체의 제1검출영역을 검출하고, 제1검출영역을 마스킹하고, 특정객체의 제2검출영역을 검출하고, 제2검출영역을 마스킹하고, 제1검출영역과 제2검출영역의 연관성이 있는지 확인하고, 제1검출영역과 제2검출영역의 연관성이 있으면, 제1검출영역이 포함된 제1검출영역프레임과 제2검출영역이 포함된 제2검출영역프레임 사이의 미검출프레임을 확인하고, 제1검출영역 시작점과 제2검출영역 시작점을 확인하고, 제1검출영역 크기와 제2검출영역 크기를 확인하고, 제1검출영역 시작점과 제2검출영역 시작점의 시작점 이동률과 제1검출영역 크기와 제2검출영역 크기의 크기 변화율을 확인하고, 시작점 이동률과 크기 변화율을 이용하여 프레임간 변화량을 계산하고, 프레임간 변화량을 이용하여 특정객체의 추정영역을 계산하고, 추정영역을 마스킹하도록 제어할 수 있다.
또한, 제어부(20)는 프레임간 변화량을 이용하여 각각의 미검출프레임에서 특정객체의 추정영역 시작점과 추정영역 크기를 계산하여, 특정객체의 추정영역을 계산할 수 있다.
표시부(30)는 사용자와 장치 사이의 시각적인 출력을 위한 인터페이스를 제공한다. 표시부(30)는 동영상, 영상 데이터, 비식별화된 동영상, 비식별화된 영상 데이터 등을 사용자가 식별할 수 있도록 표시하는 부분이다.
입력부(40)는 사용자와 장치 사이의 명령신호를 입력하는 인터페이스를 제공한다. 즉, 입력부(40)는 사용자가 장치에 입력신호와 같은 명령신호 등을 입력할 수 있고, 사용자가 입력부(40)를 통해서 입력신호를 입력하면, 장치는 다양한 종류의 사용자 입력신호를 검출하고 제어부(20)의 제어에 의해서 사용자의 명령을 수행한다.
예를 들어, 사용자는 입력부(40)를 통해서 기 설정된 명령 등의 명령신호를 입력할 수 있다.
다만, 터치스크린과 같은 일부 실시예에서는 표시부(30)와 입력부(40)가 일체로 될 수 있고, 분리될 수도 있다.
송수신부(50)는 전자파와 같은 신호로 데이터를 송수신하는 부분이다. 송수신부(50)는 전기신호를 전자파로 변환하며 이 전자파를 통하여 통신 네트워크 및 다른 통신장치와 통신한다. 송수신부(50)는 예를 들어, 안테나 시스템, RF 트랜시버, 하나 이상의 증폭기, 튜너, 하나 이상의 오실레이터, 디지털 신호 처리기, CODEC 칩셋, 가입자 식별모듈(Subscriber Identity Module, SIM) 카드, 메모리(10) 등을 포함하지만 이에 한정되지 않고, 이러한 기능을 수행하기 위한 주지의 회로를 포함할 수 있다.
예를 들어, 송수신부(50)는 제어부(20)의 제어에 따라서 동영상, 비식별화된 동영상 등을 외부의 서버로부터 수신하거나 송신할 수 있다.
도 2는 본 발명의 일 실시예에 따른 딥러닝 기반 동영상에서 연속적으로 개인정보를 비식별화하기 위한 방법을 설명하기 위한 흐름도이다. 도 3(a) ~ 도 3(c)는 본 발명의 일 실시예에 따른 제1검출영역과 제2검출영역의 연관성을 확인하는 방법을 설명하기 위한 도면이다.
이하의 설명에서, 장치는 내부에 포함된 제어부(20)의 제어에 의해서 동작이 수행되는 것이라고 설명될 수 있다.
도 2, 도 3(a) ~ 도 3(c)를 참조하면, 장치는 동영상의 모든 프레임에서 기 설정된 명령에 따라 특정객체의 검출을 수행한다(S201). 여기서, 특정객체는 동영상, 이미지 소스를 통하여 수집된 영상 데이터에서 개인정보(또는 개인)를 식별할 수 있는 다양한 객체가 가능하다. 예를 들어, 특정객체는 사람의 얼굴, 개인의 신분 정보 등이 가능하다.
또한, 본 발명에서 기 설정된 명령은 특정객체를 미리 설정할 수 있으며, 기 설정된 명령은 특정객체를 포함하는 특정영역을 검출하라는 명령이 가능하다.
장치는 특정객체의 제1검출영역(311)을 검출하고, 제1검출영역(311)을 마스킹한다(S202). 예를 들어, 장치는 동영상(또는 영상 데이터)의 각 프레임 중에서 첫번째 프레임(프레임#1(310))에서 특정객체의 제1검출영역(311)을 검출할 수 있다.
장치는 개인정보 등의 오브젝트가 포함되는 제1검출영역(311)을 검출하고 비식별화(De-identification)하기 위해서 제1검출영역(311) 마스킹을 수행한다.
장치는 특정객체의 제2검출영역(314)을 검출하고, 제2검출영역(314)을 마스킹한다(S203). 예를 들어, 장치는 동영상(또는 영상 데이터)의 각 프레임 중에서 네번째 프레임(프레임#4)에서 특정객체의 제2검출영역(314)을 검출할 수 있다.
장치는 개인정보 등의 오브젝트가 포함되는 제2검출영역(314)을 검출하고 비식별화하기 위해서 제2검출영역(314) 마스킹을 수행한다.
장치는 제1검출영역(311)과 제2검출영역(314)의 연관성이 있는지 확인한다(S204).
예를 들어, 장치는 임의의 동영상의 프레임에서 제1검출영역(311) 타입과 제2검출영역(314) 타입이 동일 타입이면 제1검출영역(311)과 제2검출영역(314)의 인터섹션 오버 유니언(Intersection over union, “IOU”라 한다.)을 계산하여 제1검출영역(311)과 제2검출영역(314)의 연관성을 확인할 수 있다.
예를 들어, 장치는 임의의 동영상의 프레임에서 제1검출영역(311) 타입과 제2검출영역(314) 타입이 동일 타입이면 제1검출영역(311)과 제2검출영역(314)의 인터섹션 오버 유니언(IOU)을 계산하고, 인터섹션 오버 유니언(IOU)이 기 설정된 특정값(또는 특정크기) 이상이면 두 영역(예를 들어, 제1검출영역(311)과 제2검출영역(314))이 연관성이 있다고 판단하고, 인터섹션 오버 유니언(IOU)이 기 설정된 특정값(또는 특정크기) 미만이면 두 영역이 연관성이 없다고 판단할 수 있다. 여기서, 기 설정된 특정값은 사용자가 설정가능한데, 예를 들어, 기 설정된 특정값은 0.3 ~ 1.0 사이의 값 중에서 설정될 수 있다.
도 3(a)를 참조하면, 프레임#1(310)에서 제1검출영역(311)이 검출되고, 프레임#4에서 제2검출영역(314)이 검출되면, 제1검출영역(311)과 제2검출영역(314)의 연관성을 확인한다. 제1검출영역(311)과 제2검출영역(314)의 연관성이 있으면, 제1검출영역(311)이 포함된 프레임#1(310)과 제2검출영역(314)이 포함된 프레임#4 사이의 프레임#2에서 제1추정영역(312)과 프레임#3에서 제2추정영역(313)을 계산할 수 있다.
도 3(b), 도 3(c)를 참조하여 인터섹션 오버 유니언(IOU)을 계산하는 방법을 설명하면, 장치는 제1검출영역(311)과 제2검출영역(314)간의 중첩영역(또는 교집합영역)의 넓이(350)를 제1검출영역(311)과 제2검출영역(314)의 모든 영역(또는 합집합영역)의 넓이(360)를 나누어서 계산한다. 이렇게 계산된 인터섹션 오버 유니언(IOU)이 기 설정된 특정값 이상이면 제1검출영역(311)과 제2검출영역(314)이 연관성이 있다고 판단한다.
장치는 제1검출영역(311)과 제2검출영역(314)의 연관성이 있으면, 제1검출영역(311)이 포함된 제1검출영역프레임(예를 들어, 프레임#1(310))과 제2검출영역(314)이 포함된 제2검출영역프레임(예를 들어, 프레임#4) 사이의 미검출프레임을 확인한다(S205).
장치는 제1검출영역(311)과 제2검출영역(314)의 연관성이 없으면, 단계 S202를 수행한다.
도 3(a)를 참조하면, 프레임#1(310)에서 제1검출영역(311)이 검출되고, 프레임#4에서 제2검출영역(314)이 검출되면, 미검출프레임은 프레임#2, 프레임#3이 가능하다.
장치는 각각의 미검출프레임에서 특정객체의 추정영역을 계산하고, 추정영역을 마스킹한다(S206).
예를 들어, 장치는 미검출프레임인 프레임#2에서 제1추정영역(312)을 계산하고, 미검출프레임인 프레임#3에서 제2추정영역(313)을 계산할 수 있다. 장치는 개인정보 등의 오브젝트가 포함되는 제1추정영역(312)과 제2추정영역(313)을 비식별화하기 위해서 마스킹을 수행한다.
도 4는 본 발명의 일 실시예에 따른 미검출프레임에서 특정객체의 추정영역을 계산하고, 추정영역을 마스킹하는 방법을 설명하기 위한 도면이다.
이하의 설명에서, 장치는 내부에 포함된 제어부(20)의 제어에 의해서 동작이 수행되는 것이라고 설명될 수 있다.
도 3(a), 도 4를 참조하면, 장치는 제1검출영역(311)의 시작점인 제1검출영역 시작점(311-1)과 제2검출영역(314)의 시작점인 제2검출영역 시작점(314-1)을 확인한다(S401).
장치는 제1검출영역(311)의 크기인 제1검출영역 크기와 제2검출영역(314)의 크기인 제2검출영역 크기를 확인한다(S402).
장치는 제1검출영역 시작점(311-1)과 제2검출영역 시작점(314-1)의 시작점 이동률과 제1검출영역 크기와 제2검출영역 크기의 크기 변화율을 확인한다(S403).
장치는 시작점 이동률과 크기 변화율을 제2검출영역(314) 프레임 번호에서 제1검출영역(311) 프레임 번호를 뺀 값으로 계산한 프레임 번호차이로 나누어서 프레임간 변화량을 계산한다(S4040). 이는 장치 시작점 이동률과 크기 변화율을 이용하여 프레임간 변화량을 계산한다.
예를 들어, 제2검출영역(314) 프레임 번호가 “4”이고, 제1검출영역(311) 프레임 번호가 “1”이면, 프레임 번호차이는 “3”이다.
장치는 프레임간 변화량을 이용하여 각각의 미검출프레임에서 특정객체의 추정영역 시작점과 추정영역 크기를 계산하여, 특정객체의 추정영역을 계산하고, 추정영역을 마스킹한다(S405).
예를 들어, 장치는 프레임간 변화량을 이용하여 각각의 미검출프레임인 프레임#2에서 제1추정영역 시작점(312-1)과 제1추정영역(312) 크기를 계산하여 제1추정영역(312)을 계산하고, 프레임#3에서 제2추정영역 시작점(313-1)과 제2추정영역(313) 크기를 계산하여 제2추정영역(313)을 계산한다.
장치는 개인정보 등의 오브젝트가 포함되는 제1추정영역(312)과 제2추정영역(313)을 비식별화하기 위해서 마스킹을 수행한다.
본 발명의 실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 기록매체에 기록될 수 있다. 컴퓨터 판독 가능 기록매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 기록매체에 기록되는 프로그램(프로그램 명령)은 본 발명을 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(Magnetic media), CDROM, DVD와 같은 광기록 매체(Optical media), 플롭티컬 디스크(Floptical disk)와 같은 자기-광 매체(Magneto-optical media), 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. 하드웨어 장치는 본 발명의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
이상과 같이 본 발명을 도면에 도시한 실시예를 참고하여 설명하였으나, 이는 발명을 설명하기 위한 것일 뿐이며, 본 발명이 속하는 기술 분야의 통상의 지식을 가진 자라면 발명의 상세한 설명으로부터 다양한 변형 또는 균등한 실시예가 가능하다는 것을 이해할 수 있을 것이다. 따라서 본 발명의 진정한 권리범위는 특허청구범위의 기술적 사상에 의해 결정되어야 한다.
10: 메모리
20: 제어부
30: 표시부
40: 입력부
50: 송수신부

Claims (10)

  1. 딥러닝 기반 동영상에서 연속적으로 개인정보를 비식별화하기 위한 장치가 딥러닝 기반 동영상에서 연속적으로 개인정보를 비식별화하기 위한 방법에 있어서,
    특정객체의 제1검출영역을 검출하고, 제1검출영역을 마스킹하는 단계,
    상기 특정객체의 제2검출영역을 검출하고, 제2검출영역을 마스킹하는 단계,
    상기 제1검출영역과 상기 제2검출영역의 연관성이 있는지 확인하는 단계,
    상기 제1검출영역과 상기 제2검출영역의 상기 연관성이 있으면, 상기 제1검출영역이 포함된 제1검출영역프레임과 상기 제2검출영역이 포함된 제2검출영역프레임 사이의 미검출프레임을 확인하는 단계,
    상기 미검출프레임에서 상기 특정객체의 추정영역을 계산하고, 상기 추정영역을 마스킹하는 단계를 포함하며,
    상기 제1검출영역과 상기 제2검출영역의 상기 연관성이 있는지 확인하는 단계는,
    임의의 동영상의 프레임에서 제1검출영역 타입과 제2검출영역 타입이 동일 타입이면 상기 제1검출영역과 상기 제2검출영역의 인터섹션 오버 유니언을 계산하여 상기 제1검출영역과 상기 제2검출영역의 상기 연관성을 확인하는 것을 특징으로 하며,
    상기 인터섹션 오버 유니언이 기 설정된 특정값 이상이면 상기 제1검출영역과 상기 제2검출영역이 연관성이 있다고 판단하고, 상기 인터섹션 오버 유니언이 상기 기 설정된 특정값 미만이면 상기 제1검출영역과 상기 제2검출영역이 상기 연관성이 없다고 판단하는 것을 특징으로 하는 딥러닝 기반 동영상에서 연속적으로 개인정보를 비식별화하기 위한 방법.
  2. 삭제
  3. 삭제
  4. 딥러닝 기반 동영상에서 연속적으로 개인정보를 비식별화하기 위한 장치가 딥러닝 기반 동영상에서 연속적으로 개인정보를 비식별화하기 위한 방법에 있어서,
    특정객체의 제1검출영역을 검출하고, 제1검출영역을 마스킹하는 단계,
    상기 특정객체의 제2검출영역을 검출하고, 제2검출영역을 마스킹하는 단계,
    상기 제1검출영역과 상기 제2검출영역의 연관성이 있는지 확인하는 단계,
    상기 제1검출영역과 상기 제2검출영역의 상기 연관성이 있으면, 상기 제1검출영역이 포함된 제1검출영역프레임과 상기 제2검출영역이 포함된 제2검출영역프레임 사이의 미검출프레임을 확인하는 단계,
    제1검출영역 시작점과 제2검출영역 시작점을 확인하는 단계,
    제1검출영역 크기와 제2검출영역 크기를 확인하는 단계,
    상기 제1검출영역 시작점과 상기 제2검출영역 시작점의 시작점 이동률과 상기 제1검출영역 크기와 상기 제2검출영역 크기의 크기 변화율을 확인하는 단계,
    상기 시작점 이동률과 상기 크기 변화율을 이용하여 프레임간 변화량을 계산하는 단계,
    상기 프레임간 변화량을 이용하여 상기 특정객체의 추정영역을 계산하고, 상기 추정영역을 마스킹하는 단계를 포함하는 딥러닝 기반 동영상에서 연속적으로 개인정보를 비식별화하기 위한 방법.
  5. 제4항에 있어서,
    상기 프레임간 변화량을 이용하여 상기 특정객체의 상기 추정영역을 계산하는 것은,
    상기 프레임간 변화량을 이용하여 각각의 상기 미검출프레임에서 상기 특정객체의 추정영역 시작점과 추정영역 크기를 계산하여, 상기 특정객체의 상기 추정영역을 계산하는 것을 특징으로 하는 딥러닝 기반 동영상에서 연속적으로 개인정보를 비식별화하기 위한 방법.
  6. 제4항에 있어서,
    상기 프레임간 변화량은,
    상기 시작점 이동률과 상기 크기 변화율을 제2검출영역 프레임 번호에서 제1검출영역 프레임 번호를 뺀 값으로 계산한 프레임 번호차이로 나누어서 계산하는 것을 특징으로 하는 딥러닝 기반 동영상에서 연속적으로 개인정보를 비식별화하기 위한 방법.
  7. 삭제
  8. 삭제
  9. 기 설정된 명령을 저장하는 메모리,
    특정객체의 제1검출영역을 검출하고, 제1검출영역을 마스킹하고, 상기 특정객체의 제2검출영역을 검출하고, 제2검출영역을 마스킹하고, 상기 제1검출영역과 상기 제2검출영역의 연관성이 있는지 확인하고, 상기 제1검출영역과 상기 제2검출영역의 상기 연관성이 있으면, 상기 제1검출영역이 포함된 제1검출영역프레임과 상기 제2검출영역이 포함된 제2검출영역프레임 사이의 미검출프레임을 확인하고, 제1검출영역 시작점과 제2검출영역 시작점을 확인하고, 제1검출영역 크기와 제2검출영역 크기를 확인하고, 상기 제1검출영역 시작점과 상기 제2검출영역 시작점의 시작점 이동률과 상기 제1검출영역 크기와 상기 제2검출영역 크기의 크기 변화율을 확인하고, 상기 시작점 이동률과 상기 크기 변화율을 이용하여 프레임간 변화량을 계산하고, 상기 프레임간 변화량을 이용하여 상기 특정객체의 추정영역을 계산하고, 상기 추정영역을 마스킹하도록 제어하는 제어부를 포함하는 딥러닝 기반 동영상에서 연속적으로 개인정보를 비식별화하기 위한 장치.
  10. 제9항에 있어서,
    상기 제어부는 상기 프레임간 변화량을 이용하여 각각의 상기 미검출프레임에서 상기 특정객체의 추정영역 시작점과 추정영역 크기를 계산하여, 상기 특정객체의 상기 추정영역을 계산하는 것을 특징으로 하는 딥러닝 기반 동영상에서 연속적으로 개인정보를 비식별화하기 위한 장치.
KR1020190158779A 2019-12-03 2019-12-03 딥러닝 기반 동영상에서 연속적으로 개인정보를 비식별화하기 위한 방법 및 장치 KR102147187B1 (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
PCT/KR2019/016894 WO2021112273A1 (ko) 2019-12-03 2019-12-03 딥러닝 기반 동영상에서 연속적으로 개인정보를 비식별화하기 위한 방법 및 장치
KR1020190158779A KR102147187B1 (ko) 2019-12-03 2019-12-03 딥러닝 기반 동영상에서 연속적으로 개인정보를 비식별화하기 위한 방법 및 장치

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020190158779A KR102147187B1 (ko) 2019-12-03 2019-12-03 딥러닝 기반 동영상에서 연속적으로 개인정보를 비식별화하기 위한 방법 및 장치

Publications (1)

Publication Number Publication Date
KR102147187B1 true KR102147187B1 (ko) 2020-08-24

Family

ID=72235247

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020190158779A KR102147187B1 (ko) 2019-12-03 2019-12-03 딥러닝 기반 동영상에서 연속적으로 개인정보를 비식별화하기 위한 방법 및 장치

Country Status (2)

Country Link
KR (1) KR102147187B1 (ko)
WO (1) WO2021112273A1 (ko)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114721404A (zh) * 2022-06-08 2022-07-08 超节点创新科技(深圳)有限公司 避障方法、机器人和存储介质
KR102593676B1 (ko) 2023-06-30 2023-10-25 (주)하늘소프트 역방향 추적을 이용한 객체 검출 성능 향상 방법 및이를 위한 객체 추적 장치
KR20230153903A (ko) 2022-04-29 2023-11-07 (주)가이온 무인이동체 영상 전주기 프라이버시 마스킹 시스템 및 방법
KR102622523B1 (ko) * 2023-07-21 2024-01-09 주식회사 포딕스시스템 동영상 내 객체 자동 마스킹 시스템 및 방법

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20120007850A (ko) * 2010-07-15 2012-01-25 중앙대학교 산학협력단 부분 템플릿 매칭 기반의 객체 식별 장치 및 방법
KR101378295B1 (ko) * 2009-12-18 2014-03-27 한국전자통신연구원 영상의 프라이버시 마스킹 방법 및 장치
KR101881391B1 (ko) * 2018-03-09 2018-07-25 한화에어로스페이스 주식회사 객체의 특성 정보를 반영하여 프라이버시 마스킹을 수행하는 영상 마스킹 장치
KR101972918B1 (ko) * 2018-12-20 2019-08-20 주식회사 로민 영상 마스킹 장치 및 영상 마스킹 방법
KR20190110498A (ko) 2019-09-10 2019-09-30 엘지전자 주식회사 영상 파일에서 불특정 인물의 얼굴 영역을 비식별화 처리하는 인공 지능 서버 및 그 방법

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101915578B1 (ko) * 2017-06-14 2018-11-06 (주)에프엑스기어 시점 기반 오브젝트 피킹 시스템 및 그 방법

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101378295B1 (ko) * 2009-12-18 2014-03-27 한국전자통신연구원 영상의 프라이버시 마스킹 방법 및 장치
KR20120007850A (ko) * 2010-07-15 2012-01-25 중앙대학교 산학협력단 부분 템플릿 매칭 기반의 객체 식별 장치 및 방법
KR101881391B1 (ko) * 2018-03-09 2018-07-25 한화에어로스페이스 주식회사 객체의 특성 정보를 반영하여 프라이버시 마스킹을 수행하는 영상 마스킹 장치
KR101972918B1 (ko) * 2018-12-20 2019-08-20 주식회사 로민 영상 마스킹 장치 및 영상 마스킹 방법
KR20190110498A (ko) 2019-09-10 2019-09-30 엘지전자 주식회사 영상 파일에서 불특정 인물의 얼굴 영역을 비식별화 처리하는 인공 지능 서버 및 그 방법

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20230153903A (ko) 2022-04-29 2023-11-07 (주)가이온 무인이동체 영상 전주기 프라이버시 마스킹 시스템 및 방법
CN114721404A (zh) * 2022-06-08 2022-07-08 超节点创新科技(深圳)有限公司 避障方法、机器人和存储介质
CN114721404B (zh) * 2022-06-08 2022-09-13 超节点创新科技(深圳)有限公司 避障方法、机器人和存储介质
KR102593676B1 (ko) 2023-06-30 2023-10-25 (주)하늘소프트 역방향 추적을 이용한 객체 검출 성능 향상 방법 및이를 위한 객체 추적 장치
KR102622523B1 (ko) * 2023-07-21 2024-01-09 주식회사 포딕스시스템 동영상 내 객체 자동 마스킹 시스템 및 방법

Also Published As

Publication number Publication date
WO2021112273A1 (ko) 2021-06-10

Similar Documents

Publication Publication Date Title
KR102147187B1 (ko) 딥러닝 기반 동영상에서 연속적으로 개인정보를 비식별화하기 위한 방법 및 장치
US20200320281A1 (en) Face recognition method and apparatus, electronic device, and storage medium
KR102204247B1 (ko) 전자 장치의 생체 정보 처리 방법 및 장치
US9325949B2 (en) Intrusion detection
US11321575B2 (en) Method, apparatus and system for liveness detection, electronic device, and storage medium
KR102216877B1 (ko) 전자장치에서 생체 정보를 이용한 인증 방법 및 장치
KR102216653B1 (ko) 지문 인증을 통하여 통신을 수행하는 전자 장치 및 방법
KR20190072563A (ko) 얼굴 라이브니스 검출 방법 및 장치, 그리고 전자 디바이스
US20150039880A1 (en) Mobile computing device and wearable computing device having automatic access mode control
US20180012094A1 (en) Spoofing attack detection during live image capture
KR102313554B1 (ko) 개인정보 비식별화 방법 및 시스템
US11416703B2 (en) Network optimization method and apparatus, image processing method and apparatus, and storage medium
EP2911088B1 (en) Method and apparatus for displaying biometric information
CN111582090A (zh) 人脸识别方法、装置及电子设备
CN108737638A (zh) 应用控制方法、装置、移动终端及计算机可读介质
KR20150116260A (ko) 마커 추적 방법 및 그 전자 장치
CN112926059B (zh) 一种数据处理方法、装置、设备及存储介质
CN112837202B (zh) 基于隐私保护的水印图像的生成、攻击溯源方法及装置
KR102124611B1 (ko) 보안 정책 관리 방법 및 그 시스템
KR102125848B1 (ko) 맥 어드레스를 이용한 물리 보안 관제 방법 및 그 시스템
KR20200013271A (ko) 딥 러닝 기반의 사용자 몸을 이용한 신원 인식 장치 및 방법
KR102202577B1 (ko) 딥러닝 기반 개인정보 비식별화 방법 및 장치
CN110991431A (zh) 人脸识别方法、装置、设备及存储介质
CN105144181B (zh) 位置签名
KR20230073619A (ko) 얼굴 인식을 이용하여 차량 정보를 관리하는 전자 장치 및 그 동작 방법

Legal Events

Date Code Title Description
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant