KR102197334B1 - 신경망을 이용한 신분증 진위 판단 방법 및 이를 수행하는 서버 - Google Patents

Abstract

본 발명은 신분증 진위 판단 방법에 관한 것으로 본 발명에 따른 신분증 진위 판단 방법은 사용자의 신분증을 촬영한 신분증 이미지를 수신하는 단계; 미리 저장된 신분증 원본 이미지의 적어도 일부에 해당하는 부분 원본 이미지를 수신하는 단계; 상기 신경망을 이용하여 상기 부분 원본 이미지와 상기 부분 원본 이미지에 대응하여 상기 신분증 이미지로부터 추출된 부분 신분증 이미지 간 동일성을 판단하는 단계; 및 상기 동일성 판단 결과에 따라 신분증의 진위 여부를 판단하는 단계를 포함한다. 본 발명에 따르면 비대면 상황에서 신분 인증의 효율을 보다 높일 수 있다.

Description

신경망을 이용한 신분증 진위 판단 방법 및 이를 수행하는 서버{Method for verifying Identification card using neural network and server for the method}

본 발명은 신분증 진위 판단 방법에 관한 것으로 신경망을 이용한 신분증의 진위 판단 방법에 관한 것이다.

비대면 방식의 신분 인증 방식이 다양한 산업 분야에 적용됨에 따라 온라인 상의 사용자의 신분을 확인하기 위한 다양한 방식들이 고안되고 있다.

또한, 인공지능 기술의 발달로 다양한 분야에 인공지능 기술 들이 적용되고 있으며, 기존의 영상 처리 방식을 대신하여 신경망 모델을 통해 영상 내 객체를 검출하고, 추적하는 방법들이 개발되고 있다. 인공지능을 위해 이용되는 신경망 모델은 학습을 통하여 일반적인 영상 처리에 비해 입력된 이미지 내에서 보다 빠르고, 정확하게 객체를 검출을 수행할 수 있다.

인공지능 기술을 신분증 인식에도 적용하여 카메라로부터 촬영된 신분증 이미지를 기초로 진위를 판단하여 사용자의 신분을 인증하는 방식들이 실제 금융 서비스 상에서 적용되고 있다.

하지만, 신분증의 경우 오염 방지와 위조 방지를 위해 코팅과 홀로그램 등의 다양한 기술들이 접목되어 있어 빛반사나 그림자, 훼손 등의 다양한 환경적 요소에 따라 인식 성능에 차이를 보이는 문제가 있다.

또한, 비대면 방식의 신분 인증의 허점을 악용하여 신분증을 도용하는 부정 사용 사례가 증가하고 있으므로 보다 정확하고 효율적인 인식을 위해서는 환경 요소에 강인한 성능을 보이는 신분 인증 방법이 고안될 필요가 있다.

본 발명은 신분증의 진위 여부 판단에 강인한 성능을 갖는 신분 인증 방법을 제안하는 것을 목적으로 한다.

또한, 본 발명은 촬영되는 이미지내 안면 부분의 일부가 인식이 어려운 경우에도 보다 정확한 신분 인증이 가능한 방법을 제안하는 것을 목적으로 한다.

상기 기술적 과제를 해결하기 위한 본 발명에 따른 신분증 진위 판단 방법은 사용자의 신분증을 촬영한 신분증 이미지를 수신하는 단계; 미리 저장된 신분증 원본 이미지의 적어도 일부에 해당하는 부분 원본 이미지를 수신하는 단계; 상기 신경망을 이용하여 상기 부분 원본 이미지와 상기 부분 원본 이미지에 대응하여 상기 신분증 이미지로부터 추출된 부분 신분증 이미지 간 동일성을 판단하는 단계; 및 상기 동일성 판단 결과에 따라 신분증의 진위 여부를 판단하는 단계를 포함한다.

상기 동일성을 판단하는 단계는 복수의 부분 원본 이미지를 수신하고, 대응하여 추출된 복수의 부분 신분증 이미지와의 동일성을 각각 판단하는 것이 바람직하다.

상기 진위 여부를 판단하는 단계는 각각의 이미지 쌍에 대해 판단된 복수의 동일성 판단 결과를 이용하여 신분증의 진위 여부를 판단하는 것이 바람직하다.

상기 신경망은 상기 신분증의 부분 이미지 쌍에 대한 특징 정보를 각각 추출하고 특징 정보를 비교하여 산출된 유사도에 따라 동일성을 판단하도록 학습된 것이 바람직하다.

상기 신경망은 상기 신분증의 부분 이미지에 대하여 동일성의 판단 대상인 기준 앵커(Anchor) 부분 이미지와 동일한 긍정(Positive) 부분 이미지 쌍과 상기 앵커 부분 이미지와 상이한 부정(Negative) 부분 이미지 쌍을 이용하여 학습을 수행하는 것이 바람직하다.

상기 진위 여부를 판단하는 단계는 상기 복수의 동일성 판단 결과가 모두 동일한 것으로 판단된 경우 상기 신분증이 진정 신분증인 것으로 판단하는 것이 바람직하다.

상기 기술적 과제를 해결하기 위한 본 발명에 따른 학습된 신경망을 이용한 신분증 진위 판단 서버는 사용자의 신분증을 촬영한 신분증 이미지를 수신하는 신분증 이미지 수신부; 미리 저장된 신분증 원본 이미지의 적어도 일부에 해당하는 부분 원본 이미지를 수신하는 원본 이미지 수신부; 상기 신경망을 이용하여 상기 부분 원본 이미지와 상기 부분 원본 이미지에 대응하여 상기 신분증 이미지로부터 추출된 부분 신분증 이미지 간 동일성을 판단하는 동일성 판단부; 및 상기 동일성 판단 결과에 따라 신분증의 진위 여부를 판단하는 진위 판단부를 포함한다.

상기 동일성 판단부는 복수의 부분 원본 이미지를 수신하고, 대응하여 추출된 복수의 부분 신분증 이미지와의 동일성을 각각 판단하는 것이 바람직하다.

상기 진위 판단부는 각각의 이미지 쌍에 대해 판단된 복수의 동일성 판단 결과를 이용하여 신분증의 진위 여부를 판단하는 것이 바람직하다.

상기 신경망은 상기 신분증의 부분 이미지 쌍에 대한 특징 정보를 각각 추출하고 특징 정보를 비교하여 산출된 유사도에 따라 동일성을 판단하도록 학습된 것이 바람직하다.

상기 신경망은 상기 신분증의 부분 이미지에 대하여 동일성의 판단 대상인 기준 앵커(Anchor) 부분 이미지와 동일한 긍정(Positive) 부분 이미지 쌍과 상기 앵커 부분 이미지와 상이한 부정(Negative) 부분 이미지 쌍을 이용하여 학습을 수행하는 것이 바람직하다.

상기 진위 판단부는 상기 복수의 동일성 판단 결과가 모두 동일한 것으로 판단된 경우 상기 신분증이 진정 신분증인 것으로 판단하는 것이 바람직하다.

본 발명에 따르면 비대면 상황에서 신분 인증의 효율을 보다 높일 수 있다.

또한, 신분증을 도용하여 일부의 정보를 훼손하여 인증에 이용하는 경우에도 신분증의 진위 판단을 보다 정확히 수행할 수 있다.

또한, 주변 환경에 따라서 신분증의 일부가 인식이 불가능하더라도 진위 판단이 가능하도록 하여 사용자의 사용 편의성을 높일 수 있다.

또한, 다양한 신분증의 구성 요소에 따라 진위 판단을 수행하여 위조 상황을 보다 정확히 판단하고, 신분 도용에 따른 문제 발생 가능성을 낮출 수 있다.

도 1은 본 발명의 일 실시예에 따른 신분증 진위 판단 시스템을 나타내는 도이다.
도 2는 본 발명의 일 실시예에 따른 신분증 진위 판단 방법을 나타내는 도이다.
도 3은 본 발명의 일 실시예에 따른 신분증 진위 판단을 위한 부분 이미지 수신 예를 나타내는 도이다.
도 4는 본 발명의 일 실시예에 따른 신분증 진위 판단을 위한 부분 이미지 추출 예를 나타내는 도이다.
도 5는 본 발명의 일 실시예에 따른 신분증 진위 판단을 위한 신경망을 예시하는 도이다.
도 6은 본 발명의 일 실시예에 따른 신분증 진위 판단을 위한 신경망의 학습 방법을 예시하는 도이다.
도 7은 본 발명의 일 실시예에 따른 신분증 진위 판단 방법을 수행하는 서버의 구성을 나타내는 도이다.

이하의 내용은 단지 발명의 원리를 예시한다. 그러므로 당업자는 비록 본 명세서에 명확히 설명되거나 도시 되지 않았지만 발명의 원리를 구현하고 발명의 개념과 범위에 포함된 다양한 장치를 발명할 수 있는 것이다. 또한, 본 명세서에 열거된 모든 조건부 용어 및 실시 예들은 원칙적으로, 발명의 개념이 이해되도록 하기 위한 목적으로만 명백히 의도되고, 이외같이 특별히 열거된 실시 예들 및 상태들에 제한적이지 않는 것으로 이해되어야 한다.

상술한 목적, 특징 및 장점은 첨부된 도면과 관련한 다음의 상세한 설명을 통하여 보다 분명해질 것이며, 그에 따라 발명이 속하는 기술분야에서 통상의 지식을 가진 자가 발명의 기술적 사상을 용이하게 실시할 수 있을 것이다.

또한, 발명을 설명함에 있어서 발명과 관련된 공지 기술에 대한 구체적인 설명이 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에 그 상세한 설명을 생략하기로 한다. 이하에는 첨부한 도면을 참조하여 본 발명의 바람직한 실시 예에 대해 상세하게 설명한다.

도 1은 본 발명의 일 실시예에 따른 신분증 진위 판단 시스템을 나타내는 도이다.

도 1을 참조하면, 본 실시예에 따른 신분증 진위 판단 시스템은 사용자 단말(1000)을 이용하여 인증을 수행하는 사용자(10)와, 사용자(10)로부터 입력되는 정보를 이용하여 신분증의 진위 여부를 판단하는 진위 판단 서버(100)로 구성될 수 있다.

사용자(10)는 인증을 위해 자신의 신상 정보를 직접 입력하거나, 자신의 신분증 이미지(20)를 직접 촬영하여 사용자 정보를 진위 판단 서버(100)로 송신할 수 있다.

송신된 사용자 정보를 수신한 진위 판단 서버(100)는 수신된 정보와 기 저장된 데이터베이스 내의 정보를 비교하여 동일인 여부를 판단하여 인증을 수행한다. 다만, 사용자가 신규로 서비스에 가입하는 경우에는 사용자에 대하여 기 저장된 정보가 없을 수 있으므로 별도의 신분증을 발급하고 관리하는 인증 기관의 외부 서버(200)에 입력된 정보의 진위 확인을 위한 대조 정보를 요청할 수 있다.

따라서, 별도의 외부 서버(200)으로부터 사용자(10)의 신분증의 원본 이미지를 수신하고, 수신된 원본 이미지와 사용자(10)가 촬영한 신분증 이미지(20)의 비교를 통해 신분증의 진위성을 판단할 수 있다.

외부 서버(200)로부터 수신하는 원본 이미지의 경우 개인 정보의 유출 방지를 위해 전체 신분증의 원본 이미지가 아닌 개인정보를 식별할 수 없는 수준의 일부의 부분 이미지(32) 형태로 분할되어 수신될 수 있다. 본 명세서에서는 설명의 편의를 위해 외부 서버(200)로부터 원본 이미지의 일부를 수신하는 것으로 설명하였으나, 이에 한정되는 것은 아니며, 원본 이미지의 전부를 수신하여 일부 추출하거나, 자체 서버에 미리 저장된 비교 대상 이미지를 사용할 수 있다.

따라서, 진위 판단 서버(100)가 원본 이미지의 전부를 수신하고, 진위 판단을 위해 일부의 부분 이미지(32)로 추출하여 진위 판단에 이용할 수 있다.

즉, 진위 판단 서버(100)는 외부 서버(200)로부터 수신되거나, 추출된 복수의 부분 원본 이미지(32)를 이용하여 사용자가 촬영한 신분증 이미지의 부분 이미지(22)와 비교하여 진위 여부를 판단한다.

하지만, 이때 이용되는 신분증 이미지의 경우 촬영 환경이나 신분증 자체의 열화에 따른 훼손으로 신분증 내에 인쇄된 정보들의 자체 품질이 떨어지는 경우가 발생할 수 있으며, 오인식에 따른 사용자(10)의 불편을 초래할 수 있다.

따라서, 이를 해결하기 위해 본 발명에 따른 신분증 진위 판단 시스템은 수신된 부분 원본 이미지와 대응하여 신분증 이미지의 부분을 추출하고 추출된 양 이미지 간의 동일성을 판단하여 전체 신분증의 진위를 판단하는 방법을 제안한다.

이하, 도 2를 참조하여 본 실시예에 따른 신분 인증 시스템의 신분증 진위 판단 방법에 대하여 설명한다.

도 2는 본 발명의 일 실시예에 따른 신분증 진위 판단 방법을 나타내는 흐름도이다.

먼저, 신분증의 진위 판단을 위해 사용자(10)의 신분증을 촬영한 신분증 이미지를 수신한다(S100).

신분증의 촬영은 진위 판단 서버(100)와 연동하여 서비스를 제공하기 위해 사용자 단말(1000)에 설치된 어플리케이션을 통해 수행될 수 있다.

어플리케이션을 실행시킨 상태에서 제공되는 사용자 가이드 인터페이스를 참고하여 사용자(10)는 카메라로 촬영되는 자신의 신분증을 가이드 인터페이스에 일치시키는 방식으로 촬영을 수행할 수 있다.

촬영된 신분증 이미지는 빛반사나 홀로그램, 그림자 등의 저해요소가 존재하는지 여부를 판단하고, 진위 판단에 사용할 수 있는 정도의 품질인 경우 진위 판단 서버(100)로 송신하게 된다.

진위 판단 서버(100)는 진위 판단을 위해 외부 서버로부터 신분증 원본 이미지의 적어도 일부에 해당하는 부분 원본 이미지(32)를 수신한다.

사용자(10)가 신규 고객이거나 사용자(10)의 신분증에 대해 미리 데이터베이스에 저장된 정보가 없는 경우 진위 판단 서버(100)는 현재 촬영되어 수신된 신분증 이미지(20)의 진위 판단을 위한 원본 정보를 인증 기관에 요청할 수 있다.

인증 기관은 신분증을 발급하거나 발급된 신분증을 관리하는 정부나 지방자치단체일 수 있으며, 따라서 신분증의 발급 당시의 원본 정보를 보관 및 관리할 수 있다.

따라서 인증 기관에서 운영하는 외부 서버(200)로부터 신분증의 원본 이미지(30)를 수신한다(S200).

다만, 본 실시예에서는 신분증의 원본 이미지의 전체가 아닌 일부의 부분 원본 이미지(32)를 수신할 수 있다. 즉, 외부 서버가 제공하는 정보는 사용자(10)의 신분을 확인하고 식별하기 위한 목적이 아니라, 사용자(10)가 제출하는 신분증의 이미지의 진위 여부를 판단하기 위한 것으로 개인 정보의 유출을 방지하기 위해 일부의 부분 원본 이미지(32)를 송신할 수 있다.

도 3을 참조하면, 본 실시예에서 외부 서버(200)로부터 수신된 부분 원본 이미지(32)는 개인 정보의 식별이 불가능한 최소 정보만을 포함할 수 있으며 예를 들어, 신분증 내 사용자(10)의 얼굴 일부와 주소 일부를 포함하는 부분 또는 주소 일부와 주민 번호 일부를 포함하는 부분 등으로 분할되어 진위 판단 서버(100)로 송신될 수 있다.

이때 부분 원본 이미지(32)의 추출 기준은 외부 서버 내부에서 미리 결정된 규칙에 따라 또는 무작위로 추출될 수 있으며 따라서 진위 판단 서버(100)는 추출된 부분 원본 이미지(32)에 따라 촬영된 신분증 이미지의 대응 부분들을 추출하여 비교를 수행할 수 있다.

도 4를 참조하면, 도 3에 따른 부분 원본 이미지(32)가 수신된 경우 진위 판단 서버(100)는 사용차로 촬영된 신분증 이미지 중 대응되는 부분 신분증 이미지(22)를 추출할 수 있다.

따라서, 부분 원본 이미지(32)에 대응되는 5가지의 부분 신분증 이미지(22)로 얼굴의 일부, 얼굴과 생년 및 주소의 일부, 얼굴과 발급일자의 일부, 발급기관과 작은 얼굴 이미지, 및 주민 번호의 하단과 주소의 상단 일부를 대응하여 추출할 수 있다.

진위 판단 서버(100)는 수신된 부분 원본 이미지(32)와 상기 부분 원본 이미지(32)에 대응하여 상기 신분증 이미지로부터 추출된 부분 신분증 이미지(22) 간 동일성을 판단한다(S300).

이때 진위 판단 서버(100)는 각각의 부분 이미지 간의 동일성을 판단하기 위해 학습된 신경망(500)을 이용할 수 있다.

학습된 신경망(500)은 부분 이미지에 포함된 특징 요소들에 대한 값들을 강화하도록 학습될 수 있으며, 이를 위해 신경망(500)은 복수의 합성곱 연산을 수행하는 레이어로 구성된 CNN(Convolution Neural Network) 모델일 수 있다.

구체적으로 도 5를 참조하면 본 실시예에 따른 신경망(500)은 입력된 두 이미지의 동일성을 검증(Verifying)하도록 학습될 수 있다.

신경망(500)은 내부적으로 입력된 두 이미지에 대해 각각 동일한 합성곱 연산을 수행하는 레이어 들의 결합으로 구성되는 샴 네트워크(Siamese Network) 형태 일 수 있다. 따라서, 샴 네트워크 내 각 레이어는 입력된 두 이미지에 대해 합성곱 연산을 수행하고 출력을 완전 연결 레이어를 통해 평탄화하여, 두개의 N차원의 특징 정보 형태로 출력할 수 있다.

이어서, 신경망(500)은 완전 연결 레이어를 통해 출력된 특징 정보를 상호 비교하여 유사도를 산출하고, 산출된 유사도에 따라 동일성 판단 결과(52)를 최종 출력할 수 있다.

이때, 본 실시예에서는 신경망(500) 내 합성곱 레이어들의 학습을 위해 삼중항 손실(Triplet loss)을 통해 계산된 손실 함수를 이용할 수 있다.

도 6을 참조하면, 본 실시예에서 신경망(500)의 학습은 두가지 쌍에 의한 학습 데이터를 기반으로 수행될 수 있다.

구체적으로 제1 쌍으로 신분증의 부분 이미지에 대하여 기준으로 동일성의 판단 대상인 앵커(Anchor) 부분 이미지(22A)와 동일한 긍정(Positive) 부분 이미지(22P) 쌍을 학습 데이터로 구성할 수 있다.

또한, 제2 쌍으로 앵커 부분 이미지(22A)와 상이한 부정(Negative) 부분 이미지(22N) 쌍을 학습 데이터로 구성할 수 있다.

도 5에 따른 구조를 갖는 신경망(500)에 학습 데이터로 각각의 쌍을 입력하여 각각의 쌍에 대해 추출된 특징 정보 간의 거리를 산출할 수 있다.

이때 앵커(Anchor) 부분 이미지, 긍정(Positive) 부분 이미지, 및 상이한 부정(Negative) 부분 이미지 간의 삼중항 손실은 각 쌍에 대한 거리의 관계를 이용하여 계산될 수 있는데, 본 실시예에서 제1 쌍의 경우 기준 이미지와 동일한 신분증 이미지를 학습데이터로 생성하였으므로 산출된 거리 값이 제2 쌍에 대한 거리 값에 비해 가깝게 나타나는 것이 바람직하다.

따라서, 학습은 제1 쌍에 대해 추출된 특징 값 간의 거리가 제2 쌍에 대해 추출된 특징 값 간의 거리보다 작거나 같아지도록 정의된 손실 함수를 이용하여 수행될 수 있으며, 더욱 바람직하게는 거리의 차이가 결정된 마진보다 크도록 규정하여 신경망(500)이 실제 학습을 수행하도록 할 수 있다.

나아가, 삼중항 손실에 따라 생성된 손실 함수 기반의 신경망의 학습 목적은 부정 부분 이미지가 앵커 부분 이미지와 유사한 이미지일수록 어렵게 달성되므로 본 실시예에서는 신분증의 발급 시기, 소유자의 나이, 성별, 주소 등이 유사한 신분증 이미지를 학습 데이터로 이용하는 것이 바람직하다.

이상의 도 6에 따라 정의된 손실 함수를 이용하여 도 5에 따른 신경망(500) 내 가중치들은 학습될 수 있으며 따라서 진위 판단 서버(100)는 학습된 신경망(500)을 이용하여 입력된 사용자(10)의 신분증 이미지가 원본 이미지와 동일한지를 판단하고 최종 진위 여부를 판단한다.

진위 판단 서버(100)는 각각의 부분 이미지 들에 대한 동일성 판단 결과에 따라 신분증의 진위 여부를 판단한다(S400).

본 실시예에서는 복수의 부분 신분증 이미지(22)와 부분 원본 이미지(32)들 각각 판단하므로, 모든 부분 이미지 들이 상호 동일한 것으로 판단된 경우 촬영된 신분증이 진정한 것으로 판단할 수 있다.

또는 부분 이미지 중 텍스트나 안면 정보와 같이 유의미한 정보를 갖는 것으로 판단된 부분 이미지에 대한 동일성 판단 결과를 이용하여 진위 여부를 판단하는 것도 가능하다.

또는 부분 이미지의 유사도 자체를 통해 통합 유사도를 산출하고 이에 따른 결과로 신분증의 진위 여부를 판단하는 것도 가능하다.

이상의 과정을 통해 진위 판단 서버(100)는 신분증의 진위 여부를 판단하고, 진정한 신분증인 경우 사용자(10)가 요구하는 서비스를 후속하여 진행하도록 할 수 있다.

이하, 도 7을 참고하여 본 실시예에 따른 신분증 진위 판단을 수행하는 진위 판단 서버(100)에 대하여 설명한다.

진위 판단 서버(100)는 신분증 이미지 수신부(110), 원본 이미지 수신부(120), 동일성 판단부(130) 및 진위 판단부(140)를 포함할 수 있다.

신분증 이미지 수신부(110)는 사용자(10)의 신분증을 촬영한 신분증 이미지를 수신한다.

신분증의 촬영은 진위 판단 서버(100)와 연동하여 서비스를 제공하기 위해 사용자 단말(1000)에 설치된 어플리케이션을 통해 사용자(10)는 카메라로 촬영되는 자신의 신분증을 가이드 인터페이스에 일치시키는 방식으로 촬영을 수행할 수 있다.

촬영된 신분증 이미지의 품질이 인증에 이용할 수 있을 정도를 만족하는 경우 이를 진위 판단 서버(100)로 송신할 수 있다.

원본 이미지 수신부(120)는 진위 판단 서버(100)가 현재 촬영되어 수신된 신분증 이미지의 진위 판단을 위한 원본 정보를 인증 기관에 요청하면, 따라서 인증 기관에서 운영하는 외부 서버로부터 신분증의 원본 이미지를 수신한다.

이때, 원본 이미지 수신부(120)는 신분증의 원본 이미지의 전체가 아닌 일부의 부분 원본 이미지(32)를 수신할 수 있다. 외부 서버는 개인 정보의 유출을 방지하기 위해 신분증의 진위 판단에 필요한 최소한의 부분 원본 이미지(32)를 송신할 수 있다.

동일성 판단부(130)는 신경망(500)을 이용하여 상기 부분 원본 이미지(32)와 상기 부분 원본 이미지(32)에 대응하여 상기 신분증 이미지로부터 추출된 부분 신분증 이미지(22) 간 동일성을 판단한다.

즉, 동일성 판단부(130)는 부분 원본 이미지(32)가 수신되므로 촬영된 신분증 이미지 중 대응되는 부분 신분증 이미지(22)를 추출하고, 추출된 양 이미지를 신경망(500)에 입력할 수 있다. 신경망(500)은 두 이미지에 대해 각각 동일한 합성곱 연산을 수행하는 레이어 들의 결합으로 구성되는 샴 네트워크 형태로 입력된 두 이미지에 대해 합성곱 연산을 수행하고 출력을 완전 연결 레이어를 통해 평탄화하여, 두개의 N차원의 특징 정보 형태로 출력할 수 있다.

신경망(500)은 완전 연결 레이어를 통해 출력된 특징 정보를 상호 비교하여 유사도를 산출하고, 동일성 판단부는 산출된 유사도에 따라 동일성 판단 결과를 최종 출력할 수 있다.

진위 판단부(140)는 동일성 판단 결과에 따라 신분증의 진위 여부를 최종 판단한다.

구체적으로, 복수의 부분 신분증 이미지(22)와 부분 원본 이미지(32)들 각각 판단하므로, 진위 판단부(140)는 모든 부분 이미지 들이 상호 동일한 것으로 판단된 경우 촬영된 신분증이 진정한 것으로 판단할 수 있다. 또는 각 부분 이미지의 중요도나 유사도의 통계적 취합을 통해 진위 여부를 판단하는 것도 가능하다.

이상의 본 발명에 따르면 본 발명에 따르면 비대면 상황에서 신분 인증의 효율을 보다 높일 수 있다.

또한, 신분증을 도용하여 일부의 정보를 훼손하여 인증에 이용하는 경우에도 신분증의 진위 판단을 보다 정확히 수행할 수 있다.

또한, 주변 환경에 따라서 신분증의 일부가 인식이 불가능하더라도 진위 판단이 가능하도록 하여 사용자의 사용 편의성을 높일 수 있다.

또한, 다양한 신분증의 구성 요소에 따라 진위 판단을 수행하여 위조 상황을 보다 정확히 판단하고, 신분 도용에 따른 문제 발생 가능성을 낮출 수 있다.

나아가, 여기에 설명되는 다양한 실시예는 예를 들어, 소프트웨어, 하드웨어 또는 이들의 조합된 것을 이용하여 컴퓨터 또는 이와 유사한 장치로 읽을 수 있는 기록매체 내에서 구현될 수 있다.

하드웨어적인 구현에 의하면, 여기에 설명되는 실시예는 ASICs (application specific integrated circuits), DSPs (digital signal processors), DSPDs (digital signal processing devices), PLDs (programmable logic devices), FPGAs (field programmable gate arrays, 프로세서(processors), 제어기(controllers), 마이크로 컨트롤러(micro-controllers), 마이크로 프로세서(microprocessors), 기타 기능 수행을 위한 전기적인 유닛 중 적어도 하나를 이용하여 구현될 수 있다. 일부의 경우에 본 명세서에서 설명되는 실시예들이 제어 모듈 자체로 구현될 수 있다.

소프트웨어적인 구현에 의하면, 본 명세서에서 설명되는 절차 및 기능과 같은 실시예들은 별도의 소프트웨어 모듈들로 구현될 수 있다. 상기 소프트웨어 모듈들 각각은 본 명세서에서 설명되는 하나 이상의 기능 및 작동을 수행할 수 있다. 적절한 프로그램 언어로 씌여진 소프트웨어 어플리케이션으로 소프트웨어 코드가 구현될 수 있다. 상기 소프트웨어 코드는 메모리 모듈에 저장되고, 제어모듈에 의해 실행될 수 있다.

이상의 설명은 본 발명의 기술 사상을 예시적으로 설명한 것에 불과한 것으로서, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자라면 본 발명의 본질적인 특성에서 벗어나지 않는 범위 내에서 다양한 수정, 변경 및 치환이 가능할 것이다.

따라서, 본 발명에 개시된 실시 예 및 첨부된 도면들은 본 발명의 기술 사상을 한정하기 위한 것이 아니라 설명하기 위한 것이고, 이러한 실시 예 및 첨부된 도면에 의하여 본 발명의 기술 사상의 범위가 한정되는 것은 아니다. 본 발명의 보호 범위는 아래의 청구 범위에 의하여 해석되어야 하며, 그와 동등한 범위 내에 있는 모든 기술 사상은 본 발명의 권리 범위에 포함되는 것으로 해석되어야 할 것이다.

Claims (13)

1. 신경망을 이용한 신분증 진위 판단 방법에 있어서,
   사용자의 신분증을 촬영한 신분증 이미지를 수신하는 단계;
   외부 서버로부터 신분증 원본 이미지의 일부 만을 포함하도록 추출된 복수의 부분 원본 이미지를 수신하는 단계;
   상기 신분증 이미지로부터 상기 부분 원본 이미지에 대응하는 부분 신분증 이미지를 추출하고, 상기 신경망을 이용하여 상기 부분 원본 이미지와 상기 추출된 부분 신분증 이미지 간 동일성을 판단하는 단계; 및
   각각의 상기 부분 원본 이미지와 상기 부분 신분증 이미지 쌍에 대한 동일성 판단 결과에 따라 신분증의 진위 여부를 판단하는 단계를 포함하고,
   상기 부분 원본 이미지 각각은 개인의 식별이 불가한 형태의 텍스트 및 안면 정보의 일부를 포함하는 것을 특징으로 하는 신분증 진위 판단 방법.
2. 제 1 항에 있어서,
   상기 동일성을 판단하는 단계는 복수의 부분 원본 이미지를 수신하고, 대응하여 추출된 복수의 부분 신분증 이미지와의 동일성을 각각 판단하는 것을 특징으로 하는 신분증 진위 판단 방법.
3. 제 2 항에 있어서,
   상기 진위 여부를 판단하는 단계는 각각의 이미지 쌍에 대해 판단된 복수의 동일성 판단 결과를 이용하여 신분증의 진위 여부를 판단하는 것을 특징으로 하는 신분증 진위 판단 방법.
4. 제 1 항에 있어서,
   상기 신경망은 상기 신분증의 부분 이미지 쌍에 대한 특징 정보를 각각 추출하고 특징 정보를 비교하여 산출된 유사도에 따라 동일성을 판단하도록 학습된 것을 특징으로 하는 신분증 진위 판단 방법.
5. 제 4 항에 있어서,
   상기 신경망은 상기 신분증의 부분 이미지에 대하여 동일성의 판단 대상인 기준 앵커(Anchor) 부분 이미지와 동일한 긍정(Positive) 부분 이미지 쌍과 상기 앵커 부분 이미지와 상이한 부정(Negative) 부분 이미지 쌍을 이용하여 학습을 수행하는 것을 특징으로 하는 신분증 진위 판단 방법.
6. 제 3 항에 있어서,
   상기 진위 여부를 판단하는 단계는 상기 복수의 동일성 판단 결과가 모두 동일한 것으로 판단된 경우 상기 신분증이 진정 신분증인 것으로 판단하는 것을 특징으로 하는 신분증 진위 판단 방법.
7. 학습된 신경망을 이용한 신분증 진위 판단 서버에 있어서,
   사용자의 신분증을 촬영한 신분증 이미지를 수신하는 신분증 이미지 수신부;
   외부 서버로부터 신분증 원본 이미지의 일부 만을 포함하도록 추출된 복수의 부분 원본 이미지를 수신하는 원본 이미지 수신부;
   상기 신분증 이미지로부터 상기 부분 원본 이미지에 대응하는 부분 신분증 이미지를 추출하고, 상기 신경망을 이용하여 상기 부분 원본 이미지와 상기 추출된 부분 신분증 이미지 간 동일성을 판단하는 동일성 판단부; 및
   각각의 상기 부분 원본 이미지와 상기 부분 신분증 이미지 쌍에 대한 동일성 판단 결과에 따라 신분증의 진위 여부를 판단하는 진위 판단부를 포함하고,
   상기 부분 원본 이미지 각각은 개인의 식별이 불가한 형태의 텍스트 및 안면 정보의 일부를 포함하는 것을 특징으로 하는 신분증 진위 판단 서버.
8. 제 7 항에 있어서,
   상기 동일성 판단부는 복수의 부분 원본 이미지를 수신하고, 대응하여 추출된 복수의 부분 신분증 이미지와의 동일성을 각각 판단하는 것을 특징으로 하는 신분증 진위 판단 서버.
9. 제 8 항에 있어서,
   상기 진위 판단부는 각각의 이미지 쌍에 대해 판단된 복수의 동일성 판단 결과를 이용하여 신분증의 진위 여부를 판단하는 것을 특징으로 하는 신분증 진위 판단 서버.
10. 제 7 항에 있어서,
    상기 신경망은 상기 신분증의 부분 이미지 쌍에 대한 특징 정보를 각각 추출하고 특징 정보를 비교하여 산출된 유사도에 따라 동일성을 판단하도록 학습된 것을 특징으로 하는 신분증 진위 판단 서버.
11. 제 10 항에 있어서,
    상기 신경망은 상기 신분증의 부분 이미지에 대하여 동일성의 판단 대상인 기준 앵커(Anchor) 부분 이미지와 동일한 긍정(Positive) 부분 이미지 쌍과 상기 앵커 부분 이미지와 상이한 부정(Negative) 부분 이미지 쌍을 이용하여 학습을 수행하는 것을 특징으로 하는 신분증 진위 판단 서버.
12. 제 9 항에 있어서,
    상기 진위 판단부는 상기 복수의 동일성 판단 결과가 모두 동일한 것으로 판단된 경우 상기 신분증이 진정 신분증인 것으로 판단하는 것을 특징으로 하는 신분증 진위 판단 서버.
13. 제 1 항 내지 제 6 항 중 어느 한 항에 따른 신분 인증 방법을 수행하는 컴퓨터 판독 가능한 기록 매체에 저장된 프로그램.

Images