KR102223351B1 - 모델 신뢰도를 검출하기 위한 방법 및 장치 - Google Patents
모델 신뢰도를 검출하기 위한 방법 및 장치 Download PDFInfo
- Publication number
- KR102223351B1 KR102223351B1 KR1020190083069A KR20190083069A KR102223351B1 KR 102223351 B1 KR102223351 B1 KR 102223351B1 KR 1020190083069 A KR1020190083069 A KR 1020190083069A KR 20190083069 A KR20190083069 A KR 20190083069A KR 102223351 B1 KR102223351 B1 KR 102223351B1
- Authority
- KR
- South Korea
- Prior art keywords
- level
- reliability
- reflection image
- detected
- coating layer
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 46
- 238000001514 detection method Methods 0.000 claims abstract description 224
- 239000011247 coating layer Substances 0.000 claims abstract description 81
- 230000001815 facial effect Effects 0.000 claims description 31
- 230000004044 response Effects 0.000 claims description 17
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical group [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 claims description 12
- 229910000519 Ferrosilicon Inorganic materials 0.000 claims description 12
- 229910002804 graphite Inorganic materials 0.000 claims description 12
- 239000010439 graphite Substances 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 11
- QPLDLSVMHZLSFG-UHFFFAOYSA-N Copper oxide Chemical compound [Cu]=O QPLDLSVMHZLSFG-UHFFFAOYSA-N 0.000 claims description 9
- RTAQQCXQSZGOHL-UHFFFAOYSA-N Titanium Chemical compound [Ti] RTAQQCXQSZGOHL-UHFFFAOYSA-N 0.000 claims description 9
- 229910052719 titanium Inorganic materials 0.000 claims description 9
- 239000010936 titanium Substances 0.000 claims description 9
- 210000004709 eyebrow Anatomy 0.000 claims description 7
- 239000000523 sample Substances 0.000 description 11
- 238000010586 diagram Methods 0.000 description 10
- 230000006870 function Effects 0.000 description 7
- 238000004891 communication Methods 0.000 description 5
- 239000011248 coating agent Substances 0.000 description 4
- 238000000576 coating method Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 238000012549 training Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 3
- 230000000644 propagated effect Effects 0.000 description 3
- 239000012472 biological sample Substances 0.000 description 2
- 238000007796 conventional method Methods 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 230000008094 contradictory effect Effects 0.000 description 1
- 230000023004 detection of visible light Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 210000000887 face Anatomy 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
Classifications
-
- 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
- G06V10/12—Details of acquisition arrangements; Constructional details thereof
- G06V10/14—Optical characteristics of the device performing the acquisition or on the illumination arrangements
- G06V10/143—Sensing or illuminating at different wavelengths
-
- G06K9/03—
-
- C—CHEMISTRY; METALLURGY
- C09—DYES; PAINTS; POLISHES; NATURAL RESINS; ADHESIVES; COMPOSITIONS NOT OTHERWISE PROVIDED FOR; APPLICATIONS OF MATERIALS NOT OTHERWISE PROVIDED FOR
- C09D—COATING COMPOSITIONS, e.g. PAINTS, VARNISHES OR LACQUERS; FILLING PASTES; CHEMICAL PAINT OR INK REMOVERS; INKS; CORRECTING FLUIDS; WOODSTAINS; PASTES OR SOLIDS FOR COLOURING OR PRINTING; USE OF MATERIALS THEREFOR
- C09D1/00—Coating compositions, e.g. paints, varnishes or lacquers, based on inorganic substances
-
- G06K9/00228—
-
- G06K9/00288—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- 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
- G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
- G06V10/776—Validation; Performance evaluation
-
- 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
- G06V40/168—Feature extraction; Face representation
- G06V40/169—Holistic features and representations, i.e. based on the facial image taken as a whole
-
- 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
- G06V40/171—Local features and components; Facial parts ; Occluding parts, e.g. glasses; Geometrical relationships
-
- 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
- G06V40/40—Spoof detection, e.g. liveness detection
- G06V40/45—Detection of the body part being alive
-
- 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
- G06T2207/20081—Training; Learning
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30196—Human being; Person
- G06T2207/30201—Face
Abstract
본 출원의 실시예에는 모델 신뢰도를 검출하기 위한 방법 및 장치를 개시된다. 해당 방법의 일 구체적인 실시예에 따르면, 촬상된 비 생체의 적외선 반사 이미지 및 가시광 반사 이미지를 획득하는 단계; 검출하고자 하는 생체 검출 모델에 상기 적외선 반사 이미지 및 상기 가시광 반사 이미지를 입력하여, 상기 적외선 반사 이미지 및 상기 가시광 반사 이미지에 대응하는 검출 결과를 획득하는 단계; 및 상기 촬상된 비 생체 상의 적외선 반사 코팅층의 설정 농도 레벨과 상기 검출 결과에 대해 매칭을 진행하고, 매칭 결과에 따라 상기 검출하고자 하는 생체 검출 모델의 신뢰도 레벨을 설정하는 단계;를 포함한다. 해당 실시예는 생체 검출 모델 신뢰도에 대한 검출을 구현한다.
Description
본 출원의 실시예는 컴퓨터 기술 분야에 관한 것으로, 구체적으로는 모델 신뢰도를 검출하기 위한 방법 및 장치에 관한 것이다.
얼굴 인식 기술은 컴퓨터 응용 연구 기술로서, 생물학적 특징 인식 기술에 해당된다. 생물체의 생물학적 특징을 통해 생물 개체를 구분할 수 있을 뿐만 아니라, 생물 개체의 신체 상태에 대해 판단을 진행할 수도 있다. 예를 들어, 생물체 이미지를 통해 생물이 생체인지, 피로 상태에 처해 있는지를 판단할 수 있다. 생물체 이미지를 통해 지능 장치 등의 장치를 잠금 해제하는 판단 조건으로 이용하여 생체 공격을 방지함으로써, 장치의 안전성을 증가시킬 수도 있다. 당업자는 다양한 유형의 샘플 데이터를 통해 생체 공격을 식별하기 위한 생체 검출 모델을 획득할 수 있다. 그러나, 기존의 방법으로 생체 검출 모델을 트레이닝함에 있어서의 샘플 데이터는 통상적으로 자체가 생체 샘플 데이터 또는 비 생체 샘플 데이터이다. 여기서, 비 생체 샘플 데이터와 생체 샘플 데이터 사이에는 통상적으로 상대적으로 명확한 차이가 있다. 따라서, 이러한 샘플 데이터 트레이닝으로 획득한 생체 검출 모델은 통상적으로 특징이 명확한 생체 또는 비 생체를 인식할 수 있다. 해당 생체 검출 모델이 상대하는 비 생체 이미지가 생체의 이미지 특성을 시뮬레이팅할 수 있을 경우, 생체 검출 모델이 오류 검출 결과를 획득할 확률이 상대적으로 높다.
US20130343601A1：2013-12-26
US9875398B1：2018-01-23
US7406184B2：2008-07-29
US9875398B1：2018-01-23
US7406184B2：2008-07-29
본 출원의 실시예는 모델 신뢰도를 검출하기 위한 방법 및 장치를 제공한다.
제1 양태에 있어서, 본 출원은 모델 신뢰도를 검출하기 위한 방법을 제공하며, 해당 방법은, 설정 농도 레벨의 적외선 반사 코팅층을 구비한 얼굴 구조 부분을 포함하는 촬상된 비 생체의 적외선 반사 이미지 및 가시광 반사 이미지를 획득하는 단계와, 적외선 반사 이미지 및 가시광 반사 이미지를 통해 촬상된 물체가 생체인지 여부를 인식하기 위한 검출하고자 하는 생체 검출 모델에 상기 적외선 반사 이미지 및 상기 가시광 반사 이미지를 입력하여, 상기 적외선 반사 이미지 및 상기 가시광 반사 이미지에 대응하는 검출 결과를 획득하는 단계와, 상기 촬상된 비 생체 상의 적외선 반사 코팅층의 설정 농도 레벨과 상기 검출 결과에 대해 매칭을 진행하고, 매칭 결과에 따라 상기 검출하고자 하는 생체 검출 모델의 신뢰도 레벨을 설정하는 단계를 포함한다.
일부 실시예에 있어서, 상기 얼굴 구조 부분의 눈썹 위치의 적외선 반사 코팅층은 흑연 코팅층이고, 상기 얼굴 구조 부분의 입술 위치의 적외선 반사 코팅층은 페로 실리콘 레드 코팅층이고, 상기 얼굴 구조 부분의 기타 위치의 적외선 반사 코팅층은 티타늄 크롬 브라운 코팅층이다.
일부 실시예에 있어서, 상기 설정 농도 레벨은 저 농도 레벨, 중 농도 레벨 및 고 농도 레벨을 포함하고, 상기 촬상된 비 생체 상의 적외선 반사 코팅층의 설정 농도 레벨과 상기 검출 결과에 대해 매칭을 진행하고, 매칭 결과에 따라 상기 검출하고자 하는 생체 검출 모델의 신뢰도 레벨을 설정하는 단계는, 설정 농도 레벨이 저 농도 레벨이고, 대응되는 상기 적외선 반사 이미지의 검출 결과 및 가시광 반사 이미지의 검출 결과가 모두 비 생체인 것에 대응하여, 상기 검출하고자 하는 생체 검출 모델의 신뢰도 레벨을 제1 신뢰도 레벨로 설정하고, 아닐 경우, 상기 검출하고자 하는 생체 검출 모델의 신뢰도 레벨을 제1 불신뢰도 레벨로 설정하는 단계를 포함한다.
일부 실시예에 있어서, 상기 촬상된 비 생체 상의 적외선 반사 코팅층의 설정 농도 레벨과 상기 검출 결과에 대해 매칭을 진행하고, 매칭 결과에 따라 상기 검출하고자 하는 생체 검출 모델의 신뢰도 레벨을 설정하는 단계는, 설정 농도 레벨이 중 농도 레벨이고, 대응되는 상기 적외선 반사 이미지의 검출 결과 및 가시광 반사 이미지의 검출 결과가 모두 비 생체인 것에 대응하여, 상기 검출하고자 하는 생체 검출 모델의 신뢰도 레벨을 신뢰도가 제1 신뢰도 레벨보다 높은 제2 신뢰도 레벨로 설정하고, 아닐 경우, 상기 검출하고자 하는 생체 검출 모델의 신뢰도 레벨을 신뢰도가 제1 불신뢰도 레벨보다 높은 제2 불신뢰도 레벨로 설정하는 단계를 포함한다.
일부 실시예에 있어서, 상기 촬상된 비 생체 상의 적외선 반사 코팅층의 설정 농도 레벨과 상기 검출 결과에 대해 매칭을 진행하고, 매칭 결과에 따라 상기 검출하고자 하는 생체 검출 모델의 신뢰도 레벨을 설정하는 단계는, 설정 농도 레벨이 고 농도 레벨이고, 대응되는 상기 적외선 반사 이미지의 검출 결과 및 가시광 반사 이미지의 검출 결과가 모두 비 생체인 것에 대응하여, 상기 검출하고자 하는 생체 검출 모델의 신뢰도 레벨을 신뢰도가 제2 신뢰도 레벨보다 높은 제3 신뢰도 레벨로 설정하고, 아닐 경우, 상기 검출하고자 하는 생체 검출 모델의 신뢰도 레벨을 신뢰도가 제2 불신뢰도 레벨보다 높은 제3 불신뢰도 레벨로 설정하는 단계를 포함한다.
제2 양태에 있어서, 본 출원의 실시예는 모델 신뢰도를 검출하기 위한 장치를 제공하며, 해당 장치는, 설정 농도 레벨의 적외선 반사 코팅층을 구비한 얼굴 구조 부분을 포함하는 촬상된 비 생체의 적외선 반사 이미지 및 가시광 반사 이미지를 획득하도록 구성된 이미지 획득 유닛과, 적외선 반사 이미지 및 가시광 반사 이미지를 통해 촬상된 물체가 생체인지 여부를 인식하기 위한 검출하고자 하는 생체 검출 모델에 상기 적외선 반사 이미지 및 상기 가시광 반사 이미지를 입력하여, 상기 적외선 반사 이미지 및 상기 가시광 반사 이미지에 대응하는 검출 결과를 획득하도록 구성된 검출 결과 획득 유닛과, 상기 촬상된 비 생체 상의 적외선 반사 코팅층의 설정 농도 레벨과 상기 검출 결과에 대해 매칭을 진행하고, 매칭 결과에 따라 상기 검출하고자 하는 생체 검출 모델의 신뢰도 레벨을 설정하도록 구성된 신뢰도 레벨 설정 유닛을 포함한다.
일부 실시예에 있어서, 상기 얼굴 구조 부분의 눈썹 위치의 적외선 반사 코팅층은 흑연 코팅층이고, 상기 얼굴 구조 부분의 입술 위치의 적외선 반사 코팅층은 페로 실리콘 레드 코팅층이고, 상기 얼굴 구조 부분의 기타 위치의 적외선 반사 코팅층은 티타늄 크롬 브라운 코팅층이다.
일부 실시예에 있어서, 상기 설정 농도 레벨은 저 농도 레벨, 중 농도 레벨 및 고 농도 레벨을 포함하고, 상기 신뢰도 레벨 설정 유닛은, 설정 농도 레벨이 저 농도 레벨이고, 대응되는 상기 적외선 반사 이미지의 검출 결과 및 가시광 반사 이미지의 검출 결과가 모두 비 생체인 것에 대응하여, 상기 검출하고자 하는 생체 검출 모델의 신뢰도 레벨을 제1 신뢰도 레벨로 설정하고, 아닐 경우, 상기 검출하고자 하는 생체 검출 모델의 신뢰도 레벨을 제1 불신뢰도 레벨로 설정하도록 구성된 제1 신뢰도 레벨 설정 유닛을 포함한다.
일부 실시예에 있어서, 상기 신뢰도 레벨 설정 유닛은, 설정 농도 레벨이 중 농도 레벨이고, 대응되는 상기 적외선 반사 이미지의 검출 결과 및 가시광 반사 이미지의 검출 결과가 모두 비 생체인 것에 대응하여, 상기 검출하고자 하는 생체 검출 모델의 신뢰도 레벨을 신뢰도가 제1 신뢰도 레벨보다 높은 제2 신뢰도 레벨로 설정하고, 아닐 경우, 상기 검출하고자 하는 생체 검출 모델의 신뢰도 레벨을 신뢰도가 제1 불신뢰도 레벨보다 높은 제2 불신뢰도 레벨로 설정하도록 구성된 제2 신뢰도 레벨 설정 유닛을 포함한다.
일부 실시예에 있어서, 상기 신뢰도 레벨 설정 유닛은, 설정 농도 레벨이 고 농도 레벨이고, 대응되는 상기 적외선 반사 이미지의 검출 결과 및 가시광 반사 이미지의 검출 결과가 모두 비 생체인 것에 대응하여, 상기 검출하고자 하는 생체 검출 모델의 신뢰도 레벨을 신뢰도가 제2 신뢰도 레벨보다 높은 제3 신뢰도 레벨로 설정하고, 아닐 경우, 상기 검출하고자 하는 생체 검출 모델의 신뢰도 레벨을 신뢰도가 제2 불신뢰도 레벨보다 높은 제3 불신뢰도 레벨로 설정하도록 구성된 제3 신뢰도 레벨 설정 유닛을 포함한다.
제3 양태에 있어서, 본 출원의 실시예는 서버를 제공하며, 해당 서버는, 하나 또는 다수의 프로세서 및 하나 또는 다수의 프로그램이 저장된 저장 장치를 포함하되, 상기 하나 또는 다수의 프로그램이 상기 하나 또는 다수의 프로세서에 의해 실행될 경우, 상기 하나 또는 다수의 프로세서에 의해 상기 제1 양태의 모델 신뢰도를 검출하기 위한 방법을 실행하도록 한다.
제4 양태에 있어서, 본 출원의 실시예는 컴퓨터 프로그램이 저장된 컴퓨터 판독 가능한 매체를 제공하며, 해당 프로그램이 프로세서에 의해 실행될 경우, 상기 제1 양태의 모델 신뢰도를 검출하기 위한 방법이 구현되는 것을 특징으로 한다.
본 출원의 실시예에서 제공하는 모델 신뢰도를 검출하기 위한 방법 및 장치는, 먼저 설정 농도 레벨의 적외선 반사 코팅층을 구비한 얼굴 구조 부분을 포함하는 촬상된 비 생체의 적외선 반사 이미지 및 가시광 반사 이미지를 획득하고, 이어서, 적외선 반사 이미지 및 가시광 반사 이미지를 검출하고자 하는 생체 검출 모델에 입력하여, 적외선 반사 이미지 및 가시광 반사 이미지에 대응되는 검출 결과를 획득하며, 나중에, 촬상된 비 생체의 적외선 반사 코팅층의 설정 농도 레벨과 검출 결과를 매칭시켜, 매칭 결과에 따라 검출하고자 하는 생체 검출 모델의 신뢰도 레벨을 설정한다. 이로써, 생체 검출 모델 신뢰도에 대한 검출을 구현할 수 있다.
본 출원의 기타 특징, 과제 및 이점들은 아래의 첨부된 도면들을 참조하여 진행한 비 한정적인 실시예들에 대한 상세한 설명으로부터 명확해질 것이다.
도 1은 본 출원의 일 실시예가 적용 가능한 예시적 시스템 체계구조도이다.
도 2는 본 출원에 따른 모델 신뢰도를 검출하기 위한 방법의 일 실시예의 흐름도이다.
도 3은 본 출원에 따른 모델 신뢰도를 검출하기 위한 방법의 일 응용 정경의 개략도이다.
도 4는 본 출원에 따른 모델 신뢰도를 검출하기 위한 장치의 일 실시예의 개략적 구성도이다.
도 5는 본 출원의 실시예의 서버를 구현하기에 적합한 컴퓨터 시스템의 개략적 구성도이다.
도 1은 본 출원의 일 실시예가 적용 가능한 예시적 시스템 체계구조도이다.
도 2는 본 출원에 따른 모델 신뢰도를 검출하기 위한 방법의 일 실시예의 흐름도이다.
도 3은 본 출원에 따른 모델 신뢰도를 검출하기 위한 방법의 일 응용 정경의 개략도이다.
도 4는 본 출원에 따른 모델 신뢰도를 검출하기 위한 장치의 일 실시예의 개략적 구성도이다.
도 5는 본 출원의 실시예의 서버를 구현하기에 적합한 컴퓨터 시스템의 개략적 구성도이다.
이하, 첨부된 도면 및 실시예들을 결부하여 본 출원에 대한 보다 상세한 설명을 진행하기로 한다. 여기에 설명되는 구체적인 실시예들은 단지 관련된 발명을 해석하기 위한 것일 뿐, 해당 발명을 한정하기 위한 것이 아님을 이해할 수 있을 것이다. 또한, 설명의 편의를 위해 첨부된 도면에는 단지 관련 발명에 관한 부분만이 도시된다.
본 출원의 실시예 및 실시예 중의 특징들은 모순되지 않는 한 서로 조합될 수 있다. 이하, 첨부된 도면을 참조하고 실시예들을 결부하여 본 출원에 대한 상세한 설명을 진행하기로 한다.
도 1은 본 출원의 실시예가 적용 가능한 모델 신뢰도를 검출하기 위한 방법 또는 모델 신뢰도를 검출하기 위한 장치의 예시적 시스템 체계구조(100)를 나타낸다.
도 1에 도시된 바와 같이, 시스템 체계구조(100)는 안면 마스크(101), 인체 조각상(102) 및 서버(103)를 포함할 수 있다. 여기서, 안면 마스크(101) 및 인체 조각상(102)의 얼굴 부분은 적외선 반사 코팅층을 구비할 수 있고, 해당 적외선 반사 코팅층은 얼굴의 적외선 하에서의 적외선 특징을 시뮬레이팅할 수 있다.
사용자는 다양한 단말기 장치를 이용하여 안면 마스크(101) 및 인체 조각상(102)의 적외선 반사 이미지 및 가시광 반사 이미지를 획득하고, 서버(103)에 적외선 반사 이미지 및 가시광 반사 이미지를 전송할 수 있다.
서버(103)는 생체 검출 모델이 저장된 서버일 수 있고, 예를 들어, 안면 마스크(101) 및 인체 조각상(102)의 적외선 반사 이미지 및 가시광 반사 이미지를 통해 생체 검출 모델 신뢰도를 검출하는 서버일 수 있다. 서버는 적외선 반사 이미지 및 가시광 반사 이미지에 대한 생체 검출 모델의 검출 결과와 안면 마스크(101) 및 인체 조각상(102)의 적외선 반사 코팅층의 농도 등 정보에 따라 생체 검출 모델의 신뢰도에 대해 검출을 진행할 수 있다.
본 출원의 실시예에서 제공하는 모델 신뢰도를 검출하기 위한 방법은 일반적으로 서버(103)에 의해 실행되며, 따라서, 모델 신뢰도를 검출하기 위한 장치는 일반적으로 서버(103)에 설치된다.
서버는 하드웨어일 수 있으며, 소프트웨어일 수도 있다. 서버가 하드웨어일 경우, 다수의 서버로 구성된 분산형 서버 클러스터로 구현될 수 있으며, 단일의 서버로 구현될 수도 있다. 서버가 소프트웨어일 경우, (예컨대, 분산형 서비스를 제공하기 위한) 다수의 소프트웨어 또는 소프트웨어 모듈로 구현될 수 있으며, 단일의 소프트웨어 또는 소프트웨어 모듈로 구현될 수도 있으며, 이에 대한 구체적인 한정을 진행하지 않는다.
도 1 중의 안면 마스크, 인체 조각상 및 서버의 수량은 단지 예시적인 것이며, 구현 수요에 따라 임의의 수량의 안면 마스크, 인체 조각상 및 서버를 구비할 수 있음을 이해하여야 한다.
이어서, 도 2를 참조하면, 도 2는 본 출원에 따른 모델 신뢰도를 검출하기 위한 방법의 일 실시예의 흐름(200)을 나타낸다. 해당 모델 신뢰도를 검출하기 위한 방법은 아래와 같은 단계들을 포함한다.
단계(201)에서, 촬상된 비 생체의 적외선 반사 이미지 및 가시광 반사 이미지를 획득한다.
본 실시예에 있어서, 모델 신뢰도를 검출하기 위한 방법의 실행 주체(예컨대, 도 1에 도시된 서버(103))는 유선 연결 방식 또는 무선 연결 방식을 통해 촬상된 비 생체의 적외선 반사 이미지 및 가시광 반사 이미지를 획득할 수 있다.
기존의 방법으로 생체 검출 모델을 트레이닝함에 있어서의 샘플 데이터는 통상적으로 자체가 생체 샘플 데이터 또는 비 생체 샘플 데이터이다. 여기서, 비 생체 샘플 데이터와 생체 샘플 데이터 사이에는 통상적으로 상대적으로 명확한 차이가 있다. 따라서, 이러한 샘플 데이터 트레이닝으로 획득한 생체 검출 모델은 통상적으로 특징이 명확한 생체 또는 비 생체를 인식할 수 있다. 해당 생체 검출 모델이 상대하는 비 생체 이미지가 생체의 이미지 특성을 시뮬레이팅할 수 있을 경우, 생체 검출 모델이 오류 검출 결과를 획득할 확률이 상대적으로 높다.
이를 위해, 본 출원의 실행 주체는 먼저 촬상된 비 생체의 적외선 반사 이미지 및 가시광 반사 이미지를 획득할 수 있다. 여기서, 상기 촬상된 비 생체는 얼굴 구조 부분(예컨대, 상기 안면 마스크(101) 또는 인체 조각상(102)일 수 있음)을 포함할 수 있다. 실제 얼굴의 이미지 특징을 시뮬레이팅하기 위하여, 상기 얼굴 구조 부분은 설정 농도 레벨의 적외선 반사 코팅층을 구비할 수 있다.
본 실시예의 일부 선택 가능한 구현에 있어서, 상기 얼굴 구조 부분의 눈썹 위치의 적외선 반사 코팅층은 흑연 코팅층이고, 상기 얼굴 구조 부분의 입술 위치의 적외선 반사 코팅층은 페로 실리콘 레드 코팅층이고, 상기 얼굴 구조 부분의 기타 위치의 적외선 반사 코팅층은 티타늄 크롬 브라운 코팅층이다.
검출하고자 하는 생체 검출 모델이 가시광 및 적외선에서 생체 공격을 방어하는 효과를 검출하기 위하여, 본 출원의 촬상된 비 생체의 얼굴 구조는 다수의 부분에서 목표성 있게 얼굴 특징을 시뮬레이팅한다. 흑연은 적외선을 반사하는 특성을 갖고, 흑연 자체도 흑색이다. 따라서, 상기 얼굴 구조 부분의 눈썹 위치의 적외선 반사 코팅층은 흑연 코팅층일 수 있다. 페로 실리콘 레드도 적외선을 반사하는 특성을 갖고, 페로 실리콘 레드의 색상과 입술의 색상은 근사하다. 상기 얼굴 구조 부분의 입술 위치의 적외선 반사 코팅층은 페로 실리콘 레드 코팅층일 수 있다. 이로써, 안면 마스크(101) 또는 인체 조각상(102)을 통해 가시광 및 적외선 조건에서 실제의 얼굴을 시뮬레이팅할 수 있다.
단계(202)에서, 검출하고자 하는 생체 검출 모델에 상기 적외선 반사 이미지 및 상기 가시광 반사 이미지를 입력하여, 상기 적외선 반사 이미지 및 상기 가시광 반사 이미지에 대응하는 검출 결과를 획득한다.
적외선 반사 이미지 및 가시광 반사 이미지를 획득한 이후, 실행 주체는 검출하고자 하는 생체 검출 모델에 적외선 반사 이미지 및 가시광 반사 이미지를 도입시킬 수 있다. 검출하고자 하는 생체 검출 모델은 실행 주체 로컬에 저장될 수 있으며, 기타의 장치에 저장될 수도 있다. 검출하고자 하는 생체 검출 모델이 기타 장치에 저장될 경우, 실행 주체는 기타 장치와의 데이터 인터페이스를 통해 검출하고자 하는 생체 검출 모델과의 데이터 통신을 구축할 수 있다. 여기서, 상기 검출하고자 하는 생체 검출 모델은, 적외선 반사 이미지 및 가시광 반사 이미지를 통해 촬상된 물체가 생체인지 여부를 인식하기 위한 것일 수 있다.
단계(203)에서，상기 촬상된 비 생체 상의 적외선 반사 코팅층의 설정 농도 레벨과 상기 검출 결과에 대해 매칭을 진행하고, 매칭 결과에 따라 상기 검출하고자 하는 생체 검출 모델의 신뢰도 레벨을 설정한다.
통상적으로, 검출하고자 하는 생체 검출 모델은 생체 또는 비 생체를 인식하는 일정한 정밀도를 갖는다. 실행 주체는 촬상된 비 생체 상의 적외선 반사 코팅층의 설정 농도 레벨과 상기 검출 결과에 대해 매칭을 진행하고, 매칭 결과에 따라 검출하고자 하는 생체 검출 모델의 신뢰도 레벨을 확정할 수 있다.
본 실시예의 일부 선택 가능한 구현에 있어서, 상기 설정 농도 레벨은 저 농도 레벨, 중 농도 레벨 및 고 농도 레벨을 포함할 수 있으며, 상기 촬상된 비 생체 상의 적외선 반사 코팅층의 설정 농도 레벨과 상기 검출 결과에 대해 매칭을 진행하고, 매칭 결과에 따라 상기 검출하고자 하는 생체 검출 모델의 신뢰도 레벨을 설정하는 단계는, 설정 농도 레벨이 저 농도 레벨이고, 대응되는 상기 적외선 반사 이미지의 검출 결과 및 가시광 반사 이미지의 검출 결과가 모두 비 생체인 것에 대응하여, 상기 검출하고자 하는 생체 검출 모델의 신뢰도 레벨을 제1 신뢰도 레벨로 설정하고, 아닐 경우, 상기 검출하고자 하는 생체 검출 모델의 신뢰도 레벨을 제1 불신뢰도 레벨로 설정하는 단계를 포함할 수 있다.
검출하고자 하는 생체 검출 모델의 신뢰도를 질적으로 설명하기 위하여, 본 출원의 설정 농도 레벨은 저 농도 레벨, 중 농도 레벨 및 고 농도 레벨을 포함할 수 있다. 안면 마스크(101) 또는 인체 조각상(102) 상의 흑연 코팅층, 페로 실리콘 레드 코팅층 및 티타늄 크롬 브라운 코팅층이 저 농도 레벨일 경우, 안면 마스크(101) 또는 인체 조각상(102)이 일정 정도에서 실제 얼굴을 모방하도록 할 수 있으며, 즉, 검출하고자 하는 생체 검출 모델은 실제 얼굴보다 다소 적은 이미지 특징을 획득할 수 있다. 이때, 안면 마스크(101) 또는 인체 조각상(102)의 적외선 반사 이미지에 대한 검출하고자 하는 생체 검출 모델의 검출 결과 및 가시광 반사 이미지에 대한 검출 결과가 모두 비 생체일 경우, 해당 검출하고자 하는 생체 검출 모델이 일정한 실제 얼굴 모방 능력을 구비하는 비 생체를 상대적으로 정확하게 인식할 수 있음을 설명한다. 이때, 상기 검출하고자 하는 생체 검출 모델의 신뢰도 레벨을 제1 신뢰도 레벨로 설정할 수 있다. 안면 마스크(101) 또는 인체 조각상(102)의 적외선 반사 이미지에 대한 검출하고자 하는 생체 검출 모델의 검출 결과가 생체이거나, 안면 마스크(101) 또는 인체 조각상(102)의 가시광 반사 이미지에 대한 검출 결과가 생체이거나, 또는 안면 마스크(101) 또는 인체 조각상(102)의 적외선 반사 이미지에 대한 검출 결과 및 가시광 반사 이미지에 대한 검출 결과가 모두 생체일 경우, 해당 검출하고자 하는 생체 검출 모델이 일정한 실제 얼굴 모방 능력을 구비하는 비 생체를 정확하게 인식할 수 없음을 설명한다. 이때, 상기 검출하고자 하는 생체 검출 모델의 신뢰도 레벨을 제1 불신뢰도 레벨로 설정할 수 있다.
본 실시예의 일부 선택 가능한 구현에 있어서, 상기 촬상된 비 생체 상의 적외선 반사 코팅층의 설정 농도 레벨과 상기 검출 결과에 대해 매칭을 진행하고, 매칭 결과에 따라 상기 검출하고자 하는 생체 검출 모델의 신뢰도 레벨을 설정하는 단계는, 설정 농도 레벨이 중 농도 레벨이고, 대응되는 상기 적외선 반사 이미지의 검출 결과 및 가시광 반사 이미지의 검출 결과가 모두 비 생체인 것에 대응하여, 상기 검출하고자 하는 생체 검출 모델의 신뢰도 레벨을 제2 신뢰도 레벨로 설정하고, 아닐 경우, 상기 검출하고자 하는 생체 검출 모델의 신뢰도 레벨을 제2 불신뢰도 레벨로 설정하는 단계를 포함할 수 있다.
안면 마스크(101) 또는 인체 조각상(102) 상의 흑연 코팅층, 페로 실리콘 레드 코팅층 및 티타늄 크롬 브라운 코팅층이 중 농도 레벨일 경우, 안면 마스크(101) 또는 인체 조각상(102)이 실제 얼굴의 이미지 특징에 최대한으로 근사하도록 할 수 있다. 즉, 검출하고자 하는 생체 검출 모델이 실제 얼굴의 이미지 특징에 근사할 수 있다. 이때, 안면 마스크(101) 또는 인체 조각상(102)의 적외선 반사 이미지에 대한 검출하고자 하는 생체 검출 모델의 검출 결과 및 가시광 반사 이미지에 대한 검출 결과가 모두 비 생체일 경우, 해당 검출하고자 하는 생체 검출 모델이 아주 강한 실제 얼굴 모방 능력을 구비한 비 생체를 상대적으로 정확하게 인식할 수 있음을 설명한다. 이때, 상기 검출하고자 하는 생체 검출 모델의 신뢰도 레벨을 제2 신뢰도 레벨로 설정할 수 있다. 안면 마스크(101) 또는 인체 조각상(102)의 적외선 반사 이미지에 대한 검출하고자 하는 생체 검출 모델의 검출 결과가 생체이거나, 안면 마스크(101) 또는 인체 조각상(102)의 가시광 반사 이미지에 대한 검출 결과가 생체이거나, 또는, 안면 마스크(101) 또는 인체 조각상(102)의 적외선 반사 이미지에 대한 검출 결과 및 가시광 반사 이미지에 대한 검출 결과가 모두 생체일 경우, 해당 검출하고자 하는 생체 검출 모델이 아주 강한 실제 얼굴 모방 능력을 구비한 비 생체를 정확하게 인식할 수 없음을 설명한다. 이때, 상기 검출하고자 하는 생체 검출 모델의 신뢰도 레벨을 제2 불신뢰도 레벨로 설정할 수 있다. 적외선 반사 코팅층의 농도가 높을 수록, 실제 얼굴을 보다 실제적이고 전면적으로 시뮬레이팅할 수 있다. 따라서, 어느 한 검출하고자 하는 생체 검출 모델이 중 농도 레벨의 안면 마스크(101) 또는 인체 조각상(102)의 적외선 반사 이미지 및 가시광 반사 이미지를 정확하게 인식할 수 있을 경우, 통상적으로 저 농도 레벨일 경우의 안면 마스크(101) 또는 인체 조각상(102)의 적외선 반사 이미지 및 가시광 반사 이미지도 정확하게 인식할 수 있다. 즉, 상기 제2 신뢰도 레벨은 제1 신뢰도 레벨의 신뢰도보다 높다. 따라서, 어느 한 검출하고자 하는 생체 검출 모델이 저 농도 레벨의 안면 마스크(101) 또는 인체 조각상(102)의 적외선 반사 이미지 및 가시광 반사 이미지를 정확하게 인식할 수 없을 경우, 중 농도 레벨의 안면 마스크(101) 또는 인체 조각상(102)의 적외선 반사 이미지 및 가시광 반사 이미지를 정확하게 인식하지 못할 가능성이 아주 높다. 즉, 상기 제2 불신뢰도 레벨의 신뢰도는 제1 불신뢰도 레벨보다 높다.
본 실시예의 일부 선택 가능한 구현에 있어서, 상기 촬상된 비 생체 상의 적외선 반사 코팅층의 설정 농도 레벨과 상기 검출 결과에 대해 매칭을 진행하고, 매칭 결과에 따라 상기 검출하고자 하는 생체 검출 모델의 신뢰도 레벨을 설정하는 단계는, 설정 농도 레벨이 고 농도 레벨이고, 대응되는 상기 적외선 반사 이미지의 검출 결과 및 가시광 반사 이미지의 검출 결과가 모두 비 생체인 것에 대응하여, 상기 검출하고자 하는 생체 검출 모델의 신뢰도 레벨을 제3 신뢰도 레벨로 설정하고, 아닐 경우, 상기 검출하고자 하는 생체 검출 모델의 신뢰도 레벨을 제3 불신뢰도 레벨로 설정하는 단계를 포함할 수 있다.
안면 마스크(101) 또는 인체 조각상(102) 상의 흑연 코팅층, 페로 실리콘 레드 코팅층 및 티타늄 크롬 브라운 코팅층이 고 농도 레벨일 경우, 안면 마스크(101) 또는 인체 조각상(102)의 적외선 반사 이미지 및 가시광 반사 이미지가 일정한 정도에서 실제 얼굴의 이미지 특징보다 더욱 명확해지도록 할 수 있으며, 즉, 검출하고자 하는 생체 검출 모델은 실제 얼굴보다 더 많은 이미지 특징을 획득할 수 있다. 이때, 안면 마스크(101) 또는 인체 조각상(102)의 적외선 반사 이미지에 대한 검출하고자 하는 생체 검출 모델의 검출 결과 및 가시광 반사 이미지에 대한 검출 결과가 모두 비 생체일 경우, 해당 검출하고자 하는 생체 검출 모델은 실제 얼굴을 시뮬레이팅하는 방식에 상관없이 비 생체를 아주 정확하게 인식할 수 있다. 이때, 상기 검출하고자 하는 생체 검출 모델의 신뢰도 레벨을 제3 신뢰도 레벨로 설정할 수 있다. 안면 마스크(101) 또는 인체 조각상(102)의 적외선 반사 이미지에 대한 검출하고자 하는 생체 검출 모델의 검출 결과가 생체이거나, 안면 마스크(101) 또는 인체 조각상(102)의 가시광 반사 이미지에 대한 검출 결과가 생체이거나, 또는, 안면 마스크(101) 또는 인체 조각상(102)의 적외선 반사 이미지에 대한 검출 결과 및 가시광 반사 이미지에 대한 검출 결과가 모두 생체일 경우, 해당 검출하고자 하는 생체 검출 모델이 해당 비 생체를 정확하게 인식할 수 없음을 설명한다. 이때, 상기 검출하고자 하는 생체 검출 모델의 신뢰도 레벨을 제3 불신뢰도 레벨로 설정할 수 있다. 어느 한 검출하고자 하는 생체 검출 모델이 고 농도 레벨의 안면 마스크(101) 또는 인체 조각상(102)의 적외선 반사 이미지 및 가시광 반사 이미지를 정확하게 인식할 수 있을 경우, 통상적으로 중 농도 레벨 및 저 농도 레벨일 경우의 안면 마스크(101) 또는 인체 조각상(102)의 적외선 반사 이미지 및 가시광 반사 이미지도 정확하게 인식할 수 있다. 즉, 상기 제3 신뢰도 레벨의 신뢰도는 제2 신뢰도 레벨 및 제1 신뢰도 레벨보다 높다. 따라서, 어느 한 검출하고자 하는 생체 검출 모델이 저 농도 레벨 및 중 농도 레벨의 안면 마스크(101) 또는 인체 조각상(102)의 적외선 반사 이미지 및 가시광 반사 이미지를 정확하게 인식할 수 없을 경우, 고 농도 레벨의 안면 마스크(101) 또는 인체 조각상(102)의 적외선 반사 이미지 및 가시광 반사 이미지를 정확하게 인식하지 못할 가능성이 아주 높다. 즉, 상기 제3 불신뢰도 레벨의 신뢰도는 제2 불신뢰도 레벨 및 제1 불신뢰도 레벨보다 높다. 전반적으로, 본 출원은 검출하고자 하는 생체 검출 모델의 신뢰도를 제3 신뢰도 레벨>제2 신뢰도 레벨>제1 신뢰도 레벨>제3 불신뢰도 레벨>제2 불신뢰도 레벨>제1 불신뢰도 레벨로 등급을 나눈다.
검출하고자 하는 생체 검출 모델의 정확한 신뢰도를 확정하여야 할 경우, 해당 검출하고자 하는 생체 검출 모델에 대해 상이한 농도 레벨의 적외선 반사 코팅층의 테스트를 진행할 수 있다. 해당 적외선 반사 코팅층이 저 농도 레벨의 적외선 반사 이미지 및 가시광 반사 이미지를 정확하게 인식할 수 있으나, 중 농도 레벨의 적외선 반사 이미지 및 가시광 반사 이미지를 정확하게 인식하지 못할 경우, 해당 검출하고자 하는 생체 검출 모델의 최종의 신뢰도 레벨을 제1 신뢰도 레벨로 설정할 수 있다. 유사하게, 해당 검출하고자 하는 생체 검출 모델에 기타 최종의 신뢰도 레벨을 설정할 수도 있다.
이어서 도 3을 참조하면, 도3은 본 실시예에 따른 모델 신뢰도를 검출하기 위한 방법의 응용 정경의 일 개략도이다. 도 3의 응용 정경에 있어서, 서버(103)는 인체 조각상(102)의 적외선 반사 이미지 및 가시광 반사 이미지를 획득 한 이후, 검출하고자 하는 생체 검출 모델에 인체 조각상(102)의 적외선 반사 이미지 및 가시광 반사 이미지를 입력하여, 상기 적외선 반사 이미지 및 상기 가시광 반사 이미지에 대응하는 검출 결과를 획득한다. 나중에, 촬상된 비 생체 상의 적외선 반사 코팅층의 설정 농도 레벨과 검출 결과에 대해 매칭을 진행하고, 매칭 결과에 따라 검출하고자 하는 생체 검출 모델의 신뢰도 레벨을 설정한다.
본 출원의 상기 실시예에세 제공하는 방법은 먼저 설정 농도 레벨의 적외선 반사 코팅층을 구비한 얼굴 구조 부분을 포함하는 촬상된 비 생체의 적외선 반사 이미지 및 가시광 반사 이미지를 획득하고, 이어서, 적외선 반사 이미지 및 가시광 반사 이미지를 검출하고자 하는 생체 검출 모델에 입력하여, 적외선 반사 이미지 및 가시광 반사 이미지에 대응되는 검출 결과를 획득하고, 나중에, 촬상된 비 생체의 적외선 반사 코팅층의 설정 농도 레벨과 검출 결과에 대해 매칭을 진행하고, 매칭 결과에 따라 검출하고자 하는 생체 검출 모델의 신뢰도 레벨을 설정한다. 이로써, 생체 검출 모델 신뢰도에 대한 검출을 구현한다.
나아가 도 4를 참조하면, 상기 각 도면에 도시된 방법에 대한 구현으로서, 본 출원은 모델 신뢰도를 검출하기 위한 장치의 일 실시예를 제공하며, 해당 장치 실시예는 도 2에 도시된 방법 실시예에 대응되고, 해당 장치는 구체적으로 다양한 전자 장치에 적용될 수 있다.
도 4에 도시된 바와 같이, 본 실시예의 모델 신뢰도를 검출하기 위한 장치(400)는 이미지 획득 유닛(401), 검출 결과 획득 유닛(402) 및 신뢰도 레벨 설정 유닛(403)을 포함할 수 있다. 여기서, 이미지 획득 유닛(401)은, 설정 농도 레벨의 적외선 반사 코팅층을 구비한 얼굴 구조 부분을 포함하는 촬상된 비 생체의 적외선 반사 이미지 및 가시광 반사 이미지를 획득하도록 구성되고, 검출 결과 획득 유닛(402)은, 적외선 반사 이미지 및 가시광 반사 이미지를 통해 촬상된 물체가 생체인지 여부를 인식하기 위한 검출하고자 하는 생체 검출 모델에 상기 적외선 반사 이미지 및 상기 가시광 반사 이미지를 입력하여, 상기 적외선 반사 이미지 및 상기 가시광 반사 이미지에 대응하는 검출 결과를 획득하도록 구성되고, 신뢰도 레벨 설정 유닛(403)은 상기 촬상된 비 생체 상의 적외선 반사 코팅층의 설정 농도 레벨과 상기 검출 결과에 대해 매칭을 진행하고, 매칭 결과에 따라 상기 검출하고자 하는 생체 검출 모델의 신뢰도 레벨을 설정하도록 구성된다.
본 실시예의 일부 선택 가능한 구현에 있어서, 상기 얼굴 구조 부분의 눈썹 위치의 적외선 반사 코팅층은 흑연 코팅층이고, 상기 얼굴 구조 부분의 입술 위치의 적외선 반사 코팅층은 페로 실리콘 레드 코팅층이고, 상기 얼굴 구조 부분의 기타 위치의 적외선 반사 코팅층은 티타늄 크롬 브라운 코팅층이다.
본 실시예의 일부 선택 가능한 구현에 있어서, 상기 설정 농도 레벨은 저 농도 레벨, 중 농도 레벨 및 고 농도 레벨을 포함하고, 상기 신뢰도 레벨 설정 유닛(403)은, 설정 농도 레벨이 저 농도 레벨이고, 대응되는 상기 적외선 반사 이미지의 검출 결과 및 가시광 반사 이미지의 검출 결과가 모두 비 생체인 것에 대응하여, 상기 검출하고자 하는 생체 검출 모델의 신뢰도 레벨을 제1 신뢰도 레벨로 설정하고, 아닐 경우, 상기 검출하고자 하는 생체 검출 모델의 신뢰도 레벨을 제1 불신뢰도 레벨로 설정하도록 구성된 제1 신뢰도 레벨 설정 유닛(미도시)을 포함할 수 있다.
본 실시예의 일부 선택 가능한 구현에 있어서, 상기 신뢰도 레벨 설정 유닛(403)은, 설정 농도 레벨이 중 농도 레벨이고, 대응되는 상기 적외선 반사 이미지의 검출 결과 및 가시광 반사 이미지의 검출 결과가 모두 비 생체인 것에 대응하여, 상기 검출하고자 하는 생체 검출 모델의 신뢰도 레벨을 신뢰도가 제1 신뢰도 레벨보다 높은 제2 신뢰도 레벨로 설정하고, 아닐 경우, 상기 검출하고자 하는 생체 검출 모델의 신뢰도 레벨을 신뢰도가 제1 불신뢰도 레벨보다 높은 제2 불신뢰도 레벨로 설정하도록 구성된 제2 신뢰도 레벨 설정 유닛(미도시)을 포함할 수 있다.
본 실시예의 일부 선택 가능한 구현에 있어서, 상기 신뢰도 레벨 설정 유닛(403)은, 설정 농도 레벨이 고 농도 레벨이고, 대응되는 상기 적외선 반사 이미지의 검출 결과 및 가시광 반사 이미지의 검출 결과가 모두 비 생체인 것에 대응하여, 상기 검출하고자 하는 생체 검출 모델의 신뢰도 레벨을 신뢰도가 제2 신뢰도 레벨보다 높은 제3 신뢰도 레벨로 설정하고, 아닐 경우, 상기 검출하고자 하는 생체 검출 모델의 신뢰도 레벨을 신뢰도가 제2 불신뢰도 레벨보다 높은 제3 불신뢰도 레벨로 설정하도록 구성된 제3 신뢰도 레벨 설정 유닛(미도시)을 포함할 수 있다.
본 실시예는 서버를 더 제공하며, 해당 서버는 하나 또는 다수의 프로세서와, 하나 또는 다수의 프로그램이 저장된 저장 장치를 포함하고, 상기 하나 또는 다수의 프로그램이 상기 하나 또는 다수의 프로세서에 의해 실행될 경우, 상기 하나 또는 다수의 프로세서에 의해 상술한 모델 신뢰도를 검출하기 위한 방법을 실행하도록 한다.
본 실시예는 컴퓨터 프로그램이 저장된 컴퓨터 판독 가능한 매체를 더 제공하며, 해당 프로그램이 프로세서에 의해 실행될 경우, 상술한 모델 신뢰도를 검출하기 위한 방법이 구현된다.
아래에 도 5를 참조하면, 도 5는 본 출원의 실시예의 서버(예컨대, 도1 중의 서버(103))를 구현하기에 적합한 컴퓨터 시스템(500)의 개략적 구성도를 나타낸다. 도 5에 도시된 서버는 단지 일 예시일 뿐, 본 출원의 실시예의 기능 및 이용 범위를 한정하기 위한 것이 아니다.
도 5에 도시되 바와 같이, 컴퓨터 시스템(500)은 중앙 처리 유닛(501; CPU)을 포함하되, 이는 판독 전용 메모리 장치(502; ROM)에 저장된 프로그램 또는 저장부(508)로부터 랜덤 액세스 메모리 장치(503; RAM)에 로딩된 프로그램에 의해 다양한 적당한 동작과 처리를 실행할 수 있다. RAM(503)에는 시스템(500)을 작동하기에 필요한 다양한 프로그램 및 데이터가 더 저장된다. CPU(501), ROM(502) 및 RAM(503)은 버스(504)를 통해 서로 연결된다. 입력/출력(I/O) 인터페이스(505)도 버스(504)에 연결된다.
I/O 인터페이스(505)에 연결되는 부재로서, 키보드, 마우스 등을 포함하는 입력부(506)와, 예컨대 음극선 관(CRT), 액정 표시 장치(LCD) 등 및 스피커 등을 포함하는 출력부(507)와, 하드 드라이버 등을 포함하는 저장부(508)와, 예컨대 LAN 카드, 모뎀 등의 네트워크 인터페이스 카드를 포함하는 통신부(509)가 포함된다. 통신부(509)는 인터넷과 같은 네트워크를 통해 통신처리를 실행한다. 구동부(510)도 수요에 따라 I/O 인터페이스(505)에 연결된다. 자기 디스크, 광 디스크, 광자기 디스크, 반도체 메모리 장치 등과 같은 착탈 가능한 매체(511)는 이러한 매체로부터 판독된 컴퓨터 프로그램을 수요에 따라 저장부(508)에 설치하도록 수요에 따라 구동부(510)에 설치된다.
특히, 본 개시의 실시예에 의하면, 흐름도를 참조하여 설명한 상기 과정들은 컴퓨터 소프트웨어 프로그램으로 구현될 수 있다. 예를 들어, 본 개시의 실시예는 컴퓨터 프로그램 제품을 포함하고, 상기 컴퓨터 프로그램 제품은 컴퓨터 판독 가능한 매체에 유형적으로 적재된 컴퓨터 프로그램을 포함하며, 해당 컴퓨터 프로그램은 흐름도에 도시된 방법을 실행하기 위한 컴퓨터 코드를 포함한다. 이러한 실시예에 있어서, 해당 컴퓨터 프로그램은 통신부(509)를 경유하여 네트워크로부터 다운로드되어 설치될 수 있고 및/또는 착탈 가능한 매체(511)로부터 설치될 수 있다. 해당 컴퓨터 프로그램이 중앙 처리 유닛(501; CPU)에 의해 실행될 경우, 본 출원의 방법에 한정된 상기 기능을 수행한다.
본 출원에 상술한 컴퓨터 판독 가능한 매체는 컴퓨터 판독 가능한 신호 매체 또는 컴퓨터 판독 가능한 저장 매체 또는 상술한 양자의 임의의 조합일 수 있다. 컴퓨터 판독 가능한 저장 매체는 예컨대 전기, 자기, 광학, 전자기, 적외선 또는 반도체 시스템, 장치 소자, 또는 이들의 임의의 조합일 수 있으나, 이에 한정되지 않는다. 컴퓨터 판독 가능한 저장 매체의 보다 구체적인 예시로서, 하나 또는 다수의 와이어를 구비하는 전기적 연결, 휴대용 컴퓨터 디스켓, 하드 디스크, 랜덤 액세스 메모리(RAM), 판독 전용 메모리(ROM), 소거 및 프로그래밍 가능한 판독 전용 메모리(EPROM 또는 플래시 메모리), 광섬유, 휴대용 콤팩트 디스크 판독 전용 메모리(CD-ROM), 광학 메모리 소자, 자기 메모리 소자, 또는 이들의 임의의 적합한 조합을 포함할 수 있으나, 이에 한정되지 않는다. 본 출원에 있어서, 컴퓨터 판독 가능한 저장 매체는 프로그램을 포함하거나 저장하는 유형 매체일 수 있고, 해당 프로그램은 명령 실행 시스템, 장치 또는 소자에 의해 사용되거나 이들과 결합되어 사용될 수 있다. 그러나 본 출원에 있어서, 컴퓨터 판독 가능한 신호 매체는 컴퓨터 판독 가능한 프로그램 코드를 적재한 베이스 밴드 또는 캐리어의 일부로서 전파되는 데이터에 포함될 수 있다. 이렇게 전파되는 데이터 신호는 전자기 신호, 광 신호 또는 이들의 임의의 적합한 조합을 포함하는 다양한 형식을 이용할 수 있으나, 이에 한정되지 않는다. 컴퓨터 판독 가능한 신호 매체는 컴퓨터 판독 가능한 저장 매체 이외의 임의의 컴퓨터 판독 가능한 매체일 수도 있으며, 해당 컴퓨터 판독 가능한 매체는 명령 실행 시스템, 장치 또는 소자의해 사용되거나 이들과 결합되어 사용되는 프로그램을 전송하거나, 전파 또는 전송할 수 있다. 컴퓨터 판독 가능한 매체에 포함된 프로그램 코드는 무선, 유선, 광섬유 케이블, RF 등, 또는 이들의 임의의 적합한 조합을 포함하는 임의의 적당한 매체로 전송할 수 있으나, 이에 한정되지 않는다.
첨부된 도면 중의 흐름도 및 블록도는 본 출원의 각 실시예에 따른 시스템, 방법 및 컴퓨터 프로그램 제품의 구현 가능한 체계구조, 기능 및 조작을 도시하였다. 이러한 방면에서, 흐름도 또는 블록도 중의 각 블록은 하나의 모듈, 프로그램 세그먼트 또는 코드의 일부분을 대표할 수 있고, 해당 모듈, 프로그램 세그먼트 또는 코드의 일부분은 규정된 로직 기능을 구현하기 위한 하나 또는 다수의 실행 가능한 명령을 포함한다. 일부 대체 구현에 있어서, 블록에 표기된 기능들은 첨부된 도면에 표기된 순서와 다른 순서로 실행될 수도 있다. 예를 들어, 순차적으로 표시된 두개의 블록은 실제적으로 거의 동시에 실행될 수 있고, 경우에 따라 반대된 순서에 따라 실행될 수도 있으며, 이는 관련된 기능에 따라 결정된다. 블록도 및/또는 흐름도 중의 각 블록 및 블록도 및/또는 흐름도 중의 블록들의 조합은 규정된 기능 또는 조작을 실행하는 하드웨어 기반의 전용 시스템으로 구현되거나, 전용 하드웨어와 컴퓨터 명령의 조합으로 구현될 수 있음을 유의하여야 한다.
본 출원의 실시예에 설명된 관련된 유닛은 소프트웨어 방식으로 구현될 수 있으며, 하드웨어 방식으로 구현될 수도 있다. 설명된 유닛은 프로세서에 설치될 수 있으며, 예컨대, 하나의 프로세서는 이미지 획득 유닛, 검출 결과 획득 유닛 및 신뢰도 레벨 설정 유닛을 포함하는 것으로 설명할 수 있다. 여기서, 이러한 유닛의 명칭은 일부의 경우에 해당 유닛 자체에 대한 한정을 구성하지 않으며, 예컨대, 신뢰도 레벨 설정 유닛은 "검출하고자 하는 생체 검출 모델 신뢰도를 설정하기 위한 유닛"으로 설명될 수도 있다.
다른 일 양태에 있어서, 본 출원은 컴퓨터 판독 가능한 매체를 더 제공하며, 해당 컴퓨터 판독 가능한 매체는 상기 실시예에 설명된 장치에 포함된 것일 수 있으며, 해당 장치에 조립되지 않고 독립적으로 존재할 수도 있다. 상기 컴퓨터 판독 가능한 매체에는 하나 또는 다수의 프로그램이 적재되고, 상기 하나 또는 다수의 프로그램이 해당 장치에 의해 실행될 경우, 해당 장치로 하여금, 설정 농도 레벨의 적외선 반사 코팅층을 구비한 얼굴 구조 부분을 포함하는 촬상된 비 생체의 적외선 반사 이미지 및 가시광 반사 이미지를 획득하고, 적외선 반사 이미지 및 가시광 반사 이미지를 통해 촬상된 물체가 생체인지 여부를 인식하기 위한 검출하고자 하는 생체 검출 모델에 상기 적외선 반사 이미지 및 상기 가시광 반사 이미지를 입력하여, 상기 적외선 반사 이미지 및 상기 가시광 반사 이미지에 대응하는 검출 결과를 획득하고, 상기 촬상된 비 생체 상의 적외선 반사 코팅층의 설정 농도 레벨과 상기 검출 결과에 대해 매칭을 진행하고, 매칭 결과에 따라 상기 검출하고자 하는 생체 검출 모델의 신뢰도 레벨을 설정하도록 한다.
이상의 설명은 단지 본 출원의 비교적 바람직한 실시예 및 운용한 기술적 원리에 대한 설명이다. 본 출원에 관련된 발명의 범위는 상기 기술적 특징들의 특정 조합으로 이루어진 기술적 방안들에 한정되는 것이 아니라, 본 발명의 주지를 벗어나지 않고서 상기 기술적 특징들 또는 그들의 균등한 특징들의 임의의 조합으로 형성되는 기타의 기술적 방안들도 포함하여야 함을 해당 기술분야의 당업자는 이해하여야 한다. 예를 들어, 상기 특징들과 본 출원에 개시되어 있으나 이에 한정되지 않는 유사한 기능을 구비한 기술적 특징을 서로 대체하여 형성되는 기술적 방안도 포함한다.
Claims (12)
- 이미지 획득 유닛에 의해 설정 농도 레벨의 적외선 반사 코팅층을 구비한 얼굴 구조 부분을 포함하는 촬상된 비 생체의 적외선 반사 이미지 및 가시광 반사 이미지를 획득하는 단계;
검출 결과 획득 유닛에 의해 적외선 반사 이미지 및 가시광 반사 이미지를 통해 촬상된 물체가 생체인지 여부를 인식하기 위한 검출하고자 하는 생체 검출 모델에 상기 적외선 반사 이미지 및 상기 가시광 반사 이미지를 입력하여, 상기 적외선 반사 이미지 및 상기 가시광 반사 이미지에 대응하는 검출 결과를 획득하는 단계; 및
신뢰도 레벨 설정 유닛에 의해 상기 촬상된 비 생체 상의 적외선 반사 코팅층의 설정 농도 레벨과 상기 검출 결과에 대해 매칭을 진행하고, 매칭 결과에 따라 상기 검출하고자 하는 생체 검출 모델의 신뢰도 레벨을 설정하는 단계
를 포함하는 모델 신뢰도를 검출하기 위한 방법. - 제1항에 있어서,
상기 얼굴 구조 부분의 눈썹 위치의 적외선 반사 코팅층은 흑연 코팅층이고,
상기 얼굴 구조 부분의 입술 위치의 적외선 반사 코팅층은 페로 실리콘 레드 코팅층이고,
상기 얼굴 구조 부분의 기타 위치의 적외선 반사 코팅층은 티타늄 크롬 브라운 코팅층인 것
을 특징으로 하는 모델 신뢰도를 검출하기 위한 방법. - 제1항에 있어서,
상기 설정 농도 레벨은 저 농도 레벨, 중 농도 레벨 및 고 농도 레벨을 포함하고,
상기 촬상된 비 생체 상의 적외선 반사 코팅층의 설정 농도 레벨과 상기 검출 결과에 대해 매칭을 진행하고, 매칭 결과에 따라 상기 검출하고자 하는 생체 검출 모델의 신뢰도 레벨을 설정하는 단계는,
제1 신뢰도 레벨 설정 유닛에 의해 설정 농도 레벨이 저 농도 레벨이고, 대응되는 상기 적외선 반사 이미지의 검출 결과 및 가시광 반사 이미지의 검출 결과가 모두 비 생체인 것에 대응하여, 상기 검출하고자 하는 생체 검출 모델의 신뢰도 레벨을 제1 신뢰도 레벨로 설정하고, 아닐 경우, 상기 검출하고자 하는 생체 검출 모델의 신뢰도 레벨을 제1 불신뢰도 레벨로 설정하는 단계를 포함하는 것을 특징으로 하는 모델 신뢰도를 검출하기 위한 방법. - 제3항에 있어서,
상기 촬상된 비 생체 상의 적외선 반사 코팅층의 설정 농도 레벨과 상기 검출 결과에 대해 매칭을 진행하고, 매칭 결과에 따라 상기 검출하고자 하는 생체 검출 모델의 신뢰도 레벨을 설정하는 단계는,
제2 신뢰도 레벨 설정 유닛에 의해 설정 농도 레벨이 중 농도 레벨이고, 대응되는 상기 적외선 반사 이미지의 검출 결과 및 가시광 반사 이미지의 검출 결과가 모두 비 생체인 것에 대응하여, 상기 검출하고자 하는 생체 검출 모델의 신뢰도 레벨을 신뢰도가 제1 신뢰도 레벨보다 높은 제2 신뢰도 레벨로 설정하고, 아닐 경우, 상기 검출하고자 하는 생체 검출 모델의 신뢰도 레벨을 신뢰도가 제1 불신뢰도 레벨보다 높은 제2 불신뢰도 레벨로 설정하는 단계를 포함하는 것을 특징으로 하는 모델 신뢰도를 검출하기 위한 방법. - 제4항에 있어서,
제3 신뢰도 레벨 설정 유닛에 의해 상기 촬상된 비 생체 상의 적외선 반사 코팅층의 설정 농도 레벨과 상기 검출 결과에 대해 매칭을 진행하고, 매칭 결과에 따라 상기 검출하고자 하는 생체 검출 모델의 신뢰도 레벨을 설정하는 단계는,
설정 농도 레벨이 고 농도 레벨이고, 대응되는 상기 적외선 반사 이미지의 검출 결과 및 가시광 반사 이미지의 검출 결과가 모두 비 생체인 것에 대응하여, 상기 검출하고자 하는 생체 검출 모델의 신뢰도 레벨을 신뢰도가 제2 신뢰도 레벨보다 높은 제3 신뢰도 레벨로 설정하고, 아닐 경우, 상기 검출하고자 하는 생체 검출 모델의 신뢰도 레벨을 신뢰도가 제2 불신뢰도 레벨보다 높은 제3 불신뢰도 레벨로 설정하는 단계를 포함하는 것을 특징으로 하는 모델 신뢰도를 검출하기 위한 방법. - 설정 농도 레벨의 적외선 반사 코팅층을 구비한 얼굴 구조 부분을 포함하는 촬상된 비 생체의 적외선 반사 이미지 및 가시광 반사 이미지를 획득하도록 구성된 이미지 획득 유닛;
적외선 반사 이미지 및 가시광 반사 이미지를 통해 촬상된 물체가 생체인지 여부를 인식하기 위한 검출하고자 하는 생체 검출 모델에 상기 적외선 반사 이미지 및 상기 가시광 반사 이미지를 입력하여, 상기 적외선 반사 이미지 및 상기 가시광 반사 이미지에 대응하는 검출 결과를 획득하도록 구성된 검출 결과 획득 유닛; 및
상기 촬상된 비 생체 상의 적외선 반사 코팅층의 설정 농도 레벨과 상기 검출 결과에 대해 매칭을 진행하고, 매칭 결과에 따라 상기 검출하고자 하는 생체 검출 모델의 신뢰도 레벨을 설정하도록 구성된 신뢰도 레벨 설정 유닛
을 포함하는 모델 신뢰도를 검출하기 위한 장치. - 제6항에 있어서,
상기 얼굴 구조 부분의 눈썹 위치의 적외선 반사 코팅층은 흑연 코팅층이고,
상기 얼굴 구조 부분의 입술 위치의 적외선 반사 코팅층은 페로 실리콘 레드 코팅층이고,
상기 얼굴 구조 부분의 기타 위치의 적외선 반사 코팅층은 티타늄 크롬 브라운 코팅층인 것
을 특징으로 하는 모델 신뢰도를 검출하기 위한 장치. - 제6항에 있어서,
상기 설정 농도 레벨은 저 농도 레벨, 중 농도 레벨 및 고 농도 레벨을 포함하고,
상기 신뢰도 레벨 설정 유닛은,
설정 농도 레벨이 저 농도 레벨이고, 대응되는 상기 적외선 반사 이미지의 검출 결과 및 가시광 반사 이미지의 검출 결과가 모두 비 생체인 것에 대응하여, 상기 검출하고자 하는 생체 검출 모델의 신뢰도 레벨을 제1 신뢰도 레벨로 설정하고, 아닐 경우, 상기 검출하고자 하는 생체 검출 모델의 신뢰도 레벨을 제1 불신뢰도 레벨로 설정하도록 구성된 제1 신뢰도 레벨 설정 유닛을 포함하는 것을 특징으로 하는 모델 신뢰도를 검출하기 위한 장치. - 제8항에 있어서,
상기 신뢰도 레벨 설정 유닛은,
설정 농도 레벨이 중 농도 레벨이고, 대응되는 상기 적외선 반사 이미지의 검출 결과 및 가시광 반사 이미지의 검출 결과가 모두 비 생체인 것에 대응하여, 상기 검출하고자 하는 생체 검출 모델의 신뢰도 레벨을 신뢰도가 제1 신뢰도 레벨보다 높은 제2 신뢰도 레벨로 설정하고, 아닐 경우, 상기 검출하고자 하는 생체 검출 모델의 신뢰도 레벨을 신뢰도가 제1 불신뢰도 레벨보다 높은 제2 불신뢰도 레벨로 설정하도록 구성된 제2 신뢰도 레벨 설정 유닛을 포함하는 것을 특징으로 하는 모델 신뢰도를 검출하기 위한 장치. - 제9항에 있어서,
상기 신뢰도 레벨 설정 유닛은,
설정 농도 레벨이 고 농도 레벨이고, 대응되는 상기 적외선 반사 이미지의 검출 결과 및 가시광 반사 이미지의 검출 결과가 모두 비 생체인 것에 대응하여, 상기 검출하고자 하는 생체 검출 모델의 신뢰도 레벨을 신뢰도가 제2 신뢰도 레벨보다 높은 제3 신뢰도 레벨로 설정하고, 아닐 경우, 상기 검출하고자 하는 생체 검출 모델의 신뢰도 레벨을 신뢰도가 제2 불신뢰도 레벨보다 높은 제3 불신뢰도 레벨로 설정하도록 구성된 제3 신뢰도 레벨 설정 유닛을 포함하는 것을 특징으로 하는 모델 신뢰도를 검출하기 위한 장치. - 하나 또는 다수의 프로세서; 및
하나 또는 다수의 프로그램이 저장된 저장 장치
를 포함하되,
상기 하나 또는 다수의 프로그램이 상기 하나 또는 다수의 프로세서에 의해 실행될 경우, 상기 하나 또는 다수의 프로세서에 의해 제1항 내지 제5항 중 어느 한 항에 따른 방법을 실행하도록 하는 서버. - 컴퓨터 프로그램이 저장된 컴퓨터 판독 가능한 매체에 있어서,
상기 프로그램이 프로세서에 의해 실행될 경우, 제1항 내지 제5항 중 어느 한 항에 따른 방법이 구현되는 것을 특징으로 하는 컴퓨터 판독 가능한 매체.
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811146141.9 | 2018-09-29 | ||
| CN201811146141.9A CN109271954B (zh) | 2018-09-29 | 2018-09-29 | 用于检测模型可靠性的方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20200037061A KR20200037061A (ko) | 2020-04-08 |
| KR102223351B1 true KR102223351B1 (ko) | 2021-03-04 |
Family
ID=65195707
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020190083069A KR102223351B1 (ko) | 2018-09-29 | 2019-07-10 | 모델 신뢰도를 검출하기 위한 방법 및 장치 |
Country Status (4)
| Country | Link |
|---|---|
| US (1) | US10922569B2 (ko) |
| JP (1) | JP6806852B2 (ko) |
| KR (1) | KR102223351B1 (ko) |
| CN (1) | CN109271954B (ko) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109271954B (zh) * | 2018-09-29 | 2022-04-22 | 北京百度网讯科技有限公司 | 用于检测模型可靠性的方法及装置 |
| CN111274879B (zh) * | 2020-01-10 | 2023-04-25 | 北京百度网讯科技有限公司 | 检测活体检验模型可靠性的方法以及装置 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2005197914A (ja) | 2004-01-06 | 2005-07-21 | Fuji Photo Film Co Ltd | 顔画像認識装置及びそれを備えたデジタルカメラ |
| JP2018504703A (ja) | 2014-12-31 | 2018-02-15 | モルフォトラスト・ユーエスエー・リミテッド ライアビリティ カンパニーＭｏｒｐｈｏｔｒｕｓｔ Ｕｓａ，Ｌｌｃ | 顔の生体性検出 |
Family Cites Families (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7570785B2 (en) * | 1995-06-07 | 2009-08-04 | Automotive Technologies International, Inc. | Face monitoring system and method for vehicular occupants |
| US6996256B2 (en) * | 2000-06-08 | 2006-02-07 | Honeywell International Inc. | Detection system and method using thermal image analysis |
| US7406184B2 (en) * | 2002-07-03 | 2008-07-29 | Equinox Corporation | Method and apparatus for using thermal infrared for face recognition |
| US8374438B1 (en) * | 2007-10-04 | 2013-02-12 | Redshift Systems Corporation | Visual template-based thermal inspection system |
| EP2473834B1 (en) * | 2009-09-03 | 2021-09-08 | National ICT Australia Limited | Illumination spectrum recovery |
| US8254768B2 (en) * | 2010-12-22 | 2012-08-28 | Michael Braithwaite | System and method for illuminating and imaging the iris of a person |
| KR101276345B1 (ko) * | 2011-11-17 | 2013-06-18 | 주식회사 에스원 | 다중 생체 인식 장치 및 방법 |
| US8837780B2 (en) * | 2012-06-22 | 2014-09-16 | Hewlett-Packard Development Company, L.P. | Gesture based human interfaces |
| US10452894B2 (en) * | 2012-06-26 | 2019-10-22 | Qualcomm Incorporated | Systems and method for facial verification |
| WO2014146053A2 (en) * | 2013-03-15 | 2014-09-18 | Hypermed Imaging, Inc. | Systems and methods for evaluating hyperspectral imaging data using a two layer media model of human tissue |
| KR20180102637A (ko) * | 2016-01-12 | 2018-09-17 | 프린스톤 아이덴티티, 인크. | 바이오메트릭 분석의 시스템 및 방법 |
| US9875398B1 (en) * | 2016-06-30 | 2018-01-23 | The United States Of America As Represented By The Secretary Of The Army | System and method for face recognition with two-dimensional sensing modality |
| CN107122709B (zh) * | 2017-03-17 | 2020-12-04 | 上海云从企业发展有限公司 | 活体检测方法及装置 |
| CN107590430A (zh) * | 2017-07-26 | 2018-01-16 | 百度在线网络技术（北京）有限公司 | 活体检测方法、装置、设备及存储介质 |
| CN109271954B (zh) * | 2018-09-29 | 2022-04-22 | 北京百度网讯科技有限公司 | 用于检测模型可靠性的方法及装置 |
-
2018
- 2018-09-29 CN CN201811146141.9A patent/CN109271954B/zh active Active
-
2019
- 2019-07-10 KR KR1020190083069A patent/KR102223351B1/ko active IP Right Grant
- 2019-07-10 JP JP2019128155A patent/JP6806852B2/ja active Active
- 2019-07-11 US US16/509,079 patent/US10922569B2/en active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2005197914A (ja) | 2004-01-06 | 2005-07-21 | Fuji Photo Film Co Ltd | 顔画像認識装置及びそれを備えたデジタルカメラ |
| JP2018504703A (ja) | 2014-12-31 | 2018-02-15 | モルフォトラスト・ユーエスエー・リミテッド ライアビリティ カンパニーＭｏｒｐｈｏｔｒｕｓｔ Ｕｓａ，Ｌｌｃ | 顔の生体性検出 |
Also Published As
| Publication number | Publication date |
|---|---|
| JP2020057361A (ja) | 2020-04-09 |
| JP6806852B2 (ja) | 2021-01-06 |
| US10922569B2 (en) | 2021-02-16 |
| CN109271954B (zh) | 2022-04-22 |
| KR20200037061A (ko) | 2020-04-08 |
| US20200104619A1 (en) | 2020-04-02 |
| CN109271954A (zh) | 2019-01-25 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP7058373B2 (ja) | 医療画像に対する病変の検出及び位置決め方法、装置、デバイス、及び記憶媒体 | |
| US10559081B2 (en) | Method and system for automated visual analysis of a dipstick using standard user equipment | |
| WO2018028546A1 (zh) | 一种关键点的定位方法及终端、计算机存储介质 | |
| CN108416326B (zh) | 人脸识别方法和装置 | |
| CN109977191B (zh) | 问题地图检测方法、装置、电子设备和介质 | |
| CN108229375B (zh) | 用于检测人脸图像的方法和装置 | |
| KR102223351B1 (ko) | 모델 신뢰도를 검출하기 위한 방법 및 장치 | |
| WO2021120961A1 (zh) | 大脑成瘾结构图谱评估方法及装置 | |
| US11593960B2 (en) | Determining the relative position between a point cloud generating camera and another camera | |
| CN108509888B (zh) | 用于生成信息的方法和装置 | |
| CN109615664A (zh) | 一种用于光学透视增强现实显示器的标定方法与设备 | |
| CN110555426A (zh) | 视线检测方法、装置、设备及存储介质 | |
| CN110909889B (zh) | 一种基于特征分布的训练集生成、模型训练方法及装置 | |
| CN108992033B (zh) | 一种视觉测试的评分装置、设备和存储介质 | |
| CN101965580B (zh) | 基于生物统计学行为背景的人类识别系统和方法 | |
| CN107533636A (zh) | 用于图案测试的预匹配预测 | |
| CN111784660A (zh) | 一种用于人脸图像的正脸程度的分析方法和系统 | |
| CN111401423A (zh) | 用于自动驾驶车辆的数据处理方法和装置 | |
| CN109271771A (zh) | 账号信息找回方法、装置、计算机设备 | |
| CN116029968A (zh) | 猴痘感染皮肤图像检测方法和装置、电子设备及存储介质 | |
| CN115019396A (zh) | 一种学习状态监测方法、装置、设备及介质 | |
| CN114386805A (zh) | 一种实验室信息管理系统 | |
| US20200117444A1 (en) | Intelligent Visual Regression System | |
| CN117274525B (zh) | 一种虚拟卷尺测量仿真方法及系统 | |
| JP7301467B2 (ja) | 画像判読支援システムおよび画像判読支援プログラム |
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 |