KR102290392B1

KR102290392B1 - 얼굴 등록 방법 및 장치, 얼굴 인식 방법 및 장치

Info

Publication number: KR102290392B1
Application number: KR1020140170700A
Authority: KR
Inventors: 김정배; 이선민; 황영규; 한재준
Original assignee: 삼성전자주식회사
Priority date: 2014-12-02
Filing date: 2014-12-02
Publication date: 2021-08-17
Also published as: US10268875B2; US20190244010A1; US20160154994A1; KR20160066380A

Abstract

얼굴 등록 방법 및 장치, 얼굴 인식 방법 및 장치가 개시된다. 일 실시예에 따른 얼굴 등록 장치는 얼굴 등록을 위한 복수의 2D 얼굴 영상들로부터 추출된 얼굴의 랜드마크들에 기초하여 미리 저장된 3D 얼굴 모델을 개인화된 3D 얼굴 모델로 변형할 수 있다. 얼굴 등록 장치는 개인화된 3D 얼굴 모델을 2D 얼굴 영상들 중 하나인 현재 2D 얼굴 영상에 정합하고, 개인화된 3D 얼굴 모델의 3D 특징점들이 투영된 영역들에서 현재 2D 얼굴 영상의 영상 특징을 추출할 수 있다. 얼굴 인식 장치는 얼굴 등록 장치에 의해 추출된 2D 얼굴 영상들의 영상 특징에 기초하여 얼굴 인식을 수행할 수 있다.

Description

얼굴 등록 방법 및 장치, 얼굴 인식 방법 및 장치{METHOD AND APPARATUS FOR REGISTERING FACE, METHOD AND APPARATUS FOR RECOGNIZING FACE}

아래의 설명은 얼굴을 등록하고, 얼굴을 인식하는 기술에 관한 것이다.

생체 인식 기술이란 얼굴, 지문, 홍채, 및 DNA 등의 인간의 특징을 이용하여 개인의 신분을 인증하는 기술이다. 최근에는 영상을 이용한 개인 인증의 자동화 기술이 연구하고 있는데, 그 중 하나가 영상을 신호 처리하여 획득된 정보 등에 기초하여 얼굴을 인식하는 얼굴 인식 기술이다. 얼굴 인식 기술은 지문 인식 및 홍채 인식 등의 인식 기술과 다르게, 대상자를 비접촉식으로 확인할 수 있는 이점이 있다. 이러한, 얼굴 인식 기술의 편리함 및 효율성으로 인하여 개인 확인 시스템, 보안 시스템, 모바일 인증, 및 멀티미디어 데이터 검색 등의 다양한 응용 분야에 활발하게 적용되고 있다. 다만, 얼굴 인식 기술의 성능은 사용자의 얼굴 포즈(facial pose), 표정(expression), 가림(occlusion), 또는 조명(illumination) 등의 변화에 민감하다는 특성이 있다.

일 실시예에 따른 얼굴 등록 방법은, 얼굴 등록을 위한 복수의 2D 얼굴 영상들로부터 얼굴의 랜드마크들을 추출하는 단계; 상기 추출된 얼굴의 랜드마크들에 기초하여 미리 저장된 3D 얼굴 모델을 개인화된 3D 얼굴 모델로 변형하는 단계; 상기 개인화된 3D 얼굴 모델을 상기 2D 얼굴 영상들 중 하나인 현재 2D 얼굴 영상에 정합하는 단계; 상기 개인화된 3D 얼굴 모델의 3D 특징점들이 투영된 영역들에서 상기 현재 2D 얼굴 영상의 영상 특징을 추출하는 단계; 및 상기 추출된 영상 특징을 저장하는 단계를 포함할 수 있다.

일 실시예에 따른 얼굴 등록 방법에서, 상기 3D 특징점들은, 상기 개인화된 3D 얼굴 모델 상의 미리 정의된 특정 위치들을 나타낼 수 있다.

일 실시예에 따른 얼굴 등록 방법에서, 상기 정합하는 단계는, 상기 현재 2D 얼굴 영상으로부터 추출된 얼굴의 랜드마크들에 기초하여 상기 개인화된 3D 얼굴 모델의 얼굴 포즈 및 표정을 조정할 수 있다.

일 실시예에 따른 얼굴 등록 방법에서, 상기 저장하는 단계는 상기 현재 2D 얼굴 영상으로부터 추출된 영상 특징을 얼굴 인식을 위한 기준 영상 특징으로 등록하는 단계를 포함할 수 있다.

일 실시예에 따른 얼굴 등록 방법에서, 상기 추출하는 단계는, 상기 현재 2D 얼굴 영상 내 상기 3D 특징점들이 투영된 영역으로부터 LBP, SIFT, HoG, MCT 및 Gabor Jet 중 적어도 하나 이상의 영상 특징을 추출할 수 있다.

일 실시예에 따른 얼굴 인식 방법은, 얼굴 인식을 위한 2D 입력 영상으로부터 얼굴의 랜드마크들을 추출하는 단계; 상기 추출된 얼굴의 랜드마크들에 기초하여, 개인화된 3D 얼굴 모델을 상기 2D 입력 영상에 정합하는 단계; 상기 개인화된 3D 얼굴 모델의 3D 특징점들이 투영된 영역들에서 상기 2D 입력 영상의 영상 특징을 추출하는 단계; 및 기준 영상 특징과 상기 2D 입력 영상으로부터 추출된 영상 특징을 비교하고, 비교 결과에 기초하여 얼굴 인식 결과를 결정하는 단계를 포함할 수 있다.

일 실시예에 따른 얼굴 인식 방법에서, 상기 기준 영상 특징은, 상기 개인화된 3D 얼굴 모델이 얼굴 등록을 위한 2D 얼굴 영상에 정합된 후 상기 개인화된 3D 얼굴 모델의 3D 특징점들이 투영된 영역들에서 추출된 상기 2D 얼굴 영상의 영상 특징일 수 있다.

일 실시예에 따른 얼굴 인식 방법에서, 상기 결정하는 단계는, 상기 2D 입력 영상에 나타난 얼굴 포즈에 기초하여 얼굴 인식에 이용할 기준 영상 특징의 세트를 선택하고, 상기 선택된 기준 영상 특징의 세트와 상기 2D 입력 영상으로부터 추출된 영상 특징들 간의 유사도에 기초하여 얼굴 인식 결과를 결정할 수 있다.

일 실시예에 따른 얼굴 등록 장치는, 하나 이상의 프로세서; 및 상기 하나 이상의 프로세서와 통신하고, 상기 하나 이상의 프로세서에 의해 실행가능한 인스트럭션들을 포함하는 메모리를 포함하고, 상기 하나 이상의 프로세서는 상기 인스트럭션들을 실행할 때, 얼굴 등록을 위한 복수의 2D 얼굴 영상들로부터 얼굴의 랜드마크를 추출하고, 상기 추출된 얼굴의 랜드마크들에 기초하여 미리 저장된 3D 얼굴 모델을 개인화된 3D 얼굴 모델로 변형하고, 상기 개인화된 3D 얼굴 모델을 상기 2D 얼굴 영상들 중 하나인 현재 2D 얼굴 영상에 정합하고, 상기 개인화된 3D 얼굴 모델의 3D 특징점들이 투영된 영역들에서 상기 현재 2D 얼굴 영상의 영상 특징을 추출하고, 상기 추출된 영상 특징을 저장할 수 있다.

일 실시예에 따른 얼굴 인식 장치는, 하나 이상의 프로세서; 및 상기 하나 이상의 프로세서와 통신하고, 상기 하나 이상의 프로세서에 의해 실행가능한 인스트럭션들을 포함하는 메모리를 포함하고, 상기 하나 이상의 프로세서는 상기 인스트럭션들을 실행할 때, 얼굴 인식을 위한 2D 입력 영상으로부터 얼굴의 랜드마크들을 추출하고, 상기 추출된 얼굴의 랜드마크들에 기초하여, 개인화된 3D 얼굴 모델을 상기 2D 입력 영상에 정합하고, 상기 개인화된 3D 얼굴 모델의 3D 특징점들이 투영된 영역들에서 상기 2D 입력 영상의 영상 특징을 추출하고, 기준 영상 특징과 상기 2D 입력 영상으로부터 추출된 영상 특징을 비교하고, 상기 비교 결과에 기초하여 얼굴 인식 결과를 결정할 수 있다.

도 1은 일 실시예에 따른 얼굴 인식 시스템의 전체적인 동작을 설명하기 위한 도면이다.
도 2는 일 실시예에 따른 얼굴 등록 장치에 의해 수행되는 얼굴 등록 방법의 동작을 설명하기 위한 흐름도이다.
도 3은 일 실시예에 따른 얼굴 인식 장치에 의해 수행되는 얼굴 인식 방법의 동작을 설명하기 위한 흐름도이다.
도 4는 일 실시예에 따른 복수의 2D 얼굴 영상들로부터 얼굴의 랜드마크들을 추출하는 과정을 설명하기 위한 도면이다.
도 5는 일 실시예에 따른 미리 저장된 3D 얼굴 모델을 개인화된 3D 얼굴 모델로 변형하는 과정을 설명하기 위한 도면이다.
도 6은 일 실시예에 따른 개인화된 3D 얼굴 모델의 3D 특징점들에 기초하여 2D 얼굴 영상으로부터 영상 특징을 추출하는 과정을 설명하기 위한 도면이다.
도 7은 일 실시예에 따른 2D 입력 영상으로부터 추출된 얼굴의 랜드마크들에 기초하여 개인화된 3D 얼굴 모델을 2D 입력 영상에 정합하는 과정을 설명하기 위한 도면이다.
도 8은 일 실시예에 따른 개인화된 3D 얼굴 모델의 3D 특징점들이 투영된 영역들에서 2D 입력 영상의 영상 특징을 추출하는 과정을 설명하기 위한 도면이다.
도 9는 일 실시예에 따른 얼굴 등록 장치 또는 얼굴 인식 장치를 구현하기 위한 디바이스의 구성을 도시한 도면이다.

이하, 실시예들을 첨부된 도면을 참조하여 상세하게 설명한다. 아래의 특정한 구조적 내지 기능적 설명들은 단지 실시예들을 설명하기 위한 목적으로 예시된 것으로, 실시예의 범위가 본문에 설명된 내용에 한정되는 것으로 해석되어서는 안된다. 관련 기술 분야에서 통상의 지식을 가진 자라면 이러한 기재로부터 다양한 수정 및 변형이 가능하다. 또한, 각 도면에 제시된 동일한 참조 부호는 동일한 부재를 나타내며, 공지된 기능 및 구조는 생략하도록 한다.

도 1은 일 실시예에 따른 얼굴 인식 시스템의 전체적인 동작을 설명하기 위한 도면이다. 얼굴 인식 시스템(100)은 복수의 2D 얼굴 영상들로부터 추출된 사용자 얼굴의 얼굴 특징을 등록하고, 등록된 얼굴 특징에 기초하여 얼굴 인식을 수행한다. 얼굴 인식 시스템(100)은 얼굴 인식을 수행하고자 하는 2D 입력 영상으로부터 영상 특징을 추출하고, 추출된 영상 특징과 미리 등록된 얼굴 특징을 비교하여 얼굴 인식의 결과를 결정할 수 있다. 얼굴 인식 시스템(100)은 개인 확인 시스템, 감시/보안 시스템, 모바일 인증, 또는 멀티미디어 데이터 검색 등의 다양한 어플리케이션 영역에서 활용될 수 있다.

얼굴 인식 시스템(100)은 특정 사용자에 대한 개인화된 3D 얼굴 모델(personal 3 ??dimensional face model)을 등록하고, 등록된 개인화된 3D 얼굴 모델을 이용하여 얼굴 인식을 수행한다. 개인화된 3D 얼굴 모델은 얼굴 포즈 및 얼굴 표정의 조정이 가능한 변형 가능(deformable)한 모델이다.

개인화된 3D 얼굴 모델은 얼굴 인식을 위한 2D 입력 영상에 나타난 사용자 얼굴과 정합(matching)될 수 있다. 예를 들어, 2D 입력 영상에 나타난 얼굴 포즈가 왼쪽 측면을 바라보는 포즈인 경우, 얼굴 인식 시스템(100)은 등록된 개인화된 3D 얼굴 모델이 왼쪽 측면을 바라보도록 개인화된 3D 얼굴 모델을 회전시킬 수 있다. 또한, 얼굴 인식 시스템(100)은 얼굴 인식을 위한 2D 입력 영상에 나타난 얼굴 표정에 따라 개인화된 3D 얼굴 모델의 표정을 조정할 수 있다. 예를 들어, 얼굴 인식 시스템(100)은 2D 입력 영상으로부터 추출된 얼굴의 랜드마크(landmark)들에 기초하여 개인화된 3D 얼굴 모델의 눈, 눈썹, 입 및 코 등의 형태를 조정할 수 있다.

얼굴 인식 시스템(100)은 개인화된 3D 얼굴 모델을 이용하여 얼굴 등록에 이용되는 복수의 2D 얼굴 영상들로부터 영상 특징을 추출하고, 추출된 영상 특징을 개인화된 3D 얼굴 모델과 함께 등록할 수 있다. 얼굴 인식 시스템(110)은 개인화된 3D 얼굴 모델을 이용하여 얼굴 인식을 위해 입력된 2D 입력 영상으로부터 영상 특징을 추출하고, 2D 입력 영상으로부터 추출된 영상 특징과 미리 등록된 영상 특징을 비교하여 얼굴 인식 결과를 결정할 수 있다. 개인화된 3D 얼굴 모델을 2D 입력 영상에 나타난 얼굴 포즈에 정합하여 얼굴 인식을 수행함으로써 포즈 변화에 따른 얼굴 인식률이 개선될 수 있다.

이하에서는, 위에 설명된 얼굴 인식 시스템(100)의 동작을 보다 자세히 설명하도록 한다. 얼굴 인식 시스템(100)에 의해 수행되는 얼굴 인식 동작은 사용자의 얼굴 특징으로서 얼굴 등록을 위한 2D 얼굴 영상들의 영상 특징 세트를 등록하는 과정(110) 및 등록된 영상 특징 세트를 이용하여 얼굴 인식을 위한 2D 입력 영상으로부터 사용자의 얼굴을 인식하는 과정(120)을 포함한다.

2D 얼굴 영상들의 영상 특징 세트를 등록하는 과정(110)에서, 얼굴 인식 시스템(100)은 동일 사용자에 대한 복수의 2D 얼굴 영상들로부터 얼굴 인식에 이용될 개인화된 3D 얼굴 모델 및 영상 특징 세트를 생성할 수 있다. 2D 얼굴 영상들은 등록하고자 하는 사용자의 얼굴의 전체 영역 또는 일부 영역이 촬영된 2D 영상들이다. 2D 얼굴 영상들은 사용자의 얼굴의 서로 다른 면을 촬영한 영상들을 포함할 수 있다. 예를 들어, 2D 얼굴 영상들은 사용자 얼굴의 정면을 촬영한 하나 이상의 정면 얼굴 영상(frontal face image) 및 사용자 얼굴의 측면을 촬영한 하나 이상의 측면 얼굴 영상(side face image)를 포함할 수 있다.

사용자는 자신의 얼굴을 등록하기 위해 카메라를 이용하여 복수의 2D 얼굴 영상들을 촬영할 수 있고, 촬영된 2D 얼굴 영상들이 얼굴 인식 시스템(100)에 입력될 수 있다. 사용자가 얼굴을 고정한 채 카메라의 위치를 변화시켜 촬영하거나, 또는 카메라를 고정시킨 채 얼굴의 방향을 변화시켜 촬영하는 것에 의해 사용자 얼굴의 서로 다른 면을 촬영한 2D 얼굴 영상들이 획득될 수 있다.

얼굴 인식 시스템(100)은 2D 얼굴 영상들로부터 얼굴의 랜드마크(facial landmark)를 추출(130)할 수 있다. 얼굴의 랜드마크는, 예를 들어 눈썹, 눈, 코, 입, 턱, 귀, 및 얼굴의 윤곽 등에 위치한 특징점을 나타낸다.

얼굴 인식 시스템(100)은 2D 얼굴 영상들로부터 추출된 얼굴의 랜드마크들에 기초하여 3D 모델 개인화(140)를 수행할 수 있다. 3D 모델 개인화(140)에서, 얼굴 인식 시스템(100)은 2D 얼굴 영상들로부터 추출된 얼굴의 랜드마크들에 기초하여 미리 저장된 3D 얼굴 모델을 개인화된 3D 얼굴 모델로 변형할 수 있다. 미리 저장된 3D 얼굴 모델은 학습 데이터에 기초하여 생성된 변형 가능한 3D 모델이다. 예를 들어, 기존의 3D 표준 모델(3D standard model) 또는 일반 3D 모델(generic 3D model)이 미리 저장된 3D 얼굴 모델로서 이용될 수 있다. 미리 저장된 3D 얼굴 모델은 3D 형상(shape)만으로 구성되거나 또는 형상 및 텍스쳐(texture)로 구성될 수 있다. 얼굴 인식 시스템(100)은 미리 저장된 3D 얼굴 모델의 얼굴의 랜드마크들과 2D 얼굴 영상들로부터 추출된 특징점들을 서로 매칭시켜 사용자 얼굴에 대한 개인화된 3D 얼굴 모델을 생성할 수 있다. 개인화된 3D 얼굴 모델은 얼굴 등록을 위한 2D 얼굴 영상들에 나타난 사용자의 3D 모델로 등록될 수 있다.

얼굴 인식 시스템(100)은 개인화된 3D 얼굴 모델을 각각의 2D 얼굴 영상들에 정합하고, 개인화된 3D 얼굴 모델의 3D 특징점들이 투영(projection)된 영역들에서 2D 얼굴 영상의 영상 특징(image feature)을 추출(150)할 수 있다. 3D 특징점은 개인화된 3D 얼굴 모델 상의 미리 정의된 특정 위치를 나타낸다. 각각의 2D 얼굴 영상들로부터 추출된 영상 특징들은 얼굴 인식에 이용되는 기준 영상 특징으로서 등록될 수 있다. 얼굴 인식 시스템(100)은 등록된 2D 얼굴 영상들의 영상 특징 세트를 이용하여 얼굴 인식을 수행할 수 있다.

등록된 영상 특징 세트를 이용하여 2D 입력 영상으로부터 사용자의 얼굴을 인식하는 과정(120)에서, 얼굴 인식 시스템(100)에 얼굴 인식을 수행하고자 하는 2D 입력 영상이 입력된다. 얼굴 인식 시스템(100)은 하나의 2D 입력 영상에 기초하여 얼굴 인식을 수행할 수 있으나, 실시예의 범위가 이에 한정되는 것으로 해석되어서는 안되며, 얼굴 인식 시스템(100)은 복수의 2D 입력 영상들에 기초하여 얼굴 인식을 수행할 수도 있다.

얼굴 인식 시스템(100)은 2D 입력 영상으로부터 얼굴의 랜드마크를 추출(160)할 수 있다. 예를 들어, 얼굴 인식 시스템(100)은 2D 입력 영상으로부터 눈썹, 눈, 코, 입, 턱, 헤어, 귀, 및 얼굴의 윤곽 등의 얼굴의 랜드마크를 추출할 수 있다.

얼굴 인식 시스템(100)은 2D 입력 영상으로부터 추출된 얼굴의 랜드마크들에 기초하여 개인화된 3D 얼굴 모델을 2D 입력 영상에 정합(170)할 수 있다. 얼굴 인식 시스템(100)은 2D 입력 영상으로부터 추출된 얼굴의 랜드마크들에 기초하여 2D 입력 영상에 나타난 얼굴 포즈 및 얼굴 표정에 매칭되도록 개인화된 3D 얼굴 모델을 조정할 수 있다.

얼굴 인식 시스템(100)은 개인화된 3D 얼굴 모델의 3D 특징점들이 투영(projection)(또는 오버레이(overlay))된 영역들에서 2D 입력 영상의 영상 특징을 추출(180)할 수 있다. 정합 과정(170)에 의해 2D 입력 영상에 나타난 얼굴 포즈 및 얼굴 표정에 따라 개인화된 3D 얼굴 모델의 3D 특징점들이 투영되는 영역이 달라지고, 2D 입력 영상으로부터 영상 특징이 추출되는 영역이 달라지므로, 얼굴 포즈 및 얼굴 표정에 적응적인 얼굴 인식이 가능하다. 얼굴 인식 시스템(100)은 미리 등록된 기준 영상 특징과 동일한 타입의 영상 특징을 2D 입력 영상으로부터 추출할 수 있다. 예를 들어, 미리 등록된 기준 영상 특징이 LBP(Local Binary Pattern)이라면, 얼굴 인식 시스템(100)은 2D 입력 영상 내 개인화된 3D 얼굴 모델의 3D 특징점들이 투영된 영역들에서 LBP의 영상 특징을 추출할 수 있다.

얼굴 인식 시스템(100)은 미리 등록된 영상 특징 세트와 2D 입력 영상으로부터 추출된 영상 특징들을 비교하여 얼굴 인식을 수행(190)하고, 얼굴 인식 결과를 출력할 수 있다. 여기서, 미리 등록된 영상 특징 세트는 얼굴 등록을 위한 2D 얼굴 영상들로부터 결정된 기준 영상 특징들의 세트를 나타낸다. 예를 들어, 얼굴 인식 시스템(100)은 미리 등록된 영상 특징 세트와 2D 입력 영상들로부터 추출된 영상 특징들 간의 유사도를 결정하고, 유사도가 미리 설정된 조건을 만족하는 경우에는 "얼굴 인식 성공"의 인식 결과를 출력하고, 그렇지 않은 경우에는 "얼굴 인식 실패"의 인식 결과를 출력할 수 있다.

얼굴 등록을 위한 2D 얼굴 영상들의 영상 특징 세트를 등록하는 과정(110)은 도 2의 얼굴 등록 장치에 의해 수행될 수 있고, 등록된 영상 특징 세트를 이용하여 얼굴 인식을 위한 2D 입력 영상으로부터 사용자의 얼굴을 인식하는 과정(120)은 도 3의 얼굴 인식 장치에 의해 수행될 수 있다.

도 2는 일 실시예에 따른 얼굴 등록 장치에 의해 수행되는 얼굴 등록 방법의 동작을 설명하기 위한 흐름도이다.

단계(210)에서, 얼굴 등록 장치는 얼굴 등록을 위한 복수의 2D 얼굴 영상들로부터 얼굴의 랜드마크들을 추출할 수 있다. 예를 들어, 얼굴 등록 장치는 각각의 2D 얼굴 영상들로부터 눈썹 테두리, 눈 테두리, 코 끝, 입술 테두리, 및 얼굴의 윤곽 등에 위치한 얼굴의 랜드마크들을 추출할 수 있다. 2D 얼굴 영상들은 등록하고자 하는 사용자의 얼굴을 서로 다른 각도 또는 방향에서 촬영한 영상들을 포함할 수 있다. 예를 들어, 2D 얼굴 영상들은 하나 이상의 정면 얼굴 영상 및 하나 이상의 측면 얼굴 영상을 포함할 수 있다. 정면 얼굴 영상으로부터 사용자 얼굴의 전체적인 2D 형태 정보와 텍스쳐 정보가 추출될 수 있고, 측면 얼굴 영상으로부터 얼굴 형상에 관한 구체적인 깊이(depth) 정보가 추출될 수 있다.

얼굴 등록 장치는 각각의 2D 얼굴 영상들에서 얼굴 영역을 검출하고, 얼굴 영역으로부터 얼굴의 랜드마크들을 추출할 수 있다. 예를 들어, 얼굴 등록 장치는 관련 기술 분야에서 널리 이용되는 Haar 기반의 캐스케이드 에이다부스트 분류기(Haar-based cascade adaboost classifier)를 이용하여 2D 얼굴 영상에서 얼굴 영역을 검출할 수 있다. 얼굴 등록 장치는 관련 기술 분야의 얼굴의 랜드마크 추출 기법을 이용하여 2D 얼굴 영상들로부터 얼굴의 랜드마크들을 추출할 수 있다. 일 실시예에 따르면, 얼굴 등록 장치는 능동적 윤곽 모델(ACM, Active Contour Model), 능동적 형상 모델(ASM, Active Shape Model), 능동적 외양 모델(AAM, Active Appearance model), 또는 SDM(Supervised Descent Method) 등을 이용하여2D 얼굴 영상들로부터 얼굴의 랜드마크들을 추출할 수 있다.

다른 실시예에 따르면, 얼굴 등록 장치는 2D 얼굴 영상들에 대해 배경 제거(background removal) 또는 조명 보정(luminance correction) 등의 전처리 과정을 먼저 수행하고, 전처리 과정이 수행된 2D 얼굴 영상들로부터 얼굴의 랜드마크들을 추출할 수 있다.

단계(220)에서, 얼굴 등록 장치는 2D 얼굴 영상들로부터 추출된 얼굴의 랜드마크들에 기초하여 미리 저장된 3D 얼굴 모델을 개인화된 3D 얼굴 모델로 변형할 수 있다. 얼굴 등록 장치는 2D 얼굴 영상들로부터 추출된 얼굴의 랜드마크들에 기초하여 미리 저장된 3D 얼굴 모델의 포즈 및 형상을 조정하는 것에 의해 개인화된 3D 얼굴 모델을 생성할 수 있다. 미리 저장된 3D 얼굴 모델은 형상 제어 파라미터에 의해 형상이 변형 가능한 3D 모델이다. 예를 들어, Candide 얼굴 모델, Warter's 얼굴 모델 또는 직접 디자인된 얼굴 모델 등이 미리 저장된 3D 얼굴 모델로 이용될 수 있다.

얼굴 등록 장치는, 예를 들어 미리 저장된 3D 얼굴 모델의 얼굴의 랜드마크들을 2D 얼굴 영상들로부터 추출된 얼굴의 랜드마크들에 매칭하기 위한 형상 제어 파라미터들을 결정하고, 결정된 형상 제어 파라미터들을 미리 저장된 3D 얼굴 모델에 적용하여 미리 저장된 3D 얼굴 모델을 개인화된 3D 얼굴 모델로 변형할 수 있다.

단계(230)에서, 얼굴 등록 장치는 개인화된 3D 얼굴 모델을 얼굴 등록을 위한 2D 얼굴 영상들 중 하나인 현재 2D 얼굴 영상에 정합할 수 있다. 얼굴 등록 장치는 복수의 2D 얼굴 영상들에 기초하여 생성된 개인화된 3D 얼굴 모델을 현재 2D 얼굴 영상에 정합할 수 있다. 얼굴 등록 장치는 현재 2D 얼굴 영상에 나타난 얼굴 포즈 및 표정에 매칭되도록 현재 2D 얼굴 영상으로부터 추출된 얼굴의 랜드마크들에 기초하여 개인화된 3D 얼굴 모델의 얼굴 포즈 및 표정을 조정할 수 있다.

단계(240)에서, 얼굴 등록 장치는 개인화된 3D 얼굴 모델의 3D 특징점들이 투영된 영역들에서 현재 2D 얼굴 영상의 영상 특징을 추출할 수 있다. 개인화된 3D 얼굴 모델의 3D 특징점들은 개인화된 3D 얼굴 모델의 입체 형상 표면에 미리 정의된 3D 위치이다. 개인화된 3D 얼굴 모델의 3D 특징점들이 현재 2D 얼굴 영상에 투영되면 3D 특징점들에 대응하는 현재 2D 얼굴 영상 내 2D 위치들이 결정될 수 있다. 개인화된 3D 얼굴 모델의 3D 특징점들을 이용하는 것에 의해 얼굴 포즈 및 표정에 적응적인 영상 특징이 추출될 수 있다. N 개의 3D 특징점들이 투영된 위치에서 M 차원(dimension)을 가지는 영상 특징이 추출된다면, 하나의 2D 얼굴 영상에 대한 영상 특징은 N x M 차원이 된다.

얼굴 등록 장치는, 예를 들어 개인화된 3D 얼굴 모델의 3D 특징점이 투영된 영역으로부터 LBP(Local Binary Pattern), SIFT(Scale Invariant Feature Transform), HoG(Histogram of Oriented Gradient), MCT(Modified Census Transform) 또는 Gabor Jet 등과 같은 영상의 로컬 특징을 추출할 수 있다. LBP는 현재 픽셀에 대한 주변 영역의 상대적인 밝기 변화를 이진수로 코딩한 인덱스 값이다. SIFT는 주변의 영상 패치(image patch)를 4 x 4 블록으로 분할하고, 각 블록에 속한 픽셀들의 그레디언트(gradient) 방향과 크기에 대한 히스토그램을 계산한 후 히스토그램의 빈(bin) 값들을 연결한 벡터이다. HOG는 대상 영역을 일정 크기의 셀(cell)들로 분할하고, 각 셀마다 에지 픽셀(edge pixel)들의 방향(orientation)에 대한 히스토그램을 획득한 후, 히스토그램들의 빈 값을 연결한 벡터를 나타낸다. MCT는 현재 픽셀의 밝기 값과 현재 픽셀을 포함하는 로컬 영역의 평균 밝기 값 간의 차이를 이진수로 코딩한 인덱스 값이다. Gabor Jet은 다양한 크기와 각도를 가지는 다중 필터를 이용하여 추출된 영상 특징이다.

단계(250)에서, 얼굴 등록 장치는 현재 2D 얼굴 영상으로부터 추출된 영상 특징을 저장할 수 있다. 얼굴 등록 장치는 각각의 2D 얼굴 영상들이 나타내는 얼굴 포즈와 함께 추출된 영상 특징의 세트를 저장할 수 있다. 얼굴 등록 장치는 현재 2D 얼굴 영상을 제외한 다른 2D 얼굴 영상들 각각에 대해 단계(230) 내지 단계(240)의 과정을 반복적으로 수행하고, 각각의 2D 얼굴 영상들로부터 추출된 영상 특징들을 얼굴 인식을 위한 기준 영상 특징으로 등록할 수 있다. 2D 얼굴 영상들로부터 추출된 영상 특징들은 영상 특징 세트의 형태로 데이터베이스에 저장될 수 있다.

도 3은 일 실시예에 따른 얼굴 인식 장치에 의해 수행되는 얼굴 인식 방법의 동작을 설명하기 위한 흐름도이다.

단계(310)에서, 얼굴 인식 장치는 얼굴 인식을 위한 2D 입력 영상으로부터 얼굴의 랜드마크들을 추출할 수 있다. 일 실시예에 따르면, 얼굴 인식 장치는 능동적 윤곽 모델, 능동적 형상 모델, 능동적 외양 모델, 또는 SDM 등을 이용하여 2D 입력 영상으로부터 얼굴의 랜드마크들을 추출할 수 있다.

입력 영상으로서 얼굴 인식을 위한 2D 영상이 얼굴 인식 장치에 입력될 수 있다. 얼굴 인식 장치는 2D 입력 영상에서 얼굴 영역을 검출하고, 얼굴 영역으로부터 얼굴의 랜드마크들을 추출할 수 있다. 예를 들어, 얼굴 인식 장치는 Haar 기반의 캐스케이드 에이다부스트 분류기를 이용하여 2D 입력 영상에서 얼굴 영역을 검출하고, 얼굴 영역 내에서 눈썹 테두리 점, 눈 테두리 점, 코 끝 점, 입술 테두리 점, 및 얼굴의 윤곽 등에 위치한 얼굴의 랜드마크들을 추출할 수 있다.

다른 실시예에 따르면, 얼굴 인식 장치는 2D 입력 영상에 대해 배경 제거 또는 조명 보정 등의 전처리 과정을 수행하고, 전처리 과정이 수행된 2D 입력 영상으로부터 얼굴의 랜드마크들을 추출할 수 있다.

단계(320)에서, 얼굴 인식 장치는 2D 입력 영상으로부터 추출된 얼굴의 랜드마크들에 기초하여 개인화된 3D 얼굴 모델을 2D 입력 영상에 정합할 수 있다. 얼굴 인식 장치는 2D 입력 영상으로부터 추출된 얼굴의 랜드마크들에 기초하여 개인화된 3D 얼굴 모델의 얼굴 포즈 및 표정을 조정할 수 있다. 얼굴 인식 장치는 2D 입력 영상으로부터 추출된 얼굴의 랜드마크에 기초하여 개인화된 3D 얼굴 모델에 적용되는 형상 제어 파라미터를 조정하는 것에 의해 개인화된 3D 얼굴 모델을 2D 입력 영상에 정합할 수 있다. 정합 과정에 의해 개인화된 3D 얼굴 모델의 얼굴 포즈 및 표정이 2D 입력 영상에 나타난 얼굴 포즈 및 표정에 매칭될 수 있다.

단계(330)에서, 얼굴 인식 장치는 개인화된 3D 얼굴 모델의 3D 특징점들이 투영된 영역들에서 2D 입력 영상의 영상 특징을 추출할 수 있다. 개인화된 3D 얼굴 모델의 3D 특징점들이 2D 입력 영상에 투영되어 2D 입력 영상에서 영상 특징이 추출될 영역들이 결정될 수 있다. 얼굴 등록 장치는, 예를 들어 개인화된 3D 얼굴 모델의 3D 특징점이 투영된 영역으로부터 LBP, SIFT, HoG, MCT 또는 Gabor Jet 등과 같은 영상의 로컬 특징을 추출할 수 있다. N 개의 3D 특징점들이 투영된 위치에서 M 차원을 가지는 영상 특징이 추출된다면, 2D 입력 영상에 대한 영상 특징은 N x M 차원이 된다.

얼굴 인식 장치는 얼굴 등록 과정에서 등록된 기준 영상 특징과 동일한 종류의 영상 특징을 2D 입력 영상으로부터 추출할 수 있다. 예를 들어, 등록된 기준 영상 특징이 LBP이라면, 얼굴 인식 장치는 2D 입력 영상으로부터 LBP의 영상 특징을 추출할 수 있다.

단계(340)에서, 얼굴 인식 장치는 기준 영상 특징과 2D 입력 영상으로부터 추출된 영상 특징을 비교할 수 있다. 일 실시예에 따르면, 기준 영상 특징은 개인화된 3D 얼굴 모델이 얼굴 등록을 위한 2D 얼굴 영상에 정합된 후 개인화된 3D 얼굴 모델의 3D 특징점들이 투영된 영역들에서 추출된 2D 얼굴 영상의 영상 특징을 나타낸다.

얼굴 인식 장치는 2D 입력 영상에 나타난 얼굴 포즈에 기초하여 얼굴 인식에 이용할 기준 영상 특징을 선택할 수 있다. 얼굴 등록 과정에서 2D 얼굴 영상들로부터 추출된 기준 영상 특징들이 각각의 2D 얼굴 영상들에 나타난 얼굴 포즈와 함께 등록될 수 있다. 얼굴 인식 장치는 각각의 얼굴 포즈에 대응하는 기준 영상 특징의 세트들 중 얼굴 인식을 위한 2D 입력 영상에 나타난 얼굴 포즈와 가장 유사한 얼굴 포즈의 기준 영상 특징의 세트를 선택하고, 선택된 기준 영상 특징의 세트와 2D 입력 영상으로부터 추출된 영상 특징들 간의 유사도를 결정할 수 있다. 예를 들어, 얼굴 인식 장치는 관련 기술 분야에서 널리 이용되는 PCA(Principal Component Analysis) 기법 및 LDA(Linear Discriminate Analysis) 기법 등을 기준 영상 특징의 세트와 2D 입력 영상으로부터 추출된 영상 특징들 간의 유사도를 결정할 수 있다.

단계(350)에서, 얼굴 인식 장치는 단계(340)의 비교 결과에 기초하여 얼굴 인식 결과를 결정할 수 있다. 얼굴 인식 장치는 기준 영상 특징과 2D 입력 영상으로부터 추출된 영상 특징 간의 유사도가 미리 설정된 조건을 만족하는 경우에는 얼굴 인식이 성공하였다고 결정하고, 그렇지 않은 경우에는 얼굴 인식이 실패하였다고 결정할 수 있다.

도 4는 일 실시예에 따른 복수의 2D 얼굴 영상들로부터 얼굴의 랜드마크들을 추출하는 과정을 설명하기 위한 도면이다.

도 4를 참조하면, 영상들(410, 420, 430, 440, 450)은 얼굴 등록에 이용되는 2D 얼굴 영상들을 나타낸다. 영상(410)은 사용자의 정면 얼굴을 촬영한 2D 얼굴 영상으로, 영상(410)으로부터 사용자 얼굴의 전체적인 2D 형태 정보와 텍스쳐 정보가 추출될 수 있다. 영상(420) 및 영상(430)은 각각 사용자의 우측면 얼굴 및 좌측면 얼굴을 촬영한 2D 얼굴 영상들이다. 영상(440)은 사용자의 얼굴을 위에서 촬영한 2D 얼굴 영상이고, 영상(450)은 사용자의 얼굴을 아래에서 촬영한 2D 얼굴 영상이다.

얼굴 등록 장치는 각각의 영상들(410, 420, 430, 440, 450)에서 얼굴 영역을 검출하고, 얼굴의 랜드마크를 추출할 수 있다. 예를 들어, 얼굴 등록 장치는 Haar 기반의 캐스케이드 에이다부스트 분류기를 이용하여 영상(410)에서 사용자의 얼굴 영역(460)을 검출하고, 능동적 윤곽 모델, 능동적 형상 모델, 능동적 외양 모델, 또는 SDM 등을 이용하여 얼굴 영역(460) 내에서 눈썹 테두리, 눈 테두리, 코 끝 및 입술 테두리 등에 위치한 얼굴의 랜드마크(470)들을 추출할 수 있다.

도 5는 일 실시예에 따른 미리 저장된 3D 얼굴 모델을 개인화된 3D 얼굴 모델로 변형하는 과정을 설명하기 위한 도면이다.

도 5를 참조하면, 모델(510)은 미리 저장된 3D 얼굴 모델을 나타낸다. 미리 저장된 3D 얼굴 모델은 학습 데이터에 기초하여 생성된 변형 가능한 3D 형태 모델로서, 평균 형태와 파라미터를 통해 사용자 얼굴의 신원(identity)을 나타낼 수 있는 파라메트릭 모델(parametric model)이다. 미리 저장된 3D 얼굴 모델은 다음의 수학식 1과 같이, 평균 형상과 형상 변화량으로 구성될 수 있다.

수학식 1에서,

는 미리 저장된 3D 얼굴 모델의 3D 형상을 구성하는 형상 엘리먼트들을 나타내고,

는 미리 저장된 3D 얼굴 모델의 평균 형상을 나타내는 형상 엘리먼트들을 나타낸다.

는 인덱스 i에 대응하는 형상 엘리먼트를 나타내고,

는

에 적용되는 형상 제어 파라미터를 나타낸다.

와

의 가중합(weighted sum)은 형상 변화량을 나타낸다.

미리 저장된 3D 얼굴 모델의 3D 형상을 구성하는 형상 엘리먼트들

는 다음의 수학식 2와 같이 3차원 점들의 좌표로 구성될 수 있다.

수학식 2에서,

는 미리 저장된 3D 얼굴 모델을 구성하는 버텍스(vertex)의 위치(

,

)의 인덱스를 나타내고, T는 트랜스포즈(transpose)를 나타낸다.

얼굴 등록 장치는 복수의 시점들에서 촬영된 2D 얼굴 영상들에 기초하여 미리 저장된 3D 얼굴 모델을 개인화할 수 있다. 얼굴 등록 장치는 2D 얼굴 영상들로부터 얼굴의 랜드마크들을 추출하고, 추출된 얼굴의 랜드마크들에 기초하여 미리 저장된 3D 얼굴 모델을 개인화된 3D 얼굴 모델로 변형할 수 있다. 예를 들어, 얼굴 등록 장치는 미리 저장된 3D 얼굴 모델의 얼굴의 랜드마크들을 2D 얼굴 영상들로부터 추출된 얼굴의 랜드마크들에 매칭하기 위한 형상 제어 파라미터들을 결정하고, 결정된 형상 제어 파라미터들을 미리 저장된 3D 얼굴 모델에 적용하여 미리 저장된 3D 얼굴 모델을 개인화된 3D 얼굴 모델로 변형할 수 있다.

3D 모델들(530, 540)은 미리 저장된 3D 얼굴 모델(510)로부터 생성된 개인화된 3D 얼굴 모델(520)을 나타낸다. 3D 모델(530)은 정면에서 바라본 개인화된 3D 얼굴 모델을 나타내고, 3D 모델(540)은 측면에서 바라본 개인화된 3D 얼굴 모델을 나타낸다.

다른 실시예에 따르면, 얼굴 등록 장치는 도 5에 도시된 개인화된 3D 얼굴 모델(520)과 같이 사용자 얼굴의 형상 정보를 포함하는 3D 형상 모델뿐만 아니라, 텍스쳐 정보를 포함하는 3D 텍스쳐 모델도 생성할 수 있다. 얼굴 등록 장치는 복수의 2D 얼굴 영상들 중 적어도 하나의 2D 얼굴 영상에서 추출한 텍스쳐를 3D 형상 모델에 매핑(mapping)하여 3D 텍스쳐 모델을 생성할 수 있다.

도 6은 일 실시예에 따른 개인화된 3D 얼굴 모델의 3D 특징점들에 기초하여 2D 얼굴 영상으로부터 영상 특징을 추출하는 과정을 설명하기 위한 도면이다.

개인화된 3D 얼굴 모델(610)은 3D 특징점(620)들을 포함할 수 있다. 개인화된 3D 얼굴 모델(610)의 3D 특징점(620)들은 개인화된 3D 얼굴 모델(610)의 입체 형상 표면에 미리 정의된 3D 위치이다. 3D 특징점(620)들의 공간적 배치는 개인화된 3D 얼굴 모델(610)의 얼굴 포즈와 표정 변화에 의해 달라질 수 있다. 예를 들어, 개인화된 3D 얼굴 모델(610)이 입을 벌리는 표정을 취하는 경우, 개인화된 3D 얼굴 모델(610)의 윗 입술 및 아랫 입술에 위치하였던 3D 특징점들 간의 거리는 멀어지게 된다.

개인화된 3D 얼굴 모델은 2D 얼굴 영상에 정합되고, 개인화된 3D 얼굴 모델의 3D 특징점들은 2D 얼굴 영상에 투영될 수 있다. 2D 얼굴 영상(630)은 개인화된 3D 얼굴 모델(610)이 2D 얼굴 영상(630)에 정합된 후 개인화된 3D 얼굴 모델(610)의 3D 특징점(620)들이 투영된 영상을 나타낸다. 얼굴 등록 장치는 2D 얼굴 영상(630) 내 3D 특징점(620)들이 투영된 영역(640)들에서 2D 얼굴 영상(630)의 영상 특징을 추출할 수 있다. 이렇게 추출된 2D 얼굴 영상(630)의 영상 특징들은 저장되어 얼굴 인식 과정에서 이용될 수 있다.

도 7은 일 실시예에 따른 2D 입력 영상으로부터 추출된 얼굴의 랜드마크들에 기초하여 개인화된 3D 얼굴 모델을 2D 입력 영상에 정합하는 과정을 설명하기 위한 도면이다.

도 7을 참조하면, 얼굴 인식을 위해 얼굴 인식 장치에 입력되는 2D 입력 영상(710)이 도시되어 있다. 얼굴 인식 장치는 2D 입력 영상(710)에서 얼굴 영역(720)을 검출하고, 검출된 얼굴 영역(720)으로부터 얼굴의 랜드마크(730)들을 추출할 수 있다. 예를 들어, 얼굴 인식 장치는 Haar 기반의 캐스케이드 에이다부스트 분류기를 이용하여 2D 입력 영상(710)에서 얼굴 영역(720)을 검출하고, 능동적 윤곽 모델, 능동적 형상 모델, 능동적 외양 모델, 또는 SDM 등을 이용하여 얼굴 영역(720) 내에서 얼굴의 랜드마크(730)들을 추출할 수 있다.

얼굴 인식 장치는 미리 등록된 개인화된 3D 얼굴 모델을 2D 입력 영상(710)에 정합할 수 있다. 얼굴 인식 장치는 2D 입력 영상(710)으로부터 추출된 얼굴의 랜드마크(730)들에 기초하여 개인화된 3D 얼굴 모델의 형상 제어 파라미터를 조절하여 얼굴 포즈 및 표정을 조정할 수 있다. 3D 모델(740)은 2D 입력 영상(710)에 나타난 얼굴 포즈 및 표정에 정합된 개인화된 3D 얼굴 모델을 나타낸다.

도 8은 일 실시예에 따른 개인화된 3D 얼굴 모델의 3D 특징점들이 투영된 영역들에서 2D 입력 영상의 영상 특징을 추출하는 과정을 설명하기 위한 도면이다.

2D 입력 영상(710)에 정합된 개인화된 3D 얼굴 모델(740)의 입체 형상 표면에는 미리 정의된 3D 특징점(810)들이 존재한다. 3D 특징점(810)들은 2D 입력 영상(710)에 투영되어 영상 특징이 추출될 영역을 결정한다.

얼굴 인식 장치는 2D 입력 영상(710)에 정합된 개인화된 3D 얼굴 모델(740)의 3D 특징점(810)들을 2D 입력 영상(710)에 투영하고, 2D 입력 영상(710) 내 3D 특징점(810)들이 투영된 영역(820)들에서 2D 입력 영상(710)의 영상 특징을 추출할 수 있다. 얼굴 인식 장치는 2D 입력 영상(710)의 영역(820)들로부터 얼굴 등록 과정에서 결정된 기준 영상 특징과 동일한 종류의 영상 특징을 추출할 수 있다. 얼굴 인식 장치는 기준 영상 특징의 세트와 2D 입력 영상(710)의 영역(820)들로부터 추출된 영상 특징의 세트를 비교하여 얼굴 인식 결과를 결정할 수 있다.

도 9는 일 실시예에 따른 얼굴 등록 장치 또는 얼굴 인식 장치를 구현하기 위한 영상 처리 장치의 구성을 도시한 도면이다.

특정 실시예에서, 얼굴 등록 장치 또는 얼굴 인식 장치를 구현하기 위한 영상 처리 장치(900)는 여기서 기술되거나 또는 도시된 하나 이상의 방법들을 수행한다. 영상 처리 장치(900)는 입/출력(Input/Output; I/O) 인터페이스(910), 프로세서(920) 및 메모리(930)를 포함할 수 있다.

입/출력 인터페이스(910)는 영상 처리 장치(900)와 하나 이상의 입/출력 디바이스 간의 통신을 위한 하나 이상의 인터페이스를 제공하는 하드웨어, 소프트웨어, 또는 이들 양자를 포함한다. 입/출력 인터페이스(910)는 얼굴 등록을 위한 2D 얼굴 영상들을 수신하거나 또는 얼굴 인식을 위한 2D 입력 영상을 수신할 수 있다. 입/출력 인터페이스(910)는 시각적 디스플레이 유닛을 포함할 수 있고, 시각적 디스플레이 유닛을 통해 2D 얼굴 영상 또는 2D 입력 영상을 디스플레이할 수 있다. 또한, 입/출력 인터페이스(910)는 2D 입력 영상에 대한 얼굴 인식 결과를 출력할 수 있다.

프로세서(920)는 인스트럭션들을 실행하는 하드웨어를 포함한다. 인스트럭션들을 실행하기 위해, 프로세서(920)는 내부 레지스터, 내부 캐쉬, 메모리(930), 또는 스토리지로부터 인스트럭션들을 꺼내고(retrieve or fetch), 인스트럭션들을 실행할 수 있다. 일 실시예에 따르면, 프로세서(920)는 도 2 또는 도 3에 도시된 하나 이상의 단계를 수행하기 위한 인스트럭션들을 실행할 수 있다. 그 다음, 프로세서(920)는 하나 이상의 실행 결과를 내부 레지스터, 내부 캐쉬, 메모리(930), 또는 스토리지에 기록할 수 있다. 영상 처리 장치(900)는 하나 이상의 프로세서(920)를 포함한다.

메모리(930)는 프로세서(920)와 통신하고, 프로세서(920)에 의해 실행가능한 인스트럭션들 및 프로세서(920)가 연산할 데이터를 저장할 수 있다. 예를 들어, 메모리(930)는 얼굴 등록의 결과로서 생성된 개인화된 3D 얼굴 모델 및 얼굴 인식에 이용될 기준 영상 특징에 관한 데이터를 저장할 수 있다.

여기에서, 컴퓨터 판독가능 비-일시적 (non-transitory) 저장 매체는 하나 이상이 반도체-기반 또는 다른 집적 회로(IC)(예컨대, 필드 프로그래머블 게이트 어레이 (field-programmable gate array (FPGAs)) 또는 특수 용도 집적 회로 (application-specific ICs(ASICs))), 하드 디스크 드라이브(HDD), 하이브리드 하드 드라이브 (HHD), 광 디스크, 광 디스크 드라이브 (ODDs), 광-자기 디스크, 광-자기 드라이브, 플로피 디스켓, 플로피 디스크 드라이브(FDD), 자기 테잎, 고체 상태 드라이브(SSD), 램 드라이브, SECURE DIGITAL 카드 또는 드라이브, 다른 적절한 컴퓨터 판독가능 비-일시적 저장 매체 또는 이들 중 두 개 이상의 적절한 조합을 포함할 수 있다. 컴퓨터 판독가능 비-일시적 저장 매체는 휘발성, 비휘발성, 또는 휘발성과 비휘발성의 조합이 될 수 있다.

여기에서, "또는"은 명백하게 달리 표시되지 않는 한 또는 컨텍스트에 의해 다르게 표시되지 않는 한, 포함하는 의미이고 배타적인 의미가 아니다. 따라서, 여기에서 "A 또는 B"는, 명백하게 달리 표시되지 않는 한 또는 컨텍스트에 의해 다르게 표시되지 않는 한, "A, B, 또는 양자"를 의미한다. 또한, "및"은, 명백하게 달리 표시되지 않는 한 또는 컨텍스트에 의해 다르게 표시되지 않는 한, 연대 (joint and several)의 의미이다. 따라서, 여기서 "A 및 B는, 명백하게 달리 표시되지 않는 한 또는 컨텍스트에 의해 다르게 표시되지 않는 한, "A 및 B, 연대하여 (jointly and severally)"를 의미한다.

개시의 범위는 관련 기술 분야의 당업자가 이해하는, 여기에서 기술되거나 도시된 실시예들에 대한 모든 변경, 대체, 변형, 개조 및 수정을 포함한다. 개시의 범위는, 여기에서 기술되거나 도시된 실시예들에 한정되지 않는다. 또한, 개시가 특정 콤포넌트, 엘리먼트, 특징, 기능, 동작, 또는 단계를 포함하는 각 실시예를 기술하고 도시하지만, 이러한 실시예들의 어느 것도, 관련 기술 분야의 당업자가 이해하는, 여기에서 기술되거나 도시된 특정 콤포넌트, 엘리먼트, 특징, 기능, 동작, 또는 단계들의 어떠한 조합 또는 치환을 포함할 수 있다.

이상과 같이 비록 한정된 도면에 의해 실시예들이 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 위의 기재로부터 다양한 수정 및 변형이 가능하다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다. 그러므로, 다른 구현들, 다른 실시예들 및 특허청구범위와 균등한 것들도 후술하는 특허청구범위의 범위에 속한다.

Claims

얼굴 등록을 위한 복수의 2D(dimensional) 얼굴 영상들로부터 얼굴의 랜드마크들을 추출하는 단계;
상기 추출된 얼굴의 랜드마크들에 기초하여 미리 저장된 3D 얼굴 모델을 개인화된 3D 얼굴 모델로 변형하는 단계;
상기 개인화된 3D 얼굴 모델을 상기 2D 얼굴 영상들 중 하나인 현재 2D 얼굴 영상에 정합(matching)하는 단계;
상기 개인화된 3D 얼굴 모델의 3D 특징 점들을 상기 현재 2D 얼굴 영상에 투영하는 단계;
상기 개인화된 3D 얼굴 모델의 3D 특징점들이 상기 현재 2D 얼굴 영상에 투영(projection)된 영역들에서 상기 현재 2D 얼굴 영상의 영상 특징을 추출하는 단계; 및
상기 추출된 영상 특징을 저장하는 단계
를 포함하는 얼굴 등록 방법.
제1항에 있어서,
상기 3D 특징점들은,
상기 개인화된 3D 얼굴 모델 상의 미리 정의된 특정 위치들을 나타내는, 얼굴 등록 방법.
제1항에 있어서,
상기 정합하는 단계는,
상기 현재 2D 얼굴 영상으로부터 추출된 얼굴의 랜드마크들에 기초하여 상기 개인화된 3D 얼굴 모델의 얼굴 포즈 및 표정을 조정하는, 얼굴 등록 방법.
제1항에 있어서,
상기 저장하는 단계는,
상기 현재 2D 얼굴 영상으로부터 추출된 영상 특징을 얼굴 인식을 위한 기준 영상 특징으로 등록하는 단계
를 포함하는 얼굴 등록 방법.
제1항에 있어서,
상기 추출하는 단계는,
상기 현재 2D 얼굴 영상 내 상기 3D 특징점들이 투영된 영역으로부터 LBP(Local Binary Pattern), SIFT(Scale Invariant Feature Transform), HoG(Histogram of Oriented Gradient), MCT(Modified Census Transform) 및 Gabor Jet 중 적어도 하나 이상의 영상 특징을 추출하는, 얼굴 등록 방법.
제1항에 있어서,
상기 복수의 2D 얼굴 영상들은,
사용자의 정면 얼굴을 촬영한 적어도 하나의 정면 얼굴 영상 및 사용자의 측면 얼굴을 촬영한 적어도 하나의 측면 얼굴 영상을 포함하는, 얼굴 등록 방법.
제1항에 있어서,
상기 변형하는 단계는,
상기 미리 저장된 3D 얼굴 모델의 얼굴의 랜드마크들을 상기 2D 얼굴 영상들로부터 추출된 얼굴의 랜드마크들에 매칭하기 위한 형상 제어 파라미터들을 결정하는 단계; 및
상기 결정된 형상 제어 파라미터들을 상기 미리 저장된 3D 얼굴 모델에 적용하여 상기 미리 저장된 3D 얼굴 모델을 상기 개인화된 3D 얼굴 모델로 변형하는 단계
를 포함하는 얼굴 등록 방법.
얼굴 인식을 위한 2D 입력 영상으로부터 얼굴의 랜드마크들을 추출하는 단계;
상기 추출된 얼굴의 랜드마크들에 기초하여, 개인화된 3D 얼굴 모델을 상기 2D 입력 영상에 정합하는 단계;
상기 개인화된 3D 얼굴 모델의 3D 특징점들을 상기 2D 입력 영상에 투영하는 단계;
상기 개인화된 3D 얼굴 모델의 3D 특징점들이 상기 2D 입력 영상에 투영된 영역들에서 상기 2D 입력 영상의 영상 특징을 추출하는 단계; 및
기준 영상 특징과 상기 2D 입력 영상으로부터 추출된 영상 특징을 비교하고, 비교 결과에 기초하여 얼굴 인식 결과를 결정하는 단계
를 포함하는 얼굴 인식 방법.
제8항에 있어서,
상기 기준 영상 특징은,
상기 개인화된 3D 얼굴 모델이 얼굴 등록을 위한 2D 얼굴 영상에 정합된 후 상기 개인화된 3D 얼굴 모델의 3D 특징점들이 투영된 영역들에서 추출된 상기 2D 얼굴 영상의 영상 특징인, 얼굴 인식 방법.
제8항에 있어서,
상기 결정하는 단계는,
상기 2D 입력 영상에 나타난 얼굴 포즈에 기초하여 얼굴 인식에 이용할 기준 영상 특징의 세트를 선택하고, 상기 선택된 기준 영상 특징의 세트와 상기 2D 입력 영상으로부터 추출된 영상 특징들 간의 유사도에 기초하여 얼굴 인식 결과를 결정하는, 얼굴 인식 방법.
제8항에 있어서,
상기 추출하는 단계는,
상기 2D 입력 영상으로부터 기준 영상 특징과 동일한 종류의 영상 특징을 추출하는, 얼굴 인식 방법.
제8항에 있어서,
상기 비교하는 단계는,
상기 기준 영상 특징과 상기 2D 입력 영상으로부터 추출된 영상 특징 간의 유사도를 결정하는 단계를 포함하고,
상기 결정하는 단계는,
상기 유사도가 미리 설정된 조건을 만족하는 경우, 얼굴 인식이 성공하였다고 결정하는 단계
를 포함하는 얼굴 인식 방법.
제8항에 있어서,
상기 정합하는 단계는,
상기 2D 입력 영상으로부터 추출된 얼굴의 랜드마크들에 기초하여 상기 개인화된 3D 얼굴 모델의 얼굴 포즈 및 표정을 조정하는, 얼굴 인식 방법.
제1항 내지 제13항 중 어느 한 항의 방법을 실행하기 위한 프로그램이 기록된 컴퓨터에서 판독 가능한 기록 매체.
하나 이상의 프로세서; 및
상기 하나 이상의 프로세서와 통신하고, 상기 하나 이상의 프로세서에 의해 실행가능한 인스트럭션들을 포함하는 메모리를 포함하고,
상기 하나 이상의 프로세서는 상기 인스트럭션들을 실행할 때,
얼굴 등록을 위한 복수의 2D 얼굴 영상들로부터 얼굴의 랜드마크를 추출하고,
상기 추출된 얼굴의 랜드마크들에 기초하여 미리 저장된 3D 얼굴 모델을 개인화된 3D 얼굴 모델로 변형하고,
상기 개인화된 3D 얼굴 모델을 상기 2D 얼굴 영상들 중 하나인 현재 2D 얼굴 영상에 정합하고,
상기 개인화된 3D 얼굴 모델의 3D 특징 점들을 상기 현재 2D 얼굴 영상에 투영하고,
상기 개인화된 3D 얼굴 모델의 3D 특징점들이 상기 현재 2D 얼굴 영상에 투영된 영역들에서 상기 현재 2D 얼굴 영상의 영상 특징을 추출하고,
상기 추출된 영상 특징을 저장하는, 얼굴 등록 장치.
하나 이상의 프로세서; 및
상기 하나 이상의 프로세서와 통신하고, 상기 하나 이상의 프로세서에 의해 실행가능한 인스트럭션들을 포함하는 메모리를 포함하고,
상기 하나 이상의 프로세서는 상기 인스트럭션들을 실행할 때,
얼굴 인식을 위한 2D 입력 영상으로부터 얼굴의 랜드마크들을 추출하고,
상기 추출된 얼굴의 랜드마크들에 기초하여, 개인화된 3D 얼굴 모델을 상기 2D 입력 영상에 정합하고,
상기 개인화된 3D 얼굴 모델의 3D 특징점들을 상기 2D 입력 영상에 투영하고,
상기 개인화된 3D 얼굴 모델의 3D 특징점들이 상기 2D 입력 영상에 투영된 영역들에서 상기 2D 입력 영상의 영상 특징을 추출하고,
기준 영상 특징과 상기 2D 입력 영상으로부터 추출된 영상 특징을 비교하고, 상기 비교 결과에 기초하여 얼굴 인식 결과를 결정하는, 얼굴 인식 장치.
제16항에 있어서,
상기 기준 영상 특징은,
상기 개인화된 3D 얼굴 모델이 얼굴 등록을 위한 2D 얼굴 영상에 정합된 후 상기 개인화된 3D 얼굴 모델의 3D 특징점들이 투영된 영역들에서 추출된 상기 2D 얼굴 영상의 영상 특징인, 얼굴 인식 장치.