KR102358145B1 - 표준 이미지 생성을 이용한 아이 얼굴 변환 방법 - Google Patents

표준 이미지 생성을 이용한 아이 얼굴 변환 방법 Download PDF

Info

Publication number
KR102358145B1
KR102358145B1 KR1020200057207A KR20200057207A KR102358145B1 KR 102358145 B1 KR102358145 B1 KR 102358145B1 KR 1020200057207 A KR1020200057207 A KR 1020200057207A KR 20200057207 A KR20200057207 A KR 20200057207A KR 102358145 B1 KR102358145 B1 KR 102358145B1
Authority
KR
South Korea
Prior art keywords
image
age
region
area
mother
Prior art date
Application number
KR1020200057207A
Other languages
English (en)
Other versions
KR20210139002A (ko
Inventor
박병진
Original Assignee
주식회사 뉴에이지원
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 주식회사 뉴에이지원 filed Critical 주식회사 뉴에이지원
Priority to KR1020200057207A priority Critical patent/KR102358145B1/ko
Publication of KR20210139002A publication Critical patent/KR20210139002A/ko
Application granted granted Critical
Publication of KR102358145B1 publication Critical patent/KR102358145B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/00—2D [Two Dimensional] image generation
    • G06T11/60—Editing figures and text; Combining figures or text
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/97—Determining parameters from multiple pictures
    • 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
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30088—Skin; Dermal
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2210/00—Indexing scheme for image generation or computer graphics
    • G06T2210/44—Morphing

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Processing Or Creating Images (AREA)
  • Image Analysis (AREA)

Abstract

본 명세서에 개시된 기술은 서버에 의해서 동작하는 표준 이미지 생성을 이용한 아이 얼굴 변환 방법으로서, 제1 나이 아이 이미지, 제2 나이 엄마 이미지, 및 제2 나이 아빠 이미지로부터 얼굴의 각 영역별 특징점들을 추출하고, 상기 각 영역별 특징점들을 서로 연결한 제어선을 생성하는 단계; 상기 제1 나이 아이 이미지와 상기 제2 나이 엄마 이미지 사이의 유사도를 나타내는 제1 유사도 정보 및 상기 제1 나이 아이 이미지와 상기 제2 나이 아빠 이미지 사이의 유사도를 나타내는 제2 유사도 정보를 기초로 상기 제1 나이 아이 이미지가 상기 제2 나이 엄마 이미지 및 상기 제2 나이 아빠 이미지와 영역별로 닮은 비율을 나타내는 영역별 유사도 비율을 결정하는 단계; 상기 영역별 유사도 비율을 기초로 상기 제2 나이 엄마 이미지와 상기 제2 나이 아빠 이미지에 모핑 알고리즘을 적용하여 제2 나이 표준 이미지를 생성하는 단계; 상기 제1 나이 아이 이미지에 에이징 알고리즘을 적용하여 제2 나이 아이 이미지를 생성하는 단계; 및 상기 제2 나이 아이 이미지와 상기 제2 나이 표준 이미지에 모핑 알고리즘을 적용하여 최종 제2 나이 아이 이미지를 생성하는 단계를 포함할 수 있다.

Description

표준 이미지 생성을 이용한 아이 얼굴 변환 방법{METHOD FOR TRANSFORMING CHILD'S FACE USING STANDARD IMAGE GENERATION}
본 명세서는 표준 이미지 생성을 이용한 아이 얼굴 변환 방법에 관한 것으로, 구체적으로는 부모의 이미지를 이용하여 생성된 표준 이미지를 기초로 아이의 미래 얼굴을 생성하는 방법에 관한 것이다.
아이가 부모보다 먼저 사망하는 경우, 부모는 납골당에 아이의 생전 사진과 유품 등을 보관한다. 납골당에는 아이의 생전 모습을 제공하는 디스플레이 장치가 존재할 수 있는데, 이 디스플레이 장치를 통하여 아이의 생전 사진, 음성, 및 동영상 등이 재생될 수 있다. 부모는 정기적 또는 비정기적으로 납골당을 찾고 디스플레이 장치에 보관된 아이의 생전 사진, 음성, 및 동영상 등을 보고 생전의 아이를 회상한다.
이 때, 부모는 아이의 생전 모습을 회상하면서, 만약 아이가 계속 살아있었으면 현재 어떤 모습일까 궁금해할 수 있다. 하지만, 종래의 기술은 아이의 생전 모습만을 제공할 수 있을 뿐이고, 아이의 미래의 모습을 예상할 수는 없는 한계가 있었다.
대한민국 공개특허 제10-2002-0007744호　(2002.01.29)
본 명세서의 목적은 부모의 이미지를 이용하여 생성된 표준 이미지를 기초로 아이의 미래 얼굴을 생성하는 방법을 제공하는데 있다.
본 명세서에 개시된 예시적인 기술은 서버에 의해서 동작하는 표준 이미지 생성을 이용한 아이 얼굴 변환 방법으로서, 제1 나이 아이 이미지, 제2 나이 엄마 이미지, 및 제2 나이 아빠 이미지로부터 얼굴의 각 영역별 특징점들을 추출하고, 상기 각 영역별 특징점들을 서로 연결한 제어선을 생성하는 단계; 상기 제1 나이 아이 이미지와 상기 제2 나이 엄마 이미지 사이의 유사도를 나타내는 제1 유사도 정보 및 상기 제1 나이 아이 이미지와 상기 제2 나이 아빠 이미지 사이의 유사도를 나타내는 제2 유사도 정보를 기초로 상기 제1 나이 아이 이미지가 상기 제2 나이 엄마 이미지 및 상기 제2 나이 아빠 이미지와 영역별로 닮은 비율을 나타내는 영역별 유사도 비율을 결정하는 단계; 상기 영역별 유사도 비율을 기초로 상기 제2 나이 엄마 이미지와 상기 제2 나이 아빠 이미지에 모핑 알고리즘을 적용하여 제2 나이 표준 이미지를 생성하는 단계; 상기 제1 나이 아이 이미지에 에이징 알고리즘을 적용하여 제2 나이 아이 이미지를 생성하는 단계; 및 상기 제2 나이 아이 이미지와 상기 제2 나이 표준 이미지에 모핑 알고리즘을 적용하여 최종 제2 나이 아이 이미지를 생성하는 단계를 포함할 수 있다.
또한, 상기 각 영역별 특징점들을 서로 연결한 제어선을 생성하는 단계는,
제1 나이 아이 이미지, 제2 나이 엄마 이미지, 및 제2 나이 아빠 이미지 각각에 대하여 피부 영역을 추출하는 단계; 미리 설정된 좌우 눈에 대한 템플릿을 이용하여 상기 피부 영역 내에서 눈 후보 영역을 추출하는 단계; 상기 눈 후보 영역을 기초로 상기 피부 영역 내에서 눈, 눈썹, 코, 입술, 얼굴 외형을 포함하는 영역에 대하여 영역별로 특징점들을 추출하는 단계; 및 각 영역별로 상기 특징점들을 연결하여 제어선을 생성하는 단계를 포함할 수 있다.
또한, 상기 영역별 유사도 비율을 생성하는 단계는, 상기 눈, 눈썹, 코, 입술, 얼굴 외형을 포함하는 영역에서 어느 하나의 영역을 선택하는 단계; 상기 선택된 영역에 대응되며 상기 제1 나이 아이 이미지의 각 영역과 상기 제2 나이 엄마 이미지 또는 상기 제2 나이 아빠 이미지의 각 영역 사이의 유사도를 판단하기 위한 영역별 유사도 판단 기준을 획득하는 단계; 및 상기 영역별 유사도 판단 기준을 기초로 상기 제1 나이 아이 이미지의 각 영역과 상기 제2 나이 엄마 이미지 또는 상기 제2 나이 아빠 이미지의 각 영역 사이의 상기 영역별 유사도 비율을 결정하는 단계를 포함할 수 있다.
또한, 상기 영역별 유사도 판단 기준은, 양 눈썹 사이의 거리, 눈썹 길이, 눈썹 면적을 포함하는 눈썹 기준 정보, 양 눈 사이의 거리, 눈 길이, 눈 높이, 눈 면적을 포함하는 눈 기준 정보, 코 길이, 코 높이, 코 면적을 포함하는 코 기준 정보, 입 길이, 입 높이, 입 면적을 포함하는 입 기준 정보, 및 얼굴 길이, 얼굴 높이, 얼굴 외형 면적을 포함하는 얼굴 외형 기준 정보를 포함할 수 있다.
또한, 상기 모핑 알고리즘을 적용하여 제2 나이 표준 이미지를 생성하는 단계는, 상기 제2 나이 엄마 이미지의 각 영역을 형성하는 엄마 소스 제어선과 상기 제2 나이 아빠 이미지의 각 영역을 형성하는 아빠 소스 제어선을 기초로 상기 제2 나이 엄마 이미지의 각 영역과 상기 제2 나이 아빠 이미지의 각 영역의 평균적인 영역을 형성하는 부모 목표 제어선을 생성하는 단계; 상기 엄마 소스 제어선과 상기 부모 목표 제어선을 기초로 상기 제2 나이 엄마 이미지를 워핑하기 위한 엄마 목표 제어점을 생성하고, 상기 아빠 소스 제어선과 상기 부모 목표 제어선을 기초로 상기 제2 나이 아빠 이미지를 워핑하기 위한 아빠 목표 제어점을 생성하는 단계; 상기 엄마 목표 제어점을 이용하여 상기 제2 나이 엄마 이미지를 임시 엄마 이미지로 워핑하고, 상기 아빠 목표 제어점을 이용하여 상기 제2 나이 아빠 이미지를 임시 아빠 이미지로 워핑하는 단계; 및 상기 임시 엄마 이미지에 포함되는 각 영역과 및 상기 임시 아빠 이미지에 포함되는 각 영역을 각 영역에 대응되는 상기 영역별 유사도 비율로 합성하여 제2 나이 표준 이미지를 생성하는 단계를 포함할 수 있다.
또한, 상기 엄마 목표 제어점 및 아빠 목표 제어점을 생성하는 단계는, 상기 제2 나이 엄마 이미지 또는 제2 나이 아빠 이미지에 존재하는 어느 하나의 엄마 소스 제어점 또는 아빠 소스 제어점에 대하여, 서로 인접하는 제1 소스 특징점과 제2 소스 특징점을 연결하는 소스 제어선과 상기 어느 하나의 엄마 소스 제어점 또는 아빠 소스 제어점 사이의 거리를 지시하는 제1 거리 정보, 및 상기 제1 소스 특징점으로부터 상기 어느 하나의 엄마 소스 제어점 또는 아빠 소스 제어점이 상기 소스 제어선에 수직으로 투영된 지점까지의 거리를 나타내는 제2 거리정보를 생성하는 단계; 및 상기 제2 나이 표준 이미지에 존재하며 상기 제1 소스 특징점과 상기 제2 소스 특징점에 대응되는 제1 목표 특징점과 제2 목표 특징점에 상기 제1 거리 정보 및 상기 제2 거리 정보를 반영하여 엄마 목표 제어점 및 아빠 목표 제어점을 생성하는 단계를 포함할 수 있다.
또한, 상기 영역별 유사도 비율로 합성하여 제2 나이 표준 이미지를 생성하는 단계는, 상기 제2 나이 표준 이미지 내의 각 영역의 모양과 색깔은 임시 엄마 이미지 내의 각 영역의 모양과 색깔 및 임시 아빠 이미지 내의 각 영역의 모양과 색깔을 상기 영역별 유사도 비율로 반영할 수 있다.
또한, 상기 영역별 유사도 비율로 합성하여 제2 나이 표준 이미지를 생성하는 단계는, 아빠 영역별 크기가 엄마 영역별 크기보다 크면, 영역별 크기는 아래의 수학식으로 결정되고,
Figure 112021094058823-pat00035

여기서, 상기 영역별 크기는 상기 제2 나이 표준 이미지의 각 영역의 크기이고, 상기 엄마 영역별 크기는 제2 나이 엄마 이미지에서 각 영역의 크기이고, 상기 아빠 영역별 크기는 제2 나이 아빠 이미지에서 각 영역의 크기를 나타낸 것을 포함할 수 있다.
또한, 상기 에이징 알고리즘을 적용하여 제2 나이 아이 이미지를 생성하는 단계는, 상기 제1 나이 아이 이미지와 각 연령대 별로 얼굴을 표현하는 이미지를 매칭하여 각 연령대 별로 평균 얼굴 벡터들을 생성하는 단계; 상기 평균 얼굴 벡터들 중에서 제1 나이에 대응되는 제1 나이 평균 얼굴 벡터와 제2 나이에 대응되는 제2 나이 평균 얼굴 벡터의 차이를 나타내는 차 벡터를 생성하는 단계; 및 상기 제1 나이 아이 이미지에 상기 차 벡터를 적용하여 제2 나이 아이 이미지를 생성하는 단계를 포함할 수 있다.
또한, 상기 모핑 알고리즘을 적용하여 최종 제2 나이 아이 이미지를 생성하는 단계는, 상기 제2 나이 아이 이미지의 각 영역을 형성하는 아이 소스 제어선과 상기 제2 나이 표준 이미지의 각 영역을 형성하는 표준 소스 제어선을 기초로 상기 제2 나이 아이 이미지의 각 영역과 상기 제2 나이 표준 이미지의 각 영역의 평균적인 영역을 형성하는 표준 목표 제어선을 생성하는 단계; 상기 아이 소스 제어선과 상기 표준 목표 제어선을 기초로 상기 제2 나이 아이 이미지를 워핑하기 위한 아이 목표 제어점을 생성하고, 상기 표준 소스 제어선과 상기 표준 목표 제어선을 기초로 상기 제2 나이 표준 이미지를 워핑하기 위한 표준 목표 제어점을 생성하는 단계; 상기 아이 목표 제어점을 이용하여 상기 제2 나이 아이 이미지를 임시 아이 이미지로 워핑하고, 상기 표준 목표 제어점을 이용하여 상기 제2 나이 표준 이미지를 임시 표준 이미지로 워핑하는 단계; 및 상기 임시 아이 이미지에 포함되는 각 영역과 및 상기 임시 표준 이미지에 포함되는 각 영역을 각 영역에 대응되는 상기 영역별 유사도의 비율로 합성하여 최종 제2 나이 아이 이미지를 생성하는 단계를 포함할 수 있다.
본 명세서에 개시된 기술에 따르면, 부모의 이미지를 이용하여 생성된 표준 이미지를 기초로 아이의 성장된 얼굴을 생성하므로, 아이의 성장된 얼굴을 보다 정확하게 예측하는 방법을 제공할 수 있다.
또한, 본 명세서에 개시된 기술에 따르면, 시간이 지남에 따라서 성장하는 아이의 얼굴을 제공하므로, 정기적 또는 비정기적으로 납골당을 방문하는 부모에게 아이가 살아있는 듯한 감정을 느낄 수 있는 환경을 제공할 수 있다.
도 1은 예시적인 표준 이미지 생성을 이용한 아이 얼굴 변환 방법을 제공하는 전자 시스템의 구성을 나타낸 도면이다.
도 2는 예시적인 표준 이미지 생성을 이용한 아이 얼굴 변환 방법을 제공하는 서버의 구성을 나타낸 도면이다.
도 3은 예시적인 표준 이미지 생성을 이용한 아이 얼굴 변환 방법을 나타낸 도면이다.
도 4는 예시적인 특징점을 추출하는 방법과 제어선을 생성하는 방법을 나타낸 도면이다.
도 5는 예시적인 특징점이 추출된 이미지 및 제어선이 생성된 이미지를 나타낸 도면이다.
도 6은 예시적인 영역별 유사도 비율을 결정하는 방법을 나타내는 도면이다.
도 7은 예시적인 영역별 유사도 비율을 결정하기 위한 유사도 판단 기준을 나타내는 도면이다.
도 8은 예시적인 모핑 알고리즘을 적용하여 제2 나이 표준 이미지를 생성하는 방법을 나타내는 도면이다.
도 9는 예시적인 모핑 알고리즘을 적용하여 생성한 엄마 목표 제어점 및 아빠 목표 제어점 나타내는 도면이다.
도 10은 예시적인 모핑 알고리즘을 적용하여 생성한 제2 나이 표준 이미지를 나타낸 도면이다.
도 11은 예시적인 에이징 알고리즘을 적용하여 제2 나이 아이 이미지를 생성하는 방법을 나타낸 도면이다.
도 12는 예시적인 모핑 알고리즘을 적용하여 최종 제2 나이 아이 이미지를 생성하는 방법을 나타낸 도면이다.
도 13은 예시적인 모핑 알고리즘을 적용하여 생성한 최종 제2 나이 아이 이미지를 나타낸 도면이다.
본 명세서에서 사용되는 기술적 용어는 단지 특정한 실시 예를 설명하기 위해 사용된 것으로, 본 명세서에 개시된 기술의 사상을 한정하려는 의도가 아님을 유의해야 한다. 또한, 본 명세서에서 사용되는 기술적 용어는 본 명세서에서 특별히 다른 의미로 정의되지 않는 한, 본 명세서에 개시된 기술이 속하는 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 의미로 해석되어야 하며, 과도하게 포괄적인 의미로 해석되거나, 과도하게 축소된 의미로 해석되지 않아야 한다. 또한, 본 명세서에서 사용되는 기술적인 용어가 본 명세서에 개시된 기술의 사상을 정확하게 표현하지 못하는 잘못된 기술적 용어일 때에는, 본 명세서에 개시된 기술이 속하는 분야에서 통상의 지식을 가진 자가 올바르게 이해할 수 있는 기술적 용어로 대체되어 이해되어야 할 것이다. 또한, 본 명세서에서 사용되는 일반적인 용어는 사전에 정의되어 있는 바에 따라, 또는 전후 문맥 상에 따라 해석되어야 하며, 과도하게 축소된 의미로 해석되지 않아야 한다.
본 명세서에서 사용되는 제1, 제2 등과 같이 서수를 포함하는 용어는 다양한 구성 요소들을 설명하는데 사용될 수 있지만, 상기 구성 요소들은 상기 용어들에 의해 한정되어서는 안 된다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다. 예를 들어, 본 발명의 권리 범위를 벗어나지 않으면서 제1 구성 요소는 제2 구성 요소로 명명될 수 있고, 유사하게 제2 구성 요소도 제1 구성 요소로 명명될 수 있다.
이하, 첨부된 도면을 참조하여 본 명세서에 개시된 실시 예들을 상세히 설명하되, 도면 부호에 관계없이 동일하거나 유사한 구성 요소는 동일한 내용을 포함할 수 있으며, 이에 대한 중복되는 설명은 생략될 수 있다.
또한, 본 명세서에 개시된 기술을 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 본 명세서에 개시된 기술의 요지를 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다. 또한, 첨부된 도면은 본 명세서에 개시된 기술의 사상을 쉽게 이해할 수 있도록 하기 위한 것일 뿐, 첨부된 도면에 의해 그 기술의 사상이 제한되는 것으로 해석되어서는 아니 됨을 유의해야 한다.
도 1은 예시적인 표준 이미지 생성을 이용한 아이 얼굴 변환 방법을 제공하는 전자 시스템의 구성을 나타낸 도면이다.
도 1을 참조하면, 예시적인 전자 시스템(10)은 이하에서 설명될 표준 이미지 생성을 이용한 아이 얼굴 변환 방법을 제공할 수 있다. 이를 위하여, 예시적인 전자 시스템(10)은 서버(100), 전자 장치(200), 및 네트워크(300) 중에서 적어도 하나를 포함할 수 있다.
서버(100)는, 전자 장치(200)의 요청에 대한 응답으로, 표준 이미지 생성을 이용하여 아이 얼굴을 변환할 수 있다. 또한, 서버는 변환된 아이 얼굴을 전자 장치(200)로 제공할 수 있다. 서버(100)의 구체적인 내용은 다음에 제공되는 도면을 통하여 설명하기로 한다.
전자 장치(200)는 서버에 표준 이미지 생성을 위한 아이 얼굴 변환을 요청할 수 있다. 또한, 전자 장치(200)는 서버(100)로부터 변환된 아이 얼굴을 제공받고, 변환된 아이 얼굴을 디스플레이 할 수 있다. 예를 들어, 전자 장치(200)는 스마트폰, 및/또는 기타의 단말장치를 포함할 수 있다.
네트워크(300)는 서버(100), 및/또는 전자 장치(200)를 유선 또는 무선으로 연결할 수 있다.
도 2는 예시적인 표준 이미지 생성을 이용한 아이 얼굴 변환 방법을 제공하는 서버의 구성을 나타낸 도면이다.
도 2를 참조하면, 예시적인 서버(100)는 표준 이미지 생성을 이용한 아이 얼굴 변환 방법을 제공할 수 있다. 예시적인 서버(100)는 입력부(110), 출력부(120), 메모리(130), 통신부(140), 및 프로세서(150) 중에서 적어도 하나를 포함할 수 있다. 실시예에 따라서, 서버(100)는 구성요소들 중 적어도 하나를 생략하거나 다른 구성요소를 추가적으로 구비할 수 있다.
입력부(110)는 서버의 사용자로부터 입력을 수신할 수 있다. 출력부(120)는 서버의 사용자에게 각종 컨텐츠(예: 텍스트, 이미지, 비디오, 아이콘, 또는 심볼 등)을 표시할 수 있다. 메모리(130)는 상기 서버(100)의 적어도 하나의 다른 구성요소에 관계된 명령 또는 데이터를 저장할 수 있다. 메모리(130)는 전술하거나 이하에서 설명되는 각종 정보들 및/또는 데이터들을 저장할 수 있다. 또한 메모리(130)는 상기 전술한 표준 이미지 생성을 이용한 얼굴 변환 방법을 실행시키기 위한 인스트럭션, 어플리케이션, 또는 프로그램을 저장할 수 있다. 통신부(140)는 무선 통신 또는 유선 통신을 통해서 네트워크에 연결되어 전자 장치(200)와 통신할 수 있다.
프로세서(150)는 서버(100)의 적어도 하나의 다른 구성요소들의 제어 및/또는 통신에 관한 연산이나 데이터 처리를 실행할 수 있다. 구체적으로 프로세서(150)는 복수의 인스트럭션들을 실행할 수 있다. 예를 들어, 서버에 의해서 동작하는 표준 이미지 생성을 이용한 아이 얼굴 변환 방법으로서, 제1 나이 아이 이미지, 제2 나이 엄마 이미지, 및 제2 나이 아빠 이미지로부터 얼굴의 각 영역별 특징점들을 추출하고, 상기 각 영역별 특징점들을 서로 연결한 제어선을 생성하는 단계; 상기 제1 나이 아이 이미지와 상기 제2 나이 엄마 이미지 사이의 유사도를 나타내는 제1 유사도 정보 및 상기 제1 나이 아이 이미지와 상기 제2 나이 아빠 이미지 사이의 유사도를 나타내는 제2 유사도 정보를 기초로 상기 제1 나이 아이 이미지가 상기 제2 나이 엄마 이미지 및 상기 제2 나이 아빠 이미지와 영역별로 닮은 비율을 나타내는 영역별 유사도 비율을 결정하는 단계; 상기 영역별 유사도 비율을 기초로 상기 제2 나이 엄마 이미지와 상기 제2 나이 아빠 이미지에 모핑 알고리즘을 적용하여 제2 나이 표준 이미지를 생성하는 단계; 상기 제1 나이 아이 이미지에 에이징 알고리즘을 적용하여 제2 나이 아이 이미지를 생성하는 단계; 및 상기 제2 나이 아이 이미지와 상기 제2 나이 표준 이미지에 모핑 알고리즘을 적용하여 최종 제2 나이 아이 이미지를 생성하는 단계를 실행하기 위한 인스트럭션들을 포함할 수 있다.
도 3은 예시적인 표준 이미지 생성을 이용한 아이 얼굴 변환 방법을 나타낸 도면이다.
도 3을 참조하면, 서버, 프로세서, 및/또는 서버의 구성요소는 표준 이미지 생성을 이용한 아이 얼굴 변환 방법을 제공할 수 있다. 이하에서는 설명의 간략화를 위해서 서버를 중심으로 설명한다.
먼저, 서버는 제1 나이 아이 이미지, 제2 나이 엄마 이미지, 및 제2 나이 아빠 이미지로부터 얼굴의 각 영역별 특징점들을 추출하고, 상기 각 영역별 특징점들을 서로 연결한 제어선을 생성할 수 있다(S310).
예를 들어, 제1 나이 아이 이미지는 부모가 서버에 등록한 아이의 이미지일 수 있다. 제1 나이는 아이를 촬영할 당시의 아이의 나이를 의미할 수 있다. 전자 장치는 각 연령별 아이 이미지를 서버에 전송할 수 있고, 서버는 각 연령별 아이 이미지를 저장할 수 있다. 이 때, 제1 나이는 전자 장치 또는 서버에 의해서 특정 연령으로 설정될 수 있다.
제2 나이 엄마 이미지는 부모가 서버에 등록한 엄마의 이미지일 수 있다. 제2 나이 아빠 이미지는 부모가 서버에 등록한 아빠의 이미지일 수 있다. 전자 장치는 각 연령별 엄마 이미지 및/또는 아빠 이미지를 서버로 전송할 수 있고, 서버는 각 연령별 엄마 이미지 및/또는 아빠 이미지를 저장할 수 있다. 이 때, 제2 나이는 전자 장치 또는 서버에 의해서 특정 연령으로 설정될 수 있다.
제2 나이는 전자 장치가 서버에 표준 이미지 생성을 이용한 아이 얼굴 변환을 요청한 시점 또는 년도를 기준으로 예상되는 당시의 아이의 나이와 동일할 수 있다. 예를 들어, 제1 나이가 2015년을 기준으로 5세이면, 제2 나이는 전자 장치가 서버에 표준 이미지 생성을 이용한 아이 얼굴 변환을 요청한 년도인 2020년을 기준으로 10세일 수 있다.
얼굴의 각 영역은 눈, 눈썹, 코, 입, 및 얼굴 외형을 포함할 수 있다. 또한, 특징점은 이미지에서 각 영역을 식별하기 위해서 특징이 되는 지점으로서, 이미지에서 에지점(edge point) 및/또는 코너점(corner point) 등을 포함할 수 있다. 제어선은 각 영역별로 추출된 특징점들을 망 형태로 서로 연결한 선분일 수 있다.
또한, 서버는 상기 제1 나이 아이 이미지와 상기 제2 나이 엄마 이미지 사이의 유사도를 나타내는 제1 유사도 정보 및 상기 제1 나이 아이 이미지와 상기 제2 나이 아빠 이미지 사이의 유사도를 나타내는 제2 유사도 정보를 기초로 상기 제1 나이 아이 이미지가 상기 제2 나이 엄마 이미지 및 상기 제2 나이 아빠 이미지와 영역별로 닮은 비율을 나타내는 영역별 유사도 비율을 결정할 수 있다(S320).
제1 유사도 정보는 제1 나이 아이 이미지와 제2 나이 엄마 이미지 사이에서 결정된 영역별 및/또는 전체 유사도 정보일 수 있다. 제2 유사도 정보는 제1 나이 아이 이미지와 제2 나이 아빠 이미지 사이에서 결정된 영역별 및/또는 전체 유사도 정보일 수 있다. 각 영역별 유사도 정보를 지칭하는 경우, 제1 유사도 정보 및/또는 제2 유사도 정보는 눈, 눈썹, 코, 입, 및/또는 얼굴 외형 등의 부위별로 유사도 정보가 결정될 수 있다. 전체 유사도 정보를 지칭하는 경우, 제1 유사도 정보 및/또는 제2 유사도 정보는 눈, 눈썹, 코, 입, 및/또는 얼굴 외형 등의 부위별로 결정된 유사도 정보들에 가중치를 부여하고, 이를 가공하여 산출된 하나의 유사도 정보일 수 있다.
영역별 유사도 비율은 제1 나이 아이 이미지의 특정 영역이 제2 나이 엄마 이미지의 특정 영역과 판단된 제1 유사도 및 제1 나이 아이 이미지의 특정 영역이 제2 나이 아빠 이미지의 특정 영역과 판단한 제2 유사도의 비율을 나타낼 수 있다. 예를 들어, 눈썹 영역에 대하여 제1 유사도가 60%이고 제2 유사도가 40%이면, 눈썹 영역에 대하여 영역별 유사도 비율은 "6:4"일 수 있다.
또한, 서버는 상기 영역별 유사도 비율을 기초로 상기 제2 나이 엄마 이미지와 상기 제2 나이 아빠 이미지에 모핑 알고리즘을 적용하여 제2 나이 표준 이미지를 생성할 수 있다(S330).
모핑 알고리즘은 두 개의 서로 다른 입력 이미지에 대하여 한 이미지를 다른 이미지로 변환하는 알고리즘을 의미한다. 모핑 알고리즘은 워핑 알고리즘과 합성 알고리즘을 포함할 수 있다. 워핑 알고리즘은 하나의 입력 이미지에 대한 이미지의 형태를 변환하는 알고리즘을 의미한다.
서버는 영역별 유사도 비율을 모핑 알고리즘, 워핑 알고리즘, 및/또는 합성 알고리즘 중에서 적어도 하나에 반영할 수 있다. 또한, 서버는 각 영역별로 모핑 알고리즘을 적용하여 제2 나이 표준 이미지를 생성할 수 있다.
제2 나이 표준 이미지는 제2 나이 엄마 이미지와 제2 나이 아빠 이미지를 이용하여 생성된 이미지로서, 최종 제2 나이 아이 이미지를 생성하기 위한 기준 이미지를 의미한다. 최종 제2 나이 아이 이미지를 생성하기 위해서 제2 나이 표준 이미지를 사용하기 때문에, 서버는 부모의 특성을 반영한 장래의 아이의 이미지를 보다 정확하게 예측할 수 있다.
또한, 서버는 상기 제1 나이 아이 이미지에 에이징 알고리즘을 적용하여 제2 나이 아이 이미지를 생성할 수 있다(S340).
에이징 알고리즘은 제1 나이의 이미지를 기준으로 제1 나이보나 일정 기간 이후인 제2 나이의 이미지를 예측하는 알고리즘이다. 예를 들어, 서버는 연령 변화에 따른 벡터를 추출하고, 이를 이용하여 제1 나이 아이 이미지에 연령 변화를 제공할 수 있다. 제2 나이 아이 이미지는 제1 나이 아이 이미지에 연령 변화가 반영된 아이의 이미지일 수 있다.
또한, 서버는 상기 제2 나이 아이 이미지와 상기 제2 나이 표준 이미지에 모핑 알고리즘을 적용하여 최종 제2 나이 아이 이미지를 생성할 수 있다(S350).
최종 제2 나이 아이 이미지는 에이징 알고리즘에 의해서 연령 변화가 반영된 제2 나이 아이 이미지와 모핑 알고리즘에 의해서 부모의 특성이 반영된 제2 나이 표준 이미지를 기초로 생성된 이미지로서, 실제에 가까운 최종 이미지일 수 있다.
도 4는 예시적인 특징점을 추출하는 방법과 제어선을 생성하는 방법을 나타낸 도면이다.
도 4를 참조하면, 서버는 제1 나이 아이 이미지, 제2 나이 엄마 이미지, 및 제2 나이 아빠 이미지로부터 얼굴의 각 영역별 특징점들을 추출하고, 상기 각 영역별 특징점들을 서로 연결한 제어선을 생성할 수 있다.
먼저, 서버는 제1 나이 아이 이미지, 제2 나이 엄마 이미지, 및 제2 나이 아빠 이미지 각각에 대하여 피부 영역을 추출할 수 있다(S410).
피부 영역은 눈, 눈썹, 코, 입, 및/또는 얼굴 외형을 포함하는 영역을 의미할 수 있다. 또한, 피부 영역은 이미지 내의 다른 영역에 비해서 인종에 따른 특정한 피부색이 다수 분포된 영역을 의미할 수도 있다.
서버는 컬러 모델 변환식을 이용하여 Cb와 Cr의 차이값을 구하고, 이 차이값에 의한 히스토그램 분석을 통하여 통계적인 방법으로 피부 영역의 범위를 결정할 수 있다.
예를 들어, 컬러 모델 변환식은 아래와 같을 수 있다.
Figure 112020048387400-pat00002
또한, Cb와 Cr의 차이값(
Figure 112020048387400-pat00003
)은 아래와 같을 수 있다.
Figure 112020048387400-pat00004
또한, 피부 영역에 해당되는 지점은 아래의 식을 이용하여 구해질 수 있다.
Figure 112020048387400-pat00005
Figure 112020048387400-pat00006
Figure 112020048387400-pat00007
여기서,
Figure 112020048387400-pat00008
는
Figure 112020048387400-pat00009
>0.1인 최소
Figure 112020048387400-pat00010
값이고,
Figure 112020048387400-pat00011
는
Figure 112020048387400-pat00012
>0.4인 최소
Figure 112020048387400-pat00013
값일 수 있다.
서버는 전술한 바와 같이 정규화된 히스토그램 누적 분포함수를 이용하여 피부 영역을 판별할 수 있다. 서버는 피부 영역은 "1"로, 이외의 영역은 "0"으로 이진화 할 수 있다.
그리고 나서, 서버는 객체의 외곽선을 부드럽게 만들어 주며 가늘게 돌출한 부위를 제거하기 위해 침식(Erosion)과 팽창(Dilation) 연산으로 이루어진 오프닝(Opening) 모폴로지 연산을 수행할 수 있다. 또한, 서버는 수직 및 수평 투영을 통해서 추출된 피부 영역을 생성할 수 있다.
또한, 서버는 미리 설정된 좌우 눈에 대한 템플릿을 이용하여 상기 피부 영역 내에서 눈 후보 영역을 추출할 수 있다(S420).
서버는 추출된 피부 영역에 대하여 YCbCr 컬러 변환을 수행하고, Y채널에 대해 윤곽선 검출을 위한 소벨 마스크를 적용하여 임시 눈 후보 영역을 추출할 수 있다. 그리고 나서, 서버는 미리 설정된 좌우 눈에 대한 템플릿과 추출된 임시 눈 후보 영역을 이용하여 최종적인 눈 후보 영역을 추출할 수 있다.
또한, 서버는 상기 눈 후보 영역을 기초로 상기 피부 영역 내에서 눈, 눈썹, 코, 입술, 얼굴 외형을 포함하는 영역에 대하여 영역별로 특징점들을 추출할 수 있다(S430).
서버는 좌우 눈 후보 영역의 Y 채널에서 눈 후보 영역에 대해 평균값으로 이진화 처리를 하여 픽셀 값 '0'이 가장 많이 몰려 있는 동공의 중심을 찾을 수 있다. 그리고 나서 서버는 동공 중심 주변 픽셀에 대해 Y 채널에서 다시 평균값을 구하여 이 값을 기준으로 이진화 하여 각 눈 영역의 상하 좌우 특징점을 찾고 눈 영역을 세로 방향으로 등분하여 눈의 나머지 특징점을 찾을 수 있다.
그리고 나서 서버는 좌우 동공의 중심점 사이의 간격과 얼굴의 형태적, 기하학적 비율에 따라 눈썹, 코, 및 입의 후보 영역을 설정할 수 있고, 이 후보 영역 내에서 각각의 특징점을 추출할 수 있다. 또한, 서버는 얼굴의 눈, 입, 코, 및 눈썹의 특징을 포함하는 영역을 제거한 후에 앞서 추출된 눈, 코, 입 위치정보를 이용하여 추출하고자 하는 각 특징점에 대해 방사형으로 픽셀 분포도에서 픽셀의 그래디언트 절대값의 분포와 얼굴의 눈, 코, 입 비율 정보를 이용하여 얼굴 외형의 특징점들을 추출할 수 있다.
또한, 서버는 각 영역별로 상기 특징점들을 연결하여 제어선을 생성할 수 있다(S440).
서버는 각 영역별로 제어선을 생성할 수 있다. 따라서 눈과 관련된 특징점들을 모두 연결하여 대략적인 눈 모양의 제어선을 생성할 수 있고, 눈썹과 관련된 특징점들을 모두 연결하여 대략적인 눈썹 모양의 제어선을 생성할 수 있고, 코와 관련된 특징점들을 모두 연결하여 대략적인 코 모양의 제어선을 생성할 수 있고, 입과 관련된 특징점들을 모두 연결하여 대략적인 입 모양의 제어선을 생성할 수 있고, 얼굴 외형과 관련된 특징점들을 모두 연결하여 대략적인 얼굴 외형 모양의 제어선을 생성할 수 있다.
도 5는 예시적인 특징점이 추출된 이미지 및 제어선이 생성된 이미지를 나타낸 도면이다.
도 5를 참조하면, 제1 나이 아이 이미지(510), 제2 나이 아빠 이미지(520), 및 제2 나이 엄마 이미지(530)가 나타나 있다. 또한, 각각의 이미지에 표현된 특징점(521)들이 나타나 있고, 각 특징점들을 서로 연결한 제어선(522)이 나타나 있다.
도 6은 예시적인 영역별 유사도 비율을 결정하는 방법을 나타내는 도면이다.
도 6을 참조하면, 서버는 상기 제1 나이 아이 이미지와 상기 제2 나이 엄마 이미지 사이의 유사도를 나타내는 제1 유사도 정보 및 상기 제1 나이 아이 이미지와 상기 제2 나이 아빠 이미지 사이의 유사도를 나타내는 제2 유사도 정보를 기초로 상기 제1 나이 아이 이미지가 상기 제2 나이 엄마 이미지 및 상기 제2 나이 아빠 이미지와 영역별로 닮은 비율을 나타내는 영역별 유사도 비율을 결정할 수 있다.
먼저, 서버는 상기 눈, 눈썹, 코, 입술, 얼굴 외형을 포함하는 영역에서 어느 하나의 영역을 선택할 수 있다(S610). 또한, 서버는 상기 선택된 영역에 대응되며 상기 제1 나이 아이 이미지의 각 영역과 상기 제2 나이 엄마 이미지 또는 상기 제2 나이 아빠 이미지의 각 영역 사이의 유사도를 판단하기 위한 영역별 유사도 판단 기준을 획득할 수 있다(S620). 또한, 서버는 상기 영역별 유사도 판단 기준을 기초로 상기 제1 나이 아이 이미지의 각 영역과 상기 제2 나이 엄마 이미지 또는 상기 제2 나이 아빠 이미지의 각 영역 사이의 상기 영역별 유사도 비율을 결정할 수 있다(S630).
도 7은 예시적인 영역별 유사도 비율을 결정하기 위한 유사도 판단 기준을 나타내는 도면이다.
도 7을 참조하면, 유사도 판단 기준이 나타나 있다. 예를 들어, 유사도 판단 기준은 양 눈썹 사이의 거리, 눈썹 길이, 눈썹 면적을 포함하는 눈썹 기준 정보를 포함할 수 있다. 영역별 유사도 판단 기준은 양 눈 사이의 거리, 눈 길이, 눈 높이, 눈 면적을 포함하는 눈 기준 정보를 포함할 수 있다. 영역별 유사도 판단 기준은 코 길이, 코 높이, 코 면적을 포함하는 코 기준 정보, 입 길이, 입 높이, 입 면적을 포함하는 입 기준 정보를 포함할 수 있다. 영역별 유사도 판단 기준은 얼굴 길이, 얼굴 높이, 얼굴 외형 면적을 포함하는 얼굴 외형 기준 정보를 포함할 수 있다.
예를 들어, 서버가 눈썹 영역에 대하여 영역별 유사도 비율을 결정하는 방법을 설명한다. 제1 나이 아이 이미지, 제2 나이 엄마 이미지, 및 제2 나이 아빠 이미지에 포함된 눈썹 영역에 대하여, 서버는 눈썹 영역의 유사도 판단 기준을 구성하는 각 항목값을 생성할 수 있다. 그리고 나서 서버는 각 항목값에 각각의 가중치를 곱한 값들의 합을 나타내는 합계값을 구할 수 있다. 그리고 나서 서버는 제1 아이 이미지에 대한 아이 합계값과 제2 나이 엄마 이미지에 대한 엄마 합계값의 유사도를 나타내는 제1 유사도 정보를 생성할 수 있다. 또한, 그리고 나서 서버는 제1 아이 이미지에 대한 아이 합계값과 제2 나이 아빠 이미지에 대한 아빠 합계값의 유사도를 나타내는 제2 유사도 정보를 생성할 수 있다.
예를 들어, 아이 합계값인 S(아이), 엄마 합계값인 S(엄마), 아빠 합계값인 S(아빠)는 아래와 같이 구할 수 있다. 여기서, a1, a2, 및 a3는 가중치를 의미할 수 있다.
Figure 112020048387400-pat00014
Figure 112020048387400-pat00015
Figure 112020048387400-pat00016
또한, 제1 유사도 정보 및 제2 유사도 정보는 아래와 같이 구할 수 있다.
Figure 112020048387400-pat00017
Figure 112020048387400-pat00018
예를 들어, 제1 유사도 정보가 '0.52'이고, 제2 유사도 정보가 '0.47'이면, 서버는 눈썹에 대한 영역별 유사도 비율을 '0.52:0.47'로 결정할 수 있다.
다만, 전술한 서버가 제1 유사도 정보, 제2 유사도 정보, 영역별 유사도 비율을 구하는 방법은 하나의 실시예에 불과하고, 서버는 다른 방법에 의해서 제1 유사도 정보, 제2 유사도 정보, 영역별 유사도 비율을 구할 수 있다.
도 8은 예시적인 모핑 알고리즘을 적용하여 제2 나이 표준 이미지를 생성하는 방법을 나타내는 도면이다.
도 8을 참조하면, 서버는 상기 영역별 유사도 비율을 기초로 상기 제2 나이 엄마 이미지와 상기 제2 나이 아빠 이미지에 모핑 알고리즘을 적용하여 제2 나이 표준 이미지를 생성할 수 있다.
먼저, 서버는 상기 제2 나이 엄마 이미지의 각 영역을 형성하는 엄마 소스 제어선과 상기 제2 나이 아빠 이미지의 각 영역을 형성하는 아빠 소스 제어선을 기초로 상기 제2 나이 엄마 이미지의 각 영역과 상기 제2 나이 아빠 이미지의 각 영역의 평균적인 영역을 형성하는 부모 목표 제어선을 생성할 수 있다(S810).
엄마 소스 제어선은 제2 나이 엄마 이미지의 각 영역에서 추출된 특징점들을 서로 연결한 제어선을 포함할 수 있다. 아빠 소스 제어선은 제2 나이 아빠 이미지의 각 영역에서 추출된 특징점들을 서로 연결한 제어선을 포함할 수 있다.
서버는 제2 나이 엄마 이미지의 각 영역에서 추출된 특징점들의 좌표들과 이들에 대응되는 제2 나이 아빠 이미지의 각 영역에서 추출된 특징점들의 좌표들에 대하여 각각 평균 좌표값을 가지는 평균 특징점들을 구할 수 있다. 그리고 나서 서버는 평균 특징점들을 서로 연결하여 부모 목표 제어선을 생성할 수 있다.
제2 나이 엄마 이미지와 제2 나이 아빠 이미지를 합성하기 위해서는 제2 나이 엄마 이미지의 각 영역별 화소와 그에 대응되는 제2 나이 아빠 이미지의 각 영역별 화소들을 이미지 상에서 서로 동일한 위치로 이동시킬 필요가 있다. 이를 위해서, 부모 목표 제어선은 서로 대응되는 각 화소들을 이동시키기 위한 기준이 될 수 있다.
또한, 서버는 상기 엄마 소스 제어선과 상기 부모 목표 제어선을 기초로 상기 제2 나이 엄마 이미지를 워핑하기 위한 엄마 목표 제어점을 생성하고, 상기 아빠 소스 제어선과 상기 부모 목표 제어선을 기초로 상기 제2 나이 아빠 이미지를 워핑하기 위한 아빠 목표 제어점을 생성할 수 있다(S820).
워핑이란 하나의 입력 이미지에 대한 이미지의 형태 변환을 의미할 수 있다. 엄마 소스 제어점은 제2 나이 엄마 이미지를 가로 및 세로 방향으로 일정한 간격으로 나눈 적어도 하나의 픽셀 집합으로서 워핑되는 단위의 중심 위치를 의미할 수 있다. 아빠 소스 제어점은 제2 나이 아빠 이미지를 가로 및 세로 방향으로 일정한 간격으로 나눈 적어도 하나의 픽셀 집합으로서 워핑되는 단위의 중심 위치를 의미할 수 있다. 제2 나이 표준 이미지는 제2 나이 엄마 이미지 및 제2 나이 아빠 이미지의 화소들이 워핑되어서 생성된 이미지를 의미할 수 있다. 엄마 목표 제어점은 제2 나이 엄마 이미지에 존재하는 엄마 소스 제어점이 제2 나이 표준 이미지로 워핑되었을 때 위치를 의미할 수 있다. 아빠 목표 제어점은 제2 나이 아빠 이미지에 존재하는 아빠 소스 제어점이 제2 나이 표준 이미지로 워핑되었을 때 위치를 의미할 수 있다.
예를 들어, 서버는 상기 제2 나이 엄마 이미지 또는 제2 나이 아빠 이미지에 존재하는 어느 하나의 엄마 소스 제어점 또는 아빠 소스 제어점에 대하여, 서로 인접하는 제1 소스 특징점과 제2 소스 특징점을 연결하는 소스 제어선(예를 들어, 엄마 소스 제어선, 아빠 소스 제어선)과 상기 어느 하나의 엄마 소스 제어점 또는 아빠 소스 제어점 사이의 거리를 지시하는 제1 거리 정보를 생성할 수 있다.
또한, 서버는 상기 제1 소스 특징점으로부터 상기 어느 하나의 엄마 소스 제어점 또는 아빠 소스 제어점이 상기 소스 제어선에 수직으로 투영된 지점까지의 거리를 나타내는 제2 거리정보를 생성할 수 있다.
그리고 나서, 서버는 상기 제2 나이 표준 이미지에 존재하며 상기 제1 소스 특징점과 상기 제2 소스 특징점에 대응되는 제1 목표 특징점과 제2 목표 특징점에 상기 제1 거리 정보 및 상기 제2 거리 정보를 반영하여 엄마 목표 제어점 및 아빠 목표 제어점을 생성할 수 있다.
실시예에 따라서, 엄마 목표 제어점 및/또는 아빠 목표 제어점은 제2 나이 엄마 이미지 및/또는 제2 나이 아빠 이미지에 존재하는 적어도 하나의 제1 소스 특징점과 적어도 하나의 제2 소스 특징점을 연결하는 적어도 하나의 소스 제어선(예를 들어, 엄마 소스 제어선, 아빠 소스 제어선)을 기초로 생성될 수 있다. 또한, 실시예에 따라서, 엄마 목표 제어점 및/또는 아빠 목표 제어점은 제2 나이 표준 이미지에 존재하는 적어도 하나의 제1 목표 특징점과 적어도 하나의 제2 목표 특징점을 연결하는 적어도 하나의 부모 목표 제어선을 기초로 생성될 수 있다.
또한, 서버는 상기 엄마 목표 제어점을 이용하여 상기 제2 나이 엄마 이미지를 임시 엄마 이미지로 워핑하고, 상기 아빠 목표 제어점을 이용하여 상기 제2 나이 아빠 이미지를 임시 아빠 이미지로 워핑할 수 있다(S830).
임시 엄마 이미지는 제2 나이 엄마 이미지가 워핑된 이미지이며, 임시 아빠 이미지는 제2 나이 아빠 이미지가 워핑된 이미지이다. 임시 엄마 이미지 및 임시 아빠 이미지의 워핑된 각 영역들은 합성을 위하여 동일한 위치에 배치될 수 있다. 예를 들어, 임시 엄마 이미지에서의 눈 영역과 임시 아빠 이미지에서의 눈 영역은 동일한 위치에 배치될 수 있다.
또한, 서버는 상기 임시 엄마 이미지에 포함되는 각 영역과 및 상기 임시 아빠 이미지에 포함되는 각 영역을 각 영역에 대응되는 상기 영역별 유사도 비율로 합성하여 제2 나이 표준 이미지를 생성할 수 있다(S840).
서버는 임시 엄마 이미지 및 임시 아빠 이미지에 교차 디졸브 효과를 적용하여 두 이미지를 합성할 수 있다. 예를 들어, 서버는 임시 엄마 이미지 및 임시 아빠 이미지 중에서 하나의 이미지는 서서히 사라지고 나머지 하나의 이미지는 서서히 나타나는 방식으로 두 이미지를 합성할 수 있다.
서버는 상기 제2 나이 표준 이미지 내의 각 영역의 크기, 거리, 길이, 모양, 면적, 및/또는 색상 등을 생성하기 위해서 임시 엄마 이미지 내의 각 영역의 크기, 거리, 길이, 모양, 면적, 및/또는 색상 및 임시 아빠 이미지 내의 각 영역의 크기, 거리, 길이, 모양, 면적, 및/또는 색상 등을 상기 영역별 유사도 비율로 반영하여 합성할 수 있다. 서버는 상기 제2 나이 표준 이미지 내의 각 영역의 크기, 거리, 길이, 모양, 면적, 및/또는 색상 등을 생성하기 위해서 제2 나이 엄마 이미지 내의 각 영역의 크기, 거리, 길이, 모양, 면적, 및/또는 색상 및 제2 나이 아빠 이미지 내의 각 영역의 크기, 거리, 길이, 모양, 면적, 및/또는 색상 등을 상기 영역별 유사도 비율로 반영하여 합성할 수 있다.
또한, 서버는 제2 나이 표준 이미지의 각 영역들의 크기, 거리, 길이, 모양, 면적, 및/또는 색상 등을 아래와 같은 수학식을 적용하여 각 영역별 유사도 비율로 변형할 수 있다. 이하에서는 영역별 크기만을 예로 들지만, 거리, 길이, 모양, 면적, 및/또는 색상에도 적용될 수 있다.
Figure 112021094058823-pat00036
여기서, 아빠 영역별 크기가 엄마 영역별 크기보다 큰 경우를 전제로 한다.
Figure 112021094058823-pat00037
여기서, 엄마 영역별 크기가 아빠 영역별 크기보다 큰 경우를 전제로 한다.
또한 영역별 크기는 제2 나이 표준 이미지의 각 영역들의 크기, 거리, 길이, 모양, 면적, 및/또는 색상 중에서 어느 하나로 대체될 수 있다. 엄마 영역별 크기 및/또는 아빠 영역별 크기는 제2 나이 엄마 이미지 및/또는 제2 나이 아빠 이미지(또는 임시 엄마 이미지 및/또는 임시 아빠 이미지)에서 각 영역들의 크기, 거리, 길이, 모양, 면적, 및/또는 색상 중에서 어느 하나로 대체될 수 있다.
예를 들어, 눈썹에 대한 제1 유사도 정보가 '0.52'이고, 제2 유사도 정보가 '0.47'이면, 서버는 눈썹에 대한 영역별 유사도 비율을 '0.52:0.47'로 결정할 수 있다. 또한, 제2 나이 엄마 이미지에서 엄마의 눈썹 면적이 5(cm2) 이고, 제2 나이 아빠 이미지 내에서 아빠의 눈썹 면적이 5.5(cm2)이면, 제2 나이 표준 이미지의 눈썹의 면적은 5.23(cm2)로 결정될 수 있다.
도 9는 예시적인 모핑 알고리즘을 적용하여 생성한 엄마 목표 제어점 및 아빠 목표 제어점 나타내는 도면이다.
도 9를 참조하면, 제2 나이 엄마 이미지 또는 제2 나이 아빠 이미지(910)에서의 엄마 소스 제어점 또는 아빠 소스 제어점(X)과 임시 엄마 이미지 또는 임시 아빠 이미지(920)에서의 엄마 목표 제어점 및/또는 아빠 목표 제어점(X')이 나타나 있다. 이하에서는 제2 나이 아빠 이미지(910), 임시 아빠 이미지(920), 아빠 소스 제어점(X), 및 아빠 목표 제어점(X')을 중심으로 설명한다.
서버는 제2 나이 아빠 이미지(910)에서 제1 소스 특징점(P1)과 제2 소스 특징점(Q1)을 연결하는 제1 아빠 소스 제어선(912)과 상기 어느 하나의 아빠 소스 제어점(X) 사이의 거리를 지시하는 제1 거리 정보(v1)를 생성할 수 있다. 또한, 서버는 상기 제1 소스 특징점(P1)으로부터 상기 어느 하나의 아빠 소스 제어점(X)이 상기 제1 아빠 소스 제어선(912)에 수직으로 투영된 지점까지의 거리를 나타내는 제2 거리정보(u1)를 생성할 수 있다.
또한, 서버는 제2 나이 아빠 이미지(910)에서 제1 소스 특징점(P2)과 제2 소스 특징점(Q2)을 연결하는 제1 아빠 소스 제어선(914)과 상기 어느 하나의 아빠 소스 제어점(X) 사이의 거리를 지시하는 제1 거리 정보(v2)를 생성할 수 있다. 또한, 서버는 상기 제1 소스 특징점(P2)으로부터 상기 어느 하나의 아빠 소스 제어점(X)이 상기 제1 아빠 소스 제어선(914)에 수직으로 투영된 지점까지의 거리를 나타내는 제2 거리정보(u2)를 생성할 수 있다.
서버는 임시 아빠 이미지(920)에서 제1 목표 특징점(P1')과 제2 목표 특징점(Q1')을 연결하는 제1 부모 목표 제어선(922)에 제1 거리 정보(v1) 및 제2 거리 정보(u1)을 대입하여 제1 후보 아빠 목표 제어점(X1')을 생성할 수 있다. 또한, 서버는 제2 나이 표준 이미지(920)에서 제1 목표 특징점(P2')과 제2 목표 특징점(Q2')을 연결하는 제2 부모 목표 제어선(924)에 제1 거리 정보(v2) 및 제2 거리 정보(u2)을 대입하여 제2 후보 아빠 목표 제어점(X2')을 생성할 수 있다.
그리고 나서 서버는 제1 후보 아빠 목표 제어점(X1') 및 제2 후보 아빠 목표 제어점(X2')을 기초로 아빠 목표 제어점(X')을 생성할 수 있다. 예를 들어, 아빠 목표 제어점(X')은 제1 후보 아빠 목표 제어점(X1') 및 제2 후보 아빠 목표 제어점(X2')의 평균값을 나타내는 위치일 수도 있고, 가중치가 부여된 제1 후보 아빠 목표 제어점(X1') 및 가중치가 부여된 제2 후보 아빠 목표 제어점(X2')의 평균값을 나타내는 위치일 수 있다. 또한, 아빠 목표 제어점(X')은 제1 후보 아빠 목표 제어점(X1') 및 제2 후보 아빠 목표 제어점(X2')에 다른 연산을 적용하여 산출된 위치일 수도 있다.
도 10은 예시적인 모핑 알고리즘을 적용하여 생성한 제2 나이 표준 이미지를 나타낸 도면이다.
도 10을 참조하면, 제2 나이 아빠 이미지(1010), 제2 나이 엄마 이미지(1020), 부모 목표 제어선(1030), 임시 아빠 이미지(1040), 임시 엄마 이미지(1050), 및 제2 나이 표준 이미지(1060)가 나타나 있다.
서버는 제2 나이 아빠 이미지(1010) 및 제2 나이 엄마 이미지(1020)로부터 각각 영역별로 특징점들을 추출하고, 영역별로 각 특징점들을 서로 연결하여 아빠 소스 제어선 및 엄마 소스 제어선을 생성할 수 있다. 그리고 서버는 제2 나이 엄마 이미지(1020)의 각 영역을 형성하는 엄마 소스 제어선과 제2 나이 아빠 이미지(1010)의 각 영역을 형성하는 아빠 소스 제어선을 기초로 제2 나이 엄마 이미지(1010)의 각 영역과 제2 나이 아빠 이미지(1020)의 각 영역의 평균적인 영역을 형성하는 부모 목표 제어선(1030)을 생성할 수 있다.
그리고 나서, 서버는 부모 목표 제어선을 이용하여 제2 나이 엄마 이미지를 임시 엄마 이미지(1050)로 워핑하고, 부모 목표 제어선을 이용하여 제2 나이 아빠 이미지를 임시 아빠 이미지(1040)로 워핑할 수 있다. 서버는 임시 엄마 이미지(1050)에 포함되는 각 영역과 및 임시 아빠 이미지(1040)에 포함되는 각 영역을 각 영역에 대응되는 영역별 유사도 비율로 합성하여 제2 나이 표준 이미지(1060)를 생성할 수 있다.
도 11은 예시적인 에이징 알고리즘을 적용하여 제2 나이 아이 이미지를 생성하는 방법을 나타낸 도면이다.
도 11을 참조하면, 서버는 에이징 알고리즘을 적용하여 제2 나이 아이 이미지를 생성할 수 있다.
먼저 서버는 상기 제1 나이 아이 이미지와 각 연령대 별로 얼굴을 표현하는 이미지를 매칭하여 각 연령대 별로 평균 얼굴 벡터들을 생성할 수 있다(S1110). 평균 얼굴 벡터는 각 화소들에 대한 크기 정보 및 방향 정보를 포함할 수 있다. 서버는 상기 제1 나이 아이 이미지와 각 연령대 별로 얼굴을 표현하는 이미지를 매칭하여 대응되는 화소들에 대한 위치가 변화된 방향 및 크기 등에 대한 정보를 추출하고, 각 연령대 별로 평균적인 벡터 정보를 포함하는 평균 얼굴 벡터들을 생성할 수 있다.
또한, 서버는 상기 평균 얼굴 벡터들 중에서 제1 나이에 대응되는 제1 나이 평균 얼굴 벡터와 제2 나이에 대응되는 제2 나이 평균 얼굴 벡터의 차이를 나타내는 차 벡터를 생성할 수 있다(S1120). 또한, 서버는 상기 제1 나이 아이 이미지에 상기 차 벡터를 적용하여 제2 나이 아이 이미지를 생성할 수 있다(S1130).
도 12는 예시적인 모핑 알고리즘을 적용하여 최종 제2 나이 아이 이미지를 생성하는 방법을 나타낸 도면이다.
도 12를 참조하면, 서버는 모핑 알고리즘을 적용하여 최종 제2 나이 아이 이미지를 생성할 수 있다. 서버는 전술한 제2 나이 표준 이미지를 생성하는 방법과 동일 및/또는 유사한 방법으로 최종 제2 나이 아이 이미지를 생성할 수 있다.
먼저, 서버는 상기 제2 나이 아이 이미지의 각 영역을 형성하는 아이 소스 제어선과 상기 제2 나이 표준 이미지의 각 영역을 형성하는 표준 소스 제어선을 기초로 상기 제2 나이 아이 이미지의 각 영역과 상기 제2 나이 표준 이미지의 각 영역의 평균적인 영역을 형성하는 표준 목표 제어선을 생성할 수 있다(S1210). 서버는 전술한 엄마 소스 제어선과 아빠 소스 제어선을 기초로 부모 목표 제어선을 생성한 방법과 동일 및/또는 유사한 방법으로 아이 소스 제어선과 표준 소스 제어선을 기초로 표준 목표 제어선을 생성할 수 있다.
서버는 상기 아이 소스 제어선과 상기 표준 목표 제어선을 기초로 상기 제2 나이 아이 이미지를 워핑하기 위한 아이 목표 제어점을 생성하고, 상기 표준 소스 제어선과 상기 표준 목표 제어선을 기초로 상기 제2 나이 표준 이미지를 워핑하기 위한 표준 목표 제어점을 생성할 수 있다(S1220). 서버는 전술한 엄마 소스 제어선과 부모 목표 제어선을 기초로 엄마 목표 제어점을 생성한 방법과 동일 및/또는 유사한 방법으로 아이 소스 제어선과 표준 목표 제어선을 기초로 아이 목표 제어점을 생성할 수 있다. 또한, 서버는 전술한 아빠 소스 제어선과 부모 목표 제어선을 기초로 아빠 목표 제어점을 생성한 방법과 동일 및/또는 유사한 방법으로 표준 소스 제어선과 표준 목표 제어선을 기초로 표준 목표 제어점을 생성할 수 있다.
서버는 상기 아이 목표 제어점을 이용하여 상기 제2 나이 아이 이미지를 임시 아이 이미지로 워핑하고, 상기 표준 목표 제어점을 이용하여 상기 제2 나이 표준 이미지를 임시 표준 이미지로 워핑할 수 있다(S1230). 서버는 엄마 목표 제어점을 이용하여 제2 나이 엄마 이미지를 임시 엄마 이미지로 워핑하는 방법과 동일 및/또는 유사한 방법으로 상기 아이 목표 제어점을 이용하여 상기 제2 나이 아이 이미지를 임시 아이 이미지로 워핑할 수 있다. 또한, 서버는 상기 아빠 목표 제어점을 이용하여 상기 제2 나이 아빠 이미지를 임시 아빠 이미지로 워핑하는 방법과 동일 및/또는 유사한 방법으로 상기 표준 목표 제어점을 이용하여 상기 제2 나이 표준 이미지를 임시 표준 이미지로 워핑할 수 있다.
서버는 상기 임시 아이 이미지에 포함되는 각 영역과 및 상기 임시 표준 이미지에 포함되는 각 영역을 각 영역에 대응되는 상기 영역별 유사도의 비율로 합성하여 최종 제2 나이 아이 이미지를 생성할 수 있다(S1240). 서버는 상기 임시 엄마 이미지에 포함되는 각 영역과 및 상기 임시 아빠 이미지에 포함되는 각 영역을 각 영역에 대응되는 상기 영역별 유사도 비율로 합성하여 제2 나이 표준 이미지를 생성하는 방법과 동일 및/또는 유사한 방법으로 상기 임시 아이 이미지에 포함되는 각 영역과 및 상기 임시 표준 이미지에 포함되는 각 영역을 각 영역에 대응되는 상기 영역별 유사도의 비율로 합성하여 최종 제2 나이 아이 이미지를 생성할 수 있다.
도 13은 예시적인 모핑 알고리즘을 적용하여 생성한 최종 제2 나이 아이 이미지를 나타낸 도면이다.
도면을 참조하면, 제2 나이 표준 이미지(1310), 제2 나이 아이 이미지(1320), 및 최종 제2 나이 아이 이미지(1330)이 나타나 있다.
서버는 제2 나이 엄마 이미지 및 제2 나이 아빠 이미지에 모핑 알고리즘을 적용하여 제2 나이 표준 이미지(1310)를 생성할 수 있다. 그리고, 서버는 제1 나이 아이 이미지에 에이징 알고리즘을 적용하여 제2 나이 아이 이미지(1320)를 생성할 수 있다. 그리고 나서, 서버는 제2 나이 표준 이미지(1310) 및 제2 나이 아이 이미지(1320)에 다시한번 모핑 알고리즘을 적용하여 최종 제2 나이 아이 이미지(1330)를 생성할 수 있다.
서버가 최종 제2 나이 아이 이미지(1330)를 생성 시 부모의 이미지를 활용하므로 더욱 정확한 아이의 장래 이미지를 예측할 수 있다.
본 명세서에 개시된 기술은 하드웨어와 결합되어 전술한 표준 이미지 생성을 이용한 아이 얼굴 변환 방법을 실행시키기 위하여 매체에 저장된 컴퓨터 프로그램을 포함할 수 있다.
본 개시에 따른 전자 장치 및/또는 서버의 전술한 구성요소들 각각은 하나 또는 그 이상의 부품(component)으로 구성될 수 있으며, 해당 구성 요소의 명칭은 전자 장치 및/또는 서버의 종류에 따라서 달라질 수 있다. 본 개시에 따른 전자 장치 및/또는 서버는 전술한 구성요소 중 적어도 하나를 포함하여 구성될 수 있으며, 일부 구성요소가 생략되거나 또는 추가적인 다른 구성요소를 더 포함할 수 있다. 또한, 본 개시에 따른 전자 장치 및/또는 서버의 구성 요소들 중 일부가 결합되어 하나의 개체(entity)로 구성됨으로써, 결합되기 이전의 해당 구성 요소들의 기능을 동일하게 수행할 수 있다.
본 발명의 범위는 본 명세서에 개시된 실시 예들로 한정되지 아니하고, 본 발명은 본 발명의 사상 및 특허청구범위에 기재된 범주 내에서 다양한 형태로 수정, 변경, 또는 개선될 수 있다.
10 : 전자 시스템 100 : 서버
110 : 입력부 120 : 출력부
130 : 메모리 140 : 통신부
150 : 프로세서 200 : 전자 장치
300: 네트워크

Claims (10)

  1. 서버에 의해서 동작하는 표준 이미지 생성을 이용한 아이 얼굴 변환 방법으로서,
    제1 나이 아이 이미지, 제2 나이 엄마 이미지, 및 제2 나이 아빠 이미지로부터 얼굴의 각 영역별 특징점들을 추출하고, 상기 각 영역별 특징점들을 서로 연결한 제어선을 생성하는 단계;
    상기 제1 나이 아이 이미지와 상기 제2 나이 엄마 이미지 사이의 유사도를 나타내는 제1 유사도 정보 및 상기 제1 나이 아이 이미지와 상기 제2 나이 아빠 이미지 사이의 유사도를 나타내는 제2 유사도 정보를 기초로 상기 제1 나이 아이 이미지가 상기 제2 나이 엄마 이미지 및 상기 제2 나이 아빠 이미지와 영역별로 닮은 비율을 나타내는 영역별 유사도 비율을 결정하는 단계;
    상기 영역별 유사도 비율을 기초로 상기 제2 나이 엄마 이미지와 상기 제2 나이 아빠 이미지에 모핑 알고리즘을 적용하여 제2 나이 표준 이미지를 생성하는 단계;
    상기 제1 나이 아이 이미지에 에이징 알고리즘을 적용하여 제2 나이 아이 이미지를 생성하는 단계; 및
    상기 제2 나이 아이 이미지와 상기 제2 나이 표준 이미지에 모핑 알고리즘을 적용하여 최종 제2 나이 아이 이미지를 생성하는 단계를
    포함하는 표준 이미지 생성을 이용한 아이 얼굴 변환 방법.
  2. 제1항에 있어서,
    상기 각 영역별 특징점들을 서로 연결한 제어선을 생성하는 단계는,
    제1 나이 아이 이미지, 제2 나이 엄마 이미지, 및 제2 나이 아빠 이미지 각각에 대하여 피부 영역을 추출하는 단계;
    미리 설정된 좌우 눈에 대한 템플릿을 이용하여 상기 피부 영역 내에서 눈 후보 영역을 추출하는 단계;
    상기 눈 후보 영역을 기초로 상기 피부 영역 내에서 눈, 눈썹, 코, 입술, 얼굴 외형을 포함하는 영역에 대하여 영역별로 특징점들을 추출하는 단계; 및
    각 영역별로 상기 특징점들을 연결하여 제어선을 생성하는 단계를
    포함하는 표준 이미지 생성을 이용한 아이 얼굴 변환 방법.
  3. 제1항에 있어서,
    상기 영역별 유사도 비율을 결정하는 단계는,
    눈, 눈썹, 코, 입술, 얼굴 외형을 포함하는 영역에서 어느 하나의 영역을 선택하는 단계;
    상기 선택된 영역에 대응되며 상기 제1 나이 아이 이미지의 각 영역과 상기 제2 나이 엄마 이미지 또는 상기 제2 나이 아빠 이미지의 각 영역 사이의 유사도를 판단하기 위한 영역별 유사도 판단 기준을 획득하는 단계; 및
    상기 영역별 유사도 판단 기준을 기초로 상기 제1 나이 아이 이미지의 각 영역과 상기 제2 나이 엄마 이미지 또는 상기 제2 나이 아빠 이미지의 각 영역 사이의 상기 영역별 유사도 비율을 결정하는 단계를
    포함하는 표준 이미지 생성을 이용한 아이 얼굴 변환 방법.
  4. 제3항에 있어서,
    상기 영역별 유사도 판단 기준은,
    양 눈썹 사이의 거리, 눈썹 길이, 눈썹 면적을 포함하는 눈썹 기준 정보,
    양 눈 사이의 거리, 눈 길이, 눈 높이, 눈 면적을 포함하는 눈 기준 정보,
    코 길이, 코 높이, 코 면적을 포함하는 코 기준 정보, 입 길이, 입 높이, 입 면적을 포함하는 입 기준 정보, 및
    얼굴 길이, 얼굴 높이, 얼굴 외형 면적을 포함하는 얼굴 외형 기준 정보를 포함하는 표준 이미지 생성을 이용한 아이 얼굴 변환 방법.
  5. 제1항에 있어서,
    상기 모핑 알고리즘을 적용하여 제2 나이 표준 이미지를 생성하는 단계는,
    상기 제2 나이 엄마 이미지의 각 영역을 형성하는 엄마 소스 제어선과 상기 제2 나이 아빠 이미지의 각 영역을 형성하는 아빠 소스 제어선을 기초로 상기 제2 나이 엄마 이미지의 각 영역과 상기 제2 나이 아빠 이미지의 각 영역의 평균적인 영역을 형성하는 부모 목표 제어선을 생성하는 단계;
    상기 엄마 소스 제어선과 상기 부모 목표 제어선을 기초로 상기 제2 나이 엄마 이미지를 워핑하기 위한 엄마 목표 제어점을 생성하고, 상기 아빠 소스 제어선과 상기 부모 목표 제어선을 기초로 상기 제2 나이 아빠 이미지를 워핑하기 위한 아빠 목표 제어점을 생성하는 단계;
    상기 엄마 목표 제어점을 이용하여 상기 제2 나이 엄마 이미지를 임시 엄마 이미지로 워핑하고, 상기 아빠 목표 제어점을 이용하여 상기 제2 나이 아빠 이미지를 임시 아빠 이미지로 워핑하는 단계; 및
    상기 임시 엄마 이미지에 포함되는 각 영역과 및 상기 임시 아빠 이미지에 포함되는 각 영역을 각 영역에 대응되는 상기 영역별 유사도 비율로 합성하여 제2 나이 표준 이미지를 생성하는 단계를
    포함하는 표준 이미지 생성을 이용한 아이 얼굴 변환 방법.
  6. 제5항에 있어서,
    상기 엄마 목표 제어점 및 아빠 목표 제어점을 생성하는 단계는,
    상기 제2 나이 엄마 이미지 또는 제2 나이 아빠 이미지에 존재하는 어느 하나의 엄마 소스 제어점 또는 아빠 소스 제어점에 대하여, 서로 인접하는 제1 소스 특징점과 제2 소스 특징점을 연결하는 소스 제어선과 상기 어느 하나의 엄마 소스 제어점 또는 아빠 소스 제어점 사이의 거리를 지시하는 제1 거리 정보, 및 상기 제1 소스 특징점으로부터 상기 어느 하나의 엄마 소스 제어점 또는 아빠 소스 제어점이 상기 소스 제어선에 수직으로 투영된 지점까지의 거리를 나타내는 제2 거리정보를 생성하는 단계; 및
    상기 제2 나이 표준 이미지에 존재하며 상기 제1 소스 특징점과 상기 제2 소스 특징점에 대응되는 제1 목표 특징점과 제2 목표 특징점에 상기 제1 거리 정보 및 상기 제2 거리 정보를 반영하여 엄마 목표 제어점 및 아빠 목표 제어점을 생성하는 단계를
    포함하는 표준 이미지 생성을 이용한 아이 얼굴 변환 방법.
  7. 제5항에 있어서,
    상기 영역별 유사도 비율로 합성하여 제2 나이 표준 이미지를 생성하는 단계는,
    상기 제2 나이 표준 이미지 내의 각 영역의 모양과 색깔은 임시 엄마 이미지 내의 각 영역의 모양과 색깔 및 임시 아빠 이미지 내의 각 영역의 모양과 색깔을 상기 영역별 유사도 비율로 반영하는 표준 이미지 생성을 이용한 아이 얼굴 변환 방법.
  8. 제7항에 있어서,
    상기 영역별 유사도 비율로 합성하여 제2 나이 표준 이미지를 생성하는 단계는,
    아빠 영역별 크기가 엄마 영역별 크기보다 크면, 영역별 크기는 아래의 수학식으로 결정되고,
    Figure 112021094058823-pat00038

    여기서, 상기 영역별 크기는 상기 제2 나이 표준 이미지의 각 영역의 크기이고, 상기 엄마 영역별 크기는 제2 나이 엄마 이미지에서 각 영역의 크기이고, 상기 아빠 영역별 크기는 제2 나이 아빠 이미지에서 각 영역의 크기를 나타낸 것을 특징으로 하는 표준 이미지 생성을 이용한 아이 얼굴 변환 방법.
  9. 제1항에 있어서,
    상기 에이징 알고리즘을 적용하여 제2 나이 아이 이미지를 생성하는 단계는,
    상기 제1 나이 아이 이미지와 각 연령대 별로 얼굴을 표현하는 이미지를 매칭하여 각 연령대 별로 평균 얼굴 벡터들을 생성하는 단계;
    상기 평균 얼굴 벡터들 중에서 제1 나이에 대응되는 제1 나이 평균 얼굴 벡터와 제2 나이에 대응되는 제2 나이 평균 얼굴 벡터의 차이를 나타내는 차 벡터를 생성하는 단계; 및
    상기 제1 나이 아이 이미지에 상기 차 벡터를 적용하여 제2 나이 아이 이미지를 생성하는 단계를
    포함하는 표준 이미지 생성을 이용한 아이 얼굴 변환 방법.
  10. 제1항에 있어서,
    상기 모핑 알고리즘을 적용하여 최종 제2 나이 아이 이미지를 생성하는 단계는,
    상기 제2 나이 아이 이미지의 각 영역을 형성하는 아이 소스 제어선과 상기 제2 나이 표준 이미지의 각 영역을 형성하는 표준 소스 제어선을 기초로 상기 제2 나이 아이 이미지의 각 영역과 상기 제2 나이 표준 이미지의 각 영역의 평균적인 영역을 형성하는 표준 목표 제어선을 생성하는 단계;
    상기 아이 소스 제어선과 상기 표준 목표 제어선을 기초로 상기 제2 나이 아이 이미지를 워핑하기 위한 아이 목표 제어점을 생성하고, 상기 표준 소스 제어선과 상기 표준 목표 제어선을 기초로 상기 제2 나이 표준 이미지를 워핑하기 위한 표준 목표 제어점을 생성하는 단계;
    상기 아이 목표 제어점을 이용하여 상기 제2 나이 아이 이미지를 임시 아이 이미지로 워핑하고, 상기 표준 목표 제어점을 이용하여 상기 제2 나이 표준 이미지를 임시 표준 이미지로 워핑하는 단계; 및
    상기 임시 아이 이미지에 포함되는 각 영역과 및 상기 임시 표준 이미지에 포함되는 각 영역을 각 영역에 대응되는 상기 영역별 유사도의 비율로 합성하여 최종 제2 나이 아이 이미지를 생성하는 단계를
    포함하는 표준 이미지 생성을 이용한 아이 얼굴 변환 방법.
KR1020200057207A 2020-05-13 2020-05-13 표준 이미지 생성을 이용한 아이 얼굴 변환 방법 KR102358145B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020200057207A KR102358145B1 (ko) 2020-05-13 2020-05-13 표준 이미지 생성을 이용한 아이 얼굴 변환 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020200057207A KR102358145B1 (ko) 2020-05-13 2020-05-13 표준 이미지 생성을 이용한 아이 얼굴 변환 방법

Publications (2)

Publication Number Publication Date
KR20210139002A KR20210139002A (ko) 2021-11-22
KR102358145B1 true KR102358145B1 (ko) 2022-02-04

Family

ID=78717788

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020200057207A KR102358145B1 (ko) 2020-05-13 2020-05-13 표준 이미지 생성을 이용한 아이 얼굴 변환 방법

Country Status (1)

Country Link
KR (1) KR102358145B1 (ko)

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20020007735A (ko) * 2000-07-18 2002-01-29 최창석 미래 자녀 및 미래모습 예측이 가능한 얼굴 포토 스티커시스템
KR20020007744A (ko) 2000-07-18 2002-01-29 최창석 미래 자녀 얼굴 모델링 방법과 미래 얼굴 모델링 방법
KR101226769B1 (ko) * 2010-10-25 2013-01-28 부산대학교 산학협력단 특징점을 이용한 얼굴 단순화를 위한 캐리커처 방법
US9978119B2 (en) * 2015-10-22 2018-05-22 Korea Institute Of Science And Technology Method for automatic facial impression transformation, recording medium and device for performing the method

Also Published As

Publication number Publication date
KR20210139002A (ko) 2021-11-22

Similar Documents

Publication Publication Date Title
CN109359538B (zh) 卷积神经网络的训练方法、手势识别方法、装置及设备
US10169905B2 (en) Systems and methods for animating models from audio data
US20210174072A1 (en) Microexpression-based image recognition method and apparatus, and related device
JP4950787B2 (ja) 画像処理装置及びその方法
US11341770B2 (en) Facial image identification system, identifier generation device, identification device, image identification system, and identification system
KR20240050463A (ko) 얼굴 재연을 위한 시스템 및 방법
CN111383307A (zh) 基于人像的视频生成方法及设备、存储介质
KR20170047167A (ko) 전자 장치가 동영상의 얼굴의 인상을 변형하는 방법 및 그 전자 장치
WO2019075666A1 (zh) 图像处理方法、装置、终端及存储介质
CN113261013A (zh) 用于移动装置上逼真的头部转动和面部动画合成的系统和方法
CN112164002B (zh) 人脸矫正模型的训练方法、装置、电子设备及存储介质
US11282257B2 (en) Pose selection and animation of characters using video data and training techniques
KR102400609B1 (ko) 딥러닝 네트워크를 이용한 배경 및 얼굴 합성 방법 및 장치
CN111401101A (zh) 基于人像的视频生成系统
JP2008102972A (ja) 自動３ｄモデリングシステム及び方法
CN112836680A (zh) 一种基于视觉的人脸表情识别方法
US20220292690A1 (en) Data generation method, data generation apparatus, model generation method, model generation apparatus, and program
CN114049290A (zh) 图像处理方法、装置、设备及存储介质
KR20210026521A (ko) 헤어스타일 분석을 통한 3d 아바타를 생성하는 방법 및 장치
US11361467B2 (en) Pose selection and animation of characters using video data and training techniques
JP6655513B2 (ja) 姿勢推定システム、姿勢推定装置、及び距離画像カメラ
KR102358145B1 (ko) 표준 이미지 생성을 이용한 아이 얼굴 변환 방법
KR102247481B1 (ko) 나이 변환된 얼굴을 갖는 직업영상 생성 장치 및 방법
KR102409988B1 (ko) 딥러닝 네트워크를 이용한 얼굴 변환 방법 및 장치
KR102498056B1 (ko) 메타버스내 메타휴먼의 생성 시스템 및 방법

Legal Events

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