KR102370063B1 - 얼굴 인증 방법 및 장치 - Google Patents

얼굴 인증 방법 및 장치 Download PDF

Info

Publication number
KR102370063B1
KR102370063B1 KR1020170039489A KR20170039489A KR102370063B1 KR 102370063 B1 KR102370063 B1 KR 102370063B1 KR 1020170039489 A KR1020170039489 A KR 1020170039489A KR 20170039489 A KR20170039489 A KR 20170039489A KR 102370063 B1 KR102370063 B1 KR 102370063B1
Authority
KR
South Korea
Prior art keywords
authentication
face
characteristic information
recognizer
result
Prior art date
Application number
KR1020170039489A
Other languages
English (en)
Other versions
KR20180109578A (ko
Inventor
김덕상
고민수
손진우
손창용
한승주
최창규
한재준
Original Assignee
삼성전자주식회사
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 삼성전자주식회사 filed Critical 삼성전자주식회사
Priority to KR1020170039489A priority Critical patent/KR102370063B1/ko
Priority to US15/864,232 priority patent/US11532177B2/en
Priority to JP2018042975A priority patent/JP7133949B2/ja
Priority to CN201810209155.4A priority patent/CN108664879B/zh
Priority to EP18164571.4A priority patent/EP3382603B1/en
Publication of KR20180109578A publication Critical patent/KR20180109578A/ko
Application granted granted Critical
Publication of KR102370063B1 publication Critical patent/KR102370063B1/ko
Priority to US18/082,930 priority patent/US20230119080A1/en

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/30—Authentication, i.e. establishing the identity or authorisation of security principals
    • G06F21/31—User authentication
    • G06F21/32—User authentication using biometric data, e.g. fingerprints, iris scans or voiceprints
    • 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
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/25—Fusion techniques
    • G06F18/254—Fusion techniques of classification results, e.g. of results related to same input data
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/30—Authentication, i.e. establishing the identity or authorisation of security principals
    • G06F21/45—Structures or tools for the administration of authentication
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q20/00—Payment architectures, schemes or protocols
    • G06Q20/38—Payment protocols; Details thereof
    • G06Q20/40—Authorisation, e.g. identification of payer or payee, verification of customer or shop credentials; Review and approval of payers, e.g. check credit lines or negative lists
    • G06Q20/401—Transaction verification
    • G06Q20/4014—Identity check for transactions
    • G06Q20/40145—Biometric identity checks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • G06T7/001—Industrial image inspection using an image reference approach
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
    • 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
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
    • G06V10/751—Comparing pixel values or logical combinations thereof, or feature values having positional relevance, e.g. template matching
    • 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
    • G06V10/80—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level
    • G06V10/809—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level of classification results, e.g. where the classifiers operate on the same input data
    • 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
    • G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
    • 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
    • G06V40/161—Detection; Localisation; Normalisation
    • 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
    • G06V40/161—Detection; Localisation; Normalisation
    • G06V40/166—Detection; Localisation; Normalisation using acquisition arrangements
    • 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
    • G06V40/172—Classification, e.g. identification
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/25—Fusion techniques
    • G06F18/253—Fusion techniques of extracted features
    • 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
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/10—Image acquisition
    • G06V10/17—Image acquisition using hand-held instruments

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Multimedia (AREA)
  • Evolutionary Computation (AREA)
  • Computer Security & Cryptography (AREA)
  • Software Systems (AREA)
  • Human Computer Interaction (AREA)
  • Artificial Intelligence (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Business, Economics & Management (AREA)
  • Computing Systems (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Medical Informatics (AREA)
  • Databases & Information Systems (AREA)
  • Computer Hardware Design (AREA)
  • Accounting & Taxation (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Strategic Management (AREA)
  • Finance (AREA)
  • General Business, Economics & Management (AREA)
  • Computational Linguistics (AREA)
  • Molecular Biology (AREA)
  • Mathematical Physics (AREA)
  • Biophysics (AREA)
  • Biomedical Technology (AREA)
  • Quality & Reliability (AREA)
  • Collating Specific Patterns (AREA)
  • Image Analysis (AREA)

Abstract

얼굴 인증 방법 및 장치가 개시된다. 일 실시예에 따른 얼굴 인증 방법은 현재 인증 모드를 식별하는 단계, 현재 인증 모드에 기초하여 얼굴 인증에 이용할 적어도 하나의 인식기를 결정하는 단계, 결정된 적어도 하나의 인식기를 이용하여, 입력 영상에 나타난 얼굴 영역으로부터 특징 정보를 획득하는 단계 및 특징 정보에 기초하여 인증 성공 여부를 결정하는 단계를 포함한다.

Description

얼굴 인증 방법 및 장치{METHOD AND APPARATUS FOR VERIFYING FACE}
아래의 설명은 얼굴 인증 기술에 관한 것이다.
생체 인증 기술 중 하나인 얼굴 인증 기술은 정지 영상이나 동영상에 나타난 얼굴에 기초하여 사용자가 정당한 사용자인지 여부를 결정하는 인증 기술이다. 얼굴 인증 기술은 인증 대상자를 비접촉식으로 확인이 가능하다는 장점을 가지고 있다. 최근에는, 얼굴 인증 기술의 편리함 및 효율성 때문에 보안 시스템, 모바일 인증 및 멀티미디어 데이터 검색 등의 다양한 응용 분야에서 얼굴 인증 기술이 널리 활용되고 있다.
일 실시예에 따른 얼굴 인증 방법은, 현재 인증 모드를 식별하는 단계, 상기 현재 인증 모드에 기초하여 얼굴 인증에 이용할 적어도 하나의 인식기를 결정하는 단계, 상기 결정된 적어도 하나의 인식기를 이용하여, 입력 영상에 나타난 얼굴 영역으로부터 특징 정보를 획득하는 단계 및 상기 특징 정보에 기초하여 인증 성공 여부를 결정하는 단계를 포함할 수 있다.
상기 적어도 하나의 인식기를 결정하는 단계는, 상기 얼굴 인증에 이용할 복수의 인식기들을 결정하고, 상기 현재 인증 모드에 기초하여 상기 얼굴 인증에 이용될 인식기들의 조합이 결정될 수 있다.
상기 현재 인증 모드에 기초하여 상기 인식기들에 기반한 인증 절차가 결정될 수 있다.
상기 특징 정보를 획득하는 단계는, 제1 인식기를 이용하여 상기 얼굴 영역의 영상 정보로부터 제1 특징 정보를 획득하는 단계를 포함하고, 상기 인증 성공 여부를 결정하는 단계는, 상기 제1 특징 정보에 기초하여 제1 인증 결과를 결정하는 단계 및 상기 제1 인증 결과와 상기 현재 인증 모드에 기초하여, 제2 인식기를 이용하여 제2 특징 정보를 획득할지 여부를 결정하는 단계를 포함할 수 있다.
상기 특징 정보를 획득하는 단계는, 상기 제2 특징 정보를 획득한다는 결정에 응답하여, 상기 제2 인식기를 이용하여 상기 얼굴 영역의 영상 정보로부터 상기 제2 특징 정보를 획득하는 단계를 포함하고, 상기 인증 성공 여부를 결정하는 단계는, 상기 제2 특징 정보에 기초하여 제2 인증 결과를 결정하는 단계 및 상기 제2 인증 결과에 기초하여 상기 인증 성공 여부를 결정하는 단계를 포함할 수 있다.
상기 제2 특징 정보를 획득할지 여부를 결정하는 단계는, 상기 현재 인증 모드가 제1 인증 모드인 경우, 상기 제1 인증 결과가 인증 실패인 경우, 상기 제2 특징 정보를 획득하기로 결정하고, 상기 제1 인증 결과가 인증 성공인 경우, 최종 인증 결과를 인증 성공으로 결정하고 얼굴 인증 절차를 종료할 수 있다.
상기 제2 인증 결과를 결정하는 단계는, 상기 인증 모드가 제1 인증 모드인 경우, 상기 제2 인증 결과가 인증 실패인 경우, 최종 인증 결과를 인증 실패로 결정하고, 상기 제2 인증 결과가 인증 성공인 경우, 최종 인증 결과를 인증 성공으로 결정할 수 있다.
상기 제2 특징 정보를 획득할지 여부를 결정하는 단계는, 상기 인증 모드가 제2 인증 모드인 경우, 상기 제1 인증 결과가 인증 실패인 경우, 최종 인증 결과를 인증 실패로 결정하고 얼굴 인증 절차를 종료하고, 상기 제1 인증 결과가 인증 성공인 경우, 상기 제2 특징 정보를 획득하기로 결정할 수 있다.
상기 제2 인증 결과를 결정하는 단계는, 상기 인증 모드가 제2 인증 모드인 경우, 상기 제2 인증 결과가 인증 실패인 경우, 최종 인증 결과를 인증 실패로 결정하고, 상기 제2 인증 결과가 인증 성공인 경우, 최종 인증 결과를 인증 성공으로 결정할 수 있다.
상기 얼굴 인증 방법은, 상기 제2 인증 결과와 상기 인증 모드에 기초하여, 제3 인식기를 이용하여 제3 특징 정보를 획득할지 여부를 결정하는 단계, 상기 제3 특징 정보를 획득한다는 결정에 응답하여, 상기 제3 인식기를 이용하여 상기 제3 특징 정보를 획득하는 단계 및 상기 제3 특징 정보에 기초하여 제3 인증 결과를 결정하는 단계를 더 포함하고, 상기 제3 인식기는 상기 제1 인식기의 유사도와 상기 제2 인식기의 유사도를 합성한 결과를 이용하여 상기 제3 특징 정보를 획득할 수 있다.
일 실시예에 따른 얼굴 인증 장치는, 적어도 하나의 프로세서를 포함하고, 상기 프로세서는, 현재 인증 모드를 식별하고, 상기 현재 인증 모드에 기초하여 얼굴 인증에 이용할 적어도 하나의 인식기를 결정하고, 상기 결정된 적어도 하나의 인식기를 이용하여, 입력 영상에 나타난 얼굴 영역으로부터 특징 정보를 획득하고, 상기 특징 정보에 기초하여 인증 성공 여부를 결정하도록 구성될 수 있다.

일 실시예에 따른 컴퓨팅 장치는, 사용자의 얼굴 영역이 나타난 입력 영상으로부터 제1 특징 정보를 추출하는 뉴럴 네트워크 모델을 포함하는 제1 인식기, 상기 입력 영상으로부터 상기 제1 특징 정보와 다른 제2 특징 정보를 추출하는 뉴럴 네트워크 모델을 포함하는 제2 인식기 및 상기 추출된 제1 특징 정보와 등록된 제1 등록 특징 정보를 비교한 제1 인증 결과 및 상기 추출된 제2 특징 정보와 등록된 제2 등록 특징 정보를 비교한 제2 인증 결과 중 적어도 하나가 성공이면 얼굴 인증을 성공으로 결정하는 얼굴 인증 장치를 포함한다.
상기 제1 인식기의 뉴럴 네트워크 모델 및 상기 제2 인식기의 뉴럴 네트워크 모델은 서로 다른 학습 데이터에 기초하여 학습된 것일 수 있다.
상기 제2 인식기의 뉴럴 네트워크 모델은, 얼굴 영역에 폐색 영역이 존재하는 학습 데이터에 기초하여 학습된 것일 수 있다.
상기 얼굴 영역에서 폐색 영역이 존재할 것으로 예상되는 영역을 평균 영상, 평균 값 영상 또는 단일 컬러 영상의 대응되는 영역의 영상 정보로 대체한 영상이 상기 제2 인식기의 뉴럴 네트워크 모델에 입력될 수 있다.
상기 폐색 영역이 존재할 것으로 예상되는 영역은, 상기 얼굴 영역에서 안경, 선글라스 또는 마스크에 의해 폐색이 나타날 수 있는 영역일 수 있다.
상기 얼굴 인증 장치는, 상기 얼굴 인증이 성공이면 상기 컴퓨팅 장치의 잠금 모드를 해제할 수 있다.
일 실시예에 따른 컴퓨팅 장치는, 사용자의 얼굴 영역이 나타난 입력 영상으로부터 제1 특징 정보를 추출하는 뉴럴 네트워크 모델을 포함하는 제1 인식기, 상기 입력 영상으로부터 상기 제1 특징 정보와 다른 제2 특징 정보를 추출하는 뉴럴 네트워크 모델을 포함하는 제2 인식기 및 상기 추출된 제1 특징 정보와 등록된 제1 등록 특징 정보를 비교한 제1 인증 결과 및 상기 추출된 제2 특징 정보와 등록된 제2 등록 특징 정보를 비교한 제2 인증 결과 중 적어도 하나가 실패이면 얼굴 인증을 실패로 결정하는 얼굴 인증 장치를 포함한다.
상기 제1 인식기의 뉴럴 네트워크 모델 및 상기 제2 인식기의 뉴럴 네트워크 모델은 서로 다른 학습 데이터에 기초하여 학습된 것일 수 있다.
상기 제2 인식기의 뉴럴 네트워크 모델은, 얼굴 영역에 폐색 영역이 존재하는 학습 데이터에 기초하여 학습된 것일 수 있다.
상기 얼굴 영역에서 폐색 영역이 존재할 것으로 예상되는 영역을 평균 영상, 평균 값 영상 또는 단일 컬러 영상의 대응되는 영역의 영상 정보로 대체한 영상이 상기 제2 인식기의 뉴럴 네트워크 모델에 입력될 수 있다.
상기 폐색 영역이 존재할 것으로 예상되는 영역은, 상기 얼굴 영역에서 안경, 선글라스 또는 마스크에 의해 폐색이 나타날 수 있는 영역일 수 있다.
상기 얼굴 인증 장치는, 상기 얼굴 인증이 실패이면 상기 컴퓨팅 장치를 이용한 금융 서비스 또는 결제 서비스에서의 인증 결과를 인증 실패로 결정할 수 있다.
도 1은 일 실시예에 따른 얼굴 인증을 설명하기 위한 도면이다.
도 2는 일 실시예에 따른 얼굴 인증 방법을 설명하기 위한 흐름도이다.
도 3은 일 실시예에 따른 얼굴 등록 절차와 인증 절차를 설명하기 위한 흐름도이다.
도 4는 일 실시예에 따른 얼굴 등록 절차의 일례를 도시한 도면이다.
도 5는 일 실시예에 따른 제1 인증 모드에 따른 인증 방법을 설명하기 위한 흐름도이다.
도 6은 일 실시예에 따른 인증 모드 중 잠금 해제 모드를 설명하기 위한 흐름도이다.
도 7은 다른 실시예에 따른 제2 인증 모드에 따른 인증 방법을 설명하기 위한 흐름도이다.
도 8은 다른 실시예에 따른 인증 모드 중 결제 모드를 설명하기 위한 흐름도이다.
도 9는 일 실시예에 따른 얼굴 인증 장치의 구성을 도시한 도면이다.
실시예들에 대한 특정한 구조적 또는 기능적 설명들은 단지 예시를 위한 목적으로 개시된 것으로서, 다양한 형태로 변경되어 실시될 수 있다. 따라서, 실시예들은 특정한 개시형태로 한정되는 것이 아니며, 본 명세서의 범위는 기술적 사상에 포함되는 변경, 균등물, 또는 대체물을 포함한다.
제1 또는 제2 등의 용어를 다양한 구성요소들을 설명하는데 사용될 수 있지만, 이런 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 해석되어야 한다. 예를 들어, 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소는 제1 구성요소로도 명명될 수 있다.
어떤 구성요소가 다른 구성요소에 "연결되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다.
단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 명세서에서, "포함하다" 또는 "가지다" 등의 용어는 설명된 특징, 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것이 존재함으로 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 해당 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가진다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥상 가지는 의미와 일치하는 의미를 갖는 것으로 해석되어야 하며, 본 명세서에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.
이하, 실시예들을 첨부된 도면들을 참조하여 상세하게 설명한다. 첨부 도면을 참조하여 설명함에 있어, 도면 부호에 관계없이 동일한 구성 요소는 동일한 참조 부호를 부여하고, 이에 대한 중복되는 설명은 생략하기로 한다.
도 1은 일 실시예에 따른 얼굴 인증을 설명하기 위한 도면이다.
얼굴 인증은 인증(verification)을 시도한 사용자의 얼굴에 기초하여 해당 사용자가 유효한(valid) 사용자인지 여부를 판단하는 인증 방법이다. 도 1을 참조하면, 얼굴 인증 장치는 컴퓨팅 장치(120)에 포함되어 동작할 수 있다. 컴퓨팅 장치(120)는 예를 들어, 스마트폰, 웨어러블 기기(wearable device), 태블릿 컴퓨터, 넷북, 랩탑, 데스크탑, PDA(personal digital assistant), 셋탑 박스, 가전 기기, 생체 도어락, 보안 장치 또는 차량 시동 장치일 수 있다.
얼굴 인증 장치는 사용자(110)의 얼굴을 인증하여 컴퓨팅 장치(120)를 통해 수행되는 서비스를 이용할 수 있는지 여부를 결정할 수 있다. 예를 들어, 얼굴 인증 장치는 컴퓨팅 장치(120)에 포함된 카메라(130)를 이용하여 사용자(110)의 얼굴을 촬영한 입력 영상을 획득할 수 있다. 카메라(130)는 예를 들어, 디지털 스틸 카메라, 비디오 카메라와 같은 영상 획득 장치일 수 있다. 입력 영상은 얼굴 인증 장치에 입력되는 영상으로, 얼굴 인증의 대상이 되는 영상이다.
얼굴 인증 장치는 입력 영상에서 얼굴 영역(140)을 검출하고 복수의 인식기들을 이용하여 얼굴 영역(140)에서 특징을 추출할 수 있다. 인식기들은 입력된 정보에 대응하는 특징을 출력하는 모델로서, 일례로 학습 데이터에 의해 학습된 뉴럴 네트워크 모델일 수 있다.
얼굴 인증 장치는 인식들을 통해 추출된 특징을 얼굴 등록 절차를 통해 등록된 특징과 비교하고, 그 비교 결과에 기초하여 인증 성공 여부를 결정할 수 있다. 유효한 사용자(110)는 얼굴 등록 절차를 통해 자신의 얼굴을 컴퓨팅 장치(120)에 미리 등록할 수 있고, 컴퓨팅 장치(120)는 얼굴 등록 절차를 통해 결정된 유효한 사용자(110)의 특징을 저장할 수 있다.
일 실시예에 따르면, 얼굴 인증을 수행하는 장치인 얼굴 인증 장치는 복수의 인식기들을 사용함으로써 다양한 조건의 입력 영상에 대한 얼굴 인증의 정확도를 향상시킬 수 있다. 얼굴 인증 장치는 인증 모드의 목적에 따른 인식기들의 인증 결과 간의 관계를 설정함으로써 얼굴 인증을 보다 효과적으로 수행할 수 있다.
보안성보다 상대적으로 사용성이 중요하게 작용하는 인증 모드와 사용성보다는 보안성이 상대적으로 중요하게 작용하는 인증 모드가 존재할 수 있다. 예를 들어, 전자의 인증 모드는 사용자 로그인 및 잠금 상태 해제 등이 인증 상황에서 이용되고, 후자의 인증 모드는 결제 및 금융 서비스 등의 인증 상황에서 이용될 수 있다. 인증 모드에 따라 요구되는 인증 강도가 다를 수 있다. 이하에서 설명할 얼굴 인증 방법 또는 얼굴 인증 장치는, 인증 모드의 목적에 따라 인증 강도를 유연하게 결정할 수 있다. 인증 목적에 적합한 인증 강도로 얼굴 인증이 수행된다면, 인증 강도와 관련하여 상충 관계에 있는 사용 편의성 및 보안성 모두가 충족될 수 있다.
도 2는 일 실시예에 따른 얼굴 인증 방법을 설명하기 위한 흐름도이다.
도 2를 참조하면, 단계(201)에서 얼굴 인증 장치는 현재 인증 모드를 식별한다. 인증 모드는 얼굴 인증 장치의 사용 목적에 따라 사용성과 보안성 사이에서 다양한 인증 강도를 만족시키는 모드를 포함할 수 있다. 예를 들어, 인증 모드는 사용성을 강조한 잠금 해제 모드 또는 보안성을 강조한 결제 모드를 포함할 수 있다.
단계(203)에서 얼굴 인증 장치는 현재 인증 모드에 기초하여 얼굴 인증에 이용할 적어도 하나의 인식기를 결정한다. 얼굴 인증 장치는 얼굴 인증에 이용할 복수의 인식기들을 결정하고, 현재 인증 모드에 기초하여 상기 얼굴 인증에 이용될 인식기들의 조합을 결정할 수 있다.
인식기 각각은 다양한 조건에서 촬영된 학습 데이터로부터 학습됨으로써 해당 조건에 보다 강인한 특성을 가질 수 있다. 얼굴 인증 장치는 복수의 인식기를 이용함으로써 다양한 조건에서 촬영된 입력 영상을 이용하여 보다 정확하게 사용자를 인증할 수 있다. 현재 인증 모드에 기초하여 인식기들에 기반한 인증 절차가 결정될 수 있다.
단계(205)에서 얼굴 인증 장치는 결정된 적어도 하나의 인식기를 이용하여, 입력 영상에 나타난 얼굴 영역으로부터 특징 정보를 획득한다. 단계(207)에서 얼굴 인증 장치는 특징 정보에 기초하여 인증 성공 여부를 결정한다.
얼굴 인증 장치는 입력 영상에서 얼굴 영역을 검출할 수 있다. 예를 들어, 얼굴 인증 장치는 Haar 기반의 캐스케이드 에이다부스트 분류기(Haar-based cascade adaboost classifier) 또는 Viola-Jones 검출기 등을 이용하여 얼굴 영역을 검출할 수 있다. 다만, 실시예의 범위가 이에 한정되는 것은 아니고, 얼굴 인증 장치는 다양한 얼굴 영역 검출 기법을 이용하여 얼굴 영역을 검출할 수 있다.
도면에는 도시되어 있지 않지만, 실시예에 따라 얼굴 인증 장치는 수신한 입력 영상에 대한 영상 전처리를 먼저 수행할 수도 있다. 영상 전처리 과정은 입력 영상을 얼굴 인증에 보다 적합한 형태로 처리하는 하나 이상의 과정을 포함한다. 예를 들어, 전처리 과정은 입력 영상의 크기를 조정하는 과정, 입력 영상을 회전하는 과정, 입력 영상에 포함된 노이즈를 제거하는 과정, 입력 영상의 컨트라스트(contrast)를 증가시키는 과정, 입력 영상에 포함된 블러(blur)를 제거하는 디블러링(deblurring) 과정, 배경 영역(background region)을 제거하는 과정, 입력 영상에 포함된 왜곡(distortion)을 보정하는 와핑(warping) 과정, 입력 영상에서 특정 영역을 크롭핑(cropping)하는 과정 또는 입력 영상을 이진화(binarization)하는 과정 등을 포함할 수 있다. 영상 전처리가 수행되는 경우, 이하의 '입력 영상'은 '영상 전처리가 수행된 입력 영상'으로 대체될 수 있다.
얼굴 인증 장치는 제1 인식기를 이용하여 얼굴 영역의 영상 정보로부터 제1 특징 정보를 획득한다. 얼굴 영역이 정규화 과정을 거친 경우, 얼굴 인증 장치는 제1 인식기를 이용하여 정규화된 얼굴 영역의 영상 정보로부터 제1 특징 정보를 획득할 수 있다. 제1 인식기는 학습 데이터에 의해 미리 학습된 뉴럴 네트워크 모델일 수 있다. 제1 특징 정보는 특징 벡터의 형태일 수 있고, 영상 정보는 영상에 포함된 픽셀의 픽셀 값을 나타낸다.
얼굴 인증 장치는 제1 특징 정보에 기초하여 제1 인증 결과를 결정한다. 얼굴 인증 장치는 제1 특징 정보와 미리 등록된 제1 등록 특징 정보를 비교하고, 비교 결과를 기초로 제1 인증 결과를 결정할 수 있다. 얼굴 인증 장치는 비교 결과에 따라 제1 인증 결과를 인증 성공 또는 인증 실패로 결정할 수 있다. 예를 들어, 제1 특징 정보와 제1 등록 특징 정보 간의 유사도가 미리 설정된 임계 값보다 크면 인증 성공이라고 결정되고, 해당 유사도가 임계 값 이하이면 인증 실패로 결정될 수 있다.
얼굴 인증 장치는 추가 인증 과정을 속행할지 여부를 결정한다. 얼굴 인증 장치는 제1 인증 결과와 인증 모드에 기초하여, 제2 인식기를 이용하여 제2 특징 정보를 획득할지 여부를 결정한다. 인증 모드는 인증 상황에 따라 미리 결정될 수 있다. 인증 모드는 예를 들어, 잠금 해제와 같이 오거부(False Rejection, FR)를 방지하는 것이 중요한 인증 모드 및 결제 및 금융 서비스와 같이 오인식(False Acceptance, FA)을 방지하는 것이 중요한 인증 모드를 포함할 수 있다. 여기서, 오거부란 정당한 사용자를 거절하는 것을 의미하고, 오인식이란 정당하지 않은 사용자를 정당한 사용자로 인증하는 것을 의미한다.
예를 들어, 스마트폰의 잠금 해제의 경우, 스마트폰에 얼굴 인증을 시도하는 사용자가 대개의 경우 정당한 사용자일 가능성이 높기 때문에 보안성보다는 오거부를 방지하는 것이 사용성 측면에서 중요하다. 이 경우, 낮은 인증 강도에 기초하여 얼굴 인증이 수행될 수 있다. 예를 들어, 서로 다른 인식기들에 의한 복수의 인증 결과들 중 하나라도 인증 성공으로 결정되는 경우에 최종 인증 결과가 인증 성공으로 결정될 수 있다. 반면에, 결제 서비스의 경우, 사용성보다는 정당하지 않는 사용자의 인증을 막는 높은 보안성이 중요하다. 이 경우, 높은 인증 강도에 기초하여 얼굴 인증이 수행될 수 있다. 예를 들어, 서로 다른 인식기들에 의한 복수의 인증 결과들 중 어느 하나라도 인증 실패로 결정되는 경우, 최종 인증 결과가 인증 실패로 결정될 수 있다. 다만, 위 인증 상황 및 인증 모드는 예시에 불과하며 복수의 인식기들의 인증 결과를 조합한 다양한 형태의 인증 모드가 존재할 수 있다.
얼굴 인증 장치는 제2 특징 정보를 획득한다는 결정에 응답하여, 제2 인식기를 이용하여 얼굴 영역의 영상 정보로부터 제2 특징 정보를 획득한다. 제2 인식기도 제1 인식기과 유사하게 학습 데이터에 의해 미리 학습된 뉴럴 네트워크 모델일 수 있다. 일 실시예에 따르면, 제2 인식기는 제1 인식기와 다를 수 있다. 제1 인식기와 제2 인식기는 조건에 따라 서로 다른 인증 성능을 나타낼 수 있다. 예를 들어, 제1 인식기는 저조도 환경에서 촬영된 입력 영상에 대한 인식률이 제2 인식기보다 높을 수 있고, 제2 인식기는 얼굴 영역에 얼굴 가림에 의한 폐색 영역(occlusion region)이 존재하는 입력 영상에 대한 인식률이 제1 인식기보다 높을 수 있다.
얼굴 인증 장치는 제2 특징 정보에 기초하여 제2 인증 결과를 결정한다. 얼굴 인증 장치는 제2 특징 정보와 미리 등록된 제2 등록 특징 정보를 비교하고, 비교 결과를 기초로 제2 인증 결과를 결정할 수 있다. 얼굴 인증 장치는 비교 결과에 따라 제2 인증 결과를 인증 성공 또는 인증 실패로 결정할 수 있다. 예를 들어, 제2 특징 정보와 제2 등록 특징 정보 간의 유사도가 미리 설정된 임계 값보다 크면 인증 성공이라고 결정되고, 해당 유사도가 임계 값 이하이면 인증 실패로 결정될 수 있다.
얼굴 인증 장치는 제2 인증 결과에 기초하여 최종 인증 결과를 결정할 수 있다. 예를 들어, 제2 인증 결과가 인증 성공이면 최종 인증 결과도 인증 성공으로 결정되고, 제2 인증 결과가 인증 실패이면 최종 인증 결과도 인증 실패로 결정될 수 있다.
실시예에 따라, 얼굴 인증 장치가 3개 이상의 인식기들을 사용하는 경우, 최종 인증 결과는 마지막 인식기를 이용하여 수행되는 인증 결과로서 결정될 수 있다.
도 3는 일 실시예에 따른 얼굴 등록 절차와 얼굴 인증 절차를 설명하기 위한 흐름도이다.
일 실시예에 따르면, 얼굴 등록 절차(310) 이후에 얼굴 인증 절차(320)가 수행될 수 있다. 얼굴 등록 절차(310)에서, 얼굴 등록을 위한 영상(311)으로부터 얼굴 영역이 검출된 후, 검출된 얼굴 영역에서 얼굴의 랜드마크들이 검출될 수 있다.
검출된 얼굴 영역은 각 인식기들의 입력에 적합하도록 랜드마크들에 기초하여 정규화될 수 있다. 예를 들어, 제1 인식기의 입력에 적합하도록 얼굴 영역을 정규화하여 정규화된 영상(312)이 생성될 수 있다. 또한, 제2 인식기의 입력에 적합하도록 얼굴 영역을 정규화하여 정규화된 영상(313)이 생성될 수 있다.
제1 인식기를 이용하여 정규화된 영상(312)으로부터 제1 등록 특징이 추출(314)될 수 있다. 예를 들어, 제1 인식기가 저조도에 강인한 인식기인 경우, 제1 인식기에 의해 저조도에 의한 인식률 저하가 보상될 수 있다. 또한, 제2 인식기를 이용하여 정규화된 영상(313)으로부터 제2 등록 특징이 추출(315)될 수 있다. 예를 들어, 제2 인식기가 안경에 의한 폐색 영역에 강인한 인식기인 경우, 제2 인식기에 의해 폐색 영역에 의한 인식률 저하가 보상될 수 있다. 위와 같은 과정을 통해 추출된 등록 특징들은 데이터베이스 등에 저장(316)될 수 있다.
얼굴 인증 절차(320)에서, 얼굴 인증 장치는 영상 획득 장치로부터 인증 대상이 되는 입력 영상(321)을 수신할 수 있다. 얼굴 인증 절차(320)에서 특징 정보를 추출하는 과정은 얼굴 등록 절차(310)와 유사할 수 있다. 얼굴 인증 장치는 입력 영상(321)으로부터 얼굴 영역을 검출하여 제1 인식기의 입력에 적합하도록 정규화하고, 정규화된 영상(322)을 제1 인식기에 입력하여 제1 특징을 추출(324)할 수 있다. 얼굴 인증 장치는 입력 영상(321)으로부터 얼굴 영역을 검출하여 제2 인식기의 입력에 적합하도록 정규화하고, 정규화된 영상(323)을 제2 인식기에 입력하여 제2 특징을 추출(325)할 수 있다.
얼굴 인증 장치는 추출된 제1 특징 및/또는 제2 특징을 이용하여 인증 성공 여부를 판단(326)할 수 있다. 얼굴 인증 장치는 제1 특징과 데이터베이스에 저장된 제1 등록 특징 간의 비교 결과에 기초하여 제1 인증 결과를 결정하고, 제2 특징과 데이터베이스에 저장된 제2 등록 특징 간의 비교 결과에 기초하여 제2 인증 결과를 결정할 수 있다. 인증 모드에 따라 제1 인증 결과와 제2 인증 결과 중 어느 하나 또는 둘 모두에 기초하여 최종 인증 결과가 결정될 수 있다. 예를 들어, 제1 인증 결과에 따라 최종 인증 결과가 결정될 수 있고, 이 경우 제2 인증 결과를 결정하기 위한 과정은 수행되지 않을 수 있다.
도 4은 일 실시예에 따른 얼굴 등록 절차의 일례를 도시한 도면이다.
도 4는 도 3의 얼굴 등록 절차를 보다 구체화한 것으로, 구체화된 기술적 요소는 예시에 불과하다. 도 4를 참조하면, 얼굴 등록을 위해 유효한 사용자의 영상(401)이 입력될 수 있다. 영상(401)으로부터 얼굴 영역이 검출(403)되고, 검출된 얼굴 영역에서 랜드마크들이 검출(405)될 수 있다. 일 실시예에서, 검출된 랜드마크들을 기초로 각 인식기의 입력에 적합하도록 얼굴 영역이 정규화(411, 421)될 수 있다.
얼굴 인증 장치는 제1 인식기(417)의 입력에 적합하도록 얼굴 영역에 대해 제1 정규화(411)를 수행할 수 있다. 제1 인식기(417)는 정규화된 얼굴 영역(413)의 영상 정보를 입력받고, 입력된 영상 정보에 기초하여 제1 등록 특징(419)을 출력할 수 있다. 얼굴 인증 장치는 제2 인식기(427)의 입력에 적합하도록 얼굴 영역에 대해 제2 정규화(421)를 수행할 수 있다. 제2 인식기(427)는 정규화된 얼굴 영역(423)의 입력 정보에 기초하여 제2 등록 특징(429)을 출력할 수 있다.
제1 인식기(417)에 의해 추출된 제1 등록 특징(419)과 제2 인식기(427)에 의해 추출된 제2 등록 특징(429)은 데이터베이스(430)에 저장될 수 있다. 이처럼, 얼굴 등록 절차를 통해 얼굴 인증 여부를 판단하는데 이용되는 등록 특징들이 획득될 수 있다.
도 5는 일 실시예에 따른 제1 인증 모드에 따른 인증 방법을 설명하기 위한 흐름도이다.
일 실시예에서, 제1 인증 모드는 보안성보다는 정당한 사용자가 용이하게 인증되는 것이 중요한 모드일 수 있다. 예를 들어, 제1 인증 모드는 스마트폰 등의 잠금 모드를 해제하는데 적용되는 인증 모드일 수 있다. 이 경우, 얼굴 인증 장치는 제1 인증 모드에서 복수의 인증 결과들 중의 어느 하나라도 인증 성공으로 결정되는 경우 최종 인증 결과를 인증 성공으로 결정하고 얼굴 인증 절차를 종료할 수 있다.
단계(510)에서, 얼굴 인증 장치는 제1 인증 과정을 수행할 수 있다. 제1 인증 과정에서 얼굴 인증 장치는 제1 인식기를 이용하여 입력 영상으로부터 제1 특징 정보를 추출할 수 있다. 얼굴 인증 장치는 도 2에서 설명된 것처럼, 입력 영상으로부터 얼굴 영역을 검출하고, 검출된 얼굴 영역에서 랜드마크들을 검출하고, 검출된 랜드마크들을 기초로 정규화 과정을 수행할 수 있다. 얼굴 인증 장치는 정규화된 얼굴 영역으로부터 제1 특징 정보를 추출할 수 있다.
단계(515)에서, 얼굴 인증 장치는 제1 인증 과정의 인증 성공 여부를 결정할 수 있다. 얼굴 인증 장치는 데이터베이스에 저장된 제1 등록 특징 정보와 추출된 제1 특징 정보 간의 비교 결과에 기초하여 제1 인증 과정의 인증 성공 여부를 결정할 수 있다. 얼굴 인증 장치는 제1 인증 과정의 결과와 인증 모드에 기초하여, 제2 인식기를 이용하여 제2 특징 정보를 획득할지 여부를 결정할 수 있다.
제1 등록 특징 정보와 제1 특징 정보 간의 비교 결과가 미리 설정된 조건을 만족하는 경우, 얼굴 인증 장치는 제1 인증 과정의 인증 결과를 인증 성공으로 결정(540)하고 얼굴 인증 절차를 종료할 수 있다. 여기서, 인증 결과는 최종 인증 결과일 수 있다. 제1 등록 특징 정보와 제1 특징 정보 간의 비교 결과가 미리 설정된 조건을 만족하지 못하는 경우, 얼굴 인증 장치는 인증 결과를 인증 실패로 결정하고 제2 인증 과정을 수행할 수 있다. 이처럼, 얼굴 인증 장치는 제1 인증 과정의 인증 결과가 인증 실패인 경우 제2 특징 정보를 획득하기로 결정하고, 제1 인증 과정의 인증 결과가 인증 성공인 경우 최종 인증 결과를 인증 성공으로 결정하고 얼굴 인증 절차를 종료할 수 있다.
단계(520)에서, 얼굴 인증 장치는 제2 인증 과정을 수행할 수 있다. 제2 인증 과정에서 얼굴 인증 장치는 제2 인식기를 이용하여 입력 영상으로부터 제2 특징 정보를 추출할 수 있다. 얼굴 인증 장치는 제1 인식기와 유사한 방식으로 제2 인식기의 입력에 적합하도록 입력 영상을 처리한 후, 처리된 입력 영상을 제2 인식기로 입력할 수 있다.
단계(525)에서, 얼굴 인증 장치는 제2 인증 과정의 인증 성공 여부를 결정할 수 있다. 얼굴 인증 장치는 데이터베이스에 저장된 제2 등록 특징 정보 과 추출된 제2 특징 정보를 비교함으로써 제2 인증 과정의 인증 성공 여부를 결정할 수 있다. 얼굴 인증 장치는 제2 인증 과정의 인증 결과와 인증 모드에 기초하여, 제3 인식기를 이용하여 제3 특징 정보를 획득할지 여부를 결정할 수 있다
제2 등록 특징 정보와 제2 특징 정보 간의 비교 결과가 미리 설정된 조건을 만족하는 경우 얼굴 인증 장치는 인증 결과를 인증 성공으로 결정(540)하고 얼굴 인증 절차를 종료할 수 있다. 여기서, 인증 결과는 최종 인증 결과일 수 있다. 제2 등록 특징 정보와 제2 특징 정보 간의 비교 결과가 미리 설정된 조건을 만족하지 못하는 경우 얼굴 인증 장치는 인증 결과를 인증 실패로 결정할 수 있다. 제3 인증 과정을 수행하지 않는 경우, 얼굴 인증 장치는 제2 인증 과정의 인증 결과가 인증 실패인 경우 최종 인증 결과를 인증 실패로 결정하고, 제2 인증 과정의 인증 결과가 인증 성공인 경우 최종 인증 결과를 인증 성공으로 결정할 수 있다.
단계(530)에서, 제2 인증 과정의 인증 결과가 인증 실패로 결정된 경우, 얼굴 인증 장치는 제3 인증 과정을 수행할 수 있다. 다만, 제3 인증 과정은 예시일 뿐이므로 생략될 수도 있고, 다른 종류의 인식기를 사용하는 추가적인 인증 과정이 얼굴 인증 절차에 포함될 수도 있다. 제3 인증 과정에서 얼굴 인증 장치는 예를 들어, 제1 인증 과정의 파라미터와 제2 인증 과정의 파라미터를 합성한 결과로부터 제3 인식기를 이용하여 제3 특징 정보를 획득할 수 있다. 예를 들어, 파라미터는 각 인식기에 의해 얼굴 영역으로부터 추출된 특징 정보를 포함할 수 있다.
단계(535)에서, 얼굴 인증 장치는 제3 인증 과정의 인증 성공 여부를 결정할 수 있다. 일 실시예에서, 얼굴 인증 장치는 제1 인식기로부터 추출된 제1 특징 정보와 제2 인식기로부터 추출된 제2 특징 정보를 결합하여 결합된 특징 정보를 생성할 수 있다. 얼굴 인증 장치는 제1 특징 정보에 대응하는 제1 등록 특징 정보와 제2 특징 정보에 대응하는 제2 등록 특징 정보가 결합된 등록 특징 정보와 위 결합된 특징 정보 간의 비교 결과가 미리 설정된 조건을 만족하는 경우, 인증 결과를 인증 성공으로 결정(540)하고 얼굴 인증 절차를 종료할 수 있다. 이와 반대로, 해당 비교 결과가 미리 설정된 조건을 만족하지 못하는 경우 얼굴 인증 장치는 인증 결과를 인증 실패로 결정(550)하고 얼굴 인증 절차를 종료할 수 있다. 여기서, 인증 결과는 최종 인증 결과일 수 있다.
도 6은 일 실시예에 따른 인증 모드 중 잠금 해제 모드를 설명하기 위한 흐름도이다.
일 예에서, 얼굴 인증 장치는 잠금 해제 모드를 수행할 수 있다. 얼굴 인증 장치는 입력 영상(601)으로부터 얼굴 영역을 검출(603)할 수 있다. 얼굴 인증 장치는 검출된 얼굴 영역에서 랜드마크들을 검출(605)할 수 있다. 얼굴 인증 장치는 제1 인식기(617)의 입력에 적합하도록 얼굴 영역에 대해 제1 정규화 (611)를 수행할 수 있다.
얼굴 인증 장치는 예를 들어, 검출된 랜드마크들의 위치를 미리 정의된 기준 위치에 매칭 시키거나 검출된 얼굴 영역의 크기를 조정함으로써 검출된 얼굴 영역을 정규화할 수 있다. 카메라의 시야를 벗어남으로써 아래 얼굴 영역이 촬영되지 않은 경우, 얼굴 인증 장치는 입력 영상의 아래 얼굴 영역을 평균 영상 또는 평균 값 영상의 아래 얼굴 영역에 대응되는 영역으로 채울 수 있다.
얼굴 인증 장치는 정규화된 영상(613)을 제1 인식기(617)에 입력할 수 있다. 얼굴 인증 장치는 제1 인식기(617)를 이용하여 제1 특징(619)을 추출할 수 있다. 얼굴 인증 장치는 추출된 제1 특징(619)과 데이터베이스에 미리 저장된 제1 등록 특징을 비교하여 인증 성공 여부를 결정(651)할 수 있다. 여기서, 제1 등록 특징은 유효한 사용자의 입력 영상으로부터 제1 인식기를 이용하여 추출된 특징이다.
일 예에서, 얼굴 인증 장치는 제1 특징과 제1 등록 특징 간의 유사도를 계산하고, 유사도와 미리 설정된 제1 임계치를 비교함으로써 인증 성공 여부를 결정할 수 있다. 얼굴 인증 장치는 예를 들어, 결정된 유사도가 제1 임계치보다 큰 경우에 인증이 성공한 것으로 결정(655)할 수 있다. 이와 반대로, 얼굴 인증 장치는 유사도가 임계치 이하인 경우에는 인증이 실패한 것으로 결정할 수 있다.
얼굴 인증 장치는 인증 결과를 인증 성공으로 결정(655)한 경우, 제1 특징 정보를 기초로 제1 등록 특징을 업데이트할지 여부를 결정(631)할 수 있다. 얼굴 인증 장치는 예를 들어, 제1 임계치보다 높게 설정된 임계치와 결정된 유사도를 비교하여 제1 등록 특징을 업데이트(633)할 수 있다. 얼굴 인증 장치는 인증 결과를 인증 성공으로 결정(655)한 경우, 최종 인증 결과를 인증 성공으로 결정하고 얼굴 인증 절차를 종료할 수 있다. 얼굴 인증 장치는 인증 결과를 인증 실패로 결정한 경우 제2 정규화를 수행(621)할 수 있다.
얼굴 인증 장치는 정규화된 영상(623)을 제2 인식기(627)에 입력할 수 있다. 일 실시예에서, 얼굴 인증 장치는 얼굴 영역에 안경 등과 같은 폐색 영역이 존재하는지 여부와 무관하게 폐색 영역이 존재할 것으로 예상되는 영역을 평균 영상, 평균 값 영상 또는 임의의 단일 컬러 영상의 대응되는 부분의 영상 정보로 채울 수 있다. 평균 영상은 학습 영상들 사이에서 서로 대응되는 위치에서 가지는 픽셀 값들을 평균하는 것에 의해 생성될 수 있다. 평균 값 영상은 학습 영상들에 포함된 전체 픽셀의 픽셀 값들을 평균하고, 평균 픽셀 값을 전체 픽셀들에 할당하는 것에 의해 생성될 수 있다. 평균 영상에서는 각 픽셀 위치에 따라 픽셀 값이 달라질 수 있어 형태가 나타날 수 있지만, 평균 값 영상에서는 전체 픽셀들이 모두 동일한 픽셀 값을 가지므로 형태가 나타나지 않는다. 다만, 이는 일 예에 불과하고, 얼굴 영역이 폐색되는 경우에 대한 처리 방법은 이에 한정되지 않는다.
얼굴 인증 장치는 제2 인식기(627)를 이용하여 제2 특징(629)을 추출할 수 있다. 얼굴 인증 장치는 추출된 제2 특징(629)과 데이터베이스에 미리 저장된 제2 등록 특징을 비교하여 인증 성공 여부를 결정(653)할 수 있다. 여기서, 제2 등록 특징은 유효한 사용자의 입력 영상으로부터 제2 인식기를 이용하여 추출된 특징이다.
얼굴 인증 장치는 인증 결과를 인증 성공으로 결정(655)한 경우, 제2 특징을 기초로 제2 등록 특징을 업데이트할 지 여부를 결정(641)할 수 있다. 얼굴 인증 장치는 업데이트하기로 결정한 경우, 제2 특징을 기초로 제2 등록 특징을 업데이트(643)할 수 있다. 얼굴 인증 장치는 최종 인증 결과를 인증 성공으로 결정할 수 있다.
얼굴 인증 장치는 인증 결과를 인증 실패로 결정(657)한 경우, 최종 인증 결과를 인증 실패로 결정할 수 있다. 얼굴 인증 장치는 얼굴 인증 절차를 종료할 수도 있고, 다른 입력 영상을 수신하여 얼굴 인증 절차를 다시 수행할 수도 있다. 예를 들어, 얼굴 인증 장치는 최종 인증 결과가 인증 성공으로 결정될 때까지 카메라의 연속 촬영에 의해 6초간 수신된 입력 영상들에 대해 얼굴 인증 절차를 반복하여 수행할 수 있다.
도 7는 다른 실시예에 따른 제2 인증 모드에 따른 인증 방법을 설명하기 위한 흐름도이다.
일 실시예에서, 제2 인증 모드는 사용성보다는 보안성이 상대적으로 중요하게 작용하는 인증 모드일 수 있다. 예를 들어, 제2 인증 모드는 결제를 위해 정당한 사용자인지를 확인하는 모드일 수 있다. 이 경우, 얼굴 인증 장치는 제2 인증 모드에서 복수의 인증 결과들 중의 어느 하나라도 인증 실패로 결정되는 경우 최종 인증 결과를 인증 실패로 결정하고 얼굴 인증 절차를 종료할 수 있다.
단계(710)에서, 얼굴 인증 장치는 제1 인증 과정을 수행할 수 있다. 제1 인증 과정에서 얼굴 인증 장치는 제1 인식기를 이용하여 입력 영상으로부터 제1 특징 정보를 추출할 수 있다. 특징 정보를 추출하는 과정은 도 2에 설명된 방식이 사용될 수 있다.
단계(715)에서, 얼굴 인증 장치는 제1 인증 과정의 인증 성공 여부를 결정할 수 있다. 얼굴 인증 장치는 데이터베이스에 저장된 제1 등록 특징 정보와 추출된 제1 특징 정보 간의 비교 결과에 기초하여 제1 인증 과정의 인증 성공 여부를 결정할 수 있다. 얼굴 인증 장치는 제1 인증 과정의 결과와 인증 모드에 기초하여, 제2 인식기를 이용하여 제2 특징 정보를 획득할지 여부를 결정할 수 있다.
제1 등록 특징 정보와 제1 특징 정보 간의 비교 결과가 미리 설정된 조건을 만족하지 못하는 경우, 얼굴 인증 장치는 제1 인증 과정의 인증 결과를 인증 실패로 결정(740)하고 얼굴 인증 절차를 종료할 수 있다. 여기서, 인증 결과는 최종 인증 결과일 수 있다. 제1 등록 특징 정보와 제1 특징 정보 간의 비교 결과가 미리 설정된 조건을 만족하는 경우, 얼굴 인증 장치는 인증 결과를 인증 성공으로 결정하고 제2 인증 과정을 수행할 수 있다. 이처럼, 얼굴 인증 장치는 제1 인증 과정의 인증 결과가 인증 성공인 경우 제2 특징 정보를 획득하기로 결정하고, 제1 인증 과정의 인증 결과가 인증 실패인 경우 최종 인증 결과를 인증 실패로 결정하고 얼굴 인증 절차를 종료할 수 있다.
단계(720)에서, 얼굴 인증 장치는 제2 인증 과정을 수행할 수 있다. 제2 인증 과정에서 얼굴 인증 장치는 제2 인식기를 이용하여 입력 영상으로부터 제2 특징 정보를 추출할 수 있다. 특징 정보를 추출하는 과정은 도 2에 설명된 방식이 사용될 수 있다.
단계(725)에서, 얼굴 인증 장치는 제2 인증 과정의 인증 성공 여부를 결정할 수 있다. 얼굴 인증 장치는 데이터베이스에 저장된 제2 등록 특징 정보와 추출된 제2 특징 정보를 비교함으로써 제2 인증 과정의 인증 성공 여부를 결정할 수 있다. 얼굴 인증 장치는 제2 인증 결과와 인증 모드에 기초하여, 제3 인식기를 이용하여 제3 특징 정보를 획득할지 여부를 결정할 수 있다.
제2 등록 특징 정보와 제2 특징 정보 간의 비교 결과가 미리 설정된 조건을 만족하지 못하는 경우, 얼굴 인증 장치는 인증 결과를 인증 실패로 결정(740)하고 얼굴 인증 절차를 종료할 수 있다. 여기서, 인증 결과는 최종 인증 결과일 수 있다. 제2 등록 특징 정보와 제2 특징 정보 간의 비교 결과가 미리 설정된 조건을 만족하는 경우, 얼굴 인증 장치는 인증 결과를 인증 성공으로 결정할 수 있다. 제3 인증 과정을 수행하지 않는 경우, 얼굴 인증 장치는 제2 인증 과정의 인증 결과가 인증 실패인 경우 최종 인증 결과를 인증 실패로 결정하고, 제2 인증 과정의 인증 결과가 인증 성공인 경우 최종 인증 결과를 인증 성공으로 결정할 수 있다.
단계(730)에서, 제2 인증 과정의 인증 결과가 인증 성공으로 결정된 경우, 얼굴 인증 장치는 제3 인증 과정을 수행할 수 있다. 도 5에서와 마찬가지로, 제3 인증 과정은 예시일 뿐이며 생략될 수도 있고, 다른 종류의 인식기를 사용하는 추가적인 인증 과정이 얼굴 인증 절차에 포함될 수도 있다.
단계(735)에서, 얼굴 인증 장치는 제3 인증 과정의 인증 성공 여부를 결정할 수 있다. 제1 인식기를 통해 추출된 제1 특징 정보와 제2 인식기로부터 추출된 제2 특징 정보를 결합한 특징 정보와 제1 특징 정보에 대응하는 제1 등록 특징 정보와 제2 특징 정보에 대응하는 제2 등록 특징 정보를 결합한 등록 특징 정보 간의 비교 결과가 미리 설정된 조건을 만족하는 경우, 얼굴 인증 장치는 인증 결과를 인증 성공으로 결정(750)하고 얼굴 인증 절차를 종료할 수 있다. 해당 비교 결과가 미리 설정된 조건을 만족하지 못하는 경우, 얼굴 인증 장치는 인증 결과를 인증 실패로 결정(740)하고 얼굴 인증 절차를 종료할 수 있다. 여기서, 인증 결과는 최종 인증 결과일 수 있다.
도 8은 다른 실시예에 따른 인증 모드 중 결제 모드를 설명하기 위한 흐름도이다.
일 예에서, 얼굴 인증 장치는 결제 모드를 수행할 수 있다. 도 6의 얼굴 인증 절차와 유사하게, 얼굴 인증 장치는 입력 영상(601)으로부터 얼굴 영역을 검출(603)할 수 있다. 얼굴 인증 장치는 검출된 얼굴 영역에서 랜드마크들을 검출(605)할 수 있다. 얼굴 인증 장치는 제1 인식기(617)의 입력에 적합하도록 얼굴 영역에 대해 제1 정규화를 수행할 수 있다. 얼굴 인증 장치는 정규화된 영상(613)을 제1 인식기(617)에 입력할 수 있다. 얼굴 인증 장치는 제1 인식기(617)를 이용하여 제1 특징(619)을 추출할 수 있다. 얼굴 인증 장치는 추출된 제1 특징(619)과 데이터베이스에 미리 저장된 제1 등록 특징을 비교하여 인증 성공 여부를 결정(651)할 수 있다.
얼굴 인증 장치는 인증 결과를 인증 성공으로 결정(655)한 경우, 제1 특징을 기초로 제1 등록 특징을 업데이트할 지 여부를 결정(631)하고 제2 정규화를 수행(621)할 수 있다. 얼굴 인증 장치는 예를 들어, 제1 임계치보다 높게 설정된 임계치와 결정된 유사도를 비교하여 제1 등록 특징을 업데이트(633)할 수 있다. 얼굴 인증 장치는 인증 결과를 인증 실패로 결정한 경우 최종 인증 결과를 인증 실패로 결정하고 얼굴 인증 절차를 종료할 수 있다.
얼굴 인증 장치는 정규화된 영상(623)을 제2 인식기(627)에 입력할 수 있다. 예를 들어, 카메라의 시야를 벗어남으로써 아래 얼굴 영역이 촬영되지 않은 경우, 얼굴 인증 장치는 입력 영상의 아래 얼굴 영역을 평균 영상, 평균 값 영상 또는 임의의 단일 컬러 영상의 아래 얼굴 영역에 대응되는 부분으로 채우거나 또는 안경, 선글라스, 마스크 또는 모자 등과 같은 얼굴 가림 요소에 의해 폐색이 나타날 수 있는 영역을 위 평균 영상, 평균 값 영상 또는 임의의 단일 컬러 영상의 대응되는 부분으로 채울 수 있다.
얼굴 인증 장치는 제2 인식기(627)를 이용하여 제2 특징(629)을 추출할 수 있다. 얼굴 인증 장치는 추출된 제2 특징(629)과 데이터베이스에 미리 저장된 제2 등록 특징을 비교하여 인증 성공 여부를 결정(653)할 수 있다. 여기서, 제2 등록 특징은 유효한 사용자의 입력 영상으로부터 제2 인식기를 이용하여 추출된 특징이다.
얼굴 인증 장치는 인증 결과를 인증 성공으로 결정(655)한 경우, 제2 특징을 기초로 제2 등록 특징을 업데이트할 지 여부를 결정(641)할 수 있다. 얼굴 인증 장치는 업데이트하기로 결정한 경우, 제2 특징을 기초로 제2 등록 특징을 업데이트(643)할 수 있다. 얼굴 인증 장치는 최종 인증 결과를 인증 성공으로 결정할 수 있다. 얼굴 인증 장치는 인증 결과를 인증 실패로 결정(657)한 경우, 최종 인증 결과를 인증 실패로 결정할 수 있다. 얼굴 인증 장치는 얼굴 인증 절차를 종료할 수도 있고, 다른 입력 영상을 수신하여 얼굴 인증 절차를 다시 수행할 수도 있다.
도 9는 일 실시예에 따른 얼굴 인증 장치의 구성을 도시한 도면이다.
도 9를 참조하면, 얼굴 인증 장치(900)는 얼굴 인증을 위한 입력 영상을 수신한다. 얼굴 인증 장치(900)는 입력 영상으로부터 추출된 특징과 데이터베이스(930)에 미리 저장된 등록 특징 간의 비교 결과에 기초하여 인증 성공 여부를 결정할 수 있다. 유효한 사용자는 얼굴 등록 과정을 통해 자신의 얼굴에 대한 특징 또는 영상을 미리 등록할 수 있고, 이렇게 등록된 정보는 데이터베이스(930)에 저장될 수 있다
얼굴 인증 장치(900)는 얼굴 인증 방법과 관련하여 본 명세서에 기술되거나 또는 도시된 하나 이상의 동작을 수행할 수 있고, 얼굴 인증의 결과를 사용자에게 제공할 수 있다. 얼굴 인증 장치(900)는 얼굴 인증의 결과를 음성, 진동, 글자, 그림 또는 동영상 등의 형태로 출력할 수 있으나, 실시예의 범위가 이에 한정되지는 않으며, 얼굴 인증 장치(900)는 다양한 형태로 인증 결과를 출력할 수 있다.
얼굴 인증 장치(900)는 하나 이상의 프로세서(910) 및 메모리(920)를 포함할 수 있다. 메모리(920)는 프로세서(910)에 연결되고, 프로세서(910)에 의해 실행가능한 인스트럭션들, 프로세서(910)가 연산할 데이터 또는 프로세서(910)에 의해 처리된 데이터를 저장할 수 있다. 메모리(920)는 비일시적인 컴퓨터 판독가능 매체, 예컨대 고속 랜덤 액세스 메모리 및/또는 비휘발성 컴퓨터 판독가능 저장 매체(예컨대, 하나 이상의 디스크 저장 장치, 플래쉬 메모리 장치, 또는 기타 비휘발성 솔리드 스테이트 메모리 장치)를 포함할 수 있다.
프로세서(910)는 도 1 내지 도 8을 참조하여 설명된 하나 이상의 동작을 실행하기 위한 인스트럭션들을 실행할 수 있다. 예를 들어, 프로세서(910)는 입력 영상에서 얼굴 영역 및 얼굴의 랜드마크들을 검출하고, 검출된 랜드마크들에 기초하여 각각의 인식기의 입력에 적합하도록 입력 영상을 정규화한다. 프로세서(910)는 얼굴 영역의 일부가 카메라의 시야에서 벗어나 촬영되지 않거나 안경 등의 외부 물체에 의해 폐색된 경우, 해당 영역에 대해 기준 영상을 이용하여 패딩을 수행한다.
프로세서(910)는 현재 인증 모드를 식별하고, 현재 인증 모드에 기초하여 얼굴 인증에 이용할 적어도 하나의 인식기를 결정한다. 프로세서(910)는 결정된 적어도 하나의 인식기를 이용하여 입력 영상에 나타난 얼굴 영역으로부터 특징 정보를 획득한다.
프로세서(910)는 인식기를 이용하여 얼굴 영역으로부터 입력 얼굴에 대한 특징을 추출하고, 추출된 특징과 등록 특징을 비교하고, 그 비교 결과에 기초하여 인증 성공 여부를 결정한다. 여기서, 얼굴 영역은 정규화 또는 패딩이 수행된 얼굴 영역으로 대체될 수도 있다. 프로세서(910)는 인증 모드를 기초로 각각의 인식 과정에 의한 인증 결과에 따라 최종 인증 결과를 결정하고 얼굴 인증 절차를 종료하거나 다른 인식기에 의한 인증 과정을 수행한다. 이처럼, 프로세서(910)는 특징 정보에 기초하여 인증 성공 여부를 결정한다.
일 실시예에 따르면, 프로세서(910)는 잠금 해제 모드에서 얼굴 인증 절차를 수행할 수 있다. 프로세서(910)는 제1 인식기에 의한 인증 과정의 인증 결과를 인증 성공으로 결정하는 경우, 최종 인증 결과를 인증 성공으로 결정하고 얼굴 인증 절차를 종료한다. 프로세서(910)는 제1 인식기에 의한 인증 과정의 인증 결과를 인증 실패로 결정하는 경우, 제2 인식기에 의한 인증 과정을 수행한다. 이때, 최종 인증 결과는 제2 인식기에 의한 인증 결과에 따라 결정된다.
다른 실시예에 따르면, 프로세서(910)는 결제 모드에서 얼굴 인증 절차를 수행할 수 있다. 프로세서(910)는 제1 인식기에 의한 인증 과정의 인증 결과를 인증 실패로 결정하는 경우, 최종 인증 결과를 인증 실패로 결정하고 얼굴 인증 절차를 종료한다. 프로세서(910)는 제1 인식기에 의한 인증 과정의 인증 결과를 인증 성공으로 결정하는 경우, 제2 인식기에 의한 인증 과정을 수행한다. 이때, 최종 인증 결과는 제2 인식기에 의한 인증 결과에 따라 결정된다.
이상에서 설명된 실시예들은 하드웨어 구성요소, 소프트웨어 구성요소, 및/또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 장치, 방법 및 구성요소는, 예를 들어, 프로세서, 콘트롤러, ALU(arithmetic logic unit), 디지털 신호 프로세서(digital signal processor), 마이크로컴퓨터, FPGA(field programmable gate array), PLU(programmable logic unit), 마이크로프로세서, 또는 명령(instruction)을 실행하고 응답할 수 있는 다른 어떠한 장치와 같이, 하나 이상의 범용 컴퓨터 또는 특수 목적 컴퓨터를 이용하여 구현될 수 있다. 처리 장치는 운영 체제(OS) 및 상기 운영 체제 상에서 수행되는 하나 이상의 소프트웨어 애플리케이션을 수행할 수 있다. 또한, 처리 장치는 소프트웨어의 실행에 응답하여, 데이터를 접근, 저장, 조작, 처리 및 생성할 수도 있다. 이해의 편의를 위하여, 처리 장치는 하나가 사용되는 것으로 설명된 경우도 있지만, 해당 기술분야에서 통상의 지식을 가진 자는, 처리 장치가 복수 개의 처리 요소(processing element) 및/또는 복수 유형의 처리 요소를 포함할 수 있음을 알 수 있다. 예를 들어, 처리 장치는 복수 개의 프로세서 또는 하나의 프로세서 및 하나의 콘트롤러를 포함할 수 있다. 또한, 병렬 프로세서(parallel processor)와 같은, 다른 처리 구성(processing configuration)도 가능하다.
소프트웨어는 컴퓨터 프로그램(computer program), 코드(code), 명령(instruction), 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로(collectively) 처리 장치를 명령할 수 있다. 소프트웨어 및/또는 데이터는, 처리 장치에 의하여 해석되거나 처리 장치에 명령 또는 데이터를 제공하기 위하여, 어떤 유형의 기계, 구성요소(component), 물리적 장치, 가상 장치(virtual equipment), 컴퓨터 저장 매체 또는 장치, 또는 전송되는 신호 파(signal wave)에 영구적으로, 또는 일시적으로 구체화(embody)될 수 있다. 소프트웨어는 네트워크로 연결된 컴퓨터 시스템 상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 하나 이상의 컴퓨터 판독 가능 기록 매체에 저장될 수 있다.
실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 컴퓨터 판독 가능 매체에 기록되는 프로그램 명령은 실시예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 실시예의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
이상과 같이 실시예들이 비록 한정된 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기를 기초로 다양한 기술적 수정 및 변형을 적용할 수 있다. 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.

Claims (43)

  1. 현재 인증 모드를 식별하는 단계;
    상기 현재 인증 모드에 기초하여 얼굴 인증에 이용할 적어도 하나의 인식기를 결정하는 단계;
    상기 결정된 적어도 하나의 인식기를 이용하여, 입력 영상에 나타난 얼굴 영역으로부터 특징 정보를 획득하는 단계; 및
    상기 특징 정보에 기초하여 인증 성공 여부를 결정하는 단계
    를 포함하는 얼굴 인증 방법.
  2. 제1항에 있어서,
    상기 적어도 하나의 인식기를 결정하는 단계는,
    상기 얼굴 인증에 이용할 복수의 인식기들을 결정하고,
    상기 현재 인증 모드에 기초하여 상기 얼굴 인증에 이용될 인식기들의 조합이 결정되는,
    얼굴 인증 방법.
  3. 제2항에 있어서,
    상기 현재 인증 모드에 기초하여 상기 인식기들에 기반한 인증 절차가 결정되는,
    얼굴 인증 방법.
  4. 제2항에 있어서
    상기 특징 정보를 획득하는 단계는,
    제1 인식기를 이용하여 상기 얼굴 영역의 영상 정보로부터 제1 특징 정보를 획득하는 단계를 포함하고,
    상기 인증 성공 여부를 결정하는 단계는,
    상기 제1 특징 정보에 기초하여 제1 인증 결과를 결정하는 단계; 및
    상기 제1 인증 결과와 상기 현재 인증 모드에 기초하여, 제2 인식기를 이용하여 제2 특징 정보를 획득할지 여부를 결정하는 단계
    를 포함하는 얼굴 인증 방법.
  5. 제4항에 있어서,
    상기 특징 정보를 획득하는 단계는,
    상기 제2 특징 정보를 획득한다는 결정에 응답하여, 상기 제2 인식기를 이용하여 상기 얼굴 영역의 영상 정보로부터 상기 제2 특징 정보를 획득하는 단계를 포함하고,
    상기 인증 성공 여부를 결정하는 단계는,
    상기 제2 특징 정보에 기초하여 제2 인증 결과를 결정하는 단계; 및
    상기 제2 인증 결과에 기초하여 상기 인증 성공 여부를 결정하는 단계
    를 포함하는 얼굴 인증 방법.
  6. 제4항에 있어서,
    상기 제2 특징 정보를 획득할지 여부를 결정하는 단계는,
    상기 현재 인증 모드가 제1 인증 모드인 경우,
    상기 제1 인증 결과가 인증 실패인 경우, 상기 제2 특징 정보를 획득하기로 결정하고,
    상기 제1 인증 결과가 인증 성공인 경우, 최종 인증 결과를 인증 성공으로 결정하고 얼굴 인증 절차를 종료하는,
    얼굴 인증 방법.
  7. 제5항에 있어서,
    상기 제2 인증 결과를 결정하는 단계는,
    상기 현재 인증 모드가 제1 인증 모드인 경우,
    상기 제2 인증 결과가 인증 실패인 경우, 최종 인증 결과를 인증 실패로 결정하고,
    상기 제2 인증 결과가 인증 성공인 경우, 최종 인증 결과를 인증 성공으로 결정하는,
    얼굴 인증 방법.
  8. 제4항에 있어서,
    상기 제2 특징 정보를 획득할지 여부를 결정하는 단계는,
    상기 현재 인증 모드가 제2 인증 모드인 경우,
    상기 제1 인증 결과가 인증 실패인 경우, 최종 인증 결과를 인증 실패로 결정하고 얼굴 인증 절차를 종료하고,
    상기 제1 인증 결과가 인증 성공인 경우, 상기 제2 특징 정보를 획득하기로 결정하는,
    얼굴 인증 방법.
  9. 제5항에 있어서,
    상기 제2 인증 결과를 결정하는 단계는,
    상기 현재 인증 모드가 제2 인증 모드인 경우,
    상기 제2 인증 결과가 인증 실패인 경우, 최종 인증 결과를 인증 실패로 결정하고,
    상기 제2 인증 결과가 인증 성공인 경우, 최종 인증 결과를 인증 성공으로 결정하는,
    얼굴 인증 방법.
  10. 제4항에 있어서,
    상기 제1 인증 결과를 결정하는 단계는,
    상기 제1 특징 정보와 상기 제1 인식기를 이용하여 추출된 제1 등록 특징 정보를 비교하여 상기 제1 인증 결과를 결정하는,
    얼굴 인증 방법.
  11. 제10항에 있어서,
    상기 제1 인증 결과가 인증 성공인 경우, 상기 제1 특징 정보를 이용하여 상기 제1 등록 특징 정보를 업데이트하는 단계
    를 더 포함하는 얼굴 인증 방법.
  12. 제5항에 있어서,
    상기 제2 인증 결과를 결정하는 단계는,
    상기 제2 특징 정보와 상기 제2 인식기를 이용하여 추출된 제2 등록 특징 정보를 비교하여 상기 제2 인증 결과를 결정하는,
    얼굴 인증 방법.
  13. 제12항에 있어서,
    상기 제2 인증 결과가 인증 성공인 경우, 상기 제2 특징 정보를 이용하여 상기 제2 등록 특징 정보를 업데이트하는 단계
    를 더 포함하는 얼굴 인증 방법.
  14. 제1항에 있어서,
    상기 특징 정보를 획득하는 단계는,
    상기 입력 영상에서 상기 얼굴 영역을 검출하는 단계;
    상기 검출된 얼굴 영역에서 얼굴의 랜드마크들을 검출하는 단계;
    상기 검출된 랜드마크들에 기초하여 상기 얼굴 영역을 정규화하는 단계; 및
    상기 결정된 적어도 하나의 인식기를 이용하여 상기 정규화된 얼굴 영역의 영상 정보로부터 상기 특징 정보를 획득하는 단계
    를 포함하는 얼굴 인증 방법.
  15. 제4항에 있어서,
    상기 제1 인증 결과를 결정하는 단계는,
    상기 제1 특징 정보와 상기 제1 인식기를 이용하여 추출된 제1 등록 특징 정보 간의 유사도를 계산하는 단계; 및
    상기 유사도와 미리 설정된 제1 임계치 간의 비교 결과에 기초하여 상기 제1 인증 결과를 결정하는 단계
    를 포함하는 얼굴 인증 방법.
  16. 제1항 내지 제15항 중의 어느 한 방법을 컴퓨터에서 실행하기 위한 프로그램을 기록하는 컴퓨터 판독 가능한 기록 매체.
  17. 얼굴 인증 장치에 있어서, 상기 얼굴 인증 장치는 적어도 하나의 프로세서를 포함하고, 상기 적어도 하나의 프로세서는,
    현재 인증 모드를 식별하고,
    상기 현재 인증 모드에 기초하여 얼굴 인증에 이용할 적어도 하나의 인식기를 결정하고,
    상기 결정된 적어도 하나의 인식기를 이용하여, 입력 영상에 나타난 얼굴 영역으로부터 특징 정보를 획득하고,
    상기 특징 정보에 기초하여 인증 성공 여부를 결정하도록 구성되는
    얼굴 인증 장치.
  18. 제17항에 있어서,
    상기 적어도 하나의 프로세서는,
    상기 얼굴 인증에 이용할 복수의 인식기들을 결정하고,
    상기 현재 인증 모드에 기초하여 상기 얼굴 인증에 이용될 인식기들의 조합이 결정하도록 구성되는,
    얼굴 인증 장치.
  19. 제18항에 있어서,
    상기 적어도 하나의 프로세서는,
    상기 현재 인증 모드에 기초하여 상기 인식기들에 기반한 인증 절차를 결정하도록 구성되는,
    얼굴 인증 장치.
  20. 제18항에 있어서
    상기 적어도 하나의 프로세서는,
    제1 인식기를 이용하여 상기 얼굴 영역의 영상 정보로부터 제1 특징 정보를 획득하고,
    상기 제1 특징 정보에 기초하여 제1 인증 결과를 결정하고,
    상기 제1 인증 결과와 상기 현재 인증 모드에 기초하여, 제2 인식기를 이용하여 제2 특징 정보를 획득할지 여부를 결정하도록 구성되는,
    얼굴 인증 장치.
  21. 제20항에 있어서,
    상기 적어도 하나의 프로세서는,
    상기 제2 특징 정보를 획득한다는 결정에 응답하여, 상기 제2 인식기를 이용하여 상기 얼굴 영역의 영상 정보로부터 상기 제2 특징 정보를 획득하고,
    상기 제2 특징 정보에 기초하여 제2 인증 결과를 결정하고,
    상기 제2 인증 결과에 기초하여 상기 인증 성공 여부를 결정 하도록 구성되는,
    얼굴 인증 장치.
  22. 제20항에 있어서,
    상기 적어도 하나의 프로세서는,
    상기 현재 인증 모드가 제1 인증 모드인 경우,
    상기 제1 인증 결과가 인증 실패인 경우, 상기 제2 특징 정보를 획득하기로 결정하고,
    상기 제1 인증 결과가 인증 성공인 경우, 최종 인증 결과를 인증 성공으로 결정하고 얼굴 인증 절차를 종료하도록 구성되는,
    얼굴 인증 장치.
  23. 제21항에 있어서,
    상기 적어도 하나의 프로세서는,
    상기 현재 인증 모드가 제1 인증 모드인 경우,
    상기 제2 인증 결과가 인증 실패인 경우, 최종 인증 결과를 인증 실패로 결정하고,
    상기 제2 인증 결과가 인증 성공인 경우, 최종 인증 결과를 인증 성공으로 결정하도록 구성되는,
    얼굴 인증 장치.
  24. 제20항에 있어서,
    상기 적어도 하나의 프로세서는,
    상기 현재 인증 모드가 제2 인증 모드인 경우,
    상기 제1 인증 결과가 인증 실패인 경우, 최종 인증 결과를 인증 실패로 결정하고 얼굴 인증 절차를 종료하고,
    상기 제1 인증 결과가 인증 성공인 경우, 상기 제2 특징 정보를 획득하기로 결정하도록 구성되는,
    얼굴 인증 장치.
  25. 제21항에 있어서,
    상기 적어도 하나의 프로세서는,
    상기 현재 인증 모드가 제2 인증 모드인 경우,
    상기 제2 인증 결과가 인증 실패인 경우, 최종 인증 결과를 인증 실패로 결정하고,
    상기 제2 인증 결과가 인증 성공인 경우, 최종 인증 결과를 인증 성공으로 결정하도록 구성되는,
    얼굴 인증 장치.
  26. 제20항에 있어서,
    상기 적어도 하나의 프로세서는,
    상기 제1 특징 정보와 상기 제1 인식기를 이용하여 추출된 제1 등록 특징 정보를 비교하여 상기 제1 인증 결과를 결정하도록 구성되는,
    얼굴 인증 장치.
  27. 제26항에 있어서,
    상기 적어도 하나의 프로세서는,
    상기 제1 인증 결과가 인증 성공인 경우, 상기 제1 특징 정보를 이용하여 상기 제1 등록 특징 정보를 업데이트하도록 구성되는,
    얼굴 인증 장치.
  28. 제21항에 있어서,
    상기 적어도 하나의 프로세서는,
    상기 제2 특징 정보와 상기 제2 인식기를 이용하여 추출된 제2 등록 특징 정보를 비교하여 상기 제2 인증 결과를 결정하도록 구성되는,
    얼굴 인증 장치.
  29. 제28항에 있어서,
    상기 적어도 하나의 프로세서는,
    상기 제2 인증 결과가 인증 성공인 경우, 상기 제2 특징 정보를 이용하여 상기 제2 등록 특징 정보를 업데이트하도록 구성되는,
    얼굴 인증 장치.
  30. 제17항에 있어서,
    상기 적어도 하나의 프로세서는,
    상기 입력 영상에서 상기 얼굴 영역을 검출하고,
    상기 검출된 얼굴 영역에서 얼굴의 랜드마크들을 검출하고,
    상기 검출된 랜드마크들에 기초하여 상기 얼굴 영역을 정규화하고,
    상기 결정된 적어도 하나의 인식기를 이용하여 상기 정규화된 얼굴 영역의 영상 정보로부터 상기 특징 정보를 획득하도록 구성되는,
    얼굴 인증 장치.
  31. 제20항에 있어서,
    상기 적어도 하나의 프로세서는,
    상기 제1 특징 정보와 상기 제1 인식기를 이용하여 추출된 제1 등록 특징 정보 간의 유사도를 계산하고,
    상기 유사도와 미리 설정된 제1 임계치 간의 비교 결과에 기초하여 상기 제1 인증 결과를 결정하도록 구성되는,
    얼굴 인증 장치.
  32. 사용자의 얼굴 영역이 나타난 입력 영상으로부터 제1 특징 정보를 추출하는 뉴럴 네트워크 모델을 포함하는 제1 인식기;
    상기 입력 영상으로부터 상기 제1 특징 정보와 다른 제2 특징 정보를 추출하는 뉴럴 네트워크 모델을 포함하는 제2 인식기; 및
    상기 추출된 제1 특징 정보와 등록된 제1 등록 특징 정보를 비교한 제1 인증 결과 및 상기 추출된 제2 특징 정보와 등록된 제2 등록 특징 정보를 비교한 제2 인증 결과 중 적어도 하나가 성공이면 얼굴 인증을 성공으로 결정하는 얼굴 인증 장치
    를 포함하는 컴퓨팅 장치.
  33. 제32항에 있어서,
    상기 제1 인식기의 뉴럴 네트워크 모델 및 상기 제2 인식기의 뉴럴 네트워크 모델은 서로 다른 학습 데이터에 기초하여 학습된 것인, 컴퓨팅 장치.
  34. 제32항에 있어서,
    상기 제2 인식기의 뉴럴 네트워크 모델은,
    얼굴 영역에 폐색 영역이 존재하는 학습 데이터에 기초하여 학습된 것인, 컴퓨팅 장치.
  35. 제32항에 있어서,
    상기 얼굴 영역에서 폐색 영역이 존재할 것으로 예상되는 영역을 평균 영상, 평균 값 영상 또는 단일 컬러 영상의 대응되는 영역의 영상 정보로 대체한 영상이 상기 제2 인식기의 뉴럴 네트워크 모델에 입력되는, 컴퓨팅 장치.
  36. 제35항에 있어서,
    상기 폐색 영역이 존재할 것으로 예상되는 영역은,
    상기 얼굴 영역에서 안경, 선글라스 또는 마스크에 의해 폐색이 나타날 수 있는 영역인, 컴퓨팅 장치.
  37. 제32항에 있어서,
    상기 얼굴 인증 장치는,
    상기 얼굴 인증이 성공이면 상기 컴퓨팅 장치의 잠금 모드를 해제하는, 컴퓨팅 장치.
  38. 사용자의 얼굴 영역이 나타난 입력 영상으로부터 제1 특징 정보를 추출하는 뉴럴 네트워크 모델을 포함하는 제1 인식기;
    상기 입력 영상으로부터 상기 제1 특징 정보와 다른 제2 특징 정보를 추출하는 뉴럴 네트워크 모델을 포함하는 제2 인식기; 및
    상기 추출된 제1 특징 정보와 등록된 제1 등록 특징 정보를 비교한 제1 인증 결과 및 상기 추출된 제2 특징 정보와 등록된 제2 등록 특징 정보를 비교한 제2 인증 결과 중 적어도 하나가 실패이면 얼굴 인증을 실패로 결정하는 얼굴 인증 장치
    를 포함하는 컴퓨팅 장치.
  39. 제38항에 있어서,
    상기 제1 인식기의 뉴럴 네트워크 모델 및 상기 제2 인식기의 뉴럴 네트워크 모델은 서로 다른 학습 데이터에 기초하여 학습된 것인, 컴퓨팅 장치.
  40. 제38항에 있어서,
    상기 제2 인식기의 뉴럴 네트워크 모델은,
    얼굴 영역에 폐색 영역이 존재하는 학습 데이터에 기초하여 학습된 것인, 컴퓨팅 장치.
  41. 제38항에 있어서,
    상기 얼굴 영역에서 폐색 영역이 존재할 것으로 예상되는 영역을 평균 영상, 평균 값 영상 또는 단일 컬러 영상의 대응되는 영역의 영상 정보로 대체한 영상이 상기 제2 인식기의 뉴럴 네트워크 모델에 입력되는, 컴퓨팅 장치.
  42. 제41항에 있어서,
    상기 폐색 영역이 존재할 것으로 예상되는 영역은,
    상기 얼굴 영역에서 안경, 선글라스 또는 마스크에 의해 폐색이 나타날 수 있는 영역인, 컴퓨팅 장치.
  43. 제38항에 있어서,
    상기 얼굴 인증 장치는,
    상기 얼굴 인증이 실패이면 상기 컴퓨팅 장치를 이용한 금융 서비스 또는 결제 서비스에서의 인증 결과를 인증 실패로 결정하는, 컴퓨팅 장치.
KR1020170039489A 2017-03-28 2017-03-28 얼굴 인증 방법 및 장치 KR102370063B1 (ko)

Priority Applications (6)

Application Number Priority Date Filing Date Title
KR1020170039489A KR102370063B1 (ko) 2017-03-28 2017-03-28 얼굴 인증 방법 및 장치
US15/864,232 US11532177B2 (en) 2017-03-28 2018-01-08 Face verification method and apparatus
JP2018042975A JP7133949B2 (ja) 2017-03-28 2018-03-09 顔認証方法及び装置
CN201810209155.4A CN108664879B (zh) 2017-03-28 2018-03-14 脸部验证方法和设备
EP18164571.4A EP3382603B1 (en) 2017-03-28 2018-03-28 Face verification method and apparatus
US18/082,930 US20230119080A1 (en) 2017-03-28 2022-12-16 Face verification method and apparatus

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020170039489A KR102370063B1 (ko) 2017-03-28 2017-03-28 얼굴 인증 방법 및 장치

Publications (2)

Publication Number Publication Date
KR20180109578A KR20180109578A (ko) 2018-10-08
KR102370063B1 true KR102370063B1 (ko) 2022-03-04

Family

ID=61832391

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020170039489A KR102370063B1 (ko) 2017-03-28 2017-03-28 얼굴 인증 방법 및 장치

Country Status (5)

Country Link
US (2) US11532177B2 (ko)
EP (1) EP3382603B1 (ko)
JP (1) JP7133949B2 (ko)
KR (1) KR102370063B1 (ko)
CN (1) CN108664879B (ko)

Families Citing this family (35)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102476756B1 (ko) * 2017-06-20 2022-12-09 삼성전자주식회사 사용자 인증을 위한 등록 데이터베이스의 적응적 갱신 방법 및 장치
KR102374747B1 (ko) * 2017-12-15 2022-03-15 삼성전자주식회사 객체를 인식하는 장치 및 방법
US20190332848A1 (en) * 2018-04-27 2019-10-31 Honeywell International Inc. Facial enrollment and recognition system
US10769261B2 (en) * 2018-05-09 2020-09-08 Futurewei Technologies, Inc. User image verification
IT201800003188A1 (it) * 2018-05-25 2019-11-25 Dispositivo contateste e metodo di processamento di immagini digitali
TWI671685B (zh) * 2018-09-19 2019-09-11 和碩聯合科技股份有限公司 臉部識別方法與使用此方法的電子裝置
US11539872B2 (en) * 2018-09-28 2022-12-27 Nec Corporation Imaging control system, imaging control method, control device, control method, and storage medium
CN109977639B (zh) * 2018-10-26 2021-05-04 招商银行股份有限公司 身份认证方法、装置及计算机可读存储介质
WO2020085632A1 (ko) * 2018-10-26 2020-04-30 삼성전자 주식회사 생체 인식 기반의 사용자 인증 방법 및 장치
EP3660728A1 (en) * 2018-11-30 2020-06-03 Essilor International (Compagnie Generale D'optique) A server, method, and computer-readable storage medium for selecting eyewear equipment
US11079911B2 (en) * 2018-12-26 2021-08-03 Synaptics Incorporated Enrollment-free offline device personalization
KR102570070B1 (ko) * 2018-12-27 2023-08-23 삼성전자주식회사 일반화된 사용자 모델을 이용한 사용자 인증 방법 및 장치
EP3913548A4 (en) * 2019-01-15 2022-03-09 Sony Group Corporation SERVER AND LEARNING SYSTEM
CN109903260B (zh) * 2019-01-30 2023-05-23 华为技术有限公司 图像处理方法及图像处理装置
JP7275616B2 (ja) 2019-02-06 2023-05-18 富士フイルムビジネスイノベーション株式会社 発光装置、光学装置および情報処理装置
CN110084216B (zh) * 2019-05-06 2021-11-09 苏州科达科技股份有限公司 人脸识别模型训练和人脸识别方法、系统、设备及介质
CN110851457A (zh) * 2019-10-21 2020-02-28 广东优世联合控股集团股份有限公司 登录信息检索方法
US11580780B2 (en) * 2019-11-13 2023-02-14 Nec Corporation Universal feature representation learning for face recognition
CN110837817A (zh) * 2019-11-18 2020-02-25 北京小米移动软件有限公司 目标对象识别方法、装置、设备及存储介质
KR20210062477A (ko) * 2019-11-21 2021-05-31 삼성전자주식회사 전자 장치 및 그 제어 방법
US20220092735A1 (en) * 2019-11-21 2022-03-24 Samsung Electronics Co., Ltd. Electronic apparatus and controlling method thereof
CN111080553A (zh) * 2019-12-13 2020-04-28 上海展扬通信技术有限公司 图片优化处理方法、装置、设备及可读存储介质
WO2021130967A1 (ja) * 2019-12-26 2021-07-01 日本電気株式会社 情報処理システム、情報処理装置、情報処理方法、及びコンピュータプログラム
KR20210083026A (ko) 2019-12-26 2021-07-06 삼성전자주식회사 생체 인식을 위한 전자 장치 및 그 방법
US11991180B2 (en) 2019-12-27 2024-05-21 Rakuten Group, Inc. Authentication system, authentication device, authentication method and program
CN111260545B (zh) * 2020-01-20 2023-06-20 北京百度网讯科技有限公司 生成图像的方法和装置
KR20210157052A (ko) * 2020-06-19 2021-12-28 삼성전자주식회사 객체 인식 방법 및 객체 인식 장치
CN111611572B (zh) * 2020-06-28 2022-11-22 支付宝(杭州)信息技术有限公司 一种基于人脸认证的实名认证方法及装置
JP6797388B1 (ja) * 2020-07-31 2020-12-09 アカメディア・ジャパン株式会社 オンライン学習システム
CN112463817B (zh) * 2020-11-24 2024-07-05 深圳市新系区块链技术有限公司 一种口罩信息处理方法及其相关设备
US11921831B2 (en) * 2021-03-12 2024-03-05 Intellivision Technologies Corp Enrollment system with continuous learning and confirmation
WO2022250063A1 (ja) * 2021-05-26 2022-12-01 キヤノン株式会社 顔認証を行う画像処理装置および画像処理方法
JP7346528B2 (ja) * 2021-05-26 2023-09-19 キヤノン株式会社 画像処理装置、画像処理方法及びプログラム
WO2023238365A1 (ja) * 2022-06-10 2023-12-14 富士通株式会社 顔特徴情報抽出方法、顔特徴情報抽出装置、及び顔特徴情報抽出プログラム
CN116542674B (zh) * 2023-07-06 2023-09-26 鲁担(山东)数据科技有限公司 一种基于大数据的风险分析评估方法及系统

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050238207A1 (en) * 2004-04-23 2005-10-27 Clifford Tavares Biometric verification system and method utilizing a data classifier and fusion model
JP2016040684A (ja) * 2014-08-12 2016-03-24 株式会社ディー・ディー・エス 複合認証システム
US20160328623A1 (en) * 2014-05-09 2016-11-10 Samsung Electronics Co., Ltd. Liveness testing methods and apparatuses and image processing methods and apparatuses

Family Cites Families (22)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS62212781A (ja) 1986-03-14 1987-09-18 Hitachi Ltd 個人認証方式
JP2000215308A (ja) 1999-01-27 2000-08-04 Toshiba Corp 生体情報認証装置およびその方法
JP4321944B2 (ja) 2000-04-27 2009-08-26 富士通株式会社 生体情報を用いた個人認証システム
JP2003067744A (ja) 2001-08-24 2003-03-07 Toshiba Corp 個人認証装置および個人認証方法
JP3970573B2 (ja) 2001-10-19 2007-09-05 アルパイン株式会社 顔画像認識装置および方法
JP4219151B2 (ja) * 2002-10-23 2009-02-04 グローリー株式会社 画像照合装置、画像照合方法および画像照合プログラム
WO2006078265A2 (en) 2004-03-30 2006-07-27 Geometrix Efficient classification of three dimensional face models for human identification and other applications
JP4855180B2 (ja) 2006-08-25 2012-01-18 株式会社日立国際電気 画像処理システム
US8073287B1 (en) * 2007-02-26 2011-12-06 George Mason Intellectual Properties, Inc. Recognition by parts using adaptive and robust correlation filters
KR20100053194A (ko) 2008-11-12 2010-05-20 삼성전자주식회사 디지털 영상 처리장치 및 그 제어방법
JP2010244365A (ja) 2009-04-07 2010-10-28 Sony Corp サービス提供装置、サービス提供方法、生体情報認証サーバ、生体情報認証方法、プログラムおよびサービス提供システム
US9165404B2 (en) 2011-07-14 2015-10-20 Samsung Electronics Co., Ltd. Method, apparatus, and system for processing virtual world
JP6355307B2 (ja) 2013-07-10 2018-07-11 グローリー株式会社 顔照合装置、顔照合方法及び顔照合プログラム
KR101336096B1 (ko) 2013-08-22 2013-12-19 주식회사 파이브지티 적외선 조명을 이용한 얼굴 인식 장치 및 방법
JP2015088098A (ja) * 2013-11-01 2015-05-07 株式会社ソニー・コンピュータエンタテインメント 情報処理装置および情報処理方法
JP2015194947A (ja) 2014-03-31 2015-11-05 ソニー株式会社 情報処理装置及びコンピュータプログラム
KR102225623B1 (ko) 2014-09-18 2021-03-12 한화테크윈 주식회사 키포인트 기술자 매칭 및 다수결 기법 기반 얼굴 인식 시스템 및 방법
US9430696B2 (en) * 2014-10-09 2016-08-30 Sensory, Incorporated Continuous enrollment for face verification
KR20160061856A (ko) 2014-11-24 2016-06-01 삼성전자주식회사 객체 인식 방법 및 장치, 및 인식기 학습 방법 및 장치
JP6626259B2 (ja) 2015-03-09 2019-12-25 キヤノン株式会社 画像認識装置、画像認識方法、及び画像認識プログラム
JP6754619B2 (ja) * 2015-06-24 2020-09-16 三星電子株式会社Ｓａｍｓｕｎｇ Ｅｌｅｃｔｒｏｎｉｃｓ Ｃｏ．，Ｌｔｄ． 顔認識方法及び装置
CN106169075A (zh) * 2016-07-11 2016-11-30 北京小米移动软件有限公司 身份验证方法及装置

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050238207A1 (en) * 2004-04-23 2005-10-27 Clifford Tavares Biometric verification system and method utilizing a data classifier and fusion model
US20160328623A1 (en) * 2014-05-09 2016-11-10 Samsung Electronics Co., Ltd. Liveness testing methods and apparatuses and image processing methods and apparatuses
JP2016040684A (ja) * 2014-08-12 2016-03-24 株式会社ディー・ディー・エス 複合認証システム

Also Published As

Publication number Publication date
JP2018165983A (ja) 2018-10-25
CN108664879B (zh) 2023-09-05
KR20180109578A (ko) 2018-10-08
US11532177B2 (en) 2022-12-20
CN108664879A (zh) 2018-10-16
US20180285629A1 (en) 2018-10-04
US20230119080A1 (en) 2023-04-20
EP3382603B1 (en) 2021-10-13
EP3382603A1 (en) 2018-10-03
JP7133949B2 (ja) 2022-09-09

Similar Documents

Publication Publication Date Title
KR102370063B1 (ko) 얼굴 인증 방법 및 장치
KR102359558B1 (ko) 얼굴 인증 방법 및 장치
KR102324468B1 (ko) 얼굴 인증을 위한 장치 및 방법
KR102299847B1 (ko) 얼굴 인증 방법 및 장치
KR102655949B1 (ko) 3d 영상 기반의 얼굴 인증 방법 및 장치
KR102387571B1 (ko) 라이브니스 검사 방법 및 장치
US11449971B2 (en) Method and apparatus with image fusion
KR102455633B1 (ko) 라이브니스 검사 방법 및 장치
KR102483642B1 (ko) 라이브니스 검사 방법 및 장치
KR102415509B1 (ko) 얼굴 인증 방법 및 장치
US9864756B2 (en) Method, apparatus for providing a notification on a face recognition environment, and computer-readable recording medium for executing the method
US9262614B2 (en) Image processing device, image processing method, and storage medium storing image processing program
KR102458241B1 (ko) 사용자 인식 장치 및 방법
KR102427853B1 (ko) 사용자 인증을 위한 등록 데이터베이스의 적응적 갱신 방법 및 장치
US9292752B2 (en) Image processing device and image processing method
KR102380426B1 (ko) 얼굴 인증 방법 및 장치
KR20210050649A (ko) 모바일 기기의 페이스 인증 방법
CN112613345A (zh) 用户认证方法和系统
KR20200127818A (ko) 라이브니스 검사 방법 및 장치, 얼굴 인증 방법 및 장치
KR102483648B1 (ko) 인증을 수행하는 방법 및 장치
KR102583982B1 (ko) 비대면 출입 통제 방법 및 이를 수행하는 출입 통제 시스템
WO2021060256A1 (ja) 顔認証装置、顔認証方法、及びコンピュータ読み取り可能な記録媒体
KR20210001270A (ko) 블러 추정 방법 및 장치
KR20210050650A (ko) 모바일 기기의 페이스 인증을 통한 잠금 해제 방법
Al-Hamami et al. Cloud Computing Access Authentication through Mobile Device Based on Face Recognition

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