KR102518243B1 - 관상학적 특징 정보를 이용한 얼굴인식 장치 및 방법 - Google Patents

관상학적 특징 정보를 이용한 얼굴인식 장치 및 방법 Download PDF

Info

Publication number
KR102518243B1
KR102518243B1 KR1020160001244A KR20160001244A KR102518243B1 KR 102518243 B1 KR102518243 B1 KR 102518243B1 KR 1020160001244 A KR1020160001244 A KR 1020160001244A KR 20160001244 A KR20160001244 A KR 20160001244A KR 102518243 B1 KR102518243 B1 KR 102518243B1
Authority
KR
South Korea
Prior art keywords
face
similarity
component
chin
face recognition
Prior art date
Application number
KR1020160001244A
Other languages
English (en)
Other versions
KR20170082074A (ko
Inventor
윤호섭
반규대
윤영우
김재홍
Original Assignee
한국전자통신연구원
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 한국전자통신연구원 filed Critical 한국전자통신연구원
Priority to KR1020160001244A priority Critical patent/KR102518243B1/ko
Priority to US15/089,944 priority patent/US9990538B2/en
Publication of KR20170082074A publication Critical patent/KR20170082074A/ko
Application granted granted Critical
Publication of KR102518243B1 publication Critical patent/KR102518243B1/ko

Links

Images

Classifications

    • 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
    • G06F18/22—Matching criteria, e.g. proximity measures
    • 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
    • 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
    • G06V40/165—Detection; Localisation; Normalisation using facial parts and geometric relationships
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/168—Feature extraction; Face representation
    • G06V40/169—Holistic features and representations, i.e. based on the facial image taken as a whole
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/172—Classification, e.g. identification

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Human Computer Interaction (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Data Mining & Analysis (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • General Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Image Analysis (AREA)
  • Collating Specific Patterns (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Abstract

얼굴 인식의 정확도를 높인 관상학적 특징 정보를 이용한 얼굴인식 기술이 개시된다. 이를 위해, 본 발명의 일 실시예에 따른 관상학적 특징 정보를 이용한 얼굴인식 방법은 얼굴 구성요소 별로 관상학적 표준 타입들을 정의하는 단계; 사용자의 얼굴 영상을 촬영하는 단계; 상기 얼굴 영상에서 얼굴 구성요소 정보를 검출하는 단계; 및 상기 얼굴 구성요소 정보에 기초하여, 상기 사용자의 얼굴 구성요소 별로 관상학적 표준 타입들과의 유사도 스코어를 산정하는 단계를 포함하는 것을 특징으로 한다.

Description

관상학적 특징 정보를 이용한 얼굴인식 장치 및 방법{FACE RECOGNITION APPARATUS AND METHOD USING PHYSIOGNOMIC INFORMATION}
본 발명은 관상학적 특징 정보를 이용한 얼굴인식 장치 및 방법에 관한 것으로, 특히 얼굴 인식의 정확도를 높인 관상학적 특징 정보를 이용한 얼굴인식 장치 및 방법에 관한 것이다.
정보화 사회가 발달함에 따라 사람을 식별하기 위한 신분 확인 기술이 중요해지고 있으며, 컴퓨터를 이용한 개인의 정보 보호 및 신분 확인을 위해 인체 특징을 이용하는 생체 인식 기술이 많이 연구되고 있다.
특히, 생체 인식 기술 중에서도 얼굴 인식 기술은, 지문 인식, 홍채 인식 등 사용자의 특별한 동작이나 행위를 요구하는 인식 기술과 달리, 비접촉식으로 사용자의 신분을 확인할 수 있는 장점 때문에 편리하고 경쟁력 있는 생체 인식 기술로 평가받고 있다. 얼굴 인식 기술은 멀티미디어 데이터 베이스 검색 핵심 기술 중의 하나로 얼굴 정보를 이용한 동영상의 요약, 신분 증명, HCI(Human Computer Interface)이미지 검색, 보안, 감시시스템 등 다양한 응용 분야에서 널리 이용되고 있다.
종래 카메라를 이용한 얼굴인식 방식은 주로 얼굴의 전역적인 정보를 이용하거나, 얼굴 구성요소를 결정하는 특징 포인트들의 지엽적인 정보를 이용하는 방법으로 수행되어져 왔다. 그러나, 일반적으로 사람은 타인의 얼굴을 인식할 때, 얼굴의 전체적인 형태를 사용하기도 하지만, 그 사람의 고유한 얼굴 관상학적 특징을 활용하여 인식하고자 하는 경향이 있다. 즉, 얼굴에 쌍꺼풀이 있는가, 특정위치에 점이 있는가, 뽀족 턱인가, 가늘고 긴 눈인가, 특정 위치에 주름이 있는가 등의 정보가 그 사람을 알아보는 중요한 정보로 활용된다.
관련하여 한국공개특허 제2008-0049394호는 '얼굴 인식을 위한 전처리 방법, 이를 이용한 얼굴 인식방법 및 장치'를 개시한다.
본 발명의 목적은 사람들이 얼굴을 인식할 때 중요요인으로 보는 관상학적 특징 정보를 활용하여 자동으로 얼굴을 인식하는 기술을 구현하는 것이다. 그리고, 본 발명은 얼굴 인식 시 다양한 관상학적 특징 정보를 활용하여 얼굴인식의 정확도를 높이는 것을 목적으로 한다.
또한, 본 발명은 관상학적 특징 정보를 활용한 얼굴인식 및 기존의 전역적인 특징과 얼굴의 구성요소 위치들을 이용한 얼굴인식을 융합 처리하여 보다 높은 정확도의 얼굴인식 기술을 제공하는 것을 목적으로 한다.
상기한 목적을 달성하기 위한 본 발명의 일 실시예에 따른 관상학적 특징 정보를 이용한 얼굴인식 방법은 얼굴 구성요소 별로 관상학적 표준 타입들을 정의하는 단계; 사용자의 얼굴 영상을 촬영하는 단계; 상기 얼굴 영상에서 얼굴 구성요소 정보를 검출하는 단계; 및 상기 얼굴 구성요소 정보에 기초하여, 상기 사용자의 얼굴 구성요소 별로 관상학적 표준 타입들과의 유사도 스코어를 산정하는 단계를 포함하는 것을 특징으로 한다.
이 때, 상기 관상학적 표준 타입들을 정의하는 단계에서, 상기 얼굴 구성요소는 눈, 코, 입, 턱, 점 및 주름 중 적어도 하나이며, 상기 관상학적 표준 타입들은 눈간 거리, 쌍꺼풀의 유무, 눈의 크기, 코의 크기 및 형태, 턱의 형태, 점의 위치 및 형태, 및 주름의 위치 및 형태 중 적어도 하나에 기초하여 정의될 수 있다.
이 때, 상기 산정하는 단계를 통해 산정된 상기 유사도 스코어에 기초하여 얼굴 DB에 사전 등록되어 있던 얼굴 데이터와의 유사도를 판단하는 단계를 더 포함할 수 있다.
이 때, 상기 사용자의 얼굴 영상을 촬영하는 단계 이후에, 상기 얼굴 영상에서의 얼굴의 전역적인 특징 및 상기 얼굴 구성요소의 위치를 이용하여 기본 얼굴인식을 수행하는 단계를 더 포함하며, 상기 유사도를 판단하는 단계에서, 상기 산정하는 단계를 통해 산정된 상기 유사도 스코어 및 상기 기본 얼굴인식의 결과에 기초하여 상기 얼굴 DB에 사전 등록되어 있던 얼굴 데이터와의 유사도를 판단할 수 있다.
이 때, 상기 유사도를 판단하는 단계에서, 상기 유사도 스코어 및 상기 기본 얼굴인식의 결과 각각에 가중치를 부여한 후 상기 얼굴 DB에 사전 등록되어 있던 얼굴 데이터와의 유사도를 판단할 수 있다.
이 때, 상기 유사도 스코어에 부여되는 가중치 및 상기 기본 얼굴인식의 결과에 부여되는 가중치 각각은 0 초과 1 미만의 값을 가지며, 상기 유사도 스코어에 부여되는 가중치 및 상기 기본 얼굴인식의 결과에 부여되는 가중치의 총합은 1일 수 있다.
이 때, 상기 관상학적 표준 타입들을 정의하는 단계에서, 상기 얼굴 구성요소가 턱인 경우, 기 설정된 기준에 따라 턱에 대한 상기 관상학적 표준 타입으로 일반 턱 타입으로 둥근턱, 아감뼈턱, 뾰족턱, 모난턱 및 사각턱과 특수 턱 타입으로 중앙 홈턱, 비대칭턱 및 이중턱 중 적어도 하나의 형태를 상기 관상학적 표준 타입들로 정의할 수 있다.
이 때, 상기 관상학적 표준 타입들을 정의하는 단계에서, 상기 얼굴 구성요소가 점 혹은 주름인 경우, 기 설정된 기준에 따라 상기 점 혹은 주름의 위치, 형태 및 개수에 따라 상기 관상학적 표준 타입들을 정의할 수 있다.
이 때, 상기 유사도를 판단하는 단계에서, 상기 사용자의 얼굴 구성요소 별로 산정한 관상학적 표준 타입들과의 유사도 스코어에 기초하여 상기 사용자의 얼굴의 관상학적 표준 타입을 정의 후, 상기 얼굴 DB에서 상기 정의된 관상학적 표준 타입과 동일한 타입으로 저장되어 있던 얼굴 데이터들과만 유사도를 판단할 수 있다.
이 때, 상기 얼굴 구성요소 정보를 검출하는 단계 이후에, 상기 얼굴 구성요소 정보에 기초하여 상기 얼굴 영상의 얼굴의 크기를 정규화하는 전처리 단계를 더 포함하며, 상기 유사도 스코어를 산정하는 단계에서는, 상기 전처리 단계를 거친 얼굴 영상의 얼굴 구성요소 정보에 기초하여 유사도 스코어를 산정할 수 있다.
이 때, 상기 사용자의 얼굴 영상을 촬영하는 단계에서, 일반 카메라 및 3D depth 카메라에 기초하여 상기 사용자의 얼굴 영상을 촬영할 수 있다.
또한, 상기한 목적을 달성하기 위한 본 발명의 일 실시예에 따른 관상학적 특징 정보를 이용한 얼굴인식 장치는 얼굴 구성요소 별로 관상학적 표준 타입들을 정의하는 표준 타입 정의부; 사용자의 얼굴 영상을 촬영하는 촬영부; 상기 얼굴 영상에서 얼굴 구성요소 정보를 검출하는 검출부; 및 상기 얼굴 구성요소 정보에 기초하여, 상기 사용자의 얼굴 구성요소 별로 관상학적 표준 타입들과의 유사도 스코어를 산정하는 스코어 산정부를 포함한다.
이 때, 상기 얼굴 구성요소는 눈, 코, 입, 턱, 점 및 주름 중 적어도 하나이며, 상기 표준 타입 정의부는, 상기 관상학적 표준 타입들을 눈간 거리, 쌍꺼풀의 유무, 눈의 크기, 코의 크기 및 형태, 턱의 형태, 점의 위치 및 형태, 및 주름의 위치 및 형태 중 적어도 하나에 기초하여 정의할 수 있다.
이 때, 상기 유사도 스코어에 기초하여 얼굴 DB에 사전 등록되어 있던 얼굴 데이터와의 유사도를 판단하는 유사 판단부를 더 포함할 수 있다.
이 때, 상기 얼굴 영상에서의 얼굴의 전역적인 특징 및 상기 얼굴 구성요소의 위치를 이용하여 기본 얼굴인식을 수행하는 기본 얼굴인식부를 더 포함하며, 상기 유사 판단부는, 상기 유사도 스코어 및 상기 기본 얼굴인식의 결과에 기초하여 상기 얼굴 DB에 사전 등록되어 있던 얼굴 데이터와의 유사도를 판단할 수 있다.
이 때, 상기 유사 판단부는, 상기 유사도 스코어 및 상기 기본 얼굴인식의 결과 각각에 가중치를 부여한 후 상기 얼굴 DB에 사전 등록되어 있던 얼굴 데이터와의 유사도를 판단할 수 있다.
이 때, 상기 유사도 스코어에 부여되는 가중치 및 상기 기본 얼굴인식의 결과에 부여되는 가중치 각각은 0 초과 1 미만의 값을 가지며, 상기 유사도 스코어에 부여되는 가중치 및 상기 기본 얼굴인식의 결과에 부여되는 가중치의 총합은 1일 수 있다.
이 때, 상기 얼굴 구성요소 정보에 기초하여 상기 얼굴 영상의 얼굴의 크기를 정규화하는 정규화부를 더 포함하며, 상기 스코어 산정부는, 상기 정규화된 얼굴 영상의 얼굴 구성요소 정보에 기초하여 유사도 스코어를 산정할 수 있다.
이 때, 상기 유사 판단부는, 상기 사용자의 얼굴 구성요소 별로 산정한 관상학적 표준 타입들과의 유사도 스코어에 기초하여 상기 사용자의 얼굴의 관상학적 표준 타입을 정의 후, 상기 얼굴 DB에서 상기 정의된 관상학적 표준 타입과 동일한 타입으로 저장되어 있던 얼굴 데이터들과만 유사도를 판단할 수 있다.
본 발명에 따르면, 사람들이 얼굴을 인식할 때 중요요인으로 보는 관상학적 특징 정보를 활용하여 자동으로 얼굴을 인식하는 기술을 구현할 수 있다. 그리고, 본 발명은 얼굴 인식 시 다양한 관상학적 특징 정보를 활용하여 얼굴인식의 정확도를 높일 수 있다.
또한, 본 발명은 관상학적 특징 정보를 활용한 얼굴인식 및 기존의 전역적인 특징과 얼굴의 구성요소 위치들을 이용한 얼굴인식을 융합 처리하여 보다 높은 정확도의 얼굴인식 기술을 제공할 수 있다.
도 1은 본 발명의 일 실시예에 따른 관상학적 특징 정보를 이용한 얼굴인식 방법을 설명하기 위한 플로우챠트이다.
도 2 내지 도 6은 관상학적 특징 정보에 기초한 일반적인 타입의 턱의 분류를 설명하기 위한 도면이다.
도 7 내지 도 9는 관상학적 특징 정보에 기초한 특수한 타입의 턱의 분류를 설명하기 위한 도면이다.
도 10은 턱의 타입 분류하기 위한 방법으로 코의 기준점과 턱선 정보를 이용하는 것을 도시한 도면이다.
도 11 및 도 12는 쌍꺼풀의 유무에 따른 눈의 타입 분류를 설명하기 위한 도면이다.
도 13 및 도 14는 눈간거리에 따른 눈의 타입 분류를 설명하기 위한 도면이다.
도 15는 눈간 거리의 비의 계산을 수행하는 방법을 도시한 도면이다.
도 16 및 도 17은 점의 유무 및 위치에 따른 분류를 설명하기 위한 도면이다.
도 18 및 도 19는 주름의 위치 및 형태에 따른 분류를 설명하기 위한 도면이다.
도 20 내지 도 22는 코의 형태에 따른 코의 타입 분류를 설명하기 위한 도면이다.
도 23 내지 도 26은 눈의 형태에 따른 눈의 타입 분류를 설명하기 위한 도면이다.
도 27은 본 발명의 일 실시예에 따른 관상학적 특징 정보를 이용한 얼굴인식 장치의 구성을 나타낸 블록도이다.
본 발명을 첨부된 도면을 참조하여 상세히 설명하면 다음과 같다. 여기서, 반복되는 설명, 본 발명의 요지를 불필요하게 흐릴 수 있는 공지 기능, 및 구성에 대한 상세한 설명은 생략한다. 본 발명의 실시형태는 당 업계에서 평균적인 지식을 가진 자에게 본 발명을 보다 완전하게 설명하기 위해서 제공되는 것이다. 따라서, 도면에서의 요소들의 형상 및 크기 등은 보다 명확한 설명을 위해 과장될 수 있다.
이하, 본 발명의 일 실시예에 따른 관상학적 특징 정보를 이용한 얼굴인식 방법에 대하여 설명한다.
도 1은 본 발명의 일 실시예에 따른 관상학적 특징 정보를 이용한 얼굴인식 방법을 설명하기 위한 플로우챠트이다.
도 1을 참조하면, 본 발명의 일 실시예에 따른 관상학적 특징 정보를 이용한 얼굴인식 방법은 먼저, 얼굴 구성요소 별로 관상학적 표준 타입들을 정의한다(S110). S110 단계에서, 상기 얼굴 구성요소는 눈, 코, 입, 턱, 점 및 주름 중 적어도 하나이며, 관상학적 표준 타입들은 눈간 거리, 쌍꺼풀의 유무, 눈의 크기, 코의 크기 및 형태, 턱의 형태, 점의 위치 및 형태, 및 주름의 위치 및 형태 중 적어도 하나에 기초하여 정의할 수 있다. 구체적인 얼굴 구성요소 별 관상학적 표준 타입에 대하여는 도 2 내지 도 26과 함께 후술한다.
그리고, 사용자의 얼굴 영상을 촬영한다(S120). 이 때, 일반 카메라 및 3D depth 카메라에 기초하여 상기 사용자의 얼굴 영상을 촬영할 수 있다.
S120 단계에서 촬영된 얼굴 영상에서 사용자의 얼굴 구성요소 정보를 검출한다(S130). 이 후, 얼굴 구성요소 정보에 기초하여 얼굴 영상의 얼굴의 크기를 정규화하는 전처리를 수행할 수 있다(S140).
그리고, 얼굴 구성요소 정보에 기초하여, 사용자의 얼굴 구성요소 별로 관상학적 표준 타입들과의 유사도 스코어를 산정한다(S150). 이 때, S140 단계를 통하여 전처리 단계를 거친 얼굴 영상의 얼굴 구성요소 정보에 기초하여 유사도 스코어를 산정할 수 있다.
또한, 얼굴 영상에서의 얼굴의 전역적인 특징 및 얼굴 구성요소의 위치에 기초한 기본 얼굴인식을 추가로 수행할 수 있다(S160).
S150 단계를 통해 산정된 유사도 스코어에 기초하여 얼굴 DB에 사전 등록되어 있던 얼굴 데이터와의 유사도를 판단한다(S170). S170 단계에서, S150 단계를 통해 산정된 유사도 스코어 및 S160 단계의 기본 얼굴인식의 결과에 기초하여 얼굴 DB에 사전 등록되어 있던 얼굴 데이터와의 유사도를 판단할 수 있다. 이 때, 유사도 스코어 및 기본 얼굴인식의 결과 각각에 가중치를 부여한 후 유사도를 판단할 수 있다. 또한, 이 때 유사도 스코어에 부여되는 가중치 및 기본 얼굴인식의 결과에 부여되는 가중치 각각은 0 초과 1 미만의 값을 가지며, 유사도 스코어에 부여되는 가중치 및 기본 얼굴인식의 결과에 부여되는 가중치의 총합은 1일 수 있다.
S170 단계에서, 사용자의 얼굴 구성요소 별로 산정한 관상학적 표준 타입들과의 유사도 스코어에 기초하여, 사용자의 얼굴의 관상학적 표준 타입을 정의 후, 상기 얼굴 DB에서 상기 정의된 관상학적 표준 타입과 동일한 타입으로 저장되어 있던 얼굴 데이터들과만 유사도를 판단하여, 인식의 정확성 및 속도를 높일 수 있다.
이하에서는 도 2 내지 도 26과 함께, 얼굴 구성요소 별 관상학적 타입에 대하여 설명한다.
도 2 내지 도 6은 관상학적 특징 정보에 기초한 일반적인 타입의 턱의 분류를 설명하기 위한 도면이다. 도 2 내지 도 6을 참조하면, 얼굴의 관상학적 특징 중 하나인 턱 형태 정보에 따른 타입 분류가 도시되어 있다. 본 명세서에는 얼굴의 일반적인 턱 타입을 크게 5개(둥근턱, 아감뼈턱, 뾰족턱, 모난턱, 사각턱)로 제시하였으나, 입력된 얼굴 영상의 해상도와 전처리 성능에 따라 3 ~ 10까지 다양한 타입으로 분류 가능하다. 각 타입으로 분류되면, 각 타입에 표준타입과 얼마나 정확한지를 Score로 계산할 수 있다. 본 발명에서는 일반적인 턱 타입 스코어를 ChinType1Score(둥근, 아감뼈, 뾰족, 모난, 사각)로 정의하며 각 type 값은 0.0 ~ 1.0 사이의 값을 갖도록 정규화한다.
도 7 내지 도 9는 관상학적 특징 정보에 기초한 특수한 타입의 턱의 분류를 설명하기 위한 도면이다. 도 7 내지 도 9를 참조하면, 일반적인 턱 타입 이외의 특수한 턱 타입을 제시한다. 이 타입은 크게 3개로(중앙 홈, 비대칭, 이중)턱으로 나누었으나, 일반 턱과 마찬가지로 영상 해상도에 따라 다른 타입이 추가되거나 제거 될 수 있으며, 특수 턱 타입 스코어는 ChinType2Score(중앙 홈, 비대칭, 이중)로 정의되며, 마찬가지로 각 타입마다 0.0에서 1.0 사이의 값을 갖는다. 이때, 이러한 특수 턱의 형태를 갖는지 판별하는 방법은 각 특징위치에서 특수 턱의 형태가 나타나는지 기존의 영상처리 방법을 통해 검증하는 방식이다.
턱의 타입을 분류하기 위한 방법은 도 10에서 코의 기준점과 턱선 정보를 이용하여 분류하는 방법을 제시한다.
도 11 및 도 12는 쌍꺼풀의 유무에 따른 눈의 타입 분류를 설명하기 위한 도면이다. 도 11 및 도 12에서는 눈꺼풀 위에 쌍꺼풀이 존재하는지를 기초로 tyep을 결정하는 것이다. 사람의 얼굴에서 쌍꺼풀은 그 인상을 결정하는 매우 중요한 특징이므로, 일반적인 여성의 경우 성형을 통해 쌍꺼풀 수술을 받는 경우를 많이 볼 수 있다. 입력 영상의 해상도가 쌍꺼풀을 확인 할 수 있는 해상도일 때, 에지 검출 같은 영상처리 방법을 통해 쉽게 쌍꺼풀의 존재를 확인할 수 있다. 본 발명에서 쌍꺼풀 타입은 (외꺼풀, 쌍꺼풀) 둘로 나뉘며, 각 타입의 스코어는 EyrlidTypeScore(외꺼플, 쌍꺼플)정의되며, 마찬가지로 각 타입마다 0.0에서 1.0사이의 값을 갖는다.
도 13 및 도 14는 눈간거리에 따른 눈의 타입 분류를 설명하기 위한 도면이다. 도 13 및 도 14에서는 정의된 눈간 거리의 비의 계산을 통해, 눈간 거리가 먼 타입과 가까운 타입을 구분하는 정의를 나타낸다. 이때 두 타입의 스코어는 EyedistranceTypeScore(먼 눈간거리, 가까운 눈간거리)로 나타내며, 마찬가지로 각 타입마다 0.0에서 1.0사이의 값을 갖는다. 도 15는 눈간 거리의 비의 계산을 수행하는 방법을 도시한 도면이다.
도 16 및 도 17은 점의 유무 및 위치에 따른 분류를 설명하기 위한 도면이다. 얼굴에 존재하는 점은 크기와 위치, 형태가 매우 다양하며, 개수 또한 가변적이다. 그러므로 본 발명에서는 각 점들의 개수, 위치, 형태등을 DotType로 정의하며, DotType {Location1(x, y), Size1. Shape1. Location2(x, y), Size2. Shape2. Locationn(x, y), Sizen. Shapen} 의 형태로 저장하고, 등록된 DotType{ }정보와 현재 측정된 DotType{ }정보간의 유사로들 계산해서 최종적인 DotTypeScore 값을 갖는다.
도 18 및 도 19는 주름의 위치 및 형태에 따른 분류를 설명하기 위한 도면이다. 점과 마찬가지로 얼굴에 존재하는 주름은 크기와 위치, 형태, 개수가 가변적이므로 WrinkleType { LocationStart1(x, y), LocationEnd1(x, y), Size1. Shape1. LocationStart2(x, y), LocationEnd2(x, y), Size2. Shape2. LocationStartn(x, y), LocationEndn(x, y) Sizen. Shapen}의 형태로 저장하고, 등록된 WrinkleType{ }정보와 현재 측정된 WrinkleType{ }정보간의 유사로들 계산해서 최종적인 WrinkleTypeScore 값을 갖는다
도 20 내지 도 22는 코의 형태에 따른 코의 타입 분류를 설명하기 위한 도면이다. 코의 크기는 영상에서 정면으로 확인할 수 도 있지만, 3D 카메라로 depth 정보가 입력되면 보다 정확하게 측정할 수 있다. 본 발명에서 NoseType은 (큰 코, 작은 코, 매부리 코)의 세 형태로 나누었지만, 영상의 해상도에 따라 다양한 Type으로 분리 가능하다. NosetypeScore(큰 코, 작은 코, 매부리 코)는 마찬가지로, 각 타입마다 각 타입의 평균과 비교하여, 0.0사이에서 1.0 사이의 유사도 값을 갖는다.
도 23 내지 도 26은 눈의 형태에 따른 눈의 타입 분류를 설명하기 위한 도면이다. 도 23 내지 도 26에는 얼굴의 인상을 결정하는 가장 중요한 신체특징인 눈 특징의 타입을 정의한다. 사람마다, 눈의 타입에 따라 매우 다른 분위기를 갖게 되므로, 눈 특징의 타입 분류는 매우 중요하나, 영상에서 입력영상의 해상도가 충분히 확보되지 않으면, 각 타입을 분류하기 매우 어렵다. 본 발명에서는 일단 눈 타입을 EyeTypeScore(가늘고 긴 눈, 크고 둥근 눈, 고리형 눈, 늘어진 윗 눈두덩 눈) 등으로 나누었으나, 영상처리 기술의 정확성이나 영상 해상도에 따라 다양한 타입으로 분류 가능하다. EyeTypeScore도 각 타입의 평균과 비교하여, 0.0사이에서 1.0 사이의 유사도 값을 갖는다.
마지막으로, 본 발명에서 기술하지 아니한, 수염의 존재, 눈썹의 형태, 눈 의 세부 형태, 눈 주름 모양, 이마의 크기, 피부의 밝기 등 얼굴에서는 다양한 신체특징들이 존재한다. 그러나, 현재 사용되는 일반적인 카메라에서 이 모든 관상학적 특징을 정확하게 추출하고 스코어로 유사도 값을 측정하기는 매우 어렵기 때문에, 본 발명에서는 그 중 현재 특정 가능한 대표적인 관상학적 특징만을 예시로 제안하였으며, 본 발명의 확장에 의해 기타 타 다른 관상학적 특징들도 타입 분류 및 스코어 링을 통해, 기존의 얼굴인식의 성능을 높이는데 활용 가능하다.
앞서 기술한 얼굴에서 추출 가능한 다수의 관상학적 특징은 얼굴인식에 활용될 때, 각 관상학적 특징의 중요도에 따른 다른 가중치로 활용할 수 있다. 즉, 일반 턱 타입의 유사도와 특수 턱 타입의 유사도 간에는 서로 다른 중요도를 가지므로 제안된 관상학적 특징 타입마다, 각 타입이 얼마나 얼굴인식에 영향을 미칠지에 관한 중요도를 측정하여, 이를 반영하여 유사도 값을 통합하여야 한다. 본 발명에서는 이를 위해 유사도 통합시, 각 타입별로 중요도에 따라 가중치를 할당하는 방법을 제시한다.
TotolScore = Weight1 * PreviousFaceRecogniotionScore + Weight2 * ChinType1Score(둥근, 아감뼈, 뾰족, 모난, 사각) + Weight3 * ChinType2Score(중앙 홈, 비대칭, 이중), .... Weight7 * EyeTypeScore(가늘고 긴 눈, 크고 둥근 눈, 고리형 눈, 늘어진 윗 눈두덩 눈) + Weightn * AnotherTypeScore(x, y, z)
이때, Weight1부터 Weightn의 총 합은 1.0이며, PreviousFaceRecogniotionScore는 본 발명에서 기본 얼굴인식 방법을 통해 얻은 등록된 얼굴과 입력된 얼굴간의 얼굴 인식 유사도 값일 수 있다.
이하, 본 발명의 일 실시예에 따른 관상학적 특징 정보를 이용한 얼굴인식 장치의 구성 및 동작에 대하여 설명한다.
도 27은 본 발명의 일 실시예에 따른 관상학적 특징 정보를 이용한 얼굴인식 장치의 구성을 나타낸 블록도이다.
도 27을 참조하면, 본 발명의 일 실시예에 따른 관상학적 특징 정보를 이용한 얼굴인식 장치(100)는 표준 타입 정의부(110), 촬영부(120), 검출부(130) 및 스코어 산정부(150)를 포함하여 형성된다. 또한, 본 발명의 일 실시예에 따른 관상학적 특징 정보를 이용한 얼굴인식 장치(100)는 정규화부(140), 기본 얼굴인식부(160) 및 유사 판단부(170)를 더 포함하여 형성될 수 있다.
표준 타입 정의부(110)는 얼굴 구성요소 별로 관상학적 표준 타입들을 정의한다. 이 때, 얼굴 구성요소는 눈, 코, 입, 턱, 점 및 주름 중 적어도 하나이며, 표준 타입 정의부(110)는 관상학적 표준 타입들을 눈간 거리, 쌍꺼풀의 유무, 눈의 크기, 코의 크기 및 형태, 턱의 형태, 점의 위치 및 형태, 및 주름의 위치 및 형태 중 적어도 하나에 기초하여 정의할 수 있다.
촬영부(120)는 사용자의 얼굴 영상을 촬영한다.
검출부(130)는 상기 얼굴 영상에서 얼굴 구성요소 정보를 검출한다.
정규화부(140)는 얼굴 구성요소 정보에 기초하여 상기 얼굴 영상의 얼굴의 크기를 정규화한다.
스코어 산정부(150)는 얼굴 구성요소 정보에 기초하여, 상기 사용자의 얼굴 구성요소 별로 관상학적 표준 타입들과의 유사도 스코어를 산정한다. 그리고, 스코어 산정부(150)는 정규화된 얼굴 영상의 얼굴 구성요소 정보에 기초하여 유사도 스코어를 산정할 수 있다.
기본 얼굴인식부(160)는 얼굴 영상에서의 얼굴의 전역적인 특징 및 상기 얼굴 구성요소의 위치를 이용하여 기본 얼굴인식을 수행한다.
유사 판단부(170)는 유사도 스코어에 기초하여 얼굴 DB에 사전 등록되어 있던 얼굴 데이터와의 유사도를 판단한다. 또한, 유사 판단부(170)는 유사도 스코어 및 기본 얼굴인식의 결과에 기초하여 상기 얼굴 DB에 사전 등록되어 있던 얼굴 데이터와의 유사도를 판단할 수 있다. 그리고, 유사 판단부(170)는 유사도 스코어 및 상기 기본 얼굴인식의 결과 각각에 가중치를 부여한 후 상기 얼굴 DB에 사전 등록되어 있던 얼굴 데이터와의 유사도를 판단한다. 이 때, 유사도 스코어에 부여되는 가중치 및 기본 얼굴인식의 결과에 부여되는 가중치 각각은 0 초과 1 미만의 값을 가지며, 유사도 스코어에 부여되는 가중치 및 기본 얼굴인식의 결과에 부여되는 가중치의 총합은 1일 수 있다. 이러한, 유사 판단부(170)는 사용자의 얼굴 구성요소 별로 산정한 관상학적 표준 타입들과의 유사도 스코어에 기초하여 사용자의 얼굴의 관상학적 표준 타입을 정의 후, 얼굴 DB에서 정의된 관상학적 표준 타입과 동일한 타입으로 저장되어 있던 얼굴 데이터들과만 유사도를 판단할 수 있다.
이상에서와 같이 본 발명에 따른 관상학적 특징 정보를 이용한 얼굴인식 장치 및 방법은 상기한 바와 같이 설명된 실시예들의 구성과 방법이 한정되게 적용될 수 있는 것이 아니라, 상기 실시예들은 다양한 변형이 이루어질 수 있도록 각 실시예들의 전부 또는 일부가 선택적으로 조합되어 구성될 수도 있다.
100; 관상학적 특징 정보를 이용한 얼굴인식 장치
110; 표준 타입 정의부
120; 촬영부
130; 검출부
140; 정규화부
150; 스코어 산정부
160; 기본 얼굴인식부
170; 유사 판단부
10; 얼굴 DB

Claims (19)

  1. 얼굴 구성요소 별로 관상학적 표준 타입들을 정의하는 단계;
    사용자의 얼굴 영상을 촬영하는 단계;
    상기 얼굴 영상에서의 얼굴의 전역적인 특징 및 얼굴 구성요소의 위치를 이용하여 기본 얼굴인식을 수행하는 단계;
    상기 얼굴 영상에서 얼굴 구성요소 정보를 검출하는 단계;
    상기 얼굴 구성요소 정보에 기초하여, 상기 사용자의 얼굴 구성요소 별로 관상학적 표준 타입들과의 유사도 스코어를 산정하는 단계; 및
    상기 유사도 스코어에 기초하여 얼굴 DB에 사전 등록되어 있던 얼굴 데이터와의 유사도를 판단하는 단계를 포함하고,
    상기 유사도를 판단하는 단계는
    상기 사용자 얼굴 구성요소 별로 산정한 관상학적 표준 타입들과의 유사도 스코어 및 상기 기본 얼굴인식의 결과 각각에 가중치를 부여한 후 상기 얼굴 DB에 사전 등록되어 있던 얼굴 데이터와의 유사도를 판단하되, 상기 유사도 스코어를 기반으로 얼굴 구성요소 별 관상학적 표준 타입들을 조합하여 상기 사용자의 얼굴에 대한 관상학적 표준 타입을 정의하고, 상기 얼굴 DB에서 상기 사용자의 얼굴에 대한 관상학적 표준 타입과 동일한 타입으로 저장되어 있던 얼굴 데이터들에 대해서만 상기 유사도를 판단하고,
    상기 가중치는
    상기 관상학적 표준 타입에 포함되는 얼굴 구성요소 별 세부 타입의 중요도에 따라 상이하게 할당되는 것을 특징으로 하는 관상학적 특징 정보를 이용한 얼굴인식 방법.
  2. 청구항 1에 있어서,
    상기 관상학적 표준 타입들을 정의하는 단계에서,
    상기 얼굴 구성요소는 눈, 코, 입, 턱, 점 및 주름 중 적어도 하나이며,
    상기 관상학적 표준 타입들은 눈간 거리, 쌍꺼풀의 유무, 눈의 크기, 코의 크기 및 형태, 턱의 형태, 점의 위치 및 형태, 및 주름의 위치 및 형태 중 적어도 하나에 기초하여 정의되는 것을 특징으로 하는 관상학적 특징 정보를 이용한 얼굴인식 방법.
  3. 삭제
  4. 삭제
  5. 청구항 2에 있어서,
    상기 유사도를 판단하는 단계에서,
    상기 유사도 스코어 및 상기 기본 얼굴인식의 결과 각각에 가중치를 부여한 후 상기 얼굴 DB에 사전 등록되어 있던 얼굴 데이터와의 유사도를 판단하는 것을 특징으로 하는 관상학적 특징 정보를 이용한 얼굴인식 방법.
  6. 청구항 5에 있어서,
    상기 유사도 스코어에 부여되는 가중치 및 상기 기본 얼굴인식의 결과에 부여되는 가중치 각각은 0 초과 1 미만의 값을 가지며, 상기 유사도 스코어에 부여되는 가중치 및 상기 기본 얼굴인식의 결과에 부여되는 가중치의 총합은 1인 것을 특징으로 하는 관상학적 특징 정보를 이용한 얼굴인식 방법.
  7. 청구항 2에 있어서,
    상기 관상학적 표준 타입들을 정의하는 단계에서,
    상기 얼굴 구성요소가 턱인 경우, 기 설정된 기준에 따라 턱에 대한 상기 관상학적 표준 타입으로 일반 턱 타입으로 둥근턱, 아감뼈턱, 뾰족턱, 모난턱 및 사각턱과 특수 턱 타입으로 중앙 홈턱, 비대칭턱 및 이중턱 중 적어도 하나의 형태를 상기 관상학적 표준 타입들로 정의하는 것을 특징으로 하는 관상학적 특징 정보를 이용한 얼굴인식 방법.
  8. 청구항 2에 있어서,
    상기 관상학적 표준 타입들을 정의하는 단계에서,
    상기 얼굴 구성요소가 점 혹은 주름인 경우, 기 설정된 기준에 따라 상기 점 혹은 주름의 위치, 형태 및 개수에 따라 상기 관상학적 표준 타입들을 정의하는 것을 특징으로 하는 관상학적 특징 정보를 이용한 얼굴인식 방법.
  9. 삭제
  10. 청구항 1에 있어서,
    상기 얼굴 구성요소 정보를 검출하는 단계 이후에,
    상기 얼굴 구성요소 정보에 기초하여 상기 얼굴 영상의 얼굴의 크기를 정규화하는 전처리 단계를 더 포함하며,
    상기 유사도 스코어를 산정하는 단계에서는, 상기 전처리 단계를 거친 얼굴 영상의 얼굴 구성요소 정보에 기초하여 유사도 스코어를 산정하는 것을 특징으로 하는 관상학적 특징 정보를 이용한 얼굴인식 방법.
  11. 청구항 1에 있어서,
    상기 사용자의 얼굴 영상을 촬영하는 단계에서,
    일반 카메라 및 3D depth 카메라에 기초하여 상기 사용자의 얼굴 영상을 촬영하는 것을 특징으로 하는 관상학적 특징 정보를 이용한 얼굴인식 방법.
  12. 얼굴 구성요소 별로 관상학적 표준 타입들을 정의하는 표준 타입 정의부;
    사용자의 얼굴 영상을 촬영하는 촬영부;
    상기 얼굴 영상에서의 얼굴의 전역적인 특징 및 얼굴 구성요소의 위치를 이용하여 기본 얼굴인식을 수행하는 기본 얼굴인식부;
    상기 얼굴 영상에서 얼굴 구성요소 정보를 검출하는 검출부;
    상기 얼굴 구성요소 정보에 기초하여, 상기 사용자의 얼굴 구성요소 별로 관상학적 표준 타입들과의 유사도 스코어를 산정하는 스코어 산정부; 및
    상기 유사도 스코어에 기초하여 얼굴 DB에 사전 등록되어 있던 얼굴 데이터와의 유사도를 판단하는 유사 판단부를 포함하고,
    상기 유사 판단부는
    상기 사용자 얼굴 구성요소 별로 산정한 관상학적 표준 타입들과의 유사도 스코어 및 상기 기본 얼굴인식의 결과 각각에 가중치를 부여한 후 상기 얼굴 DB에 사전 등록되어 있던 얼굴 데이터와의 유사도를 판단하되, 상기 유사도 스코어를 기반으로 얼굴 구성요소 별 관상학적 표준 타입들을 조합하여 상기 사용자의 얼굴에 대한 관상학적 표준 타입을 정의하고, 상기 얼굴 DB에서 상기 사용자의 얼굴에 대한 관상학적 표준 타입과 동일한 타입으로 저장되어 있던 얼굴 데이터들에 대해서만 상기 유사도를 판단하고,
    상기 가중치는
    상기 관상학적 표준 타입에 포함되는 얼굴 구성요소 별 세부 타입의 중요도에 따라 상이하게 할당되는 것을 특징으로 하는 관상학적 특징 정보를 이용한 얼굴인식 장치.
  13. 청구항 12에 있어서,
    상기 얼굴 구성요소는 눈, 코, 입, 턱, 점 및 주름 중 적어도 하나이며,
    상기 표준 타입 정의부는,
    상기 관상학적 표준 타입들을 눈간 거리, 쌍꺼풀의 유무, 눈의 크기, 코의 크기 및 형태, 턱의 형태, 점의 위치 및 형태, 및 주름의 위치 및 형태 중 적어도 하나에 기초하여 정의하는 것을 특징으로 하는 관상학적 특징 정보를 이용한 얼굴인식 장치.
  14. 삭제
  15. 삭제
  16. 청구항 13에 있어서,
    상기 유사 판단부는,
    상기 유사도 스코어 및 상기 기본 얼굴인식의 결과 각각에 가중치를 부여한 후 상기 얼굴 DB에 사전 등록되어 있던 얼굴 데이터와의 유사도를 판단하는 것을 특징으로 하는 관상학적 특징 정보를 이용한 얼굴인식 장치.
  17. 청구항 16에 있어서,
    상기 유사도 스코어에 부여되는 가중치 및 상기 기본 얼굴인식의 결과에 부여되는 가중치 각각은 0 초과 1 미만의 값을 가지며, 상기 유사도 스코어에 부여되는 가중치 및 상기 기본 얼굴인식의 결과에 부여되는 가중치의 총합은 1인 것을 특징으로 하는 관상학적 특징 정보를 이용한 얼굴인식 장치.
  18. 청구항 12에 있어서,
    상기 얼굴 구성요소 정보에 기초하여 상기 얼굴 영상의 얼굴의 크기를 정규화하는 정규화부를 더 포함하며,
    상기 스코어 산정부는, 상기 정규화된 얼굴 영상의 얼굴 구성요소 정보에 기초하여 유사도 스코어를 산정하는 것을 특징으로 하는 관상학적 특징 정보를 이용한 얼굴인식 장치.
  19. 삭제
KR1020160001244A 2016-01-05 2016-01-05 관상학적 특징 정보를 이용한 얼굴인식 장치 및 방법 KR102518243B1 (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
KR1020160001244A KR102518243B1 (ko) 2016-01-05 2016-01-05 관상학적 특징 정보를 이용한 얼굴인식 장치 및 방법
US15/089,944 US9990538B2 (en) 2016-01-05 2016-04-04 Face recognition apparatus and method using physiognomic feature information

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020160001244A KR102518243B1 (ko) 2016-01-05 2016-01-05 관상학적 특징 정보를 이용한 얼굴인식 장치 및 방법

Publications (2)

Publication Number Publication Date
KR20170082074A KR20170082074A (ko) 2017-07-13
KR102518243B1 true KR102518243B1 (ko) 2023-04-06

Family

ID=59226426

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020160001244A KR102518243B1 (ko) 2016-01-05 2016-01-05 관상학적 특징 정보를 이용한 얼굴인식 장치 및 방법

Country Status (2)

Country Link
US (1) US9990538B2 (ko)
KR (1) KR102518243B1 (ko)

Families Citing this family (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10089521B2 (en) * 2016-09-02 2018-10-02 VeriHelp, Inc. Identity verification via validated facial recognition and graph database
US10430644B2 (en) * 2017-06-06 2019-10-01 Global Bionic Optics Ltd. Blended iris and facial biometric system
US10891509B2 (en) * 2017-10-27 2021-01-12 Avigilon Corporation Method and system for facilitating identification of an object-of-interest
KR102476758B1 (ko) 2018-05-09 2022-12-09 삼성전자주식회사 영상 정규화 장치 및 방법
CN110826372B (zh) * 2018-08-10 2024-04-09 浙江宇视科技有限公司 人脸特征点检测方法及装置
CN109214335A (zh) * 2018-09-04 2019-01-15 高新兴科技集团股份有限公司 一种告警方法和设备
CN109635146B (zh) * 2018-11-28 2021-01-15 武汉虹信技术服务有限责任公司 一种基于图像特征的目标查询方法及系统
KR20210046984A (ko) * 2019-10-21 2021-04-29 삼성전자주식회사 얼굴 데이터 획득을 위한 방법 및 이를 위한 전자 장치
EP4066087A1 (fr) 2019-11-03 2022-10-05 ST37 Sport et Technologie Procede et systeme de caracterisation d'un mouvement d'une entite en mouvement
WO2023101103A1 (ko) * 2021-12-02 2023-06-08 주식회사 행파이브 관상 정보 기반 사용자 선택 컨텐츠 정보 제공방법, 그 서버 및 어플리케이션

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5802208A (en) * 1996-05-06 1998-09-01 Lucent Technologies Inc. Face recognition using DCT-based feature vectors
US7127087B2 (en) * 2000-03-27 2006-10-24 Microsoft Corporation Pose-invariant face recognition system and process
KR20050022676A (ko) 2003-08-29 2005-03-08 (주)워치비젼 얼굴 인식 기술을 이용한 관상정보 제공장치 및 그 방법
KR100602576B1 (ko) 2003-12-17 2006-07-19 학교법인 한양학원 얼굴 인식 방법 및 이를 이용한 인물 검색／표시 방법
KR100583069B1 (ko) * 2004-02-02 2006-05-24 현진오 얼굴 영상 분석을 통한 역학 서비스 제공 방법 및 장치
KR20040100876A (ko) * 2004-03-29 2004-12-02 이진근 관상 정보 서비스 시스템
KR100647322B1 (ko) * 2005-03-02 2006-11-23 삼성전자주식회사 객체의 모양모델 생성장치 및 방법과 이를 이용한 객체의특징점 자동탐색장치 및 방법
KR100847142B1 (ko) 2006-11-30 2008-07-18 한국전자통신연구원 얼굴 인식을 위한 전처리 방법, 이를 이용한 얼굴 인식방법 및 장치
KR101064945B1 (ko) 2008-11-25 2011-09-15 한국전자통신연구원 적외선 영상을 이용한 위조 얼굴 검출 방법 및 그 장치
KR101877981B1 (ko) 2011-12-21 2018-07-12 한국전자통신연구원 가버 특징과 ｓｖｍ 분류기를 이용하여 위변조 얼굴을 인식하기 위한 시스템 및 그 방법

Also Published As

Publication number Publication date
KR20170082074A (ko) 2017-07-13
US9990538B2 (en) 2018-06-05
US20170193284A1 (en) 2017-07-06

Similar Documents

Publication Publication Date Title
KR102518243B1 (ko) 관상학적 특징 정보를 이용한 얼굴인식 장치 및 방법
US6496594B1 (en) Method and apparatus for aligning and comparing images of the face and body from different imagers
KR101998112B1 (ko) 얼굴 특징점 기반 부분 영역 지정을 통한 부분 가림 얼굴 인식 방법, 이를 수행하기 위한 기록 매체 및 장치
Jana et al. Age estimation from face image using wrinkle features
KR102554391B1 (ko) 홍채 인식 기반 사용자 인증 장치 및 방법
CN105740778B (zh) 一种改进的三维人脸活体检测方法及其装置
KR102429865B1 (ko) 사용자 인증 장치
JP7113013B2 (ja) 被験者の頭部の追跡
KR101640014B1 (ko) 허위 안면 이미지 분류가 가능한 홍채 인식 장치
US20220189213A1 (en) Authentication device, authentication method, and recording medium
JP2006085685A (ja) 顔を識別するシステムおよび方法
Jana et al. Age group estimation using face features
Bača et al. Basic principles and trends in hand geometry and hand shape biometrics
Kushwaha et al. Detailed analysis of footprint geometry for person identification
Ghalleb et al. Face recognition improvement using soft biometrics
KR101703690B1 (ko) 홍채 인식 장치 및 그 동작 방법
Zhang et al. Eye Location Based on Adaboost and Random Forests.
Lin et al. A novel framework for automatic 3D face recognition using quality assessment
Romero et al. Face recognition using eigensurface on kinect depth-maps
Orts Face Recognition Techniques
KR102439216B1 (ko) 인공지능 딥러닝 모델을 이용한 마스크 착용 얼굴 인식 방법 및 서버
Tawaniya et al. Image based face detection and recognition using MATLAB
Raida et al. Study the iris segmentation method for biometric pattern recognition
KR20160073567A (ko) 얼굴인식장치 및 얼굴인식방법
Sharma et al. A Survey on Various Feature Extraction Techniques and Face Recognition Methodologies using Neural Networks.

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
AMND Amendment
E601 Decision to refuse application
X091 Application refused [patent]
AMND Amendment
X701 Decision to grant (after re-examination)