KR102522415B1 - 전자 장치의 객체 인증 장치 및 방법 - Google Patents

전자 장치의 객체 인증 장치 및 방법 Download PDF

Info

Publication number
KR102522415B1
KR102522415B1 KR1020180055361A KR20180055361A KR102522415B1 KR 102522415 B1 KR102522415 B1 KR 102522415B1 KR 1020180055361 A KR1020180055361 A KR 1020180055361A KR 20180055361 A KR20180055361 A KR 20180055361A KR 102522415 B1 KR102522415 B1 KR 102522415B1
Authority
KR
South Korea
Prior art keywords
face
electronic device
image
sequence
authentication
Prior art date
Application number
KR1020180055361A
Other languages
English (en)
Other versions
KR20190130797A (ko
Inventor
민현기
최보근
최종무
이선기
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 KR1020180055361A priority Critical patent/KR102522415B1/ko
Priority to CN201980031863.6A priority patent/CN112154436A/zh
Priority to PCT/KR2019/005725 priority patent/WO2019221464A1/en
Priority to US16/410,593 priority patent/US11928195B2/en
Priority to EP19803458.9A priority patent/EP3776296B1/en
Publication of KR20190130797A publication Critical patent/KR20190130797A/ko
Application granted granted Critical
Publication of KR102522415B1 publication Critical patent/KR102522415B1/ko

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
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/86—Combinations of radar systems with non-radar systems, e.g. sonar, direction finder
    • G01S13/867—Combination of radar systems with cameras
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/88—Radar or analogous systems specially adapted for specific applications
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/003—Transmission of data between radar, sonar or lidar systems and remote stations
    • G01S7/006—Transmission of data between radar, sonar or lidar systems and remote stations using shared front-end circuitry, e.g. antennas
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F1/00—Details not covered by groups G06F3/00 - G06F13/00 and G06F21/00
    • G06F1/16—Constructional details or arrangements
    • G06F1/1613—Constructional details or arrangements for portable computers
    • G06F1/1633—Constructional details or arrangements of portable computers not specific to the type of enclosures covered by groups G06F1/1615 - G06F1/1626
    • G06F1/1684—Constructional details or arrangements related to integrated I/O peripherals not covered by groups G06F1/1635 - G06F1/1675
    • G06F1/1698—Constructional details or arrangements related to integrated I/O peripherals not covered by groups G06F1/1635 - G06F1/1675 the I/O peripheral being a sending/receiving arrangement to establish a cordless communication link, e.g. radio or infrared link, integrated cellular phone
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/55—Clustering; Classification
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
    • G06F16/5854—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content using shape and object relationship
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G06F18/2413—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on distances to training or reference patterns
    • G06F18/24133—Distances to prototypes
    • G06F18/24143—Distances to neighbourhood prototypes, e.g. restricted Coulomb energy networks [RCEN]
    • 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
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • G06V10/443—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components by matching or filtering
    • G06V10/449—Biologically inspired filters, e.g. difference of Gaussians [DoG] or Gabor filters
    • G06V10/451—Biologically inspired filters, e.g. difference of Gaussians [DoG] or Gabor filters with interaction between the filter responses, e.g. cortical complex cells
    • G06V10/454—Integrating the filters into a hierarchical structure, e.g. convolutional neural networks [CNN]
    • 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
    • G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
    • 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
    • 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
    • G06V40/161—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
    • G06V40/172—Classification, e.g. identification
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/40—Spoof detection, e.g. liveness detection
    • G06V40/45—Detection of the body part being alive
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L63/00—Network architectures or network communication protocols for network security
    • H04L63/08—Network architectures or network communication protocols for network security for authentication of entities
    • H04L63/0861—Network architectures or network communication protocols for network security for authentication of entities using biometrical features, e.g. fingerprint, retina-scan
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2221/00—Indexing scheme relating to security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F2221/21—Indexing scheme relating to G06F21/00 and subgroups addressing additional information or applications relating to security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F2221/2111—Location-sensitive, e.g. geographical location, GPS

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Multimedia (AREA)
  • General Health & Medical Sciences (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • General Engineering & Computer Science (AREA)
  • Human Computer Interaction (AREA)
  • Computer Security & Cryptography (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Evolutionary Computation (AREA)
  • Computer Hardware Design (AREA)
  • Software Systems (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • Databases & Information Systems (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Computing Systems (AREA)
  • Medical Informatics (AREA)
  • Data Mining & Analysis (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biomedical Technology (AREA)
  • Molecular Biology (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Geometry (AREA)
  • Library & Information Science (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Electromagnetism (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Signal Processing (AREA)
  • Studio Devices (AREA)
  • Collating Specific Patterns (AREA)

Abstract

본 발명의 다양한 실시 예에 따른 전자 장치는, 제 1 방향으로 향하는 제1 플레이트와, 제1 플레이트와 반대 방향으로 향하는 제2 플레이트 및 제1 플레이트와 제2 플레이트 사이의 공간을 둘러싸는 측면 부재를 포함하는 하우징, 제1 플레이트의 제 1 부분을 통하여 보이는 디스플레이, 하우징 내 및/또는 하우징의 일부에 배치된 안테나 어레이, 디스플레이에 인접한, 제1 플레이트의 제 2 부분을 통하여 보이고, 제 1 방향으로 향하도록 배치된 이미지 센서, 안테나 어레이와 전기적으로 연결되고, 안테나 어레이를 이용하여 방향성 빔을 형성하도록 구성된 무선 통신 모듈, 하우징 내에 위치하고, 디스플레이, 이미지 센서 및 무선 통신 모듈과 작동적으로 연결되는 프로세서, 및 프로세서에 작동적으로 연결된 메모리를 포함할 수 있다. 다양한 실시 예에 따르면, 메모리는, 실행 시에, 프로세서가, 이미지 센서를 이용하여, 적어도 하나의 이미지를 획득 및 수신하고, 이미지에서 객체를 인식하고, 안테나 어레이를 이용하여, 적어도 하나의 제 2 방향으로 방향성 빔들의 시퀀스를 송신하고, 안테나 어레이를 이용하여, 빔들의 시퀀스가 객체에 반사된 반사파들의 시퀀스를 수신하고, 인식된 객체 및 반사파들의 시퀀스에 적어도 일부 기초하여, 객체에 대한 인증을 수행하도록 하는 인스트럭션들을 저장할 수 있다.

Description

전자 장치의 객체 인증 장치 및 방법{APPARATUS AND METHOD FOR RECOGNIZING OBJECT IN ELECTRONIC DEVICE}
본 발명의 다양한 실시예들은 전자 장치에서 객체 이미지를 인증할 수 있는 장치 및 방법에 관한 것이다.
전자 장치의 성능이 개선됨에 따라, 전자 장치를 통해 제공되는 다양한 서비스 및 부가 기능들이 점차 확대되고 있다. 또한, 전자 장치의 효용 가치를 높이고 사용자들의 다양한 욕구를 만족시키기 위해서 전자 장치에서 실행 가능한 다양한 어플리케이션들이 개발되고 있다.
이러한 어플리케이션들 중에는 카메라 기능과 관련된 것들도 있으며, 사용자는 전자 장치에 장착된 카메라 모듈을 이용하여 자기 자신을 촬영하거나 배경을 촬영할 수 있다. 예를 들면, 전자 장치는 카메라 모듈을 이용하여 촬영된 객체(object) 이미지에 기반하여 인증 기능을 수행할 수 있다. 예를 들면, 객체는 얼굴 또는 홍채가 될 수 있다.
전자 장치에서 주로 사용하는 얼굴 인식 메커니즘은 RGB 카메라에 획득된 객체 이미지만을 이용하는 방법, RGB 카메라에서 획득되는 객체 이미지와 깊이 카메라(depth camera)에 획득된 깊이 정보를 조합하여 객체를 인증하는 방법을 사용할 수 있다. RGB 카메라에서 획득된 객체 이미지만을 사용하는 방법은 제3자에 의한 조작(예를 들면, 사진 또는 스마트 폰 이미지들을 이용한 악의적인 스푸핑 공격(spoofing attack))에 취약할 수 있다. RGB 카메라 및 깊이 카메라를 사용하는 방법은 전자 장치가 복수의 카메라 모듈들을 구비하여야 한다.
다양한 실시예들에 따른 전자 장치는 RGB 카메라 모듈 및 무선 통신 모듈의 출력을 조합하여 객체를 인증할 수 있는 장치 및 방법을 제공할 수 있다.
다양한 실시예들에 따른 전자 장치는 획득되는 객체 이미지에서 확인할 객체의 적어도 일부분에 기여하여 객체를 인증하기 위한 위치들을 설정하고, 설정된 위치에 빔들의 시퀀스를 송신할 수 있는 장치 및 방법을 제공할 수 있다.
다양한 실시예들에 따른 전자 장치는 인식된 객체에서 반사되는 빔들의 시퀀스의 특징에 기반하여 객체를 인증할 수 있는 장치 및 방법을 제공할 수 있다.
다양한 실시예들에 따른 전자 장치는, 제 1 방향으로 향하는 제1 플레이트와, 제1 플레이트와 반대 방향으로 향하는 제2 플레이트 및 제1 플레이트와 제2 플레이트 사이의 공간을 둘러싸는 측면 부재를 포함하는 하우징과, 제1 플레이트의 제 1 부분을 통하여 보이는 디스플레이와, 하우징 내 및/또는 하우징의 일부에 배치된 안테나 어레이와, 디스플레이에 인접한, 제1 플레이트의 제 2 부분을 통하여 보이고, 제 1 방향으로 향하도록 배치된 이미지 센서와, 안테나 어레이와 전기적으로 연결되고, 안테나 어레이를 이용하여 방향성 빔(directional beam)을 형성하도록 구성된 무선 통신 모듈과, 하우징 내에 위치하고, 디스플레이, 이미지 센서 및 무선 통신 모듈과 작동적으로 연결되는 프로세서와, 프로세서에 작동적으로 연결된 메모리를 포함할 수 있다. 메모리는 실행 시에, 프로세서가, 이미지 센서를 이용하여, 적어도 하나의 이미지를 획득 및 수신하고, 이미지에서 객체를 인식하고, 안테나 어레이를 이용하여, 적어도 하나의 제 2 방향으로 방향성 빔들의 시퀀스(a sequence of beams)를 송신하고, 안테나 어레이를 이용하여, 빔들의 시퀀스가 객체에 반사된 반사파들(reflected wave reflected by the object)의 시퀀스를 수신하고, 인식된 객체 및 반사파들의 시퀀스에 적어도 일부 기초하여, 객체에 대한 인증을 수행하도록 하는 인스트럭션들을 저장할 수 있다.
다양한 실시예들에 따른 전자 장치의 객체 인식 방법은, 이미지 센서를 이용하여 적어도 하나의 이미지를 획득하는 동작과, 이미지에서 객체를 인식하는 동작과, 하우징 내 및/또는 하우징의 일부에 배치된 안테나 어레이를 이용하여, 객체 방향으로 적어도 하나의 방향성 빔들의 시퀀스(a sequence of beams)를 송신하는 동작과, 안테나 어레이를 이용하여, 빔들의 시퀀스가 객체에 반사된 반사파들(reflected wave reflected by the object)의 시퀀스를 수신하는 동작과, 인식된 객체 및 반사파들의 시퀀스에 적어도 일부 기초하여, 객체에 대한 인증을 수행하는 동작을 포함할 수 있다.
다양한 실시예들에 따르면, 전자 장치의 얼굴 인증 방법은, 이미지 센서를 이용하여 적어도 하나의 이미지를 획득하는 동작과, 이미지에서 얼굴 이미지를 인식하는 동작과, 얼굴 이미지에서 라이브니스를 확인하기 위한 위치 및 얼굴을 인증하기 위한 위치를 설정하는 동작과, 라이브니스 확인 위치에 방향성 빔들의 시퀀스(a sequence of beams)를 송신하고, 반사되는 빔들의 시퀀스를 수신하고, 수신된 반사파들의 시퀀스에 기반하여 라이브니스를 확인하는 동작과, 얼굴 인증 확인 위치에 방향성 빔들의 시퀀스(a sequence of beams)를 송신하고, 반사되는 빔들의 시퀀스를 수신하고, 수신된 반사파들의 시퀀스에 기반하여 얼굴 인증을 수행하는 동작을 포함할 수 있다.
다양한 실시예들에 따른 전자 장치는 객체 인증 시에 무선 통신 기능을 이용하여 객체 인증 동작을 수행할 수 있다. 전자 장치는 무선 통신 장치를 이용하여 카메라에서 획득되는 객체 이미지의 라이브니스를 확인하고, 라이브니스가 확인된 객체 이미지를 인증할 수 있어, 악의적인 인증 시도(예: spoofing attack)를 차단할 수 있는 인증 동작을 수행할 수 있다. 또한 전자 장치는 카메라에서 획득되는 객체 이미지를 이용하여 밀리미터 웨이브 장치의 빔포밍 픽셀들을 선택할 수 있으며(예를들면, 이미지의 일부 픽셀에 해당하는 방향으로 빔 포밍), 선택된 빔포밍 픽셀에 기반하여 인증 동작을 수행하여 밀리미터 웨이브 이미지 데이터의 생성 시간을 단축할 수 있다.
도 1은 다양한 실시예들에 따른 네트워크 환경 내의 전자 장치의 블럭도이다.
도 2는 다양한 실시예들에 따른 카메라 모듈을 예시하는 블럭도이다.
도 3은 다양한 실시예들에 따른 전자 장치의 구성을 도시하는 도면이다.
도 4는 다양한 실시예들에 따른 전자 장치에서 획득되는 이미지 데이터와 피사체의 좌표를 계산하는 예를 도시하는 도면이다.
도 5는 다양한 실시예들에 따른 전자 장치의 구성을 도시하는 도면이다
도 6은 다양한 실시예들에 따른 전자 장치의 객체 인증 방법을 도시하는 흐름도이다.
도 7은 다양한 실시예들에 따른 전자 장치가 얼굴을 인증하는 방법을 도시하는 흐름도이다.
도 8은 다양한 실시예들에 따른 전자 장치가 얼굴을 인증하는 방법을 도시하는 흐름도이다.
이하 본 발명의 다양한 실시 예를 첨부된 도면을 참조하여 상세히 설명한다. 그리고, 본 발명의 실시 예를 설명함에 있어서, 관련된 공지기능 혹은 구성에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단된 경우 그 상세한 설명은 생략한다. 그리고 후술되는 용어들은 본 발명의 기능을 고려하여 정의된 용어들로서 이는 사용자, 운용자의 의도 또는 관례에 따라 달라질 수 있다. 그러므로 그 정의는 본 명세서 전반에 걸친 내용을 토대로 내려져야 할 것이다.
도 1은 다양한 실시예들에 따른 네트워크 환경(100) 내의 전자 장치(101)의 블럭도이다.
도 1을 참조하면, 네트워크 환경(100)에서 전자 장치(101)는 제1 네트워크(198)(예: 근거리 무선 통신 네트워크)를 통하여 전자 장치(102)와 통신하거나, 또는 제2 네트워크(199)(예: 원거리 무선 통신 네트워크)를 통하여 전자 장치(104) 또는 서버(108)와 통신할 수 있다. 일 실시예에 따르면, 전자 장치(101)는 서버(108)를 통하여 전자 장치(104)와 통신할 수 있다. 일 실시예에 따르면, 전자 장치(101)는 프로세서(120), 메모리(130), 입력 장치(150), 음향 출력 장치(155), 표시 장치(160), 오디오 모듈(170), 센서 모듈(176), 인터페이스(177), 햅틱 모듈(179), 카메라 모듈(180), 전력 관리 모듈(188), 배터리(189), 통신 모듈(190), 가입자 식별 모듈(196), 또는 안테나 모듈(197)을 포함할 수 있다. 어떤 실시예에서는, 전자 장치(101)에는, 이 구성요소들 중 적어도 하나(예: 표시 장치(160) 또는 카메라 모듈(180))가 생략되거나, 하나 이상의 다른 구성 요소가 추가될 수 있다. 어떤 실시예에서는, 이 구성요소들 중 일부들은 하나의 통합된 회로로 구현될 수 있다. 예를 들면, 센서 모듈(176)(예: 지문 센서, 홍채 센서, 또는 조도 센서)은 표시 장치(160)(예: 디스플레이)에 임베디드된 채 구현될 수 있다
프로세서(120)는, 예를 들면, 소프트웨어(예: 프로그램(140))를 실행하여 프로세서(120)에 연결된 전자 장치(101)의 적어도 하나의 다른 구성요소(예: 하드웨어 또는 소프트웨어 구성요소)을 제어할 수 있고, 다양한 데이터 처리 또는 연산을 수행할 수 있다. 일 실시예에 따르면, 데이터 처리 또는 연산의 적어도 일부로서, 프로세서(120)는 다른 구성요소(예: 센서 모듈(176) 또는 통신 모듈(190))로부터 수신된 명령 또는 데이터를 휘발성 메모리(132)에 로드하고, 휘발성 메모리(132)에 저장된 명령 또는 데이터를 처리하고, 결과 데이터를 비휘발성 메모리(134)에 저장할 수 있다. 일 실시예에 따르면, 프로세서(120)는 메인 프로세서(121)(예: 중앙 처리 장치 또는 어플리케이션 프로세서), 및 이와는 독립적으로 또는 함께 운영 가능한 보조 프로세서(123)(예: 그래픽 처리 장치, 이미지 시그널 프로세서, 센서 허브 프로세서, 또는 커뮤니케이션 프로세서)를 포함할 수 있다. 추가적으로 또는 대체적으로, 보조 프로세서(123)은 메인 프로세서(121)보다 저전력을 사용하거나, 또는 지정된 기능에 특화되도록 설정될 수 있다. 보조 프로세서(123)는 메인 프로세서(121)와 별개로, 또는 그 일부로서 구현될 수 있다.
보조 프로세서(123)는, 예를 들면, 메인 프로세서(121)가 인액티브(예: 슬립) 상태에 있는 동안 메인 프로세서(121)를 대신하여, 또는 메인 프로세서(121)가 액티브(예: 어플리케이션 실행) 상태에 있는 동안 메인 프로세서(121)와 함께, 전자 장치(101)의 구성요소들 중 적어도 하나의 구성요소(예: 표시 장치(160), 센서 모듈(176), 또는 통신 모듈(190))와 관련된 기능 또는 상태들의 적어도 일부를 제어할 수 있다. 일 실시예에 따르면, 보조 프로세서(123)(예: 이미지 시그널 프로세서 또는 커뮤니케이션 프로세서)는 기능적으로 관련 있는 다른 구성 요소(예: 카메라 모듈(180) 또는 통신 모듈(190))의 일부로서 구현될 수 있다.
메모리(130)는, 전자 장치(101)의 적어도 하나의 구성요소(예: 프로세서(120) 또는 센서모듈(176))에 의해 사용되는 다양한 데이터를 저장할 수 있다. 데이터는, 예를 들어, 소프트웨어(예: 프로그램(140)) 및, 이와 관련된 명령에 대한 입력 데이터 또는 출력 데이터를 포함할 수 있다. 메모리(130)는, 휘발성 메모리(132) 또는 비휘발성 메모리(134)를 포함할 수 있다.
프로그램(140)은 메모리(130)에 소프트웨어로서 저장될 수 있으며, 예를 들면, 운영 체제(142), 미들 웨어(144) 또는 어플리케이션(146)을 포함할 수 있다.
입력 장치(150)는, 전자 장치(101)의 구성요소(예: 프로세서(120))에 사용될 명령 또는 데이터를 전자 장치(101)의 외부(예: 사용자)로부터 수신할 수 있다. 입력 장치(150)은, 예를 들면, 마이크, 마우스, 또는 키보드를 포함할 수 있다.
음향 출력 장치(155)는 음향 신호를 전자 장치(101)의 외부로 출력할 수 있다. 음향 출력 장치(155)는, 예를 들면, 스피커 또는 리시버를 포함할 수 있다. 스피커는 멀티미디어 재생 또는 녹음 재생과 같이 일반적인 용도로 사용될 수 있고, 리시버는 착신 전화를 수신하기 위해 사용될 수 있다. 일 실시예에 따르면, 리시버는 스피커와 별개로, 또는 그 일부로서 구현될 수 있다.
표시 장치(160)는 전자 장치(101)의 외부(예: 사용자)로 정보를 시각적으로 제공할 수 있다. 표시 장치(160)은, 예를 들면, 디스플레이, 홀로그램 장치, 또는 프로젝터 및 해당 장치를 제어하기 위한 제어 회로를 포함할 수 있다. 일 실시예에 따르면, 표시 장치(160)는 터치를 감지하도록 설정된 터치 회로(touch circuitry), 또는 상기 터치에 의해 발생되는 힘의 세기를 측정하도록 설정된 센서 회로(예: 압력 센서)를 포함할 수 있다.
오디오 모듈(170)은 소리를 전기 신호로 변환시키거나, 반대로 전기 신호를 소리로 변환시킬 수 있다. 일 실시예에 따르면, 오디오 모듈(170)은, 입력 장치(150)를 통해 소리를 획득하거나, 음향 출력 장치(155), 또는 전자 장치(101)와 직접 또는 무선으로 연결된 외부 전자 장치(예: 전자 장치(102)) (예: 스피커 또는 헤드폰))를 통해 소리를 출력할 수 있다.
센서 모듈(176)은 전자 장치(101)의 작동 상태(예: 전력 또는 온도), 또는 외부의 환경 상태(예: 사용자 상태)를 감지하고, 감지된 상태에 대응하는 전기 신호 또는 데이터 값을 생성할 수 있다. 일 실시예에 따르면, 센서 모듈(176)은, 예를 들면, 제스처 센서, 자이로 센서, 기압 센서, 마그네틱 센서, 가속도 센서, 그립 센서, 근접 센서, 컬러 센서, IR(infrared) 센서, 생체 센서, 온도 센서, 습도 센서, 또는 조도 센서를 포함할 수 있다.
인터페이스(177)는 전자 장치(101)이 외부 전자 장치(예: 전자 장치(102))와 직접 또는 무선으로 연결되기 위해 사용될 수 있는 하나 이상의 지정된 프로토콜들을 지원할 수 있다. 일 실시예에 따르면, 인터페이스(177)는, 예를 들면, HDMI(high definition multimedia interface), USB(universal serial bus) 인터페이스, SD카드 인터페이스, 또는 오디오 인터페이스를 포함할 수 있다.
연결 단자(178)는, 그를 통해서 전자 장치(101)가 외부 전자 장치(예: 전자 장치(102))와 물리적으로 연결될 수 있는 커넥터를 포함할 수 있다. 일 실시예에 따르면, 연결 단자(178)은, 예를 들면, HDMI 커넥터, USB 커넥터, SD 카드 커넥터, 또는 오디오 커넥터(예: 헤드폰 커넥터)를 포함할 수 있다.
햅틱 모듈(179)은 전기적 신호를 사용자가 촉각 또는 운동 감각을 통해서 인지할 수 있는 기계적인 자극(예: 진동 또는 움직임) 또는 전기적인 자극으로 변환할 수 있다. 일 실시예에 따르면, 햅틱 모듈(179)은, 예를 들면, 모터, 압전 소자, 또는 전기 자극 장치를 포함할 수 있다.
카메라 모듈(180)은 정지 영상 및 동영상을 촬영할 수 있다. 일 실시예에 따르면, 카메라 모듈(180)은 하나 이상의 렌즈들, 이미지 센서들, 이미지 시그널 프로세서들, 또는 플래시들을 포함할 수 있다.
전력 관리 모듈(188)은 전자 장치(101)에 공급되는 전력을 관리할 수 있다. 일 실시예에 따르면, 전력 관리 모듈(388)은, 예를 들면, PMIC(power management integrated circuit)의 적어도 일부로서 구현될 수 있다.
배터리(189)는 전자 장치(101)의 적어도 하나의 구성 요소에 전력을 공급할 수 있다. 일 실시예에 따르면, 배터리(189)는, 예를 들면, 재충전 불가능한 1차 전지, 재충전 가능한 2차 전지 또는 연료 전지를 포함할 수 있다.
통신 모듈(190)은 전자 장치(101)와 외부 전자 장치(예: 전자 장치(102), 전자 장치(104), 또는 서버(108))간의 직접(예: 유선) 통신 채널 또는 무선 통신 채널의 수립, 및 수립된 통신 채널을 통한 통신 수행을 지원할 수 있다. 통신 모듈(190)은 프로세서(120)(예: 어플리케이션 프로세서)와 독립적으로 운영되고, 직접(예: 유선) 통신 또는 무선 통신을 지원하는 하나 이상의 커뮤니케이션 프로세서를 포함할 수 있다. 일 실시예에 따르면, 통신 모듈(190)은 무선 통신 모듈(192)(예: 셀룰러 통신 모듈, 근거리 무선 통신 모듈, 또는 GNSS(global navigation satellite system) 통신 모듈) 또는 유선 통신 모듈(194)(예: LAN(local area network) 통신 모듈, 또는 전력선 통신 모듈)을 포함할 수 있다. 이들 통신 모듈 중 해당하는 통신 모듈은 제1 네트워크(198)(예: 블루투스, WiFi direct 또는 IrDA(infrared data association) 같은 근거리 통신 네트워크) 또는 제2 네트워크(199)(예: 셀룰러 네트워크, 인터넷, 또는 컴퓨터 네트워크(예: LAN 또는 WAN)와 같은 원거리 통신 네트워크)를 통하여 외부 전자 장치와 통신할 수 있다. 이런 여러 종류의 통신 모듈들은 하나의 구성 요소(예: 단일 칩)으로 통합되거나, 또는 서로 별도의 복수의 구성 요소들(예: 복수 칩들)로 구현될 수 있다. 무선 통신 모듈(192)은 가입자 식별 모듈(196)에 저장된 가입자 정보(예: 국제 모바일 가입자 식별자(IMSI))를 이용하여 제1 네트워크(198) 또는 제2 네트워크(199)와 같은 통신 네트워크 내에서 전자 장치(101)를 확인 및 인증할 수 있다.
안테나 모듈(197)은 신호 또는 전력을 외부(예: 외부 전자 장치)로 송신하거나 외부로부터 수신할 수 있다. 일 실시예에 따르면, 안테나 모듈(197)은 하나 이상의 안테나들을 포함할 수 있고, 이로부터, 제1 네트워크(198) 또는 제2 네트워크(199)와 같은 통신 네트워크에서 사용되는 통신 방식에 적합한 적어도 하나의 안테나가, 예를 들면, 통신 모듈(190)에 의하여 선택될 수 있다. 신호 또는 전력은 상기 선택된 적어도 하나의 안테나를 통하여 통신 모듈(190)과 외부 전자 장치 간에 송신되거나 수신될 수 있다.
상기 구성요소들 중 적어도 일부는 주변 기기들간 통신 방식(예: 버스, GPIO(general purpose input and output), SPI(serial peripheral interface), 또는 MIPI(mobile industry processor interface))를 통해 서로 연결되고 신호(예: 명령 또는 데이터)를 상호간에 교환할 수 있다.
일 실시예에 따르면, 명령 또는 데이터는 제2 네트워크(199)에 연결된 서버(108)를 통해서 전자 장치(101)와 외부의 전자 장치(104)간에 송신 또는 수신될 수 있다. 전자 장치(102, 104) 각각은 전자 장치(101)와 동일한 또는 다른 종류의 장치일 수 있다. 일 실시예에 따르면, 전자 장치(101)에서 실행되는 동작들의 전부 또는 일부는 외부 전자 장치들(102, 104, 또는 108) 중 하나 이상의 외부 장치들에서 실행될 수 있다. 예를 들면, 전자 장치(101)가 어떤 기능이나 서비스를 자동으로, 또는 사용자 또는 다른 장치로부터의 요청에 반응하여 수행해야 할 경우에, 전자 장치(101)는 기능 또는 서비스를 자체적으로 실행시키는 대신에 또는 추가적으로, 하나 이상의 외부 전자 장치들에게 그 기능 또는 그 서비스의 적어도 일부를 수행하라고 요청할 수 있다. 상기 요청을 수신한 하나 이상의 외부 전자 장치들은 요청된 기능 또는 서비스의 적어도 일부, 또는 상기 요청과 관련된 추가 기능 또는 서비스를 실행하고, 그 실행의 결과를 전자 장치(101)로 전달할 수 있다. 전자 장치(101)는 상기 결과를, 그대로 또는 추가적으로 처리하여, 상기 요청에 대한 응답의 적어도 일부로서 제공할 수 있다. 이를 위하여, 예를 들면, 클라우드 컴퓨팅, 분산 컴퓨팅, 또는 클라이언트-서버 컴퓨팅 기술이 이용될 수 있다.
도 2는 다양한 실시예들에 따른 카메라 모듈(180)을 예시하는 블럭도(200)이다.
도 2를 참조하면, 카메라 모듈(180)은 렌즈 어셈블리(210), 플래쉬(220), 이미지 센서(230), 이미지 스태빌라이저(240), 메모리(250)(예: 버퍼 메모리), 또는 이미지 시그널 프로세서(260)를 포함할 수 있다. 렌즈 어셈블리(210)는 이미지 촬영의 대상인 피사체로부터 방출되는 빛을 수집할 수 있다. 렌즈 어셈블리(210)는 하나 또는 그 이상의 렌즈들을 포함할 수 있다. 일 실시예에 따르면, 카메라 모듈(180)은 복수의 렌즈 어셈블리(210)들을 포함할 수 있다. 이런 경우, 카메라 모듈(180)은, 예를 들면, 듀얼 카메라, 360도 카메라, 또는 구형 카메라(spherical camera)를 형성할 수 있다. 복수의 렌즈 어셈블리(210)들 중 일부는 동일한 렌즈 속성(예: 화각, 초점 거리, 자동 초점, f 넘버(f number), 또는 광학 줌)을 갖거나, 또는 적어도 하나의 렌즈 어셈블리는 다른 렌즈 어셈블리의 렌즈 속성들과 다른 하나 이상의 렌즈 속성들을 가질 수 있다. 렌즈 어셈블리(210)는, 예를 들면, 광각 렌즈 또는 망원 렌즈를 포함할 수 있다.
플래쉬(220)는 피사체로부터 방출 또는 반사되는 빛을 강화하기 위하여 사용되는 빛을 방출할 수 있다. 일 실시예에 따르면, 플래쉬(220)는 하나 이상의 발광 다이오드들(예: RGB(red-green-blue) LED, white LED, infrared LED, 또는 ultraviolet LED), 또는 xenon lamp를 포함할 수 있다. 이미지 센서(230)는 피사체로부터 방출 또는 반사되어 렌즈 어셈블리(210)를 통해 전달된 빛을 전기적인 신호로 변환함으로써, 상기 피사체에 대응하는 이미지를 획득할 수 있다. 일 실시예에 따르면, 이미지 센서(230)는, 예를 들면, RGB 센서, BW(black and white) 센서, IR 센서, 또는 UV 센서와 같이 속성이 다른 이미지 센서들 중 선택된 하나의 이미지 센서, 동일한 속성을 갖는 복수의 이미지 센서들, 또는 다른 속성을 갖는 복수의 이미지 센서들을 포함할 수 있다. 이미지 센서(230)에 포함된 각각의 이미지 센서는, 예를 들면, CCD(charged coupled device) 센서 또는 CMOS(complementary metal oxide semiconductor) 센서를 이용하여 구현될 수 있다.
이미지 스태빌라이저(240)는 카메라 모듈(180) 또는 이를 포함하는 전자 장치(101)의 움직임에 반응하여, 렌즈 어셈블리(210)에 포함된 적어도 하나의 렌즈 또는 이미지 센서(230)를 특정한 방향으로 움직이거나 이미지 센서(230)의 동작 특성을 제어(예: 리드 아웃(read-out) 타이밍을 조정)할 수 있다. 이는 촬영되는 이미지에 대한 상기 움직임에 의한 부정적인 영향의 적어도 일부를 보상하게 해 줄 수 있다. 일 실시예에 따르면, 이미지 스태빌라이저(240)는, 카메라 모듈(180)의 내부 또는 외부에 배치된 센서 모듈(176)(예: 자이로 센서 또는 가속도 센서)를 이용하여 카메라 모듈(180) 또는 전자 장치(101)의 움직임을 감지할 수 있다. 일 실시예에 따르면, 이미지 스태빌라이저(240)는, 예를 들면, 광학식 이미지 스태빌라이저로 구현될 수 있다. 메모리(250)는 이미지 센서(230)을 통하여 획득된 이미지의 적어도 일부를 다음 이미지 처리 작업을 위하여 적어도 일시 저장할 수 있다. 예를 들어, 셔터에 따른 이미지 획득이 지연되거나, 또는 복수의 이미지들이 고속으로 획득되는 경우, 획득된 원본 이미지(예: Bayer-patterned 이미지 또는 높은 해상도의 이미지)는 메모리(250)에 저장이 되고, 그에 대응하는 사본 이미지(예: 낮은 해상도의 이미지)는 표시 장치(160)을 통하여 프리뷰 될 수 있다. 이후, 지정된 조건이 만족되면(예: 사용자 입력 또는 시스템 명령) 메모리(250)에 저장되었던 원본 이미지의 적어도 일부가, 예를 들면, 이미지 시그널 프로세서(260)에 의해 획득되어 처리될 수 있다. 일 실시예에 따르면, 메모리(250)는 메모리(130)의 적어도 일부로, 또는 이와는 독립적으로 운영되는 별도의 메모리로 구성될 수 있다.
이미지 시그널 프로세서(260)는 이미지 센서(230)을 통하여 획득된 이미지 또는 메모리(250)에 저장된 이미지에 대하여 하나 이상의 이미지 처리들을 수행할 수 있다. 상기 하나 이상의 이미지 처리들은, 예를 들면, 깊이 지도(depth map) 생성, 3차원 모델링, 파노라마 생성, 특징점 추출, 이미지 합성, 또는 이미지 보상(예: 노이즈 감소, 해상도 조정, 밝기 조정, 블러링(blurring), 샤프닝(sharpening), 또는 소프트닝(softening)) 중 적어도 하나를 포함할 수 있다. 추가적으로 또는 대체적으로, 이미지 시그널 프로세서(260)는 카메라 모듈(180)에 포함된 구성 요소들 중 적어도 하나(예: 이미지 센서(230))에 대한 제어(예: 노출 시간 제어, 또는 리드 아웃 타이밍 제어)를 수행할 수 있다. 이미지 시그널 프로세서(260)에 의해 처리된 이미지는 추가 처리를 위하여 메모리(250)에 다시 저장 되거나 카메라 모듈(180)의 외부 구성 요소(예: 메모리(130), 표시 장치(160), 전자 장치(102), 전자 장치(104), 또는 서버(108))로 제공될 수 있다. 일 실시예에 따르면, 이미지 시그널 프로세서(260)는 프로세서(120)의 적어도 일부로 구성되거나, 프로세서(120)와 독립적으로 운영되는 별도의 프로세서로 구성될 수 있다. 이미지 시그널 프로세서(260)이 프로세서(120)과 별도의 프로세서로 구성된 경우, 이미지 시그널 프로세서(260)에 의해 처리된 적어도 하나의 이미지는 프로세서(120)에 의하여 그대로 또는 추가의 이미지 처리를 거친 후 표시 장치(160)를 통해 표시될 수 있다.
일 실시예에 따르면, 전자 장치(101)는 각각 다른 속성 또는 기능을 가진 복수의 카메라 모듈(180)들을 포함할 수 있다. 이런 경우, 예를 들면, 상기 복수의 카메라 모듈(180)들 중 적어도 하나는 광각 카메라이고, 적어도 다른 하나는 망원 카메라일 수 있다. 유사하게, 상기 복수의 카메라 모듈(180)들 중 적어도 하나는 전면 카메라이고, 적어도 다른 하나는 후면 카메라일 수 있다.
본 문서에 개시된 다양한 실시예들에 따른 전자 장치는 다양한 형태의 장치가 될 수 있다. 전자 장치는, 예를 들면, 휴대용 통신 장치 (예: 스마트폰), 컴퓨터 장치, 휴대용 멀티미디어 장치, 휴대용 의료 기기, 카메라, 웨어러블 장치, 또는 가전 장치를 포함할 수 있다. 본 문서의 다양한 실시예들에 따른 전자 장치는 전술한 기기들에 한정되지 않는다.
본 문서의 다양한 실시예들 및 이에 사용된 용어들은 본 문서에 기재된 기술적 특징들을 특정한 실시예들로 한정하려는 것이 아니며, 해당 실시예의 다양한 변경, 균등물, 또는 대체물을 포함하는 것으로 이해되어야 한다. 도면의 설명과 관련하여, 유사한 또는 관련된 구성요소에 대해서는 유사한 참조 부호가 사용될 수 있다. 아이템에 대응하는 명사의 단수 형은 관련된 문맥상 명백하게 다르게 지시하지 않는 한, 상기 아이템 한 개 또는 복수 개를 포함할 수 있다. 본 문서에서, "A 또는 B", "A 및 B 중 적어도 하나", “A 또는 B 중 적어도 하나,”"A, B 또는 C," "A, B 및 C 중 적어도 하나,”및 “A, B, 또는 C 중 적어도 하나"와 같은 문구들 각각은 그 문구들 중 해당하는 문구에 함께 나열된 항목들의 모든 가능한 조합을 포함할 수 있다. "제1", "제2", 또는 "첫째" 또는 "둘째"와 같은 용어들은 단순히 해당 구성요소를 다른 해당 구성요소와 구분하기 위해 사용될 수 있으며, 해당 구성요소들을 다른 측면(예: 중요성 또는 순서)에서 한정하지 않는다. 어떤(예: 제1) 구성요소가 다른(예: 제2) 구성요소에, “기능적으로” 또는 “통신적으로”라는 용어와 함께 또는 이런 용어 없이, “커플드” 또는 “커넥티드”라고 언급된 경우, 그것은 상기 어떤 구성요소가 상기 다른 구성요소에 직접적으로(예: 유선으로), 무선으로, 또는 제 3 구성요소를 통하여 연결될 수 있다는 것을 의미한다.
본 문서에서 사용된 용어 "모듈"은 하드웨어, 소프트웨어 또는 펌웨어로 구현된 유닛을 포함할 수 있으며, 예를 들면, 로직, 논리 블록, 부품, 또는 회로 등의 용어와 상호 호환적으로 사용될 수 있다. 모듈은, 일체로 구성된 부품 또는 하나 또는 그 이상의 기능을 수행하는, 상기 부품의 최소 단위 또는 그 일부가 될 수 있다. 예를 들면, 일 실시예에 따르면, 모듈은 ASIC(application-specific integrated circuit)의 형태로 구현될 수 있다.
본 문서의 다양한 실시예들은 기기(machine)(예: 전자 장치(101)) 의해 읽을 수 있는 저장 매체(storage medium)(예: 내장 메모리(136) 또는 외장 메모리(138))에 저장된 하나 이상의 명령어들을 포함하는 소프트웨어(예: 프로그램(140))로서 구현될 수 있다. 예를 들면, 기기(예: 전자 장치(101))의 프로세서(예: 프로세서(120))는, 저장 매체로부터 저장된 하나 이상의 명령어들 중 적어도 하나의 명령을 호출하고, 그것을 실행할 수 있다. 이것은 기기가 상기 호출된 적어도 하나의 명령어에 따라 적어도 하나의 기능을 수행하도록 운영되는 것을 가능하게 한다. 상기 하나 이상의 명령어들은 컴파일러에 의해 생성된 코드 또는 인터프리터에 의해 실행될 수 있는 코드를 포함할 수 있다. 기기로 읽을 수 있는 저장매체 는, 비일시적(non-transitory) 저장매체의 형태로 제공될 수 있다. 여기서, ‘비일시적’은 저장매체가 실재(tangible)하는 장치이고, 신호(signal)(예: 전자기파)를 포함하지 않는다는 것을 의미할 뿐이며, 이 용어는 데이터가 저장매체에 반영구적으로 저장되는 경우와 임시적으로 저장되는 경우를 구분하지 않는다.
일 실시예에 따르면, 본 문서에 개시된 다양한 실시예들에 따른 방법은 컴퓨터 프로그램 제품(computer program product)에 포함되어 제공될 수 있다. 컴퓨터 프로그램 제품은 상품으로서 판매자 및 구매자 간에 거래될 수 있다. 컴퓨터 프로그램 제품은 기기로 읽을 수 있는 저장 매체(예: compact disc read only memory (CD-ROM))의 형태로 배포되거나, 또는 어플리케이션 스토어(예: 플레이 스토어TM)를 통해 또는 두개의 사용자 장치들(예: 스마트폰들) 간에 직접, 온라인으로 배포(예: 다운로드 또는 업로드)될 수 있다. 온라인 배포의 경우에, 컴퓨터 프로그램 제품의 적어도 일부는 제조사의 서버, 어플리케이션 스토어의 서버, 또는 중계 서버의 메모리와 같은 기기로 읽을 수 있는 저장 매체에 적어도 일시 저장되거나, 임시적으로 생성될 수 있다.
다양한 실시예들에 따르면, 상기 기술한 구성요소들의 각각의 구성요소(예: 모듈 또는 프로그램)는 단수 또는 복수의 개체를 포함할 수 있다. 다양한 실시예들에 따르면, 전술한 해당 구성요소들 중 하나 이상의 구성요소들 또는 동작들이 생략되거나, 또는 하나 이상의 다른 구성요소들 또는 동작들이 추가될 수 있다. 대체적으로 또는 추가적으로, 복수의 구성요소들(예: 모듈 또는 프로그램)은 하나의 구성요소로 통합될 수 있다. 이런 경우, 통합된 구성요소는 상기 복수의 구성요소들 각각의 구성요소의 하나 이상의 기능들을 상기 통합 이전에 상기 복수의 구성요소들 중 해당 구성요소에 의해 수행되는 것과 동일 또는 유사하게 수행할 수 있다. 다양한 실시예들에 따르면, 모듈, 프로그램 또는 다른 구성요소에 의해 수행되는 동작들은 순차적으로, 병렬적으로, 반복적으로, 또는 휴리스틱하게 실행되거나, 상기 동작들 중 하나 이상이 다른 순서로 실행되거나, 생략되거나, 또는 하나 이상의 다른 동작들이 추가될 수 있다.
도 3은 다양한 실시예들에 따른 전자 장치(101)의 구성을 도시하는 도면이다.
도 3을 참조하면, 전자 장치(101)는 프로세서(300)(예: 도 1의 프로세서(120)), 메모리(310)(예: 도 1의 메모리(130)), 카메라 모듈(320) (예: 도 1 또는 도 2의 카메라 모듈(180)), 디스플레이(330)(예: 도 1의 표시 장치(160)), 안테나 어레이(340), 무선 통신 모듈(350)(예: 도 1의 통신 모듈(190) 또는 무선 통신 모듈(192))을 포함할 수 있다.
전자 장치(101)는 하우징(housing, 도시하지 않음)을 포함할 수 있다. 하우징은 제 1 방향으로 향하는 제1 플레이트와, 상기 제1 플레이트와 반대 방향으로 향하는 제2 플레이트 및 상기 제1 플레이트와 상기 제2 플레이트 사이의 공간을 둘러싸는 측면 부재를 포함할 수 있다.
카메라 모듈(320)은 객체(object)(예: 얼굴, 홍채 등)에서 반사되는 가시광 대역의 광을 수광하여 픽셀 데이터를 생성할 수 있는 이미지 센서(도시되지 않음. 예: 도 2의 이미지 센서(230))를 포함할 수 있다. 카메라 모듈(320)은 디스플레이(330)에 인접한 하우징의 제1 플레이트의 제 2 부분을 통하여 보일 수 있으며, 제 1 방향으로 향하도록 배치될 수 있다.
디스플레이(330)는 전자 장치(101)의 외부로 정보(예: 카메라 모듈(320)에서 촬영되는 이미지 등)를 시각적으로 제공할 수 있다. 디스플레이(330)는 하우징의 제1 플레이트의 제 1 부분을 통하여 보일 수 있다.
안테나 어레이(340)는 하우징 내 및/또는 하우징의 일부에 배치될 수 있다. 안테나 어레이(340)는 선택된 안테나 어레이에 의해 적어도 하나의 제2 방향으로 방향성 빔(directional beam)들의 시퀀스를 송신할 수 있다. 무선 통신 모듈(350)은 안테나 어레이(340)와 전기적으로 연결될 수 있으며, 안테나 어레이를 이용하여 방향성 빔을 형성하도록 구성될 수 있다. 예를 들면, 무선 통신 모듈(350)은 밀리미터 웨이브 무선 통신 모듈일 수 있으며, 3GHz 내지 100GHz 의 주파수를 송신 및/또는 수신하도록 구성될 수 있다.
메모리(310)는 프로세서(300)에 의해 사용되는 다양한 데이터를 저장할 수 있다. 메모리(310)는 무선 통신 모듈(350)에서 수신되는 반사파에 대한 인식을 위한 러닝 엔진 및 카메라 모듈(320)에서 수신되는 객체 이미지를 인식하기 위한 러닝 엔진을 구동하기 위한 소프트웨어(예: 도 1의 프로그램(140))를 저장할 수 있다.
다양한 실시예들에서 따르면, 메모리(330)는 카메라 모듈(320)을 통해 획득되는 객체 이미지를 인식하고, 인식된 객체의 지정된 위치로 빔들의 시퀀스를 송신하고, 객체에서 반사되는 빔들의 시퀀스의 반사파를 수신하고, 인식된 객체 이미지 및 수신된 반사파들의 시퀀스에 적어도 일부 기초하여 객체에 대한 인증을 수행하도록 하는 인스트럭션들을 저장할 수 있다. 인스트럭션들은 프로세서(330)가 객체를 인식한 후에 빔들의 시퀀스를 송신하도록 할 수 있다. 인스트럭션들은 프로세서(300)가 인식된 객체 또는 인식된 객체의 선택된 부분에 적어도 일부 기초하여, 빔들의 시퀀스의 송신 방향을 결정하도록 할 수 있다. 인스트럭션들은 인식된 객체 및 반사파들의 시퀀스에 의하여 검출된 프로파일을 레퍼런스 이미지 및 레퍼런스 프로파일에 비교함에 의하여 객체 인증을 수행하도록 할 수 있다. 인스트럭션들은 프로세서(300)가 반사파들의 시퀀스 중 적어도 일부에 기초하여 객체와 상기 전자 장치(101)와의 거리를 결정하도록 할 수 있다. 인스트럭션들은 프로세서(300)가 전자 장치의 잠금 상태에서 객체 인증을 수행하고, 객체 인증이 성공시에 전자 장치의 잠금 상태를 잠금 해제(unlock) 상태로 변경하도록 할 수 있다.
다양한 실시예들에 따르면, 메모리(310)는 학습(learning)에 의해 생성된 적어도 하나의 탬플릿(template)들을 저장할 수 있다. 예를 들면, 탬플릿은 객체의 프리젠스(presence)를 확인하기 위한 탬플릿, 객체의 라이브니스(liveness)를 확인하기 위한 탬플릿, 또는 객체를 인증하기 위한 탬플릿들 중에서 적어도 하나의 탬플릿이 될 수 있다. 다양한 실시예들에 따르면, 메모리(310)는 확인된 객체 이미지에서 프리젠스, 라이브니스 및/또는 객체 인증을 위한 위치 정보를 저장할 수 있다.
프로세서(300)는 전자 장치(101)의 하우징 내에 위치하고, 카메라 모듈(320), 디스플레이(330), 무선 통신 모듈(350) 및 안테나 어레이(340)와 작동적으로 연결될 수 있다. 프로세서(300)는 메모리(310)에 저장된 인스트럭션들에 의해 객체 인증 동작을 수행할 수 있다. 프로세서(300)는 카메라 모듈(320)을 통해 적어도 하나의 이미지를 획득 및 수신할 수 있으며, 수신된 이미지에서 객체를 인식할 수 있다. 프로세서(300)는 안테나 어레이(340)를 이용하여 적어도 하나의 제 2 방향으로 방향성 빔들의 시퀀스(a sequence of beams)를 송신하고, 빔들의 시퀀스가 상기 객체에 반사된 반사파들(reflected wave reflected by the object)의 시퀀스를 수신할 수 있다. 프로세서(300)는 인식된 객체 및 반사파들의 시퀀스에 적어도 일부 기초하여, 객체에 대한 인증을 수행할 수 있다.
다양한 실시예들에 따르면, 무선 통신 모듈(350)은 밀리미터 웨이브(millimeter wave) 장치일 수 있다. 밀리미터 웨이브 장치는 이미지 데이터의 특정 픽셀에 해당하는 방향으로 빔 포밍 기법을 이용하여 밀리미터 웨이브 신호를 객체 방향으로 송신하고, 객체에서 반사되는 신호를 수신하여 반사 신호의 특성을 확인할 수 있다. 밀리미터 웨이브 장치를 객체 인증에 이용하기 위해서는 객체의 필요한 부분을 선택하고, 선택된 객체 부분의 방향으로 밀리미터 웨이브를 송신하여 반사되는 객체의 정보만을 추출할 필요가 있다. 전자 장치(101)는 밀리미터 웨이브 장치의 고유한 신호 특성을 객체 인증하는 동작에 추가하여 객체 인증의 보안 강도를 더욱 강화할 수 있다. 다양한 실시예들에 따른 전자 장치(101)는 RGB카메라의 이미지 데이터를 이용하여 밀리미터 웨이브 장치에서 빔 포밍할 객체 부분(예: 이미지 데이터에 기반한 객체의 특정 위치)을 선택하여 밀리미터 웨이브 이미지 데이터의 생성 시간을 단축할 수 있으며, 결과적으로 전체적인 객체 인증 시스템의 처리 시간을 단축할 수 있다.
전자 장치(101)는 객체(예: 얼굴 또는 홍채) 이미지를 획득하여 설정된 기능을 수행하기 위한 인증 동작을 수행할 수 있다. 사용자는 카메라 모듈(320)을 구동하여 얼굴을 촬영할 수 있다. 프로세서(300)는 카메라 모듈(320)로부터 얼굴을 포함하는 이미지를 획득할 수 있으며, 획득된 이미지에서 얼굴 부분을 인식할 수 있다. 프로세서(300)은 인식된 얼굴 이미지에서 얼굴의 주요 부분의 특징(feature)들을 추출할 수 있다. 얼굴의 주요 부분은 얼굴의 프리젠스(presence), 얼굴의 라이브니스(liveness)를 확인하거나 또는 얼굴의 인증(recognition)하기 위한 부분이 될 수 있다. 프로세서(300)는 무선 통신 모듈(350) 및 안테나 어레이(340)를 이용하여 추출된 얼굴 부분에 해당하는 방향으로 빔들의 시퀀스를 생성하여 밀리미터 웨이브를 송신할 수 있다. 프로세서(300)는 무선 통신 모듈(350) 및 안테나 어레이(340)를 이용하여 얼굴에서 반사되는 빔들의 시퀀스를 수신할 수 있다. 프로세서(300)는 딥 러닝(deep learning), 인공 신경망(artificial neural network), 또는 심층 신경망(deep neural network)을 이용하여 얼굴의 주요 부분들에 정보를 학습할 수 있다. 메모리(310)는 얼굴의 주요 부분들에 대하여 학습된 정보들을 저장할 수 있다. 무선 통신 모듈(350)로부터 얼굴의 주요 부분들에 대한 반사파 정보가 수신되면, 프로세서(300)는 메모리(310)에 저장된 얼굴의 주요 부분의 특징과 수신된 반사파 정보에 기반하는 특징을 매칭시키는 딥러닝 시스템의 아웃풋을 확인하고, 아웃풋이 사용자의 얼굴에 대응하는 결과인지를 확인할 수 있다
다양한 실시예들에 따르면, 전자 장치(101)는 얼굴 이미지 인식 및 반사파 인식을 위한 머신 러닝 엔진을 하나의 머신 러닝 엔진으로 이용할 수 있다. 일 실시예에 따르면, 전자 장치(101)는 얼굴 이미지 인식을 머신 러닝 엔진과 반사파에 대한 머신 러닝 엔진을 별도로 나누어서 이용할 수도 있다.
한 실시예에서, 프로세서(300)는 카메라 모듈(320)에서 획득되어 수신되는 이미지 데이터에서 얼굴 부분을 인식하고, 인식된 얼굴 이미지에서 얼굴을 인증하기 위한 인증 확인 위치들을 설정할 수 있다. 프로세서(300)는 안테나 어레이(340)를 이용하여 인증 확인 위치에 빔 포밍하여 밀리미터 웨이브를 송신하고, 얼굴에서 반사되는 밀리미터 웨이브를 수신하여 설정된 사용자의 얼굴에 대응되는지 여부를 인증할 수 있다. 얼굴 인증 동작은 딥러닝 알고리듬에 기반하여 수행될 수 있다.
한 실시예에서, 프로세서(300)는 카메라 모듈(320)에서 획득되어 수신되는 이미지 데이터에서 얼굴 부분을 인식하고, 인식된 얼굴 이미지에서 얼굴의 라이브니스를 확인하기 위한 라이브니스 확인 위치 및 얼굴을 인증하기 위한 인증 확인 위치들을 설정할 수 있다. 예를 들어, 확인 위치는 눈, 코, 또는 입과 같이 특정할 수 있는 부분이 되거나, 사용자의 특성을 효과적으로 나타낼 수 있는 부분이 될 수 있다. 또한, 이미지 데이터의 정보(예: 얼굴 각도)에 기반하여 지정된 위치를 변경할 수도 있다. 예를 들면, 라이브니스 확인 위치는 사용자의 미세한 움직임을 확인할 수 있는 눈, 코, 또는 입과 같은 특정 부분이 될 수 있다. 예를 들면, 인증 확인 위치는 얼굴 영역 전체 또는 사용자의 얼굴을 특정할 수 있는 눈, 코, 또는 입의 위치들이 될 수 있다.
프로세서(300)는 확인된 라이브니스 확인 위치에 빔 포밍하여 밀리미터 웨이브를 송신하고, 얼굴에서 반사되는 밀리미터 웨이브를 수신하여 얼굴의 라이브니스를 확인할 수 있다. 예를 들면, 프로세서(300)는 인증 확인 위치에 빔 포밍하여 밀리미터 웨이브를 송신하고, 얼굴에서 반사되는 밀리미터 웨이브를 수신하여 설정된 사용자의 얼굴에 대응되는지 여부를 인증할 수 있다. 라이브니스 확인 및 얼굴 인증 동작은 딥러닝 알고리듬에 기반하여 수행될 수 있다.
한 실시예에서, 프로세서(300)는 카메라 모듈(320)에서 획득되어 수신되는 이미지 데이터에서 얼굴 부분을 인식하고, 인식된 얼굴 이미지에서 얼굴의 프리젠스를 확인하기 위한 프리젠스 확인 위치, 얼굴의 라이브니스를 확인하기 위한 라이브니스 확인 위치 및 얼굴을 인증하기 위한 인증 확인 위치들을 설정할 수 있다. 프로세서(300)는 설정된 프리젠스 확인 위치에 빔 포밍하여 밀리미터 웨이브를 송신하고, 얼굴에서 반사되는 밀리미터 웨이브를 수신하여 얼굴의 프리젠스를 확인할 수 있다. 프로세서(300)는 설정된 라이브니스 확인 위치에 빔 포밍하여 밀리미터 웨이브를 송신하고, 얼굴에서 반사되는 밀리미터 웨이브를 수신하여 얼굴의 라이브니스를 확인할 수 있다. 프로세서(300)는 설정된 인증 확인 위치에 빔 포밍하여 밀리미터 웨이브를 송신하고, 얼굴에서 반사되는 밀리미터 웨이브를 수신하여 설정된 사용자의 얼굴에 대응되는지 여부를 인증할 수 있다. 일 실시예에 따르면, 프리젠스, 라이브니스 확인 및 얼굴 인증 동작은 딥러닝 알고리듬에 기반하여 수행될 수 있다.
다양한 실시예들에 따른 전자 장치(101)는 RGB 카메라를 포함하는 카메라 모듈(320)과 안테나 어레이(340) 및 무선 통신 모듈(350)을 이용하여 얼굴 인증 동작을 수행할 수 있다. 전자 장치(101)는 카메라 모듈(320)에서 획득되는 이미지를 기반으로 얼굴 확인(face detection) 및/또는 얼굴의 특징 확인(facial feature, facial landmark detection)을 할 수 있다. 전자 장치(101)는 얼굴의 특징 정보를 기반으로 빔들의 시퀀스의 방향(이미지에서 빔 포밍할 픽셀 또는 픽셀들)을 결정할 수 있으며, 무선 통신 모듈(350)은 안테나 어레이(340)를 통해 설정된 방향으로 빔들의 시퀀스를 송신할 수 있다. 무선 통신 모듈(350)은 객체(얼굴)에서 반사되는 신호를 수신하여 프로세서(300)에게 신호 정보를 전달할 수 있으며, 프로세서(300)는 반사된 신호들과 메모리(310)에 저장된 얼굴의 주요 부분들에 대하여 학습된 정보들을 이용하여 얼굴 인증을 수행할 수 있다.
다양한 실시예들에 따르면, 얼굴 인증 어플리케이션이 실행되면, 전자 장치(101)는 얼굴 인증의 실행을 알리는 가이드 메시지를 표시할 수 있다. 예를 들면, 양질의 이미지를 획득하기 위하여, 전자 장치(101)는 디스플레이(330) 및/또는 스피커(도시하지 않음) 등을 이용하여 카메라 모듈(320)에서 일정 거리 및/또는 방향을 유지하여 촬영할 수도 있도록 가이드 할 수 있다.
다양한 실시예들에 따르면, 전자 장치(101)는 카메라 모듈(320)을 이용하여 이미지를 획득 및 수신하고, 수신된 이미지에서 얼굴 부분에 해당되는 픽셀을 확인할 수 있다. 프로세서(300)는 확인된 얼굴 이미지에서 얼굴의 주요 특징점 (facial landmark)이 될 수 있는 부분들에 대한 픽셀을 확인할 수 있다. 얼굴의 특징점은 눈, 코 및/또는 입이 될 수 있다. 전자 장치(101)는 필요에 따라 다양한 타입으로 특징점들을 확인할 수 있다. 예를 들면, 전자 장치(101)는 얼굴 이미지에서 얼굴의 프리젠스(presence)를 확인하기 위한 특징점(예를 들면, 얼굴 이미지의 중앙 픽셀 위치), 얼굴의 라이브니스를 확인하기 위한 특징점(예: 눈, 코, 또는 입과 같이 움직임을 검출할 수 있는 얼굴의 특정 위치), 얼굴을 인증하기 위한 위치(예: 얼굴의 전체 영역, 또는 얼굴의 일부 영역(예를 들면, 눈, 코, 또는 입의 복수 특정점들로 구성되는 세트))들을 확인할 수 있다.
다양한 실시예들에 따르면, 전자 장치(101)는 확인된 얼굴 이미지에 해당되는 픽셀 또는 얼굴의 특징점이 될 수 있는 부분들에 대한 픽셀을 선택하고, 무선 통신 모듈(350) 및 안테나 어레이(340)을 이용하여 선택된 픽셀에 대하여 빔 포밍 동작을 수행할 수 있다. 전자장치(101)는 무선 통신 모듈(350) 및 안테나 어레이(340)를 통해 설정된 방향으로 빔들의 시퀀스를 송신할 수 있으며, 피사체(예: 얼굴)에서 반사되는 신호를 수신할 수 있다. 일 실시예에 따르면, 무선 통신 모듈(350) 및 안테나 어레이(340)는 밀리미터 웨이브 장치일 수 있으며, 얼굴 이미지에서 선택된 픽셀들의 방향으로 빔들의 시퀀스를 송신 및 수신하여 해당 부분에 대한 밀리미터 웨이브 이미지 데이터를 생성할 수 있다. 예를 들어, 전자 장치(101)는 밀리미터 웨이브 이미지 데이터를 얼굴 이미지에 대한 라이브니스 검출에 사용함으로써, 얼굴 인증에 활용할 수 있다.
전자 장치(101)가 선택된 픽셀에 대한 밀리미터 웨이브 이미지 데이터를 생성하기 위하여 빔포밍을 수행할 때, 일반적으로 빔포밍 방향을 설정하기 위한 각도 (azimuth, elevation) 값을 설정할 수 있다.
도 4는 다양한 실시예들에 따른 전자 장치(101)에서 획득되는 이미지 데이터와 피사체의 좌표를 계산하는 예를 도시하는 도면이다.
도 4를 참조하면, 전자 장치(101)는 피사체(410)를 촬영하여 얼굴 인증 동작을 수행할 수 있다. 전자 장치(101)는 카메라 모듈(320)을 이용하여 피사체(410)의 이미지(440)를 획득할 수 있으며, 획득된 이미지(440)를 인식하여 얼굴 영역(445)을 확인할 수 있으며, 얼굴 영역(445)의 중심 좌표(443)을 확인할 수 있다. 피사체(410)의 실제 촬영 영역(420)과 전자 장치(101)을 통해 획득되는 이미지(440)의 크기를 다를 수 있다. 이로 인해 피사체(410)에서 촬영되는 얼굴 이미지(423) 및 얼굴 이미지의 중심 좌표(425)와 전자 장치(101)에서 획득된 이미지(440)의 얼굴 영역(445)과 중심 좌표(443)는 서로 다를 수 있다.
전자 장치(101)는 획득된 이미지(440)의 얼굴 영역(445)의 이미지에 기반하여 피사체(410)에 빔들의 시퀀스를 송신할 수 있다. 예를 들면, 전자 장치(101)는 얼굴 이미지(445)에서 특징점들을 확인하고, 확인된 특징점들의 픽셀 정보에 기반하여 빔들의 시퀀스의 방향을 결정할 수 있다. 전자 장치(101)는 카메라 모듈(320)을 통해 획득된 이미지(예: 얼굴 이미지(445))의 중심 좌표(443)(예를 들면 픽셀 위치)에 기반하여 실체 피사체(410)의 얼굴 중심 좌표(423)가 일치되도록 추정할 수 있다.
전자 장치(101)는 피사체(420)와 전자 장치(101) 간의 간격은 일정 거리를 유지할 때 양질의 이미지를 획득할 수 있다. 예를 들면, 전자 장치(101)는 얼굴 인증 어플리케이션이 실행될 때 가이드 메시지를 통해 얼굴 인증의 유효 거리 및/또는 방향을 가이드 할 수 있다. 예를 들면, 얼굴 인증의 유효 거리는 피사체(410)과 전자 장치(101)의 거리가 20cm를 기준으로 ±4cm 수준의 거리가 될 수 있다. 전자 장치(101)는 20cm 거리에서 카메라 배율에 따른 가로 배율 A 및 세로 배율 B 값을 미리 계산해둘 수 있다. 이에 따라 실제 피사체 얼굴의 중심 좌표는 하기 <수학식 1>과 같이 유추할 수 있다.
Figure 112018047623487-pat00001
<수학식 1>과 동일한 방법으로 이미지(예를 들면 얼굴 이미지(445)에서 특징점 부분의 좌표(픽셀 위치)를 이용하면 실제 피사체의 대응되는 부분의 좌표를 유추할 수 있다. 또한 밀리미터 웨이브 장치의 RF 위치를 미리 (xmmWave, ymmWave) 값으로 설정하여 메모리(310)에 저장할 수 있다. 예를들어, 카메라 모듈(320)에서 획득되는 이미지의 모든 좌표들은 mm 단위로 가정할 수 있다. 이를 기반으로 피사체가 전자 장치(101)와 20cm 거리를 가지는 경우, 밀리미터 웨이브 장치의 RF의 3차원 좌표는 (0, xmmWave, ymmWave) 및 실제 피사체의 얼굴의 3차원 중심 좌표는 (200, x’, y’)가 될 수 있다. 이 때, 밀리미터 웨이브 장치의 빔포밍을 위한 방위각(azimuth) 및 고도(elevation)는 하기 <수학식 2>와 같이 같이 추정할 수 있다.
Figure 112018047623487-pat00002
무선 통신 모듈(350)을 이용하여 얼굴 이미지의 선택된 픽셀에 대한 밀리미터 웨이브 이미지 데이터를 획득한 경우, 전자 장치(101)는 획득된 밀리미터 웨이브 이미지를 이용하여 얼굴 인증 동작을 수행할 수 있다. 얼굴 인증(face recognition)은 프리젠스 확인(presence detection) 및/또는 라이브니스 확인(liveness detection) 동작을 더 포함할 수 있다. 전자 장치(101)는 무선 통신 모듈(350) 및 안테나 어레이(340)을 이용하여 프리젠스 및/또는 라이브니스를 확인하기 위한 빔들의 시퀀스 및 얼굴 인증을 위한 빔들의 시퀀스를 피사체에 송신할 수 있다.
일 실시예에 따르면, 피사체에서 반사되는 신호는 피사체의 움직임 및 얼굴의 굴곡에 기반하는 정보를 포함할 수 있다. 예를 들면, 피사체의 움직임은 전자 장치(101)의 반사파에 대하여 위상(phase) 및/또는 TOF(time of flight) 값을 지속적으로 진동시킬 수 있다. 피사체의 얼굴의 굴곡은 사람마다 다를 수 있으며, 피사체의 얼굴에서 반사되는 신호의 위상 및/또는 TOF 값은 사람마다 다른 값을 가질 수 있다. 또한 사람의 피부에 의한 반사파에 대하여 주파수에 따라 진폭(amplitude) 감소 패턴이 다른 물체와 다른 고유의 특성을 나타낼 수 있다. 전자 장치(101)는 사용자(예: 얼굴 인증을 위해 전자 장치(101)에 이미지를 등록하는 사용자) 별로 해당 사용자의 이미지 및 반사파에 관련된 정보(예: phase, TOF, 또는 amplitude)들을 학습하여 메모리(310)에 저장할 수 있다.
다양한 실시예에 따르면, 전자 장치(101)는 메모리(310)에 얼굴의 프리젠스 확인, 라이브니스 확인 및 얼굴 인증을 위한 학습된 정보(template)를 저장할 수 있다. 얼굴 인증을 하기 위한 학습 정보는 딥 러닝(deep learning), 심층 신경망(deep neural network), 또는 인공 신경망(artificial neural network)을 이용하여 생성할 수 있으며, 전자 장치(101) 또는 외부 서버에서 수행될 수 있다. 예를 들면, 딥러닝 방법은 콘볼루션 신경망(convolutional neural network)(CNN) 방식을 사용할 수 있다. CNN 방식으로 학습하는 경우, CNN에 학습할 사용자의 얼굴에 관련된 정보를 입력하여 학습(learning)을 수행하고, 학습된 결과에 기반하는 특징(feature)들을 추출하여 탬플릿으로 저장할 수 있다.
예를 들면, 학습 정보를 획득하는 방법은 적어도 하나의 실제 사용자의 얼굴 이미지에서 획득한 눈, 코, 또는 입과 같은 얼굴의 특징점이 될 수 있는 특정 부분의 이미지 정보, 그리고 각 특정 부분에 대한 무선 통신 모듈(350)의 수신 정보(예: 60Ghz 빔의 반사파로부터 획득된 Phase, TOF, Amplitude값)을CNN에 입력하고, 그에 대응하는 출력(output) 값을 true, 일반 사용자들의 동일한 파라미터들을 입력하고 그에 대응하는 출력 값을 false로 하여 계산할 수 있다. CNN을 이용한 학습 방법은 이와 같은 계산을 설정된 횟수 동안 반복 수행할 수 있으며, 계산 과정에서 발생되는 오차를 갱신(backpropagation방식으로 업데이트)하여 사용자의 파라미터가 true에 맞게 하는 모델(template)을 생성하여 메모리에 저장할 수 있다. 탬플릿은 프리젠스 탬플릿, 라이브니스 탬플릿, 또는 얼굴 인증 탬플릿 중 적어도 일부를 포함할 수 있다. 프리젠스 탬플릿 및 라이브 탬플릿은 모든 사용자들에게 사용할 수 있으며, 얼굴 인증 탬플릿은 각각의 사용자 이미지 및 반사파들의 학습에서 생성되는 고유한 탬플릿일 수 있다.
위의 방식은 일반 사용자들의 파라미터들을 이용하여 미리 모델을 어느 정도 구성하고, 새로운 사용자의 파라미터 값들을 이용하여 미세 조정(fine tuning)하는 방식의 트랜스퍼 러닝(transfer learning) 방식으로 훈련할 수도 있다.
전자 장치(101)는 얼굴 인증 어플리케이션을 실행하는 중에서 수신되는 이미지 및 반사파의 정보들을 메모리(310)에 저장하고 있는 대응되는 정보들을 비교하여 얼굴 인증을 수행할 수 있다. 일단 훈련된 모델을 이용하여 실제 인증을 위한 수행 시, 전자 장치(101)는 실시간(real-time)으로 수신되는 이미지 및 반사파에 기반하는 파라미터 값들을 CNN의 입력으로 하여 인증 동작을 수행할 수 있다. 전자 장치(101)는 CNN의 출력이 true인 경우에는 적법한 사용자로 인증하고 false인 경우에는 적법한 사용자가 아닌 경우로 결정할 수 있다.
도 5는 다양한 실시예들에 따른 전자 장치(101)의 구성을 도시하는 도면이다. 도 5는 전자 장치(101)에서 카메라 모듈(예: 도 1의 카메라 모듈(180), 도 2, 도 3의 카메라 모듈(320))을 통해 획득된 이미지의 라이브니스를 확인하고, 확인된 라이브니스에 기반하여 얼굴 인증을 하는 예를 도시하고 있다.
도 5를 참조하면, 전자 장치(예: 도 1의 전자 장치(101))는 얼굴 확인 모듈(510), 위치 확인 모듈(520), 라이브니스 위치 설정 모듈(530), 라이브니스 확인 모듈(540), 인증 위치 설정 모듈(550) 및 얼굴 인증 모듈(560)을 포함할 수 있다. 도 5의 전자 장치(100) 구성은 프로세서(예: 도 1의 프로세서(120), 도 3의 프로세서(300))의 구성이 될 수 있다.
얼굴 확인 모듈(510)은 카메라 모듈(320)로부터 이미지 데이터를 획득할 수 있다. 얼굴 확인 모듈(510)은 획득된 이미지에서 얼굴 이미지를 확인(face detection)할 수 있다. 예를 들면, 얼굴 확인 모듈(510)은 다양한 크기의 얼굴을 확인하기 위하여, 획득된 이미지에서 피라미드 영상을 생성하고, 한 픽셀씩 이동하면서 분류기(예: 아다부스트(AdaBoost(adaptive boosting)))를 이용하여 특정 크기의 영역이 얼굴인지 아닌지를 결정할 수 있다.
위치 확인 모듈(520)은 확인된 얼굴 이미지에서 얼굴의 주요 특징(facial feature, facial landmark)들을 확인할 수 있다. 다양한 실시예들에 따르면, 위치 확인 모듈(520)은 눈, 코, 또는 입을 특정할 수 있으며, 얼굴 영역을 특정할 수 있다. 예를 들면, 위치 확인 모듈(520)은 얼굴 이미지에서 얼굴의 프리젠스(presence)를 확인하기 위한 위치(예를 들면, 이미지의 중앙 위치), 얼굴의 라이브니스를 확인하기 위한 위치(예: 눈, 코, 또는 입과 같이 움직임을 검출할 수 있는 얼굴의 특정 위치), 얼굴을 인증하기 위한 위치(예: 얼굴의 전체 영역, 또는 얼굴의 특징을 확인할 수 있는 눈, 코, 또는 입의 위치들)들을 검출(feature detection, landmark detection)할 수 있다.
라이브니스 위치 설정 모듈(530)은 얼굴의 라이브니스를 확인(liveness detection)하기 위한 얼굴 위치(예를 들면 얼굴 이미지의 특정 픽셀 위치)들을 선택하고, 선택된 얼굴 위치에 빔들의 시퀀스를 송신하기 위하여 무선 통신 모듈(350) 및 안테나 어레이(340)를 통하여 빔들을 포밍할 수 있다. 무선 통신 모듈(350) 및 안테나 어레이(340)는 라이브니스 설정 모듈(530)에서 설정된 라이브니스 빔 포밍 정보(방위각(azimuth) 및 고도(elevation))에 기반하는 빔들의 시퀀스를 해당하는 방향으로 송신하고, 피사체에서 반사되는 신호들을 수신할 수 있다.
라이브니스 확인 모듈(540)은 안테나 어레이(340)에서 수신되는 피사체에서 반사되는 신호에 기반하여 얼굴의 라이브니스는 확인할 수 있다. 라이브니스 확인 모듈(540)은 수신되는 반사 신호의 TOF, 위상 및/또는 진폭을 계산하고, 계산 정보를 메모리(310)에 저장하고 있는 라이브니스 탬플릿에 기반하여 라이브니스를 확인할 수 있다. 인증 위치 설정 모듈(550)는 얼굴을 인증하기 위한 얼굴 위치(예를 들면 얼굴 이미지의 전체 영역 또는 복수의 특징점들을 포함하는 특징점들의 세트)들을 선택하고, 선택된 위치에 빔들의 시퀀스를 송신하기 위하여 빔들을 포밍할 수 있다. 무선 통신 모듈 및 안테나 어레이는 인증 위치 설정 모듈(550)에서 설정된 얼굴 인증을 위한 빔 포밍 정보(방위각 및 고도)에 기반하는 빔들의 시퀀스를 해당하는 방향으로 송신하고, 피사체에서 반사되는 신호들을 수신할 수 있다.
얼굴 인증 모듈(560)은 안테나 어레이(340)에서 수신되는 피사체에서 반사되는 신호에 기반하여 얼굴 이미지를 인증할 수 있다. 얼굴 인증 모듈(540)은 수신되는 반사 신호의 TOF, 위상 및/또는 진폭을 계산하고, 계산 정보를 메모리에 저장하고 있는 얼굴 인증 탬플릿에 기반하여 사용자의 얼굴 이미지를 인증할 수 있다. 일 실시예에 따르면, 라이브니스 위치 설정 모듈(530)은 객체의 미세한 움직임을 측정하기 위한 위치를 설정할 수 있으며, 라이브니스 확인 위치는 객체와의 거리를 측정하기 위한 용도로 사용할 수 있다. 예를 들면, 라이브니스 확인 위치는 얼굴 영역 또는 얼굴 영역 중의 일부가 될 수 있다. 얼굴 인증 모듈(560)은 객체 정보(예를 들면 객체와의 거리 정보 TOF)에 기반하여 딥러닝 정보를 통한 얼굴 인증을 수행할 수 있다.
다양한 실시예들에 따른 전자 장치(101)는 밀리미터 웨이브 장치를 이용하여 획득된 얼굴 이미지의 라이브니스를 확인하고, 라이브니스가 확인되면 얼굴 이미지의 인증을 수행할 수 있다. 예를 들면, 사람의 얼굴은 가만히 있을 때에도 마이크로미터(micro-meter) 수준의 움직임이 지속적으로 발생될 수 있다. 이러한 움직임은 밀리미터 웨이브 장치의 반사파에 대하여 위상 또는 TOF 값을 지속적으로 진동시킬 수 있다. 전자 장치(101)는 이런 움직임 특징을 딥 러닝 기법(또는 머신 러닝(machine learning) 기법)을 이용하여 특정 패턴으로 미리 저장부에 저장할 수 있다. 또한 사람의 피부에 의한 반사파는 주파수에 따라 반사파의 진폭 감소 패턴이 다른 물체와 다른 특성을 나타낼 수 있다. 전자 장치(101)는 이런 반사파의 진폭 감소 패턴 역시 미리 저장부에 저장할 수 있다. 라이브니스 위치 설정 모듈(530)은 라이브니스를 확인하기 위한 설정 위치(예: 얼굴 이미지의 눈, 코, 또는 입의 위치)에 빔들의 시퀀스가 송신될 수 있도록 빔 포밍 동작을 수행할 수 있으며, 피사체의 얼굴에서 반사되는 신호를 수신할 수 있다. 라이브니스 확인 모듈(540)은 밀리미터 웨이브 이미지 데이터의 위상 또는 TOF의 패턴과 메모리에 학습(training)을 통해 저장한 얼굴의 움직임(micro movement) 패턴과 비교하거나 반사파의 주파수에 따른 진폭 감소 패턴을 미리 저장한 사람의 피부 패턴과 비교를 통해 라이브니스를 확인할 수 있다.
다양한 실시예들에 따른 전자 장치는 라이브니스가 확인될 경우(예를 들면, 라이브니스 확인(liveness detection)의 조건을 만족할 경우, 반사파의 특성이 사람의 얼굴에 대한 반사파 패턴과 유사한 것으로 인식 될 경우), 인증 위치 설정 모듈(550)은 얼굴 인증을 위한 얼굴 위치(얼굴 영역 또는 얼굴 영역에서 복수의 특징점들을 포함하는 얼굴의 일부 영역) 방향으로 추가적인 빔 포밍 동작을 수행할 수 있다. 전자 장치(101)는 추가적으로 얼굴 인증을 위한 피사체의 얼굴 위치에 빔들의 시퀀스를 송신하고, 피사체의 해당 얼굴 위치에서 반사되는 신호를 수신할 수 있다. 얼굴 인증 모듈(560)은 인식된 얼굴 이미지 및 반사파들의 시퀀스와 메모리(310)에 저장된 얼굴 인증 탬플릿에 기반하여 사용자의 얼굴 인증을 수행할 수 있다.
일 실시예에 따르면, 라이브니스를 확인하기 위한 밀리미터 웨이브 이미지 데이터의 양이 라이브니스 확인뿐만 아니라 얼굴 인증까지 수행할 수 있는 경우, 전자 장치(101)는 추가적인 빔포밍 동작을 수행하지 않을 수 있다. 이런 경우, 도 5에서 인증 위치 설정 모듈(550)은 생략될 수 있다.
다양한 실시예들에서, 전자 장치(101)가 얼굴의 라이브니스 확인을 위한 빔포밍과 얼굴 인증을 위한 빔포밍을 분리하는 사용하는 경우, 라이브니스 확인을 위한 빔포밍은 얼굴의 특정 부위에만 수행하고, 그 결과 얼굴의 특정 부위와 일치하면 해당 빔포밍 방향을 기반으로 다른 영역의 방향을 계산할 수 있다. 카메라에서 획득되는 얼굴 이미지의 픽셀 정보로부터 밀리미터 웨이브 장치의 빔포밍 방향을 결정할 때, 전자 장치(101)는 카메라 모듈과 밀리미터 웨이브 장치의 실장 위치 또는 실제 사용자와 전자 장치의 거리에 따라 빔포밍 오차를 발생시킬 수 있다. 따라서 라이브니스 확인을 위한 빔 포밍은 특정 영역에 대한 빔 포밍의 반복적인 시도를 통해 실제 사용자의 얼굴의 위치 탐색 및 전자 장치(101)와 얼굴간의 거리를 측정하는 용도로 활용할 수도 있다.
다양한 실시예들에 따르면, 전자 장치(101)는 밀리미터 웨이브 이미지 데이터가 생성 되면, 딥러닝(예: CNN) 알고리듬의 특징 추출(feature extraction) 동작을 통해, 이미 학습에 의해 생성한 데이터 (template)와 비교하는 동작을 수행할 수 있으며, 이미 정해진 알고리듬에 따른 매칭 스코어(matching score)를 계산하여 얼굴 인증의 성공 또는 실패를 결정할 수 있다. 또한 얼굴 인증에 성공 또는 실패하게 되면, 전자 장치(101)는 조건에 따라 기 저장된 얼굴에 대한 탬플릿을 지속적으로 업데이트 하기 위한 추가 데이터로 사용할 수 있다.
다양한 실시예들에 따른 전자 장치(101)는, 제 1 방향으로 향하는 제1 플레이트와, 제1 플레이트와 반대 방향으로 향하는 제2 플레이트 및 제1 플레이트와 제2 플레이트 사이의 공간을 둘러싸는 측면 부재를 포함하는 하우징과, 제1 플레이트의 제 1 부분을 통하여 보이는 디스플레이(330)와, 하우징 내 및/또는 하우징의 일부에 배치된 안테나 어레이(340)와, 디스플레이에 인접한, 제1 플레이트의 제 2 부분을 통하여 보이고, 제 1 방향으로 향하도록 배치된 이미지 센서(230)와, 안테나 어레이(340)와 전기적으로 연결되고, 안테나 어레이(340)를 이용하여 방향성 빔 (directional beam)을 형성하도록 구성된 무선 통신 모듈(350)과, 하우징 내에 위치하고, 디스플레이(330), 이미지 센서(230) 및 무선 통신 모듈(350)과 작동적으로 연결되는 프로세서(300)와, 프로세서(300)에 작동적으로 연결된 메모리(310)를 포함할 수 있다. 메모리(310)는 실행 시에, 프로세서(300)가, 이미지 센서(230)를 이용하여, 적어도 하나의 이미지를 획득 및 수신하고, 이미지에서 객체를 인식하고, 안테나 어레이(340)를 이용하여, 적어도 하나의 제 2 방향으로 방향성 빔들의 시퀀스(a sequence of beams)를 송신하고, 안테나 어레이(340)를 이용하여, 빔들의 시퀀스가 객체에 반사된 반사파들(reflected wave reflected by the object)의 시퀀스를 수신하고, 인식된 객체 및 반사파들의 시퀀스에 적어도 일부 기초하여, 객체에 대한 인증을 수행하도록 하는 인스트럭션들을 저장할 수 있다.
다양한 실시예들에 따르면, 무선 통신 모듈(350)은, 3GHz 내지 100GHz 의 주파수를 송신 및/또는 수신하도록 구성될 수 있다.
다양한 실시예들에 따르면, 인스트럭션들은, 프로세서(300)가, 객체를 인식한 후에, 빔들의 시퀀스를 송신하도록 할 수 있다.
다양한 실시예들에 따르면, 객체는 사용자의 얼굴을 포함할 수 있다.
다양한 실시예들에 따르면, 제 2 방향은 제 1 방향과 동일할 수 있다.
다양한 실시예들에 따르면, 인스트럭션들은, 프로세서(300)가, 인식된 객체 또는 인식된 객체의 선택된 부분에 적어도 일부 기초하여, 제 2 방향을 결정하도록 할 수 있다.
다양한 실시예들에 따르면, 메모리(310)는, 사용자에 기반한 객체의 레퍼런스 이미지 및 레퍼런스 프로파일을 저장하고, 인스트럭션들은 인식된 객체 및 반사파들의 시퀀스에 의하여 검출된 프로파일을 레퍼런스 이미지 및 레퍼런스 프로파일에 비교함에 의하여 인증을 수행하도록 할 수 있다.
다양한 실시예들에 따르면, 인스트럭션들은, 프로세서(300)가, 반사파들의 시퀀스 중 적어도 일부에 기초하여, 객체와 전자 장치(101)와의 거리를 결정하도록 할 수 있다.
다양한 실시예들에 따르면, 인스트럭션들은, 프로세서(300)가, 전자 장치(101)의 잠금 상태에서, 인증을 수행하고, 인증이 성공시에, 전자 장치(101)의 잠금 상태를 잠금 해제(unlock) 상태로 변경하도록 할 수 있다.
도 6은 다양한 실시예들에 따른 전자 장치(101)의 객체 인증 방법을 도시하는 흐름도이다.
도 6을 참조하면, 전자 장치(101)는 객체 이미지 및 객체에서 반사되는 신호에 기반하는 밀리미터 웨이브 이미지에 기반하여 객체 인증 동작을 수행할 수 있다. 전자 장치(101)는 동작 611에서 카메라 모듈(예: 도 1의 카메라 모듈(180), 도 2, 도 3의 카메라 모듈(320))을 통해 피사체 이미지를 획득할 수 있다. 전자 장치(101)는 동작 613에서 획득된 피사체 이미지에서 원하는 객체 영역 및 객체의 주요 부분들을 인식할 수 있으며, 인식된 객체 이미지에서 객체를 인증하기 위한 특징점들을 확인할 수 있다.
전자 장치(101)는 동작 615에서 무선 통신 모듈(예: 도 3의 무선 통신 모듈(350) 및 안테나 어레이(340))를 이용하여 확인된 객체의 특징점에 기반하는 방향성 빔들의 시퀀스를 객체에 송신할 수 있다. 전자 장치(101)는 인식된 객체 이미지에서 확인된 특징점에 해당하는 피사체 위치 방향으로 빔 포밍할 수 있으며, 무선 통신 모듈 및 안테나 어레이는 이에 기반하여 빔들의 시퀀스를 피사체 객체의 특징점 위치에 송신할 수 있다. 전자 장치(101)는 동작 617에서 피사체에 반사되는 반사파들의 시퀀스를 수신할 수 있다. 전자 장치(101)는 동작 619에서 인식된 객체 이미지 및 수신된 반사파들의 시퀀스에 기반하여 객체 인증을 수행할 수 있다. 예를 들어, 객체 인증은 인식된 객체 및 반사파들의 시퀀스에 의하여 검출된 프로파일을 메모리(310)에 저장된 레퍼런스 이미지 및 레퍼런스 프로파일에 비교함에 의하여 인증을 수행할 수 있다.
다양한 실시예들에 따르면, 객체는 사람의 얼굴이 될 수 있다. 무선 통신 모듈(350) 및 안테나 어레이(340)는 밀리미터 웨이브 장치일 수 있다. 밀리미터 웨이브 장치는 빔포밍 기법을 이용하여 객체의 특정 위치에 신호를 송신하고, 프로세서(300)는 무선 통신 모듈(350) 및 안테나 어레이(340)를 통해 수신된 객체에서 반사되는 신호의 특성을 확인할 수 있다. 예를 들면, 밀리미터 웨이브 장치를 이용하여 얼굴 인증을 하는 경우, 얼굴에서 필요한 부분의 정보(예: 얼굴의 눈, 코, 또는 입)만 확인하고, 빔 포밍 기법에 의해 확인된 위치에 신호를 송신하여 이미지 데이터 생성 시간을 단축 시킬 수 있다. 예를 들면, 전자 장치(101)는 얼굴 인증시 얼굴의 특정 위치(예: 눈, 코 및/또는 입)에 방향성 빔들의 시퀀스를 송신하여 얼굴의 라이브니스를 확인하고, 라이브니스가 확인되면 이미지의 얼굴 영역에 방향성 빔들의 시퀀스를 송신하여 얼굴을 인증하는 동작을 수행할 수 있다.
도 7은 다양한 실시예들에 따른 전자 장치(101)가 얼굴을 인증하는 방법을 도시하는 흐름도이다. 도 7은 전자 장치(101)가 얼굴 이미지의 각 픽셀에 대한 밀리미터 웨이브 장치의 빔포밍을 위한 방위각 및 고도를 계산하고, 계산된 결과에 기반하여 빔포밍을 수행하고, 빔 포밍에 의해 피사체에서 반사되는 신호에 기반하여 라이브니스 확인 및 얼굴 인증 동작을 수행하는 순서도를 도시하고 있다.
도 7을 참조하면, 전자 장치(101)는 얼굴 이미지 및 얼굴에서 반사되는 신호에 기반하는 밀리미터 웨이브 이미지에 기반하여 얼굴 인증 동작을 수행할 수 있다. 전자 장치(101)는 동작 711에서 카메라 모듈(예: 도 3의 카메라 모듈(320))을 통해 얼굴을 포함하는 이미지를 획득할 수 있다. 전자 장치(101)는 동작 713에서 획득된 이미지에서 얼굴 영역 및 얼굴의 주요 부분들을 확인할 수 있다. 전자 장치(101)는 동작 715에서 인식된 얼굴 이미지에서 얼굴 인증을 하기 위한 특징점들을 확인할 수 있다. 전자 장치(101)는 카메라 모듈(320)을 통해 획득되는 이미지에서 얼굴 영역의 좌표 또는 얼굴의 특징점이 될 수 있는 부분들에 대한 위치(예: 픽셀 좌표)를 구할 수 있다. 전자 장치(101)는 얼굴의 라이브니스를 확인하기 위한 위치 및 얼굴을 인증하기 위한 위치들을 선택할 수 있다. 예를 들면, 라이브니스를 확인하기 위한 위치는 얼굴 이미지에서 눈, 코, 또는 입과 같이 얼굴의 특징점이 될 수 있는 특정 부분의 픽셀 좌표들로 선택할 수 있으며, 얼굴 인증을 위한 위치는 얼굴 이미지의 전체 영역에서 제한된 시간 안에 수집할 수 있는 모든 픽셀 좌표들에 대한 세트로 선택할 수 있다.
전자 장치(101)는 동작 717에서 얼굴의 라이브니스를 확인하기 위한 방향성 빔들의 시퀀스를 결정할 수 있다. 일 실시예에 따르면, 전자 장치(101)는 얼굴 이미지의 위치에 기반하여 방향성 빔들의 시퀀스를 전송하기 위한 방위각 및 고도를 계산할 수 있다. 예를 들면 전자 장치(101)는 라이브니스 확인 위치 정보를 <수학식 1> 및 <수학식 2>에 적용하여 라이브니스 확인을 위한 빔들의 방위각 및 고도를 계산할 수 있다. 전자 장치(101)는 동작 719에서 계산된 방위각 및 고도에 기반하여 빔들의 시퀀스를 피사체의 라이브니스 확인 위치에 송신할 수 있다. 전자 장치(101)는 동작 721에서 피사체에서 반사되는 빔들의 시퀀스 반사파를 수신할 수 있다. 전자 장치(101)는 동작 723에서 라이브니스를 확인할 수 있다. 예를 들어, 전자 장치(101)는 수신되는 반사파로부터 위상, TOF, 진폭 값들을 계산하고, 계산된 값들에게 기반하여 얼굴의 라이브니스를 확인할 수 있다. 일 실시예에 따르면, 메모리(예: 도 3의 메모리(310))는 얼굴의 라이브니스를 확인하기 위한 라이브니스 탬블릿을 저장할 수 있다. 예를 들어, 라이브니스 탬플릿은 얼굴의 미세 움직임(진동)에 기반하는 밀리미터 웨이브 장치의 위상, TOF, 진폭 변화를 딥러닝 기법에 의해 학습한 특정 패턴 값이 될 수 있다. 전자 장치(101)는 밀리미터 웨이브 장치에서 수신되는 반사파의 위상, TOF 및/또는 진폭 값을 학습된 라이브니스 탬플릿과 매칭시켜 매칭 스코어를 확인하고, 확인된 매칭 스코어에 기반하여 얼굴의 라이브니스를 확인할 수 있다. 전자 장치(101)는 얼굴의 라이브니스가 없는 것으로 확인된 경우(false 판정), 얼굴 인증 실패로 결정하고, 인증 동작을 종료할 수 있다.
전자 장치(101)는 얼굴의 라이브니스가 있는 것으로 확인되는 경우(true 판정), 동작 725에서 추가적인 위치 정보(얼굴 인증을 위한 위치 정보(픽셀 좌표))에 기반하여 얼굴 인증을 위한 방향성 빔들의 시퀀스를 전송하기 위한 방향을 결정할 수 있다. 예를 들면, 전자 장치(101)는 동작 715에서 결정된 라이브니스 확인 및 얼굴 인증을 위한 특징점들에 기반하여 얼굴 인증을 위한 방향성 빔들의 시퀀스를 전송하기 위한 방향을 결정할 수 있다. 전자 장치(101)는 얼굴 인증을 위한 얼굴 이미지의 지정된 위치에 대한 방위각 및 고도를 계산할 수 있다. 예를 들면 전자 장치(101)는 얼굴 인증 위치 정보를 <수학식 1> 및 <수학식 2>에 적용하여 얼굴 인증을 위한 빔들의 방위각 및 고도를 계산할 수 있다. 전자 장치(101)는 동작 727에서 계산된 방위각 및 고도에 기반하여 빔들의 시퀀스를 피사체의 얼굴 인증 위치에 송신할 수 있다. 전자 장치(101)는 동작 729에서 피사체에서 반사되는 빔들의 시퀀스 반사파를 수신할 수 있다. 전자 장치(101)는 동작 731에서 수신되는 반사파로부터 위상, TOF, 또는 진폭 값들을 계산하고, 계산된 값들을 얼굴 인증 탬플릿에 매칭시켜 얼굴 인증 동작을 수행할 수 있다.
도 8은 다양한 실시예들에 따른 전자 장치(101)가 얼굴을 인증하는 방법을 도시하는 흐름도이다.
도 8을 참조하면, 전자 장치(101)는 얼굴 이미지 및 얼굴에서 반사되는 신호에 기반하는 밀리미터 웨이브 이미지에 기반하여 얼굴 인증 동작을 수행할 수 있다. 전자 장치(101)는 동작 811에서 카메라 모듈(예: 도 3의 카메라 모듈(320))을 통해 얼굴을 포함하는 이미지를 획득할 수 있다. 전자 장치(101)는 동작 813에서 획득된 이미지에서 얼굴 영역 및 얼굴의 주요 부분들을 확인할 수 있다. 전자 장치는 동작 815에서 인식된 얼굴 이미지에서 얼굴 인증을 하기 위한 특징점들을 확인할 수 있다. 전자 장치(101)는 카메라 모듈을 통해 획득되는 이미지에서 얼굴 영역의 좌표 또는 얼굴의 특징점이 될 수 있는 부분들에 대한 위치(예: 픽셀 좌표)를 구할 수 있다. 전자 장치(101)는 동작 815에서 프리젠스를 확인하기 위한 위치, 라이브니스를 확인하기 위한 위치 및/또는 얼굴 인증을 위한 위치들의 세트(set)로 구분하여 선택할 수 있다. 예를 들어, 프리젠스를 확인하기 위한 위치, 라이브니스를 확인하기 위한 위치, 얼굴 인증을 하기 위한 위치 순서로 세트(픽셀 좌표들)들의 수가 많아질 수 있다. 예를 들면, 프리젠스를 확인하기 위한 위치는 인식된 얼굴 이미지의 중심 좌표를 사용할 수 있고, 라이브니스를 확인하기 위한 위치는 얼굴 이미지에서 눈, 코, 또는 입과 같이 얼굴의 특징점이 될 수 있는 특정 부분으로 선택할 수 있으며, 얼굴 인증을 위한 위치는 얼굴 이미지의 전체 영역에서 제한된 시간 안에 수집할 수 있는 모든 좌표에 대한 세트로 선택할 수 있다.
전자 장치(101)는 동작 817에서 프리젠스를 확인하기 위한 위치에 대하여 <수학식 1> 및 <수학식 2>를 적용하여 해당되는 빔의 방위각 및 고도를 계산할 수 있다. 전자 장치는 동작 819에서 계산된 방위각 및 고도에 기반하여 빔포밍을 수행하여 방향성 빔들의 시퀀스를 피사체에 송신할 수 있다. 전자 장치는 동작 821에서 피사체에 반사되는 빔들의 시퀀스의 반사파를 수신하고, 수신된 반사파의 위상 및/또는 TOF 값을 기반으로 설정된 거리 범위 이내에 피사체가 있는지 확인할 수 있다. 이 때, 피사체의 위치가 처음 가정한 피사체와의 거리 (예를 들어 20cm) 보다 가깝거나 멀 경우, 이를 반영하여 배율값 A, B를 다시 계산할 수 있다. 또한 반사파의 정보에서 설정된 거리 범위 이내에 피사체가 없을 경우, 전자 장치는 동작 811을 다시 수행하여 얼굴 이미지를 인식하고, 인식된 얼굴 이미지에서 얼굴 영역의 좌표를 계산하는 동작을 다시 수행할 수 있다.
전자 장치(101)는 얼굴의 프리젠스를 확인한 경우, 동작 850에서 얼굴의 라이브니스를 확인하는 동작을 수행할 수 있다. 동작 850에서 라이브니스를 확인하는 동작은 도 7의 동작 717내지 동작 723과 동일한 방법으로 수행될 수 있다. 전자 장치(101)는 얼굴의 라이브니스를 확인하는 경우, 동작 870에서 얼굴 인증 동작을 수행할 수 있다. 동작 870에서 얼굴 인증 동작은 도 7의 동작 725내지 동작 731과 동일한 방법으로 수행될 수 있다.
다양한 실시예들에 따르면, 전자 장치(101)의 객체 인식 방법은, 이미지 센서(230)를 이용하여 적어도 하나의 이미지를 획득하는 동작과, 이미지에서 객체를 인식하는 동작과, 하우징 내 및/또는 하우징의 일부에 배치된 안테나 어레이(340)를 이용하여, 객체 방향으로 적어도 하나의 방향성 빔들의 시퀀스(a sequence of beams)를 송신하는 동작과, 안테나 어레이(340)를 이용하여, 빔들의 시퀀스가 객체에 반사된 반사파들(reflected wave reflected by the object)의 시퀀스를 수신하는 동작과, 인식된 객체 및 반사파들의 시퀀스에 적어도 일부 기초하여, 객체에 대한 인증을 수행하는 동작을 포함할 수 있다.
다양한 실시예들에 따르면, 방향성 빔들의 시퀀스는, 3GHz 내지 100GHz 의 주파수로 송신될 수 있다.
다양한 실시예들에 따르면, 객체는 사용자의 얼굴을 포함할 수 있다.
다양한 실시예들에 따르면, 방향성 빔들의 시퀀스를 송신하는 동작은, 인식된 객체 또는 인식된 객체의 선택된 부분에 적어도 일부 기초하여 빔들의 시퀀스의 방향을 결정하는 동작을 더 포함할 수 있다.
다양한 실시예들에 따르면, 전자 장치(101)의 객체 인증 방법은, 사용자에 기반한 객체의 레퍼런스 이미지 및 레퍼런스 프로파일을 저장할 수 있다. 객체에 대한 인증을 수행하는 동작은, 인식된 객체 및 반사파들의 시퀀스에 의하여 검출된 프로파일을 레퍼런스 이미지 및 레퍼런스 프로파일에 비교함에 의하여 인증을 수행할 수 있다.
다양한 실시예들에 따르면, 전자 장치(101)의 객체 인증 방법은, 전자 장치(101)의 잠금 상태에서, 인증을 수행하는 동작과, 인증 성공시에, 전자 장치(101)의 잠금 상태를 잠금 해제(unlock) 상태로 변경하는 동작 더 포함할 수 있다.
다양한 실시예들에 따르면, 전자 장치(101)의 얼굴 인증 방법은, 이미지 센서(230)를 이용하여 적어도 하나의 이미지를 획득하는 동작과, 이미지에서 얼굴 이미지를 인식하는 동작과, 얼굴 이미지에 기반하여 얼굴의 라이브니스 확인 위치 및 얼굴의 인증 위치를 설정하는 동작과, 라이브니스 확인 위치에 제1 방향성 빔들의 시퀀스(a sequence of beams)를 송신하고, 라이브니스 확인 위치에서 반사되는 제1 반사파들의 시퀀스를 수신하고, 수신된 제1 반사파들의 시퀀스에 기반하여 라이브니스를 확인하는 동작과, 얼굴의 인증 위치에 제2 방향성 빔들의 시퀀스(a sequence of beams)를 송신하고, 얼굴 인증 위치에서 반사되는 제2 반사파들의 시퀀스를 수신하고, 수신된 제2 반사파들의 시퀀스에 기반하여 얼굴 인증을 수행하는 동작을 포함할 수 있다.
다양한 실시예들에 따르면, 라이브니스 확인 위치를 설정하는 동작은, 얼굴의 눈, 코, 또는 입 중에서 설정된 적어도 하나의 특징 부분에 기반하는 픽셀들의 좌표를 라이브니스 확인 위치로 설정할 수 있다. 얼굴의 인증 위치를 설정하는 동작은, 얼굴 부분 또는 얼굴 부분의 설정된 일부분에 기반하는 픽셀들의 좌표들을 얼굴 인증 확인 위치로 설정할 수 있다.
다양한 실시예들에 따르면, 라이브니스를 확인하는 동작은, 라이브니스 확인 위치에 대하여 방위각 및 고도를 계산하여 제1 방향성 빔들의 시퀀스를 설정하는 동작과, 제1 방향성 빔들의 시퀀스를 송신하는 동작과, 얼굴에서 반사되는 빔들의 시퀀스를 수신하는 동작과, 수신된 반사파들의 시퀀스에 기반하여 반사파의 도달시간(TOF, time of flight)를 계산하는 동작과, 반사파의 도달시간 및 저장하고 있는 학습된 라이브니스 탬플릿에 기반하여 라이브니스를 확인하는 동작을 포함할 수 있다.
다양한 실시예들에 따르면, 얼굴 인증을 수행하는 동작은, 얼굴 인증 위치에 대하여 방위각 및 고도를 계산하여 제2 방향성 빔들의 시퀀스를 설정하는 동작과, 제2 방향성 빔들의 시퀀스를 송신하는 동작과, 얼굴에서 반사되는 빔들의 시퀀스를 수신하는 동작과, 수신된 반사파들의 시퀀스에 기반하여 반사파의 도달시간(TOF, time of flight)를 계산하는 동작과, 반사파의 도달시간 및 저장하고 있는 얼굴 인증 탬플릿에 기반하여 얼굴 인증 동작을 수행하는 동작을 포함할 수 있다.
다양한 실시예들에 따르면, 전자 장치(101)의 얼굴 인증 방법은, 얼굴 프리젠스를 확인하는 동작을 더 포함할 수 있다. 얼굴 프리젠스를 확인하는 동작은, 얼굴의 중심 위치의 픽셀 좌표를 프리젠스 확인 위치로 설정하는 동작과, 프리젠스 확인 위치에 대하여 방위각 및 고도를 계산하여 빔들의 시퀀스들의 방향을 설정하는 동작과, 설정된 방향성 빔들의 시퀀스를 송신하는 동작과, 얼굴에서 반사되는 빔들의 시퀀스를 수신하는 동작과, 수신된 반사파들의 시퀀스에 기반하여 반사파의 TOF를 계산하는 동작과, 반사파의 도달시간 및 저장하고 있는 프리젠스 탬플릿에 기반하여 프리젠스를 확인하는 동작을 포함할 수 있다.
본 발명의 다양한 실시 예에 관해 설명하였으나, 본 발명의 다양한 실시 예의 범위에서 벗어나지 않는 한도 내에서 여러 가지 변형이 가능하다. 그러므로 본 발명의 다양한 실시 예의 범위는 설명된 실시 예에 국한되어 정해져서는 아니되며 후술하는 특허청구의 범위뿐만 아니라 이 특허청구의 범위와 균등한 것들에 의해 정해져야 한다.

Claims (20)

  1. 전자 장치에 있어서,
    제 1 방향으로 향하는 제1 플레이트와, 상기 제1 플레이트와 반대 방향으로 향하는 제2 플레이트 및 상기 제1 플레이트와 상기 제2 플레이트 사이의 공간을 둘러싸는 측면 부재를 포함하는 하우징;
    상기 제1 플레이트의 제 1 부분을 통하여 보이는 디스플레이;
    상기 하우징 내 및/또는 상기 하우징의 일부에 배치된 안테나 어레이;
    상기 디스플레이에 인접한, 상기 제1 플레이트의 제 2 부분을 통하여 보이고, 상기 제 1 방향으로 향하도록 배치된 이미지 센서;
    상기 안테나 어레이와 전기적으로 연결되고, 상기 안테나 어레이를 이용하여 방향성 빔(directional beam)을 형성하도록 구성된 무선 통신 모듈;
    상기 하우징 내에 위치하고, 상기 디스플레이, 상기 이미지 센서 및 상기 무선 통신 모듈과 작동적으로 연결되는 프로세서; 및
    상기 프로세서에 작동적으로 연결된 메모리를 포함하고,
    상기 메모리는, 실행 시에, 상기 프로세서가,
    상기 이미지 센서를 이용하여, 적어도 하나의 이미지를 획득 및 수신하고,
    상기 이미지에서 객체를 인식하고,
    방향성 빔들의 송신을 위한 좌표들(coordinates)을 계산하고,
    상기 계산된 좌표들을 이용하여 상기 안테나 어레이를 통해 시퀀스(sequence)를 가지는 상기 방향성 빔들을 제 2 방향으로 송신하고,
    상기 안테나 어레이를 통해 상기 방향성 빔들이 상기 객체에 반사된 반사파들(reflected wave reflected by the object)을 수신하고, 상기 반사파들은 시퀀스를 가지고,
    상기 인식된 객체 및 상기 시퀀스를 가지는 상기 반사파들에 기초하여, 상기 객체에 대한 인증을 수행하도록 하는 인스트럭션들을 저장하는 전자 장치.
  2. 제1항에 있어서,
    상기 무선 통신 모듈은, 3GHz 내지 100GHz 의 주파수를 송신 및/또는 수신하도록 구성된, 전자 장치.
  3. 제1항에 있어서,
    상기 인스트럭션들은, 상기 프로세서가, 상기 객체를 인식한 후에, 상기 방향성 빔들을 송신하도록 하는, 전자 장치.
  4. 제3항에 있어서,
    상기 객체는 사용자의 얼굴을 포함하는 전자 장치.
  5. 제1항에 있어서,
    상기 제 2 방향은 상기 제 1 방향과 동일한 전자 장치.
  6. 제1항에 있어서,
    상기 인스트럭션들은, 상기 프로세서가, 상기 인식된 객체 또는 상기 인식된 객체의 선택된 부분에 적어도 일부 기초하여, 상기 제 2 방향을 결정하도록 하는 전자 장치.
  7. 제1항에 있어서,
    상기 메모리는, 사용자에 기반한 객체의 레퍼런스 이미지 및 레퍼런스 프로파일을 저장하고,
    상기 인스트럭션들은 상기 인식된 객체 및 상기 반사파들의 시퀀스에 의하여 검출된 프로파일을 상기 레퍼런스 이미지 및 상기 레퍼런스 프로파일에 비교함에 의하여 상기 인증을 수행하도록 하는 전자 장치.
  8. 제1항에 있어서,
    상기 인스트럭션들은, 상기 프로세서가, 상기 반사파들의 시퀀스 중 적어도 일부에 기초하여, 상기 객체와 상기 전자 장치와의 거리를 결정하도록 하는 전자 장치.
  9. 제1항에 있어서,
    상기 인스트럭션들은, 상기 프로세서가,
    상기 전자 장치의 잠금 상태에서, 상기 인증을 수행하고,
    상기 인증이 성공시에, 상기 전자 장치의 잠금 상태를 잠금 해제(unlock) 상태로 변경하도록 하는, 전자 장치.
  10. 전자 장치의 객체 인식 방법에 있어서,
    이미지 센서를 이용하여 적어도 하나의 이미지를 획득하는 동작;
    상기 이미지에서 객체를 인식하는 동작;
    방향성 빔들의 송신을 위한 좌표들(coordinates)을 계산하는 동작;
    상기 계산된 좌표들을 이용하여 하우징 내 및/또는 상기 하우징의 일부에 배치된 안테나 어레이를 통해 상기 객체를 향하는 방향으로 시퀀스를 가지는 상기 방향성 빔들을 송신하는 동작;
    상기 안테나 어레이를 통해 상기 방향성 빔들이 상기 객체에 반사된 반사파들(reflected wave)을 수신하는 동작, 상기 반사파들은 시퀀스를 가짐; 및
    상기 인식된 객체 및 상기 시퀀스를 가지는 상기 반사파들에 기초하여, 상기 객체에 대한 인증을 수행하는 동작을 포함하는 방법.
  11. 제10항에 있어서,
    상기 방향성 빔들의 시퀀스는, 3GHz 내지 100GHz 의 주파수로 송신되는 방법.
  12. 제10항에 있어서,
    상기 객체는 사용자의 얼굴을 포함하는 방법.
  13. 제10항에 있어서,
    상기 방향성 빔들의 시퀀스를 송신하는 동작은,
    상기 인식된 객체 또는 상기 인식된 객체의 선택된 부분에 적어도 일부 기초하여 상기 방향성 빔들의 시퀀스의 방향을 결정하는 동작을 더 포함하는 방법.
  14. 제10항에 있어서,
    상기 전자 장치의 메모리는 사용자에 기반한 객체의 레퍼런스 이미지 및 레퍼런스 프로파일을 저장하며,
    상기 객체에 대한 인증을 수행하는 동작은,
    상기 인식된 객체 및 상기 반사파들의 시퀀스에 의하여 검출된 프로파일을 상기 레퍼런스 이미지 및 상기 레퍼런스 프로파일에 비교함에 의하여 상기 인증을 수행하는 것을 특징으로 하는 방법.
  15. 제10항에 있어서,
    상기 전자 장치의 잠금 상태에서, 상기 인증을 수행하는 동작; 및
    인증 성공시에, 상기 전자 장치의 잠금 상태를 잠금 해제(unlock) 상태로 변경하는 동작 더 포함하는 방법.
  16. 제10항에 있어서,
    상기 이미지에서 얼굴 이미지를 인식하는 동작;
    상기 얼굴 이미지에 기반하여 사용자의 얼굴의 라이브니스 확인 위치 및 상기 얼굴의 인증 위치를 설정하는 동작;
    상기 라이브니스 확인 위치에 시퀀스를 가지는 제1 방향성 빔들을 송신하고, 상기 라이브니스 확인 위치에서 반사되고는 시퀀스를 가지는 제1 반사파들의 시퀀스를 수신하고, 상기 수신된 제1 반사파들에 기반하여 라이브니스를 확인하는 동작; 및
    상기 얼굴의 인증 위치에 시퀀스를 가지는 제2 방향성 빔들을 송신하고, 상기 얼굴의 인증 위치에서 반사되고 시퀀스를 가지는 제2 반사파들을 수신하고, 상기 수신된 제2 반사파들에 기반하여 얼굴 인증을 수행하는 동작을 더 포함하는 방법.
  17. 제16항에 있어서,
    상기 라이브니스 확인 위치를 설정하는 동작은
    상기 얼굴의 눈, 코, 또는 입 중에서 설정된 적어도 하나의 특징 부분에 기반하는 픽셀들의 좌표를 라이브니스 확인 위치로 설정하고,
    상기 얼굴의 인증 위치를 설정하는 동작은,
    얼굴 부분 또는 얼굴 부분의 설정된 일부분에 기반하는 픽셀들의 좌표들을 얼굴 인증 확인 위치로 설정하는 방법.
  18. 제17항에 있어서,
    상기 라이브니스를 확인하는 동작은
    상기 라이브니스 확인 위치에 대하여 방위각 및 고도를 계산하여 상기 제1 방향성 빔들을 설정하는 동작;
    상기 제1 방향성 빔들을 송신하는 동작;
    상기 얼굴에서 반사되는 제1 반사파들을 수신하는 동작;
    상기 수신된 제1 반사파들에 기반하여 상기 제1 반사파들의 도달시간(TOF, time of flight)를 계산하는 동작; 및
    상기 제1 반사파들의 도달시간 및 저장하고 있는 학습된 라이브니스 탬플릿에 기반하여 상기 라이브니스를 확인하는 동작을 포함하는 방법.
  19. 제17항에 있어서,
    상기 얼굴 인증을 수행하는 동작은,
    상기 얼굴 인증 확인 위치에 대하여 방위각 및 고도를 계산하여 상기 제2 방향성 빔들을 설정하는 동작;
    상기 제2 방향성 빔들을 송신하는 동작;
    상기 얼굴에서 반사되는 제2 반사파들을 수신하는 동작;
    상기 수신된 제2 반사파들에 기반하여 상기 제2 반사파들의 도달시간(TOF, time of flight)를 계산하는 동작; 및
    상기 제2 반사파들의 도달시간 및 저장하고 있는 얼굴 인증 탬플릿에 기반하여 상기 얼굴 인증을 수행하는 동작을 포함하는 방법.
  20. 제16항에 있어서,
    얼굴 프리젠스를 확인하는 동작을 더 포함하며,
    상기 얼굴 프리젠스를 확인하는 동작은,
    상기 얼굴의 중심 위치의 픽셀 좌표를 프리젠스 확인 위치로 설정하는 동작;
    상기 프리젠스 확인 위치에 대하여 방위각 및 고도를 계산하여 상기 제1 방향성 빔들의 방향을 설정하는 동작;
    상기 설정된 제1 방향성 빔들을 송신하는 동작;
    상기 얼굴에서 반사되는 제1 반사파들을 수신하는 동작;
    상기 수신된 제1 반사파들에 기반하여 상기 제1 반사파들의 TOF를 계산하는 동작; 및
    상기 제1 반사파들의 도달시간 및 저장하고 있는 프리젠스 탬플릿에 기반하여 상기 프리젠스를 확인하는 동작을 포함하는 방법.
KR1020180055361A 2018-05-15 2018-05-15 전자 장치의 객체 인증 장치 및 방법 KR102522415B1 (ko)

Priority Applications (5)

Application Number Priority Date Filing Date Title
KR1020180055361A KR102522415B1 (ko) 2018-05-15 2018-05-15 전자 장치의 객체 인증 장치 및 방법
CN201980031863.6A CN112154436A (zh) 2018-05-15 2019-05-13 在电子装置中识别对象的设备和方法
PCT/KR2019/005725 WO2019221464A1 (en) 2018-05-15 2019-05-13 Apparatus and method for recognizing an object in electronic device
US16/410,593 US11928195B2 (en) 2018-05-15 2019-05-13 Apparatus and method for recognizing an object in electronic device
EP19803458.9A EP3776296B1 (en) 2018-05-15 2019-05-13 Apparatus and method for recognizing an object in electronic device

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020180055361A KR102522415B1 (ko) 2018-05-15 2018-05-15 전자 장치의 객체 인증 장치 및 방법

Publications (2)

Publication Number Publication Date
KR20190130797A KR20190130797A (ko) 2019-11-25
KR102522415B1 true KR102522415B1 (ko) 2023-04-17

Family

ID=68533737

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020180055361A KR102522415B1 (ko) 2018-05-15 2018-05-15 전자 장치의 객체 인증 장치 및 방법

Country Status (5)

Country Link
US (1) US11928195B2 (ko)
EP (1) EP3776296B1 (ko)
KR (1) KR102522415B1 (ko)
CN (1) CN112154436A (ko)
WO (1) WO2019221464A1 (ko)

Families Citing this family (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10902243B2 (en) * 2016-10-25 2021-01-26 Deep North, Inc. Vision based target tracking that distinguishes facial feature targets
US11131787B2 (en) * 2018-05-28 2021-09-28 Samsung Electronics Co., Ltd. Electromagnetic sensor and mobile device including the same
CN110008802B (zh) 2018-12-04 2023-08-29 创新先进技术有限公司 从多个脸部中选择目标脸部及脸部识别比对方法、装置
KR20210048725A (ko) 2019-10-24 2021-05-04 삼성전자주식회사 카메라 제어를 위한 방법 및 이를 위한 전자 장치
KR102748555B1 (ko) * 2019-12-12 2025-01-02 삼성전자주식회사 라이브니스 검사 방법 및 라이브니스 검사 장치
CN111061898A (zh) * 2019-12-13 2020-04-24 Oppo（重庆）智能科技有限公司 图像处理方法、装置、计算机设备及存储介质
KR102351859B1 (ko) * 2020-06-04 2022-01-14 배강태 보안 장치 및 이의 제어 방법
US11496790B2 (en) * 2021-02-17 2022-11-08 Meta Platforms Technologies, Llc Ultra-wideband control of smart streaming devices
US11363500B1 (en) 2021-02-17 2022-06-14 Facebook Technologies Ultra-wideband control of smart streaming devices
EP4170608A1 (en) * 2021-10-22 2023-04-26 e.solutions GmbH Method for detecting forgery in facial recognition and computer readable medium and vehicle for performing such method
US20230314596A1 (en) * 2022-03-31 2023-10-05 Meta Platforms Technologies, Llc Ear-region imaging

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2018079031A1 (ja) * 2016-10-31 2018-05-03 日本電気株式会社 画像処理装置、画像処理方法、顔認証システム、プログラム及び記録媒体

Family Cites Families (25)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2003079041A2 (en) 2002-03-15 2003-09-25 Lockheed Martin Corporation System and method for target signature calculation and recognition
JP4217646B2 (ja) * 2004-03-26 2009-02-04 キヤノン株式会社 認証方法及び認証装置
US7809171B2 (en) * 2005-01-10 2010-10-05 Battelle Memorial Institute Facial feature evaluation based on eye location
JP2007241402A (ja) * 2006-03-06 2007-09-20 Sharp Corp 顔認証におけるなりすまし判定装置およびそれを用いた顔認証装置
JP4976156B2 (ja) 2007-02-08 2012-07-18 富山県 画像識別方法
US11063625B2 (en) * 2008-08-14 2021-07-13 Theodore S. Rappaport Steerable antenna device
US10042993B2 (en) 2010-11-02 2018-08-07 Homayoon Beigi Access control through multifactor authentication with multimodal biometrics
US8254768B2 (en) 2010-12-22 2012-08-28 Michael Braithwaite System and method for illuminating and imaging the iris of a person
US8705812B2 (en) * 2011-06-10 2014-04-22 Amazon Technologies, Inc. Enhanced face recognition in video
KR101276345B1 (ko) * 2011-11-17 2013-06-18 주식회사 에스원 다중 생체 인식 장치 및 방법
US8396265B1 (en) * 2012-06-26 2013-03-12 Google Inc. Facial recognition
US8542879B1 (en) * 2012-06-26 2013-09-24 Google Inc. Facial recognition
US11502551B2 (en) * 2012-07-06 2022-11-15 Energous Corporation Wirelessly charging multiple wireless-power receivers using different subsets of an antenna array to focus energy at different locations
CN103336950A (zh) 2013-07-01 2013-10-02 深圳市飞瑞斯科技有限公司 一种人脸识别方法及系统
US9378353B2 (en) * 2014-08-07 2016-06-28 Verizon Patent And Licensing Inc. Methods and systems for determining a user identity by analysis of reflected radio frequency signals received by an antenna array
KR20160022541A (ko) 2014-08-20 2016-03-02 삼성전자주식회사 지문 인식 방법 및 장치
KR101577359B1 (ko) * 2015-03-16 2015-12-14 박준호 웨어러블 디바이스
RU2725413C2 (ru) 2015-06-16 2020-07-02 Айверифай Инк. Системы и способы для обнаружения обманных объектов и анализа жизненности
CN106355061A (zh) 2015-07-13 2017-01-25 广州杰赛科技股份有限公司 基于毫米波的手势认证装置
US10102419B2 (en) 2015-10-30 2018-10-16 Intel Corporation Progressive radar assisted facial recognition
US10331945B2 (en) * 2015-12-22 2019-06-25 Intel Corporation Fair, secured, and efficient completely automated public Turing test to tell computers and humans apart (CAPTCHA)
KR20180031240A (ko) * 2016-09-19 2018-03-28 엘지전자 주식회사 이동 단말기 및 그 이동 단말기의 제어 방법
CN106572268B (zh) 2016-11-14 2020-07-03 北京小米移动软件有限公司 信息显示方法及装置
KR102450421B1 (ko) 2017-12-06 2022-10-05 삼성전자주식회사 무선 통신 시스템에서 빔포밍을 수행하는 전자 장치 및 이를 위한 방법
KR102511292B1 (ko) 2018-07-11 2023-03-17 삼성전자주식회사 전자 장치의 객체 인증 장치 및 방법

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2018079031A1 (ja) * 2016-10-31 2018-05-03 日本電気株式会社 画像処理装置、画像処理方法、顔認証システム、プログラム及び記録媒体

Also Published As

Publication number Publication date
US20190354662A1 (en) 2019-11-21
EP3776296B1 (en) 2024-06-26
KR20190130797A (ko) 2019-11-25
EP3776296A1 (en) 2021-02-17
WO2019221464A1 (en) 2019-11-21
EP3776296A4 (en) 2021-05-26
US11928195B2 (en) 2024-03-12
CN112154436A (zh) 2020-12-29

Similar Documents

Publication Publication Date Title
KR102522415B1 (ko) 전자 장치의 객체 인증 장치 및 방법
KR102511292B1 (ko) 전자 장치의 객체 인증 장치 및 방법
US20200265234A1 (en) Electronic device for providing shooting mode based on virtual character and operation method thereof
KR102472156B1 (ko) 전자 장치 및 그 깊이 정보 생성 방법
KR20190032061A (ko) 이미지 보정을 수행하는 전자 장치 및 그 동작 방법
US11048923B2 (en) Electronic device and gesture recognition method thereof
US20210117708A1 (en) Method for obtaining face data and electronic device therefor
US11509815B2 (en) Electronic device and method for processing image having human object and providing indicator indicating a ratio for the human object
KR102661596B1 (ko) 이미지에 대한 인식 정보, 인식 정보와 관련된 유사 인식 정보, 및 계층 정보를 이용하여 외부 객체에 대한 인식 결과를 제공하는 전자 장치 및 그의 동작 방법
US11144197B2 (en) Electronic device performing function according to gesture input and operation method thereof
KR20200067027A (ko) 복수의 카메라들 또는 깊이 센서 중 적어도 하나를 이용하여 깊이 정보를 획득하는 전자 장치
US11467673B2 (en) Method for controlling camera and electronic device therefor
US20240086512A1 (en) Electronic device including image sensor and dynamic vison sensor, and operation method thereof
CN113727013A (zh) 提供图像拍摄指南的方法或者装置
US20230113499A1 (en) Electronic device including a plurality of cameras and operating method thereof
US12069382B2 (en) Electronic device and method for generating images by performing auto white balance
US20190349519A1 (en) Electronic device and image processing method therefor
KR20220020642A (ko) 지문 센서를 구비한 전자 장치 및 그 제어 방법
EP4228246A1 (en) Electronic device capable of auto-focusing and method for operating same
US20240184379A1 (en) Electronic apparatus for detecting motion gesture, and operation method therefor
US20240004980A1 (en) Method, device, and storage medium for user authentication
US20230214632A1 (en) Method for processing image through neural network and electronic device thereof
US20240089609A1 (en) Image processing method and electronic device therefor
US20230360245A1 (en) Measurement method using ar, and electronic device
KR20250020252A (ko) 이미지를 획득하는 방법 및 그 전자 장치

Legal Events

Date Code Title Description
PA0109 Patent application

Patent event code: PA01091R01D

Comment text: Patent Application

Patent event date: 20180515

PG1501 Laying open of application
A201 Request for examination
PA0201 Request for examination

Patent event code: PA02012R01D

Patent event date: 20210506

Comment text: Request for Examination of Application

Patent event code: PA02011R01I

Patent event date: 20180515

Comment text: Patent Application

E902 Notification of reason for refusal
PE0902 Notice of grounds for rejection

Comment text: Notification of reason for refusal

Patent event date: 20220824

Patent event code: PE09021S01D

E701 Decision to grant or registration of patent right
PE0701 Decision of registration

Patent event code: PE07011S01D

Comment text: Decision to Grant Registration

Patent event date: 20230221

GRNT Written decision to grant
PR0701 Registration of establishment

Comment text: Registration of Establishment

Patent event date: 20230412

Patent event code: PR07011E01D

PR1002 Payment of registration fee

Payment date: 20230413

End annual number: 3

Start annual number: 1

PG1601 Publication of registration