KR102641630B1 - 데이터베이스에 저장된 피처간의 페어와이즈 유사도 매트릭스를 이용한 노이즈 피처 검출 방법 및 시스템 - Google Patents

데이터베이스에 저장된 피처간의 페어와이즈 유사도 매트릭스를 이용한 노이즈 피처 검출 방법 및 시스템 Download PDF

Info

Publication number
KR102641630B1
KR102641630B1 KR1020220081780A KR20220081780A KR102641630B1 KR 102641630 B1 KR102641630 B1 KR 102641630B1 KR 1020220081780 A KR1020220081780 A KR 1020220081780A KR 20220081780 A KR20220081780 A KR 20220081780A KR 102641630 B1 KR102641630 B1 KR 102641630B1
Authority
KR
South Korea
Prior art keywords
features
database
identification information
similarity
feature
Prior art date
Application number
KR1020220081780A
Other languages
English (en)
Other versions
KR20240003917A (ko
Inventor
김상태
곽찬웅
Original Assignee
주식회사 노타
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 주식회사 노타 filed Critical 주식회사 노타
Priority to KR1020220081780A priority Critical patent/KR102641630B1/ko
Publication of KR20240003917A publication Critical patent/KR20240003917A/ko
Application granted granted Critical
Publication of KR102641630B1 publication Critical patent/KR102641630B1/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
    • 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
    • G06F16/51—Indexing; Data structures therefor; Storage structures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/70—Information retrieval; Database structures therefor; File system structures therefor of video data
    • G06F16/71—Indexing; Data structures therefor; Storage structures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/30—Authentication, i.e. establishing the identity or authorisation of security principals
    • G06F21/31—User authentication
    • G06F21/32—User authentication using biometric data, e.g. fingerprints, iris scans or voiceprints
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • 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
    • G06V10/761—Proximity, similarity or dissimilarity measures
    • 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)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Multimedia (AREA)
  • Software Systems (AREA)
  • Databases & Information Systems (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • General Health & Medical Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Human Computer Interaction (AREA)
  • Data Mining & Analysis (AREA)
  • Computer Security & Cryptography (AREA)
  • Computer Hardware Design (AREA)
  • Artificial Intelligence (AREA)
  • Computing Systems (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Collating Specific Patterns (AREA)

Abstract

데이터베이스에 저장된 피처간의 페어와이즈 유사도 매트릭스를 이용한 노이즈 피처 검출 방법 및 시스템이 개시된다. 일실시예에 따른 노이즈 피처 검출 방법은 데이터베이스에 식별정보와 연계하여 등록된 피처들 각각간의 유사도를 포함하는 페어와이즈 유사도 매트릭스(pair-wise similarity matrix)를 구성하는 단계 및 상기 페어와이즈 유사도 매트릭스를 통해 서로 다른 식별정보의 피처들 중 임계값 이상의 유사도를 갖는 피처들을 검출하는 단계를 포함할 수 있다.

Description

데이터베이스에 저장된 피처간의 페어와이즈 유사도 매트릭스를 이용한 노이즈 피처 검출 방법 및 시스템{METHOD AND SYSTEM FOR DETECTING NOISE FEATURE USING PAIR-WISE SIMILARITY MATRIX BETWEEN FEATURES STORED IN DATABASE}
아래의 설명은 데이터베이스에 저장된 피처간의 페어와이즈 유사도 매트릭스(pair-wise similarity matrix)를 이용한 노이즈 피처 검출 방법 및 시스템에 관한 것이다.
얼굴의 피처 벡터를 이용하여 안면을 인식하거나 인증하는 기술이 존재한다. 일례로, 안면인식(또는 안면인증) 기술은 일반적으로 등록 단계와 인식(또는 인증) 단계를 포함할 수 있다.
예를 들어, 등록 단계에서 안면인식 시스템은 영상 또는 이미지에서 사람의 얼굴 영역을 찾아, 얼굴 영역에서 눈, 코, 입 등의 정보를 이용하여 얼라인먼트(alignment)를 맞추고, 얼라인먼트가 맞춰진 얼굴의 이미지에서 N개의 피처 벡터를 추출한다. 이후, 안면인식 시스템은 추출된 피처를 데이터베이스에 저장함으로써, 등록 단계를 완료할 수 있다. 이때, 추출된 피처는 해당 사람의 식별정보 등과 연계하여 저장될 수 있다.
또한, 인식 단계에서 안면인식 시스템은 영상 또는 이미지에서 사람의 얼굴영역 찾아, 얼굴 영역에서 눈, 코, 입 등의 정보를 이용하여 얼라인먼트를 맞추고, 얼라인먼트가 맞춰진 얼굴의 이미지에서 N개의 피처 벡터를 추출할 수 있다. 이후, 안면인식 시스템은 추출된 피처와 유사도가 높은 피처를 데이터베이스 찾아 매칭할 수 있으며, 매칭된 유사도가 기준치 이상이면 해당 영상 또는 이미지가 포함하는 사람의 얼굴을 인식(또는 인증)할 수 있다.
그러나, 안면인식 시스템에 있어서, 데이터베이스에 중복된 이미지의 피처가 서로 다른 사람의 식별정보에 대해 등록되거나 또는 노이즈성 이미지의 피처가 등록되는 경우, 안면인식 시스템의 전체적인 성능에 위협이 될 수 있다. 예를 들어, 같은 사람이 실수로 서로 다른 사람의 식별정보로 자신의 이미지의 피처를 데이터베이스에 등록하는 경우, 또는 너무 밝거나 어두운 사진의 피처가 등록되는 경우가 고려될 수 있다.
특히, 등록된 원본 이미지를 확인할 수 없는 환경, 일례로 데이터베이스에 식별정보와 피처만 등록되고 원본 이미지는 등록되지 않는 환경에서는 어느 부분에서 문제가 존재하는지 조차 파악하기 힘들다는 문제점이 있다.
[선행문헌번호]
한국공개특허 제10-2021-0058157호
안면인식 시스템의 데이터베이스에 등록된 피처들에 대해 페어와이즈 유사도 매트릭스(pair-wise similarity matrix)를 구성하고, 구성된 페어와이즈 유사도 매트릭스에서 서로 다른 식별정보의 피처들간 유사도가 임계값 이상인 피처들을 잘못 등록된 피처들로 판별함으로써, 안면인식 시스템의 데이터베이스를 정제할 수 있는 노이즈 피처 검출 방법 및 시스템을 제공한다.
빛에 의한 번짐이나 너무 어두운 이미지와 같은 노이즈성 이미지에 의해 등록된 피처들을 노이즈 피처로서 판별함으로써, 안면인식 시스템의 데이터베이스를 정제할 수 있는 노이즈 피처 검출 방법 및 시스템을 제공한다.
적어도 하나의 프로세서를 포함하는 컴퓨터 시스템의 노이즈 피처 검출 방법에 있어서, 상기 적어도 하나의 프로세서에 의해, 데이터베이스에 식별정보와 연계하여 등록된 피처들 각각간의 유사도를 포함하는 페어와이즈 유사도 매트릭스(pair-wise similarity matrix)를 구성하는 단계; 및 상기 적어도 하나의 프로세서에 의해, 상기 페어와이즈 유사도 매트릭스를 통해 서로 다른 식별정보의 피처들 중 임계값 이상의 유사도를 갖는 피처들을 검출하는 단계를 포함하는 노이즈 피처 검출 방법을 제공한다.
일측에 따르면, 상기 데이터베이스는 안면인식 시스템에서 영상 또는 이미지로부터 추출된 얼굴 영역에 대한 피처를 대응하는 식별정보와 연계하여 저장하는 데이터베이스를 포함하고, 상기 임계값인 제1 임계값은 상기 안면인식 시스템에서 피처들간의 유사도에 따라 사람의 얼굴을 인식 또는 인증하기 위해 기설정된 제2 임계값에 기초하여 결정되는 것을 특징으로 할 수 있다.
다른 측면에 따르면, 상기 노이즈 피처 검출 방법은 상기 적어도 하나의 프로세서에 의해, 상기 페어와이즈 유사도 매트릭스를 통해 n(상기 n은 2 이상의 자연수)개 이상의 다른 식별정보의 피처들을 기준으로 제3 임계값 이상의 유사도를 갖는 피처를 검출하는 단계를 더 포함할 수 있다.
또 다른 측면에 따르면, 상기 제3 임계값은 상기 임계값 미만인 것을 특징으로 할 수 있다.
또 다른 측면에 따르면, 상기 노이즈 피처 검출 방법은 상기 적어도 하나의 프로세서에 의해, 상기 검출된 피처들을 상기 데이터베이스에서 삭제하기 위한 요청을 전송하는 단계를 더 포함할 수 있다.
또 다른 측면에 따르면, 상기 노이즈 피처 검출 방법은 상기 적어도 하나의 프로세서에 의해, 상기 검출된 피처들과 연계된 식별정보의 사용자 또는 관리자에게, 상기 검출된 피처들과 연계된 식별정보를 제공하는 단계를 더 포함할 수 있다.
컴퓨터 시스템과 결합되어 상기 방법을 컴퓨터 시스템에 실행시키기 위해 컴퓨터 판독 가능한 기록매체에 저장된 컴퓨터 프로그램을 제공한다.
상기 방법을 수행하는 컴퓨터 판독 가능 기록 매체에 기록된 프로그램을 제공한다.
컴퓨터에서 판독 가능한 명령을 실행하도록 구현되는 적어도 하나의 프로세서를 포함하고, 상기 적어도 하나의 프로세서에 의해, 데이터베이스에 식별정보와 연계하여 등록된 피처들 각각간의 유사도를 포함하는 페어와이즈 유사도 매트릭스(pair-wise similarity matrix)를 구성하고, 상기 페어와이즈 유사도 매트릭스를 통해 서로 다른 식별정보의 피처들 중 임계값 이상의 유사도를 갖는 피처들을 검출하는 것을 특징으로 하는 컴퓨터 장치를 제공한다.
안면인식 시스템의 데이터베이스에 등록된 피처들에 대해 페어와이즈 유사도 매트릭스(pair-wise similarity matrix)를 구성하고, 구성된 페어와이즈 유사도 매트릭스에서 서로 다른 식별정보의 피처들간 유사도가 임계값 이상인 피처들을 잘못 등록된 피처들로 판별함으로써, 안면인식 시스템의 데이터베이스를 정제할 수 있다.
빛에 의한 번짐이나 너무 어두운 이미지와 같은 노이즈성 이미지에 의해 등록된 피처들을 노이즈 피처로서 판별함으로써, 안면인식 시스템의 데이터베이스를 정제할 수 있다.
도 1은 본 발명의 일실시예에 따른 네트워크 환경의 예를 도시한 도면이다.
도 2는 본 발명의 일실시예에 따른 컴퓨터 장치의 예를 도시한 블록도이다.
도 3은 본 발명의 일실시예에 따른 노이즈 피처 검출 시스템의 개괄적인 모습의 예를 도시한 도면이다.
도 4는 본 발명의 일실시예에 따른 노이즈 피처 검출 방법의 예를 도시한 흐름도이다.
도 5 및 도 6은 본 발명의 일실시예에 따른 페어와이즈 유사도 매트릭스의 예를 도시한 도면들이다.
이하, 실시예를 첨부한 도면을 참조하여 상세히 설명한다.
본 발명의 실시예들에 따른 노이즈 피처 검출 시스템은 적어도 하나의 컴퓨터 장치에 의해 구현될 수 있으며, 본 발명의 실시예들에 따른 노이즈 피처 검출 방법은 노이즈 피처 검출 시스템을 구현하는 적어도 하나의 컴퓨터 장치를 통해 수행될 수 있다. 컴퓨터 장치에는 본 발명의 일실시예에 따른 컴퓨터 프로그램이 설치 및 구동될 수 있고, 컴퓨터 장치는 구동된 컴퓨터 프로그램의 제어에 따라 본 발명의 실시예들에 따른 노이즈 피처 검출 방법을 수행할 수 있다. 상술한 컴퓨터 프로그램은 컴퓨터 장치와 결합되어 노이즈 피처 검출 방법을 컴퓨터에 실행시키기 위해 컴퓨터 판독 가능한 기록매체에 저장될 수 있다.
도 1은 본 발명의 일실시예에 따른 네트워크 환경의 예를 도시한 도면이다. 도 1의 네트워크 환경은 복수의 전자 기기들(110, 120, 130, 140), 복수의 서버들(150, 160) 및 네트워크(170)를 포함하는 예를 나타내고 있다. 이러한 도 1은 발명의 설명을 위한 일례로 전자 기기의 수나 서버의 수가 도 1과 같이 한정되는 것은 아니다. 또한, 도 1의 네트워크 환경은 본 실시예들에 적용 가능한 환경들 중 하나의 예를 설명하는 것일 뿐, 본 실시예들에 적용 가능한 환경이 도 1의 네트워크 환경으로 한정되는 것은 아니다.
복수의 전자 기기들(110, 120, 130, 140)은 컴퓨터 장치로 구현되는 고정형 단말이거나 이동형 단말일 수 있다. 복수의 전자 기기들(110, 120, 130, 140)의 예를 들면, 스마트폰(smart phone), 휴대폰, 네비게이션, 컴퓨터, 노트북, 디지털방송용 단말, PDA(Personal Digital Assistants), PMP(Portable Multimedia Player), 태블릿 PC 등이 있다. 일례로 도 1에서는 전자 기기(110)의 예로 스마트폰의 형상을 나타내고 있으나, 본 발명의 실시예들에서 전자 기기(110)는 실질적으로 무선 또는 유선 통신 방식을 이용하여 네트워크(170)를 통해 다른 전자 기기들(120, 130, 140) 및/또는 서버(150, 160)와 통신할 수 있는 다양한 물리적인 컴퓨터 장치들 중 하나를 의미할 수 있다.
통신 방식은 제한되지 않으며, 네트워크(170)가 포함할 수 있는 통신망(일례로, 이동통신망, 유선 인터넷, 무선 인터넷, 방송망)을 활용하는 통신 방식뿐만 아니라 기기들간의 근거리 무선 통신 역시 포함될 수 있다. 예를 들어, 네트워크(170)는, PAN(personal area network), LAN(local area network), CAN(campus area network), MAN(metropolitan area network), WAN(wide area network), BBN(broadband network), 인터넷 등의 네트워크 중 하나 이상의 임의의 네트워크를 포함할 수 있다. 또한, 네트워크(170)는 버스 네트워크, 스타 네트워크, 링 네트워크, 메쉬 네트워크, 스타-버스 네트워크, 트리 또는 계층적(hierarchical) 네트워크 등을 포함하는 네트워크 토폴로지 중 임의의 하나 이상을 포함할 수 있으나, 이에 제한되지 않는다.
서버(150, 160) 각각은 복수의 전자 기기들(110, 120, 130, 140)과 네트워크(170)를 통해 통신하여 명령, 코드, 파일, 컨텐츠, 서비스 등을 제공하는 컴퓨터 장치 또는 복수의 컴퓨터 장치들로 구현될 수 있다. 예를 들어, 서버(150)는 네트워크(170)를 통해 접속한 복수의 전자 기기들(110, 120, 130, 140)로 서비스(일례로, 안면인식 서비스, 클라우드 서비스, 게임 서비스, 컨텐츠 제공 서비스, 그룹 통화 서비스(또는 음성 컨퍼런스 서비스), 메시징 서비스, 메일 서비스, 소셜 네트워크 서비스, 지도 서비스, 번역 서비스, 금융 서비스, 결제 서비스, 검색 서비스 등)를 제공하는 시스템일 수 있다.
도 2는 본 발명의 일실시예에 따른 컴퓨터 장치의 예를 도시한 블록도이다. 앞서 설명한 복수의 전자 기기들(110, 120, 130, 140) 각각이나 서버들(150, 160) 각각은 도 2를 통해 도시된 컴퓨터 장치(200)에 의해 구현될 수 있다.
이러한 컴퓨터 장치(200)는 도 2에 도시된 바와 같이, 메모리(210), 프로세서(220), 통신 인터페이스(230) 그리고 입출력 인터페이스(240)를 포함할 수 있다. 메모리(210)는 컴퓨터에서 판독 가능한 기록매체로서, RAM(random access memory), ROM(read only memory) 및 디스크 드라이브와 같은 비소멸성 대용량 기록장치(permanent mass storage device)를 포함할 수 있다. 여기서 ROM과 디스크 드라이브와 같은 비소멸성 대용량 기록장치는 메모리(210)와는 구분되는 별도의 영구 저장 장치로서 컴퓨터 장치(200)에 포함될 수도 있다. 또한, 메모리(210)에는 운영체제와 적어도 하나의 프로그램 코드가 저장될 수 있다. 이러한 소프트웨어 구성요소들은 메모리(210)와는 별도의 컴퓨터에서 판독 가능한 기록매체로부터 메모리(210)로 로딩될 수 있다. 이러한 별도의 컴퓨터에서 판독 가능한 기록매체는 플로피 드라이브, 디스크, 테이프, DVD/CD-ROM 드라이브, 메모리 카드 등의 컴퓨터에서 판독 가능한 기록매체를 포함할 수 있다. 다른 실시예에서 소프트웨어 구성요소들은 컴퓨터에서 판독 가능한 기록매체가 아닌 통신 인터페이스(230)를 통해 메모리(210)에 로딩될 수도 있다. 예를 들어, 소프트웨어 구성요소들은 네트워크(170)를 통해 수신되는 파일들에 의해 설치되는 컴퓨터 프로그램에 기반하여 컴퓨터 장치(200)의 메모리(210)에 로딩될 수 있다.
프로세서(220)는 기본적인 산술, 로직 및 입출력 연산을 수행함으로써, 컴퓨터 프로그램의 명령을 처리하도록 구성될 수 있다. 명령은 메모리(210) 또는 통신 인터페이스(230)에 의해 프로세서(220)로 제공될 수 있다. 예를 들어 프로세서(220)는 메모리(210)와 같은 기록 장치에 저장된 프로그램 코드에 따라 수신되는 명령을 실행하도록 구성될 수 있다.
통신 인터페이스(230)은 네트워크(170)를 통해 컴퓨터 장치(200)가 다른 장치(일례로, 앞서 설명한 저장 장치들)와 서로 통신하기 위한 기능을 제공할 수 있다. 일례로, 컴퓨터 장치(200)의 프로세서(220)가 메모리(210)와 같은 기록 장치에 저장된 프로그램 코드에 따라 생성한 요청이나 명령, 데이터, 파일 등이 통신 인터페이스(230)의 제어에 따라 네트워크(170)를 통해 다른 장치들로 전달될 수 있다. 역으로, 다른 장치로부터의 신호나 명령, 데이터, 파일 등이 네트워크(170)를 거쳐 컴퓨터 장치(200)의 통신 인터페이스(230)를 통해 컴퓨터 장치(200)로 수신될 수 있다. 통신 인터페이스(230)를 통해 수신된 신호나 명령, 데이터 등은 프로세서(220)나 메모리(210)로 전달될 수 있고, 파일 등은 컴퓨터 장치(200)가 더 포함할 수 있는 저장 매체(상술한 영구 저장 장치)로 저장될 수 있다.
입출력 인터페이스(240)는 입출력 장치(250)와의 인터페이스를 위한 수단일 수 있다. 예를 들어, 입력 장치는 마이크, 키보드 또는 마우스 등의 장치를, 그리고 출력 장치는 디스플레이, 스피커와 같은 장치를 포함할 수 있다. 다른 예로 입출력 인터페이스(240)는 터치스크린과 같이 입력과 출력을 위한 기능이 하나로 통합된 장치와의 인터페이스를 위한 수단일 수도 있다. 입출력 장치(250)는 컴퓨터 장치(200)와 하나의 장치로 구성될 수도 있다.
또한, 다른 실시예들에서 컴퓨터 장치(200)는 도 2의 구성요소들보다 더 적은 혹은 더 많은 구성요소들을 포함할 수도 있다. 그러나, 대부분의 종래기술적 구성요소들을 명확하게 도시할 필요성은 없다. 예를 들어, 컴퓨터 장치(200)는 상술한 입출력 장치(250) 중 적어도 일부를 포함하도록 구현되거나 또는 트랜시버(transceiver), 데이터베이스 등과 같은 다른 구성요소들을 더 포함할 수도 있다.
도 3은 본 발명의 일실시예에 따른 노이즈 피처 검출 시스템의 개괄적인 모습의 예를 도시한 도면이다. 도 3의 실시예에서 안면인식 시스템(300)은 피처 추출부(310), 피처 데이터베이스(320) 및 노이즈 피처 검출 시스템(330)을 포함할 수 있다. 도 3의 실시예에서는 노이즈 피처 검출 시스템(330)이 안면인식 시스템(300)상에 구현된 예를 나타내고 있으나, 실시예에 따라 노이즈 피처 검출 시스템(330)은 안면인식 시스템(300)을 구현하는 물리적인 전자 장치(일례로, 컴퓨터 장치(200))와는 다른 별도의 물리적인 전자 장치를 통해 구현될 수도 있다. 이 경우, 노이즈 피처 검출 시스템(330)은 네트워크(일례로, 네트워크(170))를 통해 안면인식 시스템(300)과 연결되어 안면인식 시스템(300)이 포함하는 피처 데이터베이스(320)에서 노이즈 피처를 검출할 수 있다.
피처 추출부(310)는 입력 이미지(340)에서 사람의 얼굴 영역을 찾아, 얼굴 영역에서 눈, 코, 입 등의 정보를 이용하여 얼라인먼트(alignment)를 맞추고, 얼라인먼트가 맞춰진 얼굴의 이미지에서 N개의 피처 벡터를 추출할 수 있다. 도 3의 실시예에서는 입력 이미지(340)를 예로 사용하고 있으나, 동영상 등에서 얼굴 영역을 찾아 각 프레임별로, 또는 일정 주기의 프레임별로 N개의 피처 벡터를 추출할 수도 있다.
이때, 안면인식 시스템(300)은 추출된 N개의 피처들(피처 벡터)을 입력 이미지(340)와 함께 입력되는 식별정보와 연계하여 피처 데이터베이스(320)에 등록함으로써, 등록 단계를 처리할 수 있다.
인식(또는 인증) 단계의 경우, 안면인식 시스템(300)은 추출된 N 개의 피처들을 통해 피처 데이터베이스(320)에 등록된 피처들과의 유사도를 비교하여 얼굴 인식을 위한 제1 임계값 이상의 유사도를 갖는 피처의 식별정보를 획득함으로써, 입력 이미지(340)가 포함하는 사람의 얼굴을 인식(또는 인증)할 수 있다. 피처들간의 유사도를 계산하는 방식은, 유클리디안 디스턴스(Euclidean distance)나 코사인 유사도(cosine similarity)와 같이 이미 잘 알려진 방식들 중 적어도 하나를 이용하여 이루어질 수 있다.
식별정보는 사람을 식별하기 위한 정보로서 이름, 전화번호, 주민등록번호, 사번, 학번 등 필요에 따라 다양한 항목의 정보들 중 하나 이상이 사용될 수 있다. 예를 들어, 동명의 사용자들을 구분하기 위해 이름과 전화번호가 하나의 식별정보로서 함께 사용될 수도 있다.
이때, 이미 설명한 바와 같이 피처 데이터베이스(320)에는 노이즈 피처가 등록될 수 있다. 사용자가 실수로 다른 사람의 식별정보에 자신의 얼굴(의 피처)을 등록할 수도 있으며, 이미지의 생성 과정에서 빛에 의해 너무 밝거나 어두운 이미지의 피처가 등록될 수도 있다. 노이즈 피처 검출 시스템(320)은 피처 데이터베이스(320)에서 이러한 노이즈 피처를 검출할 수 있다.
이를 위해, 노이즈 피처 검출 시스템(320)은 피처 데이터베이스(320)에 등록된 피처들간의 페어와이즈 유사도 매트릭스(pair-wise similarity matrix)를 구성 및 활용할 수 있다. 여기서 페어와이즈 유사도 매트릭스는 데이터베이스에 식별정보와 연계하여 등록된 피처들 각각간의 유사도를 포함하도록 구성될 수 있다. 이 경우, 노이즈 피처 검출 시스템(320)은 페어와이즈 유사도 매트릭스를 통해 서로 다른 식별정보의 피처들 중 제2 임계값 이상의 유사도를 갖는 피처들을 검출할 수 있다. 이때, 제2 임계값은 제1 임계값에 기초하여 결정될 수 있다. 기본적으로 제2 임계값은 제1 임계값과 동일하게 설정될 수도 있으나, 노이즈 피처의 검출 가능성을 높이기 위해 제1 임계값보다 작은 값으로 설정될 수도 있다.
한편, 빛에 의해 너무 밝거나 어두운 이미지의 경우에는 이미지 내의 피처들이 유니크하게 도출되기 어렵기 때문에, 이미지가 포함하는 얼굴 영역의 피처들이 대부분 유사한 유사도를 가질 수 있다. 이 경우, 하나의 식별정보의 피처가 서로 다른 복수의 식별정보의 피처들과 유사한 유사도를 가질 수 있다. 이러한 경우의 노이즈 피처를 검출하기 위해, 노이즈 피처 검출 시스템(320)은 페어와이즈 유사도 매트릭스를 통해 n(n은 2 이상의 자연수)개 이상의 다른 식별정보의 피처들을 기준으로 제3 임계값 이상의 유사도를 갖는 피처를 검출할 수 있다. 예를 들어, 노이즈 피처 검출 시스템(320)은 특정 피처 A에 대해, 해당 피처 A와의 유사도가 제3 임계값 이상인 다른 식별정보의 피처들이 n개 이상인 경우, 피처 A를 노이즈 피처로 검출할 수 있다. 이때, 단순히 서로 다른 식별정보의 두 피처들이 유사한 경우는 제2 임계값을 통해 걸러지기 때문에, 제3 임계값은 제2 임계값 미만의 값을 갖도록 설정될 수 있다. 다시 말해, 빛에 의한 번짐이나 너무 어두운 이미지에 의해 제3 임계값 이상의 유사도를 갖는 다수의 피처들(n 개의 피처들)이 노이즈 피처 검출 시스템(320)에 의해 더 검출될 수 있다.
노이즈 피처 검출 시스템(320)은 검출된 피처들에 대한 후처리를 진행할 수 있다. 일례로, 노이즈 피처 검출 시스템(320)은 검출된 피처들을 피처 데이터베이스(320)에서 삭제하기 위한 요청을 전송할 수 있다. 이러한 요청은 피처 데이터베이스(320)로 바로 전송되거나 또는, 사용자나 관리자에게 전송될 수 있다. 사용자나 관리자는 요청에 따라 피처 데이터베이스(320)에서 검출된 피처들을 삭제한 후, 재등록할 수 있다. 다른 예로, 노이즈 피처 검출 시스템(320)은 검출된 피처들과 연계된 식별정보의 사용자 또는 관리자에게, 검출된 피처들과 연계된 식별정보를 제공할 수 있다. 보다 구체적인 예로, 관리자가 존재하는 시스템의 경우 관리자에게 식별정보를 전달함으로써, 해당 식별정보에 해당하는 사람에 대한 새로운 피처를 등록하도록 할 수 있다. 또한, 관리자가 존재하지 않고 개별 사용자들이 직접 피처를 등록하는 시스템의 경우, 노이즈 피처를 통해 얻어진 식별정보의 사용자들에게 직접 식별정보를 전달하여, 해당 사용자들이 새로운 피처를 등록하도록 할 수 있다. 여기서 식별정보를 전달하는 것은 해당 식별정보의 사용자들에 대한 새로운 피처의 등록을 요구하도록 통보하는 것에 대응할 수 있다.
도 4는 본 발명의 일실시예에 따른 노이즈 피처 검출 방법의 예를 도시한 흐름도이다. 본 실시예에 다른 노이즈 피처 검출 방법은 앞서 설명한 노이즈 피처 검출 시스템(330)을 구현하는 컴퓨터 장치(200)에 의해 수행될 수 있다. 이때, 컴퓨터 장치(200)의 프로세서(220)는 메모리(210)가 포함하는 운영체제의 코드나 적어도 하나의 컴퓨터 프로그램의 코드에 따른 제어 명령(instruction)을 실행하도록 구현될 수 있다. 여기서, 프로세서(220)는 컴퓨터 장치(200)에 저장된 코드가 제공하는 제어 명령에 따라 컴퓨터 장치(200)가 도 4의 방법이 포함하는 단계들(410 내지 450)을 수행하도록 컴퓨터 장치(200)를 제어할 수 있다.
단계(410)에서 컴퓨터 장치(200)는 데이터베이스에 식별정보와 연계하여 등록된 피처들 각각간의 유사도를 포함하는 페어와이즈 유사도 매트릭스를 구성할 수 있다. 여기서 데이터베이스는 앞서 도 3을 통해 설명한 안면인식 시스템(300)의 피처 데이터베이스(320)에 대응할 수 있다. 컴퓨터 장치(200)는 데이터베이스에 등록된 피처마다 다른 피처들 각각과의 유사도를 계산하여 피처들 각각간의 유사도를 포함하는 페어와이즈 유사도 매트릭스를 구성할 수 있다. 이러한 페어와이즈 유사도 매트릭스에 대해서는 이후 도 5 및 도 6을 통해 더욱 자세히 설명한다.
단계(420)에서 컴퓨터 장치(200)는 페어와이즈 유사도 매트릭스를 통해 서로 다른 식별정보의 피처들 중 제1 임계값 이상의 유사도를 갖는 피처들을 검출할 수 있다. 여기서, 이미 설명한 바와 같이, 데이터베이스는 안면인식 시스템(일례로, 도 3의 안면인식 시스템(300))에서 영상 또는 이미지로부터 추출된 얼굴 영역에 대한 피처를 저장하는 데이터베이스를 포함할 수 있다. 이 경우, 제1 임계값은 안면인식 시스템에서 얼굴 인증을 위해 기설정된 제2 임계값에 기초하여 결정될 수 있다. 이때, 검출된 피처들은 동일한 얼굴의 피처들이 서로 다른 식별정보와 연계되어 데이터베이스에 저장된 노이즈 피처들로 결정될 수 있다.
단계(430)에서 컴퓨터 장치(200)는 페어와이즈 유사도 매트릭스를 통해 n(n은 2 이상의 자연수)개 이상의 다른 식별정보의 피처들과 제3 임계값 이상의 유사도를 갖는 피처를 검출할 수 있다. 여기서, 제3 임계값은 제1 임계값 미만의 값을 가질 수 있다. 앞서 설명한 바와 같이, 제1 임계값 이상의 유사도를 갖는 피처들은 단계(420)에서 걸러질 수 있으며, 단계(420)에서 걸러지지 않았으나 제3 임계값 이상의 유사도를 갖는 피처들이 다수 존재하는 경우에는 빛에 의한 노이즈를 포함하는 이미지(너무 밝거나 너무 어두워 정상적으로 얼굴 영역의 피처들을 추출하기 어려운 이미지)로부터 추출된 노이즈 피처들일 수 있다. 이러한 단계(430)는 도 4의 실시예에서와 같이 단계(420) 이후에 수행될 수도 있으나, 실시예에 따라 단계(420)과 병렬적으로 진행되거나 단계(420) 이전에 수행될 수도 있다.
이처럼 페어와이즈 유사도 매트릭스를 통해 노이즈 피처들이 검출되면, 컴퓨터 장치(200)는 후처리를 위해 단계(440) 및 단계(450) 중 적어도 하나를 진행할 수 있다.
단계(440)에서 컴퓨터 장치(200)는 검출된 피처들을 데이터베이스에서 삭제하기 위한 요청을 전송할 수 있다. 예를 들어, 안면인식 시스템(300)은 데이터베이스에서 검색되지 않는 피처의 얼굴 영역에 대한 안면인식(또는 안면인증) 요구에 대해서는 얼굴 영역을 등록할 것을 요청할 수 있기 때문에, 안면인식(또는 안면인증) 요구시에 다시 해당 사용자에 대한 피처가 데이터베이스에 등록되도록 유도될 수 있다.
단계(450)에서 컴퓨터 장치(200)는 검출된 피처들과 연계된 식별정보의 사용자 또는 관리자에게, 검출된 피처들과 연계된 식별정보를 제공할 수 있다. 이미 설명한 바와 같이 식별정보를 전달하는 것은 해당 식별정보의 사용자들에 대한 새로운 피처의 등록을 요구하도록 통보하는 것에 대응할 수 있다.
이처럼, 컴퓨터 장치(200)는 검출된 노이즈 피처들에 대해 수동적인 방식(검출된 피처들을 데이터베이스에서 삭제) 및/또는 적극적인 방식(새로운 피처의 등록을 요구하도록 통보)으로 후처리를 진행할 수 있다.
도 5 및 도 6은 본 발명의 일실시예에 따른 페어와이즈 유사도 매트릭스의 예를 도시한 도면들이다.
도 5의 표는 사용자 A, 사용자 B, 사용자 C, 사용자 D 및 사용자 E에 대해 등록된 피처들간의 유사도를 나타낸 페어와이즈 유사도 매트릭스의 예이다. 이때, 도 4의 단계(420)를 통해 설명한 제1 임계값이 0.9라 가정한다. 이 경우, 사용자 A의 피처 "111000??"와 사용자 B의 피처 "111100??"간의 유사도 0.95, 그리고 사용자 C의 피처 "000000??"와 사용자 D의 피처 "000000??"간의 유사도 1은 모두 제1 임계값 0.9 이상의 값을 가질 수 있다. 이 경우, 사용자 A의 피처 "111000??", 사용자 B의 피처 "111100??", 사용자 C의 피처 "000000??" 및 사용자 D의 피처 "000000??"가 각각 노이즈 피처로 검출될 수 있다.
한편, 도 6의 표는 사용자 F, 사용자 G, 사용자 H, 사용자 I 및 사용자 J에 대해 등록된 피처들간의 유사도를 나타낸 페어와이즈 유사도 매트릭스의 예이다. 이때, 도 4의 단계(420)를 통해 설명한 제1 임계값이 0.9라 가정한다. 그러나 도 6의 표에서 제1 임계값 이상의 유사도를 갖는 피처들은 존재하지 않는다. 다만, 도 4의 단계(430)를 통해 설명한 제3 임계값이 0.8이고, n이 3이라 가정한다. 이때 도 6의 표에서는 사용자 F의 피처 "000000??"와 사용자 H의 피처 "000000??"간의 유사도가 0.83이고, 사용자 F의 피처 "000000??"와 사용자 I의 피처 "000000??"간의 유사도 0.82이며, 사용자 F의 피처 "000000??"와 사용자 J의 피처 "000000??"간의 유사도 0.83으로 나타나 있다. 다시 말해, 사용자 F의 피처가 3개 이상의 다른 식별정보의 피처들과 제3 임계값인 0.8 이상의 유사도를 갖고 있음을 알 수 있다. 이 경우, 사용자 F의 피처는 적어도 노이즈 피처로 검출될 수 있다. 실시예에 따라 사용자 H, 사용자 I 및 사용자 J의 피처들 역시 노이즈 피처로 검출될 수도 있다.
이처럼, 본 발명의 실시예들에 따르면, 안면인식 시스템의 데이터베이스에 등록된 피처들에 대해 페어와이즈 유사도 매트릭스(pair-wise similarity matrix)를 구성하고, 구성된 페어와이즈 유사도 매트릭스에서 서로 다른 식별정보의 피처들간 유사도가 임계값 이상인 피처들을 잘못 등록된 피처들로 판별함으로써, 안면인식 시스템의 데이터베이스를 정제할 수 있다. 또한, 빛에 의한 번짐이나 너무 어두운 이미지와 같은 노이즈성 이미지에 의해 등록된 피처들을 노이즈 피처로서 판별함으로써, 안면인식 시스템의 데이터베이스를 정제할 수 있다.
이상에서 설명된 장치는 하드웨어 구성요소, 또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 장치 및 구성요소는, 프로세서, 콘트롤러, ALU(arithmetic logic unit), 디지털 신호 프로세서(digital signal processor), 마이크로컴퓨터, FPGA(field programmable gate array), PLU(programmable logic unit), 마이크로프로세서, 또는 명령(instruction)을 실행하고 응답할 수 있는 다른 어떠한 장치와 같이, 하나 이상의 범용 컴퓨터 또는 특수 목적 컴퓨터를 이용하여 구현될 수 있다. 처리 장치는 운영 체제(OS) 및 상기 운영 체제 상에서 수행되는 하나 이상의 소프트웨어 어플리케이션을 수행할 수 있다. 또한, 처리 장치는 소프트웨어의 실행에 응답하여, 데이터를 접근, 저장, 조작, 처리 및 생성할 수도 있다. 이해의 편의를 위하여, 처리 장치는 하나가 사용되는 것으로 설명된 경우도 있지만, 해당 기술분야에서 통상의 지식을 가진 자는, 처리 장치가 복수 개의 처리 요소(processing element) 및/또는 복수 유형의 처리 요소를 포함할 수 있음을 알 수 있다. 예를 들어, 처리 장치는 복수 개의 프로세서 또는 하나의 프로세서 및 하나의 콘트롤러를 포함할 수 있다. 또한, 병렬 프로세서(parallel processor)와 같은, 다른 처리 구성(processing configuration)도 가능하다.
소프트웨어는 컴퓨터 프로그램(computer program), 코드(code), 명령(instruction), 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로(collectively) 처리 장치를 명령할 수 있다. 소프트웨어 및/또는 데이터는, 처리 장치에 의하여 해석되거나 처리 장치에 명령 또는 데이터를 제공하기 위하여, 어떤 유형의 기계, 구성요소(component), 물리적 장치, 컴퓨터 저장 매체 또는 장치에 구체화(embody)될 수 있다. 소프트웨어는 네트워크로 연결된 컴퓨터 시스템 상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 하나 이상의 컴퓨터 판독 가능 기록 매체에 저장될 수 있다.
실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 이때, 매체는 컴퓨터로 실행 가능한 프로그램을 계속 저장하거나, 실행 또는 다운로드를 위해 임시 저장하는 것일 수도 있다. 또한, 매체는 단일 또는 수 개의 하드웨어가 결합된 형태의 다양한 기록수단 또는 저장수단일 수 있는데, 어떤 컴퓨터 시스템에 직접 접속되는 매체에 한정되지 않고, 네트워크 상에 분산 존재하는 것일 수도 있다. 매체의 예시로는, 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체, CD-ROM 및 DVD와 같은 광기록 매체, 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical medium), 및 ROM, RAM, 플래시 메모리 등을 포함하여 프로그램 명령어가 저장되도록 구성된 것이 있을 수 있다. 또한, 다른 매체의 예시로, 어플리케이션을 유통하는 앱 스토어나 기타 다양한 소프트웨어를 공급 내지 유통하는 사이트, 서버 등에서 관리하는 기록매체 내지 저장매체도 들 수 있다.
이상과 같이 실시예들이 비록 한정된 실시예와 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기의 기재로부터 다양한 수정 및 변형이 가능하다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.
그러므로, 다른 구현들, 다른 실시예들 및 특허청구범위와 균등한 것들도 후술하는 특허청구범위의 범위에 속한다.

Claims (10)

  1. 적어도 하나의 프로세서를 포함하는 컴퓨터 시스템의 노이즈 피처 검출 방법에 있어서,
    상기 적어도 하나의 프로세서에 의해, 데이터베이스에 식별정보와 연계하여 등록된 피처들 각각간의 유사도를 포함하는 페어와이즈 유사도 매트릭스(pair-wise similarity matrix)를 구성하는 단계; 및
    상기 적어도 하나의 프로세서에 의해, 상기 페어와이즈 유사도 매트릭스를 통해 서로 다른 식별정보의 피처들 중 임계값 이상의 유사도를 갖는 피처들을 검출하는 단계
    를 포함하고,
    상기 데이터베이스는,
    영상 또는 이미지에서 추출한 피처들을 상기 영상 또는 이미지와 함께 입력되는 상기 식별정보와 연계하여 등록하는 데이터베이스이고,
    상기 페어와이즈 유사도 매트릭스는,
    상기 데이터베이스에 등록된 피처마다 다른 피처들 각각과의 유사도를 계산하여 구성되고,
    상기 데이터베이스에 상기 식별정보와 상기 피처만 등록되고 상기 영상 또는 이미지는 등록되지 않는 것
    을 특징으로 하는 노이즈 피처 검출 방법.
  2. 제1항에 있어서,
    상기 데이터베이스는 안면인식 시스템에서 상기 영상 또는 상기 이미지로부터 추출된 얼굴 영역에 대한 피처를 대응하는 식별정보와 연계하여 저장하는 데이터베이스를 포함하고,
    상기 임계값인 제1 임계값은 상기 안면인식 시스템에서 피처들간의 유사도에 따라 사람의 얼굴을 인식 또는 인증하기 위해 기설정된 제2 임계값에 기초하여 결정되는 것
    을 특징으로 하는 노이즈 피처 검출 방법.
  3. 제1항에 있어서,
    상기 적어도 하나의 프로세서에 의해, 상기 페어와이즈 유사도 매트릭스를 통해 n(상기 n은 2 이상의 자연수)개 이상의 다른 식별정보의 피처들을 기준으로 제3 임계값 이상의 유사도를 갖는 피처를 검출하는 단계
    를 더 포함하는 노이즈 피처 검출 방법.
  4. 제3항에 있어서,
    상기 제3 임계값은 상기 임계값 미만인 것을 특징으로 하는 노이즈 피처 검출 방법.
  5. 제1항에 있어서,
    상기 적어도 하나의 프로세서에 의해, 상기 검출된 피처들을 상기 데이터베이스에서 삭제하기 위한 요청을 전송하는 단계
    를 더 포함하는 노이즈 피처 검출 방법.
  6. 제1항에 있어서,
    상기 적어도 하나의 프로세서에 의해, 상기 검출된 피처들과 연계된 식별정보의 사용자 또는 관리자에게, 상기 검출된 피처들과 연계된 식별정보를 제공하는 단계
    를 더 포함하는 노이즈 피처 검출 방법.
  7. 컴퓨터 시스템과 결합되어 제1항 내지 제6항 중 어느 한 항의 방법을 컴퓨터 시스템에 실행시키기 위해 컴퓨터 판독 가능한 기록매체에 저장된 컴퓨터 프로그램.
  8. 제1항 내지 제6항 중 어느 한 항의 방법을 수행하는 컴퓨터 판독 가능 기록 매체에 기록된 프로그램.
  9. 컴퓨터에서 판독 가능한 명령을 실행하도록 구현되는 적어도 하나의 프로세서
    를 포함하고,
    상기 적어도 하나의 프로세서에 의해,
    데이터베이스에 식별정보와 연계하여 등록된 피처들 각각간의 유사도를 포함하는 페어와이즈 유사도 매트릭스(pair-wise similarity matrix)를 구성하고,
    상기 페어와이즈 유사도 매트릭스를 통해 서로 다른 식별정보의 피처들 중 임계값 이상의 유사도를 갖는 피처들을 검출하고,
    상기 데이터베이스는,
    영상 또는 이미지에서 추출한 피처들을 상기 영상 또는 이미지와 함께 입력되는 상기 식별정보와 연계하여 등록하는 데이터베이스이고,
    상기 페어와이즈 유사도 매트릭스는,
    상기 데이터베이스에 등록된 피처마다 다른 피처들 각각과의 유사도를 계산하여 구성되고,
    상기 데이터베이스에 상기 식별정보와 상기 피처들만 등록되고 상기 영상 또는 이미지는 등록되지 않는 것
    을 특징으로 하는 컴퓨터 장치.
  10. 제9항에 있어서,
    상기 적어도 하나의 프로세서에 의해,
    상기 검출된 피처들을 상기 데이터베이스에서 삭제하기 위한 요청을 전송하고,
    상기 검출된 피처들과 연계된 식별정보의 사용자 또는 관리자에게, 상기 검출된 피처들과 연계된 식별정보를 제공하는 것
    을 특징으로 하는 컴퓨터 장치.
KR1020220081780A 2022-07-04 2022-07-04 데이터베이스에 저장된 피처간의 페어와이즈 유사도 매트릭스를 이용한 노이즈 피처 검출 방법 및 시스템 KR102641630B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020220081780A KR102641630B1 (ko) 2022-07-04 2022-07-04 데이터베이스에 저장된 피처간의 페어와이즈 유사도 매트릭스를 이용한 노이즈 피처 검출 방법 및 시스템

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020220081780A KR102641630B1 (ko) 2022-07-04 2022-07-04 데이터베이스에 저장된 피처간의 페어와이즈 유사도 매트릭스를 이용한 노이즈 피처 검출 방법 및 시스템

Publications (2)

Publication Number Publication Date
KR20240003917A KR20240003917A (ko) 2024-01-11
KR102641630B1 true KR102641630B1 (ko) 2024-02-29

Family

ID=89533778

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020220081780A KR102641630B1 (ko) 2022-07-04 2022-07-04 데이터베이스에 저장된 피처간의 페어와이즈 유사도 매트릭스를 이용한 노이즈 피처 검출 방법 및 시스템

Country Status (1)

Country Link
KR (1) KR102641630B1 (ko)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005182184A (ja) * 2003-12-16 2005-07-07 Toshiba Corp 人物認識装置、人物認識方法および通行制御装置
JP2018010703A (ja) * 2017-10-26 2018-01-18 綜合警備保障株式会社 認証データベース管理方法、認証データベース管理装置及び認証データベース管理プログラム
US20190205620A1 (en) * 2017-12-31 2019-07-04 Altumview Systems Inc. High-quality training data preparation for high-performance face recognition systems

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005182184A (ja) * 2003-12-16 2005-07-07 Toshiba Corp 人物認識装置、人物認識方法および通行制御装置
JP2018010703A (ja) * 2017-10-26 2018-01-18 綜合警備保障株式会社 認証データベース管理方法、認証データベース管理装置及び認証データベース管理プログラム
US20190205620A1 (en) * 2017-12-31 2019-07-04 Altumview Systems Inc. High-quality training data preparation for high-performance face recognition systems

Also Published As

Publication number Publication date
KR20240003917A (ko) 2024-01-11

Similar Documents

Publication Publication Date Title
US9797985B2 (en) Multi-factor location verification
US11501514B2 (en) Universal object recognition
US9721156B2 (en) Gift card recognition using a camera
US9720936B2 (en) Biometric matching engine
US9813908B2 (en) Dynamic unlock mechanisms for mobile devices
US9202035B1 (en) User authentication based on biometric handwriting aspects of a handwritten code
Smith-Creasey et al. Continuous face authentication scheme for mobile devices with tracking and liveness detection
CN110597963A (zh) 表情问答库的构建方法、表情搜索方法、装置及存储介质
US20140232748A1 (en) Device, method and computer readable recording medium for operating the same
WO2019017178A1 (en) METHOD AND APPARATUS FOR DYNAMICALLY IDENTIFYING A USER OF AN ACCOUNT FOR DISPLAYING IMAGES
US20180218134A1 (en) Determining computer ownership
CN113515988A (zh) 掌纹识别方法、特征提取模型训练方法、设备及介质
KR20210128513A (ko) 전자 장치 및 그 제어 방법
KR102641630B1 (ko) 데이터베이스에 저장된 피처간의 페어와이즈 유사도 매트릭스를 이용한 노이즈 피처 검출 방법 및 시스템
US9646355B2 (en) Use of near field communication devices as proof of identity during electronic signature process
WO2023000792A1 (zh) 构建活体识别模型和活体识别的方法、装置、设备及介质
WO2023273042A1 (zh) 支付方法、系统、电子设备及存储介质
US9529984B2 (en) System and method for verification of user identification based on multimedia content elements
CN109522737B (zh) 用于确定资源访问权限的方法和设备
KR20220104984A (ko) 문서 유사도 학습에 기반한 딥러닝 모델의 전이 학습 방법 및 시스템
KR102502034B1 (ko) 영상의 비 식별 처리 객체를 검색하는 방법 및 시스템
KR102060110B1 (ko) 컨텐츠에 포함되는 객체를 분류하는 방법, 장치 및 컴퓨터 프로그램
Shoukat et al. Fraud detection system using facial recognition based on Google Teachable Machine for banking applications
KR102666382B1 (ko) 게임 컨텐츠 기반 계정 인증 방법 및 시스템
CN117333926B (zh) 一种图片聚合方法、装置、电子设备及可读存储介质

Legal Events

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