KR20060129821A - 조명 정규화장치 및 방법과 이를 이용한 얼굴인식장치 및방법 - Google Patents

조명 정규화장치 및 방법과 이를 이용한 얼굴인식장치 및방법 Download PDF

Info

Publication number
KR20060129821A
KR20060129821A KR1020050050496A KR20050050496A KR20060129821A KR 20060129821 A KR20060129821 A KR 20060129821A KR 1020050050496 A KR1020050050496 A KR 1020050050496A KR 20050050496 A KR20050050496 A KR 20050050496A KR 20060129821 A KR20060129821 A KR 20060129821A
Authority
KR
South Korea
Prior art keywords
image
illumination
coefficient
basis vector
face
Prior art date
Application number
KR1020050050496A
Other languages
English (en)
Inventor
기석철
왕양생
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 KR1020050050496A priority Critical patent/KR20060129821A/ko
Priority to US11/447,993 priority patent/US20060280344A1/en
Publication of KR20060129821A publication Critical patent/KR20060129821A/ko

Links

Images

Classifications

    • 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
    • G06V10/42—Global feature extraction by analysis of the whole pattern, e.g. using frequency domain transformations or autocorrelation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/32—Normalisation of the pattern dimensions
    • 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
    • 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
    • G06V10/60—Extraction of image or video features relating to illumination properties, e.g. using a reflectance or lighting model

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Software Systems (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Collating Specific Patterns (AREA)

Abstract

조명 정규화장치 및 방법과 이를 이용한 얼굴인식장치 및 방법이 개시된다. 조명 정규화장치는 서로 다른 조명 조건을 갖는 얼굴영상들을 포함하는 트레이닝 세트의 모든 조명 조건을 표현하기 위한 베이시스 벡터를 생성하는 베이시스 벡터 생성부; 상기 베이시스 벡터를 이용하여 제1 얼굴영상으로부터 조명정규화계수를 획득하는 조명정규화계수 획득부; 및 상기 베이시스 벡터와 상기 조명정규화계수를 이용하여 제2 얼굴영상의 조명정규화영상을 획득하는 조명정규화영상 획득부로 이루어진다.

Description

조명 정규화장치 및 방법과 이를 이용한 얼굴인식장치 및 방법 {Illumination normalizing apparatus and method and face recognition apparatus and method employing the same}
도 1은 본 발명의 일실시예에 따른 얼굴인식장치의 구성을 보여주는 블록도,
도 2는 도 1에 있어서 조명 정규화부의 세부적인 구성을 보여주는 블록도,
도 3은 도 2에 있어서 조명 정규화계수를 설명하는 도면,
도 4는 조명 정규화계수를 이용하여 다양한 조명 조건을 갖는 얼굴영상을 생성하는 과정을 설명하는 예시도, 및
도 5는 본 발명의 일실시예에 따른 얼굴인식방법의 동작을 설명하는 흐름도이다.
본 발명은 얼굴인식에 관한 것으로서, 특히 등록 데이터베이스에 저장된 각 등록영상의 조명조건을 입력영상의 조명조건과 일치되도록 정규화시키고, 입력영상과, 등록영상의 조명 정규화영상에 대한 매칭을 수행하는 조명 정규화장치 및 방법과 이를 이용한 얼굴인식장치 및 방법에 관한 것이다.
최근 들어 인간의 독특한 신체적(physical) 또는 행동학적(behavioral) 특징을 이용하여 개인의 신원을 확인하는 생체인식 기술이 광범위하게 연구 및 개발되고 있다. 현재까지 개인인증 수단으로 사용되던 패스워드나 신분증 등은 암기를 필요로 하고 도난의 우려가 있었으나, 생체인식의 경우에는 인간의 신체를 이용하므로 이러한 걱정이 없다. 생체인식에는 얼굴, 홍채, 망막, 손바닥, 손등의 정맥, 지문, 서명, 필체, 키보드 타이핑 습관, 걸음걸이 등 개인의 신체적 혹은 행동학적 특징이 이용된다. 그 중, 얼굴을 이용한 인식방법은 카메라를 이용하여 멀리서도 식별이 가능하고, 지문과 같이 입력장치에 손가락을 접촉하지 않고도 자연스럽게 인식할 수 있으며, 비교적 가격이 저렴하다. 그러나, 조명의 변화 및 포즈의 변화에 민감하고, 변장 혹은 세월이 흘러 생기는 얼굴의 변화 및 성형 등에 약점을 가지고 있어, 지문인식이나 홍채인식과 같은 높은 인식 성능을 보장하기 어렵다. 특히, 실내 환경 보다 실외 환경에서는 조명의 변화로 인하여 인식 성능이 더욱 나빠지는 단점이 있다.
이러한 단점을 해소하기 위하여, 조명의 변화에 강인한 얼굴인식기법이 많이 연구되고 있다. 그러나, 이러한 얼굴인식방법들도 가변하는 조명 조건하에서, 특히 새도우가 큰 얼굴영상을 쿼리영상으로 하는 경우에는 만족할 만한 인식성능을 보장하는 것이 어렵다.
본 발명이 이루고자 하는 기술적 과제는 인식 혹은 인증될 입력영상이 얻어진 조명조건에 상관없이, 등록 데이터베이스에 저장된 각 등록영상의 조명조건이 입력영상의 조명조건과 일치되도록 정규화시키기 위한 조명 정규화장치 및 방법을 제공하는데 있다.
본 발명이 이루고자 하는 다른 기술적 과제는 등록 데이터베이스에 저장된 각 등록영상의 조명조건을 입력영상의 조명조건과 일치되도록 정규화시키고, 입력영상과, 등록영상의 조명 정규화영상에 대한 매칭을 수행함으로써 얼굴을 인식하기 위한 얼굴인식장치 및 방법을 제공하는데 있다.
상기 기술적 과제를 달성하기 위하여 본 발명에 따른 조명 정규화장치는 서로 다른 조명 조건을 갖는 얼굴영상들을 포함하는 트레이닝 세트의 모든 조명 조건을 표현하기 위한 베이시스 벡터를 생성하는 베이시스 벡터 생성부; 상기 베이시스 벡터를 이용하여 제1 얼굴영상으로부터 조명정규화계수를 획득하는 조명정규화계수 획득부; 및 상기 베이시스 벡터와 상기 조명정규화계수를 이용하여 제2 얼굴영상의 조명정규화영상을 획득하는 조명정규화영상 생성부를 포함한다.
상기 기술적 과제를 달성하기 위하여 본 발명에 따른 조명 정규화방법은 서로 다른 조명 조건을 갖는 얼굴영상들을 포함하는 트레이닝 세트의 모든 조명 조건을 표현하기 위한 베이시스 벡터를 생성하는 단계; 상기 베이시스 벡터를 이용하여 제1 얼굴영상으로부터 조명정규화계수를 획득하는 단계; 및 상기 베이시스 벡터와 상기 조명정규화계수를 이용하여 제2 얼굴영상의 조명정규화영상을 획득하는 단계를 포함한다.
상기 다른 기술적 과제를 달성하기 위하여 본 발명에 따른 얼굴인식장치는 서로 다른 조명 조건을 갖는 얼굴영상들을 포함하는 트레이닝 세트의 모든 조명 조 건을 표현하기 위한 베이시스 벡터를 생성하는 베이시스 벡터 생성부; 상기 베이시스 벡터를 이용하여 제1 얼굴영상으로부터 얻어지는 조명정규화계수를 이용하여 제2 얼굴영상의 조명정규화영상을 생성하는 조명정규화부; 및 상기 제2 얼굴영상의 조명정규화영상과 상기 제1 얼굴영상간의 매칭을 수행하는 매칭부를 포함한다.
상기 기술적 과제를 달성하기 위하여 본 발명에 따른 얼굴인식방법은 서로 다른 조명 조건을 갖는 얼굴영상들을 포함하는 트레이닝 세트의 모든 조명 조건을 표현하기 위한 베이시스 벡터를 생성하는 단계; 상기 베이시스 벡터를 이용하여 제1 얼굴영상으로부터 얻어지는 조명정규화계수를 이용하여 제2 얼굴영상의 조명정규화영상을 생성하는 단계; 및 상기 제2 얼굴영상의 조명정규화영상과 상기 제1 얼굴영상간의 매칭을 수행하는 단계를 포함한다.
상기 조명 정규화방법 및 상기 얼굴인식방법은 바람직하게는 컴퓨터에서 실행시키기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체로 구현할 수 있다.
이하, 첨부된 도면을 참조하여 본 발명의 바람직한 실시예에 대하여 상세하게 설명하기로 한다.
도 1은 본 발명의 일실시예에 따른 얼굴인식장치의 구성을 보여주는 블록도로서, 베이시스 벡터 생성부(110), 조명 정규화부(130), 및 매칭부(150)를 포함하여 이루어진다.
도 1을 참조하면, 베이시스 벡터 생성부(110)는 다양한 조명 조건하에서 얻 어지는 다양한 신원들에 대한 얼굴영상들로 이루어지는 트레이닝 세트에 대한 글로벌 조명 부공간을 구축하고, 트레이닝 세트를 조명 부공간으로 투사하여 트레이닝 세트에 포함된 각 얼굴영상이 갖는 모든 조명 조건을 표현할 수 있는 베이시스 벡터(E)를 생성한다. 여기서, 베이시스 벡터는 PCA(Principal Component Analysis), ICA(Independent Component Analysis), LDA(Linear Discriminant Analysis) 등과 같은 부공간(subspace) 기법을 적용하여 구해질 수 있다.
조명 정규화부(130)는 베이시스 벡터 생성부(110)에서 생성된 베이시스 벡터를 이용하여, 제1 얼굴영상(IA)의 제1 영상표현계수(xA)와 제2 얼굴영상(IB)의 제2 영상표현계수(xB)를 각각 구한다. 여기서, 제1 영상표현계수(xA)와 제2 영상표현계수(xB)는 각각 베이시스 벡터(E)로부터 제1 얼굴영상과 제2 얼굴영상에 대한 최소자승근사(least square approximation) 표현을 얻을 수 있는 계수들을 의미한다. 다음, 제1 얼굴영상(IA)과 제1 얼굴영상의 최소자승근사 표현(ExA) 간의 비율을 이용하여 제1 얼굴영상(IA)의 조명정규화계수(QA)를 산출한다. 제1 얼굴영상(IA)의 조명정규화계수(QA)를 이용하여 제2 얼굴영상(IB)의 조명정규화영상(IN=QAExB)을 생성한다. 여기서, 제1 얼굴영상은 인식 혹은 인증될 입력영상 혹은 쿼리영상을 의미하고, 제2 얼굴영상은 등록 데이터베이스(미도시)에 저장된 각 등록영상을 의미한다. 이와 같은 조명 정규화과정을 통하여, 제2 얼굴영상(IB)의 조명정규화영상(IN)의 조명 조건이 제1 얼굴영상(IA)의 조명 조건과 거의 일치하게 된다.
매칭부(150)는 제2 얼굴영상에 대한 조명 정규화 영상(IN)과 제1 얼굴영상(IA)간에 매칭을 수행한다. 매칭을 위해서는 PCA, ICA 혹은 LDA 등과 같이 잘 알려진 여러가지 방법을 사용할 수 있다. 제2 얼굴영상에 대한 조명 정규화 영상과 제1 얼굴영상간의 매칭 스코어는 영상검색부(미도시), 인증부(미도시) 혹은 인식부(미도시) 등과 같은 후단으로 제공될 수 있다.
도 2는 도 1에 있어서 조명 정규화부(130)의 세부적인 구성을 보여주는 블록도로서, 조명 정규화계수 획득부(200) 및 조명 정규화영상 획득부(240)를 포함하여 이루어진다. 여기서, 조명 정규화계수 획득부(200)는 제1 영상표현계수 산출부(210) 및 조명정규화계수 산출부(230)를 포함하며, 조명 정규화영상 획득부(240)는 제2 영상표현계수 산출부(250) 및 조명 정규화영상 생성부(270)를 포함하여 이루어진다.
도 2를 참조하면, 조명 정규화계수 획득부(200)는 베이시스 벡터 생성부(110)에서 생성된 베이시스 벡터를 이용하여 제1 얼굴영상으로부터 조명정규화계수를 획득한다. 구체적으로, 제1 얼굴표현계수 산출부(210)는 베이시스 벡터를 이용하여 제1 얼굴영상에 대한 제1 얼굴표현계수를 산출한다. 조명정규화계수 산출부(230)는 베이시스 벡터, 제1 얼굴표현계수 및 제1 얼굴영상으로부터 제1 얼굴영상에 대한 조명정규화계수를 산출한다.
조명 정규화영상 획득부(240)는 베이시스 벡터 생성부(110)에서 생성된 베이시스 벡터와 조명정규화계수 획득부(200)에서 구해진 조명정규화계수를 이용하여 제2 얼굴영상의 조명정규화영상을 획득한다. 구체적으로, 제2 얼굴표현계수 산출부(250)는 베이시스 벡터를 이용하여 제2 얼굴영상에 대한 제2 얼굴표현계수를 산출한다. 조명정규화영상 생성부(270)는 베이시스 벡터, 제2 얼굴표현계수 및 조명정규화계수로부터 제2 얼굴영상의 상기 조명정규화영상을 생성한다.
도 3은 도 2에 있어서 조명 정규화계수를 설명하는 것으로서, 참조부호 310은 인증 혹은 인식될 입력영상 예컨데, 기준영상을, 참조부호 330은 베이시스 벡터와 기준영상의 영상표현계수로부터 얻어지는 기준영상의 최소자승근사된 표현, 참조부호 350은 기준영상과 기준영상의 최소자승근사된 표현간의 영상비, 즉, 기준영상에 대한 조명정규화계수를 각각 나타낸다.
도 4는 조명 정규화계수를 이용하여 다양한 조명 조건을 갖는 얼굴영상을 생성하는 과정을 설명하는 예시도로서, 참조부호 410은 기준영상, 참조부호 430은 기준영상(410)의 조명정규화계수, 참조부호 440 내지 470은 조명정규화계수(430)와 각 영상표현계수를 이용하여 얻어지는 다양한 조명조건하의 얼굴영상을 나타낸다.
도 4를 참조하면, 임의의 기준영상이 주어질 때, 도 3에서와 같이 기준영상과 기준영상의 최소자승근사된 표현간의 영상비 즉, 기준영상에 대한 조명정규화계수를 구하고, 기준영상에 대한 조명정규화계수와 각 영상표현계수를 합성함으로써 서로 다른 조명조건을 갖는 기준영상들을 얻을 수 있다.
도 5는 본 발명의 일실시예에 따른 얼굴인식방법의 동작을 설명하는 흐름도이다.
도 5를 참조하면, 510 단계에서는 다양한 조명 조건하에서 얻어지는 다양한 신원들에 대한 얼굴영상들로 이루어지는 트레이닝 세트에 대한 글로벌 조명 부공간을 구축하고, 트레이닝 세트를 조명 부공간으로 투사하여 트레이닝 세트에 포함된 각 얼굴영상이 갖는 모든 조명 조건을 표현할 수 있는 베이시스 벡터(E)를 생성한다. 트레이닝 세트에 포함되는 각 얼굴영상에 대해서는 동적모양모델(Active Shape Model)과 같은 잘 알려진 얼굴정렬기법을 이용하여 사이즈 및 조명 등의 정규화 및 정렬이 수행될 수 있다.
520 단계에서는 510 단계에서 얻어지는 베이시스 벡터(E)를 이용하여 입력영상(IA)의 최소자승근사된 표현(Ia)을 얻기 위한 제1 영상표현계수(xA)를 획득한다. 즉, 조명 부공간에서 입력영상(IA)의 최소자승근사된 표현(Ia)은 베이시스 벡터(E)의 선형결합으로 나타낼 수 있으며, 다음 수학식 1과 같이 정의될 수 있다.
Figure 112005031139062-PAT00001
530 단계에서는 510 단계에서 얻어지는 베이시스 벡터(E) 및 520 단계에서 얻어지는 입력영상(IA)의 제1 영상표현계수(xA)를 이용하여 입력영상(IA)의 조명정규화계수(QA)를 구한다. 530 단계를 좀 더 세부적으로 설명하면 다음과 같다.
먼저, 영상 모델 측면에서 보면, 얼굴은 램버시안 표면(Lambertian surface)으로 처리될 수 있다. 따라서, 임의의 얼굴영상 I(x,y)는 다음 수학식 2와 같이 나타낼 수 있다.
Figure 112005031139062-PAT00002
여기서, (x,y)는 얼굴영상의 임의의 한 점을 의미하고,
Figure 112005031139062-PAT00003
는 알베도(albedo), 즉, 얼굴표면의 반사계수,
Figure 112005031139062-PAT00004
은 얼굴표면의 3차원 법선 벡터, s는 얼굴표면에 대한 조명의 입사방향을 각각 나타낸다. 서로 다른 얼굴에 대한 얼굴영상 Iy, Ia 에 대한 알베도 비율, 즉
Figure 112005031139062-PAT00005
는 조명에 불변인 값이므로, 이 알베도 비율을 얼굴영상 Iy에 대한 조명 정규화계수로 사용한다.
한편, 동일한 신원을 갖는 두 얼굴영상 Iy, Ia 의 알베도 비율은 다음 수학식 3으로 나타낼 수 있다.
Figure 112005031139062-PAT00006
여기서, Ia는 얼굴 y와 유사한 형상을 가지며 Iy와 유사한 조명 조건을 가진다. 이에 따르면 알베도 비율은 유사한 3차원 형상과 유사한 조명 조건을 가지나, 서로 다른 알베도를 갖는 두 얼굴영상간의 영상비(image ratio)로 변환할 수 있음을 의미한다.
이에 따르면, 입력영상(IA)과 입력영상(IA)의 최소자승근사된 표현(Ia)간의 알베도 비율 즉, 영상비로 결정되는 입력영상(IA)의 조명정규화계수(QA)는 다음 수학식 4에서와 같이 정의할 수 있다.
Figure 112005031139062-PAT00007
상기 수학식 4에서 구해지는 입력영상(IA)의 조명정규화계수(QA)를 이용하면, 등록 데이터베이스(미도시)에 저장된 모든 M개의 등록영상들을 다음 수학식 5에서와 같이 입력영상(IA)의 조명조건과 동일한 조명조건을 갖는 새로운 등록영상(Inew)으로 만들 수 있다.
Figure 112005031139062-PAT00008
여기서, xi 는 조명 부공간에서 각 등록영상(Ii)의 최소자승근사된 표현을 얻을 수 있는 영상표현계수를 나타낸다.
540 단계에서는 510 단계에서 얻어지는 베이시스 벡터(E)를 이용하여 등록영상(IB)의 최소자승근사된 표현(Ib)을 얻기 위한 제2 영상표현계수(xB)를 획득한다. 520 단계에서와 마찬가지로, 조명 부공간에서 입력영상(IB)의 최소자승근사된 표현 (Ib)은 다음 수학식 6과 같이 정의될 수 있다.
Figure 112005031139062-PAT00009
550 단계에서는 510 단계에서 얻어지는 베이시스 벡터(E), 530 단계에서 얻어지는 입력영상(IA)의 조명정규화계수(QA), 및 540 단계에서 얻어지는 등록영상(IB)의 제2 영상표현계수(xB)를 이용하여 등록영상(IB)의 조명정규화영상(IN)을 생성한다. 등록영상(IB)의 조명정규화영상(IN)은 다음 수학식 7과 같이 나타낼 수 있다.
Figure 112005031139062-PAT00010
이에 따르면, 등록영상(IB)의 조명정규화영상(IN)의 조명 조건이 입력영상(IA)의 조명 조건과 동일해진다.
560 단계에서는 등록영상(IB)의 조명정규화영상(IN)과 입력영상(IA)간의 매칭을 수행한다.
이하, 직접상관방식(Direct Correlation Method)과 지수방식(Quotient Method)과 같은 종래 기술에 의한 얼굴인식 알고리즘과 본 발명에 대한 얼굴인식 알고리즘의 성능을 평가하기 위하여, PIE(Pose, Illumination, and Expression) 얼 굴영상 데이터베이스에 대한 얼굴인식을 수행한 결과는 다음 표 1과 같다.
직접상관방식 지수방식 본 발명
서브세트 1 97 % 91.4 % 100 %
서브세트 2 57 % 45.8 % 92 %
여기서, 서브세트 1은 새도우가 없는 얼굴영상들로 이루어지며, 서브세트 2는 큰 새도우를 갖는 얼굴영상들로 이루어진다. 표 1을 살펴보면, 직접상관방식과 지수방식에 비하여 본 발명에 따른 얼굴인식 알고리즘의 성능이 훨씬 뛰어남을 알 수 있다. 특히, 서브세트 2에 대한 얼굴인식 성능이 직접상관방식이나 지수방식에 비하여 월등히 향상됨을 알 수 있다.
본 발명은 또한 컴퓨터로 읽을 수 있는 기록매체에 컴퓨터가 읽을 수 있는 코드로서 구현하는 것이 가능하다. 컴퓨터가 읽을 수 있는 기록매체는 컴퓨터 시스템에 의하여 읽혀질 수 있는 데이터가 저장되는 모든 종류의 기록장치를 포함한다. 컴퓨터가 읽을 수 있는 기록매체의 예로는 ROM, RAM, CD-ROM, 자기 테이프, 플라피디스크, 광데이터 저장장치 등이 있으며, 또한 캐리어 웨이브(예를 들어 인터넷을 통한 전송)의 형태로 구현되는 것도 포함한다. 또한 컴퓨터가 읽을 수 있는 기록매체는 네트워크로 연결된 컴퓨터 시스템에 분산되어, 분산방식으로 컴퓨터가 읽을 수 있는 코드가 저장되고 실행될 수 있다. 그리고 본 발명을 구현하기 위한 기능적인(functional) 프로그램, 코드 및 코드 세그먼트들은 본 발명이 속하는 기술분야의 프로그래머들에 의해 용이하게 추론될 수 있다.
상술한 바와 같이 본 발명에 따르면, 등록 데이터베이스에 저장된 각 등록영상의 조명조건을 인식 혹은 인증될 입력영상의 조명조건과 일치되도록 정규화시키고, 등록영상의 조명 정규화영상과 입력영상간의 매칭을 수행함으로써, 입력영상이 얻어지는 조명 조건에 상관없이 우수한 얼굴인식 혹은 얼굴인증 성능을 보장할 수 있다.
본 발명에 대해 상기 실시예를 참고하여 설명하였으나, 이는 예시적인 것에 불과하며, 본 발명에 속하는 기술 분야의 통상의 지식을 가진 자라면 이로부터 다양한 변형 및 균등한 타 실시예가 가능하다는 점을 이해할 것이다. 따라서 본 발명의 진정한 기술적 보호범위는 첨부된 특허청구범위의 기술적 사상에 의해 정해져야 할 것이다.

Claims (22)

  1. 서로 다른 조명 조건을 갖는 얼굴영상들을 포함하는 트레이닝 세트의 모든 조명 조건을 표현하기 위한 베이시스 벡터를 생성하는 베이시스 벡터 생성부;
    상기 베이시스 벡터를 이용하여 제1 얼굴영상으로부터 조명정규화계수를 획득하는 조명정규화계수 획득부; 및
    상기 베이시스 벡터와 상기 조명정규화계수를 이용하여 제2 얼굴영상의 조명정규화영상을 획득하는 조명정규화영상 획득부를 포함하는 것을 특징으로 하는 조명 정규화장치.
  2. 제1 항에 있어서, 상기 복수의 베이시스 벡터는 부공간 기법을 이용하여 구해지는 것을 특징으로 하는 조명 정규화장치.
  3. 제1 항에 있어서, 상기 조명정규화계수 획득부는
    상기 베이시스 벡터를 이용하여 상기 제1 얼굴영상에 대한 제1 얼굴표현계수를 산출하는 제1 얼굴표현계수 산출부; 및
    상기 베이시스 벡터, 상기 제1 얼굴표현계수 및 상기 제1 얼굴영상으로부터 상기 조명정규화계수를 산출하는 조명정규화계수 산출부를 포함하는 것을 특징으로 하는 조명 정규화장치.
  4. 제1 항에 있어서, 상기 조명정규화영상 획득부는
    상기 베이시스 벡터를 이용하여 상기 제2 얼굴영상에 대한 제2 얼굴표현계수를 산출하는 제2 얼굴표현계수 산출부;
    상기 베이시스 벡터, 상기 제2 얼굴표현계수 및 상기 조명정규화계수로부터 상기 제2 얼굴영상의 상기 조명정규화영상을 생성하는 조명정규화영상 생성부를 포함하는 것을 특징으로 하는 조명 정규화장치.
  5. 제1 항 내지 제4 항 중 어느 한 항에 있어서, 상기 조명정규화계수는 상기 제1 얼굴영상과, 상기 제1 얼굴영상의 최소자승근사된 표현간의 알베도 비율인 것을 특징으로 하는 조명 정규화장치.
  6. 서로 다른 조명 조건을 갖는 얼굴영상들을 포함하는 트레이닝 세트의 모든 조명 조건을 표현하기 위한 베이시스 벡터를 생성하는 단계;
    상기 베이시스 벡터를 이용하여 제1 얼굴영상으로부터 조명정규화계수를 획득하는 단계; 및
    상기 베이시스 벡터와 상기 조명정규화계수를 이용하여 제2 얼굴영상의 조명정규화영상을 획득하는 단계를 포함하는 것을 특징으로 하는 조명 정규화방법.
  7. 제6 항에 있어서, 상기 복수의 베이시스 벡터는 부공간 기법을 이용하여 구해지는 것을 특징으로 하는 조명 정규화방법.
  8. 제6 항에 있어서, 상기 조명정규화계수 획득단계는
    상기 베이시스 벡터를 이용하여 상기 제1 얼굴영상에 대한 제1 얼굴표현계수를 산출하는 단계; 및
    상기 베이시스 벡터, 상기 제1 얼굴표현계수 및 상기 제1 얼굴영상으로부터 상기 조명정규화계수를 산출하는 단계를 특징으로 하는 조명 정규화방법.
  9. 제6 항에 있어서, 상기 조명정규화영상 획득단계는
    상기 베이시스 벡터를 이용하여 상기 제2 얼굴영상에 대한 제2 얼굴표현계수를 산출하는 단계;
    상기 베이시스 벡터, 상기 제2 얼굴표현계수 및 상기 조명정규화계수로부터 상기 제2 얼굴영상의 상기 조명정규화영상을 생성하는 단계를 포함하는 것을 특징으로 하는 조명 정규화방법.
  10. 제6 항 내지 제9 항 중 어느 한 항에 있어서, 상기 조명정규화계수는 상기 제1 얼굴영상과, 상기 제1 얼굴영상의 최소자승근사된 표현간의 알베도 비율인 것을 특징으로 하는 조명 정규화방법.
  11. 서로 다른 조명 조건을 갖는 얼굴영상들을 포함하는 트레이닝 세트의 모든 조명 조건을 표현하기 위한 베이시스 벡터를 생성하는 베이시스 벡터 생성부;
    상기 베이시스 벡터를 이용하여 제1 얼굴영상으로부터 얻어지는 조명정규화계수를 이용하여 제2 얼굴영상의 조명정규화영상을 생성하는 조명정규화부; 및
    상기 제2 얼굴영상의 조명정규화영상과 상기 제1 얼굴영상간의 매칭을 수행하는 매칭부를 포함하는 것을 특징으로 하는 얼굴인식장치.
  12. 제11 항에 있어서, 상기 조명정규화부는
    상기 베이시스 벡터를 이용하여 제1 얼굴영상으로부터 조명정규화계수를 획득하는 조명정규화계수 획득부; 및
    상기 베이시스 벡터와 상기 조명정규화계수를 이용하여 제2 얼굴영상의 조명정규화영상을 획득하는 조명정규화영상 획득부를 포함하는 것을 특징으로 하는 얼굴인식장치.
  13. 제11 항에 있어서, 상기 조명정규화계수 획득부는
    상기 베이시스 벡터를 이용하여 상기 제1 얼굴영상에 대한 제1 얼굴표현계수를 산출하는 제1 얼굴표현계수 산출부; 및
    상기 베이시스 벡터, 상기 제1 얼굴표현계수 및 상기 제1 얼굴영상으로부터 상기 조명정규화계수를 산출하는 조명정규화계수 산출부를 포함하는 것을 특징으로 하는 얼굴인식장치.
  14. 제11 항에 있어서, 상기 조명정규화영상 획득부는
    상기 베이시스 벡터를 이용하여 상기 제2 얼굴영상에 대한 제2 얼굴표현계수를 산출하는 제2 얼굴표현계수 산출부;
    상기 베이시스 벡터, 상기 제2 얼굴표현계수 및 상기 조명정규화계수로부터 상기 제2 얼굴영상의 상기 조명정규화영상을 구하는 조명정규화영상 생성부를 포함하는 것을 특징으로 하는 얼굴인식장치.
  15. 제11 항 내지 제14 항 중 어느 한 항에 있어서, 상기 조명정규화계수는 상기 제1 얼굴영상과, 상기 제1 얼굴영상의 최소자승근사된 표현간의 알베도 비율인 것을 특징으로 하는 얼굴인식장치.
  16. 서로 다른 조명 조건을 갖는 얼굴영상들을 포함하는 트레이닝 세트의 모든 조명 조건을 표현하기 위한 베이시스 벡터를 생성하는 단계;
    상기 베이시스 벡터를 이용하여 제1 얼굴영상으로부터 얻어지는 조명정규화계수를 이용하여 제2 얼굴영상의 조명정규화영상을 생성하는 단계; 및
    상기 제1 얼굴영상과, 상기제2 얼굴영상의 조명정규화영상간의 매칭을 수행하는 단계를 포함하는 것을 특징으로 하는 얼굴인식방법.
  17. 제16 항에 있어서, 상기 조명정규화 단계는
    상기 베이시스 벡터를 이용하여 제1 얼굴영상으로부터 조명정규화계수를 획득하는 단계; 및
    상기 베이시스 벡터와 상기 조명정규화계수를 이용하여 제2 얼굴영상의 조명정규화영상을 획득하는 단계를 포함하는 것을 특징으로 하는 얼굴인식방법.
  18. 제16 항에 있어서, 상기 조명정규화계수 획득 단계는
    상기 베이시스 벡터를 이용하여 상기 제1 얼굴영상에 대한 제1 얼굴표현계수를 산출하는 단계; 및
    상기 베이시스 벡터, 상기 제1 얼굴표현계수 및 상기 제1 얼굴영상으로부터 상기 조명정규화계수를 산출하는 단계를 포함하는 것을 특징으로 하는 얼굴인식방법.
  19. 제16 항에 있어서, 상기 조명정규화영상 획득 단계는
    상기 베이시스 벡터를 이용하여 상기 제2 얼굴영상에 대한 제2 얼굴표현계수를 산출하는 단계; 및
    상기 베이시스 벡터, 상기 제2 얼굴표현계수 및 상기 조명정규화계수로부터 상기 제2 얼굴영상의 상기 조명정규화영상을 생성하는 단계를 포함하는 것을 특징으로 하는 얼굴인식방법.
  20. 제16 항 내지 제19 항 중 어느 한 항에 있어서, 상기 조명정규화계수는 상기 제1 얼굴영상과, 상기 제1 얼굴영상의 최소자승근사된 표현간의 알베도 비율인 것을 특징으로 하는 얼굴인식방법.
  21. 제6 항 내지 제10 항 중 어느 한 항에 기재된 조명 정규화방법을 실행할 수 있는 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체.
  22. 제16 항 내지 제20 항 중 어느 한 항에 기재된 얼굴인식방법을 실행할 수 있는 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체.
KR1020050050496A 2005-06-13 2005-06-13 조명 정규화장치 및 방법과 이를 이용한 얼굴인식장치 및방법 KR20060129821A (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
KR1020050050496A KR20060129821A (ko) 2005-06-13 2005-06-13 조명 정규화장치 및 방법과 이를 이용한 얼굴인식장치 및방법
US11/447,993 US20060280344A1 (en) 2005-06-13 2006-06-07 Illumination normalizing apparatus, method, and medium and face recognition apparatus, method, and medium using the illumination normalizing apparatus, method, and medium

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020050050496A KR20060129821A (ko) 2005-06-13 2005-06-13 조명 정규화장치 및 방법과 이를 이용한 얼굴인식장치 및방법

Publications (1)

Publication Number Publication Date
KR20060129821A true KR20060129821A (ko) 2006-12-18

Family

ID=37524139

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020050050496A KR20060129821A (ko) 2005-06-13 2005-06-13 조명 정규화장치 및 방법과 이를 이용한 얼굴인식장치 및방법

Country Status (2)

Country Link
US (1) US20060280344A1 (ko)
KR (1) KR20060129821A (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20160142637A (ko) * 2015-06-03 2016-12-13 중원대학교 산학협력단 컬러 얼굴인식을 위한 컬러 보상장치

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8417959B2 (en) * 2006-12-18 2013-04-09 Southwest Research Institute Biometric device based on luminescence
US8953849B2 (en) 2007-04-19 2015-02-10 Eyelock, Inc. Method and system for biometric recognition
WO2008131201A1 (en) 2007-04-19 2008-10-30 Global Rainmakers, Inc. Method and system for biometric recognition
CN111310743B (zh) * 2020-05-11 2020-08-25 腾讯科技（深圳）有限公司 人脸识别方法、装置、电子设备及可读存储介质
CN117292440A (zh) * 2022-06-13 2023-12-26 马上消费金融股份有限公司 图像活体检测方法及装置

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH11161791A (ja) * 1997-11-28 1999-06-18 Victor Co Of Japan Ltd 個人識別装置
KR20000023923A (ko) * 1999-10-14 2000-05-06 이칠기 표정변화와 주변환경에 독립적인 지능형 얼굴검출방법.
KR20020050126A (ko) * 2000-12-19 2002-06-26 마츠시타 덴끼 산교 가부시키가이샤 1차 및 2차 고유특징을 사용하여 조명 및 시각에 영향받지않는 안면 기술 방법
KR20050065132A (ko) * 2003-12-24 2005-06-29 한국전자통신연구원 다중 생체 정보를 이용한 개인 등록 및 인증 시스템과 그방법

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH11161791A (ja) * 1997-11-28 1999-06-18 Victor Co Of Japan Ltd 個人識別装置
KR20000023923A (ko) * 1999-10-14 2000-05-06 이칠기 표정변화와 주변환경에 독립적인 지능형 얼굴검출방법.
KR20020050126A (ko) * 2000-12-19 2002-06-26 마츠시타 덴끼 산교 가부시키가이샤 1차 및 2차 고유특징을 사용하여 조명 및 시각에 영향받지않는 안면 기술 방법
KR20050065132A (ko) * 2003-12-24 2005-06-29 한국전자통신연구원 다중 생체 정보를 이용한 개인 등록 및 인증 시스템과 그방법

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20160142637A (ko) * 2015-06-03 2016-12-13 중원대학교 산학협력단 컬러 얼굴인식을 위한 컬러 보상장치

Also Published As

Publication number Publication date
US20060280344A1 (en) 2006-12-14

Similar Documents

Publication Publication Date Title
US7769209B2 (en) Biometric authentication method and biometric authentication apparatus
Ahmed et al. DTW-based kernel and rank-level fusion for 3D gait recognition using Kinect
Unar et al. A review of biometric technology along with trends and prospects
Kaur et al. A review on biometric recognition
Abate et al. I-Am: implicitly authenticate me—person authentication on mobile devices through ear shape and arm gesture
JP2018508888A (ja) モバイル・デバイスを用いてキャプチャしたイメージを使用する指紋ベースのユーザ認証を実行するためのシステムおよび方法
Zhang et al. 3D Biometrics
KR20060129821A (ko) 조명 정규화장치 및 방법과 이를 이용한 얼굴인식장치 및방법
Krish et al. Dynamic signature verification on smart phones
Khoh et al. In-air hand gesture signature recognition system based on 3-dimensional imagery
Kumar et al. Analysis of various biometric techniques
Traore et al. State of the art and perspectives on traditional and emerging biometrics: A survey
JP2017054323A (ja) 生体認証装置、生体認証方法、及び生体認証プログラム
US20230070660A1 (en) Authentication method, non-transitory computer-readable storage medium for storing authentication program, and information processing device
Matsuda et al. Walkthrough-style multi-finger vein authentication
Rathore et al. Scanning the voice of your fingerprint with everyday surfaces
Lin et al. A combination recognition method of palmprint and palm vein based on gray surface matching
Singha et al. Study and analysis on biometrics and face recognition methods
Jamdar et al. Multimodal biometric identification system using fusion level of matching score level in single modal to multi-modal biometric system
Chaitanya et al. Verification of pattern unlock and gait behavioural authentication through a machine learning approach
KR20080017763A (ko) 스코어 레벨 결합을 통한 홍채 인식 방법
Maruyama et al. User authentication using leap motion
Ennaama et al. Comparative and analysis study of biometric systems
Lumini et al. Over-complete feature generation and feature selection for biometry
Yousefi Analysis of methods for finger vein recognition

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
NORF Unpaid initial registration fee