KR20090113617A

KR20090113617A - Image authentication method, Apparatus and computer readable record-medium on which program for executing method thereof

Info

Publication number: KR20090113617A
Application number: KR1020080039426A
Authority: KR
Inventors: 홍광석; 윤준호
Original assignee: 성균관대학교산학협력단
Priority date: 2008-04-28
Filing date: 2008-04-28
Publication date: 2009-11-02
Also published as: KR100973832B1

Abstract

PURPOSE: An image authentication method, a device thereof, and a computer readable record-medium recorded with a program for executing the method are provided to recognize an inputted image using entropy value of the difference image about multiple registered images. CONSTITUTION: A pre-processor(104) extracts a target image for a selection from an input image. A difference image acquisition unit(106) reads the average reference image about the target image from the save area. The difference image acquisition unit compares the average reference image with the target image. The difference image acquisition unit obtains the difference image following the comparison result. A calculating unit(108) produces the entropy value of the obtained difference image. A determining unit(110) compares the calculated entropy value and the designated selection threshold value.

Description

Image recording method, apparatus and computer readable record-medium on which program for executing method

본 발명은 입력된 영상에 대한 선택을 수행하는 영상 선택 방법에 관한 것으로, 상세하게는 입력 영상과 기준 영상과의 차영상에 대한 엔트로피 값을 이용하여 입력 영상을 선택하는 방법, 장치 및 그 방법을 실행하는 프로그램이 기록된 기록매체에 관한 것이다. The present invention relates to an image selection method for performing selection of an input image, and more particularly, to a method, an apparatus, and a method for selecting an input image using an entropy value for a difference image between the input image and the reference image. The program to be executed relates to a recording medium on which the program is recorded.

일반적으로 생체인식은 고유성을 지닌 개개인의 생체정보를 정보화시켜 비밀번호와 같은 인증수단으로 사용한다. 즉, 자동화된 수단을 이용할 경우 미리 등록했던 생체정보와 인증수단 이용시에 제시하는 생체정보를 비교하여 동일한 이용자인지의 여부를 판단하는 기술로서, 주로 얼굴, 홍채, 망막, 정맥, 지문, 손, 귀, DNA 등의 신체적 특성을 이용하는 방법과 서명, 음성 또는 걸음걸이 등의 행동학적 특성을 이용하는 방법이 있다. In general, biometrics are used as authentication means such as passwords by integrating the biometric information of each individual with uniqueness. In other words, in the case of using the automated means, the biometric information registered in advance and the biometric information presented when using the authentication means are used to determine whether the user is the same user. The face, iris, retina, vein, fingerprint, hand, ear , Physical methods such as DNA, and behavioral features such as signature, voice, or gait.

예를 들어, 종래의 마이크를 이용한 생체인식은 음성을 이용한 화자 인식 및 인증으로 변화되었으며, 카메라를 이용한 생체인식에서는 얼굴, 귀, 지문, 홍채 등의 영상을 이용한 인식 및 인증까지도 가능하다. 이렇듯 자동인식의 성능 향상을 위해 아직도 많은 연구가 계속되고 있다. For example, the conventional biometric recognition using a microphone has been changed to speaker recognition and authentication using voice, and the biometric recognition using a camera is also possible to recognize and authenticate using images such as face, ear, fingerprint, and iris. As such, much research is being conducted to improve the performance of automatic recognition.

그러나 종래의 영상 인식 및 인증 기술은 입력되는 영상과 등록된 영상을 단순 비교하여 동일한지 여부로 인증 성공 여부를 판단하였다.However, in the conventional image recognition and authentication technology, the success of authentication is determined by simply comparing the input image with the registered image.

따라서 종래의 기술에 따르면, 동일성 여부로 인증 여부를 판단하므로, 인증이 성공되어야 하는 사람도 인증에 실패하는 경우가 종종 발생하였다.Therefore, according to the related art, since it is determined whether the authentication is the same or not, the person who is supposed to be successful often fails to authenticate.

따라서 본 발명은 상술한 문제점을 해결하기 위하여 안출된 것으로서, 본 발명의 목적은 차영상의 엔트로피 값을 이용하여 영상을 선택적으로 선별하는 영상 선택 방법을 제안하는 것이다.Accordingly, an object of the present invention is to propose an image selection method for selectively selecting an image using an entropy value of a difference image.

본 발명의 다른 목적은 복수의 등록된 영상에 대한 차영상의 엔트로피 값을 이용하여 입력된 영상을 인식할 수 있는 영상 선택 방법을 제안하는 것이다.Another object of the present invention is to propose an image selection method capable of recognizing an input image using an entropy value of a difference image for a plurality of registered images.

본 발명의 또 다른 목적은 등록된 영상에 대한 차영상의 엔트로피 값과 소정의 기준치를 비교하여 입력된 영상에 대한 인증을 수행하는 영상 선택 방법을 제안하는 것이다.Another object of the present invention is to propose an image selection method for performing authentication on an input image by comparing an entropy value of a difference image with respect to a registered image and a predetermined reference value.

본 발명의 일 측면에 따르면, 영상 선택 방법이 개시된다. 본 발명의 일 실시예에 따른 영상 선택 방법은 영상 선택 장치가 입력된 영상을 선택하는 방법에 있어서, (a) 입력 영상 중 일부로서, 상기 선택의 대상이 되는 대상 영상을 추출하는 단계; (b) 상기 대상 영상에 관한 평균 기준 영상을 저장영역으로부터 독출하는 단계; (c) 상기 독출된 평균 기준 영상과 상기 대상 영상을 비교하여, 상기 비교 결과에 따라 차영상을 획득하는 단계; (d) 상기 획득된 차영상의 엔트로피 값을 산출하는 단계; 및 (e) 상기 산출된 엔트로피 값과 선택 임계값(threshold)을 비교하여, 상기 입력 영상이 인식 또는 인증을 위해 입력된 영상인지 여부를 판단하는 단계를 포함한다.According to an aspect of the present invention, an image selection method is disclosed. An image selecting method according to an embodiment of the present invention includes a method of selecting an input image by an image selecting apparatus, the method comprising: (a) extracting a target image, which is a target of selection, as a part of an input image; (b) reading an average reference image of the target image from a storage area; (c) comparing the read average image with the target image to obtain a difference image according to the comparison result; (d) calculating an entropy value of the obtained difference image; And (e) comparing the calculated entropy value with a selection threshold to determine whether the input image is an image input for recognition or authentication.

상기 (e) 단계는, 상기 엔트로피 값과 선택 임계값을 비교하여 상기 엔트로피 값이 임계값보다 작은 경우, 상기 입력 영상이 인식 또는 인증을 위해 입력된 영상으로 판단하는 것을 특징으로 할 수 있다.In the step (e), when the entropy value is smaller than the threshold value by comparing the entropy value and the selection threshold value, the input image may be determined as an input image for recognition or authentication.

상기 (e) 단계는, 상기 엔트로피 값과 선택 임계값을 비교하여 상기 엔트로피 값이 임계값을 초과하는 경우, 상기 입력 영상이 인식 또는 인증을 위해 입력된 영상이 아닌 것으로 판단하는 것을 특징으로 할 수 있다.In the step (e), when the entropy value exceeds the threshold value by comparing the entropy value and the selection threshold value, it may be determined that the input image is not an image input for recognition or authentication. have.

상기 영상 선택 방법은 상기 (a) 단계 이전에, 히스토그램 평활화를 통하여, 상기 입력 영상을 평활화 입력 영상으로 변환하는 단계를 더 포함하되, 상기 (a) 단계는 상기 평활화 입력 영상으로부터 상기 대상 영상을 추출하는 것을 특징으로 할 수 있다.The image selection method may further include converting the input image into a smoothed input image through histogram smoothing before step (a), wherein the step (a) extracts the target image from the smoothed input image. It can be characterized by.

상기 (a) 단계는, 할-라이크(Harr-like) 특징 추출과 아다부스트(AdaBoost) 학습 알고리즘을 포함하는 검출 기법을 이용하는 것을 특징으로 할 수 있다.The step (a) may be characterized by using a detection technique including a Har-like feature extraction and an AdaBoost learning algorithm.

상기 (d) 단계는, 상기 대상 영상의 히스토그램 분포를 획득하는 단계; 상기 획득된 대상 영상의 히스토그램 분포에서, 레드(red) 히스토그램 빈도수에 대한 확률, 그린(green) 히스토그램 빈도수에 대한 확률 및 블루(blue) 히스토그램 빈도수 중 하나 이상을 이용하여 상기 엔트로피 값을 산출하는 단계를 포함하는 것을 특징으로 할 수 있다.The step (d) may include obtaining a histogram distribution of the target image; Calculating the entropy value from at least one of a probability for a red histogram frequency, a probability for a green histogram frequency, and a blue histogram frequency in the obtained histogram distribution of the target image; It may be characterized by including.

상기 (d) 단계는, 상기 차영상의 RGB영상, Gray영상, CMYK영상, HIS영상, HIV영상, YIQ영상, YUV영상 및 YCbCr영상 중 어느 하나를 이용하여 상기 엔트로피 값을 산출하는 것을 특징으로 할 수 있다.In step (d), the entropy value may be calculated using any one of an RGB image, a gray image, a CMYK image, a HIS image, an HIV image, a YIQ image, a YUV image, and a YCbCr image. Can be.

상기 (d) 단계에서, 상기 엔트로피 값(

)은,

을 통하여 산출되는 것을 특징으로 할 수 있다. 여기서, 상기

은 상기 차영상의 히스토그램에서 k(-255≤k≤+255, 중 임의의 자연수)번째 레드(red) 히스토그램의 빈도수에 대한 확률, 상기

은 차영상의 히스토그램에서 k번째 그린(green) 히스토그램의 빈도수에 대한 확률 및 상기

은 차영상의 히스토그램에서 k번째 블루(blue) 히스토그램의 빈도수에 대한 확률임.In step (d), the entropy value (

)silver,

It may be characterized in that it is calculated through. Where

Is the probability of the frequency of the k (-255 ≤ k ≤ + 255, any natural number) th red histogram in the histogram of the difference image,

Is the probability of the frequency of the k th green histogram in the histogram of the difference image and

Is the probability of the frequency of the kth blue histogram in the histogram of the difference image.

상기

는

을 통하여, 상기

는

을, 상기

는

을 통하여 각각 획득되는 것을 특징으로 할 수 있다. 여기서, 상기

는 상기 차영상의 히스토그램에서 R(Red) 히스토그램의 총합, 상기

는 상기 차영상의 히스토그램에서 G(Green) 히스토그램의 총합, 상기

는 상기 차영상의 히스토그램에서 B(Blue) 히스토그램의 총합, 상기

는 상기 차영상의 히스토그램에서 k번째 R(Red) 히스토그램의 빈도수, 상기

상기 차영상의 히스토그램에서 k번째 G(Green) 히스토그램의 빈도수, 상기

상기 차영상의 히스토그램에서 k번째 B(Blue) 히스토그램의 빈도수임.remind

Is

Through, above

Is

Remind,

Is

It may be characterized in that each obtained through. Where

Is the sum of the R (Red) histograms in the histogram of the difference image,

Is the sum of the G (Green) histograms in the histogram of the difference image,

Is the sum of the B (Blue) histograms in the histogram of the difference image,

Is the frequency of the k-th R (Red) histogram in the histogram of the difference image,

Frequency of k-th histogram in the histogram of the difference image,

Frequency of k-th histogram in the histogram of the difference image.

상기 (d) 단계에서, 상기 차영상의 그레이 영상에 대한 엔트로피 값(

)은In the step (d), the entropy value for the gray image of the difference image (

)silver

는 상기 차영상의 히스토그램에서 k(-255≤k≤+255, 중 임의의 자연수)번째 히스토그램의 빈도수에 대한 확률임.

It may be characterized in that it is calculated through. Where

Is the probability of the frequency of the k-th histogram in the histogram of the difference image.

상기

는,

을 통하여 획득되는 것을 특징으로 할 수 있다. 여 기서, 상기

는 상기 차영상의 히스토그램에서 각 히스토그램의 총합 및 상기

는 상기 차영상의 히스토그램에서 k번째 히스토그램 빈도수임.remind

Is,

It may be characterized in that obtained through. Where

The sum of each histogram in the histogram of the difference image and

Is the k-th histogram frequency in the histogram of the difference image.

상기 영상 선택 방법은 상기 (e) 단계 이후에, 상기 대상 영상을 복수의 개별 기준 영상과 비교하여, 상기 비교 결과에 따라 복수의 차영상을 획득하는 단계; 상기 복수의 차영상 각각의 엔트로피 값을 산출하는 단계; 및 상기 산출된 엔트로피 값들 중, 이 가장 작은 엔트로피 값에 대응하는 개별 기준 영상으로 상기 입력 영상을 인식하는 단계를 더 포함할 수 있다.The image selecting method may further include, after the step (e), comparing the target image with a plurality of individual reference images, and obtaining a plurality of difference images according to the comparison result; Calculating an entropy value of each of the plurality of difference images; And recognizing the input image as an individual reference image corresponding to the smallest entropy value among the calculated entropy values.

상기 영상 선택 방법은 상기 (e) 단계 이후에, 상기 대상 영상을 개별 기준 영상과 비교하여, 상기 비교 결과에 따라 차영상을 획득하는 단계; 상기 차영상의 엔트로피 값을 산출하는 단계; 및 상기 산출된 엔트로피 값이 인증 임계값(threshold) 미만인 경우, 상기 입력 영상을 인증하는 단계를 더 포함 할 수 있다.The image selecting method may further include, after the step (e), comparing the target image with an individual reference image, and obtaining a difference image according to the comparison result; Calculating an entropy value of the difference image; And when the calculated entropy value is less than an authentication threshold, authenticating the input image.

상기 입력 영상은, 얼굴 영상, 홍채 영상, 지문 영상, 치열 영상 중 하나 이상을 포함하는 것을 특징으로 할 수 있다.The input image may include one or more of a face image, an iris image, a fingerprint image, and a dental image.

본 발명의 일 측면에 따르면, 영상 선택 장치가 개시된다. 본 발명의 일 실시예에 따른 영상 선택 장치는 입력 영상 중 일부로서, 상기 선택의 대상이 되는 대상 영상을 추출하는 전처리부; 상기 대상 영상에 관한 평균 기준 영상을 저장영역으로부터 독출하고, 상기 독출된 평균 기준 영상과 상기 대상 영상을 비교하여, 상기 비교 결과에 따라 차영상을 획득하는 차영상 획득부; 상기 획득된 차영상의 엔트로피 값을 산출하는 산출부; 및 상기 산출된 엔트로피 값과 선택 임계값(threshold)을 비교하여, 상기 입력 영상이 인식 또는 인증을 위해 입력된 영상인지 여부를 판단하는 판단부를 포함한다.According to an aspect of the present invention, an image selection device is disclosed. An image selecting apparatus according to an embodiment of the present invention includes a pre-processing unit which extracts a target image to be selected as a part of an input image; A difference image acquisition unit configured to read an average reference image of the target image from a storage area, compare the read average image with the target image, and obtain a difference image according to the comparison result; A calculator configured to calculate an entropy value of the obtained difference image; And a determination unit comparing the calculated entropy value with a selection threshold to determine whether the input image is an input image for recognition or authentication.

상기 판단부는, 상기 엔트로피 값과 선택 임계값을 비교하여 상기 엔트로피 값이 상기 선택 임계값보다 작은 경우, 상기 입력 영상이 인식 또는 인증을 위해 입력된 영상으로 판단하는 것을 특징으로 할 수 있다.The determination unit may compare the entropy value with a selection threshold value and determine that the input image is an input image for recognition or authentication when the entropy value is smaller than the selection threshold value.

상기 판단부는, 상기 엔트로피 값과 선택 임계값을 비교하여 상기 엔트로피 값이 상기 선택 임계값을 초과하는 경우, 상기 입력 영상이 인식 또는 인증을 위해 입력된 영상이 아닌 것으로 판단하는 것을 특징으로 할 수 있다.The determination unit may compare the entropy value with a selection threshold value and determine that the input image is not an image input for recognition or authentication when the entropy value exceeds the selection threshold value. .

상기 전처리부는, 히스토그램 평활화를 통하여, 상기 입력 영상을 평활화 입력 영상으로 변환하고, 상기 평활화 입력 영상으로부터 상기 대상 영상을 추출하는 것을 특징으로 할 수 있다.The preprocessing unit may convert the input image into a smoothed input image through histogram smoothing, and extract the target image from the smoothed input image.

상기 전처리부는, 할-라이크(Harr-like) 특징 추출 및 아다부스트(AdaBoost) 학습 알고리즘을 포함하는 검출기법을 이용하는 것을 특징으로 할 수 있다.The preprocessing unit may be characterized by using a detector method including a Har-like feature extraction and an AdaBoost learning algorithm.

상기 산출부는, 상기 차영상의 히스토그램 분포를 획득하고, 상기 획득된 차영상의 히스토그램 분포에서, 레드(red) 히스토그램 빈도수에 대한 확률, 그린(green) 히스토그램 빈도수에 대한 확률 및 블루(blue) 히스토그램 빈도수 중 하나 이상을 이용하여 상기 엔트로피 값을 산출하는 것을 특징으로 할 수 있다.The calculation unit obtains a histogram distribution of the difference image, and a probability for a red histogram frequency, a probability for a green histogram frequency, and a blue histogram frequency in the obtained histogram distribution. The entropy value may be calculated using one or more of the above.

상기 산출부는, 상기 차영상의 RGB영상, Gray영상, CMYK영상, HIS영상, HIV 영상, YIQ영상, YUV영상 및 YCbCr영상 중 어느 하나를 이용하여 상기 엔트로피 값을 산출하는 것을 특징으로 할 수 있다.The calculating unit may calculate the entropy value by using any one of an RGB image, a gray image, a CMYK image, a HIS image, an HIV image, a YIQ image, a YUV image, and a YCbCr image of the difference image.

상기 엔트로피 값(

)은,

은 상기 차영상의 히스토그램에서 k(255≤k≤+255, 중 임의의 자연수)번째 레드(red) 히스토그램의 빈도수에 대한 확률, 상기

은 차영상의 히스토그램에서 k번째 블루(blue) 히스토그램의 빈도수에 대한 확률임.The entropy value (

)silver,

It may be characterized in that it is calculated through. Where

Is the probability of the frequency of the k (255? K? + 255, any natural number) th red histogram in the histogram of the difference image,

상기

는

을 통하여, 상기

는

을, 상기

는

는 상기 차영상의 히스토그램에서 k 번째 R(Red) 히스토그램의 빈도수, 상기

Is

Through, above

Is

Remind,

Is

It may be characterized in that each obtained through. Where

Is the sum of the R (Red) histograms in the histogram of the difference image,

Is the sum of the B (Blue) histograms in the histogram of the difference image,

Frequency of k-th histogram in the histogram of the difference image,

Frequency of k-th histogram in the histogram of the difference image.

상기 차영상의 그레이 영상에 대한 엔트로피 값(

)은

는 상기 차영상의 히스토그램에서 k(-255≤k≤+255, 중 임의의 자연수)번째 히스토그램의 빈도수에 대한 확률임.Entropy value for gray image of the difference image

)silver

It may be characterized in that it is calculated through. Where

상기

는,

을 통하여 획득되는 것을 특징으로 할 수 있다. 상기

Is,

It may be characterized in that obtained through. remind

The sum of each histogram in the histogram of the difference image and

Is the k-th histogram frequency in the histogram of the difference image.

상기 차영상 획득부는 상기 대상 영상을 복수의 개별 기준 영상과 비교하여, 상기 비교 결과에 따라 복수의 차영상을 획득하고, 상기 산출부는 상기 복수의 차영상 각각의 엔트로피 값을 산출하되, 상기 산출된 엔트로피 값들 중, 이 가장 작은 엔트로피 값에 대응하는 개별 기준 영상으로 상기 입력 영상을 인식하는 영상 인식부 더 포함 할 수 있다.The difference image acquisition unit compares the target image with a plurality of individual reference images, obtains a plurality of difference images according to the comparison result, and the calculation unit calculates entropy values of each of the plurality of difference images, Among the entropy values, the image recognition unit may further include an image recognition unit that recognizes the input image as an individual reference image corresponding to the smallest entropy value.

상기 차영상 획득부는, 상기 대상 영상을 개별 기준 영상과 비교하여, 상기 비교 결과에 따라 차영상을 획득하고, 상기 산출부는 상기 차영상의 엔트로피 값을 산출하되, 상기 산출된 엔트로피 값이 인증 임계값(threshold) 미만인 경우, 상기 입력 영상을 인증하는 영상 인증부를 더 포함 할 수 있다. The difference image obtaining unit compares the target image with an individual reference image, obtains a difference image according to the comparison result, and the calculating unit calculates an entropy value of the difference image, wherein the calculated entropy value is an authentication threshold value. If less than the threshold may further include an image authentication unit for authenticating the input image.

본 발명의 일 측면에 따르면, 본 발명은 상기 영상 선택 방법들을 수행하기 위해 디지털 처리 장치에 의해 실행될 수 있는 명령어들의 프로그램이 유형적으로 구현되어 있으며, 상기 디지털 처리 장치에 의해 판독될 수 있는 프로그램이 기록된 기록매체를 제공할 수 있다.According to an aspect of the present invention, the present invention is a type of program of instructions that can be executed by a digital processing apparatus for performing the image selection methods is tangibly implemented, the program that can be read by the digital processing apparatus is recorded Recorded media can be provided.

또한, 본 발명은 복수의 등록된 영상에 대한 차영상의 엔트로피 값을 이용하여 입력된 영상을 인식할 수 있는 효과가 있다.In addition, the present invention has the effect of recognizing the input image using the entropy value of the difference image for the plurality of registered images.

또한, 본 발명은 등록된 영상에 대한 차영상의 엔트로피 값과 소정의 기준치를 비교하여 입력된 영상에 대한 인증을 수행할 수 있는 효과가 있다.In addition, the present invention is effective to perform the authentication of the input image by comparing the entropy value of the difference image with respect to the registered image and a predetermined reference value.

본 발명은 다양한 변경을 가할 수 있고 여러 가지 실시예를 가질 수 있는 바, 특정 실시예들을 도면에 예시하고 상세한 설명에 상세하게 설명하고자 한다. 그러나, 이는 본 발명을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다. As the invention allows for various changes and numerous embodiments, particular embodiments will be illustrated in the drawings and described in detail in the written description. However, this is not intended to limit the present invention to specific embodiments, it should be understood to include all modifications, equivalents, and substitutes included in the spirit and scope of the present invention.

제2, 제1 등과 같이 서수를 포함하는 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되지는 않는다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다. 예를 들어, 본 발명의 권리 범위를 벗어나지 않으면서 제2 구성요소는 제1 구성요소로 명명될 수 있고, 유사하게 제1 구성요소도 제2 구성요소로 명명될 수 있다. 및/또는 이라는 용어는 복수의 관련된 기재된 항목들의 조합 또는 복수의 관련된 기재된 항목들 중의 어느 항목을 포함한다. Terms including ordinal numbers, such as second and first, may be used to describe various components, but the components are not limited by the terms. The terms are used only for the purpose of distinguishing one component from another. For example, without departing from the scope of the present invention, the second component may be referred to as the first component, and similarly, the first component may also be referred to as the second component. The term and / or includes a combination of a plurality of related items or any item of a plurality of related items.

어떤 구성요소가 다른 구성요소에 "연결되어" 있다거나 "접속되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다. 반면에, 어떤 구성요소가 다른 구성요소에 "직접 연결되어" 있다거나 "직접 접속되어" 있다고 언급된 때에는, 중간에 다른 구성요소가 존재하지 않는 것으로 이해되어야 할 것이다. When a component is referred to as being "connected" or "connected" to another component, it may be directly connected to or connected to that other component, but it may be understood that other components may be present in between. Should be. On the other hand, when a component is said to be "directly connected" or "directly connected" to another component, it should be understood that there is no other component in between.

본 출원에서 사용한 용어는 단지 특정한 실시예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 출원에서, "포함하다" 또는 "가지다" 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.The terminology used herein is for the purpose of describing particular example embodiments only and is not intended to be limiting of the present invention. Singular expressions include plural expressions unless the context clearly indicates otherwise. In this application, the terms "comprise" or "have" are intended to indicate that there is a feature, number, step, operation, component, part, or combination thereof described in the specification, and one or more other features. It is to be understood that the present invention does not exclude the possibility of the presence or the addition of numbers, steps, operations, components, components, or a combination thereof.

다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가지고 있다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥 상 가지는 의미와 일치하는 의미를 가지는 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.Unless defined otherwise, all terms used herein, including technical or scientific terms, have the same meaning as commonly understood by one of ordinary skill in the art. Terms such as those defined in the commonly used dictionaries should be construed as having meanings consistent with the meanings in the context of the related art and shall not be construed in ideal or excessively formal meanings unless expressly defined in this application. Do not.

이하, 첨부된 도면을 참조하여 본 발명에 따른 바람직한 실시예를 상세히 설명하되, 도면 부호에 관계없이 동일하거나 대응하는 구성 요소는 동일한 참조 번호를 부여하고 이에 대한 중복되는 설명은 생략하기로 한다.Hereinafter, exemplary embodiments of the present invention will be described in detail with reference to the accompanying drawings, and the same or corresponding components will be denoted by the same reference numerals regardless of the reference numerals and redundant description thereof will be omitted.

본 발명의 영상 선택 장치는 입력된 영상(이하, "입력 영상"이라 칭함)과 저장된 기준 영상을 이용하여 차영상을 생성한다. 그리고 영상 선택 장치는 생성된 차영상의 엔트로피 값을 산출한다. 그 후, 영상 선택 장치는 산출된 엔트로피 값을 이용하여 입력 영상을 인식 또는 인증 대상으로 고려할지 여부를 판단한다. 즉, 영상 선택 장치는 입력 영상을 모두 인증 대상으로 선택하지 않는다. 영상 선택 장치는 산출된 엔트로피 값과 미리 설정된 기준치(즉, 임계값)을 비교한다. 그리고 영상 선택 장치는 비교 결과에 따라 입력된 영상을 인식 또는 인증 대상으로 선택할 지 여부를 판단한다. The image selecting apparatus of the present invention generates a difference image by using an input image (hereinafter referred to as an "input image") and a stored reference image. The image selection device calculates an entropy value of the generated difference image. Thereafter, the image selection apparatus determines whether to consider the input image as a recognition or authentication target by using the calculated entropy value. That is, the image selection device does not select all of the input image as the authentication target. The image selection device compares the calculated entropy value with a preset reference value (ie, a threshold value). The image selection device determines whether to select an input image as a recognition or authentication target according to a comparison result.

본 발명에서 입력 영상은 사람의 생체 정보를 포함하는 영상일 수 있다. 예를 들어, 입력 영상은 얼굴 영상, 홍채 영상, 지문 영상, 치열 영상 등을 포함한다. In the present invention, the input image may be an image including biometric information of a person. For example, the input image includes a face image, an iris image, a fingerprint image, a dental image, and the like.

이하, 본 명세서는 이해와 설명의 편의를 위하여 얼굴 영상을 입력 영상의 대표적인 예로서 설명하도록 한다. 다만 본 발명은 이에 한정되지 아니하고 상술한 홍채 영상, 지문 영상, 치열 영상 등 영상 인증이 수행될 수 있는 다양한 영상을 포함한다. Hereinafter, the specification will be described as a representative example of the input image for the convenience of understanding and description. However, the present invention is not limited thereto and includes various images in which image authentication such as the above-described iris image, fingerprint image, and dental image may be performed.

이하, 도 1을 참조하여, 본 발명의 실시예에 따른 영상 선택 장치의 구성을 살펴보기로 한다. Hereinafter, a configuration of an image selection device according to an embodiment of the present invention will be described with reference to FIG. 1.

도 1은 본 발명의 일 실시예에 따른 영상 선택 장치(100) 의 구성도이다. 1 is a block diagram of an image selection apparatus 100 according to an embodiment of the present invention.

도 1을 참조하면 영상 선택 장치(100)는 입력부(102), 전처리부(104), 차영상 획득부(106), 산출부(108), 판단부(110), 영상 인식부(112), 인증부(114), 저장부(116) 및 출력부(118)를 포함할 수 있다.Referring to FIG. 1, the image selection device 100 includes an input unit 102, a preprocessor 104, a difference image acquisition unit 106, a calculation unit 108, a determination unit 110, an image recognition unit 112, The authentication unit 114 may include a storage unit 116 and an output unit 118.

입력부(102)는 외부 또는 자체 구비된 촬상 장치(미도시)로부터 영상을 입력 받는다. 상세하게는, 입력부(102)는 외부 장치로부터 영상을 수신할 수 있다. 예를 들어, 휴대 저장 매체(USB나 PMP 등)로부터 영상을 수신할 수 있으며, 무선망(무선 인터넷망이나 이동통신망 등)으로부터 수신할 수도 있다.The input unit 102 receives an image from an external or self-equipped imaging device (not shown). In detail, the input unit 102 may receive an image from an external device. For example, an image may be received from a portable storage medium (USB, PMP, etc.), or may be received from a wireless network (wireless internet network, mobile communication network, etc.).

또는 입력부(102)는 자체로 구비된 촬영 장치(미도시, 디지털 카메라 등)으 로부터 촬상된 영상을 입력 받을 수 있다. Alternatively, the input unit 102 may receive an image captured by a photographing device (not shown, a digital camera, etc.) provided therein.

전처리부(104)는 입력 영상에서 대상 영상을 추출한다. 여기서, 대상 영상은 입력 영상 중에서 인식 또는 인증의 대상인 영상이다. 예를 들어, 사람의 치열 영상으로 인식 또는 인증을 수행하는 경우를 가정하자. 이 경우, 상술한 입력부(102)는 얼굴 전체를 촬영한 영상을 입력 받을 수 있다. 전처리부(104)는 얼굴 전체 영상 중에서 인식 또는 인증을 위한 치열 영상을 대상 영상으로서 추출할 수 있다.The preprocessor 104 extracts the target image from the input image. Here, the target image is an image that is a target of recognition or authentication among the input images. For example, suppose that a recognition or authentication is performed by a human dental image. In this case, the input unit 102 may receive an image of the entire face. The preprocessor 104 may extract a dental image for recognition or authentication from the entire face image as a target image.

구체적으로, 전처리부(104)는 입력 영상에 히스토그램 평활화를 수행할 수 있다. 이때, 히스토그램 평활화는 입력 영상의 히스토그램 분포를 재분배하는 것이다. 즉, 전처리부(104)는 입력 영상의 히스토그램을 생성한다. 그리고 전처리부(104)는 생성된 히스토그램의 정규화된 합을 계산한다. 그 후, 전처리부(104)는 정규화된 히스토그램을 이용하여 입력 영상을 히스토그램의 분포가 평활화된 입력 영상(이하 "평활화 입력 영상"이라 칭함)으로 변환할 수 있다. In detail, the preprocessor 104 may perform histogram smoothing on the input image. At this time, histogram smoothing is to redistribute the histogram distribution of the input image. In other words, the preprocessor 104 generates a histogram of the input image. The preprocessing unit 104 then calculates a normalized sum of the generated histograms. Thereafter, the preprocessing unit 104 may convert the input image into an input image in which the distribution of the histogram is smoothed (hereinafter, referred to as a "smoothing input image") using the normalized histogram.

이에 따라, 전처리부(104)는 입력 영상의 밝기 분포가 특정 부분으로 치우친 경우, 좀 더 넓은 밝기 영역에 분포되도록 한다. Accordingly, when the brightness distribution of the input image is biased to a specific portion, the preprocessor 104 may be distributed in a wider brightness area.

또한, 전처리부(104)는 할-라이크(Haar-like) 특징 추출과 아다부스트(AdaBoost) 학습 알고리즘 등과 같은 다양한 검출 기법들을 이용하여 평활화 입력 영상으로부터 대상 영상을 추출한다.In addition, the preprocessing unit 104 extracts the target image from the smoothed input image by using various detection techniques such as haar-like feature extraction and AdaBoost learning algorithm.

여기서, 할-라이크 특징 추출은 특정 영역을 검출하는데 있어서, 각 영역 안에 있는 픽셀들의 값을 더하여 영역합을 구한다. 그리고 할-라이크 특징 추출은 영역합에 가중치를 곱한 합만을 계산하여 특정 영역(즉, 대상 영상)의 특징을 추출하 는 것이다.Here, the Hall-like feature extraction calculates the sum of the regions by adding the values of pixels in each region in detecting a specific region. Hal-like feature extraction extracts the feature of a specific region (ie, the target image) by calculating only the sum of the sum of the regions and the weight.

한편, 아다부스트 학습 알고리즘은 대상 영상, 예를 들어 치열 영상의 할-라이크 특징을 미리 그룹화하여 저장한다. 즉, 아다부스트 학습 알고리즘은 미리 특정 영역의 특징을 학습하는 과정을 포함한다. 그리고 아다부스트 학습 알고리즘은 학습된 특징들을 이용하여 할-라이크 특징들 중에서 특정 영역에 해당하는 특징을 분류할 수 있다. On the other hand, the Adaboost learning algorithm stores in advance the Hall-like features of the target image, for example, the dental image. That is, the Adaboost learning algorithm includes learning a feature of a specific region in advance. In addition, the Adaboost learning algorithm may classify a feature corresponding to a specific region among the to-like features using the learned features.

예를 들어, 전처리부(104)는 입력된 얼굴 영상의 할-라이크 특징으로 추출한다. 그리고 전처리부(104)는 아다부스트 학습 알고리즘을 통하여 할-라이크 특징 중에서 치열 영상에 대한 할-라이크 특징을 선택한다. For example, the preprocessor 104 extracts a Hall-like feature of the input face image. The preprocessing unit 104 selects a Hall-like feature for the orthodontic image from the Hall-like feature through the Adaboost learning algorithm.

본 명세서에서 소정의 영상으로부터 특정 영역(얼굴 영역이나 치열 영역 등)을 추출하는 할-라이크 특징 추출과 아다부스트 학습 알고리즘은 공지된 기술로 자세한 설명은 생략하기로 한다.In the present specification, the Hall-like feature extraction and the adamboost learning algorithm for extracting a specific region (a face region or a dental region, etc.) from a predetermined image are well-known techniques and detailed descriptions thereof will be omitted.

차영상 획득부(106)는 소정의 두 영상 사이의 차영상을 획득할 수 있다. 예를 들어, 차영상 획득부(106)는 두 영상의 픽셀 레이어들의 동일한 위치의 픽셀값의 차이를 산출한다. 그리고 차영상 획득부(106)는 산출된 차이값을 해당 위치의 픽셀값으로 각각 갖는 차영상을 획득한다. The difference image acquisition unit 106 may acquire a difference image between two predetermined images. For example, the difference image acquisition unit 106 calculates a difference between pixel values of the same positions of pixel layers of two images. The difference image acquisition unit 106 obtains a difference image each having the calculated difference as the pixel value of the corresponding position.

본 발명의 일 실시예에 따르면, 차영상 획득부(106)는 전처리부(104)가 추출한 대상 영상에 대한 평균 기준 영상을 영상 선택 장치(100)의 저장영역으로부터 독출한다. 여기서, 평균 기준 영상은 다수의 대상 영상들의 평균적인 영상으로 영상 선택 장치(100)의 저장영역에 저장되어 있다. 예를 들어, 대상 영상이 "이"를 발음하고 있는 치열 영상인 경우, 평균 기준 영상은 "이"를 발음하고 있는 여러 사람의 치열 영상의 평균적인 영상이다. 이때, 평균적인 영상이라 함은 복수의 치열 영상들의 픽셀 레이어에서 동일한 위치의 픽셀값들의 평균일 수 있다. According to an embodiment of the present invention, the difference image acquisition unit 106 reads an average reference image of the target image extracted by the preprocessor 104 from the storage area of the image selection device 100. Here, the average reference image is an average image of a plurality of target images and is stored in the storage area of the image selection device 100. For example, when the target image is an orthodontic image that pronounces "teeth", the average reference image is an average image of several orthodontic images of "oth" pronounced. In this case, the average image may be an average of pixel values at the same position in the pixel layer of the plurality of dental images.

또한, 차영상 획득부(106)는 저장영역에서 독출한 평균 기준 영상과 대상 영상을 비교한다. 그리고 차영상 획득부(106)는 비교 결과에 따라 상술한 두 영상(평균 기준 영상과 대상 영상)의 차영상을 획득한다.In addition, the difference image acquisition unit 106 compares the average reference image read from the storage area with the target image. The difference image acquisition unit 106 obtains a difference image of the above-described two images (an average reference image and a target image) according to the comparison result.

상세하게는, 차영상 획득부(106)는 평균 기준 영상의 픽셀 레이어와 대상 영상의 픽셀 레이어의 동일한 위치의 픽셀값의 차이를 구할 수 있다. 이에 따라, 차영상 획득부(106)는 해당 픽셀값의 차이를 이용하여 차영상을 획득할 수 있다.In detail, the difference image acquisition unit 106 may obtain a difference between pixel values at the same position between the pixel layer of the average reference image and the pixel layer of the target image. Accordingly, the difference image acquisition unit 106 may acquire the difference image using the difference of the corresponding pixel value.

산출부(108)는 획득된 차영상의 엔트로피 값을 산출한다. 산출부(108)는 차영상의 RGB영상, Gray영상, CMYK영상, HIS영상, HIV영상, YIQ영상, YUV영상 및 YCbCr영상 등의 어느 하나를 이용하여 다양한 bit의 차영상의 엔트로피 값을 산출할 수 있다. 여기서, RGB영상은 레드(red), 그린(green), 블루(blue)의 세가지 색으로 영상(즉, 차영상)을 표현한 것이다. 또한, Gray영상은 명암만으로, 흑백 영상으로 차영상을 표현한 것이다. 이하, 나머지 영상도 RGB영상이나 Gray영상과 유사하게 특정 색들을 기준으로 차영상을 변환한 영상으로, 이는 당업자에게 자명한 용어 및 영상 변환 기술로 자세한 설명은 생략하기로 한다. 이하, 본 명세서는 RGB영상을 대표적인 예로서 설명하나 본 발명은 이에 한정되지 않음은 상술한 바와 같다.The calculator 108 calculates an entropy value of the obtained difference image. The calculation unit 108 calculates entropy values of various bit difference images using any one of RGB image, gray image, CMYK image, HIS image, HIV image, YIQ image, YUV image, and YCbCr image. Can be. In this case, the RGB image represents an image (ie, a difference image) in three colors of red, green, and blue. In addition, the gray image represents only the contrast, and the difference image is represented by the black and white image. Hereinafter, the rest of the image is an image obtained by converting the difference image based on specific colors similarly to the RGB image or the gray image, which will be omitted. Hereinafter, the present specification describes an RGB image as a representative example, but the present invention is not limited thereto.

상세하게는, 산출부(108)는 차영상의 히스토그램을 생성한다. 그리고 산출 부(108)는 레드(red) 히스토그램 빈도수에 대한 확률, 그린(green) 히스토그램 빈도수에 대한 확률 및 블루(blue) 히스토그램 빈도수를 산출한다. 그리고 산출부(108)는 산출된 각 빈도수에 대한 확률 중 하나 또는 둘 이상의 조합을 이용하여 엔트로피 값을 산출할 수 있다. 엔트로피 값의 산출은 이하 도 2의 설명에서 수식과 함께 자세히 설명하도록 한다.In detail, the calculator 108 generates a histogram of the difference image. The calculation unit 108 calculates a probability for a red histogram frequency, a probability for a green histogram frequency, and a blue histogram frequency. In addition, the calculator 108 may calculate an entropy value using one or a combination of two or more of the calculated probabilities for each frequency. The calculation of the entropy value will be described later in detail with the formula in the description of FIG. 2.

판단부(110)는 엔트로피 값과 미리 지정된 임계값(threshold)을 비교한다. 그리고 판단부(110)는 비교 결과에 따라 입력 영상이 인식 또는 인증을 위해 입력된 영상인지 여부를 판단한다. The determination unit 110 compares the entropy value and a predetermined threshold. The determination unit 110 determines whether the input image is an input image for recognition or authentication according to the comparison result.

본 발명의 일 실시예에 따르면, 판단부(110)는 엔트로피 값을 입력 영상 선택을 위한 임계값(이하, "선택 임계값"이라 칭함)과 비교한다. According to an embodiment of the present invention, the determination unit 110 compares the entropy value with a threshold value (hereinafter, referred to as a "selection threshold value") for selecting an input image.

판단부(110)는 엔트로피 값이 선택 임계값을 초과하는 경우, 입력 영상을 거절한다. 즉, 판단부(110)는 입력 영상이 사용자가 원하는 인식 또는 인증을 위한 영상이 아닌 것으로 판단한다. 이로써, 영상 선택 장치(100)는 인증을 위해 불필요한 입력 영상(예를 들어, 치열 인식 또는 인증을 위한 경우, 눈동자 영상 및 잘못 검출된 치열(예: 반만 검출된 영상 등)을 거절할 수 있다.The determination unit 110 rejects the input image when the entropy value exceeds the selection threshold. That is, the determination unit 110 determines that the input image is not an image for recognition or authentication desired by the user. As a result, the image selection device 100 may reject an input image (eg, an image of a pupil and an erroneously detected image, such as a half-detected image) that is unnecessary for authentication.

또는 판단부(110)는 엔트로피 값이 선택 임계값 미만인 경우, 입력 영상을 인식 또는 인증을 위한 입력 영상으로 선택하는 것을 판단한다. 즉, 이후 선택된 입력 영상은 영상 인식이나 인증을 위한 영상으로 이용될 수 있다. 이에 대해서는 도 3 및 도 4의 설명에서 자세히 설명하도록 한다.Alternatively, when the entropy value is less than the selection threshold, the determination unit 110 determines to select the input image as the input image for recognition or authentication. That is, the selected input image may be used as an image for image recognition or authentication. This will be described in detail with reference to FIGS. 3 and 4.

영상 인식부(112)는 입력 영상을 인식한다. 여기서 입력 영상은 판단부(110) 가 인식을 위한 영상으로 선택한 것일 수 있다.The image recognizer 112 recognizes an input image. The input image may be selected by the determination unit 110 as an image for recognition.

상세하게는, 차영상 획득부(106)는 대상 영상과 복수의 개별 기준 영상(후술함)을 비교하여 복수의 차영상을 획득한다. 그 후, 산출부(108)는 차영상들 각각의 엔트로피 값을 산출한다. In detail, the difference image acquisition unit 106 obtains a plurality of difference images by comparing the target image with a plurality of individual reference images (to be described later). Thereafter, the calculator 108 calculates an entropy value of each of the difference images.

이 경우, 영상 인식부(112)는 산출된 엔트로피 값들 중 가장 작은 엔트로피 값을 선택한다. 그리고 영상 인식부(112)는 선택된 엔트로피 값에 대응하는 개별 기준 영상으로 입력 영상을 인식한다.In this case, the image recognition unit 112 selects the smallest entropy value among the calculated entropy values. The image recognition unit 112 recognizes the input image as the individual reference image corresponding to the selected entropy value.

본 실시예에 따르면, 입력 영상을 소정의 저장된 기준 영상(즉, 개별 기준 영상) 중 가장 유사한 영상으로 인식할 수 있다. According to the present exemplary embodiment, the input image may be recognized as the most similar image among predetermined stored reference images (that is, individual reference images).

이에 대해서는 도 3의 설명에서 자세히 설명하도록 한다.This will be described in detail in the description of FIG. 3.

인증부(114)는 입력 영상을 이용하여 인증을 수행한다. 여기서, 입력 영상은 판단부(110)가 인증을 위한 영상으로 선택한 것일 수 있다.The authenticator 114 performs authentication using the input image. Here, the input image may be selected by the determination unit 110 as an image for authentication.

상세하게는, 차영상 획득부(106)는 대상 영상과 개별 기준 영상과 비교(후술함)하여 차영상을 획득한다. 그 후, 산출부(108)는 차영상의 엔트로피 값을 산출한다. In detail, the difference image acquisition unit 106 obtains the difference image by comparing the target image with the individual reference image (to be described later). Thereafter, the calculator 108 calculates an entropy value of the difference image.

이때, 인증부(114)는 산출된 엔트로피 값과 소정의 기준치(이하, "인증 임계값"이라 칭함)와 비교한다. 그리고 인증부(114)는 산출된 엔트로피 값이 인증 임계값 미만인 경우, 입력 영상에 대한 인증을 수행한다. At this time, the authentication unit 114 compares the calculated entropy value with a predetermined reference value (hereinafter, referred to as an "authentication threshold value"). When the calculated entropy value is less than an authentication threshold value, the authenticator 114 performs authentication on the input image.

이에 대해서는 도 4의 설명에서 자세히 설명하도록 한다.This will be described in detail in the description of FIG. 4.

저장부(116)는 영상 선택 장치(100)의 구현을 위한 모든 정보 및 입력 신호 정보를 저장할 수 있다. 특히, 본 발명에서 저장부(116)는 미리 설정된 임계값, 평균 기준 영상 및 개별 기준 영상 등을 저장할 수 있다. The storage unit 116 may store all the information and the input signal information for implementing the image selection device 100. In particular, in the present invention, the storage unit 116 may store a preset threshold value, an average reference image, and an individual reference image.

출력부(118)는 판단부(110)의 판단이나 영상 인식부(112)의 인식 결과를 출력할 수 있다. 예를 들어, 영상 선택 장치(100)가 영상 인식 또는 영상 인증을 통하여 출입문을 제어하는 장치인 경우, 출력부(118)는 출입문을 여는 제어 신호를 출력할 수 있다.The output unit 118 may output the determination of the determination unit 110 or the recognition result of the image recognition unit 112. For example, when the image selection device 100 is a device that controls the door through image recognition or image authentication, the output unit 118 may output a control signal for opening the door.

또는 출력부(118)는 영상 인식 또는 인증 등의 결과가 사용자에게 표시되는 LCD 표시창 등일 수도 있다.Alternatively, the output unit 118 may be an LCD display window in which a result of image recognition or authentication is displayed to the user.

본 명세서에서는 입력부(102), 전처리부(104), 차영상 획득부(106), 산출부(108), 판단부(110), 영상 인식부(112), 영상 인증부(114), 저장부(116) 및 출력부(118)가 구분되는 것으로 설명하였으나, 본 발명은 이에 한정되지 아니하고, 본 발명이 구현됨에 있어서 모든 또는 일부 구성부가 하나의 프로그램이 저장 및 실행되는 모듈로 구현될 수 있음은 당업자에게 자명하다.In the present specification, the input unit 102, the preprocessor 104, the difference image acquisition unit 106, the calculation unit 108, the determination unit 110, the image recognition unit 112, the image authentication unit 114, and a storage unit Although 116 and the output unit 118 have been described as being separated, the present invention is not limited thereto, and in the implementation of the present invention, all or some components may be implemented as modules in which one program is stored and executed. It is obvious to those skilled in the art.

지금까지 도 1을 참조하여 본 발명의 일 실시예에 따른 영상 선택 장치(100)의 구성에 대해 설명하였다. 이하, 도 2를 참조하여 본 발명의 일 실시예에 따른 영상 선택 과정에 관하여 설명하기로 한다. So far, the configuration of the image selection device 100 according to an embodiment of the present invention has been described with reference to FIG. 1. Hereinafter, an image selection process according to an embodiment of the present invention will be described with reference to FIG. 2.

도 2는 본 발명의 일 실시예에 따른 영상 선택 과정을 나타내는 순서도이다.2 is a flowchart illustrating an image selection process according to an embodiment of the present invention.

이하, 도 1을 참조하여 설명한 각 구성부를 포함하는 본 발명의 영상 선택 장치(100)를 주체로 하여 설명한다. 영상 선택 장치(100)의 각 구성부의 기능에 대 해서는 도 1을 참조하여 설명하였다. 그러나, 본 발명이 도 1의 각 구성부로서만 구현된다는 것으로 해석되는 것은 아니며, 그 명칭에 불구하고 동일 또는 매우 유사한 기능을 하는 하나 이상의 구성부로서 구현될 수 있다. 따라서, 이하 도 2를 참조하여 본 발명을 설명함에 있어서 영상 선택 장치(100)를 주체로 하여 설명한다. Hereinafter, the image selection device 100 of the present invention including each component described with reference to FIG. 1 will be mainly described. The function of each component of the image selection device 100 has been described with reference to FIG. 1. However, the present invention is not to be interpreted as being implemented only as each component of FIG. 1, and may be implemented as one or more components having the same or very similar functions despite the name. Therefore, in the following description of the present invention with reference to Figure 2 will be described mainly the image selection device 100.

이하, 도 1을 참조하여 설명한 본 발명의 기능 및 동작에 대해서는, 본 발명의 요지를 분명히 하기 위하여 중복된 설명은 생략한다. Hereinafter, the descriptions of the functions and operations of the present invention described with reference to FIG. 1 will not be repeated to clarify the gist of the present invention.

본 발명의 영상 선택 장치(100)는 입력된 영상 중에서 인식 또는 인증을 위하여 필요한 영상을 선택한다. 이에 따라 영상 인식 또는 인증을 위해 입력된 영상 중에서 불필요한 영상을 미리 거절할 수 있다. 따라서 본 발명은 영상 인식 또는 인증의 효율성을 높일 수 있다.The image selecting apparatus 100 of the present invention selects an image necessary for recognition or authentication from among the input images. Accordingly, an unnecessary image can be rejected in advance among images input for image recognition or authentication. Therefore, the present invention can increase the efficiency of image recognition or authentication.

이하, 도 2를 참조하여 입력된 영상의 선택 과정을 자세히 살펴보도록 한다.Hereinafter, a process of selecting an input image will be described in detail with reference to FIG. 2.

단계 S210에서, 영상 선택 장치(100)는 외부 또는 자체 구비된 촬상 장치로부터 영상을 입력 받는다. In operation S210, the image selection device 100 receives an image from an external or self-capturing imaging device.

이어서, 단계 S220에서, 영상 선택 장치(100)는 입력 영상에 대해 히스토그램 평활화를 수행한다. 즉, 영상 선택 장치(100)는 입력 영상을 평활화 입력 영상으로 변환한다.In operation S220, the image selecting apparatus 100 performs histogram smoothing on the input image. That is, the image selection device 100 converts the input image into a smoothed input image.

상세하게는, 영상 선택 장치(100)는 입력 영상의 히스토그램의 생성한다. 그리고 영상 선택 장치(100)는 생성된 히스토그램에 대해 평활화(즉, 히스토그램의 분포를 재분배)를 수행한다. 그 후, 평활화된 히스토그램을 이용하여 입력 영상을 평활화 입력 영상으로 변환한다.In detail, the image selection device 100 generates a histogram of the input image. In addition, the image selection apparatus 100 performs smoothing (that is, redistribution of distribution of the histogram) on the generated histogram. Thereafter, the input image is converted into a smoothed input image using the smoothed histogram.

이어서, 단계 S230에서, 영상 선택 장치(100)는 평활화 입력 영상으로부터 대상 영상을 추출한다. 예를 들어, 영상 선택 장치(100)가 치열 영상으로 인식 또는 인증을 수행하는 경우를 가정하자. 이 경우, 영상 선택 장치(100)는 입력된 얼굴 영상에서 치열 영상을 추출할 수 있다.In operation S230, the image selecting apparatus 100 extracts a target image from the smoothed input image. For example, suppose that the image selection device 100 performs recognition or authentication as a dental image. In this case, the image selection device 100 may extract the dental image from the input face image.

이때, 영상 선택 장치(100)는 할-라이크 특징 추출과 아다부스트 학습 알고리즘을 이용하여 대상 영상을 추출할 수 있음은 상술한 바와 같다.In this case, as described above, the image selection device 100 may extract the target image by using the Hall-like feature extraction and the Adaboost learning algorithm.

이어서, 단계 S240에서, 영상 선택 장치(100)는 저장영역으로부터 평균 기준 영상을 독출한다. 이때, 평균 기준 영상은 미리 저장된 기준 영상으로서, 대상 영상에 관하여 여러 사람의 영상의 평균적인 영상이다. 예를 들어, 평균 기준 영상은 100명의 치열 영상에서 각 픽셀값의 평균을 이용하여 생성된 기준 영상일 수 있다. In operation S240, the image selecting apparatus 100 reads an average reference image from the storage area. In this case, the average reference image is a pre-stored reference image and is an average image of images of several people with respect to the target image. For example, the average reference image may be a reference image generated using an average of each pixel value in 100 dental images.

이어서, 단계 S250에서, 영상 인증 장치는 단계 S240에서 독출된 평균 기준 영상과 대상 영상의 차영상을 획득한다. 예를 들어, 영상 선택 장치(100)는 평균 기준 영상의 각 픽셀값에 대상 영상의 동일한 위치의 픽셀값을 뺀 수치를 이용하여 차영상을 획득할 수 있다.Subsequently, in step S250, the image authentication device obtains a difference image between the average reference image read out in step S240 and the target image. For example, the image selection apparatus 100 may obtain a difference image by using a value obtained by subtracting pixel values of the same position of the target image from each pixel value of the average reference image.

이어서, 단계 S260에서, 영상 선택 장치(100)는 단계 S250에서 획득된 차영상의 엔트로피 값을 산출한다. 여기서, 영상 선택 장치(100)는 차영상의 RGB영상, Gray영상, CMYK영상, HIS영상, HIV영상, YIQ영상, YUV영상 및 YCbCr영상 중 다양한 bit 의 어느 하나를 이용할 수 있음은 상술한 바와 같다. In operation S260, the image selection apparatus 100 calculates an entropy value of the difference image acquired in operation S250. Here, the image selection device 100 may use any one of various bits among RGB image, gray image, CMYK image, HIS image, HIV image, YIQ image, YUV image, and YCbCr image of the difference image. .

이하, 차영상의 24bit RGB영상을 이용하는 경우를 대표적인 예로서 설명한 다.Hereinafter, a case of using a 24-bit RGB image of the difference image will be described as a representative example.

영상 선택 장치(100)는 차영상의 히스토그램을 생성하고, 생성된 히스토그램의 각 색깔(레드, 그린, 블루 등)별 빈도수에 대한 확률을 이용하여 엔트로피 값을 산출할 수 있다.The image selection apparatus 100 may generate a histogram of the difference image and calculate an entropy value by using a probability for each color (red, green, blue, etc.) of the generated histogram.

구체적으로, 영상 선택 장치(100)는 하기의 수학식 1을 통하여 24bit RGB 영상일 경우, 엔트로피 값을 산출할 수 있다. In detail, the image selection device 100 may calculate an entropy value in the case of a 24-bit RGB image through Equation 1 below.

[수학식 1][Equation 1]

여기서,

은 상기 차영상의 히스토그램에서 k(-255≤k≤+255, 중 임의의 자연수)번째 레드(red) 히스토그램의 빈도수에 대한 확률,

은 차영상의 히스토그램에서 k번째 그린(green) 히스토그램의 빈도수에 대한 확률 및

은 차영상의 히스토그램에서 k번째 블루(blue) 히스토그램의 빈도수에 대한 확률이다.here,

Is the probability of the frequency of the kth green histogram in the histogram of the difference image, and

이때, 영상 선택 장치(100)는 상기 수학식 1의

,

를 하기의 수학식 2를 통하여 각각 산출할 수 있다. At this time, the image selection device 100 is

,

Can be calculated through Equation 2 below.

[수학식 2][Equation 2]

,

,

,

여기서,

상기 차영상의 히스토그램에서 k번째 B(Blue) 히스토그램의 빈도수이다. here,

Is the sum of the R (Red) histograms in the histogram of the difference image,

Is the sum of the B (Blue) histograms in the histogram of the difference image,

Frequency of k-th histogram in the histogram of the difference image,

The frequency of the k-th histogram in the histogram of the difference image.

즉, 영상 선택 장치(100)는 차영상의 RGB영상을 이용하여 차영상의 엔트로피 값을 산출할 수 있다. That is, the image selection device 100 may calculate an entropy value of the difference image by using the RGB image of the difference image.

이어서, 단계 S270에서, 영상 선택 장치(100)는 엔트로피 값이 선택 임계값을 초과하는지 여부를 판단할 수 있다. In operation S270, the image selection apparatus 100 may determine whether the entropy value exceeds the selection threshold.

이어서, 단계 S280에서, 영상 선택 장치(100)는 단계 S270에서의 판단 결과, 엔트로피 값이 선택 임계값을 초과하지 않는 경우, 입력 영상을 인식 또는 인증을 위한 영상으로 선택한다. Subsequently, in operation S280, when the determination result of operation S270 determines that the entropy value does not exceed the selection threshold value, the image selection device 100 selects the input image as an image for recognition or authentication.

한편, 단계 S290에서, 영상 인증 장치는 단계 S270에서의 판단 결과, 엔트로피 값이 선택 임계값을 초과하는 경우, 입력 영상을 인식 또는 인증을 위한 영상이 아닌 것으로 판단한다. 따라서 영상 선택 장치(100)는 입력 영상을 인식 또는 인증 대상에서 제외, 즉 거절한다.Meanwhile, in operation S290, when the image authentication apparatus determines that the entropy value exceeds the selection threshold in operation S270, the image authentication apparatus determines that the input image is not an image for recognition or authentication. Therefore, the image selection device 100 excludes, that is, rejects the input image from the recognition or authentication target.

따라서 본 발명에 따르면, 영상 선택 장치(100)는 차영상의 엔트로피 값이 소정의 기준치보다 클 경우, 즉 대상 영상이 평균 기준 영상과 차이가 많이 나는 경우에는 입력 영상에 대한 인식을 수행하지 않거나 영상을 통한 인증을 거절한다.Accordingly, according to the present invention, when the entropy value of the difference image is larger than a predetermined reference value, that is, when the target image is different from the average reference image, the image selection device 100 does not recognize the input image or the image. Reject authentication via

이로써, 영상 선택 장치(100)는 인식 또는 인증을 위한 입력 영상을 1차적으로 선택할 수 있어, 인식 또는 인증 과정의 효율성을 높일 수 있다. As a result, the image selection device 100 may primarily select an input image for recognition or authentication, thereby increasing the efficiency of the recognition or authentication process.

지금까지 도 2을 참조하여 본 발명의 일 실시예에 따른 영상 선택 장치(100)의 구성에 대해 설명하였다. 이하, 도 2를 참조하여 본 발명의 일 실시예에 따른 영상 선택 과정에 관하여 설명하기로 한다. So far, the configuration of the image selection device 100 according to an embodiment of the present invention has been described with reference to FIG. 2. Hereinafter, an image selection process according to an embodiment of the present invention will be described with reference to FIG. 2.

도 3은 본 발명의 일 실시예에 따른 영상 인식 과정을 나타내는 순서도이다.3 is a flowchart illustrating an image recognition process according to an embodiment of the present invention.

본 발명의 영상 선택 장치(100)는 입력된 영상이 어떠한 영상인지 인식할 수 있다. 상세하게는 영상 선택 장치(100)는 입력 영상이 저장된 개별 기준 영상들 중에서 어떠한 개별 기준 영상과 가장 유사한지를 판단할 수 있다. 그리고 영상 선택 장치(100)는 입력 영상을 가장 유사한 개별 기준 영상으로 인식한다.The image selection device 100 of the present invention may recognize which image the input image is. In detail, the image selection apparatus 100 may determine which individual reference image is the most similar among the individual reference images in which the input image is stored. The image selection device 100 recognizes the input image as the most similar individual reference image.

예를 들어, "이"라는 발음을 하는 얼굴 영상이 입력된 경우를 가정하자. 영상 인증 장치는 "이"라는 발음을 하는 여러 사람의 치열 영상을 저장하고 있다. 따라서 영상 선택 장치(100)는 다수의 치열 영상(개별 기준 영상)과 입력 영상의 치열 영상(즉, 대상 영상)의 차영상을 획득한다. 그리고 영상 선택 장치(100)는 입력 영상의 화자를 획득된 차영상의 엔트로프 값이 가장 작은 개별 기준 영상의 화자로 인식할 수 있다.For example, suppose that a face image that pronounces "yi" is input. The image authentication device stores an orthodontic image of several people who pronounce "yi". Accordingly, the image selection device 100 obtains a difference image between a plurality of orthodontic images (individual reference images) and an orthodontic image (ie, a target image) of an input image. The image selection apparatus 100 may recognize the speaker of the input image as the speaker of the individual reference image having the smallest entropy value of the obtained difference image.

이하, 영상 선택 장치(100)가 입력 영상을 선택한 것을 가정하고, 도 3을 참 조하여 입력된 영상을 인식하는 과정을 자세히 살펴보도록 한다.Hereinafter, assuming that the image selection device 100 selects an input image, the process of recognizing the input image will be described in detail with reference to FIG. 3.

단계 S310에서, 영상 선택 장치(100)는 저장영역으로부터 대상 영상에 대한 복수의 개별 기준 영상을 독출한다. 여기서, 개별 기준 영상은 대상 영상에 관련된 다양한 기준 영상이다. 예를 들어, 대상 영상이 치열 영상인 경우, 개별 기준 영상은 여러 사람의 치열 영상이다. 또 다른 예를 들면, 대상 영상이 지문 영상인 경우, 개별 기준 영상은 여러 사람의 지문 영상이다.In operation S310, the image selecting apparatus 100 reads a plurality of individual reference images of the target image from the storage area. Here, the individual reference images are various reference images related to the target image. For example, when the target image is a dental image, the individual reference images are dental images of several people. In another example, when the target image is a fingerprint image, the individual reference images are fingerprint images of several people.

이때, 상술한 여러 사람이란 인증이 수행될 사람들을 의미한다. 예를 들어, 출입문이 지문 인식기 본 발명의 영상 인증 장치가 적용된 경우를 가정하자. 이 경우, 지문 인식기는 출입을 허용한 사람들의 지문 영상을 저장하고 있다. 이때, 개별 기준 영상은 저장된 지문 영상일 수 있다.In this case, the above-mentioned various people mean people to be authenticated. For example, assume that the door is a fingerprint reader, the image authentication device of the present invention is applied. In this case, the fingerprint reader stores fingerprint images of people who have allowed access. In this case, the individual reference image may be a stored fingerprint image.

즉, 영상 선택 장치(100)는 대상 영상에 대한 개별 기준 영상을 저장영역으로부터 독출한다. That is, the image selection device 100 reads out an individual reference image of the target image from the storage area.

이후, 단계 S320에서, 영상 선택 장치(100)는 대상 영상과 단계 S310에서 독출된 복수의 개별 기준 영상 각각의 차영상을 획득한다.In operation S320, the image selection apparatus 100 obtains a difference image between the target image and each of the plurality of individual reference images read in operation S310.

즉, 영상 선택 장치(100)는 개별 기준 영상마다 대상 영상과 픽셀값을 차분하여 개별 기준 영상의 개수만큼의 차영상을 획득할 수 있다.That is, the image selection device 100 may obtain the difference images as many as the number of individual reference images by dividing the target image and the pixel value for each individual reference image.

이어서, 단계 S330에서, 영상 선택 장치(100)는 단계 S320에서 획득된 각 차영상의 엔트로피 값을 산출한다. 여기서, 엔트로피 값을 산출하는 과정은 도 2의 단계 S260에서 엔트로피 값을 산출하는 과정과 유사하므로 자세한 설명은 생략하기로 한다.In operation S330, the image selection apparatus 100 calculates an entropy value of each difference image acquired in operation S320. Here, since the process of calculating the entropy value is similar to the process of calculating the entropy value in step S260 of FIG. 2, a detailed description thereof will be omitted.

이어서, 단계 S340에서, 영상 선택 장치(100)는 산출된 복수의 엔트로피 값 중에서 가장 작은 엔트로피 값을 선택한다. Subsequently, in operation S340, the image selecting apparatus 100 selects the smallest entropy value among the calculated plurality of entropy values.

왜냐하면, 차영상의 엔트로피 값이 가장 작다는 것은 대상 영상과 해당 개별 기준 영상의 차이가 가장 작다는 것을, 즉 두 영상이 가장 유사하다는 것을 의미하기 때문이다.This is because the smallest entropy value of the difference image means that the difference between the target image and the respective reference image is the smallest, that is, the two images are most similar.

이어서, 단계 S350에서, 영상 선택 장치(100)는 선택된 엔트로피 값에 대응하는 개별 기준 영상으로 입력 영상을 인식한다. Subsequently, in operation S350, the image selecting apparatus 100 recognizes the input image as the individual reference image corresponding to the selected entropy value.

예를 들어, 대상 영상이 치열 영상인 경우를 가정하자. 이 경우, 영상 선택 장치(100)는 대상 영상과 가장 유사한 개별 기준 영상을 선택한다. 그리고 해당 개별 기준 영상의 화자가 A인 경우, 영상 인증 장치는 입력 영상의 화자도 A인 것을 인식할 수 있다. For example, suppose a target image is a dental image. In this case, the image selecting apparatus 100 selects an individual reference image most similar to the target image. When the speaker of the respective reference image is A, the image authentication apparatus may recognize that the speaker of the input image is A.

본 발명에 의하면, 영상 선택 장치(100)는 차영상의 엔트로피 값을 이용하여 입력 영상을 인식할 수 있다. 즉, 영상 선택 장치(100)는 차영상의 엔트로피 값을 이용하여 입력 영상이 얼굴 영상인 경우, 얼굴의 주인공을 인식할 수 있다. 물론 얼굴의 주인공을 인식하기 위해서는 개별 기준 영상에 매치되는 사람의 식별정보(이름, 주민 번호, 사원 번호 등)를 저장하고 있어야 한다. According to the present invention, the image selection device 100 may recognize the input image using the entropy value of the difference image. That is, when the input image is a face image, the image selection device 100 may recognize the main character of the face using the entropy value of the difference image. Of course, in order to recognize the main character of the face, it is necessary to store identification information (name, resident number, employee number, etc.) of the person matching the individual reference image.

지금까지 도 2을 참조하여 본 발명의 일 실시예에 따른 영상 인식 과정에 대해 설명하였다. 이하, 도 2를 참조하여 본 발명의 일 실시예에 따른 영상 인증 과정에 관하여 설명하기로 한다. So far, the image recognition process according to the exemplary embodiment of the present invention has been described with reference to FIG. 2. Hereinafter, an image authentication process according to an embodiment of the present invention will be described with reference to FIG. 2.

도 4는 본 발명의 일 실시예에 따른 영상 인증 과정을 나타내는 순서도이다.4 is a flowchart illustrating an image authentication process according to an embodiment of the present invention.

본 발명의 영상 선택 장치(100)는 입력된 영상에 대한 인증을 수행할 수 있다. 상세하게는 영상 선택 장치(100)는 입력 영상과 저장된 개별 기준 영상의 차영상을 획득한다. 그리고 영상 선택 장치(100)는 획득된 차영상의 엔트로피 값을 산출하고, 산출된 엔트로피 값과 인증 임계값을 비교하여 입력 영상에 대한 인증을 수행할 수 있다.The image selection device 100 of the present invention may perform authentication on the input image. In detail, the image selection device 100 obtains a difference image between the input image and the stored individual reference image. The image selection apparatus 100 may calculate an entropy value of the acquired difference image, and perform authentication on the input image by comparing the calculated entropy value with an authentication threshold value.

이하, 영상 선택 장치(100)가 입력 영상을 선택한 것을 가정하고, 도 3을 참조하여 입력된 영상을 인증하는 과정을 자세히 살펴보도록 한다.Hereinafter, assuming that the image selection device 100 selects an input image, the process of authenticating the input image will be described in detail with reference to FIG. 3.

단계 S410, 단계 S420 및 단계 S430에서, 영상 선택 장치(100)는 개별 기준 영상을 독출하고, 대상 영상과 독출된 개별 기준 영상의 차영상을 획득한다. 그리고 영상 선택 장치(100)는 획득된 차영상의 엔트로피 값을 산출한다. In operation S410, operation S420, and operation S430, the image selecting apparatus 100 reads an individual reference image and acquires a difference image between the target image and the read individual reference image. The image selection device 100 calculates an entropy value of the acquired difference image.

이때, 단계 S410, 단계 S420 및 단계 S430는 각각 도 2를 참조하여 설명한 단계 S310, 단계 S320 및 단계 S330과 유사하다. 다만, 단계 S310, 단계 S320 및 단계 S330와 달리 하나의 개별 기준 영상에 대해서 차영상의 엔트로피 값을 산출할 뿐이다. 따라서 단계 S410, 단계 S420 및 단계 S430에 대한 자세한 설명은 생략하기로 한다.In this case, step S410, step S420 and step S430 are similar to step S310, step S320 and step S330 described with reference to FIG. However, unlike steps S310, S320, and S330, the entropy value of the difference image is calculated for one individual reference image. Therefore, detailed descriptions of steps S410, S420, and S430 will be omitted.

이어서, 단계 S440에서, 영상 선택 장치(100)는 산출된 엔트로피 값이 인증 임계값 미만인지 여부를 판단한다.Subsequently, in operation S440, the image selecting apparatus 100 determines whether the calculated entropy value is less than an authentication threshold.

여기서, 인증 임계값은 미리 설정된 값이다. 상세하게는, 인증 임계값은 대상 영상을 개별 기준 영상과 동일한 사람에 대한 영상으로 판단할 수 있는지 여부 를 위한 기준치이다.Here, the authentication threshold is a preset value. In detail, the authentication threshold is a reference value for determining whether the target image can be determined as the image of the same person as the individual reference image.

따라서, 단계 S450에서, 영상 선택 장치(100)는 단계 S440에서의 판단 결과, 산출된 엔트로피 값이 인증 임계값 미만인 경우, 입력 영상에 대한 인증이 성공된 것을 판단한다. Accordingly, in operation S450, when the determined entropy value is less than the authentication threshold value, the image selection device 100 determines that authentication of the input image is successful.

즉, 영상 선택 장치(100)는 산출된 엔트로피 값이 인증 임계값보다 작기 때문에 대상 영상과 개별 기준 영상이 동일한 사람에 대한 영상으로 판단할 수 있다.That is, since the calculated entropy value is smaller than the authentication threshold value, the image selection device 100 may determine that the target image and the individual reference image are images of the same person.

따라서 해당 입력 영상을 이용한 인증 요청이 있는 경우, 영상 인증 장치는 인증에 성공하였음을 판단한다. 그리고 영상 선택 장치(100)는 인증 성공 결과를 출력할 수 있다. 상술한 예를 참조하면 영상 선택 장치(100)는 출입문이 열리도록 하는 제어 신호를 출력할 수 있다.Therefore, when there is an authentication request using the corresponding input image, the image authentication apparatus determines that authentication is successful. The image selection device 100 may output an authentication success result. Referring to the above-described example, the image selection device 100 may output a control signal for opening the door.

한편, 단계 S460에서, 영상 선택 장치(100)는 단계 S440에서의 판단 결과, 산출된 엔트로피 값이 인증 임계값 미만이 아닌 것을 판단되는 경우, 인증이 실패된 것을 판단할 수 있다.In operation S460, when it is determined in operation S440 that the calculated entropy value is not less than an authentication threshold value, the image selection device 100 may determine that authentication has failed.

이 경우, 도면에 도시하지는 않았지만 영상 선택 장치(100)는 다른 개별 기준 영상을 독출하여 상술한 단계 S420 내지 단계 S440을 반복하여 수행할 수 있다. 따라서 저장된 모든 개별 기준 영상에 대하여 인증이 실패된 경우, 영상 선택 장치(100)는 인증 과정을 종료할 수 있다. 여기서, 저장된 개별 기준 영상은 출입이 허용된 사람의 치열 영상일 수 있다.In this case, although not shown in the drawing, the image selection apparatus 100 may read out another individual reference image and repeat the above-described steps S420 to S440. Therefore, when authentication fails for all stored individual reference images, the image selection device 100 may end the authentication process. Here, the stored individual reference image may be an orthodontic image of a person allowed to enter.

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. The invention can also be embodied as computer readable code on a computer readable recording medium. The computer-readable recording medium includes all kinds of recording devices in which data that can be read by a computer system is stored.

예를 들어, 컴퓨터가 읽을 수 있는 기록매체는 ROM, RAM, CD-ROM, 자기 테이프, 플라피디스크, 광데이터 저장장치 등을 포함할 수 있다. For example, the computer-readable recording medium may include a ROM, a RAM, a CD-ROM, a magnetic tape, a floppy disk, an optical data storage device, and the like.

또한 캐리어 웨이브(예를 들어 인터넷을 통한 전송)의 형태로 구현되는 것도 포함할 수 있다. It may also include the implementation in the form of a carrier wave (for example, transmission over the Internet).

또한 컴퓨터가 읽을 수 있는 기록매체는 네트워크로 연결된 컴퓨터 시스템에 분산되어, 분산방식으로 컴퓨터가 읽을 수 있는 코드가 저장되고 실행될 수 있다. The computer readable recording medium can also be distributed over network coupled computer systems so that the computer readable code is stored and executed in a distributed fashion.

그리고 본 발명을 구현하기 위한 기능적인(functional) 프로그램, 코드 및 코드 세그먼트들은 본 발명이 속하는 기술분야의 프로그래머들에 의해 용이하게 추론될 수 있다.And functional programs, codes and code segments for implementing the present invention can be easily inferred by programmers in the art to which the present invention belongs.

상기에서는 본 발명의 바람직한 실시예를 참조하여 설명하였지만, 해당 기술 분야에서 통상의 지식을 가진 자라면 하기의 특허 청구의 범위에 기재된 본 발명의 사상 및 영역으로부터 벗어나지 않는 범위 내에서 본 발명을 다양하게 수정 및 변경시킬 수 있음을 이해할 수 있을 것이다.Although the above has been described with reference to a preferred embodiment of the present invention, those skilled in the art to which the present invention pertains without departing from the spirit and scope of the present invention as set forth in the claims below It will be appreciated that modifications and variations can be made.

도 1은 본 발명의 일 실시예에 따른 영상 선택 장치의 구성도.1 is a block diagram of an image selection apparatus according to an embodiment of the present invention.

도 2는 본 발명의 일 실시예에 따른 영상 선택 과정을 나타내는 순서도.2 is a flowchart illustrating an image selection process according to an embodiment of the present invention.

도 3은 본 발명의 일 실시예에 따른 영상 인식 과정을 나타내는 순서도.3 is a flowchart illustrating an image recognition process according to an embodiment of the present invention.

도 4는 본 발명의 일 실시예에 따른 영상 인증 과정을 나타내는 순서도.4 is a flowchart illustrating a video authentication process according to an embodiment of the present invention.

<도면의 주요부분에 대한 부호의 설명><Description of the symbols for the main parts of the drawings>

100: 영상 선택 장치 102: 입력부100: image selection device 102: input unit

104: 전처리부 106: 차영상 획득부104: preprocessing unit 106: difference image acquisition unit

108: 산출부 110: 판단부108: calculating unit 110: determining unit

112: 영상 인식부 114: 인증부112: image recognition unit 114: authentication unit

116: 저장부 118: 출력부116: storage unit 118: output unit

Claims

In the method for selecting an input image input by the image selection device,

(a) extracting a target image to be selected from the input image;

(b) reading an average reference image according to the target image from a storage area;

(c) obtaining a difference image by comparing the read average reference image with the target image;

(d) calculating an entropy value of the obtained difference image; And

and (e) comparing the calculated entropy value with a selection threshold to determine whether the input image is an input image for recognition or authentication.

The method of claim 1,

In step (e),

And comparing the entropy value with a selection threshold value and determining that the input image is not an input image for recognition or authentication when the entropy value exceeds a threshold value.

The method of claim 1,

Before step (a) above,

The method may further include converting the input image into a smoothed input image through histogram smoothing.

In the step (a), the target image is extracted from the smoothed input image.

The method of claim 1,

In step (a),

A detection method comprising a Hall-like feature extraction and an AdaBoost learning algorithm.

The method of claim 1,

In step (d),

Obtaining a histogram distribution of the target image;

In the obtained histogram distribution, the entropy value is calculated by using one or more of a probability for a red histogram frequency, a probability for a green histogram frequency, and a blue histogram frequency. The image selection method comprising the step of.

The method of claim 1,

In step (d),

And calculating the entropy value using any one of an RGB image, a gray image, a CMYK image, a HIS image, an HIV image, a YIQ image, a YUV image, and a YCbCr image of the difference image.

The method of claim 1,

In step (d),

The entropy value (

)silver

Image selection method characterized in that it is calculated through.

Where

Is the probability of the k th green histogram in the histogram of the difference image and

The method of claim 7, wherein

remind

Is

Through, above

Is

Remind,

Is

Image selection method, characterized in that obtained through each.

Where

Is the sum of the R (Red) histograms in the histogram of the difference image,

Is the sum of the B (Blue) histograms in the histogram of the difference image,

Frequency of k-th histogram in the histogram of the difference image,

Frequency of k-th histogram in the histogram of the difference image.

The method of claim 1,

In step (d),

Entropy value for gray image of the difference image

)silver

Image selection method characterized in that it is calculated through.

Where

Is the probability of the frequency of the k (-255 ≤ k ≤ +255, arbitrary natural) histogram in the histogram of the difference image.

The method of claim 9,

remind

Is,

Image selection method characterized in that obtained through.

Where

The sum of each histogram in the histogram of the difference image and

Is the k-th histogram frequency in the histogram of the difference image.

The method of claim 1,

After step (e),

Comparing the target image with a plurality of individual reference images and acquiring a plurality of difference images according to the comparison result;

Calculating an entropy value of each of the plurality of difference images; And

And recognizing the input image as an individual reference image corresponding to the smallest entropy value among the calculated entropy values.

The method of claim 1,

After step (e),

Comparing the target image with an individual reference image and acquiring a difference image according to the comparison result;

Calculating an entropy value of the difference image; And

And authenticating the input image when the calculated entropy value is less than an authentication threshold.

The method of claim 1,

The input image is

And at least one of a face image, an iris image, a fingerprint image, and a dental image.

An image selecting apparatus for selecting an input input image,

A preprocessor extracting a target image to be selected from the input image;

A difference image acquisition unit configured to read an average reference image of the target image from a storage area, compare the read average image with the target image, and obtain a difference image according to the comparison result;

A calculator configured to calculate an entropy value of the obtained difference image; And

And a determination unit which compares the calculated entropy value with a designated selection threshold and determines whether the input image is an image input for recognition or authentication.

The method of claim 14,

The determination unit,

And comparing the entropy value with a specified selection threshold and determining that the input image is not an input image for recognition or authentication when the entropy value exceeds the selection threshold.

The method of claim 15,

The preprocessing unit,

And converting the input image into a smoothed input image through histogram smoothing, and extracting the target image from the smoothed input image.

The method of claim 14,

The preprocessing unit,

An image selection device using a detector method comprising a Hall-like feature extraction and an AdaBoost learning algorithm.

The method of claim 14,

The calculation unit,

Obtaining a histogram distribution of the difference image,

In the obtained histogram distribution of the difference image, the entropy value is calculated using one or more of a probability for a red histogram frequency, a probability for a green histogram frequency, and a blue histogram frequency. Video selection device.

The method of claim 14,

The calculation unit,

And an entropy value is calculated using any one of an RGB image, a gray image, a CMYK image, a HIS image, an HIV image, a YIQ image, a YUV image, and a YCbCr image of the difference image.

The method of claim 14,

The entropy value (

)

The image selection device, characterized in that calculated through.

Where

The method of claim 20,

remind

Is

Through, above

Is

Remind,

Is

Image pick-up device, characterized in that obtained through each.

Where

Is the sum of the R (Red) histograms in the histogram of the difference image,

Is the sum of the B (Blue) histograms in the histogram of the difference image,

Frequency of k-th histogram in the histogram of the difference image,

Frequency of k-th histogram in the histogram of the difference image.

The method of claim 14,

Entropy value for gray image of the difference image

)silver

The image selection device, characterized in that calculated through.

Where

Is the probability of the frequency of the k-th histogram of the histogram of the difference image.

The method of claim 22,

remind

Is,

The image selection device, characterized in that obtained through.

remind

The sum of each histogram in the histogram of the difference image and

Is the k-th histogram frequency in the histogram of the difference image.

The method of claim 14,

The difference image acquisition unit compares the target image with a plurality of individual reference images, obtains a plurality of difference images according to the comparison result, and the calculator calculates entropy values of each of the plurality of difference images,

And an image recognizer configured to recognize the input image as an individual reference image corresponding to the smallest entropy value among the calculated entropy values.

The method of claim 14,

The difference image acquisition unit compares the target image with an individual reference image, obtains a difference image according to the comparison result, and the calculator calculates an entropy value of the difference image,

And an image authenticator configured to authenticate the input image when the calculated entropy value is less than an authentication threshold.

The method of claim 15,

The input image is

A program of instructions that can be executed by a digital processing apparatus is implemented to perform the image selection method according to any one of claims 1 to 13, wherein a program that can be read by the digital processing apparatus is recorded. Record carrier.