KR20110080327A - 얼굴 인식 장치 및 그 방법 - Google Patents

얼굴 인식 장치 및 그 방법 Download PDF

Info

Publication number
KR20110080327A
KR20110080327A KR1020100000500A KR20100000500A KR20110080327A KR 20110080327 A KR20110080327 A KR 20110080327A KR 1020100000500 A KR1020100000500 A KR 1020100000500A KR 20100000500 A KR20100000500 A KR 20100000500A KR 20110080327 A KR20110080327 A KR 20110080327A
Authority
KR
South Korea
Prior art keywords
face
user
image information
information
error
Prior art date
Application number
KR1020100000500A
Other languages
English (en)
Other versions
KR101700595B1 (ko
Inventor
윤석준
노경식
형승용
안성환
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 KR1020100000500A priority Critical patent/KR101700595B1/ko
Priority to US12/980,913 priority patent/US8406484B2/en
Publication of KR20110080327A publication Critical patent/KR20110080327A/ko
Application granted granted Critical
Publication of KR101700595B1 publication Critical patent/KR101700595B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/172—Classification, e.g. identification
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/40—Analysis of texture
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/60—Type of objects
    • G06V20/64—Three-dimensional objects
    • G06V20/653—Three-dimensional objects by matching three-dimensional models, e.g. conformal mapping of Riemann surfaces
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/168—Feature extraction; Face representation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/40—Spoof detection, e.g. liveness detection

Landscapes

  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Human Computer Interaction (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Software Systems (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Collating Specific Patterns (AREA)
  • Processing Or Creating Images (AREA)
  • Image Analysis (AREA)

Abstract

본 발명은 피사체의 2차원 영상 정보 및 3차원 영상 정보를 획득하고, 2차원 영상 정보를 이용하여 얼굴 인식을 수행하고, 인식된 얼굴이 미리 저장된 사용자의 얼굴인지 판단하고, 사용자의 얼굴이라고 판단되면 사용자의 타원체 모델과 3차원 영상 정보를 매칭시켜 오차를 산출하고, 오차에 기초하여 사용자의 얼굴 도용 여부를 판단한다.
본 발명은 피사체의 2차원 영상 정보와 3차원 영상 정보를 이용하여 피사체의 얼굴을 인식하고, 인식된 얼굴이 미리 등록된 사용자의 얼굴을 도용한 것인지 판단할 수 있어 얼굴 인식의 신뢰성을 높일 수 있다. 또한 얼굴 인신의 신뢰성 향상으로 정보의 보안성도 높일 수 있다.

Description

얼굴 인식 장치 및 그 방법 {Face recognition apparatus and method thereof}
본 발명은 보안에 있어 신뢰성 향상을 위한 얼굴 인식 장치 및 그 방법에 관한 것이다.
현대 사회는 고도의 정보화 사회가 되어감에 따라 정보 보안 및 신분 확인의 중요성이 커지고 있다.
기존에는 정보 보안 및 신분 확인 시 열쇠나, 패스워드, ID카드, 스마트 카드 등을 이용하였다. 그러나 이는 휴대가 불편하고 분실의 문제가 있었으며 또한 다른 사람에 의해 위조, 변조 및 도용될 문제가 있었다. 이러한 문제를 해결하기 위해 생체 인식을 통한 정보 보안 및 신분 확인 기술이 개발되었다.
생체인식은 사람의 신체 일부를 인식하여 신분 확인을 수행하는 것으로, 지문(Fingerprint)인식, 홍채(Iris)인식, 음성(Voice)인식, 서명(Signature)인식, 얼굴(Face)인식 등이 있다. 이러한 생체인식은 사람 고유의 신체 일부를 사용하기 때문에 편리성과 보안성이 높아 이에 대한 연구가 많이 진행되고 있다.
이 중 얼굴 인식은 인증 대상자의 자발적인 동의 없이도 수행 가능하기 때문에 인식과정이 편리하고 용이하여 더 많은 개발 및 연구가 진행되고 있다.
이러한 얼굴 인식은 사람 얼굴에 초점을 맞춘 상태에서 사람 얼굴의 영상을 획득하고 획득된 영상에서 에지, 색상 정보를 이용하여 얼굴 영역을 추출하며, 이 얼굴 영역에서 눈, 코, 입 등의 특징점을 추출함으로써 얼굴을 인식하는 것이다.
이때 조명의 색과 방향, 다양한 표정, 다양한 각도 등을 고려한다.
이와 같은 얼굴 인식은 미등록된 사람이 기 등록된 사람의 얼굴 사진을 이용할 경우에도 얼굴 사진에서 얼굴 영역의 눈, 코, 입 등의 특징점을 추출하여 얼굴을 인식하기 때문에, 기 등록된 사람의 실제 얼굴의 영상을 통한 얼굴 인식 시와 동일한 결과가 나타난다.
즉 사람의 영상만을 이용하여 얼굴 인식을 수행하기 때문에 사진 등을 이용한 얼굴 도용에 대응을 할 수가 없다.
이와 같이 미등록된 사람이 기 등록된 사람의 얼굴 사진을 이용하여 신분을 확인받음으로써 정보의 보안이 이루어지지 않는 문제점이 있고, 이로 인해 정보 보안 및 신분 확인을 위한 얼굴 인식의 신뢰성이 낮아지는 문제점이 있다.
피사체의 2차원 영상 정보와 3차원 영상 정보를 이용하여 피사체의 얼굴을 인식하고, 이때 인식된 얼굴이 미리 등록된 사용자의 얼굴을 도용한 것인지 판단할 수 있어 얼굴 인식의 신뢰성 향상이 가능하고, 이로 인해 정보의 보안성 향상이 가능한 얼굴 인식 장치 및 그 방법을 제공한다.
이를 위한 본 발명의 일 측면에 따르면 얼굴 인식 장치는, 피사체의 2차원 영상 정보를 획득하는 2차원 정보 획득부; 피사체의 3차원 영상 정보를 획득하는 3차원 정보 획득부; 사용자의 3차원 얼굴 정보에 대응한 타원체 모델과, 사용자의 2차원 얼굴 정보가 저장된 사용자 정보 데이터베이스부; 피사체의 2차원 영상 정보를 이용하여 얼굴 인식을 수행하고, 인식된 얼굴이 사용자의 얼굴인지 판단하고, 사용자의 얼굴이라고 판단되면 사용자의 타원체 모델과 3차원 영상 정보를 매칭시켜 오차를 산출하고, 오차에 기초하여 사용자의 얼굴 도용 여부를 판단하는 제어부를 포함한다.
3차원 정보 획득부는, 피사체로 출사되어 입사된 적외선의 비행 시간(TOF)에 대응하는 거리 정보를 획득한다.
제어부는, 오차가 기준값을 초과하면 사용자의 얼굴 도용으로 판단하고, 오차가 기준값 이하이면 사용자와 동일인으로 판단하는 판단부를 포함한다.
제어부의 지시에 대응하여 판단 결과를 표시하는 표시부를 더 포함한다.
제어부는, 2차원 영상 정보와 3차원 영상 정보에 기초하여 얼굴 영역을 추출하는 얼굴 추출부를 포함한다.
얼굴 추출부는, 3차원 영상 정보에서 에지 정보를 이용하여 얼굴 영역을 추출한다.
제어부는, ICP(Iterative Closest Point)를 이용하여 얼굴 영역의 3차원 영상 정보에 타원체 모델을 매칭시킨다.
제어부는, 타원체 모델의 면과 3차원 영상 정보의 면 사이의 오차를 산출한다.
사용자 등록을 입력받고 사용자의 개인 정보를 입력받는 입력부; 사용자의 얼굴 영역을 이루는 타원 크기를 이용하여 타원체 모델을 생성하는 타원체 생성부를 더 포함하고, 제어부는 입력부로부터 사용자 등록이 입력되면 사용자의 개인 정보를 저장하고, 사용자의 2차원 얼굴 정보와 타원체 모델을 사용자 정보 데이터베이스부에 저장한다.
본 발명의 일 측면에 따르면 얼굴 인식 방법은, 피사체의 2차원 영상 정보 및 3차원 영상 정보를 획득하고, 2차원 영상 정보를 이용하여 얼굴 인식을 수행하고, 인식된 얼굴이 미리 저장된 사용자의 얼굴인지 판단하고, 사용자의 얼굴이라고 판단되면 사용자의 타원체 모델과 3차원 영상 정보를 매칭시켜 오차를 산출하고, 오차에 기초하여 사용자의 얼굴 도용 여부를 판단한다.
3차원 영상 정보를 획득하는 것은, 피사체로 적외선을 출사하고, 출사된 적외선이 입사되는 비행 시간(TOF)에 대응하는 거리 정보를 획득하고, 거리 정보에 대응하는 3차원 영상 정보를 생성한다.
사용자의 타원체 모델과 3차원 영상 정보를 매칭시키는 것은, ICP(Iterative Closest Point)를 이용한다.
오차를 산출하는 것은, 매칭된 타원체 모델의 면과 3차원 영상 정보의 면 사이의 오차를 산출한다.
오차에 기초하여 사용자의 얼굴 도용 여부를 판단하는 것은, 오차가 기준값을 초과하면 피사체가 사용자의 얼굴을 도용하였다고 판단하고, 오차가 기준값 이하이면 피사체와 사용자가 동일인이라고 판단하는 것을 더 포함한다.
사용자의 타원체 모델과 3차원 영상 정보를 매칭시키는 것은, 2차원 영상 정보와 3차원 영상 정보에 기초하여 얼굴 영역을 추출하고, 얼굴 영역에 타원체 모델을 매칭시키는 것을 더 포함한다.
사용자 등록이 입력되면, 사용자의 개인 정보를 입력받고, 사용자의 2차원 영상 정보, 3차원 영상 정보를 입력받고, 2차원 영상 정보의 얼굴 인식을 수행하여 2차원 얼굴 정보를 획득하고, 2차원 영상 정보와 3차원 영상 정보를 이용하여 타원체 모델을 생성하고, 사용자의 개인 정보, 2차원 얼굴 정보, 타원체 모델을 저장하여 사용자 등록을 수행하는 것을 더 포함한다.
본 발명의 다른 측면에 따르면 얼굴 인식 방법은, 피사체의 3차원 영상 정보를 획득하고, 3차원 영상 정보에서 얼굴 영역을 추출하고, 얼굴 영역을 이루는 타원을 이용하여 타원체 모델을 생성하고, 피사체의 3차원 영상 정보를 이용하여 얼굴 인식을 수행하고, 인식된 얼굴이 사용자의 얼굴인지 판단하고, 사용자의 얼굴이라고 판단되면 타원체 모델과 3차원 영상 정보를 매칭시켜 오차를 산출하고, 오차에 기초하여 사용자의 얼굴 도용 여부를 판단한다.
얼굴 영역의 3차원 영상 정보에 타원체 모델을 매칭하는 것은, ICP(Iterative Closest Point)를 이용한다.
타원체를 생성하는 것은, 얼굴 영역을 이루는 타원의 두 지름과, 두 지름의 교점의 법선으로 이루어지는 타원체를 생성하되, 법선은 미리 정해진 지름을 갖는 타원체를 생성한다.
사용자의 얼굴 도용 여부를 판단하는 것은, 오차가 기준값을 초과하면 사용자의 얼굴 도용으로 판단하고, 오차가 기준값 이하이면 사용자와 동일인으로 판단한다.
일 측면에 따르면 피사체의 2차원 영상 정보와 3차원 영상 정보를 이용하여 피사체의 얼굴을 인식하고, 인식된 얼굴이 미리 등록된 사용자의 얼굴을 도용한 것인지 판단할 수 있어 얼굴 인식의 신뢰성을 높일 수 있다.
또한 얼굴 인신의 신뢰성 향상으로 정보의 보안성도 높일 수 있다.
도 1은 일 실시예에 따른 얼굴 인식 장치의 구성도이다.
도 2 및 도 3은 일 실시예에 따른 얼굴 인식 장치의 영상 정보 획득 예시도이다.
도 4는 일 실시예에 따른 얼굴 인식 장치의 IPC 매칭 예시도이다.
도 5는 일 실시예에 따른 얼굴 인식 장치의 타원체 생성 예시도이다.
도 6은 일 실시예에 따른 얼굴 인식 방법의 순서도이다.
이하에서는 첨부도면을 참조하여 본 발명에 대해 상세히 설명한다.
도 1은 일 실시예에 따른 얼굴 인식 장치의 구성도로서, 영상 획득부(10), 제어부(C), 사용자 정보 데이터베이스부(40), 표시부(50), 입력부(60)를 포함한다. 여기서 제어부(C)는 얼굴 인식을 수행하는 것으로 얼굴 추출부(20), 판단부(30), 타원체 생성부(70)를 포함한다.
영상 획득부(10)는 피사체의 영상을 획득하는 것으로, 피사체의 2차원 영상 정보를 획득하는 2차원 정보 획득부(11)와, 이 피사체의 3차원 영상 정보를 획득하는 3차원 정보 획득부(12)를 포함한다.
이러한 영상 획득부(10)는 피사체의 2차원 영상 정보와 3차원 영상 정보(깊이 영상: Depth Image)를 모두 획득 가능한 비행 시간 방식(TOF: Time of Flight)의 카메라이다.
아울러 피사체의 2차원 영상 정보와 3차원 영상 정보를 서로 다른 카메라를 통해 각각 획득하는 것도 가능하다.
좀 더 구체적으로 2차원 정보 획득부(11)는 빛을 이용하여 피사체의 2차원 영상을 획득하는 것으로, 집광부(미도시)에 빛이 집광되고 집광된 빛이 촬상부(이미지 센서: CMOS, CCD, 미도시)에 감지되면 촬상부에 감지된 빛의 신호를 전기신호로 변환하고, 변환된 전기신호의 영상을 2차원 영상 정보를 가진 영상 파일로 저장한다.
여기서 2차원 정보 획득부(11)의 촬상부에 감지된 빛은 세기와 위치에 따라 밝기, 색상, 좌표 등을 가진 2차원 영상 정보로 변환된다.
3차원 정보 획득부(12)는 적외선을 피사체로 출사하고 출사된 적외선에 피사체에 반사되어 입사되는 적외선의 비행 시간(TOF: Time of Flight)을 카운트 하고, 카운트된 비행 시간에 대응하는 거리 정보를 산출한다.
그리고 3차원 정보 획득부(12)는 피사체의 거리 정보를 가진 3차원 영상 정보를 저장한다. 여기서 거리 정보를 가진 3차원 영상을 깊이 영상(Depth Image)이라고 한다.
이때 비행시간(TOF: Time of Flight)은 적외선(Infrared Ray)이 TOF 카메라의 발광 소자(미도시)에서 출사된 시각 t1과, 적외선이 전방의 피사체에 반사되어 입사된 시각 t2의 차이 값으로, 비행 시간 TOF = t1 - t2이다.
그리고 TOF 카메라를 통해 측정되는 피사체의 거리 d = (c × TOF)/2이다. 여기서 c는 적외선의 속도이다.
즉, 3차원 정보 획득부(12)는 피사체의 거리 정보 및 위치 정보를 가진 3차원 영상 정보를 획득한다. 여기서 X, Y 축은 위치 정보이고, Z 축은 거리 정보이다.
도 2 및 도 3은 일 실시예에 따른 얼굴 인식 장치의 영상 정보 획득 예시도로, 도 2의 (a)는 피사체의 얼굴이 실제 사람일 경우의 2차원 영상이고, (b)는 피사체의 얼굴이 실제 사람일 경우 X, Y 축에서의 3차원 영상 정보이며, (c)는 피사체의 얼굴이 실제 사람일 경우 Y, Z 축에서의 3차원 영상 정보이다.
그리고 도 3의 (a)는 피사체의 얼굴이 사진일 경우의 2차원 영상이고, (b)는 피사체의 얼굴이 사진일 경우 Y, Z 축에서의 3차원 영상 정보이며, (c)는 피사체의 얼굴이 사진일 경우 X, Y 축에서의 3차원 영상 정보이다.
이와 같이 영상 획득부(10)의 3차원 정보 획득부(12)는 적외선 비행 시간(TOF: Time of Flight) 방식을 이용하여 3차원 영상 정보를 획득함으로써, 피사체와 주위 배경의 색상이 동일한 경우에도 피사체를 쉽게 식별하여 거리를 검출할 수 있고, 조명의 영향을 받지 않고 피사체의 3차원 영상 정보를 획득할 수 있다.
제어부(C)는 피사체의 2차원 영상 정보를 이용하여 얼굴 인식을 수행하고, 인식된 얼굴이 사용자의 얼굴인지 판단하고, 사용자의 얼굴이라고 판단되면 사용자의 타원체 모델과 3차원 영상 정보를 매칭시켜 오차를 산출하고, 오차에 기초하여 사용자의 얼굴 도용 여부를 판단한다.
제어부(C)는 입력부(60)로부터 사용자 등록이 입력되면 입력부(60)로부터 입력된 사용자의 개인 정보가 사용자 정보 데이터베이스부(40)에 저장되도록 사용자 정보 데이터베이스부(40)로 전송한다.
그리고 제어부(C)는 사용자 등록이 입력되면 영상 획득부(10)로부터 획득된 2차원 영상 정보와 3차원 영상 정보를 통해 사용자의 2차원 얼굴 정보와 타원체 모델을 생성하고, 생성된 사용자의 2차원 얼굴 정보와 타원체 모델을 사용자 정보 데이터베이스부(40)에 저장되도록 사용자 정보 데이터베이스부(40)로 전송한다.
이러한 제어부(C)는 얼굴 추출부(20), 판단부(30), 타원체 생성부(70)를 포함한다. 이를 좀 더 구체적으로 설명한다.
얼굴 추출부(20)는 도 2의 (a)에 도시된 바와 같이 2차원 영상 정보를 통해 얼굴 영역(점선 영역)을 검출하고, 도 2의 (b)에 도시된 바와 같이 검출된 영역 내의 3차원 영상 정보에서 에지를 추출하고 추출된 에지에 기초하여 얼굴 영역을 추출한다. 그리고 얼굴 추출부(20)는 도 2의 (c)에 도시된 바와 같이 얼굴 영역 내의 3차원 얼굴 영상 정보를 추출한다.
여기서 얼굴 영역은 피사체의 영상의 에지 및 색상 정보를 이용하여 얼굴 영역을 검출하는 것이다.
판단부(30)는 피사체의 2차원 영상 정보의 에지 및 색상 정보를 이용하여 얼굴 영역을 검출하고, 이 얼굴 영역에서 눈, 코, 입 등의 특징점을 추출함으로써 얼굴 인식을 수행하고, 이때 인식된 얼굴의 특징점과 사용자 정보 데이터베이스부(40)에 저장된 사용자의 2차원 얼굴 정보를 비교하여 인식된 얼굴이 사용자의 얼굴인지 판단한다.
여기서 사용자 정보 데이터베이스부(40)에 저장된 사용자의 2차원 얼굴 정보는 사용자 얼굴의 특징점 정보를 가진다.
판단부(30)는 피사체의 얼굴이 사용자의 얼굴이라고 판단되면 사용자 정보 데이터베이스부(40)에서 해당 사용자의 타원체 모델을 추출하고, 도 4의 (a), (b)에 도시된 바와 같이 추출된 사용자의 타원체 모델을 3차원 영상 정보에 매칭시킨다.
여기서 매칭은 ICP(Iterative Closest Point)를 이용한다.
ICP(Iterative Closest Point)는 피사체의 얼굴과 사용자 정보 데이터베이스부에 저장된 타원체 모델의 포즈 변화 정도를 검출하고, 검출된 변화 정도를 최소화시켜 타원체 모델과 3차원 영상 정보를 매칭시키는 것이다.
그리고 판단부(30)는 매칭 후 타원체 모델의 면과 3차원 영상의 면 사이의 오차를 산출하고, 산출된 오차와 기준값을 비교하며 이때 산출된 오차가 기준값을 초과하면 피사체가 사용자의 얼굴을 도용한 것으로 판단하고, 오차가 기준값 이하이면 피사체가 사용자와 동일인, 즉 사용자의 얼굴을 도용하지 않은 동일인으로 판단한다.
즉, 피사체의 얼굴이 사용자 얼굴인 경우 피사체의 얼굴 영역의 3차원 영상 정보는 입체가 되고, 이때 얼굴 영역의 3차원 영상에 타원체 모델을 매칭시키게 되면 3차원 영상 면과 타원체 모델 면 사이의 오차가 작아지게 된다. 아울러 타원체 모델이 해당 사용자의 3차원 영상 정보에 대응한 타원체 모델이기 때문에 3차원 영상 면과 타원체 모델 사이의 오차가 매우 작게 된다.
반면, 피사체의 얼굴이 사진인 경우 피사체의 얼굴 영역의 3차원 영상 정보는 평면 정보가 되고, 이때 얼굴 영역의 3차원 정보에 타원체 모델을 매칭시키게 되면 3차원 영상의 면과 타원체 모델의 면 사이의 오차가 커지게 된다.
여기서 기준값은 피사체의 영상이 입체의 얼굴인지 평면의 사진 얼굴인지 구별하기 위해 기준이 되는 값으로, 실험에 의해 획득된 값이다.
아울러 오차는 사용자 등록 시에 산출되어 저장된 3차원 정보와 타원체 모델 사이의 오차인 것이 가능하다. 즉, 이 오차는 사용자 별로 각각 저장 가능하다. 이때 오차는 일정 범위의 오차 범위를 갖는다.
타원체 생성부(70)는 입력부(60)로부터 사용자 등록이 입력되면 도 5의 (a)에 도시된 바와 같이 얼굴 추출부(20)에서 추출된 얼굴 영역을 이루는 타원을 생성한다. 이때 타원은 반지름(a, b)를 갖는다.
그리고 타원체 생성부(70)는 타원의 반지름(a, b)과, 이 타원 면에 대한 법선이 이루는 타원체 모델을 생성한다. 여기서 법선은 타원의 반지름(a, b)의 교점에서 연장된 법선이고, 이 법선은 미리 설정된 길이(c)를 가진다.
아울러 미리 설정된 길이(c)는 타원의 반지름(a, b)에 따라 변경 가능하다.
또한 도 5의 (b)에 도시된 A, B, C로 이루어진 타원체의 기준 모델에 기초하여 반지름(a, b)을 갖는 타원체 모델을 생성하는 것도 가능하다. 이때 타원 면에 대한 법선 길이(c)는 미리 설정되어 있다.
타원체 생성부(70)는 타원체 모델 생성 시 이 타원체 모델을 이루는 3차원 점군 데이터(3D Point Cloud)를 획득하여 사용자 정보 데이터베이스부(40)로 전송한다. 여기서, 획득한 3차원 점군 데이터는 피사체의 실효성 있는 특징점(Constrained Feature)들로 이루어진다.
사용자 정보 데이터베이스부(40)는 사용자의 3차원 얼굴 정보에 대응한 타원체 모델과, 사용자의 2차원 얼굴 정보를 저장하고, 타원체 모델을 이루는 3차원 점군 데이터(3D Point Cloud)를 저장한다.
여기서 사용자는 적어도 하나의 사용자이고, 복수의 사용자가 저장된 경우 사용자별 3차원 얼굴 정보에 대응한 타원체 모델과, 2차원 얼굴 정보가 각각 저장된다. 이때 사용자의 이름, 성별, 생일 등의 기본적인 개인 정보도 함께 저장된다.
표시부(50)는 제어부(C)의 지시에 대응하여 영상 획득부(10)를 통해 획득된 피사체의 얼굴 영상이 입체의 사용자 얼굴인지 평면의 사용자 사진 얼굴인지 표시한다.
입력부(60)는 등록 키(미도시)의 입력에 의한 사용자 등록을 입력받아 사용자 등록 신호를 제어부(c)로 전송하고, 사용자의 개인 정보를 입력받아 사용자 개인 정보를 제어부(c)로 전송한다.
이와 같은 얼굴 인식 장치는 보안이나 인증에만 그치지 않고 컴퓨터 애니메이션, 웹을 이용한 아바타 생성, 로봇, 멀티미디어와의 응용에서 이용 가능하다.
도 6은 일 실시예에 따른 얼굴 인식 방법의 순서도로, 도 1 내지 도 5를 참조하여 설명하도록 한다.
우선, 피사체의 2차원 영상 정보와 3차원 영상 정보(깊이 영상: Depth Image)를 획득(101)한다. 이때 비행 시간 방식(TOF: Time of Flight)의 카메라를 이용한다.
좀 더 구체적으로 피사체가 검출되면 집광부(미도시)에 빛이 집광되고 집광된 빛이 촬상부(이미지 센서: CMOS, CCD, 미도시)에 감지되면 감지된 빛의 신호를 전기신호로 변환하고, 변환된 전기신호의 영상을 2차원 영상 정보를 가진 영상 파일로 저장한다.
동시에 적외선을 피사체로 출사하고 출사된 적외선에 피사체에 반사되어 입사되는 적외선의 비행 시간(TOF: Time of Flight)을 카운트 하고, 카운트된 비행 시간에 대응하는 거리 정보를 산출하며, 이때 피사체의 거리 정보를 가진 3차원 영상 정보를 저장한다.
여기서 거리 정보를 가진 3차원 영상을 깊이 영상(Depth Image)이라고 한다.
다음 2차원 영상 정보의 에지 및 색상 정보를 이용하여 얼굴 영역을 검출하고, 검출된 얼굴 영역에서 눈, 코, 입 등의 특징점을 추출하여 얼굴 인식을 수행(102)한다.
그리고 인식된 얼굴의 특징점과 사용자 정보 데이터베이스부(40)에 저장된 사용자의 2차원 얼굴 정보의 특징점을 비교하여 인식된 얼굴이 등록된 사용자의 얼굴인지 판단(103)한다.
이때 인식된 얼굴의 특징점과 사용자 정보 데이터베이스부(40)에 저장된 사용자의 2차원 얼굴 정보의 특징점이 일치하지 않으면 미등록자로 판단(104)하고, 인식된 얼굴의 특징점과 사용자 정보 데이터베이스부(40)에 저장된 사용자의 2차원 얼굴 정보의 특징점이 일치하면 등록된 사용자로 판단한다.
다음 2차원 영상 정보의 에지 및 색상 정보를 이용하여 얼굴 영역을 검출하고, 검출된 영역 내의 3차원 영상 정보에서 에지를 추출하고 추출된 에지에 기초하여 얼굴 영역을 추출(105)한다.
다음 사용자 정보 데이터베이스부(40)에서 해당 사용자의 타원체 모델을 추출하고, 도 4의 (a), (b)에 도시된 바와 같이 추출된 사용자의 타원체 모델을 3차원 영상 정보에 매칭(106)시킨다. 여기서 매칭은 ICP(Iterative Closest Point)를 이용한다.
ICP(Iterative Closest Point)는 피사체의 얼굴과 사용자 정보 데이터베이스부에 저장된 타원체 모델의 포즈 변화 정도를 검출하고, 검출된 변화 정도를 최소화시켜 타원체 모델과 3차원 영상 정보를 매칭시키는 것이다.
ICP(Iterative Closest Point) 매칭을 좀 더 구체적으로 설명하도록 한다.
피사체 얼굴의 3차원 영상 정보와 타원체 모델을 매칭하고, 이때 피사체 얼굴의 3차원 영상 정보가 사용자 정보 데이터베이스부에 저장된 타원체 모델에서 어느 정도 변화하여 있는지 검출한다.
여기서 피사체 얼굴의 3차원 영상 정보와 타원체 모델은 각각 3차원 점군 데이터(3D Point Cloud)를 가진다.
다음 피사체 얼굴의 3차원 영상 정보의 3차원 점군 데이터와 타원체 모델의 3차원 점군 데이터 사이에서 각 점마다 대응하는 가장 가까운 점 집합(Point Set)을 찾고 각 점 집합(Point Set) 간의 거리를 최소화하는 3차원 변환 파라미터 즉, 회전 벡터(Rotation Vector)와 병진 벡터(Translation Vector)를 구한다.
그리고 병진 벡터(Translation Vector)를 통해 타원체 모델을 이동시키면서 두 데이터에서 거리가 가장 가까운 점 집합을 찾고, 그 거리를 최소화시키는 회전 벡터(Rotation Vector)를 구하여 피사체 얼굴의 3차원 영상 정보와 타원체 모델을 일치시켜 나간다. 그리고 거리 오차가 최소가 될 때까지 위의 과정을 반복하여 피사체 얼굴의 3차원 영상 정보와 타원체 모델을 일치시킨다.
다음, 피사체 얼굴의 3차원 영상의 면과 타원체 모델 면 사이의 거리가 최소가 될 때의 타원체 모델의 면과 3차원 영상의 면 사이의 오차를 산출(107)하고, 산출된 오차와 기준값을 비교(108)한다.
이때 오차가 기준값 이하이면 피사체가 사용자와 동일인, 즉 사용자의 얼굴을 도용하지 않은 동일인으로 판단(109)하고, 피사체가 등록된 사용자임을 표시한다.
반면 산출된 오차가 기준값을 초과하면 피사체가 사용자의 얼굴을 도용한 것으로 판단하고, 피사체가 등록된 사용자와 동일인이 아니라고 판단(110)한다.
이때 피사체가 등록된 사용자가 아님을 표시한다. 또는 사용자 얼굴 도용으로 표시한다. 이를 좀 더 구체적으로 도 2 및 3을 참조하여 설명하도록 한다.
도 2와 같이 피사체의 얼굴이 사용자 얼굴인 경우 피사체의 얼굴 영역의 3차원 영상 정보는 입체가 되고, 이때 얼굴 영역의 3차원 영상에 타원체 모델을 매칭시키게 되면 3차원 영상 면과 타원체 모델 면 사이의 오차가 작아지게 된다. 아울러 타원체 모델이 해당 사용자의 3차원 영상 정보에 대응한 타원체 모델이기 때문에 3차원 영상 면과 타원체 모델 사이의 오차가 매우 작게 된다.
반면, 도 3과 같이 피사체의 얼굴이 사진인 경우 피사체의 얼굴 영역의 3차원 영상 정보는 평면 정보가 되고, 이때 얼굴 영역의 3차원 정보에 타원체 모델을 매칭시키게 되면 3차원 영상의 면과 타원체 모델의 면 사이의 오차가 커지게 된다.
이와 같이 피사체의 2차원 영상 정보와 3차원 영상 정보를 이용하여 피사체의 얼굴을 인식하고, 인식된 얼굴이 미리 등록된 사용자의 얼굴을 도용한 것인지 판단할 수 있어 얼굴 인식의 신뢰성을 높일 수 있다. 또한 얼굴 인신의 신뢰성 향상으로 정보의 보안성도 높일 수 있다.
여기서 사용자 등록의 순서는 다음과 같다.
입력부(60)의 등록 키(미도시)의 입력에 의한 사용자 등록이 입력되면 이후 사용자의 개인 정보를 입력받아 저장하고, 2차원 정보 획득부(11)와 3차원 정보 획득부(12)를 통해 해당 사용자의 2차원 영상 정보와 3차원 영상 정보를 획득한다.
다음, 2차원 영상 정보의 에지 및 색상 정보를 이용하여 얼굴 영역을 검출하고, 검출된 얼굴 영역에서 눈, 코, 입 등의 특징점을 추출하여 얼굴 인식을 수행하고, 인식된 얼굴 정보를 저장한다.
다음 2차원 영상 정보의 에지 및 색상 정보를 이용하여 얼굴 영역을 검출하고, 검출된 영역 내의 3차원 영상 정보에서 에지를 추출하고 추출된 에지에 기초하여 얼굴 영역을 추출한다.
다음 도 5의 (a)에 도시된 바와 얼굴 영역을 이루는 타원을 생성한다. 이때 타원은 반지름(a, b)를 갖는다. 그리고 타원체 생성부(70)는 타원의 반지름(a, b)과, 이 타원 면에 대한 법선이 이루는 타원체 모델을 생성한다.
여기서 법선은 타원의 반지름(a, b)의 교점에서 연장된 법선이고, 이 법선은 미리 설정된 길이(c)를 가진다.
다음 타원체 모델 생성 시 이 타원체 모델을 이루는 3차원 점군 데이터(3D Point Cloud)를 획득하여 저장함으로써 사용자 등록을 수행한다.
여기서, 획득한 3차원 점군 데이터는 피사체의 실효성 있는 특징점(Constrained Feature)들로 이루어진다.
아울러 미리 설정된 길이(c)는 타원의 반지름(a, b)에 따라 변경 가능하다.
또한 도 5의 (b)에 도시된 A, B, C로 이루어진 타원체의 기준 모델에 기초하여 반지름(a, b)을 갖는 타원체 모델을 생성하는 것도 가능하다. 이때 타원 면에 대한 법선 길이(c)는 미리 설정되어 있다.
다른 실시예에 따른 얼굴 인식 방법을 설명하도록 한다.
우선, 피사체의 2차원 영상 정보와 3차원 영상 정보(깊이 영상: Depth Image)를 획득한다.
다음 2차원 영상 정보의 에지 및 색상 정보를 이용하여 얼굴 영역을 검출하고, 검출된 얼굴 영역에서 눈, 코, 입 등의 특징점을 추출하여 얼굴 인식을 수행한다.
그리고 인식된 얼굴의 특징점과 사용자 정보 데이터베이스부(40)에 저장된 사용자의 2차원 얼굴 정보의 특징점을 비교하여 인식된 얼굴이 등록된 사용자의 얼굴인지 판단한다.
이때 인식된 얼굴의 특징점과 사용자 정보 데이터베이스부(40)에 저장된 사용자의 2차원 얼굴 정보의 특징점이 일치하지 않으면 미등록자로 판단하고, 인식된 얼굴의 특징점과 사용자 정보 데이터베이스부(40)에 저장된 사용자의 2차원 얼굴 정보의 특징점이 일치하면 등록된 사용자로 판단한다.
다음 2차원 영상 정보의 에지 및 색상 정보를 이용하여 얼굴 영역을 검출하고, 검출된 영역 내의 3차원 영상 정보에서 에지를 추출하고 추출된 에지에 기초하여 얼굴 영역을 추출한다.
다음 얼굴 영역을 이루는 타원을 생성한다. 이때 타원은 반지름(a, b)를 갖는다. 그리고 타원체 생성부(70)는 타원의 반지름(a, b)과, 이 타원 면에 대한 법선이 이루는 타원체 모델을 생성한다.
여기서 법선은 타원의 반지름(a, b)의 교점에서 연장된 법선이고, 이 법선은 미리 설정된 길이(c)를 가진다.
다음 생성된 타원체 모델을 3차원 영상 정보에 매칭시킨다.
다음, 피사체 얼굴의 3차원 영상의 면과 타원체 모델 면 사이의 거리가 최소가 될 때의 타원체 모델의 면과 3차원 영상의 면 사이의 오차를 산출하고, 산출된 오차와 기준값을 비교한다.
이때 오차가 기준값 이하이면 피사체가 사용자와 동일인, 즉 사용자의 얼굴을 도용하지 않은 동일인으로 판단하고, 피사체가 등록된 사용자임을 표시한다.
반면 산출된 오차가 기준값을 초과하면 피사체가 사용자의 얼굴을 도용한 것으로 판단하고, 피사체가 등록된 사용자와 동일인이 아니라고 판단한다.
즉, 도 2와 같이 피사체의 얼굴이 사용자 얼굴인 경우 피사체의 얼굴 영역의 3차원 영상 정보는 입체가 되고, 이때 얼굴 영역의 3차원 영상에 타원체 모델을 매칭시키게 되면 3차원 영상 면과 타원체 모델 면 사이의 오차가 작아지게 된다.
반면, 도 3과 같이 피사체의 얼굴이 사진인 경우 피사체의 얼굴 영역의 3차원 영상 정보는 평면 정보가 되고, 이때 얼굴 영역의 3차원 정보에 타원체 모델을 매칭시키게 되면 3차원 영상의 면과 타원체 모델의 면 사이의 오차가 커지게 된다.
이와 같이 피사체의 2차원 영상 정보와 3차원 영상 정보를 이용하여 피사체의 얼굴을 인식하고, 인식된 얼굴이 미리 등록된 사용자의 얼굴을 도용한 것인지 판단할 수 있어 얼굴 인식의 신뢰성을 높일 수 있다. 또한 얼굴 인신의 신뢰성 향상으로 정보의 보안성도 높일 수 있다.
10: 영상 획득부 20: 얼굴 추출부
30: 판단부 40: 사용자 정보 데이터베이스부
50: 표시부 60: 입력부
70: 타원체 생성부 C: 제어부

Claims (20)

  1. 피사체의 2차원 영상 정보를 획득하는 2차원 정보 획득부;
    상기 피사체의 3차원 영상 정보를 획득하는 3차원 정보 획득부;
    사용자의 3차원 얼굴 정보에 대응한 타원체 모델과, 상기 사용자의 2차원 얼굴 정보가 저장된 사용자 정보 데이터베이스부;
    상기 피사체의 2차원 영상 정보를 이용하여 얼굴 인식을 수행하고, 인식된 얼굴이 상기 사용자의 얼굴인지 판단하고, 상기 사용자의 얼굴이라고 판단되면 상기 사용자의 타원체 모델과 상기 3차원 영상 정보를 매칭시켜 오차를 산출하고, 상기 오차에 기초하여 상기 사용자의 얼굴 도용 여부를 판단하는 제어부를 포함하는 얼굴 인식 장치.
  2. 제 1 항에 있어서, 상기 3차원 정보 획득부는,
    상기 피사체로 출사되어 입사된 적외선의 비행 시간(TOF)에 대응하는 거리 정보를 획득하는 얼굴 인식 장치.
  3. 제 1 항에 있어서, 상기 제어부는,
    상기 오차가 기준값을 초과하면 상기 사용자의 얼굴 도용으로 판단하고, 상기 오차가 기준값 이하이면 상기 사용자와 동일인으로 판단하는 판단부를 포함하는 얼굴 인식 장치.
  4. 제 3 항에 있어서,
    상기 제어부의 지시에 대응하여 판단 결과를 표시하는 표시부를 더 포함하는 얼굴 인식 장치.
  5. 제 1 항에 있어서, 상기 제어부는,
    상기 2차원 영상 정보와 3차원 영상 정보에 기초하여 얼굴 영역을 추출하는 얼굴 추출부를 포함하는 얼굴 인식 장치
  6. 제 5 항에 있어서, 상기 얼굴 추출부는,
    상기 3차원 영상 정보에서 에지 정보를 이용하여 얼굴 영역을 추출하는 얼굴 인식 장치.
  7. 제 5 항에 있어서, 상기 제어부는,
    ICP(Iterative Closest Point)를 이용하여 상기 얼굴 영역의 3차원 영상 정보에 상기 타원체 모델을 매칭시키는 얼굴 인식 장치.
  8. 제 7 항에 있어서, 상기 제어부는,
    상기 타원체 모델의 면과 3차원 영상 정보의 면 사이의 오차를 산출하는 얼굴 인식 장치.
  9. 제 5 항에 있어서,
    사용자 등록을 입력받고 상기 사용자의 개인 정보를 입력받는 입력부;
    상기 사용자의 얼굴 영역을 이루는 타원 크기를 이용하여 타원체 모델을 생성하는 타원체 생성부를 더 포함하고,
    상기 제어부는, 상기 입력부로부터 사용자 등록이 입력되면 상기 사용자의 개인 정보를 저장하고, 상기 사용자의 2차원 얼굴 정보와 타원체 모델을 상기 사용자 정보 데이터베이스부에 저장하는 얼굴 인식 장치.
  10. 피사체의 2차원 영상 정보 및 3차원 영상 정보를 획득하고,
    상기 2차원 영상 정보를 이용하여 얼굴 인식을 수행하고,
    상기 인식된 얼굴이 미리 저장된 사용자의 얼굴인지 판단하고,
    상기 사용자의 얼굴이라고 판단되면 상기 사용자의 타원체 모델과 상기 3차원 영상 정보를 매칭시켜 오차를 산출하고,
    상기 오차에 기초하여 상기 사용자의 얼굴 도용 여부를 판단하는 얼굴 인식 방법.
  11. 제 10 항에 있어서, 상기 3차원 영상 정보를 획득하는 것은,
    상기 피사체로 적외선을 출사하고,
    상기 출사된 적외선이 입사되는 비행 시간(TOF)에 대응하는 거리 정보를 획득하고,
    상기 거리 정보에 대응하는 3차원 영상 정보를 생성하는 얼굴 인식 방법.
  12. 제 10 항에 있어서, 상기 사용자의 타원체 모델과 상기 3차원 영상 정보를 매칭시키는 것은,
    ICP(Iterative Closest Point)를 이용하는 얼굴 인식 방법.
  13. 제 12 항에 있어서, 상기 오차를 산출하는 것은,
    상기 매칭된 타원체 모델의 면과 3차원 영상 정보의 면 사이의 오차를 산출하는 얼굴 인식 방법.
  14. 제 10 항에 있어서, 상기 오차에 기초하여 상기 사용자의 얼굴 도용 여부를 판단하는 것은,
    상기 오차가 기준값을 초과하면 상기 피사체가 상기 사용자의 얼굴을 도용하였다고 판단하고,
    상기 오차가 기준값 이하이면 상기 피사체와 상기 사용자가 동일인이라고 판단하는 것을 더 포함하는 얼굴 인식 방법.
  15. 제 10 항에 있어서, 상기 사용자의 타원체 모델과 상기 3차원 영상 정보를 매칭시키는 것은,
    상기 2차원 영상 정보와 3차원 영상 정보에 기초하여 얼굴 영역을 추출하고,
    상기 얼굴 영역에 상기 타원체 모델을 매칭시키는 것을 더 포함하는 얼굴 인식 방법.
  16. 제 10 항에 있어서,
    사용자 등록이 입력되면, 상기 사용자의 개인 정보를 입력받고,
    상기 사용자의 2차원 영상 정보, 3차원 영상 정보를 입력받고,
    상기 2차원 영상 정보의 얼굴 인식을 수행하여 2차원 얼굴 정보를 획득하고,
    상기 2차원 영상 정보와 3차원 영상 정보를 이용하여 타원체 모델을 생성하고,
    상기 사용자의 개인 정보, 2차원 얼굴 정보, 타원체 모델을 저장하여 사용자 등록을 수행하는 것을 더 포함하는 얼굴 인식 방법.
  17. 피사체의 3차원 영상 정보를 획득하고,
    상기 3차원 영상 정보에서 얼굴 영역을 추출하고,
    상기 얼굴 영역을 이루는 타원을 이용하여 타원체 모델을 생성하고,
    상기 피사체의 3차원 영상 정보를 이용하여 얼굴 인식을 수행하고,
    상기 인식된 얼굴이 상기 사용자의 얼굴인지 판단하고,
    상기 사용자의 얼굴이라고 판단되면 상기 타원체 모델과 상기 3차원 영상 정보를 매칭시켜 오차를 산출하고,
    상기 오차에 기초하여 상기 사용자의 얼굴 도용 여부를 판단하는 얼굴 인식 방법.
  18. 제 17 항에 있어서, 상기 얼굴 영역의 3차원 영상 정보에 타원체 모델을 매칭하는 것은
    ICP(Iterative Closest Point)를 이용하는 얼굴 인식 방법.
  19. 제 17 항에 있어서, 상기 타원체를 생성하는 것은,
    상기 얼굴 영역을 이루는 타원의 두 지름과, 상기 두 지름의 교점의 법선으로 이루어지는 타원체를 생성하되, 상기 법선은 미리 정해진 지름을 갖는 타원체를 생성하는 얼굴 인식 방법.
  20. 제 17항에 있어서, 상기 사용자의 얼굴 도용 여부를 판단하는 것은,
    상기 오차가 기준값을 초과하면 상기 사용자의 얼굴 도용으로 판단하고,
    상기 오차가 기준값 이하이면 상기 사용자와 동일인으로 판단하는 얼굴 인식 방법.
KR1020100000500A 2010-01-05 2010-01-05 얼굴 인식 장치 및 그 방법 KR101700595B1 (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
KR1020100000500A KR101700595B1 (ko) 2010-01-05 2010-01-05 얼굴 인식 장치 및 그 방법
US12/980,913 US8406484B2 (en) 2010-01-05 2010-12-29 Facial recognition apparatus, method and computer-readable medium

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020100000500A KR101700595B1 (ko) 2010-01-05 2010-01-05 얼굴 인식 장치 및 그 방법

Publications (2)

Publication Number Publication Date
KR20110080327A true KR20110080327A (ko) 2011-07-13
KR101700595B1 KR101700595B1 (ko) 2017-01-31

Family

ID=44224717

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020100000500A KR101700595B1 (ko) 2010-01-05 2010-01-05 얼굴 인식 장치 및 그 방법

Country Status (2)

Country Link
US (1) US8406484B2 (ko)
KR (1) KR101700595B1 (ko)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20140109158A (ko) * 2013-03-05 2014-09-15 삼성전자주식회사 거리 검출 및 생체 인증 방법, 저장 매체 및 단말
US9049379B2 (en) 2012-04-26 2015-06-02 Samsung Electronics Co., Ltd. Apparatus and method for recognizing image
KR20190029326A (ko) * 2017-09-12 2019-03-20 한양대학교 산학협력단 영상의 원근 왜곡 보정 장치 및 그 방법
US10930010B2 (en) 2018-05-10 2021-02-23 Beijing Sensetime Technology Development Co., Ltd Method and apparatus for detecting living body, system, electronic device, and storage medium
US10977768B2 (en) 2018-05-09 2021-04-13 Samsung Electronics Co., Ltd. Method and apparatus with image normalization
US11003957B2 (en) 2019-08-21 2021-05-11 Advanced New Technologies Co., Ltd. Method and apparatus for certificate identification

Families Citing this family (32)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101665567B1 (ko) * 2010-05-20 2016-10-12 삼성전자주식회사 3차원 뎁스 영상 시간 보간 방법 및 장치
KR101740231B1 (ko) * 2010-11-17 2017-05-26 삼성전자주식회사 3차원 얼굴 위치 추정 방법 및 장치
KR101295054B1 (ko) * 2011-07-06 2013-08-08 엘지전자 주식회사 영상 표시 방법 및 장치
TWI460686B (zh) * 2011-12-13 2014-11-11 Hon Hai Prec Ind Co Ltd 居家安全監控系統及方法
US9075975B2 (en) * 2012-02-21 2015-07-07 Andrew Bud Online pseudonym verification and identity validation
US9453907B2 (en) * 2012-08-15 2016-09-27 Digital Signal Corporation System and method for field calibrating video and lidar subsystems using facial features
KR101937323B1 (ko) * 2012-09-18 2019-01-11 한국전자통신연구원 위장 얼굴 판별 장치 및 방법
KR20140055819A (ko) * 2012-11-01 2014-05-09 삼성전자주식회사 얼굴인식장치 및 그 제어방법
DE202013002483U1 (de) * 2013-03-15 2014-06-16 Csb-System Ag Vorrichtung zur Vermessung einer Schlachttierkörperhälfte
US9524421B2 (en) * 2013-12-09 2016-12-20 Google Inc. Differentiating real faces from representations
US9747493B2 (en) 2014-09-23 2017-08-29 Keylemon Sa Face pose rectification method and apparatus
CN106228683A (zh) * 2015-06-16 2016-12-14 河北徐宁机电设备有限公司 一种业务处理方法及系统、网络侧设备、自动售货机
US20170046507A1 (en) * 2015-08-10 2017-02-16 International Business Machines Corporation Continuous facial recognition for adaptive data restriction
CN106815914A (zh) * 2017-01-25 2017-06-09 辛明江 一种基于人脸识别技术的门禁系统及解锁方法
US11227170B2 (en) * 2017-07-20 2022-01-18 Panasonic Intellectual Property Management Co., Ltd. Collation device and collation method
CN107491739B (zh) * 2017-07-27 2020-04-24 浙江工业大学 一种联合平滑矩阵多变量椭圆分布的鲁棒人脸识别方法
US10679082B2 (en) * 2017-09-28 2020-06-09 Ncr Corporation Self-Service Terminal (SST) facial authentication processing
CN107748869B (zh) * 2017-10-26 2021-01-22 奥比中光科技集团股份有限公司 3d人脸身份认证方法与装置
US10438064B2 (en) * 2018-01-02 2019-10-08 Microsoft Technology Licensing, Llc Live pictures in mixed reality
US11397077B2 (en) * 2018-01-05 2022-07-26 Stmicroelectronics, Inc. Power and security adjustment for face identification with reflectivity detection by a ranging sensor
US10885314B2 (en) * 2018-01-22 2021-01-05 Kneron Inc. Face identification system and face identification method with high security level and low power consumption
US10614292B2 (en) * 2018-02-06 2020-04-07 Kneron Inc. Low-power face identification method capable of controlling power adaptively
US10776609B2 (en) * 2018-02-26 2020-09-15 Samsung Electronics Co., Ltd. Method and system for facial recognition
US20200082160A1 (en) * 2018-09-12 2020-03-12 Kneron (Taiwan) Co., Ltd. Face recognition module with artificial intelligence models
JP7036227B2 (ja) * 2018-11-19 2022-03-15 日本電気株式会社 画像処理方法および画像処理装置
KR20220002362A (ko) 2019-04-29 2022-01-06 액티브 위트니스 코프. 생체 인증을 수반한 보안 시스템 및 프로세스
AU2020329148A1 (en) * 2019-08-09 2022-03-17 Clearview Ai, Inc. Methods for providing information about a person based on facial recognition
US10974537B2 (en) 2019-08-27 2021-04-13 Advanced New Technologies Co., Ltd. Method and apparatus for certificate identification
US20220172537A1 (en) * 2019-09-26 2022-06-02 Andopen Co., Ltd. Device and method for user authentication using security card
TWI761739B (zh) * 2019-12-10 2022-04-21 緯創資通股份有限公司 活體臉部辨識系統與方法
US20210374221A1 (en) * 2020-05-26 2021-12-02 Sony Semiconductor Solutions Corporation Method, computer program and system for authenticating a user and respective methods and systems for setting up an authentication
KR20230060901A (ko) * 2021-10-28 2023-05-08 주식회사 슈프리마 영상 처리 장치 및 방법

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20040079637A (ko) * 2003-03-08 2004-09-16 삼성전자주식회사 3차원 얼굴기술자를 이용한 얼굴인식방법 및 장치
KR20080065532A (ko) * 2007-01-09 2008-07-14 주식회사 에스원 얼굴 인식 방법 및 시스템
KR20090050567A (ko) * 2007-11-16 2009-05-20 전자부품연구원 Ｔｏｆ 카메라를 이용한 로봇의 물체 자세 인식 방법

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
IT1091638B (it) * 1977-12-30 1985-07-06 Microtecnica Dispositivo per la correzione di un errore nella lettura di una scala graduata mobile
US6154559A (en) * 1998-10-01 2000-11-28 Mitsubishi Electric Information Technology Center America, Inc. (Ita) System for classifying an individual's gaze direction
US6434849B1 (en) * 2000-01-24 2002-08-20 Pruftechnik Dieter Busch Ag Method for determining a lateral and/or angular offset between two rotatable parts
US7203356B2 (en) * 2002-04-11 2007-04-10 Canesta, Inc. Subject segmentation and tracking using 3D sensing technology for video compression in multimedia applications
US7436988B2 (en) * 2004-06-03 2008-10-14 Arizona Board Of Regents 3D face authentication and recognition based on bilateral symmetry analysis
US7804997B2 (en) * 2004-06-10 2010-09-28 Technest Holdings, Inc. Method and system for a three dimensional facial recognition system

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20040079637A (ko) * 2003-03-08 2004-09-16 삼성전자주식회사 3차원 얼굴기술자를 이용한 얼굴인식방법 및 장치
KR20080065532A (ko) * 2007-01-09 2008-07-14 주식회사 에스원 얼굴 인식 방법 및 시스템
KR20090050567A (ko) * 2007-11-16 2009-05-20 전자부품연구원 Ｔｏｆ 카메라를 이용한 로봇의 물체 자세 인식 방법

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9049379B2 (en) 2012-04-26 2015-06-02 Samsung Electronics Co., Ltd. Apparatus and method for recognizing image
US9684819B2 (en) 2012-04-26 2017-06-20 Samsung Electronics Co., Ltd. Apparatus and method for distinguishing whether an image is of a live object or a copy of a photo or moving picture
KR20140109158A (ko) * 2013-03-05 2014-09-15 삼성전자주식회사 거리 검출 및 생체 인증 방법, 저장 매체 및 단말
KR20190029326A (ko) * 2017-09-12 2019-03-20 한양대학교 산학협력단 영상의 원근 왜곡 보정 장치 및 그 방법
US10977768B2 (en) 2018-05-09 2021-04-13 Samsung Electronics Co., Ltd. Method and apparatus with image normalization
US11475537B2 (en) 2018-05-09 2022-10-18 Samsung Electronics Co., Ltd. Method and apparatus with image normalization
US10930010B2 (en) 2018-05-10 2021-02-23 Beijing Sensetime Technology Development Co., Ltd Method and apparatus for detecting living body, system, electronic device, and storage medium
US11003957B2 (en) 2019-08-21 2021-05-11 Advanced New Technologies Co., Ltd. Method and apparatus for certificate identification

Also Published As

Publication number Publication date
US8406484B2 (en) 2013-03-26
US20110164792A1 (en) 2011-07-07
KR101700595B1 (ko) 2017-01-31

Similar Documents

Publication Publication Date Title
KR101700595B1 (ko) 얼굴 인식 장치 및 그 방법
KR102036978B1 (ko) 라이브니스 검출 방법 및 디바이스, 및 아이덴티티 인증 방법 및 디바이스
CN106407914B (zh) 用于检测人脸的方法、装置和远程柜员机系统
CN106778525B (zh) 身份认证方法和装置
WO2019071664A1 (zh) 结合深度信息的人脸识别方法、装置及存储介质
JP6754642B2 (ja) 生体検知装置
CN105740778B (zh) 一种改进的三维人脸活体检测方法及其装置
KR101647803B1 (ko) 3차원 얼굴모델 투영을 통한 얼굴 인식 방법 및 시스템
CN108304828B (zh) 一种三维活体人脸识别装置及方法
US9495580B2 (en) Face recognition apparatus and method using plural face images
KR20210062381A (ko) 라이브니스 검사 방법 및 장치, 생체 인증 방법 및 장치
KR20210069404A (ko) 라이브니스 검사 방법 및 라이브니스 검사 장치
Boutellaa et al. On the use of Kinect depth data for identity, gender and ethnicity classification from facial images
WO2013114806A1 (ja) 生体認証装置及び生体認証方法
KR101724971B1 (ko) 광각 카메라를 이용한 얼굴 인식 시스템 및 그를 이용한 얼굴 인식 방법
US11756338B2 (en) Authentication device, authentication method, and recording medium
KR20180134280A (ko) 3차원 깊이정보 및 적외선정보에 기반하여 생체여부의 확인을 행하는 얼굴인식 장치 및 방법
KR20140053647A (ko) 3차원 얼굴 인식 시스템 및 그의 얼굴 인식 방법
KR20150069799A (ko) 얼굴 인증 방법 및 그 장치
KR20020022295A (ko) 3차원 정보를 이용한 얼굴 인식 장치 및 방법
KR101053253B1 (ko) 3차원 정보를 이용한 얼굴 인식 장치 및 방법
KR101815697B1 (ko) 위조 얼굴 판별 장치 및 방법
KR101070442B1 (ko) 다중 레벨 얼굴 인식을 이용한 얼굴 인증 시스템 및 인증 방법
WO2017173639A1 (zh) 一种基于多模式生物识别信息的个人识别装置和方法
CN113255401A (zh) 3d人脸摄像装置

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
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20191216

Year of fee payment: 4