KR20130048088A - 얼굴 인식 장치 및 방법 - Google Patents

얼굴 인식 장치 및 방법 Download PDF

Info

Publication number
KR20130048088A
KR20130048088A KR1020110113024A KR20110113024A KR20130048088A KR 20130048088 A KR20130048088 A KR 20130048088A KR 1020110113024 A KR1020110113024 A KR 1020110113024A KR 20110113024 A KR20110113024 A KR 20110113024A KR 20130048088 A KR20130048088 A KR 20130048088A
Authority
KR
South Korea
Prior art keywords
face
image
suitability
face recognition
recognition
Prior art date
Application number
KR1020110113024A
Other languages
English (en)
Other versions
KR101268586B1 (ko
Inventor
정지년
Original Assignee
주식회사 에스원
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 주식회사 에스원 filed Critical 주식회사 에스원
Priority to KR1020110113024A priority Critical patent/KR101268586B1/ko
Publication of KR20130048088A publication Critical patent/KR20130048088A/ko
Application granted granted Critical
Publication of KR101268586B1 publication Critical patent/KR101268586B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
    • G06F18/2135—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods based on approximation criteria, e.g. principal component analysis
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/80—Camera processing pipelines; Components thereof
    • H04N23/81—Camera processing pipelines; Components thereof for suppressing or minimising disturbance in the image signal generation

Landscapes

  • Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Signal Processing (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)

Abstract

얼굴 인식 장치는 입력되는 얼굴 영역의 영상에 대한 복원 영상을 생성하고, 얼굴 영역의 영상과 복원 영상간 복원 오차를 이용하여 얼굴 영역의 영상에 대한 얼굴 인식 적합도를 계산하여, 얼굴 인식 적합도가 임계 값 이상인 얼굴 영역의 영상만을 이용하여 얼굴 인식 과정을 수행한다.

Description

얼굴 인식 장치 및 방법{APPARATUS AND METHOD FOR RECOGNIZING FACE}
본 발명은 얼굴 인식 장치 및 방법에 관한 것으로, 특히 얼굴 인식에 부적합한 영상을 판별하는 방법에 관한 것이다.
정지 영상이나 동영상으로부터 얼굴을 자동으로 인식하는 기술은 영상 처리나 패턴 인식과 같은 다양한 분야에 걸쳐서 활발히 연구되고 있으며, 상업적, 법적으로 수많은 응용 분야를 가지고 있다. 이러한 응용 분야는 여권, 신용 카드, 주민 등록증, 운전 면허증, 그리고 범인의 얼굴 사진 등과 같은 제한된 형태의 정지 영상을 이용하는 방법에서부터 동영상 감시 등과 같은 실시간 인식에 이르기까지 그 종류가 매우 다양하다.
얼굴 영상 인식은 크게 얼굴 검출, 얼굴 정규화, 그리고 얼굴 인식 과정을 통해 수행될 수 있다.
일반적으로 얼굴 영상 인식 장치는 입력 영상의 품질이나 포즈, 표정, 주변 조명 등 다양한 환경적 요인을 고려하지 않고 있다. 따라서, 성공적으로 얼굴 검출 과정과 얼굴 정규화 과정을 거치더라도 검출한 얼굴 영상의 품질이 낮거나 포즈나 표정 변화 등으로 인해 취득한 얼굴 영상이 얼굴 인식에 적합하지 못하여 오인식이 발생할 수 있다.
본 발명이 해결하고자 하는 기술적 과제는 얼굴 인식에 부적합한 영상을 제거하여 얼굴 인식 성능을 향상시킬 수 있는 얼굴 인식 장치 및 방법을 제공하는 것이다.
본 발명의 한 실시 예에 따르면, 입력 영상으로부터 얼굴을 인식하는 장치가 제공된다. 얼굴 인식 장치는 얼굴 검출부, 정규화부, 적합성 판별부, 그리고 얼굴 인식부를 포함한다. 상기 얼굴 검출부는 상기 입력 영상으로부터 얼굴 영역을 검출한다. 상기 정규화부는 상기 얼굴 영역의 영상을 정규화한다. 상기 적합성 판별부는 정규화한 얼굴 영역의 영상에 대한 특징 벡터를 이용하여 상기 얼굴 영역의 영상을 복원하고, 상기 얼굴 영역의 영상과 상기 얼굴 영역의 복원 영상으로부터 복원 오차를 계산하며, 계산한 복원 오차를 이용하여 상기 얼굴 영역의 영상에 대한 얼굴 인식 적합도를 계산한다. 그리고 상기 얼굴 인식부는 상기 얼굴 인식 적합도가 임계 값 이상인 얼굴 영역의 영상을 이용하여 얼굴을 인식한다.
상기 적합성 판별부는, 학습 인식 모델 영상에 대한 주성분분석(Principle Component Analysis, PCA)을 통해 생성된 기저벡터를 이용하여 상기 특징 벡터를 계산하는 특징 벡터 계산부, 그리고 상기 특징 벡터를 이용하여 상기 복원 영상을 생성하는 복원부를 포함할 수 있다.
상기 적합성 판별부는, 상기 계산한 복원 오차로부터 얼굴 인식 적합도 함수를 통해 상기 얼굴 인식 적합도를 계산하는 적합도 계산부를 더 포함할 수 있으며,
상기 얼굴 인식 적합도 함수는 상기 학습 인식 모델 영상으로부터 얻은 복원 오차의 평균과 분산을 이용하여 수식화된 함수일 수 있다.
상기 적합성 판별부는, 상기 얼굴 영역의 영상과 상기 복원 영상의 차이를 나타내는 오차 벡터와 상기 오차 벡터에 대한 전치 벡터의 곱으로 상기 복원 오차를 계산하는 복원 오차 계산부를 더 포함할 수 있다.
본 발명의 다른 실시 예에 따르면, 얼굴 인식 장치에서 얼굴을 인식하는 방법이 제공된다. 얼굴 인식 방법은, 입력 영상으로부터 얼굴 영역의 영상을 검출하는 단계, 상기 얼굴 영역의 영상에 대한 복원 영상을 생성하는 단계, 상기 얼굴 영역의 영상과 상기 복원 영상간 복원 오차를 이용하여 상기 얼굴 영역의 영상에 대한 얼굴 인식 적합도를 계산하는 단계, 그리고 상기 얼굴 인식 적합도가 임계 값 이상인 얼굴 영역의 영상을 이용하여 얼굴을 인식하는 단계를 포함한다.
상기 생성하는 단계는, 학습 인식 모델 영상에 대한 주성분분석(Principle Component Analysis, PCA)을 통해 생성된 기저벡터를 이용하여, 상기 얼굴 영역의 영상에 대한 특징 벡터를 계산하는 단계, 그리고 상기 특징 벡터를 이용하여 상기 복원 영상을 생성하는 단계를 포함할 수 있다.
상기 얼굴 인식 적합도를 계산하는 단계는, 상기 계산한 복원 오차로부터 얼굴 인식 적합도 함수를 통해 상기 얼굴 인식 적합도를 계산하는 단계를 포함할 수 있으며, 상기 얼굴 인식 적합도 함수는 상기 학습 인식 모델 영상으로부터 얻은 복원 오차의 평균과 분산을 이용하여 수식화된 함수일 수 있다.
상기 얼굴 인식 적합도를 계산하는 단계는, 상기 얼굴 영역의 영상과 상기 복원 영상의 차이를 나타내는 오차 벡터와 상기 오차 벡터에 대한 전치 벡터의 곱으로부터 상기 복원 오차를 계산하는 단계를 포함할 수 있다.
본 발명의 실시 예에 의하면, 얼굴 인식 과정을 수행하기 전에 얼굴 인식에 부적합한 영상을 걸러내거나 얼굴 인식 적합도가 가장 높은 영상들만을 얼굴 인식에 사용하도록 함으로써, 얼굴 인식 성능을 향상시킬 수 있다.
도 1은 본 발명의 실시 예에 따른 얼굴 인식 장치를 나타낸 도면이다.
도 2는 본 발명의 실시 예에 따른 얼굴 인식 방법을 나타낸 흐름도이다.
도 3은 도 1에 도시된 적합성 판별부를 나타낸 도면이다.
도 4는 도 3에 도시된 적합성 판별부에서 수행하는 적합성 판단 방법을 설명한 흐름도이다.
아래에서는 첨부한 도면을 참고로 하여 본 발명의 실시 예에 대하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 상세히 설명한다. 그러나 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시 예에 한정되지 않는다.
그리고 도면에서 본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다.
명세서 및 청구범위 전체에서, 어떤 부분이 어떤 구성 요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성 요소를 더 포함할 수 있는 것을 의미한다.
이제 본 발명의 실시 예에 따른 얼굴 인식 장치 및 방법에 대하여 도면을 참고로 하여 상세하게 설명한다.
도 1은 본 발명의 실시 예에 따른 얼굴 인식 장치를 나타낸 도면이고, 도 2는 본 발명의 실시 예에 따른 얼굴 인식 방법을 나타낸 흐름도이다.
도 1을 참고하면, 얼굴 인식 장치(100)는 얼굴 검출부(110), 정규화부(120), 적합성 판별부(130), 특징 추출부(140) 및 얼굴 인식부(150)를 포함한다.
도 2를 보면, 얼굴 검출부(110)는 얼굴 인식을 위한 영상이 입력되면(S200), 입력 영상으로부터 얼굴 영역을 검출한다(S210). 얼굴 검출부(110)는 NN(Neural Network), SVM(Support Vector Machine) 등과 같은 얼굴 검출 알고리즘을 통해 입력 영상으로부터 얼굴 영역을 검출할 수 있다.
정규화부(120)는 검출한 얼굴 영역의 영상에 대해 정규화를 수행하여, 검출한 얼굴 영역의 영상을 얼굴 인식에 적합한 위치 및 크기로 변환한다(S220).
적합성 판별부(130)는 정규화한 얼굴 영역의 영상이 얼굴 인식에 적합한지를 판단하기 위해 정규화한 얼굴 영역의 영상에 대한 얼굴 인식 적합도를 계산한다(S230). 얼굴 인식 적합도는 얼굴 영역이 올바른 각도로 되어 있는지, 얼굴 영역의 영상이 적당한 조명과 해상도를 가지고 있는지 등 얼굴 인식에 적합한지의 여부를 나타내는 척도로 사용된다.
적합성 판별부(130)는 얼굴 영역의 영상에 대한 얼굴 인식 적합도를 사전에 정의된 임계 값과 비교하여 정규화한 얼굴 영역의 영상이 얼굴 인식에 적합한지를 판별한다(S240). 적합성 판별부(130)는 얼굴 인식에 적합한 것으로 판별된 얼굴 영역의 영상을 특징 추출부(140)로 전달한다.
한편, 적합성 판별부(130)는 얼굴 영역의 영상이 얼굴 인식에 적합하지 않은 것으로 판별되면, 이를 사용자에게 알려서 다른 영상의 입력을 요구할 수 있다.
특징 추출부(140)는 적합성 판별부(130)로부터 전달 받은 정규화된 얼굴 영역의 영상에서 개인간의 차이가 두드러진 특징을 추출한다(S250). 특징 추출부(140)는 가보 변환(Gabor transform)을 이용하거나 LBP(Local Binary Pattern), SIFT(Scale Invariant Feature Transform) 등 개인의 특성과 무관한 변화(조명 변화, 노이즈, 포즈 변화 등)가 최소화 될 수 있는 방법을 사용하여 특징을 추출할 수 있다. 특징 추출부(140)는 추출한 특징을 LDA(Linear Discriminant Analysis)와 같은 변환 과정을 통해 개인간 특성을 더욱 극대화 시킨 특징으로 변환할 수도 있다.
얼굴 인식부(150)는 추출한 특징을 이용하여 얼굴을 인식한다(S260). 얼굴 인식부(150)는 등록된 얼굴 영상의 특징들을 저장하고 있는 데이터베이스(도시하지 않음)를 포함할 수 있으며, 추출한 특징을 데이터베이스에 등록된 얼굴 영상의 특징들과 비교하여 얼굴을 인식할 수 있다.
그러면, 적합성 판별부(130)에서 얼굴 영역의 영상에 대해 얼굴 인식 적합성을 판별하는 방법에 대해 도 3 및 도 4를 참고로 하여 자세하게 설명한다.
도 3은 도 1에 도시된 적합성 판별부를 나타낸 도면이고, 도 4는 도 3에 도시된 적합성 판별부에서 수행하는 적합성 판단 방법을 설명한 흐름도이다.
도 3을 참고하면, 적합성 판별부(130)는 특징 벡터 계산부(132), 복원부(134), 복원 오차 계산부(136) 및 적합도 계산부(138)를 포함한다.
도 4를 보면, 특징 벡터 계산부(132)는 학습 인식 모델 영상에 대한 주성분분석(Principle Component Analysis, PCA)의 결과를 이용하여, 하나의 열을 가지는 열벡터(column vector)로 표현된 얼굴 영역의 영상(x)에 대한 특징 벡터(a)를 계산한다(S400).
특징 벡터 계산부(132)는 얼굴 인식을 위해, 수학식 1과 같이 열 벡터로 표현되는 얼굴 영역의 영상(x)을 기저벡터(Q)에 투영하여, 얼굴 영역의 영상(x)에 대한 특징 벡터(a)를 계산할 수 있다.
[수학식 1]
a=QT(x-m)
수학식 2에서, T는 전치(transpose)를 나타낸다.
기저벡터(Q)는 PCA를 통해서 생성될 수 있다.
구체적으로, PCA는 수학식 2와 같은 공분산 행렬(C)에 대해 고유 분석을 통해 기저벡터(Q)를 생성한다.
[수학식 2]
Figure pat00001
여기서, Xi는 m*n 크기의 j번째 학습 인식 모델의 얼굴 영상을 1차원 벡터로 변형한 벡터를 의미하며, m은 총 M개의 학습 인식 모델의 얼굴 영상의 평균을 나타내는 평균 벡터이다.
공분산 행렬(C)의 고유 분석을 통해서 최대 m*n개의 고유 벡터(eigenvector)가 생성되며, 일반적으로 고유값의 크기 순서에 따라 상위 K개를 선택하여, 고유 벡터를 열벡터로 하는 기저벡터(q)가 정의될 수 있다.
복원부(134)는 얼굴 영역의 영상 벡터(x)에 대한 특징 벡터(a)로부터 얼굴 영상을 복원하여, 얼굴 영역의 복원 영상(
Figure pat00002
)을 생성한다(S410). 열 벡터로 표현되는 얼굴 영역의 복원 영상(
Figure pat00003
)은 수학식 3과 같이 계산될 수 있다.
[수학식 3]
Figure pat00004
복원 오차 계산부(136)는 얼굴 영역의 영상(x)과 복원 영상(
Figure pat00005
)으로부터 복원 오차(d)를 계산한다(S420). 복원 오차(d)는 수학식 4와 같이 얼굴 영역의 영상(x)과 복원 영상(
Figure pat00006
)의 차에 해당하는 오차 벡터와 오차 벡터에 대한 전치 벡터의 곱으로부터 계산될 수 있다.
[수학식 4]
Figure pat00007
적합도 계산부(138)는 복원 오차(d)를 이용하여 얼굴 영역의 영상(x)에 대한 얼굴 인식 적합도를 계산한다(S430). 얼굴 인식 적합도는 0보다 크고 1보다 작은 값일 수 있다.
적합도 계산부(138)는 얼굴 인식 적합도 함수[f(d)]를 이용하여 복원 오차(d)로부터 얼굴 인식 적합도를 계산할 수 있다. 얼굴 인식 적합도 함수[f(d)]는 학습 인식 모델의 얼굴 영상으로부터 복원 오차를 구한 후 복원 오차의 통계를 통해 계산된 확률 분포로 수치화한 함수이다. 얼굴 인식 적합도 함수[f(d)]는 수학식 5와 같이 표현될 수 있다.
[수학식 5]
Figure pat00008
여기서,
Figure pat00009
는 학습 인식 모델의 얼굴 영상들로부터 얻은 복원 오차(d)의 평균을 나타내고,
Figure pat00010
는 학습 인식 모델의 얼굴 영상들로부터 얻은 복원 오차(d)의 분산을 나타낸다. 그리고 k는 상수 값으로, 얼굴 인식 모델의 영상 품질 저하에 대한 강건함 정도에 따라 조절될 수 있다.
적합도 계산부(138)는 계산한 얼굴 인식 적합도를 임계 값과 비교하고(S440), 임계 값보다 작은 얼굴 인식 적합도를 가진 얼굴 영역의 영상을 걸러내고, 임계 값 이상에 해당하는 얼굴 인식 적합도를 가진 얼굴 영역의 영상을 특징 추출부(140)로 전달한다(S450). 여기서, 임계 값은 사용자에 의해 임의로 설정될 수 있으며, 입력 영상의 품질이나 포즈, 표정, 주변 조명 등 환경적 요인에 따라 변경될 수 있다.
이와 같이 하면, 얼굴 영역의 영상으로부터 특징을 추출하기 전에 입력 영상의 품질이나 포즈, 표정, 주변 조명 등 다양한 환경적 요인에 의한 부적합한 입력 영상이 미리 걸러지므로, 다양한 환경적 요인으로 인한 오인식을 감소시킬 수 있고 결과적으로 얼굴 인식 성능이 향상될 수 있다.
이상에서 본 발명의 실시 예에 대하여 상세하게 설명하였지만 본 발명의 권리 범위는 이에 한정되는 것은 아니고 다음의 청구범위에서 정의하고 있는 본 발명의 기본 개념을 이용한 당업자의 여러 변형 및 개량 형태 또한 본 발명의 권리 범위에 속하는 것이다.

Claims (12)

  1. 입력 영상으로부터 얼굴을 인식하는 장치에서,
    상기 입력 영상으로부터 얼굴 영역을 검출하는 얼굴 검출부,
    상기 얼굴 영역의 영상을 정규화하는 정규화부,
    정규화한 얼굴 영역의 영상에 대한 특징 벡터를 이용하여 상기 얼굴 영역의 영상을 복원하고, 상기 얼굴 영역의 영상과 상기 얼굴 영역의 복원 영상으로부터 복원 오차를 계산하며, 계산한 복원 오차를 이용하여 상기 얼굴 영역의 영상에 대한 얼굴 인식 적합도를 계산하는 적합성 판별부, 그리고
    상기 얼굴 인식 적합도가 임계 값 이상인 얼굴 영역의 영상을 이용하여 얼굴을 인식하는 얼굴 인식부
    를 포함하는 얼굴 인식 장치.
  2. 제1항에서,
    상기 적합성 판별부는,
    학습 인식 모델 영상에 대한 주성분분석(Principle Component Analysis, PCA)을 통해 생성된 기저벡터를 이용하여 상기 특징 벡터를 계산하는 특징 벡터 계산부, 그리고
    상기 특징 벡터를 이용하여 상기 복원 영상을 생성하는 복원부를 포함하는 얼굴 인식 장치.
  3. 제2항에서,
    상기 적합성 판별부는,
    상기 계산한 복원 오차로부터 얼굴 인식 적합도 함수를 통해 상기 얼굴 인식 적합도를 계산하는 적합도 계산부를 더 포함하며,
    상기 얼굴 인식 적합도 함수는 상기 학습 인식 모델 영상으로부터 얻은 복원 오차의 평균과 분산을 이용하여 수식화된 함수인 얼굴 인식 장치.
  4. 제2항에서,
    상기 적합성 판별부는,
    상기 얼굴 영역의 영상과 상기 복원 영상의 차이를 나타내는 오차 벡터와 상기 오차 벡터에 대한 전치 벡터의 곱으로 상기 복원 오차를 계산하는 복원 오차 계산부를 더 포함하는 얼굴 인식 장치.
  5. 제1항에서,
    상기 얼굴 인식 적합도가 임계 값 이상인 얼굴 영역의 영상에 대해 특징을 추출하여 상기 얼굴 인식부로 전달하는 특징 추출부
    를 더 포함하는 얼굴 인식 장치.
  6. 제5항에서,
    상기 얼굴 인식부는 상기 추출한 특징을 등록된 얼굴 영상의 특징들과 비교하여 상기 얼굴을 인식하는 얼굴 인식 장치.
  7. 얼굴 인식 장치에서 얼굴을 인식하는 방법에서,
    입력 영상으로부터 얼굴 영역의 영상을 검출하는 단계,
    상기 얼굴 영역의 영상에 대한 복원 영상을 생성하는 단계,
    상기 얼굴 영역의 영상과 상기 복원 영상간 복원 오차를 이용하여 상기 얼굴 영역의 영상에 대한 얼굴 인식 적합도를 계산하는 단계, 그리고
    상기 얼굴 인식 적합도가 임계 값 이상인 얼굴 영역의 영상을 이용하여 얼굴을 인식하는 단계
    를 포함하는 얼굴 인식 방법.
  8. 제7항에서,
    상기 생성하는 단계는,
    학습 인식 모델 영상에 대한 주성분분석(Principle Component Analysis, PCA)을 통해 생성된 기저벡터를 이용하여, 상기 얼굴 영역의 영상에 대한 특징 벡터를 계산하는 단계, 그리고
    상기 특징 벡터를 이용하여 상기 복원 영상을 생성하는 단계를 포함하는 얼굴 인식 방법.
  9. 제8항에서,
    상기 얼굴 인식 적합도를 계산하는 단계는,
    상기 계산한 복원 오차로부터 얼굴 인식 적합도 함수를 통해 상기 얼굴 인식 적합도를 계산하는 단계를 포함하고,
    상기 얼굴 인식 적합도 함수는 상기 학습 인식 모델 영상으로부터 얻은 복원 오차의 평균과 분산을 이용하여 수식화된 함수인 얼굴 인식 방법.
  10. 제7항에서,
    상기 얼굴 인식 적합도를 계산하는 단계는,
    상기 얼굴 영역의 영상과 상기 복원 영상의 차이를 나타내는 오차 벡터와 상기 오차 벡터에 대한 전치 벡터의 곱으로부터 상기 복원 오차를 계산하는 단계를 포함하는 얼굴 인식 방법.
  11. 제7항에서,
    상기 인식하는 단계는,
    상기 얼굴 인식 적합도가 임계 값 이상인 얼굴 영역의 영상으로부터 특징을 추출하는 단계, 그리고
    상기 특징을 이용하여 상기 얼굴을 인식하는 단계를 포함하는 얼굴 인식 방법.
  12. 제7항에서,
    상기 생성하는 단계 이전에, 상기 얼굴 영역의 영상을 정규화하는 단계
    를 더 포함하는 얼굴 인식 방법.
KR1020110113024A 2011-11-01 2011-11-01 얼굴 인식 장치 및 방법 KR101268586B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020110113024A KR101268586B1 (ko) 2011-11-01 2011-11-01 얼굴 인식 장치 및 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020110113024A KR101268586B1 (ko) 2011-11-01 2011-11-01 얼굴 인식 장치 및 방법

Publications (2)

Publication Number Publication Date
KR20130048088A true KR20130048088A (ko) 2013-05-09
KR101268586B1 KR101268586B1 (ko) 2013-05-28

Family

ID=48659309

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020110113024A KR101268586B1 (ko) 2011-11-01 2011-11-01 얼굴 인식 장치 및 방법

Country Status (1)

Country Link
KR (1) KR101268586B1 (ko)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101441106B1 (ko) * 2013-08-21 2014-09-23 주식회사 에스원 얼굴 검출 및 검증 방법 및 그 장치
CN109859112A (zh) * 2018-12-21 2019-06-07 航天信息股份有限公司 一种实现人脸补全的方法及系统
KR20200026784A (ko) * 2018-08-31 2020-03-11 도시바 미쓰비시덴키 산교시스템 가부시키가이샤 제조 프로세스 감시 장치
KR20200119425A (ko) * 2019-04-01 2020-10-20 한국전자통신연구원 도메인 적응 기반 객체 인식 장치 및 그 방법
KR20230092135A (ko) * 2021-12-17 2023-06-26 (주)넷비젼텔레콤 특정 이미지 탐색 기반 비식별화 처리 시스템 및 그 방법

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101441106B1 (ko) * 2013-08-21 2014-09-23 주식회사 에스원 얼굴 검출 및 검증 방법 및 그 장치
KR20200026784A (ko) * 2018-08-31 2020-03-11 도시바 미쓰비시덴키 산교시스템 가부시키가이샤 제조 프로세스 감시 장치
CN109859112A (zh) * 2018-12-21 2019-06-07 航天信息股份有限公司 一种实现人脸补全的方法及系统
CN109859112B (zh) * 2018-12-21 2023-09-26 航天信息股份有限公司 一种实现人脸补全的方法及系统
KR20200119425A (ko) * 2019-04-01 2020-10-20 한국전자통신연구원 도메인 적응 기반 객체 인식 장치 및 그 방법
US11380133B2 (en) 2019-04-01 2022-07-05 Electronics And Telecommunications Research Institute Domain adaptation-based object recognition apparatus and method
KR20230092135A (ko) * 2021-12-17 2023-06-26 (주)넷비젼텔레콤 특정 이미지 탐색 기반 비식별화 처리 시스템 및 그 방법

Also Published As

Publication number Publication date
KR101268586B1 (ko) 2013-05-28

Similar Documents

Publication Publication Date Title
Afifi 11K Hands: Gender recognition and biometric identification using a large dataset of hand images
Kusakunniran et al. Gait recognition across various walking speeds using higher order shape configuration based on a differential composition model
Li et al. Common feature discriminant analysis for matching infrared face images to optical face images
KR101268586B1 (ko) 얼굴 인식 장치 및 방법
Wang et al. Feature representation for facial expression recognition based on FACS and LBP
Salve et al. Iris recognition using SVM and ANN
El Khiyari et al. Age invariant face recognition using convolutional neural networks and set distances
Parashar et al. Data preprocessing and feature selection techniques in gait recognition: A comparative study of machine learning and deep learning approaches
Qiang et al. Hybrid human detection and recognition in surveillance
Omoyiola Overview of biometric and facial recognition techniques
JP2019016268A (ja) 画像処理装置、画像処理方法、及び画像処理プログラム
Zhang et al. Spatial histogram features for face detection in color images
KR102063745B1 (ko) 측면 프로파일링 기반 신원확인 장치 및 방법
Bakhshi et al. A study based on various face recognition algorithms
WO2018173848A1 (ja) オブジェクト追跡システム、インテリジェント撮像装置、オブジェクト特徴量抽出装置、オブジェクト特徴量抽出方法及び記憶媒体
Alsubari et al. Facial expression recognition using wavelet transform and local binary pattern
Hatipoglu et al. A gender recognition system from facial images using SURF based BoW method
Tiwari et al. Comparison of adult and newborn ear images for biometric recognition
Fu et al. Centralized Gabor gradient histogram for facial gender recognition
Berksan Gender recognition and age estimation based on human gait
KR100711223B1 (ko) 저니키(Ｚｅｒｎｉｋｅ)/선형 판별 분석(ＬＤＡ)을 이용한얼굴 인식 방법 및 그 방법을 기록한 기록매체
Mekami et al. Local Patterns and Big Time Series Data for Facial Poses Classification.
Mohammad Multi-Modal Ocular Recognition in Presence of Occlusion in Mobile Devices
Alex et al. Local alignment of gradient features for face sketch recognition
Goyal et al. Performance analysis of human gesture recognition techniques

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: 20170502

Year of fee payment: 5

FPAY Annual fee payment

Payment date: 20180502

Year of fee payment: 6

FPAY Annual fee payment

Payment date: 20190502

Year of fee payment: 7