KR20150056460A

KR20150056460A - 화상 인식장치 및 화상 인식장치에 대한 데이터 등록방법

Info

Publication number: KR20150056460A
Application number: KR1020140149701A
Authority: KR
Inventors: 타쯔야 무라카미; 아쯔시 이리에
Original assignee: 오므론 가부시키가이샤
Priority date: 2013-11-15
Filing date: 2014-10-31
Publication date: 2015-05-26
Also published as: KR101714350B1; CN104657705B; US20150139492A1; EP2874098B1; US9734163B2; JP2015097000A; KR20160124719A; JP6268960B2; CN104657705A; EP2874098A1

Abstract

본 발명은, 양호한 인식 정밀도가 얻어지도록, 데이터베이스에 등록하는 특징량 데이터를 자동으로 최적화하기 위한 기술을 제공하기 위한 것이다. 본 발명에서는, 같은 등록 오브젝트에 대하여 등록되는 특징량 데이터의 변화(불규칙)가 가급적 커지도록, 특징량 데이터의 등록, 파기, 교체 등을 자동으로 판단하는 구성을 채용한다. 예를 들어, 등록부는, 등록용 화상으로부터 추출된 특징량 데이터인 신규 데이터가, 데이터베이스에 이미 등록되어 있는 특징량 데이터와 유사한 경우에는, 그 신규 데이터의 추가를 하지 않는다.

Description

화상 인식장치 및 화상 인식장치에 대한 데이터 등록방법{Image Recognition Apparatus and Data Registration Method for Image Recognition Apparatus}

본 발명은, 화상 인식장치에 관한 것으로, 특히 화상 인식장치에 대하여 인식대상의 특징량 데이터를 등록하기 위한 기술에 관한 것이다.

화상인식이란, 화상으로부터 특징량 데이터를 추출하고, 그 데이터를 데이터베이스에 미리 등록되어 있는 기지(旣知) 오브젝트의 특징량 데이터와 대조함으로써, 화상 중의 피사체의 식별(동정(同定))을 하는 기술이다. 화상인식은, 예를 들어 바이오메트릭스 화상에 의한 본인인증이나 개인식별, 침입자나 불심물(不審物)을 검출하는 감시 시스템, 생산라인 등에서의 워크 검사, 교통 인프라에서의 통행인이나 통행차량의 식별 등, 다종 다양한 분야에 적용되고 있다.

화상인식에서는, 카메라로 촬영한 화상을 사용하기 때문에, 그때 그때의 촬영조건(오브젝트의 상태(얼굴인 경우는, 방향, 표정, 장신구의 유무, 화장, 모발형 등)나 조명상태 등)에 따라, 추출되는 특징량이 고르지 않음은 피할 수 없다. 그래서, 촬영조건의 상이에 대한 로바스트성을 높이고, 인식 정밀도를 향상하기 위한 방책으로서, 같은 오브젝트에 대해 다른 화상으로부터 추출한 복수의 특징량 데이터를 등록해 두는 방법이 일반적으로 채용된다. 환언하면, 데이터베이스에 등록하는 특징량 데이터의 변화(variation)(불규칙)를 높이는 것이, 화상인식의 정밀도를 향상하기 위해서는 바람직하다.

그렇지만, 등록하는 특징량 데이터의 수를 단순하게 늘리면 된다는 것은 아니다. 데이터베이스의 기억용량이나 프로그램의 제약에 의해, 데이터베이스에 대하여(또는, 개개의 오브젝트에 대하여) 등록할 수 있는 특징량 데이터의 수에는 한계가 있기 때문이다. 즉, 한정된 데이터 수 중에서, 보다 고정밀도의 화상인식이 가능하도록, 등록하는 특징량 데이터의 최적화를 행하는 것이 실용상 중요하다.

특징량 데이터의 등록이나 갱신에 관한 선행기술로서, 예를 들어 특허문헌 1, 2를 들 수 있다. 특허문헌 1에서는, 등록후보의 데이터와 이미 등록되어 있는 데이터와의 전체 비교를 행하여, 우선순위가 높은 것을 새로운 등록 데이터로서 데이터베이스에 보존한다는 아이디어가 개시되어 있다. 또, 특허문헌 2에는, 등록후보의 데이터와 이미 등록되어 있는 데이터를 비교하여, 이미 등록되어 있는 데이터에 대한 유사도가 너무 높지도 너무 낮지도 않은 등록후보의 화상만을 사용자에게 제시함으로써, 사용자에 의한 등록후보의 취사(取捨) 선택을 간단화한다는 아이디어가 개시되어 있다. 그러나, 특허문헌 1에는, 우선순위의 결정방법이 구체적으로 개시되어 있지 않고, 등록해야 할 특징량 데이터의 선정이나 데이터베이스의 갱신을 어떻게 실현하면 되는지 불명하다. 또 특허문헌 2의 방법은, 사용자의 조작이나 판단을 지원하는 것이 목적이고, 데이터베이스의 자동 갱신의 구체적인 방법을 제시하는 것은 아니다.

특허문헌 1: 일본공개특허 특개2002-259980호 공보 특허문헌 2: 일본공개특허 특개2012-242891호 공보

본 발명은, 상기 실정에 감안하여 이루어진 것으로, 양호한 인식 정밀도가 얻어지도록, 데이터베이스에 등록하는 특징량 데이터를 자동으로 최적화하기 위한 기술을 제공하는 것을 목적으로 한다.

상기 목적을 달성하기 위해 본 발명에서는, 같은 등록 오브젝트에 대하여 등록되는 특징량 데이터의 변화(불규칙)가 가급적 커지도록, 특징량 데이터의 등록, 파기, 교체 등을 자동으로 판단하는 구성을 채용한다.

구체적으로는, 본 발명에 따른 화상 인식장치는, 화상으로부터 피사체의 특징량 데이터를 추출하는 추출부와, 하나의 등록 오브젝트에 대하여 다른 화상으로부터 추출된 복수의 특징량 데이터를 등록 가능한 데이터베이스와, 상기 추출부에서 추출된 특징량 데이터를, 상기 데이터베이스에 등록되어 있는 상기 등록 오브젝트의 특징량 데이터와 대조함으로써, 상기 피사체가 상기 등록 오브젝트인지 아닌지를 식별하는 대조부를 갖추고, 데이터 등록을 위한 기능으로서, 새로운 등록용 화상을 이용하여, 소정의 조건에 따라, 상기 데이터베이스에, 상기 등록 오브젝트의 특징량 데이터를 추가하는 등록부를 더 갖춘다. 상기 소정의 조건은, 상기 등록용 화상으로부터 추출된 특징량 데이터인 신규 데이터가, 상기 데이터베이스에 이미 등록되어 있는 상기 등록 오브젝트의 특징량 데이터인 기등록 데이터와 유사한 경우에는, 상기 신규 데이터의 추가를 하지 않는 것을 내용으로 하는 제1 조건을 포함하는 것을 특징으로 한다.

본 발명에서는, 등록용 화상이 주어졌을 때에 무조건 신규 데이터를 데이터베이스에 추가하는 것이 아니고, 제1 조건에 따라, 신규 데이터가 기등록 데이터와 유사한지 아닌지를 평가하고, 만약 신규 데이터가 기등록 데이터와 유사하면 그 신규 데이터의 추가를 하지 않는다. 따라서, 같은 특징량 데이터(인식 정밀도의 향상에 거의 기여하지 않는 데이터)가 데이터베이스에 등록되는 것을 자동으로 억제할 수 있다. 이에 의해, 쓸데없는 데이터의 축적이 억제되기 때문에, 제한된 데이터베이스 용량의 유효이용이 가능해진다. 또, 사용자(데이터를 등록하는 자)가 특별히 의식하지 않아도, 특징량 데이터의 변화가 늘어나기 때문에, 양호한 인식 정밀도가 얻어지는 데이터베이스의 구축이 간단하게 가능하다.

기등록 데이터와 유사한 신규 데이터는 일절 추가하지 않는 구성이어도 좋지만, 일정한 예외를 두어도 좋다. 예를 들어, 상기 소정의 조건이, 상기 등록 오브젝트의 기등록 데이터의 수가 상기 데이터베이스에 등록 가능한 상한에 도달하지 않은 경우에는, 상기 신규 데이터를 상기 데이터베이스에 추가하는 것을 내용으로 하는 제2 조건을 더 포함하고 있고, 상기 제2 조건이 상기 제1 조건에 우선하도록 해도 좋다. 이러한 예외(제2 조건)를 설정함으로써, 가령 신규 데이터가 기등록 데이터와 유사한 경우라도, 신규 데이터의 데이터베이스에의 등록이 행해진다. 특징량 데이터의 수가 적은 것보다 많은 쪽이 인식 정밀도의 향상을 기대할 수 있기 때문에, 등록 수가 적은 단계에서는, 특징량 데이터의 변화보다도 수를 늘리는 것을 우선하는 것이다. 이와 같은 제어에 의해, 초기 단계에서의 인식 정밀도의 향상을 도모할 수 있다.

상기 등록 오브젝트의 기등록 데이터의 수가 상기 데이터베이스에 등록 가능한 상한에 도달해 있는 경우로, 그리고 상기 신규 데이터를 상기 데이터베이스에 추가하는 경우에는, 상기 등록부는, 상기 등록 오브젝트의 복수의 기등록 데이터 중 어느 하나를 상기 신규 데이터와 교체하면 된다. 이와 같이, 기등록 데이터와 유사하지 않은 최신 특징량 데이터를 가입함으로써, 인식 정밀도를 보다 높이도록 데이터베이스의 자동 유지관리를 도모할 수 있다.

신규 데이터를 어느 기등록 데이터와 교체하는가는, 다음과 같이 결정할 수 있다. 예를 들어, 상기 등록부는, 상기 복수의 기등록 데이터의 각각에 대해서 상기 신규 데이터와의 유사도를 구하고, 상기 신규 데이터와의 유사도가 가장 높은 기등록 데이터를, 상기 신규 데이터로 교체하면 된다. 또는, 상기 등록부는, 상기 복수의 기등록 데이터로부터 선택되는 2개의 기등록 데이터의 모든 조합에 대해서, 2개의 기등록 데이터 사이의 유사도를 구하고, 유사도가 가장 높은 2개의 기등록 데이터 중 한쪽을 상기 신규 데이터와 교체하도록 해도 좋다. 이와 같이 데이터의 교체를 함으로써, 특징량 데이터의 변화를 유지 또는 늘리도록 데이터베이스를 갱신할 수 있다.

게다가, 상기 등록부는, 상기 유사도가 가장 높은 2개의 기등록 데이터 중 오래된 쪽을 상기 신규 데이터와 교체하는 것이 바람직하다. 오래된 데이터를 파기하고, 새로운 데이터로 교체함으로써, 인식 정밀도를 보다 높일 수 있다.

상기 신규 데이터가 어느 기등록 데이터와도, 상기 신규 데이터가 상기 등록 오브젝트와는 다른 오브젝트의 특징량 데이터라고 평가될 정도로, 유사하지 않은 경우에는, 상기 등록부는, 상기 신규 데이터의 추가를 하지 않는 것이 바람직하다. 이에 의해, 등록 오브젝트가 아닌 오브젝트의 특징량 데이터가 잘못 등록되어 버리는 것을 방지할 수 있어, 인식 정밀도의 저하를 억제할 수 있다.

여기에서, 신규 데이터와 기등록 데이터 사이의 유사의 평가에는 어떠한 알고리즘을 채용해도 좋다. 예를 들어, 상기 등록부는, 상기 신규 데이터와 상기 기등록 데이터 사이의 유사를, 상기 신규 데이터와 상기 기등록 데이터 사이의 특징량 공간상에서의 거리의 가까움에 의해 평가해도 좋다. 이 방법은, 2개의 특징량 데이터의 직접 비교에 의해 유사를 판단하기 때문에, 계산 비용을 적게 할 수 있는 이점이 있다. 기등록 데이터의 수가 많은 경우에는 이 방법이 적당하다.

또는, 복수의 기등록 데이터가 존재하는 경우에 있어서, 상기 등록부는, 상기 신규 데이터와 한 기등록 데이터 사이의 유사를, 이 기등록 데이터와 다른 기등록 데이터와의 특징량 공간상에서의 거리와, 상기 신규 데이터와 상기 다른 기등록 데이터와의 특징량 공간상에서의 거리의 상관 세기에 의해 평가해도 좋다. 또한, 「다른 기등록 데이터」가 복수 존재하는 경우는, 각각의 기등록 데이터와의 거리를 고려하면 된다. 여기에서, 「이 기등록 데이터와 다른 기등록 데이터와의 특징량 공간상에서의 거리」는, 현재 등록되어 있는 특징량 데이터군의 변화(불규칙)에 상당하고, 「상기 신규 데이터와 상기 다른 기등록 데이터와의 특징량 공간상에서의 거리」는, 기등록 데이터 하나를 신규 데이터로 교체한 경우의 특징량 데이터군의 변화(불규칙)에 상당한다. 따라서, 양자의 상관 세기를 평가함으로써, 기등록 데이터와 교체한 경우에 특징량 데이터군의 변화에 변화를 주는지의 관점에서, 기등록 데이터와 신규 데이터 사이의 유사를 판정할 수 있다. 이 방법은, 상기의 직접 비교보다도 계산 비용이 증가하지만, 신규 데이터의 추가 등록 여부를 보다 정확하게 판단할 수 있는 이점이 있다.

본 발명에 있어서, 「오브젝트」란, 화상인식의 대상물을 말한다. 화상 특징량에 의한 인식이 가능하다고만 하면, 어떤 것도 본 발명의 「오브젝트」가 될 수 있다. 일례를 들면, 사람이나 동물의 개체 인식의 경우에는, 바이오메트릭스 정보라 불리는, 얼굴, 안저(眼底), 눈동자, 지문, 장문(掌文), 귀, 상반신, 전신 등이 오브젝트가 될 수 있고, 일반 물체 인식인 경우에는, 물체나 그 일부 등이 오브젝트가 될 수 있다. 「등록 오브젝트」란, 데이터베이스에 특징량 데이터가 등록되어 있는 오브젝트(즉, 해당 장치가 인식 가능한 오브젝트)를 말한다. 데이터베이스에 등록 가능한 등록 오브젝트의 수는 하나여도 좋고 복수여도 좋다.

또한, 본 발명은, 상기 구성 내지 기능의 적어도 일부를 갖는 화상 인식장치, 또는 화상 인식장치에 대하여 특징량 데이터의 등록을 하는 등록장치, 또는 화상 인식장치를 갖춘 전자기기로 할 수 있다. 또, 본 발명은, 상기 처리의 적어도 일부를 포함하는 화상 인식방법, 또는, 화상 인식장치에 대한 데이터 등록방법, 또는 이러한 방법을 화상 인식장치(컴퓨터)에 실행시키기 위한 프로그램, 또는 그와 같은 프로그램을 비일시적으로 기록한 컴퓨터 리더블 기록매체로 할 수도 있다. 상기 구성 및 처리의 각각은 기술적 모순이 생기지 않는 한 서로 조합시켜 본 발명을 구성할 수 있다.

본 발명에 의하면, 양호한 인식 정밀도가 얻어지도록, 데이터베이스에 등록하는 특징량 데이터를 자동으로 최적화할 수 있다.

도 1은 본 발명의 실시형태에 따른 얼굴 대조 시스템의 기능 구성을 모식적으로 나타낸 도면이다.
도 2는 특징량 데이터베이스의 데이터 구조를 모식적으로 나타낸 도면이다.
도 3은 얼굴 대조처리의 흐름을 나타내는 플로우 차트이다.
도 4는 제1 실시형태의 데이터 등록처리의 흐름을 나타내는 플로우 차트이다.
도 5는 제1 실시형태의 데이터 등록처리에서의 등록 여부 판정을 설명하기 위한 도면이다.
도 6은 제2 실시형태의 데이터 등록처리의 흐름을 나타내는 플로우 차트이다.
도 7은 제3 실시형태의 데이터 등록처리에서의 등록 여부 판정을 설명하기 위한 도면이다.

이하, 도면을 참조하여 본 발명의 적절한 실시형태에 대해서 설명한다. 이하의 실시형태에서는, 화상인식에 의해 사람의 얼굴을 식별하는 얼굴 대조 시스템에 본 발명을 적용한 예를 설명한다.

<제1 실시형태>

(시스템 구성)

도 1은, 본 발명의 제1 실시형태에 따른 얼굴 대조 시스템(화상 인식장치)의 기능 구성을 모식적으로 나타낸 도면이다. 얼굴 대조 시스템(1)은, 얼굴 화상을 이용하여 대조 대상자의 본인 인증 또는 개인 식별을 하는 장치이다. 보인 인증이란, 대조 대상자가 본인인지 아닌지를 확인하는 처리(일대일의 대조)이고, 개인 식별이란, 대조 대상자가 데이터베이스에 등록되어 있는 등록자 중의 누구인지를 동정하는 처리(일대다수의 대조)이다. 이들 얼굴 대조 기술은, 예를 들어, 전자기기(컴퓨터, 스마트폰, 태블릿 단말을 포함)에서의 시큐리티 장치, 침입자를 검지하는 감시 시스템, 입퇴실 관리나 도어의 자물쇠 제어를 하는 게이트 시스템 등의 다양한 용도로 응용 가능하다.

얼굴 대조 시스템(1)은, 도 1에 나타낸 바와 같이, 화상 취득부(10), 얼굴 검출부(11), 특징량 추출부(12), 특징량 데이터베이스(13), 얼굴 대조부(14), 등록부(15) 등의 기능 요소를 갖추고 있다. 얼굴 대조 시스템(1)은, 예를 들어, 프로세서(CPU), 메모리, 보조 기억장치, 입력장치, 표시장치, 카메라 등의 하드웨어 자원을 갖춘 컴퓨터 시스템에 의해 구성할 수 있고, 도 1에 나타낸 각 기능 요소는, 프로세서가 프로그램을 실행하여, 보조 기억장치, 입력장치, 표시장치, 카메라 등을 적절히 제어함으로써 실현되는 것이다. 다만, 이들 기능 요소의 전부 또는 일부를 전용 칩(로직 회로)으로 구성해도 상관없다. 또, 하나의 컴퓨터가 아니고, 복수의 컴퓨터의 조합 또는 클라우드 컴퓨팅에 의해 얼굴 대조 시스템(1)을 구성할 수도 있다.

화상 취득부(10)는, 카메라로부터 화상 데이터를 받아들이는 기능이다. 얼굴 검출부(11)는, 화상으로부터 얼굴을 검출하고, 얼굴의 위치나 크기 등을 특정하는 기능이다. 여기에서 검출된 얼굴 부분의 화상을 얼굴 화상이라 부른다. 얼굴 검출처리에는 기존의 어떠한 기술이 적용되어도 좋다. 예를 들어, 윤곽이나 얼굴의 기관(눈, 코, 입 등)에 근거한 모델 피팅에 의해 얼굴을 검출하는 방법, 피부색이나 농담의 분포에 근거하여 얼굴을 검출하는 방법 등이 있다.

특징량 추출부(12)는, 얼굴 화상으로부터 특징량 데이터를 추출하는 기능이다. 특징량에는 어떠한 종류의 것을 이용해도 좋다. 예를 들어, 얼굴 중에 설정한 특징점(눈, 코, 입의 중심이나 끝점 등)의 위치관계, 특징점 근방의 농담값이나 그 주기성·방향성, 색 분포 등을 특징량으로서 채용할 수 있다. 특징량의 개수는 기대하는 인식 정밀도에 따라 임의로 설정할 수 있지만, 일반적으로는, 하나의 얼굴에서 수십에서 수백 개의 특징량이 추출된다. 이와 같이 추출된 특징량의 조(組)(특징량 데이터 또는 특징량 벡터라 부름)는, 화상에 찍혀 있는 얼굴의 특징을 수치화한 것이라 할 수 있다. 사람에 따라 얼굴의 특징이 상이한 것과 마찬가지로, 사람에 따라 특징량 데이터에 유의(有意)한 차이가 있다.

특징량 데이터베이스(13)는, 얼굴 대조 시스템(1)에 의해, 인식 가능한 얼굴(이하, 등록얼굴이라 부름)의 정보를 기억하는 데이터베이스이며, 앨범 데이터나 사전 데이터라 불릴 수도 있다. 도 2에 나타낸 바와 같이, 특징량 데이터베이스(13)에는, 등록얼굴의 정보로서, 등록에 이용한 얼굴 화상의 데이터, 그 얼굴 화상으로부터 추출한 특징량 데이터, 등록일시 등이 격납된다. 얼굴의 방향, 표정, 모발형, 화장, 촬영시기(연령), 조명상태 등이 다르면, 같은 사람(얼굴)이어도 특징량 데이터가 고르지 않다(이 불규칙은, 다른 사람끼리의 특징량 데이터의 차이에 비하면 충분히 작다). 따라서, 특징량 데이터베이스(13)에는, 같은 등록얼굴에 대하여, 촬영조건이나 촬영시기 등이 다른 복수의 특징량 데이터를 등록할 수 있도록 하고 있다. 도 2는, 하나의 등록얼굴에 대하여 등록된 복수의 특징량 데이터의 예를 나타내고 있다. 또한, 개인 식별을 하는 경우에는, 인식대상이 되는 복수의 등록얼굴의 각각에 대해서 도 2와 같은 데이터베이스가 유지된다.

얼굴 대조부(14)는, 특징량 데이터를 비교함으로써 같은 얼굴인지 아닌지를 평가하는 기능이다. 또, 등록부(15)는, 소정의 조건에 따라 특징량 데이터베이스(13)에 대하여 특징량 데이터를 등록하는 기능이다. 이들 기능의 상세에 대해서는, 얼굴 대조처리 및 데이터 등록처리의 흐름과 함께 설명한다.

(얼굴 대조처리)

도 3은, 얼굴 대조 시스템(1)의 얼굴 대조처리의 흐름을 나타낸 플로우 차트이다.

우선, 화상 취득부(10)가 대조 대상자의 화상을 카메라로부터 받아들인다(단계 S30). 받아들여진 화상은, 필요에 따라, 사용자에 의한 확인을 위해 표시장치에 표시된다. 이어서, 얼굴 검출부(11)가 화상으로부터 얼굴 부분을 검출한다(단계 S31). 만약 얼굴이 검출되지 않으면(단계 S32: NO), 화상 받아들이기부터 다시 한다. 얼굴이 검출된 경우는(단계 S32: YES), 특징량 추출부(12)가 검출된 얼굴 부분의 화상으로부터 특징량 데이터를 추출한다(단계 S33).

계속해서, 얼굴 대조부(14)가, 단계 S33에서 추출된 대조 대상자의 특징량 데이터를, 특징량 데이터베이스(13)에 등록되어 있는 등록얼굴의 특징량 데이터와 대조함으로써, 대조 대상자의 식별을 한다(단계 S34). 구체적으로는, 얼굴 대조부(14)는, 대조 대상자의 특징량 데이터와 등록얼굴의 특징량 데이터 사이의 특징량 공간상에서의 거리의 가까움을 나타내는 지표(스코어라 부름)를 계산하고, 그 스코어가 소정의 역치보다도 큰지(거리가 가까운지) 아닌지에 따라 동일 얼굴의 판정을 한다. 본 실시형태에서는, 0∼1000의 치역(値域)으로 규격화한 스코어를 이용하여, 스코어가 600 이상이면, 대조 대상자의 얼굴이 등록얼굴과 같다고 간주한다. 또한, 하나의 등록얼굴에 복수의 특징량 데이터가 등록되어 있는 경우에는, 각각의 특징량 데이터의 스코어를 구하고, 그들의 대표 스코어(최대값 등)나 합성 스코어(가중평균 등)를 이용하여 동일 얼굴의 판정을 하면 된다. 마지막으로, 얼굴 대조부(14)가 대조 결과를 출력하고, 처리를 종료한다(단계 S35).

(데이터 등록처리)

이어서, 도 4와 도 5를 참조하여, 새로운 특징량 데이터를 얼굴 대조 시스템(1)에 등록하는 처리에 대해서 설명한다. 도 4는 데이터 등록처리의 흐름을 나타낸 플로우 차트이고, 도 5는 데이터 등록처리에서의 등록 여부 판정을 설명하기 위한 도면이다.

이하, 특징량 데이터베이스(13)에 이미 등록되어 있는 등록얼굴(A)에 대하여, 새로운 특징량 데이터의 추가를 하는 예를 든다. 여기에서는, 설명의 편의를 위해, 하나의 등록얼굴에 대하여 등록 가능한 특징량 데이터의 수(상한)를 5개로 가정하지만, 현실의 시스템에서는 십수개에서 수십개의 특징량 데이터를 등록 가능한 것도 있다.

우선, 화상 취득부(10)가 신규의 등록용 화상을 카메라로부터 받아들인다(단계 S40). 받아들여진 화상은, 필요에 따라, 사용자에 의한 확인을 위해 표시장치에 표시된다. 이어서, 얼굴 검출부(11)가, 화상으로부터 얼굴 부분을 검출한다(단계 S41). 만약 얼굴이 검출되지 않으면(단계 S42: NO), 화상 받아들이기부터 다시 한다. 얼굴이 검출된 경우는(단계 S42: YES), 특징량 추출부(12)가, 검출된 얼굴 부분의 화상으로부터 특징량 데이터를 추출한다(단계 S43). 이하, 등록용 화상으로부터 추출된 특징량 데이터를 신규 데이터라 부른다. 여기까지의 처리는 얼굴 대조처리의 단계 S30∼S33과 실질적으로 동일하다.

이어서, 등록부(15)가 신규 데이터를 어느 등록얼굴에 추가할지를 특정한다(단계 S44). 예를 들어, 특징량 데이터베이스(13)에 등록되어 있는 등록얼굴 A, B, C …를 표시장치에 리스트 표시하고, 그들 후보 중에서 신규 데이터의 추가처가 될 얼굴을 사용자에게 선택시키면 된다. 여기에서는 등록얼굴 A가 지정되었다고 가정한다. 또한, 단계 S44의 처리는 단계 S40 전에 해도 좋고, 특징량 데이터베이스(13)에 등록되어 있는 등록얼굴이 하나뿐인 경우나 자동으로 추가처를 판단할 수 있는 경우는 생략해도 좋다.

계속해서, 얼굴 대조부(14)를 이용하여, 신규 데이터와, 특징량 데이터베이스(13)에 등록되어 있는 등록얼굴 A의 특징량 데이터(기등록 데이터라 부름) 각각의 스코어를 산출한다(단계 S45). 이 스코어는, 얼굴 대조처리에서 동일 얼굴의 판정에 이용한 것과 같은 지표이다. 도 5의 상단은, 주어진 신규 데이터(DN)와, 등록얼굴 A의 기등록 데이터(D1∼D5)를 나타내고, 도 5의 하단은, 신규 데이터(DN)와 각 기등록 데이터(D1∼D5)와의 스코어의 산출예를 나타내고 있다. 스코어가 클수록 특징량 데이터의 유사도가 높은 것을 나타내고 있다.

계속해서, 등록부(15)는, 단계 S45에서 산출된 스코어가 하한 역치(TL)를 웃돌고 있는지를 확인한다(단계 S46). 이 하한 역치(TL)는, 예를 들어 촬영조건의 다름으로 인한 스코어의 고르지 못함을 실험 등으로 구하고, 그 고르지 못함의 범위의 최소값보다도 충분히 작은 값으로 설정된다(본 실시형태에서는 TL=200으로 했다). 등록부(15)는, 모든 스코어가 하한 역치(TL) 이하인 경우는(단계 S46: NO), 신규 데이터(DN)가 등록얼굴 A가 아닌 타인의 얼굴의 특징량 데이터라고 간주하고, 신규 데이터(DN)의 추가를 하지 않는다(단계 S47). 이에 의해, 타인의 얼굴의 특징량 데이터가 잘못 등록되어 버리는 것을 방지할 수 있어, 인식 정밀도의 저하를 억제할 수 있다.

이어서, 등록부(15)는, 신규 데이터(DN)의 추가 여부를 판단한다. 우선, 등록부(15)는, 신규 데이터(DN)가 등록얼굴 A의 기등록 데이터(D1∼D5)와 유사한지 아닌지 조사한다(단계 S48). 구체적으로는, 단계 S45에서 산출한 스코어가 상한 역치(TH) 이상인 경우에, 신규 데이터와 그 기등록 데이터가 유사하다고 간주한다. 상한 역치(TH)는, 예를 들어 촬영조건의 다름으로 인한 스코어의 고르지 못함을 실험 등으로 구하고, 그 평균이나 분산 등에 근거하여 설정하면 된다(상한 역치(TH)를 내릴수록, 특징량 데이터의 변화를 높이는 효과가 있다).

만약 신규 데이터(DN)가 기등록 데이터(D1∼D5)의 어느 하나와 유사한 경우에는(단계 S48: YES), 등록부(15)는, 이 신규 데이터(DN)는 불필요하다고 판단하고, 신규 데이터(DN)의 추가를 하지 않는다(단계 S49). 예를 들어, 도 5의 예에 있어서, 상한 역치(TH)가 850으로 설정되어 있는 경우에는, 신규 데이터(DN)와 기등록 데이터(D2) 사이의 스코어가 상한 역치(TH)를 넘고 있기 때문에, 신규 데이터(DN)의 추가는 하지 않게 된다.

한편, 신규 데이터(DN)가 어느 기등록 데이터(D1∼D5)와도 유사하지 않은 경우(예를 들어, 도 5의 예에 있어서, 상한 역치(TH)가 950으로 설정되어 있는 경우), 등록부(15)는 신규 데이터(DN)를 특징량 데이터베이스(13)에 추가한다(단계 S52). 이때, 등록부(15)는 기등록 데이터의 수가 상한에 도달해 있는지 아닌지를 확인하고(단계 S50), 상한에 도달해 있는 경우에는, 신규 데이터(DN)와의 스코어(유사도)가 가장 높은 기등록 데이터(도 5의 예에서는 D2)를 삭제하고(단계 S51), 그 대신에 신규 데이터(DN)를 등록한다(단계 S52).

(본 실시형태의 이점)

이상 서술한 본 실시형태의 구성에 의하면, 등록용 화상이 주어졌을 때에 무조건 신규 데이터를 특징량 데이터베이스(13)에 추가하는 것이 아니고, 소정의 조건에 따라 신규 데이터를 등록할지 아닌지를 판단한다. 구체적으로는, 도 4의 단계 S48에 나타낸 바와 같이, 신규 데이터가 기등록 데이터와 유사한지 아닌지를 평가하고, 만약 신규 데이터가 기등록 데이터의 어느 하나와 유사하면 그 신규 데이터의 추가를 하지 않는다(제1 조건). 따라서, 같은 특징량 데이터(인식 정밀도의 향상에 거의 기여하지 않는 데이터)가 특징량 데이터베이스(13)에 등록되는 것을 자동으로 억제할 수 있다. 이에 의해, 쓸데없는 데이터의 축적이 억제되기 때문에, 한정된 데이터베이스 용량의 유효 이용이 가능해진다. 또, 서로 유사하지 않은 특징량 데이터만이 등록되기 때문에, 사용자(데이터를 등록하는 자)가 특별히 의식하지 않아도, 특징량 데이터의 변화가 증가하여, 양호한 인식 정밀도가 얻어지는 데이터베이스의 구축을 간단하게 할 수 있다.

또, 기등록 데이터의 수가 상한에 도달한 경우는, (신규 데이터를 파기하는 것이 아니고) 기등록 데이터 중의 하나를 신규 데이터로 교체한다. 이와 같이, 기등록 데이터와 유사하지 않은 최신 특징량 데이터를 가입함으로써, 특징량 데이터베이스(13)를 최신 상태로 자동 유지관리할 수 있어, 인식 정밀도의 향상을 도모할 수 있다. 게다가 이때, 신규 데이터와의 유사도가 가장 높은 기등록 데이터를 신규 데이터로 교체하기 때문에, 특징량 데이터의 변화를 유지 또는 늘리도록 데이터베이스를 갱신할 수 있다.

또, 본 실시형태에서는, 신규 데이터와 기등록 데이터 사이의 유사를 평가하는 지표로서, 얼굴 대조처리에서 이용하는 스코어를 이용하고 있다. 이 방법은, 2개의 특징량 데이터의 직접 비교에 의해 유사를 판단하기 때문에, 계산 스코어를 적게 할 수 있는 이점이 있다. 또, 얼굴 대조처리의 프로그램 모듈을 유용할 수 있기 때문에, 개발 비용의 삭감과, 시스템 구성의 간소화를 도모할 수 있는 이점도 있다.

<제2 실시형태>

제1 실시형태에서는, 기등록 데이터와 유사한 신규 데이터는 일절 추가하지 않는 구성이었지만, 제2 실시형태에서는, 기등록 데이터의 수가 상한에 도달할 때까지는 기등록 데이터와 유사한 신규 데이터라도 추가 등록하는 구성으로 한다. 특징량 데이터의 수가 적은 것보다도 많은 쪽이 인식 정밀도의 향상을 기대할 수 있기 때문이다. 그 이외의 구성은 제1 실시형태와 동일하기 때문에, 이하, 제2 실시형태의 특징부분만 설명한다.

도 6은, 제2 실시형태에 따른 얼굴 대조 시스템의 데이터 등록처리의 흐름을 나타낸 플로우 차트이다. 단계 S40∼S47의 처리는 제1 실시형태의 처리와 완전히 같다.

이어서, 등록부(15)는, 등록얼굴 A의 기등록 데이터의 수가 상한에 도달해 있는지 아닌지를 확인한다(단계 S60). 상한에 도달해 있지 않으면, 등록부(15)는, 신규 데이터(DN)를 특징량 데이터베이스(13)에 등록한다(단계 S52). 즉, 유사한 신규 데이터(DN)는 추가 등록하지 않는다는 제1 조건(단계 S48)보다도, 기등록 데이터의 수가 상한에 못 미치는 경우에는 신규 데이터(DN)를 추가 등록한다는 제2 조건(단계 S60)을 우선하는 것이다. 이에 의해, 신규 데이터(DN)가 기등록 데이터와 유사한지 아닌지에 상관없이, 신규 데이터(DN)가 특징량 데이터베이스(13)에 추가 등록된다.

기등록 데이터의 수가 상한에 도달해 있는 경우에는, 제1 실시형태와 마찬가지로 신규 데이터(DN)와 기등록 데이터의 유사를 조사하여(단계 S48), 유사한 신규 데이터(DN)의 추가는 하지 않고(단계 S49), 유사하지 않은 신규 데이터(DN)만을 기등록 데이터의 하나와 교체한다(단계 S51, S52).

이상 서술한 본 실시형태의 구성에 의해서도, 제1 실시형태와 같은 작용 효과를 얻을 수 있다. 게다가, 본 실시형태에서는, 등록 수가 적은(상한에 못 미치는) 단계에서는, 특징량 데이터의 변화보다도 특징량 데이터의 등록 수를 늘리는 것을 우선하기 때문에, 초기단계에서의 인식 정밀도의 향상을 도모할 수 있다.

<제3 실시형태>

제1 실시형태에서는, 신규 데이터와 기등록 데이터의 유사를 그들 사이의 스코어에 의해 평가했지만, 제2 실시형태에서는, 신규 데이터와 기등록 데이터의 유사를 다른 기등록 데이터에 대한 스코어의 상관(相關)(유사성)을 평가함으로써 판단한다.

기본적인 구성 및 처리는 제1 실시형태 또는 제2 실시형태의 것과 동일하지만, 도 4 또는 도 6의 플로우에서의 단계 S45(스코어 계산), 단계 S48(신규 데이터와 기등록 데이터의 유사 판정), 단계 S51(교체할 기등록 데이터의 선정)의 3가지 처리가 다르다. 이하, 도 7을 참조하여, 이들 3가지 처리의 내용을 설명한다.

단계 S45에서는, 얼굴 대조부(14)를 이용하여, 신규 데이터와 기등록 데이터의 모든 조합에 대해서 스코어를 산출한다. 이 스코어는, 얼굴 대조처리에서 동일 얼굴의 판정에 이용한 것과 같은 지표이다. 도 7의 상단은, 6개의 데이터(DN, D1∼D5)의 모든 조합의 스코어의 산출예를 나타내고 있다. 또한, 데이터(DN, D1∼D5)는 도 5의 상단에 나타낸 것과 동일하다.

단계 S46, S47에서는, 제1 및 제2 실시형태와 동일하게, 신규 데이터(DN)와 기등록 데이터(D1∼D5) 사이의 스코어(도 7의 상단의 첫번째 행의 스코어)가 하한 역치(TL)보다 큰지 아닌지를 체크함으로써, 타인의 얼굴의 특징량 데이터가 오등록되는 것을 막는다.

단계 S48에서는, 등록부(15)가 신규 데이터(DN)의 추가 여부를 판단한다. 이때, 전술한 바와 같이, 신규 데이터와 기등록 데이터의 유사를 다른 기등록 데이터에 대한 스코어의 상관에 의해 판단한다. 예를 들어, 신규 데이터(DN)와 기등록 데이터(D1)의 유사를 평가할 때에는, 도 7의 하단에 나타낸 바와 같이, 신규 데이터(DN)와 다른 기등록 데이터(D2∼D5) 사이의 스코어와, 기등록 데이터(D1)와 다른 기등록 데이터(D2∼D5) 사이의 스코어에 주목한다. 등록부(15)에서는, 이 2개의 스코어(스코어군)의 상관을 구하고, 상관이 소정의 기준보다도 강한(스코어의 분포가 유사한) 경우에는, 신규 데이터(DN)와 기등록 데이터(D1)가 유사하다고 판단한다. 이 유사 판단을, 신규 데이터와 기등록 데이터의 모든 조합에 대해서 반복하여, 기등록 데이터(D1∼D5) 중에 유사한 것(상관이 강한 것)이 있는지 여부를 조사한다.

상관의 세기는 어떠한 방법으로 평가해도 좋다. 예를 들어, 2개의 스코어군의 상관계수를 계산하여, 상관계수가 소정 값보다도 클 때에 유사하다고 판단할 수 있다. 또는, 데이터 Da와 Db 사이의 스코어를 S(Da, Db)로 표기한 때에, 같은 기등록 데이터 Di에 대한 스코어의 차 S(DN, Di)-S(D1, Di)를 각 기등록 데이터 Di(i=2∼5)에 대해서 계산하여, 차(差)의 분산이 소정 값보다도 작을 때에 유사하다고 판단할 수도 있다. 또는, 그 차의 절대값의 합이나 제곱합이 소정 값보다도 작을 때에 유사하다고 판단해도 좋다. 여기에서 든 이외에도, 어떤 평가방법을 채용해도 좋다.

단계 S51에서는, 등록부(15)가, 신규 데이터(DN)와 교체할 기등록 데이터를 선정한다. 제1 실시형태에서는, 신규 데이터(DN)와의 유사도가 가장 높은 기등록 데이터를 신규 데이터(DN)와 교체했지만, 본 실시형태에서는, 기등록 데이터끼리의 유사도를 모든 조합에 대해서 구하여, 유사도가 가장 높은 2개의 기등록 데이터 중 한쪽을 신규 데이터(DN)와 교체한다. 단계 S51에서 평가하는 유사도는, 스코어 그 자체여도 좋고, 단계 S48에서 이용한 지표(즉, 다른 기등록 데이터에 대한 스코어의 상관)여도 좋다. 예를 들어, 스코어를 유사도의 지표로서 이용한 경우, 도 7의 상단의 예에서는, 가장 스코어가 큰 기등록 데이터(D1과 D5) 조(組)가 교체 대상으로 선택된다. 이때, 기등록 데이터(D1과 D5)의 어느 하나와 교체해도 되지만, 바람직하게는, 두 개의 기등록 데이터 중 오래된 쪽(등록일시가 빠른 쪽)인 D1을 신규 데이터(DN)와 교체하면 좋다. 얼굴 등의 바이오메트릭스 정보는 가령(加齡)이나 체격의 변화 등에 의해 변하기 때문에, 특징량 데이터의 신뢰성은 시간과 함께 저하할 가능성이 있다. 따라서, 보다 오래된 데이터를 파기하고, 새로운 데이터로 교체함으로써, 인식 정밀도를 보다 높일 수 있기 때문이다.

이상 서술한 본 실시형태의 구성에 의하면, 제1 및 제2 실시형태의 작용 효과에 더하여, 다음과 같은 이점이 있다. 본 실시형태에서는, 신규 데이터(DN)와 기등록 데이터(예를 들어 D1)와의 유사를, 「기등록 데이터(D1)와 다른 기등록 데이터(D2∼D5)와의 스코어」와 「신규 데이터(DN)와 다른 기등록 데이터(D2∼D5)와의 스코어」의 상관의 세기에 의해 평가하고 있다. 여기에서, 「기등록 데이터(D1)와 다른 기등록 데이터(D2∼D5)와의 스코어」는, 현재 등록되어 있는 특징량 데이터군의 변화(불규칙)에 상당하고, 「신규 데이터(DN)와 다른 기등록 데이터(D2∼D5)와의 스코어」는 기등록 데이터의 하나(D1)를 신규 데이터(DN)로 교체한 경우의 특징량 데이터군의 변화(불규칙)에 상당한다. 따라서, 양자의 상관의 세기를 평가함으로써, 기등록 데이터와 교체한 경우에 특징량 데이터군의 변화에 변화를 주는지 아닌지의 관점에서, 기등록 데이터와 신규 데이터 사이의 유사를 판정할 수 있다. 이 방법은, 제1 및 제2 실시형태에서 서술한 방법(직접 비교)보다도 계산 비용이 증가하지만, 신규 데이터의 추가 등록 여부를 보다 정확하게 판단할 수 있는 이점이 있다.

<그 외의 실시형태>

상술한 각 실시형태는 본 발명의 한 구체예를 나타낸 것에 지나지 않는다. 예를 들어, 본 발명의 실시형태로서 이하와 같은 구성도 채용할 수 있다.

(1) 상기 실시형태에서는 얼굴 대조 시스템을 예시했지만, 본 발명은 얼굴 대조 시스템 이외에도 소위 화상 인식장치에 적용 가능하다. 또, 얼굴 이외에도, 안저, 눈동자, 지문, 장문, 귀, 상반신, 전신을 인식대상(오브젝트)으로 할 수도 있고, 사람이나 동물 등의 생체뿐 아니라, 공업제품이나 차량이나 식품 등의 일반물체를 인식대상으로 할 수도 있다. 요컨대, 화상 특징량에 의한 인식이 가능한 오브젝트라면, 본 발명을 적용하는 것이 가능하다.

(2) 상기 실시형태에서는 얼굴 대조처리와 데이터 등록처리가 완전히 분리되어 있었지만, 그들 처리를 연속하여 실행하는 것도 바람직하다. 즉, 얼굴 대조처리에서 이용한 대조 대상자의 화상을 등록용 화상으로서 이용하여, 데이터 등록처리를 하는 것이다. 예를 들어, 도 3에 나타낸 얼굴 대조처리의 단계 S34에서 대조 대상자의 식별(동정)에 성공한 경우에, 그 화상과 그 특징량 데이터를 도 4 또는 도 6의 단계 S48의 처리로 넘긴다. 이에 의해, 얼굴 대조를 할 때마다 특징량 데이터베이스의 자동 유지관리가 행해지고, 인식 정밀도의 향상이 순차 도모된다.

(3) 상기 실시형태에서 나타낸 스코어나 역치 값은 일례에 지나지 않는다. 스코어의 계산방법, 치역, 역치 등은 인식대상이나 요구 정밀도 등에 따라 적절히 설계하면 된다.

(4) 상기 실시형태의 데이터 등록처리에서는, 타인의 특징량 데이터의 오등록 방지(단계 S46, S47), 유사한 특징량 데이터의 추가 방지(단계 S48, S49), 데이터 수가 상한을 넘은 경우의 데이터의 교체(단계 S51, S52)의 3가지 처리를 실행했지만, 이들 처리 중 어느 하나를 생략해도 상관없다.

1: 얼굴 대조 시스템 10: 화상 취득부
11: 얼굴 검출부 12: 특징량 추출부
13: 특징량 데이터베이스 14: 얼굴 대조부
15: 등록부

Claims

화상으로부터 피사체의 특징량 데이터를 추출하는 추출부;
하나의 등록 오브젝트에 대하여 다른 화상으로부터 추출된 복수의 특징량 데이터를 등록 가능한 데이터베이스; 및
상기 추출부에서 추출된 특징량 데이터를, 상기 데이터베이스에 등록되어 있는 상기 등록 오브젝트의 특징량 데이터와 대조함으로써, 상기 피사체가 상기 등록 오브젝트인지 아닌지를 식별하는 대조부;
를 포함하는 화상 인식장치에 있어서,
새로운 등록용 화상을 이용하여, 소정의 조건에 따라, 상기 데이터베이스에, 상기 등록 오브젝트의 특징량 데이터의 추가를 하는 등록부를 더 포함하고,
상기 소정의 조건은, 상기 등록용 화상으로부터 추출된 특징량 데이터인 신규 데이터가, 상기 데이터베이스에 이미 등록되어 있는 상기 등록 오브젝트의 특징량 데이터인 기등록 데이터와 유사한 경우에는, 상기 신규 데이터의 추가를 하지 않는 것을 내용으로 하는 제1 조건을 포함하는 것을 특징으로 하는 화상 인식장치.
제1항에 있어서, 상기 소정의 조건은, 상기 등록 오브젝트의 기등록 데이터의 수가 상기 데이터베이스에 등록 가능한 상한에 도달하지 않은 경우에는, 상기 신규 데이터를 상기 데이터베이스에 추가하는 것을 내용으로 하는 제2 조건을 더 포함하고,
상기 제2 조건은 상기 제1 조건에 우선하는 것을 특징으로 하는 화상 인식장치.
제1항에 있어서, 상기 등록 오브젝트의 기등록 데이터의 수가 상기 데이터베이스에 등록 가능한 상한에 도달한 경우로, 상기 신규 데이터를 상기 데이터베이스에 추가하는 경우에는, 상기 등록부는, 상기 등록 오브젝트의 복수의 기등록 데이터 중 어느 하나를 상기 신규 데이터와 교체하는 것을 특징으로 하는 화상 인식장치.
제3항에 있어서, 상기 등록부는, 상기 복수의 기등록 데이터의 각각에 대해서 상기 신규 데이터와의 유사도를 구하고, 상기 신규 데이터와의 유사도가 가장 높은 기등록 데이터를, 상기 신규 데이터로 교체하는 것을 특징으로 하는 화상 인식장치.
제3항에 있어서, 상기 등록부는, 상기 복수의 기등록 데이터로부터 선택되는 2개의 기등록 데이터의 모든 조합에 대해서, 2개의 기등록 데이터 사이의 유사도를 구하고, 유사도가 가장 높은 2개의 기등록 데이터 중 한쪽을 상기 신규 데이터와 교체하는 것을 특징으로 하는 화상 인식장치.
제5항에 있어서, 상기 등록부는, 상기 유사도가 가장 높은 2개의 기등록 데이터 중 오래된 쪽을 상기 신규 데이터와 교체하는 것을 특징으로 하는 화상 인식장치.
제1항 내지 제6항의 어느 한 항에 있어서, 상기 신규 데이터가 어느 기등록 데이터와도, 상기 신규 데이터가 상기 등록 오브젝트와는 다른 오브젝트의 특징량 데이터라고 평가될 정도로, 유사하지 않은 경우에는, 상기 등록부는 상기 신규 데이터의 추가를 하지 않는 것을 특징으로 하는 화상 인식장치.
제1항 내지 제6항의 어느 한 항에 있어서, 상기 등록부는, 상기 신규 데이터와 상기 기등록 데이터 사이의 유사를, 상기 신규 데이터와 상기 기등록 데이터 사이의 특징량 공간상에서의 거리의 가까움에 의해 평가하는 것을 특징으로 하는 화상 인식장치.
제1항 내지 제6항의 어느 한 항에 있어서, 복수의 기등록 데이터가 존재하는 경우에 있어서,
상기 등록부는, 상기 신규 데이터와 한 기등록 데이터 사이의 유사를, 이 기등록 데이터와 다른 기등록 데이터와의 특징량 공간상에서의 거리와, 상기 신규 데이터와 상기 다른 기등록 데이터와의 특징량 공간상에서의 거리와의 상관의 세기에 의해 평가하는 것을 특징으로 하는 화상 인식장치.
제1항 내지 제6항의 어느 한 항에 있어서, 상기 등록 오브젝트는 얼굴인 것을 특징으로 하는 화상 인식장치.
화상으로부터 추출된 피사체의 특징량 데이터를, 데이터베이스에 등록되어 있는 등록 오브젝트의 특징량 데이터와 대조함으로써, 상기 피사체가 상기 등록 오브젝트인지 아닌지를 식별하는 화상 인식장치에 대하여 데이터를 등록하는 방법으로서,
화상 인식장치가 새로운 등록용 화상을 취득하는 단계;
화상 인식장치가 상기 등록용 화상으로부터 특징량 데이터를 추출하는 단계; 및
화상 인식장치가, 소정의 조건에 따라, 상기 등록용 화상으로부터 추출된 특징량 데이터인 신규 데이터를, 상기 데이터베이스에 이미 등록되어 있는 상기 등록 오브젝트의 특징량 데이터인 기등록 데이터에 추가하여 등록하는 단계로 이루어지고,
상기 소정의 조건은, 상기 신규 데이터가 상기 기등록 데이터와 유사한 경우에는, 상기 신규 데이터의 추가를 하지 않는 것을 내용으로 하는 제1 조건을 포함하는 것을 특징으로 하는 화상 인식장치에 대한 데이터 등록방법.
청구항 11에 기재된 데이터 등록방법의 각 단계를 컴퓨터에 실행시키기 위한 프로그램.