KR20180077239A

KR20180077239A - 얼굴 인증 방법, 장치 및 컴퓨터 기억매체

Info

Publication number: KR20180077239A
Application number: KR1020187015129A
Authority: KR
Inventors: 청제 왕; 지린 리; 이충 량
Original assignee: 텐센트 테크놀로지(센젠) 컴퍼니 리미티드
Priority date: 2016-04-21
Filing date: 2017-04-17
Publication date: 2018-07-06
Also published as: EP3370188A4; EP3370188A1; EP3370188B1; CN105930797B; CN105930797A; WO2017181923A1; KR102045978B1; JP6656376B2; JP2019500687A

Abstract

본 출원의 실시예는 얼굴 인증 방법, 장치 및 컴퓨터 기억매체를 공개하는데, 상기 방법은 인증하려는 모아레 무늬 얼굴 영상 및 초기 얼굴 영상을 획득하는 단계와, 사전에 설정된 모아레 무늬 제거 모델을 이용하여 모아레 무늬 얼굴 영상에 모아레 무늬 제거 조작을 수행하여 모아레 무늬 제거 얼굴 영상을 얻는 단계와, 사전에 설정된 모아레 무늬 제거 얼굴 인증 모델을 통하여 모아레 무늬 제거 얼굴 영상에 특징 추출을 수행하여 모아레 무늬 제거 얼굴 특징을 얻고 사전에 설정된 모아레 무늬 제거 얼굴 인증 모델을 통하여 초기 얼굴 영상에 특징 추출을 수행하여 초기 얼굴 특징을 얻는 단계와, 모아레 무늬 제거 얼굴 특징과 초기 얼굴 특징에 근거하여 모아레 무늬 제거 얼굴 영상과 초기 얼굴 영상에 인증을 수행하는 단계를 포함한다.

Description

얼굴 인증 방법, 장치 및 컴퓨터 기억매체

본 출원은 2016년 04월 21일에 중국특허국에 출원한 출원번호가 201610250901.5인 중국특허출원의 우선권을 주장하고 그 모든 내용을 인용하여 본 출원에 결합시킨다.

본 발명은 통신 기술 분야에 관한 것으로, 특히 얼굴 인증 방법, 장치 및 컴퓨터 기억매체에 관한 것이다.

인터넷 기술이 고속 발전함에 따라 얼굴 인증을 통하여 사용자 계정의 안전성을 보장하는 것도 아주 중요해지고 있다. 얼굴 인증은 얼굴 인식 분야로부터 분리된 것으로 얼굴 인증 알고리즘을 이용하여 전자동적으로 두개 얼굴 사진을 인증하여 동일 사람인가를 판별한다. 이러한 방식은 인터넷 금융 등 많은 상황하에서의 사용자 얼굴 신분 확인에 이용된다.

현재, 공민의 사생활 안전을 보호하기 위하여 사진이 외부로 전해질 때 모아레 무늬(moire fringe) 워터마크를 추가하여 모아레 무늬 사진을 얻는데, 예를 들어, 신분증 얼굴 사진, 사회보장카드 얼굴 사진, 통행증 얼굴 사진 등 증명서 사진. 모아레 무늬 사진에 얼굴 인증을 수행할 경우, 전문인원이 잡음 제거 알고리즘을 이용하여 모아레 무늬 사진으로부터 모아레 무늬를 제거한 후 모아레 무늬를 제거한 후의 사진에 복구 등을 수행하여 최종적으로 그 모아레 무늬 사진을 인증한다.

기존기술의 연구와 실천 과정에서 기존의 모아레 무늬를 제거하는 영상 처리 방식은 인공적으로 수행하여야 하고 작업자에 대한 전업 기술 요가가 높아서 얼굴 인증 효율이 낮고 얼굴 인증 정확도가 높지 못한 문제가 존재한다.

본 출원의 실시예는 얼굴 인증 효율 및 정확도를 향상시킬 수 있는 얼굴 인증 방법, 장치 및 컴퓨터 기억매체를 제공하는 것을 그 목적으로 한다.

상기 과제를 해결하기 위하여, 본 출원의 실시예에 따르면 하기 기술방안을 제공한다.

본 출원의 실시예에 따르면, 인증하려는 모아레 무늬 얼굴 영상 및 초기 얼굴 영상을 획득하는 단계와; 사전에 설정된 모아레 무늬 제거 모델을 이용하여 상기 모아레 무늬 얼굴 영상에 모아레 무늬 제거 조작을 수행하여 모아레 무늬 제거 얼굴 영상을 얻는 단계와; 사전에 설정된 모아레 무늬 제거 얼굴 인증 모델을 통하여 상기 모아레 무늬 제거 얼굴 영상에 특징 추출을 수행하여 모아레 무늬 제거 얼굴 특징을 얻고, 상기 사전에 설정된 모아레 무늬 제거 얼굴 인증 모델을 통하여 상기 초기 얼굴 영상에 특징 추출을 수행하여 초기 얼굴 특징을 얻는 단계와; 상기 모아레 무늬 제거 얼굴 특징과 상기 초기 얼굴 특징에 근거하여 대응되는 모아레 무늬 제거 얼굴 영상과 초기 얼굴 영상에 얼굴 인증을 수행하는 단계를 포함하는 얼굴 인증 방법을 제공한다.

본 출원의 실시예에 따르면, 인증하려는 모아레 무늬 얼굴 영상 및 초기 얼굴 영상을 획득하도록 구성되는 획득유닛과; 사전에 설정된 모아레 무늬 제거 모델을 이용하여 상기 획득유닛이 획득한 모아레 무늬 얼굴 영상에 모아레 무늬 제거 조작을 수행하여 모아레 무늬 제거 얼굴 영상을 얻도록 구성되는 제1 모아레 무늬 제거유닛과; 사전에 설정된 모아레 무늬 제거 얼굴 인증 모델을 통하여 상기 모아레 무늬 제거 얼굴 영상에 특징 추출을 수행하여 모아레 무늬 제거 얼굴 특징을 얻고, 상기 사전에 설정된 모아레 무늬 제거 얼굴 인증 모델을 통하여 상기 초기 얼굴 영상에 특징 추출을 수행하여 초기 얼굴 특징을 얻도록 구성되는 특징 추출유닛과; 상기 모아레 무늬 제거 얼굴 특징과 상기 초기 얼굴 특징에 근거하여 대응되는 모아레 무늬 제거 얼굴 영상과 초기 얼굴 영상에 얼굴 인증을 수행하도록 구성되는 인증유닛을 포함하는 얼굴 인증 장치를 제공한다.

본 출원의 실시예에 따르면, 프로세서와 상기 프로세서가 실행가능한 명령의 데이터가 저장되는 메모리를 포함하는 얼굴 인증 장치에 있어서, 상기 명령이 실행되면 상기 프로세서가, 인증하려는 모아레 무늬 얼굴 영상 및 초기 얼굴 영상을 획득하는 단계; 사전에 설정된 모아레 무늬 제거 모델을 이용하여 상기 모아레 무늬 얼굴 영상에 모아레 무늬 제거 조작을 수행하여 모아레 무늬 제거 얼굴 영상을 얻는 단계; 사전에 설정된 모아레 무늬 제거 얼굴 인증 모델을 통하여 상기 모아레 무늬 제거 얼굴 영상에 특징 추출을 수행하여 모아레 무늬 제거 얼굴 특징을 얻고, 상기 사전에 설정된 모아레 무늬 제거 얼굴 인증 모델을 통하여 상기 초기 얼굴 영상에 특징 추출을 수행하여 초기 얼굴 특징을 얻는 단계와; 상기 모아레 무늬 제거 얼굴 특징과 상기 초기 얼굴 특징에 근거하여 대응되는 모아레 무늬 제거 얼굴 영상과 초기 얼굴 영상에 얼굴 인증을 수행하는 단계를 실행하는 얼굴 인증 장치를 제공한다.

본 출원의 실시예에 따르면, 본 출원의 실시예에 다른 얼굴 인증 방법을 실행하기 위한 컴퓨터 수행가능한 명령이 저장되는 컴퓨터 기억매체를 제공한다.

아래 도면을 결합하여 본 출원의 구체 실시형태를 상세하게 설명함으로써 본 출원의 기술방안 및 기타 유익한 효과가 명확해지도록 한다.
도 1a는 본 출원의 실시예에서 제공하는 얼굴 인증 방법의 응용 상황을 나타낸 도이다.
도 1b는 본 출원의 제1 실시예에서 제공하는 얼굴 인증 방법을 나타낸 흐름도이다.
도 1c는 본 출원의 제1 실시예에서 제공하는 얼굴 인증 방법 중의 모아레 무늬 얼굴 영상을 나타낸 도이다.
도 2a는 본 출원의 제2 실시예에서 제공하는 얼굴 인증 방법을 나타낸 흐름도이다.
도 2b~도 2e는 본 출원의 제2 실시예에서 제공하는 얼굴 인증 방법의 상세한 과정을 나타낸 도이다.
도 3a는 본 출원의 제3 실시예에서 제공하는 얼굴 인증 장치의 구조를 나타낸 도이다.
도 3b는 본 출원의 제3 실시예에서 제공하는 얼굴 인증 장치의 다른 구조를 나타낸 도이다.
도 4는 본 출원 제4 실시예에서 제공하는 서버의 구조를 나타낸 도이다.

도면을 참조하면 동일한 부호는 동일한 부품을 표시하고 본 출원의 원리를 한 적절한 실행 환경에서 실시되는 경우를 예로 설명한다. 하기 설명은 예시한 본 출원의 구체 실시예에 기반한 것으로 설명하지 않은 본 출원의 기타 구체 실시예를 한정하는 것은 아니다.

하기 설명에서, 본 출원의 구체 실시예를 특별한 설명이 없는 한 하나 또는 여러개 컴퓨터가 실행하는 단계 및 부호를 참조하여 설명한다. 따라서 이러한 단계 및 조작을 컴퓨터가 실행하고 본 출원에서 말하는 컴퓨터의 실행은 구조화 형식 중의 데이터를 대표하는 전자 신호에 대한 컴퓨터 처리유닛의 조작을 포함한다. 이 조작은 이 데이터를 변환시키거나 또는 컴퓨터의 메모리 시스템 중의 위치에 유지하고 이를 재배치하거나 당업자가 공지한 방식으로 그 컴퓨터의 실행을 변경시킬 수 있다. 그 데이터가 유지하는 데이터 구조는 메모리의 엔티티 위치이고 데이터 포맷에 의하여 정의된 특정된 특성을 구비한다. 하지만 본 출원의 원리를 상기와 같이 설명한 것은 한정하기 위한 것이 아니고 당업자는 하기 여러가지 단계 및 조작을 하드웨어에서 실행할 수 있음을 이해할 수 있다.

본 출원의 실시예에서 사용하는 용어 “수단”은 실행 시스템에서 실행되는 소프트웨어 대상으로 볼 수 있다. 본 출원의 실시예에 기재된 서로 다른 부품, 수단, 엔진 및 서비스를 그 실행 시스템의 실시 대상으로 볼 수 있다. 본 출원의 실시예에 기재된 장치 및 방법을 소프트웨어 방식으로 실시할 수 있고 하드웨어에서 실시할 수도 있으며 모두 본 출원의 실시예의 보호범위에 속한다.

본 출원의 실시예에서 얼굴 인증 방법 및 장치를 제공한다.

도 1a를 참조하면, 이 도면은 본 출원의 실시예에서 제공하는 얼굴 인증 방법의 응용 상황을 나타낸 도로, 그 응용 상황은 서버(11)를 포함하고 상기 서버(11)에 본 출원의 실시예에 따른 얼굴 인증 장치가 포함되고 주로 인증하려는 모아레 무늬 얼굴 영상 및 초기 얼굴 영상을 획득하고, 우선 사전에 설정된 모아레 무늬 제거 모델을 이용하여 상기 모아레 무늬 얼굴 영상에 모아레 무늬 제거 조작을 수행하여 모아레 무늬 제거 얼굴 영상을 얻고, 그 다음, 사전에 설정된 모아레 무늬 제거 얼굴 인증 모델을 통하여 상기 모아레 무늬 제거 얼굴 영상에 특징 추출을 수행하여 모아레 무늬 제거 얼굴 특징을 얻고, 상기 사전에 설정된 모아레 무늬 제거 얼굴 인증 모델을 통하여 상기 초기 얼굴 영상에 특징 추출을 수행하여 초기 얼굴 특징을 얻으며, 마지막에 상기 모아레 무늬 제거 얼굴 특징과 상기 초기 얼굴 특징에 근거하여 대응되는 모아레 무늬 제거 얼굴 영상과 초기 얼굴 영상에 얼굴 인증 등을 수행한다.

그리고, 이 응용 상황은 메모리(13)를 더 포함할 수 있고, 주로 사전에 설정된 모아레 무늬 제거 모델 및 사전에 설정된 모아레 무늬 제거 얼굴 인증 모델을 저장하고 얼굴 인증 장치를 포함한 서버(11)가 제공하여 각각 모아레 무늬 제거 조작 및 특징 추출 등을 수행한다. 다만, 이러한 응용 상황은 사용자 단말(12)을 더 포함할 수도 있고 예를 들어 신분증 얼굴 영상 및 셀카 얼굴 영상 등 사용자가 입력한 얼굴 인증을 수행하려는 모아레 무늬 얼굴 영상 및 초기 얼굴 영상을 수신하고 얼굴 인증 장치를 포함한 서버(11)로 송신하여 얼굴 인증을 수행하도록 한다.

아래 각각 상세하게 설명한다.

제1 실시예

본 실시예에 있어서, 얼굴 인증 장치의 측면으로부터 설명하는데 상기 얼굴 인증 장치는 구체적으로 서버 등 네트워크 기기에 집적될 수 있다.

도 1b를 참조하면, 도 1b는 본 출원의 제1 실시예에서 제공하는 얼굴 인증 방법을 나타낸 흐름도이다. 상기 얼굴 인증 방법은 얼굴 인증 장치에 응용된다. 상기 방법은 단계S101~S102를 포함한다.

단계S101에 있어서, 인증하려는 모아레 무늬 얼굴 영상 및 초기 얼굴 영상을 획득한다.

단계S102에 있어서, 사전에 설정된 모아레 무늬 제거 모델을 이용하여 상기 모아레 무늬 얼굴 영상에 모아레 무늬 제거 조작을 수행하여 모아레 무늬 제거 얼굴 영상을 얻는다.

여기서, 상기 단계S101과 단계S102는 구체적으로 하기와 같다.

일 실시형태로서, 얼굴 인증 장치는 우선 인증하려는 모아레 무늬 얼굴 영상 및 초기 얼굴 영상을 획득하고, 그다음 그 모아레 무늬 얼굴 영상 및 초기 얼굴 영상 중의 얼굴이 동일인인가를 판단하여 얼굴 인증을 완성한다.

여기서, 본 출원의 실시예에 있어서, 모아레 무늬 얼굴 영상이란 모아레 무늬 워터마크를 추가한 얼굴 사진을 말하고, 예를 들어 신분증 얼굴 사진, 사회보장카드 얼굴 사진, 통행증 얼굴 사진 등 증명서 사진일 수 있고 도 1c에 모아레 무늬 얼굴 영상을 간단히 도시하였다. 초기 얼굴 영상이란 모아레 무늬 워터마크가 없는 얼굴 사진을 말하고, 예를 들어 사용자 자신이 촬영한 얼굴 사진 등을 말한다.

본 출원의 실시예에 있어서, 인증하려는 모아레 무늬 얼굴 영상 및 초기 얼굴 영상을 획득하기 전에, 사전에 설정된 모아레 무늬 제거 모델을 생성함은 이해할 수 있는 것이고, 그중 구체적으로 하기 단계를 포함할 수 있다:

1, 제1 유형 얼굴 영상을 수집하고 상기 제1 유형 얼굴 영상에 근거하여 제1 얼굴 데이터 집합을 구축한다.

2, 사전에 설정된 모아레 무늬 워터마크에 근거하여 상기 제1 얼굴 데이터 집합을 합성하여 제1 모아레 무늬 얼굴 데이터 집합을 얻는다.

3, 상기 제1 얼굴 데이터 집합과 상기 제1 모아레 무늬 얼굴 데이터 집합을 이용하여 모아레 무늬 제거 컨벌루션 뉴럴 네트워크 훈련(Conventional Neural Network training)을 수행하여 모아레 무늬 제거 모델을 생성한다.

4, 상기 모아레 무늬 제거 모델을 사전에 설정된 모아레 무늬 제거 모델로 결정한다.

일 실시형태로서, 얼굴 인증 장치는 여러개 얼굴 사진을 수집하고 수집한 여러개 얼굴 사진을 제1 유형 얼굴 영상으로 결정하며 제1 유형 얼굴 영상에 근거하여 제1 얼굴 데이터 집합을 구축하고 스케줄링할 수 있도록 상기 제1 얼굴 데이터 집합을 사전에 설정된 메모리에 기록한다.

진일보로, 얼굴 인증 장치는 사전에 설정된 모아레 무늬 워터마크를 이용하여 제1 얼굴 데이터 집합중의 제1 유형 얼굴 영상을 합성하고, 즉 제1 유형 얼굴 영상에 모아레 무늬 워터마크를 추가하여 제1 모아레 무늬 얼굴 데이터 집합을 얻는다. 그다음, 얼굴 인증 장치는 그 제1 얼굴 데이터 집합과 제1 모아레 무늬 얼굴 데이터 집합을 이용하여 모아레 무늬 제거 컨벌루션 뉴럴 네트워크 훈련을 수행하여 모아레 무늬 제거 모델을 생성한다.

여기서, 모아레 무늬 제거 컨벌루션 뉴럴 네트워크(CNN, Convolutional Neural Network)는 컨벌루션층(convolution), 정규화층(batch_normalization), 디컨벌루션층(deconvolution) 등을 포함할 수 있다. 본 출원의 실시예에 있어서, 모아레 무늬 제거 컨벌루션 뉴럴 네트워크 훈련의 최적화 목표는 모아레 무늬를 제거한 후의 얼굴 사진과 대응되는 원시 얼굴 사진의 화소 차이의 절대치 합이 가장 작은 것이다.

구체적인 컨벌루션층, 정규화층, 디컨벌루션층의 정의 및 모아레 무늬 제거 컨벌루션 뉴럴 네트워크의 훈련 방식에 대하여서는 기존의 심층 뉴럴 네트워크 훈련 프레임에 따라서 실현할 수 있음으로 여기서는 상세한 설명을 생략한다.

다만, 본 출원의 실시예정의 “제1”, “제2”, “제3” 등 용어는 명세서 중의 각 유형의 사진 등을 구분하기 위한 것으로 각 유형의 사진 사이의 논리 관계 또는 순서 관계 등을 한정하는 것은 아니다.

단계S103에 있어서, 사전에 설정된 모아레 무늬 제거 얼굴 인증 모델을 통하여 상기 모아레 무늬 제거 얼굴 영상에 특징 추출을 수행하여 모아레 무늬 제거 얼굴 특징을 얻고, 상기 사전에 설정된 모아레 무늬 제거 얼굴 인증 모델을 통하여 상기 초기 얼굴 영상에 특징 추출을 수행하여 초기 얼굴 특징을 얻는다.

여기서, 일 실시형태로서, 얼굴 인증 장치는 사전에 모아레 무늬 제거 얼굴 인증 모델을 생성하여 메모리에 저장하고 인증하려는 모아레 무늬 얼굴 영상에 모아레 무늬 제거 조작을 수행하여 모아레 무늬 제거 얼굴 영상을 얻는 후, 사전에 설정된 모아레 무늬 제거 얼굴 인증 모델을 스케줄링하여 각각 모아레 무늬 제거 얼굴 영상과 초기 얼굴 영상에 특징 추출을 수행하여 모아레 무늬 제거 얼굴 특징 및 초기 얼굴 특징을 얻을 수 있다.

여기서, 본 출원의 실시예에 있어서, 특징 추출은 컴퓨터 시각과 영상 처리과정의 한 개념이다. 컴퓨터를 사용하여 영상 정보를 추출하여 매개 영상의 점이 한 영상 특징에 속하는 것인가를 결정하는 것이다. 특징 추출의 결과는 영상의 점을 서로다른 서브집합으로 나누고 이러한 서브집합이 통상 독립된 점, 연속되는 곡선 또는 연속되는 영역에 속하여 얼굴 인증 장치가 특징 추출의 결과에 근거하여 비교와 판단을 수행한다.

여기서, 본 출원의 실시예에 있어서, 얼굴 인증 장치가 인증하려는 모아레 무늬 얼굴 영상 및 초기 얼굴 영상을 획득하기 전에, 제1 얼굴 인증 모델을 생성하여 그 제1 얼굴 인증 모델에 근거하여 사전에 설정된 모아레 무늬 제거 얼굴 인증 모델을 생성함을 이해할 수 있고, 그중 제1 얼굴 인증 모델을 생성하는 것은 구체적으로 하기 단계를 포함할 수 있다 :

a, 제2 유형 얼굴 영상을 수집하고 상기 제2 유형 얼굴 영상에 근거하여 제2 얼굴 데이터 집합을 구축한다.

b, 상기 제2 얼굴 데이터 집합에 대응되는 제3 유형 얼굴 영상을 획득하고 상기 제3 유형 얼굴 영상에 근거하여 제3 얼굴 데이터 집합을 구축한다.

c, 상기 제2 얼굴 데이터 집합과 상기 제3 얼굴 데이터 집합을 이용하여 얼굴 인증 컨벌루션 뉴럴 네트워크 훈련을 수행하여 제1 얼굴 인증 모델을 생성한다.

예를 들어, 얼굴 인증 장치가 여러개 얼굴 사진을 수집하고 수집한 여러개 얼굴 사진을 제2 유형 얼굴 영상으로 결정하고 제2 유형 얼굴 영상에 근거하여 제2 얼굴 데이터 집합을 구축하며 스케줄링할 수 있도록 그 제2 얼굴 데이터 집합을 사전에 설정된 메모리에 기록한다.

다만, 본 출원의 실시예에 있어서, 상기 제1 유형 얼굴 영상과 상기 제2 유형 얼굴 영상은 모두 신분증 얼굴 사진일 수 있지만 상기 제1 유형 얼굴 영상과 상기 제2 유형 얼굴 영상은 서로 다르고, 예를 들어, 신분증 얼굴 사진A가 제1 유형 얼굴 영상에 속하면 신분증 얼굴 사진A는 제2 유형 얼굴 영상에 속하지 않는다. 다시말하면, 제1 얼굴 데이터 집합과 제2 얼굴 데이터 집합중의 얼굴 영상은 중복되지 않는다.

진일보로, 단계b에서 제2 얼굴 데이터 집합에 대응되는 제3 유형 얼굴 영상을 획득하는 것은, 신분증 얼굴 사진(즉 제2 얼굴 데이터 집합중의 제2 유형 얼굴 영상)에 대응되는 셀카 얼굴 사진(즉 제3 유형 얼굴 영상)을 획득하고 상기 셀카 얼굴 사진에 근거하여 셀카 얼굴 사진의 데이터 집합을 구축하는 것을 포함할 수 있다.

그다음, 얼굴 인증 장치는 제2 얼굴 데이터 집합과 제3 얼굴 데이터 집합을 이용하여 얼굴 인증 컨벌루션 뉴럴 네트워크 훈련을 수행하여 제1 얼굴 인증 모델을 생성하고 그 제1 얼굴 인증 모델에 근거하여 사전에 설정된 모아레 무늬 제거 얼굴 인증 모델을 생성하고, 그중 모아레 무늬 제거 얼굴 인증 모델을 생성하는 것이 구체적으로 하기 단계를 포함할 수 있다 :

d, 사전에 설정된 모아레 무늬 워터마크에 근거하여 상기 제2 얼굴 데이터 집합을 합성하여 제2 모아레 무늬 얼굴 데이터 집합을 얻는다.

e, 상기 모아레 무늬 제거 모델을 이용하여 상기 제2 모아레 무늬 얼굴 데이터 집합중의 매개 영상에 모아레 무늬 제거 조작을 수행하여 모아레 무늬 제거 얼굴 데이터 집합을 생성한다.

f, 상기 모아레 무늬 제거 얼굴 데이터 집합과 상기 제3 얼굴 데이터 집합에 근거하여 상기 제1 얼굴 인증 모델에 네트워크 미세 조정을 수행하여 제2 얼굴 인증 모델을 생성한다.

g, 상기 제2 얼굴 인증 모델을 사전에 설정된 모아레 무늬 제거 얼굴 인증 모델로 결정한다.

일 실시형태로서, 얼굴 인증 장치는 사전에 설정된 모아레 무늬 워터마크에 근거하여 단계a에서 얻은 제2 얼굴 데이터 집합중의 제2 유형 얼굴 영상에 모아레 무늬 워터마크를 추가하여 제2 모아레 무늬 얼굴 데이터 집합을 얻는다. 그다음 단계3에서 얻은 모아레 무늬 제거 모델을 이용하여 그 제2 모아레 무늬 얼굴 데이터 집합중의 매개 영상에 모아레 무늬 제거 조작를 수행한다. 마지막에, 모아레 무늬 제거 얼굴 데이터 집합과 제3 얼굴 데이터 집합에 근거하여 단계c에서 얻은 제1 얼굴 인증 모델에 네트워크 미세 조정을 수행하여 제2 얼굴 인증 모델, 즉 사전에 설정된 모아레 무늬 제거 얼굴 인증 모델을 생성한다.

이 실시예에 있어서, 제1 얼굴 인증 모델을 “제2 유형 얼굴 - 제3 유형 얼굴”의 인증 모델로 이해할 수 있고, 예를 들어 “신분증 얼굴 - 셀카 얼굴” 인증 모델로 이해할 수 있다. 제2 얼굴 인증 모델은 “모아레 무늬 제거 얼굴 - 제3 유형 얼굴”의 인증 모델로 이해할 수 있고, 예를 들어 “모아레 무늬 제거 신분증 얼굴 - 셀카 얼굴” 인증 모델로 이해할 수 있다.

여기서, 얼굴 인증 컨벌루션 뉴럴 네트워크는 기존의 심층 뉴럴 네트워크 얼굴 인증 알고리즘을 참조하여 실현할 수 있고 네트워크의 훈련 방식에 대하여서는 기존의 심층 뉴럴 네트워크 훈련 프레임을 참조하여 실현할 수 있음으로 여기서는 상세한 설명을 생략한다. 얼굴 인증 컨벌루션 뉴럴 네트워크 모델을 훈련할 때, 순환 반복 방식으로 네트워크 모델을 훈련할 수 있다. 초기 훈련시, 선택된 파라미터를 랜덤 방식으로 초기화하고, 즉 네트워크 모델의 초기 파라미터는 랜덤 방식으로 배치할 수 있다. 네트워크 미세 조정 방식은 네트워크 구조를 변경시키지 않는 상황에서 이번에 훈련하는 네트워크 모델의 파라미터를 다음 모델 훈련의 초기값으로 하고 이번의 훈련하는 네트워크 모델의 파라미터를 다음번 네트워크 모델을 훈련하는 파라미터로하여 계속하여 훈련하여 최종 얼굴 인증 컨벌루션 뉴럴 네트워크를 얻는 것을 포함한다.

단계S104에 있어서, 상기 모아레 무늬 제거 얼굴 특징과 상기 초기 얼굴 특징에 근거하여 대응되는 모아레 무늬 제거 얼굴 영상과 초기 얼굴 영상에 얼굴 인증을 수행한다

일 실시형태로서, 얼굴 인증 장치는 상기 모아레 무늬 제거 얼굴 특징과 상기 초기 얼굴 특징에 근거하여 대응되는 모아레 무늬 제거 얼굴 영상과 초기 얼굴 영상에 얼굴 인증을 수행하는 방식은 구체적으로 하기 단계를 포함한다 :

S1041, 상기 모아레 무늬 제거 얼굴 특징과 상기 초기 얼굴 특징 사이의 유사도를 계산하여 유사값을 얻는다.

S1042, 상기 유사값에 근거하여 대응되는 모아레 무늬 제거 얼굴 영상과 초기 얼굴 영상이 동일인에 속하는가를 판단한다.

S1043, 동일인에 속하는 것으로 판단되면 얼굴 인증 통과로 결정한다.

S1044, 동일인에 속하지 않는 것으로 판단되면 얼굴 인증 불통과로 결정한다.

예를 들어, 얼굴 인증 장치는 상기 모아레 무늬 제거 얼굴 특징과 상기 초기 얼굴 특징에 특징 거리 계산을 수행하여 상기 모아레 무늬 제거 얼굴 특징과 상기 초기 얼굴 특징 사이의 유사도를 얻는다.

진일보로, 상기 유사값에 근거하여 대응되는 모아레 무늬 제거 얼굴 영상과 초기 얼굴 영상이 동일인에 속하는가를 판단(즉 단계S1042)하는 것은 구체적으로 하기를 포함한다 :

상기 유사값이 사전에 설정된 임계값을 초과하면 대응되는 모아레 무늬 제거 얼굴 영상과 초기 얼굴 영상이 동일인에 속한다고 결정한다.

상기 유사값이 사전에 설정된 임계값을 초과하지 않으면 대응되는 모아레 무늬 제거 얼굴 영상과 초기 얼굴 영상이 동일인에 속하지 않는다고 결정한다.

일부 실시형태에 있어서, 상기 모아레 무늬 제거 얼굴 특징과 상기 초기 얼굴 특징 사이의 유사도를 계산(즉 단계S1041)하는 것이, 유클리드 거리 알고리즘(Euclidean distance algorithm), 코사인 거리 알고리즘(Cosine (cos) distance algorithm), 합동 베이지안 알고리즘(joint Bayesian algorithm) 및 거리학습 알고리즘(metric learning algorithm)중의 임의의 한가지 알고리즘을 이용하여 상기 모아레 무늬 제거 얼굴 특징과 상기 초기 얼굴 특징 사이의 유사도를 계산하는 것을 포함한다.

여기서, 유사값이 사전에 설정된 임계값을 초과하면 대응되는 모아레 무늬 제거 얼굴 영상과 초기 얼굴 영상이 동일인에 속한다고 결정하고, 즉 얼굴 인증 장치는 얼굴 인증 통과로 결정하고, 유사값이 사전에 설정된 임계값을 초과하지 않으면 대응되는 모아레 무늬 제거 얼굴 영상과 초기 얼굴 영상이 동일인에 속하지 않는다고 결정하며, 즉 얼굴 인증 장치는 얼굴 인증 불통과로 결정한다.

상기한 바와 같이, 본 출원의 실시예에서 제공하는 얼굴 인증 방법에 의하며, 우선, 사전에 설정된 모아레 무늬 제거 모델을 이용하여 자동으로 인증하려는 모아레 무늬 얼굴 영상에 모아레 무늬 제거 조작을 수행하여 모아레 무늬 제거 얼굴 영상을 얻고, 그다음 사전에 설정된 모아레 무늬 제거 얼굴 인증 모델을 통하여 모아레 무늬 제거 얼굴 영상 및 초기 얼굴 영상에 각각 특징 추출을 수행하여 모아레 무늬 제거 얼굴 특징 및 초기 얼굴 특징을 얻고, 마지막에 모아레 무늬 제거 얼굴 특징과 초기 얼굴 특징에 근거하여 대응되는 모아레 무늬 제거 얼굴 영상과 초기 얼굴 영상에 얼굴 인증을 수행한다. 즉 본 출원의 실시예에 의하면 사전에 훈련된 모아레 무늬 제거 모델 및 모아레 무늬 제거 얼굴 인증 모델에 근거하여 인증하려는 모아레 무늬 얼굴 영상 및 초기 얼굴 영상에 자동으로 처리 분석을 수행하고 전문인원이 조작할 필요가 없이 자동으로 모아레 무늬 얼굴 영상과 초기 얼굴 영상이 동일인인가를 판단함으로서 얼굴 인증 효율 및 정확도를 향상시킨다.

제2 실시예

제1 실시예에서 설명한 방법에 근거하여 아래 예를 통하여 더욱 상세하게 설명한다.

본 실시예에 있어서, 모아레 무늬 신분증 얼굴 사진 및 사용자의 셀카 얼굴 사진을 예로 모아레 무늬 신분증 얼굴 사진 및 셀카 얼굴 사진의 인증 과정을 상세하게 설명한다.

도 2a를 참조하면, 도 2a는 본 출원의 제2 실시예에서 제공하는 얼굴 인증 방법을 나타낸 흐름도이다. 상기 방법은 주로, S21, 모아레 무늬 제거 모델을 생성하고, S22, 신분증 얼굴 - 셀카 얼굴의 인증 모델을 생성하며, S23, 모아레 무늬 제거 신분증 얼굴 - 셀카 얼굴의 인증 모델을 생성하고, S24, 모아레 무늬 신분증 얼굴 영상과 셀카 얼굴 영상에 인증을 수행하는 것을 포함한다. 구체적으로 하기와 같다.

S21, 모아레 무늬 제거 모델을 생성한다.

도 2b를 참조하면, 본 출원의 모아레 무늬 제거 모델을 생성하는 과정을 나타내었는데 하기 단계를 포함한다.

단계S211 : 신분증 얼굴 사진 데이터 집합1을 구축한다.

예를 들어, 얼굴 인증 장치는 신분증 얼굴 영상을 수집하고 그 신분증 얼굴 영상에 근거하여 신분증 얼굴 사진 데이터 집합1을 구축한다.

단계S212 : 모아레 무늬 신분증 얼굴 사진을 생성한다.

단계S213 : 모아레 무늬 신분증 얼굴 사진 데이터 집합1을 구축한다.

일 실시형태로서, 얼굴 인증 장치는 다수의 모아레 무늬 워터마크를 임의의 선택하여 신분증 얼굴 사진 데이터 집합1중의 매개 얼굴 사진에 모아레 무늬 워터마크를 합성하여 여러개 대응되는 모아레 무늬 신분증 얼굴 사진을 얻어서 모아레 무늬 신분증 얼굴 사진 데이터 집합1의 구축을 완성한다.

모아레 무늬 워터마크의 합성 과정은 구체적으로 하기와 같다 : 사전에 다수의 모아레 무늬 워터마크를 제작하고 직접 모아레 무늬 부분의 화소값으로 신분증 얼굴 사진 영상의 화소값을 대체하거나 또는 워터마크 화소값과 신분증 얼굴 사진 영상의 화소값을 일정한 비율로 융합하는 방식으로 모아레 무늬 신분증 얼굴 사진의 합성을 완성할 수 있고 여기서는 구체적으로 한정하지 않는다.

단계S214 : 모아레 무늬 제거 컨벌루션 뉴럴 네트워크 훈련하여 모아레 무늬 제거 모델을 생성한다.

예를 들어, 얼굴 인증 장치는 신분증 얼굴 사진 데이터 집합1과 대응되는 모아레 무늬 신분증 얼굴 사진 데이터 집합1을 이용하여 모아레 무늬 제거 CNN 네트워크 훈련을 수행하여 모아레 무늬 제거 모델을 획득한다. 여기서, 모아레 무늬 제거 CNN 네트워크는 컨벌루션층, 정규화층, 디컨벌루션층 등을 포함하고 훈련 최적화 목표는 모아레 무늬 제거후의 신분증 얼굴 사진과 대응되는 원시 신분증 얼굴 사진의 화소값 차이의 절대치가 가장 작은 것이다.

구체적인 컨벌루션층, 정규화층, 디컨벌루션층의 정의 및 모아레 무늬 제거 컨벌루션 뉴럴 네트워크의 훈련 방식에 대하여서는 기존의 심층 뉴럴 네트워크 훈련 프레임을 참조하여 실현할 수 있음으로 여기서는 상세한 설명을 생략한다.

S22, 신분증 얼굴 - 셀카 얼굴의 인증 모델을 생성한다.

도 2c를 참조하면, 본 출원의 신분증 얼굴 - 셀카 얼굴의 인증 모델의 프로세스를 나타낸 도로, 하기 단계를 포함한다 :

단계S221 : 신분증 얼굴 사진 데이터 집합2를 구축한다.

일 실시형태로서, 얼굴 인증 장치는 신분증 얼굴 영상을 수집하고 수집한 신분증 얼굴 영상에 근거하여 신분증 얼굴 사진 데이터 집합2를 구축한다.

다만, 본 출원의 실시예에 있어서, 상기 신분증 얼굴 사진 데이터 집합1과 상기 신분증 얼굴 사진 데이터 집합2중의 사진은 모두 다르고, 예를 들어 신분증 얼굴 사진A가 신분증 얼굴 사진 데이터 집합1에 속하면 신분증 얼굴 사진A는 신분증 얼굴 사진 데이터 집합2에 속하지 않는다. 다시말하면, 신분증 얼굴 사진 데이터 집합1과 신분증 얼굴 사진 데이터 집합1중의 얼굴 영상은 중복되지 않는다.

단계S222 : 셀카 얼굴 사진 데이터 집합1을 구축한다.

일 실시형태로서, 얼굴 인증 장치는 신분증 얼굴 사진 데이터 집합2중의 신분증 얼굴 사진 신분에 대응되는 셀카 얼굴 사진을 수집하고 셀카 얼굴 사진에 근거하여 셀카 얼굴 사진 데이터 집합1을 구축한다.

단계S223 : 얼굴 인증 컨벌루션 뉴럴 네트워크 훈련을 수행하여 신분증 얼굴 - 셀카 얼굴의 인증 모델을 생성한다.

일 실시형태로서, 얼굴 인증 장치는 신분증 얼굴 사진 데이터 집합2와 셀카 얼굴 사진 데이터 집합1을 이용하여 얼굴 인증 CNN 네트워크 훈련을 수행하여 “신분증 얼굴 - 셀카 얼굴” 인증 모델을 획득한다.

S23, 모아레 무늬 제거 신분증 얼굴 - 셀카 얼굴의 인증 모델을 생성한다.

도 2d를 참조하면, 본 출원의 실시예에서 모아레 무늬 제거 신분증 얼굴 - 셀카 얼굴의 인증 모델을 생성하는 프로세스를 나타낸 도로, 하기 단계를 포함한다 :

단계S231 : 모아레 무늬 신분증 얼굴 사진 데이터 집합2를 구축한다.

예를 들어, 얼굴 인증 장치는 신분증 얼굴 사진 데이터 집합2를 이용하여 모아레 무늬 신분증 얼굴 사진을 생성하고 모아레 무늬 신분증 얼굴 사진 데이터 집합2를 구축한다. 여기서, 모아레 무늬 신분증 얼굴 사진 데이터 집합2중의 모아레 무늬 신분증 얼굴 사진을 생성하는 과정은 단계S212 및 단계S213과 같다.

단계S232 : 모아레 무늬 신분증 얼굴 사진 데이터 집합2에 모아레 무늬 제거 조작을 수행하여 모아레 무늬 제거 신분증 얼굴 사진 데이터 집합을 생성한다.

일 실시형태로서, 얼굴 인증 장치는 단계S214에서 획득한 모아레 무늬 제거 모델을 이용하여 모아레 무늬 신분증 얼굴 사진 데이터 집합2중의 매개 사진에 모아레 무늬 제거 조작을 수행하여 모아레 무늬 제거 신분증 얼굴 사진 데이터 집합을 생성한다.

단계S233 : 신분증 얼굴 - 셀카 얼굴의 인증 모델에 대하여 네트워크 미세 조정을 수행하여 모아레 무늬 제거 신분증 얼굴 - 셀카 얼굴의 인증 모델을 생성한다.

일 실시형태로서, 얼굴 인증 장치는 모아레 무늬 제거 신분증 얼굴 사진 데이터 집합과 셀카 얼굴 데이터 집합1을 이용하여 단계S223에서 획득한 “신분증 얼굴 - 셀카 얼굴” 인증 모델에 네트워크 미세 조정을 수행하여 “모아레 무늬 제거 신분증 얼굴 - 셀카 얼굴” 인증 모델을 획득한다.

얼굴 인증 CNN 네트워크에 대하여서는 기존의 심층 뉴럴 네트워크 얼굴 인증 알고리즘을 참조하여 실현할 수 있고 네트워크의 훈련 방식 및 네트워크 미세 조정 방식에 대하여서는 기존의 심층 뉴럴 네트워크 훈련 프레임을 참조하여 실현할 수 있음으로 여기서는 상세한 설명을 생략한다.

S24, 모아레 무늬 신분증 얼굴 영상과 셀카 얼굴 영상에 인증을 수행한다.

도 2e를 참조하면, 본 출원의 실시예에서 모아레 무늬 신분증 얼굴 영상과 셀카 얼굴 영상에 인증을 수행하는 과정을 나타낸 도로 하기 단계를 포함한다 :

단계S241 : 모아레 무늬 신분증 얼굴 사진에 모아레 무늬 제거 조작을 수행하여 모아레 무늬 제거 신분증 얼굴 사진을 생성한다.

일 실시형태로서, 얼굴 인증 장치는 단계S214에서 획득한 모아레 무늬 제거 모델을 이용하여 입력된 한 모아레 무늬 신분증 얼굴 사진에 모아레 무늬 제거 조작을 수행하여 모아레 무늬 제거 신분증 얼굴 사진을 획득한다.

단계S242 : 모아레 무늬 제거 신분증 얼굴 사진에 특징 추출을 수행하여 모아레 무늬 제거 신분증 얼굴 특징을 얻는다.

단계S243 : 셀카 얼굴 사진에 특징 추출을 수행하여 셀카 얼굴 특징을 얻는다.

진일보로, 얼굴 인증 장치는 단계S233에서 획득한 “모아레 무늬 제거 신분증 얼굴 - 셀카 얼굴” 인증 모델을 이용하여 모아레 무늬 제거 신분증 얼굴 사진에 특징 추출을 수행하여 모아레 무늬 제거 신분증 얼굴 특징을 획득하고, 단계S233에서 획득한 “모아레 무늬 제거 신분증 얼굴 - 셀카 얼굴” 인증 모델을 이용하여 셀카 얼굴 사진에 특징 추출을 수행하여 셀카 얼굴 특징을 획득한다.

단계S244 : 모아레 무늬 제거 신분증 얼굴 특징 및 셀카 얼굴 특징에 특징 거리 계산을 수행한다.

일 실시형태로서, 얼굴 인증 장치는 모아레 무늬 제거 신분증 얼굴 특징과 셀카 얼굴 특징 사이의 유사도를 계산한다. 여기서, 유사도의 계산에 유클리드 거리, 코사인(cos) 거리를 이용하거나 또는 더욱 고급적인 합동 베이지안 방법 또는 거리학습 방법 등을 이용할 수 있다.

단계S245 : 계산 결과에 근거하여 얼굴 인증 결과를 얻는다.

일 실시형태로서, 얼굴 인증 장치는 유사도 계산 결과와 사전에 설정된 임계값을 비교하여 최종 인증 결과를 얻고 모아레 무늬 신분증 얼굴 사진과 셀카 얼굴 사진이 동일인에 속하는가를 판단한다.

구체적으로, 유사도가 사전에 설정된 임계값을 초과하면 대응되는 모아레 무늬 신분증 얼굴 사진과 셀카 얼굴 사진이 동일인에 속한다고 결정하고, 즉 얼굴 인증 장치는 얼굴 인증 통과로 결정하고, 유사도가 사전에 설정된 임계값을 초과하지 않으면 대응되는 모아레 무늬 신분증 얼굴 사진과 셀카 얼굴 사진이 동일인에 속하지 않는다고 결정하고, 즉 얼굴 인증 장치는 얼굴 인증 불통과로 결정한다.

다만, 본 실시예에 있어서 모아레 무늬 제거 모델을 생성하는 것은 기존의 영상 분할에 영상 보정을 합한 방식으로 실현할 수 있고, 신분증 얼굴 - 셀카 얼굴의 인증 모델을 생성하는 것은 직접 기존의 고차원 특징 방법을 이용하여 실현할 수 있으며, 모아레 무늬 제거 신분증 얼굴 - 셀카 얼굴의 인증 모델을 생성하는 것은 기존의 이전 학습 방법으로 실현할 수 있음으로 여기서는 상세한 설명을 생략한다.

다시말하면, 본 출원의 실시예는 모아레 무늬 신분증 얼굴 사진에 전처리를 수행하고 전처리를 수행한 모아레 무늬 신분증 얼굴 사진과 셀카 얼굴 사진에 얼굴 인증 모델의 훈련 방법을 수행하고 이에 근거하여 정확도가 높은 “모아레 무늬 신분증 얼굴 사진 - 셀카 얼굴 사진” 이중 알고리즘을 얻는다. 그리고 본 실시예에 있어서 신분증 얼굴 사진이 여권 얼굴 사진, 사회보장카드 얼굴 사진 등 유형의 사진일 수 있음은 이해할 수 있고 이러한 실예로 본 출원의 실시예를 한정하는 것은 아니다.

상기한 바와 같이, 본 출원의 실시예에서 제공하는 얼굴 인증 방법에 의하면, 우선 사전에 설정된 모아레 무늬 제거 모델을 이용하여 자동으로 인증하려는 모아레 무늬 얼굴 영상에 모아레 무늬 제거 조작을 수행하여 모아레 무늬 제거 얼굴 영상을 얻고, 그다음, 사전에 설정된 모아레 무늬 제거 얼굴 인증 모델을 통하여 모아레 무늬 제거 얼굴 영상 및 초기 얼굴 영상에 각각 특징 추출을 수행하여 모아레 무늬 제거 얼굴 특징 및 초기 얼굴 특징을 얻으며, 마지막에 모아레 무늬 제거 얼굴 특징과 초기 얼굴 특징에 근거하여 대응되는 모아레 무늬 제거 얼굴 영상과 초기 얼굴 영상에 얼굴 인증을 수행한다. 즉 본 출원의 실시예에 따르면 사전에 훈련된 모아레 무늬 제거 모델 및 모아레 무늬 제거 얼굴 인증 모델에 근거하여 인증하려는 모아레 무늬 얼굴 영상 및 초기 얼굴 영상에 자동으로 처리 분석을 수행하고 전문인원이 조작할 필요가 없이 자동으로 모아레 무늬 얼굴 영상과 초기 얼굴 영상이 동일인인가를 판단함으로서 얼굴 인증 효율 및 정확도를 향상시킨다.

제3 실시예

본 출원의 실시예에서 제공하는 얼굴 인증 방법을 더욱 잘 실시할 수 있도록, 본 출원의 실시예에서 상기한 얼굴 인증 방법에 기반한 장치를 제공한다. 그중 명사의 정의는 상기한 얼굴 인증의 방법과 동일하고 구체적인 실현 세부 사항은 방법 실시예중의 설명을 참조할 수 있다.

도 3a를 참조하면, 도 3a는 본 출원의 실시예에서 제공하는 얼굴 인증 장치의 구조를 나타낸 도로, 획득유닛(301)과, 제1 모아레 무늬 제거유닛(302)과, 특징 추출유닛(303)과, 인증유닛(304)을 포함한다.

여기서, 상기 획득유닛(301)은 인증하려는 모아레 무늬 얼굴 영상 및 초기 얼굴 영상을 획득하도록 구성된다. 상기 제1 모아레 무늬 제거유닛(302)은 사전에 설정된 모아레 무늬 제거 모델을 이용하여 상기 획득유닛(301)에서 획득한 모아레 무늬 얼굴 영상에 모아레 무늬 제거 조작을 수행하여 모아레 무늬 제거 얼굴 영상을 얻도록 구성된다.

일 실시형태로서, 상기 획득유닛(301)은 우선 인증하려는 모아레 무늬 얼굴 영상 및 초기 얼굴 영상을 획득하고, 그다음 그 모아레 무늬 얼굴 영상 및 초기 얼굴 영상중의 얼굴이 동일인인가를 판단하여 얼굴 인증을 완성한다.

여기서, 본 출원의 실시예에 있어서, 모아레 무늬 얼굴 영상은 모아레 무늬 워터마크를 추가한 얼굴 사진, 예를 들어 신분증 얼굴 사진, 사회보장카드 얼굴 사진, 통행증 얼굴 사진 등 증명서 사진을 말한다. 초기 얼굴 영상은 모아레 무늬 워터마크가 없는 얼굴 사진, 예를 들어 사용자 자신이 촬영한 얼굴 사진 등을 말한다.

상기 특징 추출유닛(303)은 사전에 설정된 모아레 무늬 제거 얼굴 인증 모델을 통하여 상기 모아레 무늬 제거 얼굴 영상에 특징 추출을 수행하여 모아레 무늬 제거 얼굴 특징을 얻고, 상기 사전에 설정된 모아레 무늬 제거 얼굴 인증 모델을 통하여 상기 초기 얼굴 영상에 특징 추출을 수행하여 초기 얼굴 특징을 얻도록 구성된다. 상기 인증유닛(304)은 상기 모아레 무늬 제거 얼굴 특징과 상기 초기 얼굴 특징에 근거하여 대응되는 모아레 무늬 제거 얼굴 영상과 초기 얼굴 영상에 얼굴 인증을 수행하도록 구성된다.

본 출원의 실시예에 있어서, 인증하려는 모아레 무늬 얼굴 영상 및 초기 얼굴 영상을 획득하기 전에 사전에 설정된 모아레 무늬 제거 모델을 생성하여야 함을 이해할 수 있고, 도 3b를 참조하면 얼굴 인증 장치의 다른 구조를 나타낸 도로 상기 얼굴 인증 장치는 제1 구축유닛(3051)과, 제1 합성유닛(3052)과, 제1 훈련유닛(3053)과, 제1 결정유닛(3054)을 포함할 수도 있고 사전에 설정된 모아레 무늬 제거 모델을 생성하도록 구성되며, 구체적으로, 상기 제1 구축유닛(3051)은 제1 유형 얼굴 영상을 수집하고 상기 제1 유형 얼굴 영상에 근거하여 제1 얼굴 데이터 집합을 구축하도록 구성된다. 상기 제1 합성유닛(3052)은 사전에 설정된 모아레 무늬 워터마크에 근거하여 상기 제1 얼굴 데이터 집합을 합성하여 제1 모아레 무늬 얼굴 데이터 집합을 얻도록 구성된다.

상기 제1 훈련유닛(3053)은 상기 제1 얼굴 데이터 집합과 상기 제1 모아레 무늬 얼굴 데이터 집합을 이용하여 모아레 무늬 제거 컨벌루션 뉴럴 네트워크 훈련을 수행하여 모아레 무늬 제거 모델을 생성하도록 구성된다. 상기 제1 결정유닛(3054)은 상기 모아레 무늬 제거 모델을 사전에 설정된 모아레 무늬 제거 모델로 결정하도록 구성된다.

일 실시형태로서, 상기 제1 구축유닛(3051)은 여러개 얼굴 사진을 수집하고 수집한 여러개 얼굴 사진을 제1 유형 얼굴 영상으로 결정하며 제1 유형 얼굴 영상에 근거하여 제1 얼굴 데이터 집합을 구축하고 스케줄링할 수 있도록 상기 제1 얼굴 데이터 집합을 사전에 설정된 메모리에 저장할 수 있다.

진일보로, 상기 제1 합성유닛(3052)은 사전에 설정된 모아레 무늬 워터마크를 이용하여 제1 얼굴 데이터 집합중의 제1 유형 얼굴 영상을 합성하고, 즉 제1 유형 얼굴 영상에 모아레 무늬 워터마크를 추가하여 제1 모아레 무늬 얼굴 데이터 집합을 얻는다. 그다음, 상기 제1 훈련유닛(3053)은 그 제1 얼굴 데이터 집합과 제1 모아레 무늬 얼굴 데이터 집합을 이용하여 모아레 무늬 제거 컨벌루션 뉴럴 네트워크 훈련을 수행하여 모아레 무늬 제거 모델을 생성한다.

여기서, 모아레 무늬 제거 컨벌루션 뉴럴 네트워크는 컨벌루션층, 정규화층, 디컨벌루션층 등을 포함할 수 있다. 본 출원의 실시예에 있어서, 모아레 무늬 제거 컨벌루션 뉴럴 네트워크 훈련의 최적화 목표는 모아레 무늬 제거후의 얼굴 사진과 대응되는 원시 얼굴 사진의 화소값 차이의 절대치가 가장 작은 것이다.

다만, 본 출원의 실시예중의 “제1”, “제2”, “제3” 등 용어는 명세서중의 각 유형의 사진 등을 구분하기 위한 것으로 각 유형의 사진 사이의 논리 관계 또는 순서 관계 등을 한정하는 것은 아니다.

일 실시형태로서, 얼굴 인증 장치는 사전에 모아레 무늬 제거 얼굴 인증 모델을 생성하여 메모리에 저장하고 인증하려는 모아레 무늬 얼굴 영상에 모아레 무늬 제거 조작을 수행하여 모아레 무늬 제거 얼굴 영상을 얻은 후, 사전에 설정된 모아레 무늬 제거 얼굴 인증 모델을 스케줄링하여 각각 모아레 무늬 제거 얼굴 영상과 초기 얼굴 영상에 특징 추출을 수행하여 모아레 무늬 제거 얼굴 특징 및 초기 얼굴 특징을 얻을 수 있다.

본 출원의 실시예에 있어서, 얼굴 인증 장치는 인증하려는 모아레 무늬 얼굴 영상 및 초기 얼굴 영상을 획득하기 전에 제1 얼굴 인증 모델을 생성하여 그 제1 얼굴 인증 모델을 이용하여 사전에 설정된 모아레 무늬 제거 얼굴 인증 모델을 생성하여야 하는데, 도 3b를 참조하면, 상기 얼굴 인증 장치는 제2 구축유닛(3061)과, 제3 구축유닛(3062)과, 제2 훈련유닛(3063)을 포함할 수 있고 제1 얼굴 인증 모델을 생성하도록 구성되며, 구체적으로, 상기 제2 구축유닛(3061)은 제2 유형 얼굴 영상을 수집하고 상기 제2 유형 얼굴 영상에 근거하여 제2 얼굴 데이터 집합을 구축하도록 구성되며,

상기 제3 구축유닛(3062)은 상기 제2 얼굴 데이터 집합에 대응되는 제3 유형 얼굴 영상을 획득하고 상기 제3 유형 얼굴 영상에 근거하여 제3 얼굴 데이터 집합을 구축하도록 구성되며, 상기 제2 훈련유닛(3063)은 상기 제2 얼굴 데이터 집합과 상기 제3 얼굴 데이터 집합을 이용하여 얼굴 인증 컨벌루션 뉴럴 네트워크 훈련을 수행하여 제1 얼굴 인증 모델을 생성하도록 구성된다.

일 실시형태로서, 상기 제2 구축유닛(3061)은 여러개 얼굴 사진을 수집하고 수집한 여러개 얼굴 사진을 제2 유형 얼굴 영상으로 결정하고 제2 유형 얼굴 영상에 근거하여 제2 얼굴 데이터 집합을 구축하고 스케줄링할 수 있도록 그 제2 얼굴 데이터 집합을 사전에 설정된 메모리에 저장한다.

다만, 본 출원의 실시예에 있어서, 상기 제1 유형 얼굴 영상과 상기 제2 유형 얼굴 영상은 모두 신분증 얼굴 사진일 수 있지만, 상기 제1 유형 얼굴 영상과 상기 제2 유형 얼굴 영상은 서로 다르고, 예를 들어, 신분증 얼굴 사진A가 제1 유형 얼굴 영상에 속하면 신분증 얼굴 사진A는 제2 유형 얼굴 영상에 속하지 않는다. 다시말하면, 제1 얼굴 데이터 집합과 제2 얼굴 데이터 집합중의 얼굴 영상은 중복되지 않는다.

진일보로, 상기 제3 구축유닛(3062)이 제2 얼굴 데이터 집합에 대응되는 제3 유형 얼굴 영상을 획득하는 단계는 신분증 얼굴 사진(즉 제2 얼굴 데이터 집합중의 제2 유형 얼굴 영상)에 대응되는 셀카 얼굴 사진(즉 제3 유형 얼굴 영상)을 획득하고 상기 셀카 얼굴 사진에 근거하여 셀카 얼굴 사진의 데이터 집합을 구축하는 것을 포함한다.

그다음, 상기 제3 구축유닛(3062)은 제2 얼굴 데이터 집합과 제3 얼굴 데이터 집합을 이용하여 얼굴 인증 컨벌루션 뉴럴 네트워크 훈련을 수행하여 제1 얼굴 인증 모델을 생성하고 그 제1 얼굴 인증 모델에 근거하여 사전에 설정된 모아레 무늬 제거 얼굴 인증 모델을 생성하며, 도 3b를 참조하면, 상기 얼굴 인증 장치는 제2 합성유닛(3071), 제2 모아레 무늬 제거유닛(3072)과, 미세 조정유닛(3073)과, 제2 결정유닛(3074)을 포함할 수 있고 사전에 설정된 모아레 무늬 제거 얼굴 인증 모델을 생성하도록 구성되며, 구체적으로, 상기 제2 합성유닛(3071)은 사전에 설정된 모아레 무늬 워터마크에 근거하여 상기 제2 얼굴 데이터 집합을 합성하여 제2 모아레 무늬 얼굴 데이터 집합을 얻도록 구성되고, 상기 제2 모아레 무늬 제거유닛(3072)은 상기 모아레 무늬 제거 모델을 이용하여 상기 제2 모아레 무늬 얼굴 데이터 집합중의 매개 영상에 모아레 무늬 제거 조작을 수행하여 모아레 무늬 제거 얼굴 데이터 집합을 생성하도록 구성되며, 상기 미세 조정유닛(3073)은 상기 모아레 무늬 제거 얼굴 데이터 집합과 상기 제3 얼굴 데이터 집합에 근거하여 상기 제1 얼굴 인증 모델에 네트워크 미세 조정을 수행하여 제2 얼굴 인증 모델을 생성하도록 구성되고, 상기 제2 결정유닛(3074)은 상기 제2 얼굴 인증 모델을 사전에 설정된 모아레 무늬 제거 얼굴 인증 모델로 결정하도록 구성된다.

일 실시형태로서, 상기 제2 합성유닛(3071)은 사전에 설정된 모아레 무늬 워터마크에 근거하여 얻은 제2 얼굴 데이터 집합중의 제2 유형 얼굴 영상에 모아레 무늬 워터마크를 추가하여 제2 모아레 무늬 얼굴 데이터 집합을 얻고, 그 다음, 상기 제2 모아레 무늬 제거유닛(3072)이 얻은 모아레 무늬 제거 모델을 이용하여 그 제2 모아레 무늬 얼굴 데이터 집합중의 매개 영상에 모아레 무늬 제거 조작을 수행하며, 마지막에, 상기 미세 조정유닛(3073)이 모아레 무늬 제거 얼굴 데이터 집합과 제3 얼굴 데이터 집합에 근거하여 얻은 제1 얼굴 인증 모델에 네트워크 미세 조정을 수행하여 제2 얼굴 인증 모델을 생성하고 상기 제2 결정유닛(3074)이 상기 제2 얼굴 인증 모델을 사전에 설정된 모아레 무늬 제거 얼굴 인증 모델로 결정한다.

얼굴 인증 컨벌루션 뉴럴 네트워크에 대하여서는 기존의 심층 뉴럴 네트워크 얼굴 인증 알고리즘을 참조하여 실현할 수 있고 네트워크의 훈련 방식 및 네트워크 미세 조정 방식에 대하여서는 기존의 심층 뉴럴 네트워크 훈련 프레임을 참조하여 실현할 수 있음으로 여기서는 상세한 설명을 생략한다.

구체적으로, 상기 인증유닛(304)은 상기 모아레 무늬 제거 얼굴 특징과 상기 초기 얼굴 특징 사이의 유사도를 계산하여 유사값을 얻도록 구성되는 계산서브유닛(3041)과, 상기 유사값에 근거하여 대응되는 모아레 무늬 제거 얼굴 영상과 초기 얼굴 영상이 동일인에 속하는가를 판단하도록 구성되는 판단서브유닛(3042)과, 동일인에 속하는 것으로 판단되면 얼굴 인증 통과로 결정하도록 구성되는 제1 결정서브유닛(3043)과, 동일인에 속하지 않는 것으로 판단되면 얼굴 인증 불통과로 결정하도록 구성되는 제2 결정서브유닛(3044)을 포함할 수 있다.

일 실시형태로서, 상기 계산서브유닛(3041)은 상기 모아레 무늬 제거 얼굴 특징과 상기 초기 얼굴 특징에 특징 거리 계산을 수행하여 상기 모아레 무늬 제거 얼굴 특징과 상기 초기 얼굴 특징 사이의 유사도를 얻는다.

여기서, 상기 판단서브유닛(3042)은 상기 유사값이 사전에 설정된 임계값을 초과하면 대응되는 모아레 무늬 제거 얼굴 영상과 초기 얼굴 영상이 동일인에 속한다고 결정하고 상기 유사값이 사전에 설정된 임계값을 초과하지 않으면 대응되는 모아레 무늬 제거 얼굴 영상과 초기 얼굴 영상이 동일인에 속하지 않는다고 결정하도록 구성된다.

일부 실시형태에 있어서, 상기 계산서브유닛(3041)은 유클리드 거리 알고리즘, 코사인 거리 알고리즘, 합동 베이지안 알고리즘 및 거리학습 알고리즘중의 임의의 한 알고리즘을 이용하여 상기 모아레 무늬 제거 얼굴 특징과 상기 초기 얼굴 특징 사이의 유사도를 계산하도록 구성될 수 있다.

여기서, 유사값이 사전에 설정된 임계값을 초과하면 대응되는 모아레 무늬 제거 얼굴 영상과 초기 얼굴 영상이 동일인에 속한다고 결정하고, 즉 얼굴 인증 장치는 얼굴 인증 통과로 결정하고, 유사값이 사전에 설정된 임계값을 초과하지 않으면 대응되는 모아레 무늬 제거 얼굴 영상과 초기 얼굴 영상이 동일인에 속하지 않는다고 결정하고, 즉 얼굴 인증 장치 얼굴 인증 불통과로 결정한다.

구체적으로 실시할 때, 상기한 각 유닛을 독립된 실체로 실현할 수 있고 임의로 조합하여 동일한 또는 다수의 실체로 실현할 수도 있으며 상기한 각 유닛의 구체적인 실시에 대하여서는 상기한 방법 실시예를 참조할 수 있음으로 여기서는 상세한 설명을 생략한다.

상기 얼굴 인증 장치는 서버 등 네트워크 기기에 집적될 수 있다.

상기한 바와 같이, 본 출원의 실시예에서 제공하는 얼굴 인증 장치에 의하면, 우선, 사전에 설정된 모아레 무늬 제거 모델을 이용하여 자동으로 인증하려는 모아레 무늬 얼굴 영상에 모아레 무늬 제거 조작을 수행하여 모아레 무늬 제거 얼굴 영상을 얻고, 그다음, 사전에 설정된 모아레 무늬 제거 얼굴 인증 모델을 통하여 모아레 무늬 제거 얼굴 영상 및 초기 얼굴 영상에 각각 특징 추출을 수행하여 모아레 무늬 제거 얼굴 특징 및 초기 얼굴 특징을 얻고, 마지막에 모아레 무늬 제거 얼굴 특징과 초기 얼굴 특징에 근거하여 대응되는 모아레 무늬 제거 얼굴 영상과 초기 얼굴 영상에 얼굴 인증을 수행한다. 즉 본 출원의 실시예에 의하면 사전에 훈련된 모아레 무늬 제거 모델 및 모아레 무늬 제거 얼굴 인증 모델에 근거하여 인증하려는 모아레 무늬 얼굴 영상 및 초기 얼굴 영상에 자동으로 처리 분석을 수행하고 전문인원이 조작할 필요가 없이 자동으로 모아레 무늬 얼굴 영상과 초기 얼굴 영상이 동일인인가를 판단함으로서 얼굴 인증 효율 및 정확도를 향상시킨다.

본 출원의 실시예에 있어서, 상기 얼굴 인증 장치중의 획득유닛(301), 제1 모아레 무늬 제거유닛(302), 특징 추출유닛(303), 인증유닛(304), 제1 구축유닛(3051), 제1 합성유닛(3052), 제1 훈련유닛(3053), 제1 결정유닛(3054), 제2 구축유닛(3061), 제3 구축유닛(3062), 제2 훈련유닛(3063), 제2 합성유닛(3071), 제2 모아레 무늬 제거유닛(3072), 미세 조정유닛(3073) 및 제2 결정유닛(3074)은 실재 응용에 있어서 중앙처리장치(CPU, Central Processing Unit), 디지털 신호 프로세서(DSP, Digital Signal Processor), 마이크로 제어유닛(MCU, Microcontroller Unit) 또는 필드 프로그래머블 게이트 어레이(FPGA, Field－Programmable Gate Array)로 구현될 수 있다.

제4 실시예

본 출원의 실시예에 따르면 얼굴 인증 장치를 제공하는데, 실제 응용에 있어서, 상기 얼굴 인증 장치는 서버를 통하여 실현되고, 예를 들어 도 4에 본 출원의 실시예에 따른 서버의 구조를 나타내었고 프로세서(401)와, 상기 프로세서(401)가 실행가능한 명령의 데이터가 저장되는 메모리(402)를 포함할 수 있고 상기 명령이 실행되면 상기 프로세서(401)가, 인증하려는 모아레 무늬 얼굴 영상 및 초기 얼굴 영상을 획득하는 단계, 사전에 설정된 모아레 무늬 제거 모델을 이용하여 상기 모아레 무늬 얼굴 영상에 모아레 무늬 제거 조작을 수행하여 모아레 무늬 제거 얼굴 영상을 얻는 단계, 사전에 설정된 모아레 무늬 제거 얼굴 인증 모델을 통하여 상기 모아레 무늬 제거 얼굴 영상에 특징 추출을 수행하여 모아레 무늬 제거 얼굴 특징을 얻고, 상기 사전에 설정된 모아레 무늬 제거 얼굴 인증 모델을 통하여 상기 초기 얼굴 영상에 특징 추출을 수행하여 초기 얼굴 특징을 얻는 단계, 상기 모아레 무늬 제거 얼굴 특징과 상기 초기 얼굴 특징에 근거하여 대응되는 모아레 무늬 제거 얼굴 영상과 초기 얼굴 영상에 얼굴 인증을 수행하는 단계를 실행하도록 구성된다.

구체적으로, 상기 서버는 하나 또는 그 이상의 처리 핵심의 프로세서(401)와, 하나 또는 그 이상의 컴퓨터 판독가능한 기억매체의 메모리(402)와, 무선주파수(RF, Radio Frequency)회로(403)와, 전원(404)과, 입력유닛(405)과, 표시유닛(406) 등 부품을 포함할 수 있다. 당업자는 도 4에 도시한 서버 구조가 서버를 한정하는 것이 아님을 이해할 수 있고 도시한 부품보다 많거나 적은 부품을 포함할 수도 있고 또는 일부 부품을 조합하거나 또는 부품 배치가 다를 수도 있다.

프로세서(401)는 이 서버의 제어 중심으로 각종 인터페이스와 회선을 통하여 서버 전체의 각 부분을 연결하고 메모리(402)에 저장된 소프트웨어 프로그램 및/또는 수단을 작동 또는 실행하고 메모리(402)에 저장된 데이터를 스케줄링하여 서버의 각종 기능을 실행하고 데이터를 처리함으로써 서버를 전반적으로 모니터링한다. 일 실시형태로서, 프로세서(401)는 하나 또는 다수의 처리 핵심을 포함할 수 있다. 예를 들어 프로세서(401)는 응용 프로세서와 변조 복조 프로세서를 집성할 수 있고, 여기서, 응용 프로세서는 주로 운영체제, 사용자 인터페이스, 응용프로그램 등을 처리하고 변조 복조 프로세서는 주로 무선 통신을 처리한다. 상기 변조 복조 프로세서는 프로세서(401)에 집성되지 않을 수도 있음을 이해할 수 있다.

메모리(402)는 소프트웨어 프로그램 및 수단을 저장하도록 구성될 수 있고 프로세서(401)는 메모리(402)에 저장된 소프트웨어 프로그램 및 수단을 실행함으로써 각종 기능 애플리케이션과 데이터 처리를 실행한다. 메모리(402)는 주로 프로그램 저장영역과 데이터 저장영역을 포함하고, 여기서, 프로그램 저장영역에 운영체제, 적어도 한가지 기능에 필요한 애플리케이션(예를 들어 음성 재생 기능, 영상 재생 기능 등 ) 등을 저장할 수 있다. 데이터 저장영역에는 서버의 사용에 따라 구축된 데이터 등을 저장할 수 있다. 그리고, 메모리(402)는 고속 랜덤 액세스 메모리를 포함할 수 있고, 예를 들어 적어도 하나의 자성 기억 장치, 플래시 메모리 등 비휘발성 메모리 또는 기타 비휘발성 고체 메모리를 포함할 수도 있다. 대응되게 메모리(402)는 메모리 제어기를 포함하여 메모리(402)에 대한 프로세서(401)의 액세스를 제공한다.

RF 회로(403)는 정보를 송수신하는 과정에 신호를 수신하거나 송신하도록 구성되고, 특히 기지국의 하향 정보를 수신한 후 하나 또는 그 이상의 프로세서(401)에 송신하여 처리하도록 한다. 그리고 상향에 관한 데이터를 기지국으로 송신한다. 통상, RF 회로(403)는 안테나와, 적어도 하나의 증폭기와, 변조기와, 하나 또는 다수의 발진기와, 사용자 신분수단(SIM) 카드와, 송수신기와, 커플러와, 저잡음 증폭기(LNA, Low Noise Amplifier)와, 송수신 전환기 등을 포함하지만 이에 한정되지 않는다. 그리고, RF 회로(403)는 무선 통신을 통하여 네트워크와 기타 기기와 통신할 수 있다. 상기 무선 통신은 임의의 통신 표준 또는 프로토콜을 이용할 수 있고 글로벌 이동 통신 시스템(GSM, Global System of Mobile communication), 범용 패킷 무선 서비스(GPRS, General Packet Radio Service), 코드분할 다중 접속(CDMA, Code Division Multiple Access), 광대역 코드 분할 다중 접속(WCDMA, Wideband Code Division Multiple Access), 장기 진화(LTE, Long Term Evolution), 이메일, 메시지 서비스(SMS, Short Messaging Service) 등을 포함하지만 이에 한정되지 않는다.

서버는 각 부품에 전력을 공급하는 전원(404)(예를 들어 전지)을 더 포함하고, 일 실시형태로서, 전원은 전원 관리 시스템을 통하여 프로세서(401)와 논리적으로 연결되어 전원 관리 시스템을 통하여 충전, 방전 및 소비 관리 등 기능을 실현한다. 전원(404)은 하나 이상의 직류 또는 교류 전원, 재충전 시스템, 전원 고장 검측 회로, 전원 변환기 또는 인버터, 전원 상태 지시기 등 임의의 부품을 더 포함할 수 있다.

서버는 입력유닛(405)을 더 포함할 수 있고 입력유닛(405)은 입력한 디지털 또는 문자 정보를 수신하고 사용자 설정 및 기능 제어에 관련된 키보드, 마우스, 조종레버, 광학 또는 트랙볼 신호 입력을 발생한다.

서버는 표시유닛(406)을 더 포함할 수 있고 표시유닛(406)은 사용자가 입력한 정보 또는 사용자에 제공하는 정보 및 서버의 각종 그래픽 사용자 인터페이스를 표시하도록 구성되고 이러한 그래픽 사용자 인터페이스는 도형, 텍스트, 아이콘, 비디오와 이들의 임의의 조합으로 구성될 수 있다. 표시유닛(406)은 디스플레이 패널을 포함하고, 일 실시형태로서, 액정디스플레이(LCD, Liquid Crystal Display), 유기 발광 다이오드(OLED, Organic Light-Emitting Diode) 등 형식으로 디스플레이 패널을 배치할 수 있다.

구체적으로, 본 실시예에 있어서, 서버중의 프로세서(401)는 하기 명령에 따라 하나 또는 그 이상의 애플리케이션의 프로세스에 대응되는 실행가능 파일을 메모리(402)에 로딩하고 프로세서(401)가 메모리(402)에 저장된 애플리케이션을 실행함으로써 하기와 같은 각종 기능을 실현한다 :

인증하려는 모아레 무늬 얼굴 영상 및 초기 얼굴 영상을 획득하는 단계, 사전에 설정된 모아레 무늬 제거 모델을 이용하여 상기 모아레 무늬 얼굴 영상에 모아레 무늬 제거 조작을 수행하여 모아레 무늬 제거 얼굴 영상을 얻는 단계, 사전에 설정된 모아레 무늬 제거 얼굴 인증 모델을 통하여 상기 모아레 무늬 제거 얼굴 영상에 특징 추출을 수행하여 모아레 무늬 제거 얼굴 특징을 얻고, 상기 사전에 설정된 모아레 무늬 제거 얼굴 인증 모델을 통하여 상기 초기 얼굴 영상에 특징 추출을 수행하여 초기 얼굴 특징을 얻는 단계와, 상기 모아레 무늬 제거 얼굴 특징과 상기 초기 얼굴 특징에 근거하여 대응되는 모아레 무늬 제거 얼굴 영상과 초기 얼굴 영상에 얼굴 인증을 수행하는 단계를 수행한다.

일 실시형태로서, 상기 프로세서(401)는 진일보로 제1 유형 얼굴 영상을 수집하고 상기 제1 유형 얼굴 영상에 근거하여 제1 얼굴 데이터 집합을 구축하고, 사전에 설정된 모아레 무늬 워터마크에 근거하여 상기 제1 얼굴 데이터 집합을 합성하여 제1 모아레 무늬 얼굴 데이터 집합을 얻고, 상기 제1 얼굴 데이터 집합과 상기 제1 모아레 무늬 얼굴 데이터 집합을 이용하여 모아레 무늬 제거 컨벌루션 뉴럴 네트워크 훈련을 수행하여 모아레 무늬 제거 모델을 생성하며, 상기 모아레 무늬 제거 모델을 사전에 설정된 모아레 무늬 제거 모델로 결정하도록 구성될 수 있다.

일 실시형태로서, 상기 프로세서(401)는 진일보로 제2 유형 얼굴 영상을 수집하고 상기 제2 유형 얼굴 영상에 근거하여 제2 얼굴 데이터 집합을 구축하여 상기 제2 얼굴 데이터 집합에 대응되는 제3 유형 얼굴 영상을 획득하고 상기 제3 유형 얼굴 영상에 근거하여 제3 얼굴 데이터 집합을 구축하며 상기 제2 얼굴 데이터 집합과 상기 제3 얼굴 데이터 집합에 근거하여 얼굴 인증 컨벌루션 뉴럴 네트워크 훈련을 수행하여 제1 얼굴 인증 모델을 생성하도록 구성될 수 있다.

일 실시형태로서, 상기 프로세서(401)는 진일보로 사전에 설정된 모아레 무늬 워터마크에 근거하여 상기 제2 얼굴 데이터 집합을 합성하여 제2 모아레 무늬 얼굴 데이터 집합을 얻고 상기 모아레 무늬 제거 모델을 이용하여 상기 제2 모아레 무늬 얼굴 데이터 집합중의 매개 영상에 모아레 무늬 제거 조작을 수행하여 모아레 무늬 제거 얼굴 데이터 집합을 생성하며, 상기 모아레 무늬 제거 얼굴 데이터 집합과 상기 제3 얼굴 데이터 집합에 근거하여 상기 제1 얼굴 인증 모델에 네트워크 미세 조정을 수행하여 제2 얼굴 인증 모델을 생성하며 상기 제2 얼굴 인증 모델을 사전에 설정된 모아레 무늬 제거 얼굴 인증 모델로 결정하도록 구성될 수 있다.

일 실시형태로서, 상기 프로세서(401)는 진일보로 상기 모아레 무늬 제거 얼굴 특징과 상기 초기 얼굴 특징 사이의 유사도를 계산하여 유사값을 얻고 상기 유사값에 근거하여 대응되는 모아레 무늬 제거 얼굴 영상과 초기 얼굴 영상이 동일인에 속하는가를 판단하며 동일인에 속하는 것으로 판단되면 얼굴 인증 통과로 결정하고 동일인에 속하지 않는 것으로 판단되면 얼굴 인증 불통과로 결정하도록 구성될 수 있다.

일 실시형태로서, 상기 프로세서(401)는 진일보로 상기 유사값이 사전에 설정된 임계값을 초과하면 대응되는 모아레 무늬 제거 얼굴 영상과 초기 얼굴 영상이 동일인에 속한다고 결정하고 상기 유사값이 사전에 설정된 임계값을 초과하지 않으면 대응되는 모아레 무늬 제거 얼굴 영상과 초기 얼굴 영상이 동일인에 속하지 않는다고 결정하도록 구성될 수 있다.

일 실시형태로서, 상기 프로세서(401)는 진일보로 유클리드 거리 알고리즘, 코사인 거리 알고리즘, 합동 베이지안 알고리즘 및 거리학습 알고리즘중의 임의의 한가지 알고리즘을 이용하여 상기 모아레 무늬 제거 얼굴 특징과 상기 초기 얼굴 특징 사이의 유사도를 계산하도록 구성될 수 있다.

상기한 바와 같이, 본 출원의 실시예에서 제공하는 서버에 있어서, 우선, 사전에 설정된 모아레 무늬 제거 모델을 이용하여 자동으로 인증하려는 모아레 무늬 얼굴 영상에 모아레 무늬 제거 조작을 수행하여 모아레 무늬 제거 얼굴 영상을 얻고, 그다음, 사전에 설정된 모아레 무늬 제거 얼굴 인증 모델을 통하여 모아레 무늬 제거 얼굴 영상 및 초기 얼굴 영상에 각각 특징 추출을 수행하여 모아레 무늬 제거 얼굴 특징 및 초기 얼굴 특징을 얻고, 마지막에 모아레 무늬 제거 얼굴 특징과 초기 얼굴 특징에 근거하여 대응되는 모아레 무늬 제거 얼굴 영상과 초기 얼굴 영상에 얼굴 인증을 수행한다. 즉 본 출원의 실시예에 따르면 사전에 훈련된 모아레 무늬 제거 모델 및 모아레 무늬 제거 얼굴 인증 모델에 근거하여 인증하려는 모아레 무늬 얼굴 영상 및 초기 얼굴 영상에 자동으로 처리 분석을 수행하고 전문인원이 조작할 필요가 없이 자동으로 모아레 무늬 얼굴 영상과 초기 얼굴 영상이 동일인인가를 판단함으로서 얼굴 인증 효율 및 정확도를 향상시킨다.

상기한 실시예에 있어서, 각 실시예의 설명에는 중요시하는 부분이 있고 어느 한 실시예에서 상세하게 설명하지 않은 부부은 기타 실시예의 관련 설명을 참조할 수 있다.

본 출원의 실시예에서 제공하는 상기 얼굴 인증 장치는 예를 들어 컴퓨터, 태블랫PC, 터치 기능을 구비한 휴대폰 등등일 수 있고 상기 얼굴 인증 장치는 상기한 실시예중의 얼굴 인증 방법과 동일한 구상에 속하고 상기 얼굴 인증 장치에서 상기 얼굴 인증 방법 실시예에서 제공하는 어느 한 방법을 실행할 수 있고 그 구체적인 실현 과정은 상기 얼굴 인증 방법 실시예를 참조할 수 있음으로 여기서는 상세한 설명을 생략한다.

본 출원에서 제공하는 몇 실시예에 있어서, 공개한 방법 및 장치를 기타 방식으로 실현할 수도 있음은 이해할 수 있다. 상기한 장치 실시예는 예시적인 것이고 예를 들어 상기 수단의 분할은 논리 기능의 분할로 실제로 실현함에는 이와 다른 방식으로 분할할 수도 있고, 예를 들어 다수개의 수단 또는 부품을 결합시키거나 다른 한 시스템에 집성시킬 수 있고, 또는 일부 특징을 무시하거나 또는 수행하지 않을 수도 있다. 그리고, 표시하거나 또는 검토한 상호 결합 또는 직접 결합 또는 통신 연결은 인터페이스, 기기 또는 수단을 통한 간접 결합 또는 통신 연결일 수 있고 전기적, 기계적 또는 기타 형식일 수도 있다.

상기 분리된 부품으로 설명한 수단은 물리적으로 분리된 것이거나 분리되지 않은 것일 수도 있고 수단으로 나타낸 부품은 물리적 수단이거나 물리적 수단이 아닐 수도 있으며, 즉 한 위치에 위치하거나 또는 여러개 네트워크 수단에 분포될 수도 있다. 실제 수요에 따라 그중의 일부 또는 모든 수단을 선택하여 본 실시예의 방안을 실현하는 목적을 실현할 수 있다.

그리고, 본 발명의 각 실시예중의 각 기능수단을 하나의 처리수단에 집성시킬 수 있고 각 수단이 물리적으로 단독으로 존재할 수도 있으며 두개 또는 두개 이상의 수단을 하나의 수단에 집성시킬 수도 있다. 상기 집성된 수단을 하드웨어 형식으로 구현할 수 있고 소프트웨어 기능 수단 형식으로 구현할 수도 있다.

상기 방법 실시예의 전부 또는 일부 단계를 프로그램 명령과 관련되는 하드웨어로 완성할 수 있고 상기한 프로그램은 컴퓨터 판독가능한 기억매체에 저장될 수 있으며 그 프로그램이 실행될 때, 상기 방법 실시예를 포함한 단계를 실행한다. 상기한 기억매체는 모바일 저장 장치, 판독 전용 메모리(ROM, Read-Only Memory), 디스크 또는 CD 등 프로그램 코드를 저장할 수 있는 각종 매체를 포함한다.

또는 본 출원의 실시예의 상기 집성된 수단을 소프트웨어 기능유닛 형식으로 구현하여 단독 제품으로 판매하거나 사용할 경우, 컴퓨터 판독 가능한 기억매체에 저장할 수 있다. 이에 근거하여 본 출원의 실시예의 기술방안의 본질 또는 기존기술에 공헌이 있는 부분을 소프트웨어 제품 형식으로 구현할 수 있고 컴퓨터 소프트웨어 제품은 기억매체에 저장되고 하나의 컴퓨터 기기(개인용 컴퓨터, 서버 또는 네트워크 기기 등)로 하여금 본 출원의 각 실시예에서 설명한 방법의 전부 또는 일부 단계를 수행하도록 하는 명령을 포함할 수 있다. 상기한 기억매체는 모바일 저장 장치, ROM, 디스크 또는 CD 등 프로그램 코드를 저장할 수 있는 각종 매체를 포함한다.

본 출원의 실시예에 기재한 메모리 스위칭 방법, 장치는 상기 실시예를 예로 하지만 이에 한정되는 것은 아니고 당업자는 상기한 각 실시예에 기재된 기술방안을 수정하거나 또는 그중의 일부 또는 모든 기술특징을 동등교체할 수 있다. 하지만 이러한 수정 또는 교체는 대응되는 기술방안이 본질적으로 본 출원의 각 실시예의 기술방안의 범위를 벗어나도록 할 수 없다.

상기한 내용은 본 출원의 바람직한 실시예로 본 출원의 보호 범위를 한정하는 것은 아니다.

본 출원의 실시예의 기술방안에 의하면, 사전에 훈련된 모아레 무늬 제거 모델 및 모아레 무늬 제거 얼굴 인증 모델에 근거하여 인증하려는 모아레 무늬 얼굴 영상 및 초기 얼굴 영상에 자동으로 처리 분석을 수행하고 전문인원이 조작할 필요가 없이 자동으로 모아레 무늬 얼굴 영상과 초기 얼굴 영상이 동일인인가를 판단함으로써 얼굴 인증 효율 및 정확도를 향상시킨다.

Claims

인증하려는 모아레 무늬 얼굴 영상 및 초기 얼굴 영상을 획득하는 단계;
사전에 설정된 모아레 무늬 제거 모델을 이용하여 상기 모아레 무늬 얼굴 영상에 모아레 무늬 제거 조작을 수행하여 모아레 무늬 제거 얼굴 영상을 얻는 단계;
사전에 설정된 모아레 무늬 제거 얼굴 인증 모델을 통하여 상기 모아레 무늬 제거 얼굴 영상에 특징 추출을 수행하여 모아레 무늬 제거 얼굴 특징을 얻고 상기 사전에 설정된 모아레 무늬 제거 얼굴 인증 모델을 통하여 상기 초기 얼굴 영상에 특징 추출을 수행하여 초기 얼굴 특징을 얻는 단계; 및
상기 모아레 무늬 제거 얼굴 특징과 상기 초기 얼굴 특징에 근거하여 대응되는 모아레 무늬 제거 얼굴 영상과 초기 얼굴 영상에 얼굴 인증을 수행하는 단계를 포함하는 얼굴 인증 방법.
청구항 1에 있어서,
제1 유형 얼굴 영상을 수집하고 상기 제1 유형 얼굴 영상에 근거하여 제1 얼굴 데이터 집합을 구축하는 단계;
사전에 설정된 모아레 무늬 워터마크에 근거하여 상기 제1 얼굴 데이터 집합을 합성하여 제1 모아레 무늬 얼굴 데이터 집합을 얻는 단계;
상기 제1 얼굴 데이터 집합과 상기 제1 모아레 무늬 얼굴 데이터 집합을 이용하여 모아레 무늬 제거 컨벌루션 뉴럴 네트워크 훈련을 수행하여 모아레 무늬 제거 모델을 생성하는 단계; 및
상기 모아레 무늬 제거 모델을 사전에 설정된 모아레 무늬 제거 모델로 결정하는 단계를 더 포함하는 얼굴 인증 방법.
청구항 1에 있어서,
제2 유형 얼굴 영상을 수집하고 상기 제2 유형 얼굴 영상에 근거하여 제2 얼굴 데이터 집합을 구축하는 단계;
상기 제2 얼굴 데이터 집합에 대응되는 제3 유형 얼굴 영상을 획득하고 상기 제3 유형 얼굴 영상에 근거하여 제3 얼굴 데이터 집합을 구축하는 단계; 및
상기 제2 얼굴 데이터 집합과 상기 제3 얼굴 데이터 집합을 이용하여 얼굴 인증 컨벌루션 뉴럴 네트워크 훈련을 수행하여 제1 얼굴 인증 모델을 생성하는 단계를 더 포함하는 얼굴 인증 방법.
청구항 3에 있어서,
사전에 설정된 모아레 무늬 워터마크에 근거하여 상기 제2 얼굴 데이터 집합을 합성하여 제2 모아레 무늬 얼굴 데이터 집합을 얻는 단계;
상기 모아레 무늬 제거 모델을 이용하여 상기 제2 모아레 무늬 얼굴 데이터 집합중의 매개 영상에 모아레 무늬 제거 조작을 수행하여 모아레 무늬 제거 얼굴 데이터 집합을 생성하는 단계;
상기 모아레 무늬 제거 얼굴 데이터 집합과 상기 제3 얼굴 데이터 집합에 근거하여 상기 제1 얼굴 인증 모델에 네트워크 미세 조정을 수행하여 제2 얼굴 인증 모델을 생성하는 단계; 및
상기 제2 얼굴 인증 모델을 사전에 설정된 모아레 무늬 제거 얼굴 인증 모델로 결정하는 단계를 더 포함하는 얼굴 인증 방법.
청구항 1에 있어서,
상기 모아레 무늬 제거 얼굴 특징과 상기 초기 얼굴 특징에 근거하여 대응되는 모아레 무늬 제거 얼굴 영상과 초기 얼굴 영상에 얼굴 인증을 수행하는 단계가,
상기 모아레 무늬 제거 얼굴 특징과 상기 초기 얼굴 특징 사이의 유사도를 계산하여 유사값을 얻는 단계;
상기 유사값에 근거하여 대응되는 모아레 무늬 제거 얼굴 영상과 초기 얼굴 영상이 동일인에 속하는가를 판단하는 단계;
동일인에 속하는 것으로 판단되면 얼굴 인증 통과로 결정하는 단계; 및
동일인에 속하지 않는 것으로 판단되면 얼굴 인증 불통과로 결정하는 단계를 포함하는, 얼굴 인증 방법.
청구항 5에 있어서,
상기 유사값에 근거하여 대응되는 모아레 무늬 제거 얼굴 영상과 초기 얼굴 영상이 동일인에 속하는가를 판단하는 단계가,
상기 유사값이 사전에 설정된 임계값을 초과하면 대응되는 모아레 무늬 제거 얼굴 영상과 초기 얼굴 영상이 동일인에 속한다고 결정하고,
상기 유사값이 사전에 설정된 임계값을 초과하지 않으면 대응되는 모아레 무늬 제거 얼굴 영상과 초기 얼굴 영상이 동일인에 속하지 않는다고 결정하는 것을 포함하는, 얼굴 인증 방법.
청구항 5에 있어서,
상기 모아레 무늬 제거 얼굴 특징과 상기 초기 얼굴 특징 사이의 유사도를 계산하는 단계가,
유클리드 거리 알고리즘, 코사인 거리 알고리즘, 합동 베이지안 알고리즘 및 거리학습 알고리즘중의 임의의 한가지 알고리즘을 이용하여 상기 모아레 무늬 제거 얼굴 특징과 상기 초기 얼굴 특징 사이의 유사도를 계산하는 것을 포함하는, 얼굴 인증 방법.
인증하려는 모아레 무늬 얼굴 영상 및 초기 얼굴 영상을 획득하도록 구성되는 획득유닛;
사전에 설정된 모아레 무늬 제거 모델을 이용하여 상기 획득유닛이 획득한 모아레 무늬 얼굴 영상에 모아레 무늬 제거 조작을 수행하여 모아레 무늬 제거 얼굴 영상을 얻도록 구성되는 제1 모아레 무늬 제거유닛;
사전에 설정된 모아레 무늬 제거 얼굴 인증 모델을 통하여 상기 모아레 무늬 제거 얼굴 영상에 특징 추출을 수행하여 모아레 무늬 제거 얼굴 특징을 얻고, 상기 사전에 설정된 모아레 무늬 제거 얼굴 인증 모델을 통하여 상기 초기 얼굴 영상에 특징 추출을 수행하여 초기 얼굴 특징을 얻도록 구성되는 특징 추출유닛; 및
상기 모아레 무늬 제거 얼굴 특징과 상기 초기 얼굴 특징에 근거하여 대응되는 모아레 무늬 제거 얼굴 영상과 초기 얼굴 영상에 얼굴 인증을 수행하도록 구성되는 인증유닛을 포함하는 얼굴 인증 장치.
청구항 8에 있어서,
제1 유형 얼굴 영상을 수집하고 상기 제1 유형 얼굴 영상에 근거하여 제1 얼굴 데이터 집합을 구축하도록 구성되는 제1 구축유닛;
사전에 설정된 모아레 무늬 워터마크에 근거하여 상기 제1 얼굴 데이터 집합을 합성하여 제1 모아레 무늬 얼굴 데이터 집합을 얻도록 구성되는 제1 합성유닛;
상기 제1 얼굴 데이터 집합과 상기 제1 모아레 무늬 얼굴 데이터 집합을 이용하여 모아레 무늬 제거 컨벌루션 뉴럴 네트워크 훈련을 수행하여 모아레 무늬 제거 모델을 생성하도록 구성되는 제1 훈련유닛; 및
상기 모아레 무늬 제거 모델을 사전에 설정된 모아레 무늬 제거 모델로 결정하도록 구성되는 제1 결정유닛을 더 포함하는 얼굴 인증 장치.
청구항 8에 있어서,
제2 유형 얼굴 영상을 수집하고 상기 제2 유형 얼굴 영상에 근거하여 제2 얼굴 데이터 집합을 구축하도록 구성되는 제2 구축유닛;
상기 제2 얼굴 데이터 집합에 대응되는 제3 유형 얼굴 영상을 획득하고 상기 제3 유형 얼굴 영상에 근거하여 제3 얼굴 데이터 집합을 구축하도록 구성되는 제3 구축유닛;
상기 제2 얼굴 데이터 집합과 상기 제3 얼굴 데이터 집합을 이용하여 얼굴 인증 컨벌루션 뉴럴 네트워크 훈련을 수행하여 제1 얼굴 인증 모델을 생성하도록 구성되는 제2 훈련유닛을 더 포함하는 얼굴 인증 장치.
청구항 10에 있어서,
사전에 설정된 모아레 무늬 워터마크에 근거하여 상기 제2 얼굴 데이터 집합을 합성하여 제2 모아레 무늬 얼굴 데이터 집합을 얻도록 구성되는 제2 합성유닛;
상기 모아레 무늬 제거 모델을 이용하여 상기 제2 모아레 무늬 얼굴 데이터 집합중의 매개 영상에 모아레 무늬 제거 조작을 수행하여 모아레 무늬 제거 얼굴 데이터 집합을 생성하도록 구성되는 제2 모아레 무늬 제거유닛;
상기 모아레 무늬 제거 얼굴 데이터 집합과 상기 제3 얼굴 데이터 집합에 근거하여 상기 제1 얼굴 인증 모델에 네트워크 미세 조정을 수행하여 제2 얼굴 인증 모델을 생성하도록 구성되는 미세 조정유닛; 및
상기 제2 얼굴 인증 모델을 사전에 설정된 모아레 무늬 제거 얼굴 인증 모델로 결정하도록 구성되는 제2 결정유닛을 더 포함하는 얼굴 인증 장치.
청구항 8에 있어서,
상기 인증유닛이,
상기 모아레 무늬 제거 얼굴 특징과 상기 초기 얼굴 특징 사이의 유사도를 계산하여 유사값을 얻도록 구성되는 계산서브유닛;
상기 유사값에 근거하여 대응되는 모아레 무늬 제거 얼굴 영상과 초기 얼굴 영상이 동일인에 속하는가를 판단하도록 구성되는 판단서브유닛;
동일인에 속하는 것으로 판단되면 얼굴 인증 통과로 결정하도록 구성되는 제1 결정서브유닛; 및
동일인에 속하지 않는 것으로 판단되면 얼굴 인증 불통과로 결정하도록 구성되는 제2 결정서브유닛을 포함하는, 얼굴 인증 장치.
청구항 12에 있어서,
상기 판단서브유닛이
상기 유사값이 사전에 설정된 임계값을 초과하면 대응되는 모아레 무늬 제거 얼굴 영상과 초기 얼굴 영상이 동일인에 속한다고 결정하고 상기 유사값이 사전에 설정된 임계값을 초과하지 않으면 대응되는 모아레 무늬 제거 얼굴 영상과 초기 얼굴 영상이 동일인에 속하지 않는다고 결정하도록 구성되는, 얼굴 인증 장치.
청구항 12에 있어서,
상기 계산서브유닛이
유클리드 거리 알고리즘, 코사인 거리 알고리즘, 합동 베이지안 알고리즘 및 거리학습 알고리즘중의 임의의 한가지 알고리즘을 이용하여 상기 모아레 무늬 제거 얼굴 특징과 상기 초기 얼굴 특징 사이의 유사도를 계산하도록 구성되는, 얼굴 인증 장치.
프로세서와 상기 프로세서가 실행가능한 명령의 데이터가 저장되는 메모리를 포함하는 얼굴 인증 장치에 있어서,
상기 명령이 실행되면, 상기 프로세서가,
인증하려는 모아레 무늬 얼굴 영상 및 초기 얼굴 영상을 획득하는 단계;
사전에 설정된 모아레 무늬 제거 모델을 이용하여 상기 모아레 무늬 얼굴 영상에 모아레 무늬 제거 조작을 수행하여 모아레 무늬 제거 얼굴 영상을 얻는 단계;
사전에 설정된 모아레 무늬 제거 얼굴 인증 모델을 통하여 상기 모아레 무늬 제거 얼굴 영상에 특징 추출을 수행하여 모아레 무늬 제거 얼굴 특징을 얻고 상기 사전에 설정된 모아레 무늬 제거 얼굴 인증 모델을 통하여 상기 초기 얼굴 영상에 특징 추출을 수행하여 초기 얼굴 특징을 얻는 단계; 및
상기 모아레 무늬 제거 얼굴 특징과 상기 초기 얼굴 특징에 근거하여 대응되는 모아레 무늬 제거 얼굴 영상과 초기 얼굴 영상에 얼굴 인증을 수행하는 단계를 수행하도록 구성되는, 얼굴 인증 장치.
청구항 15에 있어서,
상기 프로세서가, 제1 유형 얼굴 영상을 수집하고 상기 제1 유형 얼굴 영상에 근거하여 제1 얼굴 데이터 집합을 구축하고, 사전에 설정된 모아레 무늬 워터마크에 근거하여 상기 제1 얼굴 데이터 집합을 합성하여 제1 모아레 무늬 얼굴 데이터 집합을 얻으며, 상기 제1 얼굴 데이터 집합과 상기 제1 모아레 무늬 얼굴 데이터 집합을 이용하여 모아레 무늬 제거 컨벌루션 뉴럴 네트워크 훈련을 수행하여 모아레 무늬 제거 모델을 생성하며, 상기 모아레 무늬 제거 모델을 사전에 설정된 모아레 무늬 제거 모델로 결정하도록 더 구성되는, 얼굴 인증 장치.
청구항 15에 있어서,
상기 프로세서가, 제2 유형 얼굴 영상을 수집하고 상기 제2 유형 얼굴 영상에 근거하여 제2 얼굴 데이터 집합을 구축하고, 상기 제2 얼굴 데이터 집합에 대응되는 제3 유형 얼굴 영상을 획득하고 상기 제3 유형 얼굴 영상에 근거하여 제3 얼굴 데이터 집합을 구축하며, 상기 제2 얼굴 데이터 집합과 상기 제3 얼굴 데이터 집합을 이용하여 얼굴 인증 컨벌루션 뉴럴 네트워크 훈련을 수행하여 제1 얼굴 인증 모델을 생성하도록 더 구성되는, 얼굴 인증 장치.
청구항 17에 있어서,
상기 프로세서가, 사전에 설정된 모아레 무늬 워터마크에 근거하여 상기 제2 얼굴 데이터 집합을 합성하여 제2 모아레 무늬 얼굴 데이터 집합을 얻고, 상기 모아레 무늬 제거 모델을 이용하여 상기 제2 모아레 무늬 얼굴 데이터 집합중의 매개 영상에 모아레 무늬 제거 조작을 수행하여 모아레 무늬 제거 얼굴 데이터 집합을 생성하며, 상기 모아레 무늬 제거 얼굴 데이터 집합과 상기 제3 얼굴 데이터 집합에 근거하여 상기 제1 얼굴 인증 모델에 네트워크 미세 조정을 수행하여 제2 얼굴 인증 모델을 생성하고, 상기 제2 얼굴 인증 모델을 사전에 설정된 모아레 무늬 제거 얼굴 인증 모델로 결정하도록 더 구성되는, 얼굴 인증 장치.
청구항 15에 있어서,
상기 프로세서가, 상기 모아레 무늬 제거 얼굴 특징과 상기 초기 얼굴 특징 사이의 유사도를 계산하여 유사값을 얻고, 상기 유사값에 근거하여 대응되는 모아레 무늬 제거 얼굴 영상과 초기 얼굴 영상이 동일인에 속하는가를 판단하며, 동일인에 속하는 것으로 판단되면 얼굴 인증 통과로 결정하고, 동일인에 속하지 않는 것으로 판단되면 얼굴 인증 불통과로 결정하도록 더 구성되는, 얼굴 인증 장치.
청구항 1 내지 청구항 7중 어느 한 항에 기재된 얼굴 인증 방법을 실행하기 위한 컴퓨터 실행가능한 명령이 저장되는 컴퓨터 기억매체.