KR20180109171A

KR20180109171A - 라이브니스 검사 방법 및 장치

Info

Publication number: KR20180109171A
Application number: KR1020170038347A
Authority: KR
Inventors: 유병인; 징타오 쑤; 차오 장; 하오 펭; 얀후 산; 곽영준; 김영성; 장원석; 한재준
Original assignee: 삼성전자주식회사
Priority date: 2017-03-27
Filing date: 2017-03-27
Publication date: 2018-10-08
Also published as: US11176392B2; CN108664880B; US20210406569A1; EP3382598A3; CN108664880A; KR102387571B1; US11721131B2; EP3382598A2; US20180276488A1

Abstract

라이브니스 검사 방법 및 장치가 개시된다. 일 실시예에 따른 라이브니스 검사 방법은 입력 영상에서 얼굴 영역을 검출하는 단계, 검출된 얼굴 영역에 대응하는 제1 영상에 기초하여 제1 라이브니스 값을 결정하는 단계, 검출된 얼굴 영역의 부분 얼굴 영역에 대응하는 제2 영상에 기초하여 제2 라이브니스 값을 결정하는 단계, 입력 영상에 기초하여 제3 라이브니스 값을 결정하는 단계 및 제1 라이브니스 값, 제2 라이브니스 값 및 제3 라이브니스 값에 기초하여 검사 대상의 라이브니스 여부를 결정하는 단계를 포함한다.

Description

라이브니스 검사 방법 및 장치{LIVENESS TEST METHOD AND APPARATUS FOR }

아래의 설명은 영상에 나타난 객체의 라이브니스를 검사하는 방법 및 이를 수행하는 장치에 관한 것이다.

사용자 인증 시스템(user verification system)에서 컴퓨팅 장치는 사용자에 의해 제공되는 인증 정보에 기초하여 해당 컴퓨팅 장치에 대한 액세스를 허용할지 여부를 결정할 수 있다. 인증 정보는 사용자에 의해 입력되는 패스워드 또는 사용자의 생체 정보(biometric information) 등을 포함할 수 있다. 생체 정보는 지문(fingerprint), 홍채(iris) 또는 얼굴에 대한 정보를 포함한다.

최근, 사용자 인증 시스템을 위한 보안 방법으로서, 얼굴 스푸핑 방지(face anti-spoofing) 기술에 대한 관심이 증가하고 있다. 얼굴 스푸핑 방지는 컴퓨팅 장치에 입력된 사용자의 얼굴이 위조 얼굴(fake face)인지 아니면 진짜 얼굴(genuine face)인지 여부를 구별한다. 이를 위해, 입력 영상에서 LBP(Local Binary Patterns), HOG(Histogram of Oriented Gradients), DoG(Difference of Gaussians) 등과 같은 특징들(features)이 추출되고, 추출된 특징들에 기반하여 입력된 얼굴이 위조 얼굴인지 여부가 판정된다. 얼굴 스푸핑은 사진, 동영상 또는 마스크 등을 이용하는 공격 형태를 가지며, 얼굴 인증에 있어 이러한 공격들을 구별해 내는 것은 중요하다.

일 실시예에 따른 라이브니스 검사 방법은, 입력 영상에서 얼굴 영역을 검출하는 단계; 상기 검출된 얼굴 영역에 대응하는 제1 영상에 기초하여 제1 라이브니스 값을 결정하는 단계; 상기 검출된 얼굴 영역의 부분 얼굴 영역에 대응하는 제2 영상에 기초하여 제2 라이브니스 값을 결정하는 단계; 상기 입력 영상에 기초하여 제3 라이브니스 값을 결정하는 단계; 및 상기 제1 라이브니스 값, 상기 제2 라이브니스 값 및 상기 제3 라이브니스 값에 기초하여 검사 대상의 라이브니스 여부를 결정하는 단계를 포함할 수 있다.

일 실시예에 따른 라이브니스 검사 방법에서, 상기 검사 대상의 라이브니스 여부를 결정하는 단계는, 상기 제1 라이브니스 값, 상기 제2 라이브니스 값 및 상기 제3 라이브니스 값에 기초하여 최종 라이브니스 값을 결정하는 단계; 및 상기 최종 라이브니스 값이 미리 설정된 조건을 만족시키는지 여부에 기초하여 상기 검사 대상의 라이브니스 여부를 결정하는 단계를 포함할 수 있다.

일 실시예에 따른 라이브니스 검사 방법에서, 상기 최종 라이브니스 값을 결정하는 단계는, 상기 제1 라이브니스 값, 상기 제2 라이브니스 값 및 상기 제3 라이브니스 값 중 적어도 하나에 가중치를 적용하고, 상기 적용 결과에 기초하여 상기 최종 라이브니스 값을 결정할 수 있다.

일 실시예에 따른 라이브니스 검사 방법에서, 상기 제1 라이브니스 값은, 제1 라이브니스 검사 모델에 의해 결정되고, 상기 제2 라이브니스 값은, 제2 라이브니스 검사 모델에 의해 결정되고, 상기 제3 라이브니스 값은, 제3 라이브니스 검사 모델에 의해 결정될 수 있다.

다른 실시예에 따른 라이브니스 검사 방법은, 입력 영상에서 얼굴 영역을 검출하는 단계; 상기 검출된 얼굴 영역에 대응하는 제1 영상에 기초하여 제1 라이브니스 값을 결정하는 단계; 상기 검출된 얼굴 영역의 부분 얼굴 영역에 대응하는 제2 영상에 기초하여 제2 라이브니스 값을 결정하는 단계; 상기 입력 영상에 기초하여 제3 라이브니스 값을 결정하는 단계; 및 상기 제1 라이브니스 값, 상기 제2 라이브니스 값 및 상기 제3 라이브니스 값 중 적어도 하나에 기초하여 검사 대상의 라이브니스 여부를 결정하는 단계를 포함할 수 있다.

또 다른 실시예에 따른 라이브니스 검사 방법은, 입력 영상에서 얼굴 영역을 검출하는 단계; 상기 검출된 얼굴 영역 또는 상기 검출된 얼굴 영역의 부분 얼굴 영역에 기초하여 제1 라이브니스 값을 결정하는 단계; 상기 입력 영상에 기초하여 제2 라이브니스 값을 결정하는 단계; 및 상기 제1 라이브니스 값과 상기 제2 라이브니스 값에 기초하여 검사 대상의 라이브니스 여부를 결정하는 단계를 포함할 수 있다.

일 실시예에 따른 라이브니스 검사 장치는, 프로세서를 포함하고, 상기 프로세서는, 입력 영상에서 얼굴 영역을 검출하고, 상기 검출된 얼굴 영역에 대응하는 제1 영상에 기초하여 제1 라이브니스 값을 결정하고, 상기 검출된 얼굴 영역의 부분 얼굴 영역에 대응하는 제2 영상에 기초하여 제2 라이브니스 값을 결정하고, 상기 입력 영상에 기초하여 제3 라이브니스 값을 결정하고, 및 상기 제1 라이브니스 값, 상기 제2 라이브니스 값 및 상기 제3 라이브니스 값에 기초하여 검사 대상의 라이브니스 여부를 결정할 수 있다.

일 실시예에 따른 라이브니스 검사 장치에서, 상기 프로세서는, 상기 제1 라이브니스 값, 상기 제2 라이브니스 값 및 상기 제3 라이브니스 값에 기초하여 최종 라이브니스 값을 결정하고, 상기 최종 라이브니스 값이 미리 설정된 조건을 만족시키는지 여부에 기초하여 상기 검사 대상의 라이브니스 여부를 결정할 수 있다.

일 실시예에 따른 라이브니스 검사 장치에서, 상기 프로세서는, 상기 제1 라이브니스 값, 상기 제2 라이브니스 값 및 상기 제3 라이브니스 값 중 적어도 하나에 가중치를 적용하고, 상기 적용 결과에 기초하여 상기 최종 라이브니스 값을 결정할 수 있다.

도 1은 일 실시예에 따른 라이브니스 검사의 일례를 설명하기 위한 도면들이다.
도 2a는 일 실시예에 따른 라이브니스 검사 방법의 동작을 설명하기 위한 흐름도이다.
도 2b는 다른 실시예에 따른 라이브니스 검사 방법의 동작을 설명하기 위한 흐름도이다.
도 3a 및 도 3b는 일 실시예에 따른 라이브니스 검사 방법의 일례를 설명하기 위한 도면들이다.
도 4 및 도 5는 다른 실시예에 따른 라이브니스 검사 방법의 동작을 설명하기 위한 흐름도들이다.
도 6은 또 다른 실시예에 따른 라이브니스 검사 방법의 일례를 설명하기 위한 도면이다.
도 7은 일 실시예에 따른 라이브니스 검사 장치의 구성을 도시하는 도면이다.
도 8은 일 실시예에 따른 컴퓨팅 장치의 구성을 도시하는 도면이다.

실시예들에 대한 특정한 구조적 또는 기능적 설명들은 단지 예시를 위한 목적으로 개시된 것으로서, 다양한 형태로 변경되어 실시될 수 있다. 따라서, 실시예들은 특정한 개시 형태로 한정되는 것이 아니며, 본 명세서의 범위는 기술적 사상에 포함되는 변경, 균등물, 또는 대체물을 포함한다.

제1 또는 제2 등의 용어를 다양한 구성요소들을 설명하는데 사용될 수 있지만, 이런 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 해석되어야 한다. 예를 들어, 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소는 제1 구성요소로도 명명될 수 있다. 또한, 어떤 구성요소가 다른 구성요소에 "연결되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다.

단수의 표현은 달리 명시되지 않는 한 일반적으로 "하나 이상의"를 의미하는 것으로 해석되어야 한다. 본 명세서에서, "포함하다" 또는 "가지다" 등의 용어는 설명된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함으로 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.

또한, 다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 해당 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가진다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥상 가지는 의미와 일치하는 의미를 갖는 것으로 해석되어야 하며, 본 명세서에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.

이하, 실시예들을 첨부된 도면들을 참조하여 상세하게 설명한다. 첨부 도면을 참조하여 설명함에 있어, 도면 부호에 관계없이 동일한 구성 요소는 동일한 참조 부호를 부여하고, 이에 대한 중복되는 설명은 생략하기로 한다.

도 1은 일 실시예에 따른 라이브니스 검사의 일례를 설명하기 위한 도면들이다.

라이브니스 검사는 검사 대상인 객체가 라이브(live)한지 여부를 검사하는 것으로, 예를 들어 카메라를 통해 촬영된 얼굴이 진짜 얼굴인지 아니면 위조 얼굴인지 여부를 검사하는 것이다. '라이브니스'는 생명이 없는 객체(예를 들어, 위조(fake) 수단으로서 사용된 사진, 영상 및 모형)와 생명이 있는 객체(예를 들어, 살아있는 사람) 사이를 구별하기 위한 용어로서 이용될 수 있다. 일 실시예에 따르면, 라이브니스 검사는 사용자 로그인, 결제 서비스 또는 출입 통제 등에서 수행되는 사용자 인증(user verification)과 관련하여 인증 대상의 라이브니스를 검사하는데 이용될 수 있다. 라이브니스 검사는 사진, 동영상, 마스크 또는 모형과 같은 대체물을 이용한 인증 시도(스푸핑 공격)를 걸러내어 오인증(erroneous authentication)을 방지하는 역할을 한다.

도 1을 참조하면, 라이브니스 검사 장치는 컴퓨팅 장치(120)에 포함되어 동작할 수 있다. 컴퓨팅 장치(120)는 예를 들어, 스마트폰, 웨어러블 기기(wearable device), 태블릿 컴퓨터, 넷북, 랩탑, 데스크탑, PDA(personal digital assistant), 셋탑 박스, 가전 기기, 생체 도어락, 보안 장치 또는 차량 시동 장치일 수 있다.

일 실시예에 따르면, 컴퓨팅 장치(120)는 얼굴 인증을 통해 컴퓨팅 장치(120)에 액세스하려는 사용자(110)에 대한 사용자 인증을 수행할 수 있다. 예를 들어, 사용자(110)가 컴퓨팅 장치(120)의 잠금 상태를 해제하고자 컴퓨팅 장치(120)에 사용자 인증을 시도하는 경우, 컴퓨팅 장치(120)는 카메라(130)와 같은 영상 획득 장치를 이용하여 사용자(110)의 얼굴 영상을 획득하고, 획득된 얼굴 영상을 분석하여 컴퓨팅 장치(100)의 잠금 상태를 해제할지 여부를 결정할 수 있다.

컴퓨팅 장치(120)의 잠금 상태를 해제하기 위해 사용자(110)는 자신의 얼굴을 컴퓨팅 장치(120)의 카메라(130)를 통해 촬영할 수 있다. 유효하지 않은 사용자는 위조 기술(spoofing techniques)을 이용하여 컴퓨팅 장치(120)의 오인증을 유발하여 잠금 상태의 해제를 시도할 수 있다. 예를 들어, 유효하지 않은 사용자는 오인증을 유발하기 위해 유효한 사용자의 얼굴이 인쇄된 사진 또는 허가된 사용자의 얼굴 형상을 가지는 모형을 카메라(130)에 제시할 수 있다. 라이브니스 검사 장치는 위와 같은 위조 기술에 기초한 오인증을 방지하는 역할을 한다.

일 실시예에 따르면, 라이브니스 검사 장치가 검사 대상이 라이브니스를 가지는 것으로 결정한 경우(검사 대상이 라이브한 경우), 컴퓨팅 장치(120)는 사용자 인증 과정을 수행할 수 있다. 사용자 인증이 성공한 경우, 사용자(110)는 컴퓨팅 장치(120)의 잠금 상태를 성공적으로 해제시킬 수 있다. 반대로, 사용자 인증이 실패한 경우, 사용자(110)는 컴퓨팅 장치(120)의 잠금 상태를 해제시킬 수 없고, 컴퓨팅 장치(120)는 계속 잠금 상태에서 동작할 수 있다. 라이브니스 검사 장치가 검사 대상이 라이브니스를 가지지 않는 것으로 결정한 경우(검사 위조된 것인 경우), 컴퓨팅 장치(120)는 사용자 인증을 수행하는 단계로 넘어가지 않고, 계속적으로 잠금 상태에서 동작할 수 있다.

위 과정에서, 라이브니스 검사 장치는 카메라(130)에 의해 캡쳐된 영상에 나타난 다양한 요소들을 종합적으로 고려하여 라이브니스를 검사한다. 예를 들어, 라이브니스 검사 장치는 캡쳐된 영상에 나타난 컨텍스트(context) 정보, 전체 얼굴의 형상(shape) 정보 및 부분 얼굴의 텍스쳐(texture) 정보를 고려하여 검사 대상의 라이브니스를 결정할 수 있다. 검사 대상이 원거리에 있을 때 촬영된 영상에는 검사 대상이 전자 기기의 화면인지 또는 종이인지 여부에 대한 단서가 포함될 수 있다. 예를 들어, 전자 기기 또는 종이를 들고 있는 사용자의 손이 영상에 나타날 수 있고, 이는 검사 대상이 위조된 것이라고 판단할 수 있는 단서가 된다. 컨텍스트 정보를 고려함으로써 이러한 위조 시도 상황을 효과적으로 검사할 수 있다. 또한, 전체 얼굴의 형상 정보를 통해, 빛의 반사 및 형상의 왜곡 등이 라이브니스 검사 결과에 고려될 수 있다. 예를 들어, 위조 수단 중 하나인 사진 또는 종이의 빛 반사는 사람의 진짜 얼굴과 다르고, 사진 또는 종이의 휘어짐 또는 구김으로 인하여 모양의 왜곡이 발생할 수 있다. 이러한 요소를 고려하여 라이브니스 검사가 수행될 수 있다. 그리고, 텍스쳐 정보를 통해, 사람의 피부와 종이/전자 기기의 화면 사이를 구분할 수 있는 미세한 텍스쳐의 차이가 고려될 수 있다. 이와 같이, 다양한 요소들을 종합적으로 고려하는 것에 의해 검사 대상의 라이브니스가 보다 정확히 판단될 수 있다.

이하, 도면들을 참조하여 라이브니스 검사 장치가 검사 대상의 라이브니스를 검사하는 과정을 보다 상세히 설명한다.

도 2a는 일 실시예에 따른 라이브니스 검사 방법의 동작을 설명하기 위한 흐름도이다.

도 2a를 참조하면, 단계(210)에서 라이브니스 검사 장치는 입력 영상을 수신한다. 입력 영상은 라이브니스 검사 장치에 입력되는 영상으로, 라이브니스 검사의 대상이 되는 영상이다. 입력 영상은 예를 들어, 디지털 스틸 카메라, 비디오 카메라와 같은 영상 획득 장치에 의해 획득될 수 있다. 도면에는 도시되어 있지 않지만, 실시예에 따라 라이브니스 검사 장치는 수신한 입력 영상에 대해 영상 전처리를 수행할 수 있다. 영상 전처리 과정은 입력 영상을 라이브니스 검사에 보다 적합한 형태로 처리하는 하나 이상의 과정을 포함할 수 있다. 예를 들어, 전처리 과정은 입력 영상의 크기를 조정하는 과정, 입력 영상을 회전하는 과정, 입력 영상에 포함된 노이즈를 제거하는 과정, 입력 영상의 컨트라스트(contrast)를 증가시키는 과정, 입력 영상에 포함된 블러(blur)를 제거하는 디블러링(deblurring) 과정, 배경 영역(background region)을 제거하는 과정, 입력 영상에 포함된 왜곡(distortion)을 보정하는 와핑(warping) 과정, 입력 영상에서 특정 영역을 크롭핑(cropping)하는 과정 및 입력 영상을 이진화(binarization)하는 과정 등을 포함할 수 있다. 영상 전처리가 수행되는 경우, 이하의 '입력 영상'은 '영상 전처리가 수행된 입력 영상'으로 대체될 수 있다.

단계(220)에서, 라이브니스 검사 장치는 입력 영상에서 얼굴 영역을 검출한다. 예를 들어, 라이브니스 검사 장치는 입력 영상에서 Haar 기반의 캐스케이드 에이다부스트 분류기(Haar-based cascade adaboost classifier) 또는 Viola-Jones 검출기 등을 이용하여 얼굴 영역을 검출할 수 있다. 다만, 실시예의 범위가 이에 한정되는 것은 아니고, 라이브니스 검사 장치는 다양한 얼굴 영역 검출 기법을 이용하여 입력 영상에서 얼굴 영역을 검출할 수 있다. 예를 들어, 라이브니스 검사 장치는 입력 영상에서 얼굴의 랜드마크들(facial landmarks)을 검출하고, 검출된 랜드마크들을 포함하는 바운딩(bounding) 영역을 얼굴 영역으로서 검출할 수도 있다.

라이브니스를 검사하는데 있어, 라이브니스 검사 장치는 뉴럴 네트워크(neural network) 기반의 라이브니스 검사 모델을 이용할 수 있다. 라이브니스 검사 모델은 입력된 정보에 기초하여 객체의 라이브니스를 결정하기 위한 정보(예를 들어, 확률 값 또는 특징 값)를 제공하는 모델이다. 라이브니스 검사 모델은 학습 데이터(training data)에 기초하여 감독 학습(supervised learning) 방식에 의해 미리 학습될 수 있다. 라이브니스 검사 모델은 비선형 맵핑(non-linear mapping)을 수행하기 때문에 라이브니스 검사에 있어 뛰어난 구별 능력을 제공한다.

일 실시예에서, 라이브니스 검사 모델은 깊은 컨볼루션 뉴럴 네트워크(Deep Convolutional Neural Network; DCNN) 모델에 기초할 수 있다. DCNN 모델은 컨볼루션 레이어(convolution layer), 풀링 레이어(pooling layer) 및 완전 연결 레이어(fully connected layer)를 포함하고, 각 레이어에 의해 수행되는 연산 과정을 통해 라이브니스 검사 모델에 입력되는 영상 정보로부터 라이브니스의 판단을 위한 정보를 제공할 수 있다. 여기서 영상 정보는, 영상에 포함된 픽셀들의 픽셀 값(예를 들어, 컬러 값 및/또는 밝기 값)이다. 위 DCNN 모델은 일 실시예에 불과하며, 라이브니스 검사 모델은 DCNN 모델 이외의 다른 구조의 뉴럴 네트워크 모델에 기초할 수도 있다. 이하에서 설명할 단계(230), 단계(240) 및 단계(250)에서, 라이브니스 검사 장치는 위에 설명한 라이브니스 검사 모델을 이용하여 각각의 영상에 대응하는 라이브니스 값을 결정할 수 있다. 라이브니스 값은 검사 대상의 라이브니스를 판단하는데 기준이 되는 값이다.

단계(230)에서, 라이브니스 검사 장치는 검출된 얼굴 영역에 대응하는 제1 영상에 기초하여 제1 라이브니스 값을 결정한다. 일 실시예에서, 제1 영상의 영상 정보가 제1 라이브니스 검사 모델에 입력되고, 제1 라이브니스 검사 모델은 제1 영상의 영상 정보에 대응하는 제1 라이브니스 값을 출력한다. 제1 영상은 검출된 전체 얼굴 영역의 형상 정보를 포함하고, 제1 영상에 기초하여 결정된 제1 라이브니스 값은 위조 수단을 구별하는데 이용되는 빛 반사 및 모양의 왜곡 특성을 반영할 수 있다.

단계(240)에서, 라이브니스 검사 장치는 검출된 얼굴 영역의 부분 얼굴 영역에 대응하는 제2 영상에 기초하여 제2 라이브니스 값을 결정한다. 일 실시예에서, 부분 얼굴은 검출된 얼굴 영역 내에서 보다 작은 영역을 추출하는 것에 의해 획득될 수 있다. 부분 얼굴 영역으로서 추출되는 영역은 검출된 얼굴 영역 내에서 랜덤하게 결정되거나 또는 검출된 얼굴 영역의 중심을 기준으로 미리 정해진 크기의 영역이 부분 얼굴 영역으로서 추출될 수 있다. 다른 실시예에서, 검출된 얼굴 영역의 크기가 얼굴 영역 임계 값 이하인 경우, 검출된 얼굴 영역이 그대로 부분 얼굴 영역으로 결정될 수도 있다. 이 경우, 제2 영상은 단계(230)의 제1 영상과 동일하다.

일 실시예에서, 제2 영상의 영상 정보가 제2 라이브니스 검사 모델에 입력되고, 제2 라이브니스 검사 모델은 제2 영상의 영상 정보에 대응하는 제2 라이브니스 값을 출력한다. 제2 영상은 부분 얼굴 영역에 나타난 텍스쳐 정보를 포함하고, 제2 영상에 기초하여 결정된 제2 라이브니스 값은 위조 수단을 구별하는데 이용되는 미세한 텍스쳐 차이 특성을 반영할 수 있다.

단계(250)에서, 라이브니스 검사 장치는 입력 영상에 기초하여 제3 라이브니스 값을 결정한다. 일 실시예에서, 입력 영상의 영상 정보가 제3 라이브니스 검사 모델에 입력되고, 제3 라이브니스 검사 모델은 입력 영상의 영상 정보에 대응하는 제3 라이브니스 값을 출력한다. 입력 영상에 기초하여 결정된 제3 라이브니스 값은 위조 수단을 구별하는데 이용되는 컨텍스트 특성을 반영할 수 있다.

위 실시예와 같이, 제1 라이브니스 값, 제2 라이브니스 값 및 제3 라이브니스 값은 개별의 라이브니스 검사 모델들에 의해 결정될 수 있다.

다른 실시예에 따르면, 제1 라이브니스 값, 제2 라이브니스 값 및 제3 라이브니스 값은 하나의 라이브니스 검사 모델에 의해 결정될 수도 있다. 예를 들어, 제1 영상의 영상 정보, 제2 영상의 영상 정보 및 입력 영상의 영상 정보가 라이브니스 검사 모델의 하나 이상의 입력 레이어에 입력되고, 라이브니스 검사 모델의 하나 이상의 출력 레이어로부터 제1 라이브니스 값, 제2 라이브니스 값 및 제3 라이브니스 값이 출력될 수도 있다.

단계(260)에서, 라이브니스 검사 장치는 제1 라이브니스 값, 제2 라이브니스 값 및 제3 라이브니스 값에 기초하여 검사 대상의 라이브니스 여부를 결정한다.

일 실시예에 따르면, 라이브니스 검사 장치는 제1 라이브니스 값, 제2 라이브니스 값 및 제3 라이브니스 값 모두에 기초하여 최종 라이브니스 값을 결정할 수 있다. 예를 들어, 라이브니스 검사 장치는 1 라이브니스 값, 제2 라이브니스 값 및 제3 라이브니스 값의 합 또는 평균 값을 최종 라이브니스 값으로 결정할 수 있다. 다른 예로, 제1 라이브니스 값, 제2 라이브니스 값 및 제3 라이브니스 값 중 하나 이상에 가중치를 적용하고, 가중치의 적용 결과(예를 들어, 가중합(weighted sum))에 기초하여 최종 라이브니스 값을 결정할 수 있다. 가중치는 예를 들어, 미리 정해진 상수일 수 있고, 1 라이브니스 값, 제2 라이브니스 값 및 제3 라이브니스 값 각각에 적용되는 가중치도 서로 다를 수 있다. 다른 예로, 가중치는 특정한 조건(예를 들어, 검사 대상까지의 거리, 영상 품질, 얼굴 영역의 크기, 얼굴 영역에 나타난 얼굴의 포즈, 얼굴 영역의 위치, 얼굴 영역 내 폐색 영역의 존재 여부 또는 얼굴 영역의 조명 상태 등)에 기초하여 결정되는 조건 가중치일 수도 있다.

다른 실시예에 따르면, 라이브니스 검사 장치는 제1 라이브니스 값, 제2 라이브니스 값 및 제3 라이브니스 값 중 하나 이상에 기초하여 최종 라이브니스 값을 결정할 수도 있다. 예를 들어, 최종 라이브니스 값은 제1 라이브니스 값, 제2 라이브니스 값, 제3 라이브니스 값, 또는 이들의 어느 조합으로 결정될 수 있다.

라이브니스 검사 장치는 최종 라이브니스 값이 미리 설정된 조건을 만족시키는지 여부에 기초하여 검사 대상의 라이브니스 여부를 결정할 수 있다. 예를 들어, 라이브니스 검사 장치는 최종 라이브니스 값이 미리 설정된 조건(예를 들어, 최종 라이브니스 값이 미리 설정된 임계 값보다 큰지 여부)을 만족시키는 경우 검사 대상이 라이브니스를 가진다(검사 대상이 진짜(genuine)이다)고 결정하고, 해당 조건을 만족시키지 않는 경우에는 검사 대상이 라이브니스를 가지지 않는다(검사 대상이 위조된 것이다)고 결정할 수 있다.

도 2b는 다른 실시예에 따른 라이브니스 검사 방법의 동작을 설명하기 위한 흐름도이다.

도 2b를 참조하면, 단계(210) 및 단계(220)은 도 2a에서와 동일하다. 단계(270)에서, 라이브니스 검사 장치는 단계(220)에서 검출된 얼굴 영역 또는 해당 얼굴 영역의 부분 얼굴 영역에 기초하여 제1 라이브니스 값을 결정한다. 검출된 얼굴 영역에 기초하여 제1 라이브니스 값이 결정되는 경우, 이는 도 2a의 단계(230)의 과정이 그대로 적용될 수 있다. 부분 얼굴 영역에 기초하여 제1 라이브니스 값이 결정되는 경우, 이는 도 2a의 단계(240)의 과정이 그대로 적용될 수 있다.

단계(280)에서, 얼굴 인증 장치는 입력 영상에 기초하여 제2 라이브니스 값을 결정한다. 여기서, 제2 라이브니스 값을 결정하는 과정은 도 2a의 단계(250)에서 제3 라이브니스 값을 결정하는 과정과 동일하며, 자세한 설명은 생략한다.

단계(290)에서, 얼굴 인증 장치는 단계(270)에서 결정된 제1 라이브니스 값과 단계(280)에서 결정된 제2 라이브니스 값에 기초하여 검사 대상의 라이브니스 여부를 결정한다. 예를 들어, 얼굴 인증 장치는 제1 라이브니스 값 및 제2 라이브니스 값에 기초하여 최종 라이브니스 값을 결정하고, 최종 라이브니스 값이 미리 설정된 조건을 만족시키는지 여부에 기초하여 검사 대상의 라이브니스 여부를 결정한다. 실시예에 따라, 제1 라이브니스 값 및 제2 라이브니스 값 중 하나 이상에 가중치가 적용될 수 있고, 가중치의 적용 결과에 기초하여 최종 라이브니스 값이 결정될 수 있다.

도 2b의 실시예에서 설명되지 않은 내용에 대해서는 도 2a에 기초하여 설명된 내용을 참조할 수 있다.

도 3a 및 도 3b는 일 실시예에 따른 라이브니스 검사 방법의 일례를 설명하기 위한 도면들이다.

도 3a를 참조하면, 검사 대상이 나타난 영상(310)에서 전체 얼굴 영역(320)이 검출되고, 전체 얼굴 영역(320)의 일부 영역을 포함하는 부분 얼굴 영역(330)이 결정될 수 있다. 전체 얼굴 영역(320)에 대응하는 제1 영상(325)의 영상 정보는 제1 라이브니스 검사 모델(340)에 입력되고, 제1 라이브니스 검사 모델(340)은 제1 영상(325)에 대응하는 제1 라이브니스 값을 출력한다. 일 실시예에서, 제1 영상(325)은 전체 얼굴 영역(320)에 영상 정규화(예를 들어, 크기 조정, 아핀 변환(affine transform) 등)가 수행된 결과 영상일 수 있다. 부분 얼굴 영역(330)에 대응하는 제2 영상(335)의 영상 정보는 제2 라이브니스 검사 모델(350)에 입력되고, 제2 라이브니스 검사 모델(350)은 제2 영상(335)에 대응하는 제2 라이브니스 값을 출력한다. 일 실시예에서, 제2 영상(335)은 부분 얼굴 영역(330)에 영상 정규화가 수행된 결과 영상일 수 있다. 영상(310)의 전체 영역에 대응하는 제3 영상(315)의 영상 정보는 제3 라이브니스 검사 모델(360)에 입력되고, 제3 라이브니스 검사 모델(360)은 제3 영상(315)에 대응하는 제3 라이브니스 값을 출력한다. 여기서, 제3 영상(315)은 영상(310)과 동일하거나 또는 영상(310)에 영상 정규화가 수행된 영상일 수 있다.

라이브니스 결정기(370)는 제1 라이브니스 값, 제2 라이브니스 값 및 제3 라이브니스 값에 기초하여 최종 라이브니스 값을 결정하고, 최종 라이브니스 값이 미리 설정된 조건을 만족시키는지 여부에 기초하여 검사 대상의 라이브니스 여부를 결정한다. 예를 들어, 최종 라이브니스 값은 제1 라이브니스 값, 제2 라이브니스 값 및 제3 라이브니스 값의 합, 평균 값 또는 가중합일 수 있다.

도 3a에 도시된 제1 라이브니스 검사 모델(340), 제2 라이브니스 검사 모델(350) 및 제3 라이브니스 검사 모델(360)은, 실시예에 따라 도 3b에 도시된 것과 같이 하나의 라이브니스 검사 모델(380)로 구현될 수도 있다. 이 때, 제1 영상(325)의 영상 정보, 제2 영상(335)의 영상 정보 및 제3 영상(315)의 영상 정보는 라이브니스 검사 모델(380)의 하나 이상의 입력 레이어에 입력될 수 있다. 예를 들어, 제1 영상(325)의 영상 정보, 제2 영상(335)의 영상 정보 및 제3 영상(315)의 영상 정보가 각각 서로 다른 입력 레이어에 입력되거나 또는 제1 영상(325)의 영상 정보, 제2 영상(335)의 영상 정보 및 제3 영상(315)의 영상 정보가 서로 결합되어 하나의 입력 레이어에 입력될 수도 있다. 라이브니스 검사 모델(380)은 입력된 영상 정보에 기초하여 제1 영상(325), 제2 영상(335) 및 제3 영상(315) 각각에 대응하는 라이브니스 값을 출력하고, 라이브니스 결정기(390)는 해당 라이브니스 값에 기초하여 검사 대상의 라이브니스 여부를 결정한다.

도 4 및 도 5는 다른 실시예에 따른 라이브니스 검사 방법의 동작을 설명하기 위한 흐름도들이다.

도 4를 참조하면, 단계(410)에서 라이브니스 검사 장치는 검사 대상이 나타난 입력 영상을 수신하고, 단계(420)에서 입력 영상에서 얼굴 영역을 검출한다. 단계(410) 및 단계(420)은 각각 도 2a의 단계(210) 및 단계(220)와 동일하며, 자세한 설명은 생략한다.

단계(430)에서, 라이브니스 검사 장치는 검출된 얼굴 영역의 크기가 얼굴 영역 임계 값보다 작은지 여부를 판단한다. 검출된 얼굴 영역의 크기가 얼굴 영역 임계 값보다 작은 경우, 라이브니스 검사 장치는 검사 대상의 라이브니스 검사를 수행하지 않는 것으로 결정할 수 있다. 단계(430)은 실시예에 따라 생략될 수 있다.

검출된 얼굴 영역의 크기가 얼굴 영역 임계 값보다 작지 않은 경우, 단계(440)에서 라이브니스 검사 장치는 검사 대상의 라이브니스를 검사한다. 단계(440)의 과정은 이하 도 5를 참조하여 자세히 설명한다.

도 5를 참조하면, 단계(510)에서 라이브니스 검사 장치는 검출된 얼굴 영역에 대응하는 제1 영상의 크기를 정규화할 수 있다. 예를 들어, 검출된 얼굴 영역을 미리 정의된 크기로 스케일링(scaling)하는 영상 처리가 수행될 수 있다. 실시예에 따라, 단계(510)은 생략될 수 있다. 단계(515)에서, 라이브니스 검사 장치는 제1 라이브니스 검사 모델을 이용하여, 정규화된 제1 영상(또는, 원래의 제1 영상)의 영상 정보로부터 제1 라이브니스 값을 결정한다. 단계(520)에서, 라이브니스 검사 장치는 제1 라이브니스 값이 제1 임계 값보다 작은지 여부를 판단한다. 제1 라이브니스 값이 제1 임계 값보다 작은 경우, 단계(525)에서 라이브니스 검사 장치는 제1 라이브니스 값에 제1 가중치를 적용할 수 있다. 예를 들어, 라이브니스 검사 장치는 제1 라이브니스 값에서 제1 가중치를 차감하거나 곱할 수 있다.

단계(530)에서, 라이브니스 검사 장치는 검출된 얼굴 영역에서 부분 얼굴 영역을 크롭핑하는 것에 의해 제2 영상을 획득한다. 일 실시예에서, 크롭핑이 수행될 영역은 검출된 얼굴 영역 내에서 랜덤하게 결정될 수 있다. 실시예에 따라, 제2 영상을 미리 정의된 크기로 스케일링하는 영상 처리가 더 수행될 수도 있다. 단계(535)에서, 라이브니스 검사 장치는 제2 라이브니스 검사 모델을 이용하여 제2 영상의 영상 정보로부터 제2 라이브니스 값을 결정한다. 단계(540)에서, 라이브니스 검사 장치는 제2 라이브니스 값이 제2 임계 값보다 작은지 여부를 판단한다. 제2 라이브니스 값이 제2 임계 값보다 작은 경우, 단계(545)에서 라이브니스 검사 장치는 제2 라이브니스 값에 제2 가중치를 적용할 수 있다. 예를 들어, 라이브니스 검사 장치는 제2 라이브니스 값에서 제2 가중치를 차감하거나 곱할 수 있다.

단계(550)에서, 라이브니스 검사 장치는 입력 영상의 크기를 정규화할 수 있다. 예를 들어, 입력 영상의 크기가 미리 정의된 크기로 조정될 수 있다. 실시예에 따라, 단계(550)은 생략될 수 있다. 단계(555)에서, 라이브니스 검사 장치는 제3 라이브니스 검사 모델을 이용하여, 정규화된 입력 영상(또는, 원래의 입력 영상)의 영상 정보로부터 제3 라이브니스 값을 결정한다. 단계(560)에서, 라이브니스 검사 장치는 제3 라이브니스 값이 제3 임계 값보다 작은지 여부를 판단한다. 제3 라이브니스 값이 제3 임계 값보다 작은 경우, 단계(565)에서 라이브니스 검사 장치는 제3 라이브니스 값에 제3 가중치를 적용할 수 있다. 예를 들어, 라이브니스 검사 장치는 제3 라이브니스 값에서 제3 가중치를 차감하거나 곱할 수 있다.

실시예에 따라, 단계(525), 단계(545) 및 단계(565)들 중 일부는 생략될 수 있다. 생략되는 경우, 가중치가 라이브니스 값에 적용되지 않는다.

단계(570)에서, 라이브니스 검사 장치는 최종 라이브니스 값을 결정한다. 예를 들어, 라이브니스 검사 장치는 라이브니스 값(가중치가 적용된 경우, 가중치가 적용된 라이브니스 값)들의 합 또는 평균 값을 최종 라이브니스 값으로 결정할 수 있다.

단계(580)에서, 라이브니스 검사 장치는 최종 라이브니스 값에 기초하여 검사 대상의 라이브니스 여부를 결정한다. 라이브니스 검사 장치는 최종 라이브니스 값이 미리 설정된 조건을 만족시키는 경우 검사 대상이 라이브니스를 가진다고 결정하고, 해당 조건을 만족시키지 않는 경우에는 검사 대상이 라이브니스를 가지지 않는다고 결정할 수 있다.

도 4로 돌아오면, 단계(450)에서 라이브니스 검사 장치는 라이브니스의 검사 결과에 응답하여 제어 동작을 수행한다. 일 실시예에서, 검사 대상이 라이브니스를 가지는 것으로 결정된 경우, 라이브니스 검사 장치는 사용자 인증 절차의 실행을 요청하기 위한 제어 신호를 생성할 수 있다. 이와 반대로, 검사 대상이 라이브니스를 가지지 않는 것으로 결정된 경우, 라이브니스 검사 장치는 사용자 인증 과정의 실행을 요청하지 않고, 사용자의 액세스를 차단하기 위한 제어 신호를 생성할 수 있다.

도 6은 또 다른 실시예에 따른 라이브니스 검사 방법의 일례를 설명하기 위한 도면이다.

도 6을 참조하면, 도 3a의 실시예와 동일하게 라이브니스 검사 모델들(340, 350, 360)을 이용하여 제1 영상(325), 제2 영상(335) 및 제3 영상(315) 각각에 대응하는 제1 라이브니스 값, 제2 라이브니스 값 및 제3 라이브니스 값이 결정될 수 있다. 다만, 도 3a의 실시예와는 다르게, 하나 이상의 라이브니스 값에 적용되는 조건 가중치를 결정하는 조건 가중치 결정기(610)가 존재할 수 있다. 조건 가중치 결정기(610)는 예를 들어, 검사 대상까지의 거리, 영상 품질, 얼굴 영역(320)의 크기, 얼굴 영역(320)에 나타난 얼굴의 포즈, 얼굴 영역(320)의 위치, 얼굴 영역(320) 내 폐색 영역의 존재 여부 또는 얼굴 영역(320)의 조명 상태 등의 조건에 기초하여 조건 가중치를 결정한다. 예를 들어, 얼굴 영역(320)의 크기의 경우, 얼굴 영역(320)의 크기와 조건 가중치의 값 간의 관계가 별도의 함수로서 미리 정의될 수 있다. 이 때, 제1 라이브니스 값, 제2 라이브니스 값 및 제3 라이브니스 값 각각에 적용될 조건 가중치의 값은 서로 다를 수 있다. 각 조건에 따라 조건 가중치 값 간의 관계가 예를 들어, 함수의 관계와 같이 미리 정의될 수 있다.

라이브니스 결정기(620)는 조건 가중치 결정기(610)에 의해 결정된 조건 가중치와 라이브니스 검사 모델들(340, 350, 360)에 의해 결정된 라이브니스 값들에 기초하여 최종 라이브니스 값을 결정하고, 최종 라이브니스 값이 미리 설정된 조건을 만족하는지 여부에 기초하여 검사 대상의 라이브니스 여부를 결정한다. 일 실시예에서, 조건 가중치 결정기(610)는 라이브니스 값들 각각에 대응하는 조건 가중치를 적용(예를 들어, 산술 곱)하고, 적용 결과에 기초하여 최종 라이브니스 값을 결정할 수 있다. 다른 실시예에서, 조건 가중치 결정기(610)는 라이브니스 값들과 조건 가중치를 입력 받고, 이에 응답하여 최종 라이브니스 값을 출력하는 뉴럴 네트워크 모델(또는 뉴럴 네트워크 모델의 레이어)로 구현될 수도 있다.

도 7은 일 실시예에 따른 라이브니스 검사 장치의 구성을 도시하는 도면이다.

라이브니스 검사 장치(700)는 입력 영상에 나타난 검사 대상의 라이브니스를 검사하고, 검사 결과를 출력할 수 있다. 라이브니스 검사 장치(700)는 라이브니스 검사와 관련하여 본 명세서에 기술되거나 또는 도시된 하나 이상의 동작을 수행할 수 있고, 라이브니스 검사 결과를 사용자에게 제공할 수 있다.

도 7을 참조하면, 라이브니스 검사 장치(700)는 하나 이상의 프로세서(710) 및 메모리(720)를 포함할 수 있다. 메모리(720)는 프로세서(710)에 연결되고, 프로세서(710)에 의해 실행가능한 인스트럭션들, 프로세서(710)가 연산할 데이터 또는 프로세서(710)에 의해 처리된 데이터를 저장할 수 있다. 메모리(720)는 비일시적인 컴퓨터 판독가능 매체, 예컨대 고속 랜덤 액세스 메모리 및/또는 비휘발성 컴퓨터 판독가능 저장 매체(예컨대, 하나 이상의 디스크 저장 장치, 플래쉬 메모리 장치, 또는 기타 비휘발성 솔리드 스테이트 메모리 장치)를 포함할 수 있다.

프로세서(710)는 도 1 내지 도 6을 참조하여 설명된 하나 이상의 동작을 실행하기 위한 인스트럭션들을 실행할 수 있다. 예를 들어, 프로세서(710)는 입력 영상에서 얼굴 영역을 검출하고, 검출된 얼굴 영역에 대응하는 제1 영상에 기초하여 제1 라이브니스 값을 결정할 수 있다. 프로세서(710)는 검출된 얼굴 영역의 부분 얼굴 영역에 대응하는 제2 영상에 기초하여 제2 라이브니스 값을 결정하고, 입력 영상에 기초하여 제3 라이브니스 값을 결정할 수 있다. 프로세서(710)는 제1 라이브니스 값, 제2 라이브니스 값 및 제3 라이브니스 값에 기초하여 최종 라이브니스 값을 결정하고, 최종 라이브니스 값이 미리 설정된 조건을 만족시키는지 여부에 기초하여 검사 대상의 라이브니스 여부를 결정할 수 있다. 일 실시예에서, 프로세서(710)는 제1 라이브니스 값, 제2 라이브니스 값 및 제3 라이브니스 값 중 하나 이상에 가중치를 적용하고, 가중치의 적용 결과에 기초하여 최종 라이브니스 값을 결정할 수 있다.

도 8은 일 실시예에 따른 컴퓨팅 장치의 구성을 도시하는 도면이다.

도 8을 참조하면, 컴퓨팅 장치(800)는 입력 영상에 나타난 검사 대상의 라이브니스 검사 및 사용자 인증을 수행할 수 있다. 컴퓨팅 장치(800)는 도 1의 컴퓨팅 장치(120)에 대응할 수 있고, 기능적으로 도 7의 라이브니스 검사 장치(700)의 기능을 포함할 수 있다.

컴퓨팅 장치(800)는 프로세서(810), 메모리(820), 카메라(830), 저장 장치(840), 입력 장치(850), 출력 장치(860) 및 네트워크 인터페이스(870)를 포함할 수 있다. 프로세서(810), 메모리(820), 카메라(830), 저장 장치(840), 입력 장치(850), 출력 장치(860) 및 네트워크 인터페이스(870)는 통신 버스(880)를 통해 서로 통신할 수 있다.

프로세서(810)는 컴퓨팅 장치(800) 내에서 실행하기 위한 기능 및 인스트럭션들을 실행한다. 예를 들어, 프로세서(810)는 메모리(820) 또는 저장 장치(840)에 저장된 인스트럭션들을 처리할 수 있다. 프로세서(810)는 도 1 내지 도 7을 통하여 전술한 하나 이상의 동작을 수행할 수 있다.

메모리(820)는 라이브니스 검사를 위한 정보를 저장한다. 메모리(820)는 컴퓨터 판독가능한 저장 매체 또는 컴퓨터 판독가능한 저장 장치를 포함할 수 있다. 메모리(820)는 프로세서(810)에 의해 실행하기 위한 인스트럭션들을 저장할 수 있고, 컴퓨팅 장치(800)에 의해 소프트웨어 또는 애플리케이션이 실행되는 동안 관련 정보를 저장할 수 있다.

카메라(830)는 라이브니스 검사의 검사 대상이 나타난 정지 영상, 비디오 영상, 또는 이들 모두를 획득할 수 있다.

저장 장치(840)는 컴퓨터 판독가능한 저장 매체 또는 컴퓨터 판독가능한 저장 장치를 포함한다. 일 실시예에 따르면, 저장 장치(840)는 메모리(820)보다 더 많은 양의 정보를 저장하고, 정보를 장기간 저장할 수 있다. 예를 들어, 저장 장치(840)는 자기 하드 디스크, 광 디스크, 플래쉬 메모리, 전기적으로 프로그래밍가능한 메모리(EPROM), 플로피 디스크 또는 이 기술 분야에서 알려진 다른 형태의 비휘발성 메모리를 포함할 수 있다.

입력 장치(850)는 촉각, 비디오, 오디오 또는 터치 입력을 통해 사용자로부터 입력을 수신할 수 있다. 예를 들어, 입력 장치(850)는 키보드, 마우스, 터치 스크린, 마이크로폰, 또는 사용자로부터 입력을 검출하고, 검출된 입력을 컴퓨팅 장치(800)에 전달할 수 있는 임의의 다른 장치를 포함할 수 있다.

출력 장치(860)는 시각적, 청각적 또는 촉각적인 채널을 통해 사용자에게 컴퓨팅 장치(800)의 출력을 제공할 수 있다. 출력 장치(860)는 예를 들어, 디스플레이, 터치 스크린, 스피커, 진동 발생 장치 또는 사용자에게 출력을 제공할 수 있는 임의의 다른 장치를 포함할 수 있다. 네트워크 인터페이스(870)는 유선 또는 무선 네트워크를 통해 외부 장치와 통신할 수 있다.

이상에서 설명된 실시예들은 하드웨어 구성요소, 소프트웨어 구성요소, 및/또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 장치, 방법 및 구성요소는, 예를 들어, 프로세서, 콘트롤러, ALU(arithmetic logic unit), 디지털 신호 프로세서(digital signal processor), 마이크로컴퓨터, FPGA(field programmable gate array), PLU(programmable logic unit), 마이크로프로세서, 또는 명령(instruction)을 실행하고 응답할 수 있는 다른 어떠한 장치와 같이, 하나 이상의 범용 컴퓨터 또는 특수 목적 컴퓨터를 이용하여 구현될 수 있다. 처리 장치는 운영 체제(OS) 및 상기 운영 체제 상에서 수행되는 하나 이상의 소프트웨어 애플리케이션을 수행할 수 있다. 또한, 처리 장치는 소프트웨어의 실행에 응답하여, 데이터를 접근, 저장, 조작, 처리 및 생성할 수도 있다. 이해의 편의를 위하여, 처리 장치는 하나가 사용되는 것으로 설명된 경우도 있지만, 해당 기술분야에서 통상의 지식을 가진 자는, 처리 장치가 복수 개의 처리 요소(processing element) 및/또는 복수 유형의 처리 요소를 포함할 수 있음을 알 수 있다. 예를 들어, 처리 장치는 복수 개의 프로세서 또는 하나의 프로세서 및 하나의 콘트롤러를 포함할 수 있다. 또한, 병렬 프로세서(parallel processor)와 같은, 다른 처리 구성(processing configuration)도 가능하다.

소프트웨어는 컴퓨터 프로그램(computer program), 코드(code), 명령(instruction), 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로(collectively) 처리 장치를 명령할 수 있다. 소프트웨어는 네트워크로 연결된 컴퓨터 시스템 상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 하나 이상의 컴퓨터 판독 가능 기록 매체에 저장될 수 있다.

실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 컴퓨터 판독 가능 매체에 기록되는 프로그램 명령은 실시예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 실시예의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.

이상과 같이 실시예들이 비록 한정된 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기를 기초로 다양한 기술적 수정 및 변형을 적용할 수 있다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.

Claims

검사 대상의 라이브니스를 검사하는 라이브니스 검사 방법에 있어서,
입력 영상에서 얼굴 영역을 검출하는 단계;
상기 검출된 얼굴 영역에 대응하는 제1 영상에 기초하여 제1 라이브니스 값을 결정하는 단계;
상기 검출된 얼굴 영역의 부분 얼굴 영역에 대응하는 제2 영상에 기초하여 제2 라이브니스 값을 결정하는 단계;
상기 입력 영상에 기초하여 제3 라이브니스 값을 결정하는 단계; 및
상기 제1 라이브니스 값, 상기 제2 라이브니스 값 및 상기 제3 라이브니스 값에 기초하여 상기 검사 대상의 라이브니스 여부를 결정하는 단계
를 포함하는 라이브니스 검사 방법.
제1항에 있어서,
상기 검사 대상의 라이브니스 여부를 결정하는 단계는,
상기 제1 라이브니스 값, 상기 제2 라이브니스 값 및 상기 제3 라이브니스 값에 기초하여 최종 라이브니스 값을 결정하는 단계; 및
상기 최종 라이브니스 값이 미리 설정된 조건을 만족시키는지 여부에 기초하여 상기 검사 대상의 라이브니스 여부를 결정하는 단계
를 포함하는 라이브니스 검사 방법.
제2항에 있어서,
상기 최종 라이브니스 값을 결정하는 단계는,
상기 제1 라이브니스 값, 상기 제2 라이브니스 값 및 상기 제3 라이브니스 값 중 적어도 하나에 가중치를 적용하고, 상기 적용 결과에 기초하여 상기 최종 라이브니스 값을 결정하는, 라이브니스 검사 방법.
제3항에 있어서,
상기 가중치는,
상기 검출된 얼굴 영역의 크기, 상기 입력 영상에 나타난 얼굴의 포즈, 상기 입력 영상에 나타난 얼굴의 위치, 상기 검출된 얼굴 영역 내 폐색 영역의 존재 여부 및 상기 검출된 얼굴 영역의 조명 상태 중 적어도 하나에 기초하여 결정되는, 라이브니스 검사 방법.
제2항에 있어서,
상기 최종 라이브니스 값을 결정하는 단계는,
상기 제1 라이브니스 값이 제1 임계 값보다 작은 경우, 상기 제1 라이브니스 값에 제1 가중치를 적용하는 단계;
상기 제2 라이브니스 값이 제2 임계 값보다 작은 경우, 상기 제2 라이브니스 값에 제2 가중치를 적용하는 단계; 및
상기 제3 라이브니스 값이 제3 임계 값보다 작은 경우, 상기 제3 라이브니스 값에 제3 가중치를 적용하는 단계
중 적어도 하나를 포함하는 라이브니스 검사 방법.
제1항에 있어서,
상기 제1 라이브니스 값은, 제1 라이브니스 검사 모델에 의해 결정되고,
상기 제2 라이브니스 값은, 제2 라이브니스 검사 모델에 의해 결정되고,
상기 제3 라이브니스 값은, 제3 라이브니스 검사 모델에 의해 결정되는, 라이브니스 검사 방법.
제1항에 있어서,
상기 제1 라이브니스 값, 상기 제2 라이브니스 값 및 상기 제3 라이브니스 값은 하나의 라이브니스 검사 모델에 의해 결정되는, 라이브니스 검사 방법.
제7항에 있어서,
상기 제1 영상의 영상 정보, 상기 제2 영상의 영상 정보 및 상기 입력 영상의 영상 정보는 상기 라이브니스 검사 모델의 하나 이상의 입력 레이어에 입력되고, 상기 라이브니스 검사 모델의 하나 이상의 출력 레이어로부터 상기 제1 라이브니스 값, 상기 제2 라이브니스 값 및 상기 제3 라이브니스 값이 출력되는, 라이브니스 검사 방법.
제1항에 있어서,
상기 검출된 얼굴 영역의 크기가 얼굴 영역 임계 값보다 작은 경우, 상기 검사 대상의 라이브니스 검사를 수행하지 않는 것으로 결정하는 단계
를 더 포함하는 라이브니스 검사 방법.
제1항에 있어서,
상기 제1 라이브니스 값을 결정하는 단계는,
상기 제1 영상의 크기를 정규화하는 단계; 및
제1 라이브니스 검사 모델을 이용하여 상기 정규화된 제1 영상의 영상 정보로부터 상기 제1 라이브니스 값을 결정하는 단계
를 포함하는 라이브니스 검사 방법.
제1항에 있어서,
상기 제2 라이브니스 값을 결정하는 단계는,
상기 검출된 얼굴 영역에서 상기 부분 얼굴 영역을 크롭핑(cropping)하는 것에 의해 상기 제2 영상을 획득하는 단계; 및
제2 라이브니스 검사 모델을 이용하여 상기 제2 영상의 영상 정보로부터 상기 제2 라이브니스 값을 결정하는 단계
를 포함하는 라이브니스 검사 방법.
제11항에 있어서,
상기 크롭핑이 수행될 영역은, 상기 검출된 얼굴 영역 내에서 랜덤하게 결정되는, 라이브니스 검사 방법.
제1항에 있어서,
상기 제3 라이브니스 값을 결정하는 단계는,
상기 입력 영상의 크기를 정규화하는 단계; 및
제3 라이브니스 검사 모델을 이용하여 상기 정규화된 입력 영상의 영상 정보로부터 상기 제3 라이브니스 값을 결정하는 단계
를 포함하는 라이브니스 검사 방법.
검사 대상의 라이브니스를 검사하는 라이브니스 검사 방법에 있어서,
입력 영상에서 얼굴 영역을 검출하는 단계;
상기 검출된 얼굴 영역에 대응하는 제1 영상에 기초하여 제1 라이브니스 값을 결정하는 단계;
상기 검출된 얼굴 영역의 부분 얼굴 영역에 대응하는 제2 영상에 기초하여 제2 라이브니스 값을 결정하는 단계;
상기 입력 영상에 기초하여 제3 라이브니스 값을 결정하는 단계; 및
상기 제1 라이브니스 값, 상기 제2 라이브니스 값 및 상기 제3 라이브니스 값 중 적어도 하나에 기초하여 상기 검사 대상의 라이브니스 여부를 결정하는 단계
를 포함하는 라이브니스 검사 방법.
제14항에 있어서,
상기 검사 대상의 라이브니스 여부를 결정하는 단계는,
상기 제1 라이브니스 값, 상기 제2 라이브니스 값 및 상기 제3 라이브니스 값 중 적어도 하나에 기초하여 최종 라이브니스 값을 결정하는 단계; 및
상기 최종 라이브니스 값이 미리 설정된 조건을 만족시키는지 여부에 기초하여 상기 검사 대상의 라이브니스 여부를 결정하는 단계
를 포함하는 라이브니스 검사 방법.
제14항에 있어서,
상기 제1 라이브니스 값은, 제1 라이브니스 검사 모델에 의해 결정되고,
상기 제2 라이브니스 값은, 제2 라이브니스 검사 모델에 의해 결정되고,
상기 제3 라이브니스 값은, 제3 라이브니스 검사 모델에 의해 결정되는, 라이브니스 검사 방법.
검사 대상의 라이브니스를 검사하는 라이브니스 검사 방법에 있어서,
입력 영상에서 얼굴 영역을 검출하는 단계;
상기 검출된 얼굴 영역 또는 상기 검출된 얼굴 영역의 부분 얼굴 영역에 기초하여 제1 라이브니스 값을 결정하는 단계;
상기 입력 영상에 기초하여 제2 라이브니스 값을 결정하는 단계; 및
상기 제1 라이브니스 값과 상기 제2 라이브니스 값에 기초하여 상기 검사 대상의 라이브니스 여부를 결정하는 단계
를 포함하는 라이브니스 검사 방법.
제17항에 있어서,
상기 검사 대상의 라이브니스 여부를 결정하는 단계는,
상기 제1 라이브니스 값 및 상기 제2 라이브니스 값에 기초하여 최종 라이브니스 값을 결정하는 단계; 및
상기 최종 라이브니스 값이 미리 설정된 조건을 만족시키는지 여부에 기초하여 상기 검사 대상의 라이브니스 여부를 결정하는 단계
를 포함하는 라이브니스 검사 방법.
제18항에 있어서,
상기 최종 라이브니스 값을 결정하는 단계는,
상기 제1 라이브니스 값 및 상기 제2 라이브니스 값 중 적어도 하나에 가중치를 적용하고, 상기 적용 결과에 기초하여 상기 최종 라이브니스 값을 결정하는,라이브니스 검사 방법.
제1항 내지 제19항 중 어느 하나의 항의 방법을 실행하기 위한 인스트럭션들을 저장하는 컴퓨터 판독 가능한 저장 매체.
검사 대상의 라이브니스를 검사하는 라이브니스 검사 장치는,
프로세서를 포함하고,
상기 프로세서는,
입력 영상에서 얼굴 영역을 검출하고,
상기 검출된 얼굴 영역에 대응하는 제1 영상에 기초하여 제1 라이브니스 값을 결정하고,
상기 검출된 얼굴 영역의 부분 얼굴 영역에 대응하는 제2 영상에 기초하여 제2 라이브니스 값을 결정하고,
상기 입력 영상에 기초하여 제3 라이브니스 값을 결정하고, 및
상기 제1 라이브니스 값, 상기 제2 라이브니스 값 및 상기 제3 라이브니스 값에 기초하여 상기 검사 대상의 라이브니스 여부를 결정하는, 라이브니스 검사 장치.
제21항에 있어서,
상기 프로세서는,
상기 제1 라이브니스 값, 상기 제2 라이브니스 값 및 상기 제3 라이브니스 값에 기초하여 최종 라이브니스 값을 결정하고,
상기 최종 라이브니스 값이 미리 설정된 조건을 만족시키는지 여부에 기초하여 상기 검사 대상의 라이브니스 여부를 결정하는, 라이브니스 검사 장치.
제22항에 있어서,
상기 프로세서는,
상기 제1 라이브니스 값, 상기 제2 라이브니스 값 및 상기 제3 라이브니스 값 중 적어도 하나에 가중치를 적용하고, 상기 적용 결과에 기초하여 상기 최종 라이브니스 값을 결정하는, 라이브니스 검사 장치.