KR20190001066A - 얼굴 인증 방법 및 장치 - Google Patents

얼굴 인증 방법 및 장치 Download PDF

Info

Publication number
KR20190001066A
KR20190001066A KR1020170080448A KR20170080448A KR20190001066A KR 20190001066 A KR20190001066 A KR 20190001066A KR 1020170080448 A KR1020170080448 A KR 1020170080448A KR 20170080448 A KR20170080448 A KR 20170080448A KR 20190001066 A KR20190001066 A KR 20190001066A
Authority
KR
South Korea
Prior art keywords
face
image
area
patches
image patches
Prior art date
Application number
KR1020170080448A
Other languages
English (en)
Other versions
KR102299847B1 (ko
Inventor
유병인
곽영준
김영성
한재준
Original Assignee
삼성전자주식회사
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 삼성전자주식회사 filed Critical 삼성전자주식회사
Priority to KR1020170080448A priority Critical patent/KR102299847B1/ko
Priority to US15/896,253 priority patent/US10579865B2/en
Priority to EP18165194.4A priority patent/EP3422250B1/en
Priority to CN201810336854.5A priority patent/CN109117700A/zh
Publication of KR20190001066A publication Critical patent/KR20190001066A/ko
Application granted granted Critical
Publication of KR102299847B1 publication Critical patent/KR102299847B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/168—Feature extraction; Face representation
    • G06V40/171—Local features and components; Facial parts ; Occluding parts, e.g. glasses; Geometrical relationships
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/161—Detection; Localisation; Normalisation
    • 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
    • G06F18/217—Validation; Performance evaluation; Active pattern learning techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/30—Authentication, i.e. establishing the identity or authorisation of security principals
    • G06F21/31—User authentication
    • G06F21/32—User authentication using biometric data, e.g. fingerprints, iris scans or voiceprints
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/30—Authentication, i.e. establishing the identity or authorisation of security principals
    • G06F21/45—Structures or tools for the administration of authentication
    • G06K9/00268—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0012—Biomedical image inspection
    • G06T7/0014—Biomedical image inspection using an image reference approach
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • G06V10/443—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components by matching or filtering
    • G06V10/449—Biologically inspired filters, e.g. difference of Gaussians [DoG] or Gabor filters
    • G06V10/451—Biologically inspired filters, e.g. difference of Gaussians [DoG] or Gabor filters with interaction between the filter responses, e.g. cortical complex cells
    • G06V10/454—Integrating the filters into a hierarchical structure, e.g. convolutional neural networks [CNN]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/161—Detection; Localisation; Normalisation
    • G06V40/165—Detection; Localisation; Normalisation using facial parts and geometric relationships
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/168—Feature extraction; Face representation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/172—Classification, e.g. identification
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30196—Human being; Person
    • G06T2207/30201—Face

Abstract

얼굴 인증 방법 및 장치가 개시된다. 얼굴 인증 장치는 입력 영상에서 사용자의 얼굴 영역을 검출하고, 영상 패치 세트의 결정 기준에 기초하여 얼굴 영역의 적어도 일 부분을 포함하는 복수의 영상 패치들을 생성한다. 얼굴 인증 장치는 해당 영상 패치들이 포함된 영상 패치 세트에 기초하여 사용자의 얼굴에 대응하는 특징 값을 결정하고, 결정된 특징 값에 기초하여 얼굴 인증의 성공 여부를 결정한다.

Description

얼굴 인증 방법 및 장치{FACE VERIFYING METHOD AND APPARATUS}
아래의 설명은 얼굴 인증 기술에 관한 것이다.
생체 인증 기술 중 하나인 얼굴 인증 기술은 정지 영상이나 동영상에 나타난 얼굴에 기초하여 사용자가 유효한(valid) 사용자인지 여부를 결정하는 인증 기술이다. 얼굴 인증 기술은 인증 대상자를 비접촉식으로 확인 가능하다는 이점을 가지고 있다. 최근에는, 얼굴 인증 기술의 편리함 및 효율성 때문에 보안 시스템, 모바일 인증 및 멀티미디어 데이터 검색 등의 다양한 응용 분야에서 얼굴 인증 기술이 널리 활용되고 있다.
일 실시예에 따른 얼굴 인증 방법은, 입력 영상에서 사용자의 얼굴 영역을 검출하는 단계; 영상 패치 세트의 결정 기준에 기초하여 상기 얼굴 영역의 적어도 일 부분을 포함하는 복수의 영상 패치들을 생성하는 단계; 상기 생성된 영상 패치들이 포함된 영상 패치 세트에 기초하여 상기 사용자의 얼굴에 대응하는 특징 값을 결정하는 단계; 및 상기 결정된 특징 값에 기초하여 얼굴 인증의 성공 여부를 결정하는 단계를 포함할 수 있다.
상기 영상 패치 세트의 결정 기준은, 상기 얼굴 영역의 검출 위치 및 상기 얼굴 영역 내 가림 영역의 존재 여부 중 적어도 하나를 포함할 수 있다.
상기 영상 패치 세트의 결정 기준은, 상기 얼굴 영역의 검출 위치이고, 상기 영상 패치들을 생성하는 단계는, 미리 정의된 영상 패치 세트의 세트 구성들 중 상기 얼굴 영역의 검출 위치에 대응하는 세트 구성에 따라 상기 영상 패치들을 생성할 수 있다.
상기 영상 패치들을 생성하는 단계는, 상기 얼굴 영역의 검출 위치가 미리 정의된 제1 영역에 대응하는 경우, 상기 제1 영역에 대응하는 제1 세트 구성에 따라 상기 영상 패치들을 생성하고, 상기 얼굴 영역의 검출 위치가 미리 정의된 제2 영역에 대응하는 경우, 상기 제2 영역에 대응하는 제2 세트 구성에 따라 상기 영상 패치들을 생성할 수 있다.
상기 영상 패치 세트의 결정 기준은, 상기 얼굴 영역 내 가림 영역의 존재 여부이고, 상기 영상 패치들을 생성하는 단계는, 상기 얼굴 영역 내에 상기 가림 영역이 존재하는 경우, 미리 정의된 제1 세트 구성에 따라 상기 영상 패치들을 생성하고, 상기 얼굴 영역 내에 상기 가림 영역이 존재하지 않는 경우에는, 미리 정의된 제2 세트 구성에 따라 상기 영상 패치들을 생성할 수 있다.
얼굴 인증 장치는, 프로세서를 포함하고, 상기 프로세서는, 입력 영상에서 사용자의 얼굴 영역을 검출하고, 영상 패치 세트의 결정 기준에 기초하여 상기 얼굴 영역의 적어도 일 부분을 포함하는 복수의 영상 패치들을 생성하고, 상기 생성된 영상 패치들이 포함된 영상 패치 세트에 기초하여 상기 사용자의 얼굴에 대응하는 특징 값을 결정하고, 상기 결정된 특징 값에 기초하여 얼굴 인증의 성공 여부를 결정할 수 있다.
상기 프로세서는, 미리 정의된 영상 패치 세트의 세트 구성들 중 상기 영상 패치 세트의 결정 기준에 대응하는 세트 구성에 따라 상기 영상 패치들을 생성할 수 있다.
상기 영상 패치 세트의 결정 기준은, 상기 얼굴 영역의 검출 위치이고, 상기 프로세서는, 상기 얼굴 영역의 검출 위치가 미리 정의된 제1 영역에 대응하는 경우, 상기 제1 영역에 대응하는 제1 세트 구성에 따라 상기 영상 패치들을 생성하고, 상기 얼굴 영역의 검출 위치가 미리 정의된 제2 영역에 대응하는 경우, 상기 제2 영역에 대응하는 제2 세트 구성에 따라 상기 영상 패치들을 생성할 수 있다.
상기 영상 패치 세트의 결정 기준은, 상기 얼굴 영역 내 가림 영역의 존재 여부이고, 상기 프로세서는, 상기 얼굴 영역 내에 상기 가림 영역이 존재하는 경우, 미리 정의된 제1 세트 구성에 따라 상기 영상 패치들을 생성하고, 상기 얼굴 영역 내에 상기 가림 영역이 존재하지 않는 경우에는, 미리 정의된 제2 세트 구성에 따라 상기 영상 패치들을 생성할 수 있다.
도 1a 내지 도 1c는 얼굴 인증을 설명하기 위한 도면들이다.
도 2a는 일 실시예에 따른 얼굴 인증 방법을 설명하기 위한 흐름도이다.
도 2b는 다른 실시예에 따른 얼굴 인증 방법을 설명하기 위한 흐름도이다.
도 3a 내지 도 3c는 일 실시예에 따른 얼굴 영역의 검출 위치에 기초하여 영상 패치 세트를 구성하고, 특징 값을 결정하는 일례들을 설명하기 위한 도면들이다.
도 4는 일 실시예에 따른 얼굴 영역의 검출 위치에 대응하는 기준 영상 패치들의 세트들을 도시하는 도면이다.
도 5a 및 도 5b는 다른 실시예에 따른 얼굴 영역의 검출 위치에 기초하여 영상 패치 세트를 구성하고, 특징 값을 결정하는 일례들을 설명하기 위한 도면들이다.
도 6은 다른 실시예에 따른 얼굴 영역의 검출 위치에 대응하는 기준 영상 패치들의 세트들을 도시하는 도면이다.
도 7은 일 실시예에 따른 가림 영역의 존재 여부에 기초하여 영상 패치 세트를 구성하고, 특징 값을 결정하는 일례를 설명하기 위한 도면이다.
도 8a 및 도 8b는 일 실시예에 따른 얼굴 등록 과정의 일례들을 설명하기 위한 도면들이다.
도 9는 일 실시예에 따른 얼굴 인증 장치의 구성을 도시하는 도면이다.
도 10은 일 실시예에 따른 컴퓨팅 장치의 구성을 도시하는 도면이다.
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 1a 내지 도 1c는 얼굴 인증을 설명하기 위한 도면들이다.
얼굴 인증은 인증을 시도한 사용자의 얼굴이 촬영된 영상에 기초하여 해당 사용자가 유효한(또는 정당한) 사용자인지 여부를 판단하는 인증 방법이다. 얼굴 인증은 사용자 로그인, 결제 서비스, 금융 서비스 또는 출입 통제 등에서 유효한 사용자를 인증하는데 이용될 수 있다. 도 1a를 참조하면, 얼굴 인증을 수행하는 장치인 얼굴 인증 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, 스마트 가전 기기, 생체 도어락, 보안 장치 또는 차량 시동 장치일 수 있다.
컴퓨팅 장치(120)는 컴퓨팅 장치(120)에 액세스하려는 사용자(110)에 대한 얼굴 인증 과정을 수행할 수 있다. 예를 들어, 사용자(110)가 컴퓨팅 장치(120)의 잠금 상태를 해제하고자 컴퓨팅 장치(120)에 얼굴 인증을 시도하는 경우, 컴퓨팅 장치(120)는 카메라(130)와 같은 영상 획득 장치를 이용하여 사용자(110)의 얼굴 영상을 획득하고, 획득한 얼굴 영상을 분석하여 컴퓨팅 장치(120)의 잠금 상태를 해제할지 여부를 결정할 수 있다. 일 실시예에서, 얼굴 인증을 위해 카메라(130)에 의해 촬영되는 사용자의 얼굴 영상은 컴퓨팅 장치(120)의 스크린을 통해 제공될 수 있고, 해당 얼굴 영상은 프리뷰 영상(preview image)으로서 기능한다. 사용자(110)는 프리뷰 영상을 참고하여 얼굴 인증을 위해 촬영하고자 하는 얼굴의 위치 및 형태를 조정할 수 있다.
일 실시예에서, 컴퓨팅 장치(120)는 획득한 얼굴 영상에서 얼굴 영역(140)을 검출하고, 특징 추출기를 이용하여 사용자(110)의 얼굴에 대응하는 특징 값을 추출할 수 있다. 컴퓨팅 장치(120)는 추출된 특징 값과 미리 등록된 유효한 사용자에 대한 특징 값(예를 들어, 유효한 사용자의 얼굴에 대한 특징 값)을 비교하고, 해당 비교 결과에 기초하여 얼굴 인증의 성공 여부를 결정할 수 있다. 특징 추출기는 입력된 정보에 대응하는 특징 값을 출력하는 모델로서, 일례로 학습 데이터(training data)에 의해 미리 학습된 뉴럴 네트워크일 수 있다. 뉴럴 네트워크는 인간의 생물학적 신경 세포의 특성을 수학적 표현에 의해 모델링한 모델로서, 내부 파라미터들에 기초한 연산 과정을 통해 입력 값에 대응되는 출력 값을 출력한다.
컴퓨팅 장치(120)가 잠금 상태로 동작하고 있는 중에 얼굴 인증이 성공한 것으로 결정된 경우, 사용자(110)는 컴퓨팅 장치(120)의 잠금 상태를 성공적으로 해제시킬 수 있다. 반대로, 얼굴 인증이 실패한 것으로 결정된 경우, 컴퓨팅 장치(120)는 계속적으로 잠금 상태에서 동작하게 된다. 유효한 사용자는 얼굴 등록 과정을 통해 자신의 얼굴을 컴퓨팅 장치(120)에 미리 등록할 수 있고, 컴퓨팅 장치(120)는 컴퓨팅 장치(120)에 포함된 저장 장치 또는 외부의 클라우드 저장매체(cloud storage)에 해당 유효한 사용자에 대한 등록 정보를 저장할 수 있다. 이 때, 유효한 사용자의 얼굴 영상 또는 해당 얼굴 영상으로부터 추출된 특징 값이 유효한 사용자의 등록 정보로서 저장될 수 있다.
앞서 말한 것과 같이, 얼굴 인증을 시도하기 위해 사용자(110)는 카메라(130)를 통해 자신의 얼굴을 촬영한다. 이 때, 카메라(130)의 시야(field of view; FoV)를 벗어나 얼굴이 촬영되는 경우, 전체 얼굴(full face)이 아닌 일부의 얼굴 부위(facial part)가 누락된 부분 얼굴(partial face)이 촬영될 수 있다. 예를 들어, 도 1b에 도시된 것과 같이, 사용자(110)가 컴퓨팅 장치(120)를 비스듬히 든 상태에서 얼굴 인증을 시도하는 경우, 카메라(130)의 시야에 사용자(110)의 일부 얼굴 부위가 포함되지 않아 부분 얼굴이 촬영될 가능성이 있다. 게다가, 카메라(130)에 의해 촬영된 얼굴에 대한 프리뷰 영상이 컴퓨팅 장치(120)의 스크린(150)에 나타나지 않는 경우라면, 얼굴 인증 과정에서 부분 얼굴이 촬영되는 경우가 많을 것이다. 사용자(110)는 얼굴 인증을 위해 부분 얼굴보다는 전체 얼굴을 촬영하고자 할 텐데, 프리뷰 영상이 사용자(110)에게 제공되지 않는 경우에는, 사용자(110)가 전체 얼굴이 촬영되는지 아니면 부분 얼굴이 촬영되는지를 알 수가 없어 얼굴 포즈를 조정하기가 어렵기 때문이다.
부분 얼굴은 전체 얼굴보다 사용자(110)를 식별하기 위한 특징을 적게 포함할 가능성이 높기 때문에, 일반적으로 부분 얼굴에 기초하여 얼굴 인증이 수행되면 전체 얼굴에 기초하여 얼굴 인증이 수행되는 경우보다 얼굴 인증의 정확도가 낮아질 수 있다. 하지만, 얼굴 인증을 위해 항상 전체 얼굴이 입력되는 것을 기대할 수는 없기에, 부분 얼굴이 입력되더라도 얼굴 인증의 정확도를 높이는 것이 요구된다. 특히, 얼굴 인증 과정에서 프리뷰 영상이 제공되지 않는 경우, 얼굴 인증을 위해 부분 얼굴이 입력되는 경우가 잦을 텐데, 이렇게 촬영된 부분 얼굴에 대한 얼굴 인증의 가능성 및 정확도를 높이는 것이 요구된다. 아래에서 설명될 실시예들은 부분 얼굴에 기반하여 얼굴 인증이 수행되더라도 얼굴 인증을 보다 정확하게 수행하게 하는 해결책을 제시한다.
한편, 도 1c에 도시된 것과 같이, 사용자(110)가 마스크(115)를 착용한 상태에서 얼굴 인증을 시도한 경우, 컴퓨팅 장치(120)의 카메라(130)를 통해 촬영된 얼굴 영상에는 마스크(115)에 대응하는 가림 영역(occlusion region; 145)이 나타날 수 있다. 마스크(115) 이외에 안경, 선글라스 및 모자 등의 착용으로 인해 가림 영역(145)이 나타날 수 있다. 얼굴 인증에 있어 가림 영역(145)은 얼굴의 고유 특징을 추출하는 것을 방해하여 얼굴 인증의 정확도를 저하시키는 역할을 한다. 아래에서 설명될 실시예들은 얼굴 영역(140)에 가림 영역(145)이 존재하더라도 얼굴 인증을 보다 정확하게 수행하게 하는 해결책을 제시한다.
일 실시예에 따르면, 얼굴 인증 장치는 얼굴 인증을 위해 촬영된 영상으로부터 복수의 영상 패치(image patch)들을 포함하는 다중 영상 패치를 구성하고, 해당 다중 영상 패치에 기초하여 얼굴 인증을 수행한다. 영상 패치는 얼굴 영역(140)의 전체 또는 부분을 포함하는 영상이다. 이러한 다중 영상 패치의 구성은 해당 영상에 나타난 얼굴 영역의 위치, 가림 영역의 존재 여부, 영상 품질, 조명 상태, 얼굴 표정, 추정된 사용자 정보(나이, 성별 등) 등의 상태(condition)에 기초하여 결정될 수 있다. 얼굴 인증 장치는 얼굴 인증을 위해 촬영된 영상에 나타난 상태에 따라 적응적으로 다중 영상 패치를 구성하고, 해당 다중 영상 패치에 기초하여 얼굴 인증을 수행하는 것에 의해 얼굴 인증의 정확도를 개선시킬 수 있다. 이하에서는, 얼굴 인증 장치에 의해 수행되는 얼굴 인증 방법을 보다 자세히 설명한다.
도 2a는 일 실시예에 따른 얼굴 인증 방법을 설명하기 위한 흐름도이다.
도 2a를 참조하면, 단계(210)에서 얼굴 인증 장치는 입력 영상을 수신한다. 입력 영상은 얼굴 인증 장치에 입력되는 영상으로, 얼굴 인증의 대상이 되는 영상이다. 입력 영상은 예를 들어, 디지털 스틸 카메라, 비디오 카메라 또는 적외선 카메라와 같은 영상 획득 장치에 의해 획득될 수 있다. 도면에는 도시되어 있지 않지만, 실시예에 따라 얼굴 인증 장치는 수신한 입력 영상에 대해 영상 전처리를 수행할 수 있다. 영상 전처리 과정은 입력 영상을 얼굴 인증에 보다 적합한 형태로 처리하는 하나 이상의 과정을 포함할 수 있다. 예를 들어, 영상 전처리 과정은 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 및 입력 영상을 이진화(binarization)하는 과정 등을 포함할 수 있다.
단계(215)에서, 얼굴 인증 장치는 입력 영상에서 얼굴 영역을 검출한다. 얼굴 인증 장치는 예를 들어, Haar 기반의 캐스케이드 에이다부스트 분류기(Haar-based cascade adaboost classifier), 뉴럴 네트워크에 기반한 분류기 또는 서포트 벡터 머신(Support Vector Machine) 등을 이용하여 입력 영상에서 얼굴 영역을 검출할 수 있다. 다만, 실시예의 범위가 이에 한정되는 것은 아니고, 얼굴 인증 장치는 다양한 얼굴 영역 검출 기법을 이용하여 입력 영상에서 얼굴 영역을 검출할 수 있다.
단계(220)에서, 얼굴 인증 장치는 검출된 얼굴 영역을 정규화(normalization)할 수 있다. 일 실시예에서, 얼굴 인증 장치는 검출된 얼굴 영역에서 얼굴의 랜드마크들(facial landmarks)을 검출하고, 검출된 랜드마크들에 기초하여 얼굴 영역을 정규화할 수 있다. 얼굴 인증 장치는 예를 들어, ACM(Active Contour Model), ASM(Active Shape Model), AAM(Active Appearance model), SDM(Supervised Descent Method) 또는 뉴럴 네트워크 등에 기초한 랜드마크 검출 기법을 이용하여 얼굴 영역에서 얼굴의 랜드마크들을 검출할 수 있다. 얼굴의 랜드마크들은 주요 얼굴 부위에 대한 특징점들로서, 예를 들어 눈썹, 눈, 코, 입술, 턱, 귀 또는 얼굴의 윤곽 등을 식별하기 위한 특징점들이다. 정규화는 예를 들어, 입력 영상에서 얼굴 영역을 나타내는 얼굴 영상을 추출하는 영상 크롭핑(image cropping) 과정, 얼굴 영역에서 검출된 랜드마크들의 위치를 미리 정의된 기준 위치에 매칭시키는 과정 및 추출된 얼굴 영역의 크기를 조정하는 과정 등을 포함할 수 있다. 일 예에서, 입력 영상에서 추출된 얼굴 영상은 패치 영상(patch image)의 형태를 가질 수 있다. 얼굴 인증 장치는 검출된 랜드마크들의 위치에 기초하여 아핀 변환(affine transformation)을 수행하는 것에 의해 랜드마크들의 위치를 기준 위치에 매칭시킬 수 있다. 여기서, 아핀 변환은 랜드마크들의 위치가 나타내는 벡터 공간을 다른 벡터 공간에 대응시키는 역할을 한다.
실시예에 따라, 단계(220)의 정규화 과정은 생략될 수도 있다. 단계(220)의 정규화 과정이 수행되는 경우, 아래 단계(225) 내지 단계(235)에서의 얼굴 영역은 정규화 과정이 수행된 얼굴 영역으로 대체될 수 있다.
단계(225)에서, 얼굴 인증 장치는 영상 패치 세트의 결정 기준(determination criteria)에 기초하여 얼굴 영역의 적어도 일 부분을 포함하는 복수의 영상 패치들을 생성한다. 얼굴 인증 장치는 하나의 영상 패치가 아닌, 복수의 영상 패치들에 기반하여 얼굴 인증을 수행하는데, 이렇게 얼굴 인증에 이용될 영상 패치들의 집합인 영상 패치 세트(또는 다중 영상 패치)를 구성하는 과정이 필요하다. 실시예에 따라, 얼굴 인증 장치는 다양한 결정 기준에 기초하여 영상 패치 세트를 구성할 수 있고, 검출된 얼굴 영역에 기초하여 영상 패치 세트에 포함될 하나 이상의 영상 패치를 생성할 수 있다. 얼굴 인증 장치는 영상 패치 세트의 결정 기준에 따라 얼굴 영역에 대한 영상 패치들을 구성한다.
<영상 패치 세트의 결정 기준이 얼굴 영역의 검출 위치인 경우의 일 실시예>
영상 패치 세트의 결정 기준이 얼굴 영역의 검출 위치인 경우, 얼굴 인증 장치는 얼굴 영역의 검출 위치에 따라 영상 패치 세트를 다르게 구성할 수 있다. 얼굴 영역의 검출 위치에 따라 영상 패치 세트가 어떻게 구성될지를 나타내는 영상 패치 세트의 세트 구성들(set compositions)이 미리 정의되어 있고, 얼굴 인증 장치는 미리 정의된 영상 패치 세트의 세트 구성들 중 얼굴 영역의 검출 위치에 대응하는 세트 구성에 따라 영상 패치들을 생성할 수 있다. 예를 들어, 얼굴 인증 장치는 얼굴 영역의 검출 위치가 미리 정의된 제1 영역에 대응하는 경우, 해당 제1 영역에 대응하는 제1 세트 구성에 따라 영상 패치들을 생성하고, 얼굴 영역의 검출 위치가 미리 정의된 제2 영역에 대응하는 경우, 해당 제2 영역에 대응하는 제2 세트 구성에 따라 영상 패치들을 생성할 수 있다.
얼굴 인증 장치는 얼굴 영역이 검출된 위치에 따라, 입력 얼굴이 전체 얼굴 또는 부분 얼굴인지, 및 부분 얼굴이라면 어떠한 형태의 부분 얼굴인지를 판단하고, 판단 결과에 따라 영상 패치 세트를 다르게 구성할 수 있다. 예를 들어, 검출된 얼굴 영역이 입력 영상의 경계 중 일 부분을 포함하는 경우에는 입력 얼굴이 부분 얼굴이고, 검출된 얼굴 영역이 입력 영상의 경계를 포함하지 않고 입력 영상의 내부에 위치하는 경우에는 입력 얼굴이 전체 얼굴인 것으로 결정될 수 있다. 검출된 얼굴 영역이 포함하는 입력 영상의 경계 위치에 따라 부분 얼굴의 타입이 추정될 수 있다. 예를 들어, 얼굴 영역이 입력 영상의 위쪽 경계를 포함하는 경우에는 입력 얼굴이 얼굴의 상단 부분이 누락된 부분 얼굴인 것으로 추정되고, 얼굴 영역이 입력 영상의 오른쪽 경계를 포함하는 경우에는 입력 얼굴이 얼굴의 왼쪽 부분이 누락된 부분 얼굴인 것으로 추정될 수 있다.
다른 실시예에 따르면, 랜드마크들의 검출 결과에 기초하여 얼굴 영역의 검출 위치가 결정될 수도 있다. 눈, 눈썹, 코 및 입 등과 같은 미리 정의된 얼굴 부위들(facial parts)에 대응하는 랜드마크들이 모두 검출된 경우에는, 얼굴 영역의 검출 위치가 입력 영상의 내부인 것(또는, 입력 얼굴이 전체 얼굴인 것)으로 추정되고, 미리 정의된 얼굴 부위들 중 하나 이상의 얼굴 부위에 대응하는 랜드마크들이 검출되지 않은 경우에는, 얼굴 영역의 검출 위치가 입력 영상의 경계 부분인 것으로 추정될 수 있다. 얼굴 영역의 검출 위치가 입력 영상의 경계 부분인 것으로 추정된 경우, 검출되지 않은 얼굴 부위의 랜드마크에 기초하여 얼굴 영역의 검출 위치가 결정될 수 있다. 예를 들어, 눈썹과 눈에 대응하는 랜드마크들이 검출되지 않은 경우에는 얼굴 영역이 위쪽에서 검출된 것(또는, 입력 얼굴이 얼굴의 상단 부분이 누락된 부분 얼굴인 것)으로 추정되고, 입술에 대응하는 랜드마크들이 검출되지 않은 경우에는 얼굴 영역이 아래쪽에서 검출된 것(또는, 입력 얼굴이 얼굴의 하단 부분이 누락된 부분 얼굴인 것)으로 추정될 수 있다.
위와 같이 추정된 얼굴 영역의 검출 위치(또는 입력 얼굴의 형태)에 따라 영상 패치 세트가 다르게 구성되고, 영상 패치 세트의 세트 구성에 따라 얼굴 인증에 이용될 영상 패치들이 생성될 수 있다. 일 실시예에서, 영상 패치 세트의 세트 구성들은 검출된 얼굴 영역의 전체 영역에 대응하는 제1 영상 패치와 제1 영상 패치보다 줌-인(zoom in) 또는 확대된 제2 영상 패치를 포함할 수 있고, 얼굴 영역의 검출 위치에 따라 제2 영상 패치의 포커싱 위치가 달라질 수 있다. 예를 들어, 얼굴 영역의 검출 위치에 따라, 눈과 눈썹 영역을 줌-인한 제2 영상 패치가 생성되거나 또는 입과 코 영역을 줌-인한 제2 영상 패치가 생성될 수 있다.
<영상 패치 세트의 결정 기준이 얼굴 영역 내 가림 영역의 존재 여부인 경우의 일 실시예>
영상 패치 세트의 결정 기준이 얼굴 영역 내 가림 영역의 존재 여부인 경우, 얼굴 인증 장치는 얼굴 영역 내 가림 영역의 존재 여부 및 가림 영역의 타입에 따라 영상 패치 세트를 다르게 구성할 수 있다. 가림 영역은 예를 들어, 안경, 선글라스, 마스크 또는 헤어 밴드 등으로 인하여 얼굴 영역에서 가려진 영역이다. 이러한 가림 영역은 입력 영상에 나타난 입력 얼굴로부터 사용자의 고유한 특징을 추출하는 것을 방해하여 얼굴 인증의 정확도를 저하시키는 요인이 된다.
가림 영역의 존재 여부 및 가림 영역의 타입에 따라 영상 패치 세트가 어떻게 구성될지를 나타내는 영상 패치 세트의 세트 구성들이 미리 정의되어 있고, 얼굴 인증 장치는 미리 정의된 영상 패치 세트의 세트 구성들 중 가림 영역의 검출 결과에 대응하는 세트 구성에 따라 영상 패치들을 생성할 수 있다. 예를 들어, 얼굴 인증 장치는 얼굴 영역 내에 가림 영역이 존재하는 경우, 미리 정의된 제1 세트 구성에 따라 영상 패치들을 생성하고, 얼굴 영역 내에 가림 영역이 존재하지 않는 경우에는 미리 정의된 제2 세트 구성에 따라 영상 패치들을 생성할 수 있다.
만약, 가림 영역이 마스크에 의한 것이라면, 입력 얼굴에는 입 영역이 나타나지 않을 것이다. 이 경우, 얼굴의 상단 부분에 초점을 두어 영상 패치들이 생성되도록 영상 패치 세트의 세트 구성이 미리 정의되어 있을 수 있다. 다른 예로, 가림 영역이 선글라스나 안경에 의한 것이라면, 입력 얼굴의 하단 부분에 초점을 두어 영상 패치들이 생성되도록 영상 패치 세트의 세트 구성이 미리 정의되어 있을 수 있다. 이와 같이, 얼굴 인증 과정에서, 가림 영역이 나타나지 않은 얼굴 부위의 영상 패치들이 이용되도록 영상 패치 세트의 세트 구성들이 미리 정의되어 있을 수 있다.
단계(230)에서, 얼굴 인증 장치는 영상 패치들이 포함된 영상 패치 세트에 기초하여 사용자의 얼굴에 대응하는 특징 값을 결정한다. 얼굴 인증 장치는 영상 패치 세트에 포함된 영상 패치들과 각 영상 패치들에 대응하는 기준 영상 패치에 기초하여 특징 값을 결정한다. 얼굴 인증 장치는 영상 패치 세트에 포함된 영상 패치들과 이에 대응하는 기준 영상 패치들 간의 차분(difference)을 입력으로 하는 특징 추출기를 이용하여 특징 값을 결정할 수 있다. 여기서, 차분은 영상 패치들 간의 픽셀 값 차이로서, 영상 패치 세트에 포함된 영상 패치와 이에 대응되는 기준 영상 패치 사이에서 서로 대응되는 위치에서의 픽셀 값 차이를 나타낼 수 있다. 기준 영상 패치들은 영상 패치 세트에 포함된 영상 패치들의 픽셀 값들을 평균 차감(mean subtraction)하기 위해 이용된다.
얼굴 인증 장치는 예를 들어, 단일 뉴럴 네트워크 기반의 특징 추출기를 이용하여 영상 패치 세트와 기준 영상 패치들의 세트(기준 영상 패치 세트)로부터 특징 값을 추출할 수 있다. 특징 추출기는 영상 패치들과 이에 대응하는 기준 영상 패치들 간의 차분들을 입력 받고, 특징 값으로서 특징 벡터를 출력할 수 있다.
특징 추출기는 영상 패치 세트의 영상 패치들과 기준 영상 패치들 간의 차분에 대응하는 특징 값을 출력하도록 학습된 뉴럴 네트워크일 수 있다. 특징 추출기의 학습 과정에서, 특징 추출기는 특징 추출기를 학습시키기 위한 학습 영상 패치들과 기준 영상 패치들 간의 차분들을 입력 받고, 특징 값을 출력한다. 출력된 특징 값과 목적하는 특징 값 간의 차이로 인한 손실(loss)이 계산되고, 해당 손실이 줄어들도록 특징 추출기를 구성하는 파라미터들을 조정하는 것에 의해 특징 추출기가 학습될 수 있다. 많은 수의 학습 영상 패치들에 대해 이와 같은 과정을 반복적으로 수행함으로써 특징 추출기의 파라미터들이 점차 바람직한 방향으로 조정될 수 있다.
일 실시예에서, 기준 영상 패치는 특징 추출기를 학습시키는데 이용되는 위 학습 영상 패치들에 기초하여 결정될 수 있다. 예를 들어, 기준 영상 패치는 학습 영상 패치들의 평균 영상 또는 평균 값 영상일 수 있다. 평균 영상은 학습 영상 패치들 사이에서 서로 대응되는 위치에서 가지는 픽셀 값들을 평균하는 것에 의해 생성될 수 있다. 평균 값 영상은 학습 영상 패치들에 포함된 전체 픽셀의 픽셀 값들을 평균하고, 평균 픽셀 값을 전체 픽셀들에 할당하는 것에 의해 생성될 수 있다. 평균 영상에서는 각 픽셀 위치에 따라 픽셀 값이 달라질 수 있어 형태가 나타날 수 있지만, 평균 값 영상에서는 전체 픽셀들이 모두 동일한 픽셀 값을 가지므로 형태가 나타나지 않는다. 다만, 기준 영상 패치의 예가 위 실시예에 한정되지 않으며, 기준 영상 패치의 형태는 다양할 수 있다. 예를 들어, 기준 영상 패치는 학습 영상 패치와 관계 없이 단색의 컬러 영상 패치일 수도 있다.
특징 값의 추출에 이용되는 기준 영상 패치들은 영상 패치 세트의 결정 기준에 따라 달라질 수 있다. 예를 들어, 기준 영상 패치들은 얼굴 영역의 검출 위치, 얼굴 영역 내 가림 영역의 존재 여부, 얼굴 영역에 나타난 얼굴 표정, 얼굴 영역에 기초하여 추정된 사용자 정보, 입력 영상의 조명 상태 및 입력 영상의 영상 품질 중 하나 이상에 기초하여 결정될 수 있다. 영상 패치 세트의 각 결정 기준마다 해당 결정 기준에 대응되는 기준 영상 패치들의 세트가 존재하고, 얼굴 인증에서 이용된 영상 패치 세트의 결정 기준에 따라 특징 값 추출에 이용될 기준 영상 패치들이 선택될 수 있다.
다른 실시예에 따르면, 영상 패치 세트는 단계(225)에서 생성된 영상 패치들에 더불어, 영상 패치 세트의 결정 기준에 대응하는 부가 영상 패치를 포함할 수 있고, 얼굴 인증 장치는 해당 영상 패치들과 부가 영상 패치에 기초하여 특징 값을 결정할 수 있다. 부가 영상 패치는 영상 패치 세트의 결정 기준에 관련된 정보를 알려주기 위해 이용될 수 있다. 예를 들어, 영상 패치 세트의 결정 기준이 얼굴 영역의 검출 위치인 경우, 부가 영상 패치는 얼굴 영역의 검출 위치를 나타내기 위해 이용될 수 있다. 얼굴 영역이 입력 영상의 오른쪽 위치에서 검출된 경우, 얼굴 영역이 오른쪽 위치에서 검출되었음을 나타내기 위한 부가 영상 패치가 이용될 수 있다. 얼굴 영역의 각 검출 위치에 대응되는 부가 영상 패치들이 미리 존재할 수 있고, 얼굴 영역의 검출 위치에 대응되는 부가 영상 패치가 선택될 수 있다. 단계(225)에서 생성된 영상 패치들과 부가 영상 패치를 포함하는 영상 패치 세트와 이에 대응되는 기준 영상 패치 세트 간의 차분 정보가 특징 추출기에 입력되고, 특징 추출기는 입력된 차분 정보에 대응하는 특징 값을 출력한다.
단계(235)에서, 얼굴 인증 장치는 단계(230)에서 결정된 특징 값에 기초하여 얼굴 인증의 성공 여부를 결정한다. 일 예에서, 얼굴 인증 장치는 특징 추출기에 의해 추출된 특징 값과 얼굴 등록 과정에서 결정된 등록 특징 값 간의 비교 결과에 기초하여 인증 성공 여부를 결정할 수 있다. 등록 특징 값은 얼굴 등록 과정에서 등록된 유효한 사용자에 대한 특징 값을 나타낸다. 얼굴 등록 과정에서는 각 영상 패치 세트의 결정 기준에 대응하는 등록 특징 값이 등록될 수 있다. 얼굴 인증 장치는 미리 등록된 여러 등록 특징 값들 중 영상 패치 세트의 결정 기준에 대응하는 등록 특징 값과 특징 추출기에 의해 추출된 특징 값을 비교하고, 그 비교 결과에 기초하여 얼굴 인증의 성공 여부를 결정할 수 있다. 일 예에서, 얼굴 인증 장치는 등록 특징 값과 특징 추출기에 의해 추출된 특징 값 간의 유사도를 결정하고, 결정된 유사도가 임계 값보다 크면 얼굴 인증이 성공한 것으로 결정하고, 유사도가 임계 값보다 크지 않으면 얼굴 인증이 실패한 것으로 결정할 수 있다. 등록 특징 값과 특징 추출기에 의해 추출된 특징 값 간의 차이가 작을수록 유사도는 커지고, 해당 차이가 클수록 유사도는 작아질 수 있다.
도 2b는 다른 실시예에 따른 얼굴 인증 방법을 설명하기 위한 흐름도이다. 도 2a에서 설명된 내용은 도 2b에 대한 설명에 적용될 수 있고, 참조로서 여기에 포함된다. 여기에서 도 2a에서 설명된 내용과 중복된 내용은 생략한다.
도 2b를 참조하면, 단계(240)에서 얼굴 인증 장치는 얼굴 인증을 위한 입력 영상을 수신한다. 도면에는 도시되어 있지 않지만, 실시예에 따라 얼굴 인증 장치는 입력 영상에 대해 도 2a의 단계(210)에서 설명한 것과 같은 영상 전처리를 수행할 수도 있다.
단계(245)에서, 얼굴 인증 장치는 영상 패치 세트의 결정 기준에 따라 입력 영상을 검사할 수 있다. 예를 들어, 얼굴 인증 장치는 얼굴 영역의 검출 위치, 얼굴 영역 내 가림 영역(예, 마스크 또는 안경)의 존재 여부, 얼굴 영역에 나타난 얼굴 표정, 사용자 정보(예, 성별 또는 나이), 입력 영상의 조명(illumination) 상태 및 입력 영상의 영상 품질(예, 블러니스(blurriness) 정도) 중 하나 이상을 검사할 수 있다. 이러한 검사 항목들은 각 검사 항목의 목적에 맞게 학습된 뉴럴 네트워크 또는 영상 화질 측정법(Image Quality Assessment; IQA)을 이용하여 검사될 수 있다.
단계(250)에서, 얼굴 인증 장치는 입력 영상에서 얼굴 영역을 검출하고, 단계(255)에서 얼굴 인증 장치는 얼굴 영역을 정규화할 수 있다. 실시예에 따라, 단계(255)의 정규화 과정은 생략될 수도 있다. 단계(260)에서, 얼굴 인증 장치는 단계(245)의 검사 결과에 기초하여 영상 패치들을 생성하고, 생성된 영상 패치들을 기초로 얼굴 인증에 이용할 영상 패치 세트를 구성한다. 예를 들어, 얼굴 인증 장치는 얼굴 영역의 검출 위치에 따라 영상 패치 세트를 구성하거나 또는 얼굴 영역 내에 가림 영역이 존재하는 것으로 결정된 경우에는 가림 영역의 존재에 대응하는 영상 패치 세트를 구성할 수 있다.
단계(265)에서, 얼굴 인증 장치는 영상 패치 세트에 기초하여 사용자의 얼굴에 대응하는 특징 값을 결정한다. 얼굴 인증 장치는 영상 패치 세트에 포함된 영상 패치들과 해당 영상 패치들에 대응하는 기준 영상 패치들 간의 차분들을 입력으로 하는 특징 추출기를 이용하여 특징 값을 결정할 수 있다. 여기서, 기준 영상 패치들은 영상 패치 세트의 결정 기준에 따라 달라질 수 있다. 예를 들어, 가림 영역의 존재에 대응하는 영상 패치 세트가 결정된 경우, 해당 가림 영역의 존재에 대응하는 기준 영상 패치들이 이용될 수 있다. 또는, 입력 영상에 기준치 이상의 블러니스가 존재하는 것으로 검사된 경우, 블러니스의 존재에 대응하는 미리 정의된 기준 영상 패치들이 특징 값을 결정하는데 이용될 수 있다. 다른 예로, 단계(245)에서 입력 영상에 나타난 얼굴 표정이 웃는 얼굴인 것으로 검사된 경우, 웃는 얼굴에 대응하는 미리 정의된 기준 영상 패치들이 특징 값을 결정하는데 이용될 수 있다. 여기서, 기준 영상 패치들은 예를 들어, 특징 추출기를 학습시키는데 이용되는 학습 영상 패치들 중 웃는 얼굴에 대응하는 학습 영상 패치들의 평균 영상일 수 있다.
단계(270)에서, 얼굴 인증 장치는 단계(265)에서 결정된 특징 값에 기초하여 얼굴 인증의 성공 여부를 결정한다. 얼굴 인증 장치는 특징 값이 미리 설정된 조건을 만족시키는 경우 얼굴 인증이 성공한 것으로 결정하고, 특징 값이 해당 조건을 만족시키지 않는 경우 얼굴 인증이 실패한 것으로 결정할 수 있다.
도 3a 내지 도 3c는 일 실시예에 따른 얼굴 영역의 검출 위치에 기초하여 영상 패치 세트를 구성하고, 특징 값을 결정하는 일례들을 설명하기 위한 도면들이다.
도 3a는 입력 영상(310)에서 얼굴 영역(315)의 검출 위치가 입력 영상(310)의 내부에 존재하는 경우로서, 전체 얼굴이 검출된 경우를 도시한다. 얼굴 영역(315)이 검출된 후 얼굴 영역(315)에서 얼굴의 랜드마크(320)들이 검출되고, 랜드마크(320)들에 기초한 영상 변환(예를 들어, 영상 정규화 또는 아핀 변환(affine transform) 등)을 통해 복수의 영상 패치들(332, 334, 336)이 생성된다. 영상 패치들(332, 334, 336)은 하나의 영상 패치 세트(330)를 구성한다. 생성되는 영상 패치들(332, 334, 336)의 형태는 얼굴 영역(315)의 검출 위치에 따라 달라질 수 있다. 도 3a에 도시된 것과 같이 얼굴 영역(315)의 검출 위치가 입력 영상의 내부에 존재하는 경우에는, 예를 들어 얼굴 영역(315)의 전체 영역을 줌-인한 영상 패치(332), 얼굴 영역(315)에서 코 영역을 줌-인한 영상 패치(334) 및 검출된 얼굴 영역(315)의 전체 영역이 나타난 영상 패치(336)이 생성될 수 있다. 이와 같이, 영상 패치 세트(330)는 얼굴 영역(315)의 전체 영역에 대응하는 영상 패치(336)와 얼굴 영역(315)의 부분 영역에 대응하는 영상 패치들(332, 334)을 포함할 수 있고, 다양한 형태의 영상 패치들을 이용하는 것에 의해 얼굴 인증의 정확도가 개선될 수 있다.
영상 패치들(332, 334, 336)이 생성된 후 각 영상 패치들(332, 334, 336)에 대응하는 기준 영상 패치들(342, 344, 346)의 기준 영상 패치 세트(340)가 결정된다. 기준 영상 패치들(342, 344, 346)도 얼굴 영역(320)의 검출 위치에 따라 결정될 수 있다. 다양한 기준 영상 패치들이 미리 생성되어 저장되어 있고, 영상 패치 세트의 결정 기준에 따라 미리 저장된 기준 영상 패치들 중에서 기준 영상 패치 세트를 구성할 기준 영상 패치들이 선택된다. 기준 영상 패치들(342, 344, 346)은 예를 들어, 특징 추출기(350)를 학습시키는데 이용된 학습 영상 패치들의 평균 영상 또는 평균 값 영상일 수 있다. 각 기준 영상 패치들(342, 344, 346)의 형태는 각 영상 패치들(332, 334, 336)에 대응될 수 있다. 예를 들어, 영상 패치(332)에 대응하는 기준 영상 패치(342)는 평균 영상 또는 평균 값 영상에서 얼굴 영역을 줌-인한 형태를 가지고, 영상 패치(334)에 대응하는 기준 영상 패치(344)는 평균 영상 또는 평균 값 영상에서 코 영역을 줌-인한 형태를 가질 수 있다.
각 영상 패치들(332, 334, 336)과 이에 대응하는 각 기준 영상 패치들(342, 344, 346) 간의 차분이 특징 추출기(350)에 입력되고, 특징 추출기(350)는 입력된 차분들에 기초하여 사용자의 얼굴에 대응하는 특징 값을 출력한다. 이 때, 영상 패치들(332, 334, 336)과 기준 영상 패치들(342, 344, 346) 간의 차분들이 연결(concatenation)된 형태로 특징 추출기(350)에 입력될 수 있다.
도 3b는 입력 영상(312)에서 얼굴 영역(317)의 검출 위치가 입력 영상(312)의 오른쪽에 존재하는 경우로서, 얼굴의 왼쪽 부분이 나타나지 않은 부분 얼굴이 검출된 경우를 도시한다. 입력 영상(312)에서 얼굴 영역(317)이 검출된 후 얼굴 영역(317)에서 얼굴의 랜드마크(322)들이 검출된다. 예를 들어, 검출된 랜드마크(322)들의 위치에 기초하여 아핀 변환을 수행하는 것을 통해 복수의 영상 패치들(362, 364, 366)이 생성되고, 생성된 영상 패치들(362, 364, 366)은 하나의 영상 패치 세트(360)를 구성한다. 이 때, 생성되는 영상 패치들(362, 364, 366)의 형태는 얼굴 영역(317)의 검출 위치에 대응될 수 있다. 도 3b에 도시된 것과 같이 얼굴 영역(317)의 검출 위치가 오른쪽인 경우에는, 얼굴 영역(317)의 전체 영역을 줌-인한 영상 패치(362), 얼굴 영역(317)에서 눈과 코 영역을 다른 비율로 줌-인한 영상 패치들(364, 366)이 생성될 수 있다. 여기서, 영상 패치(362)의 경우, 전체 얼굴 영역 중 입력 영상(312)에 나타나지 않은 얼굴 영역(363)은 다른 데이터(예를 들어, 영상 패치(362)에 대응하는 기준 영상 패치(372)의 영상 픽셀 값)로 채워질 수 있다. 얼굴 인증 장치는 전체 얼굴 중 얼굴 영역(317)에 나타난 영상 정보와 기준 영상 패치(372)에서 얼굴 영역(363)에 대응되는 영역의 영상 정보를 합성하는 것에 의해 영상 패치(362)를 생성할 수 있다. 여기서, 영상 패치(362)의 생성에 이용되는 기준 영상 패치(372)의 영상 정보는 얼굴 영역(317)의 부분 얼굴이 포함하지 않는 영상 정보이다.
영상 패치들(362, 364, 366)이 생성된 후 각 영상 패치들(362, 364, 366)에 대응하는 기준 영상 패치들(372, 374, 376)의 기준 영상 패치 세트(370)가 결정된다. 각 기준 영상 패치들(372, 374, 376)의 형태는 각 영상 패치들(362, 364, 366)에 대응될 수 있다. 각 영상 패치들(362, 364, 366)과 이에 대응하는 각 기준 영상 패치들(372, 374, 376) 간의 차분들이 특징 추출기(350)에 입력되고, 특징 추출기(350)는 입력된 차분들에 대응하는 특징 값을 출력한다.
도 3c는 입력 영상(314)에서 얼굴 영역(316)의 검출 위치가 입력 영상(314)의 아래쪽에 존재하는 경우로서, 얼굴의 아래쪽 부분이 나타나지 않은 부분 얼굴이 검출된 경우를 도시한다. 입력 영상(314)에서 얼굴 영역(316) 및 얼굴의 랜드마크(324)들이 검출되고, 검출된 랜드마크(324)들의 위치에 기초하여 얼굴 영역(316)의 검출 위치에 대응하는 복수의 영상 패치들(382, 384, 386)이 생성된다. 생성된 영상 패치들(382, 384, 386)은 하나의 영상 패치 세트(380)를 구성한다. 도 3c에 도시된 것과 같이 얼굴 영역(316)의 검출 위치가 아래쪽인 경우에는, 예를 들어 얼굴 영역(316)의 전체 영역을 줌-인한 영상 패치(382), 얼굴 영역(316)에서 코 영역을 줌-인한 영상 패치(384) 및 전체 얼굴 영역에 대응하는 영상 패치(386)이 생성될 수 있다. 여기서, 영상 패치(386)는 전체 얼굴에서 입력 영상(314)에 나타나지 않은 얼굴 영역(388)은 다른 데이터(예를 들어, 영상 패치(386)에 대응하는 기준 영상 패치(396)의 영상 정보)로 채워질 수 있다.
영상 패치들(382, 384, 386)이 생성된 후 각 영상 패치들(382, 384, 386)에 대응하는 기준 영상 패치들(392, 394, 396)의 기준 영상 패치 세트(390)가 결정된다. 각 기준 영상 패치들(392, 394, 396)의 형태는 각 영상 패치들(382, 384, 386)에 대응될 수 있다. 영상 패치들(382, 384, 386)과 이에 대응하는 기준 영상 패치들(392, 394, 396) 간의 차분들이 특징 추출기(350)에 입력되고, 특징 추출기(350)는 입력된 차분들에 대응하는 특징 값을 출력한다.
위와 같이, 얼굴 영역의 검출 위치에 따라 얼굴 인증을 수행하는데 이용되는 영상 패치 세트의 세트 구성이 달라질 수 있다. 이를 통해, 부분 얼굴에 대해 얼굴 인증이 수행되더라도 얼굴 인증의 정확도를 저하시키는 것 없이 얼굴 인증이 보다 정확하게 수행될 수 있다. 일 실시예에서, 얼굴 영역의 검출 위치에 따른 영상 패치 세트의 세트 구성은 다음의 표 1과 같을 수 있다. 아래 표 1은 영상 패치 세트가 3개의 영상 패치들로 구성되었다고 가정한 것으로, 영상 패치 세트를 구성하는 영상 패치들의 수는 실시예에 따라 다양할 수 있다.
얼굴 영역의
검출 위치		 영상 패치 세트의 구성
내부 얼굴 영역의 전체 영역을 줌-인한 영상 패치,
얼굴 영역에서 코 영역을 줌-인한 영상 패치,
얼굴 영역의 전체 영역이 나타난 영상 패치
왼쪽 얼굴 영역의 전체 영역을 줌-인한 영상 패치,
얼굴 영역에서 눈과 코 영역을 다른 비율로 줌-인한 영상 패치들
오른쪽 얼굴 영역의 전체 영역을 줌-인한 영상 패치,
얼굴 영역에서 눈과 코 영역을 다른 비율로 줌-인한 영상 패치들
위쪽 얼굴 영역의 전체 영역을 줌-인한 영상 패치,
얼굴 영역에서 코 영역을 줌-인한 영상 패치,
전체 얼굴 영역에 대응하는 영상 패치
아래쪽 얼굴 영역의 전체 영역을 줌-인한 영상 패치,
얼굴 영역에서 코 영역을 줌-인한 영상 패치,
전체 얼굴 영역에 대응하는 영상 패치
실시예에 따라, 얼굴 영역의 검출 위치가 오른쪽인 경우에 대응하는 영상 패치 세트의 세트 구성은 별도로 존재하지 않을 수 있다. 입력 영상에서 검출된 얼굴 영역의 위치가 오른쪽인 경우, 좌우 반전의 영상 처리를 통하여 얼굴 영역이 왼쪽에서 검출된 것으로 조정하고, 왼쪽에서 얼굴 영역이 검출된 것과 동일한 방식으로 영상 패치 세트를 구성하면 되기 때문이다. 위 표 1의 영상 패치 세트의 세트 구성에 대응하는 기준 영상 패치 세트의 세트 구성은 이하 도 4에서 설명한다.
도 4는 일 실시예에 따른 얼굴 영역의 검출 위치에 대응하는 기준 영상 패치들의 세트들을 도시한 도면이다. 얼굴 영역의 검출 위치에 따라 기준 영상 패치 세트의 세트 구성도 달라질 수 있다. 도 4를 참조하면, 입력 영상에서 얼굴 영역의 검출 위치가 각각 위쪽(410), 아래쪽(420), 왼쪽(430), 오른쪽(440) 및 내부(450)일 때, 이에 각각 대응하는 기준 영상 패치 세트들(415, 425, 435, 445, 455)의 일례가 도시된다. 얼굴 영역의 검출 위치에 따라 기준 영상 패치 세트들이 어떻게 구성될지 미리 정의되어 있고, 미리 정의된 기준 영상 패치 세트들 중 얼굴 영역의 검출 위치에 대응하는 기준 영상 패치 세트가 특징 값을 결정하는데 이용될 수 있다. 일 실시예에서, 각 기준 영상 패치 세트들(415, 425, 435, 445, 455)의 세트 구성 형태는 위 표 1에 설명한 영상 패치 세트들의 세트 구성과 동일할 수 있다. 예를 들어, 얼굴 영역의 검출 위치가 아래쪽(420)인 경우, 특징 값을 결정하는데 이용되는 기준 영상 패치 세트(425)는 얼굴 영역의 전체 영역을 줌-인한 기준 영상 패치, 얼굴 영역에서 코 영역을 줌-인한 기준 영상 패치 및 전체 얼굴 영역에 대응하는 기준 영상 패치로 구성될 수 있다.
도 5a 및 도 5b는 다른 실시예에 따른 얼굴 영역의 검출 위치에 기초하여 영상 패치 세트를 구성하고, 특징 값을 결정하는 일례들을 설명하기 위한 도면들이다.
도 5a는 도 3a에서와 동일하게, 입력 영상(310)에서 얼굴 영역(315)의 검출 위치가 입력 영상(310)의 내부에 존재하는 경우로서, 전체 얼굴이 검출된 경우를 도시한다. 영상 패치 세트(510)는 얼굴 영역(315)에 기초하여 생성된 영상 패치들(332, 334)과 함께 영상 패치 세트의 결정 기준에 대응하는 부가 영상 패치(515)를 포함할 수 있다. 부가 영상 패치(515)는 얼굴 영역의 검출 위치를 알려주기 위해 이용될 수 있다. 본 실시예와 같이, 얼굴 영역(315)의 검출 위치가 입력 영상(310)의 내부에 존재하는 경우에는, 미리 정의된 부가 영상 패치들 중 얼굴 영역의 검출 위치가 입력 영상의 내부에 존재한다는 것을 나타내기 위한 부가 영상 패치(515)가 영상 패치 세트(510)에 포함될 수 있다.
이후에, 영상 패치 세트(510)에 대응되는 기준 영상 패치 세트(520)가 구성된다. 기준 영상 패치 세트(520)는 영상 패치(332)에 대응하는 기준 영상 패치(342), 영상 패치(334)에 대응하는 기준 영상 패치(344) 및 부가 영상 패치(515)에 대응하는 기준 영상 패치(525)로 구성될 수 있다. 일 실시예에서, 기준 영상 패치(525)는 부가 영상 패치(515)와 동일할 수 있다. 영상 패치들(332, 334) 및 부가 영상 패치(515)와 이에 각각 대응하는 기준 영상 패치들(342, 344, 525) 간의 차분들이 특징 추출기(350)에 입력되고, 특징 추출기(350)는 입력된 차분들에 기초하여 특징 값을 출력한다.
도 5b는 도 3b에서와 동일하게, 입력 영상(312)에서 얼굴 영역(317)의 검출 위치가 입력 영상(312)의 오른쪽에 존재하는 경우로서, 얼굴의 왼쪽 부분이 나타나지 않은 부분 얼굴이 검출된 경우를 도시한다. 영상 패치 세트(530)는 얼굴 영역(317)에 기초하여 생성된 영상 패치들(362, 364)과 함께 영상 패치 세트의 결정 기준에 대응하는 부가 영상 패치(535)를 포함할 수 있다. 부가 영상 패치(535)는 얼굴 영역의 검출 위치가 오른쪽임을 알려주기 위해 이용될 수 있다. 영상 패치 세트(530)에 대응되는 기준 영상 패치 세트(540)는 영상 패치(362)에 대응하는 기준 영상 패치(372), 영상 패치(364)에 대응하는 기준 영상 패치(374) 및 부가 영상 패치(535)에 대응하는 기준 영상 패치(545)로 구성될 수 있다. 일 실시예에서, 기준 영상 패치(535)는 부가 영상 패치(545)와 동일할 수 있다. 영상 패치들(362, 364) 및 부가 영상 패치(535)와 이에 각각 대응하는 기준 영상 패치들(372, 374, 545) 간의 차분들이 특징 추출기(350)에 입력되고, 특징 추출기(350)는 입력된 차분들에 기초하여 특징 값을 출력한다.
위와 같이, 얼굴 영역의 검출 위치에 따라 영상 패치 세트에 포함되는 부가 영상 패치가 달라질 수 있다. 예를 들어, 얼굴 영역의 검출 위치에 따른 영상 패치 세트의 세트 구성은 다음의 표 2와 같을 수 있다. 아래 표 2는 영상 패치 세트가 3개의 영상 패치들로 구성되었다고 가정한 것으로, 영상 패치 세트를 구성하는 영상 패치들의 수는 실시예에 따라 다양할 수 있다.
얼굴 영역의
검출 위치		 영상 패치 세트의 구성
내부 얼굴 영역의 전체 영역을 줌-인한 영상 패치,
얼굴 영역에서 코 영역을 줌-인한 영상 패치,
제1 부가 영상 패치
왼쪽 얼굴 영역에서 눈과 코 영역을 다른 비율로 줌-인한 영상 패치들
제2 부가 영상 패치
오른쪽 얼굴 영역에서 눈과 코 영역을 다른 비율로 줌-인한 영상 패치들
제3 부가 영상 패치
위쪽 얼굴 영역의 전체 영역을 줌-인한 영상 패치,
얼굴 영역에서 코 영역을 줌-인한 영상 패치,
제4 부가 영상 패치
아래쪽 얼굴 영역의 전체 영역을 줌-인한 영상 패치,
얼굴 영역에서 코 영역을 줌-인한 영상 패치,
제5 부가 영상 패치
위 표 2에서, 제1 부가 영상 패치 내지 제5 부가 영상 패치는 얼굴 영역의 각 검출 위치에 따라 서로 구별되는 부가 영상 패치들이다. 부가 영상 패치는 예를 들어, 전체 영역에서 특정한 픽셀 값을 가지는 영상 패치일 수 있다. 다만, 실시예의 범위가 이에 한정되는 것은 아니고 부가 영상 패치의 형태는 다양할 수 있다. 위 표 2의 영상 패치 세트의 세트 구성에 대응하는 기준 영상 패치 세트의 구성은 이하 도 6에서 설명한다.
도 6은 다른 실시예에 따른 얼굴 영역의 검출 위치에 대응하는 기준 영상 패치들의 세트들을 도시하는 도면이다. 도 6을 참조하면, 입력 영상에서 얼굴 영역의 검출 위치가 각각 위쪽(410), 아래쪽(420), 왼쪽(430), 오른쪽(440) 및 내부(450)일 때, 이에 대응하는 기준 영상 패치 세트들(610, 620, 630, 640, 650)의 일례가 도시된다. 기준 영상 패치 세트들(610, 620, 630, 640, 650)은 영상 패치 세트의 각 영상 패치들에 대응하는 기준 영상 패치들을 포함한다. 이 때, 기준 영상 패치들은 얼굴 영역의 검출 위치에 대응하는 기준 영상 패치(660)를 포함한다. 예를 들어, 얼굴 영역의 검출 위치가 아래쪽(420)인 경우, 기준 영상 패치 세트(620)는 얼굴 영역의 전체 영역을 줌-인한 기준 영상 패치, 얼굴 영역에서 코 영역을 줌-인한 기준 영상 패치 및 얼굴 영역의 검출 위치가 아래쪽인 것에 대응하는 기준 영상 패치로 구성될 수 있다.
도 7은 일 실시예에 따른 가림 영역의 존재 여부에 기초하여 영상 패치 세트를 구성하고, 특징 값을 결정하는 일례를 설명하기 위한 도면이다.
도 7을 참조하면, 얼굴 영역(720)에 마스크(740)의 가림 영역이 있는 경우를 도시한다. 입력 영상(710)에서 얼굴 영역(720)이 검출되고, 얼굴 영역(720)에 마스크, 선글라스 또는 안경 등의 가림 영역이 존재하는지 여부가 검사될 수 있다. 예를 들어, 얼굴 영역(720)에서 얼굴의 랜드마크(730)들을 검출한 뒤, 랜드마크(730)들의 검출 결과에 기초하여 마스크(740)의 존재가 인식될 수 있다. 예를 들어, 얼굴 영역(720)이 입력 영상(710)의 내부에 위치하는데, 입 영역에 대응하는 랜드마크들이 검출되지 않았으면 마스크(740)가 존재하는 것으로 결정될 수 있다. 다른 예로, 가림 영역의 존재 여부를 검사하는 별도의 인식기를 이용하여 얼굴 영역(720)에서 마스크(740) 등의 가림 영역의 존재가 검사될 수도 있다.
얼굴 영역(720)에 가림 영역이 존재한다고 결정된 경우, 미리 정의된 세트 구성에 따라 영상 패치 세트(750)가 구성될 수 있다. 예를 들어, 마스크(740)가 존재하는 것으로 결정된 경우에는, 입 영역과 관련된 영상 패치가 아닌, 눈 영역을 줌-인한 영상 패치(752), 눈과 코 영역을 줌-인한 영상 패치(754) 및 전체 얼굴에 대응하는 영상 패치(756)가 생성될 수 있다. 여기서, 영상 패치(756)는 전체 얼굴에서 마스크(740)에 의해 나타나지 않은 입 주변의 얼굴 영역을 다른 데이터(예를 들어, 영상 패치(756)에 대응하는 기준 영상 패치(766)의 영상 정보)로 채우는 것에 의해 생성될 수 있다. 영상 패치 세트(750)의 각 영상 패치들(752, 754, 756)에 대응하는 기준 영상 패치들(762, 764, 766)의 기준 영상 패치 세트(760)가 결정되고, 영상 패치들(752, 754, 756)과 이에 대응하는 기준 영상 패치들(762, 764, 766) 간의 차분들이 특징 추출기(350)에 입력된다. 특징 추출기(350)는 입력된 차분들에 기초하여 사용자의 얼굴에 대응하는 특징 값을 출력한다.
만약, 얼굴 영역(720)에서 선글라스나 안경과 같은 가림 영역이 존재하는 것으로 결정된 경우에는, 눈 영역이 아닌, 다른 얼굴 부위(예를 들어, 코 및 입)를 포커싱한 영상 패치들이 생성될 수 있다. 얼굴 영역(720)에 가림 영역이 존재하지 않는 것으로 결정된 경우에는, 도 3a 내지 도 3c에서와 같이 얼굴 영역의 검출 위치에 기초하여 영상 패치 세트가 구성될 수 있다. 위와 같이, 얼굴 인증 장치는 얼굴 영역에 가림 영역이 존재하는 경우, 가림 영역에 의해 가려진 얼굴 영역이 아닌 영상에 나타난 얼굴 영역을 중심으로 얼굴 인증을 수행한다. 이를 통해, 가림 영역의 존재에 강인하게 얼굴 인증이 수행되어 얼굴 인증의 정확도가 개선될 수 있다.
도 8a 및 도 8b는 일 실시예에 따른 얼굴 등록 과정의 일례들을 설명하기 위한 도면들이다.
얼굴 인증을 위해서는 먼저 유효한 사용자의 얼굴을 등록하는 얼굴 등록 과정이 수행된다. 얼굴 등록 과정에서는 사용자의 얼굴 영상 및/또는 얼굴 영상으로부터 추출한 특징 값이 등록 또는 저장된다. 도 8a는 얼굴 등록 과정의 일 실시예로서, 얼굴 영역의 검출 위치에 대응하는 특징 값들을 등록하는 일례를 설명하기 위한 도면이다. 일 실시예에 따르면, 사용자가 카메라를 이용하여 자신의 얼굴을 촬영하는 것에 의해 얼굴 등록을 위한 영상(810)이 획득될 수 있다. 얼굴 등록 과정에서는 전체 얼굴이 촬영된 영상(810)이 이용될 수 있다. 실시예에 따라, 영상(810)에 도 2의 단계(210)에서 설명한 영상 전처리 과정이 수행될 수 있다.
영상(810)에 기초하여 얼굴 영역의 검출 위치가 다양하게 나타난 부분 영상들(815)이 생성될 수 있다. 예를 들어, 얼굴 영역의 검출 위치가 위쪽, 아래쪽, 왼쪽, 오른쪽 및 내부에 대응하는 부분 영상들(815)이 생성될 수 있다. 각 부분 영상들(815)은 예를 들어, 영상(810)에서 특정 영역을 크롭핑(cropping)하고, 정규화하는 것에 의해 생성될 수 있다. 얼굴 영역의 다양한 검출 위치에 대응하는 부분 영상들(815)이 생성된 후 각각의 부분 영상들(815)에 대응하는 영상 패치 세트가 구성(820)될 수 있다. 앞서 설명한 얼굴 인증 과정에서와 유사하게, 특징 추출기(얼굴 인증 과정에서 이용되었던 특징 추출기와 동일함)에 의해 영상 패치 세트에 포함된 영상 패치들과 이에 대응하는 기준 영상 패치들로부터 특징 값이 추출(825)된다. 추출된 특징 값이 등록(830)되는 과정까지 완료되면, 얼굴 영역의 다양한 검출 위치들에 대응하는 특징 값들이 등록된다. 영상 패치 세트를 구성(820)하는 과정과 특징 값을 추출(825)하는 과정에는 얼굴 인증 과정에서 설명한 내용이 그대로 적용될 수 있다.
도 8b는 얼굴 등록 과정의 다른 실시예로서, 얼굴 영역에 가림 영역이 존재하는 경우에 대응하는 특징 값들을 등록하는 일례를 설명하기 위한 도면이다. 도 8b를 참조하면, 얼굴 등록을 위한 영상(810)으로부터 가림 영역이 나타나지 않은 영상(842)과 가상의 가림 영역이 적용된 영상들(844, 846)이 생성될 수 있다. 예를 들어, 영상(842)에 마스크의 가림 영역이 적용된 영상(844)과 영상(842)에 선글라스의 가림 영역이 적용된 영상(846)이 생성될 수 있다. 영상(842)는 영상(810)이 정규화된 영상일 수 있다. 이후에, 각 영상들(842, 844, 846)에 대응하는 영상 패치 세트가 구성(850)되고, 특징 추출기에 의해 영상 패치 세트와 기준 영상 패치 세트로부터 특징 값이 추출(855)된다. 영상 패치 세트는 도 7에서 설명한 것과 유사하게 가림 영역이 나타나지 않은 영상 패치들로 구성될 수 있다. 추출된 특징 값이 등록(860)되는 과정까지 완료되면, 가림 영역이 존재하지 않는 경우와 다양한 가림 영역이 존재하는 경우들에 대응하는 특징 값들이 등록된다.
도 9는 일 실시예에 따른 얼굴 인증 장치의 구성을 도시하는 도면이다.
도 9를 참조하면, 얼굴 인증 장치(900)는 얼굴 인증을 위한 입력 영상을 수신한다. 얼굴 인증 장치(900)는 입력 영상으로부터 추출된 특징 값과 데이터베이스(930)에 저장된 등록 특징 값 간의 비교 결과에 기초하여 얼굴 인증의 성공 여부를 결정할 수 있다. 유효한 사용자는 얼굴 등록 과정을 통해 자신의 얼굴을 미리 등록할 수 있고, 유효한 사용자의 얼굴은 얼굴 영상에서 추출된 특징 값의 형태로 데이터베이스(930)에 저장될 수 있다
얼굴 인증 장치(900)는 얼굴 인증 방법과 관련하여 본 명세서에 기술되거나 또는 도시된 하나 이상의 동작을 수행할 수 있고, 얼굴 인증의 결과를 사용자에게 제공할 수 있다. 얼굴 인증 장치(900)는 얼굴 인증의 결과를 음성, 진동, 글자, 그림 또는 동영상 등의 형태로 출력할 수 있으나, 실시에의 범위가 이에 한정되지는 않으며, 얼굴 인증 장치(900)는 다양한 형태로 인증 결과를 출력할 수 있다.
얼굴 인증 장치(900)는 하나 이상의 프로세서(910) 및 메모리(920)를 포함할 수 있다. 메모리(920)는 프로세서(910)에 연결되고, 프로세서(910)에 의해 실행가능한 인스트럭션들, 프로세서(910)가 연산할 데이터 또는 프로세서(910)에 의해 처리된 데이터를 저장할 수 있다. 메모리(920)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(910)는 도 1 내지 도 8을 참조하여 설명된 하나 이상의 동작을 실행하기 위한 인스트럭션들을 실행할 수 있다. 예를 들어, 프로세서(910)는 입력 영상에서 사용자의 얼굴 영역을 검출하고, 영상 패치 세트의 결정 기준에 기초하여 얼굴 영역의 적어도 일 부분을 포함하는 복수의 영상 패치들을 생성할 수 있다. 프로세서(910)는 특징 추출기를 이용하여 입력 얼굴에 대한 특징 값을 추출하고, 추출된 특징 값과 등록 특징 값 간의 비교 결과에 기초하여 얼굴 인증의 성공 여부를 결정할 수 있다. 프로세서(910)는 미리 정의된 영상 패치 세트의 세트 구성들 중 영상 패치 세트의 결정 기준에 대응하는 세트 구성에 따라 영상 패치들을 생성할 수 있다.
예를 들어, 영상 패치 세트의 결정 기준이 얼굴 영역의 검출 위치인 경우, 프로세서(910)는 얼굴 영역의 검출 위치가 미리 정의된 제1 영역에 대응할 때, 제1 영역에 대응하는 제1 세트 구성에 따라 영상 패치들을 생성하고, 얼굴 영역의 검출 위치가 미리 정의된 제2 영역에 대응할 때에는, 제2 영역에 대응하는 제2 세트 구성에 따라 영상 패치들을 생성할 수 있다. 다른 예로, 영상 패치 세트의 결정 기준이 얼굴 영역 내 가림 영역의 존재 여부인 경우, 프로세서(910)는 얼굴 영역 내에 가림 영역이 존재할 때, 미리 정의된 제1 세트 구성에 따라 영상 패치들을 생성하고, 얼굴 영역 내에 가림 영역이 존재하지 않을 때에는, 미리 정의된 제2 세트 구성에 따라 영상 패치들을 생성할 수 있다.
프로세서(910)는 영상 패치 세트에 포함된 각 영상 패치들과 각 영상 패치들에 대응하는 기준 영상 패치들 간의 차분을 입력으로 하는 특징 추출기를 이용하여 특징 값을 결정할 수 있다. 여기서, 기준 영상 패치들은 얼굴 영역의 검출 위치, 얼굴 영역 내 가림 영역의 존재 여부, 얼굴 영역에 나타난 얼굴 표정, 얼굴 영역에 기초하여 추정된 사용자 정보, 입력 영상의 조명 상태 및 입력 영상의 영상 품질 중 하나 이상에 기초하여 결정될 수 있다. 프로세서(910)는 결정된 특징 값과 등록 특징 값 간의 유사도를 계산하고, 유사도가 임계 값보다 크면 얼굴 인증이 성공한 것으로 결정하고, 해당 유사도가 임계 값보다 크지 않으면 얼굴 인증이 실패한 것으로 결정할 수 있다.
도 10은 일 실시예에 따른 컴퓨팅 장치의 구성을 도시하는 도면이다.
도 10을 참조하면, 컴퓨팅 장치(1000)는 사용자가 얼굴 인증을 위해 촬영한 영상을 획득하고, 획득된 영상에서 추출한 특징 값을 미리 저장된 등록 특징 값과 비교하는 과정을 통해 얼굴 인증 과정을 수행할 수 있다. 컴퓨팅 장치(1000)는 도 1의 컴퓨팅 장치(120)에 대응할 수 있고, 기능적으로 도 9의 얼굴 인증 장치(900)의 기능을 포함할 수 있다.
컴퓨팅 장치(1000)는 프로세서(1010), 메모리(1020), 카메라(1030), 저장 장치(1040), 입력 장치(1050), 출력 장치(1060) 및 네트워크 인터페이스(1070)를 포함할 수 있다. 프로세서(1010), 메모리(1020), 카메라(1030), 저장 장치(1040), 입력 장치(1050), 출력 장치(1060) 및 네트워크 인터페이스(1070)는 통신 버스(1080)를 통해 서로 통신할 수 있다.
카메라(1030)는 정지 영상, 비디오 영상, 또는 이들 모두를 캡쳐할 수 있다. 카메라(1030)는 사용자가 얼굴 인증을 시도하기 위해 입력하는 얼굴 영역을 캡쳐하여 사용자의 얼굴이 나타난 영상을 획득할 수 있다. 획득된 영상은 예를 들어, 컬러 영상, 흑백 영상 또는 적외선 영상일 수 있다.
프로세서(1010)는 컴퓨팅 장치(1000) 내에서 실행하기 위한 기능 및 인스트럭션들을 실행한다. 예를 들어, 프로세서(1010)는 메모리(1020) 또는 저장 장치(1040)에 저장된 인스트럭션들을 처리할 수 있다. 프로세서(1010)는 도 1 내지 도 9를 통하여 전술한 하나 이상의 동작을 수행할 수 있다. 예를 들어, 프로세서(1010)는 카메라(1030)에 의해 획득된 영상으로부터 특징 값을 추출하고, 추출된 특징 값을 미리 등록된 등록 특징 값 간의 비교 결과에 기초하여 얼굴 인증의 성공 여부를 결정할 수 있다. 프로세서(1010)는 획득된 영상으로부터 복수의 영상 패치들을 포함하는 영상 패치 세트를 구성하고, 특징 추출기를 이용하여 영상 패치 세트로부터 특징 값을 추출한다.
저장 장치(1040)는 컴퓨터 판독가능한 저장 매체 또는 컴퓨터 판독가능한 저장 장치를 포함한다. 저장 장치(1040)는 등록 특징 값들 또는 등록 영상을 포함하는 데이터베이스를 저장할 수 있다. 저장 장치(1040)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(1050)는 촉각, 비디오, 오디오 또는 터치 입력을 통해 사용자로부터 입력을 수신할 수 있다. 예를 들어, 입력 장치(1050)는 키보드, 마우스, 터치스크린, 마이크로폰, 또는 사용자로부터 입력을 검출하고, 검출된 입력을 컴퓨팅 장치(1000)에 전달할 수 있는 임의의 다른 장치를 포함할 수 있다.
출력 장치(1060)는 시각적, 청각적 또는 촉각적인 채널을 통해 사용자에게 컴퓨팅 장치(1000)의 출력을 제공할 수 있다. 예를 들어, 출력 장치(1060)는 얼굴 인증과 관련된 정보를 시각화하여 사용자에게 제공할 수 있다. 출력 장치(1060)는 예를 들어, 액정 디스플레이, LED(light emitting diode) 디스플레이, 터치 스크린, 스피커, 진동 발생 장치 또는 사용자에게 출력을 제공할 수 있는 임의의 다른 장치를 포함할 수 있다.
네트워크 인터페이스(1070)는 유선 또는 무선 네트워크를 통해 외부 장치와 통신할 수 있다. 예를 들어, 네트워크 인터페이스(1070)는 이더넷(Ethernet) 카드, 광학 트랜시버, 무선 주파수 트랜시버 또는 정보를 송수신할 수 있는 임의의 다른 네트워크 인터페이스 카드를 포함할 수 있다. 네트워크 인터페이스(1070)는 블루투스(Bluetooth), 와이파이(WiFi), 3G 또는 4G 등의 통신 방식을 이용하여 외부 장치와 무선으로 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 (22)

  1. 입력 영상에서 사용자의 얼굴 영역을 검출하는 단계;
    영상 패치 세트의 결정 기준(determination criteria)에 기초하여 상기 얼굴 영역의 적어도 일 부분을 포함하는 복수의 영상 패치(image patch)들을 생성하는 단계;
    상기 생성된 영상 패치들이 포함된 영상 패치 세트에 기초하여 상기 사용자의 얼굴에 대응하는 특징 값을 결정하는 단계; 및
    상기 결정된 특징 값에 기초하여 얼굴 인증(face verification)의 성공 여부를 결정하는 단계
    를 포함하는 얼굴 인증 방법.
  2. 제1항에 있어서,
    상기 영상 패치 세트의 결정 기준은,
    상기 얼굴 영역의 검출 위치 및 상기 얼굴 영역 내 가림 영역(occlusion region)의 존재 여부 중 적어도 하나를 포함하는, 얼굴 인증 방법.
  3. 제1항에 있어서,
    상기 영상 패치 세트의 결정 기준은, 상기 얼굴 영역의 검출 위치이고,
    상기 영상 패치들을 생성하는 단계는,
    미리 정의된 영상 패치 세트의 세트 구성들(set compositions) 중 상기 얼굴 영역의 검출 위치에 대응하는 세트 구성에 따라 상기 영상 패치들을 생성하는, 얼굴 인증 방법.
  4. 제3항에 있어서,
    상기 영상 패치들을 생성하는 단계는,
    상기 얼굴 영역의 검출 위치가 미리 정의된 제1 영역에 대응하는 경우, 상기 제1 영역에 대응하는 제1 세트 구성에 따라 상기 영상 패치들을 생성하고,
    상기 얼굴 영역의 검출 위치가 미리 정의된 제2 영역에 대응하는 경우, 상기 제2 영역에 대응하는 제2 세트 구성에 따라 상기 영상 패치들을 생성하는, 얼굴 인증 방법.
  5. 제1항에 있어서,
    상기 영상 패치 세트의 결정 기준은, 상기 얼굴 영역 내 가림 영역(occlusion region)의 존재 여부이고,
    상기 영상 패치들을 생성하는 단계는,
    상기 얼굴 영역 내에 상기 가림 영역이 존재하는 경우, 미리 정의된 제1 세트 구성에 따라 상기 영상 패치들을 생성하고,
    상기 얼굴 영역 내에 상기 가림 영역이 존재하지 않는 경우에는, 미리 정의된 제2 세트 구성에 따라 상기 영상 패치들을 생성하는, 얼굴 인증 방법.
  6. 제1항에 있어서,
    상기 특징 값을 결정하는 단계는,
    상기 영상 패치 세트에 포함된 영상 패치들과 상기 영상 패치들에 대응하는 기준 영상 패치들에 기초하여 상기 특징 값을 결정하는, 얼굴 인증 방법.
  7. 제6항에 있어서,
    상기 기준 영상 패치들은,
    상기 얼굴 영역의 검출 위치, 상기 얼굴 영역 내 가림 영역의 존재 여부, 상기 얼굴 영역에 나타난 얼굴 표정, 상기 얼굴 영역에 기초하여 추정된 사용자 정보, 상기 입력 영상의 조명 상태 및 상기 입력 영상의 영상 품질 중 적어도 하나에 기초하여 결정되는, 얼굴 인증 방법.
  8. 제6항에 있어서,
    상기 특징 값을 결정하는 단계는,
    상기 영상 패치 세트에 포함된 각 영상 패치들과 대응하는 기준 영상 패치 간의 차분(difference)을 입력으로 하는 특징 추출기를 이용하여 상기 특징 값을 결정하는, 얼굴 인증 방법.
  9. 제8항에 있어서,
    상기 기준 영상 패치는,
    상기 특징 추출기를 학습시키는데 이용되는 학습 영상 패치들에 기초하여 결정되는, 얼굴 인증 방법.
  10. 제1항에 있어서,
    상기 영상 패치 세트는,
    상기 생성된 영상 패치들과 상기 결정 기준에 대응하는 부가 영상 패치를 포함하고,
    상기 특징 값을 결정하는 단계는,
    상기 생성된 영상 패치들 및 상기 부가 영상 패치에 기초하여 상기 특징 값을 결정하는, 얼굴 인증 방법.
  11. 제1항에 있어서,
    상기 영상 패치 세트의 결정 기준에 따라 상기 입력 영상을 검사하는 단계
    를 더 포함하고,
    상기 영상 패치들을 생성하는 단계는,
    상기 검사 결과에 기초하여 상기 영상 패치들을 생성하는, 얼굴 인증 방법.
  12. 제11항에 있어서,
    상기 입력 영상을 검사하는 단계는,
    상기 얼굴 영역의 검출 위치, 상기 얼굴 영역 내 가림 영역의 존재 여부, 상기 얼굴 영역에 나타난 얼굴 표정, 상기 얼굴 영역에 기초하여 추정된 사용자 정보, 상기 입력 영상의 조명 상태 및 상기 입력 영상의 영상 품질 중 적어도 하나를 검사하는 얼굴 인증 방법.
  13. 제1항에 있어서,
    상기 특징 값을 결정하는 단계는,
    뉴럴 네트워크 기반의 단일 특징 추출기를 이용하여 상기 특징 값을 결정하는, 얼굴 인증 방법.
  14. 제1항에 있어서,
    상기 영상 패치 세트는,
    상기 검출된 얼굴 영역의 전체 영역에 대한 제1 영상 패치 및 상기 제1 영상 패치보다 줌-인(zoom-in)된 제2 영상 패치를 포함하는, 얼굴 인증 방법.
  15. 제1항에 있어서,
    상기 얼굴 영역에서 얼굴의 랜드마크들(facial landmarks)을 검출하는 단계; 및
    상기 검출된 랜드마크들에 기초하여 상기 얼굴 영역을 정규화하는 단계
    를 더 포함하고,
    상기 영상 패치들을 생성하는 단계는,
    상기 정규화된 얼굴 영역으로부터 상기 영상 패치들을 생성하는, 얼굴 인증 방법.
  16. 제1항 내지 제15항 중 어느 하나의 항의 방법을 실행하기 위한 인스트럭션들을 저장하는 컴퓨터 판독 가능한 저장 매체.
  17. 프로세서를 포함하고,
    상기 프로세서는, 입력 영상에서 사용자의 얼굴 영역을 검출하고,
    영상 패치 세트의 결정 기준에 기초하여 상기 얼굴 영역의 적어도 일 부분을 포함하는 복수의 영상 패치들을 생성하고,
    상기 생성된 영상 패치들이 포함된 영상 패치 세트에 기초하여 상기 사용자의 얼굴에 대응하는 특징 값을 결정하고,
    상기 결정된 특징 값에 기초하여 얼굴 인증의 성공 여부를 결정하는, 얼굴 인증 장치.
  18. 제17항에 있어서,
    상기 프로세서는,
    미리 정의된 영상 패치 세트의 세트 구성들 중 상기 영상 패치 세트의 결정 기준에 대응하는 세트 구성에 따라 상기 영상 패치들을 생성하는, 얼굴 인증 장치.
  19. 제17항에 있어서,
    상기 영상 패치 세트의 결정 기준은, 상기 얼굴 영역의 검출 위치이고,
    상기 프로세서는,
    상기 얼굴 영역의 검출 위치가 미리 정의된 제1 영역에 대응하는 경우, 상기 제1 영역에 대응하는 제1 세트 구성에 따라 상기 영상 패치들을 생성하고,
    상기 얼굴 영역의 검출 위치가 미리 정의된 제2 영역에 대응하는 경우, 상기 제2 영역에 대응하는 제2 세트 구성에 따라 상기 영상 패치들을 생성하는, 얼굴 인증 장치.
  20. 제17항에 있어서,
    상기 영상 패치 세트의 결정 기준은, 상기 얼굴 영역 내 가림 영역(occlusion region)의 존재 여부이고,
    상기 프로세서는,
    상기 얼굴 영역 내에 상기 가림 영역이 존재하는 경우, 미리 정의된 제1 세트 구성에 따라 상기 영상 패치들을 생성하고,
    상기 얼굴 영역 내에 상기 가림 영역이 존재하지 않는 경우에는, 미리 정의된 제2 세트 구성에 따라 상기 영상 패치들을 생성하는, 얼굴 인증 장치.
  21. 제17항에 있어서,
    상기 프로세서는,
    상기 영상 패치 세트에 포함된 영상 패치들과 상기 영상 패치들에 대응하는 기준 영상 패치들에 기초하여 상기 특징 값을 결정하는, 얼굴 인증 장치.
  22. 제21항에 있어서,
    상기 기준 영상 패치들은,
    상기 얼굴 영역의 검출 위치, 상기 얼굴 영역 내 가림 영역의 존재 여부, 상기 얼굴 영역에 나타난 얼굴 표정, 상기 얼굴 영역에 기초하여 추정된 사용자 정보, 상기 입력 영상의 조명 상태 및 상기 입력 영상의 영상 품질 중 적어도 하나에 기초하여 결정되는, 얼굴 인증 장치.
KR1020170080448A 2017-06-26 2017-06-26 얼굴 인증 방법 및 장치 KR102299847B1 (ko)

Priority Applications (4)

Application Number Priority Date Filing Date Title
KR1020170080448A KR102299847B1 (ko) 2017-06-26 2017-06-26 얼굴 인증 방법 및 장치
US15/896,253 US10579865B2 (en) 2017-06-26 2018-02-14 Facial verification method and apparatus
EP18165194.4A EP3422250B1 (en) 2017-06-26 2018-03-29 Facial verification method and apparatus
CN201810336854.5A CN109117700A (zh) 2017-06-26 2018-04-16 脸部验证方法和设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020170080448A KR102299847B1 (ko) 2017-06-26 2017-06-26 얼굴 인증 방법 및 장치

Publications (2)

Publication Number Publication Date
KR20190001066A true KR20190001066A (ko) 2019-01-04
KR102299847B1 KR102299847B1 (ko) 2021-09-08

Family

ID=61868337

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020170080448A KR102299847B1 (ko) 2017-06-26 2017-06-26 얼굴 인증 방법 및 장치

Country Status (4)

Country Link
US (1) US10579865B2 (ko)
EP (1) EP3422250B1 (ko)
KR (1) KR102299847B1 (ko)
CN (1) CN109117700A (ko)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20210047228A (ko) * 2019-10-21 2021-04-29 배재대학교 산학협력단 시맨틱 분할을 이용한 소나무 재선충 확산 방지 시스템 및 방법
WO2021243029A1 (en) * 2020-05-28 2021-12-02 Nec Laboratories America, Inc. Facial recognition for masked individuals

Families Citing this family (47)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6642420B2 (ja) * 2014-02-26 2020-02-05 株式会社ニコン 撮像装置
US10339365B2 (en) * 2016-03-31 2019-07-02 Snap Inc. Automated avatar generation
US10432559B2 (en) 2016-10-24 2019-10-01 Snap Inc. Generating and displaying customized avatars in electronic messages
CN109288233A (zh) * 2017-07-25 2019-02-01 丽宝大数据股份有限公司 可标示修容区域的身体信息分析装置
CN108229120B (zh) * 2017-09-07 2020-07-24 北京市商汤科技开发有限公司 人脸解锁及其信息注册方法和装置、设备、程序、介质
CN107679490B (zh) * 2017-09-29 2019-06-28 百度在线网络技术（北京）有限公司 用于检测图像质量的方法和装置
CN108875335B (zh) * 2017-10-23 2020-10-09 北京旷视科技有限公司 人脸解锁与录入表情和表情动作的方法、以及认证设备和非易失性存储介质
KR102374747B1 (ko) * 2017-12-15 2022-03-15 삼성전자주식회사 객체를 인식하는 장치 및 방법
US10916003B2 (en) * 2018-03-20 2021-02-09 Uber Technologies, Inc. Image quality scorer machine
US10769261B2 (en) * 2018-05-09 2020-09-08 Futurewei Technologies, Inc. User image verification
CN108763911B (zh) * 2018-06-06 2019-12-06 Oppo广东移动通信有限公司 验证方法、验证装置、电子设备和计算机可读存储介质
WO2019233199A1 (zh) * 2018-06-06 2019-12-12 Oppo广东移动通信有限公司 验证方法、验证装置及计算机可读存储介质
TWI680440B (zh) * 2018-08-31 2019-12-21 雲云科技股份有限公司 判斷使用者之姿勢之影像偵測方法以及影像偵測裝置
TWI702570B (zh) 2018-08-31 2020-08-21 雲云科技股份有限公司 選取使用者之代表性影像之影像偵測方法以及影像偵測裝置
TWI676136B (zh) 2018-08-31 2019-11-01 雲云科技股份有限公司 使用雙重分析之影像偵測方法以及影像偵測裝置
US11216541B2 (en) 2018-09-07 2022-01-04 Qualcomm Incorporated User adaptation for biometric authentication
KR102483650B1 (ko) * 2018-12-31 2023-01-03 삼성전자주식회사 사용자 인증 장치 및 방법
EP3674974A1 (en) 2018-12-31 2020-07-01 Samsung Electronics Co., Ltd. Apparatus and method with user verification
JP7122693B2 (ja) * 2019-02-01 2022-08-22 パナソニックＩｐマネジメント株式会社 顔認証システムおよび顔認証方法
US10467398B1 (en) * 2019-03-14 2019-11-05 Alibaba Group Holding Limited Authentication by transmitting information through a human body
CN110189252B (zh) * 2019-06-10 2023-08-18 北京字节跳动网络技术有限公司 生成平均脸图像的方法和装置
US20230182749A1 (en) * 2019-07-30 2023-06-15 Lg Electronics Inc. Method of monitoring occupant behavior by vehicle
US20220254190A1 (en) * 2019-08-14 2022-08-11 Google Llc Systems and Methods Using Person Recognizability Across a Network of Devices
CN110532965B (zh) * 2019-08-30 2022-07-26 京东方科技集团股份有限公司 年龄识别方法、存储介质及电子设备
US11193312B1 (en) * 2019-09-30 2021-12-07 Ambarella International Lp Child safety lock
CN111339813B (zh) * 2019-09-30 2022-09-27 深圳市商汤科技有限公司 人脸属性识别方法、装置、电子设备和存储介质
CN110851457A (zh) * 2019-10-21 2020-02-28 广东优世联合控股集团股份有限公司 登录信息检索方法
US11157811B2 (en) * 2019-10-28 2021-10-26 International Business Machines Corporation Stub image generation for neural network training
CN110909690B (zh) * 2019-11-26 2023-03-31 电子科技大学 一种基于区域生成的遮挡人脸图像检测方法
US20210241019A1 (en) * 2020-01-31 2021-08-05 Salesforce.Com, Inc. Machine learning photographic metadata
US11328532B2 (en) * 2020-04-20 2022-05-10 Scott C Harris Mask aware biometric identification system
US10846857B1 (en) 2020-04-20 2020-11-24 Safe Tek, LLC Systems and methods for enhanced real-time image analysis with a dimensional convolution concept net
CN111507313B (zh) * 2020-06-04 2020-11-27 江苏省人民医院（南京医科大学第一附属医院） 口罩佩戴姿态辨识平台及方法
KR20210157052A (ko) * 2020-06-19 2021-12-28 삼성전자주식회사 객체 인식 방법 및 객체 인식 장치
CN112085701A (zh) * 2020-08-05 2020-12-15 深圳市优必选科技股份有限公司 一种人脸模糊度检测方法、装置、终端设备及存储介质
CN111914858A (zh) * 2020-08-17 2020-11-10 浙江大华技术股份有限公司 特征值的确定方法及装置、存储介质和电子装置
CN112115803B (zh) * 2020-08-26 2023-10-13 深圳市优必选科技股份有限公司 口罩状态提醒方法、装置及移动终端
KR102414759B1 (ko) * 2020-08-26 2022-06-29 주식회사 로보러스 얼굴 특징점 정보를 포함한 패턴 코드 인증을 수행하는 컴퓨팅 장치 및 그 방법
US20220100989A1 (en) * 2020-09-25 2022-03-31 Apple Inc. Identifying partially covered objects utilizing machine learning
CN112257552B (zh) * 2020-10-19 2023-09-05 腾讯科技（深圳）有限公司 图像处理方法、装置、设备及存储介质
US11527104B2 (en) * 2021-02-09 2022-12-13 Danny Rittman Systems and methods of facial and body recognition, identification and analysis
JP7346528B2 (ja) * 2021-05-26 2023-09-19 キヤノン株式会社 画像処理装置、画像処理方法及びプログラム
EP4350611A1 (en) * 2021-05-26 2024-04-10 Canon Kabushiki Kaisha Image processing device and image processing method for performing facial authentication
US11829460B2 (en) * 2021-05-27 2023-11-28 Capital One Services, Llc Systems and methods for biometric authentication via face covering
CN113255587B (zh) * 2021-06-24 2021-10-15 深圳市光鉴科技有限公司 基于深度相机的刷脸支付系统
US20230087476A1 (en) * 2021-09-17 2023-03-23 Kwai Inc. Methods and apparatuses for photorealistic rendering of images using machine learning
CN114093012B (zh) * 2022-01-18 2022-06-10 荣耀终端有限公司 人脸遮挡的检测方法和检测装置

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100329568A1 (en) * 2008-07-02 2010-12-30 C-True Ltd. Networked Face Recognition System
KR20130105515A (ko) * 2012-03-15 2013-09-25 가부시끼가이샤 도시바 인물 화상 처리 장치 및 인물 화상 처리 방법
KR20150107098A (ko) * 2014-03-13 2015-09-23 엘지전자 주식회사 이동 단말기 및 이의 제어 방법
KR20160078208A (ko) * 2014-12-24 2016-07-04 삼성전자주식회사 생체 인증 장치 및 방법

Family Cites Families (41)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6964023B2 (en) * 2001-02-05 2005-11-08 International Business Machines Corporation System and method for multi-modal focus detection, referential ambiguity resolution and mood classification using multi-modal input
DE50212936D1 (de) * 2002-10-24 2008-12-04 L 1 Identity Solutions Ag Prüfung von Bildaufnahmen von Personen
KR100571826B1 (ko) * 2003-12-02 2006-04-17 삼성전자주식회사 대용량 얼굴 인식 장치 및 방법
KR100601957B1 (ko) * 2004-07-07 2006-07-14 삼성전자주식회사 얼굴 인식을 위한 영상간 대응 결정 방법 및 장치, 이를이루기위한 영상 보정 방법 및 장치
KR100682906B1 (ko) * 2004-12-09 2007-02-15 삼성전자주식회사 부스트 알고리즘을 이용한 영상의 얼굴 검출 장치 및 방법
US7817826B2 (en) * 2005-08-12 2010-10-19 Intelitrac Inc. Apparatus and method for partial component facial recognition
US7450740B2 (en) * 2005-09-28 2008-11-11 Facedouble, Inc. Image classification and information retrieval over wireless digital networks and the internet
US8085995B2 (en) 2006-12-01 2011-12-27 Google Inc. Identifying images using face recognition
EP2153374B1 (en) 2007-05-24 2014-10-01 FotoNation Limited Image processing method and apparatus
US10169646B2 (en) * 2007-12-31 2019-01-01 Applied Recognition Inc. Face authentication to mitigate spoofing
US8224092B2 (en) * 2008-07-08 2012-07-17 Xerox Corporation Word detection method and system
JP2010272109A (ja) * 2009-04-20 2010-12-02 Fujifilm Corp 画像処理装置、画像処理方法およびプログラム
JP5684488B2 (ja) * 2009-04-20 2015-03-11 富士フイルム株式会社 画像処理装置、画像処理方法およびプログラム
KR101667033B1 (ko) * 2010-01-04 2016-10-17 삼성전자 주식회사 위치 기반 정보를 이용한 증강 현실 서비스 장치 및 그 방법
US8326001B2 (en) 2010-06-29 2012-12-04 Apple Inc. Low threshold face recognition
US8509537B2 (en) * 2010-08-05 2013-08-13 Xerox Corporation Learning weights of fonts for typed samples in handwritten keyword spotting
KR101172213B1 (ko) * 2010-12-08 2012-08-07 현대자동차주식회사 얼굴인증 시스템 및 그 방법
US9317530B2 (en) 2011-03-29 2016-04-19 Facebook, Inc. Face recognition based on spatial and temporal proximity
US9489567B2 (en) 2011-04-11 2016-11-08 Intel Corporation Tracking and recognition of faces using selected region classification
US9916538B2 (en) * 2012-09-15 2018-03-13 Z Advanced Computing, Inc. Method and system for feature detection
US9514332B2 (en) * 2012-02-03 2016-12-06 See-Out Pty Ltd. Notification and privacy management of online photos and videos
AU2013205535B2 (en) * 2012-05-02 2018-03-15 Samsung Electronics Co., Ltd. Apparatus and method of controlling mobile terminal based on analysis of user's face
US10002297B2 (en) * 2012-06-20 2018-06-19 Imprivata, Inc. Active presence detection with depth sensing
WO2014024043A2 (en) * 2012-08-06 2014-02-13 See-Out Pty. Ltd. System and method for determining graph relationships using images
US8977012B2 (en) 2012-10-31 2015-03-10 Google Inc. Image denoising system and method
EP2915101A4 (en) * 2012-11-02 2017-01-11 Itzhak Wilf Method and system for predicting personality traits, capabilities and suggested interactions from images of a person
US10095917B2 (en) * 2013-11-04 2018-10-09 Facebook, Inc. Systems and methods for facial representation
US9311525B2 (en) * 2014-03-19 2016-04-12 Qualcomm Incorporated Method and apparatus for establishing connection between electronic devices
US9405960B2 (en) * 2014-06-17 2016-08-02 Beijing Kuangshi Technology Co., Ltd. Face hallucination using convolutional neural networks
CA2902093C (en) * 2014-08-28 2023-03-07 Kevin Alan Tussy Facial recognition authentication system including path parameters
WO2016049655A1 (en) 2014-09-26 2016-03-31 Shenzhen Huiding Technology Co., Ltd. Fingerprint sensors
KR101656373B1 (ko) 2014-10-15 2016-09-12 서울시립대학교 산학협력단 얼굴 식별 방법, 얼굴 식별 장치 및 이 방법을 실행시키는 컴퓨터 프로그램
US9384385B2 (en) 2014-11-06 2016-07-05 Intel Corporation Face recognition using gradient based feature analysis
KR102357326B1 (ko) 2014-11-19 2022-01-28 삼성전자주식회사 얼굴 특징 추출 방법 및 장치, 얼굴 인식 방법 및 장치
KR20160061856A (ko) 2014-11-24 2016-06-01 삼성전자주식회사 객체 인식 방법 및 장치, 및 인식기 학습 방법 및 장치
KR20170000748A (ko) 2015-06-24 2017-01-03 삼성전자주식회사 얼굴 인식 방법 및 장치
JP6754619B2 (ja) 2015-06-24 2020-09-16 三星電子株式会社Ｓａｍｓｕｎｇ Ｅｌｅｃｔｒｏｎｉｃｓ Ｃｏ．，Ｌｔｄ． 顔認識方法及び装置
US10546183B2 (en) * 2015-08-10 2020-01-28 Yoti Holding Limited Liveness detection
US10102358B2 (en) * 2015-12-29 2018-10-16 Sensory, Incorporated Face-controlled liveness verification
CN105956552B (zh) * 2016-04-29 2019-08-02 中国人民解放军国防科学技术大学 一种人脸黑名单监测方法
CN106203533B (zh) * 2016-07-26 2019-09-20 厦门大学 基于混合训练的深度学习人脸验证方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100329568A1 (en) * 2008-07-02 2010-12-30 C-True Ltd. Networked Face Recognition System
KR20130105515A (ko) * 2012-03-15 2013-09-25 가부시끼가이샤 도시바 인물 화상 처리 장치 및 인물 화상 처리 방법
KR20150107098A (ko) * 2014-03-13 2015-09-23 엘지전자 주식회사 이동 단말기 및 이의 제어 방법
KR20160078208A (ko) * 2014-12-24 2016-07-04 삼성전자주식회사 생체 인증 장치 및 방법

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20210047228A (ko) * 2019-10-21 2021-04-29 배재대학교 산학협력단 시맨틱 분할을 이용한 소나무 재선충 확산 방지 시스템 및 방법
WO2021243029A1 (en) * 2020-05-28 2021-12-02 Nec Laboratories America, Inc. Facial recognition for masked individuals

Also Published As

Publication number Publication date
EP3422250A1 (en) 2019-01-02
EP3422250B1 (en) 2023-09-20
CN109117700A (zh) 2019-01-01
US10579865B2 (en) 2020-03-03
US20180373924A1 (en) 2018-12-27
KR102299847B1 (ko) 2021-09-08

Similar Documents

Publication Publication Date Title
KR102299847B1 (ko) 얼굴 인증 방법 및 장치
JP7365445B2 (ja) コンピューティング装置及び方法
KR102483642B1 (ko) 라이브니스 검사 방법 및 장치
KR102359558B1 (ko) 얼굴 인증 방법 및 장치
KR102387571B1 (ko) 라이브니스 검사 방법 및 장치
US9785823B2 (en) Systems and methods for performing fingerprint based user authentication using imagery captured using mobile devices
TWI706266B (zh) 生物識別系統及用於生物識別之電腦實施方法
US11449971B2 (en) Method and apparatus with image fusion
KR102415509B1 (ko) 얼굴 인증 방법 및 장치
KR102561723B1 (ko) 모바일 디바이스를 사용하여 캡처된 화상을 사용하여 지문 기반 사용자 인증을 수행하기 위한 시스템 및 방법
KR20180109578A (ko) 얼굴 인증 방법 및 장치
KR20180053108A (ko) 홍채 영역 추출 방법 및 장치
US9239957B2 (en) Image processing method and apparatus
WO2016084072A1 (en) Anti-spoofing system and methods useful in conjunction therewith
KR20170002892A (ko) 위조 지문 검출 방법 및 장치, 지문 인식 방법 및 장치
Galdi et al. FIRE: Fast Iris REcognition on mobile phones by combining colour and texture features
US20230222842A1 (en) Improved face liveness detection using background/foreground motion analysis
JP2008015871A (ja) 認証装置、及び認証方法
KR102380426B1 (ko) 얼굴 인증 방법 및 장치
KR20210050649A (ko) 모바일 기기의 페이스 인증 방법
KR102655949B1 (ko) 3d 영상 기반의 얼굴 인증 방법 및 장치
Dixit et al. SIFRS: Spoof Invariant Facial Recognition System (A Helping Hand for Visual Impaired People)
KR20190136349A (ko) 3d 영상 기반의 얼굴 인증 방법 및 장치
CN112597466A (zh) 用户认证方法和系统
KR20210050650A (ko) 모바일 기기의 페이스 인증을 통한 잠금 해제 방법

Legal Events

Date Code Title Description
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant