KR20200042192A - 얼굴 인식 방법 및 장치 - Google Patents

얼굴 인식 방법 및 장치 Download PDF

Info

Publication number
KR20200042192A
KR20200042192A KR1020180122471A KR20180122471A KR20200042192A KR 20200042192 A KR20200042192 A KR 20200042192A KR 1020180122471 A KR1020180122471 A KR 1020180122471A KR 20180122471 A KR20180122471 A KR 20180122471A KR 20200042192 A KR20200042192 A KR 20200042192A
Authority
KR
South Korea
Prior art keywords
image
block
face
image frame
black
Prior art date
Application number
KR1020180122471A
Other languages
English (en)
Other versions
KR102257883B1 (ko
Inventor
명홍철
Original Assignee
정원주
명홍철
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 정원주, 명홍철 filed Critical 정원주
Priority to KR1020180122471A priority Critical patent/KR102257883B1/ko
Publication of KR20200042192A publication Critical patent/KR20200042192A/ko
Application granted granted Critical
Publication of KR102257883B1 publication Critical patent/KR102257883B1/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
    • G06V40/172—Classification, e.g. identification
    • G06K9/00288—
    • G06K9/00228—
    • G06T5/007—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/40—Image enhancement or restoration using histogram techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/90—Dynamic range modification of images or parts thereof
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • 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
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Human Computer Interaction (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Image Analysis (AREA)

Abstract

본 발명은 얼굴 인식 방법에 관한 것으로서, 이전의 이미지 프레임과 현재의 이미지 프레임을 비교하여 새로운 객체를 검출하는 단계, 상기 검출된 새로운 객체의 이미지 영역을 흑백 이미지로 변환하는 단계, 상기 변환된 흑백 이미지를 히스토그램 균등화하는 단계, 상기 히스토그램 균등화된 이미지를 블록별로 분해하여 블록별 그래디언트를 산출하는 단계, 및 사전에 저장된 얼굴 이미지의 블록별 그래디언트 패턴을 상기 산출된 블록별 그래디언트 패턴과 비교하여 상기 현재 이미지 프레임 내의 얼굴 이미지를 인식하는 단계를 포함하는 것을 특징으로 하며, 블록별 그래디언트 패턴을 이용하여 이미지 내에 있는 얼굴을 적은 연산으로 빠르게 인식할 수 있다.

Description

얼굴 인식 방법 및 장치{Face Recognition Apparatus and Method}
본 발명은 얼굴 인식 방법에 관한 것으로서, 더욱 상세하게는 이미지 내에 있는 얼굴을 적은 연산으로 빠르게 인식할 수 있는 얼굴 인식 방법 및 장치에 관한 것이다.
얼굴인식은 생체인식 기술 중 중에서도 급속도로 성장하는 기술로 페이스북이나 구글 같은 업체들도 여기에 관심을 보이고 있다. 페이스북은 자사의 얼굴인식 및 태깅 기능을 향상하려는 노력의 일환으로 2012년 페이스닷컴(Face.com)을 인수했다.
애플은 3D 센서를 지원하는 최신 차세대 스마트폰인 아이폰 X에 얼굴인식 기술을 탑재해 한눈에 휴대전화를 잠금 해제할 수 있도록 했다. 구글은 사용자가 암호를 입력하지 않고 사이트에 등록할 수 있는 데스크톱 브라우저를 발표했다. 대신 구글은 얼굴인식을 포함한 생체인식 정보를 사용했다.
아마존도 자체 인식 기능(Amazon Reognognition)을 개발했다. 알리바바가 소유한 모바일 지불 앱인 알리페이는 중국에서 1억 2,000만 명의 사용자가 사용하며 얼굴 인식을 통해 돈을 송금하여 신원을 확인하도록 했다.
생체 인식 중에서도 얼굴 인식 기술은, 지문 인식, 홍채 인식 등 사용자의 특별한 동작이나 행위를 요구하는 인식 기술과 달리, 대상자의 자발적인 동의 없이도 비접촉식으로 사용자의 신분을 확인할 수 있는 장점 때문에 편리하고 경쟁력 있는 생체 인식 기술로 평가 받고 있다.
선행기술 1(KR 10-2013-0048076)은 얼굴 인식을 수행함에 있어 마코브 네트워크를 적용하여 히든 노드 간의 상관관계, 즉 타겟 영상들 간의 유사도를 고려함으로써 얼굴 인식 결과의 정확도를 향상시키는 기술이다.
선행기술 2(KR 10-1877683)는 3 단계의 합성곱 신경망으로 학습하여 얼굴 영역을 검출하는 기술이다.
따라서, 본 발명이 해결하고자 하는 첫 번째 과제는 블록별 그래디언트 패턴을 이용하여 이미지 내에 있는 얼굴을 적은 연산으로 빠르게 인식할 수 있는 얼굴 인식 방법을 제공하는 것이다.
본 발명이 해결하고자 하는 두 번째 과제는 블록별 그래디언트 패턴을 이용하여 이미지 내에 있는 얼굴을 적은 연산으로 빠르게 인식할 수 있는 얼굴 인식 장치를 제공하는 것이다.
또한, 상기된 방법을 컴퓨터에서 실행시키기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록 매체를 제공하는데 있다.
본 발명은 상기 첫 번째 과제를 달성하기 위하여, 이전의 이미지 프레임과 현재의 이미지 프레임을 비교하여 새로운 객체를 검출하는 단계; 상기 검출된 새로운 객체의 이미지 영역을 흑백 이미지로 변환하는 단계; 상기 변환된 흑백 이미지를 히스토그램 균등화하는 단계; 상기 히스토그램 균등화된 이미지를 블록별로 분해하여 블록별 그래디언트를 산출하는 단계; 및 사전에 저장된 얼굴 이미지의 블록별 그래디언트 패턴을 상기 산출된 블록별 그래디언트 패턴과 비교하여 상기 현재 이미지 프레임 내의 얼굴 이미지를 인식하는 단계를 포함하는 얼굴 인식 방법을 제공한다.
본 발명의 일 실시 예에 의하면, 상기 새로운 객체를 검출하는 단계는, 상기 이전의 이미지 프레임과 상기 현재의 이미지 프레임 간에 대응하는 픽셀의 차이값이 0보다 큰 경우 또는 0보다 일정값 이상인 경우 객체가 존재하는 것으로 판단하는 것이 바람직하다.
본 발명은 상기 두 번째 과제를 달성하기 위하여, 이전의 이미지 프레임과 현재의 이미지 프레임을 비교하여 새로운 객체를 검출하는 객체 검출부; 상기 검출된 새로운 객체의 이미지 영역을 흑백 이미지로 변환하는 흑백 이미지 변환부; 상기 변환된 흑백 이미지를 히스토그램 균등화하는 히스토그램 균등화부; 상기 히스토그램 균등화된 이미지를 블록별로 분해하여 블록별 그래디언트를 산출하는 그래디언트 산출부; 사전에 저장된 얼굴 이미지의 블록별 그래디언트 패턴을 상기 산출된 블록별 그래디언트 패턴과 비교하여 상기 현재 이미지 프레임 내의 얼굴 이미지를 인식하는 얼굴이미지 인식부를 포함하는 얼굴 인식 장치를 제공한다.
상기 다른 기술적 과제를 해결하기 위하여, 본 발명은 상기된 얼굴 인식 방법을 컴퓨터에서 실행시키기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록 매체를 제공한다.
본 발명에 따르면, 블록별 그래디언트 패턴을 이용하여 이미지 내에 있는 얼굴을 적은 연산으로 빠르게 인식할 수 있다.
도 1은 본 발명의 바람직한 일 실시 예에 따른 얼굴 인식 장치의 구성도이다.
도 2는 본 발명의 일 실시 예에 따라 얼굴이미지 인식부(140)에 사전에 저장된 얼굴 이미지의 블록별 그래디언트 패턴을 도시한 것이다.
도 3은 본 발명의 바람직한 일 실시 예에 따른 얼굴 인식 장치의 흐름도이다.
이하 첨부된 도면을 참조하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 본 발명을 용이하게 실시할 수 있는 바람직한 실시 예를 상세히 설명한다. 그러나 이들 실시 예는 본 발명을 보다 구체적으로 설명하기 위한 것으로, 본 발명의 범위가 이에 의하여 제한되지 않는다는 것은 당업계의 통상의 지식을 가진 자에게 자명할 것이다.
본 발명이 해결하고자 하는 과제의 해결 방안을 명확하게 하기 위한 발명의 구성을 본 발명의 바람직한 실시 예에 근거하여 첨부 도면을 참조하여 상세히 설명하되, 도면의 구성요소들에 참조번호를 부여함에 있어서 동일 구성요소에 대해서는 비록 다른 도면상에 있더라도 동일 참조번호를 부여하였으며 당해 도면에 대한 설명시 필요한 경우 다른 도면의 구성요소를 인용할 수 있음을 미리 밝혀둔다. 아울러 본 발명의 바람직한 실시 예에 대한 동작 원리를 상세하게 설명함에 있어 본 발명과 관련된 공지 기능 혹은 구성에 대한 구체적인 설명 그리고 그 이외의 제반 사항이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우, 그 상세한 설명을 생략한다.
도 1은 본 발명의 바람직한 일 실시 예에 따른 얼굴 인식 장치의 구성도이다.
도 1을 참조하면, 본 실시 예에 따른 얼굴 인식 장치는 객체 검출부(100), 흑백 이미지 변환부(110), 히스토그램 균등화부(120), 그래드언트 산출부(130), 및 얼굴이미지 인식부(140)로 구성된다.
객제 검출부(100)는 이전의 이미지 프레임과 현재의 이미지 프레임을 비교하여 새로운 객체를 검출한다.
이전의 이미지 프레임과 현재의 이미지 프레임을 비교하여 각 이미지 프레임 간에 대응하는 픽셀의 차이값이 0보다 큰 경우 또는 0보다 일정값 이상인 경우 객체가 존재하는 영역의 픽셀로 판단할 수 있다.
흑백 이미지 변환부(110)는 상기 검출된 새로운 객체의 이미지 영역을 흑백 이미지로 변환한다.
상기 새로운 객체의 이미지 영역이 컬러 이미지인 경우 컬러 이미지는 RGB(Red, Green, Blue) 또는 HSL(Hue, Saturation, Luminance) 포맷일 수 있다.
이 경우, HSL 포맷의 Luminance 정보는 흑백 이미지 정보와 대응한다. 따라서, 컬러 이미지가 RGB 포맷인 경우도 HSL 포맷으로 변환하여 흑백 이미지로 변환하는 것이 바람직하다.
히스토그램 균등화부(120)는 상기 변환된 흑백 이미지를 히스토그램 균등화한다.
흑백 이미지의 히스토그램은 이미지 내에서 각 명암값에 해당하는 픽셀의 갯수를 나타낸 것이다. 히스토그램의 x축은 명암값, y축은 빈도수를 나타낸다. 히스토그램의 막대분포가 왼쪽으로 치우칠수록 어두운 이미지를 나타내고, 오른쪽으로 치우칠수록 밝은 이미지를 표현하게 된다. 히스토그램 균등화는 이미지의 히스토그램을 명암값 전 구간에서 고르게 나타나도록 변경하는 것을 말한다.
그래드언트 산출부(130)는 상기 히스토그램 균등화된 이미지를 블록별로 분해하여 블록별 그래디언트를 산출한다.
이미지를 작은 블록으로 분해하여 각 블록별 그래디언트가 어느 방향(상향, 우상향, 좌상향, 하향, 우하향, 우좌향 등)을 향하고 있는지 산출할 수 있다.
그래디언트(Gradient)는 하나의 픽셀을 상기 하나의 픽셀을 둘러싸고 있는 주변 픽셀들과 비교해서 이미지가 어두워지는 방향 또는 밝아지는 방향을 나타내는 것으로 정의한다.
이미지의 모든 픽셀에 대해서 그래디언트를 산출하고, 상기 분해한 블록 내에 있는 픽셀들의 그래디언트를 합하여 블록별 그래디언트를 산출할 수 있다.
이미지의 픽셀을 그대로 사용하는 경우 동일한 사람의 어두운 이미지와 밝은 이미지는 전혀 다른 픽셀값을 갖게 되므로 정확한 비교가 힘들다. 그러나 밝기가 변하는 방향을 고려하여 비교하게 되면, 밝은 이미지와 어두운 이미지를 비교할 때라도 밝기의 변화방향이 동일하면 동일한 이미지라고 판단할 수 있다.
얼굴이미지 인식부(140)는 사전에 저장된 얼굴 이미지의 블록별 그래디언트 패턴을 상기 산출된 블록별 그래디언트 패턴과 비교하여 상기 현재 이미지 프레임 내의 얼굴 이미지를 인식한다.
도 2는 본 발명의 일 실시 예에 따라 얼굴이미지 인식부(140)에 사전에 저장된 얼굴 이미지의 블록별 그래디언트 패턴을 도시한 것이다.
도 2에 도시된 사전에 저장된 얼굴 이미지의 블록별 그래디언트 패턴(a)을 그래디언트 산출부(130)에서 산출된 블록별 그래디언트의 패턴(b)과 비교하여 유사도가 일정 유사도 이상인 경우 얼굴 이미지로 인식하게 된다.
도 3은 본 발명의 바람직한 일 실시 예에 따른 얼굴 인식 장치의 흐름도이다.
도 3을 참조하면, 본 실시 예에 따른 얼굴 인식 방법은 도 1에 도시된 얼굴 인식 장치에서 시계열적으로 처리되는 단계들로 구성된다. 따라서, 이하 생략된 내용이라 하더라도 도 1에 도시된 얼굴 인식 장치에 관하여 이상에서 기술된 내용은 본 실시 예에 따른 얼굴 인식 방법에도 적용된다.
300 단계에서 얼굴 인식 장치는 이전의 이미지 프레임과 현재의 이미지 프레임을 비교하여 새로운 객체를 검출한다. 새로운 객체는 움직이는 물체인 사람, 자동차, 동물 등이 될 수 있다.
이전의 이미지 프레임과 현재의 이미지 프레임을 비교하여 각 이미지 프레임 간에 대응하는 픽셀의 차이값이 0보다 큰 경우 또는 0보다 일정값 이상인 경우 객체가 존재하는 영역의 픽셀로 판단할 수 있다.
310 단계에서 얼굴 인식 장치는 300 단계에서 검출된 새로운 객체의 이미지 영역을 흑백 이미지로 변환한다.
상기 새로운 객체의 이미지 영역이 컬러 이미지인 경우 컬러 이미지는 RGB(Red, Green, Blue) 또는 HSL(Hue, Saturation, Luminance) 포맷일 수 있다.
이 경우, HSL 포맷의 Luminance 정보는 흑백 이미지 정보와 대응한다. 따라서, 컬러 이미지가 RGB 포맷인 경우도 HSL 포맷으로 변환하여 흑백 이미지로 변환하는 것이 바람직하다.
320 단계에서 얼굴 인식 장치는 310 단계에서 변환된 흑백 이미지를 히스토그램 균등화한다.
흑백 이미지의 히스토그램은 이미지 내에서 각 명암값에 해당하는 픽셀의 갯수를 나타낸 것이다. 히스토그램의 x축은 명암값, y축은 빈도수를 나타낸다. 히스토그램의 막대분포가 왼쪽으로 치우칠수록 어두운 이미지를 나타내고, 오른쪽으로 치우칠수록 밝은 이미지를 표현하게 된다. 히스토그램 균등화는 이미지의 히스토그램을 명암값 전 구간에서 고르게 나타나도록 변경하는 것을 말한다.
330 단계에서 얼굴 인식 장치는 히스토그램 균등화된 이미지를 블록별로 분해하여 블록별 그래디언트를 산출한다.
이미지를 작은 블록으로 분해하여 각 블록별 그래디언트가 어느 방향(상향, 우상향, 좌상향, 하향, 우하향, 우좌향 등)을 향하고 있는지 산출할 수 있다.
그래디언트(Gradient)는 하나의 픽셀을 상기 하나의 픽셀을 둘러싸고 있는 주변 픽셀들과 비교해서 이미지가 어두워지는 방향 또는 밝아지는 방향을 나타내는 것으로 정의한다.
이미지의 모든 픽셀에 대해서 그래디언트를 산출하고, 상기 분해한 블록 내에 있는 픽셀들의 그래디언트를 합하여 블록별 그래디언트를 산출할 수 있다.
이미지의 픽셀을 그대로 사용하는 경우 동일한 사람의 어두운 이미지와 밝은 이미지는 전혀 다른 픽셀값을 갖게 되므로 정확한 비교가 힘들다. 그러나 밝기가 변하는 방향을 고려하여 비교하게 되면, 밝은 이미지와 어두운 이미지를 비교할 때라도 밝기의 변화방향이 동일하면 동일한 이미지라고 판단할 수 있다.
340 단계에서 얼굴 인식 장치는 사전에 저장된 일반적인 얼굴 이미지의 블록별 그래디언트 패턴을 상기 산출된 블록별 그래디언트 패턴과 비교하여 상기 현재 이미지 프레임 내의 얼굴 이미지를 인식한다.
본 발명의 실시 예들은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 본 발명을 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 본 발명의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
이상과 같이 본 발명에서는 구체적인 구성 요소 등과 같은 특정 사항들과 한정된 실시 예 및 도면에 의해 설명되었으나 이는 본 발명의 보다 전반적인 이해를 돕기 위해서 제공된 것일 뿐, 본 발명은 상기의 실시 예에 한정되는 것은 아니며, 본 발명이 속하는 분야에서 통상적인 지식을 가진 자라면 이러한 기재로부터 다양한 수정 및 변형이 가능하다.
따라서, 본 발명의 사상은 설명된 실시 예에 국한되어 정해져서는 아니되며, 후술하는 특허청구범위뿐 아니라 이 특허청구범위와 균등하거나 등가적 변형이 있는 모든 것들은 본 발명 사상의 범주에 속한다고 할 것이다.

Claims (4)

  1. 이전의 이미지 프레임과 현재의 이미지 프레임을 비교하여 새로운 객체를 검출하는 단계;
    상기 검출된 새로운 객체의 이미지 영역을 흑백 이미지로 변환하는 단계;
    상기 변환된 흑백 이미지를 히스토그램 균등화하는 단계;
    상기 히스토그램 균등화된 이미지를 블록별로 분해하여 블록별 그래디언트를 산출하는 단계; 및
    사전에 저장된 얼굴 이미지의 블록별 그래디언트 패턴을 상기 산출된 블록별 그래디언트 패턴과 비교하여 상기 현재 이미지 프레임 내의 얼굴 이미지를 인식하는 단계를 포함하는 얼굴 인식 방법.
  2. 제1 항에 있어서,
    상기 새로운 객체를 검출하는 단계는,
    상기 이전의 이미지 프레임과 상기 현재의 이미지 프레임 간에 대응하는 픽셀의 차이값이 0보다 큰 경우 또는 0보다 일정값 이상인 경우 객체가 존재하는 것으로 판단하는 것을 특징으로 하는 얼굴 인식 방법.
  3. 이전의 이미지 프레임과 현재의 이미지 프레임을 비교하여 새로운 객체를 검출하는 객체 검출부;
    상기 검출된 새로운 객체의 이미지 영역을 흑백 이미지로 변환하는 흑백 이미지 변환부;
    상기 변환된 흑백 이미지를 히스토그램 균등화하는 히스토그램 균등화부;
    상기 히스토그램 균등화된 이미지를 블록별로 분해하여 블록별 그래디언트를 산출하는 그래디언트 산출부; 및
    사전에 저장된 얼굴 이미지의 블록별 그래디언트 패턴을 상기 산출된 블록별 그래디언트 패턴과 비교하여 상기 현재 이미지 프레임 내의 얼굴 이미지를 인식하는 얼굴이미지 인식부를 포함하는 얼굴 인식 장치.
  4. 제1 항 또는 제2 항 중에 어느 한 항의 방법을 컴퓨터에서 실행시키기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체.
KR1020180122471A 2018-10-15 2018-10-15 얼굴 인식 방법 및 장치 KR102257883B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020180122471A KR102257883B1 (ko) 2018-10-15 2018-10-15 얼굴 인식 방법 및 장치

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020180122471A KR102257883B1 (ko) 2018-10-15 2018-10-15 얼굴 인식 방법 및 장치

Publications (2)

Publication Number Publication Date
KR20200042192A true KR20200042192A (ko) 2020-04-23
KR102257883B1 KR102257883B1 (ko) 2021-05-27

Family

ID=70472591

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020180122471A KR102257883B1 (ko) 2018-10-15 2018-10-15 얼굴 인식 방법 및 장치

Country Status (1)

Country Link
KR (1) KR102257883B1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102408567B1 (ko) * 2021-09-28 2022-06-14 주식회사 넷온 영상 내 복수의 대상을 실시간 모자이킹하는 인공지능 영상처리 장치 및 방법

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20140073628A (ko) * 2012-11-30 2014-06-17 한국과학기술원 이미지 처리 기반의 모바일 기기 구동 방법, 모바일 기기의 이미지 처리 방법 및 이를 이용하는 모바일 기기
KR20160032466A (ko) * 2014-09-16 2016-03-24 삼성전자주식회사 영상 특징 추출 방법 및 장치
KR20170037274A (ko) * 2015-09-25 2017-04-04 창원대학교 산학협력단 조명 보정에 기반한 강인한 얼굴 인식 방법 및 장치

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20140073628A (ko) * 2012-11-30 2014-06-17 한국과학기술원 이미지 처리 기반의 모바일 기기 구동 방법, 모바일 기기의 이미지 처리 방법 및 이를 이용하는 모바일 기기
KR20160032466A (ko) * 2014-09-16 2016-03-24 삼성전자주식회사 영상 특징 추출 방법 및 장치
KR20170037274A (ko) * 2015-09-25 2017-04-04 창원대학교 산학협력단 조명 보정에 기반한 강인한 얼굴 인식 방법 및 장치

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102408567B1 (ko) * 2021-09-28 2022-06-14 주식회사 넷온 영상 내 복수의 대상을 실시간 모자이킹하는 인공지능 영상처리 장치 및 방법

Also Published As

Publication number Publication date
KR102257883B1 (ko) 2021-05-27

Similar Documents

Publication Publication Date Title
US20200167554A1 (en) Gesture Recognition Method, Apparatus, And Device
US11449971B2 (en) Method and apparatus with image fusion
US9280702B2 (en) Image processing device and image processing method
US10740912B2 (en) Detection of humans in images using depth information
KR102415509B1 (ko) 얼굴 인증 방법 및 장치
KR101494874B1 (ko) 사용자 인증 방법, 이를 실행하는 장치 및 이를 저장한 기록 매체
US9524558B2 (en) Method, system and software module for foreground extraction
KR101179497B1 (ko) 얼굴 검출 방법 및 장치
AU2016225841B2 (en) Predicting accuracy of object recognition in a stitched image
CN110852160A (zh) 以图像为基准的生物识别系统及计算机实施方法
US9824263B2 (en) Method for processing image with depth information and computer program product thereof
JP7197485B2 (ja) 検出システム、検出装置およびその方法
US10592759B2 (en) Object recognition apparatus and control method therefor
US10764563B2 (en) 3D enhanced image correction
Cheong et al. A novel face detection algorithm using thermal imaging
Devadethan et al. Face detection and facial feature extraction based on a fusion of knowledge based method and morphological image processing
KR102257883B1 (ko) 얼굴 인식 방법 및 장치
US11288816B2 (en) Image detection device, image detection method and storage medium storing program
CN109598206B (zh) 动态手势识别方法及装置
CN111091056A (zh) 图像中的墨镜识别方法及装置、电子设备、存储介质
US20220147773A1 (en) System for local optimization of object detector based on deep neural network and method of creating local database therefor
KR102212358B1 (ko) 실시간 영상에서의 마스킹 방법 및 장치
KR102326185B1 (ko) 딥러닝을 이용한 얼굴 매칭 방법 및 장치
JP2008234619A (ja) 顔認証装置および顔認証方法
JP2013149146A (ja) 物体検知装置、物体検知方法、および、コンピュータ・プログラム

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