KR20200089972A - 이미지의 보안 방법 및 이를 수행하는 전자 장치 - Google Patents

이미지의 보안 방법 및 이를 수행하는 전자 장치 Download PDF

Info

Publication number
KR20200089972A
KR20200089972A KR1020190006926A KR20190006926A KR20200089972A KR 20200089972 A KR20200089972 A KR 20200089972A KR 1020190006926 A KR1020190006926 A KR 1020190006926A KR 20190006926 A KR20190006926 A KR 20190006926A KR 20200089972 A KR20200089972 A KR 20200089972A
Authority
KR
South Korea
Prior art keywords
image
electronic device
biometric
biometric data
detected
Prior art date
Application number
KR1020190006926A
Other languages
English (en)
Inventor
아르템 포포브
올렉산드르 포포브
알렉세이 컬라코브
안드리 아스트라한세브
올렉산드르 쉬허
율리아 타타리노바
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 KR1020190006926A priority Critical patent/KR20200089972A/ko
Priority to PCT/KR2019/001157 priority patent/WO2020149441A1/ko
Priority to EP19909669.4A priority patent/EP3913569A4/en
Publication of KR20200089972A publication Critical patent/KR20200089972A/ko
Priority to US17/378,032 priority patent/US20210342967A1/en

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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T1/00—General purpose image data processing
    • G06T1/0021—Image watermarking
    • G06T1/0028—Adaptive watermarking, e.g. Human Visual System [HVS]-based watermarking
    • 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
    • G06F21/60—Protecting data
    • G06F21/62—Protecting access to data via a platform, e.g. using keys or access control rules
    • G06F21/6218—Protecting access to data via a platform, e.g. using keys or access control rules to a system of files or objects, e.g. local or distributed file system or database
    • G06F21/6245—Protecting personal data, e.g. for financial or medical purposes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T1/00—General purpose image data processing
    • G06T1/0021—Image watermarking
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T9/00—Image coding
    • 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
    • G06V40/12—Fingerprints or palmprints
    • 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
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L9/00—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols
    • H04L9/08—Key distribution or management, e.g. generation, sharing or updating, of cryptographic keys or passwords
    • H04L9/0816—Key establishment, i.e. cryptographic processes or cryptographic protocols whereby a shared secret becomes available to two or more parties, for subsequent use
    • H04L9/0819—Key transport or distribution, i.e. key establishment techniques where one party creates or otherwise obtains a secret value, and securely transfers it to the other(s)
    • H04L9/0822—Key transport or distribution, i.e. key establishment techniques where one party creates or otherwise obtains a secret value, and securely transfers it to the other(s) using key encryption key
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L9/00—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols
    • H04L9/08—Key distribution or management, e.g. generation, sharing or updating, of cryptographic keys or passwords
    • H04L9/0861—Generation of secret information including derivation or calculation of cryptographic keys or passwords
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L9/00—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols
    • H04L9/08—Key distribution or management, e.g. generation, sharing or updating, of cryptographic keys or passwords
    • H04L9/0861—Generation of secret information including derivation or calculation of cryptographic keys or passwords
    • H04L9/0866—Generation of secret information including derivation or calculation of cryptographic keys or passwords involving user or device identifiers, e.g. serial number, physical or biometrical information, DNA, hand-signature or measurable physical characteristics
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/46—Embedding additional information in the video signal during the compression process
    • H04N19/467—Embedding additional information in the video signal during the compression process characterised by the embedded information being invisible, e.g. watermarking
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2201/00—General purpose image data processing
    • G06T2201/005—Image watermarking
    • G06T2201/0051—Embedding of the watermark in the spatial domain
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2201/00—General purpose image data processing
    • G06T2201/005—Image watermarking
    • G06T2201/0052—Embedding of the watermark in the frequency domain
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20081—Training; Learning
    • 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
    • G06V40/14—Vascular patterns
    • 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
    • G06V40/50—Maintenance of biometric data or enrolment thereof
    • G06V40/53—Measures to keep reference information secret, e.g. cancellable biometrics

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Computer Security & Cryptography (AREA)
  • Signal Processing (AREA)
  • Human Computer Interaction (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Computer Hardware Design (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioethics (AREA)
  • Databases & Information Systems (AREA)
  • Medical Informatics (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Collating Specific Patterns (AREA)
  • Editing Of Facsimile Originals (AREA)
  • Image Processing (AREA)

Abstract

본 개시는 이미지의 보안을 설정하는 방법에 관한 것이다. 구체적으로 생체 데이터를 포함하는 이미지의 보안 설정 방법에 있어서, 제1 이미지에서 상기 생체 데이터를 포함하는 영역을 검색하는 동작; 상기 검색된 영역에서 상기 생체 데이터에 대응하는 생체 이미지를 검출하는 동작; 상기 검출된 생체 이미지를 부호화하는 동작; 및 상기 생체 데이터에 대한 액세스를 차단하기 위한 워터 마크, 상기 제1 이미지 및 상기 부호화된 생체 이미지를 합성하여 제2 이미지를 생성하는 동작; 을 포함하는 방법이 개시된다.

Description

이미지의 보안 방법 및 이를 수행하는 전자 장치 {METHOD FOR SECURING IMAGE AND ELECTRONIC DEVICE IMPLEMENTING THE SAME}
본 개시는 이미지의 보안 방법 및 이미지의 보안 방법을 수행하는 전자 장치에 관한 것이다. 구체적으로, 본 개시는 생체 데이터를 포함하는 이미지의 보안 방법에 관한 것이다.
최근 기술의 발전으로 시각적 컨텐츠를 디스플레이 하기 위한 디스플레이 장치들은 촬영한 시각적 컨텐츠들을 디스플레이 장치 내에 저장하거나, 디스플레이 장치와 유선 또는 무선으로 연결된 웹상에 저장할 수 있다. 또한, 인터넷 또는 소셜 네트워크 서비스가 활성화 되면서 많은 수의 이미지 또는 영상들이 실시간으로 웹에 업데이트 되고 있다.
소셜 네트워크 서비스 등을 통하여 인터넷에 업로드 되는 시각적 컨텐츠들은 사용자를 식별할 수 있는 개인의 프라이버시와 관련된 정보들을 포함할 수 있다. 예를 들어, 소셜 네트워크 서비스 등을 통하여 업로드된 시각적 컨텐츠에는 개인의 얼굴 이미지, 홍채 이미지, 지문 이미지 등과 같이 개개인을 식별할 수 있는 생체 데이터들이 포함되는 경우가 많다.
최근, 고화질의 시각적 컨텐츠를 촬영할 수 있는 장치들이 개발되면서, 인터넷 또는 웹상 시각적 컨텐츠들은 개인의 식별 정보를 획득할 수 있을 정도로, 고화질의 생체 데이터를 포함하고 있으며, 인터넷 기술이 발달함에 따라 고화질의 시각적 컨텐츠들은 시간적, 공간적 제약을 넘어서 실시간으로 많은 사람들에게 공유될 수 있다.
생체 데이터를 포함하는 고화질의 시각적 컨텐츠로부터 해커들은 개개인을 식별할 수 있는 개인 식별 정보를 획득할 수 있고, 획득된 개인 식별 정보를 이용하여 개인의 휴대폰, 은행 계좌에 불법적으로 액세스할 수 있다. 따라서, 개인의 생체 데이터를 포함하는 시각적 컨텐츠로부터 개인의 식별 정보 누출을 방지하기 위한 시각적 컨텐츠의 처리 기술이 요구되고 있다.
개시된 실시 예에 따르면, 이미지의 보안을 설정하는 방법 및 이미지의 보안을 해제하는 방법이 제공될 수 있다.
또한, 일 실시 예에 의하면, 생체 데이터를 포함하는 이미지의 보안을 설정하는 방법 및 이를 수행하는 전자 장치가 제공될 수 있다.
상술한 기술적 과제를 달성하기 위한 기술적 수단으로서, 본 개시의 일 실시 예에 따른 생체 데이터를 포함하는 이미지의 보안 설정 방법은 제1 이미지에서 생체 데이터를 포함하는 영역을 검색하는 동작; 상기 검색된 영역에서 상기 생체 데이터에 대응하는 생체 이미지를 검출하는 동작; 상기 검출된 생체 이미지를 부호화하는 동작; 및 상기 생체 데이터에 대한 액세스를 차단하기 위한 워터 마크, 상기 제1 이미지 및 상기 부호화된 생체 이미지를 합성하여 제2 이미지를 생성하는 동작을 포함할 수 있다.
일 실시 예에 따라, 상기 워터 마크는 공간 도메인(spatial-domain) 및 주파수 도메인(frequency domain) 중 적어도 하나의 도메인에서, 상기 생체 데이터 및 기 설정된 암호화 키를 이용하여 생성될 수 있다.
일 실시 예에 따라, 상기 생체 데이터를 포함하는 영역을 검색하는 동작은 상기 제1 이미지가 입력되는 경우, 상기 생체 데이터를 포함하는 영역 및 상기 검색된 영역을 식별하기 위한 위치 정보를 출력으로 하는 이미지 학습 모델을 이용하여 상기 영역을 검색하는 동작; 을 더 포함할 수 있다.
일 실시 예에 따라, 상기 생체 이미지를 검출하는 동작은 상기 검색된 영역에 포함된 상기 생체 데이터의 종류를 결정하는 동작; 및 상기 결정된 생체 데이터의 종류 별 상기 생체 이미지를 검출하는 동작; 을 더 포함할 수 있다.
일 실시 예에 따라, 상기 생체 이미지를 검출하는 동작은 소정의 사용자 식별 정보를 획득하는 동작; 및 상기 검색된 영역에서 상기 획득된 사용자 식별 정보에 매칭되는 생체 이미지를 검출하는 동작; 을 더 포함할 수 있다.
일 실시 예에 따라, 상기 생체 이미지를 부호화하는 동작은 상기 생체 데이터의 종류에 기초하여, 상기 생체 이미지를 부호화 하기 위한 부호화 매개 변수를 결정하는 동작; 및 상기 결정된 부호화 매개 변수를 이용하여 상기 생체 이미지를 부호화하는 동작; 을 더 포함할 수 있다.
일 실시 예에 따라, 상기 부호화 매개 변수는 상기 생체 데이터를 포함하는 이미지의 보안 설정 방법을 수행하는 전자 장치 내의 메모리에 미리 저장되거나, 상기 제1 이미지에 임베딩 될 수 있다.
일 실시 예에 따라, 상기 생체 이미지를 부호화하는 동작은 상기 제1 이미지로부터 상기 생체 이미지가 검출된 이력을 기초로 미리 학습되는 부호화 학습 모델을 이용하여 상기 검출된 생체 이미지를 부호화 하는 동작; 을 더 포함할 수 있다.
일 실시 예에 따라, 상기 생체 데이터는 홍채 정보, 얼굴 정보, 지문 정보, 음성 정보, 손금 정보, 심전도 정보, 뇌전도 정보, 정맥 정보 및 귀 형태에 관한 정보 중 적어도 하나를 포함할 수 있다.
일 실시 예에 따라 상기 방법은, 상기 생체 데이터를 포함하는 이미지의 보안 설정 방법을 수행하는 전자 장치 외부의 데이터 베이스와 상기 제2 이미지를 공유하는 동작; 을 더 포함할 수 있다.
일 실시 예에 따라, 상기 제1 이미지는 상기 생체 데이터를 포함하는 이미지의 보안 설정 방법을 수행하는 전자 장치 내의 메모리, 상기 전자 장치와 유선 또는 무선으로 연결되고, 이미지를 디스플레이 하기 위한 디스플레이 패널을 포함하는 다른 전자 장치 및 상기 전자 장치 외부의 복수의 이미지들이 저장되는 데이터 베이스 중 적어도 하나로부터 획득될 수 있다.
일 실시 예에 따라, 상기 생체 이미지를 부호화하는 동작은 상기 생체 이미지의 시각 정보들을 동일하게 유지하면서, 상기 검출된 생체 이미지를 부호화할 수 있다.
또한, 상기 기술적 과제를 해결하기 위한 또 다른 실시 예에 따라, 생체 데이터를 포함하는 이미지의 보안 해제 방법은 제2 이미지에서 상기 생체 데이터를 포함하는 영역을 검색하는 동작; 상기 검색된 영역에서 상기 생체 데이터에 대응하는 생체 이미지를 검출하는 동작; 상기 검출된 생체 이미지를 복호화하는 동작; 및 상기 생체 데이터에 대한 액세스를 차단하기 위한 워터 마크, 상기 복호화된 생체 이미지 및 상기 제2 이미지를 이용하여 제1 이미지를 생성하는 동작을 포함할 수 있다.
일 실시 예에 따라, 상기 워터 마크는 상기 제2 이미지로부터 검출되고, 기 복호화키를 이용하여 미리 복호화 될 수 있다.
또한, 상기 기술적 과제를 해결하기 위한 본 개시의 또 다른 실시 예에 따라, 이미지의 보안을 설정하는 전자 장치는 통신 인터페이스; 하나 이상의 인스트럭션을 저장하는 메모리; 및 상기 하나 이상의 인스트럭션을 실행함으로써 상기 전자 장치를 제어하는 적어도 하나의 프로세서; 를 포함하고, 상기 프로세서는, 제1 이미지에서 상기 생체 데이터를 포함하는 영역을 검색하고, 상기 검색된 영역에서 상기 생체 데이터에 대응하는 생체 이미지를 검출하고, 상기 검출된 생체 이미지를 부호화하고, 상기 생체 데이터에 대한 액세스를 차단하기 위한 워터 마크, 상기 제1 이미지 및 상기 부호화된 생체 이미지를 합성하여 제2 이미지를 생성할 수 있다.
일 실시 예에 따라, 상기 워터 마크는 공간 도메인(spatial-domain) 및 주파수 도메인(frequency domain) 중 적어도 하나의 도메인에서, 상기 생체 데이터 및 기 설정된 암호화 키를 이용하여 생성될 수 있다.
일 실시 예에 따라, 상기 프로세서는 상기 제1 이미지가 입력되는 경우, 상기 생체 데이터를 포함하는 영역 및 상기 검색된 영역을 식별하기 위한 위치 정보를 출력으로 하는 이미지 학습 모델을 이용하여 상기 영역을 검색할 수 있다.
또한, 상기 기술적 과제를 해결하기 위한 또 다른 실시 예에 따라, 이미지의 보안을 해제하는 전자 장치는 통신 인터페이스; 하나 이상의 인스트럭션을 저장하는 메모리; 및 상기 하나 이상의 인스트럭션을 실행함으로써 상기 전자 장치를 제어하는 적어도 하나의 프로세서; 를 포함하고, 상기 프로세서는 제2 이미지에서 상기 생체 데이터를 포함하는 영역을 검색하고, 상기 검색된 영역에서 상기 생체 데이터에 대응하는 생체 이미지를 검출하고, 상기 검출된 생체 이미지를 복호화하고, 상기 생체 데이터에 대한 액세스를 차단하기 위한 워터 마크, 상기 복호화된 생체 이미지 및 상기 제2 이미지를 이용하여 제1 이미지를 생성할 수 있다.
일 실시 예에 따라, 상기 워터 마크는 상기 제2 이미지로부터 검출되고, 기 설정된 복호화키를 이용하여 미리 복호화 될 수 있다.
또한, 상기 기술적 과제를 해결하기 위한 또 다른 실시 예에 따라, 제1 이미지에서 생체 데이터를 포함하는 영역을 검색하는 동작; 상기 검색된 영역에서 상기 생체 데이터에 대응하는 생체 이미지를 검출하는 동작; 상기 검출된 생체 이미지를 부호화하는 동작; 및 상기 생체 데이터에 대한 액세스를 차단하기 위한 워터 마크, 상기 제1 이미지 및 상기 부호화된 생체 이미지를 합성하여 제2 이미지를 생성하는 동작을 수행하도록 하는 명령어들을 포함하는, 컴퓨터 프로그램을 제공할 수 있다.
도 1은 일 실시 예에 따른, 전자 장치가 이미지의 보안을 설정하는 방법을 개략적으로 설명하기 위한 도면이다.
도 2는 시각적 컨텐츠로부터 노출되는 생체 데이터의 악용 가능성을 설명하기 위한 도면이다.
도 3은 일 실시 예에 따른 전자 장치가 수행하는 이미지의 보안을 설정하는 방법을 나타내는 흐름도이다.
도 4는 일 실시 예에 따른 전자 장치가 수행하는 이미지의 보안을 설정하는 방법을 세부적으로 설명하기 위한 도면이다.
도 5는 또 다른 실시 예에 따른 전자 장치가 홍채 정보를 포함하는 이미지의 보안을 설정하는 방법을 설명하기 위한 도면이다.
도 6은 일 실시 예에 따른 전자 장치가 홍채 정보를 포함하는 이미지의 보안을 설정하는 방법을 세부적으로 설명하기 위한 도면이다.
도 7은 일 실시 예에 따른 제1 이미지 및 워터 마크를 합성하여 제2 이미지를 생성하는 과정을 설명하기 위한 도면이다.
도 8은 또 다른 실시 예에 따른 전자 장치가 지문 정보를 포함하는 이미지의 보안을 설정하는 방법을 설명하기 위한 도면이다.
도 9는 일 실시 예에 따른 전자 장치가 지문 정보를 포함하는 이미지의 보안을 설정하는 방법을 구체적으로 설명하기 위한 도면이다.
도 10은 또 다른 실시 예에 따른 전자 장치가 정맥 정보를 포함하는 이미지의 보안을 설정하는 방법을 설명하기 위한 도면이다.
도 11은 또 다른 실시 예에 따른 전자 장치가 얼굴 정보를 포함하는 이미지의 보안을 설정하는 방법을 설명하기 위한 도면이다.
도 12는 또 다른 실시 예에 따른 전자 장치가 얼굴 정보를 포함하는 이미지의 보안을 설정하는 방법을 설명하기 위한 도면이다.
도 13은 일 실시 예에 따른 전자 장치가 얼굴 정보를 포함하는 이미지의 보안을 설정하는 방법을 세부적으로 설명하기 위한 도면이다.
도 14는 또 다른 실시 예에 따른 전자 장치가 귀 형태에 관한 정보를 포함하는 이미지의 보안을 설정하는 방법을 설명하기 위한 도면이다.
도 15는 일 실시 예에 따른 전자 장치가 귀 형태에 관한 정보를 포함하는 이미지의 보안을 설정하는 방법을 세부적으로 설명하기 위한 도면이다.
도 16은 일 실시 예에 따른 전자 장치가 수행하는 생체 데이터를 포함하는 이미지의 보안 해제 방법을 나타내는 흐름도이다.
도 17은 일 실시 예에 따른 전자 장치가 수행하는 이미지의 보안을 해제하는 방법을 세부적으로 설명하기 위한 도면이다.
도 18은 또 다른 실시 예에 따른 전자 장치가 홍채 정보를 포함하는 이미지의 보안을 해제하는 방법을 설명하기 위한 도면이다.
도 19는 또 다른 실시 예에 따른 전자 장치가 지문 정보를 포함하는 이미지의 보안을 해제하는 방법을 설명하기 위한 도면이다.
도 20은 또 다른 실시 예에 따른 전자 장치가 정맥 정보를 포함하는 이미지의 보안을 해제하는 방법을 설명하기 위한 도면이다.
도 21은 또 다른 실시 예에 따른 전자 장치가 얼굴 정보를 포함하는 이미지의 보안을 해제하는 방법을 설명하기 위한 도면이다.
도 22는 또 다른 실시 예에 따른 전자 장치가 얼굴 정보를 포함하는 이미지의 보안을 해제하는 방법을 설명하기 위한 도면이다.
도 23은 또 다른 실시 예에 따른 전자 장치가 귀 형태에 관한 정보를 포함하는 이미지의 보안을 해제하는 방법을 설명하기 위한 도면이다.
도 24는 일 실시 예에 따른 전자 장치가 복수의 생체 데이터를 포함하는 이미지의 보안을 설정하는 방법을 설명하기 위한 도면이다.
도 25는 일 실시 예에 따른 전자 장치가 복수의 생체 데이터를 포함하는 이미지의 보안을 해제하는 방법을 설명하기 위한 도면이다.
도 26은 일 실시 예에 따른 생체 데이터를 포함하는 이미지의 보안을 설정하는 방법 및 이미지의 보안을 해제하는 방법을 수행하는 전자 장치를 나타내는 블록도이다.
도 27은 또 다른 실시 예에 따른 생체 데이터를 포함하는 이미지의 보안을 설정하는 방법 및 이미지의 보안을 해제하는 방법을 수행하는 전자 장치를 나타내는 블록도이다.
도 28은 일 실시 예에 따른 전자 장치가 처리하는 이미지에 포함된 생체 데이터의 종류를 설명하기 위한 도면이다.
도 29는 일 실시 예에 따른 전자 장치가 서버를 이용하여 이미지의 보안을 설정하거나 해제하는 방법을 설명하기 위한 도면이다.
도 30은 일 실시 예에 따른 서버의 블록도를 나타내는 도면이다.
본 명세서에서 사용되는 용어에 대해 간략히 설명하고, 본 발명의 일 실시예에 대해 구체적으로 설명하기로 한다.
본 명세서에서 사용되는 용어는 본 발명에서의 기능을 고려하면서 가능한 현재 널리 사용되는 일반적인 용어들을 선택하였으나, 이는 당 분야에 종사하는 기술자의 의도 또는 판례, 새로운 기술의 출현 등에 따라 달라질 수 있다. 또한, 특정한 경우는 출원인이 임의로 선정한 용어도 있으며, 이 경우 해당되는 발명의 설명 부분에서 상세히 그 의미를 기재할 것이다. 따라서 본 명세서에서 사용되는 용어는 단순한 용어의 명칭이 아닌, 그 용어가 가지는 의미와 본 발명의 전반에 걸친 내용을 토대로 정의되어야 한다.
명세서 전체에서 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있음을 의미한다. 또한, 명세서에 기재된 "...부", "모듈" 등의 용어는 적어도 하나의 기능이나 동작을 처리하는 단위를 의미하며, 이는 하드웨어 또는 소프트웨어로 구현되거나 하드웨어와 소프트웨어의 결합으로 구현될 수 있다.
아래에서는 첨부한 도면을 참고하여 본 발명의 실시예에 대하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 상세히 설명한다. 그러나 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시 예에 한정되지 않는다. 그리고 도면에서 본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다.
도 1은 일 실시 예에 따른, 전자 장치가 이미지의 보안을 설정하는 방법을 개략적으로 설명하기 위한 도면이다.
일 실시 예에 의하면, 전자 장치(1000)는 생체 데이터를 포함하는 이미지의 보안 설정 방법을 수행함으로써, 생체 데이터를 포함하는 이미지로부터 생체 데이터의 노출을 방지할 수 있다. 본 명세서에서 기술되는 생체 데이터의 노출(leakage)는 생체 데이터를 악용하려는 해커의 생체 데이터에 대한 접근(access)을 의미할 수 있다. 일 실시 예에 의하면, 이미지의 보안 방법은 이미지의 보안 설정 방법과 이미지의 보안 해제 방법을 포함할 수 있다.
고화질의 시각적 컨텐츠를 촬영할 수 있는 장치들이 개발되면서, 인터넷 또는 웹상 시각적 컨텐츠들은 개인의 식별 정보를 획득할 수 있을 정도로, 고화질의 생체 데이터를 포함하고 있으며, 해커들은 생체 데이터를 포함하는 고화질의 시각적 컨텐츠로부터 개개인을 식별할 수 있는 개인 식별 정보를 무단으로 획득할 수 있는 문제점이 있었다.
이러한 문제를 해결하기 위하여, 일반적인 전자 장치(3000)들은 얼굴 정보, 홍채 정보 등을 포함하는 이미지(112)에서 생체 이미지에 대응하는 부분 이미지(115, 117)를 블러링(Blurring)처리함으로써 출력 이미지(114, 116)를 생성하였고, 생체 이미지의 시각적 왜곡(예컨대, 생체 이미지를 흐리게 처리 또는 생체 이미지의 윤곽을 변경)을 통하여 데이터의 노출을 방지하였다. 다만, 일반적인 전자 장치(3000)가 생체 이미지를 블러링 처리하는 경우, 이미지에 시각 정보들이 변경되어 동일한 시각적 내용을 전달할 수 없거나 시각적 품질이 떨어지는 문제점이 있다.
이와는 달리, 일 실시 예에 의한 전자 장치(1000)는 이미지로부터 생체 데이터의 노출을 방지하기 위하여, 생체 이미지를 부호화 시, 생체 이미지의 시각 정보들을 동일하게 유지 할 수 있기 때문에, 이미지의 품질을 유지하면서 동시에 생체 데이터의 노출을 방지할 수 있는 효과가 있다. 즉, 일 실시 예에 의한 전자 장치(1000)가 원본 이미지로부터 검출된 생체 이미지를 부호화하고, 부호화된 생체 이미지, 워터 마크 및 원본 이미지를 합성하여 생성한 출력 이미지(104)는 원본 이미지와 시각적으로 차이가 없기 때문에, 사용자는 원본 이미지(102)와 출력 이미지(104)의 차이를 인지할 수 없다.
본 명세서에서 기술되는 시각 정보들은 이미지 내 픽셀들의 픽셀 값, 픽셀들의 배치 패턴, 픽셀 값 및 픽셀들의 배치 패턴에 기초하여 결정되는 이미지의 명도, 명암, 음영에 대한 정보를 포함할 수 있으나, 이에 한정되는 것은 아니다.
일 실시 예에 의하면, 전자 장치(1000)가 부호화된 생체 이미지, 워터 마크 및 원본 이미지를 합성하는 것은 원본 이미지를 난독 처리(Obfuscation)하는 과정에 대응될 수 있다. 예를 들어, 전자 장치(1000)는 제1 이미지에 포함된 생체 이미지를 난독 처리함(Obfuscation)으로써, 권한 없는 자가 제1 이미지로부터 생체 데이터의 획득, 검출, 재생이 불가하도록 할 수 있다. 또한, 전자 장치(1000)는 제1 이미지에 포함된 생체 이미지를 난독 처리함으로써 제1 이미지에 포함된 생체 데이터에 대한 권한 없는 자의 접근(access)을 차단할 수 있다. 또 다른 실시 예에 의하면, 전자 장치(1000)가 부호화된 생체 이미지, 워터 마크 및 원본 이미지를 합성하는 것은 원본 이미지에 부호화된 생체 이미지 및 워터 마크를 임베딩(embedding)하는 과정에 대응될 수 있다.
일 실시 예에 따른 전자 장치(1000)는 다양한 형태로 구현될 수 있다. 예를 들어, 본 명세서에서 기술되는 전자 장치(1000)는, 디스플레이 패널을 포함하는, 디지털 카메라, 모바일 단말, 스마트 폰(smart phone), 노트북 컴퓨터(laptop computer), 태블릿 PC, 전자북 단말기, 디지털방송용 단말기, PDA(Personal Digital Assistants), PMP(Portable Multimedia Player), 네비게이션, TV, TV셋톱 박스, 디지털 싱글 렌즈 반사 카메라(digital single-lens reflex camera) 또는 폰 카메라등이 있을 수 있으나, 이에 한정되는 것은 아니다.
본 명세서에서 기술되는 전자 장치(1000)는 사용자에 의해 착용될 수 있는 장치(wearable device)일 수 있다. 웨어러블 디바이스는 액세서리 형 장치(예컨대, 시계, 반지, 팔목 밴드, 발목 밴드, 목걸이, 안경, 콘택트 렌즈), 머리 착용형 장치(head-mounted-device(HMD)), 직물 또는 의류 일체형 장치(예: 전자 의복), 신체 부착형 장치(예컨대, 스킨 패드(skin pad)), 또는 생체 이식형 장치(예: implantable circuit) 중 적어도 하나를 포함할 수 있으나, 이에 한정되는 것은 아니다.
도 2는 시각적 컨텐츠로부터 노출되는 생체 데이터의 악용 가능성을 설명하기 위한 도면이다.
소셜 네트워크 서비스 등을 통하여 인터넷에 업로드 되는 시각적 컨텐츠들은 사용자를 식별할 수 있는 개인의 프라이버시와 관련된 정보들을 포함할 수 있다. 예를 들어, 소셜 네트워크 서비스 등을 통하여 업로드된 시각적 컨텐츠에는 개인의 얼굴 이미지, 홍채 이미지, 지문 이미지 등과 같이 개개인을 식별할 수 있는 생체 데이터들이 포함되는 경우가 많다.
최근, 고화질의 시각적 컨텐츠를 촬영할 수 있는 장치들이 개발되면서, 인터넷 또는 웹상 시각적 컨텐츠들은 개인의 식별 정보를 획득할 수 있을 정도로, 고화질의 생체 데이터를 포함하고 있으며, 대상을 촬영함으로써 실시간으로 획득되는 촬영 영상도 개인의 식별 정보를 획득할 수 있을 정도의 고화질의 생체 데이터를 포함하는 경우가 많다.
타인의 생체 데이터를 무단으로 획득하고자 하는 해커들은 사진을 촬영하는 타인의 폰으로부터 획득되는 이미지(202), 소셜 네트워크 서비스(SNS)를 통하여 웹상에 업로드된 이미지(204), 화상 통화를 수행하는 타인의 폰으로부터 획득되는 영상(206) 또는 TV에서 방송되는 영상(208)으로부터 생체 데이터를 획득할 수 있다. 또한, 해커들은 획득된 타인의 생체 데이터를 이용하여 타인의 모바일 폰에 액세스(212) 하거나, 타인의 은행 계좌에 액세스(214)할 수도 있다.
도 3은 일 실시 예에 따른 전자 장치가 수행하는 이미지의 보안을 설정하는 방법을 나타내는 흐름도이다.
S310에서, 전자 장치(1000)는 제1 이미지에서 생체 데이터를 포함하는 영역을 검색할 수 있다. 예를 들어, 전자 장치(1000)는 얼굴 정보를 포함하는 제1 이미지를 획득하는 경우, Eigenface 알고리즘을 이용하여 제1 이미지에서 얼굴 영역을 검색할 수 있다. 또 다른 실시 예에 의하면, 전자 장치(1000)는 상기 제1 이미지가 입력되는 경우, 상기 생체 데이터를 포함하는 영역 및 상기 검색된 영역을 식별하기 위한 위치 정보를 출력으로 하는 이미지 학습 모델을 이용하여 상기 영역을 검색할 수 있다. 전자 장치(1000)가 이용하는 이미지 학습 모델은 이미지 또는 영상에 포함된 생체 데이터 이력에 기초하여 최적화 될 수 있기 때문에, 전자 장치(1000)는 효과적으로 이미지에서 생체 데이터를 포함하는 영역을 검색할 수 있다.
일 실시 예에 의하면, 이미지 학습 모델이 출력하는 위치 정보는 이미지상 피셀의 좌표에 관한 정보를 포함할 수 있다. 또 다른 실시 예에 의하면, 이미지 학습 모델은 과거 입력되는 이미지의 이력(history)에 기초하여 학습될 수 있고, 전자 장치(1000)는 이미지의 이력에 기초하여 미리 학습된 이미지 학습 모델을 이용하여 더 정확한 생체 데이터를 포함하는 영역을 검색할 수 있다.
예를 들어, 전자 장치(1000)는 여러 계층을 가진 깊은 신경망(Neural Network) 구조를 가지는 딥러닝 알고리즘을 이용하여 제1 이미지로부터 생체 데이터를 포함하는 영역을 검색할 수 있다. 딥러닝은 기본적으로 여러 계층을 가진 깊은 신경망(deep neural network) 구조로 형성될 수 있다. 본 개시에 따른 전자 장치가 이용하는 신경망은 합성곱 신경망(Convolutional Neural Network), DNN(Deep Neural Network), RNN(Recurrent Neural Network), BRDNN(Bidirectional Recurrent Deep Neural Network)을 포함할 수 있으나, 이에 한정되지 않는다. 일 실시 예에 의하면, 전자 장치(1000)가 이용하는 신경망은 컨벌루션 레이어와 풀링 레이어(pooling layer)가 반복 사용되는 CNN 구조에 풀리 커넥티드 레이어(fully-connected)가 연결된 구조일 수 있다.
일 실시 예에 의하면, 전자 장치(1000)가 획득하는 제1 이미지는 상기 생체 데이터를 포함하는 이미지의 보안 설정 방법을 수행하는 전자 장치(1000) 내의 메모리, 상기 전자 장치와 유선 또는 무선으로 연결되고, 이미지를 디스플레이 하기 위한 디스플레이 패널을 포함하는 다른 전자 장치 및 상기 전자 장치 외부의 복수의 이미지들이 저장되는 데이터 베이스 중 적어도 하나로부터 획득될 수 있다. 즉, 전자 장치(1000)가 획득하는 제1 이미지는 전자 장치와 연결된 웹상 데이터 베이스, 소셜 네트워크 서비스(sns), 포토 뱅크, 홈 라이브러리, 스트리밍 비디오 서비스 등으로부터 획득될 수 있다.
S320에서, 전자 장치(1000)는 검색된 영역에서 생체 이미지를 검출할 수 있다. 예를 들어, 전자 장치(1000)는 생체 데이터를 포함하는 영역을 검색하고, 검색된 영역에서 생체 데이터에 대응하는 생체 이미지를 검출할 수 있다. 일 실시 예에 의하면, 생체 이미지는 얼굴 이미지, 지문 이미지, 정맥(vein print) 이미지, 귀 형태 이미지, 손금 이미지 중 적어도 하나를 포함할 수 있다. 전자 장치(1000)는 이미지 세그멘테이션(Segmentation) 알고리즘을 이용하여 검색된 영역에서 생체 이미지를 검출할 수 있다.
일 실시 예에 의하면, 전자 장치(1000)는 검색된 영역에 포함된 생체 데이터의 종류를 결정하고, 결정된 생체 데이터의 종류 별 생체 이미지를 검출할 수 있다. 예를 들어, 제1 이미지가 얼굴 정보 및 지문 정보를 포함하는 경우, 전자 장치(1000)는 제1 이미지에 포함된 생체 데이터의 종류(category)를 얼굴 데이터 및 지문 데이터로 결정하고, 얼굴 데이터에 대응하는 생체 이미지, 지문 데이터에 대응하는 생체 이미지를 각각 검출할 수 있다.
또 다른 실시 예에 의하면, 전자 장치(1000)는 소정의 사용자 식별 정보를 획득하고, 생체 데이터를 포함하는 영역에서 획득된 사용자 식별 정보에 매칭되는 생체 이미지를 검출할 수 있다. 예를 들어, 전자 장치(1000)는 특정 사용자를 식별할 수 있는 사용자 식별 정보를 이용하여, 제1 이미지에 포함된 복수의 사용자 들의 생체 이미지 중, 획득된 사용자 식별 정보에 매칭되는 사용자의 생체 이미지만을 검출할 수 있다. 즉, 전자 장치(1000)는 특정 사용자의 생체 데이터에 대응하는 생체 이미지를 부호화함으로써, 특정 사용자의 생체 데이터의 노출만을 방지할 수도 있다.
또 다른 실시 예에 의하면, 전자 장치(1000)는 제1 이미지가 입력 시, 생체 이미지를 출력으로 하는 미리 학습된 이미지 학습 모델을 이용하여 생체 이미지를 검출할 수 있다. 제1 이미지가 입력 시, 생체 이미지를 출력으로 하는 미리 학습된 이미지 학습 모델은 이미지 또는 여상의 생체 데이터 이력에 기초하여 최적화 될 수 있기 때문에, 전자 장치(1000)는 효과적으로 제1 이미지로부터 생체 이미지를 검출할 수 있다.
S330에서, 전자 장치(1000)는 검출된 생체 이미지를 부호화할 수 있다. 예를 들어, 전자 장치(1000)는 제1 이미지에 포함된 생체 데이터의 종류를 결정하고, 결정된 생체 데이터의 종류에 기초하여 생체 이미지를 부호화 하기 위한 부호화 매개 변수를 결정하며, 결정된 부호화 매개 변수를 이용하여 생체 이미지를 부호화할 수 있다. 일 실시 예에 의하면, 전자 장치(1000)는 생체 데이터의 종류에 기초하여, 부호화 매개 변수 및 부호화 메트릭 중 적어도 하나를 결정하고, 결정된 부호화 매개 변수 및 부호화 메트릭 중 적어도 하나를 이용하여 생체 이미지를 부호화할 수 있다.
일 실시 예에 의하면, 부호화 매개 변수는 생체 데이터의 종류에 따라 달라질 수 있다. 또한, 부호화 매개 변수는 생체 데이터를 포함하는 이미지의 보안 설정 방법을 수행하는 전자 장치(1000) 내의 메모리에 미리 저장되거나, 상기 제1 이미지에 생체 데이터와 함께 임베딩(embedding)될 수 있다. 예를 들어, 부호화 매개 변수는 제1 이미지가 홍채 정보를 포함하는 겨우, 홍채 특징을 추출하기 위한 가버 필터(gabor filter)를 특정하기 위한 랜덤 변수, 도우만 적분 미분 연산자(Doughman's integral differential operator)를 결정하기 위한 적분 변수 및 미분 변수를 포함할 수 있다.
S340에서, 전자 장치(1000)는 워터 마크, 제1 이미지 및 부호화된 생체 이미지를 합성하여 제2 이미지를 생성할 수 있다. 예를 들어, 전자 장치(1000)는 워터 마크, 제1 이미지 및 부호화된 생체 이미지를 공간 도메인(spatial-domain) 및 주파수 도메인(frequency domain) 중 적어도 하나의 도메인에서 합성할 수 있다. 일 실시 예에 의하면, 공간 도메인은 이미지 내 2차원 좌표에 의해 위치가 특정되는 픽셀의 밝기, 픽셀 값을 변수로 하는 도메인일 수 있고, 주파수 도메인은 웨이블릿 변환(Wavelet transform) 또는 이산 코사인 변환(discrete cosine transform)에 기초한 주파수(frequency)를 변수로 하는 도메인일 수 있다. 일 실시 예에 의하면, 워터 마크는 공간 도메인(spatial-domain) 및 주파수 도메인(frequency domain) 중 적어도 하나의 도메인에서, 상기 생체 데이터 및 기 설정된 암호화 키를 이용하여 생성될 수 있다.
일 실시 예에 의하면, 전자 장치(1000)가 수행하는 이미지의 보안 설정 방법은 전자 장치(1000)가 이미지 또는 영상을 포함하는 시각적 컨텐츠를 검색하는 도중에 수행될 수도 있으나, 전자 장치(1000)가 시각적 컨텐츠 검색을 모두 종료 한 후에 수행될 수도 있다. 또 다른 실시 예에 의하면, 전자 장치(1000)가 수행하는 이미지의 보안 설정 방법의 각 단계는 복수의 전자 장치(1000)내에 저장된 서로 다른 서비스를 통하여 수행될 수 있다.
또 다른 실시 예에 의하면, 전자 장치(1000)는 사진을 촬영 한 후, 촬영된 사진에 대해 도 3에 기재된 이미지의 보안 설정 방법을 수행할 수 있다. 즉, 제1 이미지는 실시간으로 촬영된 사진 또는 이미지를 포함할 수 있다. 또한, 전자 장치(1000)는 이미지뿐만 아니라, 영상에 대해서도 이미지의 보안 설정 방법을 적용할 수 있다. 즉, 전자 장치(1000)는 화상 통화(video call) 도중에 획득되는 영상에 대해서도 생체 데이터의 노출을 방지하기 위한 난독 처리(obfuscation)를 수행할 수 있다.
일 실시 예에 의하면, 전자 장치(1000)가 수행하는 생체 데이터를 포함하는 이미지의 보안 설정 방법은 윈도우 시스템 레벨(window system level)에서 수행될 수도 있지만, 전자 장치(1000)에 저장된 응용 프로그램 레벨(application level)에서 수행될 수도 있다. 또한, 본원 전자 장치(1000)가 생성한 제2 이미지는 생체 데이터를 포함하는 이미지의 보안 설정 방법을 수행하는 전자 장치 외부의 데이터 베이스와 공유 될 수 있다.
도 4는 일 실시 예에 따른 전자 장치가 수행하는 이미지의 보안을 설정하는 방법을 세부적으로 설명하기 위한 도면이다.
단계 S410은 도 3의 S320에 대응될 수 있으므로 구체적인 설명은 생략하기로 한다. 단계 S420은 도 3의 S320에 대응될 수 있으므로 구체적인 설명은 생략하기로 한다. 단계 S430은 도 3의 S330에 대응될 수 있으므로 구체적인 설명은 생략하기로 한다.
S440에서, 전자 장치(1000)는 제1 이미지에 포함된 생체 데이터 및 기 설정된 암호화키를 이용하여 워터 마크를 생성할 수 있다. 예를 들어, 전자 장치(1000)는 제1 이미지에 포함된 생체 데이터로부터 결정되는 적어도 하나의 생체 특성에 관한 정보들을 기 설정된 암호화 키를 이용하여 암호화함으로써 워터 마크를 생성할 수 있다. 예를 들어, 워터 마크는 공간 도메인(spatial-domain) 및 주파수 도메인(frequency domain) 중 적어도 하나의 도메인에서, 상기 생체 데이터 및 기 설정된 암호화 키를 이용하여 생성될 수 있다.
일 실시 예에 의하면 워터 마크는 비가시성, 강인성, 명확성, 보안성과 같이 컨텐츠의 저작권 보호를 위해 주로 사용되는 기술로, 워터 마크는 컨텐츠에 대한 저작권 정보, 소유권 정보, 원본 컨텐츠에 관한 정보, 위변조 여부를 확인하기 위한 정보들을 포함할 수 있다. 일 실시 예에 의하면, 전자 장치(1000)는 워터 마크를 원본 이미지와 합성함으로써 원본 이미지의 시각 정보들은 동일하게 유지하면서 동시에 원본 이미지로부터 생체 데이터의 누출을 방지할 수 있다.
암호화 키는 이미지의 보안 설정 방법을 수행하는 전자 장치(1000)내의 메모리에 저장될 수도 있고, 전자 장치(1000)와 유선 또는 무선으로 연결되는 서버에 저장될 수 있다. 일 실시 예에 의하면, 전자 장치(1000)는 제1 이미지에 지문 이미지가 포함되는 경우, 지문 이미지를 검출하고, 검출된 지문 이미지로부터 HCP(High Curvature Points)를 생성하며, 생성된 hcp 포인트들에 대한 특성을 미리 설정된 암호화키를 이용하여 암호화함으로써 워터 마크를 생성할 수 있다.
S450에서, 전자 장치(1000)는 워터 마크, 제1 이미지 및 부호화된 생체 이미지를 합성하여 제2 이미지를 생성할 수 있다. 예를 들어, 전자 장치(1000)는 공간 도메인 또는 주파수 도메인 중 적어도 하나의 도메인에서 워터 마크, 제1 이미지 및 부호화된 생체 이미지를 합성할 수 있다. 전자 장치(1000)는 픽셀 단위 연산을 통하여 워터 마크, 제1 이미지 및 부호화된 생체 이미지를 합성할 수 있다.
도 5는 또 다른 실시 예에 따른 전자 장치가 홍채 정보를 포함하는 이미지의 보안을 설정하는 방법을 설명하기 위한 도면이다.
S502에서, 전자 장치(1000)는 제1 이미지를 획득할 수 있다. 예를 들어, 전자 장치(1000)는 전자 장치(1000) 내의 메모리로부터 제1 이미지를 획득하거나, 전자 장치(1000)와 유선 또는 무선으로 연결된 서버 또는 다른 전자 장치로부터 제1 이미지를 획득할 수 있다. 또 다른 실시 예에 의하면, 전자 장치(1000)는 전자 장치 주변의 대상들을 실시간으로 촬영함으로써 제1 이미지를 획득할 수 있다. 제1 이미지는 전자 장치(1000)가 촬영한 영상을 소정의 시간 간격으로 분할함으로써 생성될 수 있다.
S504에서, 전자 장치(1000)는 제1 이미지로부터 홍채 경계 및 중심을 검출할 수 있다. 예를 들어, 전자 장치(1000)는 제1 이미지에 포함된 사람의 좌안 및 우안 각각으로부터 홍채 경계 및 중심을 검출할 수 있다. S506에서, 전자 장치(1000)는 제1 이미지로부터 동공 경계 및 중심을 검출할 수 있다. 전자 장치(1000)는 좌안 및 우안 각각의 동공 경계, 동공 중심, 홍채 경계 및 홍채 중심을 결정하고, 결정된 동공 경계, 동공 중심, 홍채 경계 및 홍채 중심을 이용하여 홍채 이미지를 검출할 수 있다.
S508에서, 전자 장치(1000)는 특징 맵을 생성할 수 있다. 예를 들어, 전자 장치(1000)는 검출된 홍채 경계, 홍채 중심, 동공 경계 및 동공 중심을 이용하여 홍채 이미지로부터 홍채 특징을 결정하고, 결정된 홍채 특징을 이용하여 특징 맵을 생성할 수 있다. 예를 들어, 본 명세서에서 홍채 특징은 홍채원의 중심, 홍채원의 반지름, 홍채원의 지름, 홍채원의 반경, 동공원의 중심, 동공원의 반지름, 동공원의 지름, 동공원의 반경, 홍채원과 동공원의 반지름의 차이, 동공원 반경과 홍채원 반경 사이의 비율 중 적어도 하나에 대한 정보를 포함할 수 있다.
따라서, 전자 장치(1000)가 결정된 홍채 특징을 이용하여 생성하는 특징 맵은 홍채 이미지의 픽셀 별 또는 기 설정된 도메인에서의 홍채원의 중심, 홍채원의 반지름, 홍채원의 지름, 홍채원의 반경, 동공원의 중심, 동공원의 반지름, 동공원의 지름, 동공원의 반경, 홍채원과 동공원의 반지름의 차이, 동공원 반경과 홍채원 반경 사이의 비율 중 적어도 하나에 대한 정보를 포함할 수 있다.
S510에서, 전자 장치(1000)는 생성된 특징 맵을 정규화할 수 있다. 일 실시 예에 의하면, 전자 장치(1000)가 생성된 특징 맵을 정규화하는 것은, 생성된 특징 맵의 픽셀을 극 좌표로부터 선형 좌표로 변환하는 것으로 정의될 수 있다. 또 다른 실시 예에 의하면, 전자 장치(1000)가 생성된 특징 맵을 정규화하는 과정은 홍채 이미지를 정규화하는 과정에 대응될 수 있다. 즉, 전자 장치(1000)는 홍채 이미지의 픽셀을 직교 좌표계(cartesian)로부터 일반 좌표계(generalized coordinate system)로 변환함으로써 홍채 이미지를 정규화할 수 있다.
S512에서, 전자 장치(1000)는 정규화된 홍채 이미지를 부호화(encoding)할 수 있다. 예를 들어, 전자 장치(1000)는 홍채 이미지를 컨벌루션 변환(convolution transform) 및 웨이블릿 변환(wavelet transform) 중 적어도 하나를 이용함으로써 부호화할 수 있다. 또한, 전자 장치(1000)는 정규화된 홍채 이미지를 부호화함에 앞서, 홍채 이미지를 필터링할 수 있다. 일 실시 예에 의하면, 전자 장치(1000)는 가버 필터(gabor filter) 및 Haar 필터 중 적어도 하나를 이용하여 홍채 이미지를 필터링할 수 있다.
S514에서, 전자 장치(1000)는 원본 홍채 이미지와 필터링된 홍채 이미지 사이의 스펙터(Spectre)를 결정할 수 있다. 본 개시에 따른 스펙터는 필터링 되지 않은 홍채 이미지와 필터링된 홍채 이미지의 스펙트럼 차이(spectre difference between original image and filtered image)를 의미할 수 있다. S516에서, 전자 장치(1000)는 필터링 되지 않은 홍채 이미지와 필터링된 홍채 이미지 사이의 스펙터를 기 설정된 암호화키를 이용하여 암호화함으로써 워터 마크를 생성할 수 있다.
S518에서, 전자 장치는 워터 마크를 제1 이미지에 임베딩(embedding)할 수 있다. 예를 들어, 전자 장치는 제1 이미지에 포함된 픽셀의 밝기, 픽셀 값등을 변경함으로써 워터 마크를 제1 이미지에 삽입할 수 있다. 하지만, 전자 장치(1000)는 주파수 도메인으로 변환된 제1 이미지에 포함된 생체 데이터에 주파수 도메인으로 변환된 워터 마크 데이터를 추가함으로써, 워터 마크를 제1 이미지에 삽입할 수 있다.
S520에서, 전자 장치(1000)는 정규화된 홍채 이미지를 역 정규화(Denormalization)할 수 있다. 예를 들어, 전자 장치(1000)는 정규화된 홍채 이미지의 픽셀을 일반 좌표계(generalized coordinate system)로부터 직교 좌표계(cartesian)로 변환함으로써 홍채 이미지를 역 정규화할 수 있다.
S522에서, 전자 장치(1000)는 부호화된 홍채 이미지를 제1 이미지에 임베딩(embedding)할 수 있다. S524에서, 전자 장치(1000)는 부호화된 홍채 이미지 및 워터 마크가 임베딩된 제1 이미지를 이용하여 제2 이미지를 생성할 수 있다. 일 실시 예에 의하면, 전자 장치(1000)가 워터 마크, 부호화된 홍채 이미지 및 제1 이미지를 합성하는 과정은 제1 이미지에 워터 마크 및 부호화된 홍채 이미지를 임베딩하는 과정에 대응될 수 있다.
도 6은 일 실시 예에 따른 전자 장치가 홍채 정보를 포함하는 이미지의 보안을 설정하는 방법을 세부적으로 설명하기 위한 도면이다.
S602에서, 전자 장치(1000)는 원본 이미지를 획득할 수 있다. 예를 들어, 전자 장치(1000)가 획득하는 원본 이미지는 홍채 정보에 대응하는 홍채 이미지를 포함할 수 있다. S604에서, 전자 장치(1000)는 획득된 원본 이미지를 정규화(normalization)할 수 있다. 단계 S604는 도 5의 S510에 대응될 수 있으므로 구체적인 설명은 생략하기로 한다. S606에서, 전자 장치(1000)는 정규화된 이미지로부터 1D(One dimension) Original 신호를 획득할 수 있다.
S608에서, 전자 장치(1000)는 획득된 1D Original 신호를 필터링할 수 있다. 예를 들어, 전자 장치(1000)는 가버(gabor) 필터 및 haar 필터 중 적어도 하나를 이용하여 획득된 1D Original 신호를 필터링할 수 있다. 일 실시 예에 의하면, 전자 장치(1000)가 가버 필터 및 haar 필터 중 적어도 하나를 이용하여 획득된 1D Original 신호를 필터링하는 것은 원본 이미지로부터 홍채 특징을 추출하는 과정에 대응될 수 있다.
S610에서, 전자 장치(1000)는 획득된 필터링된 1D 신호를 이용하여 원본 이미지를 수정할 수 있다. 일 실시 예에 의하면, 전자 장치(1000)는 필터링된 1D 신호를 이용하여 원본 이미지의 적어도 일부를 수정할 수 있다. S612에서, 전자 장치(1000)는 원본 이미지에서 수정된 이미지와 원본 이미지를 합성함으로써 혼합 이미지를 생성할 수 있다. S614에서, 전자 장치(1000)는 생성된 혼합 이미지로부터 홍채 이미지를 분할할 수 있다. 전자 장치(1000)는 기 설정된 이미지 분할(Segmentation) 알고리즘을 이용하여 홍채 이미지를 분할할 수 있다.
S616에서, 전자 장치(1000)는 분할된 홍채 이미지로부터 홍채 특징을 검출할 수 있다. 일 실시 예에 의하면, 홍채 특징은 홍채 이미지에서 동공 위치 및 홍채 위치에 따른 기하학적 파라미터에 관한 정보, 홍채 텍스처에 관한 정보를 포함할 수 있다. S618에서, 전자 장치(1000)는 검출된 홍채 특징을 부호화함으로써 홍채 코드를 생성할 수 있다. 전자 장치(1000)는 생성된 홍채 코드를 기준 코드(Target Code)와 비교함으로써 유사도 파라미터를 생성할 수 있다.
일 실시 예에 의하면 유사도 파라미터는 해밍 거리(hamming distance)를 포함할 수 있다. 해밍 거리(Hamming distance, HD)는 같은 길이의 두 문자열에서, 같은 위치에서 서로 다른 기호들이 몇 개인지 나타내는 거리 함수로, 특히 이진화된 코드의 경우 해밍 거리는 비교될 각 이진화된 코드 사이의 불일치 비트의 수를 나타낸다. 전자 장치(1000)는 홍채 코드와 기준 코드를 비교한 결과 생성된 해밍 거리를 부호화하고, 부호화된 해밍 거리를 이용하여 원본 이미지에 포함된 생체 이미지를 부호화할 수 있다.
도 7은 일 실시 예에 따른 제1 이미지 및 워터 마크를 합성하여 제2 이미지를 생성하는 과정을 설명하기 위한 도면이다.
일 실시 예에 의하면, 전자 장치(1000)는 이미지에 포함된 생체 데이터 및 암호화 키를 이용하여 워터 마크를 생성할 수 있다. 전자 장치(1000)는 워터 마크, 부호화된 생체 이미지 및 제1 이미지를 합성하여 제2 이미지를 생성할 수 있다. 전자 장치(1000)가 생성하는 워터 마크는 제1 이미지(702)와 동일한 규격으로 스케일링될 수 있고, 스케일링된 워터 마크는 제1 이미지(702)와 합성될 수 있다. 일 실시 예에 의하면, 전자 장치(1000)는 제1 이미지(702)의 모든 영역에 워터 마크를 합성할 수도 있으나, 제1 이미지의 적어도 일부 영역에만 워터 마크를 합성할 수도 있다.
또 다른 실시 예에 의하면, 전자 장치(1000)는 이미지에 포함된 생체 데이터 및 미리 설정된 암호화 키에 기초하여 워터 마크 패턴을 결정하고, 결정된 워터 마크 패턴에 따라 생성된 워터 마크, 부호화된 생체 이미지 및 제1 이미지를 합성함으로써 제2 이미지를 생성할 수도 있다. 전자 장치(1000)가 생성하는 워터 마크는 제1 이미지에 합성 되는 경우, 제1 이미지의 시각 정보들을 동일하게 유지할 수 있다. 따라서, 전자 장치(1000)가 생성한 제2 이미지의 시각 정보들은 제1 이미지의 시각 정보들과 동일할 수 있다.
일 실시 예에 의하면, 전자 장치(1000)가 생성한 워터 마크는 랜덤 스마트 깊이 맵(Random Smart Depth Map)의 수정된 매개 변수(parameter) 또는 원본 깊이 맵(Original Depth Map)을 포함할 수 있다. 또한, 워터 마크는 주변 지역의 왜곡을 나타내는 파라미터를 포함할 수도 있다. 또한, 전자 장치(1000)가 생성하는 워터 마크는 공간 도메인(spatial domain)(예컨대, 이미지의 밝기 비율의 변경) 또는 변환 도메인(transformation domain)(예컨대, 웨이블릿 도메인 또는 이산 코사인 변환 게수의 변형)에서, 제1 이미지에 임베딩 될 수 있다. 일 실시 예에 의하면, 전자 장치(1000)는 워터 마크의 암호화 및 복호화 과정을 보안이 확보된 보안 영역(secure world)에서 수행할 수 있다.
도 8은 또 다른 실시 예에 따른 전자 장치가 지문 정보를 포함하는 이미지의 보안을 설정하는 방법을 설명하기 위한 도면이다.
S802에서, 전자 장치(1000)는 제1 이미지를 획득할 수 있다. 전자 장치(1000)가 획득하는 제1 이미지를 지문 정보에 대응하는 지문 이미지를 포함할 수 있다. 도 8에 도시되지는 않았지만, 전자 장치(1000)는 제1 이미지로부터 중심점, 특징점 등을 검출하기에 앞서, 획득된 제1 이미지를 이진화(Image Binarization)할 수 있다. 예를 들어, 전자 장치(1000)는 지문 이미지를 포함하는 제1 이미지에 포함된 음영의 방향성 정보를 참고하여 제1 이미지를 흑과 백으로 단순화할 수 있다. 전자 장치(1000)는 제1 이미지를 이진화 하기 위하여, Otsu Adaptive Threshold, Bradley Local Threshold, Bernsen Threshold 및 Maximum Entropy Threshold 중 적어도 하나의 알고리즘을 사용할 수 있다.
S804에서, 전자 장치(1000)는 제1 이미지로부터 중심점(upper core)을 검출할 수 있다. S806에서, 전자 장치(1000)는 제1 이미지로부터 특징점 및 커브를 검출할 수 있다. 또 다른 실시 예에 의하면, 전자 장치(1000)는 중심점, 특징점, 커브 외에도 융선(Ridge), 골(valley), 끝점(ending point), 분기점(bifurcation), 아래 중심점(lower core), 삼각주(lift) 및 융선의 구조가 변화는 지점인 minutia point를 제1 이미지로부터 획득할 수 있다.
예를, 들어, 융선은 지문에서 선 모양으로 나타나는 부분, 산맥과 같이 솟아 오른 부분을 나타낼 수 있고, 골은 융선과 융선 사이에 파인 부분을 의미할 수 있다. 또한, 끝점은 융선이 끊어 지는 점, 분기점은 융선이 갈라지는 점을 나타낼 수 있다. 또한, 중심점은 굴곡이 가장 위쪽으로 큰 부분, 아래 중심점은 굴곡이 아래쪽으로 큰 부분을 나타낼 수 있으며, 삼각주는 지문의 융선 흐름이 세 방향에서 모이는 점을 의미할 수 있다.
S808에서, 전자 장치(1000)는 생성된 커브로부터 HCP(High Curvature Pints)를 생성할 수 있다. 예를 들어, 전자 장치(1000)는 생성된 커브에서 복수의 특징점을 검출하고, 검출된 특징점을 이용하여 특징 벡터를 생성하며, 생성된 특징 벡터들의 각도를 이용하여 커브의 곡률(Curvature)를 결정할 수 있다. 전자 장치(1000)는 결정된 커브의 곡률의 변화량에 기초하여 곡률이 변화량이 기 설정된 임계치 이상인 포인트들을 Hcp 포인트로 생성할 수 있다.
S810에서, 전자 장치(1000)는 생성된 Hcp 포인트들을 이용하여 hcp 특성을 결정할 수 있다. 예를 들어, 전자 장치(1000)는 hcp 포인트들을 이용하여 hcp 포인트 사이의 곡률 변화량, hcp 포인트들 사이의 거리, hcp 포인트들의 위치를 결정할 수 있다. 일 실시 예에 의하면, hcp 특성은 hcp 포인트 사이의 곡률 변화량, hcp 포인트들 사이의 거리, hcp 포인트들의 위치에 관한 정보를 포함할 수 있다.
S812에서, 전자 장치(1000)는 기 설정된 암호화키를 이용하여, 결정된 hcp 특성을 암호화함으로써 워터 마크를 생성할 수 있다. 도 8의 단계 S812는 도 5의S516에 대응될 수 있다. S814에서, 전자 장치(1000)는 생성된 워터 마크를 제1 이미지에 임베딩할 수 있다. 일 실시 예에 의하면, 전자 장치(1000)가 생성된 워터 마크를 제1 이미지에 임베딩하는 것은 워터 마크와 제1 이미지를 합성하는 과정에 대응될 수 있다.
S818에서, 전자 장치(1000)는 결정된 Hcp 특성을 변환할 수 있다. 예를 들어, 전자 장치(1000)는 미리 결정된 부호화 매개 변수에 따라 hcp 특성을 변환할 수 있다. 일 실시 예에 의하면, 전자 장치(1000)는 부호화 매개 변수를 이용하여 생성된 hcp 포인트들 중 적어도 하나 이상의 hcp 포인트들의 위치를 변경함으로써, hcp 특성을 변환할 수 있다.
S820에서, 전자 장치(1000)는 변환된 hcp 특성을 부호화할 수 있다. 예를 들어, 전자 장치(1000)는 변환된 hcp 특성을 부호화함으로써 지문 코드를 생성하고, 생성된 지문 코드를 이용하여 지문 이미지를 부호화할 수 있다. S822에서, 전자 장치(1000)는 부호화된 지문 이미지를 제1 이미지에 임베딩 할 수 있다. S824에서, 전자 장치(1000)는 부호화된 지문 이미지 및 워터 마크를 제1 이미지에 임베딩함으로써 제2 이미지를 생성할 수 있다.
도 9는 일 실시 예에 따른 전자 장치가 지문 정보를 포함하는 이미지의 보안을 설정하는 방법을 구체적으로 설명하기 위한 도면이다.
도 9를 참조하면, 전자 장치(1000)는 다양한 방법으로 지문 이미지를 부호화할 수 있다. S912에서, 전자 장치(1000)는 지문 이미지로부터 특징점을 검출할 수 있다. S914에서, 전자 장치(1000)는 검출된 특징점을 이용하여 특징 벡터를 생성할 수 있다. 예를 들어, 전자 장치(1000)는 생성된 특징점들 중 적어도 일부의 특징점을 랜덤(RANDOM)하게 선택함으로써 특징 벡터들을 생성할 수 있다. 또 다른 실시 예에 의하면, 전자 장치(1000)는 생성된 특징점들로부터 생성 가능한 모든 특징 벡터들을 생성할 수도 있다.
S916에서, 전자 장치(1000)는 생성된 특징 벡터들을 선형 방정식(Linear Equation)을 이용하여 선형 변환할 수 있다.
Figure pat00001
여기에서, Y는 변환된 특성 벡터이고, X는 변환 전 특성 벡터를 나타낸다. 또한, a 및 b는 직선 파라미터 이고,
Figure pat00002
및
Figure pat00003
는 노이즈 파라미터를 나타낸다. 전자 장치(1000)는 미리 설정된 직선 파라미터 및 노이즈 파라미터를 이용하여 특징 벡터를 변환할 수 있다. 전자 장치(1000)는 지문 이미지로부터 결정된 특징 벡터를 변환함으로써 지문 특성을 변환할 수 있다. 상기 직선 파라미터 및 노이즈 파라미터는 도 3의 단계 S330의 부호화 매개 변수에 대응될 수 있다.
또 다른 실시 예에 의하면, 전자 장치(1000)는 Homography 행렬을 이용하여 특징 벡터들을 변환할 수 있다. 예를 들어, 전자 장치(1000)는, S922에서, 특징점을 검출하고, S924에서 검출된 특징점을 이용하여 특징 벡터를 생성할 수 있다. S926에서 전자 장치는 특징 벡터들 및 행렬 변환 성분을 이용하여 Homography 행렬을 생성할 수 있다.
Figure pat00004
여기에서, Y는 변환된 지문 특성 행렬이고, X는 변환 전 지문 특성 행렬을 나타낸다. 또한 H는 Homography 행렬을 나타낸다. 전자 장치(1000)는 지문 이미지로부터 결정된 특징 벡터를 이용하여 지문 특성 행렬을 생성할 수 있고, 전자 장치(1000)는 생성된 지문 특성 행렬과 Homography 행렬을 행렬 곱함으로써 지문 특성 행렬을 변환할 수 있다. 전자 장치(1000)는 지문 특성 행렬을 변환함으로써 지문 이미지의 지문 특성을 변환할 수 있다. 일 실시 예에 의하면 호모그래피 행렬은 회전(Rotation) 성분과 변환(translation) 성분을 포함할 수 있다.
또 다른 실시 예에 의하면, 전자 장치(1000)는 지문 이미지로부터 hcp 포인트들을 검출하고, 검출된 hcp 포인트들로부터 hcp 특성을 결정하며, 결정된 hcp 특성을 변환함으로써 지문 특성을 변환할 수 있다. 예를 들어, S932에서, 전자 장치(1000)는 지문 이미지로부터 커브를 검출할 수 있다. S934에서, 전자 장치(1000)는 검출된 커브로부터 Hcp 포인트를 검출할 수 있다. 단계 S934는 도 8의 S808에 대응될 수 있다.
Figure pat00005
여기에서, Y는 변환된 Hcp 특성 벡터이고, X는 변환전 Hcp 특성 벡터를 나타낸다. 또한, a, b 및 c는 직선 파라미터이고,
Figure pat00006
,
Figure pat00007
및
Figure pat00008
는 노이즈 파라미터를 나타낸다.
S936에서, 전자 장치(1000)는 수학식 3을 이용하여, HCP 특성 벡터를 변환할 수 있다. 즉, 전자 장치(1000)는 미리 설정된 직선 파라미터 및 노이즈 파라미터를 이용하여 Hcp 특성 벡터를 변환할 수 있다. 일 실시 예에 의하면, 전자 장치(1000)는 지문 이미지로부터 결정된 Hcp 특성 벡터를 변환함으로써 지문 특성을 변환할 수 있다. 상기 수학식 3의 직선 파라미터 및 노이즈 파라미터는 도 3의 단계 S330의 부호화 매개 변수에 대응될 수 있다.
도 10은 또 다른 실시 예에 따른 전자 장치가 정맥 정보를 포함하는 이미지의 보안을 설정하는 방법을 설명하기 위한 도면이다.
S1002에서, 전자 장치는 제1 이미지를 획득할 수 있다. 예를 들어, 전자 장치(1000)가 획득하는 제1 이미지는 정맥 정보에 대응하는 정맥 이미지를 포함할 수 있다. 도 10에 도시되지는 않았지만, 전자 장치(1000)는 제1 이미지로부터 중심점 및 특징점 등을 검출하기에 앞서, 획득된 제1 이미지를 이진화(Image Binarization)할 수 있다.
예를 들어, 전자 장치(1000)는 정맥 이미지를 포함하는 제1 이미지에 포함된 음영의 방향성 정보를 참고하여 제1 이미지를 흑과 백으로 단순화할 수 있다. 전자 장치(1000)는 제1 이미지를 이진화 하기 위하여, Otsu Adaptive Threshold, Bradley Local Threshold, Bernsen Threshold 및 Maximum Entropy Threshold 중 적어도 하나의 알고리즘을 사용할 수 있다.
S1004에서, 전자 장치(1000)는 제1 이미지로부터 중심점을 검출할 수 있다. S1006에서, 전자 장치(1000)는 제1 이미지로부터 특징점을 검출할 수 있다. S1008에서, 전자 장치(1000)는 검출된 특징점 및 중심점을 이용하여 특징 벡터를 생성할 수 있다. 일 실시 예에 의하면, 전자 장치가 검출하는 특징점은 Minutia point를 포함할 수 있다. 또한, 전자 장치(1000)가 생성환 특징 벡터는 적어도 하나 이상의 특징점들의 좌표 및 특징점이 이루는 각도에 대한 정보를 포함할 수 있다.
일 실시 예에 의하면, 전자 장치(1000)는 검출된 특징점들로부터 생성 가능한 모든 특징 벡터를 생성할 수도 있지만, 특징점들 중 일부의 특징점들을 랜덤하게 선택하고, 랜덤하게 선택된 특징점들만을 이용하여 특징 벡터를 생성할 수도 있다. S1010에서, 전자 장치(1000)는 검출된 특징점을 이용하여 Homography 행렬을 결정할 수 있다. 단계 S1010은 도 9의 S926에 대응될 수 있다.
S1012에서, 전자 장치(1000)는 결정된 특징 벡터들을 이용하여 특징 벡터들의 정맥 특성을 결정할 수 있다. 예를 들어, 전자 장치(1000)는 결정된 특징 벡터들을 이용하여 특징점들 간의 거리, 특징점들의 위치, 특징벡터들 사이의 곡률, 특징벡터들 사이의 각도의 차이 등을 결정할 수 있다. 일 실시 예에 의하면, 상기 정맥 특성은 특징점들 간의 거리, 특징점들의 위치, 특징벡터들 사이의 곡률, 특징벡터들 사이의 각도의 차이 등을 포함할 수 있다.
S1014에서, 전자 장치(1000)는 결정된 Homography 행렬을 이용하여 호모 그래피 행렬의 정맥 특성을 결정할 수 있다. 일 실시 예에 의하면, 호모그래피 행렬의 정맥 특성은 단계 S1012의 정맥 특성에 대응될 수 있다.
S1016에서, 전자 장치(1000)는 암호화키를 이용하여 워터 마크를 생성할 수 있다. 예를 들어, 전자 장치(1000)는 결정된 특징 벡터 및 특징 벡터들이 나타내는 정맥 특성을 암호화키를 이용하여 암호화함으로써 워터 마크를 생성할 수 있다. S1018에서, 전자 장치(1000)는 암호화키를 이용하여 워터 마크를 생성할 수 있다. 예를 들어, 전자 장치(1000)는 결정된 호모 그래피 행렬 및 호모 그래피 행렬이 나타내는 정맥 특성을 암호화키를 이용하여 암호화함으로써 워터 마크를 생성할 수 있다.
S1020에서, 전자 장치(1000)는 특징 벡터들의 정맥 특성을 변환할 수 있다. 전자 장치(1000)가 특징 벡터들의 정맥 특성을 변환하는 과정은 도 9에서, 전자 장치(1000)가 특징 벡터들의 지문 특성을 변환하는 과정에 대응될 수 있다. 예를 들어, 전자 장치(1000)는 기 설정된 직선 파라미터 및 노이즈 파라미터를 이용하여 특징 벡터들을 변환함으로써 특징 벡터들이 나타내는 정맥 특성을 변환할 수 있다.
S1022에서, 전자 장치(1000)는 호모 그래피 행렬의 정맥 특성을 변환할 수 있다. 전자 장치(1000)가 호모 그래피 행렬의 정맥 특성을 변환하는 과정은 도 9에서, 전자 장치(1000)가 호모 그래피 행렬의 지문 특성을 변환하는 과정에 대응될 수 있다. 예를 들어, 전자 장치(1000)는 정맥 이미지로부터 결정된 특징점을 이용하여 정맥 특성 행렬을 생성할 수 있고, 생성된 정맥 특성 행렬과 호모 그래피 행렬을 행렬 곱함으로써 정맥 특성 행렬을 변환할 수 있다. 전자 장치(1000)는 정맥 특성 행렬을 변환함으로써 정맥 이미지의 정맥 특성을 변환할 수 있다.
S1024에서, 전자 장치(1000)는 특징 벡터 및 특징 벡터들이 나타내는 정맥 특성을 암호화함으로써 생성된 워터 마크를 제1 이미지에 임베딩할 수 있다. 일 실시 예에 의하면, 전자 장치(1000)가 생성된 워터 마크를 제1 이미지에 임베딩하는 것은 워터 마크와 제1 이미지를 합성하는 과정에 대응될 수 있다. S1026에서, 전자 장치는 호모 그래피 행렬 및 호모 그래피 행렬이 나타내는 정맥 특성을 암호화함으로써 생성된 워터 마크를 제1 이미지에 임베딩 할 수 있다. S1028에서, 전자 장치(1000)는 부호화된 정맥 이미지를 제1 이미지에 임베딩할 수 있다.
도 10에는 도시되지 않았지만, 전자 장치(1000)는 부호화된 정맥 이미지를 제1 이미지에 임베딩함에 앞서, 변환된 특징 벡터들의 정맥 특성 및 변환된 호모 그래피 행렬의 정맥 특성을 부호화함으로써, 정맥 이미지를 부호화할 수 있다. S1030에서, 전자 장치(1000)는 부호화된 정맥 이미지, 특징 벡터 및 특징 벡터들이 나타내는 정맥 특성을 암호화함으로써 생성된 워터 마크 및 호모 그래피 행렬 및 호모 그래피 행렬이 나타내는 정맥 특성을 암호화함으로써 생성된 워터 마크를 합성함으로써 제2 이미지를 생성할 수 있다.
즉, 전자 장치(1000)는 정맥 이미지로부터 특징 벡터 및 호모 그래피 행렬을 결정하고, 특징 벡터 및 호모 그래피 행렬 각각으로부터 워터 마크를 생성하며, 특징 벡터 및 호모 그래피 행렬 각각에 대하여 생성된 복수의 워터 마크를 이용하여 제2 이미지를 생성할 수 있다.
도 11은 또 다른 실시 예에 따른 전자 장치가 얼굴 정보를 포함하는 이미지의 보안을 설정하는 방법을 설명하기 위한 도면이다.
S1102에서, 전자 장치(1000)는 제1 이미지를 획득할 수 있다. 예를 들어, 전자 장치(1000)가 획득하는 제1 이미지는 얼굴 정보에 대응되는 얼굴 이미지를 포함할 수 있다. S1104에서, 전자 장치(1000)는 획득된 제1 이미지로부터 제1 특징점(keypoint)을 검출할 수 있다. 일 실시 예에 의하면, 전자 장치(1000)는 Harris Corner 코너 검출, SIFT(Scale Invariant Feature Transform), FAST 알고리즘 등을 사용할 수 있지만, 이에 한정되는 것은 아니다.
S1106에서, 전자 장치(1000)는 깊이 맵 검출을 위한 제2 특징점을 검출할 수 있다. 일 실시 예에 의하면, 전자 장치(1000)는 검출된 제2 특징점을 이용하여 랜덤 스마트 깊이 맵(Random Smart Depth Map, RSDM)을 생성할 수 있다. 랜덤 스마트 깊이 맵은 전자 장치(1000)가 검출된 제2 특징점 주변 영역의 깊이 정보를 포함할 수 있다. S1108에서, 전자 장치(1000)는 랜덤 스마트 깊이 맵의 제2 특징점을 이용하여 워터 마크를 생성할 수 있다. 예를 들어, 전자 장치(1000)는 랜덤 스마트 깊이 맵의 제2 특징점들이 나타내는 얼굴 특성을 암호화 키를 이용하여 암호화함으로써 워터 마크를 생성할 수 있다.
S1110에서, 전자 장치(1000)는 왜곡지역(Distortion Area) 주변의 특징점을 검출할 수 있다. 예를 들어, 전자 장치(1000)는 행렬 기반, 왜곡 지역 주변의 특징점을 검출함으로써 얼굴 이미지 내 왜곡 지역의 음영(light-shadow) 특성을 결정할 수 있다. 전자 장치(1000)는 얼굴 이미지 내 왜곡 지역의 음영 특성 및 검출된 제2 특징점이 나타내는 얼굴 특성을 암호화키를 이용하여 암호화함으로써 워터 마크를 생성할 수도 있다.
S1112에서, 전자 장치(1000)는 생성된 워터 마크를 제1 이미지에 임베딩할 수 있다. 일 실시 예에 의하면, 전자 장치(1000)가 생성된 워터 마크를 제1 이미지에 임베딩하는 것은 워터 마크와 제1 이미지를 합성하는 과정에 대응될 수 있다.
S1114에서, 전자 장치(1000)는 결정된 음영(light-shadow) 특성을 변환할 수 있다. 전자 장치(1000)는 결정된 음영(light-shadow) 특성을 변환함으로써 얼굴 특성을 변환할 수 있다. S1116에서, 전자 장치(1000)는 변환된 얼굴 특성을 부호화할 수 있다. 예를 들어, 전자 장치(1000)는 제1 이미지 내 얼굴 이미지로부터 얼굴 특성(예컨대 음영 특성)을 결정하고, 결정된 얼굴 특성을 변환하며, 변환된 얼굴 특성을 부호화함으로써 얼굴 이미지를 부호화할 수 있다.
S1118에서, 전자 장치(1000)는 부호화된 얼굴 이미지를 제1 이미지에 임베딩할 수 있다. 일 실시 예에 의하면, 전자 장치(1000)가 부호화된 얼굴 이미지를 제1 이미지에 임베딩하는 것은 부호화된 얼굴 이미지와 제1 이미지를 합성하는 과정에 대응될 수 있다. S1120에서, 전자 장치(1000)는 워터 마크 및 부호화된 얼굴 이미지를 제1 이미지에 임베딩함으로써 제2 이미지를 생성할 수 있다.
도 12는 또 다른 실시 예에 따른 전자 장치(1000)가 얼굴 정보를 포함하는 이미지의 보안을 설정하는 방법을 설명하기 위한 도면이다.
단계 S1202는 도 11의 S1102에 대응될 수 있으므로 구체적인 설명은 생략하기로 한다. S1204에서, 전자 장치(1000)는 얼굴 이미지가 입력되는 경우, 얼굴 이미지로부터 특징점을 결정하기 위한 특징점의 위치 정보를 출력으로 하는 이미지 학습 모델을 이용하여 제1 특징점을 검출할 수 있다. 예를 들어, 전자 장치(1000)는 복수의 얼굴 이미지를 기초로 미리 학습되는 학습 모델이 저장된 데이터 베이스(1204)와 연결되는 학습부(1202)를 이용하여, 얼굴 이미지로부터 제1 특징점을 검출할 수 있다.
S1208에서, 전자 장치(1000)는 깊이 맵 검출을 위한 제2 특징점을 검출할 수 있다. S1206에서, 전자 장치(1000)는 데이터 베이스(1204)에 저장된 미리 학습된 학습 모델을 학습하는 학습부(1202)를 이용하여, 랜덤 스마트 깊이 맵을 생성할 수 있다. S1208에서, 전자 장치(1000)는 전자 장치(1000)는 랜덤 스마트 깊이 맵(Random Smart Depth Map, RSDM)을 이용하여 제2 특징점을 검출할 수 있다. 전자 장치(1000)가 이용하는 랜덤 스마트 깊이 맵은 워터 마크 추출 및 복호화에 있어 가역적(reversible) 특성을 가질 수 있다.
또 다른 실시 예에 의하면, 전자 장치(1000)는 제2 특징점을 검출하고, 검출된 제2 특징점을 이용하여 랜덤 스마트 깊이 맵을 생성할 수 있다. 일 실시 예에 의하면, 전자 장치(1000)는 Harris Corner 코너 검출, SIFT(Scale Invariant Feature Transform), FAST 알고리즘 중 적어도 하나를 사용하여 특징점을 검출할 수 있지만, 이에 한정되는 것은 아니다. 랜덤 스마트 깊이 맵은 전자 장치(1000)가 검출된 제2 특징점 주변 영역의 깊이 정보를 포함할 수 있다.
또 다른 실시 예에 의하면, 전자 장치(1000)는 제2 특징점을 검출하고, 검출된 제2 특징점들 사이의 해밍 거리를 위한 희소 행렬(sparce matrix) 또는 비대칭행렬(skew-symmetric matrix)를 결정할 수 있다. 희소 행렬 또는 비대칭 행렬을 기초로, 해밍 거리의 최대 값이 정의될 수 있고, 제2 특징점들 사이의 왜곡 수준이 결정될 수 있다. 전자 장치(1000)는 해밍 거리의 최대 값 및 제2 특징점들 사이의 왜곡 수준을 이용하여 제2 특징점을 둘러싸는 왜곡 지역의 음영 특성을 변환할 수 있다.
S1212에서, 전자 장치(1000)는 생성된 워터 마크를 제1 이미지에 임베딩할 수 있다. 일 실시 예에 의하면, 전자 장치(1000)가 생성된 워터 마크를 제1 이미지에 임베딩하는 것은 제1 이미지와 워터 마크를 합성하는 과정에 대응될 수 있다. S1214에서, 전자 장치(1000)는 음영(light-shadow) 특성을 변환할 수 있다. 예를 들어, 전자 장치(1000)는 검출된 제1 특징점 및 제2 특징점을 이용하여 얼굴 특성 중 하나인 음영 특성을 결정하고, 결정된 음영 특성을 변환할 수 있다.
S1216에서, 전자 장치(1000)는 얼굴 이미지를 부호화할 수 있다. 예를 들어, 전자 장치(1000)는 결정된 음영 특성을 음영(light-shadow) 특성을 변환함으로써 얼굴 특성을 변환할 수 있고, 변환된 얼굴 특성을 부호화함으로써 얼굴 이미지를 부호화할 수 있다. S1218에서, 전자 장치(1000)는 부호화된 얼굴 이미지를 제1 이미지에 임베딩할 수 있다. 예를 들어, 전자 장치(1000)가 부호화된 얼굴 이미지를 제1 이미지에 임베딩하는 것은, 부호화된 얼굴 이미지와 제1 이미지를 합성하는 과정에 대응될 수 있다.
S1220에서, 전자 장치(1000)는 부호화된 얼굴 이미지 및 워터 마크를 제1 이미지에 임베딩함으로써 제2 이미지를 생성할 수 있다. 예를 들어, 전자 장치(1000)는 부호화된 얼굴 이미지 및 워터 마크를 제1 이미지에 임베딩하는 것은 부호화된 얼굴 이미지, 워터 마크 및 제1 이미지를 합성하는 과정에 대응될 수 있다.
도 13은 일 실시 예에 따른 전자 장치가 얼굴 정보를 포함하는 이미지의 보안을 설정하는 방법을 세부적으로 설명하기 위한 도면이다.
S1302에서, 전자 장치(1000)는 제1 이미지로부터 얼굴 이미지를 검출할 수 있다. 일 실시 예에 의하면, 전자 장치(1000)는 유전 알고리즘(genetic algorithm) 및 eigenface algorithm 중 적어도 하나를 이용하여 얼굴 이미지를 검출할 수 있다. S1304에서 전자 장치(1000)는 검출된 얼굴 이미지로부터 얼굴 특징점을 검출할 수 있다. 예를 들어, 전자 장치(1000)는 Harris Corner 코너 검출, SIFT(Scale Invariant Feature Transform), FAST 알고리즘 중 적어도 하나를 사용하여 특징점을 검출할 수 있지만, 이에 한정되는 것은 아니다.
S1306에서, 전자 장치(1000)는 깊이 맵 생성을 위한 특징점을 검출할 수 있다. 일 실시 예에 의하면, 전자 장치(1000)는 검출된 특징점 주변의 특정 영역을 검색하고, 검색된 특정 영역 내 왜곡 지역(Surrounding Area Distortion)을 설정할 수 있다. 일 실시 예에 의하면, 왜곡 지역은 지역 단위 깊이의 차이에 대한 정보를 포함할 수 있다. S1308에서, 전자 장치는 설정된 왜곡 지역 주변의 특징점을 검출할 수 있다. 예를 들어, 전자 장치(1000)는 왜곡 지역 내 특징점을 검출하고 검출된 특징점이 나타내는 얼굴 특성을 변환하며, 변환된 얼굴 특성을 부호화함으로써 얼굴 이미지를 부호화할 수 있다.
S1310에서, 전자 장치(1000)는 랜덤 스마트 깊이 맵(Random Smart Depth Map, RSDM)에 의한 특징점을 검출할 수 있다. S1312에서, 전자 장치(1000)는 랜덤 스마트 깊이 맵에 의해 검출된 특징점이 나타내는 음영 특성을 왜곡할 수 있다. 예를 들어, 전자 장치(1000)가 검출한 랜덤 스마트 깊이 맵 상 특징점들은 픽셀 값을 포함하고, 따라서 검출된 특징점 주변의 왜곡 지역들은 지역 단위로 픽셀 값(예컨대 지역 내 픽셀 값들의 평균)을 나타낼 수 있다. 전자 장치(1000)는 지역 단위 픽셀 값들을 변경함으로써, 얼굴 이미지의 음영 특성을 왜곡할 수 있다.
도 14는 또 다른 실시 예에 따른 전자 장치가 귀 형태에 관한 정보를 포함하는 이미지의 보안을 설정하는 방법을 설명하기 위한 도면이다.
S1402에서, 전자 장치(1000)는 제1 이미지를 획득할 수 있다. 예를 들어, 전자 장치(1000)가 획득하는 제1 이미지는 귀 형태에 관한 정보에 대응되는 귀 이미지(Ear image)를 포함할 수 있다. S1406에서, 전자 장치(1000)는 귀 이미지에서 귀 형태를 나타내는 엣지(edge)를 검출할 수 있다. 예를 들어, 전자 장치(1000)는 포스 필드 변환(Force Field Transform) 알고리즘을 이용하여 귀 이미지에서 귀의 형태를 나타내는 엣지를 검출할 수 있다. 예를 들어, 전자 장치(1000)는 제1 이미지에 포함된 하나의 픽셀이, 픽셀 강도에 비례하고, 해당 픽셀의 거리의 제곱에 반 비례하는 등방성의 힘을 주변 픽셀들에게, 전방위로 가하는 역장(force field)을 이용하여 귀 이미지에서 귀를 나타내는 엣지를 검출할 수 있다.
S1408에서, 전자 장치(1000)는 제1 이미지에서 포스 필드의 세기를 검출할 수 있다. 예를 들어, 전자 장치(1000)는 필셀들이 각각 형성하는 포스 필드 내에서, 특정 픽셀이 주변 픽셀에 의해 생성된 포스 필드에 의해 받는 힘을 모두 더함으로써 알짜 힘(net force)를 결정할 수 있다. 예를 들어, 특정 픽셀 x0 주변에 x1, x2 및 x3의 픽셀이 위치할 때, 특정 픽셀 x0가 받는 x1에 의해 받는 힘은 p1, x2 픽셀에 의해 받는 힘은 p2, x3 픽셀에 의해 받는 힘은 p3라고 표시할 수 있다. 일 실시 예에 의하면, 포스 필드 내에서 특정 픽셀이 받는 힘은 힘 벡터로써, 크기와 방향을 가질 수 있다. 전자 장치(1000)는 x0의 픽셀이 받는 힘 p1, p2 및 p3를 모두 벡터합 함으로써 x0 픽셀이 받는 알짜 힘(net force)를 결정할 수 있다.
S1414에서, 전자 장치(1000)는 포스 필드 라인 행렬을 결정할 수 있다. 예를 들어, 전자 장치(1000)는 포스 필드의 세기를 검출하고, 각 픽셀이 받는 알짜 힘을 연결함으로써, 웰(well)까지 진행되는 필드 라인들을 생성하며, 생성된 필드 라인들을 이용하여 포스 필드 라인 행렬을 결정할 수 있다.
S1410에서, 전자 장치(1000)는 암호화 키를 생성할 수 있다. 일 실시 예에 의하면, 전자 장치(1000)가 이용하는 암호화 키는 미리 전자 장치 내의 메모리에 저장될 수 있다. S1412에서, 전자 장치(1000)는 암호화 방법을 결정할 수 있다. 일 실시 예에 의하면, 전자 장치(1000)는 Feistel structure 및 S-P network 중 적어도 하나를 암호화 방법으로 결정할 수 있다.
S1416에서, 전자 장치(100)는 검출된 포스 필드 세기, 암호화 키 및 결정된 암호화 방법을 이용하여 돔 행렬(Dome matrix)를 계산할 수 있다. 본 명세서에서, 돔 행렬(dome matrix)는 돔 형태의 행렬로써, 암호화 키, 포스 필드 변환된 제1 이미지 내 웰(well) 및 융선(ridge)를 이용하여 생성될 수 있다. S1418에서, 전자 장치(1000)는 돔 행렬 및 포스 필드 라인 행렬을 부호화할 수 있다. 또 다른 실시 예에 의하면, 돔 행렬 및 포스 필드 라인 행렬이 나타내는 귀 형태에 관한 특성을 결정하고, 결정된 귀 형태에 관한 특성을 변환함으로써 귀 형태 특성을 변환할 수 있다. 전자 장치(1000)는 변환된 귀 형태에 관한 특성을 부호화함으로써 귀 이미지를 부호화할 수 있다.
S1420에서, 전자 장치(1000)는 부호화된 귀 이미지를 제1 이미지에 임베딩할 수 있다. 일 실시 예에 의하면, 전자 장치(1000)가 부호화된 귀 이미지를 제1 이미지에 임베딩하는 것은 부호화된 귀 이미지 및 제1 이미지를 합성하는 과정에 대응될 수 있다. S1422에서, 전자 장치(1000)는 부호화된 귀 이미지 및 제1 이미지를 합성하여 제2 이미지를 생성할 수 있다.
도 15는 일 실시 예에 따른 전자 장치가 귀 형태에 관한 정보를 포함하는 이미지의 보안을 설정하는 방법을 세부적으로 설명하기 위한 도면이다.
S1504에서, 전자 장치(1000)는 포스 필드 세기를 검출할 수 있다. 단계 S1504는 도 14의 1408에 대응될 수 있으므로 구체적인 설명은 생략하기로 한다. S1506에서, 전자 장치(1000)는 검출된 포스 필드 세기를 이용하여 포스 필드 라인, 웰(Well) 및 융선(Ridge)를 생성할 수 있다. 예를 들어, 전자 장치(1000)는 포스 필드의 세기를 검출하고, 각 픽셀이 받는 알짜 힘을 연결함으로써, 웰(well)까지 진행되는 필드 라인, 웰(well) 및 융선(ridge)을 생성할 수 있다. S1508은 도 14의 1416에 대응될 수 있으므로 구체적인 설명은 생략하기로 한다.
도 16은 일 실시 예에 따른 전자 장치가 수행하는 생체 데이터를 포함하는 이미지의 보안 해제 방법을 나타내는 흐름도이다.
S1610에서, 전자 장치(1000)는 제2 이미지에서 생체 데이터를 포함하는 영역을 검색할 수 있다. 예를 들어, 제2 이미지는 워터 마크, 제1 이미지 및 부호화된 생체 이미지를 합성함으로써 생성된 이미지로 생체 데이터의 누출을 방지하기 위하여 이미지 보안 설정이 된 상태의 이미지일 수 있다. 단계 S1610은 도 3의 단계 S310에 대응될 수 있으므로 구체적인 설명은 생략하기로 한다.
S1620에서, 전자 장치(1000)는 검색된 영역에서 생체 이미지를 검출할 수 있다. 전자 장치(1000)는 검색된 영역에 포함된 생체 데이터의 종류를 결정하고, 결정된 생체 데이터의 종류 별 생체 이미지를 검출할 수 있다. 단계 S1620은 도 3의 S320에 대응될 수 있으므로 구체적인 설명은 생략하기로 한다.
S1630에서, 전자 장치(1000)는 검출된 생체 이미지를 복호화할 수 있다. 예를 들어, 전자 장치(1000)는 제2 이미지에 포함된 생체 데이터의 종류를 결정하고, 결정된 생체 데이터의 종류에 기초하여 결정된 복호화 매개 변수를 이용하여 생체 이미지를 복호화할 수 있다. 일 실시 예에 의하면, 전자 장치(1000)는 생체 데이터의 종류에 기초하여, 복호화 매개 변수 및 복호화 메트릭 중 적어도 하나를 결정하고, 결정된 복호화 매개 변수 및 복호화 메트릭 중 적어도 하나를 이용하여 생체 이미지를 복호화할 수 있다.
S1640에서, 전자 장치(1000)는 생체 데이터에 대한 액세스를 차단하기 위한 워터 마크, 복호화된 생체 이미지 및 제2 이미지를 이용하여 제1 이미지를 생성할 수 있다. 일 실시 예에 의하면, 전자 장치(1000)가 워터 마크, 복호화된 생체 이미지 및 제2 이미지를 이용하여 제1 이미지를 생성하는 것은 난독 처리(Obfuscated)된 제2 이미지의 난독 처리를 해제(de-obfuscated)하는 과정에 대응될 수 잇다.
일 실시 예에 의하면, 전자 장치(1000)가 제1 이미지를 생성하기 위해 이용하는 워터 마크는 상기 제2 이미지로부터 검출되고, 기 복호화키를 이용하여 미리 복호화 될 수 있다. 또 다른 실시 예에 의하면, 전자 장치(1000)는 복호화된 워터 마크, 복호화된 생체 이미지 및 제2 이미지를 이용하여 제1 이미지를 생성할 수 있다.
도 17은 일 실시 예에 따른 전자 장치가 수행하는 이미지의 보안을 해제하는 방법을 세부적으로 설명하기 위한 도면이다.
단계 S1710에서, 전자 장치(1000)는 제2 이미지에서 생체 데이터를 포함하는 영역을 검색할 수 있다. 단계 S1710은 도 16의 S1610에 대응될 수 있으므로 구체적인 설명은 생략하기로 한다. 단계 S1720은 도 16의 S1620에 대응될 수 있으므로 구체적인 설명은 생략하기로 한다. S1730에서, 전자 장치(1000)는 제2 이미지로부터 워터 마크를 검출할 수 있다. 예를 들어, 전자 장치(1000)는 제2 이미지에 임베딩된 워터 마크를 검출하기 위해 디임베딩(de-embedding) 과정을 수행할 수 있다.
S1740에서, 전자 장치(1000)는 검출된 생체 이미지를 복호화할 수 있다. 단계 S1740은 도 16의 S1630에 대응될 수 있으므로 구체적인 설명은 생략하기로 한다. S1750에서, 전자 장치(1000)는 검출된 워터 마크를 기 설정된 복호화 키를 이용하여 복호화 할 수 있다. 예를 들어, 전자 장치(1000)가 제2 이미지로부터 검출된 워터 마크는 기 설정된 암호화 키를 이용하여 암호화된 상태이고, 전자 장치(1000)는 워터 마크에 포함된 생체 데이터를 인식하기 위하여, 기 설정된 복호화키를 이용하여 워터 마크를 복호화할 수 있다.
S1760에서, 전자 장치(1000)는 복호화된 워터 마크, 복호화된 생체 이미지 및 제2 이미지를 이용하여 제1 이미지를 생성할 수 있다. 예를 들어, 전자 장치(1000)는 복호화된 워터 마크, 복호화된 생체 이미지 및 제2 이미지를 합성함으로써 제2 이미지를 생성할 수 있다. 전자 장치(1000)가 복호화된 워터 마크, 복호화된 생체 이미지 및 제2 이미지를 합성하는 것은, 복호화된 워터 마크, 복호화된 생체 이미지 및 제2 이미지를 공간 도메인 또는 주파수 도메인에서 임베딩하는 과정에 대응될 수 있다.
도 18은 또 다른 실시 예에 따른 전자 장치가 홍채 정보를 포함하는 이미지의 보안을 해제하는 방법을 설명하기 위한 도면이다.
S1802에서, 전자 장치(1000)는 제2 이미지를 획득할 수 있다. 예를 들어, 전자 장치(1000)가 획득하는 제2 이미지는 부호화된 생체 이미지, 부호화된 워터 마크 및 제1 이미지(예컨대 원본 이미지)를 포함할 수 있다. 또한, 도 18에는 도시되지는 않았지만, 제 이미지를 이진화(Image Binarization) 할 수 있다.
S1804에서, 전자 장치(1000)는 제2 이미지로부터 워터 마크를 검출할 수 있다. 일 실시 예에 의하면, 워터 마크는 제2 이미지에 임베딩되고, 기 설정된 암호화 키로 부호화된 상태일 수 있다. 또 다른 실시 예에 의하면, 검출된 워터 마크는 전자 장치(1000)내의 메모리에 미리 저장될 수도 있다.
S1808에서, 전자 장치(1000)는 기 설정된 복호화 키를 이용하여 검출된 워터 마크를 복호화할 수 있다. 일 실시 예에 의하면, 복호화 키는 보안이 보장되는 전자 장치 내의 메모리에 미리 저장될 수도 있지만, 전자 장치(1000)와 연결되는 다른 전자 장치 또는 네트워크의 데이터 베이스로부터 수신될 수 있다.
S1810에서, 전자 장치(1000)는 제2 이미지로부터 홍채 경계 및 중심을 검출할 수 있다. S1812에서, 전자 장치(1000)는 제2 이미지로부터 동공 경계 및 동공 중심을 검출할 수 있다. 일 실시 예에 의하면, 전자 장치(1000)는 제2 이미지에 포함된 좌안 및 우안 각각의 동공 경계, 동공 중심, 홍채 경계 및 홍채 중심을 결정하고, 결정된 동공 경계, 동공 중심, 홍채 경계 및 홍채 중심을 이용하여 홍채 이미지를 검출할 수 있다.
S1814에서, 전자 장치(1000)는 특징 맵을 생성할 수 있다. 예를 들어, 전자 장치(1000)는 검출된 홍채 경계, 홍채 중심, 동공 경계 및 동공 중심을 이용하여 홍채 이미지로부터 홍채 특징을 결정하고, 결정된 홍채 특징을 이용하여 특징 맵을 생성할 수 있다. 예를 들어, 본 명세서에서 홍채 특징은 홍채원의 중심, 홍채원의 반지름, 홍채원의 지름, 홍채원의 반경, 동공원의 중심, 동공원의 반지름, 동공원의 지름, 동공원의 반경, 홍채원과 동공원의 반지름의 차이, 동공원 반경과 홍채원 반경 사이의 비율 중 적어도 하나에 대한 정보를 포함할 수 있다. 단계 S1814는 도 5의 S508에 대응될 수 있으므로 구체적인 설명은 생략하기로 한다.
S1816에서, 전자 장치(1000)는 생성된 특징 맵을 정규화할 수 있다. 일 실시 예에 의하면, 전자 장치(1000)가 생성된 특징 맵을 정규화하는 것은, 생성된 특징 맵의 픽셀을 직교 좌표계로부터 일반 좌표계로 변환하는 것으로 정의될 수 있다. S1818에서, 전자 장치(1000)는 정규화된 홍채 이미지를 복호화(decoding)할 수 있다. 예를 들어, 전자 장치(1000)는 컨벌루션 변환(convolution transform) 및 웨이블릿 변환(wavelet transform) 중 적어도 하나를 이용함으로써 복호화할 수 있다.
S1820에서, 전자 장치(1000)는 원본 홍채 이미지와 필터링된 홍채 이미지 사이의 스펙터(Spectre)를 결정할 수 있다. 본 개시에 따른 스펙터는 필터링 되지 않은 홍채 이미지와 필터링된 홍채 이미지의 스펙트럼 차이(spectre difference between original image and filtered image)를 의미할 수 있다.
S1822에서, 전자 장치(1000)는 정규화된 홍채 이미지를 역 정규화(Denormalization)할 수 있다. 예를 들어, 전자 장치(1000)는 정규화된 홍채 이미지의 픽셀을 일반 좌표계(generalized coordinate system)로부터 직교 좌표계(cartesian)로 변환함으로써 홍채 이미지를 역 정규화할 수 있다.
S1824에서, 전자 장치(1000)는 복호화된 홍채 이미지를 제2 이미지에 임베딩할 수 있다. S1826에서, 전자 장치(1000)는 복호화된 홍채 이미지, 복호화된 워터 마크 및 제2 이미지를 이용하여 제1 이미지를 생성할 수 있다.
도 19는 또 다른 실시 예에 따른 전자 장치가 지문 정보를 포함하는 이미지의 보안을 해제하는 방법을 설명하기 위한 도면이다.
S1902에서, 전자 장치(1000)는 제2 이미지를 획득할 수 있다. 전자 장치(1000)가 획득하는 제2 이미지는 지문 정보에 대응하는 지문 이미지를 포함할 수 있다. 도 19에 도시되지는 않았지만, 전자 장치(1000)는 제1 이미지로부터 중심점, 특징점 등을 검출하기에 앞서, 획득된 제1 이미지를 이진화(Image Binarization)할 수 있다.
S1904에서, 전자 장치(1000)는 제2 이미지로부터 워터 마크를 검출할 수 있다. S1904는 도 18의 단계 S1804에 대응될 수 있으므로 구체적인 설명은 생략하기로 한다. S1906에서, 전자 장치(1000)는 복호화 키를 이용하여 워터 마크를 복호화할 수 있다. S1906은 도 18의 S1808에 대응될 수 있으므로 구체적인 설명은 생략하기로 한다.
S1908에서, 전자 장치(1000)는 제2 이미지로부터 중심점(upper core)을 검출할 수 있다. S1910에서, 전자 장치(1000)는 제2 이미지로부터 특징점 및 커브를 검출할 수 있다. 또 다른 실시 예에 의하면, 전자 장치(1000)는 중심점, 특징점, 커브 외에도 융선(Ridge), 골(valley), 끝점(ending point), 분기점(bifurcation), 아래 중심점(lower core), 삼각주(lift) 및 융선의 구조가 변화는 지점인 minutia point를 제2 이미지로부터 획득할 수 있다.
S1912에서, 전자 장치(1000)는 생성된 커브로부터 HCP(High Curvature Pints)를 생성할 수 있다. 예를 들어, 전자 장치(1000)는 생성된 커브에서 복수의 특징점을 검출하고, 검출된 특징점을 이용하여 특징 벡터를 생성하며, 생성된 특징 벡터들의 각도를 이용하여 커브의 곡률(Curvature)를 결정할 수 있다. S1912는 도 8의 S808에 대응될 수 있으므로 구체적인 설명은 생략하기로 한다.
S1914에서, 전자 장치(1000)는 생성된 Hcp 포인트들을 이용하여 hcp 특성을 결정할 수 있다. 예를 들어, 전자 장치(1000)는 hcp 포인트들을 이용하여 hcp 포인트 사이의 곡률 변화량, hcp 포인트들 사이의 거리, hcp 포인트들의 위치를 결정할 수 있다. 일 실시 예에 의하면, hcp 특성은 hcp 포인트 사이의 곡률 변화량, hcp 포인트들 사이의 거리, hcp 포인트들의 위치에 관한 정보를 포함할 수 있다.
S1916에서, 전자 장치(1000)는 결정된 hcp 특성을 복호화할 수 있다. 예를 들어, 전자 장치(1000)는 hcp 특성을 복호화함으로써 지문 코드를 생성하고, 생성된 지문 코드를 이용하여 부호화된 지문 이미지를 복호화할 수 있다. S1018에서, 전자 장치(1000)는 복호화된 지문 이미지를 제2 이미지에 임베딩 할 수 있다. S1920에서, 전자 장치(1000)는 복호화된 지문 이미지 및 워터 마크를 제2 이미지에 임베딩함으로써 제1 이미지를 생성할 수 있다.
도 20은 또 다른 실시 예에 따른 전자 장치가 정맥 정보를 포함하는 이미지의 보안을 해제하는 방법을 설명하기 위한 도면이다.
S2002에서, 전자 장치(1000)는 제2 이미지를 획득할 수 있다. 예를 들어, 전자 장치(1000)가 획득하는 제2 이미지는 정맥 정보에 대응하는 정맥 이미지를 포함할 수 있다. 도 20에 도시되지는 않았지만, 전자 장치(1000)는 제2 이미지로부터 중심점 및 특징점 등을 검출하기에 앞서, 획득된 제2 이미지를 이진화(Image Binarization)할 수 있다.
S2004에서, 전자 장치(1000)는 획득된 제2 이미지로부터 워터 마크를 검출할 수 있다. S2004는 도 18의 단계 S1804에 대응될 수 있으므로 구체적인 설명은 생략하기로 한다. S2006에서, 전자 장치(1000)는 복호화키를 이용하여 검출된 워터 마크를 복호화할 수 있다.
S2008에서, 전자 장치(1000)는 는 제2 이미지로부터 중심점을 검출할 수 있다. S2010에서, 전자 장치(1000)는 제2 이미지로부터 특징점을 검출할 수 있다. S2012에서, 전자 장치(1000)는 검출된 특징점 및 중심점을 이용하여 특징 벡터를 생성할 수 있다. 일 실시 예에 의하면, 전자 장치가 검출하는 특징점은 Minutia point를 포함할 수 있다. 또한, 전자 장치(1000)가 생성환 특징 벡터는 적어도 하나 이상의 특징점들의 좌표 및 특징점이 이루는 각도에 대한 정보를 포함할 수 있다. 일 실시 예에 의하면, 전자 장치(1000)는 검출된 특징점들로부터 생성 가능한 모든 특징 벡터를 생성할 수도 있지만, 특징점들 중 일부의 특징점들을 랜덤하게 선택하고, 랜덤하게 선택된 특징점들만을 이용하여 특징 벡터를 생성할 수도 있다.
S2014에서, 전자 장치(1000)는 검출된 특징점을 이용하여 호모그래피 행렬(Homography Matrix) 을 결정할 수 있다. S2016에서, 전자 장치(1000)는 호모 그래피 행렬이 나타내는 호모 그래피 행렬 특성을 결정할 수 있다. S2018에서, 전자 장치(1000)는 결정된 특징 벡터들이 나타내는 특징 벡터들의 특성을 결정할 수 있다. 전자 장치(1000)가 결정한 호모그래피 행렬 특성 및 특징 벡터들의 특성은 지문 이미지의 지문 특성을 나타낼 수 있다.
S2020에서, 전자 장치(1000)는 복호화된 정맥 이미지를 제2 이미지에 임베딩할 수 있다. 도 20에 도시되지는 않았지만, 전자 장치(1000)는 호모그래피 행렬 특성 및 특징 벡터들의 특성이 나타내는 지문 특성을 복호화함으로써 지문 이미지를 복호화할 수 있다. 전자 장치(1000)가 복호화된 정맥 이미지를 제2 이미지에 임베딩하는 과정은 복호화된 정맥 이미지 및 제2 이미지를 합성하는 과정에 대응될 수 있다.
S2022에서, 전자 장치(1000)는 복호화된 정맥 이미지, 복호화된 워터 마크 및 제2 이미지를 이용하여 제1 이미지를 생성할 수 있다. 전자 장치(1000)가 복호화된 정맥 이미지, 복호화된 워터 마크 및 제2 이미지를 이용하여 제1 이미지를 생하는 것은 난독 처리(Obfuscated)된 제2 이미지를 난독 처리 해제(de-obfuscated)하는 과정에 대응될 수 있다.
도 21은 또 다른 실시 예에 따른 전자 장치가 얼굴 정보를 포함하는 이미지의 보안을 해제하는 방법을 설명하기 위한 도면이다.
S2102에서, 전자 장치(1000)는 제2 이미지를 획득할 수 있다. 예를 들어, 전자 장치(1000)가 획득하는 제2 이미지는 얼굴 정보에 대응되는 얼굴 이미지를 포함할 수 있다. S2104에서, 전자 장치(1000)는 제2 이미지로부터 워터 마크를 검출할 수 있다. S2104는 도 18의 단계 S1804에 대응될 수 있으므로 구체적인 설명은 생략하기로 한다.
S2106에서, 전자 장치(1000)는 획득된 제1 이미지로부터 제1 특징점(keypoint)을 검출할 수 있다. 일 실시 예에 의하면, 전자 장치(1000)는 Harris Corner 코너 검출, SIFT(Scale Invariant Feature Transform), FAST 알고리즘 등을 사용할 수 있지만, 이에 한정되는 것은 아니다.
S2108에서, 전자 장치(1000)는 깊이 맵 검출을 위한 제2 특징점을 검출할 수 있다. 일 실시 예에 의하면, 전자 장치(1000)는 검출된 제2 특징점을 이용하여 랜덤 스마트 깊이 맵(Random Smart Depth Map, RSDM)을 생성할 수 있다. 랜덤 스마트 깊이 맵은 전자 장치(1000)가 검출된 제2 특징점 주변 영역의 깊이 정보를 포함할 수 있다.
S2110에서, 전자 장치(1000)는 왜곡 지역(distortion area) 주변의 특징점을 검출할 수 있다. 일 실시 예에 의하면, 왜곡 지역은 제1 특징점 및 제2 특징점에 기초하여 결정되는 얼굴 이미지 내 픽셀들의 음영 특성 차이에 관한 정보를 포함할 수 있다. 일 실시 예에 의하면, 왜곡 지역은 제2 특징점 단위로 생성될 수 있고, 제2 특징점 단위로 생성된 왜곡 지역 내에는 복수의 특징점들이 포함될 수 있다.
예를 들어, 전자 장치(1000)는 행렬 기반, 왜곡 지역 주변의 특징점을 검출함으로써 얼굴 이미지 내 왜곡 지역의 음영(light-shadow) 특성을 결정할 수 있다. S2114에서, 전자 장치(1000)는 결정된 음영 특성을 복호화함으로써 얼굴 이미지를 복호화할 수 있다.
S2116에서, 전자 장치(1000)는 복호화된 얼굴 이미지를 제2 이미지에 임베딩할 수 있다. 예를 들어, 전자 장치(1000)가 복호화된 얼굴 이미지를 제2 이미지에 임베딩하는 것은 복호화된 얼굴 이미지와 제2 이미지를 합성하는 과정에 대응될 수 있다. S2118에서, 전자 장치(1000)는 복호화된 얼굴 이미지 및 제2 이미지를 합성하여 제1 이미지를 생성할 수 있다. 또 다른 실시 예에 의하면, 전자 장치(1000)는 복호화된 얼굴 이미지, 복호화된 워터 마크 및 제2 이미지를 합성하여 제1 이미지를 생성할 수 있다.
도 22는 또 다른 실시 예에 따른 전자 장치가 얼굴 정보를 포함하는 이미지의 보안을 해제하는 방법을 설명하기 위한 도면이다.
S2202에서, 전자 장치(1000)는 제2 이미지를 획득할 수 있다. 전자 장치(1000)가 획득하는 제2 이미지는 얼굴 정보에 대응하는 얼굴 이미지를 포함할 수 있다. S2204에서, 전자 장치(1000)는 제2 이미지로부터 워터 마크를 검출할 수 있다. S2204는 도 18의 S1804에 대응될 수 있으므로 구체적인 설명은 생략하기로 한다.
S2206에서, 전자 장치(1000)는 제2 이미지로부터 얼굴의 이미지를 식별하기 위한 제1 특징점을 검출할 수 있다. 또 다른 실시 예에 의하면, 전자 장치(1000)는 얼굴 이미지가 입력되는 경우, 얼굴 이미지로부터 특징점을 결정하기 위한 특징점의 위치 정보를 출력으로 하는 이미지 학습 모델을 이용하여 제1 특징점을 검출할 수 있다. 예를 들어, 전자 장치(1000)는 복수의 얼굴 이미지를 기초로 미리 학습되는 학습 모델이 저장된 데이터 베이스(1204)와 연결되는 학습부(1202)를 이용하여, 얼굴 이미지로부터 제1 특징점을 검출할 수 있다.
S2208에서, 전자 장치(1000)는 검출된 워터 마크를 이용하여 깊이 맵을 복구(RESTORING)할 수 있다. S2210에서, 전자 장치(1000)는 복구된 깊이 맵을 이용하여 제2 특징점을 검출할 수 있다. 일 실시 예에 의하면, 전자 장치(1000)가 이용하는 랜덤 스마트 깊이 맵은 워터 마크 추출 및 복호화에 있어 가역적(reversible) 특성을 가질 수 있다.
S2212에서, 전자 장치(1000)는 검출된 제1 특징점 및 제2 특징점을 이용하여 얼굴 이미지의 음영(light and shadow) 특성을 결정할 수 있다. S2214에서, 전자 장치(1000)는 얼굴 이미지를 복호화할 수 있다. 도 22에 도시되지는 않았지만, 전자 장치(1000)는 결정된 음영 특성을 변환함으로써 얼굴 특성을 변환할 수 있고, 변환된 얼굴 특성을 복호화함으로써 얼굴 이미지를 복호화할 수 있다. 일 실시 예에 의하면, 전자 장치(1000)는 복호화 매개 변수를 결정하고, 결정된 복호화 매개 변수를 이용하여 음영 특성을 변환할 수 있다.
S2216에서, 전자 장치(1000)는 복호화된 얼굴 이미지를 제2 이미지에 임베딩할 수 있다. S2218에서, 전자 장치(1000)는 복호화된 얼굴 이미지를 제2 이미지에 임베딩함으로써 제1 이미지를 생성할 수 있다. 또 다른 실시 예에 의하면, 전자 장치(1000)는 복호화된 얼굴 이미지, 복호화된 워터 마크 및 제2 이미지를 합성함으로써 제1 이미지를 생성할 수 있다. 일 실시 예에 의하면, 복호화 매개 변수는 얼굴 이미지로부터 결정되는 특성 벡터들의 크기, 방향 및 벡터 노이즈를 결정하기 위한 변수를 포함할 수 있다.
도 23은 또 다른 실시 예에 따른 전자 장치가 귀 형태에 관한 정보를 포함하는 이미지의 보안을 해제하는 방법을 설명하기 위한 도면이다.
S2303에서, 전자 장치(1000)는 제2 이미지를 획득할 수 있다. 예를 들어, 전자 장치(1000)가 획득하는 제2 이미지는 귀 형태에 관한 정보에 대응되는 귀 이미지(Ear image)를 포함할 수 있다.
S2304에서, 전자 장치(1000)는 귀 이미지에서 귀 형태를 나타내는 엣지(edge)를 검출할 수 있다. 예를 들어, 전자 장치(1000)는 포스 필드 변환(Force Field Transform) 알고리즘을 이용하여 귀 이미지에서 귀의 형태를 나타내는 엣지를 검출할 수 있다. 일 실시 예에 의하면, 전자 장치(1000)는 복수의 귀 이미지를 기초로 미리 학습되는 학습 모델이 저장된 데이터 베이스(2304)와 연결되는 학습부(2302)를 이용하여, 귀 이미지로부터 엣지를 검출할 수도 있다.
S2306에서, 전자 장치(1000)는 제2 이미지에서 포스 필드의 세기를 검출할 수 있다. 예를 들어, 전자 장치(1000)는 필셀들이 각각 형성하는 포스 필드 내에서, 특정 픽셀이 주변 픽셀에 의해 생성된 포스 필드에 의해 받는 힘을 모두 더함으로써 알짜 힘(net force)를 결정할 수 있다. S2306은 도 14의 단계 S1408에 대응될 수 있으므로 구체적인 설명은 생략하기로 한다.
S2308에서, 전자 장치(1000)는 복호화 키를 생성할 수 있다. 전자 장치(1000)가 이용하는 복호화 키는 전자 장치 내 보안성이 확보된 메모리에 미리 저장될 수도 있고, 전자 장치가 획득한 제2 이미지에 임베딩될 수도 있다.
S2310에서, 전자 장치(1000)는 복호화 방법을 결정할 수 있다. 일 실시 예에 의하면, 전자 장치(1000)가 복호화 방법을 결정하는 것은, 결정된 복호화 키를 확장(Key-Expansion)하는 과정에 대응될 수 있다.
S2314에서, 전자 장치(100)는 검출된 포스 필드 세기, 암호화 키 및 결정된 암호화 방법을 이용하여 돔 행렬(Dome matrix)를 계산할 수 있다. 본 명세서에서, 돔 행렬(dome matrix)는 돔 형태의 행렬로써, 암호화 키, 포스 필드 변환된 제1 이미지 내 웰(well) 및 융선(ridge)를 이용하여 생성될 수 있다.
S2316에서, 전자 장치(1000)는 돔 행렬 및 포스 필드 라인 행렬을 복호화할 수 있다. 또 다른 실시 예에 의하면, 돔 행렬 및 포스 필드 라인 행렬이 나타내는 귀 형태에 관한 특성을 결정하고, 결정된 귀 형태에 관한 특성을 변환함으로써 귀 형태 특성을 변환할 수 있다. 전자 장치(1000)는 변환된 귀 형태에 관한 특성을 복호화함으로써 귀 이미지를 복호화할 수 있다.
S2318에서, 전자 장치(1000)는 복호화된 귀 이미지를 제2 이미지에 임베딩 할 수 있다. 일 실시 예에 의하면, 전자 장치(1000)가 복호화된 귀 이미지를 제2 이미지에 임베딩하는 것은 복호화된 귀 이미지 및 제2 이미지를 합성하는 과정에 대응될 수 있다. S2320에서, 전자 장치(1000)는 복호화된 귀 이미지 및 제2 이미지를 이용하여 제1 이미지를 생성할 수 있다.
도 24는 일 실시 예에 따른 전자 장치가 복수의 생체 데이터를 포함하는 이미지의 보안을 설정하는 방법을 설명하기 위한 도면이다.
일 실시 예에 의하면, 전자 장치(1000)가 획득하는 제1 이미지에는 복수의 생체 데이터가 포함될 수 있다. 전자 장치(1000)는 생체 데이터의 종류 별로, 제1 이미지에 포함된 복수의 생체 이미지를 검출하고, 생체 데이터의 종류 별로 검출된 각각의 생체 이미지에 대하여 이미지 보안 설정 방법을 수행할 수 있다. 일 실시 예에 의하면, 전자 장치(1000)는 홍채 이미지의 보안을 설정하는 방법을 수행하는 프로세서, 얼굴 이미지의 보안을 설정하는 방법을 수행하는 프로세서, 귀 이미지의 보안을 설정하는 방법을 수행하는 프로세서 등을 각각 포함할 수 있다.
S2412에서, 전자 장치(1000)는 제1 이미지에서 홍채 이미지가 검출되는지 여부를 결정할 수 있다. S2412에서, 전자 장치(1000)는 홍채 이미지가 검출되었다고 결정하는 경우, S2413에서, 전자 장치(1000)는 홍채 이미지에 대한 이미지의 보안 설정 방법을 수행할 수 있다.
S2412에서, 전자 장치(1000)가 홍채 이미지가 검출되지 않았다고 결정하는 경우, S2414에서, 전자 장치는 제1 이미지에 얼굴 이미지가 검출되는지 여부를 결정할 수 있다. S2414에서, 전자 장치(1000)는 얼굴 이미지가 검출되었다고 결정하는 경우, S2415에서, 전자 장치(1000)는 얼굴 이미지에 대한 이미지의 보안 설정 방법을 수행할 수 있다.
S2414에서, 전자 장치(1000)가 얼굴 이미지가 검출되지 않았다고 결정하는 경우, S2416에서, 전자 장치는 제1 이미지에 귀 이미지가 검출되는지 여부를 결정할 수 있다. S2416에서, 전자 장치(1000)는 귀 이미지가 검출되었다고 결정하는 경우, S2417에서, 전자 장치(1000)는 귀 이미지에 대한 이미지의 보안 설정 방법을 수행할 수 있다.
S2416에서, 전자 장치(1000)가 귀 이미지가 검출되지 않았다고 결정하는 경우, S2418에서, 전자 장치는 제1 이미지에 지문 이미지가 검출되는지 여부를 결정할 수 있다. S2418에서, 전자 장치(1000)는 지문 이미지가 검출되었다고 결정하는 경우, S2419에서, 전자 장치(1000)는 지문 이미지에 대한 이미지의 보안 설정 방법을 수행할 수 있다.
S2418에서, 전자 장치(1000)가 지문 이미지가 검출되지 않았다고 결정하는 경우, S2420에서, 전자 장치는 제1 이미지에 정맥 이미지가 검출되는지 여부를 결정할 수 있다. S2420에서, 전자 장치(1000)는 정맥 이미지가 검출되었다고 결정하는 경우, S2421에서, 전자 장치(1000)는 정맥 이미지에 대한 이미지의 보안 설정 방법을 수행할 수 있다.
S2420에서, 전자 장치(1000)가 정맥 이미지가 검출되지 않았다고 결정하는 경우, S2422에서, 전자 장치는 제1 이미지에 다른 생체 이미지가 검출되는지 여부를 결정할 수 있다. S2422에서, 전자 장치(1000)는 다른 생체 이미지가 검출되었다고 결정하는 경우, S2423에서, 전자 장치(1000)는 다른 생체 이미지에 대한 이미지의 보안 설정 방법을 수행할 수 있다. 하지만, S2422에서, 전자 장치(1000)는 다른 생체 이미지가 검출되지 않았다고 결정하는 경우, 이미지 보안 설정 방법을 수행하는 과정을 종료할 수 있다. 즉, 전자 장치(1000)가 이미지의 보안을 설정하기 위하여 이용할 수 있는 생체 정보의 종류에는 제한 이 없다.
일 실시 예에 의하면, 전자 장치(1000)는 제1 이미지에 복수의 생체 이미지들이 포함되는 경우, 검출할 생체 이미지들의 우선 순위를 결정하고, 결정된 우선 순위에 따라 생체 이미지를 검출할 수도 있다. 전자 장치(1000)가 검출할 생체 이미지들의 우선 순위는 전자 장치의 사용자에 의해 미리 설정될 수도 있다.
도 25는 일 실시 예에 따른 전자 장치가 복수의 생체 데이터를 포함하는 이미지의 보안을 해제하는 방법을 설명하기 위한 도면이다.
일 실시 예에 의하면, 전자 장치(1000)가 획득하는 제2 이미지에는 복수의 생체 데이터가 포함될 수 있다. 전자 장치(1000)는 생체 데이터의 종류 별로, 제2 이미지에 포함된 복수의 생체 이미지를 검출하고, 생체 데이터의 종류 별로 검출된 각각의 생체 이미지에 대하여 이미지 보안 해제 방법을 수행할 수 있다. 일 실시 예에 의하면, 전자 장치(1000)는 홍채 이미지의 보안을 해제하는 방법을 수행하는 프로세서, 얼굴 이미지의 보안을 해제하는 방법을 수행하는 프로세서, 귀 이미지의 보안을 해제하는 방법을 수행하는 프로세서 등을 각각 포함할 수 있다.
S2502에서, 전자 장치(1000)는 제2 이미지에서 정맥 이미지가 검출되는지 여부를 결정할 수 있다. S2502에서, 전자 장치(1000)는 정맥 이미지가 검출되었다고 결정하는 경우, S2503에서, 전자 장치(1000)는 정맥 이미지에 대한 이미지의 보안 해제(RESTORING) 방법을 수행할 수 있다.
S2502에서, 전자 장치(1000)가 정맥 이미지가 검출되지 않았다고 결정하는 경우, S2504에서, 전자 장치는 제2 이미지에 지문 이미지가 검출되는지 여부를 결정할 수 있다. S2504에서, 전자 장치(1000)는 지문 이미지가 검출되었다고 결정하는 경우, S2505에서, 전자 장치(1000)는 지문 이미지에 대한 이미지의 보안 해제 방법을 수행할 수 있다.
S2504에서, 전자 장치(1000)가 지문 이미지가 검출되지 않았다고 결정하는 경우, S2506에서, 전자 장치는 제2 이미지에 귀 이미지가 검출되는지 여부를 결정할 수 있다. S2506에서, 전자 장치(1000)는 귀 이미지가 검출되었다고 결정하는 경우, S2507에서, 전자 장치(1000)는 귀 이미지에 대한 이미지의 보안 해제 방법을 수행할 수 있다.
S2506에서, 전자 장치(1000)가 귀 이미지가 검출되지 않았다고 결정하는 경우, S2508에서, 전자 장치는 제2 이미지에 얼굴 이미지가 검출되는지 여부를 결정할 수 있다. S2508에서, 전자 장치(1000)는 얼굴 이미지가 검출되었다고 결정하는 경우, S2509에서, 전자 장치(1000)는 얼굴 이미지 대한 이미지의 보안 해제 방법을 수행할 수 있다.
S2508에서, 전자 장치(1000)가 얼굴 이미지가 검출되지 않았다고 결정하는 경우, S2510에서, 전자 장치는 제2 이미지에 홍채 이미지가 검출되는지 여부를 결정할 수 있다. S2510에서, 전자 장치(1000)는 홍채 이미지가 검출되었다고 결정하는 경우, S2511에서, 전자 장치(1000)는 홍채 이미지에 대한 이미지의 보안 해제 방법을 수행할 수 있다.
S2510에서, 전자 장치(1000)가 홍채 이미지가 검출되지 않았다고 결정하는 경우, S2512에서, 전자 장치는 제2 이미지에 다른 생체 이미지가 검출되는지 여부를 결정할 수 있다. S2512에서, 전자 장치(1000)는 다른 생체 이미지가 검출되었다고 결정하는 경우, S2513에서, 전자 장치(1000)는 다른 생체 이미지에 대한 이미지의 보안 설정 해제을 수행할 수 있다. 하지만, S2512에서, 전자 장치(1000)는 다른 생체 이미지가 검출되지 않았다고 결정하는 경우, 이미지 보안 해제 방법을 수행하는 과정을 종료할 수 있다. 즉, 전자 장치(1000)가 이미지의 보안을 해제하기 위하여 이용할 수 있는 생체 정보의 종류에는 제한 이 없다.
일 실시 예에 의하면, 전자 장치(1000)는 제2 이미지에 복수의 생체 이미지들이 포함되는 경우, 검출할 생체 이미지들의 우선 순위를 결정하고, 결정된 우선 순위에 따라 생체 이미지를 검출할 수도 있다. 전자 장치(1000)가 검출할 생체 이미지들의 우선 순위는 전자 장치의 사용자에 의해 미리 설정될 수도 있다. 또한, 전자 장치(1000)가 이미지의 보안 설정 방법을 수행할 때와 이미지의 보안 해제 방법을 수행할 때, 생체 이미지 검출의 우선 순위는 서로 다를 수 있다. 예를 들어, 전자 장치(1000)가 이미지의 보안 설정 방법을 수행할 때는 홍채 이미지, 얼굴 이미지 및 귀 이미지 순서로 생체 이미지를 검출할 수 있지만, 전자 장치(1000)가 이미지의 보안 해제 방법을 수행할 때는 귀 이미지, 얼굴 이미지 및 홍채 이미지 순서로 생체 이미지를 검출할 수도 있다.
도 26 및 도 27은 일 실시 예에 따른 생체 데이터를 포함하는 이미지의 보안을 설정하는 방법 및 생체 데이터를 포함하는 이미지의 보안을 해제하는 방법을 수행하는 전자 장치를 나타내는 블록도이다.
일 실시 예에 따른 전자 장치(1000)는 프로세서(1300), 통신 인터페이스(1500) 및 메모리(1700)를 포함할 수 있다. 그러나 도시된 구성 요소가 모두 필수구성요소인 것은 아니다. 도시된 구성요소보다 많은 구성요소에 의해 전자 장치(1000)가 구현될 수도 있고, 그보다 적은 구성요소에 의해서도 전자 장치(1000)는 구현될 수 있다.
예를 들어, 도 27에 도시된 바와 같이, 또 다른 실시 예에 따른 전자 장치(1000)는 사용자 입력부(1100), 출력부(1200), 프로세서(1300), 및 통신 인터페이스(1500) 이외에 센싱부(1400), A/V 입력부(1600), 및 메모리(1700)를 더 포함할 수도 있다.
사용자 입력부(1100)는, 사용자가 전자 장치(1000)를 제어하기 위한 데이터를 입력하는 수단을 의미한다. 예를 들어, 사용자 입력부(1100)에는 키 패드(key pad), 돔 스위치 (dome switch), 터치 패드(접촉식 정전 용량 방식, 압력식 저항막 방식, 적외선 감지 방식, 표면 초음파 전도 방식, 적분식 장력 측정 방식, 피에조 효과 방식 등), 조그 휠, 조그 스위치 등이 있을 수 있으나 이에 한정되는 것은 아니다.
사용자 입력부(1100)는, 전자 장치(1000)가 획득한 제1 이미지에 포함된 복수의 생체 데이터들 중 적어도 하나의 생체 데이터를 선택하는 사용자 입력을 수신할 수 있다. 전자 장치(1000)는 사용자 입력에 기초하여, 선택된 생체 데이터에 대응하는 생체 이미지들만을 부호화할 수 있다. 출력부(1200)는, 오디오 신호 또는 비디오 신호 또는 진동 신호를 출력할 수 있으며, 출력부(1200)는 디스플레이부(1210), 음향 출력부(1220), 및 진동 모터(1230)를 포함할 수 있다.
디스플레이부(1210)는 전자 장치(1000)에서 처리되는 정보를 표시 출력하기 위한 화면을 포함한다. 또한, 화면은 영상을 디스플레이 할 수 있다. 예를 들면, 화면의 적어도 일부는 제1 이미지의 적어도 일부 및 난독 처리된(Obfuscated) 제1 이미지를 이용하여 생성된 제2 이미지를 디스플레이 할 수 있다.
음향 출력부(1220)는 통신부(1500)로부터 수신되거나 메모리(1700)에 저장된 오디오 데이터를 출력한다. 또한, 음향 출력부(1220)는 전자 장치(1000)에서 수행되는 기능(예를 들어, 호신호 수신음, 메시지 수신음, 알림음)과 관련된 음향 신호를 출력한다.
프로세서(1300)는, 통상적으로 전자 장치(1000)의 전반적인 동작을 제어한다. 예를 들어, 프로세서(1300)는, 메모리(1700)에 저장된 프로그램들을 실행함으로써, 사용자 입력부(1100), 출력부(1200), 센싱부(1400), 통신부(1500), A/V 입력부(1600) 등을 전반적으로 제어할 수 있다. 또한, 프로세서(1300)는 메모리(1700)에 저장된 프로그램들을 실행함으로써, 도 1 내지 도 25에 기재된 전자 장치(1000)의 기능을 수행할 수 있다.
구체적으로, 프로세서(1300)는 사용자의 텍스트, 이미지 및 동영상 입력을 수신하도록 사용자 입력부(1100)를 제어할 수 있다. 프로세서(1300)는 사용자의 음성 입력을 수신하도록 마이크로폰(1620)을 제어할 수 있다. 프로세서(1300)는 사용자 입력에 기초하여 전자 장치(1000)의 동작을 수행하는 애플리케이션을 실행할 수 있으며, 실행된 애플리케이션을 통하여 사용자 입력을 수신하도록 제어할 수 있다.
프로세서(1300)는 제1 이미지에서 상기 생체 데이터를 포함하는 영역을 검색하고, 상기 검색된 영역에서 상기 생체 데이터에 대응하는 생체 이미지를 검출하고, 상기 검출된 생체 이미지를 부호화하고, 상기 생체 데이터에 대한 액세스를 차단하기 위한 워터 마크, 상기 제1 이미지 및 상기 부호화된 생체 이미지를 합성하여 제2 이미지를 생성하도록 통신 인터페이스 및 메모리를 제어할 수 있다.
프로세서(1300)는 학습 데이터를 신경망에 입력함으로써, 신경망(Neural Network)을 학습시킬 수 있다. 예를 들면, 프로세서(1300)는 학습 데이터를 메모리(1700) 또는 서버(2000)에 저장된 복수의 학습 모델(이미지 학습 모델)에 입력함으로써 제1 이미지 또는 제2 이미지 내에 생체 데이터를 포함하는 영역을 출력하는 신경망을 학습시킬 수 있다. 즉, 프로세서(1300)는 제1 이미지가 입력되는 경우, 상기 생체 데이터를 포함하는 영역 및 상기 검색된 영역을 식별하기 위한 위치 정보를 출력으로 하는 이미지 학습 모델을 이용하여 상기 영역을 검색할 수 있다.
프로세서(1300)는 검색된 영역에 포함된 상기 생체 데이터의 종류를 결정하고, 결정된 생체 데이터의 종류 별 상기 생체 이미지를 검출할 수도 있다. 또한, 프로세서(1300)는 생체 데이터의 종류에 기초하여, 상기 생체 이미지를 부호화 하기 위한 부호화 매개 변수를 결정하고, 결정된 부호화 매개 변수를 이용하여 상기 생체 이미지를 부호화할 수 있다. 또한 프로세서(1300)는 제1 이미지로부터 상기 생체 이미지가 검출된 이력을 기초로 미리 학습되는 부호화 학습 모델을 이용하여 상기 검출된 생체 이미지를 부호화할 수도 있다.
일 실시 예에 의하면, 프로세서(1300)는 생체 데이터를 포함하는 이미지의 보안 설정 방법을 수행하는 전자 장치 외부의 데이터 베이스와 상기 제2 이미지를 공유하도록 통신 인터페이스(1500)를 제어할 수 있다. 프로세서(1300)는 생체 이미지의 시각 정보들을 동일하게 유지하면서, 상기 검출된 생체 이미지를 부호화할 수 있다.
또한, 프로세서(1300)는 메모리(1700) 또는 서버(2000)에 저장된 복수의 이미지 학습 모델을 이용함으로써, 제1 이미지 또는 제2 이미지에 포함된 생체 데이터에 대응하는 생체 이미지를 정확하게 검출할 수 있다.
또 다른 실시 예에 의하면, 프로세서(1300)는 제2 이미지에서 상기 생체 데이터를 포함하는 영역을 검색하고, 상기 검색된 영역에서 상기 생체 데이터에 대응하는 생체 이미지를 검출하고, 상기 검출된 생체 이미지를 복호화하고, 상기 생체 데이터에 대한 액세스를 차단하기 위한 워터 마크, 상기 복호화된 생체 이미지 및 상기 제2 이미지를 이용하여 제1 이미지를 생성할 수 있다. 일 실시 예에 의하면, 프로세서(1300)가 제1 이미지를 생성함에 있어 이용하는 복호화 키는 제2 이미지로부터 검출되고, 기 설정된 복호화키를 이용하여 미리 복호화될 수 있다.
센싱부(1400)는, 전자 장치(1000)의 상태 또는 전자 장치(1000) 주변의 상태를 감지하고, 감지된 정보를 프로세서(1300)로 전달할 수 있다. 센싱부(1400)는 전자 장치(1000)의 사양 정보, 전자 장치(1000)의 상태 정보, 전자 장치(1000)의 주변 환경 정보, 사용자의 상태 정보 및 사용자의 디바이스 사용 이력 정보 중 일부를 생성하는데 이용될 수 있다.
센싱부(1400)는, 지자기 센서(Magnetic sensor)(1410), 가속도 센서(Acceleration sensor)(1420), 온/습도 센서(1430), 적외선 센서(1440), 자이로스코프 센서(1450), 위치 센서(예컨대, GPS)(1460), 기압 센서(1470), 근접 센서(1480), 및 RGB 센서(illuminance sensor)(1490) 중 적어도 하나를 포함할 수 있으나, 이에 한정되는 것은 아니다. 각 센서들의 기능은 그 명칭으로부터 당업자가 직관적으로 추론할 수 있으므로, 구체적인 설명은 생략하기로 한다.
통신부(1500)는, 전자 장치(1000)가 다른 장치(미도시) 및 서버(2000)와 통신을 하게 하는 하나 이상의 구성요소를 포함할 수 있다. 다른 장치(미도시)는 전자 장치(1000)와 같은 컴퓨팅 장치이거나, 센싱 장치일 수 있으나, 이에 제한되지 않는다. 예를 들어, 통신부(1500)는, 근거리 통신부(1510), 이동 통신부(1520), 방송 수신부(1530)를 포함할 수 있다.
근거리 통신부(short-range wireless communication unit)(1510)는, 블루투스 통신부, BLE(Bluetooth Low Energy) 통신부, 근거리 무선 통신부(Near Field Communication unit), WLAN(와이파이) 통신부, 지그비(Zigbee) 통신부, 적외선(IrDA, infrared Data Association) 통신부, WFD(Wi-Fi Direct) 통신부, UWB(ultra wideband) 통신부, Ant+ 통신부 등을 포함할 수 있으나, 이에 한정되는 것은 아니다.
이동 통신부(1520)는, 이동 통신망 상에서 기지국, 외부의 단말, 서버 중 적어도 하나와 무선 신호를 송수신한다. 여기에서, 무선 신호는, 음성 신호, 화상 통화 신호 또는 문자/멀티미디어 메시지 송수신에 따른 다양한 형태의 데이터를 포함할 수 있다.
방송 수신부(1530)는, 방송 채널을 통하여 외부로부터 방송 신호 및/또는 방송 관련된 정보를 수신한다. 방송 채널은 위성 채널, 지상파 채널을 포함할 수 있다. 구현 예에 따라서 전자 장치(1000)가 방송 수신부(1530)를 포함하지 않을 수도 있다. 또한, 통신부(1500)는, 전자 장치(1000)가 획득한 제1 이미지를 서버(2000)로 전송하거나, 서버(2000)로부터 난독화 처리된 제1 이미지를 이용하여 생성된 제2 이미지를 수신할 수도 있다.
일 실시예에 따르면, 통신부(1500)는 전자 장치(1000)와 연결된 다른 전자 장치(1000)에 저장된 이미지등을 수신할 수도 있고, 전자 장치(1000)내의 메모리에 저장된 이미지를 다른 전자 장치로 전송할 수도 있다. 예를 들면, 통신부(1500)는 제1 이미지의 식별자(예를 들면, URL, 메타데이터)를 서버(2000) 또는 다른 전자 장치로 전송할 수 있다.
A/V(Audio/Video) 입력부(1600)는 오디오 신호 또는 비디오 신호 입력을 위한 것으로, 이에는 카메라(1610)와 마이크로폰(1620) 등이 포함될 수 있다. 카메라(1610)는 화상 통화모드 또는 촬영 모드에서 이미지 센서를 통해 정지영상 또는 동영상 등의 화상 프레임을 얻을 수 있다. 이미지 센서를 통해 캡쳐된 이미지는 프로세서(1300) 또는 별도의 이미지 처리부(미도시)를 통해 처리될 수 있다.
마이크로폰(1620)은, 외부의 음향 신호를 입력 받아 전기적인 음성 데이터로 처리한다. 예를 들어, 마이크로폰(1620)은 외부 디바이스 또는 사용자로부터 음향 신호를 수신할 수 있다. 마이크로폰(1620)은 사용자의 음성 입력을 수신할 수 있다. 마이크로폰(1620)은 외부의 음향 신호를 입력 받는 과정에서 발생 되는 잡음(noise)을 제거하기 위한 다양한 잡음 제거 알고리즘을 이용할 수 있다.
메모리(1700)는, 프로세서(1300)의 처리 및 제어를 위한 프로그램을 저장할 수 있고, 전자 장치(1000)로 입력되거나 전자 장치(1000)로부터 출력되는 데이터를 저장할 수도 있다. 또한, 메모리(1700)는 이미지 및 메모리(1700)에 저장된 이미지를 탐색한 결과를 저장할 수 있다. 메모리(1700)는 전자 장치(1000)에 저장된 이미지들에 관련된 정보를 전자 장치(1000)에 저장할 수 있다. 예를 들면, 메모리(1700)는 기 설정된 암호화 키, 기 설정된 복호화 키, 부호화 매개 변수, 복호화 매개 변수, 암호화 방법, 복호화 방법, 이미지 분할 알고리즘, 생체 데이터를 포함하는 영역을 검색하고, 생체 데이터에 대응되는 생체 이미지를 검출하기 위한 이미지 학습 모델등을 저장할 수 있다.
또한, 메모리(1700)는 복수의 이미지 또는 영상등을 기초로 학습되는 신경망, 신경망의 구조를 특정하기 위한 레이어들 및 레이어들 간의 가중치에 관한 정보를 더 저장할 수 있다. 예를 들면, 메모리(1700)는 학습된 신경망뿐만 아니라, 획득된 원본 이미지, 원본 이미지에 난독 처리가 적용된 이미지, 난독 처리된 이미지를 대상으로 난독 처리 해제가 적용된 이미지 등을 더 저장할 수 있다.
메모리(1700)는 플래시 메모리 타입(flash memory type), 하드디스크 타입(hard disk type), 멀티미디어 카드 마이크로 타입(multimedia card micro type), 카드 타입의 메모리(예를 들어 SD 또는 XD 메모리 등), 램(RAM, Random Access Memory) SRAM(Static Random Access Memory), 롬(ROM, Read-Only Memory), EEPROM(Electrically Erasable Programmable Read-Only Memory), PROM(Programmable Read-Only Memory), 자기 메모리, 자기 디스크, 광디스크 중 적어도 하나의 타입의 저장매체를 포함할 수 있다. 메모리(1700)에 저장된 프로그램들은 그 기능에 따라 복수 개의 모듈들로 분류할 수 있는데, 예를 들어, UI 모듈(1710), 터치 스크린 모듈(1720), 알림 모듈(1730) 등으로 분류될 수 있다.
UI 모듈(1710)은, 애플리케이션 별로 전자 장치(1000)와 연동되는 특화된 UI, GUI 등을 제공할 수 있다. 터치 스크린 모듈(1720)은 사용자의 터치 스크린 상의 터치 제스처를 감지하고, 터치 제스처에 관한 정보를 프로세서(1300)로 전달할 수 있다. 일부 실시예에 따른 터치 스크린 모듈(1720)은 터치 코드를 인식하고 분석할 수 있다. 터치 스크린 모듈(1720)은 컨트롤러를 포함하는 별도의 하드웨어로 구성될 수도 있다.
알림 모듈(1730)은 전자 장치(1000)의 이벤트 발생을 알리기 위한 신호를 발생할 수 있다. 전자 장치(1000)에서 발생되는 이벤트의 예로는 호 신호 수신, 메시지 수신, 키 신호 입력, 일정 알림 등이 있다. 알림 모듈(1730)은 디스플레이부(1210)를 통해 비디오 신호 형태로 알림 신호를 출력할 수도 있고, 음향 출력부(1220)를 통해 오디오 신호 형태로 알림 신호를 출력할 수도 있고, 진동 모터(1230)를 통해 진동 신호 형태로 알림 신호를 출력할 수도 있다.
일 실시 예에 의한 전자 장치(1000)는 생체 데이터를 포함하는 제1 이미지를 획득하고, 획득된 제1 이미지를 부호화하며, 부호화된 생체 이미지, 워터 마크 및 제1 이미지를 합성하여 제2 이미지를 생성함으로써, 제1 이미지에 포함된 생체 데이터의 노출이 방지되는 난독 처리(obfuscation)를 수행할 수도 있다. 하지만, 전자 장치(1000)는 복수의 이미지들이 시계열적으로 나열된 생체 데이터를 포함하는 영상을 획득하고, 획득된 영상에서 생체 데이터에 대응되는 영상을 검출하며, 검출된 영상을 부호화하고, 부호화된 영상, 워터 마크 및 원본 영상을 합성함으로써 영상에 대한 난독 처리(obfuscation)를 수행할 수도 있다. 전자 장치(1000)가 부호화된 이미지에 대하여 수행하는 이미지의 보안 해제 방법은 영상에 대한 난독 처리 해제(de-obfuscation)에 대응될 수 있다.
도 28은 일 실시 예에 따른 전자 장치가 처리하는 이미지에 포함된 생체 데이터의 종류를 설명하기 위한 도면이다.
일 실시 예에 의하면, 전자 장치(1000)가 부호화하는 제1 이미지는 하나 이상의 생체 데이터들을 포함할 수 있다. 예를 들어, 전자 장치(10000)가 부호화하는 제1 이미지는 홍채 정보, 얼굴 정보, 지문 정보, 손금 정보, 정맥 정보, 귀 형태 정보 및 기타 생체 정보 등이 포함될 수 있다. 전자 장치(1000)는 획득된 제1 이미지 또는 제2 이미지 내에 생체 데이터가 포함되어있는지 여부를 결정하기 위해, 각각의 생체 데이터들의 종류를 결정하고, 결정된 생체 데이터들의 종류에 따른 생체 이미지를 검출할 수 있는 이미지 학습 모델을 메모리에 저장할 수 있다. 또 다른 실시 예에 의하면, 전자 장치(1000)는 다양한 생체 정보들의 종류(2814)를 미리 설정된 식별 코드(2812)를 이용하여 메모리에 저장할 수 있다.
도 29는 일 실시 예에 따른 전자 장치가 서버를 이용하여 이미지의 보안을 설정하거나 해제하는 방법을 설명하기 위한 도면이다.
일 실시 예에 의하면, 전자 장치(1000)는 서버를 이용하여 이미지의 보안을 설정하거나 해제할 수 있다. 예를 들어, S2912에서, 전자 장치(1000)는 생체 데이터를 포함하는 제1 이미지를 획득할 수 있다. S2914에서, 전자 장치(1000)는 제1 이미지에 생체 데이터가 포함되어 있는지 여부를 결정할 수 있다. S2916에서, 전자 장치(1000)는 제1 이미지에 생체 데이터가 포함된 것으로 결정하는 경우, 제1 이미지를 서버(2000)로 전송할 수 있다.
S2918에서, 서버(2000)는 생체 데이터를 포함하는 제1 이미지를 난독화 처리하여 제2 이미지를 생성할 수 있다. 예를 들어, 서버(2000)는 도 3의 전자 장치(1000)가 수행하는 이미지의 보안을 설정하는 방법과 동일한 방법을 수행함으로써 제2 이미지를 생성할 수 있다.
S2920에서, 서버(2000)는 생성된 제2 이미지를 전자 장치(1000)로 전송할 수 있다. 즉, 전자 장치(1000)는 서버(2000)로부터 난독 처리된 이미지를 수신할 수 있다. S2922에서, 전자 장치(1000)는 수신된 제2 이미지를 출력할 수 있다.
또 다른 실시 예에 의하면, 전자 장치(1000)는 이미지의 보안을 해제하는 방법을 서버(2000)를 이용하여 수행할 수도 있다. 예를 들어, 전자 장치(1000)는 생체 데이터의 노출을 방지하기 위하여 난독 처리된(Obfuscate) 제2 이미지를 수신하고, 수신된 제2 이미지를 서버(2000)로 전송할 수 있다. 서버(2000)는 난독 처리된 제2 이미지를 수신하고, 수신된 제2 이미지를 난독 처리 해제(de-obfuscate) 함으로써 제1 이미지를 생성할 수 있다. 서버(2000)는 생성된 제1 이미지를 전자 장치(1000)로 전송할 수 있다. 전자 장치(1000)는 서버로부터 수신한 난독 처리 해제된 제1 이미지를 출력할 수 있다.
도 30은 일 실시 예에 따른 서버의 블록도를 나타내는 도면이다.
서버(2000)는 통신부(2100), 데이터베이스(Data Base, 2200) 및 프로세서(2300)를 포함할 수 있다.
통신부(2100)는 전자 장치(1000)와 통신을 하게 하는 하나 이상의 구성요소를 포함할 수 있다. 통신부(2100)는 전자 장치(1000)로부터 제1 이미지를 수신하거나, 제1 이미지를 부호화함으로써 생성된 제2 이미지를 제1 이미지로 전송할 수 있다.
DB(2200)는 제1 이미지에서 생체 데이터를 포함하는 영역 및 생체 데이터에 대응되는 생체 이미지를 검출하기 위한 이미지 학습 모델, 이미지를 부호화 하기 위한 부호화 매개 변수, 이미지를 복호화 하기 위한 복호화 매개 변수, 기 설정된 암호화 키 및 기 설정된 복호화 키를 저장할 수 있다.
예를 들면, DB(2200)는 제1 이미지에서 생체 데이터를 포함하는 영역을 검색하기 위한 이미지 학습 모델, 제1 이미지에서 생체 이미지를 검출하기 위한 학습 모델을 저장할 수 있다. 또한, DB(2200)는 전자 장치(1000)에 저장된 이미지들에 관련된 정보를 더 저장할 수 있다. DB(2200)는 난독 처리가 되지 않은 원본 이미지 및 난독 처리가 완료된 이미지 등을 더 저장할 수 있다.
프로세서(2300)는 통상적으로 서버(2000)의 전반적인 동작을 제어한다. 예를 들어, 프로세서(2300)는, 서버(2000)의 DB(2200)에 저장된 프로그램들을 실행함으로써, DB(2200) 및 통신부(2100) 등을 전반적으로 제어할 수 있다. 프로세서(2300)는 DB(2200)에 저장된 프로그램들을 실행함으로써, 도 1 내지 도25에서의 전자 장치(1000)의 동작의 일부를 수행할 수 있다.
즉, 프로세서(2300)는 제1 이미지로부터 생체 데이터를 포함하는 영역을 검색하고, 검색된 영역에서 생체 데이터에 대응하는 생체 이미지를 검출하며, 검출된 생체 이미지를 부호화하고, 생체 데이터에 대한 액세스를 차단하기 위한 워터 마크, 제1 이미지 및 부호화된 생체 이미지를 합성하여 제2 이미지를 생성할 수 있다.
또한, 프로세서(2300)는 제2 이미지에서 상기 생체 데이터를 포함하는 영역을 검색하고, 상기 검색된 영역에서 상기 생체 데이터에 대응하는 생체 이미지를 검출하며, 검출된 생체 이미지를 복호화하고, 상기 생체 데이터에 대한 액세스를 차단하기 위한 워터 마크, 상기 복호화된 생체 이미지 및 상기 제2 이미지를 이용하여 제1 이미지를 생성할 수 도 있다.
일부 실시예는 컴퓨터에 의해 실행되는 프로그램 모듈과 같은 컴퓨터에 의해 실행가능한 명령어를 포함하는 기록 매체의 형태로도 구현될 수 있다. 컴퓨터 판독 가능 매체는 컴퓨터에 의해 액세스될 수 있는 임의의 가용 매체일 수 있고, 휘발성 및 비휘발성 매체, 분리형 및 비분리형 매체를 모두 포함한다. 또한, 컴퓨터 판독가능 매체는 컴퓨터 저장 매체 및 통신 매체를 모두 포함할 수 있다. 컴퓨터 저장 매체는 컴퓨터 판독가능 명령어, 데이터 구조, 프로그램 모듈 또는 기타 데이터와 같은 정보의 저장을 위한 임의의 방법 또는 기술로 구현된 휘발성 및 비휘발성, 분리형 및 비분리형 매체를 모두 포함한다.
또한, 본 명세서에서, "부"는 프로세서 또는 회로와 같은 하드웨어 구성(hardware component), 및/또는 프로세서와 같은 하드웨어 구성에 의해 실행되는 소프트웨어 구성(software component)일 수 있다.
전술한 본 발명의 설명은 예시를 위한 것이며, 본 발명이 속하는 기술분야의 통상의 지식을 가진 자는 본 발명의 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 쉽게 변형이 가능하다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야만 한다. 예를 들어, 단일형으로 설명되어 있는 각 구성 요소는 분산되어 실시될 수도 있으며, 마찬가지로 분산된 것으로 설명되어 있는 구성 요소들도 결합된 형태로 실시될 수 있다.
본 발명의 범위는 상기 상세한 설명보다는 후술하는 특허청구범위에 의하여 나타내어지며, 특허청구범위의 의미 및 범위 그리고 그 균등 개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본 발명의 범위에 포함되는 것으로 해석되어야 한다.

Claims (20)

  1. 생체 데이터를 포함하는 이미지의 보안 설정 방법에 있어서,
    제1 이미지에서 상기 생체 데이터를 포함하는 영역을 검색하는 동작;
    상기 검색된 영역에서 상기 생체 데이터에 대응하는 생체 이미지를 검출하는 동작;
    상기 검출된 생체 이미지를 부호화하는 동작; 및
    상기 생체 데이터에 대한 액세스를 차단하기 위한 워터 마크, 상기 제1 이미지 및 상기 부호화된 생체 이미지를 합성하여 제2 이미지를 생성하는 동작을 포함하는, 방법.
  2. 제1항에 있어서, 상기 워터 마크는
    공간 도메인(spatial-domain) 및 주파수 도메인(frequency domain) 중 적어도 하나의 도메인에서, 상기 생체 데이터 및 기 설정된 암호화 키를 이용하여 생성되는 것인, 방법.
  3. 제1항에 있어서, 상기 생체 데이터를 포함하는 영역을 검색하는 동작은
    상기 제1 이미지가 입력되는 경우, 상기 생체 데이터를 포함하는 영역 및 상기 검색된 영역을 식별하기 위한 위치 정보를 출력으로 하는 이미지 학습 모델을 이용하여 상기 영역을 검색하는 동작; 을 더 포함하는, 방법.
  4. 제1항에 있어서, 상기 생체 이미지를 검출하는 동작은
    상기 검색된 영역에 포함된 상기 생체 데이터의 종류를 결정하는 동작; 및
    상기 결정된 생체 데이터의 종류 별 상기 생체 이미지를 검출하는 동작; 을 더 포함하는, 방법.
  5. 제1항에 있어서, 상기 생체 이미지를 검출하는 동작은
    소정의 사용자 식별 정보를 획득하는 동작; 및
    상기 검색된 영역에서 상기 획득된 사용자 식별 정보에 매칭되는 생체 이미지를 검출하는 동작; 을 더 포함하는, 방법.
  6. 제1항에 있어서, 상기 생체 이미지를 부호화하는 동작은
    상기 생체 데이터의 종류에 기초하여, 상기 생체 이미지를 부호화 하기 위한 부호화 매개 변수를 결정하는 동작; 및
    상기 결정된 부호화 매개 변수를 이용하여 상기 생체 이미지를 부호화하는 동작; 을 더 포함하는, 방법.
  7. 제6항에 있어서, 상기 부호화 매개 변수는
    상기 생체 데이터를 포함하는 이미지의 보안 설정 방법을 수행하는 전자 장치 내의 메모리에 미리 저장되거나, 상기 제1 이미지에 임베딩 되는 것인, 방법.
  8. 제1항에 있어서, 상기 생체 이미지를 부호화하는 동작은
    상기 제1 이미지로부터 상기 생체 이미지가 검출된 이력을 기초로 미리 학습되는 부호화 학습 모델을 이용하여 상기 검출된 생체 이미지를 부호화 하는 동작; 을 더 포함하는, 방법.
  9. 제1항에 있어서, 상기 생체 데이터는
    홍채 정보, 얼굴 정보, 지문 정보, 손금 정보, 정맥 정보 및 귀 형태에 관한 정보 중 적어도 하나를 포함하는, 방법.
  10. 제1항에 있어서, 상기 방법은,
    상기 생체 데이터를 포함하는 이미지의 보안 설정 방법을 수행하는 전자 장치 외부의 데이터 베이스와 상기 제2 이미지를 공유하는 동작; 을 더 포함하는, 방법.
  11. 제1항에 있어서, 상기 제1 이미지는
    상기 생체 데이터를 포함하는 이미지의 보안 설정 방법을 수행하는 전자 장치 내의 메모리, 상기 전자 장치와 유선 또는 무선으로 연결되고, 이미지를 디스플레이 하기 위한 디스플레이 패널을 포함하는 다른 전자 장치 및 상기 전자 장치 외부의 복수의 이미지들이 저장되는 데이터 베이스 중 적어도 하나로부터 획득되는 것인, 방법.
  12. 제1항에 있어서, 상기 생체 이미지를 부호화하는 동작은
    상기 생체 이미지의 시각 정보들을 동일하게 유지하면서, 상기 검출된 생체 이미지를 부호화하는 것인, 방법.
  13. 생체 데이터를 포함하는 이미지의 보안 해제 방법에 있어서,
    제2 이미지에서 상기 생체 데이터를 포함하는 영역을 검색하는 동작;
    상기 검색된 영역에서 상기 생체 데이터에 대응하는 생체 이미지를 검출하는 동작;
    상기 검출된 생체 이미지를 복호화하는 동작; 및
    상기 생체 데이터에 대한 액세스를 차단하기 위한 워터 마크, 상기 복호화된 생체 이미지 및 상기 제2 이미지를 이용하여 제1 이미지를 생성하는 동작을 포함하는 방법.
  14. 제13항에 있어서, 상기 워터 마크는
    상기 제2 이미지로부터 검출되고, 기 복호화키를 이용하여 미리 복호화 되는 것인, 방법.
  15. 이미지의 보안을 설정하는 전자 장치에 있어서,
    통신 인터페이스;
    하나 이상의 인스트럭션을 저장하는 메모리; 및
    상기 하나 이상의 인스트럭션을 실행함으로써 상기 전자 장치를 제어하는 적어도 하나의 프로세서; 를 포함하고,
    상기 프로세서는, 제1 이미지에서 상기 생체 데이터를 포함하는 영역을 검색하고,
    상기 검색된 영역에서 상기 생체 데이터에 대응하는 생체 이미지를 검출하고,
    상기 검출된 생체 이미지를 부호화하고,
    상기 생체 데이터에 대한 액세스를 차단하기 위한 워터 마크, 상기 제1 이미지 및 상기 부호화된 생체 이미지를 합성하여 제2 이미지를 생성하는, 전자 장치.
  16. 제15항에 있어서, 상기 워터 마크는
    공간 도메인(spatial-domain) 및 주파수 도메인(frequency domain) 중 적어도 하나의 도메인에서, 상기 생체 데이터 및 기 설정된 암호화 키를 이용하여 생성되는 것인, 전자 장치.
  17. 제15항에 있어서, 상기 프로세서는
    상기 제1 이미지가 입력되는 경우, 상기 생체 데이터를 포함하는 영역 및 상기 검색된 영역을 식별하기 위한 위치 정보를 출력으로 하는 이미지 학습 모델을 이용하여 상기 영역을 검색하는 것인, 전자 장치.
  18. 이미지의 보안을 해제하는 전자 장치에 있어서,
    통신 인터페이스;
    하나 이상의 인스트럭션을 저장하는 메모리; 및
    상기 하나 이상의 인스트럭션을 실행함으로써 상기 전자 장치를 제어하는 적어도 하나의 프로세서; 를 포함하고,
    상기 프로세서는 제2 이미지에서 상기 생체 데이터를 포함하는 영역을 검색하고,
    상기 검색된 영역에서 상기 생체 데이터에 대응하는 생체 이미지를 검출하고,
    상기 검출된 생체 이미지를 복호화하고,
    상기 생체 데이터에 대한 액세스를 차단하기 위한 워터 마크, 상기 복호화된 생체 이미지 및 상기 제2 이미지를 이용하여 제1 이미지를 생성하는 전자 장치.
  19. 제18항에 있어서, 상기 워터 마크는
    상기 제2 이미지로부터 검출되고, 기 설정된 복호화키를 이용하여 미리 복호화 되는, 전자 장치.
  20. 제1 이미지에서 생체 데이터를 포함하는 영역을 검색하는 동작;
    상기 검색된 영역에서 상기 생체 데이터에 대응하는 생체 이미지를 검출하는 동작;
    상기 검출된 생체 이미지를 부호화하는 동작; 및
    상기 생체 데이터에 대한 액세스를 차단하기 위한 워터 마크, 상기 제1 이미지 및 상기 부호화된 생체 이미지를 합성하여 제2 이미지를 생성하는 동작을 수행하도록 하는 프로그램이 저장된 기록매체를 포함하는 컴퓨터 프로그램 제품.
KR1020190006926A 2019-01-18 2019-01-18 이미지의 보안 방법 및 이를 수행하는 전자 장치 KR20200089972A (ko)

Priority Applications (4)

Application Number Priority Date Filing Date Title
KR1020190006926A KR20200089972A (ko) 2019-01-18 2019-01-18 이미지의 보안 방법 및 이를 수행하는 전자 장치
PCT/KR2019/001157 WO2020149441A1 (ko) 2019-01-18 2019-01-28 이미지의 보안 방법 및 이를 수행하는 전자 장치
EP19909669.4A EP3913569A4 (en) 2019-01-18 2019-01-28 PICTURE BACKUP METHOD AND ELECTRONIC DEVICE FOR CARRYING OUT THE METHOD
US17/378,032 US20210342967A1 (en) 2019-01-18 2021-07-16 Method for securing image and electronic device performing same

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020190006926A KR20200089972A (ko) 2019-01-18 2019-01-18 이미지의 보안 방법 및 이를 수행하는 전자 장치

Publications (1)

Publication Number Publication Date
KR20200089972A true KR20200089972A (ko) 2020-07-28

Family

ID=71613683

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020190006926A KR20200089972A (ko) 2019-01-18 2019-01-18 이미지의 보안 방법 및 이를 수행하는 전자 장치

Country Status (4)

Country Link
US (1) US20210342967A1 (ko)
EP (1) EP3913569A4 (ko)
KR (1) KR20200089972A (ko)
WO (1) WO2020149441A1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102347137B1 (ko) * 2021-05-21 2022-01-05 주식회사 마크애니 화면 데이터 유출 방지 장치 및 방법

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3698265A4 (en) * 2017-10-18 2020-10-28 Visa International Service Association BIOMETRIC DATA SECURITY SYSTEM AND PROCEDURE
US11356266B2 (en) * 2020-09-11 2022-06-07 Bank Of America Corporation User authentication using diverse media inputs and hash-based ledgers
JP2024059288A (ja) * 2022-10-18 2024-05-01 ソニーセミコンダクタソリューションズ株式会社 画像処理装置、画像処理方法および記録媒体

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2004090814A1 (ja) * 2003-04-02 2004-10-21 Matsushita Electric Industrial Co. Ltd. 画像処理方法、画像処理装置、撮影装置、画像出力装置および虹彩認証装置
KR100874382B1 (ko) * 2007-07-09 2008-12-18 중앙대학교 산학협력단 생체정보를 이용한 워터마크 삽입 및 추출 장치, 그리고 그방법
KR101446143B1 (ko) * 2013-01-07 2014-10-06 한남대학교 산학협력단 Cctv 환경에서의 얼굴 인식 기반 보안 관리 시스템 및 방법
KR102206877B1 (ko) * 2014-02-21 2021-01-26 삼성전자주식회사 생체 정보디스플레이 방법 및 장치
EP3192009A4 (en) * 2014-09-12 2018-04-25 Eyelock Llc Methods and apparatus for directing the gaze of a user in an iris recognition system
KR102386893B1 (ko) * 2014-11-13 2022-04-15 삼성전자 주식회사 이미지 데이터의 보안 방법 및 이를 지원하는 전자 장치
KR102407133B1 (ko) * 2015-08-21 2022-06-10 삼성전자주식회사 전자 장치 및 이의 콘텐트 변형 방법

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102347137B1 (ko) * 2021-05-21 2022-01-05 주식회사 마크애니 화면 데이터 유출 방지 장치 및 방법
KR20220157853A (ko) * 2021-05-21 2022-11-29 주식회사 마크애니 화면 데이터 유출 방지 장치 및 방법

Also Published As

Publication number Publication date
EP3913569A4 (en) 2022-03-30
WO2020149441A1 (ko) 2020-07-23
EP3913569A1 (en) 2021-11-24
US20210342967A1 (en) 2021-11-04

Similar Documents

Publication Publication Date Title
KR20200089972A (ko) 이미지의 보안 방법 및 이를 수행하는 전자 장치
Joseph et al. Retracted article: a multimodal biometric authentication scheme based on feature fusion for improving security in cloud environment
Sajjad et al. Robust image hashing based efficient authentication for smart industrial environment
Soualmi et al. A new blind medical image watermarking based on weber descriptors and Arnold chaotic map
Inamdar et al. Dual watermarking technique with multiple biometric watermarks
Ma et al. Secure multimodal biometric authentication with wavelet quantization based fingerprint watermarking
Li et al. Data hiding in iris image for privacy protection
GB2588438A (en) Encoding and decoding apparatus
Sun et al. Privacy-aware image encryption based on logistic map and data hiding
Isa et al. A watermarking technique to improve the security level in face recognition systems
Tang et al. Detection of GAN‐Synthesized Image Based on Discrete Wavelet Transform
Jindal et al. Applicability of fractional transforms in image processing-review, technical challenges and future trends
KR102180924B1 (ko) Qr 코드를 이용한 디지털 워터마크 삽입 및 추출 시스템 및 방법
CN116645258A (zh) 水印嵌入、水印提取、水印识别模型构建方法、电子设备
Baumy et al. Efficient Forgery Detection Approaches for Digital Color Images.
US11810399B2 (en) Information processing device, information processing method, and program
Kadian et al. A Highly Secure and Robust Copyright Protection Method for Grayscale Images using DWT-SVD
CN107169913A (zh) 一种基于搜索最佳密钥的数字图像隐写方法
Shukla et al. A recent survey on information-hiding techniques
Leng et al. A multilayer steganographic method using improved exploiting modification directions scheme
Thenmozhi et al. Information security using image steganography based on generative adversarial networks
Rasras et al. Enhanced Efficiency and Security in LSB2 Steganography: Burst Embedding and Private Key Integration.
CN110782384B (zh) 一种基于二值化计算关联成像的小波域图像盲水印方法
Rejani et al. STEGANODB-A Secure Database using Steganography
Ibrahim A Method to Encode the Fingerprint Minutiae Using QR Code