KR20210074749A - 라이브니스 검사 방법 및 라이브니스 검사 장치 - Google Patents

라이브니스 검사 방법 및 라이브니스 검사 장치 Download PDF

Info

Publication number
KR20210074749A
KR20210074749A KR1020190165777A KR20190165777A KR20210074749A KR 20210074749 A KR20210074749 A KR 20210074749A KR 1020190165777 A KR1020190165777 A KR 1020190165777A KR 20190165777 A KR20190165777 A KR 20190165777A KR 20210074749 A KR20210074749 A KR 20210074749A
Authority
KR
South Korea
Prior art keywords
liveness
test
radar
liveness test
sensor
Prior art date
Application number
KR1020190165777A
Other languages
English (en)
Inventor
김병관
한승주
김종석
최성도
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 KR1020190165777A priority Critical patent/KR20210074749A/ko
Priority to US16/924,544 priority patent/US11776239B2/en
Priority to CN202010770095.0A priority patent/CN112989902A/zh
Priority to EP20203797.4A priority patent/EP3836011A1/en
Publication of KR20210074749A publication Critical patent/KR20210074749A/ko
Priority to US18/456,713 priority patent/US20230401823A1/en

Links

Images

Classifications

    • 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
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/40—Spoof detection, e.g. liveness detection
    • G06V40/45—Detection of the body part being alive
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
    • G01S13/04—Systems determining presence of a target
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/86—Combinations of radar systems with non-radar systems, e.g. sonar, direction finder
    • G01S13/867—Combination of radar systems with cameras
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/88—Radar or analogous systems specially adapted for specific applications
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
    • G01S7/024—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using polarisation effects
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
    • G01S7/41—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
    • G01S7/411—Identification of targets based on measurements of radar reflectivity
    • G01S7/412—Identification of targets based on measurements of radar reflectivity based on a comparison between measured values and known or stored values
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/30—Authentication, i.e. establishing the identity or authorisation of security principals
    • G06F21/45—Structures or tools for the administration of authentication
    • G06K9/00221—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
    • 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
    • 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
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/161—Detection; Localisation; Normalisation
    • G06V40/166—Detection; Localisation; Normalisation using acquisition arrangements
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/168—Feature extraction; Face representation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/40—Spoof detection, e.g. liveness detection

Abstract

라이브니스 검사 방법 및 라이브니스 검사 장치가 개시된다. 라이브니스 검사 방법 레이더 센서를 이용하여 검사 대상의 존재 여부를 결정하는 단계, 검사 대상이 존재하는 것으로 결정된 경우 레이더 센서에 의해 획득된 레이더 데이터에 기초하여 검사 대상에 대한 제1 라이브니스 검사를 수행하는 단계, 제1 라이브니스 검사의 결과가 정의된 조건을 만족시키는 경우 영상 센서를 이용하여 검사 대상에 대한 영상 데이터를 획득하는 단계 및 획득된 영상 데이터에 기초하여 검사 대상에 대한 제2 라이브니스 검사를 수행하는 단계를 포함한다.

Description

라이브니스 검사 방법 및 라이브니스 검사 장치{LIVENESS TEST METHOD AND LIVENESS TEST APPARATUS}
아래의 실시예들은 객체의 라이브니스를 검사하는 기술에 관한 것이다.
사용자 인증 시스템(user authentication system)에서 컴퓨팅 장치는 사용자에 의해 제공되는 인증 정보(authentication information)에 기초하여 해당 컴퓨팅 장치에 대한 액세스를 허용할지 여부를 결정할 수 있다. 인증 정보는 사용자에 의해 입력되는 패스워드 또는 사용자의 생체 정보(biometric information) 등을 포함할 수 있다. 생체 정보는 지문(fingerprint), 홍채(iris) 또는 얼굴에 대한 정보를 포함한다.
최근, 사용자 인증 시스템을 위한 보안 방법으로서, 얼굴 스푸핑 방지(face anti-spoofing) 기술에 대한 관심이 증가하고 있다. 얼굴 스푸핑 방지는 컴퓨팅 장치에 입력된 사용자의 얼굴이 거짓 얼굴(fake face)인지 아니면 진짜 얼굴(genuine face)인지 여부를 구별한다. 이를 위해, 입력 영상에서 LBP(Local Binary Patterns), HOG(Histogram of Oriented Gradients), DoG(Difference of Gaussians) 등과 같은 특징들(features)이 추출되고, 추출된 특징들에 기반하여 입력된 얼굴이 위조 얼굴인지 여부가 판정된다. 얼굴 스푸핑은 사진, 동영상 또는 마스크 등을 이용하는 공격 형태를 가지며, 얼굴 인증에 있어 이러한 공격들을 구별해 내는 것은 중요하다.
일 실시예에 따른 라이브니스 검사 방법은, 레이더 센서를 이용하여 검사 대상의 존재 여부를 결정하는 단계; 상기 검사 대상이 존재하는 것으로 결정된 경우, 상기 레이더 센서에 의해 획득된 레이더 데이터에 기초하여 상기 검사 대상에 대한 제1 라이브니스 검사를 수행하는 단계; 상기 제1 라이브니스 검사의 결과가 정의된 조건을 만족시키는 경우, 영상 센서를 이용하여 상기 검사 대상에 대한 영상 데이터를 획득하는 단계; 및 상기 영상 데이터에 기초하여 상기 검사 대상에 대한 제2 라이브니스 검사를 수행하는 단계를 포함할 수 있다.
상기 검사 대상의 존재 여부를 결정하는 단계는, 상기 레이더 센서에 의해 획득된 레이더 데이터에 기초하여 사람 얼굴의 존재 여부를 결정하는 단계를 포함할 수 있다.
상기 검사 대상의 존재 여부를 결정하는 단계는, 상기 레이더 센서에 의해 획득된 레이더 데이터로부터 거리별 수신 신호의 세기 특징을 추출하는 단계; 및 상기 세기 특징을 기초로 상기 검사 대상의 존재 여부를 결정하는 단계를 포함할 수 있다.
상기 검사 대상의 존재 여부를 결정하는 단계는, 상기 레이더 센서로부터 레이더 데이터를 계속적으로 획득하는 단계; 및 상기 획득된 레이더 데이터에 기초하여 상기 검사 대상의 존재 여부를 결정하는 단계를 포함할 수 있다.
상기 영상 데이터를 획득하는 단계는, 상기 제1 라이브니스 검사의 결과가 상기 조건을 만족시키는 경우, 상기 영상 센서의 동작을 활성화시키는 단계; 및 상기 활성화된 영상 센서로부터 상기 영상 데이터를 획득하는 단계를 포함할 수 있다.
일 실시예에 따른 라이브니스 검사 방법은, 상기 제2 라이브니스 검사의 결과가 정의된 조건을 만족시키는 경우, 상기 레이더 센서에 의해 획득된 레이더 데이터 및 상기 영상 센서에 의해 획득된 영상 데이터에 기초하여 상기 검사 대상에 대한 제3 라이브니스 검사를 수행하는 단계를 더 포함할 수 있다.
상기 제3 라이브니스 검사를 수행하는 단계는, 상기 영상 데이터의 얼굴 영역에 포함된 픽셀들의 픽셀 값에 기초하여 제1 특징을 추출하는 단계; 상기 레이더 센서를 이용하여 레이더 데이터를 획득하는 단계; 상기 획득한 레이더 데이터로부터 제2 특징을 추출하는 단계; 및 상기 제1 특징 및 상기 제2 특징에 기초하여 상기 제3 라이브니스 검사의 결과를 결정하는 단계를 포함할 수 있다.
상기 레이더 데이터를 획득하는 단계는, 상기 레이더 센서를 이용하여 복수의 채널별로 레이더 데이터를 획득하는 단계를 포함하고, 상기 제2 특징을 추출하는 단계는, 상기 획득한 레이더 데이터에서 채널 기반 신호 특징을 추출하는 단계를 포함할 수 있다.
다른 실시예에 따른 라이브니스 검사 방법은, 레이더 센서를 이용하여 검사 대상의 존재 여부를 결정하는 단계; 상기 검사 대상이 존재하는 것으로 결정된 경우, 영상 센서를 이용하여 상기 검사 대상에 대한 영상 데이터를 획득하는 단계; 및 상기 영상 데이터에 기초하여 상기 검사 대상에 대한 제1 라이브니스 검사를 수행하는 단계를 포함할 수 있다.
다른 실시예에 따른 라이브니스 검사 방법은, 상기 제1 라이브니스 검사의 결과가 정의된 조건을 만족시키는 경우, 상기 레이더 센서에 의해 획득된 레이더 데이터 및 상기 영상 센서에 의해 획득된 영상 데이터에 기초하여 상기 검사 대상에 대한 제2 라이브니스 검사를 수행하는 단계를 더 포함할 수 있다.
일 실시예에 따른 라이브니스 검사 장치는, 레이더 센서; 영상 센서; 및 상기 레이더 센서 및 상기 영상 센서 중 적어도 하나를 이용하여 검사 대상에 대한 라이브니스 검사를 수행하는 프로세서를 포함하고, 상기 프로세서는, 상기 레이더 센서를 이용하여 검사 대상의 존재 여부를 결정하고, 상기 검사 대상이 존재하는 것으로 결정된 경우, 상기 레이더 센서에 의해 획득된 레이더 데이터에 기초하여 상기 검사 대상에 대한 제1 라이브니스 검사를 수행하고, 상기 제1 라이브니스 검사의 결과가 정의된 조건을 만족시키는 경우, 상기 영상 센서를 이용하여 상기 검사 대상에 대한 영상 데이터를 획득하고, 상기 영상 데이터에 기초하여 상기 검사 대상에 대한 제2 라이브니스 검사를 수행할 수 있다.
상기 프로세서는, 상기 제2 라이브니스 검사의 결과가 정의된 조건을 만족시키는 경우, 상기 레이더 센서에 의해 획득된 레이더 데이터 및 상기 영상 센서에 의해 획득된 영상 데이터에 기초하여 상기 검사 대상에 대한 제3 라이브니스 검사를 수행할 수 있다.
상기 레이더 센서는, 통신 기능을 수행할 수 있는 통신 모듈에 포함되어 동작할 수 있다.
다른 실시예에 따른 라이브니스 검사 장치는, 레이더 센서; 영상 센서; 및 상기 레이더 센서 및 상기 영상 센서 중 적어도 하나를 이용하여 검사 대상에 대한 라이브니스 검사를 수행하는 프로세서를 포함하고, 상기 프로세서는, 레이더 센서를 이용하여 검사 대상의 존재 여부를 결정하고, 상기 검사 대상이 존재하는 것으로 결정된 경우, 영상 센서를 이용하여 상기 검사 대상에 대한 영상 데이터를 획득하고, 상기 영상 데이터에 기초하여 상기 검사 대상에 대한 제1 라이브니스 검사를 수행할 수 있다.
상기 프로세서는, 상기 제1 라이브니스 검사의 결과가 정의된 조건을 만족시키는 경우, 상기 레이더 센서에 의해 획득된 레이더 데이터 및 상기 영상 센서에 의해 획득된 영상 데이터에 기초하여 상기 검사 대상에 대한 제2 라이브니스 검사를 수행할 수 있다.
도 1 및 도 2는 일 실시예에 따른 생체 인증 및 라이브니스 검사를 설명하기 위한 도면들이다.
도 3은 일 실시예에 따른 레이더 센서와 카메라 센서가 구비된 전자 장치의 일례를 도시하는 도면이다.
도 4는 일 실시예에 따른 라이브니스 검사 과정을 설명하기 위한 도면이다.
도 5는 일 실시예에 따른 레이더 데이터에 기초하여 영상 센서의 활성화를 제어하는 일례를 설명하기 위한 도면이다.
도 6은 일 실시예에 따른 영상 데이터에서 얼굴 영역을 검출하는 일례를 설명하기 위한 도면이다.
도 7a 및 도 7b는 일 실시예에 따른 제3 라이브니스 검사를 수행하는 일례들을 설명하기 위한 도면들이다.
도 8은 일 실시예에 따른 라이브니스 검사 방법의 동작을 설명하기 위한 흐름도이다.
도 9는 다른 실시예에 따른 라이브니스 검사 방법의 동작을 설명하기 위한 흐름도이다.
도 10은 일 실시예에 따른 라이브니스 검사 모델을 학습시키는 과정을 설명하기 위한 도면이다.
도 11은 일 실시예에 따른 라이브니스 검사 장치의 구성을 도시한 도면이다.
도 12는 일 실시예에 따른 전자 장치의 구성을 도시하는 도면이다.
실시예들에 대한 특정한 구조적 또는 기능적 설명들은 단지 예시를 위한 목적으로 개시된 것으로서, 다양한 형태로 변경되어 실시될 수 있다. 따라서, 실시예들은 특정한 개시형태로 한정되는 것이 아니며, 본 명세서의 범위는 기술적 사상에 포함되는 변경, 균등물, 또는 대체물을 포함한다.
제1 또는 제2 등의 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 이런 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 해석되어야 한다. 또한, 어떤 구성요소가 다른 구성요소에 "연결되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다.
단수의 표현은 달리 명시되지 않는 한 일반적으로 "하나 이상의"를 의미하는 것으로 해석되어야 한다. 본 명세서에서, "포함하다" 또는 "가지다" 등의 용어는 설명된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함으로 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
또한, 다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 해당 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가진다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥상 가지는 의미와 일치하는 의미를 갖는 것으로 해석되어야 하며, 본 명세서에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.
이하, 실시예들을 첨부된 도면들을 참조하여 상세하게 설명한다. 첨부 도면을 참조하여 설명함에 있어, 도면 부호에 관계없이 동일한 구성 요소는 동일한 참조 부호를 부여하고, 이에 대한 중복되는 설명은 생략하기로 한다.
도 1 및 도 2는 일 실시예에 따른 생체 인증 및 라이브니스 검사를 설명하기 위한 도면들이다.
생체 인증(biometrics)은 사용자 인증(user verification)을 위한 인증 기술들 중 지문, 홍채, 얼굴, 정맥, 피부 등의 개인 생체 정보를 이용하는 인증 기술이다. 생체 인증에서 얼굴 인증은(face verification)은 인증을 시도한 사용자의 얼굴 정보에 기초하여 해당 사용자가 유효한(valid) 사용자인지 여부를 판단하는 인증 방법이다. 얼굴 인증은 사용자 로그인, 결제 서비스 및 출입 통제 등에서 유효한 사용자를 인증하는데 이용될 수 있다.
도 1을 참조하면, 일 실시예에서 전자 장치(120)는 생체 인증을 통해 전자 장치(120)에 액세스하려는 사용자(110)에 대한 인증 과정을 수행할 수 있다. 일 실시예에서, 전자 장치(120)는 전자 장치(120)에 포함된 레이더 센서(130)를 이용하여 사용자(110)의 접근을 감지하고, 사용자(110)가 특정한 거리 이내로 접근한 것으로 결정된 경우에 사용자(110)에 대한 생체 인증(예, 얼굴 인증) 과정을 수행할 수 있다. 전자 장치(120)는 사용자(110)가 생체 인증 과정을 시작하기 위해 버튼을 누르거나 화면을 터치하는 등의 별도의 조작을 하지 않더라도, 레이더 센서(130)를 이용하여 생체 인증 과정을 자동으로 수행할 수 있다.
전자 장치(120)는 레이더 센서(130)를 이용하여 획득한 레이더 데이터 및/또는 카메라와 같은 영상 센서(140)를 이용하여 획득한 영상 데이터에 기초하여 생체 인증 과정을 수행할 수 있다. 전자 장치(120)는 레이더 데이터 및/또는 영상 데이터를 분석하여 인증 결과를 결정할 수 있다. 생체 인증 과정은 예를 들어 레이더 데이터 및/또는 영상 데이터에서 특징을 추출하고, 추출된 특징을 유효한 사용자에 대한 등록 특징과 비교하여 그 비교 결과에 따라 인증의 성공 여부를 결정하는 과정을 포함할 수 있다. 일 실시예에서, 전자 장치(120)가 잠금 상태에 있었던 경우, 사용자(110)에 대한 인증이 성공한 것으로 결정되면 전자 장치(120)의 잠금 상태가 해제될 수 있다. 이와 반대로, 사용자(110)에 대한 인증이 실패한 것으로 결정된 경우, 전자 장치(120)는 계속적으로 잠금 모드에서 동작하게 된다.
일 실시예에서, 유효한 사용자는 등록 과정을 통해 자신의 생체 특징을 전자 장치(120)에 미리 등록할 수 있고, 전자 장치(120)는 저장 장치 또는 클라우드 저장매체(cloud storage)에 해당 유효한 사용자를 식별하기 위한 정보를 저장할 수 있다. 예를 들어, 유효한 사용자의 얼굴 영상 또는 해당 얼굴 영상으로부터 추출된 얼굴 특징이 유효한 사용자의 등록 생체 특징으로서 저장될 수 있다.
일 실시예에 따르면, 위와 같은 생체 인증 과정에서 라이브니스 검사(liveness test)가 수행될 수 있다. 생체 인증 결과가 결정되기 이전 또는 이후에 라이브니스 검사가 수행될 수 있다. 또는, 생체 인증 과정과 라이브니스 검사 과정은 함께 수행될 수도 있다. 라이브니스 검사는 검사 대상(test subject)인 객체가 살아있는 객체인지 여부를 검사하는 것으로, 인증 수단의 진위 여부를 판단하기 위한 것이다. 예를 들어, 라이브니스 검사는 카메라(140)에 의해 촬영된 영상에 나타난 얼굴이 사람의 진짜 얼굴(genuine face)인지 아니면 거짓 얼굴(fake face)인지 여부를 검사하는 것이다. 라이브니스 검사는 살아있지 않은 객체(예를 들어, 위조 수단으로서 사용된 사진, 종이, 동영상, 모형 및 마스크 등)와 살아있는 객체(예를 들어, 사람의 실제 얼굴 등) 사이를 구별하는데 이용된다.
도 2는 일실시예에 따른 거짓 얼굴(210)과 진짜 얼굴(220)의 예시를 도시한다. 전자 장치(120)는 라이브니스 검사를 통해 실제 사용자 얼굴이 촬영된 검사 대상 영상에서 진짜 얼굴(220)을 식별할 수 있다. 또한, 전자 장치(120)는 라이브니스 검사를 통해 스마트폰 스크린이나 PC 스크린에 디스플레이된 사용자 얼굴, 사진에 나타난 사용자 얼굴, 종이에 프린팅된 사용자 얼굴, 사용자 얼굴을 모델링한 모형 등이 촬영된 검사 대상 영상에서 거짓 얼굴(210)을 구분할 수 있다.
유효하지 않은 사용자는 위조 기술(spoofing techniques)을 이용하여 사용자 인증 시스템의 오인증(false acceptance)을 유발하기 위한 시도를 수행할 수 있다. 예를 들어, 얼굴 인증에서, 유효하지 않은 사용자는 오인증을 유발하기 위해 유효한 사용자의 얼굴이 나타난 컬러 사진, 동영상 또는 유효한 사용자의 얼굴 형상을 묘사한 모형이나 마스크를 카메라(140)에 제시할 수 있다. 라이브니스 검사는 이러한 사진, 동영상, 마스크 또는 모형과 같은 대체물을 이용한 인증 시도(또는, 스푸핑 공격)를 걸러내어 오인증을 방지하는 역할을 한다. 라이브니스 검사 결과로서, 인증 대상이 살아있지 않은 객체로 결정된 경우, 등록된 대상과 비교하여 일치 여부를 판단하는 사용자 인증 단계로 넘어가지 않거나 또는 사용자 인증의 결과와 관계 없이 최종적으로 사용자 인증이 실패한 것으로 결정될 수 있다.
도 1로 돌아오면, 전자 장치(120)는 실시예에 따라 라이브니스 검사 및 생체 인증 중 어느 하나만 수행하거나, 또는 라이브니스 검사 및 생체 인증을 모두 수행할 수 있다. 전자 장치(120)는 예를 들어, 스마트폰, 웨어러블 기기(wearable device), 태블릿 컴퓨터, 넷북, 랩탑, 데스크탑, PDA(personal digital assistant), 셋탑 박스, 가전 기기, 생체 도어락, 보안 장치 또는 차량 시동 장치 등일 수 있다.
라이브니스 검사 및/또는 생체 인증 과정을 위해, 전자 장치(120)는 레이더 센서(130)와 영상 센서(140)를 이용할 수 있다. 일반적으로, 레이더 센서(130)는 소비 전력이 크지 않지만, 상대적으로 영상 센서(140)는 소비 전력이 크다. 레이더 센서(130)는 항상 또는 주기적으로 활성화되어 상시 센싱(always-on sensing)을 가능하게 한다. 레이더 센서(130)는 레이더 기능을 제공하는 통신 모듈에 포함되어 동작할 수 있다. 일 실시예에서, 전자 장치(120)는 레이더 센서(130)를 이용하여 사용자(110)의 접근을 자동으로 감지하고, 사용자(110)의 접근이 감지되면 레이더 센서(130)에 의해 센싱된 레이더 데이터에 기초하여 1차로 라이브니스 검사를 수행하고, 해당 라이브니스 검사의 결과가 정의된 조건을 만족시키면 영상 센서(140)를 활성화시킬 수 있다. 이후에, 전자 장치(120)는 영상 센서(140)를 통해 획득된 사용자(110)의 얼굴 영상에 기초하여 2차로 라이브니스 검사를 수행할 수 있다.
레이더 센서 없이 영상 센서만 이용되는 경우, 소비 전력이 큰 영상 센서를 항상 활성화시켜 놓을 수는 없으므로, 스위치/버튼을 누르거나 스크린을 터치하거나 움직이는 등의 특정한 트리거(trigger) 동작을 통해 영상 센서를 활성화시키고 인증 과정을 수행한다. 따라서, 이 경우 상시 센싱을 통해 인증을 수행하는 것이 불가능하다. 또한, 영상 센서는 센서 자체의 특성 상 주위 조명 환경에 따른 성능에 편차가 존재하며, 영상 센서만을 이용한 라이브니스 검사는 사진이나 스크린을 이용한 2D 스푸핑 공격이나 모형/마스크 기반의 3D 스푸핑 공격에 강인하기가 어려울 수 있다.
하지만, 본 명세서에서 설명되는 라이브니스 검사 장치와 라이브니스 검사 방법에서는 레이더 센서(130)와 영상 센서(140)를 이용하여 라이브니스 검사를 수행함으로써, 위 설명한 단점들을 극복할 수 있다. 전자 장치(120)는 소비 전력이 적은 레이더 센서(130)를 이용하여 상시 센싱을 수행할 수 있으며, 레이더 센서(130)로부터 획득한 레이더 데이터를 이용하여 라이브니스 검사를 수행함으로써 영상 센서(140)가 주위 조명 환경에 취약한 약점을 보완할 수 있다. 또한, 객체의 3D 형상 정보, 물질 특성 정보를 포함하는 레이더 데이터를 기초로 라이브니스 검사를 수행함으로써 2D 스푸핑 공격 뿐만 아니라 3D 스푸핑 공격에도 강인하게 대응할 수 있다. 이에 따라, 위조 기술에 기반한 오인증을 효과적으로 막고, 라이브니스 검사 및 생체 인증의 정확도를 개선시킬 수 있다.
도 3은 일 실시예에 따른 레이더 센서와 카메라 센서가 구비된 전자 장치의 일례를 도시하는 도면이다.
도 3을 참조하면, 전자 장치(120)는 영상 센서(130)와 레이더 센서(310)를 포함할 수 있다. 영상 센서(130)와 레이더 센서(310)는 각각 하나 이상이 존재할 수 있다. 영상 센서(130)는 영상 데이터를 획득하는 센서로, 예를 들어 컬러 센서 또는 적외선 센서 등을 포함할 수 있다. 레이더 센서(310)는 수신 신호에 기반하여 레이더 데이터를 획득하는 센서로, 전자 장치(120)의 다양한 위치에 배치될 수 있다. 일 실시예에서, 전자 장치(120)에 포함된 통신 모듈이 레이더 센서(310)의 기능을 수행할 수도 있다. 예를 들어, IEEE 802.11 ad/ay 통신 기술을 제공하는 통신 모듈의 경우, 레이더 센서(130)의 기능을 제공할 수 있다.
레이더 센서(310)는 송신 안테나를 통해 송신 신호를 송신하고, 송신 신호가 객체에 반사된 반사 신호를 수신 안테나를 통해 획득할 수 있다. 레이더 센서(310)는 하나 이상의 송신 안테나와 하나 이상의 수신 안테나를 포함할 수 있다. 일 실시예에서, 레이더 센서(310)는 복수 개의 송신 안테나들과 수신 안테나들을 포함할 수 있고, 이들 송신 안테나들 및 수신 안테나들을 이용하여 MIMO(Multiple-Input Multiple-Output) 기능을 수행할 수 있다.
레이더 센서(310)의 송신 신호와 객체에 반사되어 수신되는 수신 신호 간의 시간적 차이에 기초하여 객체의 존재 여부와 객체까지의 거리 등이 판단될 수 있다. 또한, 레이더 센서(310)의 복수의 수신 안테나들을 통해 획득된 수신 신호들을 분석하는 것에 의해 객체의 3D 형상 정보, 물질 특성 정보가 추출할 수 있다. 예를 들어, 객체가 얼굴인 경우, 수신 신호들을 분석하는 것에 의해 얼굴의 크기, 3D 형태, 반사 속성, 얼굴 주요 지점의 깊이, 얼굴 주요 지점들 사이의 거리 등과 같은 특징들이 추정될 수 있다.
도 4는 일 실시예에 따른 라이브니스 검사 과정을 설명하기 위한 도면이다.
도 4를 참조하면, 단계(410)에서 라이브니스 검사를 수행하는 장치인 라이브니스 검사 장치는 레이더 센서를 이용하여 검사 대상의 존재 여부를 판단할 수 있다. 라이브니스 검사 장치는 저전력 및 짧은 주기로 동작 가능한 레이더 센서를 이용하여 상시 센싱 기술을 구현할 수 있다. 실시예에 따라, 라이브니스 검사 장치는 통신 모듈을 통해 레이더 센서의 기능을 수행할 수도 있다. 일 실시예에서, 레이더 센서는 검사 대상의 존재 여부를 판단하기 위해 전체 안테나들 중에서 일부의 안테나들만 이용할 수 있다. 예를 들어, 레이더 센서는 한 쌍의 송신 안테나 및 수신 안테나를 이용하여 검사 대상의 존재 여부를 모니터링할 수 있다.
라이브니스 검사 장치는 레이더 센서를 통해 획득된 레이더 데이터를 분석하여 검사 대상이 존재하는지 여부를 검사할 수 있다. 라이브니스 검사 장치는 레이더 데이터에 기초하여 송신 신호와 수신 신호 간의 신호 전파 이동 시간을 계산하고, 계산된 신호 전파 이동 시간을 기초로 검사 대상까지의 거리를 추정할 수 있다. 일 실시예에서, 라이브니스 검사 장치는 검사 대상까지의 거리가 임계 값 이하인 경우, 검사 대상이 존재하는 것으로 결정할 수 있다. 라이브니스 검사 장치는 수신 신호의 거리별 신호 세기를 분석하여 검사 대상의 존재 여부를 판단할 수 있다.
검사 대상이 존재하지 않는 것으로 결정된 경우, 라이브니스 검사 장치는 레이더 센서를 이용하여 계속하여 검사 대상의 존재 여부를 검사한다. 이와 다르게 검사 대상이 존재하는 것으로 결정된 경우, 단계(420)에서 라이브니스 검사 장치는 레이더 센서를 이용하여 제1 라이브니스 검사를 수행한다. 라이브니스 검사 장치는 레이더 센서를 이용하여 레이더 데이터를 획득하고, 획득된 레이더 데이터를 이용하여 제1 라이브니스 검사를 수행한다. 이 때, 레이더 센서는 단계(410)에서보다 많은 수의 안테나들을 이용하여 보다 세밀한 레이더 데이터를 획득할 수 있다. 라이브니스 검사 장치는 레이더 데이터를 분석하여 검사 대상의 형태, 굴곡, 크기, 물질 특성, 검사 대상이 위치하는 방향, 검사 대상까지의 거리에 대한 특징을 추출할 수 있다. 레이더 센서는 전자기파를 송신할 수 있고, 전자기파가 검사 대상에 반사되어 획득된 수신 신호의 경우, 물질 특성에 대한 정보를 포함할 수 있다. 예를 들어, 검사 대상의 물질이 금속, 플라스틱, 실제 사람의 피부인지 여부에 따라 레이더 데이터에 나타나는 물질 특성에 대한 정보가 달라질 수 있다. 이에 따라, 라이브니스 검사 장치는 레이더 데이터에 포함된 물질 특성에 대한 정보를 기초로 검사 대상이 실제 사람인지 여부를 효과적으로 구별할 수 있다.
제1 라이브니스 검사 결과, 검사 대상이 살아있는 객체가 아닌 거짓 객체로 결정된 경우 라이브니스 검사 장치는 다시 단계(410)로 돌아가 검사 대상의 존재 여부를 계속적으로 모니터링할 수 있다. 제1 라이브니스 검사 결과, 검사 대상이 살아있는 객체로 결정된 경우 단계(430)에서 라이브니스 검사 장치는 영상 센서를 활성화시킬 수 있다. 예를 들어, 영상 센서에 대한 웨이크-업(wake-up) 기능이 수행될 수 있다. 활성화된 영상 센서는 영상 데이터를 획득할 수 있다. 영상 센서는 예를 들어 하나 이상의 사진 또는 동영상을 획득할 수 있다.
단계(440)에서, 라이브니스 검사 장치는 영상 데이터에서 관심 영역(예, 얼굴 영역)을 검출할 수 있다. 실시예에 따라, 관심 영역을 검출할 때 레이더 데이터가 이용될 수 있다. 예를 들어, 영상 데이터로부터 복수 개의 관심 영역들이 검출된 경우, 레이더 데이터에 기초하여 검사 대상이 검출된 방향 또는 영역을 식별하고, 식별된 방향 또는 영역에 위치하는 관심 영역을 최종 관심 영역으로 결정할 수 있다. 또는, 레이더 데이터에 포함된 검사 대상에 대한 정보(예, 방향, 거리, 크기 등)를 이용하여, 영상 데이터에서 검출된 관심 영역이 수정될 수도 있다.
단계(450)에서, 라이브니스 검사 장치는 관심 영역에 기초하여 제2 라이브니스 검사를 수행할 수 있다. 일 실시예에서, 라이브니스 검사 장치는 라이브니스 검사 모델을 이용하여 제2 라이브니스 검사를 수행할 수 있다. 예를 들어, 라이브니스 검사 모델에는 관심 영역에 대한 픽셀 값 정보가 입력되고, 라이브니스 검사 모델은 관심 영역에 나타난 검사 대상이 살아있는 객체에 해당할 스코어(예, 기대 값 내지 확률 값)을 제공할 수 있다. 해당 스코어가 임계 값보다 큰 경우, 검사 대상은 살아 있는 객체인 것으로 결정되고, 스코어가 임계 값 이하이면 검사 대상은 거짓 객체인 것으로 결정될 수 있다.
본 명세서에서 설명되는 라이브니스 검사 모델은, 예를 들어 입력 데이터에 기초하여 내부 파라미터들에 의해 계산된 값을 출력하는 뉴럴 네트워크 모델일 수 있다. 라이브니스 검사 모델은, 예를 들어 입력된 데이터에 기반하여 검사 대상인 얼굴 객체가 진짜 얼굴 또는 거짓 얼굴에 해당할 수치, 확률 값 또는 특징 값을 나타내는 스코어를 제공할 수 있다. 스코어는 검사 대상의 라이브니스 여부를 결정하는데 기준이 되는 값이다. 라이브니스 검사 모델은, 예를 들어 깊은 컨볼루션 뉴럴 네트워크(Deep Convolutional Neural Network; DCNN) 모델에 기초할 수 있다. DCNN 모델은 컨볼루션 레이어(convolution layer), 풀링 레이어(pooling layer) 및 완전 연결 레이어(fully connected layer)를 포함하고, 각 레이어에 의해 수행되는 연산 과정을 통해 라이브니스 검사 모델에 입력되는 입력 데이터로부터 라이브니스의 판단을 위한 정보를 제공할 수 있다. 위 DCNN 모델은 일 실시예에 불과하며, 라이브니스 검사 모델은 DCNN 모델 이외의 다른 구조의 뉴럴 네트워크 모델에 기초할 수도 있다.
다른 실시예에서, 라이브니스 검사 장치는 제1 라이브니스 검사 결과와 관심 영역의 검출 결과를 비교하여 유사도를 계산하고, 계산된 유사도가 기준 값보다 높으면 검사 대상이 살아 있는 객체인 것으로 결정하고, 해당 유사도가 기준 값 이하이면 검사 대상이 거짓 객체인 것으로 결정할 수 있다. 라이브니스 검사 장치는 검사 대상의 방향, 검사 대상까지의 거리, 검사 대상의 크기 등을 비교할 수 있고, 센서별 오차와 센서별 해상도를 고려하여 기준 값을 설정할 수 있다.
제2 라이브니스 검사 결과, 검사 대상이 살아있는 객체가 아닌 거짓 객체로 결정된 경우 라이브니스 검사 장치는 다시 단계(410)로 돌아가 검사 대상의 존재 여부를 계속적으로 모니터링할 수 있다. 제2 라이브니스 검사 결과, 검사 대상이 살아있는 객체로 결정된 경우 단계(460)에서 라이브니스 검사 장치는 레이더 데이터와 영상 데이터를 모두 이용하여 제3 라이브니스 검사를 수행할 수 있다. 제3 라이브니스 검사를 위해, 라이브니스 검사 장치는 복수의 안테나들을 이용하여 세밀한 레이더 데이터를 획득할 수 있다. 바람직하게는 레이더 데이터의 획득을 위해 최대 개수의 안테나가 이용되거나 넓은 주파수 대역이 이용될 수 있다. 일 실시예에서, 라이브니스 검사 장치는 서로 다른 채널들을 사용하거나 복수의 편파 안테나(polarization antenna)들을 이용하여 레이더 데이터를 획득할 수 있다. 서로 다른 채널들을 이용하는 것에 의해 레이더 데이터로부터 주파수 기반의 특징이 추출될 수 있고, 편파 안테나들을 통해 편파 특성 기반의 특징이 추출될 수 있다.
일 실시예에서, 라이브니스 검사 장치는 레이더 데이터 및 영상 데이터 각각에서 특징을 추출하고, 추출된 특징을 라이브니스 검사 모델에 입력하는 것에 의해 검사 대상이 살아 있는 객체에 해당 할 스코어를 획득할 수 있다. 레이더 데이터로부터는 검사 대상의 매질에 따른 전파 반사에 대한 특징이 추출될 수 있고, 영상 데이터로부터는 주요 부위들(예, 양쪽 눈) 간의 간격, 주요 부위(예, 눈, 코, 입)의 크기/형태 등의 특징이 추출될 수 있다. 다른 실시예에서, 라이브니스 검사 장치는 레이더 데이터와 영상 데이터를 결합하여 결합 데이터를 생성하고, 결합 데이터를 라이브니스 검사 모델에 입력시킬 수 있다. 라이브니스 검사 모델은 결합 데이터에 대응하는 스코어를 제공할 수 있다. 라이브니스 검사 모델은 예를 들어 하나의 뉴럴 네트워크 모델로 구현되거나 또는 복수의 뉴럴 네트워크 모델들로 구현될 수 있다.
실시예에 따라, 위 제1 라이브니스 검사, 제2 라이브니스 검사 및 제3 라이브니스 검사 중 어느 하나는 생략될 수도 있다.
라이브니스 검사 장치는 위와 같은 과정을 통해 상시 센싱 기술을 이용한 저전력 및 고성능의 라이브니스 검사를 수행할 수 있다. 특히, 라이브니스 검사 장치는 저전력으로 구동 가능하므로 모바일 플랫폼에서도 효과적으로 동작할 수 있다. 또한, 레이더 데이터와 영상 데이터를 복합적으로 이용하므로, 주위 조명 환경에 따른 라이브니스 검사의 성능 편차를 줄일 수 있으며, 2D 스푸핑 공격과 3D 스푸핑 공격을 효과적으로 막을 수 있다.
도 5는 일 실시예에 따른 레이더 데이터에 기초하여 영상 센서의 활성화를 제어하는 일례를 설명하기 위한 도면이다.
도 5를 참조하면, 단계(510)에서 전자 장치(120)는 레이더 센서(130)를 이용하여 계속적으로 검사 대상의 존재 여부를 검사한다. 일 실시예에서, 레이더 센서(130)는 주기적으로 신호를 송신할 수 있고, 사용자(110)가 특정한 영역 내로 진입한 경우 레이더 센서(130)로부터 송신된 신호는 사용자(110)에 의해 반사되고, 반사된 신호는 레이더 센서(130)에 의해 수신될 수 있다. 전자 장치(120)는 수신된 신호에 대한 정보를 포함하는 레이더 데이터를 분석하여 전자 장치(120)의 가까운 전방에 검사 대상이 존재하는지 여부를 결정할 수 있다.
검사 대상이 존재하는 것으로 결정된 경우, 전자 장치(120)는 레이더 센서(130)에 의해 획득된 레이더 데이터에 기초하여 사용자(110)에 대한 제1 라이브니스 검사를 수행할 수 있다. 일 실시예에서, 사용자(110)의 얼굴이 전자 장치(120)에 접근하는 경우, 전자 장치(120)는 얼굴의 존재를 자동으로 인식하고 얼굴 인식 과정을 위해 먼저 라이브니스 검사를 수행할 수 있다. 전자 장치(120)는 레이더 데이터로부터 검사 대상의 특징(예, 반사 특징, 3차원 형상 특징 등)을 추출하고, 추출한 특징이 살아있는 객체에 대한 특징에 대응하는지 여부를 판단할 수 있다.
제1 라이브니스 검사 결과가 정의된 조건을 만족시키는 경우, 예를 들어 레이더 데이터로부터 추출된 특징이 살아있는 객체에 대한 특징에 대응하는 것으로 결정된 경우, 단계(520)에서 전자 장치(120)는 영상 센서(140)를 활성화시킬 수 있다. 활성화된 영상 센서(140)는 사용자(110)의 얼굴에 대한 영상 데이터를 획득할 수 있고, 전자 장치(120)는 획득한 영상 데이터에 기초하여 제2 라이브니스 검사를 수행할 수 있다. 만약, 제1 라이브니스 검사 결과가 정의된 조건을 만족시키지 않는 경우, 전자 장치(120)는 현재 상태(예, 잠금 상태)를 그대로 유지할 수 있다. 이에 따라, 만약 사용자(110)의 실제 얼굴이 영상 센서(140)의 시야(field of view; FOV)에 존재하는 경우 얼굴 인식 기능이 동작하 수 있지만, 스푸핑 공격을 위한 매체가 영상 센서(140)의 시야에 존재하는 경우 얼굴 인식 기능은 동작하지 않는다.
다른 실시예에 따르면, 레이더 센서(130)에 의해 검사 대상이 존재하는 것으로 결정된 경우, 레이더 데이터에 기초한 제1 라이브니스 검사를 수행하는 것 없이, 영상 센서(140)가 활성화되고, 영상 센서(140)에 의해 획득된 영상 데이터에 기초하여 첫 번째 라이브니스 검사가 수행될 수도 있다.
본 도면에서 설명된 실시예들은, 전자 장치(120)가 아닌 본 명세서에서 설명되는 라이브니스 검사 장치에 의해 수행될 수도 있다.
도 6은 일 실시예에 따른 영상 데이터에서 얼굴 영역을 검출하는 일례를 설명하기 위한 도면이다.
도 6을 참조하면, 라이브니스 검사 장치는 영상 데이터(610)에 기반하여 라이브니스 검사를 수행할 때, 영상 데이터(610)에서 얼굴 영역(620)을 검출할 수 있다. 라이브니스 검사 장치는, 예를 들어 뉴럴 네트워크, Viola-Jones 검출기 또는 Haar 기반의 캐스케이드 에이다부스트 분류기 등을 이용하여 얼굴 영역(620)을 검출할 수 있다. 라이브니스 검사 장치는 얼굴 영역(620) 내에서 양쪽 눈의 끝 점들, 코끝 점 및 양쪽 입꼬리 점들에 대응하는 특징점(630)들을 검출할 수도 있다. 라이브니스 검사 장치는, 예를 들어 SURF(Speeded Up Robust Features), AAM(Active Appearance Model), ASM(Active Shape Model), SDM(Supervised Descent Method) 또는 딥러닝(deep learning) 등의 기법을 이용하여 특징점(630)들을 검출할 수 있다. 라이브니스 검사 장치는 특징점(630)들에 기반하여 얼굴 영역(620)을 영상 스케일링(image scaling) 또는 영상 와핑(image warping)하는 등의 영상 처리를 수행할 수 있고, 영상 처리가 수행된 얼굴 영역에 기초하여 라이브니스 검사를 수행할 수 있다.
도 7a 및 도 7b는 일 실시예에 따른 제3 라이브니스 검사를 수행하는 일례들을 설명하기 위한 도면들이다.
도 7a를 참조하면, 제3 라이브니스 검사에서는 레이더 데이터(710)와 영상 데이터(720)가 모두 이용될 수 있다. 레이더 데이터(710)는 라이브니스 검사 모델(730)에 입력되고, 라이브니스 검사 모델(730)은 레이더 데이터(710)에 대응하는 제1 스코어를 출력할 수 있다. 영상 데이터(720)는 라이브니스 검사 모델(740)에 입력되고, 라이브니스 검사 모델(740)은 영상 데이터(720)에 대응하는 제2 스코어를 출력할 수 있다. 본 실시예에서, 레이더 데이터(710)를 위한 라이브니스 검사 모델(730)과 영상 데이터(720)를 위한 라이브니스 검사 모델(740)이 별개로 존재한다. 라이브니스 검사 장치는 제1 스코어와 제2 스코어에 기초하여 검사 대상에 대한 제3 라이브니스 검사 결과(750)를 결정할 수 있다.
도 7b는 다른 실시예에 따른 단일의 라이브니스 검사 모델(760)을 이용하는 일례를 도시한다. 라이브니스 검사 장치가 제3 라이브니스 검사를 수행할 때, 단일의 라이브니스 검사 모델(760)에는 레이더 데이터(710)와 영상 데이터(720)가 입력되고, 라이브니스 검사 모델(760)은 검사 대상에 대한 스코어를 출력할 수 있다. 라이브니스 검사 장치는 라이브니스 검사 모델(760)을 통해 획득된 스코어를 기초로 검사 대상에 대한 제3 라이브니스 검사 결과(770)를 결정할 수 있다. 본 실시예와 같이, 도 7a에 도시된 라이브니스 검사 모델들(730, 740)은 하나의 통합된 뉴럴 네트워크 모델(760)로 대체될 수 있다.
도 8은 일 실시예에 따른 라이브니스 검사 방법의 동작을 설명하기 위한 흐름도이다. 라이브니스 검사 방법은 본 명세서에서 설명되는 라이브니스 검사 장치에 의해 수행될 수 있다.
도 8을 참조하면, 단계(810)에서 라이브니스 검사 장치는 레이더 센서를 이용하여 검사 대상의 존재 여부를 검사할 수 있다. 라이브니스 검사 장치는 레이더 센서로부터 레이더 데이터를 계속적으로(continually or continuously) 획득할 수 있고, 획득된 레이더 데이터에 기초하여 검사 대상의 존재 여부를 검사할 수 있다. 예를 들어, 라이브니스 검사 장치는 레이더 데이터에 기초하여 사람 얼굴이 존재하는지 여부를 모니터링할 수 있다. 라이브니스 검사 장치는 레이더 센서에 포함된 안테나들 중 일부의 안테나들을 이용하여 레이더 데이터를 획득하고, 획득된 레이더 데이터로부터 거리별 수신 신호의 세기 특징을 추출할 수 있다. 라이브니스 검사 장치는 추출된 세기 특징을 기초로 검사 대상의 크기 및 형상 등에 대한 정보를 추정하고, 추정한 정보에 기초하여 검사 대상의 존재 여부를 검사할 수 있다.
단계(820)에서, 라이브니스 검사 장치는 단계(810)의 검사 결과에 기초하여 검사 대상이 존재하는지 여부를 결정할 수 있다. 검사 대상이 존재하지 않는 경우, 라이브니스 검사 장치는 단계(810)으로 돌아가 계속하여 검사 대상의 존재 여부를 검사할 수 있다. 검사 대상이 존재하는 것으로 결정된 경우, 단계(830)에서 라이브니스 검사 장치는 레이더 센서에 의해 획득된 레이더 데이터에 기초하여 검사 대상에 대한 제1 라이브니스 검사를 수행할 수 있다.
일 실시예에서, 라이브니스 검사 장치는 제1 라이브니스 검사를 수행하는데 있어, 단계(810)에서 이용된 레이더 센서의 안테나 개수보다 많은 수의 안테나들을 이용하여 레이더 데이터를 획득할 수 있고, 획득된 레이더 데이터에서 특징을 추출할 수 있다. 예를 들어, 라이브니스 검사 장치는 검사 대상까지의 거리, 검사 대상의 크기, 검사 대상이 위치하는 방향, 검사 대상의 물질 특성 및 검사 대상의 형상 중 하나 이상의 특징을 레이더 데이터에서 추출할 수 있다. 라이브니스 검사 장치는 추출된 특징에 기초하여 검사 대상에 대한 제1 라이브니스 검사의 결과를 결정할 수 있다. 검사 대상의 라이브니스를 검사하는 것은 검사 대상이 살아 있는 진짜 객체인지 아니면 살아 있지 않은 가짜 객체인지 여부를 구별하는 것을 포함한다.
단계(840)에서, 라이브니스 검사 장치는 제1 라이브니스 검사의 결과가 정의된 조건을 만족시키는지 여부를 결정할 수 있다. 일 실시예에서, 제1 라이브니스 검사의 결과는 검사 대상이 살아 있는 객체에 해당할 스코어로서 결정될 수 있고, 해당 스코어가 특정한 임계 값보다 큰 조건이 만족되는지 여부가 결정될 수 있다.
제1 라이브니스 검사 결과가 정의된 조건을 만족시키지 않는 경우, 라이브니스 검사 장치는 다시 단계(810)로 돌아가 검사 대상의 존재 여부를 계속적으로 검사할 수 있다. 제1 라이브니스 검사 결과가 정의된 조건을 만족시키는 경우, 단계(850)에서 라이브니스 검사 장치는 영상 센서를 이용하여 검사 대상에 대한 영상 데이터를 획득할 수 있다. 라이브니스 검사 장치는 영상 센서의 동작을 활성화시키고, 활성화된 영상 센서로부터 영상 데이터를 획득할 수 있다. 이와 같이, 라이브니스 검사 장치는 레이더 센서를 이용하여 검사 대상이 존재하는 것으로 결정되고, 레이더 센서의 레이더 데이터에 기초한 제1 라이브니스 검사의 결과가 특정한 조건을 만족시키는 경우에 영상 센서를 활성화시킨다.
단계(860)에서, 라이브니스 검사 장치는 획득된 영상 데이터에 기초하여 검사 대상에 대한 제2 라이브니스 검사를 수행할 수 있다. 일 실시예에서, 라이브니스 검사 장치는 영상 데이터에서 검사 대상의 얼굴 영역을 검출하고, 검출된 얼굴 영역에 기초하여 제2 라이브니스 검사를 수행할 수 있다.
라이브니스 검사 장치는 Haar 기반의 캐스케이드 에이다부스트 분류기, 얼굴 영역을 검출하는 것으로 학습된 뉴럴 네트워크 또는 Viola-Jones 검출기 등을 이용하여 영상 데이터에서 얼굴 영역을 검출할 수 있다. 다만, 실시예의 범위가 이에 한정되는 것은 아니고, 라이브니스 검사 장치는 다양한 얼굴 영역 검출 기법을 이용하여 영상 데이터에서 얼굴 영역을 검출할 수 있다. 예를 들어, 라이브니스 검사 장치는 영상 데이터에서 얼굴의 랜드마크들(facial landmarks)을 검출하고, 검출된 랜드마크들을 포함하는 바운딩(bounding) 영역을 얼굴 영역으로서 검출할 수도 있다.
실시예에 따라, 얼굴 영역을 검출할 때 레이더 센서에 의해 획득한 레이더 데이터가 이용될 수도 있다. 예를 들어, 영상 데이터에서 복수 개의 얼굴 영역들이 검출된 경우, 레이더 데이터로부터 식별된 검사 대상의 위치 또는 검사 대상이 향하는 방향을 기초로 제2 라이브니스 검사에 대상이 되는 얼굴 영역이 결정될 수 있다.
일 실시예에서, 라이브니스 검사 장치는 얼굴 영역의 영상을 입력으로 하는 라이브니스 검사 모델을 이용하여 검사 대상에 대한 스코어를 결정하고, 결정된 스코어를 제2 라이브니스 검사의 결과로 결정할 수 있다.
단계(870)에서, 라이브니스 검사 장치는 제2 라이브니스 검사의 결과가 정의된 조건을 만족시키는지 여부를 결정할 수 있다. 일 실시예에서, 제2 라이브니스 검사의 결과는 검사 대상이 살아 있는 객체에 해당할 스코어로서 결정될 수 있고, 해당 스코어가 특정한 임계 값보다 큰 조건이 만족되는지 여부가 결정될 수 있다.
제2 라이브니스 검사 결과가 정의된 조건을 만족시키지 않는 경우, 라이브니스 검사 장치는 다시 단계(810)로 돌아가 검사 대상의 존재 여부를 계속적으로 검사할 수 있다. 제2 라이브니스 검사 결과가 정의된 조건을 만족시키는 경우, 단계(880)에서 라이브니스 검사 장치는 레이더 센서에 의해 획득된 레이더 데이터 및 영상 센서에 의해 획득된 영상 데이터에 기초하여 검사 대상에 대한 제3 라이브니스 검사를 수행할 수 있다.
일 실시예에서, 라이브니스 검사 장치는 제2 라이브니스 검사를 위해 영상 데이터의 얼굴 영역에 포함된 픽셀들의 픽셀 값에 기초하여 제1 특징을 추출하고, 레이더 센서를 이용하여 획득된 레이더 데이터로부터 제2 특징을 추출할 수 있다. 제1 특징 및 제2 특징의 추출을 위해 라이브니스 검사 모델이 이용될 수 있다. 라이브니스 검사 장치는 추출된 제1 특징 및 제2 특징에 기초하여 제2 라이브니스 검사의 결과를 결정할 수 있다.
일 실시예에서, 라이브니스 검사 장치는 영상 데이터의 얼굴 영역에 포함된 픽셀들의 픽셀 값에 기초하여 제1 특징을 추출할 수 있다. 라이브니스 검사 장치는 레이더 센서를 이용하여 레이더 데이터를 획득하고, 획득한 레이더 데이터로부터 제2 특징을 추출할 수 있다. 라이브니스 검사 장치는 예를 들어 복수의 편파 안테나들을 포함하는 레이더 센서를 이용하여 레이더 데이터를 획득하거나 또는 레이더 센서를 이용하여 복수의 채널별로 레이더 데이터를 획득할 수 있다. 라이브니스 검사 장치는 획득한 레이더 데이터에서 채널 기반 신호 특징을 제2 특징으로서 추출할 수 있다. 제1 특징 및 제2 특징의 추출을 위해 라이브니스 검사 모델이 이용될 수 있다. 라이브니스 검사 장치는 추출된 1 특징 및 상기 제2 특징에 기초하여 제3 라이브니스 검사의 결과를 결정할 수 있다.
다른 실시예에서, 라이브니스 검사 장치는 레이더 데이터와 영상 데이터를 결합하여 결합 데이터를 생성하고, 결합 데이터로부터 특징을 추출한 후 추출된 특징에 기초하여 제3 라이브니스 검사의 결과를 결정할 수 있다. 라이브니스 검사 장치는 제3 라이브니스 검사의 결과가 정의된 조건을 만족시키면, 검사 대상이 살아있는 객체인 것으로 결정할 수 있다.
라이브니스 검사 장치는 검사 대상에 대한 제3 라이브니스의 검사 결과에 응답하여 제어 동작을 수행할 수 있다. 일 실시예에서, 검사 대상이 살아있는 진짜 객체인 것으로 최종 결정된 경우, 라이브니스 검사 장치는 사용자 인증 절차의 실행을 요청하기 위한 제어 신호를 생성할 수 있다. 이와 반대로, 검사 대상이 살아있는 진짜 객체가 아닌 가짜 객체인 것으로 최종 결정된 경우, 라이브니스 검사 장치는 사용자 인증 과정의 실행을 요청하지 않고, 사용자의 액세스를 차단하기 위한 제어 신호를 생성할 수 있다. 또는, 라이브니스 검사 장치는 단계(810)으로 돌아가 검사 대상의 존재 여부에 대한 검사를 계속 진행할 수 있다.
실시예에 따라, 본 라이브니스 검사 방법에서 제1 라이브니스 검사, 제2 라이브니스 검사 및 제3 라이브니스 검사 중 어느 하나는 생략될 수도 있다.
도 9는 다른 실시예에 따른 라이브니스 검사 방법의 동작을 설명하기 위한 흐름도이다. 라이브니스 검사 방법은 본 명세서에서 설명되는 라이브니스 검사 장치에 의해 수행될 수 있다. 한편, 위에서 설명된 도 8에 대한 내용은 본 도 9에 대한 설명에 적용될 수 있고, 참조로서 여기에 포함된다. 또한, 여기서 위에 설명된 내용과 중복된 내용은 생략한다.
도 9를 참조하면, 단계(910)에서 라이브니스 검사 장치는 레이더 센서를 이용하여 검사 대상의 존재 여부를 검사할 수 있다. 라이브니스 검사 장치는 상시 센싱 기능과 같이 레이더 센서로부터 레이더 데이터를 계속적으로 획득하고, 획득된 레이더 데이터에 기초하여 검사 대상이 검출되기까지 레이더 데이터를 모니터링할 수 있다.
단계(920)에서, 라이브니스 검사 장치는 단계(910)의 검사 결과에 기초하여 검사 대상이 존재하는지 여부를 결정할 수 있다. 검사 대상이 존재하지 않는 경우, 라이브니스 검사 장치는 단계(910)으로 돌아가 계속하여 검사 대상의 존재 여부를 검사할 수 있다. 검사 대상이 존재하는 것으로 결정된 경우, 단계(930)에서 라이브니스 검사 장치는 영상 센서를 이용하여 검사 대상에 대한 영상 데이터를 획득할 수 있다. 라이브니스 검사 장치는 검사 대상이 존재하는 것으로 결정된 경우 영상 센서의 동작을 활성화시키고, 활성화된 영상 센서로부터 영상 데이터를 획득할 수 있다.
단계(940)에서, 라이브니스 검사 장치는 영상 데이터에 기초하여 검사 대상에 대한 제1 라이브니스 검사를 수행할 수 있다. 본 실시예의 제1 라이브니스 검사는 도 8의 단계(860)에서 설명된 제2 라이브니스 검사에 대응할 수 있다.
단계(950)에서, 라이브니스 검사 장치는 제1 라이브니스 검사의 결과가 정의된 조건을 만족시키는지 여부를 판단한다. 제1 라이브니스 검사 결과가 해당 조건을 만족시키지 않는 경우, 라이브니스 검사 장치는 단계(910)으로 돌아간다.
제1 라이브니스 검사의 결과가 정의된 조건을 만족시키는 경우, 단계(960)에서 라이브니스 검사 장치는 레이더 센서에 의해 획득된 레이더 데이터 및 영상 센서에 의해 획득된 영상 데이터에 기초하여 검사 대상에 대한 제2 라이브니스 검사를 수행한다. 본 실시예의 제2 라이브니스 검사는 도 8의 단계(880)에서 설명된 제3 라이브니스 검사에 대응할 수 있다.
일 실시예에서, 라이브니스 검사 장치는 제2 라이브니스 검사를 위해 영상 데이터의 얼굴 영역에 포함된 픽셀들의 픽셀 값에 기초하여 제1 특징을 추출하고, 레이더 센서를 이용하여 획득된 레이더 데이터로부터 제2 특징을 추출할 수 있다. 제1 특징 및 제2 특징의 추출을 위해 라이브니스 검사 모델이 이용될 수 있다. 라이브니스 검사 장치는 추출된 제1 특징 및 제2 특징에 기초하여 제2 라이브니스 검사의 결과를 결정할 수 있다.
다른 실시예에서, 라이브니스 검사 장치는 레이더 데이터와 영상 데이터를 결합하여 결합 데이터를 생성하고, 결합 데이터로부터 특징을 추출한 후 추출된 특징에 기초하여 제2 라이브니스 검사의 결과를 결정할 수 있다.
라이브니스 검사 장치는 제2 라이브니스 검사의 결과가 정의된 조건을 만족시키면, 검사 대상이 살아있는 객체인 것으로 결정할 수 있다. 이와 다르게, 제2 라이브니스 검사의 결과가 정의된 조건을 만족시키지 않는 경우, 라이브니스 검사 장치는 단계(410)으로 돌아가 계속적으로 검사 대상의 존재 여부를 모니터링할 수 있다.
도 10은 일 실시예에 따른 라이브니스 검사 모델을 학습시키는 과정을 설명하기 위한 도면이다.
본 명세서에서 설명된 라이브니스 검사 모델들은 학습(training) 과정을 통해 파라미터들이 결정될 수 있다. 도 10을 참조하면, 학습 과정에서는 많은 수의 학습 데이터(1010)와 각 학습 데이터(1010)에 대응하는 바람직한 목적 값(desired value) 정보를 포함하는 레이블 데이터가 준비된다. 실시예에 따라, 학습 데이터(1010)는 레이더 데이터, 영상 데이터, 또는 이들의 조합일 수 있다.
학습 데이터 선택기(1020)는 학습 데이터(1010) 중에서 현재 학습 단계에서 이용할 학습 데이터를 선택할 수 있다. 학습 데이터 선택기(1020)에 의해 선택된 학습 데이터는 라이브니스 검사 모델(1030)에 입력 되고, 라이브니스 검사 모델(1030)은 내부 파라미터들에 기초한 계산 과정을 통해 학습 데이터에 대응하는 결과 값을 출력한다. 일 실시예에서, 라이브니스 검사 모델(1030)은 뉴럴 네트워크 모델일 수 있고, 하나 또는 여러 개의 뉴럴 네트워크 모델들로 구현될 수 있다.
학습기(1040)는 라이브니스 검사 모델(1030)로부터 출력된 결과 값에 기초하여 라이브니스 검사 모델(1030)의 파라미터들을 업데이트한다. 일 실시예에서, 학습기(1040)는 라이브니스 검사 모델(1030)로부터 출력된 결과 값과 레이블 데이터에 포함된 목적 값 간의 차이로 인한 손실(loss)을 계산하고, 해당 손실이 줄어들도록 라이브니스 검사 모델(1030)의 파라미터들을 조정하는 것에 의해 라이브니스 검사 모델을 학습시킬 수 있다. 이후에, 학습기(1040)는 다음 학습 데이터가 선택되도록 학습 데이터 선택기(1020)를 제어할 수 있고, 선택된 다음 학습 데이터를 기초로 라이브니스 검사 모델(1030)에 대한 학습이 다시 수행될 수 있다. 많은 수의 학습 데이터(1010) 각각에 대해 위와 같은 과정이 반복적으로 수행됨으로써 라이브니스 검사 모델(1030)의 파라미터들은 점차 바람직한 방향으로 조정될 수 있다. 이외에, 학습기(1040)는 다양한 기계 학습 알고리즘을 이용하여 라이브니스 검사 모델(1030)을 학습시킬 수도 있다.
도 11은 일 실시예에 따른 라이브니스 검사 장치의 구성을 도시한 도면이다.
도 11을 참조하면, 라이브니스 검사 장치(1100)는 본 명세서에서 설명된 라이브니스 검사 장치에 대응하며, 레이더 데이터 및/또는 영상 데이터에 기반하여 라이브니스 검사를 수행할 수 있다. 라이브니스 검사 장치(1100)는 프로세서(1110) 및 메모리(1120)를 포함할 수 있다. 실시예에 따라, 라이브니스 검사 장치(1100)는 레이더 센서(1130) 및 영상 센서(1140) 중 하나 이상을 더 포함할 수 있다.
레이더 센서(1130)는 안테나들을 통해 레이더 데이터를 획득한다. 레이더 센서(1130)는 송신 안테나를 통해 신호를 송신하고, 송신한 신호가 객체에 반사된 반사 신호를 수신 안테나를 통해 수신할 수 있다. 일 실시예에서, 레이더 센서(1130)는 수신 안테나를 통해 수신한 신호를 샘플링하고, 샘플링한 신호를 디지털 신호로 변환할 수 있으며, 이러한 과정을 통해 레이더 데이터가 획득될 수 있다. 영상 센서(1140)는 영상 데이터를 획득하는 센서로서, 예를 들어 컬러 센서, 적외선 센서, 깊이 센서 등을 포함할 수 있다.
메모리(1120)는 프로세서(1110)에 연결되고, 프로세서(1110)에 의해 실행가능한 인스트럭션들, 프로세서(1110)가 연산할 데이터 또는 프로세서(1110)에 의해 처리된 데이터를 저장할 수 있다.
프로세서(1110)는 라이브니스 검사 장치(1100)의 전체적인 기능 및 동작을 제어하고, 도 1 내지 도 10을 참조하여 설명된 라이브니스 검사 과정과 관련하여 하나 이상의 동작을 수행할 수 있다. 프로세서(1110)는 레이더 센서(1130) 및 영상 센서(1140) 중 하나 이상을 이용하여 검사 대상에 대한 라이브니스 검사를 수행할 수 있다.
일 실시예에서, 프로세서(1110)는 레이더 센서(1130)를 이용하여 검사 대상의 존재 여부를 결정할 수 있다. 프로세서(1110)는 레이더 센서(1130)로부터 레이더 데이터를 계속적으로 획득하고, 획득된 레이더 데이터에 기초하여 검사 대상의 존재 여부를 결정할 수 있다. 검사 대상이 존재하는 것으로 결정된 경우, 프로세서(1110)는 레이더 센서(1130)에 의해 획득된 레이더 데이터에 기초하여 검사 대상에 대한 제1 라이브니스 검사를 수행할 수 있다. 제1 라이브니스 검사의 결과가 정의된 조건을 만족시키는 경우, 프로세서(1110)는 영상 센서(1130)의 동작을 활성화시키고, 활성화된 영상 센서(1130)로부터 영상 데이터를 획득할 수 있다. 이후에, 프로세서(1110)는 영상 데이터에 기초하여 검사 대상에 대한 제2 라이브니스 검사를 수행할 수 있다. 제2 라이브니스 검사의 결과가 정의된 조건을 만족시키는 경우, 프로세서(1110)는 레이더 센서(1130)에 의해 획득된 레이더 데이터 및 영상 센서(1140)에 의해 획득된 영상 데이터에 기초하여 검사 대상에 대한 제3 라이브니스 검사를 수행할 수 있다. 제3 라이브니스 검사의 결과가 정의된 조건을 만족시키는 경우, 프로세서(1110)는 검사 대상이 살아 있는 객체인 것으로 최종 결정할 수 있다.
다른 실시예에서, 프로세서(1110)는 레이더 센서(1130)를 이용하여 검사 대상의 존재 여부를 검사하여, 검사 대상이 존재하는 것으로 결정된 경우, 영상 센서(1140)를 활성화시켜 영상 센서(1140)로부터 영상 데이터를 획득할 수 있다. 프로세서(1110)는 획득된 영상 데이터에 기초하여 검사 대상에 대한 제1 라이브니스 검사를 수행할 수 있다. 제1 라이브니스 검사의 결과가 정의된 조건을 만족시키는 경우, 프로세서(1110)는 레이더 센서(1130)에 의해 획득된 레이더 데이터 및 영상 센서(1140)에 의해 획득된 영상 데이터에 기초하여 검사 대상에 대한 제2 라이브니스 검사를 수행할 수 있다. 제2 라이브니스 검사의 결과가 정의된 조건을 만족시키는 경우, 프로세서(1110)는 검사 대상이 살아 있는 객체인 것으로 최종 결정할 수 있다.
프로세서(1110)는 라이브니스 검사의 최종 결과에 기초하여 제어 신호를 생성할 수 있다. 예를 들어, 프로세서(1110)는 라이브니스 검사 결과, 검사 대상이 살아 있지 않은 객체(또는 가짜 객체)인 것으로 결정된 경우 객체의 액세스를 차단하거나 요청한 기능의 실행을 거부하는 제어 신호를 생성할 수 있다.
도 12는 일 실시예에 따른 전자 장치의 구성을 도시하는 도면이다.
도 12을 참조하면, 전자 장치(1200)는 본 명세서에서 설명된 전자 장치에 대응할 수 있고, 도 11의 라이브니스 검사 장치(1100)의 기능을 수행할 수 있다. 전자 장치(1200)는 프로세서(1210), 메모리(1220), 레이더 센서(1230), 영상 센서(1240), 저장 장치(1250), 입력 장치(1260), 출력 장치(1270) 및 통신 장치(1280)를 포함할 수 있다. 전자 장치(1200)의 각 구성 요소들은 통신 버스(communication bus; 1090)를 통해 서로 통신할 수 있다.
프로세서(1210)는 라이브니스 검사 및/또는 생체 인증을 수행하기 위한 기능 및 인스트럭션들을 실행할 수 있다. 예를 들어, 프로세서(1210)는 메모리(1220) 또는 저장 장치(1250)에 저장된 인스트럭션들을 처리할 수 있다. 프로세서(1210)는 도 1 내지 도 11을 통하여 전술한 하나 이상의 동작을 수행할 수 있다.
메모리(1220)는 프로세서(1210)에 의해 실행하기 위한 인스트럭션들과 라이브니스 검사 및/또는 생체 인증을 수행하기 위한 정보를 저장할 수 있다. 메모리(1220)는 컴퓨터 판독가능한 저장 매체를 포함할 수 있다.
레이더 센서(1230)는 신호의 송신 및 신호의 수신을 통해 레이더 데이터를 획득할 수 있다. 영상 센서(1240)는 영상 데이터를 획득할 수 있다. 일 실시예에서, 영상 센서(1240)는 컬러 센서, 적외선 센서, 깊이 센서 등을 포함할 수 있다.
저장 장치(1250)는 컴퓨터 판독가능한 저장 매체를 포함한다. 일 실시예에 따르면, 저장 장치(1250)는 메모리(1220)보다 더 많은 양의 정보를 저장하고, 정보를 장기간 저장할 수 있다. 예를 들어, 저장 장치(1250)는 자기 하드 디스크, 광 디스크, 플래쉬 메모리 또는 플로피 디스크를 포함할 수 있다.
입력 장치(1260)는 촉각, 비디오, 오디오 또는 터치 입력을 통해 사용자로부터 입력을 수신할 수 있다. 예를 들어, 입력 장치(1260)는 키보드, 마우스, 터치 스크린, 마이크로폰, 또는 사용자로부터 입력을 검출하고, 검출된 입력을 전자 장치(1200)에 전달할 수 있는 임의의 다른 장치를 포함할 수 있다.
출력 장치(1270)는 시각적, 청각적 또는 촉각적인 채널을 통해 사용자에게 전자 장치(1200)의 출력을 제공할 수 있다. 출력 장치(1270)는 예를 들어, 디스플레이, 터치 스크린, 스피커, 진동 발생 장치 또는 사용자에게 출력을 제공할 수 있는 임의의 다른 장치를 포함할 수 있다. 통신 장치(1280)는 유선 또는 무선 네트워크를 통해 외부 장치와 통신할 수 있다.
이상에서 설명된 실시예들은 하드웨어 구성요소, 소프트웨어 구성요소, 및/또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 장치, 방법 및 구성요소는, 예를 들어, 프로세서, 콘트롤러, ALU(arithmetic logic unit), 디지털 신호 프로세서(digital signal processor), 마이크로컴퓨터, FPGA(field programmable gate array), PLU(programmable logic unit), 마이크로프로세서, 또는 명령(instruction)을 실행하고 응답할 수 있는 다른 어떠한 장치와 같이, 하나 이상의 범용 컴퓨터 또는 특수 목적 컴퓨터를 이용하여 구현될 수 있다. 처리 장치는 운영 체제(OS) 및 상기 운영 체제 상에서 수행되는 하나 이상의 소프트웨어 애플리케이션을 수행할 수 있다. 또한, 처리 장치는 소프트웨어의 실행에 응답하여, 데이터를 접근, 저장, 조작, 처리 및 생성할 수도 있다. 이해의 편의를 위하여, 처리 장치는 하나가 사용되는 것으로 설명된 경우도 있지만, 해당 기술분야에서 통상의 지식을 가진 자는, 처리 장치가 복수 개의 처리 요소(processing element) 및/또는 복수 유형의 처리 요소를 포함할 수 있음을 알 수 있다. 예를 들어, 처리 장치는 복수 개의 프로세서 또는 하나의 프로세서 및 하나의 콘트롤러를 포함할 수 있다. 또한, 병렬 프로세서(parallel processor)와 같은, 다른 처리 구성(processing configuration)도 가능하다.
소프트웨어는 컴퓨터 프로그램(computer program), 코드(code), 명령(instruction), 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로(collectively) 처리 장치를 명령할 수 있다. 소프트웨어 및/또는 데이터는, 처리 장치에 의하여 해석되거나 처리 장치에 명령 또는 데이터를 제공하기 위하여, 어떤 유형의 기계, 구성요소(component), 물리적 장치, 가상 장치(virtual equipment), 컴퓨터 저장 매체 또는 장치, 또는 전송되는 신호 파(signal wave)에 영구적으로, 또는 일시적으로 구체화(embody)될 수 있다. 소프트웨어는 네트워크로 연결된 컴퓨터 시스템 상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 하나 이상의 컴퓨터 판독 가능 기록 매체에 저장될 수 있다.
실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 실시예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 실시예의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
이상과 같이 실시예들이 비록 한정된 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기를 기초로 다양한 기술적 수정 및 변형을 적용할 수 있다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.
그러므로, 다른 구현들, 다른 실시예들 및 특허청구범위와 균등한 것들도 후술하는 특허청구범위의 범위에 속한다.

Claims (27)

  1. 레이더 센서를 이용하여 검사 대상의 존재 여부를 결정하는 단계;
    상기 검사 대상이 존재하는 것으로 결정된 경우, 상기 레이더 센서에 의해 획득된 레이더 데이터에 기초하여 상기 검사 대상에 대한 제1 라이브니스 검사를 수행하는 단계;
    상기 제1 라이브니스 검사의 결과가 정의된 조건을 만족시키는 경우, 영상 센서를 이용하여 상기 검사 대상에 대한 영상 데이터를 획득하는 단계; 및
    상기 영상 데이터에 기초하여 상기 검사 대상에 대한 제2 라이브니스 검사를 수행하는 단계
    를 포함하는 라이브니스 검사 방법.
  2. 제1항에 있어서,
    상기 검사 대상의 존재 여부를 결정하는 단계는,
    상기 레이더 센서에 의해 획득된 레이더 데이터에 기초하여 사람 얼굴의 존재 여부를 결정하는 단계
    를 포함하는 라이브니스 검사 방법.
  3. 제2항에 있어서,
    상기 사람 얼굴의 존재 여부를 결정하는 단계는,
    상기 레이더 센서에 포함된 안테나들 중 일부의 안테나들을 이용하여 상기 레이더 데이터를 획득하는 단계
    를 포함하는 라이브니스 검사 방법.
  4. 제1항에 있어서,
    상기 검사 대상의 존재 여부를 결정하는 단계는,
    상기 레이더 센서에 의해 획득된 레이더 데이터로부터 거리별 수신 신호의 세기 특징을 추출하는 단계; 및
    상기 세기 특징을 기초로 상기 검사 대상의 존재 여부를 결정하는 단계
    를 포함하는 라이브니스 검사 방법.
  5. 제1항에 있어서,
    상기 검사 대상의 존재 여부를 결정하는 단계는,
    상기 레이더 센서로부터 레이더 데이터를 계속적으로(continually or continuously) 획득하는 단계; 및
    상기 획득된 레이더 데이터에 기초하여 상기 검사 대상의 존재 여부를 결정하는 단계
    를 포함하는 라이브니스 검사 방법.
  6. 제1항에 있어서,
    상기 제1 라이브니스 검사를 수행하는 단계는,
    상기 레이더 데이터에서 특징을 추출하는 단계; 및
    상기 추출된 특징에 기초하여 상기 검사 대상에 대한 제1 라이브니스 검사의 결과를 결정하는 단계
    를 포함하는 라이브니스 검사 방법.
  7. 제6항에 있어서,
    상기 특징을 추출하는 단계는,
    상기 검사 대상까지의 거리, 상기 검사 대상의 크기, 상기 검사 대상이 위치하는 방향 및 상기 검사 대상의 형상 중 적어도 하나를 상기 레이더 데이터에서 추출하는 단계
    를 포함하는 라이브니스 검사 방법.
  8. 제1항에 있어서,
    상기 영상 데이터를 획득하는 단계는,
    상기 제1 라이브니스 검사의 결과가 상기 조건을 만족시키는 경우, 상기 영상 센서의 동작을 활성화시키는 단계; 및
    상기 활성화된 영상 센서로부터 상기 영상 데이터를 획득하는 단계
    를 포함하는 라이브니스 검사 방법.
  9. 제1항에 있어서,
    상기 제2 라이브니스 검사를 수행하는 단계는,
    상기 영상 데이터에서 상기 검사 대상의 얼굴 영역을 검출하는 단계; 및
    상기 검출된 얼굴 영역에 기초하여 상기 제2 라이브니스 검사를 수행하는 단계
    를 포함하는 라이브니스 검사 방법.
  10. 제9항에 있어서,
    상기 얼굴 영역을 검출하는 단계는,
    상기 레이더 센서에 의해 획득한 레이더 센서에 기초하여 상기 영상 데이터에서 상기 얼굴 영역을 검출하는 단계
    를 포함하는 라이브니스 검사 방법.
  11. 제1항에 있어서,
    상기 제2 라이브니스 검사의 결과가 정의된 조건을 만족시키는 경우, 상기 레이더 센서에 의해 획득된 레이더 데이터 및 상기 영상 센서에 의해 획득된 영상 데이터에 기초하여 상기 검사 대상에 대한 제3 라이브니스 검사를 수행하는 단계
    를 더 포함하는 라이브니스 검사 방법.
  12. 제11항에 있어서,
    상기 제3 라이브니스 검사를 수행하는 단계는,
    상기 영상 데이터의 얼굴 영역에 포함된 픽셀들의 픽셀 값에 기초하여 제1 특징을 추출하는 단계;
    상기 레이더 센서를 이용하여 레이더 데이터를 획득하는 단계;
    상기 획득한 레이더 데이터로부터 제2 특징을 추출하는 단계; 및
    상기 제1 특징 및 상기 제2 특징에 기초하여 상기 제3 라이브니스 검사의 결과를 결정하는 단계
    를 포함하는 라이브니스 검사 방법.
  13. 제12항에 있어서,
    상기 레이더 데이터를 획득하는 단계는,
    복수의 편파 안테나들을 포함하는 상기 레이더 센서를 이용하여 레이더 데이터를 획득하는 단계
    를 포함하는 라이브니스 검사 방법.
  14. 제12항에 있어서,
    상기 레이더 데이터를 획득하는 단계는,
    상기 레이더 센서를 이용하여 복수의 채널별로 레이더 데이터를 획득하는 단계를 포함하고,
    상기 제2 특징을 추출하는 단계는,
    상기 획득한 레이더 데이터에서 채널 기반 신호 특징을 추출하는 단계
    를 포함하는 라이브니스 검사 방법.
  15. 레이더 센서를 이용하여 검사 대상의 존재 여부를 결정하는 단계;
    상기 검사 대상이 존재하는 것으로 결정된 경우, 영상 센서를 이용하여 상기 검사 대상에 대한 영상 데이터를 획득하는 단계; 및
    상기 영상 데이터에 기초하여 상기 검사 대상에 대한 제1 라이브니스 검사를 수행하는 단계
    를 포함하는 라이브니스 검사 방법.
  16. 제15항에 있어서,
    상기 검사 대상의 존재 여부를 결정하는 단계는,
    상기 레이더 센서로부터 레이더 데이터를 계속적으로(continually or continuously) 획득하는 단계; 및
    상기 획득된 레이더 데이터에 기초하여 상기 검사 대상의 존재 여부를 결정하는 단계
    를 포함하는 라이브니스 검사 방법.
  17. 제15항에 있어서,
    상기 영상 데이터를 획득하는 단계는,
    상기 검사 대상이 존재하는 것으로 결정된 경우, 상기 영상 센서의 동작을 활성화시키는 단계; 및
    상기 활성화된 영상 센서로부터 상기 영상 데이터를 획득하는 단계
    를 포함하는 라이브니스 검사 방법.
  18. 제15항에 있어서,
    상기 제1 라이브니스 검사의 결과가 정의된 조건을 만족시키는 경우, 상기 레이더 센서에 의해 획득된 레이더 데이터 및 상기 영상 센서에 의해 획득된 영상 데이터에 기초하여 상기 검사 대상에 대한 제2 라이브니스 검사를 수행하는 단계
    를 더 포함하는 라이브니스 검사 방법.
  19. 제18항에 있어서,
    상기 제2 라이브니스 검사를 수행하는 단계는
    상기 영상 데이터의 얼굴 영역에 포함된 픽셀들의 픽셀 값에 기초하여 제1 특징을 추출하는 단계;
    상기 레이더 센서를 이용하여 레이더 데이터를 획득하는 단계;
    상기 획득한 레이더 데이터로부터 제2 특징을 추출하는 단계; 및
    상기 제1 특징 및 상기 제2 특징에 기초하여 상기 제2 라이브니스 검사의 결과를 결정하는 단계
    를 포함하는 라이브니스 검사 방법.
  20. 제1항 내지 제19항 중 어느 하나의 항의 방법을 실행하기 위한 인스트럭션들을 저장하는 컴퓨터 판독 가능한 저장 매체.
  21. 레이더 센서;
    영상 센서; 및
    상기 레이더 센서 및 상기 영상 센서 중 적어도 하나를 이용하여 검사 대상에 대한 라이브니스 검사를 수행하는 프로세서를 포함하고, 상기 프로세서는,
    상기 레이더 센서를 이용하여 검사 대상의 존재 여부를 결정하고,
    상기 검사 대상이 존재하는 것으로 결정된 경우, 상기 레이더 센서에 의해 획득된 레이더 데이터에 기초하여 상기 검사 대상에 대한 제1 라이브니스 검사를 수행하고,
    상기 제1 라이브니스 검사의 결과가 정의된 조건을 만족시키는 경우, 상기 영상 센서를 이용하여 상기 검사 대상에 대한 영상 데이터를 획득하고,
    상기 영상 데이터에 기초하여 상기 검사 대상에 대한 제2 라이브니스 검사를 수행하는,
    라이브니스 검사 장치.
  22. 제21항에 있어서,
    상기 프로세서는,
    상기 레이더 센서로부터 레이더 데이터를 계속적으로(continually or continuously) 획득하고, 상기 획득된 레이더 데이터에 기초하여 상기 검사 대상의 존재 여부를 결정하는,
    라이브니스 검사 장치.
  23. 제21항에 있어서,
    상기 프로세서는,
    상기 제1 라이브니스 검사의 결과가 상기 조건을 만족시키는 경우, 상기 영상 센서의 동작을 활성화시키고, 상기 활성화된 영상 센서로부터 상기 영상 데이터를 획득하는,
    라이브니스 검사 장치.
  24. 제21항에 있어서,
    상기 프로세서는,
    상기 제2 라이브니스 검사의 결과가 정의된 조건을 만족시키는 경우, 상기 레이더 센서에 의해 획득된 레이더 데이터 및 상기 영상 센서에 의해 획득된 영상 데이터에 기초하여 상기 검사 대상에 대한 제3 라이브니스 검사를 수행하는,
    라이브니스 검사 장치.
  25. 제21항에 있어서,
    상기 레이더 센서는,
    통신 기능을 수행할 수 있는 통신 모듈에 포함되어 동작하는,
    라이브니스 검사 장치.
  26. 레이더 센서;
    영상 센서; 및
    상기 레이더 센서 및 상기 영상 센서 중 적어도 하나를 이용하여 검사 대상에 대한 라이브니스 검사를 수행하는 프로세서를 포함하고, 상기 프로세서는,
    레이더 센서를 이용하여 검사 대상의 존재 여부를 결정하고,
    상기 검사 대상이 존재하는 것으로 결정된 경우, 영상 센서를 이용하여 상기 검사 대상에 대한 영상 데이터를 획득하고,
    상기 영상 데이터에 기초하여 상기 검사 대상에 대한 제1 라이브니스 검사를 수행하는,
    라이브니스 검사 장치.
  27. 제26항에 있어서,
    상기 프로세서는,
    상기 제1 라이브니스 검사의 결과가 정의된 조건을 만족시키는 경우, 상기 레이더 센서에 의해 획득된 레이더 데이터 및 상기 영상 센서에 의해 획득된 영상 데이터에 기초하여 상기 검사 대상에 대한 제2 라이브니스 검사를 수행하는,
    라이브니스 검사 장치.
KR1020190165777A 2019-12-12 2019-12-12 라이브니스 검사 방법 및 라이브니스 검사 장치 KR20210074749A (ko)

Priority Applications (5)

Application Number Priority Date Filing Date Title
KR1020190165777A KR20210074749A (ko) 2019-12-12 2019-12-12 라이브니스 검사 방법 및 라이브니스 검사 장치
US16/924,544 US11776239B2 (en) 2019-12-12 2020-07-09 Liveness test method and liveness test apparatus
CN202010770095.0A CN112989902A (zh) 2019-12-12 2020-08-03 活体测试方法和活体测试装置
EP20203797.4A EP3836011A1 (en) 2019-12-12 2020-10-26 Liveness test method and liveness test apparatus
US18/456,713 US20230401823A1 (en) 2019-12-12 2023-08-28 Liveness test method and liveness test apparatus

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020190165777A KR20210074749A (ko) 2019-12-12 2019-12-12 라이브니스 검사 방법 및 라이브니스 검사 장치

Publications (1)

Publication Number Publication Date
KR20210074749A true KR20210074749A (ko) 2021-06-22

Family

ID=73014431

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020190165777A KR20210074749A (ko) 2019-12-12 2019-12-12 라이브니스 검사 방법 및 라이브니스 검사 장치

Country Status (4)

Country Link
US (2) US11776239B2 (ko)
EP (1) EP3836011A1 (ko)
KR (1) KR20210074749A (ko)
CN (1) CN112989902A (ko)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20230105986A (ko) * 2022-01-05 2023-07-12 삼성전자주식회사 라이브니스 검사 방법 및 라이브니스 검사 장치

Family Cites Families (30)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2009042392A2 (en) 2007-09-24 2009-04-02 Apple Inc. Embedded authentication systems in an electronic device
US7924146B2 (en) * 2009-04-02 2011-04-12 GM Global Technology Operations LLC Daytime pedestrian detection on full-windscreen head-up display
CN102006402B (zh) * 2009-08-28 2014-02-19 鸿富锦精密工业（深圳）有限公司 摄像装置及其身份识别方法
KR101437448B1 (ko) 2012-12-05 2014-09-05 삼성전자주식회사 디스플레이 장치 및 그 디스플레이 장치의 제어 방법
KR102257897B1 (ko) 2014-05-09 2021-05-28 삼성전자주식회사 라이브니스 검사 방법과 장치，및 영상 처리 방법과 장치
US20160019421A1 (en) * 2014-07-15 2016-01-21 Qualcomm Incorporated Multispectral eye analysis for identity authentication
US9875396B2 (en) * 2014-11-13 2018-01-23 Intel Corporation Spoofing detection in image biometrics
EP3943971A1 (en) * 2015-04-20 2022-01-26 ResMed Sensor Technologies Limited Detection and identification of a human from characteristic signals
CN110110591B (zh) * 2015-06-16 2021-01-15 眼验股份有限公司 用于假冒检测及活跃度分析的系统及方法
US20160373690A1 (en) 2015-06-18 2016-12-22 Mario A. Campos Surveillance system and method
US10817065B1 (en) * 2015-10-06 2020-10-27 Google Llc Gesture recognition using multiple antenna
US10102419B2 (en) * 2015-10-30 2018-10-16 Intel Corporation Progressive radar assisted facial recognition
KR20170070754A (ko) 2015-12-14 2017-06-22 이우균 초광대역 레이더를 이용한 보안 시스템 및 그를 이용한 보안 서비스 제공 방법
KR101653278B1 (ko) 2016-04-01 2016-09-01 수원대학교산학협력단 색상 기반 얼굴 검출을 통한 실시간 얼굴 추적 시스템
KR20180097403A (ko) 2017-02-23 2018-08-31 삼성전자주식회사 전자 장치의 생체 정보 획득 방법 및 이를 위한 전자
US10679083B2 (en) * 2017-03-27 2020-06-09 Samsung Electronics Co., Ltd. Liveness test method and apparatus
KR102387571B1 (ko) * 2017-03-27 2022-04-18 삼성전자주식회사 라이브니스 검사 방법 및 장치
EP3646052A4 (en) * 2017-06-27 2021-04-28 Apple Inc. GESTUAL RECOGNITION RADAR SYSTEMS AND METHODS
US10591586B2 (en) * 2017-07-07 2020-03-17 Infineon Technologies Ag System and method for identifying a target using radar sensors
KR102441588B1 (ko) 2017-07-10 2022-09-07 삼성전자주식회사 빔 스캐닝 장치 및 이를 포함하는 광학 장치
US10725161B2 (en) * 2017-12-15 2020-07-28 Google Llc Seamless authentication using radar
KR102466997B1 (ko) * 2018-01-22 2022-11-14 삼성전자주식회사 라이브니스 검사 방법 및 장치
US11372086B2 (en) * 2018-05-11 2022-06-28 Qualcomm Incorporated Radio frequency (RF) object detection using radar and machine learning
KR102522415B1 (ko) * 2018-05-15 2023-04-17 삼성전자주식회사 전자 장치의 객체 인증 장치 및 방법
KR102511292B1 (ko) * 2018-07-11 2023-03-17 삼성전자주식회사 전자 장치의 객체 인증 장치 및 방법
US20200236545A1 (en) * 2018-09-14 2020-07-23 The Research Foundation For The State University Of New York Method and system for non-contact motion-based user authentication
US11017209B2 (en) * 2019-03-15 2021-05-25 Samsung Electronics Co., Ltd. Millimeter wave radar and camera fusion based face authentication system
CN110011037B (zh) * 2019-04-12 2024-01-30 深圳市安拓浦科技有限公司 一种垂直极化全向天线及其双极化全向天线
EP3909212A1 (en) * 2019-09-09 2021-11-17 Google LLC Face authentication embedding migration and drift-compensation
KR20210069404A (ko) * 2019-12-03 2021-06-11 삼성전자주식회사 라이브니스 검사 방법 및 라이브니스 검사 장치

Also Published As

Publication number Publication date
US11776239B2 (en) 2023-10-03
US20210181305A1 (en) 2021-06-17
CN112989902A (zh) 2021-06-18
US20230401823A1 (en) 2023-12-14
EP3836011A1 (en) 2021-06-16

Similar Documents

Publication Publication Date Title
KR102387571B1 (ko) 라이브니스 검사 방법 및 장치
KR102483642B1 (ko) 라이브니스 검사 방법 및 장치
JP7145887B2 (ja) 車両及び車両用ドアの解錠制御方法、装置並びに車両用ドアの解錠システム
US10970516B2 (en) Systems and methods for biometric recognition
US11030470B2 (en) Apparatus and method with liveness verification
KR102434562B1 (ko) 위조 지문 검출 방법 및 장치, 지문 인식 방법 및 장치
KR20190075560A (ko) 라이브니스 검사 방법 및 장치
KR20210062381A (ko) 라이브니스 검사 방법 및 장치, 생체 인증 방법 및 장치
KR102352345B1 (ko) 라이브니스 검사 방법 및 장치
JP2018508888A (ja) モバイル・デバイスを用いてキャプチャしたイメージを使用する指紋ベースのユーザ認証を実行するためのシステムおよび方法
KR20210069404A (ko) 라이브니스 검사 방법 및 라이브니스 검사 장치
KR20150142334A (ko) 얼굴 인식 생체 인증 방법 및 장치
KR102257897B1 (ko) 라이브니스 검사 방법과 장치，및 영상 처리 방법과 장치
EP3734503A1 (en) Method and apparatus with liveness detection
US11232284B2 (en) Techniques for robust anti-spoofing in biometrics using polarization cues for NIR and visible wavelength band
KR101455666B1 (ko) 인증 장치 및 그 인증 방법
CN108875495B (zh) 人证核验装置及人证核验方法
KR20150112635A (ko) 사람의　얼굴　정보를 이용한 얼굴인식 도어락 시스템
US20230401823A1 (en) Liveness test method and liveness test apparatus
US11216681B2 (en) Fake finger detection based on transient features
US11328165B2 (en) Pressure-based activation of fingerprint spoof detection
US10176362B1 (en) Systems and methods for a gradient-based metric for spoof detection
US20220172537A1 (en) Device and method for user authentication using security card
KR20070118806A (ko) 임베디드 시스템용 안면 검출방법
KR20200127818A (ko) 라이브니스 검사 방법 및 장치, 얼굴 인증 방법 및 장치

Legal Events

Date Code Title Description
A201 Request for examination