KR20210084804A

KR20210084804A - 신분증 인식 기반 왜곡 영상 복원 처리 방법

Info

Publication number: KR20210084804A
Application number: KR1020190177151A
Authority: KR
Inventors: 이수안; 김재형; 권봉기
Original assignee: 주식회사 비즈모델라인
Priority date: 2019-12-27
Filing date: 2019-12-27
Publication date: 2021-07-08

Abstract

본 발명의 신분증 인식 기반 왜곡 영상 복원 처리 방법에 따르면, 카메라모듈과 연계된 장치의 프로그램을 통해 실행되는 방법에 있어서, 상기 카메라모듈을 통해 생성된 원본 영상 데이터를 확인한 경우 지정된 특징인식모듈을 통해 상기 원본 영상 데이터를 판독하여 상기 원본 영상 데이터에 포함된 신분증 영역에 대응하는 N(N≥1)개의 특징 영역의 인식을 시도하고, 상기 원본 영상 데이터에 포함된 신분증 영역에 대응하는 n(1≤n≤N)개의 특징 영역을 기 설정된 기준 품질 이상의 고품질로 인식한 경우 상기 원본 영상 데이터에 일대일 매칭되며 상기 인식된 n개의 특징 영역의 경계를 포함하는 특징 맵(Feature Map) 데이터를 생성하고 상기 원본 영상 데이터의 지정된 픽셀 정보를 지정된 코드생성모듈에 지정된 방식으로 적용하여 지정된 코드 값을 생성하고 지정된 키 값을 생성(또는 확인)하고, 상기 키 값을 이용한 지정된 엔코딩 연산을 통해 상기 원본 영상 데이터의 영역 중 상기 특징 맵 데이터에 대응하는 n개의 특징 영역을 선택적 왜곡시켜 왜곡된 영상 데이터를 생성하며, 상기 왜곡된 영상 데이터를 지정된 미디어매체에 저장하도록 처리하고 상기 왜곡된 영상 데이터에 대응하는 특징 맵 데이터와 코드 값을 지정된 저장매체에 저장하도록 처리한다.

Description

신분증 인식 기반 왜곡 영상 복원 처리 방법{Method for Restoring Distortion Video Based on Identification Card Recognition}

본 발명은 카메라모듈을 통해 생성된 영상 데이터를 판독하여 지정된 왜곡 대상(예컨대, 신분증 영역)을 포함하는 적어도 하나의 지정된 특징 영역을 기 설정된 기준 품질 이상의 고품질로 인식한 경우 상기 인식된 특징 영역이 비정형 복원 방식을 통해서는 복원되지 않게 지정된 엔코딩 연산을 통해 선택적 왜곡하되 상기 왜곡된 특징 영역의 복원이 필요한 경우 카메라모듈을 통해 생성된 원본과의 동일성을 검증 가능하게 복원하는 것이다.

기술의 발달로 이미지 센서를 구비한 수많은 카메라들이 다양한 분야에 구비되고 있다. 오프라인 매장이나 건물 등의 내/외부에는 수많은 감시 카메라들이 설치 운영되고 있고, 도로를 운행 중인거나 주/정차 중인 차량의 경우 카메라를 구비한 블랙박스들이 설치 운영되고 있으며, 대부분의 국민이 사용 중인 스마트폰이나 휴대폰 등에도 복수의 카메라들이 구비되어 있다. 그야말로 카메라 홍수의 시대라고 할 수 있다. 이러한 카메라 홍수의 시대에는 누구라도 하루에 수십에서 수백 대의 카메라에 노출, 촬영될 수 있으며, 언제든 사생활 침해를 야기할 수 있는 문제점을 지니고 있다.

최근 이미지 센서 기술의 발달로 삼성전자는 1억800만 화소의 모바일 이미지 센서를 개발했다고 공지했으며(http://www.seoulfn.com/news/articleView.html?idxno=352346), 최근의 카메라들은 최소 1천만 화소 이상(또는 수천만 화소)의 이미지 센서를 장착하고 있다. 이러한 이미지 센서를 장착한 카메라를 통해 촬영된 영상의 경우 비교적 원거리에서 촬영된 피사체라도 사생활 침해의 대상이 될 수 있는 피사체라면 언제든 사생활 침해를 야기할 수 있는 문제점을 지니고 있다.

한편 상기의 이미지 센서를 구비한 카메라를 통해 생성되는 영상 데이터의 일정 비율 이상은 클라우드에 보관되고 있는데, 이는 언제든 탈취되어 사생활 침해를 야기할 수 있는 문제점을 지니고 있다. 이러한 문제점을 해소하기 위한 일 방법으로 상기 카메라를 통해 생성 또는 클라우드에 보관되는 영상 데이터 전체를 암호화하여 보관하는 방법이 제안될 수 있는데, 이러한 영상 데이터의 암호화 저장을 위해서는 고성능의 프로세서와 고용량의 메모리를 필요로 하기 때문에 비용이 비싼 문제점을 지니고 있다. 또는 상기의 문제점을 해소하기 위한 다른 일 방법으로 상기 카메라를 통해 생성 또는 클라우드에 보관되는 영상 데이터 상에서 사생활 침해의 소지가 존재하는 영역을 모자이크(Mosaic) 처리하여 보관하는 방법이 제안될 수 있는데, 대부분 모자이크 영역을 선택하는 과정은 수작업으로 이루어지기 때문에 이러한 방법을 모든 영상 데이터에 적용하기 난해한 문제점을 지니고 있으며, 설령 이것이 자동으로 이루어지더라도 모자이크 처리된 영상을 범죄의 증거로 활용하기 위해 복원이 필요한 경우 일단 모자이크 처리된 영상은 원본과 동일하게 복원되지 못하기 때문에 증거로 활용되는 것이 불가한 문제점을 지니고 있다.

본 발명의 목적은, 카메라모듈과 연계된 장치의 프로그램을 통해 실행되는 방법에 있어서, 상기 카메라모듈을 통해 생성된 원본 영상 데이터를 확인한 경우 지정된 특징인식모듈을 통해 상기 원본 영상 데이터를 판독하여 상기 원본 영상 데이터에 포함된 신분증 영역에 대응하는 N(N≥1)개의 특징 영역의 인식을 시도하는 제1 단계와 상기 원본 영상 데이터에 포함된 신분증 영역에 대응하는 n(1≤n≤N)개의 특징 영역을 기 설정된 기준 품질 이상의 고품질로 인식한 경우 상기 원본 영상 데이터에 일대일 매칭되며 상기 인식된 n개의 특징 영역의 경계를 포함하는 특징 맵(Feature Map) 데이터를 생성하고 상기 원본 영상 데이터의 지정된 픽셀 정보를 지정된 코드생성모듈에 지정된 방식으로 적용하여 지정된 코드 값을 생성하고 지정된 키 값을 생성(또는 확인)하는 제2 단계와 상기 키 값을 이용한 지정된 엔코딩 연산을 통해 상기 원본 영상 데이터의 영역 중 상기 특징 맵 데이터에 대응하는 n개의 특징 영역을 선택적 왜곡시켜 왜곡된 영상 데이터를 생성하는 제3 단계 및 상기 왜곡된 영상 데이터를 지정된 미디어매체에 저장하도록 처리하고 상기 왜곡된 영상 데이터에 대응하는 특징 맵 데이터와 코드 값을 지정된 저장매체에 저장하도록 처리하는 제4 단계를 포함하는 신분증 인식 기반 왜곡 영상 복원 처리 방법을 제공함에 있다.

본 발명에 따른 신분증 인식 기반 왜곡 영상 복원 처리 방법은, 카메라모듈과 연계된 장치의 프로그램을 통해 실행되는 방법에 있어서, 상기 카메라모듈을 통해 생성된 원본 영상 데이터를 확인한 경우 지정된 특징인식모듈을 통해 상기 원본 영상 데이터를 판독하여 상기 원본 영상 데이터에 포함된 신분증 영역에 대응하는 N(N≥1)개의 특징 영역의 인식을 시도하는 제1 단계와 상기 원본 영상 데이터에 포함된 신분증 영역에 대응하는 n(1≤n≤N)개의 특징 영역을 기 설정된 기준 품질 이상의 고품질로 인식한 경우 상기 원본 영상 데이터에 일대일 매칭되며 상기 인식된 n개의 특징 영역의 경계를 포함하는 특징 맵(Feature Map) 데이터를 생성하고 상기 원본 영상 데이터의 지정된 픽셀 정보를 지정된 코드생성모듈에 지정된 방식으로 적용하여 지정된 코드 값을 생성하고 지정된 키 값을 생성(또는 확인)하는 제2 단계와 상기 키 값을 이용한 지정된 엔코딩 연산을 통해 상기 원본 영상 데이터의 영역 중 상기 특징 맵 데이터에 대응하는 n개의 특징 영역을 선택적 왜곡시켜 왜곡된 영상 데이터를 생성하는 제3 단계 및 상기 왜곡된 영상 데이터를 지정된 미디어매체에 저장하도록 처리하고 상기 왜곡된 영상 데이터에 대응하는 특징 맵 데이터와 코드 값을 지정된 저장매체에 저장하도록 처리하는 제4 단계를 포함하는 것을 특징으로 한다.

본 발명에 따른 신분증 인식 기반 왜곡 영상 복원 처리 방법에 있어서, 상기 특징인식모듈은, 지정된 영상 데이터에 포함된 신분증 영역을 인식하는 인공지능모듈을 포함하고, 지정된 인공지능 기반의 학습(Learning) 과정을 통해 신분증 영역을 포함하는 영상 데이터의 특징 정보를 입력변수(Feature Vectors)로 설정하고 신분증 영역의 존재 여부 또는 신분증 영역의 인식 품질 상태를 출력변수(Label)로 설정하여 상기 인공지능모듈을 학습시키는 단계를 더 포함하며, 상기 제1 단계는, 상기 학습된 인공지능모듈을 통해 상기 원본 영상 데이터를 판독하여 상기 원본 영상 데이터에 포함된 신분증 영역을 포함하는 N개의 특징 영역의 인식을 시도하는 단계를 포함하여 이루어지는 것을 특징으로 한다.

본 발명에 따른 신분증 인식 기반 왜곡 영상 복원 처리 방법에 있어서, 상기 기준 품질 이상의 고품질은, 신분증 영역 내의 사진이나 지문 또는 개인 식별 관련 문자열을 유효 인식 가능한 품질을 포함하여 이루어지는 것을 특징으로 한다.

본 발명에 따른 신분증 인식 기반 왜곡 영상 복원 처리 방법에 있어서, 상기 특징 맵 데이터는, 상기 원본 영상 데이터의 해상도와 동일한 해상도를 포함하는 이미지 데이터를 포함하여 이루어지는 것을 특징으로 한다.

본 발명에 따른 신분증 인식 기반 왜곡 영상 복원 처리 방법에 있어서, 상기 특징 맵 데이터는, 상기 인식된 n개의 특징 영역의 경계에 대응하는 픽셀 좌표값을 포함하여 이루어지는 것을 특징으로 한다.

본 발명에 따른 신분증 인식 기반 왜곡 영상 복원 처리 방법에 있어서, 상기 특징 맵 데이터는, 상기 인식된 n개의 특징 영역의 경계에 대응하는 벡터 값을 포함하여 이루어지는 것을 특징으로 한다.

본 발명에 따른 신분증 인식 기반 왜곡 영상 복원 처리 방법에 있어서, 상기 코드생성모듈은, 일방향 함수에 대응하는 해시알고리즘을 포함하며, 상기 제2 단계는, 상기 원본 영상 데이터의 지정된 픽셀 정보를 상기 해시알고리즘에 지정된 방식으로 적용하여 지정된 코드 구조의 코드 값을 생성하는 단계를 포함하여 이루어지는 것을 특징으로 한다.

본 발명에 따른 신분증 인식 기반 왜곡 영상 복원 처리 방법에 있어서,상기 픽셀 정보는, 상기 원본 영상 데이터의 전체 픽셀 영역에 대응하는 P(P≥2)개의 픽셀 값의 집합을 포함하여 이루어지는 것을 특징으로 한다.

본 발명에 따른 신분증 인식 기반 왜곡 영상 복원 처리 방법에 있어서, 상기 픽셀 정보는, 상기 원본 영상 데이터의 전체 픽셀 영역에 대응하는 P(P≥2)개의 픽셀 값 중 상기 특징 영역을 포함하는 특정 픽셀 영역에 대응하는 p(2≤p≤P)개의 픽셀 값의 집합을 포함하여 이루어지는 것을 특징으로 한다.

본 발명에 따른 신분증 인식 기반 왜곡 영상 복원 처리 방법에 있어서, 상기 픽셀 정보는, 상기 원본 영상 데이터의 전체 픽셀 영역을 지정된 블록 단위로 분할한 B(B≥2)개의 블록 별 픽셀 값의 집합을 포함하여 이루어지는 것을 특징으로 한다.

본 발명에 따른 신분증 인식 기반 왜곡 영상 복원 처리 방법에 있어서, 상기 픽셀 정보는, 상기 원본 영상 데이터의 전체 픽셀 영역 중 상기 특징 영역을 포함하는 특정 픽셀 영역을 지정된 블록 단위로 분할한 B(B≥2)개의 블록 별 픽셀 값의 집합을 포함하여 이루어지는 것을 특징으로 한다.

본 발명에 따른 신분증 인식 기반 왜곡 영상 복원 처리 방법에 있어서, 상기 블록 단위는, 상기 코드생성모듈의 최고속 연산을 위해 설정된 블록 크기를 포함하여 이루어지는 것을 특징으로 한다.

본 발명에 따른 신분증 인식 기반 왜곡 영상 복원 처리 방법에 있어서, 상기 블록 단위는, 상기 코드생성모듈의 연산을 수행하기 위해 할당된 버퍼 크기와 매칭되는 블록 크기를 포함하여 이루어지는 것을 특징으로 한다.

본 발명에 따른 신분증 인식 기반 왜곡 영상 복원 처리 방법에 있어서,상기 제2 단계는, 상기 코드 값을 포함하는 씨드 값을 지정된 키생성알고리즘에 적용하여 지정된 키 값을 생성하는 단계를 포함하여 이루어지는 것을 특징으로 한다.

본 발명에 따른 신분증 인식 기반 왜곡 영상 복원 처리 방법에 있어서, 상기 제2 단계는, 지정된 씨드 값을 지정된 키생성알고리즘에 적용하여 지정된 키 값을 생성하는 단계를 포함하여 이루어지는 것을 특징으로 한다.

본 발명에 따른 신분증 인식 기반 왜곡 영상 복원 처리 방법에 있어서, 상기 키생성알고리즘은, 일방향 함수에 대응하는 해시알고리즘을 포함하며, 상기 제2 단계는, 상기 씨드 값을 상기 해시알고리즘에 적용하여 지정된 키 값을 생성하는 단계를 포함하여 이루어지는 것을 특징으로 한다.

본 발명에 따른 신분증 인식 기반 왜곡 영상 복원 처리 방법에 있어서, 상기 키생성알고리즘은, 임의의 난수를 생성하는 난수알고리즘을 포함하며, 상기 제2 단계는, 상기 씨드 값을 상기 난수알고리즘에 적용하여 지정된 키 값을 생성하는 단계를 포함하여 이루어지는 것을 특징으로 한다.

본 발명에 따른 신분증 인식 기반 왜곡 영상 복원 처리 방법에 있어서, 지정된 키관리매체로부터 지정된 키 값을 추출하는 단계를 포함하여 이루어지는 것을 특징으로 한다.

본 발명에 따른 신분증 인식 기반 왜곡 영상 복원 처리 방법에 있어서, 지정된 키관리서버를 통해 지정된 키 값을 수신하는 단계를 포함하여 이루어지는 것을 특징으로 한다.

본 발명에 따른 신분증 인식 기반 왜곡 영상 복원 처리 방법에 있어서, 상기 제2 단계는, 상기 원본 영상 데이터에 포함된 신분증 영역이 인식되지 않거나 기 설정된 기준 품질 미만의 저품질로 인식한 경우 상기 원본 영상 데이터를 지정된 미디어매체에 저장하도록 처리하는 단계를 더 포함하여 이루어지는 것을 특징으로 한다.

본 발명에 따른 신분증 인식 기반 왜곡 영상 복원 처리 방법에 있어서,상기 제2 단계는, 널(NULL) 값을 포함하는 특징 맵 데이터와 널(NULL) 값을 포함하는 코드 값을 상기 원본 영상 데이터에 연계시켜 지정된 저장매체에 저장하도록 처리하는 단계를 더 포함하여 이루어지는 것을 특징으로 한다.

본 발명에 따른 신분증 인식 기반 왜곡 영상 복원 처리 방법에 있어서, 상기 제2 단계는, 상기 원본 영상 데이터에 대한 지정된 코드 값이 생성된 경우 널(NULL) 값을 포함하는 특징 맵 데이터와 상기 생성된 코드 값을 상기 원본 영상 데이터에 연계시켜 지정된 저장매체에 저장하도록 처리하는 단계를 더 포함하여 이루어지는 것을 특징으로 한다.

본 발명에 따른 신분증 인식 기반 왜곡 영상 복원 처리 방법에 있어서, 상기 제3 단계는, 상기 키 값을 이용한 지정된 엔코딩 연산을 통해 상기 n개의 특징 영역을 원본 상태로 복원 가능한 구조로 선택적 왜곡시켜 왜곡된 영상 데이터를 생성하는 단계를 포함하여 이루어지는 것을 특징으로 한다.

본 발명에 따른 신분증 인식 기반 왜곡 영상 복원 처리 방법에 있어서, 상기 제3 단계는, 상기 키 값을 이용한 지정된 엔코딩 연산을 통해 상기 원본 영상 데이터에 포함된 n개의 특징 영역 내의 각 픽셀 별 픽셀 값을 각 픽셀 별 원본 픽셀 값과 무관한(또는 원본 픽셀 색상과의 유사성이 상실된) 각 픽셀 별 왜곡된 픽셀 값으로 왜곡시키는 단계를 포함하여 이루어지는 것을 특징으로 한다.

본 발명에 따른 신분증 인식 기반 왜곡 영상 복원 처리 방법에 있어서,상기 제3 단계는, 상기 키 값을 이용한 지정된 엔코딩 연산을 통해 상기 원본 영상 데이터에 포함된 n개의 특징 영역 내의 각 픽셀 별 픽셀 값을 초해상도(Super Resolution) 기술이나 인공지능 기반 복원 기술을 포함하는 비정형 복원 기술에 의해 기 설정된 기준 품질 이상의 고품질로 복원 불가한 각 픽셀 별 왜곡된 픽셀 값으로 왜곡시키는 단계를 포함하여 이루어지는 것을 특징으로 한다.

본 발명에 따른 신분증 인식 기반 왜곡 영상 복원 처리 방법에 있어서,상기 제3 단계는, 상기 키 값을 이용한 지정된 엔코딩 연산을 통해 상기 원본 영상 데이터에 포함된 n개의 특징 영역 내의 각 픽셀 별 픽셀 값을 모자이크(Mosaic) 처리 방식과 무관한(또는 원본 픽셀 색상과의 유사성이 상실된) 각 픽셀 별 왜곡된 픽셀 값으로 왜곡시키는 단계를 포함하여 이루어지는 것을 특징으로 한다.

본 발명에 따른 신분증 인식 기반 왜곡 영상 복원 처리 방법에 있어서,상기 n개의 특징 영역 내의 각 픽셀 별 왜곡된 픽셀 값은, 상기 원본 영상 데이터에 포함된 n개의 특징 영역 외측 인접 영역의 지정된 픽셀 별 픽셀 값과 지정된 범위 내의 상관성을 지닌 각 픽셀 별 픽셀 값으로 왜곡되는 것을 특징으로 한다.

본 발명에 따른 신분증 인식 기반 왜곡 영상 복원 처리 방법에 있어서, 상기 n개의 특징 영역 내의 각 픽셀 별 왜곡된 픽셀 값은, 상기 키 값을 이용한 지정된 디코딩 연산을 통해 상기 원본 영상 데이터에 포함되어 있던 n개의 특징 영역 내의 각 픽셀 별 원본 픽셀 값으로 무손실 복원되는 것을 특징으로 한다.

본 발명에 따른 신분증 인식 기반 왜곡 영상 복원 처리 방법에 있어서, 상기 제4 단계는, 상기 키 값을 생성한 경우 상기 특징 맵 데이터와 상기 생성된 키 값을 지정된 저장매체에 연계 저장하는 단계를 더 포함하여 이루어지는 것을 특징으로 한다.

본 발명에 따른 신분증 인식 기반 왜곡 영상 복원 처리 방법에 있어서, 상기 저장매체는, 영상 데이터를 저장하는 미디어매체와 물리적으로 분리된 매체, 영상 데이터를 저장하는 미디어매체와 논리적으로 분리된 매체, 영상 데이터를 저장하는 미디어매체보다 고도한 보안기술이 적용된 매체 중 적어도 하나의 매체를 포함하여 이루어지는 것을 특징으로 한다.

본 발명에 따른 신분증 인식 기반 왜곡 영상 복원 처리 방법에 있어서, 상기 제4 단계는, 상기 원본 영상 데이터를 삭제하는 단계를 더 포함하여 이루어지는 것을 특징으로 한다.

본 발명에 따른 신분증 인식 기반 왜곡 영상 복원 처리 방법에 있어서, 상기 왜곡된 영상 데이터를 복원하는 경우 상기 왜곡된 영상 데이터에 대응하는 특징 맵 데이터와 코드 값을 추출하고 상기 키 값을 추출하는 제5 단계와 상기 추출된 키 값을 이용한 지정된 디코딩 연산을 통해 상기 왜곡된 영상 데이터의 영역 중 상기 추출된 특징 맵 데이터에 대응하는 n개의 특징 영역을 선택적 복원 처리하는 제6 단계와 상기 복원된 n개의 특징 영역을 포함하는 영상 데이터의 지정된 픽셀 정보를 지정된 코드생성모듈에 지정된 방식으로 적용하여 지정된 코드 값을 생성하는 제7 단계와 상기 생성된 코드 값과 상기 추출된 코드 값을 비교 인증하는 제8 단계 및 상기 코드 값을 인증한 경우 상기 복원된 n개의 특징 영역을 포함하는 영상 데이터를 원본과 동일하게 복원된 영상 데이터로 확정하는 제9 단계를 더 포함하여 이루어지는 것을 특징으로 한다.

본 발명에 따른 신분증 인식 기반 왜곡 영상 복원 처리 방법에 있어서, 상기 왜곡된 영상 데이터의 영역 중 상기 추출된 특징 맵 데이터에 대응하는 n개의 특징 영역을 확인하는 단계를 포함하여 이루어지는 것을 특징으로 한다.

본 발명에 따른 신분증 인식 기반 왜곡 영상 복원 처리 방법에 있어서, 상기 제6 단계는, 상기 키 값을 이용한 지정된 디코딩 연산을 통해 상기 왜곡된 영상 데이터에 포함된 n개의 특징 영역 내의 각 픽셀 별 왜곡된 픽셀 값을 원본 영상 데이터에 포함되어 있던 n개의 특징 영역 내의 각 픽셀 별 원본 픽셀 값으로 무손실 복원하는 단계를 포함하여 이루어지는 것을 특징으로 한다.

본 발명에 따른 신분증 인식 기반 왜곡 영상 복원 처리 방법에 있어서, 상기 제7 단계는, 상기 복원된 n개의 특징 영역을 포함하는 영상 데이터의 픽셀 정보 중 상기 n개의 특징 영역의 왜곡하던 시점의 픽셀 정보와 동일한 픽셀 정보를 동일한 코드생성모듈에 동일한 방식으로 적용하여 지정된 코드 값을 생성하는 단계를 포함하여 이루어지는 것을 특징으로 한다.

본 발명에 따르면, 카메라모듈을 통해 생성된 영상 데이터를 판독하여 지정된 왜곡 대상(예컨대, 신분증 영역)을 포함하는 적어도 하나의 지정된 특징 영역을 기 설정된 기준 품질 이상의 고품질로 인식한 경우에 상기 영상 데이터의 인식된 특징 영역을 왜곡할 영역으로 자동 판정하는 이점과, 상기 영상 데이터의 인식된 특징 영역을 비정형 복원 방식(예컨대, 초해상도(Super Resolution) 기술이나 인공지능 기반 복원 기술 등)을 통해서는 기 설정된 기준 품질 이상의 품질 수준으로 복원되지 않게 왜곡하는 지정된 엔코딩 연산을 통해 선택적 왜곡하여 최소의 비용으로 사생활 침해의 소지를 원천 차단하는 이점과, 상기 영상 데이터의 왜곡된 특징 영역의 복원이 필요한 경우 카메라모듈을 통해 생성된 원본과의 동일성을 검증 가능하게 복원하는 이점이 있다.

도 1은 본 발명의 실시 방법에 따라 영상을 왜곡 및 복원하는 시스템의 구성을 도시한 도면이다.
도 2는 본 발명의 실시 방법에 따라 영상을 왜곡하는 과정을 도시한 흐름도이다.
도 3은 본 발명의 실시 방법에 따라 왜곡된 영상을 복원하는 과정을 도시한 흐름도이다.

이하 첨부된 도면과 설명을 참조하여 본 발명의 바람직한 실시예에 대한 동작 원리를 상세히 설명한다. 다만, 하기에 도시되는 도면과 후술되는 설명은 본 발명의 특징을 효과적으로 설명하기 위한 여러 가지 방법 중에서 바람직한 실시 방법에 대한 것이며, 본 발명이 하기의 도면과 설명만으로 한정되는 것은 아니다.

즉, 하기의 실시예는 본 발명의 수 많은 실시예 중에 바람직한 합집합 형태의 실시예에 해당하며, 하기의 실시예에서 특정 구성(또는 단계)을 생략하는 실시예, 또는 특정 구성(또는 단계)에 구현된 기능을 특정 구성(또는 단계)으로 분할하는 실시예, 또는 둘 이상의 구성(또는 단계)에 구현된 기능을 어느 하나의 구성(또는 단계)에 통합하는 실시예, 특정 구성(또는 단계)의 동작 순서를 교체하는 실시예 등은, 하기의 실시예에서 별도로 언급하지 않더라도 모두 본 발명의 권리범위에 속함을 명백하게 밝혀두는 바이다. 따라서 하기의 실시예를 기준으로 부분집합 또는 여집합에 해당하는 다양한 실시예들이 본 발명의 출원일을 소급받아 분할될 수 있음을 분명하게 명기하는 바이다.

또한, 하기에서 본 발명을 설명함에 있어 관련된 공지 기능 또는 구성에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명을 생략할 것이다. 그리고 후술되는 용어들은 본 발명에서의 기능을 고려하여 정의된 용어들로서, 이는 사용자, 운용자의 의도 또는 관례 등에 따라 달라질 수 있다. 그러므로 그 정의는 본 발명에서 전반에 걸친 내용을 토대로 내려져야 할 것이다.

결과적으로, 본 발명의 기술적 사상은 청구범위에 의해 결정되며, 이하 실시예는 진보적인 본 발명의 기술적 사상을 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 효율적으로 설명하기 위한 일 수단일 뿐이다.

도면1은 본 발명의 실시 방법에 따라 영상을 왜곡 및 복원하는 시스템의 구성을 도시한 도면이다.

보다 상세하게 본 도면1은 카메라모듈(180)을 통해 생성된 영상 데이터를 판독하여 적어도 하나의 지정된 특징 영역을 기 설정된 기준 품질 이상의 고품질로 인식한 경우 상기 인식된 특징 영역이 비정형 복원 방식을 통해서는 복원되지 않게 지정된 엔코딩 연산을 통해 선택적 왜곡하되 상기 왜곡된 특징 영역의 복원이 필요한 경우 카메라모듈(180)을 통해 생성된 원본과의 동일성을 검증 가능하게 복원하는 시스템의 구성을 도시한 것으로서, 본 발명이 속한 기술분야에서 통상의 지식을 가진 자라면, 본 도면1을 참조 및/또는 변형하여 상기 시스템에 대한 다양한 실시 방법(예컨대, 일부 구성부가 생략되거나, 또는 세분화되거나, 또는 합쳐진 실시 방법)을 유추할 수 있을 것이나, 본 발명은 상기 유추되는 모든 실시 방법을 포함하여 이루어지며, 본 도면1에 도시된 실시 방법만으로 그 기술적 특징이 한정되지 아니한다.

본 발명의 시스템은, 지정된 피사체를 촬영한 원본 영상 데이터를 생성하는 카메라모듈(180)과, 상기 카메라모듈(180)을 통해 생성된 원본 영상 데이터를 확인하고 판독하여 적어도 하나의 지정된 특징 영역을 기 설정된 기준 품질 이상의 고품질로 인식한 경우 상기 인식된 특징 영역이 비정형 복원 방식을 통해서는 복원되지 않게 지정된 엔코딩 연산을 통해 선택적 왜곡하되 상기 왜곡된 특징 영역의 복원이 필요한 경우 카메라모듈(180)을 통해 생성된 원본과의 동일성을 검증 가능하게 복원하는 프로그램(105)을 구비(또는 구동)한 장치(100)를 포함하여 이루어진다.

본 발명의 시스템에 대한 제1 실시예에 따르면, 상기 시스템은 상기 프로그램(105)을 구동한 장치(100)와 상기 카메라모듈(180)이 분리되어 지정된 인터페이스수단이나 통신망을 통해 연동하는 연동형 시스템을 포함할 수 있다. 예를들어, 상기 카메라모듈(180)은 지정된 거점의 내부 또는 외부 또는 지정된 위치에 구비된 고정형 카메라(예컨대, CCTV(Closed Circuit Television) 카메라 등)를 포함하고 상기 장치(100)는 지정된 인터페이스수단을 통해 상기 고정형 카메라와 연결되어 상기 프로그램(105)을 구동한 관리장치(100) 또는 통신망을 통해 상기 고정형 카메라와 연동하며 상기 프로그램(105)을 구동한 관리서버를 포함할 수 있다. 또는 상기 카메라모듈(180)은 사용자의 무선단말(예컨대, 스마트폰, 태블릿PC, 휴대폰 등)에 구비된 카메라를 포함하고, 상기 장치(100)는 통신망을 통해 상기 무선단말과 연동하며 상기 프로그램(105)을 구동한 관리서버를 포함할 수 있다. 또는 상기 카메라모듈(180)은 사용자의 차량에 구비된 차량용 카메라(예컨대, 블랙박스에 구비된 카메라 등)를 포함하고, 상기 장치(100)는 통신망을 통해 상기 차량용 카메라와 상기 프로그램(105)을 구동한 관리서버를 포함할 수 있다. 한편 본 발명의 연동형 시스템의 실시예는 상기 예시된 실시예로 한정되는 것은 아니며, 상기 카메라모듈(180)과 장치(100)가 분리되어 지정된 인터페이스수단이나 통신망을 통해 연동하는 모든 실시예를 본 발명의 권리범위로 포함함을 명백하게 밝혀두는 바이다.

본 발명의 시스템에 대한 제2 실시예에 따르면, 상기 시스템은 상기 프로그램(105)을 구동한 장치(100)에 상기 카메라모듈(180)을 구비한 일체형 시스템을 포함할 수 있다. 예를들어, 상기 장치(100)는 지정된 거점의 내부 또는 외부 또는 지정된 위치에 구비되며 상기 카메라모듈(180)을 내장하고 상기 프로그램(105)을 구동한 고정형 카메라장치(100)를 포함할 수 있다. 또는 상기 장치(100)는 상기 카메라모듈(180)을 내장하고 상기 프로그램(105)을 구동한 사용자 무선단말을 포함할 수 있다. 또는 상기 장치(100)는 상기 카메라모듈(180)을 내장하고 상기 프로그램(105)을 구동한 차량용 카메라장치(100)(예컨대, 카메라를 구비한 블랙박스 등)를 포함할 수 있다. 한편 본 발명의 일체형 시스템의 실시예는 상기 예시된 실시예로 한정되는 것은 아니며, 상기 프로그램(105)을 구동한 장치(100)에 상기 카메라모듈(180)을 구비하는 모든 실시예를 본 발명의 권리범위로 포함함을 명백하게 밝혀두는 바이다.

본 발명의 시스템에 대한 제3 실시예에 따르면, 상기 시스템은 상기 카메라모듈(180)을 구비한 장치(100)를 통해 상기 프로그램(105)의 일부 기능이 실행되고 상기 장치(100)와 지정된 인터페이스수단이나 통신망을 통해 연동하는 별도의 장치(100)를 통해 상기 프로그램(105)의 다른 일부 기능이 실행되는 분산형 시스템을 포함할 수 있다. 예를들어, 상기 장치(100)는 지정된 거점의 내부 또는 외부 또는 지정된 위치에 구비되며 상기 카메라모듈(180)을 내장하거나 연동하고 상기 프로그램(105)의 일부 기능을 실행하는 애플리케이션을 구동한 고정형 카메라장치(100)를 포함할 수 있으며, 상기 고정형 카메라장치(100)는 통신망을 통해 상기 프로그램(105)의 다른 일부 기능을 실행하는 애플리케이션을 구동한 관리서버에 대응하는 장치(100)와 연동할 수 있다. 또는 상기 장치(100)는 상기 카메라모듈(180)을 내장하고 상기 프로그램(105)의 일부 기능을 실행하는 애플리케이션을 구동한 사용자 무선단말을 포함할 수 있으며, 상기 사용자 무선단말은 통신망을 통해 상기 프로그램(105)의 다른 일부 기능을 실행하는 애플리케이션을 구동한 관리서버에 대응하는 장치(100)와 연동할 수 있다. 또는 상기 장치(100)는 상기 카메라모듈(180)을 내장하고 상기 프로그램(105)의 일부 기능을 실행하는 애플리케이션을 구동한 차량용 카메라장치(100)를 포함할 수 있으며, 상기 차량용 카메라장치(100)는 통신망을 통해 상기 프로그램(105)의 다른 일부 기능을 실행하는 애플리케이션을 구동한 관리서버에 대응하는 장치(100)와 연동할 수 있다. 한편 본 발명의 분산형 시스템의 실시예는 상기 예시된 실시예로 한정되는 것은 아니며, 상기 프로그램(105)이 둘 이상의 장치(100)를 통해 분산 실시되는 모든 실시예를 본 발명의 권리범위로 포함함을 명백하게 밝혀두는 바이다.

도면1을 참조하면, 상기 장치(100)의 프로그램(105)은, 상기 카메라모듈(180)을 통해 생성된 원본 영상 데이터를 확인하는 영상 확인부(110)를 포함한다.

상기 카메라모듈(180)은 렌즈를 통해 들어온 빛을 디지털 신호로 변환한 이미지 데이터를 포함하는 영상 데이터를 생성하는 구성부(또는 구성부 집합)의 총칭으로서, 바람직하게 피사체에 의해 반사된 빛이 들어오는 하나 이상의 렌즈를 포함하는 렌즈부와, 상기 렌즈부를 통해 들어온 빛을 디지털 신호로 변환하여 이미지 데이터를 생성하는 이미지 센서부와, 상기 렌즈부와 이미지 센서부 사이에서 초점 기능을 구현하는 액츄에이터부를 포함한다. 본 발명의 실시 방법에 따르면, 상기 카메라모듈(180)은 상기 프로그램(105)을 구동하는 장치(100)와 연동하는 카메라의 내부에 구비되거나 및/또는 상기 프로그램(105)(또는 프로그램(105)의 적어도 일부 기능)을 구동하는 장치(100)의 내부에 구비될 수 있다.

상기 영상 확인부(110)는 상기 카메라모듈(180)의 이미지 센서부를 통해 생성된 이미지 데이터 중에서 선택된 특정 이미지(또는 단위 시간 당 지정된 개수 단위로 생성된 복수의 이미지 데이터)를 포함하는 원본 영상 데이터를 수신하거나 획득하여 지정된 메모리영역(예컨대, 버퍼 메모리 등)에 보관하도록 처리한다.

도면1을 참조하면, 상기 장치(100)의 프로그램(105)은, 지정된 특징인식모듈을 통해 상기 원본 영상 데이터를 판독하여 상기 원본 영상 데이터에 포함된 지정된 왜곡 대상에 대응하는 지정된 N(N≥1)개의 특징 영역에 대한 지정된 인식을 시도하는 절차를 수행하는 인식 처리부(115)를 포함하며, 상기 특징인식모듈이 지정된 인공지능알고리즘을 포함하는 인공지능모듈을 포함하는 경우 지정된 인공지능 기반의 학습(Learning) 과정을 통해 지정된 영상 데이터에 포함된 N개의 특징 영역을 인식하기 위한 학습 절차를 수행하는 학습 관리부(120)를 포함한다.

상기 영상 확인부(110)가 상기 카메라모듈(180)을 통해 생성된 원본 영상 데이터를 수신 또는 획득하여 지정된 메모리영역에 보관한 경우, 상기 인식 처리부(115)는 지정된 특징인식모듈을 통해 상기 메모리영역에 보관된 원본 영상 데이터의 각 이미지 데이터 별로 판독하여 상기 원본 영상 데이터에 포함된 지정된 왜곡 대상에 대응하는 지정된 N개의 특징 영역을 지정된 품질 수준으로 인식 시도하는 절차를 수행한다. 바람직하게, 상기 인식 처리부(115)는 지정된 특징인식모듈을 통해 상기 원본 영상 데이터를 판독하여 상기 원본 영상 데이터에 포함된 지정된 왜곡 대상에 대응하는 지정된 N개의 특징 영역을 기 설정된 기준 품질 이상의 고품질로 인식 시도하는 절차를 수행할 수 있다.

본 발명의 실시 방법에 따르면, 상기 특징인식모듈은 지정된 영상 데이터에 포함된 지정된 왜곡 대상을 인식하는 지정된 패턴인식알고리즘을 포함하는 패턴인식모듈을 포함하거나, 또는 지정된 영상 데이터에 포함된 지정된 왜곡 대상에 대응하는 N개의 특징 영역을 지정된 품질 수준 또는 기 설정된 기준 품질 이상의 고품질로 인식하는 지정된 인공지능알고리즘을 포함하는 인공지능모듈을 포함할 수 있다. 한편 본 발명의 실시 방법에 따르면, 패턴인식모듈을 통해 지정된 왜곡 대상을 인식한 경우 상기 패턴인식모듈을 통해 인식된 왜곡 대상의 인식 품질이 지정된 품질 수준 또는 기 설정된 기준 품질 이상의 고품질인지 판독하여 판별하는 절차를 수행해야 하는 반면, 상기 인공지능모듈을 통해 지정된 왜곡 대상을 인식할 경우 지정된 품질 수준 또는 기 설정된 기준 품질 이상의 고품질에 대응하는 N개의 특징 영역을 선택적(또는 지능적)으로 인식할 수 있다.

상기 특징인식모듈이 지정된 인공지능알고리즘을 포함하는 인공지능모듈을 포함하는 경우, 상기 학습 관리부(120)는 지정된 영상 데이터에 포함된 N개의 특징 영역을 지정된 품질 수준 또는 기 설정된 기준 품질 이상의 고품질로 인식 시도하는 절차를 수행하기 위해 지정된 인공지능 기반의 학습 과정을 통해 지정된 영상 데이터에 포함된 N개의 특징 영역을 인식하기 위한 학습 절차를 수행할 있다. 바람직하게, 상기 학습 관리부(120)는 지정된 인공지능 기반의 지도 학습(Supervised Learning) 과정을 통해 지정된 왜곡 대상을 포함하는 영상 데이터의 특징 정보를 입력변수(Feature Vectors)로 설정하고 상기 영상 데이터 내에 왜곡 대상의 존재 여부 또는 상기 영상 데이터 내에 존재하는 왜곡 대상의 인식 품질 상태를 출력변수(Label)로 설정하여 상기 인공지능모듈을 학습시키는 절차를 수행할 수 있다.

본 발명의 실시 방법에 따르면, 상기 인식 처리부(115)는 지정된 특징인식모듈을 통해 상기 원본 영상 데이터를 판독하여 상기 원본 영상 데이터에 포함된 신분증 영역에 대응하는 N개의 특징 영역의 인식을 시도하는 절차를 수행할 수 있다. 바람직하게, 상기 인식 처리부(115)는 지정된 특징인식모듈을 통해 상기 원본 영상 데이터를 판독하여 상기 원본 영상 데이터에 포함된 신분증 영역에 대응하는 N개의 특징 영역을 기 설정된 기준 품질 이상의 고품질로 인식 시도하는 절차를 수행할 수 있다. 만약 상기 특징인식모듈이 지정된 패턴인식알고리즘을 포함하는 패턴인식모듈을 포함하는 경우, 상기 인식 처리부(115)는 지정된 패턴인식모듈을 통해 상기 원본 영상 데이터를 판독하여 상기 원본 영상 데이터에 포함된 신분증 영역에 대응하는 N개의 특징 영역을 인식 시도하는 절차를 수행할 수 있다.

상기 특징인식모듈이 지정된 영상 데이터에 포함된 신분증 영역을 인식하는 인공지능모듈을 포함하는 경우, 상기 인식 처리부(115)는 지정된 인공지능 기반의 학습 과정을 통해 신분증 영역을 포함하는 영상 데이터의 특징 정보를 입력변수로 설정하고 신분증 영역의 존재 여부 또는 신분증 영역의 품질 상태를 출력변수로 설정하여 상기 인공지능모듈을 절차를 수행할 수 있다. 상기 인공지능모듈이 기 설정된 규모 이상의 학습 과정을 거친 경우, 상기 인식 처리부(115)는 상기 학습된 인공지능모듈을 통해 상기 원본 영상 데이터를 판독하여 상기 원본 영상 데이터에 포함된 신분증 영역에 대응하는 N개의 특징 영역의 인식을 시도하는 절차를 수행할 수 있다.

도면1을 참조하면, 상기 장치(100)의 프로그램(105)은, 상기 특징인식모듈을 통해 상기 원본 영상 데이터에 포함된 지정된 n(1≤n≤N)개의 특징 영역이 기 설정된 기준 품질 이상의 고품질로 인식되는지 확인하는 인식 확인부(125)와, 상기 원본 영상 데이터에 포함된 n개의 특징 영역을 기 설정된 기준 품질 이상의 고품질로 인식한 경우 상기 원본 영상 데이터에 일대일 매칭되며 상기 인식된 n개의 특징 영역의 경계를 포함하는 특징 맵(Feature Map) 데이터를 생성하는 특징 맵 생성부(130)와, 상기 원본 영상 데이터의 지정된 픽셀 정보를 지정된 코드생성모듈에 지정된 방식으로 적용하여 지정된 코드 값을 생성하는 코드 생성부(135)와, 지정된 키 값을 생성(또는 확인)하는 키 확인부(140)와, 상기 키 값을 이용한 지정된 엔코딩 연산을 통해 상기 원본 영상 데이터의 영역 중 상기 특징 맵 데이터에 대응하는 n개의 특징 영역을 선택적 왜곡시켜 왜곡된 영상 데이터를 생성하는 왜곡 처리부(145)와, 상기 왜곡된 영상 데이터를 지정된 미디어매체에 저장하도록 처리하고 상기 왜곡된 영상 데이터에 대응하는 특징 맵 데이터와 코드 값을 지정된 저장매체에 저장하도록 처리하는 저장 처리부(150)를 포함하며, 상기 왜곡된 영상 데이터를 지정된 출력수단을 통해 출력하도록 처리하는 출력 처리부(155)를 포함한다.

상기 인식 처리부(115)가 지정된 특징인식모듈을 통해 상기 원본 영상 데이터에 포함된 지정된 왜곡 대상에 대응하는 N개의 특징 영역의 인식을 시도한 경우, 상기 인식 확인부(125)는 상기 특징인식모듈을 통해 상기 원본 영상 데이터에 포함된 지정된 n개의 특징 영역이 기 설정된 기준 품질 이상의 고품질로 인식되는지 확인한다. 만약 상기 인식 처리부(115)가 패턴인식모듈을 통해 상기 원본 영상 데이터에 포함된 지정된 왜곡 대상을 인식 시도한 경우, 상기 인식 확인부(125)는 상기 패턴인식모듈을 통해 인식된 왜곡 대상의 인식 품질을 판독하여 기 설정된 기준 품질 이상의 고품질로 인식되었는지 판별할 수 있다. 한편 상기 인식 처리부(115)가 상기 학습 관리부(120)를 통해 학습된 인공지능모듈을 통해 상기 원본 영상 데이터에 포함된 지정된 왜곡 대상을 인식 시도한 경우, 상기 인식 확인부(125)는 상기 인공지능모듈을 통해 적어도 하나의 특징 영역이 인식된 경우 별도의 판독 과정이 없이 상기 원본 영상 데이터에 포함된 지정된 n개의 특징 영역이 기 설정된 기준 품질 이상의 고품질로 인식된 것으로 자동 확인할 수 있다.

본 발명의 실시 방법에 따르면, 상기 인식 처리부(115)가 패턴인식모듈을 통해 상기 원본 영상 데이터에 포함된 지정된 신분증 영역을 인식 시도한 경우, 상기 인식 확인부(125)는 상기 패턴인식모듈을 통해 인식된 신분증 영역의 인식 품질을 판독하는 절차를 수행하여 기 설정된 기준 품질 이상의 고품질로 인식되었는지 판별할 수 있다. 한편 상기 인식 처리부(115)가 상기 학습 관리부(120)를 통해 학습된 인공지능모듈을 통해 상기 원본 영상 데이터에 포함된 지정된 신분증 영역을 인식 시도한 경우, 상기 인식 확인부(125)는 상기 인공지능모듈을 통해 적어도 하나의 특징 영역이 인식된 경우 별도의 판독 과정이 없이 상기 원본 영상 데이터에 포함된 지정된 n개의 특징 영역이 기 설정된 기준 품질 이상의 고품질로 인식된 것으로 자동 확인할 수 있다. 본 발명의 실시 방법에 따르면, 상기 인식 처리부(115)는 보다 신속하고 정확한 인식을 위해 상기 학습 관리부(120)를 통해 학습된 인공지능모듈을 통해 상기 원본 영상 데이터에 포함된 지정된 신분증 영역을 인식 시도하는 것이 바람직하다.

본 발명의 실시 방법에 따르면, 상기 기준 품질 이상의 고품질은 신분증 영역 내의 사진이나 지문 또는 개인 식별 관련 문자열을 유효 인식 가능한 품질 수준을 포함할 수 있다.

만약 상기 인식 처리부(115)를 통해 상기 원본 영상 데이터에 포함된 지정된 왜곡 대상에 대응하는 n개의 특징 영역이 인식되지 않거나 기 설정된 기준 품질 미만의 저품질로 인식된 경우, 상기 저장 처리부(150)는 상기 원본 영상 데이터를 지정된 미디어매체에 그대로 저장하도록 처리한다.

본 발명의 제1 원본 영상 저장 실시예에 따르면, 지정된 미디어매체에 상기 원본 영상 데이터를 그대로 저장하는 경우, 상기 특징 맵 데이터는 상기 별도의 특징 맵 데이터를 생성하지 않으며, 상기 코드 생성부(135)도 상기 원본 영상 데이터와 관련된 코드 값을 생성하지 않을 수 있다. 이 경우 상기 저장 처리부(150)는 지정된 저장매체에 별도의 특징 맵 데이터와 코드 값을 저장하지 않아도 무방하다.

본 발명의 제2 원본 영상 저장 실시예에 따르면, 지정된 미디어매체에 상기 원본 영상 데이터를 그대로 저장하는 경우, 상기 특징 맵 데이터는 상기 별도의 특징 맵 데이터를 생성하지 않고, 상기 코드 생성부(135)도 상기 원본 영상 데이터와 관련된 코드 값을 생성하지 않을 수 있으나, 상기 저장 처리부(150)는 상기 미디어매체에 왜곡된 영상 데이터를 저장하는 경우와의 정보 저장 연속성(또는 연관성)을 유지하기 위해 널(NULL) 값을 포함하는 특징 맵 데이터와 널(NULL) 값을 포함하는 코드 값을 상기 원본 영상 데이터에 연계시켜 지정된 저장매체에 저장하도록 처리할 수 있다.

본 발명의 제3 원본 영상 저장 실시예에 따르면, 지정된 미디어매체에 상기 원본 영상 데이터를 그대로 저장하는 경우, 상기 특징 맵 데이터는 상기 별도의 특징 맵 데이터를 생성하지 않으나, 상기 코드 생성부(135)의 경우 상기 원본 영상 데이터의 원본 인증을 위해 상기 원본 영상 데이터의 지정된 픽셀 정보를 지정된 코드생성모듈에 지정된 방식으로 적용하여 지정된 코드 값을 생성할 수 있다. 이 경우 상기 저장 처리부(150)는 널(NULL) 값을 포함하는 특징 맵 데이터와 상기 생성된 코드 값을 상기 원본 영상 데이터에 연계시켜 지정된 저장매체에 저장하도록 처리할 수 있다.

본 발명의 실시 방법에 따르면, 상기 카메라모듈(180)을 통해 생성된 원본 영상 데이터 및/또는 상기 미디어매체에 저장된 원본 영상 데이터를 지정된 출력수단을 통해 출력하는 경우, 상기 출력 처리부(155)는 상기 출력수단을 통해 상기 원본 영상 데이터를 출력하도록 처리할 수 있다.

한편 상기 인식 처리부(115)를 통해 상기 원본 영상 데이터에 포함된 n(1≤n≤N)개의 특징 영역을 기 설정된 기준 품질 이상의 고품질로 인식한 경우, 상기 특징 맵 생성부(130)는 상기 인식 처리부(115)를 통해 상기 원본 영상 데이터에 포함된 n개의 특징 영역을 인식한 결과를 근거로 상기 원본 영상 데이터에 일대일 매칭되며 상기 인식된 n개의 특징 영역의 경계를 포함하는 특징 맵 데이터를 생성한다.

본 발명의 제1 특징 맵 실시예에 따르면, 상기 특징 맵 생성부(130)는 상기 원본 영상 데이터의 해상도와 동일한 해상도를 포함하는 이미지 데이터 형태로 상기 인식된 n개의 특징 영역의 경계를 포함하는 특징 맵 데이터를 생성할 수 있다.

본 발명의 제2 특징 맵 실시예에 따르면, 상기 특징 맵 생성부(130)는 상기 인식된 n개의 특징 영역의 경계에 대응하는 픽셀 좌표값을 포함하는 특징 맵 데이터를 생성할 수 있다.

본 발명의 제3 특징 맵 실시예에 따르면, 상기 특징 맵 생성부(130)는 상기 인식된 n개의 특징 영역의 경계에 대응하는 벡터 값을 포함하는 특징 맵 데이터를 생성할 수 있다.

본 발명의 제4 특징 맵 실시예에 따르면, 상기 특징 맵 생성부(130)는 상기 제1 내지 제3 특징 맵 실시예 중 둘 이상을 조합한 형태의 특징 맵 데이터를 생성할 수 있다.

한편 상기 인식 처리부(115)를 통해 상기 원본 영상 데이터에 포함된 n개의 특징 영역을 기 설정된 기준 품질 이상의 고품질로 인식한 경우, 상기 코드 생성부(135)는 상기 원본 영상 데이터의 지정된 픽셀 정보를 지정된 코드생성모듈에 지정된 방식으로 적용하여 지정된 코드 구조의 코드 값을 생성한다.

본 발명의 실시 방법에 따르면, 상기 코드생성모듈은 일방향 함수에 대응하는 해시알고리즘을 포함하며, 상기 코드 생성부(135)는 상기 원본 영상 데이터의 지정된 픽셀 정보를 상기 해시알고리즘에 지정된 방식으로 적용하여 지정된 코드 구조의 코드 값을 생성할 수 있다.

본 발명의 제1 코드 생성 실시예에 따르면, 상기 코드 생성부(135)는 상기 원본 영상 데이터의 전체 픽셀 영역에 대응하는 P(P≥2)개의 픽셀 값의 집합을 포함하는 픽셀 정보를 지정된 코드생성모듈에 지정된 방식으로 적용하여 지정된 코드 구조의 코드 값을 생성할 수 있다.

본 발명의 제2 코드 생성 실시예에 따르면, 상기 코드 생성부(135)는 상기 원본 영상 데이터의 전체 픽셀 영역에 대응하는 P(P≥2)개의 픽셀 값 중 상기 특징 영역을 포함하는 특정 픽셀 영역에 대응하는 p(2≤p≤P)개의 픽셀 값의 집합을 포함하는 픽셀 정보를 지정된 코드생성모듈에 지정된 방식으로 적용하여 지정된 코드 구조의 코드 값을 생성할 수 있다.

본 발명의 제3 코드 생성 실시예에 따르면, 상기 코드 생성부(135)는 상기 원본 영상 데이터의 전체 픽셀 영역을 지정된 블록 단위로 분할한 B(B≥2)개의 블록 별 픽셀 값의 집합을 포함하는 픽셀 정보를 지정된 코드생성모듈에 지정된 방식으로 적용하여 지정된 코드 구조의 코드 값을 생성할 수 있다. 여기서, 상기 블록 단위는 상기 코드생성모듈의 최고속 연산을 위해 설정된 블록 크기를 포함할 수 있다. 또는 상기 블록 단위는 상기 코드생성모듈의 연산을 수행하기 위해 할당된 버퍼 크기와 매칭되는 블록 크기를 포함할 수 있다.

본 발명의 제4 코드 생성 실시예에 따르면, 상기 코드 생성부(135)는 상기 원본 영상 데이터의 전체 픽셀 영역 중 상기 특징 영역을 포함하는 특정 픽셀 영역을 지정된 블록 단위로 분할한 B(B≥2)개의 블록 별 픽셀 값의 집합을 포함하는 픽셀 정보를 지정된 코드생성모듈에 지정된 방식으로 적용하여 지정된 코드 구조의 코드 값을 생성할 수 있다. 여기서, 상기 블록 단위는 상기 코드생성모듈의 최고속 연산을 위해 설정된 블록 크기를 포함할 수 있다. 또는 상기 블록 단위는 상기 코드생성모듈의 연산을 수행하기 위해 할당된 버퍼 크기와 매칭되는 블록 크기를 포함할 수 있다.

본 발명의 제5 코드 생성 실시예에 따르면, 상기 코드 생성부(135)는 상기 제1 내지 제4 코드 생성 실시예 중 둘 이상의 코드 생성 실시예의 적어도 부분적 조합에 대응하는 픽셀 정보를 지정된 코드생성모듈에 지정된 방식으로 적용하여 지정된 코드 구조의 코드 값을 생성할 수 있다.

한편 상기 인식 처리부(115)를 통해 상기 원본 영상 데이터에 포함된 n개의 특징 영역을 기 설정된 기준 품질 이상의 고품질로 인식한 경우, 상기 키 확인부(140)는 상기 n개의 특징 영역을 왜곡하기 위해 지정된 엔코딩 연산을 수행하기 위한 지정된 키 값을 생성(또는 확인)한다.

본 발명의 제1 키 확인 실시예에 따르면, 상기 키 확인부(140)는 상기 코드 생성부(135)를 통해 생성된 코드 값을 포함하는 하나 이상의 씨드 값을 지정된 키생성알고리즘에 적용하여 지정된 구조의 키 값을 생성할 수 있다. 본 발명의 실시 방법에 따르면, 상기 키생성알고리즘은 일방향 함수에 대응하는 해시알고리즘을 포함할 수 있며, 이 경우 상기 키 확인부(140)는 상기 코드 생성부(135)를 통해 생성된 코드 값을 포함하는 하나 이상의 씨드 값을 상기 해시알고리즘에 적용하여 지정된 구조의 키 값을 생성할 수 있다. 또는 상기 키생성알고리즘은 임의의 난수를 생성하는 난수알고리즘을 포함할 수 있며, 이 경우 상기 키 확인부(140)는 상기 코드 생성부(135)를 통해 생성된 코드 값을 포함하는 하나 이상의 씨드 값을 상기 난수알고리즘에 적용하여 지정된 구조의 키 값을 생성할 수 있다.

본 발명의 제2 키 확인 실시예에 따르면, 상기 키 확인부(140)는 지정된 씨드 값(예컨대, 지정된 저장영역에 저장된 저장 값, 지정된 DB로부터 추출되는 추출 값, 지정된 데이터셋트를 가공하여 생성된 생성 값, 타이머를 통해 획득되는 시간 값 중 하나 이상의 씨드 값)을 지정된 키생성알고리즘에 적용하여 지정된 구조의 키 값을 생성할 수 있다. 본 발명의 실시 방법에 따르면, 상기 키생성알고리즘은 일방향 함수에 대응하는 해시알고리즘을 포함할 수 있며, 이 경우 상기 키 확인부(140)는 지정된 씨드 값을 포함하는 하나 이상의 씨드 값을 상기 해시알고리즘에 적용하여 지정된 구조의 키 값을 생성할 수 있다. 또는 상기 키생성알고리즘은 임의의 난수를 생성하는 난수알고리즘을 포함할 수 있며, 이 경우 상기 키 확인부(140)는 지정된 씨드 값을 상기 난수알고리즘에 적용하여 지정된 구조의 키 값을 생성할 수 있다.

본 발명의 제3 키 확인 실시예에 따르면, 상기 키 확인부(140)는 지정된 키관리매체(예컨대, 상기 프로그램(105)을 구동한 장치(100)의 저장영역이나 데이터베이스 중 지정된 키 값을 저장하도록 설정된 저장영역이나 데이터베이스 등)로부터 지정된 키 값을 추출할 수 있다.

본 발명의 제4 키 확인 실시예에 따르면, 상기 키 확인부(140)는 지정된 키관리서버(예컨대, 지정된 키 값을 생성하거나 저장 관리하며 상기 프로그램(105)을 구동한 장치(100)로 상기 키 값을 제공(또는 분배)하는 서버)를 통해 지정된 키 값을 수신할 수 있다.

본 발명의 제5 키 확인 실시예에 따르면, 상기 키 확인부(140)는 상기 제1 내지 제4 키 확인 실시예 중 둘 이상의 키 확인 실시예를 적어도 부분적 조합하여 지정된 키 값을 확인할 수 있다.

상기 키 확인부(140)를 통해 지정된 키 값이 확인되면, 상기 왜곡 처리부(145)는 상기 키 값을 이용한 지정된 엔코딩 연산을 통해 상기 원본 영상 데이터의 영역 중 상기 특징 맵 데이터에 대응하는 n개의 특징 영역을 선택적 왜곡시켜 왜곡된 영상 데이터를 생성하는 절차를 수행한다.

본 발명의 실시 방법에 따르면, 상기 왜곡 처리부(145)는 상기 키 값을 이용한 지정된 엔코딩 연산을 통해 상기 n개의 특징 영역을 원본 상태로 복원 가능한 구조로 선택적 왜곡시키는 절차를 수행할 수 있으며, 이 경우 상기 n개의 특징 영역 내의 각 픽셀 별 왜곡된 픽셀 값은 상기 키 값을 이용한 지정된 디코딩 연산을 통해 상기 원본 영상 데이터에 포함되어 있던 n개의 특징 영역 내의 각 픽셀 별 원본 픽셀 값으로 무손실 복원될 수 있다.

본 발명의 제1 왜곡 실시예에 따르면, 상기 왜곡 처리부(145)는 상기 키 값을 이용한 지정된 엔코딩 연산을 통해 상기 원본 영상 데이터에 포함된 n개의 특징 영역 내의 각 픽셀 별 픽셀 값을 각 픽셀 별 원본 픽셀 값과 무관한(또는 픽셀 별 색상 유사성이 상실된) 각 픽셀 별 왜곡된 픽셀 값으로 왜곡시키는 절차를 수행할 수 있으며, 이 경우 상기 n개의 특징 영역 내의 각 픽셀 별 왜곡된 픽셀 값은 상기 키 값을 이용한 지정된 디코딩 연산을 통해 상기 원본 영상 데이터에 포함되어 있던 n개의 특징 영역 내의 각 픽셀 별 원본 픽셀 값으로 무손실 복원될 수 있다.

본 발명의 제2 왜곡 실시예에 따르면, 상기 왜곡 처리부(145)는 상기 키 값을 이용한 지정된 엔코딩 연산을 통해 상기 원본 영상 데이터에 포함된 n개의 특징 영역 내의 각 픽셀 별 픽셀 값을 초해상도(Super Resolution) 기술을 포함하는 비정형 복원 기술에 의해 기 설정된 기준 품질 이상의 고품질로 복원 불가한 각 픽셀 별 왜곡된 픽셀 값으로 왜곡시키는 절차를 수행할 수 있으며, 이 경우 상기 n개의 특징 영역 내의 각 픽셀 별 왜곡된 픽셀 값은 상기 키 값을 이용한 지정된 디코딩 연산을 통해 상기 원본 영상 데이터에 포함되어 있던 n개의 특징 영역 내의 각 픽셀 별 원본 픽셀 값으로 무손실 복원될 수 있다.

본 발명의 제3 왜곡 실시예에 따르면, 상기 왜곡 처리부(145)는 상기 키 값을 이용한 지정된 엔코딩 연산을 통해 상기 원본 영상 데이터에 포함된 n개의 특징 영역 내의 각 픽셀 별 픽셀 값을 인공지능 기반 복원 기술을 포함하는 비정형 복원 기술에 의해 기 설정된 기준 품질 이상의 고품질로 복원 불가한 각 픽셀 별 왜곡된 픽셀 값으로 왜곡시키는 절차를 수행할 수 있으며, 이 경우 상기 n개의 특징 영역 내의 각 픽셀 별 왜곡된 픽셀 값은 상기 키 값을 이용한 지정된 디코딩 연산을 통해 상기 원본 영상 데이터에 포함되어 있던 n개의 특징 영역 내의 각 픽셀 별 원본 픽셀 값으로 무손실 복원될 수 있다.

본 발명의 제4 왜곡 실시예에 따르면, 상기 왜곡 처리부(145)는 상기 키 값을 이용한 지정된 엔코딩 연산을 통해 상기 원본 영상 데이터에 포함된 n개의 특징 영역 내의 각 픽셀 별 픽셀 값을 모자이크(Mosaic) 처리 방식과 무관한(또는 픽셀 별 색상 유사성이 상실된) 각 픽셀 별 왜곡된 픽셀 값으로 왜곡시키는 절차를 수행할 수 있으며, 이 경우 상기 n개의 특징 영역 내의 각 픽셀 별 왜곡된 픽셀 값은 상기 키 값을 이용한 지정된 디코딩 연산을 통해 상기 원본 영상 데이터에 포함되어 있던 n개의 특징 영역 내의 각 픽셀 별 원본 픽셀 값으로 무손실 복원될 수 있다.

본 발명의 제5 왜곡 실시예에 따르면, 상기 왜곡 처리부(145)는 상기 제1 내지 제5 왜곡 실시예 중 적어도 둘 이상의 실시예를 적어도 부분적으로 조합한 형태로 상기 원본 영상 데이터에 포함된 n개의 특징 영역 내의 각 픽셀 별 픽셀 값을 지정된 각 픽셀 별 왜곡된 픽셀 값으로 왜곡시키는 절차를 수행할 수 있다.

본 발명의 확장된 실시 방법에 따르면, 상기 n개의 특징 영역 내의 각 픽셀 별 왜곡된 픽셀 값은 상기 원본 영상 데이터에 포함된 n개의 특징 영역 외측 인접 영역의 지정된 픽셀 별 픽셀 값과 지정된 범위 내의 상관성을 지닌 각 픽셀 별 픽셀 값으로 왜곡될 수 있다. 즉, 상기 n개의 특징 영역 내의 각 픽셀 별 왜곡된 픽셀 값은 각 픽셀 별 원본 픽셀 값과 무관한(또는 픽셀 별 색상 유사성이 상실된) 각 픽셀 별 왜곡된 픽셀 값으로 왜곡됨과 동시에, 상기 원본 영상 데이터에 포함된 n개의 특징 영역 외측 인접 영역의 지정된 픽셀 별 픽셀 값과 지정된 범위 내의 상관성을 지닌 유사한 각 픽셀 별 픽셀 값으로 왜곡될 수 있으며, 이에 의해 상기 n개의 특징 영역 내의 각 픽셀 별 왜곡된 픽셀 값과 인접 영역의 픽셀 별 픽셀 값 사이의 이질감을 최소화할 수 있다.

상기 왜곡 처리부(145)를 통해 상기 원본 영상 데이터에 포함된 n개의 특징 영역이 선택적 왜곡된 영상 데이터가 생성된 경우, 상기 저장 처리부(150)는 상기 왜곡된 영상 데이터를 지정된 미디어매체에 저장하도록 처리하고, 지정된 저장매체에 상기 왜곡된 영상 데이터에 대응하는 특징 맵 데이터와 코드 값을 저장하도록 처리하는 절차를 수행한다. 한편 상기 키 확인부(140)를 통해 상기 키 값이 생성된 경우, 상기 저장 처리부(150)는 상기 특징 맵 데이터와 상기 생성된 키 값을 지정된 저장매체에 연계 저장하도록 처리하는 절차를 수행할 수 있다. 다만 상기 키 값이 지정된 키관리매체나 키관리서버에 등록 저장된 경우, 상기 키 값은 기 저장되어 있으므로 상기 저장매체에 저장하지 않더라도 무방하다.

본 발명의 제1 매체 실시예에 따르면, 상기 저장매체는 영상 데이터를 저장하는 미디어매체와 물리적으로 분리된 매체를 포함할 수 있다. 예를들어, 상기 미디어매체는 미디어장치(100)나 미디어서버에 구비되고, 상기 저장매쳉는 별도의 관리서버에 구비될 수 있다.

본 발명의 제2 매체 실시예에 따르면, 상기 저장매체는 영상 데이터를 저장하는 미디어매체와 논리적으로 분리된 매체를 포함할 수 있다. 이 경우 상기 저장매체와 미디어매체는 물리적으로 동일한 매체이거나 연계된 매체일 수 있다.

본 발명의 제3 매체 실시예에 따르면, 상기 저장매체는 영상 데이터를 저장하는 미디어매체에 적용된 보안기술보다 고도한 보안기술(예컨대, 암/복호화 기술, 방화벽 기술 등)이 적용된 매체를 포함할 수 있다.

본 발명의 제4 매체 실시예에 따르면, 상기 저장매체는 상기 제1 내지 제3 매체 실시예 중 둘 이상의 실시예를 적어도 부분적으로 조합한 형태의 매체를 포함할 수 있다.

본 발명의 실시 방법에 따르면, 상기 저장 처리부(150)는 상기 미디어매체에 저장되는 영상 데이터 중 상기 특징 맵 데이터에 대응하는 n개의 특징 영역이 왜곡된 영상 데이터를 고유 식별하거나 상기 왜곡된 영상 데이터와 매칭 저장된 매칭정보를 확인하거나 생성하고, 상기 특징 맵 데이터와 상기 매칭정보를 상기 저장매체에 매칭 연계할 수 있다. 또는 상기 저장 처리부(150)는 상기 미디어매체에 저장되는 영상 데이터 중 상기 특징 맵 데이터에 대응하는 n개의 특징 영역이 왜곡된 영상 데이터를 고유 식별하거나 상기 왜곡된 영상 데이터와 매칭 저장된 매칭정보를 확인하거나 생성하고, 상기 특징 맵 데이터에 상기 매칭정보를 포함시켜 상기 저장매체에 저장할 수 있다. 바람직하게, 상기 매칭정보는 상기 미디어매체와 저장매체가 물리적/논리적으로 분리된 경우에도 상기 미디어매체에 저장되는 영상 데이터와 상기 저장매체에 저장되는 특징 맵 데이터 및/또는 코드 값을 상호 연계시킬 수 있다.

한편 상기 미디어매체에 상기 왜곡된 n개의 특징 영역을 포함하는 왜곡된 영상 데이터가 저장되고 상기 저장매체에 상기 왜곡된 영상 데이터에 대응하는 특징 맵 데이터와 코드 값이 저장된 경우, 상기 저장 처리부(150)는 상기 원본 영상 데이터를 메모리영역이나 저장영역에 삭제(또는 제거)할 수 있다. 즉, 상기 미디어매체에 상기 왜곡된 n개의 특징 영역을 포함하는 왜곡된 영상 데이터가 저장되고 상기 저장매체에 상기 왜곡된 영상 데이터에 대응하는 특징 맵 데이터와 코드 값이 저장된 경우, 상기 카메라모듈(180)을 통해 생성된 원본 영상 데이터는 존재하지 않으며, 상기 원본 영상 데이터는 본 발명에 따른 복원 방식을 통해 상기 원본 영상 데이터와 동일하게 복원 내지 검증될 수 있다.

본 발명의 실시 방법에 따르면, 상기 왜곡 처리부(145)를 통해 왜곡된 n개의 특징 영역을 포함하는 왜곡된 영상 데이터 및/또는 상기 미디어매체에 저장된 왜곡된 영상 데이터를 지정된 출력수단을 통해 출력하는 경우, 상기 출력 처리부(155)는 상기 출력수단을 통해 상기 왜곡된 영상 데이터를 출력하도록 처리할 수 있다.

도면1을 참조하면, 상기 장치(100)의 프로그램(105)은, 상기 왜곡된 영상 데이터를 복원하는 경우 상기 왜곡된 영상 데이터에 대응하는 특징 맵 데이터와 코드 값을 추출하고 상기 키 값을 추출하는 추출부(160)와, 상기 추출된 키 값을 이용한 지정된 디코딩 연산을 통해 상기 왜곡된 영상 데이터의 영역 중 상기 추출된 특징 맵 데이터에 대응하는 n개의 특징 영역을 선택적 복원 처리하는 복원 처리부(165)와, 상기 복원된 n개의 특징 영역을 포함하는 영상 데이터의 지정된 픽셀 정보를 지정된 코드생성모듈에 지정된 방식으로 적용하여 지정된 코드 값을 생성하는 코드 생성부(135)와, 상기 생성된 코드 값과 상기 추출된 코드 값을 비교 인증하는 복원 인증부(170)와, 상기 코드 값을 인증한 경우 상기 복원된 n개의 특징 영역을 포함하는 영상 데이터를 복원된 영상 데이터로 확정하는 복원 확정부(175)를 포함한다.

상기 미디어매체에 저장된 상기 왜곡된 영상 데이터를 복원하는 경우(예컨대, 왜곡된 영상 데이터로부터 복원된 원본 영상 데이터를 증거로 사용하거나 상기 원본 영상 데이터에 포함된 신분증 영역을 통해 사용자 본인 인증의 지정된 절차를 수행하는 경우 등), 상기 추출부(160)는 미디어매체를 통해 상기 왜곡된 영상 데이터를 추출하고, 상기 저장매체를 통해 상기 왜곡된 영상 데이터에 대응하는 특징 맵 데이터와 코드 값을 추출한다. 만약 상기 저장매체에 상기 키 값이 저장된 경우, 상기 추출부(160)는 상기 저장매체를 통해 상기 키 값을 추출할 수 있다. 한편 지정된 키관리매체에 상기 키 값이 저장된 경우, 상기 추출부(160)는 상기 키관리매체를 통해 상기 키 값을 추출할 수 있다. 또는 지정된 키관리서버에 상기 키 값이 저장된 경우, 상기 추출부(160)는 상기 키관리서버를 통해 상기 키 값을 수신할 수 있다.

상기 추출부(160)를 통해 상기 키 값이 추출된 경우, 상기 복원 처리부(165)는 상기 추출된 키 값을 이용한 지정된 디코딩 연산을 통해 상기 왜곡된 영상 데이터의 영역 중 상기 추출된 특징 맵 데이터에 대응하는 n개의 특징 영역을 선택적 복원 처리하는 절차를 수행한다. 바람직하게, 상기 복원 처리부(165)는 상기 미디어매체를 통해 추출된 상기 왜곡된 영상 데이터를 확인하고, 상기 저장매체를 통해 추출된 상기 왜곡된 영상 데이터에 대응하는 특징 맵 데이터를 근거로 상기 왜곡된 영상 데이터의 영역 중 상기 추출된 특징 맵 데이터에 대응하는 n개의 특징 영역을 확인하며, 상기 추출된 키 값을 이용한 지정된 디코딩 연산을 통해 상기 확인된 n개의 특징 영역 내의 각 픽셀 별 왜곡된 픽셀 값을 선택적으로 복원하는 절차를 수행한다.

본 발명의 실시 방법에 따르면, 상기 복원 처리부(165)는 상기 미디어매체를 통해 추출된 상기 왜곡된 영상 데이터를 확인하고, 상기 저장매체를 통해 추출된 상기 왜곡된 영상 데이터에 대응하는 특징 맵 데이터를 근거로 상기 왜곡된 영상 데이터의 영역 중 상기 추출된 특징 맵 데이터에 대응하는 n개의 특징 영역을 확인하며, 상기 키 값을 이용한 지정된 디코딩 연산을 통해 상기 왜곡된 영상 데이터에 포함된 n개의 특징 영역 내의 각 픽셀 별 왜곡된 픽셀 값을 원본 영상 데이터에 포함되어 있던 n개의 특징 영역 내의 각 픽셀 별 원본 픽셀 값으로 무손실 복원하는 절차를 수행한다.

상기 왜곡된 영상 데이터에 포함된 n개의 특징 영역이 선택적 복원된 경우, 상기 코드 생성부(135)는 상기 복원된 n개의 특징 영역을 포함하는 영상 데이터의 지정된 픽셀 정보를 지정된 코드생성모듈에 지정된 방식으로 적용하여 지정된 코드 값을 생성하는 절차를 수행한다.

본 발명의 실시 방법에 따르면, 상기 코드 생성부(135)는 상기 복원된 n개의 특징 영역을 포함하는 영상 데이터의 픽셀 정보 중 상기 n개의 특징 영역의 왜곡하던 시점의 픽셀 정보와 동일한 픽셀 정보를 확인하고, 상기 n개의 특징 영역의 왜곡하던 시점의 코드생성모듈과 동일한 코드생성모듈에 상기 확인된 동일한 픽셀 정보를 동일한 방식으로 적용하여 지정된 코드 값을 생성할 수 있다.

상기 코드 생성부(135)를 통해 상기 복원된 n개의 특징 영역을 포함하는 영상 데이터의 지정된 픽셀 정보를 통해 상기 코드 값이 생성된 경우, 상기 복원 인증부(170)는 상기 코드 생성부(135)를 통해 생성된 코드 값과 상기 추출부(160)를 통해 추출된 코드 값을 비교 인증하는 절차를 수행한다. 만약 상기 복원된 n개의 특징 영역을 포함하는 영상 데이터의 지정된 픽셀 정보를 통해 상기 코드 값이 상기 추출된 코드 값이 일치하는 것으로 인증된 경우, 상기 복원 확정부(175)는 상기 복원된 n개의 특징 영역을 포함하는 영상 데이터를 원본과 동일하게 복원된 영상 데이터로 확정한다.

본 발명의 실시 방법에 따르면, 상기 복원 확정부(175)를 통해 원본과 동일하게 복원된 영상 데이터로 확정된 영상 데이터를 지정된 출력수단을 통해 출력하는 경우, 상기 출력 처리부(155)는 상기 출력수단을 통해 상기 복원된 영상 데이터를 출력하도록 처리할 수 있다.

도면2는 본 발명의 실시 방법에 따라 영상을 왜곡하는 과정을 도시한 흐름도이다.

보다 상세하게 본 도면2는 카메라모듈(180)을 통해 생성된 영상 데이터를 판독하여 적어도 하나의 지정된 특징 영역을 기 설정된 기준 품질 이상의 고품질로 인식한 경우 상기 인식된 특징 영역이 비정형 복원 방식을 통해서는 복원되지 않게 지정된 엔코딩 연산을 통해 선택적 왜곡하는 과정을 도시한 것으로, 본 발명이 속한 기술분야에서 통상의 지식을 가진 자라면, 본 도면2를 참조 및/또는 변형하여 상기 과정에 대한 다양한 실시 방법(예컨대, 일부 단계가 생략되거나, 또는 순서가 변경된 실시 방법)을 유추할 수 있을 것이나, 본 발명은 상기 유추되는 모든 실시 방법을 포함하여 이루어지며, 본 도면2에 도시된 실시 방법만으로 그 기술적 특징이 한정되지 아니한다.

도면2를 참조하면, 장치(100)의 프로그램(105)은 카메라모듈(180)을 통해 생성된 원본 영상 데이터를 확인한다(200). 상기 카메라모듈(180)을 통해 생성된 원본 영상 데이터를 확인한 경우, 상기 장치(100)의 프로그램(105)은 지정된 특징인식모듈을 통해 상기 원본 영상 데이터를 판독하여 상기 원본 영상 데이터에 포함된 지정된 왜곡 대상(상기 원본 영상 데이터에 포함된 신분증 영역)에 대응하는 지정된 N개의 특징 영역에 대한 지정된 인식을 시도하는 절차를 수행하며(205), 상기 특징인식모듈을 통해 상기 원본 영상 데이터에 포함된 지정된 n개의 특징 영역이 기 설정된 기준 품질 이상의 고품질로 인식되는지 확인한다(210).

만약 상기 원본 영상 데이터에 포함된 지정된 왜곡 대상(상기 원본 영상 데이터에 포함된 신분증 영역)이 인식되지 않거나 기 설정된 기준 품질 미만의 저품질로 인식한 경우, 상기 장치(100)의 프로그램(105)은 상기 원본 영상 데이터를 지정된 미디어매체에 저장하도록 처리한다(215). 한편 상기 원본 영상 데이터를 출력하는 경우, 상기 장치(100)의 프로그램(105)은 지정된 출력수단을 통해 상기 원본 영상 데이터를 출력하도록 처리한다(220).

한편 상기 원본 영상 데이터에 포함된 지정된 왜곡 대상(상기 원본 영상 데이터에 포함된 신분증 영역)을 기 설정된 기준 품질 이상의 고품질로 인식한 경우, 상기 장치(100)의 프로그램(105)은 상기 원본 영상 데이터에 일대일 매칭되며 상기 인식된 n개의 특징 영역의 경계를 포함하는 특징 맵 데이터를 생성하고(225), 상기 원본 영상 데이터의 지정된 픽셀 정보를 지정된 코드생성모듈에 지정된 방식으로 적용하여 지정된 코드 값을 생성하고(230), 지정된 키 값을 생성(또는 확인)한다(235).

상기 장치(100)의 프로그램(105)은 상기 키 값을 이용한 지정된 엔코딩 연산을 통해 상기 원본 영상 데이터의 영역 중 상기 특징 맵 데이터에 대응하는 n개의 특징 영역을 선택적 왜곡시켜 왜곡된 영상 데이터를 생성한다(240). 상기 왜곡된 n개의 특징 영역을 포함하는 왜곡된 영상 데이터가 생성된 경우, 상기 장치(100)의 프로그램(105)은 상기 왜곡된 영상 데이터를 지정된 미디어매체에 저장하도록 처리하고(245), 상기 왜곡된 영상 데이터에 대응하는 특징 맵 데이터와 코드 값을 지정된 저장매체에 저장하도록 처리한다(250). 한편 상기 장치(100)의 프로그램(105)은 왜곡된 영상 데이터에 대응하는 원본 영상 데이터를 소거한다(255). 한편 상기 왜곡된 영상 데이터를 출력하는 경우, 상기 장치(100)의 프로그램(105)은 지정된 출력수단을 통해 상기 왜곡된 영상 데이터를 출력하도록 처리한다(260).

도면3은 본 발명의 실시 방법에 따라 왜곡된 영상을 복원하는 과정을 도시한 흐름도이다.

보다 상세하게 본 도면3은 상기 왜곡된 특징 영역의 복원이 필요한 경우 카메라모듈(180)을 통해 생성된 원본과의 동일성을 검증 가능하게 복원하는 과정을 도시한 것으로, 본 발명이 속한 기술분야에서 통상의 지식을 가진 자라면, 본 도면3을 참조 및/또는 변형하여 상기 과정에 대한 다양한 실시 방법(예컨대, 일부 단계가 생략되거나, 또는 순서가 변경된 실시 방법)을 유추할 수 있을 것이나, 본 발명은 상기 유추되는 모든 실시 방법을 포함하여 이루어지며, 본 도면3에 도시된 실시 방법만으로 그 기술적 특징이 한정되지 아니한다.

도면3을 참조하면, 장치(100)의 프로그램(105)은 도면2의 과정을 통해 왜곡된 영상 데이터의 복원이 요청되는 확인한다(300). 만약 상기 왜곡된 영상 데이터를 복원하는 경우, 상기 장치(100)의 프로그램(105)은 미디어매체를 통해 왜곡된 영상 데이터를 추출하고(305), 저장매체를 통해 상기 왜곡된 영상 데이터에 대응하는 특징 맵 데이터와 코드 값을 추출하고 상기 키 값을 추출한다(310).

상기 장치(100)의 프로그램(105)은 상기 추출된 키 값을 이용한 지정된 디코딩 연산을 통해 상기 왜곡된 영상 데이터의 영역 중 상기 추출된 특징 맵 데이터에 대응하는 n개의 특징 영역을 선택적 복원 처리한다(315). 만약 상기 n개의 특징 영역을 선택적 복원된 경우, 상기 장치(100)의 프로그램(105)은 상기 복원된 n개의 특징 영역을 포함하는 영상 데이터의 지정된 픽셀 정보를 지정된 코드생성모듈에 지정된 방식으로 적용하여 지정된 코드 값을 생성하고(320), 상기 생성된 코드 값과 상기 추출된 코드 값을 비교 인증한다(325).

만약 상기 코드 값이 인증되지 않는 경우, 상기 장치(100)의 프로그램(105)은 지정된 출력수단을 통해 상기 왜곡된 영상 데이터에 대한 복원 오류를 출력하도록 처리한다(330).

한편 상기 코드 값이 인증된 경우, 상기 장치(100)의 프로그램(105)은 상기 복원된 n개의 특징 영역을 포함하는 영상 데이터를 원본과 동일하게 복원된 영상 데이터로 확정한다(335). 한편 상기 복원된 영상 데이터를 출력하는 경우, 상기 장치(100)의 프로그램(105)은 지정된 출력수단을 통해 상기 복원된 영상 데이터를 출력하도록 처리한다(340).

100 : 장치 105 : 프로그램
110 : 영상 확인부 115 : 인식 처리부
120 : 학습 관리부 125 : 인식 확인부
130 : 특징 맵 생성부 135 : 코드 생성부
140 : 키 확인부 145 : 왜곡 처리부
150 : 저장 처리부 155 : 출력 처리부
160 : 추출부 165 : 복원 처리부
170 : 복원 인증부 175 : 복원 확정부
180 : 카메라모듈

Claims

카메라모듈과 연계된 장치의 프로그램을 통해 실행되는 방법에 있어서,
상기 카메라모듈을 통해 생성된 원본 영상 데이터를 확인한 경우 지정된 특징인식모듈을 통해 상기 원본 영상 데이터를 판독하여 상기 원본 영상 데이터에 포함된 신분증 영역에 대응하는 N(N≥1)개의 특징 영역의 인식을 시도하는 제1 단계;
상기 원본 영상 데이터에 포함된 신분증 영역에 대응하는 n(1≤n≤N)개의 특징 영역을 기 설정된 기준 품질 이상의 고품질로 인식한 경우 상기 원본 영상 데이터에 일대일 매칭되며 상기 인식된 n개의 특징 영역의 경계를 포함하는 특징 맵(Feature Map) 데이터를 생성하고 상기 원본 영상 데이터의 지정된 픽셀 정보를 지정된 코드생성모듈에 지정된 방식으로 적용하여 지정된 코드 값을 생성하고 지정된 키 값을 생성(또는 확인)하는 제2 단계;
상기 키 값을 이용한 지정된 엔코딩 연산을 통해 상기 원본 영상 데이터의 영역 중 상기 특징 맵 데이터에 대응하는 n개의 특징 영역을 선택적 왜곡시켜 왜곡된 영상 데이터를 생성하는 제3 단계; 및
상기 왜곡된 영상 데이터를 지정된 미디어매체에 저장하도록 처리하고 상기 왜곡된 영상 데이터에 대응하는 특징 맵 데이터와 코드 값을 지정된 저장매체에 저장하도록 처리하는 제4 단계;를 포함하는 신분증 인식 기반 왜곡 영상 복원 처리 방법.
제 1항에 있어서,
상기 특징인식모듈은, 지정된 영상 데이터에 포함된 신분증 영역을 인식하는 인공지능모듈을 포함하고,
지정된 인공지능 기반의 학습(Learning) 과정을 통해 신분증 영역을 포함하는 영상 데이터의 특징 정보를 입력변수(Feature Vectors)로 설정하고 신분증 영역의 존재 여부 또는 신분증 영역의 인식 품질 상태를 출력변수(Label)로 설정하여 상기 인공지능모듈을 학습시키는 단계를 더 포함하며,
상기 제1 단계는, 상기 학습된 인공지능모듈을 통해 상기 원본 영상 데이터를 판독하여 상기 원본 영상 데이터에 포함된 신분증 영역을 포함하는 N개의 특징 영역의 인식을 시도하는 단계를 포함하여 이루어지는 것을 특징으로 하는 신분증 인식 기반 왜곡 영상 복원 처리 방법.
제 1항에 있어서, 상기 기준 품질 이상의 고품질은,
신분증 영역 내의 사진이나 지문 또는 개인 식별 관련 문자열을 유효 인식 가능한 품질을 포함하여 이루어지는 것을 특징으로 하는 신분증 인식 기반 왜곡 영상 복원 처리 방법.
제 1항에 있어서, 상기 특징 맵 데이터는,
상기 원본 영상 데이터의 해상도와 동일한 해상도를 포함하는 이미지 데이터를 포함하여 이루어지는 것을 특징으로 하는 신분증 인식 기반 왜곡 영상 복원 처리 방법.
제 1항에 있어서, 상기 특징 맵 데이터는,
상기 인식된 n개의 특징 영역의 경계에 대응하는 픽셀 좌표값을 포함하여 이루어지는 것을 특징으로 하는 신분증 인식 기반 왜곡 영상 복원 처리 방법.
제 1항에 있어서, 상기 특징 맵 데이터는,
상기 인식된 n개의 특징 영역의 경계에 대응하는 벡터 값을 포함하여 이루어지는 것을 특징으로 하는 신분증 인식 기반 왜곡 영상 복원 처리 방법.
제 1항에 있어서,
상기 코드생성모듈은, 일방향 함수에 대응하는 해시알고리즘을 포함하며,
상기 제2 단계는, 상기 원본 영상 데이터의 지정된 픽셀 정보를 상기 해시알고리즘에 지정된 방식으로 적용하여 지정된 코드 구조의 코드 값을 생성하는 단계를 포함하여 이루어지는 것을 특징으로 하는 신분증 인식 기반 왜곡 영상 복원 처리 방법.
제 1항에 있어서, 상기 픽셀 정보는,
상기 원본 영상 데이터의 전체 픽셀 영역에 대응하는 P(P≥2)개의 픽셀 값의 집합을 포함하여 이루어지는 것을 특징으로 하는 신분증 인식 기반 왜곡 영상 복원 처리 방법.
제 1항에 있어서, 상기 픽셀 정보는,
상기 원본 영상 데이터의 전체 픽셀 영역에 대응하는 P(P≥2)개의 픽셀 값 중 상기 특징 영역을 포함하는 특정 픽셀 영역에 대응하는 p(2≤p≤P)개의 픽셀 값의 집합을 포함하여 이루어지는 것을 특징으로 하는 신분증 인식 기반 왜곡 영상 복원 처리 방법.
제 1항에 있어서, 상기 픽셀 정보는,
상기 원본 영상 데이터의 전체 픽셀 영역을 지정된 블록 단위로 분할한 B(B≥2)개의 블록 별 픽셀 값의 집합을 포함하여 이루어지는 것을 특징으로 하는 신분증 인식 기반 왜곡 영상 복원 처리 방법.
제 1항에 있어서, 상기 픽셀 정보는,
상기 원본 영상 데이터의 전체 픽셀 영역 중 상기 특징 영역을 포함하는 특정 픽셀 영역을 지정된 블록 단위로 분할한 B(B≥2)개의 블록 별 픽셀 값의 집합을 포함하여 이루어지는 것을 특징으로 하는 신분증 인식 기반 왜곡 영상 복원 처리 방법.
제 10항 또는 제 11항에 있어서, 상기 블록 단위는,
상기 코드생성모듈의 최고속 연산을 위해 설정된 블록 크기를 포함하여 이루어지는 것을 특징으로 하는 신분증 인식 기반 왜곡 영상 복원 처리 방법.
제 10항 또는 제 11항에 있어서, 상기 블록 단위는,
상기 코드생성모듈의 연산을 수행하기 위해 할당된 버퍼 크기와 매칭되는 블록 크기를 포함하여 이루어지는 것을 특징으로 하는 신분증 인식 기반 왜곡 영상 복원 처리 방법.
제 1항에 있어서, 상기 제2 단계는,
상기 코드 값을 포함하는 씨드 값을 지정된 키생성알고리즘에 적용하여 지정된 키 값을 생성하는 단계를 포함하여 이루어지는 것을 특징으로 하는 신분증 인식 기반 왜곡 영상 복원 처리 방법.
제 1항에 있어서, 상기 제2 단계는,
지정된 씨드 값을 지정된 키생성알고리즘에 적용하여 지정된 키 값을 생성하는 단계를 포함하여 이루어지는 것을 특징으로 하는 신분증 인식 기반 왜곡 영상 복원 처리 방법.
제 14항 또는 제 15항에 있어서,
상기 키생성알고리즘은, 일방향 함수에 대응하는 해시알고리즘을 포함하며,
상기 제2 단계는, 상기 씨드 값을 상기 해시알고리즘에 적용하여 지정된 키 값을 생성하는 단계를 포함하여 이루어지는 것을 특징으로 하는 신분증 인식 기반 왜곡 영상 복원 처리 방법.
제 14항 또는 제 15항에 있어서,
상기 키생성알고리즘은, 임의의 난수를 생성하는 난수알고리즘을 포함하며,
상기 제2 단계는, 상기 씨드 값을 상기 난수알고리즘에 적용하여 지정된 키 값을 생성하는 단계를 포함하여 이루어지는 것을 특징으로 하는 신분증 인식 기반 왜곡 영상 복원 처리 방법.
제 1항에 있어서, 상기 제2 단계는,
지정된 키관리매체로부터 지정된 키 값을 추출하는 단계를 포함하여 이루어지는 것을 특징으로 하는 신분증 인식 기반 왜곡 영상 복원 처리 방법.
제 1항에 있어서, 상기 제2 단계는,
지정된 키관리서버를 통해 지정된 키 값을 수신하는 단계를 포함하여 이루어지는 것을 특징으로 하는 신분증 인식 기반 왜곡 영상 복원 처리 방법.
제 1항에 있어서, 상기 제2 단계는,
상기 원본 영상 데이터에 포함된 신분증 영역이 인식되지 않거나 기 설정된 기준 품질 미만의 저품질로 인식한 경우 상기 원본 영상 데이터를 지정된 미디어매체에 저장하도록 처리하는 단계를 더 포함하여 이루어지는 것을 특징으로 하는 신분증 인식 기반 왜곡 영상 복원 처리 방법.
제 20항에 있어서, 상기 제2 단계는,
널(NULL) 값을 포함하는 특징 맵 데이터와 널(NULL) 값을 포함하는 코드 값을 상기 원본 영상 데이터에 연계시켜 지정된 저장매체에 저장하도록 처리하는 단계를 더 포함하여 이루어지는 것을 특징으로 하는 신분증 인식 기반 왜곡 영상 복원 처리 방법.
제 20항에 있어서, 상기 제2 단계는,
상기 원본 영상 데이터에 대한 지정된 코드 값이 생성된 경우
널(NULL) 값을 포함하는 특징 맵 데이터와 상기 생성된 코드 값을 상기 원본 영상 데이터에 연계시켜 지정된 저장매체에 저장하도록 처리하는 단계를 더 포함하여 이루어지는 것을 특징으로 하는 신분증 인식 기반 왜곡 영상 복원 처리 방법.
제 1항에 있어서, 상기 제3 단계는,
상기 키 값을 이용한 지정된 엔코딩 연산을 통해 상기 n개의 특징 영역을 원본 상태로 복원 가능한 구조로 선택적 왜곡시켜 왜곡된 영상 데이터를 생성하는 단계를 포함하여 이루어지는 것을 특징으로 하는 신분증 인식 기반 왜곡 영상 복원 처리 방법.
제 1항에 있어서, 상기 제3 단계는,
상기 키 값을 이용한 지정된 엔코딩 연산을 통해 상기 원본 영상 데이터에 포함된 n개의 특징 영역 내의 각 픽셀 별 픽셀 값을 각 픽셀 별 원본 픽셀 값과 무관한(또는 원본 픽셀 색상과의 유사성이 상실된) 각 픽셀 별 왜곡된 픽셀 값으로 왜곡시키는 단계를 포함하여 이루어지는 것을 특징으로 하는 신분증 인식 기반 왜곡 영상 복원 처리 방법.
제 1항에 있어서, 상기 제3 단계는,
상기 키 값을 이용한 지정된 엔코딩 연산을 통해 상기 원본 영상 데이터에 포함된 n개의 특징 영역 내의 각 픽셀 별 픽셀 값을 초해상도(Super Resolution) 기술이나 인공지능 기반 복원 기술을 포함하는 비정형 복원 기술에 의해 기 설정된 기준 품질 이상의 고품질로 복원 불가한 각 픽셀 별 왜곡된 픽셀 값으로 왜곡시키는 단계를 포함하여 이루어지는 것을 특징으로 하는 신분증 인식 기반 왜곡 영상 복원 처리 방법.
제 1항에 있어서, 상기 제3 단계는,
상기 키 값을 이용한 지정된 엔코딩 연산을 통해 상기 원본 영상 데이터에 포함된 n개의 특징 영역 내의 각 픽셀 별 픽셀 값을 모자이크(Mosaic) 처리 방식과 무관한(또는 원본 픽셀 색상과의 유사성이 상실된) 각 픽셀 별 왜곡된 픽셀 값으로 왜곡시키는 단계를 포함하여 이루어지는 것을 특징으로 하는 신분증 인식 기반 왜곡 영상 복원 처리 방법.
제 24항 내지 제 26항 중 어느 한 항에 있어서, 상기 n개의 특징 영역 내의 각 픽셀 별 왜곡된 픽셀 값은,
상기 원본 영상 데이터에 포함된 n개의 특징 영역 외측 인접 영역의 지정된 픽셀 별 픽셀 값과 지정된 범위 내의 상관성을 지닌 각 픽셀 별 픽셀 값으로 왜곡되는 것을 특징으로 하는 신분증 인식 기반 왜곡 영상 복원 처리 방법.
제 24항 내지 제 26항 중 어느 한 항에 있어서, 상기 n개의 특징 영역 내의 각 픽셀 별 왜곡된 픽셀 값은,
상기 키 값을 이용한 지정된 디코딩 연산을 통해 상기 원본 영상 데이터에 포함되어 있던 n개의 특징 영역 내의 각 픽셀 별 원본 픽셀 값으로 무손실 복원되는 것을 특징으로 하는 신분증 인식 기반 왜곡 영상 복원 처리 방법.
제 1항에 있어서, 상기 제4 단계는,
상기 키 값을 생성한 경우 상기 특징 맵 데이터와 상기 생성된 키 값을 지정된 저장매체에 연계 저장하는 단계를 더 포함하여 이루어지는 것을 특징으로 하는 신분증 인식 기반 왜곡 영상 복원 처리 방법.
제 1항에 있어서, 상기 저장매체는,
영상 데이터를 저장하는 미디어매체와 물리적으로 분리된 매체,
영상 데이터를 저장하는 미디어매체와 논리적으로 분리된 매체,
영상 데이터를 저장하는 미디어매체보다 고도한 보안기술이 적용된 매체 중 적어도 하나의 매체를 포함하여 이루어지는 것을 특징으로 하는 신분증 인식 기반 왜곡 영상 복원 처리 방법.
제 1항에 있어서, 상기 제4 단계는,
상기 원본 영상 데이터를 삭제하는 단계를 더 포함하여 이루어지는 것을 특징으로 하는 신분증 인식 기반 왜곡 영상 복원 처리 방법.
제 1항에 있어서,
상기 왜곡된 영상 데이터를 복원하는 경우 상기 왜곡된 영상 데이터에 대응하는 특징 맵 데이터와 코드 값을 추출하고 상기 키 값을 추출하는 제5 단계;
상기 추출된 키 값을 이용한 지정된 디코딩 연산을 통해 상기 왜곡된 영상 데이터의 영역 중 상기 추출된 특징 맵 데이터에 대응하는 n개의 특징 영역을 선택적 복원 처리하는 제6 단계;
상기 복원된 n개의 특징 영역을 포함하는 영상 데이터의 지정된 픽셀 정보를 지정된 코드생성모듈에 지정된 방식으로 적용하여 지정된 코드 값을 생성하는 제7 단계;
상기 생성된 코드 값과 상기 추출된 코드 값을 비교 인증하는 제8 단계; 및
상기 코드 값을 인증한 경우 상기 복원된 n개의 특징 영역을 포함하는 영상 데이터를 원본과 동일하게 복원된 영상 데이터로 확정하는 제9 단계;를 더 포함하여 이루어지는 것을 특징으로 하는 신분증 인식 기반 왜곡 영상 복원 처리 방법.
제 32항에 있어서, 상기 제6 단계는,
상기 왜곡된 영상 데이터의 영역 중 상기 추출된 특징 맵 데이터에 대응하는 n개의 특징 영역을 확인하는 단계를 포함하여 이루어지는 것을 특징으로 하는 신분증 인식 기반 왜곡 영상 복원 처리 방법.
제 32항 또는 제 33항있어서, 상기 제6 단계는,
상기 키 값을 이용한 지정된 디코딩 연산을 통해 상기 왜곡된 영상 데이터에 포함된 n개의 특징 영역 내의 각 픽셀 별 왜곡된 픽셀 값을 원본 영상 데이터에 포함되어 있던 n개의 특징 영역 내의 각 픽셀 별 원본 픽셀 값으로 무손실 복원하는 단계를 포함하여 이루어지는 것을 특징으로 하는 신분증 인식 기반 왜곡 영상 복원 처리 방법.
제 32항에 있어서, 상기 제7 단계는,
상기 복원된 n개의 특징 영역을 포함하는 영상 데이터의 픽셀 정보 중 상기 n개의 특징 영역의 왜곡하던 시점의 픽셀 정보와 동일한 픽셀 정보를 동일한 코드생성모듈에 동일한 방식으로 적용하여 지정된 코드 값을 생성하는 단계를 포함하여 이루어지는 것을 특징으로 하는 신분증 인식 기반 왜곡 영상 복원 처리 방법.