KR20220000310A - Cloud system for optimizing facial recognition - Google Patents

Cloud system for optimizing facial recognition Download PDF

Info

Publication number
KR20220000310A
KR20220000310A KR1020200078101A KR20200078101A KR20220000310A KR 20220000310 A KR20220000310 A KR 20220000310A KR 1020200078101 A KR1020200078101 A KR 1020200078101A KR 20200078101 A KR20200078101 A KR 20200078101A KR 20220000310 A KR20220000310 A KR 20220000310A
Authority
KR
South Korea
Prior art keywords
user
module
login
facial image
classifier
Prior art date
Application number
KR1020200078101A
Other languages
Korean (ko)
Other versions
KR102436314B1 (en
Inventor
정여빈
Original Assignee
정여빈
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 정여빈 filed Critical 정여빈
Priority to KR1020200078101A priority Critical patent/KR102436314B1/en
Publication of KR20220000310A publication Critical patent/KR20220000310A/en
Application granted granted Critical
Publication of KR102436314B1 publication Critical patent/KR102436314B1/en

Links

Images

Classifications

    • GPHYSICS
    • G07CHECKING-DEVICES
    • G07CTIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
    • G07C9/00Individual registration on entry or exit
    • G07C9/00174Electronically operated locks; Circuits therefor; Nonmechanical keys therefor, e.g. passive or active electrical keys or other data carriers without mechanical keys
    • G07C9/00563Electronically operated locks; Circuits therefor; Nonmechanical keys therefor, e.g. passive or active electrical keys or other data carriers without mechanical keys using personal physical data of the operator, e.g. finger prints, retinal images, voicepatterns
    • GPHYSICS
    • G07CHECKING-DEVICES
    • G07CTIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
    • G07C9/00Individual registration on entry or exit
    • G07C9/00174Electronically operated locks; Circuits therefor; Nonmechanical keys therefor, e.g. passive or active electrical keys or other data carriers without mechanical keys
    • G07C9/00571Electronically operated locks; Circuits therefor; Nonmechanical keys therefor, e.g. passive or active electrical keys or other data carriers without mechanical keys operated by interacting with a central unit
    • GPHYSICS
    • G07CHECKING-DEVICES
    • G07CTIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
    • G07C9/00Individual registration on entry or exit
    • G07C9/30Individual registration on entry or exit not involving the use of a pass
    • G07C9/32Individual registration on entry or exit not involving the use of a pass in combination with an identity check
    • G07C9/37Individual registration on entry or exit not involving the use of a pass in combination with an identity check using biometric data, e.g. fingerprints, iris scans or voice recognition
    • GPHYSICS
    • G07CHECKING-DEVICES
    • G07CTIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
    • G07C9/00Individual registration on entry or exit
    • G07C9/30Individual registration on entry or exit not involving the use of a pass
    • G07C9/38Individual registration on entry or exit not involving the use of a pass with central registration

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Human Computer Interaction (AREA)
  • Image Analysis (AREA)
  • Collating Specific Patterns (AREA)

Abstract

Disclosed is a cloud system for optimizing a facial recognition. The cloud system for optimizing the facial recognition is configured with: a login device that generates a facial image by photographing the face of a user, and performs a login according to the generated facial image; and a login execution cloud server that uses the facial image of the login device to verify the user and allow for login. According to the above-described cloud system for optimizing facial recognition, by being configured to recognize the user through partial contrast even if there is a difference from the registered facial image such as when the user wears a hat or glasses or grows a beard and the like, the cloud system has an effect of accurately recognizing the wearing of various accessories or changes to the face of the user, thereby not requiring to register all of the different facial images. Also, by being configured to learn the change of the facial image according to aging for the aging of the user along with the above wearing of accessories and recognize the facial image of the user, the cloud system has an effect of accurately recognizing the user even after a long time has elapsed.

Description

안면 인식 최적화를 위한 클라우드 시스템{CLOUD SYSTEM FOR OPTIMIZING FACIAL RECOGNITION}CLOUD SYSTEM FOR OPTIMIZING FACIAL RECOGNITION

본 발명은 안면 인식 시스템에 관한 것으로서, 구체적으로는 안면 인식 최적화를 위한 클라우드 시스템에 관한 것이다.The present invention relates to a face recognition system, and more particularly, to a cloud system for optimizing face recognition.

노트북이나 근태 관리기 등에는 사용자의 안면 이미지나 지문 등을 이용한 로그인(login)을 하는 경우가 많이 있다.There are many cases of logging in using a user's face image or fingerprint, etc. in a laptop computer or a time and attendance manager.

지문의 경우에는 변화가 없기 때문에 인식률에 있어서 큰 문제가 되지 않지만, 안면 이미지의 경우에는 등록된 사용자의 안면 이미지와 현재의 사용자의 이미지가 다른 경우가 많아서 인식률에 있어서 많은 문제가 있다.In the case of a fingerprint, there is no change in the recognition rate, so it is not a big problem in recognition rate.

예를 들어, 사용자가 수염을 기르거나 머리 스타일이 달라져도 사용자가 아닌 것으로 인식할 수 있으며, 장기간에 걸쳐 체중이 늘어나거나 줄거나 또는 노화가 진행되는 경우에도 인식률이 떨어지게 되는 문제점이 있다.For example, even if the user grows a beard or the hair style is changed, the user may be recognized as not the user, and there is a problem in that the recognition rate is lowered even if the user gains or loses weight over a long period of time or aging progresses.

또한, 모자나 안경을 쓰거나 액세서리를 착용하는 경우 또는 마스크(mask)를 착용하는 경우에도 인식 오류를 야기시키는 원인이 된다.In addition, when wearing a hat or glasses, when wearing accessories, or when wearing a mask (mask), it causes a recognition error.

사용자가 안경을 착용한 이미지와 안경을 착용하지 않은 이미지를 각각 등록하거나 또는 헤어 스타일이 바뀔 때마다 그리고 노화가 어느 정도 진행될 때마다 매번 안면 이미지를 등록해야 한다면 매우 번거롭고 사실상 로그인 장치로서의 기능을 충분히 수행하고 있다고 볼 수 없다.If a user has to register an image with glasses and an image without glasses, or each time a hairstyle changes and aging progresses to a certain extent, it is very cumbersome and effectively functions as a login device. can't see you're doing it

이러한 인식 오류로 인해 다수가 이용하는 시설에서는 출입 시 오류로 인해 상당한 불편을 초래한다.Due to this recognition error, a large number of facilities used by a large number of people cause considerable inconvenience due to an error when entering or exiting the facility.

이에, 사용자의 다양하고 변화무쌍하게 바뀔 수 있는 사용자의 안면 이미지를 정확하게 인식하고 지능적으로 판단할 수 있는 수단이 요구된다.Accordingly, there is a need for a means for accurately recognizing and intelligently determining a user's face image, which may be varied and changeable, of the user.

공개특허공보 10-2004-0037180Laid-open Patent Publication 10-2004-0037180 공개특허공보 10-2018-0135898Laid-Open Patent Publication No. 10-2018-0135898

본 발명의 목적은 안면 인식 최적화를 위한 클라우드 시스템을 제공하는 데 있다.An object of the present invention is to provide a cloud system for optimizing facial recognition.

상술한 본 발명의 목적에 따른 안면 인식 최적화를 위한 클라우드 시스템은, 사용자의 안면을 촬영하여 안면 이미지를 생성하고, 생성된 안면 이미지에 따라 로그인을 수행하는 로그인 장치; 상기 로그인 장치의 안면 이미지를 이용하여 사용자를 확인하고 로그인을 허용하는 로그인 실행 클라우드 서버를 포함하도록 구성될 수 있다.The cloud system for optimizing facial recognition according to the above-described object of the present invention includes: a login device for generating a facial image by photographing a user's face, and logging in according to the generated facial image; It may be configured to include a log-in execution cloud server that uses the facial image of the log-in device to identify a user and allow log-in.

여기서, 상기 로그인 장치는, 근태 관리기, 노트북 또는 도어락(doorlock)에 설치될 수 있다.Here, the log-in device may be installed in a time and attendance manager, a laptop computer, or a doorlock.

그리고 상기 로그인 실행 클라우드 서버는, 사용자 정보 및 사용자의 안면 이미지를 등록하여 저장하도록 구성될 수 있다.And the login execution cloud server may be configured to register and store user information and a face image of the user.

상술한 안면 인식 최적화를 위한 클라우드 시스템에 의하면, 사용자가 모자나 안경을 착용하거나 턱수염을 기르는 등 등록 안면 이미지와 차이가 발생하더라도 부분별 대비를 통해 사용자를 인식하도록 구성됨으로써, 사용자의 다양한 액세서리 착용이나 안면의 변화에 대해서도 정확하게 인식할 수 있는 효과가 있으며, 다양한 안면 이미지를 모두 등록할 필요가 없다.According to the above-described cloud system for optimizing facial recognition, it is configured to recognize the user through partial contrast even if there is a difference from the registered facial image, such as when the user wears a hat or glasses or grows a beard, so that the user wears various accessories or It has the effect of accurately recognizing facial changes, and there is no need to register all of the various facial images.

한편, 위와 같은 액세서리 착용 등과 함께 사용자의 노화에 대해서도 노화에 따른 안면 이미지의 변화를 학습하여 사용자의 안면 이미지를 인식하도록 구성됨으로써, 장기간의 경과 후에도 정확하게 사용자를 인식할 수 있는 효과가 있다.On the other hand, it is configured to recognize the facial image of the user by learning the change of the facial image according to aging even with respect to the aging of the user along with the wearing of the accessories as described above, so that the user can be accurately recognized even after a long period of time has elapsed.

아울러, 사용자의 등록 안면 이미지와 유사한 가상의 이미지를 생성하여 분류기(discriminator)를 학습시키도록 구성됨으로써, 분류기의 성능을 업그레이드하고 인식률을 제고할 수 있는 효과가 있다.In addition, by generating a virtual image similar to the user's registered facial image to learn the classifier (discriminator), there is an effect that can upgrade the performance of the classifier and increase the recognition rate.

도 1은 본 발명의 일 실시예에 따른 안면 인식 최적화를 위한 클라우드 시스템의 블록 구성도이다.
도 2는 본 발명의 일 실시예에 따른 안면 부분 인식률 그래프의 예시도이다.
도 3은 본 발명의 일 실시예에 따른 노화에 따른 안면 이미지의 변화를 나타내는 예시 사진이다.
도 4는 본 발명의 일 실시예에 따른 사용자의 실제 이미지와 유사한 가상 이미지 예시 사진이다.
1 is a block diagram of a cloud system for optimizing facial recognition according to an embodiment of the present invention.
2 is an exemplary diagram of a facial recognition rate graph according to an embodiment of the present invention.
3 is an exemplary photograph showing a change in a facial image according to aging according to an embodiment of the present invention.
4 is an exemplary picture of a virtual image similar to a real image of a user according to an embodiment of the present invention.

본 발명은 다양한 변경을 가할 수 있고 여러 가지 실시예를 가질 수 있는 바, 특정 실시 예들을 도면에 예시하고 발명을 실시하기 위한 구체적인 내용에 상세하게 설명하고자 한다. 그러나, 이는 본 발명을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다. 각 도면을 설명하면서 유사한 참조부호를 유사한 구성요소에 대해 사용하였다.Since the present invention can have various changes and can have various embodiments, specific embodiments are illustrated in the drawings and will be described in detail in the detailed content for carrying out the invention. However, this is not intended to limit the present invention to specific embodiments, and it should be understood to include all modifications, equivalents and substitutes included in the spirit and scope of the present invention. In describing each figure, like reference numerals have been used for like elements.

제1, 제2, A, B 등의 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되어서는 안 된다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다. 예를 들어, 본 발명의 권리 범위를 벗어나지 않으면서 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소도 제1 구성요소로 명명될 수 있다. 및/또는 이라는 용어는 복수의 관련된 기재된 항목들의 조합 또는 복수의 관련된 기재된 항목들 중의 어느 항목을 포함한다.Terms such as first, second, A, and B may be used to describe various elements, but the elements should not be limited by the terms. The above terms are used only for the purpose of distinguishing one component from another. For example, without departing from the scope of the present invention, a first component may be referred to as a second component, and similarly, a second component may also be referred to as a first component. and/or includes a combination of a plurality of related listed items or any of a plurality of related listed items.

어떤 구성요소가 다른 구성요소에 "연결되어" 있다거나 "접속되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다. 반면에, 어떤 구성요소가 다른 구성요소에 "직접 연결되어" 있다거나 "직접 접속되어" 있다고 언급된 때에는, 중간에 다른 구성요소가 존재하지 않는 것으로 이해되어야 할 것이다.When an element is referred to as being “connected” or “connected” to another element, it is understood that it may be directly connected or connected to the other element, but other elements may exist in between. it should be On the other hand, when it is said that a certain element is "directly connected" or "directly connected" to another element, it should be understood that the other element does not exist in the middle.

본 출원에서 사용한 용어는 단지 특정한 실시예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 출원에서, "포함하다" 또는 "가지다" 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 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.The terms used in the present application are only used to describe specific embodiments, and are not intended to limit the present invention. The singular expression includes the plural expression unless the context clearly dictates otherwise. In the present application, terms such as “comprise” or “have” are intended to designate that a feature, number, step, operation, component, part, or combination thereof described in the specification exists, but one or more other features It should be understood that this does not preclude the existence or addition of numbers, steps, operations, components, parts, or combinations thereof.

다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가지고 있다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥 상 가지는 의미와 일치하는 의미를 가지는 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.Unless defined otherwise, all terms used herein, including technical and scientific terms, have the same meaning as commonly understood by one of ordinary skill in the art to which this invention belongs. Terms such as those defined in commonly used dictionaries should be interpreted as having a meaning consistent with the meaning in the context of the related art, and should not be interpreted in an ideal or excessively formal meaning unless explicitly defined in the present application. does not

이하, 본 발명에 따른 바람직한 실시예를 첨부된 도면을 참조하여 상세하게 설명한다.Hereinafter, preferred embodiments according to the present invention will be described in detail with reference to the accompanying drawings.

도 1은 본 발명의 일 실시예에 따른 안면 인식 최적화를 위한 클라우드 시스템의 블록 구성도이다. 그리고 도 2는 본 발명의 일 실시예에 따른 안면 부분 인식률 그래프의 예시도이고, 도 3은 본 발명의 일 실시예에 따른 노화에 따른 안면 이미지의 변화를 나타내는 예시 사진이고, 도 4는 본 발명의 일 실시예에 따른 사용자의 실제 이미지와 유사한 가상 이미지 예시 사진이다.1 is a block diagram of a cloud system for optimizing facial recognition according to an embodiment of the present invention. And Figure 2 is an exemplary view of a facial recognition rate graph according to an embodiment of the present invention, Figure 3 is an exemplary photograph showing a change in the facial image according to aging according to an embodiment of the present invention, Figure 4 is the present invention It is an example picture of a virtual image similar to a real image of a user according to an embodiment of

먼저 도 1을 참조하면, 본 발명의 일 실시예에 따른 안면 인식 최적화를 위한 클라우드 시스템은 로그인(login) 장치(100), 로그인 실행 클라우드 서버(cloud server)(200)를 포함하도록 구성될 수 있다.First, referring to FIG. 1 , the cloud system for optimizing facial recognition according to an embodiment of the present invention may be configured to include a login device 100 and a login execution cloud server 200 . .

이하, 세부적인 구성에 대하여 설명한다.Hereinafter, a detailed configuration will be described.

로그인 장치(100)는 사용자의 안면을 촬영하여 안면 이미지를 생성하고, 생성된 안면 이미지에 따라 로그인을 수행하도록 구성될 수 있다. 로그인 장치(100)는 노트북, 근태 관리기, 도어락(doorlock) 등에 설치될 수 있다.The login device 100 may be configured to generate a facial image by photographing the user's face, and to log in according to the generated facial image. The log-in device 100 may be installed in a laptop computer, a time and attendance manager, a doorlock, or the like.

로그인 장치(100)는 카메라 모듈(101), 안면 이미지 송신 모듈(102), 로그인 실행 모듈(103)을 포함하도록 구성될 수 있다.The login device 100 may be configured to include a camera module 101 , a facial image transmission module 102 , and a login execution module 103 .

이하, 세부적인 구성에 대하여 설명한다.Hereinafter, a detailed configuration will be described.

카메라 모듈(101)은 사용자의 안면을 촬영하여 안면 이미지를 생성하도록 구성될 수 있다.The camera module 101 may be configured to generate a facial image by photographing the user's face.

안면 이미지 송신 모듈(102)은 카메라 모듈(101)에서 생성된 안면 이미지를 로그인 실행 클라우드 서버(200)로 실시간 송신하도록 구성될 수 있다.The facial image transmission module 102 may be configured to transmit the facial image generated by the camera module 101 to the login execution cloud server 200 in real time.

로그인 실행 모듈(103)은 로그인 실행 클라우드 서버(200)의 로그인 허용 판단에 의해 로그인을 실행하도록 구성될 수 있다.The login execution module 103 may be configured to execute login according to the login permission determination of the login execution cloud server 200 .

로그인 실행 클라우드 서버(200)는 로그인 장치(100)의 안면 이미지를 이용하여 로그인을 허용하도록 구성될 수 있다.The login execution cloud server 200 may be configured to allow login using the facial image of the login device 100 .

로그인 실행 클라우드 서버(200)는 사용자 등록 모듈(201), 사용자 정보 저장 모듈(202), 안면 이미지 수신 모듈(203), 안면 이미지 등록 모듈(204), 사용자별 안면 이미지 저장 모듈(205), 분류기(discriminator) 생성 모듈(206), 분류기 등록 모듈(207), 사용자별 분류기 저장 모듈(208), 전체 인식 모듈(209), 부분 인식 모듈(210), 사용자 로그인 이미지 저장 모듈(211), 로그인 이력 확인 모듈(212), 로그인 허용 모듈(213), 안면 학습 모듈(214), 분류기 재생성 모듈(215), 분류기 갱신/추가 모듈(216), 유사 안면 이미지 생성 모듈(217), 분류기 학습 모듈(218), 분류기 업그레이드 모듈(219)를 포함하도록 구성될 수 있다.The login execution cloud server 200 includes a user registration module 201, a user information storage module 202, a facial image receiving module 203, a facial image registration module 204, a facial image storage module 205 for each user, and a classifier. (discriminator) generation module 206, classifier registration module 207, user-specific classifier storage module 208, full recognition module 209, partial recognition module 210, user login image storage module 211, login history Confirmation module 212, login permission module 213, face learning module 214, classifier regeneration module 215, classifier update/add module 216, similar facial image generation module 217, classifier learning module 218 ), may be configured to include a classifier upgrade module 219 .

이하, 세부적인 구성에 대하여 설명한다.Hereinafter, a detailed configuration will be described.

사용자 등록 모듈(201)은 사용자 정보를 입력받아 등록하도록 구성될 수 있다. 사용자 정보는 사용자 이름, ID, 조직 내 권한 정보 등을 포함할 수 있다.The user registration module 201 may be configured to receive and register user information. The user information may include a user name, ID, authority information within an organization, and the like.

사용자 정보 저장 모듈(202)은 사용자 등록 모듈(201)에 의해 등록되는 사용자 정보가 저장되도록 구성될 수 있다.The user information storage module 202 may be configured to store user information registered by the user registration module 201 .

안면 이미지 수신 모듈(203)은 로그인 장치(100)의 안면 이미지 송신 모듈(102)로부터 안면 이미지를 실시간 수신하도록 구성될 수 있다.The face image receiving module 203 may be configured to receive the face image from the face image transmitting module 102 of the login device 100 in real time.

안면 이미지 등록 모듈(204)은 안면 이미지 수신 모듈(203)에 의해 실시간 수신된 안면 이미지를 미리 등록하도록 구성될 수 있다. 안면 이미지 등록 모듈(204)에 의해 등록되는 안면 이미지는 차후에 카메라 모듈(101)에 의해 촬영되는 사용자의 안면 이미지와 대비되어 사용자인지 여부를 인식하는 데 이용될 수 있다. 안면 이미지는 안면 이미지 상의 특징 벡터들로 구성될 수 있다. 안면 이미지 등록 모듈(204)은 등록하고자 하는 안면 이미지 상의 특징점들을 추출하고 그 추출된 특징점을 기반으로 안면을 정렬하도록 구성되며, 정렬된 안면에서 CNN을 이용하여 512개의 특징 벡터(vector)를 추출하도록 구성될 수 있다.The facial image registration module 204 may be configured to pre-register the facial image received in real time by the facial image receiving module 203 . The facial image registered by the facial image registration module 204 may be contrasted with the user's facial image captured by the camera module 101 later to be used to recognize whether or not the user is a user. The face image may be composed of feature vectors on the face image. The facial image registration module 204 is configured to extract feature points on the face image to be registered and align the face based on the extracted feature points, and extract 512 feature vectors using CNN from the aligned face. can be configured.

사용자별 안면 이미지 저장 모듈(205)은 안면 이미지 등록 모듈(204)에 의해 등록되는 안면 이미지가 사용자 별로 미리 저장되도록 구성될 수 있다.The user-specific facial image storage module 205 may be configured so that the facial images registered by the facial image registration module 204 are stored in advance for each user.

분류기 생성 모듈(206)은 로그인을 위해 안면 이미지 수신 모듈(203)에 의해 수신되는 안면 이미지와 사용자별 안면 이미지 저장 모듈(205)에 미리 저장된 안면 이미지를 대비하여 사용자를 인식하기 위한 분류기(discriminator)를 미리 생성하도록 구성될 수 있다.The classifier generating module 206 compares the face image received by the face image receiving module 203 for login and the face image pre-stored in the face image storage module 205 for each user to recognize the user (discriminator) may be configured to generate in advance.

구체적으로는 분류기 생성 모듈(206)은 안면 이미지에서 안면을 검출하고 안면의 특징점을 추출하도록 구성될 수 있다. 그리고 그 추출된 특징점을 기반으로 안면을 정렬하도록 구성되며, 정렬된 안면에서 CNN을 이용하여 512개의 특징 벡터(vector)를 추출하고, 그 특징 벡터를 기준으로 사용자를 구별할 수 있는 분류기를 생성할 수 있다. 이러한 분류기는 수시로 입력되는 안면 이미지가 사용자의 미리 등록된 안면 이미지와 대응되는 안면 이미지인지 여부를 판단하는 기능을 수행할 수 있다. 분류기의 특징 벡터를 기준으로 특징 벡터의 대비를 통해 안면 전체 영역의 대비 또는 안면 부분 영역의 대비를 할 수 있다.Specifically, the classifier generating module 206 may be configured to detect a face in the face image and extract feature points of the face. And it is configured to align the face based on the extracted feature points, extracts 512 feature vectors using CNN from the aligned face, and generates a classifier that can distinguish users based on the feature vectors. can Such a classifier may perform a function of determining whether a face image input from time to time is a face image corresponding to the user's pre-registered face image. By contrasting the feature vectors based on the feature vector of the classifier, it is possible to contrast the entire face region or the face partial region.

분류기 등록 모듈(207)은 분류기 생성 모듈(206)에 의해 생성된 분류기를 사용자 별로 미리 등록하도록 구성될 수 있다.The classifier registration module 207 may be configured to pre-register the classifier generated by the classifier generation module 206 for each user.

사용자별 분류기 저장 모듈(208)은 분류기 등록 모듈(207)에 의해 미리 등록되는 분류기가 사용자 별로 미리 저장되도록 구성될 수 있다. 이러한 분류기는 사용자마다 하나 또는 다수개가 구비되어 저장될 수 있다.The classifier storage module 208 for each user may be configured such that the classifiers registered in advance by the classifier registration module 207 are stored in advance for each user. One or a plurality of such classifiers may be provided and stored for each user.

전체 인식 모듈(209)은 로그인을 위해 안면 이미지 수신 모듈(203)에서 실시간 수신되는 안면 이미지를 사용자별 분류기 저장 모듈(208)에 사용자 별로 미리 저장된 분류기를 이용하여 전체적으로 대비하여 사용자를 인식하도록 구성될 수 있다. 즉, 전체 인식 모듈(209)은 사용자의 안면 이미지 전체를 모두 대비하여 인식하기 위한 구성이다. 예를 들어, 눈, 코, 입 등의 부위는 물론 전체 얼굴형, 수염의 존재 여부, 헤어 스타일 등을 모두 대비하여 판단할 수 있다.The full recognition module 209 is configured to recognize the user by comparing the facial image received in real time from the face image receiving module 203 for login as a whole using the classifier stored in advance for each user in the classifier storage module 208 for each user. can That is, the entire recognition module 209 is a configuration for recognizing the entire face image of the user in contrast. For example, it is possible to compare and determine not only parts such as eyes, nose, and mouth, but also the overall face shape, presence of a beard, hair style, and the like.

부분 인식 모듈(210)은 로그인을 위해 안면 이미지 수신 모듈(203)에서 실시간 수신되는 안면 이미지를 사용자별 분류기 저장 모듈(208)에 사용자 별로 미리 저장된 분류기를 이용하여 부분적으로 대비하여 사용자를 인식하도록 구성될 수 있다. 부분 인식 모듈(210)은 미리 등록된 안면 이미지와 실시간 수신되는 안면 이미지의 눈과 눈을 대비하거나 코와 코를 대비하거나 입과 입을 대비하는 것과 같이 부분별로 대비하여 인식하기 위한 구성이다. 안면 이미지를 상, 중, 하의 영역으로 나누어 대비할 수도 있다.The partial recognition module 210 is configured to recognize the user by partially contrasting the face image received in real time from the face image receiving module 203 for login using the classifier stored in advance for each user in the classifier storage module 208 for each user. can be The part recognition module 210 is configured for recognizing by contrasting each part, such as comparing the eyes, nose and nose, or mouth and mouth of a face image received in real time with a pre-registered face image. It is also possible to compare the facial image by dividing it into upper, middle, and lower areas.

부분 인식 모듈(210)은 전체 인식 모듈(209)에 의해 사용자의 안면 이미지가 아닌 것으로 인식되는 경우 2차적으로 부분적으로 대비하여 인식하도록 구성될 수 있다. 도 2의 그래프는 안면의 각 부위별 유사 정도를 나타내고 있다. 경우에 따라서 눈과 입에서만 유사하게 나타나거나 코만 유사하게 나타나거나 눈과 귀만 유사하게 나타날 수도 있다.The partial recognition module 210 may be configured to recognize in a second partial contrast when recognized by the full recognition module 209 as not the user's face image. The graph of FIG. 2 shows the degree of similarity for each part of the face. In some cases, only the eyes and mouth appear similar, only the nose appears similar, or only the eyes and ears appear similarly.

부분 인식 모듈(210)의 유용성은 사용자가 마스크를 가리고 있거나 등록된 안면 이미지와 달리 안경을 착용하거나 모자를 착용하는 경우, 수염을 기른 경우 등에서 발휘될 수 있다. 즉, 사용자가 수염을 기른 경우에는 턱과 입 부위를 제외하고는 모두 유사하게 나타날 수 있고, 모자를 착용하거나 펌(perm)을 한 경우에는 눈 위의 이마와 머리 영역을 제외하고는 유사하게 나타날 수 있다. 그리고 안경을 착용한 경우에는 눈을 제외하고는 유사하게 나타날 수 있다. 이러한 경우, 액세서리 착용 등에 의해 부분적으로 유사하지 않은 부위가 있어도 동일한 사용자로 인식될 수 있어야 한다. 이에, 전체 인식 모듈(209)에서 사용자가 아닌 것으로 인식되면, 부분 인식 모듈(210)이 부분적인 유사성을 판단하여 사용자 여부를 다시 판단할 수 있다.The usefulness of the partial recognition module 210 may be demonstrated when a user covers a mask, wears glasses or a hat unlike a registered facial image, or grows a beard. That is, when the user grows a beard, all except the chin and mouth areas may appear similarly, and when a user wears a hat or perm, it may appear similarly except for the forehead and head area above the eyes. can And when wearing glasses, it can appear similarly except for the eyes. In this case, even if there are parts that are partially dissimilar by wearing accessories, etc., it should be recognized as the same user. Accordingly, when the full recognition module 209 recognizes that the user is not the user, the partial recognition module 210 may determine the partial similarity to determine whether the user is a user again.

부분 인식 모듈(210)은 특정 부위가 유사하지 않은 경우에는 다른 부위의 유사성에 대해서는 전체 인식 프로세스보다 더 까다로운 기준으로 유사성을 판단하도록 구성될 수 있다. 예를 들면, 전체 인식 프로세스에서는 부위별로 80% 이상의 특징 벡터 간의 유사성을 가지면 유사한 것으로 판단할 수 있으나, 부분 인식 프로세스에서는 특정 부위의 유사성이 매우 낮게 나타나면 그 외의 부위의 특징 벡터 간의 유사성에 있어서는 90% 이상의 유사성을 가져야 유사한 것으로 판단하도록 구성될 수 있다.The partial recognition module 210 may be configured to determine similarity based on a more difficult criterion than the overall recognition process for similarities of other parts when a specific part is not similar. For example, in the overall recognition process, if the similarity between the feature vectors of each region is 80% or more, similarity can be determined. It may be configured to be determined to be similar when the above similarity is obtained.

사용자 로그인 이미지 저장 모듈(211)은 사용자 로그인 시의 안면 이미지인 사용자 로그인 이미지가 실시간으로 누적 저장되도록 구성될 수 있다. 다시 말하면, 사용자라 로그인을 위해 이미지 촬영을 할 때마다 해당 사용자 로그인 이미지를 누적 저장하여 빅데이터를 축적하도록 구성될 수 있다. 이러한 사용자 로그인 이미지는 해당 사용자의 머리 스타일의 변경, 안경의 착용, 노화 등의 변화를 판단하는 데 중요한 자료가 될 수 있다.The user login image storage module 211 may be configured to accumulate and store user login images, which are facial images at the time of user login, in real time. In other words, each time an image is taken for logging in as a user, it may be configured to accumulate big data by accumulatively storing the corresponding user login image. Such a user login image may be an important data for determining a change in the user's hair style, wearing glasses, aging, and the like.

로그인 이력 확인 모듈(212)은 사용자의 로그인 이력을 확인하도록 구성될 수 있다. 로그인 일시는 물론 로그인 기간의 간격 등을 확인할 수 있다.The log-in history checking module 212 may be configured to check the user's log-in history. You can check the login date and time as well as the interval between login periods.

로그인 허용 모듈(213)은 전체 인식 모듈(209) 및 부분 인식 모듈(210)의 인식 결과에 따라 로그인을 허용하도록 구성될 수 있다. 로그인이 허용되면 노트북을 사용할 수 있게 되거나 근태 관리기에 근태를 자동으로 기록할 수 있게 된다.The login permission module 213 may be configured to allow login according to the recognition results of the full recognition module 209 and the partial recognition module 210 . If the login is allowed, the laptop can be used or the time and attendance can be recorded automatically in the time and attendance manager.

안면 학습 모듈(214)은 로그인 허용 모듈(213)의 로그인 허용 시에 로그인 이력 확인 모듈(212)의 로그인 이력 및 사용자 로그인 이미지 저장 모듈(211)에 실시간 누적 저장되는 사용자 로그인 이미지를 참조하여 해당 사용자의 안면을 학습하도록 구성될 수 있다. 예를 들어, 사용자의 헤어 스타일이 변경된 상태에서 로그인을 하거나 턱수염을 갑자기 기른 상태에서 로그인을 하는 경우에도 부분 인식 모듈(210)에 의해 사용자로 인식될 수 있다. 이러한 경우 헤어 스타일이 바뀐 사용자의 사용자 로그인 이미지나 턱수염을 기른 사용자의 사용자 로그인 이미지는 사용자의 안면 학습을 위한 부가 자료로서 이용될 수 있다.The face learning module 214 refers to the user login image that is accumulated and stored in real time in the login history of the login history checking module 212 and the user login image storage module 211 when the login permission module 213 allows the login of the corresponding user. may be configured to learn the face of For example, even when the user logs in with a changed hair style or with a sudden growth of a beard, the user may be recognized as a user by the partial recognition module 210 . In this case, a user login image of a user whose hairstyle has changed or a user login image of a user with a beard may be used as additional data for face learning of the user.

이에, 다음 로그인 시에 헤어 스타일이 바뀐 상태나 턱수염을 기른 상태의 해당 사용자에 대해서도 전체 인식 모듈(209)이나 부분 인식 모듈(210)은 그 사용자 로그인 이미지에 의한 학습을 통해 보다 정확하고 안전하게 사용자를 인식할 수 있다.Accordingly, the full recognition module 209 or the partial recognition module 210 even for the corresponding user with a changed hairstyle or with a beard at the time of the next login, more accurately and safely through learning based on the user login image. can recognize

분류기 재생성 모듈(215)은 안면 학습 모듈(214)의 안면 학습 결과를 이용하여 해당 사용자의 분류기를 재생성하도록 구성될 수 있다. 분류기 재생성 모듈(215)은 사용자의 기존의 분류기와는 별도로 새로운 분류기를 추가로 재생성할 수 있다. 즉, 펌을 한 사용자, 턱수염을 기른 사용자, 종류별 안경을 낀 사용자 그리고 장기간에 걸쳐 노화가 진행된 사용자의 분류기가 각각 재생성될 수 있다.The classifier regeneration module 215 may be configured to regenerate the classifier of the corresponding user by using the face learning result of the face learning module 214 . The classifier regeneration module 215 may additionally regenerate a new classifier separately from the user's existing classifier. That is, a classifier of a user who has permed, a user with a beard, a user wearing glasses for each type, and a user whose aging has progressed over a long period of time may be regenerated, respectively.

분류기 갱신/추가 모듈(216)은 분류기 재생성 모듈(215)에 의해 재생성되는 분류기를 사용자별 분류기 저장 모듈(208)에 갱신하거나 추가하도록 구성될 수 있다.The classifier update/add module 216 may be configured to update or add the classifier regenerated by the classifier regeneration module 215 to the per-user classifier storage module 208 .

앞서 설명한 펌을 한 사용자, 턱수염을 기른 사용자, 종류별 안경을 낀 사용자 그리고 장기간에 걸쳐 노화가 진행된 사용자의 분류기가 추가되거나 또는 기존의 분류기를 대체하여 갱신될 수 있다. 액세서리를 한 사용자에 대한 분류기는 추가될 수 있으나, 노화의 진행에 따른 사용자의 분류기는 기존의 분류기를 대체하여 갱신될 수 있다.The classifiers of the user with the perm described above, the user with a beard, the user wearing glasses for each type, and the user whose aging has progressed over a long period of time may be added or updated by replacing the existing classifier. A classifier for a user wearing an accessory may be added, but a classifier of a user according to aging may be updated by replacing the existing classifier.

도 3과 같이 노화가 진행되면 사용자 안면의 특징 벡터가 많이 달라져서 최초 등록된 안면 이미지의 특징 벡터에 의해서는 인식을 할 수 없게 된다. 이에, 노화에 따른 분류기의 추가 내지는 갱신이 필요하다. 예를 들어, 노화의 진행에 따른 사용자의 분류기가 1년에 한 개씩10개가 추가되었다고 하면, 대략 5년 이전의 분류기에 대해서는 더 이상 의미가 없는 것으로 보고 5년 전 이후의 분류기로 대체할 수 있다. 여기서, 5년 이전의 5개의 분류기에 대해서는 네거티브 분류기(negative discriminator)로 별도 추가 등록할 수 있다. 노화 이전 사진 등을 이용하여 안면 인식을 시도하는 경우에는 현재의 사용자의 로그인 시도로 볼 수 없으므로 네거티브 분류기를 이용하여 사용자가 아닌 것으로 적극적인 판단을 하도록 구성될 수 있다.As the aging progresses as shown in FIG. 3 , the feature vector of the user's face changes a lot, so that it cannot be recognized by the feature vector of the initially registered face image. Accordingly, it is necessary to add or update the classifier according to aging. For example, if 10 user classifiers are added, one per year, according to the aging process, classifiers older than 5 years are considered to be meaningless and can be replaced with classifiers 5 years ago or later. . Here, five classifiers older than 5 years can be additionally registered as negative discriminators. When facial recognition is attempted using a pre-aging photo, etc., it cannot be regarded as a login attempt of the current user, so it may be configured to actively determine that the user is not a user using a negative classifier.

유사 안면 이미지 생성 모듈(217)은 사용자 안면 이미지 저장 모듈(205)에 저장되는 안면 이미지를 이용하여 해당 사용자의 유사 안면 이미지를 자동 생성하도록 구성될 수 있다. 유사 안면 이미지 생성 모듈(217)은 사용자 안면 이미지 저장 모듈(205)에 저장된 안면 이미지와 유사한 안면 이미지를 생성하여 분류기가 정확한 판단을 할 수 없게 하는 구성이다. GANs(Generative Adversarial Networks) 알고리즘이 이용될 수 있으며, GANs의 제너레이터(Generator)의 기능을 수행할 수 있다. 분류기는 제너레이터에서 생성된 유사 안면 이미지를 이용하여 사용자 여부를 판단할 수 있다. 도 4에서는 다양한 유사 안면 이미지를 예시하고 있다.The similar facial image generating module 217 may be configured to automatically generate a similar facial image of the corresponding user using the facial image stored in the user's facial image storage module 205 . The similar facial image generation module 217 is configured to generate a facial image similar to the facial image stored in the user facial image storage module 205 so that the classifier cannot make an accurate determination. A Generative Adversarial Networks (GANs) algorithm may be used, and a function of a generator of GANs may be performed. The classifier may determine whether the user is a user by using the similar facial image generated by the generator. 4 exemplifies various similar facial images.

분류기 학습 모듈(218)은 사용자 로그인 이미지 저장 모듈(211)에 저장된 사용자 로그인 이미지 및 유사 안면 이미지 생성 모듈(217)에 의해 자동 생성된 유사 안면 이미지를 이용하여 사용자별 분류기 저장 모듈(208)에 저장된 해당 사용자의 분류기를 학습시키도록 구성될 수 있다. 즉, 분류기 학습 모듈(218)은 기존의 수많은 사용자 로그인 이미지와 유사 안면 이미지를 이용하여 분류기가 사용자의 진짜 이미지인지 가짜 이미지인지를 반복적으로 학습하게 하는 구성이다. 분류기의 성능이 더 높아지고 더 정교한 인식과 판단이 가능해질 수 있다.The classifier learning module 218 uses the user login image stored in the user login image storage module 211 and the similar facial image automatically generated by the similar facial image generation module 217 to be stored in the classifier storage module 208 for each user. It may be configured to train the classifier of the corresponding user. That is, the classifier learning module 218 is configured to repeatedly learn whether the classifier is a real image or a fake image of the user using numerous existing user login images and similar facial images. The performance of the classifier can be higher and more sophisticated recognition and judgment can be made possible.

분류기 업그레이드 모듈(219)은 분류기 학습 모듈(218)의 학습 결과를 이용하여 해당 분류기의 성능을 업그레이드시켜 사용자별 분류기 저장 모듈(208)에 갱신 저장하도록 구성될 수 있다.The classifier upgrade module 219 may be configured to upgrade the performance of the classifier using the learning result of the classifier learning module 218 to update and store the classifier storage module 208 for each user.

이상 실시예를 참조하여 설명하였지만, 해당 기술 분야의 숙련된 당업자는 하기의 특허청구범위에 기재된 본 발명의 사상 및 영역으로부터 벗어나지 않는 범위 내에서 본 발명을 다양하게 수정 및 변경시킬 수 있음을 이해할 수 있을 것이다.Although it has been described with reference to the above embodiments, those skilled in the art can understand that various modifications and changes can be made to the present invention without departing from the spirit and scope of the present invention as set forth in the following claims. There will be.

100: 로그인 장치
101: 카메라 모듈
102: 안면 이미지 송신 모듈
103: 로그인 실행 모듈
200: 로그인 실행 클라우드 서버
201: 사용자 등록 모듈
202: 사용자 정보 저장 모듈
203: 안면 이미지 수신 모듈
204: 안면 이미지 등록 모듈
205: 사용자별 안면 이미지 저장 모듈
206: 분류기 생성 모듈
207: 분류기 등록 모듈
208: 사용자별 분류기 저장 모듈
209: 전체 인식 모듈
210: 부분 인식 모듈
211: 사용자 로그인 이미지 저장 모듈
212: 로그인 이력 확인 모듈
213: 로그인 허용 모듈
214: 안면 학습 모듈
215: 분류기 재생성 모듈
216: 분류기 갱신/추가 모듈
217: 유사 안면 이미지 생성 모듈
218: 분류기 학습 모듈
219: 분류기 업그레이드 모듈
100: login device
101: camera module
102: facial image sending module
103: login execution module
200: login execution cloud server
201: user registration module
202: user information storage module
203: face image receiving module
204: facial image registration module
205: user-specific facial image storage module
206: classifier generation module
207: classifier registration module
208: User-specific classifier storage module
209: full recognition module
210: partial recognition module
211: user login image storage module
212: login history check module
213: login permission module
214: face learning module
215: classifier regeneration module
216: Classifier update/add module
217: similar facial image generation module
218: classifier training module
219: Classifier Upgrade Module

Claims (3)

사용자의 안면을 촬영하여 안면 이미지를 생성하고, 생성된 안면 이미지에 따라 로그인을 수행하는 로그인 장치;
상기 로그인 장치의 안면 이미지를 이용하여 사용자를 확인하고 로그인을 허용하는 로그인 실행 클라우드 서버를 포함하는 안면 인식 최적화를 위한 클라우드 시스템.
a login device for generating a facial image by photographing the user's face, and logging in according to the generated facial image;
A cloud system for optimizing facial recognition, comprising a log-in execution cloud server that uses the facial image of the log-in device to identify a user and allow log-in.
제1항에 있어서, 상기 로그인 장치는,
근태 관리기, 노트북 또는 도어락(doorlock)에 설치되는 것을 특징으로 하는 안면 인식 최적화를 위한 클라우드 시스템.
According to claim 1, wherein the login device,
Cloud system for optimizing facial recognition, characterized in that it is installed in the attendance manager, laptop or doorlock.
제1항에 있어서, 상기 로그인 정보 클라우드 서버는,
사용자 정보 및 사용자의 안면 이미지를 등록하여 저장하도록 구성되는 것을 특징으로 하는 안면 인식 최적화를 위한 클라우드 시스템.
According to claim 1, wherein the login information cloud server,
Cloud system for optimizing facial recognition, characterized in that it is configured to register and store user information and a facial image of the user.
KR1020200078101A 2020-06-25 2020-06-25 Cloud system for optimizing facial recognition KR102436314B1 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020200078101A KR102436314B1 (en) 2020-06-25 2020-06-25 Cloud system for optimizing facial recognition

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020200078101A KR102436314B1 (en) 2020-06-25 2020-06-25 Cloud system for optimizing facial recognition

Publications (2)

Publication Number Publication Date
KR20220000310A true KR20220000310A (en) 2022-01-03
KR102436314B1 KR102436314B1 (en) 2022-08-24

Family

ID=79348629

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020200078101A KR102436314B1 (en) 2020-06-25 2020-06-25 Cloud system for optimizing facial recognition

Country Status (1)

Country Link
KR (1) KR102436314B1 (en)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20040037180A (en) 2001-09-28 2004-05-04 코닌클리케 필립스 일렉트로닉스 엔.브이. System and method of face recognition using portions of learned model
WO2014181895A1 (en) * 2013-05-06 2014-11-13 인터월드 코리아 Apparatus and method for double security and recording
KR20180135898A (en) 2016-03-17 2018-12-21 아비질론 코포레이션 Systems and methods for training object classifiers by machine learning

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20040037180A (en) 2001-09-28 2004-05-04 코닌클리케 필립스 일렉트로닉스 엔.브이. System and method of face recognition using portions of learned model
WO2014181895A1 (en) * 2013-05-06 2014-11-13 인터월드 코리아 Apparatus and method for double security and recording
KR20180135898A (en) 2016-03-17 2018-12-21 아비질론 코포레이션 Systems and methods for training object classifiers by machine learning

Also Published As

Publication number Publication date
KR102436314B1 (en) 2022-08-24

Similar Documents

Publication Publication Date Title
US11789699B2 (en) Systems and methods for private authentication with helper networks
US10430645B2 (en) Facial recognition operations based on pose
US11394552B2 (en) Systems and methods for privacy-enabled biometric processing
US11502841B2 (en) Systems and methods for privacy-enabled biometric processing
KR102362651B1 (en) Process for updating templates used for face recognition
US9405967B2 (en) Image processing apparatus for facial recognition
US9177130B2 (en) Facial feature detection
US10114935B2 (en) Technologies for login pattern based multi-factor authentication
EP3785166A1 (en) Multiple enrollments in facial recognition
KR102436314B1 (en) Cloud system for optimizing facial recognition
Gupta et al. Combining keystroke dynamics and face recognition for user verification
AU2020100218A4 (en) Process for updating templates used in facial recognition
Carrillo Continuous biometric authentication for authorized aircraft personnel: A proposed design
CN109614804A (en) A kind of bi-mode biology feature encryption method, equipment and storage equipment
CN108959894A (en) A kind of implementation method and device, computer readable storage medium, terminal of fingerprint control booting
CA2958687C (en) Image processing apparatus for facial recognition
Mitra et al. ◾ Overview of Biometric Authentication
Meghanathan Biometric systems for user authentication
Dragerengen Access Control in Critical Infrastructure Control Rooms using Continuous Authentication and Face Recognition
Ng et al. Digital Ethics for Biometric Applications in a Smart City
US20240235827A1 (en) Face-based key generation
JP2016018406A (en) Authentication apparatus, authentication method, and program
WO2023159350A1 (en) Recognition system detecting facial features
CN114580034A (en) FPGA-based RO PUF dual identity authentication system and control method thereof
Singh et al. Biometric Methods of Face Recognition: A Mirror Review

Legal Events

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