KR20220126546A - Electronic device and face recognition method thereof - Google Patents
Electronic device and face recognition method thereof Download PDFInfo
- Publication number
- KR20220126546A KR20220126546A KR1020210030956A KR20210030956A KR20220126546A KR 20220126546 A KR20220126546 A KR 20220126546A KR 1020210030956 A KR1020210030956 A KR 1020210030956A KR 20210030956 A KR20210030956 A KR 20210030956A KR 20220126546 A KR20220126546 A KR 20220126546A
- Authority
- KR
- South Korea
- Prior art keywords
- frame
- electronic device
- face
- face recognition
- frames
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 73
- 230000015654 memory Effects 0.000 claims abstract description 75
- 238000005286 illumination Methods 0.000 claims abstract description 22
- 230000009467 reduction Effects 0.000 claims description 27
- 230000002123 temporal effect Effects 0.000 claims description 16
- 230000007423 decrease Effects 0.000 claims description 10
- 230000004044 response Effects 0.000 claims description 9
- 238000004891 communication Methods 0.000 description 54
- 238000005516 engineering process Methods 0.000 description 23
- 230000006870 function Effects 0.000 description 23
- 238000012545 processing Methods 0.000 description 22
- 239000002131 composite material Substances 0.000 description 15
- 230000003287 optical effect Effects 0.000 description 12
- 238000013528 artificial neural network Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 8
- 230000001815 facial effect Effects 0.000 description 8
- 238000013473 artificial intelligence Methods 0.000 description 6
- 230000015572 biosynthetic process Effects 0.000 description 6
- 239000000284 extract Substances 0.000 description 6
- 230000002093 peripheral effect Effects 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 239000003381 stabilizer Substances 0.000 description 6
- 238000003786 synthesis reaction Methods 0.000 description 6
- 238000004590 computer program Methods 0.000 description 5
- 230000033001 locomotion Effects 0.000 description 5
- 238000001514 detection method Methods 0.000 description 4
- 230000002194 synthesizing effect Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 238000000605 extraction Methods 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 2
- 230000000712 assembly Effects 0.000 description 2
- 238000000429 assembly Methods 0.000 description 2
- 230000003190 augmentative effect Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 230000000306 recurrent effect Effects 0.000 description 2
- 230000003796 beauty Effects 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000036760 body temperature Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000010267 cellular communication Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 239000004020 conductor Substances 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000000593 degrading effect Effects 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 210000000887 face Anatomy 0.000 description 1
- 230000008921 facial expression Effects 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 210000003128 head Anatomy 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000001771 impaired effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000003155 kinesthetic effect Effects 0.000 description 1
- 229910044991 metal oxide Inorganic materials 0.000 description 1
- 150000004706 metal oxides Chemical class 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000001537 neural effect Effects 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000005236 sound signal Effects 0.000 description 1
- 230000000638 stimulation Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000000758 substrate Substances 0.000 description 1
- 229910052724 xenon Inorganic materials 0.000 description 1
- FHNFHKCVQCLJFQ-UHFFFAOYSA-N xenon atom Chemical compound [Xe] FHNFHKCVQCLJFQ-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/161—Detection; Localisation; Normalisation
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J1/00—Photometry, e.g. photographic exposure meter
- G01J1/02—Details
-
- 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
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/30—Noise filtering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/60—Extraction of image or video features relating to illumination properties, e.g. using a reflectance or lighting model
-
- 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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30196—Human being; Person
- G06T2207/30201—Face
Landscapes
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Multimedia (AREA)
- Software Systems (AREA)
- Human Computer Interaction (AREA)
- Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- General Health & Medical Sciences (AREA)
- Computer Security & Cryptography (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Computer Hardware Design (AREA)
- General Engineering & Computer Science (AREA)
- Image Processing (AREA)
- Collating Specific Patterns (AREA)
Abstract
Description
본 문서는 전자 장치 및 그의 얼굴 인식 방법에 관한 것이다.This document relates to an electronic device and a face recognition method thereof.
최근 휴대성과 이동성을 가지는 개인용 전자 장치(예: 스마트 폰, 모바일 단말, 태블릿, 노트북)에서 생체(예: 지문, 얼굴, 홍채, 음성) 인식 기술의 활용도가 높아지고 있다. Recently, the use of biometric (eg, fingerprint, face, iris, and voice) recognition technology in personal electronic devices (eg, smart phones, mobile terminals, tablets, and notebooks) having portability and mobility is increasing.
예를 들어, 전자 장치의 사용자 인증 또는 보안 기능과 관련해 얼굴 인식 기술이 적용될 수 있다. 얼굴 인식 기술을 적용할 경우 사용자가 전자 장치를 응시하는 단순한 행위만으로도 간편하게 인증의 성공 여부를 결정할 수 있어 직관성이나 사용성 측면에서 장점을 가질 수 있다.For example, face recognition technology may be applied in relation to user authentication or a security function of the electronic device. When the face recognition technology is applied, the user can easily determine whether or not authentication succeeds with a simple act of the user staring at the electronic device, which can have advantages in intuition and usability.
저조도 환경에서는 전자 장치의 생체 인식이 정상적으로 수행되기 어려울 수 있다. 예를 들어, 저조도 환경에서 외란광(예: 태양광, 조명)이 미약할 경우 영상에 노이즈가 반영되거나 영상 내 특징점이 상당 부분 소실될 수 있다. 생체 인식의 실패 확률이나 실패 빈도가 높아져 사용성이 저하될 수 있다.In a low light environment, it may be difficult to normally perform biometric recognition of an electronic device. For example, when disturbance light (eg, sunlight, lighting) is weak in a low-light environment, noise may be reflected in the image or feature points in the image may be substantially lost. The failure probability or frequency of failure of biometric recognition may increase, which may decrease usability.
얼굴 인식 기술과 관련해 저조도 환경에서의 얼굴 인식 성공률을 높이기 위한 기술은 광학 장치를 사용하는 기술과 광학 장치를 사용하지 않는 기술로 구분될 수 있다.With respect to the face recognition technology, a technology for increasing the success rate of face recognition in a low-light environment can be divided into a technology using an optical device and a technology not using an optical device.
광학 장치를 사용하는 기술의 경우 광학 장치에 특정 파장대의 광원과 그 광원의 반사광 검출 수단이 포함될 수 있다. 전자 장치는 극한 조명 환경에서도 강건한 영상 품질을 확보할 수 있는 특정 센서들(예: 주변 광원의 영향에 종속되지 않는 구조광 방식의 3차원(3D) 센서, 어두운 조명 조건에서도 대상체 식별이 가능한 IR(infrared) 센서)을 활용해 얼굴 영상의 특징점을 추출할 수 있다. 전자 장치는 추출된 특징점을 기준으로 얼굴 유사도를 판단하여 인증의 성공 여부를 결정할 수 있다. In the case of a technology using an optical device, the optical device may include a light source of a specific wavelength band and a means for detecting reflected light of the light source. Electronic devices include specific sensors that can ensure robust image quality even in extreme lighting environments (e.g., structured light-type three-dimensional (3D) sensors that are not dependent on the influence of ambient light, and IR (IR) that can identify objects even in dark lighting conditions. Infrared) sensor) can be used to extract feature points from facial images. The electronic device may determine whether authentication is successful by determining the degree of face similarity based on the extracted feature points.
광학 장치를 사용하지 않고 저조도 노이즈를 제거하는 기술의 경우 크게 세 가지 방식으로 분류될 수 있다. 첫째 공간적(2D) 노이즈 제거 기술, 둘째 시간적 노이즈 제거 기술, 셋째 공간적/시간적 노이즈 제거 기술을 조합한 3차원(3D) 노이즈 제거 기술이 그것이다. A technology for removing low-light noise without using an optical device can be largely classified into three methods. First, spatial (2D) denoising technology, second temporal denoising technology, and thirdly, three-dimensional (3D) denoising technology combining spatial/temporal denoising technology.
광학 장치를 사용할 경우 기구적 구조물(각종 센서들, 구동 회로)이 추가됨으로 인해 하드웨어 복잡도가 증가하거나 미감이 훼손될 수 있다. 화면 일부가 가려져 시인성이 떨어지거나 사용성이 저하될 수 있다.When an optical device is used, hardware complexity may increase or aesthetics may be impaired due to the addition of mechanical structures (various sensors and driving circuits). A part of the screen may be obscured, which may reduce visibility or usability.
광학 장치를 사용하지 않더라도 저조도 노이즈 제거 기술(noise reduction, NR)의 적용 시 리소스 소모량(예: 메모리 사용량, 연산량)이 많아 인식 속도나 성능 측면에서 비효율적일 수 있다.Even if an optical device is not used, a large amount of resource consumption (eg, memory usage, calculation amount) may be inefficient in terms of recognition speed or performance when low-light noise reduction (NR) is applied.
본 개시의 목적은 저조도 환경에서 간편하고 직관적인 방식으로 얼굴 인식 기술의 신뢰성 및 정확성을 확보할 수 있도록 하는 전자 장치 및 그의 얼굴 인식 방법을 제공함에 있다.SUMMARY OF THE INVENTION An object of the present disclosure is to provide an electronic device and a face recognition method capable of securing reliability and accuracy of a face recognition technology in a simple and intuitive manner in a low-light environment.
본 개시의 다른 목적은 얼굴 인식을 위한 이미지 처리 시 리소스 소모량을 줄이거나, 얼굴 인식의 속도 또는 성능(얼굴 인식 성공률)을 향상시킬 수 있도록 하는 전자 장치 및 그의 얼굴 인식 방법을 제공함에 있다.Another object of the present disclosure is to provide an electronic device capable of reducing resource consumption or improving face recognition speed or performance (facial recognition success rate) when processing an image for face recognition, and a face recognition method thereof.
본 개시의 또 다른 목적은 별도의 기구적 구조물에 의존하지 않고서도 소프트웨어적인 처리만으로 저조도 노이즈 제거나 얼굴 인식의 효율성을 높일 수 있도록 하는 전자 장치 및 그의 얼굴 인식 방법을 제공함에 있다.Another object of the present disclosure is to provide an electronic device capable of removing low-light noise or increasing the efficiency of face recognition only by software processing without relying on a separate mechanical structure, and a face recognition method thereof.
다양한 실시예에 따른 전자 장치는 적어도 하나의 센서, 메모리, 및 상기 적어도 하나의 센서 및 상기 메모리에 연결된 적어도 하나의 프로세서를 포함할 수 있다. 상기 메모리는, 실행 시에, 상기 적어도 하나의 프로세서가, 상기 적어도 하나의 센서를 통해 외부 조도를 감지하고, 상기 외부 조도에 기반하여 타겟 프레임 수를 결정하고, 카메라를 통해 상기 타겟 프레임 수에 따른 프레임 셋을 획득하고, 상기 프레임 셋에 대한 노이즈 제거(noise reduction, NR)를 수행하고, 상기 노이즈 제거된 프레임 셋을 이용해 얼굴 인식을 수행하도록 하는 인스트럭션들을 저장할 수 있다.An electronic device according to various embodiments may include at least one sensor, a memory, and at least one processor connected to the at least one sensor and the memory. When the memory is executed, the at least one processor detects external illuminance through the at least one sensor, determines a target frame number based on the external illuminance, and uses a camera according to the target frame number Instructions for acquiring a frame set, performing noise reduction (NR) on the frame set, and performing face recognition using the noise-removed frame set may be stored.
다양한 실시예에 따른 전자 장치의 얼굴 인식 방법은 외부 조도를 감지하는 동작, 상기 외부 조도에 기반하여 타겟 프레임 수를 결정하는 동작, 카메라를 통해 상기 타겟 프레임 수에 따른 프레임 셋을 획득하는 동작, 상기 프레임 셋에 대한 노이즈 제거(noise reduction, NR)를 수행하는 동작, 및 상기 노이즈 제거된 프레임 셋을 이용해 얼굴 인식을 수행하는 동작을 포함할 수 있다.The method for recognizing a face of an electronic device according to various embodiments of the present disclosure includes the steps of detecting external illuminance, determining the number of target frames based on the external illuminance, acquiring a frame set according to the number of target frames through a camera, and It may include an operation of performing noise reduction (NR) on a frame set, and an operation of performing face recognition using the noise reduction frame set.
다양한 실시예들에 따르면, 저조도 환경에서 간편하고 직관적인 방식으로 얼굴 인식 기술의 신뢰성 및 정확성을 확보할 수 있다.According to various embodiments, reliability and accuracy of the face recognition technology may be secured in a simple and intuitive manner in a low-light environment.
다양한 실시예들에 따르면, 얼굴 인식을 위한 이미지 처리 시 리소스 소모량을 줄이거나, 얼굴 인식의 속도 또는 성능(얼굴 인식 성공률)을 향상시킬 수 있다.According to various embodiments, it is possible to reduce resource consumption during image processing for face recognition or to improve speed or performance (facial recognition success rate) of face recognition.
다양한 실시예들에 따르면, 별도의 기구적 구조물을 추가하지 않고서도 소프트웨어적인 처리만으로 저조도 노이즈 제거나 얼굴 인식의 효율성을 높일 수 있다.According to various embodiments, it is possible to increase the efficiency of low-light noise removal or face recognition only by software processing without adding a separate mechanical structure.
이 외에, 본 문서를 통해 직접적 또는 간접적으로 파악되는 다양한 효과들이 제공될 수 있다.In addition, various effects directly or indirectly identified through this document may be provided.
도 1은 일 실시예에 따른 전자 장치의 블록도이다.
도 2는 일 실시예에 따른 전자 장치의 일부 구성을 나타낸 블록도이다.
도 3은 일 실시예에 따른 전자 장치의 얼굴 인식 방법을 나타낸 흐름도이다.
도 4는 다른 실시예에 따른 전자 장치의 얼굴 인식 방법을 나타낸 흐름도이다.
도 5는 일 실시예에 따른 전자 장치의 얼굴 인식 방법을 설명하기 위한 프레임들의 예시이다.
도 6은 일 실시예에 따른 전자 장치의 한 사용 예를 보인 화면 예시이다.
도 7은 일 실시예에 따른 전자 장치의 다른 사용 예를 보인 화면 예시이다.
도 8은 다양한 실시예들에 따른 네트워크 환경 내의 전자 장치의 블록도이다.
도 9는 다양한 실시예들에 따른 카메라 모듈을 예시하는 블록도이다.1 is a block diagram of an electronic device according to an exemplary embodiment.
2 is a block diagram illustrating a partial configuration of an electronic device according to an exemplary embodiment.
3 is a flowchart illustrating a face recognition method of an electronic device according to an exemplary embodiment.
4 is a flowchart illustrating a face recognition method of an electronic device according to another exemplary embodiment.
5 is an example of frames for explaining a face recognition method of an electronic device according to an embodiment.
6 is a screen example illustrating an example of using an electronic device according to an embodiment.
7 is a screen example illustrating another use example of an electronic device according to an embodiment.
8 is a block diagram of an electronic device in a network environment according to various embodiments of the present disclosure;
9 is a block diagram illustrating a camera module according to various embodiments.
이하, 다양한 실시예들이 첨부된 도면들을 참조하여 기재된다.Hereinafter, various embodiments are described with reference to the accompanying drawings.
도 1은 일 실시예에 따른 전자 장치의 블록도이다.1 is a block diagram of an electronic device according to an exemplary embodiment.
도 1을 참조하면, 일 실시예에 따른 전자 장치(100)는 적어도 하나의 프로세서(110), 메모리(120) 및 센서 모듈(150)을 포함할 수 있다. 전자 장치(100)는 디스플레이(130), 카메라 모듈(140) 또는 통신 모듈(160) 중 하나 이상을 더 포함할 수 있다.Referring to FIG. 1 , an
프로세서(110), 디스플레이(130), 메모리(120), 센서 모듈(150), 카메라 모듈(140) 및 통신 모듈(160)은 전기적으로 및/또는 작동적으로 서로 연결되어 상호 간에 신호(예: 명령 또는 데이터)를 교환할 수 있다.The
전자 장치(100)는 도 8에 도시된 전자 장치(801)의 적어도 일부를 포함할 수 있다. 예를 들어, 프로세서(110)는 도 8의 프로세서(820 또는 823 중의 하나)에 대응할 수 있다. 디스플레이(130)는 도 8의 디스플레이 모듈(860)에 대응할 수 있다. 메모리(120)는 도 8의 메모리(830) 중 적어도 일부를 포함할 수 있다. 센서 모듈(150)은 도 8의 센서 모듈(876)에 대응할 수 있다. 카메라 모듈(140)은 도 8의 카메라 모듈(880)에 대응할 수 있다.The
프로세서(110)는 적어도 하나의 프로세서를 포함할 수 있다. 예를 들어, 프로세서(110)는 AP(application processor)(예: 메인 프로세서(821)), ISP(image signal processor)(예: 이미지 시그널 프로세서(860)), 및 CP(communication processor)(예: 보조 프로세서(823)) 중 적어도 하나를 포함할 수 있다.The
프로세서(110)는 전자 장치(100)에서 지원하는 다양한 기능을 실행 및/또는 제어할 수 있다. 프로세서(110)는 디스플레이(130), 메모리(120), 센서 모듈(150), 카메라 모듈(140) 및 통신 모듈(160) 중 적어도 일부를 제어할 수 있다. 프로세서(110)는 전자 장치(100)의 메모리(120)에 저장된 프로그래밍 언어로 작성된 코드를 실행함으로써 어플리케이션을 실행하고, 각종 하드웨어를 제어할 수 있다. The
메모리(120)에 저장된 인스트럭션들(instructions)이 실행됨에 따라, 프로세서(110)의 동작이 수행될 수 있다. 메모리(120)에는 얼굴 인식을 위한 정보(예: 하나 이상의 프레임 및/또는 영상에 관한 정보, 사용자 정보, 인증 정보, 어플리케이션 관련 정보)가 저장될 수 있다.As instructions stored in the
프로세서(110)는 카메라 모듈(140)을 통해 하나 이상의 프레임(또는 영상)을 획득(예: 캡처)할 수 있다. 프레임은 이미지 또는 정지 영상으로 지칭될 수도 있다. 하나 이상의 프레임(또는 영상)은 데이터베이스화되어 메모리(120)에 저장될 수 있다. 메모리(120)는 프레임이나 영상, 그 밖의 다양한 정보나 데이터를 저장할 수 있다.The
프로세서(110)는 메모리(120), 디스플레이(130), 카메라 모듈(140) 및/또는 센서 모듈(150) 중 적어도 일부를 제어하여 얼굴 인식 동작을 수행할 수 있다. 프로세서(110)는 정상 조도 상태 및/또는 저조도 상태에서의 얼굴 인식 동작을 수행할 수 있다.The
디스플레이(130)는 프로세서(110)의 제어에 따라 사용자 인터페이스(user interface, UI)를 시각적으로 출력하거나 화면을 표시할 수 있다. The
프로세서(110)는 디스플레이(130)를 제어할 수 있다. 프로세서(110)는 디스플레이(130)를 통해 얼굴 인식을 위한 화면 또는 사용자 인터페이스를 표시할 수 있다. The
카메라 모듈(140)은 정지 영상 또는 동영상을 획득하여 프로세서(110)로 전달할 수 있다. 카메라 모듈(140)은 카메라로 지칭될 수도 있다. 카메라 모듈(140)은 피사체(예: 특정 사물, 또는 인물이나 배경)에 대한 정지 영상 또는 동영상을 캡처(또는 촬영)할 수 있다. 카메라 모듈(140)을 통해 획득된 정지 영상 또는 동영상은 디스플레이(130)를 통해 실시간으로 표시되거나 메모리(120)에 저장될 수 있다. 일 예로, 카메라 모듈(140)은 전자 장치(100)에 포함될 수 있다. 다른 예로, 카메라 모듈(140)은 외부 전자 장치에 설치된 상태에서 전자 장치(100) 내 프로세서(110)와 전기적으로 및/또는 작동적으로 연결될 수 있다(예: 클라우드 카메라).The
카메라 모듈(140)은 도 9의 적어도 일부를 포함할 수 있다. 예를 들어, 카메라 모듈(140)은 이미지 센서(930), 이미지 시그널 프로세서(960) 및 렌즈 어셈블리(910)를 포함할 수 있다. 이미지 센서(930)는 렌즈 어셈블리(910)를 통해 입력되는 피사체의 광 신호를 전기적 신호로 변환하는 기능을 수행할 수 있다. The
렌즈 어셈블리(910)는 정지 영상이나 동영상을 투영시키는 기능을 수행할 수 있다. 렌즈 어셈블리(910)는 하나 이상의 광학 렌즈를 포함하도록 구성될 수 있다. 이미지 시그널 프로세서(960)는 이미지 센서(930)에서 입력되는 데이터를 수신하여 전반적인 이미지 프로세싱을 수행할 수 있다. 이미지 시그널 프로세서(960)는 프로세서(110)의 제어에 의해 자동 얼굴 인식 모듈(210)노출 목표(auto exposure target)를 산출하거나 피사체의 밝기를 측정할 수 있다. 이미지 시그널 프로세서(960)는 상기 산출 또는 측정된 결과에 따라 노출을 설정하거나 노이즈 제거를 수행할 수 있다.The
이미지 시그널 프로세서(960)는 이미지 센서(930) 내에 통합되거나 카메라 모듈(140)의 외부(예: 프로세서(110)의 일부)에 구성될 수도 있다.The image signal processor 960 may be integrated into the image sensor 930 or configured outside the camera module 140 (eg, a part of the processor 110 ).
센서 모듈(150)은 외부 조도를 감지하기 위한 적어도 하나의 센서(예: 조도 센서, 광 센서 또는 IR 센서)를 포함할 수 있다.The
프로세서(110)는 카메라 모듈(140)을 제어할 수 있다. 예를 들어, 프로세서(110)는 카메라 모듈(140)을 활성화(예: on)하거나 비활성화(예: off)할 수 있다.The
프로세서(110)는 얼굴 인식 동작을 제어할 수 있다.The
프로세서(110)는 센서 모듈(150) 내 적어도 하나의 센서(예: 조도 센서)를 통해 외부 조도를 감지할 수 있다. 프로세서(110)는 감지된 외부 조도에 기반하여 타겟 프레임 수를 결정할 수 있다.The
일 실시예에서, 프로세서(110)는 외부 조도에 기반하여 저조도 상태인지 여부를 결정하고, 저조도 상태인 경우 외부 조도에 대응하여 타겟 프레임 수를 결정할 수 있다.In an embodiment, the
예를 들어, 프로세서(110)는 센서 모듈(150)을 통해 외부 조도 값을 측정하여 측정된 외부 조도 값이 임계값(예: 0) 이하인 경우 저조도 상태로 판단할 수 있다. 상기 측정된 외부 조도 값이 임계값을 초과하는 경우에는 정상(normal) 조도 상태로 판단될 수 있다. 예를 들어, 프로세서(110)는 정상 조도 상태인 경우 카메라 모듈(140)을 통해 입력 프레임을 획득하고, 획득된 입력 프레임을 이용해 얼굴 인식을 수행할 수 있다. 프로세서(110)는 저조도 상태인 경우 외부 조도에 따라 저조도 얼굴 인식을 위해 필요한 프레임들의 개수를 동적으로 설정할 수 있다.For example, the
일 실시예에서, 타겟 프레임 수는 외부 조도에 따라 동적으로 설정될 수 있다.In an embodiment, the target frame number may be dynamically set according to external illumination.
타겟 프레임 수는 외부 조도에 반비례할 수 있다. 외부 조도가 낮을수록 타겟 프레임 수가 증가할 수 있다. 예를 들어, 임계값 이하의 범위를 세분화하여 측정된 외부 조도가 속하는 범위에 따라 타겟 프레임 수가 결정될 수 있다. 예를 들어, 외부 조도가 제1 범위(예: 0 ~ -200)에 속하는 경우 타겟 프레임 수는 제1 개수(예: 2장)로 결정될 수 있다. 외부 조도가 제2 범위(예: -200 ~ -400)에 속하는 경우 타겟 프레임 수는 제2 개수(예: 3 장)로 결정될 수 있다.The number of target frames may be inversely proportional to external illuminance. As the external illuminance decreases, the number of target frames may increase. For example, the number of target frames may be determined according to a range to which external illuminance measured by subdividing a range below a threshold value belongs. For example, when the external illuminance falls within a first range (eg, 0 to -200), the number of target frames may be determined as the first number (eg, 2 frames). When the external illuminance falls within the second range (eg, -200 to -400), the number of target frames may be determined as the second number (eg, 3 frames).
프로세서(110)는 카메라 모듈(140)을 통해 타겟 프레임 수에 따른 프레임 셋을 획득할 수 있다. 상기 프레임 셋은 얼굴 인식 대상이 되는 하나 이상의 프레임(또는 영상)을 포함할 수 있다. 상기 프레임 셋 내 각 프레임은, 카메라 모듈(140)을 통해 획득된 입력 프레임들 중 얼굴 영역이 포함된 프레임(또는 얼굴 영역이 검출된 프레임)일 수 있다. The
예를 들어, 카메라 모듈(140)을 통해 획득된 입력 프레임에서 얼굴 영역이 검출되는 경우 상기 입력 프레임이 프레임 셋 내에 포함되어 얼굴 인식 대상으로 사용될 수 있다. 상기 입력 프레임에서 얼굴 영역이 검출되지 않는 경우 상기 입력 프레임은 프레임 셋에서 제외되어 얼굴 인식 대상에서 스킵될 수 있다.For example, when a face region is detected from an input frame acquired through the
프로세서(110)는 프레임 셋에 대한 노이즈 제거(noise reduction, NR)를 수행할 수 있다. 일 예로, 상기 프레임 셋에서 각 프레임의 전체 영역에 대해서 노이즈 제거가 수행될 수 있다. 다른 예로, 상기 프레임 셋에서 주변 영역을 제외한 얼굴 영역에 대해서만 노이즈 제거가 수행되고, 상기 노이즈 제거된 얼굴 영역을 이용해 얼굴 인식이 수행될 수 있다.The
예를 들어, 프로세서(110)는 시간적 노이즈 제거(temporal noise reduction, TNR) 기법에 의해 프레임 셋에 대한 노이즈 제거를 수행할 수 있다. 프레임 셋에 대한 시간적 노이즈 제거를 통해 노이즈가 제거된 하나 이상의 프레임이나 영상이 획득되고, 상기 노이즈가 제거된 하나 이상의 프레임이나 영상을 이용해 얼굴 인식이 수행될 수 있다.For example, the
일 실시예에서, 프로세서(110)는 외부 조도와 프레임의 밝기 정보를 함께 고려하여 타겟 프레임 수를 결정할 수 있다. 프로세서(110)는 프레임 셋 중 한 프레임의 밝기 정보를 획득할 수 있다. 프로세서(110)는 상기 프레임의 밝기 정보에 기반하여, 외부 조도에 따라 기 설정된 제1 타겟 프레임 수(예: 초기 타겟 프레임 수)를 제2 타겟 프레임 수로 조정할 수 있다. 상기 조정 동작에 의해 제1 타겟 프레임 수(예: 초기 타겟 프레임 수)가 제2 타겟 프레임 수로 변경될 수 있다.In an embodiment, the
프레임의 밝기 정보는 상기 프레임 중 얼굴 영역의 밝기 정보, 상기 프레임의 전체 영역에 대한 밝기 정보, 및 상기 프레임의 얼굴 영역과 주변 영역 간 밝기 차이를 나타내는 정보 중 적어도 하나를 포함할 수 있다.The brightness information of the frame may include at least one of brightness information of a face region of the frame, brightness information of an entire region of the frame, and information indicating a difference in brightness between the face region and surrounding regions of the frame.
프로세서(110)는 노이즈 제거된 프레임 셋을 이용해 얼굴 인식을 수행할 수 있다. 예를 들어, 상기 노이즈 제거된 얼굴 영역을 이용해 얼굴 인식이 수행될 수 있다. 얼굴 인식 기능은 다양하게 활용될 수 있다. 일 예로, 얼굴 인식을 이용해 사용자의 얼굴 인증이 수행될 수 있다. 다른 예로, 얼굴 인식이 인증 어플리케이션, 보안 어플리케이션, 촬영 어플리케이션, 카메라 어플리케이션, 인물 검색 어플리케이션, 편집 어플리케이션과 같은 다양한 어플리케이션들과 관련해 활용될 수 있다.The
정상 조도 상태인 경우 프로세서(110)는 외부 조도에 관계없이 얼굴 인식 동작을 수행할 수 있다. 프로세서(110)는 카메라 모듈(140)을 통해 입력 프레임을 획득하고, 획득된 입력 프레임을 이용해 얼굴 인식을 수행할 수 있다.In a normal illuminance state, the
일 실시예에서, 전자 장치(100)는 통신 모듈(160)을 더 포함할 수 있다. 프로세서(110)는 필요 시 통신 모듈(160)을 통해 외부 전자 장치(예: 클라우드 서버)(도 8의 서버(808) 또는 전자 장치(802))와 통신하여 얼굴 인식 동작 시 프레임이나 영상 처리와 관련된 제반 데이터를 송수신할 수 있다. 프로세서(110)는 통신 모듈(160)을 통해 외부 전자 장치로부터 전달되는 정보나 사용자 반응에 따른 정보를 송수신할 수 있다. 프로세서(110)는 송수신되는 정보를 실시간 갱신할 수 있다. 프로세서(110)는 통신 모듈(160)을 통해 외부 전자 장치와 통신하여 사용자가 원하는, 얼굴 인식과 관련된 다양한 서비스를 지원할 수 있다. In an embodiment, the
일 실시예에서, 프로세서(110)나 메모리(120) 중 적어도 일부는 인증(예: 얼굴 인증) 절차를 거쳐 액세스 가능할 수 있다. 인증 절차를 위해 얼굴 인식이 사용될 수 있다.In an embodiment, at least a portion of the
일 예로, 메모리(120)는 일반 환경(예: REE(rich execution environment) 및 신뢰 환경(예: TEE(trusted execution environment)에서 모두 접근 가능한 공유 메모리 영역을 포함할 수 있다. 예를 들어, 공유 메모리 영역은 프로세서(110)에 포함된 프로세서들 중 일반 환경에서 동작하는 제1 프로세서 및 신뢰 환경에서 동작하는 제2 프로세서가 공유 가능한 데이터를 저장하는 메모리 영역일 수 있다.As an example, the
다른 예로, 메모리(120)는 신뢰 환경에서만 접근 가능한 보안 메모리 영역을 포함할 수 있다. 예를 들어, 보안 메모리 영역은 일반 환경에서 동작하는 제1 프로세서는 접근할 수 없으나 신뢰 환경에서 동작하는 제2 프로세서는 접근 가능한 메모리일 수 있다.As another example, the
또 다른 예로, 메모리(120)는 얼굴 인식을 통해 지정/인가된 프로세스로만 접근할 수 있는 보안 메모리 영역을 포함할 수 있다. 예를 들어, 보안 메모리 영역은 물리적 또는 논리적 주소에 의해 지정될 수 있다. As another example, the
또 다른 예로, 전자 장치(100) 내 메모리(120)는 물리적으로 분리된 복수의 메모리들을 포함할 수 있다. 복수의 메모리들 중 적어도 하나의 메모리가 보안 메모리(또는 공유 메모리)로 사용될 수 있다. As another example, the
메모리(120)는 인증 정보를 저장할 수 있다. 예를 들어, 인증 정보는 보안 메모리 영역에 저장될 수 있다. 다만, 메모리(120)에 저장되는 정보는 인증 정보에 제한되지 않으며, 인증 정보가 저장되는 영역은 보안 메모리 영역에 제한되지 않는다.The
보안 메모리 영역은 신뢰 환경을 제공할 수 있다. 신뢰 환경은 가상의(또는 논리적) 코어를 통해 제공될 수도 있고 하나의 코어 및 복수의 가상 코어에 의해 동작할 수도 있다. 프로세서(110) 내 적어도 하나의 프로세서는 일반 환경에서 작업, 또는 스레드를 수행할 수 있다. 프로세서(110)나 메모리(120) 중 적어도 일부는 얼굴 인식을 이용한 인증 절차를 통해서만 사용 가능한 보호받는 영역일 수 있다.A secure memory region may provide a trusted environment. The trusted environment may be provided through a virtual (or logical) core or may be operated by one core and a plurality of virtual cores. At least one processor in the
도 2는 일 실시예에 따른 전자 장치의 일부 구성을 나타낸 블록도이다.2 is a block diagram illustrating a partial configuration of an electronic device according to an exemplary embodiment.
일 실시예에서, 전자 장치(100)는 보안 영역(200)을 포함할 수 있다. 예를 들어, 보안 영역(200)은 프로세서(110) 및/또는 메모리(120)의 일부일 수 있다. 보안 영역(200)에는 얼굴 인식 모듈(210)이 포함될 수 있다. 예를 들어, 얼굴 인식 모듈(210)은 어플리케이션의 모듈 형태로 구현된 얼굴 인식 모델일 수 있다.In an embodiment, the
전자 장치(100)는 얼굴 인식 모듈(210)을 이용해 얼굴 인식(예: 얼굴 인증) 기능을 수행할 수 있다.The
얼굴 인식 모듈(210)은 이미지 처리 모듈(211), 얼굴 검출 모듈(212), 특징정보 추출 모듈(213), 생체 판별 모듈(214), 얼굴 유사도 판별 모듈(215), 저조도 판별 모듈(216) 및 저조도 얼굴 유사도 판별 모듈(217)을 포함할 수 있다.The
이미지 처리 모듈(211)은 카메라 모듈(140)을 통해 획득된 하나 이상의 프레임(또는 영상)을 처리(예: 합성, 노출도 조절, 노이즈 제거)할 수 있다. 예를 들어, 이미지 처리 모듈(211)은 도 9의 이미지 시그널 프로세서(960)에 대응할 수 있다. The
얼굴 검출 모듈(212)은 이미지 처리 모듈(211)을 통해 처리된 프레임(또는 영상)으로부터 얼굴 영역을 검출할 수 있다. 예를 들어, 얼굴 검출 모듈(212)은 프레임이나 영상 내 얼굴 영역을 식별하거나, 상기 얼굴 영역의 사이즈를 추출하거나, 상기 프레임이나 영상의 밝기 정보(예: 밝기 히스토그램 정보)를 산출할 수 있다.The
특징정보 추출 모듈(213)은 프레임이나 영상에서 얼굴 영역의 특징정보(예: 특징점)를 추출할 수 있다. 예를 들어, 특징정보는 사람의 얼굴에서 다른 사람과 구별될 수 있게 개개인이 가지고 있는 고유의 특징정보를 의미할 수 있다. 예를 들어, 얼굴의 특징정보는 얼굴의 랜드마크(예: 눈, 코, 입, 턱선, 피부의 특정 영역)에 관한 정보일 수 있다.The feature
생체(liveness) 판별 모듈(214)은 프레임이나 영상 내 얼굴 영역의 생체 여부를 판단하기 위한 모듈일 수 있다. 일 예로, 추출된 특징정보에 따른 패턴이 사람의 얼굴과 관련된 고유의 패턴에 해당하는지 여부로 생체 여부가 판단될 수 있다. 다른 예로, 생체 판별 모듈(214)은 추가 정보(예: 미리 등록된 생체 모델 정보, 영상의 진위나 위변조 여부 판단을 위한 기준 정보, 체온, 음성과 같은 다중 생체 정보)를 기반으로 생체 여부가 판단될 수 있다.The
얼굴 유사도 판별 모듈(215)은 정상 조도 상태에서 얼굴 인식 동작을 수행할 수 있다. 얼굴 유사도 판별 모듈(215)은 정상 조도 상태에서 프레임이나 영상 내 얼굴 영역이 생체 여부로 판단된 경우 상기 얼굴 영역에서 추출된 특징정보를 미리 저장된 얼굴 특징정보와 비교하여 유사도를 판단할 수 있다. 판단 결과 유사도가 일정 비율(예: 90%) 이상인 경우 얼굴 인식(예: 인증)이 성공될 수 있다. 판단 결과 유사도가 일정 비율(예: 90%) 미만인 경우 얼굴 인식(예: 인증)이 실패될 수 있다.The face
저조도 판별 모듈(216)은 전자 장치(100)가 저조도 상태에 있는지 여부를 판단할 수 있다.The low-
전자 장치(100)가 저조도 상태에 있는 경우 저조도 얼굴 유사도 판별 모듈(217)이 동작할 수 있다.When the
저조도 얼굴 유사도 판별 모듈(217)은 저조도 상태에서 얼굴 인식 동작을 수행할 수 있다. 저조도 얼굴 유사도 판별 모듈(217)은 저조도 상태에서 프레임이나 영상 내 얼굴 영역이 생체 여부로 판단된 경우 상기 얼굴 영역에서 추출된 특징정보를 미리 저장된 얼굴 특징정보와 비교하여 유사도를 판단할 수 있다. 판단 결과 유사도가 일정 비율(예: 90% 또는 80%) 이상인 경우 얼굴 인식(예: 인증) 동작이 성공될 수 있다. 판단 결과 유사도가 일정 비율(예: 90% 또는 80%) 미만인 경우 얼굴 인식(예: 인증) 동작이 실패될 수 있다.The low-illuminance face
다른 실시예에서, 보안 영역(200)의 적어도 일부는 외부 전자 장치(도 8의 서버(808) 또는 전자 장치(802))에 포함될 수 있다. 예를 들어, 전자 장치(100)는 부분적으로 외부 전자 장치와 연동하여 얼굴 인식(예: 얼굴 인증) 기능을 수행할 수 있다.In another embodiment, at least a portion of the
도 2에 도시된 얼굴 인식 모듈(210)의 구성은 단지 예시이며, 다양하게 수정, 응용 또는 변형될 수 있다. 예를 들어, 얼굴 인식 모듈(210)의 구성요소들 중 일부가 보안 영역(200)이 아닌 오픈 영역에 포함될 수 있다. 예를 들어, 얼굴 인식 모듈(210)의 구성요소들 중 일부가 서로 통합되거나 각 구성요소가 분리되거나 일부 구성요소가 생략되거나 다른 구성요소가 추가될 수 있다. 예를 들어, 도 2에서는 얼굴 유사도 판별 모듈(215)과 저조도 얼굴 유사도 판별 모듈(217)이 별개로 구현되었으나, 서로 통합되어 구현될 수도 있다. 이 경우, 동일 모듈을 통해 정상 조도 및/또는 저조도 상태에서의 얼굴 인식 동작이 수행될 수 있다.The configuration of the
이하, 도 3 내지 도 7을 참조하여 다양한 실시예들에 따른 얼굴 인식 방법을 설명한다. 도시된 얼굴 인식 방법의 동작들 중 적어도 하나가 생략되거나, 일부 동작의 순서가 바뀌거나, 다른 동작이 추가될 수 있다. 또는, 각 실시예의 동작들이 선택적으로 조합되어 수행될 수도 있다. Hereinafter, a face recognition method according to various embodiments will be described with reference to FIGS. 3 to 7 . At least one of the operations of the illustrated face recognition method may be omitted, the order of some operations may be changed, or other operations may be added. Alternatively, the operations of each embodiment may be selectively combined and performed.
다양한 실시예들에 따른 얼굴 인식 방법은 전자 장치(예: 도 1의 전자 장치(100)나 프로세서(110), 또는 도 8의 전자 장치(801)나 프로세서(820))에 의해 수행될 수 있다. 설명의 편의상, 다양한 실시예들에 따른 얼굴 인식 방법의 각 동작은 도 1의 프로세서(110) 또는 전자 장치(100)에 의해 수행되는 것으로 가정한다.The face recognition method according to various embodiments may be performed by an electronic device (eg, the
도 3은 일 실시예에 따른 전자 장치의 얼굴 인식 방법을 나타낸 흐름도이다.3 is a flowchart illustrating a face recognition method of an electronic device according to an exemplary embodiment.
도 3을 참조하면, 일 실시예에 따른 전자 장치의 얼굴 인식 방법은 동작 310 내지 동작 350을 포함할 수 있다.Referring to FIG. 3 , a method for recognizing a face of an electronic device according to an embodiment may include
동작 310에서, 전자 장치(100)의 프로세서(110)는 센서 모듈(150) 내 적어도 하나의 센서(예: 조도 센서)를 통해 외부 조도를 감지할 수 있다. 센서 모듈(150)은 현재 조명 환경에서의 외부 조도 값(예: BV(brightness value))을 측정하여 프로세서(110)로 전달할 수 있다. In
동작 320에서, 프로세서(110)는 외부 조도에 기반하여 타겟 프레임 수(N-frame 값)를 결정(예: 설정 또는 조정)할 수 있다.In
타겟 프레임 수(예: 초기 타겟 프레임 수)는 외부 조도에 따라 동적으로 설정될 수 있다. 예를 들어, 타겟 프레임 수는 외부 조도에 반비례할 수 있다. 외부 조도가 낮을수록 타겟 프레임 수가 증가할 수 있다. 외부 조도가 높을수록 타겟 프레임 수가 감소할 수 있다. The number of target frames (eg, the number of initial target frames) may be dynamically set according to external illumination. For example, the number of target frames may be inversely proportional to external illuminance. As the external illuminance decreases, the number of target frames may increase. As the external illuminance increases, the number of target frames may decrease.
조도 범위 별 타겟 프레임 수에 대한 정보가 미리 저장될 수 있다. 외부 조도가 속하는 범위에 따라 타겟 프레임 수가 설정될 수 있다. 예를 들어, 외부 조도가 제1 범위에 속하는 경우(예: 0 > BV > -200), 타겟 프레임 수는 제1 개수(예: 2장)로 설정될 수 있다. 외부 조도가 제2 범위에 속하는 경우(예: -200 > BV > -400), 타겟 프레임 수는 제2 개수(예: 3장 또는 4장(k=2, 2k = 4))로 설정될 수 있다. 외부 조도가 제3 범위에 속하는 경우(예: -400 > BV > -600), 타겟 프레임 수는 제3 개수(예: 4장 또는 8장(k=3, 2k = 8)로 설정될 수 있다.Information on the number of target frames for each illuminance range may be stored in advance. The number of target frames may be set according to a range to which external illuminance belongs. For example, when the external illuminance falls within the first range (eg, 0 > BV > -200), the number of target frames may be set to the first number (eg, 2 frames). When the external illuminance falls within the second range (eg -200 > BV > -400), the number of target frames may be set to the second number (eg, 3 or 4 (k=2, 2 k = 4)). can When the external illuminance falls within the third range (eg -400 > BV > -600), the target frame number can be set to the third number (eg 4 or 8 (k=3, 2 k = 8) have.
일 실시예에서, 타겟 프레임 수는 외부 조도 및 프레임의 밝기 정보에 기반하여 결정될 수 있다. 일 예로, 상기 프레임은 얼굴 영역이 포함된 프레임(또는 얼굴 영역이 검출된 프레임)일 수 있다. 다른 예로, 상기 프레임은 얼굴 인식 대상인 프레임 셋 내에 포함되는 임의의 프레임일 수 있다. 또 다른 예로, 상기 프레임은 얼굴 인식 대상인 복수의 프레임들을 합성(또는 누적)한 프레임일 수 있다. In an embodiment, the target frame number may be determined based on external illuminance and frame brightness information. For example, the frame may be a frame including a face region (or a frame in which a face region is detected). As another example, the frame may be an arbitrary frame included in a frame set that is a face recognition target. As another example, the frame may be a frame obtained by synthesizing (or accumulating) a plurality of frames to be face recognition.
효율적인 얼굴 인식을 위해, 타겟 프레임 수의 결정 시 외부 조도와 함께 프레임의 밝기 정보(예: 밝기 히스토그램 정보)가 고려될 수 있다. 예를 들어, 외부 조도가 동일하더라도 촬영 환경(예: 역광, 불균일한 조명 환경)에 따라 프레임 내 얼굴 영역의 상대적인 밝기가 달라질 수 있다. 전체적인 외부 조도가 밝더라도 프레임 내 얼굴 영역이 주변 영역에 비해 어두운 경우, 또는 그 반대의 경우가 발생할 수 있다. 예를 들어, 외부 조도(예: 0 > BV > -200)를 고려할 때 저조도 얼굴 인식을 위해 필요한 타겟 프레임 수가 2장이고, 프레임 내 얼굴 영역이 주변 영역에 비해 어두운 경우, 프로세서(110)는 타겟 프레임 수를 1장 증가시켜 3장으로 조정할 수 있다. 외부 조도(예: 0 > BV > -200)를 고려할 때 저조도 얼굴 인식을 위해 필요한 타겟 프레임 수가 2장이고, 프레임 내 얼굴 영역이 주변 영역에 비해 밝은 경우에는, 타겟 프레임 수가 조정 없이 2장으로 유지될 수 있다.For efficient face recognition, when determining the number of target frames, brightness information (eg, brightness histogram information) of a frame may be considered together with external illuminance. For example, even if the external illuminance is the same, the relative brightness of the face region in the frame may vary depending on the shooting environment (eg, backlight, non-uniform lighting environment). Even if the overall external illuminance is bright, the face area within the frame may be darker than the surrounding area, or vice versa. For example, when the number of target frames required for low-illuminance face recognition is two when external illumination (eg, 0 > BV > -200) is considered, and the face area within the frame is darker than the surrounding area, the
동작 330에서, 프로세서(110)는 타겟 프레임 수(N-frame 값)에 따른 프레임 셋을 획득할 수 있다. 프레임 셋은 하나 이상의 프레임 또는 영상으로 이해될 수 있다. 프레임 셋은 얼굴 인식 대상일 수 있다. 프레임 셋에 대한 노이즈 제거 및 얼굴 인식이 수행될 수 있다. 프레임 셋은 타겟 프레임 수만큼의 프레임(들)을 포함할 수 있다. 프레임 셋에 속하는 프레임은 얼굴 영역이 포함된 프레임일 수 있다.In
프레임 셋 내의 각 프레임은 카메라 모듈(140)을 통해 획득된 입력 프레임들 중 얼굴 영역이 포함된 프레임(또는 얼굴 영역이 검출된 프레임)일 수 있다. 입력 프레임에서 얼굴 영역이 검출되는 경우(예: 얼굴 객체가 존재하거나 얼굴 영역의 평균 밝기 값이 임계값 이상인 경우), 상기 입력 프레임은 프레임 셋에 포함될 수 있다. 입력 프레임에서 얼굴 영역이 검출되지 않는 경우(예: 얼굴 객체가 존재하지 않거나 얼굴 영역의 평균 밝기 값이 임계값 미만인 경우), 상기 입력 프레임은 프레임 셋에서 제외될 수 있다.Each frame in the frame set may be a frame including a face region (or a frame in which a face region is detected) among input frames acquired through the
입력 프레임들 중 얼굴 영역이 미포함된 입력 프레임은 얼굴 인식 대상인 프레임 셋에 포함되지 않고 스킵될 수 있다. 스킵된 입력 프레임에 대해서는 노이즈 제거 및 얼굴 인식 동작이 수행되지 않을 수 있다.Among the input frames, an input frame that does not include a face region may be skipped without being included in a frame set that is a face recognition target. Noise removal and face recognition operations may not be performed on the skipped input frame.
얼굴 영역이 미포함된 프레임에 대한 얼굴 인식을 시도할 경우 불필요한 시간 지연 및 리소스 소모가 발생하여 얼굴 인식의 성능 또는 속도가 저하될 수 있다.When face recognition is attempted for a frame that does not include a face region, unnecessary time delay and resource consumption may occur, which may decrease performance or speed of face recognition.
다양한 실시예들에 따르면, 얼굴이 포함된 프레임(또는 얼굴이 검출된 프레임)만을 얼굴 인식 대상으로 선별함으로써, 빠르고 효율적인 얼굴 인식을 수행하고, 얼굴 인식 성공률을 높일 수 있다.According to various embodiments, by selecting only a frame including a face (or a frame in which a face is detected) as a face recognition target, fast and efficient face recognition may be performed and a face recognition success rate may be increased.
동작 340에서, 프로세서(110)는 프레임 셋에 대한 노이즈 제거(noise reduction, NR)를 수행할 수 있다. In
일 실시예에서, 프로세서(110)는 시간적 노이즈 제거(temporal noise reduction, TNR) 기법에 의해 프레임 셋에 대한 노이즈 제거를 수행할 수 있다.In an embodiment, the
시간적 노이즈 제거 기법은 특정 시점을 기준으로 프레임 셋(예: 합성 영상)의 인접한 프레임들 간의 높은 상관성을 이용하여 노이즈를 제거하는 기법일 수 있다. 예를 들어, 현재 프레임과 이전 프레임에서 서로 대응하는 두 화소의 가중치 평균을 구함으로써 노이즈를 제거할 수 있다. 시간적 노이즈 기법이 적용될 경우 현재 프레임 내 임의의 화소에 노이즈가 섞여 있을 때 인접한 프레임의 해당 화소(예: 동일 위치에 있는 화소 또는 실질적으로 동일한 화소)는 노이즈가 섞여 있지 않을 확률이 높다는 가정을 근거로 움직임 추정에 의한 두 화소의 값들(예: 가중치 평균)을 통해 노이즈를 억제하도록 하는 필터의 기능이 수행될 수 있다. The temporal noise removal technique may be a technique for removing noise by using a high correlation between adjacent frames of a frame set (eg, a composite image) based on a specific time point. For example, noise may be removed by calculating a weighted average of two pixels corresponding to each other in the current frame and the previous frame. When the temporal noise technique is applied, when noise is mixed in any pixel in the current frame, it is based on the assumption that there is a high probability that the corresponding pixel in an adjacent frame (e.g., a pixel at the same location or substantially the same pixel) does not contain noise. A function of a filter that suppresses noise through values of two pixels (eg, a weighted average) by motion estimation may be performed.
일 예로, 프레임 셋(예: 합성 영상)의 전체 영역에 대해서 노이즈 제거가 수행될 수 있다. 다른 예로, 프레임 셋(예: 합성 영상)에서 주변 영역을 제외한 얼굴 영역에 대해서만 노이즈 제거가 수행될 수 있다. 영상 내 얼굴 영역에 국한해서 노이즈 제거를 수행하는 방식이 저조도 노이즈 제거에 효율적일 수 있다. 이러한 방식의 경우, 영상 전체에 대해 필터링을 수행하는 경우에 비해 연산량/연산 시간을 절감할 수 있고, 불필요한 화소에 대해 노이즈 제거 필터링을 생략할 수 있다.For example, noise removal may be performed on the entire region of a frame set (eg, a composite image). As another example, noise removal may be performed only on a face region excluding a peripheral region in a frame set (eg, a composite image). A method of performing noise removal limited to the face region in the image may be effective in removing low-light noise. In this case, the amount of computation/computation time can be reduced compared to the case of performing filtering on the entire image, and noise removal filtering can be omitted for unnecessary pixels.
동작 350에서, 프로세서(110)는 동작 340을 거쳐 노이즈 제거된 프레임 셋을 이용해 얼굴 인식을 수행할 수 있다. 예를 들어, 프레임 셋(예: 합성 영상)의 얼굴 영역에 대한 시간적 노이즈 제거를 통해 노이즈가 제거된 합성 프레임이 획득되고, 상기 합성 프레임을 이용해 얼굴 인식(예: 인증)이 수행될 수 있다.In
도 4는 다른 실시예에 따른 전자 장치의 얼굴 인식 방법을 나타낸 흐름도이다.4 is a flowchart illustrating a face recognition method of an electronic device according to another exemplary embodiment.
도 4를 참조하면, 다른 실시예에 따른 전자 장치의 얼굴 인식 방법은 동작 410 내지 동작 470을 포함할 수 있다. 도 4의 동작들 중 일부는 도 3의 동작에 대응할 수 있다. 예를 들어, 동작 410은 동작 310에 대응할 수 있다. 동작 440은 동작 320에 대응할 수 있다. 동작 451, 동작 453 및 동작 455는 동작 330에 대응할 수 있다. 동작 457은 동작 340에 대응할 수 있다. 동작 470은 동작 350에 대응할 수 있다.Referring to FIG. 4 , a method for recognizing a face of an electronic device according to another embodiment may include
동작 410에서, 프로세서(110)는 센서 모듈(150) 내 적어도 하나의 센서(예: 조도 센서)를 통해 외부 조도를 감지할 수 있다. 프로세서(110)는 센서 모듈(150)을 이용해 외부 조도 값(예: BV)을 측정할 수 있다.In
동작 420에서, 프로세서(110)는 촬영을 위해 카메라 모듈(140)을 활성화할 수 있다. 카메라 모듈(140)이 이미 활성화된 상태인 경우 동작 420은 생략될 수 있다. In
예를 들어, 전자 장치(100)의 동작 모드가 대기 모드(또는 일반 모드)에서 얼굴 인식 모드로 전환됨에 따라 센서 모듈(150) 및 카메라 모듈(140)이 활성화될 수 있다. 상기 대기 모드는 얼굴 인식 수행 전 상태의 동작 모드일 수 있다. 예를 들어, 프로세서(110)는 얼굴 인식과 관련된 이벤트에 응답하여 얼굴 인식 모드로 진입할 수 있다. 예를 들어, 상기 이벤트는 디스플레이(130)에 표시 중인 화면(또는 사용자 인터페이스, 예: 잠금 화면, 홈 화면, 로그인 화면, 어플리케이션 실행 화면)에 대한 사용자 입력(예: 사용자 인증을 필요로 하는 키 입력, 잠금 해제를 위한 스와이프(swipe) 입력) 이벤트일 수 있다. For example, as the operation mode of the
동작 430에서, 프로세서(110)는 동작 410을 통해 감지된 외부 조도에 기반하여 전자 장치(100)가 저조도 상태에 있는지 여부를 결정할 수 있다. 프로세서(110)는 외부 조도에 기반하여 저조도 상태인지 또는 정상(normal) 조도 상태인지 여부를 판단할 수 있다.In
예를 들어, 프로세서(110)는 측정된 외부 조도 값이 임계값(예: 0) 이하인 경우 저조도 상태인 것으로 판단할 수 있다. 프로세서(110)는 측정된 외부 조도 값이 임계값을 초과하는 경우 정상 조도 상태인 것으로 판단할 수 있다. For example, when the measured external illuminance value is less than or equal to a threshold (eg, 0), the
저조도 상태인 경우 프로세서(110)는 저조도 모드에 따른 얼굴 인식 절차를 수행할 수 있다. 저조도 모드에 따른 얼굴 인식 절차는 동작 440, 동작 451, 동작 453, 동작 455, 동작 457, 동작 459 및 동작 470을 포함할 수 있다. 저조도 상태인 경우, 프로세서(110)는 입력 프레임(또는 캡처 이미지)을 획득하고(451), 상기 입력 프레임에서 얼굴 영역을 검출할 수 있다(453). 프로세서(110)는 상기 검출된 얼굴 영역에 대한 노이즈를 제거한 후(457), 얼굴 인식을 수행할 수 있다(470). 프로세서(110)는 상기 입력 프레임의 밝기 정보(예: 밝기 히스토그램 정보)를 산출할 수 있다. 프로세서(110)는 상기 입력 프레임의 노이즈 정보를 추출하여 필터링할 수 있다. In the low-illuminance state, the
정상 조도 상태인 경우 프로세서(110)는 정상 조도 모드에 따른 얼굴 인식 절차를 수행할 수 있다. 정상 조도 모드에 따른 얼굴 인식 절차는 동작 461 및 동작 470을 포함할 수 있다. 정상 조도 상태인 경우, 프로세서(110)는 입력 프레임(또는 캡처 이미지)을 획득하고(461), 상기 입력 프레임을 이용해 얼굴 인식을 수행할 수 있다(470).In the case of a normal illuminance state, the
동작 430의 판단 결과 저조도 상태인 경우(동작 430 - 저조도), 동작 440으로 진행될 수 있다. 저조도 상태인 경우, 프로세서(110)는 외부 조도에 따른 타겟 프레임 수를 결정하여 상기 타겟 프레임 수를 기준으로 얼굴 인식 절차를 수행할 수 있다. If it is determined in
동작 440은 저조도 얼굴 인식을 위한 타겟 프레임 수(N-frame 값)를 결정(예: 설정 또는 조정)하는 동작일 수 있다.
동작 440에서, 프로세서(110)는 외부 조도에 기반하여 저조도 얼굴 인식을 위해 필요한 타겟 프레임 수(예: 초기 타겟 프레임 수)를 설정할 수 있다.In
일 실시예에서, 타겟 프레임 수는 외부 조도에 기반하여 동적으로 설정될 수 있다. 조도 범위 별 타겟 프레임 수에 대한 정보가 미리 저장될 수 있다. 외부 조도가 속하는 범위에 따라 타겟 프레임 수가 설정될 수 있다. 예를 들어, 외부 조도가 제1 범위(예: 0 ~ -200)에 속하는 경우 타겟 프레임 수는 제1 개수(예: 2장)로 설정될 수 있다. 외부 조도가 제2 범위(예: -200 ~ -400)에 속하는 경우 타겟 프레임 수는 제2 개수(예: 3장 또는 4장(k=2, 2k = 4))로 설정될 수 있다.In an embodiment, the target frame number may be dynamically set based on external illumination. Information on the number of target frames for each illuminance range may be stored in advance. The number of target frames may be set according to a range to which external illuminance belongs. For example, when the external illuminance falls within a first range (eg, 0 to -200), the number of target frames may be set to the first number (eg, two). When the external illuminance falls within the second range (eg, -200 to -400), the number of target frames may be set to the second number (eg, 3 or 4 frames (k=2, 2 k =4)).
외부 조도에 따른 타겟 프레임 수(예: 초기 타겟 프레임 수)가 설정되고, 프레임의 밝기 정보에 따라 상기 타겟 프레임 수가 조정될 수 있다. 예를 들어, 외부 조도에 따른 제1 타겟 프레임 수(또는 초기 타겟 프레임 수)가 설정되고, 프레임의 밝기 정보(예: 밝기 히스토그램 정보)에 기반하여 상기 제1 타겟 프레임 수가 제2 타겟 프레임 수로 조정될 수 있다. 상기 조정 동작에 의해 제1 타겟 프레임 수가 제2 타겟 프레임 수로 변경될 수 있다. 프레임의 밝기 정보(예: 밝기 히스토그램 정보)는 상기 프레임 중 얼굴 영역의 밝기 정보, 상기 프레임의 전체 영역에 대한 밝기 정보, 및 상기 프레임 내 얼굴 영역과 주변 영역 간 밝기 차이를 나타내는 정보 중 적어도 하나를 포함할 수 있다.A target frame number (eg, an initial target frame number) may be set according to external illuminance, and the target frame number may be adjusted according to frame brightness information. For example, the first target frame number (or initial target frame number) is set according to the external illuminance, and the first target frame number is adjusted to the second target frame number based on the frame brightness information (eg, brightness histogram information). can The number of first target frames may be changed to the number of second target frames by the adjusting operation. The brightness information (eg, brightness histogram information) of the frame includes at least one of brightness information of a face region of the frame, brightness information of an entire region of the frame, and information indicating a difference in brightness between the face region and surrounding regions within the frame. may include
동작 451 내지 동작 459는 타겟 프레임 수(N-frame 값)에 따른 프레임 셋을 획득하는 동작일 수 있다.
프로세서(110)는 동작 451 내지 동작 459를 1회 이상 반복적으로 수행하여 타겟 프레임 수에 따른 프레임 셋을 획득할 수 있다. 프레임 셋은 하나 이상의 프레임 또는 영상으로 이해될 수 있다. 프레임 셋은 얼굴 인식 대상일 수 있다. 프레임 셋에 대한 노이즈 제거 및 얼굴 인식이 수행될 수 있다. 프레임 셋은 타겟 프레임 수만큼의 프레임(들)을 포함할 수 있다. 프레임 셋에 속하는 프레임은 얼굴 영역이 포함된 프레임일 수 있다.The
동작 451에서, 프로세서(110)는 카메라 모듈(140)을 통해 입력 프레임(또는 캡처 이미지, 예: 1번 프레임)을 획득할 수 있다. In
동작 453에서, 프로세서(110)는 입력 프레임(예: 1번 프레임)에서 얼굴 영역이 검출되는지 여부(또는 입력 프레임에 얼굴 영역이 포함되는지 여부)를 결정할 수 있다.In
카메라 모듈(140)을 통해 획득된 입력 프레임들 중 얼굴 영역을 포함하는 프레임(들)만이 선택적으로 프레임 셋 내에 포함될 수 있다. 프레임 셋은 얼굴 인식 대상일 수 있다. 프레임 셋에 대한 노이즈 제거 및 얼굴 인식이 수행될 수 있다.Among the input frames acquired through the
입력 프레임에서 얼굴 영역이 검출되는 경우(예: 얼굴 객체가 존재하거나 얼굴 영역의 평균 밝기 값이 임계값 이상인 경우), 상기 입력 프레임은 프레임 셋에 포함될 수 있다. 입력 프레임에서 얼굴 영역이 검출되지 않는 경우(예: 얼굴 객체가 존재하지 않거나 얼굴 영역의 평균 밝기 값이 임계값 미만인 경우), 상기 입력 프레임은 프레임 셋에서 제외될 수 있다.When a face region is detected from the input frame (eg, when a face object exists or the average brightness value of the face region is equal to or greater than a threshold value), the input frame may be included in a frame set. When a face region is not detected in the input frame (eg, when a face object does not exist or the average brightness value of the face region is less than a threshold value), the input frame may be excluded from the frame set.
동작 453의 판단 결과 입력 프레임에서 얼굴 영역이 검출되지 않는 경우(동작 453 - 아니오), 프로세서(110)는 동작 451로 되돌아가 카메라 모듈(140)을 통해 입력 프레임(예: 2번 프레임)을 다시 획득할 수 있다.If it is determined in
입력 프레임(예: 1번 프레임)에서 얼굴 영역이 검출된 경우에는(동작 453 - 예), 상기 입력 프레임이 프레임 셋으로 포함되고, 동작 455 및 동작 457이 수행될 수 있다.When a face region is detected in the input frame (eg, frame 1) (operation 453 - Yes), the input frame is included as a frame set, and
동작 455에서, 프로세서(110)는 현재 프레임 수(n)를 갱신할 수 있다. 현재 프레임 수(n)는 프레임 셋에 속하는 프레임(들)의 개수 또는 얼굴 영역을 포함하는 프레임(들)의 개수일 수 있다.In
입력 프레임(예: 1번 프레임)에서 얼굴 영역이 검출된 경우(동작 453 - 예), 상기 입력 프레임이 프레임 셋에 속하는 프레임으로 카운트되어 현재 프레임 수(n)가 1만큼 증가할 수 있다(n = n+1). 입력 프레임에서 얼굴 영역이 검출되지 않는 경우(동작 453 - 아니오), 상기 입력 프레임은 프레임 셋에 속하는 프레임으로 카운트되지 않고 스킵될 수 있다. 이 경우, 현재 프레임 수(n)는 갱신 없이 유지될 수 있다.When a face region is detected in an input frame (eg, frame 1) (operation 453 - Yes), the input frame is counted as a frame belonging to a frame set, and the current frame number n may increase by one (n). = n+1). When a face region is not detected in the input frame (operation 453 - NO), the input frame may be skipped without being counted as a frame belonging to a frame set. In this case, the current frame number n may be maintained without being updated.
프로세서(110)는 현재 프레임 수(n)가 타겟 프레임 수(N-frame 값)에 도달할 때까지 얼굴 인식(470)을 수행하지 않고 대기하면서 프레임 획득(451), 얼굴 영역의 검출(453) 및 노이즈 제거(457)를 반복적으로 수행할 수 있다.The
동작 453의 판단 결과 입력 프레임(예: 1번 프레임)에서 얼굴 영역이 검출된다면(동작 453 - 예), 상기 프레임으로부터 얼굴 영역이 추출되고, 추출된 얼굴 영역에 대해 노이즈 제거가 수행될 수 있다. 예를 들어, 추출된 얼굴 영역에 대해 시간적 노이즈 제거 기법이 적용될 수 있다.If it is determined in
동작 457은 노이즈 제거(noise reduction, NR) 동작일 수 있다. 프로세서(110)는 자체적으로 또는 카메라 모듈(140)을 통해 노이즈 제거 기능을 수행할 수 있다.
동작 453의 판단 결과 입력 프레임(예: 1번 프레임)에서 얼굴 영역이 검출되지 않는다면(동작 453 - 아니오), 프로세서(110)는 다음 프레임(예: 2번 프레임)을 획득할 수 있다. If it is determined in
동작 457에서, 프로세서(110)는 입력 프레임(예: 1번 프레임 또는 프레임 셋 내 프레임들의 합성 영상)에 대한 노이즈 제거를 수행할 수 있다. 예를 들어, 프로세서(110)는 시간적 노이즈 제거(temporal noise reduction, TNR) 기법에 의해 프레임 셋에 대한 노이즈 제거를 수행할 수 있다. 일 예로, 프레임 셋(예: 합성 영상)의 전체 영역에 대해서 노이즈 제거가 수행될 수 있다. 다른 예로, 프레임 셋(예: 합성 영상)에서 주변 영역을 제외한 얼굴 영역에 대해서만 노이즈 제거가 수행될 수 있다.In
동작 459에서, 프로세서(110)는 현재 프레임 수(n)가 타겟 프레임 수(N-frame 값)를 초과하였는지 여부를 판단할 수 있다.In
일 예로, 동작 459의 판단 결과 현재 프레임 수(n)가 타겟 프레임 수(N-frame 값) 이하인 경우(동작 459 - 아니오), 도시된 바와 같이, 프로세서(110)는 동작 451로 되돌아가 다음 프레임(예: 2번 프레임)을 획득할 수 있다. 프로세서(110)는 프레임의 획득(451), 얼굴 검출(453), 노이즈 제거(457)를 적용해 가며 현재 프레임 수(n)가 설정된 타겟 프레임 수에 도달했는지 여부를 판단할 수 있다(459). 현재 프레임 수(n)가 타겟 프레임 수에 도달하면 얼굴 인식 동작(470)이 수행될 수 있다. As an example, if it is determined in
다른 예로, 동작 459의 판단 결과 현재 프레임 수(n)가 타겟 프레임 수(N-frame 값) 이하인 경우(동작 459 - 아니오), 프로세서(110)는 동작 440으로 되돌아가 타겟 프레임 수를 조정할 수 있다. As another example, if it is determined in
동작 440에서, 프로세서(110)는 프레임 셋 내 프레임(예: 1번 프레임)의 밝기 정보에 기반하여 기 설정된 타겟 프레임 수(예: 초기 타겟 프레임 수)를 조정할 수 있다.In
프로세서(110)는 프레임(예: 1번 프레임)의 밝기 정보(예: 밝기 히스토그램 정보)를 획득할 수 있다. 프로세서(110)는 상기 프레임의 밝기 정보에 기반하여 타겟 프레임 수를 조정할 수 있다. 상기 조정 동작에 의해 제1 타겟 프레임 수(예: 초기 타겟 프레임 수)가 제2 타겟 프레임 수로 변경될 수 있다.The
프레임의 밝기 정보(예: 밝기 히스토그램 정보)는 상기 프레임 중 얼굴 영역의 밝기 정보, 상기 프레임의 전체 영역에 대한 밝기 정보, 및 상기 프레임의 얼굴 영역과 주변 영역 간 밝기 차이를 나타내는 정보 중 적어도 하나를 포함할 수 있다.The brightness information of a frame (eg, brightness histogram information) includes at least one of brightness information of a face region of the frame, brightness information of an entire region of the frame, and information indicating a difference in brightness between the face region and surrounding regions of the frame. may include
예를 들어, 외부 조도를 고려할 때 저조도 얼굴 인식을 위해 필요한 타겟 프레임 수가 2장이고, 프레임 내 얼굴 영역이 주변 영역에 비해 어두운 경우, 프로세서(110)는 타겟 프레임 수를 증가시켜 3장으로 조정할 수 있다. 외부 조도를 고려할 때 저조도 얼굴 인식을 위해 필요한 타겟 프레임 수가 2장이고, 프레임 내 얼굴 영역이 주변 영역에 비해 밝은 경우에는, 타겟 프레임 수가 조정 없이 2장으로 유지될 수 있다.For example, when the number of target frames required for low-illuminance face recognition is two when external illumination is considered, and the face area within the frame is darker than the surrounding area, the
동작 459의 판단 결과 프레임 셋 내 프레임 수(n)가 타겟 프레임 수(N-frame 값)을 초과한 경우에는(동작 459 - 예), 동작 470으로 진행될 수 있다.If it is determined in
동작 451 내지 동작 459는 타겟 프레임 수에 따른 프레임 셋이 획득될 때까지 또는 프레임 셋 내 프레임(들)의 개수가 타겟 프레임 수에 도달할 때까지 반복적으로 수행될 수 있다. 예를 들어, 타겟 프레임 수(N-frame 값)가 3인 경우 얼굴 영역이 검출되는 3장의 프레임들이 획득될 때까지 동작 451 내지 동작 459가 일정 횟수(예: 3회 이상)만큼 반복 수행될 수 있다.
동작 470에서, 프로세서(110)는 동작 455를 거쳐 노이즈 제거된 프레임 셋을 이용해 얼굴 인식을 수행할 수 있다. In
동작 470의 얼굴 인식 기능은 다양하게 활용될 수 있다. 일 예로, 얼굴 인식을 이용한 사용자 인증이 수행될 수 있다. 프로세서(110)는 노이즈가 제거된 프레임 셋(예: 합성 영상 또는 합성 프레임)을 이용해 사용자의 얼굴 인증을 수행할 수 있다. 프로세서(110)는 상기 프레임 셋 내 얼굴 영역과 인증을 위해 미리 등록된 사용자 얼굴의 유사도를 판단하고, 유사도 판별 결과에 따라 인증 성공 및 실패 여부를 판단할 수 있다. 다른 예로, 얼굴 인식이 인증 어플리케이션, 보안 어플리케이션, 촬영 어플리케이션, 카메라 어플리케이션, 인물 검색 어플리케이션, 편집 어플리케이션과 같은 다양한 어플리케이션들과 관련해 활용될 수 있다.The face recognition function in
동작 430의 판단 결과 정상 조도 상태인 경우에는(동작 430 - 정상 조도), 프로세서(110)가 외부 조도에 관계없이 얼굴 인식 동작이 수행될 수 있다. If it is determined in
정상 조도 상태인 경우(동작 430 - 정상 조도), 동작 461 및 동작 470이 수행될 수 있다.In the case of a normal illumination state (operation 430 - normal illumination),
동작 461에서, 프로세서(110)는 카메라 모듈(140)을 통해 입력 프레임을 획득할 수 있다. 동작 470에서, 프로세서(110)는 동작 461을 통해 획득된 프레임을 이용해 얼굴 인식을 수행할 수 있다.In
얼굴 인식에 실패하는 경우 프로세서(110)는 다음 입력 프레임을 획득하여 얼굴 인식을 재시도하거나 얼굴 인식 실패를 알리는 팝업 창을 표시한 후 얼굴 인식 동작을 종료할 수 있다.If the face recognition fails, the
도 5는 일 실시예에 따른 전자 장치의 얼굴 인식 방법을 설명하기 위한 프레임들의 예시이다.5 is an example of frames for explaining a face recognition method of an electronic device according to an embodiment.
예를 들어, 전자 장치(100)는 저조도 상태에서의 얼굴 인식 동작 시 복수 개의 프레임들을 합성(또는 누적)하여 합성 영상을 이용해 얼굴 인식을 수행할 수 있다.For example, the
제1 프레임(510) 내지 제6 프레임(560)은 카메라 모듈(140)을 통해 획득되는 입력 프레임들일 수 있다.The
제1 프레임(510), 제2 프레임(520) 및 제3 프레임(530)은 얼굴 영역이 검출되지 않는 프레임일 수 있다. 제1 프레임(510), 제2 프레임(520) 및 제3 프레임(530)은 얼굴 영역이 미포함된 프레임일 수 있다. The
제4 프레임(540), 제5 프레임(550) 및 제6 프레임(560)은 얼굴 영역이 검출되는 프레임일 수 있다. 제4 프레임(540), 제5 프레임(550) 및 제6 프레임(560)은 얼굴 영역이 포함된 프레임일 수 있다.The
전자 장치(100)는 얼굴 영역이 검출된 복수 개의 프레임들을 합성하되, 외부 조도에 기반하여 몇 장의 프레임들을 합성할지 여부를 결정할 수 있다.The
일 예로, 전자 장치(100)는 현재 외부 조도 정도이면 몇 장 정도의 프레임들을 합성해야 얼굴 인식에 적합한 프레임(또는 영상)을 획득할 수 있는지 여부를 판단하여 그만큼의 프레임 수를 타겟 프레임 수로 결정할 수 있다. 타겟 프레임 수는 외부 조도에 기반하여 선택될 수 있다. 다른 예로, 전자 장치(100)는 외부 조도 및 프레임(예: 제4 프레임(540))의 밝기 정보를 함께 고려하여 타겟 프레임 수를 선택할 수 있다.As an example, the
예를 들어, 타겟 프레임 수는 외부 조도에 기반하여 3장으로 설정될 수 있다. 전자 장치(100)는 타겟 프레임 수가 3인 경우 얼굴 영역이 검출된 3장의 프레임들(예: 제4 프레임(540), 제5 프레임(550), 제6 프레임(560))을 이용해 얼굴 인식을 수행할 수 있다. 외부 조도에 기반하여 설정된 타겟 프레임 수는 프레임(예: 제4 프레임(540))의 밝기 정보에 기반하여 조정될 수도 있다. 예를 들어, 외부 조도를 고려할 때 최적화된 얼굴 인식을 위해 필요한 타겟 프레임 수가 3인 경우, 프레임의 밝기 정보에 따라 타겟 프레임 수가 증가(예: 3 장에서 4장으로)하거나 감소(예: 3장에서 2장으로)하거나 유지(예: 3 장)될 수 있다.For example, the number of target frames may be set to three based on external illuminance. When the target frame number is 3, the
도 5에서는 편의상 타겟 프레임 수가 3인 경우를 가정하였다. 이 경우, 전자 장치(100)는 얼굴 영역이 검출되는 3장의 프레임들이 획득될 때까지 카메라 모듈(140)을 통해 캡처(또는 촬영) 동작을 반복할 수 있다.In FIG. 5 , it is assumed that the target frame number is 3 for convenience. In this case, the
여섯 장의 프레임들(510 ~ 560) 중에서 제1 프레임(510), 제2 프레임(520) 및 제3 프레임(530)은 얼굴 영역이 검출되지 않는 프레임으로서 합성이 무의미할 수 있다. 얼굴 영역이 검출되는 프레임(예: 제4 프레임(540))부터 합성이 수행될 수 있다.Among the six
얼굴 영역이 검출되지 않는 3장의 프레임들(510, 520, 530)은 얼굴 인식 대상에서 제외되어 해당 프레임들에 대해서는 얼굴 인식 처리(예: 합성, 노이즈 제거 및 얼굴 인식)가 수행되지 않을 수 있다. 얼굴 영역이 검출된 3장의 프레임들(540, 550, 560)은 얼굴 인식 대상으로 사용되어 해당 프레임들에 대해서 얼굴 인식 처리(예: 합성, 노이즈 제거 및 얼굴 인식)가 수행될 수 있다.The three
얼굴 영역이 검출되지 않는 프레임(들)을 대상으로 얼굴 인식을 시도할 경우 불필요한 시간 지연 및 리소스 소모가 발생하여 얼굴 인식의 성능 또는 속도가 저하될 수 있다.When face recognition is attempted on a frame(s) in which a face region is not detected, unnecessary time delay and resource consumption may occur, thereby degrading performance or speed of face recognition.
일 실시예에 따르면, 얼굴 인식 동작 시 얼굴 영역이 검출되지 않는 프레임은 스킵되고 얼굴 영역이 검출된 프레임에 대해서만 얼굴 인식이 수행될 수 있다. 그럼으로써 저조도 얼굴 인식의 성능(얼굴 인식 성공률) 또는 속도가 개선될 수 있다.According to an embodiment, during the face recognition operation, a frame in which a face region is not detected may be skipped, and face recognition may be performed only on a frame in which a face region is detected. Thereby, the performance (facial recognition success rate) or speed of low-light face recognition can be improved.
전자 장치(100)는 얼굴 인식을 위해 제4 프레임(540), 제5 프레임(550) 및 제6 프레임(560)을 합성하여 얼굴 영상을 추출하고, 상기 추출된 얼굴 영상에 대한 노이즈 제거를 수행할 수 있다. 예를 들어, 시간적 노이즈 제거 기법에 의해 제4 프레임(540), 제5 프레임(550) 및 제6 프레임(560)이 합성(또는 누적)되고, 상기 합성 영상으로부터 얼굴 영상이 추출되고, 상기 추출된 얼굴 영상에 대한 노이즈가 제거되어 노이즈 제거된 얼굴 영상이 출력될 수 있다. 전자 장치(100)는 상기 노이즈 제거된 얼굴 영상을 이용해 얼굴 인식(예: 인증)을 수행할 수 있다.The
제6 프레임(560)의 경우 제4 프레임(540)에 비해 노이즈 레벨이 상대적으로 낮을 수 있다. 예를 들어, 제4 프레임(540)에서 사용자의 얼굴이 붉고 노이즈가 보이는데 반해 제6 프레임(560)에서 홍조나 노이즈가 상대적으로 덜해 제6 프레임(560)을 활용할 경우 빠르고 정확한 얼굴 인식이 수행될 수 있다.In the case of the
도 5의 예시에서, 전자 장치(100)는 3장의 프레임(예: 제4 프레임(540), 제5 프레임(550) 및 제6 프레임(560))을 사용함으로써 1장의 프레임(예: 제4 프레임(540))을 단독으로 사용하거나 2장의 프레임(예: 제4 프레임(540)과 제5 프레임(550))을 사용하는 경우에 비해 효율적인 얼굴 인식을 수행할 수 있다.In the example of FIG. 5 , the
전자 장치(100)는 얼굴 영역이 검출되지 않는 프레임을 스킵함으로써 얼굴 인식에 최적화된 프레임 셋을 빨리 추출해서 불필요한 프레임들로 인해 얼굴 인식에 소요되는 시간이 낭비되는 것을 막고 외부 조도에 따라 최적화된 프레임 셋을 획득하여 얼굴 인식을 수행할 수 있다.The
타겟 프레임 수가 3인 경우 제4 프레임(540)이 프레임 셋 내의 제1 프레임(n=1)이고, 제5 프레임(550)이 프레임 셋 내의 제2 프레임(n=2)이고, 제6 프레임(560)이 프레임 셋 내의 제3 프레임(n=3)일 수 있다.When the target frame number is 3, the
제4 프레임(540), 제5 프레임(550)이 단독으로 얼굴 인식에 사용되지 않고, 얼굴 영역이 검출된 프레임들의 수가 타겟 프레임 수에 도달했을 때 해당 프레임들의 합성 영상(또는 합성 프레임)이 얼굴 인식을 위해 사용될 수 있다.When the
예를 들어, 전자 장치(100)는 얼굴 인식 모델을 이용해 얼굴 인식 동작을 수행할 수 있다. 상기 얼굴 인식 모델은 규칙 모델 또는 인공 지능 알고리즘을 이용해 학습된 학습 모델을 포함할 수 있다. 예를 들어, 일정 규격(예: 지정된 기준 규격 이상의 해상도나 화질, 또는 밝기)을 갖는 하나 이상의 프레임 또는 영상을 얼굴 인식 모델에 적용함으로써 얼굴 인식(예: 인증)이 수행될 수 있다.For example, the
전자 장치(100)는 모든 입력 프레임들에 대해 얼굴 인식 모델을 적용할 필요 없이 타겟 프레임 수를 이용해 얼굴 인식 모델이 인식할 수 있는 수준의 합성 영상(또는 합성 프레임)을 먼저 생성할 수 있다. 전자 장치(100)는 타겟 프레임 수를 결정하고 타겟 프레임 수만큼의 프레임들을 합성하여 합성된 프레임(또는 영상)을 이용해 얼굴 인식 모델을 구동함으로써 얼굴 인식의 성능이나 속도를 개선할 수 있다.The
다양한 실시예들에 따르면, 저조도 얼굴 영상에서의 노이즈 제거 기법(예: 시간적 노이즈 제거 기법)을 적용함으로써 도시된 바와 같이 저조도 노이즈를 효과적으로 제거할 수 있다. 얼굴 영역이 검출되지 않는 프레임(예: 제1 프레임(510), 제2 프레임(520) 및 제3 프레임(530))은 얼굴 인식에 사용되지 않아 얼굴 인식에 소요되는 시간이 감소될 수 있다. 얼굴 영역이 검출된 하나 이상의 프레임에 노이즈 제거 기법을 적용하여 노이즈가 제거된 프레임(또는 영상)을 기반으로 얼굴 인식이 수행될 수 있다.According to various embodiments, as shown in the figure, low-illuminance noise may be effectively removed by applying a noise removing technique (eg, a temporal noise removing technique) in the low-illuminance face image. Frames in which no face region is detected (eg, the
도 6은 일 실시예에 따른 전자 장치의 한 사용 예를 보인 화면 예시이다.6 is a screen example illustrating an example of using an electronic device according to an embodiment.
예를 들어, 전자 장치(100)에서 화면이 표시되는 중에 특정 기능(예: 잠금 해제, 로그인, 보안, 접속)의 사용을 위해 사용자의 얼굴 인증이 필요할 수 있다. 예를 들어, 상기 화면은 홈 화면, 잠금 화면, 로그인 화면, 또는 어플리케이션(예: 인증 어플리케이션, 보안 어플리케이션, 촬영 어플리케이션, 카메라 어플리케이션)의 실행 화면일 수 있다.For example, face authentication of the user may be required to use a specific function (eg, unlock, log in, security, access) while a screen is displayed on the
제1 화면(610)은 인증 실패 화면일 수 있다. 도면부호 611은 얼굴 촬영 영역일 수 있다. 예를 들어, 사용자는 전자 장치(100)의 카메라 모듈(140)이 활성화된 상태에서 얼굴 촬영 영역(611) 안에 얼굴이 들어가도록 머리 위치를 맞출 수 있다. 도면부호 615는 인증 실패 및 재 검색 상태임을 알리는 메시지 창일 수 있다. The
저조도 상태에서 외부 조도와 무관하게 얼굴 인식 절차(예: 도 4의 461 및 470)를 수행해 인증이 실패할 경우 제1 화면(610)이 표시될 수 있다. 이 경우 얼굴 영역이 미검출되는 프레임들에 대해서 불필요하게 얼굴 인증이 시도되거나 인증 실패가 반복될 수 있다.When authentication fails by performing a face recognition procedure (eg, 461 and 470 of FIG. 4 ) regardless of external illumination in a low light state, the
인증 실패 시 전자 장치(100)는 외부 조도를 감지하여 저조도 상태인지 여부를 판단할 수 있다. 저조도 상태인 경우 저조도 모드에 따른 얼굴 인식 절차(예: 도 4의 440 내지 459, 470)가 수행될 수 있다.When authentication fails, the
일 예로, 전자 장치(100)는 외부 조도에 기반하여 타겟 프레임 수를 결정할 수 있다. 다른 예로, 전자 장치(100)는 외부 조도 및 프레임의 밝기 정보에 기반하여 타겟 프레임 수를 결정할 수 있다.As an example, the
전자 장치(100)는 상기 타겟 프레임 수에 따른 프레임 셋을 획득할 수 있다. 카메라 모듈(140)을 통해 획득된 입력 프레임들 중 얼굴 영역이 미검출된 프레임은 스킵되고, 얼굴 영역이 검출된 프레임만 프레임 셋에 포함될 수 있다. 프레임 셋은 상기 타겟 프레임 수만큼 얼굴 영역이 검출된 프레임들을 획득할 수 있다. 전자 장치(100)는 상기 프레임 셋을 이용해 얼굴 인식을 수행할 수 있다.The
제2 화면(620)은 인증 성공 화면일 수 있다. 도면부호 625는 인증 성공을 알리는 메시지 창일 수 있다. The
예를 들어, 전자 장치(100)는 프레임(예: 제1 프레임) 내 얼굴 영역을 미리 저장된 얼굴 객체와 비교하여 사용자 인증을 수행할 수 있다. For example, the
저조도 상태에서 외부 조도에 기반하여 얼굴 인식 절차(예: 도 4의 도 4의 440 내지 459, 470)를 수행해 인증이 성공할 경우 제2 화면이 표시될 수 있다. 이 경우 불필요한 프레임들에 대한 얼굴 인식 시도나 노이즈 제거 없이 빠른 시간 내에 성공적인 얼굴 인증이 수행될 수 있다.When authentication is successful by performing a face recognition procedure (eg, 440 to 459 and 470 in FIG. 4 of FIG. 4 ) based on external illumination in a low light state, a second screen may be displayed. In this case, successful face authentication can be performed in a short time without face recognition attempts for unnecessary frames or noise removal.
도 7은 일 실시예에 따른 전자 장치의 다른 사용 예를 보인 화면 예시이다.7 is a screen example illustrating another use example of an electronic device according to an embodiment.
예를 들어, 전자 장치(100)에서 특정 어플리케이션(예: 촬영 어플리케이션, 카메라 어플리케이션, 편집 어플리케이션)의 실행 중에 얼굴 인식 기능이 사용될 수 있다.For example, a face recognition function may be used while a specific application (eg, a photographing application, a camera application, or an editing application) is executed in the
전자 장치(100)의 프로세서(110)는 디스플레이(130)를 통해 제1 화면(710) 및 제2 화면(720)을 표시할 수 있다. 제1 화면(710) 및 제2 화면(720)은 복수(예: 2명) 사용자들의 얼굴 인식을 위한 화면일 수 있다.The
제1 화면(710)은 튜닝 실패 화면일 수 있다. 도면부호 711은 제1 사용자의 얼굴 영역일 수 있다. 도면부호 713은 제2 사용자의 얼굴 영역일 수 있다.The
예를 들어, 프로세서(110)는 프레임 내 얼굴 영역을 추출한 후 상기 얼굴 영역에 사용자 선택에 따른 보정 항목(예: 증강 현실 데이터, 표정 데이터, 뷰티 데이터, 편집 데이터, 튜닝 데이터)을 적용하여 상기 프레임을 갱신할 수 있다. 도면부호 715는 튜닝 실패 및 재 검색 상태임을 알리는 메시지 창일 수 있다. For example, the
저조도 상태에서 외부 조도와 무관하게 얼굴 인식 절차(예: 도 4의 461 및 470)를 수행해 튜닝 실패가 발생할 경우 제1 화면(710)이 표시될 수 있다. 예를 들어, 두 사용자들 중 적어도 한 명의 얼굴이 원하는 수준의 기준 규격(예: 화질, 해상도, 또는 밝기)으로 튜닝되지 않을 수 있다. 이 경우 얼굴 영역이 미검출된 프레임들에 대해서 불필요하게 튜닝이 시도되거나 튜닝 실패가 반복될 수 있다.When a tuning failure occurs by performing a face recognition procedure (eg, 461 and 470 of FIG. 4 ) regardless of external illumination in a low light state, the
튜닝 실패 시 전자 장치(100)는 외부 조도를 감지하여 저조도 상태인지 여부를 판단할 수 있다. 저조도 상태인 경우 저조도 모드에 따른 얼굴 인식 절차(예: 도 4의 도 4의 440 내지 459, 470)가 수행될 수 있다.When tuning fails, the
일 예로, 전자 장치(100)는 외부 조도에 기반하여 타겟 프레임 수를 결정할 수 있다. 다른 예로, 전자 장치(100)는 외부 조도 및 프레임의 밝기 정보에 기반하여 타겟 프레임 수를 결정할 수 있다.As an example, the
전자 장치(100)는 상기 타겟 프레임 수에 따른 프레임 셋을 획득할 수 있다. 카메라 모듈(140)을 통해 획득된 입력 프레임들 중 얼굴 영역이 미검출된 프레임은 스킵되고, 얼굴 영역이 검출된 프레임만 프레임 셋에 포함될 수 있다. 프레임 셋은 상기 타겟 프레임 수만큼 얼굴 영역이 검출된 프레임들을 획득할 수 있다. 전자 장치(100)는 상기 프레임 셋을 이용해 얼굴 인식을 수행할 수 있다.The
제2 화면(720)은 튜닝 성공 화면일 수 있다. 도면부호 725는 튜닝 성공을 알리는 메시지 창일 수 있다. The
예를 들어, 전자 장치(100)는 프레임(예: 제1 프레임) 내 두 사용자의 얼굴 영역들(721, 723)이 기준 규격(예: 화질, 해상도 또는 밝기)을 만족하는 경우 튜닝이 성공적으로 수행될 수 있다. 예를 들어, 튜닝 성공 시 얼굴 영역들(721, 723)에 대한 이펙트(예: 화질 개선)가 적용되거나 얼굴 영역들(721, 723)에 대한 아이템 합성(예: 증강 현실 이모지)이 적용될 수 있다.For example, the
저조도 상태에서 외부 조도에 기반하여 얼굴 인식 절차(예: 도 4의 도 4의 440 내지 459, 470))를 수행해 튜닝이 성공할 경우 제2 화면(720)이 표시될 수 있다. 이 경우 불필요한 프레임들에 대한 튜닝 시도나 노이즈 제거 없이 빠른 시간 내에 성공적인 튜닝이 수행될 수 있다.When tuning is successful by performing a face recognition procedure (eg, 440 to 459 and 470 in FIG. 4 of FIG. 4 ) based on external illuminance in a low illuminance state, the
도 8은, 다양한 실시예들에 따른, 네트워크 환경(800) 내의 전자 장치(801)의 블록도이다. 도 8을 참조하면, 네트워크 환경(800)에서 전자 장치(801)는 제 1 네트워크(898)(예: 근거리 무선 통신 네트워크)를 통하여 전자 장치(802)와 통신하거나, 또는 제 2 네트워크(899)(예: 원거리 무선 통신 네트워크)를 통하여 전자 장치(804) 또는 서버(808) 중 적어도 하나와 통신할 수 있다. 일실시예에 따르면, 전자 장치(801)는 서버(808)를 통하여 전자 장치(804)와 통신할 수 있다. 일실시예에 따르면, 전자 장치(801)는 프로세서(820), 메모리(830), 입력 모듈(850), 음향 출력 모듈(855), 디스플레이 모듈(860), 오디오 모듈(870), 센서 모듈(876), 인터페이스(877), 연결 단자(878), 햅틱 모듈(879), 카메라 모듈(880), 전력 관리 모듈(888), 배터리(889), 통신 모듈(890), 가입자 식별 모듈(896), 또는 안테나 모듈(897)을 포함할 수 있다. 어떤 실시예에서는, 전자 장치(801)에는, 이 구성요소들 중 적어도 하나(예: 연결 단자(878))가 생략되거나, 하나 이상의 다른 구성요소가 추가될 수 있다. 어떤 실시예에서는, 이 구성요소들 중 일부들(예: 센서 모듈(876), 카메라 모듈(880), 또는 안테나 모듈(897))은 하나의 구성요소(예: 디스플레이 모듈(860))로 통합될 수 있다.8 is a block diagram of an electronic device 801 in a
프로세서(820)는, 예를 들면, 소프트웨어(예: 프로그램(840))를 실행하여 프로세서(820)에 연결된 전자 장치(801)의 적어도 하나의 다른 구성요소(예: 하드웨어 또는 소프트웨어 구성요소)를 제어할 수 있고, 다양한 데이터 처리 또는 연산을 수행할 수 있다. 일실시예에 따르면, 데이터 처리 또는 연산의 적어도 일부로서, 프로세서(820)는 다른 구성요소(예: 센서 모듈(876) 또는 통신 모듈(890))로부터 수신된 명령 또는 데이터를 휘발성 메모리(832)에 저장하고, 휘발성 메모리(832)에 저장된 명령 또는 데이터를 처리하고, 결과 데이터를 비휘발성 메모리(834)에 저장할 수 있다. 일실시예에 따르면, 프로세서(820)는 메인 프로세서(821)(예: 중앙 처리 장치 또는 어플리케이션 프로세서) 또는 이와는 독립적으로 또는 함께 운영 가능한 보조 프로세서(823)(예: 그래픽 처리 장치, 신경망 처리 장치(NPU: neural processing unit), 이미지 시그널 프로세서, 센서 허브 프로세서, 또는 커뮤니케이션 프로세서)를 포함할 수 있다. 예를 들어, 전자 장치(801)가 메인 프로세서(821) 및 보조 프로세서(823)를 포함하는 경우, 보조 프로세서(823)는 메인 프로세서(821)보다 저전력을 사용하거나, 지정된 기능에 특화되도록 설정될 수 있다. 보조 프로세서(823)는 메인 프로세서(821)와 별개로, 또는 그 일부로서 구현될 수 있다.The processor 820, for example, executes software (eg, a program 840) to execute at least one other component (eg, a hardware or software component) of the electronic device 801 connected to the processor 820 . It can control and perform various data processing or operations. According to one embodiment, as at least part of data processing or operation, the processor 820 converts commands or data received from other components (eg, the sensor module 876 or the communication module 890 ) to the volatile memory 832 . may store the command or data stored in the volatile memory 832 , and store the resulting data in the non-volatile memory 834 . According to an embodiment, the processor 820 is a main processor 821 (eg, a central processing unit or an application processor) or a secondary processor 823 (eg, a graphics processing unit, a neural network processing unit) that can be operated independently or together with the main processor 821 (eg, a central processing unit or an application processor) a neural processing unit (NPU), an image signal processor, a sensor hub processor, or a communication processor). For example, when the electronic device 801 includes a main processor 821 and a sub-processor 823 , the sub-processor 823 uses less power than the main processor 821 or is set to be specialized for a specified function. can The coprocessor 823 may be implemented separately from or as part of the main processor 821 .
보조 프로세서(823)는, 예를 들면, 메인 프로세서(821)가 인액티브(예: 슬립) 상태에 있는 동안 메인 프로세서(821)를 대신하여, 또는 메인 프로세서(821)가 액티브(예: 어플리케이션 실행) 상태에 있는 동안 메인 프로세서(821)와 함께, 전자 장치(801)의 구성요소들 중 적어도 하나의 구성요소(예: 디스플레이 모듈(860), 센서 모듈(876), 또는 통신 모듈(890))와 관련된 기능 또는 상태들의 적어도 일부를 제어할 수 있다. 일실시예에 따르면, 보조 프로세서(823)(예: 이미지 시그널 프로세서 또는 커뮤니케이션 프로세서)는 기능적으로 관련 있는 다른 구성요소(예: 카메라 모듈(880) 또는 통신 모듈(890))의 일부로서 구현될 수 있다. 일실시예에 따르면, 보조 프로세서(823)(예: 신경망 처리 장치)는 인공지능 모델의 처리에 특화된 하드웨어 구조를 포함할 수 있다. 인공지능 모델은 기계 학습을 통해 생성될 수 있다. 이러한 학습은, 예를 들어, 인공지능 모델이 수행되는 전자 장치(801) 자체에서 수행될 수 있고, 별도의 서버(예: 서버(808))를 통해 수행될 수도 있다. 학습 알고리즘은, 예를 들어, 지도형 학습(supervised learning), 비지도형 학습(unsupervised learning), 준지도형 학습(semi-supervised learning) 또는 강화 학습(reinforcement learning)을 포함할 수 있으나, 전술한 예에 한정되지 않는다. 인공지능 모델은, 복수의 인공 신경망 레이어들을 포함할 수 있다. 인공 신경망은 심층 신경망(DNN: deep neural network), CNN(convolutional neural network), RNN(recurrent neural network), RBM(restricted boltzmann machine), DBN(deep belief network), BRDNN(bidirectional recurrent deep neural network), 심층 Q-네트워크(deep Q-networks) 또는 상기 중 둘 이상의 조합 중 하나일 수 있으나, 전술한 예에 한정되지 않는다. 인공지능 모델은 하드웨어 구조 이외에, 추가적으로 또는 대체적으로, 소프트웨어 구조를 포함할 수 있다. The coprocessor 823 may, for example, act on behalf of the main processor 821 while the main processor 821 is in an inactive (eg, sleep) state, or when the main processor 821 is active (eg, executing an application). ), together with the main processor 821, at least one of the components of the electronic device 801 (eg, the display module 860, the sensor module 876, or the communication module 890) It is possible to control at least some of the related functions or states. According to one embodiment, the coprocessor 823 (eg, image signal processor or communication processor) may be implemented as part of another functionally related component (eg,
메모리(830)는, 전자 장치(801)의 적어도 하나의 구성요소(예: 프로세서(820) 또는 센서 모듈(876))에 의해 사용되는 다양한 데이터를 저장할 수 있다. 데이터는, 예를 들어, 소프트웨어(예: 프로그램(840)) 및, 이와 관련된 명령에 대한 입력 데이터 또는 출력 데이터를 포함할 수 있다. 메모리(830)는, 휘발성 메모리(832) 또는 비휘발성 메모리(834)를 포함할 수 있다. The memory 830 may store various data used by at least one component (eg, the processor 820 or the sensor module 876 ) of the electronic device 801 . The data may include, for example, input data or output data for software (eg, the program 840 ) and commands related thereto. The memory 830 may include a volatile memory 832 or a non-volatile memory 834 .
프로그램(840)은 메모리(830)에 소프트웨어로서 저장될 수 있으며, 예를 들면, 운영 체제(842), 미들 웨어(844) 또는 어플리케이션(846)을 포함할 수 있다. The program 840 may be stored as software in the memory 830 , and may include, for example, an operating system 842 , middleware 844 , or an application 846 .
입력 모듈(850)은, 전자 장치(801)의 구성요소(예: 프로세서(820))에 사용될 명령 또는 데이터를 전자 장치(801)의 외부(예: 사용자)로부터 수신할 수 있다. 입력 모듈(850)은, 예를 들면, 마이크, 마우스, 키보드, 키(예: 버튼), 또는 디지털 펜(예: 스타일러스 펜)을 포함할 수 있다. The
음향 출력 모듈(855)은 음향 신호를 전자 장치(801)의 외부로 출력할 수 있다. 음향 출력 모듈(855)은, 예를 들면, 스피커 또는 리시버를 포함할 수 있다. 스피커는 멀티미디어 재생 또는 녹음 재생과 같이 일반적인 용도로 사용될 수 있다. 리시버는 착신 전화를 수신하기 위해 사용될 수 있다. 일실시예에 따르면, 리시버는 스피커와 별개로, 또는 그 일부로서 구현될 수 있다.The
디스플레이 모듈(860)은 전자 장치(801)의 외부(예: 사용자)로 정보를 시각적으로 제공할 수 있다. 디스플레이 모듈(860)은, 예를 들면, 디스플레이, 홀로그램 장치, 또는 프로젝터 및 해당 장치를 제어하기 위한 제어 회로를 포함할 수 있다. 일실시예에 따르면, 디스플레이 모듈(860)은 터치를 감지하도록 설정된 터치 센서, 또는 상기 터치에 의해 발생되는 힘의 세기를 측정하도록 설정된 압력 센서를 포함할 수 있다. The display module 860 may visually provide information to the outside (eg, a user) of the electronic device 801 . The display module 860 may include, for example, a control circuit for controlling a display, a hologram device, or a projector and a corresponding device. According to an embodiment, the display module 860 may include a touch sensor configured to sense a touch or a pressure sensor configured to measure the intensity of a force generated by the touch.
오디오 모듈(870)은 소리를 전기 신호로 변환시키거나, 반대로 전기 신호를 소리로 변환시킬 수 있다. 일실시예에 따르면, 오디오 모듈(870)은, 입력 모듈(850)을 통해 소리를 획득하거나, 음향 출력 모듈(855), 또는 전자 장치(801)와 직접 또는 무선으로 연결된 외부 전자 장치(예: 전자 장치(802))(예: 스피커 또는 헤드폰)를 통해 소리를 출력할 수 있다.The audio module 870 may convert a sound into an electric signal or, conversely, convert an electric signal into a sound. According to an embodiment, the audio module 870 acquires a sound through the
센서 모듈(876)은 전자 장치(801)의 작동 상태(예: 전력 또는 온도), 또는 외부의 환경 상태(예: 사용자 상태)를 감지하고, 감지된 상태에 대응하는 전기 신호 또는 데이터 값을 생성할 수 있다. 일실시예에 따르면, 센서 모듈(876)은, 예를 들면, 제스처 센서, 자이로 센서, 기압 센서, 마그네틱 센서, 가속도 센서, 그립 센서, 근접 센서, 컬러 센서, IR(infrared) 센서, 생체 센서, 온도 센서, 습도 센서, 또는 조도 센서를 포함할 수 있다. The sensor module 876 detects an operating state (eg, power or temperature) of the electronic device 801 or an external environmental state (eg, a user state), and generates an electrical signal or data value corresponding to the sensed state. can do. According to one embodiment, the sensor module 876 may include, for example, a gesture sensor, a gyro sensor, a barometric pressure sensor, a magnetic sensor, an acceleration sensor, a grip sensor, a proximity sensor, a color sensor, an IR (infrared) sensor, a biometric sensor, It may include a temperature sensor, a humidity sensor, or an illuminance sensor.
인터페이스(877)는 전자 장치(801)가 외부 전자 장치(예: 전자 장치(802))와 직접 또는 무선으로 연결되기 위해 사용될 수 있는 하나 이상의 지정된 프로토콜들을 지원할 수 있다. 일실시예에 따르면, 인터페이스(877)는, 예를 들면, HDMI(high definition multimedia interface), USB(universal serial bus) 인터페이스, SD카드 인터페이스, 또는 오디오 인터페이스를 포함할 수 있다.The
연결 단자(878)는, 그를 통해서 전자 장치(801)가 외부 전자 장치(예: 전자 장치(802))와 물리적으로 연결될 수 있는 커넥터를 포함할 수 있다. 일실시예에 따르면, 연결 단자(878)는, 예를 들면, HDMI 커넥터, USB 커넥터, SD 카드 커넥터, 또는 오디오 커넥터(예: 헤드폰 커넥터)를 포함할 수 있다.The
햅틱 모듈(879)은 전기적 신호를 사용자가 촉각 또는 운동 감각을 통해서 인지할 수 있는 기계적인 자극(예: 진동 또는 움직임) 또는 전기적인 자극으로 변환할 수 있다. 일실시예에 따르면, 햅틱 모듈(879)은, 예를 들면, 모터, 압전 소자, 또는 전기 자극 장치를 포함할 수 있다.The haptic module 879 may convert an electrical signal into a mechanical stimulus (eg, vibration or movement) or an electrical stimulus that the user can perceive through tactile or kinesthetic sense. According to an embodiment, the haptic module 879 may include, for example, a motor, a piezoelectric element, or an electrical stimulation device.
카메라 모듈(880)은 정지 영상 및 동영상을 촬영할 수 있다. 일실시예에 따르면, 카메라 모듈(880)은 하나 이상의 렌즈들, 이미지 센서들, 이미지 시그널 프로세서들, 또는 플래시들을 포함할 수 있다.The
전력 관리 모듈(888)은 전자 장치(801)에 공급되는 전력을 관리할 수 있다. 일실시예에 따르면, 전력 관리 모듈(888)은, 예를 들면, PMIC(power management integrated circuit)의 적어도 일부로서 구현될 수 있다.The power management module 888 may manage power supplied to the electronic device 801 . According to an embodiment, the power management module 888 may be implemented as, for example, at least a part of a power management integrated circuit (PMIC).
배터리(889)는 전자 장치(801)의 적어도 하나의 구성요소에 전력을 공급할 수 있다. 일실시예에 따르면, 배터리(889)는, 예를 들면, 재충전 불가능한 1차 전지, 재충전 가능한 2차 전지 또는 연료 전지를 포함할 수 있다.The battery 889 may supply power to at least one component of the electronic device 801 . According to one embodiment, battery 889 may include, for example, a non-rechargeable primary cell, a rechargeable secondary cell, or a fuel cell.
통신 모듈(890)은 전자 장치(801)와 외부 전자 장치(예: 전자 장치(802), 전자 장치(804), 또는 서버(808)) 간의 직접(예: 유선) 통신 채널 또는 무선 통신 채널의 수립, 및 수립된 통신 채널을 통한 통신 수행을 지원할 수 있다. 통신 모듈(890)은 프로세서(820)(예: 어플리케이션 프로세서)와 독립적으로 운영되고, 직접(예: 유선) 통신 또는 무선 통신을 지원하는 하나 이상의 커뮤니케이션 프로세서를 포함할 수 있다. 일실시예에 따르면, 통신 모듈(890)은 무선 통신 모듈(892)(예: 셀룰러 통신 모듈, 근거리 무선 통신 모듈, 또는 GNSS(global navigation satellite system) 통신 모듈) 또는 유선 통신 모듈(894)(예: LAN(local area network) 통신 모듈, 또는 전력선 통신 모듈)을 포함할 수 있다. 이들 통신 모듈 중 해당하는 통신 모듈은 제 1 네트워크(898)(예: 블루투스, WiFi(wireless fidelity) direct 또는 IrDA(infrared data association)와 같은 근거리 통신 네트워크) 또는 제 2 네트워크(899)(예: 레거시 셀룰러 네트워크, 5G 네트워크, 차세대 통신 네트워크, 인터넷, 또는 컴퓨터 네트워크(예: LAN 또는 WAN)와 같은 원거리 통신 네트워크)를 통하여 외부의 전자 장치(804)와 통신할 수 있다. 이런 여러 종류의 통신 모듈들은 하나의 구성요소(예: 단일 칩)로 통합되거나, 또는 서로 별도의 복수의 구성요소들(예: 복수 칩들)로 구현될 수 있다. 무선 통신 모듈(892)은 가입자 식별 모듈(896)에 저장된 가입자 정보(예: 국제 모바일 가입자 식별자(IMSI))를 이용하여 제 1 네트워크(898) 또는 제 2 네트워크(899)와 같은 통신 네트워크 내에서 전자 장치(801)를 확인 또는 인증할 수 있다. The communication module 890 is a direct (eg, wired) communication channel or a wireless communication channel between the electronic device 801 and an external electronic device (eg, the
무선 통신 모듈(892)은 4G 네트워크 이후의 5G 네트워크 및 차세대 통신 기술, 예를 들어, NR 접속 기술(new radio access technology)을 지원할 수 있다. NR 접속 기술은 고용량 데이터의 고속 전송(eMBB(enhanced mobile broadband)), 단말 전력 최소화와 다수 단말의 접속(mMTC(massive machine type communications)), 또는 고신뢰도와 저지연(URLLC(ultra-reliable and low-latency communications))을 지원할 수 있다. 무선 통신 모듈(892)은, 예를 들어, 높은 데이터 전송률 달성을 위해, 고주파 대역(예: mmWave 대역)을 지원할 수 있다. 무선 통신 모듈(892)은 고주파 대역에서의 성능 확보를 위한 다양한 기술들, 예를 들어, 빔포밍(beamforming), 거대 배열 다중 입출력(massive MIMO(multiple-input and multiple-output)), 전차원 다중입출력(FD-MIMO: full dimensional MIMO), 어레이 안테나(array antenna), 아날로그 빔형성(analog beam-forming), 또는 대규모 안테나(large scale antenna)와 같은 기술들을 지원할 수 있다. 무선 통신 모듈(892)은 전자 장치(801), 외부 전자 장치(예: 전자 장치(804)) 또는 네트워크 시스템(예: 제 2 네트워크(899))에 규정되는 다양한 요구사항을 지원할 수 있다. 일실시예에 따르면, 무선 통신 모듈(892)은 eMBB 실현을 위한 Peak data rate(예: 20Gbps 이상), mMTC 실현을 위한 손실 Coverage(예: 164dB 이하), 또는 URLLC 실현을 위한 U-plane latency(예: 다운링크(DL) 및 업링크(UL) 각각 0.5ms 이하, 또는 라운드 트립 1ms 이하)를 지원할 수 있다.The wireless communication module 892 may support a 5G network after a 4G network and a next-generation communication technology, for example, a new radio access technology (NR). NR access technology includes high-speed transmission of high-capacity data (eMBB (enhanced mobile broadband)), minimization of terminal power and access to multiple terminals (mMTC (massive machine type communications)), or high reliability and low latency (URLLC (ultra-reliable and low-latency) -latency communications)). The wireless communication module 892 may support a high frequency band (eg, mmWave band) in order to achieve a high data rate, for example. The wireless communication module 892 uses various technologies for securing performance in a high-frequency band, for example, beamforming, massive multiple-input and multiple-output (MIMO), all-dimensional multiplexing. It may support technologies such as full dimensional MIMO (FD-MIMO), an array antenna, analog beam-forming, or a large scale antenna. The wireless communication module 892 may support various requirements specified in the electronic device 801 , an external electronic device (eg, the electronic device 804 ), or a network system (eg, the second network 899 ). According to an embodiment, the wireless communication module 892 may include a peak data rate (eg, 20 Gbps or more) for realization of eMBB, loss coverage for realization of mMTC (eg, 164 dB or less), or U-plane latency (for URLLC realization) ( Example: Downlink (DL) and uplink (UL) each 0.5 ms or less, or
안테나 모듈(897)은 신호 또는 전력을 외부(예: 외부의 전자 장치)로 송신하거나 외부로부터 수신할 수 있다. 일실시예에 따르면, 안테나 모듈(897)은 서브스트레이트(예: PCB) 위에 형성된 도전체 또는 도전성 패턴으로 이루어진 방사체를 포함하는 안테나를 포함할 수 있다. 일실시예에 따르면, 안테나 모듈(897)은 복수의 안테나들(예: 어레이 안테나)을 포함할 수 있다. 이런 경우, 제 1 네트워크(898) 또는 제 2 네트워크(899)와 같은 통신 네트워크에서 사용되는 통신 방식에 적합한 적어도 하나의 안테나가, 예를 들면, 통신 모듈(890)에 의하여 상기 복수의 안테나들로부터 선택될 수 있다. 신호 또는 전력은 상기 선택된 적어도 하나의 안테나를 통하여 통신 모듈(890)과 외부의 전자 장치 간에 송신되거나 수신될 수 있다. 어떤 실시예에 따르면, 방사체 이외에 다른 부품(예: RFIC(radio frequency integrated circuit))이 추가로 안테나 모듈(897)의 일부로 형성될 수 있다.
The
다양한 실시예에 따르면, 안테나 모듈(897)은 mmWave 안테나 모듈을 형성할 수 있다. 일실시예에 따르면, mmWave 안테나 모듈은 인쇄 회로 기판, 상기 인쇄 회로 기판의 제 1 면(예: 아래 면)에 또는 그에 인접하여 배치되고 지정된 고주파 대역(예: mmWave 대역)을 지원할 수 있는 RFIC, 및 상기 인쇄 회로 기판의 제 2 면(예: 윗 면 또는 측 면)에 또는 그에 인접하여 배치되고 상기 지정된 고주파 대역의 신호를 송신 또는 수신할 수 있는 복수의 안테나들(예: 어레이 안테나)을 포함할 수 있다.According to various embodiments, the
상기 구성요소들 중 적어도 일부는 주변 기기들간 통신 방식(예: 버스, GPIO(general purpose input and output), SPI(serial peripheral interface), 또는 MIPI(mobile industry processor interface))을 통해 서로 연결되고 신호(예: 명령 또는 데이터)를 상호간에 교환할 수 있다.At least some of the components are connected to each other through a communication method between peripheral devices (eg, a bus, general purpose input and output (GPIO), serial peripheral interface (SPI), or mobile industry processor interface (MIPI)) and a signal ( e.g. commands or data) can be exchanged with each other.
일실시예에 따르면, 명령 또는 데이터는 제 2 네트워크(899)에 연결된 서버(808)를 통해서 전자 장치(801)와 외부의 전자 장치(804)간에 송신 또는 수신될 수 있다. 외부의 전자 장치(802, 또는 804) 각각은 전자 장치(801)와 동일한 또는 다른 종류의 장치일 수 있다. 일실시예에 따르면, 전자 장치(801)에서 실행되는 동작들의 전부 또는 일부는 외부의 전자 장치들(802, 804, 또는 808) 중 하나 이상의 외부의 전자 장치들에서 실행될 수 있다. 예를 들면, 전자 장치(801)가 어떤 기능이나 서비스를 자동으로, 또는 사용자 또는 다른 장치로부터의 요청에 반응하여 수행해야 할 경우에, 전자 장치(801)는 기능 또는 서비스를 자체적으로 실행시키는 대신에 또는 추가적으로, 하나 이상의 외부의 전자 장치들에게 그 기능 또는 그 서비스의 적어도 일부를 수행하라고 요청할 수 있다. 상기 요청을 수신한 하나 이상의 외부의 전자 장치들은 요청된 기능 또는 서비스의 적어도 일부, 또는 상기 요청과 관련된 추가 기능 또는 서비스를 실행하고, 그 실행의 결과를 전자 장치(801)로 전달할 수 있다. 전자 장치(801)는 상기 결과를, 그대로 또는 추가적으로 처리하여, 상기 요청에 대한 응답의 적어도 일부로서 제공할 수 있다. 이를 위하여, 예를 들면, 클라우드 컴퓨팅, 분산 컴퓨팅, 모바일 에지 컴퓨팅(MEC: mobile edge computing), 또는 클라이언트-서버 컴퓨팅 기술이 이용될 수 있다. 전자 장치(801)는, 예를 들어, 분산 컴퓨팅 또는 모바일 에지 컴퓨팅을 이용하여 초저지연 서비스를 제공할 수 있다. 다른 실시예에 있어서, 외부의 전자 장치(804)는 IoT(internet of things) 기기를 포함할 수 있다. 서버(808)는 기계 학습 및/또는 신경망을 이용한 지능형 서버일 수 있다. 일실시예에 따르면, 외부의 전자 장치(804) 또는 서버(808)는 제 2 네트워크(899) 내에 포함될 수 있다. 전자 장치(801)는 5G 통신 기술 및 IoT 관련 기술을 기반으로 지능형 서비스(예: 스마트 홈, 스마트 시티, 스마트 카, 또는 헬스 케어)에 적용될 수 있다. According to an embodiment, the command or data may be transmitted or received between the electronic device 801 and the external
본 문서에 개시된 다양한 실시예들에 따른 전자 장치는 다양한 형태의 장치가 될 수 있다. 전자 장치는, 예를 들면, 휴대용 통신 장치(예: 스마트폰), 컴퓨터 장치, 휴대용 멀티미디어 장치, 휴대용 의료 기기, 카메라, 웨어러블 장치, 또는 가전 장치를 포함할 수 있다. 본 문서의 실시예에 따른 전자 장치는 전술한 기기들에 한정되지 않는다.The electronic device according to various embodiments disclosed in this document may have various types of devices. The electronic device may include, for example, a portable communication device (eg, a smart phone), a computer device, a portable multimedia device, a portable medical device, a camera, a wearable device, or a home appliance device. The electronic device according to the embodiment of the present document is not limited to the above-described devices.
본 문서의 다양한 실시예들 및 이에 사용된 용어들은 본 문서에 기재된 기술적 특징들을 특정한 실시예들로 한정하려는 것이 아니며, 해당 실시예의 다양한 변경, 균등물, 또는 대체물을 포함하는 것으로 이해되어야 한다. 도면의 설명과 관련하여, 유사한 또는 관련된 구성요소에 대해서는 유사한 참조 부호가 사용될 수 있다. 아이템에 대응하는 명사의 단수 형은 관련된 문맥상 명백하게 다르게 지시하지 않는 한, 상기 아이템 한 개 또는 복수 개를 포함할 수 있다. 본 문서에서, "A 또는 B", "A 및 B 중 적어도 하나", "A 또는 B 중 적어도 하나", "A, B 또는 C", "A, B 및 C 중 적어도 하나", 및 "A, B, 또는 C 중 적어도 하나"와 같은 문구들 각각은 그 문구들 중 해당하는 문구에 함께 나열된 항목들 중 어느 하나, 또는 그들의 모든 가능한 조합을 포함할 수 있다. "제 1", "제 2", 또는 "첫째" 또는 "둘째"와 같은 용어들은 단순히 해당 구성요소를 다른 해당 구성요소와 구분하기 위해 사용될 수 있으며, 해당 구성요소들을 다른 측면(예: 중요성 또는 순서)에서 한정하지 않는다. 어떤(예: 제 1) 구성요소가 다른(예: 제 2) 구성요소에, "기능적으로" 또는 "통신적으로"라는 용어와 함께 또는 이런 용어 없이, "커플드" 또는 "커넥티드"라고 언급된 경우, 그것은 상기 어떤 구성요소가 상기 다른 구성요소에 직접적으로(예: 유선으로), 무선으로, 또는 제 3 구성요소를 통하여 연결될 수 있다는 것을 의미한다.The various embodiments of this document and terms used therein are not intended to limit the technical features described in this document to specific embodiments, but it should be understood to include various modifications, equivalents, or substitutions of the embodiments. In connection with the description of the drawings, like reference numerals may be used for similar or related components. The singular form of the noun corresponding to the item may include one or more of the item, unless the relevant context clearly dictates otherwise. As used herein, "A or B", "at least one of A and B", "at least one of A or B", "A, B or C", "at least one of A, B and C", and "A , B, or C," each of which may include any one of the items listed together in the corresponding one of the phrases, or all possible combinations thereof. Terms such as "first", "second", or "first" or "second" may simply be used to distinguish an element from other elements in question, and may refer elements to other aspects (e.g., importance or order) is not limited. It is said that one (eg, first) component is “coupled” or “connected” to another (eg, second) component, with or without the terms “functionally” or “communicatively”. When referenced, it means that one component can be connected to the other component directly (eg by wire), wirelessly, or through a third component.
본 문서의 다양한 실시예들에서 사용된 용어 "모듈"은 하드웨어, 소프트웨어 또는 펌웨어로 구현된 유닛을 포함할 수 있으며, 예를 들면, 로직, 논리 블록, 부품, 또는 회로와 같은 용어와 상호 호환적으로 사용될 수 있다. 모듈은, 일체로 구성된 부품 또는 하나 또는 그 이상의 기능을 수행하는, 상기 부품의 최소 단위 또는 그 일부가 될 수 있다. 예를 들면, 일실시예에 따르면, 모듈은 ASIC(application-specific integrated circuit)의 형태로 구현될 수 있다. The term “module” used in various embodiments of this document may include a unit implemented in hardware, software, or firmware, and is interchangeable with terms such as, for example, logic, logic block, component, or circuit. can be used as A module may be an integrally formed part or a minimum unit or a part of the part that performs one or more functions. For example, according to an embodiment, the module may be implemented in the form of an application-specific integrated circuit (ASIC).
본 문서의 다양한 실시예들은 기기(machine)(예: 전자 장치(801)) 의해 읽을 수 있는 저장 매체(storage medium)(예: 내장 메모리(836) 또는 외장 메모리(838))에 저장된 하나 이상의 명령어들을 포함하는 소프트웨어(예: 프로그램(840))로서 구현될 수 있다. 예를 들면, 기기(예: 전자 장치(801))의 프로세서(예: 프로세서(820))는, 저장 매체로부터 저장된 하나 이상의 명령어들 중 적어도 하나의 명령을 호출하고, 그것을 실행할 수 있다. 이것은 기기가 상기 호출된 적어도 하나의 명령어에 따라 적어도 하나의 기능을 수행하도록 운영되는 것을 가능하게 한다. 상기 하나 이상의 명령어들은 컴파일러에 의해 생성된 코드 또는 인터프리터에 의해 실행될 수 있는 코드를 포함할 수 있다. 기기로 읽을 수 있는 저장 매체는, 비일시적(non-transitory) 저장 매체의 형태로 제공될 수 있다. 여기서, ‘비일시적’은 저장 매체가 실재(tangible)하는 장치이고, 신호(signal)(예: 전자기파)를 포함하지 않는다는 것을 의미할 뿐이며, 이 용어는 데이터가 저장 매체에 반영구적으로 저장되는 경우와 임시적으로 저장되는 경우를 구분하지 않는다.Various embodiments of the present document include one or more instructions stored in a storage medium (eg, internal memory 836 or external memory 838) readable by a machine (eg, electronic device 801). may be implemented as software (eg, the program 840) including For example, a processor (eg, processor 820 ) of a device (eg, electronic device 801 ) may call at least one of one or more instructions stored from a storage medium and execute it. This makes it possible for the device to be operated to perform at least one function according to the called at least one command. The one or more instructions may include code generated by a compiler or code executable by an interpreter. The device-readable storage medium may be provided in the form of a non-transitory storage medium. Here, 'non-transitory' only means that the storage medium is a tangible device and does not contain a signal (eg, electromagnetic wave), and this term is used in cases where data is semi-permanently stored in the storage medium and It does not distinguish between temporary storage cases.
일실시예에 따르면, 본 문서에 개시된 다양한 실시예들에 따른 방법은 컴퓨터 프로그램 제품(computer program product)에 포함되어 제공될 수 있다. 컴퓨터 프로그램 제품은 상품으로서 판매자 및 구매자 간에 거래될 수 있다. 컴퓨터 프로그램 제품은 기기로 읽을 수 있는 저장 매체(예: compact disc read only memory(CD-ROM))의 형태로 배포되거나, 또는 어플리케이션 스토어(예: 플레이 스토어TM)를 통해 또는 두 개의 사용자 장치들(예: 스마트 폰들) 간에 직접, 온라인으로 배포(예: 다운로드 또는 업로드)될 수 있다. 온라인 배포의 경우에, 컴퓨터 프로그램 제품의 적어도 일부는 제조사의 서버, 어플리케이션 스토어의 서버, 또는 중계 서버의 메모리와 같은 기기로 읽을 수 있는 저장 매체에 적어도 일시 저장되거나, 임시적으로 생성될 수 있다.According to one embodiment, the method according to various embodiments disclosed in this document may be provided in a computer program product (computer program product). Computer program products may be traded between sellers and buyers as commodities. The computer program product is distributed in the form of a machine-readable storage medium (eg compact disc read only memory (CD-ROM)), or via an application store (eg Play Store TM ) or on two user devices ( It can be distributed (eg downloaded or uploaded) directly, online between smartphones (eg: smartphones). In the case of online distribution, at least a portion of the computer program product may be temporarily stored or temporarily created in a machine-readable storage medium such as a memory of a server of a manufacturer, a server of an application store, or a relay server.
다양한 실시예들에 따르면, 상기 기술한 구성요소들의 각각의 구성요소(예: 모듈 또는 프로그램)는 단수 또는 복수의 개체를 포함할 수 있으며, 복수의 개체 중 일부는 다른 구성요소에 분리 배치될 수도 있다. 다양한 실시예들에 따르면, 전술한 해당 구성요소들 중 하나 이상의 구성요소들 또는 동작들이 생략되거나, 또는 하나 이상의 다른 구성요소들 또는 동작들이 추가될 수 있다. 대체적으로 또는 추가적으로, 복수의 구성요소들(예: 모듈 또는 프로그램)은 하나의 구성요소로 통합될 수 있다. 이런 경우, 통합된 구성요소는 상기 복수의 구성요소들 각각의 구성요소의 하나 이상의 기능들을 상기 통합 이전에 상기 복수의 구성요소들 중 해당 구성요소에 의해 수행되는 것과 동일 또는 유사하게 수행할 수 있다. 다양한 실시예들에 따르면, 모듈, 프로그램 또는 다른 구성요소에 의해 수행되는 동작들은 순차적으로, 병렬적으로, 반복적으로, 또는 휴리스틱하게 실행되거나, 상기 동작들 중 하나 이상이 다른 순서로 실행되거나, 생략되거나, 또는 하나 이상의 다른 동작들이 추가될 수 있다.According to various embodiments, each component (eg, a module or a program) of the above-described components may include a singular or a plurality of entities, and some of the plurality of entities may be separately disposed in other components. have. According to various embodiments, one or more components or operations among the above-described corresponding components may be omitted, or one or more other components or operations may be added. Alternatively or additionally, a plurality of components (eg, a module or a program) may be integrated into one component. In this case, the integrated component may perform one or more functions of each component of the plurality of components identically or similarly to those performed by the corresponding component among the plurality of components prior to the integration. . According to various embodiments, operations performed by a module, program, or other component are executed sequentially, in parallel, repeatedly, or heuristically, or one or more of the operations are executed in a different order, or omitted. , or one or more other operations may be added.
도 9는, 다양한 실시예들에 따른, 카메라 모듈(880)을 예시하는 블럭도(900)이다. 도 9를 참조하면, 카메라 모듈(880)은 렌즈 어셈블리(910), 플래쉬(920), 이미지 센서(930), 이미지 스태빌라이저(940), 메모리(950)(예: 버퍼 메모리), 또는 이미지 시그널 프로세서(960)를 포함할 수 있다. 렌즈 어셈블리(910)는 이미지 촬영의 대상인 피사체로부터 방출되는 빛을 수집할 수 있다. 렌즈 어셈블리(910)는 하나 또는 그 이상의 렌즈들을 포함할 수 있다. 일실시예에 따르면, 카메라 모듈(880)은 복수의 렌즈 어셈블리(910)들을 포함할 수 있다. 이런 경우, 카메라 모듈(880)은, 예를 들면, 듀얼 카메라, 360도 카메라, 또는 구형 카메라(spherical camera)를 형성할 수 있다. 복수의 렌즈 어셈블리(910)들 중 일부는 동일한 렌즈 속성(예: 화각, 초점 거리, 자동 초점, f 넘버(f number), 또는 광학 줌)을 갖거나, 또는 적어도 하나의 렌즈 어셈블리는 다른 렌즈 어셈블리의 렌즈 속성들과 다른 하나 이상의 렌즈 속성들을 가질 수 있다. 렌즈 어셈블리(910)는, 예를 들면, 광각 렌즈 또는 망원 렌즈를 포함할 수 있다. 9 is a block diagram 900 illustrating a
플래쉬(920)는 피사체로부터 방출 또는 반사되는 빛을 강화하기 위하여 사용되는 빛을 방출할 수 있다. 일실시예에 따르면, 플래쉬(920)는 하나 이상의 발광 다이오드들(예: RGB(red-green-blue) LED, white LED, infrared LED, 또는 ultraviolet LED), 또는 xenon lamp를 포함할 수 있다. 이미지 센서(930)는 피사체로부터 방출 또는 반사되어 렌즈 어셈블리(910)를 통해 전달된 빛을 전기적인 신호로 변환함으로써, 상기 피사체에 대응하는 이미지를 획득할 수 있다. 일실시예에 따르면, 이미지 센서(930)는, 예를 들면, RGB 센서, BW(black and white) 센서, IR 센서, 또는 UV 센서와 같이 속성이 다른 이미지 센서들 중 선택된 하나의 이미지 센서, 동일한 속성을 갖는 복수의 이미지 센서들, 또는 다른 속성을 갖는 복수의 이미지 센서들을 포함할 수 있다. 이미지 센서(930)에 포함된 각각의 이미지 센서는, 예를 들면, CCD(charged coupled device) 센서 또는 CMOS(complementary metal oxide semiconductor) 센서를 이용하여 구현될 수 있다.The flash 920 may emit light used to enhance light emitted or reflected from the subject. According to an embodiment, the flash 920 may include one or more light emitting diodes (eg, a red-green-blue (RGB) LED, a white LED, an infrared LED, or an ultraviolet LED), or a xenon lamp. The image sensor 930 may acquire an image corresponding to the subject by converting light emitted or reflected from the subject and transmitted through the
이미지 스태빌라이저(940)는 카메라 모듈(880) 또는 이를 포함하는 전자 장치(801)의 움직임에 반응하여, 렌즈 어셈블리(910)에 포함된 적어도 하나의 렌즈 또는 이미지 센서(930)를 특정한 방향으로 움직이거나 이미지 센서(930)의 동작 특성을 제어(예: 리드 아웃(read-out) 타이밍을 조정 등)할 수 있다. 이는 촬영되는 이미지에 대한 상기 움직임에 의한 부정적인 영향의 적어도 일부를 보상하게 해 준다. 일실시예에 따르면, 이미지 스태빌라이저(940)는, 일실시예에 따르면, 이미지 스태빌라이저(940)은 카메라 모듈(880)의 내부 또는 외부에 배치된 자이로 센서(미도시) 또는 가속도 센서(미도시)를 이용하여 카메라 모듈(880) 또는 전자 장치(801)의 그런 움직임을 감지할 수 있다. 일실시예에 따르면, 이미지 스태빌라이저(940)는, 예를 들면, 광학식 이미지 스태빌라이저로 구현될 수 있다. 메모리(950)는 이미지 센서(930)을 통하여 획득된 이미지의 적어도 일부를 다음 이미지 처리 작업을 위하여 적어도 일시 저장할 수 있다. 예를 들어, 셔터에 따른 이미지 획득이 지연되거나, 또는 복수의 이미지들이 고속으로 획득되는 경우, 획득된 원본 이미지(예: Bayer-patterned 이미지 또는 높은 해상도의 이미지)는 메모리(950)에 저장이 되고, 그에 대응하는 사본 이미지(예: 낮은 해상도의 이미지)는 디스플레이 모듈(860)을 통하여 프리뷰될 수 있다. 이후, 지정된 조건이 만족되면(예: 사용자 입력 또는 시스템 명령) 메모리(950)에 저장되었던 원본 이미지의 적어도 일부가, 예를 들면, 이미지 시그널 프로세서(960)에 의해 획득되어 처리될 수 있다. 일실시예에 따르면, 메모리(950)는 메모리(830)의 적어도 일부로, 또는 이와는 독립적으로 운영되는 별도의 메모리로 구성될 수 있다.The image stabilizer 940 moves at least one lens or the image sensor 930 included in the
이미지 시그널 프로세서(960)는 이미지 센서(930)을 통하여 획득된 이미지 또는 메모리(950)에 저장된 이미지에 대하여 하나 이상의 이미지 처리들을 수행할 수 있다. 상기 하나 이상의 이미지 처리들은, 예를 들면, 깊이 지도(depth map) 생성, 3차원 모델링, 파노라마 생성, 특징점 추출, 이미지 합성, 또는 이미지 보상(예: 노이즈 감소, 해상도 조정, 밝기 조정, 블러링(blurring), 샤프닝(sharpening), 또는 소프트닝(softening)을 포함할 수 있다. 추가적으로 또는 대체적으로, 이미지 시그널 프로세서(960)는 카메라 모듈(880)에 포함된 구성 요소들 중 적어도 하나(예: 이미지 센서(930))에 대한 제어(예: 노출 시간 제어, 또는 리드 아웃 타이밍 제어 등)를 수행할 수 있다. 이미지 시그널 프로세서(960)에 의해 처리된 이미지는 추가 처리를 위하여 메모리(950)에 다시 저장되거나 카메라 모듈(880)의 외부 구성 요소(예: 메모리(830), 디스플레이 모듈(860), 전자 장치(802), 전자 장치(804), 또는 서버(808))로 제공될 수 있다. 일실시예에 따르면, 이미지 시그널 프로세서(960)는 프로세서(820)의 적어도 일부로 구성되거나, 프로세서(820)와 독립적으로 운영되는 별도의 프로세서로 구성될 수 있다. 이미지 시그널 프로세서(960)이 프로세서(820)과 별도의 프로세서로 구성된 경우, 이미지 시그널 프로세서(960)에 의해 처리된 적어도 하나의 이미지는 프로세서(820)에 의하여 그대로 또는 추가의 이미지 처리를 거친 후 디스플레이 모듈(860)를 통해 표시될 수 있다.The image signal processor 960 may perform one or more image processing on an image acquired through the image sensor 930 or an image stored in the memory 950 . The one or more image processes may include, for example, depth map generation, three-dimensional modeling, panorama generation, feature point extraction, image synthesis, or image compensation (eg, noise reduction, resolution adjustment, brightness adjustment, blurring ( blurring), sharpening (sharpening), or softening (softening) Additionally or alternatively, the image signal processor 960 includes at least one of the components included in the camera module 880 (eg, an image sensor). 930), for example, exposure time control, readout timing control, etc. The image processed by the image signal processor 960 is stored back in the memory 950 for further processing. or may be provided as an external component of the camera module 880 (eg, the memory 830, the display module 860, the
일실시예에 따르면, 전자 장치(801)는 각각 다른 속성 또는 기능을 가진 복수의 카메라 모듈(880)들을 포함할 수 있다. 이런 경우, 예를 들면, 상기 복수의 카메라 모듈(880)들 중 적어도 하나는 광각 카메라이고, 적어도 다른 하나는 망원 카메라일 수 있다. 유사하게, 상기 복수의 카메라 모듈(880)들 중 적어도 하나는 전면 카메라이고, 적어도 다른 하나는 후면 카메라일 수 있다.According to an embodiment, the electronic device 801 may include a plurality of
다양한 실시예들에 따른 전자 장치(예: 도 1의 전자 장치(100), 도 8의 전자 장치(801))는 적어도 하나의 센서(예: 도 1의 센서 모듈(150), 도 8의 센서 모듈(876)), 메모리(예: 도 1의 메모리(120), 도 8의 메모리(830)), 및 상기 적어도 하나의 센서 및 상기 메모리에 연결된 적어도 하나의 프로세서(예: 도 1의 프로세서(110), 도 8의 프로세서(820))를 포함할 수 있다. 상기 메모리는, 실행 시에, 상기 적어도 하나의 프로세서가, 상기 적어도 하나의 센서를 통해 외부 조도를 감지하고, 상기 외부 조도에 기반하여 타겟 프레임 수를 결정하고, 카메라를 통해 상기 타겟 프레임 수에 따른 프레임 셋을 획득하고, 상기 프레임 셋에 대한 노이즈 제거(noise reduction, NR)를 수행하고, 상기 노이즈 제거된 프레임 셋을 이용해 얼굴 인식을 수행하도록 하는 인스트럭션들을 저장할 수 있다.The electronic device (eg, the
다양한 실시예들에 따르면, 상기 프레임 셋 내 각 프레임은 상기 카메라를 통해 획득된 입력 프레임들 중 얼굴 영역이 포함된 프레임일 수 있다.According to various embodiments, each frame in the frame set may be a frame including a face region among input frames acquired through the camera.
다양한 실시예들에 따르면, 상기 프레임 셋에서 주변 영역을 제외한 얼굴 영역에 대해 노이즈 제거가 수행되고, 상기 노이즈 제거된 얼굴 영역을 이용해 얼굴 인식이 수행될 수 있다.According to various embodiments, noise removal may be performed on a face region excluding a peripheral region in the frame set, and face recognition may be performed using the noise-removed face region.
다양한 실시예들에 따르면, 상기 외부 조도 및 상기 프레임 셋 내 프레임의 밝기 정보에 기반하여 상기 타겟 프레임 수가 결정될 수 있다.According to various embodiments, the target frame number may be determined based on the external illuminance and brightness information of a frame in the frame set.
다양한 실시예들에 따르면, 상기 프레임의 밝기 정보는 상기 프레임 중 얼굴 영역의 밝기 정보, 상기 프레임의 전체 영역에 대한 밝기 정보, 및 상기 프레임 내 얼굴 영역과 주변 영역 간 밝기 차이를 나타내는 정보 중 적어도 하나를 포함할 수 있다.According to various embodiments, the brightness information of the frame may include at least one of brightness information of a face region of the frame, brightness information of an entire region of the frame, and information indicating a difference in brightness between a face region in the frame and a surrounding region. may include
다양한 실시예들에 따르면, 상기 외부 조도가 낮을수록 상기 타겟 프레임 수가 증가할 수 있다.According to various embodiments, as the external illuminance decreases, the number of target frames may increase.
다양한 실시예들에 따르면, 상기 외부 조도에 기반하여 저조도 상태인지 여부가 결정되고, 상기 저조도 상태인 경우 상기 외부 조도에 대응하여 상기 타겟 프레임 수가 결정될 수 있다.According to various embodiments, whether a low illuminance state is determined based on the external illuminance may be determined, and if the low illuminance state, the target frame number may be determined in response to the external illuminance.
다양한 실시예들에 따르면, 상기 카메라를 통해 획득된 입력 프레임에서 얼굴 영역이 검출되는 경우 상기 입력 프레임이 상기 프레임 셋 내에 포함되고, 상기 입력 프레임에서 얼굴 영역이 검출되지 않는 경우 상기 입력 프레임이 상기 프레임 셋에서 제외될 수 있다.According to various embodiments, when a face region is detected in the input frame acquired through the camera, the input frame is included in the frame set, and when the face region is not detected in the input frame, the input frame is included in the frame three may be excluded.
다양한 실시예들에 따르면, 정상 조도 상태인 경우 상기 카메라를 통해 획득된 입력 프레임을 이용해 얼굴 인식이 수행될 수 있다.According to various embodiments, face recognition may be performed using an input frame obtained through the camera in a normal illuminance state.
다양한 실시예들에 따르면, 시간적 노이즈 제거(noise reduction, NR) 기법에 의해 상기 노이즈 제거가 수행될 수 있다.According to various embodiments, the noise reduction may be performed by a temporal noise reduction (NR) technique.
다양한 실시예들에 따른 전자 장치의 얼굴 인식 방법은 외부 조도를 감지하는 동작, 상기 외부 조도에 기반하여 타겟 프레임 수를 결정하는 동작, 카메라를 통해 상기 타겟 프레임 수에 따른 프레임 셋을 획득하는 동작, 상기 프레임 셋에 대한 노이즈 제거(noise reduction, NR)를 수행하는 동작, 및 상기 노이즈 제거된 프레임 셋을 이용해 얼굴 인식을 수행하는 동작을 포함할 수 있다.A face recognition method of an electronic device according to various embodiments of the present disclosure includes an operation of detecting external illuminance, determining the number of target frames based on the external illuminance, acquiring a frame set according to the number of target frames through a camera; It may include an operation of performing noise reduction (NR) on the frame set, and an operation of performing face recognition using the noise reduction frame set.
다양한 실시예들에 따르면, 상기 프레임 셋 내 각 프레임은 상기 카메라를 통해 획득된 입력 프레임들 중 얼굴 영역이 포함된 프레임일 수 있다.According to various embodiments, each frame in the frame set may be a frame including a face region among input frames acquired through the camera.
다양한 실시예들에 따르면, 상기 프레임 셋에서 주변 영역을 제외한 얼굴 영역에 대해 노이즈 제거가 수행되고, 상기 노이즈 제거된 얼굴 영역을 이용해 얼굴 인식이 수행될 수 있다.According to various embodiments, noise removal may be performed on a face region excluding a peripheral region in the frame set, and face recognition may be performed using the noise-removed face region.
다양한 실시예들에 따르면, 상기 외부 조도 및 상기 프레임 셋 내 프레임의 밝기 정보에 기반하여 상기 타겟 프레임 수가 결정될 수 있다.According to various embodiments, the target frame number may be determined based on the external illuminance and brightness information of a frame in the frame set.
다양한 실시예들에 따르면, 상기 프레임의 밝기 정보는 상기 프레임 중 얼굴 영역의 밝기 정보, 상기 프레임의 전체 영역에 대한 밝기 정보, 및 상기 프레임 내 얼굴 영역과 주변 영역 간 밝기 차이를 나타내는 정보를 포함할 수 있다.According to various embodiments, the brightness information of the frame may include brightness information of a face region of the frame, brightness information of an entire region of the frame, and information indicating a difference in brightness between the face region and surrounding regions in the frame. can
다양한 실시예들에 따르면, 상기 외부 조도가 낮을수록 상기 타겟 프레임 수가 증가할 수 있다.According to various embodiments, as the external illuminance decreases, the number of target frames may increase.
다양한 실시예들에 따르면, 상기 외부 조도에 기반하여 저조도 상태인지 여부가 결정되고, 상기 저조도 상태인 경우 상기 외부 조도에 대응하여 상기 타겟 프레임 수가 결정될 수 있다.According to various embodiments, whether a low illuminance state is determined based on the external illuminance may be determined, and if the low illuminance state, the target frame number may be determined in response to the external illuminance.
다양한 실시예들에 따르면, 상기 프레임 셋을 획득하는 동작은, 상기 카메라를 통해 획득된 입력 프레임에서 얼굴 영역이 검출되는 경우 상기 입력 프레임을 상기 프레임 셋 내에 포함시키는 동작, 및 상기 입력 프레임에서 얼굴 영역이 검출되지 않는 경우 상기 입력 프레임을 상기 프레임 셋에서 제외시키는 동작 중 하나 이상을 포함할 수 있다.According to various embodiments, the acquiring of the frame set includes: when a face region is detected in the input frame acquired through the camera, including the input frame in the frame set; and the face region in the input frame. and excluding the input frame from the frame set when this is not detected.
다양한 실시예들에 따르면, 정상 조도 상태인 경우 상기 카메라를 통해 획득된 입력 프레임을 이용해 얼굴 인식될 수 있다.According to various embodiments, in a normal illuminance state, a face may be recognized using an input frame obtained through the camera.
다양한 실시예들에 따르면, 시간적 노이즈 제거(noise reduction, NR) 기법에 의해 상기 노이즈 제거가 수행될 수 있다.According to various embodiments, the noise reduction may be performed by a temporal noise reduction (NR) technique.
Claims (20)
적어도 하나의 센서;
메모리; 및
상기 적어도 하나의 센서 및 상기 메모리에 연결된 적어도 하나의 프로세서를 포함하고,
상기 메모리는, 실행 시에, 상기 적어도 하나의 프로세서가,
상기 적어도 하나의 센서를 통해 외부 조도를 감지하고,
상기 외부 조도에 기반하여 타겟 프레임 수를 결정하고,
카메라를 통해 상기 타겟 프레임 수에 따른 프레임 셋을 획득하고,
상기 프레임 셋에 대한 노이즈 제거(noise reduction, NR)를 수행하고,
상기 노이즈 제거된 프레임 셋을 이용해 얼굴 인식을 수행하도록 하는 인스트럭션들을 저장하는 전자 장치.In an electronic device,
at least one sensor;
Memory; and
at least one processor coupled to the at least one sensor and the memory;
The memory, when executed, the at least one processor,
Detecting external illuminance through the at least one sensor,
determining the number of target frames based on the external illuminance,
Acquire a frame set according to the target number of frames through a camera,
performing noise reduction (NR) on the frame set,
An electronic device for storing instructions for performing face recognition using the noise-removed frame set.
상기 프레임 셋 내 각 프레임은,
상기 카메라를 통해 획득된 입력 프레임들 중 얼굴 영역이 포함된 프레임인 전자 장치.According to claim 1,
Each frame in the frame set is
An electronic device that is a frame including a face region among the input frames acquired through the camera.
상기 프레임 셋에서 주변 영역을 제외한 얼굴 영역에 대해 노이즈 제거가 수행되고,
상기 노이즈 제거된 얼굴 영역을 이용해 얼굴 인식이 수행되는 전자 장치.According to claim 1,
Noise removal is performed on the face area excluding the surrounding area in the frame set,
An electronic device for performing face recognition using the noise-removed face region.
상기 외부 조도 및 상기 프레임 셋 내 프레임의 밝기 정보에 기반하여 상기 타겟 프레임 수가 결정되는 전자 장치.According to claim 1,
The electronic device for determining the number of target frames based on the external illuminance and brightness information of a frame in the frame set.
상기 프레임의 밝기 정보는,
상기 프레임 중 얼굴 영역의 밝기 정보;
상기 프레임의 전체 영역에 대한 밝기 정보; 및
상기 프레임 내 얼굴 영역과 주변 영역 간 밝기 차이를 나타내는 정보 중 적어도 하나를 포함하는 전자 장치.5. The method of claim 4,
The brightness information of the frame,
brightness information of a face region in the frame;
brightness information for the entire area of the frame; and
The electronic device comprising at least one of information indicating a difference in brightness between a face region and a surrounding region within the frame.
상기 외부 조도가 낮을수록 상기 타겟 프레임 수가 증가하는 전자 장치.According to claim 1,
The electronic device in which the number of the target frames increases as the external illuminance decreases.
상기 외부 조도에 기반하여 저조도 상태인지 여부가 결정되고,
상기 저조도 상태인 경우 상기 외부 조도에 대응하여 상기 타겟 프레임 수가 결정되는 전자 장치.According to claim 1,
It is determined whether the state is in a low-illuminance state based on the external illuminance,
In the case of the low illuminance state, the electronic device determines the number of target frames in response to the external illuminance.
상기 카메라를 통해 획득된 입력 프레임에서 얼굴 영역이 검출되는 경우 상기 입력 프레임이 상기 프레임 셋 내에 포함되고,
상기 입력 프레임에서 얼굴 영역이 검출되지 않는 경우 상기 입력 프레임이 상기 프레임 셋에서 제외되는 전자 장치.According to claim 1,
When a face region is detected in the input frame acquired through the camera, the input frame is included in the frame set;
When a face region is not detected in the input frame, the input frame is excluded from the frame set.
정상 조도 상태인 경우 상기 카메라를 통해 획득된 입력 프레임을 이용해 얼굴 인식이 수행되는 전자 장치.8. The method of claim 7,
An electronic device in which face recognition is performed using an input frame obtained through the camera in a normal illumination state.
시간적 노이즈 제거(noise reduction, NR) 기법에 의해 상기 노이즈 제거가 수행되는 전자 장치.According to claim 1,
An electronic device in which the noise reduction is performed by a temporal noise reduction (NR) technique.
외부 조도를 감지하는 동작;
상기 외부 조도에 기반하여 타겟 프레임 수를 결정하는 동작;
카메라를 통해 상기 타겟 프레임 수에 따른 프레임 셋을 획득하는 동작;
상기 프레임 셋에 대한 노이즈 제거(noise reduction, NR)를 수행하는 동작; 및
상기 노이즈 제거된 프레임 셋을 이용해 얼굴 인식을 수행하는 동작을 포함하는 방법.In the face recognition method of an electronic device,
Detecting external illuminance;
determining the number of target frames based on the external illuminance;
acquiring a frame set according to the target number of frames through a camera;
performing noise reduction (NR) on the frame set; and
and performing face recognition using the noise-removed frame set.
상기 프레임 셋 내 각 프레임은,
상기 카메라를 통해 획득된 입력 프레임들 중 얼굴 영역이 포함된 프레임인 방법.12. The method of claim 11,
Each frame in the frame set is
a frame including a face region among the input frames acquired through the camera.
상기 프레임 셋에서 주변 영역을 제외한 얼굴 영역에 대해 노이즈 제거가 수행되고,
상기 노이즈 제거된 얼굴 영역을 이용해 얼굴 인식이 수행되는 방법.12. The method of claim 11,
Noise removal is performed on the face area excluding the surrounding area in the frame set,
A method of performing face recognition using the noise-removed face region.
상기 외부 조도 및 상기 프레임 셋 내 프레임의 밝기 정보에 기반하여 상기 타겟 프레임 수가 결정되는 방법.12. The method of claim 11,
The target number of frames is determined based on the external illuminance and brightness information of a frame in the frame set.
상기 프레임의 밝기 정보는,
상기 프레임 중 얼굴 영역의 밝기 정보;
상기 프레임의 전체 영역에 대한 밝기 정보; 및
상기 프레임 내 얼굴 영역과 주변 영역 간 밝기 차이를 나타내는 정보를 포함하는 방법.15. The method of claim 14,
The brightness information of the frame,
brightness information of a face region in the frame;
brightness information for the entire area of the frame; and
and information indicating a difference in brightness between a face region and a surrounding region within the frame.
상기 외부 조도가 낮을수록 상기 타겟 프레임 수가 증가하는 방법.12. The method of claim 11,
and the number of the target frames increases as the external illuminance decreases.
상기 외부 조도에 기반하여 저조도 상태인지 여부가 결정되고,
상기 저조도 상태인 경우 상기 외부 조도에 대응하여 상기 타겟 프레임 수가 결정되는 방법.12. The method of claim 11,
It is determined whether the state is in a low-illuminance state based on the external illuminance,
In the case of the low illuminance state, the number of the target frames is determined in response to the external illuminance.
상기 프레임 셋을 획득하는 동작은,
상기 카메라를 통해 획득된 입력 프레임에서 얼굴 영역이 검출되는 경우 상기 입력 프레임을 상기 프레임 셋 내에 포함시키는 동작; 및
상기 입력 프레임에서 얼굴 영역이 검출되지 않는 경우 상기 입력 프레임을 상기 프레임 셋에서 제외시키는 동작 중 하나 이상을 포함하는 방법.12. The method of claim 11,
The operation of obtaining the frame set includes:
when a face region is detected in the input frame acquired through the camera, including the input frame in the frame set; and
and excluding the input frame from the frame set when a face region is not detected in the input frame.
정상 조도 상태인 경우 상기 카메라를 통해 획득된 입력 프레임을 이용해 얼굴 인식이 수행되는 방법.18. The method of claim 17,
A method in which face recognition is performed using an input frame obtained through the camera in the case of a normal illumination state.
시간적 노이즈 제거(noise reduction, NR) 기법에 의해 상기 노이즈 제거가 수행되는 방법.12. The method of claim 11,
A method in which the noise reduction is performed by a temporal noise reduction (NR) technique.
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020210030956A KR20220126546A (en) | 2021-03-09 | 2021-03-09 | Electronic device and face recognition method thereof |
PCT/KR2022/002964 WO2022191495A1 (en) | 2021-03-09 | 2022-03-03 | Electronic device and facial recognition method thereof |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020210030956A KR20220126546A (en) | 2021-03-09 | 2021-03-09 | Electronic device and face recognition method thereof |
Publications (1)
Publication Number | Publication Date |
---|---|
KR20220126546A true KR20220126546A (en) | 2022-09-16 |
Family
ID=83226930
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020210030956A KR20220126546A (en) | 2021-03-09 | 2021-03-09 | Electronic device and face recognition method thereof |
Country Status (2)
Country | Link |
---|---|
KR (1) | KR20220126546A (en) |
WO (1) | WO2022191495A1 (en) |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR100983346B1 (en) * | 2009-08-11 | 2010-09-20 | (주) 픽셀플러스 | System and method for recognition faces using a infra red light |
KR101443031B1 (en) * | 2013-04-04 | 2014-09-23 | 주식회사 슈프리마 | Method for providing face recognition service |
KR20160119932A (en) * | 2015-04-06 | 2016-10-17 | 한국과학기술원 | Method and apparatus for face recognition based quality assessment |
KR102466998B1 (en) * | 2018-02-09 | 2022-11-14 | 삼성전자주식회사 | Method and apparatus for image fusion |
KR102127932B1 (en) * | 2018-07-20 | 2020-06-29 | 엘지전자 주식회사 | Electronic device and method for controlling the same |
-
2021
- 2021-03-09 KR KR1020210030956A patent/KR20220126546A/en unknown
-
2022
- 2022-03-03 WO PCT/KR2022/002964 patent/WO2022191495A1/en active Application Filing
Also Published As
Publication number | Publication date |
---|---|
WO2022191495A1 (en) | 2022-09-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20230188831A1 (en) | Electronic device and method for generating image by applying effect to subject and background | |
US11948280B2 (en) | System and method for multi-frame contextual attention for multi-frame image and video processing using deep neural networks | |
EP4187896A1 (en) | Electronic device and method for controlling preview image | |
US20230209193A1 (en) | Image stabilization method and electronic device therefor | |
KR20210138483A (en) | Method or electronic device providing image shooting guide | |
US20230262318A1 (en) | Method for taking photograph by using plurality of cameras, and device therefor | |
EP3850826B1 (en) | Electronic device for controlling frame rate of image sensor and method thereof | |
US20230113499A1 (en) | Electronic device including a plurality of cameras and operating method thereof | |
KR20220126546A (en) | Electronic device and face recognition method thereof | |
KR20220151932A (en) | Electronic device and operation method thereof | |
US20240086512A1 (en) | Electronic device including image sensor and dynamic vison sensor, and operation method thereof | |
US20230396889A1 (en) | Image capturing method for electronic device, and electronic device therefor | |
US11962911B2 (en) | Electronic device for performing image processing and operation method thereof to reduce artifacts in an image captured by a camera through a display | |
US20240098347A1 (en) | Electronic device comprising image sensor and dynamic vision sensor, and operating method therefor | |
US20240004980A1 (en) | Method, device, and storage medium for user authentication | |
US20230007160A1 (en) | Photographing method of electronic apparatus and electronic apparatus thereof | |
US20230412920A1 (en) | Method for executing application, and electronic device supporting same | |
US20220358776A1 (en) | Electronic device and operating method thereof | |
US20240078685A1 (en) | Method for generating file including image data and motion data, and electronic device therefor | |
US20230396885A1 (en) | Electronic device including camera module and electronic device operating method | |
US20230388657A1 (en) | Image capturing method for electronic device, and electronic device therefor | |
US20230091780A1 (en) | Electronic device and method for generating an image | |
US20220417446A1 (en) | Electronic device for editing video using objects of interest and operating method thereof | |
US20230214632A1 (en) | Method for processing image through neural network and electronic device thereof | |
EP4228246A1 (en) | Electronic device capable of auto-focusing and method for operating same |