KR20230018305A - Liveness test and speaker recognition device and method - Google Patents

Liveness test and speaker recognition device and method Download PDF

Info

Publication number
KR20230018305A
KR20230018305A KR1020220037620A KR20220037620A KR20230018305A KR 20230018305 A KR20230018305 A KR 20230018305A KR 1020220037620 A KR1020220037620 A KR 1020220037620A KR 20220037620 A KR20220037620 A KR 20220037620A KR 20230018305 A KR20230018305 A KR 20230018305A
Authority
KR
South Korea
Prior art keywords
user
face
voice
electronic device
movement
Prior art date
Application number
KR1020220037620A
Other languages
Korean (ko)
Inventor
김태윤
박종준
오현미
최유진
Original Assignee
주식회사 고스트패스
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 주식회사 고스트패스 filed Critical 주식회사 고스트패스
Publication of KR20230018305A publication Critical patent/KR20230018305A/en

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/30—Authentication, i.e. establishing the identity or authorisation of security principals
    • G06F21/31—User authentication
    • G06F21/32—User authentication using biometric data, e.g. fingerprints, iris scans or voiceprints
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/30—Authentication, i.e. establishing the identity or authorisation of security principals
    • G06F21/45—Structures or tools for the administration of authentication
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • 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
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/24—Speech recognition using non-acoustical features
    • G10L15/25—Speech recognition using non-acoustical features using position of the lips, movement of the lips or face analysis
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
    • G10L17/00—Speaker identification or verification
    • G10L17/02—Preprocessing operations, e.g. segment selection; Pattern representation or modelling, e.g. based on linear discriminant analysis [LDA] or principal components; Feature selection or extraction
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
    • G10L17/00—Speaker identification or verification
    • G10L17/18—Artificial neural networks; Connectionist approaches

Abstract

An electronic device according to one embodiment of the present disclosure may obtain facial motion of a user using a camera to perform a liveness test while the user utters a first sentence, obtain the uttered voice of the user using a microphone to compare the uttered voice with a reference voice to check whether the speaker matches, and double-authenticate the user.

Description

라이브니스 검사 및 화자 인식 장치 및 방법{LIVENESS TEST AND SPEAKER RECOGNITION DEVICE AND METHOD}Apparatus and method for liveness test and speaker recognition {LIVENESS TEST AND SPEAKER RECOGNITION DEVICE AND METHOD}

라이브니스 검사를 수행하고, 화자를 인식하는 전자 장치 및 그 동작 방법에 연관되며, 보다 구체적으로는 모션 감지에 따라 라이브니스 검사를 수행하고, 음성 인식을 통해 화자를 인식하는 전자 장치에 연관된다.It relates to an electronic device that performs a liveness test and recognizes a speaker and an operating method thereof, and more specifically, to an electronic device that performs a liveness test based on motion detection and recognizes a speaker through voice recognition.

생체 정보를 기반으로 한 본인 인증에 있어서, 스푸핑(spoofing)과 같이 악의적인 목적을 가지고 타인의 신분을 위장하는 것을 방지할 수 있는 수단이 요구된다. 라이브니스 검사는 검사 대상(test subject)인 객체가 살아있는 객체인지 여부를 검사하는 것으로, 예를 들어, 사람 얼굴 사진을 카메라로 촬영한 이미지는 라이브니스 검사를 통과할 수 없고, 실제 사람을 360도 카메라를 통해 촬영한 영상은 라이브니스 검사를 통과할 수 있다. 이와 같이, 라이브니스 검사를 통해 생체 정보를 기반으로 한 본인 인증을 강화할 수 있다. In authentication of a person based on biometric information, a means capable of preventing the disguising of another person's identity for malicious purposes, such as spoofing, is required. The liveness test checks whether an object, which is a test subject, is a living object. For example, an image of a person's face taken with a camera cannot pass the liveness test, and a real person can be viewed in 360 degrees. An image captured by the camera may pass the liveness test. In this way, identity authentication based on biometric information can be strengthened through the liveness test.

실시 예들에 따르면, 생체 정보를 기반으로 한 본인 인증 장치에서 강화된 본인 인증을 처리할 수 있다. 실시 예들에 따르면, 사용자가 설정한 특정 단어 또는 문구를 포함하는 문장을 발화하는 동안 획득한 영상 및 음성에 기반하여 라이브니스 검사 및 화자 인식을 수행하는 이중 본인 인증 장치가 제공될 수 있다.According to embodiments, an identity authentication device based on biometric information may process enhanced identity authentication. According to embodiments, a dual identity authentication device may be provided that performs a liveness check and speaker recognition based on video and audio acquired while uttering a sentence including a specific word or phrase set by a user.

일 측에 따른 전자 장치는, 사용자가 제1 문장을 발화하는 동안, 카메라를 이용하여 상기 사용자의 얼굴 움직임을 획득하고, 마이크를 이용하여 상기 사용자의 발화 음성을 획득하고, 상기 얼굴 움직임에 대한 라이브니스 검사(liveness test)를 수행하고, 상기 발화 음성과 기준 음성을 비교하여 화자 일치 여부를 확인할 수 있다. 상기 제1 문장은 상기 사용자에 의해 설정된 특정 단어 또는 문구를 포함할 수 있다.An electronic device according to one aspect may, while the user utters a first sentence, obtain a facial movement of the user using a camera, obtain a speech voice of the user using a microphone, and perform a live recording of the facial movement. A liveness test may be performed, and it may be determined whether the speaker matches by comparing the spoken voice with the reference voice. The first sentence may include a specific word or phrase set by the user.

상기 실시 예에서, 전자 장치는, 상기 라이브니스 검사를 통과하고, 상기 화자가 일치한다고 확인되는 것에 응답하여, 상기 사용자가 본인임을 인증할 수 있다.In the above embodiment, the electronic device may authenticate that the user is the user in response to the fact that the liveness check has passed and that the speaker matches.

상기 실시 예에서, 상기 라이브니스 검사는 실제 사람 얼굴 이미지를 학습 데이터로 훈련한 학습 모델을 이용하여 상기 얼굴 움직임 모션이 진짜 얼굴인지 여부를 확인할 수 있다. 상기 학습 모델은 컨볼루션 신경망(CNN, Convolutional Neural Network) 또는 순환 신경망(RNN, Recurrent Neural Network)을 이용하여 훈련될 수 있다.In the above embodiment, the liveness test may check whether the facial movement motion is a real face by using a learning model trained on a real human face image as learning data. The learning model may be trained using a convolutional neural network (CNN) or a recurrent neural network (RNN).

상기 실시 예에서, 전자 장치는, 순환 신경망을 이용하여 상기 발화 음성과 상기 기준 음성을 비교할 수 있다.In the above embodiment, the electronic device may compare the spoken voice with the reference voice using a recurrent neural network.

상기 실시 예에서, 상기 카메라는 상기 사용자의 입술의 움직임을 감지하는 연속적인 모션 촬영을 통해 상기 사용자의 얼굴 움직임을 획득할 수 있다.In the above embodiment, the camera may acquire the motion of the user's face through continuous motion photography detecting the motion of the user's lips.

다른 일 측에 따른 이중 본인 인증을 수행하는 방법은, 사용자가 제1 문장을 발화하는 동안, 카메라를 이용하여 상기 사용자의 얼굴 움직임을 획득하고, 마이크를 이용하여 상기 사용자의 발화 음성을 획득하는 단계; 상기 얼굴 움직임에 대한 라이브니스 검사(liveness test)를 수행하고, 상기 발화 음성과 기준 음성을 비교하여 화자 일치 여부를 확인하는 단계; 및 상기 라이브니스 검사를 통과하고, 상기 화자가 일치한다고 확인되는 것에 응답하여, 사용자 본인임을 인증하는 단계를 포함할 수 있다. 상기 제1 문장은 상기 사용자에 의해 설정된 특정 단어 또는 문구를 포함할 수 있고, 상기 카메라는 상기 사용자의 입술의 움직임을 감지하는 연속적인 모션 촬영을 통해 상기 사용자의 얼굴 움직임을 획득할 수 있다.A method for performing double identity authentication according to another aspect includes acquiring facial movement of the user using a camera and acquiring speech voice of the user using a microphone while the user utters a first sentence. ; performing a liveness test on the face movement and comparing the spoken voice with a reference voice to determine whether the speaker matches; and authenticating the identity of the user in response to the fact that the liveness check has passed and it is confirmed that the speaker matches. The first sentence may include a specific word or phrase set by the user, and the camera may acquire the motion of the user's face through continuous motion photography detecting the motion of the user's lips.

상기 실시 예에서, 상기 진짜 얼굴임을 확인하는 단계는, 상기 라이브니스 검사는 실제 사람 얼굴 이미지를 학습 데이터로 훈련한 학습 모델을 이용하여 상기 얼굴 움지임 모션이 진짜 얼굴인지 여부를 확인할 수 있다. 상기 학습 모델은 컨볼루션 신경망(CNN, Convolutional Neural Network) 또는 순환 신경망(RNN, Recurrent Neural Network)을 이용하여 훈련될 수 있다.In the step of confirming that the face is a real face, the liveness test may check whether the face movement motion is a real face by using a learning model trained with a real human face image as learning data. The learning model may be trained using a convolutional neural network (CNN) or a recurrent neural network (RNN).

상기 실시 예에서, 상기 화자 일치 여부를 확인하는 단계는, 순환 신경망을 이용하여 상기 발화 음성과 상기 기준 음성을 비교할 수 있다.In the above embodiment, in the step of determining whether the speaker matches, the spoken voice and the reference voice may be compared using a recurrent neural network.

상기 실시 예에서, 상기 사용자의 얼굴 움직임을 획득하는 단계는, 상기 카메라가 상기 사용자의 입술의 움직임을 감지하는 연속적인 모션 촬영을 통해 상기 사용자의 얼굴 움직임을 획득할 수 있다.In the above embodiment, in the acquiring of the user's facial movement, the user's facial movement may be acquired through continuous motion photography in which the camera detects the movement of the user's lips.

또 다른 일 측에 따르면, 전자 장치에 의해 상기 이중 본인 인증을 수행하는 방법을 실행하기 위한 적어도 하나의 명령을 포함하는 컴퓨터 프로그램을 저장한 컴퓨터 판독 가능한 비 일시적 기록 매체가 제공될 수 있다.According to another aspect, a computer readable non-transitory recording medium storing a computer program including at least one command for executing the method of performing the double identity authentication by an electronic device may be provided.

전술한 것 외의 다른 측면, 특징, 및 이점이 이하의 도면, 청구범위 및 발명의 상세한 설명으로부터 명확해질 것이다.Other aspects, features, and advantages other than those described above will become apparent from the following drawings, claims, and detailed description of the invention.

실시 예들에 따르면, 라이브니스 검사 및 화자 인식을 통해 전자 장치에서 스푸핑을 방지한 강화된 본인 인증 장치가 제공될 수 있다.According to embodiments, an enhanced personal authentication device that prevents spoofing in an electronic device through liveness check and speaker recognition may be provided.

도 1은 일 실시 예에 따른 전자 장치가 이중으로 본인 인증을 수행하는 개념도를 도시한다.
도 2는 일 실시 예에 따른 이중 본인 인증을 수행하는 전자 장치의 블록도를 도시한다.
도 3은 일 실시 예에 따른 사람 얼굴 이미지에 대한 학습 모델을 도시한다.
도 4는 일 실시 예에 따른 사람의 발화 음성에 대한 학습 모델을 도시한다.
도 5는 일 실시 예에 따른 이중 본인 인증을 수행하는 방법의 순서도를 도시한다.1 is a conceptual diagram in which an electronic device double-authenticates a user according to an embodiment.
2 is a block diagram of an electronic device performing dual identity authentication according to an embodiment.
3 illustrates a learning model for a human face image according to an exemplary embodiment.
4 illustrates a learning model for a human spoken voice according to an embodiment.
5 is a flow chart of a method for performing dual identity authentication according to an embodiment.

이하에서, 실시 예들을 첨부된 도면을 참조하여 상세하게 설명한다. 그러나, 이러한 실시 예들에 의해 권리범위가 제한되거나 한정되는 것은 아니다. 각 도면에 제시된 동일한 참조 부호는 동일한 부재를 나타낸다.Hereinafter, embodiments will be described in detail with reference to the accompanying drawings. However, the scope of rights is not limited or limited by these embodiments. Like reference numerals in each figure indicate like elements.

아래 설명에서 사용되는 용어는, 연관되는 기술 분야에서 일반적이고 보편적인 것으로 선택되었으나, 기술의 발달 및/또는 변화, 관례 기술자의 선호 등에 따라 다른 용어가 있을 수 있다. 따라서, 아래 설명에서 사용되는 용어는 기술적 사상을 한정하는 것으로 이해되어서는 안 되며, 실시 예들을 설명하기 위한 예시적 용어로 이해되어야 한다.The terms used in the description below have been selected as general and universal in the related technical field, but there may be other terms depending on the development and / or change of technology, the preference of customary technicians, etc. Therefore, terms used in the following description should not be understood as limiting technical ideas, but should be understood as exemplary terms for describing embodiments.

또한 특정한 경우는 출원인이 임의로 선정한 용어도 있으며, 이 경우 해당되는 설명 부분에서 상세한 그 의미를 기재할 것이다. 따라서 아래 설명에서 사용되는 용어는 단순한 용어의 명칭이 아닌 그 용어가 가지는 의미와 명세서 전반에 걸친 내용을 토대로 이해되어야 한다.In addition, in certain cases, there are also terms arbitrarily selected by the applicant, and in this case, the detailed meaning will be described in the corresponding description section. Therefore, terms used in the following description should be understood based on the meaning of the term and the contents throughout the specification, not simply the name of the term.

도 1은 일 실시 예에 따른 전자 장치가 이중으로 본인 인증을 수행하는 개념도를 도시한다. 생체 정보에 기반하여 사용자 본인 확인을 수행하는 전자 장치(100)는, 본인 인증 과정에서 라이브니스 검사(liveness test)(101)를 수행할 수 있다. 라이브니스 검사(101)는 검사 대상(test subject)인 객체가 살아있는 객체인지 여부를 검사하는 것으로, 인증 수단의 진위 여부를 판단하기 위한 것이다. 예를 들어, 라이브니스 검사는 카메라(131)에 의해 촬영된 영상에 나타난 얼굴이 사람의 진짜 얼굴(genuine face)인지 아니면 거짓 얼굴(fake face)인지 여부를 검사하는 것이다. 라이브니스 검사(101)는 살아있지 않은 객체(예를 들어, 위조 수단으로서 사용된 사진, 종이, 동영상 및 모형 등)와 살아있는 객체(예를 들어, 사람의 실제 얼굴 등) 사이를 구별하는데 이용된다.1 is a conceptual diagram in which an electronic device double-authenticates a user according to an embodiment. The electronic device 100 that performs user identity verification based on biometric information may perform a liveness test 101 in the identity authentication process. The liveness check 101 checks whether an object, which is a test subject, is a living object, and is for determining authenticity of an authentication means. For example, the liveness check is to check whether a face appearing in an image photographed by the camera 131 is a genuine face of a person or a fake face. The liveness check 101 is used to distinguish between non-living objects (eg photos, papers, videos and models used as counterfeiting means, etc.) and living objects (eg a real face of a person, etc.) .

일 실시 예에 따른 전자 장치(100)는, 라이브니스 검사를 위해 사용자(10)에게 특정 단어, 문구를 발음하게 하여 카메라(131)를 통해 사용자(10)의 얼굴 영상을 획득하고, 마이크(132)를 통해 사용자(10)의 음성을 획득할 수 있다. 일 실시 예에 따른 전자 장치(100)는 획득한 사용자(10)의 얼굴 영상을 이용하여 라이브니스 검사(101)를 수행할 수 있다. 일 실시 예에 따른 전자 장치(100)는 획득한 사용자(10)의 음성에 신경망 네트워크 모델(102)을 적용하여 기 저장된 사용자 본인의 발음된 목소리를 대조함으로써 화자 인증을 할 수 있다.The electronic device 100 according to an embodiment obtains a face image of the user 10 through the camera 131 by having the user 10 pronounce a specific word or phrase for the liveness test, and the microphone 132 ), the voice of the user 10 may be acquired. The electronic device 100 according to an embodiment may perform the liveness test 101 using the acquired face image of the user 10 . According to an embodiment, the electronic device 100 may perform speaker authentication by applying the neural network model 102 to the acquired voice of the user 10 and comparing the pre-stored voice of the user himself/herself.

일 실시 예에 따른 전자 장치(100)는, 컨볼루션 신경망(CNN, convolutional neural networks), 순환 신경망(RNN, recurrent neural network)을 이용하여 얼굴 움직임 모션을 처리할 수 있다. 예를 들어, 전자 장치(100)는 사용자(10)가 제시된 특정 단어 또는 문구를 발화하는 동안, 사용자(10)의 입술 움직임을 감지할 수 있다.The electronic device 100 according to an embodiment may process facial movement motion using a convolutional neural network (CNN) or a recurrent neural network (RNN). For example, while the user 10 utters a specific word or phrase, the electronic device 100 may detect a lip movement of the user 10 .

일 실시 예에 따른 전자 장치(100)는, 순환 신경망(102)을 이용하여 음성 인식, 화자 인증을 처리할 수 있다. The electronic device 100 according to an embodiment may process voice recognition and speaker authentication using the recurrent neural network 102 .

일 실시 예에 따른 전자 장치(100)는, 스푸핑이 의심되는 대상에게 라이브니스 검사(101)를 적용하여 1차 인증을 수행하고, 동시에 목소리를 통한 2차 본인 확인을 할 수 있다.The electronic device 100 according to an embodiment may perform primary authentication by applying the liveness test 101 to a target suspected of spoofing, and simultaneously perform secondary identity verification through voice.

도 2는 일 실시 예에 따른 이중 본인 인증을 수행하는 전자 장치의 블록도를 도시한다.2 is a block diagram of an electronic device performing dual identity authentication according to an embodiment.

일 실시 예에 따른 이중 본인 인증을 수행하는 전자 장치(100)(이하, 전자 장치라 함)는 프로세서(110), 메모리(120), 입력 장치(130), 카메라(131), 마이크(132) 및 버스(140)를 포함할 수 있다.An electronic device 100 (hereinafter referred to as an electronic device) performing double identity authentication according to an embodiment includes a processor 110, a memory 120, an input device 130, a camera 131, and a microphone 132. and bus 140.

프로세서(110)는 일종의 중앙처리장치로서, 메모리(120)에 저장된 하나 이상의 명령어를 실행하여 전자 장치(100)의 동작을 제어할 수 있다. 프로세서(110)는 데이터를 처리할 수 있는 모든 종류의 장치를 포함할 수 있다. 프로세서(110)는 예를 들어 프로그램 내에 포함된 코드 또는 명령으로 표현된 기능을 수행하기 위해 물리적으로 구조화된 회로를 갖는, 하드웨어에 내장된 데이터 처리 장치를 의미할 수 있다. 이와 같이 하드웨어에 내장된 데이터 처리 장치의 일 예로서, 마이크로프로세서(microprocessor), 중앙처리장치(central processing unit: CPU), 프로세서 코어(processor core), 멀티프로세서(multiprocessor), ASIC(application-specific integrated circuit), FPGA(field programmable gate array) 등의 처리 장치를 망라할 수 있으나, 이에 한정되는 것은 아니다. 프로세서(110)는 하나 이상의 프로세서를 포함할 수 있다. 프로세서(110)는 적어도 하나의 코어를 포함할 수 있다.The processor 110 is a kind of central processing unit, and can control the operation of the electronic device 100 by executing one or more commands stored in the memory 120 . The processor 110 may include any type of device capable of processing data. The processor 110 may mean, for example, a data processing device embedded in hardware having a physically structured circuit to perform a function expressed as a code or command included in a program. As an example of such a data processing device built into hardware, a microprocessor, a central processing unit (CPU), a processor core, a multiprocessor, an application-specific integrated (ASIC) circuit) and a processing device such as a field programmable gate array (FPGA), but is not limited thereto. Processor 110 may include one or more processors. Processor 110 may include at least one core.

프로세서(110)는 머신 러닝 알고리즘을 이용하여 사람 얼굴 이미지 또는 사람 발화 음성 데이터에 대한 학습을 수행할 수 있다. 머신 러닝 기반의 학습 모델은 학습 모델은 CNN(Convolutional Neural Network) 또는 R-CNN(Region based CNN), C-RNN(Convolutional Recursive Neural Network), Fast R-CNN, Faster R-CNN, R-FCN(Region based Fully Convolutional Network), YOLO(You Only Look Once) 또는 SSD(Single Shot Multibox Detector)구조의 신경망을 포함할 수 있다. 학습 모델은 하드웨어, 소프트웨어 또는 하드웨어와 소프트웨어의 조합으로 구현될 수 있으며, 학습 모델의 일부 또는 전부가 소프트웨어로 구현되는 경우 학습 모델을 구성하는 하나 이상의 명령어는 메모리에 저장될 수 있다.The processor 110 may perform learning on human face image or human speech data using a machine learning algorithm. The learning model based on machine learning is a Convolutional Neural Network (CNN), Region based CNN (R-CNN), Convolutional Recursive Neural Network (C-RNN), Fast R-CNN, Faster R-CNN, R-FCN ( Region based Fully Convolutional Network), YOLO (You Only Look Once), or SSD (Single Shot Multibox Detector) structured neural network. The learning model may be implemented as hardware, software, or a combination of hardware and software, and when part or all of the learning model is implemented as software, one or more instructions constituting the learning model may be stored in a memory.

프로세서(110)는 입력된 사람의 발화 음성에 대한 추론 결과를 출력할 수 있다. 예를 들어, 프로세서(110)가 사용자로부터 미리 획득한 기준 음성을 학습한 결과, 사용자가 본인 인증을 요청하기 위해 발화한 음성에 대해 기준 음성과 유사도를 판단하여 추론 결과 사용자 본인 음성임을 확인할 수 있다.The processor 110 may output an inference result for the input human speech voice. For example, as a result of the processor 110 learning a reference voice obtained in advance from the user, it is possible to determine the similarity with the reference voice for the voice uttered by the user to request personal authentication, and as a result of the inference, it can be confirmed that the user's voice is the user's own voice. .

메모리(120)는 내장 메모리 및/또는 외장 메모리를 포함할 수 있으며, DRAM, SRAM, 또는 SDRAM 등과 같은 휘발성 메모리, OTPROM(one time programmable ROM), PROM, EPROM, EEPROM, mask ROM, flash ROM, NAND 플래시 메모리, 또는 NOR 플래시 메모리 등과 같은 비휘발성 메모리, SSD, CF(compact flash) 카드, SD 카드, Micro-SD 카드, Mini-SD 카드, Xd 카드, 또는 메모리 스틱(memory stick) 등과 같은 플래시 드라이브, 또는 HDD와 같은 저장 장치를 포함할 수 있다. 메모리(120)는 자기 저장 매체(magnetic storage media) 또는 플래시 저장 매체(flash storage media)를 포함할 수 있으나, 이에 한정되는 것은 아니다.The memory 120 may include built-in memory and/or external memory, and may include volatile memory such as DRAM, SRAM, or SDRAM, one time programmable ROM (OTPROM), PROM, EPROM, EEPROM, mask ROM, flash ROM, and NAND. Non-volatile memory such as flash memory or NOR flash memory, flash drives such as SSD, compact flash (CF) card, SD card, Micro-SD card, Mini-SD card, Xd card, or memory stick; Alternatively, it may include a storage device such as a HDD. The memory 120 may include magnetic storage media or flash storage media, but is not limited thereto.

메모리(120)는 학습 데이터 세트를 포함할 수 있다. 학습 데이터 세트는 다양한 객체를 포함하는 하나 이상의 이미지를 포함할 수 있다. 학습 데이터 세트는 하나 이상의 이미지에 대한 정보를 포함하는 레이블을 포함할 수 있다.Memory 120 may contain a training data set. A training data set may include one or more images containing various objects. A training data set may include labels containing information about one or more images.

입력 장치(130)는 카메라(131) 및 마이크(132)를 포함할 수 있다. 카메라(131)는 3D 카메라, 적외선 카메라 등을 포함할 수 있다. 마이크(132)는 사용자 발화를 획득할 수 있다.The input device 130 may include a camera 131 and a microphone 132 . The camera 131 may include a 3D camera, an infrared camera, and the like. The microphone 132 may acquire user speech.

버스(140)는 프로세서(110), 메모리(120) 및 입력 장치(130)를 연결하는 논리적/물리적 경로이다. 프로세서(110)는 버스(140)를 통해 메모리(120)에 대한 읽기/쓰기(read/write)를 수행할 수 있다.Bus 140 is a logical/physical path connecting processor 110 , memory 120 and input device 130 . The processor 110 may perform read/write to the memory 120 through the bus 140 .

도 3은 일 실시 예에 따른 사람 얼굴 이미지에 대한 학습 모델을 도시한다.3 illustrates a learning model for a human face image according to an exemplary embodiment.

일 실시 예에 따른 전자 장치(100)는 복수 개의 사람 얼굴 이미지(301)을 학습 데이터로 학습 모델을 훈련할 수 있다. 도 3을 참조하면, 입력 이미지(301)에 대하여 컨볼루션 2계층을 적용하여 특징을 추출하고, 추출된 특징을 분석하여 출력할 수 있다. 컨볼루션의 각 계층은 활성화 함수를 적용하고, 각 계층이 완료되면 풀링 과정을 포함할 수 있다. 특징(feature)들에 대해 완전 연결(fully connected)과정을 적용하고, 다시 활성화 함수를 적용하여 n개의 특징 값을 출력할 수 있다.The electronic device 100 according to an embodiment may train a learning model using a plurality of human face images 301 as learning data. Referring to FIG. 3 , a feature may be extracted by applying a second layer of convolution to an input image 301 , and the extracted feature may be analyzed and output. Each layer of convolution applies an activation function, and may include a pooling process when each layer is completed. A fully connected process is applied to the features, and an activation function is applied again to output n feature values.

도 4는 일 실시 예에 따른 사람의 발화 음성에 대한 학습 모델을 도시한다.4 illustrates a learning model for a human spoken voice according to an embodiment.

전자 장치(100)는 복수 개의 사람의 발화 음성(401)을 학습 데이터로 학습 모델을 훈련할 수 잇다. 도 4를 참조하면, 음성 데이터(401)에 대하여 시계열 데이터 분석에 사용되는 LSTM(Long Short-Term Memory models) cell(410)을 여러 번 적용하여 음성을 식별함으로써 화자를 예측(402)할 수 있다.The electronic device 100 may train a learning model using the speech voices 401 of a plurality of people as learning data. Referring to FIG. 4 , a long short-term memory models (LSTM) cell 410 used for time-series data analysis is applied to voice data 401 several times to identify a voice, thereby predicting a speaker (402). .

도 5는 일 실시 예에 따른 이중 본인 인증을 수행하는 방법의 순서도를 도시한다.5 is a flow chart of a method for performing dual identity authentication according to an embodiment.

S501 단계에서, 전자 장치(100)는 사용자가 제1 문장을 발화하는 동안, 카메라를 이용하여 사용자의 얼굴 움직임을 획득하고, 마이크를 이용하여 발화 음성을 획득할 수 있다.In step S501, while the user utters the first sentence, the electronic device 100 may acquire the user's facial movement using a camera and obtain a spoken voice using a microphone.

S502 단계에서, 전자 장치(100)는 얼굴 움직임 영상에 대한 라이브니스 검사를 수행할 수 있다. 라이브니스 검사에 따라 사용자가 실제인지 사진 등 가짜인지 확인할 수 있다.In step S502, the electronic device 100 may perform a liveness check on the face motion image. Depending on the liveness check, it is possible to determine whether the user is real or fake, such as a photo.

S503 단계에서, 전자 장치(100)는 발화 음성과 기준 음성을 비교하여 본인 인증을 요청한 화자인지 일치 여부를 확인할 수 있다.In step S503, the electronic device 100 compares the spoken voice with the reference voice to determine whether or not they are the same as the speaker who requested personal authentication.

S504 단계에서, 전자 장치(100)는 라이브니스 검사를 통과하고, 화자가 일치하는 경우, 이중으로 본인 인증을 요청한 사용자 본인임을 인증할 수 있다.In step S504, the electronic device 100 passes the liveness test and if the speaker matches, it can double-authenticate that the user who requested authentication is the user.

이상에서 설명된 실시예들은 하드웨어 구성요소, 소프트웨어 구성요소, 및/또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 장치, 방법 및 구성요소는, 예를 들어, 프로세서, 컨트롤러, ALU(arithmetic logic unit), 디지털 신호 프로세서(digital signal processor), 마이크로컴퓨터, FPGA(field programmable gate array), PLU(programmable logic unit), 마이크로프로세서, 또는 명령(instruction)을 실행하고 응답할 수 있는 다른 어떠한 장치와 같이, 하나 이상의 범용 컴퓨터 또는 특수 목적 컴퓨터를 이용하여 구현될 수 있다. 처리 장치는 운영 체제(OS) 및 상기 운영 체제 상에서 수행되는 하나 이상의 소프트웨어 애플리케이션을 수행할 수 있다. 또한, 처리 장치는 소프트웨어의 실행에 응답하여, 데이터를 접근, 저장, 조작, 처리 및 생성할 수도 있다. 이해의 편의를 위하여, 처리 장치는 하나가 사용되는 것으로 설명된 경우도 있지만, 해당 기술분야에서 통상의 지식을 가진 자는, 처리 장치가 복수 개의 처리 요소(processing element) 및/또는 복수 유형의 처리 요소를 포함할 수 있음을 알 수 있다. 예를 들어, 처리 장치는 복수 개의 프로세서 또는 하나의 프로세서 및 하나의 컨트롤러를 포함할 수 있다. 또한, 병렬 프로세서(parallel processor)와 같은, 다른 처리 구성(processing configuration)도 가능하다.The embodiments described above may be implemented as hardware components, software components, and/or a combination of hardware components and software components. For example, the devices, methods, and components described in the embodiments may include, for example, a processor, a controller, an arithmetic logic unit (ALU), a digital signal processor, a microcomputer, a field programmable gate (FPGA). array), programmable logic units (PLUs), microprocessors, or any other device capable of executing and responding to instructions. A processing device may run an operating system (OS) and one or more software applications running on the operating system. A processing device may also access, store, manipulate, process, and generate data in response to execution of software. For convenience of understanding, there are cases in which one processing device is used, but those skilled in the art will understand that the processing device includes a plurality of processing elements and/or a plurality of types of processing elements. It can be seen that it can include. For example, a processing device may include a plurality of processors or a processor and a controller. Other processing configurations are also possible, such as parallel processors.

소프트웨어는 컴퓨터 프로그램(computer program), 코드(code), 명령(instruction), 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로(collectively) 처리 장치를 명령할 수 있다. 소프트웨어 및/또는 데이터는, 처리 장치에 의하여 해석되거나 처리 장치에 명령 또는 데이터를 제공하기 위하여, 어떤 유형의 기계, 구성요소(component), 물리적 장치, 가상 장치(virtual equipment), 컴퓨터 저장 매체 또는 장치, 또는 전송되는 신호 파(signal wave)에 영구적으로, 또는 일시적으로 구체화(embody)될 수 있다. 소프트웨어는 네트워크로 연결된 컴퓨터 시스템 상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 하나 이상의 컴퓨터 판독 가능 기록 매체에 저장될 수 있다.Software may include a computer program, code, instructions, or a combination of one or more of the foregoing, which configures a processing device to operate as desired or processes independently or collectively. The device can be commanded. Software and/or data may be any tangible machine, component, physical device, virtual equipment, computer storage medium or device, intended to be interpreted by or provide instructions or data to a processing device. , or may be permanently or temporarily embodied in a transmitted signal wave. Software may be distributed on networked computer systems and stored or executed in a distributed manner. Software and data may be stored on one or more computer readable media.

실시 예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 실시 예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 실시예의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.The method according to the embodiment may be implemented in the form of program instructions that can be executed through various computer means and recorded on a computer readable medium. The computer readable medium may include program instructions, data files, data structures, etc. alone or in combination. Program instructions recorded on the medium may be specially designed and configured for the embodiment, or may be known and usable to those skilled in computer software. Examples of computer-readable recording media include magnetic media such as hard disks, floppy disks and magnetic tapes, optical media such as CD-ROMs and DVDs, and magnetic media such as floptical disks. - includes hardware devices specially configured to store and execute program instructions, such as magneto-optical media, and ROM, RAM, flash memory, and the like. Examples of program instructions include high-level language codes that can be executed by a computer using an interpreter, as well as machine language codes such as those produced by a compiler. The hardware devices described above may be configured to operate as one or more software modules to perform the operations of the embodiments, and vice versa.

이상과 같이 실시 예들이 비록 한정된 실시 예와 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기의 기재로부터 다양한 수정 및 변형이 가능하다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다. 그러므로, 다른 구현들, 다른 실시예들 및 특허청구범위와 균등한 것들도 후술하는 특허청구범위의 범위에 속한다.As described above, although the embodiments have been described with limited examples and drawings, those skilled in the art can make various modifications and variations from the above description. For example, the described techniques may be performed in an order different from the method described, and/or components of the described system, structure, device, circuit, etc. may be combined or combined in a different form than the method described, or other components may be used. Or even if it is replaced or substituted by equivalents, appropriate results can be achieved. Therefore, other implementations, other embodiments, and equivalents of the claims are within the scope of the following claims.

100: 이중 본인 인증 전자 장치
110: 프로세서
120: 메모리
130: 입력 장치
131: 카메라
132: 마이크
140: 버스100: double identity authentication electronic device
110: processor
120: memory
130: input device
131: camera
132: microphone
140: bus

Claims (15)

전자 장치에 있어서,
사용자가 제1 문장을 발화하는 동안, 카메라를 이용하여 상기 사용자의 얼굴 움직임을 획득하고, 마이크를 이용하여 상기 사용자의 발화 음성을 획득하고,
상기 얼굴 움직임에 대한 라이브니스 검사(liveness test)를 수행하고,
상기 발화 음성과 기준 음성을 비교하여 화자 일치 여부를 확인하는 전자 장치.In electronic devices,
While the user utters a first sentence, a facial motion of the user is acquired using a camera, and a speech voice of the user is obtained using a microphone;
Performing a liveness test for the face movement;
An electronic device that compares the spoken voice with the reference voice to determine whether the speaker matches. 제1항에 있어서,
상기 라이브니스 검사를 통과하고, 상기 화자가 일치한다고 확인되는 것에 응답하여, 상기 사용자가 본인임을 인증하는 전자 장치.According to claim 1,
An electronic device that authenticates that the user is the user in response to passing the liveness test and confirming that the speaker matches. 제1항에 있어서,
상기 라이브니스 검사는 실제 사람 얼굴 이미지를 학습 데이터로 훈련한 학습 모델을 이용하여 상기 얼굴 움직임 모션이 진짜 얼굴인지 여부를 확인하는 전자 장치.According to claim 1,
The liveness test checks whether the facial movement motion is a real face by using a learning model trained with a real human face image as learning data. 제3항에 있어서,
상기 학습 모델은 컨볼루션 신경망(CNN, Convolutional Neural Network) 또는 순환 신경망(RNN, Recurrent Neural Network)을 이용하여 훈련되는 전자 장치.According to claim 3,
The learning model is trained using a convolutional neural network (CNN) or a recurrent neural network (RNN). 제1항에 있어서,
순환 신경망을 이용하여 상기 발화 음성과 상기 기준 음성을 비교하는 전자 장치.According to claim 1,
An electronic device that compares the spoken voice with the reference voice using a recurrent neural network. 제1항에 있어서,
상기 카메라는 상기 사용자의 입술의 움직임을 감지하는 연속적인 모션 촬영을 통해 상기 사용자의 얼굴 움직임을 획득하는 전자 장치. According to claim 1,
The electronic device of claim 1 , wherein the camera acquires the motion of the user's face through continuous motion photography detecting motion of the user's lips. 제1항에 있어서,
상기 제1 문장은 상기 사용자에 의해 설정된 특정 단어 또는 문구를 포함하는 전자 장치.According to claim 1,
The first sentence includes a specific word or phrase set by the user. 이중 본인 인증을 수행하는 방법에 있어서,
사용자가 제1 문장을 발화하는 동안, 카메라를 이용하여 상기 사용자의 얼굴 움직임을 획득하고, 마이크를 이용하여 상기 사용자의 발화 음성을 획득하는 단계;
상기 얼굴 움직임에 대한 라이브니스 검사(liveness test)를 수행하고, 상기 발화 음성과 기준 음성을 비교하여 화자 일치 여부를 확인하는 단계; 및
상기 라이브니스 검사를 통과하고, 상기 화자가 일치한다고 확인되는 것에 응답하여, 사용자 본인임을 인증하는 단계;
를 포함하는 이중 본인 인증을 수행하는 방법.In the method of performing double identity authentication,
acquiring a facial movement of the user using a camera and acquiring a speech voice of the user using a microphone while the user utters a first sentence;
performing a liveness test on the face movement and comparing the spoken voice with a reference voice to determine whether the speaker matches; and
authenticating the identity of the user in response to the fact that the liveness check has passed and that the speaker matches;
A method for performing two-factor authentication that includes. 제8항에 있어서,
상기 진짜 얼굴임을 확인하는 단계는, 상기 라이브니스 검사는 실제 사람 얼굴 이미지를 학습 데이터로 훈련한 학습 모델을 이용하여 상기 얼굴 움지임 모션이 진짜 얼굴인지 여부를 확인하는 이중 본인 인증을 수행하는 방법.According to claim 8,
In the step of confirming that the face is a real face, the liveness test checks whether the face movement motion is a real face by using a learning model trained with a real human face image as learning data. 제9항에 있어서,
상기 학습 모델은 컨볼루션 신경망(CNN, Convolutional Neural Network) 또는 순환 신경망(RNN, Recurrent Neural Network)을 이용하여 훈련되는 이중 본인 인증을 수행하는 방법.According to claim 9,
The learning model is trained using a convolutional neural network (CNN) or a recurrent neural network (RNN). 제8항에 있어서,
상기 화자 일치 여부를 확인하는 단계는, 순환 신경망을 이용하여 상기 발화 음성과 상기 기준 음성을 비교하는 이중 본인 인증을 수행하는 방법.According to claim 8,
In the step of checking whether the speaker matches, the double identity authentication method of comparing the spoken voice and the reference voice using a recurrent neural network. 제8항에 있어서,
상기 사용자의 얼굴 움직임을 획득하는 단계는, 상기 카메라가 상기 사용자의 입술의 움직임을 감지하는 연속적인 모션 촬영을 통해 상기 사용자의 얼굴 움직임을 획득하는 이중 본인 인증을 수행하는 방법.According to claim 8,
The acquiring of the user's facial movement may include performing double identity authentication in which the user's facial movement is acquired through continuous motion photography in which the camera detects the user's lip movement. 제8항에 있어서,
상기 제1 문장은 상기 사용자에 의해 설정된 특정 단어 또는 문구를 포함하는 이중 본인 인증을 수행하는 방법.According to claim 8,
Wherein the first sentence includes a specific word or phrase set by the user. 제8항에 있어서,
상기 카메라는 상기 사용자의 입술의 움직임을 감지하는 연속적인 모션 촬영을 통해 상기 사용자의 얼굴 움직임을 획득하도록 하는 이중 본인 인증을 수행하는 방법.According to claim 8,
The method of performing double identity authentication in which the camera acquires the user's face movement through continuous motion photography detecting the user's lip movement. 전자 장치에 의해, 제8항 내지 14항 중 어느 한 항에 따른 이중 본인 인증을 수행하는 방법을 실행하기 위한 적어도 하나의 명령을 포함하는 컴퓨터 프로그램을 저장한 컴퓨터 판독 가능한 비 일시적 기록 매체.A computer readable non-transitory recording medium storing a computer program including at least one instruction for executing the method of performing dual identity authentication according to any one of claims 8 to 14 by an electronic device.
KR1020220037620A 2021-07-29 2022-03-25 Liveness test and speaker recognition device and method KR20230018305A (en)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR20210099869 2021-07-29
KR1020210099869 2021-07-29

Publications (1)

Publication Number Publication Date
KR20230018305A true KR20230018305A (en) 2023-02-07

Family

ID=85253099

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020220037620A KR20230018305A (en) 2021-07-29 2022-03-25 Liveness test and speaker recognition device and method

Country Status (1)

Country Link
KR (1) KR20230018305A (en)

Similar Documents

Publication Publication Date Title
CN109948408B (en) Activity test method and apparatus
US11295111B2 (en) Method and apparatus for detecting fake fingerprint, and method and apparatus for recognizing fingerprint
US11663307B2 (en) RtCaptcha: a real-time captcha based liveness detection system
ES2883326T3 (en) End-to-end speaker recognition using a deep neural network
WO2020177380A1 (en) Voiceprint detection method, apparatus and device based on short text, and storage medium
CN109166586B (en) Speaker identification method and terminal
CN111091176A (en) Data recognition apparatus and method, and training apparatus and method
WO2016172872A1 (en) Method and device for verifying real human face, and computer program product
US10275684B2 (en) Authentication method and apparatus, and method and apparatus for training a recognizer
KR102374747B1 (en) Method and device to recognize object
US20160188863A1 (en) Biometric authentication
US10878071B2 (en) Biometric authentication anomaly detection
US11694474B2 (en) Interactive user authentication
US20150169943A1 (en) System, method and apparatus for biometric liveness detection
KR102009106B1 (en) Method for user authentication
KR102321917B1 (en) System for video remote management and supervision of online test
CN111382666A (en) Device and method with user authentication
CN107025425B (en) Authentication method and device and method and device for training recognizer
TW202213326A (en) Generalized negative log-likelihood loss for speaker verification
CN111382407A (en) User authentication method and apparatus, and speaker authentication method and apparatus
CN111667839A (en) Registration method and apparatus, speaker recognition method and apparatus
JP2017044778A (en) Authentication device
KR20230018305A (en) Liveness test and speaker recognition device and method
Bredin et al. Making talking-face authentication robust to deliberate imposture
JP2021039749A (en) On-device training based user recognition method and apparatus

Legal Events

Date Code Title Description
E902 Notification of reason for refusal