KR20230040611A - Apparatus and method for non-identifying image based on artificial intelligence - Google Patents

Apparatus and method for non-identifying image based on artificial intelligence Download PDF

Info

Publication number
KR20230040611A
KR20230040611A KR1020210123968A KR20210123968A KR20230040611A KR 20230040611 A KR20230040611 A KR 20230040611A KR 1020210123968 A KR1020210123968 A KR 1020210123968A KR 20210123968 A KR20210123968 A KR 20210123968A KR 20230040611 A KR20230040611 A KR 20230040611A
Authority
KR
South Korea
Prior art keywords
image
identification
gender
face region
age
Prior art date
Application number
KR1020210123968A
Other languages
Korean (ko)
Inventor
황기현
양승원
윤건
정규석
Original Assignee
동서대학교 산학협력단
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 동서대학교 산학협력단 filed Critical 동서대학교 산학협력단
Priority to KR1020210123968A priority Critical patent/KR20230040611A/en
Publication of KR20230040611A publication Critical patent/KR20230040611A/en

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00—Geometric image transformations in the plane of the image
    • G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
    • G06T3/4038—Image mosaicing, e.g. composing plane images from plane sub-images
    • 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
    • G06N3/0464—Convolutional networks [CNN, ConvNet]
    • 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
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/20—Image enhancement or restoration using local operators
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • 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
    • G06V40/172—Classification, e.g. identification
    • 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
    • G06V40/178—Human faces, e.g. facial parts, sketches or expressions estimating age from face image; using age information for improving recognition
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20081—Training; Learning
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20084—Artificial neural networks [ANN]
    • 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)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Multimedia (AREA)
  • Human Computer Interaction (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Biomedical Technology (AREA)
  • Software Systems (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Physics (AREA)
  • Evolutionary Computation (AREA)
  • Computational Linguistics (AREA)
  • Biophysics (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Image Analysis (AREA)

Abstract

The present invention relates to an artificial intelligence-based image de-identification technology and, more specifically, to a technology for de-identifying a human face area included in an image. According to one aspect of the present invention, an artificial intelligence-based image de-identification apparatus includes: an image receiving unit that receives an image to be de-identified; a face area detection unit that detects at least one human face area from the image based on a face identification model previously learned so as to detect a human face area; a gender identification unit that identifies the gender of the face area detected based on a gender identification model previously learned so as to identify a human gender; an image de-identification unit that de-identifies the face area detected in the image; and an image output unit that outputs a de-identified image by displaying the face area and the gender information.

Description

인공지능 기반의 이미지 비 식별화 장치 및 그 동작 방법{APPARATUS AND METHOD FOR NON-IDENTIFYING IMAGE BASED ON ARTIFICIAL INTELLIGENCE}Artificial intelligence-based image de-identification device and operation method thereof

본 발명은 인공지능 기반의 이미지 비 식별화 기술에 관한 것으로, 구체적으로는 이미지에 포함된 사람의 얼굴 영역을 비 식별화하는 기술에 관한 것이다. The present invention relates to an artificial intelligence-based image de-identification technology, and more specifically, to a technology for de-identification of a human face included in an image.

범죄 예방 등의 목적으로 CCTV의 수가 급증하고, 개인 방송 등의 증가로 인해 본의 의사와 무관하게 자신의 얼굴 등의 신체가 제3자에게 노출되는 빈도가 증가하고 있어, 개인 정보 유출의 문제가 제기되고 있다. 이에 따라, 2018년 5월 25일부터 얼굴 특징들을 비롯한 생체정보를 민감정보로 구분하여 활용을 엄격하게 제한하는 법(일반개인정보 보호규정, GDPR)이 시행되고 있어, 개인 정보 유출 우려로 인해 이미지 등의 데이터의 활용이 제한되는 문제가 있다. Due to the rapid increase in the number of CCTVs for the purpose of crime prevention, etc., and the increase in personal broadcasting, the frequency of exposure of one's face and body to a third party is increasing regardless of the person's intention, and the problem of personal information leakage is increasing. is being raised Accordingly, from May 25, 2018, a law (General Personal Information Protection Regulation, GDPR) strictly limiting the use of biometric information including facial features as sensitive information has been enforced, and image There is a problem that the utilization of data such as, etc. is limited.

한국공개특허 제10-2020-0139015호 "TPRL 알고리즘을 이용하여 얼굴 이미지로부 신원을 확인하는 시스템 및 그 구동 방법"Korean Patent Publication No. 10-2020-0139015 "System for verifying identity from face image using TPRL algorithm and its driving method"

본 발명의 목적은 개인정보유출 문제를 회피하기 위해, 이미지에 포함된 사람의 얼굴을 비 식별화하는 기술을 제공하는 것이다. An object of the present invention is to provide a technique for de-identifying a person's face included in an image in order to avoid the personal information leakage problem.

또한, 본 발명의 목적은 이미지에 포함된 사람의 얼굴 영역을 검출하는 기술을 제공하는 것이다. Another object of the present invention is to provide a technique for detecting a human face region included in an image.

또한, 본 발명의 목적은 이미지에 포함된 사람의 얼굴 영역의 나이를 식별하는 기술을 제공하는 것이다. Another object of the present invention is to provide a technique for identifying the age of a human facial region included in an image.

또한, 본 발명의 목적은 이미지에 포함된 사람의 얼굴 영역의 성별을 식별하는 기술을 제공하는 것이다. Another object of the present invention is to provide a technique for identifying the gender of a human facial region included in an image.

본 발명의 일 측면에 따르면, 인공지능 기반의 이미지 비 식별화 장치는 비식별화 대상이 되는 이미지를 수신하는 이미지 수신부; 사람의 얼굴 영역을 검출하도록 미리 학습된 얼굴 식별 모델을 기반으로 이미지로부터 사람의 얼굴 영역을 적어도 하나 검출하는 얼굴 영역 검출부; 사람의 성별을 식별하도록 미리 학습된 성별 식별 모델을 기반으로 검출된 얼굴 영역의 성별을 식별하는 성별 식별부; 이미지 중 검출된 얼굴 영역을 비 식별화하는 이미지 비 식별화부; 및 얼굴 영역 및 성별 정보를 표시하여 비 식별화된 이미지를 출력하는 이미지 출력부를 포함할 수 있다.According to one aspect of the present invention, an artificial intelligence-based image de-identification apparatus includes an image receiver for receiving an image to be de-identified; a face region detector detecting at least one human face region from an image based on a face identification model pretrained to detect the human face region; a gender identification unit configured to identify a gender of the detected face region based on a gender identification model pretrained to identify a person's gender; an image de-identification unit de-identifying the detected face region in the image; and an image output unit outputting a non-identified image by displaying face region and gender information.

일 실시예에서, 인공지능 기반의 이미지 비 식별화 장치는 사람의 나이를 식별하도록 미리 학습된 나이 식별 모델을 기반으로 검출된 얼굴 영역의 나이를 식별하는 나이 식별부를 더 포함할 수 있다.In an embodiment, the artificial intelligence-based image de-identification device may further include an age identification unit that identifies the age of the detected face region based on an age identification model pre-learned to identify a person's age.

일 실시예에서, 이미지 출력부는 나이 정보를 더 포함하여 비 식별화된 이미지를 출력할 수 있다.In one embodiment, the image output unit may output a non-identified image including age information.

일 실시예에서, 미리 학습된 얼굴 식별 모델, 미리 학습된 성별 식별 모델 및 미리 학습된 나이 식별 모델 중 적어도 하나는 CNN(Convolution Neural Networks) 모델을 기반으로 학습될 수 있다.In an embodiment, at least one of a pre-trained face identification model, a pre-learned gender identification model, and a pre-learned age identification model may be trained based on a Convolution Neural Networks (CNN) model.

일 실시예에서, 이미지 비 식별화부는 검출된 얼굴 영역 중 미리 설정된 특정 성별 또는 나이에 해당하는 얼굴 영역만을 비 식별화할 수 있다.In one embodiment, the image de-identification unit may de-identify only a face region corresponding to a predetermined specific gender or age among the detected face regions.

일 실예에서, 검출된 얼굴 영역 중 미리 설정된 특정 사람에 해당하는 얼굴 영역만을 비 식별화할 수 있다.In one example, only a face region corresponding to a preset specific person among the detected face regions may be de-identified.

또한, 본 발명의 다른 측면에 따르면, 인공지능 기반의 이미지 비 식별화 장치의 동작 방법은 비식별화 대상이 되는 이미지를 수신하는 단계; 사람의 얼굴 영역을 검출하도록 미리 학습된 얼굴 식별 모델을 기반으로 이미지로부터 사람의 얼굴 영역을 적어도 하나 검출하는 단계; 사람의 성별을 식별하도록 미리 학습된 성별 식별 모델을 기반으로 검출된 얼굴 영역의 성별을 식별하는 단계; 이미지 중 검출된 얼굴 영역을 비 식별화하는 단계; 및 얼굴 영역 및 성별 정보를 표시하여 비 식별화된 이미지를 출력하는 단계를 포함할 수 있다.In addition, according to another aspect of the present invention, a method of operating an artificial intelligence-based image de-identification device includes receiving an image to be de-identified; detecting at least one human face region from an image based on a face identification model pretrained to detect the human face region; identifying a gender of the detected face region based on a gender identification model pre-learned to identify a person's gender; de-identifying the detected face region in the image; and outputting a non-identified image by displaying face region and gender information.

본 발명에 일 측면에 따르면, 개인정보유출 문제를 회피하기 위해, 이미지에 포함된 사람의 얼굴을 비 식별화하는 것이 가능하게 된다. According to one aspect of the present invention, in order to avoid the problem of personal information leakage, it is possible to de-identify a person's face included in an image.

또한, 본 발명의 다른 측면에 따르면 이미지에 포함된 사람의 얼굴 영역을 검출하는 것이 가능하게 된다.Also, according to another aspect of the present invention, it is possible to detect a human face region included in an image.

또한, 본 발명의 다른 측면에 따르면 이미지에 포함된 사람의 얼굴 영역의 나이를 식별하는 것이 가능하게 된다.Also, according to another aspect of the present invention, it is possible to identify the age of a face region of a person included in an image.

또한, 본 발명의 다른 측면에 따르면 이미지에 포함된 사람의 얼굴 영역의 성별을 식별하는 것이 가능하게 된다.In addition, according to another aspect of the present invention, it is possible to identify the gender of a face region of a person included in an image.

도 1은 본 발명의 일 실시예에 따른 인공지능 기반의 이미지 비 식별화 장치를 설명하기 위한 도면이다.
도 2는 본 발명의 일 실시예에 따른 인공지능 기반의 이미지 비 식별화 장치의 블록도이다.
도 3은 본 발명의 일 실시예에 따른 인공지능 기반의 이미지 비 식별화 장치의 동작 방법을 설명하기 위한 도면이다.
도 4는 본 발명의 일 실시예에 따른 얼굴 영역 검출 및 비식별화의 예를 도시한 도면이다.
도 5는 본 발명의 일 실시예에 따른 성별 식별의 예를 도시한 도면이다.
도 6은 본 발명의 일 실시예에 따른 나이 식별의 예를 도시한 도면이다.
도 7은 본 발명의 다른 실시예에 따른 인공지능 기반의 이미지 비 식별화 장치의 블록도이다.1 is a diagram for explaining an artificial intelligence-based image de-identification apparatus according to an embodiment of the present invention.
2 is a block diagram of an artificial intelligence-based image de-identification device according to an embodiment of the present invention.
3 is a diagram for explaining an operating method of an artificial intelligence-based image de-identification device according to an embodiment of the present invention.
4 is a diagram illustrating an example of face area detection and de-identification according to an embodiment of the present invention.
5 is a diagram illustrating an example of gender identification according to an embodiment of the present invention.
6 is a diagram illustrating an example of age identification according to an embodiment of the present invention.
7 is a block diagram of an artificial intelligence-based image de-identification device according to another embodiment of the present invention.

이하, 본 문서의 다양한 실시 예들이 첨부된 도면을 참조하여 기재된다.Hereinafter, various embodiments of this document will be described with reference to the accompanying drawings.

실시 예 및 이에 사용된 용어들은 본 문서에 기재된 기술을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 해당 실시 예의 다양한 변경, 균등물, 및/또는 대체물을 포함하는 것으로 이해되어야 한다.Examples and terms used therein are not intended to limit the technology described in this document to specific embodiments, and should be understood to include various modifications, equivalents, and/or substitutes of the embodiments.

하기에서 다양한 실시 예들을 설명에 있어 관련된 공지 기능 또는 구성에 대한 구체적인 설명이 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명을 생략할 것이다.In the following description of various embodiments, if it is determined that a detailed description of a related known function or configuration may unnecessarily obscure the subject matter of the invention, the detailed description will be omitted.

그리고 후술되는 용어들은 다양한 실시 예들에서의 기능을 고려하여 정의된 용어들로서 이는 사용자, 운용자의 의도 또는 관례 등에 따라 달라질 수 있다. 그러므로 그 정의는 본 명세서 전반에 걸친 내용을 토대로 내려져야 할 것이다.In addition, terms to be described below are terms defined in consideration of functions in various embodiments, and may vary according to intentions or customs of users or operators. Therefore, the definition should be made based on the contents throughout this specification.

도면의 설명과 관련하여, 유사한 구성요소에 대해서는 유사한 참조 부호가 사용될 수 있다.In connection with the description of the drawings, like reference numerals may be used for like elements.

단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함할 수 있다.Singular expressions may include plural expressions unless the context clearly dictates otherwise.

본 문서에서, "A 또는 B" 또는 "A 및/또는 B 중 적어도 하나" 등의 표현은 함께 나열된 항목들의 모든 가능한 조합을 포함할 수 있다.In this document, expressions such as "A or B" or "at least one of A and/or B" may include all possible combinations of the items listed together.

"제1," "제2," "첫째," 또는 "둘째," 등의 표현들은 해당 구성요소들을, 순서 또는 중요도에 상관없이 수식할 수 있고, 한 구성요소를 다른 구성요소와 구분하기 위해 사용될 뿐 해당 구성요소들을 한정하지 않는다.Expressions such as "first," "second," "first," or "second," may modify the corresponding components regardless of order or importance, and are used to distinguish one component from another. It is used only and does not limit the corresponding components.

어떤(예: 제1) 구성요소가 다른(예: 제2) 구성요소에 "(기능적으로 또는 통신적으로) 연결되어" 있다거나 "접속되어" 있다고 언급된 때에는, 상기 어떤 구성요소가 상기 다른 구성요소에 직접적으로 연결되거나, 다른 구성요소(예: 제3 구성요소)를 통하여 연결될 수 있다.When a (e.g., first) element is referred to as being "(functionally or communicatively) coupled to" or "connected to" another (e.g., second) element, that element refers to the other (e.g., second) element. It may be directly connected to the component or connected through another component (eg, a third component).

본 명세서에서, "~하도록 구성된(또는 설정된)(configured to)"은 상황에 따라, 예를 들면, 하드웨어적 또는 소프트웨어적으로 "~에 적합한," "~하는 능력을 가지는," "~하도록 변경된," "~하도록 만들어진," "~를 할 수 있는," 또는 "~하도록 설계된"과 상호 호환적으로(interchangeably) 사용될 수 있다.In this specification, "configured to (or configured to)" means "suitable for," "having the ability to," "changed to" depending on the situation, for example, hardware or software ," can be used interchangeably with "made to," "capable of," or "designed to."

어떤 상황에서는, "~하도록 구성된 장치"라는 표현은, 그 장치가 다른 장치 또는 부품들과 함께 "~할 수 있는" 것을 의미할 수 있다.In some contexts, the expression "device configured to" can mean that the device is "capable of" in conjunction with other devices or components.

예를 들면, 문구 "A, B, 및 C를 수행하도록 구성된(또는 설정된) 프로세서"는 해당 동작을 수행하기 위한 전용 프로세서(예: 임베디드 프로세서), 또는 메모리 장치에 저장된 하나 이상의 소프트웨어 프로그램들을 실행함으로써, 해당 동작들을 수행할 수 있는 범용 프로세서(예: CPU 또는 application processor)를 의미할 수 있다.For example, the phrase "a processor configured (or configured) to perform A, B, and C" may include a dedicated processor (eg, embedded processor) to perform the operation, or by executing one or more software programs stored in a memory device. , may mean a general-purpose processor (eg, CPU or application processor) capable of performing corresponding operations.

또한, '또는' 이라는 용어는 배타적 논리합 'exclusive or' 이기보다는 포함적인 논리합 'inclusive or' 를 의미한다.Also, the term 'or' means 'inclusive or' rather than 'exclusive or'.

즉, 달리 언급되지 않는 한 또는 문맥으로부터 명확하지 않는 한, 'x가 a 또는 b를 이용한다' 라는 표현은 포함적인 자연 순열들(natural inclusive permutations) 중 어느 하나를 의미한다.That is, unless otherwise stated or clear from the context, the expression 'x employs a or b' means any one of the natural inclusive permutations.

이하 사용되는 '..부', '..기' 등의 용어는 적어도 하나의 기능이나 동작을 처리하는 단위를 의미하며, 이는 하드웨어나 소프트웨어, 또는, 하드웨어 및 소프트웨어의 결합으로 구현될 수 있다.Terms such as '..unit' and '..group' used below refer to a unit that processes at least one function or operation, and may be implemented by hardware or software, or a combination of hardware and software.

도 1은 본 발명의 일 실시예에 따른 인공지능 기반의 이미지 비 식별화 장치를 설명하기 위한 도면이다. 1 is a diagram for explaining an artificial intelligence-based image de-identification apparatus according to an embodiment of the present invention.

도 1을 참조하면, 인공지능(Artificial intelligence, AI) 기반의 이미지 비 식별화 장치(1000)는 CCTV, 카메라, 인터넷 등을 통해 사람의 얼굴이 포함된 이미지를 입력 받고, 입력된 이미지 중 사람의 얼굴 영역을 검출할 수 있다. 인공지능 기반의 이미지 비식별화 장치(1000)는 신원을 확인할 수 없도록 입력된 이미지의 검출된 얼굴 영역을 모자이크, 블러링(blurring) 등의 기법을 활용하여 비 식별화할 수 있다. Referring to FIG. 1, an artificial intelligence (AI)-based image de-identification device 1000 receives an image including a human face through CCTV, a camera, the Internet, etc. Face regions can be detected. The artificial intelligence-based image de-identification apparatus 1000 may de-identify the detected face region of the input image using techniques such as mosaic and blurring so that the identity cannot be identified.

이하, 도 1에 도시된 인공지능 기반의 이미지 비 식별화 장치(1000)에 대한 구체적인 설명은 도 2 내지 도 7을 참조하여 후술한다. Hereinafter, a detailed description of the artificial intelligence-based image de-identification apparatus 1000 shown in FIG. 1 will be described later with reference to FIGS. 2 to 7 .

도 2는 본 발명의 일 실시예에 따른 인공지능 기반의 이미지 비 식별화 장치의 블록도이다. 2 is a block diagram of an artificial intelligence-based image de-identification device according to an embodiment of the present invention.

도 2를 참조하면, 본 발명의 일 실시예에 따른 인공지능 기반의 이미지 비 식별화 장치(1000)는 이미지 수신부(2100), 얼굴 영역 검출부(2200), 성별 식별부(2300), 이미지 비 식별화부(2500) 및 이미지 출력부(2600)를 포함할 수 있다. Referring to FIG. 2 , an artificial intelligence-based image de-identification device 1000 according to an embodiment of the present invention includes an image receiving unit 2100, a face region detection unit 2200, a gender identification unit 2300, and image de-identification. A picture unit 2500 and an image output unit 2600 may be included.

이미지 수신부(2100)는 비 식별화 대상이 되는 이미지를 수신할 수 있다. 구체적으로, 이미지 수신부(2100)는 CCTV, 카메라 등을 통해 촬영된 이미지를 수신하거나 인터넷 등의 유무선 네트워크를 통해 외부 장치로부터 이미지를 수신할 수 있다. The image receiving unit 2100 may receive an image to be non-identified. Specifically, the image receiving unit 2100 may receive an image captured through a CCTV, camera, or the like, or receive an image from an external device through a wired or wireless network such as the Internet.

일 실시예에서, 이미지 수신부(2100)는 이미지가 촬영된 장소 정보를 포함하여 이미지를 수신할 수 있다. 여기서, 장소 정보는 이미지가 촬영된 장소의 출입 제한 성별, 나이 등의 정보, 이미지가 촬영된 시설의 이름, 용도 정보 등을 더 포함할 수 있다. In an embodiment, the image receiving unit 2100 may receive an image including information about a place where the image was captured. Here, the place information may further include information such as gender, age, and the like of the place where the image was captured, the name of the facility where the image was captured, information on use, and the like.

얼굴 영역 검출부(2200)는 이미지 수신부(2100)를 통해 수신된 이미지에 포함된 사람의 얼굴 영역을 검출할 수 있다. 구체적으로, 얼굴 영역 검출부(2200)는 미리 학습된 얼굴 식별 모델을 기반으로 이미지에 포함된 사람의 얼굴 영역을 검출할 수 있다. The face region detector 2200 may detect a face region of a person included in an image received through the image receiver 2100 . In detail, the face region detector 2200 may detect a face region of a person included in an image based on a previously learned face identification model.

일 실시예에서, 얼굴 영역 검출부(2200)는 사람의 얼굴이 포함된 이미지들로부터 미리 학습된 CNN(Convolution Neural Networks), DNN(deep Neural Network) 등에 기반한 모델을 이용하여 이미지에 포함된 사람의 얼굴 영역을 검출할 수 있다. 본 발명에 대한 구체적 실험예에서는 Adience dataset이 학습데이터로 사용되었다. In an embodiment, the face area detection unit 2200 uses a model based on convolution neural networks (CNNs), deep neural networks (DNNs), etc. pre-learned from images including human faces, and uses a model based on a human face included in an image. area can be detected. In a specific experimental example for the present invention, the Adience dataset was used as learning data.

성별 식별부(2300)는 검출된 얼굴 영역에 대한 성별을 식별할 수 있다. 구체적으로, 성별 식별부(2300)는 사람의 성별을 식별하도록 미리 학습된 성별 식별 모델을 기반으로 검출된 얼굴 영역의 성별을 식별할 수 있다. The gender identification unit 2300 may identify the gender of the detected face region. In detail, the gender identification unit 2300 may identify the gender of the detected face region based on a gender identification model previously learned to identify the gender of a person.

일 실시예에서, 성별 식별부(2300)는 사람의 얼굴이 포함된 이미지들을 이용하여 성별을 식별하도록 미리 학습된 CNN(Convolution Neural Networks) 기반의 모델을 이용하여 이미지에 포함된 얼굴 영역의 성별을 식별할 수 있다. 본 발명에 대한 구체적 실험예에서는 Adience dataset이 학습데이터로 사용되었다.In an embodiment, the gender identification unit 2300 determines the gender of a face region included in an image by using a CNN (Convolution Neural Networks)-based model previously trained to identify a gender using images including human faces. can be identified. In a specific experimental example for the present invention, the Adience dataset was used as learning data.

나이 식별부(2400)는 이미지 수신부(2100)를 통해 수신된 이미지에 포함된 얼굴 영역의 나이를 식별할 수 있다. 구체적으로, 나이 식별부(2400)는 미리 학습된 나이 식별 모델을 기반으로 이미지에 포함된 얼굴 영역의 나이를 식별할 수 있다. The age identification unit 2400 may identify the age of a face region included in an image received through the image reception unit 2100 . In detail, the age identification unit 2400 may identify the age of a face region included in an image based on a pre-learned age identification model.

일 실시예에서, 나이 식별부(2400)는 사람의 얼굴이 포함된 이미지들을 이용하여 나이를 식별하도록 미리 학습된 CNN(Convolution Neural Networks) 등의 이미지 분류를 위한 딥러닝 모델(deep learning model) 기반의 모델을 이용하여 이미지에 포함된 얼굴 영역의 나이를 식별할 수 있다. 본 발명에 대한 구체적 실험예에서는 Adience dataset을 학습데이터로 하여 사람의 나이를 식별하는 학습을 수행하였다. In one embodiment, the age identification unit 2400 is based on a deep learning model for image classification such as CNN (Convolution Neural Networks) pre-learned to identify age using images including human faces. The age of the face region included in the image can be identified using the model of . In a specific experimental example of the present invention, learning to identify a person's age was performed using the Adience dataset as learning data.

또한, Adience dataset은 연령 및 성별 인식을 위한 얼굴 사진 데이터 세트로 2,284의 피사체에 대한 26,580개의 이미지가 제공되며, 0-2, 4-6, 8-13, 15-20, 25-32, 38-43, 48-53, 60 이상의 8개의 연령대 라벨과 성별 레이블 정보를 포함한다. 또한, Adience dataset은 얼굴 사진의 벤치 마크 역할을 하여 노이즈, 조명, 포즈 및 모양과 같은 다양한 실제 이미지 조건을 포함한다. In addition, the Adience dataset is a face image dataset for age and gender recognition. 26,580 images of 2,284 subjects are provided, and 0-2, 4-6, 8-13, 15-20, 25-32, 38- 8 age labels of 43, 48-53, 60 or more, and gender label information are included. In addition, the Adience dataset serves as a benchmark for face photos, including various real-world image conditions such as noise, lighting, pose, and shape.

일 실시예에서, 성별 및 나이를 식별하기 위한 Adience dataset의 프로젝트 파일은 아래 표 1 같다. In one embodiment, the project file of the Adience dataset for identifying gender and age is shown in Table 1 below.

Figure pat00001
Figure pat00001

일 실시예에서, 성별을 식별하기 위한 Adience dataset의 프로젝트 파일은 아래 표 2 같다. In one embodiment, the project file of the Adience dataset for identifying gender is shown in Table 2 below.

Figure pat00002
Figure pat00002

또한, 상술한 얼굴 영역 검출 모델, 성별 식별 모델 및 나이 식별 모델 적어도 2 이상은 하나의 모델로 구현될 수 있다. In addition, at least two or more of the aforementioned face region detection model, gender identification model, and age identification model may be implemented as one model.

일 실시예에서, 얼굴 영역 검출 모델, 성별 식별 모델 및 나이 식별 모델은 OpenCV를 이용하여 아래 표 3 내지 표 5에 나타난 소스코드와 같이 구현될 수 있다. In one embodiment, the face region detection model, the gender identification model, and the age identification model may be implemented as source codes shown in Tables 3 to 5 below using OpenCV.

Figure pat00003
Figure pat00003

Figure pat00004
Figure pat00004

Figure pat00005
Figure pat00005

이미지 비 식별화부(2500)는 이미지에 대한 비 식별화 처리를 수행할 수 있다. 구체적으로, 이미지 비 식별화부(2500)는 이미지 중 검색된 얼굴 영역을 모자이크, 블러링 등의 기법을 활용하여 비 식별화 처리를 수행할 수 있다.The image de-identification unit 2500 may perform de-identification processing on an image. Specifically, the image de-identification unit 2500 may perform de-identification processing on the searched face region in the image by using techniques such as mosaic and blurring.

일 실시예에서, 이미지 비 식별화부(2500)는 얼굴 영역을 Open CV를 이용하여 블러링 기법을 통해 얼굴 영역을 축소했다가 다시 확대하고, 다시 원래 사이즈로 변경하는 방법으로 이루어질 수 있다. 이는 블러링 기법을 통화 확대 및 축소되는 과정에서 얼굴 영역이 흐려지기 때문이다. 본 발명의 실험예에서는 OpenCV를 이용하여 아래 표 6과 같은 소스코드로 구현될 수 있다. In one embodiment, the image de-identification unit 2500 may be formed by reducing the face region through a blurring technique using Open CV, then enlarging the face region, and then changing the face region back to its original size. This is because the face area is blurred in the process of expanding and contracting the blurring technique. In the experimental example of the present invention, it can be implemented with the source code shown in Table 6 below using OpenCV.

Figure pat00006
Figure pat00006

일 실시예에서, 이미지 비 식별화부(2500)는 검색된 얼굴 영역 중 미리 설정된 특정 사람의 얼굴 영역만을 비 식별화하거나, 검색된 얼굴 영역 중 미리 설정된 특정 사람의 얼굴 영역을 제외한 다른 얼굴 영역들을 비 식별화할 수 있다. 여기서, 미리 설정된 특정 사람은 사용자에 의해 미리 입력된 특정 사람의 얼굴 이미지일 수 있다. 이때, 이미지 비 식별화부(2500)는 검색된 얼굴 영역들과 미리 입력된 특정 사람의 이미지와 매칭하여 동일 인물 여부를 확인함으로써, 검색된 얼굴 영역들 중 미리 설정된 특정 사람에 대응하는 얼굴 영역을 판단할 수 있다.In an embodiment, the image de-identification unit 2500 may de-identify only a face region of a specific person among the searched face regions or de-identify facial regions other than the face region of a specific person among the searched face regions. can Here, the preset specific person may be a face image of a specific person previously input by the user. At this time, the image de-identification unit 2500 may match the searched face regions with a pre-input image of a specific person to determine whether or not they are the same person, thereby determining a face region corresponding to a preset specific person among the searched face regions. there is.

일 실시예에서, 이미지 비 식별화부(2500)는 검색된 얼굴 영역 중 특정 성별의 얼굴 영역만을 비 식별화하거나, 검색된 얼굴 영역 중 특정 성별의 얼굴 영역을 제외한 다른 얼굴 영역들을 비 식별화할 수 있다. 여기서, 미리 설정된 특정 성별은 남자(male) 또는 여자(female)일 수 있다. In an embodiment, the image de-identification unit 2500 may de-identify only a face region of a specific gender from among the searched face regions or de-identify other facial regions excluding the face region of a specific gender from among the searched face regions. Here, the preset specific gender may be male or female.

일 실시예에서, 이미지 비 식별화부(2500)는 검색된 얼굴 영역 중 특정 나이의 얼굴 영역만을 비 식별화하거나, 검색된 얼굴 영역 중 특정 나이의 얼굴 영역을 제외한 다른 얼굴 영역들을 비 식별화할 수 있다. In an embodiment, the image de-identification unit 2500 may de-identify only a face region of a specific age among the searched face regions or de-identify other facial regions excluding the facial region of a specific age among the searched face regions.

일 실시예에서, 이미지 비 식별화부(2500)는 미리 설정된 특정 사람의 얼굴, 특정 나이 및 특정 성별 중 적어도 하나에 해당하는 얼굴 영역을 비 식별화할 수 있다.In an embodiment, the image de-identification unit 2500 may de-identify a face region corresponding to at least one of a preset face of a specific person, a specific age, and a specific gender.

이미지 출력부(2600)는 비 식별화된 이미지를 출력할 수 있다. 구체적으로, 이미지 출력부(2600)는 비 식별화된 이미지를 유무선 통신 방식을 이용하여 다른 외부 장치에 전송하거나 사람이 시각적으로 인식할 수 있도록 출력할 수 있다. The image output unit 2600 may output a non-identified image. Specifically, the image output unit 2600 may transmit the non-identified image to another external device using a wired/wireless communication method or output the non-identified image so that a person can visually recognize it.

일 실시예에서, 이미지 출력부(2600)는 프린터 또는 디스플레이 장치일 수 있다. In one embodiment, the image output unit 2600 may be a printer or display device.

일 실시예에서, 이미지 출력부(2600)는 입력된 이미지의 얼굴 영역, 성별, 나이 등을 표시하여 출력할 수 있다. 이때, 출력되는 이미지는 비 식별화되지 않은 이미지일 수 있다. In one embodiment, the image output unit 2600 may display and output the face region, gender, age, etc. of the input image. At this time, the output image may be a non-identified image.

일 실시예에서, 이미지 출력부(2600)는 이미지로부터 추출된 얼굴 영역, 성별, 나이 등을 기반으로 이미지가 촬영된 시설을 이용하는 이용자들의 성별 및 연령 통계를 생성하여 출력할 수 있다. 이를 통해, 특정 음식점, 여가 시설들에 대한 이용자 통계 정보를 획득하는 것이 가능할 수 있다.In an embodiment, the image output unit 2600 may generate and output gender and age statistics of users using the facility where the image was captured based on the face region, gender, age, etc. extracted from the image. Through this, it may be possible to obtain user statistical information about specific restaurants and leisure facilities.

일 실시예에서, 이미지 출력부(2600)는 이미지로부터 추출된 얼굴 영역, 성별, 나이 등을 이미지가 촬영된 장소의 출입 제한 정보와 비교하여, 이미지에 포함된 사람의 시설 출입 허용 여부를 출력할 수 있다. 즉, 미성년자 출입 금지 지설에 미성년자의 출입 여부, 여성 화장실에 남자 출입 여부 등을 감시하는 것이 가능할 수 있다. 이를 통해, 특정 시설에 출입자를 감시하는 것이 가능할 수 있다.In one embodiment, the image output unit 2600 compares the face region, gender, age, etc. extracted from the image with access restriction information of the place where the image was taken, and outputs whether a person included in the image is permitted to enter the facility. can That is, it may be possible to monitor whether a minor enters or leaves a minor, whether a man enters a women's bathroom, etc. Through this, it may be possible to monitor a person entering or leaving a specific facility.

도 3은 본 발명의 일 실시예에 따른 인공지능 기반의 이미지 비 식별화 장치의 동작 방법을 설명하기 위한 도면이다. 3 is a diagram for explaining an operating method of an artificial intelligence-based image de-identification device according to an embodiment of the present invention.

이하, 도 3에 도시된 방법은 도 1 및 도 2에 도시된 인공지능 기반의 이미지 비 식별화 장치(1000)에 의해 수행되는 것을 예시로 설명하는 바, 도 1 및 도 2에 대한 설명이 도 3에 확장됨은 자명하다. Hereinafter, the method shown in FIG. 3 will be described as being performed by the artificial intelligence-based image de-identification apparatus 1000 shown in FIGS. 1 and 2 as an example. The extension to 3 is self-evident.

단계 S3100에서, 이미지가 수신된다. 구체적으로, 인공지능 기반의 이미지 비 식별화 장치(1000)는 비 식별화 대상이 되는 이미지를 카메라, CCTV, 인터넷 등으로 통해 수신할 수 있다. In step S3100, an image is received. Specifically, the artificial intelligence-based image de-identification device 1000 may receive an image to be de-identified through a camera, CCTV, the Internet, or the like.

단계 S3200에서, 인공지능 기반의 이미지 비 식별화 장치(1000)는 수신된 이미지에 포함된 사람의 얼굴 영역을 검출할 수 있다. 구체적으로, 인공지능 기반의 이미지 비 식별화 장치(1000)는 미리 학습된 얼굴 식별 모델을 기반으로 이미지에 포함된 사람의 얼굴 영역을 검출할 수 있다. In step S3200, the AI-based image de-identification apparatus 1000 may detect a human face region included in the received image. Specifically, the artificial intelligence-based image de-identification apparatus 1000 may detect a face region of a person included in an image based on a pre-learned face identification model.

일 실시예에서, 인공지능 기반의 이미지 비 식별화 장치(1000)는 사람의 얼굴이 포함된 이미지들을 이용하여 미리 학습된 CNN(Convolution Neural Networks) 기반의 모델을 이용하여 이미지에 포함된 사람의 얼굴 영역을 검출할 수 있다. 본 발명에 대한 구체적 실험예에서는 Adience dataset이 학습데이터로 사용되었다. In one embodiment, the artificial intelligence-based image de-identification apparatus 1000 uses a CNN (Convolution Neural Networks)-based model pre-learned using images including human faces, and the human face included in the image. area can be detected. In a specific experimental example for the present invention, the Adience dataset was used as learning data.

단계 S3300에서, 인공지능 기반의 이미지 비 식별화 장치(1000)는 검출된 얼굴 영역의 성별을 식별할 수 있다. 구체적으로, 인공지능 기반의 이미지 비 식별화 장치(1000)는 사람의 성별을 식별하도록 미리 학습된 성별 식별 모델을 기반으로 검출된 얼굴 영역의 성별을 식별할 수 있다. In step S3300, the AI-based image de-identification apparatus 1000 may identify the gender of the detected face region. Specifically, the artificial intelligence-based image de-identification apparatus 1000 may identify the gender of the detected face region based on a gender identification model previously trained to identify the gender of a person.

일 실시예에서, 인공지능 기반의 이미지 비 식별화 장치(1000)는 사람의 얼굴이 포함된 이미지들을 이용하여 미리 학습된 CNN(Convolution Neural Networks) 기반의 모델을 이용하여 이미지에 포함된 얼굴 영역의 성별을 식별할 수 있다. 본 발명에 대한 구체적 실험예에서는 Adience dataset이 학습데이터로 사용되었다.In one embodiment, the artificial intelligence-based image de-identification apparatus 1000 uses a CNN (Convolution Neural Networks)-based model pre-learned using images including human faces to determine the level of facial regions included in images. gender can be identified. In a specific experimental example for the present invention, the Adience dataset was used as learning data.

단계 S3400에서, 인공지능 기반의 이미지 비 식별화 장치(1000)는 수신된 이미지에 포함된 얼굴 영역의 나이를 식별할 수 있다. 구체적으로, 인공지능 기반의 이미지 비 식별화 장치(1000)는 미리 학습된 나이 식별 모델을 기반으로 이미지에 포함된 얼굴 영역의 나이를 식별할 수 있다. In step S3400, the AI-based image de-identification apparatus 1000 may identify the age of a face region included in the received image. Specifically, the artificial intelligence-based image de-identification apparatus 1000 may identify the age of a face region included in an image based on a pre-learned age identification model.

일 실시예에서, 인공지능 기반의 이미지 비 식별화 장치(1000)는 사람의 얼굴이 포함된 이미지들을 이용하여 미리 학습된 CNN(Convolution Neural Networks) 기반의 모델을 이용하여 이미지에 포함된 얼굴 영역의 나이를 식별할 수 있다. 본 발명에 대한 구체적 실험예에서는 Adience dataset이 학습데이터로 사용되었다. In one embodiment, the artificial intelligence-based image de-identification apparatus 1000 uses a CNN (Convolution Neural Networks)-based model pre-learned using images including human faces to determine the level of facial regions included in images. age can be identified. In a specific experimental example for the present invention, the Adience dataset was used as learning data.

단계 S3500에서, 인공지능 기반의 이미지 비 식별화 장치(1000)는 이미지에 대한 비 식별화 처리를 수행할 수 있다. 구체적으로, 인공지능 기반의 이미지 비 식별화 장치(1000)는 이미지 중 검색된 얼굴 영역을 모자이크, 블러링 등의 비 식별화 처리를 수행할 수 있다.In step S3500, the artificial intelligence-based image de-identification apparatus 1000 may perform de-identification processing on the image. Specifically, the artificial intelligence-based image de-identification apparatus 1000 may perform de-identification processing such as mosaic and blurring on the searched face region in the image.

일 실시예에서, 인공지능 기반의 이미지 비 식별화 장치(1000)는 검색된 얼굴 영역 중 미리 설정된 특정 사람의 얼굴 영역만을 비 식별화 하거나, 검색된 얼굴 영역 중 미리 설정된 특정 사람의 얼굴 영역을 제외한 다른 얼굴 영역들을 비 식별화할 수 있다. 여기서, 미리 설정된 특정 사람은 사용자에 의해 미리 입력된 특정 사람의 얼굴 이미지일 수 있다. 이때, 인공지능 기반의 이미지 비 식별화 장치(1000)는 검색된 얼굴 영역들과 미리 입력된 특정 사람의 이미지와 매칭하여 동일 인물 여부를 확인함으로써, 검색된 얼굴 영역들 중 미리 설정된 특정 사람에 대응하는 얼굴 영역을 판단할 수 있다.In one embodiment, the artificial intelligence-based image de-identification apparatus 1000 de-identifies only a face region of a specific person set in advance among the searched face regions, or faces other than the face region of a specific person set in advance among the searched face regions. Areas can be de-identified. Here, the preset specific person may be a face image of a specific person previously input by the user. At this time, the artificial intelligence-based image de-identification apparatus 1000 matches the searched face regions with a pre-input image of a specific person to determine whether or not the same person is present, thereby matching a face corresponding to a preset specific person among the searched face regions. area can be determined.

일 실시예에서, 인공지능 기반의 이미지 비 식별화 장치(1000)는 검색된 얼굴 영역 중 특정 성별의 얼굴 영역만을 비 식별화하거나, 검색된 얼굴 영역 중 특정 성별의 얼굴 영역을 제외한 다른 얼굴 영역들을 비 식별화할 수 있다. 여기서, 미리 설정된 특정 성별은 남자 또는 여자일 수 있다. In an embodiment, the artificial intelligence-based image de-identification apparatus 1000 de-identifies only a face region of a specific gender among the searched face regions, or de-identifies other facial regions excluding the face region of a specific gender among the searched face regions. can get angry Here, the preset specific gender may be male or female.

일 실시예에서, 인공지능 기반의 이미지 비 식별화 장치(1000)는 검색된 얼굴 영역 중 특정 나이의 얼굴 영역만을 비 식별화하거나, 검색된 얼굴 영역 중 특정 나이의 얼굴 영역을 제외한 다른 얼굴 영역들을 비 식별화할 수 있다. In an embodiment, the AI-based image de-identification apparatus 1000 de-identifies only a face region of a specific age among the searched face regions, or de-identifies other facial regions excluding the face region of a specific age among the searched face regions. can get angry

일 실시예에서, 인공지능 기반의 이미지 비 식별화 장치(1000)는 미리 설정된 특정 사람의 얼굴, 특정 나이 및 특정 성별 중 적어도 하나에 해당하는 얼굴 영역을 비 식별화할 수 있다.In one embodiment, the artificial intelligence-based image de-identification apparatus 1000 may de-identify a face region corresponding to at least one of a preset face of a specific person, a specific age, and a specific gender.

단계 S3600에서, 인공지능 기반의 이미지 비 식별화 장치(1000)는 비 식별화된 이미지를 출력할 수 있다. 구체적으로, 인공지능 기반의 이미지 비 식별화 장치(1000)는 비 식별화된 이미지를 유무선 통신 방식을 이용하여 다른 외부 장치에 전송하거나 사람이 시각적으로 인식할 수 있도록 출력할 수 있다. In step S3600, the artificial intelligence-based image de-identification device 1000 may output a de-identified image. Specifically, the artificial intelligence-based image de-identification device 1000 may transmit the de-identified image to another external device using a wired or wireless communication method or output the de-identified image so that a person can visually recognize it.

일 실시예에서, 인공지능 기반의 이미지 비 식별화 장치(1000)는 프린터 또는 디스플레이 장치를 포함할 수 있다. In one embodiment, the AI-based image de-identification device 1000 may include a printer or a display device.

일 실시예에서, 인공지능 기반의 이미지 비 식별화 장치(1000)는 입력된 이미지의 얼굴 영역, 성별, 나이 등을 표시하여 출력할 수 있다. 이때, 출력되는 이미지는 비 식별화되지 않은 이미지일 수 있다. In one embodiment, the artificial intelligence-based image de-identification apparatus 1000 may display and output the face region, gender, age, and the like of the input image. At this time, the output image may be a non-identified image.

도 4는 본 발명의 일 실시예에 따른 얼굴 영역 검출 및 비식별화의 예를 도시한 도면이다. 4 is a diagram illustrating an example of face area detection and de-identification according to an embodiment of the present invention.

도 4를 참조하면, 도 4 (A)는 원본 이미지에 세명의 사람이 포함되어 있으며, 각 사람의 얼굴 영역이 검출되고 이를 원본 이미지 상에 표현한 예를 나타낸다. 도 4 (B)는 원본 이미지 상에서 검출된 세명의 얼굴 영역에 대한 블러링 또는 모자이크 처리 등의 비 식별화가 이루어진 예를 나타낸다. Referring to FIG. 4 , FIG. 4(A) shows an example in which three people are included in an original image, and face regions of each person are detected and expressed on the original image. 4(B) shows an example in which non-identification is performed, such as blurring or mosaic processing, on the face regions of three people detected on the original image.

도 5는 본 발명의 일 실시예에 따른 성별 식별의 예를 도시한 도면이다. 5 is a diagram illustrating an example of gender identification according to an embodiment of the present invention.

도 5를 참조하면, 원본 이미지 상에서 검출된 얼굴 영역에 대한 성별 식별이 이루어진 경우의 예시이며, 도 5 (A)는 검색된 얼굴 영역의 성별이 남성(male)으로 식별된 경우이고, 도 5 (B)는 검색된 얼굴 영역의 성별이 여성(female)으로 식별된 경우를 나타낸다. 이때, 각각의 얼굴 영역 및 성별 식별 정보는 원본 이미지상에 표시되어 출력될 수 있다. Referring to FIG. 5, an example of a case where gender identification is performed on a face region detected on an original image, FIG. 5 (A) is a case where the gender of the detected face region is identified as male, and FIG. ) represents a case where the gender of the searched face region is identified as female. At this time, each face region and gender identification information may be displayed and output on the original image.

도 6은 본 발명의 일 실시예에 따른 나이 식별의 예를 도시한 도면이다. 6 is a diagram illustrating an example of age identification according to an embodiment of the present invention.

도 6을 참조하면, 원본 이미지 상에서 검출된 얼굴 영역에 대한 성별 및 나이 식별이 이루어진 경우의 예시며, 도 6 (A)는 얼굴 영역의 성별이 여자(female)이고 나이가 38세 내지 43세로 식별된 경우이고, 도 6 (B)는 얼굴의 성별이 여자(female)이고 나이가 25세 내지 32세로 식별된 경우를 나타낸다. 이때, 각각의 얼굴 영역, 성별, 나이는 원본 이미지 상에 표시되어 출력될 수 있다. Referring to FIG. 6, an example of a case where gender and age identification is performed on a face region detected on an original image, and FIG. 6 (B) shows a case where the gender of the face is female and the age is identified as 25 to 32 years old. At this time, each face region, gender, and age may be displayed and output on the original image.

도 7은 본 발명의 다른 실시예에 따른 인공지능 기반의 이미지 비 식별화 장치의 블록도이다.7 is a block diagram of an artificial intelligence-based image de-identification device according to another embodiment of the present invention.

도 7에 도시된 바와 같이, 인공지능 기반의 이미지 비 식별화 장치(1000)는 프로세서(7100), 메모리(7200), 저장부(7300), 사용자 인터페이스 입력부(7400) 및 사용자 인터페이스 출력부(7500) 중 적어도 하나 이상의 요소를 포함할 수 있으며, 이들은 버스(7600)를 통해 서로 통신할 수 있다. 또한, 인공지능 기반의 이미지 비 식별화 장치(1000)는 네트워크에 접속하기 위한 네트워크 인터페이스(7700)를 또한 포함할 수 있다. 프로세서(7100)는 메모리(7200) 및/또는 저장소(7300)에 저장된 처리 명령어를 실행시키는 CPU 또는 반도체 소자일 수 있다. 메모리(7200) 및 저장부(7300)는 다양한 유형의 휘발성/비휘발성 기억 매체를 포함할 수 있다. 예를 들어, 메모리는 ROM(7240) 및 RAM(7250)을 포함할 수 있다. As shown in FIG. 7, the artificial intelligence-based image de-identification apparatus 1000 includes a processor 7100, a memory 7200, a storage unit 7300, a user interface input unit 7400, and a user interface output unit 7500. ), and can communicate with each other through the bus 7600. In addition, the AI-based image de-identification device 1000 may also include a network interface 7700 for accessing a network. Processor 7100 may be a CPU or semiconductor device that executes processing instructions stored in memory 7200 and/or storage 7300 . The memory 7200 and the storage unit 7300 may include various types of volatile/nonvolatile storage media. For example, the memory may include ROM 7240 and RAM 7250.

이상에서 설명된 장치는 하드웨어 구성요소, 소프트웨어 구성요소, 및/또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 장치 및 구성요소는, 예를 들어, 프로세서, 콘트롤러, ALU(arithmetic logic unit), 디지털 신호 프로세서(digital signal processor), 마이크로컴퓨터, FPA(field programmable 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.The devices described above may be implemented as hardware components, software components, and/or a combination of hardware components and software components. For example, devices 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 array (FPA), It may be implemented using one or more general purpose or special purpose computers, such as a programmable logic unit (PLU), microprocessor, 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.

또한, 처리 장치는 소프트웨어의 실행에 응답하여, 데이터를 접근, 저장, 조작, 처리 및 생성할 수도 있다. 이해의 편의를 위하여, 처리 장치는 하나가 사용되는 것으로 설명된 경우도 있지만, 해당 기술분야에서 통상의 지식을 가진 자는, 처리 장치가 복수 개의 처리 요소(processing element) 및/또는 복수 유형의 처리 요소를 포함할 수 있음을 알 수 있다. 예를 들어, 처리 장치는 복수 개의 프로세서 또는 하나의 프로세서 및 하나의 콘트롤러를 포함할 수 있다. 또한, 병렬 프로세서(parallel processor)와 같은, 다른 처리 구성(processing configuration)도 가능하다.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. The 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.

이상과 같이 실시예들이 비록 한정된 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.As described above, although the embodiments have been described with limited 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.

그러므로, 다른 구현들, 다른 실시예들 및 특허청구범위와 균등한 것들도 후술하는 특허청구범위의 범위에 속한다.Therefore, other implementations, other embodiments, and equivalents of the claims are within the scope of the following claims.

1000: 인공지능 기반의 이미지 비 식별화 장치
2100: 이미지 수신부 2200: 얼굴 영역 검출부
2300: 성별 식별부 2400: 나이 식별부
2500: 이미지 비 식별화부 2600: 이미지 출력부
1000: AI-based image de-identification device
2100: image receiving unit 2200: face area detection unit
2300: gender identification unit 2400: age identification unit
2500: image non-identification unit 2600: image output unit

Claims (5)

비식별화 대상이 되는 이미지를 수신하는 이미지 수신부;
사람의 얼굴 영역을 검출하도록 미리 학습된 얼굴 식별 모델을 기반으로 상기 이미지로부터 사람의 얼굴 영역을 적어도 하나 검출하는 얼굴 영역 검출부;
사람의 성별을 식별하도록 미리 학습된 성별 식별 모델을 기반으로 검출된 얼굴 영역의 성별을 식별하는 성별 식별부;
상기 이미지 중 상기 검출된 얼굴 영역을 비 식별화하는 이미지 비 식별화부; 및
얼굴 영역 및 성별 정보를 표시하여 비 식별화된 이미지를 출력하는 이미지 출력부;
를 포함하는, 인공지능 기반의 이미지 비 식별화 장치.
an image receiving unit for receiving an image to be de-identified;
a face region detector detecting at least one human face region from the image based on a face identification model pretrained to detect the human face region;
a gender identification unit configured to identify a gender of the detected face region based on a gender identification model pretrained to identify a person's gender;
an image de-identification unit de-identifying the detected face region in the image; and
an image output unit that outputs a non-identified image by displaying face region and gender information;
Including, artificial intelligence-based image de-identification device.
 제1항에 있어서,
사람의 나이를 식별하도록 미리 학습된 나이 식별 모델을 기반으로 상기 검출된 얼굴 영역의 나이를 식별하는 나이 식별부를 더 포함하되,
상기 이미지 출력부는,
나이 정보를 더 포함하여 상기 비 식별화된 이미지를 출력하는, 인공지능 기반의 이미지 비 식별화 장치.
According to claim 1,
An age identification unit configured to identify the age of the detected face region based on an age identification model pretrained to identify a person's age;
The image output unit,
An artificial intelligence-based image de-identification device that outputs the de-identified image by further including age information.
 제2항에 있어서,
상기 미리 학습된 얼굴 식별 모델, 미리 학습된 성별 식별 모델 및 미리 학습된 나이 식별 모델 중 적어도 하나는 CNN(Convolution Neural Networks) 모델을 기반으로 학습되는, 인공지능 기반의 이미지 비 식별화 장치.
According to claim 2,
At least one of the pre-learned face identification model, the pre-learned gender identification model, and the pre-learned age identification model is learned based on a Convolution Neural Networks (CNN) model.
 제2항에 있어서,
상기 이미지 비 식별화부는,
상기 검출된 얼굴 영역 중 미리 설정된 특정 성별 또는 나이에 해당하는 얼굴 영역만을 비 식별화하는, 인공지능 기반의 이미지 비 식별화 장치.
According to claim 2,
The image de-identification unit,
An artificial intelligence-based image de-identification device for de-identifying only a face region corresponding to a predetermined specific gender or age among the detected face regions.
 제1항에 있어서,
상기 검출된 얼굴 영역 중 미리 설정된 특정 사람에 해당하는 얼굴 영역만을 비 식별화하는, 인공지능 기반의 이미지 비 식별화 장치.According to claim 1,
An artificial intelligence-based image de-identification device for de-identifying only a face region corresponding to a preset specific person among the detected face regions.
KR1020210123968A 2021-09-16 2021-09-16 Apparatus and method for non-identifying image based on artificial intelligence KR20230040611A (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020210123968A KR20230040611A (en) 2021-09-16 2021-09-16 Apparatus and method for non-identifying image based on artificial intelligence

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020210123968A KR20230040611A (en) 2021-09-16 2021-09-16 Apparatus and method for non-identifying image based on artificial intelligence

Publications (1)

Publication Number Publication Date
KR20230040611A true KR20230040611A (en) 2023-03-23

Family

ID=85799183

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020210123968A KR20230040611A (en) 2021-09-16 2021-09-16 Apparatus and method for non-identifying image based on artificial intelligence

Country Status (1)

Country Link
KR (1) KR20230040611A (en)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102627034B1 (en) * 2023-05-08 2024-01-19 주식회사 알마로꼬 System and method for providing a variety of personal content while reducing the burden on the operator of the content space
KR102653639B1 (en) * 2023-07-06 2024-04-02 (주)시정 Object tracking method, apparatus and system using vision transformer and reference image

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20200139015A (en) 2019-06-03 2020-12-11 계명대학교 산학협력단 Identification system for face recognition using tprl algorithm and its way to working

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20200139015A (en) 2019-06-03 2020-12-11 계명대학교 산학협력단 Identification system for face recognition using tprl algorithm and its way to working

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102627034B1 (en) * 2023-05-08 2024-01-19 주식회사 알마로꼬 System and method for providing a variety of personal content while reducing the burden on the operator of the content space
KR102653639B1 (en) * 2023-07-06 2024-04-02 (주)시정 Object tracking method, apparatus and system using vision transformer and reference image

Similar Documents

Publication Publication Date Title
KR102299847B1 (en) Face verifying method and apparatus
US10726244B2 (en) Method and apparatus detecting a target
KR102387571B1 (en) Liveness test method and apparatus for
CN105893920B (en) Face living body detection method and device
US20170076146A1 (en) Fusing ocular-vascular with facial and/or sub-facial information for biometric systems
CN106709404B (en) Image processing apparatus and image processing method
US20170061258A1 (en) Method, apparatus, and computer program product for precluding image capture of an image presented on a display
Pang et al. Classifying discriminative features for blur detection
US9576196B1 (en) Leveraging image context for improved glyph classification
KR20230040611A (en) Apparatus and method for non-identifying image based on artificial intelligence
WO2019033525A1 (en) Au feature recognition method, device and storage medium
KR101185243B1 (en) Apparatus and method for registering a plurlity of face image for face recognition
Seal et al. Human face recognition using random forest based fusion of à-trous wavelet transform coefficients from thermal and visible images
US11854116B2 (en) Task-based image masking
JP2011193115A (en) Face masking device and method
Ebihara et al. Efficient face spoofing detection with flash
Senthilkumar et al. Suspicious human activity detection in classroom examination
US20200302572A1 (en) Information processing device, information processing system, information processing method, and program
CN110688967A (en) System and method for static human face living body detection
JP7120590B2 (en) Information processing device, information processing method, and program
CN109741243B (en) Color sketch image generation method and related product
KR101621157B1 (en) Apparatus for recongnizing face using mct and method thereof
KR20210050649A (en) Face verifying method of mobile device
Amjed et al. A robust geometric skin colour face detection method under unconstrained environment of smartphone database
Grabovskyi et al. Facial recognition with using of the microsoft face API Service

Legal Events

Date Code Title Description
E601 Decision to refuse application