KR20230065684A - 탐지 성능이 향상된 이미지 탐지 시스템 및 그 방법 - Google Patents

탐지 성능이 향상된 이미지 탐지 시스템 및 그 방법 Download PDF

Info

Publication number
KR20230065684A
KR20230065684A KR1020210151493A KR20210151493A KR20230065684A KR 20230065684 A KR20230065684 A KR 20230065684A KR 1020210151493 A KR1020210151493 A KR 1020210151493A KR 20210151493 A KR20210151493 A KR 20210151493A KR 20230065684 A KR20230065684 A KR 20230065684A
Authority
KR
South Korea
Prior art keywords
image
image data
analysis
unit
detection
Prior art date
Application number
KR1020210151493A
Other languages
English (en)
Inventor
전병천
Original Assignee
(주)넷비젼텔레콤
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 (주)넷비젼텔레콤 filed Critical (주)넷비젼텔레콤
Priority to KR1020210151493A priority Critical patent/KR20230065684A/ko
Publication of KR20230065684A publication Critical patent/KR20230065684A/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/161—Detection; Localisation; Normalisation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • G06T7/001—Industrial image inspection using an image reference approach
    • 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
    • G06V40/168—Feature extraction; Face representation
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Computer Interaction (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Quality & Reliability (AREA)
  • Image Analysis (AREA)

Abstract

본 발명은 탐지 성능이 향상된 이미지 탐지 시스템 및 그 방법에 관한 것으로서, 빅데이터를 기반으로 하는 AI 이미지 분석 모델에서, 빅데이터에 의한 검색 시간의 증가 없이 특정 이미지에 대한 탐지 정확도를 향상시킬 수 있는 기술에 관한 것이다.

Description

탐지 성능이 향상된 이미지 탐지 시스템 및 그 방법 {Image detection system and method for improving detection performance}
본 발명은 탐지 성능이 향상된 이미지 탐지 시스템 및 그 방법에 관한 것으로, 더욱 상세하게는 다수의 AI이미지 분석 모델을 적용하여 이미지 탐지의 정확도 향상과 더불어, 빅데이터로 인한 탐지 시간의 증가를 최소화할 수 있는 탐지 성능이 향상된 이미지 탐지 시스템 및 그 방법에 관한 것이다.
인공지능(AI, Artificial Intelligence) 기술이 발전하면서, 이러한 인공지능 분석/탐지 모델을 이용한 다양한 서비스가 증가하고 있다.
특히, 사람 얼굴 이미지나, 자동차 번호판과 같은 사물에 대한 이미지 인식을 바탕으로 특정한 사물을 탐지해내는 서비스들로 널리 활용되고 있다.
이러한 AI 이미지 인식 기술을 이용한 특정한 사물을 탐지하는 방법은, 특정한 사물의 특징(특성) 데이터를 비교하여 일치되는 정도를 가지고 탐지하게 된다.
특정한 사물을 탐지하는 방법에 대한 예를 들자면, 먼저, 탐지하고자 하는 사물 별로 적합한 AI 분석 모델을 이용하여 다양한 형태로 존재하는 각 사물들의 특징을 분석하고, 분석된 특징들을 메타 데이터 형식으로 스토리지에 DB화하여 저장하게 된다. 이 후, 찾고자 하는 특정한 사물의 특징 데이터와 데이터베이스에 저장하고 있는 사물들에 대한 특징 데이터들을 비교하여 이들 간의 유사도(일치도)를 분석하고, 유사도가 높은 것을 바탕으로 특정한 사물을 탐지하게 된다.
그렇지만, 데이터베이스 내에 존재하는 사물의 특징 데이터 개수와 사용하는 AI 이미지 분석 모델에 따라 데이터베이스 내에서 특정 이미지 데이터를 탐지해 내는 시간이 상이하게 되고, 뿐만 아니라, 탐지된 데이터가 실제 찾고자 하는 특정한 사물이 맞는지에 대한 정확도 역시 상이하게 되기 때문에, 높은 신뢰도를 갖고 있다고 보기 어려운 문제점이 있다.
이에 따라, 종래에는 하나의 AI 이미지 분석 모델을 사용할 때 갖고 있는 문제점인 정확도와 신뢰도를 향상시키기 위하여, 다양한 AI 이미지 분석 모델을 결합하여 사용하고자 하였으나, 이 경우, 단일 AI 이미지 분석 모델을 적용하는 경우보다는 분명하게 정확도가 높아지는 장점은 있으나, 그만큼 분석량이 증가하기 때문에, 고가의 분석 장치가 요구되고 분석 시간이 증가하는 문제점이 있다.
국내공개특허 제10-2019-0093799호(공개일자 2019.08.12.)
본 발명은 상기한 바와 같은 종래 기술의 문제점을 해결하기 위하여 안출된 것으로, 본 발명의 목적은 다수 개의 AI 이미지 분석 모델을 적용하면서도 컴퓨팅 성능의 개선이나 분석 시간의 증대 없이, 이미지 인식 및 탐지 성능을 향상시킬 수 있는 탐지 성능이 향상된 이미지 탐지 시스템 및 그 방법을 제공하는 것이다.
본 발명의 일 실시예에 따른 탐지 성능이 향상된 이미지 탐지 시스템에 있어서, 사전에 외부로부터 다수의 이미지 데이터를 입력받아, 각 이미지 데이터 별로 고유 식별 정보를 부여하여 저장 및 관리하는 이미지 관리부(100), 기저장되는 어느 하나의 AI 이미지 분석 모델을 포함하며, 상기 이미지 관리부(100)에 의한 각 이미지 데이터와, 외부로부터 입력받은 분석하고자 하는 특정 이미지 데이터의 특성을 분석하는 제1 분석부(200), 상기 제1 분석부(200)의 분석 결과를 이용하여, 상기 각 이미지 데이터의 특성 데이터와 상기 특정 이미지 데이터의 특성 데이터를 비교 탐지하는 제1 탐지부(300), 상기 제1 탐지부(300)의 탐지 결과를 기반으로, 상기 이미지 관리부(100)에 의한 다수의 이미지 데이터 중 적어도 하나의 이미지 데이터를 도출하는 이미지 도출부(400), 기저장되는 적어도 하나의 또다른 AI 이미지 분석 모델을 포함하며, 상기 이미지 도출부(400)에 의한 도출 이미지 데이터와, 상기 특정 이미지 데이터의 특성을 분석하는 제2 분석부(500) 및 상기 제2 분석부(500)의 분석 결과를 이용하여, 상기 도출 이미지 데이터의 특성 데이터와 상기 특정 이미지 데이터의 특성 데이터를 비교 탐지하는 제2 탐지부(600)를 포함하며, 상기 제1 분석부(200)와 상기 제2 분석부(500)는 각각 상이한 AI 이미지 분석 모델을 포함하는 것이 바람직하다.
더 나아가, 상기 제1 분석부(200)는 상기 AI 이미지 분석 모델을 이용하여, 상기 이미지 관리부(100)에 의한 상기 다수의 이미지 데이터를 전송받아, 각각의 이미지 데이터에 대한 특성을 분석하는 기초 분석부(210), 상기 기초 분석부(210)에 의한 분석 결과를 각 이미지 데이터 별로 부여된 상기 고유 식별 정보와 매칭시켜, 저장 및 관리하는 기초 저장부(220) 및 상기 AI 이미지 분석 모델을 이용하여, 상기 특정 이미지 데이터의 특성을 분석하는 기초 특정 분석부(230)를 포함하는 것이 바람직하다.
더 나아가, 상기 제1 탐지부(300)는 기저장된 비교 기법을 적용하여, 상기 기초 저장부(220)에 의한 각 이미지 데이터의 특성 데이터와 상기 기초 특정 분석부(230)에 의한 상기 특정 이미지 데이터의 특성 데이터를 각각 비교하여, 상기 특정 이미지 데이터의 특성 데이터와 소정 기준의 일치도를 갖는 이미지 데이터를 탐지하고, 탐지한 이미지 데이터에 해당하는 고유 식별 정보를 판단하는 것이 바람직하다.
더 나아가, 상기 제2 분석부(500) 하나 이상의 또다른 AI 이미지 분석 모델을 이용하여, 상기 이미지 도출부(400)에 의한 도출 이미지 데이터를 전송받아, 각 AI 이미지 분석 모델 별로 각 도출 이미지 데이터에 대한 특성을 분석하는 세부 분석부(510), 상기 세부 분석부(510)에 의한 분석 결과를 각 도출 이미지 데이터 별로 부여된 상기 고유 식별 정보와 매칭시켜, 각 AI 이미지 분석 모델 별로 저장 및 관리하는 세부 저장부(520) 및 상기 하나 이상의 또다른 AI 이미지 분석 모델을 이용하여, 각 AI 이미지 분석 모델 별로 상기 특정 이미지 데이터의 특성을 분석하는 세부 특정 분석부(530)를 포함하는 것이 바람직하다.
더 나아가, 상기 제2 탐지부(600)는 기저장된 비교 기법을 적용하여, 각 AI 이미지 분석 모델 별로 상기 세부 저장부(520)에 의한 각 도출 이미지 데이터의 특성 데이터와 상기 세부 특정 분석부(530)에 의한 상기 특정 이미지 데이터의 특성 데이터를 각각 비교하여, 상기 특정 이미지 데이터와 상기 도출 이미지 데이터 간의 일치도를 분석하고, 각 특정 이미지 데이터의 고유 식별 번호를 판단하여, 각 특정 이미지 데이터에 대해 판단한 상기 고유 식별 번호와 분석한 일치도를 매칭시켜 최종 탐지 결과 정보를 생성하는 것이 바람직하다.
본 발명의 또 다른 일 실시예에 따른 컴퓨터로 구현되는 탐지 성능이 향상된 이미지 탐지 시스템에 의해 각 단계가 수행되는 탐지 성능이 향상된 이미지 탐지 방법에 있어서, 이미지 관리부에서, 사전에 다수의 이미지 데이터를 입력받아, 각 이미지 데이터 별로 고유 식별 정보를 부여하여 저장 및 관리하는 제1 입력 단계(S100), 제1 분석부에서, 외부로부터 분석하고자 하는 특정 이미지 데이터를 입력받는 제2 입력 단계(S200), 제1 분석부에서, 기저장되는 어느 하나의 AI 이미지 분석 모델을 이용하여, 상기 제1 입력 단계(S100)에 의한 각 이미지 데이터와, 상기 제2 입력 단계(S200)에 의한 특정 이미지 데이터의 특성을 분석하는 제1 분석 단계(S300), 제1 탐지부에서, 상기 제1 분석 단계(S300)의 분석 결과를 이용하여, 각 이미지 데이터와 특정 이미지 데이터 간의 일치도를 비교 탐지하는 제1 비교 단계(S400), 이미지 도출부에서, 상기 제1 비교 단계(S400)에 의한 비교 탐지 결과를 기반으로, 상기 제1 입력 단계(S100)에 의한 다수의 이미지 데이터들 중 적어도 하나의 이미지 데이터를 도출하는 도출 단계(S500), 제2 분석부에서, 기저장되는 하나 이상의 또다른 AI 이미지 분석 모델을 이용하여, 각 AI 이미지 분석 모델 별로 상기 도출 단계(S500)에 의한 도출 이미지 데이터와 상기 제2 입력 단계(S200)에 의한 특정 이미지 데이터의 특성을 분석하는 제2 분석 단계(S600) 및 제2 탐지부에서, 상기 제2 분석 단계(S600)의 분석 결과를 이용하여, 도출 이미지 데이터와 특정 이미지 데이터 간의 일치도를 비교 탐지하는 제2 비교 단계(S700)를 포함하며, 상기 제1 분석 단계(S300)에 의한 AI 이미지 분석 모델과 상기 제2 분석 단계(S600)에 의한 AI 이미지 분석 모델은 서로 상이한 AI 이미지 분석 모델인 것을 특징으로 하는 것이 바람직하다.
더 나아가, 도출 단계(S500)는 상기 제1 비교 단계(S400)에 의한 비교 탐지 결과를 기반으로, 상기 제1 입력 단계(S100)에 의한 다수의 이미지 데이터들 중 소정 기준의 일치도를 갖는 이미지 데이터를 도출하는 것이 바람직하다.
더 나아가, 상기 제2 분석 단계(S600)는 하나 이상의 AI 이미지 분석 모델을 이용하여, 각 AI 이미지 분석 모델 별로 상기 도출 단계(S500)에 의한 도출 이미지 데이터와 상기 제2 입력 단계(S200)에 의한 특정 이미지 데이터의 특성을 분석하는 것이 바람직하다.
더 나아가, 상기 탐지 성능이 향상된 이미지 탐지 방법은 상기 제2 비교 단계(S700)를 수행하고 난 후, 제2 탐지부에서, 각 특정 이미지 데이터의 고유 식별 번호를 판단하여, 각 특정 이미지 데이터에 대해 판단한 상기 고유 식별 번호와 상기 제2 비교 단계(S700)에 의한 비교 탐지 결과에 따른 각 특정 이미지 데이터의 일치도를 매칭시켜 최종 탐지 결과 정보를 생성하는 최종 결과 단계(S800)를 더 포함하는 것이 바람직하다.
상기와 같은 구성에 의한 본 발명의탐지 성능이 향상된 이미지 탐지 시스템 및 그 방법은 다수 개의 AI 이미지 분석 모델을 활용하면서도, 다수 개의 AI 이미지 분석 모델을 단계를 정하여 순차적으로 적용함으로써, 컴퓨팅 성능의 개선이나 분석 시간/분석량의 증대 없이 탐지 정확도를 향상시킬 수 있는 장점이 있다.
도 1은 다수의 AI 이미지 분석 모듈을 적용한 종래의 이미지 탐지 시스템을 나타낸 구성 예시도이다.
도 2는 본 발명의 일 실시예에 따른 탐지 성능이 향상된 이미지 탐지 시스템을 나타낸 구성 예시도이다.
도 3은 본 발명의 일 실시예에 따른 탐지 성능이 향상된 이미지 탐지 방법을 나타낸 순서 예시도이다.
이하 첨부한 도면들을 참조하여 본 발명의 탐지 성능이 향상된 이미지 탐지 시스템 및 그 방법을 상세히 설명한다. 다음에 소개되는 도면들은 당업자에게 본 발명의 사상이 충분히 전달될 수 있도록 하기 위해 예로서 제공되는 것이다. 따라서, 본 발명은 이하 제시되는 도면들에 한정되지 않고 다른 형태로 구체화될 수도 있다. 또한, 명세서 전반에 걸쳐서 동일한 참조번호들은 동일한 구성요소들을 나타낸다.
이때, 사용되는 기술 용어 및 과학 용어에 있어서 다른 정의가 없다면, 이 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 통상적으로 이해하고 있는 의미를 가지며, 하기의 설명 및 첨부 도면에서 본 발명의 요지를 불필요하게 흐릴 수 있는 공지 기능 및 구성에 대한 설명은 생략한다.
더불어, 시스템은 필요한 기능을 수행하기 위하여 조직화되고 규칙적으로 상호 작용하는 장치, 기구 및 수단 등을 포함하는 구성 요소들의 집합을 의미한다.
인공지능 모델을 사용하여 특정 사물의 이미지를 인식하고 탐지하는 방법은 널리 사용되고 있다. 일 예를 들자면, 도 1의 a)에 도시된 바와 같이, 얼굴 이미지 인식을 위하여 추출된 다수의 이미지 데이터들은 각각의 식별을 위한 독립된 식별 정보가 부여되고, 적용된 하나의 AI 이미지 분석 모델을 통해서 각 이미지 데이터에 대한 특성 정보가 추출되고 이를 데이터베이스화하여 저장 및 관리하게 된다. 동일한 AI 이미지 분석 모델을 이용하여 탐지하고자 하는 특정 이미지 데이터에 대한 특성 정보를 추출한 후, 저장 및 관리하고 있는 특성 정보와 비교 분석하여, 유사성 높은 특성 정보를 도출하고 해당하는 이미지 데이터를 탐지하게 된다.
이 경우, 단일 AI 이미지 분석 모델을 이용함으로써, 도출한 유사성에 대한 높은 신뢰도를 갖는 것이 어렵다.
이러한 문제점을 해결하기 위하여, 종래에는 도 1의 b)에 도시된 바와 같이, 단일 AI 이미지 분석 모델이 아닌, 2개 이상의 여러 개의 AI 이미지 분석 모델을 결합하여 이미지 데이터 탐지를 수행하게 된다. 이 경우, 단일 AI 이미지 분석 모델에 비해 당연히 정확도가 높이질 수 있으나, 그 만큼 분석량 및 분석시간이 증가되고, 고가의 분석 장치가 요구되는 문제점이 있다.
이에 따라, 본 발명의 일 실시예에 따른 탐지 성능이 향상된 이미지 탐지 시스템 및 그 방법은, 상술한 종래 기술의 문제점을 해결하고, 다수 개의 AI 이미지 분석 모델을 적용하면서도 컴퓨팅 성능의 개선이나 분석시간의 증가 없이, 이미지 인식 및 탐지 성능의 향상을 가질 수 있도록, 다수 개의 AI 이미지 분석 모델들을 2단계로 나누어 적용하는 기술에 관한 것이다.
도 2는 본 발명의 일 실시예에 따른 탐지 성능이 향상된 이미지 탐지 시스템을 나타낸 구성 예시도로서, 도 2를 참조로 하여 본 발명의 일 실시예에 따른 탐지 성능이 향상된 이미지 탐지 시스템을 상세히 설명한다.
본 발명의 일 실시예에 따른 탐지 성능이 향상된 이미지 탐지 시스템은 도 2에 도시된 바와 같이, 이미지 관리부(100), 제1 분석부(200), 제1 탐지부(300), 이미지 도출부(400), 제2 분석부(500) 및 제2 탐지부(600)를 포함하여 구성되는 것이 바람직하다. 각각의 구성들은 컴퓨터를 포함하는 적어도 하나 이상의 연산처리수단에 각각 또는 통합 포함되어 동작을 수행하는 것이 바람직하다.
각 구성에 대해서 자세히 알아보자면,
상기 이미지 관리부(100)는 사전에 외부로부터 입력되는 다수의 다양한 이미지 데이터를 저장 및 관리하는 것이 바람직하다.
상기 이미지 데이터는 얼굴 이미지를 탐지하기 위하여, 영상 정보 또는, 이미지 정보 등을 통해서 추출되어 입력되는 데이터로서, 상기 이미지 관리부(100)는 각 이미지 데이터 별로 고유 식별 정보(ID 등)를 부여하여 저장 및 관리하는 것이 바람직하다.
즉, 상기 이미지 관리부(100)는 입력되는 어느 하나의 이미지 데이터와 고유 식별 정보를 각각 매칭시켜 저장 및 관리하는 것이 바람직하다.
상기 제1 분석부(200)는 미리 저장된 어느 하나의 AI 이미지 분석 모델을 포함하여 구성되는 것이 바람직하다.
상기 제1 분석부(200)는 상기 AI 이미지 분석 모델을 이용하여, 상기 이미지 관리부(100)에 의한 각 이미지 데이터의 특성을 분석하는 것이 바람직하다. 또한, 상기 제1 분석부(200)는 외부로부터 분석하고자 하는 특정 이미지 데이터를 입력받아, 이에 대한 특성을 분석하게 된다.
상세하게는, 상기 제1 분석부(200)는 도 2에 도시된 바와 같이, 기초 분석부(210), 기초 저장부(220) 및 기초 특정 분석부(230)를 포함하여 구성되는 것이 바람직하다.
상기 기초 분석부(210)는 상기 AI 이미지 분석 모델을 이용하여, 상기 이미지 관리부(100)에 의한 상기 다수의 이미지 데이터를 전송받아, 각각의 이미지 데이터에 대한 특성을 분석하게 된다.
상기 기초 저장부(220)는 상기 기초 분석부(210)에 의한 분석 결과를 저장 및 관리하되, 상기 분석 결과를 상기 이미지 관리부(100)에 의해 각 이미지 데이터 별로 부여된 상기 고유 식별 정보와 매칭시켜 저장 및 관리하는 것이 바람직하다.
즉, 상기 기초 저장부(220)는 상기 기초 분석부(210)에 의한 각각의 이미지 데이터에 대한 특성 정보를 상기 이미지 관리부(100)에 의해 부여된 상기 고유 식별 정보와 매칭시켜 저장 및 관리하게 된다.
상기 기초 특정 분석부(230)는 상기 AI 이미지 분석 모델을 이용하여, 입력받은 상기 특정 이미지 데이터에 대한 특성을 분석하게 된다.
이러한 상기 기초 분석부(210)와 상기 기초 특정 분석부(230)를 통한, AI 이미지 분석 모델에 이미지 데이터를 입력하여 특성을 출력받는 기술은 널리 이용되고 있는 종래 기술로서, 이에 대한 상세한 설명은 생략한다.
또한, 상기 기초 분석부(210)와 기초 특정 분석부(230)는 동일한 AI 이미지 분석 모델을 이용하여 이미지 데이터의 특성을 분석함으로써, 관리하고 있는 이미지 데이터와 분석하고자 하는 특정 이미지 데이터가 동일한 분석 엔진을 거쳐 특성 분석이 이루어지게 된다.
상기 제1 탐지부(300)는 상기 제1 분석부(200)의 분석 결과를 이용하여, 상기 각 이미지 데이터의 특성 데이터와 상기 특정 이미지 데이터의 특성 데이터를 비교 탐지하는 것이 바람직하다.
상세하게는, 상기 제1 탐지부(300)는 미리 저장된 비교 기법을 적용하여 상기 기초 저장부(220)에 의한 각 이미지 데이터의 특성 데이터와 상기 기초 특정 분석부(230)에 의한 상기 특정 이미지 데이터의 특성 데이터를 각각 비교하는 것이 바람직하다.
즉, 상기 제1 탐지부(300)는 상기 이미지 관리부(100)에 의한 상기 다수의 이미지 데이터로부터 추출한 각각의 특성 데이터와 분석하고자 하는 특정 이미지 데이터의 특성 데이터를 비교하여, 일치도(유사도)를 연산하는 것이 바람직하다. 이 때, 상기 제1 탐지부(300)에서는 상기 비교 기법의 일 실시예로는 큐브 익스텐션(CUBE Extension) 기법을 적용하고 있으나, 이는 일 실시예에 불과하며 이에 대해서 한정하는 것은 아니다.
이를 통해서, 상기 제1 탐지부(300)는 상기 다수의 이미지 데이터의 개수만큼 연산된 일치도 분석 결과를 이용하여, 상기 다수의 이미지 데이터들 중 상기 특정 이미지 데이터의 특성 데이터와 소정 기준의 일치도를 갖는 이미지 데이터를 탐지하는 것이 바람직하다. 또한, 그 탐지 결과를 일치도와 함께 해당하는 고유 식별 정보로 판단하는 것이 바람직하다.
여기서, 상기 이미지 관리부(100)에 의한 상기 다수의 이미지 데이터들 중 일부 이미지 데이터를 도출하기 위한 소정 기준의 일치도로는, 일치도를 내림차순 정렬하여 미리 설정된 소정 개수만큼 탐지하거나 또는, 임계값을 설정하여 임계값 이상의 일치도를 갖는 모든 이미지 데이터를 탐지할 수도 있다.
이를 외부 사용자(관리자 등)의 설정에 따라 상이할 수 있으며, 이에 대해서 한정하는 것은 아니다.
다만, 상기 제1 탐지부(300)는 상기 이미지 관리부(100)에 의한 상기 다수의 이미지 데이터들 중 일부 이미지 데이터를 설정된 기준에 따라 탐지하게 되며, 이 때 탐지 기준은 특성 데이터 간의 비교 분석을 통한 일치도 결과를 이용하게 된다.
상기 제1 탐지부(300)까지는 종래의 특정 이미지 탐지 모듈의 동작과 유사하다. 그렇지만, 본 발명의 일 실시예에 따른 탐지 성능이 향상된 이미지 탐지 시스템은 컴퓨팅 성능의 개선이나 분석 시간/분석 량의 증대 없이 추가적인 AI 이미지 분석 모델을 적용하여 보다 정확도 높게 이미지를 탐지하기 위하여, 하기의 동작을 더 수행하게 된다.
상기 이미지 도출부(400)는 상기 제1 탐지부(300)의 탐지 결과를 기반으로, 상기 이미지 관리부(100)에 의한 다수의 이미지 데이터들 중 적어도 하나의 이미지 데이터를 도출하는 것이 바람직하다.
상세하게는, 상기 이미지 도출부(400)는 상기 이미지 관리부(100)에 의한 다수의 이미지 데이터들 중 분석하고자 하는 특정 이미지 데이터와 특성 데이터 간의 일치도가 소정 기준에 부합하는 이미지 데이터를 도출하는 것이 바람직하다.
이 때, 도출되는 이미지 데이터는 그 개수가 하나 이상이면서, 사전에 입력받은 다수의 이미지 데이터에 비하면 매우 적은 숫자의 데이터임이 분명하다.
상기 제2 분석부(500)는 미리 저장되는 하나 이상의 또다른 AI 이미지 분석 모델을 포함하여 구성되는 것이 바람직하다.
이 때, 상기 제1 분석부(200)와 상기 제2 분석부(500)는 각각 상이한 AI 이미지 분석 모델을 포함하여 구성되는 것이 바람직하다.
일 예를 들자면, AI 이미지 분석 모델로 VGG 모델, Facenet 모델, Arcface 모델, Deepface 모델 등이 있으며, 상기 제1 분석부(200)에서는 상술한 AI 이미지 분석 모델들 중 선택되는 어느 하나를 포함하여 구성되는 것이 바람직하며, 상기 제2 분석부(500)에서는 상술한 AI 이미지 분석 모델들 중 상기 제1 분석부(200)에 의해 구성된 AI 이미지 분석 모델을 제외한 나머지 모델들 중 어느 하나 이상을 포함하여 구성되는 것이 바람직하다.
이를 통해서, 상기 제2 분석부(500)는 상기 AI 이미지 분석 모델을 이용하여 상기 이미지 도출부(400)에 의한 도출 이미지 데이터의 특성 데이터와 상기 특정 이미지 데이터의 특성 데이터를 분석하는 것이 바람직하다.
상세하게는, 상기 제2 분석부(500)는 도 2에 도시된 바와 같이, 세부 분석부(510), 세부 저장부(520) 및 세부 특정 분석부(530)를 포함하여 구성되는 것이 바람직하다.
상기 제2 분석부(500)에 상기 제1 분석부(200)에 의해 포함된 AI 이미지 분석 모델과는 상이한 하나의 AI 이미지 분석 모델이 포함될 경우, 상기 세부 분석부(510)는 상기 AI 이미지 분석 모델을 이용하여, 상기 이미지 도출부(400)에 의한 상기 도출 이미지 데이터를 전송받아, 각 도출 이미지 데이터에 대한 특성을 분석하게 된다.
상기 세부 저장부(520)는 상기 세부 분석부(510)에 의한 분석 결과를 저장 및 관리하되, 상기 분석 결과를 상기 이미지 관리부(100)에 의해 각 이미지 데이터 별로 부여된 상기 고유 식별 정보와 매칭시켜 저장 및 관리하는 것이 바람직하다.
이를 통해서, 상기 세부 저장부(520)는 상기 세부 분석부(510)에 의한 각 도출 이미지 데이터에 대한 특성 정보를 상기 이미지 관리부(100)에 의해 부여된 상기 고유 식별 정보와 매칭시켜 저장 및 관리하게 된다.
상기 세부 특정 분석부(530)는 상기 AI 이미지 분석 모델을 이용하여, 입력받은 상기 특정 이미지 데이터에 대한 특성을 분석하게 된다.
이러한 상기 세부 분석부(510)와 세부 특정 분석부(530)를 통한, AI 이미지 분석 모델에 이미지 데이터를 입력하여 특성을 출력받는 기술은 널리 이용되고 있는 종래 기술로서, 이에 대한 상세한 설명은 생략한다.
또한, 상기 세부 분석부(510)와 세부 특정 분석부(530)는 동일한 AI 이미지 분석 모델을 이용하여 이미지 데이터의 특성을 분석함으로써, 관리하고 있는 이미지 데이터와 분석하고자 하는 특정 이미지 데이터가 동일한 분석 엔진을 거쳐 특성 분석이 이루어지게 된다.
상기 제2 탐지부(600)는 상기 제2 분석부(500)의 분석 결과를 이용하여, 상기 도출 이미지 데이터의 특성 데이터와 상기 특정 이미지 데이터의 특성 데이터를 비교 탐지하는 것이 바람직하다.
상세하게는, 상기 제2 탐지부(600)는 미리 저장된 비교 기법을 적용하여 상기 세부 저장부(520)에 의한 각 도출 이미지 데이터의 특성 데이터와 상기 세부 특정 분석부(530)에 의한 상기 특정 이미지 데이터의 특성 데이터를 각각 비교하는 것이 바람직하다.
즉, 상기 제2 탐지부(600)는 상기 이미지 도출부(400)에 의한 적어도 하나의 도출 이미지 데이터로부터 추출한 특성 데이터와 분석하고자 하는 특정 이미지 데이터의 특성 데이터를 비교하여, 일치도(유사도)를 연산하는 것이 바람직하다. 이 때, 상기 제2 탐지부(600)에서는 상기 비교 기법의 일 실시예로 Cosine 또는, Euclidian 방법을 적용하고 있으나, 이는 일 실시예에 불과하며 이에 대해서 한정하는 것은 아니다.
상기 제2 탐지부(600)는 상기 이미지 도출부(400)에 의한 적어도 하나의 도출 이미지 데이터의 고유 식별 번호를 판단하여, 판단한 고유 식별 번호와 연산한 일치도 결과를 매칭시켜, 최종 탐지 결과 정보를 생성하는 것이 바람직하다.
또다른 예를 들자면, 상기 제2 분석부(500)에 상기 제1 분석부(200)에 의해 포함된 AI 이미지 분석 모델과는 상이한 둘 이상의 AI 이미지 분석 모델이 포함될 경우, 상기 세부 분석부(510)는 상기 둘 이상의 AI 이미지 분석 모델을 각각 이용하여, 상기 이미지 도출부(400)에 의한 상기 도출 이미지 데이터를 전송받아, 각 도출 이미지 데이터에 대한 특성을 분석하게 된다.
상기 세부 저장부(520)는 상기 세부 분석부(510)에 의한 분석 결과를 AI 이미지 분석 모델 별로 저장 및 관리하되, 상기 분석 결과를 상기 이미지 관리부(100)에 의해 각 이미지 데이터 별로 부여된 상기 고유 식별 정보와 매칭시켜 저장 및 관리하는 것이 바람직하다.
이를 통해서, 상기 세부 저장부(520)는 각 AI 이미지 분석 모델 별로, 상기 세부 분석부(510)에 의한 각 도출 이미지 데이터에 대한 특성 정보를 상기 이미지 관리부(100)에 의해 부여된 상기 고유 식별 정보와 매칭시켜 저장 및 관리하게 된다.
또한, 상기 세부 특정 분석부(530)는 상기 둘 이상의 AI 이미지 분석 모델을 각각 이용하여, 입력받은 상기 특정 이미지 데이터에 대한 특성을 분석하게 된다.
이에 따라, 상기 제2 탐지부(600)는 상기 제2 분석부(500)의 분석 결과를 각 AI 이미지 분석 모델 별로 이용하는 것이 바람직하다.
즉, 상기 제2 탐지부(600)는 미리 저장된 비교 기법을 적용하여 각 AI 이미지 분석 모델 별로 상기 세부 저장부(520)에 의한 각 도출 이미지 데이터의 특성 데이터와 상기 세부 특정 분석부(530)에 의한 상기 특정 이미지 데이터의 특성 데이터를 각각 비교하는 것이 바람직하다.
이를 통해서, 상기 제2 탐지부(600)는 각 AI 이미지 분석 모델 별로 상기 이미지 도출부(400)에 의한 적어도 하나의 도출 이미지 데이터로부터 추출한 특성 데이터와 분석하고자 하는 특정 이미지 데이터의 특성 데이터를 비교하여, 일치도(유사도)를 연산하는 것이 바람직하다. 이 때, 상기 제2 탐지부(600)에서는 상기 비교 기법의 일 실시예로 Cosine 또는, Euclidian 방법을 적용하고 있으나, 이는 일 실시예에 불과하며 이에 대해서 한정하는 것은 아니다.
상기 제2 탐지부(600)는 상기 이미지 도출부(400)에 의한 적어도 하나의 도출 이미지 데이터의 고유 식별 번호를 판단하여, 판단한 고유 식별 번호와 함께, 각 AI 이미지 분석 모델 별로 연산한 일치도의 평균값, 각 AI 이미지 분석 모델 별로 연산한 일치도 중 가장 높은 일치도 또는, 가장 낮은 일치도 결과를 산출하여 이를 매칭시켜 최종 탐지 결과 정보를 생성하는 것이 바람직하다.
즉, 동일한 이미지 데이터라 할지라도 각 AI 이미지 분석 모델 별로 특성 데이터를 분석하는 기준이 상이하기 때문에, 분석한 특성 데이터의 일치도 결과 역시도 상이할 수 있다. 이를 감안하여 상기 최종 탐지 결과 정보를 생성하는데 활용되는 일치도 결과는 둘 이상의 AI 이미지 분석 모델 별로 연산한 일치도의 평균값, 가장 높은 일치도 결과 또는, 가장 낮은 일치도 결과를 매칭시켜 생성할 수 있다.
이러한, 본 발명의 일 실시예에 따른 탐지 성능이 향상된 이미지 탐지 시스템에 대해 예를 들어 설명하자면, 1 단계로, 사전에 상기 이미지 관리부(100)를 통해서 100 개의 이미지 데이터가 입력될 경우, 하나의 AI 이미지 분석 모델을 이용하여 100 개의 특성 데이터를 도출하고, 분석하고자 하는 특정 이미지 데이터에 해당하는 1 개의 특성 데이터를 도출하여, 각각의 일치도 비교(적어도 100 번의 비교 수행)를 통해 높은 일치도를 갖는 상위 5개의 이미지를 도출하게 된다. 이 후, 2 단계로, 상기 AI 이미지 분석 모델과는 상이한 적어도 하나의 AI 이미지 분석 모델에 도출한 상위권의 일치도를 갖는 이미지에 대한 5개의 특성 데이터를 도출하고, 분석하고자 하는 특정 이미지 데이터에 대해서도 다시 한번 1 개의 특성 데이터를 도출한 후, 각각의 일치도 비교(적어도 5 번의 비교 수행)를 통해 이전 AI 이미지 분석 모델을 통해서 도출한 상위권의 일치도를 갖는 이미지에 대한 일치도를 검증하게 된다.
이 때, 2 단계에서 적용되는 AI 이미지 분석 모델을 둘 이상 적용할 경우, 각 AI 이미지 분석 모델 별로 각각 특성 도출 및 일치도 비교를 수행하여, 각 AI 이미지 분석 모델이 갖고 있는 상이한 분석 엔진을 최대한 활용하여 일치도를 재확인하는 것이 바람직하다.
이를 통해서, 다수 개의 AI 이미지 분석 모델을 활용하면서도, 순차적으로 적용함으로써, 컴퓨팅 성능의 개선이나 분석 시간/분석 량의 증대 없이 보다 정확도 높게 이미지를 탐지를 수행할 수 있는 장점이 있다.
도 3은 본 발명의 일 실시예에 따른 탐지 성능이 향상된 이미지 탐지 방법을 나타낸 순서 예시도이다. 도 3을 참조로 하여, 본 발명의 일 실시예에 따른 탐지 성능이 향상된 이미지 탐지 방법을 상세히 설명한다.
본 발명의 일 실시예에 따른 탐지 성능이 향상된 이미지 탐지 방법은 도 3에 도시된 바와 같이, 제1 입력 단계(S100), 제2 입력 단계(S200), 제1 분석 단계(S300), 제1 비교 단계(S400), 도출 단계(S500), 제2 분석 단계(S600) 및 제2 비교 단계(S700)를 포함하여 구성되는 것이 바람직하다. 또한, 컴퓨터로 구현되는 탐지 성능이 향상된 이미지 탐지 시스템에 의해 각 단계가 수행되게 된다.
각 단계에 대해서 자세히 알아보자면,
상기 제1 입력 단계(S100)는 상기 이미지 관리부(100)에서, 사전에 외부로부터 다수의 다양한 이미지 데이터를 입력받아, 각 이미지 데이터 별로 고유 식별 정보(ID 등)를 부여하여 저장 및 관리하게 된다.
상기 이미지 데이터는 얼굴 이미지를 탐지하기 위하여, 영상 정보 또는, 이미지 정보 등을 통해서 추출되어 입력되는 데이터이며, 상기 제1 입력 단계(S100)는 입력되는 어느 하나의 이미지 데이터와 고유 식별 정보를 각각 매칭시켜 저장 및 관리하게 된다.
상기 제2 입력 단계(S200)는 상기 제1 분석부(200)에서, 외부로부터 분석하고자 하는 특정 이미지 데이터를 입력받게 된다.
상기 제1 분석 단계(S300)는 상기 제1 분석부(200)에서, 미리 저장된 어느 하나의 AI 이미지 분석 모델을 이용하여, 상기 제1 입력 단계(S100)에 의한 각 이미지 데이터의 특성을 분석하게 된다. 또한, 상기 제1 분석 단계(S300)는 상기 AI 이미지 분석 모델을 이용하여, 상기 제2 입력 단계(S200)에 의한 상기 특정 이미지 데이터를 입력받아, 이에 대한 특성을 분석하게 된다.
상세하게는, 상기 제1 분석 단계(S300)는 상기 제1 입력 단계(S100)에 의한 각 이미지 데이터의 특성을 분석하고, 상기 분석 결과를 저장 및 관리하되, 상기 분석 결과를 각 이미지 데이터 별로 부여된 상기 고유 식별 정보와 매칭시켜 저장 및 관리하게 된다.
상기 제1 분석 단계(S300)를 통해서 상기 제1 입력 단계(S100)에 의한 각 이미지 데이터와 상기 제2 입력 단계(S200)에 의한 상기 특정 이미지 데이터는 동일한 AI 이미지 분석 모델을 이용하여 이미지 데이터의 특성을 분석함으로써, 관리하고 있는 이미지 데이터와 분석하고자 하는 특정 이미지 데이터가 동일한 분석 엔진을 거쳐 특성 분석이 이루어지게 된다.
상기 제1 비교 단계(S400)는 상기 제1 탐지부(300)에서, 상기 제1 분석 단계(S300)의 분석 결과를 이용하여, 상기 각 이미지 데이터의 특성 데이터와 상기 특정 이미지 데이터의 특성 데이터를 비교 탐지하게 된다.
상세하게는, 상기 제1 비교 단계(S400)는 미리 저장된 비교 기법을 적용하여 각 이미지 데이터의 특성 데이터와 상기 특정 이미지 데이터의 특성 데이터를 각각 비교하여, 일치도(유사도)를 연산하게 된다. 이 때, 상기 제1 비교 단계(S400)에서는 상기 비교 기법의 일 실시예로는 큐브 익스텐션(CUBE Extension) 기법을 적용하고 있으나, 이는 일 실시예에 불과하며 이에 대해서 한정하는 것은 아니다.
또한, 상기 제1 비교 단계(S400)는 연산된 일치도 분석 결과를 이용하여, 상기 다수의 이미지 데이터들 중 상기 특정 이미지 데이터의 특성 데이터와 소정 기준의 일치도를 갖는 이미지 데이터를 탐지하게 된다.
상기 다수의 이미지 데이터들 중 일부 이미지 데이터를 도출하기 위한 소정 기준의 일치도로는, 일치도를 내림차순 정렬하여 미리 설정된 소정 개수만큼 탐지하거나 또는, 임계값을 설정하여 임계값 이상의 일치도를 갖는 모든 이미지 데이터를 탐지할 수도 있다.
이를 외부 사용자(관리자 등)의 설정에 따라 상이할 수 있으며, 이에 대해서 한정하는 것은 아니다.
상기 도출 단계(S500)는 상기 이미지 도출부(400)에서, 상기 제1 비교 단계(S400)에 의한 탐지 결과를 기반으로, 상기 제1 입력 단계(S100)에 의한 다수의 이미지 데이터들 중 적어도 하나의 이미지 데이터를 도출하게 된다.
즉, 상기 제1 입력 단계(S100)에 의한 다수의 이미지 데이터들 중 분석하고자 하는 특정 이미지 데이터와 특성 데이터 간의 일치도가 소정 기준에 부합하는 이미지 데이터를 도출하게 된다. 이 때, 도출되는 이미지 데이터는 그 개수가 하나 이상이면서, 사전에 입력받은 다수의 이미지 데이터에 비하면 매우 적은 숫자의 데이터임이 분명하다.
상기 제2 분석 단계(S600)는 상기 제2 분석부(500)에서, 미리 저장되는 적어도 하나의 또다른 AI 이미지 분석 모델을 이용하여 상기 도출 단계(S500)에 의한 도출 이미지 데이터의 특성 데이터와 상기 특정 이미지 데이터의 특성 데이터를 분석하게 된다.
이 때, AI 이미지 분석 모델로 VGG 모델, Facenet 모델, Arcface 모델, Deepface 모델 등이 있으며, 상기 제1 분석 단계(S300)에서는 상술한 AI 이미지 분석 모델들 중 선택되는 어느 하나를 포함하여 구성되는 것이 바람직하며, 상기 제2 분석 단계(S600)에서는 상술한 AI 이미지 분석 모델들 중 상기 제1 분석 단계(S300)에 의해 구성된 AI 이미지 분석 모델을 제외한 나머지 모델들 중 어느 하나 이상을 포함하여 구성되게 된다.
또한, 상기 제2 분석 단계(S600)는 상기 제1 분석 단계(S300)에 의해 포함된 AI 이미지 분석 모델과는 상이한 하나의 AI 이미지 분석 모델이 포함되거나, 둘 이상의 AI 이미지 분석 모델이 포함될 수 있다.
일 예를 들자면, 상기 제1 분석 단계(S300)에 의해 포함된 AI 이미지 분석 모델과는 상이한 하나의 AI 이미지 분석 모델이 포함될 경우, 상기 제2 분석 단계(S600)는 상기 AI 이미지 분석 모델을 이용하여, 상기 도출 단계(S500)에 의한 도출 이미지 데이터를 전송받아, 각 도출 이미지 데이터에 대한 특성을 분석하게 된다.
또한, 상기 제2 입력 단계(S200)에 의한 상기 특정 이미지 데이터를 입력받아, 이에 대한 특성을 분석하게 된다.
상세하게는, 상기 제2 분석 단계(S600)는 상기 도출 단계(S500)에 의한 도출 이미지 데이터의 특성을 분석하고, 상기 분석 결과를 저장 및 관리하되, 상기 분석 결과를 각 도출 이미지 데이터 별로 부여된 상기 고유 식별 정보와 매칭시켜 저장 및 관리하게 된다. 이를 통해서, 상기 도출 단계(S500)에 의한 도출 이미지 데이터와 상기 제2 입력 단계(S200)에 의한 상기 특정 이미지 데이터는 동일한 AI 이미지 분석 모델을 이용하여 이미지 데이터의 특성을 분석함으로써, 관리하고 있는 이미지 데이터와 분석하고자 하는 특정 이미지 데이터가 동일한 분석 엔진을 거쳐 특성 분석이 이루어지게 된다.
상기 제2 비교 단계(S700)는 상기 제2 탐지부(600)에서, 상기 제2 분석 단계(S600)의 분석 결과를 이용하여, 상기 도출 이미지 데이터의 특성 데이터와 상기 특정 이미지 데이터의 특성 데이터를 비교 탐지하게 된다.
상세하게는, 상기 제2 비교 단계(S700)는 미리 저장된 비교 기법을 적용하여 각 도출 이미지 데이터의 특성 데이터와 상기 특정 이미지 데이터의 특성 데이터를 각각 비교하여 일치도(유사도)를 연산하게 된다. 이 때, 상기 제2 비교 단계(S700)는 상기 비교 기법의 일 실시예로 Cosine 또는, Euclidian 방법을 적용하고 있으나, 이는 일 실시예에 불과하며 이에 대해서 한정하는 것은 아니다.
더불어, 본 발명의 일 실시예에 따른 탐지 성능이 향상된 이미지 탐지 방법은, 도 3에 도시된 바와 같이, 상기 제2 비교 단계(S700)에 의한 최종 탐지 결과를 외부로 전송하기 위하여, 최종 결과 단계(S800)를 더 포함하여 구성되는 것이 바람직하다.
상기 최종 결과 단계(S800)는 상기 제2 분석 단계(S600)에서 하나의 AI 이미지 분석 모델을 이용할 경우, 상기 도출 단계(S500)에 의한 도출 이미지 데이터의 고유 식별 번호를 판단하여, 판단한 고유 식별 번호와 연산한 일치도 결과를 매칭시켜, 최종 탐지 결과 정보를 생성하게 된다.
또다른 예를 들자면, 상기 제1 분석 단계(S300)에 의해 포함된 AI 이미지 분석 모델과는 상이한 둘 이상의 AI 이미지 분석 모델이 포함될 경우, 상기 제2 분석 단계(S600)는 상기 AI 이미지 분석 모델들을 각각 이용하여, 상기 도출 단계(S500)에 의한 도출 이미지 데이터를 전송받아, 각 도출 이미지 데이터에 대한 특성을 분석하게 된다.
또한, 상기 제2 입력 단계(S200)에 의한 상기 특정 이미지 데이터를 입력받아, 이에 대한 특성을 분석하게 되며, 이 역시도 상기 둘 이상의 AI 이미지 분석 모델을 각각 이용하여, 입력받은 상기 특정 이미지 데이터에 대한 특성을 분석하게 된다.
상세하게는, 상기 제2 분석 단계(S600)는 상기 도출 단계(S500)에 의한 도출 이미지 데이터의 특성을 분석하고, 상기 분석 결과를 AI 이미지 분석 모델 별로 저장 및 관리하되, 상기 분석 결과를 각 도출 이미지 데이터 별로 부여된 상기 고유 식별 정보와 매칭시켜 저장 및 관리하게 된다.
상기 제2 비교 단계(S700) 역시도, 상기 제2 분석 단계(S600)의 분석 결과를 각 AI 이미지 분석 모델 별로 이용하여 상기 도출 이미지 데이터의 특성 데이터와 상기 특정 이미지 데이터의 특성 데이터를 비교 탐지하게 된다.
즉, 각 AI 이미지 분석 모델 별로 각 도출 이미지 데이터의 특성 데이터와 상기 특정 이미지 데이터의 특성 데이터를 각각 비교하여 일치도(유사도)를 연산하게 된다.
이 때, 상기 최종 결과 단계(S800)에서는 동일한 이미지 데이터라 할지라도 각 AI 이미지 분석 모델 별로 특성 데이터를 분석하는 기준이 상이하기 때문에, 분석한 특성 데이터의 일치도 결과 역시도 상이할 수 있다. 이를 감안하여 상기 최종 탐지 결과 정보를 생성하는데 활용되는 일치도 결과는 둘 이상의 AI 이미지 분석 모델 별로 연산한 일치도의 평균값, 가장 높은 일치도 결과 또는, 가장 낮은 일치도 결과를 매칭시켜 생성할 수 있다.
상세하게는, 상기 최종 결과 단계(S800)는 각 AI 이미지 분석 모델 별로 연산한 상기 도출 이미지 데이터의 특성 데이터와 기 특정 이미지 데이터의 특성 데이터 간의 일치도를 이용하여, 각 AI 이미지 분석 모델 별로 연산한 일치도의 평균값, 각 AI 이미지 분석 모델 별로 연산한 일치도 중 가장 높은 일치도 또는, 가장 낮은 일치도 결과를 산출하여 해당하는 고유 식별 번호와 함께 매칭시켜 상기 최종 탐지 결과 정보를 생성하게 된다.
이러한 본 발명의 일 실시예에 따른 탐지 성능이 향상된 이미지 탐지 방법을 통해서, 다수 개의 AI 이미지 분석 모델을 활용하면서도, 순차적으로 적용함으로써, 컴퓨팅 성능의 개선이나 분석 시간/분석 량의 증대 없이 보다 정확도 높게 이미지를 탐지를 수행할 수 있는 장점이 있다.
이상과 같이 본 발명에서는 구체적인 구성 소자 등과 같은 특정 사항들과 한정된 실시예 도면에 의해 설명되었으나 이는 본 발명의 보다 전반적인 이해를 돕기 위해서 제공된 것 일 뿐, 본 발명은 상기의 일 실시예에 한정되는 것이 아니며, 본 발명이 속하는 분야에서 통상의 지식을 가진 자라면 이러한 기재로부터 다양한 수정 및 변형이 가능하다.
따라서, 본 발명의 사상은 설명된 실시예에 국한되어 정해져서는 아니 되며, 후술하는 특허 청구 범위뿐 아니라 이 특허 청구 범위와 균등하거나 등가적 변형이 있는 모든 것들은 본 발명 사상의 범주에 속한다고 할 것이다.
100 : 이미지 관리부
200 : 제1 분석부
210 : 기초 분석부 220 : 기초 저장부
230 : 기초 특정 분석부
300 : 제1 탐지부
400 : 이미지 도출부
500 : 제2 분석부
510 : 세부 분석부 520 : 세부 저장부
530 : 세부 특정 분석부
600 : 제2 탐지부

Claims (9)

  1. 사전에 외부로부터 다수의 이미지 데이터를 입력받아, 각 이미지 데이터 별로 고유 식별 정보를 부여하여 저장 및 관리하는 이미지 관리부(100);
    기저장되는 어느 하나의 AI 이미지 분석 모델을 포함하며, 상기 이미지 관리부(100)에 의한 각 이미지 데이터와, 외부로부터 입력받은 분석하고자 하는 특정 이미지 데이터의 특성을 분석하는 제1 분석부(200);
    상기 제1 분석부(200)의 분석 결과를 이용하여, 상기 각 이미지 데이터의 특성 데이터와 상기 특정 이미지 데이터의 특성 데이터를 비교 탐지하는 제1 탐지부(300);
    상기 제1 탐지부(300)의 탐지 결과를 기반으로, 상기 이미지 관리부(100)에 의한 다수의 이미지 데이터 중 적어도 하나의 이미지 데이터를 도출하는 이미지 도출부(400);
    기저장되는 적어도 하나의 또다른 AI 이미지 분석 모델을 포함하며, 상기 이미지 도출부(400)에 의한 도출 이미지 데이터와, 상기 특정 이미지 데이터의 특성을 분석하는 제2 분석부(500); 및
    상기 제2 분석부(500)의 분석 결과를 이용하여, 상기 도출 이미지 데이터의 특성 데이터와 상기 특정 이미지 데이터의 특성 데이터를 비교 탐지하는 제2 탐지부(600);
    를 포함하며,
    상기 제1 분석부(200)와 상기 제2 분석부(500)는
    각각 상이한 AI 이미지 분석 모델을 포함하는, 탐지 성능이 향상된 이미지 탐지 시스템.
  2. 제 1항에 있어서,
    상기 제1 분석부(200)는
    상기 AI 이미지 분석 모델을 이용하여, 상기 이미지 관리부(100)에 의한 상기 다수의 이미지 데이터를 전송받아, 각각의 이미지 데이터에 대한 특성을 분석하는 기초 분석부(210);
    상기 기초 분석부(210)에 의한 분석 결과를 각 이미지 데이터 별로 부여된 상기 고유 식별 정보와 매칭시켜, 저장 및 관리하는 기초 저장부(220); 및
    상기 AI 이미지 분석 모델을 이용하여, 상기 특정 이미지 데이터의 특성을 분석하는 기초 특정 분석부(230);
    를 포함하는, 탐지 성능이 향상된 이미지 탐지 시스템.
  3. 제 2항에 있어서,
    상기 제1 탐지부(300)는
    기저장된 비교 기법을 적용하여, 상기 기초 저장부(220)에 의한 각 이미지 데이터의 특성 데이터와 상기 기초 특정 분석부(230)에 의한 상기 특정 이미지 데이터의 특성 데이터를 각각 비교하여, 상기 특정 이미지 데이터의 특성 데이터와 소정 기준의 일치도를 갖는 이미지 데이터를 탐지하고, 탐지한 이미지 데이터에 해당하는 고유 식별 정보를 판단하는, 탐지 성능이 향상된 이미지 탐지 시스템.
  4. 제 3항에 있어서,
    상기 제2 분석부(500)
    하나 이상의 또다른 AI 이미지 분석 모델을 이용하여, 상기 이미지 도출부(400)에 의한 도출 이미지 데이터를 전송받아, 각 AI 이미지 분석 모델 별로 각 도출 이미지 데이터에 대한 특성을 분석하는 세부 분석부(510);
    상기 세부 분석부(510)에 의한 분석 결과를 각 도출 이미지 데이터 별로 부여된 상기 고유 식별 정보와 매칭시켜, 각 AI 이미지 분석 모델 별로 저장 및 관리하는 세부 저장부(520); 및
    상기 하나 이상의 또다른 AI 이미지 분석 모델을 이용하여, 각 AI 이미지 분석 모델 별로 상기 특정 이미지 데이터의 특성을 분석하는 세부 특정 분석부(530);
    를 포함하는, 탐지 성능이 향상된 이미지 탐지 시스템.
  5. 제 4항에 있어서,
    상기 제2 탐지부(600)는
    기저장된 비교 기법을 적용하여, 각 AI 이미지 분석 모델 별로 상기 세부 저장부(520)에 의한 각 도출 이미지 데이터의 특성 데이터와 상기 세부 특정 분석부(530)에 의한 상기 특정 이미지 데이터의 특성 데이터를 각각 비교하여, 상기 특정 이미지 데이터와 상기 도출 이미지 데이터 간의 일치도를 분석하고,
    각 특정 이미지 데이터의 고유 식별 번호를 판단하여, 각 특정 이미지 데이터에 대해 판단한 상기 고유 식별 번호와 분석한 일치도를 매칭시켜 최종 탐지 결과 정보를 생성하는, 탐지 성능이 향상된 이미지 탐지 시스템.
  6. 컴퓨터로 구현되는 탐지 성능이 향상된 이미지 탐지 시스템에 의해 각 단계가 수행되는 탐지 성능이 향상된 이미지 탐지 방법에 있어서,
    이미지 관리부에서, 사전에 다수의 이미지 데이터를 입력받아, 각 이미지 데이터 별로 고유 식별 정보를 부여하여 저장 및 관리하는 제1 입력 단계(S100);
    제1 분석부에서, 외부로부터 분석하고자 하는 특정 이미지 데이터를 입력받는 제2 입력 단계(S200);
    제1 분석부에서, 기저장되는 어느 하나의 AI 이미지 분석 모델을 이용하여, 상기 제1 입력 단계(S100)에 의한 각 이미지 데이터와, 상기 제2 입력 단계(S200)에 의한 특정 이미지 데이터의 특성을 분석하는 제1 분석 단계(S300);
    제1 탐지부에서, 상기 제1 분석 단계(S300)의 분석 결과를 이용하여, 각 이미지 데이터와 특정 이미지 데이터 간의 일치도를 비교 탐지하는 제1 비교 단계(S400);
    이미지 도출부에서, 상기 제1 비교 단계(S400)에 의한 비교 탐지 결과를 기반으로, 상기 제1 입력 단계(S100)에 의한 다수의 이미지 데이터들 중 적어도 하나의 이미지 데이터를 도출하는 도출 단계(S500);
    제2 분석부에서, 기저장되는 하나 이상의 또다른 AI 이미지 분석 모델을 이용하여, 각 AI 이미지 분석 모델 별로 상기 도출 단계(S500)에 의한 도출 이미지 데이터와 상기 제2 입력 단계(S200)에 의한 특정 이미지 데이터의 특성을 분석하는 제2 분석 단계(S600); 및
    제2 탐지부에서, 상기 제2 분석 단계(S600)의 분석 결과를 이용하여, 도출 이미지 데이터와 특정 이미지 데이터 간의 일치도를 비교 탐지하는 제2 비교 단계(S700);
    를 포함하며,
    상기 제1 분석 단계(S300)에 의한 AI 이미지 분석 모델과 상기 제2 분석 단계(S600)에 의한 AI 이미지 분석 모델은 서로 상이한 AI 이미지 분석 모델인 것을 특징으로 하는, 탐지 성능이 향상된 이미지 탐지 방법.
  7. 제 6항에 있어서,
    도출 단계(S500)는
    상기 제1 비교 단계(S400)에 의한 비교 탐지 결과를 기반으로, 상기 제1 입력 단계(S100)에 의한 다수의 이미지 데이터들 중 소정 기준의 일치도를 갖는 이미지 데이터를 도출하는, 탐지 성능이 향상된 이미지 탐지 방법.
  8. 제 6항에 있어서,
    상기 제2 분석 단계(S600)는
    하나 이상의 AI 이미지 분석 모델을 이용하여, 각 AI 이미지 분석 모델 별로 상기 도출 단계(S500)에 의한 도출 이미지 데이터와 상기 제2 입력 단계(S200)에 의한 특정 이미지 데이터의 특성을 분석하는, 탐지 성능이 향상된 이미지 탐지 방법.
  9. 제 6항에 있어서,
    상기 탐지 성능이 향상된 이미지 탐지 방법은
    상기 제2 비교 단계(S700)를 수행하고 난 후,
    제2 탐지부에서, 각 특정 이미지 데이터의 고유 식별 번호를 판단하여, 각 특정 이미지 데이터에 대해 판단한 상기 고유 식별 번호와 상기 제2 비교 단계(S700)에 의한 비교 탐지 결과에 따른 각 특정 이미지 데이터의 일치도를 매칭시켜 최종 탐지 결과 정보를 생성하는 최종 결과 단계(S800);
    를 더 포함하는, 탐지 성능이 향상된 이미지 탐지 방법.
KR1020210151493A 2021-11-05 2021-11-05 탐지 성능이 향상된 이미지 탐지 시스템 및 그 방법 KR20230065684A (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020210151493A KR20230065684A (ko) 2021-11-05 2021-11-05 탐지 성능이 향상된 이미지 탐지 시스템 및 그 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020210151493A KR20230065684A (ko) 2021-11-05 2021-11-05 탐지 성능이 향상된 이미지 탐지 시스템 및 그 방법

Publications (1)

Publication Number Publication Date
KR20230065684A true KR20230065684A (ko) 2023-05-12

Family

ID=86385685

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020210151493A KR20230065684A (ko) 2021-11-05 2021-11-05 탐지 성능이 향상된 이미지 탐지 시스템 및 그 방법

Country Status (1)

Country Link
KR (1) KR20230065684A (ko)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20190093799A (ko) 2018-01-17 2019-08-12 경북대학교 산학협력단 Cctv를 통한 실시간 실종자 얼굴 인식 시스템 및 그 방법

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20190093799A (ko) 2018-01-17 2019-08-12 경북대학교 산학협력단 Cctv를 통한 실시간 실종자 얼굴 인식 시스템 및 그 방법

Similar Documents

Publication Publication Date Title
KR102010468B1 (ko) 악성코드 머신 러닝 분류 모델 검증 장치 및 방법
US8031981B2 (en) Method and systems for generating a subset of biometric representations
CN107729935B (zh) 相似图片的识别方法和装置、服务器、存储介质
CA2717612A1 (en) Fingerprint representation using gradient histograms
JP4375570B2 (ja) 顔認識方法およびシステム
US10614312B2 (en) Method and apparatus for determining signature actor and identifying video based on probability of appearance of signature actor
US20110317882A1 (en) Biometric matching method and apparatus
CN111159413A (zh) 日志聚类方法、装置、设备及存储介质
CN111368867B (zh) 档案归类方法及系统、计算机可读存储介质
US11403875B2 (en) Processing method of learning face recognition by artificial intelligence module
US20160147867A1 (en) Information matching apparatus, information matching method, and computer readable storage medium having stored information matching program
US20230011633A1 (en) Systems and methods for scalable biometric authentication
CN115174231A (zh) 一种基于AI Knowledge Base的网络欺诈分析方法及服务器
WO2021142072A1 (en) Peceptual video fingerprinting
CN113343073A (zh) 基于大数据和人工智能的信息欺诈识别方法及大数据系统
Sahbi et al. Robust face recognition using dynamic space warping
JP4375571B2 (ja) 顔類似度算出方法および装置
KR20230065684A (ko) 탐지 성능이 향상된 이미지 탐지 시스템 및 그 방법
CN110738175A (zh) 人脸图像处理方法、装置、计算机设备和存储介质
KR20210018586A (ko) 등장인물의 생체특징을 이용하는 비디오 콘텐트 식별 방법 및 장치
US11880405B2 (en) Method for searching similar images in an image database using global values of a similarity measure for discarding partitions of the image database
CN113946365A (zh) 页面识别方法、装置、计算机设备和存储介质
KR102569379B1 (ko) 특정 이미지 탐색 기반 비식별화 처리 시스템 및 그 방법
TWI806030B (zh) 應用於人臉辨識系統的處理電路及處理方法
RU2823903C1 (ru) Способы регистрации и обновления биометрического шаблона пользователя с использованием информации об ориентации лица пользователя и соответствующие компьютерные устройства и носители данных

Legal Events

Date Code Title Description
E902 Notification of reason for refusal