KR101087765B1 - 얼굴 인식 기반의 범죄 용의자 탐지 및 식별 시스템 - Google Patents
얼굴 인식 기반의 범죄 용의자 탐지 및 식별 시스템 Download PDFInfo
- Publication number
- KR101087765B1 KR101087765B1 KR1020100103299A KR20100103299A KR101087765B1 KR 101087765 B1 KR101087765 B1 KR 101087765B1 KR 1020100103299 A KR1020100103299 A KR 1020100103299A KR 20100103299 A KR20100103299 A KR 20100103299A KR 101087765 B1 KR101087765 B1 KR 101087765B1
- Authority
- KR
- South Korea
- Prior art keywords
- face
- classifier
- authentication
- image
- unit
- Prior art date
Links
- 238000001514 detection method Methods 0.000 title description 8
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 9
- 238000000034 method Methods 0.000 claims description 51
- 239000013598 vector Substances 0.000 claims description 9
- 239000000284 extract Substances 0.000 claims description 5
- 238000000605 extraction Methods 0.000 claims description 5
- 230000001815 facial effect Effects 0.000 abstract description 10
- 238000007726 management method Methods 0.000 description 27
- 238000013500 data storage Methods 0.000 description 21
- 239000011159 matrix material Substances 0.000 description 10
- 230000008901 benefit Effects 0.000 description 8
- 238000012706 support-vector machine Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 6
- 238000000513 principal component analysis Methods 0.000 description 5
- 238000012549 training Methods 0.000 description 5
- 238000007781 pre-processing Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000000354 decomposition reaction Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 210000000887 face Anatomy 0.000 description 2
- 238000009499 grossing Methods 0.000 description 2
- 210000001331 nose Anatomy 0.000 description 2
- 230000003071 parasitic effect Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011897 real-time detection Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000013215 result calculation Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/168—Feature extraction; Face representation
- G06V40/169—Holistic features and representations, i.e. based on the facial image taken as a whole
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
- G06V30/19—Recognition using electronic means
- G06V30/192—Recognition using electronic means using simultaneous comparisons or correlations of the image signals with a plurality of references
- G06V30/194—References adjustable by an adaptive method, e.g. learning
-
- 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
- G06V40/173—Classification, e.g. identification face re-identification, e.g. recognising unknown faces across different face tracks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
- G06V10/467—Encoded features or binary features, e.g. local binary patterns [LBP]
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- Databases & Information Systems (AREA)
- Collating Specific Patterns (AREA)
Abstract
얼굴 인증 장치에 있어서, 인증대상자의 이미지로부터 특징값을 추출하는 얼굴 인식부 및 상기 추출된 특징값을 혼합 계층형 분류기에 입력하여 상기 인증대상자에 대한 인증 결과를 산출하는 얼굴 인증부를 포함하되, 상기 혼합 계층형 분류기는 단일 클래스 이진 분류기 및 SR(sparse representation) 알고리즘에 따라 분류를 수행하는 다중 분류기를 포함하고, 상기 얼굴 인증부는, 상기 단일 클래스 이진 분류기를 이용하여 상기 인증대상자가 기등록된 사용자에 해당하는지 여부를 판단하는 등록여부 판단부 및 상기 다중 분류기를 이용하여 상기 기등록된 사용자 중 상기 인증대상자에 매칭되는 사용자를 판별하는 사용자 매칭부를 포함하는 얼굴 인증 장치를 제공한다.
Description
본 발명은 범죄 용의자 탐지 및 식별 시스템에 관한 것으로, 보다 상세하게는 얼굴 인증 장치, 얼굴 인증 방법 및 이를 이용한 출입관리 시스템에 관한 것이다.
최근 사무실, 주차장 또는 특수 시설물 등에 CCTV나 생체인식시스템을 설치하여 출입자의 신원을 확인하고 출입을 통제함으로써, 보안을 유지하고자 하는 출입 관리 시스템에 관한 연구가 활발히 진행되고 있다. 특히 생체인식시스템 중 카메라를 이용한 얼굴인식시스템은 출입자에게 신체적 제한을 가하지 않으면서도 편리하게 출입 관리의 목적달성이 가능하다는 장점이 있다.
종래 얼굴 인식을 이용한 출입 관리 시스템은 인증자의 얼굴을 인식한 후 인식한 얼굴이 시스템에 등록된 경우에만 출입을 허락하며, 그렇지 않을 경우에는 출입을 거부함으로써 출입을 통제한다. 이러한 얼굴 인식 기반 출입 관리 시스템은 탐지된 얼굴과 등록된 얼굴들과의 유사도를 비교하여 임계값보다 클 경우 등록된 얼굴과 동일한 사람의 얼굴로 판정하여 출입을 허가하고, 임계값보다 작을 경우 등록된 다른 얼굴과의 비교를 반복하는 방식으로 이루어진다.
한편, SVM(Support Vector Machine)과 같이 이진 클래스 분류기를 이용하여 출입 관리 시스템과 같은 다중 클래스 분류 문제에 적용하기 위해서는 별도의 구성방법 예컨대, 일대다 방법, 일대일 투표 방법, 일대일 토너먼트 방법이 요구된다. 그러나 이러한 다중 클래스 분류 문제를 위한 SVM 방법론들은 높은 인식률을 보장하는 반면, 처리속도가 느리기 때문에 대용량의 데이터베이스에서 실시간으로 인식작업을 수행해야 하는 출입 관리 시스템에는 적합하지 못하다는 문제가 있었다.
따라서, 대용량의 데이터베이스에서 실시간 얼굴 인식 및 인증이 가능함과 동시에 높은 인식률을 보장하는 새로운 형태의 분류 방법에 대한 필요성이 제기되어 왔다.
본 발명은 전술한 문제점을 해결하기 위한 것으로, 혼합 계층형 분류기를 이용한 얼굴 인증 장치 및 그 방법을 제공하는 것을 목적으로 한다.
상술한 기술적 과제를 달성하기 위한 기술적 수단으로서, 본 발명의 제 1 측면에 따른 얼굴 인증 장치는, 인증대상자의 이미지로부터 특징값을 추출하는 얼굴 인식부 및 상기 추출된 특징값을 혼합 계층형 분류기에 입력하여 상기 인증대상자에 대한 인증 결과를 산출하는 얼굴 인증부를 포함하되, 상기 혼합 계층형 분류기는 단일 클래스 이진 분류기 및 SR(sparse representation) 알고리즘에 따라 분류를 수행하는 다중 분류기를 포함하고, 상기 얼굴 인증부는, 상기 단일 클래스 이진 분류기를 이용하여 상기 인증대상자가 기등록된 사용자에 해당하는지 여부를 판단하는 등록여부 판단부 및 상기 다중 분류기를 이용하여 상기 기등록된 사용자 중 상기 인증대상자에 매칭되는 사용자를 판별하는 사용자 매칭부를 포함한다.
또한, 본 발명의 제 2 측면에 따른 얼굴 인증 방법은, 인증대상자의 이미지로부터 특징값을 추출하는 단계, 상기 추출된 특징값을 단일 클래스 이진 분류기에 입력하여 상기 인증대상자가 기등록된 사용자에 해당하는지 여부를 판단하는 단계 및 상기 특징값을 SR(sparse representation) 알고리즘에 따라 분류를 수행하는 다중 분류기에 입력하여 상기 기등록된 사용자 중 상기 인증대상자에 매칭되는 사용자를 판별하는 단계를 포함한다.
또한, 본 발명의 제 3 측면에 따른 출입관리 시스템은, 인증대상자를 촬영하여 이미지를 생성하는 이미지 캡쳐부, 상기 이미지로부터 특징값을 추출하는 얼굴 인식부, 상기 추출된 특징값을 혼합 계층형 분류기에 입력하여 상기 인증대상자에 대한 인증 결과를 산출하는 얼굴 인증부 및 상기 인증 결과에 기초하여 상기 인증대상자에 대한 출입을 제어하는 출입 관리부를 포함하되, 상기 혼합 계층형 분류기는 단일 클래스 이진 분류기 및 SR(sparse representation) 알고리즘에 따라 분류를 수행하는 다중 분류기를 포함하고, 상기 얼굴 인증부는, 상기 단일 클래스 이진 분류기를 이용하여 상기 인증대상자가 기등록된 사용자에 해당하는지 여부를 판단하는 등록여부 판단부 및 상기 다중 분류기를 이용하여 상기 기등록된 사용자 중 상기 인증대상자에 매칭되는 사용자를 판별하는 사용자 판단부를 포함한다.
전술한 본 발명의 과제 해결 수단 중 어느 하나에 의하면, 혼합 계층형 분류기는 다중 클래스 이진 분류기의 상위 노드에 SR(sparse representation) 알고리즘에 따라 분류를 수행하는 다중 분류기를 배치한 혼합 형태의 구조를 가진다.
또한, 전술한 본 발명의 과제 해결 수단 중 어느 하나에 의하면, 다양한 조명 변화, 원 이미지에 다른 이미지가 겹치거나 변장한 경우, 원 이미지가 변질된 경우, 저해상도 등 인식 성능을 저해하는 다양한 환경에서도, 정면 얼굴 이미지를 차원 축소 방법을 사용하지 않고서도 매우 높은 얼굴 인식률을 보장한다는 장점이 있다.
또한, 전술한 본 발명의 과제 해결 수단 중 어느 하나에 의하면, 학습되지 않은 데이터에 대해서 단일 클래스 이진 분류기를 통해 미리 분류할 수 있으므로, 불필요한 연산을 줄일 수 있으며, 그 결과 실시간 얼굴 인증 처리가 가능하다는 장점이 있다.
또한, 전술한 본 발명의 과제 해결 수단 중 어느 하나에 의하면, 새로운 학습 이미지가 추가되더라도, 모든 얼굴 이미지에 대한 재학습을 수행할 필요 없이, 기생성된 행렬에 새로운 얼굴 이미지에 대한 학습 결과만 열 데이터로 추가하면 되므로, 확장성이 뛰어나며, 대용량의 이미지 처리에 유리하다는 장점이 있다.
도 1은 본 발명의 일실시예에 따른 얼굴 인증 장치를 도시한 블록도이다.
도 2는 본 발명의 일실시예에 따른 캡쳐된 이미지에 대한 얼굴 탐지를 설명하기 위한 도면이다.
도 3은 본 발명의 일실시예에 따른 얼굴 인증부를 설명하기 위한 개념도이다.
도 4는 본 발명의 일실시예에 따른 인증 결과 표시부를 도시한다.
도 5는 본 발명의 일실시예에 따른 얼굴 인증 방법을 도시한 순서도이다.
도 6은 본 발명의 일실시예에 따른 출입 관리 시스템을 도시한 블록도이다.
도 2는 본 발명의 일실시예에 따른 캡쳐된 이미지에 대한 얼굴 탐지를 설명하기 위한 도면이다.
도 3은 본 발명의 일실시예에 따른 얼굴 인증부를 설명하기 위한 개념도이다.
도 4는 본 발명의 일실시예에 따른 인증 결과 표시부를 도시한다.
도 5는 본 발명의 일실시예에 따른 얼굴 인증 방법을 도시한 순서도이다.
도 6은 본 발명의 일실시예에 따른 출입 관리 시스템을 도시한 블록도이다.
아래에서는 첨부한 도면을 참조하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 본 발명의 실시예를 상세히 설명한다. 그러나 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시예에 한정되지 않는다. 그리고 도면에서 본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다.
명세서 전체에서, 어떤 부분이 다른 부분과 "연결"되어 있다고 할 때, 이는 "직접적으로 연결"되어 있는 경우뿐 아니라, 그 중간에 다른 소자를 사이에 두고 "전기적으로 연결"되어 있는 경우도 포함한다. 또한 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미한다.
도 1은 본 발명의 일실시예에 따른 얼굴 인증 장치를 도시한 블록도이고, 도 2는 본 발명의 일실시예에 따른 캡쳐된 이미지에 대한 얼굴 탐지를 설명하기 위한 도면이다.
얼굴 인증 장치(10)는 인증대상자의 이미지로부터 특징값을 추출하고, 혼합 계층형 분류기에 추출된 특징값을 입력하여 인증대상자의 인증 결과를 산출한다.
특히, 본 발명의 일실시예에 따른 얼굴 인증 장치(10)는 혼합 계층형 분류기를 사용한다. 혼합 계층형 분류기는 단일 클래스 이진 분류기와 다중 분류기를 계층적으로 결합하여 생성된다.
얼굴 인증 장치(10)는 도 1에 나타낸 바와 같이, 이미지 캡쳐부(100), 이미지 전처리부(200), 얼굴 인식부(300), 분류기 생성부(400), 얼굴 데이터 저장부(450), 얼굴 인증부(500), 인증 결과 표시부(600) 및 사용자 데이터 저장부(650)를 포함한다.
이미지 캡쳐부(100)는 인증대상자의 이미지를 캡쳐한다. 또한, 이미지 캡쳐부(100)는 캡쳐한 이미지를 이미지 전처리부(200)에 제공한다. 이미지 캡쳐부(100)는 직접 이미지를 생성하는 장치 예컨대, 디지털 카메라 장치일 수 있으나, 이에 한정되지는 않고 동영상 이미지 생성 장치 예컨대, CCTV 장치에서 제공된 동영상 이미지로부터 정지된 이미지를 캡쳐할 수 있는 장치일 수도 있다. 또한, 캡쳐된 이미지는 흑백 이미지 또는 칼라 이미지일 수 있다.
이미지 전처리부(200)는 이미지 캡쳐부(100)에서 제공된 이미지를 전처리한다. 예를 들어, 이미지 전처리부(200)는 흑백 변환(gray color conversion), 보간(interpolation), 히스토그램 평활화(equalization of histogram), 스무딩(smoothing), 리사이징(resizing) 및 잡음 제거(noise cancelling) 중 적어도 하나를 수행할 수 있다. 이미지 전처리는 얼굴 인식부(300)에서 사용될 이미지의 인식률을 높이거나, 인식 속도를 증가시키기 위한 것일 수 있다. 이미지 전처리부(200)에 의해 전처리된 이미지(110)는 얼굴 인식부(300)에 제공된다.
얼굴 인식부(300)는 이미지 전처리부(200)에서 제공된 이미지(110)로부터 얼굴을 인식한다. 얼굴 인식부(300)는 도 1에 도시된 바와 같이 얼굴 탐지부(320) 및 얼굴 특징 추출부(340)를 포함한다. 얼굴 탐지부(320)는 인증대상자의 이미지(110)로부터 얼굴 이미지(310)를 탐지한다. 이미지 전처리부(200)에서 제공된 이미지(110)는 도 2에 도시된 바와 같이 인증대상자의 얼굴뿐만 아니라, 전신, 의상, 배경 등을 포함할 수 있다. 본 실시예는 인증대상자의 얼굴을 이용하여 인증을 수행하므로 얼굴 탐지부(320)는 도 2에 도시된 바와 같이 제공된 이미지 중 얼굴 이미지(310)를 탐지한다. 얼굴 탐지부(320)는 Haar-like feature 방법을 이용할 수 있다. 그러나 이에 한정되지는 않고 임의의 방법을 이용하여 얼굴 탐지를 수행할 수 있다.
얼굴 특징 추출부(340)는 얼굴 탐지부(320)에서 탐지된 얼굴 이미지(210)로부터 특징값을 추출한다. 얼굴 특징 추출부(340)는 예컨대, NMF(non-negative matrix factorization) 방법을 사용할 수 있다. NMF 방법은 데이터 세트에서 독립적인 특성을 추출하기 위해 사용되는 것으로, NMF에 의해 유도된 특징 공간의 기저 벡터는 눈, 코, 입 등과 유사한 부분 이미지 형태를 보이며, 기저 벡터의 선형 결합으로 얼굴 이미지를 나타낼 수 있다. 본 실시예에 따른 얼굴 특징 추출부(340)는 NMF 방법을 사용하는 것으로 예시하고 있으나 이에 한정되는 것은 아니며, SVD(singular value decomposition) 방법이나 PCA 방법(principal component analysis) 등 얼굴 특징 추출에 사용될 수 있는 임의의 방법을 사용할 수 있다. 얼굴 특징 추출부(340)에서 추출된 특징값은 얼굴 인증부(500)에 제공된다.
이미지 캡쳐부(100), 이미지 전처리부(200) 및 얼굴 인식부(300)는 실시예에 따라 적어도 일부 구성이 생략될 수 있다. 예컨대, 이미지 캡쳐부(100)가 얼굴 이미지를 제공하는 경우, 이미지 전처리부(200) 및 얼굴 인식부(300)의 얼굴 탐지부(320)는 생략될 수 있다. 또한, Haar-like feature 방법, NMF 방법, SVD 방법 및 PCA 방법은 본 발명이 속하는 기술 분야에서 널리 알려져 있으므로, 이것들에 대한 자세한 설명은 생략한다.
분류기 생성부(400)는 얼굴 데이터 저장부(450)를 참조하여 혼합 계층형 분류기를 생성한다. 얼굴 데이터 저장부(450)는 기등록된 사용자의 얼굴 이미지를 저장한다. 얼굴 데이터 저장부(450)는 한 명 이상의 사용자에 대해 각각 하나 이상의 얼굴 이미지를 저장할 수 있다.
혼합 계층형 분류기는 단일 클래스 이진 분류기 및 다중 분류기를 포함한다. 단일 클래스 이진 분류기 및 다중 분류기는 각각 얼굴 데이터 저장부(450)에 저장된 얼굴 이미지를 학습하여 생성된다. 이 경우, 얼굴 이미지의 학습을 위한 이미지의 전처리, 얼굴 탐지 및 얼굴 특징 추출은 이미지 전처리부(200) 및 얼굴 인식부(300)에서 사용된 방법과 동일할 수 있다.
특히, 본 발명의 일실시예에 따른 혼합 계층형 분류기는 다중 분류기의 상위 노드에 단일 클래스 이진 분류기를 배치한 혼합 형태의 구조를 가진다. 그 결과, 얼굴 인증의 정확성 및 신속성을 확보할 수 있다.
다중 분류기는 SR(sparse representation)을 기반으로 얼굴 데이터 저장부(450)에 저장된 얼굴 이미지를 학습하여 생성된다. 다중 분류기는 각각의 얼굴 이미지를 1*m의 열벡터로 변환시킬 수 있다. 얼굴 데이터 저장부(450)는 한 사람 당 복수의 얼굴 이미지를 포함할 수 있다. 예를 들어, 얼굴 데이터 저장부(450)에 5명에 대한 50장의 얼굴 이미지(각 사람 당 10장의 얼굴 이미지)를 저장한다면, 분류기 생성부(400)는 50*m의 크기의 행렬을 갖는 다중 분류기를 생성할 수 있다.
이후, 다중 분류기에 새로운 얼굴 이미지에 대한 특징값이 입력되면, 입력된 이미지와 유사한 이미지에 대응되는 행렬에 대해서는 상대적으로 높은 값을 산출하고, 유사하지 않는 이미지에 대응되는 행렬에 대해서는 0 또는 상대적으로 낮은 값을 가진다. 이를 통해, 기등록된 사용자에 대한 얼굴 이미지를 매칭시킬 수 있다. 이와 관련해서는 도 3을 참조하여 상세히 설명한다.
특히, SR을 기반으로 한 다중 분류기는 다양한 조명 변화, 원 이미지에 다른 이미지가 겹치거나 변장한 경우, 원 이미지가 변질된 경우, 저해상도 등 인식 성능을 저해하는 다양한 환경에서도, 정면 얼굴 이미지를 차원 축소 방법을 사용하지 않고서도 매우 높은 얼굴 인식률을 보장한다는 장점이 있다.
또한, 새로운 학습 이미지가 추가되더라도, 모든 얼굴 이미지에 대한 재학습을 수행할 필요 없이, 기생성된 행렬에 새로운 얼굴 이미지에 대한 학습 결과만 열 데이터로 추가하면 되므로, 확장성이 뛰어나며, 대용량의 이미지 처리에 유리하다는 장점이 있다.
단일 클래스 이진 분류기는 얼굴 데이터 저장부(450)에 저장된 얼굴 이미지를 학습하여 생성된 단일 클래스이다. 단일 클래스 이진 분류기는 얼굴 데이터 저장부(450)에 저장된 모든 얼굴 이미지로부터 특징값을 추출하고, 추출된 특징값을 연산함으로써 형성된다. 단일 클래스 이진 분류기는 전체 공간을 얼굴 데이터 저장부(450)에 저장된 얼굴 이미지에 해당하는 공간과, 해당되지 않는 반대 공간으로 분할한다.
본 발명의 일실시예에 따른 단일 클래스 이진 분류기는 SVM(support vector machine) 일 수 있다. 특히, 본 발명의 일실시예에 따른 단일 클래스 이진 분류기는 SVM의 대표적인 모델인 SVDD(support vector data description)일 수 있다. SVDD에 의하면, d-차원 입력공간상에 존재하는 K개의 데이터 집합이 주어졌을 경우, 각각의 클래스를 분류하기 위한 분류기는 각 클래스의 학습 데이터를 포함하면서 체적을 최소화하는 구체(sphere)를 구하는 문제로 정의하여 분류한다. SVDD에 대해서는 본 발명이 속하는 기술 분야에서 널리 알려져 있으므로, 자세한 설명은 생략한다.
본 발명의 일실시예에 따른 단일 클래스 이진 분류기는 다중 분류기의 최상위 노드에 배치된다. 따라서, 단일 클래스 이진 분류기에 인증대상자의 새로운 이미지 또는 새로운 이미지에 대한 특징값이 입력되면, 우선적으로 새로운 이미지 또는 그 특징값이 얼굴 데이터 저장부(450)에 저장된 얼굴 이미지 또는 그 특징값에 해당하는지 판단할 수 있다. 학습되지 않은 데이터에 대해서 단일 클래스 이진 분류기를 통해 미리 분류할 수 있으므로, 얼굴 데이터 저장부(450)에 저장되지 않은 새로운 이미지에 대한 불필요한 연산을 줄일 수 있다는 장점이 있다.
얼굴 인증부(500)는 얼굴 인식부(300)에서 추출된 특징값을 혼합 계층형 분류기에 입력하여 인증대상자의 인증 결과를 산출한다. 본 발명의 일실시예에 따른 얼굴 인증부(500)는 단일 클래스 이진 분류기를 이용하여 인증대상자가 기등록된 사용자에 해당하는지 여부를 판단하는 등록여부 판단부(520) 및 다중 분류기를 이용하여 기등록된 사용자 중 상기 인증대상자에 매칭되는 사용자를 판별하는 사용자 판단부(540)를 포함한다. 이것과 관련해서는 도 3을 참조하여 상세히 설명한다.
도 3은 본 발명의 일실시예에 따른 얼굴 인증부를 설명하기 위한 개념도이다.
등록여부 판단부(520)는 얼굴 인식부(300)로부터 인증대상자의 얼굴 이미지(550)에 대한 특징값을 수신한다. 등록여부 판단부(520)는 수신된 특징값을 단일 클래스 이진 분류기에 입력하여 인증대상자가 기등록된 사용자에 해당하는지 새로운 사용자에 해당하는지 판단한다.
만약, 등록여부 판단부(520)가 인증대상자를 기등록된 사용자에 해당한다고 판단한 경우, 사용자 판단부(540)는 인증대상자에 매칭되는 기등록된 사용자를 판별할 수 있다.
예를 들어, 인증대상자의 이미지로부터 추출된 특징값(550)이 입력되면, 등록여부 판단부(520)는 단일 클래스 이진 분류기(522)를 통해 기등록된 사용자로 판단할 수 있다.
다음으로, 사용자 판단부(540)는 다중 분류기(542)를 통해 인증대상자가 기등록된 사용자 중 특정 사용자(544)와 매칭된다는 것을 판단할 수 있다. 구체적으로, 다중 분류기(542)는 학습 이미지를 이용하여 생성된 행렬 A를 포함한다. 행렬 A의 각각의 열 데이터는 학습 이미지 각각에 대한 특징값 벡터일 수 있다. 예를 들어, i개의 클래스, n개의 학습 이미지로부터 행렬 A를 생성할 경우, i번째 클래스에 속하는 n번째 학습 이미지 특징값은 행렬 
의 열로 정렬 될 수 있다. 인증대상자의 이미지로부터 추출된 특징값(550)이 y라면 y는 A에 대한 하기 수학식 1로 표현될 수 있다.
[수학식 1]
수학식 1에서 x는 계수 벡터(coefficient vector)이다. 특징값(550)이 클래스 i에 속한다면, 계수 벡터 x는 i와 관련된 학습 데이터 값을 제외하고는 0 또는 0에 근사한 값을 갖고, 하기 수학식 2와 같이 표현된다.
[수학식 2]
사용자 판단부(540)는 상대적으로 높은 값을 갖는 클래스에 해당하는 사용자를 추출할 수 있다. 이로써, 사용자 판단부(540)는 인증대상자가 기등록된 사용자 중 특정 사용자(544)와 매칭된다는 것을 판단할 수 있다.
본 발명의 일실시예에 따른 얼굴 인증부(500)는 단일 클래스 이진 분류기(522)와 다중 분류기(542)를 계층적으로 결합한 혼합 계층형 분류기를 사용함으로써 얼굴 인증 속도와 정확도 면에서 모두 뛰어난 결과를 가진다. 구체적으로, 학습되지 않은 데이터에 대해서 단일 클래스 이진 분류기를 통해 미리 분류할 수 있으므로, 얼굴 데이터 저장부(450)에 저장되지 않은 새로운 이미지에 대한 불필요한 연산을 줄일 수 있다는 장점이 있다.
인증 결과 표시부(600)는 얼굴 인증부(500)에서 판별된 결과를 표시한다. 인증 결과 표시부(600)와 관련해서는 도 4를 참조하여 설명한다.
도 4는 본 발명의 일실시예에 따른 인증 결과 표시부를 도시한다.
인증 결과 표시부는 도 4에 도시된 바와 같이 캡쳐된 이미지(610), 탐지된 얼굴 이미지(620), 기등록된 얼굴 이미지(630) 및 그에 대응되는 사용자 정보(640)를 표시할 수 있다. 사용자 정보(640)는 예를 들어 성명, 위험 등급, 나이, 주소, 특이 사항 등을 포함할 수 있다.
기등록된 얼굴 이미지 및 그에 대응되는 사용자 데이터는 사용자 데이터 저장부(650)로부터 수신할 수 있다. 사용자 데이터는 도 4에 도시된 예시에 한정되는 것은 아니며, 그 밖에 다양한 정보를 이용하여 표시할 수 있다.
본 발명의 일실시예에 따른 얼굴 인증 장치(10)는 출입 관리에 사용될 수 있다. 출입 허가된 사용자의 얼굴 이미지로부터 혼합 계층형 분류기를 생성한 후, 인증요구자의 인증 과정을 거쳐 사용자의 출입을 통제할 수 있다. 또한, 얼굴 인증 장치(10)는 범죄 용의자 판별에 사용될 수 있다. 범죄 용의자의 얼굴 이미지로부터 혼합 계층형 분류기를 생성한 후, 주요시설 예컨대 공항, 항만, 정부 관청에 설치하여 실시간 감지할 수도 있다.
도 5는 본 발명의 일실시예에 따른 얼굴 인증 방법을 도시한 순서도이다.
먼저, 인증대상자의 이미지를 캡쳐한다(S100).
인증대상자의 이미지는 직접 이미지를 생성하는 장치 예컨대, 디지털 카메라 장치를 이용하여 캡쳐한 것일 수 있으나, 이에 한정되지는 않고 동영상 이미지 생성 장치 예컨대, CCTV 장치에서 제공된 동영상 이미지로부터 정지된 이미지를 캡쳐한 것일 수도 있다.
다음으로, 이미지를 전처리한다(S200).
캡쳐된 인증대상자의 전처리한다. 전처리는 예컨대 흑백 변환(gray color conversion), 보간(interpolation), 히스토그램 평활화(equalization of histogram), 스무딩(smoothing), 리사이징(resizing) 및 잡음 제거(noise cancelling) 중 적어도 하나일 수 있다. 이미지 전처리는 얼굴 인식부(300)에서 사용될 이미지의 인식률을 높이거나, 인식 속도를 증가시키기 위한 것일 수 있다.
다음으로, 이미지로부터 특징값을 추출한다(S300).
전처리된 이미지로부터 얼굴 이미지를 탐지한 후, 탐지된 얼굴 이미지로부터 특징값을 추출한다. 얼굴 탐지는 Haar-like feature 방법을 이용할 수 있다. 그러나 이에 한정되지는 않고 임의의 방법을 이용하여 얼굴 탐지를 수행할 수 있다.
얼굴 특징의 추출은 예컨대, NMF(non-negative matrix factorization) 방법을 사용할 수 있다. NMF 방법은 데이터 세트에서 독립적인 특성을 추출하기 위해 사용되는 것으로, NMF에 의해 유도된 특징 공간의 기저 벡터는 눈, 코, 입 등과 유사한 부분 이미지 형태를 보이며, 기저 벡터의 선형 결합으로 얼굴 이미지를 나타낼 수 있다. 그러나, 이에 한정되는 것은 아니며, SVD(singular value decomposition) 방법이나 PCA 방법(principal component analysis) 등 얼굴 특징 추출에 사용될 수 있는 임의의 방법을 사용할 수 있다.
다음으로, 혼합 계층형 분류기를 이용한 인증 결과를 산출한다(S400).
추출된 특징값을 혼합 계층형 분류기에 입력하여 인증대상자의 인증 결과를 산출한다. 혼합 계층형 분류기는 단일 클래스 이진 분류기 및 다중 분류기를 계층적으로 결합하여 생선된다. 단일 클래스 이진 분류기는 기등록된 사용자의 얼굴 이미지를 학습하여 생성된 것일 수 있다. 인증 결과 산출 단계(S400)는 먼저, 단일 클래스 이진 분류기를 이용하여 인증대상자가 기등록된 사용자에 해당하는지 여부를 판단한다. 그 후, 다중 분류기를 이용하여 기등록된 사용자 중 상기 인증대상자에 매칭되는 사용자를 판별한다. 단일 클래스 이진 분류기는 다중 분류기의 상위 노드에 배치되므로, 인증대상자가 기등록된 사용자가 아닌 경우 불필요한 연산을 줄일 수 있다는 장점이 있다.
또한, SR 알고리즘에 기초한 다중 분류기는 다양한 조명 변화, 원 이미지에 다른 이미지가 겹치거나 변장한 경우, 원 이미지가 변질된 경우, 저해상도 등 인식 성능을 저해하는 다양한 환경에서도 정면 얼굴 이미지를 차원 축소 방법을 사용하지 않고서도 매우 높은 얼굴 인식률을 보장한다는 장점이 있다.
본 발명의 일실시예에 따른 단일 클래스 이진 분류기는 SVM 일 수 있다. 특히, 본 발명의 일실시예에 따른 단일 클래스 이진 분류기는 SVM의 대표적인 모델인 SVDD 일 수 있다.
그 밖에, 혼합 계층형 분류기, 단일 클래스 이진 분류기 및 다중 분류기의 구성 및 효과에 대해서는 도 1 내지 도 4를 참조하여 설명하였으므로, 이와 관련해서는 중복되는 범위 내에서 설명을 생략한다.
도 6은 본 발명의 일실시예에 따른 출입 관리 시스템을 도시한 블록도이다.
출입관리 시스템(20)은 인증대상자를 촬영한 이미지로부터 특징값을 추출하고, 분류기에 추출된 특징값을 입력함으로써 인증대상자의 인증 결과를 산출한다. 그 후, 산출된 인증 결과를 기초로 인증대상자의 출입을 제어한다.
특히, 본 발명의 일실시예에 따른 출입관리 시스템(20)은 혼합 계층형 분류기를 사용한다. 혼합 계층형 분류기는 단일 클래스 이진 분류기와 다중 분류기를 계층적으로 결합하여 생성된다.
출입관리 시스템(20)은 도 6에 나타낸 바와 같이, 얼굴 인증 장치(10) 및 출입 관리부(700)를 포함한다.
이 중 출입 관리부(700)를 제외한 얼굴 인증 장치의 하위 구성 장치 즉, 이미지 캡쳐부(100), 이미지 전처리부(200), 얼굴 인식부(300), 분류기 생성부(400), 얼굴 데이터 저장부(450), 얼굴 인증부(500), 인증 결과 표시부(600) 및 사용자 데이터 저장부(650)에 대해서는 도 1에 도시된 구성과 동일 또는 유사하므로 이와 관련해서는 중복되는 범위 내에서 설명을 생략한다.
또한, 혼합 계층형 분류기, 단일 클래스 이진 분류기 및 다중 분류기의 구성 및 효과에 대해서는 도 1 내지 도 5를 참조하여 설명하였으므로, 이와 관련해서는 중복되는 범위 내에서 설명을 생략한다.
출입 관리부(700)는 얼굴 인증 장치(10)의 인증 결과에 기초하여 인증대상자에 대한 출입을 제어한다. 예를 들어, 출입 관리부(700)는 얼굴 인증부(500)의 단일 판단부(520)에 의해 인증대상자가 기등록된 사용자로 판단된 경우 인증대상자의 출입을 허가할 수 있다. 또는 얼굴 인증부(500)의 다중 판단부(540)에 의해 기등록된 사용자 중 인증대상자에 매칭되는 사용자가 판별된 경우 출입을 허가할 수 있다.
이와 반대로 출입 관리부(700)는 기등록된 사용자에 대한 출입을 통제할 수도 있다. 예를 들어, 얼굴 데이터 저장부(450)에 범죄 용의자들에 대한 얼굴 이미지를 저장하고, 분류기 생성부(400)를 이용하여 혼합 계층형 분류기를 생성할 수 있다. 이 경우, 출입 관리부(700)는 단일 판단부(520)에 의해 인증대상자가 기등록된 사용자로 판단되거나 다중 판단부(540)에 의해 기등록된 사용자 중 인증대상자에 매칭되는 사용자가 판별된 경우 출입을 통제할 수 있다.
출입관리 시스템(20)은 때때로 인증대상자에 대해 인식을 잘못 수행할 수 있다. 예를 들어, 단일 클래스 이진 분류기에서 등록 사용자를 미등록 사용자로 잘못 분류할 경우, 다중 분류기에서 판단되지 않고 바로 미등록 사용자로 판단한다. 출입관리 시스템(20)의 특성 상 오류가 발생한다면 신뢰성에 큰 타격을 입을 수 있다. 따라서, 본 시스템은 위와 같이 오류가 발생하는 상황을 방지하기 위해 동일 인증대상자로부터 복수의 이미지를 생성하고, 이를 기초로 하여 복수 회에 걸쳐 인증 여부를 판단할 수 있다.
구체적으로, 이미지 캡쳐부(100)는 인증대상자를 촬영하여 복수의 이미지를 생성한다. 복수의 이미지는 동일한 인증대상자로부터 생성된 서로 다른 이미지일 수 있다. 각각의 이미지는 이미지 전처리부(200)에 의해 전처리되고, 얼굴 인식부(300)에 의해 특징값이 추출되고, 얼굴 인증부(400)에 의해 인증 결과가 산출된다. 그 결과, 출입 관리부(700)는 복수의 이미지 각각에 대한 인증 결과를 수신한다. 출입 관리부(700)는 복수의 인증 결과를 기초로 인증대상자에 대한 출입을 제어한다. 인증 결과는 기등록 사용자 여부 판단 결과와 기등록 사용자 판별 결과를 포함한다.
본 발명의 일실시예에 따른 출입 관리부(700)는 복수의 인증 결과를 기설정된 값과 비교하여 인증대상자에 대한 출입을 제어할 수 있다. 예를 들어, 출입 관리부(700)가 세 개의 인증 결과를 수신하고, 기설정된 값이 2라고 가정하자. 만약, 세 개의 인증 결과 중 두 개가 인증대상자를 미등록 사용자라 판단하고 오직 하나만 등록 사용자라 판단한 경우, 출입 관리부(700)는 인증대상자를 미등록 사용자라 판단하고 출입을 허용하지 않을 수 있다. 본 실시예에서는 세 개의 인증 결과를 수신하고 기설정된 값을 2라고 예시하였으나, 이에 한정되지는 않고, 임의의 개수의 인증 결과를 수신하고 임의의 기설정된 값을 이용하여 인증대상자의 출입을 제어할 수 있다. 이와 같이, 복수의 인증 결과를 기초로 인증대상자에 대한 출입을 제어한다면 보다 안정적으로 정확한 출입관리를 수행할 수 있다.
참고로, 본 발명의 실시예에 따른 도 1, 도 3 및 도 6에 도시된 구성 요소들은 소프트웨어 또는 FPGA(Field Programmable Gate Array) 또는 ASIC(Application Specific Integrated Circuit)와 같은 하드웨어 구성 요소를 의미하며, 소정의 역할들을 수행한다.
그렇지만 '구성 요소들'은 소프트웨어 또는 하드웨어에 한정되는 의미는 아니며, 각 구성 요소는 어드레싱할 수 있는 저장 매체에 있도록 구성될 수도 있고 하나 또는 그 이상의 프로세서들을 재생시키도록 구성될 수도 있다.
따라서, 일 예로서 구성 요소는 소프트웨어 구성 요소들, 객체지향 소프트웨어 구성 요소들, 클래스 구성 요소들 및 태스크 구성 요소들과 같은 구성 요소들과, 프로세스들, 함수들, 속성들, 프로시저들, 서브루틴들, 프로그램 코드의 세그먼트들, 드라이버들, 펌웨어, 마이크로 코드, 회로, 데이터, 데이터베이스, 데이터 구조들, 테이블들, 어레이들 및 변수들을 포함한다.
구성 요소들과 해당 구성 요소들 안에서 제공되는 기능은 더 작은 수의 구성 요소들로 결합되거나 추가적인 구성 요소들로 더 분리될 수 있다.
본 발명의 일 실시예는 컴퓨터에 의해 실행되는 프로그램 모듈과 같은 컴퓨터에 의해 실행가능한 명령어를 포함하는 기록 매체의 형태로도 구현될 수 있다. 컴퓨터 판독 가능 매체는 컴퓨터에 의해 액세스될 수 있는 임의의 가용 매체일 수 있고, 휘발성 및 비휘발성 매체, 분리형 및 비분리형 매체를 모두 포함한다. 또한, 컴퓨터 판독가능 매체는 컴퓨터 저장 매체 및 통신 매체를 모두 포함할 수 있다. 컴퓨터 저장 매체는 컴퓨터 판독가능 명령어, 데이터 구조, 프로그램 모듈 또는 기타 데이터와 같은 정보의 저장을 위한 임의의 방법 또는 기술로 구현된 휘발성 및 비휘발성, 분리형 및 비분리형 매체를 모두 포함한다. 통신 매체는 전형적으로 컴퓨터 판독가능 명령어, 데이터 구조, 프로그램 모듈, 또는 반송파와 같은 변조된 데이터 신호의 기타 데이터, 또는 기타 전송 메커니즘을 포함하며, 임의의 정보 전달 매체를 포함한다.
전술한 본 발명의 설명은 예시를 위한 것이며, 본 발명이 속하는 기술분야의 통상의 지식을 가진 자는 본 발명의 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 쉽게 변형이 가능하다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야만 한다. 예를 들어, 단일형으로 설명되어 있는 각 구성 요소는 분산되어 실시될 수도 있으며, 마찬가지로 분산된 것으로 설명되어 있는 구성 요소들도 결합된 형태로 실시될 수 있다.
본 발명의 범위는 상기 상세한 설명보다는 후술하는 특허청구범위에 의하여 나타내어지며, 특허청구범위의 의미 및 범위 그리고 그 균등 개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본 발명의 범위에 포함되는 것으로 해석되어야 한다.
10: 얼굴 인증 장치 20: 출입관리 시스템
100: 이미지 캡쳐부 200: 이미지 전처리부
300: 얼굴 인식부 320: 얼굴 탐지부
340: 얼굴 특징 추출부 400: 분류기 생성부
420: 단일 클래스 이진 분류기 440: 다중 분류기
450: 얼굴 데이터 저장부 500: 얼굴 인증부
520: 등록여부 판단부 540: 사용자 판단부
600: 인증 결과 표시부 650: 사용자 데이터 저장부
700: 출입 관리부
100: 이미지 캡쳐부 200: 이미지 전처리부
300: 얼굴 인식부 320: 얼굴 탐지부
340: 얼굴 특징 추출부 400: 분류기 생성부
420: 단일 클래스 이진 분류기 440: 다중 분류기
450: 얼굴 데이터 저장부 500: 얼굴 인증부
520: 등록여부 판단부 540: 사용자 판단부
600: 인증 결과 표시부 650: 사용자 데이터 저장부
700: 출입 관리부
Claims (15)
- 얼굴 인증 장치에 있어서,
인증대상자의 이미지로부터 특징값을 추출하는 얼굴 인식부 및
상기 추출된 특징값을 혼합 계층형 분류기에 입력하여 상기 인증대상자에 대한 인증 결과를 산출하는 얼굴 인증부를 포함하되,
상기 혼합 계층형 분류기는 단일 클래스 이진 분류기 및 SR(sparse representation) 알고리즘에 따라 분류를 수행하는 다중 분류기를 포함하고,
상기 얼굴 인증부는,
상기 단일 클래스 이진 분류기를 이용하여 상기 인증대상자가 기등록된 사용자에 해당하는지 여부를 판단하는 등록여부 판단부 및
상기 다중 분류기를 이용하여 상기 기등록된 사용자 중 상기 인증대상자에 매칭되는 사용자를 판별하는 사용자 매칭부를 포함하는 얼굴 인증 장치.
- 제 1 항에 있어서,
상기 단일 클래스 이진 분류기는 상기 기등록된 사용자의 얼굴 이미지를 학습하여 생성된 것인 얼굴 인증 장치.
- 제 1 항에 있어서,
상기 단일 클래스 이진 분류기는 상기 다중 분류기의 상위 노드에 배치되는 얼굴 인증 장치.
- 제 1 항에 있어서,
상기 얼굴 인식부는,
상기 인증대상자의 이미지로부터 얼굴 이미지를 탐지하는 얼굴 탐지부 및
상기 탐지된 얼굴 이미지로부터 특징값을 추출하는 얼굴 특징 추출부
를 포함하는 얼굴 인증 장치.
- 제 1 항에 있어서,
상기 단일 클래스 이진 분류기는 SVDD(Support Vector Data Description) 분류기인 얼굴 인증 장치.
- 얼굴 인증 방법에 있어서,
인증대상자의 이미지로부터 특징값을 추출하는 단계,
상기 추출된 특징값을 단일 클래스 이진 분류기에 입력하여 상기 인증대상자가 기등록된 사용자에 해당하는지 여부를 판단하는 단계 및
상기 특징값을 SR(sparse representation) 알고리즘에 따라 분류를 수행하는 다중 분류기에 입력하여 상기 기등록된 사용자 중 상기 인증대상자에 매칭되는 사용자를 판별하는 단계
를 포함하는 얼굴 인증 방법.
- 제 6 항에 있어서,
상기 단일 클래스 이진 분류기는 상기 기등록된 사용자의 얼굴 이미지를 학습하여 생성된 것인 얼굴 인증 방법.
- 제 6 항에 있어서,
상기 단일 클래스 이진 분류기는 상기 다중 분류기의 상위 노드에 배치되는 얼굴 인증 방법.
- 제 6 항에 있어서,
상기 인증대상자의 이미지로부터 특징값을 추출하는 단계는,
상기 인증대상자의 이미지로부터 얼굴 이미지를 탐지하는 단계 및
상기 탐지된 얼굴 이미지로부터 특징값을 추출하는 단계
를 포함하는 얼굴 인증 방법.
- 제 6 항에 있어서,
상기 단일 클래스 이진 분류기는 SVDD(Support Vector Data Description) 분류기인 얼굴 인증 방법.
- 출입관리 시스템에 있어서,
인증대상자를 촬영하여 이미지를 생성하는 이미지 캡쳐부,
상기 이미지로부터 특징값을 추출하는 얼굴 인식부,
상기 추출된 특징값을 혼합 계층형 분류기에 입력하여 상기 인증대상자에 대한 인증 결과를 산출하는 얼굴 인증부 및
상기 인증 결과에 기초하여 상기 인증대상자에 대한 출입을 제어하는 출입 관리부를 포함하되,
상기 혼합 계층형 분류기는 단일 클래스 이진 분류기 및 SR(sparse representation) 알고리즘에 따라 분류를 수행하는 다중 분류기를 포함하고,
상기 얼굴 인증부는,
상기 단일 클래스 이진 분류기를 이용하여 상기 인증대상자가 기등록된 사용자에 해당하는지 여부를 판단하는 등록여부 판단부 및
상기 다중 분류기를 이용하여 상기 기등록된 사용자 중 상기 인증대상자에 매칭되는 사용자를 판별하는 사용자 판단부를 포함하는 출입관리 시스템.
- 제 11 항에 있어서,
상기 단일 클래스 이진 분류기는 상기 기등록된 사용자의 얼굴 이미지를 학습하여 생성된 것인 출입관리 시스템.
- 제 11 항에 있어서,
상기 단일 클래스 이진 분류기는 상기 다중 분류기의 상위 노드에 배치되는 출입관리 시스템.
- 제 11 항에 있어서,
상기 이미지 캡쳐부는 상기 인증대상자를 촬영하여 서로 다른 복수의 이미지를 생성하고,
상기 얼굴 인식부는 상기 복수의 이미지 각각으로부터 특징값을 추출하는 출입관리 시스템.
- 제 14 항에 있어서,
상기 등록여부 판단부는 상기 추출된 특징값 각각에 대한 인증 결과를 산출하고,
상기 출입 관리부는 상기 산출된 인증 결과를 기설정된 값과 비교하여 상기 인증대상자에 대한 출입을 제어하는 출입관리 시스템.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020100103299A KR101087765B1 (ko) | 2010-10-22 | 2010-10-22 | 얼굴 인식 기반의 범죄 용의자 탐지 및 식별 시스템 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020100103299A KR101087765B1 (ko) | 2010-10-22 | 2010-10-22 | 얼굴 인식 기반의 범죄 용의자 탐지 및 식별 시스템 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR101087765B1 true KR101087765B1 (ko) | 2011-11-30 |
Family
ID=45398315
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020100103299A KR101087765B1 (ko) | 2010-10-22 | 2010-10-22 | 얼굴 인식 기반의 범죄 용의자 탐지 및 식별 시스템 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR101087765B1 (ko) |
Cited By (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101430348B1 (ko) * | 2012-03-15 | 2014-08-13 | 오므론 가부시키가이샤 | 인증 장치, 인증 장치의 제어 방법, 제어 프로그램, 및 기록 매체 |
| CN104463245A (zh) * | 2014-12-08 | 2015-03-25 | 电子科技大学 | 一种目标识别方法 |
| CN104978569A (zh) * | 2015-07-21 | 2015-10-14 | 南京大学 | 一种基于稀疏表示的增量人脸识别方法 |
| CN108229335A (zh) * | 2017-12-12 | 2018-06-29 | 深圳市商汤科技有限公司 | 关联人脸识别方法和装置、电子设备、存储介质、程序 |
| CN108304816A (zh) * | 2018-02-09 | 2018-07-20 | 北京京东金融科技控股有限公司 | 身份识别方法、装置、存储介质及电子设备 |
| CN110309744A (zh) * | 2019-06-21 | 2019-10-08 | 武汉市公安局视频侦查支队 | 一种嫌疑人识别方法及装置 |
| US10474933B2 (en) | 2016-11-17 | 2019-11-12 | Samsung Electronics Co., Ltd. | Recognition and training method and apparatus |
| KR20210053535A (ko) | 2019-11-04 | 2021-05-12 | 주식회사 넥스트케이 | 얼굴기반 영상서비스장치 및 그 장치의 구동방법 |
| CN113128325A (zh) * | 2020-01-16 | 2021-07-16 | 北京沃东天骏信息技术有限公司 | 一种人脸识别方法和装置 |
| KR20230081301A (ko) | 2021-11-30 | 2023-06-07 | (주)에이펙스 이에스씨 | 동영상 내 유사 이미지 고속 탐색 방법 및 서버 |
| KR20230080667A (ko) | 2021-11-30 | 2023-06-07 | 대한민국(관리부서 대검찰청) | 동영상 내 인물 고속 탐색 방법 및 서버 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6144755A (en) | 1996-10-11 | 2000-11-07 | Mitsubishi Electric Information Technology Center America, Inc. (Ita) | Method and apparatus for determining poses |
-
2010
- 2010-10-22 KR KR1020100103299A patent/KR101087765B1/ko not_active IP Right Cessation
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6144755A (en) | 1996-10-11 | 2000-11-07 | Mitsubishi Electric Information Technology Center America, Inc. (Ita) | Method and apparatus for determining poses |
Non-Patent Citations (1)
| Title |
|---|
| 논문 |
Cited By (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9135421B2 (en) | 2012-03-15 | 2015-09-15 | Omron Corporation | Authentication apparatus, control method of authentication apparatus, control program and recording medium |
| KR101430348B1 (ko) * | 2012-03-15 | 2014-08-13 | 오므론 가부시키가이샤 | 인증 장치, 인증 장치의 제어 방법, 제어 프로그램, 및 기록 매체 |
| CN104463245B (zh) * | 2014-12-08 | 2018-10-26 | 电子科技大学 | 一种目标识别方法 |
| CN104463245A (zh) * | 2014-12-08 | 2015-03-25 | 电子科技大学 | 一种目标识别方法 |
| CN104978569A (zh) * | 2015-07-21 | 2015-10-14 | 南京大学 | 一种基于稀疏表示的增量人脸识别方法 |
| CN104978569B (zh) * | 2015-07-21 | 2018-04-03 | 南京大学 | 一种基于稀疏表示的增量人脸识别方法 |
| US10474933B2 (en) | 2016-11-17 | 2019-11-12 | Samsung Electronics Co., Ltd. | Recognition and training method and apparatus |
| CN108229335A (zh) * | 2017-12-12 | 2018-06-29 | 深圳市商汤科技有限公司 | 关联人脸识别方法和装置、电子设备、存储介质、程序 |
| CN108304816A (zh) * | 2018-02-09 | 2018-07-20 | 北京京东金融科技控股有限公司 | 身份识别方法、装置、存储介质及电子设备 |
| CN108304816B (zh) * | 2018-02-09 | 2020-09-01 | 京东数字科技控股有限公司 | 身份识别方法、装置、存储介质及电子设备 |
| CN110309744A (zh) * | 2019-06-21 | 2019-10-08 | 武汉市公安局视频侦查支队 | 一种嫌疑人识别方法及装置 |
| KR20210053535A (ko) | 2019-11-04 | 2021-05-12 | 주식회사 넥스트케이 | 얼굴기반 영상서비스장치 및 그 장치의 구동방법 |
| CN113128325A (zh) * | 2020-01-16 | 2021-07-16 | 北京沃东天骏信息技术有限公司 | 一种人脸识别方法和装置 |
| KR20230081301A (ko) | 2021-11-30 | 2023-06-07 | (주)에이펙스 이에스씨 | 동영상 내 유사 이미지 고속 탐색 방법 및 서버 |
| KR20230080667A (ko) | 2021-11-30 | 2023-06-07 | 대한민국(관리부서 대검찰청) | 동영상 내 인물 고속 탐색 방법 및 서버 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR101087765B1 (ko) | 얼굴 인식 기반의 범죄 용의자 탐지 및 식별 시스템 | |
| US11657525B2 (en) | Extracting information from images | |
| US11443559B2 (en) | Facial liveness detection with a mobile device | |
| US11941918B2 (en) | Extracting information from images | |
| US10565433B2 (en) | Age invariant face recognition using convolutional neural networks and set distances | |
| CN104756135B (zh) | 用于与配备有相机的设备相关的生物特征验证的系统和方法 | |
| Raghuwanshi et al. | An automated classroom attendance system using video based face recognition | |
| Jaafar et al. | A review of multibiometric system with fusion strategies and weighting factor | |
| El Khiyari et al. | Age invariant face recognition using convolutional neural networks and set distances | |
| Qi et al. | A real-time face detection method based on blink detection | |
| Kuznetsov et al. | Biometric authentication using convolutional neural networks | |
| JP4468756B2 (ja) | 画像の相関ベース類似度を演算する類似度演算装置、認識装置、類似度演算方法、認識方法、照合用プログラム及びそれを記録した記録媒体 | |
| CN112183167B (zh) | 考勤方法、认证方法、活体检测方法、装置及设备 | |
| Hegde et al. | Facial Expression Classifier Using Better Technique: FisherFace Algorithm | |
| KR101116737B1 (ko) | 요주의 인물 식별 시스템 | |
| Ito et al. | Recent advances in biometrie security: A case study of liveness detection in face recognition | |
| Yogalakshmi et al. | Review on digital image processing techniques for face recognition | |
| Alvappillai et al. | Face recognition using machine learning | |
| Zolotarev et al. | Liveness detection methods implementation to face identification reinforcement in gaming services | |
| Granger et al. | Survey of academic research and prototypes for face recognition in video | |
| Singh et al. | Face and Palm Identification by the Sum-Rule and Fuzzy Fusion | |
| Vinutha et al. | Antispoofing in face biometrics: A comprehensive study on software-based techniques | |
| Tamgale et al. | Application of deep convolutional neural network to prevent ATM fraud by facial disguise identification | |
| Otta et al. | Continuous Cloud User Authentication By Efficient Facial Recognition | |
| Soviany et al. | An optimized multimodal biometric system with hierachical classifiers and reduced features |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A201 | Request for examination | ||
| PA0109 | Patent application |
Patent event code: PA01091R01D Comment text: Patent Application Patent event date: 20101022 |
|
| PA0201 | Request for examination | ||
| E701 | Decision to grant or registration of patent right | ||
| PE0701 | Decision of registration |
Patent event code: PE07011S01D Comment text: Decision to Grant Registration Patent event date: 20111117 |
|
| GRNT | Written decision to grant | ||
| PR0701 | Registration of establishment |
Comment text: Registration of Establishment Patent event date: 20111122 Patent event code: PR07011E01D |
|
| PR1002 | Payment of registration fee |
Payment date: 20111122 End annual number: 3 Start annual number: 1 |
|
| PG1601 | Publication of registration | ||
| FPAY | Annual fee payment |
Payment date: 20151030 Year of fee payment: 5 |
|
| PR1001 | Payment of annual fee |
Payment date: 20151030 Start annual number: 5 End annual number: 5 |
|
| FPAY | Annual fee payment |
Payment date: 20160928 Year of fee payment: 6 |
|
| PR1001 | Payment of annual fee |
Payment date: 20160928 Start annual number: 6 End annual number: 6 |
|
| LAPS | Lapse due to unpaid annual fee | ||
| PC1903 | Unpaid annual fee |
Termination category: Default of registration fee Termination date: 20180903 |