KR101515928B1 - 가변 가중치 결합을 이용하는 얼굴 인식 장치 및 방법 - Google Patents

가변 가중치 결합을 이용하는 얼굴 인식 장치 및 방법 Download PDF

Info

Publication number
KR101515928B1
KR101515928B1 KR1020130147228A KR20130147228A KR101515928B1 KR 101515928 B1 KR101515928 B1 KR 101515928B1 KR 1020130147228 A KR1020130147228 A KR 1020130147228A KR 20130147228 A KR20130147228 A KR 20130147228A KR 101515928 B1 KR101515928 B1 KR 101515928B1
Authority
KR
South Korea
Prior art keywords
image
feature vector
block
face recognition
input image
Prior art date
Application number
KR1020130147228A
Other languages
English (en)
Inventor
김동주
이상헌
손명규
김현덕
Original Assignee
재단법인대구경북과학기술원
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 재단법인대구경북과학기술원 filed Critical 재단법인대구경북과학기술원
Priority to KR1020130147228A priority Critical patent/KR101515928B1/ko
Application granted granted Critical
Publication of KR101515928B1 publication Critical patent/KR101515928B1/ko

Links

Images

Classifications

    • 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
    • G06V10/462—Salient features, e.g. scale invariant feature transforms [SIFT]
    • G06V10/464—Salient features, e.g. scale invariant feature transforms [SIFT] using a plurality of salient features, e.g. bag-of-words [BoW] representations
    • 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
    • G06V10/48—Extraction of image or video features by mapping characteristic values of the pattern into a parameter space, e.g. Hough transformation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
    • G06V10/76—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries based on eigen-space representations, e.g. from pose or different illumination conditions; Shape manifolds
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20021—Dividing image into blocks, subimages or windows

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Human Computer Interaction (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Artificial Intelligence (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Image Analysis (AREA)
  • Collating Specific Patterns (AREA)

Abstract

본 발명은 영상 내 얼굴 영역을 인식함에 있어서 가변 가중치 결합을 이용하여 얼굴을 인식하는 장치 및 방법에 관한 것이다.
본 발명의 일면에 따른 가변 가중치 결합을 이용하는 얼굴 인식 장치는 입력영상을 수신하는 영상입력부와, 영상입력부가 수신한 입력영상을 기설정된 개수의 블록으로 분할하는 영상분할부와, 영상분할부가 분할한 블록을 행벡터로 변환하여 변환 행렬을 구성하는 행렬구성부와, 행렬구성부가 구성한 변환 행렬을 이용하여 블록 별 특징벡터를 추출하는 특징벡터 추출부와, 입력영상의 블록 별 조명 크기와 기획득된 학습영상의 조명 크기를 비교하여 가중치를 설정하는 가중치 설정부 및 가중치 설정부가 설정한 가중치를 입력영상의 블록의 특징벡터에 적용하고, 블록의 특징벡터 및 학습영상의 특징벡터를 이용하여 입력영상이 포함하는 얼굴 이미지를 인식하는 얼굴인식부를 포함한다.
또한, 본 발명의 다른 면에 따른 가변 가중치 결합을 이용하는 얼굴 인식 방법은 얼굴 이미지를 포함하는 입력영상을 수신하는 영상입력단계와, 영상입력단계에서 수신한 입력영상을 기설정된 개수의 블록으로 분할하는 영상분할단계와, 블록을 행벡터로 변환하여 변환 행렬을 생성하는 행렬구성단계와, 변환 행렬을 이용하여 블록 별 특징벡터를 추출하는 특징벡터추출단계와, 입력영상의 블록 별 조명 크기와 기획득된 학습영상의 조명크기를 비교하여 가중치를 설정하는 가중치설정단계 및 가중치를 블록 별 특징벡터에 적용하고, 블록 및 학습영상의 특징벡터를 이용하여 입력영상이 포함하는 얼굴 이미지를 인식하는 얼굴인식단계를 포함한다.

Description

가변 가중치 결합을 이용하는 얼굴 인식 장치 및 방법{APPARATUS AND METHOD FOR FACE RECOGNITION USING VARIABLE WEIGHT FUSION}
본 발명은 입력영상 내의 얼굴 영역을 인식함에 있어서 가중치 결합을 이용하여 얼굴을 인식하는 장치 및 방법에 관한 것이다.
일반적으로 얼굴인식 기술은 음성, 지문, 안구 인식과 같이 개인의 신분을 검증하는데 응용되는 기술이다.
이러한 얼굴 인식 기술은 여타 신분 검증 수단에 비하여 상대적으로 저렴한 가격에 구현이 가능하며, 인식 대상자가 인식을 위한 별도의 행위를 취할 필요가 없으므로 인식 대상자의 거부감이 적은 장점이 있다.
또한, 최근 디바이스에 기본적으로 카메라가 장착됨에 따라서, 별도의 하드웨어 구성없이 얼굴인식 기술의 응용이 가능한 장점이 있다.
종래 기술에 따른 입력영상으로부터 얼굴을 인식하는 기술은 얼굴의 주성분, 즉 고유얼굴영역을 추출하고 추출된 고유 얼굴과 새로 입력된 얼굴의 연산을 통하여 인식을 수행한다.
그러나, 얼굴인식은 도일한 사람의 얼굴이라도 외부 조명의 변화에 따라 매우 다른 영상으로 표현되고, 조명 변화에 강인하지 않은 장치로는 얼굴 인식 성능이 저하되는 문제점이 있다.
본 발명은 상기와 같은 문제점을 해결하기 위하여 제안된 것으로, 본 발명의 목적은 입력영상 내의 얼굴 영역을 다수의 블록으로 나누어 조명 크기를 추출하고, 추출한 조명크기에 따라 가중치를 설정 및 적용하여 외부 조명변화에 강인한 가변 가중치 결합을 이용하는 얼굴 인식 장치 및 그 방법을 제공하는 데 목적이 있다.
본 발명의 일면에 따른 가변 가중치 결합을 이용하는 얼굴 인식 장치는 입력영상을 수신하는 영상입력부와, 영상입력부가 수신한 입력영상을 기설정된 개수의 블록으로 분할하는 영상분할부와, 영상분할부가 분할한 블록을 행벡터로 변환하여 변환 행렬을 구성하는 행렬구성부와, 행렬구성부가 구성한 변환 행렬을 이용하여 블록 별 특징벡터를 추출하는 특징벡터 추출부와, 입력영상의 블록 별 조명 크기와 기획득된 학습영상의 조명 크기를 비교하여 가중치를 설정하는 가중치 설정부 및 가중치 설정부가 설정한 가중치를 입력영상의 블록의 특징벡터에 적용하고, 블록의 특징벡터 및 학습영상의 특징벡터를 이용하여 입력영상이 포함하는 얼굴 이미지를 인식하는 얼굴인식부를 포함하는 것을 특징으로 한다.
또한, 본 발명의 다른 면에 따른 가변 가중치 결합을 이용하는 얼굴 인식 방법은 얼굴 이미지를 포함하는 입력영상을 수신하는 영상입력단계와, 영상입력단계에서 수신한 입력영상을 기설정된 개수의 블록으로 분할하는 영상분할단계와, 블록을 행벡터로 변환하여 변환 행렬을 생성하는 행렬구성단계와, 변환 행렬을 이용하여 블록 별 특징벡터를 추출하는 특징벡터추출단계와, 입력영상의 블록 별 조명 크기와 기획득된 학습영상의 조명크기를 비교하여 가중치를 설정하는 가중치설정단계 및 가중치를 블록 별 특징벡터에 적용하고, 블록 및 학습영상의 특징벡터를 이용하여 입력영상이 포함하는 얼굴 이미지를 인식하는 얼굴인식단계를 포함하는 것을 특징으로 한다.
본 발명에 따른 가변 가중치 결합을 이용하는 얼굴 인식 장치 및 방법은 입력영상을 복수 개의 블록으로 분할하고, 블록에 대하여 조명 크기를 추정하고, 조명 크기에 따라 설정한 가변 가중치(variable weight)를 Block PCA(Principal Component Analysis) 특징벡터에 적용하여 얼굴 인식을 수행함으로써, 외부 조명변화에 강인하며 얼굴 인식 성능을 향상할 수 있는 효과가 있다.
본 발명의 효과는 이상에서 언급한 것들에 한정되지 않으며, 언급되지 아니한 다른 효과들은 아래의 기재로부터 당업자에게 명확하게 이해될 수 있을 것이다.
도 1은 종래 기술에 따른 2D-PCA(two dimensional Principal Component Analysis) 특징 추출 과정을 나타내는 개념도.
도 2는 본 발명에 따른 가변 가중치 결합을 이용하는 얼굴 인식 장치를 나타내는 블록도.
도 3은 본 발명에 따른 Block PCA(Block Principal Component Analysis) 특징 추출 과정을 나타내는 개념도.
도 4는 본 발명에 따른 가변 가중치 결합을 이용하는 얼굴 인식 방법을 나타내는 순서도.
이하에서는 도면을 참조하면서, 본 발명의 바람직한 실시예들을 구체적으로 설명한다.
도 1은 종래 기술에 따른 2D-PCA(two dimensional Principal Component Analysis) 특징 추출 과정을 나타내는 개념도이다.
도 1을 참조하면, 크기가 m×n인 얼굴영상이 입력되고, 이러한 얼굴 영상의 이미지 행렬을 A라고 하고, 행(row)들이 서로 정규직교하는 행렬을
Figure 112013109407997-pat00001
, n≥d라고 하는 경우, 이미지 행렬 A가 X축에 투영되면, m×d의 행렬은 Y=AX로 계산된다.
이 때, 2D-PCA는 이미지 행렬 샘플의 분산을 사용하여 최적의 투영 행렬(Xopt)를 결정한다.
즉, N개의 기획득된 학습영상 샘플을 Ak(k=1, 2, 3, …, N)라고 하고, 학습영상 샘플들의 평균 이미지를
Figure 112013109407997-pat00002
라고 하면, 학습영상들의 이미지 공분산 행렬 G는 아래 [수식 1]과 같다.
[수식 1]
Figure 112013109407997-pat00003
이 때, 최적의 투영 행렬 Xopt는 최대 고유치를 갖는 공분산 행렬 G의 기설정된 개수의 고유 벡터로 구성되며, 즉 d개의 고유벡터로 구성되는 경우, 고유벡터 X1, X2, …, Xd로 구성된다.
고유벡터 X는 n×d차원의 행렬이므로, 주어진 얼굴영상 A(m×n)의 특징벡터 Yk(m×d)는 아래 [수식 2]와 같이 고유벡터의 축에 투영하여 계산된다.
[수식 2]
Figure 112013109407997-pat00004

즉, 2D-PCA 특징벡터는 2차원 행렬 형태로 구성되며, 입력된 얼굴영상에서의 한 라인(line)에 대한 m개의 특징 벡터들의 집합으로 구성된다.
이 때, 2차원 행렬 형태로 구성된 2D-PCA 특징벡터에 대한 NN 분류기 (Nearest Neighbor Classifier)는 아래 [수식 3]에 따른 유클리디언 거리를 이용하여 얼굴 인식을 수행한다.
[수식 3]
Figure 112013109407997-pat00005

이 때, Ytrain은 학습영상에 대한 2D-PCA 특징벡터이고, Ytest는 테스트영상에 대한 2D-PCA 특징벡터이다.
그러나, 종래 기술에 따른 2D-PCA는 라인(line) 영상에 대한 특징벡터이므로, 조명의 영향에 따른 변화를 표현하기에는 적절하지 않은 문제점이 있다.
도 2는 본 발명에 따른 가변 가중치 결합을 이용하는 얼굴 인식 장치를 나타내는 블록도이고, 도 3은 본 발명에 따른 Block PCA(Block Principal Component Analysis) 특징 추출 과정을 나타내는 개념도로서, 도 2를 참조하면, 이러한 2D-PCA의 문제점을 해결하는 것을 해결 과제로 하는 본 발명에 따른 가변 가중치 결합을 이용하는 얼굴 인식 장치는 입력영상을 수신하는 영상입력부(100)와, 영상입력부(100)가 수신한 입력영상을 기설정된 개수의 블록으로 분할하는 영상분할부(200)와, 영상분할부(200)가 분할한 블록을 행벡터로 변환하여 변환 행렬을 구성하는 행렬구성부(300)와, 행렬구성부(300)가 구성한 변환 행렬을 이용하여 블록 별 특징벡터를 추출하는 특징벡터 추출부(400)와, 입력영상의 블록 별 조명 크기와 기획득된 학습영상의 조명 크기를 비교하여 가중치를 설정하는 가중치 설정부(500) 및 가중치 설정부(500)가 설정한 가중치를 입력영상 블록의 특징벡터에 적용하고, 블록의 특징벡터 및 학습영상의 특징벡터를 이용하여 입력영상이 포함하는 얼굴 이미지를 인식하는 얼굴인식부(600)를 포함한다.
도 3의 입력영상과 같이, 얼굴영상이 외부 조명에 의해 영향을 받을 경우, 이러한 얼굴영상에 대한 인식 성능이 저하되는데, 종래 기술에 따른 2D-PCA는 한 행에 대한 특징들의 집합인 반면, 본 발명에 따른 Block PCA는 하나의 블록에 대한 특징 집합이다.
즉, 본 발명에 따른 가변 가중치 결합을 이용하는 얼굴 인식 장치는 얼굴영상을 N개의 블록으로 분할하는 경우, 각 블록 영상을 표현하는 특징벡터의 집합인 Block PCA의 특징을 이용하고, 각 블록에 대한 조명 크기를 추정하고, 학습에 사용한 얼굴 영상과의 관계를 고려하여 각 블록에 대한 가중치(weight)를 계산한다.
이 때, 가중치는 각 블록의 특징벡터(Block PCA)를 이용한 유클리디언 거리값 계산에 적용되어, 최종적인 얼굴 인식 수행에 적용된다.
본 발명에 따른 영상분할부(200)는 영상입력부(100)가 수신한 입력영상을 동일한 크기의 복수의 블록으로 분할하고, 행렬구성부(300)는 복수의 블록을 1차원 행벡터로 변환하고, 변환된 1차원 행벡터를 이용하여 변환 행렬을 구성한다.
즉, 도 3을 참조하면, 영상입력부(100)가 수신한 입력영상은 영상분할부(200)에 의하여 P개의 블록으로 분할되고, 행렬구성부(300)는 각 블록을 1차원 행벡터로 변환한다.
이 때, 1차원 행벡터의 차원을 Q라고 정의하면, 행렬구성부(300)는 모든 P개 블록에 대하여 변환된 1차원 행벡터를 이용하여 변환행렬 B(P×Q)를 구성한다.
또한, 본 발명에 따른 특징벡터 추출부(400)는 행렬구성부(300)가 구성한 변환행렬 B를 이용하여 Block PCA 특징벡터를 추출한다.
이 때, 공분산 행렬 G는 아래 [수식 4]와 같이 정의된다.
[수식 4]
Figure 112013109407997-pat00006

즉, 본 발명에 따른 특징벡터 추출부(400)는 기획득된 학습(train)영상의 평균 영상을 산출하고, 기학습된 학습영상 및 평균 영상을 이용하여 공분산 행렬(G)를 생성하고, 생성한 공분산 행렬을 이용하여 특징벡터를 추출한다.
이 때, 가중치 설정부(500)는 입력영상 및 학습영상의 조명 크기를 비교하여, 입력영상의 블록 및 학습영상의 조명 크기의 차이가 클수록 낮은 가중치를 설정한다.
즉, 학습영상과 입력영상 사이에서 조명 크기가 큰 차이를 보이면 해당 블록에 낮은 가중치를 설정하고, 반대의 경우에는 높은 가중치를 설정한다. 그리고 Block PCA 특징벡터를 이용한 거리값 계산시, 각 블록의 특징벡터에 가중치를 적용하고, 최종 계산된 거리값으로 얼굴인식을 수행한다.
본 발명에 따른 얼굴인식부(600)는 입력영상의 블록 및 학습영상의 특징벡터를 이용하여 유클리디언 거리값을 계산함으로써 입력영상이 포함하는 얼굴 이미지를 인식한다.
도 4는 본 발명에 따른 가변 가중치 결합을 이용하는 얼굴 인식 방법을 나타내는 순서도이다.
도 4를 참조하면, 본 발명에 따른 가변 가중치 결합을 이용하는 얼굴 인식 방법은 얼굴 이미지를 포함하는 입력영상을 수신하는 영상입력단계(S100)와, 영상입력단계(S100)에서 수신한 입력영상을 기설정된 개수의 블록으로 분할하는 영상분할단계(S200)와, 블록을 행벡터로 변환하여 변환 행렬을 생성하는 행렬구성단계(S300)와, 변환 행렬을 이용하여 블록 별 특징벡터를 추출하는 특징벡터추출단계(S400)와, 입력영상의 블록 별 조명 크기와 기획득된 학습영상의 조명크기를 비교하여 가중치를 설정하는 가중치설정단계(S500) 및 가중치를 블록 별 특징벡터에 적용하고, 블록 및 학습영상의 특징벡터를 이용하여 입력영상이 포함하는 얼굴 이미지를 인식하는 얼굴인식단계(S600)를 포함한다.
즉, 본 발명에 따른 가변 가중치 결합을 이용하는 얼굴 인식 방법은 조명의 영향을 표현하기 위하여, 얼굴영상을 복수 개의 블록으로 분할하고, 각 블록영상을 표현하는 특징벡터의 집합인 Block PCA를 통하여 외부 조명 변화에 강인한 얼굴 인식 방법에 관한 것으로서, 본 발명에 따른 영상분할단계(S200)는 영상입력단계(S100)에서 수신한 얼굴 이미지를 포함하는 입력영상을 동일한 크기의 복수의 블록으로 분할한다.
또한, 본 발명의 행렬구성단계(S300)는 복수의 블록을 1차원 행벡터로 변환하고, 변환된 1차원 행벡터를 이용하여 변환 행렬을 구성한다.
또한, 본 발명의 특징벡터추출단계(S400)는 기획득된 학습영상의 평균 영상을 산출하고, 기학습된 학습 영상 및 학습영상의 평균 영상을 이용하여 공분산 행렬을 생성하고, 공분산 행렬을 이용하여 각 블록에 대한 특징벡터를 추출한다.
이 때, 본 발명의 가중치설정단계(S500)는 입력 영상 및 학습영상의 조명 크기를 비교하고, 입력영상의 블록 및 학습영상의 조명 크기를 비교하여, 이러한 조명 크기의 차이가 클수록 낮은 가중치를 설정하고, 조명 크기의 차이가 작을수록 높은 가중치를 설정한다.
또한, 얼굴인식단계(S600)는 입력영상의 블록 및 학습영상의 특징벡터를 이용하여 유클리디언 거리값을 계산하여 입력영상이 포함하는 얼굴 이미지를 인식함으로써, 외부의 조명 변화에 강인한 효과가 있다.
이제까지 본 발명의 실시예들을 중심으로 살펴보았다. 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자는 본 발명이 본 발명의 본질적인 특성에서 벗어나지 않는 범위에서 변형된 형태로 구현될 수 있음을 이해할 수 있을 것이다. 그러므로 개시된 실시예들은 한정적인 관점이 아니라 설명적인 관점에서 고려되어야 한다. 본 발명의 범위는 전술한 설명이 아니라 특허청구범위에 나타나 있으며, 그와 동등한 범위 내에 있는 모든 차이점은 본 발명에 포함된 것으로 해석되어야 할 것이다.
100: 영상입력부 200: 영상분할부
300: 행렬구성부 400: 특징벡터 추출부
500: 가중치 설정부 600: 얼굴인식부

Claims (12)

  1. 입력영상을 수신하는 영상입력부;
    상기 영상입력부가 수신한 입력영상을 기설정된 개수의 블록으로 분할하는 영상분할부;
    상기 영상분할부가 분할한 블록을 행벡터로 변환하여 변환 행렬을 구성하는 행렬구성부;
    상기 행렬구성부가 구성한 변환 행렬을 이용하여 상기 블록 별 특징벡터를 추출하는 특징벡터 추출부;
    상기 입력영상의 블록 별 조명의 조도와 기획득된 학습영상의 조명의 조도를 비교하여 가중치를 설정하는 가중치 설정부; 및
    상기 가중치 설정부가 설정한 가중치를 상기 입력영상의 블록의 특징벡터에 적용하고, 상기 블록의 특징벡터 및 상기 학습영상의 특징벡터를 이용하여 상기 입력영상이 포함하는 얼굴 이미지를 인식하는 얼굴인식부를 포함하고,
    상기 특징벡터 추출부는 상기 기획득된 학습영상의 평균 영상을 산출하고, 상기 기획득된 학습 영상 및 산출된 평균 영상을 이용하여 공분산 행렬을 생성하고, 상기 공분산 행렬을 이용하여 상기 특징벡터를 추출하고,
    상기 가중치 설정부는 상기 입력영상 및 학습영상의 조명의 조도를 비교하고, 상기 입력영상의 블록 및 학습영상의 조명의 조도의 차이가 클수록 낮은 가중치를 설정하는 것
    인 가변 가중치 결합을 이용하는 얼굴 인식 장치.
  2. 제1항에 있어서, 상기 영상분할부는
    상기 입력영상을 동일한 크기의 복수의 블록으로 분할하는 것
    인 가변 가중치 결합을 이용하는 얼굴 인식 장치.
  3. 제2항에 있어서, 상기 행렬구성부는
    상기 복수의 블록을 1차원 행벡터로 변환하고, 상기 1차원 행벡터를 이용하여 변환 행렬을 구성하는 것
    인 가변 가중치 결합을 이용하는 얼굴 인식 장치.
  4. 삭제
  5. 삭제
  6. 제1항에 있어서, 상기 얼굴인식부는
    상기 입력영상의 블록 및 학습영상의 특징벡터를 이용하여 유클리디언 거리값을 계산하여 상기 입력영상이 포함하는 얼굴 이미지를 인식하는 것
    인 가변 가중치 결합을 이용하는 얼굴 인식 장치.
  7. 얼굴 이미지를 포함하는 입력영상을 수신하는 영상입력단계;
    상기 영상입력단계에서 수신한 입력영상을 기설정된 개수의 블록으로 분할하는 영상분할단계;
    상기 블록을 행벡터로 변환하여 변환 행렬을 생성하는 행렬구성단계;
    상기 변환 행렬을 이용하여 상기 블록 별 특징벡터를 추출하는 특징벡터추출단계;
    상기 입력영상의 블록 별 조명의 조도와 기획득된 학습영상의 조명의 조도를 비교하여 가중치를 설정하는 가중치설정단계; 및
    상기 가중치를 상기 블록 별 특징벡터에 적용하고, 상기 블록 및 학습영상의 특징벡터를 이용하여 상기 입력영상이 포함하는 얼굴 이미지를 인식하는 얼굴인식단계를 포함하고,
    상기 특징벡터추출단계는 상기 기획득된 학습영상의 평균 영상을 산출하고, 상기 기획득된 학습영상 및 평균 영상을 이용하여 공분산 행렬을 생성하고, 상기 공분산 행렬을 이용하여 상기 특징벡터를 추출하고,
    상기 가중치설정단계는 상기 입력영상 및 학습영상의 조명의 조도를 비교하고, 상기 입력영상의 블록 및 학습영상의 조명의 조도의 차이가 클수록 낮은 가중치를 설정하는 것
    인 가변 가중치 결합을 이용하는 얼굴 인식 방법.
  8. 제7항에 있어서, 상기 영상분할단계는
    상기 입력영상을 동일한 크기의 복수의 블록으로 분할하는 것
    인 가변 가중치 결합을 이용하는 얼굴 인식 방법.
  9. 제8항에 있어서, 상기 행렬구성단계는
    상기 복수의 블록을 1차원 행벡터로 변환하고, 상기 1차원 행벡터를 이용하여 변환 행렬을 구성하는 것
    인 가변 가중치 결합을 이용하는 얼굴 인식 방법.
  10. 삭제
  11. 삭제
  12. 제7항에 있어서, 상기 얼굴인식단계는
    상기 입력영상의 블록 및 학습영상의 특징벡터를 이용하여 유클리디언 거리값을 계산하여 상기 입력영상이 포함하는 얼굴 이미지를 인식하는 것
    인 가변 가중치 결합을 이용하는 얼굴 인식 방법.
KR1020130147228A 2013-11-29 2013-11-29 가변 가중치 결합을 이용하는 얼굴 인식 장치 및 방법 KR101515928B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020130147228A KR101515928B1 (ko) 2013-11-29 2013-11-29 가변 가중치 결합을 이용하는 얼굴 인식 장치 및 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020130147228A KR101515928B1 (ko) 2013-11-29 2013-11-29 가변 가중치 결합을 이용하는 얼굴 인식 장치 및 방법

Publications (1)

Publication Number Publication Date
KR101515928B1 true KR101515928B1 (ko) 2015-05-06

Family

ID=53393340

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020130147228A KR101515928B1 (ko) 2013-11-29 2013-11-29 가변 가중치 결합을 이용하는 얼굴 인식 장치 및 방법

Country Status (1)

Country Link
KR (1) KR101515928B1 (ko)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106780662A (zh) * 2016-11-16 2017-05-31 北京旷视科技有限公司 人脸图像生成方法、装置及设备
KR101748048B1 (ko) * 2015-12-22 2017-06-15 단국대학교 산학협력단 얼굴인식을 위한 판별분석 기반의 결합 특징 생성 장치 및 방법
CN107480196A (zh) * 2017-07-14 2017-12-15 中国科学院自动化研究所 一种基于动态融合机制的多模态词汇表示方法
KR20190097494A (ko) * 2018-02-12 2019-08-21 재단법인대구경북과학기술원 전자 장치 및 그의 제어 방법
US10580182B2 (en) 2016-11-16 2020-03-03 Beijing Kuangshi Technology Co., Ltd. Facial feature adding method, facial feature adding apparatus, and facial feature adding device
US10891467B2 (en) 2017-11-10 2021-01-12 Samsung Electronics Co., Ltd. Facial verification method and apparatus
WO2021182670A1 (ko) * 2020-03-10 2021-09-16 연세대학교 산학협력단 요소 간 관계 추출 기반 이종 얼굴 인식 장치 및 방법

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20020057522A (ko) * 2001-01-05 2002-07-11 조양호 상관관계를 이용한 유사도 측정의 얼굴 인증 방법
KR20040039788A (ko) * 2002-11-04 2004-05-12 삼성전자주식회사 얼굴 검출 시스템 및 방법
KR101326691B1 (ko) * 2011-11-28 2013-11-08 경북대학교 산학협력단 지역적 특징의 통계적 학습을 통한 강건한 얼굴인식방법

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20020057522A (ko) * 2001-01-05 2002-07-11 조양호 상관관계를 이용한 유사도 측정의 얼굴 인증 방법
KR20040039788A (ko) * 2002-11-04 2004-05-12 삼성전자주식회사 얼굴 검출 시스템 및 방법
KR101326691B1 (ko) * 2011-11-28 2013-11-08 경북대학교 산학협력단 지역적 특징의 통계적 학습을 통한 강건한 얼굴인식방법

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
논문1:대한전자공학회 *

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101748048B1 (ko) * 2015-12-22 2017-06-15 단국대학교 산학협력단 얼굴인식을 위한 판별분석 기반의 결합 특징 생성 장치 및 방법
CN106780662A (zh) * 2016-11-16 2017-05-31 北京旷视科技有限公司 人脸图像生成方法、装置及设备
US10580182B2 (en) 2016-11-16 2020-03-03 Beijing Kuangshi Technology Co., Ltd. Facial feature adding method, facial feature adding apparatus, and facial feature adding device
US10832034B2 (en) 2016-11-16 2020-11-10 Beijing Kuangshi Technology Co., Ltd. Facial image generating method, facial image generating apparatus, and facial image generating device
CN107480196A (zh) * 2017-07-14 2017-12-15 中国科学院自动化研究所 一种基于动态融合机制的多模态词汇表示方法
CN107480196B (zh) * 2017-07-14 2020-02-07 中国科学院自动化研究所 一种基于动态融合机制的多模态词汇表示方法
US10891467B2 (en) 2017-11-10 2021-01-12 Samsung Electronics Co., Ltd. Facial verification method and apparatus
US11551476B2 (en) 2017-11-10 2023-01-10 Samsung Electronics Co., Ltd. Facial verification method and apparatus
KR20190097494A (ko) * 2018-02-12 2019-08-21 재단법인대구경북과학기술원 전자 장치 및 그의 제어 방법
KR102074977B1 (ko) 2018-02-12 2020-02-07 재단법인대구경북과학기술원 전자 장치 및 그의 제어 방법
WO2021182670A1 (ko) * 2020-03-10 2021-09-16 연세대학교 산학협력단 요소 간 관계 추출 기반 이종 얼굴 인식 장치 및 방법

Similar Documents

Publication Publication Date Title
KR101515928B1 (ko) 가변 가중치 결합을 이용하는 얼굴 인식 장치 및 방법
KR102596897B1 (ko) 모션벡터 및 특징벡터 기반 위조 얼굴 검출 방법 및 장치
KR101314293B1 (ko) 조명변화에 강인한 얼굴인식 시스템
JP5010905B2 (ja) 顔認証装置
KR102415509B1 (ko) 얼굴 인증 방법 및 장치
Dagnes et al. Occlusion detection and restoration techniques for 3D face recognition: a literature review
US9633044B2 (en) Apparatus and method for recognizing image, and method for generating morphable face images from original image
US9563821B2 (en) Method, apparatus and computer readable recording medium for detecting a location of a face feature point using an Adaboost learning algorithm
KR20160066380A (ko) 얼굴 등록 방법 및 장치, 얼굴 인식 방법 및 장치
JP2004005622A (ja) 顔要素に基づく顔記述子を用いた顔認識方法及びその装置
US10586098B2 (en) Biometric method
JP2010157212A (ja) 未知の顔の入力画像を既知の顔の基準画像と比較する方法
KR101558547B1 (ko) 얼굴 포즈 변화에 강한 연령 인식방법 및 시스템
KR101451854B1 (ko) 얼굴 표정 인식 장치 및 그 방법
KR101402078B1 (ko) 얼굴 인식 장치 및 얼굴 인식 방법
KR101074953B1 (ko) Ｐｃａ와 가버 웨이블렛을 사용한 혼합형 얼굴 인식 방법 및 시스템
JP2008251039A (ja) 画像認識システム及びその認識方法並びにプログラム
KR101491832B1 (ko) 영상 선택 장치 및 방법
KR101727833B1 (ko) 얼굴인식을 위한 판별분석 기반의 복합 특징 벡터 생성 장치 및 방법
KR101070442B1 (ko) 다중 레벨 얼굴 인식을 이용한 얼굴 인증 시스템 및 인증 방법
KR102225623B1 (ko) 키포인트 기술자 매칭 및 다수결 기법 기반 얼굴 인식 시스템 및 방법
Mandal et al. Face recognition based on logarithmic local binary patterns
Geetha et al. 3D face recognition using Hadoop
US20180247184A1 (en) Image processing system
JP2008015871A (ja) 認証装置、及び認証方法

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20180406

Year of fee payment: 4

FPAY Annual fee payment

Payment date: 20190325

Year of fee payment: 5