KR102565480B1 - 메신저 대화 카메라 촬영 방지 장치 및 방법 - Google Patents

메신저 대화 카메라 촬영 방지 장치 및 방법 Download PDF

Info

Publication number
KR102565480B1
KR102565480B1 KR1020210133213A KR20210133213A KR102565480B1 KR 102565480 B1 KR102565480 B1 KR 102565480B1 KR 1020210133213 A KR1020210133213 A KR 1020210133213A KR 20210133213 A KR20210133213 A KR 20210133213A KR 102565480 B1 KR102565480 B1 KR 102565480B1
Authority
KR
South Korea
Prior art keywords
camera
front camera
app
subject
preventing
Prior art date
Application number
KR1020210133213A
Other languages
English (en)
Other versions
KR20230034812A (ko
Inventor
이정상
왕효근
Original Assignee
도평건기 주식회사
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 도평건기 주식회사 filed Critical 도평건기 주식회사
Publication of KR20230034812A publication Critical patent/KR20230034812A/ko
Application granted granted Critical
Publication of KR102565480B1 publication Critical patent/KR102565480B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/70—Protecting specific internal or peripheral components, in which the protection of a component leads to protection of the entire computer
    • G06F21/82—Protecting input, output or interconnection devices
    • G06F21/84—Protecting input, output or interconnection devices output devices, e.g. displays or monitors
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/60—Protecting data
    • G06F21/62—Protecting access to data via a platform, e.g. using keys or access control rules
    • G06F21/6218—Protecting access to data via a platform, e.g. using keys or access control rules to a system of files or objects, e.g. local or distributed file system or database
    • G06F21/6245—Protecting personal data, e.g. for financial or medical purposes
    • G06Q50/30—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/50—Business processes related to the communications industry
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/57—Mechanical or electrical details of cameras or camera modules specially adapted for being embedded in other devices

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Bioethics (AREA)
  • Computer Security & Cryptography (AREA)
  • General Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Business, Economics & Management (AREA)
  • Databases & Information Systems (AREA)
  • Medical Informatics (AREA)
  • Tourism & Hospitality (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • General Business, Economics & Management (AREA)
  • Strategic Management (AREA)
  • Operations Research (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

전면 카메라를 이용한 머신러닝 기반 사물 인식 및 처리 방식으로 메신저 대화에 대한 카메라 촬영을 차단할 수 있는 메신저 대화 카메라 촬영 방지 장치 및 방법에 관한 것으로, 전면 카메라 및 전면 카메라를 제어하는 제어부를 포함하는 메신저 대화 카메라 촬영 방지 장치의 메신저 대화 카메라 촬영 방지 방법으로서, 상기 제어부가 채팅앱의 실행 여부를 확인하는 단계, 상기 제어부가 상기 채팅앱이 실행되면 상기 전면 카메라를 활성화시키는 단계, 상기 제어부가 상기 전면 카메라로부터 촬영되는 이미지를 획득하는 단계, 상기 제어부가 상기 획득한 이미지 데이터를 전처리하는 단계, 상기 제어부가 상기 전처리한 이미지 데이터를 사전 학습한 인공지능 모델에 입력하여 카메라 피사체를 식별하는 단계, 및 상기 제어부가 상기 카메라 피사체가 식별되면 상기 채팅앱이 실행되는 디스플레이 화면을 보안 처리하는 단계를 포함할 수 있다.

Description

메신저 대화 카메라 촬영 방지 장치 및 방법{APPARATUS AND METHOD TO PREVENT CAMERA SHOOTING FOR MESSENGER CONVERSATIONS}
본 발명은 전면 카메라를 이용한 머신러닝 기반 사물 인식 및 처리 방식으로 메신저 대화에 대한 카메라 촬영을 차단할 수 있는 메신저 대화 카메라 촬영 방지 장치 및 방법에 관한 것이다.
일반적으로, 채팅 서비스는, 복수의 사용자가 사용자 단말을 통해 메시지를 주고 받도록 하는 서비스이다.
예컨대, 인터넷상에서 불특정 타인과 관계를 맺을 수 있는 SNS(Social Networking Service) 등을 기반으로 한 채팅 응용 어플리케이션(application program)이 널리 이용되고 있다.
그러므로, 사용자는, 다양한 채팅 응용 어플리케이션을 통해 MIM(Mobile Instant Messenger) 서비스, SNS(Social Network Service) 서비스 등을 제공받으며 다양한 경로로 타인과 채팅할 수 있게 되었다.
사용자는, 사용자 단말을 통해 타인과 채팅할 때, 메신저 대화 내용에 다양한 개인 정보가 포함되므로 메신저 대화 내용이 외부로 노출되지 않도록 보안에 신경을 써야 할 필요가 있다.
하지만, 사용자가 채팅 중에 타인이 메신저 대화를 표시하는 사용자 단말의 화면을 카메라로 불법 촬영할 경우, 사용자 단말 화면 이미지 내 포함된 메신저 대화가 외부로 노출되어 개인 사생활이 침해되는 심각한 문제가 발생할 수 있다.
따라서, 향후, 메신저 대화 내용이 포함되는 사용자 단말의 화면이 외부 카메라에 의해 촬영 시도되는 것을 탐지하여 사용자 단말의 화면을 보안 처리할 수 있는 메신저 대화 카메라 촬영 방지 장치의 개발이 요구되고 있다.
대한민국 등록특허 제10-1230055호(2013년 01월 30일)
본 발명의 일실시예가 이루고자 하는 기술적 과제는, 전면 카메라로부터 촬영된 이미지 데이터를 사전 학습한 인공지능 모델에 입력하여 카메라 피사체를 식별하여 채팅앱이 실행되는 디스플레이 화면을 보안 처리함으로써, 채팅앱을 통한 메신저 대화 내용이 타인의 외부 카메라에 의해 촬영 시도되는 것을 사전에 방지하여 개인 사생활 정보의 외부 유출을 차단할 수 있는 메신저 대화 카메라 촬영 방지 장치 및 방법을 제공하고자 한다.
본 발명에서 이루고자 하는 기술적 과제들은 이상에서 언급한 기술적 과제들로 제한되지 않으며, 언급하지 않은 또 다른 기술적 과제들은 아래의 기재로부터 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.
상기와 같은 기술적 과제를 해결하기 위하여, 본 발명의 일실시예에 의한 메신저 대화 카메라 촬영 방지 방법은, 전면 카메라 및 상기 전면 카메라를 제어하는 제어부를 포함하는 메신저 대화 카메라 촬영 방지 장치의 메신저 대화 카메라 촬영 방지 방법으로서, 상기 제어부가 채팅앱의 실행 여부를 확인하는 단계, 상기 제어부가 상기 채팅앱이 실행되면 상기 전면 카메라를 활성화시키는 단계, 상기 제어부가 상기 전면 카메라로부터 촬영되는 이미지를 획득하는 단계, 상기 제어부가 상기 획득한 이미지 데이터를 전처리하는 단계, 상기 제어부가 상기 전처리한 이미지 데이터를 사전 학습한 인공지능 모델에 입력하여 카메라 피사체를 식별하는 단계, 및 상기 제어부가 상기 카메라 피사체가 식별되면 상기 채팅앱이 실행되는 디스플레이 화면을 보안 처리하는 단계를 포함할 수 있다.
메신저 대화 카메라 촬영 방지 방법의 대안적인 실시예에서, 상기 전면 카메라를 활성화시키는 단계는, 상기 채팅앱이 실행되면 카메라 촬영 방지 기능 버튼의 활성화 여부를 확인하고, 상기 카메라 촬영 방지 기능 버튼이 활성화되면 상기 전면 카메라를 활성화시킬 수 있다.
메신저 대화 카메라 촬영 방지 방법의 대안적인 실시예에서, 상기 전면 카메라로부터 촬영되는 이미지를 획득하는 단계는, 상기 획득한 이미지로부터 화이트 색상 또는 블랙 색상 비율이 기준 비율 이상이면 상기 전면 카메라의 촬영 불가 상태로 인지하고, 촬영 불가 상태 메시지를 생성하여 상기 디스플레이 화면에 표시할 수 있다.
메신저 대화 카메라 촬영 방지 방법의 대안적인 실시예에서, 상기 상기 획득한 이미지 데이터를 전처리하는 단계는, 상기 획득한 이미지로부터 카메라 피사체를 식별하기 위한 대상 영역을 분할(segment)할 수 있다.
메신저 대화 카메라 촬영 방지 방법의 대안적인 실시예에서, 상기 분할된 대상 영역은, 상기 채팅앱을 수행하는 사용자 피사체를 제외한 영역을 포함할 수 있다.
메신저 대화 카메라 촬영 방지 방법의 대안적인 실시예에서, 상기 디스플레이 화면을 보안 처리하는 단계는, 상기 디스플레이 화면에 워터 마크를 표시하거나 또는 상기 채팅앱을 표시하는 화면 대신에 다른 대체 화면으로 전환하거나 또는 상기 채팅앱을 표시하는 화면을 오프할 수 있다.
본 발명의 일실시예에 의한 메신저 대화 카메라 촬영 방지 장치는, 전면 카메라, 실행되는 채팅앱을 디스플레이 화면에 표시하는 디스플레이부, 그리고 상기 전면 카메라 및 디스플레이부를 제어하는 제어부를 포함하고, 상기 제어부는, 상기 채팅앱의 실행 여부를 확인하고, 상기 채팅앱이 실행되면 상기 전면 카메라를 활성화시키며, 상기 전면 카메라로부터 촬영되는 이미지를 획득하고, 상기 획득한 이미지 데이터를 전처리하며, 상기 전처리한 이미지 데이터를 사전 학습한 인공지능 모델에 입력하여 카메라 피사체를 식별하고, 상기 카메라 피사체가 식별되면 상기 채팅앱이 실행되는 디스플레이 화면을 보안 처리하도록 상기 디스플레이부를 제어할 수 있다.
본 발명에 따른 메신저 대화 카메라 촬영 방지 장치 및 방법의 효과에 대해 설명하면 다음과 같다.
본 발명은, 전면 카메라로부터 촬영된 이미지 데이터를 사전 학습한 인공지능 모델에 입력하여 카메라 피사체를 식별하여 채팅앱이 실행되는 디스플레이 화면을 보안 처리함으로써, 채팅앱을 통한 메신저 대화 내용이 타인의 외부 카메라에 의해 촬영 시도되는 것을 사전에 방지하여 개인 사생활 정보의 외부 유출을 차단할 수 있다.
본 발명의 적용 가능성의 추가적인 범위는 이하의 상세한 설명으로부터 명백해질 것이다. 그러나 본 발명의 사상 및 범위 내에서 다양한 변경 및 수정은 당업자에게 명확하게 이해될 수 있으므로, 상세한 설명 및 본 발명의 바람직한 실시 예와 같은 특정 실시 예는 단지 예시로 주어진 것으로 이해되어야 한다.
도 1은, 본 발명에 따른 메신저 대화 카메라 촬영 방지 장치를 보여주는 블록 구성도이다.
도 2는, 본 발명의 일 실시예에 따라, 인공지능 모델의 네트워크 함수를 나타낸 개략도이다.
도 3 내지 도 5는, 본 발명에 따른 메신저 대화 카메라 촬영 방지 과정을 설명하기 위한 도면이다.
도 6은, 본 발명에 따른 메신저 대화 카메라 촬영 방지 방법을 설명하기 위한 흐름도이다.
이하에서는 도면을 참조하여 본 발명을 더욱 상세하게 설명한다.
이하의 설명에서 사용되는 구성요소에 대한 접미사 "모듈" 및 "부"는 단순히 본 명세서 작성의 용이함을 고려하여 부여되는 것으로서, 상기 "모듈" 및 "부"는 서로 혼용되어 사용될 수도 있다.
나아가, 이하 첨부 도면들 및 첨부 도면들에 기재된 내용들을 참조하여 본 발명의 실시예를 상세하게 설명하지만, 본 발명이 실시예들에 의해 제한되거나 한정되는 것은 아니다.
본 명세서에서 사용되는 용어는 본 발명에서의 기능을 고려하면서 가능한 현재 널리 사용되는 일반적인 용어를 선택하였으나, 이는 당 분야에 종사하는 기술자의 의도 또는 관례 또는 새로운 기술의 출현 등에 따라 달라질 수 있다. 또한, 특정한 경우는 출원인이 임의로 선정한 용어도 있으며, 이 경우 해당되는 발명의 설명 부분에서 그 의미를 기재할 것이다. 따라서 본 명세서에서 사용되는 용어는, 단순한 용어의 명칭이 아닌 그 용어가 가지는 실질적인 의미와 본 명세서의 전반에 걸친 내용을 토대로 해석되어야 함을 밝혀두고자 한다.
도 1은, 본 발명에 따른 메신저 대화 카메라 촬영 방지 장치를 보여주는 블록 구성도이다.
본 발명의 메신저 대화 카메라 촬영 방지 장치는, PC(Personal Computer), 네트워크 TV(Network TV), HBBTV(Hybrid Broadcast Broadband TV), 스마트 TV(Smart TV), IPTV(Internet Protocol TV) 등과 같은 고정형 디바이스(standing device)와, 스마트 폰(Smart Phone), 태블릿 PC(Tablet PC), 노트북(Notebook), PDA(Personal Digital Assistant) 등과 같은 모바일 디바이스(mobile device or handheld device)에 모두 포함될 수 있다.
도 1에 도시된 바와 같이, 본 발명의 메신저 대화 카메라 촬영 방지 장치는, 전면 카메라(100), 실행되는 채팅앱을 디스플레이 화면에 표시하는 디스플레이부(200), 그리고 전면 카메라(100) 및 디스플레이부(200)를 제어하는 제어부(300)를 포함할 수 있다.
여기서, 전면 카메라(100)는, 사용자 단말의 디스플레이 화면과 동일한 방향으로 배치되는 카메라로서, 화상 통화모드 또는 촬영 모드에서 이미지 센서에 의해 얻어지는 정지영상 또는 동영상 등의 화상 프레임을 처리할 수 있으며, 처리된 화상 프레임은, 디스플레이부(200)에 표시될 수 있다.
일 예로, 전면 카메라(100)는, 복수개로 매트릭스 구조를 이루도록 배치될 수도 있으며, 매트릭스 구조를 이루는 전면 카메라(100)를 통해 사용자 단말에 다양한 각도 또는 초점을 갖는 복수의 영상정보가 입력될 수도 있다.
또한, 복수의 전면 카메라(100)는, 입체영상을 구현하기 위한 좌 영상 및 우 영상을 획득하도록 스트레오 구조로 배치될 수도 있다.
이어, 제어부(300)는, 채팅앱의 실행 여부를 확인하고, 채팅앱이 실행되면 전면 카메라(100)를 활성화시키며, 전면 카메라(100)로부터 촬영되는 이미지를 획득하고, 획득한 이미지 데이터를 전처리하며, 전처리한 이미지 데이터를 사전 학습한 인공지능 모델에 입력하여 카메라 피사체를 식별하고, 카메라 피사체가 식별되면 채팅앱이 실행되는 디스플레이 화면을 보안 처리하도록 디스플레이부(200)를 제어할 수 있다.
여기서, 제어부(300)는, 전면 카메라(100)를 활성화시킬 때, 채팅앱이 실행되면 카메라 촬영 방지 기능 버튼의 활성화 여부를 확인하고, 카메라 촬영 방지 기능 버튼이 활성화되면 전면 카메라(100)를 활성화시킬 수 있는데, 이는 일 실시예일 뿐, 이에 한정되지는 않는다.
이때, 제어부(300)는, 카메라 촬영 방지 기능 버튼이 활성화되지 않으면 전면 카메라(100)의 활성화를 요청하는 알림 메시지를 생성하여 디스플레이 화면에 표시하도록 상기 디스플레이부(200)를 제어할 수 있다.
또한, 제어부(300)는, 전면 카메라로부터 촬영되는 이미지를 획득할 때, 획득한 이미지로부터 화이트 색상 또는 블랙 색상 비율이 기준 비율 이상이면 전면 카메라(100)의 촬영 불가 상태로 인지하고, 촬영 불가 상태 메시지를 생성하여 디스플레이 화면에 표시하도록 디스플레이부(200)를 제어할 수 있다.
이어, 제어부(300)는, 획득한 이미지 데이터를 전처리할 때, 획득한 이미지로부터 카메라 피사체를 식별하기 위한 대상 영역을 분할(segment)할 수 있다.
일 예로, 분할된 대상 영역은, 이미지 전체 영역에서, 채팅앱을 수행하는 사용자 피사체를 제외한 영역을 포함할 수 있다.
이처럼, 대상 영역을 분할하는 이유는, 전체 이미지 영역으로부터 카메라 피사체를 식별하는 것보다 분할된 대상 영역으로부터 카메라 피사체를 식별하는 것이 효율적이므로 식별 시간을 최소화할 수 있다.
경우에 따라, 제어부(300)는, 획득한 이미지 데이터를 전처리할 때, 획득한 이미지로부터 카메라 피사체를 식별하기 위한 대상 영역을 1차 분할하고, 상기 1차 분할한 대상 영역으로부터 관심 영역을 2차 분할할 수도 있다.
여기서, 관심 영역은, 사람의 신체 중 얼굴, 손, 팔 중 적어도 어느 한 주변 영역을 포함할 수 있다.
그 이유는, 카메라 피사체가 사람의 신체 중 얼굴, 손, 팔 중 적어도 어느 한 주변 영역에 위치할 확률이 높기 때문이다.
그리고, 제어부(300)는, 디스플레이 화면을 보안 처리할 때, 디스플레이 화면에 워터 마크를 표시하거나 또는 채팅앱을 표시하는 화면 대신에 다른 대체 화면으로 전환하거나 또는 채팅앱을 표시하는 화면을 오프할 수 있는데, 이는 일 실시예일 뿐, 이에 한정되지는 않는다.
이어, 본 발명의 인공지능 모델은, 뉴럴 네트워크를 포함하는 기계식 학습 모델을 포함할 수 있다.
즉, 본 발명의 인공지능 모델은, 전면 카메라(100)로부터 촬영된 이미지 데이터로부터 카메라 또는 카메라와 유사한 피사체를 식별하도록 사전 학습될 수 있다.
또한, 본 발명의 인공지능 모델은, 딥 뉴럴 네트워크일 수 있다. 본 명세서에 걸쳐, 신경망, 네트워크 함수, 뉴럴 네트워크(neural network)는 동일한 의미로 사용될 수 있다. 딥 뉴럴 네트워크(DNN: deep neural network, 심층신경망)는, 입력 레이어와 출력 레이어 외에 복수의 히든 레이어를 포함하는 신경망을 의미할 수 있다. 딥 뉴럴 네트워크를 이용하면 데이터의 잠재적인 구조(latent structures)를 파악할 수 있다. 즉, 사진, 글, 비디오, 음성, 음악의 잠재적인 구조(예를 들어, 어떤 물체가 사진에 있는지, 글의 내용과 감정이 무엇인지, 음성의 내용과 감정이 무엇인지 등)를 파악할 수 있다. 딥 뉴럴 네트워크는 컨벌루셔널 뉴럴 네트워크 (CNN: convolutional neural network), 리커런트 뉴럴 네트워크(RNN: recurrent neural network), 제한 볼츠만 머신(RBM: restricted boltzmann machine), 심층 신뢰 네트워크(DBN: deep belief network), Q 네트워크, U 네트워크, 샴 네트워크 등을 포함할 수 있다.
이와 같이, 본 발명은, 전면 카메라로부터 촬영된 이미지 데이터를 사전 학습한 인공지능 모델에 입력하여 카메라 피사체를 식별하여 채팅앱이 실행되는 디스플레이 화면을 보안 처리함으로써, 채팅앱을 통한 메신저 대화 내용이 타인의 외부 카메라에 의해 촬영 시도되는 것을 사전에 방지하여 개인 사생활 정보의 외부 유출을 차단할 수 있다.
도 2는, 본 발명의 일 실시예에 따라, 인공지능 모델의 네트워크 함수를 나타낸 개략도이다.
본 명세서에 걸쳐, 연산 모델, 신경망, 네트워크 함수, 뉴럴 네트워크(neural network)는 상호 교환 가능한 의미로 사용될 수 있다. 신경망은 일반적으로 노드라 지칭될 수 있는 상호 연결된 계산 단위들의 집합으로 구성될 수 있다. 이러한 노드들은 뉴런(neuron)들로 지칭될 수도 있다. 신경망은 적어도 하나 이상의 노드들을 포함하여 구성된다. 신경망들을 구성하는 노드(또는 뉴런)들은 하나 이상의 링크에 의해 상호 연결될 수 있다.
신경망 내에서, 링크를 통해 연결된 하나 이상의 노드들은 상대적으로 입력 노드 및 출력 노드의 관계를 형성할 수 있다. 입력 노드 및 출력 노드의 개념은 상대적인 것으로서, 하나의 노드에 대하여 출력 노드 관계에 있는 임의의 노드는 다른 노드와의 관계에서 입력 노드 관계에 있을 수 있으며, 그 역도 성립할 수 있다. 상술한 바와 같이, 입력 노드 대 출력 노드 관계는 링크를 중심으로 생성될 수 있다. 하나의 입력 노드에 하나 이상의 출력 노드가 링크를 통해 연결될 수 있으며, 그 역도 성립할 수 있다.
하나의 링크를 통해 연결된 입력 노드 및 출력 노드 관계에서, 출력 노드의 데이터는 입력 노드에 입력된 데이터에 기초하여 그 값이 결정될 수 있다. 여기서 입력 노드와 출력 노드를 상호 연결하는 링크는 가중치(weight)를 가질 수 있다. 가중치는 가변적일 수 있으며, 신경망이 원하는 기능을 수행하기 위해, 사용자 또는 알고리즘에 의해 가변 될 수 있다. 예를 들어, 하나의 출력 노드에 하나 이상의 입력 노드가 각각의 링크에 의해 상호 연결된 경우, 출력 노드는 상기 출력 노드와 연결된 입력 노드들에 입력된 값들 및 각각의 입력 노드들에 대응하는 링크에 설정된 가중치에 기초하여 출력 노드 값을 결정할 수 있다.
상술한 바와 같이, 신경망은 하나 이상의 노드들이 하나 이상의 링크를 통해 상호 연결되어 신경망 내에서 입력 노드 및 출력 노드 관계를 형성한다. 신경망 내에서 노드들과 링크들의 개수 및 노드들과 링크들 사이의 연관관계, 링크들 각각에 부여된 가중치의 값에 따라, 신경망의 특성이 결정될 수 있다. 예를 들어, 동일한 개수의 노드 및 링크들이 존재하고, 링크들의 가중치 값이 상이한 두 신경망이 존재하는 경우, 두 개의 신경망들은 서로 상이한 것으로 인식될 수 있다.
신경망은 하나 이상의 노드들의 집합으로 구성될 수 있다. 신경망을 구성하는 노드들의 부분 집합은 레이어(layer)를 구성할 수 있다. 신경망을 구성하는 노드들 중 일부는, 최초 입력 노드로부터의 거리들에 기초하여, 하나의 레이어(layer)를 구성할 수 있다. 예를 들어, 최초 입력 노드로부터 거리가 n인 노드들의 집합은, n 레이어를 구성할 수 있다. 최초 입력 노드로부터 거리는, 최초 입력 노드로부터 해당 노드까지 도달하기 위해 거쳐야 하는 링크들의 최소 개수에 의해 정의될 수 있다. 그러나, 이러한 레이어의 정의는 설명을 위한 임의적인 것으로서, 신경망 내에서 레이어의 차수는 상술한 것과 상이한 방법으로 정의될 수 있다. 예를 들어, 노드들의 레이어는 최종 출력 노드로부터 거리에 의해 정의될 수도 있다.
최초 입력 노드는 신경망 내의 노드들 중 다른 노드들과의 관계에서 링크를 거치지 않고 데이터가 직접 입력되는 하나 이상의 노드들을 의미할 수 있다. 또는, 신경망 네트워크 내에서, 링크를 기준으로 한 노드 간의 관계에 있어서, 링크로 연결된 다른 입력 노드들을 가지지 않는 노드들을 의미할 수 있다. 이와 유사하게, 최종 출력 노드는 신경망 내의 노드들 중 다른 노드들과의 관계에서, 출력 노드를 가지지 않는 하나 이상의 노드들을 의미할 수 있다. 또한, 히든 노드는 최초 입력 노드 및 최후 출력 노드가 아닌 신경망을 구성하는 노드들을 의미할 수 있다.
본 발명의 일 실시예에 따른 신경망은 입력 레이어의 노드의 개수가 출력 레이어의 노드의 개수와 동일할 수 있으며, 입력 레이어에서 히든 레이어로 진행됨에 따라 노드의 수가 감소하다가 다시 증가하는 형태의 신경망일 수 있다. 또한, 본 발명의 다른 일 실시예에 따른 신경망은 입력 레이어의 노드의 개수가 출력 레이어의 노드의 개수 보다 적을 수 있으며, 입력 레이어에서 히든 레이어로 진행됨에 따라 노드의 수가 감소하는 형태의 신경망일 수 있다. 또한, 본 발명의 또 다른 일 실시예에 따른 신경망은 입력 레이어의 노드의 개수가 출력 레이어의 노드의 개수보다 많을 수 있으며, 입력 레이어에서 히든 레이어로 진행됨에 따라 노드의 수가 증가하는 형태의 신경망일 수 있다. 본 발명의 또 다른 일 실시예에 따른 신경망은 상술한 신경망들의 조합된 형태의 신경망일 수 있다.
딥 뉴럴 네트워크(DNN: deep neural network, 심층신경망)는 입력 레이어와 출력 레이어 외에 복수의 히든 레이어를 포함하는 신경망을 의미할 수 있다. 딥 뉴럴 네트워크를 이용하면 데이터의 잠재적인 구조(latent structures)를 파악할 수 있다. 즉, 사진, 글, 비디오, 음성, 음악의 잠재적인 구조(예를 들어, 어떤 물체가 사진에 있는지, 글의 내용과 감정이 무엇인지, 음성의 내용과 감정이 무엇인지 등)를 파악할 수 있다. 딥 뉴럴 네트워크는 컨볼루션 뉴럴 네트워크(CNN: convolutional neural network), 리커런트 뉴럴 네트워크(RNN: recurrent neural network), 오토 인코더(auto encoder), GAN(Generative Adversarial Networks), 제한 볼츠만 머신(RBM: restricted boltzmann machine), 심층 신뢰 네트워크(DBN: deep belief network), Q 네트워크, U 네트워크, 샴 네트워크, 적대적 생성 네트워크(GAN: Generative Adversarial Network) 등을 포함할 수 있다. 전술한 딥 뉴럴 네트워크의 기재는 예시일 뿐이며 이에 제한되지 않는다.
본 발명의 일 실시예에서 네트워크 함수는 오토 인코더(autoencoder)를 포함할 수도 있다. 오토 인코더는 입력 데이터와 유사한 출력 데이터를 출력하기 위한 인공 신경망의 일종일 수 있다. 오토 인코더는 적어도 하나의 히든 레이어를 포함할 수 있으며, 홀수 개의 히든 레이어가 입출력 레이어 사이에 배치될 수 있다. 각각의 레이어의 노드의 수는 입력 레이어의 노드의 수에서 병목 레이어(인코딩)라는 중간 레이어로 축소되었다가, 병목 레이어에서 출력 레이어(입력 레이어와 대칭)로 축소와 대칭되어 확장될 수도 있다. 오토 인코더는 비선형 차원 감소를 수행할 수 있다. 입력 레이어 및 출력 레이어의 수는 입력 데이터의 전처리 이후에 차원과 대응될 수 있다. 오토 인코더 구조에서 인코더에 포함된 히든 레이어의 노드의 수는 입력 레이어에서 멀어질수록 감소하는 구조를 가질 수 있다. 병목 레이어(인코더와 디코더 사이에 위치하는 가장 적은 노드를 가진 레이어)의 노드의 수는 너무 작은 경우 충분한 양의 정보가 전달되지 않을 수 있으므로, 특정 수 이상(예를 들어, 입력 레이어의 절반 이상 등)으로 유지될 수도 있다.
뉴럴 네트워크는 교사 학습(supervised learning), 비교사 학습(unsupervised learning), 반교사학습(semi supervised learning), 또는 강화학습(reinforcement learning) 중 적어도 하나의 방식으로 학습될 수 있다. 뉴럴 네트워크의 학습은 뉴럴 네트워크가 특정한 동작을 수행하기 위한 지식을 뉴럴 네트워크에 적용하는 과정일 수 있다.
뉴럴 네트워크는 출력의 오류를 최소화하는 방향으로 학습될 수 있다. 뉴럴 네트워크의 학습에서 반복적으로 학습 데이터를 뉴럴 네트워크에 입력시키고 학습 데이터에 대한 뉴럴 네트워크의 출력과 타겟의 에러를 계산하고, 에러를 줄이기 위한 방향으로 뉴럴 네트워크의 에러를 뉴럴 네트워크의 출력 레이어에서부터 입력 레이어 방향으로 역전파(backpropagation)하여 뉴럴 네트워크의 각 노드의 가중치를 업데이트 하는 과정이다. 교사 학습의 경우 각각의 학습 데이터에 정답이 라벨링되어있는 학습 데이터를 사용하며(즉, 라벨링된 학습 데이터), 비교사 학습의 경우는 각각의 학습 데이터에 정답이 라벨링되어 있지 않을 수 있다. 즉, 예를 들어 데이터 분류에 관한 교사 학습의 경우의 학습 데이터는 학습 데이터 각각에 카테고리가 라벨링 된 데이터 일 수 있다. 라벨링된 학습 데이터가 뉴럴 네트워크에 입력되고, 뉴럴 네트워크의 출력(카테고리)과 학습 데이터의 라벨을 비교함으로써 오류(error)가 계산될 수 있다. 다른 예로, 데이터 분류에 관한 비교사 학습의 경우 입력인 학습 데이터가 뉴럴 네트워크 출력과 비교됨으로써 오류가 계산될 수 있다. 계산된 오류는 뉴럴 네트워크에서 역방향(즉, 출력 레이어에서 입력 레이어 방향)으로 역전파 되며, 역전파에 따라 뉴럴 네트워크의 각 레이어의 각 노드들의 연결 가중치가 업데이트 될 수 있다. 업데이트 되는 각 노드의 연결 가중치는 학습률(learning rate)에 따라 변화량이 결정될 수 있다. 입력 데이터에 대한 뉴럴 네트워크의 계산과 에러의 역전파는 학습 사이클(epoch)을 구성할 수 있다. 학습률은 뉴럴 네트워크의 학습 사이클의 반복 횟수에 따라 상이하게 적용될 수 있다. 예를 들어, 뉴럴 네트워크의 학습 초기에는 높은 학습률을 사용하여 뉴럴 네트워크가 빠르게 일정 수준의 성능을 확보하도록 하여 효율성을 높이고, 학습 후기에는 낮은 학습률을 사용하여 정확도를 높일 수 있다.
뉴럴 네트워크의 학습에서 일반적으로 학습 데이터는 실제 데이터(즉, 학습된 뉴럴 네트워크를 이용하여 처리하고자 하는 데이터)의 부분집합일 수 있으며, 따라서, 학습 데이터에 대한 오류는 감소하나 실제 데이터에 대해서는 오류가 증가하는 학습 사이클이 존재할 수 있다. 과적합(overfitting)은 이와 같이 학습 데이터에 과하게 학습하여 실제 데이터에 대한 오류가 증가하는 현상이다. 예를 들어, 노란색 고양이를 보여 고양이를 학습한 뉴럴 네트워크가 노란색 이외의 고양이를 보고는 고양이임을 인식하지 못하는 현상이 과적합의 일종일 수 있다. 과적합은 머신러닝 알고리즘의 오류를 증가시키는 원인으로 작용할 수 있다. 이러한 과적합을 막기 위하여 다양한 최적화 방법이 사용될 수 있다. 과적합을 막기 위해서는 학습 데이터를 증가시키거나, 레귤라이제이션(regularization), 학습의 과정에서 네트워크의 노드 일부를 비활성화하는 드롭아웃(dropout), 배치 정규화 레이어(batch normalization layer)의 활용 등의 방법이 적용될 수 있다.
도 3 내지 도 5는, 본 발명에 따른 메신저 대화 카메라 촬영 방지 과정을 설명하기 위한 도면이다.
도 3에 도시된 바와 같이, 본 발명은, 채팅 앱이 실행되면 사용자 단말(10)의 디스플레이 화면(210) 위에 채팅 화면(310)을 표시하고, 전면 카메라(100)를 활성화시킬 수 있다.
여기서, 본 발명은, 전면 카메라로부터 촬영되는 이미지를 획득할 수 있다.
그리고, 도 4에 도시된 바와 같이, 획득한 이미지(220)로부터 카메라 피사체(230)를 식별하기 위한 대상 영역(240)을 분할할 수 있다.
여기서, 획득한 이미지(220)는, 채팅 화면(310)만이 표시될 뿐, 사용자 단말(10)의 디스플레이 화면(210) 위에 표시되지 않는다.
즉, 도 4는, 획득한 이미지(220)로부터 카메라 피사체(230)를 식별하기 위한 대상 영역(240)을 분할하는 과정을 설명하기 위한 도면일 뿐, 사용자 단말(10)의 디스플레이 화면(210) 위에 표시되지 않는다.
경우에 따라, 본 발명은, 획득한 이미지로부터 카메라 피사체를 식별하기 위한 대상 영역을 1차 분할하고, 상기 1차 분할한 대상 영역으로부터 관심 영역을 2차 분할할 수도 있다.
여기서, 관심 영역은, 사람의 신체 중 얼굴, 손, 팔 중 적어도 어느 한 주변 영역을 포함할 수 있다.
그 이유는, 카메라 피사체가 사람의 신체 중 얼굴, 손, 팔 중 적어도 어느 한 주변 영역에 위치할 확률이 높기 때문이다.
다음, 도 5에 도시된 바와 같이, 이미지 데이터 내에 카메라 피사체가 식별되는지를 확인하고, 카메라 피사체가 식별되면 채팅앱이 실행되는 디스플레이 화면(210)을 보안 처리할 수 있다.
여기서, 본 발명은, 디스플레이 화면(210)에 표시되는 채팅 화면을 오프시켜 오프 화면(320)으로 디스플레이 화면(210)을 보안 처리할 수 있다.
경우에 따라, 본 발명은, 채팅 화면에 워터 마크를 표시하거나 또는 채팅 화면 다른 대체 화면으로 전환할 수도 있다.
도 6은, 본 발명에 따른 메신저 대화 카메라 촬영 방지 방법을 설명하기 위한 흐름도이다.
도 6에 도시된 바와 같이, 본 발명은, 먼저, 채팅앱의 실행 여부를 확인할 수 있다(S10).
그리고, 본 발명은, 채팅앱이 실행되면 전면 카메라를 활성화시킬 수 있다(S20).
여기서, 본 발명은, 채팅앱이 실행되면 카메라 촬영 방지 기능 버튼의 활성화 여부를 확인하고, 카메라 촬영 방지 기능 버튼이 활성화되면 전면 카메라를 활성화시킬 수 있다.
다음, 본 발명은, 전면 카메라로부터 촬영되는 이미지를 획득할 수 있다(S30).
여기서, 본 발명은, 획득한 이미지로부터 화이트 색상 또는 블랙 색상 비율이 기준 비율 이상이면 전면 카메라의 촬영 불가 상태로 인지하고, 촬영 불가 상태 메시지를 생성하여 디스플레이 화면에 표시할 수 있다.
이어, 본 발명은, 획득한 이미지 데이터를 전처리하고, 전처리한 이미지 데이터를 사전 학습한 인공지능 모델에 입력하여 카메라 피사체를 식별할 수 있다(S40).
여기서, 본 발명은, 획득한 이미지로부터 카메라 피사체를 식별하기 위한 대상 영역을 분할할 수 있다.
일 예로, 분할된 대상 영역은, 채팅앱을 수행하는 사용자 이미지를 제외한 영역을 포함할 수 있다.
그리고, 본 발명은, 이미지 데이터 내에 카메라 피사체가 식별되는지를 확인하고(S50), 카메라 피사체가 식별되면 채팅앱이 실행되는 디스플레이 화면을 보안 처리할 수 있다(S60).
여기서, 본 발명은, 디스플레이 화면에 워터 마크를 표시하거나 또는 채팅앱을 표시하는 화면 대신에 다른 대체 화면으로 전환하거나 또는 채팅앱을 표시하는 화면을 오프할 수 있다.
다음, 본 발명은, 카메라 촬영 방지 기능 종료 요청이 수신되는지는 확인하고(S70), 카메라 촬영 방지 기능 종료 요청이 수신되면 카메라 촬영 방지 기능을 종료할 수 있다.
이와 같이, 본 발명은, 전면 카메라로부터 촬영된 이미지 데이터를 사전 학습한 인공지능 모델에 입력하여 카메라 피사체를 식별하여 채팅앱이 실행되는 디스플레이 화면을 보안 처리함으로써, 채팅앱을 통한 메신저 대화 내용이 타인의 외부 카메라에 의해 촬영 시도되는 것을 사전에 방지하여 개인 사생활 정보의 외부 유출을 차단할 수 있다.
또한, 본 발명은, 별도의 카메라를 사용하지 않고 모바일폰에 탑재되어 있는 전면 카메라를 이용할 수 있으며, 카메라 화각 내에서 촬영되는 이미지 가운데 카메라일 가능성이 큰 이미지가 포착되면 화면 전환 또는 워터 마킹을 자동적으로 실행할 수 있다.
또한, 본 발명은, 카메라와 관련된 이미지를 학습시켜 카메라 인식을 위한 모델을 생성하고, 모델은, 지도학습을 기반으로 계속해서 클라우드에서 학습되며 학습된 최신 모델은 수시로 폰으로 업데이트할 수 있다.
일 예로, 인공지능 모델로서, RNN을 적용한 카메라 이미지 학습 모델을 온라인을 통해 업데이트할 수 있으며, 지도학습을 통해 최적화된 이미지 포착 모델을 모바일 폰에 설치한 머신러닝모듈에 적용할 수 있다.
이상에서 본 발명들에 설명된 특징, 구조, 효과 등은 본 발명의 적어도 하나의 실시예에 포함되며, 반드시 하나의 실시예에만 한정되는 것은 아니다. 나아가, 각 실시예에서 예시된 특징, 구조, 효과 등은 실시예들이 속하는 분야의 통상의 지식을 가지는 자에 의해 다른 실시예들에 대해서도 조합 또는 변형되어 실시 가능하다. 따라서 이러한 조합과 변형에 관계된 내용들은 본 발명의 범위에 포함되는 것으로 해석되어야 할 것이다.
또한, 이상에서 실시예를 중심으로 설명하였으나 이는 단지 예시일 뿐 본 발명을 한정하는 것이 아니며, 본 발명이 속하는 분야의 통상의 지식을 가진 자라면 본 실시예의 본질적인 특성을 벗어나지 않는 범위에서 이상에 예시되지 않은 여러 가지의 변형과 응용이 가능함을 알 수 있을 것이다. 예를 들어, 실시예에 구체적으로 나타난 각 구성 요소는 변형하여 실시할 수 있는 것이다. 그리고 이러한 변형과 응용에 관계된 차이점들은 첨부된 청구 범위에서 규정하는 본 발명의 범위에 포함되는 것으로 해석되어야 할 것이다.
100: 전면 카메라
200: 디스플레이부
300: 제어부

Claims (10)

  1. 전면 카메라 및 상기 전면 카메라를 제어하는 제어부를 포함하는 메신저 대화 카메라 촬영 방지 장치의 메신저 대화 카메라 촬영 방지 방법에 있어서,
    상기 제어부가, 채팅앱의 실행 여부를 확인하는 단계;
    상기 제어부가, 상기 채팅앱이 실행되면 상기 전면 카메라를 활성화시키는 단계;
    상기 제어부가, 상기 전면 카메라로부터 촬영되는 이미지를 획득하는 단계;
    상기 제어부가, 상기 획득한 이미지 데이터를 전처리하는 단계;
    상기 제어부가, 상기 전처리한 이미지 데이터를 사전 학습한 인공지능 모델에 입력하여 카메라 피사체를 식별하는 단계; 및
    상기 제어부가, 상기 카메라 피사체가 식별되면 상기 채팅앱이 실행되는 디스플레이 화면을 보안 처리하는 단계를 포함하고,
    상기 전면 카메라로부터 촬영되는 이미지를 획득하는 단계는,
    상기 획득한 이미지로부터 화이트 색상 또는 블랙 색상 비율이 기준 비율 이상이면 상기 전면 카메라의 촬영 불가 상태로 인지하고, 촬영 불가 상태 메시지를 생성하여 상기 디스플레이 화면에 표시하는 것을 특징으로 하는 메신저 대화 카메라 촬영 방지 방법.
  2. 제1 항에 있어서,
    상기 전면 카메라를 활성화시키는 단계는,
    상기 채팅앱이 실행되면 카메라 촬영 방지 기능 버튼의 활성화 여부를 확인하고, 상기 카메라 촬영 방지 기능 버튼이 활성화되면 상기 전면 카메라를 활성화시키는 것을 특징으로 하는 메신저 대화 카메라 촬영 방지 방법.
  3. 제2 항에 있어서,
    상기 전면 카메라를 활성화시키는 단계는,
    상기 카메라 촬영 방지 기능 버튼이 활성화되지 않으면 상기 전면 카메라의 활성화를 요청하는 알림 메시지를 생성하여 디스플레이 화면에 표시하는 것을 특징으로 하는 메신저 대화 카메라 촬영 방지 방법.
  4. 삭제
  5. 제1 항에 있어서,
    상기 상기 획득한 이미지 데이터를 전처리하는 단계는,
    상기 획득한 이미지로부터 카메라 피사체를 식별하기 위한 대상 영역을 분할(segment)하는 것을 특징으로 하는 메신저 대화 카메라 촬영 방지 방법.
  6. 제5 항에 있어서,
    상기 분할된 대상 영역은,
    상기 채팅앱을 수행하는 사용자 피사체를 제외한 영역을 포함하는 것을 특징으로 하는 메신저 대화 카메라 촬영 방지 방법.
  7. 제1 항에 있어서,
    상기 상기 획득한 이미지 데이터를 전처리하는 단계는,
    상기 획득한 이미지로부터 카메라 피사체를 식별하기 위한 대상 영역을 1차 분할하고, 상기 1차 분할한 대상 영역으로부터 관심 영역을 2차 분할하는 것을 특징으로 하는 메신저 대화 카메라 촬영 방지 방법.
  8. 제1 항에 있어서,
    상기 디스플레이 화면을 보안 처리하는 단계는,
    상기 디스플레이 화면에 워터 마크를 표시하거나 또는 상기 채팅앱을 표시하는 화면 대신에 다른 대체 화면으로 전환하거나 또는 상기 채팅앱을 표시하는 화면을 오프하는 것을 특징으로 하는 메신저 대화 카메라 촬영 방지 방법.
  9. 전면 카메라;
    실행되는 채팅앱을 디스플레이 화면에 표시하는 디스플레이부; 그리고,
    상기 전면 카메라 및 디스플레이부를 제어하는 제어부를 포함하고,
    상기 제어부는,
    상기 채팅앱의 실행 여부를 확인하고, 상기 채팅앱이 실행되면 상기 전면 카메라를 활성화시키며, 상기 전면 카메라로부터 촬영되는 이미지를 획득하고, 상기 획득한 이미지 데이터를 전처리하며, 상기 전처리한 이미지 데이터를 사전 학습한 인공지능 모델에 입력하여 카메라 피사체를 식별하고, 상기 카메라 피사체가 식별되면 상기 채팅앱이 실행되는 디스플레이 화면을 보안 처리하도록 상기 디스플레이부를 제어하는 한편,
    상기 전면 카메라로부터 촬영되는 이미지를 획득할 때, 상기 획득한 이미지로부터 화이트 색상 또는 블랙 색상 비율이 기준 비율 이상이면 상기 전면 카메라의 촬영 불가 상태로 인지하고, 촬영 불가 상태 메시지를 생성하여 상기 디스플레이 화면에 표시하는 것을 특징으로 하는 메신저 대화 카메라 촬영 방지 장치.
  10. 삭제
KR1020210133213A 2021-09-03 2021-10-07 메신저 대화 카메라 촬영 방지 장치 및 방법 KR102565480B1 (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR20210117930 2021-09-03
KR1020210117930 2021-09-03

Publications (2)

Publication Number Publication Date
KR20230034812A KR20230034812A (ko) 2023-03-10
KR102565480B1 true KR102565480B1 (ko) 2023-08-14

Family

ID=85511748

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020210133213A KR102565480B1 (ko) 2021-09-03 2021-10-07 메신저 대화 카메라 촬영 방지 장치 및 방법

Country Status (1)

Country Link
KR (1) KR102565480B1 (ko)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101890538B1 (ko) * 2017-12-29 2018-08-30 (주)제이엘케이인스펙션 영상 변환 방법 및 장치

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101311286B1 (ko) * 2011-10-11 2013-09-25 주식회사 파수닷컴 워터마크를 화면상에 표시하는 장치 및 방법
KR101230055B1 (ko) 2012-11-20 2013-02-05 (주)지란지교소프트 화면 보안 방법 및 그 방법이 기록된 기록매체
KR101429582B1 (ko) * 2013-01-31 2014-08-13 (주)카카오 채팅 영역에 대한 보안 기능을 활성화하는 방법 및 디바이스
KR20170019779A (ko) * 2015-08-12 2017-02-22 트라이큐빅스 인크. 휴대용 카메라를 이용한 3차원 얼굴 모델 획득 방법 및 장치
KR102138809B1 (ko) * 2018-04-13 2020-07-28 인하대학교 산학협력단 미세한 표정변화 검출을 위한 2차원 랜드마크 기반 특징점 합성 및 표정 세기 검출 방법

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101890538B1 (ko) * 2017-12-29 2018-08-30 (주)제이엘케이인스펙션 영상 변환 방법 및 장치

Also Published As

Publication number Publication date
KR20230034812A (ko) 2023-03-10

Similar Documents

Publication Publication Date Title
US11727577B2 (en) Video background subtraction using depth
US10628985B2 (en) Avatar image animation using translation vectors
JP7490004B2 (ja) 機械学習を用いた画像カラー化
WO2020244434A1 (zh) 面部表情的识别方法、装置、电子设备及存储介质
TWI754887B (zh) 活體檢測方法和裝置、電子設備及儲存介質
KR102097905B1 (ko) 이미지 객체 인식 장치 및 방법
JP7096355B2 (ja) 生体検知方法、装置及び記憶媒体
US11741578B2 (en) Method, system, and computer-readable medium for improving quality of low-light images
WO2019152983A2 (en) System and apparatus for face anti-spoofing via auxiliary supervision
KR102448382B1 (ko) 텍스트와 연관된 이미지를 제공하는 전자 장치 및 그 동작 방법
EP3910507A1 (en) Method and apparatus for waking up screen
KR101970297B1 (ko) 감정을 생성하여 표현하는 로봇 시스템과, 그 시스템에서의 감정 생성 및 표현 방법
US20210248468A1 (en) Classifying Time Series Image Data
CN110909595A (zh) 面部动作识别模型训练方法、面部动作识别方法
CN112418195B (zh) 一种人脸关键点检测方法、装置、电子设备及存储介质
US20230276025A1 (en) Report Evaluation Device and Operation Method Thereof
CN116057542A (zh) 分布式机器学习模型
US20220319157A1 (en) Temporal augmentation for training video reasoning system
KR102565480B1 (ko) 메신저 대화 카메라 촬영 방지 장치 및 방법
CN109564633A (zh) 人工神经网络
CN107622248B (zh) 一种注视识别及互动方法与装置
WO2021084810A1 (ja) 情報処理装置及び情報処理方法、並びに人工知能モデル製造方法
KR102612625B1 (ko) 신경망 기반의 특징점 학습 장치 및 방법
CN115115552B (zh) 图像矫正模型训练及图像矫正方法、装置和计算机设备
Ferland et al. Adapting an hybrid behavior-based architecture with episodic memory to different humanoid robots

Legal Events

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