KR102615698B1 - 고양이의 홍채 인식을 위한 동공 및 홍채 분석 장치, 그 분석 방법 및 프로그램 - Google Patents

고양이의 홍채 인식을 위한 동공 및 홍채 분석 장치, 그 분석 방법 및 프로그램 Download PDF

Info

Publication number
KR102615698B1
KR102615698B1 KR1020230059121A KR20230059121A KR102615698B1 KR 102615698 B1 KR102615698 B1 KR 102615698B1 KR 1020230059121 A KR1020230059121 A KR 1020230059121A KR 20230059121 A KR20230059121 A KR 20230059121A KR 102615698 B1 KR102615698 B1 KR 102615698B1
Authority
KR
South Korea
Prior art keywords
iris
area
pupil
cat
boundary
Prior art date
Application number
KR1020230059121A
Other languages
English (en)
Inventor
정진성
Original Assignee
주식회사 아이디랩
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 주식회사 아이디랩 filed Critical 주식회사 아이디랩
Priority to KR1020230059121A priority Critical patent/KR102615698B1/ko
Application granted granted Critical
Publication of KR102615698B1 publication Critical patent/KR102615698B1/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
    • G06V40/18—Eye characteristics, e.g. of the iris
    • G06V40/193—Preprocessing; Feature extraction
    • G06T5/005—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/136—Segmentation; Edge detection involving thresholding
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
    • 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
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • 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
    • G06V40/18—Eye characteristics, e.g. of the iris
    • G06V40/19—Sensors therefor
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30041—Eye; Retina; Ophthalmic

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Ophthalmology & Optometry (AREA)
  • Human Computer Interaction (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Abstract

본 개시는, 고양이의 동공 및 홍채의 이미지를 촬영하는 카메라와 통신을 수행하는 통신부; 및 고양이의 홍채 인식을 위한 동공 및 홍채의 분석과 관련된 동작을 제어하는 프로세서; 를 포함하고, 프로세서는 통신부를 통해 카메라로부터 촬영된 이미지의 수준이 기 설정된 기준 수준을 만족할 경우, 기준 수준에 만족하는 해당 이미지 내의 마스킹처리된 영역 중 평균 밝기가 가장 어두운 영역에서 에지 맵(Edge Map)을 이용하여 동공의 경계 영역을 판단하고, 경계 영역과 에지 맵을 이용하여 홍채 영역을 판단하며, 홍채 영역에 대한 홍채 데이터를 출력하는 것을 특징으로 할 수 있다.

Description

고양이의 홍채 인식을 위한 동공 및 홍채 분석 장치, 그 분석 방법 및 프로그램{DEVICE FOR ANALYZING PUPIL AND IRIS FOR IRIS RECOGNITION IN CAT, ANALYSIS METHOD THEREOF, PROGRAM}
본 개시는 고양이의 홍채 인식을 위한 동공 및 홍채 분석 장치, 그 분석 방법 및 프로그램에 관한 것이다.
홍채는 납작한 도넛 모양의 막으로, 안구의‘각막’과 ‘수정체’ 사이에 위치하며, 홍채 중앙의 동공(Pupil) 사이즈를 조절하여 안구로 들어오는 빛의 양을 결정할 수 있다.
홍채 인식은 신체 일부인 홍채에 내재된 본연의 고유한 무늬를 이용하여 각 동물 개체를 식별하는 기술로서, 체내에 이물질을 삽입하거나, 인식표를 착용하는 등의 불편함 없이, 등록된 개체의 신원을 확인할 수 있다. 게다가 홍채인식은 비문, 지문, 정맥 등 다른 생채 인식 기술보다 인식률이 높고, 홍채는 비문, 지문, 등 다른 신체 부위에 비해 손상될 확률도 낮아 생채 인식 기술 중 가장 각광받는 방식으로 꼽힌다.
그러나, 고양이의 홍채 이미지를 획득하는 데에는 어려움이 따른다. 고양이는 사람과 달리 움직임이 많고, 더욱이 홍채를 촬영하는 과정에서 불안감을 느껴 이상 반응을 일으킬 가능성도 크기 때문이다. 특히, 사람이 카메라를 이용하여 수동으로 정확한 고양이의 홍채 이미지를 얻기란 거의 불가능에 가깝다. 따라서, 홍채인식 기술을 고양이에 적용하기 위해서는, 무엇보다도 식별 가능한 수준의 홍채 이미지를 손쉽게 얻을 수 있도록 하는 기술이 요구된다.
대한민국 공개특허공보 10-2019-0088973(2019.07.29.공고)
본 개시에 개시된 실시예는, 개체 고유의 특징을 식별할 수 있는 수준의 고양이 홍채 이미지를 손쉽게 얻을 수 있도록 함으로써, 고양이의 움직임과 신체 특성에 따른 홍채 인식의 어려움을 극복하고, 정확성 높은 홍채 인식 기술을 고양이 개체 식별에 활용할 수 있다.
본 개시가 해결하고자 하는 과제들은 이상에서 언급된 과제로 제한되지 않으며, 언급되지 않은 또 다른 과제들은 아래의 기재로부터 통상의 기술자에게 명확하게 이해될 수 있을 것이다.
상술한 기술적 과제를 달성하기 위한 본 개시의 일 측면에 따른 고양이의 홍채 인식을 위한 동공 및 홍채 분석 장치는, 고양이의 동공 및 홍채의 이미지를 촬영하는 카메라와 통신을 수행하는 통신부; 및 상기 고양이의 홍채 인식을 위한 동공 및 홍채의 분석과 관련된 동작을 제어하는 프로세서; 를 포함하고, 상기 프로세서는, 상기 통신부를 통해 상기 카메라로부터 촬영된 이미지의 수준이 기 설정된 기준 수준을 만족할 경우, 상기 기준 수준에 만족하는 해당 이미지 내의 마스킹처리된 영역 중 평균 밝기가 가장 어두운 영역에서 에지 맵(Edge Map)을 이용하여 동공의 경계 영역을 판단하고, 상기 경계 영역과 상기 에지 맵을 이용하여 홍채 영역을 판단하며, 상기 홍채 영역에 대한 홍채 데이터를 출력하는 것을 특징으로 할 수 있다.
또한, 상기 프로세서는, 상기 경계 영역을 일정 크기로 자른 후에, 상기 경계 영역 내의 글린트(Glint)를 더 제거하는 것을 특징으로 할 수 있다.
또한, 상기 프로세서는, 상기 가장 어두운 영역의 가장 어두운 픽셀을 중심으로 1도씩 회전하면서, 360도 전체 회전하는 동안, 상기 경계 영역을 판단하기 위한 경계 에지(edge)의 수준이 기 설정된 강한 경계 에지의 수준을 만족할 경우, 상기 강한 경계 에지의 수준에 만족하는 해당 동공의 경계의 점들을 연결하여 상기 경계 영역을 판단하는 것을 특징으로 할 수 있다.
또한, 상기 프로세서는, 상기 경계 영역의 무게 중심 좌표를 기반으로 상기 동공의 중심 좌표를 더 산출하는 것을 특징으로 할 수 있다.
또한, 상기 프로세서는, 상기 동공의 중심 좌표와 상기 에지 맵을 이용하여 홍채 영역을 판단할 때에, 상기 홍채 영역을 판단하기 위한 홍채 에지(edge)의 수준이 기 설정된 강한 홍채 에지의 수준을 만족하는지를 판단하는 것을 특징으로 할 수 있다.
또한, 본 개시의 다른 측면에 따른 분석 장치에 의해 수행되는 고양이의 홍채 인식을 위한 동공 및 홍채 분석 방법은, 상기 분석 장치의 통신부를 통해, 카메라로부터 촬영된 고양이의 동공 및 홍채의 이미지의 수준이 기 설정된 기준 수준을 만족할 경우, 상기 기준 수준에 만족하는 해당 이미지를 수신받는 단계; 상기 분석 장치의 프로세서를 통해, 상기 해당 이미지 내의 마스킹처리된 영역 중 평균 밝기가 가장 어두운 영역에서 에지 맵(Edge Map)을 이용하여 동공의 경계 영역을 판단하는 단계; 상기 프로세서를 통해, 상기 경계 영역과 상기 에지 맵을 이용하여 홍채 영역을 판단하는 단계; 및 상기 프로세서를 통해, 상기 홍채 영역에 대한 홍채 데이터를 출력하는 단계; 를 포함할 수 있다.
또한, 상기 경계 영역을 판단하는 단계는, 상기 프로세서를 통해, 상기 경계 영역을 일정 크기로 자른 후에, 상기 경계 영역 내의 글린트(Glint)를 제거하는 것을 특징으로 할 수 있다.
또한, 상기 경계 영역을 판단하는 단계는, 상기 프로세서를 통해, 상기 가장 어두운 영역의 가장 어두운 픽셀을 중심으로 1도씩 회전하면서, 360도 전체 회전하는 동안, 상기 경계 영역을 판단하기 위한 경계 에지(edge)의 수준이 기 설정된 강한 경계 에지의 수준을 만족할 경우, 상기 강한 경계 에지의 수준에 만족하는 해당 동공의 경계의 점들을 연결하여 상기 경계 영역을 판단하는 것을 특징으로 할 수 있다.
또한, 상기 경계 영역을 판단하는 단계는, 상기 프로세서를 통해, 상기 경계 영역의 무게 중심 좌표를 기반으로 상기 동공의 중심 좌표를 더 산출하는 것을 특징으로 할 수 있다.
또한, 상기 홍채 영역을 판단하는 단계는, 상기 프로세서를 통해, 상기 동공의 중심 좌표와 상기 에지 맵을 이용하여 홍채 영역을 판단할 때에, 상기 홍채 영역을 판단하기 위한 홍채 에지(edge)의 수준이 기 설정된 강한 홍채 에지의 수준을 만족하는지를 판단하는 것을 특징으로 할 수 있다.
이 외에도, 하드웨어인 컴퓨터와 결합되어, 고양이의 홍채 인식을 위한 동공 및 홍채 분석 방법을 수행하기 위해, 컴퓨터 판독 가능한 기록 매체에 저장된 컴퓨터 프로그램이 더 제공될 수 있다.
이 외에도, 본 개시를 구현하기 위한 방법을 실행하기 위한 컴퓨터 프로그램을 기록하는 컴퓨터 판독 가능한 기록 매체가 더 제공될 수 있다.
본 개시의 전술한 과제 해결 수단에 의하면, 개체 고유의 특징을 식별할 수 있는 수준의 고양이 홍채 이미지를 손쉽게 얻을 수 있도록 함으로써, 고양이의 움직임과 신체 특성에 따른 홍채 인식의 어려움을 극복하고, 정확성 높은 홍채 인식 기술을 고양이 개체 식별에 활용할 수 있는 효과를 제공한다.
본 개시의 효과들은 이상에서 언급된 효과로 제한되지 않으며, 언급되지 않은 또 다른 효과들은 아래의 기재로부터 통상의 기술자에게 명확하게 이해될 수 있을 것이다.
도 1은 본 개시에 따른 고양이의 홍채 인식을 위한 동공 및 홍채 분석 시스템을 일 예로 나타낸 도면이다.
도 2는 도 1의 분석 장치의 구성을 도시한다.
도 3은 본 개시에 따른 고양이의 홍채 인식을 위한 동공 및 홍채 분석 방법을 나타낸 순서도이다.
도 4는 도 3의 동공의 경계 영역 판단 단계를 세부적으로 나타낸 순서도이다.
도 5 내지 도 9는 도 4의 동공의 경계 영역 판단 단계를 통해 동공의 경계 영역을 판단하는 세부적인 과정을 일 예로 나타낸 도면들이다.
도 10은 도 3의 홍채 영역 판단 단계를 세부적으로 나타낸 순서도이다.
도 11 내지 도 13은 도 3의 홍채 영역 판단 단계를 통해 홍채 영역을 판단하는 세부적인 과정을 일 예로 나타낸 도면들이다.
도 14는 도 3의 홍채 데이터 출력 단계를 세부적으로 나타낸 순서도이다.
본 개시 전체에 걸쳐 동일 참조 부호는 동일 구성요소를 지칭한다. 본 개시가 실시예들의 모든 요소들을 설명하는 것은 아니며, 본 개시가 속하는 기술분야에서 일반적인 내용 또는 실시예들 간에 중복되는 내용은 생략한다. 명세서에서 사용되는'부, 모듈, 부재, 블록'이라는 용어는 소프트웨어 또는 하드웨어로 구현될 수 있으며, 실시예들에 따라 복수의 '부, 모듈, 부재, 블록'이 하나의 구성요소로 구현되거나, 하나의 '부, 모듈, 부재, 블록'이 복수의 구성요소들을 포함하는 것도 가능하다.
명세서 전체에서, 어떤 부분이 다른 부분과 "연결"되어 있다고 할 때, 이는 직접적으로 연결되어 있는 경우뿐 아니라, 간접적으로 연결되어 있는 경우를 포함하고, 간접적인 연결은 무선 통신망을 통해 연결되는 것을 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.
명세서 전체에서, 어떤 부재가 다른 부재 "상에" 위치하고 있다고 할 때, 이는 어떤 부재가 다른 부재에 접해 있는 경우뿐 아니라 두 부재 사이에 또 다른 부재가 존재하는 경우도 포함한다.
제1, 제2 등의 용어는 하나의 구성요소를 다른 구성요소로부터 구별하기 위해 사용되는 것으로, 구성요소가 전술된 용어들에 의해 제한되는 것은 아니다.
단수의 표현은 문맥상 명백하게 예외가 있지 않는 한, 복수의 표현을 포함한다.
각 단계들에 있어 식별부호는 설명의 편의를 위하여 사용되는 것으로 식별부호는 각 단계들의 순서를 설명하는 것이 아니며, 각 단계들은 문맥상 명백하게 특정 순서를 기재하지 않는 이상 명기된 순서와 다르게 실시될 수 있다.
이하 첨부된 도면들을 참고하여 본 개시의 작용 원리 및 실시예들에 대해 설명한다.
본 명세서에서 본 개시에 따른 분석 장치는 연산처리를 수행하여 사용자에게 결과를 제공할 수 있는 다양한 장치들이 모두 포함된다. 예를 들어, 본 개시에 따른 분석 장치는, 컴퓨터, 서버 장치 및 휴대용 단말기를 모두 포함하거나, 또는 어느 하나의 형태가 될 수 있다.
여기에서, 컴퓨터는 예를 들어, 웹 브라우저(WEB Browser)가 탑재된 노트북, 데스크톱(desktop), 랩톱(laptop), 태블릿 PC, 슬레이트 PC 등을 포함할 수 있다.
서버 장치는 외부 장치와 통신을 수행하여 정보를 처리하는 서버로써, 애플리케이션 서버, 컴퓨팅 서버, 데이터베이스 서버, 파일 서버, 메일 서버, 프록시 서버 및 웹 서버 등을 포함할 수 있다.
휴대용 단말기는 예를 들어, 휴대성과 이동성이 보장되는 무선 통신 장치로서, PCS(Personal Communication System), GSM(Global System for Mobile communications), PDC(Personal Digital Cellular), PHS(Personal Handyphone System), PDA(Personal Digital Assistant), IMT(International Mobile Telecommunication)-2000, CDMA(Code Division Multiple Access)-2000, W-CDMA(W-Code Division Multiple Access), WiBro(Wireless Broadband Internet) 단말, 스마트 폰(Smart Phone) 등과 같은 모든 종류의 핸드헬드(Handheld) 기반의 무선 통신 장치와 시계, 반지, 팔찌, 발찌, 목걸이, 안경, 콘택트 렌즈, 또는 머리 착용형 장치(head-mounted-device(HMD) 등과 같은 웨어러블 장치를 포함할 수 있다.
본 개시에 따른 고양이의 홍채 인식을 위한 동공 및 홍채 분석 시스템은, 카메라로부터 촬영된 이미지의 수준이 기 설정된 기준 수준을 만족할 경우, 기준 수준에 만족하는 해당 이미지 내의 마스킹처리된 영역 중 평균 밝기가 가장 어두운 영역에서 에지 맵(Edge Map)을 이용하여 동공의 경계 영역을 판단하고, 경계 영역과 에지 맵을 이용하여 홍채 영역을 판단하며, 홍채 영역에 대한 홍채 데이터를 출력하도록 제공될 수 있다.
이러한, 본 개시에 따른 고양이의 홍채 인식을 위한 동공 및 홍채 분석 시스템은, 개체 고유의 특징을 식별할 수 있는 수준의 고양이 홍채 이미지를 손쉽게 얻을 수 있도록 함으로써, 고양이의 움직임과 신체 특성에 따른 홍채 인식의 어려움을 극복하고, 정확성 높은 홍채 인식 기술을 고양이 개체 식별에 활용할 수 있도록 제공해줄 수 있다.
이하에서는, 본 개시에 따른 고양이의 홍채 인식을 위한 동공 및 홍채 분석 시스템을 자세하게 살펴보기로 한다.
도 1은 본 개시에 따른 고양이의 홍채 인식을 위한 동공 및 홍채 분석 시스템을 일 예로 나타낸 도면이다. 도 2는 도 1의 분석 장치의 구성을 도시한다.
도 1 및 도 2를 참조하면, 시스템(1000)은 카메라(100)와 분석 장치(200)를 포함할 수 있다.
카메라(100)는 고양이의 동공 및 홍채의 선명한 이미지를 획득하여 분석 장치(200)로 전송할 수 있다. 여기에서, 카메라(100)는 획득된 이미지의 수준이 기 설정된 기준 수준을 만족하면, 기준 수준에 만족하는 해당 이미지를 선명한 이미지로 판단할 수 있다. 이때, 카메라(100)는 적외선 카메라일 수 있다.
분석 장치(200)는 고양이의 홍채 인식을 위한 동공 및 홍채를 분석할 수 있다. 여기에서, 분석 장치(200)는 홍채 영역에 대한 홍채 데이터를 출력할 수 있다. 이때, 분석 장치(200)는 통신부(210) 및 제어부(220)를 포함할 수 있다.
통신부(210)는 고양이의 동공 및 홍채의 이미지를 촬영하는 카메라(100)와 통신을 수행할 수 있다. 통신부(210)는 카메라(100)로부터 획득된 고양이의 동공 및 홍채의 선명한 이미지의 영상을 수신받을 수 있다. 통신부(210)는 유선 통신 모듈과 무선 통신 모듈 중 적어도 하나를 포함할 수 있다.
유선 통신 모듈은 지역 통신(Local Area Network; LAN) 모듈, 광역 통신(Wide Area Network; WAN) 모듈 또는 부가가치 통신(Value Added Network; VAN) 모듈 등 다양한 유선 통신 모듈뿐만 아니라, USB(Universal Serial Bus), HDMI(High Definition Multimedia Interface), DVI(Digital Visual Interface), RS-232(recommended standard232), 전력선 통신, 또는 POTS(plain old telephone service) 등 다양한 케이블 통신 모듈을 포함할 수 있다.
무선 통신 모듈은 와이파이(Wifi) 모듈, 와이브로(Wireless broadband) 모듈 외에도, GSM(global System for Mobile Communication), CDMA(Code Division Multiple Access), WCDMA(Wideband Code Division Multiple Access), UMTS(universal mobile telecommunications system), TDMA(Time Division Multiple Access), LTE(Long Term Evolution), 4G, 5G, 6G 등 다양한 무선 통신 방식을 지원하는 무선 통신 모듈을 포함할 수 있다.
제어부(220)는 메모리(221)와 프로세서(222)를 포함할 수 있다.
메모리(221)는 본 장치 내의 구성요소들의 동작을 제어하기 위한 알고리즘 또는 알고리즘을 재현한 프로그램에 대한 데이터를 저장할 수 있다. 프로세서(222)는 메모리(221)에 저장된 데이터를 이용하여 전술한 동작을 수행할 수 있다. 여기에서, 메모리(221)와 프로세서(222)는 각각 별개의 칩으로 구현될 수 있다. 또한, 메모리(221)와 프로세서(222)는 단일 칩으로 구현될 수도 있다.
메모리(221)는 본 장치의 다양한 기능을 지원하는 데이터와, 본 장치 내의 구성요소들의 동작을 위한 프로그램을 저장할 수 있고, 입/출력되는 데이터들을 저장할 있고, 본 장치에서 구동되는 다수의 응용 프로그램(application program 또는 애플리케이션(application)), 본 장치의 동작을 위한 데이터들, 명령어들을 저장할 수 있다. 이러한 응용 프로그램 중 적어도 일부는, 무선 통신을 통해 외부 서버로부터 다운로드 될 수 있다.
이러한, 메모리(221)는 플래시 메모리 타입(flash memory type), 하드디스크 타입(hard disk type), SSD 타입(Solid State Disk type), SDD 타입(Silicon Disk Drive type), 멀티미디어 카드 마이크로 타입(multimedia card micro type), 카드 타입의 메모리(예를 들어 SD 또는 XD 메모리 등), 램(random access memory; RAM), SRAM(static random access memory), 롬(read-only memory; ROM), EEPROM(electrically erasable programmable read-only memory), PROM(programmable read-only memory), 자기 메모리, 자기 디스크 및 광디스크 중 적어도 하나의 타입의 저장매체를 포함할 수 있다.
메모리(221)는 고양이의 동공 및 홍채의 이미지(P1, P2, P3, …)을 저장할 수 있다. 메모리(221)는 고양이의 홍채 인식을 위한 동공 및 홍채의 분석과 관련된 데이터를 저장할 수 있다.
프로세서(222)는 고양이의 홍채 인식을 위한 동공 및 홍채의 분석과 관련된 동작을 제어할 수 있다. 프로세서(222)는 통신부(210)를 통해 카메라(100)로부터 고양이의 동공 및 홍채의 이미지(P1, P2, P3, …)를 수신받을 수 있다.
프로세서(222)는 카메라(100)로부터 촬영된 고양이의 동공 및 홍채의 이미지의 수준이 기 설정된 선명한 이미지에 해당하는 기준 수준을 만족할 경우, 기준 수준에 만족하는 고양이의 동공 및 홍채의 선명한 이미지 내의 마스킹처리된 영역 중 평균 밝기가 가장 어두운 영역에서 에지 맵(Edge Map)을 이용하여 동공의 경계 영역을 판단할 수 있다. 여기에서, 프로세서(222)는 경계 영역을 일정 크기로 자른 후에, 경계 영역 내의 글린트(Glint)를 더 제거할 수도 있다. 또한, 프로세서(222)는 가장 어두운 영역의 가장 어두운 픽셀을 중심으로 1도씩 회전하면서, 360도 전체 회전하는 동안, 경계 영역을 판단하기 위한 경계 에지(edge)의 수준이 기 설정된 강한 경계 에지의 수준을 만족할 경우, 강한 경계 에지의 수준에 만족하는 해당 동공의 경계의 점들을 연결하여 경계 영역을 판단할 수도 있다. 또한, 프로세서(222)는 경계 영역의 무게 중심 좌표를 기반으로 동공의 중심 좌표를 더 산출할 수도 있다.
프로세서(222)는 경계 영역과 에지 맵을 이용하여 홍채 영역을 판단하며, 홍채 영역에 대한 홍채 데이터를 출력할 수 있다. 여기에서, 프로세서(222)는 동공의 중심 좌표와 에지 맵을 이용하여 홍채 영역을 판단할 때에, 홍채 영역을 판단하기 위한 홍채 에지(edge)의 수준이 기 설정된 강한 홍채 에지의 수준을 만족하는지를 판단할 수도 있다.
도 3은 본 개시에 따른 고양이의 홍채 인식을 위한 동공 및 홍채 분석 방법을 나타낸 순서도이다.
도 3을 참조하면, 고양이의 홍채 인식을 위한 동공 및 홍채 분석 방법은, 수신 단계(S320), 경계 영역 판단 단계(S340), 홍채 영역 판단 단계(S360), 홍채 데이터 출력 단계(S380)를 포함할 수 있다.
수신 단계는, 통신부(210)를 통해, 카메라(100)로부터 촬영된 고양이의 동공 및 홍채의 이미지의 수준이 기 설정된 선명한 이미지에 해당하는 기준 수준을 만족할 경우, 기준 수준에 만족하는 해당 고양이의 동공 및 홍채의 선명한 이미지를 수신받을 수 있다(S320).
이때, 프로세서(222)는 해당 고양이의 동공 및 홍채의 선명한 이미지인지를 라플라시안 방식 기반의 이미지 품질 알고리즘을 이용하여 판단할 수도 있고, 해당 고양이의 동공 및 홍채의 선명한 이미지를 GrayScale로 변환할 수도 있다. 또한, 프로세서(222)는 하기 [수학식 1]의 Gaussian Blur를 기반으로, GrayScale로 변환된 이미지 내의 노이즈를 제거할 수도 있다.
[수학식 1]
경계 영역 판단 단계는, 프로세서(222)를 통해, 해당 고양이의 동공 및 홍채의 이미지 내에 마스킹처리된 영역 중 평균 밝기가 가장 어두운 영역에서 에지 맵(Edge Map)을 이용하여 동공의 경계 영역을 판단할 수 있다(S340).
도 4는 도 3의 동공의 경계 영역 판단 단계를 세부적으로 나타낸 순서도이다. 도 5 내지 도 9는 도 4의 동공의 경계 영역 판단 단계를 통해 동공의 경계 영역을 판단하는 세부적인 과정을 일 예로 나타낸 도면들이다.
도 4 내지 도 9를 참조하면, 경계 영역 판단 단계(S340)는 제1 단계(S341), 제2 단계(S343), 제3 단계(S345), 제4 단계(S347), 제5 단계(S349)를 포함할 수 있다.
제1 단계는, 프로세서(222)를 통해, 도 5에 도시된 바와 같이 해당 고양이의 동공 및 홍채의 이미지(I) 내에 마스킹처리된 영역(D) 중 마스크의 평균 밝기가 가장 어두운 영역(D1)을 찾을 수 있다(S341). 예를 들어, 프로세서(222)는 K사이즈의 마스크를 이용하여 마스크의 평균 밝기가 가장 어두운 영역(D1)을 찾을 수 있다. 이는 동공의 일부분이다.
제2 단계는, 프로세서(222)를 통해, 도 6에 도시된 바와 같이 해당 고양이의 동공 및 홍채의 이미지(I)에 대해 Histogram Equalization을 이용하여 이미지(I)의 밝기를 0 ~ 255 영역에 골고루 분포하도록 조정할 수 있다(S343).
제3 단계는, 프로세서(222)를 통해, 도 7에 도시된 바와 같이 경계 영역(D2)을 일정 크기로 자른 후에, 경계 영역(D2) 내의 글린트(Glint, G)를 제거할 수 있다(S345). 예를 들어, 프로세서(222)는 글린트 제거 알고리즘을 이용하여 Glint(동공에 반사된 LED 그림자)를 제거할 수 있다. 이는 동공의 경계를 가린다.
제4 단계는, 프로세서(222)를 통해, 도 8에 도시된 바와 같이 가장 어두운 영역의 가장 어두운 픽셀(DP)을 중심으로 1도씩 회전하면서, 360도 전체 회전하는 동안, 경계 영역을 판단하기 위한 경계 에지(edge)의 수준이 기 설정된 강한 경계 에지의 수준을 만족할 경우, 강한 경계 에지의 수준에 만족하는 해당 동공의 경계의 점들(BP1, BP2, BP3, …, BPn)을 연결하여 동공의 경계를 생성할 수 있다(S347). 여기에서, 프로세서(222)는 Sobel operator를 이용하여 에지 맵(Edge map) 기반의 하기 [행렬식 1]을 생성할 수 있다. 이때, 프로세서(222)는 하기 [행렬식 1]을 기반으로 경계 영역을 판단할 수 있다.
[행렬식 1]
제5 단계는, 프로세서(222)를 통해, 도 9에 도시된 바와 같이 경계 영역(D2)의 무게 중심 좌표(G1, G2)를 기반으로 동공의 중심 좌표(G3)를 더 산출할 수 있다(S349). 예를 들어, 동공의 중심 좌표(G3)는 제1 무게 중심 좌표(G1) 및 제2 무게 중심 좌표(G2)와 서로 절반이 되는 거리에서의 위치 좌표일 수 있다.
홍채 영역 판단 단계는, 프로세서(222)를 통해, 경계 영역(D2)과 에지 맵을 이용하여 홍채 영역을 판단할 수 있다(S360).
도 10은 도 3의 홍채 영역 판단 단계를 세부적으로 나타낸 순서도이다. 도 11 내지 도 13은 도 3의 홍채 영역 판단 단계를 통해 홍채 영역을 판단하는 세부적인 과정을 일 예로 나타낸 도면들이다.
도 10 내지 도 13을 참조하면, 홍채 영역 판단 단계(S360)는 제6 단계(S361)와 제7 단계(S363)를 포함할 수 있다.
제6 단계는, 프로세서(222)를 통해, 도 11에 도시된 바와 같이 동공의 중심 좌표(G3)와 에지 맵(M)을 이용하여 홍채 영역(D3)을 판단할 때에, 홍채 영역(D3)을 판단하기 위한 홍채 에지(edge)의 수준이 기 설정된 강한 홍채 에지의 수준을 만족하는지를 판단할 수 있다(S361). 이때, 프로세서(222)는 홍채 에지(edge)의 수준이 기 설정된 강한 홍채 에지의 수준을 만족하면, 동공의 중심 좌표(G3)를 기준으로 에지 맵(M)에서 가장 강한 홍채 에지를 찾을 수 있다. 여기에서, 가장 강한 홍채 에지는 눈꺼풀의 영역(D4)을 포함할 수 있다. 이때, 프로세서(222)는 고양이가 공막이 없기 때문에 눈꺼풀의 영역(D4)을 검출할 수 있다.
또한, 도 12에 도시된 바와 같이, 프로세서(222)는 홍채 영역(D3) 내의 홍채 양끝 길이(L)의 절반(L /2)을 반지름(R)으로 결정할 수 있다. 이때, 프로세서(222)는 절반(L /2)에 상응하는 지점을 홍채의 중심 좌표(C2)로 결정할 수 있다.
여기에서, 프로세서(222)는 동공의 중심 좌표(C1)에서 홍채의 중심 좌표(C2)로 시프팅된 지점과 반지름(R)을 기반으로, 원(circle)을 생성할 수 있다. 이때, 프로세서(222)는 생성된 원의 영역(CA) 내의 홍채의 영역(D3)과 눈꺼풀의 영역(D4)을 기반으로, 경계(B)를 찾을 수 있다. 예를 들어, 프로세서(222)는 홍채의 중심 좌표(C2)와 동공의 중심 좌표(C1)간의 거리값이 기 설정된 기준 거리값이고, 원의 영역(CA) 범위 내에 홍채의 영역(D3)과 눈꺼풀의 영역(D4)이 위치할 경우, 경계(B)로 판단할 수 있다. 다른 예를 들어, 프로세서(222)는 홍채의 영역(D3)과 눈꺼풀의 영역(D4)간의 밝기의 차이값이 기 설정된 기준 차이값 이상일 경우, 경계(B)로 판단할 수 있다. 이러한, 프로세서(222)는 움직임이 많은 고양이의 홍채를 정확하게 인식하기 위해, 홍채의 영역(D3), 눈꺼풀의 영역(D4), 경계(B)를 더욱 효율적으로 구분할 수 있다.
제7 단계는, 프로세서(222)를 통해, 도 13에 도시된 바와 같이 linearPolar를 이용하여 홍채 영역(D3)을 직사각형 형태(T)로 펼칠 수 있다(S363). 이때, D4는 눈꺼풀의 영역일 수 있고, RD는 홍채 영역(D3)에 대한 홍채 데이터일 수 있다.
홍채 데이터 출력 단계는, 프로세서(222)를 통해, 홍채 영역(D3)에 대한 홍채 데이터(RD)를 출력할 수 있다(S380).
도 14는 도 3의 홍채 데이터 출력 단계를 세부적으로 나타낸 순서도이다.
도 14를 참조하면, 홍채 데이터 출력 단계(S380)는 제8 단계(S381)와 제9 단계(S383)를 포함할 수 있다.
제8 단계(S381)는 프로세서(222)를 통해, 홍채 영역(D3)을 필터링하여 특징을 추출할 수 있다. 제9 단계(S383)는 프로세서(222)를 통해, 추출된 홍채 영역(D3)의 특징을 이진수로 변환하여 홍채 데이터(RD)를 출력할 수 있다.
한편, 본 개시는, 홍채 데이터 출력 단계(S380)에서, 다양한 고양이의 홍채 데이터를 더욱 정확하게 인식하기 위해, 인공지능 모델을 기반으로 학습하여 추천된 고양이의 홍채 데이터의 결과값을 출력할 수도 있다.
예를 들어, 분석 장치(200)는 고양이의 품종에 따라 홍채 데이터를 더욱 정확하게 인식하기 위해, 인공지능 모델에 메타 데이터 중 고양이의 품종 별 눈꺼풀 영역 데이터, 고양이의 품종 별 동공 영역 데이터, 고양이의 품종 별 동공의 경계 영역 데이터, 고양이의 품종 별 홍채 영역 데이터를 입력값으로 입력하고, 인공지능 모델을 기반으로 학습하여 추천된 고양이의 홍채 데이터를 결과값으로 출력할 수 있다. 여기에서, 인공지능 모델은 고양이의 품종 별 눈꺼풀 영역 데이터, 고양이의 품종 별 동공 영역 데이터, 고양이의 품종 별 동공의 경계 영역 데이터, 고양이의 품종 별 홍채 영역 데이터를 CNN 알고리즘 또는 RNN 알고리즘을 이용하여 학습데이터 셋으로 구축 및 강화 학습시킬 수 있다. 이때, 분석 장치(200)는 인공지능 모델을 기반으로 학습하여 분석한 추천된 고양이의 홍채 데이터를 저장할 수 있다.
다른 예를 들어, 분석 장치(200)는 고양이의 연령대에 따라 홍채의 노화 속도 및 손상 속도가 다르므로, 고양이의 연령대에 따라 홍채 데이터를 더욱 정확하게 인식하기 위해, 인공지능 모델에 메타 데이터 중 고양이의 연령대 별 눈꺼풀 영역 데이터, 고양이의 연령대 별 동공 영역 데이터, 고양이의 연령대 별 동공의 경계 영역 데이터, 고양이의 연령대 별 홍채 영역 데이터를 입력값으로 입력하고, 인공지능 모델을 기반으로 학습하여 추천된 고양이의 홍채 데이터를 결과값으로 출력할 수 있다. 여기에서, 인공지능 모델은 고양이의 연령대 별 눈꺼풀 영역 데이터, 고양이의 연령대 별 동공 영역 데이터, 고양이의 연령대 별 동공의 경계 영역 데이터, 고양이의 연령대 별 홍채 영역 데이터를 CNN 알고리즘 또는 RNN 알고리즘을 이용하여 학습데이터 셋으로 구축 및 강화 학습시킬 수 있다. 이때, 분석 장치(200)는 인공지능 모델을 기반으로 학습하여 분석한 추천된 고양이의 홍채 데이터를 저장할 수 있다.
또 다른 예를 들어, 분석 장치(200)는 고양이의 품종 및 연령대에 따라 홍채의 노화 속도 및 손상 속도가 다르므로, 고양이의 품종 및 연령대에 따라 홍채 데이터를 더욱 정확하게 인식하기 위해, 인공지능 모델에 메타 데이터 중 고양이의 품종 및 연령대 별 눈꺼풀 영역 데이터, 고양이의 품종 및 연령대 별 동공 영역 데이터, 고양이의 품종 및 연령대 별 동공의 경계 영역 데이터, 고양이의 품종 및 연령대 별 홍채 영역 데이터를 입력값으로 입력하고, 인공지능 모델을 기반으로 학습하여 추천된 고양이의 홍채 데이터를 결과값으로 출력할 수 있다. 여기에서, 인공지능 모델은 고양이의 품종 및 연령대 별 눈꺼풀 영역 데이터, 고양이의 품종 및 연령대 별 동공 영역 데이터, 고양이의 품종 및 연령대 별 동공의 경계 영역 데이터, 고양이의 품종 및 연령대 별 홍채 영역 데이터를 CNN 알고리즘 또는 RNN 알고리즘을 이용하여 학습데이터 셋으로 구축 및 강화 학습시킬 수 있다. 이때, 분석 장치(200)는 인공지능 모델을 기반으로 학습하여 분석한 추천된 고양이의 홍채 데이터를 저장할 수 있다.
이와 같이, 본 개시는 개체 고유의 특징을 식별할 수 있는 수준의 고양이 홍채 이미지를 손쉽게 얻을 수 있도록 함으로써, 고양이의 움직임과 신체 특성에 따른 홍채 인식의 어려움을 극복하고, 정확성 높은 홍채 인식 기술을 고양이 개체 식별에 활용할 수 있도록 제공해줄 수 있다.
도 1 및 도 2에 도시된 구성 요소들의 성능에 대응하여 적어도 하나의 구성요소가 추가되거나 삭제될 수 있다. 또한, 구성 요소들의 상호 위치는 시스템의 성능 또는 구조에 대응하여 변경될 수 있다는 것은 당해 기술 분야에서 통상의 지식을 가진 자에게 용이하게 이해될 것이다.
도 3, 도 4, 도 10, 도 13은 복수의 단계를 순차적으로 실행하는 것으로 기재하고 있으나, 이는 본 실시예의 기술 사상을 예시적으로 설명한 것에 불과한 것으로서, 본 실시예가 속하는 기술분야에서 통상의 지식을 가진 자라면 본 실시예의 본질적인 특성에서 벗어나지 않는 범위에서 도 3, 도 4, 도 10, 도 13에 기재된 순서를 변경하여 실행하거나 복수의 단계 중 하나 이상의 단계를 병렬적으로 실행하는 것으로 다양하게 수정 및 변형하여 적용 가능할 것이므로, 도 3, 도 4, 도 10, 도 13은 시계열적인 순서로 한정되는 것은 아니다.
한편, 개시된 실시예들은 컴퓨터에 의해 실행 가능한 명령어를 저장하는 기록매체의 형태로 구현될 수 있다. 명령어는 프로그램 코드의 형태로 저장될 수 있으며, 프로세서에 의해 실행되었을 때, 프로그램 모듈을 생성하여 개시된 실시예들의 동작을 수행할 수 있다. 기록매체는 컴퓨터로 읽을 수 있는 기록매체로 구현될 수 있다.
컴퓨터가 읽을 수 있는 기록매체로는 컴퓨터에 의하여 해독될 수 있는 명령어가 저장된 모든 종류의 기록 매체를 포함한다. 예를 들어, ROM(Read Only Memory), RAM(Random Access Memory), 자기 테이프, 자기 디스크, 플래쉬 메모리, 광 데이터 저장장치 등이 있을 수 있다.
이상에서와 같이 첨부된 도면을 참조하여 개시된 실시예들을 설명하였다. 본 개시가 속하는 기술분야에서 통상의 지식을 가진 자는 본 개시의 기술적 사상이나 필수적인 특징을 변경하지 않고도, 개시된 실시예들과 다른 형태로 본 개시가 실시될 수 있음을 이해할 것이다. 개시된 실시예들은 예시적인 것이며, 한정적으로 해석되어서는 안 된다.
1000: 시스템 100: 카메라
200: 분석 장치 210: 통신부
220: 제어부 221: 메모리
222: 프로세서

Claims (10)

  1. 고양이의 동공 및 홍채의 이미지를 촬영하는 카메라와 통신을 수행하는 통신부; 및
    상기 통신부를 통해 상기 카메라가 촬영한 고양이의 동공 및 홍채의 이미지를 수신받아 상기 고양이의 홍채 인식을 위한 동공 및 홍채의 분석과 관련된 동작을 제어하는 프로세서; 를 포함하고,
    상기 프로세서는,
    상기 동공의 경계 영역을 판단할 때에,
    상기 동공 및 홍채의 이미지의 수준이 기 설정된 식별 가능한 기준 수준을 만족할 경우, 상기 기준 수준에 만족하는 동공 및 홍채의 이미지를 마스킹처리하고,
    상기 마스킹처리된 동공 및 홍채의 이미지를 포함하는 영역 중 평균 밝기가 가장 어두운 영역을 에지 맵(Edge Map)을 이용하여 찾고,
    상기 가장 어두운 영역을 일정 크기로 자른 후에, 상기 가장 어두운 영역 내의 글린트(Glint)를 제거하고,
    상기 가장 어두운 영역의 가장 어두운 픽셀을 중심으로 1도씩 회전하면서, 360도 전체 회전하는 동안, 상기 동공의 경계 영역을 판단하기 위한 경계 에지(edge)의 수준이 기 설정된 밝기가 급격하게 변하는 강한 경계 에지의 수준을 만족할 경우, 상기 강한 경계 에지의 수준에 만족하는 동공의 경계의 점들을 연결하고,
    상기 연결된 동공의 경계의 점들을 기반으로, 상기 동공의 경계 영역으로 판단하며,
    상기 홍채를 분석할 때에,
    상기 홍채의 영역을 판단하기 위한 홍채 에지(edge)의 수준이 기 설정된 밝기가 급격하게 변하는 강한 홍채 에지의 수준을 만족할 경우, 상기 동공의 경계 영역의 무게 중심 좌표를 기반으로 상기 동공의 중심 좌표를 산출하고,
    상기 동공의 중심 좌표에서 상기 홍채의 중심 좌표로 시프팅된 지점, 상기 홍채의 양끝 길이의 절반에 해당하는 반지름을 기반으로, 원을 생성하고,
    상기 홍채의 중심 좌표와 상기 동공의 중심 좌표간의 거리값이 기 설정된 기준 거리값이고, 상기 원의 영역 범위 내의 홍채의 영역과 눈꺼풀의 영역이 위치할 경우, 상기 홍채의 영역과 상기 눈꺼풀의 영역간의 경계 영역을 찾고,
    상기 홍채의 영역, 상기 눈꺼풀의 영역, 및 상기 홍채의 영역과 상기 눈꺼풀의 영역간의 경계 영역을 구분하는 것을 특징으로 하는, 고양이의 홍채 인식을 위한 동공 및 홍채 분석 장치.
  2. 삭제
  3. 삭제
  4. 삭제
  5. 삭제
  6. 분석 장치에 의해 수행되는 고양이의 홍채 인식을 위한 동공 및 홍채 분석 방법에 있어서,
    상기 분석 장치의 통신부를 통해, 카메라가 촬영한 고양이의 동공 및 홍채의 이미지를 수신받는 단계;
    상기 분석 장치의 프로세서를 통해, 상기 동공의 경계 영역을 판단하는 단계; 및
    상기 프로세서를 통해, 상기 홍채를 분석하는 단계를 포함하되,
    상기 동공의 경계 영역을 판단하는 단계는,
    상기 동공 및 홍채의 이미지의 수준이 기 설정된 식별 가능한 기준 수준을 만족할 경우, 상기 기준 수준에 만족하는 동공 및 홍채의 이미지를 마스킹처리하고,
    상기 마스킹처리된 동공 및 홍채의 이미지를 포함하는 영역 중 평균 밝기가 가장 어두운 영역을 에지 맵(Edge Map)을 이용하여 찾고,
    상기 가장 어두운 영역을 일정 크기로 자른 후에, 상기 가장 어두운 영역 내의 글린트(Glint)를 제거하고,
    상기 가장 어두운 영역의 가장 어두운 픽셀을 중심으로 1도씩 회전하면서, 360도 전체 회전하는 동안, 상기 동공의 경계 영역을 판단하기 위한 경계 에지(edge)의 수준이 기 설정된 밝기가 급격하게 변하는 강한 경계 에지의 수준을 만족할 경우, 상기 강한 경계 에지의 수준에 만족하는 동공의 경계의 점들을 연결하고,
    상기 연결된 동공의 경계의 점들을 기반으로, 상기 동공의 경계 영역으로 판단하며,
    상기 홍채를 분석하는 단계는,
    상기 홍채의 영역을 판단하기 위한 홍채 에지(edge)의 수준이 기 설정된 밝기가 급격하게 변하는 강한 홍채 에지의 수준을 만족할 경우, 상기 동공의 경계 영역의 무게 중심 좌표를 기반으로 상기 동공의 중심 좌표를 산출하고,
    상기 동공의 중심 좌표에서 상기 홍채의 중심 좌표로 시프팅된 지점, 상기 홍채의 양끝 길이의 절반에 해당하는 반지름을 기반으로, 원을 생성하고,
    상기 홍채의 중심 좌표와 상기 동공의 중심 좌표간의 거리값이 기 설정된 기준 거리값이고, 상기 원의 영역 범위 내의 홍채의 영역과 눈꺼풀의 영역이 위치할 경우, 상기 홍채의 영역과 상기 눈꺼풀의 영역간의 경계 영역을 찾고,
    상기 홍채의 영역, 상기 눈꺼풀의 영역, 및 상기 홍채의 영역과 상기 눈꺼풀의 영역간의 경계 영역을 구분하는 것을 특징으로 하는, 방법.
  7. 삭제
  8. 삭제
  9. 삭제
  10. 삭제
KR1020230059121A 2023-05-08 2023-05-08 고양이의 홍채 인식을 위한 동공 및 홍채 분석 장치, 그 분석 방법 및 프로그램 KR102615698B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020230059121A KR102615698B1 (ko) 2023-05-08 2023-05-08 고양이의 홍채 인식을 위한 동공 및 홍채 분석 장치, 그 분석 방법 및 프로그램

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020230059121A KR102615698B1 (ko) 2023-05-08 2023-05-08 고양이의 홍채 인식을 위한 동공 및 홍채 분석 장치, 그 분석 방법 및 프로그램

Publications (1)

Publication Number Publication Date
KR102615698B1 true KR102615698B1 (ko) 2023-12-19

Family

ID=89385335

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020230059121A KR102615698B1 (ko) 2023-05-08 2023-05-08 고양이의 홍채 인식을 위한 동공 및 홍채 분석 장치, 그 분석 방법 및 프로그램

Country Status (1)

Country Link
KR (1) KR102615698B1 (ko)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2015536519A (ja) * 2012-12-10 2015-12-21 エスアールアイ インターナショナルＳＲＩ Ｉｎｔｅｒｎａｔｉｏｎａｌ バイオメトリク虹彩照合システム
KR20190088973A (ko) 2016-10-12 2019-07-29 티젤 레인하르트 인간 또는 동물의 눈의 홍채의 지각 색체 외관을 변화시키는 방법 및 장치
KR20200095728A (ko) * 2019-02-01 2020-08-11 정진성 동물 홍채 이미지 획득 장치, 그 방법 및 이를 포함하는 동물 홍채인식 시스템

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2015536519A (ja) * 2012-12-10 2015-12-21 エスアールアイ インターナショナルＳＲＩ Ｉｎｔｅｒｎａｔｉｏｎａｌ バイオメトリク虹彩照合システム
KR20190088973A (ko) 2016-10-12 2019-07-29 티젤 레인하르트 인간 또는 동물의 눈의 홍채의 지각 색체 외관을 변화시키는 방법 및 장치
KR20200095728A (ko) * 2019-02-01 2020-08-11 정진성 동물 홍채 이미지 획득 장치, 그 방법 및 이를 포함하는 동물 홍채인식 시스템

Similar Documents

Publication Publication Date Title
US11042785B2 (en) Systems and methods for machine learning enhanced by human measurements
WO2020119420A1 (zh) 前端页面生成方法、装置、计算机设备及存储介质
CN107622240B (zh) 人脸检测方法和装置
CN111428581A (zh) 人脸遮挡检测方法及***
US10318797B2 (en) Image processing apparatus and image processing method
US20230237841A1 (en) Occlusion Detection
CN104077579B (zh) 基于专家***的人脸表情图像识别方法
RU2630742C1 (ru) Способ, система и устройство для биометрического распознавания радужной оболочки глаза
US20150294148A1 (en) Eye gaze detection apparatus, computer-readable recording medium storing eye gaze detection program and eye gaze detection method
US11475572B2 (en) Systems and methods for object detection and recognition
CN110648289B (zh) 图像的加噪处理方法及装置
CN111899247B (zh) 脉络膜血管的管腔区域识别方法、装置、设备及介质
CN110807427A (zh) 一种视线追踪方法、装置、计算机设备和存储介质
TWI776176B (zh) 手部作業動作評分裝置、方法及電腦可讀取存儲介質
KR20200087340A (ko) 딥러닝을 이용한 객체 인식 방법 및 장치
CN109740553B (zh) 一种基于识别的图像语义分割数据筛选方法及***
CN112949704A (zh) 一种基于图像分析的烟叶成熟度状态识别方法及装置
US20240203097A1 (en) Method and apparatus for training image processing model, and image classifying method and apparatus
CN111291761B (zh) 用于识别文字的方法和装置
CN111429416A (zh) 一种人脸色素斑识别方法、装置及电子设备
CN110991454A (zh) 一种叶片图像识别方法、装置、电子设备及存储介质
CN111353429A (zh) 基于眼球转向的感兴趣度方法与***
KR102615698B1 (ko) 고양이의 홍채 인식을 위한 동공 및 홍채 분석 장치, 그 분석 방법 및 프로그램
CN112560718A (zh) 物料信息的获取方法和装置、存储介质、电子装置
CN113468925B (zh) 一种遮挡人脸识别方法、智能终端及存储介质

Legal Events

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