KR20210084802A - Method for Restoring Distortion Video - Google Patents
Method for Restoring Distortion Video Download PDFInfo
- Publication number
- KR20210084802A KR20210084802A KR1020190177147A KR20190177147A KR20210084802A KR 20210084802 A KR20210084802 A KR 20210084802A KR 1020190177147 A KR1020190177147 A KR 1020190177147A KR 20190177147 A KR20190177147 A KR 20190177147A KR 20210084802 A KR20210084802 A KR 20210084802A
- Authority
- KR
- South Korea
- Prior art keywords
- image data
- pixel
- designated
- specified
- feature
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 122
- 238000012545 processing Methods 0.000 claims abstract description 62
- 238000003672 processing method Methods 0.000 claims description 37
- 238000013473 artificial intelligence Methods 0.000 claims description 22
- 230000006870 function Effects 0.000 claims description 21
- 238000005516 engineering process Methods 0.000 claims description 19
- 239000013598 vector Substances 0.000 claims description 6
- 230000001815 facial effect Effects 0.000 claims 1
- 238000012795 verification Methods 0.000 description 15
- 238000004891 communication Methods 0.000 description 9
- 238000012790 confirmation Methods 0.000 description 9
- 238000000605 extraction Methods 0.000 description 8
- 239000000284 extract Substances 0.000 description 7
- 230000009545 invasion Effects 0.000 description 6
- 238000003909 pattern recognition Methods 0.000 description 6
- 238000011161 development Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000630 rising effect Effects 0.000 description 2
- 230000000903 blocking effect Effects 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 210000003608 fece Anatomy 0.000 description 1
- 210000004392 genitalia Anatomy 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 210000004916 vomit Anatomy 0.000 description 1
- 230000008673 vomiting Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
-
- G06T5/001—
-
- G06K9/3283—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- 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
- G06T9/00—Image coding
-
- 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
- G06V30/14—Image acquisition
- G06V30/146—Aligning or centring of the image pick-up or image-field
- G06V30/1475—Inclination or skew detection or correction of characters or of image to be recognised
- G06V30/1478—Inclination or skew detection or correction of characters or of image to be recognised of characters or characters lines
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L9/00—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols
- H04L9/08—Key distribution or management, e.g. generation, sharing or updating, of cryptographic keys or passwords
-
- 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
- G06T2207/20081—Training; Learning
-
- 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
- G06T2207/20084—Artificial neural networks [ANN]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Biomedical Technology (AREA)
- Data Mining & Analysis (AREA)
- Signal Processing (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Computer Security & Cryptography (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Image Processing (AREA)
Abstract
Description
본 발명은 카메라모듈을 통해 생성된 영상 데이터를 판독하여 지정된 왜곡 대상을 포함하는 적어도 하나의 지정된 특징 영역을 기 설정된 기준 품질 이상의 고품질로 인식한 경우 상기 인식된 특징 영역이 비정형 복원 방식을 통해서는 복원되지 않게 지정된 엔코딩 연산을 통해 선택적 왜곡하되 상기 왜곡된 특징 영역의 복원이 필요한 경우 카메라모듈을 통해 생성된 원본과의 동일성을 검증 가능하게 복원하는 것이다.The present invention reads image data generated through a camera module and when at least one designated feature region including a designated distortion target is recognized as high quality above a preset reference quality, the recognized feature region is restored through an atypical restoration method It is selectively distorted through a designated encoding operation so as not to be prevented, but if it is necessary to restore the distorted feature region, the identity with the original generated through the camera module is verifiably restored.
기술의 발달로 이미지 센서를 구비한 수많은 카메라들이 다양한 분야에 구비되고 있다. 오프라인 매장이나 건물 등의 내/외부에는 수많은 감시 카메라들이 설치 운영되고 있고, 도로를 운행 중인거나 주/정차 중인 차량의 경우 카메라를 구비한 블랙박스들이 설치 운영되고 있으며, 대부분의 국민이 사용 중인 스마트폰이나 휴대폰 등에도 복수의 카메라들이 구비되어 있다. 그야말로 카메라 홍수의 시대라고 할 수 있다. 이러한 카메라 홍수의 시대에는 누구라도 하루에 수십에서 수백 대의 카메라에 노출, 촬영될 수 있으며, 언제든 사생활 침해를 야기할 수 있는 문제점을 지니고 있다.With the development of technology, numerous cameras having an image sensor are being provided in various fields. Numerous surveillance cameras are installed and operated inside/outside of offline stores and buildings, and black boxes with cameras are installed and operated for vehicles that are driving on roads or parked/stopped. A plurality of cameras are also provided in a phone or a mobile phone. It can be said that this is the era of camera flooding. In this era of camera flood, anyone can be exposed and photographed by dozens or hundreds of cameras a day, and there is a problem that can cause invasion of privacy at any time.
최근 이미지 센서 기술의 발달로 삼성전자는 1억800만 화소의 모바일 이미지 센서를 개발했다고 공지했으며(http://www.seoulfn.com/news/articleView.html?idxno=352346), 최근의 카메라들은 최소 1천만 화소 이상(또는 수천만 화소)의 이미지 센서를 장착하고 있다. 이러한 이미지 센서를 장착한 카메라를 통해 촬영된 영상의 경우 비교적 원거리에서 촬영된 피사체라도 사생활 침해의 대상이 될 수 있는 피사체라면 언제든 사생활 침해를 야기할 수 있는 문제점을 지니고 있다.With the recent development of image sensor technology, Samsung Electronics announced that it has developed a 108 million pixel mobile image sensor (http://www.seoulfn.com/news/articleView.html?idxno=352346), and recent cameras are It is equipped with an image sensor of at least 10 million pixels (or tens of millions of pixels). In the case of an image captured by a camera equipped with such an image sensor, there is a problem that any subject that can be a subject of invasion of privacy, even if it is a subject photographed from a relatively long distance, may cause invasion of privacy.
한편 상기의 이미지 센서를 구비한 카메라를 통해 생성되는 영상 데이터의 일정 비율 이상은 클라우드에 보관되고 있는데, 이는 언제든 탈취되어 사생활 침해를 야기할 수 있는 문제점을 지니고 있다. 이러한 문제점을 해소하기 위한 일 방법으로 상기 카메라를 통해 생성 또는 클라우드에 보관되는 영상 데이터 전체를 암호화하여 보관하는 방법이 제안될 수 있는데, 이러한 영상 데이터의 암호화 저장을 위해서는 고성능의 프로세서와 고용량의 메모리를 필요로 하기 때문에 비용이 비싼 문제점을 지니고 있다. 또는 상기의 문제점을 해소하기 위한 다른 일 방법으로 상기 카메라를 통해 생성 또는 클라우드에 보관되는 영상 데이터 상에서 사생활 침해의 소지가 존재하는 영역을 모자이크(Mosaic) 처리하여 보관하는 방법이 제안될 수 있는데, 대부분 모자이크 영역을 선택하는 과정은 수작업으로 이루어지기 때문에 이러한 방법을 모든 영상 데이터에 적용하기 난해한 문제점을 지니고 있으며, 설령 이것이 자동으로 이루어지더라도 모자이크 처리된 영상을 범죄의 증거로 활용하기 위해 복원이 필요한 경우 일단 모자이크 처리된 영상은 원본과 동일하게 복원되지 못하기 때문에 증거로 활용되는 것이 불가한 문제점을 지니고 있다. On the other hand, more than a certain percentage of the image data generated by the camera having the image sensor is stored in the cloud, which has a problem in that it may be stolen at any time and cause an invasion of privacy. As a method to solve this problem, a method of encrypting and storing the entire image data generated by the camera or stored in the cloud may be proposed. For encrypted storage of such image data, a high-performance processor and a high-capacity memory are required. It has the problem of high cost because it is required. Alternatively, as another method to solve the above problem, a method of mosaicing and storing an area in which there is a possibility of invasion of privacy on image data generated through the camera or stored in the cloud may be proposed. Since the process of selecting the mosaic area is done manually, it is difficult to apply this method to all image data, and even if this is done automatically, restoration is necessary to use the mosaic-processed image as evidence of a crime. Since the mosaic-processed image cannot be restored the same as the original, it has a problem that it cannot be used as evidence.
본 발명의 목적은, 카메라모듈과 연계된 장치의 프로그램을 통해 실행되는 방법에 있어서, 상기 카메라모듈을 통해 생성된 원본 영상 데이터를 확인한 경우 지정된 특징인식모듈을 통해 상기 원본 영상 데이터를 판독하여 상기 원본 영상 데이터에 포함된 지정된 왜곡 대상에 대응하는 N(N≥1)개의 특징 영역의 인식을 시도하는 제1 단계와 상기 원본 영상 데이터에 포함된 지정된 왜곡 대상에 대응하는 n(1≤n≤N)개의 특징 영역을 기 설정된 기준 품질 이상의 고품질로 인식한 경우 상기 원본 영상 데이터에 일대일 매칭되며 상기 인식된 n개의 특징 영역의 경계를 포함하는 특징 맵(Feature Map) 데이터를 생성하고 상기 원본 영상 데이터의 지정된 픽셀 정보를 지정된 코드생성모듈에 지정된 방식으로 적용하여 지정된 코드 값을 생성하고 지정된 키 값을 생성(또는 확인)하는 제2 단계와 상기 키 값을 이용한 지정된 엔코딩 연산을 통해 상기 원본 영상 데이터의 영역 중 상기 특징 맵 데이터에 대응하는 n개의 특징 영역을 선택적 왜곡시켜 왜곡된 영상 데이터를 생성하는 제3 단계 및 상기 왜곡된 영상 데이터를 지정된 미디어매체에 저장하도록 처리하고 상기 왜곡된 영상 데이터에 대응하는 특징 맵 데이터와 코드 값을 지정된 저장매체에 저장하도록 처리하는 제4 단계를 포함하는 왜곡 영상 복원 처리 방법을 제공함에 있다.It is an object of the present invention, in a method executed through a program of a device associated with a camera module, when the original image data generated through the camera module is checked, the original image data is read through a specified feature recognition module to read the original image data A first step of attempting to recognize N (N≥1) feature regions corresponding to a specified distortion target included in the image data and n (1≤n≤N) corresponding to a specified distortion target included in the original image data When n feature regions are recognized as having a high quality higher than or equal to a preset reference quality, feature map data is generated that matches the original image data one-to-one and includes the boundaries of the n recognized feature regions, and the specified quality of the original image data is generated. In the second step of generating (or confirming) a specified key value and generating a specified code value by applying pixel information to a specified code generation module in a specified manner, and through a specified encoding operation using the key value, one of the regions of the original image data A third step of generating distorted image data by selectively distorting n feature regions corresponding to the feature map data, processing the distorted image data to be stored in a designated media medium, and a feature map corresponding to the distorted image data An object of the present invention is to provide a distortion image restoration processing method comprising a fourth step of processing data and code values to be stored in a designated storage medium.
본 발명에 따른 왜곡 영상 복원 처리 방법은, 카메라모듈과 연계된 장치의 프로그램을 통해 실행되는 방법에 있어서, 상기 카메라모듈을 통해 생성된 원본 영상 데이터를 확인한 경우 지정된 특징인식모듈을 통해 상기 원본 영상 데이터를 판독하여 상기 원본 영상 데이터에 포함된 지정된 왜곡 대상에 대응하는 N(N≥1)개의 특징 영역의 인식을 시도하는 제1 단계와 상기 원본 영상 데이터에 포함된 지정된 왜곡 대상에 대응하는 n(1≤n≤N)개의 특징 영역을 기 설정된 기준 품질 이상의 고품질로 인식한 경우 상기 원본 영상 데이터에 일대일 매칭되며 상기 인식된 n개의 특징 영역의 경계를 포함하는 특징 맵(Feature Map) 데이터를 생성하고 상기 원본 영상 데이터의 지정된 픽셀 정보를 지정된 코드생성모듈에 지정된 방식으로 적용하여 지정된 코드 값을 생성하고 지정된 키 값을 생성(또는 확인)하는 제2 단계와 상기 키 값을 이용한 지정된 엔코딩 연산을 통해 상기 원본 영상 데이터의 영역 중 상기 특징 맵 데이터에 대응하는 n개의 특징 영역을 선택적 왜곡시켜 왜곡된 영상 데이터를 생성하는 제3 단계 및 상기 왜곡된 영상 데이터를 지정된 미디어매체에 저장하도록 처리하고 상기 왜곡된 영상 데이터에 대응하는 특징 맵 데이터와 코드 값을 지정된 저장매체에 저장하도록 처리하는 제4 단계를 포함하는 것을 특징으로 한다.The distortion image restoration processing method according to the present invention is a method executed through a program of a device associated with a camera module, and when original image data generated through the camera module is checked, the original image data through a specified feature recognition module A first step of reading and attempting to recognize N (N≥1) feature regions corresponding to a specified distortion target included in the original image data, and n(1) corresponding to a specified distortion target included in the original image data When ≤n≤N) feature regions are recognized as having a high quality higher than or equal to a preset reference quality, feature map data is generated that matches the original image data one-to-one and includes the boundaries of the recognized n feature regions, and the The second step of generating a specified code value and generating (or confirming) a specified key value by applying the specified pixel information of the original image data to the specified code generation module in a specified manner, and a specified encoding operation using the key value. A third step of generating distorted image data by selectively distorting n feature regions corresponding to the feature map data among regions of image data, processing the distorted image data to be stored in a designated media medium, and processing the distorted image data and a fourth step of processing to store the feature map data and code values corresponding to .
본 발명에 따른 왜곡 영상 복원 처리 방법에 있어서, 상기 특징인식모듈은, 지정된 영상 데이터에 포함된 지정된 왜곡 대상을 인식하는 인공지능모듈을 포함하고, 지정된 인공지능 기반의 학습(Learning) 과정을 통해 지정된 왜곡 대상을 포함하는 영상 데이터의 특징 정보를 입력변수(Feature Vectors)로 설정하고 지정된 왜곡 대상의 존재 여부 또는 지정된 왜곡 대상의 인식 품질 상태를 출력변수(Label)로 설정하여 상기 인공지능모듈을 학습시키는 단계를 더 포함하며, 상기 제1 단계는, 상기 학습된 인공지능모듈을 통해 상기 원본 영상 데이터를 판독하여 상기 원본 영상 데이터에 포함된 지정된 왜곡 대상을 포함하는 N개의 특징 영역의 인식을 시도하는 단계를 포함하여 이루어지는 것을 특징으로 한다.In the distortion image restoration processing method according to the present invention, the feature recognition module includes an artificial intelligence module for recognizing a designated distortion target included in designated image data, and is designated through a designated artificial intelligence-based learning process. Learning the AI module by setting the feature information of the image data including the distortion target as an input variable (Feature Vectors) and setting the existence of a specified distortion target or the recognition quality status of the specified distortion target as an output variable (Label) The method further includes a step, wherein the first step is to read the original image data through the learned artificial intelligence module and try to recognize N feature regions including a specified distortion target included in the original image data. It is characterized in that it comprises a.
본 발명에 따른 왜곡 영상 복원 처리 방법에 있어서, 상기 왜곡 대상은, 사람의 안면 영역이나 사람의 지정된 형체 영역, 신분증 영역, 사람의 손가락 지문 영역, 사람의 눈 홍채 영역, 문자열 영역 중 개인 식별 관련 문자열 영역 중 적어도 하나를 포함하여 이루어지는 것을 특징으로 한다.In the distortion image restoration processing method according to the present invention, the distortion target is a character string related to personal identification among a person's face area or a designated shape area of a person, an identification card area, a human finger fingerprint area, a human eye iris area, and a character string area It is characterized in that it comprises at least one of the regions.
본 발명에 따른 왜곡 영상 복원 처리 방법에 있어서,상기 기준 품질 이상의 고품질은, 지정된 왜곡 대상에 대응하는 피사체를 통해 인식 가능한 F(F≥3)개의 특징 점 중 상기 왜곡 대상에 대응하는 피사체를 고유하게 식별 인식 가능한 특징 점의 조합이나 특정 점의 개수에 대응하는 f(3≤f≤F)개의 특징 점을 유효 인식 가능한 품질을 포함하여 이루어지는 것을 특징으로 한다.In the distortion image restoration processing method according to the present invention, the high quality above the reference quality uniquely identifies the subject corresponding to the distortion target among F (F≥3) feature points recognizable through the subject corresponding to the specified distortion target. It is characterized in that f (3≤f≤F) feature points corresponding to a combination of identifiable and recognizable feature points or the number of specific points are included in effective recognizable quality.
본 발명에 따른 왜곡 영상 복원 처리 방법에 있어서, 상기 특징 맵 데이터는, 상기 원본 영상 데이터의 해상도와 동일한 해상도를 포함하는 이미지 데이터를 포함하여 이루어지는 것을 특징으로 한다.In the distortion image reconstruction processing method according to the present invention, the feature map data comprises image data having the same resolution as that of the original image data.
본 발명에 따른 왜곡 영상 복원 처리 방법에 있어서, 상기 특징 맵 데이터는, 상기 인식된 n개의 특징 영역의 경계에 대응하는 픽셀 좌표값을 포함하여 이루어지는 것을 특징으로 한다.In the method for reconstructing a distorted image according to the present invention, the feature map data includes pixel coordinate values corresponding to boundaries of the recognized n feature regions.
본 발명에 따른 왜곡 영상 복원 처리 방법에 있어서, 상기 특징 맵 데이터는, 상기 인식된 n개의 특징 영역의 경계에 대응하는 벡터 값을 포함하여 이루어지는 것을 특징으로 한다.In the method for reconstructing a distorted image according to the present invention, the feature map data includes vector values corresponding to boundaries of the recognized n feature regions.
본 발명에 따른 왜곡 영상 복원 처리 방법에 있어서, 상기 코드생성모듈은, 일방향 함수에 대응하는 해시알고리즘을 포함하며, 상기 제2 단계는, 상기 원본 영상 데이터의 지정된 픽셀 정보를 상기 해시알고리즘에 지정된 방식으로 적용하여 지정된 코드 구조의 코드 값을 생성하는 단계를 포함하여 이루어지는 것을 특징으로 한다.In the method for reconstructing a distorted image according to the present invention, the code generating module includes a hash algorithm corresponding to a one-way function, and the second step is to assign specified pixel information of the original image data to the hash algorithm. It is characterized in that it comprises the step of generating a code value of the specified code structure by applying it.
본 발명에 따른 왜곡 영상 복원 처리 방법에 있어서,상기 픽셀 정보는, 상기 원본 영상 데이터의 전체 픽셀 영역에 대응하는 P(P≥2)개의 픽셀 값의 집합을 포함하여 이루어지는 것을 특징으로 한다.In the distortion image restoration processing method according to the present invention, the pixel information is characterized in that it comprises a set of P (P≥2) pixel values corresponding to the entire pixel area of the original image data.
본 발명에 따른 왜곡 영상 복원 처리 방법에 있어서, 상기 픽셀 정보는, 상기 원본 영상 데이터의 전체 픽셀 영역에 대응하는 P(P≥2)개의 픽셀 값 중 상기 특징 영역을 포함하는 특정 픽셀 영역에 대응하는 p(2≤p≤P)개의 픽셀 값의 집합을 포함하여 이루어지는 것을 특징으로 한다.In the distortion image reconstruction processing method according to the present invention, the pixel information corresponds to a specific pixel area including the feature area among P (P≥2) pixel values corresponding to the entire pixel area of the original image data. It is characterized in that it comprises a set of p(2≤p≤P) pixel values.
본 발명에 따른 왜곡 영상 복원 처리 방법에 있어서,상기 픽셀 정보는, 상기 원본 영상 데이터의 전체 픽셀 영역을 지정된 블록 단위로 분할한 B(B≥2)개의 블록 별 픽셀 값의 집합을 포함하여 이루어지는 것을 특징으로 한다.In the distortion image reconstruction processing method according to the present invention, the pixel information includes a set of pixel values for each B (B≥2) blocks obtained by dividing the entire pixel area of the original image data into designated blocks. characterized.
본 발명에 따른 왜곡 영상 복원 처리 방법에 있어서, 상기 픽셀 정보는, 상기 원본 영상 데이터의 전체 픽셀 영역 중 상기 특징 영역을 포함하는 특정 픽셀 영역을 지정된 블록 단위로 분할한 B(B≥2)개의 블록 별 픽셀 값의 집합을 포함하여 이루어지는 것을 특징으로 한다.In the method for reconstructing a distorted image according to the present invention, the pixel information includes B (B≥2) blocks obtained by dividing a specific pixel area including the feature area among all pixel areas of the original image data into designated block units. It is characterized in that it comprises a set of star pixel values.
본 발명에 따른 왜곡 영상 복원 처리 방법에 있어서, 상기 블록 단위는, 상기 코드생성모듈의 최고속 연산을 위해 설정된 블록 크기를 포함하여 이루어지는 것을 특징으로 한다.In the distortion image reconstruction processing method according to the present invention, the block unit is characterized in that it comprises a block size set for the fastest operation of the code generation module.
본 발명에 따른 왜곡 영상 복원 처리 방법에 있어서 상기 블록 단위는, 상기 코드생성모듈의 연산을 수행하기 위해 할당된 버퍼 크기와 매칭되는 블록 크기를 포함하여 이루어지는 것을 특징으로 한다.In the method for reconstructing a distorted image according to the present invention, the block unit includes a block size matching a buffer size allocated to perform the operation of the code generation module.
본 발명에 따른 왜곡 영상 복원 처리 방법에 있어서, 상기 제2 단계는, 상기 코드 값을 포함하는 씨드 값을 지정된 키생성알고리즘에 적용하여 지정된 키 값을 생성하는 단계를 포함하여 이루어지는 것을 특징으로 한다.In the method for reconstructing a distorted image according to the present invention, the second step comprises generating a designated key value by applying a seed value including the code value to a designated key generation algorithm.
본 발명에 따른 왜곡 영상 복원 처리 방법에 있어서, 상기 제2 단계는, 지정된 씨드 값을 지정된 키생성알고리즘에 적용하여 지정된 키 값을 생성하는 단계를 포함하여 이루어지는 것을 특징으로 한다.In the method for reconstructing a distorted image according to the present invention, the second step may include generating a designated key value by applying a designated seed value to a designated key generation algorithm.
본 발명에 따른 왜곡 영상 복원 처리 방법에 있어서, 상기 키생성알고리즘은, 일방향 함수에 대응하는 해시알고리즘을 포함하며, 상기 제2 단계는, 상기 씨드 값을 상기 해시알고리즘에 적용하여 지정된 키 값을 생성하는 단계를 포함하여 이루어지는 것을 특징으로 한다.In the distortion image restoration processing method according to the present invention, the key generation algorithm includes a hash algorithm corresponding to a one-way function, and the second step is to apply the seed value to the hash algorithm to generate a designated key value. It is characterized in that it is made including the step of.
본 발명에 따른 왜곡 영상 복원 처리 방법에 있어서, 상기 키생성알고리즘은, 임의의 난수를 생성하는 난수알고리즘을 포함하며, 상기 제2 단계는, 상기 씨드 값을 상기 난수알고리즘에 적용하여 지정된 키 값을 생성하는 단계를 포함하여 이루어지는 것을 특징으로 한다.In the distortion image restoration processing method according to the present invention, the key generation algorithm includes a random number algorithm for generating a random number, and the second step is to apply the seed value to the random number algorithm to obtain a designated key value. It is characterized in that it comprises the step of generating.
본 발명에 따른 왜곡 영상 복원 처리 방법에 있어서, 상기 제2 단계는, 지정된 키관리매체로부터 지정된 키 값을 추출하는 단계를 포함하여 이루어지는 것을 특징으로 한다.In the distortion image restoration processing method according to the present invention, the second step is characterized in that it comprises the step of extracting a specified key value from a specified key management medium.
본 발명에 따른 왜곡 영상 복원 처리 방법에 있어서,상기 제2 단계는, 지정된 키관리서버를 통해 지정된 키 값을 수신하는 단계를 포함하여 이루어지는 것을 특징으로 한다.In the distortion image restoration processing method according to the present invention, the second step is characterized in that it comprises the step of receiving a specified key value through a specified key management server.
본 발명에 따른 왜곡 영상 복원 처리 방법에 있어서,상기 제2 단계는, 상기 원본 영상 데이터에 포함된 지정된 왜곡 대상이 인식되지 않거나 기 설정된 기준 품질 미만의 저품질로 인식한 경우 상기 원본 영상 데이터를 지정된 미디어매체에 저장하도록 처리하는 단계를 더 포함하여 이루어지는 것을 특징으로 한다.In the method for reconstructing a distorted image according to the present invention, in the second step, when a specified distortion target included in the original image data is not recognized or is recognized as low quality less than a preset reference quality, the original image data is converted to a specified media It characterized in that it further comprises the step of processing to be stored in the medium.
본 발명에 따른 왜곡 영상 복원 처리 방법에 있어서, 상기 제2 단계는, 널(NULL) 값을 포함하는 특징 맵 데이터와 널(NULL) 값을 포함하는 코드 값을 상기 원본 영상 데이터에 연계시켜 지정된 저장매체에 저장하도록 처리하는 단계를 더 포함하여 이루어지는 것을 특징으로 한다.In the method for reconstructing a distorted image according to the present invention, in the second step, feature map data including a null value and a code value including a null value are associated with the original image data and stored. It characterized in that it further comprises the step of processing to be stored in the medium.
본 발명에 따른 왜곡 영상 복원 처리 방법에 있어서, 상기 제2 단계는, 상기 원본 영상 데이터에 대한 지정된 코드 값이 생성된 경우 널(NULL) 값을 포함하는 특징 맵 데이터와 상기 생성된 코드 값을 상기 원본 영상 데이터에 연계시켜 지정된 저장매체에 저장하도록 처리하는 단계를 더 포함하여 이루어지는 것을 특징으로 한다.In the method for reconstructing a distorted image according to the present invention, in the second step, when a specified code value for the original image data is generated, feature map data including a null value and the generated code value are combined with the generated code value. It characterized in that it further comprises the step of processing to be stored in a designated storage medium in association with the original image data.
본 발명에 따른 왜곡 영상 복원 처리 방법에 있어서,상기 제3 단계는, 상기 키 값을 이용한 지정된 엔코딩 연산을 통해 상기 n개의 특징 영역을 원본 상태로 복원 가능한 구조로 선택적 왜곡시켜 왜곡된 영상 데이터를 생성하는 단계를 포함하여 이루어지는 것을 특징으로 한다.In the method for reconstructing a distorted image according to the present invention, the third step is to selectively distort the n feature regions into a structure that can be restored to the original state through a designated encoding operation using the key value to generate distorted image data It is characterized in that it is made including the step of.
본 발명에 따른 왜곡 영상 복원 처리 방법에 있어서, 상기 제3 단계는, 상기 키 값을 이용한 지정된 엔코딩 연산을 통해 상기 원본 영상 데이터에 포함된 n개의 특징 영역 내의 각 픽셀 별 픽셀 값을 각 픽셀 별 원본 픽셀 값과 무관한(또는 원본 픽셀 색상과의 유사성이 상실된) 각 픽셀 별 왜곡된 픽셀 값으로 왜곡시키는 단계를 포함하여 이루어지는 것을 특징으로 한다.In the method for reconstructing a distorted image according to the present invention, in the third step, a pixel value for each pixel within n feature regions included in the original image data is converted to an original for each pixel through a designated encoding operation using the key value. and distortion to a distorted pixel value for each pixel that is independent of the pixel value (or similarity with the original pixel color is lost).
본 발명에 따른 왜곡 영상 복원 처리 방법에 있어서, 상기 제3 단계는, 상기 키 값을 이용한 지정된 엔코딩 연산을 통해 상기 원본 영상 데이터에 포함된 n개의 특징 영역 내의 각 픽셀 별 픽셀 값을 초해상도(Super Resolution) 기술이나 인공지능 기반 복원 기술을 포함하는 비정형 복원 기술에 의해 기 설정된 기준 품질 이상의 고품질로 복원 불가한 각 픽셀 별 왜곡된 픽셀 값으로 왜곡시키는 단계를 포함하여 이루어지는 것을 특징으로 한다.In the method for reconstructing a distorted image according to the present invention, in the third step, a pixel value for each pixel in the n feature regions included in the original image data is converted to a super resolution (Super) through a designated encoding operation using the key value. Resolution) technology or an atypical restoration technology including artificial intelligence-based restoration technology, characterized in that it includes the step of distorting each pixel to a distorted pixel value that cannot be restored to a high quality higher than a preset reference quality.
본 발명에 따른 왜곡 영상 복원 처리 방법에 있어서, 상기 제3 단계는, 상기 키 값을 이용한 지정된 엔코딩 연산을 통해 상기 원본 영상 데이터에 포함된 n개의 특징 영역 내의 각 픽셀 별 픽셀 값을 모자이크(Mosaic) 처리 방식과 무관한(또는 원본 픽셀 색상과의 유사성이 상실된) 각 픽셀 별 왜곡된 픽셀 값으로 왜곡시키는 단계를 포함하여 이루어지는 것을 특징으로 한다.In the method for reconstructing a distorted image according to the present invention, the third step comprises mosaicing a pixel value for each pixel within n feature regions included in the original image data through a designated encoding operation using the key value. It is characterized in that it comprises the step of distorting to a distorted pixel value for each pixel that is irrelevant to the processing method (or similarity with the original pixel color is lost).
본 발명에 따른 왜곡 영상 복원 처리 방법에 있어서, 상기 n개의 특징 영역 내의 각 픽셀 별 왜곡된 픽셀 값은, 상기 원본 영상 데이터에 포함된 n개의 특징 영역 외측 인접 영역의 지정된 픽셀 별 픽셀 값과 지정된 범위 내의 상관성을 지닌 각 픽셀 별 픽셀 값으로 왜곡되는 것을 특징으로 한다.In the method for reconstructing a distorted image according to the present invention, the distorted pixel value for each pixel in the n feature regions includes a pixel value for each pixel in the adjacent region outside the n feature regions included in the original image data and a specified range It is characterized in that it is distorted to a pixel value for each pixel with a correlation in the .
본 발명에 따른 왜곡 영상 복원 처리 방법에 있어서, 상기 n개의 특징 영역 내의 각 픽셀 별 왜곡된 픽셀 값은, 상기 키 값을 이용한 지정된 디코딩 연산을 통해 상기 원본 영상 데이터에 포함되어 있던 n개의 특징 영역 내의 각 픽셀 별 원본 픽셀 값으로 무손실 복원되는 것을 특징으로 한다.In the method for reconstructing a distorted image according to the present invention, the distorted pixel value for each pixel in the n feature regions is determined by a specified decoding operation using the key value within the n feature regions included in the original image data. It is characterized in that it is losslessly restored to the original pixel value for each pixel.
본 발명에 따른 왜곡 영상 복원 처리 방법에 있어서,상기 제4 단계는, 상기 키 값을 생성한 경우 상기 특징 맵 데이터와 상기 생성된 키 값을 지정된 저장매체에 연계 저장하는 단계를 더 포함하여 이루어지는 것을 특징으로 한다.In the distortion image restoration processing method according to the present invention, the fourth step further comprises the step of linking and storing the feature map data and the generated key value in a designated storage medium when the key value is generated. characterized.
본 발명에 따른 왜곡 영상 복원 처리 방법에 있어서, 상기 저장매체는, 영상 데이터를 저장하는 미디어매체와 물리적으로 분리된 매체, 영상 데이터를 저장하는 미디어매체와 논리적으로 분리된 매체, 영상 데이터를 저장하는 미디어매체보다 고도한 보안기술이 적용된 매체 중 적어도 하나의 매체를 포함하여 이루어지는 것을 특징으로 한다.In the distortion image restoration processing method according to the present invention, the storage medium includes a medium physically separated from a media medium for storing image data, a medium logically separated from a media medium for storing image data, and a medium for storing image data. It is characterized in that it comprises at least one medium among media to which a security technology higher than that of the media medium is applied.
본 발명에 따른 왜곡 영상 복원 처리 방법에 있어서, 상기 제4 단계는, 상기 원본 영상 데이터를 삭제하는 단계를 더 포함하여 이루어지는 것을 특징으로 한다.In the distortion image restoration processing method according to the present invention, the fourth step is characterized in that it further comprises the step of deleting the original image data.
본 발명에 따른 왜곡 영상 복원 처리 방법에 있어서, 상기 왜곡된 영상 데이터를 복원하는 경우 상기 왜곡된 영상 데이터에 대응하는 특징 맵 데이터와 코드 값을 추출하고 상기 키 값을 추출하는 제5 단계와 상기 추출된 키 값을 이용한 지정된 디코딩 연산을 통해 상기 왜곡된 영상 데이터의 영역 중 상기 추출된 특징 맵 데이터에 대응하는 n개의 특징 영역을 선택적 복원 처리하는 제6 단계와 상기 복원된 n개의 특징 영역을 포함하는 영상 데이터의 지정된 픽셀 정보를 지정된 코드생성모듈에 지정된 방식으로 적용하여 지정된 코드 값을 생성하는 제7 단계와 상기 생성된 코드 값과 상기 추출된 코드 값을 비교 인증하는 제8 단계 및 상기 코드 값을 인증한 경우 상기 복원된 n개의 특징 영역을 포함하는 영상 데이터를 원본과 동일하게 복원된 영상 데이터로 확정하는 제9 단계를 더 포함하여 이루어지는 것을 특징으로 한다.In the distortion image restoration processing method according to the present invention, when the distorted image data is restored, a fifth step of extracting feature map data and a code value corresponding to the distorted image data and extracting the key value and the extraction A sixth step of selectively reconstructing n feature regions corresponding to the extracted feature map data among regions of the distorted image data through a specified decoding operation using the selected key value, and the restored n feature regions. A seventh step of generating a designated code value by applying designated pixel information of image data to a designated code generation module in a designated manner, an eighth step of comparing and authenticating the generated code value with the extracted code value, and the code value In the case of authentication, the method further comprises a ninth step of determining the restored image data including the n feature regions as image data restored to be identical to the original image data.
본 발명에 따른 왜곡 영상 복원 처리 방법에 있어서, 상기 제6 단계는, 상기 왜곡된 영상 데이터의 영역 중 상기 추출된 특징 맵 데이터에 대응하는 n개의 특징 영역을 확인하는 단계를 포함하여 이루어지는 것을 특징으로 한다.In the method for reconstructing a distorted image according to the present invention, the sixth step comprises identifying n feature regions corresponding to the extracted feature map data among regions of the distorted image data. do.
본 발명에 따른 왜곡 영상 복원 처리 방법에 있어서, 상기 제6 단계는, 상기 키 값을 이용한 지정된 디코딩 연산을 통해 상기 왜곡된 영상 데이터에 포함된 n개의 특징 영역 내의 각 픽셀 별 왜곡된 픽셀 값을 원본 영상 데이터에 포함되어 있던 n개의 특징 영역 내의 각 픽셀 별 원본 픽셀 값으로 무손실 복원하는 단계를 포함하여 이루어지는 것을 특징으로 한다.In the method for reconstructing a distorted image according to the present invention, in the sixth step, the distorted pixel value for each pixel in the n feature regions included in the distorted image data is converted to the original source through a designated decoding operation using the key value. and lossless restoration to the original pixel value for each pixel in the n feature regions included in the image data.
본 발명에 따른 왜곡 영상 복원 처리 방법에 있어서, 상기 제7 단계는, 상기 복원된 n개의 특징 영역을 포함하는 영상 데이터의 픽셀 정보 중 상기 n개의 특징 영역의 왜곡하던 시점의 픽셀 정보와 동일한 픽셀 정보를 동일한 코드생성모듈에 동일한 방식으로 적용하여 지정된 코드 값을 생성하는 단계를 포함하여 이루어지는 것을 특징으로 한다.In the method for reconstructing a distorted image according to the present invention, the seventh step includes the same pixel information as pixel information at a point in time when the n feature areas were distorted among pixel information of the image data including the restored n feature areas. is applied to the same code generation module in the same manner to generate a designated code value.
본 발명에 따르면, 카메라모듈을 통해 생성된 영상 데이터를 판독하여 지정된 왜곡 대상을 포함하는 적어도 하나의 지정된 특징 영역을 기 설정된 기준 품질 이상의 고품질로 인식한 경우에 상기 영상 데이터의 인식된 특징 영역을 왜곡할 영역으로 자동 판정하는 이점과, 상기 영상 데이터의 인식된 특징 영역을 비정형 복원 방식(예컨대, 초해상도(Super Resolution) 기술이나 인공지능 기반 복원 기술 등)을 통해서는 기 설정된 기준 품질 이상의 품질 수준으로 복원되지 않게 왜곡하는 지정된 엔코딩 연산을 통해 선택적 왜곡하여 최소의 비용으로 사생활 침해의 소지를 원천 차단하는 이점과, 상기 영상 데이터의 왜곡된 특징 영역의 복원이 필요한 경우 카메라모듈을 통해 생성된 원본과의 동일성을 검증 가능하게 복원하는 이점이 있다.According to the present invention, when the image data generated through the camera module is read and at least one designated feature region including the designated distortion target is recognized as high quality higher than or equal to a preset reference quality, the recognized feature region of the image data is distorted. With the advantage of automatically determining the area to be processed, and the atypical restoration method (eg, super resolution technology or artificial intelligence-based restoration technology, etc.), the recognized feature region of the image data is reduced to a quality level higher than the preset standard quality. The advantage of selectively distorting through a designated encoding operation that distorts so as not to be restored to prevent the possibility of invasion of privacy at the minimum cost, and the original generated through the camera module when restoration of the distorted feature area of the image data is required There is an advantage of restoring the identity verifiably.
도 1은 본 발명의 실시 방법에 따라 영상을 왜곡 및 복원하는 시스템의 구성을 도시한 도면이다.
도 2는 본 발명의 실시 방법에 따라 영상을 왜곡하는 과정을 도시한 흐름도이다.
도 3은 본 발명의 실시 방법에 따라 왜곡된 영상을 복원하는 과정을 도시한 흐름도이다.1 is a diagram showing the configuration of a system for distorting and reconstructing an image according to an embodiment of the present invention.
2 is a flowchart illustrating a process of distorting an image according to an embodiment of the present invention.
3 is a flowchart illustrating a process of reconstructing a distorted image according to an embodiment of the present invention.
이하 첨부된 도면과 설명을 참조하여 본 발명의 바람직한 실시예에 대한 동작 원리를 상세히 설명한다. 다만, 하기에 도시되는 도면과 후술되는 설명은 본 발명의 특징을 효과적으로 설명하기 위한 여러 가지 방법 중에서 바람직한 실시 방법에 대한 것이며, 본 발명이 하기의 도면과 설명만으로 한정되는 것은 아니다.Hereinafter, the principle of operation of the preferred embodiment of the present invention will be described in detail with reference to the accompanying drawings and description. However, the drawings shown below and the following description are for preferred implementation methods among various methods for effectively explaining the features of the present invention, and the present invention is not limited only to the following drawings and description.
즉, 하기의 실시예는 본 발명의 수 많은 실시예 중에 바람직한 합집합 형태의 실시예에 해당하며, 하기의 실시예에서 특정 구성(또는 단계)을 생략하는 실시예, 또는 특정 구성(또는 단계)에 구현된 기능을 특정 구성(또는 단계)으로 분할하는 실시예, 또는 둘 이상의 구성(또는 단계)에 구현된 기능을 어느 하나의 구성(또는 단계)에 통합하는 실시예, 특정 구성(또는 단계)의 동작 순서를 교체하는 실시예 등은, 하기의 실시예에서 별도로 언급하지 않더라도 모두 본 발명의 권리범위에 속함을 명백하게 밝혀두는 바이다. 따라서 하기의 실시예를 기준으로 부분집합 또는 여집합에 해당하는 다양한 실시예들이 본 발명의 출원일을 소급받아 분할될 수 있음을 분명하게 명기하는 바이다.That is, the following embodiment corresponds to an embodiment of a preferred union type among numerous embodiments of the present invention, and an embodiment in which a specific configuration (or step) is omitted in the following embodiment, or a specific configuration (or step) An embodiment in which the implemented function is divided into a specific configuration (or step), or an embodiment in which the function implemented in two or more configurations (or step) is integrated into any one configuration (or step), of a specific configuration (or step) Embodiments in which the order of operation is replaced, etc. are clearly stated to be within the scope of the present invention, even if not separately mentioned in the following embodiments. Therefore, it is clearly specified that various embodiments corresponding to a subset or a complement can be divided retroactively from the filing date of the present invention based on the following examples.
또한, 하기에서 본 발명을 설명함에 있어 관련된 공지 기능 또는 구성에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명을 생략할 것이다. 그리고 후술되는 용어들은 본 발명에서의 기능을 고려하여 정의된 용어들로서, 이는 사용자, 운용자의 의도 또는 관례 등에 따라 달라질 수 있다. 그러므로 그 정의는 본 발명에서 전반에 걸친 내용을 토대로 내려져야 할 것이다. In addition, in the following description of the present invention, if it is determined that a detailed description of a related known function or configuration may unnecessarily obscure the gist of the present invention, the detailed description thereof will be omitted. And the terms to be described later are terms defined in consideration of functions in the present invention, which may vary according to the intention or custom of the user or operator. Therefore, the definition should be made based on the content throughout the present invention.
결과적으로, 본 발명의 기술적 사상은 청구범위에 의해 결정되며, 이하 실시예는 진보적인 본 발명의 기술적 사상을 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 효율적으로 설명하기 위한 일 수단일 뿐이다.As a result, the technical spirit of the present invention is determined by the claims, and the following examples are one means for efficiently explaining the technical spirit of the present invention to those of ordinary skill in the art to which the present invention belongs. only
도면1은 본 발명의 실시 방법에 따라 영상을 왜곡 및 복원하는 시스템의 구성을 도시한 도면이다. 1 is a diagram showing the configuration of a system for distorting and reconstructing an image according to an embodiment of the present invention.
보다 상세하게 본 도면1은 카메라모듈(180)을 통해 생성된 영상 데이터를 판독하여 적어도 하나의 지정된 특징 영역을 기 설정된 기준 품질 이상의 고품질로 인식한 경우 상기 인식된 특징 영역이 비정형 복원 방식을 통해서는 복원되지 않게 지정된 엔코딩 연산을 통해 선택적 왜곡하되 상기 왜곡된 특징 영역의 복원이 필요한 경우 카메라모듈(180)을 통해 생성된 원본과의 동일성을 검증 가능하게 복원하는 시스템의 구성을 도시한 것으로서, 본 발명이 속한 기술분야에서 통상의 지식을 가진 자라면, 본 도면1을 참조 및/또는 변형하여 상기 시스템에 대한 다양한 실시 방법(예컨대, 일부 구성부가 생략되거나, 또는 세분화되거나, 또는 합쳐진 실시 방법)을 유추할 수 있을 것이나, 본 발명은 상기 유추되는 모든 실시 방법을 포함하여 이루어지며, 본 도면1에 도시된 실시 방법만으로 그 기술적 특징이 한정되지 아니한다.In more detail, FIG. 1 shows that when the image data generated by the camera module 180 is read and at least one designated feature region is recognized as having a high quality higher than or equal to a preset reference quality, the recognized feature region is converted to an atypical restoration method. The present invention shows the configuration of a system that selectively distorts through a designated encoding operation not to be restored, but restores the identity of the original generated through the camera module 180 in a verifiable way when restoration of the distorted feature region is required. Those of ordinary skill in the art can infer various implementation methods (eg, some components omitted, subdivided, or combined implementation methods) for the system by referencing and/or modifying this figure 1 However, the present invention is made including all the implementation methods inferred above, and the technical characteristics are not limited only to the implementation method shown in FIG. 1 .
본 발명의 시스템은, 지정된 피사체를 촬영한 원본 영상 데이터를 생성하는 카메라모듈(180)과, 상기 카메라모듈(180)을 통해 생성된 원본 영상 데이터를 확인하고 판독하여 적어도 하나의 지정된 특징 영역을 기 설정된 기준 품질 이상의 고품질로 인식한 경우 상기 인식된 특징 영역이 비정형 복원 방식을 통해서는 복원되지 않게 지정된 엔코딩 연산을 통해 선택적 왜곡하되 상기 왜곡된 특징 영역의 복원이 필요한 경우 카메라모듈(180)을 통해 생성된 원본과의 동일성을 검증 가능하게 복원하는 프로그램(105)을 구비(또는 구동)한 장치(100)를 포함하여 이루어진다. The system of the present invention includes a camera module 180 that generates original image data photographing a designated subject, and checks and reads original image data generated through the camera module 180 to write at least one designated feature area. When it is recognized as high quality above the set reference quality, the recognized feature region is selectively distorted through a designated encoding operation so that it is not restored through the atypical restoration method, but when restoration of the distorted feature region is required, the camera module 180 is generated and a device 100 having (or driving) a program 105 that restores the identity with the original original in a verifiable way.
본 발명의 시스템에 대한 제1 실시예에 따르면, 상기 시스템은 상기 프로그램(105)을 구동한 장치(100)와 상기 카메라모듈(180)이 분리되어 지정된 인터페이스수단이나 통신망을 통해 연동하는 연동형 시스템을 포함할 수 있다. 예를들어, 상기 카메라모듈(180)은 지정된 거점의 내부 또는 외부 또는 지정된 위치에 구비된 고정형 카메라(예컨대, CCTV(Closed Circuit Television) 카메라 등)를 포함하고 상기 장치(100)는 지정된 인터페이스수단을 통해 상기 고정형 카메라와 연결되어 상기 프로그램(105)을 구동한 관리장치(100) 또는 통신망을 통해 상기 고정형 카메라와 연동하며 상기 프로그램(105)을 구동한 관리서버를 포함할 수 있다. 또는 상기 카메라모듈(180)은 사용자의 무선단말(예컨대, 스마트폰, 태블릿PC, 휴대폰 등)에 구비된 카메라를 포함하고, 상기 장치(100)는 통신망을 통해 상기 무선단말과 연동하며 상기 프로그램(105)을 구동한 관리서버를 포함할 수 있다. 또는 상기 카메라모듈(180)은 사용자의 차량에 구비된 차량용 카메라(예컨대, 블랙박스에 구비된 카메라 등)를 포함하고, 상기 장치(100)는 통신망을 통해 상기 차량용 카메라와 상기 프로그램(105)을 구동한 관리서버를 포함할 수 있다. 한편 본 발명의 연동형 시스템의 실시예는 상기 예시된 실시예로 한정되는 것은 아니며, 상기 카메라모듈(180)과 장치(100)가 분리되어 지정된 인터페이스수단이나 통신망을 통해 연동하는 모든 실시예를 본 발명의 권리범위로 포함함을 명백하게 밝혀두는 바이다. According to the first embodiment of the system of the present invention, the system is an interlocking system in which the device 100 that has driven the program 105 and the camera module 180 are separated and interlocked through a designated interface means or communication network. may include. For example, the camera module 180 includes a fixed camera (eg, CCTV (Closed Circuit Television) camera, etc.) provided at a designated location or inside or outside a designated base, and the device 100 includes a designated interface means. It may include a management device 100 that is connected to the fixed camera through the driving the program 105 or a management server that operates the program 105 while interworking with the fixed camera through a communication network. Alternatively, the camera module 180 includes a camera provided in the user's wireless terminal (eg, smart phone, tablet PC, mobile phone, etc.), and the device 100 interworks with the wireless terminal through a communication network, and the program ( 105) may include a management server driven. Alternatively, the camera module 180 includes a vehicle camera (eg, a camera provided in a black box, etc.) provided in the user's vehicle, and the device 100 communicates the vehicle camera and the program 105 through a communication network. It may include a running management server. On the other hand, the embodiment of the interlocking system of the present invention is not limited to the above-described embodiment, and all embodiments in which the camera module 180 and the device 100 are separated and interlocked through a designated interface means or communication network have been seen. It is clearly stated that it is included in the scope of the invention.
본 발명의 시스템에 대한 제2 실시예에 따르면, 상기 시스템은 상기 프로그램(105)을 구동한 장치(100)에 상기 카메라모듈(180)을 구비한 일체형 시스템을 포함할 수 있다. 예를들어, 상기 장치(100)는 지정된 거점의 내부 또는 외부 또는 지정된 위치에 구비되며 상기 카메라모듈(180)을 내장하고 상기 프로그램(105)을 구동한 고정형 카메라장치(100)를 포함할 수 있다. 또는 상기 장치(100)는 상기 카메라모듈(180)을 내장하고 상기 프로그램(105)을 구동한 사용자 무선단말을 포함할 수 있다. 또는 상기 장치(100)는 상기 카메라모듈(180)을 내장하고 상기 프로그램(105)을 구동한 차량용 카메라장치(100)(예컨대, 카메라를 구비한 블랙박스 등)를 포함할 수 있다. 한편 본 발명의 일체형 시스템의 실시예는 상기 예시된 실시예로 한정되는 것은 아니며, 상기 프로그램(105)을 구동한 장치(100)에 상기 카메라모듈(180)을 구비하는 모든 실시예를 본 발명의 권리범위로 포함함을 명백하게 밝혀두는 바이다. According to the second embodiment of the system of the present invention, the system may include an integrated system including the camera module 180 in the device 100 running the program 105 . For example, the device 100 may include a fixed camera device 100 provided inside or outside a designated base or at a designated location, the camera module 180 is built in, and the program 105 is driven. . Alternatively, the device 100 may include a user wireless terminal in which the camera module 180 is embedded and the program 105 is driven. Alternatively, the device 100 may include a vehicle camera device 100 (eg, a black box equipped with a camera, etc.) in which the camera module 180 is embedded and the program 105 is driven. On the other hand, the embodiment of the integrated system of the present invention is not limited to the above-described embodiment, and all embodiments including the camera module 180 in the device 100 driving the program 105 are described in the present invention. It is clearly stated that it is included in the scope of rights.
본 발명의 시스템에 대한 제3 실시예에 따르면, 상기 시스템은 상기 카메라모듈(180)을 구비한 장치(100)를 통해 상기 프로그램(105)의 일부 기능이 실행되고 상기 장치(100)와 지정된 인터페이스수단이나 통신망을 통해 연동하는 별도의 장치(100)를 통해 상기 프로그램(105)의 다른 일부 기능이 실행되는 분산형 시스템을 포함할 수 있다. 예를들어, 상기 장치(100)는 지정된 거점의 내부 또는 외부 또는 지정된 위치에 구비되며 상기 카메라모듈(180)을 내장하거나 연동하고 상기 프로그램(105)의 일부 기능을 실행하는 애플리케이션을 구동한 고정형 카메라장치(100)를 포함할 수 있으며, 상기 고정형 카메라장치(100)는 통신망을 통해 상기 프로그램(105)의 다른 일부 기능을 실행하는 애플리케이션을 구동한 관리서버에 대응하는 장치(100)와 연동할 수 있다. 또는 상기 장치(100)는 상기 카메라모듈(180)을 내장하고 상기 프로그램(105)의 일부 기능을 실행하는 애플리케이션을 구동한 사용자 무선단말을 포함할 수 있으며, 상기 사용자 무선단말은 통신망을 통해 상기 프로그램(105)의 다른 일부 기능을 실행하는 애플리케이션을 구동한 관리서버에 대응하는 장치(100)와 연동할 수 있다. 또는 상기 장치(100)는 상기 카메라모듈(180)을 내장하고 상기 프로그램(105)의 일부 기능을 실행하는 애플리케이션을 구동한 차량용 카메라장치(100)를 포함할 수 있으며, 상기 차량용 카메라장치(100)는 통신망을 통해 상기 프로그램(105)의 다른 일부 기능을 실행하는 애플리케이션을 구동한 관리서버에 대응하는 장치(100)와 연동할 수 있다. 한편 본 발명의 분산형 시스템의 실시예는 상기 예시된 실시예로 한정되는 것은 아니며, 상기 프로그램(105)이 둘 이상의 장치(100)를 통해 분산 실시되는 모든 실시예를 본 발명의 권리범위로 포함함을 명백하게 밝혀두는 바이다. According to a third embodiment of the system of the present invention, the system executes some functions of the program 105 through the device 100 including the camera module 180 and provides an interface designated with the device 100 . It may include a distributed system in which some other functions of the program 105 are executed through a separate device 100 that interworks through means or a communication network. For example, the device 100 is a fixed camera that is provided inside or outside a designated base or at a designated location and drives an application that embeds or interworks the camera module 180 and executes some functions of the program 105 . The device 100 may be included, and the fixed camera device 100 may interwork with the device 100 corresponding to a management server running an application that executes some other functions of the program 105 through a communication network. have. Alternatively, the device 100 may include a user wireless terminal in which the camera module 180 is embedded and an application executing some functions of the program 105 is driven, and the user wireless terminal may include the program through a communication network. It is possible to interwork with the device 100 corresponding to the management server running the application executing some other functions of (105). Alternatively, the device 100 may include a vehicle camera device 100 in which the camera module 180 is embedded and an application for executing some functions of the program 105 is driven, and the vehicle camera device 100 . may interwork with the device 100 corresponding to the management server running the application executing some other functions of the program 105 through the communication network. On the other hand, the embodiment of the distributed system of the present invention is not limited to the illustrated embodiment, and all embodiments in which the program 105 is distributed through two or more devices 100 are included within the scope of the present invention. It is clearly stated that
도면1을 참조하면, 상기 장치(100)의 프로그램(105)은, 상기 카메라모듈(180)을 통해 생성된 원본 영상 데이터를 확인하는 영상 확인부(110)를 포함한다. Referring to FIG. 1 , the program 105 of the device 100 includes an image check unit 110 that checks the original image data generated through the camera module 180 .
상기 카메라모듈(180)은 렌즈를 통해 들어온 빛을 디지털 신호로 변환한 이미지 데이터를 포함하는 영상 데이터를 생성하는 구성부(또는 구성부 집합)의 총칭으로서, 바람직하게 피사체에 의해 반사된 빛이 들어오는 하나 이상의 렌즈를 포함하는 렌즈부와, 상기 렌즈부를 통해 들어온 빛을 디지털 신호로 변환하여 이미지 데이터를 생성하는 이미지 센서부와, 상기 렌즈부와 이미지 센서부 사이에서 초점 기능을 구현하는 액츄에이터부를 포함한다. 본 발명의 실시 방법에 따르면, 상기 카메라모듈(180)은 상기 프로그램(105)을 구동하는 장치(100)와 연동하는 카메라의 내부에 구비되거나 및/또는 상기 프로그램(105)(또는 프로그램(105)의 적어도 일부 기능)을 구동하는 장치(100)의 내부에 구비될 수 있다. The camera module 180 is a generic name of a component (or a set of components) that generates image data including image data obtained by converting light entering through a lens into a digital signal, and preferably receiving light reflected by a subject. It includes a lens unit including one or more lenses, an image sensor unit that converts light entered through the lens unit into a digital signal to generate image data, and an actuator unit that implements a focus function between the lens unit and the image sensor unit . According to the embodiment of the present invention, the camera module 180 is provided inside a camera that interworks with the device 100 for driving the program 105 and/or the program 105 (or the program 105). at least some functions of) may be provided inside the device 100 .
상기 영상 확인부(110)는 상기 카메라모듈(180)의 이미지 센서부를 통해 생성된 이미지 데이터 중에서 선택된 특정 이미지(또는 단위 시간 당 지정된 개수 단위로 생성된 복수의 이미지 데이터)를 포함하는 원본 영상 데이터를 수신하거나 획득하여 지정된 메모리영역(예컨대, 버퍼 메모리 등)에 보관하도록 처리한다. The image check unit 110 receives original image data including a specific image (or a plurality of image data generated in units of a specified number per unit time) selected from image data generated through the image sensor unit of the camera module 180 . It receives or acquires and processes it to be stored in a designated memory area (eg, buffer memory, etc.).
도면1을 참조하면, 상기 장치(100)의 프로그램(105)은, 지정된 특징인식모듈을 통해 상기 원본 영상 데이터를 판독하여 상기 원본 영상 데이터에 포함된 지정된 왜곡 대상에 대응하는 지정된 N(N≥1)개의 특징 영역에 대한 지정된 인식을 시도하는 절차를 수행하는 인식 처리부(115)를 포함하며, 상기 특징인식모듈이 지정된 인공지능알고리즘을 포함하는 인공지능모듈을 포함하는 경우 지정된 인공지능 기반의 학습(Learning) 과정을 통해 지정된 영상 데이터에 포함된 N개의 특징 영역을 인식하기 위한 학습 절차를 수행하는 학습 관리부(120)를 포함한다. Referring to FIG. 1 , the program 105 of the device 100 reads the original image data through a specified feature recognition module, and a specified N (N≥1) corresponding to a specified distortion target included in the original image data. ) a recognition processing unit 115 that performs a procedure for attempting a specified recognition of a characteristic area, and when the feature recognition module includes an artificial intelligence module including a specified artificial intelligence algorithm, the specified AI-based learning ( Learning) includes a learning management unit 120 that performs a learning procedure for recognizing the N feature regions included in the specified image data through the process.
상기 영상 확인부(110)가 상기 카메라모듈(180)을 통해 생성된 원본 영상 데이터를 수신 또는 획득하여 지정된 메모리영역에 보관한 경우, 상기 인식 처리부(115)는 지정된 특징인식모듈을 통해 상기 메모리영역에 보관된 원본 영상 데이터의 각 이미지 데이터 별로 판독하여 상기 원본 영상 데이터에 포함된 지정된 왜곡 대상에 대응하는 지정된 N개의 특징 영역을 지정된 품질 수준으로 인식 시도하는 절차를 수행한다. 바람직하게, 상기 인식 처리부(115)는 지정된 특징인식모듈을 통해 상기 원본 영상 데이터를 판독하여 상기 원본 영상 데이터에 포함된 지정된 왜곡 대상에 대응하는 지정된 N개의 특징 영역을 기 설정된 기준 품질 이상의 고품질로 인식 시도하는 절차를 수행할 수 있다. When the image confirmation unit 110 receives or acquires the original image data generated through the camera module 180 and stores it in a designated memory area, the recognition processing unit 115 is configured to perform the recognition processing unit 115 in the memory area through a designated feature recognition module. A procedure of attempting to recognize N specified feature regions corresponding to a specified distortion target included in the original image data as a specified quality level is performed by reading each image data of the original image data stored in the . Preferably, the recognition processing unit 115 reads the original image data through a specified feature recognition module and recognizes the N specified feature regions corresponding to the specified distortion target included in the original image data as high quality above a preset reference quality. You can try the procedure.
본 발명의 실시 방법에 따르면, 상기 특징인식모듈은 지정된 영상 데이터에 포함된 지정된 왜곡 대상을 인식하는 지정된 패턴인식알고리즘을 포함하는 패턴인식모듈을 포함하거나, 또는 지정된 영상 데이터에 포함된 지정된 왜곡 대상에 대응하는 N개의 특징 영역을 지정된 품질 수준 또는 기 설정된 기준 품질 이상의 고품질로 인식하는 지정된 인공지능알고리즘을 포함하는 인공지능모듈을 포함할 수 있다. 한편 본 발명의 실시 방법에 따르면, 패턴인식모듈을 통해 지정된 왜곡 대상을 인식한 경우 상기 패턴인식모듈을 통해 인식된 왜곡 대상의 인식 품질이 지정된 품질 수준 또는 기 설정된 기준 품질 이상의 고품질인지 판독하여 판별하는 절차를 수행해야 하는 반면, 상기 인공지능모듈을 통해 지정된 왜곡 대상을 인식할 경우 지정된 품질 수준 또는 기 설정된 기준 품질 이상의 고품질에 대응하는 N개의 특징 영역을 선택적(또는 지능적)으로 인식할 수 있다.According to an embodiment of the present invention, the feature recognition module includes a pattern recognition module including a designated pattern recognition algorithm for recognizing a designated distortion target included in the designated image data, or a designated distortion target included in the designated image data. It may include an artificial intelligence module including a designated artificial intelligence algorithm for recognizing the corresponding N feature areas as a specified quality level or a high quality higher than a preset reference quality. On the other hand, according to the implementation method of the present invention, when the specified distortion target is recognized through the pattern recognition module, the recognition quality of the distortion target recognized through the pattern recognition module is read and determined whether the quality is higher than the specified quality level or a preset reference quality On the other hand, when a specified distortion target is recognized through the artificial intelligence module, N feature regions corresponding to a specified quality level or high quality above a preset reference quality can be selectively (or intelligently) recognized.
상기 특징인식모듈이 지정된 인공지능알고리즘을 포함하는 인공지능모듈을 포함하는 경우, 상기 학습 관리부(120)는 지정된 영상 데이터에 포함된 N개의 특징 영역을 지정된 품질 수준 또는 기 설정된 기준 품질 이상의 고품질로 인식 시도하는 절차를 수행하기 위해 지정된 인공지능 기반의 학습 과정을 통해 지정된 영상 데이터에 포함된 N개의 특징 영역을 인식하기 위한 학습 절차를 수행할 있다. 바람직하게, 상기 학습 관리부(120)는 지정된 인공지능 기반의 지도 학습(Supervised Learning) 과정을 통해 지정된 왜곡 대상을 포함하는 영상 데이터의 특징 정보를 입력변수(Feature Vectors)로 설정하고 상기 영상 데이터 내에 왜곡 대상의 존재 여부 또는 상기 영상 데이터 내에 존재하는 왜곡 대상의 인식 품질 상태를 출력변수(Label)로 설정하여 상기 인공지능모듈을 학습시키는 절차를 수행할 수 있다. When the feature recognition module includes an artificial intelligence module including a designated artificial intelligence algorithm, the learning management unit 120 recognizes the N feature regions included in the designated image data as a designated quality level or higher quality than a preset reference quality. In order to perform the trial procedure, a learning procedure for recognizing N feature regions included in the specified image data may be performed through a specified AI-based learning process. Preferably, the learning management unit 120 sets feature information of image data including a specified distortion target through a specified artificial intelligence-based supervised learning process as input variables (Feature Vectors) and distorts the image data. A procedure of learning the artificial intelligence module may be performed by setting the presence or absence of an object or a recognition quality state of a distortion object existing in the image data as an output variable (Label).
본 발명의 실시 방법에 따르면, 상기 왜곡 대상은 원본 영상 데이터에 포함된 사람의 안면 영역이나 사람의 지정된 형체 영역, 원본 영상 데이터에 포함된 신분증 영역, 원본 영상 데이터에 포함된 사람의 손가락 지문 영역, 원본 영상 데이터에 포함된 사람의 눈 중 홍채 영역, 원본 영상 데이터에 포함된 문자열 영역 중 개인 식별 관련 문자열 영역(예컨대, 사용자의 주민등록번호, 휴대폰번호, 계좌번호, 카드번호 등과 같이 노출되거나 탈취될 경우 개인을 식별하여 금전적/물질적 피해가 발생할 개연성이 존재하는 모든 문자열 영역) 중 적어도 하나를 포함할 수 있다. 한편 본 발명의 왜곡 대상은 상기 예시된 실시예로 한정되는 것은 아니며, 예를들어 사생활 보호의 필요가 있는 각종 신체부위 영역(예컨대, 성기 노출 부위 등), 범죄 도구(예컨대, 범죄에 사용된 칼 등), 혐오 물건(예컨대, 변, 토사물 등), 사체, 혐오 상징물(예컨대, 욱일기, 욱일기 문양 등) 등을 비롯하여 사생활 보호나 노출 차단이 필요한 모든 대상을 포함할 수 있다. According to the embodiment of the present invention, the distortion target includes a face region or a designated shape region of a person included in the original image data, an ID region included in the original image data, a fingerprint region of a person included in the original image data, The iris area of the human eye included in the original image data and the character string area related to personal identification among the string area included in the original image data (eg, when exposed or stolen, such as the user's resident registration number, mobile phone number, account number, card number, etc.) may include at least one of all character string regions in which there is a possibility that financial/material damage may occur by identifying . On the other hand, the object of distortion of the present invention is not limited to the above-described embodiment, for example, various body part areas that need privacy protection (eg, genital exposed parts, etc.), criminal tools (eg, a knife used in crime) etc.), hate objects (eg, feces, vomit, etc.), corpses, and hate symbols (eg, the rising sun flag, the rising sun flag pattern, etc.), and all objects that require privacy protection or exposure blocking.
도면1을 참조하면, 상기 장치(100)의 프로그램(105)은, 상기 특징인식모듈을 통해 상기 원본 영상 데이터에 포함된 지정된 n(1≤n≤N)개의 특징 영역이 기 설정된 기준 품질 이상의 고품질로 인식되는지 확인하는 인식 확인부(125)와, 상기 원본 영상 데이터에 포함된 n개의 특징 영역을 기 설정된 기준 품질 이상의 고품질로 인식한 경우 상기 원본 영상 데이터에 일대일 매칭되며 상기 인식된 n개의 특징 영역의 경계를 포함하는 특징 맵(Feature Map) 데이터를 생성하는 특징 맵 생성부(130)와, 상기 원본 영상 데이터의 지정된 픽셀 정보를 지정된 코드생성모듈에 지정된 방식으로 적용하여 지정된 코드 값을 생성하는 코드 생성부(135)와, 지정된 키 값을 생성(또는 확인)하는 키 확인부(140)와, 상기 키 값을 이용한 지정된 엔코딩 연산을 통해 상기 원본 영상 데이터의 영역 중 상기 특징 맵 데이터에 대응하는 n개의 특징 영역을 선택적 왜곡시켜 왜곡된 영상 데이터를 생성하는 왜곡 처리부(145)와, 상기 왜곡된 영상 데이터를 지정된 미디어매체에 저장하도록 처리하고 상기 왜곡된 영상 데이터에 대응하는 특징 맵 데이터와 코드 값을 지정된 저장매체에 저장하도록 처리하는 저장 처리부(150)를 포함하며, 상기 왜곡된 영상 데이터를 지정된 출력수단을 통해 출력하도록 처리하는 출력 처리부(155)를 포함한다. 1, the program 105 of the device 100, through the feature recognition module, specified n (1≤n≤N) number of feature regions included in the original image data are of high quality above a preset reference quality. a recognition check unit 125 for confirming whether or not the original image data is recognized as n feature regions included in the original image data as high quality above a preset reference quality, one-to-one matching with the original image data and the recognized n feature regions a code for generating a specified code value by applying the specified pixel information of the original image data to a specified code generation module in a specified manner, the feature map generating unit 130 generating feature map data including the boundary of n corresponding to the feature map data in the region of the original image data through a generation unit 135, a key verification unit 140 generating (or confirming) a specified key value, and a specified encoding operation using the key value A distortion processing unit 145 that selectively distorts the feature regions to generate distorted image data, processes the distorted image data to be stored in a designated media medium, and generates feature map data and code values corresponding to the distorted image data. and a storage processing unit 150 for processing to be stored in a specified storage medium, and an output processing unit 155 for processing to output the distorted image data through a specified output means.
상기 인식 처리부(115)가 지정된 특징인식모듈을 통해 상기 원본 영상 데이터에 포함된 지정된 왜곡 대상에 대응하는 N개의 특징 영역의 인식을 시도한 경우, 상기 인식 확인부(125)는 상기 특징인식모듈을 통해 상기 원본 영상 데이터에 포함된 지정된 n개의 특징 영역이 기 설정된 기준 품질 이상의 고품질로 인식되는지 확인한다. 만약 상기 인식 처리부(115)가 패턴인식모듈을 통해 상기 원본 영상 데이터에 포함된 지정된 왜곡 대상을 인식 시도한 경우, 상기 인식 확인부(125)는 상기 패턴인식모듈을 통해 인식된 왜곡 대상의 인식 품질을 판독하여 기 설정된 기준 품질 이상의 고품질로 인식되었는지 판별할 수 있다. 한편 상기 인식 처리부(115)가 상기 학습 관리부(120)를 통해 학습된 인공지능모듈을 통해 상기 원본 영상 데이터에 포함된 지정된 왜곡 대상을 인식 시도한 경우, 상기 인식 확인부(125)는 상기 인공지능모듈을 통해 적어도 하나의 특징 영역이 인식된 경우 별도의 판독 과정이 없이 상기 원본 영상 데이터에 포함된 지정된 n개의 특징 영역이 기 설정된 기준 품질 이상의 고품질로 인식된 것으로 자동 확인할 수 있다. When the recognition processing unit 115 attempts to recognize N feature regions corresponding to the specified distortion target included in the original image data through the specified feature recognition module, the recognition confirmation unit 125 uses the feature recognition module It is checked whether the specified n feature regions included in the original image data are recognized as having a higher quality than a preset reference quality. If the recognition processing unit 115 attempts to recognize the specified distortion target included in the original image data through the pattern recognition module, the recognition confirmation unit 125 determines the recognition quality of the distortion target recognized through the pattern recognition module. It can be determined whether the quality is recognized as higher than a preset standard quality by reading. On the other hand, when the recognition processing unit 115 attempts to recognize the specified distortion target included in the original image data through the artificial intelligence module learned through the learning management unit 120, the recognition confirmation unit 125 is the artificial intelligence module When at least one feature region is recognized through , it can be automatically confirmed that the specified n feature regions included in the original image data are recognized as having a high quality higher than or equal to a preset reference quality without a separate reading process.
본 발명의 실시 방법에 따르면, 상기 기준 품질 이상의 고품질은 지정된 왜곡 대상에 대응하는 피사체를 통해 인식 가능한 F(F≥3)개의 특징 점 중 상기 왜곡 대상에 대응하는 피사체를 고유하게 식별 인식 가능한 특징 점의 조합이나 특정 점의 개수에 대응하는 f(3≤f≤F)개의 특징 점을 유효 인식 가능한 품질 수준을 포함할 수 있다. According to the implementation method of the present invention, the high quality above the reference quality is a characteristic point that can uniquely identify and recognize the subject corresponding to the distortion target among F (F≥3) characteristic points that can be recognized through the subject corresponding to the specified distortion target. f(3≤f≤F) feature points corresponding to a combination of , or a specific number of points may include effective recognizable quality levels.
만약 상기 인식 처리부(115)를 통해 상기 원본 영상 데이터에 포함된 지정된 왜곡 대상에 대응하는 n개의 특징 영역이 인식되지 않거나 기 설정된 기준 품질 미만의 저품질로 인식된 경우, 상기 저장 처리부(150)는 상기 원본 영상 데이터를 지정된 미디어매체에 그대로 저장하도록 처리한다. If n feature regions corresponding to the specified distortion target included in the original image data are not recognized through the recognition processing unit 115 or are recognized as having a low quality lower than a preset reference quality, the storage processing unit 150 is The original image data is processed to be stored as it is in the designated media medium.
본 발명의 제1 원본 영상 저장 실시예에 따르면, 지정된 미디어매체에 상기 원본 영상 데이터를 그대로 저장하는 경우, 상기 특징 맵 데이터는 상기 별도의 특징 맵 데이터를 생성하지 않으며, 상기 코드 생성부(135)도 상기 원본 영상 데이터와 관련된 코드 값을 생성하지 않을 수 있다. 이 경우 상기 저장 처리부(150)는 지정된 저장매체에 별도의 특징 맵 데이터와 코드 값을 저장하지 않아도 무방하다. According to the first original image storage embodiment of the present invention, when the original image data is stored as it is in a designated media medium, the feature map data does not generate the separate feature map data, and the code generator 135 Also, a code value related to the original image data may not be generated. In this case, the storage processing unit 150 does not need to store separate feature map data and code values in a designated storage medium.
본 발명의 제2 원본 영상 저장 실시예에 따르면, 지정된 미디어매체에 상기 원본 영상 데이터를 그대로 저장하는 경우, 상기 특징 맵 데이터는 상기 별도의 특징 맵 데이터를 생성하지 않고, 상기 코드 생성부(135)도 상기 원본 영상 데이터와 관련된 코드 값을 생성하지 않을 수 있으나, 상기 저장 처리부(150)는 상기 미디어매체에 왜곡된 영상 데이터를 저장하는 경우와의 정보 저장 연속성(또는 연관성)을 유지하기 위해 널(NULL) 값을 포함하는 특징 맵 데이터와 널(NULL) 값을 포함하는 코드 값을 상기 원본 영상 데이터에 연계시켜 지정된 저장매체에 저장하도록 처리할 수 있다.According to the second original image storage embodiment of the present invention, when the original image data is stored in a designated media medium as it is, the feature map data does not generate the separate feature map data, and the code generating unit 135 Also, the code value related to the original image data may not be generated, but the storage processing unit 150 is null (or related) to maintain information storage continuity (or association) with the case of storing the distorted image data in the media medium. The feature map data including the NULL) value and the code value including the null value may be linked to the original image data and stored in a designated storage medium.
본 발명의 제3 원본 영상 저장 실시예에 따르면, 지정된 미디어매체에 상기 원본 영상 데이터를 그대로 저장하는 경우, 상기 특징 맵 데이터는 상기 별도의 특징 맵 데이터를 생성하지 않으나, 상기 코드 생성부(135)의 경우 상기 원본 영상 데이터의 원본 인증을 위해 상기 원본 영상 데이터의 지정된 픽셀 정보를 지정된 코드생성모듈에 지정된 방식으로 적용하여 지정된 코드 값을 생성할 수 있다. 이 경우 상기 저장 처리부(150)는 널(NULL) 값을 포함하는 특징 맵 데이터와 상기 생성된 코드 값을 상기 원본 영상 데이터에 연계시켜 지정된 저장매체에 저장하도록 처리할 수 있다.According to the third original image storage embodiment of the present invention, when the original image data is stored in a designated media medium as it is, the feature map data does not generate the separate feature map data, but the code generator 135 In the case of , a specified code value may be generated by applying the specified pixel information of the original image data to a specified code generation module in a specified manner for authenticating the original image data. In this case, the storage processing unit 150 may process the feature map data including the null value and the generated code value to be linked to the original image data and stored in a designated storage medium.
본 발명의 실시 방법에 따르면, 상기 카메라모듈(180)을 통해 생성된 원본 영상 데이터 및/또는 상기 미디어매체에 저장된 원본 영상 데이터를 지정된 출력수단을 통해 출력하는 경우, 상기 출력 처리부(155)는 상기 출력수단을 통해 상기 원본 영상 데이터를 출력하도록 처리할 수 있다. According to the embodiment of the present invention, when the original image data generated by the camera module 180 and/or the original image data stored in the media medium are output through a specified output means, the output processing unit 155 is It may be processed to output the original image data through an output means.
한편 상기 인식 처리부(115)를 통해 상기 원본 영상 데이터에 포함된 n(1≤n≤N)개의 특징 영역을 기 설정된 기준 품질 이상의 고품질로 인식한 경우, 상기 특징 맵 생성부(130)는 상기 인식 처리부(115)를 통해 상기 원본 영상 데이터에 포함된 n개의 특징 영역을 인식한 결과를 근거로 상기 원본 영상 데이터에 일대일 매칭되며 상기 인식된 n개의 특징 영역의 경계를 포함하는 특징 맵 데이터를 생성한다. On the other hand, when the recognition processing unit 115 recognizes n (1≤n≤N) feature regions included in the original image data as high quality equal to or higher than a preset reference quality, the feature map generator 130 performs the recognition Based on the result of recognizing the n feature regions included in the original image data through the processing unit 115, one-to-one matching to the original image data and feature map data including boundaries of the recognized n feature regions is generated. .
본 발명의 제1 특징 맵 실시예에 따르면, 상기 특징 맵 생성부(130)는 상기 원본 영상 데이터의 해상도와 동일한 해상도를 포함하는 이미지 데이터 형태로 상기 인식된 n개의 특징 영역의 경계를 포함하는 특징 맵 데이터를 생성할 수 있다.According to the first feature map embodiment of the present invention, the feature map generator 130 includes the boundary of the recognized n feature regions in the form of image data having the same resolution as that of the original image data. You can create map data.
본 발명의 제2 특징 맵 실시예에 따르면, 상기 특징 맵 생성부(130)는 상기 인식된 n개의 특징 영역의 경계에 대응하는 픽셀 좌표값을 포함하는 특징 맵 데이터를 생성할 수 있다.According to the second feature map embodiment of the present invention, the feature map generator 130 may generate feature map data including pixel coordinate values corresponding to boundaries of the recognized n feature regions.
본 발명의 제3 특징 맵 실시예에 따르면, 상기 특징 맵 생성부(130)는 상기 인식된 n개의 특징 영역의 경계에 대응하는 벡터 값을 포함하는 특징 맵 데이터를 생성할 수 있다.According to the third feature map embodiment of the present invention, the feature map generator 130 may generate feature map data including vector values corresponding to boundaries of the recognized n feature regions.
본 발명의 제4 특징 맵 실시예에 따르면, 상기 특징 맵 생성부(130)는 상기 제1 내지 제3 특징 맵 실시예 중 둘 이상을 조합한 형태의 특징 맵 데이터를 생성할 수 있다.According to the fourth feature map embodiment of the present invention, the feature map generator 130 may generate feature map data in a form in which two or more of the first to third feature map embodiments are combined.
한편 상기 인식 처리부(115)를 통해 상기 원본 영상 데이터에 포함된 n개의 특징 영역을 기 설정된 기준 품질 이상의 고품질로 인식한 경우, 상기 코드 생성부(135)는 상기 원본 영상 데이터의 지정된 픽셀 정보를 지정된 코드생성모듈에 지정된 방식으로 적용하여 지정된 코드 구조의 코드 값을 생성한다. On the other hand, when the recognition processing unit 115 recognizes the n feature regions included in the original image data as high quality higher than or equal to a preset reference quality, the code generator 135 sets the specified pixel information of the original image data to a designated level. Generates a code value of the specified code structure by applying it to the code generation module in the specified way.
본 발명의 실시 방법에 따르면, 상기 코드생성모듈은 일방향 함수에 대응하는 해시알고리즘을 포함하며, 상기 코드 생성부(135)는 상기 원본 영상 데이터의 지정된 픽셀 정보를 상기 해시알고리즘에 지정된 방식으로 적용하여 지정된 코드 구조의 코드 값을 생성할 수 있다. According to the implementation method of the present invention, the code generation module includes a hash algorithm corresponding to a one-way function, and the code generation unit 135 applies the specified pixel information of the original image data in a specified manner to the hash algorithm. A code value of the specified code structure can be generated.
본 발명의 제1 코드 생성 실시예에 따르면, 상기 코드 생성부(135)는 상기 원본 영상 데이터의 전체 픽셀 영역에 대응하는 P(P≥2)개의 픽셀 값의 집합을 포함하는 픽셀 정보를 지정된 코드생성모듈에 지정된 방식으로 적용하여 지정된 코드 구조의 코드 값을 생성할 수 있다. According to the first code generating embodiment of the present invention, the code generating unit 135 generates pixel information including a set of P (P≥2) pixel values corresponding to the entire pixel area of the original image data as a designated code. It is possible to generate a code value of a specified code structure by applying it to the generation module in a specified way.
본 발명의 제2 코드 생성 실시예에 따르면, 상기 코드 생성부(135)는 상기 원본 영상 데이터의 전체 픽셀 영역에 대응하는 P(P≥2)개의 픽셀 값 중 상기 특징 영역을 포함하는 특정 픽셀 영역에 대응하는 p(2≤p≤P)개의 픽셀 값의 집합을 포함하는 픽셀 정보를 지정된 코드생성모듈에 지정된 방식으로 적용하여 지정된 코드 구조의 코드 값을 생성할 수 있다. According to the second code generation embodiment of the present invention, the code generator 135 is configured to generate a specific pixel area including the feature area among P (P≥2) pixel values corresponding to the entire pixel area of the original image data. A code value of a specified code structure may be generated by applying pixel information including a set of p (2≤p≤P) pixel values corresponding to , to a specified code generation module in a specified manner.
본 발명의 제3 코드 생성 실시예에 따르면, 상기 코드 생성부(135)는 상기 원본 영상 데이터의 전체 픽셀 영역을 지정된 블록 단위로 분할한 B(B≥2)개의 블록 별 픽셀 값의 집합을 포함하는 픽셀 정보를 지정된 코드생성모듈에 지정된 방식으로 적용하여 지정된 코드 구조의 코드 값을 생성할 수 있다. 여기서, 상기 블록 단위는 상기 코드생성모듈의 최고속 연산을 위해 설정된 블록 크기를 포함할 수 있다. 또는 상기 블록 단위는 상기 코드생성모듈의 연산을 수행하기 위해 할당된 버퍼 크기와 매칭되는 블록 크기를 포함할 수 있다.According to the third code generation embodiment of the present invention, the code generation unit 135 includes a set of pixel values for each B (B≥2) blocks obtained by dividing the entire pixel area of the original image data into designated blocks. It is possible to generate a code value of a specified code structure by applying pixel information to the specified code generation module in a specified manner. Here, the block unit may include a block size set for the fastest operation of the code generation module. Alternatively, the block unit may include a block size matching a buffer size allocated to perform the operation of the code generation module.
본 발명의 제4 코드 생성 실시예에 따르면, 상기 코드 생성부(135)는 상기 원본 영상 데이터의 전체 픽셀 영역 중 상기 특징 영역을 포함하는 특정 픽셀 영역을 지정된 블록 단위로 분할한 B(B≥2)개의 블록 별 픽셀 값의 집합을 포함하는 픽셀 정보를 지정된 코드생성모듈에 지정된 방식으로 적용하여 지정된 코드 구조의 코드 값을 생성할 수 있다. 여기서, 상기 블록 단위는 상기 코드생성모듈의 최고속 연산을 위해 설정된 블록 크기를 포함할 수 있다. 또는 상기 블록 단위는 상기 코드생성모듈의 연산을 수행하기 위해 할당된 버퍼 크기와 매칭되는 블록 크기를 포함할 수 있다.According to the fourth code generation embodiment of the present invention, the code generator 135 divides a specific pixel area including the feature area among all the pixel areas of the original image data into units of designated blocks (B ≥ 2). ) block-by-block pixel information including a set of pixel values can be applied to a designated code generation module in a designated manner to generate a code value of a designated code structure. Here, the block unit may include a block size set for the fastest operation of the code generation module. Alternatively, the block unit may include a block size matching a buffer size allocated to perform the operation of the code generation module.
본 발명의 제5 코드 생성 실시예에 따르면, 상기 코드 생성부(135)는 상기 제1 내지 제4 코드 생성 실시예 중 둘 이상의 코드 생성 실시예의 적어도 부분적 조합에 대응하는 픽셀 정보를 지정된 코드생성모듈에 지정된 방식으로 적용하여 지정된 코드 구조의 코드 값을 생성할 수 있다. According to a fifth code generation embodiment of the present invention, the code generation unit 135 is configured to generate pixel information corresponding to at least a partial combination of two or more code generation embodiments among the first to fourth code generation embodiments to a designated code generation module. can be applied in the specified way to generate a code value of the specified code structure.
한편 상기 인식 처리부(115)를 통해 상기 원본 영상 데이터에 포함된 n개의 특징 영역을 기 설정된 기준 품질 이상의 고품질로 인식한 경우, 상기 키 확인부(140)는 상기 n개의 특징 영역을 왜곡하기 위해 지정된 엔코딩 연산을 수행하기 위한 지정된 키 값을 생성(또는 확인)한다. On the other hand, when the recognition processing unit 115 recognizes the n feature regions included in the original image data as high quality higher than or equal to a preset reference quality, the key check unit 140 is configured to distort the n feature regions. Generates (or verifies) a specified key value for performing an encoding operation.
본 발명의 제1 키 확인 실시예에 따르면, 상기 키 확인부(140)는 상기 코드 생성부(135)를 통해 생성된 코드 값을 포함하는 하나 이상의 씨드 값을 지정된 키생성알고리즘에 적용하여 지정된 구조의 키 값을 생성할 수 있다. 본 발명의 실시 방법에 따르면, 상기 키생성알고리즘은 일방향 함수에 대응하는 해시알고리즘을 포함할 수 있며, 이 경우 상기 키 확인부(140)는 상기 코드 생성부(135)를 통해 생성된 코드 값을 포함하는 하나 이상의 씨드 값을 상기 해시알고리즘에 적용하여 지정된 구조의 키 값을 생성할 수 있다. 또는 상기 키생성알고리즘은 임의의 난수를 생성하는 난수알고리즘을 포함할 수 있며, 이 경우 상기 키 확인부(140)는 상기 코드 생성부(135)를 통해 생성된 코드 값을 포함하는 하나 이상의 씨드 값을 상기 난수알고리즘에 적용하여 지정된 구조의 키 값을 생성할 수 있다. According to the first key verification embodiment of the present invention, the key verification unit 140 applies one or more seed values including the code value generated through the code generation unit 135 to a specified key generation algorithm to have a specified structure. You can create a key value of According to the embodiment of the present invention, the key generation algorithm may include a hash algorithm corresponding to a one-way function. In this case, the key verification unit 140 determines the code value generated through the code generation unit 135. It is possible to generate a key value of a specified structure by applying one or more seed values included to the hash algorithm. Alternatively, the key generation algorithm may include a random number algorithm for generating a random number. In this case, the key verification unit 140 includes one or more seed values including the code value generated through the code generation unit 135 . can be applied to the random number algorithm to generate a key value of a specified structure.
본 발명의 제2 키 확인 실시예에 따르면, 상기 키 확인부(140)는 지정된 씨드 값(예컨대, 지정된 저장영역에 저장된 저장 값, 지정된 DB로부터 추출되는 추출 값, 지정된 데이터셋트를 가공하여 생성된 생성 값, 타이머를 통해 획득되는 시간 값 중 하나 이상의 씨드 값)을 지정된 키생성알고리즘에 적용하여 지정된 구조의 키 값을 생성할 수 있다. 본 발명의 실시 방법에 따르면, 상기 키생성알고리즘은 일방향 함수에 대응하는 해시알고리즘을 포함할 수 있며, 이 경우 상기 키 확인부(140)는 지정된 씨드 값을 포함하는 하나 이상의 씨드 값을 상기 해시알고리즘에 적용하여 지정된 구조의 키 값을 생성할 수 있다. 또는 상기 키생성알고리즘은 임의의 난수를 생성하는 난수알고리즘을 포함할 수 있며, 이 경우 상기 키 확인부(140)는 지정된 씨드 값을 상기 난수알고리즘에 적용하여 지정된 구조의 키 값을 생성할 수 있다. According to the second key verification embodiment of the present invention, the key verification unit 140 generates a specified seed value (eg, a stored value stored in a specified storage area, an extracted value extracted from a specified DB, and a specified data set by processing a specified data set). A key value of a specified structure can be generated by applying the generated value and one or more seed values among the time values obtained through the timer) to the specified key generation algorithm. According to the embodiment of the present invention, the key generation algorithm may include a hash algorithm corresponding to a one-way function. In this case, the key check unit 140 converts one or more seed values including a specified seed value to the hash algorithm. can be applied to create a key value of a specified structure. Alternatively, the key generation algorithm may include a random number algorithm for generating a random number. In this case, the key check unit 140 applies a specified seed value to the random number algorithm to generate a key value having a specified structure. .
본 발명의 제3 키 확인 실시예에 따르면, 상기 키 확인부(140)는 지정된 키관리매체(예컨대, 상기 프로그램(105)을 구동한 장치(100)의 저장영역이나 데이터베이스 중 지정된 키 값을 저장하도록 설정된 저장영역이나 데이터베이스 등)로부터 지정된 키 값을 추출할 수 있다. According to the third key verification embodiment of the present invention, the key verification unit 140 stores a specified key value in a specified key management medium (eg, a storage area of the device 100 running the program 105 or a database). It is possible to extract the specified key value from the storage area or database that is set to
본 발명의 제4 키 확인 실시예에 따르면, 상기 키 확인부(140)는 지정된 키관리서버(예컨대, 지정된 키 값을 생성하거나 저장 관리하며 상기 프로그램(105)을 구동한 장치(100)로 상기 키 값을 제공(또는 분배)하는 서버)를 통해 지정된 키 값을 수신할 수 있다.According to the fourth key verification embodiment of the present invention, the key verification unit 140 sends the specified key management server (eg, the device 100 that generates or stores and manages the specified key value and runs the program 105 ). A specified key value can be received through a server that provides (or distributes) the key value.
본 발명의 제5 키 확인 실시예에 따르면, 상기 키 확인부(140)는 상기 제1 내지 제4 키 확인 실시예 중 둘 이상의 키 확인 실시예를 적어도 부분적 조합하여 지정된 키 값을 확인할 수 있다.According to a fifth key verification embodiment of the present invention, the key verification unit 140 may verify a specified key value by at least partially combining two or more key verification embodiments among the first to fourth key verification embodiments.
상기 키 확인부(140)를 통해 지정된 키 값이 확인되면, 상기 왜곡 처리부(145)는 상기 키 값을 이용한 지정된 엔코딩 연산을 통해 상기 원본 영상 데이터의 영역 중 상기 특징 맵 데이터에 대응하는 n개의 특징 영역을 선택적 왜곡시켜 왜곡된 영상 데이터를 생성하는 절차를 수행한다. When a specified key value is confirmed through the key check unit 140, the distortion processing unit 145 performs a specified encoding operation using the key value to perform n features corresponding to the feature map data in the region of the original image data. A procedure of generating distorted image data by selectively distorting an area is performed.
본 발명의 실시 방법에 따르면, 상기 왜곡 처리부(145)는 상기 키 값을 이용한 지정된 엔코딩 연산을 통해 상기 n개의 특징 영역을 원본 상태로 복원 가능한 구조로 선택적 왜곡시키는 절차를 수행할 수 있으며, 이 경우 상기 n개의 특징 영역 내의 각 픽셀 별 왜곡된 픽셀 값은 상기 키 값을 이용한 지정된 디코딩 연산을 통해 상기 원본 영상 데이터에 포함되어 있던 n개의 특징 영역 내의 각 픽셀 별 원본 픽셀 값으로 무손실 복원될 수 있다. According to the embodiment of the present invention, the distortion processing unit 145 may perform a procedure of selectively distorting the n feature regions into a structure that can be restored to the original state through a designated encoding operation using the key value, in this case The distorted pixel value for each pixel in the n feature regions may be losslessly restored to the original pixel value for each pixel in the n feature regions included in the original image data through a designated decoding operation using the key value.
본 발명의 제1 왜곡 실시예에 따르면, 상기 왜곡 처리부(145)는 상기 키 값을 이용한 지정된 엔코딩 연산을 통해 상기 원본 영상 데이터에 포함된 n개의 특징 영역 내의 각 픽셀 별 픽셀 값을 각 픽셀 별 원본 픽셀 값과 무관한(또는 픽셀 별 색상 유사성이 상실된) 각 픽셀 별 왜곡된 픽셀 값으로 왜곡시키는 절차를 수행할 수 있으며, 이 경우 상기 n개의 특징 영역 내의 각 픽셀 별 왜곡된 픽셀 값은 상기 키 값을 이용한 지정된 디코딩 연산을 통해 상기 원본 영상 데이터에 포함되어 있던 n개의 특징 영역 내의 각 픽셀 별 원본 픽셀 값으로 무손실 복원될 수 있다. According to the first distortion embodiment of the present invention, the distortion processing unit 145 converts the pixel value of each pixel in the n feature regions included in the original image data to the original for each pixel through a designated encoding operation using the key value. A process of distorting each pixel may be performed that is irrelevant to the pixel value (or the pixel-specific color similarity is lost). In this case, the distorted pixel value for each pixel in the n feature areas is the key value. Through a designated decoding operation using , lossless restoration may be performed to the original pixel value for each pixel in the n feature regions included in the original image data.
본 발명의 제2 왜곡 실시예에 따르면, 상기 왜곡 처리부(145)는 상기 키 값을 이용한 지정된 엔코딩 연산을 통해 상기 원본 영상 데이터에 포함된 n개의 특징 영역 내의 각 픽셀 별 픽셀 값을 초해상도(Super Resolution) 기술을 포함하는 비정형 복원 기술에 의해 기 설정된 기준 품질 이상의 고품질로 복원 불가한 각 픽셀 별 왜곡된 픽셀 값으로 왜곡시키는 절차를 수행할 수 있으며, 이 경우 상기 n개의 특징 영역 내의 각 픽셀 별 왜곡된 픽셀 값은 상기 키 값을 이용한 지정된 디코딩 연산을 통해 상기 원본 영상 데이터에 포함되어 있던 n개의 특징 영역 내의 각 픽셀 별 원본 픽셀 값으로 무손실 복원될 수 있다. According to the second distortion embodiment of the present invention, the distortion processing unit 145 converts a pixel value for each pixel in the n feature regions included in the original image data to a super resolution (Super) through a designated encoding operation using the key value. Resolution) technology can perform a procedure of distorting each pixel to a distorted pixel value that cannot be restored to a high quality higher than a preset reference quality by atypical restoration technology, and in this case, distortion for each pixel within the n feature areas The obtained pixel value may be losslessly restored to the original pixel value for each pixel in the n feature regions included in the original image data through a designated decoding operation using the key value.
본 발명의 제3 왜곡 실시예에 따르면, 상기 왜곡 처리부(145)는 상기 키 값을 이용한 지정된 엔코딩 연산을 통해 상기 원본 영상 데이터에 포함된 n개의 특징 영역 내의 각 픽셀 별 픽셀 값을 인공지능 기반 복원 기술을 포함하는 비정형 복원 기술에 의해 기 설정된 기준 품질 이상의 고품질로 복원 불가한 각 픽셀 별 왜곡된 픽셀 값으로 왜곡시키는 절차를 수행할 수 있으며, 이 경우 상기 n개의 특징 영역 내의 각 픽셀 별 왜곡된 픽셀 값은 상기 키 값을 이용한 지정된 디코딩 연산을 통해 상기 원본 영상 데이터에 포함되어 있던 n개의 특징 영역 내의 각 픽셀 별 원본 픽셀 값으로 무손실 복원될 수 있다. According to the third distortion embodiment of the present invention, the distortion processing unit 145 artificial intelligence-based restoration of a pixel value for each pixel in n feature regions included in the original image data through a designated encoding operation using the key value. A process of distorting each pixel that cannot be restored to a high quality higher than a preset reference quality by atypical restoration technology including technology may be performed. In this case, the distorted pixel for each pixel within the n feature areas may be performed. The value may be losslessly restored to the original pixel value for each pixel in the n feature regions included in the original image data through a designated decoding operation using the key value.
본 발명의 제4 왜곡 실시예에 따르면, 상기 왜곡 처리부(145)는 상기 키 값을 이용한 지정된 엔코딩 연산을 통해 상기 원본 영상 데이터에 포함된 n개의 특징 영역 내의 각 픽셀 별 픽셀 값을 모자이크(Mosaic) 처리 방식과 무관한(또는 픽셀 별 색상 유사성이 상실된) 각 픽셀 별 왜곡된 픽셀 값으로 왜곡시키는 절차를 수행할 수 있으며, 이 경우 상기 n개의 특징 영역 내의 각 픽셀 별 왜곡된 픽셀 값은 상기 키 값을 이용한 지정된 디코딩 연산을 통해 상기 원본 영상 데이터에 포함되어 있던 n개의 특징 영역 내의 각 픽셀 별 원본 픽셀 값으로 무손실 복원될 수 있다. According to the fourth distortion embodiment of the present invention, the distortion processing unit 145 mosaics a pixel value for each pixel in n feature regions included in the original image data through a designated encoding operation using the key value. A process of distorting each pixel into a distorted pixel value independent of the processing method (or loss of color similarity for each pixel) may be performed. In this case, the distorted pixel value for each pixel in the n feature areas is the key value. Through a designated decoding operation using , lossless restoration may be performed to the original pixel value for each pixel in the n feature regions included in the original image data.
본 발명의 제5 왜곡 실시예에 따르면, 상기 왜곡 처리부(145)는 상기 제1 내지 제5 왜곡 실시예 중 적어도 둘 이상의 실시예를 적어도 부분적으로 조합한 형태로 상기 원본 영상 데이터에 포함된 n개의 특징 영역 내의 각 픽셀 별 픽셀 값을 지정된 각 픽셀 별 왜곡된 픽셀 값으로 왜곡시키는 절차를 수행할 수 있다. According to a fifth distortion embodiment of the present invention, the distortion processing unit 145 is configured to at least partially combine at least two or more of the first to fifth distortion embodiments of the n images included in the original image data. A procedure of distorting a pixel value for each pixel in the feature region into a distorted pixel value for each designated pixel may be performed.
본 발명의 확장된 실시 방법에 따르면, 상기 n개의 특징 영역 내의 각 픽셀 별 왜곡된 픽셀 값은 상기 원본 영상 데이터에 포함된 n개의 특징 영역 외측 인접 영역의 지정된 픽셀 별 픽셀 값과 지정된 범위 내의 상관성을 지닌 각 픽셀 별 픽셀 값으로 왜곡될 수 있다. 즉, 상기 n개의 특징 영역 내의 각 픽셀 별 왜곡된 픽셀 값은 각 픽셀 별 원본 픽셀 값과 무관한(또는 픽셀 별 색상 유사성이 상실된) 각 픽셀 별 왜곡된 픽셀 값으로 왜곡됨과 동시에, 상기 원본 영상 데이터에 포함된 n개의 특징 영역 외측 인접 영역의 지정된 픽셀 별 픽셀 값과 지정된 범위 내의 상관성을 지닌 유사한 각 픽셀 별 픽셀 값으로 왜곡될 수 있으며, 이에 의해 상기 n개의 특징 영역 내의 각 픽셀 별 왜곡된 픽셀 값과 인접 영역의 픽셀 별 픽셀 값 사이의 이질감을 최소화할 수 있다.According to the extended implementation method of the present invention, the distorted pixel value for each pixel in the n feature regions has a correlation within a specified range with the pixel value for each pixel in the adjacent region outside the n feature regions included in the original image data. It can be distorted by the pixel value for each pixel it has. That is, the distorted pixel value for each pixel in the n feature areas is distorted to a distorted pixel value for each pixel independent of the original pixel value for each pixel (or the color similarity is lost) for each pixel, and at the same time, the original image data It may be distorted into a pixel value for each pixel that is similar to a pixel value for each specified pixel in an adjacent region outside the n feature regions included in and has a correlation within a specified range, whereby the distorted pixel value for each pixel in the n feature regions It is possible to minimize the heterogeneity between the pixel value of each pixel in the adjacent region.
상기 왜곡 처리부(145)를 통해 상기 원본 영상 데이터에 포함된 n개의 특징 영역이 선택적 왜곡된 영상 데이터가 생성된 경우, 상기 저장 처리부(150)는 상기 왜곡된 영상 데이터를 지정된 미디어매체에 저장하도록 처리하고, 지정된 저장매체에 상기 왜곡된 영상 데이터에 대응하는 특징 맵 데이터와 코드 값을 저장하도록 처리하는 절차를 수행한다. 한편 상기 키 확인부(140)를 통해 상기 키 값이 생성된 경우, 상기 저장 처리부(150)는 상기 특징 맵 데이터와 상기 생성된 키 값을 지정된 저장매체에 연계 저장하도록 처리하는 절차를 수행할 수 있다. 다만 상기 키 값이 지정된 키관리매체나 키관리서버에 등록 저장된 경우, 상기 키 값은 기 저장되어 있으므로 상기 저장매체에 저장하지 않더라도 무방하다. When image data in which n feature regions included in the original image data are selectively distorted is generated through the distortion processing unit 145, the storage processing unit 150 stores the distorted image data in a designated media medium. and performing a process of storing the feature map data and code values corresponding to the distorted image data in a designated storage medium. On the other hand, when the key value is generated through the key check unit 140, the storage processing unit 150 may perform a process of linking and storing the feature map data and the generated key value in a designated storage medium. have. However, when the key value is registered and stored in a designated key management medium or key management server, the key value is pre-stored and may not be stored in the storage medium.
본 발명의 제1 매체 실시예에 따르면, 상기 저장매체는 영상 데이터를 저장하는 미디어매체와 물리적으로 분리된 매체를 포함할 수 있다. 예를들어, 상기 미디어매체는 미디어장치(100)나 미디어서버에 구비되고, 상기 저장매쳉는 별도의 관리서버에 구비될 수 있다.According to the first medium embodiment of the present invention, the storage medium may include a medium physically separated from a medium for storing image data. For example, the media medium may be provided in the media device 100 or the media server, and the storage medium may be provided in a separate management server.
본 발명의 제2 매체 실시예에 따르면, 상기 저장매체는 영상 데이터를 저장하는 미디어매체와 논리적으로 분리된 매체를 포함할 수 있다. 이 경우 상기 저장매체와 미디어매체는 물리적으로 동일한 매체이거나 연계된 매체일 수 있다. According to the second medium embodiment of the present invention, the storage medium may include a medium logically separated from a media medium storing image data. In this case, the storage medium and the media medium may be physically the same medium or a related medium.
본 발명의 제3 매체 실시예에 따르면, 상기 저장매체는 영상 데이터를 저장하는 미디어매체에 적용된 보안기술보다 고도한 보안기술(예컨대, 암/복호화 기술, 방화벽 기술 등)이 적용된 매체를 포함할 수 있다.According to the third medium embodiment of the present invention, the storage medium may include a medium to which a security technology higher than that applied to a media medium for storing image data (eg, encryption/decryption technology, firewall technology, etc.) is applied. have.
본 발명의 제4 매체 실시예에 따르면, 상기 저장매체는 상기 제1 내지 제3 매체 실시예 중 둘 이상의 실시예를 적어도 부분적으로 조합한 형태의 매체를 포함할 수 있다.According to a fourth medium embodiment of the present invention, the storage medium may include a medium in which two or more of the first to third medium embodiments are combined at least partially.
본 발명의 실시 방법에 따르면, 상기 저장 처리부(150)는 상기 미디어매체에 저장되는 영상 데이터 중 상기 특징 맵 데이터에 대응하는 n개의 특징 영역이 왜곡된 영상 데이터를 고유 식별하거나 상기 왜곡된 영상 데이터와 매칭 저장된 매칭정보를 확인하거나 생성하고, 상기 특징 맵 데이터와 상기 매칭정보를 상기 저장매체에 매칭 연계할 수 있다. 또는 상기 저장 처리부(150)는 상기 미디어매체에 저장되는 영상 데이터 중 상기 특징 맵 데이터에 대응하는 n개의 특징 영역이 왜곡된 영상 데이터를 고유 식별하거나 상기 왜곡된 영상 데이터와 매칭 저장된 매칭정보를 확인하거나 생성하고, 상기 특징 맵 데이터에 상기 매칭정보를 포함시켜 상기 저장매체에 저장할 수 있다. 바람직하게, 상기 매칭정보는 상기 미디어매체와 저장매체가 물리적/논리적으로 분리된 경우에도 상기 미디어매체에 저장되는 영상 데이터와 상기 저장매체에 저장되는 특징 맵 데이터 및/또는 코드 값을 상호 연계시킬 수 있다.According to an embodiment of the present invention, the storage processing unit 150 uniquely identifies image data in which n feature regions corresponding to the feature map data are distorted among the image data stored in the media medium, or is configured to combine the image data with the distorted image data. Matching The stored matching information may be checked or generated, and the feature map data and the matching information may be matched and linked to the storage medium. Alternatively, the storage processing unit 150 uniquely identifies image data in which n feature regions corresponding to the feature map data are distorted among the image data stored in the media medium, or checks stored matching information matching the distorted image data, or may be generated, and the matching information may be included in the feature map data and stored in the storage medium. Preferably, the matching information may correlate the image data stored in the media medium with the feature map data and/or code values stored in the storage medium even when the media medium and the storage medium are physically/logically separated. have.
한편 상기 미디어매체에 상기 왜곡된 n개의 특징 영역을 포함하는 왜곡된 영상 데이터가 저장되고 상기 저장매체에 상기 왜곡된 영상 데이터에 대응하는 특징 맵 데이터와 코드 값이 저장된 경우, 상기 저장 처리부(150)는 상기 원본 영상 데이터를 메모리영역이나 저장영역에 삭제(또는 제거)할 수 있다. 즉, 상기 미디어매체에 상기 왜곡된 n개의 특징 영역을 포함하는 왜곡된 영상 데이터가 저장되고 상기 저장매체에 상기 왜곡된 영상 데이터에 대응하는 특징 맵 데이터와 코드 값이 저장된 경우, 상기 카메라모듈(180)을 통해 생성된 원본 영상 데이터는 존재하지 않으며, 상기 원본 영상 데이터는 본 발명에 따른 복원 방식을 통해 상기 원본 영상 데이터와 동일하게 복원 내지 검증될 수 있다. Meanwhile, when the distorted image data including the n distorted feature regions is stored in the media medium and the feature map data and code values corresponding to the distorted image data are stored in the storage medium, the storage processing unit 150 may delete (or remove) the original image data from the memory area or the storage area. That is, when the distorted image data including the n distorted feature regions is stored in the media medium and feature map data and code values corresponding to the distorted image data are stored in the storage medium, the camera module 180 ) does not exist, and the original image data can be restored or verified in the same way as the original image data through the restoration method according to the present invention.
본 발명의 실시 방법에 따르면, 상기 왜곡 처리부(145)를 통해 왜곡된 n개의 특징 영역을 포함하는 왜곡된 영상 데이터 및/또는 상기 미디어매체에 저장된 왜곡된 영상 데이터를 지정된 출력수단을 통해 출력하는 경우, 상기 출력 처리부(155)는 상기 출력수단을 통해 상기 왜곡된 영상 데이터를 출력하도록 처리할 수 있다. According to the embodiment of the present invention, when the distortion processing unit 145 outputs distorted image data including n feature regions and/or distorted image data stored in the media medium through a designated output means. , the output processing unit 155 may process to output the distorted image data through the output means.
도면1을 참조하면, 상기 장치(100)의 프로그램(105)은, 상기 왜곡된 영상 데이터를 복원하는 경우 상기 왜곡된 영상 데이터에 대응하는 특징 맵 데이터와 코드 값을 추출하고 상기 키 값을 추출하는 추출부(160)와, 상기 추출된 키 값을 이용한 지정된 디코딩 연산을 통해 상기 왜곡된 영상 데이터의 영역 중 상기 추출된 특징 맵 데이터에 대응하는 n개의 특징 영역을 선택적 복원 처리하는 복원 처리부(165)와, 상기 복원된 n개의 특징 영역을 포함하는 영상 데이터의 지정된 픽셀 정보를 지정된 코드생성모듈에 지정된 방식으로 적용하여 지정된 코드 값을 생성하는 코드 생성부(135)와, 상기 생성된 코드 값과 상기 추출된 코드 값을 비교 인증하는 복원 인증부(170)와, 상기 코드 값을 인증한 경우 상기 복원된 n개의 특징 영역을 포함하는 영상 데이터를 복원된 영상 데이터로 확정하는 복원 확정부(175)를 포함한다. Referring to FIG. 1 , the program 105 of the apparatus 100 extracts feature map data and code values corresponding to the distorted image data when reconstructing the distorted image data and extracts the key value. An extraction unit 160 and a restoration processing unit 165 that selectively restores n feature regions corresponding to the extracted feature map data among regions of the distorted image data through a specified decoding operation using the extracted key value and a code generator 135 for generating a designated code value by applying designated pixel information of the image data including the restored n feature regions to a designated code generating module in a designated manner; A restoration authentication unit 170 that compares and authenticates the extracted code value, and a restoration confirmation unit 175 that determines the image data including the restored n feature areas as the restored image data when the code value is authenticated. include
상기 미디어매체에 저장된 상기 왜곡된 영상 데이터를 복원하는 경우(예컨대, 왜곡된 영상 데이터로부터 복원된 원본 영상 데이터를 증거로 사용하거나 상기 원본 영상 데이터에 포함된 왜곡 대상을 통해 사용자 본인 인증의 지정된 절차를 수행하는 경우 등), 상기 추출부(160)는 미디어매체를 통해 상기 왜곡된 영상 데이터를 추출하고, 상기 저장매체를 통해 상기 왜곡된 영상 데이터에 대응하는 특징 맵 데이터와 코드 값을 추출한다. 만약 상기 저장매체에 상기 키 값이 저장된 경우, 상기 추출부(160)는 상기 저장매체를 통해 상기 키 값을 추출할 수 있다. 한편 지정된 키관리매체에 상기 키 값이 저장된 경우, 상기 추출부(160)는 상기 키관리매체를 통해 상기 키 값을 추출할 수 있다. 또는 지정된 키관리서버에 상기 키 값이 저장된 경우, 상기 추출부(160)는 상기 키관리서버를 통해 상기 키 값을 수신할 수 있다. When restoring the distorted image data stored in the media medium (for example, using the original image data restored from the distorted image data as evidence, or through a distortion target included in the original image data, a specified procedure of user authentication is performed) etc.), the extraction unit 160 extracts the distorted image data through a media medium, and extracts feature map data and code values corresponding to the distorted image data through the storage medium. If the key value is stored in the storage medium, the extraction unit 160 may extract the key value through the storage medium. Meanwhile, when the key value is stored in a designated key management medium, the extraction unit 160 may extract the key value through the key management medium. Alternatively, when the key value is stored in a designated key management server, the extractor 160 may receive the key value through the key management server.
상기 추출부(160)를 통해 상기 키 값이 추출된 경우, 상기 복원 처리부(165)는 상기 추출된 키 값을 이용한 지정된 디코딩 연산을 통해 상기 왜곡된 영상 데이터의 영역 중 상기 추출된 특징 맵 데이터에 대응하는 n개의 특징 영역을 선택적 복원 처리하는 절차를 수행한다. 바람직하게, 상기 복원 처리부(165)는 상기 미디어매체를 통해 추출된 상기 왜곡된 영상 데이터를 확인하고, 상기 저장매체를 통해 추출된 상기 왜곡된 영상 데이터에 대응하는 특징 맵 데이터를 근거로 상기 왜곡된 영상 데이터의 영역 중 상기 추출된 특징 맵 데이터에 대응하는 n개의 특징 영역을 확인하며, 상기 추출된 키 값을 이용한 지정된 디코딩 연산을 통해 상기 확인된 n개의 특징 영역 내의 각 픽셀 별 왜곡된 픽셀 값을 선택적으로 복원하는 절차를 수행한다. When the key value is extracted through the extraction unit 160, the restoration processing unit 165 applies the extracted feature map data to the extracted feature map data from the distorted image data area through a designated decoding operation using the extracted key value. A procedure of selectively restoring the corresponding n feature regions is performed. Preferably, the restoration processing unit 165 checks the distorted image data extracted through the media medium, and the distorted image data is generated based on the feature map data corresponding to the distorted image data extracted through the storage medium. Among the image data regions, n feature regions corresponding to the extracted feature map data are identified, and distorted pixel values for each pixel within the identified n feature regions are determined through a designated decoding operation using the extracted key value. Selectively perform the restoration procedure.
본 발명의 실시 방법에 따르면, 상기 복원 처리부(165)는 상기 미디어매체를 통해 추출된 상기 왜곡된 영상 데이터를 확인하고, 상기 저장매체를 통해 추출된 상기 왜곡된 영상 데이터에 대응하는 특징 맵 데이터를 근거로 상기 왜곡된 영상 데이터의 영역 중 상기 추출된 특징 맵 데이터에 대응하는 n개의 특징 영역을 확인하며, 상기 키 값을 이용한 지정된 디코딩 연산을 통해 상기 왜곡된 영상 데이터에 포함된 n개의 특징 영역 내의 각 픽셀 별 왜곡된 픽셀 값을 원본 영상 데이터에 포함되어 있던 n개의 특징 영역 내의 각 픽셀 별 원본 픽셀 값으로 무손실 복원하는 절차를 수행한다. According to an embodiment of the present invention, the restoration processing unit 165 identifies the distorted image data extracted through the media medium, and generates feature map data corresponding to the distorted image data extracted through the storage medium. Based on the basis, n feature regions corresponding to the extracted feature map data are identified among regions of the distorted image data, and within the n feature regions included in the distorted image data through a designated decoding operation using the key value. A procedure of losslessly restoring the distorted pixel value for each pixel to the original pixel value for each pixel in the n feature regions included in the original image data is performed.
상기 왜곡된 영상 데이터에 포함된 n개의 특징 영역이 선택적 복원된 경우, 상기 코드 생성부(135)는 상기 복원된 n개의 특징 영역을 포함하는 영상 데이터의 지정된 픽셀 정보를 지정된 코드생성모듈에 지정된 방식으로 적용하여 지정된 코드 값을 생성하는 절차를 수행한다. When the n feature regions included in the distorted image data are selectively restored, the code generator 135 assigns designated pixel information of the image data including the restored n feature regions to a designated code generating module. , and performs the procedure to generate the specified code value.
본 발명의 실시 방법에 따르면, 상기 코드 생성부(135)는 상기 복원된 n개의 특징 영역을 포함하는 영상 데이터의 픽셀 정보 중 상기 n개의 특징 영역의 왜곡하던 시점의 픽셀 정보와 동일한 픽셀 정보를 확인하고, 상기 n개의 특징 영역의 왜곡하던 시점의 코드생성모듈과 동일한 코드생성모듈에 상기 확인된 동일한 픽셀 정보를 동일한 방식으로 적용하여 지정된 코드 값을 생성할 수 있다.According to the embodiment of the present invention, the code generator 135 identifies the same pixel information as the pixel information at the point in time when the n feature regions were distorted among the pixel information of the image data including the restored n feature regions. and applying the same identified pixel information to the same code generating module and the same code generating module at the point in time when the n feature regions were distorted in the same manner to generate a designated code value.
상기 코드 생성부(135)를 통해 상기 복원된 n개의 특징 영역을 포함하는 영상 데이터의 지정된 픽셀 정보를 통해 상기 코드 값이 생성된 경우, 상기 복원 인증부(170)는 상기 코드 생성부(135)를 통해 생성된 코드 값과 상기 추출부(160)를 통해 추출된 코드 값을 비교 인증하는 절차를 수행한다. 만약 상기 복원된 n개의 특징 영역을 포함하는 영상 데이터의 지정된 픽셀 정보를 통해 상기 코드 값이 상기 추출된 코드 값이 일치하는 것으로 인증된 경우, 상기 복원 확정부(175)는 상기 복원된 n개의 특징 영역을 포함하는 영상 데이터를 원본과 동일하게 복원된 영상 데이터로 확정한다. When the code value is generated through the specified pixel information of the image data including the restored n feature regions through the code generator 135 , the restoration authenticator 170 performs the code generator 135 . A procedure of comparing and authenticating the code value generated through , and the code value extracted through the extraction unit 160 is performed. If it is verified that the code value matches the extracted code value through specified pixel information of the image data including the restored n feature regions, the restoration determining unit 175 determines the restored n feature regions. The image data including the region is determined as image data restored to be identical to the original.
본 발명의 실시 방법에 따르면, 상기 복원 확정부(175)를 통해 원본과 동일하게 복원된 영상 데이터로 확정된 영상 데이터를 지정된 출력수단을 통해 출력하는 경우, 상기 출력 처리부(155)는 상기 출력수단을 통해 상기 복원된 영상 데이터를 출력하도록 처리할 수 있다. According to the embodiment of the present invention, when the image data determined to be the same as the original image data restored through the restoration determining unit 175 is output through a designated output unit, the output processing unit 155 is the output unit. may be processed to output the restored image data through .
도면2는 본 발명의 실시 방법에 따라 영상을 왜곡하는 과정을 도시한 흐름도이다.2 is a flowchart illustrating a process of distorting an image according to an embodiment of the present invention.
보다 상세하게 본 도면2는 카메라모듈(180)을 통해 생성된 영상 데이터를 판독하여 적어도 하나의 지정된 특징 영역을 기 설정된 기준 품질 이상의 고품질로 인식한 경우 상기 인식된 특징 영역이 비정형 복원 방식을 통해서는 복원되지 않게 지정된 엔코딩 연산을 통해 선택적 왜곡하는 과정을 도시한 것으로, 본 발명이 속한 기술분야에서 통상의 지식을 가진 자라면, 본 도면2를 참조 및/또는 변형하여 상기 과정에 대한 다양한 실시 방법(예컨대, 일부 단계가 생략되거나, 또는 순서가 변경된 실시 방법)을 유추할 수 있을 것이나, 본 발명은 상기 유추되는 모든 실시 방법을 포함하여 이루어지며, 본 도면2에 도시된 실시 방법만으로 그 기술적 특징이 한정되지 아니한다.In more detail, FIG. 2 shows that when the image data generated through the camera module 180 is read and at least one designated feature region is recognized as having a high quality higher than or equal to a preset reference quality, the recognized feature region is converted to an atypical restoration method. It shows the process of selective distortion through the encoding operation designated not to be restored, and those of ordinary skill in the art to which the present invention belongs, refer to and/or modify this figure 2 and various implementation methods for the process ( For example, an implementation method in which some steps are omitted or the order is changed) may be inferred, but the present invention is made including all the implementation methods inferred above, and the technical features are only the implementation method shown in FIG. Not limited.
도면2를 참조하면, 장치(100)의 프로그램(105)은 카메라모듈(180)을 통해 생성된 원본 영상 데이터를 확인한다(200). 상기 카메라모듈(180)을 통해 생성된 원본 영상 데이터를 확인한 경우, 상기 장치(100)의 프로그램(105)은 지정된 특징인식모듈을 통해 상기 원본 영상 데이터를 판독하여 상기 원본 영상 데이터에 포함된 지정된 왜곡 대상에 대응하는 지정된 N개의 특징 영역에 대한 지정된 인식을 시도하는 절차를 수행하며(205), 상기 특징인식모듈을 통해 상기 원본 영상 데이터에 포함된 지정된 n개의 특징 영역이 기 설정된 기준 품질 이상의 고품질로 인식되는지 확인한다(210). Referring to FIG. 2 , the program 105 of the device 100 checks the original image data generated through the camera module 180 ( 200 ). When the original image data generated by the camera module 180 is checked, the program 105 of the device 100 reads the original image data through a specified feature recognition module and a specified distortion included in the original image data. A procedure of attempting a specified recognition of N designated feature regions corresponding to the target is performed (205), and the designated n feature regions included in the original image data are set to a high quality higher than or equal to a preset reference quality through the feature recognition module. Check whether it is recognized (210).
만약 상기 원본 영상 데이터에 포함된 지정된 왜곡 대상이 인식되지 않거나 기 설정된 기준 품질 미만의 저품질로 인식한 경우, 상기 장치(100)의 프로그램(105)은 상기 원본 영상 데이터를 지정된 미디어매체에 저장하도록 처리한다(215). 한편 상기 원본 영상 데이터를 출력하는 경우, 상기 장치(100)의 프로그램(105)은 지정된 출력수단을 통해 상기 원본 영상 데이터를 출력하도록 처리한다(220). If the specified distortion target included in the original image data is not recognized or recognized as low quality less than a preset reference quality, the program 105 of the device 100 stores the original image data in a designated media medium do (215). Meanwhile, when outputting the original image data, the program 105 of the device 100 processes to output the original image data through a designated output means ( 220 ).
한편 상기 원본 영상 데이터에 포함된 지정된 왜곡 대상을 기 설정된 기준 품질 이상의 고품질로 인식한 경우, 상기 장치(100)의 프로그램(105)은 상기 원본 영상 데이터에 일대일 매칭되며 상기 인식된 n개의 특징 영역의 경계를 포함하는 특징 맵 데이터를 생성하고(225), 상기 원본 영상 데이터의 지정된 픽셀 정보를 지정된 코드생성모듈에 지정된 방식으로 적용하여 지정된 코드 값을 생성하고(230), 지정된 키 값을 생성(또는 확인)한다(235). On the other hand, when the specified distortion target included in the original image data is recognized as having a high quality higher than or equal to the preset reference quality, the program 105 of the device 100 matches the original image data one-to-one and the number of the recognized n feature regions is Generates feature map data including boundaries (225), applies designated pixel information of the original image data to a designated code generation module in a designated manner to generate a designated code value (230), and generates a designated key value (or confirm) (235).
상기 장치(100)의 프로그램(105)은 상기 키 값을 이용한 지정된 엔코딩 연산을 통해 상기 원본 영상 데이터의 영역 중 상기 특징 맵 데이터에 대응하는 n개의 특징 영역을 선택적 왜곡시켜 왜곡된 영상 데이터를 생성한다(240). 상기 왜곡된 n개의 특징 영역을 포함하는 왜곡된 영상 데이터가 생성된 경우, 상기 장치(100)의 프로그램(105)은 상기 왜곡된 영상 데이터를 지정된 미디어매체에 저장하도록 처리하고(245), 상기 왜곡된 영상 데이터에 대응하는 특징 맵 데이터와 코드 값을 지정된 저장매체에 저장하도록 처리한다(250). 한편 상기 장치(100)의 프로그램(105)은 왜곡된 영상 데이터에 대응하는 원본 영상 데이터를 소거한다(255). 한편 상기 왜곡된 영상 데이터를 출력하는 경우, 상기 장치(100)의 프로그램(105)은 지정된 출력수단을 통해 상기 왜곡된 영상 데이터를 출력하도록 처리한다(260). The program 105 of the device 100 generates distorted image data by selectively distorting n feature regions corresponding to the feature map data among regions of the original image data through a designated encoding operation using the key value. (240). When the distorted image data including the distorted n feature regions is generated, the program 105 of the device 100 processes the distorted image data to be stored in a designated media medium (245), and the distortion Feature map data and code values corresponding to the image data are stored in a designated storage medium (250). Meanwhile, the program 105 of the device 100 erases the original image data corresponding to the distorted image data ( 255 ). Meanwhile, when the distorted image data is output, the program 105 of the device 100 processes the distorted image data to be output through a designated output means ( 260 ).
도면3은 본 발명의 실시 방법에 따라 왜곡된 영상을 복원하는 과정을 도시한 흐름도이다.3 is a flowchart illustrating a process of reconstructing a distorted image according to an embodiment of the present invention.
보다 상세하게 본 도면3은 상기 왜곡된 특징 영역의 복원이 필요한 경우 카메라모듈(180)을 통해 생성된 원본과의 동일성을 검증 가능하게 복원하는 과정을 도시한 것으로, 본 발명이 속한 기술분야에서 통상의 지식을 가진 자라면, 본 도면3을 참조 및/또는 변형하여 상기 과정에 대한 다양한 실시 방법(예컨대, 일부 단계가 생략되거나, 또는 순서가 변경된 실시 방법)을 유추할 수 있을 것이나, 본 발명은 상기 유추되는 모든 실시 방법을 포함하여 이루어지며, 본 도면3에 도시된 실시 방법만으로 그 기술적 특징이 한정되지 아니한다.In more detail, FIG. 3 shows a process of verifying the identity with the original generated through the camera module 180 when restoration of the distorted feature region is required, and is commonly used in the technical field to which the present invention pertains. Those skilled in the art will be able to infer various implementation methods for the above process (eg, an implementation method in which some steps are omitted or the order is changed) by referring and/or modifying this figure 3, but the present invention It is made including all the implementation methods inferred above, and the technical characteristics are not limited only to the implementation method shown in FIG. 3 .
도면3을 참조하면, 장치(100)의 프로그램(105)은 도면2의 과정을 통해 왜곡된 영상 데이터의 복원이 요청되는 확인한다(300). 만약 상기 왜곡된 영상 데이터를 복원하는 경우, 상기 장치(100)의 프로그램(105)은 미디어매체를 통해 왜곡된 영상 데이터를 추출하고(305), 저장매체를 통해 상기 왜곡된 영상 데이터에 대응하는 특징 맵 데이터와 코드 값을 추출하고 상기 키 값을 추출한다(310).Referring to FIG. 3 , the program 105 of the device 100 confirms that restoration of the distorted image data is requested through the process of FIG. 2 ( 300 ). If the distorted image data is restored, the program 105 of the device 100 extracts the distorted image data through a media medium (305), and a feature corresponding to the distorted image data through a storage medium Map data and code values are extracted, and the key value is extracted (310).
상기 장치(100)의 프로그램(105)은 상기 추출된 키 값을 이용한 지정된 디코딩 연산을 통해 상기 왜곡된 영상 데이터의 영역 중 상기 추출된 특징 맵 데이터에 대응하는 n개의 특징 영역을 선택적 복원 처리한다(315). 만약 상기 n개의 특징 영역을 선택적 복원된 경우, 상기 장치(100)의 프로그램(105)은 상기 복원된 n개의 특징 영역을 포함하는 영상 데이터의 지정된 픽셀 정보를 지정된 코드생성모듈에 지정된 방식으로 적용하여 지정된 코드 값을 생성하고(320), 상기 생성된 코드 값과 상기 추출된 코드 값을 비교 인증한다(325). The program 105 of the device 100 selectively restores n feature regions corresponding to the extracted feature map data among regions of the distorted image data through a designated decoding operation using the extracted key value ( 315). If the n feature regions are selectively restored, the program 105 of the device 100 applies the designated pixel information of the image data including the restored n feature regions to the designated code generation module in a designated manner. A designated code value is generated (320), and the generated code value and the extracted code value are compared and authenticated (325).
만약 상기 코드 값이 인증되지 않는 경우, 상기 장치(100)의 프로그램(105)은 지정된 출력수단을 통해 상기 왜곡된 영상 데이터에 대한 복원 오류를 출력하도록 처리한다(330). If the code value is not authenticated, the program 105 of the apparatus 100 processes to output a restoration error for the distorted image data through a designated output means ( 330 ).
한편 상기 코드 값이 인증된 경우, 상기 장치(100)의 프로그램(105)은 상기 복원된 n개의 특징 영역을 포함하는 영상 데이터를 원본과 동일하게 복원된 영상 데이터로 확정한다(335). 한편 상기 복원된 영상 데이터를 출력하는 경우, 상기 장치(100)의 프로그램(105)은 지정된 출력수단을 통해 상기 복원된 영상 데이터를 출력하도록 처리한다(340). On the other hand, when the code value is authenticated, the program 105 of the apparatus 100 determines the image data including the n reconstructed feature areas as the reconstructed image data identical to the original ( 335 ). Meanwhile, in the case of outputting the restored image data, the program 105 of the apparatus 100 processes the restored image data to be output through a designated output means ( 340 ).
100 : 장치
105 : 프로그램
110 : 영상 확인부
115 : 인식 처리부
120 : 학습 관리부
125 : 인식 확인부
130 : 특징 맵 생성부
135 : 코드 생성부
140 : 키 확인부
145 : 왜곡 처리부
150 : 저장 처리부
155 : 출력 처리부
160 : 추출부
165 : 복원 처리부
170 : 복원 인증부
175 : 복원 확정부
180 : 카메라모듈100: device 105: program
110: image confirmation unit 115: recognition processing unit
120: learning management unit 125: recognition confirmation unit
130: feature map generation unit 135: code generation unit
140: key confirmation unit 145: distortion processing unit
150: storage processing unit 155: output processing unit
160: extraction unit 165: restoration processing unit
170: restoration authentication unit 175: restoration confirmation unit
180: camera module
Claims (36)
상기 카메라모듈을 통해 생성된 원본 영상 데이터를 확인한 경우 지정된 특징인식모듈을 통해 상기 원본 영상 데이터를 판독하여 상기 원본 영상 데이터에 포함된 지정된 왜곡 대상에 대응하는 N(N≥1)개의 특징 영역의 인식을 시도하는 제1 단계;
상기 원본 영상 데이터에 포함된 지정된 왜곡 대상에 대응하는 n(1≤n≤N)개의 특징 영역을 기 설정된 기준 품질 이상의 고품질로 인식한 경우 상기 원본 영상 데이터에 일대일 매칭되며 상기 인식된 n개의 특징 영역의 경계를 포함하는 특징 맵(Feature Map) 데이터를 생성하고 상기 원본 영상 데이터의 지정된 픽셀 정보를 지정된 코드생성모듈에 지정된 방식으로 적용하여 지정된 코드 값을 생성하고 지정된 키 값을 생성(또는 확인)하는 제2 단계;
상기 키 값을 이용한 지정된 엔코딩 연산을 통해 상기 원본 영상 데이터의 영역 중 상기 특징 맵 데이터에 대응하는 n개의 특징 영역을 선택적 왜곡시켜 왜곡된 영상 데이터를 생성하는 제3 단계; 및
상기 왜곡된 영상 데이터를 지정된 미디어매체에 저장하도록 처리하고 상기 왜곡된 영상 데이터에 대응하는 특징 맵 데이터와 코드 값을 지정된 저장매체에 저장하도록 처리하는 제4 단계;를 포함하는 왜곡 영상 복원 처리 방법.
In the method executed through the program of the device associated with the camera module,
When the original image data generated through the camera module is checked, the original image data is read through the specified feature recognition module to recognize N (N≥1) feature areas corresponding to the specified distortion target included in the original image data The first step to try;
When n (1≤n≤N) feature regions corresponding to a specified distortion target included in the original image data are recognized as high quality above a preset reference quality, one-to-one matching with the original image data and the recognized n feature regions Generates feature map data including the boundary of , and applies the specified pixel information of the original image data to a specified code generation module in a specified manner to generate a specified code value and generate (or check) a specified key value second step;
a third step of generating distorted image data by selectively distorting n feature regions corresponding to the feature map data among regions of the original image data through a designated encoding operation using the key value; and
and a fourth step of processing the distorted image data to be stored in a specified media medium and storing feature map data and code values corresponding to the distorted image data in a specified storage medium.
상기 특징인식모듈은, 지정된 영상 데이터에 포함된 지정된 왜곡 대상을 인식하는 인공지능모듈을 포함하고,
지정된 인공지능 기반의 학습(Learning) 과정을 통해 지정된 왜곡 대상을 포함하는 영상 데이터의 특징 정보를 입력변수(Feature Vectors)로 설정하고 지정된 왜곡 대상의 존재 여부 또는 지정된 왜곡 대상의 인식 품질 상태를 출력변수(Label)로 설정하여 상기 인공지능모듈을 학습시키는 단계를 더 포함하며,
상기 제1 단계는, 상기 학습된 인공지능모듈을 통해 상기 원본 영상 데이터를 판독하여 상기 원본 영상 데이터에 포함된 지정된 왜곡 대상을 포함하는 N개의 특징 영역의 인식을 시도하는 단계를 포함하여 이루어지는 것을 특징으로 하는 왜곡 영상 복원 처리 방법.
The method of claim 1,
The feature recognition module includes an artificial intelligence module for recognizing a specified distortion target included in the specified image data,
Through a designated artificial intelligence-based learning process, the feature information of the image data including the specified distortion target is set as an input variable (Feature Vectors), and the existence of the specified distortion target or the recognition quality of the specified distortion target is set as an output variable. (Label) further comprising the step of learning the artificial intelligence module,
The first step may include reading the original image data through the learned artificial intelligence module and attempting to recognize N feature regions including a specified distortion target included in the original image data. Distorted image restoration processing method.
사람의 안면 영역이나 사람의 지정된 형체 영역,
신분증 영역,
사람의 손가락 지문 영역,
사람의 눈 홍채 영역,
문자열 영역 중 개인 식별 관련 문자열 영역 중 적어도 하나를 포함하여 이루어지는 것을 특징으로 하는 왜곡 영상 복원 처리 방법.
According to claim 1, wherein the distortion object,
a person's facial area or a designated body area of a person;
identification area,
human finger fingerprint area,
human eye iris area,
Distorted image restoration processing method, characterized in that it comprises at least one of the character string area related to personal identification among the string area.
지정된 왜곡 대상에 대응하는 피사체를 통해 인식 가능한 F(F≥3)개의 특징 점 중 상기 왜곡 대상에 대응하는 피사체를 고유하게 식별 인식 가능한 특징 점의 조합이나 특정 점의 개수에 대응하는 f(3≤f≤F)개의 특징 점을 유효 인식 가능한 품질을 포함하여 이루어지는 것을 특징으로 하는 왜곡 영상 복원 처리 방법.
The method according to claim 1, wherein the higher quality than the standard quality,
Uniquely identifies the subject corresponding to the distortion target among F (F≥3) feature points recognizable through the subject corresponding to the specified distortion target. f(3≤3) corresponding to the number of recognizable feature points or specific points f ≤ F) Distorted image reconstruction processing method, characterized in that it includes the effective recognizable quality.
상기 원본 영상 데이터의 해상도와 동일한 해상도를 포함하는 이미지 데이터를 포함하여 이루어지는 것을 특징으로 하는 왜곡 영상 복원 처리 방법.
According to claim 1, wherein the feature map data,
and image data having the same resolution as that of the original image data.
상기 인식된 n개의 특징 영역의 경계에 대응하는 픽셀 좌표값을 포함하여 이루어지는 것을 특징으로 하는 왜곡 영상 복원 처리 방법.
According to claim 1, wherein the feature map data,
The method for reconstructing a distorted image, characterized in that it includes pixel coordinate values corresponding to boundaries of the recognized n feature regions.
상기 인식된 n개의 특징 영역의 경계에 대응하는 벡터 값을 포함하여 이루어지는 것을 특징으로 하는 왜곡 영상 복원 처리 방법.
According to claim 1, wherein the feature map data,
A method for reconstructing a distorted image, comprising vector values corresponding to boundaries of the recognized n feature regions.
상기 코드생성모듈은, 일방향 함수에 대응하는 해시알고리즘을 포함하며,
상기 제2 단계는, 상기 원본 영상 데이터의 지정된 픽셀 정보를 상기 해시알고리즘에 지정된 방식으로 적용하여 지정된 코드 구조의 코드 값을 생성하는 단계를 포함하여 이루어지는 것을 특징으로 하는 왜곡 영상 복원 처리 방법.
The method of claim 1,
The code generation module includes a hash algorithm corresponding to a one-way function,
The second step may include generating a code value of a designated code structure by applying designated pixel information of the original image data to the hash algorithm in a designated manner.
상기 원본 영상 데이터의 전체 픽셀 영역에 대응하는 P(P≥2)개의 픽셀 값의 집합을 포함하여 이루어지는 것을 특징으로 하는 왜곡 영상 복원 처리 방법.
According to claim 1, wherein the pixel information,
and a set of P (P≥2) pixel values corresponding to the entire pixel area of the original image data.
상기 원본 영상 데이터의 전체 픽셀 영역에 대응하는 P(P≥2)개의 픽셀 값 중 상기 특징 영역을 포함하는 특정 픽셀 영역에 대응하는 p(2≤p≤P)개의 픽셀 값의 집합을 포함하여 이루어지는 것을 특징으로 하는 왜곡 영상 복원 처리 방법.
According to claim 1, wherein the pixel information,
A set of p (2≤p≤P) pixel values corresponding to a specific pixel area including the feature area among P (P≥2) pixel values corresponding to the entire pixel area of the original image data Distorted image reconstruction processing method, characterized in that.
상기 원본 영상 데이터의 전체 픽셀 영역을 지정된 블록 단위로 분할한 B(B≥2)개의 블록 별 픽셀 값의 집합을 포함하여 이루어지는 것을 특징으로 하는 왜곡 영상 복원 처리 방법.
According to claim 1, wherein the pixel information,
and a set of pixel values for each B (B≥2) blocks obtained by dividing the entire pixel area of the original image data into designated block units.
상기 원본 영상 데이터의 전체 픽셀 영역 중 상기 특징 영역을 포함하는 특정 픽셀 영역을 지정된 블록 단위로 분할한 B(B≥2)개의 블록 별 픽셀 값의 집합을 포함하여 이루어지는 것을 특징으로 하는 왜곡 영상 복원 처리 방법.
According to claim 1, wherein the pixel information,
Distorted image restoration processing, characterized in that it comprises a set of pixel values for each B (B≥2) blocks obtained by dividing a specific pixel region including the feature region among all the pixel regions of the original image data into designated blocks Way.
상기 코드생성모듈의 최고속 연산을 위해 설정된 블록 크기를 포함하여 이루어지는 것을 특징으로 하는 왜곡 영상 복원 처리 방법.
According to claim 11 or 12, wherein the block unit,
Distorted image reconstruction processing method, characterized in that it comprises a block size set for the fastest operation of the code generation module.
상기 코드생성모듈의 연산을 수행하기 위해 할당된 버퍼 크기와 매칭되는 블록 크기를 포함하여 이루어지는 것을 특징으로 하는 왜곡 영상 복원 처리 방법.
According to claim 11 or 12, wherein the block unit,
Distorted image reconstruction processing method, characterized in that it comprises a block size matching the buffer size allocated to perform the operation of the code generation module.
상기 코드 값을 포함하는 씨드 값을 지정된 키생성알고리즘에 적용하여 지정된 키 값을 생성하는 단계를 포함하여 이루어지는 것을 특징으로 하는 왜곡 영상 복원 처리 방법.
According to claim 1, wherein the second step,
and generating a specified key value by applying a seed value including the code value to a specified key generation algorithm.
지정된 씨드 값을 지정된 키생성알고리즘에 적용하여 지정된 키 값을 생성하는 단계를 포함하여 이루어지는 것을 특징으로 하는 왜곡 영상 복원 처리 방법.
According to claim 1, wherein the second step,
and generating a specified key value by applying a specified seed value to a specified key generation algorithm.
상기 키생성알고리즘은, 일방향 함수에 대응하는 해시알고리즘을 포함하며,
상기 제2 단계는, 상기 씨드 값을 상기 해시알고리즘에 적용하여 지정된 키 값을 생성하는 단계를 포함하여 이루어지는 것을 특징으로 하는 왜곡 영상 복원 처리 방법.
17. The method of claim 15 or 16,
The key generation algorithm includes a hash algorithm corresponding to a one-way function,
The second step may include generating a designated key value by applying the seed value to the hash algorithm.
상기 키생성알고리즘은, 임의의 난수를 생성하는 난수알고리즘을 포함하며,
상기 제2 단계는, 상기 씨드 값을 상기 난수알고리즘에 적용하여 지정된 키 값을 생성하는 단계를 포함하여 이루어지는 것을 특징으로 하는 왜곡 영상 복원 처리 방법.
17. The method of claim 15 or 16,
The key generation algorithm includes a random number algorithm that generates a random number,
and the second step includes generating a designated key value by applying the seed value to the random number algorithm.
지정된 키관리매체로부터 지정된 키 값을 추출하는 단계를 포함하여 이루어지는 것을 특징으로 하는 왜곡 영상 복원 처리 방법.
According to claim 1, wherein the second step,
Distorted image restoration processing method comprising the step of extracting a specified key value from a specified key management medium.
지정된 키관리서버를 통해 지정된 키 값을 수신하는 단계를 포함하여 이루어지는 것을 특징으로 하는 왜곡 영상 복원 처리 방법.
According to claim 1, wherein the second step,
Distorted image restoration processing method comprising the step of receiving a specified key value through a specified key management server.
상기 원본 영상 데이터에 포함된 지정된 왜곡 대상이 인식되지 않거나 기 설정된 기준 품질 미만의 저품질로 인식한 경우 상기 원본 영상 데이터를 지정된 미디어매체에 저장하도록 처리하는 단계를 더 포함하여 이루어지는 것을 특징으로 하는 왜곡 영상 복원 처리 방법.
According to claim 1, wherein the second step,
Distorted image, characterized in that further comprising the step of processing the original image data to be stored in a specified media medium when the specified distortion target included in the original image data is not recognized or recognized as low quality less than a preset reference quality How to handle restoration.
널(NULL) 값을 포함하는 특징 맵 데이터와 널(NULL) 값을 포함하는 코드 값을 상기 원본 영상 데이터에 연계시켜 지정된 저장매체에 저장하도록 처리하는 단계를 더 포함하여 이루어지는 것을 특징으로 하는 왜곡 영상 복원 처리 방법.
The method of claim 21, wherein the second step comprises:
Distorted image, characterized in that it further comprises the step of processing the feature map data including the null value and the code value including the null value to be stored in a designated storage medium in association with the original image data. How to handle restoration.
상기 원본 영상 데이터에 대한 지정된 코드 값이 생성된 경우
널(NULL) 값을 포함하는 특징 맵 데이터와 상기 생성된 코드 값을 상기 원본 영상 데이터에 연계시켜 지정된 저장매체에 저장하도록 처리하는 단계를 더 포함하여 이루어지는 것을 특징으로 하는 왜곡 영상 복원 처리 방법.
The method of claim 21, wherein the second step comprises:
When the specified code value for the original image data is generated
and processing the feature map data including a null value and the generated code value to be stored in a designated storage medium in association with the original image data.
상기 키 값을 이용한 지정된 엔코딩 연산을 통해 상기 n개의 특징 영역을 원본 상태로 복원 가능한 구조로 선택적 왜곡시켜 왜곡된 영상 데이터를 생성하는 단계를 포함하여 이루어지는 것을 특징으로 하는 왜곡 영상 복원 처리 방법.
According to claim 1, wherein the third step,
and generating distorted image data by selectively distorting the n feature regions into a structure that can be restored to an original state through a specified encoding operation using the key value.
상기 키 값을 이용한 지정된 엔코딩 연산을 통해 상기 원본 영상 데이터에 포함된 n개의 특징 영역 내의 각 픽셀 별 픽셀 값을 각 픽셀 별 원본 픽셀 값과 무관한(또는 원본 픽셀 색상과의 유사성이 상실된) 각 픽셀 별 왜곡된 픽셀 값으로 왜곡시키는 단계를 포함하여 이루어지는 것을 특징으로 하는 왜곡 영상 복원 처리 방법.
According to claim 1, wherein the third step,
Through a designated encoding operation using the key value, the pixel value of each pixel within the n feature regions included in the original image data is determined for each pixel independent of the original pixel value for each pixel (or similarity with the original pixel color is lost). Distorted image reconstruction processing method comprising the step of distorting the pixel value distorted by star.
상기 키 값을 이용한 지정된 엔코딩 연산을 통해 상기 원본 영상 데이터에 포함된 n개의 특징 영역 내의 각 픽셀 별 픽셀 값을 초해상도(Super Resolution) 기술이나 인공지능 기반 복원 기술을 포함하는 비정형 복원 기술에 의해 기 설정된 기준 품질 이상의 고품질로 복원 불가한 각 픽셀 별 왜곡된 픽셀 값으로 왜곡시키는 단계를 포함하여 이루어지는 것을 특징으로 하는 왜곡 영상 복원 처리 방법.
According to claim 1, wherein the third step,
Through a designated encoding operation using the key value, the pixel value for each pixel in the n feature regions included in the original image data is generated by atypical restoration technology including super resolution technology or artificial intelligence-based restoration technology. A method for reconstructing a distorted image, comprising the step of distorting each pixel into a distorted pixel value that cannot be restored to a higher quality than a set reference quality.
상기 키 값을 이용한 지정된 엔코딩 연산을 통해 상기 원본 영상 데이터에 포함된 n개의 특징 영역 내의 각 픽셀 별 픽셀 값을 모자이크(Mosaic) 처리 방식과 무관한(또는 원본 픽셀 색상과의 유사성이 상실된) 각 픽셀 별 왜곡된 픽셀 값으로 왜곡시키는 단계를 포함하여 이루어지는 것을 특징으로 하는 왜곡 영상 복원 처리 방법.
According to claim 1, wherein the third step,
Through a designated encoding operation using the key value, the pixel value of each pixel within the n feature regions included in the original image data is changed to each pixel regardless of the mosaic processing method (or similarity with the original pixel color is lost). Distorted image reconstruction processing method comprising the step of distorting the pixel value distorted by star.
상기 원본 영상 데이터에 포함된 n개의 특징 영역 외측 인접 영역의 지정된 픽셀 별 픽셀 값과 지정된 범위 내의 상관성을 지닌 각 픽셀 별 픽셀 값으로 왜곡되는 것을 특징으로 하는 왜곡 영상 복원 처리 방법.
28. The method according to any one of claims 25 to 27, wherein the distorted pixel value for each pixel in the n feature areas comprises:
Distorted image reconstruction processing method, characterized in that the distortion is distorted into a pixel value for each pixel having a correlation within a specified range with a pixel value for each pixel in an adjacent region outside the n feature regions included in the original image data.
상기 키 값을 이용한 지정된 디코딩 연산을 통해 상기 원본 영상 데이터에 포함되어 있던 n개의 특징 영역 내의 각 픽셀 별 원본 픽셀 값으로 무손실 복원되는 것을 특징으로 하는 왜곡 영상 복원 처리 방법.
28. The method according to any one of claims 25 to 27, wherein the distorted pixel value for each pixel in the n feature areas comprises:
Distorted image restoration processing method, characterized in that lossless restoration to the original pixel value for each pixel in the n feature regions included in the original image data through a specified decoding operation using the key value.
상기 키 값을 생성한 경우 상기 특징 맵 데이터와 상기 생성된 키 값을 지정된 저장매체에 연계 저장하는 단계를 더 포함하여 이루어지는 것을 특징으로 하는 왜곡 영상 복원 처리 방법.
According to claim 1, wherein the fourth step,
When the key value is generated, the method further comprising the step of storing the feature map data and the generated key value in association with a designated storage medium.
영상 데이터를 저장하는 미디어매체와 물리적으로 분리된 매체,
영상 데이터를 저장하는 미디어매체와 논리적으로 분리된 매체,
영상 데이터를 저장하는 미디어매체보다 고도한 보안기술이 적용된 매체 중 적어도 하나의 매체를 포함하여 이루어지는 것을 특징으로 하는 왜곡 영상 복원 처리 방법.
According to claim 1, wherein the storage medium,
A medium physically separated from the media medium storing image data;
A medium logically separated from a media medium storing image data;
Distorted image restoration processing method, characterized in that it comprises at least one of media to which a higher security technology than media media for storing image data is applied.
상기 원본 영상 데이터를 삭제하는 단계를 더 포함하여 이루어지는 것을 특징으로 하는 왜곡 영상 복원 처리 방법.
According to claim 1, wherein the fourth step,
Distorted image restoration processing method, characterized in that it further comprises the step of deleting the original image data.
상기 왜곡된 영상 데이터를 복원하는 경우 상기 왜곡된 영상 데이터에 대응하는 특징 맵 데이터와 코드 값을 추출하고 상기 키 값을 추출하는 제5 단계;
상기 추출된 키 값을 이용한 지정된 디코딩 연산을 통해 상기 왜곡된 영상 데이터의 영역 중 상기 추출된 특징 맵 데이터에 대응하는 n개의 특징 영역을 선택적 복원 처리하는 제6 단계;
상기 복원된 n개의 특징 영역을 포함하는 영상 데이터의 지정된 픽셀 정보를 지정된 코드생성모듈에 지정된 방식으로 적용하여 지정된 코드 값을 생성하는 제7 단계;
상기 생성된 코드 값과 상기 추출된 코드 값을 비교 인증하는 제8 단계; 및
상기 코드 값을 인증한 경우 상기 복원된 n개의 특징 영역을 포함하는 영상 데이터를 원본과 동일하게 복원된 영상 데이터로 확정하는 제9 단계;를 더 포함하여 이루어지는 것을 특징으로 하는 왜곡 영상 복원 처리 방법.
The method of claim 1,
a fifth step of extracting feature map data and code values corresponding to the distorted image data when reconstructing the distorted image data and extracting the key value;
a sixth step of selectively restoring n feature regions corresponding to the extracted feature map data among regions of the distorted image data through a designated decoding operation using the extracted key value;
a seventh step of generating a designated code value by applying designated pixel information of the image data including the restored n feature regions to a designated code generating module in a designated manner;
an eighth step of comparing and authenticating the generated code value with the extracted code value; and
and a ninth step of determining the restored image data including the n feature regions as the restored image data identical to the original when the code value is authenticated.
상기 왜곡된 영상 데이터의 영역 중 상기 추출된 특징 맵 데이터에 대응하는 n개의 특징 영역을 확인하는 단계를 포함하여 이루어지는 것을 특징으로 하는 왜곡 영상 복원 처리 방법.
34. The method of claim 33, wherein the sixth step comprises:
and identifying n feature regions corresponding to the extracted feature map data among regions of the distorted image data.
상기 키 값을 이용한 지정된 디코딩 연산을 통해 상기 왜곡된 영상 데이터에 포함된 n개의 특징 영역 내의 각 픽셀 별 왜곡된 픽셀 값을 원본 영상 데이터에 포함되어 있던 n개의 특징 영역 내의 각 픽셀 별 원본 픽셀 값으로 무손실 복원하는 단계를 포함하여 이루어지는 것을 특징으로 하는 왜곡 영상 복원 처리 방법.
35. The method of claim 33 or 34, wherein the sixth step comprises:
Through a designated decoding operation using the key value, the distorted pixel value for each pixel in the n feature regions included in the distorted image data is converted to the original pixel value for each pixel in the n feature regions included in the original image data. Distorted image restoration processing method comprising the step of lossless restoration.
상기 복원된 n개의 특징 영역을 포함하는 영상 데이터의 픽셀 정보 중 상기 n개의 특징 영역의 왜곡하던 시점의 픽셀 정보와 동일한 픽셀 정보를 동일한 코드생성모듈에 동일한 방식으로 적용하여 지정된 코드 값을 생성하는 단계를 포함하여 이루어지는 것을 특징으로 하는 왜곡 영상 복원 처리 방법.
34. The method of claim 33, wherein the seventh step comprises:
Generating a designated code value by applying the same pixel information as pixel information at a point in time when the n feature regions were distorted among the pixel information of the image data including the restored n feature regions to the same code generation module in the same way Distorted image reconstruction processing method, characterized in that it comprises a.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020190177147A KR20210084802A (en) | 2019-12-27 | 2019-12-27 | Method for Restoring Distortion Video |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020190177147A KR20210084802A (en) | 2019-12-27 | 2019-12-27 | Method for Restoring Distortion Video |
Publications (1)
Publication Number | Publication Date |
---|---|
KR20210084802A true KR20210084802A (en) | 2021-07-08 |
Family
ID=76893990
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020190177147A KR20210084802A (en) | 2019-12-27 | 2019-12-27 | Method for Restoring Distortion Video |
Country Status (1)
Country | Link |
---|---|
KR (1) | KR20210084802A (en) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102621002B1 (en) * | 2023-03-13 | 2024-01-05 | (주)디지탈센스 | Unmanned access management system |
-
2019
- 2019-12-27 KR KR1020190177147A patent/KR20210084802A/en unknown
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102621002B1 (en) * | 2023-03-13 | 2024-01-05 | (주)디지탈센스 | Unmanned access management system |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11155725B2 (en) | Method and apparatus for redacting video for compression and identification of releasing party | |
CN107251477B (en) | System and method for securely managing biometric data | |
KR100407900B1 (en) | Method and apparatus for securely transmitting and authenticating biometric data over a network | |
KR20210084806A (en) | Method for Restoring Distortion Video Based on Iris Recognition | |
KR20040053253A (en) | Method and apparatus for securely transmitting and authenticating biometric data over a network | |
CN108491785B (en) | Artificial intelligence image identification attack defense system | |
CN105913019A (en) | Iris identification method and terminal | |
CN103745151A (en) | System and method for authenticating identity through combination of two-dimension codes and dynamic passwords | |
JP2023111974A (en) | Image masking device and image masking method | |
KR102469380B1 (en) | Method and system for de-identifying and restoring personal information of image data | |
CN116383793B (en) | Face data processing method, device, electronic equipment and computer readable medium | |
CN108512651B (en) | Artificial intelligence image identification attack defense method, system and storage medium | |
KR20210084802A (en) | Method for Restoring Distortion Video | |
CN116432244B (en) | Image processing method, device, equipment and system | |
KR20210084805A (en) | Method for Restoring Distortion Video Based on Finger Print Recognition | |
KR20210084804A (en) | Method for Restoring Distortion Video Based on Identification Card Recognition | |
Thawre et al. | Survey on security of biometric data using cryptography | |
CN116451276B (en) | Image processing method, device, equipment and system | |
JP7112320B2 (en) | Verification device and verification method | |
CN112307875A (en) | Face verification method and face verification system | |
CN114467127A (en) | Method and apparatus for authenticating three-dimensional objects | |
KR20210084807A (en) | Method for Restoring Distortion Video Based on String Recognition | |
KR20210084803A (en) | Method for Restoring Distortion Video Based on Facial Recognition | |
KR101746168B1 (en) | Apparatus for processing image of vehicle black box, method thereof and computer recordable medium storing the method | |
WO2021175714A1 (en) | Scrambling of regions of interest in an image to preserve privacy |