KR102151851B1 - Face recognition method based on infrared image and learning method for the same - Google Patents
Face recognition method based on infrared image and learning method for the same Download PDFInfo
- Publication number
- KR102151851B1 KR102151851B1 KR1020180108763A KR20180108763A KR102151851B1 KR 102151851 B1 KR102151851 B1 KR 102151851B1 KR 1020180108763 A KR1020180108763 A KR 1020180108763A KR 20180108763 A KR20180108763 A KR 20180108763A KR 102151851 B1 KR102151851 B1 KR 102151851B1
- Authority
- KR
- South Korea
- Prior art keywords
- infrared
- image
- face recognition
- learning
- face
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 51
- 239000011521 glass Substances 0.000 claims abstract description 34
- 230000001815 facial effect Effects 0.000 claims description 15
- 238000010586 diagram Methods 0.000 description 14
- 238000012545 processing Methods 0.000 description 5
- 238000001514 detection method Methods 0.000 description 4
- 238000013528 artificial neural network Methods 0.000 description 3
- 238000013500 data storage Methods 0.000 description 3
- 238000010801 machine learning Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003190 augmentative effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Images
Classifications
-
- 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
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/168—Feature extraction; Face representation
- G06V40/171—Local features and components; Facial parts ; Occluding parts, e.g. glasses; Geometrical relationships
-
- G06K9/00221—
-
- G06K9/4661—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/10—Image acquisition
- G06V10/12—Details of acquisition arrangements; Constructional details thereof
- G06V10/14—Optical characteristics of the device performing the acquisition or on the illumination arrangements
- G06V10/143—Sensing or illuminating at different wavelengths
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/60—Extraction of image or video features relating to illumination properties, e.g. using a reflectance or lighting model
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/18—Eye characteristics, e.g. of the iris
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Software Systems (AREA)
- General Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Evolutionary Computation (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Artificial Intelligence (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Biomedical Technology (AREA)
- Molecular Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Human Computer Interaction (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Ophthalmology & Optometry (AREA)
- Medical Informatics (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
안경 착용자에 대한 얼굴 인식률을 높일 수 있는 적외선 영상 기반 얼굴 인식 방법 및 이를 위한 학습 방법이 개시된다. 개시된 적외선 영상 기반 얼굴 인식을 위한 학습 방법은 적외선 광원을 통해 획득한 제1적외선 얼굴 영상에서 눈을 검출하는 단계; 상기 제1적외선 얼굴 영상의 상기 눈 또는 상기 눈의 주변에, 상기 적외선 광원에 대한 반사광 성분을 추가하여, 제2적외선 얼굴 영상을 생성하는 단계; 및 상기 제2적외선 얼굴 영상을 이용하여, 얼굴 인식을 위한 학습을 수행하는 단계를 포함한다.Disclosed is an infrared image-based face recognition method capable of increasing a face recognition rate for a wearer of glasses, and a learning method therefor. The disclosed learning method for face recognition based on infrared images includes: detecting eyes from a first infrared face image acquired through an infrared light source; Generating a second infrared face image by adding a component of reflected light to the infrared light source to the eye of the first infrared face image or around the eye; And performing learning for face recognition using the second infrared face image.
Description
본 발명은 적외선 영상 기반 얼굴 인식 방법 및 이를 위한 학습 방법에 관한 것으로서, 더욱 상세하게는 안경 착용자에 대한 얼굴 인식률을 높일 수 있는 적외선 영상 기반 얼굴 인식 방법 및 이를 위한 학습 방법에 관한 것이다. The present invention relates to an infrared image-based face recognition method and a learning method therefor, and more particularly, to an infrared image-based face recognition method capable of increasing a face recognition rate for a wearer of glasses, and a learning method therefor.
최근 모바일 단말, 보안 시스템 등 다양한 분야에 사용자를 인증하기 위해 얼굴 인식 기술이 사용되고 있다. 그리고 이러한 얼굴 인식 기술의 인식률은, 기계 학습 기술의 발전으로 매우 높아지고 있다.Recently, face recognition technology has been used to authenticate users in various fields such as mobile terminals and security systems. And the recognition rate of such face recognition technology is very high with the development of machine learning technology.
기계 학습 기반의 얼굴 인식 기술은, 다양한 얼굴 영상을 통해 만들어진 학습 데이터를 이용한다. 일예로서 인증 대상인 사용자의 얼굴 영상을 정답으로 이용하고, 그외 다른 사람들의 얼굴 영상을 오답으로 이용하여, 인공 신경망을 학습시킬 수 있으며, 이와 같이 학습된 인공 신경망에 의해, 입력된 얼굴 영상이 사용자에 대한 얼굴 영상인지 여부가 식별될 수 있다. Machine learning-based face recognition technology uses learning data created through various face images. As an example, an artificial neural network can be trained by using the face image of the user to be authenticated as a correct answer and the face image of other people as an incorrect answer. The input face image is transmitted to the user by the artificial neural network It can be identified whether it is a face image for.
학습에 이용되는 얼굴 영상으로, RGB 영상 또는 근적외선 광원이 조사되는 환경에서 촬영된 적외선 영상이 이용된다. RGB 영상의 경우 외부 조명에 따라서, 예컨대 실외에서 촬영된 영상과 실내에서 촬영된 영상 사이의 차이가 많이 나는 반면, 적외선 영상의 경우 외부 조명에 강인한 특성을 나타내기 때문에 높은 보안성이 요구되는 환경에서는 적외선 영상을 이용하는 얼굴 인식 시스템이 선호되고 있다. 또한 RGB 영상을 이용하는 얼굴 인식 시스템의 경우, 실제 얼굴이 아닌 사진에 대한 영상도 인식이 되는 문제가 있기 때문에, 높은 보안성이 요구되는 환경에서는 적외선 영상을 이용하는 얼굴 인식 시스템이 더욱 선호되고 있다.As a face image used for learning, an RGB image or an infrared image captured in an environment irradiated with a near-infrared light source is used. In the case of RGB images, depending on external lighting, for example, there is a lot of difference between an image photographed outdoors and an image photographed indoors, whereas in the case of an infrared image, since it exhibits strong characteristics against external lighting, in an environment requiring high security Face recognition systems using infrared images are preferred. In addition, in the case of a face recognition system using an RGB image, since there is a problem that an image of a photograph other than a real face is recognized, a face recognition system using an infrared image is more preferred in an environment requiring high security.
기계 학습을 이용하는 얼굴 인식 방법의 경우, 학습에 이용되는 레퍼런스 데이터의 양이 많을수록 얼굴 인식의 정확도가 높아질 수 있다. 안경을 쓰지 않은 다양한 사람의 적외선 얼굴 영상은 학습용으로 많이 공개가 되었지만, 안경 착용자에 대한 학습용 적외선 얼굴 영상은 상대적으로 공개된 양이 적은 편이다. 직접 안경 착용자에 대한 적외선 얼굴 영상을 촬영하여 학습에 이용할 수도 있지만, 상당한 시간과 비용이 필요하다. In the case of a face recognition method using machine learning, as the amount of reference data used for learning increases, the accuracy of face recognition may increase. Infrared facial images of various people who do not wear glasses have been widely disclosed for learning, but the amount of infrared facial images for learning for glasses wearers is relatively small. Although it is possible to directly capture an infrared facial image of the wearer and use it for learning, it requires considerable time and cost.
관련된 선행문헌으로, 대한민국 공개특허 제2008-0065532호, 제2018-0092453호, 대한민국 등록특허 제10-1611816호가 있다.As related prior literature, there are Korean Patent Application Publication Nos. 2008-0065532, 2018-0092453, and Korean Registered Patent No. 10-1611816.
본 발명은 안경 착용자에 대한 얼굴 인식률을 높일 수 있는 적외선 영상 기반 얼굴 인식 방법 및 이를 위한 학습 방법을 제공하기 위한 것이다.The present invention is to provide an infrared image-based face recognition method capable of increasing a face recognition rate for a wearer of glasses and a learning method therefor.
상기한 목적을 달성하기 위한 본 발명의 일 실시예에 따르면, 적외선 광원을 통해 획득한 제1적외선 얼굴 영상에서 눈을 검출하는 단계; 상기 제1적외선 얼굴 영상의 상기 눈 또는 상기 눈의 주변에, 상기 적외선 광원에 대한 반사광 성분을 추가하여, 제2적외선 얼굴 영상을 생성하는 단계; 및 상기 제2적외선 얼굴 영상을 이용하여, 얼굴 인식을 위한 학습을 수행하는 단계를 포함하는 적외선 영상 기반 얼굴 인식을 위한 학습 방법이 제공된다.According to an embodiment of the present invention for achieving the above object, the method includes: detecting eyes from a first infrared face image acquired through an infrared light source; Generating a second infrared face image by adding a component of reflected light to the infrared light source to the eye of the first infrared face image or around the eye; And performing learning for face recognition using the second infrared face image. A learning method for face recognition based on an infrared image is provided.
또한 상기한 목적을 달성하기 위한 본 발명의 다른 실시예에 따르면, 적외선 광원을 통해 획득한 타겟 적외선 얼굴 영상을 입력받는 단계; 및 얼굴 인식 학습 데이터에 기반하여, 상기 타겟 적외선 얼굴 영상에 대한 얼굴 인식 결과를 출력하는 단계를 포함하며, 상기 얼굴 인식 학습 데이터는 상기 적외선 광원을 통해 획득한 레퍼런스 적외선 얼굴 영상의 눈 또는 상기 눈의 주변에, 상기 적외선 광원에 대한 반사광 성분을 추가하여 얼굴 인식 학습을 수행한 데이터인 적외선 영상 기반 얼굴 인식 방법이 제공된다.In addition, according to another embodiment of the present invention for achieving the above object, receiving a target infrared face image acquired through an infrared light source; And outputting a face recognition result for the target infrared face image based on the face recognition learning data, wherein the face recognition learning data is the eye of the reference infrared face image or the eye of the eye. In the vicinity, an infrared image-based face recognition method, which is data obtained by performing face recognition learning by adding a reflected light component to the infrared light source, is provided.
본 발명에 따르면, 안경을 착용한 상태의 적외선 얼굴 영상의 특징을 이용하여, 안경을 착용한 상태의 적외선 얼굴 영상을 직접 촬영하여 학습한 것과 동일한 학습 효과를 제공할 수 있다.According to the present invention, it is possible to provide the same learning effect as learning by directly capturing an infrared face image while wearing the glasses by using the features of the infrared face image while wearing the glasses.
또한 본 발명에 따르면, 직접 안경을 착용한 상태의 다양한 적외선 얼굴 영상을 적외선 카메라를 이용해 촬영할 필요가 없으므로, 안경을 착용한 상태의 학습용 적외선 얼굴 영상을 획득하는데 소요되는 시간과 비용을 줄일 수 있다. In addition, according to the present invention, since it is not necessary to capture various infrared facial images while wearing glasses directly using an infrared camera, it is possible to reduce time and cost required to acquire an infrared facial image for learning while wearing glasses.
도 1은 본 발명에 따른 적외선 영상 기반 얼굴 인식 방법을 위한 학습 방법의 개념을 설명하기 위한 도면이다.
도 2는 본 발명의 일실시예에 따른 적외선 영상 기반 얼굴 인식을 위한 학습 장치를 설명하기 위한 도면이다.
도 3은 본 발명의 일실시예에 따른 적외선 영상 기반 얼굴 인식을 위한 학습 방법을 설명하기 위한 도면이다.
도 4는 안경을 미착용한 상태에서의 적외선 얼굴 영상과 반사광 성분이 추가된 적외선 얼굴 영상을 도시하는 도면이다.
도 5는 반사광 성분의 화소값을 설명하기 위한 도면이다.
도 6은 본 발명의 일실시예에 따른 적외선 영상 기반 얼굴 인식 장치를 설명하기 위한 도면이다.
도 7은 본 발명의 일실시예에 따른 적외선 영상 기반 얼굴 인식 방법을 설명하기 위한 도면이다.1 is a diagram illustrating a concept of a learning method for a face recognition method based on an infrared image according to the present invention.
FIG. 2 is a diagram illustrating a learning device for face recognition based on an infrared image according to an embodiment of the present invention.
3 is a diagram illustrating a learning method for face recognition based on an infrared image according to an embodiment of the present invention.
4 is a diagram illustrating an infrared face image in a state where glasses are not worn and an infrared face image to which a reflected light component is added.
5 is a diagram for describing pixel values of reflected light components.
6 is a diagram illustrating an infrared image-based face recognition apparatus according to an embodiment of the present invention.
7 is a diagram for describing a method of recognizing an infrared image based face according to an embodiment of the present invention.
본 발명은 다양한 변경을 가할 수 있고 여러 가지 실시예를 가질 수 있는 바, 특정 실시예들을 도면에 예시하고 상세하게 설명하고자 한다. 그러나, 이는 본 발명을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다. 각 도면을 설명하면서 유사한 참조부호를 유사한 구성요소에 대해 사용하였다. In the present invention, various modifications may be made and various embodiments may be provided, and specific embodiments will be illustrated in the drawings and described in detail. However, this is not intended to limit the present invention to a specific embodiment, it is to be understood to include all changes, equivalents, and substitutes included in the spirit and scope of the present invention. In describing each drawing, similar reference numerals have been used for similar elements.
이하에서, 본 발명에 따른 실시예들을 첨부된 도면을 참조하여 상세하게 설명한다. Hereinafter, embodiments of the present invention will be described in detail with reference to the accompanying drawings.
도 1은 본 발명에 따른 적외선 영상 기반 얼굴 인식 방법을 위한 학습 방법의 개념을 설명하기 위한 도면으로서, 동일한 사람에 대한 안경을 미착용한 상태에서의 적외선 얼굴 영상(110)과 안경을 착용한 상태에서의 적외선 얼굴 영상(120)을 나타낸다.1 is a diagram for explaining the concept of a learning method for an infrared image-based face recognition method according to the present invention, in which an
도 1에 도시된 바와 같이, 안경을 미착용한 상태에서는 얼굴의 눈 주위에 반사광 성분이 없는 적외선 얼굴 영상(110)이 획득될 수 있지만, 안경을 착용한 상태에서는 적외선 빛이 안경 렌즈에 의해 반사되기 때문에, 얼굴의 눈 주위에 적어도 하나의 반사광 성분(121)이 존재하는 적외선 얼굴 영상(120)이 획득된다. As shown in FIG. 1, in a state where glasses are not worn, an infrared
이러한 반사광 성분에 의해 적외선 얼굴 영상에서, 눈이 가려지는 현상이 발생하기 때문에, 안경을 착용하지 않은 상태에서의 적외선 얼굴 영상만을 이용하여 학습을 수행하면, 안경을 착용한 상태의 적외선 얼굴 영상에 대한 얼굴 인식 성능이 떨어질 수 있다. 다시 말해, 동일한 사용자가 안경을 착용하지 않은 상태로 얼굴 인식을 수행할 경우에는 인식이 되지만, 안경을 착용한 상태로 얼굴 인식을 수행할 경우에는 인식이 안될 수 있는 것이다. Since the eye is covered in the infrared face image due to the reflected light component, if learning is performed using only the infrared face image without wearing glasses, the infrared face image while wearing the glasses is Face recognition performance may deteriorate. In other words, when face recognition is performed by the same user without wearing glasses, recognition is performed, but when face recognition is performed while wearing glasses, recognition may not be performed.
따라서, 적외선 얼굴 영상을 이용하는 얼굴 인식 시스템에서 얼굴 인식 성능을 높이기 위해서는, 안경을 착용한 상태의 다양한 적외선 얼굴 영상을 학습에 이용할 필요가 있지만, 학습을 위해 공개된, 안경을 착용한 상태의 적외선 얼굴 영상은 부족한 실정이다. 직접 안경을 착용한 상태의 다양한 적외선 얼굴 영상을 적외선 카메라를 이용해 촬영할 수도 있지만, 수많은 사람을 섭외하는 것부터 시작해 일일이 카메라로 촬영하는 것까지 물리적으로 많은 시간과 비용이 소모된다.Therefore, in order to improve face recognition performance in a face recognition system using an infrared face image, it is necessary to use various infrared face images while wearing glasses for learning, but the infrared face while wearing glasses, which has been disclosed for learning. The video is insufficient. Although it is possible to shoot various infrared facial images while wearing glasses directly using an infrared camera, it takes a lot of time and money physically from recruiting a large number of people to shooting with the camera individually.
이에 본 발명은, 직접 안경을 착용한 상태의 다양한 적외선 얼굴 영상을 적외선 카메라를 이용해 촬영할 필요없이, 안경을 착용한 상태의 적외선 얼굴 영상의 특징을 이용하여, 학습에 필요한 적외선 얼굴 영상을 생성한 후, 학습을 수행하는 방법을 제안한다. Accordingly, the present invention generates an infrared face image required for learning by using the features of the infrared face image while wearing the glasses, without the need to directly photograph various infrared face images while wearing the glasses using an infrared camera. , Suggests a way to conduct learning.
안경을 착용한 상태의 적외선 얼굴 영상(120)에는, 도 1에 도시된 바와 같이, 눈 주변에 반사광 성분(121)이 포함된다는 점에 착안하여, 본 발명은 안경을 미착용한 상태에서의 적외선 얼굴 영상의 눈 주변에 랜덤하게 반사광 성분을 포함시키고, 이와 같이 반사광 성분이 포함된 적외선 얼굴 영상을 이용하여 학습을 수행한다.Focusing on the fact that the
따라서 본 발명에 따르면, 안경을 착용한 상태의 적외선 얼굴 영상을 직접 촬영하여 학습한 것과 동일한 학습 효과를 제공할 수 있다.Therefore, according to the present invention, it is possible to provide the same learning effect as learning by directly capturing an infrared face image while wearing glasses.
또한 본 발명에 따르면, 직접 안경을 착용한 상태의 다양한 적외선 얼굴 영상을 적외선 카메라를 이용해 촬영할 필요없이 영상 처리를 통해 반사광 성분만을 적외선 얼굴 영상에 추가하면 되므로, 안경을 착용한 상태의 학습용 적외선 얼굴 영상을 획득하는데 소요되는 시간과 비용을 줄일 수 있다. In addition, according to the present invention, since only the reflected light component can be added to the infrared face image through image processing without the need to capture various infrared face images while wearing glasses directly using an infrared camera, infrared facial images for learning while wearing glasses It can reduce the time and cost required to acquire
도 2는 본 발명의 일실시예에 따른 적외선 영상 기반 얼굴 인식을 위한 학습 장치를 설명하기 위한 도면이다. FIG. 2 is a diagram illustrating a learning device for face recognition based on an infrared image according to an embodiment of the present invention.
도 2를 참조하면, 본 발명에 따른 학습 장치는 눈 검출부(210), 영상 처리부(220) 및 학습부(230)를 포함한다.Referring to FIG. 2, the learning apparatus according to the present invention includes an
눈 검출부(210)는 적외선 광원이 조사되는 환경에서 촬영된 제1 적외선 얼굴 영상을 입력받아, 제1적외선 얼굴 영상에서 눈을 검출한다. 눈 검출부(210)는 AdaBoost 알고리즘 등 다양한 방식의 눈 검출 알고리즘을 이용하여 눈을 검출할 수 있다.The
영상 처리부(220)는 제1적외선 얼굴 영상의 눈 또는 눈의 주변에, 적외선 광원에 대한 반사광 성분을 추가하여, 제2적외선 얼굴 영상을 생성한다. 즉, 제2적외선 얼굴 영상은 제1적외선 얼굴 영상에 반사광 성분이 증강(augmentation)된 영상이다. 피사체가 적외선 빛을 반사시키는 물체, 예컨대 안경, 안경형 디바이스 또는 선글라스 등을 착용하였을 때, 도 1에 도시된 바와 같이, 피사체의 눈 주변에 반사광 성분이 생성되기 때문에, 영상 처리부(220)는 제1적외선 얼굴 영상의 눈 또는 눈의 주변에 반사광 성분을 추가한다. The
반사광 성분이 추가되는 영역은 눈을 포함하여 눈으로부터 미리 설정된 거리 내의 영역일 수 있으며, 반사광 성분의 형상, 개수 등은, 안경을 착용한 상태의 다양한 적외선 얼굴 영상을 통계적으로 분석하여 결정될 수 있다.The area to which the reflected light component is added may be an area within a predetermined distance from the eye, including the eye, and the shape and number of the reflected light component may be determined by statistically analyzing various infrared facial images while wearing glasses.
학습부(230)는 제2적외선 얼굴 영상을 이용하여, 얼굴 인식을 위한 학습을 수행하여, 학습 데이터를 생성한다. 학습부(230)는, 학습에 이용되는 레퍼런스 데이터인 제2적외선 얼굴 영상을 다양한 학습 알고리즘에 적용하여 학습을 수행할 수 있으며, 일예로서, FaceNet, NIRFaceNet 등과 같은 얼굴 인식 학습 알고리즘을 이용하여 학습 데이터를 생성할 수 있다. The
본 발명의 다른 실시예에 따른 학습 장치는 적외선 광원 및 적외선 카메라를 더 포함할 수 있다. 적외선 카메라는 적외선 광원의 빛이 조사되는 피사체에 대한 얼굴 영상을 획득하여 눈 검출부(210)로 제공할 수 있다.The learning apparatus according to another embodiment of the present invention may further include an infrared light source and an infrared camera. The infrared camera may acquire a face image of a subject to which light from an infrared light source is irradiated, and provide it to the
또한 본 발명의 또 다른 실시예에 따른 학습 장치는 눈 검출부와 영상 처리부를 포함하지 않으며, 외부 장치에서 생성된 제2적외선 얼굴 영상을 입력받아 학습을 수행할 수도 있다.Further, the learning apparatus according to another embodiment of the present invention does not include an eye detection unit and an image processing unit, and may perform learning by receiving a second infrared face image generated from an external device.
도 3은 본 발명의 일실시예에 따른 적외선 영상 기반 얼굴 인식을 위한 학습 방법을 설명하기 위한 도면이며, 도 4는 안경을 미착용한 상태에서의 적외선 얼굴 영상과 반사광 성분이 추가된 적외선 얼굴 영상을 도시하는 도면이다. 그리고 도 5는 반사광 성분의 화소값을 설명하기 위한 도면이다.3 is a diagram for explaining a learning method for face recognition based on an infrared image according to an embodiment of the present invention, and FIG. 4 is a diagram illustrating an infrared face image and an infrared face image to which a reflected light component is added without wearing glasses. It is a drawing shown. 5 is a diagram for describing pixel values of reflected light components.
본 발명에 따른 학습 방법은 프로세서를 포함하는 컴퓨팅 장치에서 수행될 수 있으며, 이하에서는 도 2의 학습 장치에서 수행되는 학습 방법이 일실시예로서 설명된다.The learning method according to the present invention may be performed in a computing device including a processor. Hereinafter, a learning method performed in the learning device of FIG. 2 will be described as an embodiment.
본 발명에 따른 학습 장치는 적외선 광원을 통해 획득한 제1적외선 얼굴 영상에서 눈을 검출(S310)한다. 일실시예로서, 도 4(a) 및 도 4(b)의 좌측 영상과 같은 제1적외선 얼굴 영상(410, 430)을 제공받아 눈을 검출할 수 있다. The learning apparatus according to the present invention detects eyes from a first infrared ray face image acquired through an infrared light source (S310). As an embodiment, the eyes may be detected by receiving the first
본 발명에 따른 학습 장치는 제1적외선 얼굴 영상의 눈 또는 눈의 주변에, 적외선 광원에 대한 반사광 성분을 추가하여, 제2적외선 얼굴 영상을 생성(S320)한다. 일실시예로서, 도 4(a) 및 도 4(b)의 우측 영상은, 제1적외선 얼굴 영상(410, 430) 각각으로부터 생성된 제2적외선 얼굴 영상(420, 440)의 일예를 나타낸다. 도 4에서, 눈 및 눈 주위에 하얗게 표시된 영역이 반사광 성분에 대응되는 영역을 나타낸다.The learning apparatus according to the present invention generates a second infrared facial image by adding a component of reflected light to the infrared light source to the eye or around the eyes of the first infrared facial image (S320). As an embodiment, the right image of FIGS. 4A and 4B shows an example of the second
도 1에 도시된 바와 같이, 반사광 성분이 위치하는 영역은 주변 영역보다 밝기 때문에, 학습 장치는 최대값의 화소값을 갖는 반사광 성분을 제1적외선 얼굴 영상에 추가하여, 제2적외선 얼굴 영상을 생성할 수 있다. 최대값의 화소값은 적외선 얼굴 영상에서 가장 밝은 화소값에 대응된다.As shown in FIG. 1, since the area where the reflected light component is located is brighter than the surrounding area, the learning device adds the reflected light component having the maximum pixel value to the first infrared face image to generate a second infrared face image. can do. The maximum pixel value corresponds to the brightest pixel value in the infrared face image.
또한 반사광 성분은 대체적으로 타원 형상을 나타내기 때문에, 학습 장치는 랜덤한 타원 형상의 반사광 성분을 제1적외선 얼굴 영상에 추가할 수 있다.In addition, since the reflected light component generally has an elliptical shape, the learning apparatus can add the reflected light component having a random ellipse shape to the first infrared face image.
이 때, 제1적외선 얼굴 영상에 추가되는 반사광 성분의 위치, 개수 및 형상은 랜덤하게 결정될 수 있다.In this case, the location, number, and shape of reflected light components added to the first infrared face image may be randomly determined.
본 발명에 따른 학습 장치는 단계 S320에서, 최대값인 제1화소값 및 최대값보다 작은 제2화소값을 포함하는 반사광 성분을 제1적외선 얼굴 영상에 추가할 수 있다. 반사광 성분은 중심부가 가장 밝고 중심부에서 멀어질수록 어두워지는 패턴을 나타내기 때문에, 학습 장치는 도 5에 도시된 바와 같이, 제2화소값을 포함하는 제2영역(520)이 제1화소값을 포함하는 제1영역(510)의 주변에 위치하여 제1영역(510)을 둘러싸도록 반사광 성분(500)을 생성할 수 있다. 이 때, 제2영역(520)의 화소값은 제1영역(510)에서 멀리 떨어질수록 작아질 수 있으며, 반사광 성분(500) 주변의 화소값에 따라 결정될 수 있다. 예컨대, 제2화소값은 제1영역(510)의 화소값과 반사광 성분(500) 주변의 화소값을 보간하여 결정될 수 있다.In step S320, the learning apparatus according to the present invention may add a reflected light component including a first pixel value that is a maximum value and a second pixel value smaller than the maximum value to the first infrared face image. Since the reflected light component represents a pattern in which the center is brightest and darkens as the distance from the center increases, as shown in FIG. 5, the
본 발명에 따른 학습 장치는 제2적외선 얼굴 영상을 이용하여, 얼굴 인식을 위한 학습을 수행하여, 학습 데이터를 생성한다. 이러한 학습 데이터는 후술되는 얼굴 인식에 이용될 수 있다.The learning apparatus according to the present invention generates learning data by performing learning for face recognition using the second infrared face image. Such learning data can be used for face recognition, which will be described later.
한편, 본 발명에 다른 실시예에 따른 학습 방법은 안경, 안경형 디바이스 또는 선글라스가 착용된 상태에서, 적외선 광원을 통해 획득한 복수의 적외선 얼굴 영상을 이용하여, 반사광 성분의 위치, 형상 및 개수 중 적어도 하나를 분석하는 단계를 더 포함할 수 있다. 본 발명에 따른 학습 장치는 반사광 성분의 위치, 형상 및 개수를 통계적으로 분석할 수 있으며, 단계 S320에서 학습 장치는 전술된 분석 결과를 이용하여 통계적으로 가장 많이 도출된 반사광 성분의 위치, 형상 및 개수에 따라서 반사광 성분을 제1적외선 얼굴 영상에 추가할 수 있다.On the other hand, the learning method according to another embodiment of the present invention uses a plurality of infrared face images acquired through an infrared light source while wearing glasses, glasses-type devices, or sunglasses, at least among the positions, shapes, and numbers of reflected light components. It may further include analyzing one. The learning device according to the present invention can statistically analyze the location, shape, and number of reflected light components, and in step S320, the learning device uses the above-described analysis result to statistically determine the location, shape, and number of reflected light components. Accordingly, the reflected light component may be added to the first infrared face image.
예컨대, 안경을 착용한 상태로 적외선 광원을 통해 획득한 적외선 얼굴 영상에서, 반사광 성분이 눈의 위쪽보다 아랫쪽에 많이 발생한다면, 학습 장치는 눈의 아랫쪽에 보다 많은 반사광 성분을 추가하여 제2적외선 얼굴 영상을 생성할 수 있다.For example, in an infrared face image acquired through an infrared light source while wearing glasses, if the reflected light component occurs more in the lower part of the eye than the upper part, the learning device adds more reflected light component to the lower part of the eye and You can create an image.
도 6은 본 발명의 일실시예에 따른 적외선 영상 기반 얼굴 인식 장치를 설명하기 위한 도면이다.6 is a diagram illustrating an infrared image-based face recognition apparatus according to an embodiment of the present invention.
도 6을 참조하면, 본 발명에 따른 적외선 영상 기반 얼굴 인식 장치는 적외선 광원(610), 적외선 카메라(620), 인식부(630) 및 학습 데이터 저장부(640)를 포함한다.Referring to FIG. 6, the infrared image-based face recognition apparatus according to the present invention includes an infrared
적외선 광원(610)은 얼굴 인식 대상인 타겟 피사체로 적외선 빛을 조사하며, 적외선 카메라(620)는 타겟 피사체에 대한 타겟 적외선 얼굴 영상을 획득한다.The infrared
인식부(630)는 타겟 적외선 얼굴 영상 및 학습 데이터 저장부(640)에 저장된 얼굴 인식 학습 데이터를 이용하여, 타겟 적외선 얼굴 영상을 인식한다. 예컨대, 인식부(630)는 타겟 적외선 얼굴 영상이 미리 등록된 피사체에 대한 적외선 얼굴 영상인지 여부를 식별할 수 있다.The
학습 데이터 저장부(640)에 저장된 얼굴 인식 학습 데이터는 도 3 내지 도 5에서 설명된 학습 방법에 의해 생성된 학습 데이터로서, 적외선 광원을 통해 획득한 학습용 레퍼런스 적외선 얼굴 영상의 눈 또는 눈의 주변에, 적외선 광원에 대한 반사광 성분을 추가하여 얼굴 인식 학습을 수행한 데이터이다. 이러한 얼굴 인식 학습 데이터는 일실시예로서 학습이 수행된 인공 신경망 형태의 데이터일 수 있다.The face recognition learning data stored in the learning
도 7은 본 발명의 일실시예에 따른 적외선 영상 기반 얼굴 인식 방법을 설명하기 위한 도면이다.7 is a diagram for describing a method of recognizing a face based on an infrared image according to an embodiment of the present invention.
본 발명에 따른 학습 방법은 프로세서를 포함하는 컴퓨팅 장치에서 수행될 수 있으며, 이하에서는 도 6의 얼굴 인식 장치에서 수행되는 얼굴 인식 방법이 일실시예로서 설명된다.The learning method according to the present invention may be performed in a computing device including a processor. Hereinafter, a face recognition method performed in the face recognition device of FIG. 6 will be described as an embodiment.
본 발명에 따른 얼굴 인식 장치는 적외선 광원을 통해 획득한 타겟 적외선 얼굴 영상을 입력(S710)받고, 얼굴 인식 학습 데이터에 기반하여, 타겟 적외선 얼굴 영상에 대한 얼굴 인식 결과를 출력(S720)한다. 여기서, 얼굴 인식 학습 데이터는 적외선 광원을 통해 획득한 레퍼런스 적외선 얼굴 영상의 눈 또는 눈의 주변에, 적외선 광원에 대한 반사광 성분을 추가하여 얼굴 인식 학습을 수행한 데이터이다.The face recognition apparatus according to the present invention receives a target infrared face image acquired through an infrared light source (S710), and outputs a face recognition result for the target infrared face image (S720) based on the face recognition learning data. Here, the face recognition learning data is data obtained by performing face recognition learning by adding a component of reflected light to the infrared light source to the eyes or around the eyes of the reference infrared face image acquired through the infrared light source.
반사광 성분의 화소값은 최대값인 제1화소값 및 최대값보다 작은 제2화소값을 포함하며, 제2화소값을 포함하는 영역은 제1화소값을 포함하는 영역의 주변에 위치하는 영역일 수 있다. 레퍼런스 적외선 얼굴 영상에 추가된 반사광 성분의 형상은 타원 형상일 수 있으며,제2화소값은 반사광 성분 주변의 화소값에 따라 결정될 수 있다.The pixel value of the reflected light component includes a first pixel value that is a maximum value and a second pixel value that is less than the maximum value, and the area including the second pixel value is an area located around the area including the first pixel value. I can. The shape of the reflected light component added to the reference infrared face image may have an ellipse shape, and the second pixel value may be determined according to a pixel value around the reflected light component.
앞서 설명한 기술적 내용들은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 실시예들을 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 하드웨어 장치는 실시예들의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.The technical details described above may be implemented in the form of program instructions that can be executed through various computer means and recorded in a computer-readable medium. The computer-readable medium may include program instructions, data files, data structures, and the like alone or in combination. The program instructions recorded on the medium may be specially designed and configured for the embodiments, or may be known and usable to those skilled in computer software. Examples of computer-readable recording media include magnetic media such as hard disks, floppy disks, and magnetic tapes, optical media such as CD-ROMs and DVDs, and magnetic media such as floptical disks. -A hardware device specially configured to store and execute program instructions such as magneto-optical media, and ROM, RAM, flash memory, and the like. Examples of program instructions include not only machine language codes such as those produced by a compiler but also high-level language codes that can be executed by a computer using an interpreter or the like. The hardware device may be configured to operate as one or more software modules to perform the operations of the embodiments, and vice versa.
이상과 같이 본 발명에서는 구체적인 구성 요소 등과 같은 특정 사항들과 한정된 실시예 및 도면에 의해 설명되었으나 이는 본 발명의 보다 전반적인 이해를 돕기 위해서 제공된 것일 뿐, 본 발명은 상기의 실시예에 한정되는 것은 아니며, 본 발명이 속하는 분야에서 통상적인 지식을 가진 자라면 이러한 기재로부터 다양한 수정 및 변형이 가능하다. 따라서, 본 발명의 사상은 설명된 실시예에 국한되어 정해져서는 아니되며, 후술하는 특허청구범위뿐 아니라 이 특허청구범위와 균등하거나 등가적 변형이 있는 모든 것들은 본 발명 사상의 범주에 속한다고 할 것이다.As described above, in the present invention, specific matters such as specific components, etc., and limited embodiments and drawings have been described, but this is provided only to help a more general understanding of the present invention, and the present invention is not limited to the above embodiments. , If a person of ordinary skill in the field to which the present invention belongs, various modifications and variations are possible from these descriptions. Therefore, the spirit of the present invention is limited to the described embodiments and should not be defined, and all things that are equivalent or equivalent to the claims as well as the claims to be described later belong to the scope of the spirit of the present invention. .
Claims (11)
적외선 광원을 통해 획득한 제1적외선 얼굴 영상에서 눈을 검출하는 단계;
상기 제1적외선 얼굴 영상의 상기 눈 또는 상기 눈의 주변에, 상기 적외선 광원에 대한 반사광 성분을 추가하여, 제2적외선 얼굴 영상을 생성하는 단계; 및
상기 제2적외선 얼굴 영상을 이용하여, 얼굴 인식을 위한 학습을 수행하는 단계
를 포함하는 적외선 영상 기반 얼굴 인식을 위한 학습 방법.
In the learning method for face recognition based on infrared images performed in a computing device,
Detecting eyes from a first infrared face image acquired through an infrared light source;
Generating a second infrared face image by adding a component of reflected light to the infrared light source to the eye of the first infrared face image or around the eye; And
Performing learning for face recognition using the second infrared face image
Learning method for face recognition based on an infrared image comprising a.
상기 반사광 성분의 화소값은
최대값을 포함하는
적외선 영상 기반 얼굴 인식을 위한 학습 방법.
The method of claim 1,
The pixel value of the reflected light component is
Containing maximum
Learning method for face recognition based on infrared image.
상기 반사광 성분의 화소값은
상기 최대값인 제1화소값 및 상기 최대값보다 작은 제2화소값을 포함하며,
상기 제2화소값을 포함하는 영역은
상기 제1화소값을 포함하는 영역의 주변에 위치하는 영역인
적외선 영상 기반 얼굴 인식을 위한 학습 방법.
The method of claim 2,
The pixel value of the reflected light component is
A first pixel value that is the maximum value and a second pixel value smaller than the maximum value,
The area including the second pixel value is
Which is an area located around the area including the first pixel value
Learning method for face recognition based on infrared image.
상기 제2화소값은
상기 반사광 성분 주변의 화소값에 따라 결정되는
적외선 영상 기반 얼굴 인식을 위한 학습 방법.
The method of claim 3,
The second pixel value is
Determined according to pixel values around the reflected light component
Learning method for face recognition based on infrared image.
상기 반사광 성분은
타원 형상인
적외선 영상 기반 얼굴 인식을 위한 학습 방법.
The method of claim 1,
The reflected light component is
Elliptical
Learning method for face recognition based on infrared image.
안경, 안경형 디바이스 또는 선글라스가 착용된 상태에서, 상기 적외선 광원을 통해 획득한 복수의 제3적외선 얼굴 영상을 이용하여, 상기 반사광 성분의 위치, 형상 및 개수 중 적어도 하나를 분석하는 단계를 더 포함하며,
상기 제2적외선 얼굴 영상을 생성하는 단계는
상기 반사광 성분의 분석 결과를 이용하여, 상기 제2적외선 얼굴 영상을 생성하는
적외선 영상 기반 얼굴 인식을 위한 학습 방법.
The method of claim 1,
In a state where glasses, glasses-type devices, or sunglasses are worn, analyzing at least one of the location, shape, and number of the reflected light component using a plurality of third infrared face images acquired through the infrared light source, ,
Generating the second infrared face image
Using the analysis result of the reflected light component, generating the second infrared face image
Learning method for face recognition based on infrared image.
상기 제1적외선 얼굴 영상은
안경이 미착용된 상태에서의 적외선 얼굴 영상인
적외선 영상 기반 얼굴 인식을 위한 학습 방법.
The method of claim 1,
The first infrared face image
Infrared facial image without glasses
Learning method for face recognition based on infrared image.
적외선 광원을 통해 획득한 타겟 적외선 얼굴 영상을 입력받는 단계; 및
얼굴 인식 학습 데이터에 기반하여, 상기 타겟 적외선 얼굴 영상에 대한 얼굴 인식 결과를 출력하는 단계를 포함하며,
상기 얼굴 인식 학습 데이터는
상기 적외선 광원을 통해 획득한 레퍼런스 적외선 얼굴 영상의 눈 또는 상기 눈의 주변에, 상기 적외선 광원에 대한 반사광 성분을 추가하여 얼굴 인식 학습을 수행한 데이터인
적외선 영상 기반 얼굴 인식 방법.
In the infrared image-based face recognition method performed in a computing device,
Receiving a target infrared face image acquired through an infrared light source; And
Based on the face recognition learning data, comprising the step of outputting a face recognition result for the target infrared face image,
The face recognition learning data is
Data obtained by performing face recognition learning by adding a component of reflected light to the infrared light source to the eye of the reference infrared facial image acquired through the infrared light source or around the eye
Infrared image-based face recognition method.
상기 반사광 성분의 화소값은
최대값을 포함하는
적외선 영상 기반 얼굴 인식 방법.
The method of claim 8,
The pixel value of the reflected light component is
Containing maximum
Infrared image-based face recognition method.
상기 반사광 성분의 화소값은
상기 최대값인 제1화소값 및 상기 최대값보다 작은 제2화소값을 포함하며,
상기 제2화소값을 포함하는 영역은
상기 제1화소값을 포함하는 영역의 주변에 위치하는 영역인
적외선 영상 기반 얼굴 인식 방법.
The method of claim 9,
The pixel value of the reflected light component is
A first pixel value that is the maximum value and a second pixel value smaller than the maximum value,
The area including the second pixel value is
Which is an area located around the area including the first pixel value
Infrared image-based face recognition method.
상기 제2화소값은
상기 반사광 성분 주변의 화소값에 따라 결정되는
적외선 영상 기반 얼굴 인식 방법.
The method of claim 10,
The second pixel value is
Determined according to pixel values around the reflected light component
Infrared image-based face recognition method.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020180108763A KR102151851B1 (en) | 2018-09-12 | 2018-09-12 | Face recognition method based on infrared image and learning method for the same |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020180108763A KR102151851B1 (en) | 2018-09-12 | 2018-09-12 | Face recognition method based on infrared image and learning method for the same |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20200034018A KR20200034018A (en) | 2020-03-31 |
| KR102151851B1 true KR102151851B1 (en) | 2020-09-03 |
Family
ID=70001961
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020180108763A Active KR102151851B1 (en) | 2018-09-12 | 2018-09-12 | Face recognition method based on infrared image and learning method for the same |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102151851B1 (en) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2024025179A1 (en) * | 2022-07-26 | 2024-02-01 | 삼성전자 주식회사 | Method for connecting to external display device on basis of biometric information, and electronic device |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102746703B1 (en) * | 2021-06-16 | 2024-12-27 | 국민건강보험공단 | Thermal imaging quarantine system for the screening of febrile person |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101014325B1 (en) | 2008-02-11 | 2011-02-14 | 김동의 | Infrared Face Recognition System and Method |
| WO2012147027A1 (en) | 2011-04-28 | 2012-11-01 | Koninklijke Philips Electronics N.V. | Face location detection |
| KR101373274B1 (en) | 2012-11-08 | 2014-03-11 | 주식회사 크라스아이디 | Face recognition method by glasses removal and face recognition apparatus using the face recognition method |
| KR101393717B1 (en) | 2012-06-26 | 2014-05-13 | 구글 인코포레이티드 | Facial recognition technology |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20070081773A (en) * | 2006-02-13 | 2007-08-17 | 스마트 와이어레스 가부시키가이샤 | Infrared face authentication device, portable terminal and security device having same |
| KR20090093223A (en) * | 2008-02-29 | 2009-09-02 | 홍익대학교 산학협력단 | Removal Eye Glasses using Variable Mask and Inpainting for Improved Performance of Face Recognition System |
| KR102477190B1 (en) * | 2015-08-10 | 2022-12-13 | 삼성전자주식회사 | Method and apparatus for face recognition |
-
2018
- 2018-09-12 KR KR1020180108763A patent/KR102151851B1/en active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101014325B1 (en) | 2008-02-11 | 2011-02-14 | 김동의 | Infrared Face Recognition System and Method |
| WO2012147027A1 (en) | 2011-04-28 | 2012-11-01 | Koninklijke Philips Electronics N.V. | Face location detection |
| KR101393717B1 (en) | 2012-06-26 | 2014-05-13 | 구글 인코포레이티드 | Facial recognition technology |
| KR101373274B1 (en) | 2012-11-08 | 2014-03-11 | 주식회사 크라스아이디 | Face recognition method by glasses removal and face recognition apparatus using the face recognition method |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2024025179A1 (en) * | 2022-07-26 | 2024-02-01 | 삼성전자 주식회사 | Method for connecting to external display device on basis of biometric information, and electronic device |
Also Published As
| Publication number | Publication date |
|---|---|
| KR20200034018A (en) | 2020-03-31 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Chan et al. | Face liveness detection using a flash against 2D spoofing attack | |
| US10380421B2 (en) | Iris recognition via plenoptic imaging | |
| Tang et al. | Face flashing: a secure liveness detection protocol based on light reflections | |
| Li et al. | Understanding OSN-based facial disclosure against face authentication systems | |
| US11989975B2 (en) | Iris authentication device, iris authentication method, and recording medium | |
| JP2018160237A (en) | Face authentication method and apparatus | |
| CN113614731B (en) | Authentication verification using soft biometrics | |
| US11682236B2 (en) | Iris authentication device, iris authentication method and recording medium | |
| KR20180134280A (en) | Apparatus and method of face recognition verifying liveness based on 3d depth information and ir information | |
| KR102151851B1 (en) | Face recognition method based on infrared image and learning method for the same | |
| CN107368817A (en) | Face identification method and device | |
| CN111699678B (en) | Security inspection system and security inspection method using face ID sensing | |
| CN114387674A (en) | Liveness detection method, system, device, storage medium and program product | |
| KR20210050649A (en) | Face verifying method of mobile device | |
| US20250104480A1 (en) | Method and system for determining liveness of a subject | |
| US20250037509A1 (en) | System and method for determining liveness using face rotation | |
| Dixit et al. | SIFRS: Spoof Invariant Facial Recognition System (A Helping Hand for Visual Impaired People) | |
| Santos-Villalobos et al. | Iris recognition via plenoptic imaging |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PA0109 | Patent application |
Patent event code: PA01091R01D Comment text: Patent Application Patent event date: 20180912 |
|
| PA0201 | Request for examination | ||
| E902 | Notification of reason for refusal | ||
| PE0902 | Notice of grounds for rejection |
Comment text: Notification of reason for refusal Patent event date: 20200302 Patent event code: PE09021S01D |
|
| PG1501 | Laying open of application | ||
| E701 | Decision to grant or registration of patent right | ||
| PE0701 | Decision of registration |
Patent event code: PE07011S01D Comment text: Decision to Grant Registration Patent event date: 20200610 |
|
| PR0701 | Registration of establishment |
Comment text: Registration of Establishment Patent event date: 20200828 Patent event code: PR07011E01D |
|
| PR1002 | Payment of registration fee |
Payment date: 20200828 End annual number: 3 Start annual number: 1 |
|
| PG1601 | Publication of registration | ||
| PR1001 | Payment of annual fee |
Payment date: 20230801 Start annual number: 4 End annual number: 4 |
|
| PR1001 | Payment of annual fee |
Payment date: 20240729 Start annual number: 5 End annual number: 5 |