| 1 |
1
하나 이상의 학습 영상 및 인식 영상을 수신하는 통신 인터페이스;명령어에 따라 얼굴 영상에 나타난 사용자의 얼굴을 식별하는 프로세서; 및상기 명령어를 저장하는 메모리;를 포함하되,상기 명령어는,상기 학습 영상을 입력 받아 블록별 히스토그램 특징 벡터를 추출하는 단계;상기 학습 영상에 대한 블록별 상기 히스토그램 특징 벡터를 비교하여 매칭값을 생성하는 단계;상기 매칭값에 따라 블록별 학습 가중치를 산출하는 단계;상기 가중치에 따른 다층 신경망의 파라미터를 조정하는 단계;상기 인식 영상 및 미리 저장된 등록 영상의 픽셀 평균 및 표준 편차를 상기 다층 신경망으로 입력하여 블록별 적용 가중치를 산출하는 단계;상기 적용 가중치를 적용하여 상기 인식 영상 및 상기 등록 영상 간의 최종 매칭값을 산출하는 단계; 및상기 최종 매칭값이 미리 지정된 임계값 이상인 경우, 상기 인식 영상의 사용자를 상기 등록 영상의 사용자로 식별하는 단계;를 수행하기 위한 명령어를 포함하되,상기 매칭값에 따라 블록별 학습 가중치를 산출하는 단계는,상기 학습 영상의 블록별 히스토그램 특징 벡터에 대한 학습 가중치를 산출하는 단계인 것을 특징으로 하는 얼굴 인식 장치
|
| 2 |
2
삭제
|
| 3 |
3
제1 항에 있어서,상기 적용 가중치를 적용하여 상기 인식 영상 및 상기 등록 영상 간의 최종 매칭값을 산출하는 단계는,상기 인식 영상 및 상기 등록 영상의 히스토그램 특징 벡터에 상기 적용 가중치를 곱하여 병합한 최종 히토그램 특징 벡터를 비교하여 최종 매칭값을 산출하는 단계인 것을 특징으로 하는 얼굴 인식 장치
|
| 4 |
4
하나 이상의 학습 영상 및 인식 영상을 수신하는 통신 인터페이스;명령어에 따라 얼굴 영상에 나타난 사용자의 얼굴을 식별하는 프로세서; 및상기 명령어를 저장하는 메모리;를 포함하되,상기 명령어는,상기 학습 영상을 입력 받아 블록별 히스토그램 특징 벡터를 추출하는 단계;상기 학습 영상에 대한 블록별 상기 히스토그램 특징 벡터를 비교하여 매칭값을 생성하는 단계;상기 매칭값에 따라 블록별 학습 가중치를 산출하는 단계;상기 가중치에 따른 다층 신경망의 파라미터를 조정하는 단계;상기 인식 영상 및 미리 저장된 등록 영상의 픽셀 평균 및 표준 편차를 상기 다층 신경망으로 입력하여 블록별 적용 가중치를 산출하는 단계;상기 적용 가중치를 적용하여 상기 인식 영상 및 상기 등록 영상 간의 최종 매칭값을 산출하는 단계; 및상기 최종 매칭값이 미리 지정된 임계값 이상인 경우, 상기 인식 영상의 사용자를 상기 등록 영상의 사용자로 식별하는 단계;를 수행하기 위한 명령어를 포함하되,상기 매칭값에 따라 블록별 학습 가중치를 산출하는 단계는,상기 학습 영상 간의 블록별 매칭값에 대한 학습 가중치를 산출하는 단계인 것을 특징으로 하는 얼굴 인식 장치
|
| 5 |
5
제4 항에 있어서,상기 적용 가중치를 적용하여 상기 인식 영상 및 상기 등록 영상 간의 최종 매칭값을 산출하는 단계는,상기 인식 영상 및 상기 등록 영상 간의 히스토그램 특징 벡터의 비교를 통해 산출한 매칭값에 상기 적용 가중치를 곱하여 합한 최종 매칭값을 산출하는 단계인 것을 특징으로 하는 얼굴 인식 장치
|
| 6 |
6
얼굴 인식 장치가 얼굴을 인식하는 방법에 있어서,학습 영상을 입력 받아 블록별 히스토그램 특징 벡터를 추출하는 단계;상기 학습 영상에 대한 블록별 상기 히스토그램 특징 벡터를 비교하여 매칭값을 생성하는 단계;상기 매칭값에 따라 블록별 학습 가중치를 산출하는 단계;상기 가중치에 따른 다층 신경망의 파라미터를 조정하는 단계;인식 영상 및 미리 저장된 등록 영상의 픽셀 평균 및 표준 편차를 상기 다층 신경망으로 입력하여 블록별 적용 가중치를 산출하는 단계;상기 적용 가중치를 적용하여 상기 인식 영상 및 상기 등록 영상 간의 최종 매칭값을 산출하는 단계; 및상기 최종 매칭값이 미리 지정된 임계값 이상인 경우, 상기 인식 영상의 사용자를 상기 등록 영상의 사용자로 식별하는 단계;를 포함하되,상기 매칭값에 따라 블록별 학습 가중치를 산출하는 단계는,상기 학습 영상의 블록별 히스토그램 특징 벡터에 대한 학습 가중치를 산출하는 단계인 것을 특징으로 하는 얼굴 인식 방법
|
| 7 |
7
삭제
|
| 8 |
8
제6 항에 있어서,상기 적용 가중치를 적용하여 상기 인식 영상 및 상기 등록 영상 간의 최종 매칭값을 산출하는 단계는,상기 인식 영상 및 상기 등록 영상의 히스토그램 특징 벡터에 상기 적용 가중치를 곱하여 병합한 최종 히토그램 특징 벡터를 비교하여 최종 매칭값을 산출하는 단계인 것을 특징으로 하는 얼굴 인식 방법
|
| 9 |
9
얼굴 인식 장치가 얼굴을 인식하는 방법에 있어서,학습 영상을 입력 받아 블록별 히스토그램 특징 벡터를 추출하는 단계;상기 학습 영상에 대한 블록별 상기 히스토그램 특징 벡터를 비교하여 매칭값을 생성하는 단계;상기 매칭값에 따라 블록별 학습 가중치를 산출하는 단계;상기 가중치에 따른 다층 신경망의 파라미터를 조정하는 단계;인식 영상 및 미리 저장된 등록 영상의 픽셀 평균 및 표준 편차를 상기 다층 신경망으로 입력하여 블록별 적용 가중치를 산출하는 단계;상기 적용 가중치를 적용하여 상기 인식 영상 및 상기 등록 영상 간의 최종 매칭값을 산출하는 단계; 및상기 최종 매칭값이 미리 지정된 임계값 이상인 경우, 상기 인식 영상의 사용자를 상기 등록 영상의 사용자로 식별하는 단계;를 포함하되,상기 매칭값에 따라 블록별 학습 가중치를 산출하는 단계는,상기 학습 영상 간의 블록별 매칭값에 대한 학습 가중치를 산출하는 단계인 것을 특징으로 하는 얼굴 인식 방법
|
| 10 |
10
제9 항에 있어서,상기 적용 가중치를 적용하여 상기 인식 영상 및 상기 등록 영상 간의 최종 매칭값을 산출하는 단계는,상기 인식 영상 및 상기 등록 영상 간의 히스토그램 특징 벡터의 비교를 통해 산출한 매칭값에 상기 적용 가중치를 곱하여 합한 최종 매칭값을 산출하는 단계인 것을 특징으로 하는 얼굴 인식 방법
|
