| 1 |
1
이미지 합성 방법으로서,얼굴 이미지를 포함하는 제 1 이미지를 획득하는 단계;미리 훈련된 심층 신경망 모델을 적용하여 상기 제 1 이미지의 얼굴의 각 이목구비의 중심을 시작점으로 한 각 이목구비에 대한 복수 개의 1차 특징점들을 검출하는 단계;상기 1차 특징점들 각각의 인접 화소들을 대상으로 정의되는 화소값에 대한 정규분포에 기초하여 2차 특징점들을 결정하는 단계;상기 제 1 이미지에 합성하기 위한 제 2 이미지를 획득하는 단계;상기 제 2 이미지의 경계를 추출하는 단계;상기 제 1 이미지의 2차 특징점들의 좌표값을 기반으로 상기 제 2 이미지의 경계에 대응하는 좌표값을 매칭하는 단계; 및상기 제 1 이미지와 상기 제 2 이미지를 병합(merging)하여 출력하는 단계를 포함하되,상기 이미지 합성 방법은,상기 제 1 이미지의 얼굴 영역을 인식하는 단계;상기 얼굴 영역의 나이, 성별, 피부 타입, 이목구비 특징 및 감정 상태 중 2 이상을 포함하는 얼굴 정보를 검출하는 단계; 및상기 2 이상의 얼굴 정보에 기초하여 상기 제 1 이미지에 합성할 제 2 이미지를 설정하는 단계를 더 포함하고,상기 2차 특징점들을 결정하는 단계는,상기 1차 특징점들을 중심으로 미리 정해진 사이즈의 윈도우 내에 포함되는 인접 화소들을 대상으로 화소값에 대한 분포 그래프를 생성하는 단계;상기 분포 그래프와 정규분포의 유사도를 평가하는 단계;상기 윈도우의 사이즈를 증가시키며 상기 유사도를 평가하고, 상기 유사도가 미리 정해진 임계치 이상이 되는 경우, 상기 윈도우의 사이즈를 확정하고 대상 인접 화소들에 대한 분포 그래프에서 정점을 확인하는 단계; 및상기 정점에 대응하는 위치를 상기 2차 특징점들로 결정하는 단계를 포함하는,이미지 합성 방법
|
| 2 |
2
제 1 항에 있어서,상기 제 1 이미지를 획득하는 단계는,상기 제 1 이미지에 포함된 얼굴 영역의 개수를 조정하는 단계; 및상기 제 1 이미지에 포함된 얼굴 영역의 전처리(preprocess)를 수행하는 단계를 포함하는,이미지 합성 방법
|
| 3 |
3
제 2 항에 있어서,상기 얼굴 영역의 개수를 조정하는 단계는,상기 제 1 이미지에 포함된 얼굴 후보영역을 추출하는 단계;상기 얼굴 후보영역의 정확도를 산출하는 단계; 및상기 얼굴 후보영역의 정확도에 기초하여 최종 얼굴 영역을 결정하는 단계를 포함하는,이미지 합성 방법
|
| 4 |
4
제 3 항에 있어서,상기 얼굴 영역의 전처리를 수행하는 단계는,결정된 상기 최종 얼굴 영역의 크기, 위치, 색상, 밝기 및 방향 중 적어도 하나 이상을 조정하는 단계를 포함하는,이미지 합성 방법
|
| 5 |
5
삭제
|
| 6 |
6
제 1 항에 있어서,상기 제 2 이미지의 경계를 추출하는 단계는,상기 제 2 이미지의 레벨 값을 기반으로 하여 2차원 배열에서 윤곽을 추출하는 단계;상기 제 2 이미지를 회색조(grayscale) 이미지로 변환하는 단계; 및상기 제 2 이미지 내 화소들의 중간 값을 산출하여 배열의 중간 값을 지정하는 단계를 포함하는,이미지 합성 방법
|
| 7 |
7
제 1 항에 있어서,상기 미리 훈련된 심층 신경망 모델은,특징점들이 레이블링된 다수의 얼굴 이미지들을 포함하는 훈련 데이터를 이용하여, 얼굴 이미지들이 입력되는 경우 입력된 얼굴 이미지들에서 대응하는 특징점들의 위치를 특정할 수 있도록 미리 훈련된 신경망 모델인,이미지 합성 방법
|
| 8 |
8
제 6 항에 있어서,상기 매칭하는 단계는,상기 제 1 이미지의 2차 특징점들의 좌표 값과 상기 제 2 이미지의 경계의 좌표 값에 기초하여 상기 제 2 이미지의 병합될 이미지의 크기와 상기 제 1 이미지의 얼굴 이미지의 크기의 비율을 추출하는 단계;상기 제 1 이미지의 2차 특징점들의 좌표 값과 상기 제 2 이미지의 경계의 좌표 값을 기준으로 상기 제 1 이미지의 2차 특징점들과 상기 제 2 이미지의 경계의 좌표 값을 연결하는 벡터를 산출하는 단계; 및상기 비율 및 상기 벡터의 길이 및 방향을 기반으로 상기 제 2 이미지를 축소 또는 확대하는 단계를 포함하는,이미지 합성 방법
|
| 9 |
9
제 8 항에 있어서,상기 병합(merging)하여 출력하는 단계는,상기 제 1 이미지에서 상기 제 2 이미지가 합성될 위치에 대응하는 좌표 값에 기초하여, 상기 축소 또는 확대된 제 2 이미지를 상기 제 1 이미지에 합성하는 단계를 포함하는,이미지 합성 방법
|
| 10 |
10
삭제
|
| 11 |
11
이미지 합성 장치로서,얼굴 이미지를 포함하는 제 1 이미지 및 상기 제 1 이미지에 합성하기 위한 제 2 이미지를 수신하는 통신 인터페이스;하나 이상의 프로세서; 및상기 하나 이상의 프로세서와 연결되는 메모리를 포함하고,상기 메모리는, 상기 프로세서에 의해 실행될 때, 상기 프로세서로 하여금,미리 훈련된 심층 신경망 모델을 적용하여 상기 제 1 이미지의 얼굴의 각 이목구비의 중심을 시작점으로 한 각 이목구비에 대한 복수 개의 1차 특징점들을 검출하고,상기 1차 특징점들 각각의 인접 화소들을 대상으로 정의되는 화소값에 대한 정규분포에 기초하여 2차 특징점들을 결정하고,상기 제 2 이미지의 경계를 추출하며,상기 제 1 이미지의 상기 2차 특징점들의 좌표값을 기반으로 상기 제 2 이미 지의 경계에 대응하는 좌표값을 매칭하고,상기 제 1 이미지와 상기 제 2 이미지를 병합(merging)하여 출력하도록 야기하는(cause) 코드들을 저장하며,상기 메모리는, 상기 프로세서에 의해 실행될 때, 상기 프로세서로 하여금상기 제 1 이미지의 얼굴 영역을 인식하고, 상기 얼굴 영역의 나이, 성별, 피부 타입, 이목구비 특징 및 감정 상태 중 2 이상을 포함하는 얼굴 정보를 검출하며, 상기 2 이상의 얼굴 정보에 기초하여 상기 제 1 이미지에 합성할 제 2 이미지를 설정하도록 야기하는 코드들을 추가로 저장하고,상기 2차 특징점들을 결정하는 동작은,상기 1차 특징점들을 중심으로 미리 정해진 사이즈의 윈도우 내에 포함되는 인접 화소들을 대상으로 화소값에 대한 분포 그래프를 생성하는 동작;상기 분포 그래프와 정규분포의 유사도를 평가하는 동작;상기 윈도우의 사이즈를 증가시키며 상기 유사도를 평가하고, 상기 유사도가 미리 정해진 임계치 이상이 되는 경우, 상기 윈도우의 사이즈를 확정하고 대상 인 접 화소들에 대한 분포 그래프에서 정점을 확인하는 동작; 및상기 정점에 대응하는 위치를 상기 2차 특징점들로 결정하는 동작을 포함하는,이미지 합성 장치
|
| 12 |
12
제 11 항에 있어서,상기 메모리는, 상기 프로세서에 의해 실행될 때, 상기 프로세서로 하여금,상기 제 1 이미지에 포함된 얼굴 영역의 개수를 조정하고, 상기 제 1 이미지에 포함된 얼굴 영역의 전처리(preprocess)를 수행하도록 야기하는 코드들을 저장하는,이미지 합성 장치
|
| 13 |
13
제 12 항에 있어서,상기 메모리는, 상기 프로세서에 의해 실행될 때, 상기 프로세서로 하여금,상기 제 1 이미지에 포함된 얼굴 후보영역을 추출하고, 상기 얼굴 후보영역의 정확도를 산출하며, 상기 얼굴 후보영역의 정확도에 기초해 최종 얼굴 영역을 결정하여, 상기 제 1 이미지에 포함된 얼굴 영역의 개수를 조정하도록 야기하는 코드들을 저장하는,이미지 합성 장치
|
| 14 |
14
제 13 항에 있어서,상기 메모리는, 상기 프로세서에 의해 실행될 때, 상기 프로세서로 하여금,결정된 상기 최종 얼굴 영역의 크기, 위치, 색상, 밝기 및 방향 중 적어도 하나 이상을 조정하여, 상기 얼굴 영역의 전처리를 수행하도록 야기하는 코드들을 저장하는,이미지 합성 장치
|
| 15 |
15
삭제
|
| 16 |
16
제 11 항에 있어서,상기 메모리는, 상기 프로세서에 의해 실행될 때, 상기 프로세서로 하여금,상기 제 2 이미지의 레벨 값을 기반으로 하여 2차원 배열에서 윤곽을 추출하고, 상기 제 2 이미지를 회색조(grayscale) 이미지로 변환하며, 상기 제 2 이미지 내 화소들의 중간 값을 산출해 배열의 중간 값을 지정하여, 상기 제 2 이미지의 경계를 추출하도록 야기하는 코드들을 저장하는, 이미지 합성 장치
|
| 17 |
17
제 11 항에 있어서,상기 미리 훈련된 심층 신경망 모델은,특징점들이 레이블링된 다수의 얼굴 이미지들을 포함하는 훈련 데이터를 이용하여 얼굴 이미지들이 입력되는 경우 대응하는 특징점들의 위치를 특정할 수 있도록 미리 훈련된 신경망 모델인,이미지 합성 장치
|
| 18 |
18
제 16 항에 있어서,상기 메모리는, 상기 프로세서에 의해 실행될 때, 상기 프로세서로 하여금,상기 제 1 이미지의 2차 특징점들의 좌표 값과 상기 제 2 이미지의 경계의 좌표 값에 기초하여 상기 제 2 이미지의 병합될 이미지의 크기와 상기 제 1 이미지의 얼굴 이미지의 크기의 비율을 추출하고, 상기 제 1 이미지의 2차 특징점들의 좌표 값과 상기 제 2 이미지의 경계의 좌표 값을 기준으로 상기 제 1 이미지의 2차 특징점들과 상기 제 2 이미지의 경계의 좌표 값을 연결하는 벡터를 산출하고, 상기 비율 및 상기 벡터의 길이 및 방향을 기반으로 상기 제 2 이미지를 축소 또는 확대하도록 야기하는 코드들을 저장하는,이미지 합성 장치
|
| 19 |
19
제 18 항에 있어서,상기 메모리는, 상기 프로세서에 의해 실행될 때, 상기 프로세서로 하여금,상기 제 1 이미지의 상기 제 2 이미지가 합성될 위치에 대응하는 좌표 값에 기초하여, 상기 축소 또는 확대된 제 2 이미지를 상기 제 1 이미지에 합성하도록 야기하는 코드들을 저장하는,이미지 합성 장치
|
| 20 |
20
삭제
|
