| 1 |
1
각 단계의 적어도 일부가 프로세서에 의해 수행되는, 거리 학습을 기반으로 특정 영역에 대한 재인식을 수행하는 재인식 기반 객체 매칭 방법으로서,객체 매칭 장치에 대한 특정 공간에서 이벤트 발생 시, 객체 재인식을 위한 객체의 제 1 이미지를 획득하는 단계;상기 객체의 상기 특정 공간에 대응하는 고유 식별 정보를 추출하는 단계; 및상기 객체의 상기 특정 공간에 대응하는 고유 식별 정보에 기반하여, 상기 고유 식별 정보에 대응하는 기 저장된 제 2 이미지가 검출되면, 기 학습된 재인식 거리 학습 모델을 이용하여 상기 제 1 이미지와 상기 제 2 이미지의 객체 동일 여부를 판단하는 단계를 포함하는,객체 매칭 방법
|
| 2 |
2
제 1 항에 있어서,상기 고유 식별 정보를 추출한 후, 상기 고유 식별 정보를 암호화하여 상기 고유 식별 정보에 대한 해시 값을 생성하는 단계; 및상기 고유 식별 정보에 대한 해시 값을 상기 제 1 이미지의 레이블로 하여 상기 제 1 이미지를 저장하는 단계를 더 포함하는,객체 매칭 방법
|
| 3 |
3
제 1 항에 있어서,상기 제 1 이미지와 상기 제 2 이미지의 객체 동일 여부 판단 결과, 다른 객체라고 판단되는 경우, 경고 이벤트를 발생하는 단계를 더 포함하는,객체 매칭 방법
|
| 4 |
4
제 1 항에 있어서,상기 재인식 거리 학습 모델은, 파라미터를 공유하는 적어도 2개 이상의 서로 다른 심층 신경망에서 출력된 특징 정보들 간의 거리를 조정하여 공간 상에 이미지를 맵핑하도록 학습된 것인,객체 매칭 방법
|
| 5 |
5
제 4 항에 있어서,상기 제 1 이미지와 상기 제 2 이미지의 객체 동일 여부를 판단하는 단계는,객체 동일 여부를 판단하기 위한 기 설정된 임계값을 기반으로, 상기 제 1 이미지와 상기 제 2 이미지의 임베딩 벡터간의 거리가 상기 임계값 이상이면 다른 객체로 판단하는 단계를 포함하며,상기 임계값은 객체 매칭에 대한 높은 정확도가 필요할수록 낮게 설정되는,객체 매칭 방법
|
| 6 |
6
제 4 항에 있어서,상기 기 학습된 재인식 거리 학습 모델은, 훈련 페이즈(training phase)를 거쳐 훈련되고,상기 훈련 페이즈는,수집된 객체 이미지들 중에서, 재인식 거리 학습 모델의 서브 네트워크 수와 동일한 수의 이미지를 랜덤으로 추출하는 단계;상기 추출한 각각의 이미지의 객체가 동일한 객체인지 여부에 따라 라벨 값을 부여하는 단계;상기 추출한 각각의 이미지를 하나의 그룹으로 하여, 상기 라벨 값을 포함하는 하나의 튜플 값을 생성하는 단계; 및상기 튜플 값을 입력하여 상기 서브 네트워크 각각에서 추론된 임베딩 벡터 간의 거리를 산출하여 다차원 공간 상에 맵핑하는 단계를 포함하는,객체 매칭 방법
|
| 7 |
7
제 6 항에 있어서,상기 맵핑하는 단계는,동일한 객체로 라벨 값 부여된 이미지 그룹은 이미지들 간의 거리가 가까운 유사 공간 상에 배치하고, 다른 객체로 라벨 값이 부여된 이미지 그룹은 이미지들 간의 거리가 커지도록 먼 공간에 배치하는 단계를 포함하는,객체 매칭 방법
|
| 8 |
8
제 1 항에 있어서,상기 객체 매칭 장치의 초기화 시 서버로부터 기 학습된 재인식 거리 학습 모델을 수신하는 단계;상기 객체 매칭 장치에 대한 특정 공간에 부여된 고유 정보 데이터를 기반으로, 상기 기 학습된 재인식 거리 학습 모델의 추론을 수행하는 단계; 및상기 객체 매칭 장치에 대한 특정 공간에서 새로 획득된 데이터로 인해 변경된 상기 기 학습된 재인식 거리 학습 모델의 파라미터를 상기 서버에 공유하여, 상기 기 학습된 재인식 거리 학습 모델을 업데이트하는 단계를 더 포함하는,객체 매칭 방법
|
| 9 |
9
제 1 항에 있어서,상기 제 1 이미지를 획득한 후, 얼굴 및 신체 랜드마크 검출기를 통해 사람의 형상을 파악할 수 있는 기준점을 검출하는 단계; 및상기 제 1 이미지의 얼굴 전체의 기준점 중 일부가 식별 가능하지 않은 경우, GAN(Generative Adversarial Network) 학습 모델을 통해 가려진 부분을 추론 및 복원하는 단계를 더 포함하는,객체 매칭 방법
|
| 10 |
10
제 9 항에 있어서,상기 가려진 부분을 추론 및 복원하는 단계는,가려진 부분이 있는 상기 제 1 이미지와, 상기 제 1 이미지의 상기 특정 공간에 대한 고유 식별 정보에 대응하여 기 저장된 상기 제 2 이미지를 기반으로, 전체 얼굴을 추론한 이미지를 생성하는 단계를 포함하는,객체 매칭 방법
|
| 11 |
11
제 10 항에 있어서,상기 추론 및 복원 수행으로 유사하지 않은 부분에 대해 민감하게 판별할 수 있도록, 상기 추론 및 복원을 수행한 이미지의 채워진 면적을 산출하여, 상기 재인식 거리 학습 모델의 객체 동일 여부를 판단하기 위한 기 설정된 임계값을 상기 면적에 반비례하게 낮춰서 설정하는 단계를 더 포함하는,객체 매칭 방법
|
| 12 |
12
거리 학습을 기반으로 특정 영역에 대한 재인식을 수행하는 재인식 기반 객체 매칭 장치로서,메모리; 및상기 메모리와 연결되고, 상기 메모리에 포함된 컴퓨터 판독가능한 명령들을 실행하도록 구성된 하나의 프로세서를 포함하고,상기 적어도 하나의 프로세서는,객체 매칭 장치에 대한 특정 공간에서 이벤트 발생 시, 객체 재인식을 위한 객체의 제 1 이미지를 획득하는 동작,상기 객체의 상기 특정 공간에 대응하는 고유 식별 정보를 추출하는 동작, 및상기 객체의 상기 특정 공간에 대응하는 고유 식별 정보에 기반하여, 상기 고유 식별 정보에 대응하는 기 저장된 제 2 이미지가 검출되면, 기 학습된 재인식 거리 학습 모델을 이용하여 상기 제 1 이미지와 상기 제 2 이미지의 객체 동일 여부를 판단하는 동작을 수행하도록 설정되는,객체 매칭 장치
|
| 13 |
13
제 12 항에 있어서,상기 적어도 하나의 프로세서는,상기 고유 식별 정보를 추출한 후, 상기 고유 식별 정보를 암호화하여 상기 고유 식별 정보에 대한 해시 값을 생성하는 동작, 및상기 고유 식별 정보에 대한 해시 값을 상기 제 1 이미지의 레이블로 하여 상기 제 1 이미지를 저장하는 동작을 더 수행하도록 설정되는,객체 매칭 장치
|
| 14 |
14
제 12 항에 있어서,상기 적어도 하나의 프로세서는,상기 제 1 이미지와 상기 제 2 이미지의 객체 동일 여부 판단 결과, 다른 객체라고 판단되는 경우, 경고 이벤트를 발생하는 동작을 더 수행하도록 설정되는,객체 매칭 장치
|
| 15 |
15
제 12 항에 있어서,상기 재인식 거리 학습 모델은, 파라미터를 공유하는 적어도 2개 이상의 서로 다른 심층 신경망에서 출력된 특징 정보들 간의 거리를 조정하여 공간 상에 이미지를 맵핑하도록 학습된 것인,객체 매칭 장치
|
| 16 |
16
제 15 항에 있어서,상기 제 1 이미지와 상기 제 2 이미지의 객체 동일 여부를 판단하는 동작은,객체 동일 여부를 판단하기 위한 기 설정된 임계값을 기반으로, 상기 제 1 이미지와 상기 제 2 이미지의 임베딩 벡터간의 거리가 상기 임계값 이상이면 다른 객체로 판단하는 동작을 포함하며,상기 임계값은 객체 매칭에 대한 높은 정확도가 필요할수록 낮게 설정되는,객체 매칭 장치
|
| 17 |
17
제 15 항에 있어서,상기 기 학습된 재인식 거리 학습 모델은, 훈련 페이즈(training phase)를 거쳐 훈련되고,상기 훈련 페이즈는,수집된 객체 이미지들 중에서, 재인식 거리 학습 모델의 서브 네트워크 수와 동일한 수의 이미지를 랜덤으로 추출하는 단계;상기 추출한 각각의 이미지의 객체가 동일한 객체인지 여부에 따라 라벨 값을 부여하는 단계;상기 추출한 각각의 이미지를 하나의 그룹으로 하여, 상기 라벨 값을 포함하는 하나의 튜플 값을 생성하는 단계; 및상기 튜플 값을 입력하여 상기 서브 네트워크 각각에서 추론된 임베딩 벡터 간의 거리를 산출하여 다차원 공간 상에 맵핑하는 단계를 포함하는,객체 매칭 장치
|
| 18 |
18
제 17 항에 있어서, 상기 맵핑하는 동작은,동일한 객체로 라벨 값 부여된 이미지 그룹은 이미지들 간의 거리가 가까운 유사 공간 상에 배치하고, 다른 객체로 라벨 값이 부여된 이미지 그룹은 이미지들 간의 거리가 커지도록 먼 공간에 배치하는 동작을 포함하는,객체 매칭 장치
|
| 19 |
19
제 12 항에 있어서,상기 적어도 하나의 프로세서는,상기 객체 매칭 장치의 초기화 시 서버로부터 기 학습된 재인식 거리 학습 모델을 수신하는 동작,상기 객체 매칭 장치에 대한 특정 공간에 부여된 고유 정보 데이터를 기반으로, 상기 기 학습된 재인식 거리 학습 모델의 추론을 수행하는 동작, 및상기 객체 매칭 장치에 대한 특정 공간에서 새로 획득된 데이터로 인해 변경된 상기 기 학습된 재인식 거리 학습 모델의 파라미터를 상기 서버에 공유하여, 상기 기 학습된 재인식 거리 학습 모델을 업데이트하는 동작을 더 수행하도록 설정되는,객체 매칭 장치
|
| 20 |
20
제 12 항에 있어서,상기 적어도 하나의 프로세서는,상기 제 1 이미지를 획득한 후, 얼굴 및 신체 랜드마크 검출기를 통해 사람의 형상을 파악할 수 있는 기준점을 검출하는 동작, 및상기 제 1 이미지의 얼굴 전체의 기준점 중 일부가 식별 가능하지 않은 경우, GAN(Generative Adversarial Network) 학습 모델을 통해 가려진 부분을 추론 및 복원하는 동작을 더 포함하는,객체 매칭 장치
|
