| 1 |
1
카메라의 획득 영상으로부터 사용자의 얼굴 영역을 검출하는 단계;상기 얼굴 영역의 각 화소를 ECSP(Exetended Center Symmetric Pattern) 값들로 변환하여 상기 얼굴 영역을 전처리하는 단계;상기 전처리된 얼굴 영역으로부터 특징 벡터를 추출하는 단계;상기 특징 벡터를 사전에 학습된 분류기에 반영하여 상기 사용자의 1차 개인 인증을 수행하는 단계;패턴 인식을 위한 키패드를 화면 상에 노출하는 단계;상기 1차 개인 인증된 사용자에 대해 얼굴 영역을 검출하고, 시간에 따른 상기 얼굴의 자세 변화를 추정하는 단계; 및 상기 추정된 얼굴의 자세 변화에 대응되는 패턴이 기 저장된 보안 패턴과 일치하면 상기 사용자의 2차 개인 인증을 완료하는 단계를 포함하며,상기 얼굴의 자세의 변화를 추정하는 단계는,트리 타입의 분류기들을 앙상블 형태로 결합한 랜덤 포레스트 분류기(Random Forest classifier)를 사용하는 얼굴 인식과 자세 추정을 이용한 개인 인증 방법
|
| 2 |
2
삭제
|
| 3 |
3
청구항 1에 있어서,상기 랜덤 포레스트 분류기는,상기 얼굴 영역에 대한 각각의 패치 영상이 입력되면, 상기 패치 영상을 상기 트리의 각 노드에 저장된 이진 평가 함수를 통해 이진 분류하여, 상기 트리의 하단에 존재하는 잎(leaf) 노드들 중 해당 잎 노드에 각각 최종 도달하도록 하고,상기 이진 평가 함수(BP)는 아래의 수학식과 같이 상기 패치 영상을 구성하는 두 영역 내에 존재하는 각 화소별 ECSP 값들의 평균값 차이를 기 저장된 임계값과 비교하여 이진 분류를 수행하는 얼굴 인식과 자세 추정을 이용한 개인 인증 방법:여기서, F1 및 F2는 상기 패치 영상을 임의 크기와 위치를 갖는 두 영역으로 구분한 제1 및 제2 서브패치 영역, |A1| 및 |A2|는 상기 F1 및 F2에 각각 존재하는 화소 수, p 및 q는 상기 F1 및 F2 내의 화소, 는 상기 임계값을 나타낸다
|
| 4 |
4
청구항 3에 있어서,상기 랜덤 포레스트 분류기는,해당 노드에 입력된 패치 영상에 대하여 상기 F1 및 F2를 상기 임의 크기와 위치를 가지는 복수의 쌍으로 랜덤으로 생성하여 상기 이진 평가 함수를 복수 개로 구성하고,상기 복수의 이진 평가 함수 중에서 아래의 수학식을 최대값으로 하는 이진 평가 함수를 상기 해당 노드에 저장하는 얼굴 인식과 자세 추정을 이용한 개인 인증 방법:여기서, i는 상기 해당 노드에 대한 좌측(L)과 우측(R)의 자식 노드, ni 및 μi는 상기 자식 노드 i에 학습된 패치 영상들의 개수 및 상기 학습된 패치 영상들의 얼굴 자세 라벨의 평균, cij는 상기 자식 노드 i에 학습된 j번째 패치 영상의 얼굴 자세 라벨, μ는 상기 해당 노드에 학습된 패치 영상들의 얼굴 자세 라벨의 평균을 나타낸다
|
| 5 |
5
청구항 3에 있어서,상기 랜덤 포레스트 분류기는,상기 입력된 패치 영상이 최종 도달한 상기 해당 잎 노드에 기 저장되어 있는 얼굴 자세 라벨들의 분산값이 기 설정된 기준값 이하이면, 상기 해당 잎 노드에 저장된 대표 얼굴 자세 라벨을 추출하여 출력하며,상기 각각의 패치 영상이 개별 도달한 복수의 해당 잎 노드들로부터 출력된 모든 대표 얼굴 자세 라벨들 중에서 최대 빈도로 출력된 얼굴 자세 라벨을 상기 사용자의 현재 얼굴 자세로 추정하는 얼굴 인식과 자세 추정을 이용한 개인 인증 방법
|
| 6 |
6
카메라의 획득 영상으로부터 사용자의 얼굴 영역을 검출하는 얼굴 영역 검출부;상기 얼굴 영역의 각 화소를 ECSP(Exetended Center Symmetric Pattern) 값들로 변환하여 상기 얼굴 영역을 전처리하는 영상 전처리부;상기 전처리된 얼굴 영역으로부터 특징 벡터를 추출하는 특징 벡터 추출부;상기 특징 벡터를 사전에 학습된 분류기에 반영하여 상기 사용자의 1차 개인 인증을 수행하는 1차 개인 인증부;패턴 인식을 위한 키패드를 화면 상에 노출하는 키패드 노출부;상기 1차 개인 인증된 사용자에 대해 얼굴 영역을 검출하고, 시간에 따른 상기 얼굴의 자세 변화를 추정하는 자세 변화 추정부; 및 상기 추정된 얼굴의 자세 변화에 대응되는 패턴이 기 저장된 보안 패턴과 일치하면 상기 사용자의 2차 개인 인증을 완료하는 2차 개인 인증부를 포함하며,상기 자세 변화 추정부는,트리 타입의 분류기들을 앙상블 형태로 결합한 랜덤 포레스트 분류기(Random Forest classifier)를 사용하는 얼굴 인식과 자세 추정을 이용한 개인 인증 장치
|
| 7 |
7
삭제
|
| 8 |
8
청구항 6에 있어서,상기 랜덤 포레스트 분류기는,상기 얼굴 영역에 대한 각각의 패치 영상이 입력되면, 상기 패치 영상을 상기 트리의 각 노드에 저장된 이진 평가 함수를 통해 이진 분류하여, 상기 트리의 하단에 존재하는 잎(leaf) 노드들 중 해당 잎 노드에 각각 최종 도달하도록 하고,상기 이진 평가 함수(BP)는 아래의 수학식과 같이 상기 패치 영상을 구성하는 두 영역 내에 존재하는 각 화소별 ECSP 값들의 평균값 차이를 기 저장된 임계값과 비교하여 이진 분류를 수행하는 얼굴 인식과 자세 추정을 이용한 개인 인증 장치:여기서, F1 및 F2는 상기 패치 영상을 임의 크기와 위치를 갖는 두 영역으로 구분한 제1 및 제2 서브패치 영역, |A1| 및 |A2|는 상기 F1 및 F2에 각각 존재하는 화소 수, p 및 q는 상기 F1 및 F2 내의 화소, 는 상기 임계값을 나타낸다
|
| 9 |
9
청구항 8에 있어서,상기 랜덤 포레스트 분류기는,해당 노드에 입력된 패치 영상에 대하여 상기 F1 및 F2를 상기 임의 크기와 위치를 가지는 복수의 쌍으로 랜덤으로 생성하여 상기 이진 평가 함수를 복수 개로 구성하고,상기 복수의 이진 평가 함수 중에서 아래의 수학식을 최대값으로 하는 이진 평가 함수를 상기 해당 노드에 저장하는 얼굴 인식과 자세 추정을 이용한 개인 인증 장치:여기서, i는 상기 해당 노드에 대한 좌측(L)과 우측(R)의 자식 노드, ni 및 μi는 상기 자식 노드 i에 학습된 패치 영상들의 개수 및 상기 학습된 패치 영상들의 얼굴 자세 라벨의 평균, cij는 상기 자식 노드 i에 학습된 j번째 패치 영상의 얼굴 자세 라벨, μ는 상기 해당 노드에 학습된 패치 영상들의 얼굴 자세 라벨의 평균을 나타낸다
|
| 10 |
10
청구항 8에 있어서,상기 랜덤 포레스트 분류기는,상기 입력된 패치 영상이 최종 도달한 상기 해당 잎 노드에 기 저장되어 있는 얼굴 자세 라벨들의 분산값이 기 설정된 기준값 이하이면, 상기 해당 잎 노드에 저장된 대표 얼굴 자세 라벨을 추출하여 출력하며,상기 각각의 패치 영상이 개별 도달한 복수의 해당 잎 노드들로부터 출력된 모든 대표 얼굴 자세 라벨들 중에서 최대 빈도로 출력된 얼굴 자세 라벨을 상기 사용자의 현재 얼굴 자세로 추정하는 얼굴 인식과 자세 추정을 이용한 개인 인증 장치
|
