1 |
1
얼굴 영상에 대하여, 미리 결정된 복수의 컬러들에 대한 컬러 영상들을 생성하고 상기 생성된 컬러 영상들 각각에 대해 미리 결정된 처리 기법을 이용한 처리를 통해 상기 컬러 영상들 각각에 대한 영상 정보를 생성하는 다중화 처리부;상기 생성된 컬러 영상들 각각에 대한 영상 정보 중 적어도 하나 이상의 영상 정보를 선택하는 선택부; 및상기 선택된 적어도 하나 이상의 영상 정보 각각의 특징을 융합하여 융합 특징을 생성하는 융합부를 포함하고,상기 다중화 처리부는RGB, YCbCr, YIQ, XYZ, HSV, RIQ, RQCr, YQCr 및 La*b* 다중 컬러 모델을 이용하여 상기 얼굴 영상에 대한 RGB, YCbCr, YIQ, XYZ, HSV, RIQ, RQCr, YQCr 및 La*b*의 컬러 영상 각각을 생성하며,상기 선택부는딥 러닝 구조의 레이어 수에 기초하여 상기 적어도 하나 이상의 영상 정보를 선택하고,상기 융합부는상기 선택된 적어도 하나 이상의 영상 정보에 대응하는 컬러 공간으로부터 학습된 특징들을 융합하여 상기 융합 특징을 생성하는 얼굴 컬러 특징 학습 장치
|
2 |
2
제1항에 있어서,상기 선택된 적어도 하나 이상의 영상 정보 각각의 특징을 추출하는 특징 추출부를 더 포함하고,상기 융합부는상기 특징 추출부에 의해 추출된 상기 적어도 하나 이상의 영상 정보 각각의 특징을 융합하여 상기 융합 특징을 생성하는 것을 특징으로 하는 얼굴 컬러 특징 학습 장치
|
3 |
3
제2항에 있어서,상기 특징 추출부는상기 적어도 하나 이상의 영상 정보 각각의 DCNN(deep convolutional neural networks)의 특징 또는 DNN(deep neural networks)의 특징을 학습함으로써, 상기 적어도 하나 이상의 영상 정보 각각의 특징을 추출하는 것을 특징으로 하는 얼굴 컬러 특징 학습 장치
|
4 |
4
제1항에 있어서,상기 다중화 처리부는조명 보정, 포즈 보정, 영상 정렬 및 초해상화 중 적어도 하나의 전처리 기법을 이용한 처리를 통해 상기 컬러 영상들 각각에 대한 영상 정보를 생성하는 것을 특징으로 하는 얼굴 컬러 특징 학습 장치
|
5 |
5
제1항에 있어서,상기 융합부는상기 적어도 하나 이상의 영상 정보 각각의 특징을 하나의 벡터로 융합하는 연쇄(concatenation) 기법 또는 심층 신경망 학습에 의한 가중치에 의한 융합 기법을 이용하여 상기 융합 특징을 생성하는 것을 특징으로 하는 얼굴 컬러 특징 학습 장치
|
6 |
6
제1항에 있어서,상기 융합부는상기 적어도 하나 이상의 영상 정보 각각의 특징에 대하여 DNN(deep neural networks)을 학습함으로써, 상기 융합 특징을 생성하는 것을 특징으로 하는 얼굴 컬러 특징 학습 장치
|
7 |
7
제6항에 있어서,상기 DNN은복수의 완전 연결 레이어(fully connected layer)로 구성되는 것을 특징으로 하는 얼굴 컬러 특징 학습 장치
|
8 |
8
얼굴 영상에 대하여, 미리 결정된 복수의 컬러들에 대한 컬러 영상들을 생성하는 단계;상기 생성된 컬러 영상들 각각에 대해 미리 결정된 처리 기법을 이용한 처리를 통해 상기 컬러 영상들 각각에 대한 영상 정보를 생성하는 단계;상기 생성된 컬러 영상들 각각에 대한 영상 정보 중 적어도 하나 이상의 영상 정보를 선택하는 단계; 및상기 선택된 적어도 하나 이상의 영상 정보 각각의 특징을 융합하여 융합 특징을 생성하는 단계를 포함하고,상기 컬러 영상들을 생성하는 단계는RGB, YCbCr, YIQ, XYZ, HSV, RIQ, RQCr, YQCr 및 La*b* 다중 컬러 모델을 이용하여 상기 얼굴 영상에 대한 RGB, YCbCr, YIQ, XYZ, HSV, RIQ, RQCr, YQCr 및 La*b*의 컬러 영상 각각을 생성하며,상기 영상 정보를 선택하는 단계는딥 러닝 구조의 레이어 수에 기초하여 상기 적어도 하나 이상의 영상 정보를 선택하고,상기 융합 특징을 생성하는 단계는상기 선택된 적어도 하나 이상의 영상 정보에 대응하는 컬러 공간으로부터 학습된 특징들을 융합하여 상기 융합 특징을 생성하는 얼굴 컬러 특징 학습 방법
|
9 |
9
제8항에 있어서,상기 선택된 적어도 하나 이상의 영상 정보 각각의 특징을 추출하는 단계를 더 포함하고,상기 융합 특징을 생성하는 단계는상기 특징을 추출하는 단계에 의해 추출된 상기 적어도 하나 이상의 영상 정보 각각의 특징을 융합하여 상기 융합 특징을 생성하는 것을 특징으로 하는 얼굴 컬러 특징 학습 방법
|
10 |
10
제9항에 있어서,상기 특징을 추출하는 단계는상기 적어도 하나 이상의 영상 정보 각각의 DCNN(deep convolutional neural networks)의 특징 또는 DNN(deep neural networks)의 특징을 학습함으로써, 상기 적어도 하나 이상의 영상 정보 각각의 특징을 추출하는 것을 특징으로 하는 얼굴 컬러 특징 학습 방법
|
11 |
11
제8항에 있어서,상기 영상 정보를 생성하는 단계는조명 보정, 포즈 보정, 영상 정렬 및 초해상화 중 적어도 하나의 전처리 기법을 이용한 처리를 통해 상기 컬러 영상들 각각에 대한 영상 정보를 생성하는 것을 특징으로 하는 얼굴 컬러 특징 학습 방법
|
12 |
12
제8항에 있어서,상기 융합 특징을 생성하는 단계는상기 적어도 하나 이상의 영상 정보 각각의 특징을 하나의 벡터로 융합하는 연쇄(concatenation) 기법 또는 심층 신경망 학습에 의한 가중치에 의한 융합 기법을 이용하여 상기 융합 특징을 생성하는 것을 특징으로 하는 얼굴 컬러 특징 학습 방법
|
13 |
13
제8항에 있어서,상기 융합 특징을 생성하는 단계는상기 적어도 하나 이상의 영상 정보 각각의 특징에 대하여 DNN(deep neural networks)을 학습함으로써, 상기 융합 특징을 생성하는 것을 특징으로 하는 얼굴 컬러 특징 학습 방법
|
14 |
14
제13항에 있어서,상기 DNN은복수의 완전 연결 레이어(fully connected layer)로 구성되는 것을 특징으로 하는 얼굴 컬러 특징 학습 방법
|