| 1 |
1
입력된 변형대상 이미지에서 사람의 얼굴 영역을 검출하는 검출단계;상기 변형대상 이미지에서 사람이 비식별되도록 상기 검출된 얼굴 영역을 사람의 얼굴 형상이 아닌 왜곡된 제1이미지로 변형하는 제1비식별화 단계; 및 상기 제1이미지를 토대로 소정의 얼굴 형상을 갖는 제2이미지를 생성하고, 상기 변형대상 이미지에서 상기 제1이미지를 상기 제2이미지로 변형시키되, 상기 제2이미지는 상기 검출단계에서 검출된 얼굴 영역의 형상과 상이한 얼굴 형상을 갖도록 생성되는 제2비식별화 단계;를 포함하는, 얼굴 비식별화 방법
|
| 2 |
2
제1항에 있어서, 상기 제1비식별화 단계에서, 상기 검출된 얼굴 영역을 픽셀화하여 상기 제1이미지를 생성하는,얼굴 비식별화 방법
|
| 3 |
3
제1항에 있어서, 상기 제1비식별화 단계에서, 상기 검출된 얼굴 영역에 심층 신뢰망(DBN: deep belief network)을 이용하여 상기 제1이미지를 생성하는, 얼굴 비식별화 방법
|
| 4 |
4
제3항에 있어서, 상기 제1비식별화 단계 이전에, 사람의 얼굴 이미지 또는 얼굴이 왜곡된 이미지에 대한 학습 데이터를 토대로 상기 심층 신뢰망을 훈련하는 훈련단계;를 더 포함하는,얼굴 비식별화 방법
|
| 5 |
5
제4항에 있어서, 상기 훈련단계에서, 상기 학습 데이터를 GRBM(Gaussian-Bernoulli Restricted Boltzmann Machine)을 기반으로 기계학습함으로써 상기 심층 신뢰망을 훈련하는,얼굴 비식별화 방법
|
| 6 |
6
제5항에 있어서, 상기 제1비식별화 단계에서, 상기 심층 신뢰망을 이용하여 상기 얼굴 영역을 픽셀화하여 상기 제1이미지를 생성하는,얼굴 비식별화 방법
|
| 7 |
7
제6항에 있어서, 상기 제1비식별화 단계에서, 상기 GRBM의 가중치 데이터를 이용하여 픽셀화된 상기 제1이미지를 생성하는, 얼굴 비식별화 방법
|
| 8 |
8
제7항에 있어서, 상기 제1비식별화 단계에서, 하기의 수학식을 이용하여 픽셀화된 상기 제1이미지를 생성하고, 여기서, i는 가시 유닛의 인덱스(index)이고, j는 은닉 유닛의 인덱스이며, wji는 i번째 가시 유닛과 j번째 은닉 유닛 사이의 가중치(weight)이고, hj는 j번째 은닉 유닛의 상태 바이너리 값이며, 는 은닉 유닛의 개수이고, vi는 i번째 가시 유닛의 상태 바이너리 값이고, bi는 i번째 은닉 유닛의 바이어스(bias)이고, 는 i번째 가시 유닛에 대한 가우시안 잡음의 표준편차인, 얼굴 비식별화 방법
|
| 9 |
9
제1항에 있어서, 상기 검출단계에서, 사람의 눈, 코 및 입이 포함되도록 상기 얼굴 영역을 설정하는,얼굴 비식별화 방법
|
| 10 |
10
제1항에 있어서, 상기 제2비식별화 단계에서, 상기 제1이미지에 심층 신뢰망(DBN: deep belief network)을 이용하여 상기 제2이미지를 생성하는, 얼굴 비식별화 방법
|
| 11 |
11
제10항에 있어서, 상기 심층 신뢰망은 얼굴 이미지 또는 얼굴이 왜곡된 이미지에 대한 학습 데이터를 토대로 훈련된,얼굴 비식별화 방법
|
| 12 |
12
제11항에 있어서, 상기 심층 신뢰망은 상기 학습 데이터를 GRBM(Gaussian-Bernoulli Restricted Boltzmann Machine)을 기반으로 기계학습함으로써 훈련된,얼굴 비식별화 방법
|
| 13 |
13
제12항에 있어서, 상기 제2비식별화 단계에서, 상기 GRBM의 가중치 데이터를 이용함으로써 상기 제1이미지를 토대로 상기 제2이미지를 생성하는,얼굴 비식별화 방법
|
| 14 |
14
제13항에 있어서, 상기 제2비식별화 단계는 하기의 수학식을 이용하여 상기 제2이미지를 생성하고, 여기서, i는 가시 유닛의 인덱스(index)이고, j는 은닉 유닛의 인덱스이며, wji는 i번째 가시 유닛과 j번째 은닉 유닛 사이의 가중치(weight)이고, hj는 j번째 은닉 유닛의 상태 바이너리 값이며, 는 은닉 유닛의 개수이고, vi는 i번째 가시 유닛의 상태 바이너리 값인, 얼굴 비식별화 방법
|
