얼굴 인식 기술은 단순한 컴퓨터 과학 분야를 넘어, 실제 비즈니스 환경에서도 매우 유용한 응용 분야를 가지고 있습니다.
최근 몇 년간 얼굴 인식은 가장 주목받는 기술 중 하나로 급부상했습니다.
이 기술은 인공지능, 특히 기계 학습의 중요한 분야로서, 컴퓨터가 사람의 얼굴을 인식하고 식별하는 능력을 갖추게 해줍니다. 이는 과거에는 매우 어려웠던 문제였습니다. 이러한 발전은 기업, 정부, 그리고 개인에게 새로운 가능성과 도전 과제를 제시합니다.
만약 당신이 기업의 리더로서 이러한 기술에 대한 관심이 있고, 이것이 어떻게 활용될 수 있을지 궁금하다면 이 글이 도움이 될 것입니다. 이 글에서는 얼굴 인식의 역사, 발전 과정, 현재의 활용 사례, 관련된 논쟁점, 그리고 기술 배포 방법 등 다양한 측면을 자세히 살펴보겠습니다.
이 글을 통해 얼굴 인식 기술에 대한 이해를 높이고, 이 기술이 기업에 미치는 영향에 대한 명확한 통찰력을 얻을 수 있을 것입니다.
자, 함께 시작해 볼까요!
얼굴 인식 기술의 발전 과정
얼굴 인식 기술은 현재 많은 관심과 언론의 주목을 받고 있지만, 사실 이 기술은 이미 상당 기간 동안 개발되어 왔습니다. 2001년에 발표된 Viola-Jones 객체 감지 프레임워크는 이미지 내에서 물체를 식별하는 데 사용되는 초기 알고리즘 중 하나였습니다. 이 프레임워크는 얼굴 인식 분야에서도 빠르게 적용되었고, 상당한 성공을 거두었습니다. 이 알고리즘의 가장 큰 장점은 속도였습니다. 학습 과정은 매우 느렸지만, 탐지 과정은 매우 빨랐습니다.
2001년에서 2004년 사이에, 일반 데스크탑 컴퓨터에서도 이 알고리즘을 사용하여 300px X 300px 크기의 이미지를 0.07초 만에 처리할 수 있었습니다(참고 자료). 이 알고리즘의 정확도는 약 90%로, 인간의 인식 능력에는 미치지 못했지만 매우 인상적인 수치였습니다.
하지만 2010년부터 2020년 사이에 진정한 발전이 이루어졌습니다. 컨볼루션 신경망이 얼굴 인식 기술의 핵심으로 떠올랐습니다. 이는 클라우드 컴퓨팅을 통해 사용할 수 있게 된 대용량 메모리와 강력한 처리 능력 덕분입니다. 이러한 발전으로 인해, 컴퓨터는 역사상 처음으로 얼굴 인식 분야에서 인간의 능력을 뛰어넘기 시작했습니다. 특히, 많은 수의 얼굴을 처리해야 하는 경우에 더욱 그러했습니다.
출처: medium.com
얼굴 인식 기술의 작동 원리
얼굴 인식 기술은 여러 개의 특수한 하위 시스템이 복합적으로 작동하는 다단계 프로세스입니다.
각 단계의 의미는 다음과 같습니다.
탐지/추적: 이 단계는 전처리 과정의 일부로서, 주어진 이미지나 비디오 파일에서 얼굴을 식별하고 추적하는 역할을 합니다. 이 과정을 통해 입력 데이터에 얼굴이 존재하며 추가적인 처리가 가능하다는 것을 확신할 수 있습니다. 추적 단계는 필요에 따라 얼굴의 특정 부분, 특징 또는 표정을 추적하는 데에도 사용됩니다.
정렬: 실제 이미지나 비디오 속의 얼굴은 항상 정면을 향하고 있는 것이 아니기 때문에, 얼굴 인식 문제는 매우 복잡합니다. 얼굴이 확대되거나 축소될 수도 있고, 나무 뒤에 가려져 있을 수도 있으며, 옆모습만 보일 수도 있습니다. 이러한 요소들은 얼굴 감지 과정을 더욱 어렵게 만듭니다. 따라서 얼굴 정렬 과정은 입력 이미지나 비디오에서 얼굴의 위치를 파악하고, 얼굴 특징의 윤곽을 명확하게 하는 역할을 합니다.
출처: csc.kth.se
특징 추출: 이름에서 알 수 있듯이, 이 단계에서는 눈, 코, 턱, 입술 등과 같은 얼굴의 개별 특징들을 추출합니다. 이러한 특징들은 알고리즘이 다음 단계에서 사용할 수 있도록 특정 형식으로 저장됩니다. 이 단계에서 컴퓨터는 얼굴을 고유하게 식별할 수 있을 만큼 충분한 데이터를 수집하게 됩니다.
특징 매칭/분류: 이 단계에서는 특징 추출 단계에서 얻은 데이터를 기존 데이터베이스와 비교하여 개인의 신원을 추론합니다. 이 단계는 얼굴을 개별적으로 식별하는 것뿐만 아니라 분류하는 데에도 사용될 수 있기 때문에 분류라고도 불립니다.
이러한 과정을 거치면, 주어진 얼굴이 비교 대상 데이터베이스에 존재하는지 여부를 확인할 수 있습니다. 최종 결과물에는 소셜 미디어에서 흔히 볼 수 있는 태그 기능이 포함될 수도 있습니다.
출처: forwarddatascience.com
배포 고려 사항: 서버 측 vs 클라이언트 측
얼굴 인식 기술은 서버와 사용자 기기 모두에서 실행될 수 있습니다. 예를 들어, 소셜 미디어에 사진을 업로드하면 알고리즘이 서버 측에서 실행됩니다. 반면에, 얼굴을 사용하여 기기를 잠금 해제하는 시스템은 클라이언트 측에서 실행됩니다. 그렇다면 어느 방식이 더 나을까요?
어느 방식이 더 낫다고 단정하기는 어렵습니다. 서버 측 배포와 클라이언트 측 배포 모두 장단점을 가지고 있습니다. 많은 기업들은 하이브리드 시스템을 배포하는 것을 선호합니다. 일반적으로 모델 학습은 데이터와 컴퓨팅 자원이 충분한 서버 측에서 진행하는 것이 좋습니다. 학습된 모델은 클라이언트 측에 배포하여 시스템 속도를 향상시키고 사용자의 개인 정보를 보호할 수 있습니다.
모든 처리를 서버로 보내는 것은 지연을 초래할 수 있으며, 이는 경우에 따라 문제가 될 수 있습니다. 반대로, 모든 처리를 클라이언트 측에서 처리하면 모델의 성능이 저하될 수 있습니다.
얼굴 인식의 정확도는 어느 정도일까?
얼굴 인식에서 ‘정확도’라는 용어는 명확하게 정의하기 어렵습니다. 그 이유는 조명 부족, 머리카락에 가려진 얼굴, 카메라 품질 불량 등 다양한 입력 조건으로 인해 결과가 달라질 수 있기 때문입니다. 또한, 속임수를 사용하려는 시도(이 부분은 나중에 더 자세히 다루겠습니다!)로 인해 문제의 복잡성이 증가합니다. 따라서 얼굴 인식에 사용되는 신경망은 당면한 문제에 맞게 조정되어야 하며, 적용 범위에도 제약이 있습니다. 따라서 특정 산업용 얼굴 인식 시스템은 100%의 정확도를 자랑할 수 있지만, 복잡한 상황의 사진에서 얼굴을 식별해야 할 때는 정확도가 20% 미만으로 떨어질 수도 있습니다.
한 연구 결과에 따르면, 특정 유형의 얼굴 인식 알고리즘은 98.52%의 정확도를 달성했으며, 이는 동일한 테스트에서 인간이 달성한 97.53%의 정확도보다 높았습니다. 또 다른 연구에서는, 법의학적 상황에서 인간의 판단과 알고리즘을 결합하는 것이 최상의 결과를 가져온다는 사실이 밝혀졌습니다.
결론적으로, 특정한 목적을 위해 정밀하게 설계된 응용 분야에서 얼굴 인식 기술은 매우 강력한 도구입니다.
얼굴 인식 기술은 어디에 사용되고 있을까?
얼굴 인식 기술은 비교적 짧은 기간 동안 개발되었음에도 불구하고, 이미 다양한 분야에서 유용하고 흥미로운 활용 사례들을 보여주고 있습니다. 일부 활용 사례들은 매우 눈에 띄지만, 어떤 것들은 우리 일상에 너무나 자연스럽게 스며들어 있어서 그 존재를 인식하기조차 어려울 수 있습니다.
소셜 미디어 플랫폼인 페이스북은 얼굴 인식 시스템의 가장 흔한 활용 사례 중 하나입니다. 사진을 업로드하는 즉시, 페이스북은 사진 속의 얼굴을 감지할 수 있습니다. 과거에는 친구를 태그하도록 요청했지만, 이제는 페이스북이 자동으로 태그를 제안해 줍니다.
출처: labnol.org
최근 페이스북은 새로운 기능을 도입하여, 사용자의 얼굴이 포함된 사진이 태그되지 않은 채로 업로드되면 사용자에게 알려줍니다.
스냅챗 역시 얼굴 감지 및 인식 기술을 다양한 기능에 활용하고 있습니다.
출처: gistreel.com
스냅챗 필터가 제대로 작동하려면 피사체의 얼굴 윤곽과 특징을 정확하게 감지해야 합니다. 그렇지 않으면 필터 효과가 자연스럽게 보이지 않습니다. 얼굴 바꾸기 기능 역시 마찬가지입니다. 스냅챗의 얼굴 인식 기능에 대해 더 자세히 알고 싶다면 여기를 참조하십시오.
차량 공유 서비스 업체인 우버는 개인 정보 보호 및 안전 문제를 해결하기 위해 얼굴 인식 기술을 도입했습니다. 우버는 운전자 파트너의 신원을 확인하기 위해 얼굴 인식 기능을 사용하고 있습니다. 우버는 블로그를 통해 여러 얼굴 인식 기술 공급업체를 테스트한 결과, 고품질의 서비스를 제공하는 Microsoft Face API를 선택했다고 밝혔습니다. 특히, 이 실시간 ID 확인 기능은 저조도 조건에서도 잘 작동하며 안경을 착용한 사람도 식별할 수 있다고 합니다.
얼굴 인식 기술이 다양한 분야에서 성공적으로 적용됨에 따라, 교육 기관, 병원, 도서관 등에서도 기존의 신원 확인 방식을 대체할 가능성이 높습니다.
소매업계에서의 범죄 예방 역시 얼굴 인식 기술의 자연스러운 응용 분야입니다. 소매업계는 매년 450억 달러에 달하는 손실을 경험하고 있지만, 좀도둑이나 기타 소매 범죄에 효과적으로 대응할 수단이 부족합니다. 이제 FaceFirst와 같은 회사는 얼굴 인식 기술을 통해 이전 범죄자를 식별하고 보안 담당자에게 알림으로써 소매업계를 지원하고 있습니다.
경찰 감시 또한 얼굴 인식 기술을 적극적으로 활용하기 시작했습니다. 예를 들어, 영국에서는 사우스 웨일스 경찰이 밴에 장착된 카메라를 사용하여 대중 감시를 보다 쉽게 수행하고 있습니다.
출처:conversation.com
경찰의 이러한 새로운 기술 활용은 개인의 사생활 침해에 대한 논쟁을 불러일으키고 있지만, 경찰은 이 기술이 범죄자를 더 효과적으로 제지하는 데 도움이 될 것이라고 믿습니다. 사우스 웨일스 경찰 부국장인 Richard Lewis는 파이낸셜 타임즈와의 인터뷰에서 다음과 같이 말했습니다.
“[과거에는] 범죄를 저지른 사람을 식별했을 때, 기본적으로 ‘우리가 당신이 여기 있다는 것을 알고 있으니, 알아서 처신하라’고 말하는 것과 같습니다.”
최근에는 얼굴 인식 기술이 의료 분야에서도 디조지 증후군이라는 희귀 유전 질환을 진단하는 데 도움을 줄 수 있다는 사실이 밝혀졌습니다.
디조지 증후군은 약 6,000명의 어린이 중 1명에게 발생하는 유전 질환으로, 여러 신체 부위에 기형을 유발합니다. 이러한 질병은 고가의 진단 방법을 이용할 수 없는 저소득 국가에서 더욱 심각한 문제입니다. 얼굴 인식 기술은 96.6%의 정확도로 디조지 증후군을 진단할 수 있어, 환자들에게 새로운 희망을 제시하고 있습니다.
항공 산업에서도 얼굴 인식 기술 도입이 가속화되고 있으며, 조만간 기존의 탑승권을 대체할 것으로 예상됩니다. 현재는 제한적이지만, 승객을 식별하여 출국 절차를 간소화하는 데 사용되고 있습니다. 미국 교통안전청(TSA)은 얼굴 인식 기반 생체 인식 기술을 광범위하게 사용하는 계획을 발표했습니다.
얼굴 인식 기술의 논쟁적인 활용
기술은 우리에게 힘을 주지만, 그 기술을 어떻게 사용하는지는 우리에게 달려 있습니다. 따라서 얼굴 인식과 같이 강력한 기술이 기본적인 인권과 윤리에 대한 우려를 불러일으키는 방식으로 사용되고 있다는 것은 의심할 여지가 없습니다.
얼굴 인식 기술의 가장 논쟁적인 활용 사례 중 하나는 중국의 대규모 감시 시스템입니다. 중국은 약 2억 대의 카메라를 사용하여 14억 명의 시민을 감시하고 있습니다.
출처: sbs.com
이 시스템은 사람들의 행동을 추적하고 평가하여 시민 점수를 매깁니다. 강력한 국가 통제 감시 시스템은 채무 불이행자를 추적하는 등의 유익한 측면도 있지만, 많은 사람들은 이를 조지 오웰이 상상한 디스토피아적인 미래의 도래로 간주합니다. 즉, 정부가 개인에 대해 무제한적인 권한을 가지고 사생활이 존재하지 않는 미래인 것입니다.
또 다른 논쟁적인 얼굴 인식 기술 활용 사례는 중국의 학교 시스템에서 학생들의 주의 집중도를 감시하는 데 사용되는 것입니다. 새로운 얼굴 인식 시스템은 아직 널리 보급되지는 않았지만, 학생들의 ID 카드, 도서관 카드, 출석 시스템 등을 대체하는 데 사용되고 있습니다.
출처: businessinside.com
더욱 심각한 문제는 이 시스템이 학생들의 주의 집중도, 휴대폰 사용 등을 모니터링하고, 특정 임계값을 넘으면 교사에게 경고를 보낸다는 것입니다.
얼굴 인식 기반 비디오 감시가 중국에만 국한된 것은 아니지만, 미국은 학교에서 총기 폭력을 억제하기 위해 이러한 기술을 활용하려 하고 있습니다. 그러나 이러한 기술을 가장 적극적으로 발전시키고 있는 국가는 중국입니다.
주요 얼굴 인식 API 비교
얼굴 인식 기술을 사용하고 싶다면 어떤 옵션을 선택할 수 있을까요? 이 섹션에서는 일반적으로 사용되는 얼굴 인식 API들을 살펴보고, 각 솔루션이 서로 어떻게 다른지 비교해 보겠습니다.
하지만 이러한 API는 빠르게 발전하고 있기 때문에, 특정 API에 특정 기능이 없다는 블로그 게시물을 접할 수도 있다는 점을 기억해야 합니다. 그러한 정보에만 의존하여 결정을 내리지 말고, 먼저 비즈니스 요구 사항을 분석하고, 각 API에서 제공하는 기능을 자세히 확인한 후 결정을 내리는 것이 좋습니다.
OpenCV
인공지능 연구는 끝이 없는 심연과 같습니다. 얼굴 인식 시스템을 훈련하고 완성하는 것은 매우 어려운 작업이므로, 자금력이 풍부한 대기업이나 연구 기관에 맡기는 것이 가장 좋습니다. 하지만 요구 사항이 단순하고, 모든 것을 직접 제어하고 싶으며, 소규모 엔지니어링 팀을 운영할 준비가 되어 있다면 OpenCV가 좋은 선택이 될 수 있습니다.
OpenCV는 매우 정확하고, 모든 프로그래밍 플랫폼에서 사용할 수 있는 오픈 소스 컴퓨터 비전 라이브러리입니다. 다음은 Python과 OpenCV를 사용하여 25줄의 코드로 얼굴 인식 시스템을 구축하는 방법을 보여주는 예시입니다.
OpenCV에는 얼굴 인식 기능이 없다고 주장하는 블로그 게시물도 있을 수 있지만, 이는 사실이 아닙니다. 여기 증거가 있습니다. 전반적으로 OpenCV는 요구 사항이 간단하고 구체적인 경우, 귀하의 비즈니스에 훌륭한 선택이 될 수 있습니다.
아마존 Rekognition
Rekognition은 AWS라는 세계 최대 클라우드 서비스 제공업체의 강력한 제품입니다. Rekognition은 AWS 플랫폼에서 제공하는 완전 관리형 서비스이므로, 이미 AWS를 사용하고 있다면 Rekognition이 최선의 선택이 될 수 있습니다.
Rekognition이 제공하는 주요 기능은 다음과 같습니다.
- 실시간 분석 (이미지 또는 비디오를 S3에 업로드할 때)
- 다양한 얼굴 분석 기능 (성별, 머리 색깔, 표정, 눈 뜨고 감기 등)
- 경로 지정 (비디오에서 식별된 객체의 경로를 추적)
- 장면 및 활동 감지 (실내/실외, “축구 경기” 등)
- 유해 콘텐츠 감지
Rekognition의 가장 큰 장점은 동시에 가장 큰 단점이 될 수도 있습니다. 즉, AWS 생태계에 묶여 있어 AWS 외의 서비스와 함께 사용하는 데 어려움을 겪을 수도 있습니다.
카이로스
Rekognition과 달리 Kairos는 API를 통해 인공지능 서비스를 제공합니다. 이를 통해 데이터와 서버를 완벽하게 제어할 수 있습니다. Kairos는 개인 정보 보호를 우선시하는 서비스라고 주장하며, 정부와 결탁하는 아마존 및 기타 회사에 대해 비판적인 입장을 취하고 있습니다(예: ACLU).
Kairos는 이미지와 비디오 모두에서 작동하며, 최신 얼굴 인식 API에서 기대할 수 있는 모든 기능을 제공합니다. Rekognition과 유사한 기능을 제공하지만, 이미 데이터를 직접 관리하고 있다면 굳이 Rekognition을 사용할 필요는 없습니다.
Kairos는 개인 정보 보호에 대해 편집증적인 사용자들을 위해, 데이터가 외부로 전송되지 않고 사내에서 처리될 수 있는 옵션을 제공합니다. 가격은 사용 사례에 따라 다르며, 다소 비쌀 수 있습니다.
구글 클라우드 비전
구글은 이미지와 비디오에 대한 얼굴 인식 서비스를 별도로 제공하고 있습니다. 이미지 API는 클라우드 비전이라고 불리며, 비디오 중심 서비스는 비디오 인텔리전스라고 불립니다.
이미지 중심 서비스는 AWS가 제공하는 서비스와 매우 유사하지만, 비디오 서비스에는 목록 작성 및 검색 기능이 추가되어 있습니다. 이 기능은 분석하거나 검색해야 할 대규모 비디오 아카이브를 보유한 기업에 유용합니다.
하지만 비디오 인텔리전스 서비스는 현재(글을 쓰는 시점) 얼굴 인식 기능이 부족하고, 클라우드 비전 서비스에서만 제공되는 것으로 보입니다. 객체 추적 및 텍스트 감지 기능도 아직 베타 버전이므로, 아마존 제품에 비해 기능이 부족한 편입니다.
Azure Face API
마이크로소프트가 클라우드 제품에 더욱 집중하면서, Azure Face API는 매우 매력적인 선택지가 되었습니다. Azure Face API는 감지, 식별, 얼굴 그룹화, 유사한 얼굴 검색, 감정 분석 등 다양한 기능을 제공하며, 비디오에서도 효과적으로 작동합니다.
얼굴 인식과 직접적인 관련은 없지만, Azure가 컴퓨터 비전 서비스도 제공한다는 점을 언급할 가치가 있습니다. Azure Custom Vision Service를 사용하면 사용자 정의 데이터를 사용하여 모델을 훈련할 수 있습니다.
구글 서비스와 마찬가지로, Azure Face API도 홈페이지에서 데모를 제공하므로, API를 직접 테스트해 볼 수 있습니다.
주요 관리형 얼굴 인식 서비스들 간에 큰 차이가 있을까요? 아마도 아닐 것입니다. 현재 이 분야는 경쟁이 매우 치열하며, 새로운 기능들이 빠르게 출시되고 있습니다. 특정 생태계에 묶여 있다면 해당 생태계의 얼굴 인식 서비스를 사용하는 것이 가장 좋을 것입니다. 그렇지 않고, 특정 요구 사항(데이터 제어, 간단한 검색 등)이 있는 경우에는 다른 공급업체를 선택할 수 있습니다.
얼굴 인식 시스템 속이기
일부 연구자들이 얼굴 인식 기술을 개발하는 데 평생을 바쳤다면, 다른 연구자들은 얼굴 인식 기술을 속이는 방법을 개발하는 데 열중하고 있습니다. 그중 흥미로운 사례 중 하나가 적대적 안경입니다. 이 안경은 육안으로는 평범해 보이지만, 전문적인 얼굴 인식 시스템을 속일 수 있습니다.
출처: digitaltrends.com
이러한 안경은 아직 상용화되지 않았지만, 연구자들은 3D 프린터로 쉽게 제작할 수 있다고 합니다.
또 다른 흥미로운 기술은 에코 안경입니다. 킥스타터에서 출시된 이 제품은 현재 프로젝트가 중단되었지만, 놀랍도록 간단한 아이디어를 바탕으로 작동했습니다. 45달러짜리 평범한 선글라스에 반사 효과를 추가하여 카메라와 비디오 감시 장치가 오작동하도록 만든 것입니다.
사이버 보안 분야와 마찬가지로, “해커”와 연구자들은 얼굴 인식 기술을 완벽하게 만들기 위한 경쟁을 벌이고 있습니다. 2014년경에는 위장 메이크업으로 얼굴 인식 기술을 속일 수 있다는 사실이 밝혀졌지만, 현재는 이러한 방법이 더 이상 효과가 없습니다. 얼굴 인식에도 AES 암호화와 같은 보안 기술이 적용될 수 있을까요? 시간이 지나면 알게 될 것입니다!
얼굴 인식 기술이 당신에게 적합할까요?
얼굴 인식 기술의 이점을 얻을 수 있는 비즈니스 유형은 사람과 관련된 모든 비즈니스입니다. 얼굴 인식 기술의 현재 활용 사례는 정부 기관, 대기업, 기술 스타트업에 집중되어 있지만, 일반 기업들도 이 기술의 혜택을 누릴 수 있습니다.
호텔에서 고객을 맞이하고 식별하거나, 많은 사람들 사이에서 친구를 찾거나, 외모가 비슷한 사람들을 찾아 배우로 활용하거나, 구직 면접 과정에서 성격을 파악하는 데 활용하거나(물론 이러한 연구에는 실제 근거가 없을 수 있음), VIP 고객이 방문할 때 은행 서비스 경험을 맞춤화하는 등, 상상력을 발휘하면 얼굴 인식 기술을 활용할 수 있는 방법은 무궁무진합니다. 비즈니스의 크고 작은 측면에서 얼굴 인식 기술을 사용하면 비즈니스 성과를 향상시키는 데 도움이 될 것입니다.
결론
머지않아 얼굴 인식 기술은 우리 일상에 너무나 깊숙이 스며들어, 우리가 그 존재조차 알아차리지 못하게 될 것입니다(마치 휴대폰처럼). 핵심 기술은 거의 완벽에 가까워졌지만, 실제 세계에서는 얼굴을 감지하는 능력뿐만 아니라, 그러한 능력으로 무엇을 할 수 있는지가 더욱 중요합니다.
흥미롭다고 생각되시면 이 주제에 대해 더 자세히 알아보시는 건 어떠세요? 컴퓨터 비전에 대한 훌륭한 강의를 추천해 드립니다.