기업용 안면 인식에 관한 모든 것

얼굴 인식은 컴퓨터 과학 영역에만 국한되지 않습니다. 견고한 비즈니스 응용 프로그램이 있습니다.

올해의 가장 뜨거운 유행어 중 하나는 얼굴 인식입니다.

그것은 인간의 얼굴을 감지하고 식별할 수 있는 응용 기계 학습의 일부이며, 이는 지금까지 컴퓨터에서 악명 높았던 문제였습니다. 그리고 이것은 기업, 정부 및 개인 모두에게 흥미진진한 가능성과 도전의 완전히 새로운 세계를 열었습니다.

당신이 비즈니스 리더이고 소란이 무엇인지 그리고 이 새로운 개발에 어떤 유용성이 있는지 궁금하다면 우리가 당신을 다룰 것입니다. 이 기사에서는 얼굴 인식의 역사, 개발, 현재 사용, 논란, 배포 및 더 많은 측면을 살펴보겠습니다.

이 과정이 끝나면 안면 인식 기술이 무엇인지 그리고 이것이 기업에 미치는 영향에 대해 확실히 이해하게 될 것입니다.

시작하자!

안면 인식의 진화

이 기술은 얼굴 인식을 둘러싼 모든 과대 광고와 언론 보도를 위해 한동안 사용되었습니다. 얼굴을 감지하는 최초의 진지한 알고리즘 작업은 Viola-Jones 객체 감지 프레임워크 2001년에 출판되었습니다. 이미지 내에서 물체를 식별하기 위한 범용 프레임워크이지만 빠르게 얼굴 감지에 적용되어 매우 좋은 성공을 거두었습니다. 이 알고리즘이 인기를 얻은 주된 이유는 속도였습니다. 훈련 과정은 극도로 느렸지만 탐지 과정은 매우 빨랐습니다.

빠르면 2001/2004년에 이 알고리즘을 실행하는 일반 데스크탑 컴퓨터는 0.07초 만에 300px X 300px 프레임을 처리할 수 있었습니다. 여기). 그만큼 정확도인간이 달성할 수 있는 것과 비교할 수는 없지만 90%로 인상적이었습니다.

그러나 진정한 진전은 2010-2020년이 되어서야 이루어졌습니다. 컨볼루션 신경망 얼굴 인식을 수행하는 가장 좋은 방법으로 떠올랐습니다. 그 이유는 IaaS(Infrastructure-as-a-Service) 공급자가 클라우드 컴퓨팅을 통해 사용할 수 있는 원시 처리 능력과 거대한 시스템 메모리의 가용성 때문이었습니다. 역사상 처음으로 컴퓨터는 얼굴을 인식하는 데 있어 지속적으로 인간을 이겼습니다. 특히 많은 수의 무작위 얼굴이 관련되었을 때 더욱 그렇습니다.

출처: medium.com

얼굴 인식은 어떻게 작동합니까?

안면 인식은 여러 특수 하위 시스템이 관련된 다단계 프로세스입니다.

다양한 단계의 의미는 다음과 같습니다.

탐지/추적: 전처리 단계의 이 부분은 주어진 이미지 또는 비디오 파일에서 얼굴을 식별하고 추적하는 역할을 합니다. 이 프로세스가 완료되면 주어진 입력에 얼굴이 있고 추가로 처리할 수 있다는 것을 확실히 알 수 있습니다. 추적 단계는 필요한 경우 얼굴의 특정 부분, 특정 기능 또는 표정을 추적하는 역할도 합니다.

정렬: 주어진 이미지 또는 비디오의 얼굴이 지침을 따르지 않기 때문에 얼굴 인식 문제가 복잡합니다. 사람이 확대 또는 축소되거나, 나무 뒤에서 엿보거나, 옆모습에 있을 수 있어 얼굴 감지 문제를 더욱 어렵게 만들 수 있습니다. 이것은 얼굴 정렬이 필요한 곳입니다. 주어진 이미지/비디오에서 얼굴 라인이 있는 위치와 얼굴 특징의 윤곽이 무엇인지 알려줍니다.

출처: csc.kth.se

특징 추출: 이름에서 알 수 있듯이 프로세스의 이 단계(지금은 인식 단계)에서 눈, 코, 턱, 입술 등과 같은 얼굴의 개별 특징을 다음 형식으로 추출합니다. 알고리즘은 다음 단계에서 사용할 수 있습니다. 이 단계에서 컴퓨터는 얼굴을 고유하게 구별할 수 있을 만큼 복잡한 데이터를 수집했습니다.

특징 일치/분류: 이 단계에서는 특징 추출에서 받은 입력을 주어진 데이터베이스와 대조하여 개인의 신원을 추론합니다. 이 단계는 얼굴을 개별적으로 식별하는 대신 분류하는 데 알고리즘이 필요할 수 있기 때문에 분류라고도 합니다.

이 프로세스가 끝나면 주어진 얼굴이 우리가 비교한 데이터베이스의 일부인지 여부를 확실히 알 수 있습니다. 최종 출력에는 우리가 Facebook에서 보던 방식인 태깅이 포함될 수도 있습니다.

출처: forwarddatascience.com

배포 고려 사항: 서버 측 대 클라이언트 측

얼굴 인식은 서버와 사용자가 상호 작용하는 장치 모두에서 작동할 수 있습니다. 예를 들어 Facebook에 사진을 업로드하면 알고리즘이 서버 측에서 실행됩니다. 반면에 얼굴을 사용하여 장치를 잠금 해제하는 ID 시스템은 클라이언트 측에서 실행되어야 합니다. 그래서, 어느 것이 더 낫습니까?

솔직히 어느 것이 더 낫다는 것이 아닙니다. 서버 측 배포와 클라이언트 측 배포 모두 장단점이 있습니다. 실제로 기업은 하이브리드 시스템을 배포합니다. 권장되는 방법은 훈련 데이터와 처리 리소스가 무제한인 서버 측에서 모델을 훈련하는 것입니다. 모델이 훈련되면 클라이언트 측에서 패키지 및 배포할 수 있으므로 시스템 속도가 향상되고 사용자의 개인 정보가 유지됩니다.

Microsoft Teams 설문 조사 도구를 사용하는 방법

모든 것을 서버로 보내면 지연이 발생하며, 이는 어떤 경우에는 좋지 않거나 허용되지 않을 수 있습니다. 동시에 모든 것을 클라이언트 측에 유지하면 약한 모델이 됩니다.

얼굴 인식은 얼마나 정확합니까?

정확도는 얼굴 인식에서 잘 정의된 용어가 아닙니다. 주된 이유는 모든 종류의 엉망인 입력(저조도, 머리카락으로 부분적으로 덮인 얼굴, 카메라 품질 등)과 심지어 기만적인 입력(이에 대해서는 나중에 자세히 설명합니다!)과 관련된 퍼지 문제입니다. 결과적으로 얼굴 인식과 관련된 신경망은 당면한 문제에 대해 조정되어야 하며 범위가 제한됩니다. 따라서 산업용 안면 인식 시스템이 100% 정확도를 자랑할 수 있지만(종종 그런 경우임) 동일한 시스템이 복잡한 사진에서 얼굴을 식별하라는 요청을 받을 때 20%도 정확하지 않을 수 있습니다.

하나의 연구, 특정 유형의 안면 인식 알고리즘은 98.52%의 정확도를 달성할 수 있었으며 이는 동일한 테스트에서 달성한 인간의 정확도 97.53%보다 높습니다. 또 다른 공부하다 법의학에서 수행된, 인간의 판단과 알고리즘의 조합이 어떤 경우에는 최상의 결과를 산출했습니다.

결론 — 집중적이고 잘 정의된 애플리케이션의 경우 안면 인식이 우리가 가진 최고의 도구입니다.

얼굴 인식은 어디에 사용됩니까?

실행 가능한 알고리즘이 개발된 짧은 기간 동안에도 얼굴 인식은 매우 유용하고 흥미로운 응용 프로그램을 발견했습니다. 이들 중 일부는 눈에 띄지만 일부는 일상 생활에 너무 미묘하고 근본적으로 짜여져 있어 우리는 그 밑에 무엇이 있는지 생각하기 위해 거의 쉬지 않습니다.

Facebook은 아마도 직장에서 현대 얼굴 인식 시스템의 가장 일반적인 예일 것입니다. 사진을 업로드하는 즉시 소셜 네트워크에서 얼굴을 감지할 수 있습니다. 얼마 전에 친구를 태그하라는 요청을 받았지만 이제는 Facebook에서 스스로 태그를 지정할 수 있습니다.

출처: labnol.org

Facebook의 멋진 새 애플리케이션은 다음과 같은 기능입니다. 유익한 다른 사람이 자신의 얼굴이 포함된 사진을 업로드하면 해당 사진에 태그가 지정되지 않은 사용자도 마찬가지입니다.

Snapchat은 많은 기능을 위해 얼굴 감지 및 인식을 많이 사용합니다.

출처: gistreel.com

이러한 필터가 작동하려면 피사체 얼굴의 윤곽과 특징이 완벽하게 감지되어야 합니다. 그렇지 않으면 오버레이가 사실적으로 보이지 않습니다. Snapchat의 또 다른 인기 있는 기능인 Face Swap도 마찬가지입니다. Snapchat의 안면 인식 기능에 대해 자세히 알아보려면 다음을 참조하세요. 여기.

Uber는 한동안 개인 정보 보호 및 안전 문제와 씨름해 왔으며 회사 무기고의 최신 무기는 안면 인식입니다. 회사는 드라이버 파트너의 신원을 확인하는 새로운 기능을 출시했습니다. 그들의 얼굴을 사용하여. 이 회사는 블로그에서 여러 안면 인식 기술 공급업체를 테스트한 후 고품질을 위해 Microsoft Face API에 정착했다고 밝혔습니다. 흥미롭게도 이 실시간 ID 확인은 저조도 조건에서 잘 작동하며 안경을 감지할 수 있습니다.

얼굴 인식이 야생에서 성공적으로 입증됨에 따라 교육 기관, 병원, 도서관 등에서 다른 식별 방법을 곧 대체할 것이라고 쉽게 예측할 수 있습니다.

소매 범죄 예방은 안면 인식 적용의 자연스러운 확장입니다. 소매 산업은 예상 손실 450억 달러 매년 좀도둑과 기타 소매 범죄에 대응할 수 있는 수단이 거의 없습니다. 이제 다음과 같은 회사는 페이스퍼스트 소매업체가 안면 인식을 사용하여 이전 범죄자를 감지하고 보안 담당자에게 알릴 수 있도록 돕고 있습니다.

경찰 감시는 다른 모든 기관과 마찬가지로 안면 인식을 활용하기 시작했습니다. 예를 들어 영국에서는 사우스 웨일즈 경찰이 밴에 장착된 카메라를 사용하여 감시 군중의 더 쉬운.

출처:conversation.com

경찰의 손에 있는 이 새로운 초강대국은 개인의 사생활에 대한 뜨거운 공개 토론을 촉발했지만, 경찰은 그것이 범죄자를 더 잘 제한하는 데 도움이 될 것이라고 믿습니다. 사우스 웨일즈 경찰의 차장 Richard Lewis는 이렇게 말했습니다. 파이낸셜 타임즈:

범죄를 저지른 사람을 식별한 경우 [previously]당신은 기본적으로 말합니다: 우리는 당신이 여기 있다는 것을 알고 있습니다. 스스로 행동하십시오.

최근 헬스케어에 안면 인식이 디조지 증후군이라는 희귀 유전 질환을 감지하는 데 도움이 되는 예상치 못한 적용이 있었습니다.

오프 스크린 창을 메인 디스플레이로 이동하는 방법

디조지 증후군은 약 6,000명의 어린이 중 1명에게 나타나며 여러 신체 부위의 기형을 초래합니다. 이 경우 의료 문제는 값비싼 진단 방법을 사용할 자원이 없는 가난한 국가에서 더 심각합니다. 이처럼 놀라운 얼굴 인식은 정확성 96.6%, 디조지 증후군의 희생자들에게 새로운 희망을 제시합니다.

항공 업계에서는 안면 인식 채택이 가속화되고 있으며 곧 기존 탑승권을 대체할 것입니다. 현재 제한적이지만 유망한 결과가 있습니다. 승객 식별 그들이 나라를 떠날 때. 실제로 미국 교통안전청(TSA)은 계획 안면 인식 기반 생체 인식의 광범위한 사용을 위해.

안면 인식의 논란의 여지가 있는 사용

기술의 사용 여부는 우리에게 달려 있지만 기술은 우리에게 힘을 실어줍니다. 따라서 얼굴 인식과 같이 강력하고 급진적인 것이 기본적인 인권과 윤리에 대한 우려를 불러일으키는 방식으로 사용되고 있다는 것은 의심의 여지가 없습니다.

논란의 여지가 있는 안면 인식 사용의 가장 두드러진 예는 중국의 엄청난 감시 시스템 14억 명의 시민을 감시하기 위해 약 2억 대의 카메라를 사용합니다.

출처: sbs.com

시스템은 사람을 추적하고 행동을 평가하여 시민 점수. 강력한 국가 통제 감시 시스템(예: 채무 불이행자 추적)을 갖는 것은 어느 정도 가치가 있지만 대부분은 이를 조지 오웰이 상상한 디스토피아적 미래의 도래로 봅니다. 정부가 개인에 대해 무제한적인 권한을 갖고 사생활이 존재하지 않는 미래입니다.

논란의 여지가 있는 안면 인식 사용의 두 번째 예는 (당연히?) 중국에서 나온 것입니다. 이번에는 학교 시스템에서 안면 인식을 채택하여 학생들이 수업 중에 “주의를 기울일 수 있도록” 합니다. 새로운 얼굴 인식 시스템은 아직 널리 보급되지는 않았지만 학생의 얼굴을 식별하는 데 사용하는 ID 카드, 도서관 카드, 출석 시스템 등을 대체합니다.

출처: businessinside.com