킬러앱(Killer App)이라고 들어보셨나요? 킬러앱이란 등장과 함께 기존의 상품과 서비스를 밀어내고 시장을 제패하는 강력하고 혁신적인 애플리케이션을 뜻합니다. 삐삐가 피쳐폰이 되고 5G 스마트폰이 된 것처럼, 현존 시장을 뒤바꿀 수 있는 진보적 가치를 지닌 상품이나 서비스를 의미합니다. 그렇다면 곧 다가올 새로운 킬러앱은 무엇일까요?

 

 

     누군가 묻습니다, “Next 킬러앱은 무엇일까요?”

     알체라는 이에 “얼굴인식 기술”이라고 대답합니다.

     

스마트폰이나 노트북의 잠금을 해제하기 위해 4자리 비밀번호를 입력하는 것도 이제는 먼 이야기가 되고 있습니다. 아이폰의 FaceID, 갤럭시의 얼굴 잠금 해제, Microsoft의 Windows Hello 등의 ‘얼굴인식’이 그 기능을 대신하고 있습니다.

 

 

오늘의 주제인 얼굴인식은 영상인식 중 하나의 기술입니다. 현재 알체라의 영상인식 기술은 얼굴인식, 행동인식, 이상상황 감지에 집중하고 있습니다.

 

영상인식이란 디바이스를 통해 입력된 영상을 AI로 활용해 인식하고 분석하여 필요한 정보를 도출하는 기술입니다. 
예를 들어, 우리 주변에 많이 비치된 CCTV는 건물 내부와 외부, 사람과 동물, 도로 위 자동차와 같은 사물까지, 다양한 피사체를 촬영하여 기록합니다. 
이러한 영상물 내 특정 인물의 얼굴을 실시간으로 인식하고 찾아내는 것이 얼굴인식입니다.

 

지금부터는 얼굴인식에 대해 자세히 알아보겠습니다.

 

 

얼굴인식 기술

 

 

얼굴인식의 프로세스는 크게 3가지로 나뉩니다. 

1. 얼굴 검출, 2. 특징점 추출, 그리고 3. DB(데이터베이스) 내 특징점과 비교하는 매칭으로 나눌 수 있습니다.

 

 

 

 

 

1. Face Detection | 얼굴 검출

 

먼저, 디바이스를 통해 획득한 영상 속 얼굴이 사진인지 실제 얼굴인지 확인하는 작업이 필요합니다. Liveness Check 기술을 통해 타인의 위조 및 변조의 시도를 찾아냅니다. Live, 즉 실제 얼굴임이 판별된 후 얼굴의 위치를 찾아내는 것을 얼굴 검출이라고 합니다. 이후, 랜드마크 추출(Landmark Detection)을 통해 얼굴 주요 부위에 대한 100여 개의 좌표 정보를 뽑아냅니다. Yaw, Roll, Pitch 등에 따른 정보를 추정하여 다양한 각도에서 찍힌 얼굴 이미지들의 각도를 조정하여 정면 사진으로 통일합니다. 이런 과정은 얼굴인식의 정확도를 높이는 데 도움을 줍니다.

 

 

 

 

 

2. Feature Extraction | 얼굴 특징 추출

 

얼굴인식을 위해 사람별 고유한 특징(Feature)을 뽑아내는 과정을 Feature Extraction이라고 합니다. 여기서 Feature라는 것은 조명, 나이 등에 따라 변하는 얼굴의 형상에도 변화가 적고, 개인별 얼굴의 차이를 극대화할 수 있는 N개의 벡터입니다. 이때 추출된 특징점 벡터가 DB에 저장되는데, 쉽게 말해 개인별 고유 ID Number라고 이해하시면 됩니다. 좋은 Feature extraction을 위해 수억 장, 그 이상의 데이터로 학습된 AI가 필요합니다. 알체라는 1년 365일, 24시간 내내 AI를 지속 학습시키면서 똑똑하게 만들고 있습니다.

 

 

 

 

 

3. Matching | 얼굴 매칭

 

매칭은 실시간으로 나의 얼굴 벡터와 데이터베이스 내 저장된 벡터를 비교하는 작업입니다. 비교하는 방법은 다양합니다. 일반적이고 친숙하지만, 실제 사용되는 방법의 하나로 설명하겠습니다. 중학 교과과정 중 배우는 피타고라스 정리가 사용된 유클리디안 거리 공식을 자주 사용합니다. N개의 성분으로 이루어진 두 벡터는 N 차원의 두 점으로 해석되어, 벡터 비교를 위해 두 점의 거리를 구합니다. 기준치보다 거리가 가까울 경우 동일인이라고 판별, 기준치보다 거리가 멀 경우 타인으로 판단하는 구조입니다. 크게는 1:1 매칭, 1:N 매칭으로 나눌 수 있습니다.

 

 

얼굴인식 매칭의 2가지 영역

 

 

   

 

- 1:1 matching: 입력된 얼굴 이미지가 등록된 나인지, 아닌지를 분석하는 것

- 1:N matching: 입력된 얼굴 이미지가 등록된 N명 중 누구인지 분석하는 것

 

 

* 1:1 매칭은 비교할 얼굴이 1개인 경우이며 얼굴인식 시도자와 비교 대상이 동일인인지 판별하는 방법입니다. 예를 들면 애플의 FaceID도 1:1 매칭의 일례입니다. 나와 등록된 나의 얼굴을 비교하는 것으로, 비교할 벡터가 오직 한 가지라 1:N 매칭보다 빠르게 이루어집니다.

* 반면에 1:N 매칭은 비교할 얼굴이 N개인 경우로 얼굴인식 시도자의 얼굴을 N개의 얼굴과 각각 대조하여 일치하는지 판별해야 합니다. N의 수가 많아질수록 시간은 더 오래 소요되고 오류 발생 위험도 증가합니다.

 

 

얼굴인식 AI의 무궁무진한 활용

 

 

 

알체라의 얼굴인식 AI 기술은 산업군을 넘나들며 다양한 분야에 적용되고 있습니다. 우선 보안, 핀테크 영역에서 본인인증, 신원확인에 최적화된 솔루션을 제공합니다.

얼굴인식을 통해 출입관리부터 금융서비스까지 빠르고 정확한, 높은 수준의 보안을 가능하게 합니다. 또한, 헬스케어, 환경 등 다양한 분야와 융합하여 계속해서 더 많은 산업분야로 확장해 나가고 있습니다.

 

 

 

 

또한 알체라는 현재 세계적인 파트너사에 얼굴인식 AI 솔루션을 실도입하여 기술력을 입증하고 있습니다. 세계적으로 3.12억 대 이상의 카메라에 적용되었으며, 국내 2천만 명 이상의 유저가 알체라의 얼굴인식 기술을 활용하고 있습니다. 한국인의 1/3 이상이 알체라의 기술을 사용하고 있는 것이죠.

 

The NEXT Killer-App이 될 얼굴인식 AI 기술의 선두자 알체라를 주목해 주세요!