.svg)
FACE TRUST는 현재 얼굴인식 AI의 기술적 한계를 뛰어넘어 모두가 안전하고 보호받은 사회를 구축하고자 하는 비전을 담고 있습니다. 즉, 얼굴인식 AI가 사람의 얼굴을 인식하고 분석하는 것에 그치지 않고, 일상과 사회를 바꿀 수 있도록 기술로 활용 범위를 확장할 것입니다. 사람의 얼굴과 주변 상황, 환경을 종합적으로 분석하고 검증하여 보다 신뢰할 수 있는 데이터를 기반으로 사회적 편익 증진을 목표로 합니다.
이를 위해 알체라는 데이터의 다양성 확보, 지속적인 학습, 모델 최적화를 통해 꾸준한 성능 고도화를 이루고, 다양한 방법론을 여러 산업군에 제시하며 끊임없는 노력을 통해 기술 선도를 이어 나가고 있습니다. 이번 편에서는 알체라가 제시하는 얼굴인식 AI의 도약과 돌파구, 새로운 얼굴인식 AI 시대를 자세히 살펴보겠습니다.
얼굴인식 AI의 시작(1.0)이었던 초기에는 얼굴의 형태와 특징을 사람이 직접 지정하여 수동으로 얼굴 매핑하는 방법이 사용되었습니다. 점 간의 비율과 특징점을 수동으로 측정하여 픽셀값을 비교하는 *템플릿 매칭(Template Matching) 방식이 대표적이었습니다. 사람의 개입이 필요하고 정확도면에서도 부족했지만, 처음으로 얼굴인식 기술에 대한 기반을 마련한 중요한 시초점이었습니다.
*템플릿 매칭(Template Matching): 이미지에서 특정 패턴 또는 템플릿을 찾아내기 위해 템플릿과 이미지를 비교하여 일치하는 부분을 찾는 방법
이후 머신 러닝의 등장(2.0)으로, 기계 학습과 컴퓨터 비전 기술을 활용한 자동화된 얼굴인식 AI가 등장했습니다.
*멀티파이 데이터셋(Multi-pie Dataset)을 활용하여 다양한 데이터를 학습하고 패턴을 파악하는 알고리즘이 개발되었으며, 얼굴의 특징, 패턴, 상호 관계 등을 파악이 가능해졌습니다. 하지만 당시 수집 가능한 데이터가 매우 제한적이었으며 ID 수가 적다는 한계점이 존재하였기에 성능의 일반화와 결과에 대한 신뢰성은 다소 부족했습니다.
*멀티파이 데이터 셋(Multi-pie Dataset): 다양한 조건에서 촬영된 얼굴 이미지 데이터셋으로, 얼굴인식 알고리즘 개발에 활용
딥 러닝의 등장(3.0)으로 획기적인 변화를 겪었습니다. *컨볼루션 신경망( Convolution Neural Network)을 활용한 딥 러닝 기반의 얼굴인식 알고리즘을 통해 더욱 정교한 특징 추출과 분류할 수 있게 되며 대규모의 실제 얼굴 데이터셋을 이용한 학습을 통해 정확도가 크게 향상되었습니다.
머신 러닝 활용 시 부족했던 성능의 일반화를 이루고, 오류를 대폭 줄이며 큰 성능 향상을 이루게 된 시기입니다. 또한 해당 시기부터 모델 벤치마크와 실제 환경과 비슷한 조건의 성능평가가 가능해지며, 얼굴인식 AI가 다양한 응용 분야에서 적용 및 활용될 수 있는 기술로서 확장되었습니다.
*컨볼루션 신경망(Convolution Neural Network): 이미지에서 특징을 추출하고 분류하는 데 특화된 딥러닝 알고리즘
더불어 그래픽 처리장치 및 컴퓨터 하드웨어의 발전으로 데이터 처리 속도가 크게 향상되어 대규모 데이터셋을 효율적으로 다룰 수 있게 되었습니다.
이로써 얼굴인식 AI는 높은 성능의 일반화(4.0)를 달성하며, 얼굴의 40%의 부분 노출에도 정확하고 빠른 인식이 가능합니다. 이 시기를 기점으로 기술의 성능 평가를 넘어 제품 및 품질의 가치평가가 이루어졌으며, 얼굴인식 AI가 사용자 요구에 맞게 활용될 수 있는 기술로써 자리매김했습니다.
얼굴인식 AI는 어떤 발전을 이루고 있을까요? 알체라의 FACE TRUST를 통해 선도하고 있는 현재의 얼굴인식 AI는 모두가 믿을 수 있는 기술(5.0)로,
다양한 산업군에 적용 및 확대되고 있습니다. 신뢰할 수 있는 기술을 기반으로 사용자 및 산업별 요구에 대응하는 맞춤형 솔루션 개발에 집중하기 위해 구글, 페이스북 등 초거대 글로벌 IT 기업의 *사전학습 모델(Pretrained Model)을 활용하여 학습 레이어를 추가하거나 수정함으로써 얼굴인식 AI 모델의 고도화를 이루고 있습니다.
특히, 얼굴인식 AI가 널리 활용되고 있는 출입보안 및 금융 분야에서는 신원확인과 사용자 인증을 강화하는 수단으로 핵심적인 역할을 하고 있습니다.
시설과 인증수단의 보안 수준을 높이고, 사기 행위나 접근 권한 부정 등을 방지하는 핵심 기술로 신원확인, 개인정보 보호, 보안 관리의 영역에서 지속적인 확대가 기대됩니다.
*사전학습 모델(Pretrained Model): 특정 작업을 수행하기 위해 대규모 데이터셋으로 훈련된 딥 러닝 모델
알체라는 현재에 안주하지 않고, FACE TRUST를 통해 새로운 얼굴인식 AI 시대를 준비하고 있습니다. 얼굴이 생체정보로써 가지는 가치를 극대화하여 현재의 사용 가치를 보다 확장할 것입니다. 지금까지 얼굴인식 AI는 사람을 인지 및 판단하여 신원을 확인하고, 인가자와 비인가자를 구분하는 인증과 보안 시스템의 핵심 기술로 사회적 편익을 증진해 왔습니다.
하지만 앞으로는 방대한 학습 데이터를 이용한 위험 예방 및 초기 대응을 지원하는 기술(6.0)로서 가치를 확대되고, 그로 인한 산업 패러다임 전환을 꾀할 것입니다. 사람의 얼굴뿐만 아니라, 대상 전반적 정보와 주변 환경, 상황을 함께 인식하는 콘텍스트 학습(Context Learning)을 통해 개인의 심리적 편익 증진을 목표로 기술 발전에 박차를 가할 것입니다.
- 주변 이미지 분석:
대상을 인식할 때 그 주변에 있는 배경, 다른 객체, 의상, 머리카락 등의 정보를 함께 분석합니다. 이를 통해 더 정확한 식별과 주변 환경 간의 상호 작용을 이해할 수 있습니다.
- 동적인 변화 분석:
동적인 데이터를 사용하여 대상의 움직임, 행동적 특징, 걸음걸이 등을 분석합니다. 대상의 이전 동선을 추적하고 다음 동선 및 행동을 예측할 수 있습니다.
- 사회적 맥락 분석:
대상의 표정, 자세, 인식 위치 등을 고려하여 대상의 상황과 감정을 파악합니다. 이는 사회적 상황에서 대상의 행동을 이해하고 신원을 파악할 수 있습니다.
또한 안전을 확보하기 위한 '보장된 기술'로서 안전한 삶을 실현하기 위해서는 현재 얼굴인식 AI의 한계를 뛰어넘는 보다 선구적인 기술력이 필수적입니다.
이에 알체라는 얼굴의 5% 미만의 부분 인식 성능을 개선하고 50년 이상의 외모 변화를 감지하기 위해 다양한 연구와 시도를 멈추지 않습니다.
또한 얼굴인식 단말기 종류에 국한되지 않도록 카메라가 접목된 모든 것(Thing) 안정된 얼굴인식 AI 기술을 융합하고자 합니다.
이를 통해 개인의 신원확인과 함께 동선을 분석하고 이후 행동을 예측하여 안전사고를 예방하거나 신속한 대응 체계를 갖출 수 있도록 지원할 것입니다. 알체라가 제시하는 얼굴인식 AI의 새로운 시대는 어떤 모습일지, 다음 편에서는 모빌리티, 헬스케어, ESG 분야별 혁신 가능 사례를 알아보고, FACE TRUST 통해 그리는 로드맵을 함께 살펴보도록 하겠습니다.
.svg)
.svg)
