[논문]비디오 컨텐츠의 프라이버시 보호를 위한 CNN 기반 얼굴 추적 및 재식별 기술

박태미; 닌펑푸; 김형원

doi:10.6109/jkiice.2021.25.1.63

비디오 컨텐츠의 프라이버시 보호를 위한 CNN 기반 얼굴 추적 및 재식별 기술
CNN Based Face Tracking and Re-identification for Privacy Protection in Video Contents 원문보기

한국정보통신학회논문지 = Journal of the Korea Institute of Information and Communication Engineering, v.25 no.1, 2021년, pp.63 - 68

박태미 (Department of Electronics Engineering, Chungbuk University) , 닌펑푸 (Department of Electronics Engineering, Chungbuk University) , 김형원 (Department of Electronics Engineering, Chungbuk University)

초록
AI-Helper

최근 유튜브와 같이 영상 콘텐츠를 보거나 제작하는 것에 관한 관심이 급증하고 있습니다. 그러나 개인 정보 보호 기술이 없이 동영상을 제작하게 되면, 출연을 원하지 않는 사람들이 공개적으로 노출되어 개인 정보 보호권을 침해할 수 있습니다. 본 논문은 이러한 문제를 해결하기 위해 얼굴을 식별하여 특정한 얼굴만 화면에 나오고 그 외에 다른 얼굴들은 Gaussian blur filter를 이용하여 흐리게 하여서 초상권을 보호하는 기술을 제안합니다. 이 논문의 핵심은 실시간 비디오에서 인물의 초상권을 보호하기 위한 주요 기술인 얼굴 식별 기술의 정확도를 높이기 위한 노력입니다. 본 논문은 얼굴 식별의 정확도를 높이기 위하여 추적 알고리즘을 사용하였으며 실시간 비디오에 적용하기 위하여 알고리즘을 변경하였습니다. 이 논문에서는 추적 알고리즘이 있는 경우와 없는 경우를 비교하여 결과를 보여줍니다.

Abstract ▼ AI-Helper

Recently there is sharply increasing interest in watching and creating video contents such as YouTube. However, creating such video contents without privacy protection technique can expose other people in the background in public, which is consequently violating their privacy rights. This paper seeks to remedy these problems and proposes a technique that identifies faces and protecting portrait rights by blurring the face. The key contribution of this paper lies on our deep-learning technique with low detection error and high computation that allow to protect portrait rights in real-time videos. To reduce errors, an efficient tracking algorithm was used in this system with face detection and face recognition algorithm. This paper compares the performance of the proposed system with and without the tracking algorithm. We believe this system can be used wherever the video is used.

주제어

표/그림 (7)

그림 Fig. 1 One person registered face using this blur system
그림 Fig. 2 Overall architecture of the proposed system
그림 Fig. 3 Face registration and deletion process
그림 Fig. 4 Left side is the results of non-tracking blur system where a registered person is recognized as a new person and blurred. On the right side is tracking blur system where the ID is consistent in each frame.
그림 Fig. 5 Face information is retained in the database when a registered face disappears from the view and then reappears.
그림 Fig. 6 Face is blurred when a registered face is deleted from the database.
그림 Fig. 7 When an unregistered person is registered by the user, the face is now exposed (unblurred)

참고문헌 (10)

F. Wang, Chen C. Li, S. Huang, Y. Chen, C. Qian, and C. C. Loy, "The devil of face recognition is in the noise," Proceedings of the European Conference on Computer Vision (ECCV), vol. 11213, pp. 780-795, 2018. doi: 10.1007/978-3-030-01240-3_47.
I. Masi, Y. Wu, T. Hassner, and P. Natarajan, "Deep Face Recognition: A Survey," 2018 31st SIBGRAPI Conference on Graphics, Patterns and Images (SIBGRAPI), pp. 471-478, 2019. doi: 10.1109/SIBGRAPI.2018.00067.
Y. Kortli, M. Jridi, A. Al Falou, and M. Atri, "Face recognition systems: A survey," Sensors (Switzerland), vol. 20, no. 2, 2020. doi: 10.3390/s20020342.

상세보기
K. Zhang, Z. Zhang, Z. Li, and Y. Qiao, "Joint Face Detection and Alignment Using Multitask Cascaded Convolutional Networks," IEEE Signal Processing Letters, vol. 23, no. 10, pp. 1499-1503, 2016. doi: 10.1109/LSP.2016.2603342.

상세보기
S. Balaban, "Deep learning and face recognition: the state of the art," Biometric and Surveillance Technology for Human and Activity Identification XII, vol. 9457, p. 94570B, 2015. doi: 10.1117/12.2181526.
F. Schroff, D. Kalenichenko, and J. Philbin, "FaceNet: A unified embedding for face recognition and clustering," 2015 IEEE Conference on Computer Vision and Pattern Recognition (CVPR), pp. 815-823, 2015. doi: 10.1109/CVPR.2015.7298682.
N. Wojke, A. Bewley, and D. Paulus, "Simple online and realtime tracking with a deep association metric," 2017 IEEE International Conference on Image Processing (ICIP), pp. 3645-3649, 2017. doi: 10.1109/ICIP.2017.8296962.
F. Ahmad, A. Najam, and Z. Ahmed, "Image-based Face Detection and Recognition: 'State of the Art'," pp. 3-6, 2013. [Internet]. Available: http://arxiv.org/abs/1302.6379.
Y. Shi and A. Jain, "Probabilistic face embeddings," 2019 IEEE/CVF International Conference on Computer Vision (ICCV), pp. 6901-6910, 2019. doi: 10.1109/ICCV.2019. 00700.
Q. Cao, L. Shen, W. Xie, O. M. Parkhi, and A. Zisserman, "VGGFace2: A dataset for recognising faces across pose and age," 2018 13th IEEE International Conference on Automatic Face & Gesture Recognition (FG 2018), pp. 67-74, 2018. doi: 10.1109/FG.2018.00020.

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증