초록 ▼

□ 연구개요
● 본 연구는 시스템에서 사용되는 얼굴정보가 노출되었을 때도 원천적인 얼굴정보는 공개되지 않고 개인의 프라이버시가 보호되도록 하는 관점과 얼굴이 노화됨에 따라 일어나는 얼굴변형에도 Identification 구분 정확도를 유지할 수 있는 머신러닝 기술을 제안하는 두 가지 관점에서 진행됨
● 얼굴인식에 많이 사용되고 있는 머신러닝 기술은 CNN 기반 이미지 Classification 기술임. CNN은 Label 되어있는 이미지 데이터의 학습을 통하여 유사한 이미지를 찾아내는 경우에는 우수한 성능을 보이지만 얼굴

□ 연구개요
● 본 연구는 시스템에서 사용되는 얼굴정보가 노출되었을 때도 원천적인 얼굴정보는 공개되지 않고 개인의 프라이버시가 보호되도록 하는 관점과 얼굴이 노화됨에 따라 일어나는 얼굴변형에도 Identification 구분 정확도를 유지할 수 있는 머신러닝 기술을 제안하는 두 가지 관점에서 진행됨
● 얼굴인식에 많이 사용되고 있는 머신러닝 기술은 CNN 기반 이미지 Classification 기술임. CNN은 Label 되어있는 이미지 데이터의 학습을 통하여 유사한 이미지를 찾아내는 경우에는 우수한 성능을 보이지만 얼굴의 시간적인 변화에 의한 from young to old 이미지 변화에는 낮은 정확도를 나타내고 있음을 본 연구를 통해서 확인함. 이러한 CNN의 한계점을 극복하기 위하여 시계열 정보를 가지고 있는 RNN 구조의 Hidden-State를 CNN에 적용하는 연구를 진행함. Hidden-States 적용은 CNN에 새로운 Layer를 추가하여 별도의 Convolution 연산 처리를 하는 방식이었으며 전 단계의 Hidden-State 값을 Parameter로 저장하여 다음 학습에 사용할 수 있었음. 실험을 통하여 일반 CNN 보다 본 연구에서 제안한 Hidden-States CNN(HSCNN) 방식이 약 15% 정확도가 향상되어 시간적인 변화에도 얼굴인식률이 높아지는 결과를 얻음.

□ 연구 목표대비 연구결과
● 연구기간 중 연차별 연구 목표와 연구 결과는 아래와 같음
● 1차년도 : 얼굴변형에 강인한 특징점을 찾는 머신러닝 원천기술 확보
- CNN 구조에 RNN에서 사용되는 Hidden-State 값을 위한 Convolution Layer를 추가하는 방식으로 HSCNN을 제안하였으며 전통적인 CNN에 비하여 얼굴 노화에 따른 변형 이미지에 대하여 약 15% 정확도를 향상시키는 결과를 보여 머신러닝 원천기술을 확보함 제안된 HSCNN 기법은 삽입된 Convolution Layer의 적용방식에 따라 3가지 모델로 구성됨
● 2차년도 : 프라이버시 보호가 가능한 얼굴인식 시스템 구현
- 얼굴로부터 추출한 Geometric Features 값들을 대상으로 머신러닝 학습이 적용될 수 있는지를 테스트한 결과 잘 학습됨을 보였으며 이러한 Geometric Features를 특정한 기준 값으로 연산하여 변형한 후 Cancelable Deep Face Recognition 시스템으로 구현하면 각 개인의 원천적인 얼굴 정보가 변형되어 감추어짐으로 프라이버시 보호가 가능함을 보임
● 3차년도 : 회원 구성에 제한이 없는 얼굴인식 시스템 구현
- 얼굴의 Geometric Features를 이용한 Cancelable Deep Face Recognition 시스템과 HSCNN 머신러닝 기술을 적용한 얼굴인식 시스템은 회원 구성의 확장에 제한이 없음을 확인함

□ 연구개발성과의 활용 계획 및 기대효과(연구개발결과의 중요성)
본 연구에서 제안된 HSCNN은 노화에 의해서 변형된 얼굴의 Identification을 잘 구별해내기 때문에 출입 관리의 보안 등급이 높은 기관의 얼굴인식 시스템에도 적용 가능한 기술이며 얼굴화장 등 일상생활에서 발생할 수 있는 얼굴의 변형을 예측하는 시스템 개발의 기본연구로 활용 가능함

(출처 : 연구결과 요약문 2p)

목차 Contents

• 표지 ... 1
• 연구결과 요약문 ... 2
• 목차 ... 3
• 1. 연구개발과제의 개요 ... 4
• 2. 연구개발과제의 수행 과정 및 수행 내용 ... 5
• 3. 연구개발과제의 수행 결과 및 목표 달성 수준 ... 12
• 1) 정성적 연구개발성과(연구개발결과) ... 12
• 2) 세부 정량적 연구개발성과 ... 12
• 3) 목표 달성 수준 ... 12
• 4. 연구개발성과의 관련 분야에 대한 기여 정도(연구개발결과의 중요성) ... 13
• 5. 연구개발성과의 관리 및 활용 계획 ... 13
• 6. 참고문헌 ... 14
• [붙임1] 세부 정량적 연구개발성과 ... 17
• [붙임2] 연구책임자 대표적 연구실적 및 증빙(요약문 및 사본) ... 19
• 끝페이지 ... 28