사람마다 고유한 특성에 기초…검출-인식 2단계로 구분
얼굴 인식은 사람마다의 고유한 얼굴 특성에 기초하고 있지만 표정, 포즈, 조명, 장신구 착용, 화장, 성형, 노화 등에 의한 얼굴 변화의 가능성이 매우 크다. 컴퓨터를 이용한 자동화된 얼굴 인식 연구는 1973년 미국 CMU의 Kanade 교수의 연구로부터 시작되었다. 하지만 얼굴 영상이 갖는 다양한 변화를 극복하면서 인식 성능을 높이는 것이 쉽지 않아서 오랫동안 관심을 끌지 못했으나, 1990년 이후 개인용 컴퓨터의 보급과 영상처리, 패턴인식 기술의 비약적인 성장으로 컴퓨터 비전 분야의 핵심 연구 분야로 자리 잡고 있다.
얼굴 인식 과정은 크게 얼굴 검출과 얼굴 인식의 2단계로 구분된다. 얼굴 검출 단계에서는 입력 영상으로부터 얼굴 및 눈·코·입 등의 얼굴 구성 요소를 추출한다. 초기에 많이 사용된 피부색 모델링 기법을 이용한 얼굴 검출 방법은 간단하고 처리속도가 빠르다는 장점이 있지만, 조명 변화에 매우 민감하다는 단점이 있다.
최근에는 AdaBoost를 이용한 검출 방법이 각광받고 있다. 이는 얼굴에서 눈·코·입의 경우 주변보다 어두운 픽셀 값으로 이루어져 있고, 뺨·이마의 경우 주변 픽셀과 비슷한 값으로 이루어져 있다는 얼굴의 영역별 특성을 이용한다. 예를 들어 <그림 1>과 같이 눈의 경우 흰 영역과 검은 영역의 차가 임계치보다 크고, 뺨의 경우 임계치 이하를 만족하면 얼굴로 판단하게 된다. 이때 각 영역에서의 얼굴과 비얼굴의 구별 성능은 약하지만, 이러한 영역들의 선형 결합으로 강한 구별 성능을 보이며 뛰어난 검출 성능과 빠른 처리속도를 보인다. 최근 디지털 카메라에 적용된 얼굴 검출기는 대부분 이러한 방법을 이용하여 처리되고 있다. 또한 눈·코·입 등의 얼굴 구성 요소 추출 방법에도 동일한 방법으로 이용될 수 있다.
얼굴 인식 단계는 크게 이미지 정규화, 특징 추출 및 인식 과정으로 구성된다. 이미지 정규화는 이전 단계에서 검출한 얼굴·눈·코·입 등의 위치 정보를 이용하여 일정한 크기로 변환(<그림 2>의 1행)하거나 조명, 표정, 포즈 성분을 제거하는 작업(<그림 2>의 2행 이후)으로 인식 성능과 밀접한 영향을 주는 전처리 과정이다.
특징 추출 및 인식은 크게 특징 기반의 방법과 영상 기반의 방법으로 나눌 수 있다. 특징 기반의 방법은 눈·코·입과 같은 얼굴을 구성하는 요소들의 특징점을 찾아서 각 점들 사이의 위치겙타츃모양 등을 측정함으로써 얼굴 영상들 사이의 유사도를 비교한다. 이 방법은 얼굴 영상의 크기가 작거나 해상도가 낮을 때 얼굴의 특징점을 정확히 찾아내기 어렵고, 얼굴의 포즈, 표정 변화에 매우 민감하기 때문에 적용에 한계가 있다.
영상 기반의 방법은 얼굴을 픽셀 값으로 구성된 2차원의 행렬로 보고 인식을 수행하며, <그림 3>과 같이 정규화 된 얼굴은 다양한 얼굴을 표현할 수 있는 기저 행렬과 계수(α1, α2, α3, … , αn)의 곱으로 표현될 수 있다. 이렇게 추출된 계수 값이 각각의 얼굴을 대표하는 특징 정보로써 사용되며, 입력 영상의 계수 값과 사전에 등록된 얼굴들의 계수 값 사이의 특징 공간상에서의 거리를 비교하여 가장 가까운 거리에 있는 것을 해당 사람으로 인식하게 된다.
얼굴 기술은 최근 디지털카메라와 모바일기기 등에서 얼굴 검출, 표정 인식 등이 필수적인 기능으로 인식될 정도로 중요성이 부각되고 있으며, 출입 통제 시스템, 비디오 감시 시스템, 비자·여권·주민등록증의 위변조 판단, 용의자, 영상 검색, 아바타 표현, 로봇 등 다양한 시스템에서 다양한 목적으로 광범위하게 활용되고 있다. 또한 얼굴 인식 기술이 갖는 편의성 때문에 얼굴 인식 기술에 대한 수요는 앞으로 더욱 커질 전망이다. 따라서 얼굴 인식 기술의 난제를 극복할 수 있는 새로운 인식 기술에 대한 연구가 아직도 수많은 대학과 연구실에서 진행 중이며, 우리도 새로운 인식 기술 개발을 위해 연구에 박차를 가하고 있다.
저작권자 © 포항공대신문 무단전재 및 재배포 금지
