젯슨 나노 기반의 얼굴 인식 시스템 구현 (Implementation of Jetson Nano Based Face Recognition System)

서지정보

· 발행기관 : 한국통신학회
· 수록지 정보 : 한국통신학회논문지 / 46권 / 12호 / 2340 ~ 2350페이지
· 저자명 : 장일식, 박구만

초록

얼굴 인식은 최근 딥러닝의 발전으로 많은 성능이 개선이 이루어졌다. 얼굴인식은 얼굴 검출, 얼굴 정렬, 얼굴인식의 순서로 처리한다. 본 논문에서 학습데이터로 한국인 얼굴로 구성된 K-Face 데이터 셋을 이용하여 얼굴 인식을 학습하였으며, 얼굴 검출에는 MTCNN을 사용하였다. 얼굴 정렬은 OpenCV를 사용하였으며, 얼굴 인식을 위해서 백본은 Resnet-50을 사용하였고, 손실함수는 ArcFace 방법으로 학습하였다. 또한 KISA의 얼굴인증을 받기위한 알고리즘 구현하였고, 임베디스 시스템인 젯슨 나노에 얼굴 인식 시스템을 구현하였다. KISA의 얼굴 인식인증을 위해선 DLL로 구현해야 하기 때문에 OpenCV를 사용하여 작업을 하였다. 딥러닝 학습을 위해선 Python 과 텐서플로우를 이용하여 진행하였고, KISA인증을 위한 학습된 망을 OpenCV를 이용하여 추론하는 방법을 사용하였다. 임베디스 시스템인 젯슨 나노에서 실시간성을 위해 TensorRT를 사용하여 속도를 향상 시켰다. 동작 테스트를 위해 Qt5를 이용한 GUI 프로그램을 개발 하였으며, 테스트를 위한 영상은 비디오 파일, RTSP, CSI 카메라등을 선택적으로 사용가능하도록 구현하였다. 실험 결과 구현된 시스템이 10fps의 속도로 얼굴 검출 및 인식이 가능함을 확인하였다.

영어초록

Face recognition has improved a lot with recent advances in deep learning. Face recognition is processed in order of face detection, face alignment, and face recognition. In this paper, We used the K-Face dataset consisting of Korean faces for training the proposed face recognition model, and MTCNN is used for face detection. OpenCV was used for face alignment, Resnet-50 was used for the backbone for face recognition, and the loss function was learned by ArcFace method. Furthermore, In addition, an algorithm to receive KISA's face authentication was implemented, and a face recognition system was implemented in Jetson Nano, an embedded system. For KISA's face recognition authentication, I had to implement it as a DLL, so I used OpenCV. For deep learning learning, Python and TensorFlow were used to infer the learned network for KISA authentication using OpenCV. We improved the speed by using TensorRT for real-time performance in Jetson Nano, an embedded system. A GUI program using Qt5 was developed for behavior testing, and images for testing were implemented to selectively use video files, RTSP, and CSI cameras. Experiments confirm that the implemented system is capable of face detection and recognition at a rate of 10 fps.

참고자료

· 없음