마스크 착용에 적응적인 얼굴인식 방법 (Adaptive Face Recognition for Masked Face Images)

서지정보

· 발행기관 : 한국정보통신학회
· 수록지 정보 : 한국정보통신학회논문지 / 27권 / 3호 / 356 ~ 362페이지
· 저자명 : 이승호

초록

얼굴인식(face recognition)은 스마트 기기의 사용자 인증, 건물 출입 통제, 지능형 감시 시스템 등에 널리 활용되는 생체인식 기술이다. 코로나19 팬데믹 이후로 마스크 착용이 일상화되면서 마스크 착용 얼굴을 식별하는 마스크 얼굴인식 연구에 대한 중요도가 높아지고 있다. 마스크 얼굴인식에서는 테스트 얼굴 이미지는 마스크 착용이 많은 반면 학습용 얼굴 이미지는 마스크 미착용이 많아서 마스크 착용 여부로 인한 불일치가 발생하고 이는 인식 정확도 저하로 이어지기 쉽다. 본 논문에서 제안하는 마스크 얼굴인식 방법은 앞서 언급한 문제를 극복하기 위해 마스크 미착용 학습용 얼굴 이미지들에 마스크를 합성하여 마스크 착용/미착용 쌍으로 증강된 학습셋을 구성한다. 그리고 마스크 착용 여부를 알 수 없는 테스트 얼굴 이미지를 마스크 착용/미착용 쌍의 학습용 얼굴 이미지들의 최적 조합으로 복원(reconstruction)한 뒤(인물 별로 수행) 복원 오류가 최소인 인물 클래스를 찾아 어떤 인물에 해당하는지 최종 판정한다. 제안하는 방법은 테스트 얼굴 이미지의 마스크 착용 여부와 관계 없이 사용할 수 있다는 장점이 있으며 마스크 착용 시 약 82%, 미착용 시 약 75%의 인식 정확도를 달성하였다.

영어초록

Face recognition (FR) has been used in various applications, such as user authentication in smart devices, access control in building, and intelligent surveillance system, and so on. Research of masked FR has become increasingly important due to the COVID-19 pandemic. In masked FR, mismatch between test face image (with mask) and training face images (without masks) could be often encountered, which could significantly degrade recognition rate. To cope with this problem, the proposed method exploits training data augmentation by synthesizing masks with unmasked face images. For a masked or unmasked test face image, reconstruction error is computed per each person class for the optimal combination of the face images in the training data. The person class is determined by finding the minimum reconstruction error. The proposed method does not require prior knowledge about whether the test face image has mask or not. Recognition rates of 82% and 75% have been achieved for masked and unmasked test face images, respectively.

참고자료

· 없음