2012. 1. 30. 14:40
성형한 범인을 찾아내는 소프트웨어 재미있는 미래기술2012. 1. 30. 14:40
반응형
범인들은 경찰수사에 의해서 검거되는 것을 방지하기 위해서 얼굴을 성형할지도 모른다. 그러나 성형전후의 얼굴을 비교할 수 있는 새로운 기술이 개발되어서 이러한 범인들이 발각될 수 있게 될 것이다.
일반적인 얼굴 인식 소프트웨어는 변하지 않은 얼굴의 위치와 조명의 작은 변화들에 의해서 방해를 받게 될 수 있다. 수술 후 매칭은 확실한 이유 때문에 더 어려워지고 있다고 인디아 Notre Dame대학의 컴퓨터 과학자 Kevin Bowyer가 말했다. 그의 팀은 새로운 시스템을 개발하고 있다. “만약 어떤 사람이 성형 수술을 했다면, 그들의 얼굴에서 하나 또는 그 이상의 부분들이 변화하게 될 것이다.” 결과적으로, 성형수술 웹사이트로부터 모아진 전후 사진을 비교했을 때 기존 소프트웨어의 성공률은 반으로 떨어지게 될 것이다.
Bowyer의 동료인 Gaurav Aggarwal는 전체 얼굴보다 개인의 부분적인 얼굴 특징을 매칭하는 것이 더 성공적이라는 것을 알게 되었다.
Aggarwal은 sparse representation이라는 얼굴 인식 기술에 의해서 영감을 받았다. 이것은 데이터베이스에 이미 기록되어진 개인들의 얼굴 특징들을 결합하고 이것을 비교함으로서 얼굴영상을 매칭하게 된다. 만약 가장 근접한 매칭 결합이 데이터 베이스에 있는 한 사람으로부터 만들어진 것으로 증명되어진다면, 타겟 영상은 그 사람이 맞다는 것을 알려주게 된다. 그러나 가장 최적의 매칭이 많은 다른 사람들의 영상으로부터 얻어진 특징을 결합하게 된다면, 이 시스템은 새로운 얼굴을 감지하는데 실패하게 될 것이다.
그러나, sparse representation이 적절하게 동작하기 위해서는 각 사람들의 다양한 영상이 데이터베이스에서 요구되어진다. 그래서 단지 성형 전후만의 사진만을 가지고 동작하지 않게 되지만 새로운 시스템은 동작하게 된다. 이 시스템은 두가지 데이터베이스를 사용하게 된다. 하나는 무작위의 얼굴들로 이루어져 있으며, 따른 하나는 경찰들이 범인 식별용 사진으로 사용하는 모든 이전 얼굴들을 담고 있다. 그 후에 사진이 분석되면, 가능한 비슷한 합성 사진들이 일반적인 데이터 베이스에서 사람들의 특징을 만들어내게 된다. 성형 이전의 사진들도 모두 같은 과정을 거치게 된다. 만약, 성형 이후의 사진을 사용하여 만든 합성 사진이 성형 이전의 사진으로부터 추출되어진 어떤 합성 사진과 매우 근사하게 맞는다면, 이 두가지가 일치한다고 알려준다.
이 팀은 수술이 얼굴 모습을 변화시키지만, 많은 개인적인 특징들이 여전히 똑같게 남아 있다는 것을 발견하였다. 그래서 코나 눈을 이용한 매칭이 전체 얼굴을 비교하는 기술보다 더 정확하다는 것을 알게 되었다. 모든 얼굴의 특징을 매칭하여 결합하는 것은 수술 전후의 사진을 비교하는 것에 비하여 78%의 성공률을 이루었다. 그들은 이 연구결과를 콜로라도 Breckenridge에서 열리는 컴퓨터 비전 애플리케이션 워크숍(Workshop on the Applications of Computer Vision)에서 발표하였다.
“그들은 목표를 향하여 올바르게 가고 있다.” 라고 영국 Kent대학에 있는 VisionMetric사의 Christopher Solomon이 말했다. 이 회사는 경찰에 얼굴 ID 소프트웨어를 제공하고 있다. 그는 이 새로운 방법이 변장한 범인들을 경찰이 찾아내도록 하는데 도움을 줄 수 있지만, 아직 완벽한 것은 아니라고 말했다.
일반적인 얼굴 인식 소프트웨어는 변하지 않은 얼굴의 위치와 조명의 작은 변화들에 의해서 방해를 받게 될 수 있다. 수술 후 매칭은 확실한 이유 때문에 더 어려워지고 있다고 인디아 Notre Dame대학의 컴퓨터 과학자 Kevin Bowyer가 말했다. 그의 팀은 새로운 시스템을 개발하고 있다. “만약 어떤 사람이 성형 수술을 했다면, 그들의 얼굴에서 하나 또는 그 이상의 부분들이 변화하게 될 것이다.” 결과적으로, 성형수술 웹사이트로부터 모아진 전후 사진을 비교했을 때 기존 소프트웨어의 성공률은 반으로 떨어지게 될 것이다.
Bowyer의 동료인 Gaurav Aggarwal는 전체 얼굴보다 개인의 부분적인 얼굴 특징을 매칭하는 것이 더 성공적이라는 것을 알게 되었다.
Aggarwal은 sparse representation이라는 얼굴 인식 기술에 의해서 영감을 받았다. 이것은 데이터베이스에 이미 기록되어진 개인들의 얼굴 특징들을 결합하고 이것을 비교함으로서 얼굴영상을 매칭하게 된다. 만약 가장 근접한 매칭 결합이 데이터 베이스에 있는 한 사람으로부터 만들어진 것으로 증명되어진다면, 타겟 영상은 그 사람이 맞다는 것을 알려주게 된다. 그러나 가장 최적의 매칭이 많은 다른 사람들의 영상으로부터 얻어진 특징을 결합하게 된다면, 이 시스템은 새로운 얼굴을 감지하는데 실패하게 될 것이다.
그러나, sparse representation이 적절하게 동작하기 위해서는 각 사람들의 다양한 영상이 데이터베이스에서 요구되어진다. 그래서 단지 성형 전후만의 사진만을 가지고 동작하지 않게 되지만 새로운 시스템은 동작하게 된다. 이 시스템은 두가지 데이터베이스를 사용하게 된다. 하나는 무작위의 얼굴들로 이루어져 있으며, 따른 하나는 경찰들이 범인 식별용 사진으로 사용하는 모든 이전 얼굴들을 담고 있다. 그 후에 사진이 분석되면, 가능한 비슷한 합성 사진들이 일반적인 데이터 베이스에서 사람들의 특징을 만들어내게 된다. 성형 이전의 사진들도 모두 같은 과정을 거치게 된다. 만약, 성형 이후의 사진을 사용하여 만든 합성 사진이 성형 이전의 사진으로부터 추출되어진 어떤 합성 사진과 매우 근사하게 맞는다면, 이 두가지가 일치한다고 알려준다.
이 팀은 수술이 얼굴 모습을 변화시키지만, 많은 개인적인 특징들이 여전히 똑같게 남아 있다는 것을 발견하였다. 그래서 코나 눈을 이용한 매칭이 전체 얼굴을 비교하는 기술보다 더 정확하다는 것을 알게 되었다. 모든 얼굴의 특징을 매칭하여 결합하는 것은 수술 전후의 사진을 비교하는 것에 비하여 78%의 성공률을 이루었다. 그들은 이 연구결과를 콜로라도 Breckenridge에서 열리는 컴퓨터 비전 애플리케이션 워크숍(Workshop on the Applications of Computer Vision)에서 발표하였다.
“그들은 목표를 향하여 올바르게 가고 있다.” 라고 영국 Kent대학에 있는 VisionMetric사의 Christopher Solomon이 말했다. 이 회사는 경찰에 얼굴 ID 소프트웨어를 제공하고 있다. 그는 이 새로운 방법이 변장한 범인들을 경찰이 찾아내도록 하는데 도움을 줄 수 있지만, 아직 완벽한 것은 아니라고 말했다.
반응형
