에지에서의 얼굴 인식- 상세 가이드 2021
FaceMe®
< All Articles

에지에서의 얼굴 인식- 상세 가이드 2021

2020/12/07

전 세계의 많은 소비자가 가장 소중한 장치 중 하나인 휴대폰을 보호하고 휴대폰 잠금을 해제하기 위해 일상적으로 얼굴 인식 기능을 사용하면서 이 기술은 최근 몇 년 동안 더욱 널리 사용되고 있습니다. 이는 어디에서나 사용되는 사용 사례를 보여주는 좋은 예입니다.

그러나 얼굴 인식 기술은 개인용 모바일 장치를 뛰어넘어 그 활용 가능성이 매우 폭 넓으며 산업계 전반에서 특히, 안전, 보안 및 효율성 응용 분야에 큰 이점을 가져다 줍니다. 놀랍도록 강력하고, 포괄적이며, 이득이 되는 기술인 얼굴 인식이 작동하는 방식의 미묘한 차이, 이 기술을 배포 및 최적화하는 방식, 기술적 고려사항 및 사양, 다양한 사용 사례와 미래의 가능성을 파악하는 것이 매우 중요합니다.

1. 얼굴 인식: 무엇입니까?

얼굴 인식은 얼굴의 벡터 및 특징을 식별하여 미리 등록된 개인과 맞춰보는 생체 기술입니다. 이 기술은 수년째 사용되고 있습니다. 예를 들어,CyberLink가 얼굴 인식 기술을 이용해 개인용 컴퓨터에 로그인하는 YouCam을 개발한지는 10년이 넘었습니다. 당시에 DSP(디지털 신호 처리)를 기반으로 한 이 기술에는 여러 가지 제한이 따랐으며 상세한 정면 사진이 필요했습니다. 최근에 DNN(심층 신경망)을 기반으로 한 AI 기술의 발전 덕분에 정밀도가 크게 향상되어 굉장히 많은 곳에서 사용할 수 있게 되었습니다.

이 기술은 독자적인 AI 알고리즘과 수학 방정식을 사용하여 코의 높이 및 너비, 이마 길이, 눈의 모양 등과 같은 여러 가지 얼굴 변수를 측정하여 개인과 연결 지을 수 있고 이러한 정보를 템플릿으로 저장합니다. 기존 템플릿과 일치하는 경우 개인에 대해 생성된 템플릿은 신원 확인을 위한 비교 기준으로 사용됩니다.

이전의 얼굴 인식 전문지식을 바탕으로 CyberLink는 딥 러닝과 신경망 기술을 사용하여 AI 기반 얼굴 인식 엔진인 FaceMe®를 개발했습니다. CyberLink는 AI 기반 모델을 향상시키기 위해 이러한 기술의 한계를 계속해서 허물어 가고 있으며, 그 결과, 세계에서 가장 정확하고, 안전하고, 유연한 에지 기반 솔루션을 만들었습니다.

1.1 얼굴 인식의 주요 기능

얼굴 인식은 가장 강력하고 연관성이 큰 AI 생체 기술입니다. 단순히 얼굴 감지 또는 얼굴 인식을 뛰어넘어 다양한 작업을 수행하는 능력도 놀라운 수준일 수 있습니다. FaceMe®와 같은 얼굴 인식 플랫폼이 보다 강력해지고 기능이 강화되면 될수록 이점은 늘어나고 편향은 줄어들 것입니다.

얼굴 인식 엔진의 주요 기능은 다음과 같습니다.

얼굴 감지

얼굴 감지는 얼굴을 인지하기 위해 이 기술이 수행하는 첫 번째 단계입니다. 이 단계에서는 어떤 영역에 인간 얼굴 전체 또는 일부가 포함되어 있는지 파악하기 위해 전체 이미지를 스캔합니다. 빠르고 정확한 얼굴 감지는 전체 얼굴 인식 프로세스를 수행하는 데 중요한 첫 걸음입니다. FaceMe®는 한 번에 얼굴을 두 개 이상 감지할 수 있고, 얼굴이 몇 개 있는지 세고 각 얼굴을 개별적으로 감지할 수 있습니다.

얼굴 특징 추출

얼굴 감지 다음에는 얼굴 추출 단계가 이어집니다. 이 엔진은 얼굴 이미지에서 (템플릿이라고 하는) n차원 벡터 세트를 추출합니다. 매우 높은 정밀도를 얻기 위해서는 높은 "n" 값이 필요한데, 1024가 필요하다고 해보겠습니다. 개인의 얼굴에서 추출된 템플릿은 일치하는지 맞춰보는데 또는 다음 검색에 사용됩니다.

얼굴 인식

새로 추출된 템플릿은 데이터베이스에 저장되어 있는 이전에 등록된 템플릿과 일치하는지 비교됩니다. 가장 일치하는 사람을 찾고 개인의 신원을 확인하기 위해 개인의 템플릿을 전체 데이터베이스와 맞춰 보며 1:N 검색을 수행합니다. FaceMe®는 암호화된 템플릿 데이터만 저장합니다. CyberLink의 플랫폼을 통해서는 실제 얼굴 이미지가 저장되지 않기 때문에 개인정보를 완벽하게 보호합니다.

1.2 얼굴 인식 그 이상

일부 주요 사용 사례에는 다음과 같은 추가 기능이 필요합니다.

얼굴 특징 감지

얼굴 특징 감지는 연령, 성별, 분위기 및 머리 방향 또는 움직임(예: 고개를 끄덕임, 흔들기) 등과 같은 특징을 식별 및 분석하는 작업입니다. 이 기능은 정확한 대상 고객에게 놀랍도록 맞춤화된 광고 및 메시지를 푸시하거나 상세한 방문객 통계를 수집하는 등 다양한 사용 사례에 스마트 리테일 및 디지털 사이니지를 사용할 수 있게 만들어 주는 주요 요인입니다.

gender, age and mood facial recognition

마스크 감지

마스크 감지는 코로나19 대유행 기간에 공공 장소 또는 비공개 공간에서 건강 및 안전을 보장하기 위한 가장 중요한 최신 기능 중 하나입니다. FaceMe® Health에서는 마스크 착용 시 최적화된 마스크 감지 및 얼굴 인식 기능을 제공합니다. 이 기능은 보건 규격에 맞는 마스크를 인식하고, 마스크로 코와 입을 적절하게 가렸는지 확인하고 동시에 정확한 얼굴 감지 및 인식을 수행합니다.

Facial recognition technology detects proper mask wearing 1 2 3
1마스크 착용 시에도 신분 확인
2마스크 인식
3온도 측정

스푸핑 방지

누군가의 사진 또는 영상을 카메라 앞에 가져다 대는 방식 등을 활용한 생체 정보 사기를 방지하기 위해 스푸핑 방지 기술은 3D 또는 2D 카메라를 사용하여 살아 있는 대상인지 정확하고 확실하게 감지할 수 있습니다.

2D 카메라(예: USB 웹캠)를 사용하면 대화식 및 비대화식 수단을 통해 스푸퍼를 잡아낼 수 있습니다. 대화식 수단은 자연스럽고 정밀한 머리 또는 얼굴의 움직임을 감지하여 살아 있는 사람이 있는지 확인합니다. 비대화식 수단은 각 솔루션 공급자와 얼굴 감지 및 인식을 위한 AI 알고리즘마다 고유합니다.

3D 카메라는 깊이 감지를 수행해 준 순간적 스푸핑 방지를 허용합니다. 이 경우 대화식 감지 또는 인식 수단이 필요하지는 않습니다. 3D 카메라는 일반적으로 뛰어난 경험을 선사하지만 많은 비용이 드는 반면에 2D 대안은 몇 분의 일의 비용으로 정확한 스푸핑 방지 기능을 제공할 수 있습니다. FaceMe®는 2D 및 3D 카메라를 둘 다 지원합니다. FaceMe®와 호환 가능한 3D 카메라 옵션에는 Intel RealSense, iPad 또는 iPhone의 3D 카메라, Orbbec, Himax, Altek 및 eYs3D 등이 있습니다.

Anti-spoofing technologies at ATM

1.3 정확도

정밀한 얼굴 인식 엔진의 특징은 낮은 본인불일치율(FNMR)과 매우 낮은 타인일치율(FMR)입니다. 타인 일치는 개인의 얼굴이 다른 사람과 일치하는 경우를 나타냅니다. 본인 불일치는 동일한 사람에게서 캡처한 두 얼굴이 일치하지 않는 것을 나타냅니다.

NIST(미국 국가표준기술연구소)는 특정 얼굴 인식 알고리즘이 일련의 일반 작업을 얼마나 잘 수행하는지를 확인하는 감독 기관입니다. NIST의 FRVT(얼굴 인식 벤더 테스트)에서는 4가지 테스트 VISA, VISA Border, Mugshot 및 WILD를 사용하여 알고리즘의 수행을 평가합니다. VISA 범주는 여권 사진을 기준으로 개인을 정확하게 식별하는 얼굴 인식 알고리즘의 능력을 테스트하고, VISA Border는 VISA 이미지를 웹캠 이미지와 비교합니다. Mugshot 이미지는 정면 사진으로 제한되지만 한 명에 대해 촬영한지 12년 이상 된 사진 2장을 맞춰봅니다. WILD 테스트는 제약이 없는 무작위 보도 사진 스타일의 이미지를 사용합니다.

FaceMe®는 가장 높은 NIST VISA 테스트 등급 중 하나를 받아, 1E-4 정확도에서 99.7%를 획득했습니다(0.3% FNMR 및 1:10,000 FMR). VISA Border(1E-6에서 99.06%)와 WILD(1E-5에서 96.88%) 테스트에서도 높은 수준의 정확도를 입증했습니다. 그에 비해 스마트폰의 Face ID는 1E-4에서 96%의 정확도를 보여주었습니다.

뛰어난 등급의 알고리즘 이외에 정확도에 영향을 미치는 몇 가지 주요 요인에는 카메라 해상도, 카메라 배치, 조명, 청결도 및 카메라 유형 등이 있습니다. 얼굴 인식 엔진은 일반적으로 720p 카메라 사용 시 적절하게 작동하긴 하지만 보통의 경우 1080p 해상도가 권장됩니다. 일부 품질이 떨어지는 카메라의 경우 정면이 아닌 각도에서는 정확하게 판독할 수 없기 때문에 카메라는 적절한 조명에서 대상의 바로 정면을 바라봐야 합니다. 물론 카메라 렌즈로 항상 깨끗해야 합니다.

2. 얼굴 인식: 어떻게 배포합니까?

얼굴 인식은 Microsoft 및 Amazon의 클라우드 기반 솔루션 등과 같은 클라우드 솔루션을 사용하거나 SDK 또는 소프트웨어를 에지 장치로 통합해 배포할 수 있습니다. 각 접근방식은 뚜렷이 다른 이점을 제공하는데, 더 나은 속도, 보안, 경제성, 유연성 및 사용성을 선사하는 에지 기반 얼굴 인식이 일반적으로 더 뛰어난 것으로 간주됩니다.

2.1 클라우드 기반 얼굴 인식

인터넷을 통해 액세스하는 클라우드 서비스 플랫폼을 사용하여 얼굴 인식을 수행하려면 엄청난 양의 대역폭이 필요해 데이터 전송 속도가 느려지고 비용이 올라가며, 클라우드 기반 처리 비용이 비싸고 타당한 사용 사례 수가 제한됩니다. 캡처된 데이터(즉, 전체 이미지)가 인터넷을 통해 전송되고 데이터 해킹 또는 유출에 취약할 수 있는 시스템에 저장될 수 있기 때문에 이 접근방식에는 기본적으로 보안 위험이 따라옵니다. 완벽한 클라우드 시스템은 없습니다.

그렇긴 하지만 다양한 하드웨어가 필요 없기 때문에 클라우드 배포에는 이점이 있습니다. 비즈니스가 완전히 온라인에서 운영되는 경우에는 클라우드 기반 얼굴 인식 시스템이 가장 적절할 수 있습니다. 초기 얼굴 인식 솔루션 중 다수는 클라우드를 기반으로 개발되었는데, 당시에는 에지 AI 칩셋이 상용화되지 않았거나, 느리거나, 경제적이지 않았습니다. 클라우드 기반 솔루션 공급자의 예에는 (1) Microsoft Azure의 Face API 패키지, (2) Google의 Vision AI와 (3) AWS에서 제공하는Amazon Rekognition이 있습니다.

소규모 배포의 경우 대역폭 및 클라우드 처리 비용이 아주 높지는 않습니다. 여기에 해당하는 예에는 IP 지원 스마트 초인종 등과 같은 기능을 제공하는 가정용 보안 시스템 또는 중소기업이 있습니다.

2.2 에지 기반 얼굴 인식

얼굴 인식을 에지에서 배포하면 이는 스마트 잠금 장치, 휴대폰, POS(Point-of-Sale) 시스템, 대화식 키오스크, 디지털 사이니지 등 로컬 장치에 얼굴 인식 기술이 내장됨을 의미합니다. 에지 장치는 클라우드 처리 시 발생하는 지연 또는 대용량 파일 전송 없이 매우 정밀하게 얼굴 인식을 빠르게 실행합니다. 실제로, 에지 장치에 얼굴 데이터베이스가 저장되어 있지 않은 경우 이 데이터베이스에 액세스하는 상황을 제외하고 네트워크 또는 클라우드에 연결할 필요가 아예 없습니다. 그렇다 하더라도 원격 서버에서 호스팅되는 데이터베이스의 암호화된 템플릿을 사용하여 확인하기 위해 암호화된 템플릿을 전송해야 하는데 이 경우에도 파일 크기가 작아 밀리초 이내에 안전하게 작업이 완료됩니다.

B처음부터 얼굴 인식을 구현하는 기업은 필요한 작업을 수행하는 IoT 장비를 사용하는 에지 기반 접근방식으로 이점을 누릴 수 있습니다. 다수의 은행에서 보안상의 이유로 인터넷 연결을 허용하지 않기 때문에 금융 기관에서는 뛰어난 에지 기반 얼굴 인식 시스템 활용 사례를 구축했습니다.

저렴한 비용, 유연성 및 확장 가능성 덕분에 에지 기반 얼굴 인식은 대부분의 최종 사용자에게 가장 적합한 옵션입니다.

Facial recognition SDK built for Windows, Linux, Android, and iOS.

CyberLink's FaceMe® SDK (소프트웨어 개발 키트)는 에지 기반 얼굴 인식 솔루션의 아주 좋은 예입니다. 경쟁력이 매우 뛰어나고 유연한 이 제품은 광범위한 에지 장치에서 쉽게 통합할 수 있습니다. FaceMe®는 시장에서 가장 광범위한 칩셋 중 하나와 OS 지원을 제공하며 시장을 선도하고 있습니다. FaceMe®의 정확한 AI 엔진은 NIST FRVT(얼굴 인식 벤더 테스트)에서 가장 뛰어난 평가를 받은 제품 중 하나입니다. 지속적인 혁신을 통해 이 기술은 산업계 및 다양한 사용 사례에 배포하기 위한 가장 높은 정확성 및 보안 표준을 충족합니다. FaceMe®는 보안, 접근 통제, 대중의 안전, 스마트 뱅킹, 스마트 리테일, 스마트 시티 및 주택 보호를 비롯한 광범위한 시나리오에 배포할 수 있습니다.

2.3 에지 장치에 있는 얼굴 인식 기술의 미래

(1) 비용, (2) 응답 시간 및 (3) 서비스 가용성에 대한 추세를 살펴보겠습니다.

2.3.1 소유 비용

AI는 계산 능력을 많이 필요로 하는데 클라우드 컴퓨팅은 비용이 저렴하지 않습니다. 에지 또는 클라우드를 선택하는지는 중요한 설계 결정입니다. 에지 장치는 얼굴 인식 횟수가 늘어남에 따라 일반적으로 비용이 증가하는 클라우드에 비해 비용 측면에서 우위가 있습니다. 클라우드 기반 접근방식은 시간당 인식하는 얼굴이 몇 개를 초과하지 않는, 사용 규모가 매우 작은 경우에만 저렴할 수 있습니다. 최근 몇 년 동안 AI 칩의 가격이 점점 떨어지고 있기 때문에 에지 기반 솔루션은 지속 가능하고 비용 이점이 커지고 있습니다.

2.3.2 응답 시간

속도 측면에서 최고의 얼굴 인식 알고리즘은 밀리초 이내에 작동합니다. 에지 기반 솔루션은 높은 점수를 받았으며, 클라우드 기반 경쟁 솔루션에 비해 몇 배 더 뛰어났습니다. 기업에서 얼굴 인식 기능을 구현하는 방법과 상관 없이 응답 시간은 중요합니다. 사용 사례가 늘어가는 상황에서 클라우드는 경쟁 상대가 될 수 없습니다. 차단 목록에 등록된 개인을 식별하는 데 지연이 발생하면 돌이킬 수 없는 피해가 발생할 수 있습니다. 따라서 응답 시간이 느려져서는 절대 안 됩니다.

2.3.3 서비스 가용성

중단 또는 설명할 수 없는 낮은 대역폭 문제로부터 자유로울 수 있는 인터넷 서비스는 없습니다. 클라우드 기반 얼굴 액세스 솔루션을 사용하기 때문에 집의 도어락이 작동하지 않는 경우를 생각해 보십시오. 에지 기반 얼굴 인식의 경우 인터넷 문제에 대한 이러한 취약점이 없습니다.

기본적으로 갖추고 있는 뛰어난 이점과 최근의 놀라운 혁신에 힘입어 에지 기반 기술은 향후 얼굴 인식 기술의 성공에 핵심 동인입니다. 따라서 이 문서의 나머지 부분에서는 에지 기반 얼굴 인식에 대해 중점적으로 살펴봅니다.

3. 에지 장치 개발 시 설계 고려사항

얼굴 인식 에지 장치를 개발할 때 가장 중요한 결정은 올바른 칩셋을 선택하는 것입니다. 이는 비용과 성능을 결정하며, 구체적인 사용 사례를 바탕으로 결정해야 합니다. 예를 들어, 최첨단 NVIDIA GPU 칩은 가격이 매우 높을 수 있지만 동시에 수백 개의 비디오 채널을 처리할 수 있어 대규모 시설을 모니터링하는 데 필요한 값비싼 워크스테이션의 수를 줄여줍니다. 한편, 가격이 저렴한 MediaTek 또는 Broadcom의 SoC 칩은 초당 약 5개 프레임으로 성능이 제한적이고 정면 얼굴 인식만 가능하지만 도어 액세스 등과 같은 사용 사례에서는 충분히 강력하고 경제성이 뛰어납니다.

3.1 칩셋

얼굴 인식 최적화의 가장 중요한 동인 중 하나는 AI 칩셋 즉, SoC(System-on-Chip)입니다. Intel, NVIDIA, MediaTek, NXP, Qualcomm 등의 제조업체에서 공급하는 많은 칩셋 옵션이 있으며, 각 옵션은 사용 사례에 따라 각각의 이점을 제공합니다. 각 칩셋은 다양한 계산 성능, 폼 팩터, 전력 사용량에 맞게 설계되어 있으며, 자체 AI 추론 엔진을 갖추고 있습니다.

NVIDIA, Intel, Qualcomm, MediaTek 및 NXP 등과 같은 뛰어난 칩셋 제조업체에서 에지 및 IoT용 AI에 대한 증가하는 수요를 충족하고 있습니다. 이러한 업체는 이미지 처리 및 AI 추론 속도를 높이고 성능 및 전력 사용량을 최적화하는 APU(AI 처리 장치), VPU(비전 처리 장치) 또는 NPU(신경망 처리 장치)와 같은 새로운 하드웨어 시장에 빠르게 뛰어들고 있습니다.

아래 표에는 FaceMe®를 비롯하여 많은 얼굴 인식 엔진과 통합되는 SoC, GPU, VPU 제품 몇 가지가 나와 있습니다. 이 목록은 모든 제품을 보여주지 않지만 광범위한 옵션을 제시합니다.

3.1.1 독립 실행형 GPU 또는 VPU

다음 칩은 얼굴 인식에서 강력한 하드웨어 및 뛰어난 성능을 제공하도록 설계되었습니다. 다음 칩을 사용하여 시스템을 빌드하면 별도의 CPU 칩이 필요합니다.

벤더 및 유형
제품 및 모델
주요 특징
NVIDIA GPU
T4
NVIDIA T4는 분산 컴퓨팅 환경에 이상적인 범용 딥 러닝가속기입니다. NVIDIA Turing Tensor 코어 기반 T4는 딥 러닝과 머신 러닝 훈련 및 추론, 비디오 트랜스코딩 및 가상 데스크톱을 가속화하기 위해 다중 정밀도 성능을 제공합니다. NVIDIA AI 플랫폼의 일부로, T4는 모든 AI 프레임워크 및 네트워크 유형을 지원하여 대규모 배포의 활용도를 극대화하는 놀라운 성능 및 효율성을 제공합니다.

장치: Workstation
성능: 매우 높음
비용: 매우 높음
NVIDIA GPU
A40 RTX A6000
NVIDIA A40 및 RTX A6000은 둘 다 단정밀도 부동 소수점(FP32) 연산과 향상된 전원 효율성을 제공하여 그래픽과 관련해 성능을 크게 개선해 줍니다. 두 제품 모두 워크스테이션 또는 온-프레미스 서버용으로 설계되어 엄청난 양의 얼굴 인식 요청을 처리할 수 있습니다.

장치: Workstation
성능: 매우 높음
비용: 매우 높음
NVIDIA GPU
Quadro RTX 5000
광선 추적을 위한 완전히 새로워진 RTCore, AI용 384 Tensor 코어와 병렬 컴퓨팅용 3072 CUDA를 탑재한 NVIDIA Turing은 FP32 성능 및 11.2 TFLOPS를 갖춘 전 세계에서 가장 뛰어난 GPU입니다다. Quadro 4000/5000 시리즈는 개수가 중소규모를 이루는 카메라에서 요청하는 얼굴 인식을 처리하기 위한 워크스테이션용으로 설계되었습니다.

장치: Workstation
성능: 매우 높음
비용: 매우 높음
Intel VPU
Movidius Myriad X - MA2485
Intel Myriad X 3세대 VPU는 컴퓨터 비전 및 심층 신경망 추론 응용 분야에서 뛰어난 성능을 제공합니다. Myriad X VPU는 4 TOPS(Trillion Operations Per Second)가 넘는 총 성능을 제공할 수 있습니다. 이 플랫폼에서 FaceMe®는 단일 VPU를 사용하여 720p 이미지를 초당 6~18개 프레임을 처리할 수 있습니다. VPU는 IPC(산업용 PC) 또는 AI Box의 보드에 바로 내장할 수 있습니다. iEi 또는 Advantech와 같은 벤더는 단일 AI 가속화 카드에 VPU를 여러 개 탑재합니다.

장치: PC
성능: 어느 정도 높음
비용: 중간

3.1.2 GPU/NPU/APU의 CPU/SoC

다음 칩은 예를 들어, 소규모 대중 시장 IoT 장치에서 얼굴 인식을 지원하기 위해 완벽하면서도 경제적인 솔루션을 강화하도록 설계되었습니다. 다음 칩은 모두 내부에 CPU를 통합해 더욱 간단하고 저렴합니다.

벤더 및 유형
제품 및 모델
주요 특징
NVIDIA SoC + GPU
Jetson Nano
NVIDIA에서는 2019년에 Jetson Nano를 출시했는데, 작은 크기, 저렴한 비용과 낮은 전력 사용량 덕분에 많은 워크로드가 필요 없는 POC(개념 증명)로 AI 응용 분야를 개발하기 위한 강력한 장치로 입지를 다졌습니다.

장치: AIoT 장치
성능: 어느 정도 높음
비용: 어느 정도 낮음
NVIDIA SoC + GPU
Jetson Xavier NX
Xavier NX는 Volta 아키텍처를 사용하는 Volta 제품 라인을 위한 NVIDIA의 최신 모델입니다. 이 제품은 성능, 낮은 전력 사용량, 폼 팩터와 가격 간에 균형을 잘 이루어 중소규모 워크스테이션에 안성맞춤인 옵션입니다.

장치: AIoT 장치
성능: 높음
비용: 높음
NVIDIA SoC + GPU
Jetson AGX Xavier
Xavier NX는 Volta 아키텍처를 사용하는 Volta 제품 라인을 위한 NVIDIA의 최신 모델입니다. 이 제품은 성능, 낮은 전력 사용량, 폼 팩터와 가격 간에 균형을 잘 이루어 중소규모 워크스테이션에 안성맞춤인 옵션입니다.

장치: AIoT 장치
성능: 매우 높음
비용: 높음
Intel CPU
Atom x6000E
Intel® Time Coordinated Computing (Intel® TCC 기술) 및 TSN(Time-Sensitive Networking) 기술을 탑재한 11세대 프로세서를 통해 실시간 컴퓨팅이 가능하고 동시에 산업 부문, 리테일, 뱅킹, 의료, 스마트 시티 등 광범위한 사용 사례에서 놀라운 성능을 제공할 수 있습니다. 새로운 Intel DL Boost 기술 및 VNNI 명령어 집합을 사용하여 VNNI를 통합하는 얼굴 인식 알고리즘이 동일한 CPU에서 성능을 크게 높일 수 있습니다(2배 더 빨라짐).

장치: AIoT 장치
성능: 적절함
비용: 어느 정도 낮음
Intel CPU
Celeron
Celeron은 산업용 PC에 널리 사용되며, 가장 얇은 Atom과 강력한 코어 시리즈 간에 뛰어난 균형을 선사합니다. 또한 Celeron에서 얼굴 인식 성능은 Atom에서 실행하는 경우보다 더 반응성이 뛰어납니다.

장치: AIoT 장치 또는 PC
성능: 중간
비용: 중간
Intel CPU
Core i3
Intel Core i3은 개인 PC용 Intel Core 제품 라인에 사용되는 보급형 CPU이지만 산업용 PC에서는 광범위한 작업과 얼굴 인식 알고리즘을 처리하기에 충분합니다. 또한 코어 CPU에는 H.264/AVC 및 H.265/HEVC 코덱을 처리할 수 있는 GPU(Intel HD 그래픽)가 탑재되어 있어 여러 비디오를 동시에 스트리밍할 수 있습니다. Core i3은 1080p 비디오를 사용하여 초당 약 30개 프레임의 얼굴 인식 작업을 처리할 수 있습니다. 즉, 동시에 초당 10개 프레임의 속도로 비디오 소스 3개에 대한 얼굴 인식을 수행할 수 있습니다. 또한 Windows 및 Ubuntu OS와 호환 가능해 다양한 작업 및 필요를 지원하기 위해 소프트웨어 애플리케이션 라이브러리를 보다 쉽게 확장할 수 있습니다.

장치: AIoT 장치 또는 PC
성능: 어느 정도 높음
비용: 어느 정도 높음
MediaTek SoC + APU
i350
에지 AI 플랫폼은 얼굴, 물체, 제스처 및 동작 인식 등과 같은 비전 처리가 필요한 주류 AIoT 애플리케이션을 실행할 수 있도록 설계되었으며, i350은 초고효율 14nm 프로세스를 사용하여 개발되었습니다. 비전 에지 AI를 지원하기 위해 전용 APU(AI 프로세서)를 통합했으며, 일반 애플리케이션에서도 상당히 뛰어난 성능과 전력 효율성을 보여줍니다. 이 제품은 전력 사용량을 낮게 유지하면서 접근 통제 또는 가정용 보안 장치에 사용할 수 있습니다. MediaTech i350의 FaceMe®는 초당 8~18회의 얼굴 인식을 처리할 수 있습니다.

장치: AIoT 장치
성능: 중간
비용: 낮음
NXP SoC + NPU
i.MX8M Plus
i.MX 8M Plus 제품군은 높은 신뢰도로 머신 러닝, 비전, 첨단 멀티미디어 및 산업용 IoT에 특화되어 있습니다. Plus 모델부터 시작하는 NXP는 SoC에 강력한 NPU를 추가해 AI 알고리즘을 위한 성능을 크게 향상시킵니다. 이 제품은 스마트 홈, 빌딩, 도시 및 Industry 4.0 응용 분야의 필요를 충족하기 위해 개발되었습니다.

장치: AIoT 장치
성능: 중간
비용: 낮음
Qualcomm SoC + GPU
QCS610
QCS410
QCS603
APQ8053
Qualcomm® AI 엔진을 통한 온 디바이스(On-Device) 머신 러닝은 전력 사용량을 낮추면서도 굉장히 많은 AI 네트워크 및 IoT 사용 사례를 지원할 수 있습니다. 이 제품은 차세대 스마트 카메라 및 스마트 엔터프라이즈, 홈 및 자동차 IoT 응용 분야를 위한 전력 효율이 뛰어난 고성능 에지 컴퓨팅을 제공한다는 목적으로 특별히 개발되었습니다.

Facial recognition algorithms as well as other AI applications can easily be optimized with the Qualcomm® Neural Processing SDK 소프트웨어 프레임워크를 사용하면 얼굴 인식 알고리즘과 기타 AI 애플리케이션을 쉽게 최적화해 성능을 크게 개선할 수 있습니다.

장치: AIoT 장치
성능: 중간
비용: 어느 정도 낮음
Broadcom SoC + GPU
BCM2711
Raspberry Pi 4 모델 B에서 사용되는 Broadcom 칩으로 약 3~5 fps의 얼굴 인식을 지원합니다. 이 제품은 매우 경제적이며 단일 얼굴 인증과 결합된 간단한 응용 분야에 사용할 수 있습니다.

장치: AIoT 장치
성능: 일부 사용 사례에 적절함
비용: 어느 정도 낮음
Rockchip SoC + GPU
RK3399 Pro
Rockchip은 뛰어난 성능을 자랑하는 AI 프로세서 RK3399Pro를 처음으로 출시하여 AI를 위한 원스톱 턴키 솔루션을 제공합니다.

장치: AIoT 장치
성능: 중간
비용: 어느 정도 낮음
Google
SoC + GPU + TPU
Coral Edge TPU (SOM)
Coral SoM은 NXP의 iMX8M SoC(System-on-Chip), eMMC 메모리, LPDDR4 RAM, Wi-Fi, Bluetooth 및 ML 가속용 Edge TPU 코프로세서가 탑재된 완전 통합형 Linux 시스템입니다. Coral SoM은 Mendel이라고 하는 Debian Linux의 파생 제품이다. 온보드 Edge TPU 코프로세서는 초당 4조개의 연산(Trillion Operations Per Second, TOPS)을 수행할 수 있으며 각 TOPS에 0.5 와트를 사용합니다(와트당 2 TOPS).

장치: AIoT 장치
성능: 어느 정도 높음
비용: 중간

3.2 운영 체제

칩셋은 일반적으로 특정 OS(운영 체제)에서 실행되도록 설계됩니다. 뛰어난 얼굴 인식 엔진은 가능한 한 많은 칩셋 + OS 조합을 지원해야 합니다. FaceMe®는 시장에서 가장 포괄적이며 계속해서 확장하는 칩셋 지원을 제공하며 다음과 같이 10개 이상의 OS를 지원합니다.

  • Windows
  • Android
  • iOS
  • Linux 파생
    • Ubuntu x64,
    • Ubuntu ARM,
    • RedHat,
    • JetPack (주로 NVIDIA Jetson 제품군용),
    • CentOS,
    • Yocto ARM

CyberLink에서는 FaceMe®를 다양하게 사용할 수 있도록 설계해 플랫폼에 맞춰 유연한 맞춤화 옵션을 제공할 수 있으므로 하드웨어 칩, OS 및 최종 사용자의 고유한 필요를 충족하도록 설계된 기능 배포를 여러 가지로 조합할 수 있습니다. FaceMe®의 다중 OS 지원은 플랫폼 간 솔루션에 이상적입니다. 개발자는 여러 GPU 가속 옵션을 통해 OpenVINO, NVIDIA CUDA/TensorRT, Intel Movidius, NVIDIA Jetson, Qualcomm SNPE, MediaTek NeuroPilot 등을 활용해 딥 러닝 알고리즘의 속도를 높이고 성능을 더욱 최적화할 수 있습니다.

3.3 최적의 성능을 위한 시스템 아키텍처 전체 최적화

CPU, GPU와 메모리 간에는 시스템 버스를 통해 수십 개의 비디오 스트림이 동시에 실행 중이기 때문에 GPU(또는 VPU)가 탑재된 고성능 워크스테이션에서 뛰어난 얼굴 인식 시스템을 실행하도록 설계하는 것은 결코 쉬운 일이 아닙니다. 시스템 아키텍처 수준에서 적절하게 구현되지 않는다면 아무리 뛰어난 얼굴 인식 알고리즘이더라도 속도가 느려집니다. 따라서 시스템 아키텍처 설계는 CPU, GPU와 메모리 간 데이터 흐름을 최소화해야 합니다.

FaceMe®는 최고의 성능을 제공하기 위해 수 차례 반복을 통해 시스템 아키텍처를 최적화했습니다. 예를 들어, 단일 스테이션에서 NVIDIA RTX A6000을 사용하는 FaceMe®는 초당 256~416개 프레임을 처리할 수 있습니다(정확한 프레임 수는 사용하는 FaceMe® 얼굴 인식 모델에 따라 달라질 수 있음). 이는 워크스테이션당 25~41개의 동시 비디오 채널을 처리하는 것과 같습니다(각 채널에서 초당 10개 프레임). 비용 대비 성능이 매우 뛰어납니다.

3.4 얼굴 인식을 위한 경량 AI 모델

비용의 제약이 있는 여러 사용 사례(예: 스마트 도어락)에서는 기본적인 정면 얼굴 인식 이상은 필요하지 않습니다. 이러한 사용 사례는 저렴한 장치에서 적절한 얼굴 인식 기능을 사용할 수 있는 경량 AI 모델에 대한 시장 수요를 견인합니다. FaceMe®는 이러한 용도에 맞춰 다음 3가지 모델을 제공합니다.

  • UH(Ultra High) 모델: 이 모델은 시장을 선도하는 뛰어난 정밀도로 VISA 및 WILD 유형의 얼굴을 둘 다 인식할 수 있습니다. 그러나 GPU 또는 최첨단 Intel CPU의 매우 뛰어난 계산 성능을 필요로 합니다.
  • VH(Very High) 모델: 이 모델은 UH 모델보다 약간 떨어지는 정밀도로 VISA 및 WILD 유형 얼굴을 둘 다 인식할 수 있습니다. 하지만 필요한 계산 성능은 훨씬 더 낮아 뛰어난 정밀도가 필요하지만 경제적으로 구현하기 힘들었던 광범위한 사용 사례에 적합합니다.
  • H(High) 모델: 이 모델은 저렴한 칩에서 적은 전력을 사용하면서 실행할 수 있습니다. VISA 유형 정면 얼굴을 인식하기에 정밀도가 충분해 최근까지 원격으로 불가능했던 여러 사용 사례에 사용할 수 있습니다.

4. 에지 기반 얼굴 인식: 온-프레미스 장치 및 Workstation

FaceMe®와 같이 뛰어난 얼굴 인식 솔루션을 차별화하는 중요한 특성 한 가지는 모든 관련 하드웨어 유형을 아우르는 유연성입니다. FaceMe® 는 워크스테이션, 컴퓨터, 모바일 장치 및 IoT 장치 간에 배포할 수 있습니다. 몇 가지 예를 살펴보겠습니다.

워크스테이션에서의 얼굴 인식

대규모 시설에 수십 또는 수백 개의 비디오 채널을 통한 얼굴 인식 SDK를 배포하려는 조직은 동시에 여러 IP 카메라 비디오 피드를 처리할 수 있는 최첨단 GPU가 탑재된 워크스테이션을 통해 이점을 얻을 수 있습니다. 몇 가지 예를 들어 보면, 백화점, 공항, 공장 또는 병원 등과 같이 다양한 건물에는 모두 보안 및 접근 통제에서부터 방문객 행동 분석, 군중 관리 및 VIP 고객 식별까지 다양한 목적으로 사용되는 수십 또는 수백 대의 카메라가 있습니다. 이는 모두 얼굴 인식으로 지원 또는 최적화되는 사용 사례입니다. 가장 쉬우면서도 강력하고, 아마도 가장 경제적인 솔루션은 모든 카메라를 얼굴 인식을 실행 중인 한 대 또는 몇 대의 중앙 워크스테이션에 연결하는 것입니다.

워크스테이션용 FaceMe®의 이점에 대해 자세히 알아보려면 VIVOTEK와의 파트너십과 이 업체의 얼굴 인식 솔루션에서의 통합을 살펴보십시오.

PC에서의 얼굴 인식

PC는 소규모 운영 또는 단일 사용 사례에서의 얼굴 인식에 가장 널리 사용됩니다. VIP를 식별하거나, 직원의 출근을 자동으로 확인하거나, 차단 목록에 등록된 사람에 대한 알림을 받으려는 매장 또는 레스토랑을 예로 들 수 있습니다. 현재와 같은 코로나19 대유행 상황에서는 한 장소에 들어오는 모든 사람(직원 및 고객)이 마스크를 착용하고 있으며 체온이 높지 않은지 확인하는 기능을 추가합니다. 매장 또는 레스토랑 관리 시에는 정문 및 후문에 IP 또는 USB 카메라를 설치하고 강력한 통합 얼굴 인식 소프트웨어를 실행하는 PC에 연결할 수 있습니다. FaceMe® Security는 이러한 모든 기능을 갖춘, 바로 배포 가능한 가치 있는 소프트웨어 솔루션입니다.

모바일 장치에서의 얼굴 인식

모바일 장치에서 얼굴 인식 기술의 잠재성은 휴대폰을 잠금 해제하는 기능을 너머 나아가고 있습니다. 한 뛰어난 핀테크 사용 사례에서는 휴대폰에서 eKYC(electronic Know Your Customer) 얼굴 인식 기술을 통합해 온라인 뱅킹, 대출 애플리케이션, 보험 등에 대한 본인 여부 확인 기능을 강화했습니다.

스마트 IoT 장치에서의 얼굴 인식

비용을 절감하는 동시에 성능을 개선하는 빠른 속도의 에지 컴퓨팅 혁신은 얼굴 인식을 통한 무한한 IoT 장치 사용 사례를 만들어 내는 계기가 되고 있습니다. 스마트 키오스크는 놀라운 예를 보여줍니다. 자주 여행을 다니는 사람들은 모두 글로벌 엔트리(Global Entry)와 클리어 키오스크(Clear kiosk)에 대해 잘 알고 있을 것입니다. 두 기능 모두에는 얼굴 인식 기술이 사용됩니다. 현재, 패스트푸드 레스토랑, 병원 및 호텔에서는 얼굴 인식 기술이 통합된 스마트 키오스크가 배치되고 있습니다. 대형 호텔 체인에서는 대기 시간을 단축하기 위해 셀프 체크인 키오스크를 빠르게 도입하는 중입니다. FaceMe®와 같은 얼굴 인식 엔진을 추가하면 투숙하는 동안 필요한 유일한 ID로 사전 동의한 투숙객의 얼굴을 사용하여 놀라운 맞춤화 경험을 선사할 수 있습니다.

5. 기타 설계 요소: 보안, 암호화 및 개인정보 보호

앞서 언급한 것처럼 에지 기반 얼굴 인식은 인터넷을 통해 개인의 사진 및 영상을 클라우드 컴퓨팅 서버로 전송해야 하는 클라우드 기반 옵션에 비해 훨씬 더 안전합니다. 이러한 프로세스는 근본적으로 공격 및 유출에 취약합니다. 에지 기반일 경우에는 데이터를 캡처해 암호화된 얼굴 템플릿 형태로만 저장하고 전체 프로세스를 클라우드에 아예 연결하지 않고 실행할 수 있습니다.

FaceMe®의 경우 모든 데이터는 데이터베이스에 저장되기 전에 AES-256비트 암호화를 사용하여 보호됩니다. AES는 최고의 대칭 알고리즘 중 하나이고, 256비트는 가장 높은 보안 확인입니다. 원래 소스 또는 플랫폼 서버 외부에서 (비밀 키를 사용하여) 암호화된 파일을 저장함으로써 얼굴 템플릿은 실제 장치가 손상되거나 도난 당한 경우에도 완벽하게 보호됩니다.

얼굴 사진을 등록하기 위해서는 얼굴 인식 프로그램을 사용하는 데 개인의 동의가 반드시 있어야 합니다. 에지 기반 솔루션에서 캡처된 정보는 향후 맞춰보기 및 식별을 위한 템플릿 데이터(고차원의 수학적 값)를 구성합니다. 템플릿에는 실제 얼굴 사진은 포함되지 않으며, 누군가의 얼굴을 재구성하는 데 사용할 수 없으며, 개인을 식별할 수 있는 개인 정보와 별도로 보관됩니다. 얼굴 인식을 위해 캡처된 암호화된 데이터는 안전한 데이터베이스에 저장되어 있는 등록된 템플릿과 맞춰보기 위해서만 사용할 수 있습니다. 많은 데이터 개인정보 보호법 및 규정(예: GDPR, CCPA, BIPA 및 LGPD)에서는 생체 데이터를 개인정보로 인정하기 때문에 얼굴 인식을 도입하려는 기업에서는 사용자의 동의를 얻어야 합니다.

얼굴 인식 기술 공급자를 평가할 때 본사 및 주요 시설의 위치를 확인해야 합니다. 미국 정부는 중국 및 러시아에 본사를 두고 있는 기업들이 적절한 사전 동의 또는 데이터 보호 요구 사항을 마련해 두고 있지 않을 수 있기 때문에 이러한 기업의 감시 기술에 대해 상당한 우려를 표시했습니다. 대부분의 얼굴 인식 솔루션은 안전하며 엄격한 데이터 및 개인정보 보호 표준을 적용합니다. 하지만 최종 사용자는 특히, 보안, 개인정보 보호 및 인권 보호와 관련해 서비스 공급자를 완전히 신뢰할 수 있어야 합니다.

6. 얼굴 인식 기술: 규정 다루기

얼굴 인식 및 생체 기술은 책임감 있게 개발 및 배포될 때 일상의 많은 측면을 훨씬 더 낫게 변화시킬 수 있는 잠재력이 있습니다. 안전, 보안 및 고객 경험을 개선할 수 있는 엄청난 잠재력과 더불어 우리는 얼굴 인식 기술로 인해 드러나는 상황 및 우려의 다른 측면을 간과할 수 없습니다. 우리는 지지 그룹의 크로스헤어에 얼굴 인식 기능을 심은 여러 가지 치안 사례와 같이 잠재적인 편견과 개인정보 침해에 대한 비판을 불러 일으킨 최근의 사건을 무시하고 지나갈 수 없습니다.

현재 연방 규정이 없긴 하지만 일부 주에서는 얼굴 인식에 대한 법적 절차를 마련하기 시작했습니다. 일리노이 주는 얼굴 인식 문제를 다루기 위해 2008년에 민간 기업이 얼굴 데이터를 비롯한 생체 데이터를 수집 및 사용할 수 있는 방법에 대한 엄격한 규칙을 제공하는 BIPA(생체정보개인정보보호법)을 통과시킨 최초의 주입니다. 거의 10년이 지난 2020년에는 CCPA(캘리포니아 소비자 개인정보 보호법)가 발효되어 기업이 주민에 대해 수집한 데이터(생체 데이터 포함)를 요청할 수 있는 실행 가능한 권리를 주민에게 부여하고 데이터 삭제를 요청할 수 있는 권리를 부여했습니다. 워싱턴 주 역시 법 집행기관 등과 같은 정부 기관이 얼굴 인식 기술을 사용하는 방법에 있어 완전한 투명성을 요구하는 법안을 통과시켰으며, 이 법은 2021년에 발효될 예정입니다.

뿐만 아니라 관련 규정에 대한 연방 정부 차원의 논의가 있었으며, 가장 최근인 2020년 6월에는 얼굴 인식 생체기술사용유예법이 제안되었으나 아직 발효되지는 않았습니다.

이러한 사실을 염두에 두고 CyberLink는 윤리적 구현을 위해 노력하고 있으며 얼굴 인식이 완전히 차단되어서는 안 된다는 의견을 가지고 있습니다. CyberLink는 얼굴 인식 기술이 사회에서 보다 광범위하게 안전 및 편의를 개선하기 위한 역할을 하도록 하는 동시에 국회에서 개인을 보호하는 규정을 만들도록 촉구합니다. 얼굴 인식 분야를 선도하는 기업은 기술의 작용 방식, 사용 방식 및 개인정보 보호 방식에 대해 개방적이고 투명한 자세를 유지해야 합니다.

7. 얼굴 인식: 산업 사용 사례

이러한 논의가 앞으로 계속 진전됨에 따라 얼굴 인식 기술의 배포가 안전 증진에 기여하고 동시에 긍정적인 사용자 경험을 선사한 다양한 성공 사례가 많이 등장할 것입니다. SIA(미국 보안산업협회)에서 실시한 최근의 조사에 따르면 대다수 미국인(68%)들은 얼굴 인식 기술이 사회를 더욱 안전하게 만들 것이라고 믿고 있으며, 공항(항공사의 경우 75%, TSA의 경우 69%), 사무용 건물(70%) 및 은행(68%)에 특히 더 큰 지지를 보냈습니다. 지금까지 살펴보면서 여러 가지 사용 사례를 들어 보았는데 이제 몇 가지 사례를 더 살펴보고 각 사례에 대한 주요 고려사항을 중점적으로 알아보겠습니다.

주요 관련 사용 사례는 다음 5가지 주요 범주에 해당합니다.

  1. 접근 통제(예: 입구 접근, 의료용 캐비닛, 스마트 잠금 장치)
  2. 감시 및 보안(예: 창고에서 접근 권한이 없는 사람 감지)
  3. 인증(주요 사용 사례: BFSI(뱅킹, 금융 서비스 및 보험)용 eKYC)
  4. 스마트 리테일(예: 방문객의 인구통계 정보에 대한 통계 수집)
  5. 코로나19 대유행 중 건강 관리(예: 얼굴에 마스크를 제대로 착용했는지 여부 감지)

예: FaceMe® Security는 감시 및 보안 영역에 얼굴 인식 기술을 포괄적으로 적용합니다.



예: FaceMe® Health는 건강 검진을 수행하고 안전한 사무실, 매장 또는 레스토랑을 위해 USB 및 열 감지 카메라에 연결된 PC에 쉽게 배포할 수 있는 소프트웨어 솔루션입니다.



AI 생체 인식 기술은 다음과 같이 특정한 유사 부문과 관련된 여러 사용 사례를 강화할 수 있습니다.

제조 및 창고관리

산업 시설, 공장 및 창고에는 종종 직원 및 방문객에 대한 엄격한 접근 통제 및 모니터링과 기계류 및 장비 운전을 위한 인증이 필요한데, 얼굴 인식은 이러한 작업을 관리하기 위한 솔루션을 제공합니다. 코로나19가 대유행하는 상황에서 새로운 사회적 거리 두기 규정을 준수하기 위해 얼굴 인식 기술을 사용하면 창고에서 근무하는 직원들이 마스크 규정을 준수하도록 할 수 있습니다.

Facial recognition used for access control in hospital

대중교통 및 공항

클리어 키오스크 및 글로벌 엔트리 등과 같은 대화식 키오스크에서부터 자동화된 항공기 탑승 수속, 보안 모니터링 등까지 공항 및 대중교통 역사에서 얼굴 인식은 이미 사용되고 있습니다. 코로나19 대유행은 잠시 머무는 사람들로 붐비는 이러한 대규모 시설에서 안전하고 건강한 환경을 유지하기 위한 문제를 악화시켰습니다. 얼굴 인식은 이러한 문제 해결에 도움이 될 수 있는데, 비접촉 체크인 및 마스크 규정 준수를 모니터링하기 위한 건강 검사가 가능하고 체온이 높은 사람이 비행기, 기차 또는 버스에 탑승하지 못하도록 해 주위에 있는 다른 사람들을 감염시킬 수 있는 위험을 없앨 수 있습니다.

facial recognition detection in airport

스마트 오피스, 홈, 복합주거단지, 의료 시설, 학교 및 대학교

스마트 오피스, 홈 및 아파트 건물이 포함된 스마트 시티를 위한 혁신은 빠른 속도로 성장하고 있으며, 접근 통제, 안전 및 건강 모니터링 수요는 서로 비슷합니다. 학교 및 병원의 경우도 마찬가지입니다. 이러한 건물의 보안을 유지하려면 일반적으로 많은 비용이 들고 인간이 개입해야 합니다. 얼굴 인식을 사용하면 접근 통제 및 모니터링 작업의 많은 부분을 원활하게 자동화하고 보다 안전하게 만들 수 있습니다.

Facial recognition used for access control in office

리테일

얼굴 인식 기술은 리테일 부문을 변혁시키고 매력적인 새로운 고객 경험을 선사할 독창적인 솔루션을 제공합니다. 디지털 사이니지를 동적으로 조정할 수 있도록 정확한 인구통계 정보를 제공하고, VIP 고객을 식별하고, 방문객의 연령 및 젠더 믹스, 분위기, 특정 구역에 머문 시간 등에 대한 익명화된 데이터를 수집할 수 있습니다.

gender and age detection for digital signage

뱅킹 및 금융

사기를 방지하기 위해 eKYC(electronic Know Your Customer)를 사용해 고객을 인증하는 것은 현재 금융 부문에서 가장 인기 있는 기술 중 하나입니다. 얼굴 인식은 온라인 뱅킹 및 오프라인 뱅킹 둘 다에서 eKYC를 위한 완벽한 솔루션을 제공하는데, 여기에는 ATM에서 사용자 인증, 대출 또는 보험을 신청하는 사람의 신원 확인 또는 온라인 뱅킹 거래 보호 등이 포함됩니다. 또한 얼굴 인식은 차단 목록에 등록된 개인이 건물 안으로 들어오기 전에 이러한 사람의 존재를 보안 담당자에게 알려 은행 시설에서 물리적 보안을 크게 강화하고 과학 수사를 수행할 수 있습니다.

User authentication at an ATM

접객업 사업자: 레스토랑, 바 및 호텔

호텔 사업자의 경우 얼굴 인식은 간소화된 맞춤형 경험을 제공하기 위한 특별한 이점을 선사합니다. VIP 고객이 호텔로 걸어 들어오면 프런트 데스크 직원에게 자동으로 알림이 전송됩니다. 얼굴 인식을 통해 투숙객 영역에 대한 접근 권한을 부여하고, 엘리베이터에서 맞는 층을 선택하고, 객실 문의 잠금을 해제할 수 있습니다. 패스트푸드 레스토랑은 셀프 주문 키오스크, 디지털 사이니지, 자동화된 실외 픽업 스테이션 및 드라이브인 기술에 막대한 투자를 하고 있습니다. 이러한 시스템에는 일반적으로 암호 및 다단계를 요구하는 스마트폰 앱의 도움을 받는 보상 프로그램이 내장되어 있습니다. 얼굴 인식 기능을 추가하면 빠른 서비스 레스토랑 산업에 매우 간소화된 뛰어난 대화식 경험을 통합할 수 있습니다.

interactive fast food kiosk with AI biometrics

가장 변혁적인 AI 생체 기술인 얼굴 인식의 미래 살펴보기

얼굴 인식 기술은 더 나은 세상을 만들기 위한 태세를 갖추었지만 그러기 위해서는 어디에서나 개인이 이 AI 생체 기술을 안전한 새 표준으로 개방적으로 채택하는 기업을 보다 안심하고 받아들일 수 있도록 윤리적 구현에 대한 광범위한 수준의 교육이 필요합니다.

얼굴 인식과 그 잠재성은 이 기술이 불러올 문제와 관련해 불안감을 조성하는 사람들이 말하는 것 그 이상입니다. 얼굴 인식 기술을 통해 기업은 사무실에 대한 안전한 접근 통제를 자동화해 직원들을 안전하게 보호하고, 소매업체는 매장에서 더 나은 고객 경험을 선사할 수 있고, 제조업체는 많은 제한 구역에 대한 접근 과정을 간소화할 수 있고, 은행 및 핀테크 업체는 보다 강력한 인증 및 첨단 제어 기능을 도입할 수 있습니다. 하지만 이는 빙산의 일각에 불과합니다.

얼굴 인식은 AI 생체 기술의 미래입니다. 산업계는 고객에게 정확한 내용을 교육하고 얼굴 인식 기술과 관련해 떠도는 수 많은 허위 사실을 밝히는 동시에 이 기술이 가진 긍정적인 가치와 잠재성을 정확하게 설명해야 합니다. 또한 혁신을 방해하지 않을 정도의 적절한 규제를 받으면서 이 기술의 많은 이점을 수용해야 합니다.

얼굴 인식 – 2021년의 활용 방안 본 기사는 업계 전반의 얼굴 인식 기술 사용 사례에 대한 자세한 내용을 다루고 성공적인 구현을 위해 중요한 고려 사항을 안내하는 보완 자료입니다.

세일즈팀에
연락하기

FaceMe® 자세히 보기

전문팀이 귀하의 문의 내용에 답변하고 제품을 시연해 드립니다. 연락해 주시면 무료 버전도 제공해 드립니다.

세일즈팀에 연락하기

FaceMe® 뉴스레터 구독