나만의 특별한 필요에 꼭 맞는 얼굴 인식 솔루션을 선택할 수 있는 7가지 성공 요인
FaceMe®
< All Articles

나만의 특별한 필요에 꼭 맞는 얼굴 인식 솔루션을 선택할 수 있는 7가지 성공 요인

2021/09/03

얼굴 인식은 빠른 속도로 일상화되고 있습니다 모바일 장치에서 헬스 키오스크까지 얼굴 인식 기술을 접하는 소비자가 점점 더 늘어나고 있습니다. AI 기술의 급속한 발전을 통해 얼굴 인식 기술을 좀 더 쉽게 사용할 수 있게 되어 사용 사례가 계속해서 증가함으로써 여러분의 요구에 맞춘 얼굴 인식 솔루션을 구현할 수 있습니다.

얼굴 인식 솔루션을 선택할 때 고려할 수 있는 요인은 다양합니다. 각 구현에는 전문적이고 다양한 접근 방식이 필요하지만 어떤 구현이든 성공적인 구현을 위한 요인은 크게 바뀌지 않습니다. 아래에서는 안면 인식 솔루션의 성공적인 구현을 위한 가이드를 확인해 보세요.

I. 사용 분야를 넓혀 가고 있는 얼굴 인식

최근 몇 년 동안 생체 인식 모델 특히, 얼굴 인식은 AI(인공 지능) 분야 과학 발전에 크게 힘입어 정확도가 놀랍도록 개선되었으며, 피부색, 연령, 성별, 민족성, 심지어 부적절한 조명 등 여러 요인으로 인한 편향의 다양한 원인을 해결했습니다. 에지 기반 하드웨어의 성능, 비용 및 크기와 관련된 기술이 크게 발전한 덕분에 안면 인식 기술은 다양한 산업과 모든 규모의 고객을 대상으로 사용 사례를 넓혀 갈 수 있습니다. 매달 사용할 수 있는 선택지와 옵션이 늘어나는 상황에서 질문은 "이 경우에 얼굴 인식을 사용할 수 있나요?"가 아니라 "이 사용 사례에 꼭 맞는 얼굴 인식 솔루션은 무엇인가요?"가 되어야 합니다.

II. 얼굴 인식의 최근 발전과 전망

얼굴 인식 전문 지식 및 상품화의 최근의 발전은 전체 기술 산업 전반에서 많은 결실을 맺을 수 있는 혁신 주기를 단축시켰습니다. 얼굴 인식의 발전 속도는 느려지는 것이 아니라 지난 몇 년 동안 가속화되었습니다.

개선된 성능

얼굴 인식 소프트웨어와 사용 가능한 하드웨어의 발전은 오늘날 얼굴 인식 엔진을 작동할 수 있는 속도 및 성능을 크게 높였습니다. 현재 수십 명 때때로 수백 명의 얼굴을 동시에 감지 및 식별할 수 있는 얼굴 인식 기술은 많은 사람들이 한꺼번에 출입할 수 있는 쇼핑몰, 백화점, 공항, 병원 등 넓은 공공 장소에 중요한 보안 자산이 되었습니다.

비용 및 소비 전력 감소

이 기술은 계속해서 혁신 및 개선되고 있기 때문에 얼굴 인식 기술 구입 및 구현 비용이 눈에 띄게 줄었습니다. 특정 사용 사례에 맞춘 소프트웨어 및 하드웨어 번들을 사용한 다양한 시판 제품 덕분에 얼굴 인식 기술을 도입하는 데 관심을 갖고 있는 기업 및 개인이 선택할 수 있는 옵션이 많아졌습니다. 마찬가지로, 안면 인식 기술이 발전함에 따라 작동에 필요한 전력 소요량이 줄어 더 많은 환경에서 낮아진 반복 비용으로 이 기술을 사용할 수 있게 되었습니다.

더 작아진 크기

얼굴 인식 기술을 실행하는 데 필요한 하드웨어 구성요소는 성능이 크게 향상되었을 뿐만 아니라 크기는 줄고 중요한 제약은 완화되었습니다. 이제 얼굴 인식 시스템은 개별 전기 도어락만큼 작은 형태로 사용할 수 있습니다.

공중 보건 지원 통합

코로나19로 인한 보건 위기의 결과, 마스크 감지, 마스크를 착용한 개인의 얼굴 인식 및 사회적 거리두기 모니터링 등 더욱 발전된 얼굴 인식 기능이 보건 기술 통합에 장착되었습니다.

최근의 사례 연구:

Health add-on 소개 비디오 보기:

III. 얼굴 인식 사용 사례의 증가

얼굴 인식 기술의 성능 개선을 불러오고 이 기술을 더욱 경제적으로 만든 기술의 발전은 이용 가능성을 높였으며 얼굴 인식 사용 사례를 크게 늘렸습니다. 성능이 테스트되고 최종 사용자에 대한 가치가 입증되자 망설임 없이 이 기술을 도입하는 사례가 늘었습니다. iPhone Face ID를 떠올려 보세요. 그리고 공항 보안 검색대를 넘어 기차역으로 확장되고 있으며, 스포츠 경기 및 콘서트 현장에 대한 빠른 접근을 가능하게 하는 CLEAR 키오스크를 떠올려 보세요.

보안 및 접근 통제

시판 중인 가장 정확하고 안전한 생체 인식 기술로써 얼굴 인식은 사무실, 병원, 은행, 창고, 스마트 홈 등의 공간을 보호하는 데 사용 중인 중요한 접근 보안 도구가 되었습니다. 얼굴 인식은 접근 자격의 분실, 도난 또는 거래 가능성을 완전히 없애, 전통적으로 키카드 또는 코드를 사용하여 제한된 구역에 대한 출입을 쉽게 만드는 기존의 접근 통제 시스템에 많은 이점을 제공합니다.

사용자 경험 개선 및 맞춤화

소매산업과 접객업에서는 얼굴 인식을 발 빠르게 도입하여 소비자와 직원 모두에게 원활한 경험을 제공하는 데 이 기술을 활용하고 있습니다. 호텔에서 얼굴 인식을 사용하면 고객은 플라스틱 키카드를 소지하지 않아도 자신의 객실과 편의시설을 이용할 수 있고 직원들은 얼굴 인식 카메라가 설치된 문을 통해 출입하기만 하면 쉽게 출퇴근 시간을 기록할 수 있습니다. 소매 환경에서 상점은 차단 목록에 등록된 사람 또는 절도범을 적극적으로 모니터링할 수 있고 동시에 계산대 앞에서 단골 고객의 전화번호 또는 이메일 주소와 같은 개인 정보를 물을 필요 없이 보상 혜택을 손쉽게 제공할 수 있습니다. 마찬가지로, 얼굴 인식을 채택하는 곳이 늘어나면서 맞춤화된 디지털 사이니지 및 마케팅 기회가 증가합니다.

신원 확인

BFSI(뱅킹, 금융 서비스 및 보험) 분야에서는 고객에게 거래 및 기타 제한된 계정 활동을 인증하기 전에 고객의 보안을 강화하기 위해 온라인 뱅킹 포털, 모바일 앱 및 은행 키오스크에 얼굴 인식을 통합하기 시작했습니다. 신분증(예: 운전면허증 또는 여권) 속 사진을 확인할 수 있게 하는 근접 기술과 함께 얼굴 인식 기술이 제공하는 높은 정확도 및 보안을 사용해 은행 또는 금융 서비스 직원이 고객의 신원을 즉시 확인할 수 있게 되었습니다. 게다가 고객은 자동화된 키오스크 또는 가정에서 모바일 장치를 통해 자신의 신원을 스스로 확인할 수도 있습니다. 얼굴 인식은 운전면허증, 주민등록번호를 요청하거나 쉽게 회피할 수 있는 여러 가지 본인 확인 질문 등 직접적인 신원 확인 절차를 동반하는 기존의 확인 방법에 비해 이점이 확실합니다. 보안 문자, 토큰 또는 인증 앱 등 온라인 고객의 신원을 확인하기 위해 오늘날 이중 인증 조치가 마련되어 있긴 하지만 얼굴 인식이 제공하는 정밀하고 원활한 경험에는 미치지 못합니다.

저마다 고유한 필요와 제약이 있는 사용 사례의 증가는 시작 단락에서 제시했던 것과는 약간 다른 질문으로 이어집니다. "나만의 특별한 필요에 꼭 맞는 얼굴 인식 솔루션은 무엇인가요?" 이 질문이 암시하는 것처럼 한 가지 답변만 있는 것이 아니라 고유한 사용 사례처럼 많은 답변이 존재합니다. 이 문서의 나머지 부분에서는 여러분의 답변을 찾는 데 도움을 주기 위해 솔루션 선택 시 참고할 수 있는기준을 제공합니다.

IV. 세 가지 얼굴 인식 구성

가장 간단한 표현으로 안면 인식은 일반적으로 세 가지 잠재적 모델 중 하나로 작동합니다.

에지 기반/단일 위치
에지 기반 단일 위치 모델은 얼굴 인식 시스템이 신원 확인을 위해 통신하는 서버 또는 데이터베이스가 (클라우드에 있지 않고) 로컬에 있다고 가정합니다. 에지 운영 덕분에 시스템이 클라우드나 외부 장치와 통신하지 않기 때문에 뛰어난 보안 프로세스를 빠르게 처리할 수 있습니다. 이 모델은 일반적으로 작은 규모의 기업에서 사용하거나 대기업에서 매우 안전한 폐루프 시스템을 만들어 중요한 자산을 보호하기 위해 사용합니다(예: 은행 금고).
에지 기반/여러 위치
얼굴 인식 시스템은 중앙 클라우드 서버와 통신하면서 동시에 에지에서 운영할 수도 있습니다. 이 워크플로는 작업자가 클라우드 데이터베이스가 필요한 여러 위치를 포함하는 시스템을 사용할 때 속도를 최적화합니다.
클라우드 기반 워크프로
이 클라우드 기반 모델에는 신원 확인을 위해 클라우드와 통신하는 얼굴 인식 엔진이 필요합니다. 시스템이 지속적으로 클라우드와 데이터를 송수신해야 하기 때문에 이는 처리 속도는 크게 늦추고 보안을 크게 약화시킬 수 있습니다.

주요 구성요소

작동하는 얼굴 인식 시스템은 다음 구성요소로 구성됩니다.

  • 에지 컴퓨팅 장치
    • PC, 전문가용 워크스테이션, 모바일 장치 또는 IoT 연결 장치
  • 칩셋
    • CPU(중앙 처리 장치), GPU(그래픽 처리 장치), VPU(비전 처리 장치) 또는 이 중 여러 개
  • 카메라
    • 웹캠, IP 카메라, 열 감지 카메라, 2D 또는 3D 카메라
  • 서버
    • 에지 또는 클라우드.
  • 주변 기기 및 연결된 시스템
    • 비디오/방문객 관리 시스템(VMS), 잠금 제어 장치, 인스턴트 메시징 등
  • 얼굴 인식 엔진 및 소프트웨어
    • SDK 또는 플러그 앤 플레이 소프트웨어.

V. 의사결정 트리 – 꼭 맞는 얼굴 인식 솔루션 살펴보기

고유한 나만의 상황에 꼭 맞는 얼굴 인식 솔루션을 구축하려면 다음 주요 요인을 고려해야 합니다

  1. 사용 사례 – 얼굴 인식을 구현하여 수행하려는 주요 작업이 무엇인가요?
  2. 필요 및 제약 – 필요한 구체적인 특징이 무엇인가요? 마스크를 착용한 사람은 인식하는 기능인가요? 살아 있는 대상을 즉각적으로 감지하는 것인가요? 어떤 제약이 있나요? 카메라 케이스 안에 잘 맞아야 하나요?
  3. 사내 전문성 – 얼굴 인식 시스템을 사용하는 동안 이 시스템을 설정 및 관리하기 위해 내부에서 어떤 수준의 지식/기술을 갖추고 있나요?

이러한 요인을 미리 정의하여 의사결정 트리를 만들어야 합니다. 그래야 아래에서 제시하는 7가지 성공 요인을 살펴보는 데 도움을 받을 수 있습니다. 가장 중요한 측면을 미리 해결하면 관련이 없는 옵션을 제외하고 중요한 옵션에만 집중할 수 있습니다.

  • 예를 들어, 기존의 현관 입구 잠금 장치를 대체하기 위해 얼굴 인식으로 작동하는 스마트 잠금 장치의 경우에는 폼 팩터(크기, 모양)로 인해 작은 IoT 하드웨어 옵션만 고려할 수 있고, 저렴한 가격 구성요소와 낮은 전력 소비량이 중요합니다. 한편, 솔루션의 확장 가능성, 유연성 및 성능에 관한 고려 사항은 큰 제약 사항이 아닐 수 있습니다.

잘 정의된 의사결정 트리 역시 의사결정 사이 의존성을 처리하는 데 도움이 됩니다. 의사결정 트리는 다음과 같은 방식으로 작동합니다.

  • 예를 들어, $500 미만의 초기 비용에서 솔루션에 소비 전력이 낮고 셀룰러 데이터 기능이 있는 휴대용 장치가 필요한 경우, 이 솔루션은 Android 휴대폰 또는 태블릿에서 실행되어야 하므로 각 결정은 이러한 제약 조건에 상응하는 옵션으로 제한됩니다.

VI. 꼭 맞는 안면 인식 솔루션 선택을 위한 7가지 성공 요인

1. 정밀도/정확도

얼굴 인식의 중요성을 고려할 때 생각해야 할 여러 가지 수준은 다음과 같습니다.

  • 소프트웨어 실행 정확도: 모델의 크기, 칩셋 및 칩셋이 실행 중인 카메라의 영향을 받습니다. FaceMe® 모델은 4Mb 또는 300Mb 데이터베이스에 맞게 설계되었으며, 극대화된 유연성 및 광범위한 적용을 위해 저전력 칩셋에 최적화되었습니다.
  • 알고리즘 자체의 정확도: 미국 국립표준기술연구소에서 표준화된 FRVT(안면인식 벤더 테스트)로 측정합니다. 최신 FRVT 1:N Identification 보고서에서 FaceMe®는 160만개의 Visa 및 웹캠 영상이 포함된 데이터베이스를 기준으로 신원을 인식하는 데 최고 98.11%의 정확도 점수를 얻어 테스트를 받은 전체 벤더 중에서 9위를 차지했으며, 중국 및 러시아의 벤더를 제외했을 때 3위에 올랐습니다.

정확도가 결정적인 요인인 경우:

정확도는 얼굴 인식 시스템의 성공에서 빼놓을 수 없는 중요한 측면이기 때문에 FRVT와 같은 산업 테스트에서 높은 점수 및 평가를 받고 알고리즘을 정기적으로 업데이트하는 벤더의 솔루션을 고려하는 것이 좋습니다. 보안 시설, 기밀 데이터, 규제 물질 또는 위험 물질, 고도로 제한되는 유형 또는 무형의 자산에 대한 접근을 보호하기 위해 얼굴 인식을 사용하는 경우 정확도가 가장 중요한 요인일 수 있습니다. 분명히 가장 정확한 알고리즘은 본질적으로 가격이 더 비싸지 않은 경우에도 더 많은 스토리지 및 처리 능력을 필요로 하며, 이로 인해 나중에 논의할 총 구축 비용이 크게 증가할 수 있습니다.

가장 널리 사용되는 얼굴 인식 사용 사례의 일부는 시판 중인 가장 정밀한 모델을 사용하는 경우 경제적인 측면에서 실현이 불가능할 수 있습니다. 폼 팩터, 크기, 무게 또는 에너지 소비량과 같은 다른 제약 조건으로 인해 가장 정확한 모델이 옵션에서 제외될 수 있습니다. 실제로, 대부분의 사용 사례에는 99% 이상의 정확도는 필요하지 않습니다. 최고의 벤더는 정확도를 1% 또는 2% 이상 저하시키지 않고 이러한 모든 제약 조건을 해결할 수 있는 모델을 제시할 수도 있습니다.

정확도의 영향을 덜 받는 아래 시나리오에서는 여전히 95th 백분위수 이상을 수행하는 솔루션을 활용하는 것이 좋습니다.

사용 사례:

  • 정확도의 영향이 큰 경우:
    • 은행 접근 보안 – 얼굴 인식은 중요한 금융 자산을 보호하기 위해 채택되고 있으며 이 경우, 높은 정확도는 성공적인 구현을 좌우하는 요인입니다.
  • 정확도의 영향이 크지 않은 경우:
    • 경기장 개찰구 – 정확한 식별을 위해 인식을 여러 번 시도할 필요가 없도록 적당한 정확도가 필요하며, 성공적인 구현은 궁극적으로 개찰구에서 사람들이 정체되지 않고 원활하게 입장하는 데 달려 있으며, 주로 신뢰할 수 있는 하드웨어가 필요하고 "가양성"이 없어야 합니다. 이 예에서 가양성이란 등록 및 승인되지 않은 사람이 등록된 사람으로 잘못 식별되는 것을 의미합니다.

유사 업종:

  • 정확도의 영향이 큰 경우:
    • 대형 스마트 팩토리 – 시스템이 책임이 큰 내부 직원 및 장비를 보호하기 위해 사용됩니다. 얼굴 인식 시스템의 성공은 높은 정확도에 달려 있습니다.
  • 정확도의 영향이 크지 않은 경우:
    • 스마트 홈 – 이 사례에서는 방문객 수가 적고 나쁜 행위자를 식별하는 것의 이점이적기 때문에 정확도를 극대화하는 것이 별로 중요하지 않습니다. 예를 들어, 스마트 잠금 장치의 경우 비용, 폼 팩터 및 구현의 용이성이 더 중요할 수 있습니다.

배포 규모:

  • 정확도의 영향이 큰 경우:
    • 대형 백화점 – VIP/단골 고객의 전국 데이터베이스 또는 차단 목록에 등록된 개인을 기준으로 비교하는 이 시스템의 성공 여부는 많은 매장에서 신원을 정확하게 확인하는 데 달려 있습니다.
  • 정확도의 영향이 크지 않은 경우:
    • 현지 매장 – 고객이 적고 신원 확인을 위한 데이터베이스가 적을 수 있어 정확도는 중요한 제약 요인이 아닙니다.

2. 기능

  • 얼굴 인증

    • 얼굴 인식
    • 특징점 추출
    • 얼굴 감지
    • 비교 식별
  • 얼굴 특징 분석

    • 성별
    • 연령
    • 감정 추측
    • 고개 방향
  • 이미지 전처리

    • 2D 카메라 생체 인증(위조 방지)
    • 3D 카메라 생체 인증(위조 방지)
    • TrueTheater 기술
  • 마스크를 착용한 얼굴 인식

    • 마스크 감지
    • 마스크 착용 시 인식률 - 최대 TAR 98.21%

각 얼굴 인식 솔루션은 특정한 특징을 제공합니다. 모든 솔루션에서 필요한 3가지 기본 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. CyberLink의 FaceMe®와 같은 뛰어난 솔루션은 한 번에 여러 얼굴을 감지하고, 얼굴을 세고, 각 얼굴을 개별적으로 감지할 수 있습니다.
  • 얼굴 인식
    얼굴 감지 후 소프트웨어는 구체적인 얼굴 특징에 대한 고유한 정보를 살펴봅니다. 이 정보 템플릿은 데이터베이스에 미리 등록된 정보와 일치하는지 확인을 거쳐 올바른 사람(데이터베이스에 포함된 경우)의 신원과 연결시킵니다. 얼굴 인식이 개인 정보 보호와 관련이 있다는 논란을 감안하여 사용 권한이 없는 사람은 템플릿 데이터를 사용할 수 없도록 하는 높은 수준의 암호화를 적용하는 벤더를 선택하는 것이 좋습니다. 고도로 암호화된 템플릿을 사용하는 경우 플랫폼을 통해 실제 얼굴 이미지를 저장할 필요가 없어 개인 정보를 완벽하게 보호할 수 있습니다.
  • 얼굴 특징 감지
    얼굴 특징 감지는 연령, 성별, 얼굴 표정 및 머리 방향 또는 움직임(예: 고개를 끄덕임, 흔들기) 등과 같은 특징을 식별 및 분석하는 작업입니다. 이 기능은 정확한 대상 고객에게 상세하게 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.

FaceMe®와 같은 가장 뛰어난 얼굴 인식 솔루션에는 다음과 같은 고급 기능이 포함되어 있습니다.

  • 이미지 개선
    이 프로세스는 조명 또는 카메라 품질이 좋지 않은 상태에서 캡처한 이미지의 품질을 개선하여 얼굴 인식을 위해 정보를 처리할 때 높은 수준의 정밀도를 가능하게 합니다.
  • 안티 스푸핑
    안티 스푸핑는 2D 또는 3D 카메라를 사용하여 살아 있는 생명체를 감지할 수 있습니다. 2D 카메라(예: USB 웹캠)를 사용하면 대화식 및 비대화식 수단을 통해 스푸퍼(spoofer)를 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 안티 스푸핑를 허용합니다. 이 경우 대화식 감지 또는 인식 수단이 필요하지는 않습니다. 3D 카메라는 일반적으로 뛰어난 경험을 선사하지만 많은 비용이 드는 반면에 그 대안인 2D 방식은훨씬 적은 비용으로 정확한 안티 스푸핑기능을 제공할 수 있습니다.
  • 마스크 감지 및 마스크를 착용한 얼굴 인식
    대중의 안전 및 공중 보건을 위해 설계된 마스크 감지 기능은 마스크 착용 유무를 감지하고 코와 입을 제대로 가리고 마스크를 착용했는지 확인합니다. FaceMe®와 같은 일부 고급 솔루션은 마스크를 착용한 상태에서 매우 정확한 얼굴 인식이 가능합니다.

기능이 결정적인 요인인 경우:

사용 사례:

  • 기능의 영향이 큰 경우:
    보안이 중요한 창고에 대한 접근 통제 – 승인된 사람의 사진/비디오를 이용해 시스템을 우회할 수 없도록 하려는 경우 안티 스푸핑이중요한 기능일 수 있습니다.
  • 기능의 영향이 크지 않은 경우:
    소매점 충성도 프로그램을 위한 얼굴 인식 – 개인이 사기성 검증을 시도할 가능성이 낮기 때문에 이 시나리오에서는 안티 스푸핑이덜 중요할 수 있습니다.

유사 업종:

  • 기능의 영향이 큰 경우:
    스마트 시티 – 마스크 기능은 특히 현재와 같은 상황에서 스마트 시티, 공중 보건 및 안전 배치에 중요할 수 있습니다.
  • 기능의 영향이 크지 않은 경우:
    스마트 홈 – 사람들이 집에서 마스크를 쓰고 있지 않기 때문에 스마트 홈의 경우 마스크 감지 기능이 필요하지 않습니다.

크기:

  • 기능의 영향이 큰 경우:
    쇼핑몰 – 여러 얼굴을 동시에 스캔할 수 있는 기능은 잠재적인 차단 목록에 등록된 사람이 있는지 대규모 그룹의 사람들을 스캔해야 하는 쇼핑몰 구축에 중요할 수 있습니다.
  • 기능의 영향이 크지 않은 경우:
    개별 소매점 직원 출입구 – 직원의 신원 확인 및 출퇴근 시간 기록을 위해 문이 1개 달린 직원 출입구에서 얼굴 인식 시스템을 사용하는 독립형 소매점에서는 직원이 들어갈 때 한 번에 한 명만 스캔하면 됩니다. 많은 얼굴을 동시에 스캔할 필요는 없습니다.

3. 성능

정확도와 마찬가지로 많은 구성요소가 안면 인식 시스템의 성능에 영향을 미칩니다. 여기서 해당 구성요소를 자세히 살펴보겠습니다.

  • 초당 프레임/FPS
    카메라가 1초에 촬영하여 처리를 위해 얼굴 인식 시스템으로 전송하는 사진 수를 측정한 값입니다. FPS가 높을수록 정확도 및 성능이 높아집니다.
  • 감지 속도
    감지 속도는 한 공간에서 시스템이 얼마나 빠르게 얼굴의 특징을 스캔하여 감지하고 얼굴이 있음을 인식하는지를 측정한 값입니다.
  • 추출 속도
    추출 속도는 얼굴 인식 시스템이 얼굴에 대한 신원 확인을 위해 처리할 정보를 수집한 다음 추출하는 데 걸리는 시간입니다.
  • 인식 속도
    마지막으로, 인식 속도는 얼굴 인식의 마지막 부분으로, 시스템이 추출된 정보를 처리한 다음 일치하는 사람이 있는지 신원 확인 결과를 전달하는 속도를 측정한 값입니다.

성능이 중요한 이유:

많은 사용 사례에서 성능은 얼굴 인식 시스템을 사용하는 데 중요한 요인일 수 있습니다. 예를 들어, 대규모 시설에서 구축하려면 일반적으로 수백 개의 비디오 채널을 동시에 처리해야 하는데, 일부 채널은 통행량이 많은 구역에 배치되어 있습니다. 고성능 얼굴 인식 모델을 제공하는 벤더는 해당 시설을 모니터링하는 데 필요한 값비싼 워크스테이션 수를 크게 줄일 수 있습니다.

성능 및 에지와 클라우드 아키텍처:

다음 의사결정 섹션에서는 얼굴 인식 시스템을 위한 에지와 클라우드 아키텍처에 대해 살펴보겠습니다. 에지 시스템은 클라우드 기반 처리 장치에 비해 고유한 성능 이점은 없지만, 일반적으로 클라우드에서 처리하기 위해 이미지나 비디오를 전송하기 위해 응답 시간이 밀리초에서 몇 초로 증가하기 때문에 에지 시스템이 훨씬 더 빠른 얼굴 인식을 제공한다는 점을 고려해야 합니다.

최고의 성능을 찾기 위한 벤치마크:

최적화된 칩셋:

  • 선택한 칩셋에 따라 성능이 개선될 수 있습니다. NVIDIA T4와 같은 독립형 GPU 또는 VPU 칩을 별도의 CPU와 함께 사용하면 성능을 개선할 수 있습니다.
  • GPU 가속화를 위한 여러 가지 옵션이 있습니다. OpenVINO, NVIDIA CUDA/TensorRT, Intel Movidius, NVIDIA Jetson, Qualcomm SNPE, MediaTek NeuroPilot 등을 사용하면 딥 러닝 알고리즘의 속도를 높이고 성능을 더욱 최적화할 수 있습니다.

최적화된 소프트웨어:

  • o얼굴 인식 소프트웨어 옵션은 각각 고유하며 다른 칩셋 및 시스템 아키텍처를 사용하여 최적화 수준이 다양합니다. 예를 들어 FaceMe®는 최고의 성능을 제공하기 위해 수 차례 반복을 통해 시스템 아키텍처를 최적화했습니다. 예를 들어, 단일 스테이션에서 NVIDIA RTX A6000을 사용하는 FaceMe®는 초당 340~410개 프레임을 처리할 수 있습니다(정확한 프레임 수는 사용하는 FaceMe® 얼굴 인식 모델에 따라 달라질 수 있음). 이는 고성능 옵션으로, 워크스테이션당 25~41개의 동시 비디오 채널을 처리하는 것과 같습니다(각 채널에서 초당 10개 프레임).

성능이 결정적인 요인인 경우:

사용 사례:

  • 성능의 영향이 큰 경우:
    공항에 구축 – 공항처럼 붐비는 공공 장소에서는 차단 목록에 등록된 개인 또는 마스크 착용 여부를 확인하기 위해 한 공간에서 수십 때로는 수백 개의 얼굴을 동시에 스캔하는 용도로 얼굴 인식 시스템을 도입합니다. 동시에 처리해야 하는 많은 양의 데이터로 인해 최고의 얼굴 인식 솔루션이 제공하는 큰 성능 이점 없이 값비싼 전용 하드웨어를 배치해야 할 수 있습니다.
  • 성능의 영향이 크지 않은 경우:
    도서관에 구축 – 책을 대출할 때 사용자의 얼굴을 개별적으로 스캔하면 되는 도서관에 안면 인식 시스템을 배치하는 이론적인 사용 사례에서는 시스템이 한 번에 처리해야 하는 정보가 많지 않기 때문에 성능의 영향이 크지 않습니다.

유사 업종:

  • 성능의 영향이 큰 경우:
    창고/물류 – 대규모 시설에서 많은 사람들이 근무하고 얼굴 인식 시스템으로 여러 카메라 피드가 전달되는 경우에는 성능이 중요한 요인입니다.
  • 성능의 영향이 크지 않은 경우:
    작은 사무실 접근 통제 – 작은 사무실에서 접근 통제를 제공하는 얼굴 인식 시스템의 경우 한 번에 한 개 또는 몇 개의 얼굴에 대한 정보만 처리하면 되기 때문에 출입문마다 성능 제약 조건이 크지 않습니다.

크기:

  • 성능의 영향이 큰 경우:
    여러 비디오 피드가 있는 대규모 시설 – 추가 비디오 피드는 얼굴 인식 시스템의 처리 시간 및 성능에 부담을 줍니다. 성공적인 작동을 위해 고성능 칩셋 및 소프트웨어의 사용을 고려해야 합니다.
  • 성능의 영향이 크지 않은 경우:
    입구에 비디오 피드가 하나인 소규모 시설 - 단일 비디오 피드 시스템은 시스템 성능에 부담이 되지 않으므로 이 경우 시스템 구성요소를 선택할 때 성능은 영향을 미치는 주요 요인이 아닙니다.

4. 에지와 클라우드:

에지와 클라우드 아키텍처는 얼굴 인식 시스템의 보안 및 성능 전반에 영향을 미칠 수 있고, 최대한의 속도를 모색하는 사업자에게 중요한 고려 사항일 수 있습니다. 에지 기반 시스템은 정보를 클라우드와 주고 받아 업로드 전송에 몇 초가 더 걸릴 필요가 없기 때문에 작동 속도가 더 빠릅니다.

에지 기반 시스템은 여러 가지 추가 이점을 제공하기 때문에 널리 선택되는 옵션이 되었습니다.

  • 보안 – 에지 기반 시스템에서는 정보 가로채기가 발생할 수 있는 클라우드로 중요한 정보를 전송할 필요가 없습니다.
  • 유연성 – 에지 기반 시스템에서는 클라우드에 연결할 필요가 없기 때문에 유연성을 강화하여 클라우드에 액세스할 수 없는 다양한 환경 및 사용 사례에 설치할 수 있습니다.

그러나 다음과 같은 사용 사례를 고려하는 경우 클라우드가 더 나은 옵션일 수 있습니다.

  • 사용 빈도가 낮은 경우 – 예: 자주 방문하지 않는 시설 보호
  • 낮은 정확도에 대한 허용 범위 – 위험이 낮은 배포(예: 소매점 충성도 프로그램)
  • 하드웨어 비용 과다로 인한 제약 – 기존 하드웨어를 교체할 수 없어 클라우드 인프라에 의존하는 경우

5. 장치 및 하드웨어 지원

안면 인식 시스템을 선택할 때 하드웨어 환경이 제약 요인인 경우가 있습니다. 다음은 고려해야 할 점입니다.

운영 시스템 지원

Windows 및 Android는 얼굴 인식 소프트웨어가 지원하는 가장 일반적인 운영 체제입니다. 더 뛰어난 솔루션 iOS, Linux 버전, Jetson 등과 같은 광범위한 OS 범위를 제공합니다. 예를 들어, FaceMe®는 Windows, Android, iOS, Linux variants, Ubuntu x64, Ubuntu ARM, RedHat, JetPack(주로 NVIDIA Jetson 패밀리용), CentOS, Yocto ARM 등 10가지가 넘는 OS를 지원하여 시장에서 가장 포괄적인 지원을 제공하는 솔루션 중 하나입니다.

줄어든 크기 및 기능 때문에 iOS 및 Android는 훨씬 강력한 Windows 또는 Linux에 비해 처리 능력 측면에서 제약이 더 큽니다.

다양한 보안 시스템 및 기존 IoT 인프라가 마련되어 있는 석유화학 플랜트와 같은 대규모 시설에서는 시스템 전반에서 여러 OS를 운영할 수 있습니다. 이 경우 여러 운영 체제 간에 상호 운용성에 대한 지원을 고려해야 합니다.

장치 및 운영 체제 지원이 결정적인 요인인 경우:

사용 사례:

  • 장치 및 운영 체제 지원의 영향이 큰 경우:
    대형 은행 – 여러 비디오 피드를 실행 중이고, 금융 부채를 보호하기 위해 높은 정확도를 필요로 하는 사용 사례에서는 고성능 OS를 위한 하드웨어 고려 사항이 필요합니다. 이 경우에는 Windows 또는 Linux 옵션이 모바일 iOS 또는 Android에 비해 더 적합합니다.
  • 스마트 홈 – 개인 사용을 위한 스마트 홈 배포에는 성능 및 정확도 요구 사항은 훨씬 더 낮습니다. 이 경우에는 하드웨어 비용, 크기 및 편의가 가장 중요한 결정 요인일 수 있습니다.

유사 업종:

  • 장치 및 운영 체제 지원의 영향이 큰 경우:
    스마트 대학 캠퍼스 – 대학교 캠퍼스 전체에서 작동하는 얼굴 인식 시스템에는 높은 성능, 중간~높음 수준의 정확도가 필요할 수 있고, 이 시스템은 캠퍼스에서 실행되는 기존 시스템과의 통합을 위해 많은 OS를 지원할 수 있어야 합니다.
  • 장치 및 운영 체제 지원의 영향이 크지 않은 경우:
    스마트 오피스 – 기존 시스템이 없는 상태에서 처음으로 얼굴 인식 시스템을 통합하고, 정확도 또는 성능 요구 사항이 아주 높지 않은 단일 사무실에서는 하드웨어가 중요한 제약 요인이 아닙니다.

크기:

  • 장치 및 운영 체제 지원의 영향이 큰 경우:
    구식 병원 환경 – 건물이 여러 개 있고, 저마다 다른 운영 체제에서 실행 중인 보안 시스템이 있는 환경에서 OS의 상호 운용성은 구현을 위한 중요한 고려 사항입니다.
  • 장치 및 운영 체제 지원의 영향이 크지 않은 경우:
    의사의 진료실 – 한 가지 OS에서 실행 중인 시스템을 갖춘 단일 건물에서는 하드웨어 유연성이 더 큽니다.

하드웨어 지원

빠르게 진화하는 하드웨어 및 칩셋 기술 혁신 덕분에 속도, 전력, 폼 팩터 및 비용 제약을 가장 잘 해결할 수 있는 옵션이 시장에 계속 늘어나면서, 이전에는 불가능했던 새로운 사용 사례의 도입을 주도하고 있습니다.

얼굴 인식 실행을 위한 하드웨어 옵션

  • PC:
    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.
  • 워크스테이션:
    대규모 시설에 수십 또는 수백 개의 비디오 채널을 통해 보안 모니터링 및 접근 통제를 위한 얼굴 인식 SDK를 배포하려는 조직은 동시에 여러 IP 카메라 비디오 피드를 처리할 수 있는 최첨단 GPU가 탑재된 여러 워크스테이션을 통해 이점을 얻을 수 있습니다.
  • 서버:
    서버는 휴대폰과 같은 독립 장치에서 전송되는 많은 비디오 스트림, 사진 또는 비디오가 있고 클라우드에서 계속 사용하면서 빠르고 강력하게 처리해야 하는 상황에 적합합니다.
  • 키오스크 및 스마트 AIoT 장치:
    비용을 절감하는 동시에 성능을 개선하는 빠른 속도의 에지 컴퓨팅 혁신은 얼굴 인식을 통한 무한한 IoT 장치 사용 사례(예: 스마트 키오스크)를 만들어 내는 계기가 되고 있습니다. 예를 들어, 자주 여행을 다니는 사람들은 모두 글로벌 엔트리(Global Entry)와 클리어 키오스크(Clear kiosk)에 대해 잘 알고 있을 것입니다. 두 기능 모두에 얼굴 인식 기술이 사용됩니다. 현재, 얼굴 인식 기술을 통합한 스마트 키오스크는 패스트푸트 레스토랑, 병원 및 호텔 등에 구축되고 있습니다. AIoT 장치는 NVIDIA Jetson 또는 Android 보드와 같은 소형 컴퓨터를 내장하거나 장치의 전자기판에 처리 및 저장 장치를 통합할 수 있습니다.

얼굴 인식 실행을 위한 칩셋 옵션

CPU
CPU는 일반적으로 간단하고, 싼 옵션입니다.
GPU
GPU는 일반적으로 더 비싸고 성능이 뛰어납니다.
VPU
GPU는 일반적으로 더 비싸고 성능이 뛰어납니다.
콤보
완전하고 경제적인 솔루션을 위해 여러 칩셋의 조합이 설계되었습니다.

하드웨어 지원이 결정적인 요인인 경우:

사용 사례:

  • 하드웨어 지원의 영향이 큰 경우:
    대학교 캠퍼스 헬스 및 보안 데스크 – 감염병이 대유행하는 상황에서 대학교 캠퍼스 전체에서 보안 및 마스크 착용을 모니터링하는 중앙 데스크는 수백 대의 카메라를 통합해야 하고 강력한 하드웨어의 영향을 받을 수 있습니다. 이 시나리오에서는 워크스테이션 또는 서버를 적절한 옵션으로 생각할 수 있습니다.
  • 하드웨어 지원의 영향이 크지 않은 경우:
    아파트 건물 스마트 잠금 장치 – 얼굴 인식 기능이 지원되는 기숙사 방 잠금 장치를 위한 하드웨어 선택 시 크기가 중요하고 성능 제약은 크지 않습니다.

유사 업종:

  • 하드웨어 지원의 영향이 큰 경우:
    보안, 접근 통제 및 건강 모니터링을 위한 병원 얼굴 인식 시스템 – 신원 및 마스크 착용을 확인하기 위해 많은 비디오 피드를 실행하는 이 유사한 사용 사례에서는 워크스테이션처럼 보다 강력한 하드웨어가 필요할 수 있습니다.
  • 하드웨어 지원의 영향이 크지 않은 경우:
    개별 소매점 – 실행 중인 비디오 피드의 수가 적고 성능에 대한 필요가 크기 않은 이 소규모 사용 사례 시나리오는 적절한 하드웨어를 선택할 때 비용과 편의를 더 중요시할 수 있습니다. 이 유사한 사용 사례에서는 PC가 적절한 옵션일 수 있습니다.

크기:

  • 하드웨어 지원의 영향이 큰 경우:
    대형 소매정의 전국 체인 모니터링 – 각 매장의 IP 카메라에서 수백 개의 비디오 스트림 및 사진을 가져오는 이 대규모 사용 시나리오에서는 각 매장에서 얼굴 감지 및 추출을 수행하기 위한 고성능 워크스테이션과 각 매장에서 보낸 캡처한 얼굴 템플릿을 중앙 데이터베이스와 비교하여 일치하는 얼굴을 찾는 고성능 중앙 서버를 결합한 하이브리드 모델을 사용할 수 있습니다.
  • 하드웨어 지원의 영향이 크지 않은 경우:
    개별 호텔 모니터링 – 더 작은 규모로, 얼굴 인식 보안 시스템을 개별 호텔에 구현하는 경우에는 성능에 대한 부담이 크지 않기 때문에 고성능 PC 또는 워크스테이션이면 적절할 수 있습니다.

6. 소프트웨어 및 SDK 유연성

얼굴 인식 소프트웨어는 일치하는 얼굴을 확인하거나 얼굴을 감지하기 위해 비디오 피드에서 추출한 정보를 처리하는 실제 프로그램입니다. 얼굴 인식 시스템의 소프트웨어 구성요소를 통합할 수 있는 몇 가지 형식이 있는데 아래에서 좀 더 자세히 살펴보겠습니다.

  • 플러그 앤 플레이 소프트웨어
    한동안 얼굴 인식 솔루션은 주로 소프트웨어 개발 키트(SDK) 형태로 제공되었습니다. 소프트웨어 개발 키트는 일반적으로 유연하고 완벽하게 맞춤화된 솔루션을 배포할 수 있도록 하지만 상당한 프로그래밍 및 통합 작업을 필요로 합니다. 때문에 잘 정의된 사용 사례와 더 빠른 진행을 위해서는 플러그 앤 플레이 소프트웨어가 최고의 옵션일 수 있습니다. FaceMe® Security와 같이 바로 사용 가능한 플러그 앤 플레이 얼굴 인식 보안 소프트웨어 옵션은 접근 통제 및 모니터링과 같은 일반적인 보안 사용 사례를 가장 잘 수용하도록 사전 설정되어 있습니다. 플러그 앤 플레이 솔루션에는 손쉬운 구현을 위해 이미 설정된 내부 소프트웨어 인프라가 있습니다. 더 나은 제품은 확장성이 뛰어나며 단일 카메라 시나리오부터 다중 카메라, 다중 위치 배포에 이르기까지 사용할 수 있습니다. 해당 제품은 일반적으로 기존 카메라 및 네트워크에 연결할 수 있습니다. 나에게 꼭 맞는 최고의 솔루션은 VMS, 도어락, 출퇴근 소프트웨어 등과 같은 다른 시스템에 쉽게 연결할 수 있습니다.
  • SDK(소프트웨어 개발 키트)
    SDK는 얼굴 인식 알고리즘을 소프트웨어 인프라에 맞게 완벽하게 제어하려는 고유한 시나리오를 위한 매우 유연한 실제 옵션입니다. SDK를 효과적으로 구현하려면 SDK를 기존 소프트웨어 인프라로 통합하기 위한 보다 강력한 내부 컴퓨팅 또는 IT 인재가 필요합니다. SDK를 통해 조직에서는 얼굴 인식을 통합하여 기존 워크플로 및 프로세스와 함께 활용할 수 있습니다.

소프트웨어 형식이 결정적인 요인인 경우:

사용 사례:

  • 소프트웨어의 영향이 큰 경우:
    병원 환경에서 환자 관리 및 접근 통제를 위해 FRT 통합 – 시설에서 고유하게 설계된 일련의 프로세스 및 시스템을 사용하는 이 사용 사례에서는(각 프로세스 및 시스템은 고유한 플랫폼에서 실행됨) SDK가 보다 유연한 소프트웨어 형식일 수 있습니다.
  • 소프트웨어의 영향이 크지 않은 경우:
    보안 및 접근 통제를 위해 소매점 또는 표준화된 매장 체인에 FRT 추가 – 기존 카메라 보안 시스템 또는 카메라에 연결된 비디오 관리 시스템(VMS)이 있든 없든 상관 없이 FaceMe® Security 와 같은 플러그 앤 플레이 솔루션은 구축 리드 시간을 최소화하고, 비용 효율적이고, 유지 관리 필요성이 전혀 없거나 거의 없는 매력적인 솔루션을 제공할 수 있습니다.

유사 업종:

  • 소프트웨어의 영향이 큰 경우:
    은행에서의 접근 통제 – 소매 은행에서 입구 판독기를 신용카드 스캐너에서 얼굴 인식으로 바꾸려고 하는 경우 얼굴 인식 기능을 기존 시스템 및 엔터프라이즈 인프라에 통합해야 할 수 있습니다. 이 예에서는 SDK가 더 잘 맞을 수 있습니다.
  • 소프트웨어의 영향이 크지 않은 경우:
    사무실 건물에서 보안 및 접근 통제 - 일반적인 사무실 시설의 경우 보안 모니터링, 직원 및 방문객에 대한 접근 통제 및 차단 목록에 등록된 사람에 대한 알림과 관련하여 상대적으로 필요가 유사합니다. 일반적으로 더 큰 시설에는 보안 카메라가 달린 VMS와 도어 접근 통제 장치가 이미 있어 FaceMe® Security와 같은 뛰어난 플러그 앤 플레이 소프트웨어 옵션과 연결이 쉽습니다. VMS가 없는 시설을 위해 FaceMe® Security는 VMS에서 주요 모니터링 및 알림 디스플레이를 에뮬레이트하는 모니터링 애드온을 사용하여 업데이트되었습니다.

크기:

상대적으로 표준 기능 또는 사용 사례를 해결하려고 하면 많은 사례에서 크기는 플러그 앤 플레이 솔루션을 사용하는 데 장애가 되지 않습니다. 좋은 소프트웨어 솔루션은 확장성을 가지고 있습니다. SDK를 통합하는 맞춤화된 고유한 솔루션은 일반적으로 상당한 통합 비용이 발생하고 주로 대규모 조직에 적합합니다. 그러나 하드웨어 비용이 빠르게 낮아지고 칩셋 성능이 놀랍도록 발전하는 상황에서 이제 얼굴 인식 SDK는 시판 중인 AIoT 제품에서 합리적인 가격으로 통합할 수 있게 되었으며, 소매 비용이 $100 미만인 경우도 있습니다.

7. 소유 비용

통합에 앞서 얼굴 인식 시스템의 전체 수명 기간 중 소유 비용을 고려해야 합니다. 고려해야 할 핵심 구성소요는 다음과 같습니다.

  • 초기 비용
    초기 비용에는 처음 얼굴 인식 시스템을 설계 및 통합하기 시작했을 때 투자 비용과 일회성 비용이 포함됩니다. 여기에는 조사, PoC, 하드웨어, 소프트웨어, 통합, 교육, 초기 데이터 생성 및 기존 장비 개선 등이 포함될 수 있으며 이에 국한되지 않습니다.
  • 반복(가변) 비용
    반복 비용은 얼굴 인식 수명 기간 내내 계속 발생합니다. 여기에는 시스템 유지 관리, 얼굴 인식 소프트웨어 구독 비용, 월간 대역폭 및 에너지 사용 비용, 서버 임대 비용 및 관련 자본 비용이 포함될 수 있습니다.
  • 노후화
    오래된 구성요소 때문에 발생하는 노후화를 피하기 위해 얼굴 인식 시스템의 수명 주기 전반에서 장비, 운영 체제 및 소프트웨어를 적시에 업그레이드해야 합니다.
  • 교체 주기
    교체 주기는 장기간 사용하면서 비용을 낮추고자 할 때 가장 많이 선택하는 옵션입니다. 하드웨어 및 소프트웨어의 구성요소를 체계적으로 교체하면 성능 개선 및 비용 절감(유지 비용, 에너지 소비량 감소 등)을 위해 최적화된 최신 기술을 사용할 수 있습니다.
  • 구현 규모와 관련된 비용
    많은 비용 동인이 배포 시나리오의 규모와 관련이 있으며, 전체 비용 추정치를 고려할 때 해당 동인을 염두에 둬야 합니다. 예를 들어, 보호해야 할 건물이 많으면 필요한 하드웨어 스테이션 수, 얼굴 인식 소프트웨어 비용, 매월 유지관리, 에너지, 대역폭 비용 등이 늘어납니다.

다음은 배포 규모와 관련된 비용의 몇 가지 예입니다.

  • 소형 매장, 매장 수 1개:
    • 이 시나리오는 다음을 비롯하여 크기에 비해 비용이 적을 수 있다.
      • 소프트웨어: 비디오 피드 수와 연동된 플러그 앤 플레이 소프트웨어 가격은 카메라가 몇 대 뿐인 경우 낮습니다.
      • 하드웨어: 비싸지 않은 하드웨어가 필요합니다. 일반적으로 적절하게 실행되는 PC면 괜찮습니다.
      • 교육: 일반적으로 시스템을 판매한 VAR에서 제공한 패키지에 포함된 플러그 앤 플레이 소프트웨어를 사용하는 경우 통합 및 교육 비용이 낮습니다.
      • 월간 비용: 최소한 매월 사용하는 에너지 비용
  • 소규모 상점 체인, 여러 개의 매장::
    • 앞의 시나리오보다 비용이 증가합니다.
      • 소프트웨어: 비디오 피드가 많아 비용이 증가합니다.
      • 하드웨어: 매장마다 일반적으로 PC 또는 저가형 특수 컴퓨터(예: NVIDIA Jetson) 및 카메라 몇 대(매장마다 구성이 유사함). 공유된 고객, 직원 또는 차단 목록에 등록된 개인 데이터가 있는 경우 최소한 한 대의 서버가 있습니다..
      • 교육: 지역/매장 수와 포함된 지역에 따라 달라지는, VAR의 합당한 교육 및 통합 비용
      • 월간 비용: 상대적으로 낮은 에너지 및 대역폭 월 사용료, 주로 매장 수에 따라 크게 좌우됨
  • 대규모 시설, 1개 지역(예: 공장)
    • 마지막 옵션보다 비용 증가가 더 많음:
      • 소프트웨어: 최상위 소프트웨어 즉, SDK, 비디오 피드 수의 작동을 바탕으로 비용이 청구됨, 최소 비용(소프트웨어)에 시스템 통합자 관련 (SDK) 설치 비용이 상당히 발생할 수 있음. 카메라 피드가 한 곳으로 제한되기 때문에 소프트웨어 자체의 가격은 합리적일 수 있습니다. 예상대로 다른 배포와 관련된 비용에 부합할 수 있긴 하지만 배포 비용이 상당할 수 있습니다.
      • 하드웨어: 여러 GPU 또는 VPU가 장착된 워크스테이션 한 개 또는 여러 개가 필요하고 한 시설에 대규모 카메라 배치가 필요합니다.
      • 교육: 보다 복잡하나 시스템에 대해 자세히 배우기 위해 중간~높음 정도의 교육 및 통합 비용이 발생합니다.
      • 월간 비용: 월간 에너지 사용 비용. 통합자 또는 VAR과 월간 유지 관리 계약을 맺을 수 있음
  • 대규모 시설, 여러 지역(예: 국내 식료품점 체인)
    • 가장 비용이 큰 시나리오:
      • 소프트웨어: 최상위 소프트웨어 즉, SDK, 비디오 피드 수의 작동을 바탕으로 비용이 청구됨, 최소 비용(소프트웨어)에 시스템 통합자 관련 (SDK) 설치 비용이 상당히 발생할 수 있음, 지역 수와 각 지역의 배포 규모와 관련이 있음. 고객은 보통 할인폭에 따라 이득을 보지만 소프트웨어 또는 SDK 가격은 일반적으로 지역 수에 따라 증가합니다. 예상대로 다른 배포와 관련된 비용에 부합할 수 있긴 하지만 배포 비용이 상당할 수 있습니다.
      • 하드웨어: 여러 GPU 또는 VPU가 장착된 워크스테이션 한 개 또는 여러 개가 필요하고 각 지역에 대규모 카메라 배치가 필요합니다. 또한 각 위치 또는 지역 센터에 데이터베이스 호스팅 및 공유를 위한 서버가 1대 이상 필요할 수 있습니다.
      • 교육: : 자격 있는 강사가 정기적으로 돌아가며 각 지역을 방문해야 합니다. 일부 조직에서는 자체 인력을 사용합니다. 통합자에게 교육을 아웃소싱하는 경우도 있습니다.
      • 월간 비용: 많은 대역폭 및 에너지 사용량. 통합자와 월간 유지 관리 계약을 맺을 수 있음

나에게 꼭 맞는 얼굴 인식 시스템 설계

나만의 특별한 시나리오를 위한 얼굴 인식 솔루션을 설계할 때 여러 가지 옵션을 사용할 수 있습니다. 위에서 설명한 각각의 핵심 구성요소와 의사결정 요소는 필요에 맞는 솔루션의 효과에 영향을 미칩니다. 안전한 접근 방식은 각 결정과 현재 존재하는 옵션의 범위를 파악하는 것으로 시작하고, 최근에 기술 및 솔루션 제공이 얼마나 빨리 개선되었는지 고려하고, 추세와 예상되는 혁신이 테스트 및 배포 일정에 어떻게 영향을 미칠 수 있는지 문의하는 것입니다. 그런 다음 성공적인 배포에 중요한 요소(예: 성능, 기능, 하드웨어 등)에 집중합니다.

해당 산업에서 성공적인 배포 및 실패에 대해 좀 더 알아보면 도움이 될 수 있습니다. 많은 산업에는 안면 인식 기술과 이 기술이 회원에게 어떤 혜택을 줄 수 있는지 모니터링 및 분석하는 협회 및 태스크 포스가 있습니다.

마지막으로, 지금까지 살펴본 정보를 취합하여 자신만의 청사진 또는 의사결정 트리를 만들어 보세요. 올바른 결정을 내리고 궁극적으로는 특별한 필요에 꼭 맞는 솔루션을 찾는데 길잡이가 되어줄 것입니다.

얼굴 인식의 작동 원리, 구축 방법과 이 기술에 대한 전반적인 내용을 살펴보려면 에지 기반 얼굴 인식 – 상세 가이드를 읽어보십시오.

2021에는 얼굴 인식이 어떻게 사용될지 궁금하다면 얼굴 인식 – 2021년에는 어떻게 사용됩니까?를 읽어보십시오.

세일즈팀에
연락하기

FaceMe® 자세히 보기

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

세일즈팀에 연락하기

FaceMe® 뉴스레터 구독