ISO의 SC29/WG11(MPEG) 그룹과 SC37의 두 그룹이 얼굴인식과 관련된 표준화를 추진하고 있다. MPEG에서는 MPEG-7 표준화 작업과 관련하여 얼굴인식 디스크립터를 표준화 했으며 계속하여 MPEG-7 Extension 에서 향상된 얼굴인식 디스크립터를 표준화 하였다. 또한 SC37에서는 생체여권 등에서 사용될 얼굴인식을 위한 표준 포맷 등을 제정하였고 관련 표준을 계속 제정 중에 있다. 기존의 얼굴인식 기술은 조명, 포즈, 표정 등에 매우 취약하고 이를 극복하기 위하여 다양한 얼굴인식 기술이 새롭게 연구되고 있다. 지난 73회 MPEG 회의에서는 조명에 강인한 IR기반의 얼굴인식 기술이 제안되어 핵심실험으로 채택된 이후 계속하여 핵심실험(CE)이 이루어지고 있다. 이 보고서에서는 얼굴인식의 전처리 단계라고 할 수 있는 얼굴검출 기술에 대해서 살펴보도록 하겠다. 현재 얼굴인식 기술보다 검출기술이 먼저 디지털 카메라 등에서 활발히 이용되고 있으며 얼굴인식 성능은 실제 얼굴검출의 성능에 많이 영향을 받고 있어 고성능 얼굴인식 시스템의 개발을 위해서는 우수한 검출 기술의 개발이 필수적이라고 하겠다.

얼굴검출 기술

얼굴검출은 영상에서 얼굴이 있는 위치를 알아내는 것이다. 사람의 얼굴은 응시하는 방향에 따른 정면 혹은 측면의 각도, 고개를 좌우로 기울이는 정도, 다양한 표정, 카메라와의 거리에 따른 얼굴 영상의 크기 등과 같은 형태적 변화와 조명에 따른 얼굴 내에서의 밝기 정도의 차이, 복잡한 배경 혹은 얼굴과 구분이 어려운 색상의 다른 객체 등과 같은 외부적 변화에 따라 매우 다양하게 나타날 수 있기 때문에 영상으로부터의 얼굴검출 연구는 많은 어려움을 포함하고 있다. 기존의 얼굴인식과 관련되어 얼굴검출은 얼굴인식의 한 부분으로 연구되었으나 근래에는 얼굴검출 자체로 매우 다양한 응용분야가 개발되어 얼굴검출이 하나의 새로운 연구분야로 다양한 연구가 추진되고 있다.

현재까지 소개되어진 얼굴검출에 관한 여러 방법들을 정리해 보면 크게 다음의 4가지 형태로 구분할 수 있다.

• 지식 기반 방법(Knowledge-based Methods)

지식 기반 방법은 사람의 얼굴이 눈썹, 눈, 코, 입 등을 포함하고 있고, 각각의 얼굴 성분들은 서로 일정한 거리와 위치 관계를 가지고 있다는 것을 전제로 하여 연구자의 지식을 기반으로 얼굴을 검출하는 방법이다. 이 방법은 정면 얼굴을 가진 영상에서는 얼굴 성분들의 위치와 크기에 관한 규칙을 이용해서 쉽게 얼굴을 찾을 수 있다. 하지만, 고개의 기울기, 얼굴 정면 각도, 표정 등과 같은 얼굴의 다양한 변화가 있는 영상에서는 얼굴의 검출이 어렵게 되기 때문에 다른 변화가 없거나 특별한 경우에만 적용이 가능하다는 단점이 있다. 이러한 단점은 변화에 대한 다양한 규칙을 확장하거나 아니면, 모든 조건을 정규화 함으로써 해결할 수 있다.

• 특징 기반 방법 (Feature-based Methods)

특징 기반 방법이란 얼굴 특징 성분들의 크기와 모양, 상호 연관성, 얼굴의 색상과 질감(texture) 정보, 혹은 이러한 요소들의 혼합된 형태의 정보를 이용해서 얼굴을 검출하는 방법이다. 이 방법은 처리 시간이 빠르고 쉽게 얼굴을 찾을 수 있다는 장점을 가지고 있다. 하지만, 피부색과 유사한 배경이나 개체에 대해 오인식 할 수 있고, 조명의 밝기 변화에 따라 얼굴의 색상 및 질감 정보를 잃을 수도 있고, 얼굴의 기울어진 정도에 따라 얼굴의 특징 성분들을 검출하지 못할 수 있기 때문에 조명과 포즈, 복잡한 배경 등의 잡음에 상당히 민감한 단점이 있다. 이 방법 또한 이러한 단점을 극복하기 위해서 여러 제한조건을 제시하고 있다.

• 템플릿 매칭 방법(Template-matching Methods)

템플릿 매칭 방법이란 대상이 되는 모든 얼굴에 대한 표준 템플릿을 만든 후, 입력 영상과 비교하여 얼굴을 검출하는 방법이다. 이 방법은 얼굴의 특징 성분이 검출이 용이하도록 존재해야 할 필요가 없기 때문에 조명 변화나 배경의 영향을 덜 받게 되고, 복잡한 배경에서도 얼굴의 검출이 가능하다는 장점을 가지고 있다. 하지만, 거리에 따른 얼굴의 크기 변화와 응시 방향에 따른 얼굴의 회전각도, 기울어짐 등에 민감하다. 또한 개개인의 정보를 모두 포함하는 평균적인 템플릿의 생성이 어렵기 때문에 템플릿 제작에 상당한 노력이 필요하다는 단점이 있다. 이러한 단점은 다양한 크기와 모양의 템플릿을 제작함으로써 조금은 해결할 수 있다.

• 외형 기반 방법(Appearance-based Methods)

외형 기반 방법이란 학습 영상 집합에 의해 학습된 모델을 이용해서 얼굴을 검출하는 방법이다. 이러한 외형 기반 방법으로는 주성분 분석(Principal Component Analysis: PCA)에 의해 생성되는 고유 얼굴(eigenface), 선형판별식 해석(Linear Discriminant Analysis: LDA), 신경망(Neural Network: NN), 서포트 벡터 머신(Support Vector Machine: SVM)을 이용하는 방법 등이 있다. 이 방법들은 복잡한 영상에서 얼굴영역을 검출하기 위해 기존의 얼굴 영역과 얼굴이 아닌 영역의 학습 데이터 집단을 이용해서 학습되어진 고유 벡터들을 만들어내고 이를 이용해 얼굴을 찾는다. 이 방법은 다른 검출 방법들에서 언급된 여러 제약 조건들이 학습을 통해 극복되어지기 때문에 인식률이 높은 방법이다. 하지만, PCA나 NN, SVM 등과 같은 방법들은 데이터베이스 학습에 많은 시간이 필요하게 되고, 또한 데이터베이스가 변하게 되면 다시 학습을 시켜야 하는 단점이 있다. 따라서 얼굴검출을 위한 실시간 응용에서는 계산량이 많아지기 때문에 적절하지 못하다고 판단되어진다.

<그림1> 얼굴검출의 예

얼굴검출에 있어서의 연구할 수 있는 주제로는 얼굴의 특성을 이용하여 얼굴이라고 판단할 수 있는 기준을 만드는 분야, 크기가 각기 다른 얼굴을 잘 찾아낼 수 있도록 하는 분야, 정확한 얼굴의 영역만을 찾아낼 수 있도록 하는 것, 학습을 어떻게 할 것인가에 대한 문제, 얼굴검출 속도를 높이는 방법, 결과를 어떻게 조합할 것이냐에 대한 처리 등을 들 수 있다.

맺음말

얼굴검출 기술은 얼굴인식을 위한 핵심기술로서 실제 얼굴인식 시스템을 구축하기 위해서는 반드시 선행 연구되어야 할 기술이다. 따라서 고성능의 얼굴인식 성능을 보장하기 위해서는 우수한 얼굴검출 기술의 개발이 필수적이다. 그러나 현재의 얼굴인식과 관련된 표준화는 이미 검출이 완료된 후의 정규화된 얼굴을 기반으로 개발된 기술을 표준화 하고 있어 실제 표준 기술을 이용하여 응용 시스템 구축 시에는 따로 얼굴검출기술을 도입하여야 한다. 향후 얼굴인식 기술과 더불어 검출과 관련된 표준도 제정된다면 보다 다양한 인식기술과 접목되어 실제 응용이 더욱 확대될 것으로 생각된다.