프로젝트 주제
CNN을 활용한 안면인식 암호 해제 시스템 구축
•
1st Verification: 인물 확인
•
2nd Verification: Gesture 확인
암호 해제 과정을 두 단계로 나누어서 이중 보안 장치를 구축하였다.
데이터
Teachable Machine에서 웹캠을 이용하여 조원들의 사진을 촬영하여 데이터로 활용하였다.
1st Verification
•
총 2400개의 Data
•
Target: 조원 label(nominal)
•
Input Data: 조원들 Image
2nd Verification
•
총 2334개의 Data
•
Target: Gesture label(Binary, 입을 열었는지 여부)
•
Input Data: 조원들의 gesture image
모델 및 성능
CNN(Convolutional Neural Networks) 모델을 사용하였다.
1st Verification
2층의 Convolutional Layer를 사용하였으며 자세한 구조는 다음과 같다.
•
softmax_cross_entropy with logits 으로 error 확률값 구함.
•
AdamOptimizer 사용
•
Batch Size: 512
•
Train Epoch: 60
1st Verification에서의 Test Accuracy는 약 0.99가 나왔다.
2nd Verification
기본적인 구조는 1st Verification의 구조와 비슷하고 batch size 등에서만 조금 차이가 있다.
•
Batch Size: 1024
•
Train Epoch: 100
2nd Verification에서의 Test Accuracy는 약 0.76가 나왔다.
결론
이중 보완 장치를 고안했던 이유는 현재 우리의 Input Data가 조원들의 사진밖에 없었기 때문에 조원들과 유사한 얼굴을 가진 사람이라면 보완이 뚫릴 수 있다는 한계가 존재했기 때문이다. 그러나 결국 Gesture 마저도 아는 사람이 나타나면 보완은 뚫릴 수 밖에 없다. 또한 Gesture의 Label이 입을 연 것과 닫은 것 두 가지밖에 없는 것도 한계점이 될 수 있다. 이를 극복하기 위해서는
•
조원들을 제외한 다른 사람들의 Image를 구해서 Label을 추가한다.
•
Gesture의 Label을 다양화한다.
등의 보완책이 필요할 것이다.
Table
Search