딥러닝 기반 포즈 변화에 강인한 귀 인식 연구

Abstract

최근 개인 고유의 생체적 특징을 활용하여 신원을 식별하는 생체 인식 기술로서 귀 인식 연구가 주목받고 있다. 또한 다양한 생체 인식 분야에서 딥러닝을 기반으로 포즈 및 조명 변화, 가림 등이 존재하는 비제약적 환경에서의 인식 성능 고도화가 이루어지면서 귀 인식 분야에서도 딥러닝 기반 연구가 진행되고 있다. 하지만 딥러닝 모델 학습에 필수적인 대규모 데이터베이스에 대한 부재와 귀 특성을 고려한 관련 연구가 아직 초기 단계로, 인식 성능에 한계가 존재한다. 이를 개선하기 위하여 본 논문에서는 비제약적 환경 기반 귀 인식 연구에 활용 가능한 K-Ear 데이터베이스를 구축하였다. K-Ear 데이터베이스는 정면으로부터 60°까지의 포즈 변화와 조명 변화, 일부 가림 등이 존재하는 다양한 환경의 귀 영상을 포함한다. 그리고 이를 활용하여, 포즈 변화에 따라 인식 성능이 저하되는 문제를 개선하기 위한 딥러닝 기반 귀 인식 모델을 제안한다. 제안하는 모델은 귀의 형태 등 고유한 특성을 고려하기 위한 전처리로 입력 영상에 zero padding을 수행하고 인식 성능 향상을 위해 VGG-16과 ResNet50 모델 기반 특징 추출 및 스코어 레벨 기반 앙상블 기법을 활용한다. 실험 결과를 통해 제안하는 귀 인식 모델이 단일 모델 활용 대비 극심한 포즈 변화에서 Rank-1 기준 30% 이상 성능이 향상되는 것을 확인하였다.