Face detection using compound facial features for privacy protection in surveillance video

Abstract

보안에 대한 요구가 증가함에 따라 비디오 감시시스템에 대한 사람들의 관심 역시 급증하였고 주거지, 학교, 공항 등 주위에서 비디오 감시시스템을 쉽게 찾아볼 수 있게 되었다. 비디오 감시시스템은 범죄자를 검출하고 추적하거나 테러를 사전에 방지하는 등 주요한 역할을 수행한다. 하지만 이러한 목적으로 비디오 감시데이터를 공유하는 과정에서 개인의 사생활이 노출될 위험이 있다. 비디오 감시데이터로부터 노출될 수 있는 여러 개인정보 중에서 사람의 얼굴은 가장 중요한 정보이다. 특히, 사람의 얼굴로부터 신원을 확인하고 추적하는 얼굴인식 기술이 점점 발전됨에 따라 얼굴인식 기술이 오남용 될 가능성은 사생활 노출의 문제를 더욱 심화시키고 있다. 비디오 감시데이터에서 사람의 얼굴, 즉 신원이 노출되는 것을 방지하기 위해 얼굴영역을 지우거나 흐리게 하는 단순한 방법부터 얼굴영역을 스크램블링 또는 암호화하는 방법까지 다양한 연구가 진행되어 왔다. 하지만 이러한 방법들은 기본적으로 영상 내에서 정확한 얼굴의 위치와 크기가 주어졌다는 가정을 기반으로 한다. 따라서 정확하고 효과적인 얼굴검출 기술이 먼저 선행되어야 한다. 얼굴검출 기술은 얼굴인식, 얼굴추적 등 매우 다양한 범위에서 사용되고 있어 많은 연구자들에 의해 연구되어 왔으며, 특정 응용에서는 충분히 현실적으로 적용 가능한 성능을 보인다고 알려져 있다. 하지만 비디오 감시시스템에서 사생활 보호를 위한 관점에서의 얼굴검술은 여전히 여러 도전요소를 가지고 있다. 첫 번째, 비디오 감시데이터는 주로 대용량의 특징을 가지기 때문에 효과적이고 동시에 효율적인 완전자동 얼굴검출 기술을 필요로 한다. 두 번째, 비디오 감시데이터는 제약되지 않은 환경에서 얻어지고 이는 얼굴검출 성능을 저하시키는 원인이 된다. 세 번째, 사생활 보호 관점에서의 얼굴 검출은 매우 높은 재현율(recall)을 만족해야 한다. 이러한 도전요소를 해결하기 위해 본 논문에서는 복합 얼굴 특징 기반의 새로운 얼굴검출 방법을 제안한다. 공간 영역에서 다중단계의 얼굴 특징을 결합함으로써 각 얼굴 특징은 제약되지 않은 환경에서의 얼굴검출에 상호보완적으로 기여를 한다. 공간 영역에서의 분석 외에도 적응적 관심영역 검출 모델 학습, 양방향 얼굴추적 등 시간 영역에서의 분석 역시 이루어진다. 적응적 관심영역 검출 모델 학습은 전체 얼굴검출 방법이 더욱 효과적이고 효율적으로 수행되도록 도움을 주며, 양방향 얼굴추적 기술은 비디오 감시시스템에서 사생활 보호를 위한 매우 높은 재현율 유지를 가능하게 한다. 제안하는 방법은 기존의 다른 얼굴검출 방법과의 비교실험 및 분석을 통해 사생활 보호 관점에서의 여러 도전요소를 효과적으로 극복할 수 있음을 확인한다.