객체 탐지를 위한 방식은 일반적으로 기계 학습 기반 접근 또는 딥 러닝 기반 접근으로 분류된다.
특장점
기계 학습 접근의 경우 우선 아래의 방식들 가운데 하나를 사용하여 정의한 다음 서포브 벡터 머신(SVM) 등의 기법을 사용하여 분류하는 일이 필요하다. 한편, 딥 러닝 기법은 기능을 구체적으로 정의하지 않고서도 단대단 객체 탐지를 할 수 있으며 합성곱 신경망(CNN)에 기반을 두는 것이 보통이다.
활용
컴퓨터 비전과 이미지 처리와 관련된 컴퓨터 기술로, 디지털 이미지와 비디오로 특정한 계열의 시맨틱 객체 인스턴스(예: 인간, 건물, 자동차)를 감지하는 일을 다룬다. 잘 연구된 객체 탐지 분야로는 얼굴 검출, 보행자 검출이 포함된다. 객체 탐지는 영상 복구, 비디오 감시를 포함한 수많은 컴퓨터 비전 분야에 응용되고 있다.
Face Recognition
얼굴의 특징점을 추출하여, 저장된 데이터베이스 내 자료와 비교하여 신원을 확인하는 기술을 말한다.
특장점
얼굴의 특징점을 추출하는 방법은 아래와 같다.
- 동맥과 정맥을 통한 피의 흐름에 생기는 Heat Spot(열점)을 인식하는 적외선 카메라를 사용한 열상 인식 방법 - 3차원 측정기를 이용하여 눈, 입, 콧구멍, 턱 간의 각도와 거리, 뼈 돌출 정도 등 얼굴의 특징점을 파악하는 방법 등
활용
최근 딥러닝과 같은 인공지능(AI) 기술을 이용하여 안면인식의 정확도가 높아짐에 따라 공공, 출입관리, 금융, 유통 등 다양한 분야에서 적용 사례가 급속도로 늘어나고 있다. 향후에는 안면인식 기반의 신원 식별 서비스를 적용하고자 하는 경우에는 정보 주체가 유통되는 안면인식 정보의 수집, 저장, 이용, 폐기 전 과정에 참여하여 자신의 정보를 관리할 수 있도록 해야 하며, 외부로 정보 유출 등이 발생하지 않도록 안전하게 관리할 방안이 마련되어야 할 것이다.
Object tracking
일련의 영상 프레임 내 객체의 크기, 색, 모양, 윤곽선 등 특징적인 정보 간의 유사도를 이용하여 객체의 변화를 추정하는 기술이다.
특장점
영상에서 관심있는 물체가 움직이는 path가 얼마나 그 전 프레임과 유사한지 알아낸 다음 동일 객체라고 인식하게 되면, 그 물체를 계속 Tracking 하는 것이라 할 수 있다. 객체를 Tracking 하는 방법에는 Point Tracking, Kernel Tracking, Silhouette 등이 있다.
활용
카메라로 촬영되는 영상에서 사람, 동물, 차량 등 특정 객체(Object)의 위치 변화를 찾는 다양한 분야에서 활용된다. 특히 실시간 영상보안, 영상통화, 교통통제, 증강현실 등에서 활발하게 활용된다.
