한국인 안면 이미지 데이터를 활용한 얼굴 인식 출석 자동화 시스템 프로젝트입니다.
프로젝트 계획서
(https://junho1224.notion.site/36623873b91740a48b7da7fef9e61d5f)
프로젝트 계획서입니다. 총 5명의 조원이 협업했습니다.🙋♂️🙋♂️🙋♂️
프로젝트 진행 기간은 2022-12-19 ~ 2022-12-27 9일 소요되었습니다.
주제선정 - 데이터 수집/전처리 - Model 학습 및 강화 - 결과 Report(평가 및 검증) 순으로 진행하였습니다.🐼🐼🐼
프로젝트 내용
주제 선정 : 안면 인식 출석 시스템 구축
데이터 수집 및 전처리
데이터 수집
한국과학기술원 인공지능 연구단에서 제공한 약 800만장의 한국인 안면 이미지 활용
데이터 전처리
1) 데이터 범위 설정(약 800만개 데이터 => 약 9만개 데이터)
화질(3) - ID(400) - 악세서리(6) - 조명세기(30) - 표정(3) - 각도(13) 에서
고화질(1) - ID(400) - 악세서리(6) - 조명세기(1) - 표정(3) - 각도(13) 데이터만 추출
2) yolo 활용을 위한 이미지별 boxing 좌표 txt 파일 전처리
3) Image Generator에 적합한 형태로 전처리
train 폴더 - 악세서리001표정01 폴더 - ID001카메라01.jpg...ID400카메라_13.jpg (validation폴더, test폴더 이하 동)
yolo를 활용한 이미지데이터 안면 박싱 모델
1) yolo v5 기반 모델 활용 : 다양한 epoch을 시도하여 mAP 최적화
2) 주어진 프로젝트 시간에 적절한 학습 속도/ 모델 성능 최적화를 고려한 화질 재설정( 576x864 -> 200x300 )
3) 전처리된 원본데이터의 얼굴 박싱 좌표 학습
4) 평가 및 검증
metrics/mAP_0.5 : 0.9929
metrics/mAP_0.5:0.95 : 0.8358
추출된 안면 이미지에서 악세서리와 표정 분류
1) CNN & DNN 모델 활용
2) Image Generator 활용
주어진 프로젝트 시간에 맞는 학습 속도/ 모델 성능 최적화를 고려한 화질 재설정( 576x864 -> 200x300 )
3) 다양한 규제 시도 후 acc 최적화
4) 평가 및 검증
train_acc : 92.8%
val_acc : 88.6%
test_acc : 89.2%
카메라 및 웹페이지 활용 시스템 구축
1) 실시간 카메라 촬영 환경 구축/검증
안면 박싱 모델과 악세서리/표정 분류 모델 임계치 조절
학생들 각사진을 학습시켜 신상/악세서리 등을 분류하여 출석되는 시스템 구축
출석 확인 시 신상정보 및 전자 음성 출력
2) 웹페이지 활용 출석 로그 출력
실시간 카메라 작동으로 신상/악세서리 등을 분류
웹페이지로 해당 인물의 출석 정보 로그 출력
한계점 및 향후 개발 방향
한계점
1) 머리카락을 모자로 인식하는 경우가 많아 성능이 떨어짐
2) 표정에 대한 분류가 어려워 실시간 카메라를 활용한 시스템까지는 적용시키지 못함
향후 개발 방향
1) 원본데이터 약 800만장 전부 활용하여 모델 성능을 끌어올릴 수 있음
2) 학습한 이미지 데이터의 화질과 카메라 화질을 일치시키면 성능을 더욱 끌어올릴 수 있음
감사합니다.🐸🐸🐸
참고
딥러닝안면 인식 출석 시스템프로젝트 (2) 글에 기재된 코드 참고하시면 되겠습니다.