보안 카메라는 얼굴을 찾기 위해 만들어졌습니다. 새로운 연구에 따르면 그들은 곧 또 다른 목표, 즉 걷는 방식에 묻혀 있는 작은 습관을 갖게 될 수도 있다고 합니다.
International Journal of Reasoning-based Intelligent Systems에 게재된 논문에서는 SKDMap-Net을 카메라가 사람의 얼굴을 깨끗하게 보지 못하는 경우에도 걷는 영상에서 사람을 식별하도록 설계된 보행 인식 시스템이라고 설명합니다. 클로즈업 스캔에 의존하는 대신 신체가 프레임에서 프레임으로 움직이는 방식을 연구합니다.
그것은 똑같이 유용하면서도 불편합니다. 누군가가 멀리 있거나, 옆으로 돌아섰거나, 부분적으로 숨겨져 있는 경우에도 신원 확인을 위해 걷는 것만으로도 충분할 수 있습니다. 이 모델은 하나의 주요 보행 데이터 세트에서 95.8%의 정확도를 달성했고, 더 어려운 실제 데이터 세트에서는 83.7%의 랭크 1 정확도를 달성했습니다.
걷기가 더 멀리 갈 수 있는 이유
얼굴, 지문, 홍채는 모두 동일한 실용적인 벽에 부딪칩니다. 그들은 많은 보안 카메라가 얻을 수 없는 근접하고 명확한 캡처가 필요합니다.
걷기는 시스템이 작업할 수 있는 공간을 더 많이 제공합니다. 카메라에는 완벽한 조명 아래 가만히 서 있는 사람이 필요하지 않습니다. 보폭, 타이밍, 사지 움직임에 따라 형성된 움직임 패턴을 연구할 수 있습니다.
보안 연구에서 보행 인식이 계속 등장하는 이유도 바로 이 때문이다. 얼굴이 흐릿하거나, 각도가 다르거나, 너무 작아서 신뢰할 수 없을 때 장거리 카메라에 또 다른 식별 신호를 제공합니다.
AI가 움직임을 읽는 방법
SKDMap-Net은 걷기를 평평한 윤곽선으로 취급하지 않습니다. 나쁜 카메라 각도와 같은 여러 요인으로 인해 윤곽선이 빠르게 지저분해질 수 있습니다.
대신 시스템은 몸체를 움직이는 지점으로 나누고 시간이 지남에 따라 해당 지점이 어떻게 동작하는지 추적합니다. 관절이 어떻게 구부러지고, 얼마나 빨리 회전하며, 걷는 동안 리듬이 어떻게 변하는지 연구합니다.
시야가 더 나빠질 때 도움이 됩니다. 하체가 막혀 있으면 모델은 다리가 없어 추측하는 대신 상체 움직임에 더 많은 비중을 둘 수 있습니다. 모양만 보는 것이 아니라 움직임을 관찰하는 것입니다.
프라이버시가 어색해지는 곳
카메라가 원본 비디오를 저장하는 대신 골격 데이터를 처리하는 보다 깨끗한 버전이 있습니다. 이렇게 하면 식별 가능한 영상이 보안 시스템을 통해 이동하는 양이 줄어들 수 있습니다.
그것은 아이디어를 무해하게 만들지 않습니다. 보행은 여전히 행동 생체 인식입니다. 즉, 걷는 패턴을 사용하여 얼굴이 제거된 경우에도 누군가를 재식별할 수 있습니다.
더 나은 장거리 보안 점검을 통해 대중의 움직임을 더 쉽게 추적할 수도 있습니다. “정상적인 보행”이 끔찍한 개인 정보 보호 조언이 되기 전에 기술에는 저장, 액세스 및 배포에 대한 엄격한 규칙이 필요합니다.
관련 정보는 아래 링크에서 확인하세요