Question 1

얼굴 인식 검색엔진에서 말하는 “컴퓨터 비전(컴퓨터 비전)”은 정확히 어떤 역할을 하나요?

Accepted Answer

얼굴 인식 검색엔진에서 컴퓨터 비전은 (1) 이미지에서 얼굴을 찾는 얼굴 검출, (2) 각도·크기·기울기를 맞추는 정렬, (3) 흐림·가림·해상도 등을 평가하는 품질 판단, (4) 얼굴을 비교 가능한 숫자 표현(특징)으로 바꾸는 특징 추출, (5) 데이터베이스의 얼굴 특징들과 유사도를 계산해 후보를 정렬·표시하는 검색(매칭)까지의 전체 과정을 담당합니다. 즉 ‘사진을 알아보는 눈’ 역할을 하는 기술 묶음입니다.

Question 2

얼굴 인식 검색에서 ‘얼굴 검출’과 ‘얼굴 인식(매칭)’은 무엇이 다르며, 왜 둘 다 중요한가요?

Accepted Answer

얼굴 검출은 사진 속에서 “얼굴 영역이 어디인지”를 찾아 잘라내는 단계이고, 얼굴 인식(매칭)은 잘라낸 얼굴이 “누구와 가장 비슷한지”를 비교하는 단계입니다. 검출이 잘못되면(얼굴이 반쯤 잘리거나 다른 사람 얼굴을 잡는 경우) 이후 매칭 정확도가 크게 떨어집니다. 그래서 FaceCheck.ID 같은 서비스에서도 먼저 검출·정렬이 안정적으로 수행되어야 매칭 결과를 해석할 가치가 생깁니다.

Question 3

얼굴 인식 검색엔진은 왜 마스크·선글라스·측면 얼굴(프로필)에서 성능이 떨어지나요?

Accepted Answer

컴퓨터 비전 기반 얼굴 매칭은 보통 눈·코·입 주변의 안정적인 특징과 얼굴 윤곽의 관계를 많이 활용합니다. 마스크·선글라스·머리카락 가림, 강한 측면 각도, 극단적인 조명(역광), 저해상도·모션 블러가 있으면 핵심 특징이 가려지거나 왜곡되어 특징 추출이 불안정해집니다. 그 결과 ‘같은 사람을 놓치거나(미탐)’ ‘다른 사람을 비슷하다고 올려버리는(오탐)’ 가능성이 커집니다.

Question 4

얼굴 인식 검색엔진이 ‘닮은 사람(도플갱어)’이나 가족·쌍둥이를 헷갈릴 수 있는 컴퓨터 비전 이유는 무엇인가요?

Accepted Answer

얼굴 인식 모델은 사람의 정체성을 ‘이름’으로 아는 것이 아니라, 얼굴에서 뽑은 특징 벡터 간의 거리(유사도)로만 판단합니다. 가족·쌍둥이·매우 닮은 사람은 특징 공간에서 서로 가까이 모일 수 있어 상위 후보에 함께 뜨기 쉽습니다. 또한 렌즈 왜곡, 피부 보정, 해상도 차이 같은 촬영 조건이 달라지면 같은 사람도 멀어지고 다른 사람이 가까워질 수 있어, “비슷하게 나왔다”는 사실만으로 동일인 결론을 내리기 어렵습니다.

Question 5

얼굴 인식 검색엔진을 속이기(우회하기) 위한 ‘적대적 이미지/보정/합성’이란 무엇이며, 사용자는 어떻게 대비해야 하나요?

Accepted Answer

적대적(Adversarial) 이미지는 컴퓨터 비전 모델이 오판하도록 미세한 패턴을 넣거나, 과도한 보정·필터·합성(생성 이미지 포함)으로 특징을 왜곡해 매칭을 불안정하게 만드는 시도를 말합니다. 사용자는 (1) 과도한 필터·스무딩·얼굴 리터칭이 있는 사진은 ‘참고용’으로만 취급하고, (2) 서로 다른 출처/시점의 여러 사진으로 반복 확인하며, (3) 원본에 가까운 고해상도·정면·무표정 사진과 비교해 일관성이 있는지 보는 방식으로 위험을 줄일 수 있습니다. FaceCheck.ID 같은 도구를 쓰더라도 “모델이 본 것”과 “현실의 동일인”은 다를 수 있다는 전제를 유지하는 것이 핵심입니다.

컴퓨터 비전이란? 뜻·원리·활용 분야 한눈에 설명