라즈베리 파이 카메라 인식 헤커톤

학습을 통한 얼굴인식 카메라

1. 먼저 라즈베리파이의 동영상에서 실시간으로 사람의 얼굴을 인식 시킨다.

2. 인식된 사람의 이미지를 파일로 저장해둔다. 학습 후 각 사람의 특징을 추출 해내고 이를 통해 카메라의 영상에서 실시간으로 사람들을 구별해본다.

3. 데이터 수집, 학습, 인식 단계로 크게 3가지의 방식으로 진행된다. 학습 단계의 경우 저장된 이미지의 파일들에서 특징을 추출 해낸다. 이후 마지막 단계의 카메라의 영상에서 실시간으로 사람들을 구별한다.

4. 표본이 많을 수록 정확한 값 도출 가능

1. Python과 OpenCV를 사용 라즈베리 파이 카메라 사용

2. OPEN CV HAAR feature-based cascade classifiers 사용

3. 개인의 얼굴을 학습시켜 각 사람별로 구별하기 (데이터 수집) 첫 번째

4. 개인의 얼굴을 학습시켜 각 사람별로 구별하기 (학습) 두 번째

5. 개인의 얼굴을 학습시켜 각 사람별로 구별하기 (인식 : 최종 단계) 세 번째

도출 결과 중요한 것 몇 가지를 찾아냈다.

1. 마스크를 쓴 경우는 인식이 되지 않았다.

2. 표본 수집에 있어서 여러 날에 걸쳐서 사진을 찍어 두는 것이 효과적이다. 즉 표본이 많을 수록 좋다.

3. 표본을 등록하더라도 2명이 동시에 카메라 앞에 서면 둘 다 인식하지 못한다.

1. 방범 장치에 활용할 수 있다. 출입문 안면 인식 시스템에서 얼굴이 등록 되지 않은 낯선 사람의 침입을 미리 방지 할 수 있다.

2. 1번 경우에서 활용도를 늘리면 얼굴이 등록된 사람은 별도의 절차 없이 빠르게 통과 할 수 있다.

3. 원격진료의 안면 인식을 활용하여 여러 환자의 병원 차트를 빠르게 확인 할 수 있다.

활용방안에 비추어 추가 설명

1. 안면 인식 방범 장치를 사용할 경우 별도의 관리인 비용이 추가로 들지 않고 신속하게 일처리를 할 수 있다.

2. 안면 인식 출입 장치를 이용하면 정보 보안에 있어서 큰 이점이 있고, 외부인의 접근을 원천 차단할 수 있다.

3. 환자들을 빠르게 파악 할 수 있어 의료진들의 노동력을 절감 할 수 있다.