초록
가시광선 얼굴 인식 시스템은 딥러닝을 활용하여 거의 완벽에 가까운 인식 정확도를 달성한다. 그러나 조도가 부족한 환경에서는 이러한 시스템의 성능이 현저히 저하된다. 이 문제를 해결하기 위한 방법으로 열화상 이미지와 가시광선 이미지 간의 도메인 간 얼굴 매칭(thermal to visible cross-domain face matching) 기술이 주목받고 있다. 이 기술은 야간 감시에 매우 유용하므로 매우 바람직한 기술로 평가된다. 그러나 두 도메인 간의 상당한 차이로 인해 매우 도전적인 얼굴 인식 문제로 남아 있다. 본 논문에서는 가시광선 얼굴 이미지와 열화상 얼굴 이미지 간의 매핑을 학습하기 위해 딥 오토인코더 기반의 시스템을 제안한다. 또한, 열화상에서 가시광선으로의 얼굴 인식 성능에 있어 정렬(alignment)의 영향을 평가한다. 이를 위해 Carl 및 EURECOM 데이터셋에 대한 얼굴 특징점(landmarks)을 수동으로 주석화하였다. 제안된 방법은 공개된 세 가지 데이터셋—Carl, UND-X1, EURECOM—에서 광범위하게 평가되었다. 실험 결과, 제안한 방법이 기존 최고 수준의 성능을 크게 향상시킴을 확인하였다. 특히, 정렬이 성능을 약 2% 향상시킨다는 점을 관찰하였다. 본 연구에서 주석화된 얼굴 특징점 위치 정보는 다음 링크에서 다운로드 가능하다: github.com/Alpkant/Thermal-to-Visible-Face-Recognition-Using-Deep-Autoencoders.