제약 조건이 없는 시나리오에서 모바일 장치를 이용해 수집한 새로운 주안구 데이터셋

최근에는 가시광선 영역에서 촬영된 이미지를 이용한 제약 없는 환경에서의 안구 생체 인식 기술에 대한 연구자들의 관심이 높아지고 있으며, 특히 모바일 장치를 통해 촬영된 이미지에 주목하고 있다. 이리스 특징이 가림 또는 낮은 이미지 해상도로 인해 이용 불가능한 경우, 주변안구(periocular) 인식이 유용한 대안으로 제시되고 있다. 그러나 주변안구 특징은 이리스 특징에 비해 높은 고유성(유일성)을 가지지 못한다는 한계가 있다. 따라서 주변안구 영역에서 구별 가능한 정보를 효과적으로 추출할 수 있는 생체 인식 시스템의 성능을 평가하기 위해서는 대규모의 다수 피험자 데이터셋이 필수적이다. 또한 주변안구 영역 내에서 조명 조건 및 개인적 특성에 의해 발생하는 클래스 내 변동성(Within-class variability)을 해결하기 위해, 동일한 피험자가 서로 다른 세션에서 촬영된 이미지를 포함한 데이터셋의 활용이 매우 중요하다. 그러나 기존 문헌에서 제공되는 데이터셋은 이러한 모든 요소를 모두 포함하지 못하고 있는 실정이다. 본 연구에서는 1,122명의 피험자로부터 3회의 세션에 걸쳐 총 196대의 다양한 모바일 장치를 이용해 촬영한 주변안구 이미지를 포함하는 새로운 데이터셋을 제안한다. 촬영 환경은 제약 없는 상태이며, 참가자들에게 단 하나의 지시만 내렸다: 눈을 관심 영역에 위치시키도록 하는 것이다. 또한 다수의 합성곱 신경망(Convolutional Neural Network, CNN) 아키텍처와 최신 기술 기반의 다중 클래스 분류(Multi-class Classification), 다중 작업 학습(Multitask Learning), 쌍별 필터 네트워크(Pairwise Filters Network), 시아메스 네트워크(Siamese Network) 기반의 모델들을 활용한 광범위한 벤치마킹을 수행하였다. 폐쇄세계(_CLOSED-WORLD) 및 개방세계(OPEN-WORLD) 프로토콜에서 식별 및 인증 작업에 대한 실험 결과를 분석한 결과, 주변안구 인식 분야는 여전히 심층적인 연구 및 개발이 필요함을 시사한다.