Face Recognition 라이브러리와 Google Colab을 활용한 얼굴 인식 구현하기

Face Recognition 라이브러리와 Google Colab을 활용한 얼굴 인식 구현하기

안녕하세요. 오늘은 Google Colab 환경에서 face_recognition 라이브러리를 사용해서 얼굴 인식을 구현하는 방법을 소개하려고 합니다.

 

 

 

 

Face Detection과 Recognition의 이해

얼굴 인식 기술은 크게 두 가지 단계로 나눌 수 있습니다.

1. Face Detection(얼굴 감지)

• 이미지에서 얼굴이 있는 영역을 찾아내는 기술입니다.
• HOG(Histogram of Oriented Gradient) 알고리즘을 주로 사용합니다.

1. Face Recognition(얼굴 인식)

• 감지된 얼굴이 누구의 얼굴인지 식별하는 기술입니다.
• 얼굴 특징을 인코딩하여 기존 데이터와 비교하는 방식으로 동작합니다.

 

 

Google Colab 환경 설정

먼저 Google Colab에서 GPU를 사용하도록 설정합니다.

# GPU 사용 설정
from google.colab import drive
drive.mount('/content/drive')

# face_recognition 패키지 설치
!pip install face_recognition

 

 

Face Detection 구현하기

HOG 모델을 사용한 기본적인 얼굴 감지 코드입니다

import face_recognition
import cv2
import matplotlib.pyplot as plt
import numpy as np

# 이미지 로드
image_path = "/content/drive/MyDrive/image.jpg"
image = face_recognition.load_image_file(image_path)

# 얼굴 위치 찾기
face_locations = face_recognition.face_locations(image)

# 찾은 얼굴에 사각형 그리기
for face_location in face_locations:
    top, right, bottom, left = face_location
    cv2.rectangle(image, (left, top), (right, bottom), (0, 255, 0), 2)

# 결과 출력
plt.figure(figsize=(10,10))
plt.imshow(image)
plt.show()

 

 

 

Face Recognition 구현하기

얼굴을 비교하여 동일인 여부를 판단하는 코드입니다.

def compare_faces(known_image_path, unknown_image_path):
    # 기존 이미지와 새 이미지 로드
    known_image = face_recognition.load_image_file(known_image_path)
    unknown_image = face_recognition.load_image_file(unknown_image_path)
    
    # 얼굴 영역 인코딩
    known_encoding = face_recognition.face_encodings(known_image)[0]
    unknown_encoding = face_recognition.face_encodings(unknown_image)[0]
    
    # 거리 계산
    distance = face_recognition.face_distance([known_encoding], unknown_encoding)
    
    # 동일인 판단 (거리가 0.6 미만이면 동일인으로 판단)
    is_same = distance < 0.6
    
    return is_same[0], distance[0]

# 사용 예시
result, distance = compare_faces("person1.jpg", "unknown.jpg")
print(f"동일인 여부: {result}")
print(f"얼굴 거리: {distance:.4f}")

 

 

 

주요 포인트 총 정리

Distance 값 해석

• 0.6 미만: 동일인일 가능성이 높습니다.
• 0.6 이상: 다른 사람일 가능성이 높습니다.
• 더 엄격한 기준을 원한다면 0.5를 기준으로 설정할 수 있습니다.

 

2. GPU 활용

• Google Colab의 GPU를 활용하면 처리 속도를 크게 향상시킬 수 있습니다.
• 특히 다수의 얼굴을 처리할 때 효과적입니다.

 

 

 

추후 프로젝트 적용 

이번 포스팅에서는 Google Colab과 face_recognition 라이브러리를 활용한 얼굴 인식 시스템 구현 방법을 살펴보았습니다. 이 기술을 활용해 추후 다음과 같은 프로젝트들을 시도해보려고 합니다.

 

1. 사진 관리 애플리케이션

• 개인 사진첩에서 특정 인물 사진만 자동으로 분류하기
• 단체 사진에서 원하는 인물이 있는 사진 찾기

1. 출입 보안 시스템

• 웹캠을 이용한 실시간 얼굴 인식 도어락 시스템
• 사무실/학교 출석 체크 자동화

1. 소셜 미디어 기능

• 사진 업로드 시 자동 태그 추천
• 얼굴 기반 필터 적용 기능

 

 

앞으로는 이 기본 구현을 바탕으로 실시간 얼굴 인식이나 다중 얼굴 처리 등 더 발전된 기능을 구현해보고자 합니다. 또한 정확도를 높이기 위해 다양한 딥러닝 모델을 적용해보는 것도 좋은 도전이 될 것 같습니다.