렌즈 없는 암호화된 이미지에서 신경망 기반 특징 추출을 통한 언더 디스플레이 얼굴 인식 시스템

본 연구에서는 투명한 마이크로 LED 디스플레이, 진폭 변조를 위한 특별히 설계된 마스크, CMOS 센서 및 심층 학습 모델로 구성된 세계 최초의 언더 디스플레이 렌즈 없는 얼굴 인식 시스템을 소개합니다. 이러한 렌즈 없는 광학 구성 요소를 활용하여 시스템은 입력된 얼굴 정보를 광학적으로 암호화할 수 있으며, 이미징 평면에서의 빛의 장 정보가 인간에 의해 이해될 수 없도록 보장합니다. 얼굴 이미지를 암호화하는 기존 기술과 비교했을 때, 이 접근 방식의 장점은 시스템이 명확한 얼굴 특징을 포착하지 않기 때문에 근본적으로 사용자 프라이버시를 보호한다는 것입니다. 이러한 인간이 이해할 수 없는 이미지에서 효과적이고 일반화 가능한 특징을 추출하기 위해 심층 학습 모델을 기반으로 한 인식 알고리즘을 제안합니다. 그러나 인식 시스템에 사용되는 기존 심층 학습 모델은 고정된 클래스 수를 가지고 있어 사용자 등록 또는 제거 시 모델을 재훈련시켜야 합니다. 이 문제를 해결하기 위해, 우리는 잘 훈련된 모델의 출력 층을 제거하고 대신 잠재 공간에서 각 렌즈 없는 이미지와 등록된 얼굴 템플릿 간의 거리를 비교하는 방법으로 인식 작업을 수행할 것을 제안합니다. 이렇게 하면 시스템이 심층 학습 모델을 재훈련하지 않고도 새로운 사용자를 성공적으로 등록하고 인식할 수 있습니다. 우리의 실험 결과에 따르면 이 시스템은 93.02%의 정확도, 97.51%의 정밀도 및 97.74%의 특이성을 유지하면서 사용자 프라이버시를 보호하는 안정적인 인식 성능을 제공할 수 있습니다.