핵심 정리
- 얼굴 검출은 사진이나 영상에서 얼굴이 있는지, 몇 개 있는지, 어디에 있는지를 네모 칸으로 표시하는 일이에요.
- 결과는 네모의 자리와 크기, 그리고 얼마나 확신하는지의 숫자예요. 누구인지는 알아내지 않아요.
- 화면의 자리마다 얼굴 같은지 점수를 매겨요. 요즘은 화면 전체를 한 번에 계산해 자리마다 답을 내요. 멀리 있는 작은 것과 가까운 큰 것을 모두 찾으려면 크기를 바꿔 가며 살펴요.
- 한 자리에 네모가 여럿 겹쳐 나오면 가장 확신이 높은 하나만 남기고 정리해요.
- 자동 초점, 미소 감지, 흐림 처리처럼 뒤따르는 기능의 출발점이 되는 단계예요.
비유로 이해하기
옷을 만들 때는 천을 그냥 자르지 않아요. 종이로 만든 옷본을 천 위에 올려놓고, 결이 맞는 자리를 찾을 때까지 이리저리 옮겨 대 봐요. 맞는 자리를 찾으면 본의 둘레를 따라 초크로 선을 그어 두고, 자르는 일은 그다음에 해요.
옷본은 한 벌이 아니에요. 같은 모양이라도 크기별로 여러 벌을 두고, 큰 조각을 뜰 때는 큰 본을, 소매 같은 작은 조각을 뜰 때는 작은 본을 대요. 천 한 장에서 여러 조각을 떠야 하니 표시도 여러 군데에 생겨요.
얼굴 검출이 하는 일이 이 초크 표시예요. 사진 위를 조금씩 옮겨 가며 얼굴 모양 틀에 맞는 자리를 찾고, 맞는 자리마다 네모를 그려 둬요. 그 안에 든 사람이 누구인지는 아직 묻지 않아요.
자세히 알아보기
화면의 자리마다 얼굴인지 따져요
예전 방식은 작은 창을 화면 왼쪽 위에 놓고 "이 안이 얼굴 같은가"를 물은 다음, 창을 조금 옮겨 다시 묻는 식으로 화면 전체를 훑었어요. 창을 옮기는 폭이 좁을수록 촘촘히 보지만 그만큼 오래 걸렸어요.
요즘 방식은 창을 하나씩 옮기는 대신 화면을 격자로 나누고 칸마다 한 번에 답을 내놔요. 칸마다 "여기에 얼굴이 있을 가능성"과 "있다면 네모가 어디부터 어디까지인지"를 함께 내보내요. 화면 전체를 한 번 계산하는 것으로 끝나서 훨씬 빨라요.
이 훑기가 끝나면 후보 네모가 수백 개씩 쏟아져요. 대부분은 확신 값이 아주 낮아서 바로 버려지고, 기준선을 넘긴 몇 개만 다음 단계로 넘어가요.
크기를 바꿔 가며 여러 번 봐요
같은 얼굴이라도 카메라에서 멀면 화면에서 아주 작게, 가까우면 크게 잡혀요. 창 크기를 하나로 고정하면 그중 한쪽만 찾게 돼요. 그래서 사진을 여러 크기로 줄여 가며 같은 훑기를 반복하거나, 크기가 다른 기준 네모를 여러 벌 두고 한 번에 점수를 매겨요.
이 대목이 검출 속도를 가르는 지점이에요. 크기 단계를 많이 두면 작은 얼굴까지 잘 잡지만 계산이 몇 배로 늘어요. 실시간으로 돌아야 하는 웹캠 도구는 단계를 적게 두는 대신 아주 작은 얼굴은 포기하는 쪽을 고르기도 해요.
체험 도구에서 뒤로 물러나면 어느 순간 네모가 사라지는 경험을 하게 되는데, 그 지점은 얼굴이 너무 작게 잡혀 얼굴다움 점수가 기준선 아래로 떨어진 순간이에요. 가장 작은 크기 단계보다 작아지면 특히 이렇게 돼요.
겹친 네모를 하나로 정리해요
한 얼굴 위에 네모가 하나만 뜨는 일은 드물어요. 조금씩 어긋난 자리와 크기로 여러 개가 동시에 걸려요. 사람 눈에는 같은 얼굴이지만 계산 쪽에서는 서로 다른 후보예요.
그래서 마지막에 정리 단계를 둬요. 확신 값이 가장 높은 네모를 먼저 남기고, 그것과 많이 겹치는 다른 네모는 같은 대상으로 보고 지워요. 남은 것 중에서 다시 가장 높은 것을 고르는 일을 반복하면 얼굴 하나에 네모 하나가 남아요.
겹침을 얼마나 봐줄지는 조절할 수 있어요. 기준을 너무 빡빡하게 잡으면 나란히 붙어 선 두 사람이 한 명으로 합쳐지고, 너무 느슨하게 잡으면 한 얼굴에 네모가 두세 개 남아요.
있는지까지만, 누구인지는 그다음이에요
검출이 내놓는 답은 자리와 크기, 확신 값이 중심이에요. 눈·코·입 자리 몇 개를 덧붙여 주는 도구도 있어요. 그 안의 사람이 누구인지는 검출의 일이 아니에요. 이름을 알아내는 일은 다음 단계인 얼굴 인식이 맡아요.
이 구분이 중요한 이유가 있어요. 카메라 앱의 자동 초점, 화상 회의의 배경 흐림, 영상 속 얼굴 모자이크처럼 우리가 매일 쓰는 기능 대부분은 자리만 알면 충분해요. 검출 단계는 누구인지 알아내는 계산을 하지 않아요. 다만 얼굴이 찍힌 사진 자체는 개인을 알아볼 수 있는 정보라, 그것을 저장하거나 보내는지는 서비스마다 달라요.
검출은 뒤따르는 거의 모든 얼굴 관련 처리의 첫 단계이기도 해요. 눈꼬리와 입꼬리 같은 기준점을 찍는 일도, 표정이나 나이를 짐작하는 일도, 먼저 얼굴이 든 네모를 잘라 낸 다음에 시작해요.
조금 더 정확하게
얼굴 검출은 물체 검출의 한 갈래예요. 찾을 대상이 얼굴 하나로 고정된 대신, 눈·코·입 자리 몇 개를 함께 내놓거나 얼굴이 얼마나 돌아갔는지를 같이 내주는 도구가 많아요. 결과 네모는 왼쪽 위 자리와 폭·높이, 또는 두 모서리의 자리로 나타내요. 도구에 따라 화면 크기로 나눈 비율로 내놓아 사진 크기가 달라져도 그대로 쓰이게 하기도 해요.
성능은 두 방향의 실수로 이야기해요. 얼굴인데 못 찾는 쪽과, 얼굴이 아닌데 찾았다고 하는 쪽이에요. 확신 값의 기준선을 낮추면 앞쪽 실수가 줄고 뒤쪽 실수가 늘어요. 어느 쪽이 더 곤란한지는 쓰임에 따라 달라서, 기준선은 서비스마다 다르게 잡아요.
비유가 어긋나는 지점도 있어요. 옷본은 모양이 딱 정해진 종이라서 맞거나 안 맞거나 둘 중 하나지만, 검출은 정해진 틀을 대 보는 게 아니에요. 학습 과정에서 본 수많은 예시로부터 "얼굴다움"을 점수로 매기는 방식이라, 벽지 무늬나 콘센트 구멍처럼 배치가 비슷한 것에 네모가 그어지기도 해요. 반대로 옆으로 많이 돌아간 얼굴, 마스크에 가려진 얼굴, 어두운 조명에서는 학습 때 드물었다는 이유로 놓치기도 해요. 학습 자료에 특정 피부색이나 연령대가 적었다면 그 쪽에서 더 자주 놓치는 치우침도 생겨요.
직접 해보기
흔한 오해
얼굴을 찾았으면 누구인지도 안다고 생각하기 쉽지만, 실제로는 자리와 크기만 나올 뿐 신원을 알아내는 일은 얼굴 인식이라는 별개 단계예요.
네모가 없으면 얼굴이 없는 것이라고 여기기 쉽지만, 실제로는 각도와 밝기, 크기 때문에 있는 얼굴을 놓치는 경우가 자주 있어요.
사람 얼굴에만 네모가 그어진다고 믿기 쉽지만, 실제로는 포스터 속 인물이나 인형, 무늬가 비슷한 사물에도 네모가 그어져요.
한 줄 요약
얼굴 검출은 화면의 자리마다, 크기마다 얼굴 같은지 따져 네모를 그려 두는 일이고, 그 안이 누구인지는 묻지 않아요.
잘못된 내용이나 더 좋은 비유가 있나요? 수정 제안 보내기 · 마지막 수정 2026-10-17