얼굴 인식Face Recognition

얼굴을 숫자 묶음으로 줄여 둬요

인식의 첫 단계는 얼굴이 든 자리를 잘라 내 크기와 기울기를 맞추는 일이에요. 눈꼬리와 입꼬리 같은 기준점을 찍어 두고, 그 점들이 늘 비슷한 자리에 오도록 사진을 돌리고 늘려요. 이렇게 자세를 맞춰 둬야 견줄 수 있어요.

그다음이 핵심이에요. 정돈된 얼굴 그림을 수백 개짜리 숫자 묶음으로 줄여요. 이 숫자들은 눈 사이 거리처럼 사람이 이름 붙일 수 있는 값이 아니라, 학습 과정에서 "같은 사람끼리는 가깝고 다른 사람끼리는 멀어지도록" 만들어진 값이에요.

이 방식 덕분에 조명이 바뀌거나 안경을 써도 숫자 묶음이 크게 흔들리지 않아요. 그리고 대조할 때 사진을 다시 볼 필요가 없어요. 숫자 묶음끼리 얼마나 가까운지만 재면 되니까 명부가 수만 명이어도 순식간에 훑어요.

물음이 두 가지예요

첫째는 확인이에요. "이 사람이 등록해 둔 그 사람이 맞나"를 묻고, 명부에서 딱 한 장만 꺼내 견줘요. 휴대폰 잠금 해제나 출입 확인이 여기 속해요. 답은 맞다·아니다 둘 중 하나고, 견주는 횟수가 한 번이라 빠르고 실수도 적어요.

둘째는 식별이에요. "이 사람이 명부 안 누구인가"를 묻고, 등록된 전부와 견주어 가장 가까운 하나를 찾아요. 견주는 횟수가 등록된 사람 수만큼 늘어나요.

식별은 확인보다 훨씬 어려워요. 명부가 커질수록 우연히 닮은 사람이 끼어들 확률이 함께 커지기 때문이에요. 견주는 정확도가 같아도, 열 명 중에서 찾을 때와 십만 명 중에서 찾을 때의 결과는 전혀 다른 이야기가 돼요.

얼마나 닮아야 같은 사람일까요

숫자 묶음 사이의 거리가 나오면 그다음은 판단이에요. 어느 정도까지 가까워야 같은 사람으로 볼지 기준선을 사람이 정해요. 이 선을 어디에 긋느냐가 인식의 성격을 거의 결정해요.

기준선을 느슨하게 잡으면 본인을 막는 일은 줄지만, 닮은 남을 통과시키는 일이 늘어요. 반대로 빡빡하게 잡으면 남은 확실히 막지만 본인이 여러 번 다시 시도해야 해요. 두 실수를 동시에 줄이는 방법은 없고, 어느 쪽이 더 곤란한지에 따라 선을 옮길 뿐이에요.

여기에 치우침 문제가 겹쳐요. 학습에 쓴 얼굴 자료에 특정 피부색이나 연령대가 적었다면, 그 집단에서는 같은 기준선인데도 실수가 더 자주 나요. 같은 문을 두고 어떤 사람은 쉽게 통과하고 어떤 사람은 자꾸 막히는 일이 생기는 거예요.

명부를 누가 어떻게 모았는지가 문제예요

얼굴 인식이 다른 인식 기술과 갈리는 지점은 정확도가 아니라 대조할 명부가 반드시 먼저 있어야 한다는 데 있어요. 명부에 얼굴이 등록되지 않은 사람은 아무리 좋은 기술이라도 찾아낼 수 없어요.

그래서 물음은 자연스럽게 명부 쪽으로 옮겨 가요. 등록한 사람이 그 사실을 알고 동의했는지, 언제까지 보관하고 언제 지우는지, 처음 밝힌 목적 말고 다른 데 쓰이지는 않는지 같은 것들이에요. 출입증 대신 쓰겠다고 받은 얼굴이 나중에 매장 안 동선을 따라가는 데 쓰인다면, 기술은 그대로여도 사람이 동의한 범위를 벗어나요.

얼굴은 비밀번호와 달리 바꿀 수 없다는 점도 무겁게 작용해요. 유출된 비밀번호는 새로 만들면 되지만 얼굴은 그럴 수 없어서, 한 번 새어 나간 얼굴 정보는 평생 따라다녀요. 게다가 얼굴은 멀리서 본인 모르게 찍힐 수 있어서, 지문과 달리 당사자가 알아채지 못한 채로 명부가 만들어질 수 있어요.

많은 나라가 이런 점 때문에 얼굴 정보를 특별히 민감한 정보로 따로 묶어 다루고, 공공장소에서 동의 없이 모으는 일에 별도의 제한을 두고 있어요. 기술을 쓰기 전에 "이 명부가 왜 필요한가"를 먼저 묻는 게 순서예요.