Convergence Security Journal (융합보안논문지)

Korea convergence Security Association (한국융합보안학회)
권호 표지
DOI QR코드

DOI QR Code

Design and development of non-contact locks including face recognition function based on machine learning

머신러닝 기반 안면인식 기능을 포함한 비접촉 잠금장치 설계 및 개발

  • 윤여훈 (세종대학교 정보보호학과) ;
  • 김기창 (대전대학교 컴퓨터공학과) ;
  • 조휘진 (대전대학교 컴퓨터공학과) ;
  • 김홍준 (대전대학교 컴퓨터공학과)
  • Received : 2022.01.04
  • Accepted : 2022.03.28
  • Published : 2022.03.31
Download PDF
⟨ Previous Next ⟩

Abstract

The importance of prevention of epidemics is increasing due to the serious spread of infectious diseases. For prevention of epidemics, we need to focus on the non-contact industry. Therefore, in this paper, a face recognition door lock that controls access through non-contact is designed and developed. First very simple features are combined to find objects and face recognition is performed using Haar-based cascade algorithm. Then the texture of the image is binarized to find features using LBPH. An non-contact door lock system which composed of Raspberry PI 3B+ board, an ultrasonic sensor, a camera module, a motor, etc. are suggested. To verify actual performance and ascertain the impact of light sources, various experiment were conducted. As experimental results, the maximum value of the recognition rate was about 85.7%.

감염 질병의 심각한 확산으로 인해 방역의 중요성이 점점 커지고 있다. 또한 방역 이슈가 없는 언택트 산업에 대한 관심도 늘어나고 있다. 본 논문에서는 등록된 사용자의 얼굴을 인식함으로써 비접촉 방식으로 출입을 통제하는 비용 효율적인 라즈베리파이 기반 도어락 시스템을 설계하고 개발한다. 우선, OpenCV의 Haar-based cascade를 사용하여 매우 단순한 특징들을 조합하여 객체를 찾고, 얼굴 인식을 진행한다. 그리고 LBPH (Local Binary Pattern Histogram)을 사용하여 이미지의 질감을 이진화하여 특징을 찾아낸다. 라즈베리파이 3B+ 보드, 초음파 센서, 카메라 모듈, 모터 등으로 언택트 도어락 하드웨어를 구현하고, 얼굴 인식 및 매칭 알고리즘을 포함한 소프트웨어를 기반으로 약 500장의 이미지 데이터를 학습시켜 실험한 결과, 최대 85.7%의 인식률을 보이며 사용자를 구분하는 성능을 검증할 수 있었다. 또한, Haar-cascade 알고리즘 성능의 광원에 대한 영향성을 파악하여 그 개선 가능성을 살펴보았다.

Keywords

Acknowledgement

이 논문은 2021학년도 대전대학교 교내학술연구비 지원에 의해 연구되었음

References

  1. M. Coskun, A. Ucar, O. Yildirim, and Y. Demir, "Face recognition based on convolutional neural network," proceedings of 2017 International Conference on Modern Electrical and Energy Systems (MEES), Nov. 2017.
  2. Soo, Sander, "Object detection using Haar-cascade Classifier," Institute of Computer Science, University of Tartu, pp. 1-12, 2014.
  3. J. Choi and J. Kim, "A Study on the road crosswalk detection using Haar feature and Cascade object detector for advanced driver assistance system," proceedings of Korea Information and Communications Society Conference, pp. 840-840, 2018.
  4. Gudipati, Vamshi Krishna, et al,."Efficient facial expression recognition using adaboost and haar cascade classifiers." proceedings of 2016 Annual Connecticut Conference on Industrial Electronics, Technology & Automation, 2016.
  5. Hamid Cheraghi, Hyo Jong Lee, "Face recognition using local binary patterns and K-Nearest Neighbors," proceedings of the Korean Institute of Information Scientists and Engineers, pp. 1424-1426, 2018.
  6. W.K. Jung, Y.T.Cho, Y.H. Ahn, and O.S. Chae, "A study on local micro pattern for facial expression recognition," Journal of Convergence Security, vol. 14, no. 5, Sep. 2014.
  7. Padilla, Rafael, C. F. F. Costa Filho, and M. G. F. Costa, "Evaluation of haar cascade classifiers designed for face detection," World Academy of Science, Engineering and Technology, vol. 64, pp. 362-365, 2012.
  8. Setjo, Christian Herdianto, and Balza Achmad, "Thermal image human detection using Haar-cascade classifier," proceedings of 2017 7th International Annual Engineering Seminar (InAES), 2017.