earticle

영어

The driver's face or pedestrian's face which collected through the vehicle black box has important value as data for accident analysis or driver monitoring model construction. However, face data without prior consent raises privacy issues, and in all cases, obtaining information with prior consent is not easy. In addition, if de-identification is carried out with an emphasis on privacy issues, it is dificult to evaluate whether the facial image after de-identification matches the data such as facial expression and gender actually extracted. In this paper, we propose a method for preserving and confirming information such as facial expression, gender, and age after de-identification by using Neural Style Transfer. As a result of applying the optimal style, it was confirmed that important facial features were preserved even after de-identification with a de-identification rate of 80.93% and a recognition rate of 95.3% for subjective evaluation items such as expression, gender, and age. The de-identification method proposed in this paper can be used as high-quality data for detection and recognition models as the extracted data can be confimed by humans while protecting privacy.

한국어

차량 블랙박스를 통해 수집되는 운전자의 얼굴이나 보행자의 얼굴은 사고 분석이나 운전자 모니터링 모델 구축을 위한 데이터로써 중요한 가치를 지닌다. 하지만 사전동의를 얻지 않은 얼굴 데이터는 개인정보 보호 문제가 제기되며 모든 경우에 사전동의를 얻어 정보를 획득하기가 쉽지 않다. 또한 개인정보 보호 문제를 중요시하여 비식 별화를 진행하게 되면 비식별화를 진행한 이후의 얼굴 이미지가 실제로 추출한 표정, 성별 등의 데이터와 일치하는 지 평가할 수 없다는 문제점이 있다. 본 논문에서는 Neural Style Transfer를 이용하여 비식별화를 진행하여 비식 별화 후에도 표정, 성별, 나이 등의 정보를 보존하고 확인 가능한 방법을 제안한다. 제안된 알고리즘을 통해 최적의 화풍을 적용한 결과 80.93%의 비식별화율과 주관적 평가 항목인 표정, 성별, 나이에 대해 95.3%의 인식률로 비식 별화 후에도 얼굴의 중요한 특징을 보존하는 것을 확인하였다. 본 논문(연구)에서 제안한 비식별화 방법은 개인정 보를 보호하면서 추출한 데이터를 사람이 검수할 수 있어 탐지와 인식 모델에 양질의 데이터로 활용이 가능하다.