ModuleProject

프로젝트 개요

얼굴 인식 접근 제어 시스템은 얼굴 인식 기술을 활용하여 보안 구역에 대한 간단하고 효율적인 접근 제어를 제공하는 시스템입니다. 이 시스템은 MediaPipe AI API를 사용하여 얼굴을 탐지하고 인증하며, 데이터베이스와 비교하여 접근 권한을 관리합니다.

프로젝트 팀

• 팀명: FaceID
• 팀원 및 역할:

Team

한동혁 @OverDlive PM, DB 구축	이정민 @sillage13 모델 학습	송재섭 @Ddabong UI 및 모델 학습	석주원 @JW6022 모델 학습	이채은 @LCEnetworksecurity 데이터 수집	김준영 @yfhjhgk 데이터 수집

주요 목표

• 얼굴 인식을 통한 안전하고 신뢰할 수 있는 접근 제어 구현
• 기존 키카드나 비밀번호 접근 방식을 대체하는 사용자 친화적 시스템 제공

주요 기능

1. 얼굴 탐지: MediaPipe Face Detection API를 사용하여 얼굴을 탐지하며, 이 API는 빠른 처리 속도와 높은 정확도를 제공하여 실시간 애플리케이션에 적합합니다.
2. 얼굴 인증: 탐지된 얼굴을 데이터베이스와 비교하여 사용자를 인증.
3. 손동작 인증: 사용자가 지정한 손동작과 탐지된 손동작을 비교하여 사용자를 인증.
4. 접근 제어:
   • 얼굴 인증과 손동작 인증 성공 시 접근 허용.
   • 인증 실패 시 경고 알림(소리, 화면 경고 등).
5. 보안 알림: 비인가 접근 시 실시간 경고 제공.
6. 활동 로그: 시간 및 결과를 포함한 접근 시도 기록.

기술 스택

• 프로그래밍 언어: Python
• 웹 프레임워크: Streamlit
• AI 라이브러리: MediaPipe, OpenCV
• 데이터베이스: SQLite
• 플랫폼: Windows
• 하드웨어: 웹캠 또는 기타 비디오 입력 장치

설치 및 실행 방법

1. 레파지토리 복사:

   git clone https://github.com/OverDlive/ModuleProject.git

2. 필수 라이브러리 설치:

   pip install -r requirements.txt

3. 경로 변경:

   cd ModuleProject/src

4. 애플리케이션 실행:

   streamlit run main.py

5. 웹 인터페이스 접속:

   • 브라우저에서 http://localhost:8501로 접속

시스템 아키텍처

1. 입력: 카메라로부터 사진 수신.
2. 처리:
   • MediaPipe를 사용하여 얼굴 특징 탐지.
   • 데이터베이스와 탐지된 얼굴 비교.
   • MediaPipe를 사용하여 손동작 특징 탐지.
   • 사용자가 지정한 손동작과 비교.
3. 출력:
   • 인증 결과에 따른 접근 허용 또는 차단.
   • 비인가 접근 시 경고 알림 작동.
4. 저장: 사용자 얼굴 데이터를 데이터베이스에 유지.

구현 단계

1. 환경 설정: 필수 라이브러리 설치 및 구성.
2. 얼굴 탐지 모듈: 카메라 피드를 통한 얼굴 및 손동 탐지 개발.
3. 데이터베이스 통합: 사용자 데이터를 저장하는 데이터베이스 설계.
4. 인증 로직 구현: 얼굴 데이터 비교 알고리즘 개발, 손동작 확인 모델 개발.
5. 접근 제어 인터페이스: 인증 결과와 경고를 표시하는 Streamlit 기반 UI 설계.
6. 테스트: 다양한 조건에서 시스템 검증.

활용 사례

• 사무실 출입 관리: 직원만 접근 가능하도록 보안 강화.
• 제한 구역 보호: 민감한 구역에 대한 비인가 접근 차단.
• 스마트 홈 보안: 가족 구성원 인증 및 미확인 인물 접근 차단.

향후 발전 가능성

• 다중 인증 통합으로 보안 강화.
• 대규모 데이터베이스 확장 지원.
• 마스크 감지 및 감정 인식 추가 기능 구현.

---

본 프로젝트는 개인 정보 보호를 준수하며, 사용자의 데이터 안전을 최우선으로 고려합니다.