목록으로
업무 생산성 개선을 위한 AI 활용
비영리기관 AI 당사자 활동사진 자동분류시스템
비영리기관에서 해마다 수 많이 쌓이는 행사사진들을 폐쇄 로컬네트워크 안 승인 PC에서 얼굴 검출과 인식으로 분류된 기관 당사자별 사진관리를 통해 정서적 서비스를 제공하고 최종 결과물을 안전하게 배포하도록 돕는 AI 솔루션
🤖 활용 AI 도구
보안의 강점이 뚜렸한 로컬네크워크 상에서 특정 서버PC(승인PC)에서 구동되는 파이썬 코딩 라이브러리 'InsightFace'의 AI 머신러닝 및 임베딩
① 어떤 상황에서 AI를 활용했나요?
첫 번째, 비영리기관의 한 해 행사에서는 수많은 사진들이 생성되지만, 일반적으로 '결과보고'라는 행정적 필요로 인해 극소수만 사용되어질 뿐, 기관의 규모에 따라 수천~수만장에 이르는 나머지 사진들은 엄청난 데이터 더미로 여겨져 삭제, 정리될 수 밖에 없는 실정입니다. 하지만 이러한 사진들이 비영리기관의 당사자 개인별로 잘 정리되어진다면 기관을 이용하고 주도적으로 활동했던 정서적 의미(추억앨범)로 남을 수 있겠다는 가능성에서 시작되었습니다.
두 번째, 사진 속 당사자를 AI기제를 통하여 정확하게 분별하고 자동으로 분류하는 작업은 기관종사자(담당자)가 수 많은 사진들을 한 장씩 일일이 확인해야 하는 반복 업무의 부담(야근)을 해결하여 종사자의 소진을 조금이나마 덜어 주는 것에 있습니다.
세 번째, 대체적으로 비영리기관의 컴퓨팅성능, AI사용, 호스팅 등에 대한 환경은 열악한 것으로 사료되기 때문에 성능이 좋지 않은 로컬 컴퓨팅 환경에서도 내부적으로 간단히 설치되어 실행되는 AI기제로 손 쉽게 배포되게 설계하는 것이 중요하다고 보았습니다.
네 번째, 이 솔루션에서는 얼굴사진들의 민감한 개인정보를 처리하는 위치와 접근권한을 통제할 필요가 있기 때문에 폐쇄적인 로컬네트워크 안 승인PC 내부에서 얼굴 인식과 처리 이력을 관리하고, 원본은 읽기만 하도록 하여 보안의 위험성을 최소화하는 것에 목표가 있습니다.
② 어떤 AI를 어떻게 활용했나요?
파이썬 코딩을 통한 파이썬 라이브러리 InsightFace AI 머신러닝과 임베딩 방식을 활용하여 서버(승인) PC 한 대에서 기준사진을 이용해 당사자별 얼굴 비교 기준을 만들고, 비교대상사진(행사사진)을 시험인식 실행한 뒤 담당자 승인에 따라 실제 결과를 복사하는 Windows용 사진 분류 도구입니다. 기존에 단순하게 비교의 기준이 되는 기준얼굴사진과 비교대상사진(행사사진)을 1장씩 직접 비교해서 인식하는 방식에서 벗어나, 기준얼굴사진과 비교대상사진(행사사진) 모두에서 얼굴 검출기와 인식기를 함께 사용하는데 먼저 검출기(SCRFD)가 사진 속 얼굴 위치와 랜드마크를 찾고, 인식기가 랜드마크를 기준으로 정렬한 얼굴을 512차원 임베딩으로 변환합니다. 기준얼굴사진에서는 이용자별 임베딩화된 내역들 중에 중복되거나 거의 같은 사진을 정리한 다음 K-Means로 3개 군집을 만들고, 각 군집에서 가장 대표적인 실제 기준얼굴사진 임베딩을 선택해 3개의 프로토타입으로 저장합니다. 비교 얼굴기준을 만들고, 비교대상 행사사진에서는 생성된 임베딩값을 얼굴기준사진과 대조합니다. 각 이용자의 3개 프로토타입 중 가장 가까운 대표값과 비교하고, 일치 임계값과 1·2위 거리 마진차이까지 확인해 확실한 경우에만 개인 분류를 확정합니다. 확실히 일치한 사진은 당사자별 `분류사진` 폴더에 복사하고, 얼굴이 없거나 얼굴이 너무 작은 사진, 단체사진, 자연배경사진, 사물사진 등은참여자 전체의 `공통사진`으로 복사합니다. 원본 행사사진은 이동·수정·삭제하지 않으며, 모든 처리 이력은 승인 PC 내부 SQLite에 기록합니다. 결국, 이렇게 분류된 사진들은 구글드라이브로 배포될 수도 있고 출력되어 당사자 개인앨범으로 제작될 수도 있습니다.
③ 활용 결과 어떤 변화가 있었나요?
실제 행사사진을 이용한 현장 적용 결과의 시간 절감률은 지난 해 연말 직원들이 분담하여 사진분류를 위해 사용한 총 51시간의 시간외근로이 절감되고 실행되는 인식(판별)의 정확도가 99.1%(애매함으로 분류된 얼굴사진 61장 / 모든 행사사진의 얼굴수 6,453개)정도에 이르며 매해 연말마다 기관이용 추억앨범이 디지털액자 선물로 전달 되므로 당사자(보호자)에 대한 정서적 지원이 한 층 강화되며 당사자(보호자)의 감동과 만족도 역시 뚜렷하게 증가되었습니다. 고된 얼굴사진 반복분류업무로 야근을 해야했던 직원들의 호응도가 매우 높아졌습니다.
④ 나만의 방식 또는 개선 포인트는 무엇인가요?
처음에는 단순하게 기준얼굴사진과 비교대상사진(행사사진)을 1장씩 비교해서 인식하는 방식였기 때문에 다양한 변수(표정, 사진해상도, 각도, 조도, 렌즈화각 등의 차이로 일그러지게 보이거나 다르게 보이는 현상)들로 인한 노이즈들을 극복하지 못해 오탐이나 오류의 여지를 다분히 남겨 놓았습니다. 그러나 이제는 기준얼굴사진과 비교대상사진(행사사진) 모두에서 얼굴 검출기와 인식기를 병행사용하는데 먼저 검출기(SCRFD)가 사진 속 얼굴 위치와 랜드마크를 찾고, 인식기가 랜드마크를 기준으로 정렬한 얼굴을 512차원 임베딩으로 변환합니다. 기준얼굴사진에서는 당사자별 임베딩을 정리해 비교 얼굴기준을 만들고, 행사사진에서는 생성된 임베딩을 그 비교 얼굴기준과 대조하게 하므로 얼굴의 인식율을 얼굴인식 전문영역에서 사용하는 수준에 가깝게 끌어 올리게 되었습니다. 원래 설정, 얼굴 인식, 파일 복사, 이력 저장이 한 파일에 섞여 있었고 Python과 PowerShell에 같은 판정 규칙이 중복되어 있었습니다. 그 결과 설정 경로 불일치, 대상 폴더 재스캔, 오류 파일 무한 재시도, 예약 실행의 조용한 무동작 같은 문제가 생길 수 있었습니다. 이를 해결하기 위해 설정·얼굴 인식·파이프라인·저장소·CLI를 분리하고 판정 규칙을 Python 한 곳으로 모았습니다. 경로를 절대경로로 정규화하고 원본과 대상의 양방향 겹침을 차단했으며, 오류가 3회 연속이면 중단하되 파일이 바뀌거나 정책이 바뀌면 다시 시도하도록 했습니다. 웹 UI는 승인 PC 전용 설정·Drive 기능과 직원용 실행 기능을 분리했습니다. Drive에는 시험 동기화와 공유 권한 점검을 추가했습니다. 직원UI가 처음에는 여러 기능과 제어내용들을 하나의 화면에 모두 담으려다 보니 매우 어수선하고 한 눈에 들어오지 못했었는데 각 내용의 성격 또는 유형별로 모은 탭화면으로 수정하면서 한층 직관적으로 보고 이해하기가 용이해졌습니다.
⑤ 다른 사람도 따라 할 수 있나요?
유튜브를 통해 간단한 파이썬코딩기초와 파워쉘(터미널)의 설치 및 실행방법만 습득하면 누구든지 설치하여 실행할 수 있습니다.
차후에 원하신다면 설치파일들이 저장되어 있는 GitHub주소를 공유해드리겠습니다.
첫 번째, 비영리기관의 한 해 행사에서는 수많은 사진들이 생성되지만, 일반적으로 '결과보고'라는 행정적 필요로 인해 극소수만 사용되어질 뿐, 기관의 규모에 따라 수천~수만장에 이르는 나머지 사진들은 엄청난 데이터 더미로 여겨져 삭제, 정리될 수 밖에 없는 실정입니다. 하지만 이러한 사진들이 비영리기관의 당사자 개인별로 잘 정리되어진다면 기관을 이용하고 주도적으로 활동했던 정서적 의미(추억앨범)로 남을 수 있겠다는 가능성에서 시작되었습니다.
두 번째, 사진 속 당사자를 AI기제를 통하여 정확하게 분별하고 자동으로 분류하는 작업은 기관종사자(담당자)가 수 많은 사진들을 한 장씩 일일이 확인해야 하는 반복 업무의 부담(야근)을 해결하여 종사자의 소진을 조금이나마 덜어 주는 것에 있습니다.
세 번째, 대체적으로 비영리기관의 컴퓨팅성능, AI사용, 호스팅 등에 대한 환경은 열악한 것으로 사료되기 때문에 성능이 좋지 않은 로컬 컴퓨팅 환경에서도 내부적으로 간단히 설치되어 실행되는 AI기제로 손 쉽게 배포되게 설계하는 것이 중요하다고 보았습니다.
네 번째, 이 솔루션에서는 얼굴사진들의 민감한 개인정보를 처리하는 위치와 접근권한을 통제할 필요가 있기 때문에 폐쇄적인 로컬네트워크 안 승인PC 내부에서 얼굴 인식과 처리 이력을 관리하고, 원본은 읽기만 하도록 하여 보안의 위험성을 최소화하는 것에 목표가 있습니다.
② 어떤 AI를 어떻게 활용했나요?
파이썬 코딩을 통한 파이썬 라이브러리 InsightFace AI 머신러닝과 임베딩 방식을 활용하여 서버(승인) PC 한 대에서 기준사진을 이용해 당사자별 얼굴 비교 기준을 만들고, 비교대상사진(행사사진)을 시험인식 실행한 뒤 담당자 승인에 따라 실제 결과를 복사하는 Windows용 사진 분류 도구입니다. 기존에 단순하게 비교의 기준이 되는 기준얼굴사진과 비교대상사진(행사사진)을 1장씩 직접 비교해서 인식하는 방식에서 벗어나, 기준얼굴사진과 비교대상사진(행사사진) 모두에서 얼굴 검출기와 인식기를 함께 사용하는데 먼저 검출기(SCRFD)가 사진 속 얼굴 위치와 랜드마크를 찾고, 인식기가 랜드마크를 기준으로 정렬한 얼굴을 512차원 임베딩으로 변환합니다. 기준얼굴사진에서는 이용자별 임베딩화된 내역들 중에 중복되거나 거의 같은 사진을 정리한 다음 K-Means로 3개 군집을 만들고, 각 군집에서 가장 대표적인 실제 기준얼굴사진 임베딩을 선택해 3개의 프로토타입으로 저장합니다. 비교 얼굴기준을 만들고, 비교대상 행사사진에서는 생성된 임베딩값을 얼굴기준사진과 대조합니다. 각 이용자의 3개 프로토타입 중 가장 가까운 대표값과 비교하고, 일치 임계값과 1·2위 거리 마진차이까지 확인해 확실한 경우에만 개인 분류를 확정합니다. 확실히 일치한 사진은 당사자별 `분류사진` 폴더에 복사하고, 얼굴이 없거나 얼굴이 너무 작은 사진, 단체사진, 자연배경사진, 사물사진 등은참여자 전체의 `공통사진`으로 복사합니다. 원본 행사사진은 이동·수정·삭제하지 않으며, 모든 처리 이력은 승인 PC 내부 SQLite에 기록합니다. 결국, 이렇게 분류된 사진들은 구글드라이브로 배포될 수도 있고 출력되어 당사자 개인앨범으로 제작될 수도 있습니다.
③ 활용 결과 어떤 변화가 있었나요?
실제 행사사진을 이용한 현장 적용 결과의 시간 절감률은 지난 해 연말 직원들이 분담하여 사진분류를 위해 사용한 총 51시간의 시간외근로이 절감되고 실행되는 인식(판별)의 정확도가 99.1%(애매함으로 분류된 얼굴사진 61장 / 모든 행사사진의 얼굴수 6,453개)정도에 이르며 매해 연말마다 기관이용 추억앨범이 디지털액자 선물로 전달 되므로 당사자(보호자)에 대한 정서적 지원이 한 층 강화되며 당사자(보호자)의 감동과 만족도 역시 뚜렷하게 증가되었습니다. 고된 얼굴사진 반복분류업무로 야근을 해야했던 직원들의 호응도가 매우 높아졌습니다.
④ 나만의 방식 또는 개선 포인트는 무엇인가요?
처음에는 단순하게 기준얼굴사진과 비교대상사진(행사사진)을 1장씩 비교해서 인식하는 방식였기 때문에 다양한 변수(표정, 사진해상도, 각도, 조도, 렌즈화각 등의 차이로 일그러지게 보이거나 다르게 보이는 현상)들로 인한 노이즈들을 극복하지 못해 오탐이나 오류의 여지를 다분히 남겨 놓았습니다. 그러나 이제는 기준얼굴사진과 비교대상사진(행사사진) 모두에서 얼굴 검출기와 인식기를 병행사용하는데 먼저 검출기(SCRFD)가 사진 속 얼굴 위치와 랜드마크를 찾고, 인식기가 랜드마크를 기준으로 정렬한 얼굴을 512차원 임베딩으로 변환합니다. 기준얼굴사진에서는 당사자별 임베딩을 정리해 비교 얼굴기준을 만들고, 행사사진에서는 생성된 임베딩을 그 비교 얼굴기준과 대조하게 하므로 얼굴의 인식율을 얼굴인식 전문영역에서 사용하는 수준에 가깝게 끌어 올리게 되었습니다. 원래 설정, 얼굴 인식, 파일 복사, 이력 저장이 한 파일에 섞여 있었고 Python과 PowerShell에 같은 판정 규칙이 중복되어 있었습니다. 그 결과 설정 경로 불일치, 대상 폴더 재스캔, 오류 파일 무한 재시도, 예약 실행의 조용한 무동작 같은 문제가 생길 수 있었습니다. 이를 해결하기 위해 설정·얼굴 인식·파이프라인·저장소·CLI를 분리하고 판정 규칙을 Python 한 곳으로 모았습니다. 경로를 절대경로로 정규화하고 원본과 대상의 양방향 겹침을 차단했으며, 오류가 3회 연속이면 중단하되 파일이 바뀌거나 정책이 바뀌면 다시 시도하도록 했습니다. 웹 UI는 승인 PC 전용 설정·Drive 기능과 직원용 실행 기능을 분리했습니다. Drive에는 시험 동기화와 공유 권한 점검을 추가했습니다. 직원UI가 처음에는 여러 기능과 제어내용들을 하나의 화면에 모두 담으려다 보니 매우 어수선하고 한 눈에 들어오지 못했었는데 각 내용의 성격 또는 유형별로 모은 탭화면으로 수정하면서 한층 직관적으로 보고 이해하기가 용이해졌습니다.
⑤ 다른 사람도 따라 할 수 있나요?
유튜브를 통해 간단한 파이썬코딩기초와 파워쉘(터미널)의 설치 및 실행방법만 습득하면 누구든지 설치하여 실행할 수 있습니다.
차후에 원하신다면 설치파일들이 저장되어 있는 GitHub주소를 공유해드리겠습니다.
