.svg)
AI 솔루션 문의하기
공공기관의 민원 업무가 온라인과 모바일 환경으로 확대되면서 민원 신청 과정에서 이용자의 신원을 확인하는 절차도 다양해지고 있습니다. 비대면으로 각종 민원을 처리하는 경우 신분증 정보나 휴대전화 인증과 함께 안면인식 기술을 활용해 신청자 본인 여부를 확인할 수 있습니다. 안면인식 인증을 적용하기 위해서는 다양한 얼굴 이미지와 촬영 환경, 인증 결과를 포함한 학습데이터가 필요합니다. 특히 공공서비스는 이용자의 연령과 디지털 기기 사용 환경이 다양하기 때문에 실제 민원 환경을 고려한 데이터 구성이 중요합니다.
안면인식 인증이 적용된 민원 서비스에서는 신청자의 기본정보를 확인한 뒤 얼굴을 촬영하고 등록된 정보와 비교하는 절차가 진행될 수 있습니다. 이 과정에서 얼굴 이미지 자체뿐 아니라 촬영 시점과 인증 결과, 민원 신청 단계 등의 정보가 함께 발생합니다. AI 학습데이터에서도 각각의 정보를 무작위로 결합하기보다 어떤 민원 절차에서 촬영된 얼굴이고 어떤 인증 결과로 이어졌는지 확인할 수 있도록 데이터 간 관계를 구성해야 합니다.
공공기관의 민원 서비스는 특정 연령이나 이용자층에 한정되지 않는 경우가 많습니다. 따라서 안면인식 데이터를 구축할 때도 다양한 연령대와 얼굴 형태, 촬영 조건을 반영할 필요가 있습니다. 동일한 사람이라도 촬영 시점이나 표정, 카메라 위치에 따라 얼굴 이미지가 달라질 수 있기 때문에 이러한 차이도 데이터에 포함해야 합니다. 특정 이용자군이나 일정한 촬영 환경에 데이터가 집중되지 않도록 구성하는 것이 모델 검증 과정에서도 중요한 요소가 됩니다.
민원인이 직접 스마트폰이나 PC 카메라를 이용해 얼굴을 촬영하는 경우에는 기기와 주변 환경에 따라 이미지 품질이 달라질 수 있습니다.
이러한 데이터를 함께 구성해야 실제 비대면 민원 환경에서 발생하는 다양한 인증 상황을 반영할 수 있습니다.
공공기관 민원 서비스에서는 얼굴 촬영 자체가 제대로 이뤄지지 않는 상황과 촬영은 정상적이지만 본인확인 단계에서 실패하는 상황을 구분할 필요가 있습니다. 얼굴 일부가 가려졌거나 조명이 지나치게 강한 경우에는 이미지 품질 문제로 인증이 어려울 수 있습니다. 반면 등록된 정보와 현재 촬영된 얼굴이 일치하지 않는 경우에는 다른 유형의 인증 실패로 분류할 수 있습니다. 학습데이터에서도 실패 여부만 표시하기보다 실패 원인과 처리 결과를 세분화하면 모델의 오류 유형을 분석하는 데 활용할 수 있습니다.
안면인식 인증은 민원 신청 과정의 여러 단계 가운데 하나로 사용될 수 있습니다. 본인확인에 성공했더라도 신청서 작성이나 구비서류 확인 과정에서 민원이 중단될 수 있고, 인증 실패 후 재촬영이나 다른 인증수단을 선택할 수도 있습니다. 따라서 데이터 구축에서도 얼굴 촬영, 인증 결과, 민원 신청 상태, 최종 처리 결과를 각각 구분하면서 동일한 신청 건으로 연결할 수 있는 구조가 필요합니다. 이를 통해 단순한 얼굴인식 결과뿐 아니라 실제 민원 처리 과정에서 인증이 어떻게 활용됐는지도 확인할 수 있습니다.
공공기관 민원 데이터에는 개인을 식별할 수 있는 정보가 포함될 가능성이 높기 때문에 구축과 운영 과정에서 별도의 관리 기준이 필요합니다.
생체정보와 민원 관련 정보가 함께 관리되는 경우에는 필요한 데이터만 활용하고 접근 범위를 구분하는 등 개인정보 보호를 고려한 데이터 관리 체계를 마련해야 합니다.
공공기관 민원 안면인식 인증을 위한 AI 데이터는 정상적인 얼굴 이미지와 인증 성공 사례만으로 구성하기 어렵습니다. 다양한 이용자와 촬영 환경을 포함하고, 얼굴 검출 실패나 재촬영, 인증 불일치 등 실제 서비스에서 발생할 수 있는 상황까지 함께 반영해야 합니다. 민원 신청 단계와 안면인식 결과를 정확하게 연결하고 데이터의 라벨 기준과 개인정보 관리 절차를 함께 마련하는 것이 실제 공공서비스에 활용할 수 있는 인증 데이터 구축의 중요한 요소입니다.
.svg)
.svg)
