High Accuracy Fingerprint Recognition on FPGA Using a Dual Path Lightweight CNN

현대 사회에서 자신이 누구인지 증명하는 일은 종종 카드와 같이 소지하고 있는 것이나 비밀번호와 같이 기억하고 있는 것에 의존합니다. 그러나 이러한 방법들은 분실되거나 도난당할 수 있고, 혹은 잊혀질 수도 있습니다. 이는 과학자와 엔지니어들이 당신 그 자체인 것, 즉 당신에게 고유하며 평생을 함께하는 생물학적 특성을 찾도록 이끌었습니다. 이러한 특성들 중에서도 인간 손가락 끝의 능선과 골짜기는 오랫동안 식별을 위한 선호 대상이 되어 왔습니다. 그것들은 포착하기 쉽고, 수십 년 동안 놀라울 정도로 안정적이며, 완벽하게 복제하는 것이 거의 불가능하기 때문입니다. 수년 동안 컴퓨터는 이러한 패턴을 읽도록 학습되어 왔지만, 배터리를 소모하거나 거대한 서버를 필요로 하지 않으면서도 빠르고 정확하게 이를 수행하는 것은 어려운 과제로 남아 있었습니다. 목표는 지문을 보고 그 고유한 지도를 이해하여, 거대하고 전력을 많이 소비하는 컴퓨터가 아니라 작고 효율적인 칩 위에서 순식간에 결정을 내릴 수 있는 시스템을 구축하는 것입니다.

플로리다 대학교의 연구진은 매우 정확하면서도 놀라울 정도로 자원을 적게 사용하는 새로운 방식의 지문 인식 시스템을 설계함으로써 이 문제를 해결하는 데 중요한 진전을 이루었습니다. 이들은 보통 이러한 작업을 수행하는 무겁고 복잡한 시스템에 의존하는 대신, 전문적인 컴퓨터 칩인 필드 프로그래머블 게이트 어레이(FPGA)에 적합하도록 특별히 제작된 간결한 디지털 두뇌를 만들었습니다. 이러한 칩은 엔지니어들에게 빈 캔버스와 같습니다. 특정 작업을 놀라운 속도와 매우 낮은 에너지 사용량으로 수행하도록 프로그래밍할 수 있어, 벽 콘센트에 꽂지 않고도 안정적으로 작동해야 하는 기기에 이상적입니다. 연구진은 지문을 읽기 전에 이미지를 정리하거나 단순화할 필요가 없는 지문 판독기를 만들 수 있는지 확인하고 싶었는데, 이는 종종 중요한 세부 정보를 버리게 만드는 흔한 단계입니다.

이를 달agi 위해 연구팀은 수천 개의 사례를 살펴보며 패턴을 인식하는 법을 배우는 인간의 뇌를 모델로 한 컴퓨터 시스템인 새로운 유형의 신경망을 설계했습니다. 이 작업을 위한 기존의 대부분의 시스템은 작은 칩에서 실행하기에는 너무 무겁거나, 지문 이미지를 축소하고 매끄럽게 다듬어야 하며, 이 과정에서 정확한 일치에 필요한 세부 사항이 흐려질 수 있습니다. 연구진은 다른 접근 방식인 "이중 경로(dual-path)" 구조를 제안했습니다. 동일한 지문을 동시에 바라보는 두 명의 전문가 팀을 상상해 보십시오. 한 전문가는 전체적인 형상과 큰 곡선 등 큰 그림에 집중합니다. 다른 전문가는 미세하고 복잡한 디테일과 가는 선들을 자세히 살피기 위해 확대합니다. 이들의 설계에서 이 두 "경로"는 병렬로 작동하며, 각각의 경로는 원본 이미지로부터 서로 다른 종류의 정보를 추출합니다. 마지막에 이들의 발견은 최종 결정을 내리기 위해 결합됩니다. 이 방법은 연구진이 데이터를 크기 조정하거나 전처리하지 않고도 지문 이미지의 전체 원본 크기를 사용할 수 있게 해주었으며, 모든 능선과 골짜기를 보존할 수 있게 했습니다.

연구팀은 공공 데이터베이스에서 가져온 다양한 유형의 센서와 해상도를 포함한 방대한 지문 이미지 모음을 사용하여 이 새로운 시스템을 훈련시켰습니다. 컴퓨터가 광범위한 실제 환경 조건을 처리할 수 있도록 하기 위해, 연구진은 데이터 증강(data augmentation)이라는 기술을 사용하여 학습시켰습니다. 이는 시스템에 동일한 지문의 약간 변형된 버전, 예를 들어 지문이 스캐너 위에 놓이는 방식이 매번 달라질 수 있음을 모방하여 몇 도 회전되거나 옆으로 약간 이동된 이미지들을 보여주는 것을 포함합니다. 이러한 다양한 사례들로 훈련함으로써, 시스템은 지문이 어떻게 배치되든 상관없이 손가락의 근본적인 정체성을 인식하는 법을 배웠습니다. 테스트 결과, 이 새로운 모델은 이전의 여러 방법보다 더 정확한 것으로 나타났으며, 전체 훈련 범위를 사용했을 때 약 70%의 경우에서 지문을 정확히 식별하였고, 테스트 이미지가 변형되지 않은 더 엄격한 테스트 시나리오에서도 63% 이상의 정확도를 유지했습니다.

정확성을 넘어, 이 연구의 진정한 시험대는 이 시스템이 실제 사용을 의도한 특수 하드웨어에서 실제로 실행될 수 있는지 여부였습니다. 연구진은 자신들의 디지털 설계를 FPGA 칩이 이해할 수 있는 언어로 번역하고 바닥부터 전체 시스템을 구축했습니다. 그들은 복잡한 네트워크를 고성능 애플리케이션에 자주 사용되는 강력한 칩인 Xilinx Virtex-7 FPGA에 탑는 데 성공했습니다. 그 결과, 단일 지문을 80밀리초 미만으로 처리할 수 있는 시스템을 구현했으며, 이는 실시간 사용에 충분히 빠른 속도입니다. 칩은 약 29와트의 전력을 소비하여 높은 성능과 에너지 효율 사이의 균념을 맞추었으며, 칩의 가용 자원 중 약 70%를 활용했습니다. 이러한 성공적인 구현은 정교한 신원 확인을 효율적인 하드웨어에서 직접 실행하는 것이 가능하다는 것을 입증하며, 거대한 외부 컴퓨터나 무거운 배터리의 필요성을 제거합니다.

또한 이 연구는 이러한 시스템이 구축되는 방식에 있어 중요한 절충 관계를 강조했습니다. 네트워크가 기억해야 할 내부 설정, 즉 파라미터의 수를 줄임으로써 연구진은 시스템을 훨씬 가볍고 칩에 저장하기 쉽게 만들었습니다. 그들의 모델은 학습된 모든 정보를 보유하는 데 약 483킬로바이트의 메모리만을 필요로 했는데, 이는 더 오래되고 무거운 모델들이 필요로 했던 양의 아주 작은 부분입니다. 이러한 크기 감소는 성능 저하를 초래하지 않았습니다. 사실, 새 디자인은 더 복잡한 구조를 사용했던 이전의 시도들보다 더 뛰어난 성능을 보였습니다. 연구진은 이중 경로 시스템의 한 부분은 큰 특징을 포착하는 데 더 뛰어나고 다른 부분은 미세한 디테일을 잡는 데 더 뛰어나지만, 이 둘을 결합하는 것이 가장 높은 정확도를 얻는 데 필수적이라는 것을 발견했습니다. 이는 지문 인식의 경우, 숲과 나무를 동시에 보는 것이 가장 신뢰할 수 있는 답을 제공한다는 점을 시사합니다.

궁극적으로, 이 연구는 작고 휴대 가능하며 에너지 효율적인 기기에 보안성이 높고 고속인 지문 인식을 도입할 수 있는 실질적인 경로를 제시합니다. 이중 경로 신경망이 원본 이미지의 세부 사항을 희생하지 않으면서도 FPGA에서 효율적으로 실행될 수 있는 가벼운 구조임을 입증함으로써, 연구팀은 신뢰할 수 있는 생체 인식 보안이 반드시 거대하고 전력을 많이 소비하는 인프라를 필요로 하는 것은 아님을 보여주었습니다. 이 시스템은 초당 1억 860만 사이클의 속도로 작동하여 사람이 거의 즉각적으로 신원을 확인할 수 있을 만큼 빠릅니다. 이러한 성과는 가까운 미래에 모바일 폰부터 출입국 관리 게이트에 이르기까지, 더욱 안전하면서도 효율적이고 독립적인, 기존에 생각했던 것보다 훨씬 적은 전력으로 복잡한 결정을 내릴 수 있는 다양한 일상 기기에 지문 스캐너가 내장될 수 있음을 시사합니다.