AI 홍채 인식 기술이 클라우드에서 최종 장치로 이동하고 있습니다.
과거에는 고정밀 AI 홍채 인식이 클라우드 컴퓨팅 성능에 의존하는 경우가 많았으며, 이는 네트워크 접근이 제한적이거나 엄격한 개인 정보 보호 요구 사항이 있는 시나리오에서 내재적인 애플리케이션 병목 현상을 초래했습니다. 인식 정확도를 유지하면서 알고리즘 기능을 엣지 장치로 마이그레이션하는 방법이 업계의 일반적인 기술적 과제가 되었습니다.
Homsh는 자체 솔루션을 제공했습니다.
I. 국내 NPU 플랫폼: 엔드 투 엔드 홍채 인식 활성화
최근 Homsh의 R&D 팀은 회사의 자체 개발 경량 홍채 인식 모델을 임베디드 NPU 플랫폼에 배포하고 검증을 완료했습니다. 대상 하드웨어는 aarch64 아키텍처를 채택하고 전용 NPU 컴퓨팅 유닛을 갖춘 고성능 국내 엣지 컴퓨팅 칩의 대표적인 제품인 Rockchip RK3588 칩 기반 개발 보드를 선택했습니다.
팀은 이 플랫폼에서 ONNX Runtime 기반의 일반 추론 솔루션과 RKNN 기반의 NPU 가속 솔루션의 두 가지 기술 경로를 체계적으로 검증했습니다. 두 경로 모두 모델 로딩, 추론 링크 연결 및 기능 검증을 완료했으며, 지원되는 그래픽 사용자 인터페이스는 오프라인 평가 및 실시간 카메라 캡처를 정상적으로 수행할 수 있습니다.
이는 Homsh의 핵심 홍채 인식 알고리즘이 이제 국내 엣지 칩에서 독립적으로 실행될 수 있는 능력을 갖추었음을 의미합니다.
II. 3.7배 속도 향상: 놀라운 NPU 가속 효과
성능 데이터는 가장 직관적인 설명을 제공합니다.
표준 테스트 조건에서 ONNX 모델은 약 1 FPS의 안정적인 추론 프레임 속도로 100% 홍채 인식 정확도를 달성합니다. 반면, NPU로 가속화된 RKNN 모델은 추론 프레임 속도가 3.64 FPS로 증가하여 약 3.7배의 속도 향상을 나타냅니다.
이러한 성능 도약의 배경에는 RKNN 모델 내보내기, 기본 라이브러리 아키텍처 호환성 및 누락된 기호 정의를 포함한 여러 기술적 장애물을 극복한 팀의 성공이 있습니다. 알고리즘 이식에서 하드웨어 적응까지 모든 단계에서 Homsh의 "알고리즘-칩-터미널"의 수직 통합 역량의 성숙도를 검증했습니다.
현재 팀은 RKNN 모델의 정확도 최적화에 대한 추가 연구를 수행하여 높은 프레임 속도의 이점을 유지하면서 인식 정확도를 ONNX 버전과 유사한 수준으로 복원하는 것을 목표로 하고 있습니다.
III. 엣지 배포: 더 많은 애플리케이션 가능성 열기
엣지 인텔리전스의 가치는 속도만으로는 충분하지 않습니다.
홍채 인식 기능이 소형 개발 보드에 통합되면 클라우드 컴퓨팅 성능과 안정적인 네트워크 연결에 대한 의존성에서 벗어납니다. 지하 광산, 원격 건설 현장, 이동식 법 집행 등 네트워크 환경이 제한적인 시나리오의 경우, 이는 실제로 구현 가능한 솔루션을 의미합니다.
동시에 엣지 배포 모드에서는 생체 인식 데이터를 클라우드에 업로드하지 않고도 매칭할 수 있으므로 금융 기관 및 정부 서비스와 같이 엄격한 데이터 보안 요구 사항이 있는 애플리케이션 시나리오에 자연스럽게 적합합니다.
Homsh는 경량 알고리즘을 국내 엣지 칩에 심층적으로 적용하여 홍채 인식을 위한 고성능, 저비용, 통합이 용이한 엣지 솔루션을 파트너에게 지속적으로 제공할 것입니다.
IV. 기술 하이라이트
기술 하이라이트 간략 보기
대상 플랫폼: Rockchip RK3588
모델 유형: 홍채 인식 + 얼굴 인식
ONNX 정확도: 100%
RKNN 프레임 속도: 3.64 FPS
기능 검증: 오프라인 평가, 실시간 캡처, 1:N 인식 모드
알고리즘 R&D에서 칩 적응, 클라우드 배포에서 엣지 구현에 이르기까지 Homsh는 홍채 인식 기술의 애플리케이션 경계를 단계별로 확장하고 있습니다.
인식을 더 빠르고, 더 가깝고, 더 안전하게 만듭니다.
더 자세한 기술 정보나 협력 기회에 대해 논의하려면 언제든지 문의하십시오.
