조현재 포트폴리오

depth_matrix = np.loadtxt(target_depth) # 4000mm (4m) 이상의 픽셀은 배경으로 간주 mask = depth_matrix > 4000 # Morphological Closing으로 노이즈 제거 kernel = np.ones((3,3), np.uint8) mask_closed = cv2.morphologyEx(mask.astype(np.uint8), cv2.MORPH_CLOSE, kernel) # 배경 영역을 검은색(0)으로 마스킹 img_filtered[mask_3d] = 0

from facenet_pytorch import InceptionResnetV1 facenet_model = InceptionResnetV1(pretrained='vggface2').eval() def get_facenet_embedding(face_bgr: np.ndarray) -> np.ndarray: """정렬된 얼굴(160x160) → 512차원 임베딩 추출""" face_rgb = cv2.cvtColor(face_bgr, cv2.COLOR_BGR2RGB) face_tensor = torch.from_numpy(face_rgb).permute(2, 0, 1).float() / 255.0 with torch.no_grad(): embedding = facenet_model(face_tensor) # L2 정규화 embedding_np = embedding.cpu().squeeze(0).numpy() embedding_np = embedding_np / np.linalg.norm(embedding_np) return embedding_np def cosine_similarity(embedding1, embedding2): """코사인 유사도 계산 (프로필 사진 vs 동영상 프레임)""" similarity = np.dot(embedding1, embedding2) return float(np.clip(similarity, -1.0, 1.0))

def calculate_manipulation_score(pred_mask): """조작 정도를 5단계로 점수화""" manipulation_mask = np.argmax(pred_mask, axis=-1) != 0 manipulation_ratio = np.mean(manipulation_mask) if manipulation_ratio < 0.1: return "낮음 (1/5)", manipulation_ratio elif manipulation_ratio < 0.3: return "약간 있음 (2/5)", manipulation_ratio elif manipulation_ratio < 0.5: return "중간 (3/5)", manipulation_ratio elif manipulation_ratio < 0.7: return "높음 (4/5)", manipulation_ratio else: return "매우 높음 (5/5)", manipulation_ratio