How Cisco Reduces Air Pollution With a Digital Twin Created Using Python, LoR...InfluxData
Cisco is the worldwide leader in IT and networking technology. Their hardware, software, and services are used to help provide easy access to information anywhere and anytime. Nearly every internet connection in the UK uses Cisco technology and they are investing in projects to support innovation - including smart cities, transportation, healthcare, manufacturing, and cybersecurity. There is a team dedicated to improving sustainability and renewable energy practices within the organization.
Cisco aims to help customers reduce their carbon footprint, improving operational efficiency, addressing health and safety within roadways construction sites. Cisco's solutions are being used to collect metrics about the environment, construction activities, GPS, and machine vibration. Discover how Cisco is using InfluxDB to aggregate sensor, telematic, and network data to measure and reduce noise pollution generated by excavators and large machinery. Their solutions are being used to help collect air pollution, air pressure, CO2, NO2, O2, PM, O3, SO2, humidity, barometric pressure, and temperature data. Cisco's goals include improving air quality, health, and safety at construction sites.
Join this webinar as Ehsan Fazel dives into:
How to ingest metrics from networks' routers into a time series platform
Overall architecture of the IoT monitoring system
Best practices to collect and analyze industrial IoT sensor data using LoRa at the edge - learn how to collect noise pollution metrics
How to overcome challenges for remote sites without reliable power and communication
Tips on how to use an SDK to send data to/from InfluxDB for cybersecurity analysis
[제 8회 BOAZ 빅데이터 컨퍼런스]
해가 가도 줄어들지 않는 낚시성 기사! 기레기라는 단어를 만들어내고 언론 신뢰도를 낮춰가고 있다. 우리 조는 낚시성 기사 분류기로 이 문제를 해결하고자 한다. 텍스트마이닝 기법을 사용해 피쳐를 뽑았다. 뽑은 피쳐를 머신러닝 기법을 통해 학습시켜 낚시성 기사 분류기를 통해 낚시성 기사가 사전에 차단될 수 있는 효과를 기대한다.
7기 이지연 9기 김미성 방대영
****국내최초 빅데이터 대학생 연합동아리 BOAZ****
페이스북: https://www.facebook.com/BOAZbigdata/
블로그: http://blog.naver.com/boazbigdata
인스타그램: http://www.instagram.com/boaz_bigdata
How Cisco Reduces Air Pollution With a Digital Twin Created Using Python, LoR...InfluxData
Cisco is the worldwide leader in IT and networking technology. Their hardware, software, and services are used to help provide easy access to information anywhere and anytime. Nearly every internet connection in the UK uses Cisco technology and they are investing in projects to support innovation - including smart cities, transportation, healthcare, manufacturing, and cybersecurity. There is a team dedicated to improving sustainability and renewable energy practices within the organization.
Cisco aims to help customers reduce their carbon footprint, improving operational efficiency, addressing health and safety within roadways construction sites. Cisco's solutions are being used to collect metrics about the environment, construction activities, GPS, and machine vibration. Discover how Cisco is using InfluxDB to aggregate sensor, telematic, and network data to measure and reduce noise pollution generated by excavators and large machinery. Their solutions are being used to help collect air pollution, air pressure, CO2, NO2, O2, PM, O3, SO2, humidity, barometric pressure, and temperature data. Cisco's goals include improving air quality, health, and safety at construction sites.
Join this webinar as Ehsan Fazel dives into:
How to ingest metrics from networks' routers into a time series platform
Overall architecture of the IoT monitoring system
Best practices to collect and analyze industrial IoT sensor data using LoRa at the edge - learn how to collect noise pollution metrics
How to overcome challenges for remote sites without reliable power and communication
Tips on how to use an SDK to send data to/from InfluxDB for cybersecurity analysis
[제 8회 BOAZ 빅데이터 컨퍼런스]
해가 가도 줄어들지 않는 낚시성 기사! 기레기라는 단어를 만들어내고 언론 신뢰도를 낮춰가고 있다. 우리 조는 낚시성 기사 분류기로 이 문제를 해결하고자 한다. 텍스트마이닝 기법을 사용해 피쳐를 뽑았다. 뽑은 피쳐를 머신러닝 기법을 통해 학습시켜 낚시성 기사 분류기를 통해 낚시성 기사가 사전에 차단될 수 있는 효과를 기대한다.
7기 이지연 9기 김미성 방대영
****국내최초 빅데이터 대학생 연합동아리 BOAZ****
페이스북: https://www.facebook.com/BOAZbigdata/
블로그: http://blog.naver.com/boazbigdata
인스타그램: http://www.instagram.com/boaz_bigdata
NDC2012_마비노기 영웅전 카이 포스트모템_시선을 사로잡는 캐릭터 카이 그 시도와 성공의 구현 일지영준 박
온라인 게임에서 새로운 캐릭터를 만든다는 것은 어떠한 컨텐츠와 비교 안될 만큼 많은 코스트가 드는 작업 입니다.
당연, 이러한 비싼 코스트의 신캐릭터는 유저들의 시선을 사로잡을 수 있는 독특한 매력을 가져야만 성공할 수 있습니다.
시선을 사로잡는 외형뿐만 아니라 핵심 플레이의 재미, 그리고 그것을 뒷받침해주기 위한 기술적 시도가 조화 되어야만
이러한 매력적인 캐릭터들이 탄생하게 됩니다.
현 세션에선 영웅전의 주인공인 리시타, 피오나, 이비, 카록을 개발하면서 겪었던 여러 가지 기술적인 시행 착오에 대해 알아보고
그 노하우를 엮어서 어떻게 궁수 <카이>를 성공적으로 런칭 할 수 있었는지를 공유하고자 합니다.
대략 다음과 같은 항목들을 다룹니다.
- 영웅전 궁수 캐릭터 카이를 개발하면서 겪었던 좌충우돌 생생한 개발 스토리.
- 구세대 엔진을 이용해 신세대 엔진 따라잡기
- 카이는 궁수 캐릭터의 기술적 난제를 어떻게 해결했을까? – 블렌딩 애니메이션 구성
- 카이 캐릭터 제작에서의 기술적 특이한 시도 및 시행착오들
- 타격감 개선 및 궁수의 재미를 살리기 위한 노하우
- 실시간 체형 변화 시스템
- 실시간 시퀀스 키 프레임 디포메이션 기법.
The number of internet-connected devices is growing exponentially, enabling an increasing number of edge applications in environments such as smart cities, retail, and industry 4.0. These intelligent solutions often require processing large amounts of data, running models to enable image recognition, predictive analytics, autonomous systems, and more. Increasing system workloads and data processing capacity at the edge is essential to minimize latency, improve responsiveness, and reduce network traffic back to data centers. Purpose-built systems such as Supermicro’s short-depth, multi-node SuperEdge, powered by 3rd Gen Intel® Xeon® Scalable processors, increase compute and I/O density at the edge and enable businesses to further accelerate innovation.
Join this webinar to discover new insights in edge-to-cloud infrastructures and learn how Supermicro SuperEdge multi-node solutions leverage data center scale, performance, and efficiency for 5G, IoT, and Edge applications.
NDC2012_마비노기 영웅전 카이 포스트모템_시선을 사로잡는 캐릭터 카이 그 시도와 성공의 구현 일지영준 박
온라인 게임에서 새로운 캐릭터를 만든다는 것은 어떠한 컨텐츠와 비교 안될 만큼 많은 코스트가 드는 작업 입니다.
당연, 이러한 비싼 코스트의 신캐릭터는 유저들의 시선을 사로잡을 수 있는 독특한 매력을 가져야만 성공할 수 있습니다.
시선을 사로잡는 외형뿐만 아니라 핵심 플레이의 재미, 그리고 그것을 뒷받침해주기 위한 기술적 시도가 조화 되어야만
이러한 매력적인 캐릭터들이 탄생하게 됩니다.
현 세션에선 영웅전의 주인공인 리시타, 피오나, 이비, 카록을 개발하면서 겪었던 여러 가지 기술적인 시행 착오에 대해 알아보고
그 노하우를 엮어서 어떻게 궁수 <카이>를 성공적으로 런칭 할 수 있었는지를 공유하고자 합니다.
대략 다음과 같은 항목들을 다룹니다.
- 영웅전 궁수 캐릭터 카이를 개발하면서 겪었던 좌충우돌 생생한 개발 스토리.
- 구세대 엔진을 이용해 신세대 엔진 따라잡기
- 카이는 궁수 캐릭터의 기술적 난제를 어떻게 해결했을까? – 블렌딩 애니메이션 구성
- 카이 캐릭터 제작에서의 기술적 특이한 시도 및 시행착오들
- 타격감 개선 및 궁수의 재미를 살리기 위한 노하우
- 실시간 체형 변화 시스템
- 실시간 시퀀스 키 프레임 디포메이션 기법.
The number of internet-connected devices is growing exponentially, enabling an increasing number of edge applications in environments such as smart cities, retail, and industry 4.0. These intelligent solutions often require processing large amounts of data, running models to enable image recognition, predictive analytics, autonomous systems, and more. Increasing system workloads and data processing capacity at the edge is essential to minimize latency, improve responsiveness, and reduce network traffic back to data centers. Purpose-built systems such as Supermicro’s short-depth, multi-node SuperEdge, powered by 3rd Gen Intel® Xeon® Scalable processors, increase compute and I/O density at the edge and enable businesses to further accelerate innovation.
Join this webinar to discover new insights in edge-to-cloud infrastructures and learn how Supermicro SuperEdge multi-node solutions leverage data center scale, performance, and efficiency for 5G, IoT, and Edge applications.
대규모 분산 서비스 및 시스템 성능을 분석하고 진단하기 위한 APM(Application Performance Management) tool Pinpoint의 특징과 기능에 대해 소개합니다 | Introduce the features and capabilities of Application Performance Management (APM) tool pinpoint for analyzing and diagnosing large distributed services and system performance
CHM을 도입하면
저장장치(CVR, DVR, NVR)등의 데이터를 확인 동작상태의 체크가 가능합니다.
CCTV의 실시간 네트워크 모니터링 기능을 제공합니다.
저장된 데이터의 영상을 분석하여 카메라 렌즈 및 렌즈 커버 오염 상태를 모니터링이 가능합니다.
지도를 이용한 카메라 위치 관리가 가능합니다.
Excel 문서 형식 카메라 상태 보고서 저장이 가능합니다.
오픈소스로 쉽게 따라해보는 Unreal과 IoT 연계 및 개발 방법 소개.pdfTae wook kang
이 소품은 메타버스 구현이란 제목으로 출판하려했던 내용 중 일부입니다. 2021년에 시작했었는 데, 함께 하기로 한 분들이 너무 바쁜 상황이라, 거의 2년 이상 묵혀둔 내용이 되어 버렸습니다.
이 내용을 필요한 분들도 있을 듯하여 eBook으로 정리해 공유합니다. 일부 URL은 너무 오래되어, 최대한 확인해 갱신하였습니다. 이 책은 메타버스나 디지털트윈을 언리얼과 같은 게임엔진으로 개발할 때, IoT와 어떻게 연결해야 하는 지에 대한 기본적인 방법을 다루고 있습니다. 이런 목적에서 내용은 복잡한 부분은 최대한 제거하고, 목적에만 충실히 구현하였습니다.
참고로, 여기에 사용된 언리얼 버전은 Unreal 4입니다(설치 링크 - https://unreal-engine.en.uptodown.com/windows). 그럼에도 이 글에서 사용된 기술은 계속 유지관리되고 있으니 활용 가능하시리라 생각합니다.
언리얼 게임엔진 기반 외부 센서 연결 및 데이터 교환 방법
아두이노 사용방법
간단한 Node.js 서버 개발
IoT 기반 디지털 트윈 및 메타버스 구현
오픈소스 및 하드웨어 사용법
사례 소개
이 소품에 설명된 코드는 아래 링크에서 다운로드 받을 수 있습니다.
링크 - https://github.com/mac999/UnrealSensingCube
몇몇 개발 화면 캡쳐 이미지 화질이 나쁘나 소스를 참고해 보시면 도움이 되실 겁니다.
제 17회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [AutoCar죠] : 자율주행 로봇 층간 이동을 위한 인지 기능 구현BOAZ Bigdata
데이터 분석 프로젝트를 진행한 AutoCar죠 팀에서는 아래와 같은 프로젝트를 진행했습니다.
자율주행 로봇 층간 이동을 위한 인지 기능 구현
18기 강용구 세종대학교 무인이동체공학과
18기 전효진 건국대학교 응용통계학과
18기 백채은 숙명여자대학교 컴퓨터과학전공
18기 이가은 가천대학교 의용생체공학과
18기 이소연 이화여자대학교 일반대학원 통계학과
한화테크윈 CCTV 사업부와 피플앤드테크놀러지의 Collaboration 작품입니다.
이제 CCTV에 내장( extension확장 모델은 별도)되어 있는 Bluetooth Chip을 활용하여 IoT CCTV가 BLE Scanner 및 BLE Gateway로 변신합니다. 이를 통해 고객은 별도의 게이트웨이를 추가로 설치하지 않더라도, IoT 핵심 기능을 구현할 수 있습니다. 믈론 피플앤드테크놀러지의 IndoorPlus+ RTLS 솔루션을 별도의 하드웨어 설치 없이 사용할 수 있습니다.
이제 CCTV의 선택 기준이 바뀝니다.
IoT CCTV!!
Complete HiRes Video Solutions
You can also check it in Sales Sharing Site "www.lunchntouch.com"
If you want a brochure in your language,
send E-mail below E-mail address unquestioningly!
(English, Chinese, Japanese, french, Portuguese, Spanish, etc)
Import & Export discussion Welcome, too!
Thank you for your touch!
E-mail address : yun@lunchntouch.com
"We can Make happy place for small business! Let's do it!!"
= Lunch N Touch =
IoT EDU/MAKE 플랫폼인 Circulus 를 이용하여,
라즈베리파이를 개발할 때 제공되는 API 가이드라인입니다.
이 가이드에서는
LED, 초음파센서, 7세그먼트, 온습도 센서, 조도 센서, SW/HW PWM, TTS, 카메라, 사운드인식, 위치파악, 모니터링, 광학문자인식(OCR) 등에 대해 단 몇줄의 자바스크립트만으로 제어하는 예제를 다루고 있습니다. 앞으로도 지속적으로 추가될 예정입니다.
6. 02 Feature of Iris
pupil
iris
sclera
Ciliary body
lens
Blind spot
retina
Optical nerve
사람과 동물
모두 홍채가
존재한다.
흰자(sclera)가
보이는 동물은
사람이 유일하
다.
홍채는
동공의 크기를
조절하는
근육의 무늬다.
동공 주위의
근육이 수축과
이완을 통해
동공의 크기를
조절한다.
빛의 세기에 따
라 동공의 크기
가 변하고, 이에
따라 홍채의 면
적도 변한다.
일란성 쌍둥이
의 홍채가 다르
고 좌우의 홍채
또한 다르다.
7. 03 Feature of Iris Recognition
홍채가 같을 확률은 수학적으로 1/(10^52)
홍채
0.0000083~0.0001%(한쪽 눈)
지문
0.001~0.01%
목소리
0.1%
얼굴
1~1.3%
생체 인식 기술별 오류 확률
홍채의 패턴을
인식하는 기술 *실제 기술에서는 10억 분의 1
오인식률이
가장 낮음
8. 04 Iris Recognition Algorithm
홍채 인식 알고리즘
Localization
Image
Capture
Normalization
Feature
Extraction
Binary
Pattern
Store
Pattern
Comparsion
Threshold
Decision
Dr. John Daugman
1991년 원천 특허로 세계 최초 출원
10. 06 Introduce Opencv & Numpy
그러나 우리를 도와줄 Opencv와 Numpy가 있다!!
Python library Casias DataBase
홍채인식용 이미지 DataBase
http://www.cbsr.ia.ac.cn/china/Iris%20Databases%20CH.asp
※
동물 홍채 이미지 DataBase는
존재하지 않기 때문에
사람의 DB를 갖고 진행
Python 3.5.2
Opencv-python 3.4
Numpy 1.14
11. 07 Introduce Opencv & Numpy
Gary Bradsky에 의해 1996년 인텔에서 시작된 프로젝트며,
컴퓨터 비전, 머신러닝 등 다양한 알고리즘 지원과 C++, java 등의 다양한 언어로도 지원되고
있다.
Opencv-Python은 C++ API를 Python으로 랩핑함(Opencv C++과 성능이 비슷)
Open Computer Vision
12. 08 Introduce Opencv & Numpy
수학 연산을 위해 최적화된 라이브러리이며 행렬연산을 쉽게 할 수 있도록 도와준다.
[[18 20 22 ... 59 51 45]
[18 20 22 ... 61 53 47]
[18 20 22 ... 64 56 49]
...
[29 34 37 ... 90 92 93]
[29 34 37 ... 89 91 93]
[28 34 36 ... 88 90 92]]
13. 09 Noise Filtering
이미지에는 다양한 노이즈들이 존재합니다.
Noise Filtering을 통해 성능을 향상시킬 수 있습니다.
Opencv에서 다수의 Filter를 제공하므로
Salt & Pepper Noise 제거에 효과적인 Median Filter를 적용합니다.
Original K=21
K size = 3
16. 12 Localization
동공을 잘 찾기 위해서는 적절한 Parameter Value를 주는 것이 중요합니다.
적절한 Parameter Value를 찾기 위해서는 이미지를 분석하고 특징을 찾아야 합니다.
17. 13 Localization
홍채는 동공처럼 경계가 뚜렷하지 않기 때문에 정확하게 찾기가 힘들지만
HoughCircle을 이용해서 찾을 수 있습니다.
이 알고리즘은 99% 이상의 검출률을 갖고 있습니다. (Casias Image 2500장 기준)
즉, Opencv-python HoughCircle이 효과적이었습니다.
18. 14 Normalization
HoughCircle을 통해 찾은 홍채영역의 중심 좌
표와 반지름을 갖고 홍채영역의 값들을 추출
하여 2D Array 하는 것이 Normalization
입니다.(원 -> 직사각형)
Opencv에 있는 LinearPolar라는 함수를 이용
할 겁니다.
cv2.linearPolar(src, (center_x, center_y),
radius, cv2.WARP_FILL_OUTLIERS)
※원본 이미지가 330과 300이 바뀌어 있습니다.
19. 15 Normalization
원을 완벽하게 직사각형화할 수가 없기 때문
에 linearPolar를 이용하더라도
약간의 왜곡은 발생합니다.
Source linearPolar
custom
Opencv의 linearPolar 함수의 결과는 원본 이미지와 동일한 사이즈로 반환
되기 때문에 왜곡이 크게 발생하여 linearPolar 함수를 재설계하였습니다.
20. 16 Normalization
linearPolar된 이미지에서 동공 영역을 제거하면 완벽한 홍채영역
이미지를 얻을 수 있습니다.
홍채영역에 있는 눈썹, 눈꺼풀은 노이즈이기 때문에 필터를 통해 제거해야
정확한 홍채 패턴을 얻을 수 있습니다.
Detection Image linearPolar
21. 17 Feature Extraction
Normalization된 이미지에서 홍채무늬의 특징을 추출해야 합니다.
특징은 pixel의 크기값(Magnitude)이 아닌 무늬의 방향(Phase)를 추출하는 것입니다.
추출 방법에는 2D Gabor filter, wavelet 등이 있습니다.
두 방법 모두 Opencv에서 제공하는 함수가 없기 때문에 직접 구현해야 합니다.
FeaturelinearPolar
22. 18 Quantization & Binary
추출한 홍채 패턴을 저장 및 비교를 위해 Binary로 변환해야 합니다.
Quantization(양자화)를 위해 적절한 Level을 설정하셔야 합니다.(4 level로 설정)
보통은 Phase는 복소수로 이뤄졌기 때문에 360도를 4분면으로 나누면 한 분면 당 Phase의 범위는
90도가 될 것입니다. 4분면을 binary로 표현하기 위해서 2개의 bit가 필요합니다.
23. 19 HDistance
H(Hamming) Distance : 같은 비트 수를 갖는 2진 코드 사이에 대응되는 비트 값이
일치하지 않는 것의 개수
각 Bit끼리 XOR연산으로 구할 수 있다.
A:101011, B:110010, A와 B의 Hdistance는 3이다.
25. 01 카메라 선정
일반 카메라는
빛 반사로 인해
홍채 촬영이 어렵기 때문에
적외선 카메라가 필요합니다
카메라 화소,
센서 크기,
S/N 등 조건에 따라
6대의 적외선 카메라,
20개의 렌즈,
4개의 적외선 LED를 조합하여
테스트하였습니다
5 ~ 35cm 내에서
거리별로 홍채인식 구현
및 테스트하여
최적의 거리와
최적의 카메라를 찾았습니다
5 3510 15 20 25 30
Infrared Camera
26. 02 Image Capture; 홍채인식 알고리즘의 핵심
Good Image을 얻는 것은 오인식률과 자원낭비를 낮추고 정확도를 올릴 수 있습니다.
Good Image Bad Image
Blur가 없을 것 초점이 맞을 것 이미지 안에 동공(Pupil)과 홍채(Iris)가 찍혀 있을 것
27. 03 Blur Detection
이미지 흐림(Blur)이 있는지를 판별
Laplacian 함수는 이미지의 가로와 세로에 대한 Gradient(기울기)를 2차 미분한 값이며,
Edge를 검출 하는데 사용됩니다.
Laplacian Value가 클수록 선의 경계가 뚜렷하며, Blur가 적은 이미지라고 판단할 수 있습니다.
28. 04 Blur Detection
예제에서는 Threshold의 값을
200으로 하였지만
찍으려는 물체의 이미지에 얼마만큼의
강한 경계를 포함하고 있느냐에 따라 다르
고, Blurry한 이미지이나 강한 선 하나 때
문에
Threshold를 넘기도 합니다.
그래서 Blur를 판단할 수 있는
여러 개의 알고리즘을 사용해야 합니다.
! 주의할 점
31. 02 Architecture
결국 MSA(Micro Service Architecture)로 가기 위한 구성
App, Web, Agent는 Client이며, 역할이 다르고 접근하는 정보도 다르기 때문에
각각의 서버로 직접 접근하기보다는 하나의 API Gateway로 연결.
Recognition에서는 홍채인식 알고리즘이 돌아가기 때문에 CPU 작업이 많아 서버를 따로 분리
Write/Read 성능이 좋은 NoSQL DB에서 생체 정보를 저장
User Server에서는 User관리, 홍채 정보 검색 등의 역할을 함
33. 04 Agent
Beta Version
Agent : USB 적외선 카메라로 이미지를 얻기 위한 Windows용 프로그램
Command 실행이 아닌 직관적인 Gui가 필요 -> PyQt
대부분의 사용자 PC는 윈도우 -> Pyinstaller로 해결
34. 05 Agent
로그인(Agent를 사용할 User의 정보)과 MainView로 구성
MainView : 정보 입력 및 출력 창, 메뉴, 카메라 화면 등으로 구성
Pyinstaller extractor를 방지하기 위해 SecretKey를 이용하여 encryption화
Main View
Login View
37. 08 DB Schema(MongoDB)
MongoDB
- Write/Read가 SQL보다 빠릅니다.
- 홍채 정보는 indexing을 할 수 없기 때문에 매번 1:N 비교를 해야하기 때문에 Read의 성능이 좋아야 함
- Schema가 자유롭기 때문에 동물 정보에 대한 Schema가 명확하지 않은 현 상황에 적합
38. 09 Log System
Python logging처럼 쓰면서 File이 아닌 MongoDB에 저장할 수 있습니다.
Log4mongo(1.6.2)라는 Package가 필요합니다.
39. 10 Log System
MongoHandler를 상속받아서 emit 부분을 다음과 같이 overriding
DB와 Connection fail일 때 파일에 에러를 쓸 수 있도록 Custom하였습니다.
42. 02 Animal Iris Recognition
동물은 사람과 좀 다른 홍채와 동공을 갖고 있어
기존 알고리즘 적용이 어렵다는 사실
…
43. 03 Animal Iris Recognition
그러나 새로운 알고리즘을 다시 구현
새로운 알고리즘은 정확하게 동공과 홍채를 찾아냈습니다.
그 중에서도 제일 선명한 이미지만 찾아냄!
저희 개님은 맹견이라… 테스트 하는데 힘
들었습니다.
그 동안 상납한 간식 값만 해도…ㅎㄷㄷ
44. 04 Performance
반려견님이 움직이지만 않으면
5~10초 이내에 인식되었습니다
아직은 많은 반려견을 테스트 해보지는 못 했습니다
단지 몇 마리의 반려견만 했습니다
DB는 지속적으로
구축될 예정입니다
45. 05 Conclusion
동물 홍채 인식에 관심 있으신 분은
이메일로 연락 주십시오.
감사합니다.
niceutra2@naver.com
반려견의 홍채 인식이 가능하다
Python으로 홍채 인식도 할 수 있다
그래서 결론은, 더욱 열심히 Python합시다