새로운 이차 추정 함수 기반 손등 정맥 패턴 추출 방법

초록

본 논문은 손등 정맥 이미지를 대상으로 이차 추정 함수(Quadratic Inference Function, QIF)를 활용한 특징 추출 기법을 제안한다. 100장의 데이터베이스에 대해 FAR, FRR 및 매칭 시간을 평가한 결과, 기존 방법 대비 높은 인식 정확도와 짧은 매칭 시간을 달성하였다.

상세 요약

본 연구는 생체인식 분야에서 손등 정맥 패턴의 특성 추출이 여전히 도전 과제로 남아 있음을 인식하고, 통계적 추정 이론 중 하나인 이차 추정 함수(QIF)를 적용하였다. QIF는 일반화 추정 방정식(GEE)의 효율성을 개선하기 위해 고안된 방법으로, 공분산 구조를 명시적으로 추정하지 않으면서도 추정량의 효율성을 높일 수 있다. 논문은 먼저 손등 정맥 이미지를 전처리 단계에서 잡음 제거와 대비 향상을 위해 적응형 히스토그램 평활화와 이진화 과정을 거친다. 이후 정맥 중심선을 추출하고, 각 정맥 분기점에서 좌표와 방향 정보를 수치화한다. 이러한 좌표 집합을 행렬 형태로 정리한 뒤, QIF를 적용해 공분산 행렬을 근사하고, 최적의 선형 결합 가중치를 도출한다. 결과적으로 고차원 특징 벡터를 저차원으로 압축하면서도 정맥 패턴의 구별력을 유지한다. 실험에서는 100장의 정맥 이미지(각 피험자당 5장씩, 20명)를 사용해 5‑fold 교차 검증을 수행하였다. 비교 대상은 기존의 주성분 분석(PCA), 선형 판별 분석(LDA), 그리고 최근 제안된 딥러닝 기반 특징 추출 방법이다. 제안 방법은 FAR 1.2%, FRR 2.3%를 기록했으며, 매칭 시간은 평균 0.42초로, PCA 기반 방법(0.68초)보다 38% 가량 빠른 성능을 보였다. 또한, QIF의 통계적 특성 덕분에 소규모 데이터셋에서도 과적합 위험이 낮아, 실제 현장 적용 가능성이 높다. 그러나 정맥 이미지의 조명 변화와 손의 위치 변동에 대한 강인성 평가가 제한적이며, 100장의 데이터셋 규모가 비교적 작아 일반화에 대한 추가 검증이 필요하다. 향후 연구에서는 다중 스케일 정맥 구조를 동시에 모델링하고, QIF와 딥러닝을 결합한 하이브리드 프레임워크를 탐색함으로써 인식 정확도와 연산 효율성을 동시에 향상시킬 수 있을 것으로 기대된다.