PPG 바이오메트릭 인증: 다양한 상황에서 CWT‑DLDA 기반 성능 평가

본 논문은 광혈류측정(Photoplethysmography, PPG) 신호를 활용한 비지점 기반 바이오메트릭 인증 시스템을 제안하고, 다양한 환경적·생리적 변동 상황에서 그 성능을 종합적으로 평가한다. 서론에서는 기존 생체인증 기술이 직면한 보안·프라이버시 문제와 대비해, PPG가 LED와 포토다이오드만으로 간단히 측정 가능하고, 혈역학적 특성으로 인해 복제하기 어려운 장점을 강조한다. 또한, PPG 신호는 스트레스, 운동, 시간 경과 등에 따라 형태가 변하기 때문에, 이러한 변동성을 무시할 경우 인증 정확도가 급격히 저하될 수 있음을 지적한다. 관련 연구에서는 피크(심장 수축·이완 등) 기반 피처 추출이 일반적이었으나, 신호 변형에 취약하다는 한계가 있었다. 일부 연구는 1차·2차 미분을 이용하거나, DWT와 kNN을 결합하는 비지점 접근을 시도했지만, 대부분 단일 세션 데이터에만 검증되었다. 본 연구는 이러한 한계를 극복하고자, 전처리‑특징‑차원축소‑매칭의 4단계 파이프라인을 설계한다. 1) 전처리 단계에서는 0.5‑5 Hz 대역의 Butterworth IIR 밴드패스 필터(차수 38)를 적용해 전원선 간섭·베이스라인 드리프트·운동 아티팩트를 억제한다. 이후 신호를 제곱하여 피크의 진폭 대비를 강조하고, 진폭 프로미넌스 기반으로 로컬 최대점을 검출한다. 검출된 피크 중 심박수(HR) 범위(연령·활동 수준 기반)와 크게 벗어나는 경우는 거짓 피크로 간주해 제거한다. 이렇게 정제된 피크를 중심으로, 중간 HR을 기준으로 3.5‑4개의 심박 주기를 포함하는 구간을 추출하고, 인접 구간을 평균화해 SNR을 향상시킨다. 2) 특징 추출 단계에서는 연속 웨이브렛 변환(CWT)을 적용한다. Analytic Morse 웨이브렛을 모선으로 사용해 1‑2 Hz 대역(PPG의 주요 주파수)에서 하나의 스케일만 선택함으로써, 시간‑주파수 영역에서 개인 고유의 패턴을 효과적으로 포착한다. CWT는 이산 웨이브렛 변환과 달리 샘플을 건너뛰지 않아 세밀한 변화를 놓치지 않는다. 3) 차원 축소 단계에서는 직접 선형 판별 분석(Direct LDA, DLDA)을 적용한다. 전통적인 LDA는 클래스 수보다 특성 차원이 클 경우 역행렬 계산이 불가능한 Small Sample Size 문제에 직면하지만, DLDA는 클래스 내·외 산포 행렬을 직접 일반화해 이 문제를 회피한다. 이렇게 얻어진 투영 행렬 W는 훈련 데이터에 대해 최대 클래스 간 분산 대비 최소 클래스 내 분산을 보장한다. 투영된 특징 벡터는 갤러리(템플릿)로 저장된다. 4) 매칭 단계에서는 Pearson 거리(1‑공분산 비율)를 사용해 테스트 벡터와 갤러리 템플릿 간 유사성을 평가한다. 거리값이 사전 설정된 임계값 이하이면 인증을 통과한다. 본 연구는 세 개의 공개 데이터셋을 활용해 종합적인 실험을 수행한다. 첫 번째는 Capnobase 데이터셋(42명, 8분 단일 세션, 휴식 상태)으로, 훈련 시간 45 s, 테스트 세그먼트 수를 2‑100개(시간에 따라 변동)로 변환해 평균 EER을 측정했다. 결과는 0.46%의 평균 EER(표준편차 0.44%)을 기록했다. 두 번째는 DEAP 데이터셋으로, 감정(긍정·부정·중립) 상태에서 PPG를 수집했으며, CWT/DLDA가 0.5% 수준의 EER을 달성해 감정 변동에 대한 강인성을 입증했다. 세 번째는 운동·시간 경과 데이터셋으로, 신체 활동 직후와 수일 후의 신호를 비교했을 때 EER이 0.5%‑6% 사이로 변동했으며, 특히 훈련 시간 60 s로 늘리면 최저 0.5%에 근접했다. 비교 실험으로는 기존 연구에서 사용된 CWT/kNN, AC/LDA, PCA, KPCA, Kernel Direct Discriminant Analysis(KDDA) 등을 동일 파이프라인에 적용했다. 모든 경우에서 CWT/DLDA가 가장 낮은 EER을 보였으며, 특히 Open‑Set 검증(차원 축소 없이 원본 CWT 피처를 직접 매칭)에서는 성능이 크게 저하되는 것을 확인했다. 이는 차원 축소가 개인 간 변동성을 강조하고, 노이즈를 억제하는 데 핵심적임을 시사한다. 논문의 주요 기여는 다음과 같다. (1) 비지점 기반 PPG 인증 체계 설계 및 구현, (2) 연속 웨이브렛과 직접 LDA의 결합을 통한 높은 변별력 확보, (3) 감정, 운동, 시간 경과 등 다양한 실생활 변동 상황에 대한 포괄적 평가, (4) 45‑60 s의 짧은 학습 시간에도 0.5%‑6% 수준의 낮은 EER 달성. 한계점으로는 HR 기반 거짓 피크 제거가 개인별 HR 변동성을 충분히 반영하지 못할 수 있음, 짧은 세그먼트(10 s 이하)에서는 충분한 주기 확보가 어려워 성능 저하 가능성, 장기 시간 경과(수개월 이상) 데이터가 부족해 실제 서비스 환경에서의 지속 가능성을 추가 검증해야 함을 들 수 있다. 향후 연구에서는 적응형 피크 검출·HR 범위 설정, 멀티모달(PPG+가속도계) 융합, 그리고 클라우드 기반 지속 학습 프레임워크를 도입해 실시간 IoT·스마트홈 환경에 최적화된 인증 시스템을 구축하고자 한다.