스마트 분석 서명 검증을 위한 DSP 응용

초록

본 논문은 손글씨 서명을 1차원 Daubechies‑4 웨이브릿 신호로 모델링하고, DWT와 DCT를 결합해 고차원 특징 벡터를 생성한다. 추출된 통계적 특징에 차원 축소를 적용한 뒤 SVM 분류기로 학습·평가하여, SVC‑2004와 MCYT‑Bimodal 데이터베이스에서 각각 8.7% EER와 91.3% 정확도를 달성하였다.

상세 분석

이 연구는 전통적인 바이오메트릭 서명 검증 시스템에 디지털 신호 처리(DSP) 기법을 융합함으로써 성능 향상을 도모한다. 먼저 손글씨 서명을 1차원 신호로 간주하고, Daubechies‑4(db4) 웨이브릿을 이용해 다중 해상도 분석을 수행한다. 웨이브릿 변환은 서명의 급격한 변곡점과 미세한 필기 특징을 효과적으로 포착하는데, 특히 db4는 부드러운 파형과 높은 주파수 성분을 동시에 보존한다는 장점이 있다. 이어서 이 변환 결과에 이산 코사인 변환(DCT)을 적용함으로써 에너지 집중성을 강화하고, 고주파 잡음에 대한 내성을 높인다. DWT와 DCT를 순차적으로 결합한 방식은 각각의 변환이 제공하는 시간‑주파수 해상도와 에너지 압축 효율을 동시에 활용한다는 점에서 혁신적이다.

특징 추출 단계에서는 각 서명에 대해 평균, 표준편차, 왜도, 첨도 등 전통적인 통계량을 비롯해 에너지 비율, 최대값·최소값, 제로 크로싱 횟수 등 다차원 특성을 도출한다. 이렇게 생성된 특징 벡터는 수백 차원에 달할 수 있어 차원 저주 문제를 야기한다. 저자는 주성분 분석(PCA) 혹은 선형 판별 분석(LDA)과 같은 차원 축소 기법을 적용해 핵심 정보를 보존하면서 벡터 차원을 수십 차원 수준으로 감소시킨다. 차원 축소 과정에서 분산 보존 비율을 95% 이상 유지하도록 설계했으며, 이는 분류기의 일반화 능력을 크게 향상시킨다.

분류기 선택에 있어서는 서명 검증의 이진 결정(정상 vs 위조) 특성을 고려해 서포트 벡터 머신(SVM)을 채택하였다. 커널 함수는 RBF(가우시안) 커널을 사용했으며, 교차 검증을 통해 최적의 C와 γ 파라미터를 탐색하였다. SVM은 고차원 특징 공간에서도 마진을 최대화함으로써 과적합을 방지하고, 작은 데이터셋에서도 안정적인 성능을 보이는 장점이 있다.

실험은 국제 서명 검증 대회(SVC) 2004 데이터베이스와 MCYT‑Bimodal 데이터베이스(서명 100명, 각 25개의 진본 및 위조 샘플) 두 가지를 이용해 수행되었다. 두 데이터셋 모두 다양한 필기 스타일과 위조 수준을 포함하고 있어 알고리즘의 일반화 능력을 검증하기에 적합하다. 평가 지표로는 동일 오류율(EER)과 정확도(Verification Rate)를 사용했으며, 최종적으로 8.7%의 EER와 91.3%의 평균 정확도를 기록했다. 이는 기존 DWT‑단일 변환 기반 방법들에 비해 약 2~3%p 향상된 수치이며, 특히 위조 서명에 대한 민감도가 크게 개선된 점이 주목할 만하다.

한계점으로는 특징 추출 과정이 비교적 복잡하고, 차원 축소 단계에서 정보 손실 가능성이 존재한다는 점이다. 또한 SVM의 하이퍼파라미터 튜닝이 데이터셋에 민감하게 반응하므로, 실제 현장 적용 시 실시간 파라미터 최적화가 필요할 수 있다. 향후 연구에서는 딥러닝 기반 자동 특징 학습과, 온라인 서명 검증을 위한 경량화 모델 설계가 제안된다.