공간 도메인 평균 프레임을 이용한 카메라 지문 추출

본 논문은 PRNU 기반 카메라 출처 식별에서 가장 큰 병목인 대규모 프레임·이미지의 디노이징 연산을 효율적으로 줄이는 새로운 방법을 제시한다. 서론에서는 PRNU가 카메라 센서 고유의 곱셈형 잡음 패턴임을 설명하고, 기존 연구들이 이미지 기반 PRNU를 활용해 카메라 검증·식별을 수행했으며, 영상에서는 압축률·안정화 등 추가적인 어려움이 존재함을 언급한다. 특히 영상 안정화는 프레임마다 어파인 변환이 적용돼 PRNU가 픽셀 단위로 정렬되지 않아 기존 PRNU 매칭이 크게 약화된다. 관련 연구 섹션에서는 PRNU 지문 압축, 이진화, 랜덤 프로젝션, 그룹 테스트 등 지문 자체를 경량화하거나 연산을 줄이는 다양한 접근을 소개한다. 그러나 이들 방법은 주로 이미지에 초점을 맞추고, 영상 전체 프레임을 이용한 고품질 지문 추출에 필요한 연산량을 근본적으로 감소시키지는 못한다. 본 논문의 핵심 아이디어는 “Spatial Domain Averaged (SDA) 프레임”이다. m개의 프레임을 g개의 비중첩 서브그룹으로 나누고, 각 그룹에 속한 d = m/g개의 프레임을 픽셀별 산술 평균해 하나의 SDA‑프레임을 만든다. 이후 각 SDA‑프레임에 고성능 디노이징 필터(F)를 적용해 노이즈 잔차를 추출하고, 이 잔차들을 평균해 최종 카메라 지문을 얻는다. 이 과정은 기존 방식에서 n개의 프레임을 각각 디노이징하고 평균하는 2단계와 달리, 디노이징 횟수를 d배 감소시킨다. 수학적 분석에서는 기존 방식에서 추정된 지문의 분산 Var(Ķ)이 σ₁²(센서 잡음)와 σ₂²(디노이징 잔여) 합에 비례함을 보이며, SDA 방식에서는 프레임 평균이 콘텐츠 잡음 ξ의 분산을 1/d로 감소시켜 전체 분산을 낮춘다. 따라서 동일한 총 프레임 수를 사용했을 때, SDA‑프레임 기반 지문은 품질 저하 없이 연산량만 크게 절감한다. 실험에서는 두 개의 공개 데이터셋(VISION, NYU AD‑MMD)을 이용해 다양한 시나리오를 평가했다. 실험 설정은 (1) 고압축 JPEG 이미지, (2) 전체 프레임 사용 vs I‑프레임만 사용, (3) 디지털 영상 안정화가 적용된 영상 등이다. 결과는 다음과 같다. - 처리 시간: 전체 1800프레임을 모두 디노이징하는 기존 방식은 평균 30~40분이 소요되지만, SDA‑프레임(g=60, d=30) 사용 시 0.5~1분 이내로 감소, 약 50배 가속. - 매칭 정확도: True Positive Rate(TPR)이 I‑프레임만 사용했을 때보다 5~10% 상승하고, 전체 프레임을 사용한 경우와 차이가 0.5% 이하. - 안정화 영상: SDA‑프레임을 이용하면 어파인 변환에 의해 발생한 픽셀 오프셋이 평균 과정에서 상쇄돼, 기존 방법 대비 TPR이 12% 향상. 또한, 프레임 수를 늘리면 (d 증가) 잡음 감소 효과가 커져 성능이 더욱 향상되지만, 평균에 포함된 프레임이 너무 다양하면 움직이는 객체에 의한 잔여 콘텐츠 잡음이 증가할 수 있다. 이를 보완하기 위해 향후 연구에서는 움직임 기반 가중 평균, 어파인 정합 후 평균, 혹은 다중 스케일 평균 기법을 검토한다. 결론에서는 SDA‑프레임 기반 PRNU 추출이 대규모 영상 포렌식, 소셜 미디어 이미지 분석, 실시간 카메라 인증 등에 적용 가능함을 강조한다. 연산 효율성 덕분에 수천 대의 카메라 지문을 보유한 데이터베이스에서도 실시간 매칭이 가능해지며, 향후 고해상도 8K 영상이나 멀티카메라 시스템에도 확장 가능성을 제시한다.