서명 인증을 위한 회전·스케일·이동(RST) 자동 보정 시스템

본 논문은 서명 기반 바이오메트릭 인증 시스템이 실제 사용 환경에서 직면하는 회전(Rotation), 스케일(Scaling), 이동(Translation) 세 가지 변형(RST) 문제를 해결하기 위한 종합적인 방법론을 제시한다. 서명 인증은 전통적으로 사용자가 미리 정해진 작은 박스 안에 서명을 하도록 제한함으로써 스케일 변형을 최소화하고, 서명 라인 위에 정확히 겹쳐 쓰게 함으로써 회전 오차를 억제한다. 그러나 이러한 제약은 사용자의 편의성을 크게 저해하고, 실제 운영에서는 여전히 각도와 크기 차이가 발생한다. 따라서 RST 변형을 자동으로 보정하는 시스템이 필요하다. **1. 시스템 개요** 시스템은 디지털 펜(Wacom Bamboo)으로 서명을 실시간 수집하고, 수집된 이미지를 전처리(그레이스케일 변환 → 이진화)한 뒤, 순차적으로 회전 보정, 이동 보정, 스케일 보정 과정을 거친다. 전처리 단계에서 색상 정보를 제거하고 흑백 이진 이미지로 변환함으로써 이후 연산을 단순화한다. **2. 회전 보정** 회전 보정은 정규화된 교차 상관(NCC)을 이용한다. 레퍼런스 이미지 X와 사용자 이미지 Y 사이의 NCC를 각도 θ에 대해 계산한다. 초기 탐색은 -60°부터 +60°까지 5° 간격으로 수행해 대략적인 최적 각도 x°를 찾는다. 이후 x°±3° 구간을 1° 간격으로 재탐색해 최종 회전 각도를 결정한다. NCC는 이미지 평균을 빼고 정규화함으로써 조명·명암 차이에 강인하며, 최대값이 나타나는 각도가 회전 보정에 사용된다. 회전 보정 후 이미지는 역회전(θ의 부호 반대)되어 레퍼런스와 정렬된다. **3. 이동 보정** 이동 보정은 이미지 크롭(cropping) 방식으로 구현한다. 전처리된 레퍼런스와 사용자 이미지를 각각 서명 픽셀만 남도록 배경을 제거한다. 이렇게 얻은 서명 영역의 좌측·하단을 새로운 원점(0,0)으로 정의함으로써, 서명이 캔버스 내 어디에 위치했든 좌표계가 일치한다. 따라서 별도의 변환 행렬을 계산하지 않아도 이동 오류가 완전히 소거된다. **4. 스케일 보정** 크롭된 이미지의 높이와 너비를 측정하고, 레퍼런스와 사용자 이미지 간의 비율을 계산한다. 논문에서는 높이 비율(Y 스케일)이 변동이 더 크다고 판단하여 Y 스케일을 주로 사용한다. 스케일 비율 `S = Height_ref / Height_user` 로 정의하고, 사용자 이미지를 이 비율에 맞춰 리사이징한다. 이렇게 하면 두 이미지의 크기가 동일해져 이후 특징 추출 단계에서 좌표 비교가 직접 가능해진다. **5. 특징 추출 및 매칭** 보정된 사용자 이미지와 레퍼런스 이미지에서 서명의 주요 포인트(시작점, 전환점, 교차점 등)를 좌표 집합으로 추출한다. 매칭 단계에서는 두 좌표 집합 사이의 일치 포인트 수를 카운트하여 매칭 점수를 산출한다. 매칭 점수가 사전에 정의된 임계값을 초과하면 인증을 통과하고, 그렇지 않으면 거부한다. **6. 실험 설정** 실험 데이터는 90명의 피험자로부터 수집했으며, 각 피험자당 1개의 레퍼런스 서명과 9개의 테스트 서명을 사용했다. 회전 변형은 -60°~+60°, 스케일 변형은 0.5~2.0배, 이동 변형은 캔버스 전체 폭·높이까지 적용하였다. 보정 전후의 인증 정확도, 오류율(FAR, FRR) 등을 비교하였다. **7. 결과** 회전·스케일·이동 보정 후에는 기존 오프라인 서명 인증 시스템 대비 오류율이 크게 감소하였다. 특히 회전 ±30° 범위에서 인증 성공률이 95% 이상으로 향상되었으며, 스케일 변형이 1.5배 이상일 때도 90% 이상의 정확도를 유지했다. 또한, 다중 레퍼런스 서명을 필요로 하지 않아 데이터베이스 관리 비용이 절감된다. **8. 논의 및 한계** - 교차 상관 기반 회전 추정은 이미지가 크게 왜곡되거나 노이즈가 많을 경우 정확도가 떨어질 수 있다. - 스케일 보정이 단일 비율에 의존하므로 비등방성(가로·세로 비율이 서로 다르게 변하는) 변형에 취약하다. - 오프라인 스캔 시 발생하는 해상도 차이나 압축 아티팩트에 대한 견고성 검증이 부족하다. **9. 향후 연구 방향** 다중 스케일·다중 회전 후보를 동시에 탐색하는 멀티‑스레드 구현, 비선형 변형을 보정하는 Thin‑Plate Spline(TPS) 모델 도입, 그리고 딥러닝 기반 특징 추출(예: CNN, Graph Neural Network)과 결합한 하이브리드 시스템을 제안한다. 또한, 다양한 디바이스(스마트폰 카메라, 저가 디지털 펜)에서의 일반화 성능을 평가할 계획이다. **10. 결론** 본 논문은 회전, 스케일, 이동 변형을 자동으로 보정함으로써, 제한된 서명 박스나 고정된 시작점 없이도 높은 인증 정확도를 달성할 수 있음을 입증했다. 저비용 디지털 펜만으로 구현 가능하고, 레퍼런스 서명 하나만으로도 충분하다는 점에서 실용성이 높다. 이러한 RST 보정 레이어는 기존 오프라인 서명 인증 시스템에 쉽게 통합될 수 있으며, 향후 다양한 바이오메트릭 응용 분야에서도 활용 가능성이 기대된다.