earticle

영어

This study proposes a cancelable biometric authentication framework utilizing dynamic Action Unit (AU) patterns of facial expressions to address the irreversibility limitations of static biometrics (fingerprint, iris, facial geometry). The core contribution is an original methodology that extracts kinematic features—velocity (V), acceleration (A), and jerk (J)—from AU intensity time-series data, then automatically selects the top 5 AUs through composite evaluation of discriminability and reproducibility for each individual. A prototype system comprising 7 modules was implemented, including 12-AU extraction from 478 MediaPipe 3D landmarks, Savitzky-Golay filtered kinematic feature engineering, and a dual authentication engine combining cosine similarity with Dynamic Time Warping (DTW). Experiments on the MYFED dataset demonstrated statistically significant improvements over static face recognition (ArcFace): 96% accuracy (+11%p) and 1.8% EER (-3.4%p) (paired t-test, p < 0.01). These findings empirically validate an ISO/IEC 24745-compliant framework enabling template renewal through expression changes, contributing a new security paradigm of 'renewable biometric identity' in the deepfake era.

한국어

본 연구는 기존의 지문이나 홍채,얼굴형상 등 정적 생체인증의 비가역성 문제를 해결하기 위해 얼굴 표정의 동적 액션 유닛(Action Unit, 이하 AU) 패턴을 활용한 취소 가능 생체인증(cancelable biometrics) 프레임워크를 제안한다. 본 연구에서는 AU 강도의 시계열 데이터로부터 속도(V), 가속도(A), 저크(J)의 운동학적 특징을 추출하고 개인별 변별력과 재현성을 복합적으로 평가하여 상위 5개의 AU를 자동 선별하는 방법론을 독창적으로 제시한다. 이를 검증하기 위해 MediaPipe 기반의 478개3D 랜드마크를 활용한 12개 AU 추출, Savitzky-Golay 필터링을 통한 운동학적 특징 공학, 그리고 코사인 유사도와 DTW(Dynamic Time Warping)를 결합한 인증 매칭 엔진을 포함하는 7개 모듈의 프로토타입 시스템을 구현하였다. MYFED 데이터셋 기반 실험 결과 정적 얼굴 인식대비 정확도96%(+11%p), EER 1.8%(-3.4%p)의 유의미한 성능 향상을 확인하였으며(paired t-test, p < 0.01) 감정별로는 놀람(AU1,2,5) > 행복(AU6,12) > 슬픔(AU15,17) 순의 식별력을 보였다. 본 연구의 시사점은 표정 변경만으로 템플릿 갱신이 가능한 ISO/IEC 24745 준수 프레임워크를 실증적으로 제시하였다는 점이다.