2회 StepUP 대회, 발걸음 생체인식을 단일 보행에서 보폭 검증으로 확장

도입

생체인식이라고 하면 보통 얼굴, 지문, 홍채, 음성을 떠올린다. 하지만 사람이 걸을 때 바닥에 남기는 압력 변화 역시 개인을 구분하는 단서가 될 수 있다. arXiv에 공개된 논문은 제2회 International StepUP Competition for Biometric Footstep Recognition 결과를 다룬다. 이 대회는 동적 발걸음 압력 데이터를 이용해 사용자를 검증하는 기술을 공통 기준으로 평가하기 위해 마련됐다.

중요한 점은 단순한 모델 순위 경쟁이 아니라는 것이다. StepUP은 실제 환경에서 발생할 수 있는 신발, 속도, 사용자 변화까지 포함해 이 분야가 어디까지 견딜 수 있는지 확인하는 평가 프레임워크에 가깝다.

핵심 내용

• 대규모 데이터 기반 평가: 대회는 StepUP-P150 데이터셋을 사용했다. 이 데이터셋에는 150명으로부터 수집한 20만 개 이상의 고해상도 동적 발걸음 기록이 포함되며, 이전에 공개되지 않은 테스트셋도 활용됐다.
• 세 가지 주요 과제: 제한된 등록 데이터만 있는 미등록 사용자에 대한 일반화, 신발과 보행 속도 변화로 인한 도메인 시프트 대응, 좌우 발걸음 쌍을 효과적으로 결합하는 문제가 핵심이었다.
• 단일 발걸음에서 보폭 수준으로: 이번 대회는 첫 대회의 틀을 이어가면서도 더 강한 교차 도메인 조건을 도입했고, 고립된 발걸음이 아니라 좌우 발을 묶은 보폭 단위 검증으로 확장했다.
• 최고 등오류율 8.00%: 학계와 산업계에서 26개 등록자가 참여했으며, ArogyaPandit Research Team은 시공간 CNN과 앙상블 기반 점수 전략을 결합해 최고 성능을 기록했다.

의미와 영향

결과는 발걸음 생체인식에서 시간적 패턴을 포착하는 것이 중요하다는 점을 보여준다. 상위권 접근법은 압력 이미지를 정적인 형태로만 보지 않고, 시간에 따른 변화와 좌우 발 사이의 정보를 활용했다. 또한 추론 시 정규화와 보정을 적용하면 검증 점수의 품질을 높일 수 있다는 점도 확인됐다.

그러나 한계도 분명하다. 사용자가 이전에 보지 못한 개인 신발을 신고 있을 때, 특히 비슷한 특성을 가진 방해 대상이 함께 존재하면 인식이 어려워진다. 이는 무자각 인증, 보안, 건강 모니터링 같은 잠재적 활용을 생각할 때 중요한 문제다. 실제 환경에서는 신발, 보행 속도, 걷는 상태를 일정하게 통제하기 어렵기 때문이다.

결국 제2회 StepUP 대회는 이 분야의 가능성과 취약점을 동시에 드러낸 평가였다. 앞으로의 진전은 신발과 속도 변화에 덜 민감한 표현 학습, 좌우 발걸음 융합, 유사한 보행 특성을 가진 사람을 세밀하게 구분하는 능력에 달려 있을 가능성이 크다.

출처: arXiv