Розмір шрифта:
МЕТОД АВТЕНТИФІКАЦІЇ КОРИСТУВАЧА ЗА ЖЕСТОВИМ ПАРОЛЕМ НА ОСНОВІ АНАЛІЗУ КЛЮЧОВИХ ТОЧОК РУКИ
Остання редакція: 2026-05-11
Анотація
У роботі запропоновано метод автентифікації користувача за жестовим паролем, що ґрунтується на
аналізі ключових точок руки, отриманих зі стандартної веб-камери. Описано підхід до формування ознакового
вектора на основі landmark-представлення кисті, що включає нормалізовані координати 21 ключової точки,
кути нахилу пальців та евклідові відстані від кінчиків пальців до центру долоні. Розглянуто алгоритм
послідовної перевірки чотирьох жестів із використанням евклідової відстані, порогової оцінки подібності та
часової стабілізації за кількістю послідовних кадрів. Запропонований метод дає змогу реалізувати природну
взаємодію користувача із системою та підвищити стійкість автентифікації порівняно з перевіркою одного
жесту.
A METHOD FOR USER AUTHENTICATION USING A GESTURE-BASED
PASSWORD BASED ON THE ANALYSIS OF KEY POINTS ON THE HAND
Abstract:
The paper proposes a user authentication method based on a gesture password and the analysis of hand keypoints
captured by a standard webcam. The approach to feature vector construction is described using a landmark-based
hand representation that includes normalized coordinates of 21 keypoints, finger inclination angles, and Euclidean
distances from fingertips to the palm center. The algorithm of sequential verification of four gestures is considered
using Euclidean distance, threshold-based similarity estimation, and temporal stabilization by the number of
consecutive frames. The proposed method enables natural user interaction with the system and improves authentication
robustness compared with single-gesture verification.
аналізі ключових точок руки, отриманих зі стандартної веб-камери. Описано підхід до формування ознакового
вектора на основі landmark-представлення кисті, що включає нормалізовані координати 21 ключової точки,
кути нахилу пальців та евклідові відстані від кінчиків пальців до центру долоні. Розглянуто алгоритм
послідовної перевірки чотирьох жестів із використанням евклідової відстані, порогової оцінки подібності та
часової стабілізації за кількістю послідовних кадрів. Запропонований метод дає змогу реалізувати природну
взаємодію користувача із системою та підвищити стійкість автентифікації порівняно з перевіркою одного
жесту.
A METHOD FOR USER AUTHENTICATION USING A GESTURE-BASED
PASSWORD BASED ON THE ANALYSIS OF KEY POINTS ON THE HAND
Abstract:
The paper proposes a user authentication method based on a gesture password and the analysis of hand keypoints
captured by a standard webcam. The approach to feature vector construction is described using a landmark-based
hand representation that includes normalized coordinates of 21 keypoints, finger inclination angles, and Euclidean
distances from fingertips to the palm center. The algorithm of sequential verification of four gestures is considered
using Euclidean distance, threshold-based similarity estimation, and temporal stabilization by the number of
consecutive frames. The proposed method enables natural user interaction with the system and improves authentication
robustness compared with single-gesture verification.
Ключові слова
автентифікація; жестовий пароль; MediaPipe; ключові точки руки; біометрія; комп’ютерний зір; authentication; gesture password; MediaPipe; hand keypoints; biometrics; computer vision
Посилання
1. Що таке автентифікація? Визначення й способи | Захисний комплекс Microsoft. Microsoft. URL: https://www.microsoft.com/uk-ua/security/business/security-101/what-is-authentication (дата звернення: 10.02.2026).
2. Maslova N. O., Polunina D. O. Biometric authentication methods for personal identification. Naukovyi visnyk Donetskoho natsionalnoho tekhnichnoho universytetu. 2019. Т. 1(2), № 2(3). С. 12-20. URL: https://doi.org/10.31474/2415-7902-2019-1(2)-2(3)-12-20 (дата звернення: 10.02.2026).
3. Yasen M., Jusoh S. A systematic review on hand gesture recognition techniques, challenges and applications. PeerJ Computer Science. 2019. Т. 5. С. e218. URL: https://doi.org/10.7717/peerj-cs.218 (дата звернення: 10.03.2026).
4. Lugaresi C. та ін. MediaPipe: A Framework for Building Perception Pipelines. arXiv.org. URL: https://arxiv.org/pdf/1906.08172 (дата звернення: 10.03.2026).
5. Zhang F. та ін. MediaPipe Hands: On-device Real-time Hand Tracking. arXiv.org. URL: https://arxiv.org/pdf/2006.10214 (дата звернення: 10.03.2026).
6. Hand landmarks detection guide | Google AI Edge | Google AI for Developers. Google AI for Developers. URL: https://ai.google.dev/edge/mediapipe/solutions/vision/hand_landmarker (дата звернення: 10.03.2026).
7. Dynamic Hand Gesture Recognition Using MediaPipe and Transformer. MDPI. URL: https://doi.org/10.3390/engproc2025108022 (дата звернення: 10.03.2026).
2. Maslova N. O., Polunina D. O. Biometric authentication methods for personal identification. Naukovyi visnyk Donetskoho natsionalnoho tekhnichnoho universytetu. 2019. Т. 1(2), № 2(3). С. 12-20. URL: https://doi.org/10.31474/2415-7902-2019-1(2)-2(3)-12-20 (дата звернення: 10.02.2026).
3. Yasen M., Jusoh S. A systematic review on hand gesture recognition techniques, challenges and applications. PeerJ Computer Science. 2019. Т. 5. С. e218. URL: https://doi.org/10.7717/peerj-cs.218 (дата звернення: 10.03.2026).
4. Lugaresi C. та ін. MediaPipe: A Framework for Building Perception Pipelines. arXiv.org. URL: https://arxiv.org/pdf/1906.08172 (дата звернення: 10.03.2026).
5. Zhang F. та ін. MediaPipe Hands: On-device Real-time Hand Tracking. arXiv.org. URL: https://arxiv.org/pdf/2006.10214 (дата звернення: 10.03.2026).
6. Hand landmarks detection guide | Google AI Edge | Google AI for Developers. Google AI for Developers. URL: https://ai.google.dev/edge/mediapipe/solutions/vision/hand_landmarker (дата звернення: 10.03.2026).
7. Dynamic Hand Gesture Recognition Using MediaPipe and Transformer. MDPI. URL: https://doi.org/10.3390/engproc2025108022 (дата звернення: 10.03.2026).
Повний текст:
PDF