Стек для інтелектуальної системи автентифікації на основі розпізнавання жестів

Abstract

Роботу присвячено обґрунтуванню вибору технологічного стека для побудови інтелектуальної системи автентифікації на основі розпізнавання жестів рук. Сформульовано критерії оцінки: робота у реальному часі без графічного прискорювача, кросплатформність, семантично насичене представлення жесту та доведена криптографічна стійкість засобів захисту еталонних шаблонів. Проведено порівняльний аналіз альтернативних рішень за цими критеріями та обґрунтовано вибір комбінації Python + OpenCV + MediaPipeThis paper substantiates the choice of a technological stack for building an intelligent authentication system based on hand gesture recognition. Evaluation criteria are formulated: real-time operation without a graphics accelerator, cross-platform support, semantically rich gesture representation, and proven cryptographic robustness of the reference template protection. A comparative analysis of alternative solutions against these criteria is performed, and the combination Python + OpenCV + MediaPipe HandLandmarker for the recognition module, Tkinter library for the graphical interface, and the Fernet scheme with PBKDF2-HMAC-SHA256 key derivation for template protection is justified. The selected stack is shown to be a compromise optimum among computational complexity, integration simplicity, and security level.