CN100361131C - 信息处理设备、信息处理方法 - Google Patents

Abstract

本发明提供一种信息处理设备、信息处理方法，从存在于空间中的人物的图像信息、声音信息中收集多种特征量，计算所收集的特征量的有效值，根据计算出的有效值，从所收集的各种特征量中确定用于个人识别处理的特征量，使用所确定的特征量进行个人识别。

Description

信息处理设备、信息处理方法

技术领域

本发明涉及个人识别技术。

背景技术

作为进行个人核对的认证技术，有生物特征识别技术(biometrics)，作为生物特征的核对和识别，使用了指纹认证(参照日本专利申请公开特开平11-96363号公报)、虹膜认证(参照日本专利申请公开特开平11-13164号公报)、声纹认证(参照日本专利申请公开特开平11-73196号公报)、脸认证(参照日本专利申请公开特开平11-161791号公报)等。

已有为了实现高精度使用多个核对用的特征进行认证的方法(参照日本专利申请公开特开2001-331801号公报、日本专利申请公开特开2003-186847号公报)

例如，在日本专利申请公开特开2000-102524号公报记载的个体识别装置中，并用了脸图像识别和虹膜识别的技术。

在日本专利申请公开特开平11-253426号公报公开的活体特征的认证方法和装置、记录介质中，根据综合多个活体特征的核对分数(score)从而获得的特征空间的识别规则进行认证。

日本专利申请公开特开2000-242786号公报的本人认证系统中，公开了将指纹、脸、声音、笔迹中2种或2种以上的认证方式进行组合，概率地(probabilistically)进行认证的结构。

在日本专利申请公开特开2001-109855号公报的个人认证装置中，公开了在1次认证中进行基于不同的多种方式的认证处理，融合该认证处理的结果最终进行判断的方式。

在日本专利申请公开特开2000-148985号公报的个人认证系统中，作为活体信息，使用声音、脸图像的一部分或者全部、以及体味，用第1活体信息的相似度(或者特征量)和第2活体信息的相似度进行认证的判断。

在日本专利申请公开特开2001-338295号公报所示的基于活体信息的本人认证系统中，或者当存在多个脸纹信息的符合率(matchingrate)大于等于阈值的登录对象时使用声纹信息进行符合率的评价，或者将脸纹信息的符合率与声纹信息的符合率相乘进行阈值处理等，从而进行认证评价。

但是，上述使用多个核对用特征进行认证的技术，由于没有考虑用于核对的特征的检测信号的质量，因此存在不少问题，例如在特征的测量条件不佳、SN比差等情况下，与只使用质量好的特征检测信号进行核对的情况相比，错误发生率变高。

例如，即使是同一个人物，根据不同的观察角度、距离、该人物的身心状态、照明条件，观察结果存在很大差异。而且，在摄影条件不佳也要进行人物的识别的情况下，即使通过将脸和其他活体信息进行整体组合，或者用确定的方法筛选识别对象来进行识别，多数情况下精度也不会高。

以往，为了进行认证，使认证对象在照相机的前方正对着照相机、或者按照声音指示发出声音等，需要造出使认证对象意识到正在进行认证的状况，无法在各种各样的条件下，不给被认证者带来负担地、自然地进行高精度的人物识别(认证)。

发明内容

本发明是鉴于以上的问题而完成的，其目的在于，提供一种对从认证的对象人物获得的特征检测信号的有效性等进行评价，为了核对明条件或环境的变动具有稳健性并且维持高的核对精度，进行适当的特征的选择的人物识别技术。

而且，本发明提供一种根据该有效性而高效地进行识别对象的筛选的识别技术。

而且，本发明的目的还在于，提供一种通过将人物的步态、举止习惯(mannerism)、手势、咳嗽、喷嚏等关于动作的特征也作为人物识别的辅助信息用于筛选，从而缩短认证需要的时间，并且提高识别精度的技术。

进而，本发明提供一种进行自然的、并且不使认证对象意识到正在进行认证的、高精度的个人识别的人物识别技术。

为了实现本发明的目的，本发明的信息处理设备包括以下的结构。即，本发明的信息处理设备的其特征在于，包括：

取得装置，取得人所处的空间的环境信息；

收集装置，从上述取得装置取得的环境信息中收集多种特征量；

计算装置，求上述收集装置收集的各种特征量的有效值；

确定装置，根据上述计算装置计算出的各有效值，从上述多种特征量中确定用于个人识别的特征量；以及

识别装置，使用上述确定装置所确定的特征量进行个人识别。

为了实现本发明的目的，本发明的信息处理方法包括以下的步骤。即，本发明的信息处理方法的特征在于，包括：

取得步骤，取得人所处的空间的环境信息；

收集步骤，从在上述取得步骤中取得的环境信息中收集多种特征量；

计算步骤，求在上述收集步骤中所收集的各种特征量的有效值；

确定步骤，根据在上述计算步骤中计算出的各有效值，从上述多种特征量中确定用于个人识别的特征量；以及

识别步骤，使用在上述确定步骤中所确定的特征量进行个人识别。

本发明的其他特征和优点可以通过下面的参照附图进行的说明得到明确，对附图中的相同或相似的部分赋予相同的说明符号。

附图说明

该附图构成说明书的一部分，用于说明本发明的实施例，并与说明一起解释本发明的原理。

图1是本发明的第1实施方式的个人识别处理的流程图。

图2是表示本发明的第1实施方式的个人识别系统的功能结构的框图。

图3是表示特征信息检测部112的功能结构的框图。

图4是表示本发明的第2实施方式的个人识别系统的功能结构的框图。

图5是本发明的第2实施方式的个人识别处理的流程图。

图6是表示识别处理装置1000的基本结构的框图。

图7是表示人物检测部150的功能结构的图。

图8是表示装载图1或者图5所示的系统的信号处理装置的基本结构的图。

图9是表示本发明的第1实施方式的传感部111的功能结构的框图。

具体实施方式

以下，参照附图详细说明本发明的优选实施方式。

〔第1实施方式〕

图2是表示本实施方式的个人识别系统的功能结构的框图。如图2所示，本实施方式的系统，由传感部111、识别处理装置1000构成，并且，该识别处理装置1000，由人物检测部150、特征信息检测部112、学习分类部113、数据库115、核对部118、以及2次认证部119构成。

传感部111用于收集现实空间的图像信息、声音信息，更具体地说，由用于拍摄现实空间的图像(动图像/静止图像)的摄像机、用于收集现实空间中的声音的传声器等构成。在本实施方式中，为了收集现实空间中作为环境信息的图像信息、声音信息，传感部111如图9所示，由收集现实空间的图像信息的图像传感部1111、和收集现实空间中的声音信息的声音传感部1112构成。图9是表示本实施方式的传感部111的功能结构的框图。

另外，关于收集现实空间的图像信息、声音信息的装置不限于此，例如也可以使其收集保持在外部装置中的现实空间的图像信息、声音信息。

返回图2，人物检测部150，根据由传感部111取得的图像确定人物像的区域。图7是表示人物检测部150的功能结构的图。如该图所示，人物检测部150由分层的神经网络(作为分层神经回路网模型之一的Convolutional网络的结构(LeCun，Y.and Bengio，Y.，1995，“Convolutional Networks for Images Speech，and Time Series”inHandbook of Brain Theory and Neural Networks(M.Arbib，Ed.)，MITPress，pp.255-258))构成。

由传感部111取得的图像输入到数据输入层701。第j层特征检测层(1，i)，由以预定的分辨率检测来自前级的层的输入图案中的局部特征(一种以上)的神经元(具有由检测预定的特征量的种类决定的共通的局部接受域结构)构成。

第k层特征综合(特征组合)层(2，k)，由具有预定的接受域结构(以下，接受域表示与紧前一个层的输出元的耦合范围；接受域结构表示该耦合负载的分布)的神经元构成，作为来自特征检测层的多个神经元输出(特征综合层神经元的局部接受域内)的综合处理，进行基于局部平均化、最大输出抽取等的子采样等运算。特征综合层各神经元的各接受域也在与检测出的特征类型对应的各模块内具有共通的结构。详细内容可以参照日本专利申请公开特开2002-8032号公报、日本专利申请公开特开2002-358500号公报等。而后，从最终输出层输出图像中的人物的检测位置信息。

特征信息检测部112，进行如下的处理，即求出适用于对人物检测部150确定的位置上的人物像进行个人识别这一类型的特征量、以及适用于根据由上述声音传感部1112取得的声音信息进行个人识别这一类型的特征量。特征信息检测部112如图3所示那样，由特征检测部1120、特征有效度评价部1121、特征选择部1122构成。图3是表示特征信息检测部112的功能结构的框图。

特征检测部1120，求出关于人物检测部150确定的位置上的人物像相关的各种特征量，根据由上述声音传感部1112取得的声音信息求出为了进行个人识别所需要的各种特征量。

特征有效度评价部1121，对特征检测部1120求出的各特征量求有效值。

特征选择部1122，根据特征有效度评价部1121求出的各特征量的有效值，对人物检测部150确定的位置上的人物(包含在由声音传感部1112取得的声音信息中的人物)，决定用于进行个人识别的特征量。

核对部118，对由特征信息检测部112获得的特征量(特征选择部1122决定的特征量)、与按个人登录在数据库115中的特征量进行核对，从而进行个人识别。当然，在由特征信息检测部112获得的特征量(特征选择部1122决定的特征量)、与按个人登录在数据库115上的特征量的任何一个都不相符的情况下，判断“人物检测部150确定的位置上的人物像，没有登录在数据库115中”，在这样的情况下，学习分类部113，将由特征信息检测部11 2获得的特征量登录到数据库115，并且使用该特征量使特征信息检测部112学习人物检测部150确定的位置上的人物像，将该学习结果登录到数据库115上。由此，使得在下次向核对部118呈现该特征量时，能够识别该人物。

数据库115，对每个个人，按类型登录了特征量。作为类型，包括与从多个角度观察到的人物的脸图像或者脸的3维形状模型和从离散的角度观察到的脸图像；关于人物的服装、携带的物品和发型的图像特征；关于手势、步态的图像特征；以及基于发声、笑、咳嗽、喷嚏等的声音特征等，各个类型的特征量按个人登录在数据库115上。

作为在本实施方式中使用的类型有：涉及脸、发型、背影、体型、姿势、服装、携带的物品等的，关于眼睛、嘴等人体构成器官的局部形状、轮廓形状、颜色成分特征、肌理(texture)特征量，眼睛、嘴等人体构成器官的配置信息等各类型的以静止图像为基础的图像特征；关于动作和步态等的人体构成器官在时空域(time-space domain)的轨迹信息等以动图像为基础的图像特征；以及咳嗽、喷嚏等非语言声音，关于发声时的声音的声纹等声音特征等。使用了声纹的个人识别，只需采用本申请人在日本专利申请公开特开平7-302351号公报等中记载的技术即可。

此外，进一步说明核对部118，核对部118对图像信息进行与数据库115核对的处理，对声音信息进行与数据库115核对的处理。

图像信息的核对这样进行，即对脸、发型、背影、体型、服装、携带的物品等以静止图像为基础的特征、手势和步态的习惯等以动图像为基础的特征进行核对，并针对这些特征进行个人识别。在服装特征的识别中，例如，服装的质地特征、颜色成分特征、服装的类型(连衣裙、裤子、裙子、衬衣、毛衣、外套等各类型)的轮廓、以及从特定视点位置观察到的图像的局部特征的空间配置信息(参照本申请人的日本专利申请特许3078166号公报)等，是核对时所使用的特征类型。携带的物品、以及其他以静止图像为基础的核对也同样地进行。关于手势、步态的习惯的特征检测方法，只需使用公知的技术(例如日本专利申请公开特开2002-8042号公报、日本专利申请公开特开2002-344946号公报等)即可，由于在这里不作为主要着眼点，故而省略对其的说明。

2次认证部119，在检验部118识别个人时，使用其他的特征量进行识别处理，以进一步对该个人进行更为详细的识别处理。

图6是表示上述识别处理装置1000的基本结构的框图。作为识别处理装置1000，可以应用普通的PC(个人计算机)、WS(工作站)等，但本发明不限于此。

在图6中，801是CPU，使用存储在RAM802、ROM803中的程序、数据，进行本装置整体的控制，并且执行识别处理装置1000进行的后述各项处理。另外，图2所示的人物检测部150、特征信息检测部112、学习分类部113、核对部118、以及2次认证部119都作为CPU801具有的功能的一部分进行动作。

802是RAM，具有用于暂时存储从外部存储装置806加载的程序、数据，经由接口807接收的程序、数据的区域，并且还具有CPU801执行各种处理时使用的工作区。

803是ROM，存储本装置的设定数据、引导程序等。

804是操作部，由键盘、鼠标等构成，能够通过本装置的操作者进行操作而对CPU801输入各种指示。

805是显示部，由CRT、液晶画面等构成，能够通过图像、字符等显示CPU801的处理结果。

806是外部存储装置，由硬盘驱动装置等大容量信息存储装置构成，在这里保存着用于使OS(操作系统)、CPU801执行识别处理装置1000进行的后述各项处理的程序、数据。而且，在此登录有图2所示的数据库115保持的信息组，即对每个个人，登录有每个类型的特征量。并且，这些信息中的一部分或者全部，按照CPU801的控制被加载到RAM802，成为CPU801的处理对象。

807是I/F，用于本装置与外部设备进行数据通信，例如，可以将上述摄像机、传声器等连接在这里，除此之外，还可以经由网络与保持现实空间的图像信息、声音信息的装置连接。

808是连接上述各部的总线。

接着，对具有上述结构的识别处理装置1000进行的本实施方式的个人识别处理，使用表示该处理流程图的图1，在以下进行说明。另外，用于使CPU801按照图1的流程图执行处理的程序、数据保持在外部存储装置806中，通过按照CPU801的控制适当地将这些程序、数据加载到RAN802，并由CPU801使用这些程序、数据进行处理，本装置将执行以下说明的各项处理。

首先，从传感部111向识别处理装置1000输入图像信息、声音信息(有时统称为传感数据)，因此，CPU801检测这些信息，并将这些信息暂时存储到RAM802中(步骤S1)。

接着，CPU801作为人物检测部150发挥作用，从存储在RAM802的图像中，主要检测人物的头部、或者脸的位置，并根据检测出的位置确定图像中的人物区域(步骤S2)。

接着，CPU801作为特征信息检测部112发挥作用，从在步骤S2中确定的人物区域中检测预先确定的每个类型的特征量，并且，从由传感部111取得的声音信息中检测预先确定的每个类型的特征量(步骤S3)，并对检测出的每个特征量求有效值(步骤S4)，根据求出的各个有效值选择在以下的处理中使用的特征量(步骤S5)。

在步骤S3中，检测脸、发型、胳膊或手、腿、服装、携带的物品等以静止图像为基础的特征量；手势和步态等以动图像为基础的特征量；以及声音信息。并不需要完全抽取这些特征量的全部，即使由于其他物体的遮蔽、照明条件等的限制而没有抽取也没有关系。

接着，对上述步骤S4的处理进行说明。在本步骤中如上述那样，求每个特征量的有效值，以下说明该求解方法的一例。

首先，在图7所示的分层神经网络的最终层，对所有的类型(全部的i)取得用于检测类型i(1≤i≤N)的特征量的模块的输出级别(level)Vi(从0(最小)到1(最大)进行了标准化)。在本实施方式中，对于声音信息没有使用这样的分层神经网络，而在进行这样的处理时，对于声音信息事先准备有识别预先确定的类型的分层神经网络，并对该分层神经网络输入所取得的声音信息。由此，能够求出声音信息的各个类型的输出级别。对于其他的信息(例如活体信息)也进行同样的处理。

接着，求所有类型的输出级别的总和S(S＝V₁+V₂+...+V_n)。而且，对各个类型，预先求出出现频率，然后，设类型i的出现频率为ki时，可以通过计算

Yi＝Ki×Vi/S

求出对应于类型i的特征量的有效值Yi。由此，能够对各个类型求出相对的有效度(＝有效值)。关于对各个类型求有效值的方法不限于此。

例如，在上述神经网络中，有时通过自组织映射(self-organizationmap)获得的邻接、或者邻近的各类型的典型局部特征，即使人进行了视觉上的识别，相互之间的相似度依然高。因此，选择(像在预定的特征空间相互正交这样)相互之间的相似度低的典型性的类型。具体而言，引入用于评价特征的相似度的距离尺度(特征矢量空间的欧几里得距离等)，选择相互之间距离预定阈值以上的特征；或者通过人的视觉识别选择典型的特征。结果，在获得的各个特征类型中，含有某种程度的不同变动(尺寸变动、朝向变动、照明变动等)下的多个局部特征。

因此，通过这样可以选择在以下的处理中使用的特征量。

接着，对上述步骤S5的处理进行说明。在本步骤中，如上述那样，根据在步骤S4中求出的各类型的有效值，选择在以下的处理中使用的特征量，例如，将具有大于等于预定的阈值的有效值的特征量，作为在以下的处理中使用的特征量来选择。此时使用的阈值，也可以通过检查各个有效值的分布的统计量(平均值、分散值等)适应性地设定。在本实施方式中，将有效度的分布的平均值作为阈值使用。

在人物从远处走过来这样的情况下，作为选择使用了有效值的特征量的例子，脸图像大多由于脸的尺寸过小而不适于人物的识别。在这样的情况下，脸特征类型的有效度低，步态、姿容整体、发型、服装等特征的有效度变高，可以使用步态等特征筛选(narrow down)对象人物。

此外，显然在只能观测到人物的背影的情况下，从正面脸等获得的特征的有效度就低。这样，预先没有确定以怎样的顺序进行特征的选择和对象的筛选，通过评价由环境的条件、传感信息取得的条件、识别对象人物所处的状况等决定的上述有效度，来确定特征的选择和筛选结果。

返回图1，接着，CPU801作为核对部118发挥作用，为了确定在步骤S5中选择的特征量是谁的，进行在步骤S5中选择的特征量与登录在数据库115中的每个个人的特征量的核对处理(步骤S6)。在步骤S5中选择的特征量中包括图像特征和声音特征，关于图像特征的核对，不论特征类型是以静止图像为基础，还是以动图像为基础，都以动图像来进行图像数据的输入。作为时间序列数据，输入多个图像数据并进行核对，例如，如果判断为特定人物的图像数据数的比例大于等于预定值，则将剩余的确定结果视作由于没有良好地进行特征抽取而造成的错误判断。这是为了追求降低伴随摄影条件的变动而发生的错误识别。

然后，在该核对处理的结果，是在步骤S5中选择的特征量与任何一个登录在数据库115的每个个人的特征量都不相符的情况下，使处理经由步骤S7进入步骤S8，CPU801作为2次认证部119发挥作用，开始2次认证处理(步骤S8)。即，由于在步骤S5中选择的特征量是否与登录在数据库115的每个个人的特征量的任何一个都不相符，存在判断误差，因此无法严密地进行判断。于是，通过进一步进行认证处理(2次认证处理)，更严密地进行判断。

在2次认证中，进行虹膜认证、基于基因序列的认证、以及指纹认证等以活体信息为基础的认证，并进行使用了密码和表示出生年月日以及其他用于确认本人的属性信息的文本信息的认证。该文本信息，对于判断为非登录人物的人物，发出输入指示等进行输入。

然后，在该2次认证处理的结果，是在步骤S5中选择的特征量与登录在数据库115的每个个人的特征量中的某个相符的情况下，将在步骤S5中选择的特征量登录到数据库115(步骤S9)，进而，对识别模型进行学习处理，使得将在步骤S5中选择的特征量，识别为与该特征量相符的个人(特定个人)的特征量(步骤S10)。关于该学习处理，使用公知的方法(参照日本专利申请公开特开平5-89076号公报、日本专利申请公开特开平5-108596号公报等)即可。此时，也可以将测量照明条件、湿度、温度等的传感器的输出作为环境信息存储到数据库。这是为了应对能够考虑到环境信息(例如，由于亮度低，因此脸图像数据对于人物识别无用等的情况)时判断为特征选择部1122选择的特征不适当的情况，使得以后在同样的环境条件下进行人物识别时能够适当地进行特征选择。即，特征选择部1122也可以参照特征类型的有效度和环境信息两者，选择用于识别的特征类型。存储何种环境信息，取决于用于核对的特征类型。例如，在为从脸图像抽取的特征类型的情况下，亮度和曝光量等摄影条件被用作环境信息。

根据以上的说明，通过本实施方式，能够对照明条件和环境变动具有稳健性，并且维持高的核对精度。另外，能够有效地进行识别对象的筛选。

而且，在本实施方式中，通过将人物的步态、举止习惯、手势、咳嗽、喷嚏等关于动作的特征也作为人物识别的辅助信息用于筛选，能够缩短认证需要的时间，并且提高识别精度。

另外，在本实施方式中，收集图像信息、声音信息作为现实空间中的环境信息，并在各种信息的特征量中决定使用的特征量，但作为环境信息使用的信息不限于此，既可以只使用图像信息或声音信息，也可以与其他信息适当地组合使用。

此外，在本实施方式中，将图2所示的一部分作为CPU801具有的功能进行了说明，但也可以用专用的硬件来构成各部分。

〔第2实施方式〕

在本实施方式中，说明识别在家庭内等生活环境、办公室等特定环境中，通常或者一定时间范围待在该场所的人物、或者识别该人物的状况(正常/异常)的情况。

更详细地说，在环境内分散设置脸图像特征等以图像为基础的特征的检测装置(摄像装置等)、和声纹等以声音为基础的特征的检测装置(传声器等)、以及以下例示的活体信息的检测装置(传感装置)。此处，作为活体信息，使用虹膜图案、指纹图案、静脉图案、基因序列信息、体味中的至少1个，处理并抽取来自对应于每一个上述活体信息的传感器的传感数据。一直以来，这些中的无论哪一个都作为确定个人的活体传感数据来使用(基于体味的个体识别技术，参照日本专利申请公开特开平9-131335号公报等)。人物的状况识别主要通过处理从摄像装置获得的图像数据来进行。

人物的识别、人物状况的识别，一并使用从这些传感器获得的传感数据和在第1实施方式中说明过的图像信息、声音信息来进行。

图4是表示本实施方式的个人识别系统的功能结构的框图。如该图所示，本实施方式的系统，由图像输入部2210、声音输入部2211、识别处理装置400、以及活体信息输入部230构成，并且，上述识别处理装置400，由人物检测部2250、特征信息检测部2512、学习分类部2513、数据库2515、以及核对部2518构成。

图像输入部2210、声音输入部2211分别与图像传感部1111、声音传感部1112相同，分别用于收集图像信息、声音信息。活体信息输入部230，如图4所示那样，包括虹膜图案输入部2212、指纹图案输入部2213、静脉图案输入部2214、体味输入部2215、以及基因序列信息输入部2216。另外，活体信息输入部230不限于由所有这些构成，既可以是仅使用某一个，也可以适当组合多个而构成。而且，还可以将对除此之外的活体信息进行传感的传感器加到活体信息输入部230。

识别处理装置400的结构变成从识别处理装置1000的基本结构省去了2次认证部119的结构，并且，构成识别处理装置400的各部，与构成识别处理装置1000的各部基本上进行同样的处理。由此，特征信息检测部2512，与第1实施方式相同，具有图3所示的结构。而且，关于识别处理装置400的基本结构，与第1实施方式相同，具有图6所示的结构。

图5是个人识别处理装置400进行的个人识别处理的流程图。首先，进行上述步骤S1、S2的处理，确定从图像输入部2210获得的图像中的人物区域(步骤S21)。此外，与第1实施方式同样地，由声音输入部2211取得声音信息。

接着，由活体信息输入部230收集来自存在于空间中的人物的活体信息(步骤S22)。

然后，分别与上述步骤S3～步骤S6的处理同样地进行步骤S23～步骤S26的处理。另外，在步骤S23～步骤S26的处理中，除图像信息、声音信息之外还追加了活体信息，这一点与第1实施方式不同。因此，在步骤S23中，也可以如以下将要说明的那样，进行特定种类的图案的检测。

在本实施方式中，为了不使对象人物意识到正在被本系统识别，而不要求该人物作出特别的动作，而且预先对各种传感器的动作状态进行设置，使其不被作为普通的被识别对象的人物感知。只使用能够在人物所处的环境中取得的传感数据进行人物的识别。

为此，有效度评价部2121还具有监视是否从来自各传感器的传感数据中取入了有用的信号的功能。例如，有效度评价部2121，包括判断是否从虹膜图案输入部2212输入了相当于虹膜的图案的虹膜判断部，和对来自图像输入部2210的输出进行检测的脸检测部、背影检测部、头发检测部、服装检测部等，只有当各检测级别大于等于阈值时，进行用于个人识别的特征检测级别的有效度评价。另外，各检测部也可以被设定为内置于对应的传感部中。

另外，拍摄图像的传感器、指纹传感器、进行虹膜图像输入的传感器为小型传感器，嵌入在墙面、家具、办公用机器、桌子、鼠标、键盘、遥控器等当中。也可以将静脉图案、基因序列的传感部等，与其功能对应地设置成专用的传感部。

例如，基因序列的传感部，使用由自动地采集对象人物的体毛、指甲、体液等的装置采集的标本，进行基因序列的解析。例如，采集该人物自动脱落的头发进行基因序列的解析。关于所采集的标本属于该人物一事的确认，由内置于特征检测部2120的图像识别部进行，通过识别例如头发从该人物脱落的瞬间来进行。另外，也可以是基因序列信息的解析部位于远处，在该人物所处的环境中仅设置采集部。作为采集部的例子，有小型的清扫机器人、手眼协同动作机器人等方式。

作为静脉图案的传感部的结构(参照日本专利申请公开特开2001-184705号公报等)可以有这样的结构，例如在鼠标的表面设置预定的受光部，接受从设定在预定位置的光源得到的与静脉图案对应的透射光的分布。作为虹膜图案的传感部，使用自律移动机器人的眼睛以及其他图像输入部。

特征选择部2122，根据有效度评价值与第1实施方式同样地进行用于个人识别的特征的选择。

图8是表示搭载图1或图5所示的系统的信号处理装置(例如照相机、摄像机、扫描仪、复印机、打印机等)的基本结构的图。

在图8中，9是装置主体，包括：包含摄影镜头和变焦摄影用驱动控制机构的成像光学系统92；CCD或CMOS图像传感器93；拍摄参数的测量部94；视频信号处理回路95；存储部96；产生控制图像输入动作、控制图像输入条件等的控制用信号的控制信号发生部97；显示器98；输入传感器信息、用户的操作信息的输入部99；记录介质910；以及图2或者图4所示的系统(人物识别装置)91。

该信号处理装置具有这样的功能，即：能够根据来自输入部99的传感器信息，由人物识别装置91识别特定的用户，并限制仅允许该用户使用的功能和每个用户都可以使用的功能。在与预先登录的人物进行核对时所使用的技术有脸等头部的识别、指纹认证、虹膜认证、声纹认证等。控制信号发生部97，根据该人物的识别结果，产生对本装置进行访问控制(每一用户可处理的功能的限制等)的控制信号。另外，在将脸等作为识别对象时，也可以从成像光学系统92输入识别对象的图像。

而且，人物识别装置91的动作可以是第1实施方式、第2实施方式中任一种动作。例如，也可以在图1所示的处理流程中评价各种特征的有效度选择以脸图像为基础的特征进行了个人识别后在判断为是非登录人物时，作为2次认证处理，控制信号发生部97对显示器98产生显示控制信号，该显示控制信号指示利用输入部99的数字键按钮等输入该人物的密码或指示进行指纹认证。此时，进行个人识别用的特征类型的追加学习。

而且，也可以在判断为非登录人物时，产生自动停止本装置的功能的控制信号。

而且，本系统除了用于防止不正当使用之外，还可以用于出/入室控制等各种各样的用途。尤其是通过实施以上说明的控制，能够可靠地识别作为用户的人物，防止不正当使用和偷盗。

〔其他实施方式〕

另外，本发明的目的也可以通过将记录有实现上述实施方式的功能的软件的程序代码的记录介质(或者存储介质)提供给系统或者装置，用该系统或者装置的计算机(或CPU、MPU)读出并执行存储在记录介质中的程序代码来实现。在这种情况下，从记录介质读出的程序代码本身实现上述实施方式的功能，存储有该程序代码的记录介质构成本发明。

另外，除了通过实施计算机读出的程序代码，实现上述实施方式的上述功能之外，显然，本发明还包括在计算机上运行着的操作系统(OS)等根据该程序代码的指示，实施一部分或者全部实际的处理，通过该处理实现上述实施方式的功能的情况。

另外，本发明还包括在从记录介质读出的程序代码写入到插入计算机的功能扩展板、或者与计算机相连接的功能扩展单元所具有的存储器后，该功能扩展板、功能扩展单元所具有的CPU等，根据该程序代码的指示，实施一部分或者全部的实际处理，通过该处理实现上述实施方式的功能的情况。

在将本发明应用于上述记录介质时，该记录介质中将存储与先前说明的流程图对应的程序代码。

在不脱离本发明的精神和范围的前提下，本发明可以有各种不同的实施方式，并且应该理解为，本发明不受上述特定的实施方式的限定，其范围由所附的权利要求限定。

Claims (14)

1.一种信息处理设备，其特征在于，包括：

取得装置，取得人所处的空间的环境信息；

收集装置，从上述取得装置取得的环境信息中收集多种特征量；

计算装置，求上述收集装置所收集的各种特征量的有效值；

确定装置，根据上述计算装置计算出的各有效值，从上述多种特征量中确定用于个人识别的特征量；以及

识别装置，使用上述确定装置所确定的特征量进行个人识别。

2.根据权利要求1所述的信息处理设备，其特征在于，

上述取得装置，取得上述空间的图像信息、上述空间的声音信息、存在于上述空间内的人的活体信息中的至少一种。

3.根据权利要求2所述的信息处理设备，其特征在于，

上述取得装置取得上述空间的图像信息，上述收集装置收集关于人物的姿容或者动作的图像特征量。

4.根据权利要求2所述的信息处理设备，其特征在于，

上述取得装置取得上述空间的声音信息，上述收集装置收集关于非语言的声音特征量。

5.根据权利要求2所述的信息处理设备，其特征在于，

上述取得装置，作为存在于上述空间内的人的活体信息，取得虹膜图案、指纹图案、静脉图案、基因序列信息、体味中的至少1种。

6.根据权利要求1所述的信息处理设备，其特征在于，

上述计算装置，包括：

在分层神经网络的最终层，对所有的类型i取得用于检测各种特征量的模块的标准化后的输出级别Vi的装置；

求所有类型的输出级别的总和S＝V1+V2+…+VN的装置；以及

将类型i的出现频率设定为ki时，通过计算Yi＝ki×Vi/S来求对类型i的特征量的有效值Yi的装置。

7.根据权利要求1所述的信息处理设备，其特征在于，

上述确定装置，将具有大于等于预定阈值的有效值的特征量，确定为用于个人识别的特征量。

8.根据权利要求7所述的信息处理设备，其特征在于，

上述计算装置，根据特征量的收集频率或级别中的至少一种，计算上述有效值。

9.根据权利要求1所述的信息处理设备，其特征在于，

上述确定装置，用预定的概率权重，从由上述收集装置所收集的多个特征量中确定预定数量的特征量。

10.根据权利要求9所述的信息处理设备，其特征在于，

上述概率权重，根据由上述收集装置所收集的特征量的分布来决定。

11.根据权利要求1所述的信息处理设备，其特征在于，

还包括保存装置，保存每个个人的特征量组，

上述识别装置包括核对装置，该核对装置将上述确定装置所确定的特征量、与上述保存装置保存的每个个人的特征量组进行核对，并确定上述特性量是属于谁的。

12.根据权利要求11所述的信息处理设备，其特征在于，

还包括登录装置，该登录装置在上述确定装置所确定的特征量、与上述保存装置保存的每个个人的特征量组中的任何一个都不相符时，将上述确定装置所确定的特征量登录到上述保存装置。

13.根据权利要求11所述的信息处理设备，其特征在于，

在上述确定装置所确定的特征量、与上述保存装置保存的每个个人的特征量组的任何一个都不相符时，上述识别装置基于与该确定的特征量不同的特征量进行识别。

14.一种信息处理方法，其特征在于，包括：

取得步骤，取得人所处的空间的环境信息；

收集步骤，从在上述取得步骤中取得的环境信息中收集多种特征量；

计算步骤，求在上述收集步骤中所收集的各种特征量的有效值；

确定步骤，根据在上述计算步骤中计算出的各有效值，从上述多种特征量中确定用于个人识别的特征量；以及

识别步骤，使用在上述确定步骤中所确定的特征量进行个人识别。

Images