CN101061512A - 鉴别装置、鉴别方法及程序 - Google Patents

鉴别装置、鉴别方法及程序 Download PDF

Info

Publication number
CN101061512A
CN101061512A CNA200580039734XA CN200580039734A CN101061512A CN 101061512 A CN101061512 A CN 101061512A CN A200580039734X A CNA200580039734X A CN A200580039734XA CN 200580039734 A CN200580039734 A CN 200580039734A CN 101061512 A CN101061512 A CN 101061512A
Authority
CN
China
Prior art keywords
point
line segment
details
blood
line
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CNA200580039734XA
Other languages
English (en)
Other versions
CN100565581C (zh
Inventor
阿部博
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Sony Corp
Original Assignee
Sony Corp
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Sony Corp filed Critical Sony Corp
Publication of CN101061512A publication Critical patent/CN101061512A/zh
Application granted granted Critical
Publication of CN100565581C publication Critical patent/CN100565581C/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0012—Biomedical image inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
    • G06V10/469—Contour-based spatial representations, e.g. vector-coding
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/12—Fingerprints or palmprints
    • G06V40/1347—Preprocessing; Feature extraction
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L9/00—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols
    • H04L9/32—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols including means for verifying the identity or authority of a user of the system or for message authentication, e.g. authorization, entity authentication, data integrity or data verification, non-repudiation, key authentication or verification of credentials
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10048—Infrared image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30101—Blood vessel; Artery; Vein; Vascular
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/14—Vascular patterns

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Human Computer Interaction (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Security & Cryptography (AREA)
  • Quality & Reliability (AREA)
  • Radiology & Medical Imaging (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Medical Informatics (AREA)
  • General Health & Medical Sciences (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Artificial Intelligence (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Computation (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Biology (AREA)
  • Collating Specific Patterns (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Abstract

一种鉴别设备，其中在不牺牲鉴别准确度的条件下可以降低存储容量。该鉴别设备具有：提取部件，用于提取活体固有的、要鉴别的对象上的点，这些点是从通过对该对象成像而获得的图像中获得的；连接部件，用于连接由提取部件提取的点；存储部件，用于将表示由连接部件连接的点之间的连接状态的信息和表示每个点的信息存储为鉴别信息；以及重构部件，用于基于在存储部件中存储的鉴别信息而将该对象重构为一个待检查的对象。

Description

鉴别装置、鉴别方法及程序
技术领域
本发明涉及鉴别装置、鉴别方法及程序，并且例如优选地应用于生物测量鉴别(biometric authentication)。
背景技术
存在许多种鉴别设备，它们从有生命个体的指纹获取生物测量的量。近年来，有生命个体的血管被视为用于生物测量鉴别的一个对象。
这种鉴别设备通过使用近红外线来拍摄血管的图像。血管中近红外线的主要吸收者为去氧血红蛋白(deoxy-hemoglobin)(静脉血venous blood)和氧合血红蛋白(oxy-hemoglobin)(动脉血arterial blood)。然后，鉴别设备将产生的血管图像登记在存储器中作为要与其它进行比较的数据、或者相对于在存储器中登记的数据或血管图像对其进行检查(例如，参见专利文件1)。
专利文件1  日本专利公开号2004-178606。
然而，由于上面的鉴别设备仅仅将产生的血管图像存储在存储器中，而没有对其进行处理，所以存在如下问题：一个人的血管图像占据了存储器的大量空间。
解决该问题的一个途径是从要作为血管图案存储在存储器中的血管图像中找出分支点(bifurcation point)。然而，该方法降低了鉴别的准确度，这是由于其仅仅检查分支点。
发明内容
本发明是考虑到上面几点而作出的，并且本发明是用来提供一种鉴别装置、鉴别方法及程序，其能够降低要存储的数据量同时保持鉴别的准确度。
为了解决上述问题，根据本发明，鉴别装置包括：提取部件，其从通过拍摄活体(living body)独有的鉴别对象而获得的图像中提取鉴别对象上的多个点；连接部件，其连接由提取部件提取的多个点使得这些点近似于鉴别对象；存储部件，其将指示由连接部件连接的多个点的连接状态的信息和指示这些点的信息存储为鉴别信息；以及再现部件，其基于存储部件中的鉴别信息再现要与其它进行比较的鉴别对象。
这样，鉴别装置只存储近似于存储部件中的鉴别信息的多个点和可靠点的连接状态。在执行鉴别时，鉴别装置通过再现部件再现要与其它进行比较的鉴别对象。这提高了存储部件的使用效率同时保持了鉴别的准确度。
此外，根据本发明，鉴别方法包括：第一步骤，从通过拍摄活体独有的鉴别对象而获得的图像中提取鉴别对象上的多个点；第二步骤，连接所提取的多个点使得这些点近似于鉴别对象；第三步骤，将指示被连接的多个点的连接状态的信息和指示这些点的信息存储在存储部件中作为鉴别信息；以及第四步骤，基于存储部件中的鉴别信息再现要与其它进行比较的鉴别对象。
这样，鉴别方法只将近似于鉴别信息的多个点和可靠点的连接状态存储在存储部件中。在执行鉴别时，鉴别方法再现要与其它进行比较的鉴别对象。这提高了存储部件的使用效率同时保持了鉴别的准确度。
此外，根据本发明，程序使得进行控制的装置执行：第一处理，从通过拍摄活体独有的鉴别对象而获得的图像中提取鉴别对象上的多个点；第二处理，连接所提取的多个点使得这些点近似于鉴别对象；第三处理，将指示被连接的多个点的连接状态的信息和指示这些点的信息存储在存储部件中作为鉴别信息；以及第四处理，基于存储部件中的鉴别信息再现要与其它进行比较的鉴别对象。
这样，该程序只将近似于鉴别信息的多个点和可靠点的连接状态存储在存储部件中。在执行鉴别时，该程序再现要与其它进行比较的鉴别对象。这提高了存储部件的使用效率且保持了鉴别的准确度。
根据本发明，鉴别装置、鉴别方法及程序执行如下处理：从通过拍摄活体独有的鉴别对象而获得的图像中提取鉴别对象上的多个点；连接所提取的多个点使得这些点近似于鉴别对象；将指示被连接的多个点的连接状态的信息和指示这些点的信息存储在存储部件中作为鉴别信息；以及基于存储部件中的鉴别信息再现要与其它进行比较的鉴别对象。这样，它们只将近似于鉴别信息的多个点和可靠点的连接状态存储在存储部件中。在执行鉴别时，它们再现要与其它进行比较的鉴别对象。这提高了存储部件的使用效率且保持了鉴别的准确度
附图说明
图1是图示根据本发明实施例的鉴别设备的总体配置的示意图；
图2是图示信号处理部分的配置的方框图；
图3是图示鉴别部分的处理的功能性框图；
图4是图示细节(minutiae)提取之前和之后的示意图；
图5是通过第一细节连接处理的细节连接之前和之后的示意图；
图6是图示通过第一细节连接处理的细节连接的示意图；
图7是图示通过第二细节连接处理的细节连接的示意图；
图8是图示通过第二细节连接处理连接细节的结果的示意图；
图9是图示连接部分删除(1)的示意图；
图10是删除(1)之前和之后的示意图；
图11是图示连接部分删除(2)的示意图；
图12是删除(2)之前和之后的示意图；以及
图13是图示根据本发明的另一实施例的细节连接的示意图。
具体实施方式
将参考附图详细描述本发明的实施例。
(1)鉴别设备的总体配置
在图1中，附图标记1表示根据本发明实施例的鉴别设备1。鉴别设备1包括血管图像拾取部分2和信号处理部分3，信号处理部分3通过电缆连接到血管图像拾取部分2。
血管图像拾取部分2包括弯曲的导槽以容纳手指FG。引导凹槽11形成于鉴别设备1的外壳1A的预定位置。引导凹槽11的底部是图像拾取开口12。
因此，在血管图像拾取部分2中，在将手指FG放置在引导凹槽11上时，手指FG的肉垫(pad)位于图像拾取开口12上。此外，可以响应于其指尖触摸引导凹槽11的端部的手指FG的长度，来调节或移动图像拾取开口12。
此外，图像拾取开口12在其表面上具有透明的开口覆盖部分13。在图像拾取开口12下面是在外壳1A内部的照相机部分14。
在引导凹槽11的侧壁是一对近红外光源15(15A和15B)，其发射图像拾取光束或血红蛋白吸收得特别好的近红外光束：该对近红外光源15平行于引导凹槽11的较短的方向并且位于图像拾取开口12的相对侧。近红外光源15将近红外线发射到引导凹槽11上的手指肉垫FG的侧面。
与将近红外线发射到手指肉垫FG的底部的光源相比，这降低了来自手指FG的表面的红外光的反射。在通过手指FG的表面进入手指FG之后，血管中的血红蛋白吸收近红外光，并且在手指FG内的所有方向(而不是血管)中散射。照相机部分14通过图像拾取开口12和开口覆盖部分13从手指FG检测近红外线，或者反映血管形状的血管反射光。
照相机部分14包括：特写镜头(macro lens)16；近红外光透射滤光镜17，只有特定波长(取决于氧合血红蛋白和去氧血红蛋白大约900到1000[nm])的近红外光通过；以及CCD图像拾取单元18。血管反射光从开口覆盖部分13进入，并且通过特写镜头16和近红外光透射滤光镜17到达CCD图像拾取单元18的图像拾取表面。因此，照相机部分14整理出手指FG内的静脉毛细血管和动脉毛细血管两者的图像。
CCD图像拾取单元18在信号处理部分3的控制之下，拍摄形成于图像拾取表面上的血管的图像，并将产生的图像信号(或血管图像信号)SA1、SA2、…、和SAn输出到信号处理部分3。
如图2所示，信号处理部分3包括控制部分20。控制部分20连接到血管图像拾取驱动部分21、图像处理部分22、鉴别部分23、闪存FM和外部接口IF，该外部接口IF与外部设备交换数据。
控制部分20包括：CPU(中央处理单元)，其负责鉴别设备1的全面控制；存储程序的ROM(只读存储器)；以及RAM(随机存取存储器)，其充当CPU的工作存储器。在操作位于鉴别设备1的外壳1A的表面的预定位置处的操作部分(未示出)时，向控制部分20提供下面的命令：用于登记人的血管的模式(也称为“血管登记模式”)的执行命令COM1或者用于识别人的模式(也称为“鉴别模式”)的执行命令COM2。
在从操作部分(未示出)将血管登记模式执行命令COM1提供给控制部分20时，控制部分20执行ROM中的对应程序以运行血管登记模式。因此，控制部分20控制血管图像拾取驱动部分21、图像处理部分22和鉴别部分23。
这样，血管图像拾取驱动部分21启动血管图像拾取部分2以运行近红外光源15和照相机部分14的CCD图像拾取单元18。因此，血管图像拾取部分2从近红外光源15向位于引导凹槽11(图1)处的个人手指肉垫FG(图1)的侧面发射近红外光。在手指FG(图1)内传播之后，近红外光或者血管反射光到达CCD图像拾取单元18的图像拾取表面。血管反射光被转换成血管图像信号SA1、SA2、…、和SAn，随后这些信号被提供给图像处理部分22的A/D(模拟到数字)转换器22A。
A/D转换器22A对血管图像信号SA1、SA2、…、和SAn执行A/D转换，并将产生的血管图像数据DA1、DA2、…、DAn提供到滤波器单元22B。
滤波器单元22B对血管图像数据DA1、DA2、…、DAn执行诸如降噪或边缘增强之类的滤波处理，并将产生的血管图像数据DB1、DB2、…、DBn提供到二进制化部分22C。
二进制化部分22C将血管图像数据DB1、DB2、…、DBn二进制化，然后将产生的单色(monochrome)血管图像(称为“二进制化的血管图像”)的数据(被称为“二进制化的血管图像数据”)DC1、DC2、…、DCn提供到细线(thin line)部分22D。
细线部分22D，例如，对二进制化的血管图像数据DC1、DC2、…、DCn执行形态学处理，以使得二进制化的血管图像上的血管成为细线。
细线部分22D然后从多个二进制化的血管图像中选择出一个，其中在所述二进制化的血管图像中血管被示出为细血管线。细线部分22D随后将所选择的二进制血管图像提供给鉴别部分23作为二进制化的血管图像数据DD。
鉴别部分23将二进制化的血管图像数据DD转换成预定格式的登记鉴别信息RC，并且然后将登记鉴别信息RC提供给控制部分20。
这样，控制部分20控制血管图像拾取驱动部分21、图像处理部分22和鉴别部分23。因此，控制部分20从鉴别部分23接收登记鉴别信息RC，并且在闪存FM中对登记鉴别信息RC进行登记。然后，控制部分20停止控制血管图像拾取驱动部分21、图像处理部分22和鉴别部分23。这停止了血管图像拾取部分2。
这样，控制部分20运行了血管登记模式。
另一方面，当从运行部分(未示出)向控制部分20提供鉴别模式执行命令COM2时，控制部分20执行ROM中的对应程序以运行鉴别模式。因此，控制部分20控制血管图像拾取驱动部分21、图像处理部分22和鉴别部分23，同时从闪存FM中读出登记鉴别信息RC，并将该登记鉴别信息RC提供给鉴别部分23。
血管图像拾取驱动部分21以与上面的血管登记模式相似的方式，启动血管图像拾取部分2。图像处理部分22以与上面的血管登记模式相似的方式，对来自血管图像拾取部分2的血管图像信号SA(SA1到SAn)进行处理，并且然后将产生的二进制化的血管图像数据DD提供给鉴别部分23。
鉴别部分23将二进制化的血管图像数据DD的二进制化的血管图像与控制部分20从闪存FM中读出的登记鉴别信息RC的二进制化的血管图像进行比较，以检查两种血管线的图案是否彼此匹配。
基于有关它们彼此匹配的程度如何的标准，鉴别部分23确定通过血管图像拾取部分2获取其手指图像的人是否为已经在鉴别设备1中登记的人。鉴别部分23然后将结果通知给控制部分20作为确定数据D1。
这样，控制部分20控制血管图像拾取驱动部分21、图像处理部分22和鉴别部分23，以从鉴别部分23接收确定数据D1。控制部分20然后将确定数据D1通过外部接口IF传送给外部设备。控制部分20随后停止控制血管图像拾取驱动部分21、图像处理部分22和鉴别部分23。这停止了血管图像拾取部分2。
这样，控制部分20运行了鉴别模式。
这样，鉴别设备1执行了生物测量鉴别以识别一个人：鉴别设备1检查活体体内独有的血管。因此，与仅仅检查活体表面上的指纹的系统相比较，第三方很难从活体盗窃血管或进行欺骗。
(2)鉴别部分执行的处理的详细描述
下面详细描述上面的鉴别部分23的处理。
如图3中所示，由控制部分20控制的鉴别部分23的鉴别处理可以按功能划分为细节提取部分31、细节连接部分32、血管重构部分33和检查部分34。
当处于血管登记模式的鉴别部分23从细线部分22D(图2)接收到二进制化的血管图像数据DD时，细节提取部分31执行细节提取处理，以从二进制化的血管图像中提取血管线的细节。细节连接部分32随后连接所有细节，以形成近似的血管线。细节连接部分32然后将下面的数据登记在闪存FM中作为登记鉴别信息RC：描述细节的连接状态的数据(称为“连接状态数据”)；和描述细节的位置的数据(称为“细节位置数据”)。
另一方面，在控制部分20(图2)从闪存FM中读出登记鉴别信息RC、或者连接状态数据和细节位置数据时，处于鉴别模式的鉴别部分23控制血管重构部分33，基于连接状态数据和细节位置数据而再现二进制化的血管图像。检查部分34然后将再现的二进制化的血管图像与从细线部分22D(图2)提供的二进制化的血管图像数据DD的二进制化的血管图像进行比较，以基于有关它们彼此匹配的程度如何的标准来识别一个人。
下面详述描述细节提取部分31的细节提取处理、细节连接部分32的细节连接处理、血管重构部分33的图像重构处理以及检查部分34的检查处理。
(2-1)细节提取处理
如图4所示，细节提取部分31从二进制化的血管图像的血管线(图4(A))中提取出分支点和转折点(inflection point)(图4(B))。
实际上，细节提取部分31对从细线部分22D(图2)提供的二进制化的血管图像数据DD执行点提取处理，诸如Harris Corner，以从二进制化的血管图像数据DD的二进制化的血管图像的血管线中提取出多个分支点和转折点。
细节提取部分31将分支点和转折点提供给细节连接部分32作为细节位置数据D31，同时将二进制化的血管图像数据DD提供给细节连接部分32。
在该实施例中，细节提取部分31已经为确定每个像素是否是转折点(在点提取处理过程中)的标准功能设置了小于诸如风景画之类的典型图像的曲率阈值的曲率阈值。这允许比典型图像提取更平滑的细节(分支点和转折点)。
因此，尽管二进制化的血管图像具有比典型图像更少的分支点和转折点，但是细节提取部分31可以从二进制化的血管图像的血管线中提取更多的分支点和转折点。
(2-2)细节连接处理
(2-2-1)第一细节连接处理
如图5所示，细节连接部分32例如连接血管线上的多个分支点和转折点(图5(A))，以形成近似的血管线(图5(B))。
实际上，在从细节提取部分31接收到二进制化的血管图像数据DD连同细节位置数据D31之后，细节连接部分32使用细节位置数据D31从二进制化的血管图像数据DD的二进制化的血管图像中识别分支点和转折点。
如图6所示，细节连接部分32然后从那些分支点和转折点(细节)中选择出要用作用于搜索的标准的细节，作为搜索标准点P。细节连接部分32随后选择除了搜索标准点P之外的任何细节作为搜索候选点Q，以与搜索标准点P形成线段(segment)(称为“血管对应线段”)。
细节连接部分32检测点P和点Q上的像素以及区域SC内的它们周围的像素。区域SC在水平方向和垂直方向上距离点P和点Q都在n个像素之内(例如，图6中n＝3)。细节连接部分32然后从区域SC之间的相邻区域NAR(由图6中的点划线指示)中检测对应于血管的像素(称为“血管像素”)。细节连接部分32随后对血管像素的数量进行计数，并且然后计算血管相邻像素的数量与线段PQ的长度的比率。
如果血管相邻像素的数量与线段PQ的长度的比率大于或等于预定阈值，则细节连接部分32确定搜索候选点Q可能是包括搜索标准点P的血管对应线段的一部分。细节连接部分32因此连接搜索候选点Q和搜索标准点P。细节连接部分32然后选择新的细节作为搜索候选点Q并重复上面的搜索过程。
然而，如果血管相邻像素的数量与线段PQ的长度的比率小于阈值，则细节连接部分32确定搜索候选点Q可能不是包括搜索标准点P的血管对应线段的一部分。细节连接部分32因此不连接搜索候选点Q和搜索标准点P。细节连接部分32然后选择新的细节作为搜索候选点Q并重复上面的搜索过程。
在作为已经选择了所有的细节作为搜索候选点Q的结果而完成搜索过程之后，细节连接部分32选择除了当前搜索标准点P之外的不同的细节作为搜索标准点Q，并继续执行上面的处理以连接分支点和转折点(细节)。
这样，细节连接部分32通过连接分支点和转折点而形成了近似的血管线。
(2-2-2)第二细节连接处理
除了第一细节连接处理之外，可以采用下面描述的第二细节连接处理。
在从细节提取部分31接收二进制化的血管图像数据DD连同细节位置数据D31之后，细节连接部分32使用细节位置数据D31从二进制化的血管图像数据DD的二进制化的血管图像中识别分支点和转折点。
如图7所示，细节连接部分32然后从那些分支点和转折点(细节)中选择出一个细节作为搜索标准点R。细节连接部分32随后选择除了搜索标准点P之外的任何细节作为搜索候选点S，以与搜索标准点R形成血管对应线段。
细节连接部分32随后绘制两个圆圈C1和C2，它们的中心点分别为搜索标准点R和搜索候选点S，并且它们的半径与线段RS具有的长度相同。细节连接部分32然后从圆圈C1和C2重叠的区域(称为“圆圈重叠区域”)AR1中找出除了搜索标准点R和搜索候选点S之外的分支点和转折点。
当细节连接部分32没有从圆圈重叠区域AR1中找到其它细节时，细节连接部分32确定搜索候选点S和搜索标准点R可能形成血管对应线段。细节连接部分32因此连接所选择的搜索候选点S和搜索标准点R。细节连接部分32然后选择除了当前搜索候选点S之外的新的细节作为搜索候选点S并重复上面的搜索处理。
然而如果细节连接部分32从圆圈重叠区域AR1中找到其它细节时，细节连接部分32确定搜索候选点S和搜索标准点R可能不能形成血管对应线段。细节连接部分32因此不连接所选择的搜索候选点S和搜索标准点R。细节连接部分32然后选择除了当前搜索候选点S之外的新的细节作为搜索候选点S并重复上面的搜索处理。
在作为已经选择了所有的细节作为搜索候选点S的结果而完成搜索过程之后，细节连接部分32选择除了当前搜索标准点R之外的不同的细节作为搜索标准点R，并继续执行上面的处理以连接分支点和转折点(细节)。
这样，细节连接部分32通过连接分支点和转折点而形成了近似的血管线。
第一细节连接处理和第二细节连接处理之间的区别在于：第二细节连接处理基于细节的位置连接细节，而第一细节连接处理基于原始图像的状态(或者血管像素的数量)连接细节。图8示出了第二细节连接处理的结果，而图5(B)示出了第一细节连接处理的结果。明显的，第二细节连接处理比第一细节连接处理容易计算，但是准确度较差。然而，该准确度级别对于实际使用而言已经足够了，如图8和图5A所示。
另外，细节连接部分32适当地删除了一些由上面第一细节连接处理或第二细节连接处理连接的细节之间的连接部分(或者血管对应线段)，以形成近似的血管线。
实际上，细节连接部分32从通过连接细节以形成近似的血管线而生成的连接部分(或者血管对应线段)中找出彼此交叉的血管对应线段(称为“交叉的血管对应线段”)。例如，当发现如图9所示的交叉的血管对应线段TU和T’U’时，细节连接部分32删除较长的线段或交叉的血管对应线段T’U’。
图10(A)图示删除之前的线，而图10(B)示出删除之后的线。图10(B)图示的连接的分支点和转折点看上去比图10(A)的连接的分支点和转折点更准确地描述了血管线。
在完成了对交叉的血管对应线段的搜索之后，细节连接部分32从通过连接细节以形成近似的血管线而生成的连接部分(或者血管对应线段)中找出局部形成三角形的一组血管对应线段(称为“形成三角形的血管对应线段”)。
如果细节连接部分32找出如图11所示的形成三角形的血管对应线段VW、WX和VX，则细节连接部分32计算那个三角形的面积。如果所计算的面积大于阈值，则细节选择部分32从形成三角形的血管对应线段VW、WX和VX中删除较长的形成三角形的血管对应线段VX。
图12(A)图示删除之前的线，而图12(B)示出删除之后的线。由图12(B)图示的连接的分支点和转折点看上去比图12(A)的那些连接的分支点和转折点更准确地描述了血管线。
这样，细节连接部分32适当地删除了一些通过连接细节以形成近似的血管线而生成的血管对应线段。
细节连接部分32随后生成解释对应于剩余的连接点(或者剩余的血管对应线段)的细节的连接状态的数据(称为“连接状态数据”)。细节连接部分32然后将连接状态数据和二进制化的血管图像数据DD登记在闪存FM中作为登记鉴别信息RC。二进制化的血管图像数据DD说明了血管线上的多个细节(图12(B))。
由于细节连接部分32适当地删除了一些通过连接细节以形成近似的血管线而生成的连接部分，所以由在闪存FM中存储的登记鉴别信息RC说明的细节的连接状态更为准确。
(2-3)血管重构处理
血管重构部分33基于描述多个细节和它们的连接状态两者的登记鉴别信息RC，而再现与原始二进制化的血管图像上的血管线(图12(B))相对应的血管线。
实际上，血管重构部分33基于控制部分20(图2)从闪存FM中读出的登记鉴别信息RC的连接状态数据，而识别由登记鉴别信息RC的细节位置数据指示的细节的连接状态。
基于识别结果，血管重构部分33基于诸如Bresenham算法来执行线绘制处理，以形成线段。这再现了与原始二进制化的血管图像上的血管线(图12(B))相对应的血管线。
血管重构部分33随后生成描述经再现的血管线的二进制化的血管图像(或重构的二进制化的血管图像)的数据(称为“重构的二进制化的血管图像数据”)D33，并将其提供给检查部分34。
(2-4)检查处理
检查部分34使用重构的二进制化的血管图像上的血管形成图案和作为拍摄人的手指的结果而获得的二进制化的血管图像的血管形成图案来识别一个人。
实际上，检查部分4计算从血管重构部分33提供的重构的二进制化的血管图像数据D33的重构的二进制化的血管图像和从细线部分22D(图3)提供的二进制化的血管图像数据DD的二进制化的血管图像之间的相关性。这样，检查部分34比较二进制化的血管图像上的血管形成图案。
如果计算出的相关性小于或等于预定阈值，则检查部分34确定由血管图像拾取部分2拍摄图像的人不是登记的人。然而，如果计算出的相关性大于该阈值，则检查部分34确定该人是登记的人。检查部分34在控制部分20的控制之下，通过经由外部接口IF传送确定数据D1来向外部设备通知确定结果。
(3)操作及效果
具有上面配置的鉴别设备1基于作为对于独特的活体部分的鉴别对象拍摄活体体内的血管的结果而获得的血管图像信号SA，从血管图像的血管线(图5A)中提取多个细节，并连接这些细节以形成近似的血管线(图5(B))。
鉴别设备1随后将下列数据存储在闪存FM中作为登记鉴别信息RC：解释连接的细节的连接状态的连接状态数据；以及描述细节的位置的细节位置数据。当执行鉴别时，鉴别设备1基于闪存FM中的登记鉴别信息RC，再现要与其它图像进行比较的血管线。
因此，在执行鉴别之前或之后，鉴别设备1的闪存FM只记录细节的信息和近似于鉴别信息的可靠细节的连接状态的信息。这降低了存储于闪存FM中的登记鉴别信息RC的量，并因此提高了闪存FM的使用效率且同时保持了鉴别的准确度。
另外，当连接细节以形成近似血管线时，鉴别设备1删除：彼此交叉的连接部分中较长的一个(或者交叉的血管对应线段T’U’(图9))；以及形成三角形的连接部分中的较长的一个(或者形成三角形的血管对应线段VX(图11))。鉴别设备1随后将指示剩余细节的连接状态的连接状态数据登记为登记鉴别信息RC。
这样，鉴别设备1仅将指示可靠细节的连接状态的信息连同多个细节一起存储作为鉴别信息。这保持了鉴别的准确度且同时提高了闪存FM的使用效率。
根据上面的配置，鉴别设备1基于通过拍摄活体体内的、作为活体独有的鉴别对象的血管而获得的血管图像，从血管线中提取多个细节。鉴别设备1然后连接细节以形成近似的血管线。鉴别设备1随后将指示连接的细节的连接状态的信息连同指示细节的信息一起存储在闪存FM中作为登记鉴别信息RC。当执行鉴别时，鉴别设备1基于闪存FM中的登记鉴别信息RC，再现要与其它进行比较的血管线。这降低了要在闪存FM中存储的登记鉴别信息RC的量，并因此提高了闪存FM的使用效率且同时保持了鉴别的准确度。
(4)其它实施例
在上述实施例中，手指FG内的血管作为活体独有的鉴别对象而被应用。然而，本发明不仅限于此。可以应用其它血管：手掌中的血管、胳膊中的血管、眼睛中的血管或其它身体部分中的血管。可选择地，可以应用下列内容：活体表面的指纹、纸样(pattern of papers)、活体内的神经的图案等等。在使用神经来鉴别的情况下，可以将专用于神经的标记注入活体内，以拍摄该标记。这允许神经能够像上述实施例那样作为鉴别对象。
此外，在上述实施例中，作为用于基于通过拍摄活体独有的鉴别对象而获得的图像、从鉴别对象中提取多个点的提取部件，A/D转换器22A(图3)、滤波器部分22B(图3)、二进制化部分22C和细线部分22D的处理被应用于从血管图像信号SA中提取细节。然而，本发明不仅限于此。那些处理可以根据需要而变化。
此外，作为细节，通过点提取处理(Harris Corner)从二进制化的血管图像上的血管线中提取分支点和转折点。然而，本发明不仅限于此。可以从二进制化的血管图像上的血管线中提取任何点：可以将预定大小的格子图案(lattice-pattern)图像放置到二进制化的血管图像上，以从与格子图案重叠的血管线中提取点。这与上述实施例具有相同的效果。
此外，在上述实施例中，作为用于连接通过提取部件提取的点的连接部件，应用第一细节连接处理和第二细节连接处理(图6和图7)：第一细节连接处理依据在与线段PQ相邻的区域NAR中存在的血管像素的数量与线段PQ的长度的比率来连接细节，而第二细节连接处理在检查在圆圈C1和C2(它们的半径与线段RS的长度相同且它们的中心分别为R和S)彼此重叠的圆圈重叠区域AR中是否存在除了R和S之外的点之后连接细节。然而，本发明不仅限于此。可以应用其它方法，诸如依据圆圈区域AR2内的血管像素的数量，来连接细节，圆圈区域AR2的直径与线段长度相同，如图13所示。
此外，在上述实施例中，作为用于校正由连接部件连接的细节的校正部件，应用下面的处理：删除彼此交叉的连接部分中的较长的一个(或者交叉的血管对应线段T’U’(图9))；且然后删除形成三角形的连接部分中的较长的一个(或者形成三角形的血管对应线段VX(图11))。然而，本发明不仅限于此。在删除了形成三角形的血管对应线段VX之后，可以删除交叉的血管对应线段T’U’。
可选择地，以类似于图6的方式，在对与交叉的血管对应线段TU和T’U’或者形成三角形的血管对应线段VW、WX和VX相邻的区域之内的血管像素的数量进行计数之后，可以依据计数的结果删除交叉的血管对应线段TU和T’U’以及形成三角形的血管对应线段VW、WX和VX。这形成更准确的血管线，这是由于依据实际的血管而留下了血管对应线段TU、T’U’、VW、WX和VX。
另外，在依据直径与线段长度相等的圆圈区域AR2内的血管像素的数量而连接点的情况下，代替删除交叉的血管对应线段T’U’(图9)和形成三角形的血管对应线段VX的校正方法，可以依据相邻于线段TU、T’U’、VW、WX和VX的血管像素的数量与这些线段的长度的比率来删除血管对应线段TU、T’U’、VW、WX和VX。
另外，在上述实施例中，作为校正的时机，在连接所有细节以形成近似的血管线之后，校正连接部分。然而，本发明并不仅限于此。每次将搜索标准点P(图6)和R(图7)与搜索候选点Q(图6)和S(图7)进行连接时，都可以校正连接部分。
此外，作为用于将指示细节的连接状态的信息和指示细节的信息存储作为鉴别信息的存储部件，应用闪存FM。然而，本发明并不仅限于此。可以应用其它的存储部件，诸如HDD(硬盘驱动器)和可移动“记忆棒(索尼公司的登记商标)”。
另外，可以不将存储部件与鉴别设备1一起集成。可以通过传输线将存储部件连接到鉴别设备1。
此外，在上述实施例中，作为用于基于存储部件中的鉴别信息再现要与其它进行比较的鉴别对象的再现部件，应用基于诸如Bresenham的算法的线绘制处理。然而，本发明并不仅限于此。可以应用其它的线绘制处理。
工业应用
本发明可以应用于生物测量识别领域。

Claims (18)

1.一种鉴别装置，包括：
提取部件，其从通过拍摄活体独有的鉴别对象而获得的图像中提取所述鉴别对象上的多个点；
连接部件，其连接由所述提取部件提取的点，使得所述点近似于所述鉴别对象；
存储部件，其将指示由所述连接部件连接的点的连接状态的信息和指示所述点的信息存储为鉴别信息；以及
再现部件，其基于所述存储部件中的鉴别信息再现要与其它进行比较的鉴别对象。
2.如权利要求1所述的鉴别装置，其中
所述连接部件依据与所述点之间的线线段相邻的鉴别对象的像素数量与所述线线段的长度的比率，来连接由所述提取部件提取的点。
3.如权利要求1所述的鉴别装置，包括：
校正部件，其校正由所述连接部件连接的点，其中
所述存储部件将指示由所述校正部件校正之后的点的连接状态的信息和指示所述点的信息存储为鉴别信息。
4.如权利要求3所述的鉴别装置，其中
所述校正部件校正其线线段彼此重叠的点。
5.如权利要求3所述的鉴别装置，其中
所述校正部件校正其线线段彼此重叠的点和其线线段形成三角形的点。
6.如权利要求5所述的鉴别装置，其中
所述校正部件校正其线线段在彼此重叠的线线段中最长的点、和其线线段在形成三角形的线线段中最长的点。
7.一种鉴别方法，包括：
第一步骤，从通过拍摄活体独有的鉴别对象而获得的图像中提取所述鉴别对象上的多个点；
第二步骤，连接所提取的点使得所述点近似于所述鉴别对象；
第三步骤，将指示被连接的点的连接状态的信息和指示所述点的信息存储在存储部件中作为鉴别信息；以及
第四步骤，基于所述存储部件中的鉴别信息再现要与其它进行比较的鉴别对象。
8.如权利要求7所述的鉴别方法，其中
所述第二步骤依据与所述点之间的线线段相邻的鉴别对象的像素数量与所述线线段的长度的比率，来连接所提取的点。
9.如权利要求7所述的鉴别方法，其中：
所述第二步骤包括校正所连接的点的校正步骤，以及
所述第三步骤将指示校正之后的点的连接状态的信息和指示所述点的信息存储为所述鉴别信息。
10.如权利要求9所述的鉴别方法，其中
所述校正步骤校正其线段彼此重叠的点。
11.如权利要求9所述的鉴别方法，其中
所述校正步骤校正其线段彼此重叠的点和其线段形成三角形的点。
12.如权利要求11所述的鉴别装置，其中
所述校正步骤校正其线段在彼此重叠的线段中最长的所述点、和其线段在形成三角形的线段中最长的所述点。
13.一种程序，使得进行控制的装置执行：
第一处理，从通过拍摄活体独有的鉴别对象而获得的图像中提取所述鉴别对象上的多个点；
第二处理，连接所提取的点使得所述点近似于所述鉴别对象；
第三处理，将指示被连接的点的连接状态的信息和指示所述点的信息存储在存储部件中作为鉴别信息；以及
第四处理，基于存储部件中的鉴别信息再现要与其它进行比较的鉴别对象。
14.如权利要求13所述的程序，其中
所述第二处理依据与所述点之间的线段相邻的鉴别对象的像素数量与所述线段的长度的比率，来连接所提取的点。
15.如权利要求13所述的程序，其中
所述第二处理包括校正所连接的点的校正处理，以及
所述第三处理将指示校正之后的点的连接状态的信息和指示所述点的信息存储为所述鉴别信息。
16.如权利要求15所述的程序，其中
所述校正处理校正其线段彼此重叠的点。
17.如权利要求15所述的程序，其中
所述校正处理校正其线段彼此重叠的点和其线段形成三角形的点。
18.如权利要求17所述的程序，其中
所述校正处理校正其线段在彼此重叠的线段中最长的点、和其线段在形成三角形的线段中最长的点。
CNB200580039734XA 2004-11-19 2005-10-27 鉴别装置及鉴别方法 Expired - Fee Related CN100565581C (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2004336500A JP4423557B2 (ja) 2004-11-19 2004-11-19 認証装置、認証方法及びプログラム並びに認証情報登録装置
JP336500/2004 2004-11-19

Related Child Applications (1)

Application Number Title Priority Date Filing Date
CN2009101782749A Division CN101763637B (zh) 2004-11-19 2005-10-27 鉴别装置、鉴别方法

Publications (2)

Publication Number Publication Date
CN101061512A true CN101061512A (zh) 2007-10-24
CN100565581C CN100565581C (zh) 2009-12-02

Family

ID=36406990

Family Applications (2)

Application Number Title Priority Date Filing Date
CNB200580039734XA Expired - Fee Related CN100565581C (zh) 2004-11-19 2005-10-27 鉴别装置及鉴别方法
CN2009101782749A Expired - Fee Related CN101763637B (zh) 2004-11-19 2005-10-27 鉴别装置、鉴别方法

Family Applications After (1)

Application Number Title Priority Date Filing Date
CN2009101782749A Expired - Fee Related CN101763637B (zh) 2004-11-19 2005-10-27 鉴别装置、鉴别方法

Country Status (9)

Country Link
US (1) US7957564B2 (zh)
EP (3) EP1845492B1 (zh)
JP (1) JP4423557B2 (zh)
KR (1) KR101164275B1 (zh)
CN (2) CN100565581C (zh)
DE (2) DE602005017940D1 (zh)
HK (2) HK1106053A1 (zh)
TW (1) TW200636604A (zh)
WO (1) WO2006054445A1 (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105282456A (zh) * 2014-06-11 2016-01-27 佳能株式会社 图像处理方法和图像处理装置

Families Citing this family (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008052701A (ja) * 2006-07-28 2008-03-06 Sony Corp 画像処理方法、画像処理装置及びプログラム
US8335353B2 (en) 2007-04-04 2012-12-18 Sony Corporation Biometrics authentication system
US20090080738A1 (en) * 2007-05-01 2009-03-26 Dror Zur Edge detection in ultrasound images
JP4636340B2 (ja) 2007-07-10 2011-02-23 ソニー株式会社 生体撮像装置
JP4910923B2 (ja) * 2007-07-20 2012-04-04 ソニー株式会社 撮像装置、撮像方法及び撮像プログラム
JP5080944B2 (ja) * 2007-11-08 2012-11-21 興和株式会社 パノラマ眼底画像合成装置及び方法
EP2146317A4 (en) * 2008-05-14 2012-10-31 Sony Corp RECORDING DEVICE, TEST DEVICE, PROGRAM AND DATA STRUCTURE
JP2010033347A (ja) * 2008-07-29 2010-02-12 Hitachi Maxell Ltd 表示機能を有する撮像装置及び移動体通信端末
JP5671281B2 (ja) * 2010-08-20 2015-02-18 キヤノン株式会社 位置姿勢計測装置、位置姿勢計測装置の制御方法及びプログラム
KR101354881B1 (ko) * 2012-08-24 2014-02-05 한국오므론전장주식회사 지정맥 인식 장치 및 방법
JP6648639B2 (ja) * 2016-05-27 2020-02-14 富士通株式会社 生体情報処理装置、生体情報処理方法および生体情報処理プログラム

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0782541B2 (ja) * 1986-12-01 1995-09-06 日本電気株式会社 指紋品質による指紋データフロー制御装置
JP2611258B2 (ja) * 1987-09-18 1997-05-21 富士通株式会社 相対位置が可変の部分画像照合法の辞書圧縮方式
JP3582734B2 (ja) 1993-07-14 2004-10-27 富士通株式会社 表のベクトル化装置
US6233348B1 (en) * 1997-10-20 2001-05-15 Fujitsu Limited Fingerprint registering apparatus, fingerprint identifying apparatus, and fingerprint identifying method
JP3705938B2 (ja) * 1997-10-20 2005-10-12 富士通株式会社 指紋登録装置、指紋照合装置及び指紋照合方法
US6241288B1 (en) 1998-04-02 2001-06-05 Precise Biometrics Ab Fingerprint identification/verification system
EP1197912A3 (en) * 2000-10-11 2004-09-22 Hiroaki Kunieda System for fingerprint authentication
JP3505713B2 (ja) 2000-10-11 2004-03-15 國枝 博昭 曲線識別システム
JP3396680B2 (ja) * 2001-02-26 2003-04-14 バイオニクス株式会社 生体認証装置
JP4251067B2 (ja) 2003-12-01 2009-04-08 株式会社日立製作所 個人認証装置及び個人認証用の血管パターン抽出装置

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105282456A (zh) * 2014-06-11 2016-01-27 佳能株式会社 图像处理方法和图像处理装置
US10311325B2 (en) 2014-06-11 2019-06-04 Canon Kabushiki Kaisha Image processing method and image processing apparatus

Also Published As

Publication number Publication date
CN101763637A (zh) 2010-06-30
US20090080718A1 (en) 2009-03-26
HK1142982A1 (en) 2010-12-17
JP4423557B2 (ja) 2010-03-03
EP2249287B8 (en) 2012-07-18
KR101164275B1 (ko) 2012-07-09
CN101763637B (zh) 2013-08-28
EP2159737A1 (en) 2010-03-03
EP1845492B1 (en) 2009-11-25
DE602005017940D1 (de) 2010-01-07
EP2249287B1 (en) 2012-02-29
EP1845492A4 (en) 2008-04-09
TWI311285B (zh) 2009-06-21
DE602005023363D1 (de) 2010-10-14
WO2006054445A1 (ja) 2006-05-26
TW200636604A (en) 2006-10-16
KR20070094736A (ko) 2007-09-21
EP2249287A2 (en) 2010-11-10
HK1106053A1 (en) 2008-02-29
JP2006146612A (ja) 2006-06-08
EP1845492A1 (en) 2007-10-17
CN100565581C (zh) 2009-12-02
EP2159737B1 (en) 2010-09-01
US7957564B2 (en) 2011-06-07
EP2249287A3 (en) 2010-12-22

Similar Documents

Publication Publication Date Title
CN101061512A (zh) 鉴别装置、鉴别方法及程序
US8229179B2 (en) Finger vein authentication apparatus and finger vein authentication method
US7978909B2 (en) Image processing apparatus, image processing method, computer program, and storage medium
JP5504928B2 (ja) 生体認証装置、生体認証方法およびプログラム
KR100891766B1 (ko) 의용 화상 처리 장치
CN1152340C (zh) 基于知识的指纹图像增强方法
CN1174344C (zh) 数字摄像机图像中字符定位的方法及装置
CN1910613A (zh) 图像中的人物候选区域抽取方法及人物候选区域抽取系统、人物候选区域抽取程序、以及人物像的上下判定方法、上下判定系统、上下判定程序
CN1741039A (zh) 面部器官位置检测设备、方法及程序
EP1774466A1 (en) Image processing method and apparatus, image sensing apparatus, and program
JP2010267086A (ja) 静脈撮像装置、位置ズレ補間方法およびプログラム
CN1300407A (zh) 虹膜识别系统和通过识别虹膜识别人的方法
CN1758264A (zh) 生物认证系统登记方法、生物认证系统及其程序
CN1667355A (zh) 图像识别方法和图像识别装置
CN1622589A (zh) 图像处理方法以及图像处理装置
US20100080544A1 (en) Vein imaging apparatus and thumbnail image creation method
JP2008084109A (ja) 目開閉判定装置及び目開閉判定方法
JP2005346222A (ja) 汗腺口除去装置、汗腺口除去方法及び汗腺口除去プログラム
KR100706000B1 (ko) 장문인증방법 및 그 장치
JP4774200B2 (ja) 文字列領域抽出装置
JP4683312B2 (ja) 認証装置、認証方法及びプログラム
JP2007011989A (ja) 画像処理装置、画像処理方法及びプログラム
JP2009271669A (ja) 携帯機器用静脈認証装置および静脈認証方法
CN1551038A (zh) 字符识别法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
REG Reference to a national code

Ref country code: HK

Ref legal event code: DE

Ref document number: 1106053

Country of ref document: HK

C14 Grant of patent or utility model
GR01 Patent grant
REG Reference to a national code

Ref country code: HK

Ref legal event code: GR

Ref document number: 1106053

Country of ref document: HK

CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20091202

Termination date: 20211027

CF01 Termination of patent right due to non-payment of annual fee