CN101730905A - 登记装置、核对装置、数据结构和存储介质 - Google Patents

Abstract

提供了一种能够实现提高的认证精度的登记装置、核对装置、数据结构和存储介质。该登记装置包括：图像获取单元，被配置为获取活体的静脉的静脉图像；提取单元，被配置为从所述静脉图像的一部分提取耐仿射变换的参数；和登记单元，被配置为在存储装置中登记由提取单元提取的参数。静脉图像的该部分被设置为用于提取耐仿射变换的参数的目标。

Description

登记装置、核对装置、数据结构和存储介质

技术领域

本发明涉及一种例如适合应用于生物测量认证的登记装置、核对装置、数据结构和存储介质。

背景技术

采用活体作为认证目标的认证技术正得到广泛使用。把生物测量认证包括到诸如蜂窝电话的便携式通信设备中，使得能够通过便携式通信设备对任何地方的通信方容易地执行认证处理，因此把生物测量认证装置包括在便携式通信设备中是很重要的。

传统上，生物测量认证装置的一个示例是采用手指静脉作为目标的静脉认证装置。静脉认证装置产生指示作为手指内部图像拾取的结果获得的静脉图像中的静脉特征的图案信息，并把它登记到存储装置中或把它与在存储介质中登记的图案信息进行核对。

同时，当图案信息被登记时以及当把它与登记的图案信息进行核对时，如果静脉部分相对于图像拾取单元发生错位，则出现登记者被错误地确定为未登记的人的情况或者未登记的人被错误地确定为登记者的情况，因此存在认证精度低的问题。该问题的一个解决方案是：利用亮度直方图的波形状态作为图案信息以防止由图像拾取器中发生的错位导致的错误确定(例如，参见专利文献1)。

专利文献1：日本未审专利申请公报No.2005-312748

然而，对于该文献，例如，在认证时，如果在即使登记时的静脉部分的一部分在图像拾取范围之外的状态下发生错位，则获得的亮度直方图的波形状态显著不同于登记时的亮度直方图的波形状态，因此存在认证精度低的问题。

发明内容

考虑到以上各方面提出了本发明，并且本发明旨在提供一种能够实现提高的认证精度的登记装置、核对装置、数据结构和存储介质。

为了解决以上问题，本发明是一种登记装置，包括：图像获取单元，被配置为获取活体的静脉的静脉图像；提取单元，被配置为从所述静脉图像的一部分提取耐仿射变换的参数；和登记单元，被配置为在存储装置中登记由提取单元提取的参数。

本发明是一种认证装置，包括：提取单元，被配置为从活体的静脉的静脉图像的一部分提取耐仿射变换的参数，所述静脉图像是作为认证目标被输入的；读取单元，被配置为读取存储装置中登记的登记信息；和确定单元，被配置为根据所述参数和所述登记信息之间的核对程度，确定输入所述参数的人是否是登记者。

另外，本发明是一种在由计算机执行的确定是否为登记者的处理中使用的数据结构。该数据结构包括从登记者的静脉的静脉图像的一部分提取的参数，所述参数是耐仿射变换的。在所述处理中，将所述参数与作为认证目标而输入的静脉图像中的对应部分进行比较。

另外，本发明是一种存储在由计算机执行的确定是否为登记者的处理中使用的数据的存储介质。所述数据包括从登记者的静脉的静脉图像的一部分提取的参数，所述参数是耐仿射变换的。在所述处理中，将所述参数与作为认证目标而输入的静脉图像中的对应部分进行比较。

如上所述，根据本发明，因为用于提取耐仿射变换的参数的目标是静脉图像的一部分，所以能够保持在静脉图像内的静脉的移动容许量，而不需要增加图像拾取范围。以这种方式，能够完成能实现提高的认证精度的登记装置、核对装置、数据结构和存储介质。

附图说明

图1是示出根据本实施例的认证装置的结构的框图。

图2是示出在血管登记模式下控制单元的功能结构的框图。

图3是示出在认证模式下控制单元的功能结构的框图。

图4是示出图像处理单元的框图。

图5是示出锐化处理前后的图像的示意图。

图6是示出样本图像的示意图。

图7是示出旋转移动和平移移动的状态的示意图。

图8是示出矩不变量和角度之间的关系的示意图。

图9是示出用于提取矩不变量的范围的示意图。

图10是示出移动和矩不变量之间的关系的示意图。

图11是用于描述中心位于分叉点的图像拾取范围的大小的示意图。

图12是用于描述用作提取矩不变量的基准的分叉点的示意图。

图13是示出数据结构的示意图。

图14是示出确定单元的结构的框图。

图15是示出用于提取矩不变量的范围和作为该范围的基准的分叉点的图像示例的示意图。

图16是示出矩不变量的比较的示意图。

图17是用于描述几何相关性的示意图。

图18是示出认证处理的过程的流程图。

附图标记说明

1：认证装置，10：控制单元，11：操作单元，12：图像拾取单元，13：存储器，14：接口，15：通知单元，21：驱动单元，22：图像处理单元，23：登记单元，31：读取单元，32：认证单元，41：锐化单元，42：基准点检测单元，43：特征提取单元，51：参数核对单元，52：几何关系验证单元

具体实施方式

下面参照附图描述应用了本发明的实施例。

(1)认证装置的总体结构

说明图1，即根据本实施例的认证装置1的总体结构。认证装置1被构造为使操作单元11、图像拾取单元12、存储器13、接口14和通知单元15通过总线16连接到控制单元10。

控制单元10被构造为计算机，该计算机包含：中央处理单元(CPU)，控制认证装置1的整体；只读存储器(ROM)，存储各种程序和设置信息；和随机存取存储器(RAM)，用作CPU的工作存储器。

响应于用户操作，命令COM1或命令COM2从操作单元11输入到控制单元10，其中，命令COM1执行用于登记作为登记目标的用户的静脉的模式(以下，该模式称为静脉登记模式，并且登记目标用户称为登记者)，命令COM2执行用于确定一个人是否是登记者的模式(以下，称为认证模式)。

控制单元10在命令COM1或COM2的基础上确定要执行的模式，在与确定的结果对应的程序的基础上适当地控制图像拾取单元12、存储器13、接口14和通知单元15，并执行静脉登记模式或认证模式。

图像拾取单元12向要放置手指的作为目标的表面(以下称为手指放置表面)发射具有如下波长范围(700[nm]到900[nm])中所包含的波长的光(以下，这种光称为近红外光)：该波长范围具有在脱氧血红蛋白和氧络血红蛋白中都被特定吸收的特性。

图像拾取单元12获取放置在手指放置表面上的活体部分内的静脉所投影的图像(以下称为静脉图像)作为与图像相关的数据(以下称为静脉图像数据)，并且把静脉图像数据输出给控制单元10。

存储器13可以是例如闪存，并且存储或读取由控制单元10指定的数据。

接口14与通过预定传输线连接的外部设备交换各种数据。

通知单元15包括显示单元15a和音频输出单元15b。显示单元15a基于从控制单元10提供的显示数据，显示文本和图形。另一方面，音频输出单元15b基于从控制单元10提供的音频数据，从扬声器输出音频。

(1-1)静脉登记模式

接下来，描述静脉登记模式。当确定静脉登记模式作为要执行的模式时，控制单元10通过通知单元15通知手指应该放在手指放置表面上，之后，如图2所示，控制单元10用作驱动单元21、图像处理单元22和登记单元23。

在这种情况下，驱动单元21通过驱动图像拾取单元12获取静脉图像数据。也就是说，驱动单元21通过驱动图像拾取单元12的光源，向手指放置表面上发射近红外光。驱动单元21调整图像拾取单元12的光学透镜的透镜位置，从而聚焦于被摄体。另外，驱动单元21基于预定曝光值(EV)调整图像拾取单元12的光圈的f值，并调整针对图像拾取元件的快门速度(曝光时间)。

图像处理单元22从作为图像拾取单元12的图像拾取结果从图像拾取单元12提供的静脉图像数据，提取耐仿射变换的参数，作为静脉图像的特征。耐仿射变换的参数是当图像中的亮度状态不变时即使位置改变也不变的参数。以下，该参数在适当时称为特征。

登记单元23基于由图像处理单元22提取的特征产生用于识别登记者的数据(以下称为登记数据)，并通过把该数据存储到存储器

中登记该数据。

以这种方式，控制单元10能够执行静脉登记模式。

(1-2)认证模式

接下来，描述认证模式。当确定认证模式作为要执行的模式时，控制单元10通过通知单元15通知手指应该放在手指放置表面上，之后，如图3(在图3中，相似的部件由与图2中相同的标号表示)所示，控制单元10用作驱动单元21、图像处理单元22、读取单元31和认证单元32。

在这种情况下，驱动单元21驱动图像拾取单元12，并且图像处理单元22基于从图像拾取单元12提供的静脉图像数据来提取特征。

读取单元31通过从存储器13读取登记数据来获取登记数据，并把登记数据提供给认证单元32。

认证单元32把从读取单元31提供的登记数据的特征与由图像处理单元22提取的特征进行核对，并根据核对的程度确定静脉图像数据的提供者能否被认证为登记者。

当确定提供者不能被认证为登记者时，认证单元32通过显示单元15a和音频输出单元15b以视觉和听觉的方式通知提供者未能被认证。

另一方面，当确定提供者能够被认证为登记者时，认证单元32向连接到接口14的设备发送用于开始执行预定处理的数据。作为该预定处理，该设备执行对于成功认证而要执行的处理，例如，在固定时间段内关门或者解除限制目标的操作模式。

以这种方式，控制单元10能够执行认证模式。

(2)图像处理单元中的处理的细节

接下来，具体描述图像处理单元22。图像处理单元22具有包括锐化单元41、基准点检测单元42和特征提取单元43的结构，如图4所示。

(2-1)锐化处理

锐化单元41对从图像拾取单元12(图2)获得的静脉图像数据执行称为LoG滤波的锐化处理，并由此使静脉图像中包含的静脉鲜明突出。

这里，锐化处理前后的图像在图5中示出。从图5可以清楚看出，锐化处理使静脉和背景之间的差别(边界部分)显著，结果，使静脉图像中包含的静脉相对于背景突出。

(2-2)基准点检测处理

基准点检测单元42基于从锐化单元41提供的静脉图像数据，检测静脉图像中包含的静脉的分叉点。

在本实施例中，作为检测分叉点的前置处理，基准点检测单元42把静脉图像二值化，并在二值化的图像中提取静脉宽度的中心或亮度的峰值，由此产生静脉线宽度对应于一个像素的图案。因此，与省略前置处理的情况相比，基准点检测单元42能够更一致地检测静脉的交叉部分的位置。

(2-3)特征提取处理

特征提取单元43从锐化单元41获取锐化处理后的静脉图像数据，并计算静脉图像的特征。特征提取单元43使用矩不变量(moment invariant)作为特征。

简要地描述矩不变量。在坐标(x，y)处的图像f(x，y)的(p+q)阶的图像矩代表中心位于图像的原点的像素的方差值，由下式定义：

$m_{\mathrm{pq}}=\underset{y=1}{\overset{h}{\mathrm{\Σ}}}\underset{x=1}{\overset{w}{\mathrm{\Σ}}}{x}^p{y}^{q}f(x,y)......\left(1\right)$

因此，当大像素值更远离原点地分散时，图像矩具有更大的值。

在该式(1)中，“p”代表针对x轴方向的权重，“q”代表针对y轴方向的权重。因此，当“p”的值增大时，针对向着x轴方向的方差的权重增加，而当“q”的值增加时，针对向着y轴方向的方差的权重增加。另外，在式(1)中，“w”代表x轴方向的像素数，“h”代表y轴方向的像素数。

对于该图像矩，m₁₀/m₀₀和m₀₁/m₀₀代表重心坐标G(x_G，y_G)。基于该重心坐标G(x_G，y_G)，可由下式定义重心周围的矩(即重心矩)：

$M_{\mathrm{pq}}=\underset{y=1}{\overset{h}{\mathrm{\Σ}}}\underset{x=1}{\overset{w}{\mathrm{\Σ}}}{(x-x_G)}^p{(y-y_G)}^{q}f(x,y)......\left(2\right)$

这是考虑了距重心的距离而非距原点的距离的矩。也就是说，该值代表考虑了图像内的像素值的针对x轴方向和y轴方向中的每个方向的重心的方差。

另外，该重心矩通过下式而归一化：

${\mathrm{\η}}_{\mathrm{pq}}=\frac{m_{\mathrm{pq}}^G}{{\left(m_{00}^G\right)}^{\mathrm{\γ}}}$

$\mathrm{\γ}=\frac{p+q}{2}+1,$ 其中，(p+q)≥2        ......(3)

并由此计算归一化的重心矩η。由于归一化，方差的展布不影响矩的值，因此它针对图像内的物体的平移移动、旋转移动或图像尺寸是不变的。

矩不变量是组合这些归一化的重心矩的矩不变量，并且能够被分成一阶(I₁)至七阶(I₇)这七种类型，由下式定义：

I₁＝η₂₀+η₀₂

$I_2={({\mathrm{\η}}_{20}-{\mathrm{\η}}_{02})}^2+4{\mathrm{\η}}_{11}^2$

I₃＝(η₃₀-3η₁₂)²+(3η₂₁-η₀₃)²

I₄＝(η₃₀+η₁₂)²+(η₂₁+η₀₃)²

I₅＝(η₃₀-3η₁₂)(η₃₀+η₁₂){(η₃₀+η₁₂)²-3(η₂₁+η₀₃)²}+

    (3η₂₁-η₀₃)(η₂₁+η₀₃){3(η₃₀+η₁₂)²-(η₂₁+η₀₃)²}

I₆＝(η₂₀-η₀₂){(η₃₀+η₁₂)²-(η₂₁+η₀₃)²+4η₁₁(η₃₀+η₁₂)(η₂₁+η₀₃)}

I₇＝(3η₂₁-η₀₃)(η₃₀+η₁₂){(η₃₀+η₁₂)²-3(η₂₁+η₀₃)²}+

    (η₃₀-3η₁₂)(η₂₁+η₀₃){3(η₃₀+η₁₂)²-(η₂₁+η₀₃)²}

                                                        ……(4)

例如，从式(4)可以清楚看出，一阶矩不变量I₁是向着x轴方向的方差和向着y轴方向的方差被加在一起的矩不变量。另外，矩不变量由Hu(M-K Hu，Visual pattern recognition by moment invariants，IRETrans.on Information Theory，IT-8，pp.179-187，1962)提供。

这里，当图6示出的样本图像(图6(A)：Ienna；图6(B)：山魈；图6(C)：barbara)相对于基准(角度0[°])每旋转10[°])并在像素值为零的背景上自由平移时，如图7所示，计算每次移动的矩不变量。

结果在图8中示出。该图8绘出矩不变量和角度之间的关系，在纵轴绘制矩不变量，在横轴绘制旋转角度。从图8还可以清楚看出，即使在旋转移动和平移移动的情况下，矩不变量的值也基本上一致(即不变)。

需要注意的是，从图7还可以清楚看出，如果不是全部样本图像都存在于图像拾取范围内，则样本图像的图案的状态(像素的亮度值与其位置之间的关系)变化，因此，矩不变量变化。因此，当用于提取矩不变量的目标是静脉图像整体时，除非确保比图像拾取目标更大的图像拾取范围，否则不允许图像拾取目标的移动。也就是说，当扩展了图像拾取目标的移动的允许范围时，图像拾取单元12的尺寸增加。

因此，对于特征提取单元43，用于提取矩不变量的目标不是静脉图像整体，而是限于静脉图像的一部分。因此，不管图像拾取范围的大小，只要用于提取矩不变量的范围在静脉图像内，特征提取单元43就能够允许图像拾取目标的移动(在手指放置表面上手指向着表面方向的平移移动，或手指围绕手指的纵轴的旋转移动)。结果，与用于提取矩不变量的目标是静脉图像整体的情况相比，能够正确地捕捉图像拾取目标(静脉)的特征。

在本实施例中，作为用于提取矩不变量的目标，如图9所示，使用中心位于分叉点并包括其附近区域的范围。具体地讲，当特征提取单元43从锐化单元41获取图像数据时，特征提取单元43也从基准点检测单元42获取关于图像数据中静脉的分叉点的位置数据，设置中心位于由该位置数据指示的分叉点的圆形提取范围，并计算矩不变量。

这里，在图10中，在第一次图像拾取(图10(A))时以及在当第一次的图像拾取位置沿手指放置表面的表面方向移动(在图中，向右移动)时的第二次图像拾取时(图10(B)和图10(C))，静脉图像显示在左侧，锐化处理前后的静脉图像显示在右侧，并且用于提取矩不变量的范围中的放大图像显示在底部。

从图10中还可以清楚看出，在中心位于同一分叉点的提取范围中(图10(A)和图10(B))，即使在静脉登记模式和认证模式之间手指在手指放置表面上的位置不同，一阶(I₁)和二阶(I₂)矩不变量并没有不同。相反，当提取范围变化(图10(C))时，一阶(I₁)和二阶(I₂)矩不变量都显著不同。

以这种方式，特征提取单元43能够在不管静脉图像内的移动的情况下准确地计算静脉中的在人与人之间大幅变化并且是用于识别的重要元素的分叉部分的矩不变量。

同时，当特征提取单元43设置中心位于分叉点的提取范围时，该提取范围包含分叉部分的边缘。这是因为，如图11所示，由基准点检测单元42检测到的分叉点DP是当静脉限定一个像素宽度时发生的交叉点，而作为矩提取目标的分叉部分具有任何宽度。

也就是说，当设置了包含轮廓线上的分叉点PX的提取范围AR时(图11(A))，静脉图像上的每个分叉点具有相对于中心的位置和在该位置的亮度状态方面的特点，而当没有设置包含分叉点PX的提取范围AR时(图11(B))，特点较弱，因此，作为识别的目标，没有显著性。

应该注意的是，当一致地设置该提取范围时，优选的是，该提取范围的半径等于或大于作为前一阶段在基准点检测单元42中进行锐化的单位的范围(核心尺寸)。这是因为，在此情况下，包含轮廓线上的分叉点PX的可能性高。

另外，在本实施例的情况下，如图12所示，特征提取单元43仅使用从静脉图像的中心延伸到一定距离的中央区域中包含的分叉点，作为用于提取矩不变量的目标。因此，与计算以静脉图像中包含的所有分叉点中的每个分叉点作为中心的提取范围AR中的矩不变量的情况相比，特征提取单元43能够进一步允许图像拾取目标的移动。

(3)登记单元中的处理的细节

接下来，具体描述登记单元23。该登记单元23从特征提取单元43获取矩不变量，并确定在特征提取单元43中计算的矩不变量的数量是否等于或大于规定的数量。

这里，当矩不变量的数量小于规定值时，登记单元23确定不足以作为登记者的特征，并通过通知单元15通知应该再次拾取图像。

另一方面，当矩不变量的数量等于或大于规定值时，登记单元23从基准点检测单元42获取关于静脉图像数据中静脉的分叉点的位置数据，并产生包含分叉点的位置和以该位置为基准计算出的矩不变量的登记数据。该登记数据的数据结构在图13中示出。该识别数据具有包含头区域HAr和数据区域DAr的结构。

在头区域HAr中，存储分叉点的数量和Hu的矩不变量的七个阶之中的适用阶数的数量。这些项指定图像处理单元22中的处理的细节，因此，数据区域DAr中存储的内容具有作为用于确认存储在数据区域DAr中的内容是图像处理单元22中的处理的结果的标识符的意义。

另一方面，在数据区域DAr中，用作提取矩不变量的基准的分叉点的位置(xy坐标)和h(h是2、3、...、或7)阶的矩不变量H被彼此关联地存储。

以这种方式，登记单元23把登记数据登记在存储器13中，该登记数据包含图像处理单元22中的处理结果和确认已通过图像处理单元22执行了该处理结果的内容。

(4)认证单元中的处理的细节

接下来，具体描述认证单元32。认证单元32具有包括参数核对单元51和几何关系验证单元52的结构。

(4-1)参数核对处理

参数核对单元51把由读取单元31从存储器13读取的登记数据的存储在数据区域DAr(图13)中的矩不变量(以下称为登记不变量)与由图像处理单元22(图3)提取的矩不变量(以下称为认证不变量)进行核对。

具体地讲，参数核对单元51使用下式针对每个相同阶计算每个登记不变量和它对应的认证不变量之间的偏差(deviation)d_I：

$d_I=\frac{|I^T-I^S|}{I^T}.......\left(5\right)$

其中，I^T(T＝1，2，...，m(m是整数))是数据区域DAr(图13)中的i阶(i＝1，2，...，7)登记不变量，I^S(S＝1，2，...，n(n是整数))是由图像处理单元22(图3)提取的认证不变量。另外，参数核对单元51例如基于作为用于提取矩不变量的基准的分叉点，识别登记不变量和认证不变量之间的相关性。

当作为核对结果获得偏差d_I时，参数核对单元51确定是否所有这些偏差d_I都小于预定阈值。这里，当偏差d_I中的至少一个等于或大于阈值时，这意味着登记时的静脉图像和认证时的静脉图像不同，也就是说，认证时的静脉图像的提供者不是登记者。在这种情况下，参数核对单元51通过通知单元15通知此人不能被认证为登记者。

另一方面，当所有的偏差d_I都小于预定阈值时，这意味着输入静脉图像的人是登记者的可能性高。在这种情况下，参数核对单元51向几何关系验证单元52通知应该开始处理。

这里，在图16中示出使用图15中示出的静脉图像作为示例在上述参数核对单元51中进行的处理的结果。在图15中，图15(A)示出在静脉登记模式下获取的静脉图像和用于计算与该静脉图像相关的登记不变量的部分的放大图像，图15(B)示出在认证模式下从该登记者的同一部分获取的静脉图像和用于计算与该静脉图像相关的认证不变量的部分的放大图像。

将相同的编号分配给对应的分叉点，在这些分叉点之中，作为认证目标的分叉点在其编号上增加了撇号(′)。另外，在图15中，在静脉登记模式下获取的静脉图像中的静脉部分(图15(A))和在认证模式下获取的静脉图像中的静脉部分(图15(B))实际并不存在，但是为了看起来方便而将它们示出。

图16揭示了：因为从同一人的同一部分获取登记不变量和认证不变量，所以这些不变量基本上相同。

(4-2)几何关系验证处理

当被参数核对单元51通知应该开始处理时，几何关系验证单元52验证作为用于提取登记不变量的基准点的分叉点和作为用于提取认证不变量的基准点的分叉点之间的位置关系是否相关。

具体地讲，几何关系验证单元52搜索偏差的平方和最小的登记不变量和认证不变量的组合，并确定该组合的数量是否等于或大于规定数量。

这里，当该组合的数量小于规定数量时，这意味着，因为作为用于提取登记不变量的基准点的分叉点和作为用于提取认证不变量的基准点的分叉点之间的对应的数量小，所以不需要验证分叉点之间的位置关系，可靠性不足以把此人认证为登记者。在这种情况下，几何关系验证单元52通过通知单元15通知此人不能被认证为登记者。

另一方面，当该组合的数量等于或大于规定数量时，几何关系验证单元52获取满足偏差的平方和的最小值小于预定阈值的条件的组合中作为用于提取登记不变量的基准点的分叉点的位置和作为用于提取认证不变量的基准点的分叉点的位置。也就是说，几何关系验证单元52从数据区域DAr(图13)获取与登记不变量对应的分叉点的位置，并从图像处理单元22获取与认证不变量对应的分叉点的位置。

然后，几何关系验证单元52计算组合中的一个分量的各分叉点之间的距离和该组合中的另一分量的各分叉点之间的距离，并针对每个组合计算这些距离之差。另外，几何关系验证单元52把针对每个组合计算出的距离之差的总和除以组合的数量，并将除法的结果设置为用于确定是否存在几何相关性的评价值。

这里，在图17中示出使用图15中示出的静脉图像作为示例在上述几何关系验证单元52中进行处理的结果。在图17中，最左栏指示分配给在静脉登记模式(图15(A))下获取的静脉图像中的分叉点的编号的组合(即，分叉点的组合)，左数第四栏指示分配给在认证模式(图15(B))下获取的静脉图像中的分叉点的编号的组合。另一方面，评价值的栏中的值指示通过把距离之差的总和除以组合的数量(6)而获得的结果。

当计算评价值时，几何关系验证单元52确定评价值是否小于预定阈值。这里，当评价值等于或大于预定阈值时，这意味着，虽然登记不变量和认证不变量并没有不同，但是作为用于提取这些矩不变量的基准点的分叉点不是处于相对位置关系，因此，作为用于提取登记不变量和认证不变量的目标的静脉图像中的静脉的形状不同，并且在认证模式下获取的图像是不同于授权静脉图像的一个图像。在这种情况下，几何关系验证单元52通过通知单元15通知此人不能被认证为登记者。

与此相反，当评价值小于预定阈值时，这意味着，在认证模式下输入该静脉图像的人是登记者。在这种情况下，几何关系验证单元52认为此人能够被认证为登记者，产生用于开始执行与成功认证相关的预定处理的数据，并把该数据发送给与接口14连接的设备(图1)。

(5)认证处理的过程

接下来，使用图18的流程图描述认证单元32中的认证处理的过程。也就是说，当从操作单元11接收到用于执行认证模式的命令COM2时，认证单元32开始该认证处理过程RT。在步骤SP1中，认证单元32针对每个阶计算存储在数据区域DAr(图13)中的登记不变量和它对应的认证不变量之间的偏差，并且流程前进至步骤SP2。

在该步骤SP2中，认证单元32确定是否在步骤SP1中计算的所有偏差都小于预定阈值。当所有的偏差小于该预定阈值时，流程前进至步骤SP3。

在该步骤SP3中，认证单元32搜索偏差的平方和最小的组合，并确定所述组合的数量是否等于或大于规定数量。当所述组合的数量等于或大于规定数量时，流程前进至步骤SP4。

在该步骤SP4中，认证单元32识别满足偏差的平方和的最小值小于预定阈值的条件的组合中作为用于提取登记不变量和认证不变量的基准点的分叉点的位置。在随后的步骤SP5中，认证单元32基于识别的结果计算评价值。

也就是说，认证单元32计算在步骤SP4中识别的登记不变量的分叉点之间的距离和认证不变量的分叉点之间的距离，之后针对在步骤SP3中搜索到的每个组合计算这些距离之差。然后，认证单元32将通过把针对每个组合计算的距离之差的总和除以在步骤SP3中搜索到的组合的数量而获得的值设置为评价值。

当在步骤SP5中计算出评价值时，流程前进至步骤SP6，在步骤SP6中，认证单元32确定该评价值是否小于预定阈值。

这里，当评价值小于预定阈值时，认证单元32确定认证成功。在这种情况下，流程前进至步骤SP7，在步骤SP7中，认证单元32执行与成功认证关联的预定处理。之后，该认证处理过程RT完成。

另一方面，当评价值等于或大于预定阈值时，当在步骤SP2中登记不变量和认证不变量之间的偏差中的至少一个等于或大于预定阈值时，或者当在步骤SP3中偏差的平方和最小的登记不变量和认证不变量的组合的数量小于规定数量时，认证单元32确定认证失败。在这种情况下，流程前进至步骤SP8，在步骤SP8中，认证单元32执行与认证失败关联的预定处理。之后，该认证处理过程RT完成。

以这种方式，认证单元32能够在不需要图像匹配处理的情况下通过比较特征(矩不变量、位置信息)的值确定一个人是否是登记者。

(6)操作和效果

在以上结构中，该认证装置1仅从静脉图像中示出的静脉的分叉部分提取具有耐仿射变换的参数的特征(例如，图10)。这使得即使静脉在静脉图像内移动，认证装置1也能够提取同等的特征，而不需要增加图像拾取单元12的图像拾取范围。

因此，与从整个静脉图像提取特征的情况相比，该认证装置1更能够在保持静脉图像内静脉的移动容许量的同时防止认证精度降低。这在认证装置被包括在非常希望小型化的设备(诸如手机)中的情况下特别有用。

在本实施例的情况下，使用矩不变量作为特征，使得即使手指在手指放置表面上向着它的表面方向平移和/或手指围绕手指的纵轴旋转也能够提取同等的特征。

在本实施例的情况下，提取范围被设置为以静脉图像中示出的静脉的分叉部分之中与静脉图像的中心位置相距一定距离的中央区域CAR(图12)中包含的分叉部分作为它的中心，并且从每个设置的提取范围提取特征。

因此，与用于提取特征的目标不限于中央区域CAR的情况相比，该认证装置1能够进一步保持静脉图像中静脉的移动容许量。这在图像拾取单元12的结构不是光源和图像拾取元件被布置为把放在手指放置平面上的手指夹在中间的结构(例如，日本未审专利申请公报No.2005-353014中的图15)而是光源和图像拾取元件相对于放置手指的手指放置表面上放置的手指的放置表面布置在同一方向上的结构(例如，同一公报中的图2)的情况下特别有用。

这是因为，在光源和图像拾取元件相对于手指的放置表面布置在同一方向上的结构的情况下，可见光可能从手指放置表面的末端作为噪声混合在从光源向静脉发射到静脉的近红外光中，并且由此难以显示的静脉图像的末端能够被从用于提取特征的目标中去除。

根据以上结构，仅从静脉图像中示出的静脉的分叉部分提取具有耐仿射变换的参数的特征，使得能够在不增加图像拾取范围的情况下保持在静脉图像中静脉的移动容许量。以这种方式，能够实现这样的认证装置1，该认证装置1能够实现提高的认证精度。

(7)其它实施例

在上述实施例中，描述了在锐化单元41的锐化处理中使用LoG滤波器的情况。然而，本发明不限于这种情况。例如，也可以使用诸如形态学滤波器、Laplacian滤波器、Gaussian滤波器或Sobel滤波器的各种滤波器。使用的滤波器的数量也可以是多于一个。

在上述实施例中，描述了将分叉点用作基准点检测单元42的检测目标的情况。然而，本发明不限于这种情况。也可以使用端点或弯曲点或者它们的组合。作为另一选择，例如，在静脉中包括的点之中，也可以使用除了端点、分叉点和弯曲点中的全部或一部分之外的点，诸如与中心位于静脉图像的中心的圆相交的点。

另外，虽然描述了基准点检测单元42检测固定于分叉点的检测目标的情况，但本发明不限于这种情况。检测目标也可以在预定定时切换。

例如，每次执行血管登记模式时，按照分叉点、弯曲点和与中心位于图像的中心位置的圆相交的点的次序在它们之间切换检测目标。作为另一选择，例如，每次执行血管登记模式时，中心为中心位置的圆的半径被切换，并检测与该圆相交的点。在这种情况下，在头区域HAr(图13)中描述用于识别如何检测(即，检测方法)的标识符，并且在认证模式下，由图像处理单元22(图3)使用由该标识符指示的检测方法对检测目标进行检测使得能够使用在登记和认证时都作为基准的对应点来提取矩不变量。

据此，即使在登记的关于静脉的信息被窃取到另一系统的情况下，因为该信息没有揭示如何检测矩不变量的基准点，所以该认证装置1能够防止使用被窃取的信息伪装成登记者，因此能够进一步提高认证精度。

另外，在上述实施例中，描述了将Hu矩不变量用作特征提取单元43的提取目标的情况。然而，本发明不限于这种情况。例如，也可以使用Zernike矩或熵。可以使用仅针对平移移动的不变量(比如静脉图像中的局部亮度直方图)，而不使用既针对手指在手指放置表面上向着它的表面方向的平移移动又针对手指围绕手指的纵轴的旋转移动的不变量(比如矩不变量)。简而言之，能够使用各种特征，只要它们耐仿射变换即可。

另外，在上述实施例中，描述了使用具有图像拾取功能、核对功能和登记功能的认证装置1的情况。然而，本发明不限于这种情况也可以使用如下模式：取决于应用，将各功能或一部分功能分配给单个设备。

工业实用性

本发明可应用于生物测量认证的领域。

Claims (14)

1.一种登记装置，其特征在于包括：

图像获取单元，被配置为获取活体的静脉的静脉图像；

提取单元，被配置为从所述静脉图像的一部分提取耐仿射变换的参数；和

登记单元，被配置为在存储装置中登记由提取单元提取的参数。

2.如权利要求1所述的登记装置，其特征在于：提取单元被配置为把提取范围设置为静脉图像中示出的静脉的各分叉部分使得该提取范围包含所述分叉部分的边缘，并且被配置为从每个设置的提取范围提取所述参数。

3.如权利要求1所述的登记装置，其特征在于：提取单元被配置为设置中心位于静脉图像中示出的静脉的分叉部分之中的、基准位于静脉图像的中心位置的中心区中包含的分叉部分的提取范围，并且被配置为从每个设置的提取范围提取所述参数。

4.如权利要求1所述的登记装置，其特征在于，还包括检测单元，该检测单元被配置为从静脉图像中示出的静脉检测多个静脉部分点，以及

提取单元被配置为从中心位于每个所述静脉部分点的预定提取范围提取所述参数。

5.如权利要求4所述的登记装置，其特征在于，检测单元被配置为检测静脉的端点、分叉点和弯曲点中的全部或一部分，作为所述多个静脉部分点。

6.如权利要求4所述的登记装置，其特征在于，检测单元被配置为在预定定时切换用于检测所述多个静脉部分点的检测方法，以及

登记单元被配置为在存储装置中登记所述参数和用于识别所述检测方法的标识符。

7.如权利要求1所述的登记装置，其特征在于，所述参数是矩不变量。

8.一种认证装置，其特征在于包括：

提取单元，被配置为从活体的静脉的静脉图像的一部分提取耐仿射变换的参数，所述静脉图像是作为认证目标被输入的；

读取单元，被配置为读取存储装置中登记的登记信息；和

确定单元，被配置为根据所述参数和所述登记信息之间的核对程度，确定输入所述参数的人是否是登记者。

9.如权利要求8所述的认证装置，其特征在于，确定单元被配置为当所述参数和所述登记信息中的对应参数之间的偏差小于预定阈值时，确定输入所述参数的人是登记者。

10.如权利要求8所述的认证装置，其特征在于，提取单元被配置为把提取范围设置为静脉图像中示出的静脉的各分叉部分，并且被配置为从每个设置的提取范围提取所述参数，

确定单元被配置为当所述参数和所述登记信息中的对应参数之间的偏差小于所述预定阈值时并且当设置为每个所述参数的提取范围的分叉部分与设置为所述登记信息中的每个对应参数的提取范围的分叉部分几何相关时，确定输入所述参数的人是登记者。

11.一种在由计算机执行的确定是否为登记者的处理中使用的数据结构，该数据结构的特征在于，它包括从登记者的静脉的静脉图像的一部分提取的参数，所述参数是耐仿射变换的，并且

在所述处理中，将所述参数与作为认证目标而输入的静脉图像中的对应部分进行比较。

12.如权利要求11所述的数据结构，其特征在于，除了所述参数之外，所述数据结构还包括关于所述一部分的位置信息，并且

在所述处理中，确定所述位置信息是否与关于所述对应部分的位置信息几何相关。

13.一种存储在由计算机执行的确定是否为登记者的处理中使用的数据的存储介质，该存储介质的特征在于，所述数据包括从登记者的静脉的静脉图像的一部分提取的参数，所述参数是耐仿射变换的，并且

在所述处理中，将所述参数与作为认证目标而输入的静脉图像中的对应部分进行比较。

14.如权利要求13所述的存储介质，其特征在于，除了所述参数之外，所述数据还包括关于所述一部分的位置信息，并且

在所述处理中，确定所述位置信息是否与关于所述对应部分的位置信息几何相关。

Images