CN102077247B - 认证装置 - Google Patents
认证装置 Download PDFInfo
- Publication number
- CN102077247B CN102077247B CN2008801301278A CN200880130127A CN102077247B CN 102077247 B CN102077247 B CN 102077247B CN 2008801301278 A CN2008801301278 A CN 2008801301278A CN 200880130127 A CN200880130127 A CN 200880130127A CN 102077247 B CN102077247 B CN 102077247B
- Authority
- CN
- China
- Prior art keywords
- line information
- correction
- view data
- correct
- difference
- 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.)
- Active
Links
Images
Classifications
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/98—Detection or correction of errors, e.g. by rescanning the pattern or by human intervention; Evaluation of the quality of the acquired patterns
- G06V10/993—Evaluation of the quality of the acquired pattern
Landscapes
- Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Human Computer Interaction (AREA)
- Collating Specific Patterns (AREA)
- Image Analysis (AREA)
Abstract
对于提取自线形状的特征量要用于认证的图像数据,执行使用了局部线形状的局部校正,其中该局部线形状是包含在本区域的附近区域中的线信息所表示的,对于图像数据,执行使用了全局线形状的全局校正,其中该全局线形状是包含在比附近区域更广的区域中的线信息所表示的,计算包含在通过局部校正校正后的图像数据中的线信息、与包含在通过全局校正校正后的图像数据中的线信息之间的差分,比较差分与阈值,在差分比阈值小的情况下,输出通过局部校正校正后的线信息作为包含在图像数据中的线信息,在差分比阈值大的情况下,输出通过全局校正校正后的线信息作为包含在图像数据中的线信息。
Description
技术领域
本发明涉及认证装置。
背景技术
以往公知有对包含认证用的特征线信息(例如,指纹或掌纹、指静脉、手掌静脉、血管图案等)的图像数据进行校正,提高认证精度的校正方法。例如,公知有利用局部信息进行校正的局部校正、和利用全局信息进行校正的全局校正。
具体地讲,在局部校正中,装置按每个图像数据的区域,对于本区域中包含的特征线信息,使用位于附近的区域中包含的特征线信息进行校正,例如利用平滑滤波器等进行校正。并且,在全局校正中,装置进行使用了包含在比附近区域更广的区域中的线信息的校正,例如利用使用了算式的建模进行校正。
专利文献1:WO2005/086091(第13页,图5)
专利文献2:日本特开2006-72553号公报(第1-5页,图1)
专利文献3:日本特开平10-334237号公报(第1-8页,图1)
专利文献4:日本特开平5-181956号公报(第1-4页,图1)
专利文献5:日本特开平9-62836号公报(第1-3页,图1)
但是,在上述的以往的各种方法中,存在由于在认证中使用的图像的质量而不能进行适当校正的问题。
例如,在上述的局部校正中,不能对比平滑滤波器更大的噪声进行校正,不能对包含大噪声的图像进行适当的校正。并且,例如在上述的全局校正中,不能伴随校正处理维持详细的线信息,对于不包含大噪声的质量高的图像,不能进行适当的校正。
发明内容
因此,本发明是为了解决上述以往技术的问题而提出的,其目的在于,提供一种可以选择与认证中使用的图像质量相适的校正方法的认证装置。
为了解决上述问题,并达到目的,具有:第一校正单元,其对于图像数据,按照划分该图像数据而成的每个区域,针对表示本区域中包含的线形状呈现的角度的线信息,执行使用了局部线形状的校正,其中,该图像数据的特征量是提取自线形状而要用于认证中的,该局部线形状是该本区域的附近区域中包含的线信息所表示的。并且,具有第二校正单元,其对于所述图像数据,针对本区域中包含的线信息,执行使用了全局线形状的校正,其中该全局线形状是比所述附近区域更广的区域中包含的线信息所表示的。并且,还具有计算单元,其计算包含在由所述第一校正单元校正后的图像数据中的表示局部信息的局部校正线信息、与包含在由所述第二校正单元校正后的图像数据中的表示全局信息的全局校正线信息之间的差分。并且,还具有输出单元,其对所述计算单元计算出的差分与阈值进行比较,在该差分比该阈值小的情况下,作为该图像数据中包含的线信息,输出由所述第一校正单元校正后的线信息,在该差分比该阈值大的情况下,作为包含在该图像数据的线信息,输出由所述第二校正单元校正后的线信息。
作为发明效果,可以选择与认证中使用的图像质量相适的校正方法。
附图说明
图1是用于说明实施例1的认证装置的概要的图。
图2是用于说明实施例1的认证装置的结构的框图。
图3是用于说明实施例1中的索贝尔滤波器的一例的图。
图4是用于说明实施例1中的平滑滤波器的一例的图。
图5是用于说明实施例1中的局部校正的图。
图6是用于说明实施例1中的校正选择部的图。
图7是用于说明实施例1中的认证装置的处理流程的流程图。
图8是用于说明实施例2的认证装置的结构的框图。
图9是用于说明实施例2中的认证装置的处理流程的流程图。
图10是用于说明实施例1的认证装置的程序的图。
附图标记说明:
100:认证装置 101:指纹图像检测部
200:存储部 201:特征量存储部
300:控制部 301:线信息计算部
302:局部校正部 303:全局校正部
304:差分计算部 305:校正选择部
306:特征量提取部 307:特征量存储部
401:校正部
具体实施方式
以下,参照附图详细说明本发明的认证装置、认证方法以及认证程序的实施例。另外,以下按顺序说明本实施例的认证装置的概要、认证装置的结构以及处理流程,之后对其他实施例进行说明。
实施例1
[认证装置的概要]
首先,使用图1说明实施例1的认证装置的概要。图1是用于说明实施例1的认证装置的概要的图。
如图1的(1)所示,实施例1的认证装置从利用者输入指纹图像。并且,如图1的(2-1)所示,认证装置对指纹图像执行局部校正。例如,认证装置利用平滑滤波器等执行校正。
并且,如图1的(2-2)所示,实施例1的认证装置对指纹图像进行全局校正。例如,认证装置将线信息流当作物理学中常用的相图,通过用算式进行建模来执行校正。
此处,实施例1的认证装置分别各自执行局部校正和全局校正。即、认证装置制作仅执行了局部校正的线信息、和仅执行了全局校正的线信息。
并且,如图1的(3)所示,实施例1的认证装置计算仅执行了局部校正的线信息、与仅执行了全局校正的线信息之间的差分。
并且,实施例1的认证装置对差分和阈值进行比较,在差分小于阈值的情况下,如图1的(4-1)所示,作为包含在图像数据中的线信息,选择通过局部校正进行了校正后的线信息,进行输出。并且,在差分比阈值大的情况下,如图1的(4-2)所示,认证装置作为包含在图像数据中的线信息,选择通过全局校正进行了校正后的线信息,进行输出。
由此,实施例1的认证装置可以选择与认证中使用的图像质量相适的校正方法。即、认证装置将维持详细信息的局部校正和校正效果好的全局校正分别应用于指纹图像,如果两个校正指纹之间的差别小,则采用前者,如果差别大则选择后者。由此,执行与指纹质量相适的校正。
[实施例1的认证装置的结构]
接着,使用图2,说明图1所示的认证装置100的结构。图2是用于说明实施例1的认证装置的结构的框图。如该图所示,该认证装置100具有指纹图像检测部101、存储部200、控制部300。另外,在实施例1中主要说明从利用者的指纹图像提取特征量,作为在进行认证时使用的特征量输入到存储部200时的方法。
指纹图像检测部101与后述的线信息计算部301连接,对于利用者的生物体信息,间歇地检测多个部分图像而影像化,检测从线形状提取的特征量要用于认证中的指纹图像(也称为“图像数据”)。
例如,指纹图像检测部101相当于指纹传感器等,当利用者的手指头碰触时,检测利用者的指纹图像。另外,指纹传感器例如相当于静电电容式指纹传感器、感热式指纹传感器、电场式指纹传感器、或者光学式指纹传感器等。
并且,指纹图像检测部101将所检测的指纹图像发送到线信息计算部301。
存储部200存储控制部300的认证处理所需的数据,具有特征量存储部201。特征量存储部201与后述的特征量存储部307连接,存储从线形状提取的在认证中使用的特征量。此处,特征量是生物体认证所需的信息,在指纹图像的情况下,相当于脊线的分支点或端点等。另外,存储在特征量存储部201中的信息,由后述的特征量存储部307来存储。
控制部300执行各种校正处理步骤,例如在从指纹图像检测部101接收到指纹图像时,从指纹图像提取特征量而输入到特征量存储部201。并且,控制部300具有线信息计算部301、局部校正部302、全局校正部303、差分计算部304、校正选择部305、特征量提取部306、特征量存储部307。
线信息计算部301与指纹图像检测部101、局部校正部302、全局校正部303连接,对于从指纹图像检测部101接收到的指纹图像,计算表示线形状的线信息(也称为“脊线角度”或“脊线方向”)。具体地讲,线信息计算部301对指纹图像的各区域,计算作为与包含在该区域中的线形状相关的信息的线信息,例如,计算为“30度”或“50度”。另外,线信息是包含在区域中的线形状呈现的角度。
例如,线信息计算部301将指纹图像分割为大小为“w×w”的区域,并利用如图3所示的索贝尔滤波器等,分别在水平方向(x方向)、垂直方向(y方向)上进行偏微分,得到、。并且,线信息计算部301从、,根据式(1)对各块的中心像素(i、j)计算局部的线信息θ(i、j)。另外,索贝尔滤波器是在检测纵线和横线的边缘时使用的滤波器。另外,图3是用于说明实施例1中的索贝尔滤波器的一例的图。并且,图3的(1)是垂直方向的滤波器,并且图3的(2)是水平方向的滤波器。
此处,
另外,式(1)是根据梯度平方平均法(Gradient Squared Averaging Method)的计算方法,对块内的各像素求出平方误差最小的方向。在式(1)中,Vx和Vy是为了使式子更容易看明白而分别按分子、分母表示arctan的参数的值。并且“u”和“v”是在数学式中经常使用的变量。
并且,线信息计算部301将对各个区域计算出的线信息发送到局部校正部302和全局校正部303。
局部校正部302与线信息计算部301和差分计算部304连接,从线信息计算部301接收针对各个区域计算出的线信息,并且对针对指纹图像的各区域计算出的线信息执行局部校正。并且,局部校正部302将作为通过局部校正校正后的线信息的局部校正线信息发送到差分计算部304。
此处,局部校正是对于划分指纹图像而成的每个区域,对针对本区域计算的线信息进行的校正,是使用了包含在本区域的附近区域中的线信息所表示的局部线形状的校正。例如,局部校正相当于利用了如图4所示的平滑滤波器等的校正。另外,图4是用于说明实施例1中的平滑滤波器的一例的图。
并且,局部校正维持关于线信息的详细的信息,另一方面例如如图5的(1)所示,在指纹图像中存在大于平滑滤波器的尺寸的噪声的情况下,不能对该噪声进行修正。在图5的(1)所示的例中,平滑滤波器内不包含任何线信息,如图5的(1)的箭头前端所示,无法通过局部校正对噪声进行修正。
即、如图5的(2)所示,通过局部校正,仅在存在小于平滑滤波器的尺寸的噪声的情况下,才能够进行校正。另外,图5是用于说明实施例1中的局部校正的图。另外,详细的信息例如相当于线信息的细微变化。
全局校正部303与线信息计算部301和差分计算部304连接,从线信息计算部301接收针对各区域计算出的线信息,对针对指纹图像的各区域计算出的线信息执行全局校正。并且,全局校正部303将作为通过全局校正进行了校正后的线信息的全局校正线信息发送到差分计算部304。
此处,全局校正是,对于指纹图像,对针对本区域计算出的线信息,使用了全局线形状的校正,其中上述全局线形状是针对比附近区域更广的区域中包含的各区域计算出的线信息所表示的。例如,全局校正相当于将线形状或线信息流当作在物理学中常用的相图,用数学式进行建模的校正等。并且,全局校正与局部校正相比校正效果好,但是欠缺关于线信息的详细信息。
差分计算部304与局部校正部302、全局校正部303、校正选择部305连接,并从局部校正部302接收局部校正线信息,从全局校正部303接收全局校正线信息。并且,差分计算部304计算局部校正线信息与全局校正线信息之间的差分。例如,差分计算部304首先将局部校正线信息与全局校正线信息变换为连续向量场,之后对各区域计算局部校正线信息与全局校正线信息之间的差分。并且,差分计算部304计算作为所算出的差分的累计值的累计差分。并且,差分计算部304将所算出的累计差分发送到校正选择部305。
此处简单说明变换为连续向量场的意义。差分计算部304对于各区域的差分,例如在任意区域的线信息为“30度”和“50度”的情况下,计算出差分为“20度”。此处,差分计算部304在计算差分时只考虑角度差。因此,例如将“0度”和“180度”视为相同的角度,计算出差分为“0度”。变换为连续向量场是指,例如用于将“0度”和“180度”当作相同角度的处理。
校正选择部305与差分计算部304和特征量提取部306连接,从差分计算部304接收累计差分,比较累计差分与阈值。并且,如图6所示,在差分比阈值小的情况下,校正选择部305选择局部校正线信息作为包含在指纹图像中的线信息,输出到特征量提取部306。并且,在差分比阈值大的情况下,校正选择部305选择全局校正线信息作为包含在指纹图像的线信息,输出到特征量提取部306。图6是用于说明实施例1中的校正选择部的图。
即、如果局部校正线信息与全局校正线信息之间的差分小,则校正选择部305选择局部校正线信息,即执行了维持线信息的详细信息的局部校正后的线信息。另一方面,如果局部校正线信息与全局校正线信息之间的差分大,则校正选择部305选择全局校正线信息,即执行了校正效果好的全局校正后的线信息。
即、局部校正线信息与全局校正线信息之间的差分大的情况是,例如指纹图像中存在比平滑滤波器大的噪声,不能通过局部校正对该大噪声进行校正,而只能进行全局校正的情况。如图6的(2-1)所示,当由指纹图像检测部101检测出含有大噪声的指纹图像时,如图6的(2-2)所示,相对于在局部校正线信息中确认无法校正,在全局校正线信息中可以确认校正效果。其结果,局部校正线信息与全局校正线信息之间的差分大,并且如图6的(2-3)所示,校正选择部305选择全局校正线信息。即、在裂纹多的情况下,校正选择部305采用低质量的全局校正。此处,低质量表示与局部校正相比,不能维持详细的信息。
并且,局部校正线信息与全局校正线信息之间的差分小的情况是,例如指纹图像中不存在比平滑滤波器大的噪声,通过局部校正和全局校正都能对存在于指纹图像中的噪声进行校正的情况。如图6的(1-1)所示,在由指纹图像检测部101检测出不包含大噪声的指纹图像的情况下,如图6的(1-2)所示,局部校正线信息与全局校正线信息之间的差分小。此处,在全局校正线信息中,不能捕捉到线信息的细微变化,缺少详细信息,因此如图6的(1-3)所示,校正选择部305为了尽量保持详细信息,选择局部校正线信息。即、校正选择部305在裂纹少的情况下采用高质量的局部校正。
另外,校正选择部305使用的阈值例如由利用者预先设定。
特征量提取部306与校正选择部305和特征量存储部307连接,从校正选择部305接收局部校正线信息图像或全局校正线信息,从所接收到的线信息提取特征量。并且,特征量提取部306将所提取的特征量发送到特征量存储部307。
特征量存储部307与特征量提取部306和特征量存储部201连接,从特征量提取部306接收特征量,将所接收的特征量输入到特征量存储部201。例如,特征量存储部307在输入特征量时,对特征量进行加密之后,存储到特征量存储部201中。
[实施例1的认证装置的处理]
接着,使用图7说明实施例1的认证装置100的处理流程。图7是用于说明实施例1中的认证装置的处理流程的流程图。
在输入指纹图像后(步骤S101中肯定),线信息计算部301对从指纹图像检测部101接收的指纹图像的各区域计算线信息(步骤S102),例如计算出脊线角度为“30度”或“50度”。
并且,全局校正部303通过全局校正执行各线信息的校正(步骤S103)。并且,差分计算部304将作为由全局校正部303校正后的线信息的全局校正线信息变换为连续向量场(步骤S104)。
并且,局部校正部302通过局部校正执行各线信息的校正(步骤S105)。即、局部校正部302对针对指纹图像的各区域计算出的线信息,执行局部校正。并且,差分计算部304将作为由局部校正部302校正后的线信息的局部校正线信息变换为连续向量场(步骤S106)。
并且,差分计算部304计算局部校正线信息与全局校正线信息之间的差分(步骤S107)。并且,校正选择部305比较累计差分和阈值(步骤S108)。此处,校正选择部305在阈值比累计差分大的情况下(步骤S108中肯定),选择局部校正线信息(步骤S109)。另一方面,校正选择部305在阈值不比累计差分大的情况下(步骤S108中否定),选择全局校正线信息(步骤S110)。
即、如果局部校正线信息与全局校正线信息之间的差分小,则校正选择部305选择局部校正线信息,即执行了维持线信息的详细信息的局部校正后的线信息。并且,如果局部校正线信息与全局校正线信息之间的差分大,则校正选择部305选择作为执行了校正效果好的全局校正后的线信息的全局校正线信息。
并且,特征量提取部306从接收自校正选择部305的线信息提取特征量(步骤S111),特征量存储部307将特征量存储在特征量存储部201中(步骤S112)。
[实施例1的效果]
如上所述,根据实施例1,对于指纹图像分别执行局部校正和全局校正,计算局部校正线信息与全局校正线信息之间的差分。并且,比较差分与阈值,在差分比阈值小的情况下,输出局部校正线信息,在差分比阈值大的情况下,输出全局校正线信息,因此可以选择与认证中使用的图像质量相适的校正方法。
并且,在以往的技术中,“噪声除去效果”与“详细信息的维持”之间存在权衡。即、根据校正方法,存在根据指纹图像而不能维持详细信息,与线信息类似的他人的指纹误对照的情况,并且存在不能除去裂纹等噪声影响的情况。但是根据实施例1,可以选择与认证中使用的图像质量相适的校正方法,其结果,能够执行与指纹质量相适的校正。
实施例2
作为实施例1,到目前为止说明了作为校正方法将局部校正和全局校正分开使用的方法,但本发明并不限定于此,作为校正方法,也可以将进行校正或不进行校正分开使用。
因此作为实施例2,在以下说明作为校正方法将进行校正或不进行校正分开使用的方法。另外,在以下对于与实施例1的认证装置相同的点进行简单说明,或者省略说明。
[实施例2的认证装置的结构]
使用图8说明实施例2的认证装置100的结构。另外,图8是用于说明实施例2的认证装置的结构的框图。
如图8所示,在实施例2中,线信息计算部301与校正部401和差分计算部304连接,将对各区域计算出的线信息发送到校正部401和差分计算部304。
在实施例2中,校正部401从线信息计算部301接收针对各区域计算出的线信息,对针对各区域计算出的线信息执行校正。此处,校正部401例如使用局部校正或全局校正作为校正方法。并且,校正部401将作为校正后的线信息的校正线信息发送到差分计算部304。
在实施例2中,差分计算部304从校正部401接收校正线信息,从线信息计算部301接收作为没有执行任何校正的线信息的无校正线信息。并且,差分计算部304计算校正线信息与无校正线信息之间的差分,并计算累计差分。
在实施例2中,校正选择部305对由差分计算部304计算出的累计差分与阈值进行比较。并且,校正选择部305在差分比阈值小的情况下,选择无校正线信息进行输出,作为包含在指纹图像中的线信息。并且,校正选择部305在差分比阈值大的情况下,选择校正线信息进行输出,作为包含在指纹图像中的线信息。
即、如果校正线信息与无校正线信息之间的差分小,则校正选择部305将作为没有执行任何校正的线信息的无校正线信息输出到特征量提取部306,如果校正图像与无校正图像之间的差分大,则将作为进行了校正的线信息的校正线信息输出到特征量提取部306。
即、校正线信息与无校正线信息之间的差分小的情况,例如是由指纹图像检测部101检测出的指纹图像的质量高,不需要校正处理的情况。在这样的情况下,不进行校正,而输出未进行任何校正的无校正线信息。
即、通过进行校正,会在指纹图像检测部101检测出的指纹图像上施加变更。在校正线信息与无校正线信息之间差分小的情况下,是所检测出的指纹图像的质量高的情况,不通过校正施加变更,而在原有的状态下直接输出。
[实施例2的认证装置的处理]
接着,使用图9说明根据实施例2的认证装置100的处理流程。图9是用于说明实施例2中的认证装置的处理流程的流程图。
在实施例2中,在输入指纹图像计算线信息后(步骤S201肯定~步骤S202),差分计算部304将无校正线信息变换为连续向量场(步骤S203)。
并且,校正部401对针对指纹图像的各区域计算出的线信息执行校正(步骤S204)。并且,差分计算部304将作为由校正部401校正后的线信息的校正线信息变换为连续向量场(步骤S205)。
并且,差分计算部304计算无校正线信息与校正线信息之间的差分(步骤S206)。并且,校正选择部305比较累计差分与阈值(步骤S207)。此处,校正选择部305在阈值大于累计差分的情况下(步骤S207肯定)选择无校正线信息(步骤S208)。另一方面,校正选择部305在阈值不大于累计差分的情况下(步骤S207否定)选择校正线信息(步骤S209)。
另外,图9中的步骤S201与S202对应于图7中的步骤S101与步骤S102。并且,图9中的步骤S210与S211对应于图7中的步骤S111与步骤S112。
[实施例2的效果]
如上所述,根据实施例2,计算无校正线信息与校正线信息之间的差分,比较差分与阈值。并且,在差分比阈值小的情况下,选择无校正线信息,在差分比阈值大的情况下,选择校正线信息。即、由于在指纹图像的质量高的情况下,作为校正方法选择无校正,并且在指纹图像的质量低的情况下,作为校正方法选择进行校正,因此可以选择与认证中使用的图像的质量相适的校正而执行。
例如,在由指纹图像检测部101检测出的指纹图像的质量为不需要校正程度的高质量的情况下,不进行校正而输出未执行任何校正的校正图像。
实施例3
到此为止说明了本发明的实施例,但本发明除了上述的实施例以外,还可以通过其他的实施例来实施。因此,以下对其他的实施例进行说明。
[指纹图像]
例如在实施例1或实施例2中,虽然说明了对指纹图像进行处理的方法,但本发明并不限定于此,例如也可以对掌纹或指静脉、手掌静脉、血管图案等的生物体信息进行处理。并且,只要包含认证中使用的特征线信息,则也可以对生物体信息以外的信息应用本发明。例如,也可以应用于认证纸币真伪的处理中。
[认证]
并且,虽然在实施例1中说明了将特征量输入到特征量存储部201的方法,但本发明并不限定于此,也可以使用所提取的特征量来执行认证处理。例如,也可以对照由特征量提取部306得到的特征量与预先输入到特征量存储部201的特征量,输出是否一致。另外,在进行特征量彼此的对照处理时,例如使用指定与特征量关联的关键词(ID等)而进行对照的方式(一对一对照)、或不指定ID而进行对照的方式(一对N对照)等。
[指纹图像检测]
并且,在实施例1和实施例2中说明了对由指纹图像检测部101检测出的指纹图像进行实施的方法,但本发明并不限定于此,可以对预先输入到存储部的指纹图像实施。
[实施例的组合]
并且,在实施例1中说明了分开使用局部校正和全局校正的方法,而在实施例2中说明了分开使用有校正或无校正的方法。但是,本发明并不限定于此,例如也可以判定有校正还是无校正,在判定为有校正的情况下,执行分开使用局部校正和全局校正的方法。并且,例如也可以通过比较分开使用局部校正和全局校正而得到的线信息与无校正时的线信息,分开使用校正单元(局部校正和全局校正和无校正)。
[系统结构]
并且,在本实施例中说明的各处理中,可以手动进行作为自动进行的处理说明了的处理的全部或一部,例如利用者也可以手动进行选择校正方法的处理。并且,除此之外,对于包括上述文件中或附图中所示的处理过程、控制过程、具体名称、各种数据或参数在内的信息(例如,图1~图9),除了特别记载的情况以外可以任意变更。
并且,图示的各装置的各构成要素为功能概念的构成要素,并不必须在物理上是如图所示的结构。即、各装置的分散/统合的具体方式不限定于图示,也可以是根据各种负载或使用状况等,将其全部或一部以任意的单位进行功能地或物理地分散/统合而构成。例如,在图2所示的例中,也可以物理地分散特征量存储部201或指纹图像检测部101而构成,并且也可以统合局部校正部302和全局校正部303而构成。
[计算机]
并且,可以通过用个人电脑或工作站等的计算机来执行预先准备的程序,来实现在上述的实施例中说明的各种处理。并且,在以下使用图10说明执行具有与上述实施例相同功能的认证程序的计算机的一例。另外,图10是用于说明实施例1的认证装置的程序的图。
如该图所示,实施例1中的认证装置3000是用总线3009等连接操作部3001、麦克风3002、扬声器3003、生物体信息检测装置3004(例如上述指纹图像检测部)、显示器3005、特征量存储部3006、通信部3008、CPU3010、ROM3011、HDD3012、RAM3013而构成。
ROM3011中预先存储有发挥与上述实施例1所示的线信息计算部301、局部校正部302、全局校正部303、差分计算部304、校正选择部305、特征量提取部306、特征量存储部307相同功能的控制程序,即如图所示,预先存储有线信息计算程序3011a、局部校正程序3011b、全局校正程序3011c、差分计算程序3011d、校正选择程序3011e、特征量提取程序3011f、特征量存储程序3011g。另外,对于这些程序3011a~3011g,也可以与图2所示的认证装置的各构成要素同样,适当统合或分离。
并且,CPU3010通过从ROM3011读出这些程序3011a~3011g进行执行,从而如图10所示,对于各程序3011a~3011g,作为线信息计算处理3010a、局部校正处理3010b、全局校正处理3010c、差分计算处理3010d、校正选择处理3010e、特征量提取处理3010f、特征量存储处理3010g来发挥功能。另外,各处理3010a~3010g分别对应于图2所示的线信息计算部301、局部校正部302、全局校正部303、差分计算部304、校正选择部305、特征量提取部306。
并且,CPU3010使用存储在RAM3013中的指纹图像数据3013a、和线信息数据3013b,执行认证程序。
[其他]
另外,可以通过由个人电脑或工作站等的计算机来执行预先准备的程序,来实现在本实施例中说明的认证装置。可以通过互联网等的网络发布该程序。并且,也可以把该程序存储在硬盘、软盘(FD)、CD-ROM、MO、DVD等的计算机可读记录介质中,并且由计算机从记录介质读出而执行。
Claims (2)
1.一种认证装置,其特征在于,该认证装置具有:
第一校正单元,其对于图像数据,按照划分该图像数据而成的每个区域,针对表示本区域中包含的线形状呈现的角度的线信息,执行使用了局部线形状的校正,其中,该图像数据的特征量是提取自线形状而要用于认证中的,该局部线形状是该本区域的附近区域中包含的线信息所表示的;
第二校正单元,其对于所述图像数据,针对本区域中包含的线信息,执行使用了全局线形状的校正,其中该全局线形状是比所述附近区域更广的区域中包含的线信息所表示的;
计算单元,其计算由所述第一校正单元校正后的图像数据中包含的表示局部信息的局部校正线信息、与由所述第二校正单元校正后的图像数据中包含的表示全局信息的全局校正线信息之间的差分;以及
输出单元,其对所述计算单元计算出的差分与阈值进行比较,在该差分比该阈值小的情况下,输出由所述第一校正单元校正后的线信息,作为该图像数据中包含的线信息,在该差分比该阈值大的情况下,输出由所述第二校正单元校正后的线信息,作为该图像数据中包含的线信息。
2.一种认证装置,其特征在于,该认证装置具有:
校正单元,其对于图像数据,针对表示本区域中包含的线形状呈现的角度的线信息,执行使用了该图像数据中包含的线信息的校正,其中,该图像数据的特征量是提取自线形状而要用于认证中的;
校正有无时计算单元,其计算由所述校正单元校正后的图像数据中包含的线信息、与没有由该校正单元校正的图像数据中包含的线信息之间的差分;以及
校正有无时输出单元,其对所述校正有无时计算单元计算出的差分与阈值进行比较,并在该差分比该阈值小的情况下,输出没有由所述校正单元校正的图像数据中包含的线信息,在该差分比该阈值大的情况下,输出由所述校正单元校正后的图像数据中包含的线信息,作为该图像数据中包含的线信息。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/JP2008/061828 WO2010001447A1 (ja) | 2008-06-30 | 2008-06-30 | 認証装置、認証方法および認証プログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102077247A CN102077247A (zh) | 2011-05-25 |
CN102077247B true CN102077247B (zh) | 2013-08-21 |
Family
ID=41465563
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2008801301278A Active CN102077247B (zh) | 2008-06-30 | 2008-06-30 | 认证装置 |
Country Status (5)
Country | Link |
---|---|
US (1) | US8464323B2 (zh) |
EP (1) | EP2296113B1 (zh) |
JP (1) | JP5365632B2 (zh) |
CN (1) | CN102077247B (zh) |
WO (1) | WO2010001447A1 (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5454672B2 (ja) * | 2010-03-01 | 2014-03-26 | 富士通株式会社 | 生体情報処理装置及び方法 |
JP5971089B2 (ja) * | 2012-11-14 | 2016-08-17 | 富士通株式会社 | 生体情報補正装置、生体情報補正方法及び生体情報補正用コンピュータプログラム |
JP7381997B2 (ja) * | 2018-11-09 | 2023-11-16 | 日本電気株式会社 | 情報処理システム、情報処理方法及びプログラム |
JP2020181040A (ja) * | 2019-04-24 | 2020-11-05 | 三菱電機株式会社 | 表示装置 |
CN114124455B (zh) * | 2021-10-22 | 2023-05-05 | 中国联合网络通信集团有限公司 | 短信验证方法及短信验证系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1411282A (zh) * | 2001-10-08 | 2003-04-16 | Lg电子株式会社 | 提取对象区域的方法 |
CN1685373A (zh) * | 2003-03-14 | 2005-10-19 | 富士通株式会社 | 片形物识别方法和片形物识别装置 |
CN1924891A (zh) * | 2006-09-15 | 2007-03-07 | 哈尔滨工业大学 | 基于差分运算的高精度掌纹识别方法 |
Family Cites Families (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2765335B2 (ja) * | 1992-01-07 | 1998-06-11 | 日本電気株式会社 | 隆線方向パターン平滑化方法およびその装置 |
JP3647885B2 (ja) * | 1993-05-07 | 2005-05-18 | 日本電信電話株式会社 | 画像処理装置 |
JP3813999B2 (ja) | 1995-08-25 | 2006-08-23 | ジーイー横河メディカルシステム株式会社 | 画像処理方法および画像処理装置 |
JP3695899B2 (ja) | 1997-06-04 | 2005-09-14 | 三菱電機株式会社 | 指紋照合装置 |
DE10038873C2 (de) * | 2000-08-09 | 2002-10-31 | Infineon Technologies Ag | Verfahren zum Bearbeiten eines Fingerabdruck-Bildes und Fingerabdruck-Sensor |
JP4027118B2 (ja) * | 2002-02-25 | 2007-12-26 | 富士通株式会社 | 本人認証方法、プログラム及び装置 |
CN1238809C (zh) * | 2002-09-04 | 2006-01-25 | 长春鸿达光电子与生物统计识别技术有限公司 | 指纹识别方法、以及指纹控制方法和系统 |
JP3758042B2 (ja) * | 2002-09-27 | 2006-03-22 | 日本電気株式会社 | 指紋認証方法/プログラム/装置 |
JP2005004718A (ja) * | 2003-05-16 | 2005-01-06 | Canon Inc | 信号処理装置及び制御方法 |
JP2005051379A (ja) * | 2003-07-31 | 2005-02-24 | Canon Inc | 画像処理装置及び画像処理方法 |
EP1724725B1 (en) | 2004-03-04 | 2015-09-23 | NEC Corporation | Finger/palm print image processing system and finger/palm print image processing method |
JP2006072555A (ja) | 2004-08-31 | 2006-03-16 | Secom Co Ltd | 生体情報画像補正装置 |
JP4564804B2 (ja) | 2004-08-31 | 2010-10-20 | セコム株式会社 | 生体情報照合装置 |
JP4523476B2 (ja) * | 2005-04-15 | 2010-08-11 | 三菱電機株式会社 | 雑音除去装置および雑音除去装置用プログラム |
CN101946264B (zh) * | 2008-02-19 | 2012-12-05 | 日本电气株式会社 | 模式验证设备和模式验证方法 |
JP5181956B2 (ja) | 2008-03-03 | 2013-04-10 | 株式会社リコー | 電子写真装置 |
-
2008
- 2008-06-30 EP EP08790741.6A patent/EP2296113B1/en active Active
- 2008-06-30 JP JP2010518834A patent/JP5365632B2/ja active Active
- 2008-06-30 WO PCT/JP2008/061828 patent/WO2010001447A1/ja active Application Filing
- 2008-06-30 CN CN2008801301278A patent/CN102077247B/zh active Active
-
2010
- 2010-12-29 US US12/929,086 patent/US8464323B2/en active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1411282A (zh) * | 2001-10-08 | 2003-04-16 | Lg电子株式会社 | 提取对象区域的方法 |
CN1685373A (zh) * | 2003-03-14 | 2005-10-19 | 富士通株式会社 | 片形物识别方法和片形物识别装置 |
CN1924891A (zh) * | 2006-09-15 | 2007-03-07 | 哈尔滨工业大学 | 基于差分运算的高精度掌纹识别方法 |
Non-Patent Citations (3)
Title |
---|
JP特开2006-303581A 2006.11.02 |
JP特开平5-181956A 1993.07.23 |
JP特开平5-252396A 1993.09.28 |
Also Published As
Publication number | Publication date |
---|---|
JP5365632B2 (ja) | 2013-12-11 |
US8464323B2 (en) | 2013-06-11 |
CN102077247A (zh) | 2011-05-25 |
US20110162068A1 (en) | 2011-06-30 |
WO2010001447A1 (ja) | 2010-01-07 |
EP2296113B1 (en) | 2019-11-13 |
EP2296113A4 (en) | 2015-06-24 |
JPWO2010001447A1 (ja) | 2011-12-15 |
EP2296113A1 (en) | 2011-03-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
TWI619080B (zh) | 指紋重疊區域面積的計算方法及電子裝置 | |
CN102077247B (zh) | 认证装置 | |
KR101794804B1 (ko) | 후보 지문을 인증하기 위한 방법 및 지문감지 시스템 | |
JP6653268B2 (ja) | 異なるチャネル上で強力な認証イベントを伝えるシステム及び方法 | |
US9985787B2 (en) | Continuous monitoring of fingerprint signature on a mobile touchscreen for identity management | |
KR102450025B1 (ko) | 암호화 방법 및 시스템 | |
KR101529033B1 (ko) | 극소 센싱 영역을 포함하는 전자 장치 및 이의 지문 정보 프로세싱 방법 | |
US8418237B2 (en) | Resource access based on multiple credentials | |
CN105303172B (zh) | 一种指纹传感器的校准参数的获取方法、装置及移动终端 | |
US20150131874A1 (en) | Dynamic handwriting verification and handwriting-based user authentication | |
US8520914B2 (en) | Authentication apparatus and authentication method | |
EP3291126A1 (en) | Data verification via independent processors of a device | |
US20150199504A1 (en) | Multi-touch local device authentication | |
GB2555208A (en) | Sitting posture for biometric identification | |
US9788204B2 (en) | User authentication systems and methods | |
US9548865B2 (en) | Token authentication for touch sensitive display devices | |
EP3179671B1 (en) | Method and device for identity authentication | |
CN106940802A (zh) | 用于使用生物测量学信息的认证的方法和设备 | |
EP1266359B1 (fr) | Procede d'identification biometrique, dispositif electronique portatif et dispositif electronique d'acquisition de donnees biometriques pour sa mise en oeuvre | |
CN105573691A (zh) | 一种用户终端显示屏参数的调整方法及用户终端 | |
CN105224885A (zh) | 一种数据处理方法及终端 | |
KR101516565B1 (ko) | 온라인 상에서의 이미지를 이용한 인증방법 및 장치 | |
JP5151928B2 (ja) | 入力方法及び入力装置 | |
TWI801751B (zh) | 身分驗證裝置和身分驗證方法 | |
JP2011150463A (ja) | 帳票識別装置、帳票識別プログラム及び帳票処理システム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |