CN102142080A - 生物特征认证装置、生物特征认证方法以及程序 - Google Patents
生物特征认证装置、生物特征认证方法以及程序 Download PDFInfo
- Publication number
- CN102142080A CN102142080A CN2011100236519A CN201110023651A CN102142080A CN 102142080 A CN102142080 A CN 102142080A CN 2011100236519 A CN2011100236519 A CN 2011100236519A CN 201110023651 A CN201110023651 A CN 201110023651A CN 102142080 A CN102142080 A CN 102142080A
- Authority
- CN
- China
- Prior art keywords
- vein
- image
- unit
- distribution vector
- vein image
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims description 46
- 210000003462 vein Anatomy 0.000 claims abstract description 561
- 239000013598 vector Substances 0.000 claims abstract description 244
- 238000000605 extraction Methods 0.000 claims abstract description 36
- 238000012545 processing Methods 0.000 claims description 56
- 238000003702 image correction Methods 0.000 claims description 37
- 239000000284 extract Substances 0.000 claims description 22
- 230000005484 gravity Effects 0.000 claims description 15
- 230000001915 proofreading effect Effects 0.000 claims description 8
- 238000000513 principal component analysis Methods 0.000 claims description 6
- 238000005192 partition Methods 0.000 claims description 4
- 230000009897 systematic effect Effects 0.000 claims description 4
- 238000003860 storage Methods 0.000 description 26
- 238000010586 diagram Methods 0.000 description 24
- 238000012360 testing method Methods 0.000 description 23
- 230000008569 process Effects 0.000 description 20
- 238000004891 communication Methods 0.000 description 17
- 230000006870 function Effects 0.000 description 14
- 230000003287 optical effect Effects 0.000 description 13
- 210000004204 blood vessel Anatomy 0.000 description 9
- 238000006243 chemical reaction Methods 0.000 description 8
- 238000006073 displacement reaction Methods 0.000 description 6
- 238000012937 correction Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 238000001914 filtration Methods 0.000 description 5
- 239000004065 semiconductor Substances 0.000 description 5
- 230000008859 change Effects 0.000 description 4
- 238000004590 computer program Methods 0.000 description 4
- 230000007246 mechanism Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 239000008280 blood Substances 0.000 description 2
- 210000004369 blood Anatomy 0.000 description 2
- 230000000295 complement effect Effects 0.000 description 2
- 230000006835 compression Effects 0.000 description 2
- 238000007906 compression Methods 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 238000003706 image smoothing Methods 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 229910044991 metal oxide Inorganic materials 0.000 description 2
- 150000004706 metal oxides Chemical class 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- INGWEZCOABYORO-UHFFFAOYSA-N 2-(furan-2-yl)-7-methyl-1h-1,8-naphthyridin-4-one Chemical compound N=1C2=NC(C)=CC=C2C(O)=CC=1C1=CC=CO1 INGWEZCOABYORO-UHFFFAOYSA-N 0.000 description 1
- 108010054147 Hemoglobins Proteins 0.000 description 1
- 102000001554 Hemoglobins Human genes 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 108010002255 deoxyhemoglobin Proteins 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000005401 electroluminescence Methods 0.000 description 1
- 230000003628 erosive effect Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000005236 sound signal Effects 0.000 description 1
- 238000005728 strengthening Methods 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
- 230000002792 vascular Effects 0.000 description 1
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
- G06V40/14—Vascular patterns
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Vascular Medicine (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Collating Specific Patterns (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
提供了一种生物特征认证装置,包括:静脉图像提取单元,用于从包括手指部分中的静脉的图像中提取示出静脉位置的静脉图像;静脉图像划分单元,用于将所提取静脉图像划分成多个分区;静脉像素计数单元,用于计数与每个划分分区中的静脉相对应的像素数量;向量生成单元,用于按预定次序排列各个分区的计数结果,并生成静脉分布向量,该静脉分布向量是代表静脉图像中的静脉分布度的数列;以及认证单元,用于根据作为事先登记的静脉分布向量的登记静脉分布向量,认证向量生成单元生成的静脉分布向量。
Description
技术领域
本发明涉及生物特征认证装置、生物特征认证方法以及程序。
背景技术
使用生物特征认证(生物测定)的个体识别技术最近已经开始使用。在使用生物特征认证的个体识别技术(下文称为生物特征认证)中,事先将用于认证的生物特征认证数据登记成模板,然后在认证过程中,将以前登记的模板与在认证期间生成的生物特征认证数据对照。
这样的生物特征认证之一包括使用手指中的静脉流动模式(runningpattern)的手指静脉认证。手指中的血管(静脉)的容积对于每个人都是不同的。此外,甚至同一个人,每个手指的血管容积也是不同的。因此,在已公开日本专利申请第2009-187520中,考虑了通过整个手指中的血管容积区分一个人的技术。
发明内容
顺便说一下,在某个手指的血管(静脉)中,血管容积随手指的不同部分而变。但是,在描述在已公开日本专利申请第2009-187520中的技术中,只关注到整个手指中的血管容积,因此,存在可能无法充分缩小接受对照的模板的范围的问题。
鉴于上述情况,最好是提供能够进一步缩小接受对照的模板的数量的生物特征认证装置、生物特征认证方法以及程序。
按照本发明的一个实施例,提供了一种生物特征认证装置,包括:静脉图像提取单元,用于向手指部分发射具有预定波长的光,并从包括所得手指部分中的静脉的图像中提取示出静脉位置的静脉图像;静脉图像划分单元,用于将所述静脉图像提取单元提取的静脉图像划分成多个分区;静脉像素计数单元,用于计数与所述静脉图像划分单元划分的每个分区中的静脉相对应的像素数量;向量生成单元,用于按预定次序排列所述静脉像素计数单元提供的各个分区的计数结果,并生成静脉分布向量,所述静脉分布向量是代表静脉图像中的静脉分布度的数列;以及认证单元,用于根据作为事先登记的静脉分布向量的登记静脉分布向量,认证所述向量生成单元生成的静脉分布向量。
优选的是,在将所述向量生成单元生成的静脉分布向量和登记静脉分布向量之一重复移动预定元素数量的同时,所述认证单元计算所述向量生成单元生成的静脉分布向量与登记静脉分布向量之间的相似度。
所述生物特征认证装置可以进一步包括图像校正单元,用于通过对所述静脉图像提取单元提取的静脉图像进行平行移动处理和旋转处理的至少一种来校正静脉图像。所述图像校正单元可以对尚未校正静脉图像进行主分量分析,并旋转尚未校正静脉图像,以便第一主分量的方向与静脉图像的纵向边长平行。所述图像校正单元计算与尚未校正静脉图像中的静脉的位置相对应的像素的分布重心,并平行移动尚未校正静脉图像,以便所述重心与静脉图像的中心位置匹配。
所述静脉图像划分单元可以将包括静脉图像中心位置的静脉图像预定区域划分成多个分区。
所述向量生成单元可以从处在静脉图像角上的分区开始依次排列计数结果。
所述向量生成单元可以从包括静脉图像中心位置的分区开始依次排列计数结果。
所述认证单元可以根据与包括静脉图像中心位置的分区相对应的静脉分布向量的元素进行认证处理。
按照本发明的另一个实施例,提供了包括如下步骤的生物特征认证方法:向手指部分发射具有预定波长的光,并从包括已经获得图像的手指部分中的静脉的图像中提取示出静脉位置的静脉图像;将所提取静脉图像划分成多个分区;计数与每个生成分区中的静脉相对应的像素数量;按预定次序排列各个分区的计数结果,并生成静脉分布向量,所述静脉分布向量是代表静脉图像中的静脉分布度的数列;以及根据作为事先登记的静脉分布向量的登记静脉分布向量,认证在生成向量的步骤中生成的静脉分布向量。
按照本发明的另一个实施例,提供了使计算机实现如下功能的程序:静脉图像提取功能,用于向手指部分发射具有预定波长的光,并从包括已经获得图像的手指部分中的静脉的图像中提取示出静脉位置的静脉图像;静脉图像划分功能,用于将所述静脉图像提取功能提取的静脉图像划分成多个分区;静脉像素计数功能,用于计数与所述静脉图像划分功能划分的每个分区中的静脉相对应的像素数量;向量生成功能,用于按预定次序排列所述静脉像素计数功能提供的各个分区的计数结果,并生成静脉分布向量,所述静脉分布向量是代表静脉图像中的静脉分布度的数列;以及认证功能,用于根据作为事先登记的静脉分布向量的登记静脉分布向量,认证所述向量生成功能生成的静脉分布向量。
如上所述,按照本发明,通过使用在关注手指中的静脉的局部分布的时候生成的静脉分布向量,可以进一步缩小接受对照的模板的数量。
附图说明
图1是例示按照本发明第一实施例的生物特征认证装置的配置的方块图;
图2是例示按照该实施例的静脉分布向量计算单元的配置的方块图;
图3A是例示按照该实施例的静脉分布向量计算单元的说明图;
图3B是例示按照该实施例的静脉分布向量计算单元的说明图;
图4是例示按照该实施例的静脉分布向量计算单元的说明图;
图5是例示按照该实施例的静脉分布向量计算单元的说明图;
图6是例示按照该实施例的静脉分布向量计算单元的说明图;
图7是例示按照该实施例的静脉分布向量计算单元的说明图;
图8是例示按照该实施例的静脉分布向量计算单元的说明图;
图9A是例示按照该实施例的认证单元进行的静脉分布向量认证处理的说明图;
图9B是例示按照该实施例的认证单元进行的静脉分布向量的认证处理的说明图;
图9C是例示按照该实施例的认证单元进行的静脉分布向量的认证处理的说明图;
图10是例示按照该实施例的认证单元进行的静脉分布向量的认证处理的说明图;
图11是例示按照该实施例的认证单元进行的静脉分布向量的认证处理的说明图;
图12是例示按照该实施例的认证单元进行的静脉分布向量的认证处理的说明图;
图13是例示按照该实施例的静脉分布向量的登记处理流程的流程图;
图14是例示按照该实施例的静脉分布向量的认证处理流程的流程图;
图15是例示按照该实施例的静脉分布向量的计算处理流程的流程图;
图16是例示按照本发明实施例的生物特征认证装置的硬件配置的方块图;
图17A是例示手指中的静脉分布的一个例子的说明图;以及
图17B是例示手指中的静脉分布的一个例子的说明图。
具体实施方式
在下文中,将参考附图详细描述本发明的优选实施例。注意,在本说明书以及附图中具有基本相同功能和结构的结构元件用相同标号表示,并省略对这些结构元件的重复说明。
该说明将按列在下面的次序进行。
(1)目的
(2)第一实施例
(2-1)关于生物特征认证装置的配置
(2-2)关于生物特征认证方法
(2-3)例子
(3)关于按照本发明实施例的生物特征认证装置的硬件配置
(4)总结
(目的)
在说明按照本发明实施例的生物特征认证装置和生物特征认证方法之前,将参考图17A和图17B简要说明本发明的目的。图17A和图17B的每一个是例示手指中的静脉分布的一个例子的说明图。
图17A和图17B的每一个是例示手指中的静脉流动模式的手指静脉图像。在图17A和图17B中,与静脉相对应的部分用黑色像素表示。从这些图中可以看出,与图17A中的手指静脉相对应的像素数量基本上和与图17B中的手指静脉相对应的像素数量相同。
在生物特征认证处理中,将所有登记模板(登记生物测定信息)与输入生物测定信息对照,以便认证输入生物测定信息。此刻,事先使用像手指血管容积那样的元数据进行处理,以便减少接受对照的模板的数量。
但是,在其中考虑到整个手指中的静脉容积减少要接受对照的模板的数量的生物特征认证处理中,如图17A和图17B所示的模板都被选作要与输入生物测定信息(手指静脉图像)对照的候选者。因此,可能难以充分缩小要对照的模板的范围。
现在,考虑通过如图17A和图17B所示的虚线将每个手指静脉图像划分成四个分区的情况。在这种情况下,在如图17A所示的手指静脉图像中,许多静脉分布在位于右上角和右下角的分区中,而在如图17B所示的手指静脉图像中,许多静脉分布在位于左上角的分区中。因此,通过将手指静脉图像划分成几个分区并研究每个分区中的血管分布,可以更详细地进一步分类具有几乎相同血管容积的手指静脉图像。可以认为,当增大这个划分数量时,可以更精确地分类手指静脉图像。
经过刻苦研究,本发明人想到了通过将手指静脉图像划分成多个分区,并生成代表每个分区中的手指静脉容积的信息,充分缩小接受对照的模板的数量。在下面的说明中,将更详细地说明能够充分缩小接受对照的模板的数量的生物特征认证装置和生物特征认证方法。
(第一实施例)
<关于生物特征认证装置的配置>
首先,将参考图1详细说明按照本发明第一实施例的生物特征认证装置10的配置。图1是例示按照本实施例的生物特征认证装置10的配置的方块图。
例如,如图1所示,按照本实施例的生物特征认证装置10主要包括生物测定图像拾取单元101、图像拾取控制单元103、静脉图像提取单元105、静脉分布向量计算单元107、生物特征认证单元109以及存储单元115。
生物测定图像拾取单元101包括光源单元和光学系统。光源单元将具有预定波长的近红外光发射到手指的表面(下文可以称为身体表面)FG上。光学系统由像图像拾取器件和透镜那样的光学元件构成。
近红外光具有这样的特性,即它可以很好地透过身体组织并被血液中的血红蛋白(还原血红蛋白)吸收。因此,如果将近红外光发射到手指、手掌或手背上,分布在手指、手掌或手背内的静脉在图像中表现为阴影。出现在图像中的静脉阴影叫做静脉模式。为了优选地拾取这样静脉模式的图像,像发光二极管那样的光源单元发射波长为大约600nm(纳米)到1300nm,优选的是,大约700nm到900nm的近红外光。
如果光源发射的近红外光的波长小于600nm或大于1300nm,则只有较小百分比的光被血液中的血红蛋白吸收,难以获得良好的静脉模式。此外,如果光源发射的近红外光的波长大约700nm到900nm,则近红外光尤其被脱氧血红蛋白和氧络血红蛋白两者吸收,因此可以获得良好的静脉模式。
从光源发射的近红外光向活体部分的表面传播,并作为直射光从活体的侧面等进入体内。由于人体是近红外光的好散射体,所以进入活体的直射光一边传播一边向四面八方散射。穿过活体的近红外光进入构成光学系统的光学元件中。
构成生物测定图像拾取单元101的光学系统由一个或多个光学元件、和一个或多个图像拾取器件构成。
已知人体皮肤具有包括表皮层、真皮层和皮下组织层的三层结构。包括静脉的静脉层在真皮层中。真皮层位于手指表面下大约0.1mm(毫米)到0.3mm之间,并具有大约2mm到3mm的厚度。因此,当像透镜那样的光学元件的聚焦位置被设置成真皮层所在的位置时(例如,在手指表面下大约1.5mm到2.0mm的位置上),可以充分会聚透过静脉层的光。
穿过静脉层的透射光被光学元件会聚,以在像CCD(电荷耦合器件)和CMOS(互补金属氧化物半导体)那样的产生静脉图像拾取数据的图像拾取器件上形成图像。将如此生成的静脉图像拾取数据发送到上述静脉图像提取单元105。
图像拾取控制单元103是利用例如CPU(中央处理单元)、ROM(只读存储器)、RAM(随机访问存储器)等实现的。图像拾取控制单元103通过控制光源单元、光学系统、和图像拾取器件生成图像拾取数据。更具体地说,图像拾取控制单元103通过控制光源单元、光学系统、和图像拾取器件拾取身体表面的图像并生成图像拾取数据。
图像拾取控制单元103将图像拾取器件生成的图像拾取数据输出到上述静脉图像提取单元105。并且,图像拾取控制单元103可以将获得的图像拾取数据记录在上述存储单元115等中。当将图像拾取数据记录在存储单元115等中,图像拾取控制单元103可以将生成的图像拾取数据与图像拾取的日期、图像拾取的时间等相联系。应该注意到,生成的图像拾取数据可以是RGB(红色-绿色-蓝色)信号,或者可以是像灰度级那样的其它颜色的图像数据。
静脉图像提取单元105是利用例如CPU、ROM、RAM等实现的。静脉图像提取单元105从自生物测定图像拾取单元101发送的图像拾取数据当中提取代表用户静脉模式的生物测定信息(静脉图像)。这个静脉图像提取单元105进一步包括像图像平滑单元、轮廓提取单元、掩码图像生成单元、剪裁单元、静脉平滑单元、二进制转换单元、粗线转换单元、细线转换单元、缩略图生成单元等的处理单元。
图像平滑单元是利用例如CPU、ROM、RAM等实现的。图像平滑单元使用,例如,所谓的高斯空间滤波器来滤波从生物测定图像拾取单元101发送的静脉图像拾取数据,因此使与静脉图像拾取数据相对应的静脉图像变平滑。
轮廓提取单元是利用例如CPU、ROM、RAM等实现的。轮廓提取单元使用,例如,所谓的Log(拉普拉斯高斯算子)空间滤波器来滤波图像平滑单元平滑的静脉图像,因此加强静脉图像的轮廓以产生雕刻图像。
掩码图像生成单元是利用例如CPU、ROM、RAM等实现的。掩码图像生成单元根据与背景部分的对比,从轮廓提取单元已经加强了轮廓的静脉图像中提取像手指轮廓那样的轮廓。并且,掩码图像生成单元生成使用二进制值表示被所检测轮廓围着的手指区域和除了手指区域之外的其它区域的图像(也可以称为掩码图像)。
剪裁单元是利用例如CPU、ROM、RAM等实现的。剪裁单元使用掩码图像生成单元生成的掩码图像从轮廓提取单元已经加强了轮廓的静脉图像中剪出包括被手指轮廓围着的手指区域的预定尺寸的图像。
静脉平滑单元是利用例如CPU、ROM、RAM等实现的。静脉平滑单元使用,例如,所谓的中值空间滤波器来滤波剪裁单元剪出的静脉图像,因此使静脉图像中的静脉部分变平滑。
二进制转换单元是利用例如CPU、ROM、RAM等实现的。二进制转换单元使用配置亮度级作为基准,将其中静脉部分经过静脉平滑单元平滑的静脉图像转换成二进制级。现在,如果采用静脉尚未经过平滑的静脉图像作为要接受二进制转换处理的图像,那么,较有可能出现的是,尽管实际只存在一条静脉,但作为二进制转换的结果,可能一条静脉被分成两条静脉。另一方面,当采用静脉经过平滑的静脉图像作为要接受二进制转换处理的图像时,可以在二进制值接近实际静脉的同时进行二进制转换处理。
粗线转换单元是利用例如CPU、ROM、RAM等实现的。粗线转换单元使用,例如,所谓的膨胀空间滤波器来滤波被二进制转换单元转换成二进制值的静脉图像,因此使静脉图像中的静脉变成较粗线。其结果是,这个滤波器连接实际应该连接的未连接静脉部分。
细线转换单元是利用例如CPU、ROM、RAM等实现的。细线转换单元使用,例如,所谓的侵蚀空间滤波器来滤波静脉部分被粗线转换单元转换成粗线的静脉图像,因此使静脉部分中的静脉宽度保持不变。
缩略图生成单元是利用例如CPU、ROM、RAM等实现的。缩略图生成单元从细线转换单元中获取使用二进制值表示静脉宽度不变的静脉部分和背景部分的静脉图像,并通过按1:n压缩垂直和水平尺寸从这个静脉图像中生成缩略图。
这样,静脉图像提取单元105提取出使用二进制值表示静脉宽度不变的静脉部分和背景部分的图像作为生物测定图像,并生成生物测定图像的缩略图。静脉图像提取单元105将从静脉图像拾取数据中提取的静脉图像以及像缩略图那样的元数据发送给如后所述的静脉分布向量计算单元107和生物特征认证单元109。应该注意到,静脉图像提取单元105可以将提取的静脉图像等联合上述信息特有的标识信息(例如,标识号)存储在下述存储单元115中。
静脉分布向量计算单元107是利用例如CPU、ROM、RAM等实现的。静脉分布向量计算单元107使用从静脉图像提取单元105发送的静脉图像计算静脉分布向量,即代表静脉图像中的静脉分布度的数列。后面将再次详细说明静脉分布向量计算单元107。
生物特征认证单元109是利用例如CPU、ROM、RAM等实现的。生物特征认证单元109是使用静脉图像提取单元105提取的静脉图像、静脉分布向量计算单元107计算的静脉分布向量等进行生物特征认证处理的处理单元。如图1所示,这个生物特征认证单元109进一步包括登记单元111和认证单元113。
登记单元111是利用例如CPU、ROM、RAM等实现的。登记单元111使静脉分布向量计算单元107计算的静脉分布向量和静脉图像提取单元105提取的静脉图像相互联系,并且将静脉分布向量和静脉图像作为登记生物测定信息登记在存储单元115等中。登记生物测定信息中的登记的静脉图像在输入静脉图像的主要认证(最终认证)期间用作模板。另一方面,已经登记的静脉分布向量(下文可以称为登记静脉分布向量)在主要认证之前进行的初步认证(缩小模板的数量的认证)期间使用。
应该注意到,当登记了静脉分布向量或静脉图像时,登记单元111可以通过位压缩处理等对数据进行压缩,并且将压缩数据登记在存储单元115等中。
认证单元113是利用例如CPU、ROM、RAM等实现的。认证单元113是用于通过使用之前登记的生物测定信息来认证输入生物测定信息的处理单元。更具体地说,认证单元113根据事先登记的登记静脉分布向量,认证静脉分布向量计算单元计算的静脉分布向量。作为静脉分布向量的这种认证处理的结果,识别与输入静脉分布向量相似的登记静脉分布向量。因此,认证单元113可以缩小主要认证期间接受对照的模板的数量。此后,认证单元113使用与已经成功认证的登记静脉分布向量相联系的登记的静脉图像进行静脉图像提取单元105提取的静脉图像的认证处理(主要认证处理)。
认证单元113根据计算的相似度,确定输入生物测定信息是否与登记生物测定信息相似。用于确定的相似度的一个例子是使用互相关值或差值之和的相似度。使用差值之和的方法的例子包括绝对差之和(SAD)和平方差之和(SSD)。认证单元113可以按照要认证的生物测定信息的类型使用任何类型的相似度。对于静脉分布向量的认证,优选的是采用使用差值之和的相似度。对于模板的认证,优选的是使用互相关值。
当认证了静脉分布向量时,认证单元113确定SAD或SSD的计算值是否等于或小于预定阈值。当确定该计算值等于或小于阈值时,认证单元113确定认证是成功的。另一方面,当认证了静脉图像时,认证单元113确定计算的互相关值是否等于或大于预定阈值。当确定该计算值等于或大于预定阈值时,认证单元113确定认证是成功的。在认证期间引用的阈值可以按照任何方法事先设置。例如,阈值最好被设置成误拒绝率等于或小于1%。
应该注意到,后面将再次详细说明认证单元113进行的静脉分布向量的认证处理。
存储单元115是安排在按照本实施例的生物特征认证装置10中的存储器件的一个例子。在存储单元115中,通过登记单元111存储包括登记静脉分布向量和模板的登记生物测定信息。另外,存储单元115可以临时存储生物测定图像拾取单元101生成的图像拾取数据、静脉图像提取单元105提取的静脉图像等。另外,存储单元115可以存储各种类型的历史信息,诸如有关生物测定信息的登记的历史信息。并且,存储单元115可以存储在按照本实施例的生物特征认证装置10进行某种处理的时候有必要存储的各种参数和处理进程,并且,如有必要,可以存储各种类型的数据库等。存储单元115可以由生物测定图像拾取单元101、图像拾取控制单元103、静脉图像提取单元105、静脉分布向量计算单元107、生物特征认证单元109、登记单元111、认证单元113等自由读取和写入。
[关于静脉分布向量计算单元的配置]
随后,将参考图2到图8详细说明按照本实施例的静脉分布向量计算单元107的配置。图2是例示按照本实施例的静脉分布向量计算单元107的配置的方块图。图3A-图8是例示按照本实施例的静脉分布向量计算单元107的说明图。
例如,如图2所示,按照本实施例的静脉分布向量计算单元107进一步包括图像校正单元121、静脉图像划分单元123、静脉像素计数单元125、和向量生成单元127。
图像校正单元121是利用例如CPU、ROM、RAM等实现的。图像校正单元121对静脉图像提取单元105提取的静脉图像进行平行移动处理和旋转处理的至少某一种,因此校正静脉图像。
如下所述,按照本实施例的生物特征认证装置10使用的静脉分布向量代表空间域中的静脉图像中的静脉模式的分布度。因此,即使获得了同一个人的同一个手指作为图像,由于在图像拾取期间手指的不同位置或不同角度,也可能生成不同静脉图像。其结果是,有可能计算出不同静脉分布向量。于是,图像校正单元121对提取的静脉图像进行平行移动处理和旋转处理,因此防止了这样的位移引起的精度降低。
在下面的说明中,将在关注显示在图3A和图3B中的静脉模式的同时具体说明图像校正单元121进行的校正处理的含义。假设显示在图3A和图3B中的静脉模式的每一种是同一个人的同一个手指的静脉模式。显示在图3B中的静脉模式是通过在对角地左下方向平行地移动显示在图3A中的静脉图像获得的。在图3B中,假设在图像帧的右端部包括了未显示在3A中的静脉模式。
在下面所述的静脉分布向量的计算处理中,首先进行将静脉图像划分成多个分区的处理。在图3A和图3B中,静脉图像沿着手指的纵向(即,沿着图像帧的纵向)划分成6个部分,而沿着手指的横向(即,沿着图像帧的横向)划分成4个部分。其结果是,静脉图像被划分成如图3A和图3B所示的24个分区。
此外,在静脉分布向量的计算处理中,当静脉图像已经被划分成分区时,计数与每个分区中的静脉相对应的像素数量。静脉分布向量计算单元107使用像素的计数结果以生成静脉分布向量。
现在,比较显示在图3A和3B中的静脉模式。作为平行移动的结果,图3A中从右边算起第二个和从上面算起第一个的分区中的静脉模式在图3B中停留在从右边算起第三个和从上面算起第一个的分区以及从右边算起第三个和从上面算起第二个的分区上。如上所述,当平行移动静脉模式时,尽管静脉模式原来是相同的,但改变了观看模式的空间域。这是出错的主要因素。
同样,当旋转静脉模式时,尽管静脉模式原来是相同的,但改变了观察模式的空间域。这是出错的主要因素。
由于上述原因,图像校正单元121首先校正静脉图像的旋转量。静脉图像由多个像素构成,每个像素的位置可以用一个坐标表示。因此,在静脉图像中,可以通过坐标标识与静脉相对应的像素的位置(图3A等中的黑色像素)。于是,图像校正单元121使用与静脉图像中的静脉相对应的像素的坐标进行主分量分析。作为这个主分量分析的结果,图像校正单元121可以识别如图4左侧的图形所示的第一主分量的方向。图像校正单元121计算第一主分量的方向与图像帧的纵轴向(手指的纵向)之间的角度,并使用计算的角度以旋转静脉图像。因此,如图4右侧的图形所示,可以进行旋转校正,以便第一主分量的方向变成与图像帧的纵轴向(手指的纵向)平行。
应该注意到,计算旋转静脉图像的角度的方法不局限于使用主分量分析的上述方法。可以使用校正旋转量的任何其它方法。
随后,图像校正单元121使用已经校正了旋转量的静脉图像计算静脉模式的重心。该重心可以使用与静脉相对应的像素的坐标来计算。图像校正单元121计算与所计算重心相对应的坐标和与图像帧的中心位置相对应的坐标之间的差值,并平行移动静脉图像以便,例如,如图5所示,所计算重心来到图像帧的中心位置。应该注意到,图像帧的中心位置可以根据图像帧的尺寸来计算。
图像校正单元121进行这样的校正处理,以便生成静脉模式的第一主分量的方向与图像帧的纵轴向平行以及静脉模式的重心位于图像帧的中心的校正静脉图像。
在旋转量校正处理和重心位置校正处理的至少一种是不必要的情况下,图像校正单元121无需进行不必要的校正处理。
图像校正单元121将如此校正的所得静脉图像发送给如后所述的静脉图像划分单元123和静脉像素计数单元125。并且,图像校正单元121可以将如此校正的所得静脉图像存储到存储单元115等中。
图像校正单元121计算的旋转量和平行移动量不仅可以用在静脉分布向量的计算处理中,而且可以用在使用静脉图像本身和模板的主要认证中。此外,图像校正单元121可以将如此计算的旋转量和平行移动量通知生物特征认证单元109。通过将校正量通知生物特征认证单元109,生物特征认证单元109可以在较短时间内进行先于主要认证的预处理。
静脉图像划分单元123根据事先设置的划分数量,将从图像校正单元121发送的校正静脉图像划分成多个分区。
例如,下文将考虑把静脉图像设置成划分成在垂直方向(手指的纵向)有m个块而在水平方向(手指的横向)有n个块的总共mn个块的情况。在这种情况下,静脉图像划分单元123使用静脉图像中的像素的坐标均等地将静脉图像划分成垂直方向m个块和水平方向n个块,并且确定各块的边界坐标。
取代设置划分的数量,也可以设置块的尺寸(垂直方向p个像素×水平方向q个像素)。在这种情况下,静脉图像划分单元123根据以前设置的块尺寸,从静脉图像的预定位置(例如,左上角)开始切出具有预定尺寸的块。即使在这样的情况下,静脉图像划分单元确定各个的边界坐标。
在这种情况下,可以按照任何方法事先确定像划分的数量mn和一个块的尺寸(p×q个像素)那样的划分参数。例如,可以事先进行实验和分析,并且可以使用统计处理等确定划分的数量、块的尺寸等,以便从误拒绝率(FRR)、误接受率(FAR)等的观点来看可以有效地进行认证。
静脉图像的这种划分处理可以是将静脉图像实际划分成多个图像的处理,也可以是确定静脉图像被虚拟划分成多个区域的边界的处理。
应该注意到,静脉图像划分单元123可以不沿着垂直和水平方向划分静脉图像。换句话说,静脉图像划分单元123可以根据,例如,生物测定图像拾取单元101的图像拾取的特征(图像拾取的倾向),只沿着垂直方向或只沿着水平方向划分静脉图像。
如上所述,静脉图像端部附近的区域有可能受平行移动、旋转等影响。于是,例如,如图6所示,静脉图像划分单元123不对对角阴影所指的图像帧的端部进行划分处理,并可以对包括静脉图像的中心位置的区域进行划分处理。因此,可以以这样的方式进行认证:使认证受平行移动、旋转等的影响较小。应该注意到,可以按照生物特征认证装置10的特性随意确定不接受划分处理的区域的尺寸。在图6中,不处理区域是从图像帧的侧边开始具有预定像素数量的范围。可替代地,可以随意确定不处理区。例如,可以从处理中排除从上边和下边开始具有预定像素数量的范围,或者可以从处理中排除有可能发生位移的部分。
应该注意到,静脉图像划分单元123这样划分静脉图像,以便在登记静脉分布向量的生成期间的划分数量与认证时静脉分布向量的生成期间的划分数量相同。这是因为,如果登记静脉分布向量的生成期间的划分数量与认证时的划分数量不同,那么,如后所述,生成的静脉分布向量的向量长度(元素数量)不同,可能导致无法精确进行认证。
静脉图像划分单元123将代表如此获得的划分结果的信息发送给静脉像素计数单元125和向量生成单元127。
静脉像素计数单元125是利用例如CPU、ROM、RAM等实现的。静脉像素计数单元125计数与静脉图像划分单元123划分的每个分区中的静脉相对应的像素数量。
当静脉像素计数单元125计数与静脉相对应的像素数量时,静脉像素计数单元125可以按照预定次序计数与每个块中的静脉相对应的像素数量,或者可以同时计数多个块中的像素数量。
静脉像素计数单元125将获得的计数结果发送给向量生成单元127。此刻,静脉像素计数单元125最好发送计数结果以及标识与计数结果有关的块的信息。
向量生成单元127是利用例如CPU、ROM、RAM等实现的。向量生成单元127通过按预定次序排列静脉像素计数单元125提供的分区的计数结果生成静脉分布向量,即,代表静脉图像中的静脉分布度的数列。
例如,如图7所示,在作出从位于静脉图像的左上角的块到位于其右下角的块排列计数结果的设置的情况下,向量生成单元127依次排列相应块的计数结果。因此,向量生成单元127生成元素数量与存在的块数一样多的数列。在这个数列中,按预定次序排列与块中的静脉相对应的像素数量。因此,该数列可以用于表示静脉图像中的静脉的分布状况。
计数结果的排列次序可以以任何方式确定。如图7所示,该次序可以沿着水平方向从左上角的块到右下角的块,或者可以沿着垂直方向从左上角的块到右下角的块。可替代地,如图8所示,计数结果的排列次序可以是,例如,从包括静脉图像的中心位置的块开始的螺旋形式。在采用如图8所示的排列次序的情况下,在认证静脉分布向量期间,从与静脉图像的中心位置相对应的块开始认证。因此,有可能进一步缩小认证所需的时间。
当向量生成单元127完成了静脉分布向量的生成时,向量生成单元127将生成的向量发送给生物特征认证单元109。
上文已经详细说明了按照本实施例的静脉分布向量计算单元107的配置。随后,下文将详细说明认证单元113进行的静脉分布向量的认证处理。
[关于认证单元进行的静脉分布向量的认证处理]
随后,将参照图9A到图12详细说明按照本实施例的认证单元113进行的静脉分布向量的认证处理。图9A到图12是例示按照本实施例的认证单元进行的静脉分布向量的认证处理的说明图。
认证单元113进行的静脉分布向量的认证处理一般可以以与一维向量之间的匹配相同的方式进行。在这种情况下,通过校正调整了静脉图像中的平行移动。于是,当认证登记的用户本身时,仅仅通过计算向量之间的差值就可以确定相似度。但是,当在静脉图像中只有少数几种模式时,计算的重心有可能包括误差。因此,按照本实施例的认证单元113在固定生成的静脉分布向量和登记静脉分布向量之一,但将生成的静脉分布向量和登记静脉分布向量的另一个移动预定量的同时,计算生成的静脉分布向量与登记静脉分布向量之间的差值。因此,认证单元113可以识别适合用于认证处理的相似度。
在下文中,将说明使用移动处理计算向量之间的相似度的方法。
将登记静脉分布向量表示成Sr。将生成的静脉分布向量表示成Si。将向量大小(包括在向量中的元素的数量)表示成lv。并且,假设在向量之间可能存在长达lSmax的移动。在这种情况下,认证单元113在认证生成的静脉分布向量期间计算用下列数值公式101表示的分数。在这种情况下,在下列数值公式101中,S(r,p)代表登记静脉分布向量Sr的第p元素,和S(i,p)代表生成的静脉分布向量Si的第p元素。
[表达式1]
101]
上面的数值公式101显示了在固定登记静脉分布向量但移动生成的静脉分布向量的情况下计算分数s的方法。在固定生成的静脉分布向量但移动登记静脉分布向量的情况下,在上面的数值公式101中可以将r改为i,而将i改为r。
上面数值公式101的含义如下。认证单元113在固定登记静脉分布向量Sr的同时将静脉分布向量Si移动一个元素。每次移动时,认证单元113都计算两个向量之间的绝对差之和,并且采用最小的一个作为分数s。
从数值公式101中可明显看出,登记静脉分布向量越接近生成的静脉分布向量,这个分数s就越接近零。因此,当计算的分数s小于或等于预定阈值时,认证单元113确定登记静脉分布向量与生成的静脉分布向量相似,即确定静脉分布向量的认证是成功的。
例如,在显示在图9A到图9C的例子中,图9A的移动量是-4,图9B的移动量是0,而图9C的移动量是+4。但是,从这些图形中可明显看出,在图9A的情况下计算分数s最小。因此,认证单元113确定在显示在图9A到9C中的三种状态当中,图9A的状态下的两个向量处在最相似状态。
如上所述,认证单元113在固定登记静脉分布向量和生成的静脉分布向量之一,但移动登记静脉分布向量和生成的静脉分布向量的另一个的同时,计算登记静脉分布向量与生成的静脉分布向量之间的相似度。因此,即使在静脉图像中存在由于平行移动、旋转等的影响图像校正单元121不能充分校正的某个部分,图像校正单元121也可以抑制未得到充分校正的部分中的误差,并且可以保证认证的准确性。
此外,静脉分布向量的这种认证处理是所谓的元数据认证处理,并且被执行以在使用模板的主要认证处理之前缩小接受对照的模板的数量。代表手指的每个部分中的静脉分布状况的静脉分布向量是包括数值的一维向量。因此,可以通过可以容易执行、叫做一维向量比较的核实方法容易地比较两个静脉分布向量。此外,由于静脉分布向量本身是据此可以准确分类用户的指标,所以使用静脉分布向量可以充分缩小接受对照的模板的数量。
在上面的数值公式101中,移动量是一个元素。但是,移动量不局限于这样的值。例如,如图10所示,考虑静脉分布向量包括沿着水平方向从左上角的块到右下角的块排列的计数结果的情况。在这种情况下,当移动量是4时,认证单元113首先对照与左上角的块相对应的计数结果,随后对照与从左边算起第一个和从上面算起第二个的块相对应的计数结果。如图10所示,这意味着对照开始位置一次向下移动一行。认证单元113选择如上所述的移动量,并且因此在其中由于生物测定图像拾取单元101的安装状况等有可能发生垂直方向位移的环境下,在关注垂直方向位移的同时进行认证。
同样,显示在图11中的例子例示了静脉分布向量包括沿着垂直方向从左上角的块到右下角的块排列的计数结果的情况。在这种情况下,当移动量是6时,认证单元113首先对照与左上角的块相对应的计数结果,随后对照与从左边算起第二个和从上面算起第一个的块相对应的计数结果。如图11所示,这意味着对照开始位置一次向右移动一列。认证单元113选择如上所述的移动量,并且因此在其中由于生物测定图像拾取单元101的安装状况等有可能发生水平方向位移的环境下,在关注水平方向位移的同时进行认证。
在显示在图9A到图11中的例子中,认证单元113从静脉分布向量的第一个元素开始对照。但是,该对照不局限于此。例如,如图12所示,认证单元113可以识别描述包括静脉图像的中心(即,静脉模式的重心)的块的计数结果的元素,并且可以从包括重心的块开始对照。当从如上所述的块开始对照时,有可能进一步缩短认证所需的时间。
在静脉分布向量的上述认证处理之前,认证单元113可以计算生成的静脉分布向量的元素的总和以及登记静脉分布向量的元素的总和,并且可以相互比较它们的元素的总和。包括在静脉分布向量中的元素的总和指的是与整个手指中的静脉相对应的像素数量。因此,认证单元113比较如上所述的总和,因此可以省略整个手指中的静脉数量不同的向量之间的比较。
此外,认证单元113可以使用生成的静脉分布向量与登记静脉分布向量之间的差值进一步计算差值的分布。通过分析该分布,认证单元113可以确定平行移动等是否使原来相似的两个静脉分布向量变得不同,或两个静脉分布向量是否是基本上完全不同的向量。
上文已经说明了按照本实施例的生物特征认证装置10的功能的一个例子。上面的每个组成元件可以用通用构件和电路制成,或可以用专用于每个组成元件的功能的硬件制成。可替代地,这些组成元件的所有功能可以由CPU等执行。因此,如有必要,可以依照在实现本实施例的时候的技术状态来改变使用的配置。
可以编写实现按照本实施例的上述生物特征认证装置的功能的计算机程序,并且可以在个人计算机等上实现该计算机程序。此外,可以提供存储这样计算机程序的计算机可读记录媒体。记录媒体的例子包括磁盘、光盘、磁光盘、和闪速存储器。此外,例如,上面的计算机程序可以不使用任何记录媒体地通过网络分发。
在上述情况下,按照本实施例的生物特征认证装置10包括生物测定图像拾取单元101和图像拾取控制单元103。可替代地,生物特征认证装置10可以不包括生物测定图像拾取单元101和图像拾取控制单元103。取而代之,生物特征认证装置10可以获取安排在外部的生物测定图像拾取装置摄取的生物测定图像拾取数据,并且可以认证这个生物测定图像拾取数据。此外,生物特征认证装置10的静脉分布向量计算单元107最好包括图像校正单元121。但是,静脉分布向量计算单元107可以不包括图像校正单元121。
<关于生物特征认证方法>
随后,将参考图13到图15说明按照本实施例的生物特征认证装置10执行的生物特征认证方法的流程。图13是例示按照本实施例的生物特征认证装置10进行的静脉分布向量的登记处理的流程图。图14是例示按照本实施例的生物特征认证装置10进行的静脉分布向量的认证处理的流程图。图15是例示按照本实施例的生物特征认证装置10进行的静脉分布向量的计算处理的流程图。
[关于静脉分布向量的登记处理]
首先,参考图13简要说明静脉分布向量的登记处理的流程。
在下面的说明中,假设生物特征认证装置10已经从安排在生物特征认证装置10中的生物测定图像拾取单元101或安排在外部的生物测定图像拾取装置中获得了通过拾取手指的图像生成的图像拾取数据。
生物特征认证装置10的静脉图像提取单元105从与所得图像拾取数据相对应的拾取图像中提取代表静脉模式的静脉图像(步骤S11)。静脉图像提取单元105将提取的静脉图像输出到静脉分布向量计算单元107和生物特征认证单元109的登记单元111。
静脉分布向量计算单元107使用所得静脉图像来计算静脉分布向量,即,代表静脉图像中的静脉分布度的数列(步骤S13)。当静脉分布向量计算单元107完成了静脉分布向量的计算时,静脉分布向量计算单元107将计算的静脉分布向量输出到生物特征认证单元109的登记单元111。
生物特征认证单元109的登记单元111将静脉分布向量计算单元107计算的静脉分布向量作为登记静脉分布向量登记到存储单元115等中(步骤S15)。此刻,登记单元111将要登记的静脉分布向量与要登记成模板的静脉图像相联系。当登记单元111登记静脉分布向量时,登记单元111可以通过预定方法压缩静脉分布向量。
按照本实施例的生物特征认证装置10可以通过如上所述的处理流程将静脉分布向量登记成登记静脉分布向量。
[关于静脉分布向量的认证处理1
随后,将参考图14简要说明静脉分布向量的认证处理的流程。
在下面的说明中,假设生物特征认证装置10已经从安排在生物特征认证装置10中的生物测定图像拾取单元101或安排在外部的生物测定图像拾取装置中获得了通过拾取手指的图像生成的图像拾取数据。
生物特征认证装置10的静脉图像提取单元105从与所得图像拾取数据相对应的拾取图像中提取代表静脉模式的静脉图像(步骤S21)。静脉图像提取单元105将提取的静脉图像输出到静脉分布向量计算单元107和生物特征认证单元109的认证单元113。
静脉分布向量计算单元107使用所得静脉图像来计算静脉分布向量,即,代表静脉图像中的静脉分布度的数列(步骤S23)。当静脉分布向量计算单元107完成了静脉分布向量的计算时,静脉分布向量计算单元107将计算的静脉分布向量输出到生物特征认证单元109的认证单元113。
首先,生物特征认证单元109的认证单元113获取存储在存储单元115等中的登记静脉分布向量(步骤S25)。随后,认证单元113将每个所得登记静脉分布向量与计算的静脉分布向量相比较(步骤S27)。这个比较是使用根据上述数值公式101等计算的分数s进行的。当确定分数s小于或等于预定阈值时,确定登记静脉分布向量与计算的静脉分布向量相似。
当完成了静脉分布向量的比较时,认证单元113获取与确定为与所计算的静脉分布向量相似的登记静脉分布向量相联系的模板。此后,认证单元113根据所得模板开始认证静脉图像提取单元105通知的静脉图像(换句话说,主要认证处理)。在主要认证处理之前,可以进一步进行元数据认证和使用缩略图的认证处理。
按照本实施例的生物特征认证装置10可以通过执行如上所述的处理流程来认证静脉分布向量和缩小用在主要认证处理中的模板的范围。
[关于静脉分布向量的计算处理]
随后,将参考图15简要说明静脉分布向量计算单元107进行的静脉分布向量的计算处理的流程。
当从静脉图像提取单元105输入静脉图像时,静脉分布向量计算单元107的图像校正单元121首先对静脉图像进行主分量分析。从而,图像校正单元121确定静脉图像的第一主分量(步骤S101)。
随后,图像校正单元121旋转图像,以便所确定第一主分量的方向变成与图像帧的垂直方向平行(步骤S103)。因此,图像校正单元121可以校正静脉图像的旋转。
随后,图像校正单元121计算已经校正了旋转的静脉图像中静脉分布(与静脉相对应的像素分布)的重心位置。
随后,图像校正单元121平行移动旋转校正的静脉图像,以便计算的重心位置与图像帧的中心匹配(步骤S107)。从而,图像校正单元121可以将静脉模式平行移动到图像帧的中心。
当图像校正单元121完成了这些校正时,图像校正单元121将校正静脉图像输出到静脉图像划分单元123和静脉像素计数单元125。
随后,静脉图像划分单元123将校正静脉图像划分成多个块(步骤S109)。当静脉图像划分单元123完成了划分处理时,静脉图像划分单元123将代表划分结果的信息输出到静脉像素计数单元125和向量生成单元127。
随后,静脉像素计数单元125使用校正静脉图像和代表划分结果的信息来计数与每个块中的静脉相对应的像素数量(步骤S111)。当静脉像素计数单元125完成了计数时,静脉像素计数单元125将代表计数结果的信息输出到向量生成单元127。
当向量生成单元127获得代表计数结果的信息时,向量生成单元127按预定次序排列计数结果,并采用排列的计数结果作为静脉分布向量(步骤S113)。向量生成单元127将生成的静脉分布向量输出到生物特征认证单元109。
按照本实施例的静脉分布向量计算单元107可以通过执行如上所述的处理流程来计算静脉分布向量。
<例子>
随后,将说明使用按照本实施例的静脉分布向量进行的元数据认证的结果。
将总共482个手指作为样本登记到用于核实的手指静脉数据库中。对于每个手指,存在三个静脉图像。对于每个手指,登记五个静脉分布向量(即,每个静脉图像一个静脉分布向量)。
当完成了登记时,在“每当经过某个时段时就输入手指”的条件下输入每个手指五次,并且为每个手指生成三个静脉分布向量。
因此,在核实实验中,比较482个手指×5次=2410个输入数据和482个手指×3个=1446个登记静脉分布向量。
对于每个输入进行三次的比较处理对应于“用户认证”。因此,总共有2410×3=7230次的用户认证结果。
另一方面,对于每个输入进行1446-3=1443次的比较处理对应于“他人认证”。因此,总共有进行了2410×1443=3477630次的他人认证结果。
将阈值设置成当用户认证结果是99%时,确定认证是成功的,并且作为结果,输出根据设置阈值拒绝他人认证的百分比。
在这种核实实验中,静脉图像的大小是120×60个像素。将这个静脉图像划分成每个具有15×15个像素的分区,并且计算静脉分布向量。
这种核实处理根据下列五种类型的算法来进行。
1)将整个手指的血管容积用作元数据的算法(现有技术中的方法);
2)使用静脉分布向量的算法(未通过图像校正和移动进行比较);
3)使用图像校正和静脉分布向量的算法(未通过移动进行比较);
4)通过静脉分布向量和移动进行比较的算法(无图像校正);以及
5)通过图像校正、静脉分布向量和移动进行比较的算法。
从上面五种类型的算法中获得的真拒绝率显示在下表1中。
[表1]
算法 | 真拒绝率(%) |
1 | 49.81 |
2 | 69.56 |
3 | 78.17 |
4 | 78.22 |
5 | 80.99 |
在表1中,算法1对应于现有技术中的算法,而算法2-5是使用按照本实施例的静脉分布向量的方法。从表1的结果中可明显看出,当考虑静脉分布向量(算法2)时,可以以比现有技术中的方法高大约20%的比率拒绝他人登记数据。
从算法2与算法3或4之间的比较中可明显看出,当进一步应用通过图像校正或移动的比较时,可以以比算法2高大约10%的比率拒绝他人登记数据。
从算法5的结果中可明显看出,当进行通过图像校正和移动的比较时,可以拒绝大约81%的他人登记数据。
从这个结果中可明显看出,按照本实施例的生物特征认证方法提供了极高的准确性,并且,作为元数据认证是有效的。
(硬件配置)
接着,将参考图16详细描述按照本发明实施例的生物特征认证装置10的硬件配置。图16是例示按照本发明实施例的生物特征认证装置10的硬件配置的方块图。
生物特征认证装置10主要包括CPU 901、ROM 903、和RAM 905。而且,生物特征认证装置907还包括主机总线907、桥接器909、外部总线911、接口913、传感器914、输入设备915、输出设备917、存储设备919、驱动器921、连接端口923和通信设备925。
CPU 901用作算术处理装置和控制设备,并按照存储在ROM 903、RAM905、存储设备919、或可拆卸记录媒体927中的各种程序控制生物特征认证装置10的全部操作或部分操作。ROM 903存储CPU 901使用的程序、操作参数等。RAM 905主要存储用在CPU 901的执行中的程序、和在执行期间适当变化的参数等。它们经由主机总线907相互连接,主机总线907由像CPU总线等那样的内部总线构成。
主机总线907经由桥接器909与像PCI(外围部件互连/接口)总线那样的外部总线911连接。
传感器914是用于检测例如用户特有的生物特征认证或用于获取这样的生物特征认证的各种信息的检测机构。这种传感器914的例子是例如像CCD(电荷耦合器件)、CMOS(互补金属氧化物半导体)等那样的各种图像拾取器件。此外,对于用于拾取活体部分的透镜,传感器914可以进一步包括光学系统和光源单元等。为了获取音频数据等,传感器910可以是麦克风等。注意,传感器914可以包括除了上述的那些之外的其它各种测量器件,诸如体温计、照度计、湿度计、速度计、加速度计等。
输入设备915是用户操作的操作机构,诸如鼠标、键盘、触摸板、按钮、开关和控制杆。此外,输入设备915可以是使用例如红外光或其它无线电波的遥控机构(所谓的遥控器),或可以是像移动电话或PDA(个人数字助理)那样与生物特征认证装置10的操作相容的外部连接设备929。而且,输入设备915根据例如用户利用上述操作机构输入的信息生成输入信号,并且由将输入信号输出到CPU 901的输入控制电路构成。生物特征认证装置10的用户通过操作这个输入装置915可以将各种数据输入到生物特征认证装置10中,并且可以指示生物特征认证装置10进行处理。
输出设备917由能够看得见地或听得见地向用户通知所获信息的设备构成。这样设备的例子包括像CRT(阴极射线管)显示设备、液晶显示设备、等离子显示设备、EL(场致发光)显示设备和灯泡那样的显示设备;像扬声器和耳机那样的音频输出设备;打印机;移动电话;传真机等。例如,输出设备917输出通过生物特征认证装置10进行的各种处理获得的结果。更具体地说,显示设备以文本或图像的形式显示通过生物特征认证装置10进行的各种处理获得的结果。另一方面,音频输出设备将像再现音频数据和声音数据那样的音频信号转换成模拟信号,并输出模拟信号。
存储设备919是作为生物特征认证装置10的存储单元的例子配置的数据存储设备,并用于存储数据。存储设备919由例如像HDD(硬盘驱动器)那样的磁存储设备、半导体存储设备、光存储设备、或磁光存储设备构成。这种存储设备919存储CPU 901要执行的程序、各种数据、和从外部获得的各种数据。
驱动器921是记录媒体的读取器/写入器,并内置在生物特征认证装置10中或从外部附在生物特征认证装置10上。驱动器921读取记录在所附着可拆卸记录媒体927中(诸如,磁盘、光盘、磁光盘或半导体存储器)的信息,并且将读取信息输出到RAM 905。而且,驱动器921可以写入像磁盘、光盘、磁光盘或半导体存储器那样的所附着可拆卸记录媒体927中。可拆卸记录媒体927是例如DVD(数字多功能盘)媒体、HD-DVD(高清晰度数字多功能盘)媒体或蓝光媒体。可拆卸记录媒体927可以是CompactFlash(CF;注册商标)、闪速存储器、SD存储卡(安全数字存储卡)等。可替代地,可拆卸记录媒体927可以是例如装有非接触式IC芯片的IC卡(集成电路卡)或电子产品。
连接端口923是允许设备直接与生物特征认证装置10连接的端口。连接端口923的例子包括USB(通用串行总线)端口、IEEE1394端口、SCSI(小型计算机系统接口)端口等。连接端口923的其它例子包括RS-232C端口、光纤音频端子、HDMI(高清晰度多媒体接口)端口等。通过与这个连接端口923连接的外部连接装置929,生物特征认证装置10直接从外部连接装置929中获取各种数据,并且将各种数据提供给外部连接装置929。
通信设备925是由例如与通信网络931连接的通信设备构成的通信接口。通信设备925是例如有线或无线LAN(局域网)、蓝牙(注册商标)、用于WUSB(无线USB)的通信卡等。可替代地,通信设备925可以是用于光通信的路由器、用于ADSL(非对称数字用户线)的路由器、用于各种通信的调制解调器等。这种通信设备925可以在因特网上依照像TCP/IP(传输控制协议/因特网协议)那样的预定协议与,例如,其它通信设备发送和接收信号等。与通信设备925连接的通信网络931由有线或无线连接的网络等构成,并且它可以是例如因特网、家庭局域网、红外通信、无线电波通信、卫星通信。
到此为止,已经示出了能够实现按照本发明实施例的生物特征认证装置10的功能的硬件配置的例子。上述的每个结构元件可以使用通用材料构成,或可以由专用于每个结构元件的功能的硬件构成。于是,可以按照实现本实施例时的技术水平适当改变要使用的硬件配置。
(总结)
如上所述,在按照本发明实施例的的生物特征认证装置和生物特征认证方法中,生成静脉分布向量,即代表静脉图像中的静脉分布度的数列,并且将这个静脉分布向量用于元数据认证。因此,可以充分缩小主要认证处理期间接受对照的模板的数量。其结果是,当应用按照本实施例的生物特征认证方法时,可以减轻需要花费许多资源和很长时间进行称为静脉图像与模板之间的模式匹配的处理的主要认证处理期间的负担。
本领域的普通技术人员应该明白,视设计要求和其它因素而定,可以作出各种各样的修改、组合、分组合和变更,它们都在所附权利要求书或其等效物的范围之内。
本申请包含与公开在2010年1月29日向日本专利局提交的日本优先权专利申请JP 2010-019084中的主题有关的主题,特此通过引用并入其全部内容。
Claims (9)
1.一种生物特征认证装置,包含:
静脉图像提取单元,用于向手指部分发射具有预定波长的光,并从包括所得手指部分中的静脉的图像中提取示出静脉位置的静脉图像;
静脉图像划分单元,用于将所述静脉图像提取单元提取的静脉图像划分成多个分区;
静脉像素计数单元,用于计数与所述静脉图像划分单元划分的每个分区中的静脉相对应的像素数量;
向量生成单元,用于按预定次序排列所述静脉像素计数单元提供的各个分区的计数结果,并生成静脉分布向量,所述静脉分布向量是代表静脉图像中的静脉分布度的数列;以及
认证单元,用于根据作为事先登记的静脉分布向量的登记静脉分布向量,认证所述向量生成单元生成的静脉分布向量。
2.按照权利要求1所述的生物特征认证装置,
其中,在将所述向量生成单元生成的静脉分布向量和登记静脉分布向量之一重复移动预定元素数量的同时,所述认证单元计算所述向量生成单元生成的静脉分布向量与登记静脉分布向量之间的相似度。
3.按照权利要求2所述的生物特征认证装置,进一步包含:
图像校正单元,用于通过对所述静脉图像提取单元提取的静脉图像进行平行移动处理和旋转处理的至少一种来校正静脉图像,
其中,所述图像校正单元对尚未校正静脉图像进行主分量分析,并旋转尚未校正静脉图像,以便第一主分量的方向与静脉图像的纵向边长平行,以及
所述图像校正单元计算与尚未校正静脉图像中的静脉的位置相对应的像素的分布重心,并平行移动尚未校正静脉图像,以便所述重心与静脉图像的中心位置匹配。
4.按照权利要求1所述的生物特征认证装置,
其中,所述静脉图像划分单元将包括静脉图像中心位置的静脉图像预定区域划分成多个分区。
5.按照权利要求1所述的生物特征认证装置,
其中,所述向量生成单元从处在静脉图像角上的分区开始依次排列计数结果。
6.按照权利要求1所述的生物特征认证装置,
其中,所述向量生成单元从包括静脉图像中心位置的分区开始依次排列计数结果。
7.按照权利要求1所述的生物特征认证装置,
其中,所述认证单元根据与包括静脉图像中心位置的分区相对应的静脉分布向量的元素进行认证处理。
8.一种生物特征认证方法,包含如下步骤:
向手指部分发射具有预定波长的光,并从包括已经从其获得图像的手指部分中的静脉的图像中提取示出静脉位置的静脉图像;
将所提取静脉图像划分成多个分区;
计数与每个生成分区中的静脉相对应的像素数量;
按预定次序排列各个分区的计数结果,并生成静脉分布向量,所述静脉分布向量是代表静脉图像中的静脉分布度的数列;以及
根据作为事先登记的静脉分布向量的登记静脉分布向量,认证在生成向量的步骤中生成的静脉分布向量。
9.一种使计算机实现如下功能的程序:
静脉图像提取功能,用于向手指部分发射具有预定波长的光,并从包括已经从其获得图像的手指部分中的静脉的图像中提取示出静脉位置的静脉图像;
静脉图像划分功能,用于将所述静脉图像提取功能提取的静脉图像划分成多个分区;
静脉像素计数功能,用于计数与所述静脉图像划分功能划分的每个分区中的静脉相对应的像素数量;
向量生成功能,用于按预定次序排列所述静脉像素计数功能提供的各个分区的计数结果,并生成静脉分布向量,所述静脉分布向量是代表静脉图像中的静脉分布度的数列;以及
认证功能,用于根据作为事先登记的静脉分布向量的登记静脉分布向量,认证所述向量生成功能生成的静脉分布向量。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2010019084A JP5504928B2 (ja) | 2010-01-29 | 2010-01-29 | 生体認証装置、生体認証方法およびプログラム |
JP019084/10 | 2010-01-29 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN102142080A true CN102142080A (zh) | 2011-08-03 |
Family
ID=44341686
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2011100236519A Pending CN102142080A (zh) | 2010-01-29 | 2011-01-21 | 生物特征认证装置、生物特征认证方法以及程序 |
Country Status (3)
Country | Link |
---|---|
US (1) | US8831296B2 (zh) |
JP (1) | JP5504928B2 (zh) |
CN (1) | CN102142080A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108701299A (zh) * | 2016-02-24 | 2018-10-23 | 万事达卡国际股份有限公司 | 使用多方计算用于生物识别认证的系统和方法 |
CN110163178A (zh) * | 2019-05-28 | 2019-08-23 | Oppo广东移动通信有限公司 | 图像处理方法及相关产品 |
Families Citing this family (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5799586B2 (ja) * | 2011-05-27 | 2015-10-28 | 富士通株式会社 | 生体認証装置、生体認証方法及び生体認証用コンピュータプログラム |
JP5944712B2 (ja) * | 2012-03-26 | 2016-07-05 | 日立オムロンターミナルソリューションズ株式会社 | 静脈認証システム、静脈認証装置および静脈認証方法 |
US11163983B2 (en) * | 2012-09-07 | 2021-11-02 | Stone Lock Global, Inc. | Methods and apparatus for aligning sampling points of facial profiles of users |
US11017213B1 (en) * | 2012-09-07 | 2021-05-25 | Stone Lock Global, Inc. | Methods and apparatus for biometric verification |
US11275929B2 (en) * | 2012-09-07 | 2022-03-15 | Stone Lock Global, Inc. | Methods and apparatus for privacy protection during biometric verification |
US11594072B1 (en) | 2012-09-07 | 2023-02-28 | Stone Lock Global, Inc. | Methods and apparatus for access control using biometric verification |
US11017212B2 (en) * | 2012-09-07 | 2021-05-25 | Stone Lock Global, Inc. | Methods and apparatus for biometric verification |
US11163984B2 (en) * | 2012-09-07 | 2021-11-02 | Stone Lock Global, Inc. | Methods and apparatus for constructing biometrical templates using facial profiles of users |
US11017211B1 (en) * | 2012-09-07 | 2021-05-25 | Stone Lock Global, Inc. | Methods and apparatus for biometric verification |
US11017214B1 (en) * | 2012-09-07 | 2021-05-25 | Stone Lock Global, Inc. | Methods and apparatus for biometric verification |
US11301670B2 (en) * | 2012-09-07 | 2022-04-12 | Stone Lock Global, Inc. | Methods and apparatus for collision detection in biometric verification |
FR3005365B1 (fr) * | 2013-05-03 | 2015-06-05 | Morpho | Procede d'identification/authentification d'une personne par son reseau veineux |
JP6167733B2 (ja) * | 2013-07-30 | 2017-07-26 | 富士通株式会社 | 生体特徴ベクトル抽出装置、生体特徴ベクトル抽出方法、および生体特徴ベクトル抽出プログラム |
US20170004296A1 (en) * | 2014-03-28 | 2017-01-05 | Panasonic Intellectual Property Management Co., Ltd. | Biometric authentication method and biometric authentication system |
JP2016096848A (ja) * | 2014-11-18 | 2016-05-30 | 京セラ株式会社 | 測定装置及び測定方法 |
US10762366B2 (en) * | 2015-10-10 | 2020-09-01 | Zkteco Co., Ltd. | Finger vein identification method and device |
JP6828322B2 (ja) * | 2016-09-06 | 2021-02-10 | 日本電気株式会社 | 照合システムと方法とプログラム |
IL257238B1 (en) * | 2018-01-30 | 2024-04-01 | Taysser Sherif Sandouka Mahmoud | computer to display information |
EP4148601A4 (en) * | 2020-05-08 | 2023-06-28 | Fujitsu Limited | Biometric authentication device, biometric authentication method, and biometric authentication program |
USD976904S1 (en) | 2020-12-18 | 2023-01-31 | Stone Lock Global, Inc. | Biometric scanner |
WO2023211221A1 (ko) * | 2022-04-28 | 2023-11-02 | 주식회사 이터널 | 암호 화폐 지갑 시스템을 이용하는 방법, 암호 화폐 지갑 시스템, 암호 화폐 지갑용 전자 장치, 및 암호 화폐 지갑용 전자 장치를 사용하는 방법 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101482922A (zh) * | 2008-01-09 | 2009-07-15 | 索尼株式会社 | 认证装置、认证方法、登记装置和登记方法 |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH1153559A (ja) * | 1997-07-30 | 1999-02-26 | Hitachi Maxell Ltd | カード認証システム |
JP3271750B2 (ja) * | 1998-03-05 | 2002-04-08 | 沖電気工業株式会社 | アイリス識別コード抽出方法及び装置、アイリス認識方法及び装置、データ暗号化装置 |
WO2002029720A1 (fr) * | 2000-09-29 | 2002-04-11 | Chuo Hatsujo Kabushiki Kaisha | Dispositif et procede permettant de verifier une empreinte digitale |
JP4387643B2 (ja) * | 2002-07-31 | 2009-12-16 | 富士通株式会社 | 個人認識機能付き処理装置 |
JP2006244365A (ja) * | 2005-03-07 | 2006-09-14 | Canon Inc | バイオメトリクス照合方法 |
US20070036400A1 (en) * | 2005-03-28 | 2007-02-15 | Sanyo Electric Co., Ltd. | User authentication using biometric information |
JP4937607B2 (ja) * | 2006-03-14 | 2012-05-23 | 富士通株式会社 | 生体認証方法及び生体認証装置 |
ATE553457T1 (de) * | 2006-06-28 | 2012-04-15 | Bio Tree Systems Inc | Binned-micro-vessel-dichteverfahren und vorrichtungen |
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 |
US8761466B2 (en) * | 2008-01-02 | 2014-06-24 | Bio-Tree Systems, Inc. | Methods of obtaining geometry from images |
-
2010
- 2010-01-29 JP JP2010019084A patent/JP5504928B2/ja not_active Expired - Fee Related
-
2011
- 2011-01-21 US US12/931,021 patent/US8831296B2/en not_active Expired - Fee Related
- 2011-01-21 CN CN2011100236519A patent/CN102142080A/zh active Pending
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101482922A (zh) * | 2008-01-09 | 2009-07-15 | 索尼株式会社 | 认证装置、认证方法、登记装置和登记方法 |
Non-Patent Citations (1)
Title |
---|
王云新: "基于手背静脉与虹膜的生物特征识别方法研究", 《天津大学博士论文》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108701299A (zh) * | 2016-02-24 | 2018-10-23 | 万事达卡国际股份有限公司 | 使用多方计算用于生物识别认证的系统和方法 |
CN110163178A (zh) * | 2019-05-28 | 2019-08-23 | Oppo广东移动通信有限公司 | 图像处理方法及相关产品 |
Also Published As
Publication number | Publication date |
---|---|
US8831296B2 (en) | 2014-09-09 |
JP5504928B2 (ja) | 2014-05-28 |
US20110188710A1 (en) | 2011-08-04 |
JP2011159035A (ja) | 2011-08-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102142080A (zh) | 生物特征认证装置、生物特征认证方法以及程序 | |
CN110889320B (zh) | 眼周面部识别切换 | |
De Marsico et al. | Firme: Face and iris recognition for mobile engagement | |
KR102587193B1 (ko) | 모바일 장치를 사용하여 촬영된 이미지를 이용한 지문-기반 사용자 인증 수행 시스템 및 방법 | |
US8229179B2 (en) | Finger vein authentication apparatus and finger vein authentication method | |
US8275174B2 (en) | Vein pattern management system, vein pattern registration apparatus, vein pattern authentication apparatus, vein pattern registration method, vein pattern authentication method, program, and vein data configuration | |
US8111878B2 (en) | Vein authentication device and vein authentication method | |
CN110968855B (zh) | 面部识别过程期间的遮挡检测 | |
CN107273844A (zh) | 掌静脉识别匹配方法及装置 | |
EP2528018A1 (en) | Biometric authentication device and biometric authentication method | |
Genovese et al. | Touchless palmprint recognition systems | |
US20100226545A1 (en) | Vein pattern management system, vein pattern registration apparatus, vein pattern authentication apparatus, vein pattern registration method, vein pattern authentication method, program, and vein data configuration | |
Lee et al. | Dorsal hand vein recognition based on 2D Gabor filters | |
Ambeth Kumar et al. | Exploration of an innovative geometric parameter based on performance enhancement for foot print recognition | |
CN101957980B (zh) | 信息处理装置和块检测方法 | |
CN103886283A (zh) | 用于移动用户的多生物特征图像信息融合方法及其应用 | |
JP2009140019A (ja) | 情報処理装置、情報処理方法およびプログラム | |
CN106529436A (zh) | 一种身份一致性认证方法、装置和移动终端 | |
US8270681B2 (en) | Vein pattern management system, vein pattern registration apparatus, vein pattern authentication apparatus, vein pattern registration method, vein pattern authentication method, program, and vein data configuration | |
CN109426716A (zh) | 终端指纹录入、解锁方法、装置、存储介质和计算机设备 | |
US20120020535A1 (en) | Unique, repeatable, and compact biometric identifier | |
JP2010240215A (ja) | 静脈深度判定装置、静脈深度判定方法およびプログラム | |
US8320639B2 (en) | Vein pattern management system, vein pattern registration apparatus, vein pattern authentication apparatus, vein pattern registration method, vein pattern authentication method, program, and vein data configuration | |
Bock | Identity Management with Biometrics: Explore the latest innovative solutions to provide secure identification and authentication | |
Faltaous et al. | VPID: towards vein pattern identification using thermal imaging |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
AD01 | Patent right deemed abandoned |
Effective date of abandoning: 20151111 |
|
C20 | Patent right or utility model deemed to be abandoned or is abandoned |