CN104221052A - 生物体认证装置、生物体认证方法、以及生物体认证程序 - Google Patents
生物体认证装置、生物体认证方法、以及生物体认证程序 Download PDFInfo
- Publication number
- CN104221052A CN104221052A CN201280071769.1A CN201280071769A CN104221052A CN 104221052 A CN104221052 A CN 104221052A CN 201280071769 A CN201280071769 A CN 201280071769A CN 104221052 A CN104221052 A CN 104221052A
- Authority
- CN
- China
- Prior art keywords
- biont information
- authentication
- sensor
- biosome
- biosome sensor
- 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
Links
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
-
- 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
-
- 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
- G06V40/70—Multimodal biometrics, e.g. combining information from different biometric modalities
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Human Computer Interaction (AREA)
- Quality & Reliability (AREA)
- Collating Specific Patterns (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明提供一种生物体认证装置,该生物体认证装置具备:第1生物体传感器,其获取用户的生物体信息;第2生物体传感器,其以比上述第1生物体传感器低的再现性获取用户的生物体信息;以及认证处理部,其通过使用了上述第1生物体传感器以及上述第2生物体传感器获取的生物体信息的对照来进行认证,上述认证处理部利用上述第1生物体传感器获取的生物体信息与登录信息的对照成功时的该生物体信息,来对照上述第2生物体传感器获取的生物体信息。
Description
技术领域
本发明涉及生物体认证装置、生物体认证方法、以及生物体认证程序。
背景技术
通过对照由生物体传感器获取的对照数据与登录于数据库的登录数据,来完成生物体认证。近年来,生物体认证不断多样化,专利文献1~3公开了多样化的生物体认证的技术。
专利文献1:日本特开2001-14462号公报
专利文献2:日本特开2006-107340号公报
专利文献3:日本特开2009-169796号公报
然而,专利文献1~3的技术中,在使用了多个生物体传感器的情况下,认证精度可能降低。
发明内容
本发明是鉴于上述课题而完成的,其目的在于,提供能够在使用了多个生物体传感器的情况下抑制认证精度降低的生物体认证装置、生物体认证方法、以及生物体认证程序。
为了解决上述课题,说明书公开的生物体认证装置具备:第1生物体传感器,其获取用户的生物体信息;第2生物体传感器,其以比上述第1生物体传感器低的再现性获取用户的生物体信息;认证处理部,其通过使用了上述第1生物体传感器以及上述第2生物体传感器获取的生物体信息的对照来进行认证,上述认证处理部利用上述第1生物体传感器获取的生物体信息与登录信息的对照成功时的该生物体信息,来对照上述第2生物体传感器获取的生物体信息。
为了解决上述课题,说明书公开的生物体认证方法包括:第1认证处理步骤,其通过获取用户的生物体信息的第1生物体传感器获取的生物体信息与登录信息的对照来进行认证;以及第2认证处理步骤,其通过利用上述第1认证处理步骤中的对照成功的情况下的该生物体信息,来对照以比上述第1生物体传感器低的再现性获取用户的生物体信息的第2生物体传感器获取的生物体信息,来进行认证。
为了解决上述课题,说明书公开的生物体认证程序使计算机执行:第1认证处理步骤,其通过获取用户的生物体信息的第1生物体传感器获取的生物体信息与登录信息的对照来进行认证;以及第2认证处理步骤,其通过利用上述第1认证处理步骤中的对照成功的情况下的该生物体信息,来对照以比上述第1生物体传感器低的再现性获取用户的生物体信息的第2生物体传感器获取的生物体信息,来进行认证。
根据说明书公开的生物体认证装置、生物体认证方法、以及生物体认证程序,能够在使用了多个生物体传感器的情况下抑制认证精度降低。
附图说明
图1是应用了实施例的情景的例子。
图2(a)是用于对实施例1的生物体认证装置的硬件结构进行说明的框图,图2(b)是用于对检测手掌静脉的生物体传感器的一个例子进行说明的示意图。
图3(a)是通过生物体认证程序的执行所实现的各功能的框图,图3(b)是表示登录于登录数据库的登录数据的表的一个例子。
图4是使用了生物体传感器的情况下的认证处理时所执行的流程图的一个例子。
图5是用于对低画质的图像的生成的例子进行说明的图。
图6是用于对低画质的图像的生成的其他的例子进行说明的图。
图7是用于对低画质的图像的生成的其他的例子进行说明的图。
图8是使用了生物体传感器的情况下的认证处理时所执行的流程图的一个例子。
图9是用于对用于推断认证失败的原因的处理流程的一个例子进行说明的图。
图10是用于对针对周边减光的手的大小的影响进行说明的图。
图11是用于对融合分数进行说明的图。
图12是用于对实施例2的生物体认证装置的硬件结构进行说明的框图。
图13是通过生物体认证程序的执行实现的各功能的框图。
图14是使用了生物体传感器的情况下的认证处理时所执行的流程图的一个例子。
图15是使用了第2生物体传感器的情况下的认证处理时所执行的流程图的一个例子。
图16是在图15的步骤S53执行后由服务器实施的流程图的一个例子。
具体实施方式
在实施例的说明之前,对应用了下述的实施例的情景的例进行说明。图1是用于对应用了下述实施例的情景的例进行说明的图。参照图1,配置有入退室管理用的传感器(类型A传感器)、办公室内的PC的登录管理用、以及柜子的上锁管理用等的传感器(类型B传感器)。通过对照由生物体传感器获取的生物体信息与登录于登录数据库的登录信息,完成了生物体认证。
入退室管理是安全的第一步,所以对类型A传感器要求高精度的认证。因此,类型A传感器例如使用认证精度、外部光耐受性等高但大型且高成本的传感器。与此相对的,内置于办公室内的各台式电脑、笔记本电脑等的传感器在大小的方面有限制。另外,导入台数也变多,所以要求削减成本。因此,类型B传感器使用小型且廉价的传感器。该情况下,办公室内的传感器中的认证精度降低。需要改进这样的类型B传感器的认证精度。因此,在以下的实施例中,对能够在使用了多个生物体传感器的情况下抑制认证精度降低的生物体认证装置、生物体认证方法、以及生物体认证程序进行说明。
实施例1
图2(a)是用于对实施例1的生物体认证装置400的硬件结构进行说明的框图。参照图2(a),生物体认证装置400具有终端100、终端200以及存储装置300经由网络而连接的结构。作为该情况下的网络,能够使用内联网、公共网络、因特网等通信网。终端100例如是判定向办公室的入室的许可的装置,终端100是配置于办公室内的PC终端等。
终端100具备CPU101、RAM102、存储装置103、第1生物体传感器104、显示装置105、通信部106等。这些各设备通过总线等连接。终端200具备CPU201、RAM202、存储装置203、第2生物体传感器204、显示装置205、通信部206等。这些各设备通过总线等连接。
CPU(Central Processing Unit:中央处理器)101、201是中央运算处理装置。CPU101、201包括1个以上的内核。RAM(Random AccessMemory:随机存取存储器)102是暂时存储CPU101执行的程序、CPU101处理的数据等的易失性存储器。RAM202是暂时存储CPU201执行的程序、CPU201处理的数据等的易失性存储器。
存储装置103、203是非易失性存储装置。作为存储装置103、203,例如,能够使用ROM(Read Only Memory:只读存储器)、闪存等的固态硬盘(SSD)、被硬盘驱动器驱动的硬盘等。显示装置105是用于显示终端100的各处理的结果等的装置。显示装置205是用于显示生物体认证装置200的各处理的结果等的装置。显示装置105、205例如是液晶显示器等。通信部106、206是用于在与其他设备之间接收发送信号的接口。
第1生物体传感器104以及第2生物体传感器204是获取用户的生物体信息的传感器。用户的生物体信息并不特别限定,是指纹、静脉、虹膜、声纹、形状等的所有的生物体所涉及的信息。本实施例中,作为一个例子,使用检测手掌静脉作为图像的传感器作为第1生物体传感器104以及第2生物体传感器204。图2(b)是用于对检测手掌静脉的第1生物体传感器104的一个例子进行说明的示意图。
第1生物体传感器104是使用对人体的透过性高的近红外线来拍摄手掌的皮下静脉的拍摄装置。在第1生物体传感器104具备了例如CMOS(Complementary Metal Oxide Semiconductor:互补金属氧化物半导体)照相机等。另外,也可以设有照射包括近红外线的光的照明等。第2生物体传感器204也具有与第1生物体传感器104相同的结构。
第1生物体传感器104在获取用户的生物体信息时,具有比第2生物体传感器204高的再现性。即,被第1生物体传感器104多次获取的生物体信息的彼此的类似度比被第2生物体传感器204多次获取的生物体信息的彼此的类似度高。在第1生物体传感器104以及第2生物体传感器204是获取生物体图像的传感器的情况下,第1生物体传感器104具有实现比第2生物体传感器204高画质的装置结构。
此外,这里,对高画质以及低画质进行说明。本实施例中,将满足下述要件的图像的画质称为高画质,不满足下述要件的图像的画质称为低画质。具体而言,也可以将噪声少的图像的画质称为高画质。是因为噪声越少,越能够稳定地提取认证特征,认证精度提高。图像的噪声取决于光源的光量、透镜的性能等。例如,若光量多则噪声减少。能够使用表示亮度的指标的F值作为透镜的性能。
另外,也可以将周边减光小的图像的画质称为高画质。因为若周边减光小,则能够稳定地提取拍摄图像的边缘的特征。另外,因为认证部位的切出处理也稳定,所以认证精度提高。所谓切出处理,是指例如从图像切出作为认证对象的手掌区域的处理。周边减光取决于透镜的性能、照明的均匀度等。
另外,也可以将解像度高的图像的画质称为高画质。是因为若图像的解像度高,则能够拍摄到细微的特征,认证精度提高。图像的解像度取决于拍摄元件(CMOS、CCD)等的性能、传输路径的性能(例如USB的转送能力)等。对于传送路的性能,即使假设通过拍摄元件能够获取高解像度的数据,也因为一般高解像度数据的数据容量大,所以存在若传输路径的容量小,则难以实际利用这样的事情。
另外,也可以将分辨率高的图像的画质称为高画质。分辨率是表示能够区别多么详细的信息的指标。例如是拍摄白以及黑的线对,用于判断是否能够将精细的线对正确地识别为线对的指标。具体而言,若分辨率低,则白与黑混合,视为灰色。分辨率与解像度均取决于透镜的性能。也可以使用透镜的MTF(Modulation Transfer Function:调制传递函数)作为分辨率的指标。
另外,也可以将表面反射少的图像的画质称为高画质。因为若表面反射少,则能够鲜明地拍摄内部特征的静脉图像,认证精度提高。表面反射成分是在手掌与空气的边界产生的反射成分。表面反射能够通过安装偏光板来减少。另外,通过光源的配置以及点亮方法能够减少表面反射。
存储装置300是非易失性存储装置。作为存储装置300,例如能够使用ROM、闪存等的固态硬盘、被硬盘驱动器驱动的硬盘等。存储装置300存储生物体认证程序。此外,生物体认证程序也可以分散存储于存储装置103、203。
接着,对终端100的各处理进行说明。存储于存储装置300的生物体认证程序以能够执行的方式在RAM102、202展开。CPU101执行在RAM102展开的生物体认证程序。CPU201执行在RAM202展开的生物体认证程序。由此,终端100的各处理被执行。
图3(a)是通过生物体认证程序的执行而实现的各功能的框图。参照图3(a),通过生物体认证程序的执行,终端100作为整体控制部11、拍摄处理部12、认证处理部13、模板获取部14、临时模板生成部15、以及图像加工部16发挥作用。通过生物体认证程序的执行,终端200作为整体控制部21、拍摄处理部22、认证处理部23、模板获取部24、以及模板缓存部25发挥作用。另外,通过生物体认证程序的执行,存储装置300作为登录数据库30发挥作用。
整体控制部11控制拍摄处理部12、认证处理部13、模板获取部14、临时模板生成部15以及图像加工部16。拍摄处理部12根据整体控制部11的指示,从第1生物体传感器104获取手掌图像。认证处理部13根据整体控制部11的指示,从拍摄处理部12获取的手掌图像提取手掌的静脉信息作为认证特征,进行认证处理。模板获取部14从登录数据库30获取登录模板(登录数据)用于认证处理部13中的认证。临时模板生成部15根据认证处理部13提取出的认证特征生成临时模板。图像加工部16对拍摄处理部12获取到的图像进行加工。
整体控制部21控制拍摄处理部22、认证处理部23、模板获取部24、以及模板缓存部25。拍摄处理部22根据整体控制部21的指示,从第2生物体传感器204获取手掌图像。认证处理部23根据整体控制部21的指示,从拍摄处理部22获取到的手掌图像提取手掌的静脉信息作为认证特征,进行认证处理。模板获取部24从登录数据库30获取登录模板(登录数据)用于认证处理部23中的认证。模板缓存部25暂时保存临时模板生成部15生成的临时模板。
图3(b)是表示登录于登录数据库30的登录模板的表的一个例子。参照图3(b),在登录模板与各用户的ID建立关联地包含有认证特征。该登录模板能够使用第1生物体传感器104等而预先登录到登录数据库30。以下,对认证处理的详细内容进行说明。
(认证处理)
图4是使用了第1生物体传感器104的情况下的认证处理时所执行的流程图的一个例子。该认证处理例如在对办公室的入室时实施。拍摄处理部12从第1生物体传感器104获取认证用的手掌图像I(步骤S1)。接下来,认证处理部13从手掌图像I提取认证特征F(步骤S2)。接下来,认证处理部13对照认证特征F与模板获取部14从登录数据库30获取到的登录模板TR,计算两者的类似度S(步骤S3)。此外,认证处理部13计算各用户的登录模板(TR1~TRN)与认证特征F的类似度。
接下来,认证处理部13判定任一个用户的类似度S是否为阈值TH0以上(步骤S4)。在步骤S4中判定为“是”的情况下,认证处理部13输出认证成功的信号(步骤S5)。由此,例如对办公室的入室用的门开锁。接下来,图像加工部16通过对已认证成功的手掌图像I进行加工,来生成比图像I低画质的图像I′(步骤S6)。
这里,对生成低画质的图像I′的例子进行说明。例如,在使用再现性低的第2生物体传感器204的情况下,存在得不到足够的照明光量的情况。例如在第2生物体传感器204内置于笔记本电脑的情况下,由于耗电量的关系而需要减少光量。减少了光量的结果,包含有较多图像的噪声。另外,存在图像的获取所使用的拍摄元件(CCD、CMOS等)的尺寸被缩小的情况。若拍摄元件的面积变小,则每单位面积的受光量降低,所以作为结果,噪声增加。小型且廉价的传感器中一般多利用小型的拍摄元件,所以作为结果,呈噪声变多的趋势。
在图像中存在噪声的情况下,特征量(指纹的隆线、静脉图案)等的提取变得不稳定。因此,图像加工部16为了减少第1生物体传感器104获取到的图像的画质与第2生物体传感器204获取到的图像的画质的差异,也可以对第1生物体传感器104获取到的图像附加噪声。例如,图像加工部16事先测定能够表现传感器间的差异的噪声的大小σ,将根据该σ确定的随机噪声添加到手掌图像I的像素。具体而言,图像加工部16根据下述式(1),获取图像I′。其中,在下述式(1)中I′(x)是加工后的图像I′,I(x)是加工前的手掌图像I,N(x)是噪声(平均=0)。
I′(x)=I(x)+N(x) (1)
图5是用于对低画质的图像I′的生成的其他的例子进行说明的图。例如,使用小型的传感器作为第2生物体传感器204的情况下,存在传感器面积小,光源的照射面积被限制的情况。若传感器面积小,则难以将光均匀地照射到手掌等被拍摄体。该情况下,能够通过对第1生物体传感器104获取的图像附加周边减光,来减少第1生物体传感器104获取到的图像的画质与第2生物体传感器204获取到的图像的画质的差异。例如,参照图5,图像加工部16事先求出表示第1生物体传感器104获取的图像的亮度值的分布与第2生物体传感器204获取的图像的亮度值的分布的差异的周边减光转换曲线。并且,图像加工部16通过对第1生物体传感器104获取到的图像应用该周边减光转换曲线,生成低画质的图像I′。由此,第1生物体传感器104获取到的图像的画质与第2生物体传感器204获取到的图像的画质的差异被减少。具体而言,图像加工部16根据下述式(2),获取图像I′。其中,在下述式(2)中,I′(x)是加工后的图像I′,I(x)是加工前的手掌图像I,a(x)是周边减光曲线(a(0)=1.0)。
I′(x)=a(x)·I(x) (2)
图6是用于对低画质的图像I′的生成的其他的例子进行说明的图。例如,使用廉价的传感器作为第2生物体传感器204的情况下,透镜个数、透镜的厚度等受到限制。另外,光学特性根据透镜的材料降低。该情况下,利用第2生物体传感器204获取到的图像的尖锐度(频率特性)降低。该尖锐度能够使用MTF值来表现。MTF值是在频率区域表现了原来的图像通过透镜劣化了何种程度的值。该情况下,能够通过使第1生物体传感器104获取的图像的频率特性劣化,减少第1生物体传感器104获取到的图像的画质与第2生物体传感器204获取到的图像的画质的差异。具体而言,参照图6,图像加工部16事前求出使传感器间的频率特性一致的“频率劣化曲线”,按照该频率劣化曲线使频率特性变更。具体而言,图像加工部16根据下述式(3)获取图像I′。其中,下述式(3)中,F′(f)是加工后的图像I′的傅立叶变换,F(f)是加工前的手掌图像I的傅立叶变换,a(f)是频率劣化曲线。
F′(f)=a(f)·F(f) (3)
此外,也可以应用透镜的形变作为用于吸收透镜的差异的图像加工处理。该情况下,图像加工部16能够通过对于第1生物体传感器104获取到的手掌图像I附加透镜形变,减少第1生物体传感器104获取到的图像的画质与第2生物体传感器204获取到的图像的画质的差异。
图7是用于对低画质的图像I′的生成的其他的例子进行说明的图。例如,能够通过对第2生物体传感器204获取到的手掌图像的亮度值高的区域附加高频噪声,来减少第1生物体传感器104获取到的图像的画质与第2生物体传感器204获取到的图像的画质的差异。表面反射是入射角与反射角相等的反射,所以参照图7,在手掌的“凸区域”产生的可能性高。该区域的平均亮度值高,所以能够将亮度值作为基准来预测表面反射的产生。在存在表面反射的区域,通过表面的皱纹等产生高频的噪声,所以图像加工部16也可以进行对该区域附加高频噪声的加工处理。
再次参照图4,认证处理部13从图像I′提取认证特征,临时模板生成部15将该认证特征作为临时模板TI′输送到模板缓存部25(步骤S7)。此外,在步骤S4中判定为“否”的情况下,认证处理部13输出认证失败的信号(步骤S8)。步骤S7的执行后或者步骤S8的执行后,图4的流程图的执行结束。
图8是使用了第2生物体传感器204的情况下的认证处理时所执行的流程图的一个例子。该认证处理在使用了第1生物体传感器104的认证成功之后实施。例如,在进入了办公室后的PC启动时的BIOS认证、OS的登录认证等时实施。拍摄处理部22从第2生物体传感器204获取认证用的手掌图像I(步骤S11)。接下来,认证处理部23从手掌图像I提取认证特征F(步骤S12)。接下来,认证处理部23对照认证特征F与模板获取部24从登录数据库30获取到的登录模板TR,计算两者的类似度S(步骤S13)。
接下来,认证处理部23判定类似度S是否为阈值TH1以上(步骤S14)。在步骤S14中判定为“否”的情况下,认证处理部23判定类似度S是否为阈值TH2(<TH1)以上(步骤S15)。在步骤S15中判定为“是”的情况下,模板获取部24从模板缓存部5获取临时模板TI′(步骤S16)。
接下来,认证处理部23对照认证特征F与临时模板TI′,计算两者的类似度S′(步骤S17)。接下来,认证处理部23判定类似度S′是否为阈值TH3以上(步骤S18)。在步骤S18中判定为“是”的情况下,或者在步骤S14中判定为“是”的情况下,认证处理部23输出认证成功的信号(步骤S19)。在步骤S18中判定为“否”的情况下,或者在步骤S15中判定为“否”的情况下,认证处理部23输出认证失败的信号(步骤S20)。在步骤S19的执行后或者步骤S20的执行后,图8的流程图的执行结束。
根据本实施例,在进行基于由再现性低的第2生物体传感器204获取到的生物体信息的认证时,能够利用由再现性高的第1生物体传感器104获取到的认证成功的生物体信息。由此,能够使用可靠性高的生物体信息。其结果,能够抑制使用了第2生物体传感器204的认证的精度降低,便利性降低被抑制。另外,由于能够使用可靠性高的生物体信息,所以对第2生物体传感器204不要求高的再现性。由此,能够使用廉价的装置作为第2生物体传感器204,所以能够抑制成本。
然而,在设有多个生物体传感器的情况下,每个生物体传感器需要登录模板。是因为在低画质传感器的情况下,受到被拍摄体(手掌等)的一点点的姿势变动的影响较大,对认证精度的影响较大。与此相对的,根据本实施例,能够利用基于上述认证成功的生物体信息的临时模板,无需对于各生物体传感器分别独立地制作登录模板。由此,能够减少登录模板的量。
根据本实施例,能够推断在第2生物体传感器204认证失败时的原因。具体而言,通过利用由第1生物体传感器104获取到的高画质图像,能够如以下那样进行认证失败的原因的推断。首先,在从将登录模板TR登录到登录数据库30后到实际的认证处理为止的期间存在时间流逝的情况。该情况下,(1)生物体本身的变动、以及(2)姿势变动、噪声等的对照固有的变动等成为认证失败的原因。作为(1)的重要因素,列举有例如表面的伤的影响等。另一方面,(1)的重要因素难以包含于当日采取到的高画质图像。因此,能够通过比较由第1生物体传感器104当日(或者非常近的时间间隔)获取的高画质图像与由第2生物体传感器204获取到的图像来推断认证失败的原因。
图9是用于对用于推断认证失败的原因的处理流程的一个例子进行说明的图。参照图9,拍摄处理部22从第2生物体传感器204获取认证用的手掌图像I(步骤S21)。接下来,认证处理部23对照从手掌图像I提取出的认证特征F与模板获取部24从登录数据库30获取到的登录模板TR,计算两者的类似度S0(步骤S22)。
接下来,认证处理部23判定类似度S0是否为阈值TH0以上(步骤S23)。在步骤S23中判定为“是”的情况下,认证处理部23输出认证成功的信号(步骤S24)。在步骤S23中判定为“否”的情况下,模板获取部24从模板缓存部25获取临时模板TI′(步骤S25)。
接下来,认证处理部23对照认证特征F与临时模板TI′,计算两者的类似度ST(步骤S26)。接下来,认证处理部23判定类似度ST是否为阈值THT以上(步骤S27)。在步骤S27中判定为“是”的情况下,认证处理部23推断生物体的变动是错误原因,使该主旨在显示装置205显示(步骤S28)。在步骤S27中判定为“否”的情况下,认证处理部23推断对照时的生物体的姿势等认证失败,使该主旨在显示装置205显示(步骤S29)。
根据图9的流程图,在第2生物体传感器204中的认证失败的情况下,进行认证特征F与临时模板TI′的对照。如果该情况下的类似度高,则推断在生物体特征产生变动。是因为临时模板TI′与认证特征F的类似度高,但以前登录的登录模板与认证特征F的类似度低。此时,能够通过进行用于吸收传感器间的画质的差异的图像加工处理,来进行正确的判定。
(其他的例子)
上述各例子中,对针对所有用户生成临时模板的结构进行了说明,但并不局限于此。例如,也可以以个人单位使临时模板的生成有效或者无效。例如,参照图10,周边减光对手大的人影响大,另一方面对手小的人没有太大影响。因此,通过对于手掌小的用户抑制临时模板的生成,能够得到减少图像处理所带来的CPU负载、耗电量、存储容量的效果。
另外,表面反射的影响程度因人而异。是因为表面反射受到光的入射角与反射角的影响较大,但手掌的形状因人而异。因此,存在受到表面反射的影响较强的用户与不太受到影响的用户。能够通过仅对表面反射的影响强的特定的用户应用表面反射附加处理来得到上述效果。
在表面反射的情况下与手的大小不同,难以在登录时判定应用的有无。表面反射的影响取决于手掌的举起方,所以仅根据登录时的数次的图像数据判定较难。因此,也可以根据认证结果的历史来判定应用的有无。换句话说,也可以调查规定的期间或者次数的认证失败率,在该认证失败率超过规定的值的情况下,使第1生物体传感器104中的认证成功时的图像的画质降低来生成临时模板。
另外,上述各例中,说明了将对由第1生物体传感器104获取到的图像进行了加工的图像利用在使用了第2生物体传感器204的认证的方式,但并不局限于此。例如,也可以利用组合了从由第2生物体传感器204获取到的图像I提取出的认证特征F与登录模板TR的类似度SR、和认证特征F与临时模板TI′的类似度ST的融合分数(综合类似度)。例如,也可以根据下述式(4),计算综合类似度STOTAL。
STOTAL=(1.0-w)SR+wST (4)
在上述式(4)中,“w”是表示每一个的类似度的权重的系数。在登录模板TR的登录之后的情况下,登录模板TR与临时模板TI′之间的差异变小。另一方面,伴随时间的流逝,登录模板TR与临时模板TI′之间的差异变大。因此,也可以在登录之后先减小“w”,随着时间的流逝增大“w”。此外,在图11的例中,对“w”设定有上限值(0.5)。
此外,再现性低的结构的生物体传感器的种类并不局限于一个。例如,存在设有多种的低画质的生物体传感器的情况。例如,假设设有生物体传感器204a和生物体传感器204b。该情况下,作为画质的劣化重要因素,混杂有多个重要因素。例如,可能在生物体传感器204a存在透镜MTF降低作为劣化重要因素,在生物体传感器204b存在透镜的MTF降低和噪声这样的2个劣化重要因素。这可能在生物体传感器204a与生物体传感器204b共用透镜,但拍摄元件不同的情况等发生。
这样的情况下,可以在根据由第1生物体传感器104获取到的图像生成临时模板TI′时,通过依次应用处理使处理效率化。具体而言,可以首先生成初次应用了MTF劣化处理的临时模板T1,并将该临时模板T1使用于生物体传感器204a中的认证。接着,也可以生成在临时模板T1应用了噪声附加处理的临时模板T2,并将该临时模板T2使用于生物体传感器204b中的认证。这样一来,能够与分别独立地生成各个传感器用图像相比,使处理效率化。
实施例2
实施例1中,对在各终端进行认证处理的方式进行了说明,但也可以用认证服务器实施认证处理。例如,入国时使用高画质传感器,入国后的身份确认等使用低画质传感器的情况等对应。这样的情况下,由认证服务器一并完成认证处理。
图12是用于对实施例2的生物体认证装置400a的硬件结构进行说明的框图。参照图12,生物体认证装置400a具有终端100a、终端200a、存储装置300以及服务器500经由网络而连接的结构。终端100是例如进行入国时的认证的装置,终端200a是例如使用于入国后的身份确认等的终端,服务器500是一并进行认证处理的认证服务器。
终端100a具备CPU101、RAM102、存储装置103、第1生物体传感器104、显示装置105、通信部106等。这些各设备通过总线等连接。终端200a具备CPU201、RAM202、存储装置203、第2生物体传感器204、显示装置205、通信部206等。这些各设备通过总线等连接。服务器500具备CPU501、RAM502、存储装置503、通信部504等。这些各设备通过总线等连接。
CPU501是中央运算处理装置。RAM502是暂时存储CPU501执行的程序、CPU501处理的数据等的易失性存储器。存储装置503是非易失性存储装置。通信部504是用于在与其他设备之间接收发送信号的接口。存储装置300是非易失性存储装置,存储生物体认证程序。此外,生物体认证程序也可以分散存储于存储装置103、203、503。
接着,对生物体认证装置400a的各处理进行说明。存储于存储装置300的生物体认证程序以能够执行的方式在RAM102、202、502展开。CPU101执行在RAM102展开的生物体认证程序。CPU201执行在RAM202展开的生物体认证程序。CPU501执行在RAM502展开的生物体认证程序。由此,生物体认证装置400a的各处理被执行。
图13是通过生物体认证程序的执行实现的各功能的框图。参照图13,通过生物体认证程序的执行,终端100a作为整体控制部11、拍摄处理部12、认证处理部13、临时模板生成部15、以及图像加工部16发挥作用。通过生物体认证程序的执行,终端200a作为整体控制部21、拍摄处理部22、以及认证处理部23发挥作用。另外,通过生物体认证程序的执行,存储装置300作为登录数据库30发挥作用。另外,通过生物体认证程序的执行,服务器500作为整体控制部31、认证处理部32、模板获取部33以及模板缓存部34发挥作用。
在本实施例中,认证处理部13从生物体传感器104获取到的手掌图像提取认证特征,不进行对照处理将该认证特征发送至服务器500。认证处理部23从第2生物体传感器204获取到的手掌图像提取认证特征,不进行对照处理将该认证特征发送至服务器500。
整体控制部31控制认证处理部32、模板获取部33以及模板缓存部34。认证处理部32根据整体控制部31的指示,利用从认证处理部13以及认证处理部23发送来的认证特征来进行认证处理。模板获取部33从登录数据库30获取模板用于认证处理部32中的认证。模板缓存部34暂时保存临时模板生成部15生成的模板。
(认证处理)
图14是使用了生物体传感器104的情况下的认证处理时所执行的流程图的一个例子。该认证处理在入国时等实施。拍摄处理部12从生物体传感器104获取认证用的手掌图像I(步骤S31)。接下来,认证处理部13从手掌图像I提取认证特征F(步骤S32)。接下来,认证处理部13将认证特征F发送至服务器500(步骤S33)。
接下来,认证处理部32对照认证特征F与模板获取部33从登录数据库30获取到的登录模板TR,计算两者的类似度S(步骤S34)。接下来,认证处理部32判定类似度S是否为阈值TH0以上(步骤S35)。在步骤S35中判定为“是”的情况下,认证处理部32输出认证成功的结果(步骤S36)。在步骤S35中判定为“否”的情况下,认证处理部32输出认证失败的结果(步骤S37)。
认证处理部13从认证处理部32接受认证结果(步骤S38)。认证处理部13判定接受到的认证结果是否是成功(步骤S39)。在步骤S39中判定为“是”的情况下,认证处理部13输出认证成功的信号(步骤S40)。接下来,图像加工部16通过对手掌图像I进行加工,生成比图像I低画质的图像I′(步骤S41)。接下来,认证处理部13从图像I′提取认证特征,临时模板生成部15将该认证特征作为临时模板TI′发送到服务器500(步骤S42)。此外,在步骤S39中判定为“否”的情况下,认证处理部13输出认证失败的信号(步骤S43)。在步骤S42的执行后或者步骤S43的执行后,图14的流程图的执行结束。
图15是使用了第2生物体传感器204的情况下的认证处理时所执行的流程图的一个例子。该认证处理在使用了第1生物体传感器104的认证处理成功之后实施。例如,在入国后的身份确认等时实施。拍摄处理部22从第2生物体传感器204获取认证用的手掌图像I(步骤S51)。接下来,认证处理部23从手掌图像I提取认证特征F(步骤S52)。接下来,认证处理部23将认证特征F发送至服务器500(步骤S53)。接下来,认证处理部23从服务器500接受认证结果(步骤S54)。
接下来,认证处理部23判定接受到的认证结果是否是成功(步骤S55)。在步骤S25中判定为“是”的情况下,认证处理部23输出认证成功的信号(步骤S56)。在步骤S55中判定为“否”的情况下,认证处理部23输出认证失败的信号(步骤S57)。在步骤S56的执行后以及步骤S57的执行后图15的流程图结束。
图16是在图15的步骤S53的执行后由服务器500实施的流程图的一个例子。参照图16,认证处理部32从认证处理部23接受认证特征F(步骤S61)。接下来,认证处理部32对照认证特征F与模板获取部33从登录数据库30获取到的登录模板TR,计算两者的类似度S(步骤S62)。
接下来,认证处理部32判定类似度S是否为阈值TH1以上(步骤S63)。在步骤S63中判定为“否”的情况下,认证处理部32判定类似度S是否为阈值TH2(<TH1)以上(步骤S64)。在步骤S64中判定为“是”的情况下,模板获取部33从模板缓存部34获取临时模板TI′(步骤S65)。
接下来,认证处理部32对照认证特征F与临时模板TI′,计算两者的类似度S′(步骤S66)。接下来,认证处理部32判定类似度S′是否为阈值TH3以上(步骤S67)。在步骤S67中判定为“是”的情况下,或者在步骤S64中判定为“是”的情况下,认证处理部32将认证成功的信号返回终端200a(步骤S68)。在步骤S64中判定为“否”的情况下,或者在步骤S67中判定为“否”的情况下,认证处理部32将认证失败的信号返回终端200a(步骤S69)。在步骤S19的执行后或者步骤S20的执行后,图5的流程图的执行结束。
根据本实施例,在进行基于由再现性低的第2生物体传感器204获取到的生物体信息的认证时,能够利用由再现性高的第1生物体传感器104获取到的认证成功的生物体信息。由此,能够使用可靠性高的生物体信息。其结果,能够抑制使用了第2生物体传感器204的认证的精度降低,便利性降低被抑制。另外,能够使用可靠性高的生物体信息,所以对第2生物体传感器204不要求高再现性。由此,能够使用廉价的装置作为第2生物体传感器204,所以能够抑制成本。
以上,对本发明的实施例进行了详述,但本发明并不局限于所涉及的特定的实施例,在权利要求所记载的本发明的主旨的范围内,能够进行各种的变形、变更。
符号说明
11...整体控制部;12...拍摄处理部;13...认证处理部;14...模板获取部;15...临时模板生成部;16...图像加工部;21...整体控制部;22...拍摄处理部;23...认证处理部;24...模板获取部;25...模板缓存部;30...登录数据库;100...终端;104...第1生物体传感器;200...终端;204...第2生物体传感器
Claims (7)
1.一种生物体认证装置,其特征在于,具备:
第1生物体传感器,其获取用户的生物体信息;
第2生物体传感器,其以比所述第1生物体传感器低的再现性获取用户的生物体信息;以及
认证处理部,其通过使用了所述第1生物体传感器以及所述第2生物体传感器获取的生物体信息的对照来进行认证,
所述认证处理部利用所述第1生物体传感器获取的生物体信息与登录信息的对照成功时的该生物体信息,来对照所述第2生物体传感器获取的生物体信息。
2.根据权利要求1所述的生物体认证装置,其特征在于,
具备加工部,该加工部对所述第1生物体传感器获取的生物体信息与登录信息的对照成功时的该生物体信息进行加工,
所述认证处理部通过由所述加工部进行的加工所得到的加工生物体信息与所述第2生物体传感器获取的生物体信息的对照来进行认证。
3.根据权利要求2所述的生物体认证装置,其特征在于,
所述认证处理部在通过所述第2生物体传感器获取的生物体信息与所述登录信息的对照进行的认证失败的情况下,通过所述加工生物体信息与所述第2生物体传感器获取的生物体信息的对照来进行认证。
4.根据权利要求2或者3所述的生物体认证装置,其特征在于,
所述第1生物体传感器以及所述第2生物体传感器是获取生物体图像的传感器,
所述加工部进行使所述第1生物体传感器获取的生物体图像的画质降低的处理。
5.根据权利要求1~4中的任一项所述的生物体认证装置,其特征在于,
所述认证处理部使在所述第1生物体传感器获取的生物体信息与登录信息的对照成功时的该生物体信息和所述第2生物体传感器获取的生物体信息的对照中反映所述第2生物体传感器获取的生物体信息与所述登录信息的对照结果。
6.一种生物体认证方法,其特征在于,包括:
通过获取用户的生物体信息的第1生物体传感器获取的生物体信息与登录信息的对照来进行认证的第1认证处理步骤;以及
通过利用所述第1认证处理步骤中的对照成功的情况下的该生物体信息来对照以比所述第1生物体传感器低的再现性获取用户的生物体信息的第2生物体传感器获取的生物体信息,来进行认证的第2认证处理步骤。
7.一种生物体认证程序,其特征在于,
使计算机执行,
通过获取用户的生物体信息的第1生物体传感器获取的生物体信息与登录信息的对照来进行认证的第1认证处理步骤;以及
通过利用所述第1认证处理步骤中的对照成功的情况下的该生物体信息来对照以比所述第1生物体传感器低的再现性获取用户的生物体信息的第2生物体传感器获取的生物体信息,来进行认证的第2认证处理步骤。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/JP2012/058169 WO2013145166A1 (ja) | 2012-03-28 | 2012-03-28 | 生体認証装置、生体認証方法、および生体認証プログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104221052A true CN104221052A (zh) | 2014-12-17 |
CN104221052B CN104221052B (zh) | 2017-05-10 |
Family
ID=49258532
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201280071769.1A Active CN104221052B (zh) | 2012-03-28 | 2012-03-28 | 生物体认证装置、生物体认证方法、以及生物体认证程序 |
Country Status (6)
Country | Link |
---|---|
US (1) | US9208391B2 (zh) |
EP (1) | EP2833320B1 (zh) |
JP (1) | JP5850138B2 (zh) |
KR (1) | KR101620774B1 (zh) |
CN (1) | CN104221052B (zh) |
WO (1) | WO2013145166A1 (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105783768A (zh) * | 2015-01-08 | 2016-07-20 | 富士通株式会社 | 三维形状测量设备、三维形状测量方法及程序 |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9197637B2 (en) * | 2011-07-08 | 2015-11-24 | Research Foundation Of The City University Of New York | Method of comparing private data without revealing the data |
CH707230B1 (de) * | 2012-11-20 | 2016-02-29 | Frank Türen Ag | Türsystem mit berührungsloser Zutrittskontrolle und berührungsloser Türbedienung. |
US9684778B2 (en) * | 2013-12-28 | 2017-06-20 | Intel Corporation | Extending user authentication across a trust group of smart devices |
US10740335B1 (en) | 2016-01-15 | 2020-08-11 | Accenture Global Solutions Limited | Biometric data combination engine |
JP6717068B2 (ja) * | 2016-06-13 | 2020-07-01 | コニカミノルタ株式会社 | 情報処理端末、情報処理システム、プログラム、および制御方法 |
US11495041B2 (en) * | 2019-03-29 | 2022-11-08 | Jumio Corporation | Biometric identification using composite hand images |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101055611A (zh) * | 2006-04-10 | 2007-10-17 | 富士通株式会社 | 认证方法、认证设备和认证程序存储介质 |
WO2010146675A1 (ja) * | 2009-06-17 | 2010-12-23 | 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 |
CN102034034A (zh) * | 2009-09-30 | 2011-04-27 | 株式会社日立制作所 | 生物认证装置 |
Family Cites Families (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR100342159B1 (ko) | 1996-08-25 | 2002-06-27 | 센사르 인코포레이티드 | 홍채영상 포착장치 및 홍채영상 포착방법 |
JP2001014462A (ja) * | 1999-07-02 | 2001-01-19 | Mitsubishi Electric Corp | 指紋照合システム |
JP3679953B2 (ja) | 1999-09-14 | 2005-08-03 | 富士通株式会社 | 生体情報を用いた個人認証システム |
JP3877959B2 (ja) | 2000-12-28 | 2007-02-07 | 花王株式会社 | 肌色測定装置および肌画像処理装置 |
JP2004021491A (ja) * | 2002-06-14 | 2004-01-22 | Canon Inc | 生体パターン認証装置、生体パターン認証方法及びこの方法を記述したプログラム |
US20080177994A1 (en) * | 2003-01-12 | 2008-07-24 | Yaron Mayer | System and method for improving the efficiency, comfort, and/or reliability in Operating Systems, such as for example Windows |
JP4340618B2 (ja) | 2004-10-08 | 2009-10-07 | 富士通株式会社 | 生体情報認証装置及び方法,並びに生体情報認証プログラム及び生体情報認証プログラムを記録したコンピュータ読取可能な記録媒体 |
JP2006202212A (ja) * | 2005-01-24 | 2006-08-03 | Konica Minolta Business Technologies Inc | 個人認証装置、情報処理装置及び個人認証システム |
US8953849B2 (en) * | 2007-04-19 | 2015-02-10 | Eyelock, Inc. | Method and system for biometric recognition |
JP5094440B2 (ja) | 2008-01-18 | 2012-12-12 | 日立オムロンターミナルソリューションズ株式会社 | システム管理装置、およびセキュリティシステム |
JP5810581B2 (ja) * | 2011-03-29 | 2015-11-11 | 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 |
-
2012
- 2012-03-28 JP JP2014507134A patent/JP5850138B2/ja active Active
- 2012-03-28 CN CN201280071769.1A patent/CN104221052B/zh active Active
- 2012-03-28 EP EP12873357.3A patent/EP2833320B1/en active Active
- 2012-03-28 KR KR1020147026224A patent/KR101620774B1/ko active IP Right Grant
- 2012-03-28 WO PCT/JP2012/058169 patent/WO2013145166A1/ja active Application Filing
-
2014
- 2014-09-24 US US14/494,944 patent/US9208391B2/en active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101055611A (zh) * | 2006-04-10 | 2007-10-17 | 富士通株式会社 | 认证方法、认证设备和认证程序存储介质 |
WO2010146675A1 (ja) * | 2009-06-17 | 2010-12-23 | 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 |
CN102034034A (zh) * | 2009-09-30 | 2011-04-27 | 株式会社日立制作所 | 生物认证装置 |
Non-Patent Citations (2)
Title |
---|
KOICHIRO NIINUMA等: "Soft Biometric Traits for Continuous User Authentication", 《IEEE TRANSACTIONS ON INFORMATION FORENSICS AND SECURITY》 * |
辛阳 等: "基于PKI和PMI的生物认证系统研究", 《电子与信息学报》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105783768A (zh) * | 2015-01-08 | 2016-07-20 | 富士通株式会社 | 三维形状测量设备、三维形状测量方法及程序 |
CN105783768B (zh) * | 2015-01-08 | 2018-09-04 | 富士通株式会社 | 三维形状测量设备、三维形状测量方法 |
Also Published As
Publication number | Publication date |
---|---|
KR20140138185A (ko) | 2014-12-03 |
EP2833320B1 (en) | 2018-04-18 |
JPWO2013145166A1 (ja) | 2015-08-03 |
CN104221052B (zh) | 2017-05-10 |
KR101620774B1 (ko) | 2016-05-12 |
US9208391B2 (en) | 2015-12-08 |
WO2013145166A1 (ja) | 2013-10-03 |
JP5850138B2 (ja) | 2016-02-03 |
EP2833320A1 (en) | 2015-02-04 |
US20150010217A1 (en) | 2015-01-08 |
EP2833320A4 (en) | 2015-06-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104221052A (zh) | 生物体认证装置、生物体认证方法、以及生物体认证程序 | |
CN108804884B (zh) | 身份认证的方法、装置及计算机存储介质 | |
US20190281051A1 (en) | Context-aware biometric access control policies | |
US8942431B2 (en) | Biometrics based methods and systems for user authentication | |
US20170279800A1 (en) | Enhancing authentication and source of proof through a dynamically updatable biometrics database | |
CN109863490A (zh) | 生成包括保证分数的认证断言 | |
DE202013012646U1 (de) | Gesichtserkennung | |
WO2007009016A2 (en) | System for and method of securing fingerprint biometric systems against fake-finger spoofing | |
US11663853B2 (en) | Iris authentication device, iris authentication method, and recording medium | |
JP2008191743A (ja) | 顔認証装置 | |
US11804959B2 (en) | System and method for securing personal information via biometric public key | |
CN108335099A (zh) | 移动支付的方法、装置、移动终端及存储介质 | |
EP3005215A2 (en) | Passive security of applications | |
US20190188364A1 (en) | Biometric authentication | |
WO2021050042A1 (en) | Face authentication embedding migration and drift-compensation | |
CN104751156A (zh) | 一种可调光的手指静脉图像采集系统 | |
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 | |
CN112699811B (zh) | 活体检测方法、装置、设备、储存介质及程序产品 | |
KR102234257B1 (ko) | 무자각 인증을 이용한 금융 서비스를 제공하는 어플리케이션 및 서비스 제공 방법 | |
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 | |
Chadha et al. | Biometric signature processing & recognition using radial basis function network | |
RU2690716C1 (ru) | Способ и устройство самоадаптивной идентификации для идентифицирования защищенного документа | |
CN109964231B (zh) | 动态注册种子 | |
Lone et al. | Smartphone-based biometric authentication scheme for access control management in client-server environment | |
Alotaibi et al. | A novel transparent user authentication approach for mobile applications |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |