CN105512530A - 生物信息校正装置和生物信息校正方法 - Google Patents

生物信息校正装置和生物信息校正方法 Download PDF

Info

Publication number
CN105512530A
CN105512530A CN201510632750.5A CN201510632750A CN105512530A CN 105512530 A CN105512530 A CN 105512530A CN 201510632750 A CN201510632750 A CN 201510632750A CN 105512530 A CN105512530 A CN 105512530A
Authority
CN
China
Prior art keywords
image
unit
palmmprint
line
vein pattern
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201510632750.5A
Other languages
English (en)
Other versions
CN105512530B (zh
Inventor
松涛智明
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Fujitsu Ltd
Original Assignee
Fujitsu Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Fujitsu Ltd filed Critical Fujitsu Ltd
Publication of CN105512530A publication Critical patent/CN105512530A/zh
Application granted granted Critical
Publication of CN105512530B publication Critical patent/CN105512530B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/30—Authentication, i.e. establishing the identity or authorisation of security principals
    • G06F21/31—User authentication
    • G06F21/32—User authentication using biometric data, e.g. fingerprints, iris scans or voiceprints
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/24—Aligning, centring, orientation detection or correction of the image
    • G06V10/243—Aligning, centring, orientation detection or correction of the image by compensating for image skew or non-uniform image deformations
    • 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
    • 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
    • G06V40/13—Sensors therefor
    • G06V40/1318—Sensors therefor using electro-optical elements or layers, e.g. electroluminescent sensing
    • 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
    • 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
    • G06V40/1365—Matching; Classification
    • 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
    • G06V40/145—Sensors therefor
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/14—Vascular patterns

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Human Computer Interaction (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Vascular Medicine (AREA)
  • Computer Security & Cryptography (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Software Systems (AREA)
  • Computer Hardware Design (AREA)
  • General Engineering & Computer Science (AREA)
  • Collating Specific Patterns (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Biomedical Technology (AREA)
  • Pathology (AREA)
  • Biophysics (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Medical Informatics (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Public Health (AREA)
  • Veterinary Medicine (AREA)

Abstract

提供了一种生物信息校正装置和生物信息校正方法。该生物信息校正装置，包括：掌纹特征点提取单元，该掌纹特征点提取单元从第一图像中提取用户的手的掌纹的两个特征点，该第一图像通过捕获该掌纹所获得并且表示该掌纹；以及校正单元，该校正单元根据连接两个特征点的线的定向对第二图像上的用户的手的静脉图案或者从该第二图像中提取的静脉图案的特征部分进行旋转，该第二图像由获取静脉图案的生物信息获取单元所获得。

Description

生物信息校正装置和生物信息校正方法
技术领域
本文中所讨论的实施例涉及用于校正在图像上所表示的生物信息的生物信息校正装置和生物信息校正方法。
背景技术
近年，生物认证技术得到发展，生物认证技术用于通过使用诸如指纹或手指静脉图案的生物信息来确定是否对个体进行认证。生物认证技术被广泛用于对各种服务的可访问性做出确定，诸如确定是否允许进入/离开房间、确定是否允许访问计算机以及在线交易中的用户认证。
例如，当手的静脉图案被用作生物信息时，生物认证装置通过传感器获取表示静脉图案的生物图像作为输入的生物图像。生物认证装置确定输入的生物信息与已登记的生物信息是否匹配，其中，输入的生物信息是由输入的生物图像所表示的用户的静脉图案，已登记的生物信息是由预先登记的已登记用户的生物图像所表示的静脉图案。当基于匹配处理的结果确定输入的生物信息与已登记的生物信息匹配时，生物认证装置将用户认证为授权的已登记用户。然后，生物认证装置允许已认证的用户使用其中并入了该生物认证装置的主机装置或者连接到该生物认证装置的装置。
在一些情况下，包括生物信息的部分相对于传感器的姿态在登记时与在匹配生物信息时可能不同。在这样的情况下，在所获得的生物图像上所表示的生物信息的定向、位置以及比例在登记时与在匹配时可能不同。在生物图像上的生物信息的定向、位置或比例在登记时与在匹配时不同的情况下，生物图像之间的生物信息的特征点的位置也不同。由于错误拒绝率增大，因此这是不可取的。有鉴于此，提出了用于减少生物图像上的生物信息的位置偏移的技术(例如，参见PCT国际公开第2010/086993号、日本公开特许公报第2008-134862号以及日本公开特许公报第2010-26658号)。
例如，在PCT国际公开第2010/086993号中公开的认证装置计算在登记时和在匹配时身体部分相对于成像装置的位置的差异，并且输出引导信息以提示用户减少该差异。
在日本公开特许公报第2008-134862号中公开的静脉认证装置捕获指腹侧的手指关节纹路图像，并且计算所放置的手指距手指关节纹路图像的位置偏移以及表示该偏移的距离值以校正静脉图像的位置。
在日本公开特许公报第2010-26658号中公开的手掌位置检测装置检测图像中的手掌的水平方向，并且基于该水平方向来旋转该图像以检测该手掌的上端、下端、左端以及右端的坐标。
发明内容
然而，在PCT国际公开第2010/086993号中公开的技术中，除非用户根据引导信息适当地校正身体部分的位置，否则在登记时输入的生物图像上的身体部分的位置与在匹配时输入的生物图像上的身体部分的位置之间的差异不会减少。在日本公开特许公报第2008-134862号中公开的技术中，即使在登记时的手指关节纹路位置与匹配时的手指关节纹路位置相同的情况下，当在登记时手指的定向与在匹配时手指的定向不同时，也难以适当地校正静脉的位置偏移，因为登记时手指关节纹路的位置与匹配时手指关节纹路的位置相同。在日本公开特许公报第2010-26658号中公开的技术中，在一些情况下，要用于匹配的生物信息以及要用于对定向偏移和位置偏移进行校正的手掌的上端、下端、左端以及右端不在一个图像上表示。在这样的情况下，为了适当地校正定向偏移和位置偏移，重复地捕获生物信息的图像，直到获得包括生物信息以及手掌的上端、下端、左端以及右端的图像为止。
本发明的一个方面的目的是提供一种能够减少图像上所表示的静脉图案的定向偏移的影响的生物信息校正装置。
根据实施例，提供了一种生物信息校正装置。该生物信息校正装置包括：掌纹特征点提取单元，该掌纹特征点提取单元从第一图像中提取用户的手的掌纹的两个特征点，该第一图像通过捕获掌纹所获得并且表示该掌纹；以及校正单元，该校正单元根据连接两个特征点的线的定向对第二图像上的用户的手的静脉图案或者从该第二图像中提取的静脉图案的特征部分进行旋转，该第二图像由捕获静脉图案的生物信息获取单元所获得。
附图说明
图1是示意性示出根据生物信息校正装置的第一实施例的生物认证装置的配置的图。
图2是根据第一实施例的生物认证装置的处理单元的功能框图。
图3是示出了掌纹图像的示例的图。
图4A是示出了在静脉图案的位置被校正之后的静脉图像的示例的图。
图4B是示出了在静脉图案的旋转被校正之后的静脉图像的示例的图。
图4C是示出了在静脉图案的比例被校正之后的静脉图像的示例的图。
图5是示出了生物认证处理的操作流程图。
图6是示意性地示出了根据生物信息校正装置的第二实施例的生物认证装置的配置的图。
图7是根据第二实施例的生物认证装置的处理单元的功能框图。
图8A是示出了在修改示例中要提取的掌纹的特征点的图。
图8B是示出了在修改示例中要提取的掌纹的特征点的图。
图9是示意性示出了其中并入了根据实施例和这些实施例的修改示例中的任一个的生物认证装置的计算机系统的示例的配置的图。
具体实施方式
在下文中，将参照附图来描述生物信息校正装置。
生物信息校正装置对要用于匹配的表示手的静脉图案的静脉图像上的静脉图案在登记时的定向、位置以及比例与在匹配时的定向、位置以及比例之间的偏移进行校正。为了这个目的，生物信息校正装置从表示掌纹的掌纹图像中检测该掌纹的两个特征点，该掌纹图像通过在获得静脉图像时捕获包括静脉图案的手的掌纹所获得。然后，生物信息校正装置旋转静脉图像上的静脉图案，以使连接静脉图像上与两个分别的特征点对应的两个点的线的定向与预定方向一致。
在本说明书中，术语“匹配处理”用来指代用于计算指标的处理，该指标指示在登记时输入的用户的生物信息与在匹配时输入的用户的生物信息之间的差异度或相似度。此外，术语“生物认证处理”用来指代整个认证处理，该整个认证处理不仅包括匹配处理，而且还包括用于通过使用由匹配处理所获得的指标来确定用户是否为认证用户的处理。
图1是示意性示出了根据生物信息校正装置的第一实施例的生物认证装置的图。如图1所示，生物认证装置1包括显示单元2、输入单元3、生物信息获取单元4、存储设备5、存储器6以及处理单元7。显示单元2、输入单元3以及生物信息获取单元4可以被设置成与包含存储设备5、存储器6以及处理单元7的壳体分离。可替代地，显示单元2、输入单元3、生物信息获取单元4、存储设备5、存储器6以及处理单元7可以被包含在单个壳体中。生物认证装置1还可以包括用于访问诸如半导体存储卡或光学存储介质的存储介质的存储介质访问装置(未示出)。然后，生物认证装置1可以经由存储介质访问装置读取存储在存储介质上的并且要在处理单元7上执行的生物认证计算机程序，并且生物认证装置1可以依照计算机程序来实施生物认证处理。
生物认证装置1基于由生物信息获取单元4所生成的表示用户的手的静脉图案的静脉图像，通过将用户的静脉图案与每个已登记用户的静脉图案进行比较来实施生物认证处理。当作为生物认证处理的结果将用户认证为已登记用户中之一时，生物认证装置1允许用户使用其中并入了生物认证装置1的主机装置。可替代地，生物认证装置1将指示该用户已被认证的信号发送到其他装置(未示出)，并且允许该用户使用该其他装置。
例如，显示单元2包括显示设备诸如液晶显示器。显示单元2向用户显示引导消息，例如，该引导消息指示用于放置他的或她的手的位置。显示单元2还显示指示由处理单元7实施的生物认证处理的结果的消息或者与被执行的应用相关联的各种类型的信息。
例如，输入单元3包括用户接口诸如键盘、鼠标或触摸板。由用户经由输入单元3输入的用户标识信息诸如用户名或用户编号、命令或数据被传送到处理单元7。然而，当用户不需要向生物认证装置1输入生物信息以外的任何信息时，可以省略输入单元3。
例如，生物信息获取单元4从手的手掌侧捕获用户的双手中的一只手的静脉图案，并且生成表示该静脉图案的静脉图像。另外，生物信息获取单元4从手的手掌侧捕获包括要用于匹配的静脉图案的掌纹，并且生成表示该手的掌纹的掌纹图像。
生物信息获取单元4包括例如用于发射近红外光的第一照明光源、用于发射可见光的第二照明光源以及包括对近红外光和对可见光敏感的固态图像感测设备的二维阵列的区域传感器。生物信息获取单元4还包括用于在区域传感器上形成静脉图案或掌纹图案的图像的成像光学系统。生物信息获取单元4还包括将手以手掌朝上的方式放置于其上的基座。区域传感器、第一照明光源以及第二照明光源被布置在基座上方并且方向向下以面向基座，手被放置在区域传感器、第一照明光源以及第二照明光源与基座之间。第一照明光源可以是例如红外发光二极管。第二照明光源可以是例如白色发光二极管。
例如，为了捕获静脉图案，生物信息获取单元4响应于来自处理单元7的控制信号而接通第一照明光源并且关断第二照明光源，以及捕获静脉图案。生物信息获取单元4将通过该捕获所获得的静脉图像输出到处理单元7。例如，为了捕获掌纹，生物信息获取单元4响应于来自处理单元7的控制信号而关断第一照明光源并且接通第二照明光源，以及捕获掌纹。生物信息获取单元4将通过该捕获所获得的掌纹图像输出到处理单元7。
存储设备5是存储单元的示例，并且存储设备5包括例如磁记录盘和用于访问该磁记录盘的访问设备。存储设备5存储在生物认证装置1中要使用的应用程序、至少一个已登记用户的用户名、用户标识号以及个人设定信息、各种类型的数据等。存储设备5还存储用于实施生物认证处理的程序。此外，对于每个已登记用户，存储设备5将表示双手中的一只手的静脉图案的特征的匹配特征信息、作为已登记用户的生物信息的静脉图案连同已登记用户的用户标识信息诸如已登记用户的用户名和用户标识号一起存储。
在本实施例中，当在每个静脉图像上所表示的静脉图案中包括的每条静脉由多条线段表示时，匹配特征信息包括指示每条线段的位置、长度以及斜率的信息。每条线段的位置由该线段的中点在静脉图像上的坐标来表示。例如，每条线段的长度由线段的两个端点的坐标或者线段两端之间的距离来表示。例如，每条线段的斜率由静脉图像上的水平线与该线段之间的夹角来表示。每个已登记用户的匹配特征信息通过将在下文中描述的登记处理获得，然后，该匹配特征信息被存储在存储设备5中。
存储器6是存储单元的另一示例，并且存储器6包括例如非易失性半导体存储器和易失性半导体存储器。存储器6临时存储在处理单元7上执行的程序中要使用的各种数据。
处理单元7包括一个或更多个处理器以及该一个或更多个处理器的外围电路。处理单元7控制生物认证装置1的每个单元。例如，处理单元7控制生物信息获取单元4，以使生物信息获取单元4捕获用户的双手中的一只手的静脉图案和该手的掌纹。优选地，处理单元7使生物信息获取单元4在用户的手保持静止期间的时间段例如几百毫秒内捕获静脉图案和掌纹。然后，处理单元7从生物信息获取单元4获得表示静脉图案的静脉图像和表示掌纹的掌纹图像。然后，处理单元7基于掌纹图像来校正静脉图像上所表示的静脉图案的定向、位置和比例。然后，处理单元7从其中静脉图案的定向、位置以及比例被校正的静脉图像中提取匹配特征信息。然后，处理单元7登记该匹配特征信息，或者通过使用该匹配特征信息来判定是否认证该用户。
图2是处理单元7的功能框图。如图2所示，处理单元7包括掌纹特征点提取单元11、校正单元12、特征提取单元13、匹配单元14、认证判定单元15以及登记单元16。包括在处理单元7中的这些单元是通过执行在处理单元7中包含的处理器上执行的计算机程序来实现的功能性模块。可替代地，包括在处理单元7中的这些单元可以被实现为生物认证装置1上的固件。
掌纹特征点提取单元11、校正单元12以及特征提取单元13被用于生物认证处理和登记处理二者。匹配单元14和认证判定单元15被用于生物认证处理。同时，登记单元16被用于登记处理。在下文中，首先将描述与生物认证处理相关的单元。
掌纹特征点提取单元11从掌纹图像中提取掌纹在不同位置处的两个特征点，其用作校正静脉图像时的基准点。
图3是示出了掌纹图像的示例的图。掌纹被表示在掌纹图像300中。特别地，主线诸如感情线、智慧线以及生命线是掌纹上的粗褶皱，因此与其他褶皱相比相对易于区分。因此，有很高的可能性从掌纹图像中准确地检测到主线。有鉴于此，在本实施例中，掌纹特征点提取单元11从主线的端点中提取最左边的端点和最右边的端点作为掌纹的特征点。在图3所示的示例中，右手的掌纹被表示在掌纹图像300上。因此，生命线301的拇指侧端点S和感情线302的小指侧端点K被提取为特征点。因此，生物认证装置1可以基于相对彼此远离的两个可精确检测的基准点来校正静脉图像上的静脉图案的定向。这使得可以减少由对特征点等的检测误差造成的基准点的位置偏移对静脉图案的定向的校正的影响。
在本实施例中，掌纹特征点提取单元11将掌纹图像上包括手掌的主体区域与不包括手掌的背景区域进行区分以提取掌纹的特征点。在本实施例中，生物信息获取单元4的第二照明光源和区域传感器被布置成面向手的同一侧。因此，表示用户的手掌的像素的亮度值高于不表示用户的手掌的像素的亮度值。有鉴于此，例如，掌纹特征点提取单元11提取其中每个像素的亮度值不小于主体判定阈值的一组像素作为主体区域。例如，主体判定阈值被设定成预设的固定值(例如，10)或者掌纹图像中各像素的亮度值的平均值。
然后，掌纹特征点提取单元11基于掌纹判定阈值将主体区域二值化以创建二值化掌纹图像，在二值化掌纹图像中，具有表示手掌上的褶皱的可能性的几组像素与一组其他像素被区分。例如，表示手掌上的褶皱的每个像素的亮度值低于表示这些褶皱的像素周围的每个像素的亮度值。有鉴于此，掌纹特征点提取单元11将具有不大于掌纹判定阈值的亮度值的每个像素判定为具有表示掌上的褶皱的可能性的像素，而将具有大于掌纹判定阈值的亮度值的每个像素判定为不表示任何褶皱的像素。例如，掌纹判定阈值被设定成主体区域中的像素的亮度值的平均值。可替代地，可以通过应用大津法(Otsu'smethod)以用于将主体区域中的像素的亮度值的分布二值化来确定掌纹判定阈值。在下文中，为了方便起见，将具有表示手掌上的褶皱的可能性的每个像素称为褶皱像素。
可替代地，掌纹特征点提取单元11可以对主体区域中的每个像素应用边缘检测滤波法诸如索贝尔(Sobel)滤波法或拉普拉斯(Laplacian)滤波法，并且可以将检测到的每个像素设定为褶皱像素。
掌纹特征点提取单元11对二值化掌纹图像中的每组褶皱像素进行细线化处理，从而将连接褶皱像素的线细线化以形成具有例如一个像素宽度的线。掌纹特征点提取单元11关于细线化并且二值化的掌纹图像执行标记处理，并且为各自连接褶皱像素的各条线分配不同的标记。因此，各自连接褶皱像素的线被彼此区分。掌纹上的主线相对较长。因此，掌纹特征点提取单元11从连接褶皱像素的线中选择预定数量的最长线(例如4条，其中4等于主线的数量)。然后，掌纹特征点提取单元11将主线中的任何一条主线与主体区域的右端之间的交点以及主线中的任何一条主线与主体区域的左端之间的交点设定为掌纹的特征点。当掌纹图像上所表示的手是用户的右手时，掌纹特征点提取单元11将主线中的任何一条主线与主体区域的右端相交处的点设定为生命线的拇指侧端点S，以及将主线中的任何一条主线与主体区域的左端相交处的点设定为感情线的小指侧端点K。
当没有主线与主体区域的右端相交时，掌纹特征点提取单元11可以将主线的端点中的最右边的端点设定为生命线的拇指侧端点S。类似地，当没有主线与主体区域的左端相交时，掌纹特征点提取单元11将主线的端点中的最左边的端点设定为感情线的小指侧端点K。
当掌纹图像上所表示的手是用户的左手时，与上述示例相反，掌纹特征点提取单元11将所选择的主线与主体区域的左端相交处的点设定为生命线的拇指侧端点S，并且将所选择的主线与主体区域的右端相交处的点设定为感情线的小指侧端点K。
掌纹特征点提取单元11将端点K的坐标和端点S的坐标通知给校正单元12。
校正单元12依赖于连接作为掌纹的两个特征点的端点K和端点S的线的定向来校正静脉图像上的静脉图案的定向。在本实施例中，校正单元12基于端点K和端点S来进一步校正静脉图像上的静脉图案的位置和比例。在下文中，为了方便起见，将静脉图像上与掌纹的两个特征点对应并且在对定向、位置等进行校正时用作基准的两个点称为基准点。
在本实施例中，掌纹图像和静脉图像二者由生物信息获取单元4生成。因此，假设静脉图像中位于与掌纹图像上的感情线的端点K相同位置处的像素K'位于感情线的端点K的位置处。类似地，假设静脉图像中位于与掌纹图像上的生命线的端点S相同位置处的像素S'位于生命线的端点S的位置处。有鉴于此，校正单元12将象素K'和像素S'设定为基准点。
校正单元12对静脉图像上的每个像素执行平行移动，以使静脉图案位于静脉图像上的预定位置处。为了这个目的，校正单元12获得基准点K'与基准点S'之间的中点C。然后，校正单元12获得中点C与静脉图像的中心之间的偏移量作为平行移动量，并且以该平行移动量对静脉图像上的每个像素进执行平行移动，以使得中点C与静脉图像的中心一致。
图4A是示出了在静脉图案的位置被校正之后的静脉图像的示例的图。在静脉图像400中，针对每个像素执行平行移动，以使得基准点K'与基准点S'之间的中点C与静脉图像400的中心一致。
随后，校正单元12旋转静脉图像上的每个像素，以使得静脉图案的定向与预定方向一致。在本实施例中，校正单元12获得连接基准点K'与基准点S'的线相对于水平方向的夹角θ作为该线的定向，以使连接基准点K'与基准点S'的线与静脉图像的水平方向一致。然后，校正单元12在平行移动后的静脉图像上将静脉图像上的每个像素绕基准点K'与基准点S'之间的中点C旋转角度(﹣θ)。
图4B是示出了在静脉图案的定向被校正之后的静脉图像的示例的图。在静脉图像410中，每个像素被转动，以使连接基准点K'与基准点S'的线411的定向与水平方向一致。
在静脉图案的定向被校正之后，校正单元12校正静脉图案的比例，以使基准点K'与基准点S'之间的距离等于预定距离。在本实施例中，校正单元12获得静脉图像的水平尺寸与基准点K'和基准点S'之间的距离的比率作为比例调整量。校正单元12通过将中点C与该像素之间的距离乘以该比例调整量来获得针对静脉图像上的每个像素的校正距离，使得基准点K'与基准点S'之间的距离等于静脉图像的水平尺寸。然后，校正单元12将静脉图像上的每个像素沿着从中点C朝向静脉图像上的该像素的方向移动到与校正距离对应的位置。因此，可以获得其中静脉图像上的静脉图案的定向、位置以及比例被校正的静脉图像。
图4C是示出了在静脉图案的比例被校正之后的静脉图像的示例的图。在静脉图像420中，静脉图案的比例被调整，以使得基准点K'和基准点S'位于静脉图像420的图像端部。
校正单元12可以在静脉图像上的每个像素的位置被实际移动之前基于基准点K'和基准点S'来获得平行移动量、旋转量以及比例调整量。校正单元12可以利用根据平行移动量、旋转量以及比例调整量所获得的仿射变换系数，通过对静脉图像上的每个像素应用仿射变换来获得校正后的静脉图像。
校正单元12将校正后的静脉图像传送到特征提取单元13。
特征提取单元13从校正后的静脉图像中提取匹配特征信息，该匹配特征信息为在匹配中要使用的特征信息。在本实施例中，特征提取单元13提取在校正后的静脉图像上所表示的近似表示静脉的多条线段作为匹配特征信息。
特征提取单元13对静脉图像应用与在掌纹特征点提取单元11从掌纹图像中指定主体区域时应用的处理相同的处理，以区分静脉图像上的包括手的主体区域以及不包括手的背景区域。
随后，特征提取单元13基于静脉判定阈值将主体区域或者而在主体区域中内接的矩形区域二值化，以创建二值化静脉图像，在该二值化静脉图像中对具有表示静脉的可能性的像素的组与其他像素的组进行区分。例如，表示静脉的每个像素的亮度值低于表示静脉的像素周围的每个像素的亮度值。有鉴于此，特征提取单元13将具有不大于静脉判定阈值的亮度值的每个像素判定为具有表示静脉的可能性的像素，而将具有大于静脉判定阈值的亮度值的每个像素判定为不表示任何静脉的像素。例如，静脉判定阈值被设定为主体区域中的像素的亮度值的平均值。可替代地，可以通过应用大津法以用于将主体区域中的像素的亮度值的分布二值化来确定静脉判定阈值。在下文中，为了方便起见，具有表示静脉的可能性的每个像素将被称为静脉像素。
特征提取单元13对二值化静脉图像上的每组静脉像素应用细线化处理，从而将连接静脉像素的线细线化，以形成具有例如一个像素宽度的线。通过细线化所获得的每条线表示单条静脉。因为静脉通常不是直线，因此特征提取单元13将通过细线化所获得的每条线划分成近似表示静脉的多条线段。
例如，特征提取单元13对通过细线化所获得的每条线实施下述处理以将该线划分为多条线段。在下文中，为了方便起见，通过细线化所获得的并且对其应用处理的线将被称为目标线。
特征提取单元13计算连接目标线的两端的直线，并且获得目标线上的每个像素与该直线之间的距离。当所获得的距离之中的最大值不小于预定阈值(例如，5)时，特征提取单元13在与最大距离值对应的像素处划分目标线。特征提取单元13通过将通过划分目标线所获得的每条线用作下一条目标线来实施上述处理。特征提取单元13反复实施上述处理，直到最大距离值变得小于预定阈值为止。当最大距离值小于预定阈值时，特征提取单元13将目标线确定为单条线段。
特征提取单元13针对所获得的每条线段计算该线段的中点的坐标作为该线段的位置。特征提取单元13还针对每条线段计算该线段的长度和斜率作为该线段的属性。然后，当实施生物认证处理时，特征提取单元13将包括每条线段的中点的坐标、长度以及斜率的匹配特征信息输出到匹配单元14。
可替代地，特征提取单元13可以将校正后的静脉图像本身或者根据校正后的静脉图像获得的二值化静脉图像设定为匹配特征信息。
当要执行登记处理时，特征提取单元13将匹配特征信息输出到登记单元16。
匹配单元14通过使用该用户的匹配特征信息和每个已登记用户的匹配特征信息将该用户的静脉图案与每个已登记用户的静脉图案进行比较。然后，匹配单元14获得指示该用户的静脉图案与已登记用户的静脉图案之间的相似度的匹配分数作为匹配处理的结果。
例如，匹配单元14针对包括在用户的匹配特征信息中的每条线段计算该线段与包括在已登记用户的匹配特征信息中的线段中的最近的一条线段之间的距离。匹配单元14可以将两条分别的目标线段的中点之间的距离设定为这两条线段之间的距离。可替代地，匹配单元14可以计算包括在这两条目标线段中的像素之中不匹配的像素的总数量，即汉明(Hamming)距离。在这种情况下，匹配单元14可以将按照这两条目标线段中的一条目标线段的长度划分汉明距离所获得的值或者汉明距离本身设定为这两条目标线段之间的距离。
匹配单元14计算下述距离的平均值的倒数作为匹配分数，该距离是针对包括在该用户的匹配特征信息中的线段所计算的。在该计算中，当平均距离值小于预定值(例如，0.1到1)时，匹配单元14可以将匹配分数设定为最大可能值(例如，1)。
可替代地，匹配单元14可以通过将各自距包括在已登记用户的匹配特征信息中的线段中的最近的线段下述距离的线段的数量除以包括在该用户的匹配特征信息中的线段的总数量所获得的值设定为匹配分数，上述距离不大于预定值。
当匹配特征信息表示校正后的静脉图像本身时，匹配单元14可以计算用户的校正后的静脉图像与已登记用户的校正后的静脉图像之间的归一化互相关值作为匹配分数。类似地，当匹配特征信息表示根据校正后的静脉图像而获得的二值化静脉图像时，匹配单元14可以计算用户的二值化静脉图像与已登记用户的二值化静脉图像之间的归一化互相关值作为匹配分数。
匹配单元14将匹配分数和已登记用户的标识信息传送到认证判定单元15。
当匹配分数不低于认证判定阈值时，认证判定单元15判定该用户的静脉图案与已登记用户的静脉图案匹配。然后，认证判定单元15将用户认证为已登记用户。当该用户被认证时，认证判定单元15将认证结果通知给处理单元7。
另一方面，当匹配分数低于认证判定阈值时，认证判定单元15判定该用户的静脉图案与已登记用户的静脉图案不匹配。在这种情况下，认证判定单元15不将该用户认证为已登记用户。认证判定单元15将指示对用户认证失败的认证结果通知给处理单元7。处理单元7可以使显示单元2显示指示该认证结果的消息。
优选地将认证判定阈值设定为下述值：该值使得仅当已登记用户中的任何一个已登记用户是该用户时，认证判定单元15才会成功地认证该用户。换言之，优选地将认证判定阈值设定为下述值：该值使得当该用户是与各已登记用户不同的人时，认证判定单元15将无法认证该用户。例如，可以将认证判定阈值设定成通过下述计算所获得的值：将匹配分数的最大可能值与最小可能值之间的差乘以0.7所获得的值加上相似度的最小值。
图5是示出了由处理单元7实施的生物认证处理的操作流程图。
处理单元7获取用于标识作为认证目标的已登记用户的用户标识信息(步骤S101)。随后，处理单元7从生物信息获取单元4接收包括试图被认证的用户的双手中的一只手的静脉图案的静脉图像和包括该手的掌纹的掌纹图像(步骤S102)。
然后，将掌纹特征点提取单元11从掌纹图像中提取掌纹的位于不同位置处的两个特征点(步骤S103)。
校正单元12指定静脉图像上与掌纹的两个特征点对应的基准点(步骤S104)。校正单元12对静脉图像上的每个像素进行执行移动，以使两个基准点之间的中点与静脉图像的中心一致(步骤S105)。校正单元12旋转静脉图像上的每个像素，以使连接两个基准点的线的定向与平行移动后的静脉图像上的水平方向一致(步骤S106)。校正单元12调整静脉图案的比例，以使两个基准点之间的距离等于旋转之后的静脉图像上的静脉图像的水平尺寸(步骤S107)。然后，校正单元12将这样获得的校正后的静脉图像传送到特征提取单元13。
特征提取单元13从校正后的静脉图像中提取包括近似表示静脉图案的多条线段的匹配特征信息(步骤S108)。然后，特征提取单元13将该匹配特征信息传送到匹配单元14。
匹配单元14通过将该用户的匹配特征信息与下述已登记用户的匹配特征信息进行比较来计算该用户的静脉图案与已登记用户的静脉图案之间的匹配分数，上述已登记用户的匹配特征信息由经由输入单元3获得的用户标识信息指定(步骤S109)。
认证判定单元15判定匹配分数是否高于或等于认证判定阈值(步骤S110)。当匹配分数高于或等于认证判定阈值时(在步骤S110中为是)，认证判定单元15判定该用户的静脉图案与已登记用户的静脉图案匹配。随后，认证判定单元15将用户认证为已登记用户(步骤S111)。当用户被认证时，认证判定单元15将认证结果通知给处理单元7。然后，处理单元7允许该已认证用户使用其中并入了生物认证装置1的主机装置或者连接到生物认证装置1的装置。
另一方面，当匹配分数低于认证判定阈值时(在步骤S110中为否)，认证判定单元15判定该用户的静脉图案与已登记用户的静脉图案不匹配。因此，认证判定单元15不认证该用户(步骤S112)。然后，认证判定单元15将该用户未被认证通知给处理单元7。在这种情况下，处理单元7禁止该未被认证的用户使用其中并入了生物认证装置1的主机装置或者连接到生物认证装置1的装置。处理单元7也可以使显示单元2显示指示验证失败的消息。在步骤S111或步骤S112之后，处理单元7终止生物认证处理。
当采用所谓的1：N(一对多)认证方法时，即，当没有输入每个已登记用户的用户标识信息时，匹配单元14针对所有已登记用户中的每个已登记用户计算匹配分数。匹配单元14选择具有最高匹配分数的已登记用户。匹配单元14将匹配分数的最大值和与该最大值对应的已登记用户的用户标识信息传送到认证判定单元15。当匹配分数的最大值不低于认证判定阈值时，认证判定单元15将该用户认证为与该匹配分数的最大值对应的已登记用户。
接下来，将描述与登记处理相关的登记单元16。
在登记处理中，如在生物认证处理中那样，处理单元7从生物信息获取单元4接收待登记的每个用户的双手中的一只手的静脉图像和掌纹图像。然后，处理单元7的掌纹特征点提取单元11从掌纹图像中提取掌纹的两个特征点。校正单元12基于静脉图像上与掌纹的两个特征点对应的两个基准点来校正静脉图像上的静脉图案的定向、位置以及比例。特征提取单元13从校正后的静脉图像中提取匹配特征信息，并且将该匹配特征信息输出到登记单元16。
登记单元16从输入单元3获取待登记用户的用户名。然后，登记单元16设定用户标识号，该用户标识号是针对该用户唯一设定的。然后，登记单元16将用户的用户名和用户标识码连同从特征提取单元13接收到的匹配特征信息一起存储在存储设备5中。通过这些操作，该用户被登记为已登记用户，该已登记用户被允许使用其中并入了生物认证装置1的主机装置。
如上所述，作为生物信息校正装置的示例的生物认证装置使用包括静脉图案的掌纹的特征点来校正静脉图像上的静脉图案的定向、位置以及比例。掌纹的特征点与静脉图案位于彼此相对靠近的位置。另外，可以相对准确地检测掌纹的特征点。因此，生物认证装置可以将静脉图像上表示的静脉图案移动到预定位置，并且可以将静脉图案的定向和比例设定成预定定向和预定比例。因此，生物认证装置可以减少在登记时静脉图案的定向、位置或比例与在匹配时静脉图案的定向、位置或比例之间的偏移对匹配结果的影响。
接下来，描述根据第二实施例的生物认证装置。根据第二实施例的生物认证装置通过使用由掌纹获取单元生成的掌纹图像来校正静脉图像上的静脉图案的定向、位置等，该掌纹获取单元独立于生物信息获取单元而设置。
图6是示意性地示出了根据生物信息校正装置的第二实施例的生物认证装置的配置的图。如图6所示，生物认证装置10包括显示单元2、输入单元3、生物信息获取单元4、存储设备5、存储器6、处理单元7以及掌纹获取单元8。
根据第二实施例的生物认证装置10与根据第一实施例的生物认证装置1的不同点在于：用于生成掌纹图像的掌纹获取装置8是独立于用于生成静脉图像的生物信息获取单元4而设置的。有鉴于此，下面描述掌纹获取装置8及其相关单元。
掌纹获取单元8从手掌侧捕获包括要用于匹配的静脉图案的用户的掌纹，并且生成表示掌纹的掌纹图像。为了这个目的，掌纹获取装置8包括例如用于发射可见光的照明光源、包括对可见光敏感的固态图像感测设备的二维阵列的区域传感器以及用于在区域传感器上形成掌纹的图像的成像光学系统。在本实施例中，假设生物信息获取单元4的成像光学系统的视角与掌纹获取单元8的成像光学系统的视角彼此相等。另外，假设生物信息获取单元4的区域传感器和掌纹获取单元8的区域传感器被布置在使各自的区域传感器的传感器表面彼此平行并且传感器表面处于一个平面上的位置处。此外，假设各个区域传感器的像素的数量相同。此外，掌纹获取单元8被布置成例如与生物信息获取单元4对准，以使得掌纹获取单元8可以捕获掌纹而不需要在生物信息获取单元4捕获用户的手的静脉图案时将用户的手从用户的手的位置处移开。掌纹获取单元8将生成的掌纹图像输出到处理单元7。
图7是根据第二实施例的处理单元7的功能框图。如图7所示，处理单元7包括掌纹特征点提取单元11、校正单元12、特征提取单元13、匹配单元14、认证判定单元15、登记单元16以及关联单元17。根据第二实施例的处理单元7与根据第一实施例的处理单元7的不同点在于：根据第二实施例的处理单元7包括关联单元17。有鉴于此，在下文中描述关联单元17。
关联单元17根据生物信息获取单元4与掌纹获取单元8之间的位置关系，在静脉图像上指定与从掌纹图像中提取的掌纹的两个特征点K和S对应的基准点。在本实施例中，生物信息获取单元4与掌纹获取单元8被布置在不同的位置处。因此，根据生物信息获取单元4与掌纹获取单元8之间的位置关系，掌纹图像上的位置和静脉图像上与掌纹的特征点K和特征点S对应的位置彼此偏移。
在本实施例中，生物信息获取单元4的区域传感器的像素的数量与掌纹获取单元8的区域传感器的像素的数量相同，并且各自区域传感器的传感器表面被布置成处于一个平面上。此外，生物信息获取单元4的成像光学系统的视角与掌纹获取单元8的成像光学系统的视角彼此相等。假设生物信息获取单元4的捕获区域的中心在静脉图像和掌纹图像的向右的水平方向上距离掌纹获取单元8的捕获区域的中心h英寸，并且在静脉图像和掌纹图像的向下的垂直方向上距离掌纹获取单元8的捕获区域的中心v英寸。假设静脉图像的分辨率和掌纹图像的分辨率的每英寸点数(dpi)为n。在这种情况下，掌纹图像的位置与静脉图像上与掌纹的特征点K和特征点S对应的位置在水平方向上彼此偏移(h×n)个像素，并且在垂直方向上彼此偏移(v×n)个像素。有鉴于此，关联单元17将通过下述步骤所获得的位置设定为基准点K'和S'：将与掌纹图像上的掌纹的特征点K和特征点S对应的像素的坐标在水平方向上减少(h×n)个像素并且在垂直方向上减少(v×n)个像素。
生物信息获取单元4的成像光学系统的视角与掌纹获取单元8的成像光学系统的视角可以彼此不同。另外，生物信息获取单元4的区域传感器的像素的数量与掌纹获取单元8的区域传感器的像素的数量可以彼此不同。此外，区域传感器可以被布置在使生物信息获取单元4的区域传感器的传感器表面与掌纹获取单元8的区域传感器的传感器表面处于不同平面的位置处。在这样的情况下，静脉图像上的每个像素与掌纹图像上的对应像素之间的位置偏移的量可以依赖于掌纹图像上的像素的位置而变化。有鉴于此，例如，预先在存储设备5中存储针对掌纹图像上的每个像素的基准表，该基准表表示掌纹图像上的像素的坐标与静脉图像上的对应像素的坐标之间的相关性。然后，关联单元17可以通过参照基准表来指定与掌纹图像上的掌纹的特征点K和特征点S对应的静脉图像上的基准点K'和基准点S'的坐标。
关联单元17将静脉图像上的基准点K'和基准点S'的坐标传送到校正单元12。然后，如在第一实施例中那样，校正单元12基于基准点K'和基准点S'来校正静脉图像上的静脉图案的位置、定向以及比例。
根据第二实施例，即使在难以将用于捕获静脉图案的生物信息获取单元和用于捕获掌纹的掌纹获取单元配置为一个设备时，生物认证装置也可以基于掌纹的特征点来校正静脉图像上的静脉图案的位置、定向以及比例。
根据上述实施例中的任一实施例的修改示例，掌纹特征点提取单元11可以获得两个近似曲线的一对切线，该两个近似曲线通过逼近掌纹的两条主线所获得，该一对切线形成最小夹角。掌纹特征点提取单元11可以将一对切线中的每条切线与相应的近似曲线之间的交点设定为掌纹的特征点。在下文中，对掌纹特征点提取单元11对感情线和生命线的曲线进行逼近的情况给出说明。
在这种情况下，如在上述实施例中那样，掌纹特征点提取单元11从连接所选择的褶皱像素的线之中将具有最靠近主体区域的拇指侧边界的一个端点的线设定为生命线。此外，掌纹特征点提取单元11从连接所选择的褶皱像素的线之中将具有最靠近主体区域的小指侧边界的一个端点的线设定为感情线。
掌纹特征点提取单元11通过使用例如最小二乘法由二次曲线诸如圆、椭圆或者双曲线来逼近感情线和生命线。可替代地，掌纹特征点提取单元11可以通过对感情线与生命线应用样条插值由三次曲线或更高次曲线来逼近感情线和生命线。
例如，感情线和生命线由各自表示椭圆的曲线来逼近，该曲线用以下等式来表示。
( x - c k ) 2 a k 2 + + ( y - d k ) 2 b k 2 = 1 - - - ( 1 )
( x - c s ) 2 a s 2 + + ( y - d s ) 2 b s 2 = 1 - - - ( 1 ) ′
等式(1)表示感情线的近似曲线。等式(1)'表示生命线的近似曲线。符号ak、bk、ck、dk、as、bs、cs以及ds是常数。此外，x和y分别表示掌纹图像上的横坐标和纵坐标。假设感情线的切线和生命线的切线由表示感情线和生命线的近似曲线的切线来表示。在这种情况下，感情线的切线在感情线的近似曲线上的坐标(ik、jk)处的梯度gk和生命线的切线在生命线的近似曲线上的坐标(is、js)处的梯度gs用以下等式(2)来表示。
g k = - b k 2 i a k 2 j , g s = - b s 2 i a s 2 j - - - ( 2 )
掌纹特征点提取单元11计算gk和gs，同时改变(ik、jk)和(is、js)对。当检测到使gk＝gs的(ik、jk)和(is、js)对时，掌纹特征点提取单元11将(ik、jk)设定为掌纹的特征点K并且将(is、js)设定为掌纹的特征点S。当检测到使gk＝gs的多个(ik、jk)和(is、js)对时，掌纹特征提取单元11将多个(ik、jk)和(is、js)对之中具有最大距离的(ik、jk)和(is、js)对中的(ik、jk)设定为掌纹的特征点K并且将多个(ik、jk)和(is、js)对之中具有最大距离的(ik、jk)和(is、js)对中的(is、js)设定为掌纹的特征点S。
图8A是示出了在上述修改示例中提取的掌纹的特征点的图。在图8A所示的掌纹图像800中，生命线的近似曲线801在点S处的切线802和感情线的近似曲线803在点K处的切线804彼此平行。在这种情况下，切线802与切线804之间的夹角为0°。换言之，在近似曲线801的切线与近似曲线803的切线对之中，切线802与切线804对之间的夹角最小。因此，点S与点K被提取为掌纹的特征点。
另一方面，当不存在使gk＝gs的(ik、jk)和(is、js)对时，掌纹特征点提取单元11针对每个(ik、jk)和(is、js)对获得连接(ik、jk)和(is、js)的线段ks与感情线在(ik、jk)处的切线之间的夹角θk以及线段ks与生命线在(is、js)处的切线之间的夹角θs。当(tanθk+tanθs)最小时，掌纹特征点提取单元11将(ik、jk)设定为特征点K并且将(is、js)设定为特征点S。
图8B是示出了在上述修改示例中提取的掌纹的特征点的图。在图8B所示的掌纹图像810中，生命线的近似曲线811在点S处的切线812与连接点S和点K的线815之间的夹角用θs来表示。此外，感情线的近似曲线813在点K处的切线814与线815之间的夹角用θk来表示。当(tanθk+tanθs)最小时，点S和点K被提取为掌纹的特征点。
根据上述修改示例，即使当掌纹的主线与主体区域的端部彼此不相交时，掌纹特征点提取单元11也可以基于在掌纹图像上相对容易检测到的主线来提取掌纹的特征点。
此外，掌纹特征点提取单元11可以依赖于主体区域的端部与主线是否彼此相交而切换用于校正静脉图案的位置、定向等的特征点。例如，掌纹特征点提取单元11判定从生命线的拇指侧端点沿着生命线延伸的线与主体区域的拇指侧端部是否彼此相交，以及判定从感情线的小指侧端点沿着感情线延伸的线与主体区域的小指侧端部是否彼此相交。例如，从生命线延伸的线和从感情线延伸的线可以通过样条插值来获得。当从生命线延伸的线和从感情线延伸的线二者与主体区域的端部相交时，掌纹特征点提取单元11将生命线的拇指侧端点设定为掌纹的特征点S，并且将感情线的小指侧端点设定为掌纹的特征点K。另一方面，当从生命线延伸的线和从感情线延伸的线中的至少一条线不与主体区域的端部相交时，如上述修改示例那样，掌纹特征点提取单元11可以基于感情线的近似曲线的切线来获得掌纹的特征点K并且基于生命线的近似曲线的切线来获得掌纹的特征点S。以这种方式，掌纹特征点提取单元11可以依赖于主体区域的端部与主线是否相交，通过切换要提取的掌纹的特征点来使用更易于提取的特征点。
此外，根据另一修改示例，校正单元12可以以这样的方式来校正在实施生物认证处理时获取的静脉图像上的静脉图案：使该静脉图像上的静脉图案的位置、定向等与在实施登记处理时获取的静脉图像上的静脉图案的位置、定向等一致。在这种情况下，在实施登记处理时，校正单元12不需要校正静脉图像上的静脉图案的位置、定向等。作为替代，校正单元12可以获得静脉图像上的基准点K'和基准点S'之间的中点C的坐标、连接基准点K'和基准点S'的线相对于水平方向的夹角以及基准点K'与基准点S'之间的距离，并且将这些值传送到登记单元16。登记单元16将中点C的坐标、连接基准点K'和基准点S'的线相对于水平方向的夹角以及基准点K'与基准点S'之间的距离连同匹配特征信息一起存储在存储设备5中。
在实施生物认证处理时，校正单元12从存储设备5读取中点C的坐标、连接基准点K'和基准点S'的线相对于水平方向的夹角以及基准点K'与基准点S'之间的距离。然后，校正单元12对静脉图像上的每个像素执行平行移动，使得在实施生物认证处理时获取的静脉图像上的中点C与读取的中点C一致，此外，校正单元12绕中点C旋转静脉图像上的每个像素，使得连接在实施生物认证处理时获取的静脉图像上的基准点K'和基准点S'的线的定向与读取的梯度一致。另外，校正单元12校正旋转后并且校正后的静脉图像的比例，使得在实施生物认证处理时获取的静脉图像上的基准点K'和基准点S'之间的距离与读取的距离一致。
此外，根据又一修改示例，校正单元12可以校正由特征提取单元13提取为匹配特征信息的静脉图案的特征部分的每条线段的位置、长度以及斜率，以代替对静脉图像上的静脉图案进行校正。在这种情况下，校正单元12通过使用仿射变换系数对每条线段的两个端点应用仿射变换，该仿射变换系数根据基于基准点K'和基准点S'所获得的平行移动量、旋转量以及比例调整量所获得。因此，可以获得每条线段的校正后的位置、长度以及梯度。
根据上述修改示例，与校正静脉图像上的静脉图案本身的情况相比减少了待校正的点的数量。这使得可以减少校正单元12的计算量。
此外，可以将用户的手的掌纹包括在由生物信息获取单元4通过捕获用户的手的静脉图案所获得的静脉图像中。在这样的情况下，根据又一修改示例，掌纹特征点提取单元11可以从静脉图像中提取掌纹的两个特征点。在这种情况下，在主体区域中通过细线化所获得的线——这是通过实施与本实施例中描述的针对静脉图像的处理相同的处理所获得的——不仅包括静脉图案而且还包括掌纹的主线。掌纹的主线相对较长，并且延伸到主体区域的端部附近。有鉴于此，掌纹特征点提取单元11可以从细线化的线之中将预定数量的最长的线设定为主线，这些线各自具有位于距主体区域的端部预定距离(例如5个像素)以内的一个端点。
图9是示意性示出了根据上述实施例和这些实施例的修改示例中的任一个的用于实施生物认证处理或登记处理的计算机系统的示例的配置的图。例如，计算机系统100包括至少一个终端110和服务器120。终端110和服务器120经由有线或无线通信网络130连接。注意，在图9中，在计算机系统100中包括的部件中，与图1中示出的生物认证装置1中包括的部件中的任何部件对应的每个部件用与生物认证装置1中包括的部件相同的附图标记来表示。
在该系统中，终端110是例如固定式终端，并且包括显示单元2、输入单元3以及生物信息获取单元4。终端110还包括存储单元21、图像获取控制单元22以及接口单元23。
存储单元21包括例如半导体存储器电路，并且临时存储由生物信息获取单元4生成的静脉图像。图像获取控制单元22包括一个或更多个处理器以及该一个或更多个处理器的外围电路，图像获取控制单元22控制终端110的每个单元，以及执行在终端110上运行的各种程序。然后，图像获取控制单元22经由接口单元23将由生物信息获取单元4生成的静脉图像和掌纹图像发送到服务器120，接口单元23包括用于将终端110连接到通信网络130的接口电路。图像获取控制单元22还可以将经由输入单元3输入的用户标识信息发送到服务器120。
服务器120包括存储设备5、存储器6、处理单元7以及接口单元24，接口单元24包括用于将服务器120连接到通信网络130的接口电路。服务器120的处理单元7通过使用经由接口单元24接收的静脉图像和掌纹图像，通过实现根据上述实施例和这些实施例的修改示例中的任一个的处理单元中并入的每个单元的功能，来实施生物认证处理或登记处理。然后，当处理单元7实施生物认证处理时，服务器120将指示认证成功与否的确定结果经由接口单元24返回到终端110。
可替代地，终端110的图像获取控制单元22可以实施根据上述实施例中的任一个的处理单元的功能之中的掌纹特征点提取单元11、关联单元17、校正单元12以及特征提取单元13的处理，单元的功能的处理。在这种情况下，可以将用户的标识信息和从用户的静脉图像中提取的匹配特征信息从终端110发送到服务器120。同时，服务器120的处理单元7实施根据上述实施例中的任一个的功能之中除了掌纹特征点提取单元11、关联单元17、校正单元12以及特征提取单元13的处理以外的所有处理。以这种方式，减少了服务器120上的负荷，因而即使当多个生物认证处理被同时执行时，计算机系统100也可以为用户减少增加的等待时间。
可以以记录在记录介质诸如磁记录介质、光学记录介质或非易失性半导体存储器上的形式来提供下述计算机程序：该计算机程序包括用于使计算机实现根据上述实施例中的任一个的处理单元的功能的指令。然而，此处的计算机可读记录介质不包括载波。
本文中所记载的所有示例和条件语言意在教学目的以帮助读者理解本发明以及由发明人贡献以促进本领域的概念，并且可以被理解为不限于这样的具体记载的示例和条件，也不是本说明书中的与本发明的优势和劣势的示出有关的这样的示例的组织。尽管已经详细描述了本发明的实施例，应当理解的是，在不偏离本发明的精神和范围的情况下，可以对其做出各种变化、替换和修改。

Claims (11)

1.一种生物信息校正装置，包括：
掌纹特征点提取单元，所述掌纹特征点提取单元从第一图像中提取用户的手的掌纹的两个特征点，所述第一图像通过捕获所述掌纹所获得并且表示所述掌纹；以及
校正单元，所述校正单元根据连接所述两个特征点的线的定向对第二图像上的所述手的静脉图案或者从所述第二图像中提取的所述静脉图案的特征部分进行旋转，所述第二图像由捕获所述静脉图案的生物信息获取单元所获得。
2.根据权利要求1所述的生物信息校正装置，其中，
所述校正单元对所述第二图像上的所述静脉图案或者所述静脉图案的所述特征部分进行旋转，以使得所述线的定向与预定方向一致。
3.根据权利要求1所述的生物信息校正装置，还包括存储单元，所述存储单元存储连接与第三图像上的已登记用户的手的掌纹的两个特征点对应的两个点的线的第二定向，所述第三图像表示所述已登记用户的手的静脉图案，其中，
所述校正单元对所述第二图像上的所述静脉图案或者所述静脉图案的所述特征部分进行旋转，以使得所述定向与所述第二定向一致。
4.根据权利要求1至3中任一项所述的生物信息校正装置，其中，
所述掌纹特征点提取单元提取所述掌纹的第一主线上的点以及所述掌纹的第二主线上的点作为所述两个特征点。
5.根据权利要求4所述的生物信息校正装置，其中，
所述掌纹特征点提取单元检测所述第一图像上包括所述掌纹的区域，提取所述第一主线的更靠近所述区域的第一端的位置处的第一端点作为所述两个特征点中的一个特征点，以及提取所述第二主线的更靠近所述区域的与所述第一端相对的第二端的位置处的第二端点作为所述两个特征点中的另一个特征点。
6.根据权利要求4所述的生物信息校正装置，其中，
所述掌纹特征点提取单元提取第一切线与通过逼近所述第一主线所获得的第一曲线之间的交点作为所述两个特征点中的一个特征点，以及提取第二切线与通过逼近所述第二主线所获得的第二曲线之间的交点作为所述两个特征点中的另一个特征点，所述第一切线和所述第二切线分别被包括在所述第一曲线的切线和所述第二曲线的切线的对之中彼此形成最小夹角的切线对中。
7.根据权利要求5所述的生物信息校正装置，其中，
当从所述第一端点沿着所述第一主线朝向所述第一端延伸的第一线与所述第一端相交并且从所述第二端点沿着所述第二主线朝向所述第二端延伸的第二线与所述第二端相交时，所述掌纹特征点提取单元提取所述第一端点和所述第二端点作为所述两个特征点，以及当所述第一线与所述第一端彼此不相交或者所述第二线与所述第二端彼此不相交时，所述掌纹特征点提取单元提取第一切线与通过逼近所述第一主线所获得的第一曲线之间的交点作为所述两个特征点中的一个特征点并且提取第二切线与通过逼近所述第二主线所获得的第二曲线之间的交点作为所述两个特征点中的另一个特征点，所述第一切线和所述第二切线分别被包括在所述第一曲线的切线和所述第二曲线的切线的对之中彼此形成最小夹角的切线对中。
8.根据权利要求1至3中任一项所述的生物信息校正装置，还包括关联单元，所述关联单元根据用于捕获所述掌纹并且生成所述第一图像的掌纹获取单元与所述生物信息获取单元之间的位置关系，在所述第二图像上指定与所述第一图像上的所述用户的所述手的掌纹的两个特征点对应的两个点，其中，
所述校正单元将连接所述第二图像上的所述两个点的线的定向设定为连接所述两个特征点的线的定向。
9.根据权利要求1至3中任一项所述的生物信息校正装置，还包括特征提取单元，所述特征提取单元从所述第二图像中提取所述静脉图案的所述特征部分，其中，
所述校正单元对所述静脉图案的所述特征部分进行旋转。
10.一种生物信息校正方法，包括：
从第一图像中提取用户的手的掌纹的两个特征点，所述第一图像通过捕获所述掌纹所获得并且表示所述掌纹；以及
根据连接所述两个特征点的线的定向对第二图像上的所述手的静脉图案或者从所述第二图像中提取的所述静脉图案的特征部分进行旋转，所述第二图像通过获取所述静脉图案所获得。
11.一种生物信息校正装置，包括：
掌纹特征点提取单元，所述掌纹特征点提取单元从图像中提取用户的手的掌纹的两个特征点，所述图像由捕获所述手的生物信息获取单元所获得并且表示所述手的静脉图案和所述掌纹；以及
校正单元，所述校正单元根据连接所述两个特征点的线的定向对所述图像上的所述静脉图案或者从所述图像中提取的所述静脉图案的特征部分进行旋转。
CN201510632750.5A 2014-10-10 2015-09-29 生物信息校正装置和生物信息校正方法 Active CN105512530B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2014208998A JP6467852B2 (ja) 2014-10-10 2014-10-10 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
JP2014-208998 2014-10-10

Publications (2)

Publication Number Publication Date
CN105512530A true CN105512530A (zh) 2016-04-20
CN105512530B CN105512530B (zh) 2020-06-19

Family

ID=54251319

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510632750.5A Active CN105512530B (zh) 2014-10-10 2015-09-29 生物信息校正装置和生物信息校正方法

Country Status (5)

Country Link
US (1) US10019618B2 (zh)
EP (1) EP3007100B1 (zh)
JP (1) JP6467852B2 (zh)
KR (1) KR102137055B1 (zh)
CN (1) CN105512530B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111971671A (zh) * 2018-04-24 2020-11-20 三菱电机株式会社 认证装置
WO2023160048A1 (zh) * 2022-02-28 2023-08-31 腾讯科技（深圳）有限公司 掌纹样本的生成方法、装置、设备、介质及程序产品

Families Citing this family (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109981916A (zh) 2011-12-19 2019-07-05 夏普株式会社 图像输出系统、信息处理装置以及认证装置
JP6242726B2 (ja) * 2014-03-25 2017-12-06 富士通フロンテック株式会社 生体情報登録方法、生体認証方法、生体情報登録装置、生体認証装置及びプログラム
JP6648639B2 (ja) 2016-05-27 2020-02-14 富士通株式会社 生体情報処理装置、生体情報処理方法および生体情報処理プログラム
US10660549B2 (en) 2016-12-23 2020-05-26 Obschestvo S Ogranichennoi Otvetstvennostyu “Nauchno-Issledovatelsky Tsentr Prosoft-Sistemy” Palm vein imaging device
JP6790995B2 (ja) * 2017-04-27 2020-11-25 富士通株式会社 照合装置、照合方法および照合プログラム
CN112217938B (zh) * 2019-07-09 2022-08-05 深圳心慧科技有限公司 名片分享方法及相关产品
EP3805834B1 (en) * 2019-10-10 2023-12-06 Leica Instruments (Singapore) Pte. Ltd. Optical imaging system and corresponding apparatus, method and computer program
JP2022075193A (ja) * 2020-11-06 2022-05-18 パナソニックＩｐマネジメント株式会社 生体情報取得装置
WO2024095462A1 (ja) * 2022-11-04 2024-05-10 富士通株式会社 照合スコア算出方法、照合スコア算出装置、照合スコア算出システム、及び照合スコア算出プログラム

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040264742A1 (en) * 2002-09-25 2004-12-30 Zhang Dapeng David Method of palm print identification
CN101833647A (zh) * 2009-03-11 2010-09-15 中国科学院自动化研究所 掌纹图像的获取设备及掌纹图像处理方法
US20120281890A1 (en) * 2011-05-06 2012-11-08 Fujitsu Limited Biometric authentication device, biometric information processing device, biometric authentication system, biometric authentication server, biometric authentication client, and biometric authentication device controlling method

Family Cites Families (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002288642A (ja) * 2001-03-27 2002-10-04 Nec Corp 掌紋部位分割装置とその掌紋部位分割方法、及び掌紋部位分割プログラム
JP2003263640A (ja) * 2002-03-08 2003-09-19 Toyota Motor Corp 生体情報を用いた個人識別装置
JP2004295383A (ja) * 2003-03-26 2004-10-21 Nec Software Chubu Ltd 画像サイズ調整方法と装置
WO2004111919A1 (en) 2003-06-12 2004-12-23 The Hong Kong Polytechnic University Method of palm print identification
JP2006280835A (ja) * 2005-04-05 2006-10-19 Aruze Corp 個人認証装置及び同個人認証装置を備える遊技機
JP2008134862A (ja) 2006-11-29 2008-06-12 Hitachi Omron Terminal Solutions Corp 静脈認証装置
WO2008120317A1 (ja) * 2007-03-28 2008-10-09 Fujitsu Limited 照合装置、認証装置、照合方法、認証方法、照合プログラム及び認証プログラム
JP5393072B2 (ja) 2008-07-16 2014-01-22 Ｋｄｄｉ株式会社 掌位置検出装置、掌紋認証装置、携帯電話端末、プログラム、および掌位置検出方法
US8229178B2 (en) * 2008-08-19 2012-07-24 The Hong Kong Polytechnic University Method and apparatus for personal identification using palmprint and palm vein
WO2010086993A1 (ja) 2009-01-30 2010-08-05 富士通フロンテック株式会社 認証装置、撮像装置、認証方法および認証プログラム
JP4997305B2 (ja) 2010-03-12 2012-08-08 株式会社日立製作所 指静脈認証装置
SG11201405394PA (en) * 2012-03-16 2014-11-27 Universal Robot Kabushiki Kaisha Personal authentication method and personal authentication device
WO2014080487A1 (ja) * 2012-11-22 2014-05-30 富士通株式会社 情報処理装置、生体部位判定プログラムおよび生体部位判定方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040264742A1 (en) * 2002-09-25 2004-12-30 Zhang Dapeng David Method of palm print identification
CN101833647A (zh) * 2009-03-11 2010-09-15 中国科学院自动化研究所 掌纹图像的获取设备及掌纹图像处理方法
US20120281890A1 (en) * 2011-05-06 2012-11-08 Fujitsu Limited Biometric authentication device, biometric information processing device, biometric authentication system, biometric authentication server, biometric authentication client, and biometric authentication device controlling method

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
束为 等: "基于方向投影的自动掌纹基准点检查", 《清华大学学报(自然科学版)》 *
胡德文 等: "《生物特征识别技术与方法》", 31 August 2013, 国防工业出版社 *
金璟璇: "基于小波变换的掌纹识别技术的研究", 《中国优秀硕士学位论文全文数据库·信息科技辑》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111971671A (zh) * 2018-04-24 2020-11-20 三菱电机株式会社 认证装置
WO2023160048A1 (zh) * 2022-02-28 2023-08-31 腾讯科技（深圳）有限公司 掌纹样本的生成方法、装置、设备、介质及程序产品

Also Published As

Publication number Publication date
US20160104030A1 (en) 2016-04-14
JP2016081116A (ja) 2016-05-16
CN105512530B (zh) 2020-06-19
EP3007100A1 (en) 2016-04-13
EP3007100B1 (en) 2019-05-29
JP6467852B2 (ja) 2019-02-13
KR20160042763A (ko) 2016-04-20
KR102137055B1 (ko) 2020-07-23
US10019618B2 (en) 2018-07-10

Similar Documents

Publication Publication Date Title
CN105512530A (zh) 生物信息校正装置和生物信息校正方法
KR101603469B1 (ko) 생체 인증 장치, 생체 인증 방법 및 생체 인증용 컴퓨터 프로그램
US9754148B2 (en) Image correction apparatus and image correction method
US9054875B2 (en) Biometric authentication apparatus, biometric authentication method, and biometric authentication computer program
JP5812109B2 (ja) 生体情報処理装置、生体情報処理方法及び生体情報処理用コンピュータプログラム
CN110945520B (zh) 生物体认证系统
WO2010106644A1 (ja) データ照合装置およびプログラム
JP2013030099A (ja) 生体認証装置及び生体認証装置における利用者の手の位置の調整方法
JP2011253438A (ja) 生体認証ユニット
WO2013069372A1 (ja) 生体認証装置およびそれを備えた自動取引装置
JP5915336B2 (ja) 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
US9483683B2 (en) Alignment apparatus, alignment method, and alignment computer program
JP6056398B2 (ja) 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
JP6187262B2 (ja) 生体情報処理装置、生体情報処理方法及び生体情報処理用コンピュータプログラム
JP4671845B2 (ja) 個人認証システム、および個人認証プログラム

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant