CN106529389A - 生物认证装置和生物认证方法 - Google Patents
生物认证装置和生物认证方法 Download PDFInfo
- Publication number
- CN106529389A CN106529389A CN201610804778.7A CN201610804778A CN106529389A CN 106529389 A CN106529389 A CN 106529389A CN 201610804778 A CN201610804778 A CN 201610804778A CN 106529389 A CN106529389 A CN 106529389A
- Authority
- CN
- China
- Prior art keywords
- characteristic point
- registered
- characteristic
- point
- unit
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/12—Fingerprints or palmprints
- G06V40/13—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
- G06V40/12—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
-
- 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
- G06V40/1359—Extracting features related to ridge properties; Determining the fingerprint type, e.g. whorl or loop
-
- 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
- G06V40/1371—Matching features related to minutiae or pores
-
- 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
-
- 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)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (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
本发明涉及生物认证装置和生物认证方法。图像读取单元读取生物体的图案的图像。特征点提取单元从所述图案中提取多个特征点,特征量计算单元计算所述特征点的每个组合的特征量。分类单元根据所述特征量对所述组合进行分类,选择单元根据分类来选择要与所述组合中包括的特征点进行比较的登记特征点信息。
Description
技术领域
本文所讨论的实施方式涉及生物认证装置和生物认证方法。
背景技术
近年来,生物认证已经在广泛领域中被使用,包括从大规模认证基础设施如对进入/离开建筑物或房间的管理、边境处的边境控制或者用于唯一识别国家的国家唯一ID到供个人使用的终端如蜂窝电话或个人计算机(PC)。
在大规模认证基础设施中的生物认证系统中,在许多情况下使用一次可以采集大量指纹信息的大面积指纹传感器。在供个人使用的终端如蜂窝电话或PC中,在许多情况下使用小尺寸且便宜的扫描型指纹传感器。
近年来,生物认证技术的精度的进一步提高和生物认证技术的速度加快以及基于加密理论的模板保护技术已经被积极地研究和开发。作为上述研究和开发的基础,基于从指纹图像中提取的特征点的矢量化技术已经吸引了注意。在矢量化技术中,通过设计对指纹图像的特征的提取来生成一维矢量,并且将矢量之间的距离(L1范数、L2范数等)作为得分用在匹配中。已经提出了很多种矢量化技术(参见例如专利文献1)。
还已知用于根据指纹图像的空间频率分量来对指纹图像进行分类的方法(参见例如专利文献2)。此外,已知当幅值的绝对值大于或等于规定阈值的频率分量满足规定条件时基于该频率分量来根据包括条纹图案的图像的频谱来重构图像的匹配装置(参见例如专利文献3)。
还已知基于指纹中的成对的特征点的指标的指纹识别方法(参见例如专利文献4)。此外,已知用于经由网络来对指纹执行远程认证的方法(参见例如专利文献5)。此外,已知基于节点(minutia)的位置和定向的指纹识别方法(参见例如非专利文献1)
专利文献1:日本公开特许公报第10-177650号
专利文献2:国际专利申请第2001-511569号的日本国家公布
专利文献3:日本公开特许公报第2007-202912号
专利文献4:国际专利申请第2010-526361号的日本国家公布
专利文献5:国际专利申请第2004-536384号的日本国家公布
非专利文献1:R.Cappelli,M.Ferrara和D.Maltoni,“Minutia Cylinder-Code:ANew Representation and Matching Technique for Fingerprint Recognition”,IEEE模式分析与机器智能汇刊,第32卷,第12期,2128至2141页,2010年。
发明内容
本发明的一个方面的目的是在短时间内将要在生物认证中认证的生物信息与登记生物信息进行比较。
根据实施方式的一个方面,生物认证装置包括图像读取单元、特征点提取单元、特征量计算单元、分类单元以及选择单元。
图像读取单元读取生物体的图案的图像。特征点提取单元从所述图案中提取多个特征点,特征量计算单元计算所述特征点的每个组合的特征量。分类单元根据所述特征量来对所述组合进行分类,选择单元根据分类来选择要与所述组合中包括的特征点进行比较的登记特征点信息。
附图说明
图1是示出生物认证装置的功能框图。
图2是示出生物认证处理的流程图。
图3是示出生物认证装置的具体示例的功能框图。
图4示出了用户表。
图5示出了特征量表。
图6示出了类型表。
图7是示出生物信息登记处理的流程图。
图8是示出分类处理的流程图。
图9是示出一对一生物认证处理的流程图。
图10是示出匹配处理的流程图。
图11是示出一对N生物认证处理的流程图。
图12是示出使用模板的生物认证装置的功能框图。
图13是示出使用模板的生物信息登记处理的流程图。
图14示出了连接特征点的线段与脊方向之间的角度。
图15示出了上核心。
图16示出了连接特征点的线段与上核心之间的距离。
图17是示出信息处理装置的框图。
具体实施方式
下面参照附图来详细描述实施方式。
在基于特征点的常规矢量化技术中,针对每个特征点来计算通过对特征点周围的信息进行矢量化而获得的特征量,并且在许多情况下将该特征量用作登记数据或匹配数据。通过这样做,很难从特征量中恢复出原指纹信息并且可以确保恢复的难度。
然而,矢量化特征量包括仅特征点周围的局部信息,并且因此难以在匹配时执行匹配数据与登记数据之间的全局对准。因此,对所有的登记特征点进行搜索以将匹配数据中包括的各个特征点与登记数据中包括的各个特征点进行关联,增加了匹配时间。
上述问题不仅发生在基于指纹信息的生物认证中,而且还发生在基于其他生物信息如手指静脉的图像的生物认证中。
图1示出了生物认证装置的功能配置的示例。图1中所示的生物认证装置101包括图像读取单元111、特征点提取单元112、特征量计算单元113、分类单元114以及选择单元115。
图2是示出由图1的生物认证装置101执行的生物认证处理的示例的流程图。首先,图像读取单元111读取生物体的图案的图像(步骤201)。特征点提取单元112从图案中提取多个特征点(步骤202),特征量计算单元113计算特征点的每个组合的特征量(步骤203)。分类单元114根据特征量对组合进行分类(步骤204),选择单元115根据分类来选择要与组合中包括的特征点进行比较的登记特征点信息(步骤205)。
上述生物认证装置101可以在短时间内将要在生物认证中认证的生物信息与登记生物信息进行比较。
图3示出了图1的生物认证装置101的具体示例。图3中所示的生物认证装置101包括图像读取单元111、特征点提取单元112、特征量计算单元113、分类单元114、选择单元115、存储单元301、匹配单元302以及登记单元303。
存储单元301存储包括用户表321、特征量表322和类型表323的生物信息数据库311。用户表321中登记与用户有关的信息,特征量表322中登记所登记的用户的矢量化特征量,并且类型表323中登记指示生物信息的类型的信息。
图4示出了用户表321的示例。图4的用户表321中的每个条目包括用户ID、用户名、类型ID和特征量ID。用户ID是用户的识别信息,用户名指示用户的名称。类型ID是生物信息的类型的识别信息,特征量ID是用于参看特征量表322的识别信息。用户ID和类型ID被用作主键,而特征量ID被用作外来参考键。
图5示出了特征量表322的示例。图5的特征量表322中的每个条目包括特征量ID、组ID、数据ID和矢量化特征量。组ID是表示两个特征点的组合的关系被归类到的组的识别信息。数据ID是用于识别属于一个组的多个关系的识别信息。
矢量化特征量对应于登记特征点信息并且表示关系中包括的两个特征点的局部特征量。矢量化特征量可以是例如以实数作为元素的多维矢量。特征量ID、组ID和数据ID被用作主键。
图6示出了类型表323的示例。图6的类型表323中的每个条目包括类型ID和生物信息类型。生物信息类型指示生物信息的类型。当指纹图像被用作生物信息时,手的类型和手指的类型被用作生物信息类型。作为示例,类型“01”的“右拇指”指示右手的拇指,类型“07”的“左食指”指示左手的食指。类型ID被用作主键。
在生物信息登记处理中,图像读取单元111读取要被登记的生物体的图案的图像,特征点提取单元112从要被登记的生物体的图案中提取要被登记的多个特征点。特征量计算单元113计算表示要被登记的两个特征点的组合的每个关系的关系特征量,分类单元114根据关系特征量来对各个关系进行分类。登记单元303根据关系的分类来将各个关系的矢量化特征量登记在数据库311中。
在生物认证处理中,图像读取单元111读取要被认证的图案的图像,特征点提取单元112从要被认证的生物体的图案中提取要被认证的多个特征点。特征量计算单元113计算针对表示要被认证的两个特征点的组合的每个关系的关系特征量,分类单元114根据关系特征量来对各个关系进行分类。
选择单元115根据关系的分类来从生物信息数据库311中选择要与每个关系进行比较的矢量化特征量。匹配单元302将要被认证的关系的矢量化特征量与所选择的矢量化特征量进行比较,并且基于比较结果来对要被认证的生物体进行认证。
作为示例,当指纹图像被用作生物信息时,图像读取单元111由非接触式指纹传感器如静电电容式传感器、热敏传感器、电场型传感器、光学传感器或超声波传感器来实现,并且图像读取单元111从作为要被登记的人员或要被认证的人员的用户的手指获得指纹图像。在这种情况下,特征点提取单元112可以提取指纹图像内的脊(ridge)被中断处的脊末端或脊进行分支处的分叉点作为特征点。上述脊末端或分叉点被称为节点(minutia)。下面主要描述使用指纹图像的生物信息登记处理和生物认证处理。
图7是示出由图3的生物认证装置101执行的生物信息登记处理的示例的流程图。首先,登记单元303接收要被登记的人员的用户ID和用户名的输入(步骤701),图像读取单元111读取要被登记的人员的指纹图像并且将该指纹图像存储在存储单元301中(步骤702)。登记单元303还接收指纹的生物信息类型的输入。
然后,特征点提取单元112从指纹图像的图案中提取要被登记的多个特征点,并且将与所述要被登记的特征点有关的信息存储在存储单元301中(步骤703)。特征量计算单元113和分类单元114执行分类处理,并且对根据所述要被登记的特征点而生成的各个关系进行分类(步骤704)。作为分类处理的结果,每个关系被分配有组ID和数据ID。
登记单元303计算各个关系的矢量化特征量(步骤705),并且将所述矢量化特征量连同已输入的用户ID和用户名一起登记在生物信息数据库311中(步骤706)。
此处,登记单元303将用户ID和用户名登记在用户表321中,参看类型表323并且将与指纹的生物信息类型对应的类型ID登记在用户表321中。登记单元303将特征量ID与用户ID、用户名和类型ID相关联地登记在用户表321中。
登记单元303将每个关系的组ID、数据ID和矢量化特征量与登记在用户表321中的特征量ID相关联地登记在特征量表322中。
在图5的特征量表322中,与特征量ID“123”相关联地登记有四个关系的组ID、数据ID和矢量化特征量。所述四个关系的这些矢量化特征量指示对应于具有特征量ID“123”的指纹图像的登记生物信息。在具有组ID“0”的组中,包括分别具有数据ID“00”和数据ID“01”的两个关系,在具有组ID“1”的组和具有组ID“2”的组中,包括具有数据ID“00”的一个关系。可以与一个特征量ID相关联地登记更多数量的关系。
图8是示出图7中的步骤704的分类处理的示例的流程图。首先,分类单元114基于已从指纹图像的图案中提取的要被登记的特征点来生成关系组,并且将与每个关系有关的信息存储在存储单元301中(步骤801)。作为示例,分类单元114可以从包括在要被登记的多个特征点中的所有的两个特征点的组合中提取特征点之间的距离小于或等于规定值的组合作为关系。因此,一个特征点可以被双重包括在多个关系中。
然后,特征量计算单元113从关系组中选择一个关系(步骤802),并且计算所选择的关系的关系特征量G(步骤803)。作为关系特征量G,例如可以使用关系中包括的两个特征点之间的距离D和所述两个特征点之间包括的脊的数量L(脊计数)的函数。在这种情况下,特征量计算单元113可以根据下面函数来计算关系特征量G。
G=D/(L+1) (1)
D={(x2-x1)2+(y2–y1)2}1/2 (2)
表达式(1)中的关系特征量G表示距离D与L+1之比。在表达式(2)中,(x1,y1)表示关系中包括的一个特征点的坐标,并且(x2,y2)表示另一特征点的坐标。
分类单元114基于关系特征量G来确定关系的组ID和数据ID(步骤804)。作为示例,分类单元114可以通过使用如下所述的关系特征量G的阈值T1至TK(K是大于或等于2的整数)来确定组ID。
0≤G<T1 组ID=0
T1≤G<T2 组ID=1
T2≤G<T3 组ID=2
...
T(K-1)≤G<TK 组ID=K-1
在这种情况下,关系被归类到K个组中的一个组中。可以通过仿真等来确定阈值T1至TK使得均匀数量的关系属于每个组。例如,阈值Tk与阈值T(k+1)(k=1至K-1)之间的间隔可以相等。分类单元114可以针对由所确定的组ID指示的组选择按升序从“00”开始的编号,并且可以将所选择的编号用作数据ID。
特征量计算单元113检查关系组中的所有关系是否全部已被选择(步骤805)。当并非所有的关系都已被选择(步骤805,否)时,特征量计算单元113对下一关系重复步骤802的处理和后面的处理。当所有的关系都已被选择(步骤805,是)时,特征量计算单元113终止处理。
在步骤803中,特征量计算单元113可以通过不是表达式(1)的函数来计算关系特征量G。作为示例,可以使用通过将表达式(1)的右手侧乘以规定系数而获得的值作为关系特征量G,或者可以使用表达式(1)的右手侧的倒数(L+1)/D作为关系特征量G。可以通过使用距离D和脊计数L中之一者的函数来计算关系特征量G。
在图7所示的生物信息登记处理中,可以将从指纹图像的图案中提取的关系组归类成多个组,并且可以将每个组的矢量化特征量登记在生物信息数据库311中。因此,当执行生物认证处理时,可以选择仅期望组的矢量化特征量,并且可以将期望组的矢量化特征量与要被认证的矢量化特征量进行比较。
作为生物认证方法,已知称为一对一认证的方法和称为一对N认证的方法。一对一认证是用于在通过使用例如要被认证的人员操作输入装置以输入用户ID的方法将要被比较的登记生物信息限制于单个用户的生物信息的状态下执行生物认证处理的方法。一对N认证是在不限制要被比较的登记生物信息的情况下通过使用N条登记生物信息作为比较目标来执行生物认证处理的方法。
图9是示出由图3中所示的生物认证装置101执行的一对一生物认证处理的示例的流程图。匹配单元302首先接收要被认证的人员的用户ID的输入(步骤901),图像读取单元111读取要被认证的人员的指纹图像并且将该指纹图像存储在存储单元301中(步骤902)。匹配单元302还接收指纹的生物信息类型的输入。
然后,特征点提取单元112从指纹图像的图案中提取要被认证的多个特征点并且将与要被认证的特征点有关的信息存储在存储单元301中(步骤903)。特征量计算单元113和分类单元114执行与图8的处理类似的分类处理以对基于要被认证的特征点而生成的各个关系进行分类(步骤904)。作为分类处理的结果,每个关系被分配有组ID。
然后,匹配单元302计算每个关系的矢量化特征量(步骤905),并且执行匹配处理以计算关系组的得分的统计量(步骤906)。匹配单元302基于得分的统计量来确定要被认证的人员是否会被认证(步骤907)。作为示例,在使用基于矢量之间的距离的得分的情况下,当得分的统计量小于认证阈值时,匹配单元302确定要被认证的人员会被认证,而当得分的统计量大于或等于认证阈值时,匹配单元302确定要被认证的人员不会被认证。
图10是示出图9中的步骤906的匹配处理的示例的流程图。匹配单元302首先从关系组中选择一个关系(步骤1001),并且检查所选择的关系的组ID是否已经被登记在生物信息数据库311中(步骤1002)。
此时,匹配单元302参看类型表323以获得与输入的生物信息类型对应的类型ID,并且匹配单元302参看用户表321以获得与输入的用户ID和类型ID对应的特征量ID。匹配单元302参看特征量表322以检查与特征量ID对应的组ID中是否存在与所选择的关系的组ID匹配的组ID。
当存在与所选择的关系的组ID匹配的组ID(步骤1002,是)时,匹配单元302计算所选择的关系的矢量化特征量的得分(步骤1003)。
此时,匹配单元302将所选择的关系的矢量化特征量与对应于特征量表322中的相同的组ID的一个或更多个矢量化特征量进行比较以计算所选择的关系的得分。该得分指示矢量之间的距离,并且随着该距离的增加,得分具有较大值。当存在对应于相同的组ID的多个矢量化特征量时,匹配单元302可以采用矢量化特征量的得分的最小值作为所选择的关系的得分。
匹配单元302检查关系组中的所有关系是否已被选择(步骤1004)。当并非所有的关系都已被选择(步骤1004,否)时,匹配单元302对下一关系重复步骤1001的处理以及后面的处理。当不存在与所选择的关系的组ID匹配的组ID(步骤1002,否)时,匹配单元302执行步骤1004的处理以及后面的处理。
当所有的关系已被选择(步骤1004,是)时,匹配单元302计算所计算的关系得分的统计量(步骤1005)。作为得分的统计量,可以使用总和、平均值、中值、最大值、最小值等。
在步骤1002中,当不存在与所选择的关系的组ID匹配的组ID时,要被认证的人员的指纹图像中包括的关系非常可能与登记关系不相似。在这种情况下,优选的是将得分的统计量设置成较大以使得要被认证的人员会被认证的比率降低。因此,匹配单元302将组ID与登记关系的任何组ID不匹配的关系的得分设置成例如大于在步骤1003中计算的任何得分的值,并且计算得分的统计量。
在图9的生物认证处理中,可以通过使用要被认证的生物信息中包括的各个关系的组ID来使要被比较的登记生物信息中包括的矢量化特征量缩减。因此,要被比较的矢量化特征量的数量减少,可以以高速执行匹配处理。
图11是示出由图3的生物认证装置101执行的一对N生物认证处理的示例的流程图。图11中的步骤1101至1104的处理与图9中的步骤902至905的处理相似。
匹配单元302从生物信息数据库311中选择一条要被比较的登记生物信息(步骤1105),并且通过使用所选择的登记生物信息来执行与图10所示的处理相似的匹配处理(步骤1106)。此时,匹配单元302从用户表321中选择一个特征量ID,参看特征表322并且选择对应于所选择的特征量ID的矢量化特征量作为要被比较的登记生物信息。
匹配单元302然后检查是否所有的比较目标已被选择(步骤1107)。当并非所有的比较目标都已被选择(步骤1107,否)时,匹配单元302对下一比较目标重复步骤1105的处理以及后面的处理。
当所有的比较目标都已被选择(步骤1107,是)时,匹配单元302基于针对所有比较目标的得分的统计量来确定要被认证的人员是否会被认证(步骤1108)。作为示例,当针对所有比较目标的统计量中的一个统计量小于认证阈值时,匹配单元302可以确定要被认证的人员会被认证,而当所有统计量均大于或等于认证阈值时,匹配单元302可以确定要被认证的人员不会被认证。
在图11中所示的生物认证处理中,可以与图9所示的生物认证处理相似地以高速执行匹配处理。
作为指纹信息的国际标准格式,已知国际标准化组织/国际电工委员会19794-2(ISO/IEC 19794-2)。作为指纹信息的另一国际标准格式,还已知美国国家标准协会国际委员会的信息技术标准381(ANSI INCITS381)等。
在根据这些国际标准格式生成的生物信息数据库中,已经登记有从用户的指纹图像提取的生物信息如特征点或奇异点。通过使用上述现有的登记生物信息作为模板,可以基于根据已知的指纹认证算法预先提取的特征点来执行生物信息登记处理,而无需直接输入指纹图像。因此,可以将关系的矢量化特征量登记在生物信息数据库311中而无需再次读取每个用户的指纹图像。
图12示出了使用模板的生物认证装置101的具体示例。图12中所示的生物认证装置101被配置成除了包括图3中所示的生物认证装置101中的部件以外还包括输入单元1201。
在生物信息登记处理中,输入单元1201从外部装置接收预先生成的模板。特征量计算单元113基于模板中登记的特征点来计算针对每个关系的关系特征量,分类单元114基于关系特征量来对各个关系进行分类。登记单元303基于关系的分类来将各个关系的矢量化特征量登记在生物信息数据库311中。
图13是示出由图12中所示的生物认证装置101执行的生物信息登记处理的示例的流程图。输入单元1201首先从外部装置接收模板,并且将所接收到的模板存储在存储单元301中(步骤1301)。然后,特征量计算单元113和分类单元114执行分类处理以对基于模板中登记的特征点而生成的各个关系进行分类(步骤1302)。作为分类处理的结果,每个关系被分配有组ID和数据ID。
登记单元303计算每个关系的矢量化特征量(步骤1303),并且将该矢量化特征量连同登记在模板中的用户ID和用户名一起登记在生物信息数据库311中(步骤1304)。
步骤1302的分类处理类似于图8中所示的分类处理。然而,表达式(1)中的脊计数L是国际标准格式中的可选项,并且脊计数L并不总是包括在模板中。
当脊计数L未包括在模板中时,特征量计算单元113基于与关系有关的角度信息和奇异点信息来估计脊计数L。角度信息表示连接关系中包括的两个特征点的线段与所述两个特征点中的每个特征点处的脊方向之间的角度。奇异点信息表示连接关系中包括的两个特征点的线段与登记在模板中的奇异点之间的距离。作为奇异点,可以使用例如指纹图像中的上核心。
图14示出了连接特征点的线段与脊方向之间的角度的示例。角度θ1表示关系中包括的一个特征点m1处的脊方向1401相对于水平方向上的参考线1411的角度。角度θ2表示关系中包括的另一特征点m2处的脊方向1402相对于水平方向上的参考线1412的角度。
角度θ12是从特征点m1到特征点m2的矢量的角度,并且表示连接特征点m1和特征点m2的线段1413相对于参考线1411的角度。角度θ21是从特征点m2到特征点m1的矢量的角度,并且表示线段1413相对于参考线1412的角度。
在这种情况下,θ1-θ12表示线段1413与特征点m1处的脊方向1401之间的角度,而θ2-θ21表示线段1413与特征点m2处的脊方向1402之间的角度。
图15示出了指纹图像中的上核心的示例。上核心1501指示指纹图像中脊向上凸起的区域内脊方向的改变最大的点。
图16示出了连接特征点的线段与上核心之间的距离的示例。距离t12表示连接特征点m1与特征点m2的线段1601与上核心1501之间的距离,并且距离t12对应于从上核心1501到线段1601的垂线的长度。距离t34表示连接特征点m3与特征点m4的线段1602与上核心1501之间的距离,并且距离t34对应于从上核心1501到线段1602的垂线的长度。
特征量计算单元113可以通过使用上述角度信息和奇异点信息根据下面函数来估计由特征点m1和特征点m2形成的关系的脊计数L。
L=α·sin(θ1–θ12)·sin(θ2–θ21)+β/(t12+1)(3)
在表达式(3)中,α和β是加权系数,并且可以通过仿真等确定。还可以根据类似表达式来估计由特征点m3和特征点m4形成的关系的脊计数L。表达式(3)是根据下面与指纹有关的两个特性构造的。
特性1:当连接特征点的线段与脊方向之间的角度变得较接近π/2时,脊计数L增加。
根据特征点周围的脊的方向来计算特征点处的脊方向。因此,当连接特征点的线段的方向与特征点处的脊方向正交时,在特征点之间通过的脊的数量增加。当连接特征点的线段的方向变得更平行于特征点处的脊方向时,在特征点之间通过的脊的数量减少。
特征2:当连接特征点的线段变得较接近奇异点时,脊计数L增加。
在指纹图像中,脊方向的改变在较接近奇异点如上核心的区域内变得较大,并且因此返回脊(returning ridge)的数量增加。
可以通过使用下核心而不是上核心来获得表达式(3)中的t12。下核心指示在脊向下凸起的区域内脊方向的改变最大的点。当不需要使用奇异点信息时,可以使用下面的表达式而不是表达式(3)。
L=α·sin(θ1–θ12)·sin(θ2–θ21)(4)
如上所述,通过估计脊计数L,即使在模板中未包括脊计数L的情况下,也可以根据表达式(1)来计算关系特征量G。
特征量计算单元113可以通过使用既不是表达式(3)也不是表达式(4)的函数来估计脊计数L。在这种情况下,优选的是使用表达至少特性1或特性2的函数。
生物认证装置101的图1、图3和图12中所示的配置是示例,并且根据生物认证装置101的目的或状况,可以省略或改变一些部件。作为示例,当图3中所示的生物认证装置101不执行生物信息登记处理时,可以省略登记单元303。当用于执行生物认证的生物信息的类型已经被预先确定时,可以省略图3或图12中所示的类型表323。
图2、图7至图11以及图13中所示的流程图是示例,并且根据生物认证装置101的配置或状况,可以省略或改变一些处理。作为示例,在图8的步骤801中,分类单元114可以提取所有的两个特征点的组合作为关系。在图10的步骤1003中,匹配单元302可以计算指示矢量之间的相似度的得分而不是指示矢量之间的距离的得分。在图13的步骤1301中,输入单元1201可以输入根据不是ISO/IEC 19794-2或ANSI INCITS 381的格式而生成的模板。
在图7的步骤704、图9的步骤904或图11的步骤1103中,特征量计算单元113可以与图13的步骤1302中类似地估计脊计数L。在这种情况下,特征量计算单元113通过使用所估计的脊计数L来计算关系特征量G。
在生物认证处理和生物信息登记处理中,可以使用除了指纹图像以外的生物信息如掌纹图像、手或另外的身体部位的静脉图像或者鼻纹图像。当要被认证的目标是动物如牛时,鼻纹图像是有效的。
图4至图6中所示的表是示例,并且根据生物认证装置101的配置或状况,可以省略或改变表中的信息。作为示例,在图4中所示的用户表321中,当不需要登记用户名时,可以省略用户名,并且当用于执行生物认证的生物信息的类型已经被预先确定时,可以省略类型ID。
在图5中所示的特征量表322中,可以代替矢量化特征量而登记指示生物体的图案的特征的另一特征量。当使用生物信息如掌纹图像、静脉图像、鼻纹图像时,在图6中所示的类型表323中改变生物信息类型的数量和每个生物信息类型的内容。
图14和图16中所示的特征点以及图15和图16中所示的上核心是示例,并且可以使用另外的特征点或奇异点。
图1、图3和图12中所示的生物认证装置101可以通过使用例如图17中所示的信息处理装置(计算机)来实现。
图17所示的信息处理装置包括中央处理单元(CPU)1701、存储器1702、输入装置1703、输出装置1704、辅助存储装置1705、介质驱动装置1706和网络连接装置1707。这些部件经由总线1708彼此连接。图1、图3或图12中所示的图像读取单元111可以连接至总线1708。
存储器1702是半导体存储器如只读存储器(ROM)、随机存取存储器(RAM)或闪存。存储器1702存储用于执行生物信息登记处理或生物认证处理的程序和数据。存储器1702可以用作图3或图12中所示的存储单元301。
CPU 1701(处理器)例如通过使用存储器1702执行程序来用作图1、图3或图12中所示的特征点提取单元112、特征量计算单元113、分类单元114和选择单元115。CPU 1701还用作图3或图12中所示的匹配单元302和登记单元303。
在这种情况下,在图2的步骤201中,CPU 1701执行程序以使图像读取单元111读取生物体的图案的图像。在图7的步骤702、图9的步骤902和图11的步骤1101中,CPU 1701执行程序以使图像读取单元111读取指纹图像。
输入装置1703是例如键盘、定点装置等。输入装置1703用于输入来自操作者或用户的指令或信息。输出装置1704是例如显示装置、打印机、扬声器等。输出装置1704用于向操作者或用户输出查询或处理结果。生物认证处理的处理结果可以是要被认证的目标的认证结果。
辅助存储装置1705是例如磁盘装置、光盘装置、磁光盘装置、磁带装置等。辅助存储装置1705可以是硬盘驱动器。信息处理装置可以将程序和数据存储在辅助存储装置1705中,并且可以通过将程序和数据加载到存储器1702上来使用程序和数据。辅助存储装置1705可以用作图3或图12中所示的存储单元301。
介质驱动装置1706驱动便携式记录介质1709并且访问记录在便携式记录介质1709中的内容。便携式记录介质1709是存储器装置、软盘、光盘、磁光盘等。便携式记录介质1709可以是光盘只读存储器(CD-ROM)、数字多功能盘(DVD)、通用串行总线(USB)存储器等。操作者可以将程序和数据存储在便携式记录介质1709中,并且可以通过将程序和数据加载到存储器1702中来使用程序和数据。
如上所述,存储用于执行生物信息登记处理或生物认证处理的程序和数据的计算机可读记录介质是物理(非暂态)记录介质如存储器1702、辅助存储装置1705或便携式记录介质1709。
网络连接装置1707是连接至通信网络如局域网或广域网并且执行与通信相关联的数据转换的通信接口。网络连接装置1707可以用作图12的输入单元1201。信息处理装置可以经由网络连接装置1707从外部装置接收程序和数据,并且可以通过将程序和数据加载到存储器1702上来使用程序和数据。
信息处理装置可以经由网络连接装置1707从用户终端接收处理请求,可以执行生物信息登记处理或生物认证处理以及可以向用户终端发送处理结果。
信息处理装置不需要包括图17中所示的所有部件,并且根据目的或状况,可以省略一些部件。作为示例,当不需要从操作者或用户输入指令或信息时,可以省略输入装置1703。当不需要向操作者或用户输出查询或处理结果时,可以省略输出装置1704。
当不需要执行与其他装置的通信时,可以省略网络连接装置1707,并且当不使用便携式记录介质1709时,可以省略介质驱动装置1706。
Claims (13)
1.一种生物认证装置,包括:
图像读取单元,所述图像读取单元读取生物体的图案的图像;
特征点提取单元,所述特征点提取单元从所述图案中提取多个特征点;
特征量计算单元,所述特征量计算单元计算所述特征点的每个组合的特征量;
分类单元,所述分类单元根据所述特征量来对所述组合进行分类;以及
选择单元,所述选择单元根据分类来选择要与所述组合中包括的特征点进行比较的登记特征点信息。
2.根据权利要求1所述的生物认证装置,其中,
所述特征量计算单元根据特征点之间的距离和所述特征点之间包括的脊的数量来计算所述特征量。
3.根据权利要求2所述的生物认证装置,其中,
所述特征量计算单元基于连接所述特征点的线段与所述特征点中的每个特征点处的脊方向之间的角度来估计所述特征点之间包括的脊的数量。
4.根据权利要求2所述的生物认证装置,其中,
所述特征量计算单元基于连接所述特征点的线段与所述特征点中的每个特征点处的脊方向之间的角度以及所述图案中包括的奇异点与所述线段之间的距离来估计所述特征点之间包括的脊的数量。
5.根据权利要求1至4中任一项所述的生物认证装置,还包括:
登记单元,所述登记单元将所述登记特征点信息登记在数据库中,
其中,所述图像读取单元读取要被登记的生物体的图案的图像,所述特征点提取单元从所述要被登记的生物体的图案中提取要被登记的多个特征点,所述特征量计算单元计算所述要被登记的特征点的每个组合的特征量,所述分类单元根据所述要被登记的特征点的组合的所述特征量来对所述要被登记的特征点的组合进行分类,以及所述登记单元根据所述要被登记的特征点的组合的分类来将与所述要被登记的特征点的组合中包括的要被登记的特征点有关的信息作为所述登记特征点信息登记在数据库中。
6.根据权利要求5所述的生物认证装置,其中,
所述特征量计算单元根据所述要被登记的特征点之间的距离和所述要被登记的特征点之间包括的脊的数量来计算所述要被登记的特征点的组合的特征量。
7.根据权利要求1至4中任一项所述的生物认证装置,还包括:
输入单元,所述输入单元接收与要被登记的特征点有关的信息;以及
登记单元,所述登记单元将所述登记特征点信息登记在数据库中,
其中,所述特征量计算单元计算要被登记的特征点的每个组合的特征量,所述分类单元根据所述要被登记的特征点的组合的所述特征量来对所述要被登记的特征点的组合进行分类,以及所述登记单元根据所述要被登记的特征点的组合的分类来将与所述要被登记的特征点的组合中包括的要被登记的特征点有关的信息作为所述登记特征点信息登记在数据库中。
8.根据权利要求7所述的生物认证装置,其中,
所述特征量计算单元根据所述要被登记的特征点之间的距离和所述要被登记的特征点之间包括的脊的数量来计算所述要被登记的特征点的组合的特征量。
9.根据权利要求8所述的生物认证装置,其中,
所述特征量计算单元基于连接所述要被登记的特征点的线段与所述要被登记的特征点中的每个特征点处的脊方向之间的角度来估计所述要被登记的特征点之间包括的脊的数量。
10.根据权利要求8所述的生物认证装置,其中,
所述特征量计算单元基于连接所述要被登记的特征点的线段与所述要被登记的特征点中的每个特征点处的脊方向之间的角度以及所述图案中包括的奇异点与所述线段之间的距离来估计所述要被登记的特征点之间包括的脊的数量。
11.一种生物认证方法,包括:
读取生物体的图案的图像;
从所述图案中提取多个特征点;
计算所述特征点的每个组合的特征量;
根据所述特征量来对所述组合进行分类;以及
根据所述分类来选择要与所述组合中包括的特征点进行比较的登记特征点信息。
12.根据权利要求11所述的生物认证方法,其中,
所述计算特征量是根据特征点之间的距离和所述特征点之间包括的脊的数量来计算所述特征量。
13.根据权利要求12所述的生物认证方法,其中,
所述计算特征量基于连接所述特征点的线段与所述特征点中的每个特征点处的脊方向之间的角度来估计所述特征点之间包括的脊的数量。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2015-178137 | 2015-09-10 | ||
JP2015178137A JP2017054323A (ja) | 2015-09-10 | 2015-09-10 | 生体認証装置、生体認証方法、及び生体認証プログラム |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106529389A true CN106529389A (zh) | 2017-03-22 |
Family
ID=56851443
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610804778.7A Pending CN106529389A (zh) | 2015-09-10 | 2016-09-06 | 生物认证装置和生物认证方法 |
Country Status (4)
Country | Link |
---|---|
US (1) | US20170076164A1 (zh) |
EP (1) | EP3142044A1 (zh) |
JP (1) | JP2017054323A (zh) |
CN (1) | CN106529389A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109858363A (zh) * | 2018-12-28 | 2019-06-07 | 北京旷视科技有限公司 | 一种狗鼻纹特征点的检测方法、装置、系统及存储介质 |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10136320B1 (en) * | 2017-11-22 | 2018-11-20 | International Business Machines Corporation | Authentication of users at multiple terminals |
JP6981249B2 (ja) * | 2017-12-28 | 2021-12-15 | 富士通株式会社 | 生体認証装置、生体認証プログラム、及び生体認証方法 |
JP6969470B2 (ja) * | 2018-03-23 | 2021-11-24 | 富士通株式会社 | 生体認証装置、生体認証方法及びプログラム |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1595425A (zh) * | 2004-07-13 | 2005-03-16 | 清华大学 | 指纹多特征识别方法 |
US20050058325A1 (en) * | 2001-05-30 | 2005-03-17 | Udupa Raghavendra U. | Fingerprint verification |
CN102368241A (zh) * | 2011-09-07 | 2012-03-07 | 常州蓝城信息科技有限公司 | 多级指纹数据库检索方法 |
CN102982528A (zh) * | 2008-09-25 | 2013-03-20 | 佳能株式会社 | 图像处理装置及图像处理方法 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2827994B2 (ja) * | 1995-12-22 | 1998-11-25 | 日本電気株式会社 | 指紋特徴抽出装置 |
JP2815045B2 (ja) | 1996-12-16 | 1998-10-27 | 日本電気株式会社 | 画像特徴抽出装置,画像特徴解析装置,および画像照合システム |
US5953442A (en) | 1997-07-24 | 1999-09-14 | Litton Systems, Inc. | Fingerprint classification via spatial frequency components |
US6778688B2 (en) | 2001-05-04 | 2004-08-17 | International Business Machines Corporation | Remote authentication of fingerprints over an insecure network |
JP4931426B2 (ja) | 2006-02-03 | 2012-05-16 | セコム株式会社 | 縞模様を含む画像の照合装置 |
US20080273770A1 (en) | 2007-05-03 | 2008-11-06 | Upek, Inc. | Fast Fingerprint Identification And Verification By Minutiae Pair Indexing |
-
2015
- 2015-09-10 JP JP2015178137A patent/JP2017054323A/ja active Pending
-
2016
- 2016-08-26 US US15/248,384 patent/US20170076164A1/en not_active Abandoned
- 2016-08-29 EP EP16186097.8A patent/EP3142044A1/en not_active Withdrawn
- 2016-09-06 CN CN201610804778.7A patent/CN106529389A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050058325A1 (en) * | 2001-05-30 | 2005-03-17 | Udupa Raghavendra U. | Fingerprint verification |
CN1595425A (zh) * | 2004-07-13 | 2005-03-16 | 清华大学 | 指纹多特征识别方法 |
CN102982528A (zh) * | 2008-09-25 | 2013-03-20 | 佳能株式会社 | 图像处理装置及图像处理方法 |
CN102368241A (zh) * | 2011-09-07 | 2012-03-07 | 常州蓝城信息科技有限公司 | 多级指纹数据库检索方法 |
Non-Patent Citations (2)
Title |
---|
ROBERT S. GERMAIN 等: "Fingerprint Matching Using Transformation Parameter Clustering", 《IEEE COMPUTATIONAL SCIENCE & ENGINEERING》 * |
XUDONG JIANG 等: "Fingerprint Minutiae Matching Based on the Local And Global Structures", 《PROCEEDINGS 15TH INTERNATIONAL CONFERENCE ON PATTERN RECOGNITION》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109858363A (zh) * | 2018-12-28 | 2019-06-07 | 北京旷视科技有限公司 | 一种狗鼻纹特征点的检测方法、装置、系统及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
US20170076164A1 (en) | 2017-03-16 |
JP2017054323A (ja) | 2017-03-16 |
EP3142044A1 (en) | 2017-03-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Muaaz et al. | An analysis of different approaches to gait recognition using cell phone based accelerometers | |
Kang et al. | Contactless palm vein recognition using a mutual foreground-based local binary pattern | |
CN104008317B (zh) | 认证设备和认证方法 | |
US20150379254A1 (en) | Authentication system that utilizes biometric information | |
JPWO2012014308A1 (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ならびに生体情報登録装置 | |
CN104036176B (zh) | 基于安全级别注册指纹特征点的方法、认证方法及终端设备 | |
CN106529389A (zh) | 生物认证装置和生物认证方法 | |
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 | |
US9792484B2 (en) | Biometric information registration apparatus and biometric information registration method | |
US9798958B2 (en) | Biometric information registration device and method | |
JPWO2011114520A1 (ja) | 識別装置、識別方法、及びプログラム | |
CN113449704B (zh) | 人脸识别模型训练方法、装置、电子设备及存储介质 | |
CN109829072A (zh) | 构建图谱方法及相关装置 | |
CN113646806A (zh) | 图像处理设备、图像处理方法和存储程序的记录介质 | |
CN111382791B (zh) | 深度学习任务处理方法、图像识别任务处理方法和装置 | |
CN108875549A (zh) | 图像识别方法、装置、系统及计算机存储介质 | |
KR100775005B1 (ko) | 사용자 인식 시스템 및 그 방법 | |
Terhörst et al. | What can a single minutia tell about gender? | |
JP6003367B2 (ja) | 画像認識装置、画像認識方法および画像認識プログラム | |
Mansoura et al. | Biometric recognition by multimodal face and iris using FFT and SVD methods With Adaptive Score Normalization | |
Szczepanik et al. | Security lock system for mobile devices based on fingerprint recognition algorithm | |
Chyad et al. | Hand Print Recognition System Based on FP-Growth Algorithm | |
Patil et al. | Enhancement of feature extraction in image quality | |
KR20190136587A (ko) | 정규화된 지역구조에 의한 지문 영상의 이진화 벡터 변환 방법 및 이를 이용한 두 지문 영상간 동일여부를 판별하는 방법 | |
Kubanek et al. | Users verification based on palm-prints and hand geometry with Hidden Markov Models |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20170322 |