CN115398473A - 认证方法、认证程序以及认证装置 - Google Patents

认证方法、认证程序以及认证装置 Download PDF

Info

Publication number
CN115398473A
CN115398473A CN202080099631.7A CN202080099631A CN115398473A CN 115398473 A CN115398473 A CN 115398473A CN 202080099631 A CN202080099631 A CN 202080099631A CN 115398473 A CN115398473 A CN 115398473A
Authority
CN
China
Prior art keywords
authentication
distortion correction
lens
lens distortion
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
Application number
CN202080099631.7A
Other languages
English (en)
Inventor
青木隆浩
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 CN115398473A publication Critical patent/CN115398473A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/107—Static hand or arm
    • G06V40/117—Biometrics derived from 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
    • G06V40/14—Vascular patterns
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • 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
    • 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
    • G06V10/247—Aligning, centring, orientation detection or correction of the image by affine transforms, e.g. correction due to perspective effects; Quadrilaterals, e.g. trapezoids
    • 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
    • G06V10/32—Normalisation of the pattern dimensions
    • 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)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Human Computer Interaction (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Vascular Medicine (AREA)
  • Image Processing (AREA)
  • Collating Specific Patterns (AREA)

Abstract

在认证方法中，由计算机执行如下处理：若获取生物体的拍摄图像，则从拍摄图像中提取与生物体相对应的区域所包含的生物体图像；以及基于提取出的上述生物体图像和生物体图像在拍摄图像中的位置，进行生物体的认证。

Description

认证方法、认证程序以及认证装置
技术领域
本发明涉及认证方法、认证程序以及认证装置。
背景技术
在生物体认证技术中，从减小在生物体的拍摄中使用的镜头的畸变的影响的方面考虑，提出了如下的技术(例如，参照专利文献1)。例如，对图像的亮度分布的值乘以越接近图像的中心而值越大的加权系数，提取包含亮度分布的最大值的位置的生物体图像作为最接近图像中心的生物体的认证用图像。
专利文献1：日本特开2017-91186号公报
然而，在上述的技术中，在生物体位于远离图像的中心的图像的角周边的情况下，依然将镜头的畸变较大的生物体图像用于认证，所以存在认证精度降低的方面。
另外，存在使用“镜头畸变校正”的情况，该“镜头畸变校正”减少镜头畸变的影响。但是，即使在应用镜头畸变校正的情况下，也残留有校正误差。该校正误差的大小根据拍摄图像中的位置来决定，但在以往的认证处理中，没有考虑校正误差，因此存在认证精度降低的课题。
发明内容
在一个方面，本发明的目的在于提供一种能够提高认证精度的精度的认证方法、认证程序以及认证装置。
在一个方式的认证方法中，由计算机执行如下处理：若获取生物体的拍摄图像，则从上述拍摄图像中提取与上述生物体相对应的区域所包含的生物体图像；以及基于提取出的上述生物体图像和上述生物体图像在上述拍摄图像中的位置，进行上述生物体的认证。
能够提高认证精度的精度。
附图说明
图1是表示实施例1的认证装置的功能性结构的一个例子的框图。
图2A是表示没有径向畸变中的畸变的一个例子的图。
图2B是表示有径向畸变中的畸变的一个例子的图。
图3A是表示没有圆径方向畸变中的畸变的一个例子的图。
图3B是表示有圆径方向畸变中的畸变的一个例子的图。
图4是表示镜头畸变校正误差的一个例子的图。
图5是表示生物体认证中的标准化处理的概要的图。
图6是表示认证处理的概要的图。
图7是表示镜头畸变校正误差参数的计算的概要的图。
图8是表示模板的一个例子的图。
图9是表示实施例1的生物体认证处理的步骤的流程图。
图10是表示图9的提取处理的详细的步骤的流程图。
图11是表示认证处理的概要的图。
图12是表示实施例2的认证系统的功能性结构的一个例子的框图。
图13是表示模板的一个例子的图。
图14是表示镜头畸变校正误差参数表的一个例子的图。
图15是表示执行实施例1以及实施例2的认证程序的计算机的硬件构成例的图。
具体实施方式
以下，参照附图对本申请的认证方法、认证程序以及认证装置进行说明。此外，本实施例并不限定公开的技术。而且，各实施例能够在不使处理内容矛盾的范围内适当地组合。
实施例1
[系统结构]
图1是表示实施例1的认证装置的功能性结构的一个例子的框图。图1所示的认证装置1是使用拍摄生物体所得的拍摄图像来进行生物体认证的装置。以下，作为生物体认证的一个例子，对使用了手掌的静脉的静脉认证进行说明，但并不限定于此，例如即使是使用了身体的特征的生物体信息的认证，也能够应用。在这里，身体的特征是指手的拳头形状、血管、手指的指纹以及眼睛的虹膜、视网膜等。
如图1所示，认证装置1具备传感器部10和控制部20。此外，传感器部10和控制部20也可以经由网络连接。该网络无论是有线还是无线均可，可以是因特网、LAN(Local AreaNetwork：局域网)等任意种类的通信网。
[传感器部的结构]
首先，对传感器部10的结构进行说明。传感器部10通过对生物体照射光，并拍摄被生物体反射的光，来生成生物体的拍摄图像。传感器部10具备照明部11、镜头12、拍摄元件13、存储部14、通信I/F部15以及传感器管理部16。
照明部11在传感器管理部16的控制下，朝向生物体照射光。照明部11使用LED(Light Emitting Diode：发光二极管)灯、氙气灯等来实现。
镜头12通过会聚由生物体反射的光来在拍摄元件13的受光面上成像生物体的被拍摄体像。镜头12使用一个或者多个单体透镜来实现。镜头12根据单体透镜的结构、组合，而在拍摄图像中产生来自镜头的畸变(畸变像差)(以下，称为“镜头畸变”)。镜头畸变具有复杂的非线性特性。镜头畸变由镜头12的设计、例如单体透镜的构成片数以及材料等决定畸变的大小、影响范围等。镜头畸变也受组装镜头12时的误差(制造误差、组装误差)的影响，并且按每个个体而不同。此外，在镜头12，也可以设置快门以及光圈等，也可以设置能够通过使镜头12沿着光轴移动来变更视角以及焦点的变焦机构以及聚焦机构中的至少一方。
拍摄元件13在传感器管理部16的控制下，通过接受镜头12在受光面上成像的被拍摄体像并进行光电转换来生成拍摄生物体而得到的拍摄图像(图像数据)。拍摄元件13使用CCD、CMOS等图像传感器和包含A/D转换电路、AFE电路的图像处理芯片来实现。
存储部14以由传感器管理部16执行的OS(Operating System：操作系统)为首，存储由传感器管理部16执行的拍摄程序、认证程序所使用的数据。存储部14使用各种半导体存储器元件来实现，例如能够采用RAM(Random Access Memory：随机存取存储器)、闪存。另外，在存储部14中存储(保存)有用于校正镜头12的镜头畸变的模板141。在模板141中包含用于校正镜头12的镜头畸变的镜头畸变校正信息141a。并且，在模板141中包含镜头畸变校正误差信息141b，该镜头畸变校正误差信息141b用于校正在执行使用了镜头畸变校正信息141a(镜头畸变校正参数)的镜头畸变校正后所残留的误差(以下，称为“镜头畸变校正误差”)。对于镜头畸变校正信息141a以及镜头畸变校正误差信息141b的详细内容后述。
通信I/F部15对应于与控制部20之间进行通信控制的接口的一个例子。作为一个实施方式，通信I/F部15能够采用LAN卡等网络接口卡等。例如，通信I/F部15从控制部20接受拍摄指示信号、或输出由拍摄元件13生成的拍摄图像、镜头畸变校正信息141a以及镜头畸变校正误差信息141b。
传感器管理部16控制传感器部10的各部。作为一个实施方式，传感器管理部16能够通过CPU(Central Processing Unit：中央处理单元)、MPU(Micro Processing Unit：微处理单元)等硬件处理器来安装。在这里，作为处理器的一个例子，例示出CPU、MPU，但无论是通用型还是专用型均可，能够通过任意的处理器、例如除了GPU(Graphics ProcessingUnit：图形处理单元)、DSP(Digital Signal Processor：数字信号处理器)之外，还有DLU(Deep Learning Unit：深度学习单元)、GPGPU(General-Purpose computing on GraphicsProcessing Units：图形处理单元上的通用计算)来安装。此外，传感器管理部16也可以通过ASIC(Application Specific Integrated Circuit：专用集成电路)、FPGA(FieldProgrammable Gate Array：现场可编程门阵列)等硬连线逻辑来实现。
[控制部的结构]
接下来，对控制部20进行说明。控制部20从传感器部10获取到的拍摄图像中提取与生物体相对应的区域所包含的生物体图像，并基于该提取出的生物体图像和生物体图像在拍摄图像中的位置，来进行生物体的认证。控制部20具备通信I/F部21、存储部22、数据库部23、整体管理部24、提取部25、标准化处理部26、特征提取部27、计算部28以及认证部29(对照部)。
通信I/F部21对应于与传感器部10之间进行通信控制的接口的一个例子。作为一个实施方式，通信I/F部21能够采用LAN卡等网络接口卡等。例如，通信I/F部21在整体管理部24的控制下，从传感器部10接受由拍摄元件13生成的拍摄图像、镜头畸变校正信息141a以及镜头畸变校正误差信息141b。另外，通信I/F部21在整体管理部24的控制下，输出对传感器部10指示拍摄的拍摄指示信号。
整体管理部24进行认证装置1的整体控制。作为一个实施方式，整体管理部24能够通过CPU(Central Processing Unit)、MPU(Micro Processing Unit)等硬件处理器来安装。在这里，作为处理器的一个例子，例示出CPU、MPU，但无论是通用型还是专用型均可，能够由任意的处理器、例如除了GPU(Graphics Processing Unit)、DSP(Digital SignalProcessor)以外还有DLU(Deep Learning Unit)、GPGPU(General-Purpose computing onGraphics Processing Units)来安装。此外，传感器管理部16也可以由ASIC(ApplicationSpecific Integrated Circuit)、FPGA(Field Programmable Gate Array)等硬连线逻辑来实现。
数据库部23存储认证部29登记了生物体图像和预先登记的用户的生物体图像的登记模板以及识别传感器部10的ID信息等。作为一个实施方式，数据库部23能够作为认证装置1中的辅助存储装置来安装。例如，数据库部23能够采用HDD(Hard Disk Drive：硬盘驱动器)、SSD(Solid State Drive：固态硬盘)等。
存储部22以由认证装置1执行的OS(Operating System)为首，存储认证程序、例如应用程序、中间件等各种程序所使用的数据。作为一个实施方式，存储部22能够作为认证装置1中的主存储装置来安装。例如，存储部22使用各种半导体存储器元件来实现，例如能够采用RAM、闪存。
提取部25从由传感器部10拍摄到的拍摄图像中提取生物体图像，并对提取出的生物体图像进行后述的校正镜头畸变的镜头畸变校正处理。
标准化处理部26对生物体图像进行标准化处理。具体而言，标准化处理部26对生物体图像进行校正姿势变动的标准化处理。在标准化处理中，对生物体图像所包含的由输入生物体的旋转以及位置偏移等引起的变动进行校正。
特征提取部27对进行了标准化处理后的生物体图像执行提取特征量的特征提取处理。此外，对于特征量提取处理的详细内容后述。
计算部28基于镜头12的光学中心坐标和标准化处理部26对生物体图像进行标准化处理时的标准化参数，来计算与生物体图像的规定坐标对应的镜头畸变校正后的校正后图像的坐标。并且，计算部28基于校正后图像的坐标和镜头12的光学中心坐标，来计算校正后图像的坐标中的镜头畸变校正误差。计算部28将镜头畸变校正误差作为认证部29进行认证时使用的模板存储(保存)至存储部22。此外，对于由计算部28计算的镜头畸变校正误差的详细内容后述。
认证部29进行对存储于存储部22的特征数据和登记数据进行对照的认证处理(对照处理)。此外，对于认证部29所进行的认证处理的详细内容后述。
像这样构成的认证装置1，由传感器部10拍摄生物体的拍摄图像。而且，认证装置1的控制部20从传感器部10获取到的拍摄图像中提取与生物体相对应的区域所包含的生物体图像，并基于该生物体图像和该生物体图像在拍摄图像中的位置，来进行生物体的认证。
[关于镜头畸变校正处理以及生物体认证处理]
接下来，对镜头畸变校正处理以及生物体认证处理进行说明。首先，在对镜头畸变校正处理的概要说明后，对生物体认证处理的概要进行说明。此外，以下，将在以往的生物体认证处理中使用的传感器、镜头以及拍摄元件仅记作“传感器”、“镜头”以及“拍摄元件”来进行说明。
[关于镜头畸变]
首先，对镜头畸变校正处理中的镜头畸变的详细内容进行说明。以往的生物体认证处理一般使用通过镜头拍摄到的拍摄图像。在该拍摄图像中，因镜头而产生镜头畸变。一般而言，关于镜头，通过组合多个单体透镜来构成一个镜头(例如，镜头单元)的情况较多。其结果是，镜头畸变具有复杂的非线性特性。镜头畸变根据镜头的设计、例如构成片数、材料等来决定大小以及影响范围等。并且，由于组装镜头时的误差也会影像镜头畸变，所以镜头畸变按每个镜头个体而不同。
[关于镜头畸变校正处理]
接下来，对镜头畸变校正处理的详细内容进行说明。以往，在镜头畸变较大的情况下，应用通过多项式对镜头畸变进行近似并校正的“镜头畸变校正”。例如，在需要非常高精度的生物体认证处理中，无法忽略由镜头畸变引起的对照特征的变形。因此，在以往的生物体认证处理中，通过应用镜头畸变校正，来实现高精度的认证处理。如下那样进行镜头畸变校正处理。
首先，在镜头畸变校正处理中，使用镜头以及拍摄元件来拍摄已知的校正用图案。而且，在镜头畸变校正处理中，基于拍摄到的拍摄图像和校正用图案，来计算用于将因镜头畸变而变形的图案返回到原来的校正参数(以下，称为“镜头畸变校正参数”)。
接着，在镜头畸变校正处理中，使用上述的镜头畸变校正参数，对因镜头而畸变的拍摄图像进行校正。因此，计算镜头畸变校正参数的定时在从工厂出厂用于生物体认证处理的传感器时的传感器校准处理的定时处进行。通过该传感器校准处理计算的镜头畸变校正参数作为镜头畸变校正信息141a存储(保存)至传感器的存储器(闪存等)，在进行镜头畸变校正处理时使用。而且，在进行生物体认证处理时，通过在对提取部25从拍摄图像中提取了与生物体相对应的区域的生物体图像校正了镜头畸变后，进行后述的特征提取处理等，来实现高精度的生物体认证处理。
[镜头畸变校正处理的详细内容]
接下来，对镜头畸变校正处理的详细内容进行说明。首先，在镜头畸变校正处理中，一般通过多项式来近似镜头畸变。镜头畸变能够大致分为(1)径向畸变以及(2)周向畸变这两种(参照图2A、图2B、图3A以及图3B)。图2A是示意性地表示没有径向畸变中的畸变的状态的图。图2B是示意性地表示有径向畸变中的畸变的状态的图。图3A是示意性地表示没有周向畸变中的畸变的状态的图。图3B是示意性地表示有周向畸变中的畸变的状态的图。
(1)如图2A的图像P1以及图2B的图像P2所示，径向畸变是畸变的量仅取决于距镜头的光学中心O1的距离r的类型。另一方面，(2)如图3A的图像P3以及图3B的图像P4所示，关于周向畸变，畸变的量不仅取决于距镜头的光学中心O1的距离r，畸变的大小也根据方向而变化。
并且，在镜头畸变中，也存在组合了(1)径向畸变和(2)周向畸变的复合型的畸变。然而，镜头畸变多数能够以(1)径向畸变来校正。如图2A的图像P1、图2B的图像P2、图3A的图像P3以及图3B的图像P4所示，不同类型的镜头畸变，用于近似的多项式不同。
在这里，对镜头畸变的多项式近似式进行说明。首先，坐标(x，y)表示没有畸变的情况下(参照图2A)的图像P1上的坐标。用以光学中心坐标为中心的坐标系来定义坐标(x，y)。在这里，光学中心O1是镜头的光轴所通过的拍摄元件上的位置。在镜头设计上，光学中心坐标一般为图像P1的中心O1，但由于制造误差的影响，未必为图像P1的中心O1。
另一方面，坐标(xd，yd)表示由于镜头畸变的影响而坐标(x，y)移动到的点(坐标)。换句话说，由于镜头畸变，给予从坐标(x，y)到坐标(xd，yd)这样的变形。以下的式(1)～式(6)是用坐标(x，y)的多项式来近似其对应关系的式子。此外，式(1)～(3)表示径向畸变的多项式，式(4)～式(6)表示周向畸变的多项式。
[式1]
xd＝x(1+k1r2+k2r4) …(1)
yd＝y(1+k1r2+k2r4) …(2)
r2＝x2+y2 …(3)
[式2]
xd＝x+[2p1xy+p2(r2+2x2)] …(4)
yd＝y+[2p1(r2+2y2)+p2xy] …(5)
r2＝x2+y2 …(6)
在这里，k1、k2或者p1、p2是表示镜头畸变的常量(以下，称为“畸变校正参数”)。关于应用镜头畸变校正，需要预先求出镜头固有的校正参数(k1、k2、p1、p2)。
[镜头畸变校准处理的详细内容]
接下来，对镜头畸变校准处理的详细内容进行说明。为了进行镜头畸变校正处理，需要在工厂出厂时计算镜头固有的镜头畸变校正参数(k1、k2、p1、p)(镜头畸变校准处理)。
镜头畸变校准处理使用拍摄预先决定的图案所得的拍摄图像等，来求出没有畸变的坐标(x，y)与给予了变形的坐标(xd，yd)的对应关系。该对应关系通过最小二乘近似等求出畸变校正参数，并存储(保存)至传感器(传感器部10)的闪存等存储器(存储部14)。在进行生物体认证处理时，使用该畸变校正参数来校正拍摄图像，用于特征提取处理等。
[关于镜头畸变校正误差]
在这里，镜头畸变的校正是通过多项式来近似镜头畸变的处理。实际上，由于镜头如上所述是组合多个单体透镜而成的结构，因此镜头畸变成为复杂的非线性形状。因此，通过上述式(1)～式(6)并不会完全除去镜头畸变，而是残留误差(以下，称为“镜头畸变校正误差”)。认证装置1由于在高精度的生物体认证处理中应用镜头12，因此无法忽略镜头畸变校正误差的影响。即，在实施例1中，减少镜头畸变校正误差的影响。
在这里，注意如下方面：镜头畸变的大小以及镜头畸变校正误差的大小是独立。例如，在镜头畸变的校正中，即使在镜头畸变本身非常大的情况下，当镜头畸变校正处理的近似非常适合时，镜头畸变校正误差变小。
与此相对，在镜头畸变的校正中，即使镜头畸变本身较小，当镜头畸变校正式的近似不太适合时，镜头畸变校正误差变大。
并且，根据应用镜头畸变校正处理的情况，也可能存在误差变大的区域。该理由如下。
图4是表示镜头畸变校正误差的一个例子的图。首先，在镜头畸变校正处理中，在计算镜头畸变校正参数的情况下，以在拍摄图像P10的整个画面中误差成为最小的方式通过最小二乘法等来求出参数。因此，在镜头畸变校正处理中，在着眼于特定区域的情况下，也可能存在校正误差变大的情况。例如，如图4所示，拍摄图像P10的中央部一般镜头畸变本身较小，但存在镜头畸变校正误差变大的情况。这是由于用于近似计算的拍摄图像P10的像素数的影响。位于距拍摄图像P10的中心O1(严格来说为光学中心)一定距离r处的像素的数量在距离r较大的拍摄图像P10的周边部变多。即，在镜头畸变校正处理中，在最小二乘计算时，拍摄图像P10的像素数较多的周边部强烈受到校正误差的影响。其结果是，在镜头畸变校正处理中，存在拍摄图像P10的中心部的畸变校正误差变大的情况。
[关于生物体认证处理]
接下来，对生物体认证处理进行说明。以下，以手掌的静脉认证处理为例进行说明。此外，在实施例1中，对手掌的静脉进行说明，但并不限定于此。
在生物体认证处理中，获取拍摄图像(例如，拍摄手掌的静脉所得的静脉图像)，并从该获取到的拍摄图像中提取特征数据(特征量)(特征提取处理)。而且，在生物体认证处理中，将从拍摄图像中提取出的特征数据用于对照。在该情况下，在生物体认证处理中，预先将每个用户的特征数据作为登记数据存储以用于生物体认证处理。具体而言，在生物体认证处理中，在进行认证的情况下，从拍摄图像中提取特征数据(认证数据)，并对提取出的特征数据和登记数据进行比较来计算认证分数(对照分数)。该认证分数是表示登记数据和特征数据(认证数据)以何种程度相似的值。在生物体认证处理中，在认证分数超过规定阈值的情况下，判定为是登记到数据库的本人。在这里，作为阈值，能够根据安全等级来适当地变更值。
此外，在生物体认证处理中，在从拍摄图像中提取特征数据之前(特征提取处理之前)，进行标准化处理。在这里，所谓的标准化处理，是对拍摄图像中映现的手掌等生物体的特征的姿势变动进行校正，校正为规定的形状的处理。例如，标准化处理对拍摄图像中映现的手掌等生物体的旋转以及位置中的至少一方进行校正，校正为规定的形状。根据该生物体认证处理，能够对手掌等生物体的姿势变动实现稳健的认证。此外，对于标准化处理的详细内容后述。
另外，在生物体认证处理中，用于生物体认证的特征中具有各种特征，以下，作为一个例子，对局部特征量进行说明。
局部特征量表示静脉的分支点等区域的局部特征，已知有LPQ(Local PhaseQuantization：局部相位量化)、LBP(Local Binary Pattern：局部二进制模式)等各种方式。在实施例1的生物体认证处理中，将局部特征量的坐标(x，y)和特征量(一般为矢量)V作为对(pair)来构成特征量。
对于使用局部特征量的优点，可举出可抵抗变形。例如，当在生物体认证处理中从整个手掌中提取出特征量的情况下，特征量因生物体认证处理时的手掌的变形而发生强烈变化。与此相对，当在生物体认证处理中使用局部的特征量的情况下，变形的影响被限定在坐标(x，y)，对特征量V本身的影响较小。因此，当在生物体认证处理中使用局部特征量的情况下，能够对姿势变动进行稳健的认证。
通常，在进行生物体认证处理的情况下，一般进行对位处理。对位处理是通过搜索处理等来对齐登记数据和认证数据的位置(平行移动、旋转以及放大缩小等)的处理。在生物体认证处理中，能够通过标准化处理大致对齐其位置，但很难完全对齐。因此，在生物体认证处理中，在对照登记数据和特征数据时，通过进行基于对位处理的对位来进行认证。由此，在生物体认证处理中，能够进行高精度的认证处理。
[关于标准化处理]
接下来，对上述的标准化处理的详细内容进行说明。图5是表示生物体认证中的标准化处理的概要的图。此外，在图5中，为了说明而夸大地描写。
如图5所示，一般而言，在生物体认证处理中，在特征量提取处理之前，对从拍摄图像P10中提取出与生物体相对应的区域的生物体图像P20、P21进行校正姿势变动的标准化处理。在标准化处理中，校正由生物体图像P20、P21所包含的输入生物体的旋转以及位置偏移等引起的变动。在生物体认证处理中，通过在特征提取处理之前，对生物体图像P20、P21进行标准化处理，能够对输入生物体的姿势变动实现稳健的认证。
另一方面，在生物体认证处理中，通过进行标准化处理，在拍摄图像P10内的哪个位置拍摄到用于特征提取处理的生物体图像P20、P21的信息丢失(参照图5)。换句话说，在生物体认证处理中，在拍摄图像P10的端部拍摄到用于特征提取处理的生物体图像P20、P21的位置、还是在中央附近拍摄到用于特征提取处理的生物体图像P20、P21的位置，因标准化处理而丢失。
并且，在生物体认证处理中，即使是相同的手掌，在拍摄图像P10内也存在镜头畸变校正误差较大的区域R1和镜头畸变校正误差较小的区域R2，但标准化处理的结果是，与生物体图像P20、P21在拍摄图像P10中的位置相关的位置信息丢失。其结果是，在以往的生物体认证处理中，在进行了标准化处理的情况下，无法灵活运用镜头畸变校正误差信息。
[关于生物体认证传感器]
在这里，作为生物体认证处理的一个例子，对手掌静脉传感器的镜头畸变进行说明。在手掌静脉认证中，作为实现接近拍摄(将手掌罩在传感器附近进行认证)的结果，存在镜头畸变变大的趋势。因此，为了实现高精度的生物体认证，需要镜头畸变校正处理。另外，当在生物体认证中使用的传感器的种类不同的情况下，通常镜头畸变特性也不同。并且，即使在生物体认证中使用的传感器为相同种类，在镜头制造商不同的情况下，镜头畸变特性也不同。
[课题的一个方面]
如在上述的背景技术的栏中说明的那样，在现有的生物体认证处理中，通过应用镜头畸变校正处理，能够除去大部分镜头畸变，但存在残留镜头畸变校正误差的情况。镜头畸变校正误差以何种程度残留取决于镜头的特性。具体而言，镜头畸变校正误差由在生物体认证中使用的镜头所具有的畸变的特性以及畸变校正式的近似程度来决定。
在现有的生物体认证处理中，当在镜头畸变校正图像中包含畸变校正误差的情况下，从该区域提取出的认证特征也畸变。其结果是，在现有的生物体认证处理中，存在认证精度降低的课题。特别是，在需要非常高的精度的生物体认证装置中，无法忽略畸变校正误差的影响。
像这样，为了实现高精度的生物体认证处理，需要适当地处理镜头畸变校正误差。特别是，在进行生物体认证处理的情况下，对生物体图像(输入图像)应用标准化处理，对标准化处理后的生物体图像应用特征提取处理。因此，对于生物体图像(特征提取图像)，是从原始拍摄图像(输入图像)的哪个区域取得的数据这样的位置信息变得很重要。然而，在现有的生物体认证处理中，通过对生物体图像进行标准化处理，与用于特征提取处理的生物体图像的位置相关的位置信息丢失。其结果是，在以往的生物体认证处理中，无法适当地处理镜头畸变校正误差。
[解决课题的方法的一个方面]
在实施例1中，通过使镜头畸变校正误差的大小反映到认证处理，来改善生物体认证处理的认证精度。具体而言，在实施例1中，如下所示，通过将每个区域的镜头畸变校正误差的值反映为认证处理的“权重”，来改善生物体认证处理的认证精度。
图6是表示认证处理的概要的图。如图6所示，镜头畸变校正误差较小的区域R10提高认证处理的权重。与此相对，镜头畸变校正误差较大的区域R11降低认证处理的权重。
[镜头畸变校正误差信息]
接下来，对镜头畸变校正误差信息进行说明。实施例1的认证装置1为了使镜头畸变校正误差反映到认证处理，而存储部14存储(保持)模板141。
首先，在以往的生物体认证处理中，如上所述，在进行了标准化处理的情况下，用于特征提取处理的生物体图像在拍摄图像内(畸变校正图像内)的位置信息丢失。另外，在以往的生物体认证处理中，为了使镜头畸变校正误差反映到认证处理，而需要与镜头固有的镜头畸变校正误差相关的信息(镜头畸变校正误差信息141b)。因此，在实施例1的认证装置1中，使用下述(a)和(b)的信息(镜头畸变校正误差信息141b)使镜头畸变校正误差反映到认证处理中。
(a)光学中心坐标以及标准化参数(模板固有的信息)
(b)镜头畸变校正误差参数(镜头固有的信息)
以下，对(a)和(b)的详细内容进行说明。
[光学中心坐标以及标准化参数(模板固有的信息)]
首先，对(a)光学中心坐标以及标准化参数进行说明。
镜头畸变的大小能够由使用了以光学中心坐标为中心的坐标系的近似式来表示。因此，镜头畸变校正误差能够通过以光学中心坐标为中心的坐标系来计算。因此，在计算镜头畸变校正误差时，需要光学中心坐标以及标准化参数(放大缩小率)。
首先，对光学中心坐标进行说明。
对于光学中心坐标而言，将镜头畸变校正处理前的拍摄图像中的光学中心坐标存储(保存)为存储部14的模板141的镜头畸变校正误差信息141b。一般而言，在计算镜头畸变校正参数时，计算光学中心坐标。
接下来，对标准化参数进行说明。
在作为标准化处理而应用了放大缩小α、旋转角θ、平行移动(ex，ey)的情况下，标准化参数的坐标转换式(7)如下。
[式3]
Figure BDA0003882701070000131
在这里，标准化处理后的坐标为坐标(xn，yn)，标准化处理前(镜头畸变校正处理后)的坐标为坐标(x，y)。
对每个标准化处理的生物体图像(特征提取图像)执行特征提取处理。在该情况下，能够通过对上述的式(7)进行逆变更来计算与坐标(xn，yn)对应的镜头畸变校正图像的坐标(x，y)。
因此，在认证装置1中，能够通过将标准化参数(α，θ，(ex，ey))存储(保存)为存储部14的模板141的镜头畸变校正误差信息141b，来对生物体图像(标准化处理后的特征提取图像)计算镜头畸变校正图像的坐标(x，y)。在这里，标准化参数按每个模板141具有固有的值。
[镜头畸变校正误差参数(镜头固有的信息)]
接下来，对镜头畸变校正误差参数进行说明。图7表示镜头畸变校正误差参数的计算的概要。在图7中，横轴表示距光学中心的距离r，纵轴表示镜头畸变校正误差Δ。另外，曲线L1表示镜头畸变校正误差参数的特性。
在实施例1的认证装置1中，预先计算表示镜头畸变校正误差的参数，将该计算结果用于认证处理。例如，在镜头畸变校正误差取决于距光学中心的距离r的情况下(例如，具有周向畸变的镜头)，如式(8)那样，将镜头畸变校正误差Δ计算为距光学中心的距离r的函数(取距离r的二阶的情况)。
[式4]
镜头畸变校正误差Δ＝q0+q1r+q2r2…(8)
在这里，q0、q1以及q2是镜头畸变校正误差参数。具体而言，镜头畸变校正误差参数通过拍摄规定的校正用参数，并使用最小二乘法计算距光学中心的距离r与畸变校正误差的对应关系而得到。
对每个管理对象预先计算镜头畸变校正误差参数，并存储(保存)于模板141。例如，在认证装置1按镜头的每个种类来管理镜头畸变校正误差参数、镜头畸变校正误差的情况下(例如，A公司的镜头、B公司的镜头、…)，按镜头的每个种类来计算镜头畸变校正误差并存储于存储部14的模板141。另外，在认证装置1按传感器的每个个体来管理镜头畸变校正误差参数的情况下，在传感器校准处理时计算每个传感器个体的镜头畸变校正误差并存储(保存)至传感器部10的存储部14的模板141。
像这样，即使是镜头畸变校正处理后，认证装置1也使残留的镜头畸变校正误差反映至认证处理，从而能够实现高精度的生物体认证。
另外，认证装置1通过将光学中心坐标、标准化信息作为模板141存储于存储部14，从而即使在应用标准化处理的一般的生物体认证中，也能够使镜头畸变校正误差正确地反映至认证处理。
[模板的结构]
接下来，对存储部22所存储的模板的结构进行说明。图8是表示模板的结构的一个例子的图。在图8所示的模板T1中，包含特征数据T11、镜头畸变校正信息T12以及镜头畸变校正误差信息T13。
特征数据T11是在生物体认证处理中使用的认证用数据(对照用数据)。在实施例1中，作为特征量使用局部特征量。局部特征量是从手掌的分支点等附近区域计算出的特征量。在生物体认证处理中，通过使用局部特征量，能够对手掌的变形实现稳健的认证。作为特征数据，存储多个提取出特征的坐标(x，y)与局部特征量的矢量V的对(pair)。认证装置1为了使镜头畸变校正误差信息反映至认证处理，而将所需的信息作为模板T1存储(保存)至存储部22。
镜头畸变校正信息T12包含镜头畸变校正参数。镜头畸变校正参数是使用上述的镜头以及拍摄元件拍摄已知的校正用图案，基于拍摄到的拍摄图像和校正用图案，用于使因镜头畸变而变形的图案返回到原来的参数。
镜头畸变校正误差信息T13包含光学中心坐标、标准化参数以及镜头畸变校正误差参数。由此，认证装置1能够使用光学中心坐标、标准化参数以及镜头畸变校正误差参数，来计算与标准化处理后的特征提取图像的坐标(xn，yn)对应的镜头畸变校正误差。
[计算部所计算的镜头畸变校正误差]
计算部28计算与用于认证处理的生物体图像(特征提取图像)的各点对应的镜头畸变校正误差。具体而言，计算部28计算与生物体图像(特征提取图像)的坐标(xn，yn)对应的镜头畸变校正图像的坐标(x，y)。在这里，生物体图像(特征提取图像)的坐标(xn，yn)是应用了标准化处理的坐标。因此，计算部28通过使用模板T1所包含的标准化参数并应用逆变换，来计算标准化处理前的镜头畸变校正图像的坐标(x，y)。
此外，变换处理由上述的标准化处理部26来进行。计算部28使用由标准化处理部26进行逆变换处理后的镜头畸变校正图像的坐标(x，y)和存储(保存)于镜头畸变校正误差信息T13的光学中心坐标，并使用镜头畸变校正误差参数，来计算与生物体图像(特征提取图像)的坐标(xn，yn)对应的点处的镜头畸变校正误差Δ(参照上述的式(8))。
[处理的流程]
图9是表示由实施例1的认证装置1执行的认证处理的步骤的流程图。该认证处理仅作为一个例子，在上述的认证装置1接受了生物体的认证请求的情况下开始。
如图9所示，传感器部10通过拍摄生物体来获取拍摄图像(特征图像)(步骤S101)，控制部20执行从拍摄图像中提取与生物体相对应的区域所包含的生物体图像的提取处理(步骤S102)。在该情况下，控制部20从传感器部10获取拍摄图像，从传感器部10获取镜头畸变校正信息以及镜头畸变校正误差信息。之后，认证装置1移至后述的步骤S103。
图10是表示提取处理的详细的步骤的流程图。如图10所示，首先，提取部25从拍摄图像中提取与生物体相对应的区域所包含的生物体图像(步骤S201)，对生物体图像(特征提取图像)执行镜头畸变校正处理(步骤S202)。
接着，标准化处理部26对生物体图像(特征提取图像)进行标准化处理(步骤S203)。具体而言，标准化处理部26进行标准化处理，在该标准化处理中，对由生物体图像(特征提取图像)所包含的输入生物体的旋转以及位置偏移等引起的变动进行校正。
之后，特征提取部27对由标准化处理部26进行了标准化处理后的生物体图像(特征提取图像)进行特征提取处理(步骤S204)。具体而言，特征提取部27对生物体图像(特征提取图像)提取特征数据。
接着，计算部28计算由特征提取部27提取出的特征数据和镜头畸变校正误差参数，并存储为存储部22的模板T1(步骤S205)。具体而言，计算部28计算与认证部29在认证处理中使用的生物体图像(特征提取图像)的各点对应的镜头畸变校正误差。例如，计算部28计算与生物体图像(特征提取图像)的坐标(xn，yn)对应的镜头畸变校正图像的坐标(x，y)。在这里，生物体图像(特征提取图像)的坐标(xn，yn)是应用了标准化处理的坐标。因此，计算部28通过使用模板141所包含的标准化参数并应用逆变换，来计算标准化处理前的镜头畸变校正图像的坐标(x，y)。此外，变换处理由上述的标准化处理部26来进行。计算部28使用由标准化处理部26进行了逆变换处理后的镜头畸变校正图像的坐标(x，y)和模板141的镜头畸变校正误差数据中存储的光学中心坐标，并使用镜头畸变校正误差参数，来计算与生物体图像(特征提取图像)的坐标(xn，yn)对应的点处的镜头畸变校正误差Δ(参照上述的式(8))。假设镜头畸变校正误差Δ如上述的图7所示，通过距光学中心的距离r的函数来求出(周向畸变)。在实施例1中，若将镜头畸变校正误差表示为距光学中心的距离r的函数，则能够以较少的参数来表示镜头畸变校正误差。其结果是，根据实施例1，能够获得数据量的削减以及处理的高速化。在步骤S205后，认证装置1返回到图9的主程序。
返回到图9，对步骤S103以后的说明进行说明。
在步骤S103中，认证部29进行认证处理(对照处理)，在该认证处理中，对存储于存储部22的特征数据和登记数据进行对照。
[认证处理的详细内容]
图11是表示认证处理的概要的图。认证部29将局部特征量用于认证处理。在使用局部特征量的生物体认证处理中，首先进行获取特征点的对应的处理。换句话说，认证部29对登记数据(登记侧)的特征点和认证数据(对照侧)的特征点进行比较，并将推断为相同特征点的特征点彼此建立对应关系。在该情况下，认证部29除了特征量本身的比较之外，还使用特征点的坐标(x，y)来对特征点彼此建立对应关系。
在这里，有N个(N＝2以上)建立有对应关系的特征点的对，认证部29将第i个特征点的对的局部特征量分数设为Si。认证部29使用局部特征量分数Si来计算在判定是否是本人时所使用的最终分数。具体而言，认证部29使用局部特征量分数Si的平均值等作为最终分数。在实施例1中，在最终分数计算(Score)中，应用反映镜头畸变校正误差的权重W0、W1，i。反映镜头畸变校正误差的权重W0、W1，i分别是第i个对的登记数据和认证数据的权重(Weight)，由认证部29基于各个镜头畸变校正误差来计算。换句话说，认证部29使用登记数据的镜头畸变校正误差和认证数据的镜头畸变校正误差，用于认证处理。权重(Weight)通过使用该区域中的镜头畸变校正误差Δ并根据下述的式(9)来计算。
[式5]
Weight＝exp(-αΔ)…(9)
在这里，α(正的常量)是用于根据镜头畸变校正误差Δ来计算权重的系数。镜头畸变校正误差Δ越大，权重(Weight)越小。
认证部29能够根据上述的权重(Weight)项，在下述的最终分数计算(Score)的式(10)中，使镜头畸变校正误差的大小反映到认证处理中，所以能够提高认证精度。
[式6]
Figure BDA0003882701070000171
Si表示取得了将登记数据(登记侧)的特征点和认证数据(对照侧)的特征点推断为相同特征点的特征点彼此的对应关系的第i个组合的分数。
W0、W1表示取得了将登记数据(登记侧)的特征点和认证数据(对照侧)的特征点推断为相同特征点的特征点彼此的对应关系的第i个组合的登记数据的权重(Weight)。
W1,i表示取得了将登记数据(登记侧)的特征点和认证数据(对照侧)的特征点推断为相同特征点的特征点彼此的对应关系的第i个组合的认证数据的权重(Weight)。
W表示权重(Weight)的总计。
返回到图9，继续步骤S104以后的说明。
在步骤S104中，认证部29判断在上述的步骤S103的认证处理中对照的认证分数(对照分数)是否为阈值以上。在认证分数是阈值以上的情况下(步骤S104：是)，认证部29判定为是本人(步骤S105)。在步骤S105后，认证装置1结束本处理。与此相对，在认证分数不是阈值以上的情况下(步骤S104：否)，认证部29判定为不是本人(步骤S106)。在该情况下，整体管理部24也可以使未图示的扬声器、显示监视器输出表示是本人的警告。在步骤S106后，认证装置1结束本处理。
根据以上说明的实施例1，若获取生物体的拍摄图像，则从拍摄图像中提取与生物体相对应的区域所包含的生物体图像，并基于提取出的生物体图像和生物体图像在拍摄图像中的位置，来进行生物体的认证。其结果是，无论拍摄图像内的生物体的位置如何，都能够得到较高的认证精度。
另外，根据实施例1，从传感器部10获取镜头畸变校正误差信息，该镜头畸变校正误差信息与在拍摄生物体的镜头12的镜头畸变校正后所残留的镜头畸变校正误差相关，在进行认证的处理时，使镜头畸变校正误差信息反映到拍摄图像中的位置信息中，来进行生物体的认证。其结果是，能够对在镜头畸变校正后残留的镜头畸变校正误差进行校正。
另外，根据实施例1，标准化处理部26对生物体图像进行标准化，镜头畸变校正误差信息包含镜头12的光学中心坐标和由标准化处理部26进行标准化时的标准化参数。其结果是，能够恢复因标准化处理而丢失的生物体图像的位置信息。
另外，根据实施例1，对由特征提取部27进行了标准化的生物体图像提取特征数据，认证部29对特征数据和预先登记的登记数据进行对照来计算认证分数，进行生物体的认证。并且，在认证部29计算认证分数时，将镜头畸变校正误差信息反映为认证分数的权重，所以能够得到较高的认证精度。
另外，根据实施例1，镜头畸变校正误差通过基于距镜头12的光学中心O1的距离r的多项式来计算，所以能够得到较高的认证精度。
另外，根据实施例1，计算部28从传感器部10获取镜头畸变校正误差，所以能够得到较高的认证精度。
另外，根据实施例1，计算部28基于镜头12的光学中心坐标和标准化参数，来计算与生物体图像的规定坐标对应的镜头畸变校正后的校正后图像的坐标。而且，计算部28基于校正后图像的坐标和镜头12的光学中心坐标，计算生物体图像(校正后图像)的坐标处的镜头畸变校正误差，所以能够得到较高的认证精度。
实施例2
接下来，对实施例2进行说明。在上述的实施例1中，在传感器部10的存储部14存储有镜头畸变校正误差参数，但在实施例2中，在传感器部中使用识别镜头的镜头ID来管理包含镜头畸变校正误差参数的镜头畸变校正误差数据。此外，对于与上述的实施例1的认证装置1相同的结构，标注相同的附图标记并省略详细的说明。
[系统结构]
图12是表示实施例2的认证系统的功能性结构的一个例子的框图。图12所示的认证系统1A由客户端-服务器方式构成，是使用唯一识别镜头种类的镜头ID来管理包含镜头畸变校正误差参数的镜头畸变校正误差信息数据的系统。
如图12所示，认证系统1A具备传感器部10A、客户端部20A以及服务器部30。客户端部20A和服务器部30经由网络NW连接。该网络NW无论是有线还是无线均可，可以是因特网、LAN等任意种类的通信网。
[传感器部的结构]
首先，对传感器部10A进行说明。传感器部10A代替上述的存储部14，而具备存储部14A。存储部14A存储用于识别镜头12的镜头ID信息。
[客户端部的结构]
接下来，对客户端部20A的结构进行说明。客户端部20A具备上述的通信I/F部21、提取部25、标准化处理部26以及特征提取部27。并且，客户端部20A还具备存储部22A、客户端管理部24A以及通信I/F部21A。
存储部22A以由客户端部20A执行的OS为首，存储由客户端部20A执行的拍摄程序、认证程序所使用的数据。存储部22A使用各种半导体存储器元件来实现，例如能够采用RAM、闪存。另外，在存储部22A中，包含用于校正镜头12的镜头畸变的镜头畸变校正信息221。
客户端管理部24A进行传感器部10A以及客户端部20A的整体控制。作为一个实施方式，客户端管理部24A能够通过CPU、MPU等硬件处理器来安装。在这里，作为处理器的一个例子，例示出CPU、MPU，但无论是通用型还是专用型均可，能够通过任意的处理器、例如除了GPU、DSP以外还有DLU、GPGPU来安装。此外，客户端管理部24A也可以通过ASIC、FPGA等硬连线逻辑来实现。
通信I/F部21A对应于与其他装置、例如服务器部30等之间进行通信控制的接口的一个例子。作为一个实施方式，通信I/F部21A对应LAN卡等网络接口卡等。例如，通信I/F部21A从服务器部30接受请求数据、或向服务器部30输出传感器数据的上传指示。
[服务器部的结构]
接下来，对服务器部30的结构进行说明。服务器部30基于经由网络NW从多个客户端部20A中的每个客户端部输入的拍摄图像以及镜头ID，来进行生物体认证。服务器部30具备通信I/F部31、整体管理部32、存储部33、数据库部34、计算部35、标准化处理部36以及认证部37。
通信I/F部31对应于与其他装置、例如客户端部20A等之间进行通信控制的接口的一个例子。作为一个实施方式，通信I/F部31对应LAN卡等网络接口卡等。例如，通信I/F部31接受从客户端部20A发送的拍摄图像、镜头ID以及镜头畸变校正数据，或向客户端部20A输出传感器数据的上传指示。
整体管理部32进行服务器部30、传感器部10A以及客户端部20A的整体控制。作为一个实施方式，整体管理部32能够通过CPU、MPU等硬件处理器来安装。在这里，作为处理器的一个例子，例示出CPU、MPU，但无论是通用型还是专用型均可，能够通过任意的处理器、例如除了GPU、DSP之外还有DLU、GPGPU来安装。此外，客户端管理部24A也可以通过ASIC、FPGA等硬连线逻辑来实现。
存储部33以由服务器部30执行的OS为首，存储由服务器部30以及客户端部20A执行的拍摄程序、认证程序所使用的数据。存储部33使用各种半导体存储器元件来实现，例如能够采用RAM、闪存。
数据库部34存储认证部37登记了生物体图像和预先登记的用户的生物体图像的登记模板以及识别传感器部10的ID信息等。作为一个实施方式，数据库部34能够安装为认证系统1A中的辅助存储装置。例如，数据库部34能够采用HDD、SSD等。
计算部35基于镜头12的光学中心坐标和标准化处理部36对生物体图像进行标准化处理时的标准化参数，来计算与生物体图像的规定坐标对应的镜头畸变校正后的校正后图像的坐标。并且，计算部35基于校正后图像的坐标和镜头12的光学中心坐标，来计算校正后图像的坐标处的镜头畸变校正误差。计算部35将镜头畸变校正误差作为认证部37进行认证时所使用的模板存储(保存)至数据库部34。此外，由于计算部35所计算的镜头畸变校正误差的计算方法与上述的实施例1相同，所以省略详细的说明。
标准化处理部36对生物体图像进行标准化处理。具体而言，标准化处理部36对生物体图像进行校正姿势变动的标准化处理。在标准化处理中，对由生物体图像所包含的输入生物体的旋转以及位置偏移等引起的变动进行校正。此外，由于由标准化处理部36进行的标准化处理与上述的实施例1相同，所以省略详细的说明。
认证部37进行对存储于数据库部34的特征数据和登记数据进行对照的认证处理。此外，由于由认证部37进行的认证处理与上述的实施例1相同，所以省略详细的说明。
[镜头畸变校正误差的管理方法]
接下来，对由认证系统1A执行的镜头畸变校正误差的管理方法进行说明。以往，多个镜头12的各自的镜头畸变的个体差异较小，并且，存在无需按每个镜头12的个体进行校准处理的情况。在这种情况下，服务器部30也可以不进行传感器个体的校准处理，而按每个镜头种类使用代表性的镜头畸变校正误差参数以及镜头畸变校正参数。此时，服务器部30无法吸收镜头个体的差异，但如果个体差异充分小，则能够减少校准处理的工时。
服务器部30通过镜头ID管理镜头畸变校正误差信息。因此，传感器部10A的存储部14A存储(保存)用于识别镜头的镜头ID143(识别信息)。客户端部20A对拍摄图像进行特征提取的情况下，使用存储于客户端部20A的存储部22A的镜头畸变校正信息221(镜头畸变校正参数)来进行。并且，服务器部30将认证部37的认证处理时使用的镜头畸变校正误数据(镜头畸变校正误参数)存储(保存)于数据库部34的模板341。
[模板的结构]
图13是示意性的表示模板341的结构的图。图13所示的模板341存储有在实施例1中上述的特征数据341a和镜头畸变校正误差信息341b。并且，在镜头畸变校正误差信息341b中，包含在实施例1中上述的标准化参数和镜头畸变校正误差参数。并且，在镜头畸变校正误差数据341b中，还包含镜头ID。特征数据341a以及标准化参数由于与上述的实施例1相同，所以省略详细的说明。
图14是表示镜头畸变校正误差参数表的一个例子的图。如图14所示，镜头ID与特定的镜头相关联，服务器部30将镜头ID作为索引来用于检索镜头畸变校正误差。模板341存储有与多个镜头ID建立有对应关系的镜头畸变校正参数。服务器部30经由网络NW从客户端部30A获取镜头ID，从数据库部34获取与获取到的镜头ID对应的镜头畸变校正误差信息341b。在该情况下，认证系统1A使用与镜头ID相对应的镜头畸变校正误差参数等由服务器部30执行与上述的实施例1相同的认证处理。
[关于光学中心坐标]
此外，在实施例2中，将镜头个体差异较小的情况作为应用对象。在该情况下，光学中心坐标也可以不按每个传感器个体使用固有的值，而单纯地使用拍摄图像的中心(拍摄图像中心)。在该情况下，在镜头个体差小到能够忽略的情况下，制造精度非常高，所以即使代替光学中心坐标而使用拍摄图像的中心就足够了。
根据以上说明的实施例2，服务器部30从传感器部10A获取识别镜头12的镜头ID，并获取与镜头ID对应的镜头畸变校正误差，所以能够获得较高的认证精度。
[实施例1、2的变形例]
本公开的内容如上述的说明那样，但并不限定于此，也可以为下述的结构。
在本公开的变形例中，也可以预先展开登记数据的“镜头畸变校正误差”(高速化效果)。根据上述的实施例1、2，得到生物体认证的精度改善的效果，另一方面，由于需要计算镜头畸变校正误差Δ，所以在处理时间上不利。在这里，与认证数据对应的镜头畸变校正误差Δ不在对照时，不能计算，但对于登记数据，可以预先计算。因此，在变形例中，在将本公开应用于大规模的1：N认证(没有ID仅通过生物体进行识别)的情况下，也可以是预先计算登记数据的镜头畸变校正误差Δ并在存储部(存储器)中展开的结构。根据这样的结构，在特别大规模的1：N认证中，可得到减少认证处理的时间的效果。
另外，在本公开的变形例中，也可以将“镜头畸变校正误差”反映到登记数据的品质判定中。本公开的镜头畸变校正误差Δ的利用并不限定于认证处理。例如，在本公开中，也能够用作登记数据的品质判定。在生物体认证处理中，一般存储(保存)多个登记数据用于生物体认证处理。在该情况下，一般检查所登记的数据的品质。该理由是因为，如果登记数据的品质较差，则经常发生不能进行生物体认证处理的情况。作为登记数据的品质检查方法之一，能够成为利用镜头畸变校正误差Δ的结构。例如，根据本公开的变形例，进行创建有登记数据的拍摄图像区域中的镜头畸变校正误差Δ的平均值的检查处理，在该检查处理的平均值为规定的阈值以下的情况下，允许登记数据的登记。在未进行这样的检查处理的情况下，将使用了镜头畸变校正误差Δ较大的区域的登记数据登记到认证装置1，出现生物体认证处理不能正常地动作的可能性。因此，根据本公开的变形例，通过作为检查登记数据的品质的检查处理进行确认镜头畸变校正误差Δ的确认处理，能够实现稳健的认证。
另外，在本公开的变形例中，在进行认证处理时的对位的情况下，也可以使用“镜头畸变校正误差”。作为本公开的变形例的镜头畸变校正误差Δ的利用方法，也可以为用于对位的结构。以下，在本公开的变形例中，对在使用了局部特征量的情况下的对位处理中，利用镜头畸变校正误差Δ的例子进行说明。在对位处理中，通过改变标准化参数(旋转角θ、平行移动量(ex，ey)等)，求出表示位置偏移的评价函数E最小的参数。作为此时的加权，灵活运用镜头畸变校正误差Δ。由于镜头畸变校正误差Δ较大的特征点被认为可靠性较低，所以通过这样的点的权重降低，能够实现精度更高的对位。
[认证程序]
另外，在上述的实施例中说明的各种处理能够通过利用个人计算机、工作站等计算机执行预先准备的程序来实现。因此，以下，使用图15，对执行具有与上述的实施例相同的功能的广告显示程序的计算机的一个例子进行说明。
图15是表示执行实施例1和实施例2的认证程序的计算机的硬件构成例的图。如图15所示，计算机100具有操作部110a、扬声器110b、相机110c、显示器120以及通信部130。并且，该计算机100具有CPU150、ROM160、HDD170以及RAM180。这些110～180的各部经由总线140连接。
如图15所示，在HDD170中存储认证程序170a，该认证程序170a发挥与在上述的实施例1中示出的传感器管理部16、整体管理部24、计算部28、标准化处理部26、特征提取部27、认证部29相同的功能。该认证程序170a也可以与图1所示的传感器管理部16、整体管理部24、计算部28、标准化处理部26、特征提取部27、认证部29的各构成要素同样地统合或者分离。即，在HDD170中，并非储存在上述的实施例1中示出的所有数据，将在处理中使用的数据储存至HDD170即可。
在这样的环境的下，CPU150在从HDD170读出认证程序170a后，向RAM180展开。其结果是，如图15所示，认证程序170a作为认证工序180a发挥作用。该认证工序180a在RAM180所具有的存储区域中的被分配给认证工序180a的区域中展开从HDD170读出的各种数据，并使用该展开的各种数据来执行各种处理。例如，作为由认证工序180a执行的处理的一个例子，包含图9所示的处理等。此外，在CPU150中，并非使上述的实施例1中示出的所有处理部动作，虚拟地实现与作为执行对象的处理对应的处理部即可。
此外，上述的认证程序170a不一定从一开始就存储于HDD170、ROM160。例如，使认证程序170a存储于被插入到计算机100的软盘、所谓的FD、CD－ROM、DVD盘、光磁盘、IC卡等“便携式的物理介质”。而且，计算机100也可以从这些便携式的物理介质获取认证程序170a并执行。另外，也可以使认证程序170a存储于经由公用线路、因特网、LAN、WAN等与计算机100连接的其他计算机或者服务器装置等，计算机100从这些装置获取认证程序170a并执行。
附图标记说明：1…认证装置；1A…认证系统；10…传感器部；11…照明部；12…镜头；13…拍摄元件；14、14A、22、33…存储部；141、341…模板；141a…镜头畸变校正信息；141b、341b…镜头畸变校正误差信息；143…镜头ID信息；23、34…数据库部；25…提取部；26…标准化处理部；27…特征提取部；28…计算部；29…对照部；30…服务器部；341a…特征数据；35…计算部；36…标准化处理部；37…对照部。

Claims (20)

1.一种认证方法，其中，由计算机执行如下处理：
若获取生物体的拍摄图像，则从上述拍摄图像中提取与上述生物体相对应的区域所包含的生物体图像；以及
基于提取出的上述生物体图像和上述生物体图像在上述拍摄图像中的位置，进行上述生物体的认证。
2.根据权利要求1所述的认证方法，其中，
进行上述认证的处理包含如下处理：基于镜头畸变校正误差信息来进行上述生物体的认证，其中，上述镜头畸变校正误差信息与在执行用于上述生物体的拍摄的镜头的畸变校正后所残留的镜头畸变校正误差相关。
3.根据权利要求2所述的认证方法，其中，
上述镜头畸变校正误差信息还包含上述镜头的光学中心坐标以及进行上述生物体图像的平行移动或旋转或放大缩小的对位时的标准化参数，
进行上述认证的处理包含如下处理：基于上述镜头的光学中心坐标以及上述标准化参数按照上述生物体图像的每个像素计算与上述拍摄图像的位置对应的上述镜头畸变校正误差。
4.根据权利要求2所述的认证方法，其中，
进行上述认证的处理包含如下处理：在对从执行上述镜头的畸变校正后的上述生物体图像中提取的特征点与规定的登记数据所包含的特征点进行对照时，对用于在上述特征点之间对照特征量的分数赋予根据与上述特征点的位置对应的上述镜头畸变校正误差确定的权重。
5.根据权利要求2所述的认证方法，其中，
上述镜头畸变校正误差通过基于距上述镜头的光学中心的距离的近似式来表示。
6.根据权利要求2所述的认证方法，其中，
进行上述认证的处理包含如下处理：从拍摄上述拍摄图像的传感器部获取上述镜头畸变校正误差。
7.根据权利要求2所述的认证方法，其中，
进行上述认证的处理包含如下处理：获取与每个镜头的识别信息建立有对应关系的多个上述镜头畸变校正误差中的、与用于上述拍摄图像的拍摄的镜头的识别信息对应的上述镜头畸变校正误差。
8.一种认证程序，使计算机执行如下处理：
若获取生物体的拍摄图像，则从上述拍摄图像中提取与上述生物体相对应的区域所包含的生物体图像；以及
基于提取出的上述生物体图像和上述生物体图像在上述拍摄图像中的位置，进行上述生物体的认证。
9.根据权利要求8所述的认证程序，其中，
进行上述认证的处理包含如下处理：基于镜头畸变校正误差信息来进行上述生物体的认证，其中，上述镜头畸变校正误差信息与在执行用于上述生物体的拍摄的镜头的畸变校正后所残留的镜头畸变校正误差相关。
10.根据权利要求9所述的认证程序，其中，
上述镜头畸变校正误差信息还包含上述镜头的光学中心坐标以及进行上述生物体图像的平行移动或旋转或放大缩小的对位时的标准化参数，
进行上述认证的处理包含如下处理：基于上述镜头的光学中心坐标以及上述标准化参数按照上述生物体图像的每个像素计算与上述拍摄图像的位置对应的上述镜头畸变校正误差。
11.根据权利要求9所述的认证程序，其中，
进行上述认证的处理包含如下处理：在对从执行上述镜头的畸变校正后的上述生物体图像中提取的特征点与规定的登记数据所包含的特征点进行对照时，对用于在上述特征点之间对照特征量的分数赋予根据与上述特征点的位置对应的上述镜头畸变校正误差确定的权重。
12.根据权利要求9所述的认证程序，其中，
上述镜头畸变校正误差通过基于距上述镜头的光学中心的距离的近似式来表示。
13.根据权利要求9所述的认证程序，其中，
进行上述认证的处理包含如下处理：从拍摄上述拍摄图像的传感器部获取上述镜头畸变校正误差。
14.根据权利要求9所述的认证程序，其中，
进行上述认证的处理包含如下处理：获取与每个镜头的识别信息建立有对应关系的多个上述镜头畸变校正误差中的、与用于上述拍摄图像的拍摄的镜头的识别信息对应的上述镜头畸变校正误差。
15.一种认证装置，其中，具有：
提取部，若获取生物体的拍摄图像，则从上述拍摄图像中提取与上述生物体相对应的区域所包含的生物体图像；以及
认证部，基于提取出的上述生物体图像和上述生物体图像在上述拍摄图像中的位置，进行上述生物体的认证。
16.根据权利要求15所述的认证装置，其中，
上述认证部基于镜头畸变校正误差信息来进行上述生物体的认证，其中，上述镜头畸变校正误差信息与在执行用于上述生物体的拍摄的镜头的畸变校正后所残留的镜头畸变校正误差相关。
17.根据权利要求16所述的认证装置，其中，
上述镜头畸变校正误差信息还包含上述镜头的光学中心坐标以及进行上述生物体图像的平行移动或旋转或放大缩小的对位时的标准化参数，
上述认证部基于上述镜头的光学中心坐标以及上述标准化参数按照上述生物体图像的每个像素计算与上述拍摄图像的位置对应的上述镜头畸变校正误差。
18.根据权利要求16所述的认证装置，其中，
在对从执行上述镜头的畸变校正后的上述生物体图像中提取的特征点与规定的登记数据所包含的特征点进行对照时，上述认证部对用于在上述特征点之间对照特征量的分数赋予根据与上述特征点的位置对应的上述镜头畸变校正误差确定的权重。
19.根据权利要求16所述的认证装置，其中，
上述镜头畸变校正误差通过基于距上述镜头的光学中心的距离的近似式来表示。
20.根据权利要求16所述的认证装置，其中，
上述认证部从拍摄上述拍摄图像的传感器部获取上述镜头畸变校正误差。
CN202080099631.7A 2020-05-21 2020-05-21 认证方法、认证程序以及认证装置 Pending CN115398473A (zh)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/JP2020/020182 WO2021234926A1 (ja) 2020-05-21 2020-05-21 認証方法、認証プログラム及び認証装置

Publications (1)

Publication Number Publication Date
CN115398473A true CN115398473A (zh) 2022-11-25

Family

ID=78707896

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202080099631.7A Pending CN115398473A (zh) 2020-05-21 2020-05-21 认证方法、认证程序以及认证装置

Country Status (5)

Country Link
US (1) US20230009181A1 (zh)
EP (1) EP4156087A4 (zh)
JP (1) JP7279857B2 (zh)
CN (1) CN115398473A (zh)
WO (1) WO2021234926A1 (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20200100481A (ko) * 2019-02-18 2020-08-26 삼성전자주식회사 생체 정보를 인증하기 위한 전자 장치 및 그의 동작 방법

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2009032227A (ja) * 2007-06-22 2009-02-12 Hitachi Ltd 指静脈認証装置および情報処理装置
JP6523925B2 (ja) 2015-11-10 2019-06-05 株式会社日立製作所 生体情報を用いた認証装置及び認証方法
JP7310105B2 (ja) * 2017-09-11 2023-07-19 株式会社リコー 通信端末、通信システム、画像処理方法、及びプログラム
JP2019168967A (ja) * 2018-03-23 2019-10-03 キヤノン株式会社 撮像装置、画像処理装置、画像処理方法及びプログラム

Also Published As

Publication number Publication date
JP7279857B2 (ja) 2023-05-23
WO2021234926A1 (ja) 2021-11-25
EP4156087A1 (en) 2023-03-29
US20230009181A1 (en) 2023-01-12
JPWO2021234926A1 (zh) 2021-11-25
EP4156087A4 (en) 2023-05-17

Similar Documents

Publication Publication Date Title
US9727783B2 (en) Extended depth-of-field biometric system
US9330325B2 (en) Apparatus and method for reducing noise in fingerprint images
WO2006016359A2 (en) Non-contact optical means and method for 3d fingerprint recognition
US20160162673A1 (en) Technologies for learning body part geometry for use in biometric authentication
WO2013035150A1 (ja) 顔認証システム、顔認証方法、および顔認証プログラム
US10430644B2 (en) Blended iris and facial biometric system
US20190180133A1 (en) Independently processing plurality of regions of interest
JP6071002B2 (ja) 信頼度取得装置、信頼度取得方法および信頼度取得プログラム
KR102434703B1 (ko) 생체 이미지 처리 방법 및 이를 포함한 장치
WO2018198500A1 (ja) 照合装置、照合方法および照合プログラム
US20220021814A1 (en) Methods to support touchless fingerprinting
EP4266250A1 (en) Image processing method and chip, and electronic device
US20230009181A1 (en) Authentication method, non-transitory computer-readable storage medium for storing authentication program, and authentication apparatus
US20100040265A1 (en) Registration device, verification device, authentication method and authentication program
US11450140B2 (en) Independently processing plurality of regions of interest
JP5791361B2 (ja) パターン識別装置、パターン識別方法およびプログラム
JP7269897B2 (ja) データ登録装置、生体認証装置、およびデータ登録プログラム
JP2010257158A (ja) オブジェクト識別装置及びオブジェクト識別方法
US20160283705A1 (en) Device for checking the authenticity of a fingerprint
US8483449B2 (en) Registration device, checking device, program, and data structure
JPWO2021234926A5 (zh)
KR102698607B1 (ko) 내시경 핸드 아이 카메라의 캘리브레이션 장치 및 그 방법
JP6955147B2 (ja) 画像処理装置、画像処理方法、及び画像処理プログラム
WO2024047770A1 (ja) 情報処理システム、情報処理方法及び記録媒体
JP2000082142A (ja) 画像の認識方法及び装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination