CN115668186A - 认证方法、信息处理装置、以及认证程序 - Google Patents
认证方法、信息处理装置、以及认证程序 Download PDFInfo
- Publication number
- CN115668186A CN115668186A CN202080101104.5A CN202080101104A CN115668186A CN 115668186 A CN115668186 A CN 115668186A CN 202080101104 A CN202080101104 A CN 202080101104A CN 115668186 A CN115668186 A CN 115668186A
- Authority
- CN
- China
- Prior art keywords
- persons
- biometric information
- authentication
- person
- 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.)
- Pending
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
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/172—Classification, e.g. identification
-
- 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
- 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
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
-
- 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
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/168—Feature extraction; Face representation
- G06V40/171—Local features and components; Facial parts ; Occluding parts, e.g. glasses; Geometrical relationships
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2221/00—Indexing scheme relating to security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F2221/21—Indexing scheme relating to G06F21/00 and subgroups addressing additional information or applications relating to security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F2221/2117—User registration
-
- 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
- G06V40/20—Movements or behaviour, e.g. gesture recognition
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- Multimedia (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Computer Security & Cryptography (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Computer Hardware Design (AREA)
- Vascular Medicine (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Collating Specific Patterns (AREA)
Abstract
本发明提供认证方法、信息处理装置、以及认证程序。计算机受理由第一传感器检测到的认证对象生物体信息。计算机在认证对象生物体信息的检测时由第二传感器检测到一个以上的人的情况下,基于一个以上的人各自的动作,确定一个以上的人中包含的任意人。计算机从分别与多个注册面部图像信息建立了对应关系的注册生物体信息中,选择与确定出的任意人的面部图像信息相似的注册面部图像信息建立对应关系的注册生物体信息。计算机基于比较认证对象生物体信息与选择出的注册生物体信息得到的比较结果,进行对认证对象生物体信息的认证。
Description
技术领域
本发明涉及认证技术。
背景技术
生物体认证是使用指纹、掌纹、静脉、面部等生物体特征进行本人确认的技术。在生物体认证中,对从认证对象者获取的生物体特征、和预先登记于注册模板的生物体特征进行比较(对照),并基于表示这些生物体特征是否一致的比较结果,进行对认证对象者的认证。也有将登记于注册模板的生物体特征称为注册数据的情况。
在银行的ATM(Automated Teller Machine:自动柜员机)、出入室管理等各种领域利用生物体认证,特别是近年,也开始用于超市、便利店等店铺中的无现金结算。
作为生物体认证的认证方式,已知有1:1认证和1:N认证。1:1认证是对认证对象者的生物体特征与通过PIN(Personal Identification Number:个人身份识别号)码那样的ID、卡等确定的注册数据进行比较的认证方式。1:N认证是从多个注册数据中检索与认证对象者的生物体特征一致的注册数据的认证方式。在店铺等中,从便利性的观点来看采用1:N认证的情况较多。
但是,生物体特征根据获取状况等而具有波动,所以若检索对象的注册数据的个数增多,则发生误认证的可能性提高。因此,进行利用简单的PIN码等缩小注册数据,使检索对象的注册数据的集合足够小,之后实施1:N认证这样的运用。使注册数据的集合小至何种程度则达到实用等级取决于生物体特征的种类。但是,即使是简单的PIN码,使认证对象者输入PIN码也损害便利性。
因此,提出了利用多个种类的生物体特征,通过一个生物体特征缩小注册数据的集合,并通过其它的生物体特征对认证对象者进行认证的认证方式。若独立地获取多个种类的生物体特征则损害便利性,所以提出了与指纹同时获取手掌静脉的认证方式、拍摄获取手掌静脉时的面部图像的认证方式等(例如,参照专利文献1以及非专利文献1)。
也已知有估计图像内的多个人的二维姿势的技术(例如,参照非专利文献2)。
专利文献1:国际公开第2020/070821号公报
非专利文献1:“开发最适合空手结算的非接触的生物体认证融合技术”,[online],株式会社富士通研究所新闻公告,2018年10月4日,[令和1年12月16日检索],因特网<URL:https://pr.fujitsu.com/jp/news/2018/10/4.html>
非专利文献2:Z.Cao et al.,“Realtime Multi-Person 2D Pose Estimationusing Part Affinity Fields”,2017IEEE Conference on Computer Vision andPattern Recognition(CVPR),pages 7291-7299,2017.
例如,在使用非专利文献1所记载的生物体认证技术,通过面部图像缩小注册数据的集合,并通过手掌静脉对认证对象者进行认证的情况下,有认证处理的负荷增加的情况。
此外,这样的问题并不限定于使用手掌静脉对认证对象者进行认证的情况,在使用其它的生物体特征对认证对象者进行认证的情况下也产生。
发明内容
在一个方面,本发明的目的在于在使用了面部图像和面部图像以外的生物体信息的生物体认证中,减轻认证处理的负荷。
在一个方案中,计算机受理由第一传感器检测到的认证对象生物体信息。计算机在认证对象生物体信息的检测时由第二传感器检测到一个以上的人的情况下,基于一个以上的人各自的动作,确定一个以上的人中包含的任意人。
计算机从分别与多个注册面部图像信息建立了对应关系的注册生物体信息中选择与确定出的任意人的面部图像信息相似的注册面部图像信息建立对应关系的注册生物体信息。计算机基于比较认证对象生物体信息与选择出的注册生物体信息得到的比较结果,进行对认证对象生物体信息的认证。
根据一个方面,在使用面部图像和面部图像以外的生物体信息的生物体认证中,能够减轻认证处理的负荷。
附图说明
图1是信息处理装置的功能构成图。
图2是生物体认证处理的流程图。
图3是表示信息处理装置的具体例的功能构成图。
图4是表示映摄有多个人的拍摄图像的图。
图5是表示第一静止判定的图。
图6是表示第二静止判定的图。
图7是表示第三静止判定的图。
图8是表示第四静止判定的图。
图9是表示生物体认证处理的具体例的流程图。
图10是省略人确定处理的生物体认证处理的流程图。
图11是信息处理装置的硬件构成图。
具体实施方式
以下,参照附图对实施方式进行详细的说明。
例如,对使用专利文献1以及非专利文献1所记载的生物体认证技术,利用面部图像缩小注册数据的集合,并利用手掌静脉对认证对象者进行认证的生物体认证系统进行研究。在该生物体认证系统中,例如通过进行面部认证,来生成针对认证对象者的N名(N是1以上的整数)候补者的列表。然后,通过使用生成的列表中包含的各候补者的手掌静脉的注册数据,实施1:N认证,来进行对认证对象者的认证处理。
此时,根据拍摄面部图像的照相机的设置状况、或者作为认证对象者的用户的利用状况,有同时拍摄到多个面部的情况。例如,在获取了三人的面部图像的情况下,生成三人份的列表,所以手掌静脉认证的对象者为3N人,手掌静脉认证的处理时间成为获取了一人的面部图像的情况下的三倍。另外,在最初设定的N是使用了手掌静脉的1:N认证的上限值的情况下,错误地将他人认证为本人的接纳他人的风险增加。
若为了缩短手掌静脉认证的处理时间,并且降低接纳他人的风险,而利用面部图像将候补者缩小至N/3人,则面部认证的处理时间增加。并且,根据面部认证的认证精度,产生在列表不包含本人的遗漏的可能性。
因此,考虑从拍摄图像中包含的多个面部图像中,基于各面部图像的尺寸或者位置选择用户的面部图像的方法。面部图像的尺寸越大的人越接近照相机,所以是用户的可能性越高。另外,面部图像的位置越接近拍摄图像的中央等特定的位置,是用户的可能性越高。
然而,在用户伴随着同伴对生物体认证系统的终端装置进行操作的情况下,有拍摄图像内的用户的面部图像与同伴的面部图像成为大致相同的大小的情况。另外,在用户与同伴并排站在终端装置的前面的情况下,也有用户的面部图像的位置从中央偏离的情况。因此,在基于各面部图像的尺寸或者位置选择用户的面部图像的情况下,难以设定适当的选择基准。
图1示出实施方式的信息处理装置(计算机)的功能构成例。图1的信息处理装置101包含受理部111、确定部112、选择部113、以及认证部114。
图2是表示图1的信息处理装置101进行的生物体认证处理的例子的流程图。首先,受理部111受理由第一传感器检测到的认证对象生物体信息(步骤201)。确定部112在认证对象生物体信息的检测时由第二传感器检测到一个以上的人的情况下,基于一个以上的人各自的动作,确定一个以上的人中包含的任意人(步骤202)。
接下来,选择部113从分别与多个注册面部图像信息建立了对应关系的注册生物体信息中,选择与确定出的任意人的面部图像信息相似的注册面部图像信息所建立对应关系的注册生物体信息(步骤203)。然后,认证部114基于比较认证对象生物体信息与选择出的注册生物体信息得到的比较结果,进行对认证对象生物体信息的认证(步骤204)。
根据图1的信息处理装置101,在使用了面部图像和面部图像以外的生物体信息的生物体认证中,能够减轻认证处理的负荷。
图3示出图1的信息处理装置101的具体例。图3的信息处理装置301包含存储部311、生物体信息获取部312、影像获取部313、人检测部314、静止判定部315、面部选择部316、面部认证部317、生物体信息选择部318、生物体认证部319、以及输出部320。信息处理装置301例如也可以是金融机构的金融处理系统、出入室管理系统、或者零售店的结算系统中包含的服务器。
生物体信息获取部312、生物体信息选择部318、以及生物体认证部319分别与图1的受理部111、选择部113、以及认证部114对应。静止判定部315以及面部选择部316与图1的确定部112对应。生物体传感器302是第一传感器的一个例子,拍摄装置303是第二传感器的一个例子。
生物体传感器302例如是静脉传感器、指纹传感器、图像传感器(照相机)等,拍摄手掌、手指等生物体,并获取静脉图像、指纹图像、掌纹图像等生物体图像。例如,在生物体传感器302为静脉传感器的情况下,生物体传感器302向手掌照射近红外线等,拍摄手的内部的血管等。
生物体传感器302将获取的生物体图像的信息作为认证对象生物体信息333输出到信息处理装置101。认证对象生物体信息333既可以是生物体图像,也可以是根据生物体图像生成的图案。根据生物体图像生成的图案是静脉图案、指纹图案、掌纹图案等。
拍摄装置303例如是具有CCD(Charge-Coupled Device:电荷耦合器件)、CMOS(Complementary Metal-Oxide-Semiconductor:互补金属氧化物半导体)等拍摄元件的照相机,拍摄认证对象者的影像334。在通过拍摄装置303拍摄到的影像334包含有时间序列的多个图像。各时刻的图像是拍摄图像的一个例子。有时各时刻的图像被称为帧。拍摄装置303将拍摄到的影像334输出到信息处理装置301。
生物体信息获取部312通过从生物体传感器302获取认证对象生物体信息333,来受理认证对象生物体信息333。然后,生物体信息获取部312与表示认证对象生物体信息333的受理时刻的时刻信息一起,将认证对象生物体信息333储存于存储部311。影像获取部313通过从拍摄装置303获取影像334,来受理影像334,并储存于存储部311。
存储部311存储作为注册者的多个人各自的注册生物体信息331以及注册面部图像信息332。各人的注册生物体信息331包含人的用户ID以及生物体信息。生物体信息既可以是生物体图像,也可以是根据生物体图像生成的图案。
各人的注册面部图像信息332包含人的用户ID以及面部图像信息。面部图像信息既可以是面部图像,也可以是表示面部图像的特征的特征量。作为面部图像的特征量,例如能够使用HOG(Histograms of Oriented Gradients:梯度方向直方图)特征量、SIFT(Scaled Invariance Feature Transform:尺度不变特征变换)特征量、SURF(Speeded-UpRobust Features:加速稳健特征)特征量等。面部图像的特征量也可以是BRIEF(BinaryRobust Independent Elementary Features:二值鲁棒独立基本特征)特征量或者显著性(Saliency)。
各人的注册生物体信息331中包含的生物体信息、和各人的注册面部图像信息332中包含的面部图像信息经由用户ID相互建立对应关系。
根据拍摄装置303的设置状况或者认证对象者的利用状况,有包含认证对象者的多人同时映到影像334中的情况。在认证对象者在生物体传感器302输入生物体图像时,认证对象者进行将手遮盖在生物体传感器302上的动作。此时,若站立位置或者头部的位置较大地变更,则成为遮盖手的动作的妨碍,所以认证对象者的手以外的身体部位几乎成为静止状态的情况较多。
图4示出映摄有多个人的拍摄图像的例子。在图4的拍摄图像包含有面部图像401~面部图像403。其中,面部图像403与认证对象者的面部图像对应,面部图像401以及面部图像402与认证对象者以外的人的面部图像对应。
认证对象者为了将手411遮盖到生物体传感器302上,而在生物体传感器302的前面静止,影像334中的面部图像403也静止。另一方面,认证对象者以外的人不静止而进行移动,所以影像334中的面部图像401以及面部图像402也继续移动。
因此,通过确定在拍摄图像映摄出的各人的动作,能够判定各人是否要在生物体传感器302输入生物体图像,确定认证对象者的面部图像。然后,基于确定出的面部图像,能够从许多的注册者的注册生物体信息331缩小与认证对象生物体信息333进行比较的注册生物体信息331的集合。作为一个例子,注册者的总数为100万人左右,缩小后的注册者的人数为1万人左右。
拍摄装置303在生物体传感器302为等待输入状态时,开始影像334的拍摄。拍摄装置303也可以使用未图示的接近传感器等检测接近的人,并在检测到人时开始拍摄。另外,拍摄装置303也可以一直保持拍摄状态进行待机。
人检测部314从影像334中包含的各图像检测人,并对检测到的人附加人ID。而且,人检测部314将表示各人的图像内的位置的位置信息335与人ID建立对应关系并储存于存储部311。位置信息335所示的位置也可以是在图像映摄出的人的头部、面部、脖颈等特定的身体部位的位置。
人检测部314例如能够通过使用非专利文献2所记载的深度学习,从图像检测身体的骨骼信息,来确定特定的身体部位的位置。在特定的身体部位为头部或者面部的情况下,也可以使用头部或者面部的边界框的坐标作为位置信息335。
人检测部314还从影像334中包含的各图像检测映摄有各人的面部的面部图像,并对检测出的面部图像附加该人的人ID。在图4的例子中,作为面部图像401、面部图像402、以及面部图像403的人ID,分别赋予“A”、“B”、以及“C”。
人检测部314通过在影像334中包含的多个图像之间进行物体跟踪,来对从不同的图像检测出的相同的人附加相同的人ID。由此,在多个图像之间相同的人彼此建立对应关系。
人检测部314也可以将在多个图像之间,特定的身体部位的位置的变化量小于规定值的人视为相同的人。另外,人检测部314也可以使用图案匹配等,在多个图像之间计算面部的相关值,并将计算出的相关值比规定值大的人视为相同的人。
通过使用由拍摄装置303拍摄到的影像334检测人,能够区分位于生物体传感器302的附近的多个人,生成各人的高精度的位置信息335。
静止判定部315使用位置信息335,判定各人的身体部位是否静止。然后,静止判定部315将具有在认证对象生物体信息333的检测时静止的身体部位的人确定为认证对象者,并将确定出的人的人ID输出到面部选择部316。此时,静止判定部315使用认证对象生物体信息333的时刻信息所示的受理时刻作为检测到认证对象生物体信息333的时刻。
图5示出对图4所示的三人的第一静止判定的例子。横轴表示时刻t,纵轴表示在拍摄图像映摄出的各人的身体部位的位置坐标x。位置坐标x既可以是拍摄图像的水平方向的坐标,也可以是拍摄图像的垂直方向的坐标。
曲线501~曲线503分别表示人ID“A”~人ID“C”的位置信息335。曲线501表示具有人ID“A”的人的位置坐标x的时间变化,曲线502表示具有人ID“B”的人的位置坐标x的时间变化,曲线503表示具有人ID“C”的人的位置坐标x的时间变化。该情况下,具有人ID“C”的人与认证对象者对应。
时刻t1表示认证对象生物体信息333的时刻信息所示的受理时刻,Δt表示连续的两个图像之间的时间间隔。因此,时刻t1-Δt表示在时刻t1的图像的紧前面拍摄到的图像的拍摄时刻。使用拍摄装置303的帧速率fr,通过下式求出Δt。
Δt=1/fr (1)
例如,在fr为每秒30帧的情况下,Δt为33.3ms。若将时刻t的图像内的人的位置坐标设为x(t),则静止判定部315通过下式计算从时刻t1-Δt到时刻t1为止的期间的该人的位置坐标x的变化量Δx。
Δx=|x(t1)-x(t1-Δt)| (2)
Δx表示图像上的变化量,与Δx对应的三维空间内的移动量根据拍摄装置303与人的距离而变化。即使三维空间内的移动量相同,远离拍摄装置303的人的Δx也较小,接近拍摄装置303的人的Δx也较大。
因此,静止判定部315例如使用各人的面部图像的界标坐标,决定静止判定所使用的阈值TH。例如,在面部图像中的右眼的位置坐标为x(eye1),左眼的位置坐标为x(eye2)的情况下,通过下式给予右眼与左眼的距离w。
w=|x(eye2)-x(eye1)| (3)
该情况下,静止判定部315能够使用距离w,通过下式设定阈值TH。
TH=w/k (4)
K是正整数。K也可以是5~15的范围的整数。静止判定部315在Δx比TH小的情况下,判定为在时刻t1人静止,在Δx为TH以上的情况下,判定为在时刻t1人未静止。在图5的例子中,判定为具有人ID“C”的人静止,并判定为具有人ID“A”的人、和具有人ID“B”的人未静止。
在图5所示的静止判定中,仅使用时刻t1-Δt以及时刻t1两个时刻的位置坐标x,所以有由于图像内的噪声的影响而产生误判定的可能性。因此,通过使静止判定的时间范围具有一定程度的宽度,并求出该时间范围内的位置坐标x的变化量的统计值,能够降低噪声的影响。作为统计值,能够使用平均值、中值、最频值等。
另外,在使用未图示的显示装置,输出对认证对象者的生物体信息输入指示的情况下,为了确认显示在画面上的生物体信息输入指示,认证对象者的动作停止的情况较多。该情况下,使用生物体信息输入指示的输出时刻作为时间范围的开始时刻有效。
图6示出对图4所示的三人的第二静止判定的例子。时刻t0表示生物体信息输入指示的输出时刻。该情况下,静止判定的时间范围为从时刻t0到时刻t1为止的范围。静止判定部315通过下式计算该时间范围内的位置坐标x的平均变化量Δx_ave。
[数1]
n1表示从时刻t0到时刻t1的范围的图像的张数,通过下式给予。
n1=(t1-t0)/Δt+1 (6)
其中,作为时刻t0以及时刻t1,分别使用与最近的图像的拍摄时刻一致的时刻。静止判定部315在Δx_ave比TH小的情况下,判定为在时刻t1人静止,在Δx_ave为TH以上的情况下,判定为在时刻t1人未静止。
在生物体信息输入指示的输出时刻不明的情况下、或者在不输出生物体信息输入指示的情况下,也能够代替时刻t0而使用固定长的时间τ,来设定静止判定的时间范围。
图7示出对图4所示的三人的第三静止判定的例子。该情况下,静止判定的时间范围为从时刻t1-τ到时刻t1为止的范围。静止判定部315通过下式计算该时间范围内的位置坐标x的平均变化量Δx_ave。
[数2]
n2表示从时刻t1-τ到时刻t1的范围的图像的张数,通过下式给予。
n2=τ/Δt+1 (8)
其中,作为时刻t1-τ,使用与最近的图像的拍摄时刻一致的时刻。τ可以是Δt的5倍~15倍的时间。
在生物体传感器302刚获取了生物体图像之后,认证对象者的动作也停止的情况较多。因此,也能够使用比时刻t1迟的时刻作为静止判定的时间范围的结束时刻。
图8示出对图4所示的三人的第四静止判定的例子。该情况下,静止判定的时间范围为从时刻t1-τ1到时刻t1+τ2的范围。静止判定部315通过下式计算该时间范围内的位置坐标x的平均变化量Δx_ave。
[数3]
n3表示从时刻t1-τ1到时刻t1+τ2为止的范围的图像的张数,通过下式给予。
n3=(τ1+τ2)/Δt+1 (10)
其中,作为时刻t1-τ1以及时刻t1+τ2,分别使用与最近的图像的拍摄时刻一致的时刻。τ1可以是Δt的5倍~15倍的时间,τ2可以是比τ1短的时间。
如图5~图8所示,通过使用人的身体部位的位置坐标x判定该身体部位是否静止,能够估计输入的认证对象生物体信息333是否是该人的生物体信息。并且,通过使用规定的时间范围内的位置坐标x的变化量的统计值进行静止判定,能够使与认证对象生物体信息333对应的人的估计精度提高。
在使用指纹传感器那样的接触型传感器作为生物体传感器302的情况下,与使用静脉传感器那样的非接触型传感器的情况相比,认证对象者的动作停止的时间较长,所以静止判定的判定精度提高。
面部选择部316从影像334中包含的多个面部图像中选择与从静止判定部315输出的人ID对应的面部图像336,并储存于存储部311。面部认证部317通过比较面部图像336与各注册面部图像信息332,来进行对面部图像336的面部认证。面部认证部317例如计算面部图像336与各注册面部图像信息332之间的相似度。
在注册面部图像信息332中包含的面部图像信息为面部图像的情况下,面部认证部317计算面部图像336的特征量F1、和注册面部图像信息332中包含的面部图像的特征量F2,并使用特征量F1以及特征量F2计算相似度。在注册面部图像信息332中包含的面部图像信息为特征量F2的情况下,面部认证部317计算面部图像336的特征量F1,并使用特征量F1以及特征量F2计算相似度。
生物体信息选择部318按照通过面部认证部317计算出的相似度从高到低的顺序,选择规定量的注册面部图像信息332。然后,生物体信息选择部318生成包含选择出的注册面部图像信息332的用户ID的候补列表337,并储存于存储部311。生物体信息选择部318通过生成候补列表337,来选择与候补列表337内的各用户ID对应的注册生物体信息331。由此,能够从多个人的注册生物体信息331缩小与认证对象生物体信息333进行比较的注册生物体信息331的集合。
生物体认证部319通过比较认证对象生物体信息333、和与候补列表337内的各用户ID对应的注册生物体信息331,来进行对认证对象生物体信息333的生物体认证。然后,生物体认证部319生成认证结果338,并储存于存储部311。
生物体认证部319例如计算认证对象生物体信息333与各注册生物体信息331之间的相似度,并将具有最高的相似度的注册生物体信息331的用户ID作为认证结果338储存于存储部311。输出部320输出认证结果338。
根据图3的信息处理装置301,即使在影像334映摄有多个人的情况下,也能够确定作为认证对象者的可能性较高的人。通过基于确定出的人的面部图像生成候补列表337,能够适当地缩小注册生物体信息331的集合。
另外,从各图像检测人的处理、使用各人的位置信息335的静止判定处理、以及基于面部图像336的注册生物体信息331的缩小处理的负荷比使用了认证对象生物体信息333的生物体认证处理的负荷小。因此,减轻了对认证对象生物体信息333的生物体认证的负荷,实现高速并且高精度的生物体认证处理。
并且,由于从面部认证的处理对象除去认证对象者以外的人的面部图像,所以能够适当地保护拍摄到的人的隐私。
此外,也可能有在影像334映摄出的认证对象者以外的人的动作偶然地与认证对象者对生物体信息的输入同步地停止,而判定为多个人静止的情况。该情况下,静止判定部315也可以将这些人中三维空间内的移动量最小的人确定为认证对象者。
信息处理装置301也可以应用其它的判定基准,尝试认证对象者的确定。作为其它的判定基准,例如能够使用图像内的各面部图像的尺寸或者位置。面部图像的尺寸越大的人越接近拍摄装置303,所以是认证对象者的可能性越高。另外,面部图像的位置越接近图像的中央,是认证对象者的可能性越高。面部图像的尺寸或者位置虽然不足以单独作为判定基准,但作为判定的辅助信息利用有效。
另外,信息处理装置301也可以分别使用判定为静止的多个人作为认证对象者的候补,生成候补列表337。
图9是表示图3的信息处理装置301进行的生物体认证处理的具体例的流程图。拍摄装置303与开始生物体认证处理同时地开始影像334的拍摄,影像获取部313从拍摄装置303获取影像334。
首先,人检测部314从影像334中包含的各图像检测人的面部图像,并对检测到的面部图像附加人ID(步骤901)。接下来,人检测部314检测各人的图像内的位置(步骤902),生成表示各人的位置的位置信息335(步骤903)。
生物体信息获取部312与步骤901~步骤903的处理并行地对认证对象者指示生物体信息的输入(步骤904)。接下来,生物体传感器302输入认证对象生物体信息333,生物体信息获取部312从生物体传感器302获取认证对象生物体信息333(步骤905)。然后,生物体信息获取部312获取获取了认证对象生物体信息333的时刻作为受理时刻(步骤906)。
接下来,静止判定部315使用位置信息335,判定各人的身体部位是否静止,将在认证对象生物体信息333的受理时刻静止的人确定为认证对象者(步骤907)。然后,静止判定部315将确定出的人的人ID输出到面部选择部316,面部选择部316从影像334中包含的多个面部图像中选择与该人ID对应的面部图像336(步骤908)。
接下来,面部认证部317进行对面部图像336的面部认证,生物体信息选择部318基于面部认证的结果生成候补列表337(步骤909)。然后,生物体认证部319使用候补列表337进行对认证对象生物体信息333的生物体认证,输出部320输出认证结果338(步骤910)。
然而,在影像334仅映摄有认证对象者的情况下,也能够省略包含位置信息335的生成以及静止判定的人确定处理,而减轻处理负荷。
图10是表示在仅映摄有认证对象者的情况下省略人确定处理的生物体认证处理的例子的流程图。首先,人检测部314从影像334中包含的各图像检测人的面部图像,并对检测出的面部图像附加人ID(步骤1001)。与步骤1001的处理并行地,生物体信息获取部312进行与图9的步骤904~步骤906相同的处理。
接下来,人检测部314检查检测出的面部图像是否仅为一人的面部图像(步骤1002)。在仅检测到一人的面部图像的情况下(步骤1002,是),信息处理装置301进行步骤1004以及步骤1005的处理。步骤1004以及步骤1005的处理与图9的步骤909以及步骤910的处理相同。
另一方面,在检测到多个人的面部图像的情况下(步骤1002,否),信息处理装置301进行人确定处理(步骤1003)。人确定处理与图9的步骤902、步骤903、步骤907、以及步骤908的处理相同。然后,信息处理装置301进行步骤1004以及步骤1005的处理。
在图3的信息处理装置301中,也能够代替拍摄装置303而使用其它的传感器,检测包含认证对象者的多个人。作为其它的传感器,例如能够使用使用了红外线、超声波、或者可见光的人感传感器、距离传感器等。该情况下,人检测部314根据其它的传感器的检测结果检测人,并生成表示各人的位置的位置信息335。通过代替拍摄装置303而使用其它的传感器,从而不需要用于检测人的图像处理,所以能够降低处理的负荷。
图1的信息处理装置101以及图3的信息处理装置301的构成仅为一个例子,也可以根据信息处理装置的用途或者条件省略或者变更一部分的构成要素。例如,在图3的信息处理装置301中,注册生物体信息331以及注册面部图像信息332也可以储存于信息处理装置301的外部的数据库。该情况下,信息处理装置301从外部的数据库获取注册生物体信息331以及注册面部图像信息332,并储存于存储部311。
图2、图9、以及图10的流程图仅为一个例子,也可以根据信息处理装置101或者信息处理装置301的构成或者条件,省略或者变更一部分的处理。
图4所示的拍摄图像仅为一个例子,拍摄图像根据在拍摄装置303的拍摄区域存在的人而变化。图5~图8所示的位置坐标x的时间变化仅为一个例子,位置坐标x根据影像334而变化。
式(1)~式(10)的计算式仅为一个例子,信息处理装置301也可以使用其它的计算式进行生物体认证处理。
图11示出图1的信息处理装置101以及图3的信息处理装置301的硬件构成例。图11的信息处理装置包含CPU(Central Processing Unit:中央处理器)1101、存储器1102、输入装置1103、输出装置1104、辅助存储装置1105、介质驱动装置1106、以及网络连接装置1107。这些构成要素为硬件,通过总线1108相互连接。图3的生物体传感器302以及拍摄装置303也可以与总线1108连接。
存储器1102例如是ROM(Read Only Memory:只读存储器)、RAM(Random AccessMemory:随机存取存储器)、闪存等半导体存储器,储存处理所使用的程序以及数据。存储器1102也可以作为图3的存储部311进行动作。
CPU1101(处理器)例如通过利用存储器1102执行程序,作为图1的受理部111、确定部112、选择部113、以及认证部114进行动作。CPU1101通过执行程序,也作为图3的生物体信息获取部312、影像获取部313、人检测部314、静止判定部315、面部选择部316、面部认证部317、生物体信息选择部318、以及生物体认证部319进行动作。
输入装置1103例如是键盘、指示设备等,用于来自操作人员或者用户的指示或者信息的输入。输出装置1104例如是显示装置、打印机、扬声器等,用于向操作人员或者用户的询问或者处理结果的输出。输出装置1104也可以作为图3的输出部320进行动作。处理结果也可以是认证结果338。
辅助存储装置1105例如是磁盘装置、光盘装置、光磁盘装置、磁带装置等。辅助存储装置1105也可以是闪存或者硬盘驱动器。信息处理装置能够预先在辅助存储装置1105储存程序以及数据,并将它们加载到存储器1102进行使用。辅助存储装置1105也可以作为图3的存储部311进行动作。
介质驱动装置1106驱动便携式记录介质1109,并访问其记录内容。便携式记录介质1109是存储器设备、软盘、光盘、光磁盘等。便携式记录介质1109也可以是CD-ROM(Compact Disk Read Only Memory:只读光盘)、DVD(Digital Versatile Disk:数字多用盘)、USB(Universal Serial Bus:通用串行总线)存储器等。操作人员或者用户能够预先在该便携式记录介质1109储存程序以及数据,并将它们加载到存储器1102进行使用。
这样,储存处理所使用的程序以及数据的计算机能够读取的记录介质是存储器1102、辅助存储装置1105、或者便携式记录介质1109那样的物理的(非暂时的)记录介质。
网络连接装置1107是与LAN(Local Area Network:局域网)、WAN(Wide AreaNetwork:广域网)等通信网络连接,并进行伴随通信的数据转换的通信接口电路。信息处理装置能够经由网络连接装置1107从外部的装置接收程序以及数据,并将它们加载到存储器1102进行使用。网络连接装置1107也可以作为图3的输出部320进行动作。
网络连接装置1107也可以经由通信网络,从图3的生物体传感器302以及拍摄装置303分别接收认证对象生物体信息333以及影像334。
此外,信息处理装置并不需要包含图11的全部的构成要素,也能够根据用途或者条件省略一部分的构成要素。例如,在信息处理装置不利用便携式记录介质1109或者通信网络的情况下,也可以省略介质驱动装置1106或者网络连接装置1107。
虽然对公开的实施方式及其优点进行了详细说明,但本领域技术人员能够在不脱离权利要求书明确记载的本发明的范围内,进行各种变更、追加、省略。
Claims (15)
1.一种认证方法,其特征在于,计算机执行如下处理:
受理由第一传感器检测到的认证对象生物体信息;
在上述认证对象生物体信息的检测时由第二传感器检测到一个以上的人的情况下,基于上述一个以上的人各自的动作,确定上述一个以上的人中包含的任意人;
从分别与多个注册面部图像信息建立了对应关系的注册生物体信息中,选择与上述任意人的面部图像信息相似的注册面部图像信息建立对应关系的注册生物体信息;以及
基于比较上述认证对象生物体信息与选择出的上述注册生物体信息得到的比较结果,进行对上述认证对象生物体信息的认证。
2.权利要求1所述的认证方法,其特征在于,
确定上述任意人的处理包含基于上述第二传感器对上述一个以上的人的检测结果,确定上述一个以上的人各自的动作的处理。
3.权利要求2所述的认证方法,其特征在于,
确定上述一个以上的人各自的动作的处理包含判定上述一个以上的人各自的身体部位是否静止的处理,
确定上述任意人的处理还包含如下处理:
将上述一个以上的人中具有在上述认证对象生物体信息的检测时静止的上述身体部位的人确定为上述任意人。
4.权利要求2或者3所述的认证方法,其特征在于,
上述第二传感器为拍摄装置,
确定上述一个以上的人各自的动作的处理包含如下处理:
在由上述拍摄装置拍摄到的拍摄图像映摄有上述一个以上的人的情况下,基于上述拍摄图像确定上述一个以上的人各自的动作。
5.权利要求1~4中任意一项所述的认证方法,其特征在于,
上述第一传感器是静脉传感器或者指纹传感器。
6.一种信息处理装置,其特征在于,具备:
受理部,受理由第一传感器检测到的认证对象生物体信息;
确定部,在上述认证对象生物体信息的检测时由第二传感器检测到一个以上的人的情况下,基于上述一个以上的人各自的动作,确定上述一个以上的人中包含的任意人;
选择部,从分别与多个注册面部图像信息建立了对应关系的注册生物体信息中,选择与上述任意人的面部图像信息相似的注册面部图像信息建立对应关系的注册生物体信息;以及
认证部,基于比较上述认证对象生物体信息与选择出的上述注册生物体信息得到的比较结果,进行对上述认证对象生物体信息的认证。
7.根据权利要求6所述的信息处理装置,其特征在于,
上述确定部基于上述第二传感器对上述一个以上的人的检测结果,确定上述一个以上的人各自的动作。
8.根据权利要求7所述的信息处理装置,其特征在于,
上述确定部判定上述一个以上的人各自的身体部位是否静止,并将上述一个以上的人中具有在上述认证对象生物体信息的检测时静止的上述身体部位的人确定为上述任意人。
9.根据权利要求7或者8所述的信息处理装置,其特征在于,
上述第二传感器是拍摄装置,
上述确定部在由上述拍摄装置拍摄到的拍摄图像映摄有上述一个以上的人的情况下,基于上述拍摄图像确定上述一个以上的人各自的动作。
10.根据权利要求6~9中任意一项所述的信息处理装置,其特征在于,
上述第一传感器是静脉传感器或者指纹传感器。
11.一种认证程序,其特征在于,用于使计算机执行如下处理:
受理由第一传感器检测到的认证对象生物体信息;
在上述认证对象生物体信息的检测时由第二传感器检测到一个以上的人的情况下,基于上述一个以上的人各自的动作,确定上述一个以上的人中包含的任意人;
从分别与多个注册面部图像信息建立了对应关系的注册生物体信息中,选择与上述任意人的面部图像信息相似的注册面部图像信息建立对应关系的注册生物体信息;以及
基于比较上述认证对象生物体信息与选择出的上述注册生物体信息得到的比较结果,进行对上述认证对象生物体信息的认证。
12.根据权利要求11所述的认证程序,其特征在于,
确定上述任意人的处理包含基于上述第二传感器对上述一个以上的人的检测结果,确定上述一个以上的人各自的动作的处理。
13.根据权利要求12所述的认证程序,其特征在于,
确定上述一个以上的人各自的动作的处理包含判定上述一个以上的人各自的身体部位是否静止的处理,
确定上述任意人的处理还包含如下处理:
将上述一个以上的人中具有在上述认证对象生物体信息的检测时静止的上述身体部位的人确定为上述任意人。
14.根据权利要求12或者13所述的认证程序,其特征在于,
上述第二传感器是拍摄装置,
确定上述一个以上的人各自的动作的处理包含如下处理:
在由上述拍摄装置拍摄到的拍摄图像映摄有上述一个以上的人的情况下,基于上述拍摄图像确定上述一个以上的人各自的动作。
15.根据权利要求11~14中任意一项所述的认证程序,其特征在于,
上述第一传感器是静脉传感器或者指纹传感器。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/JP2020/023005 WO2021250845A1 (ja) | 2020-06-11 | 2020-06-11 | 認証方法、情報処理装置、及び認証プログラム |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115668186A true CN115668186A (zh) | 2023-01-31 |
Family
ID=78847122
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202080101104.5A Pending CN115668186A (zh) | 2020-06-11 | 2020-06-11 | 认证方法、信息处理装置、以及认证程序 |
Country Status (5)
Country | Link |
---|---|
US (1) | US20230059121A1 (zh) |
EP (1) | EP4167112A4 (zh) |
JP (1) | JPWO2021250845A1 (zh) |
CN (1) | CN115668186A (zh) |
WO (1) | WO2021250845A1 (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023181267A1 (ja) * | 2022-03-24 | 2023-09-28 | 富士通株式会社 | 認証システム、認証クライアント装置、認証サーバ装置および情報処理プログラム |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005242677A (ja) * | 2004-02-26 | 2005-09-08 | Ntt Comware Corp | 複合認証システムおよびその方法ならびにプログラム |
JP2007154472A (ja) * | 2005-12-02 | 2007-06-21 | Hitachi Information & Control Solutions Ltd | 指静脈認証装置および指静脈認証方法 |
JP2007156790A (ja) * | 2005-12-05 | 2007-06-21 | Hitachi Omron Terminal Solutions Corp | 複数種の生体情報による認証をおこなう認証技術 |
US9020207B2 (en) * | 2011-06-07 | 2015-04-28 | Accenture Global Services Limited | Biometric authentication technology |
JP2013250856A (ja) * | 2012-06-01 | 2013-12-12 | Mitsubishi Electric Corp | 監視システム |
JP2017049867A (ja) * | 2015-09-03 | 2017-03-09 | 日本電気株式会社 | 認証装置、防犯システム、認証方法およびプログラム |
EP3671633A1 (en) * | 2016-02-26 | 2020-06-24 | NEC Corporation | Face recognition system, face recognition method, and storage medium |
WO2020070821A1 (ja) * | 2018-10-03 | 2020-04-09 | 富士通株式会社 | 生体認証装置、生体認証方法、及び生体認証プログラム |
-
2020
- 2020-06-11 CN CN202080101104.5A patent/CN115668186A/zh active Pending
- 2020-06-11 WO PCT/JP2020/023005 patent/WO2021250845A1/ja unknown
- 2020-06-11 JP JP2022530453A patent/JPWO2021250845A1/ja not_active Withdrawn
- 2020-06-11 EP EP20939653.0A patent/EP4167112A4/en not_active Withdrawn
-
2022
- 2022-11-07 US US17/981,518 patent/US20230059121A1/en not_active Abandoned
Also Published As
Publication number | Publication date |
---|---|
EP4167112A4 (en) | 2023-07-19 |
EP4167112A1 (en) | 2023-04-19 |
JPWO2021250845A1 (zh) | 2021-12-16 |
US20230059121A1 (en) | 2023-02-23 |
WO2021250845A1 (ja) | 2021-12-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6013241B2 (ja) | 人物認識装置、及び方法 | |
US20160292533A1 (en) | Image processing apparatus for estimating three-dimensional position of object and method therefor | |
EP2893491B1 (en) | Image processing apparatus and method for fitting a deformable shape model to an image using random forest regression voting | |
Cootes et al. | Robust and accurate shape model fitting using random forest regression voting | |
Das et al. | Recent advances in biometric technology for mobile devices | |
WO2019003973A1 (ja) | 顔認証装置、顔認証方法およびプログラム記録媒体 | |
US20230252820A1 (en) | Authentication method, information processing device, and non-transitory computer-readable recording medium storing authentication program | |
Zhang et al. | Robust real-time human perception with depth camera | |
US20230059121A1 (en) | Authentication method, information processing device, and non-transitory computer-readable storage medium for storing authentication program | |
Bresan et al. | Facespoof buster: a presentation attack detector based on intrinsic image properties and deep learning | |
Nambiar et al. | Frontal gait recognition combining 2D and 3D data | |
KR102063745B1 (ko) | 측면 프로파일링 기반 신원확인 장치 및 방법 | |
JP7359044B2 (ja) | 認証方法、情報処理装置、及び認証プログラム | |
KR20140022627A (ko) | 인증 장치 및 방법 | |
US20030123734A1 (en) | Methods and apparatus for object recognition | |
KR102592601B1 (ko) | 합성 표정을 이용한 얼굴인식 방법 | |
Chowdhuri et al. | Very low resolution face recognition in parallel environment | |
Verlekar et al. | Walking direction identification using perceptual hashing | |
US20220327191A1 (en) | Authentication method, information processing device, and non-transitory computer-readable storage medium for storing authentication program | |
JP7415640B2 (ja) | 認証方法、情報処理装置、及び認証プログラム | |
Lin et al. | A novel framework for automatic 3D face recognition using quality assessment | |
US20240152549A1 (en) | Image processing apparatus for search of an image, image processing method and storage medium | |
US20240242476A1 (en) | Image recognition apparatus, training apparatus, control method, and storage medium | |
EP4239567A1 (en) | Authentication method, control method, information processing device, and authentication program | |
WO2022079841A1 (ja) | グループ特定装置、グループ特定方法、及びコンピュータ読み取り可能な記録媒体 |
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 |