CN1373452A - 人之鉴别方法及其装置 - Google Patents

Abstract

登录时,对已拍下的虹膜图像1进行用了多个频率f1～fn的频率解析,并对每一个频率f1～fn产生一个特征数据。鉴别时,先从登录时所用的多个频率f1～fn中选出为进行鉴别的频率解析所用的频率f2～fn,再对已拍下的被鉴别者的虹膜图像2进行用了已选出的频率f2～fn的频率解析,而对每一个已选出的频率f2～fn产生一个特征数据,之后一一地比较所产生的每一个特征数据和同一个频率下登录时的特征数据,这样进行人之鉴别。

Description

人之鉴别方法及其装置

技术领域

本发明属于一种通过频率解析从生物信息得到特征数据，再根据特征数据间的相似度来进行人之鉴别的技术。

背景技术

人们已经想出了很多利用人类的生物信息，例如指纹、虹膜、网膜上的血管图案、脸等识别人(Biometrics)的方法。其中利用虹膜识别人之法，出于以下理由，今后很可能成为生物鉴别技术(Biometrics)的主流。这些理由是：

1、可利用摄、照相机非接触式地获得虹膜图案。

2、由于虹膜图案的复杂性，错误接收率(FAR：False AcceptanceRate)极低。

3、虹膜图案在人的一生中几乎是不变的。

例如，美国专利USP5291560号、日本国公表特许公报特表平8-504979号、以及《High Confidence Visual Recognition of Persons by aTest of Statistical Independence》(IEEE Transactions on PatternAnalysis and Machine Intelligence，Vol.15，No.11，Nov.1993)这三份文献中，所记述的都是有关从虹膜图像中抽出虹膜特征数据来进行人之识别的技术(只不过是，这三份文献所记述的内容基本上一样)。

这些技术，都是利用多刻度(multi scale)自我相似2维直角相位带通滤波器(例如Gabor滤波器：加博尔滤波器)在多重解像度下对虹膜图像进行解析而产生特征数据(虹膜符号)的。具体顺序是这样的：用摄、照像机获得应被识别的人眼的被数字化的图像，决定出虹膜和巩膜之间的边界以及虹膜和瞳孔之间的边界，而将虹膜区域分离出来。接着，给已被分离出来的虹膜图像设定一极坐标系，而后决定出多个环状的解析带域。最后，再利用由多刻度直角相位带通滤波器构成的信号处理手段进行解析和符号化。如图24所示，计算出符号间的汉明(hamming)距离来对这样产生出的虹膜符号和虹膜符号进行比较，以判断出被比较的这两个虹膜符号是否是由同一个人的虹膜产生的。

发明要解决的问题

上述技术的前提条件是：在登录虹膜的时候和核对虹膜的时候，要使用事先已定好的一定解像度的摄、照像部件，而且要在事先定好的一定频带下进行多刻度频率解析。在上述前提下，需要专用的登录装置和鉴别装置。

另一方面，纵观近年来携带电话/个人数码助理(PDA：PersonalDigital Assistance)的高功能化、通信带域的大容量化等，在不远的将来，可用带摄像部件(照相机)的携带电话/个人数码助理拍下虹膜图像并对它进行鉴别，这样就可进行以下的访问控制了，例如进行往携带电话/个人数码助理的登录(log in)、进行电子商务(EC，electronic commerce)中之鉴别、管理人们进入需要物理安全性的地方或者出来、代替家里的钥匙使用等。但在这种情况下，起初，装在携带电话/个人数码助理内或者装在它外面的摄、照像部件，其解像度较低的可能性很大。而且机种不同，摄、照像部件的规格也就不同。再就是，鉴别不仅可利用携带电话/个人数码助理来进行，还可利用设在门上的终端等各种各样的装置来进行。

因此，若在鉴别时利用从低解像到高解像的各种各样的装置拍下虹膜图像的情况下，利用上述已往的技术，在一定的频带下进行频率解析，那么，当输入了低解像度的图像时，用高频(若抽样频率为Fs，则高频为Fs/2以上的频率成分)解析的部分就不能作特征数据用了。而若想让这些用高频解析的部分也成为特征数据的一部分，就会导致所有的相关值下降，鉴别精度也就有可能下降。

本发明正是为解决上述问题而研究出来的。其目的在于：在利用生物信息进行人之辨别时，就是例如将来要使用的装置的种类很多，也都能抑制鉴别精度下降，而保证充分高的鉴别精度。

技术方案

为解决上述问题，第一方面的发明所采取的解决方案为：作为一种利用生物信息进行人之鉴别的方法是这样的：登录时，对已获得的生物信息进行用了多个频率的频率解析，而对每一个频率产生一个特征数据并将它登录好；鉴别时，先从上述多个频率中选出为鉴别而进行的频率解析所用的频率，再对已获得的被鉴别者的生物信息进行用了已选出的频率的频率解析，而对每一个已选出的频率产生一个特征数据，然后通过一一地比较所产生的每一个特征数据和同一个频率下登录时的特征数据，就将人鉴别出来了。

按第1方面的发明，因假设是从登录时所进行的频率解析所用的多个频率中选出鉴别时所进行的频率解析的频率的，故例如可将会使所有的相关值下降且从鉴别精度的角度来看无用的频率成分从特征数据中除去。因此，可抑制鉴别精度下降。

在第2方面的发明中，上述第1方面的人之鉴别方法中的生物信息为眼睛中的虹膜的图像。

在第3方面的发明中，上述第2方面的人之鉴别方法中的鉴别时的频率，是根据鉴别时所拍下的虹膜图像的解像度来选择的。

在第4方面的发明中，上述第3方面的人之鉴别方法中的虹膜图像的解像度，是从该虹膜图像本身求得的。

在第5方面的发明中，上述第4方面的人之鉴别方法中的虹膜图像的解像度，是根据对应于该虹膜图像中的虹膜和瞳孔的边界的圆周长度求得的。

在第6方面的发明中，上述第3方面的人之鉴别方法中的虹膜图像的解像度，是根据和拍下该虹膜图像的机器有关的信息求得的。

在第7方面的发明中，上述第1方面的人之鉴别方法中的鉴别时的频率，是根据上述每一个多个频率之组合的鉴别精度来选择的。

在第8方面的发明中，上述第7方面的人之鉴别方法中的鉴别精度，是用同一个人间的鉴别距离的分布和他人间的鉴别距离的分布算出的。

在第9方面的发明中，上述第1方面的人之鉴别方法中的鉴别时的鉴别精度，是根据已选出的频率估计出来的。

在第10方面的发明中，上述第9方面的人之鉴别方法中的鉴别精度，是根据同一个人间的鉴别距离的分布和他人间的鉴别距离的分布估计出来的。

在第11方面的发明中，上述第9方面的人之鉴别方法，为根据已估计出来的鉴别精度，最后判断出要不要鉴别被鉴别者。

在第12方面的发明中，上述第9方面的人之鉴别方法，为根据已估计出来的鉴别精度，控制加给鉴别后的被鉴别者的权限。

在第13方面的发明中，上述第9方面的人之鉴别方法，为根据已估计出来的鉴别精度，判断是否还要再次进行鉴别。

第14发明的发明所采取的解决方案，为：作为一种利用生物信息进行人之鉴别的装置是这样的：登录时，对已获得的生物信息进行用了多个频率的频率解析，而对每一个频率产生一个特征数据并将它登录好；鉴别时，先从上述多个频率中选出为鉴别而进行的频率解析所用的频率，再对已获得的被鉴别者的生物信息进行用了已选出的频率的频率解析，而对每一个已选出的频率产生一个特征数据，通过一一地比较所产生的每一个特征数据和同一个频率下登录时的每一个特征数据，就将人鉴别出来了。

在第15方面的发明中，上述第14方面的人之鉴别装置中的生物信息为眼睛中的虹膜的图像。

附图的简单说明

图1概念性地示出了本发明第一个实施例所涉及的人之鉴别方法的技术特征。

图2示出了本发明的实施例所涉及的人之鉴别系统的概略结构。

图3示出了虹膜鉴别终端的一例即带照相部件的携带电话的外观。

图4为表示虹膜鉴别终端的内部结构的方框图。

图5是本发明的第一个实施例所涉及的人之鉴别方法中，登录时所进行的各个处理的流程图。

图6是本发明的第一个实施例所涉及的人之鉴别方法中，鉴别时所进行的各个处理的流程图。

图7示出了虹膜的结构。

图8是对虹膜图案进行傅利叶变换后而得到的以频域表示的图。

图9示出了用4种频率进行解析的情况。

图10示出了用于加博尔滤波器的高斯函数。

图11是虹膜符号的一例。

图12示出了登录虹膜符号的产生过程。

图13示出了识别用虹膜符号的产生过程。

图14示出了对登录虹膜符号和识别用虹膜符号的比较。

图15示出了汉明距离的计算。

图16概念性地示出了同一个人间的鉴别距离的分布和他人间的鉴别距离的分布。

图17是流程图，示出了本发明的第二个实施例所涉及的人之鉴别方法中的处理过程。

图18概念性地示出了同一个人间的鉴别距离的分布和他人间的鉴别距离的分布。

图19示出了应用低通滤波器产生解析度各不相同的多个虹膜图像的方法。

图20是用来说明如何选择加博尔滤波器的图。

图21示出了用频域来表示对应用了低通滤波器而产生的图像进行傅利叶变换后的结果。

图22是用来说明如何选择加博尔滤波器的图。

图23示出了将抽出的特征数据储存到解析频带之组合各异的虹膜DB中的结构。

图24示出了已往的人之鉴别处理。

符号之说明

1登录时的虹膜图像，2鉴别时的虹膜图像，f1～fn登录时所用的多个频率，f2～fn鉴别时所用的多个频率，15虹膜鉴别终端，21带照相机的携带电话，D1同一个人的分布，D2他人的分布

发明的实施例

下面，参考附图，对本发明的实施例进行说明。

需提一下，在以下各实施例中，举例说明的是虹膜鉴别，即如何利用人眼的虹膜的图像来鉴别人的。不仅如此，只要是可作为信号用且能分辨出人之不同的生物特征就行，本发明可被用在利用指纹、声纹等其他生物信息进行人之鉴别上。

(第一个实施例)

图1概念性地示出了本发明第一个实施例所涉及的人之鉴别方法的技术特征。如图1所示，在本实施例中，登录时，用多个频率f1～fn对所拍下的虹膜图像1进行频率解析，并对每一个频率f1～fn产生一个特征数据。另一方面，鉴别时，以虹膜图像2的解像度为依据，先从登录时所用的多个频率f1～fn中选出为鉴别而进行的频率解析所用的频率f2～fn，再利用已选出的频率f2～fn对已拍下的被鉴别者的虹膜图像2进行频率解析，而对每一个频率f2～fn产生一个特征数据。再一一地比较所产生的每一个特征数据和同一个频率下所对应的登录时的特征数据，就将人辨别出来了。

就这样，即使在用解像度比登录时还低的摄像部件拍下被鉴别者的虹膜图像的情况下，也能进行利用该虹膜图像之人之鉴别。而且，能通过排除和无意义的频率有关的特征数据作特征数据，进行抑制了鉴别精度下降的人之鉴别。

图2概略地示出了本实施例所涉及的人之鉴别系统的结构。图2中，虹膜鉴别服务器11包括储存了许多人之虹膜数据的虹膜数据库(DB)12，且被接在因特网、专线、公共回线等网络13上；至少分别有一台拥有摄、照像部件的虹膜登录装置14和一台虹膜鉴别终端15，且都被接在网络13上。

图3示出了将图2所示的虹膜鉴别系统中的虹膜鉴别终端15用到带照相部分的携带电话21上时的结构；图4是虹膜鉴别终端15的内部结构的方框图。

需提一下，可在所利用的每一个地区、每一个机关设置多台虹膜鉴别服务器11，还可设置包括用以分散负荷的镜服务器(mirror server)在内的多台虹膜鉴别服务器11，虹膜DB12通过网络被接在虹膜鉴别服务器上。

需提一下，虹膜鉴别服务器11可具备虹膜登录装置14之功能，虹膜鉴别终端15可具备登录和鉴别这两种功能。再就是，在有多台虹膜鉴别终端15的情况下，它们的摄、照像规格也不一定要都一样。

图5和图6分别是在本实施例所涉及的人之鉴别方法中，登录时和鉴别时所进行的各个处理的流程图。下面，对登录时和鉴别时本实施例所涉及的人之鉴别方法中的各个处理流程分别进行说明。

登录时

登录时，首先，在图像获取处理SA01，用虹膜登录装置14以能够得到非常好的虹膜图案的精细纹理的“解像度”来拍下虹膜图像。这里所说的“解像度”意味着：“虹膜之抽样会细到哪种程度”，换句话说就是分解精度。虹膜登录装置14中的摄像部件、镜头系统能够在足够的解像度下拍下虹膜图像。

图7示出了虹膜的结构。如图7所示，虹膜41主要由皱褶42(从它和瞳孔45的边界处放射状地延伸的图案)、隐窝43、虹膜卷缩轮(iris frill)44等组成，其图案形状因人而异。利用此将虹膜41的图案形状特征数据化，并对特征数据进行比较，就能进行人之辨别了。

图8示出了对虹膜图像进行了傅利叶变换后用频域表示出来的情况。因真正的虹膜图案是2维图像而应用了2维傅利叶变换，但为简单起见，图8是用一维表示的。该一维是用后述之法将2维的虹膜图案切出来，并将极坐标分配给它以后圆周方向的那一维。也就是说，把它想成是将象皱褶42那样的虹膜的放射状纹理在圆周方向上进行频率解析后而得到的就好了。之所以沿圆周方向进行频率解析，是因为我们知道：识别人之时，虹膜的放射状纹理很重要。

在本实施例中，将圆周方向360度(一周)为1个周期的正弦波表示为频率1(以下频率之单位为Hz)。

图8中，用Fm来表示对鉴别虹膜图案很有效的频率带域的上限频率。为将该上限频率Fm用于虹膜图案之解析，根据抽样定理用频率Fs＝Fm×2以上的抽样频率获取虹膜图像就行了。这就是上述的“足够的解像度”。而且是通过预备实验，获得各种各样的抽样频率Fs下的虹膜图像，从中选出鉴别性能最好的抽样频率Fs而将它定为该上限频率Fm的。还可以通过观察各种各样的人的虹膜纹理，由所观察到的最细的皱的间隔估计出该上限频率Fm。

登录时所拍下的虹膜图像和通过别的途径获得的本人的ID一起，通过网络13而被送到虹膜鉴别服务器11中。需提一下，在拥有能够以足够的解像度来拍下虹膜图像的虹膜鉴别终端15的情况下，可用该终端15登录虹膜图像。

其次，在处理SA02～SA07中，从所拍下的虹膜图像中抽出用于鉴别的特征数据(虹膜符号)。需提一下，在本实施例中，是由虹膜鉴别服务器11抽出特征数据的，不仅如此，还可以使其为这样的一种形态：即从虹膜图像的摄制到特征数据之抽出由虹膜登录装置14来完成，通过网络13将所产生的虹膜符号发出并储存到虹膜DB12中。

处理SA02～SA05只要是能稳定地抽出虹膜区域的方法什么方法都行。在本实施例中，使用特表平8-504979号公报中所述的方法。详细之处就不提了，这里仅说明其主要部分。

在处理SA02中，为抽出虹膜区域，首先决定虹膜内侧的边界。该处理，是利用瞳孔和虹膜间存在亮度差这一现象来寻找在半径有规律地增大的圆周上亮度的积分值急剧地变化的那一个圆的中心(x0，y0)及半径r0。

同样，在处理SA03中，则决定虹膜的外侧的边界。该处理利用虹膜和巩膜之间存在亮度差这一现象。这里，考虑到虹膜和巩膜的边界常常会被上下眼皮盖起来这一现象，而计算出了圆的上下部分被除去后而得到的左右弧部分(上述文献中被称为“pie-wedges”)上的亮度的积分值。也就是说，寻找在半径有规律地增大的pie-wedges上亮度的积分值急剧地变化的那个圆的中心(x1，y1)及半径r1。

通过处理SA02和SA03，决定出虹膜的内侧边界及外侧边界。这样，虹膜区域就被抽出来了。

其次，在处理SA04，将极坐标系应用到被抽出的虹膜区域上。将该极坐标系的原点设在瞳孔的中心(x0，y0)。半径方向上的维，将瞳孔圆周(即虹膜最内周)定为半径0，虹膜周围(即虹膜最外周)定半径1，半径的中间值，则是根据瞳孔和虹膜周围的距离从0到1线性内插而得到的。角度方向上的维，取从0度到360度之间的值。也就是说，虽然虹膜图像的大小随虹膜尺寸的个人差、照摄相机的焦距值、照摄相机和虹膜的距离等而变，但设定了这样的极坐标系以后，就不会受虹膜尺寸之左右了，而可从虹膜图像做出特征数据来。

其次，在处理SA05，将虹膜图像分割为多个为同心圆的(例如8个)环状区域。

其次，在图像数据解析处理SA06，和上述文献一样，将多刻度带通滤波器即2维加博尔(Gabor)滤波器用到极坐标的虹膜图像中。加博尔滤波器可由下式(1)表示。

上式中，r：半径，θ：半径的角度，ω：角频率，α，β：常数

需提一下，参数α、β和角频率ω成反比地变化。这里准备了多种角频率ω，用多个分别对应于角频率ω的加博尔滤波器对虹膜图像进行解析。

图9示出了用4种频率进行解析的情况。图9中，横轴表示频率，图9示出了由通过带域相互不同的4个加博尔滤波器对从频率0(直流成分)到上限频率Fm的带域进行解析的情况。F1～F4分别为每一个加博尔滤波器的通过带域的中心频率。它和角频率ω之间的关系可用下式表示。

ω1＝2πF1，ω2＝2πF2，ω3＝2πF3，ω4＝2πF4需提一下，如图9所示，上限频率Fm并非一定要和加博尔滤波器的通过频带的上限F4U一致，只要F4U≤Fm就行。

需提一下，图9中的该加博尔滤波器的通过带域是图10所示的用在加博尔滤波器的高斯函数的峰值达到半值时所对应的那一带域。亦即可以说从高斯函数的边缘区域(离开中心的区域)考虑的话，每一个加博尔滤波器的通过带域相互重合。需提一下，除了可将加博尔滤波器通过带域的重合设在高斯函数达到半值的那一处以外，还可将它设在例如σ、2σ、3σ(这里设高斯函数的标准偏差为σ)的那一处。

最后，和上述文献一样，从用了加博尔滤波器后而得到的信号中抽出特征数据。亦即，看加博尔滤波器的输出为正还是为负，按下式(2)进行二值化和符号化。 ${\mathrm{MSB}}_{\mathrm{Re}}(r,\mathrm{\θ})=1\mathrm{ifRe}{\∫}_{\mathrm{\ρ}}{\∫}_{\mathrm{\φ}}{e}^{2\mathrm{\πj\ω}(\mathrm{\θ}-\mathrm{\φ})}{e}^{-{(r-\mathrm{\ρ})}^2/{\mathrm{\α}}^2}{e}^{-(\mathrm{\θ}-\mathrm{\φ})/{\mathrm{\β}}^2}I(\mathrm{\ρ},\mathrm{\φ})\mathrm{\ρd\ρd\φ}>0$ ${\mathrm{MSB}}_{\mathrm{Re}}(r,\mathrm{\θ})=0\mathrm{ifRe}{\∫}_{\mathrm{\ρ}}{\∫}_{\mathrm{\φ}}{e}^{2\mathrm{\πj\ω}(\mathrm{\θ}-\mathrm{\φ})}{e}^{-{(r-\mathrm{\ρ})}^2/{\mathrm{\α}}^2}{e}^{-(\mathrm{\θ}-\mathrm{\φ})/{\mathrm{\β}}^2}I(\mathrm{\ρ},\mathrm{\φ})\mathrm{\ρd\ρd\φ}\≤0$ ${\mathrm{MSB}}_{\mathrm{Im}}(r,\mathrm{\θ})=1\mathrm{ifIm}{\∫}_{\mathrm{\ρ}}{\∫}_{\mathrm{\φ}}{e}^{2\mathrm{\πj\ω}(\mathrm{\θ}-\mathrm{\φ})}{e}^{-{(r-\mathrm{\ρ})}^2/{\mathrm{\α}}^2}{e}^{-(\mathrm{\θ}-\mathrm{\φ})/{\mathrm{\β}}^2}I(\mathrm{\ρ},\mathrm{\φ})\mathrm{\ρd\ρd\φ}>0$

这里，I(ρ，φ)是在极坐标系中所表示的输入虹膜图像。

图11示出了抽出虹膜符号时的情况之一。虽然实际情况是虹膜图像为二维信号(将极坐标用到其上时，即半径方向和角度(圆周)方向)，但为简单起见，该图中仅用角度方向这一维来表示。图11(a)所示的是表示虹膜图像在某一个半径的圆周上的亮度的原始信号；图11(b)所示的是将加博尔滤波器应用到原始信号以后而得到的信号；图11(c)所示的是将图11(b)所示的信号二值化以后而得到的信号即虹膜符号。图11(c)所示的虹膜符号，是对在处理SA05中分割好的每一个环状区域每一个频率产生的。

然后，如图12所示，将在各个频率Fi下进行解析而得到的结果，即次特征数据Fsi连接起来作为登录虹膜符号FT，在处理SA07中，将登录虹膜符号FT及用于解析的频率信息和那个人的ID相关联地储存到虹膜DB12中。

需提一下，这里将极坐标应用到了虹膜图像中，不仅如此，也可将普通的坐标系应用到虹膜图像中。再就是，这里是利用加博尔滤波器即多刻度自我相似2维带通滤波器的一种来进行多重解像度下的频率解析的，不仅如此，还可用可借助多重解像度进行解析的其他方法，例如小波(wavelet)解析等。

还有，计算特征数据时，是分别利用加博尔滤波器的实部/虚部来进行的。不仅如此，计算双方的自乘和的平方根的能力(power)也可以作特征数据用。而且，还可使加博尔滤波器的输出就那样为多个值并用它来作特征数据，来代替将加博尔滤波器的输出二值化后作特征数据。

鉴别时

鉴别时，要进行以下处理。

首先，在图6所示的流程中的图像获取处理SB01，要接受鉴别的使用者即被鉴别者，例如使用图3所示的携带电话21输入虹膜图像。使用者看着监控器23确认照相部件22(装在其内的摄像元件31)现在正捉到的影像，当焦点正好对准的自己的虹膜图像映在监控器23时，便按下摄像实行这一操作按钮25。于是，照明24发光，图像和发光时刻同步地被拍下来，被拍下的虹膜图像被储存在携带电话21内的帧储存器(framememory)32内。之后，被储存在程序储存器(program memory)34内的虹膜特征抽出程序被读到操作储存器(work memory)33内，便执行图6中处理SB02以后之处理。

需提一下，这里是以带照相部件的携带电话为例进行说明的。不仅如此，只要是带照相部件的机子，其它的也可以用。举例而言，例如带照相部件的PHS(简易型携带电话)、带照相部件的个人数码助理(PDA)、带照相部件的对讲电话机、具有通信功能的数码相机等。

还有，在本实施例中，是使用虹膜特征抽出程序即利用软件进行特征之抽出的，不仅如此，虹膜特征之抽出处理还可通过专用电路、数位信号处理技术(DSP：Digital Signal Processing)等即通过硬件来实现。

因从所拍下的虹膜图像中将虹膜区域切出来的切出处理SB02及SB03、决定坐标系之处理SB04及为定出解析区域的虹膜区域分割处理SB05，都和登录时的处理SA02～SA05一样，故这里就不另作说明了。

其次，在处理SB06，计算出虹膜图像的解像度。在该实施例中，将在处理SB02计算出来的虹膜/瞳孔间的边界，即虹膜内侧边界的周长定为解像度R。既可将虹膜内侧边界上的像素数定为该解像度R，也可将从在处理SB02中计算出来的半径r0求得的2πr0定为该解像度R，即R＝2πr0。

其次，在处理SB07，由虹膜图像的解像度R决定出用于解析的频带。该解像度R即为瞳孔边界的圆周方向上的抽样频率Fsp＝R(Hz)。在用R个点抽样1个周期(360度)的情况下，抽样周期(抽样间隔)为360/R度。因以360/R度的抽样间隔对360度进行了抽样，故抽样频率Fsp＝360/(360/R)＝R(Hz)。

因此，能够利用抽样定理，定出对解析该虹膜图像很有效的频率的上限Fmp。

Fmp＝Fsp/2＝R/2需提一下，该上限Fmp本身并不是有效的解析频率，正确地说，只要在比上限Fmp小的频率下进行解析就可以了。

也就是说，之所以不在Fsp/2以上的频率下进行解析，是因为：根据抽样定理，即使在Fsp/2以上的频率下进行解析，这一部分作为特征数据也是无意义的，而若让这一部分包含在整个特征数据中并进行比较，则整体的一致性就会下降。

在本实施例中，着眼于瞳孔边界的圆周决定抽样频率的理由有两个，一为：从虹膜的最内周部分(和瞳孔的边界附近)放射状地延伸的纹理(皱褶)是用来鉴别是否是某一个人的有效的特征数据。二为：给已切出来的虹膜设一极坐标，并应用了检测极坐标在圆周方向上的浓淡值变化的加博尔滤波器。

需提一下，在不将极坐标应用到虹膜图像中，而用普通坐标系进行解析的情况下，可以从虹膜图像的半径或者直径、或者是已切出来的虹膜区域的面积(点数)、瞳孔区的面积(点数)等随被抽样的虹膜的大小而变的量来求解像度，从而定出解析频带。

需提一下，鉴别时所用的有些终端，装在其内部的摄、照像部件的解像度、镜头系是已知的，当摄、照像距离又大致一定(被写界深度很浅)时，所拍下的虹膜的大小也大致一定。因此，可以事先利用上述方法，给每一个终端定一个解析频带。这时，可做好一个例如将终端和解析频带对应起来的参考表格，再参考该参考表格，由终端的种类定出解析频带。

还有，在摄、照影距离可根据测距传感器等求得，镜头系(可调节焦距)、摄、照像部件的解像度等摄、照像机信息又可得到的情况下，也可预测出所拍下的虹膜的大小。于是，可事先做好将摄、照相距离及摄、照相机信息与解析频带相对应的参考表，再参考该参考表由摄、照相距离及摄、照相机信息决定出解析频带。

如图9所示，假设登录时，进行以频率F4U为上限，4个频带分别以F1～F4为中心频率的频率解析，将特征数据计算出来。

在这种情况下，若鉴别时的虹膜图像的频率上限Fmp比登录时的上限频率F4U大，就和登录时一样，在这4个频率下进行频率解析。而当Fmp＜F4U时，计算出Fmp≥FnU的最大的n。若n＝3，就在分别以F1～F3为中心频率的3个频带下进行频率解析。

其次，在处理SB08，利用(式1)中的加博尔滤波器抽出特征数据。该处理大致和登录时的处理SA06一样，和处理SA06不同之处为：它是根据在处理SB07决定出来的频带进行频率解析的。当已决定了在处理SB07，在n＝3，即分别以F1～F3为中心频率的3个频带下进行频率解析的情况下，就将对应于这些频带的3个加博尔滤波器(ω 1＝2πF1，ω2＝2πF2，ω3＝2πF3)应用于其中。从应用了加博尔滤波器后而获得的信号中抽出特征数据的方法，和处理SA06一样用(式2)进行。

其次，如图13所示，在处理SB09，将与通过处理SB08抽出的每一个频率Fi相对应的次特征数据FSi(二值符号)连接起来，来生成识别用虹膜符号FT。

若在虹膜鉴别终端15内进行以上处理，那么，已作成的特征数据及用于解析的频率信息将通过网络13而被送到虹膜鉴别服务器11中。

需提一下，在本实施例中，是在虹膜鉴别终端15进行到特征抽出处理SB09以后，通过网络13将特征数据送到虹膜鉴别服务器11中，然后在虹膜鉴别服务器11中进行鉴别的。不仅如此，例如，还可以在虹膜鉴别终端15中只进行获取虹膜图像的处理SB01，然后通过网络13将虹膜图像本身送到虹膜鉴别服务器11，再在虹膜鉴别服务器11中进行特征抽出处理SB02～SB09以及识别处理SB10和SB11。

还有，也可在虹膜鉴别终端15中，进行获取虹膜图像的处理SB01，特征抽出处理SB02～SB09以及识别处理SB10、SB11这一系列的处理。此时，要进行比较的对象的登录虹膜符号从虹膜DB12通过网络13被送到虹膜鉴别终端15，在终端15进行比较处理。

需提一下，鉴别时，有1对N鉴别和1对1鉴别。进行1对N鉴别时，被鉴别者不将自己的ID告诉机器，比较的是鉴别时已抽出的特征数据和虹膜DB12内的所有基准特征数据。若它和最相似的基准特征数据的相似度(距离)在事先定好的阈值以上(以下)，就被鉴别出来了。进行1对1鉴别时，被鉴别者将自己的ID告诉机器，比较的是鉴别时已抽出的特征数据和与使用者已告诉的ID相对应的基准特征数据，若它们的相似度(距离)在事先定好的阈值以上(以下)，就被鉴别出来了。因此，进行1对N鉴别时，若在虹膜鉴别终端15进行比较处理，虹膜DB12中的所有特征数据都要通过网络13送到终端15。

在虹膜鉴别服务器11，比较事先已储存在虹膜DB12中的基准虹膜符号和鉴别对象的虹膜符号，这样来进行人之鉴别。鉴别分1∶N鉴别和1∶1鉴别，二者之不同如上所述。本发明适应这两种情况，两者之不同之处只是：比较时，和多个特征数据相比较还是用一个ID的特征数据来比较而已。在以下的说明中，不体现二者之区别。

在处理SB10，对在登录时的处理SA07所存储的登录用基准虹膜符号和在鉴别时的处理SB09中所生成的识别虹膜符号进行比较。如图14所示，比较时，是利用加在双方的虹膜符号中的解析频率信息，对解析用频率相同的符号进行比较的。在本实施例中，若登录时在分别以F1～F4为中心频率的4个频带下进行频率解析，鉴别时在分别以F1～F3为中心频率的3个频带下进行频率解析，那么，被比较的就是在频率F1下解析好的次特征数据FS1和次特征数据FS1，在频率F2下解析好的次特征数据FS2和次特征数据FS2及在频率F3下解析好的次特征数据FS3和次特征数据FS3。

还有，比较时使用汉明距离。如图15所示，为补偿脸面的倾斜、眼球本身的旋转，边将每一个特征数据偏移一个相等的量，边计算出汉明距离。将该偏移量在所规定的范围内(允许虹膜图案旋转的范围)变化时的那一最小汉明距离定为最终的汉明距离。

在处理SB11，将用比较了特征数据的各个位的汉明距离除以比较次数(所有位的数量)，并再将它正规化后的值定为鉴别距离。于是，若该鉴别距离在事先定出的阈值以下，就识别为本人；若它比阈值大，就作为他人而拒绝掉。

需提一下，在本实施例中，因所生成的虹膜符号为二值而使用了汉明距离(XOR；“异或”运算)。当特征数据为多值时，可以用其它的距离尺度(欧几里得(Euclid)距离、正规化相关等)。

如上所述，在该实施例中，即使是在用解像度比登录时的解像度还低的摄、照像部件拍下虹膜图像的情况下，也会在不导致鉴别精度下降的情况下将人鉴别出来。

(第二个实施例)

当鉴别时摄、照像部件的解像度很低时，由多重解像度进行解析时的高解像度部分的次特征数据(令抽样频率为Fsp，在上限频率为Fmp＝Fsp/2以上时进行解析的特征)将不会被抽出来，这一部分数据也就不能用于人之核对了。这样，用于核对的特征数据的总位数(信息量)就减少。由于该信息量之下降，同一个人间的核对成绩(score)分布和他人间的核对成绩分布的分离度就下降，核对精度就有可能下降。

图16概念性地示出了通过比较任意人的组合特征数据而得到的同一个人和同一个人间的鉴别距离的分布D1和他人和他人间的鉴别距离的分布D2。在象图16那样决定好用于区别本人和他人的阈值TH的情况下，其他人的分布D2中鉴别距离比阈值TH还小的部分(斜线部分A1)，就是将他人误认为是本人(False Acceptance)的部分。因此，可从图16那样的分布大体上计算出错误地将他人接收进来的错误接收率(FalseAcceptance Rate)。

这样，在本实施例中，事先参考虹膜DB12，计算出次特征数据FSi的每一个组合的FAR。并同时将应该保证的FAR的基准定下来。然后，若如第一个实施例所示的那样，在鉴别时使用低解像度的摄像部件，除去已在高频下解析的次特征数据(高频下不进行解析)来求出特征数据FT的情况下，FAR的基准未得到满足，便可采取例如不进入鉴别处理这样的措施。

还有，错误拒绝率FRR(False Rejection Rate)也是鉴别精度的一个指标。在鉴别时摄、照像部件的解像度很低的情况下，由多重解像度进行解析时的高解像度部分的特征得不到利用，故用于核对的特征数据所拥有的信息量就减少。若由此而引起了本人的分布D1本身向四周扩展，就有可能导致FRR下降。图16中，本人的分布D1中鉴别距离比阈值TH还大的那一部分(斜线部分A2)相当于要将本人拒绝掉。

图17为显示本发明的第二个实施例所涉及的人之鉴别方法的处理过程的流程图。图17所示的处理在第一个实施例中向虹膜DB12的登录处理(图5)之后进行。

和第一个实施例一样，用具有多个通带的2维加博尔滤波器对虹膜图像进行解析，做出和每一个频率Fi相对应的次特征数据FSi。在本实施例中，是象图12所示的那样，在4个频带下对登录时的虹膜图像进行解析，而做出4个次特征数据Fsi的。登录到虹膜DB12的人数有多少该操作就重复进行多少次。这里，假设登录到虹膜DB12中的人数为N(人)，且每一个人至少拍了1张虹膜图像，特征数据是从各虹膜图像中抽出的。

在处理SA08，决定成为基准的FAR(＝T)和计算FAR的对象的特征数据(次特征数据之组合)。首先，选出所有的次特征数据FS1～FS4。亦即将所有的次特征数据FS1～FS4连接起来而生成特征数据FT。在处理SA09，对该特征数据FT，求出从人物P抽出的特征数据间的鉴别距离以及人物P和其它所有人(P以外)之间的鉴别距离。其分布情况如图18(a)所示。

这里，在有多个人物P的登录特征数据的情况下，如图18(a)所示，可做出比较了本人和本人的特征数据后而得到的鉴别距离的分布DA1。而且，人物P和他人间的鉴别距离也为分布DA2。然后，可由这些分布DA1、DA2求出阈值ThA。这里，设定的是使FAR和FRR相等的阈值ThA。

需提一下，阈值ThA是对每一个人物P和他的特征数据之组合而设定的，设定方法根据鉴别目的之不同而有很多种。例如，在一定要将他人排除的情况下，即使错误拒绝率FRR稍大一些也没关系，故可使阈值ThA小一些。而在若本人被拒绝，从使用者使用时的难易程度(user interface)的观点来看极难使用的情况下，可牺牲错误接收率FAR而让阈值ThA大一些。还有，因在人物P的登录特征数据只有一个的情况下，不能产生本人与本人的分布，故仅参考FAR决定阈值Th就行了。

需提一下，若登录到虹膜DB12的数据数量不太多，就有图18(a)所示的2个分布不发生重叠的时候。在这种情况下，通过用适当的函数将双方的分布近似一下，也能求出双方之分布相互重叠的部分。

在处理SA10，算出阈值为ThA时的错误接收率FAR。在图18(a)所示的情况下，错误接收率FAR为斜线部分AA1。然后判断该AA1是否比事先定好的基准值FAR＝T小。若这时AA1小于T，就判断为可在频率F1～F4下进行用以识别人物P的解析。

同样，对所有人计算出次特征数据之组合FS1～FS4下的FAR，然后判断该已计算出来的FAR是否比事先定好的阈值T小。需提一下，对每一个人物都要计算出FAR的理由为：某些人仅根据低频下解析的特征就能把本人和他人区分开来，而另一些人则不是这样。因此，对每一个人都进行计算可求出适合每一个人的次特征数据的组合。

这里，单靠在低频下解析出来的特征就可将本人和他人区分开来的人，指的是虹膜纹理的低频部分具有独特性的那些人。当然，也可以不同于本实施例，对本人及本人以外的所有的人计算出一个共用的鉴别精度。此时，可通过比较本人和本人间的鉴别距离的整个分布和他人和他人间的鉴别距离的整个分布来将FAR计算出来。此时，就不必将对每个人有效的次特征数据之组合存储到虹膜DB12中了，故可带来使存储容量减少的效果。

接着，对别的次特征的组合，重复进行处理SA08～SA10。例如，当选择FS1～FS3作第2个组合时，进行同样处理之结果，对所有人的鉴别精度都十分高。

其次，考虑一下选择FS1～FS2作第3个组合时的情况。图18(b)示出了这时的人物P和人物P的鉴别距离之分布DB1及人物P和其它所有人(P以外)间的鉴别距离之分布DB2。此时，FAR为斜线部分AB1之面积。这里，若AB1≥T，在频率F1～F2下进行解析以识别人物P时，就得不到充分高的鉴别精度。因此，可由虹膜DB12得知：在鉴别人物P的情况下，至少在频率F1～F3下进行解析才能得到充分高的鉴别精度。

因此，若用它的解像度使解析用最高频率比F3还低的虹膜图像对人物P进行鉴别，则虹膜鉴别服务器11就向人物P发出警告，或者发出人物P不能进行鉴别的通知。

需提一下，在本实施例中，以FAR作鉴别精度，但FAR随着阈值Th之设定之变化而变化。因此，可用例如FAR和FRR之和来作不依赖于阈值Th的鉴别精度。此时，鉴别精度不依赖于阈值Th，仅由图15所示的2个分布来决定。

需提一下，在本实施例中，是对每一个人使用他本人和他本人的分布的，但因实际上一个人的登录特征数据的个数受限(一幅～几幅)，故有时候求不出这里所示的分布。在这种情况下，例如可在登录虹膜图像时，先给虹膜拍数秒的活动图像，再从这些活动图像中抽出每一个帧图像而分别作登录图像用。例如，当用30帧/秒的有级(progressive)扫描摄像机拍3秒时，就能得到总共90幅的虹膜图像，再从中将眨眼等时拍下的不好的某些图像除去，剩下的这些图像全部可作登录用图像。若此时边改变照明的亮度边拍下活动图像，就能得到瞳孔之大小有变化的图像。故能得到在许多条件下拍下时的本人和本人的分布。

还有，若每进行一次鉴别，都将鉴别好是本人的特征数据加到数据库中，就能不断地更新本人的分布。

需提一下，处理SA08～SA10不是鉴别时进行的处理，是在登录时事先进行的处理。向虹膜DB12登录新数据时，或者某一个人的登录特征数据被更新时，再次进行本处理就可以了。还有，在不希望每登录一次就执行本处理而造成计算负荷增大等的情况下，也可每星期一次，或者每月一次等这样定期地进行本处理。

需提一下，解析频率之组合并不仅限于1～k这样连续的频率组合，也可以是F1、F3、F5那样的不连续的频率组合。不连续的频率组合在以下情况下很有效。即对某一个人的虹膜图像进行频率解析的时候，若在频率为F1、F3、F5下独特性(和别人不一样)很高，那么，若这时同时使用频率F2、F4，则反而会使本人和他人之分布的分离性变坏等情况。

需提一下，在本实施例中，根据已估计出来的鉴别精度最后判断要不要鉴别被鉴别者。不仅如此，例如还可以控制付给鉴别后的被鉴别者的权限。例如，在对人之鉴别是为进行电子商务的情况下，可根据已估计出来的鉴别精度设定商务金额的限度；在对人之鉴别是为管理出入房屋的情况下，可根据已估计出来的鉴别精度决定可进入的房屋；在对人之鉴别是为登录到PC等的情况下，可根据已估计出来的鉴别精度控制可实行的命令(仅阅读、可重写、可消掉)等。

还有，可根据已估计出来的鉴别精度判断是否还要再次进行鉴别。例如，在虹膜鉴别终端15的摄、照相机的焦距可调的情况下，可做出使焦距变大而再次进行摄影的指示。还有，在摄、照相机的焦点可调的情况下，可做出让虹膜进一步接近摄、照相机而再次进行摄影的指示。

还有，在第一个实施例中，是以鉴别时拍下的虹膜图像的解像度为基础选择鉴别时所用的频率的。不仅如此，既可代替它，用事先算好的频率的每一个组合的鉴别精度来选择鉴别时的频率，还可将二者结合起来使用。例如，从错误接收率FAR成为所规定值以下的那一频率的组合中，选出错误接收率FAR最小或者频率个数最少的用于鉴别。

还有，在本实施例中，是事先决定鉴别距离的阈值，然后用该阈值计算错误接收率FAR的。还可以与此相反，从应该保证的最小的错误接收率FAR计算出阈值来。于是，例如在没达到最低应该保证的错误接收率FAR的情况下，可再次将阈值设定得更严格一些，也可以进行鉴别。

需提一下，还可以利用可从登录时的特征数据估计出鉴别精度这样的方法，来拍下左右双方的虹膜图像并将它们的鉴别精度分别计算出来，将鉴别精度高(和他人的特征数据的分离度高)的虹膜图像登录起来。还有，在双方的虹膜图像的鉴别精度都比所规定的值低的情况下，则可将双方的虹膜图像都登录起来用于鉴别。

需提一下，如上所述，例如在利用指纹进行鉴别的情况下，可登录多个手指，最后登录起鉴别精度高的手指，而在一个手指不能满足事先定好的鉴别精度的情况下，则将多个手指都登录起来，鉴别时同时使用多个手指。

(第三个实施例)

在第一个实施例中，登录时，用解像度较高的即可用充分高的解像度拍下虹膜的摄像部件拍下了虹膜图像。之后，进行多重解像度解析，对每一个解析用频带抽出次特征数据。鉴别时，由所拍下的虹膜图像决定应该用于解析的至少一个频带，并通过比较登录时和鉴别时所对应的频带间的次特征数据来进行人之鉴别。

在本发明的第三个实施例中，登录时，要得到多个解像度的虹膜图像。

取得方法之一为：实际拍下多个解像度的虹膜图像。摄像方法，如：用照像部件的解像度各不相同的多个照相机来拍，不断地改变照相机的焦距拍许多次。

其他取得方法，为：先以充分高的解像度拍下虹膜图像，再如图19所示那样，将多个(图19中为3个)低通滤波器LPF1～LPF3用到所拍下的虹膜图像中，而产生多个解像度各不相同的虹膜图像。虽然此时虹膜图像的大小本身不发生变化，但图像中所含的频率成分却是不同(高频成分被切掉)的。

然后，分别给这些多个解像度的虹膜图像定出用于解析它们的频带。

在实际拍下多个解像度的虹膜图像的情况下，和第一实施例中鉴别时的操作一样，是以虹膜和瞳孔边界的圆周上的像素数为根据来决定频带的。

例如，是在用3个解像度R1、R2及R3拍下虹膜图像，并根据抽样定理，分别求出解析用上限频率Fsp1、Fsp2、Fsp3的。如图20所示，在准备了通过频带的中心频率为Fn(下限频率FnL，上限频率FnU)的加博尔滤波器n(n＝1～4)的情况下，例如选择通过频带的上限FnU不超过虹膜图像的抽样频率Fs的1/2的加博尔滤波器n。结果，仅用加博尔滤波器1解析解像度为R1的图像，用加博尔滤波器1～3解析解像度为R2的图像，用加博尔滤波器1～4解析解像度为R3的图像。

需提一下，和第一实施例一样，每一个加博尔滤波器的通过频带都在高斯函数的半值处有重叠。

另一方面，在通过应用多个低通滤波器而得到多个虹膜图像的情况下，由所应用的低通滤波器的特性决定该用于解析的频带。

图21示出了所拍下的虹膜图像及对将多个低通滤波器用到该虹膜图像中而产生的图像作了傅利叶变换后而得到的用频域表示的情况。需提一下，因图像为2维，傅利叶变换后也为2维。但为简单起见，和第一个实例一样，表示为一维(将极坐标应用到其中后虹膜在圆周方向上的维)。

从图21可知：低通滤波器LPFi(i＝1～3)让频率Fci以下的频率通过。这里，设原始图像的抽样频率为Fsp，则有

Fsp/2＞Fc1＞Fc2＞Fc3在这种情况下，可从所用的低通滤波器的特性求出唯一的一个该用于解析的频带。也就是说，如图22所示，若选择通过频带的上限频率FnU不超过应用到该图像的低通滤波器的遮断频率Fci那样的加博尔滤波器，则就要用加博尔滤波器1～3对应用了低通滤波器LPF1的图像进行解析；用加博尔滤波器1和2对应用了低通滤波器LPF2的图像进行解析；就要仅用加博尔滤波器1对应用了低通滤波器LPF3的图像进行解析。和第一个实施例一样，用加博尔滤波器1～4对原始图像进行解析。

需提一下，特征数据的抽出和第一个实施例一样，就不再说明了。还有，如图23所示，将根据每一个解析用频带之组合而抽出的特征数据分别储存到与之相对应的虹膜DB12a～12d中。

鉴别时，和第一或者第二个实施例一样，由所拍下的虹膜图像决定应该用于解析的频带。然后，从图23所示的多个虹膜DB12a～12d中选择该用于解析的频带相等的虹膜DB，并用储存在其中的特征数据进行鉴别。鉴别方法的详细情况和第一个实施例一样，不再说明了。

根据该实施例，能得到和第一个实施例一样的效果。

需提一下，在本实施例中，该用于解析的频带是以图像中所包含的信息的上限频率为根据选择的。也可和第二个实施例一样，事先将鉴别精度估计出来，再根据已估计出来的鉴别精度选择解析频率的组合。此时，解析频带并不限于相邻的频带(例如图22中的F1，F2，F3)，也可以跳着取值(例如图22中的F1，F3)，这已在第二个实施例中做了说明。

综上所述，根据本发明，即使是用解像度各种各样的的摄、照像部件拍下的虹膜图像，也能进行鉴别精度之下降得以抑制的鉴别。即使在特征数据所拥有的信息量减少的情况下，也能针对所估计出来的鉴别精度采取相应的措施。

Claims (15)

1、一种人之鉴别方法，是利用生物信息进行人之鉴别的，其中：

登录时，对已获得的生物信息进行用了多个频率的频率解析，而对每一个频率产生一个特征数据并将它登录好；

鉴别时，先从上述多个频率中选出为鉴别而进行的频率解析所用的频率，再对已获得的被鉴别者的生物信息进行用了已选出的频率的频率解析，而对每一个已选出的频率产生一个特征数据，然后通过一一地比较所产生的每一个特征数据和同一个频率下登录时的特征数据，就将人鉴别出来了。

2、根据权利要求第1项所述的人之鉴别方法，其中：

上述生物信息为眼睛中的虹膜的图像。

3、根据权利要求第2项所述的人之鉴别方法，其中：

鉴别时的频率，是根据鉴别时所拍下的虹膜图像的解像度来选择的。

4、根据权利要求第3项所述的人之鉴别方法，其中：

虹膜图像的解像度，是从该虹膜图像本身求得的。

5、根据权利要求第4项所述的人之鉴别方法，其中：

虹膜图像的解像度，是根据对应于该虹膜图像中的虹膜和瞳孔的边界的圆周长度求得的。

6、根据权利要求第3项所述的人之鉴别方法，其中：

虹膜图像的解像度，是根据和拍下该虹膜图像的机器有关的信息求得的。

7、根据权利要求第1项所述的人之鉴别方法，其中：

鉴别时的频率，是根据上述每一个多个频率之组合的鉴别精度来选择的。

8、根据权利要求第7项所述的人之鉴别方法，其中：

鉴别精度，是用同一个人间的鉴别距离的分布和他人间的鉴别距离的分布算出的。

9、根据权利要求第1项所述的人之鉴别方法，其中：

鉴别时的鉴别精度，是根据已选出的频率估计出来的。

10、根据权利要求第9项所述的人之鉴别方法，其中：

鉴别精度，是根据同一个人间的鉴别距离的分布和他人间的鉴别距离的分布估计出来的。

11、根据权利要求第9项所述的人之鉴别方法，其中：

根据已估计出来的鉴别精度，最后判断出要不要鉴别被鉴别者。

12、根据权利要求第9项所述的人之鉴别方法，其中：

根据已估计出来的鉴别精度，控制加给鉴别后的被鉴别者的权限。

13、根据权利要求第9项所述的人之鉴别方法，其中：

根据已估计出来的鉴别精度，判断是否还要再次进行鉴别。

14、一种人之鉴别装置，是利用生物信息进行人之鉴别的，其中：

登录时，对已获得的生物信息进行用了多个频率的频率解析，而对每一个频率产生一个特征数据并将它登录好；鉴别时，先从上述多个频率中选出为鉴别而进行的频率解析所用的频率，再对已获得的被鉴别者的生物信息进行用了已选出的频率的频率解析，而对每一个已选出的频率产生一个特征数据，通过一一地比较所产生的每一个特征数据和同一个频率下登录时的特征数据，就将人鉴别出来了。

15、根据权利要求第14项所述的人之鉴别装置，其中：

上述生物信息为眼睛中的虹膜的图像。

Images