JP2000163574A - データ識別方法および識別装置 - Google Patents
データ識別方法および識別装置Info
- Publication number
- JP2000163574A JP2000163574A JP10339146A JP33914698A JP2000163574A JP 2000163574 A JP2000163574 A JP 2000163574A JP 10339146 A JP10339146 A JP 10339146A JP 33914698 A JP33914698 A JP 33914698A JP 2000163574 A JP2000163574 A JP 2000163574A
- Authority
- JP
- Japan
- Prior art keywords
- data
- similarity
- registered
- registration
- center point
- 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
Landscapes
- Collating Specific Patterns (AREA)
Abstract
(57)【要約】
【課題】 照合のための基準データを比較的容易かつ適
正に選択することにより、照合性能を高め得るデータ識
別方法を提供する。 【解決手段】 １つの対象に関する複数のデータを得
て、該各データについての各データ相互間の類似度を算
出し、算出された類似度に基づいて、前記複数のデータ
のうち、１つのデータが該データを除く他のデータとの
間の各類似度に関して最も高い類似度を示す中心点にあ
るデータを前記基準データとして登録する。
正に選択することにより、照合性能を高め得るデータ識
別方法を提供する。 【解決手段】 １つの対象に関する複数のデータを得
て、該各データについての各データ相互間の類似度を算
出し、算出された類似度に基づいて、前記複数のデータ
のうち、１つのデータが該データを除く他のデータとの
間の各類似度に関して最も高い類似度を示す中心点にあ
るデータを前記基準データとして登録する。
Description
【０００１】
【発明の属する技術分野】本発明は、データの識別方法
およびその装置に関し、特に虹彩のようなバイオメトリ
クス情報を用いて個人認証を行う技術に用いるのに好適
なデータ識別方法およびデータ識別装置に関する。
およびその装置に関し、特に虹彩のようなバイオメトリ
クス情報を用いて個人認証を行う技術に用いるのに好適
なデータ識別方法およびデータ識別装置に関する。
【０００２】
【従来の技術】虹彩を用いた個人認証技術は、カードの
ような記録媒体に登録された暗証番号等のデジタルデー
タの取り扱いとは異なり、撮影によって得られた目の画
像データを取り扱う。画像データは、撮影条件、例え
ば、目の開き具合、まつげの状態、撮影距離、温度、あ
るいは光等の条件により、撮影の都度、わずかずつ異な
る。特に、コンタクトレンズを装着した状態では、反射
光の影響を受け易いことから、画像データにばらつきが
生じ易い。そのため、虹彩を用いた認証技術では、照合
のための基準データとして、どのような画像データを登
録するかが大きな問題となる。
ような記録媒体に登録された暗証番号等のデジタルデー
タの取り扱いとは異なり、撮影によって得られた目の画
像データを取り扱う。画像データは、撮影条件、例え
ば、目の開き具合、まつげの状態、撮影距離、温度、あ
るいは光等の条件により、撮影の都度、わずかずつ異な
る。特に、コンタクトレンズを装着した状態では、反射
光の影響を受け易いことから、画像データにばらつきが
生じ易い。そのため、虹彩を用いた認証技術では、照合
のための基準データとして、どのような画像データを登
録するかが大きな問題となる。
【０００３】すなわち、同一人物から撮影された少しず
つ異なる複数の登録候補データの中から、適正なデータ
を選択して登録することが、以後の個人照合における照
合率などの性能向上に有効な手段となり得る。
つ異なる複数の登録候補データの中から、適正なデータ
を選択して登録することが、以後の個人照合における照
合率などの性能向上に有効な手段となり得る。
【０００４】
【発明が解決しようとする課題】従来では、基準データ
として登録すべきデータの選択は、登録候補データの中
から熟練者の勘に頼って、人手によりなされており、不
慣れな作業者にとって適正なデータを選択することは容
易ではなかった。そこで、本発明は、照合のための基準
となる基準データを比較的容易かつ適正に選択すること
により、照合性能を高め得るデータ識別方法および装置
を提供することを目的とする。
として登録すべきデータの選択は、登録候補データの中
から熟練者の勘に頼って、人手によりなされており、不
慣れな作業者にとって適正なデータを選択することは容
易ではなかった。そこで、本発明は、照合のための基準
となる基準データを比較的容易かつ適正に選択すること
により、照合性能を高め得るデータ識別方法および装置
を提供することを目的とする。
【０００５】
【課題を解決するための手段】本発明は、以上の点を解
決するために、次の構成を採用する。 〈構成〉本発明に係るデータ識別方法は、予め登録した
基準データに基づいて取得データを判定するデータ識別
方法において、基本的には、１つの対象に関する複数の
データを得て、該各データについての各データ相互間の
類似度を算出し、算出された類似度に基づいて、前記複
数のデータのうち、１つのデータを除く他のデータとの
間の各類似度に関して最も高い類似度を示す中心点にあ
るデータを少なくとも前記基準データとして登録するこ
とを特徴とする。
決するために、次の構成を採用する。 〈構成〉本発明に係るデータ識別方法は、予め登録した
基準データに基づいて取得データを判定するデータ識別
方法において、基本的には、１つの対象に関する複数の
データを得て、該各データについての各データ相互間の
類似度を算出し、算出された類似度に基づいて、前記複
数のデータのうち、１つのデータを除く他のデータとの
間の各類似度に関して最も高い類似度を示す中心点にあ
るデータを少なくとも前記基準データとして登録するこ
とを特徴とする。
【０００６】また、本発明に係るデータ識別装置は、基
準データとして選択される複数の登録候補データおよび
これに照合すべき取得データを得るためのデータ読込み
部と、該データ読込み部で取得されたデータを符号化す
るコード処理部と、符号化された前記登録候補データ、
前記取得データおよび登録データを格納する記憶部と、
該記憶部に格納された前記複数の登録候補データ相互間
の類似度を算出し、算出された類似度に基づいて、前記
複数の登録候補データのうち、該データを除く他のデー
タとの間の各類似度に関して最も高い類似度を示す中心
点にある登録候補データを前記基準データとして選択
し、選択された前記登録候補データを前記記憶部に前記
基準データとして格納し、該基準データに基づいて前記
取得データを照合する演算処理部とを含むことを特徴と
する。
準データとして選択される複数の登録候補データおよび
これに照合すべき取得データを得るためのデータ読込み
部と、該データ読込み部で取得されたデータを符号化す
るコード処理部と、符号化された前記登録候補データ、
前記取得データおよび登録データを格納する記憶部と、
該記憶部に格納された前記複数の登録候補データ相互間
の類似度を算出し、算出された類似度に基づいて、前記
複数の登録候補データのうち、該データを除く他のデー
タとの間の各類似度に関して最も高い類似度を示す中心
点にある登録候補データを前記基準データとして選択
し、選択された前記登録候補データを前記記憶部に前記
基準データとして格納し、該基準データに基づいて前記
取得データを照合する演算処理部とを含むことを特徴と
する。
【０００７】〈作用〉本発明によれば、複数のデータの
うち、データ相互間での類似度に基づいて、その類似度
の最も高いデータすなわち類似度の中心点にあるデータ
が、基準データとして選択され、登録される。類似度が
最も高いデータが基準データとして選択されることか
ら、この基準データに照合される取得データが基準デー
タに類似する度合いは、他のデータが基準データとして
選択された場合に比較して高くなる。その結果、基準デ
ータの選択に格別な熟練度を必要とすることなく、適正
なデータを基準データとして選択することができ、これ
により、照合率の向上を図ることが可能となる。
うち、データ相互間での類似度に基づいて、その類似度
の最も高いデータすなわち類似度の中心点にあるデータ
が、基準データとして選択され、登録される。類似度が
最も高いデータが基準データとして選択されることか
ら、この基準データに照合される取得データが基準デー
タに類似する度合いは、他のデータが基準データとして
選択された場合に比較して高くなる。その結果、基準デ
ータの選択に格別な熟練度を必要とすることなく、適正
なデータを基準データとして選択することができ、これ
により、照合率の向上を図ることが可能となる。
【０００８】前記した類似度として、ハミング距離を採
用することができる。また、ハミング距離が採用された
とき、類似度の前記中心点にあるデータを求めるため
に、それぞれのデータについてその他のデータとのハミ
ング距離を求め各データについて、他のデータとの間の
ハミング距離の幾何平均値が求められ、この幾何平均値
の最も低いデータが中心点にあるデータとして選択され
る。
用することができる。また、ハミング距離が採用された
とき、類似度の前記中心点にあるデータを求めるため
に、それぞれのデータについてその他のデータとのハミ
ング距離を求め各データについて、他のデータとの間の
ハミング距離の幾何平均値が求められ、この幾何平均値
の最も低いデータが中心点にあるデータとして選択され
る。
【０００９】
【発明の実施の形態】以下、アイリスと称されている人
の虹彩を個人照合に利用する認証技術に本発明を適用し
た例について説明する。 〈具体例〉図１は、本発明に係るデータ識別方法を実施
するデータ識別装置を概略的に示すブロック図である。
本発明に係るデータ識別装置１０は、基準データとして
選択される複数の登録候補データおよびこれに照合すべ
き取得データを得るためのデータ読込み部１１と、該デ
ータ読込み部で取得されたデータを符号化するコード処
理部１２と、符号化された前記登録候補データ、前記取
得データおよび登録データを格納する例えばメモリのよ
うな記憶部１３と、該記憶部に格納された各前記データ
を処理するための演算処理部１４とを含む。
の虹彩を個人照合に利用する認証技術に本発明を適用し
た例について説明する。 〈具体例〉図１は、本発明に係るデータ識別方法を実施
するデータ識別装置を概略的に示すブロック図である。
本発明に係るデータ識別装置１０は、基準データとして
選択される複数の登録候補データおよびこれに照合すべ
き取得データを得るためのデータ読込み部１１と、該デ
ータ読込み部で取得されたデータを符号化するコード処
理部１２と、符号化された前記登録候補データ、前記取
得データおよび登録データを格納する例えばメモリのよ
うな記憶部１３と、該記憶部に格納された各前記データ
を処理するための演算処理部１４とを含む。
【００１０】データ読込み部１１は、図示の例では、虹
彩を撮影するためのカメラである。また、演算処理部１
４は、複数の登録候補データ相互間の類似度を算出し、
算出された類似度に基づいて、前記複数の登録候補デー
タのうち、該データを除く他のデータとの間の各類似度
に関して最も高い類似度を示す中心点にある登録候補デ
ータを前記基準データとして選択し、選択された前記登
録候補データを前記記憶部１３に前記基準データとして
格納し、該基準データに基づいて前記取得データを照合
する。
彩を撮影するためのカメラである。また、演算処理部１
４は、複数の登録候補データ相互間の類似度を算出し、
算出された類似度に基づいて、前記複数の登録候補デー
タのうち、該データを除く他のデータとの間の各類似度
に関して最も高い類似度を示す中心点にある登録候補デ
ータを前記基準データとして選択し、選択された前記登
録候補データを前記記憶部１３に前記基準データとして
格納し、該基準データに基づいて前記取得データを照合
する。
【００１１】本発明に係るデータ識別装置１０の動作
を、データ選択手順を示す図２のフローチャートに沿っ
て、以下、詳細に説明する。
を、データ選択手順を示す図２のフローチャートに沿っ
て、以下、詳細に説明する。
【００１２】アイリスを利用した個人認証システムは、
例えば自動現金支払機のような自動取引装置を顧客が取
り扱うとき、予め登録された暗証番号に代えて、本人を
確認するために用いることができる。このアイリスを用
いた認証システムでは、顧客が自動取引装置を利用する
とき、顧客の虹彩が撮影される。この撮影によって得ら
れた虹彩についての取得データが、予め登録されたその
顧客の虹彩についての基準データに比較され、両データ
の照合により、本人であるか否かの判定がなされる。
例えば自動現金支払機のような自動取引装置を顧客が取
り扱うとき、予め登録された暗証番号に代えて、本人を
確認するために用いることができる。このアイリスを用
いた認証システムでは、顧客が自動取引装置を利用する
とき、顧客の虹彩が撮影される。この撮影によって得ら
れた虹彩についての取得データが、予め登録されたその
顧客の虹彩についての基準データに比較され、両データ
の照合により、本人であるか否かの判定がなされる。
【００１３】このような基準データの作成のために、ま
ず、登録すべき顧客の目の虹彩についての画像データが
データ読込み部１１により、読み込まれる（ステップＳ
１）。データ読込み部１１により撮影された虹彩の画像
データが、コード処理部１２により２値化処理を受け、
これにより符号化された１つの認証用登録候補データが
作成される（ステップＳ２）。この認証用データは、メ
モリのような記憶部１３に格納され、これにより、保存
される（ステップＳ３）。
ず、登録すべき顧客の目の虹彩についての画像データが
データ読込み部１１により、読み込まれる（ステップＳ
１）。データ読込み部１１により撮影された虹彩の画像
データが、コード処理部１２により２値化処理を受け、
これにより符号化された１つの認証用登録候補データが
作成される（ステップＳ２）。この認証用データは、メ
モリのような記憶部１３に格納され、これにより、保存
される（ステップＳ３）。
【００１４】前記したような画像データの読み込み時、
たとえ撮影条件にわずかな違いが生じてもそれに応じ
て、画像データに種々のばらつきが生じる。このような
ばらつきは、特にコンタクトレンズを装着した条件で、
生じ易い。そのため、一般的には、ばらつきのある複数
の認証用候補データを得るために、その顧客の虹彩の撮
影が所定の回数に達する迄、この撮影が繰り返され（ス
テップＳ４）、これにより、符号化された所定数の認証
用候補データが取得される。
たとえ撮影条件にわずかな違いが生じてもそれに応じ
て、画像データに種々のばらつきが生じる。このような
ばらつきは、特にコンタクトレンズを装着した条件で、
生じ易い。そのため、一般的には、ばらつきのある複数
の認証用候補データを得るために、その顧客の虹彩の撮
影が所定の回数に達する迄、この撮影が繰り返され（ス
テップＳ４）、これにより、符号化された所定数の認証
用候補データが取得される。
【００１５】データの取得に続いて、演算処理部１４
は、各認証用登録候補データ相互間の類似度の算出のた
めに、各候補データ相互間の例えばハミング距離を算出
する（ステップＳ５）。符号化された各候補データ間の
ハミング距離ＨＤは、次式 ＨＤ＝Ｂ／Ａ で求められる。ここで、Ａは、同一長の２値符号化され
た各認証用登録候補データのコード列のコード数であ
り、Ｂは、両データの互いに対応する位置にあるコード
の互いに異なるコード数である。
は、各認証用登録候補データ相互間の類似度の算出のた
めに、各候補データ相互間の例えばハミング距離を算出
する（ステップＳ５）。符号化された各候補データ間の
ハミング距離ＨＤは、次式 ＨＤ＝Ｂ／Ａ で求められる。ここで、Ａは、同一長の２値符号化され
た各認証用登録候補データのコード列のコード数であ
り、Ｂは、両データの互いに対応する位置にあるコード
の互いに異なるコード数である。
【００１６】従って、ハミング距離ＨＤは、１以下の値
を示し、類似度が高いほど、零に近い値となる。アイリ
スの場合、一般的には、ハミング距離ＨＤが０．３以下
であれば、両データは、同一人のデータであると見なす
ことができる。
を示し、類似度が高いほど、零に近い値となる。アイリ
スの場合、一般的には、ハミング距離ＨＤが０．３以下
であれば、両データは、同一人のデータであると見なす
ことができる。
【００１７】各候補データについて、各２つの候補デー
タの組み合わせでのハミング距離が算出されると、続い
て、演算処理部１４は、各候補データのハミング距離に
基づいて、各候補データをグループ毎に分類する（ステ
ップＳ６）。この分類については、後で詳細に説明する
が、前記したハミング距離ＨＤが０．３の値を分類の境
界とすることができ、これらハミング距離ＨＤが同一人
のデータであると見なせる許容範囲である０．３以下と
なるように、それぞれのグループを分類することができ
る。同一人物からのデータであっても、そのデータのハ
ミング距離ＨＤがこの許容範囲を超えるのは、撮影毎
に、例えばコンタクトレンズからの反射光等の条件差が
生じるためである。
タの組み合わせでのハミング距離が算出されると、続い
て、演算処理部１４は、各候補データのハミング距離に
基づいて、各候補データをグループ毎に分類する（ステ
ップＳ６）。この分類については、後で詳細に説明する
が、前記したハミング距離ＨＤが０．３の値を分類の境
界とすることができ、これらハミング距離ＨＤが同一人
のデータであると見なせる許容範囲である０．３以下と
なるように、それぞれのグループを分類することができ
る。同一人物からのデータであっても、そのデータのハ
ミング距離ＨＤがこの許容範囲を超えるのは、撮影毎
に、例えばコンタクトレンズからの反射光等の条件差が
生じるためである。
【００１８】各グループで、それぞれが他の候補データ
との類似度が最も高い中心点にある候補データを求める
ために、演算処理部１４は、各グループでの中心点を算
出する（ステップＳ７）。ハミング距離ＨＤでは、各グ
ループ毎に、それぞれの候補データについて、同一グル
ープ内の他の全ての候補データとの間のハミング距離の
幾何平均値が求められる。この幾何平均値に基づき、各
グループ内で、その幾何平均値が最も低い、すなわち、
他の候補データとの関係で、これらと最も類似度が高い
候補データが中心点にある候補データとして決定され、
演算処理部１４は、中心点にある候補データに各グルー
プでの第１順位を付与する。
との類似度が最も高い中心点にある候補データを求める
ために、演算処理部１４は、各グループでの中心点を算
出する（ステップＳ７）。ハミング距離ＨＤでは、各グ
ループ毎に、それぞれの候補データについて、同一グル
ープ内の他の全ての候補データとの間のハミング距離の
幾何平均値が求められる。この幾何平均値に基づき、各
グループ内で、その幾何平均値が最も低い、すなわち、
他の候補データとの関係で、これらと最も類似度が高い
候補データが中心点にある候補データとして決定され、
演算処理部１４は、中心点にある候補データに各グルー
プでの第１順位を付与する。
【００１９】さらに、必要に応じて、演算処理部１４に
より、各グループ内の中心点以外の各候補データに、第
１順位に引き続く各順位を付与することができる。この
グループ内順位の付与については、各グループ内で、第
１順位を与えられた候補データから最も類似度が低い、
すなわちハミング距離ＨＤについての前記幾何平均値が
最も大きな候補データに第２順位を付与し、必要に応じ
て、以下順次、前記幾何平均値の減少順に順位を付与す
ることができる。
より、各グループ内の中心点以外の各候補データに、第
１順位に引き続く各順位を付与することができる。この
グループ内順位の付与については、各グループ内で、第
１順位を与えられた候補データから最も類似度が低い、
すなわちハミング距離ＨＤについての前記幾何平均値が
最も大きな候補データに第２順位を付与し、必要に応じ
て、以下順次、前記幾何平均値の減少順に順位を付与す
ることができる。
【００２０】また、演算処理部１４は、各グループ間の
順位付けを行う（ステップＳ９）。このグループ間の順
位付けは、各グループに属する候補データの数に対応さ
せることができる。すなわち、最も候補データ数の多い
グループに第１順位が与えられ、以下順に、グループ内
の候補データ数の減少に応じて、繰り下がり順位が他の
各グループに付与される。
順位付けを行う（ステップＳ９）。このグループ間の順
位付けは、各グループに属する候補データの数に対応さ
せることができる。すなわち、最も候補データ数の多い
グループに第１順位が与えられ、以下順に、グループ内
の候補データ数の減少に応じて、繰り下がり順位が他の
各グループに付与される。
【００２１】また、演算処理部１４は、これらのグルー
プ順位および各グループ内順位を用いて、各顧客のため
に許容される登録データ数に応じて、適正数の候補デー
タを基準データとして、記憶部１３に登録する。
プ順位および各グループ内順位を用いて、各顧客のため
に許容される登録データ数に応じて、適正数の候補デー
タを基準データとして、記憶部１３に登録する。
【００２２】図３は、本発明に係るデータのハミング距
離ＨＤの一例を示すデータ説明図である。図３には、ス
テップＳ５で説明したハミング距離ＨＤの算出例が、７
つの候補データの例として示されている。第１番目〜第
７番目の各認証用登録候補データについて、自己を除く
それぞれ他の第１番目〜第７番目の各登録候補データと
の間のハミング距離ＨＤが算出され、その結果が表形式
で示されている。
離ＨＤの一例を示すデータ説明図である。図３には、ス
テップＳ５で説明したハミング距離ＨＤの算出例が、７
つの候補データの例として示されている。第１番目〜第
７番目の各認証用登録候補データについて、自己を除く
それぞれ他の第１番目〜第７番目の各登録候補データと
の間のハミング距離ＨＤが算出され、その結果が表形式
で示されている。
【００２３】図３の例では、ステップＳ６で説明したグ
ループ化の基準には、０．３の値のハミング距離ＨＤが
採用されている。第１番目〜第７番目の各認証用登録候
補データ群は、ハミング距離ＨＤがこの０．３の値以下
内にあるグループとして、第１番目〜第４番目の第１グ
ループと、第５番目〜第７番目の第２グループとに分類
されている。
ループ化の基準には、０．３の値のハミング距離ＨＤが
採用されている。第１番目〜第７番目の各認証用登録候
補データ群は、ハミング距離ＨＤがこの０．３の値以下
内にあるグループとして、第１番目〜第４番目の第１グ
ループと、第５番目〜第７番目の第２グループとに分類
されている。
【００２４】第１グループにおける各候補データについ
て、ステップＳ７で説明したハミング距離ＨＤの各幾何
平均値が、図３に示された各値から求められる。第１番
目の候補データに関しての前記した幾何平均値は、０．
１５０の値となる。以下第２番目〜第４番目の各候補デ
ータに関しての前記した各幾何平均値は、それぞれ０．
１６０、０．１９７、０．２２０の値となる。従って、
図２の例では、第１グループの中心点にある登録候補デ
ータは、第１番目の登録候補データであり、ステップＳ
７の手順に沿って、これに第１順位が与えられる。
て、ステップＳ７で説明したハミング距離ＨＤの各幾何
平均値が、図３に示された各値から求められる。第１番
目の候補データに関しての前記した幾何平均値は、０．
１５０の値となる。以下第２番目〜第４番目の各候補デ
ータに関しての前記した各幾何平均値は、それぞれ０．
１６０、０．１９７、０．２２０の値となる。従って、
図２の例では、第１グループの中心点にある登録候補デ
ータは、第１番目の登録候補データであり、ステップＳ
７の手順に沿って、これに第１順位が与えられる。
【００２５】また、この第１グループについては、第４
番目の登録候補データに第２順位が付与され、以下、必
要に応じて、第３番目および第２番目の登録候補データ
に、第３および第４順位がそれぞれ付与される。
番目の登録候補データに第２順位が付与され、以下、必
要に応じて、第３番目および第２番目の登録候補データ
に、第３および第４順位がそれぞれ付与される。
【００２６】また、同様に、第２グループについては、
第５番目、第６番目および第７番目の各登録候補データ
に関する前記幾何平均値は、それぞれ０．１３５、０．
１６５および０．１６０の値となる。従って、第２グル
ープについては、第５番目の登録候補データに第１順位
が付与され、以下必要に応じて、第６番目および第７番
目の登録候補データに第２順位および第３順位が順次付
与される。
第５番目、第６番目および第７番目の各登録候補データ
に関する前記幾何平均値は、それぞれ０．１３５、０．
１６５および０．１６０の値となる。従って、第２グル
ープについては、第５番目の登録候補データに第１順位
が付与され、以下必要に応じて、第６番目および第７番
目の登録候補データに第２順位および第３順位が順次付
与される。
【００２７】図４は、前記したと同様な各候補データに
ついてのハミング距離分布図を示す。符号Ｘで示す円
は、相互のハミング距離ＨＤが０．３以内の第１の領域
を示し、この円Ｘ内に各点で示された各登録候補データ
は、第１のグループを構成する。また、符号Ｙで示す円
は、同様に、相互のハミング距離ＨＤが０．３以内の第
２の領域を示し、この円Ｙ内に各点で示された各登録候
補データは、第１のグループのそれらとは、０．３の値
を越えるハミング距離ＨＤで隔てられている。
ついてのハミング距離分布図を示す。符号Ｘで示す円
は、相互のハミング距離ＨＤが０．３以内の第１の領域
を示し、この円Ｘ内に各点で示された各登録候補データ
は、第１のグループを構成する。また、符号Ｙで示す円
は、同様に、相互のハミング距離ＨＤが０．３以内の第
２の領域を示し、この円Ｙ内に各点で示された各登録候
補データは、第１のグループのそれらとは、０．３の値
を越えるハミング距離ＨＤで隔てられている。
【００２８】第１の領域Ｘでは、符号Ａで示す登録候補
データが中心点にある。また、第２の領域Ｙでは、符号
Ｂで示す登録候補データが中心点にある。従って、図４
の例では、第１グループの第１順位が符号Ａで示す登録
候補データに与えられ、第２グループの第１順位が符号
Ｂで示す登録候補データに与えられる。
データが中心点にある。また、第２の領域Ｙでは、符号
Ｂで示す登録候補データが中心点にある。従って、図４
の例では、第１グループの第１順位が符号Ａで示す登録
候補データに与えられ、第２グループの第１順位が符号
Ｂで示す登録候補データに与えられる。
【００２９】また、第１領域Ｘには、４つの登録候補デ
ータが属し、第２領域Ｙには、３つの登録候補データが
属する。従って、登録候補データ数の多い第１領域すな
わち第１のグループＸにグループ順位１が与えられ、第
２のグループＹにグループ順位２が与えられる。
ータが属し、第２領域Ｙには、３つの登録候補データが
属する。従って、登録候補データ数の多い第１領域すな
わち第１のグループＸにグループ順位１が与えられ、第
２のグループＹにグループ順位２が与えられる。
【００３０】従って、図３に示した例では、第１番目〜
第４番目のグループに第１のグループ順位が与えられ、
第５番目〜第７番目のグループに第２のグループ順位が
与えられる。
第４番目のグループに第１のグループ順位が与えられ、
第５番目〜第７番目のグループに第２のグループ順位が
与えられる。
【００３１】前記したようなグループ順位およびグルー
プ内順位に基づいて、登録データを選択するについて、
例えば以下のような２つの方式が考えられる。方式１第
１順位のグループ内の第１順位の登録候補データを登録
順位の第１位に選択する。
プ内順位に基づいて、登録データを選択するについて、
例えば以下のような２つの方式が考えられる。方式１第
１順位のグループ内の第１順位の登録候補データを登録
順位の第１位に選択する。
【００３２】続いて、第２順位のグループ内の第１順位
の登録候補データを登録順位の第２位に選択する。さら
に、登録データ数に余裕があれば、前記したとおり、第
１順位のグループを第２順位のグループに優先させて順
次、選択して登録順位を順次を振り分ける。
の登録候補データを登録順位の第２位に選択する。さら
に、登録データ数に余裕があれば、前記したとおり、第
１順位のグループを第２順位のグループに優先させて順
次、選択して登録順位を順次を振り分ける。
【００３３】このように登録順位を振り分けられた各登
録候補データは、その登録順位を付与され、前記したと
おり、登録し得るデータ容量に応じた数のデータが登録
順位の降格順に、登録データとして登録される。
録候補データは、その登録順位を付与され、前記したと
おり、登録し得るデータ容量に応じた数のデータが登録
順位の降格順に、登録データとして登録される。
【００３４】このような登録データは、照合時の基準デ
ータとして、第１登録順位の登録データ、すなわち前記
第１グループの第１順位の登録候補データが取得データ
との比較に用いられ、両者が一致しないとき、続いて、
第２登録順位の登録データ、すなわち第２グループの第
１順位の登録候補データが基準データとして用いられ、
以下、登録順位に従って、各登録データが用いられる。
ータとして、第１登録順位の登録データ、すなわち前記
第１グループの第１順位の登録候補データが取得データ
との比較に用いられ、両者が一致しないとき、続いて、
第２登録順位の登録データ、すなわち第２グループの第
１順位の登録候補データが基準データとして用いられ、
以下、登録順位に従って、各登録データが用いられる。
【００３５】方式２ 方式１におけるような選択グループを交互とすることに
代えて、第１グループ順位のグループ内の第１位から最
下位の登録候補データに、順次、登録順位を付与し、引
き続く登録順位を第２グループ順位のグループ内の第１
位から最下位の登録候補データに付与する。登録順位を
振り分けられた各登録候補データは、方式１におけると
同様に、その登録順位を付与され、前記したとおり、登
録し得るデータ容量に応じた数のデータが登録順位の降
格順に、登録データとして登録され、その登録順位に従
って、照合の基準データとして用いられる。
代えて、第１グループ順位のグループ内の第１位から最
下位の登録候補データに、順次、登録順位を付与し、引
き続く登録順位を第２グループ順位のグループ内の第１
位から最下位の登録候補データに付与する。登録順位を
振り分けられた各登録候補データは、方式１におけると
同様に、その登録順位を付与され、前記したとおり、登
録し得るデータ容量に応じた数のデータが登録順位の降
格順に、登録データとして登録され、その登録順位に従
って、照合の基準データとして用いられる。
【００３６】前記した方式１および方式２のいずれにし
ても、最も照合確率の高い第１グループ順位の第１順位
の登録候補データが第１の登録順位を与えられることか
ら、他のいずれの登録候補データを用いるよりも、照合
を受けるのが本人であれば、照合が一致する照合確率は
最も高くなる。
ても、最も照合確率の高い第１グループ順位の第１順位
の登録候補データが第１の登録順位を与えられることか
ら、他のいずれの登録候補データを用いるよりも、照合
を受けるのが本人であれば、照合が一致する照合確率は
最も高くなる。
【００３７】また、この第１登録順位の登録データによ
る照合が不一致の結果に終わったとき、続いて、第１の
登録順の登録データから類似性の低い、同一グループの
第２順位あるいは別グループの中心点の第１順位の登録
データが用いられる。このことは、第１登録順位の登録
データに一致しなかった取得データとの照合による照合
結果が一致する確率が高まることを意味する。
る照合が不一致の結果に終わったとき、続いて、第１の
登録順の登録データから類似性の低い、同一グループの
第２順位あるいは別グループの中心点の第１順位の登録
データが用いられる。このことは、第１登録順位の登録
データに一致しなかった取得データとの照合による照合
結果が一致する確率が高まることを意味する。
【００３８】従って、本発明に係る前記した方法を採用
することにより、比較的容易に、適正な登録データを選
択することができ、これにより、ばらつきのある取得デ
ータに対しても、効果的に照合確率を高めることが可能
となる。
することにより、比較的容易に、適正な登録データを選
択することができ、これにより、ばらつきのある取得デ
ータに対しても、効果的に照合確率を高めることが可能
となる。
【００３９】前記したところでは、図４に示したよう
に、登録候補データが２つのグループに分類される例に
ついて説明したが、図５に示すように、登録候補データ
がそれらの相互のハミング距離ＨＤが０．３以内の１つ
のグループに収容されることがある。
に、登録候補データが２つのグループに分類される例に
ついて説明したが、図５に示すように、登録候補データ
がそれらの相互のハミング距離ＨＤが０．３以内の１つ
のグループに収容されることがある。
【００４０】このとき、ステップＳ６で示したようなグ
ループ分けを登録候補データ群に施す必要はない。この
ような場合、ステップＳ８で示したグループ順位の付与
が不要となり、各登録候補データのそれぞれについてス
テップＳ５で求めたハミング距離ＨＤについての前記幾
何平均値に基づいて、それぞれの登録順位が付与され
る。
ループ分けを登録候補データ群に施す必要はない。この
ような場合、ステップＳ８で示したグループ順位の付与
が不要となり、各登録候補データのそれぞれについてス
テップＳ５で求めたハミング距離ＨＤについての前記幾
何平均値に基づいて、それぞれの登録順位が付与され
る。
【００４１】前記したところでは、バイオメトリクス情
報として、虹彩（アイリス）を用いた例について説明し
たが、指紋、声紋、網膜、手形等、他のバイオメトリク
ス情報に適用することができる。また、バイオメトリク
ス情報以外の画像の識別にも本発明を適用することがで
きる。さらに、類似度を表す尺度として、ハミング距離
ＨＤを用いた例について説明したが、本発明は、前記ハ
ミング距離ＨＤの他、種々の類似尺度を表す計算式を適
用することができる。
報として、虹彩（アイリス）を用いた例について説明し
たが、指紋、声紋、網膜、手形等、他のバイオメトリク
ス情報に適用することができる。また、バイオメトリク
ス情報以外の画像の識別にも本発明を適用することがで
きる。さらに、類似度を表す尺度として、ハミング距離
ＨＤを用いた例について説明したが、本発明は、前記ハ
ミング距離ＨＤの他、種々の類似尺度を表す計算式を適
用することができる。
【００４２】
【発明の効果】本発明によれば、前記したように、デー
タ相互間の類似度に基づいて、基準データとして登録さ
れるデータが選択されることから、格別な熟練度を必要
とすることなく適正に基準データを作成することがで
き、これにより、照合時の認識率が高められることか
ら、認証時における照合率の向上を図ることができる。
タ相互間の類似度に基づいて、基準データとして登録さ
れるデータが選択されることから、格別な熟練度を必要
とすることなく適正に基準データを作成することがで
き、これにより、照合時の認識率が高められることか
ら、認証時における照合率の向上を図ることができる。
【図１】本発明に係るデータ識別装置を示すブロック図
である。
である。
【図２】本発明に係るデータ識別方法のデータ選択手順
を示すフローチャートである。
を示すフローチャートである。
【図３】本発明に係るデータのハミング距離を示すデー
タ説明図である。
タ説明図である。
【図４】本発明に係るデータのハミング距離分布図（そ
の１）である。
の１）である。
【図５】本発明に係るデータのハミング距離分布図（そ
の２）である。
の２）である。
１０ データ識別装置 １１ データ読込み部 １２ コード処理部 １３ 記憶部 １４ 演算処理部 Ａ 第１グループの中心点にある第１順位の登録候補デ
ータ Ｂ 第２グループの中心点にある第１順位の登録候補デ
ータ Ｘ 第１のグループの登録候補データ群 Ｙ 第２のグループの登録候補データ群
ータ Ｂ 第２グループの中心点にある第１順位の登録候補デ
ータ Ｘ 第１のグループの登録候補データ群 Ｙ 第２のグループの登録候補データ群
Claims (10)
- 【請求項１】 予め登録した基準データに基づいて取得
データを判別する識別方法であって、１つの対象に関す
る複数のデータを得て、該各データについての各データ
相互間の類似度を算出すること、算出された類似度に基
づいて、前記複数のデータのうち、１つのデータが該デ
ータを除く他のデータとの間の各類似度に関して最も高
い類似度を示す中心点にある前記データを前記基準デー
タとして登録することを特徴とする識別方法。 - 【請求項２】前記中心点の前記データが前記取得データ
との比較のために、選択されることを特徴とする識別方
法。 - 【請求項３】 登録された前記データとの類似度が最も
低い隔離位置の前記データを他の前記基準データとして
登録することを特徴とする請求項１記載の識別方法。 - 【請求項４】 前記取得データとの比較のための前記基
準データの順位として、前記中心点の前記データが第１
順位で選択され、前記遠隔位置の前記データが第２順位
で選択されることを特徴とする請求項３記載の識別方
法。 - 【請求項５】 予め登録した基準データに基づいて取得
データを判別する識別方法であって、１つの対象に関す
る複数のデータを得て、該各データについての各データ
相互間の類似度を算出すること、算出された類似度に基
づいて、前記複数のデータをグループ毎に分類するこ
と、分類された各グループ毎で１つのデータが同一グル
ープ内における該データを除く他のデータとの間の各類
似度に関してて最も高い類似度を示す中心点にある前記
データを前記基準データとして登録することを特徴とす
る識別方法。 - 【請求項６】 登録された前記各基準データのうち、各
基準データが属していた前記グループ内のデータ数が最
も多いグループの前記中心点にある前記基準データが前
記取得データとの比較のために、第１順位で選択される
ことを特徴とする請求項５記載の識別方法。 - 【請求項７】 前記各グループ毎で、登録された前記デ
ータとの類似度が最も低い隔離位置のデータがそれぞれ
他の前記基準データとして登録されることを特徴とする
請求項５記載の識別方法。 - 【請求項８】 前記類似度として、各データ間の類似度
を表すハミング距離が採用され、前記中心点データは、
各データ間のハミング距離の幾何平均が最も低いデータ
である請求項１または５記載の識別方法。 - 【請求項９】 前記データは、バイオメトリクス情報で
ある請求項１または５記載の識別方法。 - 【請求項１０】 基準データとして選択される複数の登
録候補データおよびこれに照合すべき取得データを得る
ためのデータ読込み部と、該データ読込み部で取得され
たデータを符号化するコード処理部と、符号化された前
記登録候補データ、前記取得データおよび登録データを
格納する記憶部と、該記憶部に格納された前記複数の登
録候補データ相互間の類似度を算出し、算出された類似
度に基づいて、前記複数の登録候補データのうち、該デ
ータを除く他のデータとの間の各類似度に関して最も高
い類似度を示す中心点にある登録候補データを前記基準
データとして選択し、選択された前記登録候補データを
前記記憶部に前記基準データとして格納し、該基準デー
タに基づいて前記取得データを照合する演算処理部とを
含む識別装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP10339146A JP2000163574A (ja) | 1998-11-30 | 1998-11-30 | データ識別方法および識別装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP10339146A JP2000163574A (ja) | 1998-11-30 | 1998-11-30 | データ識別方法および識別装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JP2000163574A true JP2000163574A (ja) | 2000-06-16 |
Family
ID=18324680
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP10339146A Pending JP2000163574A (ja) | 1998-11-30 | 1998-11-30 | データ識別方法および識別装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP2000163574A (ja) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2006107401A (ja) * | 2004-10-08 | 2006-04-20 | Fujitsu Ltd | 生体認証システムの登録方法、生体認証システム及びそのプログラム |
| JP2010113458A (ja) * | 2008-11-05 | 2010-05-20 | Konica Minolta Business Technologies Inc | プログラム、画像処理システムおよび画像処理装置 |
| JP2012008836A (ja) * | 2010-06-25 | 2012-01-12 | Omron Corp | 情報処理装置および方法、並びにプログラム |
| JP2014085708A (ja) * | 2012-10-19 | 2014-05-12 | Fujitsu Ltd | 画像処理装置、画像処理方法および画像処理プログラム |
| WO2022176294A1 (ja) * | 2021-02-18 | 2022-08-25 | 日本電気株式会社 | 情報処理装置、情報処理方法、照合システム、プログラム及び記録媒体 |
-
1998
- 1998-11-30 JP JP10339146A patent/JP2000163574A/ja active Pending
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2006107401A (ja) * | 2004-10-08 | 2006-04-20 | Fujitsu Ltd | 生体認証システムの登録方法、生体認証システム及びそのプログラム |
| JP4601380B2 (ja) * | 2004-10-08 | 2010-12-22 | 富士通株式会社 | 生体認証システムの登録方法、生体認証システム及びそのプログラム |
| US8000503B2 (en) | 2004-10-08 | 2011-08-16 | Fujitsu Limited | Biometrics authentication system registration method, biometrics authentication system, and program for same |
| JP2010113458A (ja) * | 2008-11-05 | 2010-05-20 | Konica Minolta Business Technologies Inc | プログラム、画像処理システムおよび画像処理装置 |
| JP2012008836A (ja) * | 2010-06-25 | 2012-01-12 | Omron Corp | 情報処理装置および方法、並びにプログラム |
| JP2014085708A (ja) * | 2012-10-19 | 2014-05-12 | Fujitsu Ltd | 画像処理装置、画像処理方法および画像処理プログラム |
| WO2022176294A1 (ja) * | 2021-02-18 | 2022-08-25 | 日本電気株式会社 | 情報処理装置、情報処理方法、照合システム、プログラム及び記録媒体 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US6993166B2 (en) | Method and apparatus for enrollment and authentication of biometric images | |
| KR102501209B1 (ko) | 홍채 인식에 의해 개체를 식별 및/또는 인증하기 위한 방법 | |
| US6944318B1 (en) | Fast matching systems and methods for personal identification | |
| US7257241B2 (en) | Dynamic thresholding for a fingerprint matching system | |
| US6160903A (en) | Method of providing secure user access | |
| US8150109B2 (en) | Large volume face recognition apparatus and method | |
| EP2533171B1 (en) | Biometric authentication technology | |
| US7006671B2 (en) | Personal identification apparatus and method | |
| JP4863423B2 (ja) | 虹彩を用いた身元確認システム及び方法並びにその方法を実行するための身元確認プログラムを格納したコンピュータ読取り可能な記録媒体 | |
| CN106326327B (zh) | 用于更新用户认证数据的方法和设备 | |
| US8577094B2 (en) | Image template masking | |
| US7515741B2 (en) | Adaptive fingerprint matching method and apparatus | |
| JP2007206833A (ja) | 生体照合方法および生体照合装置 | |
| US8972727B2 (en) | Method of identification or authorization, and associated system and secure module | |
| US20150332106A1 (en) | Method for evolutionary biometric recognition having speed and security features suitable for pos/atm applications | |
| Wang et al. | Modeling and predicting face recognition system performance based on analysis of similarity scores | |
| JP2006085268A (ja) | 生体認証システムおよび生体認証方法 | |
| JP2018128736A (ja) | 顔認証システム、顔認証方法、及び顔認証プログラム | |
| KR20100041562A (ko) | 인증 대상자의 얼굴 인식과 지문 인식을 통한 사용자 인증 수행 방법 및 시스템 | |
| JP2000163574A (ja) | データ識別方法および識別装置 | |
| US9412004B2 (en) | Biometric coding | |
| Sadhya et al. | Construction of a Bayesian decision theory‐based secure multimodal fusion framework for soft biometric traits | |
| JP2002208011A (ja) | 画像照合処理システムおよび画像照合方法 | |
| Carls et al. | Biometric enhancements: Template aging error score analysis | |
| US20210158014A1 (en) | Method for the classification of a biometric trait represented by an input image |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20040507 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20040525 |
|
| A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20050104 |