JP2001101406A - 一般的侵入者モデル作成方法及び装置、個人認証方法及び装置 - Google Patents

Abstract

(57)【要約】 【課題】 生体特徴による個人認識を用いる個人認証に
おいて、認証精度の向上を図ることができ、且つ、ユー
ザデータを管理し易くできるようにする。 【解決手段】 本人登録データ入力部１７は、i番目の
ユーザＣiの登録データＸij（j＝1〜N）を本人モデル作
成部２１に与える。作成部２１は登録データに基づきユ
ーザＣiの本人モデルｐi（Ｘ）を作成し、一般的侵入者
モデル作成部２３、出力部３１に与える。他人登録デー
タ入力部１９は、ユーザＣiの登録データであるＸij（j
＝1〜N）を除く残り全部のユーザの登録データＸij（i
＝1〜M、j＝1〜N）を作成部２３に与える。近傍距離計
算部２５は、ｐi（Ｘ）とその近傍との間の平均距離ｄ
を、近傍分散計算部２７はその近傍における平均分散ｓ
を計算する。平均距離ｄ、平均分散ｓ、ｐi（Ｘ）、及
びユーザＣiの登録データを除くＸij（i＝1〜M、j＝1〜
N）に基づき、ユーザＣiの侵入者モデルｑi（Ｘ）を作
成する。ｑi（Ｘ）は、出力部３１に出力される。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、一般的侵入者モデ
ル作成方法及び装置、個人認証方法及び装置に関する。

【０００２】

【従来の技術】個人認証装置において、指紋や顔等の生
体特徴の認証デバイス（生体特徴による個人認識（バイ
オメトリックス））を利用して特定の人間を確認する個
人認証装置が知られている。この装置の運用形態は、登
録段階と認証段階とから成り立っている。

【０００３】登録段階では、全てのユーザに対し特定の
生体特徴を複数回に亘って測定し、その結果得られたデ
ータを装置に保存（登録）すると共に、各ユーザに独自
のエントリナンバを配布する。認証段階では、ユーザが
自分のエントリナンバを装置に提示し、装置がそれに従
って所定の登録データを取り出し、リアルタイムに測定
したユーザの生体特徴を認証データとして上記登録デー
タと比較する。その結果、両方の一致性が或る閾値を超
えたときは本人と確認され、そうでないときは侵入者と
判断される。

【０００４】

【発明が解決しようとする課題】ところで、上記のよう
な構成の装置では、登録データと認証データの一致性を
正確に計測するために、本人モデルと、侵入者モデルと
が不可欠である。本人モデルとは、或るユーザが装置に
登録されるときに作られた本人の照合テンプレートであ
り、通常、本人の登録データから求められる。一方、侵
入者モデルとは、特定ユーザを装う侵入者のテンプレー
トであり、技術的に、本人モデルの有効範囲の一例であ
る照合の閾値等を決めるために使われる比較対象であ
る。通常、侵入者モデルは、本人以外の一定数の他人の
登録データから求められる。本人モデルも侵入者モデル
も、基本的に、一定数の既存サンプルデータに基づいて
構築される。

【０００５】しかし、侵入者モデルに関しては、上記装
置で用いる３つの手法、即ち、ヒギンス（Higgins）の
方法、コーホート（Cohort）法、及びグローバル（Glob
al）法のいずれによって生成されたものでも、認証精度
及びユーザデータの管理の２つの側面において、夫々以
下に説明するような問題が生じる。

【０００６】まず、ヒギンスの方法では、侵入者モデル
が複数個存在する他人のサンプルデータ中の１人のサン
プルデータのみに基づいて決められる。上記サンプルデ
ータとしては、上記１人の他人の生体特徴を表現する特
徴ベクトルが用いられるが、上記特徴ベクトルには、通
常、誤差が含まれているため、上記サンプルデータに存
在する誤差の上記侵入者モデルに及ぼす影響が大きい。
また、ヒギンスの方法では、上記に加えて、認証を実行
する度に常に既登録の全ユーザのデータを利用する。そ
のため、認証速度、及びユーザデータの管理の面からユ
ーザ数の多い個人認証システムにヒギンスの方法を適用
するのは事実上困難である。

【０００７】次に、コーホート法では、侵入者モデルの
中心位置及び分散が、本人モデルの近傍に位置する少数
（数個）の他人のサンプルデータによって固定されるの
で、侵入者の実際の状況を把握できない可能性は充分に
ある。特に、生体特徴の特徴空間が通常十数次元から数
千次元に至るので、上述した数個の他人のサンプルデー
タだけで侵入者が出現する可能性のある方向を全てカバ
ーできる確率は非常に低い。仮にカバーできたとして
も、コーホート法による侵入者モデルでは、中心点が１
つしかないので、１つの方向しか表現できないから分散
を利用して多数の方向を反映することになるため、分散
の推定精度が要求される。しかし、上述した数個の他人
のサンプルデータだけから、高精度の分散を推定するこ
とは不可能である。また、新たな登録ユ−ザの侵入者モ
デルを構築する際には、上述したヒギンスの方法におけ
ると同様に、既登録の全ユーザのデータを利用するた
め、既登録ユーザのデータ管理は簡単ではない。

【０００８】更に、グローバル法では、ヒギンスの方法
やコーホート法とは相違して、ユーザデータの管理に関
する問題はない。しかし、グローバル法では、侵入者モ
デルがユーザ全員をデータのサンプル対象者として生成
され、それら全ユーザの分布を表している。そのため、
特定の個人（全ユーザ中の特定のユーザ）にとって、上
記侵入者モデルは殆どが本人と著しく異なる他人の分布
によって支配されていることになる。よって、侵入者が
本人に近い（似ている）場合には、結果としてその侵入
者を本人と誤認証する可能性が高くなる。

【０００９】従って本発明の目的は、生体特徴による個
人認識を用いる個人認証において、認証精度の向上を図
ることができ、且つ、ユーザデータを管理し易くできる
ようにすることにある。

【００１０】

【課題を解決するための手段】本発明の第１の側面に従
う一般的侵入者モデル作成装置は、個人認証に用いるた
めに複数の人間の生体特徴情報を保持する手段と、それ
ら生体特徴情報の中から、任意の人間の生体特徴情報を
選択してその人間の個人認証に必要な本人モデルを作成
する手段と、各生体情報を特徴ベクトルで表す空間にお
いて、本人モデルに対する相対方向が不定の一般的侵入
者モデルを設定する手段とを備える。

【００１１】上記構成によれば、各生体情報を特徴ベク
トルで表す空間において、本人モデルに対する相対方向
が不定の一般的侵入者モデルを設定することとした。そ
のため、この一般的侵入者モデルを後述する個人認証装
置に用いることにより、上記空間において、認証対象で
ある人間の生体特徴情報と本人モデルとを結ぶ線分又は
その延長線を本人モデルとの相対方向とする具体的侵入
者モデルとして、上記線分上又はその延長線上にある一
般的侵入者モデルを選択できる。なお、具体的侵入者モ
デルとは、本人モデルとの相対方向、本人モデルとの相
対距離、分散のいずれをも備えているもので、個人認証
装置において、認証時に、認証対象者である人が標榜し
た本人自身であるのか、それとも侵入者であるのか判断
するときに用いられるものである。具体的侵入者モデル
については後述する。因みに一般的侵入者モデルとは、
上述したように、本人モデルとの相対方向だけが不定で
あって本人モデルとの相対距離、分散の双方を備えてい
る。換言すれば、一般的侵入者モデルは、上記の空間に
おいて、本人モデルから見て全方向に設定されることを
意味する。

【００１２】本発明の第１の側面に係る好適な実施形態
では、一般的侵入者モデルは、上記の空間において、本
人モデルの近傍位置に設定される本人モデルに似た仮想
的なモデルである。一般的侵入者モデルは、本人モデル
に係る生体特徴情報を除く生体特徴情報と、上記の空間
において本人モデルの近傍にある他人モデルと本人モデ
ルとの間の距離情報と、その他人モデルの分散とに基づ
いて設定される。他人モデルと本人モデルとの間の距離
情報は、本人モデルと複数の他人モデルとの間の距離の
平均の値である。他人モデルの分散は、複数の他人モデ
ルにおける各々の分散の平均値である。

【００１３】本発明の第２の側面に従う一般的侵入者モ
デル作成方法は、個人認証に用いるために複数の人間の
生体特徴情報を保持する第１の過程と、それら生体特徴
情報の中から、任意の人間の生体特徴情報を選択してそ
の人間の個人認証に必要な本人モデルを作成する第２の
過程と、各生体情報を特徴ベクトルで表す空間におい
て、本人モデルに対する相対方向が不定の一般的侵入者
モデルを設定する第３の過程とを備える。

【００１４】本発明の第３の側面に従うプログラム媒体
は、個人認証に用いるために複数の人間の生体特徴情報
を保持する手段と、それら生体特徴情報の中から、任意
の人間の生体特徴情報を選択してその人間の個人認証に
必要な本人モデルを作成する手段と、各生体情報を特徴
ベクトルで表す空間において、本人モデルに対する相対
方向が不定の一般的侵入者モデルを設定する手段とを備
える一般的侵入者モデル作成装置における上記の各手段
としてコンピュータを動作させるためのコンピュータプ
ログラムをコンピュータ読取可能に担持する。

【００１５】本発明の第４の側面に従う個人認証装置
は、個人認証に用いるために各個人の生体特徴情報から
作成される本人モデルを保持する手段と、個人認証に用
いるために設定される、各生体情報を特徴ベクトルで表
す空間において本人モデルに対する相対方向が不定の一
般的侵入者モデルを保持する手段と、認証対象である人
間の生体特徴測定値を読込む手段と、上述の空間におい
て本人モデルと生体特徴測定値とから具体的侵入者モデ
ルの本人モデルとの相対方向を推定し、その相対方向に
対応する一般的侵入者モデルを具体的侵入者モデルに決
定する手段と、本人モデルの尤度と具体的侵入者モデル
の尤度との比率と、予め設定される閾値との比較結果に
基づいて認識対象が本人か侵入者かを判定する手段とを
備える。

【００１６】上記のように、具体的侵入者モデルの上記
空間における本人モデルとの相対方向は、本人モデル、
及び認証時における認証対象者の生体特徴測定値のみか
ら推定される。以下，図４を用いて説明する。図４にお
いて、円ｅ1、ｅ2、・・・、ｅMは、各個人（ユーザ）
の本人モデルであり、Ｘは認証時にユーザｅ1本人であ
ると標榜した人間の生体特徴測定値である。上述した具
体的侵入者モデル決定手段は、図４の状態で、中心点が
本人モデルｅ1の中心点とＸとを結ぶ線分上、或いはそ
の延長線上にある一般的侵入者モデルＱを、上記Ｘに対
する具体的侵入者モデルに決定するのである。この手法
によれば、上記空間における侵入者の生体特徴測定値と
本人モデルの中心点とを結ぶ線分、或いはその延長線上
に、具体的侵入者モデルが存在することになるので、侵
入者が上記空間におけるいずれの方向から来ても、適切
に対応できる。

【００１７】本発明の第４の側面に係る好適な実施の形
態では、具体的侵入者モデルは、上記空間における本人
モデルとの相対方向、本人モデルとの間の相対距離、及
び分散により決まる。相対方向は、上記の空間において
本人モデルの中心点と生体特徴測定値とを結ぶ線分、或
いはその線分の延長線である。本人モデルとの間の相対
距離は、上記の空間において本人モデルの近傍に位置す
る複数個の一般的侵入者モデルの各々と本人モデルとの
間の距離の平均値である。分散は、上記の空間において
本人モデルの近傍に位置する複数個の一般的侵入者モデ
ルの分散の平均である。閾値は、閾値設定部において、
閾値に設定した値を可変しながら行う認証実験の結果に
基づいて決められる。認証実験は、閾値設定部におい
て、複数の本人モデルと、各々の本人モデルに対応する
複数の一般的侵入者モデルと、可変される閾値と、認証
対象である人間の生体特徴情報とを用いて行われる。

【００１８】本発明の第５の側面に従う個人認証方法
は、個人認証に用いるために各個人の生体特徴情報から
作成される本人モデルを保持する第１の過程と、個人認
証に用いるために設定される、前記各生体情報を特徴ベ
クトルで表す空間において前記本人モデルに対する相対
方向が不定の一般的侵入者モデルを保持する第２の過程
と、認証対象である人間の生体特徴測定値を読込む第３
の過程と、前記空間において前記本人モデルと前記生体
特徴測定値とから具体的侵入者モデルの本人モデルとの
相対方向を推定し、その相対方向に対応する一般的侵入
者モデルを具体的侵入者モデルに決定する第４の過程
と、前記本人モデルの尤度と前記具体的侵入者モデルの
尤度との比率と、予め設定される閾値との比較結果に基
づいて前記認識対象が本人か侵入者かを判定する第５の
過程とを備える。

【００１９】本発明の第６の側面に従うプログラム媒体
は、個人認証に用いるために各個人の生体特徴情報から
作成される本人モデルを保持する手段と、個人認証に用
いるために設定される、各生体情報を特徴ベクトルで表
す空間において本人モデルに対する相対方向が不定の一
般的侵入者モデルを保持する手段と、認証対象である人
間の生体特徴測定値を読込む手段と、上述の空間におい
て本人モデルと生体特徴測定値とから具体的侵入者モデ
ルの本人モデルとの相対方向を推定し、その相対方向に
対応する一般的侵入者モデルを具体的侵入者モデルに決
定する手段と、本人モデルの尤度と具体的侵入者モデル
の尤度との比率と、予め設定される閾値との比較結果に
基づいて認識対象が本人か侵入者かを判定する手段とを
備える個人認証装置における上述した各手段としてコン
ピュータを動作させるためのコンピュータプログラムを
コンピュータ読取可能に担持する。

【００２０】

【発明の実施の形態】次に、本発明の実施の形態を説明
するに先立ち、上述したバイオメトリックスを用いる個
人認証装置における本人モデル及び侵入者モデルの構築
について説明する。

【００２１】上記装置では、上述したように、本人モデ
ルも侵入者モデルも、基本的に一定数の既存サンプルデ
ータ（登録データ）に基づいて構築されるので、以下、
サンプルデータによる侵入者モデルの構築の３つの代表
例を用いてその詳細を説明する。

【００２２】説明の簡単のため、以下の記述を仮定する （１）Ｍ人の人Ｃ1、Ｃ2、・・・、ＣMについて、１人
当りＮ個の特徴量、即ち、特徴ベクトルＸij（i＝1〜
M、j＝1〜N）をサンプルデータとして使用する。 （２）任意の測定値Ｘに対して、各本人への尤度は本人
モデルを表す。具体的には、人Ｃiへの尤度として人Ｃi
の確率密度関数ｐi（Ｘ）が直接に利用できる。更に、
上記ｐi（Ｘ）を正規分布と仮定し、そのパラメータ、
つまり、中心点と分散とを本人ＣiのサンプルデータＸi
j（j＝1〜N）から計算する。同様に、侵入者モデルも対
応する分布のパラメータによって表現する。 （３）以下、本人として人Ｃiを例に取り、その侵入者
モデルを構築する。他の人に対しても同様のアプローチ
で夫々の侵入者モデルの構築が実現可能である。まず、
第１の手法として、ヒギンスの方法について説明する。
ヒギンスの方法では、本人モデル、つまり、「ＸがＣ1
である」の尤度はｐi（Ｘ）で、侵入者モデル、つまり
「ＸがＣ1でない」の尤度は、下記の項で示される。

【００２３】

【数１】

【００２４】本人モデルが侵入者モデルより充分に大き
いとき、例えば下記の（１）式で示される関係が成立す
るとき、Ｘが「本人」であると判断する。

【００２５】

【数２】

【００２６】（１）式において、右辺のｔは閾値であ
る。この閾値ｔは、全てのサンプルデータＸij（i＝1〜
M、j＝1〜N）による実証実験を利用して求めることがで
きる。具体的には、予め指定された複数の閾値ｔの値に
対し実証実験によってサンプルデータの中で誤認証され
たデータの数を数え、誤認証の数が一番少ない閾値ｔの
値を最終の閾値ｔとして選択できる。

【００２７】図１は、ヒギンスの方法の概念的な説明図
である。

【００２８】図１において、座標系＜Ｘ1―Ｘ2＞は２次
元の特徴空間を表している。円ｅ1、ｅ2、・・・、ｅM
は各個人の本人モデルを示している。つまり、円ｅ1、
ｅ2、・・・、ｅMの中心点は各個人のサンプルデータの
中心点を示し、夫々の円周は各個人の分散を示してい
る。ｅ1だと宣言した人の測定値Ｘに対して、ｅ1を除い
て、距離の一番近いｅ5をｅ1の侵入者モデル（図１にお
いて符号Ｑで示す）とする。そして、Ｘとｅ1との距離
と、Ｘとｅ5との距離との比較結果に基づき、Ｘがｅ1本
人か侵入者かを判断する。

【００２９】次に、第２の手法として、コーホート法に
ついて説明する。

【００３０】コーホート法では、まず、人Ｃ1のコーホ
ート或いは近傍を求める。

【００３１】例えば、各ユーザへの尤度であるｐi
（Ｘ）（i＝1〜M）で示される各人相互間の距離（関数
間の距離、例えばBhattacharyya距離）に基づき、人Ｃ1
に近い人、例えば５人の人（対応する尤度はｐj１
（Ｘ）、ｐj2（Ｘ）、ｐj3（Ｘ）、ｐj4（Ｘ）、ｐj５
（Ｘ）とする）を人Ｃ1のコーホートとすることができ
る。次に、上記コーホートを用いて人Ｃ1の侵入者モデ
ル（侵入者である尤度）を求める。例えば、下記の項は
１つの解である。 {ｐj１（Ｘ）＋ｐj2（Ｘ）＋ｐj3（Ｘ）＋ｐj4（Ｘ）＋
ｐj５（Ｘ）｝／５。

【００３２】上記以降の処理では、ヒギンスの方法と同
様、（１）式を用いて認証を行う。

【００３３】図２は、コーホート法の概念的な説明図で
ある。

【００３４】図２において、円ｅ1、ｅ2、・・・、ｅM
は各個人の本人モデルを示している。特定の個人ｅ1に
対し、その近傍ｅ2、ｅ3、ｅ4、ｅ5、ｅ6を所定の方法
で確定し、これらｅ2、ｅ3、ｅ4、ｅ5、ｅ6を要素とし
て求めた中心点と分散とによって、ｅ1の侵入者モデル
（図２において符号Ｑで示す）を構築する。

【００３５】ここで、コーホート法では、上述したよう
に、侵入者モデルの中心位置及び分散が、本人モデルの
近傍に位置する少数（数個）の他人のサンプルデータに
よって固定されるので、侵入者の実際の状況を把握でき
ない可能性は充分にある。例えば、図２に示すように、
本人モデルｅ1の近傍が殆どその本人モデルｅ1の右下方
向にある場合、侵入者モデルの中心位置も、その右下方
向に固定されることになる。そのため、結果的に本人モ
デルｅ1の左上方向からの侵入者に対して「本人」と誤
判断する可能性が高い。

【００３６】更に、第３の手法として、グローバル法に
ついて説明する。

【００３７】グローバル法とは、登録されている全ユー
ザに同じ侵入者モデルを持たせる方法である。例えば、
全ユーザのサンプルデータＸij（i＝1〜M、j＝1〜N）を
用いて１つの分布（中心点や分散等）を求め、その分布
への測定値の尤度を侵入者モデルとして使用できる。認
証は（１）式を用いて行う。

【００３８】図３は、グローバル法の概念的な説明図で
ある。

【００３９】図３において、円ｅ1、ｅ2、・・・、ｅM
は各個人の本人モデルを示している。ｅ1、ｅ2、・・
・、ｅMを要素として求めた中心点と分散とによって全
ての個人の侵入者モデル（図３において符号Ｑで示す）
を構築する。

【００４０】以上説明した手法１、２、３に係る技術内
容の詳細に関しては、例えば「On optimum normalizatio
n method used for speaker verification」（Proceedin
gs of ICSLP'98,165-168）に記載されている。

【００４１】以下、本発明の実施の形態を、図面により
詳細に説明する。

【００４２】図５は、本発明の一実施形態に係る個人認
証装置の全体構成を示すブロック図である。

【００４３】上記装置は、図５に示すように、エントリ
ナンバ入力部１と、生体特徴入力部３と、認証部５と、
出力部７と、テンプレートデータベース（テンプレート
ＤＢ）９とを備える。

【００４４】エントリナンバ入力部１は、認証対象にな
るユーザのエントリナンバである、ユーザの登録番号や
ユーザの名前等（以下説明の簡単のため、エントリナン
バを「i（i＝１〜Ｍ）」で表記する）を入力し、それを
認証部５に提示する。生体特徴入力部３は、認証対象に
なるユーザの生体特徴測定値を特徴ベクトル（以下説明
の簡単のため、特徴ベクトルを「Ｘ」で表記する）の形
式で入力し、それを認証部５に出力する。

【００４５】認証部５は、エントリナンバ入力部１によ
って提示されるi（i＝１〜Ｍ）と、生体特徴入力部３か
ら出力されるＸと、テンプレートＤＢ９から夫々出力さ
れるｐi（Ｘ）、ｑi（Ｘ）及びTとを夫々読込む。そし
て、認証対象になるユーザの生体特徴測定値である上記
特徴ベクトルＸが、本当に人Cｉであるのか、それとも
侵入者であるのかを判断する。上記判断は、例えば下記
の（２）式を用いて実行される。

【００４６】

【数３】

【００４７】認証部５による上記判断結果は、出力部７
を通じて上記装置より外部に出力される。なお、テンプ
レートＤＢ９から出力される上記ｐi（Ｘ）、ｑi（Ｘ）
及びTは、予め、データ入力装置（図示しない）により
テンプレートＤＢ９に書込まれたデータである。また、
ｑi（Ｘ）は、生体情報を特徴ベクトルで表す空間にお
ける本人モデルとの相対方向、本人モデルとの間の相対
距離、及び分散により決まる具体的侵入者モデルであ
る。なお、上記具体的侵入者モデルｑi（Ｘ）（即ち、
Ｑ）の中心点は、一般的に、本人モデルｅ1（その具体
的侵入者モデルｑi（Ｘ）に対応する）から見た上記特
徴ベクトルＸの相対方向と、本人モデルｅ1と上記特徴
ベクトルＸとの間の相対距離とから求めることができる
（図４を参照）。

【００４８】図６は、本発明の一実施形態に係る本人モ
デル／一般的侵入者モデル作成装置（モデル作成装置）
の機能構成を示すブロック図である。

【００４９】上記モデル作成装置は、本人モデル及び既
述の一般的侵入者モデルを作成して図５に記載した個人
認証装置に供給するもので、図６に示すように、本人登
録データ入力部１７と、他人登録データ入力部１９と、
本人モデル作成部２１と、一般的侵入者モデル作成部２
３と、出力部３１とを備える。

【００５０】本人登録データ入力部１７は、ｉ番目のユ
ーザＣiの登録データ（サンプルデータ）であるＸij（j
＝1〜N）を入力し、それを本人モデル作成部２１に出力
する。本人モデル作成部２１は、本人登録データ入力部
１７からの上記登録データＸij（j＝1〜N）を読込み、
これに基づいて上記ユーザＣiの本人モデルｐi（Ｘ）を
作成する。ここで、上記本人モデルを正規分布と仮定す
れば、その中心点（平均値）ｅiは下記の（３）式によ
って、また、分散ｓiは下記の（４）式によって夫々計
算できる。

【００５１】

【数４】

【００５２】

【数５】

【００５３】ここで、（３）式は、本人モデルｐi
（Ｘ）の平均値（中心点）ｅiが、１個人（１人のユー
ザ）である上記ユーザＣiの特徴ベクトルＸijの総和
を、特徴ベクトルの総数Ｎで割ることによって得られる
ものであることを示す。また、（４）式は、本人モデル
ｐi（Ｘ）の分散ｓiが、各特徴ベクトルＸij毎の本人モ
デルとの分散を足し算したものを、ベクトル数で割る
（平均する）ことによって得られるものであることを示
す。

【００５４】上述したｐi（Ｘ）は、本人モデル作成部
２１から一般的侵入者モデル作成部２３及び出力部３１
に夫々出力される。

【００５５】他人登録データ入力部１９は、上述したｉ
番目のユーザＣiの登録データであるＸij（j＝1〜N）を
除く残り全部のユーザの登録データＸij（i＝1〜M、j＝
1〜N）を入力し、それらを一般的侵入者モデル作成部２
３に出力する。

【００５６】一般的侵入者モデル作成部２３は、近傍距
離計算部２５と、近傍分散計算部２７と、閾値設定部２
９とを含む。一般的侵入者モデル作成部２３は、本人モ
デル作成部２１からのｐi（Ｘ）と、他人登録データ入
力部１９からの上記登録データＸij（i＝1〜M、j＝1〜
N）（但し、ユーザＣiの登録データを除く）とを読込
む。それにより、近傍距離計算部２５が本人モデルｐi
（Ｘ）とその近傍との間の平均距離ｄを、近傍分散計算
部２７がその近傍における平均分散ｓを夫々計算する。
そして、求めた平均距離ｄ、及び平均分散ｓと、上記読
込んだｐi（Ｘ）、及びユーザＣiの登録データを除くＸ
ij（i＝1〜M、j＝1〜N）とに基づき、上記ユーザＣiの
一般的侵入者モデルｑi（Ｘ）を作成する。ここで、上
記一般的侵入者モデルｑi（Ｘ）を正規分布と仮定すれ
ば、その中心点は、例えば図４で示した具体的侵入者モ
デルＱにおける中心点のように、分散をｓと定めること
ができる。上記一般的侵入者モデルｑi（Ｘ）は、侵入
者モデル作成部２３から出力部３１に出力される。な
お、閾値設定部２９については後述する。

【００５７】図７は、図６に記載したモデル作成装置が
近傍距離計算及び近傍分散の平均値計算を行うに際して
の処理動作を示すフローチャートである。

【００５８】図７において、本人登録データ入力部１７
が、上記ユーザＣiの本人登録データを入力し、本人モ
デル作成部２１に出力すると（ステップＳ３１）、上記
本人登録データに基づき、本人モデル作成部２１が上記
ユーザＣiの本人モデルを作成する（ステップＳ３
２）。一方、他人登録データ入力部１９が、上記ユーザ
Ｃiを除く残り全部のユーザの登録データを入力し、本
人モデル作成部２１に出力すると（ステップＳ３３）、
近傍距離計算部２５は、それらの登録データと、上記ユ
ーザＣiの本人モデルとに基づき、近傍距離ｄを計算す
る。この計算は、上記ユーザＣiの近傍、つまり、特徴
空間において本人である上記ユーザＣiに近い他人を求
めることである。上記近傍を決める要素は、他人（上記
ユーザＣiを除く残り全部のユーザ）の数と、各々のユ
ーザ間の距離の定義とを含む。近傍とする他人の数は、
上記装置を含む設計者の経験、或いはサンプルデータの
実証実験によって決まる。実証実験の場合、予め、複数
の選択値を設定し、最も小さい認証誤差に対応する値を
選択する。２人のユーザのサンプルデータ間の距離は、
２つの集合間の距離として定義できる。例えば、その距
離を各集合の中心値ｅi（（i＝1〜M）間の距離と定義
し、本人であるユーザＣiの近傍を５人、つまり、Ｃik
（k＝1〜５）とする場合、近傍距離ｄは、下記の（５）
式により計算できる。

【００５９】

【数６】

【００６０】ここで、（５）式は、本人モデルとその近
傍に位置する５人のモデルとの平均距離を全ての各集合
（１〜Ｍ）について求め、それを全ての集合数（Ｍ）
（つまり、サンプルデータの取得対象になった人数）で
割ることによって平均距離を求めることを意味する。近
傍距離計算部２５が（５）式により近傍距離ｄを求める
と（ステップＳ３４）、近傍分散計算部２７が下記の
（６）式により近傍分散の平均値ｓを求める。

【００６１】

【数７】

【００６２】ここで、（６）式は、本人モデルとその近
傍に位置する５人のモデルとの平均分散を全ての各集合
について求め、それを全ての集合数で割ることによって
平均分散を求めることを意味する（ステップＳ３５）。
ステップＳ３４での近傍距離ｄの計算、及びステップＳ
３５での近傍分散の平均値ｓの計算が終了することで、
近傍距離計算及び近傍分散の平均値計算に係る一連の処
理動作が終了する（ステップＳ３６）。

【００６３】図８は、図６に記載したモデル作成装置
が、図５に記載した閾値１５を計算するに際しての処理
動作を示すフローチャートである。

【００６４】図８において、ステップＳ４１では、図７
のステップＳ３１と同様に、本人登録データ入力部１７
によるユーザＣｉの本人登録データの読込み、及び本人
モデル作成部２１への出力が行われる。また、ステップ
Ｓ４２では、図７のステップＳ３２と同様に、本人モデ
ル作成部２１による上記本人登録データに基づく上記ユ
ーザＣiの本人モデルの作成が行われる。次に、一般的
侵入者モデル作成部２３が、図６で説明した処理動作を
ユーザＣiに対して実行することによりユーザＣiに対応
する侵入者モデルを作成する。次に、他人登録データ入
力部１９からの、ユーザＣiのものを除いた残り全部の
登録データＸij（i＝1〜M、j＝1〜N）を入力し、図６で
説明した処理動作をユーザＣiを除く残りの全ユーザに
対して繰り返し実行することにより、ユーザＣiを除く
残りの全ユーザに夫々対応する侵入者モデルを作成す
る。このようにして、Ｍ人の侵入者モデルが作成される
（ステップＳ４３）。

【００６５】次に、閾値設定部２９が閾値ｔとして設定
が可能な最小値Ｔ0を、初期値に設定し（ステップＳ４
４）、まず、i＝１を設定することによりＭ人のユーザ
の中から１番目のユーザを選択する（ステップＳ４
５）。そして、全部のサンプルデータ（登録データ）Ｘ
ij（i＝1〜M、j＝1〜N）を、「本人データ」（Ｘij、j
＝1〜N）と、「侵入者データ」（Ｘmj、m＝1〜M、m≠
1、j＝1〜N）とに分け、図５に示した認証部５が行う処
理と同様の処理を行うことにより認証実験を行う。この
認証実験において、「本人データ」が侵入者と判断され
た回数と、「侵入者データ」が本人と判断された回数と
を夫々記録する（ステップＳ４６）。

【００６６】上記認証実験及びそれに付随する処理が各
々のユーザ（i＝１〜Ｍ）に対して実行される毎に、上
記iの値がインクリメントされる（ステップＳ５２）。
上記処理がＭ人のユーザ全員に対して実行されたとき
（つまり、i＞ＭがＹｅｓのとき）（ステップＳ４
７）、閾値設定部２９は閾値ｔとして新たな閾値Δｔを
設定する（ステップＳ５３）。そして、この閾値Δｔに
ついてステップＳ４６、Ｓ４７、Ｓ５２で夫々示した処
理動作を繰り返す。

【００６７】次に、閾値設定部２９は、図９に示すよう
な性能曲線ＦＡＲ（ｔ）、及びＦＲＲ（ｔ）を計算によ
り求める。図９において、横軸には、上記認証実験によ
って検証された全ての閾値ｔが、また、縦軸には、「本
人データ」を侵入者と判断した比率（ＦＲＲ）、及び
「侵入者データ」を本人と判断した比率（ＦＡＲ）が、
夫々示される（ステップＳ４９）。上記２つの性能曲線
（ＦＡＲ（ｔ））、（ＦＲＲ（ｔ））に基づき、閾値設
定部２９は図５で示した装置の設計目標関数によって適
切な閾値を計算する。（ＦＡＲ（ｔ））、及び（ＦＲＲ
（ｔ））の双方が共に可能な限り小さな値をとること
が、装置の設計目標関数であれば、図９の例のように、
性能曲線（ＦＡＲ（ｔ））と、性能曲線（ＦＲＲ
（ｔ））との交点（つまり、ＦＡＲ（ｔ）＝ＦＲＲ
（ｔ））の横方向の座標値である「Ｔ」が適切な閾値に
なる（ステップＳ５０）。上記計算の結果は、モデル作
成装置から出力され、図５に記載したテンプレートＤＢ
９に書込まれる（ステップＳ５１）。

【００６８】以上説明した内容から明らかなように、従
来にあっては、個人認証において用いられていた侵入者
モデルが、既登録のサンプルデータ以外の侵入者を正確
に表現できなかった。これに対し、本発明の一実施形態
によれば、既登録のサンプルデータより各個人毎の侵入
者モデルの構成要素を夫々個別に求め、広範囲に亘り侵
入者を適切に表現することがｓできるため、個人認証装
置の認証精度の向上を図ることが可能になる。また、ユ
ーザデータを管理し易くできるようにもなった。

【００６９】なお、上述した内容は、あくまで本発明の
一実施形態に関するものであって、本発明が上記内容の
みに限定されることを意味するものでないのは勿論であ
る。

【００７０】

【発明の効果】以上説明したように、本発明によれば、
生体特徴による個人認識を用いる個人認証において、認
証精度の向上を図ることができ、且つ、ユーザデータを
管理し易くできるようにすることができる。

【図面の簡単な説明】

【図１】ヒギンスの方法の概念的な説明図。

【図２】コーホート法の概念的な説明図。

【図３】グローバル法の概念的な説明図。

【図４】本発明に係る手法の概念的な説明図。

【図５】本発明の一実施形態に係る個人認証装置の全体
構成を示すブロック図。

【図６】本発明の一実施形態に係る本人モデル／侵入者
モデル作成装置の機能構成を示すブロック図。

【図７】図６に記載の本人モデル／侵入者モデル作成装
置が近傍距離計算及び近傍分散計算を行うに際しての処
理動作を示すフローチャート。

【図８】図６に記載の本人モデル／侵入者モデル作成装
置が、図５に記載の閾値を計算するに際しての処理動作
を示すフローチャート。

【図９】閾値設定に際して用いられる性能曲線を示す
図。

【符号の簡単な説明】

１ エントリナンバ入力部 ３ 生体特徴入力部 ５ 認証部 ７、３１ 出力部 ９ テンプレートデータベース（テンプレートＤＢ） １７ 本人登録データ入力部 １９ 他人登録データ入力部 ２１ 本人モデル作成部 ２３ 侵入者モデル作成部 ２５ 近傍距離計算部 ２７ 近傍分散計算部 ２９ 閾値設定部

───────────────────────────────────────────────────── フロントページの続き (72)発明者 春山 智 東京都江東区豊洲三丁目３番３号 株式会 社エヌ・ティ・ティ・データ内 Ｆターム(参考） 5B043 AA09 BA01 FA07 GA00 5B085 AE23 AE25

Claims (16)

【特許請求の範囲】
1. 【請求項１】 個人認証に用いるために複数の人間の生
   体特徴情報を保持する手段と、 前記生体特徴情報の中から、任意の人間の生体特徴情報
   を選択してその人間の個人認証に必要な本人モデルを作
   成する手段と、 前記各生体情報を特徴ベクトルで表す空間において、前
   記本人モデルに対する相対方向が不定の一般的侵入者モ
   デルを設定する手段と、 を備える一般的侵入者モデル作成装置。
2. 【請求項２】 請求項１記載の装置において、 前記一般的侵入者モデルが、前記空間において、前記本
   人モデルの近傍位置に設定される前記本人モデルに似た
   仮想的なモデルである一般的侵入者モデル作成装置。
3. 【請求項３】 請求項１又は請求項２記載の装置におい
   て、 前記一般的侵入者モデルが、前記本人モデルに係る生体
   特徴情報を除く生体特徴情報と、前記空間において前記
   本人モデルの近傍にある他人モデルと前記本人モデルと
   の間の距離情報と、その他人モデルの分散とに基づいて
   設定される一般的侵入者モデル作成装置。
4. 【請求項４】 請求項３記載の装置において、 前記他人モデルと前記本人モデルとの間の距離情報が、
   前記本人モデルと複数の前記他人モデルとの間の距離の
   平均の値である一般的侵入者モデル作成装置。
5. 【請求項５】 請求項３記載の装置において、 前記他人モデルの分散が、複数の前記他人モデルにおけ
   る各々の分散の平均値である一般的侵入者モデル作成装
   置。
6. 【請求項６】 個人認証に用いるために複数の人間の生
   体特徴情報を保持する第１の過程と、 前記生体特徴情報の中から、任意の人間の生体特徴情報
   を選択してその人間の個人認証に必要な本人モデルを作
   成する第２の過程と、 前記各生体情報を特徴ベクトルで表す空間において、前
   記本人モデルに対する相対方向が不定の一般的侵入者モ
   デルを設定する第３の過程と、 を備える一般的侵入者モデル作成方法。
7. 【請求項７】 個人認証に用いるために複数の人間の生
   体特徴情報を保持する手段と、 前記生体特徴情報の中から、任意の人間の生体特徴情報
   を選択してその人間の個人認証に必要な本人モデルを作
   成する手段と、 前記各生体情報を特徴ベクトルで表す空間において、前
   記本人モデルに対する相対方向が不定の一般的侵入者モ
   デルを設定する手段と、 を備える一般的侵入者モデル作成装置における前記各手
   段としてコンピュータを動作させるためのコンピュータ
   プログラムを担持したコンピュータ読取可能なプログラ
   ム媒体。
8. 【請求項８】 個人認証に用いるために各個人の生体特
   徴情報から作成される本人モデルを保持する手段と、 個人認証に用いるために設定される、前記各生体情報を
   特徴ベクトルで表す空間において前記本人モデルに対す
   る相対方向が不定の一般的侵入者モデルを保持する手段
   と、 認証対象である人間の生体特徴測定値を読込む手段と、 前記空間において前記本人モデルと前記生体特徴測定値
   とから具体的侵入者モデルの本人モデルとの相対方向を
   推定し、その相対方向に対応する一般的侵入者モデルを
   具体的侵入者モデルに決定する手段と、 前記本人モデルの尤度と前記具体的侵入者モデルの尤度
   との比率と、予め設定される閾値との比較結果に基づい
   て前記認識対象が本人か侵入者かを判定する手段と、 を備える個人認証装置。
9. 【請求項９】 請求項８記載の装置において、 前記具体的侵入者モデルが、前記空間における前記本人
   モデルとの相対方向、前記本人モデルとの間の相対距
   離、及び分散により決まる個人認証装置。
10. 【請求項１０】 請求項９記載の装置において、 前記相対方向が、前記空間において前記本人モデルの中
    心点と前記生体特徴測定値とを結ぶ線分、或いはその線
    分の延長線である個人認証装置。
11. 【請求項１１】 請求項９記載の装置において、 前記本人モデルとの間の相対距離が、前記空間において
    前記本人モデルの近傍に位置する複数個の一般的侵入者
    モデルの各々と前記本人モデルとの間の距離の平均値で
    ある個人認証装置。
12. 【請求項１２】 請求項９記載の装置において、 前記分散が、前記空間において前記本人モデルの近傍に
    位置する複数個の一般的侵入者モデルの分散の平均であ
    る個人認証装置。
13. 【請求項１３】 請求項８記載の装置において、 前記閾値が、閾値設定部において、閾値に設定した値を
    可変しながら行う認証実験の結果に基づいて決められる
    個人認証装置。
14. 【請求項１４】 請求項１３記載の装置において、 前記認証実験が、閾値設定部において、複数の本人モデ
    ルと、前記各々の本人モデルに対応する複数の一般的侵
    入者モデルと、可変される閾値と、認証対象である人間
    の生体特徴情報とを用いて行われる個人認証装置。
15. 【請求項１５】 個人認証に用いるために各個人の生体
    特徴情報から作成される本人モデルを保持する第１の過
    程と、 個人認証に用いるために設定される、前記各生体情報を
    特徴ベクトルで表す空間において前記本人モデルに対す
    る相対方向が不定の一般的侵入者モデルを保持する第２
    の過程と、 認証対象である人間の生体特徴測定値を読込む第３の過
    程と、 前記空間において前記本人モデルと前記生体特徴測定値
    とから具体的侵入者モデルの本人モデルとの相対方向を
    推定し、その相対方向に対応する一般的侵入者モデルを
    具体的侵入者モデルに決定する第４の過程と、 前記本人モデルの尤度と前記具体的侵入者モデルの尤度
    との比率と、予め設定される閾値との比較結果に基づい
    て前記認識対象が本人か侵入者かを判定する第５の過程
    と、 を備える個人認証方法。
16. 【請求項１６】 個人認証に用いるために各個人の生体
    特徴情報から作成される本人モデルを保持する手段と、 個人認証に用いるために設定される、前記各生体情報を
    特徴ベクトルで表す空間において前記本人モデルに対す
    る相対方向が不定の一般的侵入者モデルを保持する手段
    と、 認証対象である人間の生体特徴測定値を読込む手段と、 前記空間において前記本人モデルと前記生体特徴測定値
    とから具体的侵入者モデルの本人モデルとの相対方向を
    推定し、その相対方向に対応する一般的侵入者モデルを
    具体的侵入者モデルに決定する手段と、 前記本人モデルの尤度と前記具体的侵入者モデルの尤度
    との比率と、予め設定される閾値との比較結果に基づい
    て前記認識対象が本人か侵入者かを判定する手段と、 を備える個人認証装置における前記各手段としてコンピ
    ュータを動作させるためのコンピュータプログラムを担
    持したコンピュータ読取可能なプログラム媒体。