JP2001510920A - 指紋からの識別コード特定方法 - Google Patents

Abstract

(57)【要約】 指紋からの識別コードの特定方法において、以下の特徴、リッジ距離Ｌ，グラジエントＧ、曲率Ｋ，及び分岐Ｂの内の少なくとも２つが、画像領域にわたってレジスターされ、特徴のヒストグラムＨが特定される。これらのヒストグラムから、特性値（平均値、分散、最大及びクラス値）が特定され、加えて、選択された分岐から、識別コードCを形成する特徴値(Ci)がベクトルコンポネントとして特定される。発明の方法によって、複数の用途に高い認識セキュリティーを有する、比較的単純に特定可能な短い識別コードが形成可能である。

Description

【発明の詳細な説明】

【０００１】 発明は、それぞれ、特許請求の範囲の請求項１と25の総称用語に記載の、指紋
又はデジタル・グレースケール値画像からの識別コード特定方法とデバイスに関
する。これらは、リアルタイムでの個人の指紋の自動識別に関するものであるか
、或いは、例えばビデオカメラといった電子画像記録デバイスによる画像ドキュ
メントからのものである。これによって、コードは、デジタル形式での指紋画像
から生成可能であり、そのコードによって関連している個人が識別可能である。
ほとんどの場合、指がコントラストを作り出すのに適当な光デバイス上に押し付
けられ、そのデバイスは、プリズムと妨げられた全反射の原理によって皮膚ライ
ン(skin lines)の画像を生成する。しかしながら、皮膚ライン画像はまた、例え
ば静電といった電子で直接記録されることができる。現在までに、指紋の特徴づ
けに対して、全種類の詳細(minutiae)（分岐、リッジエンド、内包(inclusions)
、島(islands)、中断(interruptions)、接合、三叉等）が用いられた。これは、
特に、それに対応する相当な量のメモリ及び複雑なプログラムを必要とする、こ
れら詳細特性（詳細の位置及び種類、並びにオリエンテーション）の非常に正確
な分析を必要とする法廷への用途(forensic applications)に広く用いられるの に有効である。

【０００２】 更に、既知の詳細の方法による特徴づけは、更なる一連の欠点を有する。一方
では、光学像記録のエラー及び不正確さが、その詳細の混同の原因となり、つま
りは、画像記録のエラーは、実際に存在しない明らかな詳細を生成する。他方で
は、存在する詳細がお粗末な画像記録のために認識されない。加えて、個人の実
際の指ライン(finger line)画像は、例えば、画像に現れる中断といった皮膚の ラインの汚染、または貧弱な記録性能によって、例えば皮膚の損傷による詳細(m
inutiae)のエラーを含む可能性がある。例えば切断形状での単純な損傷のために
、かなりの異なるセットの詳細、つまりは、明らかなリッジエンドが、切断部の
端に沿って形成される可能性がある。したがって、個人の記録された詳細の画像
は常に同一ではなく、ここで、再び複雑な評価プログラムが必要とされる。この
ような理由により、既知の詳細の方法による指紋の特定は、計算及びメモリに関
して多大な労力を必要とする。その他の、既知の、リッジ間の距離からの或いは
グラジエントからの識別コード特定方法には、まだ、短いコードでの十分な認識
セキュリティ能力がなかった。

【０００３】 一方、個別アクセスといった普段用、クレジットカードによる支払、パスポー
ト管理といった法的な又は社会的な目的、或いは社会的なプログラムといった個
人記録検査等の多数の用途において、単純な使用手段を用いた個人の識別及び確
認への多大な要求がある。これら全ての法廷外での(non-forensic)用途に対して
、ほとんどメモリを必要とせず、従って安価なデータキャリヤーに用いられるこ
とが可能である、より単純且つ安全な、バイオメトリック識別コードを見いだす
ことが必要である。特に、安価な磁気カード、１次元または２次元のバーコード
を有する文書か或いは他の安価なデータキャリヤー上の文書、またスマートカー
ド及びコンタクトレスのデータキャリヤーシステムのEEPROMメモリを有するチッ
プに対しては、必要である。これは、例えば日常消費財の分野で、比較的多数の
ユーザを扱う自動販売機で比較的低額の金を取り扱うビジネス処理に関する全用
途には、無条件で必要である。この種の用途に対して、識別キャリヤーは非常に
安価であるべきで、即ち小さい記憶容量、且つテストステーションの小さいロー
カルコンピューターでの比較的単純な評価に、安全に適用可能であるべきである
。

【０００４】 本発明の目的は、したがって、必要なコードの長さの適切な比率と特定精度へ
の計算労力とを有する方法を作り出すことであり、特に、コードが、例えばたっ
た３６バイト或いはそれより少ないバイトといった、１００バイト未満からなり
得る、十分に高精度な特定で、より短く単純なコードを生成することである。コ
ードは、画像エラー及び記録エラーに関してもまた、敏感ではなく、また画像セ
クションの選択に関しても同様である。更に、このコードの生成はまた、単純で
安価なコンピューターを有するローカルステーションでも可能である。

【０００５】 この目的は、請求項１による方法及び請求項２５によるデバイスを用いて、発
明において達成される。独立しているか或いは直交する特徴である、リッジ距離
Ｌ、グラジエントＧ、曲率Ｃ及び分岐Ｂの内の少なくとも２つを用いることで、
その２つの特徴の特定精度の倍増は、実質的には達成され、また、特徴の度数分
布から圧縮固有値を特定することで、コードの特徴は、更に記録エラー及び画像
エラーへの依存度を弱める単純な方法で特定される。発明の方法によって、単純
な用途それぞれのわずかな固有値か或いは非常に短い識別コードに基づく、より
高い特定精度に達することも可能であり、また必要ならば、特徴の数か或いはコ
ードの長さを増やすことによって、達成され得る。発明の有利な更なる発展につ
いては、従属請求項で述べられる。

【０００６】 以下の異なる方法のステップの説明ならびに図と例に関する説明で、発明は更
に説明される。

【０００７】 画像特定には、例えば５１２(５１２ピクセルの適当なグリッドを用いた指紋 のデジタル・グレースケール値画像が、既知の方法（図９−１１）で記録される
。このデジタル画像は、特性の特定に直接使用可能であるか、或いは指ライン画
像が画像の前処理によって、そのデジタル画像から作り出されることが可能で、
特に二値化あるいは骨格化(skeletation)（図１２及び１５）によって作り出さ れる。次いで、異なる特性は、この一度作られた画像から引っ張られ、コードが
その長さと特定精度に関して適当と思われる用途に対応する、更なる処理ステッ
プで識別コードに圧縮される。

【０００８】 指紋の特徴 以下の４つの実質的に独立しているか或いはそれぞれに直交している特徴（特
性）が、用いられ、また、それらの度数分布が特定される。 Ｌ リッジ距離 Ｇ グラジエント Ｋ 曲率 Ｂ 分岐

【０００９】 リッジ距離Ｌ特徴 図１及び２に示されるように、リッジ距離（距離の長さ）Ｌは、２つの続いて
おこる指ライン（リッジ）５の間の距離として定義され、それによって指ライン
の幅は０であり、これは、即ち、射影線（projecting ray)Ｘの方向に記録され た２つの連続した指ラインの中央間の距離に相当する。前処理され、骨格化され
た(skeletated)画像では、これは、（図１のリッジ幅０の）リッジ距離に相当し
、一方、図２に記載の２つの連続した指ライン間のデジタル・グレースケール値
画像においては、距離Ｌは以下のように計算される。 L = L2 + 1/2 ( (L1 + L3) L1及びL３が、適当に選ばれたグレースケール閾値１０を有する指ライン幅に対 応する場合、この閾値１０を用いて、二値化もまた、閾値より上のグレースケー
ル値Deを１とし、閾値より下のグレースケール値を０とすることで、実行される
。個々のピクセルエラーの除去には、リッジ幅L1、L3、及び距離L2は、３つの連
続したピクセルにならなくてはいけないという条件が、予め特定可能である。そ
の生じる距離Lx1, Lx2等の特定は、例えば横座標ｘといった記録線（recording ray)の方向で、図１のように実行される。次いで、記録された全ての生じる距離
HLx(x,y)の量が、図４記載の距離の長さLxの関数としてグラフにされることが可
能であるように、完全な画像は、図３による適当なステップdyでのyのバリエー ションによって記録される。これは、記録された画像領域にわたってｘ方向での
全ての生じる距離Lxの度数分布またはヒストグラムを示す。これに類似して、距
離Ly(x,y)は、垂直方向で（すなわち、縦座標ｙの方向）特定され、選ばれた距 離dxを有するｘのバリエーションによって全画像領域にわたって記録される。こ
れもまた、全画像領域にわたってヒストグラムHLyを導き出す。

【００１０】 ｘ方向とｙ方向での距離の長さLx及びLyの特定には、グリッドは、定義された
やり方で、ある方向に向けられるべきであり、ここでは、定義されたヒストグラ
ムに達するために指の縦軸に相当するｙ軸に向けられる。ヒストグラムHLx及びH
Lyは、図４に示されたものとは全く異なる。

【００１１】 図５は、ヒストグラムHLxの分類(classification)を示し、それによって各々 のクラスHc = 1, 2, 3,…,では、平均値Hq、最大値Hmax、標準偏差或いは分散Hv
arが、特定され、識別コードCの固有値Ciとして用いられる。ヒストグラムHLx及
びHLyは、それぞれ、８、１２、或いは１６クラスに分類されることができ、次 いで１つ、２つ、或いは３つの値(Hq, Hmax, Hvar)が、各クラスごとに特定可能
である。

【００１２】 グラジエントＧ特徴 距離の長さの特徴に類似して、グラジエントＧ、すなわち、１次方向のデリベ
ーション(first direction derivations)、のヒストグラムもまた、全画像領域 にわたって一様にレジスターされ、この目的のために、例えば射影方向ごとに記
録される。グラジエントは、皮膚ラインと射影線（例えばｘ方向での）の交点の
ポイントでの皮膚ライン５へのタンジェントとして特定される。図６に示すよう
に、グラジエントは射影方向でレジスターされ、そのヒストグラムHGxは、全画 像領域にわたって、射影方向ｘに対して記録され、これに類似して、射影方向ｙ
のグラジエントのヒストグラムHGyは、全画像領域にわたってグラジエント方向G
(x,y)を一様に記録するためのものである。このＧのヒストグラムもまた、グラ ジエントグリットをレジスターするために、各グリッドのメッシュ(図６、３０ ）のグラジエント値を特定することによって、画像を覆う方法で記録される。こ
れに関しては、以下で更に詳細に説明される。

【００１３】 図示例のように、図９、１０、及び１１の３つの指紋画像のグラジエントのヒ
ストグラムＨＧが特定され、図８に示される。図９の画像Ｉ１は、個人１の指紋
を示し、また画像Ｉ２ａ及びＩ２ｂは、第２の個人の指紋を示し、それによって
、図１０は、エラーなしの指紋Ｉ２ａを、図１１は、画像Ｉ２ｂにおいて、エラ
ーか又は損傷を有する同一人物の同一の指を、それぞれ示す。３つの画像のヒス
トグラムＨＧは、全画像にわたって記録され、０から１８０(のグラジエント角 の関数として示される。これに基づいて、１６クラス（各クラスが、１８０(／ １６＝１１．２５(の角領域を有する）への分類が実行され、各クラスの平均値 Ｈｑが特定され、図８に示される。その結果が、各画像ごとに１６の特徴値を有
するグラフである。明らかにわかるように、図９及び１０によるこれらの画像Ｉ
２ａ及びＩ２ｂのグラフは殆ど同一であり、即ち、同様に定義された閾値Ｓを伴
うことで、双方の画像は、同一物として分類される。したがって、第１に損傷か
らのエラー２０のために、第２に同一には記録されていない画像領域のために、
画像Ｉ２ａ及びＩ２ｂは異なっているけれども、この個人２の識別は依然として
可能である。図１１に示されるように、エッジ上の記録された画像領域Ｉ２ａは
、（画像領域の定義が異なる）画像領域Ｉ２ｂとは一致しない。

【００１４】 既知の詳細評価(minutiae evaluation)の場合、多くの新しい疑似詳細(pseudo
-minutiae)（リッジエンド）が、画像Ｉ２ｂの損傷区域２０に発生し、したがっ
て、識別は、多くの労力につながるか、或いは、それぞれ不可能になる。図９の
個人１の画像Ｉ１のグラフは、個人２のグラフＩ２ａ及びＩ２ｂと、目に見えて
かなり異なる。したがって、１６の特徴値Ｃｉは、特徴Ｇの部分コードＣ１のよ
うに、識別コードＣの認識セキュリティに良い寄与を与える。この例はまた、広
い画像領域にわたって挙げられた(named)特徴のヒストグラムの発明における特 定を示し、また、このことから、相対的に増える認識セキュリティが同様に達成
されるように、圧縮特徴値の特定は、比較的小さい度合いで局所的な画像エラー
によってのみ影響される識別コードになる。これは、既知の詳細評価とは対照的
である。

【００１５】 距離Ｌの特定に関して、前に説明したように、グラジエントＧ特徴もまた、例
えばグリッド３０（しかるに図１６に関して説明されるグラジエント・グリッド
）の各メッシュごとのグラジエント値の特定によって、デジタル・グレースケー
ル値画像から直接特定可能である。

【００１６】 曲率Ｋ特徴 図７による曲率Ｋは、射影方向ｘ及びｙを有する複数の皮膚ライン又は指ライ
ン５の交差ポイントで、指ラインの２次方向のデリべーション(second directio
n derivations)として特定される。これは、例えば、関連した交差ポイントにあ
る指ライン５に対してほぼ円形である円の半径Ｒの逆数として特定される。これ
までに述べた特徴の特定方法に類似して、ここでは、曲率のヒストグラムもまた
、２つの直交する方向ｘ及びｙ、即ち、ＨＫｘ及びＨＫｙ（又は各メッシュ３０
ごとのＫ値の特定によって）、の全画像領域にわたって特定される。骨格化(ske
letated)画像の不規則性のために形成される可能性のある、無関係な非常に小さ
い曲率半径を除外するために、選択規則が適用される。これは、例えば、画像の
中心にある最も狭い曲率半径といったRmin = 0.3 - 0.5mmは含まれるが、例えば
分岐Ｂ５における、より狭い曲率は含まれない。

【００１７】 距離Ｌの特定に関して前に述べたように、グラジエントＧ特徴と、おそらく曲
率Ｋ特徴も、デジタル・グレースケール値画像または二値化はされているが骨格
化はまだされていない画像から導き出される。

【００１８】 発明においては、独立した特徴、リッジ距離Ｌ、グラジエントＧ、及び分岐Ｂ
（皮膚ライン分岐）のみが用いられ、これらの特徴の内の少なくとも２つがコー
ドの特定に用いられる。

【００１９】 特徴Ｌ，Ｇ，Ｋは、詳細の特徴(minutiae features)ではなく、それらのヒス トグラムによって特徴づけられる。特殊な特徴である分岐Ｂもまた、選択され、
また、例えば、マージン内の１つの単一分岐の欠如といった（１度は記録される
が、次の時には記録されない）画像エラーは、影響がないか、或いは実質的な影
響がないという方法で含まれる。

【００２０】 短い識別コードＣの後に求められるものが、個々の画像エラーからか或いは１
つの単一特徴（例えば異なる個々の詳細）から、可能な限り独立していることは
重要である。この理由のために、特徴として用いられる唯一の詳細特性は、分岐
のみを明らかに定義可能で、それによって、これらの分岐Ｂは、他の詳細に対比
して、比較的、画像エラーに対してか或いは、例えば切断からの損傷といった指
ラインの妨害(disturbance)による明白な誤りに対して敏感ではない。切断によ る損傷は、新しいリッジエンドを明白な詳細として作り出すことができるが、分
岐を作り出すことはできない。

【００２１】 ここで、適用される明らかに定義された特徴である分岐Ｂが従来の詳細評価と
は異なる方法で用いられることは重要である。従来の評価は、異なる種類の詳細
及びその位置、種類、オリエンテーションといった各詳細をレジスターし、それ
によって、これらの異なる個々の詳細の相対位置が、評価及びコード識別にもた
らされる。しかしながら、発明においては、１種類のみの詳細が選ばれ、明らか
に定義された分岐は、今ままでとは全く異なる方法で更に用いられる。これは、
ヒストグラム又は個々に骨格化された分岐として以下に説明される。

【００２２】 分岐Ｂ特徴 図１２は、分岐の特定例として用いられる図１０のグレースケール値画像の二
値化及び骨格化表現を示す。この画像で、分岐Bi = B1 - B12が特定され、これ はN = 12の分岐Ｂの数量になる。この目的のために、適した選択規則または定義
基準はそれぞれ、小さいエラー及び他種の詳細（例えば島(islands))が分岐とし
てみなされないように設定される。規則は、例えば、レジスターされた分岐は、
３つのブランチ全ての最低の長さ０．５−１ｍｍを有する必要があり、１つのブ
ランチの長さは少なくとも１−１．５ｍｍでなければいけないというものである
。更に、例えば０．７−１ｍｍの２つの分岐間の最低距離が規定可能である。こ
のような定義基準によれば、例えば図１２の（Ｂ１３），（Ｂ１４）及び図１５
の（Ｂ７）、（Ｂ８）、（Ｂ９）は、分岐とはみなされない。

【００２３】 分岐Ｂは、図１９及び２１に関して説明されているように、コードを生成する
ために定義された個々の分岐又は選択された分岐として用いられることが可能で
あるか、或いは図１３、１４に記載のように、例えば、分岐距離ならびに隣接し
た分岐間にある三角形区域Ｆのヒストグラムが特定可能である。

【００２４】 図１３に記載のように、分岐距離ＬＢは以下のように特定される。Ｎ個の分岐
Ｂiと他の全ての分岐Ｂｊ間の距離ＬＢi−ｊが特定される。これは、Ｎ（Ｎ−１
）個の分岐距離ＬＢi−ｊになる。Ｎ＝１２個を有する例で、これは、距離ＬＢ の関数の度数分布ＨＬＢとしてヒストグラムで作成される１３２個の距離になる
。

【００２５】 これに類似して、図１４によれば、分岐ＢiとＢｊ間の三角形区域Ｆi−ｊが特
定される。各分岐Ｂiからその他の各分岐Ｂｊに達する三角形の第１の辺が定義 され、それによって、三角形の第３の点が、分岐Ｂｋ（ｊではなくｋ）が分岐Ｂ
iに最も近くなるように特定される。例えば、Ｂ１から始まると、区域Ｆ１−２ −３（i = 1 j = 2, k = 3)及びＦ１−３−２（i = 1 j = 3, k = 2)並びにＦ１
−４−２となり、これがＦ１−１２−２まで続く。この選択規則によって、１つ
の区域のみが分岐ごとにレジスターされ、例えば２つの最も近い分岐がＢｋ分岐
の場合、Ｂｊに最も近い１つがＢｋとして用いられる。Ｂ１０からＢ１に向けて
始まる場合、区域はＦ１０−１−１２（i = 10 j = 1, k = 12)となり、即ちベ ースラインは各Ｂｊから始まる。これは、ちょうど１つの三角形をもたらし、従
ってＮ（Ｎ−１）の総数は１３２区域Ｆi−ｊであり、この区域もまた、区域Ｆ の関数として度数分布を有するヒストグラムを形成する。

【００２６】 図１５は、別の指紋画像からの分岐の特定の更なる例を示す。これは、例えば
、非常に接近して位置している分岐Ｂ７,Ｂ８,Ｂ９が評価する分岐としてみなさ
れないという対応選択規則を用いて、分岐Ｂ１からＢ６のみを残すような、従っ
て分岐距離ＬＢ並びに最も近い三角形区域Ｆの数量は、それぞれＮ（Ｎ−１）＝
３０であるといった例である。他の定義基準では、例えばＢ９のみが分岐として
定義可能で、Ｂ７及びＢ８は定義されない。

【００２７】 特徴値の特定 ヒストグラムから、ヒストグラムを特徴づけする単純な特徴値Ｃｉが特定され
る。これらは、例えば、平均値Ｈq,最大値Ｈmax、及び分散Ｈvarといったもので
ある。

【００２８】 更に、ヒストグラムはクラスＨcに分類可能で、例えば平均値及び分散は固有 値として特定可能である（図５）。

【００２９】 選択された分岐特徴 分岐特徴は、コードの特徴Ｃｉ及び識別コードＣの特定のための特定された分
岐特徴を有する個々の明らかに定義された分岐を用いることによって、統計的で
はない方法でも、更に使用可能である。この結果、図１９a及び１９ｂの例で図 示されるように、分岐は、それらの位置によって特定され、即ち、点Ｐ１の局所
座標ｘ１、ｙ１が、オリエンテーション角Ｗａ及びオープニング角Ｗｂと同様に
特定される。明らかに定義されたオープニング角Ｗｂは、例えば、点Ｐ１,Ｐ２ とＰ１，Ｐ３の接続線の間の角と定義可能であり、それによって、点Ｐ２及びＰ
３は、点Ｐ１に適する距離ｒ１（例えばｒ１＝０．５−１ｍｍ）で選ばれる。一
方、例えば、点Ｐ１から、１から１．５ｍｍまでの最小距離ｒ２を有する点Ｐ４
は、小さい画像エラーが間違って分岐としてみなされないように、分岐の定義基
準を形成する。図１９aの例で、比較的小さい分岐角Ｗｂが、例えば図２の分岐 Ｂ６に対応して示され、一方、図１９ｂの例は、例えば図２１の分岐Ｂ８の１つ
に類似した大きなオープニング角Ｗｂを示す。識別された分岐は、コード特定の
ために分類され、すなわち、例えば分岐を導入するためのバレンスといった基準
をソートする。第１の分類基準は、オープニング角Ｗｂであり、それによって大
きいオープニング角はより高いバレンスを有する。分類基準は、例えばオープニ
ング角Ｗｂに比例したバレンスになり得る。更なるソートの基準は、例えば、曲
率中心Ｋｍ（図２１）への距離ＲＢｉといった、中心基準点への分岐の距離ＲＢ
ｉであり、それによって、中心分岐は、より離れているものよりも高いバレンス
を有する。選択の更なる基準として、例えば図２１の指ライン画像の外側輪郭(o
uter contour)Ａ近くのＢ２といった、マージンに近い分岐は、捨てられる。分 岐特徴及び分類基準から、例えば分岐優先順位は、ＢＰ＝Ｗｂ／ＲＢとして定義
可能である。これによって、全ての分岐は、ＢＰに対して降順でソート可能であ
る。短いコードの長さを生成するために、分岐優先順位によってソートされたリ
ストの第１エントリーは使用可能である。図２１の可能な順序は、例えば以下の
順序Ｂ８，Ｂ６、Ｂ５、Ｂ７、Ｂ４になり得る。グラジエントと分岐特徴の組合
わせによって、比較的高い認識セキュリティで特に濃縮された(concentrated)コ
ードが作り出され得る。一方で、グラジエント・グリッドの各セグメントＩＳの
グラジエント特徴から成り、また他方では、分類された分岐Ｂから成る識別コー
ドＣは、特に有利である。この目的のために、中心基準点及び指ライン画像のオ
リエンテーションが必要とされる。

【００３０】 画像前処理 特徴Ｌ及びＧは更なる画像前処理なしでデジタル・グレースケール値画像から
直接特定できる。特徴Ｂの特定及び特徴Ｋの特定もまた、例えば二値化及び骨格
化といった画像前処理としての細線化によってほとんどの場合実行される。次い
で、その他の特徴Ｌ，Ｇ，Ｋは骨格化画像から特定される。有利なバリアントで
は、しかしながら、分岐Ｂもまた、ニューロナル・グリッドによってデジタル・
グレースケール値画像から直接特定可能である。

【００３１】 特徴は、図１６にセグメンテーションとメッシュ分類で図示されるように、以
下の方法でレジスターできる。 a 全画像領域において（特徴L、G、K、Bに対してもまた）。 b 例えば３ｘ５から５ｘ７のセグメントISで分けられた少数の比較的
広いセグメントのそれぞれにおいて。それによって、ヒストグラムが各セグメン
トISに対して特定され、特徴値がそのヒストグラムから導き出される。 c 画像Iをグリッド３０で覆うこと。それによって各メッシュに対し て１つの値のみが特定される。メッシュのサイズは適切に選ばれる（例えば５ｘ
５ピクセル）。 これらの種類のレジストレーションによって、以下の特徴がレジスターされる。

【００３２】 a b c 特徴 L - - G G G K K K B - (B) コードを比較すると、セグメントへの分割が、記録された画像の並進(translati
on)と回転に依存していることに注意を払うべきである。コードの比較に対して 、これを考慮に入れるべきである。 曲率特徴Kは回転には依存しておらず、同じことが分岐の長さBL及び分岐と選ば れた分岐の相対位置から導き出される分岐区域Fにもいえる。グラジエント特徴G
には、画像オリエンテーション軸ｙの特定が必要である。一方、グラジエント特
徴Gは、画像拡張(image dilatations)（画像の拡大及び縮小）には依存していな
い。 少なくとも２つの特徴（L、G、K、B）は、識別コードC=(C１、C2)に部分コード(
C１、C2)として含まれるので、これらの部分コードは、コード評価に対して、異
なった対応で用いられることができる。すなわち、部分コードは、画像定義への
依存と、関連した特徴及びヒストグラム評価或いは選ばれた分岐特徴それぞれへ
の依存度に対応して使用可能である。部分コードは任意の特徴値Ciからの選択で
形成可能である。

【００３３】 画像セクション 図１７は画像定義の依存関係を図示し、それによって、最初に画像I3、次いで画
像I4といった２つの画像が同一の指に記録され、それによって、これらの画像I3
、I4は、異なった領域と、おそらく指紋の縦軸ｙの異なるオリエンテーションも
示す。類似した画像領域を常に比較可能にするために、一部が特徴の特定及びコ
ード生成のための画像セクションIAとして使用可能な、所定の指紋画像から中心
部分を切り取ることもまた可能である。情報量が、端領域よりも指紋の中心Zか らの領域及びその周囲ZUで高いので、この結果、指紋の中心Zからの領域及びそ の周囲ZUは、特徴のレジストレーションとコード生成に有利に用いられる。 適切に定義された画像の位置及びオリエンテーションを有する、例えば２本の指
へのガイダンスといった対応画像記録デバイスによって、セグメント化された画
像もまた、より高いセキュリティにおいて比較可能である。

【００３４】 オリエンテーションと中心基準点 指ライン画像のオリエンテーション及び中心基準点の特定または座標の原点を有
するグリッドの定義に対して、例えばコア点と呼ばれる点は、既知の方法で定義
可能である。しかしながら、これは、かなりの労力と関連があり、また明らかな
コア点が特定できないことが多々ある。単純な方法は、曲率半径重力中心Kmを曲
率特徴Kからの中心基準点として特定することにある。この目的のために、曲率 に対してほぼ円形の円（図７のR参照）の中心が特定され、これらのほぼ円形の 円の規則的に記録された円中心の、座標ｘｍ、ｙｍを有する重力中心Kmが特定さ
れる。しかしながら、中心基準点もまた、例えば外側輪郭A(図２１)を有する画 像区域の重力中心として概算することで、最初に特定可能である。同様に、図２
０に関して記載されているように、ガイド手段３２によって定義された方法で記
録される指画像の記録が使用可能である。更なる可能性は、画像セグメントIS内
のグラジエント分布の分散Hvarから、中心基準点を特定することであり、それに
よって、中心基準点は最大分散を有するセグメントによって特定される。この目
的のために、画像セグメンテーションもまた、変更可能である。 不完全に定義された記録される画像位置で、特徴、特定方法、及びコードの特定
は、例えば特定方法aによる特徴G、Kのように、相対的に位置に依存しないよう に、選ばれるべきであるが、それによって、ほとんどの場合、方向はサポートに
対して特定されるべきである。コード比較に対して、画像もまた、小さい角領域
にわたって回転可能であるか、或いはｘ及びｙ方向に移動可能である。 実現としては、画像定義に依存する発明の方法の変形及び、例えば識別コードC の特定のための以下の特徴の組み合わせといった達成目的が用いられることがで
きる。 １．リッジ距離L、グラジエントG、及び分岐B特徴。 これらもまた、例えばグレースケール値画像から特定可能であり、また例えばヒ
ストグラムの分類を有する、より単純で短いコード（L及びG）に対して特に使用
可能である。 骨格化画像から、以下の特徴が使用可能である。 ２．グラジエントG及び曲率K特徴 ３．グラジエントG及び分岐B特徴 ４．曲率K及び分岐B特徴、これらは双方とも回転に対して変化しない。 ５．グラジエントG、曲率K、及び分岐B特徴。これは、特に高精度のためであ り、高精度に対応することによって、より長いコードが（選択された分岐を用
いても）形成される。 組み合わせた特徴の適切な選択後に、精度に対して所望の要求の長さを有する識
別コードCが最終的に形成されるように、すなわち、コードの長さが、より狭い セグメンテーション及び分類によって、またより多くの特徴値Ciの特定によって
、要求されるところまで引き伸ばし可能であるように、特徴及びそれらのヒスト
グラムならびに精度からの特徴値Ciが特定される精度が選択される。識別コード
Cは、順次に特定できるだけではなく、反復方法でもまた特定可能である。

【００３５】 コードの比較 これら発明における比較的コンパクトな識別コードC（少しのメモリが要求され る）によって、実際、既知の識別、確認及び認証タスクの全てが、局所的で、単
純で、且つ合理的な方法で実行可能である。この結果、２つのコードCaとCbとの
比較、例えば、新しい指紋画像Caのコードと割り当てられたメモリ（これはデー
タバンク或いは識別メディアIMであってもよい）からの基準コードCbとの比較で
は、数学的方法によって、コード差分ＤはD=Ca-Cbであり、この差分は予め特定 可能な閾値（受諾値(acceptance value)）Sと比較される。D<Sの場合、２つのコ
ードCa及びCb、また従ってそれに関連する人物は同一であることがわかる。 この結果、個人に特定の閾値を与えることが可能である。例えば、ある個人の識
別コードがどのくらい完全であるかという依存度、またこの個人にとってこの識
別タスクがどのくらい重要であるかという依存度が特定される。同様な方法で、
閾値Sは、関連した用途に対応して、すなわち、どんな認識セキュリティが望ま れるか、どんな間違い受諾レート(false acceptance rate)(FAR)及び間違い拒否
レート(false rejection rate)(FRR)が許されるかということに関して、予め特 定可能である。 この対応関係の特定には、例えば予め特定された対応閾値Sを有する特徴ベクト ルCのユークリッド距離Dが特定可能である。これは、以下の場合に、特徴値Ciか
ら形成されるコードに対して、指紋１は指紋２と同一であることを意味する。 D = ( (C1i - C2i）2 < S 代替として、識別コードは、以下の方法により、互いに関連することも可能であ
る。式によると、i=1,Nを有する指aiの特徴とi=1,Nを有する第２の指biの特徴間
の相関Korが以下のように形成される。

【００３６】

【数１】

【００３７】 ここで、aqは値aiの平均値であり、bqは値biの平均値である。ai = biの場合、 指は同一であり、つまり相関は１である。Kor = 0の場合、特徴は互いに関連し ておらず、 Kor = -1の場合、特徴は反相関関係にある(anti-correlated)。 更なる可能な比較方法は、 コードCの回帰解析またはモーメント解析のタイプに
よって決まる。更に、異なる特徴或いは特徴値Ciそれぞれと、識別コードC = (C
1, C2)に対応する部分コードC1,C2が、違う扱いをされることも有り得る。 図１８は、比較的短い識別コードCを特定する発明の方法を図示する。以下の方 法のステップの選択と同様に直交する特徴L、G、K、Bの内の少なくとも２つの選
択５２は、一方では画像定義５１に基づき、他方タスク６０に基づく、すなわち
必要とされる所望の用途の認識セキュリティに基づくもので、それは、必要とさ
れる間違い受諾レート(FAR)及び間違い拒否レート(FRR)であり得る。画像定義（
すなわち、オリエンテーション、セクション、画像記録及び画質の品質）に関係
して、それに対応して敏感ではない特徴及びレジストレーションの種類が選択さ
れる。同様に、可能な画像前処理５３が、グレースケール画像、二値化画像、或
いは細分化(thinned)・骨格化ライン画像から直接に特徴を特定することに対し て実行可能である。次のステップ５４で、可能な画像オリエンテーション、中心
基準点または例えばKmといった座標の原点、ならびに画像セクションIA或いはセ
グメンテーションISの選択が、それぞれ続く。これに対応して最適なスクリーニ
ング或いはデータ量を有するヒストグラムHが特定される。ヒストグラムに加え て、位置、オリエンテーション角Wa及びオープニング角Wbを有する、個々の定義
された特徴、分岐Bがステップ５６で特定可能であり、ステップ５７では、分岐 の分類、分岐優先順位BPによる骨格化或いはバレンスが、それぞれ実行可能であ
る。ステップ５８では、特徴値Ciの特定が行われ、ステップ５９では、識別コー
ドCの組成(composition)が行われる。すなわち、対応する、より長いか或いはよ
り短いコードの長さが、ステップ６０で所望の認識セキュリティFAR及びFRRに達
するまで組成される。コードＣの組成に対応して、識別評価のための評価方法及
び閾値Sが選択可能である。識別評価（比較）Ca - Cb = D < Sがステップ６２で
実行される。したがって、発明の方法は、広範囲な用途で全般に適用可能であり
、また計算労力及びコードの長さに関する所望のタスクに最適にマッチする。 図２０は、画像記録デバイス３１及び評価エレクトロニクス３４と評価対数３５
を有する特徴値Ciを特定するステーションを有する方法を実行し、識別コードC 又はCaそれぞれの、すなわち記録される指１、２の画像記録に対応する実際の識
別コードの、特徴値から、保存された基準コードCbと実コード(actual code)Ca との間のコードの比較Ca - Cbを実行するデバイスを示す。このコード比較は、 対応するリーディング・ステーションWRでも実行可能である。コード比較に対応
して、すなわち実際の個人の確認に対応して、対応するファンクション・ステー
ション制御のアクセス機能が実践可能である。画像記録デバイス３１は、ここで
、記録される１本の指または２本の隣り合った指１、２のオリエンテーションと
位置決めのためのリミットストップを有する、ガイド及び位置決め手段３２(gui
ding and positioning)を含む。加えて、指の縦軸の位置決めをするラテラル・ リミットストップ及び指画像の位置決めをし、したがって中心基準点または指画
像の中心を特定する、フロント・リミットストップが、それぞれ提供可能である
。この種の２本の指を記録するデバイスは、例えばPCT CH98/00241 = WO 98/092
46に開示されている。発明のデバイスによって、コード比較Ca - Cbは、基準コ ードCbを有する中心データバンクを必要とせずに、局所的に実行可能である。発
明のデバイスはまた、認可された個人に対応する識別メディアIMを含み、それに
よって、個人の基準コードCb及び更なる情報が識別メディアIM又はメモリ４３内
に含まれ、それによって、対応するリーディング・ステーションWRとのコード化
された通信４０が実行可能である。この結果、認可された個人の基準コードCbは
、識別メディアのみに格納され、確認ステーションか或いはデータバンクには格
納されない。これは、より優れたデータ保護を可能にする。 更なる変形例では、コード比較Ca - Cb、すなわち、実コードCaと個人の基準コ ードCbとのコード比較はまた、プロセッサー４１によって、識別メディア自体の
中で実行可能である。この場合、実コードCaは、リーディング・ステーションWR
から識別メディアに単に伝送されるべきであり、一方いかなるコードも識別メデ
ィアから伝送されるべきではない。別の変形例では、デバイスは、基準コードCb
用に、メインプロセッサーを有するマスターシステム４７とデータバンク４８に
接続可能である。識別メディアIMは、更に対応するファシリティーの機能ステー
ション４６用に、アクセス及び機能認可を含むことができる。

【００３８】 予め選択されたデータバンク・サーチ 速いデータバンク・サーチが、バイオメトリックな認識特徴によって、多量の基
準コードCbのみを有する住民データバンクからの個人の明確な識別に必要とされ
る用途においては、識別は、ステップを踏んで実行可能である。この結果、比較
は、完全なバイオメトリック識別コードCaでは実行されず、サーチが相当に速く
実行できるように、部分コードか或いは個々の特徴値Ciによってのみ行われる。
第１のステップでは、例えば部分コードC1のみが比較され、次いで、第２のステ
ップで、量を減らした残りを第２の部分コードC2と比較する。これは、データバ
ンクからのかなり少量の残りでの完全なコード評価になるまで続けられる。この
種のサーチは、完全な識別コードCに対するサーチよりも、かなり速い。主要な バイオメトリックデータに対するサーチは、有利に分類され、例えばグラジエン
ト及び選択された分岐特徴はこの目的のためにステップで用いられる。更なる方
法は、クォードラント・セグメンテーション（カッドツリー）の方法によるグラ
ジエント・セグメントの形成にある。この結果、画像はグラジエント・ヒストグ
ラムが形成される各々からの４つのセグメントに分けられる。次のステップでは
、各クォードラントが、もう一度４つのクォードラントに分けられ、最終的にグ
ラジエント・ヒストグラムが、みなされるセグメントのメインライン・タンジェ
ントに集まるまで続けられる。

【図面の簡単な説明】

【図１】 ｘ方向でのリッジ距離Ｌの特定を示す。

【図２】 グレースケール値画像からのリッジ距離の特定を示す。

【図３】 ｘ及びｙ方向でのＬの特定を示す。

【図４】 度数分布ＨＬを距離の長さＬの関数として示す。

【図５】 クラス値の特定による分類を示す。

【図６】 グラジエントＧの特定を示す。

【図７】 曲率Ｋの特定を示す。

【図８】 異なる画像のグラジエント分布ＨＧのクラス値を図示する。

【図９】−

【図１１】 異なる指紋画像Ｉを示す。

【図１２】 骨格化画像での分岐Ｂの特定を示す。

【図１３】 分岐距離ＬＢの特定を示す。

【図１４】 分岐領域Ｆの特定を示す。

【図１５】 分岐Ｂの更なる特定例を示す。

【図１６】 セグメンテーション及びグリッドによる画像の覆いを示す。

【図１７】 可能な画像セクションを図示する。

【図１８】 発明の方法を表した図を示す。

【図１９a】

【図１９b】 定義された分岐の例を示す。

【図２０】 方法を実行する発明のデバイスを示す。

【図２１】 分岐の分類に関する図を示す。

【符合の説明】

以下の用語が説明及び図で用いられる。 L リッジ距離 G グラジエント K 曲率 B 分岐 LB 分岐距離 F 分岐区域 H 度数分布、ヒストグラムH(L), Ｈ(G), H(Ｋ), Ｈ(Ｂ:ＬＢ, Ｆ) Hc Hの分類(classiification) Hq 平均値 Hmax 最大値 Hvar Hの分散 De グレースケール値 I1, I2 指紋画像 IA 画像セクション IS 画像セグメント C 識別コード（特徴ベクトルＣi） Ca 実コード Cb 基準コード C1, C2 部分コード Ci 特徴値 D コード差分 S 閾値、受諾値 Z 中心 ZU 周囲 x 横座標 y 縦座標、指の縦軸 dx, dy スクリーニング FAR 間違い受諾レート FRR 間違い拒否レート IM 識別メディア、データキャリヤ WR リーディングステーション BP 分岐優先順位 P1 - P4 Wbの定義 r1, r2 距離 Wa オリエンテーション角 Wb Bのオープニング角 P1(x1, y1) Bの局所座標 Km 曲率半径重力中心 xm, ym Kmの座標 RBi 中心基準点からBiまでの距離 A 指画像Iの外側輪郭(outer contour) 1, 2 指 5 指ライン、皮膚ライン 10 グレースケール値 20 画像エラー、損傷 30 グリッド 31 画像記録デバイス 32 ガイド及び位置決め手段(guiding and positioning mean) 34 評価エレクトロニクス、評価ステーション 35 評価アルゴリズム 40 コード化された通信 42 プロセッサー 43 メモリ 46 アクセス機能（機能ステーション） 47 マスターシステム、メインプロセッサー 48 データバンク 51 画像定義 52 特徴L, G, K, Bの選択 53 画像前処理、骨格化 54 画像セクション、セグメンテーション 55 ヒストグラムの形成 56 分岐の特定 57 分類、Ｂの選択 58 特徴値Ciの特定 59 識別コードCの特定 60 用途、要求（FAR, FRR） 61 評価方法、閾値Sの選択 62 識別比較Ca - Cb

───────────────────────────────────────────────────── フロントページの続き (81)指定国 ＥＰ(ＡＴ，ＢＥ，ＣＨ，ＣＹ， ＤＥ，ＤＫ，ＥＳ，ＦＩ，ＦＲ，ＧＢ，ＧＲ，ＩＥ，Ｉ Ｔ，ＬＵ，ＭＣ，ＮＬ，ＰＴ，ＳＥ)，ＯＡ(ＢＦ，ＢＪ ，ＣＦ，ＣＧ，ＣＩ，ＣＭ，ＧＡ，ＧＮ，ＧＷ，ＭＬ， ＭＲ，ＮＥ，ＳＮ，ＴＤ，ＴＧ)，ＡＰ(ＧＨ，ＧＭ，Ｋ Ｅ，ＬＳ，ＭＷ，ＳＤ，ＳＺ，ＵＧ，ＺＷ)，ＥＡ(ＡＭ ，ＡＺ，ＢＹ，ＫＧ，ＫＺ，ＭＤ，ＲＵ，ＴＪ，ＴＭ) ，ＡＬ，ＡＭ，ＡＴ，ＡＵ，ＡＺ，ＢＡ，ＢＢ，ＢＧ， ＢＲ，ＢＹ，ＣＡ，ＣＨ，ＣＮ，ＣＵ，ＣＺ，ＤＥ，Ｄ Ｋ，ＥＥ，ＥＳ，ＦＩ，ＧＢ，ＧＥ，ＧＨ，ＧＭ，ＨＲ ，ＨＵ，ＩＤ，ＩＬ，ＩＳ，ＪＰ，ＫＥ，ＫＧ，ＫＰ， ＫＲ，ＫＺ，ＬＣ，ＬＫ，ＬＲ，ＬＳ，ＬＴ，ＬＵ，Ｌ Ｖ，ＭＤ，ＭＧ，ＭＫ，ＭＮ，ＭＷ，ＭＸ，ＮＯ，ＮＺ ，ＰＬ，ＰＴ，ＲＯ，ＲＵ，ＳＤ，ＳＥ，ＳＧ，ＳＩ， ＳＫ，ＳＬ，ＴＪ，ＴＭ，ＴＲ，ＴＴ，ＵＡ，ＵＧ，Ｕ Ｓ，ＵＺ，ＶＮ，ＹＵ

Claims (32)

【特許請求の範囲】
1. 【請求項１】以下の独立した特徴、リッジ距離L、グラジエントG、分岐Bの 内の少なくとも２つがレジスターされ、前記特徴の内の少なくとも１つから、ヒ
   ストグラムＨが特定され、前記ヒストグラムから、特性値（平均値、分散、最大
   ）が、識別コードCを形成するベクトルコンポネントとしての圧縮特徴値Ciとし て特定されることを特徴とする、指紋画像又はデジタル・グレースケール値画像
   からの識別コード特定方法。
2. 【請求項２】前記グラジエントＧ特徴が用いられることを特徴とする請求項
   １記載の識別コード特定方法。
3. 【請求項３】前記ヒストグラムＨが少なくとも２つの直交する方向（x, y) で特定されることを特徴とする請求項１又は請求項２に記載の識別コード特定方
   法。
4. 【請求項４】画像前処理が、例えば二値化及び骨格化(skeletation)によっ て実行されることを特徴とする上記請求項のいずれか一項に記載の識別コード特
   定方法。
5. 【請求項５】ヒストグラムの分類(classification)Ｈcが実行され、それに よって各クラスに対して少なくとも１つの特性値が特徴値Ｃiとして特定される ことを特徴とする上記請求項のいずれか一項に記載の識別コード特定方法。
6. 【請求項６】記録画像ＩがいくつかのセグメントISに細分され、特徴（Ｌ、
   Ｇ，Ｋ，Ｂ）の前記ヒストグラムＨが各セグメントISに対して特定されることを
   特徴とする上記請求項のいずれか一項に記載の識別コード特定方法。
7. 【請求項７】前記識別コードＣが、指紋画像の中心Ｚとその周囲ＺＵを含む
   画像セクションIAから導き出されることを特徴とする上記請求項のいずれか一項
   に記載の識別コード特定方法。
8. 【請求項８】前記識別コードＣの長さが、精度の要求或いは認識セキュリテ
   ィ(FAR, FRR)がそれぞれ所望の用途にかなうように選ばれることを特徴とする上
   記請求項のいずれか一項に記載の識別コード特定方法。
9. 【請求項９】前記特徴の部分コードC1, C2が、各様に特定され、及び/又は コード評価に違うように用いられることを特徴とする上記請求項のいずれか一項
   に記載の識別コード特定方法。
10. 【請求項１０】定義された個々の分岐Ｂが特徴として用いられることを特徴
    とする上記請求項のいずれか一項に記載の識別コード特定方法。
11. 【請求項１１】前記分岐特徴Ｂがニューロナルグリッドによってデジタル・
    グレースケール画像から直接特定されることを特徴とする請求項１０記載の識別
    コード特定方法。
12. 【請求項１２】前記分岐特徴Ｂがそのオープニング角Wbによって及び/又は 指紋の中でのその位置によって分類されることを特徴とする請求項１０記載の識
    別コード特定方法。
13. 【請求項１３】分岐優先順位BPが分類に対して定義され、それによって、前
    記オープニング角Wbが増え、また画像中心までの距離RBiが減るにつれて、分岐 優先順位が増えることを特徴とする請求項１０記載の識別コード特定方法。
14. 【請求項１４】前記分岐優先順位BPがBP = Wb/RBiと定義されていることを 特徴とする請求項１０記載の識別コード特定方法。
15. 【請求項１５】中心基準点が指紋画像の座標原点として定義されていること
    を特徴とする上記請求項のいずれか一項に記載の識別コード特定方法。
16. 【請求項１６】曲率半径重力中心Kmが前記中心基準点として定義されている
    ことを特徴とする請求項１５記載の識別コード特定方法。
17. 【請求項１７】前記画像セグメントISでの前記グラジエント分布の前記分散
    Hvarが特定され、前記中心基準点が最大分散を有する前記セグメントによって特
    定されることを特徴とする請求項１５記載の識別コード特定方法。
18. 【請求項１８】前記画像を記録する際に、前記指の縦軸(y)と前記中心基準 点が、ガイド及び位置決め手段(guiding and positioning means)（３２）によ って、少なくとも概ね特定されることを特徴とする上記請求項のいずれか一項に
    記載の識別コード特定方法。
19. 【請求項１９】前記グラジエントＧ特徴及び前記分岐Ｂ特徴が用いられるこ
    とを特徴とする上記請求項のいずれか一項に記載の識別コード特定方法。
20. 【請求項２０】前記識別コードCが、グラジエント・グリッド及び分類され た前記分岐Ｂの各々の前記セグメントISに、グラジエント特性から形成されるこ
    とを特徴とする請求項１９記載の識別コード特定方法。
21. 【請求項２１】部分コードが形成され、データバンク（４８）の多量の基準
    コードCbとの比較Ca - Cbが前記部分コードに対応したステップで実行されるこ とを特徴とする上記請求項のいずれか一項に記載の識別コード特定方法。
22. 【請求項２２】ステップでの前記評価が、グラジエント・セグメントとクォ
    ードラント細区分(quadrant-subdivision)（カッドツリー）方法によって実行さ
    れることを特徴とする請求項２１記載の識別コード特定方法。
23. 【請求項２３】実際の識別コードCaが記録され、特定され、また、対応する
    リーディング・ステーションWRによって、対応する識別メディアIMに格納された
    個人基準コードCbと局所的に比較されることを特徴とする上記請求項のいずれか
    一項に記載の識別コード特定方法。
24. 【請求項２４】前記識別コードCが順次方法及び/又は反復方法で特定される
    ことを特徴とする上記請求項のいずれか一項に記載の識別コード特定方法。
25. 【請求項２５】電子画像記録デバイス（３１）と、評価エレクトロニクス（
    ３４）及び評価アルゴリズム（３５）を有し、識別コードC, Caを特定し、格納 された基準コードCbとのコード比較Ca - Cbを実行し、並びに対応する機能ステ ーション制御のアクセス機能（４６）を有するステーションによって特徴づけら
    れる、上記請求項のいずれか一項に記載の識別コード特定方法の実行デバイス。
26. 【請求項２６】記録される１本或いは２本の隣り合った指（1, 2）のオリエ
    ンテーション及び位置決め用のラテラル・リミットストップ及びフロント・リミ
    ットストップを有するガイド及び位置決め手段（３２）によって特徴づけられる
    、請求項２５記載の識別コード特定方法の実行デバイス。
27. 【請求項２７】前記コード比較Ca - Cbが局所的に実行されることを特徴と する、請求項２５又は請求項２６に記載の、識別コード特定方法の実行デバイス
    。
28. 【請求項２８】前記個人の前記基準コードCbと対応するリーディング・ステ
    ーションWRとのコード化された通信（４０）の更なる情報を含む、認可された個
    人の対応する識別メディアIMによって特徴づけられる、請求項２５乃至２７のい
    ずれか一項に記載の、識別コード特定方法の実行デバイス。
29. 【請求項２９】前記実コードCaが、前記識別メディアIMに伝送され、前記基
    準コードCbとの前記コード比較が前記識別メディアIMのプロセッサー（４２）に
    よって実行されることを特徴とする、請求項２８記載の、識別コード特定方法の
    実行デバイス。
30. 【請求項３０】メインプロセッサーと前記基準コードCbのデータバンク（４
    ８）とローカル機能ステーション（４６）とを有するマスターシステム（４７）
    によって特徴づけられる、請求項２５記載の、識別コード特定方法の実行デバイ
    ス。
31. 【請求項３１】コードが、請求項１乃至２４のいずれか一項に記載の方法で
    、対応するリーディング・ステーションWRとのコード化された通信（４０）用に
    特定される、格納された個人の基準コードCbで認可された個人の識別メディアIM
    。
32. 【請求項３２】対応する機能ステーション（４６）に対するアクセス及び機
    能認可を有する請求項３１記載の識別メディア。