JP2003115051A - マルチモーダルバイオメトリック方法並びに装置及びプログラム製品 - Google Patents

マルチモーダルバイオメトリック方法並びに装置及びプログラム製品

Info

Publication number
JP2003115051A
JP2003115051A JP2002193372A JP2002193372A JP2003115051A JP 2003115051 A JP2003115051 A JP 2003115051A JP 2002193372 A JP2002193372 A JP 2002193372A JP 2002193372 A JP2002193372 A JP 2002193372A JP 2003115051 A JP2003115051 A JP 2003115051A
Authority
JP
Japan
Prior art keywords
user
classes
statistical
assignment
statistical information
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
Application number
JP2002193372A
Other languages
English (en)
Inventor
Wolfgang Kuepper
キュッパー ヴォルフガング
Matthias Schuster
シュースター マティアス
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Siemens AG
Original Assignee
Siemens AG
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Siemens AG filed Critical Siemens AG
Publication of JP2003115051A publication Critical patent/JP2003115051A/ja
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/25—Fusion techniques
    • G06F18/254—Fusion techniques of classification results, e.g. of results related to same input data
    • G06F18/256—Fusion techniques of classification results, e.g. of results related to same input data of results relating to different input data, e.g. multimodal recognition

Abstract

(57)【要約】 （修正有） 【課題】 高いトレーニングコスト、不充分なエラーレ
ート及び他のバイオメトリ、システム又は他のバイオメ
トリ個数で使用するように変更し難いという従来技術の
欠点を回避し、且つ、所定の確実度を調整可能乃至選択
可能なマルチモーダルバイオメトリを開発すること。 【解決手段】 少なくとも１人のユーザに、少なくとも
２つのクラスのうちの一方のクラスが配属され、ユーザ
に対して求められたバイオメトリックデータと各クラス
用のリファレンスデータとの類似の尺度である類似度が
用いられ、各クラスに対する少なくとも２つの個別バイ
オメトリの統計的な情報の結合から、少なくとも２つの
クラスの各々に対する前記統計的な全情報が形成され、
個別バイオメトリの統計的な情報は、類似度に依存する
ユーザの、クラスへのメンバーシップについての統計的
な情報にされ、所定の配属判定基準が充足される場合、
ユーザは、少なくとも２つのクラスの一方に配属され
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、マルチモーダルバ
イオメトリック方法並びに装置及びプログラム製品に関
する。
【０００２】
【従来の技術】ユーザの認証のために、バイオメトリッ
ク方法を使用することができ、即ち、ユーザが人体の特
徴又は特徴的な行動パターンを用いて検出される。マル
チモーダルバイオメトリは、２つ又は複数の個別バイオ
メトリ(例えば、音声認識、署名認識、手の幾何形状認
識、指紋認識、瞳孔認識、顔認識)を全システムで統合
する。個別バイオメトリを有するバイオメトリック方法
は、例えば、世界知的所有権機関特許第98/24051号、世
界知的所有権機関特許第98/25228号、世界知的所有権機
関特許第98/50880号、世界知的所有権機関特許第99/082
23号に、署名のダイナミック検証の形式で開示されてお
り、ドイツ連邦共和国特許出願第19952049号公報に音声
検証の形式で開示されており、米国特許出願公開第5533
177号公報、米国特許出願公開第5751843号公報、米国特
許出願公開第5828779号公報、ヨーロッパ特許第0560779
号公報、ヨーロッパ特許第0713592号公報、ヨーロッパ
特許第0800145号公報及び世界知的所有権機関特許第98/
38533号には、手認識又は手の位置特定用の方法として
開示されている。
【０００３】マルチプルバイオメトリは、確実度が比較
的高く、快適性が向上するが、個別バイオメトリの対応
関係を最適に組み合わせる必要性がある。
【０００４】マルチモーダルバイオメトックシステムに
は、以下の要件が設定される: -最良の個別バイオメトリよりも高い確実度 -高速配属時間 -フォールスアクセプタンスレート(誤採択率)FAR -低くて、殊に所定の平均フォールスリジェクションレ
ート(誤棄却率)FRR バイオメトリック方法には、本人(本もの)(権限を認定
されたユーザ)のクラスの特徴を、不正行為実行者(偽も
の) (imposter)クラスの特徴から最適に分離する、バイ
ナリクラシフィケーションの問題がある。マルチモーダ
ルバイオメトリにも、バイナリクラシフィケーション問
題があり、特徴空間のディメンションは、使用されてい
る個別バイオメトリの個数に依存している。
【０００５】複数の個別バイオメトリをマルチモーダル
バイオメトリック方法に組み合わせるのに、種々のやり
方がある。つまり: -論理結合: アンド/オア/組み合わせ結合; Dieckmann,
U. 他: "SESAM: A biometric person identification s
ystem using sensor fusion", Pattern recognition Le
tters 18, 1997, pp. 827-833. -ウェイテッドトータルスコア(得点): 個別スコア乃至
コスト(費用)から、トータルスレッショールドに対し
て; Brunelli, R. 及び Falavigna, D. "Person Identi
fication Using Multiple Cues", IEEE. Transactions
on Pattern Analysis and maschine Intelligence, Vo
l. 17, No. 10, 1995. -サポートベクトルマシーン(SVM): クラスを分離するサ
ポートベクトルは、トレーニングプロセスによって求め
られる; Ben-Yacoub, S. "Multi-Modal Fusion For Per
son Authentication Using SVM", IDIAP Research Repo
rt 98-07 Martigny-Valais-Suisse, 1998. -ベイズの統計: スコアの正規分布が前提となる; Bigue
n, E.S. 他 "Expert Conciliation for Multi Modal Pe
rson Authentication Systems by Bayesian Statistic
s" , Proceedings 1st Int. conf. on Audio-& Video-B
ased Personal Authentication, 1997, pp. 327-334. -ニューラルネットワーク(NN): データドリブンクラス
セパレーション; Brunelli, R. 及び Falavigna, D. "P
erson Identificatoin Using Multiple Cues", IEEE. T
ransactions on Pattern Analysis and Maschine Intel
ligence, Vol. 17,No. 10, 1995. 全てのバイオメトリック方法で、リファレンス特徴とテ
スト特徴とが相互に比較されて、類似度を用いて同じユ
ーザから検出したテスト特徴であるかどうか判定され
る。つまり、類似度とは、ユーザに対して求められたバ
イオメトリックデータと、各クラスのユーザのリファレ
ンスデータとの類似(一致)の程度のことである。類似の
程度は、リファレンス特徴と同じユーザから検出したテ
スト特徴との間隔(距離)、又はリファレンスパターンと
同じユーザから検出したテストパターンとの間隔(距離)
、所謂コスト(費用)、又は、リファレンス特徴と同じ
ユーザから検出したテスト特徴との確率の程度を示す所
謂スコア(得点)である。コストの値領域は、0と所定最
大値との間であり、その際、類似度の高い小さなコスト
と類似度の低い大きなコストが形成される。スコアの値
は、0と1との間の領域内にある。1のスコアは、最大一
致の際に生じ、0のスコアは、最小一致の際に生じる。
【０００６】従来技術の、実際に市販されているマルチ
モーダルシステムが主として使用されている、論理結合
によるバイオメトリの組み合わせの例について、以下説
明する。アンド結合は、n個のバイオメトリの論理結合
であり、その際、個別バイオメトリ全てに対して、コス
ト(K１,K２,・・・,Kｎ)が所定境界値(T１,T２,・・・,
Tｎ)の下側、乃至、スコア(S１,S２,・・・,Sｎ)が所定
境界値(T１,T２,・・・,Tｎ)の上側である。
【０００７】コストの論理アンド結合の判定基準: (K１＜T１)&(K２＜T２)&...&(Kｎ＜Tｎ) スコアの論理アンド結合の判定基準: (S１＞T１)&(S２＞T２)&...&(Sｎ＞Tｎ) 図1には、以下詳述する2つのバイオメトリ1及び2の組み
合わせ用論理アンド結合時のコストと、スコアとの可能
な配属境界値G及び所属の仮定領域A(斜線領域)の例が図
示されている。縦軸には、バイオメトリ1のコストK１が
示されており、横軸には、バイオメトリ2のスコアS２が
示されている。
【０００８】オア組み合わせでは、ユーザは一方のバイ
オメトリでのみコストを所定境界値より下側に形成し、
乃至、スコアを所定境界値の上側に形成する必要があ
る。
【０００９】コストでの論理オア結合の判定基準: (K１＜T１)｜(K２＜T２)｜...｜(Kｎ＜Tｎ) スコアでの論理オア結合の判定基準: (S１＞T１)｜(S２＞T２)｜...｜(Sｎ＞Tｎ) 図2には、バイオメトリ1及びバイオメトリ2の組み合わ
せ用の論理オア結合時のコスト乃至スコアの配属境界値
G及び所属の仮定領域A(斜線領域)の例が図示されてい
る。
【００１０】このような既存の手法及びシステムは、部
分的に幾つかの欠点を有している。この欠点は、例え
ば、個別バイオメトリのコストが正常に分割されている
個別バイオメトリについての具体的な仮定であり、高い
トレーニングコスト(NN, SVN)、不充分なエラーレート
及び他のバイオメトリ、システム又は他のバイオメトリ
個数で使用するように変更し難いという欠点がある。と
言うのは、組み合わせ、例えば、使用されたシステム、
バイオメトリでの重み付けされたトータルスコアの方法
での重み、及びその個数が最適化されるからである。
【００１１】
【発明が解決しようとする課題】本発明の課題は、既述
の欠点を回避し、且つ、殊に、所望のフォールスアクセ
プタンスレート、従って、所定の確実度を調整可能乃至
選択可能なマルチモーダルバイオメトリを開発すること
にある。
【００１２】
【課題を解決するための手段】課題を解決するため、本
発明は、 −少なくとも１人のユーザに、少なくとも２つのクラス
のうちの一方のクラスを配属し、 −前記ユーザに対して求められたバイオメトリックデー
タと前記各クラス用のリファレンスデータとの類似の尺
度である類似度を用い、 −少なくとも２つのクラスの各々に対して、前記類似度
に依存する前記ユーザの、前記クラスへのメンバーシッ
プ(所属度)について統計的な全情報を提示し、 −前記各クラスに対する少なくとも２つの個別バイオメ
トリの前記統計的な情報の結合から、少なくとも２つの
クラスの各々に対する前記統計的な全情報を形成し、前
記個別バイオメトリの前記統計的な情報を、前記類似度
に依存する前記ユーザの、前記クラスへの前記メンバー
シップについての統計的な情報にし、 −前記統計的な全情報に依存する配属判定基準が充足さ
れる場合、ユーザを、少なくとも２つのクラスの一方に
配属することを提案するものである。
【００１３】
【発明の実施の形態】マルチモーダルバイオメトリック
方法では、少なくとも１人のユーザに、少なくとも２つ
のクラスのうちの一方のクラスが配属される。この２つ
のクラスは、殊に本人(本もの)のクラスと不正行為実行
者(偽もの)クラスである。
【００１４】更に、この方法では類似度が使用され、つ
まり、ユーザに対して求められたバイオメトリックデー
タと各クラスの１つに対するリファレンスデータとの類
似の尺度が使用される。類似度としては、殊に上述のコ
スト及び／又はスコアを用いるとよい。
【００１５】各々のクラス用の少なくとも２つの個別バ
イオメトリの統計情報を結合することにより、統計的な
全情報が求められる。個別バイオメトリの統計的な情報
は、統計的な全情報同様、類似度に依存するユーザの、
クラスへのメンバーシップについての統計的な情報であ
る。
【００１６】ユーザとクラスとは、各クラスの統計的な
全情報の比較によって配属される。統計的な全情報に依
存する配属判定基準が充足されると、そのユーザは、少
なくとも２つのクラスの一方のクラスに配属される。
【００１７】既述の方法とは異なり、個別バイオメトリ
の統計的な情報が先ず結合され、それから、形成された
統計的な全情報が評価されるのであって、最初に個別バ
イオメトリの統計的な情報が評価されるのではなく、そ
れから結果が結合される。以下詳述するように、そうす
ることによって著しく改善された結果が達成され、マル
チモーダルバイオメトリック方法は著しく精確な特定の
要件に適合することができる。
【００１８】有利には、マルチモーダルバイオメトリッ
ク方法は、ユーザの認証及び／又はユーザの真性決定の
ための方法として構成されている。その際、２つのクラ
スは本人(本もの)のクラスと不正行為実行者(偽もの)ク
ラスである。
【００１９】個別バイオメトリの統計的な情報を確率密
度にすると目的に適っている。殊に、この場合には、統
計的な全情報が得られる少なくとも２つの個別バイオメ
トリの統計的な情報が結合され、個別バイオメトリが統
計的に充分に独立している場合には、各個別バイオメト
リの統計的な情報が乗算される。
【００２０】統計的な全情報も確率密度にすると目的に
適っている。
【００２１】個別バイオメトリ用の類似度は、算出し易
くするために各々コスト又はスコアの何れか一方を有し
ている。しかし、種々異なる個別バイオメトリに対し
て、一方のコスト及び他方のスコアを有する種々異なる
類似度を用いても何ら問題は生じない。
【００２２】統計的な情報及び／又は統計的な全情報
を、算出し易くするために正規化すると目的に適ってい
る。
【００２３】この方法の特別な利点は、所定クラスへの
配属レートを精確且つ有意義に制御する手段、従って、
フォールスアクセプタンスレート(誤採択率)FAR及び／
又はフォールスリジェクションレート(誤棄却率)FRRの
制御手段にある。そのために、所定値の選定は、所望の
フォールスアクセプタンスレートFAR及び／又は所望の
フォールスリジェクションレートFRRに相応して、少な
くとも２つのクラスのうちの一方のクラスへのユーザの
所望の配属レートが達成されるようにされる。
【００２４】有利な実施例では、ユーザの、少なくとも
2つのクラスの一方のクラスへのメンバーシップについ
ての統計的な全情報と、ユーザの、少なくとも2つのク
ラスの他方のクラスへのメンバーシップについての統計
的な全情報との所定の比から、このユーザは、少なくと
も２つのクラスのうちの一方のクラスに配属される。こ
の比は、相応の代数的な変形によって差として、又は、
他の等値な判定基準として定式化してもよい。
【００２５】この構成では、最も簡単な場合、所定の値
は丁度1又はほぼ1に等しい。
【００２６】この方法の特別な利点は、所定のクラスへ
の配属を精確且つ有意義に制御する手段、従って、フォ
ールスアクセプタンスレートFAR及び／又はフォールス
リジェクションレートFRRを制御する手段にある。その
ために、所定値の選定は、所望のフォールスアクセプタ
ンスレートFAR及び／又は所望のフォールスリジェクシ
ョンレートFRRに相応して、少なくとも２つのクラスの
うちの一方のクラスへのユーザの所望の配属レートが達
成されるようにされる。
【００２７】本発明の他の有利な実施例では、少なくと
も２つのクラスのうちの一方のクラスへの、ユーザのメ
ンバーシップについての統計的な全情報と、少なくとも
２つのクラスの単数乃至複数の他のクラスへの、ユーザ
のメンバーシップについての統計的な全情報との比の配
属判定基準に対して択一選択的に、又は、付加的に、他
の配属判定基準を利用してもよい。これは、このクラス
への、ユーザのメンバーシップについての統計的な全情
報が所定境界値を超過した場合に、少なくとも２つのク
ラスのうちの一方のクラスにユーザが配属される点にあ
る。
【００２８】殊に、最初にあげた判定基準だけを用いた
場合に、フォールスアクセプタンスレートFARが所定の
目標値を超過する際には、この配属判定基準を付加的に
用いるとよい。
【００２９】結局、択一選択的に、又は付加的に、第３
の配属判定基準を用いてもよい。これは、少なくとも２
つのクラスのうちの単数乃至複数の他のクラスへの、ユ
ーザの配属についての統計的な全情報が、所定境界値よ
り下側である場合に、少なくとも２つのクラスのうちの
一方のクラスにユーザが配属される点にある。
【００３０】最初にあげた配属判定基準の場合同様に、
最後に挙げた両判定基準でも、個別バイオメトリの統計
的な情報を最後に算出し、それから、全情報を評価する
という本発明の基本的な技術思想からの特別な利点が得
られる。これは、所望のフォールスアクセプタンスレー
トFAR又は所望のフォールスリジェクションレートFRRに
相応して、所望の配属レートを形成する点にある。更
に、この方法を制御して簡単且つ有意義な結果を奏する
ことができる。
【００３１】既述の方法を実行するように装置構成され
た装置は、例えば、相応のプログラミング及びコンピュ
ータ又は計算装置の装置構成により実施することができ
る。既述の方法の１つをデータ処理装置で実行すること
ができるソフトウェアコードセグメントを有するデータ
処理装置用のプログラム製品は、この方法をプログラミ
ング言語で適切に実施し、データ処理装置で実行可能な
コードに変換することによって実施することができる。
このソフトウェアコードセグメントは、そのために記憶
される。その際、プログラム製品とは、市販の製品とし
てのプログラムのことである。任意の形式で、例えば、
紙、コンピュータ読み出し可能なデータ坦体又はネット
ワークを介して配布されているものでよい。
【００３２】
【実施例】以下、図示の実施例を用いて、本発明につい
て詳細に説明する。
【００３３】本発明の方法は、コスト乃至スコアの機能
分布について仮定してはおらず、各個別バイオメトリの
測定されたコスト乃至スコア分布を使用する。
【００３４】ここに図示した実施例では、スコアに基づ
くバイオメトリ2、及び、コストを使用するバイオメト
リ1が、マルチモーダルバイオメトリにまとめられてい
る。
【００３５】この方法の基本は、本人(本もの)及び不正
行為実行者(偽もの)のコスト乃至スコアの多次元確率密
度を形成する。これは、各個別バイオメトリの測定され
たコスト分布から算出できる。
【００３６】図3及び図4には、種々異なる２つのバイオ
メトリの例として、使用データによって求めることがで
きる本人(本もの)(実線)及び不正行為実行者(偽もの)
(破線)のコスト乃至スコア分布が示されている。事象の
頻度F(数)が、バイオメトリ1のコストK１についての統
計的な情報として、乃至、バイオメトリ2のスコアS２に
ついての統計的な情報として記載されている。以下、こ
の方法について、この例の組み合わせを用いて説明す
る。
【００３７】このコスト乃至スコア分布から、適切な統
計的な情報が、コスト乃至スコアの形式で提示される類
似度の確率密度の形式で、個別バイオメトリに対して算
出され、その際、個別分布に亘っての積分が1に正規化
される。図5及び図6には、バイオメトリ1の、この確率
密度p０(x),pｆ(x)及びバイオメトリp０ (y),pｆ (y)
が、本人(本もの)(実線)及び不正行為実行者(偽もの)
(破線)について示されている。
【００３８】相互に独立した統計的なバイオメトリに対
して、本人(本もの)乃至不正行為実行者(偽もの)のコス
ト/スコアの多次元確率密度の形式での統計的な全情報
は、本人(本もの)乃至不正行為実行者(偽もの)の各個別
バイオメトリの各確率密度の積である。統計的な独立性
の仮定は、冒頭で挙げたバイオメトリ(例えば、音声認
識、署名認識、手の幾何形状認識、指紋認識、瞳孔認
識、顔認識)にとって充分に充足される(但し、同期して
記録された口の動きと音声とが組み合わされていない限
りで)。種々異なる母集団によって形成されたデータバ
ンクでは、この仮定は常に充足される必要がある。その
際、１つのバイオメトリの全ての類似度(コスト及び／
又はスコア)は、各々他の単数乃至複数のバイオメトリ
の全ての類似度と結合され、適切な統計的な個別情報
が、確率密度の乗算によって１つの全情報に結合され
る。
【００３９】しかし、どんな場合でも単に、n個のバイ
オメトリは、n組の類似度で作動し、それからn次元の全
確率密度が列挙により得られる。この方法は、統計的に
独立したバイオメトリにも該当し; その際、しかし、そ
の都度一緒に測定された対又はm組(mはnに等しいか、n
よりも小さい)が結合される。
【００４０】統計的に独立していない場合、一方のバイ
オメトリの全ての値を、他方のバイオメトリの全ての値
と組み合わせて、個別確率密度の積に相応するような全
確率密度が得られるようにされる。
【００４１】連続的な場合には、統計的に独立した２つ
のバイオメトリに対して当てはまる: p０(x,y)=p０ (x)・p０ (y) 本人(本もの)の分布 pｆ(x,y)=pｆ (x)・pｆ (y) 不正行為実行者(偽も
の)の分布 コンピュータ支援の評価では、しかし、コスト/スコア
間隔が考慮される。バイオメトリ1に対してMの間隔があ
り、バイオメトリ2に対してNの間隔がある。この離散の
場合には、不正行為実行者(偽もの)コスト/スコアの確
率密度に対してマトリックスMｆが使用され、本人(本も
の)のコスト/スコアの確率密度に対してマトリックスM
０が使用される: M０(m,n)=p０ (m)・p０ (n) m=1,・・・,M; n=1,・・・,N; Mｆ(m,n)=pｆ (m)・pｆ (n) m=1,・・・,M; n=1,・・・,N 組み合わされたバイオメトリ1用の本人(本もの)及び及
びバイオメトリ2用の不正行為実行者(偽もの)の類似度
測定の２次元確率密度が、図7に示されている。
【００４２】両確率密度分布の交差曲線は、メンバーシ
ップの境界である。この個所では、不正行為実行者(偽
もの)のクラスに所属する類似度測定の点の確率は、本
人(本もの)のクラスに所属する確率に等しい: M０(m,n)=Mｆ(m,n) メンバーシップ境界 図8には、バイオメトリ1及び2の、このメンバーシップ
境界Zが示されている。更に、本人(本もの)及び不正行
為実行者(偽もの)の類似度測定の一定確率密度の線が示
されている。
【００４３】マルチモーダルバイオメトリック方法は、
不正行為実行者(偽もの)と本人(本もの)の各類似度測定
の多次元確率密度に基づく種々異なる配属判定基準を使
用する。このメンバーシップ判定基準は、択一選択的
に、又は、同時に使用することができる。
【００４４】第１の配属判定基準は、両分布のうちの１
つへのメンバーシップである。この際、多次元空間内の
コスト/スコア点は、この点で高い確率密度を有するよ
うな分布に配属されている。
【００４５】２つのバイオメトリの場合、以下が成立す
る際に、座標(m,n)の類似度が本人(本もの)のグループ
に配属される: M０(m,n)＞Mｆ(m,n) 配属判定基準 I これは、ユーザの、本人(本もの)のクラスへのメンバー
シップについての統計的な全情報と、ユーザの、不正行
為実行者(偽もの)のクラスへのメンバーシップについて
の統計的な全情報との比が所定値1を超過した場合に、
ユーザが本人(本もの)のクラスに配属される情報に相応
している。
【００４６】この第１の配属判定基準Iでは、テストデ
ータを用いてFARＩ並びにFRRＩを求めることができる。
【００４７】FARＩが所定最大目標値FARＳｏｌｌを超過
した場合、付加的な配属判定基準IIaが充足するように
求められる。その際、コスト/スコア点(m,n)は、配属判
定基準Iが充足されて、ここでは、不正行為実行者(偽も
の)Mｆ(m,n)のコスト/スコアの確率密度が所定境界値p
ｆ，ｇｒｅｎｚの下側である場合に限って、本人(本も
の)のグループに配属される: mｆ(m,n) ＜pｆ，ｇｒｅｎｚ 配属判定基準IIa この境界は、その際、テストデータに所定FARＳｏｌｌ
が調整されるように決められる。この配属判定基準IIa
の配属境界は、従って、不正行為実行者(偽もの)のコス
ト/スコアの一定確率密度の線である。
【００４８】図9に示されたバイオメトリ1及び2の例で
は、配属境界GI及びGIIa及びコスト/スコア領域A(斜線)
が示されており、この領域内で、ユーザは比較的厳格な
所定FARＳｏｌｌで認証される。
【００４９】求められたFARＩが、所定FARＳｏｌｌより
も小さい場合、配属判定基準IIaの代わりに配属判定基
準IIbが用いられる。その際、座標(m,n)のコスト/スコ
ア点は、配属判定基準Iが充足されるか、又は、ここで
は、本人(本もの)M０(m,n)のコスト/スコアの確率密度
が所定境界値P０，ｇｒｅｎｚの上側である場合に限っ
て本人(本もの)のグループに配属される。
【００５０】 M０(m,n)＞P０，ｇｒｅｎｚ 配属判定基準IIb この境界は、テストデータで、所定フォールスアクセプ
タンスレートFARが調整されるように決められる。従っ
て、この配属判定基準IIbの配属境界は、本人(本もの)
のコスト及び／又はスコアの一定確率密度の線である。
【００５１】図10には、フォールスアクセプタンスレー
トFARＳｏｌｌでの要求があまり厳格でない場合のバイ
オメトリ1及び2の組み合わせ用の配属境界GI,GIIb及び
アクセプタンス領域Aが示されている。
【００５２】配属判定基準Iの配属境界として、比が所
定値1を有するように選定する代わりに、両確率密度の
比が任意の所定値Vを有するような曲線を利用してもよ
い。その際、この所定値Vは、テストデータに、所定フ
ォールスアクセプタンスレートFARＳｏｌｌが調整され
るように選定される。その際、座標(m,n)のコスト/スコ
ア点は、以下の式が成立する場合に、本人(本もの)のグ
ループに配属される: M０(m,n)/Mｆ(m,n)＞V 図11には、所定フォールスアクセプタンスレートFAR
Ｓｏｌｌが比較的強い場合に、バイオメトリ1及びバイ
オメトリ2の組み合わせ用の例の、この方法の配属境界G
及びアクセプタンス領域Aが示されている。メンバーシ
ップ境界Gは、所定値V=1の比に相応している。確率密度
及び所定FARＳｏｌｌに基づいて、どの程度の比が生じ
るかに応じて、配属境界Gがメンバーシップ境界Zを超過
するか、又は、超過しない。
【００５３】この方法は、マルチモーダルクラシフィケ
ーションの基礎として個別バイオメトリのコスト/スコ
アの分布を使用する。多次元確率密度及び所定FARの調
整用値の算出のために、各個別バイオメトリの充分なデ
ータが必要である。両方法は、所定の平均FAR目標値の
副次的な条件下で、複数バイオメトリの組み合わせ用の
アクセプタンス領域を求める。データ及び当該データか
ら形成される確率密度の構造に依存して、この方法で
は、空間的に分離された複数のアクセプタンス領域も形
成される。検証ステップでは、ユーザの個別バイオメト
リのコスト/スコアが、所望のFARの、このような組み合
わせのアクセプタンス領域内にあるかどうか検査され、
このユーザのアクセプタンス又はリジェクションについ
て判定される。
【００５４】前述のマルチモーダルクラシフィケーショ
ン方法は、２つの例示バイオメトリの組み合わせ用にテ
ストされる。FARの種々異なる目標値のために、個別バ
イオメトリ及び前述のマルチモーダル方法のFRRの合成
値が求められる。図12には、エラーレートが示されてい
る。その際、曲線1は、バイオメトリ1を個別バイオメト
リとして使用した場合に生じ、曲線2は、バイオメトリ2
を個別バイオメトリとして使用した場合に生じ、曲線3
は、所定値V及び配属判定基準IIa又はIIbによる付加的
な境界値で、本発明の方法を用いた場合に生じ、曲線4
は、調整可能な所定値Vでの方法の場合に生じ、曲線5
は、EER(イコールエラーレート)ラインで生じる。マル
チモーダル方法は、FAR値が同じ場合、両個別バイオメ
トリよりも明らかに低いFRR値を有しているということ
が分かる。
【００５５】本発明の方法では、各エラーレートの経過
特性が比較的類似して示され、その際、所定値V=1及び
非常に小さなFAR目標値での付加的な境界値を用いた方
法によると、調整可能な設定値Vを用いた方法よりもほ
ぼ小さなフォールスリジェクションレートが生じる。EE
Rは、マルチモーダル方法では、両個別バイオメトリのE
ERより明らかに下側である。
【００５６】最後に、前述の本発明のバイオメトリック
方法を、冒頭に記載した従来技術のアンド及びオア結合
と比較する。図13には、バイオメトリ1(ベストの個別バ
イオメトリとして、曲線11)、所定値V=1且つ付加的な境
界値の本発明の方法(曲線12)、調整可能な所定値Vの本
発明の方法(曲線13)、その都度ベストなアンド結合(曲
線14)、及び、その都度ベストなオア結合(曲線15)の各
フォールスリジェクションレートが、所定FAR目標値に
依存して示されており、ROC (Receiver OperatingChara
cteristic)(受信機運用特性)ダイアグラムに相応してい
る。曲線16は、EERラインである。本発明のバイオメト
リック方法は、論理結合及び個別バイオメトリよりも、
エラーレートに関して明らかに良好な特性を有している
ことが分かる。
【００５７】本発明のマルチモーダルバイオメトリック
方法は、エラーレートが小さい点で優れている。この方
法は、本人(本もの)又は不正行為実行者(偽もの)のクラ
スへの、コスト/スコア点のメンバーシップに基づいて
いる。従って、配属境界は、最も簡単な場合、両確率の
交差曲線である。この、所定FARＳｏｌｌの判定基準が
充足されない場合、殊にV=1の所定値での方法では、不
正行為実行者(偽もの)コストの領域は排除され、乃至、
メンバーシップ境界線を超過して、比較的高い確率密度
を有する本人(本もの)のコスト/スコアはFARが達成され
る迄利用される。調整可能な所定値Vを用いる本発明の
方法では、各確率密度の比を変えることによって、所定
のFARＳｏｌｌに対して変更されたメンバーシップ条件
を求めることができる。この最後に挙げた方法の幾分改
善された結果となるのは、所望のFARの調整時に、その
都度両確率密度分布が利用され、小さなFAR値を達成す
るために、不正行為実行者(偽もの)の確率密度が比較的
高くて、本人(本もの)の確率密度が比較的小さな領域が
排除される。
【００５８】図示の実施例では、２つのバイオメトリが
組み合わされている。本発明の方法によると、しかし、
もっと多くのバイオメトリを相互に組み合わせてもよ
い。
【００５９】要するに、本発明は、少なくとも１人のユ
ーザの認証用のマルチモーダルバイオメトリック方法に
関している。少なくとも１人のユーザに、少なくとも２
つのクラスのうちの一方のクラスが配属される。その
際、ユーザに対して求められたバイオメトリックデータ
と各クラス用のリファレンスデータとの類似の尺度であ
る類似度が用いられる。少なくとも２つのクラスの各々
に対して、類似度に依存するユーザの、クラスへのメン
バーシップについて統計的な全情報が提示される。各ク
ラスに対する少なくとも２つの個別バイオメトリの統計
的な情報の結合から、少なくとも２つのクラスの各々に
対する前記統計的な全情報が形成される。個別バイオメ
トリの統計的な情報は、類似度に依存するユーザの、ク
ラスへのメンバーシップについての統計的な情報にされ
る。所定の配属判定基準が充足される場合、ユーザは、
少なくとも２つのクラスの一方に配属される。
【００６０】
【発明の効果】本発明のマルチモーダルバイオメトリッ
ク方法の利点は -固定調整可能なグローバルなフォールスアクセプタン
スレートFAR、 -小さな合成フォールスリジェクションレートFRR、 -種々異なるバイオメトリとシステムとの簡単な統合(種
々異なる製造により)、 -２つ以上のバイオメトリの組み合わせが可能、 -類似度測定の実際の分布を用いた算定、即ち、制限的
な仮定は不要、 -領域比較だけ実行すればよいので、配属時間が高速、 -コスト、スコア及びその組み合わせのような、考え得
る全ての類似度を用いることができること、にある。
【図面の簡単な説明】
【図１】２つのバイオメトリ１及び２の組み合わせ用論
理アンド結合時のコストと、スコアとの可能な配属境界
値Ｇ及び所属の仮定領域Ａ（斜線領域）の例を示す図
【図２】バイオメトリ１及びバイオメトリ２の組み合わ
せ用の論理オア結合時のコスト乃至スコアの配属境界値
Ｇ及び所属の仮定領域Ａ（斜線領域）の例を示す図
【図３】バイオメトリ１のコストを示す図
【図４】バイオメトリ２のスコアを示す図
【図５】バイオメトリ１のコストの確率密度を示す図
【図６】バイオメトリ２のスコアの確率密度を示す図
【図７】バイオメトリ１及びバイオメトリ２用の本人
（本もの）と不正行為実行者（偽もの）の２次元確率密
度を示す図
【図８】メンバーシップ境界を示す図
【図９】配属判定基準Ｉ及びＩＩａの配属判定基準境界
を示す図
【図１０】配属判定基準Ｉ及びＩＩｂの配属判定基準境
界を示す図
【図１１】所定値Ｖの配属判定基準境界を示す図
【図１２】個別バイオメトリと本発明のマルチモーダル
方法との比較を示す図
【図１３】マルチモーダル方法の比較を示す図
【符号の説明】
１， ２ バイオメトリ ＦＡＲ フォールスアクセプタンスレート（誤採択率） ＦＲＲ フォールスリジェクションレート（誤棄却率） ＥＥＲ イコールエラーレート
───────────────────────────────────────────────────── フロントページの続き (72)発明者 マティアス シュースター ドイツ連邦共和国 ミュンヘン ナウプリ アシュトラーセ １ Ｆターム(参考） 5B043 AA09 BA01 BA05 GA04 5B056 BB22 BB36 BB62 BB64 5B085 AA08 AE23 AE25 BE01 BE04 5L096 BA15 BA16 BA17 GA30 GA51 HA07 JA03 JA11

Claims (16)

    【特許請求の範囲】
  1. 【請求項１】 マルチモーダルバイオメトリック方法に
    おいて、 −少なくとも１人のユーザに、少なくとも２つのクラス
    のうちの一方のクラスを配属し、 −前記ユーザに対して求められたバイオメトリックデー
    タと前記各クラス用のリファレンスデータとの類似の尺
    度である類似度を用い、 −少なくとも２つのクラスの各々に対して、前記類似度
    に依存する前記ユーザの、前記クラスへのメンバーシッ
    プ（所属度）について統計的な全情報を提示し、 −前記各クラスに対する少なくとも２つの個別バイオメ
    トリの前記統計的な情報の結合から、少なくとも２つの
    クラスの各々に対する前記統計的な全情報を形成し、前
    記個別バイオメトリの前記統計的な情報を、前記類似度
    に依存する前記ユーザの、前記クラスへの前記メンバー
    シップについての統計的な情報にし、 −前記統計的な全情報に依存する配属判定基準が充足さ
    れる場合、ユーザを、少なくとも２つのクラスの一方に
    配属することを特徴とする方法。
  2. 【請求項２】 当該方法を用いて、ユーザを認証する請
    求項１記載の方法。
  3. 【請求項３】 個別バイオメトリの各統計的な情報の少
    なくとも１つの情報を、各測定データの列挙及び／又は
    補間によって形成する請求項１又は２記載の方法。
  4. 【請求項４】 個別バイオメトリの統計的な情報の列挙
    及び／又は補間によって統計的な全情報を形成する請求
    項１から３迄の何れか１記載の方法。
  5. 【請求項５】 統計的な情報の少なくとも１つを確率密
    度にする請求項１から４迄の何れか１記載の方法。
  6. 【請求項６】 統計的な全情報が得られる、少なくとも
    ２つの個別バイオメトリの統計的な情報の結合を、乗算
    にする請求項１から５迄の何れか１記載の方法。
  7. 【請求項７】 コスト及び／又はスコアの類似度を用い
    る、又は、含む請求項１から６迄の何れか１記載の方
    法。
  8. 【請求項８】 統計的な情報及び／又は統計的な全情報
    を正規化する請求項１から７迄の何れか１記載の方法。
  9. 【請求項９】 配属判定基準を、ユーザの、少なくとも
    ２つのクラスのうちの一方への所望の配属率が得られる
    ように選定する請求項１から８迄の何れか１記載の方
    法。
  10. 【請求項１０】 ユーザの、少なくとも２つのクラスの
    一方のクラスへのメンバーシップについての統計的な全
    情報と、前記ユーザの、少なくとも２つのクラスの他方
    のクラスへのメンバーシップについての統計的な全情報
    との比が、所定値を超過している場合、配属判定基準を
    充足する請求項１から９迄の何れか１記載の方法。
  11. 【請求項１１】 所定値を１に等しくするか、又は、ほ
    ぼ１に等しくする請求項９又は１０記載の方法。
  12. 【請求項１２】 ユーザの、少なくとも２つのクラスの
    うちの１つのクラスへの所望の配属率が得られるよう
    に、所定値を選定する請求項９又は１０記載の方法。
  13. 【請求項１３】 ユーザの、当該クラスへのメンバーシ
    ップについての統計的な全情報が所定境界値を超過して
    いる場合、配属判定基準を充足する請求項１から１２迄
    の何れか１記載の方法。
  14. 【請求項１４】 ユーザの、少なくとも２つのクラスへ
    の所望の配属率が得られるように、境界値を選定する請
    求項９又は１３記載の方法。
  15. 【請求項１５】 請求項１から１４迄の少なくとも１記
    載の方法を実施するように装置構成された装置。
  16. 【請求項１６】 請求項１から１４迄の少なくとも１記
    載の方法をデータ処理装置で実施するソフトウエアコー
    ド部を含む前記データ処理装置用のプログラム製品。
JP2002193372A 2001-07-03 2002-07-02 マルチモーダルバイオメトリック方法並びに装置及びプログラム製品 Pending JP2003115051A (ja)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
DE10132013.2 2001-07-03
DE10132013A DE10132013B4 (de) 2001-07-03 2001-07-03 Multimodale Biometrie

Publications (1)

Publication Number Publication Date
JP2003115051A true JP2003115051A (ja) 2003-04-18

Family

ID=7690326

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2002193372A Pending JP2003115051A (ja) 2001-07-03 2002-07-02 マルチモーダルバイオメトリック方法並びに装置及びプログラム製品

Country Status (4)

Country Link
US (1) US7092553B2 (ja)
EP (1) EP1274047A3 (ja)
JP (1) JP2003115051A (ja)
DE (1) DE10132013B4 (ja)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006350434A (ja) * 2005-06-13 2006-12-28 Toshiba Corp 手形状認識装置及びその方法
US10990658B2 (en) 2016-07-11 2021-04-27 Samsung Electronics Co., Ltd. Method and apparatus for verifying user using multiple biometric verifiers

Families Citing this family (40)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
AU2002364255A1 (en) 2001-12-24 2003-07-15 Digimarc Id Systems, Llc Covert variable information on id documents and methods of making same
AU2002364036A1 (en) 2001-12-24 2003-07-15 Digimarc Id Systems, Llc Laser etched security features for identification documents and methods of making same
US7694887B2 (en) 2001-12-24 2010-04-13 L-1 Secure Credentialing, Inc. Optically variable personalized indicia for identification documents
WO2003088144A2 (en) 2002-04-09 2003-10-23 Digimarc Id Systems, Llc Image processing techniques for printing identification cards and documents
US7824029B2 (en) 2002-05-10 2010-11-02 L-1 Secure Credentialing, Inc. Identification card printer-assembler for over the counter card issuing
US7313256B2 (en) * 2002-09-30 2007-12-25 Motorola, Inc. Progressive fingerprint matching system and method
AU2003282943A1 (en) * 2002-10-11 2004-05-04 Digimarc Corporation Systems and methods for recognition of individuals using multiple biometric searches
US7804982B2 (en) * 2002-11-26 2010-09-28 L-1 Secure Credentialing, Inc. Systems and methods for managing and detecting fraud in image databases used with identification documents
US20060136743A1 (en) * 2002-12-31 2006-06-22 Polcha Andrew J System and method for performing security access control based on modified biometric data
EP1614064B1 (en) 2003-04-16 2010-12-08 L-1 Secure Credentialing, Inc. Three dimensional data storage
US7084734B2 (en) * 2003-08-07 2006-08-01 Georgia Tech Research Corporation Secure authentication of a user to a system and secure operation thereafter
DE10356860A1 (de) * 2003-12-05 2005-07-07 Siemens Ag Verfahren und System zur zuverlässigkeitsabhängigen Aktivierung-Deaktivierung von Funktionen
CN100447804C (zh) * 2003-12-11 2008-12-31 光谱辨识公司 根据生物统计测量来估计个人特性的方法和系统
US7360239B2 (en) * 2003-12-19 2008-04-15 International Business Machines Corporation Biometric multimodal centralized authentication service
US7298873B2 (en) 2004-11-16 2007-11-20 Imageware Systems, Inc. Multimodal biometric platform
IL165586A0 (en) * 2004-12-06 2006-01-15 Daphna Palti Wasserman Multivariate dynamic biometrics system
US7515741B2 (en) * 2005-01-07 2009-04-07 Motorola, Inc. Adaptive fingerprint matching method and apparatus
US8190540B2 (en) * 2005-01-14 2012-05-29 Ultra-Scan Corporation Multimodal fusion decision logic system for determining whether to accept a specimen
CA2594592A1 (en) * 2005-01-14 2006-07-27 Ultra-Scan Corporation Multimodal fusion decision logic system
CN101233459B (zh) * 2005-03-17 2011-01-26 成像器件系统股份有限公司 多模式生物测定分析
FR2884633B1 (fr) * 2005-04-19 2007-06-01 Sagem Procede d'identification des iris de deux yeux
US20070038460A1 (en) * 2005-08-09 2007-02-15 Jari Navratil Method and system to improve speaker verification accuracy by detecting repeat imposters
KR100734837B1 (ko) * 2005-09-16 2007-07-03 한국전자통신연구원 다중 생체 인식 시스템 및 그 방법
FR2893157B1 (fr) * 2005-11-08 2007-12-21 Thales Sa Procede d'aide a la prise de decision pour la comparaison de donnees biometriques
US7747044B2 (en) * 2006-01-20 2010-06-29 The Johns Hopkins University Fusing multimodal biometrics with quality estimates via a bayesian belief network
WO2008042879A1 (en) * 2006-10-02 2008-04-10 Global Rainmakers, Inc. Fraud resistant biometric financial transaction system and method
JP5012092B2 (ja) * 2007-03-02 2012-08-29 富士通株式会社 生体認証装置、生体認証プログラムおよび複合型生体認証方法
US8775187B2 (en) * 2008-09-05 2014-07-08 Auraya Pty Ltd Voice authentication system and methods
JP5218991B2 (ja) * 2009-12-08 2013-06-26 株式会社日立製作所 複数種類のテンプレートを用いた生体認証システム及び生体認証方法
DE102010000985A1 (de) * 2010-01-18 2011-07-21 Tim 44267 Harbig Verfahren zur Aufteilung einer Gruppe von Personen in mehrere Zielgruppen
US8438182B2 (en) * 2010-12-30 2013-05-07 Microsoft Corporation Patient identification
US9465368B1 (en) 2011-12-08 2016-10-11 Navroop Pal Singh Mitter Authentication system and method thereof
US9721175B2 (en) 2013-05-08 2017-08-01 Jpmorgan Chase Bank, N.A. Systems and methods for high fidelity multi-modal out-of-band biometric authentication through vector-based multi-profile storage
US9760785B2 (en) 2013-05-08 2017-09-12 Jpmorgan Chase Bank, N.A. Systems and methods for high fidelity multi-modal out-of-band biometric authentication
US10235508B2 (en) 2013-05-08 2019-03-19 Jpmorgan Chase Bank, N.A. Systems and methods for high fidelity multi-modal out-of-band biometric authentication with human cross-checking
US9923855B2 (en) 2013-08-01 2018-03-20 Jpmorgan Chase Bank, N.A. Systems and methods for electronic message prioritization
US9892576B2 (en) 2013-08-02 2018-02-13 Jpmorgan Chase Bank, N.A. Biometrics identification module and personal wearable electronics network based authentication and transaction processing
US9582715B2 (en) 2015-06-30 2017-02-28 International Business Machines Corporation Feature selection algorithm under conditions of noisy data and limited recording
JP2018028815A (ja) * 2016-08-18 2018-02-22 富士通株式会社 評価装置、評価方法および評価プログラム
CN106844670A (zh) * 2017-01-22 2017-06-13 微鲸科技有限公司 一种节目数据入库方法及装置

Family Cites Families (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4860216A (en) * 1986-11-13 1989-08-22 The United States Of America As Represented By The Secretary Of The Air Force Communication adaptive multi-sensor system
WO1992008204A2 (de) * 1990-10-24 1992-05-14 Siemens Aktiengesellschaft Verfahren zur erkennung und schätzung der räumlichen lage von objekten aus einer zweidimensionalen abbildung
US5325445A (en) * 1992-05-29 1994-06-28 Eastman Kodak Company Feature classification using supervised statistical pattern recognition
US5502774A (en) * 1992-06-09 1996-03-26 International Business Machines Corporation Automatic recognition of a consistent message using multiple complimentary sources of information
EP0713592B1 (de) * 1993-08-09 1997-07-09 Siemens Aktiengesellschaft Verfahren zur erkennung der räumlichen lage und drehlage von in geeigneter weise markierten objekten in digitalen bildfolgen
US5751843A (en) * 1993-08-09 1998-05-12 Siemens Aktiengesellschaft Method for detecting the spatial position and rotational position of suitably marked objects in digital image sequences
DE19516664C1 (de) * 1995-05-05 1996-08-29 Siemens Ag Verfahren zum Aufbau einer Farbtabelle in einer Computereinheit zur Klassifikation von Bildpunkten in einem Bild
DE19612949C1 (de) * 1996-04-01 1997-08-14 Siemens Ag Verfahren zur Erkennung mindestens eines fingerförmigen Objekts in einem ersten, handförmigen Objekt durch einen Rechner
DE19623033C1 (de) * 1996-06-08 1997-10-16 Aeg Electrocom Gmbh Verfahren und Anordnung zur Mustererkennung auf statistischer Basis
DE19649692C1 (de) * 1996-11-29 1998-06-10 Siemens Ag Verfahren zur Verifikation eines Musterschriftzuges mit Hilfe eines Referenzschriftzugs
US6072891A (en) * 1997-02-21 2000-06-06 Dew Engineering And Development Limited Method of gathering biometric information
DE19650541C2 (de) * 1996-12-05 1999-05-12 Siemens Ag Verfahren zur Ermittlung eines ersten Referenzschriftzugs anhand mehrerer Musterschriftzüge
DE19708240C2 (de) * 1997-02-28 1999-10-14 Siemens Ag Anordnung und Verfahren zur Detektion eines Objekts in einem von Wellen im nichtsichtbaren Spektralbereich angestrahlten Bereich
US6356650B1 (en) * 1997-05-07 2002-03-12 Siemens Ag Method for computer-adaptation of a reference data set on the basis of at least one input data set
US6188777B1 (en) * 1997-08-01 2001-02-13 Interval Research Corporation Method and apparatus for personnel detection and tracking
WO1999008223A1 (de) * 1997-08-05 1999-02-18 Siemens Aktiengesellschaft Verfahren zur bestimmung eines abstandsmasses zwischen einem schriftzug und einem referenzschriftzug
EP1081632A1 (en) * 1999-09-01 2001-03-07 Keyware Technologies Biometric authentication device
DE19952049A1 (de) * 1999-10-28 2001-05-10 Siemens Ag Verfahren und Anordnung zur Verifikation eines Sprechers anhand eines Rechners
US6990217B1 (en) * 1999-11-22 2006-01-24 Mitsubishi Electric Research Labs. Inc. Gender classification with support vector machines

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006350434A (ja) * 2005-06-13 2006-12-28 Toshiba Corp 手形状認識装置及びその方法
US10990658B2 (en) 2016-07-11 2021-04-27 Samsung Electronics Co., Ltd. Method and apparatus for verifying user using multiple biometric verifiers
US11790065B2 (en) 2016-07-11 2023-10-17 Samsung Electronics Co., Ltd. Method and apparatus for verifying user using multiple biometric verifiers

Also Published As

Publication number Publication date
US7092553B2 (en) 2006-08-15
US20030031348A1 (en) 2003-02-13
EP1274047A3 (de) 2005-01-12
DE10132013B4 (de) 2004-04-08
DE10132013A1 (de) 2003-01-23
EP1274047A2 (de) 2003-01-08

Similar Documents

Publication Publication Date Title
JP2003115051A (ja) マルチモーダルバイオメトリック方法並びに装置及びプログラム製品
US7356168B2 (en) Biometric verification system and method utilizing a data classifier and fusion model
JP4257250B2 (ja) 生体情報照合装置並びに生体特徴情報絞込み装置，生体特徴情報絞込みプログラムおよび同プログラムを記録したコンピュータ読取可能な記録媒体
Azzini et al. A fuzzy approach to multimodal biometric continuous authentication
Nandakumar Multibiometric systems: Fusion strategies and template security
Jain et al. A multimodal biometric system using fingerprint, face and speech
EP1434163B1 (en) Apparatus and method for acquisition, validation and verification of biometric features
Radha et al. Rank level fusion using fingerprint and iris biometrics
JP2002133416A (ja) 指紋情報を用いた個人認証システム及び同システム用登録・認証方法並びに同システム用判定方法
EP2523149A2 (en) A method and system for association and decision fusion of multimodal inputs
JP4911300B2 (ja) パターン情報登録装置、パターン情報登録方法、パターン情報登録プログラム及びパターン照合システム
Gamboa et al. An Identity Authentication System Based On Human Computer Interaction Behaviour.
JP2000148985A (ja) 個人認証システム
JP2003030154A (ja) 個人認証方法および装置
Doroz et al. Online signature verification modeled by stability oriented reference signatures
Sabareeswari et al. Identification of a person using multimodal biometric system
Poh et al. A methodology for separating sheep from goats for controlled enrollment and multimodal fusion
Anwar et al. Multibiometric systems based verification technique
Gavrilova et al. Current Trends in Multimodal Biometric System—Rank Level Fusion
Schuckers Some statistical aspects of biometric identification device performance
KR20060065818A (ko) 등록된 지문 수에 따라 비교 인증 기준값을 자동으로조정하는 지문 인증 시스템 및 그 운용 방법
CN117371785B (zh) 基于多维度因素身份识别的安全判断方法及押运服务系统
JP3879387B2 (ja) 個人識別装置
Salami et al. Design and evaluation of a pressure based typing biometric authentication system
Ozkaya et al. Intelligent face mask prediction system

Legal Events

Date Code Title Description
A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20051125

A601 Written request for extension of time

Free format text: JAPANESE INTERMEDIATE CODE: A601

Effective date: 20060222

A602 Written permission of extension of time

Free format text: JAPANESE INTERMEDIATE CODE: A602

Effective date: 20060227

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20060525

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20070105

A02 Decision of refusal

Free format text: JAPANESE INTERMEDIATE CODE: A02

Effective date: 20070607