JP2003534613A - 個人認証方法及びシステム - Google Patents
個人認証方法及びシステムInfo
- Publication number
- JP2003534613A JP2003534613A JP2001587355A JP2001587355A JP2003534613A JP 2003534613 A JP2003534613 A JP 2003534613A JP 2001587355 A JP2001587355 A JP 2001587355A JP 2001587355 A JP2001587355 A JP 2001587355A JP 2003534613 A JP2003534613 A JP 2003534613A
- Authority
- JP
- Japan
- Prior art keywords
- class
- authenticity
- probe image
- vector
- linear discriminant
- 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.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C9/00—Individual registration on entry or exit
- G07C9/20—Individual registration on entry or exit involving the use of a pass
- G07C9/22—Individual registration on entry or exit involving the use of a pass in combination with an identity check of the pass holder
- G07C9/25—Individual registration on entry or exit involving the use of a pass in combination with an identity check of the pass holder using biometric data, e.g. fingerprints, iris scans or voice recognition
- G07C9/257—Individual registration on entry or exit involving the use of a pass in combination with an identity check of the pass holder using biometric data, e.g. fingerprints, iris scans or voice recognition electronically
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
- G06F18/2132—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods based on discrimination criteria, e.g. discriminant analysis
- G06F18/21322—Rendering the within-class scatter matrix non-singular
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/243—Classification techniques relating to the number of classes
- G06F18/2433—Single-class perspective, e.g. one-against-all classification; Novelty detection; Outlier detection
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Mathematical Physics (AREA)
- Human Computer Interaction (AREA)
- Collating Specific Patterns (AREA)
- Complex Calculations (AREA)
- Image Analysis (AREA)
Abstract
Description
用が見出されて、最近数年に亘ってかなり注目を浴びている。
の他のものの照合、犯罪者の顔写真のような規定された写真のマッチング、既知
の顔画像データベースにより、CCTVビデオから容疑者を特定すること、建物
への入館や銀行の預入れ支払い機のようなテレサービスへのアクセスの規制等で
ある。
1993 における「顔認識:特徴対テンプレート("Face Recognition : Feature v
ersus Templates")」と題する論文は、2つの基本的な手法、すなわち幾何学的
特徴ベースの手法と統計的特徴のマッチング手法との比較をし、著者は後者を支
持している。
り、これは主成分分析(PCA)として知られ、顔画像は、しばしば「固有顔(
‘eigenfaces’)」といわれる固有ベクトルによって定められるPCA基底を用
いて、低次元部分空間に表現される。この手法は非常に効率的なデータ圧縮手段
を備えるが、最も効率的な判別情報の圧縮を保証するものではない。
顔画像は低次元部分空間に表現されるが、しばしば「フィッシャー顔(‘fisher
faces’)」と言われる固有ベクトルによって定められるLDA基底を用いると
、これらは、「固有顔」を用いるPCA表現をはるかにしのぐことが示された。
しかしながら、従来のLDA表現は、多重共有「フィッシャー顔」を用いること
から、複雑で多量の計算となる行列操作を必要とする。ここに、性能すなわち処
理速度、及び、顔画像データベース、プローブ画像がテストされるデータベース
への追加すなわち更新の容易さの点で、重大な技術的問題がある。
れる。すなわち、線形判別分析(LDA)を用いて、クラス特定的(class-spec
ific)線形判別変換aiを、個々の訓練画像を定義するN個のベクトルzj(j
=1,2…N)から導出するステップであって、そこでは
記訓練画像のm個の異なるクラスがあるステップと、プローブ画像を定義するベ
クトルzpを、前記クラス特有の線形判別変換aiの上に射影するステップと、
射影ベクトルai Tzpをi番目のクラスωiの基準ベクトルとを比較し、前記
i番目のクラスに関する前記プローブ画像の真正を比較によって評価するステッ
プとを備える。
法を実行するためのデータ記憶手段及びデータ処理手段を備える個人認証システ
ムが提供される。
上のクラスについて、プローブ画像の真偽を評価する個人認証システムが提供さ
れ、そこでは、前記訓練画像は、個々のベクトルzj(j=1,2…N)によっ
て定められ、総計N個のベクトルzjであり、i番目のクラスωi内の訓練画像
の数は、
各々に対して、本発明の前記第1実施形態に従って定義されるような、クラス特
定的線形判別変換aiを記憶するデータ記憶手段と、前記データ記憶手段から前
記クラス特定的線形判別変換aiにアクセスし、前記プローブ画像を定義するベ
クトルzpを、前記アクセスされたクラス特定的線形判別変換aiの上に射影し
、射影ベクトルai Tzpをi番目のクラスωiの基準ベクトルとを比較し、そ
して前記i番目のクラスωiに関する前記プローブ画像の真偽を比較によって評
価するデータ処理手段とを備える。
される方法を実行するためのコンピュータにより実行可能な命令を有するコンピ
ュータにより読取り可能な媒体が提供される。
。
言及される、m人の異なる個人を表す合計N個の訓練画像があると仮定する。訓
練画像の合計Nは、次の式で与えられる。
なクライアントクラスωiを定義する。訓練画像の数Niは、各クライアントク
ラスで同数である必要はない。代表的には、Nは103のオーダーで、mは102 のオーダーである。訓練画像は、ある計量生物学のデータから得られ、適切に
登録され、光度測定で正規化されているとみなされる。
例えば横顔画像をこれに代えて用いることができる。
イアントの一人のものであるとして提示されるプローブ顔画像の真正を評価する
ために用いられ、同一性の主張を承認するか、あるいは拒否する。この方法は、
特に、クレジットカード、パスポート、運転免許証その他のものに適用される。
ーレベルの強度値の2次元DxDアレイによって定められる。代表的には、dは
、214の次数をもち、顔画像全体は、この巨大なd次元空間内の点の集まりに
マッピングされる。
ない。したがって、比較的低次元の部分空間で定義可能である。従来は、d次元
ベクトルZは、訓練顔画像によって張られる低次元部分空間に射影される。これ
は、先に述べた主成分分析(PCA)を用いて生成されるPCA射影行列Uを用
いて達成される。
、次の式によって与えられる全平均ベクトルである。
散行列Σは、n≦N個の非零の固有値をもつ。これらの(縮小サイズの次数のラ
ンクを有する)非零固有値に関連した個々の固有ベクトルu1,u2…unは、
訓練顔画像によって張られる部分空間を表現するために用いられるPCA基底を
定め、このために、次に示す形式をもつPCA射影行列Uを構成するように用い
られる。
ーヨーク、1990年)と題する論文に記載されているように、混合共分散行列
Σの固有値解析は、計算上の利便のために、d’(d’<d)次元部分空間で実
行される。
顔状の外観は、それが導かれる顔画像に似ている。これは、固有ベクトルuがと
きに「固有顔」と言われる理由である。
,2…N)は、中心化の後、固有ベクトルu1,u2,…unによって張られる
低次元部分空間に射影され、n次元ベクトルxjに対応してNを生成する。n次
元ベクトルxjは、次の式で与えられる。
。ベクトルxjによって張られる部分空間を表現するために用いられるLDA基
底は、行列Φ−1SBの非零固有値に関連する(m−1)個の固有ベクトルv1
,v2,…vm−1によって定められる。ここで、Φは、次の式で与えられるベ
クトルxjの混合共分散行列である。
いて射影ベクトルXの平均値viから導出されるクラス間散乱(scatter)行列で
ある。ここで、viは、次の式で与えられる。
現しており、ときには「フィッシャー顔」と呼ばれる。これらのベクトルは、L
DA射影行列V=[v1,v2…vm−1]を構築するために用いられる。
のクライアントの1つのそれとして現われる顔画像を定義するベクトルZpは、
PCA射影行列Uの「固有顔」によって定められるn次元部分空間にまず射影さ
れ、それからLDA射影行列の「フィッシャー顔」によって定められる(m−1
)次元部分空間に射影されて、ベクトルypを生成する。ベクトルypは、次の
式で表される。
。ここで、 γi=vTγi である。
ら、プローブ画像の真正が、i番目のクライアントの画像として承認される(す
なわち、主張された同一性が承認される)。さもなければ、プローブ画像の真正
さは詐称者の画像として否定される(すなわち、主張された同一性が否定される
)。
クトルv1,v2,…vm−1によって表現された多重共有「フィッシャー顔」
を必要とし、プローブ顔画像がテストされる対象のクライアントクラスωiに拘
わらず、常に同一である。この手法は、計算する上ではつらいものがあって、複
雑な行列操作を必要とし、それゆえ一般的に満足すべきものではない。
て、本発明は、全く異なる手法を採用した。すなわち、1次元線形判別変換によ
って定義される、単一の、クラス特定的な「フィッシャー顔」を用いる。この手
法では、多重共有「フィッシャー顔」の使用を避けることができ、計算の複雑さ
をかなり減少させる。この目的のために、個人認証方法が、2クラス問題の用語
で再定義される。すなわち、i番目のクライアントのNi個の訓練顔画像を含む
クライアントクラスωiと、(N−Ni)個の残りの訓練顔画像に基づく詐称者
クラスΩiとである。明らかに、クライアントクラスωiと各m個のクライアン
ト(i=1,2…m)に関連する詐称者クラスΩiとがある。
、次の式で表現される。
。
顔画像Ni、N−Niのそれぞれの数の比によって表わされる。この比は、通常
小さいもので、したがって偽クラスΩiの平均は、プローブ顔画像がテストされ
る対象のクライアントクラスωiに関わりのないオリジン(origin)近くにとど
まる。
によって表現される。
ライアントクラスωiの共分散行列Φiに関係する。すなわち、
イアントクラスとの共分散行列の重み付け平均によって得られる。すなわち、
連する行列
なただ1つの固有ベクトルviが存在する。
るときには、容易に分かるように、固有ベクトルviは、固有解析を実行するこ
となく、次のものとして直接見出すことができる。
基底として用いられ、次の式で与えられる。
ラス特定的「フィッシャー顔」を定義するのは、この変換である。 ここで「クライアント承認」手法と呼ぶ手法においては、プローブ画像顔を定義
するベクトルZpが、変換aiを用いて、クラス特定的「フィッシャー顔」に射
影され、射影ベクトルai TZpが、個別クラス(本例ではi番目のクラス)の
射影平均ai Tμpに対してテストされる。
(i番目のそれ)が承認される。さもなければ、(すなわちdc>tc)プロー
ブ顔画像の真正が拒否される、すなわち主張された同一性が否定される。
主張についての誤った承認との間の特定の関係、を実現するために選択される。
この動作点は「受信者動作特性」(‘receiver operating characteristic')(
ROC)曲線より決定されるもので、この曲線は、判定閾値の関数としての2つ
の誤り率間の関係を表わしている。ROC曲線は、評価集合として知られている
独立顔画像集合を用いて計算される。
定される。「等誤り率」では、誤った否定の割合と誤った承認の割合の双方が同
一である。
射影ベクトルai Tzpは、詐称者の射影平均すなわち次式に対してテストされ
る。
ると期待されている。このように、テスト統計値diが予め定められた閾値ti より大きいとすると(すなわちdi>ti)、プローブ顔画像の真正は承認され
、すなわち主張された同一性(i番目のクライアントのそれ)が承認される。そ
うでない(di≦ti)とすると、プローブ顔画像の真正は否定され、すなわち
主張された同一性が否定される。訓練顔画像の数Nが大きいとき、詐称者の平均
はそのオリジンに近づき、式24の第2項は無視できる。この場合、差分値di は単に射影ベクトルの絶対値|ai Tzp|になる。
のプローブ顔画像及びクライアントのプローブ顔画像に対するテスト統計値のヒ
ストグラムを示す。期待どおり、詐称者のプローブ顔画像は、そのオリジンすな
わち詐称者の平均μΩ(図1(a))に集まり、他方、クライアントのプローブ
顔画像は、そのオリジンから離れる(図1(b))。図1(b)における負の射
影は、「フィッシャー顔」を表現するために採用される慣行のアーチファクトで
ある。しかしながら、原理的には、クライアント顔画像の射影は、常に正である
テスト統計値tiを与えるように計算される。
れるか又は統合されることができる。この「統合」(‘fused’)手法の一例は、
単純な直列統合スキームである。より具体的には、プローブ顔画像は、最初に「
詐称者拒否」手法を用いてテストされる。もし、このプローブ顔画像がそのテス
トに落ちる、すなわち、要求者が詐称者として否定されるなら、このプローブ顔
画像の真正は、承認されるものである。他方、プローブ顔画像がテストを通る、
すなわち要求者が詐称者として承認されるなら、プローブ顔画像は、「クライア
ント承認」手法を用いて再びテストされる。プローブ顔画像がこの第2のテスト
に合格すると、すなわち主張者がクライアントとして受け入れられると、プロー
ブ顔画像の真正が承認される。そうでなければ、真正が否定される。
者拒否」手法に対して、それぞれ用いられた。しかし、クライアント及び詐称者
のプローブベクトルzpは両方とも同じ1次元空間に射影されるから、与えられ
た動作点誤り率でクライアント画像と偽画像とを区別する、両手法に共通の閾値
を見つけることは可能である。
M2VTSデータベース」(AVBPA‘99のProc,72−77頁,19
99年)と題する論文に記載されている、いわゆるローザンヌ・プロトコル(La
usanne protocol)に従う検証実験を導入することによってテストされた。
レームワークであり、そこでは異なる手法の結果が直接比較される。このプロト
コルでは、データベースは3つの異なるセットに区分けされている。すなわち、
200のクライアントを含む訓練セット、200のクライアント及び25の詐称
者を含む評価セット、そして200のクライアント及び70の詐称者を含むテス
トセットである。
ントセットから識別可能である。訓練セットは、既に説明したように、変換ai によって定義される、クライアントの「フィッシャー顔」を評価するために用い
られた。評価セットは、閾値ti,tcを決定するために用いられ、テストセッ
トは、独立したデータに関する誤った承認と誤った否定の率を評価するために用
いられた。
対する悪影響を除くようにした。そして、各画像は、画像平均の除去又はヒスト
グラムの均等化のいずれかによって、光度測定上での正規化が行われた。
るヒストグラム均等化による、光度測定における正規化画像を用いて得られ、他
方、「詐称者拒否」手法が採用される場合、最適結果は、正規化されていない画
像を用いて得られることが分った。
に比較して、誤った否定/誤った承認のより低いレベルを与え、さらに低いレベ
ルであっても、「統合」手法を用いて実行されることができ、これらのレベルは
また、従来のLDA認証方法を用いて得られるレベルより低いことが分った。
つ部分空間を張る多重共有「フィッシャー顔」を用い、複雑で多量の計算が求め
られる行列操作が必要である。これに対して、本発明は、1次元部分空間を占め
るだけの変換aiによって定義されたクラス特定的「フィッシャー顔」を用いる
。これは、認証方法の計算効率に対して重要な影響を及ぼす。なぜなら、動作段
階(すなわち、「フィッシャー顔」が生成された後)での計算の複雑さは、部分
空間の次元性に線形に比例する。本発明のクラス特定的手法は、従来の手法より
100倍以上速く動作するはずである。
おけるユークリッド距離を計算する必要がない。テスト統計値dc,diを閾値
tc,tiと単に比較するだけで、結論に達することが可能であり、さらに計算
上の利益をあたえることになる。さらに、クライアント及び詐称者の平均の射影
問題を解く必要はなく、比較的簡単な方法で計算されることができる。訓練顔画
像の数Nが大きい場合、特にそうである。クラス間散乱行列Miはゼロに近づく
傾向があり、クラス内散乱行列Σiは単に、全てのクラスに共通の混合共分散行
列Φとなって、さらにまた計算上の利益を与える・ 先に説明したように、クラス特定的「フィッシャー顔」aiを用いるさらにも
う一つの結果によると、そのような各「フィッシャー顔」は、他のどの「フィッ
シャー顔」とも独立に計算可能である。多重共有「フィッシャー顔」を用いる、
前述した従来のLDA手法と比較して、この手法によれば新たなクライアントの
登録は簡単に行える。したがって、クライアントの人数が絶えず変化し、訓練顔
画像のデータベースが追加され、又は更新される必要がある状況において、他の
ものではできないわけではないが、本発明による特別な応用例が見出される。
中央処理ステーションに送信される。そこには、全てのクライアントの詳細が蓄
積されており、必要な処理を実行して、真偽について結論に到達する。
もできる。この場合、クラス特定的データ、例えば固有ベクトルv1,v2…vm 及び平均ベクトルμ1,μ2…μmが前もって計算され、遠隔のデータ記憶装
置例えばスマートカード10のような携帯用データ記憶装置に記憶される。そし
て、データ処理がローカル・プロセッサ11で実行される。ローカル・プロセッ
サ11は、PCA射影行列Uの基底u1,u2…unを記憶し、スマートカード
10に対して、必要に応じてカードリーダ12を介して、データをアクセスする
。プロセッサ11は、このデータを用いて、関連する入力ユニット13から受信
したプローブ顔画像を表現するベクトルzpを処理する。
の場合、必要なすべてのデータは、スマートカードにおいて蓄積され処理される
。この手法では、クラス特定的「フィッシャー顔」aiを処理する本発明は、デ
ータ記憶及び処理速度の両方の観点から、多重共有「フィッシャー顔」を処理す
る従来のLDA手法よりm倍も効率的である。
又は更新が、従来のLDA手法を用いると実用にはならないのに対して、実現可
能である。したがって、本発明は、非集中化アーキテクチャを有する個人認証シ
ステムの可能性を開くものである。
人のクライアントの一人の画像であるとして提示され、この画像が、個々のクラ
イアントクラスに対してテストされる。本発明の他の実施例では、プローブ顔画
像の真偽は知られていない。この場合、プローブ顔画像は、一致するものを発見
し本人であることを証明するために、1以上のクライアントクラスに対してテス
トされる。この実施例では、とりわけ、犯罪者の顔写真のような規定の写真につ
いての一致判断、及び既知の顔画像のデータベースに対してCCTVビデオから
の容疑者の認定に関して、応用される。
が実行される命令が含まれているCD−ROMのようなコンピュータ可読媒体を
含むものであることは、理解されるであろう。
図である。 (b)は、射影されたクライアント顔画像の同一テスト統計値のヒストグラム
を示す図である。
Claims (34)
- 【請求項1】 線形判別分析(LDA)を用いて、個々の訓練画像を定義す
るN個のベクトルzj(j=1,2…N)からクラス特定的線形判別変換aiを
導出するステップであって、前記訓練画像のm個の異なるクラスがあり、i番目
のクラスωiは前記訓練画像の個々の数Niを含み、 【数1】 であるステップと、 プローブ画像を定義するベクトルzpを前記クラス特定的線形判別変換aiの
上へ射影するステップと、 i番目のクラスωiの基準ベクトルと前記射影ベクトルai Tzpとを比較す
るステップと、 前記比較に依存してi番目のクラスに関してプローブ画像の正当性を評価する
ステップと、 を含む個人認証方法。 - 【請求項2】 前記ベクトルzj(j=1,2…N)に主成分分析(PCA
)を適用して、PCA射影行列Uの基底として、n次元部分空間を張る、固有ベ
クトル(u1,u2…un)を生成するステップと 前記PCA射影行列Uを用いて、前記ベクトルzj(j=1,2…N)を前記
固有ベクトル(u1,u2…un)の上へ射影して個々のn次元ベクトル生成す
るステップと、 前記n次元ベクトルxj(j=1,2…N)に前記線形判別分析(LDA)を
適用して、式ai=Uviによって前記クラス特定的線形判別変換aiに関連す
るクラス特定的固有ベクトルvi生成するステップとを 含む請求項1に記載の方法。 - 【請求項3】 前記n次元ベクトルxj(j=1,2…N)に前記線形判別
分析(LDA)を適用する前記ステップは、前記i番目のクラスωiのクラス内
散乱行列Σiを生成するステップであって、前記クラス特定的固有ベクトルvi は、次の式で与えられ、 【数2】 ここで、ωiのすべてのxjに対して、 【数3】 であるステップを含む請求項2に記載の方法。 - 【請求項4】 前記クラス内散乱行列Σiは、前記n次元ベクトルxj(j
=1,2…N)の混合共分散行列Φに等しく、ここで 【数4】 である請求項3に記載の方法。 - 【請求項5】 前記n次元ベクトルxj(j=1,2…N)に前記線形判別
分析(LDA)を適用するステップは、前記i番目のクラスのクラス間散乱行列
Miを生成するステップであって、ここで、 【数5】 であるステップと、 前記n次元ベクトルxj(j=1,2…N)の前記共分散行列Φを生成するス
テップであって、ここで、 【数6】 であるステップと、 Σi=Φ−Mi で与えられる前記クラス内散乱行列Σiを形成するステップと、 を有する請求項3に記載の方法。 - 【請求項6】 前記基準ベクトルはai Tμiとして定義され、ωiのすべ
てのziに対して 【数7】 である請求項1〜5のいずれかに記載の方法。 - 【請求項7】 前記評価ステップは、次の式で与えられる差分値dcを評価
し、 【数8】 前記差分値により前記プローブ画像の真正を承認又は拒否すること を含む請求項6に記載の方法。 - 【請求項8】 tcが予め定められた閾値として、dc≦tcなら、前記プ
ローブ画像の真正を承認し、dc>tcなら、前記プローブ画像の真正を拒否す
ることを含む請求項7に記載の方法。 - 【請求項9】 前記評価ステップは、次の式で与えられる差分値dcを評価
し、 【数9】 該差分値によりプローブ画像の真正を承認又は拒否することを含む請求項6に記
載の方法。 - 【請求項10】 tiが予め定められた閾値として、di>tiなら、前記
プローブ画像の真正を承認し、di≦tiなら、前記プローブ画像の真正を拒否
するステップを有する請求項9に記載の方法。 - 【請求項11】 前記評価ステップが、tiを予め定められた閾値として、
前記差分値diを評価し、di>tiなら、前記プローブ画像の真正を承認し、
di≦tiなら、前記差分値dcを評価し、tcを予め定められた閾値として、
dc≦tcなら、前記プローブ画像の真正を承認し、dc>tcなら、前記プロ
ーブ画像の真正を拒否することを含む請求項7及び9に記載の方法。 - 【請求項12】 前記予め定められた閾値tc,tiが同一である請求項8
、10及び11に記載の方法。 - 【請求項13】 前記m個の各クラスに対して前記クラス特定的な線形判別
変換aiの各々を導出し、前記射影ステップを実行し、導出された前記クラス特
定的な線形判別変換aiの少なくとも1つに対して比較し評価するステップを有
する1〜12のいずれかに記載の方法。 - 【請求項14】 前記(m+1)番目のクラスとしてNm+1個の訓練画像
を含む訓練画像の新規なクラスを登録し、N’=N+Nm+1である、個々の訓
練画像を定義するN’個のベクトルzj(j=1,2…N’)に請求項1〜13
のいずれか1項に記載の方法を適用するステップを有する請求項1〜13のいず
れか1項に記載の方法。 - 【請求項15】 前記新規クラスを考慮するために前記クラス特定的な線形
変換aiを更新するステップを含む請求項14に記載の方法。 - 【請求項16】 線形判別分析(LDA)を個々の訓練画像を定義するベク
トルzj(j=1,2…N)に適用して得られるクラス特定的線形判別変換ai を提供するステップであって、ここでは、i番目のクラスωiが 【数10】 であるような前記訓練画像の個々の数Niを含んでいる、前記訓練画像のm個の
異なるクラスが存在するステップと、 プローブ画像を定義するベクトルzpを前記クラス特定的線形判別変換aiに
射影の上に射影するステップと、 射影されたai Tzpをi番目のクラスωiの基準ベクトルと比較するステッ
プと、 比較に基いてi番目のクラスに関してプローブ画像の真正を評価するステップ
と、 を備える個人認証方法。 - 【請求項17】 前記クラス特定的線形判別変換aiは、請求項2〜5のい
ずれか1項に規定される方法のステップを用いて導出される請求項16に記載の
方法。 - 【請求項18】 前記基準ベクトルは、ωiのすべてのziに対して、 【数11】 である、ai Tμiとして定義され、前記評価ステップは、請求項7〜12のい
ずれか1項に規定される方法のステップによって実行される請求項16又は17
に記載の方法。 - 【請求項19】 請求項1〜15のいずれか1項に記載の方法を実行するデ
ータ記憶及びデータ処理手段を含む個人認証システム。 - 【請求項20】 訓練画像のm個の異なるクラスのうち1以上のクラスに関
してプローブ画像の真正を評価するためのもので、前記訓練画像は、個々のベク
トルzj(j=1,2…N)によって定義され、合計N個のベクトルが存在し、
i番目のクラスωiの訓練画像の数は 【数12】 となるNiである個人認証システムであって、 前記各クラスωi(i=1,2…m)に対して、請求項1〜5のいずれか1項
に規定されるとおりの、クラス特定的な線形判別変換aiを記憶するデータ記憶
手段と、 前記クラス特定的な線形判別変換aiを前記データ記憶手段から取得し、前記
プローブ画像を定義するベクトルzpを、取得したクラス特定的線形判別変換ai の上に射影し、前記射影ベクトルai Tzpを前記i番目のクラスωiの基準
ベクトルと比較し、前記比較に基いて前記i番目のクラスωiに関して前記プロ
ーブ画像の真正を評価するデータ処理手段とを備える個人認証システム。 - 【請求項21】 前記基準ベクトルは、ωiのすべてのziに対して、 【数13】 となるai Tμiとして定義され、前記データ記憶手段に記憶され、前記データ
処理手段によってアクセス可能である請求項20に記載の認証システム。 - 【請求項22】 前記評価ステップは、次の式 【数14】 によって与えられる差分値dcを評価し、前記差分値に基いて前記プローブ画像
の真正を承認又は拒否することを含む請求項21に記載の認証システム。 - 【請求項23】 tcが予め定められた閾値として、dc≦tcなら、前記
プローブ画像の真正を承認し、dc>tcなら、前記プローブ画像の真正を拒否
することを含む請求項22に記載の認証システム。 - 【請求項24】 評価ステップは、次の式 【数15】 で与えられる差分値diを評価することを含む請求項21に記載の認証システム
。 - 【請求項25】 tiが予め定められた閾値として、di>tiなら、前記
プローブ画像の真正を承認し、di≦tiなら、前記プローブ画像の真正を拒否
することを含む請求項24に記載の認証システム。 - 【請求項26】 前記評価ステップが、tiを予め定められた閾値として、
前記差分値diを評価し、di>tiなら、前記プローブ画像の真正を承認し、 di≦tiなら、前記差分値dcを評価し、 tcを予め定められた閾値として、 dc≦tcなら、前記プローブ画像の真正を承認し、 dc>tcなら、前記プローブ画像の真正を拒否することを含む 請求項22及び請求項24に記載の認証システム。 - 【請求項27】 前記データ記憶手段及びデータ処理手段は異なるサイトに
配置されている請求項20〜26のいずれか1項に記載の認証システム。 - 【請求項28】 前記データ記憶手段は可搬型である請求項27に記載の認
証システム。 - 【請求項29】 前記データ記憶手段はスマートカードその他同様のもので
ある請求項28に記載の認証システム。 - 【請求項30】 前記データ記憶手段は予め計算済みのデータを蓄積する請
求項20〜29のいずれか1項に記載の認証システム。 - 【請求項31】 請求項1〜18のいずれか1項に規定されたステップを実
行するコンピュータにより実行可能な命令を含むコンピュータにより読取り可能
な媒体。 - 【請求項32】 添付図面の図を参照して本明細書で説明された個人認証方
法。 - 【請求項33】 添付図面の図を参照して本明細書で説明された個人認証シ
ステム。 - 【請求項34】 添付図面の図を参照して本明細書で説明されたコンピュー
タにより読取り可能な媒体。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
GBGB0013016.1A GB0013016D0 (en) | 2000-05-26 | 2000-05-26 | Personal identity authentication process and system |
GB0013016.1 | 2000-05-26 | ||
PCT/GB2001/002324 WO2001091041A1 (en) | 2000-05-26 | 2001-05-25 | Personal identity authentication process and system |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2003534613A true JP2003534613A (ja) | 2003-11-18 |
JP4624635B2 JP4624635B2 (ja) | 2011-02-02 |
Family
ID=9892547
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2001587355A Expired - Fee Related JP4624635B2 (ja) | 2000-05-26 | 2001-05-25 | 個人認証方法及びシステム |
Country Status (8)
Country | Link |
---|---|
US (1) | US7436985B2 (ja) |
EP (1) | EP1285400B1 (ja) |
JP (1) | JP4624635B2 (ja) |
CN (1) | CN1302424C (ja) |
AU (1) | AU2001258622A1 (ja) |
CA (1) | CA2410275C (ja) |
GB (1) | GB0013016D0 (ja) |
WO (1) | WO2001091041A1 (ja) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009140513A (ja) * | 2002-07-16 | 2009-06-25 | Nec Corp | パターン特徴抽出方法及びその装置 |
WO2010004958A1 (ja) * | 2008-07-10 | 2010-01-14 | 日本電気株式会社 | 個人認証システム、個人認証方法 |
US8116571B2 (en) | 2002-07-16 | 2012-02-14 | Nec Corporation | Pattern feature extraction via fourier amplitudes of a block image |
Families Citing this family (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7424425B2 (en) * | 2002-05-19 | 2008-09-09 | International Business Machines Corporation | Optimization of detection systems using a detection error tradeoff analysis criterion |
US8239917B2 (en) * | 2002-10-16 | 2012-08-07 | Enterprise Information Management, Inc. | Systems and methods for enterprise security with collaborative peer to peer architecture |
US7840806B2 (en) * | 2002-10-16 | 2010-11-23 | Enterprise Information Management, Inc. | System and method of non-centralized zero knowledge authentication for a computer network |
US20040193923A1 (en) * | 2003-01-16 | 2004-09-30 | Hammond Frank J. | Systems and methods for enterprise security with collaborative peer to peer architecture |
GB0316631D0 (en) * | 2003-07-16 | 2003-08-20 | Omniperception Ltd | Facial liveness assessment system |
GB0326186D0 (en) * | 2003-11-10 | 2003-12-17 | Omniperception Ltd | 2d face authentication system |
KR100543707B1 (ko) * | 2003-12-04 | 2006-01-20 | 삼성전자주식회사 | 서브그룹별 pca 학습을 이용한 얼굴인식방법 및 장치 |
CN100468467C (zh) * | 2006-12-01 | 2009-03-11 | 浙江工业大学 | 基于人脸鉴别技术的门禁和考勤装置 |
US7961956B1 (en) * | 2009-09-03 | 2011-06-14 | Thomas Cecil Minter | Adaptive fisher's linear discriminant |
ES2339100B2 (es) * | 2010-01-14 | 2010-09-21 | Universidad Politecnica De Madrid | Dispositivo y procedimiento automatico para establecer el sexo al que pertenecen los rostros que aparecen en imagenes. |
CN102750519A (zh) * | 2012-05-30 | 2012-10-24 | 北京城市网邻信息技术有限公司 | 一种图像的识别及过滤方法和装置 |
JP2014029623A (ja) * | 2012-07-31 | 2014-02-13 | Canon Inc | 情報処理装置及び情報処理方法 |
CN103839041B (zh) * | 2012-11-27 | 2017-07-18 | 腾讯科技(深圳)有限公司 | 客户端特征的识别方法和装置 |
CN103440292B (zh) * | 2013-08-16 | 2016-12-28 | 新浪网技术(中国)有限公司 | 基于比特向量的多媒体信息检索方法和系统 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS62130482A (ja) * | 1985-11-30 | 1987-06-12 | Nec Corp | 文字認識方式 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5164992A (en) * | 1990-11-01 | 1992-11-17 | Massachusetts Institute Of Technology | Face recognition system |
GB9201006D0 (en) * | 1992-01-17 | 1992-03-11 | Philip Electronic And Associat | Classifying faces |
US5550928A (en) | 1992-12-15 | 1996-08-27 | A.C. Nielsen Company | Audience measurement system and method |
GB9611138D0 (en) * | 1996-05-29 | 1996-07-31 | Domain Dynamics Ltd | Signal processing arrangements |
US6671404B1 (en) * | 1997-02-14 | 2003-12-30 | Hewlett-Packard Development Company, L.P. | Method and apparatus for recognizing patterns |
US5917928A (en) * | 1997-07-14 | 1999-06-29 | Bes Systems, Inc. | System and method for automatically verifying identity of a subject |
US6625303B1 (en) * | 1999-02-01 | 2003-09-23 | Eastman Kodak Company | Method for automatically locating an image pattern in digital images using eigenvector analysis |
US6594629B1 (en) * | 1999-08-06 | 2003-07-15 | International Business Machines Corporation | Methods and apparatus for audio-visual speech detection and recognition |
-
2000
- 2000-05-26 GB GBGB0013016.1A patent/GB0013016D0/en not_active Ceased
-
2001
- 2001-05-25 WO PCT/GB2001/002324 patent/WO2001091041A1/en active Application Filing
- 2001-05-25 CA CA2410275A patent/CA2410275C/en not_active Expired - Fee Related
- 2001-05-25 AU AU2001258622A patent/AU2001258622A1/en not_active Abandoned
- 2001-05-25 JP JP2001587355A patent/JP4624635B2/ja not_active Expired - Fee Related
- 2001-05-25 CN CNB018133487A patent/CN1302424C/zh not_active Expired - Fee Related
- 2001-05-25 EP EP01931936A patent/EP1285400B1/en not_active Expired - Lifetime
- 2001-05-25 US US10/296,677 patent/US7436985B2/en not_active Expired - Fee Related
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS62130482A (ja) * | 1985-11-30 | 1987-06-12 | Nec Corp | 文字認識方式 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009140513A (ja) * | 2002-07-16 | 2009-06-25 | Nec Corp | パターン特徴抽出方法及びその装置 |
US8116571B2 (en) | 2002-07-16 | 2012-02-14 | Nec Corporation | Pattern feature extraction via fourier amplitudes of a block image |
WO2010004958A1 (ja) * | 2008-07-10 | 2010-01-14 | 日本電気株式会社 | 個人認証システム、個人認証方法 |
US8553983B2 (en) | 2008-07-10 | 2013-10-08 | Nec Corporation | Personal authentication system and personal authentication method |
JP5418991B2 (ja) * | 2008-07-10 | 2014-02-19 | 日本電気株式会社 | 個人認証システム、個人認証方法 |
Also Published As
Publication number | Publication date |
---|---|
US20030172284A1 (en) | 2003-09-11 |
US7436985B2 (en) | 2008-10-14 |
CA2410275A1 (en) | 2001-11-29 |
EP1285400B1 (en) | 2012-08-15 |
AU2001258622A1 (en) | 2001-12-03 |
CA2410275C (en) | 2012-10-09 |
EP1285400A1 (en) | 2003-02-26 |
CN1444753A (zh) | 2003-09-24 |
GB0013016D0 (en) | 2000-07-19 |
JP4624635B2 (ja) | 2011-02-02 |
CN1302424C (zh) | 2007-02-28 |
WO2001091041A1 (en) | 2001-11-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US7130454B1 (en) | Real-time facial recognition and verification system | |
CN104756135B (zh) | 用于与配备有相机的设备相关的生物特征验证的系统和方法 | |
US8320643B2 (en) | Face authentication device | |
JP2003534613A (ja) | 個人認証方法及びシステム | |
Schouten et al. | Biometrics and their use in e-passports | |
CN102902959A (zh) | 基于二代身份证存储证件照的人脸识别方法及系统 | |
Jaafar et al. | A review of multibiometric system with fusion strategies and weighting factor | |
US20070147683A1 (en) | Method, medium, and system recognizing a face, and method, medium, and system extracting features from a facial image | |
Davuluri et al. | A Novel Approach to Human Iris Recognition And Verification Framework Using Machine Learning Algorithm | |
Ramasamy et al. | Securing one-time password generation using elliptic-curve cryptography with self-portrait photograph for mobile commerce application | |
Abdo et al. | Iris recognition based on histogram equalization and discrete cosine transform | |
Sudhakar et al. | Facial identification of twins based on fusion score method | |
US20090028444A1 (en) | Method, medium, and apparatus with object descriptor generation using curvature gabor filter | |
Kumari et al. | Gender classification by principal component analysis and support vector machine | |
Patil et al. | An approach for secure identification and authentication for biometrics using iris | |
Arunachalamand et al. | Finger knuckle print recognition using MMDA with fuzzy vault | |
Ashiba et al. | Implementation face based cancelable multi-biometric system | |
Olufade et al. | Biometric authentication with face recognition using principal component analysis and feature based technique | |
Kamil et al. | Makeup-invariant face identification and verification using fisher linear discriminant analysis-based gabor filter bank and histogram of oriented gradients | |
Fagbolu et al. | Secured banking operations with face-based automated teller machine | |
Ilyas et al. | Wavelet-Based Facial recognition | |
Soviany et al. | An optimized multimodal biometric system with hierachical classifiers and reduced features | |
Nandini et al. | Multi-biometrics approach for facial recognition | |
Kumar et al. | A Review on Various Approaches of Face Recognition | |
Zakharov et al. | Embedding Non-Distortive Cancelable Face Template Generation |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20080523 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20100525 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20100824 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20101005 |
|
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20101104 |
|
R150 | Certificate of patent or registration of utility model |
Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20131112 Year of fee payment: 3 |
|
LAPS | Cancellation because of no payment of annual fees |