JP2006107288A - 個人認証方法、装置及びプログラム - Google Patents

Abstract

【課題】比較的簡単な処理によって精度のよい個人認証を行う。
【解決手段】認証対象の個人の画像を入力する画像入力ステップＳ２１、入力された画像から認識対象の個人の特定の皮膚テクスチャを検出するテクスチャ検出ステップＳ２２、検出された皮膚テクスチャの特徴量を示す特徴パターンを生成するパターン生成ステップＳ２３、及び生成された特徴パターンをデータベースに予め記憶された複数の特徴パターンと照合して個人認証結果を得る照合ステップＳ２４を有する。
【選択図】図２

Description

本発明は、認証対象の個人が登録されている個人であるかどうかを認証する個人認証方法及び装置に関する。

近年、セキュリティ技術やヒューマンインタフェースの分野では、コンピュータ技術を利用し、人物をカメラで撮影して得られる画像を解析することにより個人認証、すなわち対象の個人が登録されている個人か否かを認証することが試みられている。人間の生体情報を利用する個人認証技術としては、顔、声紋、指紋、虹彩などを認識する方法がある。それらの中で特に顔を認識して個人認証を行う方法は、対象の個人に精神的、肉体的負担をかけることがなく、利用しやすいという特徴がある。

顔の認識方法については、例えばGabor-Waveletによって顔画像から特徴点を抽出し、特徴点同士の位置関係から認識を行う手法や、顔画像の濃淡パターンを特徴ベクトルとして抽出する手法などが例えば非特許文献１：赤松茂：“コンピュータによる顔の認識”電子情報通信学会論文誌Vol. J80-A No.8 pp.1215-1230(1997)によって紹介されている。

これらの手法においては、ホクロ、シミ、ソバカス、アザ、傷跡、毛穴、刺青などに関する情報はノイズとして無視される。例えば、特許文献１：特開平１０−２８３４７２号公報では、このような小領域をノイズとみなして削除することが述べられている。

一方、ホクロの位置に代表されるように、皮膚のテクスチャに関する情報は個人の特徴として古くから指名手配や鑑識などの犯罪捜査で使われており、また特許文献２：特開平１０−２８３４７２号公報などにおいても個人の特徴として指摘されている。
赤松茂："コンピュータによる顔の認識"電子情報通信学会論文誌Vol. J80-A No.8 pp.1215-1230(1997) 特開平１０−２８３４７２号公報 特開２００１−５２１４２号公報

上述のように従来のコンピュータ技術を利用した個人認証技術においては、顔画像全体から特徴点や濃淡パターンの特徴ベクトルといった特徴情報を抽出して顔の認識を行うため、例えば双子のように認証対象の人物に顔が全体的に似ている人を認証対象の個人と誤認する可能性がある。また、認証対象の個人を撮影する際の照明光の照度変動や色温度などの影響や、表情の経年変化などの影響によっても個人認証の精度が低下するという問題点がある。

本発明は、比較的簡単な処理によって精度のよい個人認証を行うことができる個人認証方法及び装置を提供することにある。

上記の課題を解決するため、本発明では認証対象の個人の画像を入力し、入力された画像から前記認識対象の個人の特定の皮膚テクスチャを検出する。検出された皮膚テクスチャの特徴量を示す第１特徴パターンを生成し、該第１特徴パターンをデータベースに予め記憶された複数の第２特徴パターンと照合して認証対象の個人についての個人認証結果を得る。

ホクロ、シミ、ソバカス、アザ、傷跡、毛穴、刺青などといった皮膚テクスチャに関する情報は、個人を特定する上で有効な特徴であり、これを個人認証に利用することは有用と考えられる。

本発明によれば、このような皮膚テクスチャに関する情報を用いて個人認証を行うことにより、例えば双子のように顔が似ている人物同士でも皮膚テクスチャまでが類似していることは少ないので、別の人物として正しく認証することが可能になる。また、これら皮膚のテクスチャの特徴は一般に照明光の照度変動や色温度の影響を受けにくく、さらに経年変化の影響も受けにくいので、精度のよい個人認証が可能となる。

以下、図面を参照して本発明の実施形態について説明する。以下の実施形態では、認証対象の個人の顔の画像から皮膚テクスチャとしてホクロを検出し、顔上でのホクロの配置や濃淡に関する情報を使用して個人認証を行う例について述べる。

（第１の実施形態）
図１に示されるように、第１の実施形態に係る個人認証装置は画像入力部１１、皮膚テクスチャ検出部１２、特徴パターン生成部１３、照合部１４、データベース１５及び認証結果出力部１６を有する。以下、図１の各部の概略について説明すると、まず画像入力部１１は例えば認証対象の個人の顔を撮影して顔の画像を画像信号として入力する。画像入力部１１が入力する画像は、典型的には可視光画像であるが、赤外線画像や紫外線画像であっても構わない。可視光画像を入力する装置としては、具体的には電子的なカメラ、例えばディジタルスチルカメラあるいはビデオカメラが用いられる。

画像入力部１１によって入力される画像は、皮膚テクスチャ検出部１２に入力される。皮膚テクスチャ検出部１２は、入力される画像から顔の皮膚テクスチャ、ここでは顔のホクロを検出する処理を行う。皮膚テクスチャ検出部１２により検出された皮膚テクスチャの情報は、特徴パターン生成部１３に渡される。特徴パターン生成部１３では、皮膚テクスチャの特徴量を示す特徴パターンが生成される。

特徴パターン生成部１３で生成された皮膚テクスチャの特徴パターンは照合部１４に入力され、ここで予め登録されている複数の特徴パターン、すなわち予め作成されデータベース１５に記憶されている複数の個人の特徴パターンと比較・照合される。データベース１５に記憶されている複数の特徴パターンは、複数の個人の顔の皮膚テクスチャ（ここでは、ホクロのテクスチャ）の特徴量を示しており、各個人を示す個人ＩＤと対応付けられて記憶されている。照合部１４での照合により最終的に個人認証が行われ、認証結果出力部１６において認証結果が例えば表示されることによって出力される。

以下、図２〜図７を用いて図１の個人認証装置の処理手順について説明する。図２は、個人認証処理の大まかな手順を示すフローチャートである。
まず、画像入力部１１によって認証対象の個人の顔を含む画像を入力する（ステップＳ２１）。顔の画像は、典型的には正面を向いた顔の画像であり、後述する皮膚テクスチャ検出における基準点検出処理で基準点を検出できるような画像であればよい。画像入力部１１は、画像をカラーとして取得する場合、後の処理を容易にするためにカラー画像を白黒の濃淡画像に変換することが望ましい。また、画像入力部１１は画像をＲＧＢ空間またはＹ・Ｃｒ・Ｃｂ空間などの色空間へ変換して色情報を出力してもよい。

次に、皮膚テクスチャ検出部１２によって顔の皮膚テクスチャ、例えばホクロを検出する（ステップＳ２２）。皮膚テクスチャとしてホクロを検出する場合、まず入力された画像中から顔領域を特定し、次に一般にホクロは黒い円形状のものであるので、特定した顔領域から黒い円形領域を抽出する。さらに、皮膚テクスチャ検出部１２では抽出した円形領域について表示画面上での属性情報、例えば座標、濃淡及び半径などの情報を併せて出力する。

ここで、図３を用いて皮膚テクスチャ検出ステップＳ２２の詳細を述べる。まず、顔領域を特定するために使用する顔の基準点を検出する（ステップＳ３１）。ここでは、入力した顔の画像から例えば図４に示すように顔４０の基準点として目４１、鼻孔４２及び口端４３を検出し、目４１、鼻孔４２及び口端４３の計６点の画像上での座標を出力する。基準点の検出方法は特に限定されないが、例えば参考文献１：福井和広、山口修：「形状抽出とパターン照合の組み合わせによる顔特徴点抽出」、電子情報通信学会論文誌(D), vol.J80-D-II, No.8, pp2170-2177(1997)に記載された顔特徴点の検出方法を用いることができる。

ここでは基準点検出ステップＳ３１において顔４０の基準点として目４１、鼻孔４２及び口端４３の計６点の画像上での座標を出力するとしたが、目４１、鼻孔４２及び口端４３のうちの任意の一つまたは二つを基準点としてもよい。さらに、目、鼻孔及び口端ではなく、目頭、目尻、眉、鼻、唇及び耳などを基準点として用いるか、あるいは目、鼻孔、目頭、目尻、眉、鼻、唇及び耳のうちの任意の一つまたは二つを基準点として使用することも可能である。

次に、画像中の顔領域の位置及び大きさを予め決めた位置及び大きさに揃える正規化の処理を行う（ステップＳ３２）。ここでは、ステップＳ３１で検出した顔の基準点を用いて位置及び大きさを揃えた顔領域を求める。ステップＳ３１で検出した目４１、鼻孔４２及び口端４３の６点の座標を予め定めた６点の座標に移すアファイン変換を画像全体に施し、アフィン変換後の画像を出力する。目４１、鼻孔４２及び口端４３の６点が予め定めた６点に移るようなアファイン変換が存在しない場合は、目４１、鼻孔４２及び口端４３の６点に対し、該６点に対応する６点の残差が最小になるアファイン変換を正規化に使用するアファイン変換とする。

この結果、例えば図５（ａ）に示されるように、正規化した画像の目５１、鼻孔５２及び口端５３の位置を基準に予め定めた領域を顔領域５０とし、顔領域５０で切り取った画像を図５（ｂ）に示す正規化顔画像５４とする。基準点検出ステップＳ３１において、顔４０の基準点として目４１、鼻孔４２及び口端４３のうちの任意の一つまたは二つを基準点として用いたり、目頭、目尻、眉、鼻、唇及び耳などを基準点として用いたり、あるいは目、鼻孔、目頭、目尻、眉、鼻、唇及び耳のうちの任意の一つまたは二つを基準点として用いる場合、正規化ステップＳ３２においてもステップＳ３１で検出した顔の基準点を使用して顔領域の位置及び大きさを揃えればよい。

なお、図３では正規化ステップＳ３２の処理を基準点検出ステップＳ３１の直後に行ったが、正規化ステップＳ３２の処理は後述する照合ステップまでの間のどのタイミングで行ってもよい。

次に、分離度マップ生成ステップＳ３３、特徴点候補検出ステップＳ３４及び皮膚テクスチャ判定ステップＳ３５によって、ステップＳ３１〜Ｓ３２で特定された顔領域からホクロらしい形状と色を持つ小領域を検出し、ホクロであるか判断する処理を行う。ここでは、ホクロらしい小領域として特に円形の黒色領域を検出する。

分離度マップ生成ステップＳ３３では、ホクロらしい形状を持つ小領域、ここでは円形領域を検出するための準備の処理を行う。すなわち、顔領域である正規化顔画像５４の各点での分離度を計算し、各点での分離度を対応させた分離度マップを生成する。ここで、分離度とは２つの領域間の画像特徴量の分離度合いを０から１までの数値で表した指標であり、以下の数式（１）のηで計算される。

ただし、Ｐ_iは画素ｉの輝度、Ｐ₁，Ｐ₂及びＰ₁₊₂はそれぞれ領域１，領域２及び領域（１＋２）における平均輝度、ｎ₁，ｎ₂及びＮはそれぞれの領域１、領域２及び領域（１＋２）における画素数である。

画像入力部１１が白黒画像の画像信号を生成する場合、輝度Ｐ_iとしては白黒画像における画素値をそのまま用いる。また、画像入力部１１が色情報を有する画像信号を生成する場合、分離度マップ生成ステップＳ３３においては、分離度の計算の際にＲＧＢやＹ・Ｃｒ・Ｃｂなどの色情報を含んだ画素値を使用してもよい。

領域１及び領域２は、図６に示す円形の分離度フィルタにおいて半径ｒの円の外側の領域及び内側の領域とする。このような形状の分離度フィルタを使用することで、円形またはそれに準ずる形状の小領域を抽出することが可能である。分離度フィルタを用いて特徴点を検出する方法は、例えば特許第３２７９９１３号公報に開示されている。

正規化された顔画像から半径ｒの円形領域を検出する場合は、図６に示す半径ｒの円形分離度フィルタを使用して分離度マップを作成する。大きさの異なる複数の円形領域を検出する場合は、それぞれ半径がｒ₁, ..., ｒ₂の円形分離度フィルタを用意し、それぞれの円形分離度フィルタを用いて分離度マップを作成する。次の処理を軽くするために、各点で半径がｒ₁, ..., ｒ₂の円形分離度フィルタで計算した分離度のうち、最大の分離度を対応させ、併せてそのときの半径を記憶するという方法をとってもよい。また、ノイズに対する耐性を上げるために、上述のようにして作成した分離度マップにガウスフィルタなどの平滑化フィルタ処理を行ってもよい。

次の特徴点候補検出ステップＳ３４では、分離度マップ生成ステップＳ３３で生成された分離度マップである、ホクロらしい形状の小領域（ここでは円形領域）の特徴点候補を検出し、検出した円形領域がホクロであるかを判断するための属性情報を収集して付加する。すなわち、ステップＳ３４ではステップＳ３３で生成された分離度マップから特徴点候補を検出し、さらに各特徴点候補の点に関する属性情報を付加する。具体的な手順としては、まず分離度の低い部分を除去するために、分離度マップ内において分離度の値が予め定めた閾値を超える点を抽出する。

次に、円形の領域の中心において分離度が局所最大になる性質を利用して、抽出した点に対して分離度マップが局所最大となっている画像上の点を特徴点候補とし、属性情報と合わせてＦ＝（ｘ, ｙ, ｓ, ｒ, ｂ）を抽出する。ここで、ｘ，ｙはそれぞれ特徴点候補の画像上のｘ座標及びｙ座標、ｓは特徴点候補における分離度、ｒは分離度フィルタの半径、ｂは分離度フィルタにおける円の外側と内側（図６の領域１と領域２）での輝度値の平均の比P₁／P₂である。

分離度マップが複数ある場合は、それぞれの分離度マップで上記の処理を行う。そして複数の分離度マップに対して、画像上の各点(ｘ, ｙ)において異なる半径の分離度マップにおける特徴点候補の数をカウントし、その数を点(ｘ, ｙ)での重複度ｍとする。位置ずれに対する耐性を上げるために、各点の重複度を数える際に周囲に特徴点候補があれば含めて数え上げてもよい。

重複度ｍが１の点では、特徴点候補が１つしかないので、その特徴点候補の属性情報Ｆ＝(ｘ, ｙ, ｓ, ｒ, ｂ)に重複度１を加えたＦ＝(ｘ, ｙ, ｓ, ｒ, ｂ, １)を改めてその特徴点候補の属性情報とする。重複度ｍが２以上の点では、複数存在する特徴点候補Ｆ_i＝(ｘ_i, ｙ_i, ｓ_i, ｒ_i, ｂ_i)(ｉ＝1, ..., m)とその属性情報について、分離度ｓ_iが最大である属性情報Ｆ_n＝(ｘ_n, ｙ_n, ｓ_n, ｒ_n, ｂ_n)に重複度ｍを加えたＦ_n＝(ｘ_n, ｙ_n, ｓ_n, ｒ_n, ｂ_n, ｍ)を改めてその特徴点候補の属性情報とする。

次の皮膚テクスチャ判定ステップＳ３５においては、ステップＳ３４で抽出した特徴点候補とその属性情報からホクロと判断される点を判定して抽出する。すなわち、ステップＳ３４において特徴点候補に付加されたＦ＝(ｘ, ｙ, ｓ, ｒ, ｂ, ｍ)から、ホクロと判断される点を抽出する。具体的には、ｓ, ｂ, ｍ, ｓ×ｂ×ｍに対して予め閾値ｋ_s, ｋ_b, ｋ_m, ｋ_sbmを定め、ｓ≧ｋ_s, ｂ≧ｋ_b, ｍ≧ｋ_m, ｓ×ｂ×ｍ≧ｋ_sbmの４条件を全て満たす特徴点候補をホクロとする。抽出するホクロの数を予め決めている場合は、ホクロをｓ×ｂ×ｍが大きい順番にソートし、予め決めた数だけ選択する。こうして求めた分離度ｓと内外輝度比ｂと重複度ｍの積ｓ×ｂ×ｍをそのホクロにおける皮膚テクスチャ適合度とする。

上記説明では、皮膚テクスチャ判定ステップＳ３５において皮膚テクスチャの判定に特徴点候補検出ステップＳ３４で検出された重複度ｍ、分離度ｓ、内外輝度比ｂ及び皮膚テクスチャ適合度ｓ×ｂ×ｍを使用しているが、重複度ｍ、分離度ｓ、内外輝度比ｂ及び皮膚テクスチャ適合度ｓ×ｂ×ｍのうちの任意の一つ、またはいくつかの組み合わせ、あるいは重複度ｍ、分離度ｓ及び内外輝度比ｂのいくつかの組み合わせの積をそれぞれの皮膚テクスチャの判定に使用してもよい。

図２に説明を戻すと、ステップＳ２２の皮膚テクスチャ検出処理に引き続き、特徴パターン生成部１３によってステップＳ２２で検出したホクロとその属性情報を使った人物認証を行うための特徴パターンの画像（特徴パターン画像）を生成する特徴パターン生成処理を行う（ステップＳ２３）。すなわち、この処理ではステップＳ２２で抽出したホクロと皮膚テクスチャ適合度ｓ×ｂ×ｍから皮膚テクスチャパターン画像を生成する。皮膚テクスチャパターン画像は、ホクロの位置に皮膚テクスチャ適合度を輝度に持つ点を配置した画像である。図７（ａ）はステップＳ２２で検出されたホクロ７１の位置を表し、図７（ｂ）は図７（ａ）から生成した皮膚テクスチャパターン画像である。

ステップＳ２３においては、ホクロ検出の位置ずれに対する耐性を上げるために、ガウスフィルタなどの平滑化フィルタ処理を行ってもよい。また位置ずれに対する耐性を上げる別の方法としては、正規化した顔画像を縦にｍ等分、横にｎ等分し、ｍ×ｎ個の各領域内の皮膚テクスチャ適合度の平均を輝度に持つｍ×ｎのモザイク画像を皮膚テクスチャパターン画像としてよい。ただしｍ，ｎは１以上の自然数である。

次に、照合部１４では照合処理を行う（ステップＳ２４）。この処理では、ステップＳ２３により作成された皮膚テクスチャパターン画像について予めデータベース１５に登録してある複数の個人の皮膚テクスチャパターン画像との類似度合いを計算することで照合を行い、個人認証を行う。データベース１５に記憶されている皮膚テクスチャパターン画像は、複数の特徴点候補とその属性Ｆ＝(ｘ, ｙ, ｓ, ｒ, ｂ, ｍ)のように皮膚テクスチャパターンを生成できるものであればよい。また計算量削減のため、あらかじめ皮膚テクスチャパターン画像をベクトルとみなして長さを１に正規化した画像をデータベース１５に記憶しておいてもよい。類似度合いを数値化した類似度は、次の数式（２）によって計算される。

ただし、ｘ_i, ｙ_iはそれぞれ皮膚テクスチャパターン画像の各画素の輝度、nは皮膚テクスチャパターン画像の画素の数、simは類似度とする。数式（２）の類似度simは皮膚テクスチャパターン画像を各画素の輝度を成分とするベクトルとみなし、正規化で長さを１にした後にベクトル同士の内積を計算したものと同じである。データベース１５に皮膚テクスチャパターンが記憶され、類似度simが予め定めた閾値を超えた人物の中で、最大の類似度を持つ人物を認証対象の人物、すなわち画像入力部１１により入力された顔画像の人物であると認識する。

次に、認証結果出力部１５では認証結果出力処理を行う（ステップＳ２５）。ステップＳ２５では、具体的にはステップＳ２４によって得られた、認証対象の人物に対する認識結果を認証結果として出力し、場合によって類似度simも合わせて認証結果として出力する。

このように本実施形態によると、ホクロの皮膚テクスチャを利用して個人認証を行うため、顔画像全体の特徴を認識して個人認証を行う従来の技術に比較して、少ない処理量で精度の高い認証を行うことができる。

すなわち、例えば一卵性双生児や兄弟・姉妹・親子などは、顔が似ていて顔全体の特徴が類似していても、ホクロのような皮膚テクスチャまでが類似している例は少ない。従って、本実施形態のように皮膚テクスチャを利用して個人認証を行うと、認識対象の個人と一卵性双生児や兄弟・姉妹・親子の関係にある別の人物を認識対象の個人と誤って認証する可能性が低くなる。また、皮膚テクスチャの特徴は顔全体の特徴と異なり、照明光の照度変動や色温度の影響を受けにくく、ホクロが消滅するなどの経年変化も少ないので、より精度のよい個人認証が可能となる。

尚、上述の説明では分離度マップ生成ステップＳ３３において図６に示したような円形分離度フィルタを使用したが、図８（ａ）（ｂ）に示すような三角形、四角形または五角形、六角形、あるいは図８（ｃ）に示すような楕円など閉じた曲線で作られた分離度フィルタを用いてもよい。また、シワなどの線状のテクスチャを検出するために、図８（ｄ）（ｅ）に示すような直線や曲線の分離度フィルタを用いてもよい。

（第２の実施形態）
次に、図９を用いて本発明の第２の実施形態について説明する。本実施形態に係る個人認証装置は第１個人認証部１０１、第２個人認証部１０２及びこれらの認証結果を統合する認証結果統合部１０３を有する。ここで、第１個人認証部１０１及び第２個人認証部１０２は、同一個人を認証対象として異なる処理で個人認証を行うものとする。

図１０を用いて説明すると、まず第１個人認証部１０１により第１個人認証処理を行う（ステップＳ２０１）。第１個人認証処理は、第１の実施形態で説明したような皮膚テクスチャを用いた個人認証処理である。

次に、第２個人認証部１０２により第２個人認証処理を行う（ステップＳ２０２）。第２個人認証処理は、第１個人認証処理とは異なる個人認証処理であれば基本的にどのような処理でもよく、複数の異なる個人認証処理の組み合わせであってもよい。例えば、第２個人認証処理として顔認識による個人認証処理を用いることができる。その場合、第２個人認証処理として、例えば顔全体の画像パターンをそのまま入力し、部分空間法など使って個人認証を行う手法が考えられる。部分空間法については、例えば「飯島泰蔵“パターン認識理論”森北出版（１９８９年）」「エルッキ・オヤ著“パターン認識と部分空間法”産業図書（１９８６年）」などに詳しい。

認証結果統合部１０３では、第１個人認証処理の結果と第２個人認証処理の結果を統合して最終的な個人認証結果を出力する処理を行う（ステップＳ２０３）。この認識結果統合処理の具体例としては、例えば第１個人認証処理の結果と第２個人認証処理の結果としてそれぞれ複数の候補を生成し、これらを統合して最も確からしい候補を最終的な個人認証結果として出力する方法が考えられる。

このように本実施形態によると、二種類の個人認証処理による個人認証結果を統合することによって、それぞれの個人認証処理を補完でき、より精度のよい個人認証が可能となる。すなわち、例えば別人同士で顔全体の特徴は異なるが、顔のホクロなどの皮膚テクスチャはたまたま類似することが考えられるが、このような場合は皮膚テクスチャを用いた第１個人認証処理に顔認識による第２個人認証処理を併用することで、認証誤りを避けることができる。この場合、顔認識による第２個人認証処理は、第１個人認証処理を補完するものであるため、顔全体の認識のみによって最終的な個人認証処理を行う方法に比較して精度は低くてよい。

本実施形態の変形として、図１１、図１２あるいは図１３に示すような構成も考えられる。図１１は、第１個人認証部１０１の出力を第２個人認証部１０２が使用して処理する例であり、図１２は、逆に第２個人認証部１０２の出力を第１個人認証部１０１が使用して処理する例である。さらに、図１３は第１個人認証部１０１と第２個人認証部１０３が互いに情報をやり取りしながら処理する例である。例えば、第２個人認証部１０２として顔認識による個人認証処理を用いる場合を例にとると、第２個人認証部１０２に顔認識用として入力された顔画像から第１個人認証部１０１により皮膚テクスチャを検出し、皮膚テクスチャによる第１個人認証結果と顔認識による第２個人認証結果を統合して最終的な認証処理を行う方法が考えられる。

上記実施形態で説明した個人認証処理は、ハードウェアによって実現することもできるし、コンピュータを用いてソフトウェアにより実行することもできる。すなわち、本発明によると、認証対象の個人の画像を入力する処理と、入力された画像から前記認識対象の個人の特定の皮膚テクスチャを検出する処理と、検出された皮膚テクスチャの特徴量を示す第１特徴パターンを生成する処理と、生成された第１特徴パターンをデータベースに予め記憶された複数の第２特徴パターンと照合して前記認証対象の個人についての個人認証結果を得る処理とを含む個人認証処理をコンピュータに行わせるためのプログラムを提供することもできる。

（変形例）
本発明は、上記実施形態に限られるものでななく、以下に挙げるように種々の変形が可能である。

（１）上記実施形態では、個人認証に使用する皮膚テクスチャとしてホクロを使用しているが、個人を識別できる特徴を示す皮膚のテクスチャであればどのようなものでもよい。例えばシミ、ソバカス、アザ、イボ、ニキビ、傷跡、シワ、毛穴、刺青などを用いてもよい。

（２）上記実施形態では、皮膚テクスチャを用いた個人認証に顔の皮膚テクスチャを使用しているが、認証対象の身体の顔以外の部位を単独であるいは組み合わせて使ってもよい。例えば、手、腕、肩、腹、胸、背中、足、脚などの部位の皮膚テクスチャ、あるいはこれら部位の皮膚テクスチャの組み合わせを使ってもよい。

このように顔以外の身体の部位の皮膚テクスチャを使用する場合、図３中の正規化ステップＳ３２においては予めそれぞれの部位の画像を正規化するための向き、形及び大きさなどを決めておくことが好ましい。例えば、図１４に示すような手の皮膚テクスチャを用いる場合には、開いた状態の手のひら、開いた状態の手の甲、あるいはこれら両方の組み合わせを正規化の基準とすることができる。

（３）上記実施形態では、皮膚テクスチャ検出ステップＳ２２において、図３に示す基準点検出ステップＳ３１及び正規化ステップＳ３２によって顔領域を特定する方法を用いたが、顔領域の特定には他の方法を用いることもできる。例えば、画像入力部１１によって入力される画像中の色情報を用いて肌色の領域を顔領域と特定したり、画像中の輪郭を抽出して顔領域を特定したりする方法など、基準点の検出を使用しない顔領域の特定法を使用してもよい。

（４）上記実施形態では、皮膚テクスチャ判定ステップＳ３５において重複度ｍ、分離度ｓ、内外輝度比ｂ及び皮膚テクスチャ適合度ｓ×ｂ×ｍといった指標を用いたが、このような指標を用いることなく皮膚テクスチャを判定してもよい。例えば、図６に示した分離度フィルタの内側（領域２）の輝度値の平均である数式（１）のＰ₁や、分離度フィルタの円内の輝度値の平均などの皮膚テクスチャらしさを数値化する処理によって皮膚テクスチャの判定を行ってもよい。

（５）上記実施形態では、皮膚テクスチャ検出ステップＳ２２において分離度フィルタを使用したが、エッジ抽出による方法、Gabor-waveletによる方法、あるいは２値化による方法など、皮膚テクスチャを検出できるものであれば、皮膚テクスチャ検出ステップＳ２２はどのような処理でもよい。その際の皮膚テクスチャ適合度は、例えば検出した皮膚テクスチャの領域の輝度値の平均など、皮膚テクスチャらしさを数値化したものを用いることができる。

（６）上記実施形態では、特徴パターン生成ステップＳ２３において個人を識別する皮膚テクスチャの特徴量として、図７（ｂ）に示すような皮膚テクスチャパターン画像を生成したが、皮膚テクスチャに関する情報から抽出した個人を識別できる特徴であればどのようなものでもよい。例えば、座標、分離度、半径、内外輝度比を並べたベクトルＦ＝(ｘ, ｙ, s, ｒ, ｂ, ｍ)を複数もって、それぞれが対応している数を類似度として識別してもよい。

（７）上記実施形態では、照合ステップＳ２４において類似度の計算に数式（２）を使用しているが、(sim)²や以下の数式（３）で表される値などの類似性を数値化できるものであれば、どのような計算式でもよい。

また、データベース１５に予め複数の顔の画像や皮膚テクスチャパターン画像が登録されている場合は、複数の皮膚テクスチャパターン画像をベクトルとみなし、それらのベクトルから部分空間を生成し、部分空間法で類似度を計算してもよい。

さらに、画像入力部１１で複数の画像が入力される場合は、それぞれの画像の類似度の平均や、それぞれの画像から生成した皮膚テクスチャパターン画像をベクトルとみなし、それらのベクトルが生成する部分空間を使う部分空間法や、例えば参考文献２：前田賢一、渡辺貞一、“局所的構造を導入したパターン・マッチング法”、信学論(D), vol.J68-D, No.3, pp.345-352, 1985に開示された相互部分空間法によって類似度を計算してもよい。

本発明の第１の実施形態に係る個人認証装置のブロック図 第１の実施形態における個人認証処理全体の概略的な処理手順を示すフローチャート 図２中の皮膚テクスチャ検出ステップの詳細な処理手順を示すフローチャート 図３中の基準点検出ステップの検出対象の一例を示す図 図３中の正規化ステップの処理について説明するための図 図３中の分離度マップ生成ステップで用いる分離度フィルタの一例の図 図２中の特徴パターン生成ステップの処理について説明するための図 図３中の分離度マップ生成ステップで用いる分離度フィルタの他の例を示す図 本発明の第２の実施形態に係る個人認証装置のブロック図 第２の実施形態における個人認証処理全体の概略的な処理手順を示すフローチャート 図９を変形した個人認証装置のブロック図 図９を変形した個人認証装置のブロック図 図９を変形した個人認証装置のブロック図 手の皮膚テクスチャについて示す図

符号の説明

１１…画像入力部；
１２…皮膚テクスチャ検出部；
１３…特徴パターン検出部；
１４…照合部；
１５…データベース；
１６…認証結果出力部；
１０１…第１個人認証部；
１０２…第２個人認証部；
１０３…認証結果統合部；
１０４…最終認証結果

Claims (8)

1. 認証対象の個人の画像を入力する画像入力ステップと、
   入力された画像から前記認識対象の個人の特定の皮膚テクスチャを検出するテクスチャ検出ステップと、
   検出された皮膚テクスチャの特徴量を示す第１特徴パターンを生成するパターン生成ステップと、
   生成された第１特徴パターンをデータベースに予め記憶された複数の第２特徴パターンと照合して前記認証対象の個人についての個人認証結果を得る照合ステップとを具備する個人認証方法。
2. 前記テクスチャ検出ステップは、前記皮膚テクスチャとしてホクロを検出する請求項２に記載の個人認証方法。
3. 前記画像入力ステップは前記認識対象の個人の顔の画像を入力し、前記テクスチャ検出ステップは入力された顔の画像から前記皮膚テクスチャを検出する請求項１に記載の個人認証方法。
4. 前記テクスチャ検出ステップは、前記入力された画像から前記認識対象の個人の顔領域を特定するステップと、特定された顔領域から前記皮膚テクスチャらしい小領域を検出するステップと、検出された小領域から特徴点候補及び該小領域が前記皮膚テクスチャか否かを判断するための属性情報を検出するステップと、検出された特徴点候補及び属性情報から前記小領域が前記皮膚テクスチャか否かを判定する判定ステップとを有する請求項１乃至３のいずれか１項に記載の個人認証方法。
5. 前記顔領域を特定するステップは、前記入力された画像から顔の基準点を検出する基準点検出ステップと、検出された基準点を用いて位置及び大きさを揃えた顔領域を求める正規化ステップとを含む請求項４に記載の個人認証方法。
6. 前記小領域を検出するステップは、前記特定された顔領域の各点での分離度を対応させた、前記小領域を表す分離度マップを生成し、前記特徴点候補及び属性情報を検出するステップは、前記分離度マップ内において分離度の値が予め定めた閾値を超える点を抽出し、該抽出した点に対して前記分離度マップが局所最大の点を前記特徴点候補として検出する請求項４に記載の個人認証方法。
7. 認証対象の個人の画像を入力する画像入力部と、
   入力された画像から前記認識対象の個人の特定の皮膚テクスチャを検出するテクスチャ検出部と、
   検出された皮膚テクスチャの特徴量を示す第１特徴パターンを生成するパターン生成部と、
   生成された第１特徴パターンをデータベースに予め記憶された複数の第２特徴パターンと照合して前記認証対象の個人についての個人認証結果を得る照合部とを具備する個人認証装置。
8. 認証対象の個人の画像を入力する処理と、
   入力された画像から前記認識対象の個人の特定の皮膚テクスチャを検出する処理と、
   検出された皮膚テクスチャの特徴量を示す第１特徴パターンを生成する処理と、
   生成された第１特徴パターンをデータベースに予め記憶された複数の第２特徴パターンと照合して前記認証対象の個人についての個人認証結果を得る処理とを含む個人認証処理をコンピュータに行わせるためのプログラム。

Images