JP2007524143A - 掌紋認証の方法 - Google Patents

Abstract

個人の手の一部分を含む画像を取得し、前記の手のさまざまな特性を定義する一つまたは複数の特徴パラメータを見出すために前記画像を解析し、前記特徴パラメータをデータベース中の参照情報と比較する、ことを含むことを特徴とする生体認証の方法。

Description

本出願は2002年9月25日に出願された出願番号10/253,914の部分継続出願である。

本発明は生体認証に、特に個人の認証のために掌紋を解析する方法に関するものである。

コンピュータを援用した個人認識は今日の情報化社会にあってますます重要性を増している。バイオメトリクスはこの分野で最も重要かつ信頼できる方法である。最も広く使われる生体的特徴は指紋であるのに対し、最も信頼できるのは虹彩である。しかし、不鮮明な指紋から小さな一意的な特徴（特徴点として知られる）を抽出するのは非常に難しく、虹彩スキャナは非常に高価である。顔や声といったその他の生体的特徴は精度が劣り、模倣も容易にできる。

個人認証のための掌紋認識は人気を増してきている。既知の諸方法は、掌紋中の特異点、しわ、デルタ点および特徴点を同定するために掌紋の画像を解析することを含む。しかし、これには高解像度画像が必要とされる。高解像度画像を取り込む掌紋スキャナは高価で、リアルタイム認証の要求を満たすには高性能コンピュータに頼ることになる。

上記の問題の一つの解決法として低解像度画像の使用が思いつく。しかし、低解像度掌紋画像では、特異点および特徴点を容易に観察することができず、しわもごく一部しか有意に明瞭とはならない。このため低解像度画像から得たそのような特徴の使用が多数の母集団のうちで個人を信頼できる形で識別するための十分な弁別性を提供するかどうかは疑問がある。

生体認証の方法、特に個人の認証のために掌紋を解析する方法であって上記の問題を克服または軽減するような方法を提供することが本発明の目的の一つである。

本発明によれば、
・個人の手の一部分を含む画像を取得し、
・前記の手のさまざまな特性を定義する、幾何学形状特徴パラメータ、手相線特徴パラメータまたは手のひらのテクスチャー特徴パラメータを含む二つ以上の特徴パラメータを見出すために前記画像を解析し、
・前記二つ以上の特徴パラメータをデータベース中の参照情報と比較する、
ことを含むことを特徴とする生体認証の方法が提供される。

好ましくは、前記幾何学形状特徴パラメータは、前記の手の画像上における二つ以上の点の間の関係を含んでいる。

好ましくは、前記幾何学形状特徴パラメータは、人差し指と中指との間の点、薬指と小指との間の点および手相線と手の境界との交点を定義する点のうちの二つ以上を通る直線である。

好ましくは、前記幾何学形状特徴パラメータは、人差し指と中指との間の点、薬指と小指との間の点および感情線もしくは生命線と手の境界との交点を定義する点のうちの二つ以上を通る直線である。

好ましくは、前記幾何学形状特徴パラメータは、手の画像上で少なくとも三つの点を通る二本の直線および該二本の直線の間の角を含む。

好ましくは、前記手相線特徴パラメータまたは手のひらのテクスチャー特徴パラメータを見出すことは、当該画像から再現性のある部分画像を抽出することを含む。

好ましくは、前記手相線特徴パラメータを見出すことは、当該画像中の線を同定するために前記部分画像の二つ以上の方向における一階および二階微分を見出すこと、ならびに、前記線の全強度の値を計算することを含む。

好ましくは、前記手のひらのテクスチャー特徴パラメータを見出すことは、当該画像についての全テクスチャーエネルギーを計算することを含む。

好ましくは、前記手のひらのテクスチャー特徴パラメータを見出すことは、当該画像についての全テクスチャーエネルギーを

の形の式を使って計算することを含み、ここで、rsの和はi,jにあるピクセルを中心とする大きさW_x×W_yの方形窓W内で全ピクセルにわたって行われ、A_kは零和になるよう「調整された」５×５のたたみ込みマスクであり、Pは規格化因子P²＝Σ_i,j(A_i,j)²である。

本発明のさらなる側面は、単に例として挙げる以下の記述から明らかとなるであろう。

本発明の実施形態について、これから付属の図面を参照しつつ説明する。

本発明のある好ましい実施形態では、掌紋認証は一つまたは複数の特徴パラメータの保存されているパラメータ情報との比較を利用する。特徴パラメータは、手のひらのさまざまな特性を記述する値をもつ一組の物理量を定義するものである。別の実施形態では、認証は手のひらの特性を記述する三つの特徴パラメータの保存されているパラメータ情報との比較に頼る。

当該認証方法は、個人の手の画像を取得し、該画像を解析して前記の手のさまざまな特性を記述する二つまたは三つの特徴パラメータを構築し、これらのパラメータをデータベースに保存されている参照パラメータと比較することを含む。前記特徴パラメータは、手の幾何学的な特性を記述する幾何学形状特徴ベクトル（GFV: geometrical feature vector）、手のひらの特徴的な線を記述する手相線特徴（PLF: palm line feature）、および手のひらのテクスチャー特性を記述するテクスチャー特徴ベクトル（TFV: texture feature vector）である。以下の節ではこれらの特徴パラメータの取得方法を説明した。

幾何学形状特徴の抽出
図２を参照すると、手の画像は容易に識別できる、点P₁、P₂、P₃、P₄を含む特徴を有している。P₁は人差し指と中指との間にあり、P₂は薬指と小指との間にあり、P₃は感情線が掌の境界と交わる点であり、P₄は生命線が掌の境界と交わる点である。点P₁、P₂、P₃、P₄の間の関係は、点P₁とP₂、P₂とP₃、P₃とP₄、P₄とP₁のそれぞれの間の距離L₁、L₂、L₃、L₄をもつ直線によって定義することができる。また、角αは点P₂とP₄、点P₃とP₄を結ぶ直線L₂とL₃の間の角度（°）である。

幾何学形状特徴ベクトルはGRV＝(L₁,L₂,L₃,L₄,α)であり、これは個々の手に一意的である。幾何学形状特徴ベクトルは掌紋から個々の手を識別するのに使われる。GFVを得るには、点P₁、P₂、P₃、P₄を見出さなければならない。これらの点は画像の境界上で外形や主要な手相線といった顕著な特徴の間に存在するので、低解像度画像であっても既知の画像処理技術で容易にみつけることができる。

本発明の好ましい実施形態では、手相線特徴の抽出において再現性のある部分画像を定義するためにも点P₁、P₂が必要とされる。手相線特徴の抽出は感情線と生命線を識別するものなので、GRV(L₁,L₂,L₃,L₄,α)を得るための点P₁、P₂、P₃、P₄は手相線特徴抽出の一環として見出すことができる。

手相線特徴（palm line feature）の抽出
人は常に手を掌紋スキャン装置の同じ位置に置くとは限らない。そのため、PLFパラメータを同定する前に掌紋部分画像が抽出され、「規格化」されることが、必須ではないが望ましい。これは掌紋スキャナからの生の掌紋画像の手のひら領域の再現性のある部分画像を定義することに関わる。これは認識の精度を改善する。指形の間の領域を定義する点P₁、P₂が取得され、部分画像を見出すのに使われる。

図３は、CCDカメラを使って得られた、手のひら側の表面の一部分の低解像度画像を示している。手のひら領域の部分画像は、指の間で点P₁、P₂を見出し、部分画像を定義するパラメータを見出すのに使う座標系を構築することによって識別される。好ましい実施形態は６つの主要ステップを有し、それについて以下に説明する。

図４を参照すると、第一のステップは、ガウスフィルタのような低域通過フィルタL(u,v)を原画像O(x,y)に適用することである。その際、たたみ込みされた画像を二値画像B(x,y)に変換するためには閾値T_pが使われる。

図５を参照すると、第二のステップは、人差し指と中指の間、薬指と小指との間の空隙の境界を境界追跡アルゴリズムを使って取得することである。これらは(F_ixj,F_iyj)と定義され、ここでi＝1,2である。薬指と中指の間の境界を抽出対象としないのは、以下の処理で使わないからである。前記の空隙が点P₁、P₂を定義する。境界追跡アルゴリズムは一般的なもので、画像処理分野においては周知のものである。

図６を参照すると、第三のステップは点P₁、P₂を通る直線２をみつけることである。P₁＝(x₁,y₁)、P₂＝(x₂,y₂)としてP₁、P₂がそれぞれ(F_1xj,F_1yj)および(F_2xj,F_2yj)上の点でであれば、P₁とP₂を通る直線y＝mx＋cはすべてのi、jについて不等式F_iyj≦mF_ixj＋cを満たす。直線y＝mx＋cは指の間の二つの空隙の共通接線である。図６では符号２で表されるこの直線は、部分画像１の位置を決定するために使われる座標系のY軸である。

第四のステップは、座標系のX軸を見出すことである。X軸は、P₁とP₂の中点を通り直線２に垂直な直線３である。

第五のステップは前記座標系に基づいて動的なサイズをもつ部分画像１を抽出することである。部分画像１のサイズおよび位置は点P₁とP₂の間のユークリッド距離（D）に基づいている。当該座標系において部分画像１の角を表す点４、５、６、７はそれぞれ(0.25D,0.5D)、(1.25D,0.5D)、(0.25D,−0.5D)、(1.25D,−0.5D)である。このように部分画像１は、一辺の長さが前記ユークリッド距離に等しく、Y軸（直線３）に関して対称な正方形である。部分画像は手の特徴（すなわち、指の間の領域）に基づいているので、個々の手それぞれについて再現性がある。

図７および図８は、座標系のx軸２、y軸３および部分画像を図３の生の画像に重ねて示したものである。第六のステップは部分画像１を標準サイズに規格化することであり、これには特徴抽出のための双線形補間を使う。図９が規格化された部分画像１を示す。

点P₃、P₄を見出すためには、まず以下の方法を使って手相線が抽出される。次いで、手相線の長さ、位置、強さに従って、感情線および生命線が得られる。最後に、感情線と生命線が手のひらの境界と交わる点をみつけることによって点P₃、P₄が得られる。

手相線は屋根の稜線のようなものである。屋根の稜線は、灰色階調プロファイルの一階微分における不連続点として定義できる。換言すれば、屋根の稜線をなす点の位置は、その一階微分が０をまたぐ点である。二階微分の大きさは屋根の稜線の強さを示す。これらの性質を手相線の検出に使うことができる。手相線の方向は任意であるため、検出は複数の方向で行う必要がある。θ方向で検出できる線はθ方向の方向性線と呼ばれる。水平線の方向がθ＝０°方向である。

画像をI(x,y)で表すとする。線の接続およびなめらかさを改良するため、画像は直線方向（たとえば水平方向とする）に沿って分散σ_sをもつ一次元ガウス関数G_σsによって平滑化される：
I_s＝I＊G_σs （式１）
ここで、＊はたたみ込み演算である。

垂直方向の一階微分I′および二階微分I″は、平滑化された画像I_sについて、分散σ_dをもつ一次元ガウス関数G_σdの一階微分（G′_σd）および二階微分（G″_σd）とのたたみ込みを取ることによって得られる。式は、
I′＝I_s＊(G′_σd)^T＝(I＊G_σs)＊(G′_σd)^T＝I＊(G_σs＊(G′_σd)^T) （式２）
I″＝I_s＊(G″_σd)^T＝(I＊G_σs)＊(G″_σd)^T＝I＊(G_σs＊(G″_σd)^T) （式３）
ここで、Tは転置操作で、＊はたたみ込み演算である。

方向性線検出器H₁ ^θ、H₂ ^θが：
H₁ ⁰＝G_σs＊(G′_σd)^T （式４）
H₂ ⁰＝G_σs＊(G″_σd)^T （式５）
とすると、
I′＝I＊H₁ ⁰ （式６）
I″＝I＊H₂ ⁰ （式７）
となる。ここで、H₁ ⁰、H₂ ⁰は水平線検出器と呼ばれる（0°方向の方向性線検出器）。

水平線は、I′が０をまたく点を垂直方向に見ていくことによって得られ、それらの強さはI″の対応する点の値である。よって、
L₀ ¹(x,y)＝I″(x,y) I′(x,y)＝0またはI′(x,y)×I′(x+1,y)＜0の場合
L₀ ¹(x,y)＝0 その他の場合
（式８）

屋根の稜線が谷であるか尾根であるかはL₀ ¹(x,y)の値の符号によって与えられる。正なら谷を、負なら尾根を表す。あらゆる手相線は谷であるので、L₀ ¹(x,y)の負の値は破棄される。よって、
L₀ ²(x,y)＝L₀ ¹(x,y) L₀ ¹(x,y)＞0の場合
L₀ ²(x,y)＝0 その他の場合
（式９）

隆線に比べて手相線はずっと太いので、L₀ ²から隆線を除去するために閾値Tを使うことができる。よって、
L₀ (x,y)＝L₀ ²(x,y) L₀ ²(x,y)≧Tの場合
L₀ (x,y)＝0 その他の場合
（式１０）
L₀は0°方向の方向性線等級像と呼ばれる。

手相線の方向は任意であるから、検出は複数の方向で行う必要がある。方向θの方向性線検出器H₁ ^θ、H₂ ^θはH₁ ⁰、H₁ ⁰を角度θ回転させることによって得ることができる。そして線上の点はθ＋90°方向に０をまたぐ点をさがすことによって得ることができる。尾根になる稜線を破棄して閾値処理を行ったのちに、θ方向の方向性線等級像L_θが得られる。

方向性線検出器H₁ ^θ、H₂ ^θには二つのパラメータσ_sおよびσ_dがある。σ_sは線の接続およびなめらかさを制御し、σ_dは検出できる線の太さを制御する。σ_sの値が小さいと検出される線は接続が悪く、なめらかさも悪くなるのに対し、σ_sの値が大きいと一部の短い線や曲率が大きな線区間が失われる結果になる。σ_dが大きいと細い稜線が抽出できなくなる。一般に、手相線は長くまっすぐで細いので、手相線の検出のためにはσ_sは大きく、σ_dは小さくするのがよい。たとえば、σ_s＝1.8、σ_d＝0.5である。

図１０から図１３は図９における手のひらの方向性線等級像をそれぞれθ＝0°、45°、90°、135°について、σ_sとσ_dをそれぞれ1.8、0.5として示したものである。

以下では方向性線エネルギー（DLE: directional line energy）の計算の仕方を説明する。L_θj（1≦j≦K）を掌紋画像IのK個の方向性線等級像とする。各L_θjはM×Mのブロックに均等に分割され、1,...,M×Mと番号付けされる。ブロックiのθ_j方向の方向性線エネルギー（DLE）は：

で定義される。ここで、mはそのブロック中の点の総数で、それらの点の座標が(x₁,y₁)、(x₂,y₂)、…、(x_m,y_m)である。DLE Eⁱ _θjはブロックiの方向θ_jの手相線の強さを反映する。

K×M×M次元ベクトルVが掌紋全体に対して構築される。ベクトルVについての式は次のようになる：
V＝(E¹ _θ1,E² _θ1,...,E^M×M _θ1,...,E¹ _θK,E² _θK,...,E^M×M _θK) （式１２）
ベクトルVはその成分の最大値および最小値を使って規格化される。規格化されたベクトル＾Vは次のようになる：
＾V＝(e¹ _θ1,e² _θ1,...,e^M×M _θ1,...,e¹ _θK,e² _θK,...,e^M×M _θK) （式１３）
ここで、
eⁱ _θj＝(Eⁱ _θj−E_min)／(E_max−E_min) 1≦i≦M×M, 1≦j≦K （式１４）
であり、E_maxおよびE_minはそれぞれVの成分の最大値および最小値である。前記の規格化されたベクトルはK方向の手相線特徴（PLF: Palm-line feature）と呼ばれる。

前述したように、PLFを構築するためには、掌紋画像はM×Mのブロックに明確に分割される。ある方向性線の上にある各点は二つの状態しかない：あるブロックに属するか属さないかである。処理段の間に平行移動と回転のすべてを除去することは不可能なので、ある画像中でブロックの境界近辺の点は別の時点で同じ手のひらから取り込まれた画像の同じブロックにははいらないかもしれない。この問題を避けるため、ファジーブロックおよびファジー分割が使われる。

2lを正の整数、Uを掌紋におけるすべての点の集合とする。すると、ファジーブロック（fuzzy block）FB_kはその中心点を(x_k,y_k)として次のように定義できる。

FB_k＝{μ_k(i,j)/(i,j)} （式１５）
ここで、(i,j)は点の座標、μ_k(i,j)はFB_kにおける対応するメンバーシップ関数である。μ_k(i,j)は次式によって与えられる。

μ_k(i,j)＝1 d≦l/2
μ_k(i,j)＝2(l−d)/l l/2＜d＜l
μ_k(i,j)＝0 d≧l
（式１６）
ここで、
d＝max(|i−x_k|,|j−y_k|) （式１７）
である。

式１６、式１７は、ある点があるファジーブロックに属する度合いは、その点から当該ブロックの中心点への距離を調べることによって計算できることを表している。

M×M個のファジーブロックに(0,0)、(0,1)、…、(i,j)、…、(M−1,M−1)と番号を付け、これを、(x_i,y_j)はブロック(i,j)（i,j＝0,...,M−1）の中心点、Mと2lは二つの正整数として、
x_i＝l＋(3/2)×i×l （式１８）
y_j＝l＋(3/2)×j×l （式１９）
x_M-1＝y_M-1＝l＋(3/2)×(M-1)×l＝N−l （式２０）
であるときに、かつそのときに限り、画像のサイズN×NのM×Mファジー分割と呼ぶ。

画像のファジー分割においては、各ファジーブロックは隣接ブロックの(l/2)×2l＝l²ピクセルと重なるので、ファジーブロックどうしの間には明確な境界はない。そこで、（式２０）は次のように再配列できる。

M＝(2N−l)/3l （式２１）
Mと2lはいずれも正の整数なので、もしたとえばN=128であれば、（式２１）を満たせるMの値は、85、21、5、1の４つしかない。対応するlの値はそれぞれ1、4、16、64である。すなわち、ファジー分割は４通り、つまり85×85のファジー分割、21×21のファジー分割、5×5のファジー分割、1×1のファジー分割が存在するということである。対応するPLFの長さは、85×85×K＝7225K、21×21×K＝441K、5×5×K＝25K、1×1×K＝Kである（ここで、KはPLFを計算するのに使われる方向性線等級像の数）。明らかに、1×1ファジー分割は掌紋認識には適さない。必要な記憶スペースと計算量はこれらのベクトルの長さに比例するので、85×85および21×21のファジー分割のPLFは掌紋認識で使うには長すぎる。したがって、5×5のファジー分割がPLFを計算するのに採用される。

ファジーブロックpの場合、式１１は次のように修正できる：

ここで、mはこのブロック中の点の総数で、それらの点の座標が(x₁,y₁)、(x₂,y₂)、…、(x_m,y_m)である。掌紋のファジー分割の場合のPLFの定義を得るためには、式１２から式１４においてE^l _θjを上記で置き換えればよい（1≦i≦M×M, 1≦j≦K）。

テクスチャー特徴ベクトル抽出
掌紋画像Iのテクスチャーエネルギー(TE)は下記のように定義される。

ここで、rsの和はi,jにあるピクセルを中心とする大きさW_x×W_yの方形窓W内で全ピクセルにわたって行われ、A_kは零和になるよう「調整された」５×５のたたみ込みマスクであり（図１４から図１７で示す）、Pはパラメータ規格化因子P²＝Σ_i,j(A_i,j)²である。TEはテクスチャーエネルギー像と呼ばれる。

図１４から図１７は、大域的な掌紋テクスチャー抽出に対する４種類の「調整されたマスク」を示している。図１４は水平線、図１５は垂直線、図１６は45°の線、図１７は−45°の線である。

テクスチャーエネルギー（texture energy）像TEはまずM×Mのブロックに均等に分割される。次いで各ブロックについての局所的なテクスチャーエネルギー（local texture energy）が次式を使って計算される：

ここで、L×Nはブロックの大きさで、(x_i,y_i)はブロック中の点の座標である。

最後に、M×Mベクトルがすべてのブロックの局所的なテクスチャーエネルギーを使って形成される。このベクトルはテクスチャー特徴ベクトル（TFV: texture feature vector）と呼ばれる。

類似性測定
類似性測定は、測定された掌紋パラメータを認証データベースに保存されている参照パラメータと比較するために使われる。

GFVおよびPLFパラメータについては、ユークリッド距離が類似性を測定するために使われる。二つのベクトルv₁、v₂のユークリッド距離は次のように定義される。

ここで、Mはベクトルの長さ、v₁は掌紋から抽出されたGFVまたはPLF、v₂は認証データベースに保存されているベクトルパラメータである。

TFVパラメータについては、二つの特徴パラメータの相違を評価するには角距離が使われる。XおよびYを二つの局所的テクスチャーエネルギーの特徴ベクトルとする。角距離は次式で定義される：

ここで、Tはベクトルの転置を表し、‖ ‖はベクトルのノルムである。

以下の実験結果によって本発明に基づくシステムの有効性が示される。掌紋画像はCCDベースの掌紋スキャナを使って160名から採取された。掌紋画像は処理され、掌紋データベースを確立するためにベクトルが保存された。各個人は左右の手のひらについて計２０の画像を提供するよう依頼されたので、データベースには3200の掌紋が集められた。画像の解像度は75dpiで384×284ピクセルである。部分画像１の大きさは128×128ピクセルである。

PLF特徴を試験するため、それぞれの手のひらの６枚の画像がデータベースを確立するためのトレーニングサンプルとして使われ、残りの４枚が試験サンプルとして使われた。方向性線検出器H₁ ^θ、H₂ ^θの分散σ_sおよびσ_dはそれぞれ1.8および0.5であり、ヒステリシス閾値が使用され、上の閾値はL_θ ¹の０でない点に対して大津の方法を使うことによって得られ、下の閾値はL_θ ¹の０でない点の最小値として選ばれる。PLFを計算するには画像の5×5のファジー分割が使われる。テンプレートは同じ手のひらからのトレーニングサンプルのPLFを平均することによって得られる。PLFは６枚の方向性線等級像を使うことによって計算される（対応する方向角は0°、30°、60°、90°、120°、150°）。

1対320の照合試験において、97.5%の精度が得られた。一対一の照合試験の本人拒否率（FRR: false rejection rate）および他人受入率（FAR: false acceptance rate）が図１８にプロットしてある。等誤り率（EER: equal error rate；FARがFRRに等しくなるところ）は2.08%である。

TFVパラメータを試験するために、CCDベースの掌紋スキャナを使って193名から掌紋画像が採取された。掌紋画像は処理され、掌紋認証データベースを確立するためにベクトルが保存された。各個人は左右の手のひらについて各１０の画像を提供するよう依頼されたので、データベースには3834の掌紋が集められた。

検証精度が図１９に示されている。これはTFVの本物と偽物の確率分布を表している。図２０はTFVの受信者操作特性（ROC: receiver operating characteristic）である。これは本人受入率を他人受入率に対してあらゆる可能な操作点についてプロットしたものである。

これまでの説明では、既知の等価物のある数値や要素に言及してきたが、そのような箇所ではそのような等価物も個々に述べられているのと同じように含められている。

本発明の実施例を説明してきたが、本発明の精神または付属の特許請求の範囲から外れることなく変形、改良または修正を行うことができることは理解しておくものとする。

掌紋の表面特徴を示す図である。 掌紋の幾何学形状特徴を示す図である。 図２の幾何学形状特徴のうちの二つを見出すためのステップを示す図である。 図２の幾何学形状特徴のうちの二つを見出すためのステップを示す図である。 図２の幾何学形状特徴のうちの二つを見出すためのステップを示す図である。 規格化された掌紋画像を得るためのステップを示す図である。 規格化された掌紋画像を得るためのステップを示す図である。 規格化された掌紋画像を得るためのステップを示す図である。 規格化された掌紋画像を得るためのステップを示す図である。 図９における掌紋画像の同定された表面特徴を示す図である。 図９における掌紋画像の同定された表面特徴を示す図である。 図９における掌紋画像の同定された表面特徴を示す図である。 図９における掌紋画像の同定された表面特徴を示す図である。 手のひらのテクスチャー抽出のための水平線についての「調整されたマスク」を示す図である。 手のひらのテクスチャー抽出のための垂直線についての「調整されたマスク」を示す図である。 手のひらのテクスチャー抽出のための４５°の線についての「調整されたマスク」を示す図である。 手のひらのテクスチャー抽出のための−４５°の線についての「調整されたマスク」を示す図である。 本発明に基づく方法についての検証試験結果のグラフである。 本発明に基づく方法についての検証試験結果のグラフである。 本発明に基づく方法についての検証試験結果のグラフである。

Claims (9)

1. ・個人の手の一部分を含む画像を取得し、
   ・前記の手のさまざまな特性を定義する、幾何学形状特徴パラメータ、手相線特徴パラメータまたは手のひらのテクスチャー特徴パラメータを含む二つ以上の特徴パラメータを見出すために前記画像を解析し、
   ・前記二つ以上の特徴パラメータをデータベース中の参照情報と比較する、
   ことを含むことを特徴とする生体認証の方法。
2. 前記幾何学形状特徴パラメータが前記の手の画像上における二つ以上の点の間の関係を含んでいることを特徴とする、請求項１記載の方法。
3. 前記幾何学形状特徴パラメータが、人差し指と中指との間の点、薬指と小指との間の点および手相線と手の境界との交点を定義する点のうちの二つ以上を通る直線であることを特徴とする、請求項１記載の方法。
4. 前記幾何学形状特徴パラメータが、人差し指と中指との間の点、薬指と小指との間の点および感情線もしくは生命線と手の境界との交点を定義する点のうちの二つ以上を通る直線であることを特徴とする、請求項１記載の方法。
5. 前記幾何学形状特徴パラメータが、手の画像上で少なくとも三つの点を通る二本の直線および該二本の直線の間の角を含むことを特徴とする、請求項１記載の方法。
6. 前記手相線特徴パラメータまたは手のひらのテクスチャー特徴パラメータを見出すことが、当該画像から再現性のある部分画像を抽出することを含むことを特徴とする、請求項１記載の方法。
7. 前記手相線特徴パラメータを見出すことが、当該画像中の線を同定するために前記部分画像の二つ以上の方向における一階および二階微分を見出すこと、ならびに、前記線の全強度の値を計算することを含むことを特徴とする、請求項１記載の方法。
8. 前記手のひらのテクスチャー特徴パラメータを見出すことが、当該画像についての全テクスチャーエネルギーを計算することを含むことを特徴とする、請求項１記載の方法。
9. 前記手のひらのテクスチャー特徴パラメータを見出すことが、当該画像についての全テクスチャーエネルギーを
   

   

   の形の式を使って計算することを含み、ここで、rsの和がi,jにあるピクセルを中心とする大きさW_x×W_yの方形窓W内で全ピクセルにわたって行われ、A_kが零和になるよう「調整された」５×５のたたみ込みマスクであり、Pが規格化因子P²＝Σ_i,j(A_i,j)²である、ことを特徴とする、請求項１記載の方法。

Images