JP2008102780A - パターン識別方法、登録装置、照合装置及びプログラム - Google Patents

Abstract

【課題】認証精度を向上し得るパターン識別方法等を提案する。
【解決手段】複数の生体サンプルから得られる生体パターンそれぞれについて、パターン形状を表す２以上の形状値を算出し、２以上の形状値の分布の中心と、その中心からの広がりの程度を表す値とを算出し、登録対象又は登録データと照合される照合対象から得られるパターンの２以上の形状値と、２以上の形状値の分布の中心との距離を、その中心からの広がりの程度を表す値を用いて算出し、距離が所定の閾値よりも大きい場合に、パターンを破棄するようにした。
【選択図】図２２

Description

本発明は、パターン識別方法、登録装置、照合装置及びプログラムに関し、バイオメトリクス認証に適用して好適なものである。

従来、バイオメトリクス認証対象の１つとして血管がある。この認証装置は、一般に、登録者の血管画像を登録データとして登録し、その登録データと、当該登録データに対する照合対象として入力される照合データとの一致の程度に応じて、登録者本人であるか否かを判定するようになされている。

このような認証装置に対する、いわゆるなりすまし防止対策が各種提案されている。例えば、入力される照合データが、その入力時点よりも過去に入力された照合データとは座標位置も含めて完全に一致することは通常あり得ないということに着目し、これら照合データ同士が一致した場合には、たとえ、登録データと一致した場合であっても、認証を却下するといったものがある（特許文献１参照）。このなりすまし防止対策手法によれば、登録者の血管画像のデータが盗用された場合などに、有用な対策となる。

ところで、指の代わりに例えば大根を撮像した場合、大根の内部に張り巡らされている道管、師管及び維管束等が生体内の血管と似ていることに起因して、血管の形状パターン（以下、これを血管パターンと呼ぶ）と似たパターン（以下、これを擬似血管パターンと呼ぶ）が得られ、当該大根等によってなりすましが可能であるということが報告されている。
特開２００２−２５９３４５公報 松本 勉、"金融取引における生体認証について"、［online］、２００５年４月１５日、金融庁・第９回偽造キャッシュカード問題に関するスタディグループ、[２００６年８月２１日検索]、インターネット＜ＵＲＬ：http://www.fsa.go.jp/singi/singi_fccsg/gaiyou/f-20050415-singi_fccsg/02.pdf＞

この場合、擬似血管パターンは、登録者の血管パターンとは座標位置も含めて完全に一致するパターンとはならないことから、上述のなりすまし防止対策手法を適用したとしても、登録者本人であると判定される、つまりなりすましが可能となり、ひいては認証精度がもとる結果となる。

本発明は以上の点を考慮してなされたもので、認証精度を向上させ得るパターン識別方法、登録装置、照合装置及びプログラムを提案しようとするものである。

かかる課題を解決するため本発明は、パターン識別方法であって、複数の生体サンプルから得られる生体パターンそれぞれについて、パターン形状を表す２以上の形状値を算出し、２以上の形状値の分布の中心と、その中心からの広がりの程度を表す値とを算出し、登録対象又は登録データと照合される照合対象から得られるパターンの２以上の形状値と、２以上の形状値の分布の中心との距離を、その中心からの広がりの程度を表す値を用いて算出し、距離が所定の閾値よりも大きい場合に、パターンを破棄するようにした。

このパターン識別方法では、各生体パターンについて複数の観点（パターン形状値）に対応する次元分布のなかで、登録対象又は登録データと照合される照合対象から得られるパターンがいずれに位置しているのか、またその位置が、当該分布の中心から、生体パターンとすべき境界（閾値）までの範囲に属しているのかを把握することができる。

したがってこのパターン識別方法では、登録対象又は登録データと照合される照合対象から得られるパターンがたとえ生体パターンに対して擬似的となるパターンであったとしても、そのパターンが生体パターンではないものとして、登録又は照合することなく事前に排除し得る確率が格段に高くなる。

また本発明は、登録装置であって、複数の生体サンプルから得られる生体パターンそれぞれについて、パターン形状を表す２以上の形状値の分布の中心と、その中心からの広がりの程度を表す値とが記憶される記憶手段と、登録対象から得られるパターンの２以上の形状値と、記憶手段に記憶された２以上の形状値の分布の中心との距離を、値を用いて算出する算出手段と、距離が所定の閾値よりも大きい場合にはパターンを破棄し、距離が閾値以内の場合にはパターンを記憶媒体に登録する登録手段とを設けるようにした。

この登録装置では、各生体パターンについて複数の観点（パターン形状値）に対応する次元分布のなかで、登録対象から得られるパターンがいずれに位置しているのか、またその位置が、当該分布の中心から、生体パターンとすべき境界（閾値）までの範囲に属しているのかを把握することができる。

したがってこの登録装置では、登録対象から得られるパターンがたとえ生体パターンに対して擬似的となるパターンであったとしても、そのパターンが生体パターンではないものとして、登録することなく事前に排除し得る確率が格段に高くなる。

さらに本発明は、照合装置であって、複数の生体サンプルから得られる生体パターンそれぞれについて、パターン形状を表す２以上の形状値の分布の中心と、その中心からの広がりの程度を表す値とが記憶される記憶手段と、登録対象から得られるパターンの２以上の形状値と、記憶手段に記憶された２以上の形状値の分布の中心との距離を、値を用いて算出する算出手段と、距離が所定の閾値よりも大きい場合にはパターンを破棄し、距離が閾値以内の場合には、記憶媒体に登録された登録データとパターンとを照合する照合手段とを設けるようにした。

この照合装置では、各生体パターンについて複数の観点（パターン形状値）に対応する次元分布のなかで、照合対象から得られるパターンがいずれに位置しているのか、またその位置が、当該分布の中心から、生体パターンとすべき境界（閾値）までの範囲に属しているのかを把握することができる。

したがってこの照合装置では、照合対象から得られるパターンがたとえ生体パターンに対して擬似的となるパターンであったとしても、そのパターンが生体パターンではないものとして、照合することなく事前に排除し得る確率が格段に高くなる。

さらに本発明は、プログラムであって、複数の生体サンプルから得られる生体パターンそれぞれについて、パターン形状を表す２以上の形状値の分布の中心と、その中心からの広がりの程度を表す値とが記憶されるコンピュータに対して、登録対象から得られるパターンの２以上の形状値と、記憶手段に記憶された２以上の形状値の分布の中心との距離を、値を用いて算出する第１の処理と、距離が所定の閾値よりも大きい場合にはパターンを破棄し、距離が閾値以内の場合にはパターンを記憶媒体に登録する第２の処理、又は、距離が所定の閾値よりも大きい場合にはパターンを破棄し、距離が閾値以内の場合には、記憶媒体に登録された登録データとパターンとを照合する第２の処理とを実行させるようにした。

このプログラムでは、各生体パターンについて複数の観点（パターン形状値）に対応する次元分布のなかで、登録対象又は登録データと照合される照合対象から得られるパターンがいずれに位置しているのか、またその位置が、当該分布の中心から、生体パターンとすべき境界（閾値）までの範囲に属しているのかを把握することができる。

したがってこのプログラムでは、登録対象又は登録データと照合される照合対象から得られるパターンがたとえ生体パターンに対して擬似的となるパターンであったとしても、そのパターンが生体パターンではないものとして、登録又は照合することなく事前に排除し得る確率が格段に高くなる。

本発明によれば、各生体パターンについて複数の観点（パターン形状値）に対応する次元分布のなかで、登録対象又は登録データと照合される照合対象から得られるパターンがいずれに位置しているのか、またその位置が、当該分布の中心から、生体パターンとすべき境界（閾値）までの範囲に属しているのかを把握することができるようにしたことによって、擬似的なパターンが生体パターンではないものとして、登録又は照合することなく事前に排除し得る確率を格段に向上することができ、かくして、認証精度を向上させ得る登録装置、照合装置、抽出方法及びプログラムを実現できる。

以下図面について、本発明を適用した一実施の形態を詳述する。

（１）本実施の形態による認証システムの全体構成
本実施の形態による認証システムは、データ生成装置と、認証装置とによって構成される。このデータ生成装置は、血管パターンであると判定すべき範囲を表すデータ（以下、これを血管パターン範囲データと呼ぶ）を生成し、これを認証装置の内部メモリに書き込む。

この認証装置には、この血管パターン範囲データに基づいて、被写体の撮像結果として得られる画像データのパターンが擬似血管パターンであるか否かを判定する機能が搭載されている。

（２）データ生成装置の構成
このデータ生成装置の構成を図１に示す。このデータ生成装置１は、制御部１０に対して、操作部１１と、撮像部１２と、フラッシュメモリ１３と、外部とデータを授受するインターフェース（以下、これを外部インターフェースと呼ぶ）１４とをそれぞれバス１５を介して接続することにより構成される。

制御部１０は、データ生成装置２全体の制御を司るＣＰＵ(Central Processing Unit)と、各種プログラム及び設定情報が格納されるＲＯＭ(Read Only Memory)と、当該ＣＰＵのワークメモリとしてのＲＡＭ(Random Access Memory)とを含むマイクロコンピュータでなっている。

この制御部１０には、撮像命令ＣＯＭ１又は血管パターン範囲データを生成すべき命令ＣＯＭ２が、ユーザ操作に応じて操作部１１から与えられる。制御部１０は、かかる実行命令ＣＯＭ１、ＣＯＭ２に基づいて実行すべきモードを決定し、この決定結果に対応するプログラムに基づいて、撮像部１２、フラッシュメモリ１３及び外部インターフェース１４を適宜制御することによって、撮像モード又はデータ生成モードを実行するようになされている。

（２−１）撮像モード
具体的に制御部１０は、実行すべきモードとして撮像モードを決定した場合、動作モードを撮像モードに遷移し、撮像部１２を制御する。

この場合、撮像部１２の駆動制御部１２ａは、このデータ生成装置２における所定位置に近赤外光を照射する１又は２以上の近赤外光光源ＬＳと、例えばＣＣＤ(Charge Coupled Device)でなる撮像素子ＩＤとを駆動制御する。

撮像素子ＩＤは、所定位置に配置されたオブジェクトに照射され、該オブジェクト、光学系ＯＰ及び絞りＤＨを順次介して入射する近赤外光を光電変換し、当該光電変換結果を画像信号Ｓ１として駆動制御部１２ａに送出する。

ここで、オブジェクトが生体の指であった場合、近赤外光光源ＬＳから指に照射された近赤外光は、当該指の内方を反射及び散乱するようにして経由し、指の血管を投影する血管投影光として、撮像素子ＩＤに入射し、この血管投影光が画像信号Ｓ１として駆動制御部１２ａに送出されることとなる。

駆動制御部１２ａは、画像信号Ｓ１の画素値に基づいて、被写体に焦点が合うように光学系ＯＰにおける光学レンズのレンズ位置を調整するとともに、撮像素子ＩＤに入射する入射光量が適応量となるように絞りＤＨにおける絞り値を調整し、当該調整後に撮像素子ＩＤから出力される画像信号Ｓ２を制御部１０に供給する。

制御部１０は、この画像信号Ｓ２に対して所定の画像処理を施すことによって、当該画像におけるオブジェクトパターンの特徴を抽出し、当該抽出された画像を、画像データＤ１としてフラッシュメモリ１３に記憶する。

このようにしてこの制御部１０は、撮像モードを実行することができるようになされている。

ここで、かかる画像処理の処理内容について説明する。この画像処理は、機能的には、図２に示すように、前処理部２１及び特徴点抽出部２２にそれぞれ分けることができる。以下、これら前処理部２１及び特徴点抽出部２２について詳細に説明する。ただし、便宜上、撮像部１２から供給される画像信号Ｓ２は、生体の指を撮像した結果得られたものとして説明する。

（２−１−Ａ）前処理
前処理部２１は、撮像部１２から供給される画像信号Ｓ２に対してＡ／Ｄ(Analog/Digital)変換処理、ソーベルフィルタ処理等の所定の輪郭抽出処理、ガウシアンフィルタ処理等の所定の平滑化処理、２値化処理及び細線化処理を順次施すことによって血管パターンを抽出する。

例えば図３（Ａ）に示す画像（画像信号Ｓ２）が前処理部２１に入力された場合、該画像は、この前処理部２１での前処理により血管パターンが強調され、図３（Ｂ）に示す画像に変換されることとなる。

前処理部２１は、このようにして血管パターンを抽出した画像のデータ（以下、これを画像データと呼ぶ）Ｄ２１を、特徴点抽出部２２に出力するようになされている。

この実施の形態の場合、この画像データＤ２１の画像に含まれる血管線（血管パターン）は、２値化処理により、白画素とされ、その幅（太さ）は、細線化処理により、「１」とされる。この血管線の幅が「１」とは、線幅が１画素ということである。

（２−１−Ｂ）特徴点抽出処理
特徴点抽出部２２は、入力される画像に含まれる血管パターンを構成する白画素（以下、これを血管画素と呼ぶ）のうち、端点、分岐点及び屈曲点を検出し、該端点及び分岐点を基準として、屈曲点を適宜削除する。

（Ｂ−１）端点及び分岐点の検出
まず、特徴点抽出部２２は、第１段階として、血管線から端点及び分岐点を検出する。

具体的には、特徴点抽出部２２は、入力される画像（画像データＤ２１）を構成する各画素のうち、血管画素を所定の順序で着目画素とし、該着目画素の周囲の画素（上下左右方向における４画素及び斜め方向における４画素の計８画素）に存在する血管画素の画素数を調べる。

ここで、血管線における端点、分岐点及び孤立点の出現パターンを図４に示す。この図４では、着目画素を編状とし、血管画素（白画素）を、視覚的便宜を図るため黒色としている。この図４からも明らかなように、血管の線幅が１画素として表現されている場合、着目画素と、その周囲の血管画素の「数」との関係は一義的となり、また、分岐パターンとしては、必ず、３分岐又は４分岐のいずれかとなる。

したがって、特徴点抽出部２２は、着目画素の周囲に１つの血管画素が存在する場合には、その着目画素を端点として検出する。一方、特徴点抽出部２２は、着目画素の周囲に３つ又は４つの血管画素が存在する場合には、その着目画素を分岐点として検出する。他方、特徴点抽出部２２は、着目画素の周囲に血管画素が存在しない場合には、その着目画素を孤立点として検出する。

そして特徴点抽出部２２は、検出した端点、分岐点及び孤立点のうち、血管線の構成要素とはならない孤立点を削除する。

このようにしてこの特徴点抽出部２２は、第１段階として、血管線から端点及び分岐点を検出するようになされている。

（Ｂ−２）屈曲点の検出
次に、特徴点抽出部２２は、第２段階として、端点及び分岐点を基準として、屈曲点を検出する。

具体的には、特徴点抽出部２２は、例えば図５に示す場合、分岐点ＤＰ１を始点とし、該始点とした分岐点ＤＰ１の次に出現する他の特徴点（端点ＥＰ１、端点ＥＰ２、分岐点ＤＰ２）を終点として、始点から終点までの血管線（以下、これを部分血管線と呼ぶ）を追跡する。同様に、特徴点抽出部２２は、分岐点ＤＰ２を始点とし、該始点とした分岐点ＤＰ２の次に出現する他の特徴点（端点ＥＰ３、端点ＥＰ４）を終点として、部分血管線を追跡する。

この図５の例では、分岐点ＤＰ１、ＤＰ２を始点としたが、端点を始点とするようにしてもよい。ちなみに、この図５からも明らかなように、端点は、必ず、始点又は終点のいずれか一方にしかなり得ないものであるが、分岐点は、必ず、始点及び終点の一方又は双方が重複する。

ここで、具体的な追跡手法を図６に示す。この図６において、特徴点抽出部２２は、始点から、現着目画素（網状ハッチングで表される画素）の周囲に存在する血管画素のうち直前に着目画素とした血管画素（横ハッチングで表される画素）を除く血管画素を、次の着目画素として、当該現着目画素の周囲に存在する血管画素が終点となるまで、部分血管線における血管画素を順次追跡していく。

この部分血管線における血管画素は、分岐点又は端点から次の分岐点又は端点までの血管線であることから、決して、分岐が存在しないものとなる。したがって、着目画素は、必ず、直線上の点又は屈曲点となる。ちなみに、図７において、直線上の点及び屈曲点の出現パターンを示す。この図７では、図４と同様に、着目画素を編状とし、血管画素（白画素）を、視覚的便宜を図るため黒色としている。

特徴点抽出部２２は、例えば図８に示すように、始点及び終点（斜め格子状のハッチングで表される画素）の間の追跡過程において、現着目画素以前の血管画素の直線性が、次に着目画素とされる血管画素から損なわれる場合には、該現着目画素を屈曲点（格子状のハッチングで表される画素）として検出する。

やがて、終点に到達すると、特徴点抽出部２２は、この部分血管線における始点から屈曲点を経て終点までの各特徴点を、グループとして割り当てる。

このようにしてこの特徴点抽出部２２は、第２段階として、端点及び分岐点を基準として、分岐点又は端点から次の分岐点又は端点までの血管線（部分血管線）ごとに屈曲点を検出するようになされている。

（Ｂ−３）屈曲点の削除
次に、特徴点抽出部２２は、第３段階として、グループとして割り当てられた、部分血管線における始点から屈曲点を経て終点までの各特徴点（以下、これを部分血管構成点列と呼ぶ）を処理単位として、当該部分血管線における屈曲点を削除する。

これら部分血管構成点列に対する削除処理の内容は同一であるので、該内容を、ある１つの部分血管構成点列を処理対象とした場合に限って図９を例に用いて具体的に説明する。この図９において、正方形はオリジナル血管線を構成する画素（以下、これをオリジナル血管画素と呼ぶ）を表し、当該オリジナル血管画素のうち端点及び屈曲点には破線を付している。

特徴点抽出部２２は、部分血管構成点列のうち、基準として選択した特徴点（以下、これを基準点と呼ぶ）ＧＰ_ｂｓから削除候補点ＧＰ_ｃｄ（ＧＰ_ｃｄ１〜ＧＰ_ｃｄ３）までのオリジナル血管画素に対する、当該基準点ＧＰ_ｂｓ及び削除候補点ＧＰ_ｃｄを結ぶ線分ＳＧ（ＳＧ_１〜ＳＧ_３）を構成する画素（以下、これを線分画素と呼ぶ）の重複割合が、所定の閾値（以下、これを重複割合閾値と呼ぶ）よりも小さくなるまで、当該削除候補点ＧＰ_ｃｄを終点側に順次ずらしながら求めていく。

この図９では、線分ＳＧ_１の線分画素（２画素）は、基準点ＧＰ_ｂｓから対応する削除候補点ＧＰ_ｃｄ１までのオリジナル血管画素（２画素）の全てと重複するので、重複割合は「２／２」である。また線分ＳＧ_２の線分画素（７画素）は、基準点ＧＰ_ｂｓから対応する削除候補点ＧＰ_ｃｄ２までのオリジナル血管画素（７画素）のうちの４画素と重複するので、重複割合は「４／７」である。線分ＳＧ_３の線分画素（９画素）は、基準点ＧＰ_ｂｓから対応する削除候補点ＧＰ_ｃｄ３までのオリジナル血管画素（９画素）のうちの２画素と重複するので、重複割合は「２／９」である。

線分ＳＧ_３の線分画素の重複割合が重複割合閾値よりも小さいとした場合、特徴点抽出部２２は、そのとき削除候補点ＧＰ_ｃｄ３として選択した特徴点よりも１つ前に削除候補点ＧＰ_ｃｄ２として選択した特徴点と、基準点ＧＰ_ｂｓとの間の特徴点ＧＰ_ｃｄ１を削除する。そうすると、この特徴点ＧＰ_ｃｄ１を削除した場合であっても、残した特徴点ＧＰ_ｃｄ２から基準点ＧＰ_ｂｓまでの線分ＳＧ２はオリジナル血管線と近似することになる。

ここで、かかる重複割合閾値を小さく設定すると、線分ＳＧ３が、当該基準点ＧＰ_ｂｓから削除候補点ＧＰ_ｃｄ３までのオリジナル血管画素（部分血管線）と近似しないにもかかわらず、特徴点ＧＰ_ｃｄ１を削除するといったことが生じ、これに対して重複割合閾値を大きく設定すると、特徴点ＧＰ_ｃｄ１を削除することができないといったことが生じ得る。

そこで、この実施の形態では、特徴点抽出部２２は、線分長に応じて重複割合閾値を切り換えるようになっている。具体的には、基準点をＧＰ_Ｊ（Ｊ＝１、２、……、Ｍ（Ｍは整数））とし、その基準点からα番目の削除候補点をＧＰ_Ｊ＋αとすると、基準点ＧＰ_Ｊ及び削除候補点ＧＰ_Ｊ＋αを結ぶ線分ＧＰ_Ｊ−ＧＰ_Ｊ＋αについてオリジナル血管画素に対する重複割合を求める場合、その直前に重複割合を求めた線分（以下、これを直前線分と呼ぶ）ＧＰ_{Ｊ＋（α−１）}−ＧＰ_ｊ＋αの線分長が所定の閾値（以下、これを線分長閾値と呼ぶ）以上であるときには、第１の重複割合閾値を設定し、これに対して線分長閾値未満であるときには、第１の重複割合閾値よりも大きい第２の重複割合閾値を設定する。

このようにすることで、部分血管線上に存在する屈曲点を結んだ場合にその結んだ線が部分血管線に近似するように、削除対象としての屈曲点を的確に選択することが可能となる。

具体的に、この屈曲点の削除処理は、部分血管構成点列における始点から、図３４のフローチャートに示す手順で実行される。すなわち特徴点抽出部２２は、部分血管構成点列の始点を基準点として選択するとともに、該基準点から１番目の特徴点を、削除候補点として選択する（ステップＳＰ３１）。

そして特徴点抽出部２２は、この屈曲点の削除処理を開始してから初めて重複割合を求める場合であるか、又は、現時点の選択対象である基準点ＧＰ_Ｊ及び削除候補点ＧＰ_Ｊ＋αを結ぶ線分ＧＰ_Ｊ−ＧＰ_Ｊ＋αの直前線分ＧＰ_{Ｊ＋（α−１）}−ＧＰ_Ｊ＋αの線分長が線分長閾値未満であるかを判定する（ステップＳＰ３２）。

この屈曲点の削除処理を開始してから初めて重複割合を求める場合又は直前線分ＧＰ_{Ｊ＋（α−１）}−ＧＰ_Ｊ＋αの線分長が線分長閾値未満である場合、特徴点抽出部２２は、重複割合閾値として第１の重複割合閾値を設定した後（ステップＳＰ３３）、現時点の選択対象である基準点ＧＰ_Ｊ及び削除候補点ＧＰ_Ｊ＋αを結ぶ線分ＧＰ_Ｊ−ＧＰ_Ｊ＋αについてオリジナル血管画素に対する重複割合を求め（ステップＳＰ３４）、この重複割合が第１の重複割合閾値以上であるか否かを判定する（ステップＳＰ３５）。

これに対して、この屈曲点の削除処理を開始してから重複割合を求める回数が２回目以降であり、かつ、直前線分ＧＰ_{Ｊ＋（α−１）}−ＧＰ_Ｊ＋αが線分長閾値以上となる場合、特徴点抽出部２２は、重複割合閾値として第２の重複割合閾値を設定した後（ステップＳＰ３６）、現時点の選択対象である基準点ＧＰ_Ｊ及び削除候補点ＧＰ_Ｊ＋αを結ぶ線分ＧＰ_Ｊ−ＧＰ_Ｊ＋αについてオリジナル血管画素に対する重複割合を求め（ステップＳＰ３４）、この重複割合が第２の重複割合閾値以上であるか否かを判定する（ステップＳＰ３５）。

ここで、重複割合が重複割合閾値以上となる場合、このことは、現時点の選択対象である基準点ＧＰ_Ｊ及び削除候補点ＧＰ_Ｊ＋αを結ぶ線分ＧＰ_Ｊ−ＧＰ_Ｊ＋αが、当該基準点ＧＰ_Ｊから削除候補点ＧＰ_Ｊ＋αまでのオリジナル血管線と近似する又は同一であることを意味する。

この場合、特徴点抽出部２２は、現時点の選択対象である削除候補点ＧＰ_Ｊ＋αが部分血管構成点列の終点であるか否かを判定し（ステップＳＰ３７）、終点でないときには、当該削除候補点ＧＰ_Ｊ＋αとして選択している特徴点に対して終点側にある特徴点を、新たな削除候補点ＧＰ_Ｊ＋αとして選択した後（ステップＳＰ３８）、上述した処理に戻る（ステップＳＰ３２）。

一方、重複割合が重複割合閾値未満となる場合、このことは、現時点の選択対象である基準点ＧＰ_Ｊ及び削除候補点ＧＰ_Ｊ＋αを結ぶ線分ＧＰ_Ｊ−ＧＰ_Ｊ＋αが、当該基準点ＧＰ_Ｊから削除候補点ＧＰ_Ｊ＋αまでのオリジナル血管線とはかけ離れていることを意味する。

この場合、特徴点抽出部２２は、現時点よりも１つ前に削除候補点ＧＰ_Ｊ＋αとして選択していた特徴点と、現時点で基準点ＧＰ_Ｊとして選択している特徴点との間における１又は２以上の特徴点をすべて削除する（ステップＳＰ３９）。

そして特徴点抽出部２２は、現時点の選択対象である削除候補点ＧＰ_Ｊ＋αが部分血管構成点列の終点であるか否かを判定し（ステップＳＰ４０）、終点でないときには、現時点の選択対象である削除候補点ＧＰ_ｊ＋αを基準点ＧＰ_Ｊとして選択するとともに、その基準点ＧＰ_ｊに対して終点側にある特徴点を、新たな削除候補点ＧＰ_Ｊ＋αとして選択した後（ステップＳＰ４１）、上述の処理に戻る（ステップＳＰ３２）。

他方、特徴点抽出部２２は、現時点の選択対象である削除候補点ＧＰ_Ｊ＋αが部分血管構成点列の終点であると判定した場合には（ステップＳＰ３７（Ｙ）又はステップＳＰ４０（Ｙ））、現時点で削除候補点ＧＰ_Ｊ＋αとして選択している特徴点と、現時点で基準点ＧＰ_Ｊとして選択している特徴点との間における１又は２以上の特徴点をすべて削除した後（ステップＳＰ４２）、この屈曲点の削除処理を終了する。

特徴点抽出部２２は、このような手順により、屈曲点の削除処理を実行するようになされている。なお、この削除処理前と削除処理後を図１１に示す。この図１１では、削除処理における線分長閾値を５［mm］とし、第１の重複割合閾値を０．５（５０［％］）とし、第２の重複割合閾値を０．７（７０［％］）とした場合を示している。また、図３５において、正方形はオリジナル血管画素を表し、丸は線分を構成する画素を表し、オリジナル血管画素のうち端点及び屈曲点には破線を付している。

この図１１からも明らかなように、上述の削除処理によって、部分血管線上に存在する屈曲点を結んだ場合にその結んだ線が部分血管線に近似するように、的確に屈曲点が削除されることとなる。

（Ｂ−４）端点の削除
次に、特徴点抽出部２２は、第４段階として、血管線上の分岐点から伸びる３つ又は４つの部分血管線のうち、直線として近似する２つの部分血管線を、１つの部分血管線として連結することで、当該２つの部分血管線の端点となっていた始点又は終点の１つを削除する。ちなみに、分岐点から伸びる部分血管線は、１画素幅でなる血管（血管線）では、図４でも述べたように、必ず、３つ又は４つとなる。

具体的に、例えば図１２（Ａ）に示すように、分岐点ＧＰ（ＧＰ_Ａ１、ＧＰ_Ｂ１、ＧＰ_Ｃ１）から３つの部分血管線ＰＢＬ_Ａ、ＰＢＬ_Ｂ、ＰＢＬ_Ｃが伸びている場合、特徴点抽出部２２は、これら部分血管線ＰＢＬ_Ａ、ＰＢＬ_Ｂ、ＰＢＬ_Ｃのうち、１対の部分血管線同士の交差角度θ_Ａ−Ｂ、θ_Ａ−Ｃ、θ_Ｂ−Ｃの余弦（cos(θ_Ａ−Ｂ)、cos(θ_Ａ−Ｃ)、cos(θ_Ｂ−Ｃ)）を求める。

ここで、最も小さい余弦cos(θ_Ａ−Ｂ)が所定の閾値（以下、これを余弦閾値と呼ぶ）よりも小さいとき、このことは、部分血管線の交差角度が１８０度に近いことを意味する。このとき特徴点抽出部２２は、その最小の余弦cos(θ_Ａ−Ｂ)に対応する１対の部分血管線の部分血管構成点列ＧＰ_Ａ１、ＧＰ_Ａ２、……、ＧＰ_{Ａ−ｅｎｄ}及びＧＰ_Ｂ１、ＧＰ_Ｂ２、……、ＧＰ_{Ｂ−ｅｎｄ}の両端うち、重複しないほうの点ＧＰ_{Ａ−ｅｎｄ}、ＧＰ_{Ｂ−ｅｎｄ}を始点又は端点として、その始点及び端点間の特徴点を１つのグループとして割り当てしなおす。

この結果、１対の部分血管線ＰＢＬ_Ａ、ＰＢＬ_Ｂは連結され、例えば図１２（Ｂ）に示すように、該連結された部分血管線ＰＢＬ_ＡＢの部分血管構成点列ＧＰ_{ＡＢ−ｆｉｒｓｔ}、……、ＧＰ_ＡＢ１０、ＧＰ_ＡＢ１１、ＧＰ_ＡＢ１２、……、ＧＰ_{ＡＢ−ｅｎｄ}の個数は、連結前の１対の部分血管線の部分血管構成点列と比べると、該１対の部分血管線の部分血管構成点列それぞれの始点となっていた２つの分岐点ＧＰ_Ａ１、ＧＰ_Ｂ１が１つの中間点ＧＰ_ＡＢ１１として置換されたことで、１点減ることになる。なお、部分血管線ＰＢＬ_ＡＢは、１対の部分血管線ＰＢＬ_Ａ、ＰＢＬ_Ｂを単に連結したものであるので、連結前後における血管線の形態には変化が生じることはない。

これに対して、最も小さい余弦cos(θ_Ａ−Ｂ)が余弦閾値よりも大きいとき、特徴点抽出部２２は、グループの再割り当てをせずに、未処理対象の分岐点があれば、処理対象を次の分岐点にうつし、未処理対象の分岐点がなければ、この処理を終了する。

一方、例えば図１３（Ａ）に示すように、分岐点ＧＰ（ＧＰ_Ａ１、ＧＰ_Ｂ１、ＧＰ_Ｃ１、ＧＰ_Ｄ１）から４つの部分血管線ＰＢＬ_Ａ、ＰＢＬ_Ｂ、ＰＢＬ_Ｃ、ＰＢＬ_Ｄが伸びている場合、特徴点抽出部２２は、これら部分血管線ＰＢＬ_Ａ、ＰＢＬ_Ｂ、ＰＢＬ_Ｃ、ＰＢＬ_Ｄのうち、１対の部分血管線同士の交差角度θ_Ａ−Ｂ、θ_Ａ−Ｃ、θ_Ａ−Ｄ、θ_Ｂ−Ｃ、θ_Ｂ−Ｄ、θ_Ｃ−Ｄの余弦（cos(θ_Ａ−Ｂ)、cos(θ_Ａ−Ｃ)、cos(θ_Ａ−Ｄ)、cos(θ_Ｂ−Ｃ) 、cos(θ_Ｂ−Ｄ)、cos(θ_Ｃ−Ｄ)）を求める。

ここで、最も小さい余弦cos(θ_Ｂ−Ｄ)が第２の余弦閾値よりも小さいとき、このことは、部分血管線の交差角度が１８０度に近いことを意味する。このとき特徴点抽出部２２は、その最小の余弦cos(θ_Ｂ−Ｄ)に対応する１対の部分血管線の部分血管構成点列ＧＰ_Ｂ１、ＧＰ_Ｂ２、……、ＧＰ_{Ｂ−ｅｎｄ}及びＧＰ_Ｄ１、ＧＰ_Ｄ２、……、ＧＰ_{Ｄ−ｅｎｄ}の両端うち、重複しないほうの点ＧＰ_{Ｂ−ｅｎｄ}、ＧＰ_{Ｄ−ｅｎｄ}を始点又は端点として、その始点及び端点間の特徴点を１つのグループとして割り当てしなおす。

この結果、１対の部分血管線ＰＢＬ_Ｂ、ＰＢＬ_Ｄは連結され、例えば図１３（Ｂ）に示すように、該連結された部分血管線ＰＢＬ_ＢＤの部分血管構成点列ＧＰ_{ＢＤ−ｆｉｒｓｔ}、……、ＧＰ_ＢＤ１０、ＧＰ_ＢＤ１１、ＧＰ_ＢＤ１２、……、ＧＰ_{ＢＤ−ｅｎｄ}の個数は、連結前の１対の部分血管線の部分血管構成点列と比べると、該１対の部分血管線の部分血管構成点列それぞれの始点となっていた２つの分岐点ＧＰ_Ｂ１、ＧＰ_Ｄ１が１つの中間点ＧＰ_ＢＤ１１として置換されたことで、１点減ることになる。なお、部分血管線ＰＢＬ_ＢＤは、１対の部分血管線ＰＢＬ_Ｂ、ＰＢＬ_Ｄを単に連結したものであるので、連結前後における血管線の形態には変化が生じることはない。

この４分岐の場合、１対の部分血管線ＰＢＬ_Ｂ、ＰＢＬ_Ｄを連結しても、未連結の部分血管線ＰＢＬ_Ａ、ＰＢＬ_Ｃが残るが、特徴点抽出部２２は、残りの部分血管線ＰＢＬ_Ａ、ＰＢＬ_Ｃ同士の交差角度θ_Ａ−Ｃの余弦（cos(θ_Ａ−Ｃ)）が余弦閾値よりも小さいときには、例えば図１３（Ｃ）に示すように、これら部分血管線ＰＢＬ_Ａ、ＰＢＬ_Ｃそれぞれの部分血管構成点列を、部分血管線ＰＢＬ_Ｂ、ＰＢＬ_Ｄの部分血管構成点列と同様に、１つの部分血管構成点列ＧＰ_{ＡＣ−ｆｉｒｓｔ}、……、ＧＰ_ＡＣ１０、ＧＰ_ＡＣ１１、ＧＰ_ＡＣ１２、……、ＧＰ_{ＡＣ−ｅｎｄ}とし、元の部分血管構成点列の端点となる始点ＧＰ_Ａ１、ＧＰ_Ｃ１の１つを削除するようになされている。

これに対して、最も小さい余弦cos(θ_Ａ−Ｂ)が余弦閾値よりも大きいとき、特徴点抽出部２２は、グループの再割り当てをせずに、未処理対象の分岐点があれば、処理対象を次の分岐点にうつし、未処理対象の分岐点がなければ、この処理を終了する。

ちなみに、図１２及び図１３において一部重なっている点は、位置（座標）情報としては同一であるが、グループが異なるため、便宜上、分離して示している。

このようにしてこの特徴点抽出部２２は、第４段階として、血管線上の分岐点のうち、該分岐点から伸びる部分血管線の交差角度の余弦が第２の余弦閾値よりも小さい条件を満たす１対の部分血管線における部分血管構成点列を、１つの部分血管構成点列とすることによって、当該１対の部分血管構成点列の端点となっていた始点又は終点の１つを削除するようになされている。

以上のように特徴点抽出部２２は、端点、分岐点及び屈曲点をそれぞれ検出し（第１段階及び第２段階）、これら点から、端点及び分岐点を基準とするグループ（部分血管線点列）単位で、血管線の特徴となる点を、当該特徴点を結んだ場合にその結んだ線が血管線に近似しかつ直線に近似するように抽出することができる（第３段階及び第４段階）。

例えば図３（Ｂ）に示した画像（画像データＤ２１）が特徴点抽出部２２に入力された場合、該画像は、図１４に示すように、この特徴点抽出部２２での特徴点抽出処理によって、特徴点を結んだ線が血管線に近似しかつ直線に近似するように、特徴点が抽出されることとなる。

特徴点抽出部２２は、このようにして特徴点を抽出した画像のデータ（画像データＤ１）を、フラッシュメモリ１３に記憶するようになされている。

（２−２）データ生成モード
一方、制御部１０は、実行すべきモードとしてデータ生成モードを決定した場合、動作モードをデータ生成モードに遷移し、フラッシュメモリ１３に複数の画像データＤ１ｉ（ｉ＝１、２、……、ｎ）が記憶されているか否かを判定する。

そして制御部１０は、フラッシュメモリ１３に複数の画像データＤ１ｉ（ｉ＝１、２、……、ｎ）が記憶されているときには、これら画像データＤ２２ｉを用いて、データ生成処理を実行するようになされている。

ここで、このデータ生成処理の内容の詳細を説明する前に、血管パターンと、擬似血管パターンとの弁別指標について説明する。ただし、擬似血管パターンは、グミ（ゼラチン、砂糖、水飴を材料とし、ゴムのように弾力のある形に固めた菓子）又は大根を撮像対象とした場合に得られるものを例とする。

（２−２−Ａ）血管パターンと、擬似血管パターンとの弁別指標
まず、生体の指から得られる血管パターンと、グミ及び大根から得られる擬似血管パターンを図１５に示す。この図１５に示すように、血管パターン（図１５（Ａ））と、擬似血管パターン（図１５（Ｂ）、（Ｃ））とは、概略的には、同等のパターンにみえる。

ここで、図１６に示すように、特徴点間を結ぶ線分と、その線分の端点をとおる横方向の軸とのなす角度θに着目してみる。すなわち、パターンにおける各特徴点間を結ぶ線分と、画像の横軸方向とのなす角度の分布を、当該線分の長さ（線分を構成する画素の数）を度数として表してみると、血管パターン（図１７）では、９０［°］及びその付近に集中するのに対し、グミから得られる擬似血管パターン（図１８（Ａ））及び大根から得られる擬似血管パターン（図１８（Ｂ））では、０［°］〜１８０［°］にわたってまばらに広がり、規則性が乏しい状態となる。これは、血管パターンが四方八方に広がるのではなく、一定の方向（指の長さ方向）に揃っている傾向にあることに起因している。

また、図１９に示すように、血管パターン（図１９（Ａ））は、グミから得られる擬似血管パターン（図１９（Ｂ））又は大根から得られる擬似血管パターン（図１９（Ｃ））に比して、直線に近似する線分の線分長が長い傾向にあるため、上述の特徴点抽出処理によってグループとして割り当てられる線分（部分血管線）の数が少なくなる。

したがって、血管パターンと擬似血管パターンとの弁別指標としては、第１に、角度分布の広がり、第２に、当該角度分布における９０［°］及びその付近の分布強度、第３に、グループとして割り当てられる線分の数を挙げることができる。

この角度分布の広がりは、例えば、当該分布の分散（又は標準偏差）で表すことができる。すなわち、パターンの特徴として抽出された特徴点間を結ぶ線分をｌ_Ｋ（Ｋ＝１、２、……、Ｎ（Ｎは整数））とし、当該線分と画像の横軸方向とのなす角度をθ_Ｋとし、当該線分長をＬ_Ｋとすると、線分ｌ_Ｋの角度θ_Ｋの分布は、線分長Ｌ_Ｋで重み付けされているので、その分布の平均は、次式

となり、分散は、次式

となる。

また、分布強度は、全体の分布面積に対する、９０［°］を中心とした所定の角度範囲における分布面積の割合で表すことができる。すなわち、角度範囲を、lower［°］＜θ＜upper［°］とし、分布面積をＳとすると、分布強度は、次式

となる。

また、グループとして割り当てられる線分の数は、上述の特徴点抽出処理後に割り当てられているグループの数である。すなわち、上述したように、特徴点抽出部２２では、屈曲点の検出処理のときに、部分血管線における始点から屈曲点を経て終点までの各特徴点（部分血管構成点列）がグループとして割り当てられ、これらグループのなかで、直線として近似するグループ（部分血管構成点列）同士が、１つのグループとしてまとめられるので、この後に残ったグループ（部分血管構成点列）の数となる。

ここで、これら３つの弁別指標を用いて、血管パターンと、グミから得られる擬似血管パターンとにおける弁別結果を図２０に示す。この図２０では、薄いほうのプロットは、グミから得られる擬似血管パターンに対応するものであり、サンプル数は６３５サンプルとした。一方、濃いほうのプロットは、指を５回撮像し、当該得られる血管パターンのうち、薄いほうのプロットの分布の中心からマハノビス距離が最も遠い血管パターンに対応するものであり、サンプル数は１２７サンプルとした。

また、この図２０における「Ｒｆ_Ｇ」は、擬似血管パターンと判定すべき境界（以下、これを擬似血管境界と呼ぶ）を表し、具体的には、薄いほうのプロットの分布の中心から、マハノビス距離が「２．５」である。一方、「Ｒｆ_Ｆ」は、血管パターンと判定すべき境界（以下、これを血管境界と呼ぶ）を表し、具体的には、濃いほうのプロットの分布の中心から、マハノビス距離が「２．１」である。ちなみに、「●」のプロットは、擬似血管境界Ｒｆ_Ｇ又は血管境界Ｒｆ_Ｆ内に存在するものであるのに対し、「＊」のプロットは、擬似血管境界Ｒｆ_Ｇ又は血管境界Ｒｆ_Ｆ内に存在しないものである。

この図２０からも明らかように、血管パターンと擬似血管パターンとはおおよそ弁別でき、当該図２０の３次元分布のうちδ−Ｃ平面に限ってみれば、図２１からも明らかなように、血管パターンと擬似血管パターンとは完全に弁別することができる。ちなみに、この図２０及び図２１は、角度分布の広がりを標準偏差により表している。

（２−２−Ｂ）データ生成処理の具体的な処理内容
次に、データ生成処理の具体的な処理内容について説明する。このデータ生成処理は、図２２に示すフローチャートにしたがって行われる。

すなわち、制御部１０は、フラッシュメモリ１３から読み出した複数サンプルの画像データＤ１ｉの各血管パターンについて、３つの弁別指標（角度分布の分散、角度分布の強度及びグループとして割り当てられる線分の数）をそれぞれ求める（ステップＳＰ１〜ステップＳＰ５のループ）。

また、制御部１０は、各サンプルの血管パターンについて弁別指標を求め終わった場合（ステップＳＰ５：ＹＥＳ）、角度分布の分散をσとし、角度分布の強度をＰとし、グループとして割り当てられる線分の数をＣとすると、次式

のように、各サンプルの血管パターンを列とし、当該血管パターンについての弁別指標を行とする行列に置換する（ステップＳＰ６）。

次いで、制御部１０は、弁別指標の行列から、各サンプルにおける弁別指標の分布の中心を、次式

により求めるとともに（ステップＳＰ７）、共分散行列（covariance matrix）の逆行列を求める（ステップＳＰ８）。ちなみに、共分散行列は、各サンプルにおける弁別指標の分布の広がり（ばらつき）の程度を表すものであり、その逆数は、マハラノビス距離を求めるときに用いられるものである。

そして、制御部１０は、ステップＳＰ７で求めた弁別指標の分布の中心と、ステップＳＰ８で求めた共分散行列の逆行列と、予め設定された血管境界値（図２０を例にすればマハラノビス距離が「２．１」）とを、血管パターン範囲データ（血管パターンであると判定すべき範囲を表すデータ）として生成し（ステップＳＰ９）、これを認証装置の内部メモリに記憶した後（ステップＳＰ１０）、このデータ生成処理を終了する。

このようにして制御部１０は、血管パターンが四方八方に広がるのではなく、一定の方向（指の長さ方向）に揃っている傾向にあること、血管パターンの線分のうち直線に近似する線分の線分長が長い傾向にあることを、血管パターンと擬似血管パターンとの弁別指標として、血管パターンであると判定すべき範囲を表すデータ（弁別指標の分布の中心、共分散行列の逆行列及び血管境界値）を生成することができるようになされている。

（３）認証装置の構成
次に、認証装置の構成を図２３に示す。このデータ生成装置１は、制御部３０に対して、操作部３１と、撮像部３２と、フラッシュメモリ３３と、外部インターフェース３４と、通知部３５とをそれぞれバス３６を介して接続することにより構成される。

制御部３０は、認証装置１全体の制御を司るＣＰＵと、各種プログラム及び設定情報が格納されるＲＯＭと、当該ＣＰＵのワークメモリとしてのＲＡＭとを含むマイクロコンピュータでなっている。なお、このＲＯＭには、データ生成装置１によって生成された血管パターン範囲データが記憶されている。

この制御部３０には、登録対象のユーザ（以下、これを登録者と呼ぶ）の血管を登録するモード（以下、これを血管登録モードと呼ぶ）の実行命令ＣＯＭ１０又は登録者本人の有無を判定するモード（以下、これを認証モードと呼ぶ）の実行命令ＣＯＭ２０が、ユーザ操作に応じて操作部３１から与えられる。

制御部３０は、かかる実行命令ＣＯＭ１０、ＣＯＭ２０に基づいて実行すべきモードを決定し、この決定結果に対応するプログラムに基づいて、撮像部３２、フラッシュメモリ３３、外部インターフェース３４及び通知部３５を適宜制御することによって、血管登録モード又は認証モードを実行するようになされている。

（３−１）血管登録モード
具体的に制御部３０は、実行すべきモードとして血管登録モードを決定した場合、動作モードを血管登録モードに遷移し、撮像部３２を制御する。

この場合、撮像部３２は、データ生成装置１の撮像部１２（図１）と同様にして、近赤外光光源ＬＳ及び撮像素子ＩＤを駆動制御するとともに、この認証装置２の所定位置に配されたオブジェクトの撮像結果として撮像素子ＩＤから出力される画像信号Ｓ１０ａに基づいて光学系ＯＰにおける光学レンズのレンズ位置及び絞りＤＨの絞り値を調整し、当該調整後に撮像素子ＩＤから出力される画像信号Ｓ２０ａを制御部３０に供給する。

制御部３０は、この画像信号Ｓ２０ａに対して、データ生成装置１の前処理部２１及び特徴点抽出部２２（図２）と同一の前処理及び特徴点抽出処理を順次施すことによって、当該画像におけるオブジェクトパターンを抽出するとともに、そのオブジェクトパターンにおける始点から屈曲点を経て終点までのグループ（部分血管構成点列）単位で特徴点を抽出する。

そして制御部３０は、ＲＯＭに記憶された血管パターン範囲データに基づいて、オブジェクトパターンを血管パターン又は擬似血管パターンに弁別する処理（以下、これを弁別処理と呼ぶ）を実行し、当該オブジェクトパターンを血管パターンとして弁別した場合には、オブジェクトパターンの特徴点を、登録者を識別するための情報（以下、これを登録者識別データと呼ぶ）ＤＩＳとしてフラッシュメモリ３３に記憶することにより登録する。

このようにしてこの制御部３０は、血管登録モードを実行することができるようになされている。

（３−２）認証モード
一方、制御部３０は、実行すべきモードとして認証モードを決定した場合には、認証モードに遷移し、血管登録モードの場合と同様にして撮像部３２を制御する。

この場合、撮像部３２は、近赤外光光源ＬＳ及び撮像素子ＩＤを駆動制御するとともに、当該撮像素子ＩＤから出力される画像信号Ｓ１０ｂに基づいて光学系ＯＰにおける光学レンズのレンズ位置及び絞りＤＨの絞り値を調整し、当該調整後に撮像素子ＩＤから出力される画像信号Ｓ２０ｂを制御部３０に供給する。

制御部３０は、この画像信号Ｓ２０ｂに対して、上述の血管登録モードの場合と同一の前処理及び特徴点抽出処理を順次施すとともに、フラッシュメモリ３３に登録された登録者識別データＤＩＳを読み出す。

そして制御部３０は、上述の血管登録モードの場合と同一の弁別処理を実行し、画像信号Ｓ２０ｂから抽出したオブジェクトパターンを血管パターンとして弁別した場合には、当該オブジェクトパターンにおける始点から屈曲点を経て終点までのグループ（部分血管構成点列）単位で抽出した各特徴点と、フラッシュメモリ３３から読み出した登録者識別データＤＩＳの特徴点とを照合し、当該合致の程度に応じて登録者（正規ユーザ）であるか否かを判定する。

ここで、制御部３０は、登録者であると判定したときには、外部インターフェース３４に接続された動作処理装置（図示せず）に対して所定の動作を行わせる実行命令ＣＯＭ３０を生成し、これを外部インターフェース３４を介して動作処理装置に転送する。

この外部インターフェース３４に接続された動作処理装置の実施態様として、例えば閉錠状態にあるドアを採用した場合、制御部３０は、開錠動作を行わせる実行命令ＣＯＭ３０をドアに転送する。また他の動作処理装置の実施態様例として、複数の動作モードのうち一部の動作モードを制限した状態にあるコンピュータを採用した場合、制御部３０は、その制限された動作モードを開放させる実行命令ＣＯＭ３０をコンピュータに転送する。

なお、実施態様として２つ例を挙げたが、これらに限らず、他の実施態様も適宜選択することができる。また、本実施の形態では、動作処理装置を外部インターフェース３４に接続するようにしたが、当該動作処理装置におけるソフトウェア乃至ハードウェアの構成をこの認証装置１に搭載するようにしてもよい。

これに対して、制御部３０は、登録者ではないと判定したときには、その旨を通知部３５の表示部３５ａを介して表示するとともに、当該通知部３５の音声出力部３５ｂを介して音声出力することによって、当該登録者ではないと判定されたことを視覚的及び聴覚的に通知する。

このようにしてこの制御部３０は、認証モードを実行することができるようになされている。

（３−３）弁別処理の具体的な処理内容
次に、制御部３０における弁別処理の処理内容について説明する。この弁別処理は、図２４に示すフローチャートにしたがって行われる。

すなわち、制御部３０は、血管登録モード又は認証モード時に入力される画像信号Ｓ２０ａ又はＳ２０ｂに対して前処理及び特徴点抽出処理を順次施した後、この弁別処理手順を開始し、ステップＳＰ１１において、当該画像信号Ｓ２０ａ又はＳ２０ｂから抽出したオブジェクトパターンについて、角度分布の分散、角度分布の強度及びグループとして割り当てられる線分の数をそれぞれ検出する。

この検出により、正規の血管パターンとして採用された複数のサンプルパターンの弁別指標の３次元空間（図２０）において、このとき撮像対象となったオブジェクトパターンの位置が特定されることになる。

続いて、制御部３０は、ステップＳＰ１２において、ＲＯＭに記憶された血管パターン範囲データ（弁別指標の分布の中心、共分散行列の逆行列及び血管境界値）に基づいて、弁別指標の３次元分布の中心と、当該オブジェクトパターンの位置とのマハラノビス距離を算出する。

具体的には、弁別指標の分布の中心をＣＴとし、共分散行列の逆行列をＣｏｖ^−１とし、オブジェクトパターンの位置をＰとすると、次式

により、マハラノビス距離Ｄ_ＣＰを算出する。この算出により、正規の血管パターンとして採用された複数のサンプルパターンの分布（図２０）のなかで、このとき撮像対象となったオブジェクトパターンがどのあたりに位置しているか特定されることになる。

次に、制御部３０は、ステップＳＰ１３において、ステップＳＰ１２で算出したマハラノビス距離が、ＲＯＭに記憶された血管パターン範囲データの血管境界値以下であるか否かを判定する。

この血管境界値は、図２０に示したように、弁別指標の分布の中心から血管パターンと判定すべき境界Ｒｆ_Ｆの値を表すものである。したがって、マハラノビス距離が血管境界値よりも大きかった場合、このことは、このとき抽出されたオブジェクトパターンが、擬似血管パターン又は血管パターンとは極端に相違するパターン等、正規の血管パターンとは判定すべきではないパターンであることを意味する。

この場合、制御部３０は、ステップＳＰ１４に進んで、画像信号Ｓ２０ａ又はＳ２０ｂから抽出したオブジェクトパターン及びその特徴点を破棄するとともに、再度撮像すべき旨を通知部３５（図２３）を介して通知した後、この弁別処理を終了する。

一方、マハラノビス距離が血管境界値以下であった場合、このことは、このとき抽出されたオブジェクトパターンが、正規の血管パターンと判定すべきパターンであることを意味する。

この場合、制御部３０は、ステップＳＰ１５に進んで、オブジェクトパターンにおける始点から屈曲点を経て終点までのグループ（部分血管構成点列）単位で抽出された各特徴点を、血管登録モードの場合には登録対象として決定する一方、認証モードの場合には既に登録者識別データＤＩＳとして登録された各特徴点との照合対象として決定し、この弁別処理を終了する。

このようにして制御部３０は、血管パターンが四方八方に広がるのではなく、一定の方向（指の長さ方向）に揃っている傾向にあること、血管パターンの線分のうち直線に近似する線分の線分長が長い傾向にあることを、血管パターンと擬似血管パターンとの弁別指標として生成された血管パターン範囲データ（弁別指標の分布の中心、共分散行列の逆行列及び血管境界値）に基づいて、擬似血管パターン等を排除することができるようになされている。

（４）動作及び効果
以上の構成において、この認証システムにおけるデータ生成処理装置１は、複数のサンプル（生体の指）として入力される画像信号Ｓ１から得られる血管パターンそれぞれについて、パターン形状を表す形状値を算出する。

この実施の形態の場合には、血管パターンが四方八方に広がるのではなく、一定の方向（指の長さ方向）に揃っている傾向にあること、直線に近似する線分の線分長が長い傾向にあることを指標として、パターン形状を表す形状値が選定されている。

すなわち、データ生成処理装置１は、形状値として、第１に、血管パターンにおける各特徴点間を結ぶ線分と、基準軸（血行方向と直交する方向軸）とのなす角度（図１６）の分布であって、当該線分の線分長を度数として重み付けされた分布（図１７）の広がりの程度、第２に、その分布における全角度範囲の面積に対する、血行方向の角度（９０［°］）を中心とした所定の角度範囲における面積の割合、第３に、当該線分の数（図１９（Ａ））を算出する（図２２：ステップＳＰ１〜ステップＳＰ５）。

そしてデータ生成処理装置１は、これら形状値の３次元分布（図２０）の中心と、その中心からの広がりの程度を表す値（共分散行列）の逆数とを算出し、これらを認証装置２の内部メモリに記憶する。

一方、この認証システムにおける認証装置２は、登録対象又は登録データとの照合対象として入力される画像信号Ｓ２０ａ、Ｓ２０ｂから得たパターンについて上述の３つの形状値を算出する。そして認証装置２は、これら３つの形状値によって特定される３次元分布上での位置と、内部メモリに記憶された３次元分布（図２０）の中心とのマハラノビス距離を、共分散行列の逆数を用いて算出し、このマハラノビス距離が所定の閾値（血管境界値（図２０：「Ｒｆ_ｆ」））よりも大きい場合に、当該パターンを破棄する（図２４）。

したがってこの認証システムでは、複数サンプルから得た血管パターンについて、該血管パターンの特質となる３つの指標に対応する３次元空間分布（図２０）のなかで、登録対象又は登録データと照合される照合対象から得たパターンがいずれに位置しているのか、またその位置が、当該分布の中心から、生体パターンとすべき境界（血管境界値（図２０：「Ｒｆ_ｆ」））までの範囲に属しているのかを把握することができる。

したがってこの認証システムでは、登録対象又は登録データとの照合対象として入力される画像信号Ｓ２０ａ、Ｓ２０ｂから得たパターンが、たとえ血管パターンに対して擬似的となる血管パターン（図１９（Ｂ）、（Ｃ））であったとしても、その擬似血管パターンが血管パターンではないものとして、登録又は照合することなく事前に排除し得る確率を格段に向上させることができる。

また、このデータ生成装置１及び認証装置２は、血管パターンにおける特徴点を、当該特徴点を結んだ場合にその結んだ線が血管パターンに近似しかつ直線に近似するように抽出した後に、形状値を算出している。

したがってこの認証システムでは、直線に近似する線分の線分長が長い傾向にあるという血管パターンの特質を強調した後に、そのパターン形状を表す形状値を算出することができるようになるため、より一段と的確に、形状値を算出することができ、この結果、擬似血管パターンが血管パターンではないものとして、排除し得る確率をより一段と向上させることができる。

以上の構成によれば、複数サンプルから得た血管パターンについて、該血管パターンの特質となる３つの指標に対応する３次元空間分布のなかで、登録対象又は登録データと照合される照合対象から得たパターンがいずれに位置しているのか、またその位置が、当該分布の中心から、生体パターンとすべき境界までの範囲に属しているのかを把握することができるようにしたことによって、擬似血管パターンが生体パターンではないものとして排除し得る確率を格段に向上することができ、かくして、認証精度を向上させ得る認証システムを実現できる。

（５）他の実施の形態
上述の実施の形態においては、複数の生体サンプルから得られる血管パターンの分布を表すデータと、その分布のうち血管パターンとすべき境界を表すデータ（閾値）に基づいて、入力パターンが血管パターンであるか否かを判定するようにした場合について述べたが、本発明はこれに限らず、擬似血管パターンの分布も加味して入力パターンが血管パターンであるか否かを判定するようにしてもよい。

すなわち、データ生成装置１は、上述のデータ生成処理（図２２）によって、生体サンプルから得た各血管パターンにおける３つの弁別指標の分布の中心と、共分散行列の逆行列と、血管境界値（図２０を例にすればマハラノビス距離が「２．１」で「Ｒｆ_Ｆ」に相当）とを血管パターン範囲データとして認証装置２のＲＯＭに記憶する。このとき、非生体サンプルから得た各擬似血管パターンについても、上述のデータ生成処理（図２２）によって、当該擬似血管パターンにおける３つの弁別指標の分布の中心と、共分散行列の逆行列と、擬似血管境界値（図２０を例にすればマハラノビス距離が「２．５」で「Ｒｆ_Ｇ」に相当）とを擬似血管パターン範囲データとして認証装置２のＲＯＭに記憶する。

一方、認証装置２は、図２４との対応部分に同一符号を付した図２５に示すように、この血管パターン範囲データに基づいて、３つの弁別指標の分布上における入力パターン（撮像対象となったオブジェクトパターン）の位置と、当該分布の中心とのマハラノビス距離（以下、これを生体分布上距離と呼ぶ）を求めるとともに、擬似血管パターン範囲データに基づいて、３つの弁別指標の分布上における入力パターンの位置と、当該分布の中心とのマハラノビス距離（以下、これを非生体分布上距離と呼ぶ）も求める（ステップＳＰ２２）。

そして認証装置２は、生体分布上距離が血管境界値以下である場合、非生体分布上距離が擬似血管境界値以下であるか否かを判定する（ステップＳＰ２３）。ここで、非生体分布上距離が擬似血管境界値以下である場合、このことは、例えば図２０の３次元分布のうちδ−Ｐ平面のように、血管パターンであると判定すべき範囲と、非血管パターンであると判定すべき範囲とが重複している範囲内に、入力パターンが位置していることを意味する。

したがってこの場合、認証装置２は、生体分布上距離が血管境界値以下である場合であっても、入力パターン（撮像対象となったオブジェクトパターン）等を破棄する（ステップＳＰ１４）。

これに対して認証装置２は、生体分布上距離が血管境界値以下であり、かつ、非生体分布上距離が擬似血管境界値よりも大きい場合に、オブジェクトパターンにおける始点から屈曲点を経て終点までのグループ（部分血管構成点列）単位で抽出された各特徴点を、登録対象又は照合対象として決定するようになされている（ステップＳＰ１５）。

このようにして、擬似血管パターンの分布も加味して入力パターンが血管パターンであるか否かを判定するようにすれば、上述実施の形態の場合に比して、擬似血管パターンが生体パターンではないものとして排除し得る確率をより一段と向上することができる。

なお、生体分布上距離が血管境界値以下であった場合に、非生体分布上距離が擬似血管境界値以下であるか否かを判定するようにしたが（ステップＳＰ２３）、これに代えて、例えば、当該場合に、ステップＳＰ２２で求めた生体分布上距離が非生体分布上距離よりも大きいか否かを判定するようにしてもよい。

また、上述の実施の形態においては、生体パターンとして、血管の形状パターン（血管パターン）を適用した場合について述べたが、本発明はこれに限らず、指紋、声紋、口紋又は神経の形状パターン等、適用される生体パターンに応じて、その取得手段について対応するものに変更すれば、この他種々のものを適用することができる。

ただし、血管パターンや神経パターン等のように、血管パターンが四方八方に広がるのではなく、一定の方向（指の長さ方向）に揃っている特質や、直線に近似する線分の線分長が長い特質を有する生体パターンを適用する場合、そのパターン形状を表す形状値としては、上述した３つの弁別指標を採用することができるが、当該特質を有する生体パターン以外のものを、適用する場合には、その適用する生体パターンの特質に応じた形状値に変更する必要がある。

なお、かかる特質を有する生体パターンを適用する場合、上述の実施の形態では、形状値として３つの弁別指標、つまり、第１に、パターンにおける各特徴点間を結ぶ線分と基準軸とのなす角度の分布であって、当該線分の線分長を度数として重み付けされた分布の広がりの程度、第２に、当該分布における全角度範囲の面積に対する、基準軸に対して直交する角度を中心とした所定の角度範囲における面積の割合、第３に、線分の数を採用したが、本発明はこれに限らず、これらのうちの２つの弁別指標だけを採用するようにしてもよく、あるいは、これら３つの弁別指標と、例えば、当該角度分布におけるピークのうち上位３つのピークのなかに９０［°］があるか否か等といった新たな弁別指標を加えるようにしてもよい。要は、弁別指標となるものが２以上であれば、当該弁別指標をパターン形状を表す値として、採用することができる。

さらに、上述の実施の形態においては、認証装置２のＲＯＭに記憶される血管パターン範囲データを、生体サンプルから得た各血管パターンにおける３つの弁別指標の分布の中心と、共分散行列の逆行列と、血管境界値（図２０を例にすればマハラノビス距離が「２．１」で「Ｒｆ_Ｆ」に相当）とした場合について述べたが、本発明はこれに限らず、認証装置２に対して血管境界値を予め設定し、マハラノビス距離の算出（図２４（図２５）：ステップＳＰ１２）の際に、共分散行列の逆数を計算させるようにすれば、３つの弁別指標の分布の中心、及び、共分散行列だけとしてもよい。

さらに上述の実施の形態においては、生体パターンにおける特徴点を、当該特徴点を結んだ場合にその結んだ線が上記生体パターンに近似しかつ直線に近似するように抽出する手段として、前処理部２１及び特徴点抽出処理２２を採用するようにした場合について述べたが、本発明はこれに限らず、該前処理部２１及び特徴点抽出処理２２の処理内容を適宜変更するようにしてもよい。

例えば、前処理部２１については、Ａ／Ｄ変換処理、輪郭抽出処理、平滑化処理、２値化処理及び細線化処理を順次施すようにしたが、これら処理の一部を省略する若しくは入れ替える、又は、これら処理に対して新たな処理を加えるようにしてもよい。ちなみに、これら処理の順序についても適宜変更することができる。

また、特徴点抽出処理２２については、ハリスコーナーと呼ばれる点抽出処理に代替したり、例えば、特願２００６−２０７０３３（〔００３６〕〜〔０１６３〕参照）等の既知の点抽出処理に代替するようにしてもよい。

さらに上述の実施の形態においては、撮像機能、照合機能及び登録機能を有する認証装置２を適用するようにした場合について述べたが、本発明はこれに限らず、当該機能ごとに単体の装置に分けた態様で適用する等、用途等に応じて種々の態様で適用することができる。

本発明は、バイオメトリクス認証の分野に利用可能である。

本実施の形態によるデータ生成装置の構成を示すブロック図である。 制御部における画像処理の処理内容を示す機能ブロック図である。 前処理を施す前後の画像を示す略線図である。 端点、分岐点及び孤立点の出現パターンの説明に供する略線図である。 分岐点と、分岐点又は端点との間の血管線の追跡の説明に供する略線図である。 血管画素の追跡の説明に供する略線図である。 直線上の点及び屈曲点の出現パターンを示す略線図である。 屈曲点の検出の説明に供する略線図である。 オリジナル血管画素に対する線分画素の重複割合の判定の説明に供する略線図である。 削除処理手順を示すフローチャートである。 屈曲点の削除前と削除後を示す略線図である。 部分血管線の連結（３分岐）の説明に供する略線図である。 部分血管線の連結（４分岐）の説明に供する略線図である。 特徴点抽出処理により得られる特徴点を示す略線図である。 血管パターンと、擬似血管パターンとを示す略線図である。 線分と、その線分の端点を通る横方向の軸との角度の算出の説明に供する略線図である。 血管パターンの角度分布を示す略線図である。 擬似血管パターンの角度分布を示す略線図である。 直線に近似する線分長の説明に供する略線図である。 弁別指標の分布を示す略線図である。 σ−Ｃ平面における弁別指標の分布を示す略線図である。 データ生成処理手順を示すフローチャートである。 本実施の形態による認証装置の構成を示すブロック図である。 弁別処理手順（１）を示す略線図である。 弁別処理手順（２）を示す略線図である。

符号の説明

１……データ生成装置、２……認証装置、１０、３０……制御部、１１、３１……操作部、１２、３２……撮像部、１２ａ、３２ａ……駆動制御部、１３、３３……フラッシュメモリ、１４、３４……外部インターフェース、３５……通知部、３５ａ……表示部、３５ｂ……音声出力部、２１……前処理部、２２……特徴点抽出部。

Claims (17)

1. 複数の生体サンプルから得られる生体パターンそれぞれについて、パターン形状を表す２以上の形状値を算出する第１のステップと、
   上記２以上の形状値の分布の中心と、その中心からの広がりの程度を表す値とを算出する第２のステップと、
   登録対象又は登録データと照合される照合対象から得られるパターンの上記２以上の形状値と、上記２以上の形状値の分布の中心との距離を、上記値を用いて算出する第３のステップと、
   上記距離が所定の閾値よりも大きい場合に、上記パターンを破棄する第４のステップと
   を具えることを特徴とするパターン識別方法。
2. 上記２以上の形状値は、
   パターンにおける各特徴点間を結ぶ線分と基準軸とのなす角度の分布であって、当該線分の線分長を度数として重み付けされた分布の広がりの程度と、
   上記分布における全角度範囲の面積に対する、上記基準軸に対して直交する角度を中心とした所定の角度範囲における面積の割合と、
   上記線分の数と
   のうち２つを少なくとも含む
   ことを特徴とする請求項１に記載のパターン識別方法。
3. 複数の生体サンプルから得られる生体パターンにおける特徴点を、当該特徴点を結んだ場合にその結んだ線が上記生体パターンに近似しかつ直線に近似するように抽出する抽出ステップ
   をさらに具えることを特徴とする請求項２に記載のパターン識別方法。
4. 上記第１のステップでは、
   複数の生体サンプルから得られる生体パターンそれぞれについて、パターン形状を表す２以上の形状値を算出するとともに、複数の非生体サンプルから得られる非生体パターンそれぞれについて、上記２以上の形状値を算出し、
   上記第２のステップでは、
   各上記生体パターンにおける２以上の形状値の分布の中心、及び、その中心からの広がりの程度を表す値と、各上記非生体パターンにおける２以上の形状値の分布の中心、及び、その中心からの広がりの程度を表す値とを算出し、
   上記第３のステップでは、
   上記パターンの上記２以上の形状値と、各上記生体パターンにおける２以上の形状値の分布の中心との第１の距離を、当該中心からの広がりの程度を表す値を用いて算出するとともに、上記パターンの上記２以上の形状値と、各上記非生体パターンにおける２以上の形状値の分布の中心との第２の距離を、当該中心からの広がりの程度を表す値を用いて算出し、
   上記第４のステップでは、
   上記第１の距離が、生体パターンと判定すべき第１の閾値よりも大きい場合、かつ、上記第１の距離が上記第１の閾値以内であっても、上記第２の距離が、非生体パターンと判定すべき第２の閾値以内である場合に、上記パターンを破棄する
   ことを特徴とする請求項１に記載のパターン識別方法。
5. 上記生体パターンは、血管の形状パターンである
   ことを特徴とする請求項１に記載のパターン識別方法。
6. 複数の生体サンプルから得られる生体パターンそれぞれについて、パターン形状を表す２以上の形状値の分布の中心と、その中心からの広がりの程度を表す値とが記憶される記憶手段と、
   登録対象から得られるパターンの上記２以上の形状値と、上記記憶手段に記憶された２以上の形状値の分布の中心との距離を、上記値を用いて算出する算出手段と、
   上記距離が所定の閾値よりも大きい場合には上記パターンを破棄し、上記距離が上記閾値以内の場合には上記パターンを記憶媒体に登録する登録手段と
   を具えることを特徴とする登録装置。
7. 上記２以上の形状値は、
   パターンにおける各特徴点間を結ぶ線分と基準軸とのなす角度の分布であって、当該線分の線分長を度数として重み付けされた分布の広がりの程度と、
   上記分布における全角度範囲の面積に対する、上記基準軸に対して直交する角度を中心とした所定の角度範囲における面積の割合と、
   上記線分の数と
   のうち２つを少なくとも含む
   ことを特徴とする請求項６に記載の登録装置。
8. 上記パターンにおける特徴点を、当該特徴点を結んだ場合にその結んだ線が上記パターンに近似しかつ直線に近似するように抽出する抽出手段
   をさらに具え、
   上記登録手段は、
   上記抽出手段により抽出された上記パターンにおける特徴点を上記記憶媒体に登録する
   ことを特徴とする請求項６に記載の登録装置。
9. 上記記憶手段には、
   複数の生体サンプルから得られる生体パターンそれぞれについて、パターン形状を表す２以上の形状値の分布の中心、及び、その中心からの広がりの程度を表す値と、複数の非生体サンプルから得られる非生体パターンそれぞれについて、上記２以上の形状値の分布の中心、及び、その中心からの広がりの程度を表す値とが記憶され、
   上記算出手段は、
   上記パターンの上記２以上の形状値と、各上記生体パターンにおける２以上の形状値の分布の中心との第１の距離を、当該中心からの広がりの程度を表す値を用いて算出するとともに、上記パターンの上記２以上の形状値と、各上記非生体パターンにおける２以上の形状値の分布の中心との第２の距離を、当該中心からの広がりの程度を表す値を用いて算出し、
   上記登録手段は、
   上記第１の距離が、生体パターンと判定すべき第１の閾値よりも大きい場合、かつ、上記第１の距離が上記第１の閾値以内であっても、上記第２の距離が、非生体パターンと判定すべき第２の閾値以内である場合には上記パターンを破棄する
   ことを特徴とする請求項６に記載の登録装置。
10. 上記生体パターンは、血管の形状パターンである
    ことを特徴とする請求項６に記載の登録装置。
11. 複数の生体サンプルから得られる生体パターンそれぞれについて、パターン形状を表す２以上の形状値の分布の中心と、その中心からの広がりの程度を表す値とが記憶される記憶手段と、
    登録対象から得られるパターンの上記２以上の形状値と、上記記憶手段に記憶された２以上の形状値の分布の中心との距離を、上記値を用いて算出する算出手段と、
    上記距離が所定の閾値よりも大きい場合には上記パターンを破棄し、上記距離が上記閾値以内の場合には、記憶媒体に登録された登録データと上記パターンとを照合する照合手段と
    を具えることを特徴とする照合装置。
12. 上記２以上の形状値は、
    パターンにおける各特徴点間を結ぶ線分と基準軸とのなす角度の分布であって、当該線分の線分長を度数として重み付けされた分布の広がりの程度と、
    上記分布における全角度範囲の面積に対する、上記基準軸に対して直交する角度を中心とした所定の角度範囲における面積の割合と、
    上記線分の数と
    のうち２つを少なくとも含む
    ことを特徴とする請求項１１に記載の照合装置。
13. 上記パターンにおける特徴点を、当該特徴点を結んだ場合にその結んだ線が上記パターンに近似しかつ直線に近似するように抽出する抽出手段
    をさらに具え、
    上記照合手段は、
    上記抽出手段により抽出された上記パターンにおける特徴点と、上記登録データとを照合する
    ことを特徴とする請求項１１に記載の登録装置。
14. 上記記憶手段には、
    複数の生体サンプルから得られる生体パターンそれぞれについて、パターン形状を表す２以上の形状値の分布の中心、及び、その中心からの広がりの程度を表す値と、複数の非生体サンプルから得られる非生体パターンそれぞれについて、上記２以上の形状値の分布の中心、及び、その中心からの広がりの程度を表す値とが記憶され、
    上記算出手段は、
    上記パターンの上記２以上の形状値と、各上記生体パターンにおける２以上の形状値の分布の中心との第１の距離を、当該中心からの広がりの程度を表す値を用いて算出するとともに、上記パターンの上記２以上の形状値と、各上記非生体パターンにおける２以上の形状値の分布の中心との第２の距離を、当該中心からの広がりの程度を表す値を用いて算出し、
    上記照合手段は、
    上記第１の距離が、生体パターンと判定すべき第１の閾値よりも大きい場合、かつ、上記第１の距離が上記第１の閾値以内であっても、上記第２の距離が、非生体パターンと判定すべき第２の閾値以内である場合には上記パターンを破棄する
    ことを特徴とする請求項１１に記載の照合装置。
15. 上記生体パターンは、血管の形状パターンである
    ことを特徴とする請求項１１に記載の照合装置。
16. 複数の生体サンプルから得られる生体パターンそれぞれについて、パターン形状を表す２以上の形状値の分布の中心と、その中心からの広がりの程度を表す値とが記憶されるコンピュータに対して、
    登録対象から得られるパターンの上記２以上の形状値と、上記記憶手段に記憶された２以上の形状値の分布の中心との距離を、上記値を用いて算出する第１の処理と、
    上記距離が所定の閾値よりも大きい場合には上記パターンを破棄し、上記距離が上記閾値以内の場合には上記パターンを記憶媒体に登録する第２の処理と
    を実行させることを特徴とするプログラム。
17. 複数の生体サンプルから得られる生体パターンそれぞれについて、パターン形状を表す２以上の形状値の分布の中心と、その中心からの広がりの程度を表す値とが記憶されるコンピュータに対して、
    登録対象から得られるパターンの上記２以上の形状値と、上記記憶手段に記憶された２以上の形状値の分布の中心との距離を、上記値を用いて算出する第１の処理と、
    上記距離が所定の閾値よりも大きい場合には上記パターンを破棄し、上記距離が上記閾値以内の場合には、記憶媒体に登録された登録データと上記パターンとを照合する第２の処理と
    を実行させることを特徴とするプログラム。