JP2008517352A - 非接触光学手段および３ｄ指紋認識方法 - Google Patents

Abstract

【課題】本発明は、非接触光学手段によって、３Ｄ指紋を認識する方法を開示する。
【解決手段】新規な方法は、とりわけ、指紋を取り込み、マニューシャ、分岐点、端点、またはその任意の組み合わせから成る群から選択した３Ｄ光学画像を得る光学非接触手段を設けるステップと、複数の指紋を得るステップであって、前記指紋の画像解像度が、カメラと前記分析対象の指との間の距離に依存しない、ステップと、得られた画像を誤焦点およびぼけの復元によって補正するステップと、登録フェーズにおいて複数の画像、好ましくは６ないし９枚の画像を、種々の視野および角度の下で得るステップと、前記画像の被写体深度の質および画素当たりの強度を系統的に改良するステップと、追加の光学センサが必要とならないように、メモリ消費から高解像度化を切り離すステップとを備えている。
【選択図】図１

Description

本発明は、一般的には、非接触光学手段、および３Ｄ指紋認識方法に関する。

指紋のパターンおよび幾何学的形状は個人毎に異なっており、身体が成長しても、また時間が経過しても変化しない。指紋の分類は、通常、ループまたは渦巻きというようなある種の特徴に基づく。最も差が出る特徴は、隆線において見られるマニューシャ(minutiae)、分岐点、または端点、および隆線の流れ全体の形状である。

種々の特許が指紋認識方法を示している。例えば、Muellerの米国特許出願第２００４／２３４１１１号は、指紋を検査し、その参照データを携帯データ・キャリアに格納する方法を開示する。

指紋は、変更不可能な物理的属性を拠り所とするので、非常に精度が高い識別子となるが、それらが唯一であることを認識するためには、特殊な入力デバイスが必要となる。これらのデバイスは、必ずしも標準的な電気通信および計算機器と互換性がある訳ではない。更に、これらのデバイスに関わるコストのために、大規模市場への受入に関して限界がある。

したがって、非接触光学手段を用いた価格効率的な３Ｄ指紋認識方法の必要性が長い間感じられていた。これは、今日まで市販されることはなかった。

したがって、本発明の目的は、非接触光学手段、および３Ｄ指紋認識方法を提供することである。

前記方法は、非限定的に、次のステップ、即ち、マニューシャ、分岐点、端点、またはその任意の組み合わせから成る群から選択した、３Ｄ光学画像を供給するように、指紋を取り込む光学的非接触手段を設けるステップと、複数の指紋を得るステップであって、前記指紋の画像解像度が、カメラと前記分析する指との間の距離に依存しない、ステップと、前記得た画像を、誤焦点およびぼけの復元によって補正するステップと、登録フェーズにおいて、好ましくは６ないし９枚の複数の画像を、種々の視野および角度の下で得るステップと、前記画像の品質および被写体深度、ならびに画素毎の強度を系統的に改良するステップと、 追加の光学センサが不要となるようにするため、メモリ消費から高解像度化を切り離すステップと、
を備えている。

本発明の範囲においては、少なくとも１つのＣＭＯＳカメラを利用する方法を提供し、前記方法がソフトウェアに基づくパッケージによって強化され、このパッケージが、近接場照明およびコントラストで画像を取り込むステップと、誤焦点およびぼけの復元を行うステップと、固定角度および距離不変性を維持することにより、前記画像を復元するステップと、前記画像の数学的モデルの登録フェーズおよび相互格納を得るステップとを備えている。

また、本発明の範囲においては、前記初期画像を複数の領域にセグメント化し、ＤＣＴまたはフーリエ変換を実行することにより、指紋領域の少なくとも一部の周波数マッピングを取得し、指の外輪郭を抽出し、周波数ドメインにおいて少なくとも１回局部ヒストグラムを実行することにより、局部ぼけ劣化を評価し、疑似非空間位相焦点外れ強度画像から生ずるぼけを増大させ、前記ぼけの影響、および異なる領域における焦点外れ錯乱円（ＣＯＣ）の度合いに対するその関係を推定し、焦点距離に隣接する画像の光線追跡を行い、光学的精密度差（ＯＰＤ）に基づいて、品質判断基準を生成し、点拡散関数（ＰＳＦ）およびＣＯＣの局部相対的位置を、指のトポロジ形状と相関付けてモデル化し、好ましくは離散デコンボリューションを用いて、前記得られた３Ｄ画像を再現し、逆フィルタリング手段および／または統計的フィルタリング手段のいずれかを伴う方法を提供する。

更に、本発明の範囲において、ニュートン・コンパクト・ボディ(Newtonian compact body)の生物弾性モデルを適用し、大域的凹修復モデルを適用し、マッチング手段による立体視再構築を適用する方法を提供する。

更にまた、本発明の範囲において、２つの特徴集合の近接行列を構築し、各要素がガウス加重距離であり、前記相関付けした近接行列の特異値分解を実行する方法を提供する。
本発明の別の目的は、認識のときに取り込んだ指画像と、それよりも前に取り込んだ画像との間で区別する方法を提供し、前記画像の反射率を、周囲光状態の関数として比較するステップを更に備えており、登録の間に、各カラー・チャネルにある映像を取り込み、選択した領域をマッピングするステップと、チャネル毎に、小領域上で局部ヒストグラムを実行するステップと、異なるカラー・チャネルおよび前記カメラ・デバイスの感度にしたがって、指紋毎に外部照明変更を用いて、応答プロファイルを設定するステップと、候補の受入または拒絶を得て、本物の指紋のスペクトル応答を偽造したものと比較するステップとを備えている。

本発明の範囲において、光線追跡手段を設け、ＯＰＤに基づいて出立判断基準を生成し、検出器の幾何学的形状に関係する画素ＯＴＦを取得し、サンプリングしたＯＴＦおよびＰＳＦを計算し、サンプリングしたＰＳＦ集合に基づいて、選択した処理アルゴリズムのためにディジタル・フィルタ係数を計算し、レート演算子を計算し、ディジタル・パラメータを処理し、レート・メリット・オペランドを光学オペランドと組み合わせ、光学表面を修正する方法を提供する。

また、本発明の範囲において、画像の光線追跡特質および画素冗長性を改善する方法を提供し、とりわけ、冗長性デコンボリューション再現を行うステップと、ぼけ歪みをモデル化するのに適合する数値非球面レンズを決定するステップとを備えている。

更に、本発明の範囲において、指紋の識別システムを提供し、近接場照明を用いて画像を取り込む手段と、合焦外れおよびぼけの復元のための手段と、得られた画像をマッピングおよび投影する手段と、登録フェーズを取得し、前記画像の数学的モデルの相互格納を得る手段とを備えている。

本発明を理解するために、そして実際にどのようにすれば実施できるのか確認するために、添付図面を参照しながら、非限定的な一例に過ぎないものとして、好適な実施形態についてこれより説明する。

以下の説明は、本発明の全ての章(chapter)と共に、前記発明を利用することを当業者に可能にするために、そして発明者が想定する、本発明を実施する最良の態様を明記するために提示する。しかしながら、本発明の包括的な原理を具体的に規定し、非接触光学手段によって３Ｄ指紋を認識する方法を提示しているので、種々の変更が当業者には明白である。

本方法論は、複数のステップを含むが、これらのみに限定されるのではない。
最初のステップは、「画像取得」即ち画像取り込みである。本プロセスのこの部分では、ユーザは彼の指をカメラ・デバイスの近くに置く。指の画像が取り込まれ、画像の分析を処理することができる。

この画像を取得する方法は、従来の指紋デバイスとは異なる。何故なら、指の指紋は、物理的な接触を全く伴わずに、取り込まれるからである。代替技術では、透明ガラス板または、スキャナとも呼ばれるいずれかの感応面と指を物理的に接触させる。

この技術を用いることによって、選択した画像は、発光、コントラスト、ぼけの定義というような基本的な要件を検証しなければならない。中心点が観察できる画像のみを選択すればよい。

本技術は、指のいずれの領域とカメラ・コンポーネントとの間に存在する距離にも関係なく、広範囲の指紋画像を得ることを可能とする。３Ｄ本体として、指の曲率を考慮しなければならない。

光学的制約や、指の位置ずれ、レンズの焦点距離、環境光条件を考慮して、本技術は、誤焦点(mis-focal)やぼけによる画質低下のある画像を補正することができる。
この第２ステップは、短距離で取り込み、焦点外れ(de-focusing)によって生ずるぼけによる画質低下を呈する画像の再現に専ら取り込む。光学的精密度を調節するための画像の倍率調整、即ち、単位面積当たりの画素数の調整も実現する。

画像再現の具体的な手順については、後に詳細に説明する。
指紋認識にとって最も重要なステップの１つは、数学的モデルの抽出、生のマニューシャの決定による画像のスケルトン化(skeletonized)ワイヤ表現(wired representation)である。優れた再現可能数学的モデルを得るために、指の自由度の数をできるだけ制限しなければならない。自由度の数は、一般に６と仮定されている。

接触技術では、自由度の殆どが固定されているのが当然であり、並進および回転移動のみが残るのとは対照的に、本技術は、ハード・トポロジ収差(hard topological aberration)が現れる、更に複雑化した画像を専門に考慮する。一例示として、勾配が急な領域における隆線は、実際にそうであるよりも近くに見えるので、倍率調整し直さなければならないことを指摘しておく。

その結果、自然な３Ｄ画像による非接触画像は、角度不変性および距離スケーラビリティを維持しない。この状況は、数学的モデルのあらゆる再現性を複雑化する虞れがある。
このレベルでは、本技術は、角度および距離不変性を維持する投影３Ｄ画像を復元する。これらの新しい画像は、従来の接触スキャナが用いていたものと同等である。

この種のトポロジ投影(topological projectiotn)を可能にする一連の手順およびアルゴリズムを提案する。個々のアルゴリズムの詳細については以下で説明する。
取り込みフェーズは、指認識の様々なステップにおいて行われる。即ち、登録、検証、および識別のステップである。

検証または識別フェーズにおいて画像のマッチングを改善するために、所与の指の指紋認識を行って副データベースを設けなければならない。一般に、登録フェーズにおいて、同じ指紋の異なる画像を３枚、数学的モデルの復元(restitution)によって処理し、相関重みを決めてこれらを互いに連携する。ここで、非接触画像の場合、登録フェーズは、異なる視野および角度における数枚の画像、典型的に６ないし９枚の画像から成る。相互連携類似物アルゴリズムを処理して、画像の立体像を復元する。

更に、トポロジ３Ｄ再現画像を用いて、異なる画像を指形状上に投影する。画像の副データベース全体、およびそれらの数学的モデル・テンプレートをそのようにして獲得し、次の認識のために用いる。

検証手順のみがあればよい用途、「１：１技術」では、登録フェーズは、非接触リーダにおいて用いられているものと同様の品質の接触リーダを用いることによって取り込んだ少なくとも１枚の真の２Ｄ画像指紋を含む。このように、基準２次元は、被写体深度、スキャナの分解能、角度許容度、および隆線対谷線の周期性というような、基礎的パラメータを復元する。

本発明の別の実施形態によれば、この技術は、指紋乳頭状線の最適な抽出のために、局所的なコントラスト、発光、飽和というような、カメラ・センサのパラメータを局所的に較正する。

指紋は、マニューシャ、隆線、および対というようなトポロジ的詳細から成り、指紋上で見られるループ、アーク、渦巻きの基礎を形成する。
本発明は、本発明の一実施形態による、マニューシャの取り込みおよび隆線の取得方法を開示する。この方法は、指紋構造の遠視野回折表現(far field diffractive representation)またはフーリエ変換に、特に有用である。

とりわけ、本手順は次のステップを備えている。
１．画像における指の範囲を抽出する。
一連の画像処理フィルタを適用して、指の形態を抽出する。

ａ．ＲＧＢチャネル・アルゴリズム
ｂ．赤のヒストグラム
ｃ．中間調デシメーション
ｄ．白色ノイズ・フィルタおよび低帯域
ｅ．マスク照明
ｆ．ＲＯＩアルゴリズム
ｇ．局部周期性
２．画像の受入または拒絶
３．中点判定アルゴリズム
４．中点を中心とする小半径における画像の抽出。このステップは、一連の画像処理から成る。

５．マルチ・ゾーニング(multi-zoning)およびローカル・モメンタム・アルゴリズム(local momentum algorithm)
６．縁取り抽出(edging extraction)
７．ローカル・フーリエ・ブロック分析
本発明の更に別の実施形態によれば、実行中画像分析における主要な要件の１つは、画像の異なる領域において発生するぼけ収差(blurring aberration)をできるだけ最少化するために、ぴったり焦点があった画像を得る信頼性である。

この目標を達成するために、入力画像の品質を推定し、必要であれば、画像の焦点外れから得られる包括的補正を行うことによって品質を向上させるための一連の手順を提案する。

本発明は、画像の被写体深度の品質、および画素毎の強度を系統的に改良する包括的手順を提供する方法を開示する。
この課題を遂行するために、実空間および周波数フーリエ表現双方にいてインディケータを用いて、処理実行中に画像の焦点外れを推定する。この低下を推定するためのキー・ポイントは、点拡散機能（ＰＳＦ：point spread function)を正しく理解することである。

小距離、更に具体的には、焦点距離の範囲においてＣＭＯＳまたはＣＣＤカメラ・センサによって撮影したいずれの画像についても、指のトポロジにおける強い局部差のために、画像には単に焦点外れの領域があり、局部的なぼけが生ずる。

トポロジ的には、画像は、画質が異なるいくつかの層状孤丘(island)から成るように見える。焦点がぴったり合っている指紋の画像では、画像における局部的な模様は大域的に類似しており、言い換えると、隆線と谷線の連続であり、局部的にトポロジ的不連続があり、その周波数特性は正しく規定されている。

逆に、焦点が合っていない領域では、ぼけはロー・パス・フィルタおよび均一拡散模様領域(uniform diffusive textured region)を生成する。
画像におけるいずれの副画像であっても、明確に規定された模様および空間周波数の区画(panel)全体で分離することができると直ぐに、対象領域（ＲＯＩ）全体を補正することが可能となる。ＲＯＩの大部分がぼけていても、局部フェーズ焦点外れ(local phase de-focusing)の基本的な想定が、補正を可能にする。

この作業を遂行するために、実空間および周波数フーリエ表現双方においてインディケータを用いて、画像の焦点外れの処置を、処理実行中に行う。この低下を推定するためのキー・ポイントは、ＰＳＦのロバストな包括的モデルを規定することである。

本方法論の主要なステップの詳細は、次の通りである。
１．波長範囲、画像の被写体深度、局部コントラストというような、指定動作条件したにおいて、所与の光学表面から開始する。

２．各領域の周波数マッピングを得るための、数領域における初期画像のセグメント化およびＤＣＴまたはフーリエ変換の実行。
ＪＰＥＧ画像のパラメータを用いて、局部パラメータおよび局部グラニュロメトリを抽出する。

３．指形状の抽出および輪郭形成。周波数ドメインにおける局部ヒストグラムを実行し、局部ぼけ劣化を評価する。
４．ぼけは、疑似非空間位相焦点外れ強度画像から生ずる。異なる領域では、ぼけの影響、およびその焦点外れ錯乱円（ＣＯＣ）(defocusing Circle of Confusion)の度合いとの関係は、推定である。

５．焦点距離付近で光線追跡アルゴリズムを動作させ、光学的精密度差（ＯＰＤ）に基づく品質判断基準を生成する。ＰＳＦおよび指のトポロジ的形状と相関のあるＣＯＣの局部相対的位置をモデル化する。

６．離散デコンボリューション(discrete deconvolution)を用いて、最終的な３Ｄ画像の再生を進めることができる。
焦点外れが大きい画像に対して、光線追跡特性および画素冗長性の処置を考慮したいくつかの改善が提案されている。

焦点外れ画像は、多少位相が局部的にぼける。局部的構造、例えば、マニューシャ、隆線および谷線を抽出するために必要な精密度は、通例、低集積画素センサ(low integrated pixel sensor)によって得ることができる。

このそして更に別の低価格ＣＭＯＳまたはＣＣＤカメラ・センサを、大規模集積画素マトリクス、例えば、メガ画素以上と共に用いると、デコンボリューションに基づく再生アルゴリズムを高感度に改善することができる。オーバーサンプリング・アルゴリズムを用いれば、予測ＰＳＦを精巧化できることを主張する。

局部光線追跡アルゴリズムを用いると、画素毎に収集した光強度から、ＰＳＦおよび光学転送機能（ＯＴＦ）に関するより良い情報を得ることが可能になる。各画素の主にを精巧化し、適したＰＳＦを得るために、この局部情報の冗長性を用いることを提案する。

焦点外れ画像は、オーバーサンプリングした情報および光線追跡アルゴリズムを用い、非球面レンズ(optics)の数値フィルタによって改善することができる。
ＰＳＦおよびＣＯＣのモデルは、多種多様な指紋源画像に対して正しく定義されている。非常に良く焦点が合っている画像では、指紋情報は、通例、１００Ｋ画素以下で済む。基本的に、メガ画素センサでは、この追加情報を用いると、局部光線追跡をモデル化し、ぼけを生ずるＰＳＦおよび収差を推定することができる。

これらの収差は、ぼけ歪みをモデル化する数値非球面レンズ(numerical aspheric lens)の判定に至る可能性がある。デコンボリューション再生を用いると、非常に良く焦点が合っている画像を再生(retrieve)することができる。

本手順は、以下のように、明快に述べることができる。
１．波長範囲、画像の被写体深度、または局部コントラストというような、指定動作条件したにおいて、所与の光学表面から開始する。

２．光線追跡アルゴリズムを動作させ、次いで光学精密度差（ＯＰＤ）に基づいて出立判断基準(exit criterion)を生成する。
３．ＯＴＦを計算する。

４．検出器の幾何学的形状に関係する画素ＯＴＦを含ませる。
５．サンプルしたＯＴＦおよびＰＳＦを計算する。
６．サンプルしたＰＳＦ集合に基づいて、選択した処理アルゴリズムのために、ディジタル・フィルタ係数を計算する。

７．合焦、被写体角度、中間調、エリアシングによる、サンプルしたＰＳＦおよびＭＴＦの最少変化に基づくレート演算子を形成する。
８．処理量、処理に関する画像ノイズのような、ディジタル処理パラメータ。

９．レート・メリット・オペランド(rate merit operand)を、ザイデル型収差、ＲＭＳ誤差のような従前からの光学オペランドと組み合わせて、最適化ルーチンとし、光学表面を修正する。

本発明の更に別の実施形態によれば、角度および距離不変性を維持し、トポロジ的歪みに対してロバストであり続ける疑似２Ｄ画像の作成に至るアルゴリズム手順を構築するために、本質的に以下の方法を提案する。

１．指の生物弾性モデル硬質体(bio-elastical model-rigid body)。
硬質体モデルは、指の３Ｄ方位を決定するために用いられる。
２．視覚面への３Ｄ投影アルゴリズム。

ａ．透視投影マトリクスを構築し、指紋画像を決定するために用いる。
ｂ．弾性膜モデルから計算した変位場(displacement field)を用いて、画像を補正する。

ｃ．非制約非線形シンプレックス・モデルを用いて、凸型３Ｄ自由パラメータ指モデル上に投影を行う。
３．２つの立体画のマッチングアルゴリズムによって、指の抽出を形成する。指紋の２つの連続する画像間に生ずる小さな変位を利用して、第３トポロジ次元を再現する。

人が彼の指を光学デバイス上に位置付けようとするとき、一連のデータ(capture)を取り込む。指の調節、中心点の位置付け、正しい距離における焦点内呼び処理の間、システムは２つ以上の画像を連続的に取り込む。この手順により、トポロジ情報を得ることができ、画像の３Ｄメッシュを精密に決定することができる。指の凸形状を用いて、立体画像をマッピングし、隆線間の正しい距離を再現する。

２つの画像の特徴を制限して格納した、近接行列の特異値分解に基づいたアルゴリズム的手順の使用を提案する。
ｉおよびｊを２つの画像とし、それぞれ、ｍ個およびｎ個の特徴を有し、１対１の対応関係に置く。

アルゴリズムは、３段階から成る。
１．２つの特徴集合の近接行列Ｇを構築する。各要素は、ガウス加重距離のものである。

２．相関付けた近接Ｇ行列の特異値分解を実行する。これらは直交行列であり、対角行列は、その対角線要素に沿って数値の降順に正の特異値を収容する。ｍ＜ｎの場合、最初のｍ列だけが何らかの意味を有する。

３．この新たな行列は、近接行列と同じ形状を有し、相応しいペアリング(pairings)を「増幅」し、不適当なものを「減衰」するという興味深い特質を有する。
本発明の更に別の実施形態によれば、本方法論は、認識の時点で取り込んだ指画像と、異なる場合に取り込んだ指画像との間で区別する。

生物的認識に内在する問題の１つは、現在の画像が指なのか、またはディジタル画像なのか検証することである。画像の反射率を、周囲の光状態の関数として比較することにより、画像が実際に指であり、偽りでないことを検証することができる。

登録の間、指の反射率を収集し、指のスペクトル・プロファイルを格納する。偽の指紋は、ラテックスまたは他のいずれの人工材料で再現しても、特定的なスペクトル痕跡によって検出することができるという事実を用いて、指紋が疑わしいか否か判別することができる。これを達成するために、以下の方法論を提案する。

１．登録の間、取り込んだ映像を、各カラー・チャネルに沿って、選択した領域で分析する。チャネル毎の局部ヒストグラムを、小領域に対して実行する。
２．外部照明変更、例えば、フラッシュを用いて、カメラの内部パラメータ、ガンマ係数、およびホワイト・バランスの変化、応答プロファアイルを、指紋毎に、異なるカラー・チャネルおよびカメラ・デバイスの感度にしたがって設定する。

３．実際の指紋および疑わしい指紋の画像またはラテックス外被のスペクトル応答を比較して、候補の受入または拒絶を行う。
本発明の更に別の実施形態によれば、指紋の数学的モデルを作成するための別の内在的問題は、ＣＰＵおよびメモリ資源が限られている環境において、ＪＰＧ圧縮に対処することである。典型的な方法は、画像をＪＰＧから、ＴＩＦＦ、ＢＭＰ、または認識に用いることができるその他の任意のフォーマットに変換することである。しかしながら、画像の解像度が高くなるに連れて、この手順は増々メモリを消費するようになる。本方法は、高解像度化とメモリ消費との間のしがらみを断ち切る、資源効率的な手順を提案する。

間引きアルゴリズムの最終段階により、指紋の二進スケルトン化画像を得ることが可能となる。低ＣＰＵ要件に合った二進画像を更に小型化して得るために、副領域の局部挙動を考慮に入れて、二進画像全体をそれよりも小さいトポロジ的実体に関して格納することを提案する。ベクター化した上のトポロジ的伸張(topological stretching)に関する以前のステップから得られる、選択した隆線のパラメータ化を利用して、指紋のマッピング全体を実現することができる。この手順は、局部セグメント、マニューシャ、隆線、およびマッチング・ステップのために格納する局部周期性の階層を構築することを可能にする。

これより図１を参照して、セルラ構成の概略的な説明を行う。このセルラ構成は下記から成る。
１．セルラ・カメラ−インターネットおよび／またはセルラ・ネットワークあるいはアクセサリを通じて、移動デバイスに音声およびデータを通信することができる移動デバイスの一部であるカメラ。

２．画像処理アルゴリズム−セルラ移動デバイスの標準パーツとして配信されるソフトウェア・アルゴリズム。このコンポーネントは、通例、大域的な方法で画像を扱う。例えば、画像全体に関連がある変更を行う。これらのアルゴリズムは、通例、セルラ・カメラまたは移動デバイスに設けられている。

３．高画質化アルゴリズム−このパーツは、ディジタル・カメラが取り込んだ画像の画質を高める。高画質化は、局部的である、即ち、画像の特定区域に関する。
４．画像補正アルゴリズム−このパーツは、指紋認識の必要性に合わせて画像を補正する。補正は、標準的な認識アルゴリズムによって用いることができるように行われる。

５．第三者認識アルゴリズム−市販の指紋認識アルゴリズム
６．データベース−データベースは、移動デバイスまたは離れた場所に位置する。データベースは、以前に登録した人に関する指紋を収容する。

これより、図２を参照し、ＰＣ構成の概略的説明を行う。ＰＣ構成は、下記から成る。
１．ディジタル・カメラ−ＰＣに接続されているカメラ。
２．画像処理アルゴリズム−セルラ移動デバイスの標準パーツとして配信される、および／またはインターネットを通じて後にダウンロードされるソフトウェア・アルゴリズム。このコンポーネントは、通例、大域的な方法で画像を扱う。例えば、画像全体に関連がある変更を行う。これらのアルゴリズムは、通例、セルラ・カメラまたは移動デバイスに設けられている。

３．高画質化アルゴリズム−このパーツは、ディジタル・カメラが取り込んだ画像の画質を高める。高画質化は、局部的である、即ち、画像の特定区域に関する。
４．画像補正アルゴリズム−このパーツは、指紋認識の必要性に合わせて画像を補正する。補正は、標準的な認識アルゴリズムによって用いることができるように行われる。

５．第三者認識アルゴリズム−市販の指紋認識アルゴリズム
６．データベース−データベースは、ＰＣまたは離れた場所に位置する。データベースは、以前に登録した人に関する指紋を収容する。

これより図３を参照して、フローチャートの概略的な説明を行う。指紋認識プロセスは、通例、２段階で構成されている。
１．登録−新たな実体をデータベースに追加する初期時点。

以下の手順を１回以上実行する。
２．スケーリング
図４に示すように、識別または認証では、人がデータベースに接近し、彼の指を用いて認証を得る。識別は、人が指だけを提示し、通例１対多数と定義される状況を示すが、一方認証は、人が彼の指および名前を提示し、通例１対１で定義される状況を示す。

図１は、本発明の簡略化した一実施形態によるブロック構成の概略的記述を、概略的に示す。 図２は、本発明の別の実施形態によるＰＣ構成の記述を模式的に示す。 図３は、本発明の別の実施形態によるフローチャートの記述を更に模式的に示す。 図４は、本発明の更に別の実施形態による識別フェーズを模式的に示す。

Claims (9)

1. 非接触光学手段によって３Ｄ指紋を認識する方法であって、
   ａ．マニューシャ、分岐点、端点、またはその任意の組み合わせから成る群から選択した、３Ｄ光学画像を供給するように、指紋を取り込む光学的非接触手段を設けるステップと、
   ｂ．複数の指紋を得るステップであって、前記指紋の画像解像度が、カメラと前記分析する指との間の距離に依存しない、ステップと、
   ｃ．前記得た画像を、誤焦点およびぼけの復元によって補正するステップと、
   ｄ．登録フェーズにおいて、好ましくは６ないし９枚の複数の画像を、種々の視野および角度の下で得るステップと、
   ｅ．前記画像の品質および被写体深度、ならびに画素毎の強度を系統的に改良するステップと、
   ｆ．追加の光学センサが不要となるようにするため、メモリ消費から高解像度化を切り離すステップと、
   を備えている、方法。
2. 請求項１記載の方法において、少なくとも１つのＣＭＯＳカメラを利用し、前記方法は、ソフトウェアに基づくパッケージによって強化され、該パッケージが、
   ａ．近接場照明およびコントラストで画像を取り込むステップと、
   ｂ．誤焦点およびぼけの復元を行うステップと、
   ｃ．固定角度および距離不変性を維持することにより、前記画像を再現するステップと、
   ｄ．前記画像の数学的モデルの登録フェーズおよび相互格納を得るステップと、
   を備えている、方法。
3. 請求項２記載の方法であって、更に、
   ａ．前記初期画像を複数の領域にセグメント化し、ＤＣＴまたはフーリエ変換を実行することにより、指紋領域の少なくとも一部の周波数マッピングを取得するステップと、
   ｂ．指の外輪郭を抽出するステップと、
   ｃ．周波数ドメインにおいて少なくとも１回局部ヒストグラムを実行することにより、局部ぼけ劣化を評価するステップと、
   ｄ．疑似非空間位相焦点外れ強度画像から生ずるぼけを増大させるステップと、
   ｅ．前記ぼけの影響、および異なる領域における焦点外れ錯乱円（ＣＯＣ）の度合いに対するその関係を推定するステップと、
   ｆ．焦点距離に隣接する画像の光線追跡を行い、光学的精密度差（ＯＰＤ）に基づいて、品質判断基準を生成するステップと、
   ｇ．点拡散関数（ＰＳＦ）およびＣＯＣの局部相対位置を、指のトポロジ形状と相関付けてモデル化するステップと、
   ｈ．好ましくは離散デコンボリューションを用いて、前記得られた３Ｄ画像を再現するステップであって、逆フィルタリング手段および／または統計的フィルタリング手段のいずれかを伴う、ステップと、
   を備えている、方法。
4. 請求項２記載の方法であって、
   ａ．ニュートン・コンパクト・ボディの生物弾性モデルを適用するステップと、
   ｂ．大域的凹修復モデルを適用するステップと、
   ｃ．マッチング手段による立体視再構築を適用するステップと、
   を備えている、方法。
5. 請求項３記載の方法であって、
   ａ．２つの特徴集合の近接行列を構築するステップであって、各要素がガウス加重距離のものである、ステップと、
   ｂ．前記相関付けした近接Ｇ行列の特異値分解を実行するステップと、
   を備えている、方法。
6. 認識のときに取り込んだ指画像と、それよりも前に取り込んだ画像との間で区別する方法であって、前記画像の反射率を、周囲光状態の関数として比較するステップを更に含み、
   ａ．登録の間、各カラー・チャネルにある映像を取り込み、選択した領域をマッピングするステップと、
   ｂ．チャネル毎に、小領域上で局部ヒストグラムを実行するステップと、
   ｃ．異なるカラー・チャネルおよび前記カメラ・デバイスの感度にしたがって、指紋毎に外部照明変更を用いて、応答プロファイルを設定するステップと、
   ｄ．候補の受入または拒絶を定め、本物の指紋のスペクトル応答を偽造したものと比較するステップと、
   を備えている、方法。
7. 請求項６記載の方法であって、とりわけ、
   ａ．光線追跡手段を設けるステップと、
   ｂ．ＯＰＤに基づいて出立判断基準を生成するステップと、
   ｃ．検出器の幾何学的形状に関係する画素ＯＴＦを取得するステップと、
   ｄ．サンプリングしたＯＴＦおよびＰＳＦを計算するステップと、
   ｅ．サンプリングしたＰＳＦ集合に基づいて、選択した処理アルゴリズムのためにディジタル・フィルタ係数を計算するステップと、
   ｆ．レート演算子を計算するステップと、
   ｇ．ディジタル・パラメータを処理するステップと、
   ｈ．レート・メリット・オペランドを光学オペランドと組み合わせるステップと、
   ｉ．光学表面を修正するステップと、
   を備えている、方法。
8. 画像の光線追跡特質および画素冗長性を改善する方法であって、
   ａ．冗長性デコンボリューション再現を行うステップと、
   ｂ．ぼけ歪みをモデル化するのに適合する数値非球面レンズを決定するステップと、
   を備えている、方法。
9. 指紋の識別システムであって、
   ａ．近接場照明を用いて画像を取り込む手段と、
   ｂ．合焦外れおよびぼけの復元のための手段と、
   ｃ．得られた画像をマッピングおよび投影する手段と、
   ｄ．登録フェーズを取得し、前記画像の数学的モデルの相互格納を得る手段と、
   を備えている、システム。

Images