JP2010160557A - 生体照合における結果判定方法およびプログラム - Google Patents

Abstract

【課題】生体認証において，簡易な手段で，本人同士の照合は成功となり，他人同士の照合は失敗となる精度を向上させる方法及びプログラムを提供する。
【解決手段】まず，複数の要素により構成される１対の生体情報間における要素の対応関係を検出することによって全体の一致度を算出すると共に，対応関係の中で最も一致している要素を認定する。次いで，認定した要素を除外した残りの要素を用いて再度全体の一致度を算出する。その後，得られた２回分の全体の一致度を用いて照合結果を判定する。
【選択図】図８

Description

本発明は，指紋をはじめとする生体情報を用いる認証・照合技術に関する。

近年，セキュリティに対する社会的要請の高まりに伴って，指紋をはじめとする生体照合技術が普及してきている。例えば，指紋認証技術は入退室管理やＰＣへのログオンなど，生体認証技術の代表格として広く利用されている。

特許庁総務部企画調査課技術動向班，"バイオメトリック照合の入力・認識"，特許庁，[平成２１年１月６日検索]，インターネット<URL:http://www.jpo.go.jp/shiryou/s_sonota/hyoujun_gijutsu/biometric/1-3-2.pdf#1>

非特許文献１は，指紋認証技術の中でも，一般的に利用される照合方式である，マニューシャ・マッチング(特徴点照合)方式に関する説明である。この方式以外にも，マニューシャ・リレーション方式など，指紋認証技術には多くの方式が存在する。なお，マニューシャとは，指紋における，端点や分岐点などを示す特徴点のことである。

一般に，生体認証技術は，旧来の認証方式であるパスワード認証などと比較し，高いセキュリティレベルを有している。しかし，生体認証といえども，完全に誤りが無いわけではなく，本人同士でも照合が成功とならない場合や，他人同士でも誤って成功となってしまうことがある。このようなリスクを減少させるため，一般には，照合結果を判定するための閾値が適切に調整される。しかし，このような閾値の変更は，セキュリティレベルに直接影響を及ぼすため，最適な閾値を決定することは極めて困難であるのが実情である。

従って，本発明が解決しようとする課題は，生体認証において，簡易な手段で，本人同士の照合は成功となり，他人同士の照合は失敗となる精度を向上させる方法及びプログラムを提供することである。

本発明にかかる方法は，それぞれ複数の要素により構成される第１の生体情報と第２の生体情報とを照合する方法であって，第１の生体情報の複数の要素，および第２の生体情報の複数の要素について，少なくとも１対の要素を対応要素として対応付け，そのうち最も一致度の高い１対の対応要素を第１の基準要素として決定し，対応要素におけるそれぞれの一致度の合計である第１の一致度を算出するステップ（Ａ）と，ステップ（Ａ）にて決定された第１の基準要素を除外し，再度，ステップ（Ａ）と同様に，第１の生体情報の複数の要素，および第２の生体情報の複数の要素について，少なくとも１対の要素を対応要素として対応付け，そのうち最も一致度の高い１対の対応要素を第２の基準要素として決定し，対応要素におけるそれぞれの一致度の合計である第２の一致度を算出するステップ（Ｂ）とを含む。

より好ましくは，ステップ（Ｂ）にて得られる，第２の一致度を少なくとも用いて，第１の生体情報と第２の生体情報の照合結果を判定するステップ（Ｃ）とをさらに含む。

より好ましくは，第１の生体情報および第２の生体情報は，指紋における特徴点情報であり，要素は，特徴点情報における特徴点であり，一致度は，特徴点同士における，距離および／または方向の差により決定される値である。

本発明にかかるプログラムは，それぞれ複数の要素により構成される第１の生体情報と第２の生体情報とを照合するプログラムであって，コンピュータを第１の生体情報の複数の要素，および第２の生体情報の複数の要素について，少なくとも１対の要素を対応要素として対応付け，そのうち最も一致度の高い１対の対応要素を第１の基準要素として決定し，対応要素におけるそれぞれの一致度の合計である第１の一致度を算出する手段（Ａ）と，手段（Ａ）にて決定された第１の基準要素を除外し，再度，手段（Ａ）と同様に，第１の生体情報の複数の要素，および第２の生体情報の複数の要素について，少なくとも１対の要素を対応要素として対応付け，そのうち最も一致度の高い１対の対応要素を第２の基準要素として決定し，対応要素におけるそれぞれの一致度の合計である第２の一致度を算出する手段（Ｂ）として機能させる。

本発明によれば，簡易な手段で，本人同士の照合は成功となり，他人同士の照合は失敗となる精度を向上させることができる。

以下では図面を参照し，本発明に係る実施例を説明する。なお，各図面において共通する要素には同じ番号を付し，説明は繰り返さない。
[発明原理]

本発明は，まず，複数の要素により構成される１対の生体情報間における要素の対応関係を検出することによって全体の一致度を算出すると共に，対応関係にある要素の中で最も一致している一対の要素を認定する。この処理には，少なくとも要素間における誤差，もしくは類似度を用いる。次いで，認定した要素を除外した残りの要素を用いて再度全体の一致度を算出する。その後，得られた２回分の全体の一致度を用いて照合結果を判定する。これにより，他人同士でありながら，たまたま一部分が非常に類似している生体情報同士であっても，誤って照合成功としてしまう危険性を低減させることができる。

この根拠は，通常，本人同士であれば，全体的にある程度以上一致している傾向があるため，２度目の全体の一致度算出時においても，高い一致度が期待できるが，他人同士の場合には，２度目の全体の一致度算出時に高い一致度が得られることが稀であることによる。本発明は，この特性を利用することにより，照合精度を向上させる。
＜実施例＞

図１は指紋認証における特徴点照合方式の処理イメージである。
指紋センサより取得(ステップ１０１)した入力指紋画像から特徴点を抽出(ステップ１０３)し，特徴点同士の位置関係などを利用してテンプレートと入力指紋の特徴点の対応関係を推定する。これによりテンプレート指紋と照合指紋の位置・回転のずれを補正する。この際，隆線方向分布や特徴点の座標の一致度が高まるように２枚の画像の平行移動と回転を行う(ステップ１０５)。この後，入力指紋の各特徴点ついて，これに対応するテンプレート指紋の特徴点を探索し，対応する特徴点であるかをチェックする(ステップ１０７)。特徴点同士が対応するか否かの判定は，位置と方向の情報を用いて行い，一致した特徴点の数などの情報を元に類似度を決定する。指紋が一致したかどうかは，前述した類似度が，あらかじめ決められた閾値以上ならば照合成功と判定し，閾値未満なら照合失敗と判定する(ステップ１０９)。なお，本発明にかかる方法およびプログラムは，上記したステップ１０９において使用される。
[ソフトウェア機能ブロック図]

図２において，本発明に係るプログラム２０１が備える各手段について説明する。

誤差算出手段２０３は，入力指紋の特徴点とテンプレートの特徴点を比較し，特徴点同士の誤差を算出する。ここで，誤差とは，一対の特徴点同士の距離や，方向のずれの事である。

基準点検出手段２０５は，入力指紋の特徴点とテンプレートの各特徴点を順次重ね合わせ，特徴点同士の誤差が最も小さくなるような特徴点，即ち基準点を検出する。この誤差の算出には，誤差算出手段２０３を用いる。なお，基準点検出に関する処理の詳細は後述する。

基準点除去手段２０７は，誤差検出手段２０３において，各特徴点同士の誤差を算出する際に用いられる特徴点のうち，基準点となった特徴点を除外する。

判定手段２０９は，誤差検出手段２０３が算出した誤差を用いて照合の判定をする。この処理の詳細は後述する。
[基準点検出処理のイメージ]

図３は，入力指紋の特徴点とテンプレートの特徴点を表している。なお，下記では，混乱を避けるため，入力指紋特徴点およびテンプレート指紋特徴点のように，複数の特徴点の集合を示す場合は，特徴点群と記載し，個々の特徴点は単に特徴点と記載する。

図４は，特徴点ＡおよびＯを基準点の候補として，両特徴点群を重ね合わせた図である。本図では，両特徴点群を単に平行移動し，任意の一対の特徴点を基準点として重ね合わせている。

図５は，特徴点ＣおよびＱを基準点の候補として，両特徴点群を重ね合わせた図であるが，図４と異なるのは，特徴点群に回転を加えている点である。これは，特徴点が単に座標だけの情報ではなく，方向という属性データも備えていることを考慮した重ね合わせである。即ち，重ね合わせの際に，特徴点Ｃおよび特徴点Ｑの方向も考慮している。

図６は，図４での，特徴点ＢおよびＰの周辺を拡大したものである。それぞれの特徴点の間の距離をdとすると，本実施例における特徴点群の誤差は，特徴点同士のdの合計値ということができる。勿論，図５のように，回転をした重ね合わせであっても，各特徴点に対するdを同様に得ることができる。また，誤差の算出には，距離だけでなく特徴点同士の方向の誤差を含めることも可能である。

図４から図６においては，理解を容易にするため，ある特徴点を重ね合わせたとき，他の特徴点もそれぞれ対応付けが可能な場合を図示しているが，他の特徴点同士は対応がつかない程度に離れてしまう場合もある。この様な場合，最も距離の近い特徴点を特定した後，その距離が所定の閾値を超える場合は，対応付け不能として一律な大きい距離の数値を代入することとする。

ここで，基準点とは，特徴点同士の誤差であるdの合計が最も小さくなるよう両特徴点群を重ね合わせた際に，誤差が最も小さい一対の特徴点の事である。従って，実際には，一対の特徴点同士を重ね合わせ(この場合，誤差が最小となる)，この時の他の特徴点同士の誤差の合計を保持しておき，同様の処理を全ての対応する特徴点同士に対して繰り返し行い，この合計が最小となる，重ね合わされた一対の特徴点を基準点とする。この様子を図９に示す。特徴点ＢとＰを重ね合わせた際に，誤差の合計であるS(i,j)が最小となっている。従って，この場合，特徴点ＢおよびＰが基準点となる。なお，図９において記載を省略した，その他の特徴点同士のS(i,j)は，全て９より大きい値とする。

また，本実施例では基準点を決定するのに距離を用いたが，距離をある長さを有する範囲ごとに分割し，短い距離範囲に含まれる特徴点の対には高い得点を与えて，順次長い距離範囲に含まれる特徴点の対に対する得点を下げたうえで，すべての特徴点対に関する得点合計が最も高い一対の特徴点を基準点としてもよい。この場合，上述したように，それぞれ対応が付かない程度に距離が離れている(言い換えると，距離が所定の閾値を超えている)特徴点同士は，得点をゼロとして加算対象から除外することとなる。一般的には，対となる特徴点に対して，その間の距離や特徴点の方位差などに基づいて，一致度としてのパラメータを一義的に決定し，その合計値により基準点を定めればよい。
[基準点検出のフローチャート]

図７は基準点を検出する処理のフローチャートである。
ステップ７０１にて，特徴点番号であるi,jが１に初期化される。特徴点番号とは，両特徴点群の各特徴点に付与された通し番号である。なお，この番号は特徴点同士の対応関係とは無関係である。
ステップ７０３にて，入力指紋の特徴点E(i)とテンプレート指紋の特徴点F(j)が重ね合わされる。これが基準点の候補となる。
ステップ７０５にて，重ね合わせた特徴点以外の，それぞれの特徴点同士の誤差の合計であるS(i,j)が算出される。

ステップ７０７にて，S(i,j)が所定の場所に登録される。
ステップ７０９にて，全ての組み合わせの重ね合わせが完了したかどうかが判定され，完了していれば処理がステップ７１７に進み，そうでなければ７１１に進む。
ステップ７１１にて，テンプレートの特徴点F(j)が最後かどうか判定され，最後であればステップ７１３に進み，そうでなければステップ７１５に進む。
ステップ７１３にて，入力指紋の特徴点番号iがインクリメントされると共に，テンプレート指紋の特徴点番号jが１に初期化され，処理がステップ７０３に戻る。
ステップ７１５にて，テンプレート指紋の特徴点番号jがインクリメントされ，処理がステップ７０３に戻る。

ステップ７１７にて，所定の場所に登録されているS(i,j)群の中から，最小のS(i,j)を検出し，この時の(i,j)に対応する特徴点E(i)およびF(j)を基準点とする。今後，最小のS(i,j)をminS(i,j)と記載する。
[照合時のフローチャート]

図８は，本実施例に係る照合処理のフローチャートである。なお，ステップ８０１およびステップ８０７は，先に説明した基準点検出の処理のため，詳細な説明はしない。
ステップ８０１にて，基準点が検出される。
ステップ８０３にて，ステップ８０１で得られた第１のminS(i,j)が所定の場所に登録される。
ステップ８０５にて，基準点が除去される。
ステップ８０７にて，基準点の除去された特徴点の中から新たな基準点が検出される。
ステップ８０９にて，ステップ８０７で得られた第２のminS(m,n)が所定の場所に登録される。

ステップ８１１にて，第１のminS(i,j)と第２のminS(m,n)の差が算出され，これが所定の閾値T1より小さいかどうかを判定する。この結果，得られた差がT1よりも小さければ処理がステップ８１３に進み，そうでなければステップ８１７に進む。
ステップ８１３にて，第１のminS(i,j)と第２のminS(m,n)の合計が算出され，これが所定の閾値T2よりも小さいかどうかを判定する。この結果，得られた合計がT2よりも小さければ処理がステップ８１５に進み，そうでなければステップ８１７に進む。ここで，第１のminS(i,j)および第２のminS(m,n)は，特徴点同士の誤差の合計であるため，値の小さい方が，両特徴点群の一致度が高い事に注意されたい。

ステップ８１５にて，照合が成功したと判定される。
ステップ８１７にて，照合が失敗したと判定される。
なお，ステップ８１１では，第１のminS(i,j)と第２のminS(m,n)の差を用いたが，これの代わりに次のようにしてもよい。

まず，最初の基準点抽出(ステップ７１７)の際，基準点以外のそれぞれの特徴点同士の対のうち，誤差が所定の値よりも小さい特徴点同士を，一致した特徴点として捉え，その数(Ｘ１とする)を記憶する。次いで，次の基準点抽出の際にも同様に一致した特徴点の数(Ｘ２とする)を記憶する。それぞれの一致した特徴点の数の差(Ｘ１−Ｘ２の絶対値)が所定の閾値よりも小さければ，処理がステップ８１３に進み，そうでなければ処理がステップ８１７に進む。
[効果]

本実施例では，最も誤差の少ない特徴点同士である基準点を除去した後に，再度，基準点を検出する。即ち，本人の特徴点同士であれば，２回目の誤差算出時においても，１回目と同水準の誤差レベルが期待できる為，複雑な処理を必要とすることなく認証精度を高めることができる。
＜他の実施例＞

本発明は，上述した指紋照合に限らず，複数の要素を持つ生体情報同士を照合するものであれば，その生体情報の種類に依らず，適用可能である。

特徴点照合方式の処理イメージ 本発明に係るプログラムの機能ブロック構成図 入力指紋とテンプレート指紋の特徴点 基準点の例１ 基準点の例２ 特徴点間の距離 基準点検出のフローチャート 照合処理のフローチャート 基準点決定のために用いる各特徴点同士の誤差の合計

２０３ 誤差検出手段
２０５ 基準点検出手段
２０７ 基準点除去手段

Claims (4)

1. それぞれ複数の要素により構成される第１の生体情報と第２の生体情報とを照合する方法であって，
   前記第１の生体情報の複数の要素，および前記第２の生体情報の複数の要素について，少なくとも１対の要素を対応要素として対応付け，そのうち最も一致度の高い１対の対応要素を第１の基準要素として決定し，対応要素におけるそれぞれの一致度の合計である第１の一致度を算出するステップ（Ａ）と，
   前記ステップ（Ａ）にて決定された前記第１の基準要素を除外し，再度，前記ステップ（Ａ）と同様に，前記第１の生体情報の複数の要素，および前記第２の生体情報の複数の要素について，少なくとも１対の要素を対応要素として対応付け，そのうち最も一致度の高い１対の対応要素を第２の基準要素として決定し，対応要素におけるそれぞれの一致度の合計である第２の一致度を算出するステップ（Ｂ）と，
   を含む方法。
2. 前記ステップ（Ｂ）にて得られる，前記第２の一致度を少なくとも用いて，前記第１の生体情報と前記第２の生体情報の照合結果を判定するステップ（Ｃ）と，
   をさらに含む請求項１に記載の方法。
3. 前記第１の生体情報および前記第２の生体情報は，指紋における特徴点情報であり，
   前記要素は，特徴点情報における特徴点であり，
   前記一致度は，特徴点同士における，距離および／または方向の差により決定される値である，
   請求項１および２に記載の方法。
4. それぞれ複数の要素により構成される第１の生体情報と第２の生体情報とを照合するプログラムであって，コンピュータを
   前記第１の生体情報の複数の要素，および前記第２の生体情報の複数の要素について，少なくとも１対の要素を対応要素として対応付け，そのうち最も一致度の高い１対の対応要素を第１の基準要素として決定し，対応要素におけるそれぞれの一致度の合計である第１の一致度を算出する手段（Ａ）と，
   前記手段（Ａ）にて決定された前記第１の基準要素を除外し，再度，前記手段（Ａ）と同様に，前記第１の生体情報の複数の要素，および前記第２の生体情報の複数の要素について，少なくとも１対の要素を対応要素として対応付け，そのうち最も一致度の高い１対の対応要素を第２の基準要素として決定し，対応要素におけるそれぞれの一致度の合計である第２の一致度を算出する手段（Ｂ）と，
   して機能させるプログラム。