JP2013196295A - 生体情報処理装置 - Google Patents

Abstract

【課題】照合の精度を高める。
【解決手段】実施形態の生体情報処理装置は、領域検出手段と、特徴抽出手段と、判定手段と、を備える。領域検出手段は、画像情報から、人物が表示されている領域を検出する。特徴抽出手段は、画像情報から、領域検出手段で検出された領域から、人物の特徴的な部位に基づいた特徴情報を抽出する。判定手段は、特徴抽出手段で抽出された特徴情報に対して、人物の特徴的な部位が抽出できたか否かを示した抽出精度を、特徴的な部位の位置に基づいて判定する。
【選択図】図１

Description

本発明の実施形態は、生体情報処理装置に関する。

従来から、被認証者の生体情報（例えば、顔、手の状態）の特徴や状態に基づいて、人物の照合を行う技術が開発されている。認証を行うために、被認証者の生体情報が写された画像データから、特徴点検出が適切に行われないと、照合精度に悪影響を及ぼす可能性がある。

このため、近年、特徴点の抽出精度を向上させるための技術が提案されている。

特開平０５−２２５３４４号公報

しかしながら、従来技術で抽出精度が向上したとしても、特徴点の検出で誤りが生じる可能性は存在する。したがって、特徴点の検出が適切であるかをチェックし、照合処理にふさわしい品質であるか否かを確認することが望ましい。

実施形態の生体情報処理装置は、領域検出手段と、特徴抽出手段と、判定手段と、を備える。領域検出手段は、画像情報から、人物が表示されている領域を検出する。特徴抽出手段は、画像情報から、領域検出手段で検出された領域から、人物の特徴的な部位に基づいた特徴情報を抽出する。判定手段は、特徴抽出手段で抽出された特徴情報に対して、人物の特徴的な部位が抽出できたか否かを示した抽出精度を、特徴的な部位の位置に基づいて判定する。

図１は、第１の実施形態にかかる生体情報処理装置の構成を示すブロック図である。 図２は、第１の実施形態にかかる生体情報処理装置における、顔検出処理の手順を示すフローチャートである。 図３は、第１の実施形態にかかる特徴情報判定部における、評価値の算出処理の手順を示すフローチャートである。 図４は、顔検出の位置ずれを示した図である。 図５は、検出された両目の特徴点が位置ずれを生じている例を示した図である。 図６は、第１の実施形態にかかる修正部における、修正処理の手順を示すフローチャートである。 図７は、検出結果を修正するためのインターフェース画面の例を示した図である。 図８は、変形例にかかる顔特徴情報抽出部の特徴点の抽出手法を示した図である。 図９は、第２の実施形態にかかる生体情報処理装置の構成を示すブロック図である。 図１０は、第２の実施形態にかかる特徴点摂動部による特徴点の摂動を示した図である。 図１１は、第２の実施形態にかかる生体情報処理装置における、特徴情報間の類似度判定処理の手順を示すフローチャートである。 図１２は、第３の実施形態にかかる生体情報処理装置の構成を示すブロック図である。 図１３は、第３の実施形態にかかる生体情報処理装置における、特徴情報の抽出精度の判定処理の手順を示すフローチャートである。 図１４は、第４の実施形態にかかる生体情報処理装置の構成を示すブロック図である。 図１５は、第４の実施形態にかかる生体情報処理装置における、特徴情報の抽出精度の判定処理の手順を示すフローチャートである。 図１６は、第１〜第４の実施形態にかかる生体情報処理装置のハードウェア構成を示した図である。

（第１の実施形態）
図１は、第１の実施形態にかかる生体情報処理装置の構成を示すブロック図である。本実施形態にかかる生体情報処理装置１００は、入力部１０１と、パラメータ設定部１０２と、顔検出部１０３と、顔特徴情報抽出部１０４と、特徴情報判定部１０５と、修正部１０６と、出力部１０７と、類似度判定部１０８と、を備えるとともに、カメラ１５０と接続されている。カメラが撮像する画像データは、動画像データでも静止画像データでも良い。

本実施形態にかかる生体情報処理装置１００は、カメラ１５０から入力された画像データから、顔の特徴情報を抽出して、照合用に用いる照合用顔情報データベースに登録する。なお、本実施形態は、顔から特徴情報を抽出する例について説明するが、顔から特徴情報を抽出することに制限するものではなく、顔以外の生体情報が写された画像データに対して適用しても良い。適用対象となる生体情報としては、例えば、虹彩、網膜、手や指の静脈パターン、指紋パターン、目や耳や口の状態などがある。これらを複数用いても良いし、いずれか１つ用いて認証を行っても良い。

本実施形態にかかる生体情報処理装置１００は、例えば、照合用顔情報データベースに記憶された大量の人物画像データから、特定の人物を検索したい場合に適用することが考えられる。例えば、生体情報処理装置１００が、カメラ１５０が撮像した監視映像から、収集した大量の顔画像データに基づく特徴情報を照合用顔情報データベースに登録することで、当該照合用顔情報データベースを用いた特定の人物を照合、検索を可能とする。

ところで、監視映像に含まれている画像データから、顔の特徴情報として、特徴点を検出する際に、処理で特徴点がずれたり、検出できなかったりする場合がある。このような特徴情報をそのまま登録すると、照合の際に誤りが生じる可能性がある。そのため、登録する時に特徴点の検出の妥当性を確認し、必要に応じて修正することが望ましいが、手動だと負担が大きい。そこで、本実施形態にかかる生体情報処理装置１００は、妥当性の確認と、必要に応じた修正とを実行する。

入力部１０１は、カメラ１５０などの撮影手段から、人物の顔を含む画像データを入力処理する。本実施形態では、カメラ１５０から入力された例について説明するが、カメラ１５０に制限するものではなく、例えば、スキャナ等であっても良い。そして、入力部１０１が入力処理した画像データは、（図示しない）Ａ／Ｄ変換器によりデジタル化された後、顔検出部１０３、顔特徴情報抽出部１０４に出力される。

パラメータ設定部１０２は、後述の顔検出部１０３が顔の領域を検出するためのパラメータを設定する。

また、パラメータ設定部１０２は、後述の顔特徴情報抽出部１０４が顔の特徴点を検出するためのパラメータを設定する。本実施形態では、１つの顔について顔の特徴点を複数検出する（例えば、１４個）。

本実施形態では、顔検出部１０３及び顔特徴情報抽出部１０４に対して、条件を異ならせた複数種類のパラメータを設定する。これにより、複数種類の顔の特徴情報が抽出される。そして、本実施形態では、抽出された複数の顔の特徴情報のうち、最も抽出精度が高いと判定された特徴情報が登録等の対象となる。

本実施形態では、設定する複数種類のパラメータとして、顔の部位の位置を探索する処理の反復数、画像の拡大率、部品検出の辞書、フィルタサイズ、及び顔向きごとの配置モデルのうち少なくとも１つ以上を用いる。そして、これらパラメータについて様々な値を設定した組合せφ１、……、φＮとする。そして、パラメータ設定部１０２が、φ１、……、φＮを、顔検出部１０３及び顔特徴情報抽出部１０４に設定することで、Ｎ種類の顔の特徴情報が生成される。なお、設定するパラメータは、例として示したものであり、他のパラメータを用いても良い。

さらに、パラメータ設定部１０２は、特徴情報判定部１０５が顔の特徴情報を判定するための閾値を設定する。設定される閾値は、２種類（自動設定用閾値、手動設定用閾値）設定しても良い。なお、自動設定用閾値θ１＞手動設定用閾値θ２とする。２種類の閾値を設定した場合、判定結果が自動設定用閾値θ１を超えた際に、出力部１０７から出力され、自動的に照合用顔情報データベース１６０に登録される。判定結果が自動設定用閾値θ１以下であり且つ手動設定用閾値θ２を超えた場合には、人が目視で確認した後による手動での照合用顔情報データベース１６０への登録や、顔の特徴情報の再度の検出等を行う。自動設定用閾値θ１の他に、手動設定用閾値θ２を設定することで、顔の未検出を抑止する。

顔検出部１０３は、入力された画像データから、人物の顔が表示されている領域を検出する。本実施形態にかかる顔検出部１０３は、入力された画像データから、１つ又は複数の顔の領域を検出する。

本実施形態にかかる顔検出部１０３は、顔を検出するためのテンプレートを、図示しない記憶部に予め記憶しておく。そして、顔検出部１０３は、予め用意したテンプレートを、入力された画像データ内で移動させながら、相関値を算出し、算出された相関値に基づいて顔の領域を検出する。本実施形態にかかる検出手法としては、本実施形態では、相関値が局所最大値となる位置を、特徴点として検出する。なお、顔領域の検出手法を制限するものではなく、例えば、固有空間法や部分空間法を用いて、検出を行っても良い。

顔特徴情報抽出部１０４は、顔検出部１０３で検出された領域から、人物の特徴的な部位に基づいた特徴情報を抽出する。本実施形態にかかる顔特徴情報抽出部１０４は、顔の特徴情報として、目鼻などの顔の部位の位置を抽出する。

本実施形態にかかる顔特徴情報抽出部１０４は、検出された顔の領域から、目、鼻などの顔部位の位置を抽出する。検出手法としては、どのような手法を用いても良いが、例えば、文献（福井和広、山口修：「形状抽出とパターン照合の組合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)）で提案された手法を用いても良い。

本実施形態では、顔の領域の特徴を利用する例とするが、他の生体の特徴を利用しても良い。例えば、虹彩・網膜・目の画像を、特徴情報として抽出しても良い。このような場合、上記処理で検出された目の領域に対して、カメラをズームすることで、特徴情報の検出が可能となる。

本実施形態にかかる顔特徴情報抽出部１０４は、検出された顔の領域から、口の領域（位置）も抽出する。口の領域（位置）の抽出手法としては、例えば、文献（湯浅 真由美、中島 朗子：「高精度顔特徴点検出に基づくデジタルメイクシステム」第１０回画像センシングシンポジウム予稿集,pp219-224(2004)）を用いても良い。

特徴となる部位の検出手法として、上述したいずれの場合でも、二次元配列状の画像データから、生体的な特徴が示された領域を抽出できる。

本実施形態と異なるが、顔特徴情報抽出部１０４が、１枚の画像データから、１つの生体的な特徴が示された領域だけを抽出する場合、当該画像データの全領域に対して、予め用意されたテンプレートとの相関値を求め、当該相関値が最大となる位置とサイズの領域を抽出すればよい。また、生体的な特徴を複数抽出する場合、画像データの全領域について、相関値の局所最大値を求め、一枚の画像内での重なりを考慮して顔の候補位置を絞り込む。その際に、時間系列で連続している他の画像データとの関係性（時間的な推移）も考慮して、複数の生体的な特徴を抽出することもできる。特に複数の生体的な特徴が同時に検出された場合に効果が現れやすい。

顔特徴情報抽出部１０４が、抽出された生態的な特徴の位置をもとに、顔領域を一定の大きさ、形状に切り出し、その濃淡情報を特徴情報として用いる。本実施形態では、ｍピクセル×ｎピクセルの領域の濃淡値を、特徴情報として用いる。具体的には、ｍ×ｎ次元の情報を特徴ベクトルとして用いる。例えば、手法として単純類似度法を用いる場合、ベクトルとベクトルの長さをそれぞれ１とするように正規化を行い、内積を計算することで特徴ベクトル間の類似性が示された類似度が算出される。

１枚の画像からの認識結果でよければ、これで特徴抽出は完了するが、連続した複数の画像を利用した動画像から算出することで、精度の高い認識処理が行える。このため、本実施形態では、さらに、以下に示す処理を行う。

本実施形態にかかる顔特徴情報抽出部１０４は、入力部１０１から連続して得られた画像データから、上述した手法によりｍ×ｎピクセルの画像を切り出した後、これらのデータを特徴ベクトルの相関行列を求め、Ｋ−Ｌ展開による正規直交ベクトルを求める。これにより、顔特徴情報抽出部１０４は、連続した画像データから得られる顔の特徴を示す部分空間を算出する。部分空間の算出法は、特徴ベクトルの相関行列（または共分散行列）を求め、そのＫ−Ｌ展開による正規直交ベクトル（固有ベクトル）を求める。これにより、部分空間を算出する。部分空間は、固有値に対応する固有ベクトルを、固有値の大きな順にｋ個選び、その固有ベクトル集合を用いて表現する。本実施形態では、相関行列Ｃｄを特徴ベクトルから算出し、相関行列Ｃd＝Φd Λd Φd Ｔを対角化して、固有ベクトルの行列Φを求める。この行列Φが現在認識対象としている人物の顔の特徴を示す部分空間となる。

複数の顔が検出された場合には、たとえば４名の歩行者それぞれＡ〜Ｄの人物に対して同様の処理を繰り返して部分空間Ａ〜部分空間Ｄを算出すればよい。算出された部分空間Ａ〜部分空間Ｄを、顔の特徴情報として、照合用顔情報データベース１６０に登録してもよい。

本実施形態にかかる顔特徴情報抽出部１０４は、上述した手法で、人物の特徴的な部位に基づいた特徴情報を抽出するが、他の手法を用いても良い。

本実施形態にかかる顔特徴情報抽出部１０４は、パラメータ設定部１０２により設定されたパラメータに応じて、画像データから、検出された人物毎にＮ種類の特徴情報（特徴情報毎に、口、鼻、及び眼などの複数の特徴点を含む）を抽出する。

特徴情報判定部１０５は、顔特徴情報抽出部１０４により抽出された特徴情報の抽出精度を、人物の特徴的な部位が検出された位置に基づいて判定する。このようにして、本実施形態では、特徴情報の品質を評価する。なお、抽出精度は、当該特徴情報に、人物の特徴的な部位が検出できたか否かの度合いを示している。

本実施形態にかかる特徴情報判定部１０５は、人物毎に抽出されたＮ種類の特徴情報それぞれについて抽出精度の判定を行う。これにより、最も抽出精度が高い特徴情報を特定することができる。本実施形態では、抽出精度が最も高かった特徴情報が、照合用顔情報データベース１６０の登録対象となる。

修正部１０６では、特徴情報判定部１０５において抽出精度が不適切であると判断された場合に、画像データ、顔の領域、及び特徴情報のうち少なくとも１つ以上を修正する。

出力部１０７は、顔特徴情報抽出部１０４で抽出された顔の特徴情報と、抽出元の画像データと、を対応付けて、照合用顔情報データベース１６０に出力する。さらに、出力部１０７は、特徴情報の抽出元の画像データを一覧として表示してもよい。その際に、特徴情報判定部１０５による判定結果に基づいて、登録成功または失敗の候補者を一覧表示してもよい。さらに、出力部１０７は、抽出精度を示す値の表示、修正作業のログ表示、近隣または遠隔地に設置された機器での映像出力や音声出力などの行っても良い。

照合用顔情報データベース１６０は、人物を同定するために入力される特徴情報と同一の情報を、特徴情報の抽出元の画像データと対応付けて記憶する。本実施形態にかかる照合用顔情報データベース１６０は、特徴情報として、ｍ×ｎの特徴ベクトルを記憶するが、特徴抽出をする前の顔領域の画像データでもよいし、利用する部分空間やＫ−Ｌ展開を行う直前の相関行列でもよい。

そして、照合用顔情報データベース１６０は、特徴情報及び画像データを、個人識別ＩＤと対応付けて記憶する。これにより、個人識別ＩＤをキーとして、特徴情報及び画像データを検索できる。照合用顔情報データベース１６０が記憶する顔の特徴情報は一名あたり１つでもよいし、複数の特徴情報を記憶してもよい。複数の特徴情報を記憶した場合に、状況（例えば人物の移動）に応じたカメラ等の切り替え同時に、同一人物の認識が可能となる。

本実施形態では、登録条件がコントロールしにくく、それぞれ異なる条件であるほど効果が現れやすいため、利用者毎に１つの特徴情報を管理する例で説明する。しかしながら、本実施形態は、１名あたり複数の特徴情報を記憶することに制限を加えるものではなく、１名あたり複数の特徴情報を記憶した場合に、歩行者がばらばらに歩いてくる顔画像の認証に有用であることからも明らかである。

登録手法は、どのような手法でも良い。例えば、出力部１０７が、各監視エリアで撮影された顔特徴情報と、顔の画像データと、を対応付けして履歴の一覧を表示し、ユーザから、一覧から登録したい人物の選択を受け付けた場合に、照合用顔情報データベース１６０に登録する等が考えられる。

類似度判定部１０８は、カメラ１５０で撮影された画像データに写っている人物が、照合用顔情報データベース１６０に登録されている人物と類似しているか否かを判定する。

例えば、本実施形態にかかる類似度判定部１０８は、顔検出部１０３で得られた入力部分空間と、照合用顔情報データベース１６０に登録された少なくとも一つの複数の部分空間との類似度を比較することで、予め登録された人物が現在の画像中にいるか否かの判定を行うことができる。複数の人物が存在した場合、類似度判定部１０８は、当該処理を検出された人数分繰り返すことで画面内に存在する人物全員を認識できる。

部分空間同士の類似性を求める計算方法は、部分空間法や複合類似度法などの方法を用いてよい。本実施例での認識方法は、文献（福井和広、山口修、前田賢一：「動画像を用いた顔認識システム」電子情報通信学会研究報告PRMU,vol97,No.113,pp17-24（1997）、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」,電子情報通信学会論文誌（D）,vol.J68-D,No.3,pp345--352（1985））にある相互部分空間法を用いる。

当該手法では、予め蓄えられた登録情報の中の認識データも、入力されるデータも複数の画像から計算される部分空間として表現され、２つの部分空間のなす「角度」を類似度として定義する。なお、入力される部分空間を入力手段分空間と称す。入力データ列に対して同様に相関行列Ｃinを求め、Ｃin＝ΦinΛinΦinＴと対角化し、固有ベクトルΦinを求める。二つのΦin，Φdで表される部分空間の部分空間間類似度（０．０〜１．０）を求め、これを認識するための類似度とする。複数の顔が画像内に存在する場合にはそれぞれ順番に登録顔特徴管理手段に保存された顔画像との類似度計算を総当りで計算すればすべての人物に対する結果を得られる。

例えばＸ名の人物が歩いてきた時にＹ名分が照合用顔情報データベース１６０に登録されている場合、類似度判定部１０８は、Ｘ＊Ｙ回の類似度演算を行うことで、Ｘ名全員の結果を出力できる。また、ｍ枚の画像データが入力された計算結果で認識結果が出力できない場合（登録者の誰とも判定されず次のフレームを取得して計算する場合）、類似度判定部１０８は、上記部分空間に入力される相関行列を、そのフレームの１つ分を過去の複数のフレームで作成された相関行列の和に追加し、再度固有ベクトル計算、部分空間作成を行って入力側の部分空間の更新を可能する。つまり、歩行者の顔画像を連続して撮影して照合を行う場合、画像データを１枚ずつ取得して部分空間を更新しながら照合計算することで、徐々に精度の高くなる計算も可能となる。

本実施形態では、入力が複数枚の画像データである前提で説明を行ったが、文献（東芝（小坂谷達夫）：「画像認識装置、方法およびプログラム」特許公報 特開２００７−４７６７）にあるように１枚の顔画像データに対してモデルを利用して顔の向きや状態を意図的に変動させた画像データを作成することで、第一の照合方式で利用した相互部分空間法と同様の処理を行うことができる。

次に、本実施形態にかかる生体情報処理装置１００における、顔検出処理について説明する。図２は、本実施形態にかかる生体情報処理装置１００における上述した処理の手順を示すフローチャートである。

まず、入力部１０１が、カメラ１５０で撮像された画像データを入力処理する（ステップＳ２０１）。

なお、変数ｉには、初期値として‘１’が設定されている。そして、パラメータ設定部１０２は、変数ｉがパラメータ候補数‘Ｎ’以下であるか判定する（ステップＳ２０２）。

そして、パラメータ設定部１０２が、変数ｉがパラメータ候補数‘Ｎ’以下であると判定した場合（ステップＳ２０２：Ｙｅｓ）、変数ｉに対応した検出パラメータを、顔検出部１０３及び顔特徴情報抽出部１０４に対して設定する（ステップＳ２０３）。

その後、顔検出部１０３は、設定された検出パラメータに基づいて、画像データから顔の領域を検出する（ステップＳ２０４）。

次に、顔特徴情報抽出部１０４が、画像データから、顔の特徴情報を抽出する（ステップＳ２０５）。その後、特徴情報判定部１０５が、抽出された特徴情報について抽出精度を判定する（ステップＳ２０６）。本実施形態では、要素毎に、抽出精度を示した評価値を算出する。評価値については、例えば、特徴点座標の分散などを用いることもできる。なお、具体的な判定手法は、後述する。

その後、変数ｉに‘１’を加算した後、ステップＳ２０２の処理に戻る。そして、ステップＳ２０２で、変数ｉがパラメータ候補数‘Ｎ’より大きいと判定された場合（ステップＳ２０２：Ｎｏ）、特徴情報判定部１０５が、Ｎ種類の特徴情報の判定結果を比較する（ステップＳ２０７）。

その後、特徴情報判定部１０５が、Ｎ種類の特徴情報のうち、判定結果が最も高かった特徴情報を選択する（ステップＳ２０８）。

そして、特徴情報判定部１０５が、選択した特徴情報の評価値の各々全てが、予め定められた閾値‘Ｂ’以上であるか否かを判定する（ステップＳ２０９）。なお、閾値‘Ｂ’は実施態様に応じて適切な値が設定されているものとして、説明を省略する。予め定められた閾値‘Ｂ’以下の評価値が１つもない場合（ステップＳ２０９：Ｙｅｓ）、ステップＳ２１１に進む。

予め定められた閾値‘Ｂ’以下の評価値が１つでもあった場合（ステップＳ２０９：Ｎｏ）、修正部１０６が、判定値を高くするための修正を行う（ステップＳ２１０）。

その後、出力部１０７が、特徴情報を、画像データと対応付けて、照合用顔情報データベースに登録する（ステップＳ２１１）。

次に、本実施形態にかかる特徴情報判定部１０５における、評価値の算出処理について説明する。図３は、本実施形態にかかる特徴情報判定部１０５における上述した処理の手順を示すフローチャートである。

まず、特徴情報判定部１０５は、顔特徴情報抽出部１０４から、顔の特徴情報と、当該特徴情報の抽出元の画像データを入力処理する（ステップＳ３０１）。なお、入力処理された画像データのうち、顔検出部１０３により検出された顔の領域も入力処理する。

そして、特徴情報判定部１０５は、画像データについて画質評価値を算出する（ステップＳ３０２）。本実施形態では、画質評価値を算出するための評価基準として、コントラスト、色の分布を用いる。例えば、特徴情報判定部１０５は、コントラストの評価のために、コントラスト比が以下に示す式（１）を満たすか否かを判定する。
θ_cont1＜（Lmax−Lmin）／（Lmax＋Lmin）＜θ_cont2……（１）

なお、Lmaxは、顔の領域に含まれている最大輝度値であり、Lminは、顔の領域に含まれている最小輝度値とする。θ_cont1、θ_cont2は、あらかじめ定めた閾値とする。

画質の評価する他の例としては、特徴情報判定部１０５が、顔の領域の色の頻度を抽出し、平均や分散がある閾値の範囲を満たすか否かの判定を行う。さらには、照度が極端に不十分のため画面全体が黒いか否かを判定しても良い。そして、特徴情報判定部１０５が、これらの判定結果を画質評価値として出力する。

次に、特徴情報判定部１０５が、顔検出評価値を算出する（ステップＳ３０３）。本実施形態では、顔検出評価として、顔検出の位置ずれが生じていないか否かを判定する。図４は、顔検出の位置ずれを示した図である。図４に示す例では、領域４０１が顔の領域として誤検出されたものとする。

そこで、本実施形態では特徴情報判定部１０５は、顔特徴情報抽出部１０４が抽出した顔の特徴的な部位の位置（特徴点）が、顔検出部１０３が検出した顔の領域に含まれているか否かに基づいて判定する。検出された特徴点の数が、閾値よりも多い場合に、顔の領域として検出された位置がずれていると判定する。そして、特徴情報判定部１０５は、当該判定結果を、顔検出評価値として出力する。

さらに、特徴情報判定部１０５は、左右対称性評価値、及び位置整合性評価値を算出する（ステップＳ３０４）。

左右対称性評価値とは、両目のように左右対称なものが、顔特徴情報抽出部１０４により適切に左右対称に抽出されているか否かを判定した値とする。図５は、検出された両目の特徴点が位置ずれを生じている例を示した図である。本実施形態では、特徴情報判定部１０５は、顔検出枠の中心をとおる直線５０３を基準として、左右の部品が線対称に配置されているかどうかを確認する。図５に示す例では、右目の特徴点５０１であり、左眼の特徴点５０２であり、直線５０３からの距離が異なることが確認できる。具体的には、特徴情報判定部１０５は、以下の式（２）を用いて判定する。なお、変数ｎは、顔から検出された顔特徴点の個数とする。ｗ＿１、……、ｗ＿ｎは、重みパラメータとする。

ｗ＿１||ｘ＿１―ｙ＿１||^２＋・・・＋ｗ＿ｎ||ｘ＿ｎ―ｙ＿ｎ||＾２＜θmirr……（２）

ｘ＿１、……、ｘ＿ｎは、上記の直線５０３で、顔を２分したときに第１の片側（例えば左側）にある特徴点の座標とする。ｙ＿１、……、ｙ＿ｎは、上記の直線５０３で顔を２分したときに第２の片方側（例えば右側）にある特徴点の座標を、直線５０３を基準に第１の片側に鏡映させた座標とする。つまり、左右の特徴点が、左右対称に配置されている場合、例えばｘ＿１―ｙ＿１＝‘０’となる。θmirrは、予め定められた閾値とする。

なお、座標のずれはユークリッド距離で測ってもよいし、他の１ノルムなどの距離で測ってもよい。重みパラメータは、検出しやすい部品（例えば、眼）のみに値を設定してもよい。このように、適切な重み付けを行うことで、判定精度を向上させることができる。

また、特徴情報判定部１０５は、画像データにおける各特徴点の位置の平均値ｍを用いて、各特徴点が平均値からずれが閾値内であるか否かの整合性を確認しても良い。平均値ｍは、以下に示す式（３）から算出される。

ｍ＝（ｘ＿１＋・・・＋ｘ＿ｎ）／ｎ……（３）

そして、特徴情報判定部１０５は、以下に示す式（４）で、平均からのずれがある閾値内であるか否かの整合性を確認する。

Ｍａｘ｛||ｘ＿１―ｍ||……||ｘ＿ｎ―ｍ||｝＜θave……（４）

また、特徴情報判定部１０５は、各特徴点の相対的な位置関係から整合性を確認してもよい。ｎ個の特徴点からｋ個（ｋ＝１、……、ｎ）の特徴点を選択して（なお、説明を容易にするために、選択されたｋ個の特徴点は、ｘ＿１〜ｘ＿ｋとする）、以下に示す式（５）で選択された特徴点における全ての組み合わせについて相対的な位置関係を示したベクトルを算出する。
ｘ＿１―ｘ＿２、……、ｘ＿１―ｘ＿ｋ、……、ｘ＿ｋ―ｘ＿｛ｋ−１｝……（５）

式（５）で算出されたベクトルの個数は、ｋ（ｋ−１）／２となる。また、ベクトルの値を確率変数とする確率分布を、予め用意された学習データに基づいて推定し、当該推定結果に基づいて閾値θ_probを設定しておき、特徴情報判定部１０５が、以下に示す式（６）を用いて不整合があるか否かを判定し、整合性評価値として出力する。

Ｐｒ（ｘ＿１―ｘ＿２、……、ｘ＿１―ｘ＿ｋ、……、ｘ＿ｋ―ｘ＿｛ｋ―１｝）＜θ_prob……（６）

式（６）により、特徴点の相対的位置がありそうにない配置にある場合、不整合として判定され、当該判定結果に基づく評価値が出力される。

次に、特徴情報判定部１０５は、平均顔モデルとの間の類似度に基づいた類似度評価値を算出する（ステップＳ３０５）。本実施形態にかかる類似度の算出では、典型的な顔画像の平均モデル（平均顔）をｈ個予め求めておく。そして、特徴情報判定部１０５は、これら平均モデルとの間の類似度ｓ＿１、・・・、ｓ＿ｈを算出する。その後、特徴情報判定部１０５が、以下に示す式（７）の判定を行う。

ｍａｘ｛ｓ＿１、……、ｓ＿ｋ｝＜θs……（７）

そして、特徴情報判定部１０５は、式（７）を満たした場合に、平均的な顔のいずれとも類似していないため、検出処理が正しくないものとして、類似度評価値を出力する。

本実施形態にかかる特徴情報判定部１０５は、画質評価、顔検出評価、左右対称性評価、位置整合性評価、相対位置整合性評価、類似度評価のそれぞれから算出された評価値をＡ＿１、……、Ａ＿ｍと設定する。そして、設定された評価値に基づいて、検出処理の最終的な評価値ｚを以下に示す式（８）から算出する。

ｚ＝ｃ＿１・Ａ＿１＋……＋ｃ＿ｍ・Ａ＿ｍ……（８）

重みｃ＿１、……、ｃ＿ｍは、あらかじめ用意した特徴点の検出が正しい顔画像と検出結果、特徴点の検出が間違っている顔画像と検出結果といった学習データをもとに回帰分析などの手法から定めても良い。また、一部の項目のみに注目する場合、無視する項目iの値に対応する重みｃ＿ｉに‘０’を設定しても良い。

評価値ｚは、それぞれの項目の閾値を満たさない場合、‘−∞’が設定される。そして、特徴情報判定部１０５は、評価値ｚが、閾値θzを超えないと判定した場合、修正部１０６に対して特徴点や画質などの修正を要求する。

次に、本実施形態にかかる修正部１０６における、修正処理について説明する。図６は、本実施形態にかかる修正部１０６における上述した処理の手順を示すフローチャートである。図６に示す処理の手順では、判定及び修正を自動で行う例について説明するが、判定及び修正を手動で行っても良い。さらには、顔検出ずれの修正のみ手動で行い、他の修正は自動で行うなども考えられる。図７は、検出結果を修正するためのインターフェース画面の例を示した図である。図７に示す画面を参照して、ユーザが修正を行っても良い。その際に、評価値が低くなった原因の特徴点を入力ガイド７０１として示しても良い。そして、ユーザが修正を行う度に、特徴情報判定部１０５が抽出精度を判定し、判定結果を欄７０２に表示する。これにより、手動で修正する場合、ユーザはマウスやキーボードを操作して修正した場合に、画面に表示される判定結果である数値を目視しながら、修正作業を行うことができる。

図６に戻り、修正部１０６が自動で行う例について説明する。まず、修正部１０６は、画質評価値を閾値以下であるか否かを判定する（ステップＳ６０１）。閾値より大きい場合（ステップＳ６０１：Ｎｏ）、ステップＳ６０３まで特に処理を行わない。

そして、修正部１０６が、画質評価値を閾値以下であると判定した場合（ステップＳ６０１：Ｙｅｓ）、画像データを修正する（ステップＳ６０２）。修正手法としては、画像データの階調調整、コントラスト伸張、明度変更等がある。他の画質の補正としては、回転補正、拡大縮小処理もできる。

その後、修正部１０６が、顔検出評価値が閾値以下であるか否かを判定する（ステップＳ６０３）。閾値より大きいと判定された場合（ステップＳ６０３：Ｎｏ）、ステップＳ６０５まで処理を行わない。

そして、修正部１０６が、顔検出評価値が閾値以下であると判定した場合（ステップＳ６０３：Ｙｅｓ）、修正部１０６が、顔領域を修正する（ステップＳ６０４）。

その後、修正部１０６が、左右対称性評価値、位置整合性評価値、及び類似度評価値のうちいずれか１つ以上が閾値以下であるか否かを判定する（ステップＳ６０５）。全て閾値より大きいと判定された場合（ステップＳ６０５：Ｎｏ）、処理を終了する。

そして、修正部１０６が、左右対称性評価値、位置整合性評価値、及び類似度評価値のうちいずれか１つ以上が閾値以下であると判定した場合（ステップＳ６０５：Ｙｅｓ）、修正部１０６が、顔の特徴点を修正する（ステップＳ６０６）。

上述した処理手順により、各種修正が行われる。自動修正処理では、全ての修正が終了した後、特徴情報判定部１０５により、適切であると判断された場合は、照合用情報データベース１０６に登録し、適切ではないと判断された場合、さらにユーザによる手動の修正処理を行う。

また、本実施形態にかかる生体情報処理装置１００の出力部１０７は、識別結果を目視判断できるように、顔特徴情報に対して、撮影された顔の画像データを１枚若しくは複数枚、又は動画を対応付けて出力しても良い。

（第１の実施形態の変形例）
本実施形態では、Ｎ種類の検出パラメータを用いて、抽出された特徴情報のうち、最も評価値が高いものを選択した。しかしながら、特徴情報の抽出手法を、このような手法に制限するものではない。図８は、変形例にかかる顔特徴情報抽出部１０４の特徴点の抽出手法を示した図である。

図８に示すように、顔特徴情報抽出部１０４は、Ｎ種類の検出パラメータを用いて抽出されたＮ種類の特徴情報を抽出する。その後、顔特徴情報抽出部１０４は、抽出されたＮ種類の特徴情報に対して平均処理し、平均化された特徴情報を抽出する。

さらに、本実施形態と部位の位置の特定手法と異なる手法として、特徴点の一部から顔の部品モデルを適用して、他の部品位置を推定する手法を用いても良い。

以上の説明から、本実施形態にかかる生体情報処理装置１００は、顔認証用画像のような生体情報に基づいた特徴情報を、大量にデータベースに登録する際、特徴情報の抽出精度について判定を行ってみるため、良質な特徴情報を効率よく登録することが可能となった。これにより、登録された特徴情報による照合精度の低下を軽減できる。

（第２の実施形態）
第２の実施形態では、テスト用の顔画像データを入力し、入力された顔画像データを用いて、照合用顔情報データベースの特徴情報の検証を行う例とする。

図９は、第２の実施形態にかかる生体情報処理装置の構成を示すブロック図である。本実施形態にかかる生体情報処理装置９００は、上述した第１の実施形態にかかる生体情報処理装置１００とは、テスト画像入力部９０１と、特徴点摂動部９０２とが追加され、特徴情報判定部１０５とは処理が異なる類似度判定部９０５に変更され、顔検出部１０３及び顔特徴情報抽出部１０４と処理が異なる顔検出部９０３及び顔特徴情報抽出部９０４に変更されている点で異なる。以下の説明では、上述した第１の実施形態と同一の構成要素には同一の符号を付してその説明を省略している。

顔検出部９０３及び顔特徴情報抽出部９０４は、パラメータ設定部１０２によるパラメータの設定がない点を除いて、第１の実施形態にかかる顔検出部１０３及び顔特徴情報抽出部１０４と同様とする。

つまり、カメラ１５０で撮影された画像データは、入力部１０１で入力され、顔検出部９０３で顔領域が検出され、顔特徴情報抽出部１０４で特徴情報が抽出され、必要に応じて修正部１０６による手動又は自動による修正が行われた後、出力部１０７から照合用顔情報データベース１６０に特徴情報と共に登録される。

本実施形態では、Ｎ種類の特徴情報を生成せずに、１種類の特徴情報を生成する例とする。その代わりに、本実施形態にかかる生体情報処理装置９００は、テスト用の顔画像データから、わざと誤った特徴情報を生成し、この特徴情報と、既に登録されている特徴情報を比較することで、すでに登録されている特徴情報の抽出精度の判定を行う例とする。

本実施形態は顔から特徴情報を抽出する例について説明するが、顔に特化した処理ではなく、さまざまな生体情報が表された画像データから人物検索を行う手法に適用できる。生体情報としては、虹彩、網膜、手や指の静脈パターン、指紋パターン、又は目や耳や口の状態等がある。以降の実施形態についても同様とする。

テスト画像入力部９０１が、テスト用の顔画像データを入力処理する。

特徴点摂動部９０２は、テスト用の顔画像データから、手動または自動で検出した特徴点の位置を摂動させる。図１０は、特徴点摂動部９０２による特徴点の摂動を示した図である。図１０に示すように、特徴点摂動部９０２は、正しく検出された特徴点群１００１に基づいて、当該位置と異なる位置を特徴点とした特徴点群を、複数種類設定する（図１０で示す例では、Ｐ種類）。

摂動の手法としては、入力の各特徴点座標Ｘｎについて、ガウス分布などの確率分布にしたがう確率変数Ｅｎによって、Ｘｎ+Ｅｎのようにランダムに摂動させることが考えられる。さらに、他の確率分布でもよいし、手動で摂動させてもよい。

顔特徴情報抽出部９０４は、さらに、特徴点摂動部９０２により摂動された特徴点群毎に、特徴情報を抽出する。

類似度判定部９０５は、照合用顔情報データベース１６０に登録されている特徴情報と、摂動させた特徴点に基づいて生成された特徴情報と、を比較して、照合用顔情報データベース１６０に登録されている特徴情報の抽出精度を判定する。

本実施形態にかかる類似度判定部９０５では、照合用顔情報データベース１６０に登録されている特徴情報において、摂動させた特徴点に基づいた特徴情報と比較し、類似度が予め定められた閾値以上の場合には、誤って抽出された特徴情報と判定する。つまり、誤った特徴情報と類似しているので、照合用顔情報データベース１６０に登録されている特徴情報も同様の誤りが生じている可能性が高いものと考えることができる。

そして、誤っていると判定された照合用顔情報データベース１６０に登録されている特徴情報は、修正部１０６で修正を行う。

次に、本実施形態にかかる生体情報処理装置９００における、特徴情報間の類似度判定処理について説明する。図１１は、本実施形態にかかる生体情報処理装置９００における上述した処理の手順を示すフローチャートである。

まず、テスト画像入力部９０１が、テスト用の顔画像データを入力処理する（ステップＳ１１０１）。次に、特徴点摂動部９０２が、入力処理されたテスト用の顔画像データから検出された特徴点を摂動する（ステップＳ１１０２）。

その後、顔特徴情報抽出部９０４が、摂動された特徴点に基づいた特徴情報を生成する（ステップＳ１１０３）。

そして、類似度判定部９０５が、変数ｉが照合用顔情報データベース１６０に登録されている人数以下であるか否かを判定する（ステップＳ１１０４）。なお、変数ｉの初期値は、‘０’とする。

そして、類似度判定部９０５は、変数ｉが登録されている人数以下と判定した場合（ステップＳ１１０４：Ｙｅｓ）、ｉ番目に登録されている人物の特徴情報と、摂動された特徴点に基づいた特徴情報と、の間の類似度を算出する（ステップＳ１１０５）。摂動された特徴点に基づいた特徴情報をｐ種類生成した場合には、それぞれについて類似度を算出する。

その後、類似度判定部９０５は、算出した類似度が予め定められた閾値Ａ以下であるか否かを判定する（ステップＳ１１０６）。閾値Ａ以下であると判定した場合（ステップＳ１１０６：Ｙｅｓ）、再びステップＳ１１０４から処理を行う。

一方、類似度判定部９０５が、閾値Ａより大きいと判定した場合（ステップＳ１１０６：Ｎｏ）、修正部１０６による修正処理を行う（ステップＳ１１０７）。なお、修正処理は、第１の実施形態と同様として説明を省略する。

ステップＳ１１０４で、類似度判定部９０５は、変数ｉが登録されている人数より大きいと判定した場合（ステップＳ１１０４：Ｎｏ）、出力部１０７が、修正部１０６により修正された特徴情報を用いて、照合用顔情報データベース１６０を更新する（ステップＳ１１０８）。

上述した処理手順により、照合用顔情報データベース１６０に登録されている特徴情報のうち、抽出が誤っているものを検出し、修正することが可能となる。これにより、照合精度を向上させることが可能となった。

第１〜第２の実施形態によれば、上述した構成を備えることで、顔の特徴情報の抽出精度を認識できる。これにより、抽出精度を高めるための修正等を行うことができる。

（第３の実施形態）
図１２は、第３の実施形態にかかる生体情報処理装置１２００の構成を示すブロック図である。本実施形態にかかる生体情報処理装置１２００は、上述した第２の実施形態にかかる生体情報処理装置９００とは、入力部１０１、特徴点摂動部９０２、顔検出部９０３、類似度判定部９０５が削除され、照合履歴判定部１２０１が追加される点で異なる。以下の説明では、上述した第２の実施形態と同一の構成要素には同一の符号を付してその説明を省略している。

テスト画像入力部９０１は、照合テストに用いる顔画像データを入力処理する。

照合履歴判定部１２０１は、検索順位の履歴に基づいた特徴情報の抽出精度の判定を行う。

次に、本実施形態にかかる生体情報処理装置１２００における、特徴情報の抽出精度の判定処理について説明する。図１３は、本実施形態にかかる生体情報処理装置１２００における上述した処理の手順を示すフローチャートである。なお、照合回数ｉの初期値は‘０’とする。

まず、テスト画像入力部９０１が、顔画像データを入力処理する（ステップＳ１３０１）。次に、照合履歴判定部１２０１が、照合回数ｉが、閾値以下であるか否かを判定する（ステップＳ１３０２）。

照合履歴判定部１２０１が、照合回数ｉが、閾値以下であると判定した場合（ステップＳ１３０２：Ｙｅｓ）、顔特徴情報抽出部９０４が、入力処理された顔画像データから、特徴情報を抽出する（ステップＳ１３０３）。

次に、照合履歴判定部１２０１が、照合用顔情報データベース１６０に登録されている特徴情報毎に、ステップＳ１３０３で抽出された特徴情報との類似度を算出する（ステップＳ１３０４）。

そして、照合履歴判定部１２０１が、算出された類似度に従って、照合用顔情報データベース１６０に登録されている各特徴情報について類似順位を特定する（ステップＳ１３０５）。

さらに、照合履歴判定部１２０１が、所定の閾値Ａ以下の類似順位の特徴情報について、当該類似順位を保存する（ステップＳ１３０６）。その後、再びステップＳ１３０１から処理を行う。

一方、ステップＳ１３０２において、照合履歴判定部１２０１が、照合回数ｉを、閾値より大きいと判定した場合（ステップＳ１３０２：Ｎｏ）、類似順位の特定処理を終了して、ステップＳ１３０７に進む。

そして、照合履歴判定部１２０１は、変数ｋが照合用顔情報データベース１６０の登録数以下であるか否かを判定する（ステップＳ１３０７）。なお、変数ｋの初期値は‘０’とする。

照合履歴判定部１２０１は、変数ｋが照合用顔情報データベース１６０の登録数以下であると判定した場合（ステップＳ１３０７：Ｙｅｓ）、データｋについて照合順位が閾値Ａ以下の回数が、閾値Ｂ回以上あったか否かを判定する（ステップＳ１３０８）。閾値Ｂ回でないと判定した場合（ステップＳ１３０８：Ｎｏ）、変数ｋに‘１’加算して、ステップＳ１３０７から処理を行う。

照合履歴判定部１２０１が、閾値Ｂ回以上であると判定した場合（ステップＳ１３０８：Ｙｅｓ）、修正部１０６による修正を行う（ステップＳ１３０９）。

一方、照合履歴判定部１２０１は、変数ｋが照合用顔情報データベース１６０の登録数より大きいと判定した場合（ステップＳ１３０７：Ｎｏ）、処理を終了する。

本実施形態にかかる生体情報処理装置１２００では、上述した構成を備えることで、照合用顔情報データベース１６０の異常なデータを検知・修正し、照合精度を高めることができる。

（第４の実施形態）
図１４は、第４の実施形態にかかる生体情報処理装置１４００の構成を示すブロック図である。本実施形態にかかる生体情報処理装置１４００は、上述した第２の実施形態にかかる生体情報処理装置９００とは、テスト画像入力部９０１が処理の異なる特徴情報入力部１４０１に変更され、照合履歴判定部１２０１と処理が異なる照合結果判定部１４０２に変更され、顔特徴情報抽出部９０４が削除されている点で異なる。以下の説明では、上述した第２の実施形態と同一の構成要素には同一の符号を付してその説明を省略している。

本実施形態は、照合用顔情報データベース１６０に登録されている画像データの特徴情報間で、類似度に基づいた判定を行う例とする。

特徴情報入力部１４０１は、照合用顔情報データベース１６０から画像データ及び特徴情報を入力処理する。

そして、照合結果判定部１４０２が、照合用顔情報データベース１６０の画像データの特徴情報の間の類似度を算出し、当該類似度に基づいて、特徴情報の抽出精度を判定する。なお、比較対象となるのは、照合用顔情報データベース１６０間のすべてのまたは一部のペアとする。

次に、本実施形態にかかる生体情報処理装置１４００における、特徴情報の抽出精度の判定処理について説明する。図１５は、本実施形態にかかる生体情報処理装置１４００における上述した処理の手順を示すフローチャートである。なお、照合回数ｉの初期値は‘０’とする。

まず、特徴情報入力部１４０１が、照合用顔情報データベース１６０から、画像データと当該画像データと対応付けられた特徴情報を入力処理する（ステップＳ１５０１）。なお、本実施形態は、生体情報処理装置１４００が、照合用顔情報データベース１６０を備えている例について説明するが、照合用顔情報データベース１６０が、生体情報処理装置１４００の外部に設けられていてもよい。なお、変数ｉの初期値は‘０’とする。

次に、照合結果判定部１４０２が、変数ｉが照合用顔情報データベース１６０の登録数以下か否かを判定する（ステップＳ１５０２）。

照合結果判定部１４０２が、変数ｉを照合用顔情報データベース１６０の登録数以下と判定した場合（ステップＳ１５０２：Ｙｅｓ）、変数ｊを照合用顔情報データベース１６０の登録数以下であるか否かを判定する（ステップＳ１５０３）。

照合結果判定部１４０２が、変数ｊを照合用顔情報データベース１６０の登録数以下であると判定した場合（ステップＳ１５０３：Ｙｅｓ）、照合用顔情報データベース１６０のｉ番目の画像データの特徴情報と、照合用顔情報データベース１６０のｊ番目の画像データの特徴情報と、の間の類似度を算出する（ステップＳ１５０４）。

その後、照合結果判定部１４０２は、算出した類似度が予め定められた閾値Ｂ以上であるか否かを判定する（ステップＳ１５０５）。閾値Ｂより小さいと判定した場合（ステップＳ１５０５：Ｎｏ）、変数ｊに１追加して、ステップＳ１５０３から処理を行う。

一方、照合結果判定部１４０２は、算出した類似度が予め定められた閾値Ｂ以上であると判定した場合（ステップＳ１５０５：Ｙｅｓ）、ｉ番目の画像データの類似回数、及びｊ番目の画像データの類似回数を１増加させる（ステップＳ１５０６）。その後、変数ｊに‘１’追加して、ステップＳ１５０３から処理を行う。なお、類似回数は、画像データ毎に保持し、初期値を‘０’とする。

そして、ステップＳ１５０３で、照合結果判定部１４０２が、変数ｊを照合用顔情報データベース１６０の登録数より大きいと判定した場合（ステップＳ１５０３：Ｎｏ）、変数ｉに‘１’追加してステップＳ１５０２から処理を行う。

さらに、ステップＳ１５０２で、照合結果判定部１４０２が、変数ｉが照合用顔情報データベース１６０の登録数より大きいと判定した場合（ステップＳ１５０２：Ｎｏ）、画像データそれぞれについて算出された類似回数を参照し、当該類似回数が閾値Ｃ以下の画像データについて、修正部１０６による修正が行われる（ステップＳ１５０７）。

上述した処理手順により、照合用顔情報データベース１６０内の異常なデータを検知・修正し、照合精度を高めることが可能となる。

なお、本実施形態では、１つのデータベース内の特徴情報の類似を判定する場合について説明したが、複数のデータベース相互間で特徴情報の類似を判定しても良い。

以上説明したとおり、第１から第４の実施形態によれば、顔認証用画像のような生体情報を大量にデータベースに登録する際に、特徴情報の検出結果の確認と修正を自動的に行うことによって、良質なデータベースを効率よく登録することが可能となり、照合時の誤報を軽減することができる。また、すでにデータベースに登録されてしまっている大量の生体情報についても、特徴情報の検出結果の確認と修正を自動的に行うことによって、照合時の誤報を軽減することが可能となる。

図１６は、上述した実施形態にかかる生体情報処理装置のハードウェア構成を示した図である。図１６に示すように、上述した実施形態の生体情報処理装置は、ＣＰＵ１６０１と、ＲＯＭ（Read Only Memory）１６０２と、ＲＡＭ１６０３と、ＨＤＤ１６０４と、ディスプレイ装置などの表示装置１６０５と、キーボードやマウスなどの入力装置１６０６を備えており、通常のコンピュータを利用したハードウェア構成となっている。

上述した実施形態にかかる生体情報処理装置で実行される生体情報処理プログラムは、インストール可能な形式又は実行可能な形式のファイルでＣＤ−ＲＯＭ、フレキシブルディスク（ＦＤ）、ＣＤ−Ｒ、ＤＶＤ（Ｄｉｇｉｔａｌ Ｖｅｒｓａｔｉｌｅ Ｄｉｓｋ）等のコンピュータで読み取り可能な記録媒体に記録されて提供される。

また、上述した実施形態の生体情報処理装置で実行される生体情報処理プログラムを、インターネット等のネットワークに接続されたコンピュータ上に格納し、ネットワーク経由でダウンロードさせることにより提供するように構成しても良い。また、上述した実施形態の生体情報処理装置で実行される生体情報処理プログラムをインターネット等のネットワーク経由で提供または配布するように構成しても良い。

また、上述した実施形態の生体情報処理装置で実行される生体情報処理プログラムを、ＲＯＭ等に予め組み込んで提供するように構成してもよい。

本実施形態の上述した実施形態の生体情報処理装置で実行される生体情報処理プログラムは、上述した各部を含むモジュール構成となっており、実際のハードウェアとしてはＣＰＵ１６０１が上記記憶媒体から生体情報処理プログラムを読み出して実行することにより上記各部が主記憶装置上にロードされ、上述した各構成がＲＡＭ１６０３上に生成されるようになっている。

本発明のいくつかの実施形態を説明したが、これらの実施形態は、例として提示したものであり、発明の範囲を限定することは意図していない。これら新規な実施形態は、その他の様々な形態で実施されることが可能であり、発明の要旨を逸脱しない範囲で、種々の省略、置き換え、変更を行うことができる。これら実施形態やその変形は、発明の範囲や要旨に含まれるとともに、特許請求の範囲に記載された発明とその均等の範囲に含まれる。

（付記１）
画像情報から、人物が表示されている領域を検出する領域検出手段と、前記画像情報から、前記領域検出手段で検出された前記領域から、人物の特徴的な部位に基づいた特徴情報を抽出する特徴抽出手段と、前記特徴抽出手段で抽出された前記特徴情報に対して、人物の特徴的な部位が抽出できたか否かを示した抽出精度を、前記特徴的な部位の位置に基づいて判定する判定手段と、を備えた生体情報処理装置。

（付記２）
前記判定手段は、さらに、前記人物の特徴的な部位が表された複数の位置について、所定の基準からの対称性を算出し、当該対称性に基づいて、前記抽出精度を判定する、付記１に記載の生体情報処理装置。

（付記３）
前記判定手段により判定された前記抽出精度が所定の閾値をより低い場合に、前記画像情報を修正する修正手段を、さらに備え、前記特徴抽出手段は、修正された前記画像情報から、特徴情報を抽出し、前記判定手段は、さらに、前記修正手段により修正された前記特徴情報に基づいて判定を行う、付記１又は２に記載の生体情報処理装置。

（付記４）
前記修正手段は、前記画像情報に対するコントラスト伸長、拡大・縮小、若しくは回転補正、又は前記画像情報に含まれている人物の特徴的な部位の位置の修正を行う、付記３に記載の生体情報処理装置。

１００、９００、１２００、１４００…生体情報処理装置、１０１…入力部、１０２…パラメータ設定部、１０３、９０３…顔検出部、１０４、９０４…顔特徴情報抽出部、１０５…特徴情報判定部、１０６…修正部、１０７…出力部、１０８…類似度判定部、１５０…カメラ、１６０…照合用顔情報データベース、９０１…テスト画像入力部、９０２…特徴点摂動部、９０５…類似度判定部、１２０１…照合履歴判定部、１４０１…特徴情報入力部、１４０２…照合結果判定部

Claims (10)

1. 画像情報から、人物が表示されている領域を検出する領域検出手段と、
   前記画像情報から、前記領域検出手段で検出された前記領域から、人物の特徴的な部位に基づいた特徴情報を抽出する特徴抽出手段と、
   前記特徴抽出手段で抽出された前記特徴情報に対して、人物の特徴的な部位が抽出できたか否かを示した抽出精度を、前記特徴的な部位の位置に基づいて判定する判定手段と、
   を備えた生体情報処理装置。
2. 予め用意された、人物が表示された比較用画像情報を記憶する人物画像記憶手段を、さらに備え、
   前記判定手段は、前記人物の特徴的な部位の位置を基準として、前記画像情報から人物が表示された領域を抽出した正規化画像情報を生成し、生成された前記正規化画像情報と、前記人物画像記憶手段に記憶された前記比較用画像情報と、の比較から、前記抽出精度を判定する、
   請求項１に記載の生体情報処理装置。
3. 前記判定手段は、さらに、前記人物の特徴的な部位の各位置に基づく前記画像情報の重心、及び前記位置間の距離のうち少なくとも１つ以上を算出し、算出された前記重心及び前記距離のうち少なくとも１つ以上が予め定められた閾値より高いか否かに基づいて、前記抽出精度を判定する、
   請求項１に記載の生体情報処理装置。
4. 前記判定手段は、前記特徴抽出手段で抽出された前記特徴情報の抽出精度を、前記特徴的な部位が検出された位置と異なる位置を特徴として生成された比較用特徴情報との比較で判定する、
   請求項１乃至３のいずれか１つに記載の生体情報処理装置。
5. 前記特徴抽出手段は、前記領域検出手段で検出された前記領域に含まれている、前記人物の顔、口、虹彩、網膜、耳、人体の一部の静脈形状、指紋又は掌紋が表された位置に基づいた特徴情報を抽出する、
   請求項１乃至４のいずれか１つに記載の生体情報処理装置。
6. 前記領域検出手段が検出の対象とする前記画像情報は、撮像手段により撮像された画像情報、又は人物の認証に用いる記憶手段に記憶されていた前記画像情報である、
   請求項１乃至５のいずれか１つに記載の生体情報処理装置。
7. 予め用意された画像情報から抽出された、人物の特徴的な部分が表された位置に基づいた認証用特徴情報を記憶する記憶手段と、
   画像情報に含まれている人物の特徴的な部分が表された位置に基づいた特徴情報と、前記記憶手段に記憶された前記認証用特徴情報との類似度を算出し、当該類似度から前記認証用特徴情報の抽出精度を判定する類似度判定手段と、
   を備える生体情報処理装置。
8. 入力された前記画像情報に含まれている人物の特徴的な部分が表された位置に基づいた特徴情報を抽出する特徴抽出手段をさらに備え、
   前記類似度判定手段は、前記特徴抽出手段により抽出された前記特徴情報と、前記記憶手段に記憶された前記認証用特徴情報との類似度を算出する、
   請求項７に記載の生体情報処理装置。
9. 前記類似度判定手段は、前記記憶手段に記憶された前記認証用特徴情報の各々と、前記特徴抽出手段により抽出された前記特徴情報との類似度を算出し、算出した類似度から、前記記憶手段に記憶されている前記認証用特徴情報の、抽出された前記特徴情報との間の類似順を特定し、当該類似順から、前記認証用特徴情報の抽出精度を判定する、
   請求項７又は８に記載の生体情報処理装置。
10. 前記類似度判定手段は、前記記憶手段に記憶された前記認証用特徴情報と、前記記憶手段に記憶された前記認証用特徴情報との類似度を算出し、当該類似度から前記認証用特徴情報の抽出精度を判定する、
    請求項７に記載の生体情報処理装置。

Images