JP2015228070A - 指紋画像処理装置、指紋画像処理方法及びプログラム - Google Patents

Abstract

【課題】精度良く照合対象となる指紋画像を抽出可能とする指紋画像処理装置を提供する。【解決手段】指紋画像処理装置は、特徴量ベクトル算出部を備える。特徴量ベクトル算出部は、検索対象の指紋画像内の複数の特徴点それぞれが有する特徴点方向に関する特徴量であって指紋画像内の基準点に対する特徴点方向の回転方向から算出される、複数の第１特徴量を要素とする第１特徴量ベクトルと、特徴点方向に関する特徴量であって基準点に対する特徴点方向の向きから算出される、複数の第２特徴量を要素とする第２特徴量ベクトルと、を算出する。【選択図】図１

Description

本発明は、指紋画像処理装置、指紋画像処理方法及びプログラムに関する。

入国審査、犯罪捜査や情報端末における個人認証等の目的で、指紋画像が利用される。近年では、数十万以上の数の指紋画像が記憶されているデータベースを使用した指紋照合システムが稼働している。

こうした指紋照合システムでは、データベースに記憶された膨大な数の指紋画像から照合対象となる画像（照合対象候補）の絞り込み抽出を行うことが多い。照合対象となる指紋画像を絞り込むことで、指紋照合に要する処理を軽減すると共に、その速度を向上させている。

例えば、特許文献１において、指紋画像に対する次元圧縮処理（ＫＬ展開）を行うことにより指紋隆線のおおまかな特徴形状を抽出し、この特徴形状に合致する指紋画像をデータベースから照合対象画像として抽出するシステム（画像特徴抽出装置）が開示されている（図２０参照）。

特開平１０−１７７６５０号公報

なお、上記先行技術文献の開示を、本書に引用をもって繰り込むものとする。以下の分析は、本発明者らによってなされたものである。

特許文献１が開示する画像特徴抽出装置は、指紋隆線の方向に基づき各指紋画像の特徴量を決定して照合対象を絞り込む装置である。しかしながら、このような指紋隆線の方向から算出した特徴量に基づき照合対象の絞り込みを行うと、実際には異なる人物の指紋画像にも関わらず、照合対象候補とする可能性がある。

例えば、図２１（ａ）及び（ｂ）に示す指紋画像は、異なる人物の指紋画像である。指紋の鑑定に精通していない者が、図２１（ａ）と図２１（ｂ）の２つの指紋画像を比較すると、同一人物の指紋画像と捉えることも多いと思われる。両指紋画像の対応する箇所において、指紋隆線の向いている方向がおおよそ一致するため、両指紋画像は同一の人物の指紋画像のように認識され得る。

このことは、特許文献１が開示する画像特徴抽出装置でも同様であって、２つの指紋画像を同一人物の指紋画像と判断（照合対象候補として抽出）する可能性がある。図２２は、図２１（ａ）と図２１（ｂ）の指紋画像から指紋隆線を抜き出した図面である。図２２（ａ）と図２２（ｂ）において、指紋隆線の方向を定量化し、定量化した指紋隆線の方向を各画像の特徴量として抽出すると、指紋隆線の方向はおおよそ一致するため、特許文献１の画像特徴抽出装置では、一方の指紋画像を他方の照合対象候補として判定する可能性がある。

しかし、指紋隆線の方向だけでなく、その位置に着目すると、両指紋画像は異なる人物の指紋画像であることが明らかになる。例えば、図２２（ａ）の領域６０１と図２２（ｂ）の領域６０２を比較すると、２つの領域には異なる方向を向いた指紋隆線が存在することが確認できる。具体的には、図２２（ｂ）の領域６０２における指紋隆線であって、着色した指紋隆線の方向は、図２２（ａ）の領域６０１に含まれる指紋隆線の方向と異なる。このような箇所は他にも散見され、例えば、領域６０３と領域６０４に含まれる指紋隆線の方向が互いに異なっている。即ち、指紋隆線の方向だけでなく、その位置に注目すると２つの指紋画像は異なる人物の指紋画像であることが判明する。

このように、特許文献１が開示する画像特徴抽出装置には、照合対象の指紋画像を抽出する際の精度を向上させる余地がある。

本発明は、精度良く照合対象となる指紋画像を抽出可能とすることに寄与する指紋画像処理装置、指紋画像処理方法及びプログラムを提供することを目的とする。

本発明の第１の視点によれば、検索対象の指紋画像内の複数の特徴点それぞれが有する特徴点方向に関する特徴量であって指紋画像内の基準点に対する前記特徴点方向の回転方向から算出される、複数の第１特徴量を要素とする第１特徴量ベクトルと、前記特徴点方向に関する特徴量であって前記基準点に対する前記特徴点方向の向きから算出される、複数の第２特徴量を要素とする第２特徴量ベクトルと、を算出する特徴量ベクトル算出部を備える、指紋画像処理装置が提供される。

本発明の第２の視点によれば、検索対象の指紋画像内の複数の特徴点それぞれが有する特徴点方向に関する特徴量であって指紋画像内の基準点に対する前記特徴点方向の回転方向から算出される、複数の第１特徴量を要素とする第１特徴量ベクトルを算出する工程と、前記特徴点方向に関する特徴量であって前記基準点に対する前記特徴点方向の向きから算出される、複数の第２特徴量を要素とする第２特徴量ベクトルを算出する工程と、を含む指紋画像処理方法が提供される。

本発明の第３の視点によれば、検索対象の指紋画像内の複数の特徴点それぞれが有する特徴点方向に関する特徴量であって指紋画像内の基準点に対する前記特徴点方向の回転方向から算出される、複数の第１特徴量を要素とする第１特徴量ベクトルを算出する処理と、前記特徴点方向に関する特徴量であって前記基準点に対する前記特徴点方向の向きから算出される、複数の第２特徴量を要素とする第２特徴量ベクトルを算出する処理と、を指紋画像処理装置を制御するコンピュータに実行させるプログラムが提供される。
なお、このプログラムは、コンピュータが読み取り可能な記憶媒体に記録することができる。記憶媒体は、半導体メモリ、ハードディスク、磁気記録媒体、光記録媒体等の非トランジェント（non-transient）なものとすることができる。本発明は、コンピュータプログラム製品として具現することも可能である。

本発明の各視点によれば、精度良く照合対象となる指紋画像を抽出可能とすることに寄与する指紋画像処理装置、指紋画像処理方法及びプログラムが、提供される。

一実施形態の概要を説明するための図である。 第１の実施形態に係る照合対象抽出システムの全体構成の一例を示す図である。 照合対象抽出装置の内部構成の一例を示す図である。 照合対象決定部の内部構成の一例を示す図である。 特徴点抽出部が抽出する特徴点を説明するための図である。 指紋画像から第１及び第２特徴点を抽出し、抽出した各特徴点の特徴点方向の一例を示す図である。 第１特徴量を説明するための図である。 図６に示す各特徴点に対応する第１特徴量画像の一例である。 第２特徴量を説明するための図である。 図６に示す各特徴点に対応する第２特徴量画像の一例である。 第１特徴量画像平滑部の処理を説明するための図である。 図８に示す第１特徴量画像を平滑化することで得られる画像の一例である。 図１０に示す第２特徴量画像を平滑化することで得られる画像の一例である。 第１特徴量ベクトルの算出を説明するための図である。 第２特徴量ベクトルの算出を説明するための図である。 第１特徴量画像の一例を示す図である。 第２特徴量画像の一例を示す図である。 照合対象抽出装置３０の動作の一例を示すフローチャートである。 照合対象決定部の内部構成の別の一例を示す図である。 データベースから照合対象となる指紋画像の抽出処理の一例を示す図である。 指紋画像の一例を示す図である。 図２１（ａ）と図２１（ｂ）の指紋画像から指紋隆線を抜き出した図面である。

初めに、図１を用いて一実施形態の概要について説明する。なお、この概要に付記した図面参照符号は、理解を助けるための一例として各要素に便宜上付記したものであり、この概要の記載はなんらの限定を意図するものではない。

上述のように、精度良く照合対象となる指紋画像を抽出可能とする指紋画像処理装置が望まれる。

そこで、一例として図１に示す指紋画像処理装置１００を提供する。指紋画像処理装置１００は、特徴量ベクトル算出部１０１を備える。特徴量ベクトル算出部１０１は、検索対象の指紋画像内の複数の特徴点それぞれが有する特徴点方向に関する特徴量であって指紋画像内の基準点に対する特徴点方向の回転方向から算出される、複数の第１特徴量を要素とする第１特徴量ベクトルと、特徴点方向に関する特徴量であって基準点に対する特徴点方向の向きから算出される、複数の第２特徴量を要素とする第２特徴量ベクトルと、を算出する。

指紋画像処理装置１００が、算出する特徴量ベクトルは、指紋画像内に分散している複数の特徴点における特徴点方向を定量化したものである。そのため、データベースに記憶された多数の指紋画像から算出された特徴量ベクトル（照合対象側の特徴量ベクトル）と、データベースに記憶された指紋画像から同一人物の指紋画像の検索がなされる指紋画像（検索対象の指紋画像）から算出された特徴量ベクトル（検索対象側の特徴量ベクトル）と、を比較することで、精度良く照合対象となる指紋画像を抽出することができる。その理由は、検索対象側の特徴量ベクトルと照合対象側の特徴量ベクトルの算出時に、同じ座標位置の特徴点を選択することで、指紋画像内の特徴点の分布を考慮した２つの特徴量ベクトルが得られるためである。例えば、２つの特徴量ベクトルの類似度を算出し、算出された類似度に対して閾値処理を施すことで、照合対象の指紋画像（データベースに記憶された指紋画像）が、照合対象候補たり得るか判断することができる。

また、特徴点自身が示す指紋画像の特徴は単なる位置情報であるが、指紋画像処理装置１００は、特徴点から特徴点方向という別の特徴量を算出し、その後の処理にて照合対象候補の抽出に利用可能とする。仮に、検索側と照合側の指紋画像にて同じ位置に特徴点が存在していたとしても、その特徴点方向に関する特徴量（基準点に対する回転方向及び向き）まで一致することは希であるから、指紋画像処理装置１００が算出する特徴量ベクトルを使用すれば、このような指紋画像に関してもより正確に一致・不一致が判定できる。即ち、指紋画像処理装置１００は、精度良く照合対象となる指画像を抽出可能とする。

なお、本書において特徴点の特徴点方向とは、特徴点から隆線が発生する方向又は特徴点にて分岐する隆線の進行する方向と定義される。

以下に具体的な実施の形態について、図面を参照してさらに詳しく説明する。

［第１の実施形態］
第１の実施形態について、図面を用いてより詳細に説明する。

図２は、第１の実施形態に係る照合対象抽出システムの全体構成の一例を示す図である。図２を参照すると、照合対象抽出システムには、指紋撮影装置１０と、データベース２０と、照合対象抽出装置３０と、が含まれている。なお、上述の指紋画像処理装置１００の機能は、照合対象抽出装置３０に包含されている。

指紋撮影装置１０と照合対象抽出装置３０はＵＳＢ（Universal Serial Bus）等の通信手段により接続されている。また、データベース２０と照合対象抽出装置３０はネットワークを介して相互に通信可能に構成されている。

指紋撮影装置１０は、人の指紋を撮影し、指紋画像を取得する手段である。指紋撮影装置１０は、所謂スキャナであり、指紋を撮影してカラー、グレースケール又はモノクロの指紋画像を照合対象抽出装置３０に出力する。以降、指紋撮影装置１０が出力する指紋画像を入力指紋画像と表記する。

データベース２０は、入力指紋画像の照合対象となる複数の指紋画像を記憶する手段である。データベース２０は、照合対象抽出装置３０からの要求に応じて、指紋画像を出力する。以降、データベース２０が出力する指紋画像をデータベース指紋画像と表記する。

照合対象抽出装置３０は、入力指紋画像の入力に応じて、データベース２０に記憶された複数のデータベース指紋画像のなかから、入力指紋画像と一致すると考えられる指紋画像を選び出し、照合対象候補として出力する手段である。

照合対象候補は、照合対象抽出装置３０に接続された照合装置（図示せず）にて利用される。照合装置は、複数の照合対象候補のなかから、入力指紋画像に一致する確率が最も高いと考えられる指紋画像（データベース指紋画像）を特定する装置である。

図３は、照合対象抽出装置３０の内部構成の一例を示す図である。図３を参照すると、照合対象抽出装置３０は、通信部２０１と、入力部２０２と、表示部２０３と、出力部２０４と、記憶部２０５と、照合対象決定部２０６と、を含んで構成される。

通信部２０１は、データベース２０との間で通信を行い、データベース指紋画像を取得する手段である。

入力部２０２は、指紋撮影装置１０のドライバを含んで構成され、入力指紋画像を取得する手段である。

表示部２０３は、照合対象抽出装置３０の動作状態をオペレータに通知するための手段である。

出力部２０４は、照合対象決定部２０６が出力する照合対象候補を外部に出力するための手段である。

記憶部２０５は、照合対象抽出装置３０の動作に必要なプログラムやデータ等を記憶する手段である。

照合対象決定部２０６は、入力指紋画像に対応する検索側特徴量ベクトル（以下、特徴量ベクトルＶｉと表記する）と、データベース指紋画像に対応する照合側特徴量ベクトル（以下、特徴量ベクトルＶｄと表記する）と、を算出し、これらの特徴量ベクトルを比較することで、照合対象候補たり得るデータベース指紋画像を抽出（選抜）する手段である。照合対象決定部２０６は、照合対象候補となり得ると判断したデータベース指紋画像を照合対象候補として出力部２０４に引き渡す。なお、２つの指紋画像に対応する特徴量ベクトルＶｉ、Ｖｄは後述する。

また、図３に示す照合対象抽出装置３０の構成は例示であって、種々の変形が考えられる。例えば、出力部２０４を削除し、表示部２０３にて照合対象候補を表示してもよい。あるいは、通信部２０１を用いて、照合対象抽出装置３０とネットワーク接続された端末（例えば、パーソナルコンピュータやスマートフォン等）に照合対象候補を出力してもよい。

次に、照合対象決定部２０６について説明する。

図４は、照合対象決定部２０６の内部構成の一例を示す図である。図４を参照すると、照合対象決定部２０６は、特徴量ベクトル算出部３０１と、照合対象候補抽出部３０２と、を含んで構成される。

さらに、特徴量ベクトル算出部３０１は、特徴点抽出部４０１と、第１特徴量画像生成部４０２と、第２特徴量画像生成部４０３と、第１特徴量画像平滑部４０４と、第２特徴量画像平滑部４０５と、第１特徴量ベクトル算出部４０６と、第２特徴量ベクトル算出部４０７と、特徴量ベクトル生成部４０８と、を含んで構成される。

＜特徴点の抽出＞
特徴点抽出部４０１は、照合対象抽出装置３０に入力される指紋画像（データベース指紋画像、入力指紋画像）に含まれる特徴点を抽出する手段である。

特徴点抽出部４０１は、２種類の特徴点を指紋画像から抽出する。図５は、特徴点抽出部４０１が抽出する特徴点を説明するための図である。

特徴点抽出部４０１が対象とする第１の特徴点は、隆線の終点（端点）である。図５（ａ）には、２本の隆線５０１、５０２に挟まれた第１特徴点Ｐ１が図示されている。特徴点抽出部４０１は、図５（ａ）に示す第１特徴点Ｐ１のような隆線の端点を、入力された指紋画像の第１特徴点として抽出する。具体的には、特徴点抽出部４０１は、指紋画像の全体を走査しながら第１特徴点を抽出していく。

特徴点抽出部４０１が対象とする第２の特徴点は、隆線の分岐点である。図５（ｂ）には、隆線５１１が２本の隆線５１２、５１３に分岐する第２特徴点Ｐ２が図示されている。特徴点抽出部４０１は、図５（ｂ）に示す第２特徴点Ｐ２のような隆線の分岐点を、入力された指紋画像の第２特徴点として抽出する。

次に、特徴点抽出部４０１は、抽出した各特徴点の特徴点方向を算出する。第１特徴点に関しては、図５（ａ）に示すように、第１特徴点Ｐ１から隆線５０３が発生する方向（矢印５０４の方向）が、第１特徴点の特徴点方向と定義される。

第２特徴点に関しては、図５（ｂ）に示すように、隆線５１１が第２特徴点Ｐ２にて２本の隆線５１２、５１３に分岐している場合、第２特徴点Ｐ２から２本の隆線の間（ベクトルの中間）を進行する方向（矢印５１４の方向）が、第２特徴点の特徴点方向と定義される。

なお、抽出された第１特徴点、第２特徴点に関する位置情報（座標）は、指紋画像内でのピクセル位置の形式で記憶される。また、各特徴点を原点に設定したＸＹ座標系におけるＸ軸と特徴点方向線との間の角度が、各特徴点の特徴点方向として記憶される。

図６は、指紋画像から第１及び第２特徴点を抽出し、抽出した各特徴点の特徴点方向の一例を示す図である。図６において、丸印は上述の第１特徴点（端点）を示し、四角形は第２特徴点（分岐点）を示す。また、各特徴点から発生している直線は、各特徴点の特徴点方向を示す特徴点方向線である。

なお、第１の実施形態では、特徴点抽出部４０１は２種類の特徴点を抽出するものとして説明するが、抽出する特徴点の種類を限定する趣旨ではない。特徴点抽出部４０１は、第１特徴点（端点）及び第２特徴点（分岐点）のうち少なくとも一方を抽出してもよい。

＜第１特徴量画像の生成＞
第１特徴量画像生成部４０２は、特徴点抽出部４０１により抽出された各特徴点と、各特徴点の特徴点方向と、に基づき第１特徴量画像を生成する。

第１特徴量画像とは、指紋画像をなす画素の画素値を第１特徴量とする画像である。第１特徴量とは、各特徴点と指紋画像の中心点（基準点、あるいは指紋画像のコアとも称される）を結ぶ第１基準線に対する各特徴点の特徴点方向が指向する方向（右向き、左向き）を定量化した特徴量である。あるいは、第１特徴量は、指紋画像の中心点に対する特徴点方向の回転方向（時計回り、反時計回り）を定量化した特徴量ともいえる。

図７は、第１特徴量を説明するための図である。図７には、指紋画像の中心点（コア）と第１特徴点Ｐ１を図示している。

第１特徴量画像生成部４０２は、指紋画像の中心点と特徴点を結ぶ直線を第１基準線として計算する。

次に、第１特徴量画像生成部４０２は、第１基準線と特徴点方向線のなす角度θを計算する。具体的には、第１特徴量画像生成部４０２は、ＸＹ座標軸の原点を第１特徴点Ｐ１に設定し、Ｘ軸と第１基準線とがなす角度α１を計算する（図７（ａ）参照）。次に、第１特徴量画像生成部４０２は、第１特徴点Ｐ１の抽出の際に記憶された特徴点方向線の角度α２を読み出す。次に、第１特徴量画像生成部４０２は、角度α１から角度α２を減算し、角度θを計算する。なお、角度α１、α２はＸＹ座標系の第１、第２象限にあるときは正の値とし、第３、第４象限にあるときは負の値とする。

計算した結果、角度θが正の値であれば、各特徴点の特徴点方向は第１基準線に対して右向き（中心点に対して時計回り）と判定される。一方、計算した結果、角度θが負の値であれば、各特徴点の特徴点方向は第１基準線に対して左向き（中心点に対して反時計回り）と判定される。

算出された角度θから特徴点方向は、中心点に対して時計回り（右回り）であると判定される場合には、第１特徴量画像生成部４０２は、当該特徴点の特徴点方向に対し、１２８〜２５５（１６進表示；８０〜ＦＦ）の範囲の第１特徴量を割り当てる。

より具体的には、図７（ｂ）に示すように、角度θ１が０度の場合（第１基準線と特徴点方向が同じ向きの場合）には、第１特徴量には１２８が与えられる。角度θ１の増加に伴い第１特徴量も増加し、角度θ１が９０度の場合に第１特徴量の最大値である２５５が与えられる。さらに、角度θ１が９０度を越えて増加すると、第１特徴量は減少していき、角度θ１が１８０度の場合（第１基準線と特徴点方向が逆向きの場合）には、第１特徴量には１２８が与えられる。

このように、第１特徴量画像生成部４０２は、特徴点の特徴点方向線が第１基準線に対して右向きの場合には、特徴点方向に対して１２８〜２５５の範囲の第１特徴量を与える。

一方、算出された角度θから特徴点方向は、中心点に対して反時計回り（左回り）であると判定される場合には、第１特徴量画像生成部４０２は、当該特徴点の特徴点方向に対し、０〜１２８（１６進表示；００〜８０）の範囲の第１特徴量を割り当てる。

より具体的には、図７（ｃ）に示すように、角度θ２が０度の場合（第１基準線と特徴点方向が同じ向きの場合）には、第１特徴量には１２８が与えられる。角度θ２の増加に伴い第１特徴量は減少し、角度θ２が９０度の場合に第１特徴量の最小値である０が与えられる。さらに、角度θ２が９０度を超えて増加すると、第１特徴量は増加していき、角度θ２が１８０度の場合（第１基準点と特徴点方向が逆向きの場合）には、第１特徴量には１２８が与えられる。

このように、第１特徴量画像生成部４０２は、特徴点の特徴点方向線が第１基準線に対して左向きの場合には、特徴点方向に対して０〜１２８の範囲の第１特徴量を与える。

なお、第１基準線と特徴点方向線が同じ向き（あるいは、逆向き）の場合には、角度θ１を用いて説明した処理又は角度θ２を用いて説明した処理のいずれかを行えば良いのは当然である。

第１特徴量画像生成部４０２は、特徴点抽出部４０１にて抽出された特徴点ごとに上記の第１特徴量算出処理を行う。

次に、第１特徴量画像生成部４０２は、算出した第１特徴量に基づいて第１特徴量画像を生成する。

具体的には、第１特徴量画像生成部４０２は、特徴点のそれぞれをＸＹ座標系における原点とみなし、原点（特徴点）からの所定範囲に含まれる画素の画素値を第１特徴量に変更する。なお、原点からの所定範囲とは、原点からＸ方向に数ピクセル、Ｙ方向に数ピクセル等のように予め定められる範囲である。また、各特徴点の周囲（所定範囲）が重なる領域は、重なる領域ごとの第１特徴量の平均値とする。例えば、重複する２つの領域に対応する第１特徴量のそれぞれが０と２５５であれば当該重複する領域の第１特徴量は１２７となる。第１特徴量画像生成部４０２は、特徴点の周辺にはない画素には画素値（第１特徴量）として１２８を割り当てる。

このようにして、第１特徴量画像生成部４０２は、第１特徴量画像を生成する。図８は、図６に示す各特徴点に対応する第１特徴量画像の一例である。図８では、第１特徴量が視覚的となるように、第１特徴量を濃度に対応させて表現している。具体的には、第１特徴量の最小値０には黒色、中間値１２８には灰色、最大値２５５には白色をそれぞれ割り当てている。

＜第２特徴量画像の生成＞
第２特徴量画像生成部４０３は、特徴点抽出部４０１により抽出された各特徴点と、各特徴点の特徴点方向と、に基づき第２特徴量画像を生成する。

第２特徴量画像とは、指紋画像をなす画素の画素値を第２特徴量とする画像である。第２特徴量とは、特徴点方向線の中心点に対する方向性を定量化した特徴量である。

図９は、第２特徴量を説明するための図である。第２特徴量画像生成部４０３は、指紋画像の中心点と特徴点を結ぶ直線を第１基準線として計算する。さらに、第２特徴量画像生成部４０３は、特徴点を交点として第１基準線に直交する第２基準線を計算する。

次に、第２特徴量画像生成部４０３は、第２基準線と特徴点方向線のなす角度Φを計算する。具体的には、第２特徴量画像生成部４０３は、ＸＹ座標軸の原点を第１特徴点Ｐ１に設定し、Ｙ軸と第２基準線とがなす角度β１を計算する（図９（ａ）参照）。次に、第２特徴量画像生成部４０３は、第１特徴点Ｐ１の抽出の際に記憶された特徴点方向線の角度α２を読み出し、特徴点方向線がＹ軸との間でなす角度β２を計算する。次に、第２特徴量画像生成部４０３は、角度β１から角度β２を減算し、角度Φを計算する。なお、角度β１、β２はＸＹ座標系の第２、第３象限にあるときは正の値とし、第１、第４象限にあるときは負の値とする。

計算した角度Φが正の値であれば、各特徴点の特徴点方向は中心点から離れる方向（離脱方向）と判定される。一方、計算した角度Φが負の値であれば、各特徴点の特徴点方向は中心点に近づく方向（接近方向）と判定される。

算出された角度Φから特徴点方向は、中心点から離れる方向であると判定される場合には、第２特徴量画像生成部４０３は、当該特徴点の特徴点方向に対し、０〜１２８の範囲の第２特徴量を割り当てる。

より具体的には、図９（ｂ）に示すように、角度Φ１が０度の場合（第２基準線と特徴点方向が同じ向きの場合）には、第２特徴量には１２８が与えられる。角度Φ１の増加に伴い第２特徴量は減少し、角度Φ１が９０度の場合に第２特徴量の最小値である０が与えられる。さらに、角度Φ１が９０度を越えて増加すると、第２特徴量は増加していき、角度Φ１が１８０度の場合（第２基準線と特徴点方向が逆向きの場合）には、第２特徴量には１２８が与えられる。

このように、第２特徴量画像生成部４０３は、特徴点の特徴点方向線が中心点から離れる方向の場合には、特徴点方向に対して０〜１２８の範囲の第２特徴量を与える。

一方、算出された角度Φから特徴点方向は、中心点に近づく方向であると判定される場合には、第２特徴量画像生成部４０３は、当該特徴点の特徴点方向に対し、１２８〜２５５の範囲の第２特徴量を割り当てる。

より具体的には、図９（ｃ）に示すように、角度Φ２が０度の場合（第２基準線と特徴点方向が同じ向きの場合）には、第２特徴量には１２８が与えられる。角度Φ２の増加に伴い第２特徴量も増加し、角度Φ２が９０度の場合に第２特徴量の最大値である２５５が与えられる。さらに、角度Φ２が９０度を超えて増加すると、第２特徴量は減少していき、角度Φ２が１８０度の場合（第２基準線と特徴点方向が逆向きの場合）には、第２特徴量には１２８が与えられる。

このように、第２特徴量画像生成部４０３は、特徴点の特徴点方向線が中心点に近づく方向の場合には、特徴点方向に対して１２８〜２５５の範囲の第２特徴量を与える。

第２特徴量画像生成部４０３は、特徴点抽出部４０１にて抽出された特徴点ごとに上記の第２特徴量算出処理を行う。

次に、第２特徴量画像生成部４０３は、算出した第２特徴量に基づいて第２特徴量画像を生成する。なお、第２特徴量画像は、その算出に使用する特徴量が第２特徴量である点を除いて、第１特徴量画像と相違する点は存在しないので、その説明を省略する。

図１０は、図６に示す各特徴点に対応する第２特徴量画像の一例である。図１０を参照すると、下側の領域には特徴点方向が中心点から遠ざかる方向の特徴点が多いため、黒色に近い色の領域が多いことが分かる。一方、上側の領域での特徴点方向は、中心点から遠ざかる方向でも近づく方向でもないことから、灰色に近い色の領域が多いことが分かる。

なお、第１及び第２特徴量画像の生成の際に用いる指紋画像の中心点の算出には種々の方法が考えられる。例えば、指紋画像に含まれる隆線の山が最も高い箇所を指紋画像の中心点として算出することができる。但し、中心点の算出を限定する趣旨ではない。

＜平滑化処理＞
詳細については後述するが、第１及び第２特徴量画像は、データベース指紋画像と入力指紋画像の特徴量ベクトルの算出に使用され、２つの特徴量ベクトルを比較することでデータベース指紋画像が入力指紋画像の照合対象候補となり得るか判定される。その際、データベース指紋画像と入力指紋画像は、指紋撮影装置や方法等の諸条件が異なるのが通常であるから、同一の人物の指紋画像であっても多少の相違点が存在することが多い。例えば、指紋撮影時の指の傾き等により、同じ人物の指紋画像であっても各特徴点の位置には微妙な相違が生じることがある。このような誤差等を吸収するために、第１及び第２特徴量画像の平滑化を行う。以下、第１及び第２特徴量画像の平滑化処理について説明する。

第１特徴量画像平滑部４０４は、第１特徴量画像生成部４０２が生成した第１特徴量画像を平滑化する処理を行う。

具体的には、第１特徴量画像平滑部４０４は、第１特徴量画像の各画素位置を基準とし、当該基準画素とその周辺画素が有する第１特徴量の平均値を算出し、当該基準画素の第１特徴量とする。なお、第１特徴量画像の平滑化に用いる範囲を平滑化範囲とする。

図１１は、第１特徴量画像平滑部４０４の処理を説明するための図である。図１１において、黒丸、白丸及び灰色の丸は第１特徴量画像を構成する画素を意味している。また、図１１において、各画素から１ピクセル分の範囲が平滑化範囲に設定されているものとする。

この場合、例えば、画素５２０の第１特徴量を算出する場合には、画素５２０の第１特徴量と、その周辺の画素５２１〜５２８それぞれの第１特徴量と、を加算し、加算した画素の個数（図１１の場合には９個）で除算することで、画素５２０の第１特徴量とする。第１特徴量画像平滑部４０４は、このような平滑化処理（平均値算出処理）を、第１特徴量画像を構成する各画素に適用することで、第１特徴量の平滑化を行う。

図１２は、図８に示す第１特徴量画像を平滑化することで得られる画像の一例である。なお、平滑化範囲は予め固定された範囲であってもよく、可変な範囲であってもよい。例えば、第１特徴量画像の場所に応じて、平滑化範囲を変更してもよい。具体的には、中心点の周辺では平滑化範囲を細かくし、中心点から離れるに従って平滑化範囲を粗くしてもよい。

第２特徴量画像平滑部４０５は、第２特徴量画像を平滑化する。図１３は、図１０に示す第２特徴量画像を平滑化することで得られる画像の一例である。第２特徴量画像平滑部４０５が行う処理は、第１特徴量画像平滑部４０４が行う処理と相違する点はないので説明を省略する。

＜特徴量ベクトルの算出＞
第１特徴量ベクトル算出部４０６は、平滑化された第１特徴量画像から第１特徴量ベクトルを算出する。

第１特徴量ベクトル算出部４０６は、平滑化された第１特徴量画像から複数の画素を抽出し、抽出された各画素の第１特徴量を並べたベクトルを第１特徴量ベクトルとして算出する。具体的には、第１特徴量ベクトル算出部４０６は、平滑化された第１特徴量画像上に格子状（マトリクス状）のサンプリング座標を設定する。第１特徴量ベクトル算出部４０６は、各サンプリング座標に対応する画素の第１特徴量を並べることで、第１特徴量ベクトルを算出する。

例えば、図１４に示すように、第１特徴量画像上に、ｍ行ｎ列（ｎ、ｍは共に正の整数。以下同じ）の行列となるような格子状のサンプリング座標が設定される。第１特徴量ベクトル算出部４０６は、各サンプリング座標の第１特徴量を読み出すことで、式（１）にて表現できる第１特徴量ベクトルｖ１を算出する。

ｖ１＝（FV1_11、FV1_12、・・・、FV1_n1、・・・FV1_nm）・・・（１）

なお、ＦＶ１は第１特徴量（ＦＶ１；Feature Value １）を示し、アンダーバーに続く数字にてサンプリング座標を示している。例えば、ＦＶ１＿１１は図１４のサンプリング座標（１、１）の第１特徴量を示す。

第２特徴量ベクトル算出部４０７も同様に、平滑化された第２特徴量画像に格子状のサンプリング座標を設定（図１５参照）し、サンプリング座標に対応する第２特徴量を並べることで、第２特徴量ベクトルを算出する。なお、第２特徴量ベクトル算出部４０７が行う処理は、第１特徴量ベクトル算出部４０６が行う処理とその内容が相違する点はないので説明を省略する。

第２特徴量ベクトル算出部４０７は、第１特徴量ベクトル算出部４０６と同様の処理を行うことで、式（２）にて表現できる第２特徴量ベクトルｖ２を算出する。

ｖ２＝（FV2_11、FV2_12、・・・、FV2_n1、・・・FV2_nm）・・・（２）

なお、ＦＶ２は第２特徴量を示し、アンダーバーに続く数字にてサンプリング座標を示している。

特徴量ベクトル生成部４０８は、第１特徴量ベクトルｖ１と第２特徴量ベクトルｖ２を合成することで、入力された指紋画像に対応する特徴量ベクトルＶを出力する。具体的には、特徴量ベクトル生成部４０８は、式（１）にて示される第１特徴量ベクトルｖ１に式（２）で示される第２特徴量ベクトルｖ２を付加することで、式（３）にて表現できる特徴量ベクトルＶを算出する。

Ｖ＝（FV1_11、・・・、FV1_nm、FV2_11、・・・、FV2_nm）・・・（３）

特徴量ベクトル生成部４０８は、合成した第１及び第２特徴量ベクトルを照合対象候補抽出部３０２に出力する。

特徴量ベクトル算出部３０１は、入力される指紋画像（データベース指紋画像、入力指紋画像）ごとに特徴量ベクトルＶｄ、Ｖｉを算出し、照合対象候補抽出部３０２に出力する。従って、特徴量ベクトルＶｄと特徴量ベクトルＶｉは互いに同種の要素からなる特徴量ベクトルといえる。

＜照合対象候補の決定＞
照合対象候補抽出部３０２は、入力された特徴量ベクトルＶｄに対応するデータベース指紋画像が、特徴量ベクトルＶｉに対応する入力指紋画像との間で詳細に照合するに足りるか否かを判定する。

データベース指紋画像が照合対象となり得ると判定された場合には、照合対象候補抽出部３０２は、当該データベース指紋画像を照合対象候補として抽出し、出力する。一方、データベース指紋画像が照合対象となり得ないと判定された場合には、照合対象候補抽出部３０２は、当該データベース指紋画像を破棄する。データベース指紋画像が破棄された場合には、照合対象抽出装置３０は次のデータベース指紋画像をデータベース２０から取得し、照合対象抽出処理を繰り返す。

次に、照合対象候補抽出部３０２の照合対象の絞り込み処理について説明する。

照合対象候補抽出部３０２は、特徴量ベクトルＶｄと特徴量ベクトルＶｉの差分を計算する。具体的には、照合対象候補抽出部３０２は、特徴量ベクトルＶｄと特徴量ベクトルＶｉにおける対応する要素同士の差分値を計算する。その後、照合対象候補抽出部３０２は、計算した各要素の差分値の合計値を計算する。

次に、照合対象候補抽出部３０２は、差分値の合算が所定の閾値以下の場合には、入力された特徴量ベクトルＶｄに対応するデータベース指紋画像を照合対象として抽出し、照合対象候補として出力する。

一方、照合対象候補抽出部３０２は、差分値の合算が所定の閾値よりも大きい場合には、当該データベース指紋画像を破棄する。

図１６は、第１特徴量画像の一例を示す図である。図１６（ａ）は、入力指紋画像とその第１特徴量画像の一例である。図１６（ｂ）は、図１６（ａ）の入力指紋画像と同一人物のデータベース指紋画像とその第１特徴量画像の一例である。図１６（ｃ）は、図１６（ａ）の入力指紋画像とは異なる人物のデータベース指紋画像とその第１特徴量画像の一例である。

図１６（ａ）〜（ｃ）の各指紋画像を参照すると、これらは全て同一人物の指紋画像のようにも思われる。

３枚の第１特徴量画像を比較すれば、図１６（ａ）と図１６（ｂ）では、黒色と白色の領域の分布が似通っていることが理解できる。つまり、第１特徴量の分布が図１６（ａ）と図１６（ｂ）では似ている。一方、図１６（ｃ）の第１特徴量画像には、図１６（ａ）の第１特徴量画像よりも上側の領域にて、明らかに黒色の領域が多いことが理解できる。つまり、第１特徴量の分布が図１６（ａ）と図１６（ｃ）では似ていない。

このような第１特徴量の分布の相違、非相違は第１特徴量ベクトル間の差分値に反映される。例えば、図１６（ａ）と図１６（ｂ）では、サンプリング座標が同じであれば、当該サンプリング座標での第１特徴量はほとんど同じであると考えられる。つまり、図１６（ａ）に示す第１特徴量画像から算出された第１特徴量ベクトルと、図１６（ｂ）に示す第１特徴量画像から算出された第１特徴量ベクトルの各要素間の差分値の合計は小さな値となる。

一方、図１６（ａ）と図１６（ｃ）では、サンプリング座標が同じであっても、当該サンプリング座標での第１特徴量は大きく異なる。そのため、図１６（ａ）に示す第１特徴量画像から算出された第１特徴量ベクトルと、図１６（ｃ）に示す第１特徴量画像から算出された第１特徴量ベクトルの各要素間の差分値の合計は大きな値となる。

このように、第１特徴量の分布の相違が第１特徴量ベクトル間の差分値に反映されるため、閾値を適切に定めることで、照合対象候補となるデータベース指紋画像の絞り込みが行える。具体的には、絞り込みの精度を高めたい場合には閾値を低く設定し、数多くの照合対象候補を得たい場合には、閾値を高く設定する。

上述のように、第１特徴量ベクトルの比較により照合対象候補の抽出は可能である。しかし、第１特徴量は、各特徴点の特徴点方向の回転方向（時計回り、反時計回り）に関する特徴が反映されるに留まっている。そのため、例えば、図７を参照すると、特徴点方向線が中心点から離れる方向であっても近づく方向であっても、与えられる第１特徴量は同じことになる。

しかし、中心点に対する向きは、指紋画像における貴重な特徴と考えられるところ、当該特徴を考慮することでより精度良く照合対象候補を抽出できる。そこで、照合対象抽出装置３０では、このような特徴量（第２特徴量；中心点に対する特徴点方向の向き）を照合対象候補の決定に利用する。具体的には、照合対象抽出装置３０は、第２特徴量画像から算出した第２特徴量ベクトルを照合対象候補の決定に利用する。

図１７は、第２特徴量画像の一例を示す図である。図１７は、図１６に示す各指紋画像に対応する第２特徴量画像の一例を示している。図１７を参照すると、第２特徴量の相違は、指紋画像の下側の領域に現れることが理解できる。多くの人の指紋画像の上側の領域における隆線は、同心円状であることが多いためたと考えられる。一方、指紋画像の下側の領域における隆線は、同心円状とならず個人間で紋様が大きく異なるためと考えられる。

第２特徴量ベクトルには、主に指紋画像の下側の領域の相違が反映される。そこで、第１特徴量ベクトルと同様に閾値を用いた判別処理を適用することで、より精度のよい照合対象候補を決定できる。

以上の照合対象抽出装置３０の動作をまとめると、図１８に示すフローチャートのとおりとなる。

初めに、照合対象決定部２０６は、指紋画像（データベース指紋画像、入力指紋画像）を入力する（ステップＳ１０１）。次に、照合対象決定部２０６は、指紋画像から特徴点を抽出し、特徴点ごとの特徴点方向を計算する（ステップＳ１０２）。

照合対象決定部２０６は、抽出された各特徴点に関する第１特徴量を画素値とする第１特徴量画像を生成する（ステップＳ１０３）。次に、照合対象決定部２０６は、生成された第１特徴量画像を平滑化する（ステップＳ１０４）。その後、照合対象決定部２０６は、平滑化された第１特徴量画像から指紋画像に対応する第１特徴量ベクトルを算出する（ステップＳ１０５）。

照合対象決定部２０６は、抽出された各特徴点に関する第２特徴量を画素値とする第２特徴量画像を生成する（ステップＳ１０６）。次に、照合対象決定部２０６は、生成された第２特徴量画像を平滑化する（ステップＳ１０７）。その後、照合対象決定部２０６は、平滑化された第２特徴量画像から指紋画像に対応する第２特徴量ベクトルを算出する（ステップＳ１０８）。

データベース指紋画像と入力指紋画像のそれぞれについて、第１及び第２の特徴量ベクトルの算出が終了すると、照合対象決定部２０６は、各指紋画像に対応する特徴量ベクトルＶｄと特徴量ベクトルＶｉに基づき、照合対象候補の抽出を行う（ステップＳ１０９）。

なお、図１８に示すフローチャートは例示であって、各ステップの実行順序等を限定する趣旨ではない。例えば、第２特徴量ベクトルを、第１特徴量ベクトルよりも先に算出してもよいし、２つの特徴量ベクトルを並行して算出してもよい。

図２を参照して照合対象抽出システムの説明を行ったが、システム構成を図２の構成に限定する趣旨ではない。例えば、データベース２０に相当する記憶部が照合対象抽出装置３０に含まれていてもよいし、照合対象抽出装置３０に指紋を撮影するスキャナ機能が含まれていてもよい。あるいは、入力指紋画像はネットワークを介して送信され、照合対象抽出装置３０に入力されてもよい。

また、データベース２０には指紋画像が記憶されているものとして説明を行ったが、データベース２０には蓄積された指紋画像の特徴量ベクトルが記憶されていてもよい。この場合には、照合対象抽出装置３０は、データベース指紋画像の取得に替えて、特徴量ベクトルを取得し、当該特徴量ベクトルと入力指紋画像から算出する特徴量ベクトルを比較することになる。このような構成を採用することで、照合対象候補の決定に係る処理を高速に実行することができる。

あるいは、照合対象抽出装置３０がデータベース指紋画像の特徴量ベクトルを算出するたびに当該特徴量ベクトルをデータベース２０に書き戻し、必要に応じて書き戻された特徴量ベクトルを再利用する構成であってもよい。

第１の実施形態では、指紋画像から特徴量ベクトルを算出する手段（特徴量ベクトル算出部３０１）と、照合対象候補を抽出する手段（照合対象候補抽出部３０２）と、同一の装置である照合対象抽出装置３０に含まれる場合について説明した。しかし、これら２つの手段が別々の装置にて実現されていてもよい。

第１の実施形態では、特徴量ベクトル算出部３０１がデータベース指紋画像の特徴量ベクトルＶｄ（照合側特徴量ベクトル）と入力指紋画像の特徴量ベクトルＶｉ（検索側特徴量ベクトル）の算出を兼ねる構成を説明した。しかし、これらの特徴量ベクトルを生成する手段を分離して設けてもよい。この場合には、図１９に示すように、照合対象決定部２０６に、２つの特徴量ベクトル算出部３０１ａ、３０１ｂを設け、照合側特徴量ベクトルと検索側特徴量ベクトルを照合対象候補抽出部３０２に提供する。

あるいは、第１特徴量画像平滑部４０４と第２特徴量画像平滑部４０５や、第１特徴量ベクトル算出部４０６と第２特徴量ベクトル算出部４０７等の機能を統合して１つのモジュールにて実現してもよい。

なお、第１の実施形態での説明は、指紋画像の解像度（画素数）に関しては言及しなかったが、必要に応じて指紋画像の解像度を変更してもよい。例えば、データベース指紋画像を取得した装置と入力指紋画像を取得する装置（指紋撮影装置１０）から得られる画像の解像度が異なる場合には、いずれかの解像度に合わせる等の変換処理を行ってもよい。あるいは、指紋画像の解像度が照合対象候補の抽出に係る用途には高すぎるなどの場合には、指紋画像の解像度を減ずる処理を行った後に、第１及び第２特徴量画像を生成してもよい。

第１の実施形態では、特徴量（第１特徴量、第２特徴量）を算出する際に、基準線（第１基準線、第２基準線）に対する特徴点方向線の相対的な角度を使用する。相対的な角度を用いることで、指紋画像の歪みの影響をキャンセルできるためである。例えば、データベース指紋画像は右方向に歪み、同一の人物から取得した入力指紋画像は左方向に歪んでいる場合には、これらの指紋画像における特徴点方向の絶対的な角度（特徴量）は異なる値となる。しかし、指紋画像が歪んだとしても、特徴量の算出に相対的な角度を用いることで、歪みの影響がキャンセルされる。換言するならば、データベース指紋画像と入力指紋画像が、歪みを考慮する必要がないほど良好なものであれば、指紋画像に設定されたＸＹ座標系での絶対角度（例えば、図７（ａ）の角度α２や図９（ａ）の角度β２）を用いて特徴量を算出してもよい。

なお、第１特徴量画像平滑部４０４や第２特徴量画像平滑部４０５にて、特徴量画像の平滑化を行っているが、平滑化処理が不要の場合もある。例えば、データベース指紋画像と入力指紋画像の画質が共に良い場合には、平滑化処理は不要である。

さらに、第１の実施形態では、データベース指紋画像と入力指紋画像のそれぞれに含まれる情報量が、実質的に同じであるという前提であるが、実際には一方の画像にある領域が他方の画像には存在しない場合もあり得る。このような場合、両者の指紋画像が同じ人物の指紋から採取されたものであっても、両者の指紋画像の特徴量ベクトルを比較した際、差分値の合計が閾値よりも大きくなる可能性がある。そのため、特徴点を抽出する際、指紋の一部が欠けている又は画像が鮮明ではない等の判別を行い、画像の不備が検出された箇所では特徴量ベクトルの比較を行わない（差分値を計算しない）等の対策を行うのが望ましい。

あるいは、データベース指紋画像の特徴量ベクトルＶｄと入力指紋画像の特徴量ベクトルＶｉの比較の際に、各特徴量の品質を考慮してもよい。具体的には、指紋画像から特徴点を抽出する際に、当該特徴点の品質も算出する。そして、特徴量ベクトルＶｄと特徴量ベクトルＶｉの要素間の差分値を計算する際に、検出した特徴点の品質を反映させる。例えば、両特徴量ベクトルの要素間の差分値を算出する際に、データベース指紋画像の特徴点の品質値と入力指紋画像の特徴点の品質値のいずれか値の小さい方を、上記差分値に乗算する。いずれか一方の指紋画像における特徴点の品質が極めて低い場合には、当該品質を示す品質値もまた極めて小さい値となる。このような値を差分値に乗算することで、品質の低い特徴点を実質的に無効化できる。なお、特徴点の品質の算出には種々の方法を用いることができる。

第１の実施形態にて説明した照合対象候補の決定方法は、他の照合対象候補決定方法と組み合わせて使用することも可能である。例えば、特許文献１に開示された指紋隆線の形状から照合対象候補を絞り込んだ後に、上述の照合対象候補の決定処理を実行する形態であってもよい。

なお、照合対象決定部２０６は、照合対象抽出装置３０に搭載されたコンピュータに、そのハードウェアを用いて、照合対象決定部２０６における各部の処理を実行させるコンピュータプログラムにより実現することもできる。また、コンピュータの記憶部に照合対象抽出プログラムをインストールすることにより、コンピュータを照合対象抽出装置として機能させることができる。あるいは、照合対象抽出プログラムをコンピュータに実行させることにより、コンピュータにより照合対象抽出方法を実行することができる。

以上のように、第１の実施形態に係る照合対象抽出装置３０では、データベース指紋画像と入力指紋画像のそれぞれについて特徴量ベクトルを算出し、これらの特徴量ベクトルを比較することで照合対象候補を決定する。データベース指紋画像には、指紋隆線の方向がほぼ一致するため、一見すると同一人物の指紋画像と判定されるようなデータベース指紋画像も含まれると考えられる。ここで、第１の実施形態にて算出される特徴量ベクトルには、特徴点の特徴量（第１特徴量、第２特徴量）だけではなく、特徴量の分布に関する情報が含まれる。しかし、上記のような指紋隆線の方向がほぼ一致するようなデータベース指紋画像であっても、特徴量の分布まで一致する画像は希であるから、第１の実施形態に係る照合対象抽出装置３０では上記のようなデータベース指紋画像を照合対象候補と決定することがない。即ち、照合対象候補を選択する際の精度を向上させた照合対象抽出装置を提供できる。

上記の実施形態の一部又は全部は、以下の付記のようにも記載され得るが、以下には限られない。
［付記１］
検索対象の指紋画像内の複数の特徴点それぞれが有する特徴点方向に関する特徴量であって指紋画像内の基準点に対する前記特徴点方向の回転方向から算出される、複数の第１特徴量を要素とする第１特徴量ベクトルと、
前記特徴点方向に関する特徴量であって前記基準点に対する前記特徴点方向の向きから算出される、複数の第２特徴量を要素とする第２特徴量ベクトルと、を算出する特徴量ベクトル算出部を備える、指紋画像処理装置。
［付記２］
前記第１及び第２特徴量ベクトルから生成される前記検索対象の指紋画像に対応する検索側特徴量ベクトルと、照合対象の指紋画像に対応する特徴量ベクトルであって前記第１及び第２特徴量ベクトルの要素と同種の要素からなる照合側特徴量ベクトルと、を比較することで、複数の前記照合対象の指紋画像のなかから、前記検索対象の指紋画像に対する照合対象候補を抽出する照合対象候補抽出部をさらに備える、付記１の指紋画像処理装置。
［付記３］
前記特徴量ベクトル算出部は、前記基準点と前記特徴点を結ぶ第１基準線と前記特徴点方向の直線がなす角度を定量化して前記第１特徴量を算出する、付記１又は２の指紋画像処理装置。
［付記４］
前記特徴量ベクトル算出部は、前記第１基準線と直交する第２基準線と前記特徴点方向の直線がなす角度を定量化して前記第２特徴量を算出する、付記３の指紋画像処理装置。
［付記５］
前記特徴量ベクトル算出部は、
前記指紋画像から前記複数の特徴点を抽出する特徴点抽出部と、
前記抽出された特徴点それぞれに対応する前記指紋画像の画素値を、前記第１特徴量とすることで第１特徴量画像を生成する第１特徴量画像生成部と、
前記第１特徴量画像から複数の画素を選択し、前記選択された複数の画素から得られる前記第１特徴量を並べることで前記第１特徴量ベクトルを算出する第１特徴量ベクトル算出部と、
前記抽出された特徴点それぞれに対応する前記指紋画像の画素値を、前記第２特徴量とすることで第２特徴量画像を生成する第２特徴量画像生成部と、
前記第２特徴量画像から複数の画素を選択し、前記選択された複数の画素から得られる前記第２特徴量を並べることで前記第２特徴量ベクトルを算出する第２特徴量ベクトル算出部と、
を備える付記１乃至４のいずれか一に記載の指紋画像処理装置。
［付記６］
前記特徴量ベクトル算出部は、
前記第１特徴量画像の画素値を、当該画素の周辺にある画素の画素値を用いて平滑化する第１特徴量画像平滑部と、
前記第２特徴量画像の画素値を、当該画素の周辺にある画素の画素値を用いて平滑化する第２特徴量画像平滑部と、
をさらに備える付記５の指紋画像処理装置。
［付記７］
前記第１特徴量ベクトル算出部は、前記第１特徴量画像をなす複数の画素から、格子状に規定されたサンプリング位置の画素を選択し、前記サンプリング位置の画素から前記第１特徴量を取得し、
前記第２特徴量ベクトル算出部は、前記第２特徴量画像をなす複数の画素から、前記サンプリング位置の画素を選択し、前記サンプリング位置の画素から前記第２特徴量を取得する、付記５又は６の指紋画像処理装置。
［付記８］
前記照合対象候補抽出部は、前記検索側特徴量ベクトルと前記照合側特徴量ベクトルそれぞれに対応する要素の差分値を算出し、前記算出された差分値の合計値と閾値を比較することで前記検索対象の指紋画像に対する照合対象候補を抽出する、付記２乃至７のいずれか一に記載の指紋画像処理装置。
［付記９］
前記特徴量ベクトル算出部は、前記第１及び第２特徴量ベクトルを合成することで、前記検索側特徴量ベクトルを生成する特徴量ベクトル生成部をさらに備える付記２乃至８のいずれか一に記載の指紋画像処理装置。
［付記１０］
前記特徴量ベクトル算出部は、前記照合対象の指紋画像に関する前記第１及び第２特徴量ベクトルを算出し、
前記特徴量ベクトル生成部は、前記照合対象の指紋画像に関する前記第１及び第２特徴量ベクトルを合成することで、前記照合側特徴量ベクトルを生成する、付記９の指紋画像処理装置。
［付記１１］
前記特徴点抽出部は、前記指紋画像に含まれる隆線の端点及び隆線の分岐点の少なくとも一方を特徴点として抽出する、付記５乃至１０のいずれか一に記載の指紋画像処理装置。
［付記１２］
検索対象の指紋画像内の複数の特徴点それぞれが有する特徴点方向に関する特徴量であって指紋画像内の基準点に対する前記特徴点方向の回転方向から算出される、複数の第１特徴量を要素とする第１特徴量ベクトルを算出する工程と、
前記特徴点方向に関する特徴量であって前記基準点に対する前記特徴点方向の向きから算出される、複数の第２特徴量を要素とする第２特徴量ベクトルを算出する工程と、
を含む指紋画像処理方法。
［付記１３］
検索対象の指紋画像内の複数の特徴点それぞれが有する特徴点方向に関する特徴量であって指紋画像内の基準点に対する前記特徴点方向の回転方向から算出される、複数の第１特徴量を要素とする第１特徴量ベクトルを算出する処理と、
前記特徴点方向に関する特徴量であって前記基準点に対する前記特徴点方向の向きから算出される、複数の第２特徴量を要素とする第２特徴量ベクトルを算出する処理と、
を指紋画像処理装置を制御するコンピュータに実行させるプログラム。
なお、付記１２及び付記１３の形態は、付記１の形態と同様に、付記２の形態〜付記１１の形態に展開することが可能である。

なお、引用した上記の特許文献の開示は、本書に引用をもって繰り込むものとする。本発明の全開示（請求の範囲を含む）の枠内において、さらにその基本的技術思想に基づいて、実施形態ないし実施例の変更・調整が可能である。また、本発明の全開示の枠内において種々の開示要素（各請求項の各要素、各実施形態ないし実施例の各要素、各図面の各要素等を含む）の多様な組み合わせ、ないし、選択が可能である。すなわち、本発明は、請求の範囲を含む全開示、技術的思想にしたがって当業者であればなし得るであろう各種変形、修正を含むことは勿論である。特に、本書に記載した数値範囲については、当該範囲内に含まれる任意の数値ないし小範囲が、別段の記載のない場合でも具体的に記載されているものと解釈されるべきである。

１０ 指紋撮影装置
２０ データベース
３０ 照合対象抽出装置
１００ 指紋画像処理装置
１０１、３０１、３０１ａ、３０１ｂ 特徴量ベクトル算出部
２０１ 通信部
２０２ 入力部
２０３ 表示部
２０４ 出力部
２０５ 記憶部
２０６ 照合対象決定部
３０２ 照合対象候補抽出部
４０１ 特徴点抽出部
４０２ 第１特徴量画像生成部
４０３ 第２特徴量画像生成部
４０４ 第１特徴量画像平滑部
４０５ 第２特徴量画像平滑部
４０６ 第１特徴量ベクトル算出部
４０７ 第２特徴量ベクトル算出部
４０８ 特徴量ベクトル生成部
５０１〜５０３、５１１〜５１３ 隆線
５０４、５１４ 矢印
５２０〜５２８ 画素
６０１〜６０４ 領域

Claims (13)

1. 検索対象の指紋画像内の複数の特徴点それぞれが有する特徴点方向に関する特徴量であって指紋画像内の基準点に対する前記特徴点方向の回転方向から算出される、複数の第１特徴量を要素とする第１特徴量ベクトルと、
   前記特徴点方向に関する特徴量であって前記基準点に対する前記特徴点方向の向きから算出される、複数の第２特徴量を要素とする第２特徴量ベクトルと、を算出する特徴量ベクトル算出部を備える、指紋画像処理装置。
2. 前記第１及び第２特徴量ベクトルから生成される前記検索対象の指紋画像に対応する検索側特徴量ベクトルと、照合対象の指紋画像に対応する特徴量ベクトルであって前記第１及び第２特徴量ベクトルの要素と同種の要素からなる照合側特徴量ベクトルと、を比較することで、複数の前記照合対象の指紋画像のなかから、前記検索対象の指紋画像に対する照合対象候補を抽出する照合対象候補抽出部をさらに備える、請求項１の指紋画像処理装置。
3. 前記特徴量ベクトル算出部は、前記基準点と前記特徴点を結ぶ第１基準線と前記特徴点方向の直線がなす角度を定量化して前記第１特徴量を算出する、請求項１又は２の指紋画像処理装置。
4. 前記特徴量ベクトル算出部は、前記第１基準線と直交する第２基準線と前記特徴点方向の直線がなす角度を定量化して前記第２特徴量を算出する、請求項３の指紋画像処理装置。
5. 前記特徴量ベクトル算出部は、
   前記指紋画像から前記複数の特徴点を抽出する特徴点抽出部と、
   前記抽出された特徴点それぞれに対応する前記指紋画像の画素値を、前記第１特徴量とすることで第１特徴量画像を生成する第１特徴量画像生成部と、
   前記第１特徴量画像から複数の画素を選択し、前記選択された複数の画素から得られる前記第１特徴量を並べることで前記第１特徴量ベクトルを算出する第１特徴量ベクトル算出部と、
   前記抽出された特徴点それぞれに対応する前記指紋画像の画素値を、前記第２特徴量とすることで第２特徴量画像を生成する第２特徴量画像生成部と、
   前記第２特徴量画像から複数の画素を選択し、前記選択された複数の画素から得られる前記第２特徴量を並べることで前記第２特徴量ベクトルを算出する第２特徴量ベクトル算出部と、
   を備える請求項１乃至４のいずれか一項に記載の指紋画像処理装置。
6. 前記特徴量ベクトル算出部は、
   前記第１特徴量画像の画素値を、当該画素の周辺にある画素の画素値を用いて平滑化する第１特徴量画像平滑部と、
   前記第２特徴量画像の画素値を、当該画素の周辺にある画素の画素値を用いて平滑化する第２特徴量画像平滑部と、
   をさらに備える請求項５の指紋画像処理装置。
7. 前記第１特徴量ベクトル算出部は、前記第１特徴量画像をなす複数の画素から、格子状に規定されたサンプリング位置の画素を選択し、前記サンプリング位置の画素から前記第１特徴量を取得し、
   前記第２特徴量ベクトル算出部は、前記第２特徴量画像をなす複数の画素から、前記サンプリング位置の画素を選択し、前記サンプリング位置の画素から前記第２特徴量を取得する、請求項５又は６の指紋画像処理装置。
8. 前記照合対象候補抽出部は、前記検索側特徴量ベクトルと前記照合側特徴量ベクトルそれぞれに対応する要素の差分値を算出し、前記算出された差分値の合計値と閾値を比較することで前記検索対象の指紋画像に対する照合対象候補を抽出する、請求項２乃至７のいずれか一項に記載の指紋画像処理装置。
9. 前記特徴量ベクトル算出部は、前記第１及び第２特徴量ベクトルを合成することで、前記検索側特徴量ベクトルを生成する特徴量ベクトル生成部をさらに備える請求項２乃至８のいずれか一項に記載の指紋画像処理装置。
10. 前記特徴量ベクトル算出部は、前記照合対象の指紋画像に関する前記第１及び第２特徴量ベクトルを算出し、
    前記特徴量ベクトル生成部は、前記照合対象の指紋画像に関する前記第１及び第２特徴量ベクトルを合成することで、前記照合側特徴量ベクトルを生成する、請求項９の指紋画像処理装置。
11. 前記特徴点抽出部は、前記指紋画像に含まれる隆線の端点及び隆線の分岐点の少なくとも一方を特徴点として抽出する、請求項５乃至１０のいずれか一項に記載の指紋画像処理装置。
12. 検索対象の指紋画像内の複数の特徴点それぞれが有する特徴点方向に関する特徴量であって指紋画像内の基準点に対する前記特徴点方向の回転方向から算出される、複数の第１特徴量を要素とする第１特徴量ベクトルを算出する工程と、
    前記特徴点方向に関する特徴量であって前記基準点に対する前記特徴点方向の向きから算出される、複数の第２特徴量を要素とする第２特徴量ベクトルを算出する工程と、
    を含む指紋画像処理方法。
13. 検索対象の指紋画像内の複数の特徴点それぞれが有する特徴点方向に関する特徴量であって指紋画像内の基準点に対する前記特徴点方向の回転方向から算出される、複数の第１特徴量を要素とする第１特徴量ベクトルを算出する処理と、
    前記特徴点方向に関する特徴量であって前記基準点に対する前記特徴点方向の向きから算出される、複数の第２特徴量を要素とする第２特徴量ベクトルを算出する処理と、
    を指紋画像処理装置を制御するコンピュータに実行させるプログラム。