JP2017054323A - 生体認証装置、生体認証方法、及び生体認証プログラム - Google Patents

生体認証装置、生体認証方法、及び生体認証プログラム Download PDF

Info

Publication number
JP2017054323A
JP2017054323A JP2015178137A JP2015178137A JP2017054323A JP 2017054323 A JP2017054323 A JP 2017054323A JP 2015178137 A JP2015178137 A JP 2015178137A JP 2015178137 A JP2015178137 A JP 2015178137A JP 2017054323 A JP2017054323 A JP 2017054323A
Authority
JP
Japan
Prior art keywords
feature
feature points
combination
registration target
unit
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
JP2015178137A
Other languages
English (en)
Inventor
登樹 安部
Toju Abe
登樹 安部
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Fujitsu Ltd
Original Assignee
Fujitsu Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Fujitsu Ltd filed Critical Fujitsu Ltd
Priority to JP2015178137A priority Critical patent/JP2017054323A/ja
Priority to US15/248,384 priority patent/US20170076164A1/en
Priority to EP16186097.8A priority patent/EP3142044A1/en
Priority to CN201610804778.7A priority patent/CN106529389A/zh
Publication of JP2017054323A publication Critical patent/JP2017054323A/ja
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/12—Fingerprints or palmprints
    • G06V40/13—Sensors therefor
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/12—Fingerprints or palmprints
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/12—Fingerprints or palmprints
    • G06V40/1347—Preprocessing; Feature extraction
    • G06V40/1359—Extracting features related to ridge properties; Determining the fingerprint type, e.g. whorl or loop
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/12—Fingerprints or palmprints
    • G06V40/1365—Matching; Classification
    • G06V40/1371—Matching features related to minutiae or pores
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/70—Multimodal biometrics, e.g. combining information from different biometric modalities
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/14—Vascular patterns

Abstract

【課題】生体認証の認証対象である生体情報と登録生体情報との比較を短時間で行う。【解決手段】画像読取部１１１は、生体の紋様の画像を読み取る。特徴点抽出部１１２は、紋様から複数の特徴点を抽出し、特徴量算出部１１３は、特徴点の組み合わせ毎に、組み合わせの特徴量を算出する。そして、分類部１１４は、特徴量に基づいて組み合わせを分類し、選定部１１５は、分類に基づいて、組み合わせに含まれる特徴点と比較する登録特徴点情報を選定する。【選択図】図１

Description

本発明は、生体認証装置、生体認証方法、及び生体認証プログラムに関する。
近年、建物や部屋への入退場管理、国境でのボーダーコントロール、国民を一意に識別するナショナルユニークＩＤ等の大規模な認証基盤から、携帯電話機、パーソナルコンピュータ（ＰＣ）等の個人利用端末まで、幅広い分野において生体認証が利用されている。
大規模な認証基盤における生体認証システムでは、一度に多くの指紋情報を収集することが可能な広面積の指紋センサを利用することが多い。一方、携帯電話機やＰＣ等の個人利用端末では、小型で安価なスウィープ型の指紋センサが多く利用されている。
近年、生体認証技術のさらなる高精度化及び高速化と、暗号理論をベースとしたテンプレート保護技術の研究開発が盛んに行われており、これらの研究開発のベースとして、指紋画像から抽出された特徴点をベースとしたベクトル化技術が注目を浴びている。ベクトル化技術は、指紋画像からの特徴抽出を工夫することで１次元のベクトルを生成し、照合時にはベクトル間の距離（Ｌ１ノルム、Ｌ２ノルム等）をスコアとして用いる技術であり、数多く提案されている（例えば、特許文献１を参照）。
指紋画像の空間周波数成分に基づいて、指紋画像を分類する方法も知られている（例えば、特許文献２を参照）。縞模様を含む画像の周波数スペクトルから、振幅の絶対値が所定の閾値以上である周波数成分が所定の条件を満たす場合、その周波数成分に基づいて画像を再構成する照合装置も知られている（例えば、特許文献３を参照）。
指紋内の特徴点ペアの指標に基づく指紋識別方法も知られている（例えば、特許文献４を参照）。ネットワークを介した指紋のリモート認証方法も知られている（例えば、特許文献５を参照）。マニューシャの位置及び方向に基づく指紋識別方法も知られている（例えば、非特許文献１を参照）。
特開平１０−１７７６５０号公報 特表２００１−５１１５６９号公報 特開２００７−２０２９１２号公報 特表２０１０−５２６３６１号公報 特表２００４−５３６３８４号公報
R. Cappelli, M. Ferrara, and D. Maltoni, "Minutia Cylinder-Code: A New Representation and Matching Technique for Fingerprint Recognition", IEEE TRANSACTIONS ON PATTERN ANALYSIS AND MACHINE INTELLIGENCE, VOL. 32, NO. 12, p.2128-2141, 2010.
従来の特徴点をベースとしたベクトル化技術では、特徴点毎に特徴点周辺の情報をベクトル化した特徴量が算出され、登録データ又は照合データとして用いられることが多い。これにより、特徴量から元の指紋情報を復元することが困難になるため、復元困難性を担保することができる。
しかしながら、このベクトル化特徴量は特徴点周辺の局所的な情報しか保持していないため、照合時に照合データと登録データとの間で大局的な位置合わせを行うことは困難である。その結果、照合データに含まれる各特徴点と、登録データに含まれる各特徴点との対応付けを行うために、登録されているすべての特徴点が探索され、照合時間が長くなる。
なお、かかる問題は、指紋情報に基づく生体認証に限らず、指の静脈画像等の他の生体情報に基づく生体認証においても生ずるものである。
１つの側面において、本発明は、生体認証の認証対象である生体情報と登録生体情報との比較を短時間で行うことを目的とする。
１つの案では、生体認証装置は、画像読取部、特徴点抽出部、特徴量算出部、分類部、及び選定部を含む。
画像読取部は、生体の紋様の画像を読み取り、特徴点抽出部は、紋様から複数の特徴点を抽出し、特徴量算出部は、特徴点の組み合わせ毎に、組み合わせの特徴量を算出する。分類部は、特徴量に基づいて組み合わせを分類し、選定部は、分類に基づいて、組み合わせに含まれる特徴点と比較する登録特徴点情報を選定する。
実施形態によれば、生体認証の認証対象である生体情報と登録生体情報との比較を短時間で行うことができる。
生体認証装置の機能的構成図である。 生体認証処理のフローチャートである。 生体認証装置の具体例を示す機能的構成図である。 ユーザテーブルを示す図である。 特徴量テーブルを示す図である。 種別テーブルを示す図である。 生体情報登録処理のフローチャートである。 分類処理のフローチャートである。 １対１生体認証処理のフローチャートである。 照合処理のフローチャートである。 １対Ｎ生体認証処理のフローチャートである。 テンプレートを用いた生体認証装置の機能的構成図である。 テンプレートを用いた生体情報登録処理のフローチャートである。 特徴点間を結ぶ線分と隆線方向との間の角度を示す図である。 アッパーコアを示す図である。 特徴点間を結ぶ線分とアッパーコアとの距離を示す図である。 情報処理装置の構成図である。
以下、図面を参照しながら、実施形態を詳細に説明する。
図１は、生体認証装置の機能的構成例を示している。図１の生体認証装置１０１は、画像読取部１１１、特徴点抽出部１１２、特徴量算出部１１３、分類部１１４、及び選定部１１５を含む。
図２は、図１の生体認証装置１０１が行う生体認証処理の例を示すフローチャートである。まず、画像読取部１１１は、生体の紋様の画像を読み取る（ステップ２０１）。次に、特徴点抽出部１１２は、紋様から複数の特徴点を抽出し（ステップ２０２）、特徴量算出部１１３は、特徴点の組み合わせ毎に、組み合わせの特徴量を算出する（ステップ２０３）。そして、分類部１１４は、特徴量に基づいて組み合わせを分類し（ステップ２０４）、選定部１１５は、分類に基づいて、組み合わせに含まれる特徴点と比較する登録特徴点情報を選定する（ステップ２０５）。
このような生体認証装置１０１によれば、生体認証の認証対象である生体情報と登録生体情報との比較を短時間で行うことができる。
図３は、図１の生体認証装置１０１の具体例を示している。図３の生体認証装置１０１は、画像読取部１１１、特徴点抽出部１１２、特徴量算出部１１３、分類部１１４、選定部１１５、記憶部３０１、照合部３０２、及び登録部３０３を含む。
記憶部３０１は、ユーザテーブル３２１、特徴量テーブル３２２、及び種別テーブル３２３を含む、生体情報データベース３１１を記憶する。ユーザテーブル３２１には、ユーザの情報が登録され、特徴量テーブル３２２には、登録されたユーザのベクトル化特徴量が登録され、種別テーブル３２３には、生体情報の種別を示す情報が登録される。
図４は、ユーザテーブル３２１の例を示している。図４のユーザテーブル３２１の各エントリは、ユーザＩＤ、ユーザ名、種別ＩＤ、及び特徴量ＩＤを含む。ユーザＩＤは、ユーザの識別情報であり、ユーザ名は、ユーザの名前を表す。種別ＩＤは、生体情報の種別の識別情報であり、特徴量ＩＤは、特徴量テーブル３２２を参照するための識別情報である。このうち、ユーザＩＤ及び種別ＩＤは主キーとして用いられ、特徴量ＩＤは、外部参照キーとして用いられる。
図５は、特徴量テーブル３２２の例を示している。図５の特徴量テーブル３２２の各エントリは、特徴量ＩＤ、グループＩＤ、データＩＤ、及びベクトル化特徴量を含む。グループＩＤは、２つの特徴点の組み合わせを表すリレーションが分類されるグループの識別情報であり、データＩＤは、１つのグループに属する複数のリレーションを識別するための識別情報である。
ベクトル化特徴量は、登録特徴点情報に対応し、リレーションに含まれる２つの特徴点の局所特徴量を表す。ベクトル化特徴量は、例えば、実数を要素とする多次元ベクトルであってもよい。特徴量ＩＤ、グループＩＤ、及びデータＩＤは主キーとして用いられる。
図６は、種別テーブル３２３の例を示している。図６の種別テーブル３２３の各エントリは、種別ＩＤ及び生体情報種別を含む。生体情報種別は、生体情報の種別を表す。生体情報として指紋画像を用いた場合、手及び指の種別が生体情報種別として用いられる。例えば、種別“０１”の“Ｒｉｇｈｔ Ｔｈｕｍｂ”は、右手の親指を表し、種別“０７”の“Ｌｅｆｔ Ｉｎｄｅｘ”は、左手の人さし指を表す。種別ＩＤは、主キーとして用いられる。
生体情報登録処理において、画像読取部１１１は、登録対象生体の紋様の画像を読み取り、特徴点抽出部１１２は、登録対象生体の紋様から複数の登録対象特徴点を抽出する。特徴量算出部１１３は、２つの登録対象特徴点の組み合わせを表すリレーション毎に、リレーション特徴量を算出し、分類部１１４は、リレーション特徴量に基づいて、各リレーションを分類する。そして、登録部３０３は、リレーションの分類に基づいて、各リレーションのベクトル化特徴量を生体情報データベース３１１に登録する。
生体認証処理において、画像読取部１１１は、認証対象生体の紋様の画像を読み取り、特徴点抽出部１１２は、認証対象生体の紋様から複数の認証対象特徴点を抽出する。特徴量算出部１１３は、２つの認証対象特徴点の組み合わせを表すリレーション毎に、リレーション特徴量を算出し、分類部１１４は、リレーション特徴量に基づいて、各リレーションを分類する。
選定部１１５は、リレーションの分類に基づいて、生体情報データベース３１１から、各リレーションと比較するベクトル化特徴量を選定する。そして、照合部３０２は、認証対象のリレーションのベクトル化特徴量と、選定されたベクトル化特徴量とを比較し、比較結果に基づいて認証対象生体の認証を行う。
例えば、生体情報として指紋画像を用いた場合、画像読取部１１１は、静電容量式、感熱式、電界式、光学式、超音波式等の非接触指紋センサにより実現され、登録対象者又は認証対象者であるユーザの指から指紋画像を取得する。この場合、特徴点抽出部１１２は、指紋画像内で隆線が途切れている端点又は隆線が分岐している分岐点を、特徴点として抽出してもよい。このような端点又は分岐点は、マニューシャと呼ばれている。以下では、主として、指紋画像を用いた生体情報登録処理及び生体認証処理について説明する。
図７は、図３の生体認証装置１０１が行う生体情報登録処理の例を示すフローチャートである。まず、登録部３０３は、登録対象者のユーザＩＤ及びユーザ名の入力を受け付け（ステップ７０１）、画像読取部１１１は、登録対象者の指紋画像を読み取って記憶部３０１に格納する（ステップ７０２）。このとき、登録部３０３は、指紋の生体情報種別の入力も受け付ける。
次に、特徴点抽出部１１２は、指紋画像の紋様から複数の登録対象特徴点を抽出して、それらの登録対象特徴点の情報を記憶部３０１に格納する（ステップ７０３）。特徴量算出部１１３及び分類部１１４は、分類処理を行って、登録対象特徴点から生成した各リレーションを分類する（ステップ７０４）。この分類処理により、各リレーションに対してグループＩＤ及びデータＩＤが付与される。
次に、登録部３０３は、各リレーションのベクトル化特徴量を算出し（ステップ７０５）、入力されたユーザＩＤ及びユーザ名とともにベクトル化特徴量を生体情報データベース３１１に登録する（ステップ７０６）。
このとき、登録部３０３は、ユーザＩＤ及びユーザ名をユーザテーブル３２１に登録するとともに、種別テーブル３２３を参照して、指紋の生体情報種別に対応する種別ＩＤをユーザテーブル３２１に登録する。そして、登録部３０３は、ユーザＩＤ、ユーザ名、及び種別ＩＤに対応付けて、特徴量ＩＤをユーザテーブル３２１に登録する。
次に、登録部３０３は、ユーザテーブル３２１に登録した特徴量ＩＤに対応付けて、リレーション毎にグループＩＤ、データＩＤ、及びベクトル化特徴量を特徴量テーブル３２２に登録する。
図５の特徴量テーブル３２２では、特徴量ＩＤ“１２３”に対応付けて、４個のリレーションのグループＩＤ、データＩＤ、及びベクトル化特徴量が登録されている。これらの４個のリレーションのベクトル化特徴量は、特徴量ＩＤ“１２３”の指紋画像に対応する登録生体情報を表す。グループＩＤ“０”のグループには、データＩＤ“００”及びデータＩＤ“０１”の２個のリレーションが含まれ、グループＩＤ“１”及びグループＩＤ“２”のグループには、データＩＤ“００”の１個のリレーションが含まれる。１つの特徴量ＩＤにより多くのリレーションを対応付けて登録してもよい。
図８は、図７のステップ７０４における分類処理の例を示すフローチャートである。まず、分類部１１４は、指紋画像の紋様から抽出された登録対象特徴点からリレーション群を生成して、各リレーションの情報を記憶部３０１に格納する（ステップ８０１）。分類部１１４は、例えば、複数の登録対象特徴点に含まれる２つの特徴点のすべての組み合わせのうち、特徴点間の距離が所定値以下である組み合わせを、リレーションとして抽出することができる。したがって、１つの特徴点が複数のリレーションに重複して含まれることもある。
次に、特徴量算出部１１３は、リレーション群から１つのリレーションを選択して（ステップ８０２）、選択したリレーションのリレーション特徴量Ｇを算出する（ステップ８０３）。リレーション特徴量Ｇとしては、例えば、リレーションに含まれる２つの特徴点の間の距離Ｄと、それらの特徴点の間に含まれる隆線の本数Ｌ（リッジカウント）との関数を用いることができる。この場合、特徴量算出部１１３は、次式の関数により、リレーション特徴量Ｇを算出してもよい。
Ｇ＝Ｄ／（Ｌ＋１） （１）
Ｄ＝｛（ｘ２−ｘ１）２＋（ｙ２−ｙ１）２｝１／２ （２）
式（１）のリレーション特徴量Ｇは、距離ＤとＬ＋１との比を表す。式（２）の（ｘ１，ｙ１）は、リレーションに含まれる一方の特徴点の座標を表し、（ｘ２，ｙ２）は、他方の特徴点の座標を表す。
次に、分類部１１４は、リレーション特徴量Ｇに基づいて、リレーションのグループＩＤ及びデータＩＤを決定する（ステップ８０４）。例えば、分類部１１４は、リレーション特徴量Ｇの閾値Ｔ１〜閾値ＴＫ（Ｋは２以上の整数）を用いて、下記のようにグループＩＤを決定してもよい。
０≦Ｇ＜Ｔ１ グループＩＤ＝０
Ｔ１≦Ｇ＜Ｔ２ グループＩＤ＝１
Ｔ２≦Ｇ＜Ｔ３ グループＩＤ＝２
・・・
Ｔ（Ｋ−１）≦Ｇ＜ＴＫ グループＩＤ＝Ｋ−１
この場合、リレーションは、Ｋ個のグループのうちいずれか１つのグループに分類される。閾値Ｔ１〜閾値ＴＫは、各グループに属するリレーションの個数が均一になるように、シミュレーション等によって決定することができる。閾値Ｔｋと閾値Ｔ（ｋ＋１）との間隔（ｋ＝１〜Ｋ−１）は、例えば、等間隔であってもよい。このとき、分類部１１４は、決定したグループＩＤが示すグループに対して、“００”から始まる昇順の番号を選択し、選択した番号をデータＩＤとして用いることができる。
次に、特徴量算出部１１３は、リレーション群のすべてのリレーションを選択したか否かをチェックする（ステップ８０５）。未選択のリレーションが残っている場合（ステップ８０５，ＮＯ）、特徴量算出部１１３は、次のリレーションについてステップ８０２以降の処理を繰り返す。そして、すべてのリレーションを選択した場合（ステップ８０５，ＹＥＳ）、特徴量算出部１１３は、処理を終了する。
ステップ８０３において、特徴量算出部１１３は、式（１）以外の別の関数を用いてリレーション特徴量Ｇを算出してもよい。例えば、式（１）の右辺に所定の係数を乗算した値をリレーション特徴量Ｇとして用いてもよく、式（１）の右辺の逆数（Ｌ＋１）／Ｄをリレーション特徴量Ｇとして用いてもよい。距離Ｄ又はリッジカウントＬのいずれか一方のみの関数を用いて、リレーション特徴量Ｇを算出してもよい。
図７の生体情報登録処理によれば、指紋画像の紋様から抽出されたリレーション群を複数のグループに分類して、ベクトル化特徴量をグループ毎に生体情報データベース３１１に登録することができる。これにより、生体認証処理を行う際に、所望のグループのベクトル化特徴量のみを選択して、認証対象のベクトル化特徴量と比較することが可能になる。
生体認証方法としては、１対１認証と呼ばれる方法と、１対Ｎ認証と呼ばれる方法とが知られている。１対１認証とは、認証対象者が入力装置を操作してユーザＩＤを入力する等の方法により、比較対象の登録生体情報を単一のユーザの生体情報に限定して、生体認証処理を行う方法である。一方、１対Ｎ認証とは、比較対象の登録生体情報を限定せずに、Ｎ個の登録生体情報を比較対象として生体認証処理を行う方法である。
図９は、図３の生体認証装置１０１が行う１対１生体認証処理の例を示すフローチャートである。まず、照合部３０２は、認証対象者のユーザＩＤの入力を受け付け（ステップ９０１）、画像読取部１１１は、認証対象者の指紋画像を読み取って記憶部３０１に格納する（ステップ９０２）。このとき、照合部３０２は、指紋の生体情報種別の入力も受け付ける。
次に、特徴点抽出部１１２は、指紋画像の紋様から複数の認証対象特徴点を抽出して、それらの認証対象特徴点の情報を記憶部３０１に格納する（ステップ８０３）。特徴量算出部１１３及び分類部１１４は、図８と同様の分類処理を行って、認証対象特徴点から生成した各リレーションを分類する（ステップ９０４）。この分類処理により、各リレーションに対してグループＩＤが付与される。
次に、照合部３０２は、各リレーションのベクトル化特徴量を算出し（ステップ９０５）、照合処理を行って、リレーション群のスコアの統計値を算出する（ステップ９０６）。そして、照合部３０２は、スコアの統計値に基づいて、認証対象者を認証するか否かを決定する（ステップ９０７）。例えば、ベクトル間の距離に基づくスコアを用いた場合、照合部３０２は、スコアの統計値が認証閾値よりも小さい場合、認証対象者を認証すると決定し、スコアの統計値が認証閾値以上である場合、認証対象者を認証しないと決定することができる。
図１０は、図９のステップ９０６における照合処理の例を示すフローチャートである。まず、照合部３０２は、リレーション群から１つのリレーションを選択して（ステップ１００１）、選択したリレーションのグループＩＤが生体情報データベース３１１に登録されているか否かをチェックする（ステップ１００２）。
このとき、照合部３０２は、種別テーブル３２３を参照して、入力された生体情報種別に対応する種別ＩＤを求め、ユーザテーブル３２１を参照して、入力されたユーザＩＤと種別ＩＤとに対応する特徴量ＩＤを求める。そして、照合部３０２は、特徴量テーブル３２２を参照して、特徴量ＩＤに対応するグループＩＤの中に、選択したリレーションのグループＩＤと一致するグループＩＤが存在するか否かをチェックする。
一致するグループＩＤが存在する場合（ステップ１００２，ＹＥＳ）、照合部３０２は、選択したリレーションのベクトル化特徴量に対するスコアを算出する（ステップ１００３）。
このとき、照合部３０２は、選択したリレーションのベクトル化特徴量を、特徴量テーブル３２２内で同じグループＩＤに対応する１つ又は複数のベクトル化特徴量と比較し、選択したリレーションのスコアを算出する。このスコアは、ベクトル間の距離を表し、距離が大きいほど大きな値になる。同じグループＩＤに対応するベクトル化特徴量が複数個存在する場合、照合部３０２は、それらのベクトル化特徴量に対するスコアの最小値を、選択したリレーションのスコアとして採用することができる。
次に、照合部３０２は、リレーション群のすべてのリレーションを選択したか否かをチェックする（ステップ１００４）。未選択のリレーションが残っている場合（ステップ１００４，ＮＯ）、照合部３０２は、次のリレーションについてステップ１００１以降の処理を繰り返す。選択したリレーションのグループＩＤと一致するグループＩＤが存在しない場合（ステップ１００２，ＮＯ）、照合部３０２は、ステップ１００４以降の処理を行う。
そして、すべてのリレーションを選択した場合（ステップ１００４，ＹＥＳ）、照合部３０２は、算出した複数のリレーションのスコアの統計値を算出する（ステップ１００５）。スコアの統計値としては、総和、平均値、中央値、最大値、最小値等を用いることができる。
ステップ１００２において一致するグループＩＤが存在しない場合は、認証対象者の指紋画像に含まれるリレーションが、登録されているリレーションと類似していない可能性が高い。この場合、スコアの統計値を大きく設定して、認証対象者が認証される確率を下げることが望ましい。そこで、照合部３０２は、一致するグループＩＤが存在しないリレーションのスコアとして、例えば、ステップ１００３で算出されたいずれのスコアよりも大きな値を設定して、スコアの統計値を算出する。
図９の生体認証処理によれば、認証対象の生体情報に含まれる各リレーションのグループＩＤを用いて、比較対象の登録生体情報に含まれるベクトル化特徴量を絞り込むことができる。これにより、比較対象のベクトル化特徴量の個数が削減されるため、照合処理を高速に行うことができる。
図１１は、図３の生体認証装置１０１が行う１対Ｎ生体認証処理の例を示すフローチャートである。図１１のステップ１１０１〜ステップ１１０４の処理は、図９のステップ９０２〜ステップ９０５の処理と同様である。
次に、照合部３０２は、生体情報データベース３１１から１つの比較対象の登録生体情報を選択し（ステップ１１０５）、選択した登録生体情報を用いて、図１０と同様の照合処理を行う（ステップ１１０６）。このとき、照合部３０２は、ユーザテーブル３２１から１つの特徴量ＩＤを選択して特徴量テーブル３２２を参照し、選択した特徴量ＩＤに対応するベクトル化特徴量を、比較対象の登録生体情報として選択する。
次に、照合部３０２は、すべての比較対象を選択したか否かをチェックする（ステップ１１０７）。未選択の比較対象が残っている場合（ステップ１１０７，ＮＯ）、照合部３０２は、次の比較対象についてステップ１１０５以降の処理を繰り返す。
そして、すべての比較対象を選択した場合（ステップ１１０７，ＹＥＳ）、照合部３０２は、それらの比較対象に対するスコアの統計値に基づいて、認証対象者を認証するか否かを決定する（ステップ１１０８）。例えば、照合部３０２は、すべての比較対象に対する統計値のうち１つの統計値が認証閾値よりも小さい場合、認証対象者を認証すると決定し、いずれの統計値も認証閾値以上である場合、認証対象者を認証しないと決定することができる。
図１１の生体認証処理によれば、図９の生体認証処理と同様に、照合処理を高速に行うことができる。
ところで、指紋情報の国際標準フォーマットとして、International Organization for Standardization/International ElectrotechnicalCommission 19794-2（ＩＳＯ／ＩＥＣ １９７９４−２）が知られている。さらに、別の指紋情報の国際標準フォーマットとして、American National Standards Institute International Committee for Information Technology Standards 381（ＡＮＳＩ ＩＮＣＩＴＳ ３８１）等も知られている。
これらの国際標準フォーマットに従って生成される生体情報データベースには、ユーザの指紋画像から抽出された特徴点、特異点等の生体情報が登録されている。このような既存の登録生体情報をテンプレートとして利用することで、指紋画像を直接入力しなくても、既知の指紋認証アルゴリズムにより予め抽出された特徴点に基づいて、生体情報登録処理を行うことができる。これにより、各ユーザの指紋画像を再度読み取る作業を行うことなく、リレーションのベクトル化特徴量を生体情報データベース３１１に登録することが可能になる。
図１２は、テンプレートを用いた生体認証装置１０１の具体例を示している。図１２の生体認証装置１０１は、図３の生体認証装置１０１に入力部１２０１を追加した構成を有する。
生体情報登録処理において、入力部１２０１は、予め生成されたテンプレートを外部の装置から受信する。特徴量算出部１１３は、テンプレートに記録された特徴点に基づいて、リレーション毎にリレーション特徴量を算出し、分類部１１４は、リレーション特徴量に基づいて、各リレーションを分類する。そして、登録部３０３は、リレーションの分類に基づいて、各リレーションのベクトル化特徴量を生体情報データベース３１１に登録する。
図１３は、図１２の生体認証装置１０１が行う生体情報登録処理の例を示すフローチャートである。まず、入力部１２０１は、外部の装置からテンプレートを受信して、受信したテンプレートを記憶部３０１に格納する（ステップ１３０１）。次に、特徴量算出部１１３及び分類部１１４は、分類処理を行って、テンプレートに記録された特徴点から生成した各リレーションを分類する（ステップ１３０２）。この分類処理により、各リレーションに対してグループＩＤ及びデータＩＤが付与される。
次に、登録部３０３は、各リレーションのベクトル化特徴量を算出し（ステップ１３０３）、テンプレートに記録されたユーザＩＤ及びユーザ名とともに、ベクトル化特徴量を生体情報データベース３１１に登録する（ステップ１３０４）。
ステップ１３０２の分類処理は、図８の分類処理と同様である。ただし、式（１）のリッジカウントＬは、国際標準フォーマットではオプショナルな項目となっており、必ずしもテンプレートに含まれているとは限らない。
そこで、リッジカウントＬがテンプレートに含まれていない場合、特徴量算出部１１３は、リレーションに関する角度情報と特異点情報とに基づいてリッジカウントＬを推定する。角度情報は、リレーションに含まれる２つの特徴点を結ぶ線分と、各特徴点における隆線方向との間の角度を表し、特異点情報は、リレーションに含まれる２つの特徴点を結ぶ線分と、テンプレートに記録された特異点との距離を表す。特異点としては、例えば、指紋画像内のアッパーコアを用いることができる。
図１４は、特徴点間を結ぶ線分と隆線方向との間の角度の例を示している。角度θ１は、水平方向の基準線１４１１に対する、リレーションに含まれる一方の特徴点ｍ１における隆線方向１４０１の角度を表す。角度θ２は、水平方向の基準線１４１２に対する、リレーションに含まれる他方の特徴点ｍ２における隆線方向１４０２の角度を表す。
角度θ１２は、特徴点ｍ１から特徴点ｍ２に向けたベクトルの角度であり、基準線１４１１に対する、特徴点ｍ１と特徴点ｍ２とを結ぶ線分１４１３の角度を表す。角度θ２１は、特徴点ｍ２から特徴点ｍ１に向けたベクトルの角度であり、基準線１４１２に対する線分１４１３の角度を表す。
この場合、θ１−θ１２は、線分１４１３と特徴点ｍ１における隆線方向１４０１との間の角度を表し、θ２−θ２１は、線分１４１３と特徴点ｍ２における隆線方向１４０１との間の角度を表す。
図１５は、指紋画像内のアッパーコアの例を示している。アッパーコア１５０１は、指紋画像において隆線が上に凸になっている領域内で、隆線方向の変化が最も大きい点を表す。
図１６は、特徴点間を結ぶ線分とアッパーコアとの距離の例を示している。距離ｔ１２は、特徴点ｍ１と特徴点ｍ２とを結ぶ線分１６０１と、アッパーコア１５０１との距離を表し、アッパーコア１５０１から線分１６０１におろした垂線の長さに対応する。距離ｔ３４は、特徴点ｍ３と特徴点ｍ４とを結ぶ線分１６０２と、アッパーコア１５０１との距離を表し、アッパーコア１５０１から線分１６０２におろした垂線の長さに対応する。
特徴量算出部１１３は、このような角度情報と特異点情報とを用いて、特徴点ｍ１及び特徴点ｍ２からなるリレーションのリッジカウントＬを、次式の関数により、推定することができる。
Ｌ＝α・ｓｉｎ（θ１−θ１２）・ｓｉｎ（θ２−θ２１）
＋β／（ｔ１２＋１） （３）
式（３）のα及びβは、重み係数であり、シミュレーション等によって決定することができる。特徴点ｍ３及び特徴点ｍ４からなるリレーションのリッジカウントＬについても、同様の式により推定できる。式（３）は、指紋に関する以下の２つの特性に基づいて構成されている。
特性１：特徴点間を結ぶ線分と隆線方向との間の角度がπ／２に近いほど、リッジカウントＬは大きくなる。
特徴点における隆線方向は、その特徴点の周囲における隆線の方向から算出される。このため、特徴点間を結ぶ線分の方向が、特徴点における隆線方向と直交する場合、特徴点間を通過する隆線の本数が多くなる。一方、特徴点間を結ぶ線分の方向が、特徴点における隆線方向と平行に近くなると、特徴点間を通過する隆線の本数は減少する。
特性２：特徴点間を結ぶ線分が特異点に近いほど、リッジカウントＬは大きくなる。
指紋画像内では、アッパーコアのような特異点に近い領域ほど、隆線方向の変化が大きいため、折り返してくる隆線の本数が多くなる。
アッパーコアの代わりにロウアーコアを用いて、式（３）のｔ１２を求めてもよい。ロウアーコアは、指紋画像において隆線が下に凸になっている領域内で、隆線方向の変化が最も大きい点を表す。特異点情報を用いる必要がない場合は、式（３）の代わりに次式を用いてもよい。
Ｌ＝α・ｓｉｎ（θ１−θ１２）・ｓｉｎ（θ２−θ２１） （４）
このようなリッジカウントＬの推定処理を行うことで、リッジカウントＬがテンプレートに含まれていない場合であっても、式（１）に基づいてリレーション特徴量Ｇを算出することが可能になる。
特徴量算出部１１３は、式（３）及び式（４）以外の別の関数を用いてリッジカウントＬを推定してもよい。この場合、少なくとも特性１又は特性２のいずれか一方を表現する関数を用いることが望ましい。
図１、図３、及び図１２の生体認証装置１０１の構成は一例に過ぎず、生体認証装置１０１の用途や条件に応じて一部の構成要素を省略又は変更してもよい。例えば、図３の生体認証装置１０１が生体情報登録処理を行わない場合は、登録部３０３を省略することができる。生体認証に用いる生体情報の種別が予め決められている場合は、図３及び図１２の種別テーブル３２３を省略することができる。
図２、図７〜図１１、及び図１３のフローチャートは一例に過ぎず、生体認証装置１０１の構成や条件に応じて一部の処理を省略又は変更してもよい。例えば、図８のステップ８０１において、分類部１１４は、２つの特徴点のすべての組み合わせをリレーションとして抽出してもよい。図１０のステップ１００３において、照合部３０２は、ベクトル間の距離を表すスコアの代わりに、ベクトル間の類似度を表すスコアを算出してもよい。また、図１３のステップ１３０１において、入力部１２０１は、ＩＳＯ／ＩＥＣ １９７９４−２又はＡＮＳＩ ＩＮＣＩＴＳ ３８１以外の別のフォーマットに従って生成されるテンプレートを入力してもよい。
図７のステップ７０４、図９のステップ９０４、又は図１１のステップ１１０３において、特徴量算出部１１３は、図１３のステップ１３０２と同様に、リッジカウントＬの推定処理を行ってもよい。この場合、特徴量算出部１１３は、推定したリッジカウントＬを用いてリレーション特徴量Ｇを算出する。
生体認証処理及び生体情報登録処理において、指紋画像の代わりに、掌紋画像、手又は他の身体部分の静脈画像、鼻紋画像等の他の生体情報を用いてもよい。鼻紋画像は、認証対象が牛等の動物である場合に有効である。
図４〜図６のテーブルは一例に過ぎず、生体認証装置１０１の構成や条件に応じてテーブルの情報を省略又は変更してもよい。例えば、図４のユーザテーブル３２１において、ユーザ名を登録する必要がない場合は、ユーザ名を省略することができ、生体認証に用いる生体情報の種別が予め決められている場合は、種別ＩＤを省略することができる。
図５の特徴量テーブル３２２において、ベクトル化特徴量の代わりに、生体の紋様の特徴を表す別の特徴量を登録してもよい。掌紋画像、静脈画像、及び鼻紋画像等の他の生体情報を用いる場合は、図６の種別テーブル３２３において、生体情報種別の個数と内容が変更される。
図１４及び図１６の特徴点と図１５及び図１６のアッパーコアは一例に過ぎず、別の特徴点又は特異点を用いてもよい。
図１、図３、及び図１２の生体認証装置１０１は、例えば、図１７に示すような情報処理装置（コンピュータ）を用いて実現可能である。
図１７の情報処理装置は、Central Processing Unit（ＣＰＵ）１７０１、メモリ１７０２、入力装置１７０３、出力装置１７０４、補助記憶装置１７０５、媒体駆動装置１７０６、及びネットワーク接続装置１７０７を備える。これらの構成要素はバス１７０８により互いに接続されている。図１、図３、及び図１２の画像読取部１１１は、バス１７０８に接続されていてもよい。
メモリ１７０２は、例えば、Read Only Memory（ＲＯＭ）、Random Access Memory（ＲＡＭ）、フラッシュメモリ等の半導体メモリであり、生体情報登録処理又は生体認証処理に用いられるプログラム及びデータを格納する。メモリ１７０２は、図３及び図１２の記憶部３０１として用いることができる。
ＣＰＵ１７０１（プロセッサ）は、例えば、メモリ１７０２を利用してプログラムを実行することにより、図１、図３、及び図１２の特徴点抽出部１１２、特徴量算出部１１３、分類部１１４、及び選定部１１５として動作する。ＣＰＵ１７０１は、図３及び図１２の照合部３０２及び登録部３０３としても動作する。
この場合、図２のステップ２０１において、ＣＰＵ１７０１は、プログラムを実行することにより、画像読取部１１１に生体の紋様の画像を読み取らせる。また、図７のステップ７０２、図９のステップ９０２、及び図１１のステップ１１０１において、ＣＰＵ１７０１は、プログラムを実行することにより、画像読取部１１１に指紋画像を読み取らせる。
入力装置１７０３は、例えば、キーボード、ポインティングデバイス等であり、オペレータ又はユーザからの指示又は情報の入力に用いられる。出力装置１７０４は、例えば、表示装置、プリンタ、スピーカ等であり、オペレータ又はユーザへの問い合わせ又は処理結果の出力に用いられる。生体認証処理における処理結果は、認証対象の認証結果であってもよい。
補助記憶装置１７０５は、例えば、磁気ディスク装置、光ディスク装置、光磁気ディスク装置、テープ装置等である。補助記憶装置１７０５は、ハードディスクドライブであってもよい。情報処理装置は、補助記憶装置１７０５にプログラム及びデータを格納しておき、それらをメモリ１７０２にロードして使用することができる。補助記憶装置１７０５は、図３及び図１２の記憶部３０１として用いることができる。
媒体駆動装置１７０６は、可搬型記録媒体１７０９を駆動し、その記録内容にアクセスする。可搬型記録媒体１７０９は、メモリデバイス、フレキシブルディスク、光ディスク、光磁気ディスク等である。可搬型記録媒体１７０９は、Compact Disk Read Only Memory（ＣＤ−ＲＯＭ）、Digital Versatile Disk（ＤＶＤ）、Universal Serial Bus（ＵＳＢ）メモリ等であってもよい。オペレータは、この可搬型記録媒体１７０９にプログラム及びデータを格納しておき、それらをメモリ１７０２にロードして使用することができる。
このように、生体情報登録処理又は生体認証処理に用いられるプログラム及びデータを格納するコンピュータ読み取り可能な記録媒体は、メモリ１７０２、補助記憶装置１７０５、又は可搬型記録媒体１７０９のような、物理的な（非一時的な）記録媒体である。
ネットワーク接続装置１７０７は、Local Area Network、Wide Area Network等の通信ネットワークに接続され、通信に伴うデータ変換を行う通信インタフェースである。ネットワーク接続装置１７０７は、図１２の入力部１２０１として用いることができる。情報処理装置は、プログラム及びデータを外部の装置からネットワーク接続装置１７０７を介して受け取り、それらをメモリ１７０２にロードして使用することもできる。
情報処理装置は、ネットワーク接続装置１７０７を介して、ユーザ端末から処理要求を受信し、生体情報登録処理又は生体認証処理を行って、処理結果をユーザ端末へ送信することもできる。
なお、情報処理装置が図１７のすべての構成要素を含む必要はなく、用途や条件に応じて一部の構成要素を省略することも可能である。例えば、オペレータ又はユーザからの指示又は情報を入力する必要がない場合は、入力装置１７０３を省略してもよい。オペレータ又はユーザへの問い合わせ又は処理結果を出力する必要がない場合は、出力装置１７０４を省略してもよい。
他の装置との通信を行う必要がない場合は、ネットワーク接続装置１７０７を省略してもよく、可搬型記録媒体１７０９を利用しない場合は、媒体駆動装置１７０６を省略してもよい。
開示の実施形態とその利点について詳しく説明したが、当業者は、特許請求の範囲に明確に記載した本発明の範囲から逸脱することなく、様々な変更、追加、省略をすることができるであろう。
図１乃至図１７を参照しながら説明した実施形態に関し、さらに以下の付記を開示する。
（付記１）
生体の紋様の画像を読み取る画像読取部と、
前記紋様から複数の特徴点を抽出する特徴点抽出部と、
特徴点の組み合わせ毎に、前記組み合わせの特徴量を算出する特徴量算出部と、
前記特徴量に基づいて前記組み合わせを分類する分類部と、
前記分類に基づいて、前記組み合わせに含まれる特徴点と比較する登録特徴点情報を選定する選定部と、
を有することを特徴とする生体認証装置。
（付記２）
前記特徴量算出部は、前記特徴点間の距離及び前記特徴点間に含まれる隆線の本数に基づいて前記特徴量を算出することを特徴とする付記１記載の生体認証装置。
（付記３）
前記特徴量算出部は、前記特徴点間を結ぶ線分と各特徴点における隆線方向との間の角度に基づいて、前記特徴点間に含まれる前記隆線の前記本数を推定することを特徴とする付記２記載の生体認証装置。
（付記４）
前記特徴量算出部は、前記特徴点間を結ぶ線分と各特徴点における隆線方向との間の角度と、前記紋様に含まれる特異点と前記線分との距離とに基づいて、前記特徴点間に含まれる前記隆線の前記本数を推定することを特徴とする付記２記載の生体認証装置。
（付記５）
前記登録特徴点情報をデータベースに登録する登録部をさらに有し、
前記画像読取部は、登録対象生体の紋様の画像を読み取り、前記特徴点抽出部は、前記登録対象生体の前記紋様から複数の登録対象特徴点を抽出し、前記特徴量算出部は、前記登録対象特徴点の組み合わせ毎に、前記登録対象特徴点の前記組み合わせの特徴量を算出し、前記分類部は、前記登録対象特徴点の前記組み合わせの前記特徴量に基づいて、前記登録対象特徴点の前記組み合わせを分類し、前記登録部は、前記登録対象特徴点の前記組み合わせの分類に基づいて、前記登録対象特徴点の前記組み合わせに含まれる登録対象特徴点の情報を前記登録特徴点情報として前記データベースに登録することを特徴とする付記１乃至４のいずれか１項に記載の生体認証装置。
（付記６）
登録対象特徴点の情報を入力する入力部と、
前記登録特徴点情報をデータベースに登録する登録部と、
をさらに有し、
前記特徴量算出部は、前記登録対象特徴点の組み合わせ毎に、前記登録対象特徴点の前記組み合わせの特徴量を算出し、前記分類部は、前記登録対象特徴点の前記組み合わせの前記特徴量に基づいて、前記登録対象特徴点の前記組み合わせを分類し、前記登録部は、前記登録対象特徴点の前記組み合わせの分類に基づいて、前記登録対象特徴点の前記組み合わせに含まれる登録対象特徴点の情報を前記登録特徴点情報として前記データベースに登録することを特徴とする付記１乃至４のいずれか１項に記載の生体認証装置。
（付記７）
前記特徴量算出部は、前記登録対象特徴点間の距離及び前記登録対象特徴点間に含まれる隆線の本数に基づいて、前記登録対象特徴点の前記組み合わせの前記特徴量を算出することを特徴とする付記５又は６記載の生体認証装置。
（付記８）
前記特徴量算出部は、前記登録対象特徴点間を結ぶ線分と各登録対象特徴点における隆線方向との間の角度に基づいて、前記登録対象特徴点間に含まれる前記隆線の前記本数を推定することを特徴とする付記７記載の生体認証装置。
（付記９）
前記特徴量算出部は、前記登録対象特徴点間を結ぶ線分と各登録対象特徴点における隆線方向との間の角度と、前記紋様に含まれる特異点と前記線分との距離とに基づいて、前記登録対象特徴点間に含まれる前記隆線の前記本数を推定することを特徴とする付記７記載の生体認証装置。
（付記１０）
コンピュータが、
画像読取部に生体の紋様の画像を読み取らせ、
前記紋様から複数の特徴点を抽出し、
特徴点の組み合わせ毎に、前記組み合わせの特徴量を算出し、
前記特徴量に基づいて前記組み合わせを分類し、
前記分類に基づいて、前記組み合わせに含まれる特徴点と比較する登録特徴点情報を選定する、
ことを特徴とする生体認証方法。
（付記１１）
前記コンピュータは、前記特徴点間の距離及び前記特徴点間に含まれる隆線の本数に基づいて前記特徴量を算出することを特徴とする付記１０記載の生体認証方法。
（付記１２）
前記コンピュータは、前記特徴点間を結ぶ線分と各特徴点における隆線方向との間の角度に基づいて、前記特徴点間に含まれる前記隆線の前記本数を推定することを特徴とする付記１１記載の生体認証方法。
（付記１３）
画像読取部に生体の紋様の画像を読み取らせ、
前記紋様から複数の特徴点を抽出し、
特徴点の組み合わせ毎に、前記組み合わせの特徴量を算出し、
前記特徴量に基づいて前記組み合わせを分類し、
前記分類に基づいて、前記組み合わせに含まれる特徴点と比較する登録特徴点情報を選定する、
処理をコンピュータに実行させる生体認証プログラム。
（付記１４）
前記コンピュータは、前記特徴点間の距離及び前記特徴点間に含まれる隆線の本数に基づいて前記特徴量を算出することを特徴とする付記１３記載の生体認証プログラム。
（付記１５）
前記コンピュータは、前記特徴点間を結ぶ線分と各特徴点における隆線方向との間の角度に基づいて、前記特徴点間に含まれる前記隆線の前記本数を推定することを特徴とする付記１４記載の生体認証プログラム。
１０１ 生体認証装置
１１１ 画像読取部
１１２ 特徴点抽出部
１１３ 特徴量算出部
１１４ 分類部
１１５ 選定部
３０１ 記憶部
３０２ 照合部
３０３ 登録部
３１１ 生体情報データベース
３２１ ユーザテーブル
３２２ 特徴量テーブル
３２３ 種別テーブル
１２０１ 入力部
１４０１、１４０２ 隆線方向
１４１１、１４１２ 基準線
１４１３、１６０１、１６０２ 線分
１５０１ アッパーコア
１７０１ ＣＰＵ
１７０２ メモリ
１７０３ 入力装置
１７０４ 出力装置
１７０５ 補助記憶装置
１７０６ 媒体駆動装置
１７０７ ネットワーク接続装置
１７０８ バス
１７０９ 可搬型記録媒体
次に、特徴点抽出部１１２は、指紋画像の紋様から複数の認証対象特徴点を抽出して、それらの認証対象特徴点の情報を記憶部３０１に格納する（ステップ９０３）。特徴量算出部１１３及び分類部１１４は、図８と同様の分類処理を行って、認証対象特徴点から生成した各リレーションを分類する（ステップ９０４）。この分類処理により、各リレーションに対してグループＩＤが付与される。

Claims (9)

  1. 生体の紋様の画像を読み取る画像読取部と、
    前記紋様から複数の特徴点を抽出する特徴点抽出部と、
    特徴点の組み合わせ毎に、前記組み合わせの特徴量を算出する特徴量算出部と、
    前記特徴量に基づいて前記組み合わせを分類する分類部と、
    前記分類に基づいて、前記組み合わせに含まれる特徴点と比較する登録特徴点情報を選定する選定部と、
    を有することを特徴とする生体認証装置。
  2. 前記特徴量算出部は、前記特徴点間の距離及び前記特徴点間に含まれる隆線の本数に基づいて前記特徴量を算出することを特徴とする請求項１記載の生体認証装置。
  3. 前記登録特徴点情報をデータベースに登録する登録部をさらに有し、
    前記画像読取部は、登録対象生体の紋様の画像を読み取り、前記特徴点抽出部は、前記登録対象生体の前記紋様から複数の登録対象特徴点を抽出し、前記特徴量算出部は、前記登録対象特徴点の組み合わせ毎に、前記登録対象特徴点の前記組み合わせの特徴量を算出し、前記分類部は、前記登録対象特徴点の前記組み合わせの前記特徴量に基づいて、前記登録対象特徴点の前記組み合わせを分類し、前記登録部は、前記登録対象特徴点の前記組み合わせの分類に基づいて、前記登録対象特徴点の前記組み合わせに含まれる登録対象特徴点の情報を前記登録特徴点情報として前記データベースに登録することを特徴とする請求項１又は２記載の生体認証装置。
  4. 登録対象特徴点の情報を入力する入力部と、
    前記登録特徴点情報をデータベースに登録する登録部と、
    をさらに有し、
    前記特徴量算出部は、前記登録対象特徴点の組み合わせ毎に、前記登録対象特徴点の前記組み合わせの特徴量を算出し、前記分類部は、前記登録対象特徴点の前記組み合わせの前記特徴量に基づいて、前記登録対象特徴点の前記組み合わせを分類し、前記登録部は、前記登録対象特徴点の前記組み合わせの分類に基づいて、前記登録対象特徴点の前記組み合わせに含まれる登録対象特徴点の情報を前記登録特徴点情報として前記データベースに登録することを特徴とする請求項１又は２記載の生体認証装置。
  5. 前記特徴量算出部は、前記登録対象特徴点間の距離及び前記登録対象特徴点間に含まれる隆線の本数に基づいて、前記登録対象特徴点の前記組み合わせの前記特徴量を算出することを特徴とする請求項３又は４記載の生体認証装置。
  6. 前記特徴量算出部は、前記登録対象特徴点間を結ぶ線分と各登録対象特徴点における隆線方向との間の角度に基づいて、前記登録対象特徴点間に含まれる前記隆線の前記本数を推定することを特徴とする請求項５記載の生体認証装置。
  7. 前記特徴量算出部は、前記登録対象特徴点間を結ぶ線分と各登録対象特徴点における隆線方向との間の角度と、前記紋様に含まれる特異点と前記線分との距離とに基づいて、前記登録対象特徴点間に含まれる前記隆線の前記本数を推定することを特徴とする請求項５記載の生体認証装置。
  8. コンピュータが、
    画像読取部に生体の紋様の画像を読み取らせ、
    前記紋様から複数の特徴点を抽出し、
    特徴点の組み合わせ毎に、前記組み合わせの特徴量を算出し、
    前記特徴量に基づいて前記組み合わせを分類し、
    前記分類に基づいて、前記組み合わせに含まれる特徴点と比較する登録特徴点情報を選定する、
    ことを特徴とする生体認証方法。
  9. 画像読取部に生体の紋様の画像を読み取らせ、
    前記紋様から複数の特徴点を抽出し、
    特徴点の組み合わせ毎に、前記組み合わせの特徴量を算出し、
    前記特徴量に基づいて前記組み合わせを分類し、
    前記分類に基づいて、前記組み合わせに含まれる特徴点と比較する登録特徴点情報を選定する、
    処理をコンピュータに実行させる生体認証プログラム。
JP2015178137A 2015-09-10 2015-09-10 生体認証装置、生体認証方法、及び生体認証プログラム Pending JP2017054323A (ja)

Priority Applications (4)

Application Number Priority Date Filing Date Title
JP2015178137A JP2017054323A (ja) 2015-09-10 2015-09-10 生体認証装置、生体認証方法、及び生体認証プログラム
US15/248,384 US20170076164A1 (en) 2015-09-10 2016-08-26 Biometric authentication device and biometric authentication method
EP16186097.8A EP3142044A1 (en) 2015-09-10 2016-08-29 Biometric authentication device and biometric authentication method
CN201610804778.7A CN106529389A (zh) 2015-09-10 2016-09-06 生物认证装置和生物认证方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2015178137A JP2017054323A (ja) 2015-09-10 2015-09-10 生体認証装置、生体認証方法、及び生体認証プログラム

Publications (1)

Publication Number Publication Date
JP2017054323A true JP2017054323A (ja) 2017-03-16

Family

ID=56851443

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2015178137A Pending JP2017054323A (ja) 2015-09-10 2015-09-10 生体認証装置、生体認証方法、及び生体認証プログラム

Country Status (4)

Country Link
US (1) US20170076164A1 (ja)
EP (1) EP3142044A1 (ja)
JP (1) JP2017054323A (ja)
CN (1) CN106529389A (ja)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10136320B1 (en) * 2017-11-22 2018-11-20 International Business Machines Corporation Authentication of users at multiple terminals
JP6981249B2 (ja) * 2017-12-28 2021-12-15 富士通株式会社 生体認証装置、生体認証プログラム、及び生体認証方法
JP6969470B2 (ja) * 2018-03-23 2021-11-24 富士通株式会社 生体認証装置、生体認証方法及びプログラム
CN109858363B (zh) * 2018-12-28 2020-07-17 北京旷视科技有限公司 一种狗鼻纹特征点的检测方法、装置、系统及存储介质

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2827994B2 (ja) * 1995-12-22 1998-11-25 日本電気株式会社 指紋特徴抽出装置
JP2815045B2 (ja) 1996-12-16 1998-10-27 日本電気株式会社 画像特徴抽出装置，画像特徴解析装置，および画像照合システム
US5953442A (en) 1997-07-24 1999-09-14 Litton Systems, Inc. Fingerprint classification via spatial frequency components
US6778688B2 (en) 2001-05-04 2004-08-17 International Business Machines Corporation Remote authentication of fingerprints over an insecure network
US7046829B2 (en) * 2001-05-30 2006-05-16 International Business Machines Corporation Fingerprint verification
CN1327387C (zh) * 2004-07-13 2007-07-18 清华大学 指纹多特征识别方法
JP4931426B2 (ja) 2006-02-03 2012-05-16 セコム株式会社 縞模様を含む画像の照合装置
US20080273770A1 (en) 2007-05-03 2008-11-06 Upek, Inc. Fast Fingerprint Identification And Verification By Minutiae Pair Indexing
JP5183392B2 (ja) * 2008-09-25 2013-04-17 キヤノン株式会社 画像処理装置、画像処理方法およびプログラム
CN102368241A (zh) * 2011-09-07 2012-03-07 常州蓝城信息科技有限公司 多级指纹数据库检索方法

Also Published As

Publication number Publication date
CN106529389A (zh) 2017-03-22
EP3142044A1 (en) 2017-03-15
US20170076164A1 (en) 2017-03-16

Similar Documents

Publication Publication Date Title
Seto et al. Multivariate time series classification using dynamic time warping template selection for human activity recognition
US11501514B2 (en) Universal object recognition
Alyuz et al. Regional registration for expression resistant 3-D face recognition
US9036876B2 (en) Method and system for authenticating biometric data
CN109284675B (zh) 一种用户的识别方法、装置及设备
KR101130817B1 (ko) 얼굴 인식 방법, 장치, 및 이 방법을 실행하기 위한 컴퓨터 판독 가능한 기록 매체
US11126827B2 (en) Method and system for image identification
US9792484B2 (en) Biometric information registration apparatus and biometric information registration method
JPWO2012014308A1 (ja) 生体認証装置、生体認証方法及び生体認証用コンピュータプログラムならびに生体情報登録装置
CN104008317A (zh) 认证设备和认证方法
US20150379254A1 (en) Authentication system that utilizes biometric information
JP2017054323A (ja) 生体認証装置、生体認証方法、及び生体認証プログラム
US20230252820A1 (en) Authentication method, information processing device, and non-transitory computer-readable recording medium storing authentication program
Bera et al. Finger contour profile based hand biometric recognition
JP2015026283A (ja) 画像処理装置、画像処理方法およびプログラム
KR20190127255A (ko) 측면 프로파일링 기반 신원확인 장치 및 방법
JP6241230B2 (ja) 生体情報判定装置及びプログラム
Kisku et al. Feature level fusion of biometrics cues: Human identification with Doddington’s Caricature
JP6981249B2 (ja) 生体認証装置、生体認証プログラム、及び生体認証方法
Szczepanik et al. Security lock system for mobile devices based on fingerprint recognition algorithm
Tatepamulwar et al. Technique of face recognition based on PCA with eigen-face approach
Selianinau A probabilistic approach to classification of digital face images
Gambhir et al. Person recognition using multimodal biometrics
US11068572B2 (en) High speed biological authentication of multiple persons
Hidano et al. A metric of identification performance of biometrics based on information content