JP2019045969A - 生体画像処理装置、生体画像処理方法、及び生体画像処理プログラム - Google Patents

Abstract

【課題】生体画像から取得した特徴量をバイナリ化して行う生体認証において認証精度を向上させる。【解決手段】特徴点抽出部が、生体画像から複数の特徴点を抽出し、特徴量演算部が、抽出された各特徴点の特徴量を算出し、特徴量正規化部が、算出された各特徴量を、その特徴量の値の分布に基づいてＮ段階の値に正規化し、バイナリ化処理部が、正規化された特徴量の値と値“１”又は“０”にするビットの数とが比例関係となるように、正規化された特徴量の値に応じた数のビットを所定の順序で値“１”又は“０”にして正規化された特徴量をバイナリデータに変換するようにして、生体画像から取得した特徴量を特徴量の大きさを反映するバイナリデータに変換する。【選択図】図１

Description

本発明は、生体画像処理装置、生体画像処理方法、及び生体画像処理プログラムに関する。

生体認証では特徴点を用いた照合方式が一般に利用されている。特徴点を用いた照合方式では、画像の中で特徴的な点（特徴点）を抽出し、特徴点近傍の画像から算出した特徴量をもとに照合を行う。図１５（Ａ）に一例を示すように、指紋や静脈等の生体画像１５００において分岐点１５０１や端点１５０２、１５０３等を特徴点として抽出し、特徴点近傍の画像から特徴量を算出する（図１５（Ｂ）参照）。

照合処理では、例えば登録データ及び照合データともにおおよその位置合わせ正規化を実施した後、登録データに含まれる特徴量と照合データに含まれる特徴量との比較を行い、登録画像の特徴点に対して、ペアとなる照合画像の特徴点を探索する。例えば、登録画像の特徴点との空間的距離が閾値以下となる照合画像の各特徴点について、登録画像と照合画像との間で特徴点の特徴量がどの程度似ているかを表す特徴量スコアを算出し、算出した特徴量スコアを基に特徴量が最も似ている照合画像の特徴点を選んでペアの相手とする。そして、得られたすべての特徴点のペアの探索結果から、例えば図１６に示すように特徴量スコアでソートして特徴量スコアの上位側から数個の平均等を求め、それを最終スコアとして照合処理での判定に用い認証を行う。

検出対象物に対応する識別器及び観測データから生成される特徴量のそれぞれを、予め求めた閾値情報（閾値の数、閾値の値）に基づいて２値化処理することで、識別処理の際に行う識別器と特徴量との内積計算の処理の高速化を図る対象物検出装置が提案されている（例えば、特許文献１参照）。

特開２０１６−９３７９号公報

登録画像及び照合画像の特徴点の特徴量は、一般に浮動小数点の値で表される。登録画像と照合画像との間で特徴点の特徴量がどの程度似ているかを表す特徴量スコアとして特徴量間の差分等を用いており、特徴量スコアの算出は、一般に浮動小数点演算で行われ多くの処理時間を要する。

特徴量スコアの算出を高速化する手法として、ハミング距離の利用が挙げられる。特徴量間のハミング距離を求めるには、登録画像及び照合画像から取得した特徴量をそれぞれバイナリ化（２値化）し、得られるビット列において同一桁のビットの値（対応するビット同士の値）を比較する。比較の結果、ビット列の全桁の中で値が異なっているビットの数が、特徴量間のハミング距離である。ハミング距離はビット演算で算出できるため、高速に算出することが可能である。

図１７（Ａ）及び図１７（Ｂ）は、登録画像及び照合画像から取得した特徴量を正規化し、正規化後の特徴量（正規化特徴量）として０、１、２、３の４段階の値を取る場合の特徴量間の距離計算結果の例を示す図である。それぞれ登録データの正規化特徴量が０であり、照合データの正規化特徴量が０、１、２、３である場合の距離計算結果を示している。図１７（Ａ）には、正規化特徴量を用い、特徴量間の距離としてユークリッド距離を計算した例を示している。また、図１７（Ｂ）には、正規化特徴量が０、１、２、３の４段階の値を取るので、単純に２進数表記に従って２ビットでバイナリ化してバイナリデータに変換し、バイナリ化後の特徴量（バイナリ化特徴量）を用い、特徴量間の距離としてハミング距離を計算した例を示している。すなわち、図１７（Ｂ）には、正規化特徴量“０”をバイナリ化特徴量“００”に変換し、正規化特徴量“１”をバイナリ化特徴量“０１”に変換し、正規化特徴量“２”をバイナリ化特徴量“１０”に変換し、正規化特徴量“３”をバイナリ化特徴量“１１”に変換した場合を示している。

図１７（Ａ）に示すように、正規化特徴量を用いて計算されたユークリッド距離は、登録データと照合データとの間の特徴量の差に応じた距離を示している。一方、図１７（Ｂ）に示すように、単純にバイナリ化して得られたバイナリ化特徴量を用いて計算されたハミング距離では、例えば照合データのバイナリ化特徴量が“０１”（正規化特徴量“１”に対応）及び“１０”（正規化特徴量“２”に対応）である場合、ハミング距離がともに１となり、登録データと照合データとの間の特徴量の差に応じた距離を示していない。

このように特徴量を単純にバイナリ化すると、バイナリ化特徴量を用いて算出したハミング距離が、登録データと照合データとの間の特徴量の差に応じた距離と異なってしまい、特徴量の大小関係を反映したものとならない。つまり、ハミング距離を利用して算出する特徴量スコアが特徴量の類似の度合いを反映していないことになり、認証精度が保証されない。１つの側面では、本発明の目的は、特徴量をバイナリ化して行う生体認証において認証精度を向上させることにある。

生体画像処理装置の一態様は、生体画像から複数の特徴点を抽出する抽出部と、抽出された各特徴点の特徴量を算出する特徴量演算部と、算出された各特徴量を、該特徴量の値の分布に基づいてＮ段階の値に正規化する正規化部と、正規化された特徴量の値と２値の一方の値にするビットの数とが比例関係となるように、正規化された特徴量の値に応じた数のビットを所定の順序に従って一方の値にして正規化された特徴量をバイナリデータに変換するバイナリ化処理部とを有する。

発明の一態様においては、特徴量の大きさを反映するバイナリデータに変換することができ、特徴量をバイナリ化して行う生体認証において認証精度を向上させることができる。

図１は、第１の実施形態における生体画像処理装置の構成例を示す図である。 図２は、本実施形態における特徴量の正規化を説明する図である。 図３は、本実施形態におけるバイナリ化変換テーブルの例を示す図である。 図４（Ａ）及び図４（Ｂ）は、本実施形態における特徴量の正規化・バイナリ化処理の例を示す図である。 図５は、本実施形態における照合処理例を示す図である。 図６は、第１の実施形態における特徴データ登録時の動作例を示す図である。 図７は、第１の実施形態における特徴データ照合時の動作例を示す図である。 図８は、第２の実施形態における生体画像処理装置の構成例を示す図である。 図９（Ａ）及び図９（Ｂ）は、第２の実施形態におけるバイナリ化変換テーブルの例を示す図である。 図１０は、第２の実施形態における特徴データ登録時の動作例を示す図である。 図１１は、第２の実施形態における特徴データ照合時の動作例を示す図である。 図１２は、第３の実施形態における生体画像処理装置の構成例を示す図である。 図１３は、第３の実施形態における特徴データ照合時の動作例を示す図である。 図１４は、本実施形態における生体画像処理装置を実現可能なコンピュータの機能ブロック図である。 図１５（Ａ）及び図１５（Ｂ）は、特徴点及び特徴量を説明する図である。 図１６は、特徴点のペアの探索結果の例を示す図である。 図１７（Ａ）及び図１７（Ｂ）は、特徴量間の距離計算結果の例を示す図である。

以下、本発明の実施形態を図面に基づいて説明する。

本発明の実施形態における生体画像処理装置での特徴量のバイナリ変換について説明する。まず、生体画像処理装置は、生体画像から取得した特徴点の特徴量を要素毎に値の分布に基づいて値が０、１、…、（Ｎ−１）のＮ段階（Ｎは自然数）の値となるように正規化する。例えば、生体画像処理装置は、予め複数の生体画像から特徴点の特徴量を取得し、それらを学習データとして要素毎に平均値μ及び標準偏差σを求め、得られた平均値μ及び標準偏差σに基づいて各値の出現確率が均等になるように特徴量を正規化する。

そして、生体画像処理装置は、正規化後のＮ段階の値をとる特徴量（正規化特徴量）を（Ｎ−１）ビットのバイナリデータ（バイナリ化特徴量）に変換する。ここで、（Ｎ−１）ビットのバイナリデータの最下位ビット（ＬＳＢ）を０ビット目とし、最上位ビット（ＭＳＢ）を（Ｎ−２）ビット目とする。例えば、正規化特徴量の値がｉ（ｉ＝０、１、…、Ｎ−１）である場合、（Ｎ−１）ビットのうちの下位ｉビットを値“１”に設定し、残りのビットを値“０”に設定する。

例えば、特徴点の特徴量の分布が図２に示すような分布であるとする。なお、図２において、横軸は平均値μを０とし、標準偏差σを単位として表した特徴量の値を示し、縦軸は確率密度を示している。出現確率が均等になるように特徴量の値の範囲を分割した領域Ｖ０、Ｖ１、Ｖ２、Ｖ３に対して、標準偏差σを単位として表した値が小さいほうから順に正規化特徴量“０”、“１”、“２”、“３”をそれぞれ割り当てる。そして、図３に示すバイナリ化変換テーブル３０１に従って、正規化特徴量“０”がバイナリ化特徴量“０００”に変換され、正規化特徴量“１”がバイナリ化特徴量“００１”に変換される。また、正規化特徴量“２”がバイナリ化特徴量“０１１”に変換され、正規化特徴量“３”がバイナリ化特徴量“１１１”に変換される。

このようにして、生体画像処理装置は、特徴量の大きさと値“１”及び“０”の比率が比例関係となるように、領域Ｖ０に属する値の特徴量をバイナリ化特徴量“０００”に変換し、領域Ｖ１に属する値の特徴量をバイナリ化特徴量“００１”に変換する。また、領域Ｖ２に属する値の特徴量をバイナリ化特徴量“０１１”に変換し、領域Ｖ３に属する値の特徴量をバイナリ化特徴量“１１１”に変換する。

前述した本実施形態における特徴量のバイナリ変換は、生体画像処理装置が、例えば図４（Ａ）及び図４（Ｂ）に示す処理を実行することで実現される。図４（Ａ）及び図４（Ｂ）は、本実施形態における正規化・バイナリ化処理の例を示す図である。図４（Ａ）に示す学習フェーズでは、ステップＳ４０１にて、生体画像処理装置は、学習データとする複数の生体画像から特徴点の特徴量（特徴ベクトル）を算出する。次に、ステップＳ４０２にて、生体画像処理装置は、ステップＳ４０１において算出した学習データの特徴量（特徴ベクトル）から要素毎の平均値μ及び標準偏差σを算出する。生体画像処理装置は、算出した平均値μ及び標準偏差σに基づいて、図４（Ｂ）に示す特徴抽出フェーズにおいて特徴点の特徴量（特徴ベクトル）を要素毎に正規化する。

図４（Ｂ）に示す特徴抽出フェーズでは、ステップＳ４１１にて、生体画像処理装置は、入力データとして入力される生体画像から特徴点の特徴量（特徴ベクトル）を算出する。次に、ステップＳ４１２にて、生体画像処理装置は、ステップＳ４１１において算出した入力データの特徴量（特徴ベクトル）の要素毎に、特徴量の値ｖｉ及び学習フェーズにおいて算出した平均値μ及び標準偏差σを用い、Ｖｉ＝（ｖｉ−μ）／σの演算を行って標準偏差σ単位の値Ｖｉを求め、値Ｖｉから正規化特徴量を算出する。続いて、ステップＳ４１３にて、生体画像処理装置は、ステップＳ４１２において算出した正規化特徴量をバイナリ化変換テーブルに従ってバイナリデータ（バイナリ化特徴量）に変換する。

本実施形態における特徴量のバイナリ変換により変換したバイナリ化特徴量を用い、特徴量間の距離としてハミング距離を計算した結果の例を図５に示す。図５には、図１７（Ａ）に示した例と同様に、登録データの正規化特徴量が０であり、照合データの正規化特徴量が０、１、２、３である場合の距離計算結果を示している。

図５に一例を示すように、特徴量の大きさと値“１”及び“０”の比率が比例関係となるようにする本実施形態における特徴量のバイナリ変換を適用することで、バイナリ化特徴量を用いて算出したハミング距離が、正規化特徴量を用いて算出したユークリッド距離と同様になる。したがって、本実施形態におけるバイナリ化特徴量を用いて算出したハミング距離は、登録データと照合データとの間の特徴量の差に応じた距離を示し、特徴量の大小関係を反映したものとなる。これにより、ハミング距離を利用して特徴量スコアを算出した場合、特徴量スコアが特徴量の類似の度合いを反映したものとなり、生体認証の認証精度を向上させることができる。また、ハミング距離を利用して特徴量スコアを算出することで、生体認証における照合処理の高速化が可能となる。

なお、前述した説明では、正規化特徴量からバイナリデータ（バイナリ化特徴量）への変換において、正規化特徴量の値がｉ（ｉ＝０、１、…、Ｎ−１）である場合、（Ｎ−１）ビットのうちの下位ｉビットを値“１”に設定し、残りのビットを値“０”に設定するようにしているが、これに限定されるものではない。例えば、（Ｎ−１）ビットのうちの上位ｉビットを値“１”に設定し、残りのビットを値“０”に設定するようにしてもよいし、指定の順序に従って（Ｎ−１）ビットのうちのｉ個のビットを値“１”に設定し、残りのビットを値“０”に設定するようにしてもよい。

また、各ビットに設定する値を反転させ、正規化特徴量の値がｉである場合、（Ｎ−１）ビットのうちのｉ個のビットを値“０”に設定し、残りのビットを値“１”に設定するようにしてもよい。また、前述した説明では、正規化特徴量の値として０、１、２、３の４段階の値とする例を適宜示したが、これに限定されるものではなく、正規化特徴量の値の数は任意である。

また、正規化特徴量の値がｉである場合、正規化特徴量の値ｉに比例する数のビットを値“１”又は“０”に設定するようにしてもよく、それに合わせてバイナリデータ（バイナリ化特徴量）のサイズ（ビット数）を変更すればよい。正規化特徴量の値がｉである場合にｉ個より多くのビットを値“１”又は“０”に設定するようにしてもよく、特徴量の大きさと値“１”及び“０”の比率が比例関係となっていればよい。

（第１の実施形態）
本発明の第１の実施形態について説明する。以下では、本実施形態における特徴量のバイナリ変換を適用した生体画像処理装置を、生体画像を用いて生体認証を行う手のひら静脈認証装置や指紋認証装置等の生体認証装置に適用した場合を例に説明する。

図１は、第１の実施形態における生体画像処理装置の構成例を示す図である。生体画像処理装置１００は、制御部１０１、生体データ取得部１０２、照合処理部１０３、データベース部１０５、記憶部１０６、及び特徴データ取得部１０７を有する。

制御部１０１は、生体画像処理装置１００全体の制御を行い、生体画像処理装置１００が有する各機能部を統括的に制御する。生体データ取得部１０２は、被写体に係る生体画像の取得処理を実行して生体画像データを取得する。生体データ取得部１０２は、例えば指紋センサや静脈センサである。なお、指紋センサや静脈センサ等の生体画像の撮影部を生体画像処理装置１００の外部に設け、撮影部と生体データ取得部１０２をインターネットやＵＳＢ等のインタフェースを介して接続し、撮影部で撮影した生体画像を取得するようにしてもよい。

照合処理部１０３は、特徴データ取得部１０７が取得した特徴データを用い、登録データ（テンプレート）と照合データ（入力データ）との照合処理を行う。照合処理部１０３は、ハミング距離演算部１０４を有する。ハミング距離演算部１０４は、前述した本実施形態における特徴量のバイナリ変換により得られる登録データ及び照合データの特徴量のバイナリデータ（バイナリ化特徴量）を用いたビット演算を行い、特徴量間のハミング距離を算出する。ハミング距離演算部１０４は、登録データ及び照合データの特徴量のバイナリデータ（バイナリ化特徴量）において対応するビット同士の排他的論理和演算（ＥＸＯＲ演算）を行い、演算結果が“１”となったビット数をハミング距離とする。照合処理部１０３は、ハミング距離演算部１０４が算出するハミング距離に基づいて、登録データと照合データとの間で特徴点の特徴量がどの程度似ているかを表す類似度（特徴量スコア）を算出し出力する。

データベース部１０５は、登録データやＩＤ情報等の生体認証に使用するデータを記憶する。本実施形態では、データベース部１０５に記憶する登録データに含まれる特徴点の特徴量は正規化特徴量であり、特徴データ照合時（記憶部１０６へのロード時や照合処理に実行直前）に正規化特徴量からバイナリデータ（バイナリ化特徴量）に変換される。記憶部１０６は、生体画像を保存する画像バッファ等として利用される。データベース部１０５は、例えば、ハードディスクドライブ（ＨＤＤ）等の不揮発性の記憶装置であり、記憶部１０６は、例えば、いわゆるワークメモリとして利用される半導体メモリである。

特徴データ取得部１０７は、生体画像から認証に使用する特徴データ（特徴点の座標や特徴量等）を取得する。特徴データ取得部１０７は、特徴点抽出部１０８、特徴量演算部１０９、特徴量正規化部１１０、バイナリ化処理部１１１、及び評価点演算部１１２を有する。

特徴点抽出部１０８は、生体画像データから特徴点の情報を抽出する。特徴点抽出部１０８は、抽出部の一例である。特徴点抽出部１０８は、例えば指紋や静脈を撮影した生体画像の中から指紋や静脈の分岐点や端点等を特徴的な点（特徴点）として複数抽出する。特徴量演算部１０９は、抽出された特徴点に基づいて特徴点近傍の画像から、例えば主成分分析（ＰＣＡ：principal component analysis）等を利用して各特徴点の特徴量を算出する。

特徴量正規化部１１０は、特徴量演算部１０９が算出した特徴量を正規化する。特徴量正規化部１１０は、正規化部の一例である。特徴量正規化部１１０は、予め学習データから求めておいた特徴量の値の分布に基づく統計情報（要素毎の平均値μ及び標準偏差σ）を用いて、０、１、…、（Ｎ−１）のＮ段階（Ｎは自然数）の値となるように特徴量を正規化する。

バイナリ化処理部１１１は、前述した本実施形態における特徴量のバイナリ変換処理を実行し、正規化した特徴量（正規化特徴量）をバイナリデータ（バイナリ化特徴量）に変換する。正規化特徴量からバイナリデータ（バイナリ化特徴量）への変換では、バイナリ化処理部１１１は、例えば正規化特徴量の値に比例した数のビットを値“１”に設定し、残りのビットを値“０”に設定する。バイナリ化処理部１１１は、変換テーブルの一例としてのバイナリ化変換テーブルを有し、バイナリ化変換テーブルを用いて正規化特徴量をバイナリ化特徴量に変換する。なお、バイナリ化処理部１１１は、バイナリ化変換テーブルを備えずに、演算処理等によって正規化特徴量をバイナリ化特徴量に変換するようにしてもよい。

評価点演算部１１２は、特徴点がどの程度有効かを表す値（品質指標値）である評価点を特徴点毎に算出する。例えばデータベース部１０５の記憶容量や通信帯域に応じて、登録データ（テンプレート）の上限サイズが設けられる場合がある。そこで、評価点演算部１１２が特徴点毎に評価点を算出し、算出した評価点を特徴データ取得部１０７での特徴点の選択に利用する。つまり、特徴データ取得部１０７は、評価点演算部１１２が算出した評価点に基づいて特徴点を取捨選択して登録データを生成し、データベース部１０５に記憶する。

本実施形態では、正規化する前の特徴量を用い、評価点演算部１１２は、特徴量（特徴量ベクトル）の各要素を標準偏差σを単位として表した値の絶対値の和を評価点とする。例えば、特徴点Ａの特徴量ベクトルｆ１が（０．２σ，０．０σ，０．７σ，１．２σ）である場合、特徴点Ａの評価点は０．２＋０．０＋０．７＋１．２＝２．１となる。また、特徴点Ｂの特徴量ベクトルｆ２が（１．５σ，２．０σ，１．７σ，−１．５σ）である場合、特徴点Ｂの評価点は１．５＋２．０＋１．７＋１．５＝６．７となる。

平均値との差が大きい、すなわち標準偏差σを単位として表した値の絶対値の和が大きい特徴点の特徴量は出現確率が低いため、特徴量としての価値が高いと考えられる。一方、平均値との差が小さい特徴点の特徴量は出現確率が高いために正規化の際に誤差が生じやすい。つまり、出現確率が低い特徴量の方が、出現確率が高い特徴量よりも特徴量としての情報量が相対的に大きいと考えられる。

この例では、特徴点Ｂの方が標準偏差σを単位として表した値の絶対値の和で示される評価点が高いため、出現頻度が低く、特徴量として有効であると考えられる。したがって、特徴データ取得部１０７は、特徴点Ａ又は特徴点Ｂの何れかを選択して登録データを生成する場合には、評価点が大きい特徴点Ｂを選択して登録データを生成する。このようにして、算出される評価点に基づいて評価点が大きい特徴点を選択し、照合処理において情報量が相対的に低い平均的な特徴点を除外することで、高い認証精度での生体認証が可能となる。

次に、図６を参照して第１の実施形態における生体画像処理装置１００の特徴データ登録時の動作について説明する。特徴データ登録時には、まずステップＳ６０１にて、生体データ取得部１０２が、登録用の生体画像データを取得する。次に、ステップＳ６０２にて、特徴データ取得部１０７の特徴点抽出部１０８が、ステップＳ６０１において生体データ取得部１０２が取得した生体画像データから分岐点や端点等を特徴点として抽出する。次に、ステップＳ６０３にて、特徴データ取得部１０７の特徴量演算部１０９が、ステップＳ６０２において特徴点抽出部１０８が抽出した特徴点について、特徴点近傍の画像から特徴量を算出する。

ステップＳ６０４にて、特徴データ取得部１０７の特徴量正規化部１１０が、ステップＳ６０３において特徴量演算部１０９が算出した特徴量を正規化する。また、ステップＳ６０５にて、特徴データ取得部１０７の評価点演算部１１２が、ステップＳ６０３において特徴量演算部１０９が算出した特徴量に基づいて、特徴点の評価点を算出する。そして、ステップＳ６０６にて、特徴データの総和サイズが所定の閾値を超えた場合、特徴データ取得部１０７が、ステップＳ６０５において評価点演算部１１２が算出した評価点に基づいて正規化特徴量を保存する特徴点を選択する。ステップＳ６０６では、算出された評価点が低い方から順番に特徴点を削除するようにして正規化特徴量を保存する特徴点を選択する。

次に、ステップＳ６０７にて、特徴データ取得部１０７が、ステップＳ６０６での選択の結果、最終的に残った特徴点の特徴データ（正規化特徴量）を登録データ（テンプレート）としてデータベース部１０５に保存する。なお、図６に示した例では、ステップＳ６０４での処理を実行した後に、ステップＳ６０５及びＳ６０６の処理を実行するようにしているが、これに限定されず、ステップＳ６０４での処理とステップＳ６０５及びＳ６０６の処理との実行順序は任意であり、実行順序が逆であってもよいし、並行して実行してもよい。

次に、図７を参照して第１の実施形態における生体画像処理装置１００の特徴データ照合時の動作について説明する。特徴データ照合時には、照合データ側については、まずステップＳ７０１にて、生体データ取得部１０２が、照合用の生体画像データを取得する。次に、ステップＳ７０２にて、特徴データ取得部１０７の特徴点抽出部１０８が、ステップＳ７０１において生体データ取得部１０２が取得した生体画像データから分岐点や端点等を特徴点として抽出する。次に、ステップＳ７０３にて、特徴データ取得部１０７の特徴量演算部１０９が、ステップＳ７０２において特徴点抽出部１０８が抽出した特徴点について、特徴点近傍の画像から特徴量を算出する。

続いて、ステップＳ７０４にて、特徴データ取得部１０７の特徴量正規化部１１０が、ステップＳ７０３において特徴量演算部１０９が算出した特徴量を正規化する。次に、ステップＳ７０５にて、特徴データ取得部１０７のバイナリ化処理部１１１が、ステップＳ７０４において特徴量正規化部１１０が正規化した特徴量（正規化特徴量）をバイナリデータ（バイナリ化特徴量）に変換する。

また、登録データ側については、ステップＳ７１１にて、特徴データ取得部１０７が、データベース部１０５から登録データを記憶部１０６にロードして、登録した正規化特徴量を取得する。次に、ステップＳ７１２にて、特徴データ取得部１０７のバイナリ化処理部１１１が、ステップＳ７１１において取得した正規化特徴量をバイナリデータ（バイナリ化特徴量）に変換する。

ステップＳ７０５及びステップＳ７１２においてバイナリデータ（バイナリ化特徴量）への変換が実行された後、ステップＳ７２１にて、照合処理部１０３が、登録データ（テンプレート）と照合データ（入力データ）との照合処理を行う。ステップＳ７２１では、照合処理部１０３のハミング距離演算部１０４が、登録データ及び照合データの特徴量のバイナリデータ（バイナリ化特徴量）をビット演算して、特徴量間のハミング距離を算出する。そして、照合処理部１０３が、ハミング距離演算部１０４が算出したハミング距離に基づいて、登録データと照合データとの間で特徴点の特徴量がどの程度似ているかを表す類似度（特徴量スコア）を算出し、算出した類似度（特徴量スコア）を基に本人であるか他人であるかを判定する。

第１の実施形態によれば、正規化特徴量の値に比例した数のビットを値“１”又は“０”の一方に設定し、残りのビットを値“１”又は“０”の他方に設定するようにして正規化特徴量をバイナリデータ（バイナリ化特徴量）に変換する。つまり、特徴量の大きさと値“１”及び“０”の比率とが比例関係となるように特徴量をバイナリ変換する。これにより、特徴量の大きさを反映したバイナリデータに変換することができ、バイナリデータを用いて算出するハミング距離で特徴量間の距離（差）を表すことが可能となり、生体認証の認証精度を向上させることができる。

また、登録データ（テンプレート）として正規化特徴量をデータベース部１０５に記憶し、照合処理等のために登録データを記憶部１０６にロードするときに正規化特徴量からバイナリデータ（バイナリ化特徴量）への変換を行うようにすることで、データベース部１０５に記憶する登録データのデータサイズを低減することができる。例えば、正規化特徴量として８段階の値をとる場合、３ビットで正規化特徴量を表せるのに対してバイナリデータ（バイナリ化特徴量）では少なくとも７ビットが必要である。したがって、登録データとして正規化特徴量を記憶するようにすると、登録データとしてバイナリデータ（バイナリ化特徴量）を記憶する場合と比較して、データサイズを３／７に低減することができる。例えば、登録データのデータサイズを低減することで、データの圧縮処理が不要となったり、データの転送に要する時間が短縮されたりして、処理時間が改善される。

（第２の実施形態）
次に、本発明の第２の実施形態について説明する。以下では、本実施形態における特徴量のバイナリ変換を適用した生体画像処理装置を、生体画像を用いて生体認証を行う手のひら静脈認証装置や指紋認証装置等の生体認証装置に適用した場合を例に説明する。図８は、第２の実施形態における生体画像処理装置の構成例を示す図である。図８において、図１に示したブロックと同一の機能を有するブロックには同一の符号を付し、重複する説明は省略する。

第２の実施形態における生体画像処理装置１００は、制御部１０１、生体データ取得部１０２、照合処理部１０３、データベース部１０５、記憶部１０６、特徴データ取得部１０７、及びバイナリ化情報保持部８０１を有する。バイナリ化情報保持部８０１は、正規化特徴量からバイナリデータ（バイナリ化特徴量）への変換に係るバイナリ化情報を保持する。

本実施形態では、特徴データ取得部１０７のバイナリ化処理部１１１は、バイナリ化情報保持部８０１に保持されたバイナリ化情報に基づいて特徴量のバイナリ変換を実行し、正規化特徴量をバイナリデータ（バイナリ化特徴量）に変換する。例えば、バイナリ化処理部１１１は、複数のバイナリ化変換テーブルを有し、バイナリ化情報保持部８０１に保持されたバイナリ化情報に基づいて参照するバイナリ化変換テーブルを切り替えて特徴量のバイナリ変換を実行する。

バイナリ化情報保持部８０１が保持するバイナリ化情報は、順序情報８０２及びビット反転フラグ８０３を有する。順序情報８０２は、正規化特徴量からバイナリデータ（バイナリ化特徴量）への変換において、正規化特徴量の値に応じて値“１”を設定するビットの順序を示す情報である。ビット反転フラグ８０３は、フラグがセット（値“１”）されている場合、バイナリデータ（バイナリ化特徴量）の全ビットの値を反転させる情報である。つまり、ビット反転フラグ８０３がセット（値“１”）されている場合、正規化特徴量からバイナリデータ（バイナリ化特徴量）への変換では、正規化特徴量の値に比例する数のビットに値“０”を設定し、残りのビットを値“１”に設定する。なお、バイナリ化時のビット反転フラグ８０３の値が同一である場合、バイナリデータ（バイナリ化特徴量）のビット値を反転させても同じハミング距離である。

例えば、正規化特徴量が０、１、２、３の４段階の値をとる場合、例えば順序情報８０２が｛１，２，０｝であり、ビット反転フラグ８０３がセットされていなければ（リセットされていれば）、正規化特徴量の値に応じて１ビット目→２ビット目→０ビット目の順序で値“１”を設定する。図９（Ａ）に、この場合のバイナリ化変換テーブル９０１を示す。また、例えば順序情報８０２が｛１，０，２｝であり、ビット反転フラグ８０３がセットされていれば、正規化特徴量の値に応じて１ビット目→０ビット目→２ビット目の順序で値“０”を設定する。図９（Ｂ）に、この場合のバイナリ化変換テーブル９０２を示す。

以下では、データベース部１０５に記憶する登録データに含まれる特徴点の特徴量がバイナリデータ（バイナリ化特徴量）であり、特徴データ登録時に正規化特徴量からバイナリデータ（バイナリ化特徴量）に変換される例を説明する。しかし、これに限定されず、第１の実施形態と同様に登録データとして正規化特徴量をデータベース部１０５に記憶し、記憶部１０６へのロード時や照合処理を行う直前に正規化特徴量からバイナリデータ（バイナリ化特徴量）への変換を行うようにしてもよい。

また、本実施形態では、登録データの生成時にバイナリデータ（バイナリ化特徴量）を得られているので、特徴データ取得部１０７の評価点演算部１１２は、特徴点の評価点をバイナリデータ（バイナリ化特徴量）から算出するようにしてもよい。このようにすると登録データの生成時に評価点を保持する必要がなく、特徴量のバイナリ変換後における処理データ量を削減することができる。平均値との差が大きい特徴量は出現確率が低く、特徴量として情報量が平均値との差が小さい特徴量よりも相対的に大きいと考えられる。また、正規化特徴量が０又は（Ｎ−１）である場合、特徴量が平均値から大きく離れていることを意味する。

そこで、本実施形態では、バイナリデータ（バイナリ化特徴量）の各要素における値“１”のビット数及び値“０”のビット数をそれぞれ求め、最大値（大きい方の数）を要素評価点とし、要素評価点の和を特徴点の評価点とする。すなわち、例えばバイナリ化特徴量が０００及び１１１である場合、要素評価点は３となり、バイナリ化特徴量が００１及び０１１である場合、要素評価点は２となる。例えば、特徴点Ａのバイナリデータ（バイナリ化特徴量）が（００１，００１，０１１，００１）である場合、特徴点Ａの評価点は２＋２＋２＋２＝８となる。また、特徴点Ｂのバイナリデータ（バイナリ化特徴量）が（０００，０００，１１１，００１）である場合、特徴点Ｂの評価点は３＋３＋３＋２＝１１となる。

次に、図１０を参照して第２の実施形態における生体画像処理装置１００の特徴データ登録時の動作について説明する。図１０に示す特徴データ登録時の動作において、ステップＳ１００１〜Ｓ１００４の処理は、図６に示した第１の実施形態における特徴データ登録時のステップＳ６０１〜Ｓ６０４の処理と同様である。ステップＳ１００５にて、特徴データ取得部１０７のバイナリ化処理部１１１が、バイナリ化情報保持部８０１に保持されたバイナリ化情報を参照して、ステップＳ１００４において特徴量正規化部１１０が正規化した特徴量（正規化特徴量）をバイナリデータ（バイナリ化特徴量）に変換する。

続いて、ステップＳ１００６にて、特徴データ取得部１０７の評価点演算部１１２が、ステップＳ１００５においてバイナリ化処理部１１１が変換したバイナリデータ（バイナリ化特徴量）に基づいて、特徴点の評価点を算出する。そして、ステップＳ１００７にて、特徴データの総和サイズが所定の閾値を超えた場合、特徴データ取得部１０７が、ステップＳ１００６において評価点演算部１１２が算出した評価点に基づいてバイナリデータ（バイナリ化特徴量）を保存する特徴点を選択する。次に、ステップＳ１００８にて、特徴データ取得部１０７が、ステップＳ１００７において選択された特徴点のバイナリデータ（バイナリ化特徴量）を登録データ（テンプレート）としてデータベース部１０５に保存する。

次に、図１１を参照して第２の実施形態における生体画像処理装置１００の特徴データ照合時の動作について説明する。図１１に示す特徴データ照合時の動作において、照合データ側についてのステップＳ１１０１〜Ｓ１１０４の処理は、図７に示した第１の実施形態における特徴データ照合時のステップＳ７０１〜Ｓ７０４の処理と同様である。ステップＳ１１０５にて、特徴データ取得部１０７のバイナリ化処理部１１１が、バイナリ化情報保持部８０１に保持されたバイナリ化情報を参照して、ステップＳ１１０４において特徴量正規化部１１０が正規化した特徴量（正規化特徴量）をバイナリデータ（バイナリ化特徴量）に変換する。また、登録データ側については、ステップＳ１１１１にて、データベース部１０５から記憶部１０６に登録データがロードされ、登録したバイナリデータ（バイナリ化特徴量）が取得される。

ステップＳ１１０５及びステップＳ１１１１の処理が実行された後、ステップＳ１１２１にて、照合処理部１０３が、登録データ（テンプレート）と照合データ（入力データ）との照合処理を行う。ステップＳ１１２１では、照合処理部１０３のハミング距離演算部１０４が、登録データ及び照合データの特徴量のバイナリデータ（バイナリ化特徴量）から特徴量間のハミング距離を算出する。そして、照合処理部１０３が、ハミング距離演算部１０４が算出したハミング距離に基づいて、登録データと照合データとの間で特徴点の特徴量の類似度（特徴量スコア）を算出し、算出した類似度（特徴量スコア）を基に本人であるか他人であるかを判定する。

第２の実施形態によれば、第１の実施形態と同様に特徴量の大きさを反映したバイナリデータに変換することができ、バイナリデータを用いて算出するハミング距離で特徴量間の距離（差）を表すことが可能となり、生体認証の認証精度を向上させることができる。また、バイナリ化情報保持部８０１に保持されるバイナリ化情報を参照して、正規化特徴量をバイナリデータ（バイナリ化特徴量）に変換することで、バイナリ化情報に基づいて設定値（“１”又は“０”）や設定するビットの順序を切り替えることが可能となり、同一の特徴量であっても異なるバイナリデータに変換することができる。したがって、例えば複数の生体画像処理装置でバイナリ化情報を異なるものに設定すれば、ある生体画像処理装置から登録データが漏洩しても他の生体画像処理装置では登録データとして利用できないので、セキュリティを高め、安全な生体認証を実現することが可能となる。また、例えばバイナリ化情報を生体画像処理装置単位で切り替える構成に限らず、個人単位で切り替える構成としてもよい。

（第３の実施形態）
次に、本発明の第３の実施形態について説明する。以下では、本実施形態における特徴量のバイナリ変換を適用した生体画像処理装置を、生体画像を用いて生体認証を行う手のひら静脈認証装置や指紋認証装置等の生体認証装置に適用した場合を例に説明する。図１２は、第３の実施形態における生体画像処理装置の構成例を示す図であり、ネットワーク等を介してリモート端末装置１２００からサーバ装置１２５０に生体画像の特徴データを送信して照合処理を行うサーバ認証の例を示している。

リモート端末装置１２００は、制御部１２０１、生体データ取得部１２０２、記憶部１２０３、特徴データ取得部１２０４、暗号化処理部１２０９、及び通信部１２１０を有する。制御部１２０１は、リモート端末装置１２００全体の制御を行い、リモート端末装置１２００が有する各機能部を統括的に制御する。生体データ取得部１２０２及び記憶部１２０３は、図１に示した生体データ取得部１０２及び記憶部１０６とそれぞれ同様であるので説明は省略する。

特徴データ取得部１２０４は、生体画像から認証に使用する特徴データ（特徴点の座標や特徴量等）を取得する。特徴データ取得部１２０４は、特徴点抽出部１２０５、特徴量演算部１２０６、特徴量正規化部１２０７、及び評価点演算部１２０８を有する。特徴点抽出部１２０５、特徴量演算部１２０６、特徴量正規化部１２０７、及び評価点演算部１２０８は、図１に示した特徴点抽出部１０８、特徴量演算部１０９、特徴量正規化部１１０、及び評価点演算部１１２とそれぞれ同様であるので説明は省略する。

暗号化処理部１２０９は、特徴データ取得部１２０４により取得された特徴データ（特徴点の座標や特徴量等）などを暗号化や復号する暗号化処理を実行する。通信部１２１０は、リモート端末装置１２００とサーバ装置１２５０との間のデータ通信処理を実行する。通信部１２１０は、例えば、暗号化された特徴データ等をサーバ装置１２５０に送信したり、サーバ装置１２５０からの照合結果を受信したりする。

サーバ装置１２５０は、制御部１２５１、生体データ取得部１２５２、照合処理部１２５３、データベース部１２５５、記憶部１２５６、バイナリ化処理部１２５７、バイナリ化情報設定部１２５８、暗号化処理部１２６１、及び通信部１２６２を有する。照合処理部１２５３は、ハミング距離演算部１２５３を有する。制御部１２５１は、サーバ装置１２５０全体の制御を行い、サーバ装置１２５０が有する各機能部を統括的に制御する。

生体データ取得部１２５２、照合処理部１２５３、ハミング距離演算部１２５４、データベース部１２５５、記憶部１２５６、及びバイナリ化処理部１２５７は、図１に示した生体データ取得部１０２、照合処理部１０３、ハミング距離演算部１０４、データベース部１０５、記憶部１０６、及びバイナリ化処理部１１１とそれぞれ同様であるので説明は省略する。

バイナリ化情報設定部１２５８は、正規化特徴量からバイナリデータ（バイナリ化特徴量）への変換に係るバイナリ化情報を設定する。バイナリ化情報設定部１２５８が設定するバイナリ化情報には、順序情報１２５９及びビット反転フラグ１２６０を含む。順序情報１２５９は、正規化特徴量からバイナリデータ（バイナリ化特徴量）への変換において、正規化特徴量の値に応じて値“１”を設定するビットの順序を示す情報である。また、ビット反転フラグ１２６０は、フラグがセット（値“１”）されている場合、バイナリデータ（バイナリ化特徴量）の全ビットの値を反転させる情報である。

暗号化処理部１２６１は、入出力される特徴データ（特徴点の座標や特徴量等）などを暗号化や復号する暗号化処理を実行する。通信部１２６２は、サーバ装置１２５０とリモート端末装置１２００との間のデータ通信処理を実行する。通信部１２６２は、例えば、リモート端末装置１２００からの暗号化された特徴データ等を受信したり、照合結果をリモート端末装置１２００に送信したりする。
なお、図１２には、１つのリモート端末装置１２００を図示しているが、サーバ装置１２５０に対して複数のリモート端末装置１２００を接続する構成としてもよい。

本実施形態では、データベース部１０５に記憶する登録データやリモート端末装置１２００からサーバ装置１２５０に送信される照合データに含まれる特徴点の特徴量は暗号化された正規化特徴量であり、照合処理を実行する直前に復号されて正規化特徴量からバイナリデータ（バイナリ化特徴量）に変換される。また、バイナリ化処理部１２５７は、バイナリ化情報設定部１２５８により設定される順序情報１２５９やビット反転フラグ１２６０のバイナリ化情報に基づいて、正規化特徴量をバイナリデータ（バイナリ化特徴量）に変換する。バイナリ化処理部１１１は、バイナリ化情報設定部１２５８により設定されるバイナリ化情報に応じて、値を設定するビットの順序や設定する値を適宜切り替えて特徴量のバイナリ変換を実行する。

なお、第２の実施形態と同様に、登録データとしてバイナリデータ（バイナリ化特徴量）をデータベース部１２５５に記憶するように構成してもよい。また、図１２には、リモート端末装置１２００からサーバ装置１２５０に暗号化された正規化特徴量を送信する構成を示しているが、リモート端末装置１２００にバイナリ化を実行する構成を備え、暗号化されたバイナリデータ（バイナリ化特徴量）を送信する構成としてもよい。

第３の実施形態における特徴データ照合時の動作は、図６に示した第１の実施形態での動作と同様であるので説明は省略する。ただし、第３の実施形態においては、特徴データは暗号化されてデータベース部１２５５に記憶される。
図１３を参照して第３の実施形態における特徴データ照合時の動作について説明する。特徴データ照合時には、照合データ側については、まずステップＳ１３０１にて、リモート端末装置１２００が、照合用の生体画像データを取得して、取得した生体画像データから照合用特徴量を抽出する。そして、リモート端末装置１２００は、抽出した特徴量を正規化した後に暗号化してサーバ装置１２５０に送信する。ステップＳ１３０２にて、暗号化された正規化特徴量（暗号化正規化特徴量）をリモート端末装置１２００から照合データとして受信したサーバ装置１２５０は、受信した暗号化正規化特徴量を復号した後、設定されたバイナリ化情報に基づいて、正規化特徴量をバイナリデータ（バイナリ化特徴量）に変換する。

また、登録データ側については、ステップＳ１３１１にて、サーバ装置１２５０は、データベース部１２５５から登録データを記憶部１０６にロードして、登録した正規化特徴量（暗号化正規化特徴量）を取得する。次に、ステップＳ１３１２にて、サーバ装置１２５０は、ステップＳ１３１１において取得した暗号化正規化特徴量を復号した後、設定されたバイナリ化情報に基づいて、正規化特徴量をバイナリデータ（バイナリ化特徴量）に変換する。なお、ステップＳ１３０２及びステップＳ１３１２での処理の際に設定されるバイナリ化情報は同一である。

ステップＳ１３０２及びステップＳ１３１２においてバイナリデータ（バイナリ化特徴量）への変換が実行された後、ステップＳ１３２１にて、サーバ装置１２５０は、登録データ（テンプレート）と照合データ（入力データ）との照合処理を行う。ステップＳ１３２１では、登録データ及び照合データの特徴量のバイナリデータ（バイナリ化特徴量）から特徴量間のハミング距離を算出する。そして、算出したハミング距離に基づいて、登録データと照合データとの間で特徴点の特徴量の類似度（特徴量スコア）を算出し、算出した類似度（特徴量スコア）を基に本人であるか他人であるかを判定する。

第３の実施形態によれば、照合処理に用いる特徴量を特徴量の大きさを反映したバイナリデータに変換することができ、バイナリデータを用いて算出するハミング距離で特徴量間の距離（差）を表すことが可能となり、生体認証の認証精度を向上させることができる。また、バイナリ化情報に基づいて設定値（“１”又は“０”）や設定するビットの順序を切り替えることで、同一の特徴量であっても異なるバイナリデータに変換することができ、セキュリティを高め、安全な生体認証を実現することが可能となる。例えば照合処理の都度、バイナリ化情報を切り替える構成としても良く、この場合には同一人物の照合処理であっても照合処理の度に異なるバイナリ化変換テーブルを適用することとなり、記憶部１２５６上に展開した登録データが漏洩した場合のセキュリティを向上させることができる。

前述した実施形態による生体画像処理装置は、例えばコンピュータがプログラムを実行することによって実現することができる。また、かかるプログラムを記録したコンピュータ読み取り可能な記録媒体も本発明の実施形態として適用することができる。記録媒体としては、例えばフレキシブルディスク、ハードディスク、光ディスク、光磁気ディスク、ＣＤ−ＲＯＭ、磁気テープ、不揮発性のメモリカード、ＲＯＭ等を用いることができる。

また、コンピュータがプログラムを実行し処理を行うことにより、前述の実施形態の機能が実現されるプログラムプロダクトは、本発明の実施形態として適用することができる。プログラムプロダクトとしては、例えば前述の実施形態の機能を実現するプログラム自体、プログラムが読み込まれたコンピュータがある。また、プログラムプロダクトとして、ネットワークを介して通信可能に接続されたコンピュータにプログラムを提供可能な送信装置、前記送信装置を備えるネットワークシステム等がある。

また、供給されたプログラムとコンピュータにおいて稼動しているオペレーティングシステム（ＯＳ）又は他のアプリケーション等とにより前述の実施形態の機能が実現される場合も、かかるプログラムは本発明の実施形態として適用することができる。また、供給されたプログラムの処理のすべて又は一部がコンピュータの機能拡張ユニットにより行われて前述の実施形態の機能が実現される場合も、かかるプログラムは本発明の実施形態として適用することができる。また、本実施形態をネットワーク環境で利用するべく、全部又は一部のプログラムが他のコンピュータで実行されるようになっていてもよい。

例えば、前述した実施形態による生体画像処理装置は、図１４に示すようなコンピュータにより実現することができる。図１４に示すコンピュータは、記憶部１０６の一例としてのメモリ１４０１、制御部１０１、照合処理部１０３及び特徴データ取得部１０７の実行主体の一例としてのＣＰＵ（Central Processing Unit）１４０２、データベース部１０５及びバイナリ化情報保持部８０１の一例としてのハードディスクドライブ（ＨＤＤ）１４０３、出力装置１４０４、記録媒体１４０５用のドライブ装置１４０６、生体データ取得部１０２の一例としての入力装置１４０７、及びネットワークに接続するための通信制御部１４０８がバス１４０９で接続されている。オペレーティングシステム（ＯＳ）及び前述した実施形態における処理を実施するためのアプリケーションプログラムは、ＨＤＤ１４０３に格納されており、ＣＰＵ１４０２により実行される際にはＨＤＤ１４０３からメモリ１４０１に読み出される。ＣＰＵ１４０２は、アプリケーションプログラムの処理内容に応じて出力装置１４０４、ドライブ装置１４０６、通信制御部１４０８等を制御して、所定の動作を行わせる。また、処理途中のデータについては、主としてメモリ１４０１に格納されるが、ＨＤＤ１４０３に格納されるようにしてもよい。本例では、前述した処理を実施するためのアプリケーションプログラムは、例えばコンピュータ読み取り可能な可搬型の記録媒体１４０５に格納されて頒布され、ドライブ装置１４０６からＨＤＤ１４０３にインストールされる。インターネット等のネットワーク及び通信制御部１４０８を経由して、ＨＤＤ１４０３にインストールされる場合もある。このようなコンピュータは、前述したＣＰＵ１４０２、メモリ１４０１等のハードウェアとＯＳ及びアプリケーションプログラム等のソフトウェアとが有機的に協働することにより、前述した実施形態の各種機能を実現する。

なお、前記実施形態は、何れも本発明を実施するにあたっての具体化のほんの一例を示したものに過ぎず、これらによって本発明の技術的範囲が限定的に解釈されてはならないものである。すなわち、本発明はその技術思想、またはその主要な特徴から逸脱することなく、様々な形で実施することができる。
以上の第１〜第３の実施形態を含む実施形態に関し、さらに以下の付記を開示する。

（付記１）
生体画像から複数の特徴点を抽出する抽出部と、
前記抽出部により抽出された各特徴点の特徴量を算出する特徴量演算部と、
前記特徴量演算部により算出された各特徴量を、該特徴量の値の分布に基づいてＮ段階（Ｎは任意の自然数）の値に正規化する正規化部と、
前記正規化された特徴量の値と２値の一方の値にするビットの数とが比例関係となるように、前記正規化された特徴量の値に応じた数のビットを所定の順序に従って前記一方の値にして前記正規化された特徴量をバイナリデータに変換するバイナリ化処理部とを有することを特徴とする生体画像処理装置。
（付記２）
登録データの特徴量の前記バイナリデータと照合データの特徴量の前記バイナリデータとのビット毎の一致度に基づいて、前記登録データと前記照合データとの類似度を算出する照合処理部を有することを特徴とする付記１記載の生体画像処理装置。
（付記３）
前記照合処理部は、前記登録データ及び前記照合データの特徴量の前記バイナリデータから特徴量間のハミング距離を算出し、算出したハミング距離に基づいて前記登録データと前記照合データとの類似度を算出することを特徴とする付記２記載の生体画像処理装置。
（付記４）
前記バイナリ化処理部は、前記正規化された特徴量から前記バイナリデータへの変換テーブルを有し、前記変換テーブルを参照して前記正規化された特徴量を前記バイナリデータに変換することを特徴とする付記１〜３の何れか１項に記載の生体画像処理装置。
（付記５）
前記バイナリ化処理部は、前記２値の一方の値にするビットの順序を示す順序情報に基づく順序で、前記バイナリデータのビットを前記一方の値に設定することを特徴とする付記１〜４の何れか１項に記載の生体画像処理装置。
（付記６）
前記バイナリ化処理部は、フラグの値に基づいて前記２値の一方の値を切り替えることを特徴とする付記１〜５の何れか１項に記載の生体画像処理装置。
（付記７）
前記正規化部は、前記特徴量の値の出現確率が均等になるように正規化することを特徴とする付記１〜６の何れか１項に記載の生体画像処理装置。
（付記８）
前記特徴量演算部により算出された特徴量と予め取得した該特徴量の平均値との差に応じた評価点を算出する評価点演算部を有し、
前記評価点演算部により算出された前記評価点に基づいて、登録データとして特徴量を保存する特徴点を選択することを特徴とする付記１〜７の何れか１項に記載の生体画像処理装置。
（付記９）
登録データとして前記正規化された特徴量を保存するデータベース部から記憶部に前記登録データを読み出すときに、前記正規化された特徴量を前記バイナリデータに変換することを特徴とする付記１〜８の何れか１項に記載の生体画像処理装置。
（付記１０）
登録データと照合データとの照合処理を行うときに、前記登録データとして保存された前記正規化された特徴量を前記バイナリデータに変換することを特徴とする付記１〜８の何れか１項に記載の生体画像処理装置。
（付記１１）
特徴量の前記バイナリデータから評価点を算出する評価点演算部を有し、
前記評価点演算部により算出された前記評価点に基づいて、登録データとして特徴量を保存する特徴点を選択することを特徴とする付記１〜７の何れか１項に記載の生体画像処理装置。
（付記１２）
前記バイナリ化処理部は、前記正規化された特徴量を（Ｎ−１）ビットの前記バイナリデータに変換することを特徴とする付記１〜１１の何れか１項に記載の生体画像処理装置。
（付記１３）
生体画像処理装置の抽出部が、生体画像から複数の特徴点を抽出し、
前記生体画像処理装置の特徴量演算部が、抽出された各特徴点の特徴量を算出し、
前記生体画像処理装置の正規化部が、算出された各特徴量を、該特徴量の値の分布に基づいてＮ段階（Ｎは任意の自然数）の値に正規化し、
前記生体画像処理装置のバイナリ化処理部が、前記正規化された特徴量の値と２値の一方の値にするビットの数とが比例関係となるように、前記正規化された特徴量の値に応じた数のビットを所定の順序に従って前記一方の値にして前記正規化された特徴量をバイナリデータに変換することを特徴とする生体画像処理方法。
（付記１４）
生体画像から特徴点を抽出するステップと、
抽出された各特徴点の特徴量を算出するステップと、
算出された各特徴量を、該特徴量の値の分布に基づいてＮ段階（Ｎは任意の自然数）の値に正規化するステップと、
前記正規化された特徴量の値と２値の一方の値にするビットの数とが比例関係となるように、前記正規化された特徴量の値に応じた数のビットを所定の順序に従って前記一方の値にして前記正規化された特徴量をバイナリデータに変換するステップとをコンピュータに実行させるための生体画像処理プログラム。
（付記１５）
生体画像から特徴点を抽出するステップと、
抽出された各特徴点の特徴量を算出するステップと、
算出された各特徴量を、該特徴量の値の分布に基づいてＮ段階（Ｎは任意の自然数）の値に正規化するステップと、
前記正規化された特徴量の値と２値の一方の値にするビットの数とが比例関係となるように、前記正規化された特徴量の値に応じた数のビットを所定の順序に従って前記一方の値にして前記正規化された特徴量をバイナリデータに変換するステップとをコンピュータに実行させるための生体画像処理プログラムを記録したことを特徴とするコンピュータ読み取り可能な記録媒体。

１００、１２００、１２５０ 生体画像処理装置
１０１、１２０１、１２５１ 制御部
１０２、１２０２、１２５２ 生体データ取得部
１０３、１２５３ 照合処理部
１０４、１２５４ ハミング距離演算部
１０５、１２５５ データベース部
１０６、１２０３、１２５６ 記憶部
１０７、１２０４ 特徴データ取得部
１０８、１２０５ 特徴点抽出部
１０９、１２０６ 特徴量演算部
１１０、１２０７ 特徴量正規化部
１１１、１２５７ バイナリ化処理部
１１２、１２０８ 評価点演算部
８０１ バイナリ化情報保持部
８０２、１２５９ 順序情報
８０３、１２６０ ビット反転フラグ
１２０９、１２６１ 暗号化処理部
１２１０、１２６２ 通信部
１２５８ バイナリ化情報設定部

Claims (10)

1. 生体画像から複数の特徴点を抽出する抽出部と、
   前記抽出部により抽出された各特徴点の特徴量を算出する特徴量演算部と、
   前記特徴量演算部により算出された各特徴量を、該特徴量の値の分布に基づいてＮ段階（Ｎは任意の自然数）の値に正規化する正規化部と、
   前記正規化された特徴量の値と２値の一方の値にするビットの数とが比例関係となるように、前記正規化された特徴量の値に応じた数のビットを所定の順序に従って前記一方の値にして前記正規化された特徴量をバイナリデータに変換するバイナリ化処理部とを有することを特徴とする生体画像処理装置。
2. 登録データの特徴量の前記バイナリデータと照合データの特徴量の前記バイナリデータとのビット毎の一致度に基づいて、前記登録データと前記照合データとの類似度を算出する照合処理部を有することを特徴とする請求項１記載の生体画像処理装置。
3. 前記照合処理部は、前記登録データ及び前記照合データの特徴量の前記バイナリデータから特徴量間のハミング距離を算出し、算出したハミング距離に基づいて前記登録データと前記照合データとの類似度を算出することを特徴とする請求項２記載の生体画像処理装置。
4. 前記バイナリ化処理部は、前記正規化された特徴量から前記バイナリデータへの変換テーブルを有し、前記変換テーブルを参照して前記正規化された特徴量を前記バイナリデータに変換することを特徴とする請求項１〜３の何れか１項に記載の生体画像処理装置。
5. 前記バイナリ化処理部は、前記２値の一方の値にするビットの順序を示す順序情報に基づく順序で、前記バイナリデータのビットを前記一方の値に設定することを特徴とする請求項１〜４の何れか１項に記載の生体画像処理装置。
6. 前記バイナリ化処理部は、フラグの値に基づいて前記２値の一方の値を切り替えることを特徴とする請求項１〜５の何れか１項に記載の生体画像処理装置。
7. 前記特徴量演算部により算出された特徴量と予め取得した該特徴量の平均値との差に応じた評価点を算出する評価点演算部を有し、
   前記評価点演算部により算出された前記評価点に基づいて、登録データとして特徴量を保存する特徴点を選択することを特徴とする請求項１〜６の何れか１項に記載の生体画像処理装置。
8. 特徴量の前記バイナリデータから評価点を算出する評価点演算部を有し、
   前記評価点演算部により算出された前記評価点に基づいて、登録データとして特徴量を保存する特徴点を選択することを特徴とする請求項１〜６の何れか１項に記載の生体画像処理装置。
9. 生体画像処理装置の抽出部が、生体画像から複数の特徴点を抽出し、
   前記生体画像処理装置の特徴量演算部が、抽出された各特徴点の特徴量を算出し、
   前記生体画像処理装置の正規化部が、算出された各特徴量を、該特徴量の値の分布に基づいてＮ段階（Ｎは任意の自然数）の値に正規化し、
   前記生体画像処理装置のバイナリ化処理部が、前記正規化された特徴量の値と２値の一方の値にするビットの数とが比例関係となるように、前記正規化された特徴量の値に応じた数のビットを所定の順序に従って前記一方の値にして前記正規化された特徴量をバイナリデータに変換することを特徴とする生体画像処理方法。
10. 生体画像から特徴点を抽出するステップと、
    抽出された各特徴点の特徴量を算出するステップと、
    算出された各特徴量を、該特徴量の値の分布に基づいてＮ段階（Ｎは任意の自然数）の値に正規化するステップと、
    前記正規化された特徴量の値と２値の一方の値にするビットの数とが比例関係となるように、前記正規化された特徴量の値に応じた数のビットを所定の順序に従って前記一方の値にして前記正規化された特徴量をバイナリデータに変換するステップとをコンピュータ実行させるための生体画像処理プログラム。

Images