JP2023166847A - コンピュータプログラム、情報処理方法及び情報処理装置 - Google Patents

Abstract

【課題】撮影画像の特徴に応じた適切な真贋判定を行うためのコンピュータプログラム、情報処理方法及び情報処理装置を提供する。【解決手段】コンピュータプログラムは、真贋判定の対象物をカメラで撮影した撮影画像の特徴を表した特徴情報を取得するステップＳ１０５と、取得した特徴情報に基づいて、対象物の真贋を判定する真贋判定処理に必要なパラメータを特定するステップＳ１１１を、コンピュータに実行させる。【選択図】図５

Description

本発明は、対象物の真贋判定を行うためのコンピュータプログラム、情報処理方法及び情報処理装置に関する。

個人が何らかの手続き又は契約を行う際には、本人確認が行われることがある。本人確認では、本人の写真及び個人情報が記載された運転免許証等の本人確認書類が用いられることが多い。この本人確認書類が偽造された場合は、別人による成りすましが可能である。そこで、本人確認書類の真贋を判定する必要がある。特許文献１には、本人確認書類の真贋を判定する技術が開示されている。

特開２０１９－１１７５４９号公報

従来、本人確認は、個人と当該個人に対する本人確認を行う者とが対面して行われることが多かった。一方で、オンラインで本人確認が行われることもある。例えば、個人が操作するカメラにより本人確認書類を撮影した撮影画像が作成され、撮影画像が送信され、撮影画像に基づいた本人確認が行われる。撮影画像は、シャッタースピード等のカメラの設定、又は周りの明るさ等の撮影環境によって影響される。例えば、シャッタースピードが遅い場合は撮影画像にボケが発生し、暗い環境で撮影が行われた場合は暗ノイズが増える。撮影画像の特徴によって、適切な真贋判定方法は異なる。本人確認を行う際には、様々な特徴の撮影画像の真贋を判定する必要があり、撮影画像の特徴に適していない真贋判定方法が用いられた場合は、判定の精度が低下する。

本発明は、斯かる事情に鑑みてなされたものであって、その目的とするところは、夫々の撮影画像の特徴に応じた適切な真贋判定を行うためのコンピュータプログラム、情報処理方法及び情報処理装置を提供することにある。

本発明の一形態に係るコンピュータプログラムは、真贋判定の対象物をカメラで撮影した撮影画像の特徴を表した特徴情報を取得し、取得した前記特徴情報に基づいて、前記対象物の真贋を判定する真贋判定処理に必要なパラメータを特定する処理をコンピュータに実行させることを特徴とする。

本発明の一形態に係る情報処理方法は、真贋判定の対象物をカメラで撮影した撮影画像の特徴を表した特徴情報を取得し、取得した前記特徴情報に基づいて、前記対象物の真贋を判定する真贋判定処理に必要なパラメータを特定することを特徴とする。

本発明の一形態に係る情報処理装置は、真贋判定の対象物をカメラで撮影した撮影画像の特徴を表した特徴情報を取得する取得部と、取得した前記特徴情報に基づいて、前記対象物の真贋を判定する真贋判定処理に必要なパラメータを特定するパラメータ特定部とを備えることを特徴とする。

本発明の一形態においては、真贋判定の対象物を撮影した撮影画像の特徴を表した特徴情報に応じて、真贋判定処理のパラメータが特定される。特徴情報に応じて真贋判定処理のパラメータが特定されることにより、撮影画像の特徴に適した真贋判定処理のパラメータが得られる。撮影画像の特徴に適したパラメータを用いた真贋判定処理を行うことにより、撮影画像の特徴に応じた適切な真贋判定を行うことが可能となる。

本発明にあっては、撮影画像の特徴に応じた適切な真贋判定を行うことができる。このため、精度良く対象物の真贋判定を行うことが可能となり、誤判定を抑制することができる等、本発明は優れた効果を奏する。

真贋判定を行うための情報処理システムの構成例を示す模式図である。 端末装置の内部の構成例を示すブロック図である。 実施形態１に係る情報処理装置の内部の構成例を示すブロック図である。 本人確認書類の例を示す模式図である。 実施形態１に係る真贋判定処理のパラメータを特定する処理の手順の例を示すフローチャートである。 設定情報の内容例を示す概念図である。 特徴情報の内容の一例を示す概念図である。 特徴情報の内容の他の例を示す概念図である。 撮影画像に含まれる複数の領域の例を示す模式図である。 パラメータＤＢの内容例を示す概念図である。 実施形態１に係る真贋判定の処理の手順の例を示すフローチャートである。 実施形態２に係る情報処理装置の内部の構成例を示すブロック図である。 第１学習済モデルの機能を示す概念図である。 学習装置の内部の機能構成例を示すブロック図である。 実施形態２に係る真贋判定処理のパラメータを特定する処理の手順の例を示すフローチャートである。 実施形態３に係る情報処理装置の内部の構成例を示すブロック図である。 第２学習済モデルの機能を示す概念図である。 実施形態３に係る真贋判定の処理の手順の例を示すフローチャートである。 実施形態４に係る端末装置と本人確認書類とを示す模式図である。

以下本発明をその実施の形態を示す図面に基づき具体的に説明する。
＜実施形態１＞
本実施形態では、運転免許証、パスポート又はＩＤカード等の本人確認書類の真贋を判定する例を示す。図１は、真贋判定を行うための情報処理システム１００の構成例を示す模式図である。本人確認書類４は、真贋判定の対象物である。例えば、本人確認書類４は、使用者によって所有されており、使用者の顔写真が含まれている。情報処理システム１００は、使用者が使用する端末装置２と、真贋判定のための情報処理を実行する情報処理装置１を含んでいる。端末装置２は、端末装置２の外部を撮影する機能を有し、本人確認書類４を撮影する。端末装置２は、インターネット等の通信ネットワーク３を介して、情報処理装置１と通信を行う。情報処理装置１は、真贋判定のための情報処理方法を実行する。情報処理装置１は、行政機関又は金融機関等、本人確認書類４の真贋を判定する必要のある機関で用いられる。図１には単一の端末装置２のみを示しているが、情報処理装置１は、複数の端末装置２と通信を行うことができる。情報処理装置１は、端末装置２が本人確認書類４を撮影した撮影画像に基づいて、本人確認書類４の真贋を判定する。

図２は、端末装置２の内部の構成例を示すブロック図である。端末装置２は、スマートフォン、タブレット型コンピュータ又はパーソナルコンピュータ等、使用者が使用するコンピュータである。端末装置２は、演算部２１と、メモリ２２と、記憶部２３と、操作部２４と、表示部２５と、撮影部２６と、通信部２７とを備えている。演算部２１は、例えばＣＰＵ（Central Processing Unit ）、ＧＰＵ（Graphics Processing Unit）、又はマルチコアＣＰＵを用いて構成されている。演算部２１は、量子コンピュータを用いて構成されていてもよい。メモリ２２は、演算に伴って発生する一時的なデータを記憶する。メモリ２２は、例えばＲＡＭ（Random Access Memory）である。記憶部２３は、不揮発性であり、例えばハードディスク又は不揮発性半導体メモリである。

操作部２４は、使用者からの操作を受け付けることにより、テキスト等の情報の入力を受け付ける。操作部２４は、例えばタッチパネル、キーボード又はポインティングデバイスである。表示部２５は、画像を表示する。表示部２５は、例えば液晶ディスプレイ又はＥＬディスプレイ（Electroluminescent Display）である。操作部２４及び表示部２５は、一体になっていてもよい。撮影部２６は、端末装置２の外部を撮影する。例えば、撮影部２６は、撮像素子を有する。端末装置２は、撮影部２６を使用することによって、カメラとして機能する。通信部２７は、有線又は無線通信により、端末装置２の外部と通信を行う。具体的には、通信部２７は、通信ネットワーク３を介して、情報処理装置１と通信を行う。

記憶部２３は、コンピュータプログラム２３１を記憶する。コンピュータプログラム２３１は、コンピュータプログラム２３１を記憶する光ディスク等の記録媒体２０から読み出され、通信部２７を用いてダウンロードされ、記憶部２３に記憶される。例えば、コンピュータプログラム２３１は、情報処理装置１からダウンロードされる。コンピュータプログラム２３１は、予め記憶部２３に記憶されていてもよい。或は、コンピュータプログラム２３１は、記憶部２３ではなく、メモリ２２に記憶されてもよい。例えば、コンピュータプログラム２３１は、真贋判定に関する処理を実行する際にダウンロードされ、メモリ２２に記憶され、真贋判定に関する処理が終了する際にメモリ２２から消去されてもよい。演算部２１は、コンピュータプログラム２３１に従って必要な処理を実行する。

図３は、実施形態１に係る情報処理装置１の内部の構成例を示すブロック図である。情報処理装置１は、サーバ装置等のコンピュータを用いて構成されている。例えば、情報処理装置１は、行政機関又は金融機関等、本人確認書類４の真贋を判定する必要のある機関に設置されている。情報処理装置１は、演算部１１と、演算に伴って発生する一時的なデータを記憶するメモリ１２と、記憶部１３と、読取部１４と、通信部１５とを備えている。演算部１１は、例えばＣＰＵ、ＧＰＵ、又はマルチコアＣＰＵを用いて構成されている。演算部１１は、量子コンピュータを用いて構成されていてもよい。メモリ１２は、例えばＲＡＭである。記憶部１３は、不揮発性であり、例えばハードディスク又は不揮発性半導体メモリである。読取部１４は、光ディスク又は可搬型メモリ等の記録媒体１０から情報を読み取る。通信部１５は、有線通信又は無線通信により、通信ネットワーク３を介して情報処理装置１の外部と通信を行う。具体的には、通信部１５は、端末装置２と通信を行う。

演算部１１は、記録媒体１０に記録されたコンピュータプログラム１３１を読取部１４に読み取らせ、読み取ったコンピュータプログラム１３１を記憶部１３に記憶させる。演算部１１は、コンピュータプログラム１３１に従って、情報処理装置１に必要な処理を実行する。コンピュータプログラム１３１は、予め記憶部１３に記憶されているか、又は情報処理装置１の外部からダウンロードされてもよい。この場合は、情報処理装置１は読取部１４を備えていなくてもよい。

記憶部１３は、本人確認書類４を撮影した撮影画像の特徴を表した特徴情報と、本人確認書類４の真贋を判定する真贋判定処理に必要なパラメータとを関連付けて記録したパラメータＤＢ（データベース）１３２を記憶している。情報処理装置１は、複数のコンピュータで構成されていてもよい。例えば、情報処理装置１は、コンピュータプログラム１３１を記憶したコンピュータと、パラメータＤＢ１３２を記憶したコンピュータとの二つのコンピュータで構成されていてもよい。又は、パラメータＤＢ１３２は、クラウドに記憶されていてもよい。

情報処理装置１は、所定のアルゴリズムに従って、本人確認書類４を撮影した撮影画像に基づいて本人確認書類４の真贋を判定する真贋判定処理を行う。真贋判定処理のアルゴリズムの一例を説明する。

図４は、本人確認書類４の例を示す模式図である。本人確認書類４には、使用者の顔写真が占める顔写真領域４１が含まれている。顔写真領域４１には、使用者の顔が映った顔領域４２と、使用者の顔の背景を構成する背景領域４３とが含まれている。顔写真領域４１は略長方形になっている。背景領域４３の一角に当り、背景領域４３の隅に当たる隅部４４は、丸みを帯びており、かつ隅部４４の輪郭は不明確である。偽の顔写真を顔写真領域４１に貼り付ける偽造が行われた場合は、隅部４４が直角状になり、輪郭は明確になる。このため、隅部４４が直角状であること又は隅部４４の輪郭が明確であることを検出することにより、本人確認書類４が偽造されたものであることを判定することができる。

真贋判定処理のアルゴリズムの一例では、本人確認書類４を撮影した撮影画像から、隅部４４を検査画像として抽出し、抽出した検査画像の解像度を所定の解像度へ変換する。解像度変換度の検査画像に対して、メディアンフィルタ等のローパスフィルタを用いてノイズ除去を行う。ノイズ除去後の検査画像に対して、エッジ検出用フィルタを用いて、エッジ検出を行う。エッジ検出により、検出されたエッジからなるエッジ画像が生成される。このとき、所定の第１方向のエッジからなるエッジ画像と、第１方向に交差する第２方向のエッジからなるエッジ画像とが生成される。例えば、撮影画像に含まれる画素の位置をｘｙ座標で表し、ｙ軸に沿った方向を第１方向とし、ｘ軸に沿った方向を第２方向とする。例えば、長方形の顔写真領域４１の長辺に沿った方向を第１方向とし、短辺に沿った方向を第２方向とする。エッジ画像に対して、二値化を行うことにより、二値画像を生成する。

二値画像に対して、ハフ変換により直線検出を行う。ハフ変換では、二値画像中のエッジ部分の一の画素を通る直線に対し原点から垂線を下し、所定の基準線に対する当該垂線の角度をθ、当該垂線の長さをρとする。一の画素を通る夫々の直線についてθ及びρを得、得られた全てのθ及びρをρ－θ座標上に表した曲線を生成する。この曲線を、エッジ部分の夫々の画素について生成する。この結果、ρ－θ座標上に、得られた複数の曲線の中の最も多くの曲線が交差する交差箇所が現れる。交差箇所で多くの曲線が交差することは、エッジ部分の多くの画素について共通の直線が引かれることを示す。交差箇所でのθ及びρによって定められる直線を検出する。検出した直線を検出線という。検出線は、第１方向のエッジ画像の二値画像と、第２方向のエッジ画像の二値画像との両方から検出される。

交差箇所で交差する曲線の数は、直線検出、即ち隅部４４の輪郭検出の確からしさを示し、集中度と言う。隅部４４の輪郭が不明確な場合は、集中度は低くなり、隅部４４の輪郭が明確な場合は、集中度は高くなる。得られた集中度を所定の閾値と比較することにより、隅部４４の輪郭が明確であるか否かを判定する。集中度が閾値以下である場合は、隅部４４が不明確であると判定し、本人確認書類４は、偽造されておらず、真であると判定する。集中度が閾値を超過する場合は、隅部４４が明確であると判定する。隅部４４が明確である場合は、本人確認書類４は、偽造されている可能性がある。隅部４４が明確である場合は、隅部４４が直角状であるか否かを判定する。

隅部４４が丸みを帯びている場合は、第１方向及び第２方向のエッジ画像の二値画像から検出された二つの検出線は、傾きが互いに似たものになる。このため、二つの検出線の成す角度は０度又は１８０度に近くなる。隅部４４が直角状である場合は、二つの検出線は直行し、二つの検出線の成す角度は９０度に近くなる。二つの検出線の単位ベクトルの内積を計算し、内積の絶対値を所定の閾値と比較する。内積は、二つの検出線の傾きが同じ場合に１となり、二つの検出線が直交する場合に０となる。計算した内積が閾値を超過する場合に、隅部４４が直角状ではないと判定し、本人確認書類４は、偽造されておらず、真であると判定する。計算した内積が閾値以下である場合は、隅部４４が直角状であると判定し、本人確認書類４は偽造されていると判定する。情報処理装置１は、その他のアルゴリズムを利用して、真贋判定処理を行ってもよい。

以上のような真贋判定処理では、種々のパラメータが利用される。例えば、パラメータには、ローパスフィルタを用いたノイズ除去の強度、ノイズ除去の処理回数、又はエッジ強調処理の有無が含まれる。例えば、パラメータには、隅部４４の輪郭が明確であるか否かを判定するために集中度と比較される閾値が含まれる。例えば、パラメータには、隅部４４が直角状であるか否かを判定するために二つの検出線の単位ベクトルの内積と比較される閾値が含まれる。

撮影画像の状態は、端末装置２が本人確認書類４を撮影したときの設定及び撮影環境によって影響され、一定ではない。例えば、暗い環境で撮影が行われた場合は、撮影時の設定はゲインを上げた状態となり、撮影画像の平均輝度は低い。このとき、撮影画像に含まれる暗ノイズが増える。例えば、シャッタースピードが遅く、ピンボケが発生する場合は、撮影画像の平均エッジ強度が低い。例えば、シャッタースピードが早く、ピントが合い過ぎている場合は、撮影画像の平均輝度は高く、平均エッジ強度は高い。このとき、本人確認書類４に含まれる彩文（地紋）が明確に撮影されている。

撮影画像の状態は、真贋判定の精度に影響する。例えば、撮影画像に含まれる暗ノイズが増えている場合は、暗ノイズによる不要なエッジが検出され、正確なエッジが検出できない。例えば、ピンボケが発生している場合は、正確なエッジが検出できない。例えば、彩文が明確に撮影されている場合は、隅部４４の輪郭のエッジと共に、彩文のエッジが検出され、隅部４４の輪郭のエッジを正確に検出することができない。

真贋判定の精度を向上させるためには、撮影画像の状態に合わせて真贋判定処理のパラメータを調整することが望ましい。例えば、撮影画像に含まれる暗ノイズが増えている場合は、ノイズ除去の強度又はノイズ除去の処理回数を大きくすることにより、暗ノイズを低減させる。また、集中度と比較される閾値を小さくすることにより、直線の検出感度を下げ、二つの検出線の単位ベクトルの内積と比較される閾値も小さくする。例えば、ピンボケが発生している場合は、ノイズ除去を行わずにエッジ強調処理を実施することにより、エッジ検出を容易にする。また、集中度と比較される閾値を小さくし、二つの検出線の単位ベクトルの内積と比較される閾値も小さくする。例えば、彩文が明確に撮影されている場合は、ノイズ除去の強度を大きくすることにより、彩文のエッジの影響を低減させる。また、集中度と比較される閾値を大きくすることにより、不要な直線の検出感度を下げる。

情報処理システム１００は、撮影を行ったときの端末装置２の設定と、撮影画像の見た目の状態とを撮影画像の特徴とし、撮影画像の特徴に応じて真贋判定処理のパラメータを特定する。図５は、実施形態１に係る真贋判定処理のパラメータを特定する処理の手順の例を示すフローチャートである。以下、ステップをＳと略す。演算部１１がコンピュータプログラム１３１に従って情報処理を実行することにより、情報処理装置１は以下の処理を実行する。また、演算部２１がコンピュータプログラム２３１に従って情報処理を実行することにより、端末装置２は以下の処理を実行する。

端末装置２は、本人確認書類４を撮影した撮影画像を生成する（Ｓ１０１）。Ｓ１０１では、使用者は、操作部２４を操作することにより、撮影の指示を入力し、演算部２１は、撮影の指示に従って、撮影部２６に本人確認書類４を撮影させ、撮影画像を生成する。撮影画像は電子データで構成される。例えば、撮影画像は、Ｒ（赤）、Ｇ（緑）及びＢ（青）の三色からなるカラー画像である。演算部２１は、生成した撮影画像のデータをメモリ２２又は記憶部２３に記憶する。

端末装置２は、撮影部２６で本人確認書類４を撮影したときの設定を表した設定情報を取得する（Ｓ１０２）。撮影部２６を備えた端末装置２は、カメラに対応し、撮影部２６で撮影を行ったときの設定は、カメラの設定に対応する。Ｓ１０２では、演算部２１は、撮影を行う際の撮影部２６の設定及び撮影画像を生成する情報処理の設定を表した情報を、設定情報として取得する。Ｓ１０２の処理は、Ｓ１０１よりも前に行われてもよい。

図６は、設定情報の内容例を示す概念図である。設定情報は、ホワイトバランス、シャッタースピード、ＩＳＯ（International Organization for Standardization）感度、ＥＶ（Exposure Value）及びゲイン等の複数の要素からなる。各要素の値が定まっており、演算部２１は、Ｓ１０２で、各要素の値を取得する。図６に示した設定情報の内容は一例であり、設定情報には、図６に示した要素以外の要素が含まれていてもよく、図６に示したいずれかの要素が含まれていなくてもよい。

端末装置２は、生成した撮影画像及び取得した設定情報を情報処理装置１へ送信する（Ｓ１０３）。Ｓ１０３では、演算部２１は、通信部２７に、通信ネットワーク３を介して、撮影画像及び設定情報を情報処理装置１へ送信させる。情報処理装置１は、端末装置２から送信された撮影画像及び設定情報を通信部１５で受信する（Ｓ１０４）。情報処理装置１は、撮影画像及び設定情報を受信することにより、撮影画像及び設定情報を取得する。Ｓ１０４の処理は取得部に対応する。演算部１１は、受信した撮影画像及び設定情報を記憶部１３に記憶する。

情報処理装置１は、撮影画像の状態を表した状態情報を取得する（Ｓ１０５）。状態情報は、撮影画像の見た目の状態を表した情報である。Ｓ１０５では、演算部１１は、撮影画像に基づいて状態情報を生成することにより、取得した設定情報及び生成した状態情報からなる特徴情報を取得する。演算部１１は、取得した特徴情報をメモリ１２又は記憶部１３に記憶する。

図７は、特徴情報の内容の一例を示す概念図である。特徴情報は、撮影画像の特徴を表した情報であり、設定情報及び状態情報を含む。状態情報は、撮影画像の明るさ及びボケ度等の、撮影画像の見た目の複数の特徴を示した複数の要素からなる。演算部１１は、撮影画像に基づいて、状態情報に含まれる複数の要素の値を決定する。例えば、演算部１１は、撮影画像に含まれる画素の輝度の平均に応じて明るさを決定する。例えば、演算部１１は、撮影画像に含まれる高周波成分の大きさに応じてボケ度を決定する。状態情報には、コントラスト等、明るさ及びボケ度以外に撮影画像の見た目の特徴を示した要素が含まれていてもよく、明るさ又はボケ度が含まれていなくてもよい。

図８は、特徴情報の内容の他の例を示す概念図である。この例では、撮影画像に含まれる複数の領域毎に状態情報が取得される。複数の領域は、予め定められている。図９は、撮影画像に含まれる複数の領域の例を示す模式図である。図９には、撮影画像に含まれる第１領域Ｒ１、第２領域Ｒ２及び第３領域Ｒ３を示している。各領域においては、設定情報は同一であるものの、状態情報の少なくとも一部が異なることがある。Ｓ１０５では、演算部１１は、複数の領域毎に状態情報を取得する。特徴情報には、複数の領域での状態情報が含まれる。

本人確認書類４を撮影する際に、本人確認書類４の一部に影が落ちている場合、又は本人確認書類４の一部で光が反射している場合等、本人確認書類４の明るさが位置によって異なっていることがある。このとき、取得された撮影画像は明るさが不均一になっている。図９に示す例では、相対的に、第１領域Ｒ１での明るさが大きく、第２領域Ｒ２及び第３領域Ｒ３での明るさが小さくなっている。図８に示す例では、特徴情報には、第１領域Ｒ１、第２領域Ｒ２及び第３領域Ｒ３の夫々での明るさが含まれる。特徴情報に含まれる明るさ以外の要素が領域別に異なっていてもよい。

撮影画像に基づいて本人確認書類４の真贋を判定する処理のパラメータは、撮影画像の特徴情報に応じた適切な値に定められていることが望ましい。パラメータＤＢ１３２には、撮影画像の特徴情報と、真贋判定処理のパラメータの値とが互いに関連付けて記録されている。図１０は、パラメータＤＢ１３２の内容例を示す概念図である。パラメータＤＢ１３２には、夫々に複数の要素からなる複数通りの特徴情報が記録されている。夫々の特徴情報に関連付けて、複数のパラメータの値が記録されている。特徴情報に関連付けられたパラメータの値は、当該特徴情報に適切な真贋判定処理のパラメータの値である。パラメータＰ１，Ｐ２，Ｐ３，…は、例えば、ノイズ除去の強度、ノイズ除去の処理回数、エッジ強調処理の有無、集中度と比較される閾値、又は二つの検出線の単位ベクトルの内積と比較される閾値等である。

情報処理装置１は、以降の処理で、パラメータＤＢ１３２を参照して、取得した特徴情報に応じたパラメータを特定する。情報処理装置１は、取得した特徴情報と、パラメータＤＢ１３２に記憶されている特徴情報との類似度を計算する（Ｓ１０６）。取得した特徴情報に含まれる複数の要素の値を、Ａ、Ｂ、Ｃ、…とする。また、パラメータＤＢ１３２に記録されている複数通りの特徴情報の中のｉ番目の特徴情報に含まれる複数の要素の値を、Ａ_i 、Ｂ_i 、Ｃ_i 、…とする。Ｓ１０６では、演算部１１は、類似度Ｘ_i を、下記の（１）式に従って計算する。
Ｘ_i ＝ａ×｜Ａ－Ａ_i｜＋ｂ×｜Ｂ－Ｂ_i ｜＋ｃ×｜Ｃ－Ｃ_i ｜＋… （１）

（１）式に含まれるａ、ｂ、ｃ、…は、各要素に関する重み係数である。重み係数は全て正の値であるとする。重み係数は、所定の値に予め定められており、予め記憶部１３に記憶されているか、コンピュータプログラム１３１に含まれている。取得した特徴情報がパラメータＤＢ１３２に記録されている特徴情報に近いほど、類似度は小さくなる。演算部１１は、パラメータＤＢ１３２に記録されている複数通りの特徴情報の夫々について、類似度を計算する。撮影画像に含まれる複数の領域毎に状態情報が得られている場合は、演算部１１は、複数の領域毎に類似度を計算する。計算した類似度に基づいて、パラメータＤＢ１３２に記憶されている特徴情報の中から、取得した特徴情報に近い特徴情報を検索することが可能となる。

情報処理装置１は、計算した類似度が所定の閾値を超過するか否かを判定する（Ｓ１０７）。閾値は、予め定められており、予め記憶部１３に記憶されているか、コンピュータプログラム１３１に含まれている。Ｓ１０７で、演算部１１は、計算した類似度と閾値とを比較する。演算部１１は、計算した全ての類似度が閾値を超過する場合に、類似度が閾値を超過すると判定し、閾値以下の類似度が一つでもある場合は、類似度は閾値以下であると判定する。閾値以下の範囲は、類似度の所定範囲に対応する。類似度が所定範囲に含まれていることは、取得した特徴情報がパラメータＤＢ１３２に記録されている特徴情報に近いことを意味する。なお、閾値未満の範囲を類似度の所定範囲とし、演算部１１は、Ｓ１０７で、計算した類似度が所定の閾値以上であるか否かを判定してもよい。

計算した類似度が閾値を超過する場合は（Ｓ１０７：ＹＥＳ）、情報処理装置１は、再撮影の指示を端末装置２へ送信する（Ｓ１０８）。類似度が閾値を超過することは、類似度が所定範囲を外れることに対応し、取得した特徴情報がパラメータＤＢ１３２に記録されている特徴情報から遠すぎることを意味する。即ち、取得した特徴情報がパラメータＤＢ１３２に記録されている特徴情報から遠すぎる場合に、情報処理装置１は、本人確認書類４を再度撮影することを端末装置２に指示する。Ｓ１０８では、演算部１１は、通信部１５に、再撮影の指示を端末装置２へ送信させる。

端末装置２は、通信部２７で再撮影の指示を受信し（Ｓ１０９）、再撮影の指示を出力する（Ｓ１１０）。Ｓ１１０では、演算部２１は、再撮影の指示を表示部２５に表示する。Ｓ１１０が終了した後は、端末装置２は、処理を終了する。使用者は、出力された再撮影の指示を確認し、操作部２４を操作することにより、撮影の指示を端末装置２へ入力し、端末装置２は、Ｓ１０１から処理を繰り返す。再撮影が行われることにより、撮影画像及び特徴情報が更新される。更新された撮影画像及び特徴情報を利用して、真贋判定処理のパラメータを特定する処理が再度行われる。

計算した類似度が閾値以下である場合は（Ｓ１０７：ＮＯ）、情報処理装置１は、類似度が最小になる特徴情報に関連付けられたパラメータの値を取得することにより、真贋判定処理のパラメータを特定する（Ｓ１１１）。Ｓ１１１では、演算部１１は、パラメータＤＢ１３２に記録されている複数通りの特徴情報の中から、類似度が最小になる特徴情報を特定し、特定した特徴情報に関連付けられているパラメータの値を、パラメータＤＢ１３２から取得する。類似度が最小になる特徴情報は、取得した特徴情報に最も近い特徴情報である。取得した特徴情報に応じた適切なパラメータの値は、取得した特徴情報に近い特徴情報に関連付けられたパラメータの値に近いと推定される。このため、取得した特徴情報に最も近い特徴情報に関連付けられたパラメータの値は、取得した特徴情報に応じた適切なパラメータの値に相当する。従って、Ｓ１１１の処理により、取得した特徴情報に応じた適切なパラメータの値が取得される。

Ｓ１１１では、演算部１１は、パラメータの値を取得することにより、本人確認書類４の真贋を判定する処理のパラメータを特定する。撮影画像に含まれる複数の領域毎に状態情報が得られている場合は、演算部１１は、複数の領域毎に真贋判定処理のパラメータを特定する。このように、パラメータＤＢ１３２を参照することにより、撮影画像に応じた適切な値にパラメータを特定することができる。Ｓ１１１の処理はパラメータ特定部に対応する。演算部１１は、特定したパラメータの値を記憶部１３に記憶する。Ｓ１１１が終了した後は、情報処理装置１は、真贋判定処理のパラメータを特定する処理を終了する。

Ｓ１０１～Ｓ１１１の処理では、（１）式に従って計算した類似度を利用して真贋判定処理のパラメータを特定しているが、情報処理装置１は、他の方法で定めた類似度を利用する形態であってもよい。例えば、情報処理装置１は、取得した特徴情報がパラメータＤＢ１３２に記録されている特徴情報に近いほど、類似度が大きくなるように、類似度を定めてもよい。この場合は、所定の閾値以上の範囲、又は所定の閾値を超過する範囲を、類似度の所定範囲とする。例えば、情報処理装置１は、マハラノビス距離等の、（１）式に従った計算以外の方法で計算した指標を、類似度として用いてもよい。情報処理装置１は、類似度を利用する方法以外の方法でパラメータを特定する処理を行ってもよい。例えば、情報処理装置１は、取得した特徴情報に近い複数の特徴情報に関連付けられているパラメータの値に基づいた補完計算により、真贋判定処理のパラメータを特定してもよい。

情報処理装置１は、特定したパラメータを利用して本人確認書類４の真贋を判定する。図１１は、実施形態１に係る真贋判定の処理の手順の例を示すフローチャートである。情報処理装置１は、本人確認書類４を撮影した撮影画像と、特定した真贋判定処理のパラメータを取得する（Ｓ２１）。Ｓ２１では、演算部１１は、記憶部１３に記憶してある撮影画像及びパラメータの値を読み出すことにより、撮影画像及びパラメータを取得する。

情報処理装置１は、特定したパラメータを利用し、撮影画像に基づいて、本人確認書類４の真贋を判定する真贋判定処理を実行する（Ｓ２２）。Ｓ２２では、演算部１１は、撮影画像に基づき、特定したパラメータを利用した所定のアルゴリズムに従って、真贋判定処理を実行する。撮影画像に含まれる複数の領域毎にパラメータが特定されている場合は、演算部１１は、複数の領域の中の真贋判定処理で利用される領域について特定されたパラメータを利用して、真贋判定処理を実行する。複数の領域の夫々について特定されたパラメータを利用して、複数の領域の夫々について真贋判定処理が実行されてもよい。演算部１１は、真贋判定処理を実行することにより、本人確認書類４の真贋の判定結果を取得する。演算部１１は、判定結果を記憶部１３に記憶する。

情報処理装置１は、本人確認書類４の真贋の判定結果を端末装置２へ送信する（Ｓ２３）。Ｓ２３では、演算部１１は、通信部１５に、判定結果を端末装置２へ送信させる。端末装置２は、通信部２７で本人確認書類４の真贋の判定結果を受信し（Ｓ２４）、判定結果を出力する（Ｓ２５）。Ｓ２５では、演算部１１は、真贋の判定結果を表示部２５に表示する。Ｓ２５が終了した後は、端末装置２は、処理を終了する。使用者は、出力された真贋の判定結果を確認する。

なお、真贋判定処理のパラメータを特定するＳ１０１～Ｓ１１１の処理と、本人確認書類４の真贋を判定するＳ２１～Ｓ２５の処理とは、連続して実行されてもよい。又は、Ｓ１０１～Ｓ１１１の処理と、Ｓ２１～Ｓ２５の処理とは、異なる情報処理装置を用いて実行されてもよい。例えば、第１の情報処理装置を用いてＳ１０１～Ｓ１１１の処理が実行され、第１の情報処理装置から撮影画像と真贋判定処理のパラメータとが第２の情報処理装置へ送信され、第２の情報処理装置を用いてＳ２１～Ｓ２５の処理が実行される。

以上詳述した如く、撮影画像の特徴を表した特徴情報に応じて真贋判定処理のパラメータが特定され、特定されたパラメータを用いて本人確認書類４の真贋が判定される。特徴情報に応じて真贋判定処理のパラメータが特定されることにより、撮影画像の特徴に適した真贋判定処理のパラメータが得られる。撮影画像の特徴に適したパラメータを用いた真贋判定処理を行うことにより、撮影画像の特徴に応じた適切な真贋判定を行うことが可能となり、精度良く本人確認書類４の真贋を判定することができる。

本実施形態では、適切な真贋判定処理のパラメータが得られるので、真贋判定処理のパラメータを調整する必要が無い。このため、真贋判定処理のパラメータを調整するためのコストが削減される。精度良く本人確認書類４の真贋を判定することができるので、偽造された本人確認書類４を本物であると誤認する等の誤判定を抑制することができる。偽造された本人確認書類４を正しく認識することが可能となり、偽造された本人確認書類４を用いた成りすましを防止することができる。本人確認書類４を用いた本人確認を確実に行うことが可能となり、本人確認を必要とする各種の手続き又は契約を安全に行うことができる。

また、本実施形態では、撮影画像の特徴を表した特徴情報は、端末装置２の撮影時の設定を表した設定情報と、撮影画像の見た目の状態を表した状態情報とを含み、特徴情報に応じた適切なパラメータが得られる。撮影を行うカメラの設定、及び明るさ等の撮影環境によって影響される撮影画像の状態に応じて、適切なパラメータが得られるので、カメラの機種及び設定並びに撮影環境に依存せずに、適切な真贋判定を行うことができる。従って、安定して高い精度で本人確認書類４の真贋を判定することができる。また、どのような環境で撮影画像が生成された場合でも、適切な真贋判定が行われるので、使用者は、撮影を行うだけで、容易に真贋判定の結果を得ることができる。

また、本実施形態では、撮影画像に含まれる複数の領域毎に状態情報が得られ、夫々の特徴情報に応じて真贋判定処理のパラメータが得られ、得られたパラメータを利用した真贋判定処理を行うことが可能である。一部に影が落ちた本人確認書類４を撮影することによって撮影画像の明るさが不均一になった場合等、撮影環境の影響によって見た目の状態が異なる複数の領域が撮影画像に含まれることがある。このような状況であっても、複数の領域毎に得られたパラメータを利用することにより、適切な真贋判定を行うことが可能となる。このため、安定して高い精度で本人確認書類４の真贋を判定することができる。

＜実施形態２＞
実施形態２では、学習済モデルを用いて真贋判定処理のパラメータを特定する形態を示す。図１２は、実施形態２に係る情報処理装置１の内部の構成例を示すブロック図である。情報処理装置１は、パラメータＤＢ１３２を備えておらず、真贋判定処理のパラメータを特定するために用いられる第１学習済モデル１３３を備えている。情報処理装置１のその他の部分の構成は実施形態１と同様である。また、情報処理システム１００の情報処理装置１以外の部分の構成は実施形態１と同様である。

第１学習済モデル１３３は、コンピュータプログラム１３１に従って演算部１１が情報処理を実行することにより実現される。記憶部１３は、第１学習済モデル１３３を実現するために必要なデータを記憶している。第１学習済モデル１３３は、ハードウェアを用いて構成されていてもよい。例えば、第１学習済モデル１３３は、プロセッサと、必要なプログラムおよびデータを記憶するメモリとを含んだハードウェアにより構成されていてもよい。又は、第１学習済モデル１３３は、量子コンピュータを用いて実現されてもよい。或いは、第１学習済モデル１３３は情報処理装置１の外部に設けられており、情報処理装置１は、外部の第１学習済モデル１３３を利用して処理を実行する形態であってもよい。例えば、第１学習済モデル１３３はクラウドを利用して実現されてもよい。

図１３は、第１学習済モデル１３３の機能を示す概念図である。第１学習済モデル１３３には、本人確認書類４を撮影した撮影画像の特徴を表した特徴情報が入力される。第１学習済モデル１３３は、特徴情報が入力された場合に真贋判定処理のパラメータの値を出力するように、予め学習されている。第１学習済モデル１３３は、ＣＮＮ（Convolutional Neural Network）、ＬＳＴＭ（Long short-term memory）又はトランスフォーマ等のニューラルネットワークを用いて構成されている。第１学習済モデル１３３は、ニューラルネットワーク以外の方法を用いたモデルであってもよい。

第１学習済モデル１３３の学習は、学習装置５によって行われる。図１４は、学習装置５の内部の機能構成例を示すブロック図である。学習装置５は、サーバ装置又はパーソナルコンピュータ等のコンピュータである。学習装置５は、演算部５１と、メモリ５２と、記憶部５３と、読取部５４と、インタフェース部５５とを備えている。演算部５１は、例えばＣＰＵ、ＧＰＵ、又はマルチコアＣＰＵを用いて構成されている。演算部５１は、量子コンピュータを用いて構成されていてもよい。メモリ５２は、演算に伴って発生する一時的なデータを記憶する。メモリ５２は、例えば、ＲＡＭである。記憶部５３は、不揮発性であり、例えば、ハードディスク又は不揮発性半導体メモリである。読取部５４は、光ディスク又は可搬型メモリ等の記録媒体５０から情報を読み取る。インタフェース部５５は、データの入出力を行う。学習装置５は、複数のコンピュータにより構成されていてもよく、クラウドコンピューティングを利用して実現されてもよい。学習装置５は、情報処理装置１により実現されてもよい。

記憶部５３は、第１学習済モデル１３３を学習させるための訓練データを記憶する。訓練データには、撮影画像の特徴情報と、真贋判定処理のパラメータの値とが互いに関連付けて記録されている。特徴情報に関連付けられたパラメータの値は、当該特徴情報に適切な真贋判定処理のパラメータの値である。訓練データには、特徴情報とパラメータの値とが関連付けられた情報セットが複数記録されている。

学習装置５は、訓練データに基づいた学習により、特徴情報が入力された場合に真贋判定処理のパラメータの値を出力する第１学習済モデル１３３を生成する。学習装置５は、第１学習済モデル１３３の素となる学習モデルを備えている。学習モデルは、コンピュータプログラム５３１に従って演算部５１が情報処理を実行することにより実現される。記憶部５３は、学習モデルを実現するために必要なデータを記憶している。なお、学習モデルは、ハードウェアにより構成されていてもよい。学習モデルは、量子コンピュータを用いて実現されてもよい。

学習装置５は、第１学習済モデル１３３の素となる学習モデルの学習を行う。演算部５１は、訓練データに含まれる特徴情報を学習モデルへ入力する。学習モデルは、特徴情報の入力に応じて、演算を行い、真贋判定処理のパラメータの値を出力する。演算部５１は、学習モデルが出力した真贋判定処理のパラメータの値と、学習モデルへ入力された特徴情報に訓練データにおいて関連付けられている真贋判定処理のパラメータの値との誤差が小さくなるように、学習モデルの演算のパラメータを調整する。例えば、誤差逆伝播法によりパラメータの調整が行われる。

演算部５１は、訓練データに含まれる、特徴情報及び真贋判定処理のパラメータからなる複数の情報セットを用いて、処理を繰り返し、学習モデルの演算のパラメータを調整することにより、学習モデルの機械学習を行う。演算部５１は、このように学習モデルの演算のパラメータを調整することによって、第１学習済モデル１３３を生成する。演算部５１は、調整された最終的な第１学習済モデル１３３の演算のパラメータを記憶部５３に記憶する。

学習装置５により生成された第１学習済モデル１３３が、情報処理装置１に備えられる。例えば、最終的な第１学習済モデル１３３の演算のパラメータが、インタフェース部５５を通じて学習装置５から出力され、通信部１５を通じて情報処理装置１へ入力され、記憶部１３に記憶される。記憶部１３に記憶された演算のパラメータを利用した情報処理を演算部１１が実行することにより、第１学習済モデル１３３が実現される。

情報処理装置１は、第１学習済モデル１３３を用いて真贋判定処理のパラメータを特定する処理を行う。図１５は、実施形態２に係る真贋判定処理のパラメータを特定する処理の手順の例を示すフローチャートである。端末装置２は、Ｓ１０１～Ｓ１０３の処理と同様に、本人確認書類４を撮影した撮影画像を生成し（Ｓ３１）、設定情報を取得し（Ｓ３２）、撮影画像及び設定情報を情報処理装置１へ送信する（Ｓ３３）。情報処理装置１は、Ｓ１０４～Ｓ１０５の処理と同様に、撮影画像及び設定情報を受信し（Ｓ３４）、状態情報を取得する（Ｓ３５）。Ｓ３４の処理は取得部に対応する。Ｓ３５では、演算部１１は、設定情報及び状態情報からなる撮影画像の特徴情報を取得し、取得した特徴情報をメモリ１２又は記憶部１３に記憶する。

情報処理装置１は、撮影画像の特徴情報を第１学習済モデル１３３へ入力する（Ｓ３６）。Ｓ３６では、演算部１１は、特徴情報を第１学習済モデル１３３へ入力し、第１学習済モデル１３３に処理を実行させる。第１学習済モデル１３３は、特徴情報の入力に応じて、演算を行い、真贋判定処理のパラメータの値を出力する。情報処理装置１は、出力されたパラメータの値を取得することにより、真贋判定処理のパラメータを特定する（Ｓ３７）。Ｓ３７では、演算部１１は、第１学習済モデル１３３が出力した真贋判定処理のパラメータの値を取得し、パラメータの値を記憶部１３に記憶する。Ｓ３７の処理はパラメータ特定部に対応する。Ｓ３７が終了した後は、情報処理装置１は、真贋判定処理のパラメータを特定する処理を終了する。

実施形態１と同様に、情報処理装置１は、特定したパラメータを利用して本人確認書類４の真贋を判定する。即ち、本人確認書類４の真贋を判定するＳ２１～Ｓ２５の処理が実行される。Ｓ３１～Ｓ３７の処理とＳ２１～Ｓ２５の処理とは、連続して実行されてもよい。又は、Ｓ３１～Ｓ３７の処理と、Ｓ２１～Ｓ２５の処理とは、異なる情報処理装置を用いて実行されてもよい。なお、Ｓ１０１～Ｓ１１１の処理と、Ｓ３１～Ｓ３７の処理との両方が行われ、二通りの方法で得られたパラメータを用いてＳ２１～Ｓ２５の処理が行われてもよい。例えば、二通りの方法で得られたパラメータを用いた真贋判定処理の結果が共に真である場合に、本人確認書類４が真であると決定されてもよい。

本実施形態では、第１学習済モデル１３３を用いて真贋判定処理のパラメータが特定される。撮影画像の特徴情報に応じて適切な真贋判定処理のパラメータは異なるので、特徴情報の入力に応じて適切なパラメータの値を出力する第１学習済モデル１３３を実現することができる。第１学習済モデル１３３を利用することにより、撮影画像の特徴情報に応じて適切な真贋判定処理のパラメータが特定される。本実施形態においても、撮影画像の特徴に応じた適切な真贋判定を行うことが可能となり、精度良く本人確認書類４の真贋を判定することができる。

＜実施形態３＞
実施形態３では、学習済モデルを用いて本人確認書類４の真贋を判定する形態を示す。図１６は、実施形態３に係る情報処理装置１の内部の構成例を示すブロック図である。情報処理装置１は、パラメータＤＢ１３２又は第１学習済モデル１３３を備えている。また、情報処理装置１は、真贋判定を行うために用いられる第２学習済モデル１３４を備えている。情報処理装置１のその他の部分の構成は実施形態１と同様である。また、情報処理システム１００の情報処理装置１以外の部分の構成は実施形態１と同様である。

第２学習済モデル１３４は、コンピュータプログラム１３１に従って演算部１１が情報処理を実行することにより実現される。記憶部１３は、第２学習済モデル１３４を実現するために必要なデータを記憶している。第２学習済モデル１３４は、ハードウェアを用いて構成されていてもよい。例えば、第２学習済モデル１３４は、プロセッサと、必要なプログラムおよびデータを記憶するメモリとを含んだハードウェアにより構成されていてもよい。又は、第２学習済モデル１３４は、量子コンピュータを用いて実現されてもよい。或いは、第２学習済モデル１３４は情報処理装置１の外部に設けられており、情報処理装置１は、外部の第２学習済モデル１３４を利用して処理を実行する形態であってもよい。例えば、第２学習済モデル１３４はクラウドを利用して実現されてもよい。

図１７は、第２学習済モデル１３４の機能を示す概念図である。第２学習済モデル１３４には、本人確認書類４を撮影した撮影画像と、真贋判定処理のパラメータの値とが入力される。第２学習済モデル１３４は、撮影画像及び真贋判定処理のパラメータの値とが入力された場合に本人確認書類４の真贋の判定結果を出力するように、予め学習されている。第２学習済モデル１３４は、ＣＮＮ、ＬＳＴＭ又はトランスフォーマ等のニューラルネットワークを用いて構成されている。第２学習済モデル１３４は、ニューラルネットワーク以外の方法を用いたモデルであってもよい。

第２学習済モデル１３４の学習は、学習装置５によって行われる。学習装置５は、第２学習済モデル１３４を学習させるための訓練データを記憶する。訓練データには、撮影画像と、真贋判定処理のパラメータの値と、真贋の判定結果とが互いに関連付けて記録されている。撮影画像に関連付けられたパラメータの値は、当該撮影画像に適切な真贋判定処理のパラメータの値である。撮影画像に関連付けられた判定結果は、当該撮影画像に撮影されている本人確認書類４の真贋である。訓練データには、撮影画像とパラメータの値と判定結果とが関連付けられた情報セットが複数記録されている。

学習装置５は、訓練データに基づいた学習により、撮影画像と真贋判定処理のパラメータの値とが入力された場合に真贋の判定結果を出力する第２学習済モデル１３４を生成する。学習装置５は、第２学習済モデル１３４の素となる学習モデルの学習を行う。学習装置５は、訓練データに含まれる撮影画像及び真贋判定処理のパラメータの値を学習モデルへ入力する。学習モデルは、撮影画像及び真贋判定処理のパラメータの値の入力に応じて、演算を行い、真贋の判定結果を出力する。学習装置５は、学習モデルが出力した真贋の判定結果と、学習モデルへ入力された撮影画像及び真贋判定処理のパラメータの値に訓練データにおいて関連付けられている真贋の判定結果との誤差が小さくなるように、学習モデルの演算のパラメータを調整する。例えば、誤差逆伝播法によりパラメータの調整が行われる。

学習装置５は、訓練データに含まれる、撮影画像と真贋判定処理のパラメータの値と判定結果とからなる複数の情報セットを用いて、処理を繰り返し、学習モデルの演算のパラメータを調整することにより、学習モデルの機械学習を行う。学習装置５は、このように学習モデルの演算のパラメータを調整することによって、第２学習済モデル１３４を生成する。学習装置５は、調整された最終的な第２学習済モデル１３４の演算のパラメータを記憶する。

学習装置５により生成された第２学習済モデル１３４が、情報処理装置１に備えられる。例えば、最終的な第２学習済モデル１３４の演算のパラメータが学習装置５から出力され、通信部１５を通じて情報処理装置１へ入力され、記憶部１３に記憶される。記憶部１３に記憶された演算のパラメータを利用した情報処理を演算部１１が実行することにより、第２学習済モデル１３４が実現される。

情報処理装置１は、Ｓ１０１～Ｓ１１１の処理、又はＳ３１～Ｓ３７の処理を実行することにより、真贋判定処理のパラメータを特定する。更に、情報処理装置１は、第２学習済モデル１３４を用いて本人確認書類４の真贋を判定する処理を行う。図１８は、実施形態３に係る真贋判定の処理の手順の例を示すフローチャートである。情報処理装置１は、本人確認書類４を撮影した撮影画像と、特定した真贋判定処理のパラメータを取得する（Ｓ４１）。

情報処理装置１は、撮影画像と真贋判定処理のパラメータの値とを第２学習済モデル１３４へ入力する（Ｓ４２）。Ｓ４２では、演算部１１は、撮影画像と真贋判定処理のパラメータの値とを第２学習済モデル１３４へ入力し、第２学習済モデル１３４に処理を実行させる。第２学習済モデル１３４は、撮影画像と真贋判定処理のパラメータの値との入力に応じて、演算を行い、真贋の判定結果を出力する。情報処理装置１は、本人確認書類４の真贋の判定結果を取得する（Ｓ４３）。Ｓ４３では、演算部１１は、第２学習済モデル１３４が出力した真贋の判定結果を取得し、判定結果を記憶部１３に記憶する。

情報処理装置１は、本人確認書類４の真贋の判定結果を端末装置２へ送信する（Ｓ４４）。端末装置２は、通信部２７で真贋の判定結果を受信し（Ｓ４５）、真贋の判定結果を出力する（Ｓ４６）。Ｓ４６では、演算部１１は、本人確認書類４の真贋の判定結果を表示部２５に表示する。Ｓ４６が終了した後は、端末装置２は、処理を終了する。使用者は、出力された真贋の判定結果を確認する。

真贋判定処理のパラメータを特定する処理と、Ｓ４１～Ｓ４４の処理とは、連続して実行されてもよい。真贋判定処理のパラメータを特定する処理と、Ｓ４１～Ｓ４４の処理とは、異なる情報処理装置を用いて実行されてもよい。なお、Ｓ２１～Ｓ２２の処理と、Ｓ４１～Ｓ４３の処理との両方が行われてもよい。例えば、二通りの方法で得られた判定結果が共に真である場合に、本人確認書類４が真であると決定されてもよい。

Ｓ３１～Ｓ３７の処理により真贋判定処理のパラメータを特定する形態では、第１学習済モデル１３３及び第２学習済モデル１３４が同時学習される形態であってもよい。この形態では、訓練データには、撮影画像と特徴情報と真贋の判定結果とが関連付けて含まれている。学習では、第１学習済モデル１３３の素となる第１の学習モデルへ特徴情報が入力され、第１の学習モデルが出力したパラメータと撮影画像とが第２学習済モデル１３４の素となる第２の学習モデルへ入力され、第２の学習モデルは真贋の判定結果を出力する。学習装置５は、第２の学習モデルが出力した真贋の判定結果と、撮影画像及び特徴情報に関連付けられた真贋の判定結果との誤差が小さくなるように、第１の学習モデル及び第２の学習モデルの演算のパラメータを調整する。このように、学習装置５は、訓練データを利用して、第１の学習モデル及び第２の学習モデルの機械学習を行うことにより、第１学習済モデル１３３及び第２学習済モデル１３４を生成する。実際の真贋の判定結果に基づいて、第１学習済モデル１３３及び第２学習済モデル１３４を学習させることができる。

本実施形態では、第２学習済モデル１３４を用いて本人確認書類４の真贋の判定を行う。撮影画像と、撮影画像の特徴情報に応じた真贋判定処理のパラメータとを用いて適切な真贋判定を行うことができるので、撮影画像と真贋判定処理のパラメータとの入力に応じて真贋の判定結果を出力する第２学習済モデル１３４を実現することができる。第２学習済モデル１３４を利用することにより、撮影画像の特徴に応じた適切な真贋判定を行うことが可能となり、精度良く本人確認書類４の真贋を判定することができる。

＜実施形態４＞
図１９は、実施形態４に係る端末装置２と本人確認書類４とを示す模式図である。本人確認書類４はホログラム４５を含んでいる。端末装置２は、本人確認書類４を撮影した撮影画像として、複数のフレームを含む動画像を生成する。また、端末装置２は、本人確認書類４に対して相対的に動きながら、本人確認書類４を撮影する。このとき、ホログラム４５から端末装置２へ入る光と本人確認書類４の表面とのなす角度が変化するように、端末装置２は本人確認書類４に対して相対的に動く。例えば、端末装置２は、図１９に矢印で示した方向に沿って動きながら、撮影を行う。ホログラム４５から端末装置２へ入る光と本人確認書類４の表面とのなす角度に応じて、ホログラム４５の見え方は異なる。このため、端末装置２と本人確認書類４との相対的な位置に応じて、撮影画像は変化する。

情報処理システム１００は、Ｓ１０１～Ｓ１１１の処理又はＳ３１～Ｓ３７の処理を実行することにより、真贋判定処理のパラメータを特定する。Ｓ１０１又はＳ３１では、端末装置２は、本人確認書類４に対して相対的に動きながら、撮影画像として複数のフレームを含む動画像を生成する。例えば、使用者は、端末装置２を本人確認書類４に対して相対的に動かしながら、端末装置２を操作して、端末装置２で本人確認書類４を撮影する。情報処理装置１は、Ｓ１０５～Ｓ１０８及びＳ１１１の処理、又はＳ３５～Ｓ３７の処理を、撮影画像に含まれる複数のフレーム毎に実行する。撮影画像に含まれる複数のフレームの中には、真贋判定処理のパラメータを特定する処理に用いられないフレームがあってもよい。これにより、撮影画像に含まれるフレーム別に、真贋判定処理のパラメータが得られる。

また、情報処理システム１００は、Ｓ２１～Ｓ２５の処理又はＳ４１～Ｓ４６の処理を実行することにより、本人確認書類４の真贋を判定する。情報処理装置１は、Ｓ２２の処理又はＳ４２～Ｓ４３の処理を、撮影画像に含まれる複数のフレーム毎に実行し、複数のフレームに関する判定結果に応じて、本人確認書類４の真贋の最終的な判定結果を決定する。例えば、情報処理装置１は、複数のフレームに関する判定結果が全て真である場合に、本人確認書類４が真であると決定する。

本実施形態においては、本人確認書類４にはホログラム４５が含まれており、端末装置２は本人確認書類４に対して相対的に移動しながら、撮影画像として動画像を生成する。動画像に含まれる複数のフレームについて、特徴情報に応じて真贋判定処理のパラメータが特定され、特定されたパラメータを用いて真贋判定が行われる。端末装置２と本人確認書類４との相対的な位置に応じて撮影画像は変化するので、複数のフレームは互いに異なった画像となり、異なる画像の夫々について真贋判定が行われることになる。異なる画像に基づいて複数回の真贋判定が行われるので、誤判定の発生がより抑制され、より正しく本人確認書類４の真贋を判定することが可能となる。

以上の実施形態１～４においては、使用者が使用する端末装置２で撮影を行う形態を示したが、情報処理システム１００は、端末装置２以外のカメラを用いる形態であってもよい。例えば、情報処理システム１００は、使用者が使用する携帯カメラ等の撮影装置を用いる形態であってもよい。例えば、情報処理システム１００は、固定カメラ等、専用のカメラを用いる形態であってもよい。実施形態１～４においては、真贋判定処理のパラメータを特定する処理及び真贋判定処理を主に情報処理装置１で実行する形態を示したが、情報処理システム１００は、実施形態１～４で示した情報処理装置１での処理を、端末装置２で実行する形態であってもよい。この形態では、端末装置２は、本発明に係る情報処理装置として機能する。

実施形態１～４においては、真贋判定の対象物が本人確認書類４である例を示したが、真贋判定の対象物は本人確認書類４以外のものであってもよい。例えば、真贋判定の対象物は、クレジットカード、各種のチケット、公文書、紙幣、証券、絵画、又はブランド品であってもよい。

本発明は上述した実施の形態の内容に限定されるものではなく、請求項に示した範囲で種々の変更が可能である。即ち、請求項に示した範囲で適宜変更した技術的手段を組み合わせて得られる実施形態も本発明の技術的範囲に含まれる。

各実施形態に記載した事項は相互に組み合わせることが可能である。また、特許請求の範囲に記載した独立請求項及び従属請求項は、引用形式に関わらず全てのあらゆる組み合わせにおいて、相互に組み合わせることが可能である。さらに、特許請求の範囲には他の２以上のクレームを引用するクレームを記載する形式（マルチクレーム形式）を用いているが、これに限るものではない。マルチクレームを少なくとも一つ引用するマルチクレーム（マルチマルチクレーム）を記載する形式を用いて記載してもよい。

今回開示された実施形態は全ての点で例示であって、制限的なものでは無いと考えられるべきである。本発明の範囲は、上記した意味ではなく、特許請求の範囲によって示され、特許請求の範囲と均等の意味及び範囲内での全ての変更が含まれることが意図される。

（付記１）
真贋判定の対象物をカメラで撮影した撮影画像の特徴を表した特徴情報を取得し、
取得した前記特徴情報に基づいて、前記対象物の真贋を判定する真贋判定処理に必要なパラメータを特定する
処理をコンピュータに実行させることを特徴とするコンピュータプログラム。

（付記２）
前記特徴情報は、前記対象物を撮影したときの前記カメラの設定を表した設定情報と、前記撮影画像の見た目の状態を表した状態情報とを含むこと
を特徴とする付記１に記載のコンピュータプログラム。

（付記３）
前記撮影画像に含まれる複数の領域毎に前記状態情報を取得する
処理をコンピュータに実行させることを特徴とする付記２に記載のコンピュータプログラム。

（付記４）
前記特徴情報と前記パラメータとを関連付けて記録したデータベースを参照して、取得した前記特徴情報に応じた前記パラメータを取得することにより、前記パラメータを特定する
処理をコンピュータに実行させることを特徴とする付記１乃至３のいずれか一つに記載のコンピュータプログラム。

（付記５）
取得した前記特徴情報と、前記データベースに記録されている前記特徴情報との類似度を計算し、
計算した前記類似度に基づいて、取得した前記特徴情報に最も近い前記特徴情報に関連付けて前記データベースに記録されている前記パラメータを取得する
処理をコンピュータに実行させることを特徴とする付記４に記載のコンピュータプログラム。

（付記６）
計算した前記類似度が所定範囲を外れる場合に、前記対象物の再撮影の指示を出力する
処理を更にコンピュータに実行させることを特徴とする付記５に記載のコンピュータプログラム。

（付記７）
前記特徴情報を入力した場合に前記パラメータを出力するように学習された第１学習済モデルへ、取得した前記特徴情報を入力し、前記第１学習済モデルが出力した前記パラメータを取得することにより、前記パラメータを特定する
処理をコンピュータに実行させることを特徴とする付記１乃至３のいずれか一つに記載のコンピュータプログラム。

（付記８）
前記撮影画像は、複数のフレームを含む動画像であり、
前記複数のフレーム毎に前記パラメータを特定する
処理をコンピュータに実行させることを特徴とする付記１乃至７のいずれか一つに記載のコンピュータプログラム。

（付記９）
前記撮影画像を取得し、
取得した前記撮影画像及び特定した前記パラメータを用いて前記真贋判定処理を実行する
処理を更にコンピュータに実行させることを特徴とする付記１乃至８のいずれか一つに記載のコンピュータプログラム。

（付記１０）
前記撮影画像及び前記パラメータを入力した場合に前記対象物の真贋の判定結果を出力するように学習された第２学習済モデルへ、取得した前記撮影画像及び特定した前記パラメータを入力し、前記第２学習済モデルが出力した前記判定結果を取得することにより、前記真贋判定処理を実行する
処理をコンピュータに実行させることを特徴とする付記９に記載のコンピュータプログラム。

１００ 情報処理システム
１ 情報処理装置
１０ 記録媒体
１３１ コンピュータプログラム
１３２ パラメータＤＢ
１３３ 第１学習済モデル
１３４ 第２学習済モデル
２ 端末装置
２６ 撮影部
３ 通信ネットワーク
４ 本人確認書類
５ 学習装置

Claims (13)

1. 真贋判定の対象物をカメラで撮影した撮影画像の特徴を表した特徴情報を取得し、
   取得した前記特徴情報に基づいて、前記対象物の真贋を判定する真贋判定処理に必要なパラメータを特定する
   処理をコンピュータに実行させることを特徴とするコンピュータプログラム。
2. 前記特徴情報は、前記対象物を撮影したときの前記カメラの設定を表した設定情報と、前記撮影画像の見た目の状態を表した状態情報とを含むこと
   を特徴とする請求項１に記載のコンピュータプログラム。
3. 前記撮影画像に含まれる複数の領域毎に前記状態情報を取得する
   処理をコンピュータに実行させることを特徴とする請求項２に記載のコンピュータプログラム。
4. 前記特徴情報と前記パラメータとを関連付けて記録したデータベースを参照して、取得した前記特徴情報に応じた前記パラメータを取得することにより、前記パラメータを特定する
   処理をコンピュータに実行させることを特徴とする請求項１乃至３のいずれか一つに記載のコンピュータプログラム。
5. 取得した前記特徴情報と、前記データベースに記録されている前記特徴情報との類似度を計算し、
   計算した前記類似度に基づいて、取得した前記特徴情報に最も近い前記特徴情報に関連付けて前記データベースに記録されている前記パラメータを取得する
   処理をコンピュータに実行させることを特徴とする請求項４に記載のコンピュータプログラム。
6. 計算した前記類似度が所定範囲を外れる場合に、前記対象物の再撮影の指示を出力する
   処理を更にコンピュータに実行させることを特徴とする請求項５に記載のコンピュータプログラム。
7. 前記特徴情報を入力した場合に前記パラメータを出力するように学習された第１学習済モデルへ、取得した前記特徴情報を入力し、前記第１学習済モデルが出力した前記パラメータを取得することにより、前記パラメータを特定する
   処理をコンピュータに実行させることを特徴とする請求項１乃至３のいずれか一つに記載のコンピュータプログラム。
8. 前記撮影画像は、複数のフレームを含む動画像であり、
   前記複数のフレーム毎に前記パラメータを特定する
   処理をコンピュータに実行させることを特徴とする請求項１乃至３のいずれか一つに記載のコンピュータプログラム。
9. 前記撮影画像を取得し、
   取得した前記撮影画像及び特定した前記パラメータを用いて前記真贋判定処理を実行する
   処理を更にコンピュータに実行させることを特徴とする請求項１乃至３のいずれか一つに記載のコンピュータプログラム。
10. 前記撮影画像及び前記パラメータを入力した場合に前記対象物の真贋の判定結果を出力するように学習された第２学習済モデルへ、取得した前記撮影画像及び特定した前記パラメータを入力し、前記第２学習済モデルが出力した前記判定結果を取得することにより、前記真贋判定処理を実行する
    処理をコンピュータに実行させることを特徴とする請求項９に記載のコンピュータプログラム。
11. 真贋判定の対象物をカメラで撮影した撮影画像の特徴を表した特徴情報を取得し、
    取得した前記特徴情報に基づいて、前記対象物の真贋を判定する真贋判定処理に必要なパラメータを特定する
    ことを特徴とする情報処理方法。
12. 前記対象物はホログラムを含んでおり、
    前記カメラを前記対象物に対して相対的に動かしながら、前記対象物を前記カメラで撮影し、複数のフレームを含む動画像でなる前記撮影画像を生成し、
    前記複数のフレーム毎に前記パラメータを特定する
    ことを特徴とする請求項１１に記載の情報処理方法。
13. 真贋判定の対象物をカメラで撮影した撮影画像の特徴を表した特徴情報を取得する取得部と、
    取得した前記特徴情報に基づいて、前記対象物の真贋を判定する真贋判定処理に必要なパラメータを特定するパラメータ特定部と
    を備えることを特徴とする情報処理装置。

Images