JP2024512247A - 顔ロック解除のための光学的皮膚検出 - Google Patents

Abstract

顔認証方法が提案される。前記方法は、以下のステップ：ａ） 少なくとも１つのカメラ（１１２）を使用することによって少なくとも１つの第１画像を決定する、少なくとも１つの顔検出ステップ（１１０）と；ｂ） 少なくとも１つの照射ユニット（１１８）を使用することによって複数の照射特徴を含む少なくとも１つの照射パターンをシーン上に投影し、前記少なくとも１つのカメラ（１１２）を使用して少なくとも１つの第２画像を決定し、ビームプロファイルの分析によって、識別された幾何学的特徴を含む前記第１画像の画像領域に対応する前記第２画像の画像領域内に位置する反射特徴の少なくとも１つの第１ビームプロファイル情報を決定し、前記処理ユニット（１１４）を使用することによって、前記第１ビームプロファイル情報から前記反射特徴の少なくとも１つの材料特性を決定する少なくとも１つの皮膚検出ステップ（１１６）であって、前記材料特性が皮膚に特徴的な少なくとも１つの特性に対応する場合に、前記検出された顔は皮膚として特徴付けられる、少なくとも１つの皮膚検出ステップ（１１６）と；ｃ） ビームプロファイルの分析によって、前記識別された幾何学的特徴を含む前記第１画像の画像領域に対応する前記第２画像の画像領域内に位置する前記反射特徴の少なくとも４つの第２ビームプロファイル情報を決定し、前記処理ユニット（１１４）を使用することによって、前記反射特徴の第２ビームプロファイル情報から少なくとも１つの深度レベルを決定することを有する少なくとも１つの３Ｄ検出ステップであって、前記深度レベルが、平面物体の予め決定された又は予め定義された前記深度レベルから逸脱している場合に、前記検出された顔は、３Ｄ物体として特徴付けられる、少なくとも１つの３Ｄ検出ステップと；ｄ） ステップｂ）（１１６）において前記検出された顔が皮膚として特徴付けられ、ステップｃ）（１２０）において前記検出された顔が３Ｄ物体として特徴付けられる場合に、少なくとも１つの認証ユニットを使用することによって、前記検出された顔を認証することを含む、少なくとも１つの認証ステップと、を含む。【選択図】図３

Description

本発明は、顔認証方法、モバイルデバイス、及びその方法の様々な使用に関する。本発明による装置、方法及び使用は、具体的には、例えば、日常生活、セキュリティ技術、ゲーミング、交通技術、生産技術、芸術、文書又は技術目的のためのデジタル写真又はビデオ撮影などの写真撮影、安全技術、情報技術、農業、作物保護、メンテナンス、化粧品、医療技術、又は科学の様々な分野において採用され得る。ただし、他の適用も可能である。

今日のデジタル世界において、情報技術への安全なアクセスは、あらゆる最先端のシステムの必須要求である。パスフレーズ又はＰＩＮコードなどの標準的な概念は、現在、指紋又は顔認証のような生体認証方式によって拡張され、組み合わされ、あるいは置き換えられたりしている。パスフレーズは、注意深く適切な長さを選択すれば、高いレベルのセキュリティを提供できるが、このステップには注意が必要であり、ＩＴの状況によっては、潜在的に長いフレーズをいくつか暗記する必要がある。さらに、パスフレーズを提供する人が、パスフレーズ又はデジタル装置の所有者によって承認されていることは保証されない。対照的に、顔又は指紋のような生体認証の特徴は、唯一で個人固有特性である。したがって、これらに由来する特徴を使用することは、パスフレーズ／ＰＩＮコードよりも便利であるだけでなく、個人ＩＤとロック解除プロセスを組み合わせるため、より安全である。

残念ながら、パスワードを盗み見られるのと同様に、正規のユーザになりすますために指紋及び顔を人工的に作成することができる。第一世代の自動顔認識ツールは、デジタルカメラ画像又は画像ストリームを使用し、二次元画像処理法を適用して特徴的な特徴を抽出し、一方、機械学習技術を使用して顔テンプレートを生成し、それらの特徴に基づいてＩＤ認識を実施する。第２世代の顔認識アルゴリズムでは、手作業で作成した画像特徴の代わりに深層畳み込みニューラルネットワーク(neuronal networks)を使用して、分類モデルを生成する。

しかし、どちらのアプローチも、例えば、今日インターネットから無料でダウンロードできる高画質の写真を使用して攻撃される可能性がある。そのため、プレゼンテーション攻撃検知（ＰＡＤ）という考え方が重要視されるようになった。初期のアプローチは、一連の画像を記録し、時間依存の特徴、例えば、頭の位置もしくは目の瞬きの小さいが自然な変化などをテストすることによって、正当なユーザの写真を提示するような単純な攻撃から保護するように設計された。これらの方法は、ユーザの録画済みビデオを再生することによって、又は公表されている写真から生成された注意深いアニメーションによって、再びだまされる可能性がある。なりすましの可能性がある物体としてディスプレイを除外するために、ディスプレイは電磁スペクトルの可視領域でのみ光子を放出するため、近赤外線（ＮＩＲ）カメラを使用することができる。さらなる対策として、３Ｄカメラが導入され、平面写真又は再生ビデオ付きタブレットと３Ｄ顔を明確に区別できる。それでも、これらのシステムは、いくつかのアプローチを挙げると、例えば３Ｄプリント、２Ｄ写真の慎重な３Ｄ配置によって生成された高品質のマスク、又は手作業のシリコンもしくはラテックスマスクなどで攻撃される可能性がある。マスクは通常人間が着用するものであるため、小さな動作に基づく生存検出も失敗する。しかしながら、これらのタイプのマスクは、２０２０年２月２８日に出願されたＥＰ出願第２０１５９９８４．２号及び２０２０年１月３１日に出願されたＥＰ出願第２０１５４９６１．５１９０６７９号（その全内容は参照により含まれる）に記載されているような、ヒトの皮膚を他の材料から分類することができるＰＡＤシステムによって拒否される可能性がある。

さらに、民族的起源による皮膚の光学的特性の違いから、さらなる問題が生じる可能性がある。信頼性の高い認識とＰＡＤ技術は、このような異なる起源に関して完全に依存しない必要がある。

セキュリティを考慮するだけでなく、ロック解除プロセスの速度と必要な計算能力も許容できるユーザエクスペリエンスを提供するために重要である。高速顔認識は、装置のロック解除が成功した後のいくつかのタスクに使用することができ、例えば、ユーザがまだディスプレイの前にいるかどうかをチェックしたり、ディスプレイの前にいる人物にオンザフライチェックを実施することによって、バンキングアプリのようなさらに安全なアプリケーションを起動したりすることができる。この場合も、速度と計算リソースがユーザエクスペリエンスに大きな影響を与える。

現在の３Ｄアルゴリズムは計算負荷が非常に高く、プレゼンテーション攻撃の検出には複数のビデオフレームを処理する必要がある。そのため、許容可能なロック解除性能を実施するためには、高価なハードウェアを使用する必要がある。さらに、消費電力が高くなる。

要約すると、顔ロック解除のための現在の方法は、３Ｄマスクによるなりすまし攻撃を確実に検出する能力を提供せず、このタスクをヒトによる検出限界を下回る速度で実施する。

ＵＳ２０１９／２１３３０９Ａ１は、測距センサを用いてユーザの顔を認証するシステム及び方法を記載している。測距センサは、飛行時間センサと反射率センサを含む。測距センサは、ユーザから反射され、測距センサに戻って受信される信号を送信する。受信された信号は、ユーザとセンサ間の距離、及びユーザの反射率を決定するために使用されることができる。該距離及び反射率によって、プロセッサは、顔認識プロセスを起動することができる。

したがって、本発明の目的は、既知の装置及び方法の上述の技術的課題に対する装置及び方法を提供することである。真正な顔の写真及びビデオを用いた単純なプレゼンテーション攻撃は検出され得るが、３Ｄフェイスマスクを用いたプレゼンテーション攻撃を確実に検出するアプローチはまだ不足している。具体的には、デジタル装置のロックを解除するために、顔由来の生体認証機能によるパスフレーズ／ＰＩＮコードで置き換えを可能にするために、別のセキュリティ層が、必要である。さらに、異なる民族起源(ethnic origins)に由来する異なる皮膚タイプに対して完全に依存せずに機能する方法が必要である。

この問題は、独立特許請求項の特徴を備えた本発明によって解決される。個別に又は組み合わせて実現することができる本発明の有利な展開は、従属請求項及び／又は以下の明細書及び詳細な実施形態に示されている。

以下で使用される場合、「有する」、「備える」、又は「含む」という用語、又はそれらの任意の文法上の変形は、非排他的な方法で使用される。したがって、これらの用語は、これらの用語によって導入された特徴の他に、この文脈で説明されている実体にさらなる特徴が存在しない状況と、１つ以上のさらなる特徴が存在する状況の両方を指し得る。一例として、「ＡはＢを有する」、「ＡはＢを備える」、及び「ＡはＢを含む」という表現は、Ｂ以外にＡに他の要素が存在しない状況（つまり、Ａは専らかつ排他的にＢから構成される状況）と、Ｂに加えて、１つ以上の要素、例えば要素Ｃ、要素ＣとＤ、又はさらに要素などが実体Ａに存在する状況の双方を指し得る。

さらに、「少なくとも１つ」、「１つ以上」という用語、又は、特徴もしくは要素が１回以上存在し得ることを示す同様の表現は、典型的には、それぞれの特徴又は要素を導入するときに１回だけ使用されることに留意されたい。以下では、ほとんどの場合、それぞれの特徴又は要素を参照するときに、「少なくとも１つ」又は「１つ以上」という表現は、それらの特徴又は要素が１回以上現れ得るという事実にもかかわらず、繰り返されないことに留意されたい。

さらに、以下で使用される場合、「好ましくは」、「より好ましくは」、「特に」、「より特に」、「具体的に」、「より具体的に」という用語、又は、同様の用語は、代替の可能性を制限することなく、任意の特徴に関連して使用される。したがって、これらの用語によって導入される特徴は、任意の特徴であり、いかなる意味でも特許請求の範囲を限定することを意図するものではない。本発明は、当業者であれば認識するように、代替的特徴を用いて実施することができる。同様に、「本発明の一実施形態では」又は同様の表現によって導入される特徴は、本発明の代替の実施形態に関するいかなる制限もなく、本発明の範囲に関するいかなる制限もなく、及び、そのような方法で導入される特徴を本発明の他の任意の又は非任意の特徴と組み合わせる可能性に関するいかなる制限もなく、任意の特徴であることが意図されている。

本発明の第１の態様では、顔認証の方法が開示される。認証される顔は、具体的には、ヒトの顔であってよい。本明細書で使用される「顔認証」という用語は、広義の用語であり、当業者にとって通常で慣用的な意味を与えられるべきであり、特別な意味又はカスタマイズされた意味に限定されるべきではない。この用語は、具体的には、限定されることなく、認識された物体又は認識された物体の一部をヒトの顔であるとして検証することを指し得る。具体的には、認証は、顔を模倣するために作成された攻撃材料から本物のヒトの顔を区別することを含み得る。認証は、それぞれのユーザの身元を検証すること、及び／又はユーザに身元を割り当てることを含んでよい。認証は、例えば、モバイルデバイス、機械、自動車、建物などのアクセスを認証するための少なくとも１つの認証装置などの他の装置に対して、識別情報を生成及び／又は提供することを含んでよい。識別情報は、認証によって証明されてよい。例えば、識別情報は、少なくとも１つの識別トークンであってよく、及び／又は少なくとも１つの識別トークンを含んでよい。認証に成功した場合、認識された物体又は認識された物体の一部が本物の顔であること、及び／又は物体、特にユーザの身元であることが検証される。

この方法は以下のステップ：
ａ） 少なくとも１つの顔検出ステップであって、該顔検出ステップは、少なくとも１つのカメラを使用することによって少なくとも１つの第１画像を決定することを含み、該第１画像は、顔を含むと思われるシーンの少なくとも１つの二次元画像を含み、該顔検出ステップは、少なくとも１つの処理ユニットを使用することによって、顔に特徴的な少なくとも１つの予め定義された又は予め決定された幾何学的特徴を第１画像内で識別することによって、第１画像内で顔を検出することを含む、少なくとも１つの顔検出ステップと；
ｂ） 少なくとも１つの皮膚検出ステップであって、該皮膚検出ステップは、少なくとも１つの照射ユニットを使用することによって複数の照射特徴を含む少なくとも１つの照射パターンをシーン上に投影することと、少なくとも１つのカメラを使用して少なくとも１つの第２画像を決定することを含み、該第２画像が、照射特徴による照射に応答してシーンによって生成される複数の反射特徴を含み、該反射特徴の各々が少なくとも１つのビームプロファイルを含み、該皮膚検出ステップは、ビームプロファイルの分析によって、識別された幾何学的特徴を含む第１画像の画像領域に対応する第２画像の画像領域内に位置する反射特徴の少なくとも１つの第１ビームプロファイル情報を決定し、処理ユニットを使用することによって、第１ビームプロファイル情報から反射特徴の少なくとも１つの材料特性を決定することを含み、材料特性が皮膚の少なくとも１つに特徴的な特性に対応する場合に、検出された顔が皮膚として特徴付けられる、少なくとも１つの皮膚検出ステップと；
ｃ） 少なくとも１つの３Ｄ検出ステップであって、該３Ｄ検出ステップは、ビームプロファイルの分析によって、識別された幾何学的特徴を含む第１画像の画像領域に対応する第２画像の画像領域内に位置する反射特徴の少なくとも４つの第２ビームプロファイル情報を決定することと、処理ユニットを使用することによって、前記反射特徴の第２ビームプロファイル情報から少なくとも１つの深度レベルを決定することを含み、検出された顔は、深度レベルが平面物体の予め決定された又は予め定義された深度レベルから逸脱している場合に、３Ｄ物体として特徴付けられる、少なくとも１つの３Ｄ検出ステップと；
ｄ） 少なくとも１つの認証ステップであって、該認証ステップは、ステップｂ）において検出された顔が皮膚として特徴付けられ、ステップｃ）において検出された顔が３Ｄ物体として特徴付けられる場合に、少なくとも１つの認証ユニットを使用することによって検出された顔を認証することを含む、少なくとも１つの認証ステップと、
を含む。

方法ステップは所定の順序で実施されてもよく、又は異なる順序で実施されてよい。さらに、列挙されていない１つ以上の追加の方法ステップが存在してよい。さらに、方法ステップの１つ、１つより多く、又は、全てさえも、繰り返し実施されてよい。

本明細書で使用される「カメラ」という用語は、広義の用語であり、当業者にとって通常で慣用的な意味を与えられるべきであり、特別な意味又はカスタマイズされた意味に限定されるべきではない。この用語は、具体的には、限定されることなく、空間的に分解された一次元、二次元、さらには三次元の光学データ又は情報を記録又はキャプチャするように構成された少なくとも１つの画像要素を有する装置を指し得る。カメラはデジタルカメラであってよい。一例として、カメラは、画像を記録するように構成された少なくとも１つのＣＣＤチップ及び／又は少なくとも１つのＣＭＯＳチップなどの少なくとも１つのカメラチップを備えてよい。カメラは、少なくとも１つの近赤外線カメラであってよく、又は近赤外線カメラを備えていてよい。

本明細書で使用される場合、限定されることなく、「画像」という用語は、具体的には、カメラチップのピクセルなどの画像要素からの複数の電子読み取り値など、カメラを使用することによって記録されるデータに関し得る。カメラは、少なくとも１つのカメラチップ又は画像チップに加えて、１つ以上の光学要素、例えば１つ以上のレンズなどのさらなる要素を含んでいてよい。一例として、カメラは、カメラに対して固定的に調整された少なくとも１つのレンズを有する固定焦点カメラであってよい。あるいは、しかし、カメラは自動又は手動で調整され得る１つ以上の可変レンズを備えていてよい。

カメラは、ノートブックコンピュータ、タブレット、又は具体的にはスマートフォンなどの携帯電話などのモバイルデバイスのカメラであってよい。したがって、具体的には、カメラは、少なくとも１つのカメラの他に、１つ以上のデータプロセッサなどの１つ以上のデータ処理装置を備えるモバイルデバイスの一部であってよい。しかしながら、他のカメラも可能である。本明細書で使用される「モバイルデバイス」という用語は、広義の用語であり、当業者にとって通常で慣用的な意味を与えられるべきであり、特別な意味又はカスタマイズされた意味に限定されるべきではない。この用語は、具体的には、限定されることなく、モバイル電子装置、より具体的には携帯電話又はスマートフォンなどのモバイル通信装置を指し得る。追加的に又は代替的に、モバイルデバイスは、タブレットコンピュータ又は他のタイプのポータブルコンピュータを指し得る。

具体的には、カメラは、少なくとも１つの感光エリアを有する少なくとも１つの光センサであってもよく、それを備えていてもよい。本明細書で使用される場合、「光センサ」は、一般に、少なくとも１つの光ビームによって生成された照射及び／又は光スポットを検出するためなどの、光ビームを検出するための感光装置を指す。本明細書でさらに使用される場合、「感光エリア」は、一般的に、少なくとも１つの光ビームによって外部から照射され、該照射に応答して少なくとも１つのセンサ信号を生成する、光センサのエリアを指す。感光エリアは、具体的には、それぞれの光センサの表面に位置することができる。しかしながら、他の実施形態も可能である。カメラは、それぞれが感光エリアを有する複数の光センサを含んでよい。本明細書で使用される場合、「それぞれが少なくとも１つの感光エリアを有する光センサ」という用語は、それぞれが１つの感光エリアを有する複数の単一の光センサを備える構成と、複数の感光エリアを有する１つの結合された光センサを備える構成とを指す。「光センサ」という用語は、さらに、１つの出力信号を生成するように構成された感光装置を指す。カメラが複数の光センサを含む場合、各光センサは、正確に１つの感光エリアがそれぞれの光センサ内に存在するように、例えば、照射され得る正確に１つの感光エリアを提供し、該感光エリアの照射に応答して光センサ全体について正確に１つの均一なセンサ信号を生成するようにすることによって具現化されてよい。したがって、各光センサは、単一エリアの光センサであってよい。単一エリアの光センサの使用は、しかしながら、カメラの構成を特に簡単かつ効率的にする。したがって、一例として、それぞれが正確に１つの感光エリアを有する市販のシリコンフォトダイオードなどの市販の光センサが、構成において使用されてよい。しかしながら、他の実施形態も可能である。

光センサは、具体的には、少なくとも１つの光検出器、好ましくは無機光検出器、より好ましくは無機半導体光検出器、最も好ましくはシリコン光検出器であってもよく、又はそれを含んでいてもよい。具体的には、光センサは、赤外スペクトル範囲において感度を有してよい。光センサは、ピクセルのマトリックスを含む少なくとも１つのセンサ要素を含んでいてよい。マトリックスの全てのピクセル、又はマトリックスの光センサの少なくとも一群は、具体的には同一であってよい。マトリックスの同一のピクセルの一群は、具体的には、異なるスペクトル範囲について提供されてよく、又は全てのピクセルが、スペクトル感度に関して同一であってよい。さらに、ピクセルは、サイズ及び／又はそれらの電子的又は光電子的特性に関して同一であってよい。具体的には、光センサは、赤外スペクトル範囲、好ましくは７００ｎｍ～３．０マイクロメートルの範囲に感度を有する少なくとも１つの無機フォトダイオードのアレイであってよく、又はそれらを含んでいてもよい。具体的には、光センサは、シリコンフォトダイオードが適用可能な特に７００ｎｍ～１１００ｎｍの範囲の近赤外領域の部分で感度を有してよい。光センサに使用され得る赤外光センサは、例えば、ドイツ，Ｄ－６７０５６ Ｌｕｄｗｉｇｓｈａｆｅｎ ａｍ ＲｈｅｉｎのｔｒｉｎａｍｉＸ ＧｍｂＨのＨｅｒｔｚｓｔｕｅｃｋ（登録商標）というブランド名で市販されている赤外光センサなど、市販の赤外光センサであってよい。したがって、一例として、光センサは、固有の光起電型の少なくとも１つの光センサ、より好ましくは、Ｇｅフォトダイオード、ＩｎＧａＡｓフォトダイオード、拡張ＩｎＧａＡｓフォトダイオード、ＩｎＡｓフォトダイオード、ＩｎＳｂフォトダイオード、ＨｇＣｄＴｅフォトダイオード、からなる群から選択される少なくとも１つの半導体フォトダイオードを含み得る。追加的又は代替的に、光センサは、外因性光起電型の少なくとも１つの光センサ、より好ましくは、Ｇｅ：Ａｕフォトダイオード、Ｇｅ：Ｈｇフォトダイオード、Ｇｅ：Ｃｕフォトダイオード、Ｇｅ：Ｚｎフォトダイオード、Ｓｉ：Ｇａフォトダイオード、Ｓｉ：Ａｓフォトダイオードからなる群から選択される少なくとも１つの半導体フォトダイオードを含み得る。追加的又は代替的に、光センサは、ＰｂＳもしくはＰｂＳｅセンサなどの少なくとも１つの光導電センサ、ボロメータ、好ましくはＶＯボロメータ及びアモルファスＳｉボロメータからなる群から選択されるボロメータを含み得る。

光センサは、紫外、可視、又は赤外スペクトル範囲の１つ以上で感度を有してよい。具体的には、光センサは、５００ｎｍ～７８０ｎｍ、最も好ましくは６５０ｎｍ～７５０ｎｍ、又は６９０ｎｍ～７００ｎｍの可視スペクトル範囲で感度を有してよい。具体的には、光センサは近赤外領域で感度を有してよい。具体的には、光センサは、シリコンフォトダイオードが適用可能な特に７００ｎｍ～１０００ｎｍの範囲の近赤外領域の部分で感度を有してよい。光センサは、具体的には、赤外スペクトル範囲、具体的には７８０ｎｍ～３．０μｍの範囲で感度を有してよい。例えば、光センサは、それぞれ独立に、フォトダイオード、フォトセル、光伝導体、フォトトランジスタ又はそれらの任意の組み合わせからなる群から選択される少なくとも１つの要素であってよく、又はそれを含んでいてよい。例えば、光センサは、ＣＣＤセンサ要素、ＣＭＯＳセンサ要素、フォトダイオード、フォトセル、光導電体、フォトトランジスタ又はそれらの任意の組み合わせからなる群から選択される少なくとも１つの要素であってよく、又はそれを含んでいてよい。他の任意のタイプの感光性要素を使用してよい。感光性要素は、一般に、完全に又は部分的に無機材料で作製されることができ、及び／又は、完全に又は部分的に有機材料で作製されることができる。最も一般的には、市販のフォトダイオード、例えば、無機半導体フォトダイオードなどの１つ以上のフォトダイオードが使用され得る。

光センサは、ピクセルのマトリックスを含む少なくとも１つのセンサ要素を含んでいてよい。したがって、一例として、光センサは、ピクセル化された光学装置の一部であるか、又は、それを構成してもよい。例えば、光センサは、少なくとも１つのＣＣＤ装置及び／又はＣＭＯＳ装置であってもよく、及び／又は、それらを含んでいてもよい。一例として、光センサは、ピクセルのマトリックスを有し、各ピクセルが感光エリアを形成する少なくとも１つのＣＣＤ装置及び／又はＣＭＯＳ装置の一部であるか、又は、それを構成してもよい。

本明細書で使用される場合、「センサ要素」という用語は、一般に、少なくとも１つのパラメータを感知するように構成された装置又は複数の装置の組み合わせを指す。この場合、パラメータは、具体的には光パラメータであってよく、センサ要素は、具体的には光センサ要素であってよい。センサ要素は、一体の単一装置として、又はいくつかの装置の組み合わせとして形成され得る。センサ要素は、光センサのマトリックスを含む。センサ要素は、少なくとも１つのＣＭＯＳセンサを含み得る。マトリックスは、独立光センサなどの独立ピクセルで構成されてよい。したがって、無機フォトダイオードのマトリックスを構成することができる。しかしながら、代替的に、市販のマトリックス、例えば、ＣＣＤ検出器チップなどのＣＣＤ検出器の１つ以上、及び／又はＣＭＯＳ検出器チップなどのＣＭＯＳ検出器が使用されてもよい。したがって、一般に、センサ要素は、少なくとも１つのＣＣＤ装置及び／又はＣＭＯＳ装置であってもよく、及び／又は、それを含んでいてもよく、及び／又は、光センサは、センサアレイを形成してよく、又は上述のマトリックスなどのセンサアレイの一部であってよい。したがって、一例として、センサ要素は、例えばｍ行及びｎ列を有する長方形アレイなどのピクセルのアレイを有することができ、ここでｍ、ｎは独立して正の整数である。好ましくは、複数の列及び複数の行が与えられ、すなわち、ｎ＞１、ｍ＞１である。したがって、一例として、ｎは２～１６以上であり得、ｍは２～１６以上であり得る。好ましくは、行数と列数の比は１に近い。一例として、ｎ及びｍは、ｍ／ｎ＝１：１、４：３、１６：９又は類似のものを選択することなどにより、０．３≦ｍ／ｎ≦３となるように選択され得る。一例として、アレイは、ｍ＝２、ｎ＝２又はｍ＝３、ｎ＝３などを選択することなどにより、等しい数の行及び列を有する正方形アレイであってよい。

マトリックスは独立した光センサなどの独立のピクセルから構成されてよい。したがって、無機フォトダイオードのマトリックスを構成することができる。しかしながら、代替的に、市販のマトリックス、例えばＣＣＤ検出器チップなどのＣＣＤ検出器、及び／又はＣＭＯＳ検出器チップなどのＣＭＯＳ検出器の１つ以上を使用することができる。したがって、一般に、光センサは、少なくとも１つのＣＣＤ及び／又はＣＭＯＳ装置であってよく及び／又はそれを含んでもよく、及び／又は、カメラの光センサは、センサアレイを形成するか、又は上記のマトリックスなどのセンサアレイの一部であり得る。

マトリックスは、具体的には、少なくとも１行、好ましくは複数行及び複数列を有する長方形のマトリックスであってよい。一例として、行及び列は、実質的に垂直な方向に方向付けられてよい。本明細書で使用される場合、「実質的に垂直」という用語は、例えば±２０°以下の許容誤差、好ましくは±１０°以下の許容誤差、より好ましくは±５°以下の許容誤差を有する垂直な向きの状態を指す。同様に、「実質的に平行」という用語は、例えば±２０°以下、好ましくは±１０°以下、より好ましくは±５°以下の許容誤差を有する平行な向きの状態を指す。したがって、一例として、２０°より小さい、具体的には１０°より小さい、又は５°より小さい許容誤差さえ許容され得る。広い視野を提供するために、マトリックスは、具体的には、少なくとも１０行、好ましくは少なくとも５００行、より好ましくは少なくとも１０００行を有することができる。同様に、マトリックスは、少なくとも１０列、好ましくは少なくとも５００列、より好ましくは少なくとも１０００列を有することができる。マトリックスは、少なくとも５０個の光センサ、好ましくは少なくとも１０００００個の光センサ、より好ましくは少なくとも５００００００個の光センサを含むことができる。マトリックスは、数メガピクセルの範囲の数のピクセルを含むことができる。しかしながら、他の実施形態も可能である。したがって、軸回転対称性が期待される構成では、ピクセルとも呼ばれ得るマトリックスの光センサの円形配置又は同心配置が好ましいことがある。

したがって、一例として、センサ要素は、ピクセル化された光学装置の一部であるか、又は、それを構成してもよい。例えば、センサ要素は、少なくとも１つのＣＣＤ装置及び／又はＣＭＯＳ装置であってもよく、及び／又は、それらを含んでいてもよい。一例として、センサ要素は、ピクセルのマトリックスを有し、各ピクセルが感光エリアを形成する少なくとも１つのＣＣＤ装置及び／又はＣＭＯＳ装置の一部であるか、又は、それを構成してもよい。センサ要素は、光センサのマトリックスを読み取るために、ローリングシャッタ方式又はグローバルシャッタ方式を採用してもよい。

カメラは、少なくとも１つの転送装置をさらに含み得る。カメラは、１つ以上の追加の光学要素などの１つ以上の追加の要素をさらに含み得る。カメラは、少なくとも１つのレンズ及び／又は少なくとも１つのレンズシステムなどの転送装置、少なくとも１つの回折光学要素からなる群から選択された少なくとも１つの光学要素を含むことができる。「転送システム」とも呼ばれる「転送装置」という用語は、一般に、光ビームのビームパラメータ、光ビームの幅、又は光ビームの方向の１つ以上を変更することによってなど、光ビームを変更するように適合された１つ以上の光学要素を指し得る。転送装置は、光ビームを光センサに導くように適合されてよい。転送装置は、具体的には：少なくとも１つのレンズ、例えば、少なくとも１つの焦点調節可能レンズ、少なくとも１つの非球面レンズ、少なくとも１つの球面レンズ、少なくとも１つのフレネルレンズからなる群から選択される少なくとも１つのレンズ；少なくとも１つの回折光学要素；少なくとも１つの凹面鏡；少なくとも１つのビーム偏向要素、好ましくは少なくとも１つのミラー；少なくとも１つのビーム分割要素、好ましくはビーム分割キューブ又はビーム分割ミラーのうちの少なくとも１つ；少なくとも１つのマルチレンズシステム、の１つ以上を含み得る。転送装置は、焦点距離を有し得る。本明細書で使用される場合、転送装置の「焦点距離」という用語は、転送装置に衝突する可能性がある入射平行光線が「フォーカルポイント(focal point)」とも呼ばれる「焦点(focus)」に集束される距離を指す。したがって、焦点距離は入射光ビームを収束させる転送装置の能力の指標を構成する。したがって、転送装置は、集束レンズの効果を有し得る１つ以上の画像化要素を含むことができる。例として、転送装置は、１つ以上のレンズ、特に１つ以上の屈折レンズ、及び／又は１つ以上の凸面ミラーを有することができる。この例では、焦点距離は、薄い屈折レンズの中心から薄いレンズの主焦点までの距離として定義することができる。凸型又は両凸型の薄レンズなどの、集束する薄い屈折レンズの場合、焦点距離は、正であると考えられ、転送装置としての薄レンズに衝突する平行光のビームが単一のスポットに集束され得る距離を与えることができる。さらに、転送装置は、少なくとも１つの波長選択要素、例えば少なくとも１つの光フィルタを含むことができる。さらに、転送装置は、例えばセンサ領域の位置で、具体的にはセンサエリアで、電磁放射に予め定義されたビームプロファイルを印加するように設計され得る。転送装置の上記の任意の実施形態は、原則として、個別に、又は任意の所望の組み合わせで実現することができる。

転送装置は、光軸を有していてよい。本明細書で使用される場合、「転送装置の光軸」という用語は、一般に、レンズ又はレンズシステムの鏡面対称又は回転対称の軸を指す。転送システムは、一例として、少なくとも１つのビーム経路であって、該ビーム経路内の転送システムの要素が光軸に関して回転対称に配置されているビーム経路を含んでよい。さらに、ビーム経路内に配置された１つ以上の光学要素は、光軸に対して中心ズレされているか、又は傾斜していてもよい。しかし、この場合、光軸は、ビーム経路内の光学要素の中心を相互接続することによって、例えば、レンズの中心を相互接続することなどによって、順次定義されてよく、この文脈では、光センサは光学要素として考慮されない。光軸は、一般にビーム経路を示してよい。そこでは、カメラは、光ビームがそれに沿って物体から光センサに進む単一のビーム経路を有してもよいし、複数のビーム経路を有してもよい。一例として、単一のビーム経路が与えられてもよいし、又はビーム経路が２つ以上の部分ビーム経路に分割されてもよい。後者の場合、各部分ビーム経路は、それ自身の光軸を有することができる。複数の光センサの場合、光センサは、１つかつ同一のビーム経路又は部分ビーム経路に配置されてよい。代替的に、しかし、光センサはまた、異なる部分ビーム経路に配置されてよい。

転送装置は、縦方向座標が光軸に沿った座標であり、ｄが光軸からの空間的オフセットである座標系を構成してよい。座標系は、転送装置の光軸がｚ軸を形成し、ｚ軸からの距離及び極角が追加の座標として使用され得る極座標系であり得る。ｚ軸に平行又は逆平行な方向は、縦方向とみなすことができ、ｚ軸に沿った座標は縦方向座標とみなすことができる。ｚ軸に垂直な任意な方向は、横方向とみなすことができ、極座標及び／又は極角度は横方向座標とみなすことができる。

カメラは、シーンの少なくとも１つの画像、特に第１画像を決定するように構成される。本明細書で使用される場合、「シーン」という用語は空間領域を指し得る。シーンは、認証中の顔及び周囲の環境を含み得る。第１画像自体は、ピクセルを含み得、画像のピクセルは、センサ要素のマトリックスのピクセルに相関している。したがって、「ピクセル」を参照する場合、センサ要素の単一のピクセルによって生成された画像情報の単位を参照するか、又はセンサ要素の単一のピクセルを直接参照するかのいずれかである。第１画像は、少なくとも１つの二次元画像である。本明細書で使用される場合、「二次元画像」という用語は、一般に、高さ及び幅の寸法などの横方向座標に関する情報を有する画像を指し得る。第１画像は、ＲＧＢ（赤緑青）画像であってよい。「少なくとも１つの第１画像を決定する」という用語は、第１画像をキャプチャ及び／又は記録することを指し得る。

顔検出ステップは、少なくとも１つの処理ユニットを使用することにより、顔に特徴的な少なくとも１つの予め定義された又は予め決定された幾何学的特徴を第１画像内で識別することによって、第１画像内の顔を検出することを含む。具体的には、顔検出ステップは、少なくとも１つの処理ユニットを使用することにより、顔にて特徴的な少なくとも１つの予め定義された又は予め決定された幾何学的特徴を第１画像内で識別することによって、第１画像内の顔を検出することを含む。

本明細書でさらに使用される場合、「処理ユニット」という用語は、一般に、少なくとも１つのプロセッサ及び／又は少なくとも１つの特定用途向け集積回路を使用することによってなど、指定された操作を行うように適合された任意のデータ処理装置を指す。したがって、一例として、少なくとも１つの処理ユニットは、多数のコンピュータコマンドを含んでそこに格納されたソフトウェアコードを含んでいてよい。処理ユニットは、指定された操作の１つ以上を実施するための１つ以上のハードウェア要素を提供してよく、及び／又は、指定された操作の１つ以上を実施するためにその上で実施されるソフトウェアを有する１つ以上のプロセッサを提供してよい。操作は、画像を評価することを含めて、少なくとも１つの処理ユニットによって実施されてよい。したがって、一例として、１つ以上の命令は、ソフトウェア及び／又はハードウェアで実装されることができる。したがって、一例として、処理ユニットは、上記の評価を実施するように構成された１つ以上のコンピュータ、特定用途向け集積回路（ＡＳＩＣ）、デジタル信号プロセッサ（ＤＳＰ）、又はフィールドプログラマブルゲートアレイ（ＦＰＧＡ）などの１つ以上のプログラマブル装置を備えることができる。しかしながら、追加的又は代替的に、処理ユニットはまた、完全に又は部分的にハードウェアによって具現化されてもよい。処理ユニットとカメラは、完全に又は部分的に単一の装置に統合されてよい。したがって、一般に、処理ユニットはまたカメラの一部を形成してよい。あるいは、処理ユニットとカメラは、完全に又は部分的に、別個の装置として具現化されてよい。

処理ユニットは、１つ以上の特定用途向け集積回路（ＡＳＩＣ）などの１つ以上の集積回路、及び／又は、１つ以上コンピュータ、好ましくは１つ以上のマイクロコンピュータ、及び／又はマイクロコントローラ、フィールドプログラマブルゲートアレイ、又はデジタル信号プロセッサなどの、１つ以上のデータ処理装置であるか、又はそれらを含んでいてよい。追加のコンポーネント、例えば、１つ以上の前処理装置、及び／又は１つ以上のＡＤ変換器及び／又は１つ以上のフィルタなどの、センサ信号の受信及び／又は前処理を行う１つ以上の装置などのデータ収集装置が含まれていてよい。さらに、処理ユニットは、電流及び／又は電圧を測定するための１つ以上の測定装置などの、１つ以上の測定装置を備えることができる。さらに、処理ユニットは１つ以上のデータ記憶装置を含むことができる。さらに、処理ユニットは、１つ以上のインターフェイス、例えば１つ以上の無線インターフェイス及び／又は１つ以上の有線インターフェイスを含むことができる。

処理ユニットは、カメラによって得られる情報などの情報を、表示すること、視覚化すること、分析すること、配布すること、通信すること、又は、さらに処理することのうちの１つ以上を行うように構成されることができる。処理ユニットは、一例として、ディスプレイ、プロジェクタ、モニタ、ＬＣＤ、ＴＦＴ、ラウドスピーカ、マルチチャネルサウンドシステム、ＬＥＤパターン、又は、さらなる視覚化装置うちの少なくとも１つに接続されることができ、又は、それを組み込むことができる。それはさらに、Ｅメール、テキストメッセージ、電話、Ｂｌｕｅｔｏｏｔｈ、Ｗｉ－Ｆｉ、赤外線又はインターネットインターフェイス、ポート又は接続のうちの１つ以上を使用して、暗号化された情報又は暗号化されていない情報を送ることができる、通信装置又は通信インターフェイス、コネクタ又はポートのうちの少なくとも１つに、さらに接続されることができ、又はそれを組み込むことができる。それはさらに、プロセッサ、グラフィックプロセッサ、ＣＰＵ、Ｏｐｅｎ Ｍｕｌｔｉｍｅｄｉａ Ａｐｐｌｉｃａｔｉｏｎｓ Ｐｌａｔｆｏｒｍ（ＯＭＡＰ（登録商標））、集積回路、Ａｐｐｌｅ Ａシリーズ又はＳａｍｓｕｎｇ Ｓ３Ｃ２シリーズからの製品、マイクロコントローラ又はマイクロプロセッサなどのようなシステムオンチップ、ＲＯＭ、ＲＡＭ、ＥＥＰＲＯＭ、又はフラッシュメモリなどの１つ以上のメモリブロック、発振器もしくは位相同期ループなどのタイミングソース、カウンタタイマ、リアルタイムタイマ、又はパワーオン－リセット－ジェネレーター、電圧調整器、電力管理回路、又はＤＭＡコントローラのうちの少なくとも１つにさらに接続されることができ、又はそれを組み込むことができる。個々のユニットは、さらに、ＡＭＢＡバスなどのバスによって、モノのインターネット又はインダストリー４．０タイプのネットワークに接続され得るか、統合され得る。

処理ユニットは、シリアル又はパラレルのインターフェイス又はポート、ＵＳＢ、Ｃｅｎｔｒｏｎｉｃｓ Ｐｏｒｔ、ＦｉｒｅＷｉｒｅ、ＨＤＭＩ（登録商標）、イーサネット、Ｂｌｕｅｔｏｏｔｈ、ＲＦＩＤ、Ｗｉ－Ｆｉ、ＵＳＡＲＴ、もしくはＳＰＩのうちの１つ以上などのさらなる外部インターフェイス又はポート、あるいは、ＡＤＣ又は、ＤＡＣ、又はＣａｍｅｒａＬｉｎｋのようなＲＧＢインターフェイスを使用して２Ｄカメラ装置のようなさらなる装置への標準化されたインターフェイスもしくはポートのうちの１つ以上などのアナログインターフェイス又はポートによって接続されていてもよく、又はそれらを有していてもよい。処理ユニットは、プロセッサ間インターフェイスもしくはポート、ＦＰＧＡ－ＦＰＧＡ－インターフェイス、又は、シリアルもしくはパラレルインターフェイスポートのうちの１つ以上によってさらに接続され得る。処理ユニットは、さらに、光学ディスクドライブ、ＣＤ－ＲＷドライブ、ＤＶＤ＋ＲＷドライブ、フラッシュドライブ、メモリカード、ディスクドライブ、ハードディスクドライブ、ソリッドステートディスク、又はソリッドステートハードディスクのうちの１つ以上に接続され得る。

処理ユニットは、フォンコネクタ、ＲＣＡコネクタ、ＶＧＡコネクタ、雄雌同体コネクタ、ＵＳＢコネクタ、ＨＤＭＩコネクタ、８Ｐ８Ｃコネクタ、ＢＣＮコネクタ、ＩＥＣ６０３２０ Ｃ１４コネクタ、光ファイバコネクタ、Ｄサブミニチュアコネクタ、ＲＦコネクタ、同軸コネクタ、ＳＣＡＲＴコネクタ、ＸＬＲコネクタのうちの１つ以上などの、１つ以上のさらなる外部コネクタによって接続されていてよく、又は、それらを有していてよく、及び／又は、これらのコネクタのうちの１つ以上のための少なくとも１つの適切なソケットを組み込んでいてもよい。

第１画像内の顔を検出することは、顔に特徴的な少なくとも１つの予め定義された又は予め決定された幾何学的特徴を識別することを含み得る。本明細書で使用される「顔に特徴的な幾何学的特徴」という用語は、広義の用語であり、当業者にとって通常で慣用的な意味を与えられるべきであり、特別な意味又はカスタマイズされた意味に限定されるべきではない。この用語は、具体的には、限定されることなく、顔の形状及びその構成要素、特に鼻、目、口又は眉などのうちの１つ以上を記述する少なくとも１つの幾何学ベースの特徴を指し得る。処理ユニットは、少なくとも１つのデータベースを備えることができ、そこでは顔に特徴的な幾何学的特徴はルックアップテーブルなどに格納される。顔に特徴的な少なくとも１つの予め定義された又は予め決定された幾何学的特徴を識別するための技術は、一般に当業者に知られている。例えば、顔検出は、Masi, Lacopo等の文献"Deep face recognition：A survey" 2018 31st SIBGRAPI conference on graphics, patterns and images (SIBGRAPI), IEEE, 2018に記載されているように実施されることができ、その全内容は参照により組み込まれる。

処理ユニットは、幾何学的特徴を識別するために、少なくとも１つの画像分析及び／又は画像処理を実施するように構成され得る。画像分析及び／又は画像処理は、少なくとも１つの特徴検出アルゴリズムを使用してよい。画像分析及び／又は画像処理は、以下：フィルタリング；少なくとも１つの関心領域の選択；背景補正；カラーチャネルへの分解；色相、彩度、及び／又は輝度チャネルへの分解；周波数分解；特異値分解；ブロブ検出器の適用；コーナー検出器の適用；ヘッセフィルタの行列式の適用；主曲率ベースの領域検出器の適用；勾配位置及び方向のヒストグラムアルゴリズムの適用；方向付けられた勾配記述子のヒストグラムの適用；エッジ検出器の適用；差動エッジ検出器の適用；キャニーエッジ検出器の適用；ガウスフィルタのラプラス演算子の適用；差分ガウスフィルタの適用；ソーベル（Sobel）演算子の適用；ラプラス演算子の適用；シャール演算子の適用；プレウィット演算子の適用；ロバーツ演算子の適用；キルシュ演算子の適用；ハイパスフィルタの適用；ローパスフィルタの適用；フーリエ変換の適用；ラドン変換の適用；ハフ変換の適用；ウェーブレット変換の適用；閾値処理；バイナリ画像の生成、のうちの１つ以上を含み得る。関心領域は、ユーザによって手動で決定されてよく、又は、第１画像内の特徴を認識するなどによって、自動的に決定されてよい。

具体的には、顔検出ステップの後に、少なくとも１つの照射ユニットを使用することによって、シーン上に複数の照射特徴を含む少なくとも１つの照射パターンを投影することを含む皮膚検出ステップが実施されることができる。しかしながら、皮膚検出ステップが顔検出ステップの前に実施される実施形態が可能である。

本明細書で使用される場合、「照射ユニット」という用語は、照射源とも表記され、一般に、少なくとも１つの照射パターンを生成するように構成された少なくとも１つの任意の装置を指し得る。照射ユニットは、シーンの照射のために照射パターンを提供するように構成されてよい。照射ユニットは、シーンを直接的又は間接的に照射するように適合されてよく、そこでは照射パターンは、シーンの表面によって放出され、特に反射又は散乱され、それによって、少なくとも部分的にカメラに向けられる。照射ユニットは、例えば、光ビームをシーン（シーンは光ビームを反射する）に向けることによってシーンを照射するように構成されてよい。照射ユニットは、シーンを照射するために照射光ビームを生成するように構成されてよい。

照射ユニットは、少なくとも１つの光源を備えることができる。照射ユニットは、複数の光源を備えることができる。照射ユニットは、人工照射源、特に少なくとも１つのレーザ源、及び／又は少なくとも１つの白熱ランプ、及び／又は少なくとも１つの半導体光源、例えば少なくとも１つの発光ダイオード、特に有機及び／又は無機発光ダイオードを備えていてよい。一例として、照射ユニットによって放出される光は、３００～１１００ｎｍ、特に５００～１１００ｎｍの波長を有し得る。追加的に又は代替的に、７８０ｎｍ～３．０μｍの範囲などの赤外スペクトル範囲の光が使用され得る。具体的には、シリコンフォトダイオードが適用可能な特に７００ｎｍ～１１００ｎｍの範囲の近赤外領域部分の光が使用されることができる。

照射ユニットは、赤外領域で少なくとも１つの照射パターンを生成するように構成され得る。照射特徴は、近赤外（ＮＩＲ）領域の波長を有してよい。照射特徴は、約９４０ｎｍの波長を有することができる。この波長ではメラニン吸収がないため、暗い顔色と明るい顔色がほぼ同じように光を反射する。しかし、ＮＩＲ領域の他の波長は、８０５ｎｍ、８３０ｎｍ、８３５ｎｍ、８５０ｎｍ、９０５ｎｍ、９８０ｎｍのうちの１つ以上などが可能である。さらに、近赤外領域の光を使用すると、光がヒトの目では検出されないが、もしくは弱くしか検出されないが、シリコンセンサ、特に標準的なシリコンセンサによって依然として検出可能である。

照射ユニットは、単一波長で光を放出するように構成されてよい。他の実施形態では、照射ユニットは、他の波長チャネルでの追加測定を可能にするように、複数の波長で光を放出するように構成されてよい。

本明細書で使用される場合、「光線」という用語は、一般に、エネルギーの流れの方向を指し示す光の波面に垂直な線を指す。本明細書で使用される場合、「ビーム」という用語は、一般に、光線の集まりを指す。以下では、「光線」及び「ビーム」という用語を同義語として使用される。本明細書でさらに使用される場合、「光ビーム」という用語は、一般に光の量を指し、具体的には、本質的に同じ方向に進む光の量であって、光ビームが拡張角又は広がり角を有する可能性を含む。光ビームは空間的広がりを有することができる。具体的には、光ビームは、非ガウスビームプロファイルを有することができる。ビームプロファイルは台形ビームプロファイル；三角形ビームプロファイル；円錐形ビームからなる群から選択されてよい。台形ビームプロファイルは、プラトー領域と少なくとも１つのエッジ領域とを有することができる。光ビームは、具体的には、以下でさらに詳細に概説するように、ガウス光ビーム又はガウス光ビームの線形結合であり得る。しかしながら、他の実施形態も可能である。

照射ユニットは、少なくとも１つの多重ビーム光源(multiple beam light source)であってよく、又は、多重ビーム光源を含んでいてよい。例えば、照射ユニットは、少なくとも１つのレーザ源と、１つ以上の回折光学要素（ＤＯＥ）とを含んでいてよい。具体的には、照射ユニットは、少なくとも１つのレーザ及び／又はレーザ源を備えていてよい。様々なタイプのレーザ、例えば、半導体レーザ、ダブルヘテロ構造レーザ、外部キャビティレーザ、分離封じ込めヘテロ構造レーザ、量子カスケードレーザ、分散ブラッグ（bragg）反射器レーザ、ポラリトンレーザ、ハイブリッドシリコンレーザ、拡張キャビティダイオードレーザ、量子ドットレーザ、ボリュームブラッググレーティングレーザ、インジウムヒ素レーザ、トランジスタレーザ、ダイオード励起レーザ、分散フィードバックレーザ、量子ウェルレーザ、バンド間カスケードレーザ、ガリウムヒ素レーザ、半導体リングレーザ、拡張キャビティダイオードレーザ、又は垂直キャビティ面発光レーザなど、が使用されてよい。追加的に又は代替的に、ＬＥＤ及び／又は電球などの非レーザ光源が使用されてよい。照射ユニットは、照射パターンを生成するように適合された１つ以上の回折光学要素（ＤＯＥ）を含んでよい。例えば、照射ユニットは、点群を生成及び／又は投影するように適合されてよく、例えば、照射ユニットは、少なくとも１つのデジタル光処理プロジェクタ、少なくとも１つのＬＣｏＳプロジェクタ、少なくとも１つの空間光変調器；少なくとも１つの回折光学要素；発光ダイオードの少なくとも１つのアレイ；レーザ光源の少なくとも１つのアレイ、のうちの１つ以上を含み得る。それらの一般的に定義されるビームプロファイル及び取扱い性の他の特性を考慮すると、照射ユニットとしての少なくとも１つのレーザ源の使用が特に好ましい。照射ユニットは、カメラのハウジングに一体化されてよく、又はカメラから分離されていてよい。

さらに、照射ユニットは、変調された光又は変調されていない光を放出するように構成されてよい。複数の照射ユニットを使用する場合、異なる照射ユニットは異なる変調周波数を有することができ、該異なる変調周波数は、以下にさらに詳細に概説するように、後に、光ビームを区別するために使用されることができる。

照射ユニットによって生成された１つ以上の光ビームは、一般的に、光軸に平行に伝播してもよいし、又は、光軸に対して傾斜して伝播してよく、例えば、光軸と角度を含んで伝播してよい。照射ユニットは、１つ以上の光ビームが照射ユニット及び／又はカメラの光軸に沿って照射ユニットからシーンに向かって伝播するように構成されてよい。この目的のために、照射ユニット及び／又はカメラは、照射光ビームを光軸上に偏向させるための少なくとも１つの反射要素、好ましくは少なくとも１つのプリズムを含んでいてよい。一例として、レーザ光ビームなどの１つ以上の光ビーム、及び光軸は、１０°未満、好ましくは５°未満、さらには２°未満の角度を有してよい。しかし、他の実施形態も可能である。さらに、１つ以上の光ビームは、光軸上にあってよく、又は光軸から外れていてもよい。一例として、１つ以上の光ビームは、光軸に対して１０ｍｍ未満、好ましくは光軸に対して５ｍｍ未満、さらには光軸に対して１ｍｍ未満の距離を有して、光軸と平行であってもよく、又は光軸と一致さえしていてもよい。

本明細書で使用される場合、「少なくとも１つの照射パターン」という用語は、シーンの少なくとも一部を照射するように適合された少なくとも１つの照射特徴を含む少なくとも１つの任意のパターンを指す。本明細書で使用される場合、「照射特徴」という用語は、パターンの少なくとも部分的に広がった少なくとも１つの特徴を指す。照射パターンは、単一の照射特徴を含んでよい。照射パターンは、複数の照射特徴を含んでよい。照射パターンは、少なくとも１つの点パターン；少なくとも１つの線パターン；少なくとも１つのストライプパターン；少なくとも１つの市松模様パターン；周期的又は非周期的な特徴の配置を含む少なくとも１つのパターン、からなる群から選択されてよい。照射パターンは、三角形パターン、長方形パターン、六角形パターン、又はさらに凸状のタイル状パターンなどの規則的な及び／又は一定の及び／又は周期的なパターンを含んでよい。照射パターンは、少なくとも１つの点；少なくとも１つの線；平行線又は交差線などの少なくとも２つの線；少なくとも１つの点と１つの線；周期的又は非周期的な特徴の少なくとも１つの配置；少なくとも１つの任意の形状の特徴からなる群から選択される少なくとも１つの照射特徴を示してよい。照射パターンは：少なくとも１つの点パターン、特に擬似ランダム点パターン；ランダム点パターン又は準ランダムパターン；少なくとも１つのソボル（Sobol）パターン；少なくとも１つの準周期的パターン；少なくとも１つの既知の特徴を含む少なくとも１つのパターン；少なくとも１つの規則的なパターン；少なくとも１つの三角形パターン；少なくとも１つの六角形パターン；少なくとも１つの長方形パターン；凸状の均一なタイル状体（tiling）を含む少なくとも１つのパターン；少なくとも１つの線を含む少なくとも１つの線パターン；平行線又は交差線などの少なくとも２つの線を含む少なくとも１つの線パターン、からなる群から選択される少なくとも１つのパターンを含むことができる。例えば、照射ユニットは、点群を生成及び／又は投影するように適合され得る。照射ユニットは、照射パターンが複数の点パターンを含むことができるように、点群を生成するように適合された少なくとも１つの光プロジェクタを含み得る。照射パターンは、レーザスポットの周期的なグリッドを含んでよい。照射ユニットは、照射ユニットによって生成された少なくとも１つの光ビームから照射パターンを生成するように適合された少なくとも１つのマスクを含むことができる。

照射パターンの２つの特徴間の距離、及び／又は、少なくとも１つの照射特徴のエリアは、画像内の錯乱円に依存し得る。上記で概説したように、照射ユニットは、少なくとも１つの照射パターンを生成するように構成された少なくとも１つの光源を備えることができる。具体的には、照射ユニットは、レーザ放射を生成するように指定された少なくとも１つのレーザ光源及び／又は少なくとも１つのレーザダイオードを備える。照射ユニットは、少なくとも１つの回折光学要素（ＤＯＥ）を含んでよい。照射ユニットは、少なくとも１つの周期的な点パターンを投影するように適合された、少なくとも１つのレーザ源及びＤＯＥなどの少なくとも１つの点プロジェクタを含んでよい。本明細書でさらに使用される場合、「少なくとも１つの照射パターンを投影する」という用語は、少なくとも１つのシーンを照射するための少なくとも１つの照射パターンを提供することを指し得る。

皮膚検出ステップは、カメラを使用して、反射画像とも呼ばれる少なくとも１つの第２画像を決定することを含む。本方法は、複数の第２画像を決定することを含んでいてよい。複数の第２画像の反射特徴は、ステップｂ）における皮膚検出のため、及び／又はステップｃ）における３Ｄ検出のために使用され得る。

第２画像は、照射特徴による照射に応答してシーンによって生成される複数の反射特徴を含む。本明細書で使用される場合、「反射特徴」という用語は、具体的には少なくとも１つの照射特徴である照射に応答してシーンによって生成される画像平面内の特徴を指し得る。反射特徴のそれぞれは、反射ビームプロファイルとも呼ばれる少なくとも１つのビームプロファイルを含む。本明細書で使用される場合、反射特徴の「ビームプロファイル」という用語は、一般に、ピクセルの関数としての、光センサの光スポットなどの反射特徴の少なくとも１つの強度分布を指し得る。ビームプロファイルは、台形ビームプロファイル；三角形ビームプロファイル；円錐ビームプロファイル及びガウシアンビームプロファイルの線形結合からなる群から選択され得る。

第２画像の評価は、第２画像の反射特徴を識別することを含んでよい。処理ユニットは、反射特徴を識別するために、少なくとも１つの画像分析及び／又は画像処理を実施するように構成され得る。画像分析及び／又は画像処理は、少なくとも１つの特徴検出アルゴリズムを使用してよい。画像分析及び／又は画像処理は、以下：フィルタリング；少なくとも１つの関心領域の選択；センサ信号によって生成された画像と少なくとも１つのオフセットとの間の差分画像の形成；センサ信号によって生成された画像を反転することによるセンサ信号の反転；異なる時間にセンサ信号によって生成された画像間の差分画像の形成；背景補正；カラーチャネルへの分解；色相への分解；彩度；輝度チャネル；周波数分解；特異値分解；ブロブ検出器の適用；コーナー検出器の適用；ヘッセフィルタの行列式の適用；主曲率ベースの領域検出器の適用；最大安定極値領域検出器の適用；一般化されたハフ変換の適用；稜線検出器の適用；アフィン不変特徴検出器の適用；アフィン適応の関心点演算子の適用；ハリスアフィン領域検出器の適用；ヘッセアフィン領域検出器の適用；スケール不変特徴変換の適用；スケールスペース極値検出器の適用；局所特徴検出器の適用；高速化堅牢特徴アルゴリズムの適用；勾配位置及び方向のヒストグラムアルゴリズムの適用；方向付けられた勾配記述子のヒストグラムの適用；Ｄｅｒｉｃｈｅエッジ検出器の適用；差動エッジ検出器の適用；時空関心点検出器の適用；モラベックコーナー検出器の適用；キャニーエッジ検出器の適用；ガウスフィルタのラプラス演算子の適用；差分ガウスフィルタの適用；ソーベル（Sobel）演算子の適用；ラプラス演算子の適用；シャール演算子の適用；プレウィット演算子の適用；ロバーツ演算子の適用；キルシュ演算子の適用；ハイパスフィルタの適用；ローパスフィルタの適用；フーリエ変換の適用；ラドン変換の適用；ハフ変換の適用；ウェーブレット変換の適用；閾値処理；バイナリ画像の生成、のうちの１つ以上を含み得る。関心領域は、ユーザによって手動で決定されてよく、又は、光センサによって生成された画像内の特徴を認識するなどによって、自動的に決定されてよい。

例えば、照射ユニットは、複数の照射領域が、光センサ、例えばＣＭＯＳ検出器上に生成されるように、点群を生成及び／又は投影するように構成されてよい。さらに、例えばスペックル及び／又は外来光及び／又は多重反射によるなどの外乱が、光センサに存在し得る。処理ユニットは、少なくとも１つの関心領域、例えば、以下により詳細に説明されるそれぞれの反射特徴の縦方向座標の決定に使用される光ビームによって照射される１つ以上のピクセルを、決定するように適合され得る。例えば、処理ユニットは、フィルタリング方法、例えば、ブロブ分析及び／又はエッジフィルタ及び／又は物体認識方法を実施するように適合され得る。

処理ユニットは、少なくとも１つの画像補正を実施するように構成されてよい。画像補正は、少なくとも１つの背景減算を含み得る。処理ユニットは、例えば、さらなる照射なしの画像化によって、ビームプロファイルからの背景光から影響を除去するように適合されてよい。

処理ユニットは、反射特徴のそれぞれのビームプロファイルを決定するように構成されることができる。本明細書で使用される場合、「ビームプロファイルを決定する」という用語は、光センサによって提供される少なくとも１つの反射特徴を識別すること、及び／又は光センサによって提供される少なくとも１つの反射特徴を選択することと、反射特徴の少なくとも１つの強度分布を評価することとを指す。一例として、マトリックスの領域は、マトリックスを通る軸又は線に沿ってなど、三次元強度分布又は二次元強度分布などの強度分布を決定するために使用され、評価されてよい。一例として、光ビームによる照射の中心は、最高の照射を有する少なくとも１つのピクセルを決定することなどにより決定され得、断面軸が照射の中心を通して選択され得る。強度分布は、照射の中心を通るこの断面軸に沿った座標の関数としての強度分布であり得る。他の評価アルゴリズムも可能である。

反射特徴は、第２画像の少なくとも１つのピクセルをカバーするか、又はその上に延びていてもよい。例えば、反射特徴は、複数のピクセルをカバーするか、又は複数のピクセルにわたって延在してもよい。処理ユニットは、反射特徴、例えば光スポットに接続及び／又は属する全てのピクセルを決定及び／又は選択するように構成されていてよい。処理ユニットは、強度の中心を、

によって決定するように構成されてよく、ここで、Ｒ_ｃｏｉは強度の中心位置、ｒ_{ｐｉｘｅｌ}はピクセル位置、及び

はｊが反射特徴に接続及び／又は属するピクセル数ｊ、Ｉ_{ｔｏｔａｌ}は総強度である。

処理ユニットは、ビームプロファイルの分析によって、識別された幾何学的特徴を含む第１画像の画像領域に対応する第２画像の画像領域内に位置する反射特徴の少なくとも１つの第１ビームプロファイル情報を決定するように構成される。本方法は、識別された幾何学的特徴を含む第１画像の画像領域に対応する第２画像の画像領域を識別することを含んでいてよい。具体的には、本方法は、第１画像と第２画像のピクセルをマッチングさせることと、識別された幾何学的特徴を含む第１画像の画像領域に対応する第２画像のピクセルを選択することとを含んでよい。本方法は、さらに、第２画像の前記画像領域の外側に位置するさらなる反射特徴を考慮することを含んでいてよい。

本明細書で使用される場合、「ビームプロファイル情報」という用語は、反射特徴のビームプロファイルから導出される、及び／又はそれに関連する任意の情報及び／又は特性を指し得る。第１ビームプロファイル情報と第２ビームプロファイル情報は同一であってよく、又は、異なっていてよい。例えば、第１ビームプロファイル情報は、強度分布、反射プロファイル、強度中心、材料特徴であってよい。ステップｂ）の皮膚検出には、ビームプロファイル分析が使用され得る。具体的には、ビームプロファイル分析は、物体の表面に投影されたコヒーレント光の反射特性を利用して材料を分類する。材料の分類は、ＷＯ２０２０／１８７７１９、２０２０年２月２８日に出願されたＥＰ出願２０１５９９８４．２及び／又は２０２０年１月３１日に出願されたＥＰ出願２０１５４９６１．５に記載されているように実施することができ、その全内容は参照により組み込まれる。具体的には、レーザスポットの周期的なグリッド、例えば２０２０年４月２２日に出願されたＥＰ出願２０１７０９０５．２に記載されているような六角形のグリッドが投影され、反射画像がカメラで記録される。カメラによって記録された各反射特徴のビームプロファイルの分析は、特徴ベースの方法によって実施されてよい。特徴ベースの方法は以下で説明される。特徴ベースの方法は、皮膚分類モデルのパラメータ化を可能にする機械学習方法と組み合わせて使用されることができる。代替的に、又は組み合わせて、畳み込みニューラルネットワークを利用して、反射画像を入力として使用することによって皮膚を分類することができる。

ユーザの顔を認証する他の方法は、ＵＳ２０１９／２１３３０９Ａ１などから知られている。しかし、これらの方法は、飛行時間（ＴｏＦ）センサを使用する。ＴｏＦセンサのよく知られた動作原理は、光を送信し、反射光を受信するまでの時間を測定することである。これに対して、提案されているビームプロファイル分析では、投影照射パターンを使用する。ＴｏＦセンサでは、このような投影パターンを使用することは不可能である。照射パターンを使用することは、例えば、カバーリングの観点から、したがって、顔の様々な場所を考慮することができることから、有利である。これにより、ユーザの顔認証の信頼性と安全性が向上し得る。

皮膚検出ステップは、処理ユニットを使用することによって、ビームプロファイル情報から、反射特徴の少なくとも１つの材料特性を決定することを含んでいてよい。具体的には、処理ユニットは、その反射ビームプロファイルが少なくとも１つの予め決定された又は予め定義された基準を満たす場合に、生体組織、特にヒトの皮膚を照射することによって生成される反射特徴を識別するように構成される。本明細書で使用される場合、「少なくとも１つの予め決定された又は予め定義された基準」という用語は、生体組織、特にヒトの皮膚を他の材料から区別するのに適した少なくとも１つの特性及び／又は値を指す。予め決定された又は予め定義された基準は、材料特性を参照する少なくとも１つの予め決定された又は予め定義された値及び／又は閾値及び／又は閾値範囲であってよく、又はそれらを含んでよい。反射特徴は、反射ビームプロファイルが少なくとも１つの予め決定された又は予め定義された基準を満たす場合に、生体組織によって生成されたものとして示されることができる。本明細書で使用される場合、「示す」という用語は、電子信号及び／又は少なくとも１つの視覚的又は音響的表示などの任意の表示を指す。処理ユニットは、そうでない場合には、反射特徴を非皮膚として識別するように構成される。本明細書で使用される場合、「生体組織」という用語は、一般に、生きている細胞を含む生物学的材料を指す。具体的には、処理ユニットは、皮膚検出のために構成されてよい。生体組織、特にヒトの皮膚によって生成されたことの「識別」という用語は、検査対象又は試験下の表面が、生体組織、特にヒトの皮膚であるか又はそれを含むかどうかを決定及び／又は検証すること、及び／又は、生体組織、特にヒトの皮膚を、他の組織、特に他の表面から区別することを指し得る。本発明による方法は、ヒトの皮膚を、無機組織、金属表面、プラスチック表面、発泡体、紙、木材、ディスプレイ、スクリーン、布のうちの１つ以上から区別することを可能にし得る。本発明による方法は、ヒトの生体組織を人工物又は無生物の表面から区別することを可能にし得る。

処理ユニットは、反射特徴のビームプロファイルを評価することによって、反射特徴を放出する表面の材料特性ｍを決定するように構成されてよい。本明細書で使用される場合、「材料特性」という用語は、材料の特徴付け及び／又は識別及び／又は分類のために構成された、材料の少なくとも１つの任意の特性を指す。例えば、材料特性は、粗さ、材料への光の透過深度、生物学的材料又は非生物学的材料として材料を特徴付ける特性、反射率、鏡面反射率、拡散反射率、表面特性、透光性の尺度、散乱、具体的には、後方散乱挙動などからなる群から選択される特性であってよい。少なくとも１つの材料特性は、散乱係数、透光性、透明性、ランバート表面反射からの偏差、スペックルなどからなる群から選択される特性であってよい。本明細書で使用される場合、「少なくとも１つの材料特性を決定する」という用語は、材料特性をそれぞれの反射特徴、特に検出された顔に割り当てることを指し得る。処理ユニットは、予め定義された及び／又は予め決定された材料特性のルックアップリスト及び／又はルックアップテーブルなどのリスト及び／又はテーブルを含む少なくとも１つのデータベースを含んでよい。材料特性のリスト及び／又はテーブルは、少なくとも１つの試験測定を行うことにより、例えば既知の材料特性を有するサンプルを使用して材料試験を行うことにより、決定及び／又は生成されることができる。材料特性のリスト及び／又はテーブルは、製造業者サイトで、及び／又はユーザによって、決定及び／又は生成されることができる。材料特性は、例えば、材料名、生物学的材料又は非生物学的材料などの材料グループ、透光性材料又は非透光性材料、金属又は非金属、皮膚又は非皮膚、毛皮又は非毛皮、カーペット又は非カーペット、反射性又は非反射性、鏡面反射性又は非鏡面反射性、泡又は非泡、毛髪又は非毛髪、粗さグループなどの１つ以上などの材料分類にさらに割り当てられてよい。処理ユニットは、材料特性及び関連する材料名及び／又は材料グループを含むリスト及び／又はテーブルを含む少なくとも１つのデータベースを含んでよい。

皮膚の反射特性は、表面での直接反射（ランバートのような）と表面下での散乱（体積散乱）が同時に発生することによって特徴付けられ得る。これにより、上記の材料と比較して皮膚上のレーザスポットが広くなる。

第１ビームプロファイル情報は、反射プロファイルであってよい。例えば、この理論に拘束されることを望まないが、ヒトの皮膚は、表面反射と呼ばれる表面の後方反射によって生成される部分と、後方反射の拡散部分と呼ばれる皮膚を透過する光からの非常に拡散した反射によって生成される部分とを含む、後方散乱プロファイルとも呼ばれる反射プロファイルを有し得る。ヒトの皮膚の反射プロファイルに関しては、「Ｌａｓｅｒｔｅｃｈｎｉｋｉｎｄｅｒ Ｍｅｄｉｚｉｎ：Ｇｒｕｎｄｌａｇｅｎ、Ｓｙｓｔｅｍｅ、Ａｎｗｅｎｄｕｎｇｅｎ」、「ＷｉｒｋｕｎｇｖｏｎＬａｓｅｒｓｔｒａｈｌｕｎｇ ａｕｆ Ｇｅｗｅｂｅ」１９９１年，１０１７１～２６６頁，Ｊｕｅｒｇｅｎ Ｅｉｃｈｌｅｒ，Ｔｈｅｏ Ｓｅｉｌｅｒ，Ｓｐｒｉｎｇｅｒ Ｖｅｒｌａｇ，ＩＳＢＮ ０９３９－０９７９を参照されたい。皮膚の表面反射は、波長が近赤外に向かって増加するのにつれて増加する可能性がある。さらに、透過深度は、波長が可視光から近赤外に増加するとともに増加する可能性がある。後方反射の拡散部分は、光の透過深度の増加とともに増加する可能性がある。これらの特性は、後方散乱プロファイルを分析することによって、皮膚を他の材料から区別するために使用されることができる。

具体的には、処理ユニットは、反射ビームプロファイルを、少なくとも１つの予め決定された及び／又は予め記録された及び／又は予め定義されたビームプロファイルと比較するように構成されてよい。予め決定された及び／又は予め記録された及び／又は予め定義されたビームプロファイルは、テーブル又はルックアップテーブルに記憶されてよく、例えば経験的に決定されてもよく、及び一例として、検出器の少なくとも１つのデータ記憶装置に記憶されてよい。例えば、予め決定された及び／又は予め記録された及び／又は予め定義されたビームプロファイルは、本発明による方法を実行する装置の初期起動時に決定されてよい。例えば、予め決定された及び／又は予め記録された及び／又は予め定義されたビームプロファイルは、例えばソフトウェアによって、具体的にはアプリストア等からダウンロードされたアプリによってなど、処理ユニット又は装置の少なくとも１つのデータ記憶装置に記憶されてよい。反射特徴は、反射ビームプロファイルと、予め決定された及び／又は予め記録された及び／又は予め定義されたビームプロファイルとが同一である場合に、生体組織によって生成されたものとして示され得る。比較は、反射ビームプロファイルと、予め決定された又は予め定義されたビームプロファイルとを、それらの強度中心がマッチングするように重ね合わせることを含むことができる。比較は、反射ビームプロファイルと、予め決定された及び／又は予め記録された及び／又は予め定義されたビームプロファイルとの間の偏差、例えば、点間距離の二乗和を決定することを含んでよい。処理ユニットは、決定された偏差を少なくとも１つの閾値と比較するように適合されてよく、決定された偏差が閾値より低く及び／又は閾値に等しい場合、表面は生体組織として示され、及び／又は生体組織の検出が確認される。閾値は、テーブル又はルックアップテーブルに記憶されてよく、例えば経験的に決定されてもよく、及び一例として、処理ユニットの少なくとも１つのデータ記憶装置に記憶されてもよい。

追加的に又は代替的に、第１ビームプロファイル情報は、エリアの画像に少なくとも１つの画像フィルタを適用するように構成されてよい。本明細書でさらに使用される場合、「画像」という用語は、二次元関数ｆ（ｘ，ｙ）を指し、ここで、明るさ及び／又は色の値は、画像内の任意のｘ，ｙ位置に対して与えられる。位置は、記録ピクセルに対応して離散化されてよい。明るさ及び／又は色は、光センサのビット深度に対応して離散化されてよい。本明細書で使用される場合、「画像フィルタ」という用語は、ビームプロファイル及び／又はビームプロファイルの少なくとも１つの特定領域に適用される少なくとも１つの数学演算を指す。具体的には、画像フィルタФは、画像ｆ又は画像内の関心領域を、実数Ф（ｆ（ｘ，ｙ））＝φにマッピングし、ここでφは特徴、特に材料特徴を示している。画像はノイズの影響を受ける可能性があり、特徴についても同様である。したがって、特徴はランダム変数であってよい。特徴は正規分布であってよい。特徴が正規分布にでない場合は、ボックスコックス変換（Ｂｏｘ－Ｃｏｘ－Ｔｒａｎｓｆｏｒｍａｔｉｏｎ）などによって正規分布するように変換されてもよい。

処理ユニットは、少なくとも１つの材料依存画像フィルタФ_２を画像に適用することによって、少なくとも１つの材料特徴φ_２ｍを決定するように構成されてよい。本明細書で使用される場合、「材料依存」画像フィルタはという用語は、材料依存の出力を有する画像を指す。材料依存画像フィルタの出力は、本明細書では「材料特徴φ_２ｍ」又は「材料依存特徴φ_２ｍ」と示される。材料特徴は、反射特徴を生成したシーンの表面の少なくとも１つの材料特性に関する少なくとも１つの情報であってよく、又はそれを含んでいてもよい。

材料依存画像フィルタは、輝度フィルタ；スポット形状フィルタ；二乗ノルム勾配；標準偏差；ガウスフィルタ又はメディアンフィルタなどの平滑性フィルタ；グレーレベル発生ベースのコントラストフィルタ；グレーレベル発生ベースのエネルギーフィルタ；グレーレベル発生ベースの均一性フィルタ；グレーレベル発生ベースの非類似性フィルタ；ローのエネルギーフィルタ；閾値領域フィルタ；もしくはこれらの線形結合；又は、輝度フィルタ、スポット形状フィルタ、二乗ノルム勾配、標準偏差、平滑性フィルタ、グレーレベル発生ベースのエネルギーフィルタ、グレーレベル発生ベースの均一性フィルタ、グレーレベル発生ベースの非類似性フィルタ、ローのエネルギーフィルタ、もしくは閾値領域フィルタ、又は｜ρ_{Ф２ｏｔｈｅｒ，Фｍ}｜≧０．４０によるこれらの線形結合（Ф_ｍは、輝度フィルタ、スポット形状フィルタ、二乗ノルム勾配、標準偏差、平滑性フィルタ、グレーレベル発生ベースのエネルギーフィルタ、グレーレベル発生ベースの均一性フィルタ、グレーレベル発生ベースの非類似性フィルタ、ローのエネルギーフィルタ、もしくは閾値領域フィルタ、又はそれらの線形結合の１つである）の１つ以上に相関するさらなる材料依存画像フィルタФ_{２ｏｔｈｅｒ}、からなる群から選択される少なくとも１つのフィルタであってよい。さらなる材料依存画像フィルタФ_{２ｏｔｈｅｒ}は、材料依存画像フィルタФ_ｍの１つ以上と、｜ρ_{Ф２ｏｔｈｅｒ，Фｍ}｜≧０．６０、好ましくは｜ρ_{Ф２ｏｔｈｅｒ，Фｍ}｜≧０．８０によって相関していてよい。

材料依存画像フィルタは、仮説検証を通過する少なくとも１つの任意のフィルタΦであり得る。本明細書で使用される場合、「仮説検証を通過する」という用語は、ヌル仮説Ｈ_０が棄却され、代替仮説Ｈ_１が受け入れられるという事実を指す。仮説検証は、予め定義されたデータセットに画像フィルタを適用することによって、画像フィルタの材料依存性を検証することを含んでいてよい。データセットは、複数のビームプロファイル画像を含んでいてよい。本明細書で使用される場合、「ビームプロファイル画像」という用語は、Ｎ_Ｂガウス放射状基底関数の合計を指し、

式中、Ｎ_Ｂガウス放射状基底関数のそれぞれは、中心（ｘ_ｌｋ，ｙ_ｌｋ），、前因子ａ_ｌｋ、及び、指数因子

によって、定義される。指数因子は、全ての画像の全てのガウス関数で同一である。中心位置、ｘ_ｌｋ，ｙ_ｌｋは、全ての画像

で同一である。データセット内のビームプロファイル画像のそれぞれは、材料分類と距離に対応していてよい。材料分類は、「材料Ａ」、「材料Ｂ」などのラベルであってよい。ビームプロファイル画像は、ｆ_ｋ（ｘ，ｙ）に関する上記の式を、以下のパラメータテーブルと組み合わせて使用することによって生成されることができる：

ｘ，ｙ，の値は、

のピクセルに対応する整数である。画像は、３２×３２のピクセルサイズを有することができる。ビームプロファイル画像のデータセットは、ｆ_ｋの連続的な記述を得るために、パラメータセットと組み合わせて、ｆ_ｋに対する上述の式を使用することによって生成され得る。３２×３２画像の各ピクセルの値は、ｆ_ｋ（ｘ，ｙ）のｘ，ｙに対して、０，．．．，３１からの整数値を挿入することによって得ることができる。例えば、ピクセル（６，９）の場合、値ｆ_ｋ（６，９）が計算され得る。

続いて、各画像ｆ_ｋ,についてフィルタΦに対応する特徴値φ_ｋが計算されることができ、

式中ｚ_ｋは、予め定義されたデータセットからの画像ｆ_ｋに対応する距離値である。これにより、対応する生成された特徴値φ_ｋを有するデータセットが得られる。仮説検証では、フィルタが材料分類を区別しないヌル仮説を使用してよい。ヌル仮説は、Ｈ_０：μ_１＝μ_２＝・・・＝μ_J,で与えられてよく、ここでμ_ｍは、特徴値φ_ｋに対応する各材料群の期待値である。インデックスｍは材料群を表す。仮説検証は、フィルタが少なくとも２つの材料分類を区別するということを代替仮説として用いることができる。その代替仮説は

によって与えられ得る。本明細書で使用される場合、「材料分類を区別しない」という用語は、材料分類の期待値が同一であることを指す。本明細書で使用される場合、「材料分類を区別する」という用語は、材料分類の少なくとも２つの期待値が異なることを指す。本明細書で使用される場合、「少なくとも２つの材料分類を区別する」は、「適切な材料分類」と同義で使用される。仮説検証は、生成された特徴値に関する少なくとも１つの分散分析（ＡＮＯＶＡ）を含み得る。特に、仮説検証は、各ｊ材料についての特徴値の平均値、すなわち、

に対して、全Ｊの平均値

を求めることを含んでもよく、ここでＮ_ｍは、予め定義されたデータセットにおける各Ｊ材料の特徴値の数を示す。仮説検証は、全てのＮ特徴値の平均値

を決定することを含む。仮説検証は、

内の平均平方和を決定することを含んでいてよい：

仮説検証は、以下の間の平均平方和を決定することを含んでよい、

仮説検証は、Ｆ－テストの実施を含んでいてよい：

ここで、Ｉ_ｘは正則化された不完全ベータ関数

であり、ここでオイラーベータ関数

は不完全ベータ関数である。画像フィルタは、ｐ値であるｐが予め定義された有意水準よりも小さいか等しい場合、仮説検証を通過し得る。フィルタは、ｐ≦０．０７５、好ましくはｐ≦０．０５、より好ましくはｐ≦０．０２５、最も好ましくはｐ≦０．０１である場合、仮説検証を通過し得る。例えば、予め定義された有意水準がα＝０．０７５の場合、画像フィルタはｐ値がα＝０．０７５より小さい場合に仮説検証を通過することができる。この場合、ヌル仮説Ｈ_０が拒否され、代替仮説Ｈ_１が受け入れられることができる。画像フィルタは、このように少なくとも２つの材料分類を区別する。このように、画像フィルタは仮説検証を通過する。

以下では、反射画像が少なくとも１つの反射特徴、特にスポット画像を含むと仮定して、画像フィルタについて説明する。スポット画像ｆは、関数

によって与えられることができ、ここで、画像ｆの背景は既に差し引かれることができる。しかし、他の反射特徴も可能であり得る。

例えば、材料依存画像フィルタは、輝度フィルタであってよい。輝度フィルタは、スポットの輝度測定値を材料特徴として返すことができる。材料特徴は、

によって決定され得、式中、ｆはスポット画像である。スポットの距離はｚで示され、ここで、ｚは、例えば、デフォーカスからの深度技術又は光子比からの深度技術を用いて、及び／又は三角測量技術を用いて得られる。材料の表面法線は

によって与えられ、少なくとも３つの測定点に展張された表面の法線として得られる。ベクトル

は、光源の方向ベクトルである。スポットの位置が、デフォーカスからの深度又は光子比からの深度技術を用いることによって及び／又は三角測量技術を用いることによって知られているため（ここで光源の位置は検出器システムのパラメータとして知られている）、ｄ_ｒａｙは、スポットの位置と光源の位置の間の差分ベクトルである。

例えば、材料依存画像フィルタは、スポット形状に依存した出力を有するフィルタであってよい。この材料依存画像フィルタは、材料の透光性に相関する値を材料特徴として返すことができる。材料の透光性は、スポットの形状に影響を与える。材料特徴は、

によって与えられ、式中、０＜α，β＜１はスポットの高さｈに対する重みであり、ＨはＨｅａｖｙｓｉｄｅ関数、すなわち

である。スポット高さｈは、以下によって決定され得、

式中、Ｂ_ｒは半径ｒを有するスポットの内円である。

例えば、材料依存画像フィルタは、二乗ノルム勾配であってよい。この材料依存画像フィルタは、材料特徴としてのスポットのソフトとハードの遷移及び／又は粗さの測定値に相関する値を返してよい。材料特徴は、

によって、定義されてよい。例えば、材料依存画像フィルタは、標準偏差であってよい。スポットの標準偏差は、

によって、決定されてよい。

式中、μは

によって与えられる平均値である。

例えば、材料依存画像フィルタは、ガウスフィルタ又はメディアンフィルタなどの平滑性フィルタであってよい。平滑性フィルタの一実施形態では、この画像フィルタは、体積散乱が拡散散乱材料と比較して少ないスペックルコントラストを示すという観察を参照することができる。この画像フィルタは、材料特徴としてスペックルコントラストに対応するスポットの平滑性を定量化することができる。材料特徴は、

によって、決定されてよく、式中、Ｆは平滑化関数であり、例えばメディアンフィルタ又はやガウスフィルタなどである。この画像フィルタは、上述の式で説明したように、距離ｚによる除算を含んでよい。距離ｚは、例えば、デフォーカスからの深度技術又は光子比からの深度技術を用いて、及び／又は、三角測量技術を用いて決定されてよい。これにより、フィルタが距離の影響を受けなくなることが可能である。平滑化フィルタの一実施形態では、平滑化フィルタは、抽出されたスペックルノイズパターンの標準偏差に基づいてよい。スペックルノイズパターンＮは、

によって、経験的な方法で記述されることができ、式中、ｆ_０は、スペックル除去したスポットの画像である。Ｎ（Ｘ）は、スペックルパターンをモデル化したノイズ項である。スペックル除去した画像の計算は困難な場合がある。したがって、スペックル除去した画像は、ｆの平滑化バージョン、すなわち、

によって近似化されてよく、式中、Ｆは、ガウスフィルタ又はメディアンフィルタのような平滑化演算子である。したがって、スペックルパターンの近似は、

によって、与えられてよい。

このフィルタの材料特徴は、

によって、決定されてよい。

式中、Ｖａｒは分散関数を表す。

例えば、画像フィルタは、グレーレベル発生ベースのコントラストフィルタであってよい。この材料フィルタは、グレーレベル発生マトリックス

に基づいてよく、ここでｐ_{ｇ１，ｇ２}はグレー結合(g₁,g₂)=[f(x₁,y₁),f(x₂,y₂)]、］の発生率であり、関係ρは、ρ（ｘ，ｙ）＝（ｘ＋ａ，ｙ＋ｂ）であって、（ｘ_１，ｙ_１）と（ｘ_２，ｙ_２）の間の距離を定義し、ａとｂは０，１から選択される。

グレーレベル発生ベースのコントラストフィルタの材料特徴は、

によって与えられてよい。

例えば、画像フィルタは、グレーレベル発生ベースのエネルギーフィルタであってよい。この材料フィルタは、上記で定義されたグレーレベル発生マトリックスに基づいている。

グレーレベル発生ベースのエネルギーフィルタの材料特徴は、

によって与えられてよい。

例えば、画像フィルタは、グレーレベル発生ベースの均一性フィルタであってよい。この材料フィルタは、上記で定義されたグレーレベル発生マトリックスに基づいている。グレーレベル発生ベースの均一性フィルタの材料特徴は、

によって与えられてよい。

例えば、画像フィルタは、グレーレベル発生ベースの非類似性フィルタであってよい。この材料フィルタは、上記で定義されたグレーレベル発生マトリックスに基づいている。グレーレベル発生ベースの非類似性フィルタの材料特徴は、

によって与えられてよい。

例えば、画像フィルタは、ローエネルギーフィルタであってよい。この材料フィルタは、ローベクトルＬ_５＝［１，４，６，４，１］及びＥ_５＝［－１，－２，０，－２，－１］及び材料Ｌ_５（Ｅ_５）^Ｔ及びＥ_５（Ｌ_５）^Ｔに基づいている。画像ｆ_ｋはこれらのマトリックス：

で畳み込まれている。

ここで、ローのエネルギーフィルタの材料特徴は、

によって、決定されてよい。

例えば、材料依存の画像フィルタは、閾値領域フィルタであってよい。この材料特徴は、画像平面内の２つのエリアを関連してよい。第１エリアΩ１、は、関数ｆがｆの最大値のα倍よりも大きいエリアであってよい。第２エリアΩ２、は、関数ｆがｆの最大値のα倍よりも小さいが、ｆの最大値のε倍の閾値よりも大きいエリアであってよい。好ましくは、αは０．５、εは０．０５であり得る。スペックル又はノイズのために、エリアはスポット中心の内円と外円に単純に対応していない場合がある。例えば、Ω１は、外円のスペックル又は接続されていないエリアを含み得る。材料特徴は、

によって、決定されてよく、式中、Ω１＝｛ｘ｜ｆ（ｘ）＞α・ｍａｘ（ｆ（ｘ））｝及びΩ２＝｛ｘ｜ε・ｍａｘ（ｆ（ｘ））＜ｆ（ｘ）＜α・ｍａｘ（ｆ（ｘ））｝である。

処理ユニットは、反射特徴を生成した表面の材料特性を決定するために、材料特徴φ_２ｍと反射特徴を生成した表面の材料特性との間の少なくとも１つの予め決定された関係を用いるように構成されていてよい。予め決定された関係は、経験的関係、半経験的関係、及び分析的に導出された関係のうちの１つ以上であってよい。処理ユニットは、例えばルックアップリスト又はルックアップテーブルなどの、予め決定された関係を記憶するための少なくとも１つのデータ記憶装置を備えてよい。

上述したような特徴ベースのアプローチは、皮膚と表面のみの散乱材料を区別するのに十分な精度を有するが、皮膚と、体積散乱も含む注意深く選択された攻撃材料との区別はより困難である。ステップｂ）は、人工知能、特に畳み込みニューラルネットワークを使用することを含み得る。畳み込みニューラルネットワークの入力として反射画像を使用することは、皮膚と他の体積散乱材料を区別するのに十分な精度を有する分類モデルを生成することを可能にし得る。反射画像中の重要な領域を選択することによって、物理的に有効な情報のみがネットワークに渡されるため、コンパクトなトレーニングデータセットのみを必要とし得る。さらに、非常にコンパクトなネットワークアーキテクチャを生成することができる。

具体的には、皮膚検出ステップでは、少なくとも１つのパラメータ化された皮膚分類モデルを使用することができる。パラメータ化された皮膚分類モデルは、第２画像を入力として使用することによって皮膚及び他の材料を分類するように構成され得る。皮膚分類モデルは、機械学習、深層学習、ニューラルネットワーク(neural networks)、又は他の形態の人工知能のうちの１つ以上を使用することによってパラメータ化されてよい。本明細書で使用される「機械学習」という用語は、広義の用語であり、当業者にとって通常で慣用的な意味を与えられるべきであり、特別な意味又はカスタマイズされた意味に限定されるべきではない。この用語は、具体的には、限定されることなく、自動的なモデル構築のため、特にモデルのパラメータ化のために人工知能（ＡＩ）を使用する方法を指し得る。「皮膚分類モデル」という用語は、ヒトの皮膚を他の材料から識別するために構成された分類モデルを指し得る。皮膚に特徴的な特性（the property characteristic for skin）は、皮膚分類モデルの少なくとも１つの最適化ターゲットに関して最適化アルゴリズムを適用することによって決定されることができる。機械学習は、少なくとも１つのニューラルネットワーク、特に畳み込みニューラルネットワークに基づいてよい。ニューラルネットワークの重み及び／又はトポロジーは、予め決定及び／又は予め定義されてよい。具体的には、皮膚分類モデルのトレーニングは、機械学習を使用して実施されることができる。皮膚分類モデルは、少なくとも１つの機械学習アーキテクチャ及びモデルパラメータを含むことができる。例えば、機械学習アーキテクチャは、線形回帰、ロジスティック回帰、ランダムフォレスト、ナイーブベイズ分類、最近傍法、ニューラルネットワーク、畳み込みニューラルネットワーク、生成敵対的ネットワーク、サポートベクターマシン、又は勾配ブースティングアルゴリズムなどのうちの１つ以上であってよく、又はそれらを含んでいてよい。本明細書で使用される「学習（learning）」とも呼ばれる「トレーニング（training）」という用語は、広義の用語であり、当業者にとって通常で慣用的な意味を与えられるべきであり、特別な意味又はカスタマイズされた意味に限定されるべきではない。この用語は、具体的には、限定されることなく、皮膚分類モデルを構築するプロセス、特に皮膚分類モデルのパラメータを決定及び／又は更新するプロセスを指し得る。皮膚分類モデルは、少なくとも部分的にデータ駆動型であってよい。例えば、皮膚分類モデルは、複数のヒト及びマスクなどの人工物体を照射し、反射パターンを記録することによって決定されるデータなどの実験データに基づいてよい。例えば、トレーニングは、少なくとも１つのトレーニングデータセットを使用することを含んでよく、トレーニングデータセットは、ヒト及び既知の材料特性を有する複数の人工物体の画像、特に第２画像を含む。

皮膚検出ステップは、ヒトの顔の特徴的な点の少なくとも２つの位置を提供するように構成された少なくとも１つの２Ｄ顔及び顔ランドマーク検出アルゴリズムを使用することを含むことができる。例えば、その位置は、目の位置、額又は頬であってよい。２Ｄ顔及び顔ランドマーク検出アルゴリズムは、目の位置などヒトの顔の特徴的な点の位置を提供することができる。顔の異なるゾーン（例えば額や頬）の反射には微妙な違いがあるため、領域固有のモデルをトレーニングすることができる。皮膚検出ステップでは、好ましくは、少なくとも１つの領域固有（region specific）のパラメータ化された皮膚分類モデルが使用される。皮膚分類モデルは、異なる領域など、複数の領域固有のパラメータ化皮膚分類モデルを含んでよく、及び／又は、皮膚分類モデルは、トレーニングに使用される画像をフィルタリングすることによってなど、領域固有データを使用してトレーニングされてよい。例えば、トレーニングのために、例えば、目頭領域から鼻の下などの２つの異なる領域が使用されてよく、特に、この領域内で十分な反射特徴が識別できない場合には、額領域が使用されてよい。しかし、他の領域も可能である。

検出された顔は、材料特性が皮膚の少なくとも１つの特性性質に対応する場合は、皮膚として特徴付けられる。処理ユニットは、その対応する材料特性が少なくとも１つの予め決定された又は予め定義された基準を満たす場合に、生体組織、特に皮膚を照射することによって生成されたものとして反射特徴を識別するように構成され得る。反射特徴は、材料特性が「ヒトの皮膚」を示す場合に、ヒトの皮膚によって生成されたものとして識別されてよい。反射特徴は、材料特性が少なくとも１つの閾値及び／又は少なくとも１つの範囲内にある場合に、ヒトの皮膚によって生成されたものとして識別される。少なくとも１つの閾値及び／又は範囲は、テーブル又はルックアップテーブルに格納され得、例えば経験的に決定され得、一例として、処理ユニットの少なくとも１つのデータ記憶装置に格納されてよい。処理ユニットは、そうでなければ背景であるとして反射特徴を識別するように構成される。したがって、処理ユニットは、材料特性（例えば皮膚のイエス又はノー）を各投影スポットに割り当てるように構成され得る。

３Ｄ検出ステップは、皮膚検出ステップ及び／又は顔検出ステップの後に実施されてよい。しかし、３Ｄ検出ステップが皮膚検出ステップ及び／又は顔検出ステップの前に実施される他の実施形態も可能である。材料特性は、縦方向座標ｚに関する情報がφ_２ｍの評価のために考慮され得るように、ステップd）において縦方向座標ｚを決定した後に、φ_２ｍを評価することによって決定されることができる。

３Ｄ検出ステップは、ビームプロファイルの分析によって、識別された幾何学的特徴を含む第１画像の画像領域に対応する第２画像の画像領域内に位置する少なくとも４つの反射特徴の第２のビームプロファイル情報を決定することを含む。３Ｄ検出ステップは、それぞれのビームプロファイルの分析によって、反射特徴のうちの少なくとも４つの反射特徴の第２ビームプロファイル情報を決定することを含んでよい。第２ビームプロファイル情報は、ビームプロファイルのエリアの商Ｑを含んでよい。

本明細書で使用される場合、「ビームプロファイルの分析」という用語は、一般に、ビームプロファイルの評価を指し得、少なくとも１つの数学演算、及び／又は少なくとも１つの比較、及び／又は少なくとも１つの対称化、及び／又は少なくとも１つのフィルタリング、及び／又は少なくとも１つの正規化を含んでよい。例えば、ビームプロファイルの分析は、ヒストグラム分析ステップ、差分測定の計算、ニューラルネットワークの適用、機械学習アルゴリズムの適用のうちの少なくとも１つを含み得る。処理ユニットは、特に、より大きな角度での記録、エッジの記録などからノイズ又は非対称性を除去するために、ビームプロファイルを対称化及び／又は正規化及び／又はフィルタリングするように構成されることができる。処理ユニットは、空間周波数分析及び／又は中央値フィルタリングなどによってなど、高い空間周波数を除去することによって、ビームプロファイルをフィルタリングすることができる。集約は、光スポットの強度の中心によって実施され、中心までの同じ距離にある全ての強度を平均化することによって実施され得る。処理ユニットは、特に記録された距離による強度差を考慮するように、ビームプロファイルを最大強度に正規化するように構成されてよい。処理ユニットは、例えば、照射なしの画像化によって、ビームプロファイルからの背景光から影響を除去するように構成されてよい。

処理ユニットは、それぞれの反射特徴のビームプロファイルの分析によって、識別された幾何学的特徴を含む第１画像の画像領域に対応する第２画像の画像領域内に位置する反射特徴について、少なくとも１つの縦方向座標ｚ_ＤＰＲを決定するように構成されてよい。処理ユニットは、ビームプロファイル分析とも呼ばれる、いわゆる光子比からの深度技術を使用することによって、反射特徴について縦方向座標ｚ_ＤＰＲを決定するように構成されてよい。光子比からの深度（ＤＰＲ）技術に関しては、ＷＯ２０１８／０９１６４９Ａ１、ＷＯ２０１８／０９１６３８Ａ１及びＷＯ２０１８／０９１６４０Ａ１を参照し、その全内容は参照により含まれる。

処理ユニットは、少なくとも１つの関心領域における反射特徴のそれぞれの反射ビームプロファイル及び／又は反射特徴（複数）の、少なくとも１つの第１エリア及び少なくとも１つの第２エリアを決定するように構成されてよい。処理ユニットは、第１エリア及び第２エリアを積分するように構成される。

反射特徴の１つのビームプロファイルの分析は、ビームプロファイルの少なくとも１つの第１エリア及び少なくとも１つの第２エリアを決定することを含み得る。ビームプロファイルの第１エリアは、エリアＡ１であり得、ビームプロファイルの第２エリアは、エリアＡ２であり得る。処理ユニットは、第１エリアと第２エリアとを積分するように構成されてよい。処理ユニットは、積分された第１エリア及び積分された第２エリアを除算すること、積分された第１エリア及び積分された第２エリアの倍数を除算すること、積分された第１エリア及び積分された第２エリアの線形結合を除算することの１つ以上によって、結合信号、特に商Ｑを導出するように構成され得る。処理ユニットは、ビームプロファイルの少なくとも２つのエリアを決定するように、及び／又はビームプロファイルをビームプロファイルの異なるエリアを有する少なくとも２つのセグメントに分割するように構成されてよく、エリアが一致しない限り、エリアの重なりは可能である。例えば、処理ユニットは、２つ、３つ、４つ、５つ、又は最大１０個のエリアなど、複数のエリアを決定するように構成されてよい。処理ユニットは、光スポットをビームプロファイルの少なくとも２つのエリアに分割するように、及び／又は、ビームプロファイルをビームプロファイルの異なるエリアを含む少なくとも２つのセグメントに分割するように構成されてよい。処理ユニットは、エリアのうちの少なくとも２つについて、それぞれのエリアにわたるビームプロファイルの積分を決定するように構成されてよい。処理ユニットは、決定された積分の少なくとも２つを比較するように構成されてよい。具体的には、処理ユニットは、ビームプロファイルの少なくとも１つの第１エリア及び少なくとも１つの第２エリアを決定するように構成されてよい。本明細書で使用される場合、「ビームプロファイルのエリア」という用語は、一般に、商Ｑを決定するために使用される光センサ位置におけるビームプロファイルの任意の領域を指す。ビームプロファイルの第１エリアとビームプロファイルの第２エリアは、隣接する領域又は重複する領域のいずれか一方又は両方であってよい。ビームプロファイルの第１エリアとビームプロファイルの第２エリアは、エリアが一致していなくてよい。例えば、処理ユニットは、ＣＭＯＳセンサのセンサ領域を少なくとも２つのサブ領域に分割するように構成されてよく、処理ユニットは、ＣＭＯＳセンサのセンサ領域を、少なくとも１つの左側部分と少なくとも１つの右側部分、及び／又は少なくとも１つの上部分と少なくとも１つの下部分、及び／又は少なくとも１つの内部分と少なくとも１つの外部分、とに分割するように構成され得る。追加的又は代替的に、カメラは、少なくとも２つの光センサを備えてよく、第１光センサ及び第２光センサの感光エリアは、第１光センサが反射特徴のビームプロファイルの第１エリアを決定するよう適合され、第２光センサが反射特徴のビームプロファイルの第２エリアを決定するよう適合されるように配置され得る。処理ユニットは、第１エリアと第２エリアとを積分するように適合されてよい。処理ユニットは、縦方向座標を決定するために、商Ｑと縦方向座標の間の少なくとも１つの予め決定された関係を用いるように構成されてよい。予め決定された関係は、経験的関係、半経験的関係、及び分析的に導出された関係のうちの１つ以上であってよい。処理ユニットは、例えばルックアップリスト又はルックアップテーブルなどの、予め決定された関係を記憶するための少なくとも１つのデータ記憶装置を備えてよい。

ビームプロファイルの第１エリアは、ビームプロファイルのエッジ情報を実質的に含んでよく、ビームプロファイルの第２エリアは、ビームプロファイルの中心情報を実質的に含んでよく、及び／又は、ビームプロファイルの第１エリアは、ビームプロファイルの左側部分に関する情報を実質的に含み、ビームプロファイルの第２エリアはビームプロファイルの右側部分に関する情報を実質的に含んでよい。ビームプロファイルは、中心、すなわちビームプロファイルの最大値及び／又はビームプロファイルのプラトーの中心点及び／又は光スポットの幾何学的中心と、中心から延びる立下りエッジとを有してよい。第２領域は、断面の内側領域を含んでよく、第１領域は、断面の外側領域を含んでよい。本明細書で使用される場合、「実質的に中心情報」という用語は、一般に、中心情報の割合、すなわち中心に対応する強度分布の割合と比較して、エッジ情報の割合が低いこと、すなわちエッジに対応する強度分布の割合が低いことを指す。好ましくは、中心情報は、１０％未満、より好ましくは５％未満、のエッジ情報の割合を有し、最も好ましくは、中心情報はエッジ内容を含まない。本明細書で使用される場合、「実質的にエッジ情報」という用語は、一般に、エッジ情報の割合と比較して、中心情報の割合が低いことを指す。エッジ情報は、ビームプロファイル全体の情報、特に中心領域及びエッジ領域からの情報を含み得る。エッジ情報は、１０％未満、好ましくは５％未満の中心情報の割合を有し、より好ましくは、エッジ情報は中心情報を含まない。ビームプロファイルが中心に近いか又はその周囲にあり、実質的に中心情報を含む場合は、ビームプロファイルの少なくとも１つのエリアは、ビームプロファイルの第２エリアとして決定及び／又は選択されてよい。ビームプロファイルが断面の立下りエッジの少なくとも部分を含む場合は、ビームプロファイルの少なくとも１つのエリアは、ビームプロファイルの第１エリアとして決定及び／又は選択されてよい。例えば、断面の全エリアが第１領域として決定されてよい。

第１エリアＡ１及び第２エリアＡ２の他の選択も可能であり得る。例えば、第１エリアは、ビームプロファイルの実質的に外側領域を含み、第２エリアは、ビームプロファイルの実質的に内側領域を含み得る。例えば、二次元ビームプロファイルの場合、ビームプロファイルは左側部分と右側部分に分割されることができ、そこでは、第１エリアはビームプロファイルの左側部分のエリアを実質的に含み、第２エリアはビームプロファイルの右側部分のエリアを実質的に含んでよい。

エッジ情報は、ビームプロファイルの第１エリアにおける光子数に関する情報を含み、中心情報は、ビームプロファイルの第２エリアにおける光子数に関する情報を含み得る。処理ユニットは、ビームプロファイルの面積分を決定するように構成されてよい。処理ユニットは、第１エリアの積分及び／又は加算によってエッジ情報を決定するように構成されてよい。処理ユニットは、第２エリアの積分及び／又は加算によって中心情報を決定するように構成されてよい。例えば、ビームプロファイルは台形ビームプロファイルであってよく、処理ユニットは台形の積分を決定するように構成されてよい。さらに、台形ビームプロファイルが仮定される場合、エッジ信号及び中心信号の決定は、例えばエッジの傾斜及び位置の決定、及び中心プラトーの高さの決定、ならびに幾何学的考察によるエッジ信号及び中心信号の導出など、台形ビームプロファイルの特性を利用した同等評価で置き換えられてよい。

一実施形態では、Ａ１は、光センサ上の特徴点の全体又は完全なエリアに対応し得る。Ａ２は、光センサ上の特徴点の中心エリアであり得る。中心エリアは一定値であってよい。中心エリアは、特徴点の全エリアと比べてより小さくてもよい。例えば、円形の特徴点の場合、中心エリアは、特徴点の全半径の０．１～０．９、好ましくは全半径の０．４～０．６の半径を有してよい。

一実施形態では、照射パターンは、少なくとも１つの線パターンを含んでいてよい。Ａ１は、光センサ上の、特に光センサの感光エリア上の線パターンの全線幅を有するエリアに対応してよい。光センサ上の線パターンは、光センサ上の線幅が増幅するように、照射パターンの線パターンと比較して拡大及び／又は変位されてもよい。特に、光センサのマトリックスの場合には、光センサ上の線パターンの線幅は、ある列から別の列へと変化してよい。Ａ２は、光センサ上の線パターンの中心エリアであってよい。中心エリアの線幅は一定の値であってよく、特に照射パターンの線幅に対応していてよい。中心エリアの線幅は、全線幅に比べて小さくてよい。例えば、中心エリアは、全線幅の０．１～０．９、好ましくは全線幅の０．４～０．６の線幅を有していてよい。線パターンは、光センサ上でセグメント化されていてよい。光センサのマトリックスの各列は、線パターンの中心エリアの強度の中心情報と、線パターンの中心エリアからエッジ領域までさらに外側に延びる領域からの強度のエッジ情報を含むことができる。

一実施形態では、照射パターンは、少なくとも１つの点パターンを含んでいてよい。Ａ１は、光センサ上の点パターンの点の全半径を有するエリアに対応し得る。Ａ２は、光センサ上の点パターンの点の中心エリアであり得る。中心エリアは一定値であってよい。中心エリアは、全半径と相当する半径を有することができる。例えば、中心エリアは、全半径の０．１～０．９、好ましくは全半径の０．４～０．６の半径を有することができる。

照射パターンは、少なくとも１つの点パターンと少なくとも１つの線パターンの両方を含んでよい。線パターンと点パターンに加えて、又はそれらに代わる、他の実施形態が可能である。

処理ユニットは、積分された第１エリア及び積分された第２エリアを除算すること、積分された第１エリア及び積分された第２エリアの倍数を除算すること、積分された第１エリア及び積分された第２エリアの線形結合を除算することの１つ以上によって、商Ｑを導出するように構成され得る。

処理ユニットは、第１エリアと第２エリアを除算すること、第１エリアと第２エリアの倍数を除算すること、第１エリアと第２エリアの線形結合を除算することのうちの１つ以上によって商Ｑを導出するように構成されてよい。処理ユニットは、

によって商Ｑを導出するように構成されてよく、
式中、ｘ及びｙは横方向座標、Ａ１、Ａ２はそれぞれビームプロファイルの第１エリア及び第２エリア、Ｅ（ｘ、ｙ）はビームプロファイルを表す。

追加的に又は代替的に、処理ユニットは、光スポットの少なくとも１つのスライス又はカットから、中心情報又はエッジ情報の一方又は両方を決定するように適合されてよい。これは、例えば、商Ｑの面積分をスライス又はカットに沿った線積分で置き換えることによって実現され得る。精度を向上させるために、光スポットを通るいくつかのスライス又はカットを使用して平均してよい。楕円形のスポットプロファイルの場合、いくつかのスライス又はカットにわたって平均化すると、改善された距離情報が得られ得る。

例えば、ピクセルのマトリックスを有する光センサの場合、処理ユニットは、
－ 最高のセンサ信号を有するピクセルを決定し、少なくとも１つの中心信号を形成することと；
－ マトリックスのセンサ信号を評価し、少なくとも１つの和信号を形成することと；
－ 中心信号と和信号を結合させることによって商Ｑを決定することと；
－ 商Ｑを評価することにより、物体の少なくとも１つの縦方向座標ｚを決定することと、によって、ビームプロファイルを評価するように構成されてよい。

本明細書で使用される場合、「センサ信号」は、一般に、照射に応答して光センサ及び／又は光センサの少なくとも１つのピクセルによって生成される信号を指す。具体的には、センサ信号は、少なくとも１つのアナログ電気信号及び／又は少なくとも１つのデジタル電気信号などの少なくとも１つの電気信号であり得るか、又はそれらを含み得る。より具体的には、センサ信号は、少なくとも１つの電圧信号及び／又は少なくとも１つの電流信号であり得るか、又はそれらを含み得る。より具体的には、センサ信号は、少なくとも１つの光電流を含み得る。さらに、未処理のセンサ信号が使用されるか、又は、ディスプレイ装置、光センサ、もしくはその他の要素が、フィルタリングなどによる前処理など、センサ信号を処理又は前処理するように適合されることができ、それにより、センサ信号としても使用され得る二次センサ信号を生成する。「中心信号」という用語は、一般に、ビームプロファイルの実質的に中心情報を含む少なくとも１つのセンサ信号を指す。本明細書で使用される場合、「最高のセンサ信号」という用語は、関心領域の局所最大値又は最大値の一方又は両方を指す。例えば、中心信号は、マトリックス全体又はマトリックス内の関心領域のピクセルによって生成された複数のセンサ信号のうち、最高のセンサ信号を有するピクセルの信号であり得、該関心領域は、マトリックスのピクセルによって生成される画像内で予め決定された、又は決定可能であり得る。中心信号は、単一のピクセルから、又は光センサの一群から生じ得、後者の場合、一例として、ピクセルの一群のセンサ信号は、中心信号を決定するために、加算、積分、又は平均化され得る。中心信号が生じるピクセルの一群は、例えば、最高のセンサ信号を有する実際のピクセルから予め決定された距離より短く離れたピクセルなどの隣接するピクセルの一群であり得、又は、最高のセンサ信号から予め決定された範囲内にあるセンサ信号を生成するピクセルの一群であり得る。中心信号が生じるピクセルの一群は、最大のダイナミックレンジを可能にするように、できるだけ大きく選択され得る。処理ユニットは、複数のセンサ信号、例えば最高のセンサ信号を有するピクセルの周りの複数のピクセルを統合することによって中心信号を決定するように適合されてよい。例えば、ビームプロファイルは台形ビームプロファイルであってよく、処理ユニットは、台形の積分、特に台形のプラトーの積分を決定するように適合されてよい。

上述したように、中心信号は、一般に、光スポットの中心にあるピクセルからのセンサ信号などの単一のセンサ信号であってよく、又は、光スポットの中心にあるピクセルから生じるセンサ信号の組み合わせなど、複数のセンサ信号の組み合わせであってよく、又は、前述の可能性の１つ以上から導出されるセンサ信号を処理することによって導出される二次センサ信号であってよい。中心信号の決定は、センサ信号の比較が従来の電子機器によってかなり簡単に実施されるため、電子的に実施されてよく、又は、ソフトウェアによって完全に又は部分的に実施されてもよい。具体的には、中心信号は、最高のセンサ信号；最高のセンサ信号から予め決定された許容範囲内にあるセンサ信号の一群の平均；最高のセンサ信号を有するピクセルを含むピクセルの一群、及び隣接するピクセルの予め決定された一群からのセンサ信号の平均；最高のセンサ信号を有するピクセルを含むピクセルの一群、及び隣接するピクセルの予め決定された一群からのセンサ信号の合計；最高のセンサ信号から予め決定された許容範囲内にあるセンサ信号の一群の合計；予め決定された閾値を超えるセンサ信号の一群の平均；予め決定された閾値を超えるセンサ信号の一群の合計；最高のセンサ信号を有する光センサを含む光センサの一群、及び隣接するピクセルの予め決定された一群からのセンサ信号の積分；最高のセンサ信号から予め決定された許容範囲内にあるセンサ信号の一群の積分；予め決定された閾値を超えるセンサ信号の一群の積分、からなる群から選択され得る。

同様に、「和信号」という用語は、一般に、ビームプロファイルの実質的にエッジ情報を含む信号を指す。例えば、和信号は、マトリックス全体又はマトリックス内の関心領域のセンサ信号を加算すること、センサ信号を積分すること、又はセンサ信号を平均することによって導出することができ、該関心領域は、マトリックスの光センサによって生成される画像内で予め決定された、又は決定可能である。センサ信号を合計、積分、又は平均化する場合、センサ信号が生成される実際の光センサは、加算、積分、又は平均化から除外されてよく、あるいは、加算、積分、又は平均化に含まれてもよい。処理ユニットは、マトリックス全体の、又はマトリックス内の関心領域の信号を積分することにより、和信号を決定するように適合され得る。例えば、ビームプロファイルは台形ビームプロファイルであり得、処理ユニットは、台形全体の積分を決定するように適合され得る。さらに、台形ビームプロファイルが仮定される場合、エッジ信号及び中心信号の決定は、例えばエッジの傾斜及び位置の決定、及び中心プラトーの高さの決定、ならびに幾何学的考察によるエッジ信号及び中心信号の導出など、台形ビームプロファイルの特性を利用した同等評価で置き換えられてよい。

同様に、中心信号及びエッジ信号はまた、例えばビームプロファイルの円形セグメントなどのビームプロファイルのセグメントを使用することによって決定され得る。例えば、ビームプロファイルは、ビームプロファイルの中心を通過しない分割線又は弦によって２つのセグメントに分割され得る。したがって、一方のセグメントは実質的にエッジ情報を含み、他方のセグメントは実質的に中心情報を含むことになる。例えば、中心信号中のエッジ情報の量をさらに減らすために、エッジ信号が中心信号からさらに減算されてもよい。

商Ｑは、中心信号と和信号を結合して生成される信号であってよい。具体的には、決定は、中心信号と和信号の商、又はその逆の商を形成すること；中心信号の倍数と和信号の倍数の商、又はその逆の商を形成すること；中心信号の線形結合と、和信号の線形結合の商、又はその逆の商を形成すること、のうちの１つ以上を含み得る。追加的に又は代替的に、商Ｑは、中心信号と和信号の間の比較に関する少なくとも１つの情報項目を含む任意の信号又は信号の結合を含むことができる。

本明細書で使用される場合、「反射特徴の縦方向座標」という用語は、光センサと、対応する照射特徴を放出するシーンの点との間の距離を指す。処理ユニットは、縦方向座標を決定するために、商Ｑと縦方向座標の間の少なくとも１つの予め決定された関係を用いるように構成されてよい。予め決定された関係は、経験的関係、半経験的関係、及び分析的に導出された関係のうちの１つ以上であってよい。処理ユニットは、例えばルックアップリスト又はルックアップテーブルなどの予め決定された関係を記憶するための少なくとも１つのデータ記憶装置を備えてよい。

処理ユニットは、ゼロ次及び高次の全ての反射特徴について距離を計算する少なくとも１つの光子比からの深度アルゴリズムを実行するように構成され得る。

３Ｄ検出ステップは、処理ユニットを使用することによって、前記反射特徴の第２ビームプロファイル情報から少なくとも１つの深度レベルを決定することを含むことができる。

処理ユニットは、識別された幾何学的特徴を含む第１画像の画像領域に対応する第２画像の画像領域内に位置する反射特徴の少なくとも１つの深度情報を決定することによって、シーンの少なくとも一部の深度マップを決定するように構成されてよい。本明細書で使用される場合、「深度」又は深度情報という用語は、物体と光センサとの間の距離を指し得、縦方向座標によって与えられ得る。本明細書で使用される場合、「深度マップ」という用語は、深度の空間分布を指し得る。処理ユニットは、以下の技術：光子比率からの深度、構造化光、ビームプロファイル分析、飛行時間、動きからの形状、焦点からの深度、三角測量、デフォーカスからの深度、ステレオセンサ、の１つ以上によって反射特徴の深度情報を決定するように構成されてよい。深度マップは、少数のエントリを含む薄く装入された深度マップであってよい。あるいは、深度は大量のエントリを含む重装されたものであってよい。

検出された顔は、深度レベルが平面物体の予め決定された又は予め定義された深度レベルから逸脱している場合、３Ｄ物体として特徴付けられる。ステップｃ）は、カメラの前にある顔の３Ｄトポロジーデータを使用することを含むことができる。本方法は、識別された幾何学的特徴を含む第１画像の画像領域に対応する第２画像の画像領域内に位置する反射特徴の少なくとも４つから、曲率を決定することを含んでいてよい。本方法は、少なくとも４つの反射特徴から決定された曲率を、平面物体の予め決定された又は予め定義された深度レベルと比較することを含んでよい。曲率が平面物体の想定曲率を超える場合、検出された顔は３Ｄ物体として特徴付けられ、そうでない場合は平面物体として特徴付けられる。平面物体の予め決定された又は予め定義された深度レベルは、ルックアップリスト又はルックアップテーブルなどとして処理ユニットの少なくとも１つのデータストレージに格納されてよい。平面物体の予め決定された又は予め定義されたレベルは、実験的に決定されてよく、及び／又は平面物体の理論的なレベルであってよい。平面物体の予め決定された又は予め定義された深度レベルは、少なくとも１つの曲率についての少なくとも１つの限界値及び／又は少なくとも１つの曲率についての範囲であってよい。

ステップｃ）で決定された３Ｄ特徴により、高画質写真と３Ｄ顔状構造を区別することができる。ステップｂ）とステップｃ）を組み合わせることで、攻撃に対する認証の信頼性を強化することができる。３Ｄ特徴は、材料特徴と組み合わせることで、セキュリティレベルを高めることができる。同じ計算パイプラインを使用して、皮膚の分類と３Ｄ点群の生成のための入力データを生成できるため、両方の特性は同じフレームから少ない計算量で計算されることができる。

好ましくは、ステップａ）～ｃ）に続いて、認証ステップが実施され得る。認証ステップは、ステップａ）～ｃ）のそれぞれの後に部分的に実施されてよい。ステップａ）において顔が検出されない場合、及び／又は、ステップｂ）において反射特徴が皮膚によって生成されたものではないと判定された場合、及び／又は、ステップｃ）において深度マップが平面物体を参照している場合は、認証は中止され得る。認証ステップは、ステップｂ）において検出された顔が皮膚であると特徴付けられ、ステップｃ）において検出された顔が３Ｄ物体であると特徴付けられえる場合に、少なくとも１つの認証ユニットを用いて検出された顔を認証することを含む。

ステップａ）～ｄ）は、少なくとも１つの装置、例えば携帯電話、スマートフォンなどの少なくとも１つのモバイルデバイスを使用することによって実施されることができ、装置のアクセスは顔認証を使用することによって保護される。建物、機械、自動車などへのアクセスを制御するアクセス制御装置など、他の装置も可能である。本方法は、検出された顔が認証された場合に、装置へのアクセスを許可することを含んでいてよい。

本方法は、少なくとも１つの登録ステップを含んでよい。登録ステップでは、装置のユーザを登録できる。本明細書で使用される場合、「登録」という用語は、装置のその後の使用のためにユーザを登録及び／又はサインアップ及び／又はティーチインするプロセスを指し得る。通常、登録は、装置の初回使用時及び／又は装置の起動時に実施され得る。しかしながら、登録が装置の使用中の任意の時間に実施及び／又は繰り返され得るように、複数のユーザが、例えば連続的に登録される実施形態が可能である。登録は、ユーザアカウント及び／又はユーザプロファイルを生成することを含み得る。登録は、少なくとも１つのユーザーインターフェースを介して、ユーザーデータ、特に画像データを入力し、保存することを含み得る。具体的には、ユーザの少なくとも１つの２Ｄ画像が少なくとも１つのデータベースに格納される。登録ステップは、ユーザの少なくとも１つの画像、特に複数の画像の画像化を含むことができる。画像は、異なる方向から記録されてよく、及び／又は、ユーザが向きを変えてよい。さらに、登録ステップは、比較のためにステップｄ）で使用され得る、ユーザの少なくとも１つの３Ｄ画像及び／又は深度マップを生成することを含んでよい。データベースは、例えば処理ユニットのデータベースであってよく、及び／又はクラウドなどの外部データベースであってよい。本方法は、ユーザの２Ｄ画像を第１画像と比較することによってユーザを識別することを含む。本発明による方法は、生体認証方法のプレゼンテーション攻撃検出能力を大幅に改善することを可能にし得る。全体的な認証を向上させるために、ユーザの２Ｄ画像に加えて、人物固有の材料である指紋だけでなく、３Ｄトポロジー特徴も登録プロセス中に保存されることができる。これにより、２Ｄ、３Ｄ、及び材料由来の特徴を使用することによって、１つの装置内で多要素認証を行うことができる。

ビームプロファイル分析技術を用いた本発明による方法は、レーザスポットの顔面上の反射、特にＮＩＲ領域のレーザスポットの顔面上の反射を分析することによって、ヒトの皮膚を確実に検出し、顔を模倣するために作られた攻撃材料からの反射から区別する概念を提供することができる。さらに、ビームプロファイル分析は、同じカメラフレームを分析することにより、同時に深度情報を提供する。したがって、３Ｄだけでなく皮膚のセキュリティ機能は、全く同じ技術によって提供されることができる。

顔の二次元画像はレーザ照射をオフにするだけで記録できるためもあって、上記の問題を解決する完全に安全な顔認識パイプラインを確立することができる。

レーザの波長をＮＩＲ領域にシフトさせると、民族起源に関するヒトの皮膚の反射特性は、より類似する。９４０ｎｍの波長では、その差は最小となる。したがって、民族起源が異なることは、皮膚の認証に関与しない。

（皮膚分類による）プレゼンテーション攻撃検知は、たった１つのフレームによって提供されるため、一連のフレームの時間のかかる分析は必要ないかもしれない。完全な方法を実施するための時間フレームは、５００ミリ秒以下、好ましくは２５０ミリ秒以下であってよい。しかしながら、皮膚検出を複数のフレームを使用して実施する実施形態が可能であり得る。第２画像における反射特徴を識別する信頼度、及び方法の速度に応じて、本方法は、より安定した分類に到達するために、いくつかのフレームにわたって反射特徴をサンプリングすることを含んでよい。

精度に加えて、実行速度と消費電力も重要な要件である。計算リソースの利用可能性のさらなる制限が、セキュリティの考慮により導入され得る。例えば、ステップａ）からｄ）は、プログラム実行中のソフトウェアベースの操作を回避するために、処理ユニットのセキュアゾーンで実施され得る。上述した材料検出ネットワークのコンパクトな性質は、当該セキュアゾーンにおいて優れた実施時間挙動を示すことにより、この問題を解決することができ、一方、従来のＰＡＤソリューションは、大きな計算コストとアルゴリズムの長い応答時間をもたらす複数の連続したフレームの検査を必要とする。

本発明のさらなる態様は、コンピュータ又はコンピュータネットワーク上で実行されたときに、コンピュータ又はコンピュータネットワークに本発明による方法を完全に又は部分的に実施させるように構成された顔認証用コンピュータプログラムであって、該コンピュータプログラムは、本発明による方法の少なくともステップａ）～ｄ）を実施及び／又は実行するように構成される。具体的には、コンピュータプログラムは、コンピュータ可読データキャリア及び／又はコンピュータ可読記憶媒体上に格納され得る。

本明細書で使用される「コンピュータ可読データキャリア」及び「コンピュータ可読記憶媒体」という用語は、具体的には、コンピュータ実行可能命令が格納されたハードウェア記憶媒体などの非一時的データ記憶手段を指し得る。コンピュータ可読データキャリア又は記憶媒体は、具体的には、ランダムアクセスメモリ（ＲＡＭ）及び／又はリードオンリーメモリ（ＲＯＭ）などの記憶媒体であってよく、又はそれらを含んでよい。

したがって、具体的には、上記に示したような方法ステップの１つ、複数、又はさらに全てを、コンピュータ又はコンピュータネットワークを使用することによって、好ましくはコンピュータプログラムを使用することによって、実施することができる。

さらなる態様は、コンピュータ又はコンピュータネットワークによって実行されたときに、本発明による方法の少なくともステップａ）～ｄ）を実行させる命令を含むコンピュータ可読記憶媒体である。

本明細書でさらに開示及び提案されているのは、コンピュータ又はコンピュータネットワーク、例えばコンピュータ又はコンピュータネットワークのワーキングメモリ又はメインメモリにロードされた後、本明細書に開示された１つ以上の実施形態による方法を実行することができる、記憶されたデータ構造を有するデータキャリアである。

本明細書でさらに開示され、提案されているのは、プログラムがコンピュータ又はコンピュータネットワーク上で実行されたときに、本明細書で開示される１つ以上の実施形態による方法を実施するために、機械可読キャリアに格納されたプログラムコード手段を有するコンピュータプログラム製品である。本明細書において、コンピュータプログラム製品とは、取引可能な製品としてのプログラムを指す。製品は、一般に、紙形態、又はコンピュータ可読データキャリア上及び／又はコンピュータ可読記憶媒体上など、任意の形態で存在することができる。具体的には、コンピュータプログラム製品は、データネットワークを介して配布され得る。

最後に、本明細書で開示及び提案されているのは、本明細書で開示される１つ以上の実施形態による方法を実施するための、コンピュータシステム又はコンピュータネットワークによって読み取り可能な命令を含む変調データ信号である。

本発明のコンピュータ実装の態様を参照すると、本明細書に開示された１つ以上の実施形態による方法の方法ステップの１つ以上、あるいは方法ステップの全てさえも、コンピュータ又はコンピュータネットワークを使用することによって実施されることができる。したがって、一般に、データの提供及び／又は操作を含む方法ステップのいずれもが、コンピュータ又はコンピュータネットワークを使用することによって実施されることができる。一般に、これらの方法ステップは、典型的には手作業を必要とする方法ステップを除く、任意の方法ステップを含むことができる。

具体的には、本明細書でさらに開示されるのは：
－ 少なくとも１つのプロセッサを含むコンピュータ又はコンピュータネットワークであって、該プロセッサが、本明細書に記載の実施形態の１つによる方法を実施するように適合されている、コンピュータ又はコンピュータネットワークと、
－ データ構造がコンピュータ上で実行されている間に、本明細書で記載された実施形態の１つによる方法を実施するように適合された、コンピュータにロード可能なデータ構造と、
－ コンピュータプログラムであって、該プログラムがコンピュータ上で実施されている間、本明細書に記載の実施形態の１つによる方法を実施するように適合されている、コンピュータプログラムと、
－ コンピュータプログラムであって、該コンピュータプログラムがコンピュータ又はコンピュータネットワーク上で実行されている間に、本明細書で説明される実施形態の１つによる方法を実施するためのプログラム手段を含む、コンピュータプログラムと、
－ コンピュータプログラムであって、先行する実施形態によるプログラム手段を備え、該プログラム手段は、コンピュータ可読記憶媒体に格納されている、コンピュータプログラムと、
－ 記憶媒体であって、データ構造が記憶媒体に記憶されており、該データ構造が、コンピュータ又はコンピュータネットワークのメインストレージ及び／又はワーキングストレージにロードされた後に、本明細書に記載の実施形態の１つによる方法を実施するように適合されている、記憶媒体と、
－ プログラムコード手段を有するコンピュータプログラム製品であって、該プログラムコード手段は、該プログラムコード手段がコンピュータ又はコンピュータネットワーク上で実行された場合に、本明細書に記載の実施形態の１つによる方法を実施するように、記憶媒体に記憶され得るか、又は記憶媒体に記憶されている、コンピュータプログラム製品と、
である。

さらなる態様では、少なくとも１つのカメラ、少なくとも１つの照射ユニット、及び少なくとも１つの処理ユニットを備えるモバイルデバイスが開示される。モバイルデバイスは、本発明による顔認証方法の少なくともステップａ）～ｃ）、及び任意でステップｄ）を実施するように構成される。ステップｄ）は、少なくとも１つの認証ユニットを使用することによって実施されることができる。認証ユニットは、モバイルデバイスのユニットであってよく、又は外部の認証ユニットであってよい。モバイルデバイスの定義及び実施形態に関しては、方法に関して説明された定義及び実施形態を参照されたい。

本発明のさらなる態様において、生体認証プレゼンテーション攻撃検知の使用目的のために、上記に与えられた、又は以下にさらに詳細に与えられる１つ以上の実施形態によるような、本発明による方法の使用が提案される。

全体として、本発明の文脈において、以下の実施形態が好ましいと考えられる：
実施形態１：以下のステップ：
ａ） 少なくとも１つの顔検出ステップであって、前記顔検出ステップは、少なくとも１つのカメラを使用することによって少なくとも１つの第１画像を決定することを含み、前記第１画像は、顔を含むと思われるシーンの少なくとも１つの二次元画像を含み、前記顔検出ステップは、少なくとも１つの処理ユニットを使用することによって、顔に特徴的な少なくとも１つの予め定義された又は予め決定された幾何学的特徴を前記第１画像内で識別することによって、前記第１画像内の顔を検出することを含む、少なくとも１つの顔検出ステップと；
ｂ） 少なくとも１つの皮膚検出ステップであって、前記皮膚検出ステップは、前記少なくとも１つの照射ユニットを使用することによって、複数の照射特徴を含む少なくとも１つの照射パターンを前記シーン上に投影することと、前記少なくとも１つのカメラを使用して少なくとも１つの第２画像を決定することを含み、前記第２画像は、前記照射特徴による照射に応答して前記シーンによって生成される複数の反射特徴を含み、前記反射特徴の各々は少なくとも１つのビームプロファイルを含み、前記皮膚検出ステップは、ビームプロファイルの分析によって、識別された幾何学的特徴を含む前記第１画像の画像領域に対応する前記第２画像の画像領域内に位置する前記反射特徴の少なくとも１つの第１ビームプロファイル情報を決定し、前記処理ユニットを使用することによって、前記第１ビームプロファイル情報から前記反射特徴の少なくとも１つの材料特性を決定することを含み、前記材料特性が皮膚に特徴的な少なくとも１つの特性に対応する場合に、前記検出された顔は皮膚として特徴付けられる、少なくとも１つの皮膚検出ステップと；
ｃ） 少なくとも１つの３Ｄ検出ステップであって、前記３Ｄ検出ステップは、ビームプロファイルの分析によって、前記識別された幾何学的特徴を含む前記第１画像の前記画像領域に対応する前記第２画像の前記画像領域内に位置する前記反射特徴の少なくとも４つの第２ビームプロファイル情報を決定することと、前記処理ユニットを使用することによって、前記反射特徴の第２ビームプロファイル情報から少なくとも１つの深度レベルを決定することを含み、前記深度レベルが平面物体の予め決定された又は予め定義された深度レベルから逸脱している場合に、前記検出された顔は３Ｄ物体として特徴付けられる、少なくとも１つの３Ｄ検出ステップと；
ｄ） 少なくとも１つの認証ステップであって、前記認証ステップは、ステップｂ）において前記検出された顔が皮膚として特徴付けられ、ステップｃ）において前記検出された顔が３Ｄ物体として特徴付けられる場合に、少なくとも１つの認証ユニットを使用することによって、前記検出された顔を認証することを含む、少なくとも１つの認証ステップと、
を含む、顔認証方法。

実施形態２：ステップａ）～ｄ）は、少なくとも１つの装置によって実施され、前記装置へのアクセスは顔認証を使用することによって保護され、前記方法は、前記検出された顔が認証された場合に、前記装置へのアクセスを許可することを含む、先行する実施形態に記載の方法。

実施形態３：前記方法は、少なくとも１つの登録ステップを含み、前記登録ステップでは、前記装置のユーザが登録され、前記ユーザの少なくとも１つの２Ｄ画像は少なくとも１つのデータベースに保存され、前記方法は、前記ユーザの前記２Ｄ画像を前記第１画像と比較することによって前記ユーザを識別することを含む、先行する実施形態に記載の方法。

実施形態４：前記皮膚検出ステップでは、少なくとも１つのパラメータ化された皮膚分類モデルが使用され、前記パラメータ化された皮膚分類モデルは、前記第２画像を入力として使用することによって、皮膚及び他の材料を分類するように構成される、先行する実施形態のいずれか１つに記載の方法。

実施形態５：前記皮膚分類モデルは、機械学習を使用することによってパラメータ化され、皮膚に特徴的な特性は、前記皮膚分類モデルの少なくとも１つの最適化ターゲットに関して、最適化アルゴリズムを適用することによって決定される、先行する実施形態に記載の方法。

実施形態６：前記皮膚検出ステップは、ヒトの顔の特徴的な点の少なくとも２つの位置を提供するように構成された少なくとも１つの２Ｄ顔及び顔ランドマーク検出アルゴリズムを使用することを含み、前記皮膚検出ステップでは、少なくとも１つの領域固有のパラメータ化された皮膚分類モデルが使用される、先行する２つの実施形態のいずれか１つに記載の方法。

実施形態７：前記照射パターンは、レーザスポットの周期的なグリッドを含む、先行する実施形態のいずれか１つに記載の方法。

実施形態８：前記照射特徴は、近赤外（ＮＩＲ）領域の波長を有する、先行する実施形態のいずれか１つに記載の方法。

実施形態９：前記照射特徴は、９４０ｎｍの波長を有する、先行する実施形態に記載の方法。

実施形態１０：複数の第２画像が決定され、前記複数の第２画像の前記反射特徴は、ステップｂ）における皮膚検出のため、及び／又はステップｃ）における３Ｄ検出のために使用される、先行する実施形態のいずれか１つに記載の方法。

実施形態１１：前記カメラは、少なくとも１つの近赤外線カメラであるか、又は少なくとも１つの近赤外線カメラを備える、先行する実施形態のいずれか１つに記載の方法。

実施形態１２：コンピュータ又はコンピュータネットワーク上で実行されたときに、コンピュータ又はコンピュータネットワークに、先行する実施形態のいずれか１つに記載の方法を完全に又は部分的に実施させるように構成された顔認証用コンピュータプログラムであって、前記コンピュータプログラムは、先行する実施形態のいずれか１つに記載の方法の少なくともステップａ）～ｄ）を実施及び／又は実行するように構成されている、顔認証用コンピュータプログラム。

実施形態１３：コンピュータ又はコンピュータネットワークによって実行されたときに、方法を参照する先行する実施形態のいずれか１つに記載の方法の少なくともステップａ）～ｄ）を実行させる命令を含むコンピュータ可読記憶媒体。

実施形態１４：少なくとも１つのカメラ、少なくとも１つの照射ユニット、及び少なくとも１つの処理ユニットを備えるモバイルデバイスであって、前記モバイルデバイスは、方法を参照する先行する実施形態のいずれか１つに記載の顔認証方法の少なくともステップａ）～ｃ）、及び任意でステップｄ）を実施するように構成される、モバイルデバイス。

実施形態１５：生体認証プレゼンテーション攻撃を検出するための、先行する実施形態のいずれか１つに記載の方法の使用。

本発明のさらなる任意の詳細及び特徴は、従属請求項と併せて、続く好ましい例示的な実施形態の説明から明らかである。この文脈では、特定の特徴は、単独で実施されてよく、又は、他の特徴と組み合わせて実施されてよい。本発明は、例示的な実施形態に限定されない。例示的な実施形態は、図に概略的に示されている。個々の図における同一の参照番号は、同一の要素又は同一の機能を有する要素、又は機能に関して互いに対応する要素を指す。

具体的に、図面において：
本発明による顔認証方法の一実施形態を示す図である。 本発明によるモバイルデバイスの一実施形態を示す図である。 実験結果を示す図である。

実施形態の詳細な説明
図１は、本発明による顔認証方法のフローチャートを示す。顔認証は、認識された物体又は認識された物体の一部をヒトの顔であるとして検証することを指し得る。具体的には、認証は、顔を模倣するために作成された攻撃材料から本物のヒトの顔を区別することを含み得る。認証は、それぞれのユーザの身元を検証すること、及び／又はユーザに身元を割り当てることを含んでよい。認証は、例えば、モバイルデバイス、機械、自動車、建物などのアクセスを認証するための少なくとも１つの認証装置などの他の装置に対して、識別情報を生成及び／又は提供することを含んでよい。識別情報は、認証によって証明されてよい。例えば、識別情報は、少なくとも１つの識別トークンであってよく、及び／又は少なくとも１つの識別トークンを含んでよい。認証に成功した場合、認識された物体又は認識された物体の一部が本物の顔であること、及び／又は物体、特にユーザの身元であることが検証される。

この方法は以下のステップ：
ａ） （参照番号１１０）少なくとも１つの顔検出ステップであって、該顔検出ステップは、少なくとも１つのカメラ１１２を使用することによって少なくとも１つの第１画像を決定することを含み、該第１画像は、顔を含むと思われるシーンの少なくとも１つの二次元画像を含み、該顔検出ステップは、少なくとも１つの処理ユニット１１４を使用することによって、顔に特徴的な少なくとも１つの予め定義された又は予め決定された幾何学的特徴を第１画像内で識別することによって、第１画像内で顔を検出することを含む、少なくとも１つの顔検出ステップと；
ｂ） （参照番号１１６）少なくとも１つの皮膚検出ステップであって、該皮膚検出ステップは、少なくとも１つの照射ユニット１１８を使用することによって複数の照射特徴を含む少なくとも１つの照射パターンをシーン上に投影することと、少なくとも１つのカメラ１１２を使用して少なくとも１つの第２画像を決定することを含み、該第２画像が、照射特徴による照射に応答してシーンによって生成される複数の反射特徴を含み、該反射特徴の各々が少なくとも１つのビームプロファイルを含み、該皮膚検出ステップは、ビームプロファイルの分析によって、識別された幾何学的特徴を含む第１画像の画像領域に対応する第２画像の画像領域内に位置する反射特徴の少なくとも１つの第１ビームプロファイル情報を決定し、処理ユニット１１４を使用することによって、第１ビームプロファイル情報から反射特徴の少なくとも１つの材料特性を決定することを含み、材料特性が皮膚の少なくとも１つに特徴的な特性に対応する場合に、検出された顔が皮膚として特徴付けられる、少なくとも１つの皮膚検出ステップと；
ｃ） （参照番号１２０）少なくとも１つの３Ｄ検出ステップであって、該３Ｄ検出ステップは、ビームプロファイルの分析によって、識別された幾何学的特徴を含む第１画像の画像領域に対応する第２画像の画像領域内に位置する反射特徴の少なくとも４つの第２ビームプロファイル情報を決定することと、処理ユニット１１４を使用することによって、前記反射特徴の第２ビームプロファイル情報から少なくとも１つの深度レベルを決定することを含み、検出された顔は、深度レベルが平面物体の予め決定された又は予め定義された深度レベルから逸脱している場合に、３Ｄ物体として特徴付けられる、少なくとも１つの３Ｄ検出ステップと；
ｄ） （参照番号１２２）少なくとも１つの認証ステップであって、該認証ステップは、ステップｂ）において検出された顔が皮膚として特徴付けられ、ステップｃ）において検出された顔が３Ｄ物体として特徴付けられる場合に、少なくとも１つの認証ユニットを使用することによって検出された顔を認証することを含む、少なくとも１つの認証ステップと、
を含む。

方法ステップは所定の順序で実施されてもよく、又は異なる順序で実施されてよい。さらに、列挙されていない１つ以上の追加の方法ステップが存在してよい。さらに、方法ステップの１つ、１つより多く、又は、全てさえも、繰り返し実施されてよい。

カメラ１１２は、空間的に分解された一次元、二次元、さらには三次元の光学データ又は情報を記録又はキャプチャするように構成された少なくとも１つの画像要素を有する装置を指し得る。カメラ１１２はデジタルカメラであってよい。一例として、カメラ１１２は、画像を記録するように構成された少なくとも１つのＣＣＤチップ及び／又は少なくとも１つのＣＭＯＳチップなどの少なくとも１つのカメラチップを備えてよい。カメラ１１２は、少なくとも１つの近赤外線カメラであってよく、又は近赤外線カメラを備えていてよい。画像は、カメラチップのピクセルなどの画像要素からの複数の電子読み取り値など、カメラ１１２を使用することによって記録されるデータに関し得る。カメラ１１２は、少なくとも１つのカメラチップ又は画像チップに加えて、１つ以上の光学要素、例えば１つ以上のレンズなどのさらなる要素を含んでいてよい。一例として、カメラ１１２は、カメラに対して固定的に調整された少なくとも１つのレンズを有する固定焦点カメラであってよい。あるいは、しかし、カメラ１１２は自動又は手動で調整され得る１つ以上の可変レンズを備えていてよい。

カメラ１１２は、ノートブックコンピュータ、タブレット、又は具体的にはスマートフォンなどの携帯電話などのモバイルデバイス１２４のカメラであってよい。したがって、具体的には、カメラ１１２は、少なくとも１つのカメラ１１２の他に、１つ以上のデータプロセッサなどの１つ以上のデータ処理装置を備えるモバイルデバイス１２４の一部であってよい。しかしながら、他のカメラも可能である。モバイルデバイス１２４は、モバイル電子装置、より具体的には携帯電話又はスマートフォンなどのモバイル通信装置を指し得る。追加的に又は代替的に、モバイルデバイス１２４は、タブレットコンピュータ又は他のタイプのポータブルコンピュータを指し得る。本発明によるモバイルデバイスの一実施形態を図２に示す。

具体的には、カメラ１１２は、少なくとも１つの感光エリアを有する少なくとも１つの光センサ１２６であってよく、又は光センサ１２６を有していてよい。光センサ１２６は、具体的には、少なくとも１つの光検出器、好ましくは無機光検出器、より好ましくは無機半導体光検出器、最も好ましくはシリコン光検出器であってもよく、又はそれを含んでいてもよい。具体的には、光センサ１２６は、赤外スペクトル範囲において感度を有してよい。光センサ１２６は、ピクセルのマトリックスを含む少なくとも１つのセンサ要素を含んでいてよい。マトリックスの全てのピクセル、又はマトリックスの光センサの少なくとも一群は、具体的には同一であってよい。マトリックスの同一のピクセルの一群は、具体的には、異なるスペクトル範囲について提供されてよく、又は全てのピクセルが、スペクトル感度に関して同一であってよい。さらに、ピクセルは、サイズ及び／又はそれらの電子的又は光電子的特性に関して同一であってよい。具体的には、光センサ１２６は、赤外スペクトル範囲、好ましくは７００ｎｍ～３．０マイクロメートルの範囲に感度を有する少なくとも１つの無機フォトダイオードのアレイであってよく、又はそれらを含んでいてよい。具体的には、光センサ１２６は、シリコンフォトダイオードが適用可能な特に７００ｎｍ～１１００ｎｍの範囲の近赤外領域の部分で感度を有してよい。光センサに使用され得る赤外光センサは、例えば、ドイツ，Ｄ－６７０５６ Ｌｕｄｗｉｇｓｈａｆｅｎ ａｍ ＲｈｅｉｎのｔｒｉｎａｍｉＸ ＧｍｂＨのＨｅｒｔｚｓｔｕｅｃｋ（登録商標）というブランド名で市販されている赤外光センサなど、市販の赤外光センサであってよい。したがって、一例として、光センサ１２６は、固有の光起電型の少なくとも１つの光センサ、より好ましくは、Ｇｅフォトダイオード、ＩｎＧａＡｓフォトダイオード、拡張ＩｎＧａＡｓフォトダイオード、ＩｎＡｓフォトダイオード、ＩｎＳｂフォトダイオード、ＨｇＣｄＴｅフォトダイオード、からなる群から選択される少なくとも１つの半導体フォトダイオードを含み得る。追加的又は代替的に、光センサは、外因性光起電型の少なくとも１つの光センサ、より好ましくは、Ｇｅ：Ａｕフォトダイオード、Ｇｅ：Ｈｇフォトダイオード、Ｇｅ：Ｃｕフォトダイオード、Ｇｅ：Ｚｎフォトダイオード、Ｓｉ：Ｇａフォトダイオード、Ｓｉ：Ａｓフォトダイオードからなる群から選択される少なくとも１つの半導体フォトダイオードを含み得る。追加的又は代替的に、光センサ１２６は、ＰｂＳもしくはＰｂＳｅセンサなどの少なくとも１つの光導電センサ、ボロメータ、好ましくはＶＯボロメータ及びアモルファスＳｉボロメータからなる群から選択されるボロメータを含み得る。

具体的には、光センサ１２６は近赤外領域で感度を有してよい。具体的には、光センサ１２６は、シリコンフォトダイオードが適用可能な特に７００ｎｍ～１０００ｎｍの範囲の近赤外領域の部分で感度を有してよい。光センサ１２６は、具体的には、赤外スペクトル範囲、具体的には７８０ｎｍ～３．０μｍの範囲で感度を有してよい。例えば、光センサ１２６は、ＣＣＤセンサ要素、ＣＭＯＳセンサ要素、フォトダイオード、フォトセル、光導電体、フォトトランジスタ又はそれらの任意の組み合わせからなる群から選択される少なくとも１つの要素であってよく、又はそれを含んでいてよい。他の任意のタイプの感光性要素を使用してよい。感光性要素は、一般に、完全に又は部分的に無機材料で作製されることができ、及び／又は、完全に又は部分的に有機材料で作製されることができる。最も一般的には、市販のフォトダイオード、例えば、無機半導体フォトダイオードなどの１つ以上のフォトダイオードが使用され得る。

カメラ１１２は、少なくとも１つの転送装置をさらに含み得る（ここでは図示せず）。カメラ１１２は、少なくとも１つのレンズ及び／又は少なくとも１つのレンズシステムなどの転送装置、少なくとも１つの回折光学要素からなる群から選択された少なくとも１つの光学要素を含むことができる。転送装置は、光ビームを光センサ１２６に導くように適合されてよい。転送装置は、具体的には：少なくとも１つのレンズ、例えば、少なくとも１つの焦点調節可能レンズ、少なくとも１つの非球面レンズ、少なくとも１つの球面レンズ、少なくとも１つのフレネルレンズからなる群から選択される少なくとも１つのレンズ；少なくとも１つの回折光学要素；少なくとも１つの凹面鏡；少なくとも１つのビーム偏向要素、好ましくは少なくとも１つのミラー；少なくとも１つのビーム分割要素、好ましくはビーム分割キューブ又はビーム分割ミラーのうちの少なくとも１つ；少なくとも１つのマルチレンズシステム、の１つ以上を含み得る。転送装置は、焦点距離を有し得る。したがって、焦点距離は入射光ビームを収束させる転送装置の能力の指標を構成する。したがって、転送装置は、集束レンズの効果を有し得る１つ以上の画像化要素を含むことができる。例として、転送装置は、１つ以上のレンズ、特に１つ以上の屈折レンズ、及び／又は１つ以上の凸面ミラーを有することができる。この例では、焦点距離は、薄い屈折レンズの中心から薄いレンズの主焦点までの距離として定義することができる。凸型又は両凸型の薄レンズなどの、集束する薄い屈折レンズの場合、焦点距離は、正であると考えられ、転送装置としての薄レンズに衝突する平行光のビームが単一のスポットに集束され得る距離を与えることができる。さらに、転送装置は、少なくとも１つの波長選択要素、例えば少なくとも１つの光フィルタを含むことができる。さらに、転送装置は、例えばセンサ領域の位置で、具体的にはセンサエリアで、電磁放射に予め定義されたビームプロファイルを印加するように設計され得る。転送装置の上記の任意の実施形態は、原則として、個別に、又は任意の所望の組み合わせで実現することができる。

転送装置は、光軸を有していてよい。転送装置は、縦方向座標が光軸に沿った座標であり、ｄが光軸からの空間的オフセットである座標系を構成してよい。座標系は、転送装置の光軸がｚ軸を形成し、ｚ軸からの距離及び極角が追加の座標として使用され得る極座標系であり得る。ｚ軸に平行又は逆平行な方向は、縦方向とみなすことができ、ｚ軸に沿った座標は縦方向座標とみなすことができる。ｚ軸に垂直な任意な方向は、横方向とみなすことができ、極座標及び／又は極角度は横方向座標とみなすことができる。

カメラ１１２は、シーンの少なくとも１つの画像、特に第１画像を決定するように構成される。シーンは空間領域を指し得る。シーンは、認証中の顔及び周囲の環境を含み得る。第１画像自体は、ピクセルを含み得、画像のピクセルは、センサ要素のマトリックスのピクセルに相関している。第１画像は、一般に、高さ及び幅の寸法などの横方向座標に関する情報を有する少なくとも１つの二次元画像である。

顔検出ステップ１１０は、少なくとも１つの処理ユニット１１４を使用することにより、顔の少なくとも１つの予め定義された又は予め決定された幾何学的特徴特性を第１画像内で識別することによって、第１画像内の顔を検出することを含む。一例として、少なくとも１つの処理ユニット１１４は、多数のコンピュータコマンドを含んでそこに格納されたソフトウェアコードを含んでいてよい。処理ユニット１１４は、指定された操作の１つ以上を実施するための１つ以上のハードウェア要素を提供してよく、及び／又は、指定された操作の１つ以上を実施するためにその上で実施されるソフトウェアを有する１つ以上のプロセッサを提供してよい。画像を評価することを含む操作とは、少なくとも１つの処理ユニット１１４によって実施されてよい。したがって、一例として、１つ以上の命令は、ソフトウェア及び／又はハードウェアで実装されることができる。したがって、一例として、処理ユニット１１４は、上記の評価を実施するように構成された１つ以上のコンピュータ、特定用途向け集積回路（ＡＳＩＣ）、デジタル信号プロセッサ（ＤＳＰ）、又はフィールドプログラマブルゲートアレイ（ＦＰＧＡ）などの１つ以上のプログラマブル装置を備えることができる。しかしながら、追加的又は代替的に、処理ユニットはまた、完全に又は部分的にハードウェアによって具現化されてもよい。処理ユニット１１４とカメラ１１２は、完全に又は部分的に単一の装置に統合されてよい。したがって、一般に、処理ユニット１１４はまたカメラ１１２の一部を形成してよい。あるいは、処理ユニット１１４とカメラ１１２は、完全に又は部分的に、別個の装置として具現化されてよい。

第１画像内の顔を検出することは、顔の少なくとも１つの予め定義された又は予め決定された幾何学的特徴特性を識別することを含み得る。顔の幾何学的特徴特性は、顔の形状及びその構成要素、特に鼻、目、口又は眉などのうちの１つ以上を記述する少なくとも１つの幾何学ベースの特徴であり得る。処理ユニット１１４は、少なくとも１つのデータベースを備えることができ、顔の幾何学的特徴特性はルックアップテーブルなどに格納される。顔の少なくとも１つの予め定義された又は予め決定された幾何学的特徴特性を識別するための技術は、一般に当業者に知られている。例えば、顔検出は、Masi, Lacopo等の文献"Deep face recognition：A survey" 2018 31st SIBGRAPI conference on graphics, patterns and images (SIBGRAPI), IEEE, 2018に記載されているように実施されることができ、その全内容は参照により組み込まれる。

処理ユニット１１４は、幾何学的特徴を識別するために、少なくとも１つの画像分析及び／又は画像処理を実施するように構成され得る。画像分析及び／又は画像処理は、少なくとも１つの特徴検出アルゴリズムを使用してよい。画像分析及び／又は画像処理は、以下：フィルタリング；少なくとも１つの関心領域の選択；背景補正；カラーチャネルへの分解；色相、彩度、及び／又は輝度チャネルへの分解；周波数分解；特異値分解；ブロブ検出器の適用；コーナー検出器の適用；ヘッセフィルタの行列式の適用；主曲率ベースの領域検出器の適用；勾配位置及び方向のヒストグラムアルゴリズムの適用；方向付けられた勾配記述子のヒストグラムの適用；エッジ検出器の適用；差動エッジ検出器の適用；キャニーエッジ検出器の適用；ガウスフィルタのラプラス演算子の適用；差分ガウスフィルタの適用；ソーベル（Sobel）演算子の適用；ラプラス演算子の適用；シャール演算子の適用；プレウィット演算子の適用；ロバーツ演算子の適用；キルシュ演算子の適用；ハイパスフィルタの適用；ローパスフィルタの適用；フーリエ変換の適用；ラドン変換の適用；ハフ変換の適用；ウェーブレット変換の適用；閾値処理；バイナリ画像の生成、のうちの１つ以上を含み得る。関心領域は、ユーザによって手動で決定されてよく、又は、第１画像内の特徴を認識するなどによって、自動的に決定されてよい。

具体的には、顔検出ステップ１１０の後に、少なくとも１つの照射ユニット１１８を使用することによって、シーン上に複数の照射特徴を含む少なくとも１つの照射パターンを投影することを含む皮膚検出ステップ１１６が実施されることができる。しかしながら、皮膚検出ステップ１１６が顔検出ステップ１１０の前に実施される実施形態が可能である。

照射ユニット１１８は、シーンの照射のために照射パターンを提供するように構成されてよい。照射ユニット１１８は、シーンを直接的又は間接的に照射するように適合されてよく、照射パターンが、シーンの表面によって放出され、特に反射又は散乱され、それによって、少なくとも部分的にカメラに向けられる。照射ユニット１１８は、例えば、光ビームをシーンに向けることによってシーンを照射するように構成されてよく、シーンは光ビームを反射する。照射ユニット１１８は、シーンを照射するための照射光ビームを生成するように構成されてよい。

照射ユニット１１８は、少なくとも１つの光源を備えることができる。照射ユニット１１８は、複数の光源を備えることができる。照射ユニット１１８は、人工照射源、特に少なくとも１つのレーザ源及び／又は少なくとも１つの白熱ランプ及び／又は少なくとも１つの半導体光源、例えば少なくとも１つの発光ダイオード、特に有機及び／又は無機発光ダイオードを備えていてよい。照射ユニット１１８は、赤外領域で少なくとも１つの照射パターンを生成するように構成され得る。照射特徴は、近赤外（ＮＩＲ）領域の波長を有してよい。照射特徴は、約９４０ｎｍの波長を有することができる。この波長ではメラニンの吸収がないため、暗い色と明るい色がほぼ同じように光を反射する。しかし、ＮＩＲ領域の他の波長は、８０５ｎｍ、８３０ｎｍ、８３５ｎｍ、８５０ｎｍ、９０５ｎｍ、９８０ｎｍのうちの１つ以上などが可能である。さらに、近赤外領域の光を使用すると、光がヒトの目では検出されない、もしくは弱く検出されるだけだが、シリコンセンサ、特に標準的なシリコンセンサによって依然として検出可能である。

照射ユニット１１８は、少なくとも１つの多重ビーム光源であってよく、又は、多重ビーム光源を含んでいてよい。例えば、照射ユニット１１８は、少なくとも１つのレーザ源と、１つ以上の回折光学要素（ＤＯＥ）とを含んでいてよい。具体的には、照射ユニット１１８は、少なくとも１つのレーザ及び／又はレーザ源を備えていてよい。様々なタイプのレーザ、例えば、半導体レーザ、ダブルヘテロ構造レーザ、外部キャビティレーザ、分離封じ込めヘテロ構造レーザ、量子カスケードレーザ、分散ブラッグ（bragg）反射器レーザ、ポラリトンレーザ、ハイブリッドシリコンレーザ、拡張キャビティダイオードレーザ、量子ドットレーザ、ボリュームブラッググレーティングレーザ、インジウムヒ素レーザ、トランジスタレーザ、ダイオード励起レーザ、分散フィードバックレーザ、量子ウェルレーザ、バンド間カスケードレーザ、ガリウムヒ素レーザ、半導体リングレーザ、拡張キャビティダイオードレーザ、又は垂直キャビティ面発光レーザなど、が使用されてよい。追加的に又は代替的に、ＬＥＤ及び／又は電球などの非レーザ光源が使用されてよい。照射ユニット１１８は、照射パターンを生成するように適合された１つ以上の回折光学要素（ＤＯＥ）を含んでよい。例えば、照射ユニット１１８は、点群を生成及び／又は投影するように適合されてよく、例えば、照射ユニット１１８は、少なくとも１つのデジタル光処理プロジェクタ、少なくとも１つのＬＣｏＳプロジェクタ、少なくとも１つの空間光変調器；少なくとも１つの回折光学要素；発光ダイオードの少なくとも１つのアレイ；レーザ光源の少なくとも１つのアレイ、のうちの１つ以上を含み得る。それらの一般的に定義されるビームプロファイル及び取扱い性の他の特性を考慮すると、照射ユニット１１８としての少なくとも１つのレーザ源の使用が特に好ましい。照射ユニット１１８は、カメラ１１２のハウジングに一体化されてよく、又はカメラ１１２から分離されていてよい。

照射パターンは、シーンの少なくとも一部を照射するように適合された少なくとも１つの照射特徴を含む少なくとも１つの任意のパターンを含む。照射パターンは、単一の照射特徴を含んでよい。照射パターンは、複数の照射特徴を含んでよい。照射パターンは、少なくとも１つの点パターン；少なくとも１つの線パターン；少なくとも１つのストライプパターン；少なくとも１つの市松模様パターン；周期的又は非周期的な特徴の配置を含む少なくとも１つのパターン、からなる群から選択されてよい。照射パターンは、三角形パターン、長方形パターン、六角形パターン、又はさらに凸状のタイル状パターンなどの規則的な及び／又は一定の及び／又は周期的なパターンを含んでよい。照射パターンは、少なくとも１つの点；少なくとも１つの線；平行線又は交差線などの少なくとも２つの線；少なくとも１つの点と１つの線；周期的又は非周期的な特徴の少なくとも１つの配置；少なくとも１つの任意の形状の特徴からなる群から選択される少なくとも１つの照射特徴を示してよい。照射パターンは：少なくとも１つの点パターン、特に擬似ランダム点パターン；ランダム点パターン又は準ランダムパターン；少なくとも１つのソボル（Sobol）パターン；少なくとも１つの準周期的パターン；少なくとも１つの既知の特徴を含む少なくとも１つのパターン；少なくとも１つの規則的なパターン；少なくとも１つの三角形パターン；少なくとも１つの六角形パターン；少なくとも１つの長方形パターン；凸状の均一なタイル状体（tiling）を含む少なくとも１つのパターン；少なくとも１つの線を含む少なくとも１つの線パターン；平行線又は交差線などの少なくとも２つの線を含む少なくとも１つの線パターン、からなる群から選択される少なくとも１つのパターンを含むことができる。例えば、照射ユニット１１８は、点群を生成及び／又は投影するように適合され得る。照射ユニット１１８は、照射パターンが複数の点パターンを含むことができるように、点群を生成するように適合された少なくとも１つの光プロジェクタを含み得る。照射パターンは、レーザスポットの周期的なグリッドを含んでよい。照射ユニット１１８は、照射ユニット１１８によって生成された少なくとも１つの光ビームから照射パターンを生成するように適合された少なくとも１つのマスクを含むことができる。

皮膚検出ステップ１１６は、カメラ１１２を使用して、反射画像とも呼ばれる少なくとも１つの第２画像を決定することを含む。本方法は、複数の第２画像を決定することを含んでいてよい。複数の第２画像の反射特徴は、ステップｂ）における皮膚検出のため、及び／又はステップｃ）における３Ｄ検出のために使用され得る。反射特徴は、具体的には少なくとも１つの照射特徴である照射に応答してシーンによって生成される画像平面内の特徴であり得る。反射特徴のそれぞれは、反射ビームプロファイルとも呼ばれる少なくとも１つのビームプロファイルを含む。反射特徴のビームプロファイルは、一般に、ピクセルの関数としての、光センサの光スポットなどの反射特徴の少なくとも１つの強度分布を指し得る。ビームプロファイルは、台形ビームプロファイル；三角形ビームプロファイル；円錐ビームプロファイル及びガウシアンビームプロファイルの線形結合からなる群から選択され得る。

第２画像の評価は、第２画像の反射特徴を識別することを含んでよい。処理ユニット１１４は、反射特徴を識別するために、少なくとも１つの画像分析及び／又は画像処理を実施するように構成され得る。画像分析及び／又は画像処理は、少なくとも１つの特徴検出アルゴリズムを使用してよい。画像分析及び／又は画像処理は、以下：フィルタリング；少なくとも１つの関心領域の選択；センサ信号によって生成された画像と少なくとも１つのオフセットとの間の差分画像の形成；センサ信号によって生成された画像を反転することによるセンサ信号の反転；異なる時間にセンサ信号によって生成された画像間の差分画像の形成；背景補正；カラーチャネルへの分解；色相への分解；彩度；輝度チャネル；周波数分解；特異値分解；ブロブ検出器の適用；コーナー検出器の適用；ヘッセフィルタの行列式の適用；主曲率ベースの領域検出器の適用；最大安定極値領域検出器の適用；一般化されたハフ変換の適用；稜線検出器の適用；アフィン不変特徴検出器の適用；アフィン適応の関心点演算子の適用；ハリスアフィン領域検出器の適用；ヘッセアフィン領域検出器の適用；スケール不変特徴変換の適用；スケールスペース極値検出器の適用；局所特徴検出器の適用；高速化堅牢特徴アルゴリズムの適用；勾配位置及び方向のヒストグラムアルゴリズムの適用；方向付けられた勾配記述子のヒストグラムの適用；Ｄｅｒｉｃｈｅエッジ検出器の適用；差動エッジ検出器の適用；時空関心点検出器の適用；モラベックコーナー検出器の適用；キャニーエッジ検出器の適用；ガウスフィルタのラプラス演算子の適用；差分ガウスフィルタの適用；ソーベル（Sobel）演算子の適用；ラプラス演算子の適用；シャール演算子の適用；プレウィット演算子の適用；ロバーツ演算子の適用；キルシュ演算子の適用；ハイパスフィルタの適用；ローパスフィルタの適用；フーリエ変換の適用；ラドン変換の適用；ハフ変換の適用；ウェーブレット変換の適用；閾値処理；バイナリ画像の生成、のうちの１つ以上を含み得る。関心領域は、ユーザによって手動で決定されてよく、又は、光センサ１２６によって生成された画像内の特徴を認識するなどによって、自動的に決定されてよい。

例えば、照射ユニット１１８は、複数の照射領域が、光センサ１２６、例えばＣＭＯＳ検出器上に生成されるように、点群を生成及び／又は投影するように構成されてよい。さらに、例えばスペックル及び／又は外来光及び／又は多重反射によるなどの外乱が、光センサ１２６に存在し得る。処理ユニット１１４は、少なくとも１つの関心領域、例えば、以下により詳細に説明されるそれぞれの反射特徴の縦方向座標の決定に使用される光ビームによって照射される１つ以上のピクセルを、決定するように適合され得る。例えば、処理ユニット１１４は、フィルタリング方法、例えば、ブロブ分析及び／又はエッジフィルタ及び／又は物体認識方法を実施するように適合され得る。

処理ユニット１１４は、少なくとも１つの画像補正を行うように構成されてよい。画像補正は、少なくとも１つの背景減算を含み得る。処理ユニット１１４は、例えば、さらなる照射なしの画像化によって、ビームプロファイルからの背景光から影響を除去するように適合されてよい。

処理ユニット１１４は、反射特徴のそれぞれのビームプロファイルを決定するように構成されることができる。ビームプロファイルを決定するは、光センサ１２６によって提供される少なくとも１つの反射特徴を識別すること、及び／又は光センサ１２６によって提供される少なくとも１つの反射特徴を選択することと、反射特徴の少なくとも１つの強度分布を評価することとを含み得る。一例として、マトリックスの領域は、マトリックスを通る軸又は線に沿ってなど、三次元強度分布又は二次元強度分布などの強度分布を決定するために使用され、評価されてよい。一例として、光ビームによる照射の中心は、最高の照射を有する少なくとも１つのピクセルを決定することなどにより決定され得、断面軸が照射の中心を通して選択され得る。強度分布は、照射の中心を通るこの断面軸に沿った座標の関数としての強度分布であり得る。他の評価アルゴリズムも可能である。

処理ユニット１１４は、ビームプロファイルの分析によって、識別された幾何学的特徴を含む第１画像の画像領域に対応する第２画像の画像領域内に位置する反射特徴の少なくとも１つの第１ビームプロファイル情報を決定するように構成される。本方法は、識別された幾何学的特徴を含む第１画像の画像領域に対応する第２画像の画像領域を識別することを含んでいてよい。具体的には、本方法は、第１画像と第２画像のピクセルをマッチングさせることと、識別された幾何学的特徴を含む第１画像の画像領域に対応する第２画像のピクセルを選択することとを含んでよい。本方法は、さらに、第２画像の前記画像領域の外側に位置するさらなる反射特徴を考慮することを含んでいてよい。

ビームプロファイル情報は、反射特徴のビームプロファイルから導出される、及び／又はそれに関連する任意の情報及び／又は特性であってよく、又はそれを含んでいてよい。第１ビームプロファイル情報と第２ビームプロファイル情報は同一であってよく、又は異なっていてよい。例えば、第１ビームプロファイル情報は、強度分布、反射プロファイル、強度中心、材料特徴であってよい。ステップｂ）１１６の皮膚検出には、ビームプロファイル分析が使用され得る。具体的には、ビームプロファイル分析は、物体の表面に投影されたコヒーレント光の反射特性を利用して材料を分類する。材料の分類は、WO2020/187719、2020年2月28日に出願されたEP出願20159984.2及び／又は2020年1月31日に出願されたEP出願20154961.5に記載されているように実施することができ、その全内容は参照により組み込まれる。具体的には、レーザスポットの周期的なグリッド、例えば2020年4月22日に出願されたEP出願20170905.2に記載されているような六角形のグリッドが投影され、反射画像がカメラで記録される。カメラによって記録された各反射特徴のビームプロファイルの分析は、特徴ベースの方法によって実施されてよい。特徴ベースの方法に関しては、上記の説明を参照されたい。特徴ベースの方法は、皮膚分類モデルのパラメータ化を可能にする機械学習方法と組み合わせて使用されることができる。代替的に、又は組み合わせて、畳み込みニューラルネットワークを利用して、反射画像を入力として使用することによって皮膚を分類することができる。

皮膚検出ステップ１１６は、処理ユニット１１４を使用することによって、ビームプロファイル情報から反射特徴の少なくとも１つの材料特性を決定することを含んでいてよい。具体的には、処理ユニット１１４は、その反射ビームプロファイルが少なくとも１つの予め決定された又は予め定義された基準を満たす場合に、生体組織、特にヒトの皮膚を照射することによって生成された反射特徴を識別するように構成される。少なくとも１つの予め決定された又は予め定義された基準は、生体組織、特にヒトの皮膚を他の材料から区別するのに適した少なくとも１つの特性及び／又は値であり得る。予め決定された又は予め定義された基準は、材料特性を参照する少なくとも１つの予め決定された又は予め定義された値及び／又は閾値及び／又は閾値範囲であってよく、又はそれらを含んでよい。反射特徴は、反射ビームプロファイルが少なくとも１つの予め決定された又は予め定義された基準を満たす場合に、生体組織によって生成されたものとして示されることができる。処理ユニットは、そうでない場合には、反射特徴を非皮膚として識別するように構成される。具体的には、処理ユニット１１４は、皮膚検出、特に検出された顔がヒトの皮膚であるか否かを識別するように構成されてよい。材料が生体組織、特にヒトの皮膚である場合は、識別は、検査対象又は試験下の表面が、生体組織、特にヒトの皮膚であるか又はそれを含むかを決定及び／又は検証すること、及び／又は、生体組織、特にヒトの皮膚を、他の組織、特に他の表面から区別することを含み得る。本発明による方法は、ヒトの皮膚を、無機組織、金属表面、プラスチック表面、発泡体、紙、木材、ディスプレイ、スクリーン、布のうちの１つ以上から区別することを可能にし得る。本発明による方法は、ヒトの生体組織をと人工物又は無生物の表面から区別することを可能にし得る。

処理ユニット１１４は、反射特徴のビームプロファイルを評価することによって、反射特徴を放出する表面の材料特性ｍを決定するように構成されてよい。材料特性は、材料の特徴付け及び／又は識別及び／又は分類のために構成された、材料の少なくとも１つの任意の特性であり得る。例えば、材料特性は、粗さ、材料への光の透過深度、生物学的材料又は非生物学的材料として材料を特徴付ける特性、反射率、鏡面反射率、拡散反射率、表面特性、透光性の尺度、散乱、具体的には、後方散乱挙動などからなる群から選択される特性であってよい。少なくとも１つの材料特性は、散乱係数、透光性、透明性、ランバート表面反射からの偏差、スペックルなどからなる群から選択される特性であってよい。少なくとも１つの材料特性を決定することは、材料特性を検出された顔に割り当てることを含み得る。処理ユニット１１４は、予め定義された及び／又は予め決定された材料特性のルックアップリスト及び／又はルックアップテーブルなどのリスト及び／又はテーブルを含む少なくとも１つのデータベースを含んでよい。材料特性のリスト及び／又はテーブルは、少なくとも１つの試験測定を行うことにより、例えば既知の材料特性を有するサンプルを使用して材料試験を行うことにより、決定及び／又は生成されることができる。材料特性のリスト及び／又はテーブルは、製造業者サイトで、及び／又はユーザによって、決定及び／又は生成されることができる。材料特性は、例えば、材料名、生物学的材料又は非生物学的材料などの材料グループ、透光性材料又は非透光性材料、金属又は非金属、皮膚又は非皮膚、毛皮又は非毛皮、カーペット又は非カーペット、反射性又は非反射性、鏡面反射性又は非鏡面反射性、泡又は非泡、毛髪又は非毛髪、粗さグループなどの１つ以上などの材料分類にさらに割り当てられてよい。処理ユニット１１４は、材料特性及び関連する材料名及び／又は材料グループを含むリスト及び／又はテーブルを含む少なくとも１つのデータベースを含んでよい。

特徴ベースのアプローチは、皮膚と表面のみの散乱材料を区別するのに十分な精度を有するが、皮膚と、体積散乱も含む注意深く選択された攻撃材料との区別はより困難である。ステップｂ）１１６は、人工知能、特に畳み込みニューラルネットワークを使用することを含み得る。畳み込みニューラルネットワークの入力として反射画像を使用することは、皮膚と他の体積散乱材料を区別するのに十分な精度を有する分類モデルを生成することを可能にし得る。反射画像中の重要な領域を選択することによって、物理的に有効な情報のみがネットワークに渡されるため、コンパクトなトレーニングデータセットのみを必要とし得る。さらに、非常にコンパクトなネットワークアーキテクチャを生成することができる。

具体的には、皮膚検出ステップ１１６では、少なくとも１つのパラメータ化された皮膚分類モデルを使用することができる。パラメータ化された皮膚分類モデルは、第２画像を入力として使用することによって皮膚及び他の材料を分類するように構成され得る。皮膚分類モデルは、機械学習、深層学習、ニューラルネットワーク、又は他の形態の人工知能のうちの１つ以上を使用することによってパラメータ化されてよい。機械学習は、自動的なモデル構築のため、特にモデルのパラメータ化のために人工知能（ＡＩ）を使用する方法を含み得る。皮膚分類モデルは、ヒトの皮膚を他の材料から識別するために構成された分類モデルを含み得る。皮膚に特徴的な特性は、皮膚分類モデルの少なくとも１つの最適化ターゲットに関して最適化アルゴリズムを適用することによって決定されることができる。機械学習は、少なくとも１つのニューラルネットワーク、特に畳み込みニューラルネットワークに基づいてよい。ニューラルネットワークの重み及び／又はトポロジーは、予め決定及び／又は予め定義されてよい。具体的には、皮膚分類モデルのトレーニングは、機械学習を使用して実施されることができる。皮膚分類モデルは、少なくとも１つの機械学習アーキテクチャ及びモデルパラメータを含むことができる。例えば、機械学習アーキテクチャは、線形回帰、ロジスティック回帰、ランダムフォレスト、ナイーブベイズ分類、最近傍法、ニューラルネットワーク、畳み込みニューラルネットワーク、生成敵対的ネットワーク、サポートベクターマシン、又は勾配ブースティングアルゴリズムなどのうちの１つ以上であってよく、又はそれらを含んでいてよい。トレーニングは、皮膚分類モデルを構築するプロセス、特に皮膚分類モデルのパラメータを決定及び／又は更新するプロセスを含み得る。皮膚分類モデルは、少なくとも部分的にデータ駆動型であってよい。例えば、皮膚分類モデルは、複数のヒト及びマスクなどの人工物体を照射し、反射パターンを記録することによって決定されるデータなどの実験データに基づいてよい。例えば、トレーニングは、少なくとも１つのトレーニングデータセットを使用することを含んでよく、トレーニングデータセットは、ヒト及び既知の材料特性を有する複数の人工物体の画像、特に第２画像を含む。

皮膚検出ステップ１１６は、ヒトの顔の特徴的な点の少なくとも２つの位置を提供するように構成された少なくとも１つの２Ｄ顔及び顔ランドマーク検出アルゴリズムを使用することを含むことができる。例えば、その位置は、目の位置、額又は頬であってよい。２Ｄ顔及び顔ランドマーク検出アルゴリズムは、目の位置などヒトの顔の特徴的な点の位置を提供することができる。顔の異なるゾーン（例えば額や頬）の反射には微妙な違いがあるため、領域固有のモデルをトレーニングすることができる。皮膚検出ステップ１１６では、好ましくは、少なくとも１つの領域固有のパラメータ化された皮膚分類モデルが使用される。皮膚分類モデルは、異なる領域など、複数の領域固有のパラメータ化皮膚分類モデルを含んでよく、及び／又は、皮膚分類モデルは、トレーニングに使用される画像をフィルタリングすることによってなど、領域固有データを使用してトレーニングされてよい。例えば、トレーニングのために、例えば、目頭領域から鼻の下などの２つの異なる領域が使用されてよく、特に、この領域内で十分な反射特徴が識別できない場合には、額領域が使用されてよい。しかし、他の領域も可能である。

検出された顔は、材料特性が皮膚の少なくとも１つの特性性質に対応する場合、皮膚として特徴付けられる。処理ユニット１１４は、その対応する材料特性が少なくとも１つの予め決定された又は予め定義された基準を満たす場合に、生体組織、特に皮膚を照射することによって生成されたものとして反射特徴を識別するように構成され得る。反射特徴は、材料特性が「ヒトの皮膚」を示す場合に、ヒトの皮膚によって生成されたものとして識別されてよい。反射特徴は、材料特性が少なくとも１つの閾値及び／又は少なくとも１つの範囲内にある場合に、ヒトの皮膚によって生成されたものとして識別される。少なくとも１つの閾値及び／又は範囲は、テーブル又はルックアップテーブルに格納され得、例えば経験的に決定され得、一例として、処理ユニットの少なくとも１つのデータ記憶装置に格納されてよい。処理ユニット１１４は、そうでなければ背景であるとして反射特徴を識別するように構成される。したがって、処理ユニット１１４は、材料特性（例えば皮膚のイエス又はノー）を各投影スポットに割り当てるように構成され得る。

３Ｄ検出ステップ１２０は、皮膚検出ステップ１１６及び／又は顔検出ステップ１１０の後に実施されてよい。しかし、３Ｄ検出ステップ１２０が皮膚検出ステップ１１６及び／又は顔検出ステップ１１０の前に実施される他の実施形態も可能である。

３Ｄ検出ステップ１２０は、ビームプロファイルの分析によって、識別された幾何学的特徴を含む、第１画像の画像領域に対応する第２画像の画像領域内に位置する少なくとも４つの反射特徴の第２のビームプロファイル情報を決定することを含む。第２ビームプロファイル情報は、ビームプロファイルのエリアの商Ｑを含んでよい。

ビームプロファイルの分析は、ビームプロファイルの評価を含み得、少なくとも１つの数学演算、及び／又は少なくとも１つの比較、及び／又は少なくとも１つの対称化、及び／又は少なくとも１つのフィルタリング、及び／又は少なくとも１つの正規化を含んでよい。例えば、ビームプロファイルの分析は、ヒストグラム分析ステップ、差分測定の計算、ニューラルネットワークの適用、機械学習アルゴリズムの適用のうちの少なくとも１つを含み得る。処理ユニット１１４は、特に、より大きな角度での記録、エッジの記録などからノイズ又は非対称性を除去するために、ビームプロファイルを対称化及び／又は正規化及び／又はフィルタリングするように構成されることができる。処理ユニット１１４は、空間周波数分析及び／又は中央値フィルタリングなどによってなど、高い空間周波数を除去することによって、ビームプロファイルをフィルタリングすることができる。集約は、光スポットの強度の中心によって実施され、中心までの同じ距離にある全ての強度を平均化することによって実施され得る。処理ユニット１１４は、特に記録された距離による強度差を考慮するように、ビームプロファイルを最大強度に正規化するように構成されてよい。処理ユニット１１４は、例えば、照射なしの画像化によって、ビームプロファイルからの背景光から影響を除去するように構成されてよい。

処理ユニット１１４は、それぞれの反射特徴のビームプロファイルの分析によって、識別された幾何学的特徴を含む第１画像の画像領域に対応する第２画像の画像領域内に位置する反射特徴について、少なくとも１つの縦方向座標ｚ_ＤＰＲを決定するように構成されてよい。処理ユニット１１４は、ビームプロファイル分析とも呼ばれる、いわゆる光子比からの深度技術を使用することによって、反射特徴について縦方向座標ｚ_ＤＰＲを決定するように構成されてよい。光子比からの深度（ＤＰＲ）技術に関しては、ＷＯ２０１８／０９１６４９Ａ１、ＷＯ２０１８／０９１６３８Ａ１及びＷＯ２０１８／０９１６４０Ａ１を参照し、その全内容は参照により含まれる。

反射特徴の縦方向座標は、光センサ１２６と、対応する照射特徴を放出するシーンの点との間の距離であってよい。反射特徴の１つのビームプロファイルの分析は、ビームプロファイルの少なくとも１つの第１エリア及び少なくとも１つの第２エリアを決定することを含み得る。ビームプロファイルの第１エリアは、エリアＡ１であり得、ビームプロファイルの第２エリアは、エリアＡ２であり得る。処理ユニット１１４は、第１エリアと第２エリアとを積分するように構成されてよい。処理ユニット１１４は、積分された第１エリア及び積分された第２エリアを除算すること、積分された第１エリア及び積分された第２エリアの倍数を除算すること、積分された第１エリア及び積分された第２エリアの線形結合を除算することの１つ以上によって、結合信号、特に商Ｑを導出するように構成され得る。処理ユニット１１４は、ビームプロファイルの少なくとも２つのエリアを決定するように、及び／又はビームプロファイルをビームプロファイルの異なるエリアを有する少なくとも２つのセグメントに分割するように構成されてよく、エリアが一致しない限り、エリアの重なりは可能である。例えば、処理ユニット１１４は、２つ、３つ、４つ、５つ、又は最大１０個のエリアなど、複数のエリアを決定するように構成されてよい。処理ユニット１１４は、光スポットをビームプロファイルの少なくとも２つのエリアに分割するように、及び／又は、ビームプロファイルをビームプロファイルの異なるエリアを含む少なくとも２つのセグメントに分割するように構成されてよい。処理ユニット１１４は、エリアのうちの少なくとも２つについて、それぞれのエリアにわたるビームプロファイルの積分を決定するように構成されてよい。処理ユニットは、決定された積分の少なくとも２つを比較するように構成されてよい。具体的には、処理ユニット１１４は、ビームプロファイルの少なくとも１つの第１エリア及び少なくとも１つの第２エリアを決定するように構成されてよい。ビームプロファイルのエリアは、商Ｑを決定するために使用される光センサ位置におけるビームプロファイルの任意の領域であり得る。ビームプロファイルの第１エリアとビームプロファイルの第２エリアは、隣接する領域又は重複する領域のいずれか一方又は両方であってよい。ビームプロファイルの第１エリアとビームプロファイルの第２エリアは、エリアが一致していなくてよい。例えば、処理ユニット１１４は、ＣＭＯＳセンサのセンサ領域を少なくとも２つのサブ領域に分割するように構成されてよく、処理ユニットは、ＣＭＯＳセンサのセンサ領域を、少なくとも１つの左側部分と少なくとも１つの右側部分、及び／又は少なくとも１つの上部分と少なくとも１つの下部分、及び／又は少なくとも１つの内部分と少なくとも１つの外部分、とに分割するように構成され得る。追加的又は代替的に、カメラ１１２は、少なくとも２つの光センサ１２６を備えてよく、第１光センサ１２６及び第２光センサ１２６の感光エリアは、第１光センサ１２６が反射特徴のビームプロファイルの第１エリアを決定するよう適合され、第２光センサ１２６が反射特徴のビームプロファイルの第２エリアを決定するよう適合されるように配置され得る。処理ユニット１１４は、第１エリアと第２エリアとを積分するように適合されてよい。処理ユニット１１４は、縦方向座標を決定するために、商Ｑと縦方向座標の間の少なくとも１つの予め決定された関係を用いるように構成されてよい。予め決定された関係は、経験的関係、半経験的関係、及び分析的に導出された関係のうちの１つ以上であってよい。処理ユニット１１４は、例えばルックアップリスト又はルックアップテーブルなどの、予め決定された関係を記憶するための少なくとも１つのデータ記憶装置を備えてよい。

３Ｄ検出ステップは、処理ユニットを使用することによって、前記反射特徴の第２ビームプロファイル情報から少なくとも１つの深度レベルを決定することを含むことができる。

処理ユニット１１４は、識別された幾何学的特徴を含む第１画像の画像領域に対応する第２画像の画像領域内に位置する反射特徴の少なくとも１つの深度情報を決定することによって、シーンの少なくとも一部の深度マップを決定するように構成されてよい。処理ユニット１１４は、以下の技術：光子比率からの深度、構造化光、ビームプロファイル分析、飛行時間、動きからの形状、焦点からの深度、三角測量、デフォーカスからの深度、ステレオセンサ、の１つ以上によって反射特徴の深度情報を決定するように構成されてよい。深度マップは、少数のエントリを含む薄く装入された深度マップであってよい。あるいは、深度は大量のエントリを含む重装されたものであってよい。

検出された顔は、深度レベルが平面物体の予め決定された又は予め定義された深度レベルから逸脱している場合、３Ｄ物体として特徴付けられる。ステップｃ）１２０は、カメラの前にある顔の３Ｄトポロジーデータを使用することを含むことができる。本方法は、識別された幾何学的特徴を含む第１画像の画像領域に対応する第２画像の画像領域内に位置する反射特徴の少なくとも４つから、曲率を決定することを含んでよい。本方法は、少なくとも４つの反射特徴から決定された曲率を、平面物体の予め決定された又は予め定義された深度レベルと比較することを含んでよい。曲率が平面物体の想定曲率を超える場合、検出された顔は３Ｄ物体として特徴付けられ、そうでない場合は平面物体として特徴付けられる。平面物体の予め決定された又は予め定義された深度レベルは、ルックアップリスト又はルックアップテーブルなどとして処理ユニットの少なくとも１つのデータストレージに格納されてよい。平面物体の予め決定された又は予め定義されたレベルは、実験的に決定されてよく、及び／又は平面物体の理論的なレベルであってよい。平面物体の予め決定された又は予め定義された深度レベルは、少なくとも１つの曲率についての少なくとも１つの限界値及び／又は少なくとも１つの曲率についての範囲であってよい。

ステップｃ）１２０で決定された３Ｄ特徴により、高画質写真と３Ｄ顔状構造を区別することができる。ステップｂ）１１６とステップｃ）１２０を組み合わせることで、攻撃に対する認証の信頼性を強化することができる。３Ｄ特徴は、材料特徴と組み合わせることで、セキュリティレベルを高めることができる。同じ計算パイプラインを使用して、皮膚の分類と３Ｄ点群の生成のための入力データを生成できるため、両方の特性は同じフレームから少ない計算量で計算されることができる。

好ましくは、ステップａ）１１０、ステップｂ）１１６とステップｃ）１２０に続いて、認証ステップ１２２が実施され得る。認証ステップ１２２は、ステップａ）～ｃ）のそれぞれの後に部分的に実施されてよい。ステップａ）１１０において顔が検出されない場合、及び／又は、ステップｂ）１１６において反射特徴が皮膚によって生成されたものではないと判定された場合、及び／又は、ステップｃ）１２０において深度マップが平面物体を参照している場合は、認証は中止され得る。認証ステップは、ステップｂ）１１６において検出された顔が皮膚であると特徴付けられ、ステップｃ）１２０において検出された顔が３Ｄ物体であると特徴付けられえる場合に、少なくとも１つの認証ユニットを用いて検出された顔を認証することを含む。

ステップａ）～ｄ）は、少なくとも１つの装置、例えば携帯電話、スマートフォンなどの少なくとも１つのモバイルデバイス１２４を使用することによって実施されることができ、装置のアクセスは顔認証を使用することによって保護される。建物、機械、自動車などへのアクセスを制御するアクセス制御装置など、他の装置も可能である。本方法は、検出された顔が認証された場合に、装置へのアクセスを許可することを含んでいてよい。

本方法は、少なくとも１つの登録ステップを含んでよい。登録ステップでは、装置のユーザを登録できる。登録は、装置のその後の使用のためにユーザを登録及び／又はサインアップ及び／又はティーチインするプロセスを含み得る。通常、登録は、装置の初回使用時及び／又は装置の起動時に実施され得る。しかしながら、登録が装置の使用中の任意の時間に実施及び／又は繰り返され得るように、複数のユーザが、例えば連続的に登録される実施形態が可能である。登録は、ユーザアカウント及び／又はユーザプロファイルを生成することを含み得る。登録は、少なくとも１つのユーザーインターフェースを介して、ユーザーデータ、特に画像データを入力し、保存することを含み得る。具体的には、ユーザの少なくとも１つの２Ｄ画像が少なくとも１つのデータベースに格納される。登録ステップは、ユーザの少なくとも１つの画像、特に複数の画像の画像化を含むことができる。画像は、異なる方向から記録されてよく、及び／又は、ユーザが向きを変えてよい。さらに、登録ステップは、比較のためにステップｄ）で使用され得る、ユーザの少なくとも１つの３Ｄ画像及び／又は深度マップを生成することを含んでよい。データベースは、例えば処理ユニット１１４のデータベースであってよく、及び／又はクラウドなどの外部データベースであってよい。本方法は、ユーザの２Ｄ画像を第１画像と比較することによってユーザを識別することを含む。本発明による方法は、生体認証方法のプレゼンテーション攻撃検出能力を大幅に改善することを可能にし得る。全体的な認証を向上させるために、ユーザの２Ｄ画像に加えて、人物固有の材料である指紋だけでなく、３Ｄトポロジー特徴も登録プロセス中に保存されることができる。これにより、２Ｄ、３Ｄ、及び材料由来の特徴を使用することによって、１つの装置内で多要素認証を行うことができる。

ビームプロファイル分析技術を用いた本発明による方法は、レーザスポットの顔面上の反射、特にＮＩＲ領域のレーザスポットの顔面上の反射を分析することによって、ヒトの皮膚を確実に検出し、顔を模倣するために作られた攻撃材料からの反射と区別する概念を提供することができる。さらに、ビームプロファイル分析は、同じカメラフレームを分析することにより、同時に深度情報を提供する。したがって、３Ｄだけでなく皮膚のセキュリティ機能は、全く同じ技術によって提供されることができる。

顔の二次元画像もレーザ照射をオフにするだけで記録できるため、上記の問題を解決する完全に安全な顔認識パイプラインを確立することができる。

レーザの波長をＮＩＲ領域にシフトさせると、民族起源に関するヒトの皮膚の反射特性は、より類似する。９４０ｎｍの波長では、その差は最小となる。したがって、民族起源が異なることは、皮膚の認証に関与しない。

（皮膚分類による）プレゼンテーション攻撃検知は、たった１つのフレームによって提供されるため、一連のフレームの時間のかかる分析は必要ないかもしれない。完全な方法を実施するための時間フレームは、５００ミリ秒以下、好ましくは２５０ミリ秒以下であってよい。しかしながら、皮膚検出を複数のフレームを使用して実施する実施形態が可能であり得る。第２画像における反射特徴を識別するための信頼度、及び方法の速度に応じて、方法は、より安定した分類に到達するために、いくつかのフレームにわたって反射特徴をサンプリングすることを含んでよい。

図３は、実験結果、特に皮膚スコアの関数としての密度を示している。Ｘ軸はスコア、Ｙ軸は頻度(frequency)を示す。スコアは分類品質の尺度であり、０から１の間の値を有し、１は非常に高い皮膚類似性を、０は非常に低い皮膚類似性を示す。判定の閾値は０．５程度であってよい。善意の（bona fide）プレゼンテーションの皮膚スコアの基準分布が１０人の被験者を用いて作成された。皮膚スコアは、レベルＡ、レベルＢ、レベルＣ（関連するＩＳＯ規格で定義されている）のプレゼンテーション攻撃（ＰＡ）についても記録された。実験セットアップ（評価ターゲット、ＴＯＥ）には、例えば図２に示されるような独自のハードウェア装置が含まれ、必要なセンサと、ＰＡＤソフトウェアが実施される計算プラットフォームが含まれている。ＴＯＥは、レベルＡのＰＡＩ（プレゼンテーション攻撃手段）ターゲットの６種、レベルＢのＰＡＩの５種、レベルＣのＰＡＩの１種を用いてテストされた。それぞれのＰＡＩ種について、１０個のＰＡＩが使用された。本研究で使用されたＰＡＩ種を以下の表に示す。表中、ＡＰＣＥＲは攻撃プレゼンテーション分類エラー率であり、成功した攻撃の数／全攻撃＊１００を指す。表中、ＢＰＣＥＲは善意のプレゼンテーション分類エラー率であり、拒否されたロック解除試行数／全てのロック解除試行数＊１００を指し、レベルＡとレベルＢの攻撃は全て２ＤのＰＡＩに基づいているが、レベルＣの攻撃は、３Ｄマスクに基づいている。レベルＣの攻撃の場合、３Ｄプリンタを使用して製作されたカスタムの剛性マスクが使用された。１０人の被験者からなるテストクルーが、善意のプレゼンテーションのための皮膚スコアの参照分布を得るために使用された。

これらのＰＡＩを用いた実験から、２つのプレゼンテーションのクラス（善意またはＰＡ）は、皮膚スコアに基づいて明確に区別されることが示された。本発明による方法を使用すると、紙、３Ｄプリント、皮膚の明確な区別が可能である。

１１０ 顔検出ステップ
１１２ カメラ
１１４ 処理ユニット
１１６ 皮膚検出ステップ
１１８ 照射ユニット
１２０ ３Ｄ検出ステップ
１２２ 認証ステップ
１２４ モバイルデバイス
１２６ 光センサ

Claims (16)

1. 以下のステップ：
   ａ） 少なくとも１つの顔検出ステップ（１１０）であって、前記顔検出ステップ（１１０）は、少なくとも１つのカメラ（１１２）を使用することによって、少なくとも１つの第１画像を決定することを含み、前記第１画像は、顔を含むと思われるシーンの少なくとも１つの二次元画像を含み、前記顔検出ステップ（１１０）は、少なくとも１つの処理ユニット（１１４）を使用することによって、顔に特徴的な少なくとも１つの予め定義された又は予め決定された幾何学的特徴を前記第１画像内で識別することによって、前記第１画像内で顔を検出することを含む、少なくとも１つの顔検出ステップと；
   ｂ） 少なくとも１つの皮膚検出ステップ（１１６）であって、前記皮膚検出ステップ（１１６）は、少なくとも１つの照射ユニット（１１８）を使用することによって、複数の照射特徴を含む少なくとも１つの照射パターンを前記シーン上に投影することと、前記少なくとも１つのカメラ（１１２）を使用して少なくとも１つの第２画像を決定することを含み、前記第２画像が、前記照射特徴による照射に応答して前記シーンによって生成される複数の反射特徴を含み、前記反射特徴の各々は少なくとも１つのビームプロファイルを含み、前記皮膚検出ステップは、ビームプロファイルの分析によって、識別された幾何学的特徴を含む前記第１画像の画像領域に対応する前記第２画像の画像領域内に位置する前記反射特徴の少なくとも１つの第１ビームプロファイル情報を決定し、前記処理ユニット（１１４）を使用することによって、前記第１ビームプロファイル情報から前記反射特徴の少なくとも１つの材料特性を決定することを含み、前記材料特性が皮膚に特徴的な少なくとも１つの特性に対応する場合に、前記検出された顔は皮膚として特徴付けられる、少なくとも１つの皮膚検出ステップと；
   ｃ） 少なくとも１つの３Ｄ検出ステップ（１２０）であって、前記３Ｄ検出ステップ（１２０）は、ビームプロファイルの分析によって、前記識別された幾何学的特徴を含む前記第１画像の画像領域に対応する前記第２画像の画像領域内に位置する前記反射特徴の少なくとも４つの第２ビームプロファイル情報を決定することと、前記処理ユニット（１１４）を使用することによって、前記反射特徴の第２ビームプロファイル情報から少なくとも１つの深度レベルを決定することを含み、前記深度レベルが、平面物体の予め決定された又は予め定義された深度レベルから逸脱している場合に、前記検出された顔は、３Ｄ物体として特徴付けられる、少なくとも１つの３Ｄ検出ステップと；
   ｄ） 少なくとも１つの認証ステップ（１２２）であって、前記認証ステップ（１２２）は、ステップｂ）（１１６）において前記検出された顔が皮膚として特徴付けられ、ステップｃ）（１２０）において前記検出された顔が３Ｄ物体として特徴付けられる場合に、少なくとも１つの認証ユニットを使用することによって前記検出された顔を認証することを含む、少なくとも１つの認証ステップと、
   を含む、顔認証方法。
2. ステップａ）～ｄ）は、少なくとも１つの装置によって実施され、前記装置へのアクセスは顔認証を使用することによって保護され、前記方法は、前記検出された顔が認証された場合に、前記装置へのアクセスを許可することを含む、請求項１に記載の方法。
3. 前記方法は、少なくとも１つの登録ステップを含み、前記登録ステップでは、前記装置のユーザが登録され、前記ユーザの少なくとも１つの２Ｄ画像が少なくとも１つのデータベースに保存され、前記方法は、前記ユーザの２Ｄ画像を前記第１画像と比較することによって前記ユーザを識別することを含む、請求項２に記載の方法。
4. 前記皮膚検出ステップでは、少なくとも１つのパラメータ化された皮膚分類モデルが使用され、前記パラメータ化された皮膚分類モデルは、前記第２画像を入力として使用することによって、皮膚及び他の材料を分類するように構成される、請求項１～３のいずれか１項に記載の方法。
5. 前記皮膚分類モデルは、機械学習を使用することによってパラメータ化され、皮膚に特徴的な特性は、前記皮膚分類モデルの少なくとも１つの最適化ターゲットに関して最適化アルゴリズムを適用することによって決定される、請求項４に記載の方法。
6. 前記皮膚検出ステップは、ヒトの顔の特徴的な点の少なくとも２つの位置を提供するように構成された少なくとも１つの２Ｄ顔及び顔ランドマーク検出アルゴリズムを使用することを含み、前記皮膚検出ステップ（１１６）では、少なくとも１つの領域固有のパラメータ化された皮膚分類モデルが使用される、請求項４又は５に記載の方法。
7. 前記照射パターンは、レーザスポットの周期的なグリッドを含む、請求項１～６のいずれか１項に記載の方法。
8. 前記照射特徴は、近赤外（ＮＩＲ）領域の波長を有する、請求項１～７のいずれか１項に記載の方法。
9. 前記照射特徴は、９４０ｎｍの波長を有する、請求項８に記載の方法。
10. 複数の第２画像が決定され、前記複数の第２画像の前記反射特徴は、ステップｂ）（１１６）における皮膚検出のため、及び／又はステップｃ）（１２０）における３Ｄ検出のために使用される、請求項１～９のいずれか１項に記載の方法。
11. 前記カメラ（１１２）は、少なくとも１つの近赤外線カメラであるか、又は少なくとも１つの近赤外線カメラを備える、請求項１～１０のいずれか１項に記載の方法。
12. コンピュータ又はコンピュータネットワーク上で実行されたときに、コンピュータ又はコンピュータネットワークに請求項１～１１のいずれか１項に記載の方法を完全に又は部分的に実施させるように構成された顔認証用コンピュータプログラムであって、前記コンピュータプログラムは、請求項１～１１のいずれか１項に記載の方法の少なくともステップａ）～ｄ）を実施及び／又は実行するように構成されている、顔認証用コンピュータプログラム。
13. コンピュータ又はコンピュータネットワークによって実行されたときに、方法を参照する請求項１～１１のいずれか１項に記載の方法の少なくともステップａ）～ｄ）を実行させる命令を含むコンピュータ可読記憶媒体。
14. １つ以上のプロセッサによって実行されると、前記１つ以上のプロセッサに、方法を参照する請求項１～１１のいずれか１項に記載の方法の少なくともステップａ）～ｄ）を実行させる命令を含む、非一時的なコンピュータ可読記憶媒体。
15. 少なくとも１つのカメラ（１１２）、少なくとも１つの照射ユニット（１１８）、及び少なくとも１つの処理ユニット（１１４）を備えるモバイルデバイス（１２４）であって、前記モバイルデバイス（１２４）は、方法を参照する請求項１～１１のいずれか１項に記載の顔認証方法の少なくともステップａ）～ｃ）、及び任意でステップｄ）を実施するように構成される、モバイルデバイス（１２４）。
16. 生体認証プレゼンテーション攻撃を検出するための、請求項１～１１のいずれか１項に記載の方法の使用。

Images