JP3598114B1 - 偽眼識別方法および装置、偽眼識別プログラム並びに虹彩認証方法 - Google Patents

Abstract

【課題】 簡易な構成によって実現可能な偽眼識別方法を提供する。
【解決手段】 眼を含む画像の画像データを入力し（Ｓ１）、帯域制限を行う（Ｓ２）。そして、帯域制限処理がなされた画像データから、積率などの所定の特徴量を抽出し（Ｓ３）、抽出された特徴量に基づいて、画像に映された眼が偽眼か生体眼かを識別する（Ｓ４）。
【選択図】 図１

Description

本発明は、虹彩認証に提供される眼の画像が、偽造されたもの（偽眼画像）であるか否かを識別する技術に属する。

従来の虹彩画像の偽造識別方法として、特許文献１および特許文献２に、複数の近赤外光源を選択的に点灯させ、瞳孔径の時間変化から得られる生体反応や瞳孔付近に生じる輝点位置の変化によって、生体眼と偽眼を識別するものが、開示されている。
特許第３３１２３０３号 特許第３３１５６４８号

しかしながら、上述の特許文献１，２に開示された構成では、瞳孔や虹彩の位置の検出処理を複数回行わなければならない。このため、処理時間がかかりすぎたり、システムが大がかりになりすぎる、といった問題がある。携帯端末等の小型システムへの適用を考えると、この問題は、大きい。

前記の問題に鑑み、本発明は、簡易な構成によって実現可能な、偽眼識別方法を提供することを課題とする。

本発明は、プリンタから出力された画像にはざらつき感があることに着目し、画像におけるざらつき感の有無を、画像処理によって、検出するものである。具体的には例えば、画像データに対して帯域制限をかけ、帯域制限後の画像データから所定の特徴量を抽出し、その特徴量からざらつき感の有無を検出する。

これにより、プリンタから出力された眼画像を撮影した偽眼画像と、生体眼を撮影した生体眼画像とを、画像処理によって識別できるので、大がかりな構成を用いることなく、簡易な構成によって偽眼識別を実現できる。

本発明によると、画像処理によって、偽眼画像と生体眼画像との識別ができるので、簡易な構成によって、偽眼画像による不正ななりすましを排除することができ、その実用的効果は大きい。

本発明の第１の態様によれば、偽眼識別方法として、眼を含む画像の画像データを受けるステップと、前記画像データから画像処理によって前記画像における特定の輝度パターンの繰り返しによるざらつき感の有無を検出するステップとを備え、画像にざらつき感があると検出されたとき、前記眼は偽眼であると判定するものを提供する。

本発明の第２態様によれば、前記画像処理は、前記画像データに対し帯域制限を行うステップと、帯域制限後の前記画像データから所定の特徴量を抽出するステップとを備え、抽出した特徴量を用いてざらつき感の有無を検出する第１態様の偽眼識別方法を提供する。

本発明の第３態様によれば、偽眼識別方法として、眼を含む画像の画像データを受けるステップと、前記画像データから画像処理によって前記眼が偽眼であることを検出するステップを備え、前記画像処理は、前記画像データ全体に対し、帯域制限を行うステップと、帯域制限後の前記画像データ全体から所定の特徴量を抽出するステップとを備え、抽出した特徴量を用いて前記眼は偽眼であることを判定するものを提供する。

本発明の第４態様によれば、前記所定の特徴量は、画素値の積率、中心積率、歪度および尖度のうちの１つ、または２つ以上の組合せである第２または第３態様の偽眼識別方法を提供する。

本発明の第５態様によれば、前記所定の特徴量の抽出において、画素座標値を画素値と併せて用いる第２または第３態様の偽眼識別方法を提供する。

本発明の第６態様によれば、前記画像処理は、前記所定の特徴量の抽出において、瞳孔または虹彩の中心位置を画素値と併せて用いる第２または第３態様の偽眼識別方法を提供する。

本発明の第７態様によれば、前記帯域制限にハイパスフィルタまたはバンドパスフィルタを用いる第２または第３態様の偽眼識別方法を提供する。

本発明の第８態様によれば、前記所定の特徴量の抽出は、虹彩領域または瞳孔領域の近傍について行う第２または第３態様の偽眼識別方法を提供する。

本発明の第９態様によれば、前記所定の特徴量の抽出は、瞳孔中心または虹彩中心を通る線の上または近傍について行う第２または第３態様の偽眼識別方法を提供する。

本発明の第１０態様によれば、前記画像処理は、前記画像データに対し周波数解析を行うステップと、周波数解析後のデータから所定の特徴量を抽出するステップとを備えた第１態様の偽眼識別方法を提供する。

本発明の第１１態様によれば、前記画像処理は、生体眼画像と偽眼画像とについて前記所定の特徴量の分布を予め準備しておき、抽出した特徴量データについて生体眼画像の特徴量分布からの距離と偽眼画像の特徴量分布からの距離とをそれぞれ計算し、前記眼は生体眼および偽眼のうち計算した距離がより短い方の分布に係る眼に該当するものと判定する第３態様の偽眼識別方法を提供する。

本発明の第１２態様によれば、偽眼識別装置として、眼を含む画像の画像データを入力する画像入力部と、前記画像入力部に入力された画像データ全体に対し帯域制限を行う帯域制限部と、前記帯域制限部によって処理された画像データ全体から所定の特徴量を抽出する特徴量抽出部と、前記特徴量抽出部によって抽出された特徴量に基づいて前記眼は偽眼であることを識別する識別部とを備えたものを提供する。

本発明の第１３態様によれば、コンピュータに、眼を含む画像の画像データ全体に対し帯域制限を行うステップと、帯域制限後の画像データ全体から所定の特徴量を抽出するステップと、抽出された特徴量に基づいて、前記眼は偽眼であることを識別するステップとを実行させるプログラムを提供する。

本発明の第１４態様によれば、虹彩認証方法として、眼を含む画像の画像データに基づいて虹彩認証を行うステップと、前記虹彩認証ステップにおいて本人と認証されたとき、前記画像データについて、第１または第３態様の偽眼識別方法を行うステップとを備えたものを提供する。

以下、本発明の実施の形態について、図面を参照して説明する。

（第１の実施形態）
図１は本発明の第１の実施形態に係る偽眼識別方法の処理の流れを示すフローチャートである。図１において、ステップＳ１において、眼を含む画像の画像データを入力し、ステップＳ２において、ステップＳ１で入力された画像データに対し、帯域制限を行う。そしてステップＳ３において、ステップＳ２で帯域制限処理がなされた画像データから、所定の特徴量を抽出し、ステップＳ４において、ステップＳ３で抽出された特徴量に基づいて、画像に映された眼が偽眼か生体眼かを識別する。

ここで用いる所定の特徴量は、画像におけるざらつき感の有無が検出可能なものであり、具体的には後述する。そして、抽出された特徴量のデータから、画像にざらつき感があると検出されたとき、画像に映された眼は偽眼である、と判定する。

図５は本実施形態に係る偽眼識別装置の構成を示すブロック図である。図５において、偽眼識別装置１０は、ステップＳ１を実行する画像入力部１１、ステップＳ２を実行する帯域制限部１２、ステップＳ３を実行する特徴量抽出部１３、およびステップＳ４を実行する識別部１４を備えている。画像入力部１１には、例えば、カメラ５によって撮影された虹彩画像が与えられる。

図２は近赤外照明下で赤外感度のあるカメラで撮影した虹彩画像（生体眼画像）の模式図である。また、図３および図４は、図２の画像をプリンタに出力した後、そのプリンタ出力を再度、近赤外照明下で赤外感度のあるカメラで撮影した虹彩画像（偽眼画像）である。悪意のある者が不正に虹彩認証を受けようとする際、正規の利用者の虹彩画像（図２の生体眼画像）をプリンタ出力して用いることが考えられる。

このため、図３および図４のような偽眼画像によって不正な認証がなされないように、生体眼／偽眼識別を行わなければならない。

ここで、本願発明者らは、図３および図４のようなプリンタ出力は、見た目にざらざらしており、画像にいわゆる「ざらつき」感がある、ことに気がついた。「ざらつき」感が生じる理由は、インク、またはトナーにその原因があるものと推測される。そしてこの「ざらつき」感は、画像上で、ある特定の輝度パターンが繰り返されているために生じている、と考えられるので、画像処理によってこの「ざらつき」感の有無を検出できれば、生体眼画像と、プリンタから出力された偽眼画像との識別が可能になる、という知見を得るに至った。本願発明は、このような知見に基づくものである。

以下、各ステップの処理について、詳細に説明する。

ステップＳ１では、眼を含む画像、より好ましくは虹彩画像を入力する。画像の入力は通常、識別時にその場でカメラによって行われるが、カメラで撮影した画像をネットワーク経由で伝送して入力するようにしてもよい。ただし、識別時以外の時間や場所で撮影した画像を入力画像とする場合には、画像データを盗まれることへの防止策として、暗号化やパスワードとの組み合わせ等の対策を施すことが望ましい。

ステップＳ２では、ステップＳ１で入力された画像に対し、バンドパスフィルタやハイパスフィルタによって、帯域制限を行う。バンドパスフィルタとしては、矩形波フィルタ、異なる特性のＧａｕｓｓｉａｎフィルタの差分で表されるＤＯＧ（Difference of Gaussian）フィルタ、ラプラシアンＧａｕｓｓｉａｎフィルタやＧａｂｏｒ Ｗａｖｅｌｅｔを用いてもよい。また、ハイパスフィルタとしては、Ｓｏｂｅｌフィルタ等の公知のものを用いることができる。

図６，図７および図８は、上述の図２，図３および図４の虹彩画像に対し、バンドパスフィルタを用いて帯域制限を行った一例である。図６〜図８では、明るい画素ほどパワーが大きいことを示している。また、パワーの分布が分かりやすいように、フィルタ出力の２乗を示している。ここで図６と図７および図８とを比較すると、その特性が大きく異なっていることは、一目瞭然である。すなわち、生体眼画像に帯域制限をかけた図６では、瞳孔および瞼付近でパワーが集中的に大きくなっており、眼の形状が浮かび上がっているのに対し、プリンタ出力した偽眼画像に帯域制限をかけた図７および図８では、瞳孔以外の所でパワー分布は均一になっており、眼の形状は全く認識できない。この均一なパワー分布は、紙の模様、またはトナー固有の模様に起因すると考えられる。

そして、ステップＳ３では、ステップＳ２で帯域制限した画像から、識別に用いるための所定の特徴量を抽出する。所定の特徴量としては、例えば、（数１）（数２）（数３）に示す２乗平均、３乗平均、４乗平均といった積率を用いればよい。

ここで、Ｉ（ｘ，ｙ）は帯域制限後の画像の画素値、Ｎは特徴量を抽出する画素数、Ａは特徴量を抽出する対象領域である。また、（数４）（数５）（数６）に示す統計量（それぞれ、分散σ² （中心積率）、歪度Ｓ、尖度Ｋ）を用いてもよい。

上の特徴量は画素値の分布に関する統計量であるが、他に画素座標値（ｘ、ｙ）も考慮して、（数７）の様な特徴量を用いてもよい。（数７）では、帯域制限した画像のパワーとその位置を併せて評価するために、画素座標値の２乗に画素値Ｉ（ｘ，ｙ）の２乗を乗じている。また、（数７）を帯域制限した画像のパワーで正規化した（数８）の様な特徴量（重心回りのばらつき）を用いてもよい。

特徴量の抽出は、画像全体について行ってももちろんよいが、数画素間隔の画素について行ったり、所定の領域、または所定の線上の画素について行ってもよい。

そして、ステップＳ４では、ステップＳ３で求めた特徴量のデータから、ステップＳ１で入力された画像が生体眼画像か偽眼画像かを識別する。ここでの識別は例えば次のように行う。まず、複数の生体眼画像から抽出した特徴量の分布と、複数の偽眼画像から抽出した特徴量の分布とを、予めそれぞれ準備しておく。そして、ステップＳ３で求めた特徴量のデータについて、生体眼画像の特徴量分布からの距離と、偽眼画像の特徴量分布からの距離とを、それぞれ計算する。ここでの距離計算には、例えば（数９）に示すようなマハラノビス距離を用いる。そして、計算した距離がより近い方の分布に属するものと判定し、その判定結果に従って、画像に映された眼が生体眼か偽眼かの識別を行う。

ここで、Ｘは入力画像から抽出した特徴量ベクトル、μは特徴量の平均、Σは特徴量の共分散行列、ｄはマハラノビス距離である。

なお、生体眼／偽眼の識別は、マハラノビス距離を用いた手法に限られるものではない。例えば、特定の識別面を設定してもよく、また、線形判別分析、サポート・ベクター・マシン、パーセプトロン等の公知の識別技術を用いてもよい。

図９〜図１４は生体眼画像と偽眼画像の特徴量の分布を示すグラフである。図９では特徴量として、縦軸に分散（数４）、横軸に重心回りのばらつき（数８）をとっている。同様に、図１０では縦軸に分散、横軸に３乗平均（数２）を、図１１では縦軸に分散、横軸に歪度（数３）を、図１２では縦軸に分散、横軸に４乗平均（数３）を、図１３では縦軸に分散、横軸に尖度（数６）を、図１４では縦軸に４乗平均、横軸に３乗平均をとっている。図９〜図１４に示す分布から、１種類または２種類といった比較的少ない数の特徴量によって、生体眼と偽眼の識別が可能なことが分かる。特に、図１０および図１２から分かるように、３乗平均と４乗平均は、単独で用いても、精度の良い識別が可能である。

以上のように本実施形態によると、生体眼を撮影した生体眼画像と、プリンタで出力した眼画像を撮影した偽眼画像とを、画像処理によって識別することができる。

なお、帯域制限をかけるためのフィルタは、単一のフィルタであってもよいし、複数のフィルタを用いてもかまわない。すなわち、単一のフィルタ出力から、１種類、または２種類以上の特徴量を抽出し、生体眼画像と偽眼画像との識別を行ってもよいし、あるいは、周波数特性の異なる複数のフィルタを用いて、より多くの特徴量を抽出してもよく、本実施形態と同様またはそれ以上の効果を得ることができる。

なお、ざらつき感の検出方法は、本実施形態で示した方法に限られるものではなく、他の方法を用いてもよい。例えば、ＦＦＴ（Fast Fourier Transform）等の周波数解析を行い、解析後の周波数データについて所定の特徴量を抽出して、ざらつき感を検出してもよい。あるいは、輝度の頻度分布（輝度ヒストグラム）を求め、この輝度ヒストグラムの形状からざらつき感を検出してもかまわない。

（第２の実施形態）
図１５は本発明の第２の実施形態に係る虹彩認証方法の処理の流れを示すフローチャートである。図１５において、ステップＳ１１において、眼を含む画像の画像データを入力し、ステップＳ１２において、虹彩認証を行う。ここでの虹彩認証は、例えば特表平８−５０４９７９号公報に開示された公知の手法を用いて実行すればよく、ここではその詳細な説明を省略する。虹彩認証の結果、例えば上述の手法によって入力虹彩パタンが登録虹彩パタンと一致すると判断された場合は、認証はＯＫであると判断し（Ｓ１３でＹＥＳ）、次の偽眼識別ステップＳ１４に進む。そうでないときは（Ｓ１３でＮＯ）、認証者のゲート通過や情報アクセスを拒否する。

ステップＳ１４では、第１の実施形態で示したものと同様の方法によって、生体眼と偽眼を識別する。すなわち、図１のフローチャートにおける帯域制限ステップＳ２、特徴量抽出ステップＳ３および生体眼／偽眼識別ステップＳ４が、ステップＳ１４で実行される。そして、このステップＳ１４で生体眼と判断されたとき（Ｓ１５でＹＥＳ）、アクセスが許可される。偽眼と判断されたときは、アクセスは拒否される（Ｓ１５でＮＯ）。アクセスの拒否の際には、例えば、警備員室、警察等の所定の場所や組織に通報するようにしてもよい。

以上のように本実施形態によると、偽眼識別の処理を、虹彩認証方法と組み合わせて実行することによって、偽眼画像による不正ななりすましを排除することができる。また、虹彩認証で認証ＯＫと判断されたときに、偽眼識別を行うので、偽眼識別を無駄に行う必要がなく、処理量や処理時間を低減できる。

また、偽眼識別の前に虹彩認証を実行することによって、虹彩認証時に得られる瞳孔領域や虹彩領域の情報、例えば中心位置や半径を、偽眼識別に利用することができる。例えば、（数７）（数８）における重心ｘｇ、ｙｇを、瞳孔中心の座標値や、虹彩中心の座標値と置き換えてもよい。これにより、偽眼識別のための計算量が低減できる。

また、虹彩認証時に得られる瞳孔領域や虹彩領域の情報を用いて、偽眼識別の際に、所定の特徴量を抽出する領域を限定することもできる。例えば、特徴量抽出の対象領域を、虹彩領域または虹彩領域の近傍に限定したり、瞳孔外縁や虹彩外縁に限定したり、さらには、瞳孔中心または虹彩中心を通る線、好ましくは水平線または垂直線の、上または近傍に限定したりしてもよい。これにより、偽眼識別のための演算時間を大幅に低減できる。

もちろん、瞳孔領域や虹彩領域の情報を、偽眼識別の処理自体の中で求めて、上のような処理を行ってもよい。

なお、虹彩認証よりも先に偽眼識別を行い、生体眼である、と判断されたときにのみ、虹彩認証を行うようにしてもよい。この場合でも、偽眼と判断されたときに、所定の組織などに通報するようにしてもよい。

また、虹彩認証処理を途中まで行い、瞳孔領域または虹彩領域が検出された段階で、偽眼識別を行うようにしてもよい。

なお、本発明に係る偽眼識別方法の各ステップは、その全部または一部を専用のハードウェアを用いて実現してもかまわないし、コンピュータのプログラムによってソフトウェア的に実現してもかまわない。すなわち、本発明に係る偽眼識別方法は、当該方法を実現するためのプログラムを実行するコンピュータを備えた装置によって実現することができ、また、当該方法を実現するためのプログラムをコンピュータ読み取り可能な記録媒体に記録して、この記録媒体に記録したプログラムをコンピュータに実行させることによって実現することができる。

（参考例）
上述したような偽眼識別の技術は、他の用途にも広く利用することができる。例えば、画像に撮された紙幣や有価証券が、本物すなわち正規の物であるか、または、プリンタから出力された偽造印刷物であるか、を識別するために、利用することができる。

図１６は本発明の第３の実施形態に係る偽造印刷物識別方法を実行する自動販売機の概略構成を示すブロック図である。図１６において、紙幣取り込み部２１は、利用者が出した紙幣を取り込む。第１の真偽判定部２２は、第１の実施形態で述べた偽眼識別方法と同様の処理によって、紙幣取り込み部２１によって取り込まれた紙幣が、正規の物であるか否かを判定する。すなわち、紙幣の画像の画像データを得て、この画像データから、画像処理によって、画像におけるざらつき感の有無を検出し、画像にざらつき感があると検出したとき、この紙幣はプリンタから出力された偽造印刷物である、と判定する。

一方、硬貨取り込み部２３は、利用者が出した硬貨を取り込む。第２の真偽判定部２４は、既存の偽造硬貨識別方法によって、硬貨取り込み部２３によって取り込まれた硬貨が、正規の物であるか否かを判定する。処理部２５は、第１および第２の真偽判定部２２，２４によって正規の物と判断された紙幣および硬貨の金額に応じて、利用者との間で商品取引処理を行う。この結果、利用者は、自分の選んだ商品を受け取ることができる。

なお、紙幣に限らず、株券、小切手などの有価証券であっても、第１の実施形態で述べた偽眼識別方法と同様の処理によって、偽造印刷物であるか否かを、識別することができる。

また、画像が、本物の人物等を撮影したものか、または、プリンタから出力された印刷物を撮影したものか、を識別するためにも、利用することができる。例えば、インターフォンのモニタに撮された画像が、本当に家族や来客の顔を撮したものか否かを、第１の実施形態で述べた偽眼識別方法と同様の処理によって、識別することもできる。すなわち、家族や来客の顔を撮した画像をプリンタ出力した印刷物が、モニタカメラの前にかざされた場合であっても、上述の処理によって、モニタ画像が印刷物を撮影したものであることが、容易に識別できる。

なお、ここで説明した偽造印刷物識別方法や画像識別方法の各ステップは、その全部または一部を専用のハードウェアを用いて実現してもかまわないし、コンピュータのプログラムによってソフトウェア的に実現してもかまわない。すなわち、本発明に係る偽造印刷物識別方法および画像識別方法は、当該方法を実現するためのプログラムを実行するコンピュータを備えた装置によって実現することができ、また、当該方法を実現するためのプログラムをコンピュータ読み取り可能な記録媒体に記録して、この記録媒体に記録したプログラムをコンピュータに実行させることによって実現することができる。

本発明は、画像処理によって偽眼画像を識別できるので、例えば虹彩画像を用いた個人認証において、簡易な構成によって、偽眼画像による不正ななりすましを排除することができる。

本発明の第１の実施形態に係る偽眼識別方法の処理の流れを示すフローチャートである。 生体眼を撮影した生体眼画像である。 再生紙にプリントアウトした眼画像を撮影した偽眼画像である。 高画質専用紙にプリントアウトした眼画像を撮影した偽眼画像である。 本発明の第１の実施形態に係る偽眼識別装置の構成を示すブロック図である。 図２の生体眼画像に帯域制限をかけた結果である。 図３の偽眼画像に帯域制限をかけた結果である。 図４の偽眼画像に帯域制限をかけた結果である。 生体眼画像と偽眼画像の特徴量分布を示すグラフであり、重心回りのばらつきと分散を特徴量としたものである。 生体眼画像と偽眼画像の特徴量分布を示すグラフであり、３乗平均と分散を特徴量としたものである。 生体眼画像と偽眼画像の特徴量分布を示すグラフであり、歪度と分散を特徴量としたものである。 生体眼画像と偽眼画像の特徴量分布を示すグラフであり、４乗平均と分散を特徴量としたものである。 生体眼画像と偽眼画像の特徴量分布を示すグラフであり、尖度と分散を特徴量としたものである。 生体眼画像と偽眼画像の特徴量分布を示すグラフであり、３乗平均と４乗平均を特徴量としたものである。 本発明の第２の実施形態に係る虹彩認証方法の処理の流れを示すフローチャートである。 本発明の参考例に係る偽造印刷物識別方法を実行する自動販売機の構成例を示す図である。

符号の説明

１０ 偽眼識別装置
１１ 画像入力部
１２ 帯域制限部
１３ 特徴量抽出部
１４ 識別部

Claims (14)

1. 眼を含む画像の画像データを受けるステップと、
   前記画像データから、画像処理によって、前記画像における特定の輝度パターンの繰り返しによるざらつき感の有無を検出するステップとを備え、
   画像にざらつき感があると検出されたとき、前記眼は偽眼であると判定する
   ことを特徴とする偽眼識別方法。
2. 請求項１において、
   前記画像処理は、
   前記画像データに対し、帯域制限を行うステップと、
   帯域制限後の前記画像データから、所定の特徴量を抽出するステップとを備え、
   抽出した特徴量を用いて、ざらつき感の有無を検出する
   ことを特徴とする偽眼識別方法。
3. 眼を含む画像の画像データを受けるステップと、
   前記画像データから、画像処理によって、前記眼が偽眼であることを検出するステップを備え、
   前記画像処理は、
   前記画像データ全体に対し、帯域制限を行うステップと、
   帯域制限後の前記画像データ全体から、所定の特徴量を抽出するステップとを備え、
   抽出した特徴量を用いて、前記眼は偽眼であることを判定する
   ことを特徴とする偽眼識別方法。
4. 請求項２または３において、
   前記所定の特徴量は、画素値の積率、中心積率、歪度および尖度のうちの１つ、または２つ以上の組合せである
   ことを特徴とする偽眼識別方法。
5. 請求項２または３において、
   前記所定の特徴量の抽出において、画素座標値を、画素値と併せて用いる
   ことを特徴とする偽眼識別方法。
6. 請求項２または３において、
   前記画像処理は、
   前記所定の特徴量の抽出において、瞳孔または虹彩の中心位置を、画素値と併せて用いる
   ことを特徴とする偽眼識別方法。
7. 請求項２または３において、
   前記帯域制限に、ハイパスフィルタまたはバンドパスフィルタを用いる
   ことを特徴とする偽眼識別方法。
8. 請求項２または３において、
   前記所定の特徴量の抽出は、虹彩領域または瞳孔領域の近傍について行う
   ことを特徴とする偽眼識別方法。
9. 請求項２または３において、
   前記所定の特徴量の抽出は、瞳孔中心または虹彩中心を通る線の上または近傍について行う
   ことを特徴とする偽眼識別方法。
10. 請求項１において、
    前記画像処理は、
    前記画像データに対し、周波数解析を行うステップと、
    周波数解析後のデータから、所定の特徴量を抽出するステップとを備えたものである
    ことを特徴とする偽眼識別方法。
11. 請求項３において、
    前記画像処理は、
    生体眼画像と偽眼画像とについて、前記所定の特徴量の分布を予め準備しておき、
    抽出した特徴量データについて、生体眼画像の特徴量分布からの距離と、偽眼画像の特徴量分布からの距離とを、それぞれ計算し、
    前記眼は、生体眼および偽眼のうち、計算した距離がより短い方の分布に係る眼に該当するものと判定する
    ことを特徴とする偽眼識別方法。
12. 眼を含む画像の画像データを入力する画像入力部と、
    前記画像入力部に入力された画像データ全体に対し、帯域制限を行う帯域制限部と、
    前記帯域制限部によって処理された画像データ全体から、所定の特徴量を抽出する特徴量抽出部と、
    前記特徴量抽出部によって抽出された特徴量に基づいて、前記眼は偽眼であることを識別する識別部とを備えた
    ことを特徴とする偽眼識別装置。
13. コンピュータに、
    眼を含む画像の画像データ全体に対し、帯域制限を行うステップと、
    帯域制限後の画像データ全体から、所定の特徴量を抽出するステップと、
    抽出された特徴量に基づいて、前記眼は偽眼であることを識別するステップとを実行させる
    ことを特徴とするプログラム。
14. 眼を含む画像の画像データに基づいて、虹彩認証を行うステップと、
    前記虹彩認証ステップにおいて本人と認証されたとき、前記画像データについて、請求項１または３記載の偽眼識別方法を行うステップとを備えた
    ことを特徴とする虹彩認証方法。

Images