JP5482803B2 - 生体情報処理装置、生体情報処理方法及び生体情報処理プログラム - Google Patents

生体情報処理装置、生体情報処理方法及び生体情報処理プログラム Download PDF

Info

Publication number
JP5482803B2
JP5482803B2 JP2011551627A JP2011551627A JP5482803B2 JP 5482803 B2 JP5482803 B2 JP 5482803B2 JP 2011551627 A JP2011551627 A JP 2011551627A JP 2011551627 A JP2011551627 A JP 2011551627A JP 5482803 B2 JP5482803 B2 JP 5482803B2
Authority
JP
Japan
Prior art keywords
image
region
biological
biometric
unit
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
JP2011551627A
Other languages
English (en)
Other versions
JPWO2011092827A1 (ja
Inventor
幸弘 安孫子
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Fujitsu Ltd
Original Assignee
Fujitsu Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Fujitsu Ltd filed Critical Fujitsu Ltd
Publication of JPWO2011092827A1 publication Critical patent/JPWO2011092827A1/ja
Application granted granted Critical
Publication of JP5482803B2 publication Critical patent/JP5482803B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/12—Fingerprints or palmprints
    • G06V40/1335—Combining adjacent partial images (e.g. slices) to create a composite input or reference pattern; Tracking a sweeping finger movement
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/98—Detection or correction of errors, e.g. by rescanning the pattern or by human intervention; Evaluation of the quality of the acquired patterns
    • G06V10/993—Evaluation of the quality of the acquired pattern
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/12—Fingerprints or palmprints
    • G06V40/1347—Preprocessing; Feature extraction

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Human Computer Interaction (AREA)
  • Quality & Reliability (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Collating Specific Patterns (AREA)
  • Image Input (AREA)

Description

本発明は、生体の指等を連続撮影した複数枚の部分画像の合成に関し、例えば、合成画像中の認証可能な領域の抽出により、認証用画像を処理する生体情報処理装置、生体情報処理方法及び生体情報処理プログラムに関する。
情報機器等のセキュリティ機能として、生体情報（バイオメトリクス）を用いた個人認証が知られている。この個人認証では、生体情報として例えば、被認証者の指紋等の画像を取り込み、その画像を用いて指紋の特徴点を照合し、被認証者が本人であるかを認証する。
この生体情報を取り込むセンサには、例えば、平面型指紋センサがある。このセンサは例えば、指紋を採取する指に対して大きいセンサ面（採取面）を有しており、１度又は少数回の撮影により生体情報の取り込みが行える。
しかし、認証機能を搭載する情報機器が小型化し、また、このような認証機能を携帯電話機やＰＤＡ（Personal Digital Assistant：携帯情報端末機）等の小型情報機器に搭載するようになり、上記の大きなセンサでは搭載が困難になっている。そこで、センサ面を指に対して小さなものとし、そのセンサ面によって連続的に採取した複数の部分生体画像を統合し、再構成して指全体の指紋画像を得るものがある。
この指紋センサは、センサ面に対して指を移動させ、又は指に対して指紋センサを移動させて連続した複数の部分画像を採取するセンサであり、所謂スウィープ（Sweep ）型、スライド（Slide ）型、スワイプ（Swipe ）型と呼ばれる。
このような生体情報の読取りセンサとして、指をセンサに対してスライドさせ、読み取った生体情報の部分イメージから指紋のイメージを再構成するもの（例えば、特許文献１）や、走査型指紋検知に容量性検知要素からなるアレイを備えたことが知られている（特許文献２）。
部分画像の合成に関し、複数のセンサで取得した画像の差から指の移動量や移動位置を推定し、これにより画像合成して指紋画像の伸縮等を防止するもの（特許文献３）や、指の速度変化から歪みを補正するもの（特許文献４）が知られている。
また、指紋部分画像から、特徴的形状を抽出し、時間的に前後する部分画像の特徴的形状の一致から検出した画像間の移動量に基づいて部分画像を合成するものが知られている（特許文献５）。
入力された指紋画像の端部を検出し、各端部の値が予め定められた規格値から離れている場合には、入力者に対して補正すべき内容を通知して指紋画像の再入力を促すものが知られている（特許文献６）
また、取得した指紋画像データの画像品質を分析して、品質不良の場合、不良原因と対策を解析し、評価結果を表示や音響で告知するものが知られている（特許文献７）。
特開平１０−０９１７６９号公報 特開平１１−２５３４２８号公報 特開２００９−３５６４号公報 特開２００２−２１６１１６号公報 特開２００３−２４８８２０号公報 特開２００５−１４３８９０号公報 特開２００７−９７８４２号公報
ところで、このようなスウィープ型センサで取得した部分画像を再構成する場合、例えば、読み取る生体情報が指紋等の縞模様を有するパターンであると、誤った位置で画像が合成される場合があるという不都合がある。
例えば、センサ面に対する指等の生体の移動速度や方向の変化によって、合成された画像に歪み等が生じ、本来の生体情報とは異なる生体情報が読み取られることになる。このような生体情報から誤った特徴情報（隆線の分岐点や端点）が抽出され、生体認証に利用されることにより、本人拒否率が増加し、また他人受け入れ率が増加する等、認証性能の信頼性を低下させるおそれがある。
また、誤った位置での合成により再構成された画像について、従来、生体情報が不適切に読み取られたことを判断するものがあるが、この判断を行うには生体の相対移動に関する情報も取得する必要があった。よって、例えば、合成された画像情報のみを受けとる認証装置側等では、生体情報が適正に合成されているかを判断するのは困難であった。
そこで、本開示の生体情報処理装置、生体情報処理方法、又は生体情報処理プログラムの目的は、再構成した生体画像に対し、画像合成が不整合な部分を除外し、認証に適した部分で認証を行わせることで、生体認証機能の信頼性を高めることにある。
上記目的を達成するため、本開示の生体情報処理装置は、生体画像取得部と、不整合領域抽出部と、適正領域抽出部とを備える。生体画像取得部は、読取手段に対して相対的に移動する生体から連続的に取り込んだ複数の画像を合成した生体画像を取得する。不整合領域抽出部は、前記生体画像から連続的に取り込んだ複数の画像の取り込み特性を利用して不整合領域を抽出すると共に、連続的に取り込んだ複数の画像の合成結果である指紋の隆線方向の不連続線を抽出する。適正領域抽出部は、前記生体画像から、抽出した前記不整合領域を除いた領域を検出し、検出した該領域に前記不連続線がある場合、該不連続線により該検出した領域を分割し、分割した該領域に該生体の特徴が含まれている場合、前記生体画像から認証に適した適正領域を抽出する。
上記目的を達成するため、本開示の生体情報処理方法は、生体画像取得ステップと、不整合領域抽出ステップと、適正領域抽出ステップとを含む。生体画像取得ステップは、読取手段に対して相対的に移動する生体から連続的に取り込んだ複数の画像を合成した生体画像を取得する。不整合領域抽出ステップは、前記生体画像から連続的に取り込んだ複数の画像の取り込み特性を利用して不整合領域を抽出すると共に、連続的に取り込んだ複数の画像の合成結果である指紋の隆線方向の不連続線を抽出する。適正領域抽出ステップは、前記生体画像から、抽出した前記不整合領域を除いた領域を検出し、検出した該領域に前記不連続線がある場合、該不連続線により該検出した領域を分割し、分割した該領域に該生体の特徴が含まれている場合、前記生体画像から認証に適した適正領域を抽出する。
上記目的を達成するため、本開示の生体情報処理プログラムは、上記生体情報処理装置に搭載されたコンピュータに実行させる生体情報処理プログラムであって、生体画像取込み機能と、不整合領域抽出機能と、適正領域抽出機能とを含む。生体画像取込み機能は、読取手段に対して相対的に移動する生体から連続的に取り込んだ複数の画像を合成した生体画像を取り込む。不整合領域抽出機能は、前記生体画像から連続的に取り込んだ複数の画像の取り込み特性を利用して不整合領域を抽出すると共に、連続的に取り込んだ複数の画像の合成結果である指紋の隆線方向の不連続線を抽出する。適正領域抽出機能は、前記生体画像から、抽出した前記不整合領域を除いた領域を検出し、検出した該領域に前記不連続線がある場合、該不連続線により該検出した領域を分割し、分割した該領域に該生体の特徴が含まれている場合、前記生体画像から認証に適した適正領域を抽出する。
本開示の生体情報処理装置、生体情報処理方法、又は生体情報処理プログラムによれば、次のような効果が得られる。
(1) 再構成した生体画像から不整合領域を抽出し、この不整合領域を用いて適正領域を抽出して認証に利用することで、本人の受け入れ拒否等を防止することができ、生体認証の信頼性を向上させることができる。
(2) また、生体画像から認証可能な適正領域を抽出することで、不整合な合成がされた場合でも生体情報の再入力を繰り返させることがなく、利用者の利便性が高められる。
そして、本発明の他の目的、特徴及び利点は、添付図面及び各実施の形態を参照することにより、一層明確になるであろう。
第１の実施の形態に係る生体情報処理装置の機能構成を示す図である。 合成した生体画像の不整合領域及び適正領域の抽出処理を示すフローチャートである。 第２の実施の形態に係る生体情報処理装置の機能構成を示す図である。 第２の実施の形態に係る生体画像の処理を示すフローチャートである。 第３の実施の形態に係る生体情報処理装置の機能部を示す図である。 特徴情報抽出部及び不整合領域抽出部の機能構成例を示す図である。 スウィープ型センサに対する生体情報の入力状態を示す図である。 隆線方向の検出を示す図である。 隆線情報と隆線方向情報の例を示す図である。 隆線の不連続状態を示す図である。 不連続の発生状態を示す図である。 不連続検出の処理手順を示すフローチャートである。 濃淡不連続検出の原理を示す図である。 エッジ強度を算出するための演算子の一例を示す図である。 指紋部位によりエッジの状態が異なることを示す図である。 エッジ強度解析の状態を示す図である。 不連続部分の直線解析を示す図である。 濃淡不連続検出の処理手順を示すフローチャートである。 隆線の接線方向を利用した不連続検出の原理を示す図である。 不連続部分の直線解析を示す図である。 隆線の接線方向を利用した不連続検出の処理手順を示すフローチャートである。 指の先端側の隆線に対して繰り返しパターンが生じた状態を示す図である。 指の根元側の隆線に対して繰り返しパターンが生じた状態を示す図である。 繰り返しパターンにおける隆線方向を示す図である。 繰り返しパターンの検出原理を示す図である。 領域分割処理及び領域形状推定分割処理を示すフローチャートである。 繰り返しパターン検出の処理手順を示すフローチャートである。 生体画像の歪み部分の状態を示す図である。 周波数検出の原理を示す図である。 歪み検出処理を示すフローチャートである。 生体画像の接触部に対して、不連続線によって分割した状態を示す図である。 生体画像の接触部に対して、複数の不連続線によって分割した状態を示す図である。 分割した生体画像に対して、指紋中心を基準とした適正領域を抽出する状態を示す図である。 適正領域候補に対する判定処理の原理を示す図である。 適正領域候補に対する判定処理の原理を示す図である。 適正領域抽出処理、及び判定処理を示すフローチャートである。 第４の実施の形態に係る生体情報処理装置のハードウェア構成例を示す図である。 生体情報処理の処理手順を示すフローチャートである。 第５の実施の形態に係る生体情報処理装置の機能構成を示す図である。 第６の実施の形態に係る生体情報処理装置の機能構成例を示す図である。 生体情報処理装置の不整合領域抽出処理の一例を示すフローチャートである。 他の実施の形態に係る携帯電話機の構成例を示す図である。 他の実施の形態に係るＰＣの構成例を示す図である。 他の実施の形態に係るＰＤＡの構成例を示す図である。
〔第１の実施の形態〕
第１の実施の形態は、認証情報として、連続的に取得した複数の部分画像を合成して再構成した生体画像に対し、合成の不整合領域を抽出し、その不整合領域を利用して認証に用いる適正領域を抽出する生体情報処理装置である。
第１の実施の形態について、図１及び図２を参照する。図１は、第１の実施の形態に係る生体情報処理装置の機能構成を示す図、図２は、合成した生体画像の不整合領域及び適正領域の抽出処理の処理手順を示すフローチャートである。なお、図１及び図２に示す構成や処理手順等は一例であって、これに限定されるものではない。
この生体情報処理装置２は、本開示の生体情報処理装置、生体情報処理方法及び生体情報処理プログラムの一例であって、複数の部分生体画像を合成した生体画像に対し、その合成状態に基づいて、生体認証に適用できる適正領域を抽出する手段の一例である。
そこで、読取装置に備えられたスウィープ型センサ等で取り込んだ複数の部分生体画像４を合成して再構成した生体画像に対し、その画像取り込みの特性を利用して、生体画像の特徴情報等から合成状態を解析する。この解析により、例えば、取り込まれた生体情報が基の生体に対して正確に合成されていない、又は生体情報に歪みが生じている等の不整合領域を抽出する。そして、抽出した不整合領域を利用し、生体画像内の適正に合成された領域を抽出する。
このように合成状態を解析し、抽出した不整合領域を利用して適正領域の抽出を行う生体情報処理装置２は、例えば、生体画像取得部６、不整合領域抽出部８、適正領域抽出部１０を備えている。
生体画像取得部６は、複数の部分生体画像を取得して再構成する手段、又は再構成された生体画像を取り込む手段の一例である。この生体画像取得部６は、例えば、部分生体画像４の読取手段として、例えば、既述のスウィープ型センサを備える。そして、相対的に移動する生体について、複数の部分生体画像４を連続的に採取し、結合させて生体画像の再構成を行う。
ここで、部分生体画像４の合成は、スウィープ型センサを用いた場合の画像の合成を行う処理であればよく、例えば、読取装置に対して相対的に移動する生体の移動距離や相対移動方向等に基づいて合成すればよい。この生体画像の再構成については、例えば、上記の特許文献１〜６に示す手段を用いてもよい。
不整合領域抽出部８は、再構成された生体画像の合成状態について、基の生体に対して不整合な状態となっている領域を解析して抽出する、生体情報の処理機能部の一例である。この生体画像の不整合領域の抽出には、部分生体画像４の取り込み特性として、例えば、後述する生体情報の不連続状態や歪み状態、繰り返し状態等を利用している。また、この不整合領域は、例えば、生体の相対移動方向、又は生体画像取得手段に対して相対移動方向とみなす方向と直行する方向に沿って解析を行ってもよい。
適正領域抽出部１０は、合成により再構成した生体画像に対し、抽出した不整合領域に基づいて認証に利用できる適正領域を抽出する、生体情報の処理機能部の一例である。例えば、生体画像に対して、抽出した不整合領域を除去することで、適正領域の候補を抽出してもよい。そして、その適正領域の候補に対して、所定の条件として、例えば、認証可能な生体情報の大きさ（例えば、画素数）等の条件に基づいて、適正領域の抽出を行ってもよい。抽出する適正領域は、生体画像に対して１つとは限られず、例えば、不整合領域の大きさ等によって、複数の適正領域を抽出してもよい。
そして、抽出した適正領域の情報は、例えば、生体認証部１２側に送られ、認証処理が行われる。
次に、生体画像に対する不整合領域の抽出、適正領域の抽出処理について、図２を参照する。
この抽出処理は、生体情報処理方法、生体情報処理プログラムの一例であって、既述のように、複数の部分生体画像４を再構成して生体画像を取得し、この生体画像から不整合領域を抽出し、この不整合領域を利用して、適正領域を抽出する。この抽出処理手順には、生体画像取得機能（ステップＳ１１）、不整合領域抽出機能（ステップＳ１２）、適正領域抽出機能（ステップＳ１３）が含まれる。
生体画像の取得では、複数の部分生体画像４を取り込み、再構成した生体画像を取得する（ステップＳ１１）。そして、この生体画像について、合成の不整合な領域の抽出を行う（ステップＳ１２）。この不整合領域の抽出では、例えば、生体情報が指紋情報であり、連続的に取り込んだ複数の画像の合成結果が指紋の場合において、その隆線の方向や、隆線間の間隔情報を利用して、生体画像を解析すればよい。また、指紋の隆線の端部や、分岐点等のマニューシャ等の特徴情報を利用してもよい。そして、部分生体画像４の取り込み特性として例えば、指紋の隆線の接線角度の変化量検出や周波数を用いた歪みの検出等を行う。この解析は、例えば、生体画像の全領域に対して行ってもよく、又は、所定の画素単位毎に区切って行ってもよい。
この解析により、生体画像中において、生体情報が不連続となっている領域、歪みが生じている領域、同様の画像が繰り返しとなっている領域の候補を抽出する。この処理では、例えば、既述した生体情報の不連続状態の解析、歪み状態の解析、繰り返し状態の解析の全てを行ってもよく、又はこれらの何れか１つを行い、又は複数を組み合わせてもよい。
不整合領域を抽出したら、生体画像の適正領域の抽出に移行する（ステップＳ１３）。この処理では、生体画像に対して、抽出した不整合領域を除去することで、適正領域を抽出する。
抽出した不整合領域情報や適正領域情報は、例えば、生体認証部１２側へと転送して、生体認証処理に利用すればよく、又は、記憶手段に記憶してもよい。
斯かる構成によれば、再構成された生体画像の不整合領域を抽出し、この不整合領域を用いて適正領域を抽出することで、本人の受け入れ拒否や他人の受け入れを防止することができ、生体認証の信頼性を向上させることができる。また、認証可能な適正領域の抽出を行うことで、部分生体画像が不整合に合成された場合でも、生体情報の再入力を繰り返す必要がなく、利用者の利便性が高められる。
〔第２の実施の形態〕
第２の実施の形態は、第１の実施の形態に示す構成に加え、抽出した適正領域に対して、認証への適用性の判定処理を行う。
第２の実施の形態について、図３及び図４を参照する。図３は、第２の実施の形態に係る生体情報処理装置の機能構成を示す図、図４は、第２の実施の形態に係る生体画像の処理を示すフローチャートである。なお、図３、図４に示す構成、処理手順等は一例であって、これに限定されない。また、図３、図４において、図１、図２と同等の構成又は同等の処理については、説明を省略する。
この生体情報処理装置２は、本開示の生体情報処理装置、生体情報処理方法又は生体情報処理プログラムの構成例であって、第１の実施の形態に対して、抽出した適正領域が認証に利用可能か否かの判定を含む構成である。そこで、この生体情報処理装置２には、例えば、既述の生体画像取得部６、不整合領域抽出部８、適正領域抽出部１０に加え、判定部１４を備えている。
判定部１４は、生体情報の読取り状態を判定する手段の一例であって、例えば、生体画像から抽出した適正領域が、生体認証部１２で認証を行うことができる条件を満たしているかを判定する。この判定では、例えば、抽出した適正領域の、認証に利用可能な画素数や、生体画像内における位置情報等を判定すればよい。そして、取得した生体画像の認証可能な適正領域の有無が、生体情報の読取り状態の判定結果となる。
また、例えば、抽出された適正領域の候補に対して、判定部１４が所定の条件を有するかを判定することで、最も認証に適した適正領域を抽出するようにしてもよい。
第２の実施の形態に係る生体情報の処理について、図４を参照する。
この生体情報処理は、生体情報処理方法、生体情報処理プログラムの一例であって、抽出した適正領域が認証に利用可能か否かの判定を行う。そこで、既述の生体画像取得機能（ステップＳ２１）、不整合領域抽出機能（ステップＳ２２）、適正領域抽出機能（ステップＳ２３）に加えて、判定処理機能（ステップＳ２４）が含まれる。
図４に示した生体画像取得機能（ステップＳ２１）、不整合領域抽出機能（ステップＳ２２）、適正領域抽出機能（ステップＳ２３）については、第１の実施の形態に示すステップＳ１１〜ステップＳ１３（図２）と同様に行えばよい。
そして、判定処理では、抽出した適正領域に対して、認証に利用可能か否かを判定する（ステップＳ２４）。この処理では、例えば、生体画像に対して、適正領域と不整合領域との位置関係に基づいて判定したり、又は適正領域の画素数等に基づいて判定する。
この判定により、認証に利用可能と判定した場合（ステップＳ２４のＹＥＳ）には、その適正領域情報を認証情報として、生体認証部１２側へと送信する。又は、記憶部等に記憶させてもよい。また、認証に利用できないと判断した場合（ステップＳ２４のＮＯ）は、生体情報の読取りが良好ではないので、例えば、ステップＳ２１に戻り、再度の生体画像の取得を指示する。この場合、例えば、生体情報処理装置２の表示部１６８（図３７）等を利用して、利用者に対して生体情報の再入力を促す。更に、生体情報の入力の仕方について、アドバイスを行ってもよい。
斯かる構成によれば、再構成された生体画像の不整合領域を抽出し、この不整合領域を用いて適正領域を抽出することで、本人の受け入れ拒否や他人の受け入れを防止することができ、生体認証の信頼性を向上させることができる。また、再構成した生体画像に対し、抽出した適正領域の位置や大きさ等に基づいて画像の読取り状態を判定することにより、生体認証の信頼性を向上させることができる。
〔第３の実施の形態〕
第３の実施の形態は、生体情報処理装置の具体的な構成例を示す。生体情報処理では、既述のように、複数の部分生体画像を取り込み、合成により再構成した生体画像に対して合成の不整合領域を抽出し、この不整合領域を利用して適正領域の抽出を行う。生体画像の不整合領域の抽出は、取り込んだ複数の部分生体画像の取り込み特性として、例えば、生体情報の不連続部分、繰り返し部分、歪み部分を解析して判断する。
第３の実施の形態について、図５、図６、図７、図８及び図９を参照する。図５は、生体情報処理装置の機能部を示す図、図６は、特徴情報抽出部及び不整合領域抽出部の機能構成例を示す図、図７は、スウィープ型センサに対する生体情報の入力状態を示す図、図８は、隆線方向の検出を示す図、図９は、隆線情報と隆線方向情報の例を示す図である。なお、図５、図６、図７、図８及び図９に示す構成は一例であって、これに限られない。また、第１又は第２の実施の形態と同等の構成については、説明を省略する。
この生体情報処理装置２は、本開示の生体情報処理装置、生体情報処理方法又は、生体情報処理プログラムの一例であり、例えば、生体認証装置を構成する。合成した生体画像の不整合の解析では、例えば、生体画像から抽出される特徴情報を利用する。そして不整合領域の抽出では、取り込んだ複数の部分画像の取り込み特性である隆線不連続、周波数不連続、濃淡不連続、繰り返しパターン等となっている画像の解析を行う。なお、ここで利用する生体情報は、例えば、生体指紋情報を示している。
そこで、この生体情報処理装置２は、図５に示すように、生体画像取得部６、不整合領域抽出部８、適正領域抽出部１０、判定部１４、認証部１６の他、特徴情報抽出部１８を備える。また、不整合領域抽出部８は、例えば、隆線不連続検出部２０、周波数不連続検出部２２、濃淡不連続検出部２４、繰り返しパターン検出部２６を備えている。これらの機能部はコンピュータ処理によって実現される。
特徴情報抽出部１８は、再構成された生体画像、又は部分生体画像から、生体の特徴情報を解析し、抽出する手段である。この特徴情報として、例えば、指紋の隆線方向情報、指紋中心情報、マニューシャ情報、隆線間隔情報等を抽出すればよい。そして、これらの特徴情報を利用し、再構成された生体画像の不整合領域の抽出を行う。
なお、この特徴情報の抽出は、認証処理で利用する生体情報の特徴情報の抽出と同様に行えばよく、例えば、ここで得られた特徴情報を利用して、生体認証を行ってもよい。
隆線不連続検出部２０は、抽出した特徴情報を利用した不整合領域の抽出機能部の一例であって、例えば、隆線方向不連続検出部２８を備え、生体画像の隆線が不連続な状態に合成されている部分の解析を行う。隆線方向不連続検出部２８は、例えば、隆線方向情報又は隆線の接線の変位情報等に基づいて所定の隆線方向を予測し、この予測方向と、生体画像の隆線方向とを比較して不連続を検出する。
周波数不連続検出部２２は、例えば、隣り合う指紋の隆線間、又は隆線と谷線との間の間隔情報を周波数として解析し、生体画像上に直線的に分布する周波数の不連続を検出する手段である。この周波数不連続検出により、例えば、読取装置に対する生体の移動速度の変化等によって生じる生体画像の歪みを検出する。
濃淡不連続検出部２４は、隆線の不連続部分の検出を行う機能部の一例であって、例えば、生体画像の隆線の濃淡が変化した部分を示す画素の強度を算出し、生体の相対移動方向に対する隆線のズレを検出する。そして、生体の相対移動方向に対して直交方向に採った検出領域について、画素の持つ隆線の強度を表す値が不連続となっている領域を不整合領域として検出する。
繰り返しパターン検出部２６は、生体の同一部位を取り込んだ複数の部分生体画像を繰り返して合成している領域を検出する手段の一例であり、隆線方向同一部位検出部３０を備えている。この隆線方向同一部位検出部３０は、例えば、生体画像の隆線方向が同一となる所定の領域が、直線上に連なって合成されている部位を検出する手段である。これにより、例えば、隆線方向が同一となる領域が隣接して平行に分布している領域を、合成の不整合を示す繰り返しパターンとして検出する。
更に、この実施の形態の生体情報処理装置２は、図６に示すように、特徴情報抽出部１８及び不整合領域抽出部８が構成される。
特徴情報抽出部１８は、既述の生体画像取得部６で取得した生体画像の提供を受け、その生体画像から特徴情報を抽出する機能部である。そこで、特徴情報抽出部１８は例えば、隆線方向検出部５０、指紋中心検出部５２、マニューシャ検出部５４、間隔検出部５６を備えている。
この場合、生体画像取得部６には、複数の部分生体画像４を取得する手段として、例えば、図７に示すスウィープ型センサ４０を備えており、利用者が指４２をスライドさせて取り込んだ部分指紋画像を合成して、指紋画像を再構成する。
隆線方向検出部５０は、生体画像から隆線方向を検出する手段である。隆線方向の検出は、図８に示すように、例えば、指紋画像６０を所定の小領域に分割し（図８Ａ）、２値化等の処理を施して、方向性フィルタ等によって画像処理をすればよく、このような処理により隆線方向６２が得られる（図８Ｂ）。この指紋画像６０の隆線方向６２と隆線６４を図９に示す。このような隆線方向の検出として、例えば、特開平５−２４２２２７号公報に示す方法を利用してもよい。
指紋中心検出部５２は、合成された指紋画像６０から、指紋の中心を検出する手段である。この指紋中心の検出は、例えば、指紋画像上の各位置における指紋紋様の曲率を求め、この曲率の最大点を求める方法がある。また、例えば、「D.Maltoni 他著『指紋認識ハンドブック』Springer Science, p.100 」や、「M.Kawagoe and A.Tojo, Fingerprint Pattern Classification, Pattern Recognition, Vol.17, No.3, pp. 295-303, 1984. 」に示すように、ポアンカレ指数を用いて特異点を検出する方法を利用してもよい。
間隔検出部５６は、合成された指紋画像の隆線同士、谷線同士、又は隆線と谷線との間隔情報を検出する手段である。
不整合領域抽出部８には、例えば、不連続検出部７０、繰り返し検出部７２、歪み検出部７４が構成されている。
不連続検出部７０は、不整合領域として、隆線の不連続部分を検出する手段の一例であって、例えば、既述の隆線不連続検出部２０、濃淡不連続検出部２４に対応する。この不連続検出部７０には、不連続候補点検出部７６、直線検出部７８、不連続判定部８０を備えている。
不連続候補点検出部７６は、隆線方向情報、濃淡情報の解析により、例えば、隆線毎に不連続になっている点を検出する手段である。図１０に示すように、不連続候補点１００は、画像合成のズレにより生じた隆線の不連続位置であり、指紋画像６０に対して水平方向に複数発生する。
直線検出部７８は、不連続候補点１００が直線上に発生しているか否かを検出する手段である。即ち、指紋画像６０は、複数の部分生体画像４を生体の相対移動方向に沿って合成している。これにより、隣接した隆線に対して不連続部分が、生体の相対移動方向に対して直交方向に直線上に生じることになる。
不連続判定部８０は、不連続候補点検出部７６及び直線検出部７８の検出結果に基づいて、不連続の発生を判定する手段の一例である。既述のように、検出した不連続候補点１００が、直線状に発生している場合には、この部分を不連続発生部分と判断する。
繰り返し検出部７２は、既述の繰り返しパターン検出部２６に対応しており、合成した生体画像の繰り返しを検出する手段の一例であって、領域分割部８２、領域形状推定部８４、繰り返し性判定部８６を備える。
領域分割部８２は、後述するように、繰り返し検出処理において、生体画像に対して、繰り返し状態となる可能性がある領域を抽出するための２値化処理を行う手段の一例である。
領域形状推定部８４は、例えば、上記の２値化画像において、指の接触幅の差を検出し、繰り返し状態となる可能性がある繰り返しパターン候補を含む領域を推定する手段の一例である（図２５）。
繰り返し性判定部８６は、例えば、上記の繰り返しパターン候補に対して、隆線方向情報等を利用し、繰り返しパターンか否かを判定する手段の一例である。
また、歪み検出部７４は、既述の周波数不連続検出部２２に対応しており、再構成した生体画像に、歪み領域が発生していることを検出する手段であり、例えば、周波数算出部８８、領域分割部９０、歪み判定部９２を備える。
周波数算出部８８は、例えば、所定領域における指紋の隆線間等の間隔情報を示す周波数について、生体画像の水平方向毎に閾値を算出したり、投影情報を算出する手段である。
領域分割部９０は、歪み領域に対し、周波数算出や歪み判定の対象である複数の領域に分割する手段である。
歪み判定部９２は、上記の算出した投影情報が所定の閾値を超えている場合に歪み領域として検出する手段である。
次に、生体画像の不整合領域抽出の具体的な解析処理例について示す。この不整合領域抽出では、生体情報として、指紋情報を利用した場合を示す。
（１）不連続検出
生体画像の不連続検出について、図１１、図１２、図１３、図１４、図１５、図１６、図１７、図１８、図１９、図２０及び図２１を参照する。図１１は、不連続の発生状態を示す図、図１２は、不連続検出の処理手順を示すフローチャート、図１３は、濃淡不連続検出の原理を示す図、図１４は、エッジ強度を算出するための演算子の一例を示す図、図１５は、指紋部位によりエッジの状態が異なることを示す図、図１６は、エッジ強度解析の状態を示す図、図１７は、不連続部分の直線解析を示す図、図１８は、濃淡不連続検出の処理手順を示すフローチャート、図１９は、隆線の接線方向を利用した不連続検出の原理を示す図、図２０は、不連続部分の直線解析を示す図、図２１は、隆線の接線方向を利用した不連続検出の処理手順を示すフローチャートである。なお、図１１〜図２１に示す構成、処理内容、処理手順等は一例であって、これに限定されない。
取得した複数の画像が不連続に合成された指紋画像６０では、隆線６４が途中で折れ曲がる、又は段差が生じる等の状態となり、指の接触領域１０１も同様に歪んだ状態となる。適正に合成された隆線の例を図１１Ａに示す。これに対し、不整合な合成が行われると、例えば、図１１Ｂに示すように、不整合に合成された不連続部分１０２から連続的に画像が合成されるので、指紋が歪んだ状態となる。このような隆線から抽出した特徴情報を生体認証に利用すると、上記の折れ曲がりの位置や、段差部分を隆線の端部と誤認識するおそれがある。
そこで、不連続検出では、隆線６４の連続状態を解析し、図１１Ｂに示す不連続部分１０２を検出する。この不連続検出では、例えば、既述した濃淡不連続検出や、隆線の接線方向不連続検出を利用する。
不連続検出の処理手順として、例えば、図１２に示すように、濃淡不連続検出処理Ｆ１を行った後に、隆線の接線方向を利用した不連続検出処理Ｆ２を行えばよい。
まず、処理Ｆ１として、指紋画像６０の濃淡情報を利用した不連続候補点１００を検出し（ステップＳ１０１）、この不連続候補点１００を用いて直線検出を行う（ステップＳ１０２）。即ち、図１０及び図１１Ｂに示すように、隆線６４の不連続点は指紋画像６０の水平方向に対して直線上に生じることから、不連続候補点１００が直線上に検出されているか否かの判断を行う。この直線検出には、例えば、ハフ変換、最小自乗法による算出処理を行えばよい。
不連続候補点１００の検出結果、直線検出の結果に基づいて、濃淡の不連続の判定を行う（ステップＳ１０３）。
次に、処理Ｆ２として、隆線６４の接線方向を解析し、任意の各点の変位状態から不連続候補点１００を検出し（ステップＳ１０４）、上記のように、この不連続候補点１００の直線検出を行う（ステップＳ１０５）。そして、不連続候補点の検出結果と、直線検出結果に基づいて、接線方向に基づいた不連続の判定を行う（ステップＳ１０６）。
なお、この処理Ｆ１と処理Ｆ２の手順は、何れか一方のみを行うものであってもよい。
（Ａ）濃淡不連続検出（図１３）
濃淡不連続検出では、例えば、特徴情報抽出部１８で抽出した指紋画像６０の隆線６４のエッジを利用する。図１３に示すように、例えば、ローパスフィルタ等を用いて、１画素幅に細線化した隆線６４に対して、垂直方向として例えば、生体の相対移動方向に濃淡の変化が急な部分を示すエッジ強度１０４の算出を行う。エッジ強度１０４は、例えば、図１４に示すソーベルオペレータ等の演算子１０６を用いて算出する。この演算子１０６は、画像解析のフィルタの一例であって、注目画素とその近傍画素の濃度値に対して、係数の重み付けを行う。算出処理では、例えば、演算子１０６の行列を用いて積和演算を行い、新たな濃淡値を設定する。
指紋画像６０のエッジ強度１０４が高い画素をエッジ画素とし、また、エッジ画素が連なっている長さをエッジ長とする。そして、エッジ画素が指紋画像６０の水平方向に直線状に並んでいる部分を不連続部分であるとみなす。
そして、不連続部分に対して演算子１０６を利用して算出したエッジ強度１０４は、図１３Ｂに示すように検出される。
しかしながら、図１５に示すように、指の先端側等のように水平方向に伸びた隆線６４（図１５Ａ）や、僅かに斜め方向に傾いた隆線６４（図１５Ｂ）のように、不連続でない場合にも、垂直方向のエッジ強度１０４が検出される場合がある。即ち、水平方向に長く伸びた隆線６４（図１５Ａ）では、エッジが水平方向に長く繋がっていると判断される。また、斜め方向に伸びた隆線６４（図１５Ｂ）では、水平方向に、例えば、１〜２画素程度のエッジ部分１０８として検出される場合がある。従って、これらの場合を区別する処理が必要となる。
そこで、エッジ長を利用した判断を行う。即ち、水平方向に伸びている隆線６４では水平方向のエッジ長が長くなる。また、僅かに斜め方向に伸びている隆線６４では、水平方向のエッジ長が例えば、１画素程度と小さい値となる。よって、エッジ長が所定の閾値Ｔｈmin からＴｈmax の間であるエッジ画素を検出し、この部分を不連続候補として検出する。
また、図１６に示すように、隆線６４と谷線１１０が互い違いになって合成される（図１６Ａ）。この場合には、単純にエッジ長を検出すると、水平方向に伸びた隆線６４と同じように長いエッジ長が検出されることになり、既述の閾値を利用すると、不連続と判断されないことになる。
そこで、このように長いエッジ長の検出に対しては、エッジ強度の算出により得られた符号情報を利用する。即ち、指紋画像６０に対して、検出を行う基準面を設定する。例えば、谷線１１０から隆線６４への境界線のエッジ強度１０４の符号と、逆に、隆線６４から谷線１１０への境界線のエッジ強度１１２の符号が異なる（図１６Ｂ）。これにより、同じ符号のエッジ強度１０４又はエッジ強度１１２であって、エッジ長が所定の閾値Ｔｈmin からＴｈmax の間であるエッジ画素群を不連続候補として判断する。
このエッジ長の検出は、指紋画像６０に対して、水平方向に所定の画素幅毎に行う。
次に、不連続候補の直線検出では、図１７に示すように、検出した各エッジ長Ｌｅｎを利用して、水平方向に所定の画素幅毎のエッジ長Ｌｅｎの投影情報ΣＬｅｎを算出する。直線検出は、例えば、指紋画像６０に対して所定の画素幅に設定した検出エリア１１４毎に検出を行う。この場合、既述のように、エッジ強度１０４とエッジ強度１１２の符号が異なることから、この算出処理では、例えば、二乗処理や絶対値による算出を行えばよい。そして、エッジ長の投影情報ΣＬｅｎが所定の閾値を超えている検出エリア１１４を不連続箇所として検出する。
この濃淡不連続の検出処理について、図１８を参照する。この処理は、生体情報処理方法及び生体情報処理プログラムの一例である。
指紋画像６０に演算子１０６（図１４）を適用して垂直方向のエッジ強度を検出する（ステップＳ２０１）。エッジ強度の絶対値が所定の閾値を超える画素をエッジ画素として検出する（ステップＳ２０２）。
検出したエッジ画素について、エッジ強度の符号が同じであり、かつエッジ長が水平方向に所定の閾値Ｔｈmin からＴｈmax の間であるエッジ画素群を不連続候補として検出する（ステップＳ２０３）。
検出した不連続候補点１００に対する直線検出として、不連続候補のエッジ画素の長さＬｅｎについて、水平方向の投影情報ΣＬｅｎを算出する（ステップＳ２０４）。
そして、算出したエッジ画素の投影情報ΣＬｅｎが所定の閾値を超えているかの判断に移行し（ステップＳ２０５）、超えている場合（ステップＳ２０５のＹＥＳ）には、不連続箇所が直線上に並んで生じているとみなして、生体画像の不連続部分として検出する（ステップＳ２０６）。
全ての投影情報ΣＬｅｎの極大値を判定した場合（ステップＳ２０７のＹＥＳ）には、この処理を終了する。
検出した不連続部分の情報については、例えば、生体情報処理装置２の記憶部等に記憶させればよい。
（Ｂ）隆線の接線方向不連続検出（図１９）
隆線の接線方向を利用した不連続検出では、図１９に示すように、例えば、１画素幅に細線化した隆線６４について、所定の間隔毎に区分けした接線方向検出位置Ｐにおける接線Ｓの角度θの角度変化を検出する。これにより、接線Ｓの角度変化を利用して隆線方向を予測し、この予測方向と、生体画像の隆線方向とを比較する。そして、隆線６４が予測範囲外にあるとき、つまり、接線Ｓi が所定の閾値以上に急激に変化した場合に不連続として検出する。
この接線Ｓi の角度変化検出では、例えば、隣り合う接線方向検出位置Ｐi+1 −Ｐi 間における接線方向の角度差Δθi を算出する。このように、例えば、接線方向検出位置Ｐに沿って解析する。そして、角度θの差分Δθが急激に変化している位置があれば、不連続箇所Ｘを含む検出位置Ｐを不連続候補点１１６として検出する。
隆線６４に設定した接線方向検出位置Ｐにおける接線Ｓの角度変化Δθを検出したら、図２０に示すように、直線検出処理を行う。直線検出は、既述のように、所定の画素幅の検出エリア１１４毎に行う。この指紋画像６０は、部分生体画像４を隆線６４に沿って合成しており、また、隣合う隆線６４は略平行になるので、隣り合う隆線６４においても不連続となる。この直線検出では、検出エリア１１４内の隆線６４に対して、算出した接線角度の差分Δθを足し合わせた値ΣΔθを投影情報として算出する。
この隆線の接線方向不連続の検出処理について、図２１を参照する。この処理は、生体情報処理方法及び生体情報処理プログラムの一例である。
隆線６４を細線化し（ステップＳ３０１）、例えば、１画素程度にする。この細線化の手段として、例えば、隆線周囲から少しずつ画素を削り取る処理を繰り返す、収縮処理を行えばよい。又はその他の方法を利用してもよい。
細線化した隆線６４に対して一定間隔毎（検出位置Ｐ）に接線角度θを算出し（ステップＳ３０２）、隣合う検出位置Ｐに対して接線角度θの差分Δθを算出する（ステップＳ３０３）。
全ての隆線６４の接線角度θの差分Δθを算出したら、直線検出処理に移行する。接線方向の差分について、指紋画像６０の水平方向の投影情報として、ΣΔθを算出する（ステップＳ３０４）。
例えば、図２０に示す検出エリア１１４毎に投影情報ΣΔθを解析し、極大値が、設定した所定の閾値を超えているかを判断する（ステップＳ３０５）。そして、投影情報ΣΔθの極大値が閾値を超えている場合（ステップＳ３０５のＹＥＳ）には、不連続箇所が直線状に並んでいるとみなして、その検出エリア１１４を不連続線１５０（図３１等）として検出する（ステップＳ３０６）。
全ての投影情報ΣΔθの極大値を判定したかを判断し（ステップＳ３０７）、全ての投影情報ΣΔθの極大値を判定した場合（ステップＳ３０７のＹＥＳ）には、この処理を終了する。
なお、この不連続検出では、例えば、隆線６４と谷線１１０との間の境界線の接線方向に基づいて検出を行ってもよい。以上のような処理により、不連続検出が行える。
（２）繰り返しパターン検出（図２２）
次に、指紋画像に対する不整合領域抽出手段の１つである繰り返しパターン検出の具体的な処理例を示す。
繰り返しパターン検出について、図２２、図２３、図２４、図２５、図２６及び図２７を参照する。図２２は、指の先端側の隆線に対して繰り返しパターンが生じた状態を示す図、図２３は、指の根元側の隆線に対して繰り返しパターンが生じた状態を示す図、図２４は、繰り返しパターンにおける隆線方向を示す図、図２５は、繰り返しパターンの検出原理を示す図、図２６は、領域分割処理及び領域形状推定分割処理を示すフローチャート、図２７は、繰り返しパターン検出処理を示すフローチャートである。なお、図２２〜図２７に示す構成、処理内容、処理手順等は一例であって、これに限定されない。
生体情報の不整合領域である繰り返しパターンは、生体の同一部位を取り込んだ複数の部分生体画像４が繰り返して合成された状態である。例えば、図２２に示すように、指の接触領域１０１に対する接触境界線１２０や隆線６４について、適正に再構成された指紋画像（図２２Ａ、図２３Ａ）に対して、繰り返し領域１２２では、同一部分の部分画像を連続的に合成されている（図２２Ｂ、図２３Ｂ）。
画像の繰り返しは、例えば、生体の読取りにおいて、生体とセンサとの間のスライドで生じる摩擦力等より、一時的に生体とセンサとの相対移動が止まることによって同一部位の画像を複数枚取得することにより生じる。このとき、これらの画像から検出される生体とセンサとの相対移動距離は０であり、生体画像の再構成処理において冗長な画像を切り捨て、又は重なり合う位置で合成すれば繰り返しパターンは生じない。しかし、画像のノイズや僅かなセンサに対する生体の押圧変化によって、同じ部位の画像であっても重ね合わせる位置が検出されない場合があり、ずれた位置で重ね合わせられることで繰り返し領域１２２が発生する。
生体画像の繰り返し領域１２２は、同じ部位の画像を繰り返しているため、ずれた位置で合成されると平行移動した状態で生体画像が合成される。従って、図２４に示すように、繰り返しパターンが発生している繰り返し領域１２２内の隆線６４の隆線方向６２は、同一方向を示している。また、指のスライド速度は、入力開始から徐々に速くなることから、指先側での繰り返し領域１２２を示す平行四辺形の幅が狭くなる（図２４Ａ）。逆に、根元側では幅が広くなり（図２４Ｂ）、指紋情報のマニューシャが無くなってしまうことになる。
このような繰り返し検出では、例えば、指紋画像６０に対して、繰り返しが生じている可能性が高い領域を区別するため、領域分割処理、領域形状推定分割処理を行う。そして、分割された繰り返しパターン候補について、隆線６４の方向同一部位検出による繰り返し性の判定を行う。
領域分割では、取得した生体画像について、画像の縮小化処理、又は既述の細線化処理を行う。そして、得られた画像に対して、指の接触範囲と背景部分とを区別するために二値化処理を行う。この領域分割処理により、図２５に示すように、指の接触範囲１２３を示す指紋画像１２４が得られる。
次に、繰り返しパターンを含む領域の候補を検出する領域形状推定分割処理を行う。繰り返しパターンは、指紋画像１２４において、指の接触範囲１２３と背景との、対向する左右の境界線１２６、１２８、１３０、１３２が、水平方向に平行になっている領域に発生する。即ち、図２５に示すように、対向する境界線１２６と境界線１３０、境界線１２８と境界線１３２が平行となっている範囲１３４が繰り返しパターンの可能性が高い領域である。
そこで、この範囲１３４を検出するため、水平方向にスライスするように、例えば、所定の画素数毎の細長い検出領域１３６を設定する。そして、各検出領域１３６において、指の接触幅１３８の差を検出し、この接触幅１３８の差が小さい場合には、繰り返しパターンを形成する可能性の高い範囲１３４であると判断し、この検出領域を繰り返しパターン候補とする。また、逆に、接触幅１３８の変化の大きい領域では、繰り返しパターンは無いと判断できる。
繰り返しパターン候補を検出したら、繰り返し性の判定を行う。この判定では、既述のように、特徴情報抽出部１８で取得した隆線方向６２を利用し、境界線１２６、１２８、１３０、１３２と平行に隆線方向６２が同一とみなせる部位を探索する。
例えば、隣合う検出領域１３６を対比して、対応する隆線方向６２の角度（φ）の差分Δφを算出し、その差分が所定の閾値より小さい場合には、同一方向の隆線６４が繰り返されていると判断して、繰り返しパターンであると判断してもよい。また、検出領域１３６毎に差分Δφの総和ΣΔφを算出してもよい。即ち、隣接する検出領域１３６で繰り返しパターンが発生している場合、その隆線方向６２が平行になるので、その差分Δφが小さくなる。
次に、繰り返し検出処理について、図２６及び図２７を参照する。この処理は、生体情報処理方法及び生体情報処理プログラムの一例である。
領域分割処理として、指紋画像１２４の縮小画像を生成し（ステップＳ４０１）、この縮小画像に対して、画像中の背景と指の接触範囲１２３を分割するための閾値を算出する（ステップＳ４０２）。この閾値算出では、例えば、大津の閾値自動決定法等を利用すればよい。そして、この閾値を利用して、縮小画像を二値化し、接触範囲１２３を検出する（ステップＳ４０３）。
次に、領域形状推定分割処理に移行する。この処理では、上記の検出領域１３６について、指紋画像１２４の上端から下端までの接触幅１３８を算出し（ステップＳ４０４）、隣接する接触幅１３８の差分を検出する（ステップＳ４０５）。
検出した差分について、所定の閾値を下回るかを判定し（ステップＳ４０６）、接触幅１３８に差がない場合（ステップＳ４０６のＹＥＳ）には、この検出領域１３６を繰り返しパターンを含む領域の候補として分割する（ステップＳ４０７）。また、接触幅１３８に大きな差がある場合（ステップＳ４０６のＮＯ）には、繰り返しパターンではないとして、次の検出領域１３６の差分判定を行う。
そして、この差分判定を指紋画像１２４の上端から下端まで判定した場合（ステップＳ４０８のＹＥＳ）には、この処理を終了する。
次に、繰り返し性の判定に移行する。
検出した繰り返しパターン候補を選択し（ステップＳ５０１）、繰り返しパターン候補の隆線方向６２を検出する（ステップＳ５０２）。隆線方向６２は、既述のように特徴情報抽出部１８で抽出した情報を利用すればよい。
繰り返しパターン候補から方向同一部位の検出単位を選択し（ステップＳ５０３）、指の接触範囲１２３の境界線方向に沿って、方向情報の差分の総和ΣΔφを算出する（ステップＳ５０４）。
この差分の総和ΣΔφが所定の閾値を下回るかを判定し（ステップＳ５０５）、差分の総和ΣΔφが所定の閾値より小さい場合には（ステップＳ５０５のＹＥＳ）、繰り返しによって、同一方向の隆線が繰り返されているので、繰り返しパターンとして検出する（ステップＳ５０６）。また、差分の総和ΣΔφが所定の閾値より大きい場合には（ステップＳ５０５のＮＯ）、ステップＳ５０７に移行する。そして、同一の繰り返しパターン候補内の全てを判定したかを判断し（ステップＳ５０７）、判定していない場合（ステップＳ５０７のＮＯ）には、ステップＳ５０３に戻り、他の繰り返しパターン候補との差分検出を行う。
また、全ての繰り返しパターン候補を判定したかを判断し（ステップＳ５０８）、全ての繰り返しパターン候補を判定した場合（ステップＳ５０８のＹＥＳ）には、この処理を終了する。全ての候補の判定をしていない場合には、ステップＳ５０１に戻り、新たな繰り返し候補パターンを選択して、上記の処理を行う。
（３）歪み検出（図２８）
次に、指紋画像に対する不整合領域抽出手段の一例として、周波数不連続検出による歪み検出処理の具体例を示す。
歪み検出について、図２８、図２９及び図３０を参照する。図２８は、生体画像の歪み部分の状態を示す図、図２９は、周波数検出の原理を示す図、図３０は、歪み検出処理を示すフローチャートである。なお、図２８〜図３０に示す構成、処理内容、処理手順等は一例であって、これに限定されない。
生体画像の歪み領域の検出では、例えば、図２８に示すように、適正に合成された指紋画像６０（図２８Ａ）に対して、特定の位置から隆線間隔が一定とならない歪み領域１４０を検出する（図２８Ｂ）。この歪み領域１４０は、例えば、指の移動量が変化することにより生じる。
指紋画像６０の歪み領域１４０は、指紋画像６０上に設定した着目領域毎に周波数の主要成分ωｐを算出することで検出する。この周波数は、例えば、この着目領域における指紋の凹凸濃淡波形等の解析により算出すればよい。
周波数の検出では、図２９に示すように、指紋画像６０に対して、所定画素値毎に設定した着目領域１４２を設定する。この着目領域１４２は、例えば、指紋画像６０の分解能が５００〔ｄｐｉ〕の場合には、隆線６４が複数本含まれるように縦横１６画素×１６画素ないし３２画素×３２画素を設定すればよい。着目領域１４２は、指紋画像６０の全てを覆うように隙間なく設定してもよく、又は所定の間隔毎に設定してもよい。
そして、着目領域１４２毎に算出した周波数の主成分ωp について、直線検出を行う。この直線検出では、既述のように、例えば、指紋画像６０の水平方向に所定の画素毎の検出領域１４４を設定すればよい。そして、各検出領域１４４毎に各着目領域１４２から検出した主成分ωp の水平方向の投影情報Σωp ／ｎを算出する。この投影情報Σωp ／ｎが、主成分ωp の平均値に基づいた所定の閾値で設定される範囲の外にある場合は、不連続箇所を含む領域、即ち、歪み領域１４０であると判定する。
次に、歪み検出処理について、図３０を参照する。
着目領域１４２から周波数の主成分ωp を検出し（ステップＳ６０１）、この周波数の主成分ωp の平均値に基づいた閾値を算出する（ステップＳ６０２）。また、周波数の主成分ωp の水平方向の投影情報Σωp ／ｎを算出する（ステップＳ６０３）。
直線検出として、投影情報Σωp ／ｎが算出した閾値を超えているかを判断し（ステップＳ６０４）、超えている場合（ステップＳ６０４のＹＥＳ）には、この直目領域１４２を含んだ検出領域１４４を歪み領域１４０として検出する（ステップＳ６０５）。
そして、全ての投影情報を判定した場合（ステップＳ６０６のＹＥＳ）には、この処理を終了する。
検出した歪み領域情報は、例えば、生体情報処理装置２の記憶部に記憶させればよい。
以上のように、連続的に取り込んだ複数の部分生体画像の取り込み特性として、不連続検出、繰り返し検出、歪み検出を行うことで生体画像の不整合領域を抽出することができる。なお、上記の不連続検出、繰り返し検出、歪み検出は、上記した順序に限られない。
次に、生体画像に対する適正領域の抽出処理、及び生体画像の判定処理について、図３１、図３２、図３３、図３４、図３５及び図３６を参照する。図３１は、生体画像の接触部に対して、不連続線によって分割した状態を示す図、図３２は、生体画像の接触部に対して、複数の不連続線によって分割した状態を示す図、図３３は、分割した生体画像に対して、指紋中心を基準とした適正領域を抽出する状態を示す図、図３４及び図３５は、適正領域候補に対する判定処理の原理を示す図、図３６は、適正領域抽出処理、及び判定処理を示すフローチャートである。なお、図３１〜図３６に示す構成、処理内容、処理手順等は一例であって、これに限定されない。
適正領域は、既述のように、生体画像として指紋画像６０から、抽出した画像の不整合領域を除いた領域の大きさに基づいて抽出する。即ち、認証アルゴリズム側で要求される画像の寸法、例えば、所定の画素数で構成される領域を適正領域として抽出する。また、適正領域の判定は、適正領域が認証に適しているかについて、抽出した不整合領域と適正領域の抽出位置に基づいて判定する。生体認証に利用するマニューシャ情報等は、指紋中心付近に多いので、この指紋中心付近の領域が適正領域として抽出されているかを判定し、生体画像の読取り状態を評価する。
指紋画像６０に対する不整合領域を除いた適正領域の抽出は、図３１、図３２に示すように、繰り返し領域１２２や歪み領域１４０を除去した後、生体の接触領域１０１に対して、検出した不連続線１５０によって分割処理を行う。そして、分割した接触領域１０１に対して、例えば、最も大きい接触領域１０１を適正領域として判断してもよい。この不連続線１５０は、既述の不連続領域として検出された検出エリア１１４を利用すればよい。
また、不連続線１５０により、同等の大きさの適正領域が複数抽出され、１つを選択する場合、図３３に示すように、既述の特徴情報抽出処理で得た指紋中心１５２を含む接触領域１０１を適正領域とする。複数の適正領域候補が抽出されている場合には、上記の判定処理の定義から、指紋中心１５２を含む領域を適正領域とすることで、認証適用性も満たすことができる。
次に、抽出した適正領域に対する認証適用性の判断として、図３４、図３５に示すように、指紋中心１５２に最も近い接触領域１０１の境界線１２０までの距離Ｌ1 、Ｌ2 を判断する。上記のように、指紋中心１５２を含む接触領域１０１であっても、指紋中心１５２が接触領域１０１の境界線１２０に近い場合、認証に適した範囲が十分に含まれないと判断する。この指紋中心１５２と最も近い境界線１２０との距離の閾値は、認証アルゴリズムにより決められる。
なお、複数の適正領域候補をそのまま適正領域として利用する場合には、上記の指紋中心１５２を基準とした選択処理、判定処理は行わない。
この適正領域の抽出処理及び判定処理について、図３６を参照する。
再構成した指紋画像６０に対して、繰り返し領域１２２や歪み領域１４０を除いた領域を適正領域候補として検出する（ステップＳ７０１）。そして、この適正領域候補内に不連続線があれば、不連続線を境界線として、適正領域候補を分割する（ステップＳ７０２）。
分割した適正領域候補に対して、大きさが所定の閾値を超えているかを判断する（ステップＳ７０３）。閾値を超えている場合（ステップＳ７０３のＹＥＳ）には、適正領域候補内に指紋中心が含まれているかを判定する（ステップＳ７０４）。この適正領域候補の大きさ判定（ステップＳ７０３）、又は指紋中心が含まれるか否かの判定（ステップＳ７０４）を満たしていない場合（ステップＳ７０３のＮＯ又はステップＳ７０４のＮＯ）には、この適正領域候補は、抽出条件を満たさないことになる。そして、他の適正領域候補があるかの判断に移行する（ステップＳ７０７）。
また、この適正領域の条件を満たした場合（ステップＳ７０４のＹＥＳ）、認証への適用性判定に移行する。指紋中心から最も近い境界線までの距離が所定の閾値を超えているかを判断し（ステップＳ７０５）、超えている場合（ステップＳ７０５のＹＥＳ）には、この適正領域候補を適正領域と決定し、記憶部へと格納する（ステップＳ７０６）。また、閾値を超えない場合（ステップＳ７０５のＮＯ）には、ステップＳ７０７に移行し、他の適正領域候補があれば（ステップＳ７０７のＹＥＳ）、ステップＳ７０３に戻り、次の適正領域候補に対して判断を行う。
そして、この判定処理によって、認証に適した適正領域が抽出されない場合には、利用者に対して、生体情報の再入力を促す。このとき、例えば、生体情報の入力の仕方について、生体情報処理装置２の表示部１６８（図３７）を利用して、アドバイス等を行ってもよい。
斯かる構成によれば、再構成された生体画像の不整合領域を抽出し、この不整合領域を用いて適正領域を抽出することで、本人の受け入れ拒否や他人の受け入れを防止することができ、生体認証の信頼性を向上させることができる。また、再構成した生体画像に対し、抽出した適正領域の位置や大きさ等に基づいて画像の読取り状態を判定することにより、生体認証の信頼性を向上させることができる。また、認証可能な適正領域の抽出を行うことで、部分生体画像が不整合に合成された場合でも、生体情報の再入力を繰り返す必要がなく、利用者の利便性が高められる。
この第３の実施の形態について、特徴的な構成や効果を列挙すれば次の通りである。
(1) この生体情報処理装置２では、合成画像から、部分画像を誤った位置で合成されて生体情報が不適切に読み取られたことを、２以上の部分画像から検出した相対移動に関する情報を利用せずに判断することができる。
(2) 読取装置と生体との相対速度、移動方向により、誤って合成されるパターンが複数生じることから、この生体情報処理装置２では、そのパターンに応じて検出を行う。
(3) 合成画像内において、誤った位置で部分画像が合成された場合でも、認証に適切な領域を利用することが可能となり、本人拒否率を下げることができる。言い換えれば、他人受け入れ率の上昇を防ぐことができる。
(4) 生体情報は、元来からテクスチャ等のパターンが不連続に分布するパターンを呈する場合があるため、直線的に配置されている。これにより、誤って不連続領域を検出するのを防止することができる。
(5) 利用者に対し、生体情報の再入力の要求を減らすことで、操作回数を増加させることがなく、認証性能を向上させることができる。
(6) 生体の相対移動速度を誤検出して合成した場合においても、隆線方向、濃淡が連続している領域を抽出することで、適切な領域を選択して認証を行うことができ、本人拒否率を下げることができる。
(7) 例えば、生体の相対移動速度を過剰に大きく検出することで、繰り返し画像を合成した場合でも、隆線方向、又は隆線の濃淡が適正に合成されている領域を抽出して、認証に利用するので、認証機能の信頼性を向上させることができる。
(8) 生体画像の合成処理において、生体の相対移動方向を誤検出して合成した画像に対して、認証に適切な領域を抽出して認証に利用するので、認証機能の信頼性を向上させることができる。
(9) また、合成された生体画像に対して、例えば、センサに対する生体の相対移動速度等の情報を利用せず、抽出した特徴情報に基づいて生体画像の状態判断を行うことができる。
〔第４の実施の形態〕
第４の実施の形態は、生体情報処理装置のハードウェア構成例及びその処理手順の一例を示す。
第４の実施の形態について、図３７及び図３８を参照する。図３７は、生体情報処理装置のハードウェア構成例を示す図、図３８は、生体情報処理の処理手順を示すフローチャートである。なお、図３７及び図３８に示す構成、処理内容、処理手順等は一例であって、これに限定されない。また、上記実施の形態と同様の構成、処理内容については、説明を省略する。
この生体情報処理装置２は、部分生体画像４を取得し、再構成した生体画像に対して、認証に適した領域を抽出し、又はその生体画像の認証適用性を判定する手段であって、コンピュータによって構成されている。また、この生体情報処理装置２は、生体認証装置を構成してもよい。例えば、図３７に示すように、生体情報読取部１６０、ＣＰＵ（Central Processing Unit ) １６２、メモリ１６４、入出力部１６６、表示部１６８等を備えている。
生体情報読取部１６０は、生体画像の読取り手段の一例であって、生体画像取得部６を構成する。この生体情報読取部１６０は、スウィープ型指紋センサで構成され、利用者が指をスライドさせることによって、複数の部分生体画像４を取り込む。
ＣＰＵ１６２は、メモリ１６４に記憶されているＯＳ（Operating System）や、その他の処理プログラム等を演算して実行するための演算手段の一例であって、生体情報処理装置２の情報処理部を構成する。そして、プログラムの実行により、取得した生体画像の合成、特徴情報の抽出、不整合領域の抽出、適正領域の抽出、読取判定処理を実行する。
メモリ１６４は、記憶手段又は記録手段の一例であって、例えば、生体情報処理装置２の動作制御プログラムや処理プログラム等、また、取得した生体画像等を記憶する。メモリ１６４の構成は、例えば、プログラム記憶部１７０、データ記 憶部１７２、ＲＡＭ（Random Access Memory）１７４等で構成されている。
プログラム記憶部１７０は、生体情報処理装置２の動作制御や、既述の生体画像に対する解析処理等を行うプログラムを記憶する手段の一例であって、コンピュータ読取り可能な媒体で構成される。例えば、ＲＯＭ（Read Only Memory）で構成してもよい。このプログラム記憶部１７０には、例えば、ＯＳ１７０１の他、特徴情報情報抽出プログラム１７０２、不整合領域抽出プログラム１７０３、適正領域抽出プログラム１７０４、読取判定プログラム１７０５等が記憶されている。これらの処理プログラムの実行により、既述の不連続検出処理、繰り返しパターン検出処理、歪み検出処理等を行う。
データ記憶部１７２は、取り込んだ生体画像や、抽出した特徴情報、生体画像の不整合領域や適正領域の情報を記憶する手段の一例であって、例えば、ＲＯＭやフラッシュメモリ等で構成されればよい。データ記憶部１７２には、例えば、特徴情報記憶部１７６や生体画像記憶部１７８等が構成されている。
なお、このプログラム記憶部１７０やデータ記録部１７２は、例えば、電気的に内容を書き換えることができるＥＥＰＲＯＭ（Electrically Erasable and Programmable Read Only Memory ）等で構成されてもよい。
また、上記の各処理プログラムは、プログラム記憶部１７０等に記憶されたものに限られない。例えば、磁気ディスク、フレキシブルディスク、光ディスク、光磁気ディスク等のコンピュータで読出し可能な記録媒体に記憶されているものを利用してもよい。さらに、ネットワーク上にあるサーバやデータベース等からプログラム等を読み込んで利用してもよい。
ＲＡＭ１７４は、上記の制御プログラム等を実行させるためのワークエリアを構成している。そして、ＣＰＵ１６２が制御プログラムを実行することで、既述の不整合領域抽出部８、適正領域抽出部１０、判定部１４等を機能させる。
入出力部１６６は、生体情報処理装置２の入力手段又は音声等の出力手段の一例であって、例えば、キーボード等の入力手段、又はスピーカ等の音声出力手段で構成されればよい。
表示部１６８は、画面表示が可能なＬＣＤ（Liquid Crystal Display) 表示素子等で構成された表示手段の一例であって、例えば、認証を行う利用者に対して、生体情報の入力指示、照合結果又は生体情報の入力アドバイス等を表示してもよい。
このような構成により、図３８に示す生体画像処理を行う。
即ち、既述のように、生体情報読取部１６０において部分生体画像４を取得し、合成により再構成した生体画像を取り込む（ステップＳ８０１）。この生体画像から特徴情報を抽出し（ステップＳ８０２）、この特徴情報を利用して、既述の処理によって不整合領域を抽出する（ステップＳ８０３）。そして、生体画像から、この不整合領域を利用して適正領域を抽出し（ステップＳ８０４）、認証への適用性判断により、生体画像の読取判定を行う（ステップＳ８０５）。
生体画像に認証可能な適正領域がなければ（ステップＳ８０５のＮＯ）、生体画像の再入力を指示する。また、生体画像によって認証が可能であれば（ステップＳ８０５のＹＥＳ）、この適正領域情報等の生体情報を出力する（ステップＳ８０６）。
〔第５の実施の形態〕
第５の実施の形態は、不整合領域抽出に用いる特徴情報の抽出と、認証に利用する特徴情報の抽出を分けて行う場合を示している。
第５の実施の形態について、図３９を参照する。図３９は、第５の実施の形態に係る生体情報処理装置の機能構成を示す図である。なお、図３９に示す構成は一例であって、これに限定されない。また、図３９において、図６と同一構成については、同一符号を付し、説明を省略する。
この生体情報処理装置２は、本開示の生体情報処理装置、生体情報処理方法又は生体情報処理プログラムの一例であって、例えば、特徴情報抽出部１８において、不整合領域の抽出に利用する特徴情報のみを抽出する。そして、読取判定により、取得した生体画像が認証可能であると判断された場合に、認証に必要な特徴情報の抽出を行う。
生体情報処理装置２には、既述のように、特徴情報抽出部１８、不整合領域抽出部８、適正領域抽出部１０、判定部１４、認証部１６の他、例えば、記憶部１８０、特徴抽出部１８２を備えている。
記憶部１８０は、例えば、既述の特徴情報記憶部１７６に対応しており、特徴情報抽出部１８で抽出した特徴情報を記憶する。
特徴抽出部１８２は、読取判定によって認証可能である判定された生体情報から認証に必要な特徴情報を抽出する手段の一例である。この生体情報は、例えば、再構成された生体画像、又はこの生体画像から抽出した適正領域情報を利用する。また、記憶部１８０と接続し、特徴情報抽出部１８で抽出した特徴情報を利用することもできる。従って、この特徴抽出部１８２では、認証に必要な特徴情報の内、記憶部１８０に記憶されていない特徴情報を抽出すればよい。
斯かる構成によれば、既述のように、抽出した不整合領域を用いて適正領域を抽出して認証することで、本人の受け入れ拒否や他人の受け入れを防止することができ、生体認証の信頼性を向上させることができる。また、不整合領域の抽出処理において、必要な特徴情報のみを抽出すればよく、処理の軽減が図られ、適正領域抽出処理、判定処理の迅速化が図られる。さらに、認証処理において、既に取得した共通の特徴情報を利用できるので生体認証処理を軽減できる。また、認証適用性のある生体画像に対して特徴抽出を行うので、抽出処理の無駄を省くことができる。
〔第６の実施の形態〕
第６の実施の形態は、不整合領域を抽出する手段の組み合わせの変形例を示す。
第６の実施の形態について、図４０を参照する。図４０は、第６の実施の形態に係る生体情報処理装置の機能構成例を示す図である。なお、図４０に示す構成は、一例であって、これに限定されない。図４０において、図５と同一部分には同一符号を付してある。
この生体情報処理装置２では、不整合領域抽出部８に濃淡不連続検出部２４、繰り返しパターン検出部２６を備える構成である。即ち、不整合領域の抽出処理として、濃淡不連続検出、繰り返しパターン検出を行う場合を示している。
生体認証に用いる生体画像では、合成による隆線の多少の歪み状態や寸詰まり状態が発生しても、所定の誤差程度であれば認証に適用することができる場合がある。しかし、上記の検出処理において示すように、濃淡不連続や繰り返しパターンが発生した画像では、全く異なる生体情報となっており、この隆線画像から認証に用いる特徴情報を抽出すれば、本人であっても認証を受けられないことがある。
従って、この実施の形態では、不整合領域の抽出として、隆線不連続検出や周波数不連続検出（図５等）を省略し、濃淡不連続検出、繰り返しパターン検出を優先的に実行する。
なお、不整合領域の抽出処理は、図４０の場合に限られず、例えば、この濃淡不連続検出、繰り返しパターン検出に、既述の周波数不連続検出又は隆線の接線方向を利用した不連続検出を組み合わせてもよい。
斯かる構成によれば、不整合領域抽出処理の迅速化を図ることができる。
〔第７の実施の形態〕
第７の実施の形態は、不整合領域抽出処理の処理手順の変形例を示している。
第７の実施の形態について、図４１を参照する。図４１は、生体情報処理装置の不整合領域抽出処理の一例を示すフローチャートである。なお、図４１に示す処理手順は一例であって、これに限定されない。
この不整合領域抽出では、例えば、他の検出処理に比べて処理負荷が軽いものを先に行い、これらの処理で検出した不整合領域から、この段階での適正領域候補を抽出する。そして、この適正領域候補に対して、他の検出処理を行う。
例えば、生体画像を取得したら（ステップＳ９０１）、隆線不連続検出処理（ステップＳ９０２）、周波数不連続検出処理（ステップＳ９０３）を行い、これらの処理で検出した不連続線を生体画像から除去し、適正領域候補を抽出する（ステップＳ９０４）。
そして、この適正領域候補に対して、濃淡不連続（ステップＳ９０５）、繰り返しパターン検出（ステップＳ９０６）を行い、抽出した不整合領域を利用して、適正領域を抽出し（ステップＳ９０７）、生体画像を出力する（ステップＳ９０８）。
斯かる構成によれば、処理負荷の大きい検出処理に対して、検出対象を絞り込むことができ、不整合領域抽出処理の迅速化を図ることができる。
〔他の実施の形態〕
(1) 上記の実施の形態に係る生体情報処理装置２を搭載する電子機器の例として、例えば、図４２、図４３及び図４４に示すように、携帯電話機２００、ＰＣ(Personal Computer) ３００、携帯情報端末機（ＰＤＡ：Personal Digital Assistant）４００がある。この携帯電話機２００（図４２）は、例えば、表示側筐体部２０２と操作側筐体部２０４とがヒンジ部２０６によって開閉可能に連結されている。表示側筐体部２０２には、表示部２０８、レシーバ２１０等が備えられており、操作側筐体部２０４には、生体情報読取部２１２、操作入力部２１４等を備える。
また、ＰＣ（図４３）３００は、例えば、キー側筐体部３０２と表示側筐体部３０４とをヒンジ部３０６で開閉可能に構成されている。キー側筐体部３０２側には生体情報読取部３０８、キーボード３１０が備えられ、表示部側筐体部３０４には表示部３１２が備えられている。ＰＤＡ４００（図４４）は、表示部４０２、操作部４０４、生体情報読取部４０６を備えている。
(2) 上記実施の形態では、生体情報の一例として指紋画像を利用したが、これに限られず、例えば、掌紋、掌形、手のひら静脈、指静脈等を利用してもよい。
(3) 上記実施の形態では、不整合領域抽出処理において、図４１に示すように、処理負荷の軽い検出処理から実行したが、これに限られず、例えば、処理の重い処理を先に行っておき、ここで不整合が検出されなければ他の処理を行わないようにしてもよい。また、不整合が検出された場合には、この処理で検出した不整合領域を除いた領域について、他の検出処理を行うようにしてもよい。
次に、以上述べた実施の形態に関し、特徴事項を列挙する。
(1) この生体情報処理装置は、生体情報入力手段と、部分画像合成手段と、不整合領域検出手段と、適正領域検出手段と、読取判定手段とを備えればよい。この場合、生体情報入力手段では、相対的に移動している生体部位の生体情報を映像化して、該生体情報についての複数の部分画像を連続的に採取する。部分画像合成手段では、該生体情報入力手段によって入力される該複数の部分画像を、相対的に移動している生体部位の装置移動距離と相対移動方向に基づいて合成する。不整合領域検出手段では、該部分画像合成手段によって合成された合成画像から、該部分画像合成手段で算出される相対移動方向あるいは、該生体情報入力手段の設置状態に基づいて相対移動方向とみなす所定の方向と直交する方向に沿って不適切に合成された領域を検出する。適正領域検出手段では、該合成画像における該不整合領域を除いた領域の大きさに基づいて適正な領域を検出する。そして、読取判定手段では適正領域と不整合領域との位置関係に基づいて読取状態を判定する。
(2) 更に、この生体情報処理装置は隆線不連続検出手段を備えてもよい。該隆線不連続検出手段は、該合成画像における局所領域から検出される隆線方向に基づいて、該合成画像上に直線的に分布する不連続領域を検出する。この隆線不連続検出手段を備えれば、該不整合領域検出手段は該不連続情報に基づいて不整合領域を検出することができる。
(3) 更に、この生体情報処理装置は周波数不連続検出手段を備えてもよい。該周波数不連続検出手段は、該合成画像の局所領域から、隆線あるいは隆線と谷線との間に定めた境界線に沿った周波数情報に基づいて、該合成画像上に直線的に分布する不連続領域を検出する。該不整合領域検出手段は、該不連続情報に基づいて不整合領域を検出する構成とすればよい。
(4) 更に、この生体情報処理装置は、隆線方向同一部位検出手段と、繰り返しパターン検出手段とを備えてもよい。隆線方向同一部位検出手段は、局所領域から算出した隆線方向が同一となる局所領域が直線状に連なっている隆線方向同一部位を検出する。繰り返しパターン検出手段は、該隆線方向同一部位が隣接し合い、かつ平行に分布している、又は、局所領域から算出した隆線方向が同一となる局所領域が広く分布しているときに繰り返しパターンを検出する。そして、該不整合領域検出手段は、該繰り返しパターンの位置と形状に基づいて不整合領域を検出する構成とすればよい。
(5) 既述の繰り返しパターンについて、隆線方向同一部位内の画像に対して隆線方向の接線方向が持つ周波数よりも低く、かつ波数が２以上となる周波数以上の帯域を選択してもよい。この場合、所定の閾値より大きい強度を有する場合に繰り返しパターンを有していると判断すればよい。
(6) 更に、この生体情報処理装置は、隆線方向不連続検出手段を備えてもよい。隆線方向不連続検出手段は、生体の相対移動方向あるいは、相対移動方向とみなす所定の方向に隣接する隣接局所領域における隆線方向の取り得る予測範囲を予測する。そして、該隣接局所領域における隆線方向が、該予測範囲外にあるときに隆線方向が不連続であるとみなして、隆線方向が不連続となる領域を検出する。そして、該不整合領域検出手段は、該不連続情報に基づいて不整合領域を検出するように構成すればよい。この相対移動方向は、該合成画像の局所領域に関して算出した隆線方向から、該部分画像合成手段で算出すればよい。また、相対移動方向とみなす所定の方向は、該生体情報入力手段の設置状態に基づいて算出すればよい。
(7) 更に、生体情報処理装置は、濃淡不連続検出手段を備えてもよい。濃淡不連続検出手段は、相対移動方向あるいは、相対移動方向とみなす所定の方向に対して濃淡変化を算出し、該隆線方向と該合成画像面内の直交方向と、該相対移動方向との差分に基づいて、濃淡不連続を検出する。そして、該不整合領域検出手段は、該不連続情報に基づいて不整合領域を検出すればよい。ここで、相対移動方向は、該部分画像合成手段で算出すればよく、また、相対移動方向とみなす所定の方向は、該生体情報入力手段の設置状態に基づいて算出すればよい。
以上述べたように、本開示の生体情報処理装置、生体情報処理方法又は生体情報処理プログラムの実施の形態等について説明した。本発明は、上記記載に限定されるものではない。特許請求の範囲に記載され、又は発明を実施するための形態に開示された要旨に基づき、当業者において様々な変形や変更が可能であることは勿論である。斯かる変形や変更が、本発明の範囲に含まれることは言うまでもない。
本開示の本開示の生体情報処理装置、生体情報処理方法又は生体情報処理プログラムは、合成により再構成した生体画像に対して、合成の適正領域を抽出して認証に利用することで、認証機能の信頼性を向上させることができる等、有用である。
２ 生体情報処理装置
４ 部分生体画像
６ 生体画像取得部
８ 不整合領域抽出部
１０ 適正領域抽出部
１２ 生体認証部
１４ 判定部
１８ 特徴情報取得部
２０ 隆線不連続検出部
２２ 周波数不連続検出部
２４ 濃淡不連続検出部
２６ 繰り返しパターン検出部
２８ 隆線方向不連続検出部
３０ 隆線方向同一部位検出部
５０ 隆線方向検出部
５２ 指紋中心検出部
５４ マニューシャ検出部
５６ 間隔検出部
６２ 隆線方向
７０ 不連続検出部
７２ 繰り返し検出部
７４ 歪み検出部
７６ 不連続候補点検出部
７８ 直線検出部
８０ 不連続判定部
８２ 領域分割部
８４ 領域形状推定部
８６ 繰り返し性判定部
８８ 周波数算出部
９０ 領域分割部
９２ 歪み判定部
１００ 不連続候補点
１０４ エッジ強度
１０６ 演算子
１２２ 繰り返し領域
１４０ 歪み領域
１４２ 着目領域
１４４ 検出領域
１５２ 指紋中心

Claims (5)

  1. 読取手段に対して相対的に移動する生体から連続的に取り込んだ複数の画像を合成した生体画像を取得する生体画像取得部と、
    前記生体画像から連続的に取り込んだ複数の画像の取り込み特性を利用して不整合領域を抽出すると共に、連続的に取り込んだ複数の画像の合成結果である指紋の隆線方向の不連続線を抽出する不整合領域抽出部と、
    前記生体画像から、抽出した前記不整合領域を除いた領域を検出し、検出した該領域に前記不連続線がある場合、該不連続線により該検出した領域を分割し、分割した該領域に該生体の特徴が含まれている場合、前記生体画像から認証に適した適正領域を抽出する適正領域抽出部と、
    を備えることを特徴とする、生体情報処理装置。
  2. 更に、前記生体画像から抽出した前記適正領域が認証に利用可能かを判定する判定部を備えることを特徴とする、請求項１に記載の生体情報処理装置。
  3. 更に、前記生体画像から生体の特徴情報を抽出する特徴情報抽出部と、
    を備え、前記不整合領域抽出部は、該特徴情報を用いて前記生体画像の不整合領域を抽出することを特徴とする、請求項１に記載の生体情報処理装置。
  4. 読取手段に対して相対的に移動する生体から連続的に取り込んだ複数の画像を合成した生体画像を取得するステップと、
    前記生体画像から連続的に取り込んだ複数の画像の取り込み特性を利用して不整合領域を抽出すると共に、連続的に取り込んだ複数の画像の合成結果である指紋の隆線方向の不連続線を抽出するステップと、
    前記生体画像から、抽出した前記不整合領域を除いた領域を検出し、検出した該領域に前記不連続線がある場合、該不連続線により該検出した領域を分割し、分割した該領域に該生体の特徴が含まれている場合、前記生体画像から認証に適した適正領域を抽出するステップと、
    を含むことを特徴とする、生体情報処理方法。
  5. 読取手段に対して相対的に移動する生体から連続的に取り込んだ複数の画像を合成した生体画像を取込む機能と、
    前記生体画像から連続的に取り込んだ複数の画像の取り込み特性を利用して不整合領域を抽出すると共に、連続的に取り込んだ複数の画像の合成結果である指紋の隆線方向の不連続線を抽出する機能と、
    前記生体画像から、抽出した前記不整合領域を除いた領域を検出し、検出した該領域に前記不連続線がある場合、該不連続線により該検出した領域を分割し、分割した該領域に該生体の特徴が含まれている場合、前記生体画像から認証に適した適正領域を抽出する機能と、
    をコンピュータに実行させることを特徴とする、生体情報処理プログラム。
JP2011551627A 2010-01-28 2010-01-28 生体情報処理装置、生体情報処理方法及び生体情報処理プログラム Active JP5482803B2 (ja)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/JP2010/051166 WO2011092827A1 (ja) 2010-01-28 2010-01-28 生体情報処理装置、生体情報処理方法及び生体情報処理プログラム

Publications (2)

Publication Number Publication Date
JPWO2011092827A1 JPWO2011092827A1 (ja) 2013-05-30
JP5482803B2 true JP5482803B2 (ja) 2014-05-07

Family

ID=44318837

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2011551627A Active JP5482803B2 (ja) 2010-01-28 2010-01-28 生体情報処理装置、生体情報処理方法及び生体情報処理プログラム

Country Status (4)

Country Link
US (1) US9607204B2 (ja)
EP (1) EP2530644A4 (ja)
JP (1) JP5482803B2 (ja)
WO (1) WO2011092827A1 (ja)

Families Citing this family (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8833657B2 (en) * 2010-03-30 2014-09-16 Willie Anthony Johnson Multi-pass biometric scanner
TWI476702B (zh) * 2012-03-16 2015-03-11 Pixart Imaging Inc 使用者辨識系統及辨識使用者的方法
CN104021419B (zh) * 2013-02-28 2017-09-19 华为终端有限公司 一种统计纸张数目的方法和装置
CN106233306B (zh) * 2014-09-06 2019-09-27 深圳市汇顶科技股份有限公司 在移动设备上注册和识别指纹配置文件的方法及移动设备
US9558392B2 (en) * 2015-02-12 2017-01-31 Korecen Co., Ltd. Finger vein authentication system
SE1550281A1 (en) * 2015-03-06 2016-09-07 Fingerprint Cards Ab Method and system for estimating finger movement
USD776664S1 (en) * 2015-05-20 2017-01-17 Chaya Coleena Hendrick Smart card
KR20180081356A (ko) 2017-01-06 2018-07-16 삼성전자주식회사 지문 이미지의 왜곡을 처리하는 방법 및 장치
CN108182424B (zh) * 2018-01-29 2020-05-22 上海天马微电子有限公司 显示装置及其指纹识别方法
CN112418150A (zh) * 2020-12-03 2021-02-26 佳都新太科技股份有限公司 掌静脉图像评估方法、装置、计算机设备及存储介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002042136A (ja) * 2000-07-28 2002-02-08 Nec Corp 指紋識別方法及び装置
WO2004026139A1 (ja) * 2002-09-17 2004-04-01 Fujitsu Limited 生体情報取得装置および生体情報による認証装置
JP2005352623A (ja) * 2004-06-09 2005-12-22 Nec Soft Ltd パターン照合装置、画像品質検証方法及び画像品質検証プログラム
JP2007202912A (ja) * 2006-02-03 2007-08-16 Secom Co Ltd 縞模様を含む画像の照合装置

Family Cites Families (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2951472B2 (ja) 1992-03-03 1999-09-20 富士通株式会社 指紋照合装置及び指紋照合方法
FR2749955B1 (fr) 1996-06-14 1998-09-11 Thomson Csf Systeme de lecture d'empreintes digitales
US6317508B1 (en) 1998-01-13 2001-11-13 Stmicroelectronics, Inc. Scanning capacitive semiconductor fingerprint detector
US7079672B2 (en) * 2000-01-28 2006-07-18 Chuo Hatsujo Kabushiki Kaisha Fingerprint image evaluating method and fingerprint matching device
JP2002083288A (ja) * 2000-09-06 2002-03-22 Nippon Telegr & Teleph Corp <Ntt> 指紋画像取り込み方法および指紋照合装置
JP3709344B2 (ja) 2001-01-16 2005-10-26 Ｎｅｃソフト株式会社 指紋画像の入力方法、指紋画像の入力装置、プログラム、携帯型情報機器
JP4193163B2 (ja) * 2001-03-26 2008-12-10 日本電気株式会社 指掌紋画像処理装置及び方法
KR100432491B1 (ko) * 2001-08-31 2004-05-22 (주)니트 젠 융선방향 모델을 이용한 지문 특징데이터 추출방법
US7020591B1 (en) * 2001-09-05 2006-03-28 Cogent Systems, Inc Partial differential equation model for image feature extraction and identification
JP4169185B2 (ja) 2002-02-25 2008-10-22 富士通株式会社 画像連結方法、プログラム及び装置
US20050249386A1 (en) * 2003-06-30 2005-11-10 Mobisol Pointing device having fingerprint image recognition function, fingerprint image recognition and pointing method, and method for providing portable terminal service using thereof
JP3924558B2 (ja) 2003-11-17 2007-06-06 富士通株式会社 生体情報採取装置
US7565548B2 (en) * 2004-11-18 2009-07-21 Biogy, Inc. Biometric print quality assurance
WO2006135203A1 (en) * 2005-06-15 2006-12-21 Lg Electronics Inc. Fingerprint recognition system and method
US8385612B2 (en) * 2005-06-30 2013-02-26 Nec Corporation Fingerprint image background detection apparatus and detection method
JP4770375B2 (ja) 2005-10-04 2011-09-14 富士通株式会社 指紋歪み検出装置を備える指紋照合装置
JP4389971B2 (ja) 2007-06-19 2009-12-24 ミツミ電機株式会社 指紋画像形成装置及びこれに用いる指移動量推定方法
US8204281B2 (en) * 2007-12-14 2012-06-19 Validity Sensors, Inc. System and method to remove artifacts from fingerprint sensor scans
JP2010079666A (ja) * 2008-09-26 2010-04-08 Oki Semiconductor Co Ltd 指紋認証ナビゲーション装置およびその動作方法
JP5477887B2 (ja) * 2008-12-22 2014-04-23 日本電気株式会社 指掌紋画像処理装置、指掌紋画像処理方法及び指掌紋画像処理プログラム

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002042136A (ja) * 2000-07-28 2002-02-08 Nec Corp 指紋識別方法及び装置
WO2004026139A1 (ja) * 2002-09-17 2004-04-01 Fujitsu Limited 生体情報取得装置および生体情報による認証装置
JP2005352623A (ja) * 2004-06-09 2005-12-22 Nec Soft Ltd パターン照合装置、画像品質検証方法及び画像品質検証プログラム
JP2007202912A (ja) * 2006-02-03 2007-08-16 Secom Co Ltd 縞模様を含む画像の照合装置

Also Published As

Publication number Publication date
EP2530644A1 (en) 2012-12-05
JPWO2011092827A1 (ja) 2013-05-30
EP2530644A4 (en) 2015-07-08
US20130004031A1 (en) 2013-01-03
WO2011092827A1 (ja) 2011-08-04
US9607204B2 (en) 2017-03-28

Similar Documents

Publication Publication Date Title
JP5482803B2 (ja) 生体情報処理装置、生体情報処理方法及び生体情報処理プログラム
JP5206218B2 (ja) 指紋画像取得装置、指紋認証装置、指紋画像取得方法及び指紋認証方法
EP2128817B1 (en) Image reading device, image reading program, and image reading method
US9087228B2 (en) Method and apparatus for authenticating biometric scanners
US8577091B2 (en) Method and apparatus for authenticating biometric scanners
JP4169185B2 (ja) 画像連結方法、プログラム及び装置
EP1339008B1 (en) Authentication method, and program and apparatus therefor
EP1306804B1 (en) Fingerprint identification method and apparatus
JP5699845B2 (ja) 生体情報処理装置、生体情報処理方法及び生体情報処理用コンピュータプログラム
JP4369922B2 (ja) 生体画像照合装置およびその照合方法
JP5304901B2 (ja) 生体情報処理装置、生体情報処理方法及び生体情報処理用コンピュータプログラム
WO2007029591A1 (ja) 画像処理装置、マスク作成方法及びプログラム
US20080101662A1 (en) Print matching method and apparatus using pseudo-ridges
JP5040835B2 (ja) 生体情報読取装置、生体情報読取方法および生体情報読取プログラム
JP5915336B2 (ja) 生体認証装置、生体認証方法及び生体認証用コンピュータプログラム
US20070292005A1 (en) Method and apparatus for adaptive hierarchical processing of print images
CN109844814B (zh) 信息处理方法和信息处理装置
EP3627380B1 (en) A method of verifying the acquisition of an individual&#39;s biometric data
Cho et al. A method for fingerprint enrollment by finger rubbing
Lorch et al. Fingerprint distortion measurement
Jahankhani et al. Analysis of Fingerprint Image to Verify a Person
Abed et al. Fingerprint image Pre-post processing Methods for minutiae extraction

Legal Events

Date Code Title Description
A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20130618

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20130819

TRDD Decision of grant or rejection written
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20140121

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20140203

R150 Certificate of patent or registration of utility model

Ref document number: 5482803

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150