JP5592040B1 - バイオメトリクスタイプのアクセス制御システムにおける不正の検出 - Google Patents

Abstract

本発明は、バイオメトリクス認証によるアクセス制御システムにおける不正を検出する方法であって、個人（Ｉ）によってアクセス制御システムに提示される顔の少なくとも２つの画像（Ｓ２）を、アクセス制御システムの前面における個人の少なくとも２つの位置又は個人に対する２つの撮影角度に従って撮影することステップと、これらの２つの画像を処理して、画像に現れる顔の平坦性を表すスコアを求めることステップと、この平坦性スコアの関数として、個人の側での任意の不正を検出することステップとを含む。この検出は、アクセス制御システムによる個人の識別処理の実施を条件付ける。また、本発明は、上記の方法を実施するアクセス制御システムにも関する。

Description

本発明は、包括的には、バイオメトリクス認証及びアクセス制御システムの分野に関する。

特に、本発明は、アクセス制御システム、特に顔画像に対する認識処理（顔認識）を用いるタイプのアクセス制御システムのプロセス及び不正検出システムを提案する。

現在、顔認識はアクセス制御システムによって用いられており、大半の場合、制御システムに提示される個人の画像を、データベース上又は個人が携帯するセキュア文書上においてフィーチャーされる個人の識別画像と比較する際に用いられる。

しかしながら、顔認識による現在のアクセス制御システムは、様々なタイプの不正によって失敗させられる。最も普及している不正は、「リーディングエッジ」として知られている。

個人の場合、このタイプの攻撃は、アクセス制御システムに対して、アクセス許可されている別の人物の顔又は顔の表現を提示することからなる。

これを行うために、個人は一般に２次元のサポートを提示する。多くの場合、サポートは自身の顔をマスクし、マスクには別の人物の顔の写真がプリントされている。

そのような媒体は、紙（単純なプリントされた写真）、布（良質のプリントを備えた布を纏う）、或いは、例えば個人が写真をアップロードするディジタルタブレット等のディジタル媒体である場合もある。

これらの場合、アクセス制御システムは、写真に基いて識別プロセスを実行し、そのプロセスにおいて不正を一切検出しない場合、個人のアクセスを許可する。

また、顔認識方法は、個人が不正を行おうとしていない場合であっても、エラーを生成するおそれがある。例えば、敷地に入ることを許可されているが良質の写真がプリントされている服を着ている個人は、その写真が識別のために撮影された場合、敷地へのアクセスを禁じられるおそれがある。

これらのエラーを修正してこのタイプの攻撃を検出する解決策が提案されている。

例えば、目の瞬きを検出することによって、実際の顔を写真と区別する解決策が知られている。そのような解決策は、例えば、「Eyeblink-based Anti-Spoofing in Face Recognition from a GenericWebcamera」（G. Pan、L. Sun、Z. Wu、S. Lao、iccv, pp. 1-8, 2007 IEEE 11th International Conference on Computer Vision, 2007）、及び「Real-time eye blink detection with GPU-based SIFT tracking」（Lalonde, M.、Byrns, D.、Gagnon, L.、Teasdale, N.、Laurendeau, D.、Canadian Conference on Computer and Robot Vision-CRV, pp. 481-487, 2007）に開示されている。

しかしながら、これらの解決策は常に有効であるわけではない。その理由は、幾つかの場合には、写真を所与の時間が経過する間に撮影しなければならないか、又は個人を所与の位置で撮影しなければならないためである。そのため、この方法において必要な目の瞬きが統計学的に保証されず、人々は写真撮影時に目の瞬きを避ける傾向を有するため、その傾向はますます強まる。

写真で撮影された顔からの放射輝度を測定することによる代替の方法が、「Masked fake face detection using radiance measurements」（Y. Kim、J. Na、S. Yoon、J. Yi、J. Opt. Soc. Am. A/Vol. 26, No. 4/April 2009）に提案されている。

しかしながら、この方法は不正の際に用いられる媒体の材料に依存するため、あまり信頼性が高くない。

最後に、画像のスペクトル解析による方法も、不正に用いられる写真が十分に良質なものである場合、不正の際に失敗するおそれがある。

したがって、本発明の目的の１つは、このタイプの不正を従来技術よりも確実に検出する解決策を提案することである。

本発明の別の目的は、個人によって提示される顔画像が顔のボリュームを模倣するように湾曲する「半平坦」タイプの不正に対しても、よりロバストな解決策を提案することである。

これに関して、本発明は、バイオメトリクス認証によるアクセス制御システムにおける不正を検出する方法であって、
− 個人によってアクセス制御システムに提示される顔の少なくとも２つの画像を、アクセス制御システムの前面における個人の少なくとも２つの位置又は個人に対する２つの撮影角度に従って撮影するステップと、
− これら２つの画像を処理して、画像に現れる顔の平坦性を表すスコアを求めるステップと、
− この平坦性スコアの関数として、個人の側での任意の不正を検出するステップであって、この検出はアクセス制御システムによる個人の識別処理の使用を条件付ける、ステップと
からなるステップを含む、バイオメトリクス認証によるアクセス制御システムにおける不正を検出する方法を提供する。

本発明によって提案される顔認識の方法は、以下の特徴のうちの少なくとも１つを含むこともできる。
− この方法は、個人の顔の少なくとも部分の深度マップを画像から求め、この深度マップを処理して、そこから平坦性スコアを推測することからなってもよい。
− この場合、この方法は、深度マップが個人の顔の画像の撮影角度に依存しないようにする、深度マップの正規化ステップも含む。
− この方法は、個人の顔の深度マップの正中面を推定し、この正中面に対する深度マップの点の分散を計算することからなり、分散は平坦性スコアを形成する。
− 深度マップの分散の推定による方法は、個人の鼻を中心とするブロックに対して行われる。
− この方法は、顔の幾つかの部分の深度マップの分散の計算によって得られる複数の平坦性スコアから、１つの平坦性スコアを求めることからなる。
− 個人の顔の平坦性スコアは、
− 顔の平坦性の評価に用いられる２つの画像において、個人の顔の対象点を検出するステップと、
− ２つの画像に共通する顔の対象点の数から、平坦性スコアを求めるステップと
を行うことによって計算される。
− 平坦性スコアは、特に、２つの画像に共通する対象点の数を、以下のグループ群：２つの画像内の対象点の平均数、２つの画像間の対象点の最小数又は最大数、から選択される数で割ることによって計算される。
− 個人の顔の平坦性スコアは、
− 顔の平坦性の評価に用いられる、２つの画像における個人の顔の対象点を検出するステップと、
− 検出された対象点から変換パラメータを求めるステップと、
− 変換を２つの画像のうちの一方に適用するステップと、
− ２つの画像における対象点を求めるステップと、
− ２つの画像における対象点の対応付けを行うステップと、
− 対象点の間の差異の測定値から、顔の平坦性スコアを求めるステップと
からなるステップを行うことによって評価される。
− ２つの画像のうちの一方で行われる変換は、アフィン変換であるか、又は２次変換である。
− 平坦性スコアを求めることは、本明細書において上述した代替形態を実行することによって得られる平坦性スコアのうちの少なくとも１つに基いて行われる。

また、本発明は、不正検出の方法を用いるように構成される、バイオメトリクス認証によるアクセス制御システムであって、
− １つ又は複数の取得システムであって、個人によって提示される顔の少なくとも２つの画像を、当該取得システム（１２）に対する個人の少なくとも２つの位置又は角度に従ってキャプチャするように構成される、１つ又は複数の取得システムと、
− 取得システムから画像が送信される計算プラットフォームであって、これら２つの画像を処理して当該画像に現れる顔の平坦性を表すスコアを求めるように構成される、計算プラットフォームと
を備え、
− この評価から、個人の側での任意の不正を検出し、この検出は個人の顔のバイオメトリクス解析による個人の識別を条件付ける、バイオメトリクス認証によるアクセス制御システムにも関する。

本発明の他の特徴、目的、及び利点が、非限定的な例として与えられる添付図に関して、以下の詳細な説明から明らかになるであろう。

不正検出の方法を実行することができるアクセス制御システムの一例の図である。 バイオメトリクス認証によるアクセス制御システムを概略的に示す図である。 不正検出方法の基本原理のステップを示す図である。 不正検出方法において行われる顔の平坦性の評価ステップの様々な実施形態のうちの１つを示す図である。 不正検出方法において行われる顔の平坦性の評価ステップの様々な実施形態のうちの１つを示す図である。 不正検出方法において行われる顔の平坦性の評価ステップの様々な実施形態のうちの１つを示す図である。 不正検出方法において行われる顔の平坦性の評価ステップの様々な実施形態のうちの１つを示す図である。

図１と図２は、アクセス制御システムを表している。アクセス制御システムは、アクセスが制御される任意の場所への入口、特に、許可を有する幾人かの人々のみが入ることができる任意の場所への入口に配置することができる。したがって、この場所にアクセスしたい人々は、例えば顔認識又は他のバイオメトリクス基準（虹彩、ディジタルプリント等）の認識による識別を受けなければならない。

図示の事例では、システムは、例えばセキュアゾーンへのアクセスを可能にするドア１１を開く制御を行う。システムは、取得システム１２を備えている。取得システム１２は、この場合、４台のカメラ１２Ａ〜１２Ｄを備えている。カメラは、異なる位置及び異なる角度に従って、システムの前に立っている個人の画像Ｓ２を取得する。同期モジュール１５は、カメラ１２Ａ〜１２Ｄに対して、画像の取得を同時に開始する同期信号Ｓ１を送信する。

また、アクセス制御システムは、画像Ｓ２が送信される計算プラットフォーム１３も備えている。このプラットフォームは、任意の不正を検出するためにこれらの画像に処理を施す。また、アクセス制御システムは、データベース１４も備えている。このデータベースは、制御システムを通過することが許可されている個人の顔画像（画像Ｓ３）を記憶しており、これらの画像を取得された画像と比較し、この比較から個人の識別を行う。

・不正の検出
個人Ｉがアクセス制御システムの近傍にいる場合、１つ又は複数の取得システム１２は、取得ステップ１００において、個人によって提示される顔の少なくとも２つの画像をキャプチャする。

次に、取得された画像Ｓ２は、送信ステップ２００において、取得システム１２から計算プラットフォーム１３に送信される。画像Ｓ２は、好ましくはディジタルフォーマットで取得され、有線か否かを問わず従来の接続によって転送されることが好ましい。

次に、計算プラットフォーム１３は、必要な場合には、好ましいフォーマットに従う画像の符号化若しくは圧縮、又は更には２つ以上の画像の選択等の処理動作２１０を行う。

次に、２つのステップ３００と４００において、計算プラットフォーム１３は、受信されて選択された画像のうちの少なくとも２つに対して、不正検出処理を実行する。この処理の基本原理は、画像に現れる顔の平坦性を評価し、この顔にボリュームがなく、平坦若しくは半平坦（例えば、それ自体が湾曲したシートの場合）である際に、不正があるか否かを検討することからなる。実際には、個人Ｉがカメラに対して別の顔を表す２次元の画像サポートを提示する場合、このようにして検出される顔の平坦性は、３次元の顔の平坦性よりも大きい。これは、平坦なサポートに示される顔（フラット攻撃）と真の顔との区別に役立つ。

このようにして、プラットフォーム１３は、平坦性スコアを計算し（ステップ３００）、結果として得られる平坦性スコアを予め設定される閾値スコアと比較する（ステップ４００）。平坦性スコアを計算する種々の可能な方法は、図４ａ〜図４ｄを参照して本明細書全体を通して説明される。したがって、閾値スコアは、好ましい不正検出の成功率に応じて調整することができる。

ステップ３００と４００が完了すると、計算プラットフォーム１３は、不正が検出されない場合には、個人Ｉの識別に鑑みて処理を行う（ステップ５００）。このために、プラットフォームは、取得された画像のうちの少なくとも１つと、データベースに提示される画像Ｓ３のセットとを突き合わせる。代替的には、アクセス制御システムは、カメラ１２Ａ〜１２Ｄによって取得された画像と、個人によって提示される識別文書の画像とを突き合わせてもよい。

勿論、画像についての多くの比較処理及び識別処理が可能である。例示的な実施形態では、例えば以下の公開物を参照することができる。
− 「Face recognition: <<Features versus Templates>>」（R. Brunelli、T. Poggio、IEEE Transactions on Pattern analysis and feature intelligence, Vol. 15, No. 10, October 1993）
− 「Pose-Robust Recognition of Low-Resolution Face Images」（Soma Biswas、Gaurav Aggarwal、Patrick J. Flynn、Department of Computer Science and Engineering, University of Notre Dame, Notre Dame, CVPR 2011）
− 「A Deformation and Lighting-Insensitive Metric for Face Recognition Based on Dense Correspondences」（Anne Jorstad、David Jacobs、Alan Trouve、CVPR 2011）

次に、計算プラットフォーム１３は、ドアの制御ステップ６００において、識別された個人Ｉが進入を許可されている人物に対応する場合には、ドアを開く命令Ｓ４を送信し、進入を許可されていない人物に対応する場合には、ドアを遮断する命令Ｓ４を送信する。個人Ｉが進入を許可されている人物に対応しない場合、計算プラットフォーム１３は、識別ステップを繰り返してもよいし（図３において破線の矢印で示されている）、又はアラーム信号をトリガしてもよい。

しかしながら、計算プラットフォーム１３が不正を検出した場合には、計算プラットフォーム１３は、ステップ６００において、遮断命令をドア１１に直接送信する。

また、計算プラットフォーム１３は、アラーム信号をトリガしてもよいし（破線の矢印で示されている）、又は、再度、不正の検出のために顔の平坦性を評価するステップ３００に進んでもよい。

任意選択的に、画像Ｓ２の符号化と選択のステップ２１０／２１２は、画像送信ステップ２００に先立って（代替は図には示されていない）、１つ又は複数の取得システムによって行うこともできる。

平坦性スコアを計算するための考えられる様々な例について、これより説明する。

・ボリュームの分散の計算による方法
図４ａを参照すると、平坦性を計算する第１の方法Ｍ１は、取得システム１２によって撮影されて計算プラットフォーム１３に送信された画像Ｓ２から、個人によって提示された顔の画像を選択することからなる第１のステップ３０１を行う。これらの画像は、センチメートル又は半センチメートル程度の最小解像度を有していなければならない。また、これらの画像は、個人Ｉの左側と右側にそれぞれ配置された２つの取得システム１２によって同じ瞬間に撮影されることが好ましい。しかしながら、取得システム１２は、視線軸に対して０度〜９０度の角度で個人Ｉの顔の取得を行うことが好ましい。

次に、計算プラットフォーム１３は、ステップ３０２において、不正検出が進められるものとして選択された画像の予備処理を実行する。この処理は、選択された画像から顔を抽出し、必要な場合には顔の一部分を分離することからなり、次に平坦性が評価される。

例えば、鼻、口、又は目の領域等の分離されるべき部分は、セマンティックに定義することができる。顔の幾つかの部分を分離するアルゴリズムは、以下の文献に記載されている。
− 「3D Probabilistic Feature Point Model for Object Detection and Recognition」（Sami Romdhani、Thomas Vetter 、University of Basel, Computer Science Department, Bernoullistrasse 16, CH-4056 Basel, Switzerland）
− 「Multiple Kernel Learning SVM and Statistical Validation for Facial Landmark Detection」（Vincent RAPP、Thibaud SENECHAL、Kevin BAILLY、Lionel PREVOST）

選択ステップと処理ステップは逆にすることもできる。その場合、計算プラットフォームは、処理される顔のペアを選択するのに先立って、画像Ｓ２から顔を抽出し、任意選択的には、平坦性が測定される顔の部分を抽出する。

画像が選択されると、プラットフォーム１３は、ステップ３０３において、選択された顔の部分の深度マップを計算する。

これは、幅が鼻を中心として両耳の間に延びる顔の部分であり、その高さの１／３は鼻よりも高く配置され、残りの２／３は個人の鼻の下に配置されることが好ましい。

実際には、そのゾーンは一般に最も低い平坦性を示す顔のゾーンである。すなわち、そのゾーンは密度及び絶対値において最も大きな起伏を示す顔のゾーンである。

代替的には、顔の部分は、個人Ｉの鼻を中心とするブロックとすることもできる。

顔の部分の深度マップを作成するために、計算プラットフォーム１３は、３次元での任意の既知の再構築方法に従って、立体視から問題となっている顔の部分を再生成する。

例えば、計算プラットフォーム１３は、２つの画像に共通する点を対応付け、この対応付けから、２つの対応する点の間の差異を測定するメトリックを導入する。この差異は、検討中の顔の部分のボリュームを表す。

対応付けのための幾つかの方法を用いることができる。第１の「中空」対応付け方法によれば、画像の幾つかの点のみが選択されて対応付けられる。この方法により、計算プラットフォーム１３は、例えば以下のアルゴリズムを利用することができる。
− 例えば勾配又は色の情報に基づく、２つの画像における対象点の自動検索、
− 各対象点に関連付けられる記述子の計算、
− メトリックＭ（ｘ，ｙ）のセットアップ、及び記述子（ｄ（ｉ），ｄ（ｊ））が良好なスコアＭ（ｄ（ｉ），ｄ（ｊ））、例えば学習ベースから統計学的に定義される所定の閾値よりも大きいスコアを示す２つの画像間の点の対（ｉ，ｊ）の検索。第１の画像の点は、第２の画像の最大の点のみに関連付けることができる。しかしながら、第１の画像の点は、第２の画像にスコアＭ（ｄ（ｉ），ｄ（ｊ））となる点がない場合には、対に属することができない。
− これらのスコアの計算が点の間の距離を表し、深度マップのボリュームの推定を生成するように、メトリックが求められる。

代替的には、計算プラットフォームは、例えば、以下のアルゴリズムを用いることによって、密に対応付ける方法を利用することもできる。
− 第１の画像の座標（ｘ１，ｙ１）の各点ｉに、第２の画像内の座標（ｘ２，ｙ２）の点ｊが関連付けられる。
− 次に、各点の対（ｉ，ｊ）について、距離（例えば、ユークリッド距離）を求めることによって、深度マップが計算される。

また、３次元での再構築方法についての更なる詳細については、刊行物「Multi-View Stereo Reconstruction and Scene Flow, Estimation with a Global Image-Based Matching Score」（Pons、Keriven、Faugeras、Kluwer Academic Publishers, 2005）を参照することができる。

次に、続くステップ３０４において、計算プラットフォーム１３は、深度マップが取得システム１２に対する画像上の個人の顔の角度から独立するように、深度マップを正規化する。しかしながら、このステップは任意選択的である。

最後に、ステップ３０５において、計算プラットフォームは、顔の正中面に対する顔のボリュームの分散を計算することによって、分析される顔の部分の平坦性を表すスコアＰ１をセットアップする。これを行うために、３次元空間で表される深度マップの正中面が求められ、この正中面に対する３次元での距離を測定することによって、マップの各点の分散が計算される。平坦性スコアＰ１は、計算された分散である。

・ボリュームの対の変形
顔認識の第２の方法Ｍ２は、そのステップが図４ｂに示さており、これは第１のＭ１の主要ステップの繰り返しである。

第２の方法は、
− まず、個人の完全な顔又は個人の顔の部分、例えば、幅が鼻を中心として両耳間に延び、その高さの１／３は鼻よりも上に配置され、残りの高さ２／３は個人の鼻の下に配置される顔の部分に対して、方法Ｍ１のステップ３０１〜３０５を適用し、第１のスコアＰ１を取得することと、
− また、顔の部分を中心とするブロック、例えば人物の鼻に対して、方法Ｍ１のステップ３０１’〜３０５’を適用し、第２のスコアＰ２を取得することと
からなる。特に、画像内の顔を選択するステップ３０１’は、ステップ３０１と同じ画像Ｓ２で行われ、また、上述した方法に従って人物の鼻を中心とするブロックを分離することからなる。

最後に、ステップ３０６において、スコアＰ１とＰ２からスコアＰ３が求められる。例えば、スコアＰ３は、Ｐ３＝Ｐ１＋λＰ２のタイプのＰ１とＰ２との線形結合とすることができる。スコアＰ３は、スコアＰ１によって与えられる顔のボリュームと全体的な平坦性の両方を考慮に入れるとともに、スコアＰ２によって与えられる鼻の付加的なボリュームと突出度も考慮に入れる。

また、この方法は、顔の幾つかの部分を分離し、これらの部分のスコアＰ２’、Ｐ２’’、Ｐ２’’’等をそれぞれ計算することによって、用いることもできる。

この場合、ステップ３０６において求められるスコアＰ３は、スコアＰ１、Ｐ２’、Ｐ２’’、Ｐ２’’’から、例えばこれらのスコアの線形結合Ｐ３＝κＰ１＋λＰ２’＋μＰ２’’＋νＰ２’’’によって計算される。

係数κ、λ、μ、ｖ自体は、スコアの使用に結び助けられる結果を最適化するように、学習ベースにおいて行われるテスト中に予め求められる。

この第２の方法Ｍ２は、「半平坦」攻撃に打ち克つために特に適切である。

実際には、「半平坦」攻撃の場合、人物は、写真から定められるボリュームが顔のボリュームと同様のボリュームを示すことができるように、自身の顔に湾曲した写真を携帯する可能性がある。

しかし、写真を湾曲させることによっては、人物の鼻のボリュームをコピーすることはできない。その理由は、鼻が常に顔の残りの部分からの突出を形成するためである。平坦性のこの評価方法は、顔の平坦性に加えて、人物の鼻によって表されるボリュームの全体的な評価を含み、それゆえ、平坦攻撃及び半平坦攻撃の両方に耐える。

・対象点の比較による方法
図４ｃは、顔の平坦性の第３の評価方法Ｍ３を示している。

この方法Ｍ３では、個人Ｉの顔の左右それぞれで同時に撮影されることが好ましい２枚の写真を用いる必要がある。代替的には、アクセス制御システムがセキュアな建物の入口におけるエアロック内にあり、そこを個人Ｉが通過する場合には、同じ取得システムが２つの画像を２つの異なる瞬間に撮影してもよく、その場合、２つの画像間における個人の距離及び取得システムの撮影角度は異なる。

第１のステップ３１１において、２つの画像Ｓ２が転送された計算プラットフォーム１３は、処理が実行される画像を選択し、これらの画像から個人の顔を抽出する。このステップは、上述したステップ３０１と同様である。

次に、計算プラットフォーム１３は、ステップ３１２において、各画像について、通常は画像上のロバストな記述子によって、顔の対象点を求める。

例えば、対象点は、スケール不変特徴変換（ＳＩＦＴ：scale-invariant feature transform）のタイプの記述子、すなわち、スケール及び画像に対して不変の記述子によって計算することにより求められる。対象点を検出する他の方法は、刊行物「3D Probabilistic Feature Point Model for Object Detection and Recognition」（Sami Romdhani、Thomas Vetter）に記載されている。

スケールに対して不変の記述子により、対応する対象点を２つの異なる画像において見つけることができる。

それでもなお、画像が個人Ｉの左右のそれぞれで撮影される場合、顔の起伏によって、幾つかの対象点は２つの画像のうちの一方でのみ可視である。これは、撮影角度に応じて、目、口等の幾つかの部分、又はホクロ等の皮膚の何らかの特徴点に関して当てはまる。

しかしながら、個人が写真を携帯している場合、たとえ写真が湾曲していても、起伏は写真に示される顔の対象点をマスクしない。

この現象を非正面画像に対して用いて、画像が撮影された顔の平坦性を評価する。比較ステップ３１３において、２つの画像が比較され、２つの画像で共通する対象点と、２つの画像のうちの一方にのみ見られる対象点とが求められる。このステップのために、計算プラットフォームは、上述した密な対応付けアルゴリズム又は中空アルゴリズムのうちの一方又は他方を実行することができる。

次に、ステップ３１４において、計算プラットフォーム１２は、共通する対象点の数から、画像上にフィーチャーされる顔の平坦性を表すスコアＰ４を求める。

このスコアＰ４は、２つの画像に共通する対象点の数を、２つの画像間の対象点の最小数、最大数、又は平均数とすることができる数で割ることによって計算される。

画像にフィーチャーされる顔に突出が少ないほど、スコアＰ４は大きくなる。したがって、既知のデータベースからの画像に対してこの方法を十分な回数繰り返すことで閾値を形成するスコアＰ４が求められ、この閾値を超える場合、不正は確実に検出される。

・画像の変換及び重畳による方法
図４ｄは、不正の検出のために顔の平坦性を評価する第４の方法Ｍ４を示している。

この方法Ｍ４を実行するためには、個人の顔に対して正面から撮影されるか又は対称な角度で個人の顔の左右のそれぞれから撮影された画像Ｓ２が用いられることが好ましい。

第１のステップ３２１において、プラットフォーム１３は、ステップ２０１と同様に、取得システム１２によって送信された画像Ｓ２上の顔を選択する。

次に、ステップ３２２において、プラットフォーム１３は、上述したステップ３１２と同様に、２つの画像において対象点を求める。

次に、計算プラットフォーム１３は、ステップ３１３と同様のステップ３２３において、識別された対象点を対応付けする。また、ステップ３２４において、例えばアフィンタイプ又は２次タイプの変換が実行されるのに先立って、２つの画像Ｓ２のうちの一方において、ステップ３２３で対応付けられた点の対から従来の線形代数の方法によってパラメータが求められる。

撮影角度の差によって生成される画像間の差異を相殺するパラメータが計算される。この場合、変換された画像は、３次元のボリュームの比較画像よりも、平坦な比較画像のほうにより近くなる。その理由は、２つの画像でフューチャーされる情報が３次元のボリュームの場合では異なるためである。

続くステップ３２５において、計算プラットフォーム１２は、２つの画像において対象点を求める。２つの画像のうちの一方は、上述したステップ３２２と同じ方法に従って事前に変換されている。

最後に、続くステップ３２６において、プラットフォームは、２つの画像の対象点を対応付けし、ステップ３２７において、これらの対象点間の差異の測定値を求める。

この測定値は、平坦性スコアＰ５を表す。

実際には、平坦画像の場合、変換後に２つの画像が一致し、対象点間の差異はボリュームに由来する画像の差異よりもはるかに大きく低減される。

最後に、様々な方法を実施して各スコアを取得し、これらのスコアから最終的な平坦性スコアＰ６を推測することも可能である。このスコアは平坦性スコアＰ１〜Ｐ５の線形結合又は平均とすることができ、最終的な結果をよりロバストにする。

Claims (4)

1. バイオメトリクス認証によるアクセス制御システムにおける不正を検出する方法であって、
   − 個人（Ｉ）によって前記アクセス制御システムに提示される顔の少なくとも２つの画像（Ｓ２）を、前記アクセス制御システムの前面における前記個
   人の少なくとも２つの位置又は前記個人に対する２つの撮影角度に従って撮影するステップと、
   − 前記画像から顔を抽出するステップと、
   − これら２つの画像を処理して、前記画像に現れる前記顔の平坦性を表すスコアを求めるステップと、
   − この平坦性スコアの関数として、前記個人の側での任意の不正を検出するステップであって、該検出は前記アクセス制御システムによる前記個人の識別処理の使用を条件付ける、ステップと
   を含み、
   前記顔の平坦性を表すスコアを求めるステップは、
   − 前記個人（Ｉ）の顔の深度マップを作成し、該マップの正中面を推定し、該マップのその正中面に対する点の分散を計算するステップと、
   − 前記画像から前記個人の鼻を中心とする顔のブロックを分離し、該ブロックの深度マップ作成し、該マップの正中面を推定し、該マップのその正中面に対する点の分散を計算するステップと、
   − 各深度マップのそれぞれの正中面に対する点の分散の線形結合から、顔の平坦性スコアを取得するステップと
   を含むことを特徴とする、バイオメトリクス認証によるアクセス制御システムにおける不正を検出する方法。
2. 前記深度マップを正規化して、該深度マップが前記個人（Ｉ）の顔の画像の撮影角度に依存しないようにする、前記深度マップの正規化ステップを更に含む、請求項１に記載の方法。
3. バイオメトリクス認証によるアクセス制御システムであって、
   − １つ又は複数の取得システム（１２）であって、個人（Ｉ）によって提示される顔の少なくとも２つの画像を、該取得システム（１２）に対する前記個人の少なくとも２つの位置又は角度に従ってキャプチャするように構成される、１つ又は複数の取得システムと、
   − 前記取得システム（１２）から画像（Ｓ２）が送信される計算プラットフォーム（１３）であって、これら２つの画像を処理して該画像に現れる前記顔の平坦性を表すスコアを求めるように構成され、
   ・前記画像から前記個人の鼻を中心とする顔のブロックを分離し、
   ・前記個人（Ｉ）の顔の深度マップ及び前記個人の鼻を中心とするブロックの深度マップを作成し、
   ・各マップについてそれぞれの正中面を推定し、
   ・各マップのそれぞれの正中面に対する点の分散を計算し、
   ・各深度マップのそれぞれの正中面に対する点の分散の線形結合から、顔の平坦性スコアを取得する、
   計算プラットフォーム（１３）と
   を備え、
   − 前記顔の平坦性を表すスコアから、前記個人の側での任意の不正を検出し、該検出は前記個人の顔のバイオメトリクス解析による前記個人の識別を条件付ける、バイオメトリクス認証を介するアクセス制御システム。
4. 請求項３に記載のアクセス制御システムであって、該システムは規制されるアクセスドア（１１）の上流に配置され、前記計算プラットフォーム（１３）は、前記ドアを開くことを制御するように構成され、不正検出及び前記個人の識別は、前記ドア（１１）を開くことを条件付ける、アクセス制御システム。

Images