JP5698418B2 - 虹彩認識による識別 - Google Patents

Description

本発明は、包括的には生体認証の分野に関し、特に虹彩認識により個人を識別する分野に関する。

虹彩認識による識別方法は既に知られており、その方法は、識別しようとする個人の虹彩の画像と、データベース内またはセキュアな識別文書上に記憶された１つまたは複数の既知の虹彩の画像とをキャプチャすることから成る。

具体的には、ジョン・ドーグマン（Ｊｏｈｎ Ｄａｕｇｍａｎ）は、米国特許第５，２９１，５６０号に記載の虹彩認識方法を開発している。この方法は、
− 比較対象の虹彩画像を、そのビットが虹彩の識別される領域に対応するバイナリコードに符号化するステップと、
− これらのバイナリコードにマスクを適用して、虹彩の非可視領域（例えば瞼によって隠れる領域）に対応するビットを消去するステップと、
− 虹彩画像に関する２つのバイナリコードを比較し、２つのバイナリ虹彩コード間のコヒーレントビットを識別するバイナリコードをそこから推論するステップと、
− このコードからハミング距離、すなわち比較されるバイナリ虹彩コード間の非コヒーレントビットの数を計算するステップと
から成るステップを含む。

最小のハミング距離を生成する虹彩画像のバイナリコードの対が多いほど、それらのバイナリコードの抽出元の２つの画像が同じ虹彩に由来する可能性が高くなる。

この方法は専門家にとっては古典的であり、後に続くものの多くは、これらのバイナリコードに対して行われる処理が可能な限り適切になるように虹彩画像を符号化する方法を改善することを目的としている。多数のバイナリ虹彩コードを比較して、そこから検査対象の虹彩をもつ人物のアイデンティティを推論する方法を改善することを目的とするものはほとんど存在しない。

それでもなお、ハミング距離を用いるドーグマンの方法は、２つの異なる画像が同じ虹彩に由来すると間違って判断する陽性エラーと、同じ虹彩の２つの画像が２つの異なる虹彩に由来すると間違って判断する陰性エラーとを常に犯すことは明らかである。

結果として、本発明の目的の１つは、従来技術によって得られる陽性エラーおよび陰性エラーの両方の率を下げることである。具体的には、本発明の１つの目的は、所与の陽性エラー率における陰性エラー率を下げることである。

本発明は、虹彩認識による識別の代替的方法を提案し、虹彩画像を表す２つのバイナリコード間のコヒーレントビットの局所密度を活用する。

上記の目的のために、本発明は、識別対象の眼の虹彩の生体認証データに基づく識別方法であって、
− 識別対象の虹彩の画像および第２の虹彩画像を符号化して、比較される画像を表すバイナリコードを取得するステップであって、バイナリコードの隣接ビットは対応する画像上の虹彩の隣接領域に対応する、ステップと、
− 識別対象の虹彩の画像のバイナリコードおよび第２の虹彩画像の第２のバイナリコードからバイナリ類似コードを求めるステップと、
− 比較される２つの虹彩画像間の類似の局所密度およびバイナリ類似コードに応じて信頼スコアを求めるステップであって、類似の局所密度はそれ自体がバイナリ類似コードに応じて求められる、ステップと、
− ２つの虹彩画像が同じ虹彩に由来するかどうかを信頼スコアの値に応じて判定するステップと
から成るステップを含む方法を提案する。

本発明が提案する識別方法は、以下の特性の少なくとも１つを含むことができる。
− バイナリ類似コードは、虹彩画像を表す２つのバイナリコード間に、演算子「排他的論理和」を適用することによって得られるコヒーレンスマップである。
− 使用されるバイナリ類似コードは、画像上で目に見える虹彩の領域に対応するコヒーレンスマップのビットだけを考慮に入れる。
− 信頼スコアを求めるために、バイナリ類似コードのビットごとに、着目するビット付近の虹彩画像の２つのバイナリコード間のコヒーレントビットの局所密度の測定値が計算される。
− 信頼スコアは、２つの虹彩画像間でビットがコヒーレントの場合は正数で重み付けされ、２つの虹彩画像間でビットが非コヒーレントの場合は負数で重み付けされる局所密度の値を、類似コードのビットごとに加算することによって計算される。
− この方法は、信頼スコアを局所密度の和で割ることにより、取得された信頼スコアを正規化するステップを含む。
− この方法は、識別対象の虹彩の画像のコードとデータベースからのＮ個の虹彩画像のコードとの間で先のステップを反復するステップと、虹彩画像のコードの対ごとに取得される信頼スコアから、画像の由来に関して下された判定の成功率を求めるステップとから成る。
− この方法は、識別対象の虹彩の画像のコードとデータベースの虹彩画像のコードとの間で先のステップを適用し、取得された信頼スコアから識別対象の虹彩に由来するデータベースの虹彩画像を突き止めるステップを含む。
− 取得された信頼スコアは、識別対象の虹彩に由来する虹彩画像を突き止めるための閾値と比較することもできる。
− この方法は、
− 識別対象の虹彩画像とデータベースのＮ個の虹彩画像のそれぞれとの間のバイナリ類似コードを求めるステップと、
− 類似バイナリコードごとに、比較される２つの画像間のハミング距離を計算するステップと、
− Ｎ個の画像のデータベースから、識別対象の虹彩の画像との間で最小のハミング距離を有するＮ’個の画像の第２のデータベースを選択するステップと、
− Ｎ’個の虹彩画像を含むデータベース上で、先に記載した方法を実行するステップと
から成る。

一実施形態では、本発明は個人の識別システムであって、
− 人間の虹彩の少なくとも１つの画像をキャプチャするように適合される、少なくとも１つの取得システムと、
− 取得システムによって取得される画像および第１の画像と比較される少なくとも１つの第２の画像を受信する、計算プラットフォームと
を含み、計算プラットフォームは、
− 識別対象の虹彩の画像および第２の虹彩画像を符号化して、比較される画像を表すバイナリコードを取得し、バイナリコードの隣接ビットは対応する画像上の虹彩の隣接領域に対応し、
− 識別対象の虹彩の画像のバイナリコードおよび第２の虹彩画像の第２のバイナリコードからバイナリ類似コードを求め、
− 比較される２つの虹彩画像間の類似の局所密度およびバイナリ類似コードに応じて信頼スコアを求め、類似の局所密度はそれ自体がバイナリ類似コードに応じて求められ、
− ２つの虹彩画像が同じ虹彩に由来するかどうかを信頼スコアの値に応じて判定する
ように適合される、システムにも関する。

本発明の他の特性、目的、および利点が、非限定的な例として与えられる添付図面に関連する以下の詳細な説明から明らかになる。

虹彩認識の実施状況の一例を示す図である。 本発明が提案する識別方法の主要ステップを示す図である。 バイナリ虹彩コードと虹彩画像との間の等価性を概略的に示す図である。

上記に記載した従来技術の方法は、虹彩画像のバイナリコード間の非コヒーレントビットの画像上における位置を考慮に入れていない。

さらに、画像によっては虹彩の領域上に反射または異物を含む場合があり、それらの領域のビットは、同じ虹彩に由来するにもかかわらず、別の画像上の対応するビットと数多くの違いを示し得る。

その結果、コヒーレントビット（個々のコヒーレントビット）が画像全体にわたって分散するのではなく幾つかの領域内に集中する場合に、バイナリコードの対が同じ虹彩に由来する確率がより高い。本発明が提案する方法は、この要素を考慮し、バイナリコードの対の間のコヒーレントビットの局所密度を活用して虹彩を識別する。

図１を参照すると、この図面は本発明の使用状況を表している。

人物Ｐは、例えばセキュリティ保護された敷地に入る権限を与えられるのに先立って、識別されなければならない。識別は、人物Ｐの虹彩Ｉを認識することに基づく。

これを行うために、カメラまたは写真機などの取得システム１１が人物Ｐの虹彩Ｉの画像Ｐ１を撮影する。カメラまたは写真機によって撮影される画像は、虹彩認識を実行するのに利用できるように十分な解像度を有していなければならない。例えば、十分な解像度とは、画像Ｐ１内の虹彩径内の画素が少なくとも８０画素程度である。画像および取得システムについての他の条件は、専門家に知られている。

画像Ｐ１は、計算プラットフォーム１２に送信されて処理される。具体的には、計算プラットフォーム１２は、画像Ｐ１を、データベース１３の画像のセットに由来する、または人物のセキュアな識別文書上に特徴付けられる人物の虹彩（取得システム１１によってそこから画像が撮影されるのと同じ虹彩）の画像に由来する、別の画像Ｐ２と比較する。後者の場合、この画像は任意の公知の取得システム１１（例えばカメラ、スキャナ、写真機等）によってスキャンまたは収集することができ、計算プラットフォーム１２に送信される。

本発明による識別方法を実行して人物のアイデンティティを判定するのは、計算プラットフォーム１２である。

次に、その主要ステップが図２に示されている本発明による識別方法について、説明する。

ａ０．虹彩画像の符号化
人物Ｐから直接取得された画像Ｐ１を計算プラットフォーム１２が受信すると、計算プラットフォーム１２は、符号化アルゴリズムを起動し、画像Ｐ１を表すバイナリコードＴ１＿ｃｏｄｅを取得する。

図３に概略的に示されるように、バイナリコードＴ１＿ｃｏｄｅの各ビットは人物Ｐの虹彩Ｉの或る領域に対応し、隣接するコードのビットはこの領域に隣接する領域に対応する。

また、各ビットの値は虹彩の小領域の記述に対応し、例えば当該領域に対してガボールフィルタまたは離散コサイン変換を適用することによって取得することができる。

符号化それ自体は専門家に知られている技術であり、従ってここでは更に詳しくは説明しない。例えばドーグマンによる論文「How Iris Recognition Works」（IEEE Transactions on Circuits and Systems for Video Technology, Vol. 14, No 1, January 2004）を参照されたい。

第１の虹彩画像Ｐ１と比較される第２の虹彩画像Ｐ２は、データベース１３から抽出することもできるし、取得システム１１によって計算プラットフォーム１２に送信することもできる。

第２の虹彩画像Ｐ２を後者の方法によって受信する場合、計算プラットフォーム１２は、第１の画像Ｐ１に対するものと同じ符号化に従って第２の虹彩画像Ｐ２を符号化し、第２の虹彩画像Ｐ２を表すバイナリコードＴ２＿ｃｏｄｅを取得することができる。或いは、第２の虹彩画像Ｐ２は、データベース１３内または識別文書内にバイナリコードＴ２＿ｃｏｄｅ形式で記憶され、必要に応じて取得システム１１によってこの形式で送信することもできる。

ａ．バイナリ類似コードの確立
計算プラットフォーム１２が、比較される虹彩画像Ｐ１およびＰ２を表す２つのバイナリコードＴ１＿ｃｏｄｅおよびＴ２＿ｃｏｄｅを取得すると、計算プラットフォーム１２は、バイナリコードを比較してそこから２つのコード間のバイナリ類似コードＳｉｍを推論するアルゴリズムを実行する。

このコードＳｉｍは、２つのバイナリ虹彩コード画像間でバイナリ演算「排他的論理和」（ＸＯＲ）を行うことによって取得されるコヒーレンスマップＤｉｆｆから計算される。すなわち、２つのコードＴ１＿ｃｏｄｅおよびＴ２＿ｃｏｄｅ内の対応する２つのビットが同じ値を有する場合、コヒーレンスマップＤｉｆｆ上の対応するビットは０である。換言すれば、コヒーレンスマップＤｉｆｆの１は、虹彩画像のバイナリコードの対応するビット間の差異に対応する。

形式的に、これは次式のように計算される：
Ｄｉｆｆ＝Ｔ１＿ｃｏｄｅ ＸＯＲ Ｔ２＿ｃｏｄｅ

ａ’．虹彩の非可視領域のマスクの計算
このコヒーレンスマップＤｉｆｆは、類似コードＳｉｍとして直接使用することができる。或いは、画像Ｐ１およびＰ２の一方または他方の上の目に見えない虹彩領域に対応する全てのビットを、このカルテＤｉｆｆから抽出することもできる。ほとんどの場合、これらの領域は、瞼によって隠れる領域に対応する。

この目的のために、計算プラットフォーム１２は、ステップａ’１において、画像Ｐ１およびＰ２からそれぞれのマスクＴ１＿ＭａｓｋおよびＴ２＿ｍａｓｋを抽出することができる。図３に概略的に示されるように、マスクＴ１＿ＭａｓｋおよびＴ２＿ｍａｓｋの１のビットは、それぞれの画像Ｐ１およびＰ２上における目に見える虹彩領域に対応する。

これらのマスクＴ１＿ＭａｓｋおよびＴ２＿Ｍａｓｋから、計算プラットフォーム１２は、ステップａ’２において、マスキングバイナリコードＭａｓｋを求める。マスキングバイナリコードＭａｓｋの１のビットは、画像Ｐ１とＰ２上の２つの虹彩の可視領域の共通部分、すなわちマスクＴ１＿ＭａｓｋとＴ２＿Ｍａｓｋの共通部分に対応する。

形式的に、これは次式のように計算される：
Ｍａｓｋ＝Ｔ１＿Ｍａｓｋ ＡＮＤ Ｔ２＿Ｍａｓｋ

こうすることによって初めて、バイナリコードＴ１＿ｃｏｄｅとＴ２＿ｃｏｄｅとの間のコヒーレントビット、つまり、コヒーレンスマップＤｉｆｆ内の０であり且つマスクされていないビットが考慮される。反対に、このプロセスの後続の演算においては、マスクされたビットの値は考慮されない。

従って、コヒーレンスマップＤｉｆｆ内のマスキングコードＭａｓｋによって示される非マスクビットだけが、類似コードＳｉｍになる。

ｂ．コヒーレントビットの局所密度の計算
先に述べたように、２つの虹彩画像間の一致スコアを計算するために、対応するバイナリコード間のコヒーレントビットの局所密度を考慮に入れる。

これ以降、バイナリ類似コードＳｉｍのビットｂに対してアルゴリズムが実行される。

コヒーレントビットの局所密度を計算する幾つかの方法が実現可能である。例えば、計算プラットフォーム１２は、古典的なコア、例えばガウス型によるコア毎の推定方法を利用することができる。

或いは、或るビットの周りのコヒーレントビットの局所密度は、着目するビットの近傍を定め、以下の公式を適用することによって計算することができる。

ここで、ｂはバイナリ類似コードＳｉｍのビットである。

非限定的な例として、近傍は、先行ビットおよび後続ビットによって構成される集合として定めることができる。

ｃ．一致スコアの決定
最後に、計算プラットフォーム１２は、２つの画像Ｐ１およびＰ２が同じ虹彩に由来するかどうかを推論するためのスコアを、バイナリ類似コードＳｉｍのコヒーレントビットの局所密度およびコヒーレントビット自体から計算することができる。

スコアには、以下の一般的な定義がある。

関数ｆについては、幾つかの定義が可能である。

好ましくは、これはステップｂにおいて計算される局所密度に重み付けする関数である。この重み付けは、類似コードＳｉｍのビットｂが０の場合（すなわち、バイナリコードＴ１＿ｃｏｄｅおよびＴ２＿ｃｏｄｅの対応するビットがコヒーレントの場合）は正数によって、類似コードＳｉｍのビットｂが１の場合（すなわち、バイナリコードＴ１＿ｃｏｄｅおよびＴ２＿ｃｏｄｅの対応するビットが非コヒーレントの場合）は負数によって行われる。

例えば、以下のような関数を使用することができる：
− ｂが０の場合、ｆ（ｂ，密度（ｂ））＝密度（ｂ）
− ｂが１の場合、ｆ（ｂ，密度（ｂ））＝−密度（ｂ）

最後に、２つの画像間の類似を表す信頼スコアを取得するのに必要ではないが、取得される最終スコアが−１から１の間になるように、スコアの分母によってスコアが正規化される。比較される画像の対の間の幾つかのスコアを比較するためのより適切な基準点が得られる。

取得されるスコアは、画像Ｐ１およびＰ２の２つのバイナリコードＴ１＿ｃｏｄｅおよびＴ２＿ｃｏｄｅの間のコヒーレントビットの数と共に増加する。また、コヒーレントビットが集まる場合、コヒーレントビットの局所密度が増加するので、取得されるスコアは同様に増加する。

その結果、スコアが大きければ大きいほど、２つの虹彩画像Ｐ１とＰ２が同じ虹彩に由来する可能性が高くなる。

このアルゴリズムは、アルゴリズムを既知の虹彩画像のデータベースに対してテストし、虹彩画像Ｐ１およびＰ２の由来に関して行われる判定の成功率をそこから推論することによって実行することができる。

また、このアルゴリズムを何度もテストすることによって、本方法によって取得される信頼スコアを比較するための信頼スコア閾値を推論することができる。

具体的には、上に示した信頼スコアの公式において、虹彩画像の２つのコードＴ１＿ｃｏｄｅおよびＴ２＿ｃｏｄｅを比較することによって取得される信頼スコアが或るスコア閾値を上回る場合、その２つのコードは大幅に低減されたエラー率で同じ虹彩に由来すると考えられる。

例えば、０．３のスコア閾値では、平均品質ベースで３％未満の陰性エラー率に対して、偽陽性率は約０．０１％である。

最後に、アルゴリズムの実行速度を改善するために、１つの虹彩画像Ｐ１をデータベースのＮ個の画像の組と比較する場合に、このアルゴリズムをドーグマンによって示されたアルゴリズムと組み合わせることもできる。

これは、虹彩画像Ｐ１／データベースの画像Ｐ２の対ごとに、バイナリ類似コードＤｉｆｆを計算し、次いで２つのバイナリコード間のハミング距離を計算することから成る。

次いで、最小のハミング距離を示す、すなわち識別対象の虹彩画像Ｐ１との最大の類似を示す、データベースのＮ’個の画像が選択される。

この事前選択が完了すると、ステップａ．ｂ．およびｃ．を含む上記のアルゴリズムを、選択されたＮ’個の画像と識別対象の虹彩画像Ｐ１との間で実施することができる。取得される最大スコアは虹彩画像Ｐ１を与える人物を識別し、固定された陽性エラー率における陰性エラー率は、ハミング距離の単独使用によって取得される率よりも約１５％（相対的）低い。

但し、本発明は本明細書に記載した状況に限定されず、虹彩認識による識別を実施する他の任意の状況で使用することもできる。

Claims (10)

1. 識別対象の眼の虹彩（Ｉ）の生体認証データに基づく識別方法であって、
   − 前記識別対象の虹彩（Ｉ）の画像（Ｐ１）および該第１の画像（Ｐ１）と比較される第２の虹彩画像（Ｐ２）を符号化して、比較される画像を表すバイナリコード（Ｔ１＿ｃｏｄｅ，Ｔ２＿ｃｏｄｅ）を取得するステップであって、バイナリコード（Ｔ１＿ｃｏｄｅ，Ｔ２＿ｃｏｄｅ）の隣接ビットは対応する画像（Ｐ１，Ｐ２）上の虹彩の隣接領域に対応する、ステップと、
   − 前記識別対象の虹彩（Ｉ）の画像（Ｐ１）の前記バイナリコード（Ｔ１＿ｃｏｄｅ）および前記第２の虹彩画像（Ｐ２）の前記第２のバイナリコード（Ｔ２＿ｃｏｄｅ）から、バイナリ類似コード（Ｓｉｍ）を求めるステップと、
   − 前記比較される２つの虹彩画像（Ｐ１，Ｐ２）間の類似の局所密度（密度（ｂ））および前記バイナリ類似コード（Ｓｉｍ）に応じて信頼スコアを求めるステップであって、前記類似の局所密度は、前記バイナリ類似コード（Ｓｉｍ）のビット（ｂ）ごとに、着目するビット（ｂ）付近の前記虹彩画像（Ｐ１，Ｐ２）の前記２つのバイナリコード（Ｔ１＿ｃｏｄｅ，Ｔ２＿ｃｏｄｅ）間のコヒーレントビットの数に応じて求められる、ステップと、
   − 前記２つの虹彩画像（Ｐ１，Ｐ２）が同じ虹彩に由来するかどうかを前記信頼スコアの値に応じて判定するステップと
   から成るステップを含む、識別対象の眼の虹彩の生体認証データに基づく識別方法。
2. 前記類似バイナリコード（Ｓｉｍ）は、前記虹彩画像（Ｐ１，Ｐ２）を表す前記２つのバイナリコード（Ｔ１＿ｃｏｄｅ，Ｔ２＿ｃｏｄｅ）間に、演算子「排他的論理和」を適用することによって得られるコヒーレンスマップ（Ｄｉｆｆ）である、請求項１に記載の識別方法。
3. 前記使用されるバイナリ類似コード（Ｓｉｍ）は、前記画像（Ｐ１，Ｐ２）上で目に見える虹彩の領域に対応する前記コヒーレンスマップ（Ｄｉｆｆ）のビットだけを考慮に入れる、請求項２に記載の識別方法。
4. 前記信頼スコアは、前記２つの虹彩画像（Ｐ１，Ｐ２）間で前記ビットがコヒーレントの場合は正数で重み付けされ、前記２つの虹彩画像（Ｐ１，Ｐ２）間で前記ビットが非コヒーレントの場合は負数で重み付けされる前記局所密度（密度（ｂ））の値を、前記類似コード（Ｓｉｍ）のビットごとに加算することによって計算される、請求項１に記載の識別方法。
5. 前記信頼スコアを前記局所密度の和で割ることにより、前記信頼スコアが更に正規化される、請求項４に記載の識別方法。
6. 識別対象の虹彩の画像のコードとデータベース（１３）からのＮ個の虹彩画像のコードとの間で請求項１〜５のいずれか一項に記載の方法のステップを反復するステップと、虹彩画像のコードの対ごとに取得される信頼スコアから前記画像の由来に関して下された判定の成功率を求めるステップとから成る、識別方法。
7. 識別対象の虹彩（Ｉ）の画像（Ｐ１）のコード（Ｔ１＿ｃｏｄｅ）とデータベース（１３）の虹彩画像（Ｐ２）のコード（Ｔ２＿ｃｏｄｅ）との間で請求項１〜６のいずれか一項に記載の方法を適用し、取得された信頼スコアから前記識別対象の虹彩（Ｉ）に由来する前記データベース（１３）の虹彩画像（Ｐ２）を突き止める、識別方法。
8. 前記取得された信頼スコアが、前記識別対象の虹彩（Ｉ）に由来する前記虹彩画像（Ｐ２）を突き止めるための閾値と比較される、請求項７に記載の識別方法。
9. − 識別対象の虹彩（Ｉ）の画像（Ｐ１）とデータベース（１３）のＮ個の虹彩画像（Ｐ２）のそれぞれとの間のバイナリ類似コード（Ｄｉｆｆ）を求めるステップと、
   − 前記バイナリ類似コード（Ｄｉｆｆ）ごとに、比較される前記２つの画像間のハミング距離を計算するステップと、
   − 前記Ｎ個の画像のデータベース（１３）から、前記識別対象の虹彩（Ｉ）の画像（Ｐ１）との間で最小のハミング距離を有するＮ’個の虹彩の画像の第２のデータベースを選択するステップと、
   − 前記Ｎ’個の虹彩画像を含む前記データベース上で、請求項７または８に記載の方法を実行するステップと
   から成る、識別方法。
10. 個人の識別システムであって、
    − 人間（Ｐ）の虹彩（Ｉ）の少なくとも１つの画像（Ｐ１）をキャプチャするように適合される、少なくとも１つの取得システム（１１）と、
    − 前記取得システム（１１）によって取得される前記画像（Ｐ１）および該第１の画像（Ｐ１）と比較される少なくとも１つの第２の画像（Ｐ２）を受信する、計算プラットフォーム（１２）と
    を含み、
    前記システムは、前記計算プラットフォーム（１２）が、
    − 前記識別対象の虹彩（Ｉ）の画像（Ｐ１）および前記第２の虹彩画像（Ｐ２）を符号化して、比較される画像を表すバイナリコード（Ｔ１＿ｃｏｄｅ，Ｔ２＿ｃｏｄｅ）を取得し、バイナリコード（Ｔ１＿ｃｏｄｅ，Ｔ２＿ｃｏｄｅ）の隣接ビットは対応する画像（Ｐ１，Ｐ２）上の虹彩の隣接領域に対応し、
    − 前記識別対象の虹彩（Ｉ）の画像（Ｐ１）の前記バイナリコード（Ｔ１＿ｃｏｄｅ）および前記第２の虹彩画像（Ｐ２）の前記第２のバイナリコード（Ｔ２＿ｃｏｄｅ）から、バイナリ類似コード（Ｓｉｍ）を求め、
    − 比較される前記２つの虹彩画像（Ｐ１，Ｐ２）間の類似の局所密度（密度（ｂ））および前記バイナリ類似コード（Ｓｉｍ）に応じて信頼スコアを求め、前記類似の局所密度は、前記バイナリ類似コード（Ｓｉｍ）のビット（ｂ）ごとに、着目するビット（ｂ）付近の前記虹彩画像（Ｐ１，Ｐ２）の前記２つのバイナリコード（Ｔ１＿ｃｏｄｅ，Ｔ２＿ｃｏｄｅ）間のコヒーレントビットの数に応じて求められ、
    − 前記２つの虹彩画像（Ｐ１，Ｐ２）が同じ虹彩に由来するかどうかを前記信頼スコアの値に応じて判定する
    ように適合される点で特徴付けられる、個人の識別システム。

Images