JP5852870B2 - 生体認証システム - Google Patents

生体認証システム Download PDF

Info

Publication number
JP5852870B2
JP5852870B2 JP2011269556A JP2011269556A JP5852870B2 JP 5852870 B2 JP5852870 B2 JP 5852870B2 JP 2011269556 A JP2011269556 A JP 2011269556A JP 2011269556 A JP2011269556 A JP 2011269556A JP 5852870 B2 JP5852870 B2 JP 5852870B2
Authority
JP
Japan
Prior art keywords
biometric information
information
biometric
user
registered
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
JP2011269556A
Other languages
English (en)
Other versions
JP2013120580A (ja
Inventor
陽介 加賀
陽介 加賀
高田　治
治 高田
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.)
Hitachi Ltd
Original Assignee
Hitachi 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 Hitachi Ltd filed Critical Hitachi Ltd
Priority to JP2011269556A priority Critical patent/JP5852870B2/ja
Priority to PCT/JP2012/077752 priority patent/WO2013084617A1/ja
Publication of JP2013120580A publication Critical patent/JP2013120580A/ja
Application granted granted Critical
Publication of JP5852870B2 publication Critical patent/JP5852870B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L9/00—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols
    • H04L9/32—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols including means for verifying the identity or authority of a user of the system or for message authentication, e.g. authorization, entity authentication, data integrity or data verification, non-repudiation, key authentication or verification of credentials
    • H04L9/3226—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols including means for verifying the identity or authority of a user of the system or for message authentication, e.g. authorization, entity authentication, data integrity or data verification, non-repudiation, key authentication or verification of credentials using a predetermined code, e.g. password, passphrase or PIN
    • H04L9/3231—Biological data, e.g. fingerprint, voice or retina
    • 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
    • G06V40/1365—Matching; Classification

Description

本発明は、生体認証技術に関し、特に複数の登録生体情報に基づき生体認証を行う技術に関する。
生体認証システムは、指紋、静脈、虹彩、顔、音声、筆跡等の生体情報に基づき個人認証を行う。一般に、生体認証システムでは、まず利用者の生体情報を取得して予め登録しておき、認証時に取得した利用者の生体情報（以降、認証生体情報）と予め登録しておいた生体情報（以降、登録生体情報）との類似度が一定のしきい値を超えるか否かで本人認証を実現する。ここで、生体認証システムにおいて、登録生体情報と本人から取得した認証生体情報との類似度が、しきい値より低い値となった場合、本人が認証されない事象（以降、本人拒否）が発生し、システムの利便性低下に繋がる。この本人拒否が発生する確率（以降、本人拒否率）は、利用者の生体情報に経年変化が起きた場合や、生体情報を取得する際の周辺環境（気温、湿度、照明環境等）が変化して生体情報の品質にばらつきが生じた場合等に高くなる。また、生体情報の登録時に、生体情報の品質を確保するための施策（生体情報の取得時に利用者へ適切な生体入力を指導する、複数回生体情報を取得して品質の良い生体情報を選択する等）を行うことが困難で、登録生体情報の品質が低い場合にも、同様に本人拒否率が高くなる。
この問題を解決するためには、経年変化後の生体情報や、様々な周辺環境において取得した生体情報、登録後の認証時に取得した品質の良い生体情報等を複数登録しておき、認証に用いる方式が考えられる。
特許文献１では、登録後に利用者から取得した生体情報を登録し、次回以降の認証に用いる生体認証システムが開示されている。特許文献１の生体認証システムは、認証生体情報と登録生体情報の類似度に一定の範囲を設定し、その範囲に含まれる認証生体情報を追加登録する。次回以降の認証では、追加登録された生体情報を含む複数の登録生体情報に基づき、認証を行う。
特開２００６−１２７２３６号公報
特許文献１では、認証生体情報と複数の登録生体情報の類似度に基づき、認証対象者が事前登録した人物と同一か否かを判定する。当該判定方式には、全ての類似度の平均値から判定する方式、最も大きい（あるいは、最も小さい）数値の類似度から判定する方式、数値の大きい上位いくつかの類似度から判定する方式等を適用することができる。
しかしながら、これらの判定方式は、登録生体情報に品質のばらつきが含まれている場合、十分な認証精度を達成できない可能性がある。例えば、全ての類似度の平均値から判定する方法、最も小さな数値の類似度から判定する方法は、登録生体情報の一つ（あるいは、複数）に品質が低いものが含まれていた場合、本人拒否率が高くなる。また、最も大きい数値の類似度から判定する方法は、品質が低い登録生体情報と、他人の生体情報との類似度が高いと判定された際に、他人を本人と誤って判定してしまう確率（他人受入率）が高くなる。数値の大きい上位いくつかの類似度から判定する方式は、用いる類似度の個数パラメータによって認証精度が変化するが、パラメータは生体認証システムの運用環境（利用者の慣れ、認証毎の周辺環境変化等）によって適切な値が異なると考えられ、常に高い認証精度で運用することが困難であると考えられる。
本発明の目的は、品質にばらつきがある複数の生体情報を対象に認証を行う際に、高精度な認証を行うことである。
利用者の生体情報を取得して利用者を認証する際に、利用者から取得した認証対象生体情報と利用者が入力した識別子と一致する識別子を有する登録生体情報との間で算出した類似度、登録生体情報の品質値および生体情報の品質値に基づき尤度関数を変化させる分布パラメータを用いて、登録生体情報ごとに尤度関数を生成し、尤度比が閾値以上であった場合は、利用者と登録生体情報の登録者が同一であると判断し認証するものである。
具体的な一例として、本発明の生体情報システムは、生体情報の品質値に基づき尤度関数を変化させる分布パラメータと、登録者の識別子と登録生体情報と登録生体情報の品質値が対応付けて登録された登録情報と、を記憶する記憶手段と、利用者の識別子と当該利用者の認証対象生体情報の入力を受け付る認証生体情報受付手段と、前記登録情報から、前記利用者の識別子と一致する登録者の識別子を有する少なくとも１つ以上の登録情報を照合対象登録情報として抽出する登録情報抽出手段と、前記照合対象登録情報の各々と前記利用者の認証対象生体情報の間で生体情報の類似度を算出する類似度算出手段と、前記照合対象登録情報の各々について、前記記憶手段に記憶された当該照合対象登録情報の品質値および前記分布パラメータと前記類似度算出手段によって算出した当該照合対象登録情報の類似度から、尤度関数を生成し、尤度比を算出する尤度比算出手段と、前記尤度比が閾値以上であった場合は前記照合対象登録情報に係る利用者と、前記認証対象生体情報の登録者が同一であると判断する認証をおこなう利用者認証手段と、を有する。
本発明によれば、複数の登録生体情報の品質に大きなばらつきがある場合でも、高精度な認証を実現する。
本発明の第一の実施形態の、認証端末、認証サーバのシステム構成を示す図である。 本発明の第一の実施形態の、登録生体情報格納部の中に蓄積される情報を示した図である。 本発明の第一の実施形態の、仮登録生体情報格納部の中に蓄積される情報を示した図である。 本発明の第一の実施形態の、分布パラメータ格納部の中に保存する情報を示した図である。 本発明の第一の実施形態の、認証しきい値格納部の中に保存する情報を示した図である。 本発明の第一の実施形態において、認証端末を利用者が操作し、生体情報の登録をバッチ処理にて行う場合の手順を示す図である。 本発明の第一の実施形態において、認証端末を利用者が操作し、生体情報の登録をリアルタイム処理にて行う場合の手順を示す図である。 本発明の第二の実施形態において、認証端末をオペレータが操作し、生体情報の登録をバッチ処理にて行う場合の手順を示す図である。 本発明の第二の実施形態において、認証端末をオペレータが操作し、生体情報の登録をリアルタイム処理にて行う場合の手順を示す図である。 本発明の第三の実施形態において、認証端末をオペレータが操作し、利用者に対するブラックリスト照合を含む審査を行い、生体情報の登録をリアルタイムに行う場合の手順を示す図である。 本発明の第三の実施形態において、認証端末をオペレータが操作し、利用者に対するブラックリスト照合を含む審査を行い、生体情報の登録をバッチ処理にて行う場合の手順を示す図である。 本発明の第一の実施形態において、生体情報照合の手順を示す図である。 本発明の第一の実施形態において、尤度比算出の手順を示す図である。 本発明の第一の実施形態において、本人判定の手順を示す図である。 本発明の第一の実施形態において、生体情報仮登録の手順を示す図である。 本発明の第一の実施形態において、生体情報本登録の手順を示す図である。 本発明の第一の実施形態において、分布パラメータ事前学習の手順を示す図である。 第一の実施形態の生体認証システムにおける認証端末、認証サーバのハードウェア構成を示すブロック図の一例である。
＜第一の実施形態＞
第一の実施形態は、利用者自身が操作する認証端末と認証サーバを用いて、予め登録された複数の生体情報（以降、登録生体情報）に対して、登録生体情報間の類似度に一般化線形混合モデルを適用することで、各登録生体情報に対する品質値を算出し、利用者の認証を行う際には利用者から取得した生体情報（以降、認証生体情報）と複数の登録生体情報との類似度と各登録生体情報に対する品質値に基づき尤度比を算出することで本人か否かの判定を行い、認証が成功した際には認証生体情報を認証サーバへ自動で登録するシステムである。ここで、生体情報の品質とは、生体情報が持つ識別能力を数値化したものであり、生体情報から算出される類似度が従う確率分布に基づいて決定される。
以下、図面を参照して、詳細に説明する。
図１は、本発明の第一の実施形態の、認証端末、および認証サーバのシステム構成を示す図である。なお、本実施形態の実装方法としては、サーバ認証の他に、ローカル認証、装置内照合、カード内照合等を適用することが可能である。ローカル認証は、認証サーバを置かずにローカル端末で登録生体情報の管理、利用者からの生体情報取得、生体情報の照合を行う認証モデルである。ローカル認証を採用する場合は、認証を行うローカル端末の中に、認証端末１０１と認証サーバ１０４の構成要素が全て含まれる。装置内照合は、生体情報取得装置が登録生体情報の管理、生体情報の照合を行う認証モデルである。装置内照合を採用する場合は、生体情報取得装置の中に認証端末１０１と認証サーバ１０４の構成要素が全て含まれる。カード内照合は、ＩＣカード内で登録生体情報の管理、生体情報の照合を行う認証モデルである。カード内照合を適用する場合は、ＩＣカードの中に、認証サーバ１０４の構成要素が全て含まれる。
この図において、符号１０１は認証端末、符号１０２は認証情報取得部、符号１０３は認証結果表示部、符号１０４は認証サーバ、符号１０５は生体情報照合部、符号１０６は生体情報選択部、符号１０７は生体情報登録部、符号１０８は品質値算出部、符号１０９は品質値登録部、符号１１０は尤度比算出部、符号１１１は登録生体情報格納部、符号１１２は仮登録生体情報格納部、符号１１３は分布パラメータ格納部、符号１１４は認証しきい値格納部である。
認証端末１０１は例えば入退室管理システムにおける端末、ＰＣログインシステムにおけるＰＣ、出入国管理システムにおける審査端末や自動化ゲート等に相当し、認証対象である利用者自身、または端末を担当しているオペレータが操作する端末である。認証端末１０１は、認証情報取得部１０２、認証結果表示部１０３を含んで構成されており、認証サーバ１０４と接続されている。
認証情報取得部１０２は、利用者から利用者ＩＤと生体情報を取得する。生体情報は、指紋、静脈、虹彩、顔、音声、筆跡等、個人を特定することが可能な情報である。
認証結果表示部１０３は認証結果を、認証端末１０１を操作している利用者、またはオペレータに対して表示する。
認証サーバ１０４は、例えば入退室管理システムやＰＣログインシステム、出入国管理システムにおいて、生体情報の管理・照合を行うサーバである。認証サーバ１０４は、生体情報照合部１０５、生体情報選択部１０６、生体情報登録部１０７、品質値算出部１０８、品質値登録部１０９、尤度比算出部１１０、登録生体情報格納部１１１、仮登録生体情報格納部１１２、分布パラメータ格納部１１３、認証しきい値格納部１１４を含んで構成されており、認証端末１０１と接続されている。
生体情報照合部１０５は、二つの生体情報を照合し、生体情報間の類似度、または非類似度を算出する。類似度、または非類似度は、生体情報がどの程度類似しているかを表す指標であり、一定の範囲を持つ数値で表される。
生体情報選択部１０６は、複数の生体情報から登録する生体情報を選択する。生体情報の選択に用いる基準としては、生体情報間の類似度、生体情報の登録日時、生体情報の品質値、生体情報に対する尤度比等や、それらに基づき算出した生体情報に対する重要度を採用することが可能である。
生体情報登録部１０７は、生体情報を登録生体情報格納部１１１へ利用者ＩＤと紐付いた形で登録する。
品質値算出部１０８は、登録生体情報に対する品質値を算出する。品質値算出は、登録生体情報間の類似度に一般化線形混合モデルに基づく類似度モデルを適用することで、求めることが可能である。
品質値登録部１０９は、品質値算出部１０８で算出した品質値を登録生体情報格納部１１１へ登録する。
尤度比算出部１１０は、生体情報間の類似度と各生体情報に対する品質値に基づき、尤度比を算出する。
登録生体情報格納部１１１は、利用者ＩＤ、生体情報、品質値を格納する。
仮登録生体情報格納部１１２は、登録生体情報格納部１１１に格納される前の、利用者ＩＤと生体情報を格納する。仮登録生体情報格納部１１２に格納された情報は、その後バッチ処理にて登録生体情報格納部１１１へ登録される。
分布パラメータ算出部１１５は、事前学習によって分布パラメータを算出し、その算出した値を分布パラメータ格納部１１３に登録する。
分布パラメータ格納部１１３は、事前学習によって求められた分布パラメータの値を格納する。
認証しきい値格納部１１４は、尤度比に対する認証しきい値を格納する。認証しきい値は、要求される精度要件によって適切な値が変わるため、精度要件とそれに対応する認証しきい値を予め決定して保持しておく。精度要件としては、他人を誤って本人と判定してしまう確率（他人受入率）を用いることができる。
図１の各部の詳細については、図２〜図５の図面を参照して説明する。
図２は、本発明の第一の実施形態の、登録生体情報格納部１１１の中に蓄積される情報を示した図である。「利用者ＩＤ」２０１は各利用者に割り当てられた固有のＩＤであり、例えば英数字により構成される。「登録生体情報」２０２は利用者から取得した登録生体情報が記載される。例えば行２０４の「登録生体情報」２０２は、利用者ＩＤが「０００１」である利用者が１回目に利用した際に取得した生体情報を格納している。「品質値」２０３は登録生体情報に対する品質値が記載される。品質値は、ある一定の範囲の数値で表され、対応する登録生体情報がどの程度誤差を含んでいるのかを示す。例えば、行２０４に格納されている生体情報に対応する品質値は、「５０」である。
図３は、本発明の第一の実施形態の、仮登録生体情報格納部１１２の中に蓄積される情報を示した図である。本実施形態では、生体情報を登録する方法に、バッチ処理とリアルタイム処理の二つがあり、仮登録生体情報格納部１１２はバッチ処理で登録を行う際に、バッチ適用前の情報を格納するために用いる。「利用者ＩＤ」３０１は各利用者に割り当てられた固有のＩＤであり、例えば英数字により構成される。「仮登録生体情報」３０２は利用者から取得した仮登録生体情報が記載される。例えば、行３０３の「仮登録生体情報」３０２は、利用者ＩＤが「０００１」である利用者が３回目に利用した際に取得した生体情報を格納している。
図４は、本発明の第一の実施形態の、分布パラメータ格納部１１３の中に保存する情報を示した図である。本実施形態では、分布パラメータ事前学習で、尤度比算出の時に使うモデルのパラメータを算出し、分布パラメータ格納部１１３の中に保存しておく。行４０２は、関数Ｆの分布パラメータを示している。これらのパラメータは、それぞれ類似度の関する多項式の係数を表している。行４０３、行４０４も同様に、関数Ｒ、関数Ｓの係数を表す分布パラメータを示している。分布パラメータは、それぞれ実数のスカラー値で表される。関数Ｆ、Ｒ、Ｓの具体的な形式や計算方法は、後ほど説明する。
図５は、本発明の第一の実施形態の、認証しきい値格納部１１４の中に保存する情報を示した図である。「精度要件(ＦＡＲ)」５０１は認証の精度に対する要件である。「認証しきい値」５０２は尤度比に対して適用する認証しきい値が記載される。認証しきい値は、実数または整数のスカラー値で表される。なお、認証しきい値適用の際に、尤度比の対数（以降、対数尤度比）を算出する処理を追加し、「認証しきい値」５０２には対数尤度比に対するしきい値を格納しても良い。「精度要件(ＦＡＲ)」５０１は認証の精度に対するセキュリティ要件である。例えば、誤って他人を受け入れる確率を１０００回に１回程度（すなわち、ＦＡＲ＝０.００１）に抑えたい場合は、行５０３に従って認証しきい値をＴ１に設定する。この場合、尤度比がＴ１を上回った時に認証成功となり、下回った場合に認証失敗となる。
次に、本発明の第一の実施形態の処理手順を、図１７、図６、図７を参照しながら説明する。
図１７は、本発明の第一の実施形態において、分布パラメータを事前学習し、分布パラメータ格納部１１３に保存する手順を示す図である。図６〜図１１に示す利用者の認証を行う前に、予めこの分布パラメータ学習を実施する必要がある。
最初に、学習用生体情報を読み込む処理１７０１を行う。学習用生体情報は、生体認証システム運用前に分布パラメータを学習するために用いられる生体情報である。具体的には、複数の被験者の協力を得て、被験者の生体情報を収集する等して用意する。この際、生体情報は、同一被験者の同一生体（例えば、同一人物の顔、同一の指等）Ｍ個からそれぞれＮ回取得する。これにより、Ｍ×Ｎ個の生体情報が得られる。これは、分布パラメータ学習のためには、同一生体から取得した生体情報同士から算出した類似度と、異なる生体から取得した生体情報同士から算出した類似度の２種類が必要になるためである。
次に、学習用生体情報同士を照合し、類似度行列を取得する処理１７０２を行う。具体的には、Ｍ×Ｎ個の学習用生体情報それぞれと、同一生体情報を除くＭ×Ｎ−１個の生体情報とを照合し、（Ｍ×Ｎ）×（Ｍ×Ｎ−１）個の類似度を算出する。次に、一般化線形混合モデルに基づく最尤推定により、分布パラメータを算出する処理１７０３を行う。一般化線形混合モデルは、医学や生態学の分野で良く使われる一般化線形モデルに、混合効果を適用したモデルである。一般化線形モデルの代表的な例としては、ロジスティック回帰（ｙ＝１／（１＋ＥＸＰ（ａ×ｘ＋ｂ）））がある。ここで、ｙは目的変数と呼ばれる関数近似の対象となる変数であり、ｘは説明変数と呼ばれるｙを近似するために使われる変数である。一般化線形モデルでは、目的変数が説明変数の線形多項式に対してリンク関数と呼ばれる変換を施したもので表されることを仮定し、その多項式の係数を推定する。ロジスティック回帰の場合は、リンク関数はロジット関数ｌｏｇ（ｘ／（１−ｘ））、推定する係数はａ、ｂとなる。
しかしながら、目的変数の期待値が、説明変数以外の何らかの要因で変化する可能性がある。例えば、データを取得した日時、個体等のサブクラスタ毎に、目的変数の期待値に一定の誤差が発生することがある。このようなデータに対して一般化線形モデルを適用した場合、データの分散が本来の値よりも大きく推定される過分散と呼ばれる現象が発生し、モデル推定の精度が低下する。これに対し、データを取得した日時、個体等のサブクラスタ毎にランダムの誤差（混合効果）が乗ることを考慮し、モデル推定の精度を向上させたのが一般化線形混合モデルである。通常の一般化線形混合モデルでは、混合効果は推定対象ではなく、説明変数の多項式を高精度に推定するために適用される。
本実施形態では、この一般化線形混合モデルを活用して、目的変数と説明変数の関係を定式化する。具体的には、生体情報が同一の生体から取得されたものか否かを示すフラグ（同一の場合１、異なる場合０）を目的変数、生体情報間の類似度を説明変数とする。さらに、生体情報毎にサブクラスタを形成し、サブクラスごとの混合効果を考慮したうえで説明変数の多項式を学習する。この学習は、通常の一般化線形混合モデルと同様に、説明変数の多項式の各係数を引数とする尤度関数を導出し、その尤度関数を最大化する係数を探索する最尤推定により行われる。
本実施形態で用いる具体的な類似度モデルを以下に示す。
Figure 0005852870
 はｍ＝ｎのとき１、ｍ≠ｎのときに０となる本人フラグである。
Figure 0005852870
 は、生体ｍに対してi番目に登録された生体情報と、生体ｎに対してj番目に登録された生体情報との類似度である。
Figure 0005852870
 は、それぞれ説明変数の多項式、生体ｍの混合効果の多項式、生体ｎの混合効果に対する多項式である。
Figure 0005852870
 の、（数４−１）は生体ｍに対してｉ番目に登録された生体情報の混合効果係数（品質値）、数（４−２）は生体ｎに対してｉ番目に登録された生体情報の混合効果係数（品質値）である。
Figure 0005852870
 は、引数の期待値を表す関数である。
Figure 0005852870
 は、（数１）の本人フラグの期待値であり、右辺は、説明変数で本人フラグを近似した数式である。この類似度モデルでは、リンク関数と呼ばれる目的変数の非線形変換関数にｌｏｇｉｔ関数を用い、誤差分布として二項分布を採用した。これにより、類似度モデルは（数６）のようにロジスティック関数の形をとるようになる。
本方式では、混合効果として、生体情報毎に異なる係数を導入している。これらの混合効果は、生体情報の品質を表しており、この係数の増減によりロジスティック関数の形状が変化する。一般に、生体情報同士の類似度が属する確率分布は、それらの生体情報の品質によって形状が異なる。本方式で導入した混合効果は、この性質をモデル化したものであり、この混合効果導入により、各生体情報の品質を考慮した高精度な学習が可能となる。
（数３）の形は、事前に対象となる生体情報の類似度に基づき設定する。ここで、各多項式をそれぞれ、
Figure 0005852870
 とおくと、（数６）は、
Figure 0005852870
 のような形となる。処理１７０３では、（数６）を前提として、関数Ｆ、Ｒ、Ｓの係数を最尤推定する。この際、用いられる方式としては、一般化線形混合モデルの解法として知られている、Ｌａｐｌａｃｅ近似、マルコフ連鎖モンテカルロ法等を適用することができる。これにより、関数Ｆの係数ｆ１、ｆ２、関数Ｒの係数ｒ１、ｒ２、関数Ｓの係数ｓ１、ｓ２が得られる。ただし、数式１８０７を前提とした場合、関数Ｒ、関数Ｓは係数を含まないため、ｒ１、ｒ２、ｓ１、ｓ２は推定する必要が無く、ｆ１、ｆ２のみを推定する。
次に、分布パラメータを分布パラメータ格納部へ登録する処理１７０４を行う。登録する分布パラメータは、関数Ｆの係数ｆ１、ｆ２、関数Ｒの係数ｒ１、ｒ２、関数Ｓの係数ｓ１、ｓ２である。これらの係数は、実数、または整数で表されるスカラー値である。以上により、分布パラメータの事前学習が実現する。
本実施形態では、分布パラメータの事前学習が終わった後、図６、図７に示す、本発明の第一の実施形態において、利用者の認証、および生体情報の登録を行う手順を行う。本発明における第一の実施形態では、認証端末１０１を認証対象者である利用者自身が操作する。また、生体情報の登録を行う方法には、バッチ処理とリアルタイム処理の二つがあり、図６ではバッチ処理により生体情報を登録する場合の手順、図７ではリアルタイム処理により生体情報を登録する場合の手順を示す。さらに、図６、図７の処理の詳細な手順は、図１２〜図１６に示す。
図６は、本発明の第一の実施形態において、認証端末を利用者が操作し、生体情報の登録をバッチ処理にて行う場合の手順を示す図である。
最初に、認証端末１０１は利用者ＩＤを取得する処理６０３を行う。利用者ＩＤを取得する方法には、数字キーにより手入力を行う方法、磁気カードやＩＣカードからＩＤを取得する方法、紙に印字された文字列をスキャナで読み取る方法、等が適用可能である。次に、認証端末１０１は生体情報を取得する処理６０４を行う。生体情報の取得では、認証情報取得部１０２に含まれる、指紋や静脈、虹彩、筆跡等を読み取る装置、顔を撮影するカメラ、音声を取得するマイク等を用いる。次に、認証端末１０１は、認証情報（利用者ＩＤ・生体情報）６０５を認証サーバ１０４へ送信する。次に、認証サーバ１０４は生体情報を照合する処理６０６を行う。処理６０６の具体的な処理手順は、図１２で示す。次に、認証サーバ１０４は尤度比を算出する処理６０７を行う。処理６０７の中で、認証サーバ１０４は利用者から取得した生体情報と登録生体情報との類似度、および登録生体情報の品質値に基づき、尤度比算出を行う。処理６０７の具体的な処理手順は、図１３で示す。次に、認証サーバ１０４は本人であるか否かを判定する処理６０８を行う。生体情報間の類似度と各登録生体情報の品質値に基づき算出した尤度比によって本人判定を行うことにより、登録生体情報の品質にばらつきがある場合でも、高精度な認証が可能となる。処理６０８の具体的な処理手順は、図１４で示す。次に、認証サーバ１０４は生体情報を仮登録する処理６０９を行う。処理６０９の具体的な処理手順は、図１５に示す。次に、認証サーバ１０４は、認証結果６１０を認証端末１０１へ送信する。認証結果６１０には、利用者の認証が成功したか否かを示す情報が含まれている。次に、認証端末１０１は認証結果を出力する処理６１１を行う。処理６１１では、認証結果表示部１０５を用いて利用者へ認証結果を伝える。
利用者ＩＤ入力６０３から認証結果出力６１１までの認証処理を繰り返すことで、生体情報仮登録６０９が複数回実行され、複数の生体情報が仮登録生体情報格納部１１２へ蓄積される。その後、本実施形態では、バッチ処理として生体情報本登録６１２を行う。処理６１２の具体的な手順は、図１６に示す。これにより、複数の生体情報が登録され、次回以降の認証で活用される。
第一の実施形態における処理の詳細な手順は、図１２〜図１６に示す。以下、図面を参照して、詳細に説明する。
図１２は、本発明の第一の実施形態において、生体情報照合の手順を示す図である。
ステップ１２０１は、利用者ＩＤに基づき、登録生体情報格納部１１４に格納されている登録生体情報２０２を読み出す処理である。登録生体情報格納部１１４には複数の登録生体情報を格納することが可能であるため、ここで読み出す登録生体情報は、一つ、または複数である。ステップ１２０２は認証端末１０１から受信した生体情報と、ステップ１２０１にて読み出したＮ件の登録生体情報を照合する処理である。この処理により、Ｎ件の類似度、または非類似度が算出される。
図１３は、本発明の第一の実施形態において、尤度比算出の手順を示す図である。
ステップ１３０１は、分布パラメータ格納部１１３に格納された分布パラメータをそれぞれ読み込む処理である。ステップ１３０２は利用者ＩＤに基づき、登録生体情報格納部１１４に格納されている各登録生体情報に対する品質値２０３を読み出す処理である。登録生体情報格納部１１４には複数の登録生体情報を格納することが可能であるため、ここで読み出す品質値２０３は、一つ、または複数である。なお、当該品質値は、登録時にある変換を施し、特定の範囲内に収まる数値として格納することもできる。このような場合は、読み込む時に登録時の逆変換を行い変換前の数値に戻す処理を行う。
例えば、品質値ｑが線形変換ｑ‘＝ａ×ｑ＋ｂに基づき変換されている場合は、読み込んだ品質値ｑ’に対して逆変換ｑ＝（ｑ‘−ｂ）／ａを施して、得られた品質値ｑを尤度比算出に用いる。ステップ１３０３はステップ１３０２で読み出した各登録生体情報の品質値と、ステップ１２０２で算出した類似度に基づき、尤度比を算出する処理である。尤度比の算出は、以下に示す算出方法に従い行う。
利用者から取得した生体情報と登録生体情報との類似度と、登録生体情報の品質値、利用者から取得した生体情報の品質値を既知としたときの、尤度比を算出する手順を示す。ここで、
Figure 0005852870
 （数９−１）は利用者から取得した生体情報が登録生体情報と同一の生体から取得されたことを示す本人クラス、（数９−２）は、利用者から取得した生体情報が登録生体情報と異なる生体から取得されたことを示す他人クラスである。
Figure 0005852870
 は、利用者から取得した生体情報と生体ｍに対してｉ番目に登録された生体情報との類似度である。（数１０）は、ステップ１２０２において生体情報照合部１０５を用いて算出される。
Figure 0005852870
 は、生体ｍのｉ番目の生体情報に対する混合効果係数であり、図１６に示す生体情報本登録時にステップ１６０５で算出され、ステップ１６０６で登録生体情報格納部１１１へ登録されたものである。
Figure 0005852870
 は、利用者の生体情報に対する混合効果係数である。利用者の生体情報に対する品質値に相当する混合効果係数は、事前に求めることが不可能であるため、任意の値をとり得る確率変数とし、尤度比を算出する際には尤度比関数の周辺化を行うことで計算を行う。なお、関数Ｓの係数を全てゼロとおいた場合には、（数１２）は必要なくなるため、尤度比関数の周辺化も不要となり、簡易な計算で尤度比が求められる。
Figure 0005852870
 は生体ｍから取得された生体情報との類似度１９０２を並べたベクトルである。
Figure 0005852870
 は、生体ｍから取得された（数１３）に対する混合効果係数である（数１１）を、並べたベクトルである。
Figure 0005852870
 は、（数１０）、（数１１）、（数１２）の値を既知としたときの、（数９−１）の本人クラスに対する事後確率である。本実施形態では、事後確率を、（数６）で近似する。これにより、分布パラメータ事前学習によって得られた分布パラメータ４０１と、生体情報本登録時に登録される品質値２０３に基づき、利用者から取得した生体情報が登録生体情報と同一の生体から取得された事後確率を定式化することが可能となる。本実施形態では、事後確率に基づき複数の登録生体情報を活用した尤度比検定を行う。
Figure 0005852870
 は、利用者から取得した生体情報と複数の登録生体情報との類似度に対する尤度比を表す。（数１６）の右辺は、（数１５）の事後確率から類似度ベクトルに対する尤度を算出し、得られた尤度を（数１２）で周辺化したものの比をとることで、類似度ベクトルに対する尤度比の算出を行う数式である。（数１５）、（数１６）における関数Ｆ、Ｒ、Ｓの具体的な形は、分布パラメータ事前学習の時に設定したものと同様にする。例えば、（数７）の（数２）を（数１０）に置き換え代入すると、（数１５）、（数１６）は、それぞれ、
Figure 0005852870
Figure 0005852870
 のような形となる。
混合効果である（数１１）を導入しない場合の尤度比検定では、複数の登録生体情報と認証生体情報との類似度に含まれる誤差の独立性が十分ではなく、一定の依存性を持つと考えられる。例えば、登録生体情報の品質値が全体的に高い（または低い）場合、類似度に含まれる誤差は偏りを持った値となる。このような場合、類似度から算出した尤度比は。本来の値よりも非常に大きい（もしくは小さい）値となり、認証精度が劣化する可能性がある。（数１１）を導入した本実施形態によれば、各登録生体情報の品質を考慮することで、各類似度に含まれる誤差は高い独立性を持つようになり、適切な尤度比の算出が可能となる。これにより、高い認証精度を実現し、システムの利便性・安全性を確保する。
図１４は、本発明の第一の実施形態において、本人判定の手順を示す図である。
ステップ１４０１は、ステップ１３０３にて算出した尤度比に対して、認証しきい値５０２を適用する処理である。ステップ１４０２は、尤度比が認証しきい値５０２より大きいか否かを判定する処理である。もし尤度比が認証しきい値５０２より大きければ、ステップ１４０３へ進む。もし尤度比が認証しきい値５０２より小さければ、ステップ１４０４へ進む。ステップ１４０３は認証結果に認証成功を示す情報を代入する処理である。ステップ１４０４は認証結果に認証失敗を示す情報を代入する処理である。
図１５は生体情報仮登録を示す図である。これは、本発明の第一の実施形態において、生体情報仮登録の手順を示す図である。
ステップ１５０１は利用者ＩＤ取得６０３で取得した利用者ＩＤと生体情報取得６０４で取得した生体情報を、仮登録生体情報格納部１１２へ登録する処理である。登録された生体情報は、次回以降の認証にはまだ用いられず、図１６に示す生体情報本登録が行われた際に、登録生体情報格納部１１１へ登録される。
図１６は、本発明の第一の実施形態において、生体情報本登録の手順を示す図である。
ステップ１６０１は認証端末１０１から受信した利用者ＩＤ・生体情報、および仮登録生体情報格納部１１２に記録された利用者ＩＤ・生体情報を、登録生体情報格納部１１１に登録する処理である。この際、既に利用者ＩＤに紐付いた生体情報が登録生体情報格納部１１１に存在する場合は、既存の生体情報は残したまま生体情報を追加登録する。なお、追加登録を繰り返して登録生体情報を増加させて行くと、必要な記憶容量や生体情報の照合に要する時間が比例して増加していくため、生体情報の登録数には上限を設けることもできる。生体情報の登録数を上限以下に保つためには、登録数が上限を超えた際に生体情報を選択・削除する必要がある。この削除する生体情報の選択は、生体情報選択部１０６において、生体情報登録日時、生体情報間の類似度、生体情報の品質値、生体情報の尤度比等に基づいて行われる。例えば、最も登録日時の古い生体情報、他の生体情報との類似度の最大値（または最小値）・平均値・中央値・上位（または下位）数件の平均値等が最大（または最小）となる生体情報、品質値が最も低い生体情報、他の登録生体情報との類似度に基づき算出した尤度比が最も大きい生体情報等を選択し、削除することで、生体情報の登録数を上限以下に保つことが可能となる。
なお、生体情報を削除した場合、認証に用いる情報が少なくなり、次回以降の認証精度が低下する恐れがある。この精度低下を防ぐためには、例えば各登録生体情報に対する重みを設けて、生体情報の削除時に当該生体情報に類似する生体情報に対する重みを増加させる方法が考えられる。認証時には、この重みを考慮して尤度比を求めることで、生体情報削除による認証精度低下を抑えることが可能となる。
ステップ１６０２は利用者ＩＤが等しい本人登録生体情報と、本人登録生体情報以外の学習用他人登録生体情報とを読み出す処理である。これらの生体情報は、登録対象の生体情報の品質値の算出に用いる。本人登録生体情報に関しては、ステップ６０３で入力された利用者ＩＤと等しい利用者ＩＤ２０１を持つ登録生体情報２０２を全て読みだす。一方、学習用他人登録生体情報に関しては、登録生体情報格納部１１１に格納されている全ての他人生体情報を読み出す方法、登録生体情報格納部１１１に格納されている他人生体情報のうち一部を読み出す方法、登録生体情報格納部１１１に格納されている生体情報以外のダミー生体情報を読み出す方法、学習用他人生体情報は用いず、典型的な他人生体情報との類似度を直接読み出す方法等が適用可能である。なお、学習用他人登録生体情報として用いる生体情報は前述のいずれか１つであってもいいし、複数を組み合わせてもよい。
登録生体情報格納部１１１に格納されている各他人生体情報を読み出す方法は、学習に用いる情報量が最も多いため、生体情報の品質値を高精度に求めることが可能である。ただし、登録生体情報格納部１１１に格納されている生体情報の数が非常に膨大な場合は、各退任生体情報を読み出してメモリ１８０２に展開し、ＣＰＵ１８０１にて品質値の算出を行うのは非現実的となる可能性がある。また、各登録生体情報が暗号化されて登録されている場合には、それぞれの登録生体情報の秘密鍵を取得して復号した上で照合を行う必要があるため、生体情報登録時に本人以外の生体情報の秘密鍵を取得して生体情報を復号するスキームを新たに適用する必要がある。
登録生体情報格納部１１１に格納されている他人生体情報のうち一部を読み出す方法は、各他人生体情報に対してある一定の基準を設けてフィルタリングし、それらの一部を読み出す方法である。他人生体情報のフィルタリング方法としては、一定の範囲内にある利用者ＩＤに紐付いたものを読み出す方法、利用者ＩＤをランダムに生成し、紐付いたものを読み出す方法等が適用可能である。他人生体情報の一部を読み出す方法では、登録生体情報格納部１１１に格納されている生体情報の数が非常に膨大な場合でも、その一部を使うことで現実的な計算量で品質値の算出を行うことが可能である。ただし、各登録生体情報が暗号化されて登録されている場合には、各他人生体情報を用いる場合と同様に、それぞれの登録生体情報の秘密鍵を取得して復号した上で照合を行う必要があるため、生体情報登録時に本人以外の生体情報の秘密鍵を取得して生体情報を復号するスキームを新たに適用する必要がある。
登録生体情報格納部１１１に格納されている生体情報以外のダミー生体情報を読み出す方法では、登録生体情報格納部１１１以外のＨＤＤ１８０３内に、品質値の算出に用いるダミー生体情報を格納しておき、学習用他人登録生体情報として読み出す。ダミー生体情報は、同一生体から取得した生体情報が登録生体情報格納部１１１に格納されていない生体情報であり、予め登録者以外の協力者から取得する、協力者から取得した生体情報を改変する、人工的に生成する等の方法により用意することが可能である。このダミー生体情報を用いた方法では、登録生体情報を用いる方法のように各登録生体情報に対応する秘密鍵を用いて生体情報を復号する必要が無い。このため、生体情報登録時に本人以外の生体情報の秘密鍵を取得して生体情報を復号するスキームは不要となり、簡易にシステムを実装することが可能となる。
学習用他人生体情報は用いず、典型的な他人生体情報との類似度を直接読み出す方法では、予め典型的な他人生体情報との類似度を複数用意しておき、生体情報本登録時に用いる。典型的な他人生体情報との類似度は、例えば分布パラメータ事前学習の類似度行列取得１７０２にて得られた類似度の一部を用いる方法や、類似度行列取得１７０２にて得られた類似度行列から類似度が従う確率分布を推定し、得られた確率分布から類似度をランダムに生成する方法等を適用することで得ることが可能である。この方法では、生体情報本登録時に他人生体情報を一切用いないため、最も計算量が小さく、実装が簡易である。ただし、この方式を用いるためには、利用者から取得した生体情報と他人生体情報との類似度は、各生体情報の品質値の影響を受けないことを仮定する必要がある。従って、利用者から取得した生体情報と他人生体情報との類似度が各生体情報の品質値の影響を大きく受ける場合には、この方法を採用すると認証精度が劣化する恐れがある。以上の方法を適用することで、本実施形態では学習用他人生体情報を読み出す。
ステップ１６０３は、ステップ１６０２で読み出した利用者ＩＤに紐付いた各登録生体情報２０２と学習用他人生体情報とを照合し、類似度行列を取得する処理である。得られた類似度行列の各要素は、生体ｍに対してｉ番目に登録された生体情報と生体ｎに対してｊ番目に登録された生体情報との類似度１８０２に対応する。ただし、ステップ１６０２で学習用他人生体情報は用いず、典型的な他人生体情報との類似度を直接読み出す方法を採用した場合には、生体情報の照合は必要ないため、ステップ１６０３では何も行わず、ステップ１６０２で読み出された類似度を、ステップ１６０３で得られた類似度と同様に扱う。
ステップ１６０４は、分布パラメータ格納部１１３に格納されている分布パラメータ４０１を読み出す処理である。得られた分布パラメータ（関数Ｆの係数ｆ１、ｆ２、関数Ｒの係数ｒ１、ｒ２、関数Ｓの係数ｓ１、ｓ２）は、ステップ１６０５の各登録生体情報の品質値算出に用いる。ステップ１６０５は、ステップ１６０３で取得した類似度行列と、ステップ１６０４で取得した分布パラメータに基づき、各登録生体情報の品質値を算出する処理である。ここで、ステップ１６０３で取得した類似度行列の各要素は（数２）へ代入する。ステップ１６０４で取得した分布パラメータは、（数８）の係数に代入する。以上のパラメータを用いて、（数８）における混合効果係数の値である（数４）（各登録生体情報の品質値）を一般化線形混合モデルに基づき推定する。この推定は、ステップ１７０３と同様に、Ｌａｐｌａｃｅ近似、マルコフ連鎖モンテカルロ法等を適用することで実現する。
本実施形態では、一般化線形混合モデルの一般的な使われ方とは異なり、各登録生体情報の混合効果係数（品質値）も推定対象とし、推定値を保存しておく。具体的には、生体情報が同一の生体から取得されたものか否かを示すフラグ（同一の場合１、異なる場合０）を目的変数、生体情報間の類似度を説明変数とする。さらに、生体情報毎にサブクラスタを形成し、説明変数の多項式と共にサブクラスタ毎の混合効果も推定し、それを生体情報の品質値として登録する。このようにして得られる品質値（数１１）は、各登録生体情報の品質を表すパラメータであり、（数１１）の値により、尤度比を算出する際に用いる尤度関数の形が変化する。これにより、各登録生体情報の品質を考慮した融合判定が可能となる。
ステップ１６０６はステップ１６０５で算出した品質値を登録生体情報格納部１１１の品質値２０３へ登録する処理である。以上のステップ１６０１〜ステップ１６０６により、生体情報の本登録が完了する。
図１８は、第一の実施形態の生体認証システムにおける認証端末、認証サーバのハードウェア構成を示すブロック図である。
この図において、符号１８０１はＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）、符号１８０２はメモリ、符号１８０３はＨＤＤ（Ｈａｒｄ Ｄｉｓｋ Ｄｒｉｖｅ）、符号１８０４は入力装置、符号１８０５は出力装置、符号１８０６は通信装置である。
ＣＰＵ１８０１は認証サーバ１０４の生体情報照合部１０５、生体情報選択部１０６、生体情報登録部１０７、品質値算出部１０８、品質値登録部１０９、尤度比算出部１１０に対応するプログラムを実行する。メモリ１８０２は認証サーバ１０４の生体情報照合部１０５、生体情報選択部１０６、生体情報登録部１０７、品質値算出部１０８、品質値登録部１０９、尤度比算出部１１０に対応するプログラムを格納する。これらのプログラムをＣＰＵ１８０１が実行することで、各々の処理が実現する。ＨＤＤ１８０３は認証サーバ１０１における登録生体情報格納部１１１、仮登録生体情報格納部１１２、分布パラメータ格納部１１３、認証しきい値格納部１１４に相当する。各部が格納するデータは、ＨＤＤ１８０３上のデータとして蓄積される。入力装置１８０４は認証端末１０１における生体情報取得部１０２に相当する。生体情報取得部１０２では、利用者から指紋、静脈、虹彩、音声、筆跡等の生体情報を取得する。出力装置１８０５は認証端末１０１の認証結果表示部１０３に相当する。認証結果表示部１０３では、例えばディスプレイ等を通して認証端末１０１を操作している利用者、またはオペレータに対して、認証結果を伝える。通信装置１８０６は認証端末１０１と認証サーバ１０４の間で、認証情報や認証結果を送受信する際に用いられる。
図７は、本発明の第一の実施形態において、認証端末を利用者が操作し、生体情報の登録をリアルタイム処理にて行う場合の手順を示す図である。
最初に、認証端末１０１は利用者ＩＤ入力する処理７０３を行う。利用者ＩＤを取得する方法には、数字キーにより手入力を行う方法、磁気カードやＩＣカードからＩＤを取得する方法、紙に印字された番号をスキャナで読み取る方法、等が適用可能である。次に、認証端末１０１は生体情報取得する処理７０４を行う。生体情報の取得では、認証情報取得部１０２に含まれる、指紋や静脈、虹彩、筆跡等を読み取る専用装置、顔を撮影するカメラ、音声を取得するマイク等を用いる。次に、認証端末１０１は、認証情報（利用者ＩＤ・生体情報）７０５を認証サーバ１０４へ送信する。次に、認証サーバ１０４は生体情報照合する処理７０６を行う。処理７０６の具体的な処理手順は、図１２で示す。次に、認証サーバ１０４は尤度比を算出する処理７０７を行う。処理７０７の具体的な処理手順は、図１３で示す。次に、認証サーバ１０４は本人判定する処理７０８を行う。処理７０８の具体的な処理手順は、図１４で示す。次に、認証サーバ１０４は生体情報本登録する処理７０９を行う。処理７０９の具体的な手順は、図１６に示す。次に、認証サーバ１０４は、認証結果７１０を認証端末１０１へ送信する。認証結果７１０には、利用者の認証が成功したか否かを示す情報が含まれている。最後に、認証端末１０１は認証結果出力する処理７１１を行う。処理７１１では、認証結果表示部１０３を用いて利用者へ認証結果を伝える。
以上の本発明の第一の実施形態によれば、登録生体情報の品質にばらつきがあり、登録生体情報の一部の品質が低い場合でも、高精度な本人確認を行うことができる。
＜第二の実施形態＞
第二の実施形態は、オペレータが操作する認証端末と認証サーバを用いて、利用者から取得した生体情報（以降、認証生体情報）を認証サーバへ自動で登録し、登録された複数の生体情報（以降、登録生体情報）に対して、登録生体情報間の類似度に基づいて算出した品質値を付与し、利用者の認証時には認証生体情報と複数の登録生体情報との類似度と各登録生体情報に対する品質値に基づき尤度比を算出することで本人か否かの判定を行うシステムである。ただし、認証端末は操作するオペレータから利用者の身分事項に関する確認結果を受理することができる。例えば、認証サーバにおける生体情報照合に失敗し、生体情報に基づく本人確認が行えなかった場合は、オペレータから身分事項に関する確認結果を受理することで本人確認が完了したとする。
以下、図面を参照して、詳細に説明する。本実施形態では、第一の実施形態同様、最初に図１７に示す分布パラメータ事前学習を行う必要がある。ステップ１７０１〜ステップ１７０４を行うことで分布パラメータ４０１を学習し、分布パラメータ格納部１１３へ登録する。
図８は、本発明の第二の実施形態において、認証端末をオペレータが操作し、生体情報の登録をバッチ処理にて行う場合の手順を示す図である。
最初に、認証端末１０１は利用者ＩＤ入力する処理８０３を行う。利用者ＩＤを取得する方法には、第一の実施形態と同様に、数字キーにより手入力を行う方法、磁気カードやＩＣカードからＩＤを取得する方法、紙に印字された番号をスキャナで読み取る方法、等が適用可能である。次に、認証端末１０１は生体情報取得する処理８０４を行う。生体情報の取得でも、第一の実施形態と同様に、認証情報取得部１０２に含まれる、指紋や静脈、虹彩、筆跡等を読み取る専用装置、顔を撮影するカメラ、音声を取得するマイク等を用いる。次に、認証端末１０１は、認証情報（利用者ＩＤ・生体情報）８０５を認証サーバ１０４へ送信する。次に、認証サーバ１０４は生体情報照合する処理８０６を行う。処理８０６の具体的な処理手順は、図１２で示す。次に、認証サーバ１０４は尤度比を算出する処理８０７を行う。処理８０７の具体的な処理手順は、図１３で示す。次に、認証サーバ１０４は本人であるか否かの判定をする処理８０８を行う。処理８０８の具体的な処理手順は、図１４で示す。次に、認証サーバ１０４は、認証結果８０９を認証端末１０１へ送信する。認証結果８０９には、利用者の認証が成功したか否かを示す情報が含まれている。次に、認証端末１０１は認証結果を出力する処理８１０を行い、出力装置１８０５を通してオペレータへ利用者の認証が成功したか否かを提示する。次に、認証端末１０１は認証結果の確認結果を受け付ける処理８１１を行う。
確認結果には、利用者の認証結果に応じて、４つの種類が考えられる。利用者の認証が成功した場合は、認証結果を受け入れて利用者を本人と認める確認結果と、認証結果に反して利用者を本人と認めない確認結果を選択することができる。利用者に関する生体情報以外の身分事項（例えば、身分証明書等）に問題が無い場合は、前者を選択することで、最終的な本人確認が成功とみなされ、利用者から取得した生体情報の追加登録を行うことが可能となる。一方で、利用者に関する生体情報以外の身分事項に問題があり、利用者を本人と認めることができない場合は、後者を選択することで本人確認を失敗とし、生体情報の追加登録を中止することが可能となる。
また、利用者の認証が失敗した場合は、認証結果に反して利用者を本人と認める確認結果と、認証結果を受け入れて本人と認めない確認結果を選択することができる。利用者に関する生体情報以外の身分事項から本人確認が行えた場合には、前者を選択することで、最終的な本人確認が成功とみなされ、利用者から取得した生体情報の追加登録を行うことが可能となる。一方で、利用者に関する生体情報以外の身分事項を用いても本人確認を行うことが困難であった場合には、後者を選択することで、本人確認を失敗とし、生体情報の追加登録を行わないことが可能となる。
次に、認証端末１０１は、上記の確認結果８１２を認証サーバ１０４へ送信する。確認結果８１２に、本人確認成功を示す情報が含まれていた場合は、認証サーバ１０４は生体情報仮登録処理８１３を実行する。処理８１３の具体的な手順は、図１５で示す。一方、確認結果８１２に本人確認失敗を示す情報が含まれていた場合には、その後の生体情報仮登録処理８１３を行わずに、処理を終了する。
利用者ＩＤ入力８０３から生体情報仮登録８１３までの認証処理を繰り返すことで、生体情報仮登録８１３が複数回実行される。その後、本実施形態では、バッチ処理として生体情報本登録８１４を行う。処理８１４の具体的な手順は、図１６に示す。これにより、利用者の生体情報が複数登録される。
本実施例では、生体情報に基づく認証結果が認証端末１０１へ送信された後、オペレータの確認結果を受け付けることができる。これにより、既存の登録生体情報と利用者から取得した生体情報との類似度が低く、正規の利用者が認証に失敗した場合でも、認証端末１０１のオペレータによる生体情報以外の身分事項に基づく本人確認結果を、認証サーバ１０６へ送信することが可能となる。これにより、認証サーバ１０６は生体情報に基づく本人確認に失敗した場合でも、生体情報の追加登録を行うことができる。
図９は、本発明の第二の実施形態において、認証端末をオペレータが操作し、生体情報の登録をリアルタイム処理にて行う場合の手順を示す図である。
最初に、認証端末１０１は利用者ＩＤ入力する処理９０３を行う。利用者ＩＤを取得する方法には、数字キーにより手入力を行う方法、磁気カードやＩＣカードからＩＤを取得する方法、紙に印字された番号をスキャナで読み取る方法、等が適用可能である。次に、認証端末１０１は生体情報取得する処理９０４を行う。処理９０４では、認証情報取得部１０２に含まれる、指紋や静脈、虹彩、筆跡等を読み取る専用装置、顔を撮影するカメラ、音声を取得するマイク等を用いる。次に、認証端末１０１は、認証情報（利用者ＩＤ・生体情報）９０５を認証サーバ１０４へ送信する。次に、認証サーバ１０４は生体情報照合する処理９０６を行う。処理９０６の具体的な処理手順は、図１２で示す。次に、認証サーバ１０４は尤度比を算出する処理９０７を行う。処理９０７の具体的な処理手順は、図１３で示す。次に、認証サーバ１０４は本人判定する処理９０８を行う。処理９０８の具体的な処理手順は、図１４で示す。次に、認証サーバ１０４は、認証結果９０９を認証端末１０１へ送信する。認証結果９０９には、利用者の認証が成功したか否かを示す情報が含まれている。次に、認証端末１０１は認証結果を出力する処理９１０を行い、出力装置１８０５を通してオペレータへ利用者の認証が成功したか否かを提示する。次に、認証端末１０１は認証結果の確認結果を受け付ける処理９１１を行う。次に、認証端末１０１は、確認結果９１２を認証サーバ１０４へ送信する。最後に、認証サーバ１０４は、生体情報本登録する処理９１３を行う。処理９１３の具体的な処理手順は、図１６で示す。
以上の手順により、本実施形態では、認証時に取得した生体情報を追加登録し、複数の登録生体情報を用いて認証を行う生体認証システムにおいて、登録生体情報の品質にばらつきがあり、一部の登録生体情報の品質が低い場合でも、高精度な認証を行うことが可能である。また、正規の利用者が生体認証に失敗した場合は、オペレータによる審査結果を受け付けることで生体情報の追加登録を行い、次回以降の認証精度を向上させることが可能である。
＜第三の実施形態＞
第三の実施形態は、オペレータが操作する認証端末と認証サーバを用いて、利用者から第一生体情報と第二生体情報の２種類の生体情報を取得し、第一生体情報を用いた本人確認と第二生体情報を用いたブラックリスト照合を活用することで効率的な審査を行うシステムである。ブラックリスト照合は、犯罪者等の要注意人物から取得した生体情報をブラックリストとして蓄積し、利用者の生体情報と照合を行うことで、利用者が要注意人物か否かを判定するものである。本実施形態は、入国審査に代表される、生体認証を活用したブラックリスト照合を行っているシステムに適用可能である。
本人確認は、第二の実施形態と同様に、事前に登録した第一生体情報に基づき本人であるか否かを判定することで実現する。この際、本人確認用の生体情報データベースには、ブラックリストに登録されていない利用者のみを登録することで、第一生体情報に基づく本人確認により利用者がブラックリストに登録されていないことを保証することが可能となる。
一方、ブラックリスト照合は、ブラックリストに含まれる生体情報と利用者から取得した生体情報との照合を行うことで実現する。ブラックリスト照合の結果一致する生体情報が無ければ、利用者は要注意人物ではないと判断され、審査を通過することができる。
以下、図面を参照して、詳細に説明する。図１０は本発明の第三の実施形態において、認証端末をオペレータが操作し、利用者に対するブラックリスト照合を含む審査を行う場合の手順を示す図である。
最初に、認証端末１０１は利用者ＩＤを入力する処理１００３を行う。利用者ＩＤを取得する方法には、第一の実施形態と同様に、数字キーにより手入力を行う方法、磁気カードやＩＣカードからＩＤを取得する方法、紙に印字された番号をスキャナで読み取る方法、等が適用可能である。特に、入国審査を適用対象とした場合は、旅券に印字されている旅券番号を読み取ることで、渡航者を一意に定めることが可能となる。
次に、認証端末１０１は第一生体情報と第二生体情報を取得する処理１００４を行う。生体情報の取得では、第一の実施形態と同様に、認証情報取得部１０２に含まれる、指紋や静脈、虹彩等を読み取る専用装置、顔を撮影するカメラ、等を用いる。ただし、本実施形態では第一生体情報と第二生体情報の２種類を取得する必要がある。２種類の生体情報を取得する方法には、第一生体情報（例えば、静脈）を取得する装置と第二生体情報（例えば、指紋）を取得する装置を併用する方法、第一生体情報と第二生体情報を一度に取得する装置を活用する方法、が適用可能である。
次に、認証端末１０１は、認証情報（利用者ＩＤ・第一生体情報）１００５を認証サーバ１０４へ送信する。次に、認証サーバ１０４は生体情報照合（第一生体情報）する処理１００６を行う。処理１００６の具体的な処理手順は、図１２で示す。次に、認証サーバ１０４は尤度比を算出する処理１００７を行う。処理１００７の具体的な処理手順は、図１３で示す。次に、認証サーバ１０４は本人判定する処理１００８を行う。処理１００８の具体的な処理手順は、図１４で示す。次に、認証サーバ１０４は、第一照合結果１００９を認証端末１０１へ送信する。第一照合結果１００９には、利用者の認証が成功したか否かを示す情報が含まれている。次に、認証端末１０１は第一照合結果を出力する処理１０１０を行い、出力装置１８０５を通してオペレータへ利用者の認証が成功したか否かを提示する。本実施形態は、利用者がブラックリストに登録された要注意人物であるか否かを判定することを目的としている。このため、第一照合結果１００９において、認証が成功したことを示す情報が含まれている場合には、下記の処理１０１１〜処理１０１４においてブラックリスト照合を行わなくても良い。一方で、第一照合結果１００９において、認証失敗、または登録生体情報が存在しないことを示す情報が含まれていた場合には、下記の処理１０１１〜処理１０１４でブラックリスト照合を行い、利用者が要注意人物か否かを判定する必要がある。
次に、認証端末１０１は、認証情報（第二生体情報）１０１１を認証サーバ１０４へ送信する。次に、認証サーバ１０４は第二生体情報に基づくブラックリスト照合を行う処理１０１２を行う。処理１０１２では、複数の要注意人物から事前に取得した第二生体情報と、利用者から取得した生体情報を照合することで、利用者が要注意人物であるか否かを判定する。次に、認証サーバ１０４は、第二照合結果１０１３を認証端末１０１へ送信する。第二照合結果１０１３には、利用者が要注意人物と判定されたか否かを示す情報が含まれている。次に、認証端末１０１は第二照合結果を出力する処理１０１４を行い、出力装置１８０５を通してオペレータへ利用者が要注意人物であるか否かを提示する。
次に、認証端末１０１はオペレータの確認結果を受け付ける処理１０１５を行う。確認結果には、第一生体情報を登録するか否かを示す情報が含まれている。利用者が要注意人物ではない場合は、第一生体情報を登録することで次回以降にブラックリスト照合を必要としないスムーズな審査を実現することができる。一方、利用者が要注意人物である場合は、第一生体情報を登録せず、審査を完了する。ここでオペレータは、第二照合結果１０１３において利用者が要注意人物であると判定された場合でも、利用者の生体情報以外の身分事項に基づく審査で利用者が要注意人物ではないと確認されれば、第一生体情報登録を実行することができる。これは、利用者の第二生体情報と要注意人物の第二生体情報が類似している場合、要注意人物以外の利用者が要注意人物と誤判定される可能性があるためである。このように、要注意人物と類似する第二生体情報を持つ利用者は、第二生体情報に基づくブラックリスト照合を行う度に要注意人物と誤判定されて利便性が低下する危険性があるが、第一生体情報を登録することでブラックリスト照合を不要とし、利便性の確保を行うことが可能となる。
次に、認証端末１０１は、確認結果１０１６を認証サーバ１０４へ送信する。ここで、認証サーバ１０４は、確認結果１０１６に含まれる情報に応じて処理を分岐する。確認結果１０１６に第一生体情報登録を行うとの情報が含まれている場合は、処理１０１７〜処理１０１８を行う。確認結果１０１６に第一生体情報登録を行わないとの情報が含まれている場合には、ここで処理を終了する。
処理１０１７では、第一生体情報の仮登録を行う。処理１０１７の具体的な処理手順は、図１５で示す。処理１００３〜処理１０１７を繰り返すことで、複数の第一生体情報が仮登録生体情報格納部１１５に蓄積する。最後に、認証サーバ１０４は第一生体情報を登録する処理１０１８を行う。処理１０１８の具体的な処理手順は、図１６で示す。これにより、処理１００３〜処理１０１７を繰り返すことで蓄積した第一生体情報の登録が完了する。
以上により、第二生体情報に基づくブラックリスト照合を含む審査を行う生体認証システムにおいて、第一生体情報を複数登録し、本人確認に活用することが可能となる。本実施形態を用いることで、ブラックリスト内の生体情報と一致しない利用者は、第一生体情報に基づく本人確認によりスムーズな審査を行うことが可能となる。また、要注意人物と第二生体情報が類似する利用者は、生体情報以外の身分事項に基づく審査で要注意人物ではないと確認されれば、第一生体情報を登録し、次回以降ブラックリスト照合の誤判別なしに審査を受けることが可能となる。
図１１は、本発明の第三の形態において、認証端末をオペレータが操作し、利用者に対するブラックリスト照合を含む審査を行う場合の手順を示す図である。処理１１０３〜処理１１１６は図１０と同様であるが、その後の生体情報本登録（第一生体情報）１１１７を実行するタイミングが図１０と異なる。図１０では生体情報仮登録（第一生体情報）１０１７を繰り返すことで仮登録生体情報格納部１１５へ生体情報を蓄積した後、生体情報本登録（第一生体情報）１０１８にてバッチ処理で生体情報を登録生体情報格納部１１４に本登録する。一方、図１１では、生体情報の仮登録は行わず、リアルタイムで生体情報本登録（第一生体情報）１１１７を行い、登録生体情報格納部１１４へ生体情報を登録する。
１０１…認証端末
１０２…認証情報取得部
１０３…認証結果表示部
１０４…認証サーバ
１０５…生体情報照合部
１０６…生体情報選択部
１０７…生体情報登録部
１０８…品質値算出部
１０９…品質値登録部
１１０…尤度比算出部
１１１…登録生体情報格納部
１１２…仮登録生体情報格納部
１１３…分布パラメータ格納部
１１４…認証しきい値格納部
１１５…分布パラメータ算出部
２０１…利用者ＩＤ
２０２…登録生体情報
２０３…品質値
３０１…利用者ＩＤ
３０２…仮登録生体情報
４０１…分布パラメータ
４０２…関数Ｆの係数
４０３…関数Ｒの係数
４０４…関数Ｓの係数
５０１…精度要件(ＦＡＲ)
５０２…認証しきい値
６０３…利用者ＩＤ取得
６０４…生体情報取得
６０５…認証情報（利用者ＩＤ・生体情報）
６０６…生体情報照合
６０７…尤度比算出
６０８…本人判定
６０９…生体情報仮登録
６１０…認証結果
６１１…認証結果出力
６１２…生体情報本登録
７０３…利用者ＩＤ入力
７０４…生体情報取得
７０５…認証情報（利用者ＩＤ・生体情報）
７０６…生体情報照合
７０７…尤度比算出
７０８…本人判定
７０９…生体情報本登録
７１０…認証結果
７１１…認証結果出力
８０３…利用者ＩＤ入力
８０４…生体情報取得
８０５…認証情報（利用者ＩＤ・生体情報）
８０６…生体情報照合
８０７…尤度比算出
８０８…本人判定
８０９…認証結果
８１０…認証結果出力
８１１…確認結果入力
８１２…確認結果
８１３…生体情報仮登録
８１４…生体情報本登録
９０３…利用者ＩＤ入力
９０４…生体情報取得
９０５…認証情報（利用者ＩＤ・生体情報）
９０６…生体情報照合
９０７…尤度比算出
９０８…本人判定
９０９…認証結果
９１０…認証結果出力
９１１…確認結果入力
９１２…確認結果
９１３…生体情報本登録
１００３…利用者ＩＤ入力
１００４…第一・第二生体情報取得
１００５…認証情報（利用者ＩＤ・第一生体情報）
１００６…生体情報照合（第一生体情報）
１００７…尤度比算出
１００８…本人判定
１００９…第一照合結果
１０１０…第一照合結果出力
１０１１…認証情報（利用者ＩＤ・第二生体情報）
１０１２…生体情報照合（第二生体情報）
１０１３…第二照合結果
１０１４…第二照合結果出力
１０１５…確認結果入力
１０１６…確認結果
１０１７…生体情報仮登録（第一生体情報）
１０１８…生体情報本登録（第一生体情報）
１１０３…利用者ＩＤ入力
１１０４…第一・第二生体情報取得
１１０５…認証情報（利用者ＩＤ・第一生体情報）
１１０６…生体情報照合（第一生体情報）
１１０７…尤度比算出
１１０８…本人判定
１１０９…第一照合結果
１１１０…第一照合結果出力
１１１１…認証情報（利用者ＩＤ・第二生体情報）
１１１２…生体情報照合（第二生体情報）
１１１３…第二照合結果
１１１４…第二照合結果出力
１１１５…確認結果入力
１１１６…確認結果
１１１７…生体情報本登録（第一生体情報）
１２０１…利用者ＩＤに基づき登録生体情報(Ｎ件)を参照する処理
１２０２…受信した生体情報と、Ｎ件の登録生体情報を照合する処理
１２０３…Ｎ件の照合スコアを算出する処理
１３０１…分布パラメータを読み出す処理
１３０２…利用者ＩＤに基づき、各登録生体情報に対する品質値を読み出す処理
１３０３…一般化線形混合モデルに基づき、類似度と品質値から尤度比を算出する処理
１４０１…尤度比に対して、予め設定した認証しきい値を適用する処理
１４０２…尤度比>認証しきい値かどうか調べる処理
１４０３…認証結果に認証成功を代入する処理
１４０４…認証結果に認証失敗を代入する処理
１５０１…利用者ＩＤと利用者から取得した生体情報を、仮登録生体情報格納部へ登録する処理
１６０１…利用者ＩＤと生体情報を、登録生体情報格納部に登録する処理
１６０２…本人登録生体情報と、学習用他人登録生体情報とを読み出す処理
１６０３…登録生体情報同士を照合し、類似度行列を取得する処理
１６０４…分布パラメータを読み出す処理
１６０５…登録生体情報間の類似度に基づき、各登録生体情報の品質値を算出する処理
１６０６…品質値を登録生体情報格納部へ登録する処理
１７０１…学習用生体情報を読み込む処理
１７０２…学習用生体情報同士を照合し、類似度行列を取得する処理
１７０３…一般化線形混合モデルに基づく最尤推定により、分布パラメータを算出する処理
１７０４…分布パラメータを分布パラメータ格納部へ登録する処理
１８０１…ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）
１８０２…メモリ
１８０３…ＨＤＤ（Ｈａｒｄ Ｄｉｓｋ Ｄｒｉｖｅ）
１８０４…入力装置
１８０５…出力装置
１８０６…通信装置

Claims (12)

  1. 利用者の生体情報を取得して当該利用者を認証する生体認証システムであって、
    生体情報の品質値に基づき尤度関数を変化させる分布パラメータと、登録者の識別子と登録生体情報と登録生体情報の品質値が対応付けて登録された登録情報と、を記憶する記憶手段と、
    利用者の識別子と当該利用者の認証対象生体情報の入力を受け付る認証生体情報受付手段と、
    前記登録情報から、前記利用者の識別子と一致する登録者の識別子を有する少なくとも１つ以上の登録情報を照合対象登録情報として抽出する登録情報抽出手段と、
    前記照合対象登録情報の各々と前記利用者の認証対象生体情報の間で生体情報の類似度を算出する類似度算出手段と、
    前記照合対象登録情報の各々について、前記記憶手段に記憶された当該照合対象登録情報の品質値および前記分布パラメータと前記類似度算出手段によって算出した当該照合対象登録情報の類似度から、尤度関数を生成し、尤度比を算出する尤度比算出手段と、
    前記尤度比が閾値以上であった場合は前記照合対象登録情報に係る利用者と、前記認証対象生体情報の登録者が同一であると判断する認証をおこなう利用者認証手段と、
    を有することを特徴とする生体認証システム。
  2. 請求項１に記載の生体認証システムであって、
    前記記憶手段は、さらに、Ｍ人の被験者からＮ個ずつ収集した事前学習用生体情報を記憶し、
    さらに、同一の事前学習用生体情報の組合せを除いた（Ｍ×Ｎ）×（Ｍ×Ｎ−１）個の組合せの各々について、前記事前学習用生体情報間の類似度を算出する事前学習類似度算出手段と、
    混合効果を生体情報の品質値とした一般化線形混合モデルの式に前記事前学習用生体情報間の類似度を適用して最尤推定処理を行い前記分布パラメータを取得し、取得された当該分布パラメータを前記記憶手段に記憶された分布パラメータと置き換えて記憶させる分布パラメータ取得手段と、
    を有することを特徴とする生体認証システム。
  3. 請求項２に記載の生体認証システムであって、
    前記記憶手段は、さらに、生体情報の品質値の算出に用いる複数の品質値学習用生体情報を記憶し、
    さらに、前記利用者認証手段により前記照合対象登録情報に係る利用者と、前記認証対象生体情報の登録者が同一であると判断した場合に、前記利用者の識別子と当該利用者の認証対象生体情報を対応づけて前記登録情報に登録する生体情報登録手段と、
    前記登録情報のうち、前記利用者の識別子に対応付けられた登録生体情報の各々と前記品質値学習用生体情報の各々との組み合わせの間で品質値取得用の類似度を算出する品質値用類似度算出手段と、
    前記利用者の識別子に対応付けられた登録生体情報の各々について、前記品質値取得用の類似度と前記分布パラメータを前記一般化線形混合モデルの式に代入し、当該登録生体情報の新たな品質値を算出する品質値算出手段と、
    前記登録情報の前記利用者の識別子に対応付けられた登録生体情報の品質値として前記
    新たな品質値を登録する品質値更新手段と、
    を有することを特徴とする生体認証システム。
  4. 請求項３に記載の生体認証システムであって、
    前記分布パラメータ取得手段は、前記一般化線形混合モデルの式として、
    Figure 0005852870
     を用い、前記一般化線形混合モデルの多項式
    Figure 0005852870
     の係数を前記分布パラメータとして取得し、
    前記品質値算出手段は、前記一般化線形混合モデルにおける混合係数
    Figure 0005852870
     を登録生体情報の品質値として取得する、
    ことを特徴とする生体認証システム。
  5. 請求項４に記載の生体認証システムであって、
    前記尤度比算出手段は、前記尤度比関数の式として、
    Figure 0005852870
     を用い、尤度比を算出する、
    ことを特徴とする生体認証システム。
  6. 請求項３に記載の生体認証システムであって、
    前記品質値学習用生体情報として、
    前記登録情報に登録された登録生体情報のうち、前記利用者の識別子と一致する登録者の識別子を有する登録情報を除いた他の認証者の識別子と対応付けられた登録生体情報、
    前記登録情報に登録されている登録者以外から品質値学習用に取得した生体情報、
    および、登録者またはそれ以外の者から取得した生体情報を改変した人工的な生体情報、
    のいずれか１つを有することを特徴とした生体認証システム。
  7. 請求項３に記載の生体認証システムであって、
    前記記憶手段は、さらに、他人の生体情報と照合した場合に取り得る典型的な類似度を記憶し、
    さらに、前記典型的な類似度のリストに登録された類似度を前記品質値取得用の類似度とする品質値用類似度取得手段を有することを特徴とする生体認証システム。
  8. 利用者の生体情報を取得して当該利用者を認証する生体認証システムにおける生体認証方法であって、
    前記生体認証システムは、記憶部と、認証情報取得部と、生体情報照合部と、生体情報登録部と、尤度比算出部と、生体情報選択部と、を有し、
    前記記憶部が、生体情報の品質値に基づき尤度関数を変化させる分布パラメータと、登録者の識別子と登録生体情報と登録生体情報の品質値が対応付けて登録された登録情報と、を記憶し、
    前記認証情報取得部が、利用者の識別子と当該利用者の認証対象生体情報の入力を受け付け、
    前記生体情報照合部が、前記登録情報から、前記利用者の識別子と一致する登録者の識別子を有する少なくとも１つ以上の登録情報を照合対象登録情報として抽出して、前記照合対象登録情報の各々と前記利用者の認証対象生体情報の間で生体情報の類似度を算出し、
    前記尤度比算出部が、前記照合対象登録情報の各々について、前記記憶部に記憶された当該照合対象登録情報の品質値および前記分布パラメータと前記生体情報照合部によって
    算出した当該照合対象登録情報の類似度から、尤度関数を生成し、尤度比を算出し、
    前記生体情報選択部が、前記尤度比が閾値以上であった場合は前記照合対象登録情報に係る利用者と、前記認証対象生体情報の登録者が同一であると判断して認証する、
    ことを特徴とする生体認証方法。
  9. 請求項８に記載の生体認証方法であって、
    前記生体認証システムは、さらに、分布パラメータ算出部を有し、
    前記記憶部が、さらに、Ｍ人の被験者からＮ個ずつ収集した事前学習用生体情報を記憶し、
    さらに、前記分布パラメータ算出部が、同一の事前学習用生体情報の組合せを除いた（Ｍ×Ｎ）×（Ｍ×Ｎ−１）個の組合せの各々について、前記事前学習用生体情報間の類似度を算出し、混合効果を生体情報の品質とした一般化線形混合モデルの式に前記事前学習用生体情報間の類似度を適用して最尤推定処理を行い前記分布パラメータを取得し、取得された当該分布パラメータを前記記憶部に記憶された分布パラメータと置き換えて記憶する、
    ことを特徴とする生体認証方法。
  10. 請求項９に記載の生体認証方法であって、
    前記生体認証システムは、さらに、品質値算出部と、品質値登録部と、を有し、
    前記記憶部は、さらに、生体情報の品質値の算出に用いる複数の品質値学習用生体情報を記憶し、
    さらに、前記生体情報選択部が、前記照合対象登録情報に係る利用者と、前記認証対象生体情報の登録者が同一であると判断した場合に、前記生体情報照合部が、前記登録情報のうち、前記利用者の識別子に対応付けられた登録生体情報の各々と前記品質値学習用生体情報の各々との組み合わせの間で品質値取得用の類似度を算出し、
    前記品質値算出部が、前記利用者の識別子に対応付けられた登録生体情報の各々について、前記品質値取得用の類似度と前記分布パラメータを前記一般化線形混合モデルの式に代入し、当該登録生体情報の新たな品質値を算出し、
    前記品質値登録部が、前記登録情報の前記利用者の識別子に対応付けられた登録生体情報の品質値として前記新たな品質値を登録する、
    ことを特徴とする生体認証方法。
  11. 請求項１０に記載の生体認証方法であって、
    前記分布パラメータ算出部が、前記一般化線形混合モデルの式として、
    Figure 0005852870
     を用い、前記一般化線形混合モデルの多項式
    Figure 0005852870
     の係数を前記分布パラメータとして取得し、
    前記品質値算出部が、前記一般化線形混合モデルにおける混合係数
    Figure 0005852870
     を登録生体情報の品質値として取得する、
    ことを特徴とする生体認証方法。
  12. 請求項１１に記載の生体認証方法であって、
    前記尤度比算出部が、前記尤度比関数の式として、
    Figure 0005852870
     を用い、尤度比を算出する、
    ことを特徴とする生体認証方法。
JP2011269556A 2011-12-09 2011-12-09 生体認証システム Active JP5852870B2 (ja)

Priority Applications (2)

Application Number Priority Date Filing Date Title
JP2011269556A JP5852870B2 (ja) 2011-12-09 2011-12-09 生体認証システム
PCT/JP2012/077752 WO2013084617A1 (ja) 2011-12-09 2012-10-26 生体認証システム

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2011269556A JP5852870B2 (ja) 2011-12-09 2011-12-09 生体認証システム

Publications (2)

Publication Number Publication Date
JP2013120580A JP2013120580A (ja) 2013-06-17
JP5852870B2 true JP5852870B2 (ja) 2016-02-03

Family

ID=48574000

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2011269556A Active JP5852870B2 (ja) 2011-12-09 2011-12-09 生体認証システム

Country Status (2)

Country Link
JP (1) JP5852870B2 (ja)
WO (1) WO2013084617A1 (ja)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11032273B2 (en) 2017-04-29 2021-06-08 Crypto Lab Inc. Method for authenticating secret information which protects secret information

Families Citing this family (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103714323B (zh) * 2013-12-25 2017-06-16 广西科技大学 指纹增强方法及指纹识别装置
JP2017532707A (ja) * 2014-10-17 2017-11-02 クラウドウェア、インコーポレイテッド アウト・オブ・バンド・データから導出されるデジタルフィンガープリント信号に基づくユーザ検証
CN108027883A (zh) * 2015-06-30 2018-05-11 美国日本电气公司 面部识别系统
CN106888193A (zh) * 2015-12-16 2017-06-23 中兴通讯股份有限公司 一种用户身份认证方法、装置及其系统
JP6556665B2 (ja) * 2016-05-27 2019-08-07 日本電信電話株式会社 学習システム、特徴学習装置、その方法、及びプログラム
JP6712551B2 (ja) * 2017-01-26 2020-06-24 富士通フロンテック株式会社 生体認証システム及び生体認証方法
KR101838008B1 (ko) * 2017-04-29 2018-03-13 서울대학교산학협력단 생체 정보를 보호하는 생체 정보 인증 방법
WO2020093353A1 (zh) * 2018-11-09 2020-05-14 深圳市汇顶科技股份有限公司 生物识别装置、设备、方法及存储介质
US20220165055A1 (en) 2019-04-12 2022-05-26 Nec Corporation Information processing apparatus, information processing method, and storage medium
WO2021049321A1 (ja) * 2019-09-12 2021-03-18 ソニー株式会社 認証装置、認証方法、プログラム、および情報処理装置
WO2021191966A1 (ja) * 2020-03-23 2021-09-30 日本電気株式会社 情報処理装置、情報処理システム、情報処理方法及びプログラム
CN115914505B (zh) * 2023-01-06 2023-07-14 粤港澳大湾区数字经济研究院(福田) 基于语音驱动数字人模型的视频生成方法及系统

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2821348B2 (ja) * 1993-10-21 1998-11-05 日本電気ソフトウェア株式会社 指紋照合装置
JP2006133979A (ja) * 2004-11-04 2006-05-25 Nec Infrontia Corp 指紋照合装置および指紋照合方法
JP2010165323A (ja) * 2009-01-19 2010-07-29 Fujitsu Ltd 生体認証方法及びシステム

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11032273B2 (en) 2017-04-29 2021-06-08 Crypto Lab Inc. Method for authenticating secret information which protects secret information

Also Published As

Publication number Publication date
WO2013084617A1 (ja) 2013-06-13
JP2013120580A (ja) 2013-06-17

Similar Documents

Publication Publication Date Title
JP5852870B2 (ja) 生体認証システム
JP5710748B2 (ja) 生体認証システム
Roy et al. Masterprint: Exploring the vulnerability of partial fingerprint-based authentication systems
Matyas et al. Toward reliable user authentication through biometrics
JP5286297B2 (ja) 生体認証システム
JP2011123532A (ja) 複数種類のテンプレートを用いた生体認証システム及び生体認証方法
Sui et al. Design and analysis of a highly user-friendly, secure, privacy-preserving, and revocable authentication method
Helmi et al. Face recognition automatic class attendance system (FRACAS)
US20190268158A1 (en) Systems and methods for providing mobile identification of individuals
JP2010108074A (ja) 生体認証システム及び方法
JP2012238256A (ja) 生体認証装置、生体認証方法および生体認証プログラム
JP5422326B2 (ja) 生体認証装置
JP2014081796A (ja) 生体認証サーバおよび生体認証の運用管理方法
Ameh et al. Securing cardless automated teller machine transactions using bimodal authentication system
Cimato et al. Privacy in biometrics
US11711216B1 (en) Systems and methods for privacy-secured biometric identification and verification
Shomaji et al. An Analysis of Enrollment and Query Attacks on Hierarchical Bloom Filter-Based Biometric Systems
Meghanathan Biometric systems for user authentication
El-Abed et al. Privacy and security assessment of biometric systems
Uchenna et al. Evaluation of a Fingerprint Recognition Technology for a Biometric Security System
CN115150192B (zh) 一种基于索引自编码的可撤销生物特征模板保护方法
Gunasekar et al. Authentic cloud-biometric signature verification system for healthcare data management
Elijah et al. Staff monitoring system using biometric
Ulupinar et al. The importance of standardization in biometric data for digital forensics
Pandiaraja et al. An Overview of Joint Biometric Identification for Secure Online Voting with Blockchain Technology

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20140305

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20150303

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20150428

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: 20151110

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20151207

R151 Written notification of patent or utility model registration

Ref document number: 5852870

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R151