JP6167861B2 - 生体情報抽出装置、生体情報抽出方法、および生体情報プログラム - Google Patents

Description

本発明は、生体情報抽出装置、生体情報抽出方法、および生体情報プログラムに関する。

特許文献１では、同一の生体部位を複数の方向から撮像して得た静脈画像から１枚の画像を合成する方法が開示されている。また、特許文献２では、静脈画像から、血管パターンの湾曲成分と方向成分とを抽出し、それらを特徴量として照合を行う方法が開示されている。

国際公開第２００６／１３４６６９号 特開２００７−２４９３３９号公報

手のひら静脈や指静脈等の３次元の線状パターンを２次元画像に投影したとき、２次元画像においては、ねじれの位置にある静脈どうしが分岐、交差点等を含む複雑な領域として現れる。しかしながら、特許文献１，２の技術では、ユーザが生体センサに生体部位をかざすときの姿勢変動等の影響によって、２次元画像における分岐、交差点等の位置が変動したときに、本来繋がるべき箇所が切断されたり、本来繋がっていない箇所が接続したりする場合があり、線状パターンの切断、接続を適切に抽出出来ない。その結果、認証精度が低下するという課題があった。

１つの側面では、本件は、生体の３次元の線状パターンで分岐、交差点等を含む複雑な領域において、線状パターンの切断、接続等の抽出精度を向上させることができる、生体情報抽出装置、生体情報抽出方法、および生体情報プログラムを提供することを目的とする。

１つの態様では、生体情報抽出装置は、生体の３次元の線状パターンを撮像した生体画像を取得する取得部と、前記取得部が取得した前記生体画像から前記線状パターンを抽出する抽出部と、前記抽出部が抽出した線状パターンを、当該線状パターンの特徴に応じて複数に分離する分離部と、前記分離部によって分離された各線状パターンにおいて、所定の条件を満たす場合に端点どうしを接続する補正部と、前記補正部による補正後の各線状パターンを合成する合成部と、を備える。

生体における３次元の線状パターンにおいて、分岐、交差点等を含む複雑な領域でも、線状パターンの切断、接続等の抽出精度を向上させることができる。

（ａ）は実施例１に係る生体情報抽出装置のハードウェア構成を説明するためのブロック図であり、（ｂ）は生体センサの模式図である。 （ａ）および（ｂ）は生体センサの撮像によって得られた生体画像の一例である。 生体情報抽出プログラムの実行によって実現される各機能のブロック図である。 登録処理の一例を表すフローチャートである。 （ａ）は静脈パターンの一部の例であり、（ｂ）〜（ｅ）は分離された各成分の例である。 補正処理を表す図である。 （ａ）〜（ｄ）は補正処理後の静脈パターンであり、（ｅ）は合成された静脈パターンである。 認証処理の一例を表すフローチャートである。 （ａ）は静脈パターンの一部の例であり、（ｂ）〜（ｅ）は分離された各成分の例である。 登録処理の一例を表すフローチャートである。 （ａ）および（ｂ）は補正処理を表す図である。 生体情報抽出プログラムの実行によって実現される各機能のブロック図である。 生体情報抽出プログラムの実行によって実現される各機能のブロック図である。 細線化処理によって細線化された静脈パターンの例を表す。

以下、図面を参照しつつ、実施例について説明する。

図１（ａ）は、実施例１に係る生体情報抽出装置１００のハードウェア構成を説明するためのブロック図である。図１（ｂ）は、後述する生体センサ１０５の模式図である。図１（ａ）を参照して、生体情報抽出装置１００は、ＣＰＵ１０１、ＲＡＭ１０２、記憶装置１０３、表示装置１０４、生体センサ１０５などを備える。これらの各機器は、バスなどによって接続されている。

ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）１０１は、中央演算処理装置である。ＣＰＵ１０１は、１以上のコアを含む。ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）１０２は、ＣＰＵ１０１が実行するプログラム、ＣＰＵ１０１が処理するデータなどを一時的に記憶する揮発性メモリである。

記憶装置１０３は、不揮発性記憶装置である。記憶装置１０３として、例えば、ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）、フラッシュメモリなどのソリッド・ステート・ドライブ（ＳＳＤ）、ハードディスクドライブに駆動されるハードディスクなどを用いることができる。本実施例に係る生体情報抽出プログラムは、記憶装置１０３に記憶されている。表示装置１０４は、液晶ディスプレイ、エレクトロルミネッセンスパネル等であり、生体情報抽出装置１００の処理結果などを表示する。

生体センサ１０５は、ユーザの生体の３次元の線状パターンを撮像することによって生体画像を取得するセンサである。生体センサ１０５が取得する生体画像は、２次元画像である。３次元の線状パターンとして、血管パターンなどが挙げられる。例えば、手のひらの静脈、指の静脈、網膜の血管パターンなどが挙げられる。本実施例においては、生体センサ１０５は、一例として、手のひらの静脈を撮像するセンサであり、ＣＭＯＳ（Ｃｏｍｐｌｅｍｅｎｔａｒｙ Ｍｅｔａｌ Ｏｘｉｄｅ Ｓｅｍｉｃｏｎｄｕｃｔｏｒ）カメラなどである。例えば、生体センサ１０５は、近赤外線を利用することによって、静脈を撮像することができる。

図２（ａ）および図２（ｂ）は、生体センサ１０５の撮像によって得られた生体画像の一例である。図２（ａ）および図２（ｂ）で例示されるように、３次元の線状パターンである静脈パターンが２次元画像化されている。２次元画像においては、ねじれの位置にある静脈どうしが分岐、交差点等を含む複雑な領域として投影される。また、ユーザが生体センサ１０５に生体部位をかざすときの姿勢変動の影響によって、これらの分岐、交差点等の位置が変動する。この場合、本来繋がるべき箇所が途切れたり、本来繋がっていない箇所が接続したりすることで、線状パターンの分断、接続等を適切に抽出できないおそれがある。そこで、本実施例においては、生体の３次元の線状パターンにおいて、分岐、交差点等を含む複雑な領域でも、線状パターンが接続、切断しているかを抽出する精度を向上させる。

記憶装置１０３に記憶されている生体情報抽出プログラムは、実行可能にＲＡＭ１０２に展開される。ＣＰＵ１０１は、ＲＡＭ１０２に展開された生体情報抽出プログラムを実行する。それにより、生体情報抽出装置１００による各処理が実行される。

図３は、生体情報抽出プログラムの実行によって実現される各機能のブロック図である。図３で例示するように、生体情報抽出プログラムの実行によって、生体情報抽出装置１００は、特徴抽出部１０、分離処理部２０、補正処理部３０、合成処理部４０、登録処理部５０、認証処理部６０、およびデータベース７０として機能する。

特徴抽出部１０は、生体センサ１０５が取得した生体画像から、手のひらの静脈パターンを抽出する。分離処理部２０は、静脈パターンの特徴に応じて、当該静脈パターンを複数に分離する。静脈パターンの特徴として、静脈の方向、静脈の太さなどを用いることができる。補正処理部３０は、分離処理部２０によって分離された各静脈パターンに対して補正処理を行う。合成処理部４０は、補正処理部３０による補正処理後の各静脈パターンを１枚の画像に合成する。登録処理部５０は、登録処理の実行時には、合成処理部４０が合成した画像から得られるデータを登録データとしてデータベース７０にユーザのＩＤと関連付けて登録する。認証処理部６０は、認証処理の実行時には、合成処理部４０が合成した画像から得られるデータを照合データとし、データベース７０に登録されている登録データとの照合を行う。以下、各部の詳細について説明する。

図４は、登録処理の一例を表すフローチャートである。図４で例示するように、生体センサ１０５は、ユーザの手のひらの生体画像を取得する（ステップＳ１）。次に、特徴抽出部１０は、生体センサ１０５が取得した生体画像から、静脈パターンを抽出する（ステップＳ２）。この静脈パターンは、３次元の静脈パターンを２次元画像に投影したものである。

次に、分離処理部２０は、ステップＳ２で抽出された静脈パターンの成分を方向ごとにＤ（≧２）個に分離する（ステップＳ３）。図５（ａ）は、ステップＳ２で抽出された静脈パターンの一部の例である。図５（ａ）で例示するように、各静脈が線または線分で表される。例えば、分離処理部２０は、画像の水平右方向を０°とし、０°方向成分と、４５°方向成分と、９０°方向成分と、１３５°方向成分とに分離する。各成分には範囲を持たせてもよい。例えば、０°±２２．５°を向いている成分（図５（ｂ））と、４５°±２２．５°を向いている成分（図５（ｃ））と、９０°±２２．５°を向いている成分（図５（ｄ））と、１３５°±２２．５°を向いている成分（図５（ｅ））とに分離してもよい。なお、ここでいう分離とは、生体画像から特定の成分を抽出して同サイズの画像を複数生成することと同義である。

次に、補正処理部３０は、分離処理部２０によって分離された各静脈パターンに対して補正処理を行う。具体的には、補正処理部３０は、分離された各静脈パターンにおいて、静脈が途切れている端点を抽出する（ステップＳ４）。次に、補正処理部３０は、端点どうしを接続するか否かを判定する。例えば、補正処理部３０は、図６で例示されるように、抽出された全ての端点どうしの距離ｄを求め、距離ｄが所定のしきい値Ｔｈ１以下であるか否かを判定する（ステップＳ５）。なお、図６の例は、図５（ｂ）の０°方向成分である。

ステップＳ５で「Ｙｅｓ」と判定された場合、補正処理部３０は、当該端点どうしを接続する（ステップＳ６）。ステップＳ５で「Ｎｏ」と判定された場合、ステップＳ６は実行されない。しきい値Ｔｈ１の値は、一例として３ピクセル程度の固定値を用いてもよく、端点を含む静脈の太さの平均値といった動的な値を用いてもよい。端点どうしの接続については、例えば下記式（１）を用いて内挿してもよい。なお、下記式（１）において、Ｉ（ｘ，ｙ）は座標（ｘ，ｙ）の画素値を示し、γ_ｉは、Σγ_ｉ＝１を満たす定数である。

図７（ａ）は、図５（ｂ）の補正処理後の静脈パターンである。図７（ｂ）は、図５（ｃ）の補正処理後の静脈パターンである。図７（ｃ）は、図５（ｄ）の補正処理後の静脈パターンである。図７（ｄ）は、図５（ｅ）の補正処理後の静脈パターンである。これらの例においては、図５（ｂ）の一部の端点どうしの距離が小さいため、図７（ａ）において当該２つの端点が接続されている。

分離された全ての静脈パターンにおいて全ての端点についてステップＳ５〜Ｓ６の処理が終了した後、合成処理部４０は、分離された静脈パターンから１枚の生体補正画像を合成する（ステップＳ７）。例えば、合成処理部４０は、分離された各静脈パターンのＯＲをとり、複数の静脈パターンに共通して静脈が存在する領域は各画素の平均値をとってもよい。図７（ｅ）は、合成後の静脈パターンである。次に、登録処理部５０は、ステップＳ７で合成された画像から得られるデータを登録データとしてデータベース７０にユーザのＩＤと関連付けて登録する（ステップＳ８）。以上の処理によって、登録処理が終了する。

本実施例によれば、静脈パターンの成分を方向ごとに分離することによって、方向が近い成分ごとに静脈パターンを分離することができる。この分離された静脈パターンにおいて距離が近い端点どうしを接続することから、分岐、交差点等の複雑な領域が存在しても、静脈パターンの切断、接続等を安定して抽出することができる。すなわち、静脈パターンの抽出精度を向上させることができる。

図８は、認証処理の一例を表すフローチャートである。図８で例示するように、ステップＳ１１〜ステップＳ１７までは、図４のステップＳ１〜ステップＳ７と同様の処理が行われる。次に、認証処理部６０は、ステップＳ１７で合成された画像から得られる照合データと、データベース７０に登録されている各登録データとの照合を行う（ステップＳ１８）。具体的には、認証処理部６０は、照合データと各登録データとの類似度を算出する。次に、認証処理部６０は、類似度がしきい値以上となる登録データがあるか否かを判定する（ステップＳ１９）。認証処理部６０は、ステップＳ１９で「Ｙｅｓ」と判定された場合、認証成功と判定し（ステップＳ２０）、ステップＳ１９で「Ｎｏ」と判定された場合、認証失敗と判定する（ステップＳ２１）。本実施例においては、静脈パターンの抽出精度が向上することから、認証精度も向上する。

（変形例）
上記例では、静脈パターンの成分を方向ごとに分離したが、他の特徴を用いてもよい。例えば、静脈パターンの成分を太さに応じて分離してもよい。例えば、分離処理部２０は、静脈パターン（図９（ａ））を、６ピクセル以上の太さの成分（図９（ｂ））と、３ピクセル以上６ピクセル未満の太さの成分（図９（ｃ））と、３ピクセル未満の太さの成分（図９（ｄ））とに分離してもよい。この場合においては、太さが近い成分ごとに静脈パターンを分離することができる。この分離された静脈パターンにおいて距離が近い端点どうしを接続することから、分岐、交差点等の複雑な領域が存在しても、静脈パターンの切断、接続等を安定して抽出することができる。すなわち、静脈パターンの抽出精度を向上させることができる。

実施例２においては、端点どうしの接続の可否を判断する際に、結合信頼度Ｃを考慮する。結合信頼度Ｃとは、端点どうしの接続をすべきか否かを表す尺度のことである。例えば、端点どうしの距離が近いとともに、端点における静脈の角度差が小さいほど信頼性が高いといえる。そこで、本実施例においては、結合信頼度Ｃとして、端点どうしの距離および端点での静脈の角度差を用いる。図１０は、本実施例に係る登録処理の一例を表すフローチャートである。図１０で例示するように、ステップＳ３１〜ステップＳ３５は、図４のステップＳ１〜ステップＳ５と同様である。

ステップＳ３５において「Ｙｅｓ」と判定された場合、補正処理部３０は、対象としている端点どうしの結合信頼度Ｃを算出する（ステップＳ３６）。例えば、補正処理部３０は、図１１（ａ）および図１１（ｂ）で例示されるように、端点間の距離ｄと、端点での静脈の角度差θとから結合信頼度Ｃを算出する。例えば、結合信頼度Ｃは、下記式（２）で表すことができる。なお、α，βは正の定数であり、距離ｄおよび角度差θの重みを表す。結合信頼度Ｃは、距離ｄおよび角度差θが小さいほど、大きい値となる。
Ｃ＝α／ｄ＋β（１＋ｓｉｎθ） （２）

次に、補正処理部３０は、算出された結合信頼度Ｃがしきい値Ｔｈ２以上であるか否かを判定する（ステップＳ３７）。ステップＳ３７で「Ｙｅｓ」と判定された場合、補正処理部３０は、当該端点どうしを接続する（ステップＳ３８）。端点どうしの接続については、上記式（１）を用いて内挿してもよい。なお、なお、ステップＳ３５で「Ｎｏ」と判定された場合、ステップＳ３６〜Ｓ３８は実行されない。ステップＳ３７で「Ｎｏ」と判定された場合、ステップＳ３８は実行されない。

分離された全ての静脈パターンにおいて全ての端点についてステップＳ３５〜Ｓ３８の処理が終了した後、合成処理部４０は、分離された静脈パターンから１枚の生体補正画像を合成する（ステップＳ３９）。次に、登録処理部５０は、ステップＳ３９で合成された生体補正画像から得られるデータを登録データとしてデータベース７０にユーザのＩＤと関連付けて登録する（ステップＳ４０）。以上の処理によって、登録処理が終了する。認証処理時には、認証処理部６０は、ステップＳ３９で得られた生体補正画像から得られるデータを照合データとし、図８のステップＳ１８〜Ｓ２１と同様の処理により照合を行う。

本実施例によれば、分離された静脈パターンにおいて、結合信頼度の高い端点どうしが接続されることから、分岐、交差点等の複雑な領域が存在しても、静脈パターンの切断、接続等を安定して抽出することができる。すなわち、静脈パターンの抽出精度を向上させることができる。なお、結合信頼度には、他のパラメータを考慮してもよい。例えば、端点における静脈の太さの差が小さいほど結合信頼度が高くなるようにしてもよい。

実施例３においては、静脈パターンの抽出の際に、二値化処理を行う。図１２は、本実施例に係る生体情報抽出プログラムの実行によって実現される各機能のブロック図である。図１２で例示するように、図３と異なる点は、二値化処理部８０がさらに設けられている点である。二値化処理部８０は、特徴抽出部１０が抽出した静脈パターンにおいて、静脈が存在する領域を「１」、静脈が存在しない領域を「０」とした生体二値化画像を生成する。分離処理部２０は、生体二値化画像に対して、静脈パターンの特徴に応じて成分ごとに複数に分離する。

実施例４においては、静脈パターン抽出の際に、二値化処理と細線化処理を行う。細線化処理とは、抽出された静脈パターンの太さを全て１とする処理を指す。図１３は、本実施例に係る生体情報抽出プログラムの実行によって実現される各機能のブロック図である。図１３で例示するように、図１２と異なる点は、細線化処理部９０がさらに設けられている点である。細線化処理部９０は、二値化処理部８０が二値化した静脈パターンの各静脈の太さを１ピクセルに修正する。図１４は、細線化処理によって細線化された静脈パターンの例を表す。

上記各例においては、３次元の線状パターンとして手のひら静脈を用いたが、それに限られない。手のひらの静脈以外の３次元線状パターンとして、手のひらの静脈、指の静脈、網膜の血管パターンなどを用いることができる。上記各例の各部は、プログラムの実行によって実現されているが、専用の回路などのハードウェアを用いてもよい。

上記各例において、生体センサ１０５が、生体の３次元の線状パターンを撮像した生体画像を取得する取得部として機能する。特徴抽出部１０が、取得部が取得した生体画像から線状パターンを抽出する抽出部として機能する。分離処理部２０が、抽出部が抽出した線状パターンを、当該線状パターンの特徴に応じて複数に分離する分離部として機能する。補正処理部３０が、分離部によって分離された各線状パターンにおいて、所定の条件を満たす場合に端点どうしを接続する補正部として機能する。合成処理部４０が、補正部による補正後の各線状パターンを合成する合成部として機能する。

以上、本発明の実施例について詳述したが、本発明は係る特定の実施例に限定されるものではなく、特許請求の範囲に記載された本発明の要旨の範囲内において、種々の変形・変更が可能である。

１０ 特徴抽出部
２０ 分離処理部
３０ 補正処理部
４０ 合成処理部
５０ 登録処理部
６０ 認証処理部
７０ データベース
１００ 生体情報抽出装置
１０５ 生体センサ

Claims (10)

1. 生体の３次元の線状パターンを撮像した生体画像を取得する取得部と、
   前記取得部が取得した前記生体画像から前記線状パターンを抽出する抽出部と、
   前記抽出部が抽出した線状パターンを、当該線状パターンの特徴に応じて複数に分離する分離部と、
   前記分離部によって分離された各線状パターンにおいて、所定の条件を満たす場合に端点どうしを接続する補正部と、
   前記補正部による補正後の各線状パターンを合成する合成部と、を備えることを特徴とする生体情報抽出装置。
2. 前記分離部は、前記線状パターンを構成する成分の方向に応じて、前記線状パターンを分離することを特徴とする請求項１記載の生体情報抽出装置。
3. 前記分離部は、前記線状パターンを構成する成分の太さに応じて、前記線状パターンを分離することを特徴とする請求項１記載の生体情報抽出装置。
4. 前記補正部は、前記分離部によって分離された各線状パターンにおいて、２つの端点の距離がしきい値以下である場合に、当該２つの端点を接続することを特徴とする請求項１〜３のいずれか一項に記載の生体情報抽出装置。
5. 前記補正部は、前記分離部によって分離された各線状パターンにおいて、２つの端点の距離が前記しきい値以下でありかつ当該２つの端点における線どうしの角度差がしきい値以下である場合に、当該２つの端点を接続することを特徴とする請求項４記載の生体情報抽出装置。
6. 前記線状パターンは、静脈パターンであることを特徴とする請求項１〜５のいずれか一項に記載の生体情報抽出装置。
7. 前記抽出部が抽出した線状パターンに対して二値化処理を行う二値化処理部を備え、
   前記分離部は、二値化された前記線状パターンを、当該線状パターンの特徴に応じて複数に分離することを特徴とする請求項１〜６のいずれか一項に記載の生体情報抽出装置。
8. 前記二値化処理部で生成した二値化された前記線状パターンに対して、前記線状パターンの太さを１ピクセルとする細線化処理部を備えることを特徴とする請求項７記載の生体情報抽出装置。
9. 生体の３次元の線状パターンを撮像した生体画像を取得し、
   前記生体画像から前記線状パターンを抽出し、
   前記線状パターンを、当該線状パターンの特徴に応じて複数に分離し、
   分離された各線状パターンにおいて、所定の条件を満たす場合に端点どうしを接続する補正処理を行い、
   前記補正処理後の各線状パターンを合成する、ことを特徴とする生体情報抽出方法。
10. 生体の３次元の線状パターンを撮像した生体画像を取得し、
    前記生体画像から前記線状パターンを抽出し、
    前記線状パターンを、当該線状パターンの特徴に応じて複数に分離し、
    分離された各線状パターンにおいて、所定の条件を満たす場合に端点どうしを接続する補正処理を行い、
    前記補正処理後の各線状パターンを合成する、処理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抽出プログラム。

Images