JP6212099B2 - 画像テンプレートマスキング - Google Patents

画像テンプレートマスキング Download PDF

Info

Publication number
JP6212099B2
JP6212099B2 JP2015224169A JP2015224169A JP6212099B2 JP 6212099 B2 JP6212099 B2 JP 6212099B2 JP 2015224169 A JP2015224169 A JP 2015224169A JP 2015224169 A JP2015224169 A JP 2015224169A JP 6212099 B2 JP6212099 B2 JP 6212099B2
Authority
JP
Japan
Prior art keywords
template
image
images
master mask
code
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.)
Expired - Fee Related
Application number
JP2015224169A
Other languages
English (en)
Other versions
JP2016157420A (ja
Inventor
モンロ、ドナルド・マーティン
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.)
Fotonation Ltd
Original Assignee
DigitalOptics Corp Europe 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 DigitalOptics Corp Europe Ltd filed Critical DigitalOptics Corp Europe Ltd
Publication of JP2016157420A publication Critical patent/JP2016157420A/ja
Application granted granted Critical
Publication of JP6212099B2 publication Critical patent/JP6212099B2/ja
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/18Eye characteristics, e.g. of the iris
    • G06V40/193Preprocessing; Feature extraction

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Ophthalmology & Optometry (AREA)
  • Human Computer Interaction (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Collating Specific Patterns (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
  • Image Analysis (AREA)

Description

本発明は,テンプレートにコード化された画像の照合方法及び装置(システム)に関する。特に,排他的ではないが,例えば虹彩,顔,手,耳又は指紋などの認識画像を用いた個人の生体認証に関する。他の例としては,目標識別,分子構造の分類と同定,天体望遠鏡からの画像の分類や識別などが挙げられ,実際に,身分証明に関して特定の領域のみを選択又は重み付けするのに有用な画像照合技術や,オブジェクトの特徴や照合させる画像のその他の部分の特徴に基づいて,画像又は類似画像の照合部分に関する信頼性についての情報を利用できる画像照合技術がある。
個人を識別するためのバイオメトリックベースの様々な技術が提案されており,その多くは虹彩認識に依存している。この分野の先行特許及び既存特許には,US−A−4641349, Flom & Safir; US−A−5572596, Wildes et al; US−A−5751836, Wildes et al; US−A−5901238, Matsushita; US−A−5956122, Doster; US−A−6229906, Pu & Psaltis; US−A−6247813, Kim & Ryoo; US−A−6526160, Ito; US−A−5291560, Daugman; US−A−7650520 Monroなどがある。
従来の生体認証技術では,他人受入率(FAR,個人をシステムに認識されているものとして不適切に特定する割合)を商業的に達成することは,実際にはそれほど技術的に手がかかるものではない。しかし,より困難なことは,それと同時に本人拒否率(FRR,認識されている個人をシステムによって不適切に拒否する割合)を実現することである。システムに認識されるべき人物が誤ってアクセスを拒否されると,怒りや困惑が生じやすいので,商用システムにおける高い本人拒否率は,技術の消費者受容にはつながりにくい。しかしながら一般的に,現実世界での生体認証データの品質は完璧ではないため,実際の生体認証システムの他人受入特性と本人拒否特性は,臨床研究から予測されるほど分離されていないことがある。同様の留意事項は,まさに非生体認証の照合作業にもあてはまる。本発明の態様は,特定の生体認証の照合,特に虹彩照合に関して記載されているが,本発明の範囲は,生体画像の種類のいずれか1つに限定するものではなく,また,一般的な生体画像に制限されるものではない。
米国特許第US−A−4641349号明細書,Flom & Safir 米国特許第US−A−5572596号明細書,Wildes et al 米国特許第US−A−5751836号明細書,Wildes et al 米国特許第US−A−5901238号明細書,Matsushita 米国特許第US−A−5956122号明細書,Doster 米国特許第US−A−6229906号明細書,Pu & Psaltis 米国特許第US−A−6247813号明細書,Kim & Ryoo 米国特許第US−A−6526160号明細書,Ito 米国特許第US−A−5291560号明細書,Daugman 米国特許第US−A−7650520号明細書,Monro
好ましくは,本発明は,画像から取得したテンプレートのペアの比較に基づくシステムにおいて,理論,実験,経験,又は常識からより信頼できる照合になると認識されたテンプレートの領域で直接その比較を行うことにより,他人受入特性と本人拒否特性の分離(separation)を改善する方法に関する。
本発明の第1の側面では,
第1の画像が第2の画像と一致するかどうかを決定する方法であって,
第1及び第2の画像から第1及び第2のテンプレートをそれぞれ抽出するステップであって,各テンプレートは,テンプレートコードの空間的配置を含むものと,
第1のテンプレートに,マスターマスクコードの空間的配置を含むマスターマスクを重ね合わせるステップであって,各マスターマスクコードは,対応する空間的位置のテンプレートコードの画像群内で予測される変動性又は照合信頼性の代表であるものと,
重ね合わせた第1のテンプレートと第2のテンプレートを比較するステップと,
比較に基づいて一致が存在するかどうかを決定するステップと,を含む,
方法が提供される。
好ましい態様において,本方法は,画像群からマスターマスクコードを取得するステップを含む。
本発明の第2の側面では,
第1の画像が第2の画像と一致するかどうかを決定するシステムであって,
第1及び第2の画像から第1及び第2のテンプレートをそれぞれ抽出する手段であって,各テンプレートは,テンプレートコードの空間的配置を含むものと,
第1のテンプレートに,マスターマスクコードの空間的配置を含むマスターマスクを,重ね合わせる手段であって,各マスターマスクコードは,対応する空間的位置のテンプレートコードの画像群内で予測される変動性又は照合信頼性の代表であるものと,
重ね合わせた第1のテンプレートと第2のテンプレートを比較する手段と,
比較に基づいて一致が存在するかどうかを決定する手段と,を含む,
システムが提供される。
本発明はさらに,前記定義された方法を実行するように構成されたコンピュータプログラムに及ぶ。さらに,そのようなコンピュータプログラムを保持するコンピュータ可読媒体にも及ぶ。
本発明はいくつかの方法で実行されてもよい。ここで,ある特定の態様を,添付図面を参照して実施例により説明する。
図1は,画像のペアから抽出した特徴を示す概略図である。これらの特徴は比較用にテンプレートコードに変換される。 図2は,本発明の内容を用いて比較した2つのテンプレートを示す概略図である。 図3は,複数のアプリケーションで発生し得る,テンプレート照合の典型的な動作曲線を示している。
本発明の好ましいアプリケーションは,虹彩認識の分野である。しかし,本方法の応用分野は非常に広く,所定の実施例に限定されない。本発明は,画像照合及び/又は個人やオブジェクト認識における多くの生体認証分野や非生体認証分野に適用できることが理解できるだろう。
図1は,画像から特徴を抽出し,これらの特徴画像をコード化することにより形成されたテンプレートの照合及びその準備を示している。図1の内容は,パターン認識の分野では周知であり,以下の内容の理解を助けるために一般的形態で表わされている。
図1に関して,第1の眼101と第2の眼120の生体画像が比較され,それらが同一個人のものであるかどうかが決定される。そのような比較を行うために,比較される画像から特徴が抽出される。虹彩認識の場合には,当該分野で周知のように,始めに虹彩画像の正規形が準備され,これらは虹彩の特徴のコレクションと考えられる。
図1の具体的な実施例を続けると,眼101から虹彩を抽出するために,始めに瞳孔/虹彩の境界102及び虹彩/強膜の境界103の輪郭が決定される。共通の中心に対して基準半径(some reference radius)104から始めて,画像101の虹彩輪(annular iris)が矩形画像105にマッピングされ,アンラップ虹彩画像105が決定される。示されるように,瞳孔/虹彩の境界102がアンラップ画像106の上端にマッピングされ,虹彩/強膜の境界103がアンラップ画像107の底面にマッピングされている。虹彩輪(iris annulus)中で半径を時計回り,つまりアンラップ画像では左から右,に移動させながらマッピングを行うと,眼画像における下眼瞼108は,アンラッピング画像内の位置109に表示され,眼画像における上眼瞼110は,アンラッピング画像内の位置111に表示されることになる。一般的に,瞼は識別され,後で照合に使用されるアンラップ画像の領域を制御するのに用いてもよい。特に,眼101において,下眼瞼108はアンラップ画像106を閉塞しないが,上眼瞼110はアンラップ画像107内の111に表示され,黒塗りで示されている。
同様に,第2の眼画像120をアンラップして,第2のアンラップ画像121が得られる。
ここで,変換又は他のコード化が,アンラップ画像全体の選択した位置で行われてもよい。変換は様々な方法で変換されてもよいが,通常,1つ以上のビットが画像のローカルコードを形成し,それらが組み合わされて,アンラップ画像で選択した位置に対応するテンプレートになる。前記コードはアンラップ画像から得られる。
図1において,第1のテンプレート112は,アンラップ画像105から生成され,第2のテンプレート122は,アンラップ画像121から生成される。この時点での実施例では,2つのテンプレートは,照合する2つの画像から形成されており,本発明の説明は完全に一般化でき,いかなる種類であっても任意の2つの画像を照合することに適用できる。
図1において,テンプレート112と122を構成するコードの比較は,テンプレートが一致するか否かを示す124で値が得られるように,123で行われる。そして,2つの異なる画像から取得したテンプレートは,何らかの方法で比較又は組み合わせが行われ,2つの画像が一致するか否かが決定され,又はより具体的には,それらがどの程度一致するかが決定される。
任意の有用な照合アルゴリズムが,例えば,テンプレートをビット単位で比較し,同じビット数を数えること,つまりハミング距離を計算するために使用されてもよい。通常,同じビット数が比較した総ビット数で除算され,平均ハミング距離が得られる。後述するように,重み付きハミング距離が使用されてもよい。多くのアプリケーションにおける不一致テンプレートは,未修正のビット及び同じになるのと同程度の異なるビットから成り,ランダムでのみ一致する場合がある。このような場合には,0.5の平均ハミング距離が得られるが,実際の値は,大体この平均値が分散する。2つのテンプレートが一致する場合,低い平均ハミング距離が得られる。完全な一致の場合は,ハミング距離は当然に0であるが,このような完全な一致は実際のシステムではまれである。なぜなら,同じオブジェクトの画像である2つの異なるテンプレートは,しばしば,軸ずれ,不明瞭,もしくは付加雑音,照明やコントラストの違い,オブジェクトの閉塞,そして干渉の様々な形により損なわれる可能性があるためである。
異なるビット数又はハミング距離が,絶対数又は平均数のいずれかで,定義されたしきい値よりも低い場合,一致していると宣言される。より一般的には,重み付けされたか又は重み付けされていない比較される2つのコードの所定のメトリック(metric)に基づいて一致の強さを定義してもよい。
テンプレートの重ね合わせ(registration)や位置合わせが不確実の場合,テンプレートの変位の範囲で最良の一致を探索することによって比較を行ってもよい。虹彩認識において,例えば,照合する画像ペア間の眼の回転に対応する一方の又は両方のテンプレートの水平変位とその方向の探索を利用することにより,認識を向上させることができる。このような変位は,一方のテンプレートの端から他方へのコードの回転によって,又はスピードを望む場合には,探索を行う前に1つ以上のテンプレートを拡張することにより,得られる。この方法で,2つの眼画像101及び120が同一の個人からであるか否かについて判定してもよい。図1において,双方向の矢印125及び126は,対応するテンプレート112と122のいずれか又は両方が,様々な位置で比較を行えるようにシフトできることを示している。“最良”の位置は,任意の有用なメトリックによって決定されてもよい。
不確定領域のマスキング
どのようなバイオメトリックであっても,テンプレートのある領域が,照合に関して他方よりも信頼できる場合がある。つまり,ある領域がノイズや干渉又は閉塞によって損なわれると,比較のための信頼できる情報を提供しない場合もあり,その他の領域の方がより信頼できる場合がある。
例えば虹彩認識において,虹彩の左右両側は,上下部分よりも瞼や睫毛によって隠されることがはるかに少ないようである。同様に,虹彩の拡大画像を取り込むように配置されたカメラが,右眼の画像のカメラから見て右側,そして左眼の画像のカメラから見て左側の対象者の鼻の反射を捉える可能性がしばしば見られる。これらの曖昧さの効果は,これらの領域があたかも一致していないように認識させ,典型的には,局所的に照合テンプレートのハミング距離を増加させ,さらに2つの画像が一致するかどうかを決定するのに最終的に使用される全体のハミング距離に何らかの隆起(uplift)を引き起こす。これが,0のハミング距離が実際のシステムではまれである1つの理由である。
もちろん,同様の理由がその他のパターン照合のアプリケーションで取得されるテンプレートにも当てはまる可能性はある。
虹彩画像との関係で具体的に記載される本発明の態様は,信頼できないテンプレートの領域を,空間的にマーキングする手段,及び排除又は少なくとも軽く重み付けする手段を含み,これにより認識や照合の精度が向上する。これは,本明細書において“マスターマスク”と呼ばれるものを形成することによって行われる。マスターマスクは,好ましくはテンプレートのコード又はコードのグループとの1対1対応において,どの位置が信頼できないかを示し,照合中にそれらを完全に又は部分的に無視することができる。図に示されるように,マスターマスクのコードは2値であり,ビットの一方は,一部のテンプレートのマスキング又は無視を示しており,他方のビットは,考慮されるテンプレート部分を示している。より一般的には,マスターマスクは,2値ではないがテンプレートの部分の重み付けを示す何らかの範囲をカバーする数値であってもよい。通常,その範囲の最小値は,0の可能性があり,0の重み付けを示す場合があって,範囲の最大値は,最大の重み付けを示している。最も都合がよいのは,重み付けの範囲が0〜1であり,重み付きハミング距離は以下の式で計算することができる。
ここで,fは,同一のコードが1,異なるコードが0となる排他的OR演算を示している。マスターマスクで特定した重み付けの総和が適用され,その全体が重み付けの合計で除算され,平均重み付きハミング距離が割り出される。
図2は,マスターマスクに関する2つのテンプレートの比較を示している。特定の種類の2つのテンプレート201及び202は,図1に記載のものと同様のプロセス又は任意の他のプロセスによって,異なる画像から取得され,互いに平行に並べられている。マスターマスク210は,後述するようにいくつかの手段によって得られる。対応するテンプレートの位置203及び204から取得されたコードは,マスターマスク210の対応する位置から得た重み付け206を用いて205で比較される。比較は,式(1)などに従って行われ,対応する位置のマスターマスクに関して,テンプレートの位置をすべて合計してもよく,又は任意の他の手段により行われてもよい。207での結果を適切なしきい値と比較して,テンプレートが一致するか否かを判定してもよい。
マスターマスクとテンプレートのいずれか2つをシフトすることにより,ずれを補正してもよい。図2において,矢印211,212及び213は,シフトを行えることを示しているが,シフト可能な3つのモードの内の2つだけで,テンプレートとマスターマスクのすべての相対変位を考慮できることを明らかにしている。
前述のようにこの虹彩認識の場合において,1つの位置でのこのシフトは,1つのコード位置でのオリジナルの虹彩画像の回転に対応しており,テンプレートの水平な回転,又はより実際的にはテンプレートを水平に拡張することによって達成され,望まれる分だけ個別の(discrete)回転を考慮することができる。
好ましくは,第1のテンプレート201は,そのサイズを最小化するために,固定した位置に保持されてもよく,例えば,登録画像のデータベースに入力されてもよく,又はスマートカードで送られてもよい。第2のテンプレート202は,例えば,第1のテンプレートと照合すべき他の画像又はライブ画像から得られるテストテンプレートであってもよい。この第2のテンプレートは,2つのテンプレートの変位を考慮するために,214又は215に拡張させてもよい。虹彩認識の場合において,第2のテンプレートを水平に拡張することにより,2つの虹彩の相対的な回転を考慮することができる。
このような好ましい実装では,第2のテンプレート202とマスターマスク210の両方を,要望される複数の位置で保持させ,それぞれの位置で比較を行ってもよい。その後,照合プロセスにより,得られた最小の重み付きハミング距離に基づいて,そのテンプレートの一致又は不一致を示してもよい。
しかし,3つのオブジェクト(2つのテンプレートとマスターマスク)の内2つを,例えば画像の変位の組み合わせを考慮して,同一方向にn位置に移動させることは,n2の比較を伴うことになり,特定のアプリケーションにおいてコストがかかりすぎる可能性がある。次善だがそれでも効果的なマスターマスクの使用は,いずれか一方のテンプレートにマスターマスクを適用し,他方のテンプレートのみを移動させることによって達成させることができる。これは,図2に示されるように,単に一方のテンプレートだけを移動させることを意味している。マスターマスクを登録テンプレートにインプリントし,次いで拡張したテストテンプレートを単純に移動させ,それぞれの位置で比較を行うことが効果的である。この次善だが効率的な態様において,静的テンプレートとマスターマスクの位置合わせの不正確さは,好ましい虹彩領域を選択する際のマスターマスクの有効性によって補正される。もちろん,虹彩画像を処理する際の瞼のような顕著な特徴の存在は,マスターマスクを正確に配置するのに役立つ可能性がある。
ここで,画像から得られたテンプレートの照合を向上させるマスターマスクの有効性を記載する。図3は,虹彩認識の分野で周知のように,テンプレート照合から標準的に収集した様々な統計値を示している。
グラフ301は,一致又は不一致として認識される画像に適用された典型的な照合メトリック(matching metric)の確率分布を示している。一致の質を示す任意のメトリックを使用できるが,しばしば,ハミング距離や平均ハミング距離又は重み付きハミング距離が使用される。図3のデータは,現実の虹彩認識システムから取得されているが,マスターマスクの原理は,特定のパターン認識タスクに限定されるものではない。破線の曲線302は,マスターマスクを使用していない場合の,同じオブジェクトのコードによる一致するはずのテンプレートからの照合メトリックの分布であり,実線の曲線303は,マスターマスクを使用した場合の,同様のテンプレートからの一致分布(matching distribution)である。これらの曲線は容易に区別できないが,マスターマスクを使用した方は,左にシフトしている。この違いは後述のグラフ310で十分に明らかにされている。このような一致分布は,通常,低い値の照合メトリックで最大確率を示すだけでなく,照合メトリックの高い値に向かって延びるロングテールも示す。これは,上記の効果,つまり不完全な位置決め,ノイズ,干渉,又は閉塞などの効果によるものである。マスターマスクの目的は,信頼できるテンプレート領域を重み付けすることによって,これらの影響を軽減することである。
破線の曲線304は,マスターマスクを使用しなかった場合の,一致しないはずのテンプレートに関する,照合メトリックの分布の一例である。この分布のピークは0.5未満である。なぜならこの値が,異なる位置にシフトしたテンプレートの比較範囲の最小値を示しているためである。(曲線302も同様に比較範囲にわたって最良の一致を示している。)曲線305は,不一致分布(non matching distribution)でのマスターマスクの効果を示している。分布は著しく狭くなっており,一致分布と十分に離れていることを示している。このデータでのマスターマスクの効果は,一致曲線と不一致曲線が十分に分離していることであり,これにより照合性能を向上させることになる。同様の向上は,他のテンプレート照合システムにおいても予想される。
グラフ310は,対数スケールでプロットされており,より明確に差異を示している。破線の曲線311は,マスターマスクを適用しなかった場合の,照合メトリック用に表わされるしきい値の関数として,誤一致の確率(他人受入率,FAR)を示しており,単に対応する不一致分布の積分である。これは,304の不一致曲線に分布をあてはめ(fit),理論的又は数値的に積分することによって得られる。FARは,0のメトリックでの0値(誰も受け入れられないので,他人受入はない)から,大きな値の照合メトリックでの1.0値(すべてが受入れられ,すべての不一致のテンプレートが誤って受入れられるのでFARは100%である)に上昇している。
同様に,破線の曲線312は,マスターマスクを適用しなかった場合の,偽不一致の確率(本人拒否率又はFRR)であり,一致分布302を積分し,1.0から減算することによって得られる。0の照合メトリックでの1.0値(照合をすべて受入れず,FRRは100%になる)から大きい値の照合メトリックでの0値(照合をすべて受入れ,FRRは0になる)に下降している。
等価エラー率(EER)は,FARとFRRの値が同じところである。これはFARとFMRの最高のバランスなので,しばしば,実際のシステムで照合を受け入れる照合メトリックに関するしきい値の指標になる。位置313は,照合プロセスにマスターマスクを適用しなかった場合の,EER点を示している。この特定のデータでの情報及び比較に関して,マスターマスクを適用しなかった場合のEER点での平均ハミング距離の値は,6.06×10-5であり,これは100万回の照合の内,およそ60回の不正確な結果が予測される。
マスターマスクの有益な効果は,グラフ310から明らかである。マスターマスクを用いたFARは,実線の曲線314であり,マスターマスクによるFRRは,実線の曲線315である。これは,マスターマスクを適用した場合,FARとFRRが共により低くなることが分かり,その差は非常に大きな違いである。マスターマスクを使用した場合のEER点は位置316であり,このデータでの値は8.64×10-7であり,これはマスターマスクなしの場合よりも約100倍低く,照合に適用したマスターマスクとの100万回の比較の内,1回弱程度の不正確な結果が予測される。
これらの曲線は実際のデータからのもので,実際のアプリケーションにおいてEERを減少させるマスターマスクの有効性を示している。
もちろん,一致を受け入れるしきい値は,EER点での照合メトリックの値よりも低いか又は高くすることができる。いくつかのシステムにおいて,他人受入の影響が非常に望ましくない場合,しきい値をEERよりも低く設定し,注意深い低いFARとなってもよい。この代償としてFRRは高くなる。グラフ310において,FARとFRR曲線が,対数プロットにおいておよそ90度で交差していることがわかる。そのため,ある係数でFARを除算し,ほぼ同様の係数でFRRを乗算したEER点により,照合しきい値は変化する。1つの方法として,100倍高いFRR,例えば1万分の1%のFRRを犠牲にして,100倍低いFAR,例えば約1億分の1%のFARを達成できる。もう1つの方法として,正しい個人がアクセスを拒否される結果が望ましくない場合,FRRは低いほうが望ましく,この場合,しきい値をEERよりも高い値に設定して,高いFARを犠牲にして低いFRRを達成することができる。
マスターマスクの能力と利便性は,それが静的なマスクではなく,特定のテンプレートの特徴に結びつけられていないことである。むしろ,それは特定のソースからのすべてのテンプレートに適用され,信頼できると認識されるソースなどから生じるテンプレートの領域を選択する。
マスターマスクの長所は,照合タスクにおいて,いずれかのテンプレートの直接のマスキング(direct masking)に依存しないことであるが,このようなマスキングは,限定されないが例えば瞼を分離する虹彩認識の場合に,マスターマスクとともに使用され得る。マスターマスクは,大量の一致画像及び不一致画像を取得し,最も信頼性の低いテンプレートのコードはどれかを判定することにより作成される。これを行う方法は複数存在する。マスターマスクを決定する1つの方法として,テンプレートの各コード位置を順に試み,排除した時に,そのプロセスのEER(等誤り率)で判断されるような最高の照合性能になるものを見つけ出してもよい。これにより,マスターマスクの第1の位置を特定する。次いで,マスクに対する第2のコード位置を決定することなどができる。残りのコード数が統計的に信頼性のある合計又は平均マッチングスコア得るには小さすぎることから,マスクされていないテンプレートから連続的にコードを排除することにより,EERが変動し始めるある地点までEERを次第に減少させることになる。
テンプレート領域からコードを完全に受け入れるか,又は拒否する単純な2値化マスクになる代わりに,マスターマスクが,領域の相対的有効性,信頼性,又は変動性を統計的に示す個々のテンプレートコード,又は各テンプレート領域の重みになることができる。このようなマスクを作成するプロセスは,最も有用性のないコード位置を連続的に排除することよりも明らかに複雑であるが,照合性能が増進するので,余分な手間をかける価値がある。もちろん,マスターマスクを作成するためには,大量のテンプレートデータが必要となる可能性がある。
2値化マスターマスクを生成する1つの方法は,多くの個人の虹彩画像のテストデータベースと共に複数表示された各個人に依存する。例えば,各個人は,照明条件,角度,コントラスト,倍率などの様々な環境下で取得した多くの格納画像を有してもよい。したがって,データベース内の画像の総数Tは,個々の虹彩Nのそれぞれの写真Mからなり,T=M×Nである。
各虹彩の画像Mのすべてが一致するはずであるが,画像の変動性から,必ずしもそうなるとは限らないことが理解されるだろう。マスターとして一方の虹彩画像を取得し,次いでセット内の他方の画像(M―1)について1つが得られ,マスター画像の各ブロック値と対応するブロック値のハミング距離が計算される。データベース内のセットNの画像Mすべてについてこれが繰り返され,各ブロックについて平均ハミング距離が計算される。次いで最大距離のブロック(すなわち,平均で,一致(the fits)を最も低下させているブロック)が排除され,又はマスクされるとみなして,このプロセスが繰り返される。さらなるマスキングが平均的な一致(fit)をもはや着実に向上させない位置に到達するまで,又はその向上がノイズに飲み込まれるまで,ブロックは1つずつマスクされる。
マスターマスクは,このプロセス中に排除されたブッロクの位置によって定義されるものである。マスターマスクを生成する他のアプローチは,各セットN内の個々のブロックの平均的な信頼性又は変動性に基づいて,又は認識された画像に一致(fit)する際の他のエラーメトリック(error metric)に基づいて,当然行うことができる。
より洗練されたマスターマスクは,単に個々のブロックを排除することによってではなく,それらを重み付けすることによっても作成することができる。これは上記の方法で行うことができ,“最悪”のブロック(“worst” block)(平均で,一致(fit)を最も低下させているブロック)を見つけ出す。ブロックを完全に排除する代わりに,重み付けが適用され,例えばEERを決定することにより,平均で一致(fit)が向上しているかどうかを確認するために,その計算が再度行われる。例えば0.90.8,0.7,0.6などの異なる重み付けが適用され,その重み付けは,平均で最良の一致(fit)を生成するように選択される。そして,次の最悪のブロックが取得され,そのブロックにこのプロセスが繰り返される。すべてのプロセスは,これ以上の着実な向上が検出されなくなるまで繰り返される。
連続した値をステップ実行するのではなく,他の方法によりブロックを重み付けすることもできる。例えば,所定のブロックについての重み付けを変数とみなして,その値を,平均ハミング距離のようなエラーメトリックを最小化するように数値的に計算することができる。十分な計算能力があれば,複数の重み付けは,多次元の最小化ルーティンを使用して,同時に計算することができる。
上記のように計算された重み付きマスクは,認識された画像に対して平均で最も一致(fit)を向上させる重み付けに自動的に集中し,したがって,現実の状況で性能を向上させることが予測される。重み付けは,いくつかのブロックが他のものよりも信頼できる事実だけでなく,強膜付近で比較した時に,他の考えられる要因,例えば瞳孔付近の虹彩の領域で見つけ出すことができるなどのあらゆる点も自動的に考慮することができる。同様に,重み付けは,極座標からデカルト座標への変換によって,ブロックがすべて虹彩の同じ領域を表示しないという事実を考慮することができる。
マスターマスクは非常に汎用性がある。特に,虹彩認識の非限定的な例の1つは,すべての虹彩の代表となる単一のマスターマスクを有する。虹彩画像中で鼻の影響により虹彩画像の片側を悪化させることが頻繁に見られることから,左目と右目のマスターマスクを有することで,認識をさらに向上させることができる。また虹彩認識は,使用されるカメラの特性に依存し,例えばコントラスト,ダイナミックレンジや明るさは,種類の異なる虹彩カメラによって違いが生じる。マスターマスクは,特定の種類のカメラによっても得られる。また当該分野におけるカメラの実際の位置は,例えば不均一な照明やスプリアス反射がある場合,テンプレートの異なる領域からのテンプレートデータの信頼性に影響を与える可能性がある。さらに別の例として,個体間の差異(例えば,虹彩の色や眼瞼及び/又は睫毛による掩蔽の程度に表れる)があり,これにより,実際のシステムで照合を向上させる際に,認識された背景効果(background effective)が関係して異なるマスターマスクが作成される可能性がある。
十分なデータがあれば,特注のマスターマスクは,上記いずれかのケースで作成することができ,もちろん,それらの有用性は,虹彩や他のバイオメトリクス画像認識に限定されるものではない。照合システムは,そのマスターマスクを適応的に学習でき,時間をかけて徐々にその性能を向上させることも可能である。
本発明は,特定の実施例に限定されず,画像を照合する状況,又は(あるエラーしきい値内で,あるいはあるエラーメトリックにしたがって)テスト画像が格納画像と一致するかどうかを決定することが必要な状況に適用することができる。より一般的には,本発明は画像認識の向上のために使用してもよく,そのためにテスト画像がその個人又はオブジェクトのものと認識された格納画像によって表示される特定の個人又はオブジェクトのものであるかどうかを決定してもよい。本発明は,添付の特許請求の範囲の趣旨及び範囲内で他の態様に及ぶ。
101 眼
102 瞳孔/虹彩の境界
103 虹彩/強膜の境界
108 下眼瞼
110 上眼瞼
112、122、201、202 テンプレート
210 マスターマスク

Claims (15)

  1. 特定のカメラによって取得された第1の画像が特定のカメラによって取得された第2の画像と一致するかどうかを決定する方法であって、
    複数のテンプレートコードからマスターマスクを生成するステップであって、各テンプレートコードは、前記特定のカメラによって取得された複数の既存画像の一つにそれぞれ対応し、前記複数の既存画像は、異なる個人又は異なる物の画像を含むステップと、
    前記第1及び第2の画像から第1及び第2のテンプレートをそれぞれ抽出するステップであって、前記第1のテンプレートは、前記第1の画像内の異なる位置にそれぞれ対応した複数の第1のテンプレートコードを含み、前記第2のテンプレートは、前記第2の画像内の異なる位置にそれぞれ対応した複数の第2のテンプレートコードを含むステップと、 前記第1のテンプレートに、複数のマスターマスクコードを含む前記マスターマスクを重ね合わせることにより、重ね合わせた第1のテンプレートを生成するステップであって、各マスターマスクコードは、前記特定のカメラによって取得された画像のテンプレーコードの照合信頼性を表すものであり、複数の前記マスターマスクコードは、複数の前記第1のテンプレートコードと1対1で対応するステップと、
    前記重ね合わせた第1のテンプレートと前記第2のテンプレートとの間に一致が存在する可能性を決定するために、前記重ね合わせた第1のテンプレートを前記第2のテンプレートと比較するステップと、
    前記可能性がしきい値を超えたか否かを決定するステップと、
    前記可能性が前記しきい値を超えていると決定した場合に、前記第1の画像と前記第2の画像とが一致画像であることを決定するステップと、を含む、
    方法。
  2. 請求項1に記載の方法であって、前記マスターマスクは、照合アルゴリズムを一致と認識される画像のペアに適用し、前記ペアに対応する位置のテンプレートコードの照合信頼性に基づいて、複数のマスターマスクコードの各マスターマスクコードを定義することにより生成される、方法。
  3. 請求項2に記載の方法であって、前記照合信頼性は、すべての前記ペアについて取得した平均に基づいて定義される、方法。
  4. 請求項3に記載の方法であって、最も信頼性の低いマスターマスクコードの値を設定するステップと、前記値を用いて前記照合アルゴリズムを再適用するステップと、信頼性が2番目に低いマスターマスクコードの値を設定するステップとをさらに含む、方法。
  5. 請求項4に記載の方法であって、照合エラーがノイズ値に達するまで、前記照合アルゴリズムを前記マスターマスクコードの設定したすべての値に反復的に再適用するステップをさらに含む、方法。
  6. 請求項1に記載の方法であって、複数の前記マスターマスクコードのそれぞれは、重み付けを含む、方法。
  7. 請求項1に記載の方法であって、前記マスターマスクは、最も一致する位置を見つけるように、複数の空間位置で前記第1のテンプレートに重ねられる、方法。
  8. 請求項1に記載の方法であって、前記第1もしくは第2のテンプレート、又はその両方は、前記マスターマスクと共に適用される個々のマスクを有する、方法。
  9. 請求項1に記載の方法であって、前記第1及び第2の画像の一方は、他方の前記第1及び第2の画像に対して一体多照合するために、格納データベースから検索される、方法。
  10. 請求項1に記載の方法であって、前記第1及び第2の画像の一方は、他方の複数の前記第1及び第2の画像と比較される、方法。
  11. 請求項1に記載の方法であって、前記第1及び第2の画像は生体画像である、方法。
  12. 第1の画像が第2の画像と一致するかどうかを決定するシステムであって、
    前記第1の画像と第2の画像とを取得する手段と、
    複数のテンプレートコードからマスターマスクを生成する手段であって、各テンプレートコードは、前記第1の画像と第2の画像とを取得する手段によって取得された複数の既存画像の一つにそれぞれ対応しており、前記複数の既存画像は、異なる個人又は異なる物の画像を含む手段と、
    前記第1及び第2の画像から第1及び第2のテンプレートをそれぞれ抽出する手段であって、前記第1のテンプレートは、前記第1の画像内の異なる位置にそれぞれ対応した複数の第1のテンプレートコードを含み、前記第2のテンプレートは、前記第2の画像内の異なる位置にそれぞれ対応した複数の第2のテンプレートコードを含む手段と、
    前記第1のテンプレートに、複数のマスターマスクコードを含む前記マスターマスクを重ね合わせることにより、重ね合わせた第1のテンプレートを生成する手段であって、各マスターマスクコードは、前記第1の画像と第2の画像とを取得する手段によって取得された画像のテンプレードコードの照合信頼性を表すものであり、複数の前記マスターマスクコードは、複数の前記第1のテンプレートコードと1対1で対応する手段と、
    前記重ね合わせた第1のテンプレートと前記第2のテンプレートとの間に一致が存在する可能性を決定するために、前記重ね合わせた第1のテンプレートを第2のテンプレートと比較する手段と、
    前記可能性がしきい値を超えたか否かを決定する手段と、
    前記可能性が前記しきい値を超えていると決定した場合に、前記第1の画像と前記第2の画像とが一致画像であることを決定する手段と、を含む、
    システム。
  13. 請求項1から請求項11のいずれかに記載の方法を実行するように構成されたコンピュータプログラム。
  14. 請求項13に記載のコンピュータプログラムを保持するコンピュータ可読媒体。
  15. 請求項1から請求項11のいずれかに記載の方法であって、前記第2のテンプレートは、最も一致する第2のテンプレート位置を見つけるために、複数の位置で、前記重ね合わせた第1のテンプレートと比較される、方法。
JP2015224169A 2010-04-09 2015-11-16 画像テンプレートマスキング Expired - Fee Related JP6212099B2 (ja)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US12/757,250 2010-04-09
US12/757,250 US8577094B2 (en) 2010-04-09 2010-04-09 Image template masking

Related Parent Applications (1)

Application Number Title Priority Date Filing Date
JP2013503063A Division JP2013535038A (ja) 2010-04-09 2011-03-30 画像テンプレートマスキング

Publications (2)

Publication Number Publication Date
JP2016157420A JP2016157420A (ja) 2016-09-01
JP6212099B2 true JP6212099B2 (ja) 2017-10-11

Family

ID=44052959

Family Applications (2)

Application Number Title Priority Date Filing Date
JP2013503063A Pending JP2013535038A (ja) 2010-04-09 2011-03-30 画像テンプレートマスキング
JP2015224169A Expired - Fee Related JP6212099B2 (ja) 2010-04-09 2015-11-16 画像テンプレートマスキング

Family Applications Before (1)

Application Number Title Priority Date Filing Date
JP2013503063A Pending JP2013535038A (ja) 2010-04-09 2011-03-30 画像テンプレートマスキング

Country Status (6)

Country Link
US (1) US8577094B2 (ja)
EP (1) EP2556465A2 (ja)
JP (2) JP2013535038A (ja)
CN (1) CN102844768B (ja)
WO (1) WO2011124512A2 (ja)
ZA (1) ZA201206399B (ja)

Families Citing this family (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9846739B2 (en) 2006-10-23 2017-12-19 Fotonation Limited Fast database matching
US8290219B2 (en) * 2008-08-22 2012-10-16 International Business Machines Corporation Registration-free transforms for cancelable iris biometrics
US9449024B2 (en) * 2010-11-19 2016-09-20 Microsoft Technology Licensing, Llc File kinship for multimedia data tracking
BR112014011646A2 (pt) * 2011-11-14 2017-05-02 Brainstorm Int Services Ltd método de identificação de partidas entre um registro de dados de amostra e uma pluralidade de registros de dados de inscritos; e sistema de identificação de possíveis correspondências
US20140363058A1 (en) * 2013-06-07 2014-12-11 EyeD, LLC Systems And Methods For Uniquely Identifying An Individual
CN105900101A (zh) * 2014-01-07 2016-08-24 精密生物测定股份公司 存储生物识别数据模板的集合和匹配生物识别的方法、生物识别匹配装置和计算机程序
EP3243166B1 (en) * 2015-01-06 2020-07-08 Sikorsky Aircraft Corporation Structural masking for progressive health monitoring
FR3037422B1 (fr) * 2015-06-15 2017-06-23 Morpho Procede d'identification et/ou d'authentification d'un individu par reconnaissance d'iris
WO2016177914A1 (en) 2015-12-09 2016-11-10 Fotonation Limited Image acquisition system
US9940519B2 (en) 2016-06-24 2018-04-10 Fotonation Limited Image processing method and system for iris recognition
US10275648B2 (en) 2017-02-08 2019-04-30 Fotonation Limited Image processing method and system for iris recognition
US10701277B2 (en) 2017-05-31 2020-06-30 Fotonation Limited Automatic exposure module for an image acquisition system
US10742904B2 (en) 2018-05-25 2020-08-11 Fotonation Limited Multispectral image processing system for face detection

Family Cites Families (75)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US3845466A (en) 1970-11-18 1974-10-29 California Inst Of Techn System and method for character recognition
US4641349A (en) 1985-02-20 1987-02-03 Leonard Flom Iris recognition system
US4817183A (en) 1986-06-16 1989-03-28 Sparrow Malcolm K Fingerprint recognition and retrieval system
US4896363A (en) 1987-05-28 1990-01-23 Thumbscan, Inc. Apparatus and method for matching image characteristics such as fingerprint minutiae
US5291560A (en) 1991-07-15 1994-03-01 Iri Scan Incorporated Biometric personal identification system based on iris analysis
US5251131A (en) 1991-07-31 1993-10-05 Thinking Machines Corporation Classification of data records by comparison of records to a training database using probability weights
US5631971A (en) 1994-05-24 1997-05-20 Sparrow; Malcolm K. Vector based topological fingerprint matching
US5572596A (en) 1994-09-02 1996-11-05 David Sarnoff Research Center, Inc. Automated, non-invasive iris recognition system and method
US6714665B1 (en) 1994-09-02 2004-03-30 Sarnoff Corporation Fully automated iris recognition system utilizing wide and narrow fields of view
US5841888A (en) 1996-01-23 1998-11-24 Harris Corporation Method for fingerprint indexing and searching
JPH09212644A (ja) 1996-02-07 1997-08-15 Oki Electric Ind Co Ltd 虹彩認識装置および虹彩認識方法
JP3434976B2 (ja) * 1996-06-28 2003-08-11 三菱電機株式会社 画像処理装置
US5933515A (en) 1996-07-25 1999-08-03 California Institute Of Technology User identification through sequential input of fingerprints
US5924094A (en) 1996-11-01 1999-07-13 Current Network Technologies Corporation Independent distributed database system
JP2815045B2 (ja) 1996-12-16 1998-10-27 日本電気株式会社 画像特徴抽出装置,画像特徴解析装置,および画像照合システム
US6021220A (en) 1997-02-11 2000-02-01 Silicon Biology, Inc. System and method for pattern recognition
US6144754A (en) 1997-03-28 2000-11-07 Oki Electric Industry Co., Ltd. Method and apparatus for identifying individuals
US5873074A (en) 1997-04-18 1999-02-16 Informix Software, Inc. Applying distinct hash-join distributions of operators to both even and uneven database records
US6075876A (en) 1997-05-07 2000-06-13 Draganoff; Georgi Hristoff Sliding yardsticks fingerprint enrollment and verification system and method
US6018739A (en) 1997-05-15 2000-01-25 Raytheon Company Biometric personnel identification system
US6360021B1 (en) 1998-07-30 2002-03-19 The Regents Of The University Of California Apparatus and methods of image and signal processing
US5956122A (en) 1998-06-26 1999-09-21 Litton Systems, Inc Iris recognition apparatus and method
JP3610234B2 (ja) 1998-07-17 2005-01-12 株式会社メディア・テクノロジー アイリス情報取得装置およびアイリス識別装置
DE19842572B4 (de) 1998-09-17 2005-03-24 Heidelberger Druckmaschinen Ag Verfahren zur automatischen Entfernung von Bildfehlern
US6424727B1 (en) 1998-11-25 2002-07-23 Iridian Technologies, Inc. System and method of animal identification and animal transaction authorization using iris patterns
JP2000189403A (ja) 1998-12-25 2000-07-11 Oki Electric Ind Co Ltd 虹彩領域抽出方法及び個体識別装置
US6247813B1 (en) 1999-04-09 2001-06-19 Iritech, Inc. Iris identification system and method of identifying a person through iris recognition
US6505193B1 (en) 1999-12-01 2003-01-07 Iridian Technologies, Inc. System and method of fast biometric database searching using digital certificates
US7356417B2 (en) 2000-03-28 2008-04-08 Monsanto Company Methods, systems and computer program products for dynamic scheduling and matrix collecting of data about samples
GB0009750D0 (en) 2000-04-19 2000-06-07 Erecruitment Limited Method and apparatus for data object and matching,computer readable storage medium,a program for performing the method,
JP4723171B2 (ja) 2001-02-12 2011-07-13 グレースノート インク マルチメディア・コンテンツのハッシュの生成および突合せ
US6801661B1 (en) 2001-02-15 2004-10-05 Eastman Kodak Company Method and system for archival and retrieval of images based on the shape properties of identified segments
JP3586431B2 (ja) 2001-02-28 2004-11-10 松下電器産業株式会社 個人認証方法および装置
KR100374707B1 (ko) 2001-03-06 2003-03-04 에버미디어 주식회사 도비치스 웨이블렛 변환을 이용한 홍채인식방법
CA2340531C (en) 2001-03-12 2006-10-10 Ibm Canada Limited-Ibm Canada Limitee Document retrieval system and search method using word set and character look-up tables
US6603462B2 (en) 2001-03-21 2003-08-05 Multidigit, Inc. System and method for selecting functions based on a finger feature such as a fingerprint
US6757411B2 (en) 2001-08-16 2004-06-29 Liska Biometry Inc. Method and system for fingerprint encoding and authentication
US7188260B1 (en) 2001-08-29 2007-03-06 Cisco Technology, Inc. Apparatus and method for centralized power management
US7203343B2 (en) 2001-09-21 2007-04-10 Hewlett-Packard Development Company, L.P. System and method for determining likely identity in a biometric database
US20030086617A1 (en) 2001-10-25 2003-05-08 Jer-Chuan Huang Triangle automatic matching method
US6879718B2 (en) 2001-11-06 2005-04-12 Microsoft Corp. Efficient method and system for determining parameters in computerized recognition
US7013030B2 (en) 2002-02-14 2006-03-14 Wong Jacob Y Personal choice biometric signature
US6909808B2 (en) 2002-03-08 2005-06-21 Anzus, Inc. Image compression to enhance optical correlation
JP3758042B2 (ja) 2002-09-27 2006-03-22 日本電気株式会社 指紋認証方法/プログラム/装置
US7009495B2 (en) 2002-10-02 2006-03-07 Battelle Memorial Institute System and method to identify multiple RFID tags
JP2004362619A (ja) * 2002-11-07 2004-12-24 Matsushita Electric Ind Co Ltd 虹彩登録装置
JP2004206444A (ja) * 2002-12-25 2004-07-22 Matsushita Electric Ind Co Ltd 個人認証方法および虹彩認証装置
TWI224287B (en) 2003-01-23 2004-11-21 Ind Tech Res Inst Iris extraction method
US7492928B2 (en) 2003-02-25 2009-02-17 Activcard Ireland Limited Method and apparatus for biometric verification with data packet transmission prioritization
US7711153B2 (en) 2003-04-14 2010-05-04 Hillhouse Robert D Method and apparatus for searching biometric image data
US7483569B2 (en) 2003-05-29 2009-01-27 Carnegie Mellon University Reduced complexity correlation filters
EP1647936B1 (en) 2003-07-17 2012-05-30 Panasonic Corporation Iris code generation method, individual authentication method, iris code entry device, individual authentication device, and individual certification program
US7593550B2 (en) 2005-01-26 2009-09-22 Honeywell International Inc. Distance iris recognition
KR20050025927A (ko) 2003-09-08 2005-03-14 유웅덕 홍채인식을 위한 동공 검출 방법 및 형상기술자 추출방법과 그를 이용한 홍채 특징 추출 장치 및 그 방법과홍채인식 시스템 및 그 방법
KR101033179B1 (ko) 2003-09-15 2011-05-11 아브 이니티오 테크놀로지 엘엘시 데이터 프로파일링
US7415456B2 (en) 2003-10-30 2008-08-19 Lucent Technologies Inc. Network support for caller identification based on biometric measurement
JP4340553B2 (ja) 2004-02-06 2009-10-07 富士通株式会社 生体情報照合装置
US20050193016A1 (en) 2004-02-17 2005-09-01 Nicholas Seet Generation of a media content database by correlating repeating media content in media streams
US7325013B2 (en) 2004-04-15 2008-01-29 Id3Man, Inc. Database with efficient fuzzy matching
GB0412175D0 (en) 2004-06-01 2004-06-30 Smart Sensors Ltd Identification of image characteristics
US7302426B2 (en) 2004-06-29 2007-11-27 Xerox Corporation Expanding a partially-correct list of category elements using an indexed document collection
US7616788B2 (en) 2004-11-12 2009-11-10 Cogent Systems, Inc. System and method for fast biometric pattern matching
US20060222212A1 (en) 2005-04-05 2006-10-05 Yingzi Du One-dimensional iris signature generation system and method
JP2006323798A (ja) * 2005-05-19 2006-11-30 Hiroshi Nagai 携帯電話機を利用した情報提供システム
WO2007025258A2 (en) * 2005-08-25 2007-03-01 Sarnoff Corporation Methods and systems for biometric identification
US7844084B2 (en) 2006-02-27 2010-11-30 Donald Martin Monro Rotation compensated iris comparison
US7885436B2 (en) * 2006-07-13 2011-02-08 Authentec, Inc. System for and method of assigning confidence values to fingerprint minutiae points
GB0616222D0 (en) 2006-08-15 2006-09-27 Monro Donald M Method Of Eyelash Removal For Human Iris Recognition
US7809747B2 (en) 2006-10-23 2010-10-05 Donald Martin Monro Fuzzy database matching
US20080097992A1 (en) 2006-10-23 2008-04-24 Donald Martin Monro Fast database matching
US8036466B2 (en) 2007-01-17 2011-10-11 Donald Martin Monro Shape representation using cosine transforms
US8055074B2 (en) 2007-01-17 2011-11-08 Donald Martin Monro Shape representation using fourier transforms
US20090060348A1 (en) 2007-08-28 2009-03-05 Donald Martin Monro Determination of Image Similarity
WO2009041963A1 (en) * 2007-09-24 2009-04-02 University Of Notre Dame Du Lac Iris recognition using consistency information
US8150108B2 (en) * 2008-03-17 2012-04-03 Ensign Holdings, Llc Systems and methods of identification based on biometric parameters

Also Published As

Publication number Publication date
JP2013535038A (ja) 2013-09-09
WO2011124512A2 (en) 2011-10-13
CN102844768B (zh) 2016-03-02
US20110249872A1 (en) 2011-10-13
JP2016157420A (ja) 2016-09-01
US8577094B2 (en) 2013-11-05
EP2556465A2 (en) 2013-02-13
CN102844768A (zh) 2012-12-26
WO2011124512A3 (en) 2011-12-15
ZA201206399B (en) 2013-10-30

Similar Documents

Publication Publication Date Title
JP6212099B2 (ja) 画像テンプレートマスキング
US20060008124A1 (en) Iris image-based recognition system
US20180075291A1 (en) Biometrics authentication based on a normalized image of an object
EP1374144A1 (en) Non-contact type human iris recognition method by correction of rotated iris image
CN110647955A (zh) 身份验证方法
CN111344703A (zh) 基于虹膜识别的用户认证设备和方法
Doublet et al. Robust grayscale distribution estimation for contactless palmprint recognition
Johar et al. Iris segmentation and normalization using Daugman’s rubber sheet model
Lee et al. An automated video-based system for iris recognition
JP5698418B2 (ja) 虹彩認識による識別
Gawande et al. Improving iris recognition accuracy by score based fusion method
Choras Multimodal biometrics for person authentication
KR100786204B1 (ko) 변형에 강건한 홍채 인식 방법
JP6852779B2 (ja) 画像認識装置、画像認識方法、および、画像認識プログラム
Guo et al. Iris extraction based on intensity gradient and texture difference
Khaliluzzaman et al. Hand geometry based person verification system
Sajjad et al. Iris image enhancement for the recognition of non-ideal iris images
Hasan et al. Dual iris matching for biometric identification
Malik et al. Personal authentication using palmprint with Sobel code, Canny edge and phase congruency feature extraction method
Narote et al. An automated segmentation method for iris recognition
Arora et al. Human identification based on iris recognition for distant images
Mohammed et al. Conceptual analysis of Iris Recognition Systems
Patil et al. Tilt and scale invariant iris recognition system
JP4617121B2 (ja) 個人認証装置及び個人認証方法
Kumar et al. Iris based biometric identification system

Legal Events

Date Code Title Description
A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20161209

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20170130

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20170424

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: 20170911

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20170914

R150 Certificate of patent or registration of utility model

Ref document number: 6212099

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150

LAPS Cancellation because of no payment of annual fees