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

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ト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。