JP6242726B2 - 生体情報登録方法、生体認証方法、生体情報登録装置、生体認証装置及びプログラム - Google Patents

生体情報登録方法、生体認証方法、生体情報登録装置、生体認証装置及びプログラム Download PDF

Info

Publication number
JP6242726B2
JP6242726B2 JP2014062775A JP2014062775A JP6242726B2 JP 6242726 B2 JP6242726 B2 JP 6242726B2 JP 2014062775 A JP2014062775 A JP 2014062775A JP 2014062775 A JP2014062775 A JP 2014062775A JP 6242726 B2 JP6242726 B2 JP 6242726B2
Authority
JP
Japan
Prior art keywords
feature amount
segments
feature
image
vein
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
JP2014062775A
Other languages
English (en)
Other versions
JP2015185046A5 (ja
JP2015185046A (ja
Inventor
一博 古村
一博 古村
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.)
Fujitsu Frontech Ltd
Original Assignee
Fujitsu Frontech 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 Fujitsu Frontech Ltd filed Critical Fujitsu Frontech Ltd
Priority to JP2014062775A priority Critical patent/JP6242726B2/ja
Priority to PCT/JP2015/059213 priority patent/WO2015147088A1/ja
Publication of JP2015185046A publication Critical patent/JP2015185046A/ja
Publication of JP2015185046A5 publication Critical patent/JP2015185046A5/ja
Priority to US15/266,067 priority patent/US20170000411A1/en
Application granted granted Critical
Publication of JP6242726B2 publication Critical patent/JP6242726B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/30—Authentication, i.e. establishing the identity or authorisation of security principals
    • G06F21/31—User authentication
    • G06F21/32—User authentication using biometric data, e.g. fingerprints, iris scans or voiceprints
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0059—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence
    • A61B5/0077—Devices for viewing the surface of the body, e.g. camera, magnifying lens
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/117—Identification of persons
    • A61B5/1171—Identification of persons based on the shapes or appearances of their bodies or parts thereof
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/48—Other medical applications
    • A61B5/4887—Locating particular structures in or on the body
    • A61B5/489—Blood vessels
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/42—Global feature extraction by analysis of the whole pattern, e.g. using frequency domain transformations or autocorrelation
    • G06V10/431—Frequency domain transformation; Autocorrelation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
    • G06V10/478—Contour-based spectral representations or scale-space representations, e.g. by Fourier analysis, wavelet analysis or curvature scale-space [CSS]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/50—Extraction of image or video features by performing operations within image blocks; by using histograms, e.g. histogram of oriented gradients [HoG]; by summing image-intensity values; Projection analysis
    • G06V10/507—Summing image-intensity values; Histogram projection analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
    • G06V10/758—Involving statistics of pixels or of feature values, e.g. histogram matching
    • 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
    • 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
    • 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
    • G06V40/1347—Preprocessing; Feature extraction
    • 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
    • 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
    • G06V40/50—Maintenance of biometric data or enrolment thereof
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B2560/00—Constructional details of operational features of apparatus; Accessories for medical measuring apparatus
    • A61B2560/04—Constructional details of apparatus
    • A61B2560/0475—Special features of memory means, e.g. removable memory cards
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B2576/00—Medical imaging apparatus involving image processing or analysis
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A61B5/7253—Details of waveform analysis characterised by using transforms
    • A61B5/7257—Details of waveform analysis characterised by using transforms using Fourier transforms
    • 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
    • G06V40/14—Vascular patterns
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H30/00—ICT specially adapted for the handling or processing of medical images
    • G16H30/40—ICT specially adapted for the handling or processing of medical images for processing medical images, e.g. editing

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Human Computer Interaction (AREA)
  • Veterinary Medicine (AREA)
  • Molecular Biology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Public Health (AREA)
  • Animal Behavior & Ethology (AREA)
  • Pathology (AREA)
  • Biophysics (AREA)
  • Surgery (AREA)
  • Biomedical Technology (AREA)
  • Computer Security & Cryptography (AREA)
  • Software Systems (AREA)
  • Computer Hardware Design (AREA)
  • General Engineering & Computer Science (AREA)
  • Vascular Medicine (AREA)
  • Mathematical Physics (AREA)
  • Databases & Information Systems (AREA)
  • Computing Systems (AREA)
  • Evolutionary Computation (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Artificial Intelligence (AREA)
  • Collating Specific Patterns (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Description

本開示の実施形態では、静脈データを用いて本人であるか否かを判定する生体認証の技術に関する。
既存の生体認証方法として、例えば、利用者を撮影した画像から取得される照合静脈データと予め登録される登録静脈データとでマッチング（照合処理）を行い、そのマッチングにより得られる照合静脈データと登録静脈データとの類似度により本人であるか否かを判定する（１対１認証）。
また、既存の生体認証方法として、１対１認証の他に、照合静脈データと複数の登録静脈データとでそれぞれマッチングを行い、それらマッチングにより得られる複数の類似度のうち最も高い類似度により本人であるか否かを判定するものがある（１対Ｎ認証）。
静脈データのようにデータ量の多いマッチングでは、1件ずつの処理に時間を要するため、１対Ｎ認証では、登録静脈データの登録件数（Ｎ）が増加すればするほど、照合処理に時間がかかってしまう。
そこで、１対Ｎ認証において、照合時間を短縮するための方法がある。例えば、照合静脈データから得られる照合特徴量と登録静脈データから得られる登録特徴量との類似度が高い順に複数の登録静脈データをソートし、認証静脈データとソートの上位の登録静脈データとでマッチングを行うものがある（例えば、特許文献１参照）。
特開２００７−２４９３３９号公報 特許第５３６３５８７号公報
また、上述のように特徴量を用いる１対Ｎ認証では、静脈データの登録時と認証時とで、撮影環境や利用者の体勢が大きく変動してしまうと、登録特徴量や照合特徴量を精度良く抽出することができないおそれがある。そのため、最も類似度が高い登録静脈データが上位になる確率を上げることが難しくなり、認証精度の低下が懸念される。
そこで、本開示の実施形態では、１対Ｎ認証において、照合処理時間の増加を抑えつつ、認証精度の低下を抑えることが可能な生体情報登録方法、生体認証方法、生体情報登録装置、生体認証装置及びプログラムを提供することを目的とする。
本開示の実施形態の生体情報登録方法は、コンピュータが、画像取得部により取得された画像から静脈像を示す静脈データ及び特徴量を抽出し、前記静脈データ及び前記特徴量を記憶部に記憶させる生体情報登録方法であって、前記特徴量は、前記静脈像をベクトル化して得られる複数のセグメントのうちの２つのセグメントの関連性を示す第１の特徴量を有し、前記第１の特徴量は、前記２つのセグメントのそれぞれの分割セグメントがなす角度を、前記２つのセグメントのそれぞれの分割セグメントのすべての組合せにおいてそれぞれ求め、それら角度の度数分布を示す。
本開示の実施形態の生体認証方法は、コンピュータが、画像取得部により取得された画像から静脈像を示す静脈データ及び特徴量を抽出し、前記抽出した特徴量と、記憶部に記憶されている登録特徴量との比較結果により前記記憶部に記憶されている複数の登録静脈データを絞り込み、その絞り込んだ登録静脈データと前記抽出した静脈データとの類似度を求め、前記求めた類似度により本人であるか否かを判定する生体認証方法であって、前記特徴量は、前記静脈像をベクトル化して得られる複数のセグメントのうちの２つのセグメントの関連性を示す第１の特徴量を有し、前記第１の特徴量は、前記２つのセグメントのそれぞれの分割セグメントがなす角度を、前記２つのセグメントのそれぞれの分割セグメントのすべての組合せにおいてそれぞれ求め、それら角度の度数分布を示す。
本開示の実施形態の生体情報登録装置は、画像取得部により取得される画像から静脈像を示す静脈データ及び特徴量を抽出する特徴量抽出部と、前記特徴量抽出部により抽出された静脈データ及び特徴量を記憶部に記憶させる特徴量登録部とを備え、前記特徴量は、前記静脈像をベクトル化して得られる複数のセグメントのうちの２つのセグメントの関連性を示す第１の特徴量を有し、前記第１の特徴量は、前記２つのセグメントのそれぞれの分割セグメントがなす角度を、前記２つのセグメントのそれぞれの分割セグメントのすべての組合せにおいてそれぞれ求め、それら角度の度数分布を示す。
本開示の実施形態の生体認証装置は、画像取得部により取得される画像から静脈像を示す静脈データ及び特徴量を抽出する特徴量抽出部と、前記特徴量抽出部により抽出された特徴量と、記憶部に記憶されている登録特徴量との比較結果により、前記記憶部に記憶されている複数の登録静脈データを絞込み、その絞り込んだ登録静脈データと、前記特徴量抽出部により抽出された静脈データとの類似度を求める照合部と、前記照合部により求められた類似度により本人であるか否かを判定する判定部とを備え、前記特徴量は、前記静脈像をベクトル化して得られる複数のセグメントのうちの２つのセグメントの関連性を示す第１の特徴量を有し、前記第１の特徴量は、前記２つのセグメントのそれぞれの分割セグメントがなす角度を、前記２つのセグメントのそれぞれの分割セグメントのすべての組合せにおいてそれぞれ求め、それら角度の度数分布を示す。
本開示の実施形態のプログラムは、コンピュータに、画像取得部により取得される画像から静脈像を示す静脈データ及び特徴量を抽出し、前記抽出した静脈データ及び特徴量を記憶部に記憶させることを実行させるプログラムであって、前記特徴量は、前記静脈像をベクトル化して得られる複数のセグメントのうちの２つのセグメントの関連性を示す第１の特徴量を有し、前記第１の特徴量は、前記２つのセグメントのそれぞれの分割セグメントがなす角度を、前記２つのセグメントのそれぞれの分割セグメントのすべての組合せにおいてそれぞれ求め、それら角度の度数分布を示す。
また、本開示の実施形態のプログラムは、コンピュータに、画像取得部により取得される画像から静脈像を示す静脈データ及び特徴量を抽出し、前記抽出した特徴量と、記憶部に記憶されている登録特徴量との比較結果により、前記記憶部に記憶されている複数の登録静脈データを絞り込み、その絞り込んだ登録静脈データと、前記特徴量抽出部により抽出された静脈データとの類似度を求め、前記求めた類似度により本人であるか否かを判定することを実行させるプログラムであって、前記特徴量は、前記静脈像をベクトル化して得られる複数のセグメントのうちの２つのセグメントの関連性を示す第１の特徴量を有し、前記第１の特徴量は、前記２つのセグメントのそれぞれの分割セグメントがなす角度を、前記２つのセグメントのそれぞれの分割セグメントのすべての組合せにおいてそれぞれ求め、それら角度の度数分布を示す。
本開示の実施形態によれば、１対Ｎ認証において、照合処理時間の増加を抑えつつ、認証精度の低下を抑えることができる。
本開示の実施形態の生体情報登録装置を示す図である。 生体情報登録方法を示すフローチャートである。 撮像画像の一例を示す図である。 静脈データの一例を示す図である。 記憶部に記憶されるデータの一例を示す図である。 本開示の実施形態の生体認証装置を示す図である。 生体認証方法を示すフローチャートである。 静脈データの絞り込み処理を説明する図である。 判定処理を説明する図である。 特徴量抽出処理を示すフローチャートである。 分割パターンの一例を示す図である。 セグメントの一例を示す図である。 特徴量算出処理を示すフローチャートである。 第１の特徴量を説明するための図である。 セグメントの一例を示す図である。 第２の特徴量を説明するための図である。 第３の特徴量を説明するための図である。 第４の特徴量を説明するための図である。 第５の特徴量を説明するための図である。 第６の特徴量を説明するための図である。 第７の特徴量を説明するための図である。 生体情報登録装置又は生体認証装置のハードウェアの一例を示す図である。
図１は、本開示の実施形態の生体情報登録装置を示す図である。
図１に示す生体情報登録装置１は、画像取得部２と、特徴量抽出部３と、特徴量登録部４と、記憶部５とを備える。なお、画像取得部２や記憶部５は、生体情報登録装置１の外部に設けられてもよい。
図２は、生体情報登録方法を示すフローチャートである。
まず、画像取得部２は、利用者の手の撮像画像を取得する（Ｓ１１）。例えば、画像取得部２は、撮像装置であって、単板の撮像素子とベイヤー配列のＲＧＢの各カラーフィルタにより利用者の手を撮影する。また、画像取得部２は、利用者の手に近赤外線を照射し、その反射光を撮影している。静脈に流れている赤血球の中のヘモグロビンは、近赤外線を吸収するため、例えば、図３に示すように、撮像画像において反射光が弱くなっている静脈像の部分が黒くなる。なお、画像取得部２は、さらに、撮像画像から利用者の手のひらの領域のみの画像を取得してもよい。
次に、特徴量抽出部３は、画像取得部２により取得される画像から静脈像を示す静脈データ及び特徴量を抽出する（Ｓ１２）。例えば、特徴量抽出部３は、図４に示すような静脈データを抽出する。
そして、特徴量登録部４は、特徴量抽出部３により抽出される静脈データ及び特徴量を記憶部５に記憶させる（Ｓ１３）。例えば、特徴量登録部４は、特徴量抽出部３により抽出される利用者１０人分の静脈データ及びその静脈データに対応する特徴量を、図５に示すように、登録静脈データ０１〜１０及び登録特徴量０１〜１０として記憶部５に記憶させる。
図６は、本開示の実施形態の生体認証装置を示す図である。なお、図１に示す構成と同じ構成には同じ符号を付し、その説明を省略する。
図６に示す生体認証装置６は、画像取得部２と、特徴量抽出部３と、記憶部５と、照合部７と、判定部８とを備える。なお、画像取得部２や記憶部５は、生体認証装置６の外部に設けられてもよい。
図７は、生体認証方法を示すフローチャートである。
まず、画像取得部２は、利用者の手の撮像画像を取得する（Ｓ２１）。
次に、特徴量抽出部３は、画像取得部２により取得される画像から静脈データ及び特徴量を抽出する（Ｓ２２）。
次に、照合部７は、特徴量抽出部３により抽出される特徴量と予め記憶部５に記憶される登録特徴量との比較結果により、予め記憶部５に記憶されている複数の登録静脈データを絞り込み、その絞り込んだ登録静脈データと特徴量抽出部３により抽出される静脈データとの類似度を求める（Ｓ２３）。
そして、判定部８は、照合部７により求められる類似度により、本人であるか否かを判定する（Ｓ２４）。
例えば、照合部７は、特徴量抽出部３により抽出される照合特徴量と、記憶部５に記憶されている登録特徴量との差分の絶対値をスコアとして、対応する登録静脈データとともに記憶部５に記憶させる。図８（ａ）に示す例では、特徴量抽出部３により抽出される照合特徴量００と記憶部５に記憶されている登録特徴量０１との差分の絶対値８１がスコアとして登録静脈データ０１とともに記憶部５に記憶され、照合特徴量００と登録特徴量０２との差分の絶対値６７がスコアとして登録静脈データ０２とともに記憶部５に記憶され、・・・、照合特徴量００と登録特徴量１０との差分の絶対値３０がスコアとして登録静脈データ１０とともに記憶部５に記憶されている。なお、スコアが小さくなる程、そのスコアに対応する、照合静脈データと登録静脈データとの類似度が大きくなる確率が高くなるものとする。
次に、照合部７は、記憶部５に記憶されているスコアを昇順でソートする。図８（ｂ）に示す例では、ソートの結果、スコアが上から順番に３、４、・・・８１となり、そのソートに伴って、登録静脈データが上から順番に登録静脈データ０６、０７、・・・０１と並び替えられている。
次に、照合部７は、登録静脈データの個数を、ソート後の登録静脈データの上位所定％に絞り込む。図８（ｃ）に示す例では、上位３０％の登録静脈データ０６、０７、０３に絞り込まれている。
次に、照合部７は、特徴量抽出部３により抽出される照合静脈データと、絞り込んだ登録静脈データとの類似度を求める。図９（ａ）に示す例では、照合静脈データ００と登録静脈データ０６との類似度として９０が求められ、照合静脈データ００と登録静脈データ０７との類似度として４０が求められ、照合静脈データ００と登録静脈データ０３との類似度として１０００が求められている。
次に、照合部７は、絞り込んだ登録静脈データにそれぞれ対応する類似度のうち、閾値以上の類似度を抽出し、その抽出した類似度を降順でソートする。図９（ｂ）の例では、閾値５０以上の類似度９０、１０００が抽出され、その抽出された類似度９０、１０００を降順でソートした結果、上から順番に類似度１０００、９０と並んでいる。
次に、照合部７は、ソート後の類似度のうち、最も大きい類似度を照合用の類似度として求める。図９（ｃ）に示す例では、最も大きい類似度１０００が照合用の類似度として求められている。
そして、判定部８は、照合部７により求められる類似度が閾値以上であるとき、本人であると判定する。
次に、図２に示す特徴量抽出処理（Ｓ１２）や図７に示す特徴量抽出処理（Ｓ２２）について説明する。
図１０は、特徴量抽出処理を示すフローチャートである。
まず、特徴量抽出部３は、画像取得部２により取得される画像を所定の分割パターンにより複数のエリアに分割する（Ｓ３１）。例えば、特徴量抽出部３は、画像を横方向に３つ、縦方向に２つ分割する場合（分割パターンＰ１）、図１１（ａ）に示すように、６つのエリアａ〜ｆを取得する。また、特徴量抽出部３は、画像を横方向に２つ、縦方向に３つ分割する場合（分割パターンＰ２）、図１１（ｂ）に示すように、６つのエリアｇ〜ｌを取得する。このように画像を分割することにより、分割パターンＰ１で分割されたエリア間の境界線上にある静脈データは、正しく認識されない可能性があるが、分割パターンＰ２の境界線上にはならないため、分割パターンＰ２では正しく認識される。そのため、静脈データの欠落を相互に補完することができる。また、画像を分割して個々のエリアで特徴量を抽出する場合は、画像を分割しないで画像全体において特徴量を抽出する場合に比べて、特徴量が平均化され難いため、特徴量を精度良く抽出することができる。なお、分割パターンは、図１１（ａ）や図１１（ｂ）に示すものに限定されない。
次に、特徴量抽出部３は、分割後の複数のエリアのうち、１つのエリアを選択する（Ｓ３２）。例えば、特徴量抽出部３は、図１１（ａ）に示す６つのエリアａ〜ｆのうち、エリアｃを選択する。
次に、特徴量抽出部３は、その選択したエリア内の静脈像をベクトル化して得られる複数のセグメントのうち、着目セグメントを選択するとともに（Ｓ３３）、ペアセグメントを選択する（Ｓ３４）。例えば、特徴量抽出部３は、図１２に示すように、エリアｃ内のセグメントｃ１〜ｃ３のうち、セグメントｃ１を着目セグメントとして選択し、セグメントｃ２をペアセグメントとして選択する。
次に、特徴量抽出部３は、特徴量を算出する（Ｓ３５）。
次に、特徴量抽出部３は、着目セグメントの近傍にもうペアセグメントがないか否かを判断し（Ｓ３６）、ペアセグメントがあると判断した場合（Ｓ３６：Ｎｏ）、Ｓ３４の処理に戻り、ペアセグメントがないと判断した場合（Ｓ３６：Ｙｅｓ）、選択したエリア内にまだ選択されていない着目セグメントがないか否かを判断する（Ｓ３７）。例えば、特徴量抽出部３は、図１２に示すように、着目セグメントｃ１とセグメントｃ３との距離Ｌが閾値以上であるとき、着目セグメントｃ１の近傍にもうペアセグメントがないと判断する。
次に、特徴量抽出部３は、未選択の着目セグメントがあると判断した場合（Ｓ３７：Ｎｏ）、Ｓ３３の処理へ戻り、未選択の着目セグメントがないと判断した場合（Ｓ３７：Ｙｅｓ）、未選択のエリアがないか否かを判断する（Ｓ３８）。例えば、特徴量抽出部３は、図１２に示すセグメントｃ１〜ｃ３をすべて着目セグメントとして選択すると、エリアｃ内に未選択の着目セグメントがないと判断する。
そして、特徴量抽出部３は、未選択のエリアがあると判断した場合（Ｓ３８：Ｎｏ）、Ｓ３２の処理に戻り、未選択のエリアがないと判断した場合（Ｓ３８：Ｙｅｓ）、特徴量抽出処理を終了する。
次に、図１０に示すＳ３５の特徴量算出処理について説明する。
図１３は、Ｓ３５の特徴量算出処理を示すフローチャートである。
まず、特徴量抽出部３は、着目セグメントについて着目分割セグメントを選択する（Ｓ４１）。
次に、特徴量抽出部３は、ペアセグメントについてペア分割セグメントを選択する（Ｓ４２）。
次に、特徴量抽出部３は、特徴量として、着目分割セグメントとペア分割セグメントとの関連性を示す特徴量を算出する（Ｓ４３）。
次に、特徴量抽出部３は、選択可能なペア分割セグメントのうち、最後のペア分割セグメントでないと判断した場合（Ｓ４４：Ｎｏ）、次のペア分割セグメントを選択し（Ｓ４２）、着目分割セグメントと次のペア分割セグメントとの関連性を示す特徴量を算出する（Ｓ４３）。
また、特徴量抽出部３は、選択可能なペア分割セグメントのうち、最後のペア分割セグメントであると判断した場合（Ｓ４４：Ｙｅｓ）、選択可能な着目分割セグメントのうち、最後の着目分割セグメントであるか否かを判断する（Ｓ４５）。
次に、特徴量抽出部３は、選択可能な着目分割セグメントのうち、最後の着目分割セグメントでないと判断した場合（Ｓ４５：Ｎｏ）、次の着目分割セグメントを選択し（Ｓ４１）、最後のペア分割セグメントになるまでＳ４２〜Ｓ４４を繰り返す。
そして、特徴量抽出部３は、選択可能な着目分割セグメントのうち、最後の着目分割セグメントであると判断した場合（Ｓ４５：Ｙｅｓ）、特徴量算出処理を終了する。
例えば、図１１（ａ）に示すように、分割パターンＰ１により画像が分割され、エリアｃが選択され、図１２に示すように、セグメントｃ１が着目セグメントｃ１として選択され、セグメントｃ２がペアセグメントｃ２として選択された場合を考える。
まず、特徴量抽出部３は、図１４（ａ）に示すように、着目セグメントｃ１のすべての端点及び変曲点を求め、それらの点を点ｃ１１〜ｃ１６とし、図１４（ｂ）に示すように、点ｃ１１を点Ａとし、点Ａから直線距離ｌｅｎ離れた着目セグメントｃ１上の点を点Ｂとし、点Ａと点Ｂを通る直線ＡＢを着目分割セグメントＡＢとする。
次に、特徴量抽出部３は、図１４（ａ）に示すように、ペアセグメントｃ２のすべての端点及び変曲点を求め、それらの点を点ｃ２１〜ｃ２６とし、図１４（ｂ）に示すように、点ｃ２１を点Ｃとし、点Ｃから直線距離ｌｅｎ離れたペアセグメントｃ２上の点を点Ｄとし、点Ｃと点Ｄを通る直線ＣＤをペア分割セグメントＣＤとする。
次に、特徴量抽出部３は、θ１＝ａｃｏｓ（ＡＢ・ＣＤ／｜ＡＢ｜｜ＣＤ｜）＊（１８０／π）を演算することにより、図１４（ｂ）に示すように、着目分割セグメントＡＢとペア分割セグメントＣＤがなす角度θ１を算出する。なお、エリアｃを２次元座標に置き換えたときの点Ａの座標位置を（ｘａ、ｙａ）、点Ｂの座標位置を（ｘｂ、ｙｂ）、点Ｃの座標位置を（ｘｃ、ｙｃ）、点Ｄの座標位置を（ｘｄ、ｙｄ）とする。また、ＡＢ・ＣＤ＝（ｘｂ−ｘａ）（ｘｄ−ｘｃ）＋（ｙｂ−ｙａ）（ｙｄ−ｙｃ）とし、｜ＡＢ｜＝（（ｘｂ−ｘａ）２＋（ｙｂ−ｙａ）２）１／２とし、｜ＣＤ｜＝（（ｘｄ−ｘｃ）２＋（ｙｄ−ｙｃ）２）１／２とする。
次に、特徴量抽出部３は、角度θ１についてヒストグラム（度数分布）hist1_P1[Area][n]を求める。なお、P1は分割パターンＰ１を示し、[Area]は画像分割後のエリアを示し、[n]はヒストグラムの階級数を示している。例えば、１８０度を６度単位で区切って３０個の角度領域（階級）を設定する場合では、その３０個の角度領域にそれぞれ対応するカウンタ値sdir(0)〜sdir(29)のうち、角度θ１が含まれる角度領域のカウンタ値をインクリメントし、ヒストグラムhist1_P1[c][30]={sdir(0),sdir(1),…,sdir(29)}を求める。例えば、このとき算出された角度θ１が３０度であった場合、特徴量抽出部３は、３０度から３５度までの角度領域に対応するカウンタ値sdir(5)をインクリメントし、hist1_P1[c][30]={0,0,0,0,0,1,0,…,0}を求める。
次に、特徴量抽出部３は、図１４（ｃ）に示すように、次の点ｃ２２を点Ｃとし、点Ｃから直線距離ｌｅｎ離れたペアセグメントｃ２上の点を点Ｄとし、点Ｃと点Ｄを通る直線ＣＤを次のペア分割セグメントＣＤとする。
次に、特徴量抽出部３は、着目分割セグメントＡＢと次のペア分割セグメントＣＤがなす角度θ１を算出する。
次に、特徴量抽出部３は、その角度θ１が含まれる角度領域のカウンタ値をインクリメントし、ヒストグラムhist1_P1[c][30]={sdir(0),sdir(1),…,sdir(29)}を求める。例えば、このとき算出された角度θ１が４３度であった場合、特徴量抽出部３は、４２度から４７度までの角度領域に対応するカウンタ値sdir(7)をインクリメントし、hist1_P1[c][30]={0,0,0,0,0,1,0,1…,0}を求める。
このように、ペアセグメントｃ２においてペア分割セグメントＣＤを選択することができなくなるまで、点ｃ１１を基準とする着目分割セグメントＡＢとペア分割セグメントＣＤとがなす角度θ１を繰り返し算出し、それら角度θ１についてそれぞれヒストグラムhist1_P1[c][30]={sdir(0),sdir(1),…,sdir(29)}を求める。
次に、特徴量抽出部３は、次の点ｃ１２を点Ａとし、点Ａから直線距離ｌｅｎ離れた着目セグメントｃ１上の点を点Ｂとし、点Ａと点Ｂを通る直線ＡＢを次の着目分割セグメントＡＢとし、点ｃ２１を点Ｃとし、点Ｃから直線距離ｌｅｎ離れたペアセグメントｃ２上の点を点Ｄとし、点Ｃと点Ｄを通る直線ＣＤをペア分割セグメントＣＤとする。
次に、特徴量抽出部３は、角度θ１を算出し、その角度θ１が含まれる角度領域のカウンタ値をインクリメントし、ヒストグラムhist1_P1[c][30]={sdir(0),sdir(1),…,sdir(29)}を求める。
このように、選択可能な着目分割セグメントＡＢと、選択可能なペア分割セグメントＣＤとのすべての組合せにおいて、それぞれ、角度θ１を算出し、それら角度θ１についてヒストグラムhist1_P1[c][30]={sdir(0),sdir(1),…,sdir(29)}を求める。
次に、特徴量抽出部３は、同様にして、図１１（ａ）に示す画像の他のエリアａ、ｂ、ｄ、ｅ、ｆについて、それぞれ、ヒストグラムhist1_P1[a][30]、hist1_P1[b][30]、hist1_P1[d][30]、hist1_P1[e][30]、hist1_P1[f][30]を求める。
そして、特徴量抽出部３は、hist1_P1[a][30]〜hist1_P1[f][30]に対して、それぞれ、正規化処理を行う。例えば、特徴量抽出部３は、ヒストグラムhist1_P1[a][30]のsdir(0),sdir(1),…,sdir(29)の合計、hist1_P1[b][30]のsdir(0),sdir(1),…,sdir(29)の合計、・・・、及びhist1_P1[f][30]のsdir(0),sdir(1),…,sdir(29)の合計の総和をALLcnt1とし、以下のように各カウンタ値を総和ALLcnt1で除算して各カウンタ値の比率を整数で表すことにより、正規化処理を行い、正規化後のヒストグラムhist1_P1[a][30]〜hist1_P1[f][30]を、上記照合特徴量又は上記登録特徴量（第１の特徴量）として記憶部５に記憶させる。
hist1_P1[a][30]={sdir(0)/ALLcnt1,sdir(1)/ALLcnt1,…,sdir(29)/ALLcnt1}
hist1_P1[b][30]={sdir(0)/ALLcnt1,sdir(1)/ALLcnt1,…,sdir(29)/ALLcnt1}
hist1_P1[c][30]={sdir(0)/ALLcnt1,sdir(1)/ALLcnt1,…,sdir(29)/ALLcnt1}
hist1_P1[d][30]={sdir(0)/ALLcnt1,sdir(1)/ALLcnt1,…,sdir(29)/ALLcnt1}
hist1_P1[e][30]={sdir(0)/ALLcnt1,sdir(1)/ALLcnt1,…,sdir(29)/ALLcnt1}
hist1_P1[f][30]={sdir(0)/ALLcnt1,sdir(1)/ALLcnt1,…,sdir(29)/ALLcnt1}
また、同様にして、分割パターンＰ２に対応するヒストグラムhist1_P2[g][30]〜hist1_P2[l][30]を求め、それらヒストグラムhist1_P2[g][30]〜hist1_P2[l][30]に対して、それぞれ、正規化処理を行い、正規化後のヒストグラムhist1_P2[g][30]〜hist1_P2[l][30]を、上記照合特徴量又は上記登録特徴量（第１の特徴量）として記憶部５に記憶させる。
次に、照合部７は、登録特徴量としてのhist1_P1[a][30]と、照合特徴量としてのhist1_P1[a][30]との差分の絶対値、登録特徴量としてのhist1_P1[b][30]と、照合特徴量としてのhist1_P1[b][30]との差分の絶対値、登録特徴量としてのhist1_P1[c][30]と、照合特徴量としてのhist1_P1[c][30]との差分の絶対値、登録特徴量としてのhist1_P1[d][30]と、照合特徴量としてのhist1_P1[d][30]との差分の絶対値、登録特徴量としてのhist1_P1[e][30]と、照合特徴量としてのhist1_P1[e][30]との差分の絶対値、及び登録特徴量としてのhist1_P1[f][30]と、照合特徴量としてのhist1_P1[f][30]との差分の絶対値の合計を、score11とする。
また、照合部７は、登録特徴量としてのhist1_P2[g][30]と、照合特徴量としてのhist1_P2[g][30]との差分の絶対値、登録特徴量としてのhist1_P2[h][30]と、照合特徴量としてのhist1_P2[h][30]との差分の絶対値、登録特徴量としてのhist1_P2[i][30]と、照合特徴量としてのhist1_P2[i][30]との差分の絶対値、登録特徴量としてのhist1_P2[j][30]と、照合特徴量としてのhist1_P2[j][30]との差分の絶対値、登録特徴量としてのhist1_P2[k][30]と、照合特徴量としてのhist1_P2[k][30]との差分の絶対値、及び登録特徴量としてのhist1_P2[l][30]と、照合特徴量としてのhist1_P2[l][30]との差分の絶対値の合計を、score12とする。
そして、照合部７は、score11とscore12の合計を図８に示すスコアとする。
本開示の実施形態の生体認証装置６は、複数の登録静脈データを絞り込んだ後、その絞り込んだ登録静脈データと照合静脈データとの類似度を求めているため、複数の登録静脈データと照合静脈データとのそれぞれの類似度をすべて求める場合に比べて、照合処理時間の増加を抑えることができる。
また、本開示の実施形態の生体情報登録装置１や生体認証装置６は、画像から特徴量を抽出する際、静脈像をベクトル化して得られる複数のセグメントのうちの２つのセグメントのそれぞれの分割セグメントがなす角度を、２つのセグメントのそれぞれの分割セグメントのすべての組合せにおいてそれぞれ求め、それら角度のヒストグラムを特徴量（第１の特徴量）としているため、静脈データの登録時と認証時とで、撮影環境や利用者の体勢が変化しても、特徴量の変動を少なくすることができ、登録特徴量や照合特徴量を精度良く抽出することができる。そのため、認証処理の精度の低下を抑えることができる。
ところで、２つのセグメントがなす角度のヒストグラムを特徴量とする場合は、図１５（ａ）に示す２つのセグメントがなす角度と、図１５（ｂ）に示す２つのセグメントがなす角度が同じであった場合、図１５（ａ）に示す２つのセグメントと、図１５（ｂ）に示す２つのセグメントが同一であると判断されてしまう。
そこで、２つのセグメントがなす角度の方向を求め、その方向のヒストグラム（度数分布）も特徴量とすることが考えられる。
２つのセグメントがなす角度の方向のヒストグラムを特徴量（第２の特徴量）とする場合のその特徴量の算出方法について説明する。
例えば、図１１（ａ）に示すように、分割パターンＰ１により画像が分割され、エリアｃが選択され、図１２に示すように、セグメントｃ１が着目セグメントｃ１として選択され、セグメントｃ２がペアセグメントｃ２として選択された場合を考える。
まず、特徴量抽出部３は、図１６（ａ）に示すように、着目セグメントｃ１のすべての端点及び変曲点を求め、それらの点を点ｃ１１〜ｃ１６とし、図１６（ｂ）に示すように、点ｃ１１を点Ａとし、点Ａから直線距離ｌｅｎ離れた着目セグメントｃ１上の点を点Ｂとし、点Ａと点Ｂを通る直線ＡＢを着目分割セグメントＡＢとする。
次に、特徴量抽出部３は、図１６（ａ）に示すように、ペアセグメントｃ２のすべての端点及び変曲点を求め、それらの点を点ｃ２１〜ｃ２６とし、図１６（ｂ）に示すように、点ｃ２１を点Ｃとし、点Ｃから直線距離ｌｅｎ離れたペアセグメントｃ２上の点を点Ｄとし、点Ｃと点Ｄを通る直線ＣＤをペア分割セグメントＣＤとする。
次に、特徴量抽出部３は、着目分割セグメントＡＢとペア分割セグメントＣＤとのなす角度の方向θ２を求める。すなわち、特徴量抽出部３は、図１６（ｃ）に示すように、点Ａと点Ｃが２次元座標の原点と一致するように、着目分割セグメントＡＢとペア分割セグメントＣＤをそれぞれ平行移動し、原点から平行移動後の点Ｂと点Ｄとを通る直線ＢＤへ垂線をのばし、その垂線と直線ＢＤとの交点Ｈの座標位置を（Ｈｘ、Ｈｙ）とし、θ２＝ａｔａｎ２（Ｈｙ,Ｈｘ）＊（１８０／π）を演算することにより、原点を中心とする２次元座標のＨｘ軸から垂線までの回転角度θ２を求め、その回転角度θ２を、着目分割セグメントＡＢとペア分割セグメントＣＤとのなす角度の方向θ２とする。
次に、特徴量抽出部３は、方向θ２についてヒストグラム（度数分布）hist2_P1[Area][n]を求める。なお、P1は分割パターンＰ１を示し、[Area]は画像分割後のエリアを示し、[n]はヒストグラムの階級数を示している。例えば、３６０度を８度単位で区切って４５個の角度領域（階級）を設定する場合では、その４５個の角度領域にそれぞれ対応するカウンタ値ddir(0)〜ddir(44)のうち、方向θ２が含まれる角度領域のカウンタ値をインクリメントし、ヒストグラムhist2_P1[c][45]={ddir(0),ddir(1),…,ddir(44)}を求める。例えば、このとき算出された方向θ２が１５度であった場合、特徴量抽出部３は、８度から１５度までの角度領域に対応するカウンタ値ddir(1)をインクリメントし、hist2_P1[c][45]={0,1,0,…,0}を求める。
次に、特徴量抽出部３は、次の点ｃ２２を点Ｃとし、点Ｃから直線距離ｌｅｎ離れたペアセグメントｃ２上の点を点Ｄとし、点Ｃと点Ｄを通る直線ＣＤを次のペア分割セグメントＣＤとする。
次に、特徴量抽出部３は、着目分割セグメントＡＢとペア分割セグメントＣＤがなす角度の方向θ２を算出する。
次に、特徴量抽出部３は、その方向θ２が含まれる角度領域のカウンタ値をインクリメントし、ヒストグラムhist2_P1[c][45]={ddir(0),ddir(1),…,ddir(44)}を求める。例えば、このとき算出された方向θ２が２３度であった場合、特徴量抽出部３は、１６度から２３度までの角度領域に対応するカウンタ値ddir(2)をインクリメントし、hist2_P1[c][45]={0,1,1,0…,0}を求める。
このように、ペアセグメントｃ２においてペア分割セグメントＣＤを選択することができなくなるまで、点ｃ１１を基準とする着目分割セグメントＡＢとペア分割セグメントＣＤがなす角度の方向θ２を繰り返し算出し、それら方向θ２についてそれぞれヒストグラムhist2_P1[c][45]={ddir(0),ddir(1),…,ddir(44)}を求める。
次に、特徴量抽出部３は、次の点ｃ１２を点Ａとし、点Ａから直線距離ｌｅｎ離れた着目セグメントｃ１上の点を点Ｂとし、点Ａと点Ｂを通る直線ＡＢを次の着目分割セグメントＡＢとし、点ｃ２１を点Ｃとし、点Ｃから直線距離ｌｅｎ離れたペアセグメントｃ２上の点を点Ｄとし、点Ｃと点Ｄを通る直線ＣＤをペア分割セグメントＣＤとする。
次に、特徴量抽出部３は、方向θ２を算出し、その方向θ２が含まれる角度領域のカウンタ値をインクリメントし、ヒストグラムhist2_P1[c][45]={ddir(0),ddir(1),…,ddir(44)}を求める。
このように、選択可能な着目分割セグメントＡＢと、選択可能なペア分割セグメントＣＤとのすべての組合せにおいて、それぞれ、方向θ２を算出し、それら方向θ２についてヒストグラムhist2_P1[c][45]={ddir(0),ddir(1),…,ddir(44)}を求める。
次に、特徴量抽出部３は、同様にして、図１１（ａ）に示す画像の他のエリアａ、ｂ、ｄ、ｅ、ｆについて、それぞれ、ヒストグラムhist2_P1[a][45]、hist2_P1[b][45]、hist2_P1[d][45]、hist2_P1[e][45]、hist2_P1[f][45]を求める。
そして、特徴量抽出部３は、hist2_P1[a][45]〜hist2_P1[f][45]に対して、それぞれ、正規化処理を行う。例えば、特徴量抽出部３は、ヒストグラムhist2_P1[a][45]のddir(0),ddir(1),…,ddir(44)の合計、hist2_P1[b][45]のddir(0),ddir(1),…,ddir(44)の合計、・・・、及びhist2_P1[f][45]のddir(0),ddir(1),…,ddir(44)の合計の総和をALLcnt1とし、以下のように各カウンタ値を総和ALLcnt1で除算して各カウンタ値の比率を整数で表すことにより、正規化処理を行い、正規化後のヒストグラムhist2_P1[a][45]〜hist2_P1[f][45]を、上記照合特徴量又は上記登録特徴量（第２の特徴量）として記憶部５に記憶させる。
hist2_P1[a][45]={ddir(0)/ALLcnt1,ddir(1)/ALLcnt1,…,ddir(44)/ALLcnt1}
hist2_P1[b][45]={ddir(0)/ALLcnt1,ddir(1)/ALLcnt1,…,ddir(44)/ALLcnt1}
hist2_P1[c][45]={ddir(0)/ALLcnt1,ddir(1)/ALLcnt1,…,ddir(44)/ALLcnt1}
hist2_P1[d][45]={ddir(0)/ALLcnt1,ddir(1)/ALLcnt1,…,ddir(44)/ALLcnt1}
hist2_P1[e][45]={ddir(0)/ALLcnt1,ddir(1)/ALLcnt1,…,ddir(44)/ALLcnt1}
hist2_P1[f][45]={ddir(0)/ALLcnt1,ddir(1)/ALLcnt1,…,ddir(44)/ALLcnt1}
また、同様にして、分割パターンＰ２に対応するヒストグラムhist2_P2[g][45]〜hist2_P2[l][45]を求め、それらヒストグラムhist2_P2[g][45]〜hist2_P2[l][45]に対して、それぞれ、正規化処理を行い、正規化後のヒストグラムhist2_P2[g][45]〜hist2_P2[l][45]を、上記照合特徴量又は上記登録特徴量（第２の特徴量）として記憶部５に記憶させる。
次に、照合部７は、登録特徴量としてのhist2_P1[a][45]と、照合特徴量としてのhist2_P1[a][45]との差分の絶対値、登録特徴量としてのhist2_P1[b][45]と、照合特徴量としてのhist2_P1[b][45]との差分の絶対値、登録特徴量としてのhist2_P1[c][45]と、照合特徴量としてのhist2_P1[c][45]との差分の絶対値、登録特徴量としてのhist2_P1[d][45]と、照合特徴量としてのhist2_P1[d][45]との差分の絶対値、登録特徴量としてのhist2_P1[e][45]と、照合特徴量としてのhist2_P1[e][45]との差分の絶対値、及び登録特徴量としてのhist2_P1[f][45]と、照合特徴量としてのhist2_P1[f][45]との差分の絶対値の合計を、score21とする。
また、照合部７は、登録特徴量としてのhist2_P2[g][45]と、照合特徴量としてのhist2_P2[g][45]との差分の絶対値、登録特徴量としてのhist2_P2[h][45]と、照合特徴量としてのhist2_P2[h][45]との差分の絶対値、登録特徴量としてのhist2_P2[i][45]と、照合特徴量としてのhist2_P2[i][45]との差分の絶対値、登録特徴量としてのhist2_P2[j][45]と、照合特徴量としてのhist2_P2[j][45]との差分の絶対値、登録特徴量としてのhist2_P2[k][45]と、照合特徴量としてのhist2_P2[k][45]との差分の絶対値、及び登録特徴量としてのhist2_P2[l][45]と、照合特徴量としてのhist2_P2[l][45]との差分の絶対値の合計を、score22とする。
そして、照合部７は、スコア＝α×(score11+score12)＋β×(score21＋score22)を演算することにより、図８に示すスコアを求める。なお、α及びβは重み係数である。
また、スコアを求める際、さらに他の特徴量を用いてもよい。
図１７は、第３の特徴量を説明するための図である。
まず、特徴量抽出部３は、画像取得部２により取得される画像から細い静脈像と太い静脈像を除いた後、その静脈像をサイズが異なる画像（例えば、２５６×２５６の画像）の中央に展開し、その画像をｆ（ｘ，ｙ）とする。
次に、特徴量抽出部３は、式１に示すように、画像ｆ（ｘ，ｙ）に対して二次元高速フーリエ変換を行い、空間周波数成分Ｆ（ｕ，ｖ）を求める。この二次元高速フーリエ変換は、まず、画像ｆ（ｘ，ｙ）のｘ方向に各ラインの画素をフーリエ変換し、その後、そのラインの変換結果を、ｙ方向にフーリエ変換する。なお、Ｗ１＝ｅｘｐ（−ｊ２π／Ｍ）、Ｗ２＝ｅｘｐ（−ｊ２π／Ｎ）とし、Ｍ，Ｎは、各々横方向，縦方向の画素数とする。
次に、特徴量抽出部３は、Ｐ（ｕ，ｖ）＝｜Ｆ（ｕ，ｖ）｜２を演算することにより、パワースペクトルＰ（ｕ，ｖ）を求める。
次に、特徴量抽出部３は、パワースペクトルＰ（ｕ，ｖ）を極座標形式のパワースペクトルＰ（ｒ，θ）とし、式２に示す演算を行うことにより、原点を中心としたドーナツ型領域内のエネルギーｐ´（ｒ）を求める。なお、θは、０〜πの範囲とする。
そして、特徴量抽出部３は、ｐ（ｒ）＝１００００＊ｐ’（ｒ）／Σｐ’（ｒ）を演算することにより、各周波数のエネルギー比Ｐ（ｒ）を第３の特徴量として求める。なお、ｒは、半径であって、ここでは、ｒ＝１〜３２とし、１００００は、整数型変換のための補正値である。
このように、第３の特徴量は、静脈像の方向性と量を周波数成分で示すものであり、例えば、図１７に示すように、極座標系パワースペクトル空間において、原点を中心としたドーナツ型領域のエネルギーの和として表すことができる。ここでは、半径ｒを１から３２まで変化させたときの３２個の周波数分{p(1),p(2),…,p(32)}を、上記照合特徴量又は上記登録特徴量（第３の特徴量）として記憶部５に記憶させる。
図１８は、第４の特徴量を説明するための図である。
まず、特徴量抽出部３は、第３の特徴量と同様に、画像ｆ（ｘ，ｙ）をフーリエ変換して、空間周波数成分Ｆ（ｕ，ｖ）を算出し、この空間周波数成分Ｆ（ｕ，ｖ）からパワースペクトルＰ（ｕ，ｖ）を算出する。
次に、特徴量抽出部３は、パワースペクトルＰ（ｕ，ｖ）を極座標形式のパワースペクトルＰ（ｒ，θ）とし、式３に示す演算を行うことにより、角度のエネルギーを求める。なお、ｗは、Ｐ（ｕ，ｖ）の定義域の大きさであり、θは、ここでは、１８０度を１２等分した方向を示している。
そして、特徴量抽出部３は、ｑ（θ）＝１００００＊ｑ’（θ）／Σｑ’（θ）を演算することにより、各角度のエネルギー比ｑ（θ）を第４の特徴量として求める。すなわち、１２等分されたそれぞれの角度範囲におけるエネルギー比が算出される。なお、１００００は、整数型変換のための補正値である。
このように、第４の特徴量は、静脈像の方向性と量を角度成分で示すものであって、例えば、図１８に示すように、１５度ずつの角度範囲におけるエネルギーの和として表すことができる。ここでは、角度θを０から１８０まで変化させたときの１２個の角度成分{q(0),q(1),…,q(11)}を、上記照合特徴量又は上記登録特徴量（第４の特徴量）として記憶部５に記憶させる。
なお、角度成分ｑ（０）は、θが０から１４度までの角度のエネルギーであるので、式４により算出され、以下、θを順次変更して１２方向分まで算出される。
図１９は、第５の特徴量を説明するための図である。
まず、特徴量抽出部３は、例えば、図１１（ａ）に示すように、分割パターンＰ１により画像を分割し、１つのエリアを選択する。
次に、特徴量抽出部３は、その選択したエリア内の静脈像をベクトル化して得られるセグメントにおいて隣接する２つの分割セグメントの湾曲方向をすべて求め、それら湾曲方向のヒストグラム（度数分布）を示す第５の特徴量を求める。例えば、特徴量抽出部３は、図１９（ａ）に示すように、セグメントｃ１のすべての端点及び変曲点を求め、それらの点を点ｃ１１〜ｃ１６とし、図１９（ｂ）に示すように、点ｃ１１を点Ａとし、点Ａから直線距離ｌｅｎ離れたセグメントｃ１上の点を点Ｂとし、点Ａと点Ｂを通る直線ＡＢを分割セグメントＡＢとする。次に、特徴量抽出部３は、図１９（ｂ）に示すように、点Ｂから直線距離ｌｅｎ離れた着目セグメントｃ１上の点を点Ｃとし、点Ｂと点Ｃを通る直線ＣＤを分割セグメントＣＤとする。次に、特徴量抽出部３は、座標Ａ，Ｂ，Ｃを座標Ｂが原点になるように平行移動させた時の座標Ａ，Ｂ，ＣをそれぞれＡ（ｘａ，ｙａ）、Ｂ（ｘｂ，ｙｂ）、Ｃ（ｘｃ，ｙｃ）とし、直線ＡＣとこれに対する点Ｂからの垂線との交点の座標をＨ（Ｈｘ，Ｈｙ）とし、式５、６により座標Ｈ（Ｈｘ，Ｈｙ）を算出し、θ４＝ａｔａｎ２（Ｈｙ,Ｈｘ）＊（１８０／π）を演算することにより、分割セグメントＡＢと分割セグメントＣＤとがなす角度の湾曲方向θ４を求める。
次に、特徴量抽出部３は、湾曲方向θ４についてヒストグラムhist3_P1[Area][n]を求める。なお、P1は分割パターンＰ１を示し、[Area]は画像分割後のエリアを示し、[n]はヒストグラムの階級数を示している。例えば、エリアｃを選択するとともに、３６０度を１０度単位で区切って３６個の角度領域（階級）を設定する場合では、その３６個の角度領域にそれぞれ対応するカウンタ値curv(0)〜curv(35)のうち、湾曲方向θ４が含まれる角度領域のカウンタ値をインクリメントし、ヒストグラムhist3_P1[c][36]={curv(0),curv(1),…,curv(35)}を求める。例えば、このとき算出された角度θ１が３３０度であった場合、特徴量抽出部３は、３３０度から３３９度までの角度領域に対応するカウンタ値curv(33)をインクリメントし、hist3_P1[c][36]={0,…,0,1,0,0}を求める。なお、curv(0)は、０度から９度までの角度領域に含まれる湾曲方向θ４が積算された値を示しており、式７によって算出される。
次に、特徴量抽出部３は、図１９（ｄ）に示すように、次の点ｃ１２を点Ａとし、点Ａから直線距離ｌｅｎ離れたセグメントｃ１上の点を点Ｂとし、点Ａと点Ｂを通る直線ＡＢを分割セグメントＡＢとする。
次に、特徴量抽出部３は、図１９（ｄ）に示すように、点Ｂから直線距離ｌｅｎ離れた着目セグメントｃ１上の点を点Ｃとし、点Ｂと点Ｃを通る直線ＢＣを分割セグメントＢＣとして選択する。
このように、セグメントｃ１において分割セグメントＡＢを選択することができなくなるまで、湾曲方向θ４を繰り返し算出し、それら湾曲方向θ４についてそれぞれヒストグラムhist3_P1[c][36]={curv(0),curv(1),…,curv(35)}を求める。
このヒストグラムhist3_P1[c][36]の作成は、他のエリアａ、b、d、e、fについても同様に行われる。
次に、特徴量抽出部３は、ヒストグラムhist3_P1[a][36]のcurv(0),curv(1),…,curv(35)の合計、hist3_P1[b][36]のcurv(0),curv(1),…,curv(35)の合計、・・・、及びhist3_P1[f][36]のcurv(0),curv(1),…,curv(35)の合計の総和をALLcnt1とし、以下のように各カウンタ値を総和ALLcnt1で除算して各カウンタ値の比率を整数で表すことにより、正規化処理を行い、正規化後のヒストグラムhist3_P1[a][36]〜hist3_P1[f][36]を、上記照合特徴量又は上記登録特徴量（第５の特徴量）として記憶部５に記憶させる。
hist3_P1[a][36]={curv(0)/ALLcnt1,curv(1)/ALLcnt1,…,curv(35)/ALLcnt1}
hist3_P1[b][36]={curv(0)/ALLcnt1,curv(1)/ALLcnt1,…,curv(35)/ALLcnt1}
hist3_P1[c][36]={curv(0)/ALLcnt1,curv(1)/ALLcnt1,…,curv(35)/ALLcnt1}
hist3_P1[d][36]={curv(0)/ALLcnt1,curv(1)/ALLcnt1,…,curv(35)/ALLcnt1}
hist3_P1[e][36]={curv(0)/ALLcnt1,curv(1)/ALLcnt1,…,curv(35)/ALLcnt1}
hist3_P1[f][36]={curv(0)/ALLcnt1,curv(1)/ALLcnt1,…,curv(35)/ALLcnt1}
また、同様にして、分割パターンＰ２に対応するヒストグラムhist3_P2[g][36]〜hist3_P2[l][36]を求め、それらヒストグラムhist3_P2[g][36]〜hist3_P2[l][36]に対して、それぞれ、正規化処理を行い、正規化後のヒストグラムhist3_P2[g][36]〜hist3_P2[l][36]を、上記照合特徴量又は上記登録特徴量（第５の特徴量）として記憶部５に記憶させる。
図２０は、第６の特徴量を説明するための図である。
まず、特徴量抽出部３は、例えば、図１１（ａ）に示すように、分割パターンＰ１により画像を分割し、１つのエリアを選択する。
次に、特徴量抽出部３は、その選択したエリア内の静脈像をベクトル化して得られるセグメントにおいてすべての分割セグメントの傾きを求め、それら傾きのヒストグラム（度数分布）を示す第６の特徴量を求める。例えば、特徴量抽出部３は、図２０（ａ）に示すように、セグメントｃ１のすべての端点及び変曲点を求め、それらの点を点ｃ１１〜ｃ１６とし、図２０（ｂ）に示すように、点ｃ１１を点Ａとし、点Ａから直線距離ｌｅｎ離れたセグメントｃ１上の点を点Ｂとし、点Ａと点Ｂを通る直線ＡＢを分割セグメントＡＢとする。次に、特徴量抽出部３は、点Ａ、Ｂの座標をそれぞれＡ（ｘａ，ｙａ）、Ｂ（ｘｂ，ｙｂ）とし、θ５＝ａｔａｎ２（ｙｂ−ｙａ，ｘｂ−ｘａ）＊（１８０／π）を演算することにより、分割セグメントＡＢの傾きθ５を求める。なお、角度がマイナスの場合は、１８０度を加算し、１８０度以上の場合は、１８０度を減算する。これは、例えば、２７０度やマイナス９０度の直線の傾きが９０度と同じと見做すためである。次に、特徴量抽出部３は、傾きθ５についてヒストグラムhist4_P1[Area][n]を求める。なお、P1は分割パターンＰ１を示し、[Area]は画像分割後のエリアを示し、[n]はヒストグラムの階級数を示している。例えば、エリアｃを選択するとともに、１８０度を１０度単位で区切って１８個の角度領域（階級）を設定する場合では、その１８個の角度領域にそれぞれ対応するカウンタ値segdir(0)〜segdir(17)のうち、傾きθ５が含まれる角度領域のカウンタ値をインクリメントし、ヒストグラムhist4_P1[c][18]={segdir(0),segdir(1),…,segdir(17)}を求める。例えば、このとき算出された傾きθ５が４５度であった場合、特徴量抽出部３は、４０度から４９度までの角度領域に対応するカウンタ値segdir(4)をインクリメントし、hist4_P1[c][18]={0,0,0,0,1,0,…,0}を求める。なお、segdir(0)は、０度から９度までの角度領域に含まれる傾きθ５が積算された値を示しており、式８によって算出されるものである。
次に、特徴量抽出部３は、図２０（ｄ）に示すように、次の点ｃ１２を点Ａとし、点Ａから直線距離ｌｅｎ離れたセグメントｃ１上の点を点Ｂとし、点Ａと点Ｂを通る直線ＡＢを分割セグメントＡＢとする。
このように、セグメントｃ１において分割セグメントＡＢを選択することができなくなるまで、傾きθ５を繰り返し算出し、それら傾きθ５についてそれぞれヒストグラムhist4_P1[c][18]={segdir(0),segdir(1),…,segdir(17)}を求める。
このヒストグラムhist4_P1[c][18]の作成は、他のエリアａ、b、d、e、ｆについても同様に行われる。
次に、特徴量抽出部３は、ヒストグラムhist4_P1[a][18]のsegdir(0),segdir(1),…,segdir(17)の合計、hist4_P1[b][18]のsegdir(0),segdir(1),…,segdir(17)の合計、・・・、及びhist4_P1[f][18]のsegdir(0),segdir(1),…,segdir(17)の合計の総和をALLcnt1とし、以下のように各カウンタ値を総和ALLcnt1で除算して各カウンタ値の比率を整数で表すことにより、正規化処理を行い、正規化後のヒストグラムhist4_P1[a][18]〜hist4_P1[f][18]を、上記照合特徴量又は上記登録特徴量（第６の特徴量）として記憶部５に記憶させる。
hist4_P1[a][18]={segdir(0)/ALLcnt1,segdir(1)/ALLcnt1,…,segdir(17)/ALLcnt1}
hist4_P1[b][18]={segdir(0)/ALLcnt1,segdir(1)/ALLcnt1,…,segdir(17)/ALLcnt1}
hist4_P1[c][18]={segdir(0)/ALLcnt1,segdir(1)/ALLcnt1,…,segdir(17)/ALLcnt1}
hist4_P1[d][18]={segdir(0)/ALLcnt1,segdir(1)/ALLcnt1,…,segdir(17)/ALLcnt1}
hist4_P1[e][18]={segdir(0)/ALLcnt1,segdir(1)/ALLcnt1,…,segdir(17)/ALLcnt1}
hist4_P1[f][18]={segdir(0)/ALLcnt1,segdir(1)/ALLcnt1,…,segdir(17)/ALLcnt1}
また、同様にして、分割パターンＰ２に対応するヒストグラムhist4_P2[g][18]〜hist4_P2[l][18]を求め、それらヒストグラムhist4_P2[g][18]〜hist4_P2[l][18]に対して、それぞれ、正規化処理を行い、正規化後のヒストグラムhist4_P2[g][18]〜hist4_P2[l][18]を、上記照合特徴量又は上記登録特徴量（第６の特徴量）として記憶部５に記憶させる。
図２１（ａ）及び図２１（ｂ）は、第７の特徴量を説明するための図である。
まず、特徴量抽出部３は、例えば、図２１（ａ）に示すように、画像取得部２により取得される画像を分割パターンＰ１により７×７の４９個のエリアに分割するとともに、図２１（ｂ）に示すように、画像取得部２により取得される画像を分割パターンＰ２により８×８の６４個のエリアに分割する。なお、分割パターンは、図２１（ａ）及び図２１（ｂ）に示すものに限定されない。
次に、特徴量抽出部３は、分割パターンＰ１により分割した４９個の各エリア内の静脈像に対応する画素数seghist1を求める。
次に、特徴量抽出部３は、各エリア内の静脈像の画素数seghist1についてヒストグラムhist5_P1[49]={seghist1(0),seghist1(1),…,seghist1(48)}を作成する。
次に、特徴量抽出部３は、ヒストグラムhist5_P1[49]のseghist1(0),seghist1(1),…,seghist1(48)の総和をALLcnt1とし、以下のように各カウンタ値を総和ALLcnt1で除算して各カウンタ値の比率を整数で表すことにより、正規化処理を行い、正規化後のヒストグラムhist5_P1[49]を、上記照合特徴量又は上記登録特徴量（第７の特徴量）として記憶部５に記憶させる。
hist5_P1[49]={seghist1(0)/ALLcnt1,seghist1(1)/ALLcnt1,…,seghist1(48)/ALLcnt1}
また、同様にして、分割パターンＰ２に対応するヒストグラムhist5_P2[64]={seghist2(0),seghist2(1),…,seghist2(63)}を求め、そのヒストグラムhist5_P2[64]に対して、正規化処理を行い、正規化後のヒストグラムhist5_P2[64]を、上記照合特徴量又は上記登録特徴量（第７の特徴量）として記憶部５に記憶させる。
次に、照合部７は、登録特徴量としてのp(1)と、照合特徴量としてのp(1)との差分の絶対値、登録特徴量としてのp(2)と、照合特徴量としてのp(2)との差分の絶対値、・・・、登録特徴量としてのp(32)と、照合特徴量としてのp(32)との差分の絶対値の合計を、score3とする。
また、照合部７は、登録特徴量としてのq(0)と、照合特徴量としてのq(0)との差分の絶対値、登録特徴量としてのq(1)と、照合特徴量としてのq(1)との差分の絶対値、・・・、登録特徴量としてのq(11)と、照合特徴量としてのq(11)との差分の絶対値の合計を、score4とする。
また、照合部７は、登録特徴量としてのhist3_P1[a][36]と、照合特徴量としてのhist3_P1[a][36]との差分の絶対値、登録特徴量としてのhist3_P1[b][36]と、照合特徴量としてのhist3_P1[b][36]との差分の絶対値、登録特徴量としてのhist3_P1[c][36]と、照合特徴量としてのhist3_P1[c][36]との差分の絶対値、登録特徴量としてのhist3_P1[d][36]と、照合特徴量としてのhist3_P1[d][36]との差分の絶対値、登録特徴量としてのhist3_P1[e][36]と、照合特徴量としてのhist3_P1[e][36]との差分の絶対値、及び登録特徴量としてのhist3_P1[f][36]と、照合特徴量としてのhist3_P1[f][36]との差分の絶対値の合計を、score51とする。
また、照合部７は、登録特徴量としてのhist3_P2[g][36]と、照合特徴量としてのhist3_P2[g][36]との差分の絶対値、登録特徴量としてのhist3_P2[h][36]と、照合特徴量としてのhist3_P2[h][36]との差分の絶対値、登録特徴量としてのhist3_P2[i][36]と、照合特徴量としてのhist3_P2[i][36]との差分の絶対値、登録特徴量としてのhist3_P2[j][36]と、照合特徴量としてのhist3_P2[j][36]との差分の絶対値、登録特徴量としてのhist3_P2[k][36]と、照合特徴量としてのhist3_P2[k][36]との差分の絶対値、及び登録特徴量としてのhist3_P2[l][36]と、照合特徴量としてのhist3_P2[l][36]との差分の絶対値の合計を、score52とする。
また、照合部７は、登録特徴量としてのhist4_P1[a][18]と、照合特徴量としてのhist4_P1[a][18]との差分の絶対値、登録特徴量としてのhist4_P1[b][18]と、照合特徴量としてのhist4_P1[b][18]との差分の絶対値、登録特徴量としてのhist4_P1[c][18]と、照合特徴量としてのhist4_P1[c][18]との差分の絶対値、登録特徴量としてのhist4_P1[d][18]と、照合特徴量としてのhist4_P1[d][18]との差分の絶対値、登録特徴量としてのhist4_P1[e][18]と、照合特徴量としてのhist4_P1[e][18]との差分の絶対値、及び登録特徴量としてのhist4_P1[f][18]と、照合特徴量としてのhist4_P1[f][18]との差分の絶対値の合計を、score61とする。
また、照合部７は、登録特徴量としてのhist4_P2[g][18]と、照合特徴量としてのhist4_P2[g][18]との差分の絶対値、登録特徴量としてのhist4_P2[h][18]と、照合特徴量としてのhist4_P2[h][18]との差分の絶対値、登録特徴量としてのhist4_P2[i][18]と、照合特徴量としてのhist4_P2[i][18]との差分の絶対値、登録特徴量としてのhist4_P2[j][18]と、照合特徴量としてのhist4_P2[j][18]との差分の絶対値、登録特徴量としてのhist4_P2[k][18]と、照合特徴量としてのhist4_P2[k][18]との差分の絶対値、及び登録特徴量としてのhist4_P2[l][18]と、照合特徴量としてのhist4_P2[l][18]との差分の絶対値の合計を、score62とする。
また、照合部７は、登録特徴量としてのseghist1(0)と、照合特徴量としてのseghist1(0)との差分の絶対値、登録特徴量としてのseghist1(1)と、照合特徴量としてのseghist1(1)との差分の絶対値、・・・、登録特徴量としてのseghist1(48)と、照合特徴量としてのseghist1(48)との差分の絶対値の合計を、score71とする。
また、照合部７は、登録特徴量としてのseghist2(0)と、照合特徴量としてのseghist2(0)との差分の絶対値、登録特徴量としてのseghist2(1)と、照合特徴量としてのseghist2(1)との差分の絶対値、・・・、登録特徴量としてのseghist2(63)と、照合特徴量としてのseghist2(63)との差分の絶対値の合計を、score72とする。
そして、照合部７は、スコア＝α×(score11+score12)＋β×(score21＋score22)＋γ(score3)＋δ×(score3)＋ε×(score4)＋ζ×(score51+score52)＋λ×(score61+score62)＋μ×(score71+score72)を演算することにより、図８に示すスコアを求める。なお、α、β、γ、δ、ε、ζ、λ、及びμは重み係数である。また、第３の特徴量〜第７の特徴量はすべて使用しなくてもよく、第３の特徴量〜第７の特徴量のうちの１以上の特徴量のみを使用してもよい。
このように、本開示の実施形態の生体情報登録装置１や生体認証装置６は、画像取得部２により取得される画像から７種類の特徴量（第１〜第７の特徴量）を抽出し、それら特徴量を登録静脈データの絞り込みに用いることで、その絞り込みの精度を上げることができ、さらに精度良く照合処理を行うことができる。
なお、例えば、図１５（ｃ）に示すセグメントに対して求めた第４の特徴量や第５の特徴量と、図１５（ｄ）に示すセグメントに対して求めた第４の特徴量や第５の特徴量は、互いに同じものになるおそれがあるが、さらに第１の特徴量及び第２の特徴量を用いることで、図１５（ｃ）に示すセグメントに対して求めた特徴量と、図１５（ｄ）に示すセグメントに対して求めた特徴量とを互いに区別することができるようになる。
図２２は、本開示の実施形態の生体情報登録装置１や生体認証装置６を構成するハードウェアの一例を示す図である。
図２２に示すように、生体情報登録装置１や生体認証装置６を構成するハードウェアは、制御部１２０１と、記憶部１２０２と、記録媒体読取装置１２０３と、入出力インタフェース１２０４と、通信インタフェース１２０５とを備え、それらがバス１２０６によってそれぞれ接続されている。なお、画像処理装置１を構成するハードウェアは、クラウドなどを用いて実現してもよい。
制御部１２０１は、例えば、Central Processing Unit（ＣＰＵ）、マルチコアＣＰＵ、プログラマブルなデバイス（Field Programmable Gate Array（ＦＰＧＡ）、Programmable Logic Device（ＰＬＤ）など）を用いることが考えられ、図１に示す特徴抽出部３、特徴量登録部４、及び、図６に示す照合部７、判定部８に相当する。
記憶部１２０２は、図１、図６に示す記憶部５に相当し、例えばRead Only Memory（ＲＯＭ）、Random Access Memory（ＲＡＭ）などのメモリやハードディスクなどが考えられる。なお、記憶部１２０２は、実行時のワークエリアとして用いてもよい。また、生体認証装置１の外部に他の記憶部を設けてもよい。
記録媒体読取装置１２０３は、制御部１２０１の制御により、記録媒体１２０７に記録されるデータを読み出したり、記録媒体１２０７にデータを書き込んだりする。また、着脱可能な記録媒体１２０７は、コンピュータで読み取り可能なnon-transitory（非一時的）な記録媒体であって、例えば、磁気記録装置、光ディスク、光磁気記録媒体、半導体メモリなどが考えられる。磁気記録装置は、例えば、ハードディスク装置（ＨＤＤ）などが考えられる。光ディスクは、例えば、Digital Versatile Disc（ＤＶＤ）、ＤＶＤ−ＲＡＭ、Compact Disc Read Only Memory（ＣＤ−ＲＯＭ）、ＣＤ−Ｒ(Recordable)／ＲＷ（ReWritable）などが考えられる。光磁気記録媒体は、例えば、Magneto-Optical disk（ＭＯ）などが考えられる。なお、記憶部１２０２もnon-transitory（非一時的）な記録媒体に含まれる。
入出力インタフェース１２０４は、入出力部１２０８が接続され、利用者により入出力部１２０８から入力された情報をバス１２０６を介して制御部１２０１に送る。また、入出力インタフェース１２０４は、制御部１２０１から送られてくる情報をバス１２０６を介して入出力部１２０８に送る。
入出力部１２０８は、図１、図６に示す画像取得部２に相当し、例えば、撮像装置などが考えられる。また、入出力部１２０８は、例えば、キーボード、ポインティングデバイス（マウスなど）、タッチパネル、Cathode Ray Tube（ＣＲＴ）ディスプレイ、プリンタなどが考えられる。
通信インタフェース１２０５は、Local Area Network（ＬＡＮ）接続やインターネット接続を行うためのインタフェースである。また、通信インタフェース１２０５は必要に応じ、他のコンピュータとの間のＬＡＮ接続やインターネット接続や無線接続を行うためのインタフェースとして用いてもよい。
このようなハードウェアを有するコンピュータを用いることによって、生体情報登録装置１や生体認証装置６が行う各種処理機能が実現される。この場合、生体認証装置１が行う各種処理機能の内容を記述したプログラムをコンピュータで実行することにより、上記各処理機能（例えば、特徴抽出部３、特徴量登録部４、照合部７、判定部８）がコンピュータ上で実現される。各種処理機能の内容を記述したプログラムは、記憶部１２０２や記録媒体１２０７に格納しておくことができる。
プログラムを流通させる場合には、例えば、そのプログラムが記録されたＤＶＤ、ＣＤ−ＲＯＭなどの記録媒体１２０７が販売される。また、プログラムをサーバコンピュータの記憶装置に記録しておき、ネットワークを介して、サーバコンピュータから他のコンピュータにそのプログラムを転送することもできる。
プログラムを実行するコンピュータは、例えば、記録媒体１２０７に記録されたプログラム、又は、サーバコンピュータから転送されたプログラムを、記憶部１２０２に記憶する。そして、コンピュータは、記憶部１２０２からプログラムを読み取り、プログラムに従った処理を実行する。なお、コンピュータは、記録媒体１２０７から直接プログラムを読み取り、そのプログラムに従った処理を実行することもできる。また、コンピュータは、サーバコンピュータからプログラムが転送されるごとに、逐次、受け取ったプログラムに従った処理を実行することもできる。
なお、本開示の実施形態では、手のひらの静脈を用いて認証を行う画像処理装置を例示して説明したが、これに限らず、生体のその他の特徴検出部位であればどこでもよい。
たとえば、生体のその他の特徴検出部位は、静脈に限らず、生体の血管像や、生体の紋様、生体の指紋や掌紋、足の裏、手足の指、手足の甲、手首、腕などであってもよい。
なお、認証に静脈を用いる場合、生体のその他の特徴検出部位は、静脈を観察可能な部位であればよい。
なお、生体情報を特定可能な生体のその他の特徴検出部位であれば認証に有利である。たとえば、手のひらや顔などであれば、取得した画像から部位を特定可能である。
また、上述の実施の形態は、実施の形態の要旨を逸脱しない範囲内において種々の変更を加えることができる。さらに、上述の実施の形態は、多数の変形、変更が当業者にとって可能であり、説明した正確な構成および応用例に限定されるものではない。
１ 生体情報登録装置
２ 画像取得部
３ 特徴量抽出部
４ 特徴量登録部
５ 記憶部
６ 生体認証装置
７ 照合部
８ 判定部
１２０１ 制御部
１２０２ 記憶部
１２０３ 記録媒体読取装置
１２０４ 入出力インタフェース
１２０５ 通信インタフェース
１２０６ バス
１２０７ 記録媒体
１２０８ 入出力部

Claims (14)

  1. コンピュータが、
    画像取得部により取得された画像から静脈像を示す静脈データ及び特徴量を抽出し、
    前記静脈データ及び前記特徴量を記憶部に記憶させる生体情報登録方法であって、
    前記特徴量は、前記静脈像をベクトル化して得られる複数のセグメントのうちの２つのセグメントの関連性を示す第１の特徴量を有し、
    前記第１の特徴量は、前記２つのセグメントのそれぞれの分割セグメントがなす角度を、前記２つのセグメントのそれぞれの分割セグメントのすべての組合せにおいてそれぞれ求め、それら角度の度数分布を示す
    ことを特徴とする生体情報登録方法。
  2. 請求項１に記載の生体情報登録方法であって、
    前記第１の特徴量は、第１の分割パターンにより前記画像を複数のエリアに分割するときの前記複数のエリアごとに求められる
    ことを特徴とする生体情報登録方法。
  3. 請求項１または請求項２に記載の生体情報登録方法であって、
    前記特徴量は、前記２つのセグメントのそれぞれの分割セグメントがなす角度の方向を、前記２つのセグメントのそれぞれの分割セグメントのすべての組合せにおいてそれぞれ求め、それら方向の度数分布を示す第２の特徴量を有する
    こと特徴とする生体情報登録方法。
  4. 請求項３に記載の生体情報登録方法であって、
    前記第２の特徴量は、第２の分割パターンにより前記画像を複数のエリアに分割するときの前記複数のエリアごとに求められる
    ことを特徴とする生体情報登録方法。
  5. 請求項１〜４の何れか１項に記載の生体情報登録方法であって、
    前記特徴量は、
    前記静脈像の方向性と量を周波数成分で示す第３の特徴量と、
    前記静脈像の方向性と量を角度成分で示す第４の特徴量と、
    前記セグメントにおいて隣接する２つの分割セグメントの湾曲方向をすべて求め、それら湾曲方向の度数分布を示す第５の特徴量と、
    前記セグメントにおいてすべての分割セグメントの傾きを求め、それら傾きの度数分布を示す第６の特徴量と、
    第３の分割パターンにより前記画像を複数のエリアに分割するときの前記複数のエリアごとに求められる前記静脈像に対応する画素数の度数分布を示す第７の特徴量と、
    を有する
    ことを特徴とする生体情報登録方法。
  6. コンピュータが、
    画像取得部により取得された画像から静脈像を示す静脈データ及び特徴量を抽出し、
    前記抽出した特徴量と、記憶部に記憶されている登録特徴量との比較結果により前記記憶部に記憶されている複数の登録静脈データを絞り込み、その絞り込んだ登録静脈データと前記抽出した静脈データとの類似度を求め、
    前記求めた類似度により本人であるか否かを判定する生体認証方法であって、
    前記特徴量は、前記静脈像をベクトル化して得られる複数のセグメントのうちの２つのセグメントの関連性を示す第１の特徴量を有し、
    前記第１の特徴量は、前記２つのセグメントのそれぞれの分割セグメントがなす角度を、前記２つのセグメントのそれぞれの分割セグメントのすべての組合せにおいてそれぞれ求め、それら角度の度数分布を示す
    ことを特徴とする生体認証方法。
  7. 請求項６に記載の生体認証方法であって、
    前記第１の特徴量は、第１の分割パターンにより前記画像を複数のエリアに分割するときの前記複数のエリアごとに求められる
    ことを特徴とする生体認証方法。
  8. 請求項６または請求項７に記載の生体認証方法であって、
    前記特徴量は、前記２つのセグメントのそれぞれの分割セグメントがなす角度の方向を、前記２つのセグメントのそれぞれの分割セグメントのすべての組合せにおいてそれぞれ求め、それら方向の度数分布を示す第２の特徴量を有する
    こと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、
    前記第２の特徴量は、第２の分割パターンにより前記画像を複数のエリアに分割するときの前記複数のエリアごとに求められる
    ことを特徴とする生体認証方法。
  10. 請求項６〜９の何れか１項に記載の生体認証方法であって、
    前記特徴量は、
    前記静脈像の方向性と量を周波数成分で示す第３の特徴量と、
    前記静脈像の方向性と量を角度成分で示す第４の特徴量と、
    前記セグメントにおいて隣接する２つの分割セグメントの湾曲方向をすべて求め、それら湾曲方向の度数分布を示す第５の特徴量と、
    前記セグメントにおいてすべての分割セグメントの傾きを求め、それら傾きの度数分布を示す第６の特徴量と、
    第３の分割パターンにより前記画像を複数のエリアに分割するときの前記複数のエリアごとに求められる前記静脈像に対応する画素数の度数分布を示す第７の特徴量と、
    を有する
    ことを特徴とする生体認証方法。
  11. 画像取得部により取得される画像から静脈像を示す静脈データ及び特徴量を抽出する特徴量抽出部と、
    前記特徴量抽出部により抽出された静脈データ及び特徴量を記憶部に記憶させる特徴量登録部と、
    を備え、
    前記特徴量は、前記静脈像をベクトル化して得られる複数のセグメントのうちの２つのセグメントの関連性を示す第１の特徴量を有し、
    前記第１の特徴量は、前記２つのセグメントのそれぞれの分割セグメントがなす角度を、前記２つのセグメントのそれぞれの分割セグメントのすべての組合せにおいてそれぞれ求め、それら角度の度数分布を示す
    ことを特徴とする生体情報登録装置。
  12. 画像取得部により取得される画像から静脈像を示す静脈データ及び特徴量を抽出する特徴量抽出部と、
    前記特徴量抽出部により抽出された特徴量と、記憶部に記憶されている登録特徴量との比較結果により、前記記憶部に記憶されている複数の登録静脈データを絞込み、その絞り込んだ登録静脈データと、前記特徴量抽出部により抽出された静脈データとの類似度を求める照合部と、
    前記照合部により求められた類似度により本人であるか否かを判定する判定部と、
    を備え、
    前記特徴量は、前記静脈像をベクトル化して得られる複数のセグメントのうちの２つのセグメントの関連性を示す第１の特徴量を有し、
    前記第１の特徴量は、前記２つのセグメントのそれぞれの分割セグメントがなす角度を、前記２つのセグメントのそれぞれの分割セグメントのすべての組合せにおいてそれぞれ求め、それら角度の度数分布を示す
    ことを特徴とする生体認証装置。
  13. コンピュータに、
    画像取得部により取得される画像から静脈像を示す静脈データ及び特徴量を抽出し、
    前記抽出した静脈データ及び特徴量を記憶部に記憶させることを実行させるプログラムであって、
    前記特徴量は、前記静脈像をベクトル化して得られる複数のセグメントのうちの２つのセグメントの関連性を示す第１の特徴量を有し、
    前記第１の特徴量は、前記２つのセグメントのそれぞれの分割セグメントがなす角度を、前記２つのセグメントのそれぞれの分割セグメントのすべての組合せにおいてそれぞれ求め、それら角度の度数分布を示す
    ことを特徴とするプログラム。
  14. コンピュータに、
    画像取得部により取得される画像から静脈像を示す静脈データ及び特徴量を抽出し、
    前記抽出した特徴量と、記憶部に記憶されている登録特徴量との比較結果により、前記記憶部に記憶されている複数の登録静脈データを絞り込み、その絞り込んだ登録静脈データと、前記抽出された静脈データとの類似度を求め、
    前記求めた類似度により本人であるか否かを判定することを実行させるプログラムであって、
    前記特徴量は、前記静脈像をベクトル化して得られる複数のセグメントのうちの２つのセグメントの関連性を示す第１の特徴量を有し、
    前記第１の特徴量は、前記２つのセグメントのそれぞれの分割セグメントがなす角度を、前記２つのセグメントのそれぞれの分割セグメントのすべての組合せにおいてそれぞれ求め、それら角度の度数分布を示す
    ことを特徴とするプログラム。
JP2014062775A 2014-03-25 2014-03-25 生体情報登録方法、生体認証方法、生体情報登録装置、生体認証装置及びプログラム Active JP6242726B2 (ja)

Priority Applications (3)

Application Number Priority Date Filing Date Title
JP2014062775A JP6242726B2 (ja) 2014-03-25 2014-03-25 生体情報登録方法、生体認証方法、生体情報登録装置、生体認証装置及びプログラム
PCT/JP2015/059213 WO2015147088A1 (ja) 2014-03-25 2015-03-25 生体情報登録方法、生体認証方法、生体情報登録装置、生体認証装置及びプログラム
US15/266,067 US20170000411A1 (en) 2014-03-25 2016-09-15 Biometrics information registration method, biometrics authentication method, biometrics information registration device and biometrics authentication device

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2014062775A JP6242726B2 (ja) 2014-03-25 2014-03-25 生体情報登録方法、生体認証方法、生体情報登録装置、生体認証装置及びプログラム

Publications (3)

Publication Number Publication Date
JP2015185046A JP2015185046A (ja) 2015-10-22
JP2015185046A5 JP2015185046A5 (ja) 2016-04-07
JP6242726B2 true JP6242726B2 (ja) 2017-12-06

Family

ID=54195599

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2014062775A Active JP6242726B2 (ja) 2014-03-25 2014-03-25 生体情報登録方法、生体認証方法、生体情報登録装置、生体認証装置及びプログラム

Country Status (3)

Country Link
US (1) US20170000411A1 (ja)
JP (1) JP6242726B2 (ja)
WO (1) WO2015147088A1 (ja)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6630593B2 (ja) * 2016-02-29 2020-01-15 オムロンヘルスケア株式会社 生体情報測定装置、個人識別装置、個人識別方法、及び、個人識別プログラム

Family Cites Families (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4303410B2 (ja) * 2000-09-29 2009-07-29 富士通株式会社 紋様中心決定装置および紋様方向決定装置並びに紋様位置合わせ装置および紋様照合装置
JP2002222425A (ja) * 2001-01-29 2002-08-09 Canon Inc 情報処理装置及び方法
US6778687B2 (en) * 2001-04-24 2004-08-17 Lockheed Martin Corporation Fingerprint matching system with ARG-based prescreener
JP4937607B2 (ja) * 2006-03-14 2012-05-23 富士通株式会社 生体認証方法及び生体認証装置
US20080298642A1 (en) * 2006-11-03 2008-12-04 Snowflake Technologies Corporation Method and apparatus for extraction and matching of biometric detail
JP5061988B2 (ja) * 2008-03-25 2012-10-31 日本電気株式会社 隆線方向抽出装置および隆線方向抽出プログラムと隆線方向抽出方法
JP5031641B2 (ja) * 2008-03-31 2012-09-19 富士通株式会社 パターンの位置合わせ方法、照合方法及び照合装置
WO2011052085A1 (ja) * 2009-10-30 2011-05-05 富士通フロンテック株式会社 生体情報登録方法、生体認証方法および生体認証装置
JP5505504B2 (ja) * 2010-07-29 2014-05-28 富士通株式会社 生体認証装置、生体認証方法及び生体認証用コンピュータプログラムならびに生体情報登録装置
US20130067545A1 (en) * 2011-09-13 2013-03-14 Sony Computer Entertainment America Llc Website Security
JP6024141B2 (ja) * 2012-03-23 2016-11-09 富士通株式会社 生体情報処理装置、生体情報処理方法、および生体情報処理プログラム
JP6467852B2 (ja) * 2014-10-10 2019-02-13 富士通株式会社 生体情報補正装置、生体情報補正方法及び生体情報補正用コンピュータプログラム

Also Published As

Publication number Publication date
WO2015147088A1 (ja) 2015-10-01
JP2015185046A (ja) 2015-10-22
US20170000411A1 (en) 2017-01-05

Similar Documents

Publication Publication Date Title
US11017210B2 (en) Image processing apparatus and method
JP6639123B2 (ja) 画像処理装置、画像処理方法、及びプログラム
JP5868231B2 (ja) 医用画像診断支援装置、医用画像診断支援方法ならびにコンピュータプログラム
JP4999163B2 (ja) 画像処理方法および装置ならびにプログラム
JP2018508888A5 (ja)
WO2016089529A1 (en) Technologies for learning body part geometry for use in biometric authentication
JP5963609B2 (ja) 画像処理装置、画像処理方法
WO2011052085A1 (ja) 生体情報登録方法、生体認証方法および生体認証装置
EP3300000B1 (en) Method, apparatus, and non-transitory computer-readable storage medium for verification process
JP6160148B2 (ja) 生体情報入力装置、生体情報入力プログラム、生体情報入力方法
JP5316017B2 (ja) 画像処理装置、生体認証装置、画像処理方法及びプログラム
US10019619B2 (en) Biometrics authentication device and biometrics authentication method
JP6242726B2 (ja) 生体情報登録方法、生体認証方法、生体情報登録装置、生体認証装置及びプログラム
JP6629150B2 (ja) 手のひら検知装置、掌紋認証装置、手のひら検知方法、及びプログラム
CN112699907A (zh) 数据融合的方法、装置和设备
JPWO2015145590A1 (ja) 生体認証装置、生体認証方法、及びプログラム
EP3125192B1 (en) Biometric authentication device, biometric authentication method, and program
JP6175904B2 (ja) 照合対象抽出システム、照合対象抽出方法、照合対象抽出プログラム
JP6946912B2 (ja) 推定プログラム、推定装置、及び推定方法
WO2020003510A1 (ja) 特定方法、判定方法、特定プログラム、判定プログラムおよび情報処理装置
EP3125195B1 (en) Biometric authentication device, biometric authentication method, and program
Giraldo-Zuluaga et al. Semi-supervised recognition of the Diploglossus millepunctatus lizard species using artificial vision algorithms
US20240188688A1 (en) Mehtod and apparatus for processing foot information
JP2017072940A (ja) 画像処理システム、画像処理方法および画像処理プログラム
JP2008250848A (ja) クラスタリング方法、データ処理装置及びプログラム

Legal Events

Date Code Title Description
A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20160217

A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20160217

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20170502

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20170630

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: 20171107

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20171108

R150 Certificate of patent or registration of utility model

Ref document number: 6242726

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150