JP6439634B2 - 生体認証装置、生体認証方法および生体認証プログラム - Google Patents

Description

本件は、生体認証装置、生体認証方法および生体認証プログラムに関する。

本人確認を精度よく行う１つの手法として、指紋、静脈、顔画像などの、生体の生体特徴を用いて個人認証を行う生体認証技術が広まっている。生体認証技術は、高い精度で個人認証を行うことができる。

特開２０１３−２１８５３５号公報

生体特徴を用いた個人認証では、実際に個人認証を行う場面において、その時点で取得した生体特徴と、以前に登録した生体特徴とを照合する。生体の形状が関節の曲げ角度に応じて変形すると生体特徴もそれに応じて変形するため、登録時と認証時とで生体の形状が異なる場合がある。この場合には、誤照合がなされる場合がある。

１つの側面では、本件は、高精度で認証を行うことができる生体認証装置、生体認証方法および生体認証プログラムを提供することを目的とする。

１つの態様では、生体認証装置は、照合対象の生体画像と登録生体画像との類似性に基づいて、認証を行う生体認証装置において、生体モデルの関節の曲げ角度を変えることにより生成された複数のモデル画像を記憶し、前記モデル画像毎の関節角度の組み合わせを補正情報として記憶する記憶部と、照合対象の生体画像を撮影する撮影部と、前記照合対象の生体画像と前記モデル画像のそれぞれとの類似性を検証する比較部と、前記類似性に基づいてモデル画像を選定する選定部と、前記選定されたモデル画像に対応する補正情報を前記記憶部から読み出す読み出し部と、前記補正情報に基づいて、前記照合対象の生体画像又は前記登録生体画像のいずれか一方を補正する補正部と、を有する。

高精度で認証を行うことができる。

（ａ）〜（ｅ）は実施例１に係る生体認証装置が実施する処理の概要について例示する図である。 （ａ）は実施例１に係る生体認証装置のハードウェア構成を説明するためのブロック図であり、（ｂ）は生体センサの模式図である。 生体認証装置の各機能を表すブロック図である。 登録処理の一例を表すフローチャートである。 モデルデータ記憶部の各機能を例示する図である。 生体認証装置の各機能の詳細を例示する図である。 組み合わせ情報のテーブルを例示する図である。 （ａ）は３次元モデルデータを例示し、（ｂ）は関節角度の組み合わせごとの２次元シミュレート画像を例示し、（ｃ）は手のひら画像を例示し、（ｄ）は補正済画像を例示し、（ｅ）は抽出された静脈パターンを例示し、（ｆ）は登録された生体特徴を例示する。 実施例１に係るフローチャートを例示する図である。 実施例２に係る各機能について説明するためのブロック図である。 実施例２における生体認証装置の各機能の詳細を例示する図である。 （ａ）は３次元モデルデータを例示し、（ｂ）は関節角度の組み合わせごとの２次元シミュレート画像を例示し、（ｃ）は手のひら画像を例示し、（ｄ）は特定された登録生体画像の生体特徴を例示し、（ｅ）は補正済の生体特徴を例示し、（ｆ）は抽出された生体特徴を例示する。 実施例２に係るフローチャートを例示する図である。

以下、図面を参照しつつ、実施例について説明する。

図１（ａ）〜図１（ｅ）は、実施例１に係る生体認証装置が実施する処理の概要について例示する図である。生体部位の一例として、手のひらを用いている。図１（ａ）で例示するように、多くの人の手を撮影して平均化した標準的な生体形状を生成する。次に、図１（ｂ）で例示するように、図１（ａ）の生体形状を用いて、手のひらの形状をシミュレートする３次元モデルデータを生成しておく。次に、図１（ｃ）で例示するように、３次元モデルデータを変形するための指の関節の角度を様々に変えて、３次元モデルデータから２次元シミュレート画像を生成する。

図１（ｄ）は、生体センサを用いて取得したユーザの手のひら画像を例示する図である。次に、図１（ｃ）の各２次元シミュレート画像と、図１（ｄ）の手のひら画像とを大まかに位置合わせして、位置、角度、大きさおよび平均輝度を合わせた後、それぞれの画像の濃淡を照合し、その濃淡の一致度を算出する。最も濃淡の一致度が高い２次元シミュレート画像を選択する。図１（ｃ）の例では、左下の２次元シミュレート画像が選択される。

次に、選択された２次元シミュレート画像を生成した際に使用した指の関節角度を取得する。次に、取得した指の関節の角度を図１（ｄ）の手のひら画像に適用する。それにより、図１（ｅ）で例示するように、手のひら画像の指の関節角度が登録データを取得した際の指の関節角度と同等になるように撮影画像を補正することができる。このような処理を行うことで、認証時に取得された手のひら画像における指の関節角度を、登録データを取得した際の指の関節角度に合わせることができる。その結果、認証精度が向上する。

以下、実施例１に係る生体認証装置の具体的な構成について説明する。図２（ａ）は、実施例１に係る生体認証装置１００のハードウェア構成を説明するためのブロック図である。図２（ｂ）は、後述する生体センサ１０５の模式図である。図２（ａ）を参照して、生体認証装置１００は、ＣＰＵ１０１、ＲＡＭ１０２、記憶装置１０３、表示装置１０４、生体センサ１０５、属性情報取得部１０６などを備える。これらの各機器は、バスなどによって接続されている。

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

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

生体センサ１０５は、ユーザの生体画像を取得するセンサである。生体センサ１０５は、ユーザの体に非接触で生体画像を取得する非接触型センサである。本実施例においては、生体センサ１０５は、一例として、非接触で手のひら画像を取得するセンサであり、ＣＭＯＳ（Ｃｏｍｐｌｅｍｅｎｔａｒｙ Ｍｅｔａｌ Ｏｘｉｄｅ Ｓｅｍｉｃｏｎｄｕｃｔｏｒ）カメラなどである。例えば、生体センサ１０５は、近赤外線を利用することによって、静脈パターンを含む手のひら画像を取得する。属性情報取得部１０６は、キーボード、マウスなどの入力機器であり、例えば、利用者を識別するためのＩＤなどを入力するための装置である。

記憶装置１０３に記憶されている生体認証プログラムは、ＲＡＭ１０２に展開される。ＣＰＵ１０１は、ＲＡＭ１０２に展開された生体認証プログラムを実行する。それにより、図３の各部が実現される。図３は、生体認証装置１００の各機能を表すブロック図である。図３で例示するように、生体認証装置１００は、生体特徴抽出部１０、生体特徴データベース２０、モデルデータ記憶部３０、モデルデータ照合部４０、補正処理部５０、照合部６０および出力部７０として機能する。

以下、生体認証装置１００が実行する登録処理および照合処理について説明する。

（登録処理）
図４は、登録処理の一例を表すフローチャートである。図４で例示するように、まず、属性情報取得部１０６はユーザの属性情報を取得し、生体特徴抽出部１０は生体センサ１０５から当該ユーザの手のひらの画像を登録生体画像として取得する（ステップＳ１）。この場合、ガイドなどを用いることで、ユーザの手のひらの各指の関節角度を所定値にすることができる。この場合の各指の関節角度を基準関節角度と称する。

次に、生体特徴抽出部１０は、登録生体画像から静脈パターンを生体特徴として抽出する（ステップＳ２）。次に、生体特徴データベース２０は、属性情報取得部１０６が取得した属性情報と生体特徴抽出部１０が抽出した生体特徴とを関連付けて記憶する（ステップＳ３）。以上の処理により、各ユーザの登録生体画像を登録することができる。

（照合処理）
次に、照合処理について説明する。図５は、モデルデータ記憶部３０の各機能を例示する図である。図５で例示するように、モデルデータ記憶部３０は、関節可動角度情報記憶部３１および３次元モデルデータ記憶部３２として機能する。関節可動角度情報記憶部３１は、関節可動角度情報を記憶する。関節可動角度情報とは、照合対象とする生体部位の各関節がどの程度の動くかを角度で表す情報であり、例えば、０°〜９０°などの情報である。

３次元モデルデータ記憶部３２は、３次元モデルデータを記憶する。３次元モデルデータは、生体部位を３次元で表したモデルデータである。関節可動角度情報および３次元モデルデータは、予め数多くの人のデータを採取して求めた標準的な人の生体部位の抽象的形状モデルから、それぞれ数値データとして抽出しておくことができる。本実施例においては、３次元モデルデータ記憶部３２は、手のひらの形状をシミュレートするための３次元モデルデータを記憶している。

この作業は３次元ＣＧ技術で一般的に「モデリング」と呼ばれる作業に相当する。この作業は、データを作成する作業者が標準的な生体形状モデルを参照しながら、生体部位を形成する関節の配置や皮膚の付き方、関節がどの程度曲がるとそれに追従して皮膚がどの程度変形するか等の情報を一つずつ数値化し、一つの生体形状の３次元モデルデータとしてまとめ上げる作業となる。このためのツールは３次元モデラーなどと呼ばれ、様々なツールが広く普及している。

この作業は、３次元ＣＧの現場でも、人手を用いて行うのが現在でも一般的である。しかしながら、撮影時に撮影対象の凸凹情報を取得できる特殊な撮影装置を用いたり、あるいは、何枚も撮影した画像を統合したりすることで、半自動的に３次元モデルデータを生成することもできる。本実施例においては、生体部位の形状を３次元モデルデータとして利用可能にする方法として、どのような方法を用いてもよい。また、上記の関節角度情報および３次元モデルデータを利用して生体部位の２次元シミュレート画像を生成することができるのであれば、如何なる方法を用いてもよい。

また、ここで生成する３次元モデルデータは、現実の生体の骨格をそのままシミュレートする必要はない。後の処理を簡略化するために、皮膚の動きをシミュレートするのに最低限必要な数まで関節の数を減らしたりすることで、効率化することができる。

図６は、生体認証装置１００の各機能の詳細を例示する図である。図６で例示するように、モデルデータ照合部４０は、関節角度生成部４１、レンダリング部４２、２次元画像記憶部４３、照合部４４および撮影画像記憶部４５として機能する。補正処理部５０は、逆参照部５１、関節角度記憶部５２、補正部５３、基準関節角度記憶部５４および補正済画像記憶部５５として機能する。

関節角度生成部４１は、関節可動角度情報記憶部３１から、関節可動角度情報を取得し、予め決めたステップ角度に基づいて、各関節の角度を少しずつ変えた、関節角度の組み合わせ情報を作成する。例えば、１番目からＮ番目までの組み合わせとして、各関節の角度を少しずつ変えた場合の、全関節角度を作成する。図７は、生成された各組み合わせ情報のテーブルを例示する。

ステップ角度として、全ての関節について一律に同じ値を使用してもよい。または、関節によって動き方が微妙に異なり、各関節が動いた際に生体部位の皮膚がどの程度変形するかも異なるので、これに対応するために、少なくとも２つの関節においてステップ角を変えてもよい。例えば、手のひらを例にすると、親指の関節はほんの少しの角度変化によって、親指の動きに手のひらの皮膚が大きく引っ張られて動くが、親指以外の指（人差し指から小指）の動きは親指ほどには皮膚に影響を与えない。例えば、親指が５度動けば手のひらの広い面積の皮膚がかなり大きく動くが、親指以外の指が５度動いても親指ほどには手のひらの皮膚は動かない。そこで、親指については重要度が高いとして、ステップ角を詳細にして角度変化を細かく設定できるようにすることが好ましい。その他の指については、ステップ角を大きめに設定して角度変化を大まかにするなどの対応をすれば、関節角度の組み合わせの数を低減して効率化を図ることができる。

再度、図６を参照し、レンダリング部４２は、３次元モデルデータ記憶部３２に記憶された３次元モデルデータを基に、３次元ＣＧの技術を用いて、生体部位の２次元シミュレート画像を生成する。具体的には、レンダリング部４２は、関節角度生成部４１が生成した関節角度の組み合わせ（全関節角度）ごとに、３次元モデルデータの皮膚が変形した状態の２次元シミュレート画像を生成する。このように、３次元モデルデータおよびそのモデルデータの関節の変形を元に２次元シミュレート画像を生成する作業は、３次元画像レンダリングと呼ばれる。レンダリング部４２が生成した２次元シミュレート画像は、各２次元シミュレート画像を生成した際に用いた関節角度の組み合わせとともに、２次元画像記憶部４３に記憶される。図８（ａ）は、３次元モデルデータを例示する。図８（ｂ）は、レンダリング部４２が生成した、関節角度の組み合わせごとの２次元シミュレート画像を例示する。

照合部４４は、２次元画像記憶部４３に記憶された２次元シミュレート画像と、認証時に生体センサ１０５が取得した手のひら画像とを比較照合する。手のひら画像は、生体センサ１０５が取得した手のひら画像を一時的に記憶する撮影画像記憶部４５から取得することができる。図８（ｃ）は、手のひら画像を例示する。照合部４４が比較するのは、個人照合に用いるような個人を特定できる生体特徴データではなく、生体部位の形状の差を比較できる情報である。例えば、画像の濃淡情報を用いることができる。濃淡のほかに輪郭情報（手のひらの形状）を用いてもよい。濃淡情報や輪郭情報を用いることで、簡易な処理で照合することができる。本実施例においては、一例として濃淡情報を用いる。

まず、照合部４４は、手のひら画像と２次元シミュレート画像に映る生体部位の位置とを、平行移動、回転移動、拡大縮小など行うことによって大まかに合わせる。その後、照合部４４は、濃淡情報を基に、両画像に映る生体部位の各部の一致度を検証し、その一致度をスコアとして算出し数値化していく。照合部４４は、関節角度の組み合わせ毎に生成した全ての２次元シミュレート画像に対して、手のひら画像と濃淡照合を繰り返し行い、最も濃淡照合一致度の高い２次元シミュレート画像を選び出す。

逆参照部５１は、照合部４４が選んだ２次元シミュレート画像を生成する際に用いた関節角度の組み合わせを２次元画像記憶部４３から取得する。関節角度記憶部５２は、逆参照部５１が取得した関節角度の組み合わせを記憶する。次に、補正部５３は、撮影画像記憶部４５から手のひら画像を取得し、関節角度記憶部５２が記憶している関節角度の組み合わせを基に当該手のひら画像の補正を行う。具体的には、補正部５３は、２次元シミュレート画像との位置合わせを行った場合と同様に、手のひら画像の各関節の位置を特定する。次に、補正部５３は、基準関節角度記憶部５４から基準関節角度を取得する。次に、補正部５３は、特定した各関節の位置を起点に得られた関節角度が基準関節角度に合致するように、手のひら画像を補正する。補正された手のひら画像（以下、補正済画像）は、補正済画像記憶部５５に記憶される。図８（ｄ）は、補正済画像を例示する。

次に、生体特徴抽出部１０は、補正済画像から生体特徴として静脈パターンを抽出する。抽出された生体特徴は、生体特徴記憶部１１に記憶される。図８（ｅ）は、抽出された静脈パターンである。次に、照合部６０は、生体特徴記憶部１１に記憶された静脈パターンと、生体特徴データベース２０に登録された各登録生体画像の生体特徴とを照合する。ここで、ユーザが属性情報取得部１０６にＩＤなどを入力していれば、照合対象の登録生体画像の生体特徴を特定することができる。図８（ｆ）は、登録された生体特徴を例示する。具体的には、照合部６０は、生体特徴記憶部１１に記憶された生体特徴と、生体特徴データベース２０に登録された登録生体画像の生体特徴との一致度を算出し、当該一致度が閾値以上となるか否かを判定する。当該一致度が閾値以上であれば、出力部７０は、照合成功に係る情報を出力する。

なお、濃淡照合一致度の最も高い２次元シミュレート画像を一つだけ選ぶのではなく、一致度をランク付けして、一致度の高いものから順に、これ以降の処理を行うようにしてもよい。たとえば、一致度の最も高い２次元シミュレート画像を元に、照合部６０による照合が失敗した場合は、次に一致度の高かった２次元シミュレート画像を元に同様の処理を行うというように、一致度の順々に処理を繰り返し、生体特徴の照合が成功するまで繰り返す構成にしてもよい。

図９は、以上の処理を表すフローチャートを例示する。図９で例示するように、関節角度生成部４１は、変数ｉに１を代入する（ステップＳ１）。次に、関節角度生成部４１は、ｉ番目の組み合わせの全関節角度を生成する（ステップＳ２）。次に、レンダリング部４２は、ステップＳ１で生成した全関節角度に基づいて、２次元シミュレート画像を生成し、２次元画像記憶部４３に記憶させる（ステップＳ３）。次に、照合部４４は、例えば、濃淡照合などにより、２次元画像記憶部４３に記憶された２次元シミュレート画像と、認証時に生体センサ１０５が取得した手のひら画像との一致度を算出する（ステップＳ４）。

次に、関節角度生成部４１は、変数ｉに１を加算する（ステップＳ５）。次に、関節角度生成部４１は、変数ｉが、組み合わせの数であるＮを超えたか否かを判定する（ステップＳ６）。ステップＳ６で変数ｉがＮを超えたと判定されなかった場合、ステップＳ２から再度実行される。

ステップＳ６で変数ｉがＮを超えたと判定された場合、照合部４４は、最も濃淡照合一致度の高い２次元シミュレート画像を選び出す。また、逆参照部５１は、照合部４４が選んだ２次元シミュレート画像を生成する際に用いた関節角度の組み合わせを関節角度生成部４１から逆引き取得し、関節角度記憶部５２に当該関節角度の組み合わせを記憶させる（ステップＳ７）。

次に、補正部５３は、撮影画像記憶部４５から手のひら画像を取得し、関節角度記憶部５２が記憶している関節角度の組み合わせを基に当該手のひら画像の補正を行う（ステップＳ８）。補正済画像は、補正済画像記憶部５５に記憶される。次に、生体特徴抽出部１０は、補正済画像から生体特徴として静脈パターンを抽出する（ステップＳ９）。抽出された生体特徴は、生体特徴記憶部１１に記憶される。次に、照合部６０は、生体特徴記憶部１１に記憶された生体特徴と、生体特徴データベース２０に登録された登録生体画像の生体特徴とを照合する。その結果、当該一致度が閾値以上であれば、出力部７０は、照合成功に係る情報を出力する（ステップＳ１０）。

本実施例によれば、認証時に取得された手のひら画像における指の関節角度を、登録生体画像を取得した際の指の関節角度に合わせることができる。それにより、登録時と認証時とで、手のひらの形状を一致させることができる。その結果、高精度で認証を行うことができる。なお、本実施例においては、認証時に取得された手のひら画像における指の関節角度を、登録生体画像を取得した際の指の関節角度に合わせているが、それに限られない。例えば、認証時に取得された手のひら画像における指の関節角度を、登録生体画像を取得した際の指の関節角度に近づけることができれば、認証精度を向上させることができる。

実施例１においては、標準的な生体形状モデルを用いたが、ユーザ本人の生体形状から関節情報や３次元形状情報を抽出し、これを３次元モデルデータとして用いてもよい。実施例２では、登録生体画像を登録する際にユーザ本人の生体形状から関節情報や３次元形状情報を抽出したものを３次元モデルデータとして用いる例について説明する。

図１０は、基準関節角度記憶部５４、３次元モデルデータ記憶部３２、および関節可動角度情報記憶部３１が情報を記憶する場合の各機能について説明するためのブロック図である。実施例１と同様に、関節可動角度情報記憶部３１は、予め数多くの人のデータを採取して求めた標準的な人の生体部位の抽象的形状モデルから、関節可動角度情報を数値データとして抽出されたものを記憶している。

３次元形状モデル抽出部８１は、上述したモデリングなどの手法により、生体センサ１０５が取得した手のひら画像から、手のひらの形状をシミュレートするための３次元モデルデータを抽出する。この場合、ガイドなどを用いることで、ユーザの手のひらの各指の関節角度を所定値にすることができる。３次元形状モデル記憶部８２は、この場合の各指の関節角度を基準関節角度記憶部５４に記憶させる。また、３次元形状モデル記憶部８２は、３次元モデルデータ記憶部３２に、３次元モデルデータを記憶させる。

なお、関節可動角度情報も、手のひらの形状から抽出してもよい。または、ユーザ自身に関節可動角度を数値入力させてもよい。関節可動角度情報、基準関節角度および３次元モデルデータは、ユーザとリンクされていれば保存場所は特に限定されず、登録生体画像の生体特徴と別に保存してもよく、生体特徴データベース２０に組み込んでもよい。照合処理は、利用者毎に使用する３次元モデルデータを変える以外は同様である。利用者ＩＤを入力するなどして利用者を特定した後は、その利用者の３次元モデルデータを用いて処理をおこなうことができる。

本実施例によれば、標準生体形状モデルを用いる必要がないため、処理の簡略化、記憶容量の低減化が可能である。

実施例１では、認証時に生体センサ１０５が取得した手のひら画像の指の関節角度が基準関節角度に一致するように手のひら画像を補正しているが、登録生体画像の指の関節角度を補正してもよい。実施例３では、登録生体画像の指の関節角度を補正する例について説明する。

図１１は、本実施例における、生体認証装置１００の各機能の詳細を例示する図である。逆参照部５１が取得した関節角度の組み合わせを関節角度記憶部５２が記憶するまでは、実施例１と同様の処理が行われる。図１２（ａ）は、３次元モデルデータを例示する。図１２（ｂ）は、レンダリング部４２が生成した、関節角度の組み合わせごとの２次元シミュレート画像を例示する。図１２（ｃ）は、手のひら画像を例示する。

次に、補正部５３は、生体特徴データベース２０から登録生体画像の生体特徴を取得し、関節角度記憶部５２が記憶している関節角度の組み合わせを基に当該生体特徴の補正を行う。ここで、ユーザが属性情報取得部１０６にＩＤなどを入力していれば、照合対象の登録生体画像の生体特徴を特定することができる。図１２（ｄ）は、特定された登録生体画像の生体特徴を例示する。

まず、補正部５３は、基準関節角度記憶部５４から基準関節角度を取得する。次に、補正部５３は、基準関節角度と、関節角度記憶部５２が記憶している関節角度との差分がゼロになるように、登録生体画像の生体特徴を補正する。補正済の生体特徴は、補正済画像記憶部５５に記憶される。図１２（ｅ）は、補正済の生体特徴を例示する。

次に、生体特徴抽出部１０は、撮影画像記憶部４５が記憶している手のひら画像から生体特徴として静脈パターンを抽出する。図１２（ｆ）は、抽出された生体特徴を例示する。抽出された生体特徴は、生体特徴記憶部１１に記憶される。次に、照合部６０は、生体特徴記憶部１１に記憶された静脈パターンと、補正済の生体特徴とを照合する。具体的には、照合部６０は、生体特徴記憶部１１に記憶された生体特徴と、補正済の生体特徴との一致度を算出し、当該一致度が閾値以上となるか否かを判定する。当該一致度が閾値以上であれば、出力部７０は、照合成功に係る情報を出力する。

図１３は、以上の処理を表すフローチャートを例示する。ステップＳ１１〜ステップＳ１７は、図９のステップＳ１〜ステップＳ７と同様の処理である。ステップＳ１７の実行後、補正部５３は、生体特徴データベース２０から登録生体画像の生体特徴を取得し、関節角度記憶部５２が記憶している関節角度の組み合わせを基に当該生体特徴の補正を行う（ステップＳ１８）。補正済の生体特徴は、補正済画像記憶部５５に記憶される。次に、生体特徴抽出部１０は、撮影画像記憶部４５が記憶している手のひら画像から生体特徴として静脈パターンを抽出する（ステップＳ１９）。抽出された生体特徴は、生体特徴記憶部１１に記憶される。次に、照合部６０は、生体特徴記憶部１１に記憶された生体特徴と、補正済の生体特徴とを照合する。その結果、一致度が閾値以上であれば、出力部７０は、照合成功に係る情報を出力する（ステップＳ２０）。

本実施例によれば、登録生体画像を取得した際の指の関節角度を、認証時に取得された手のひら画像における指の関節角度に合わせることができる。それにより、登録時と認証時とで、手のひらの形状を一致させることができる。その結果、高精度で認証を行うことができる。なお、本実施例においては、登録生体画像を取得した際の指の関節角度を、認証時に取得された手のひら画像における指の関節角度に合わせているが、それに限られない。例えば、登録生体画像を取得した際の指の関節角度を、認証時に取得された手のひら画像における指の関節角度に近づけることができれば、認証精度を向上させることができる。

上記各例において、生体として手のひらを用いているが、それに限られない。関節の曲げ角度に応じて形状が変化する生体であれば、上記各例の適用対象として用いることができる。例えば、生体として指を用いて、生体特徴として指紋や指静脈を用いることができる。

上記各例において、ＩＤの入力などによって照合対象の登録生体画像を特定しているが、それに限られない。例えば、実施例１において、補正済画像から抽出した生体特徴と、全てのユーザの登録生体画像の生体特徴とを照合してもよい。また、実施例３において、全てのユーザの登録生体画像の生体特徴を補正し、各生体特徴と、手のひら画像から抽出した生体特徴とを照合してもよい。これらの場合、最も高い一致度が閾値以上であれば、照合対象のユーザと当該登録生体画像のユーザとが一致することになり、照合成功となる。

上記各例において、３次元モデルデータ記憶部３２が、生体モデルの関節の曲げ角度を変えることにより生成された複数のモデル画像、及びモデル画像毎の補正情報を記憶する記憶部の一例として機能する。各モデル画像に関連付けられた関節角度の組み合わせが、モデル画像毎の補正情報に対応する。生体センサ１０５が、照合対象の生体画像を撮影する撮影部の一例として機能する。照合部４４が、照合対象の生体画像とモデル画像のそれぞれとの類似性を検証する比較部の一例として機能する。また、照合部４４は、前記類似性に基づいてモデル画像を選定する選定部の一例としても機能する。逆参照部５１が、選定されたモデル画像に対応する補正情報を前記記憶部から読み出す読み出し部の一例として機能する。また、補正部５３が、補正情報に基づいて、照合対象の生体画像又は登録生体画像のいずれか一方を補正する補正部の一例として機能する。

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

１０ 生体特徴抽出部
１１ 生体特徴記憶部
２０ 生体特徴データベース
３０ モデルデータ記憶部
３１ 関節可動角度情報記憶部
３２ ３次元モデルデータ記憶部
４０ モデルデータ照合部
４１ 関節角度生成部
４２ レンダリング部
４３ ２次元画像記憶部
４４ 照合部
４５ 撮影画像記憶部
５０ 補正処理部
５１ 逆参照部
５２ 関節角度記憶部
５３ 補正部
５４ 基準関節角度記憶部
５５ 補正済画像記憶部
６０ 照合部
７０ 出力部
１００ 生体認証装置
１０５ 生体センサ

Claims (8)

1. 照合対象の生体画像と登録生体画像との類似性に基づいて、認証を行う生体認証装置において、
   生体モデルの関節の曲げ角度を変えることにより生成された複数のモデル画像を記憶し、前記モデル画像毎の関節角度の組み合わせを補正情報として記憶する記憶部と、
   照合対象の生体画像を撮影する撮影部と、
   前記照合対象の生体画像と前記モデル画像のそれぞれとの類似性を検証する比較部と、
   前記類似性に基づいてモデル画像を選定する選定部と、
   前記選定されたモデル画像に対応する補正情報を前記記憶部から読み出す読み出し部と、
   前記補正情報に基づいて、前記照合対象の生体画像又は前記登録生体画像のいずれか一方を補正する補正部と、を有することを特徴とする生体認証装置。
2. 前記生体は、ヒトの手のひらであることを特徴とする請求項１記載の生体認証装置。
3. 前記比較部は、前記照合対象の生体画像及び前記モデル画像の濃淡分布に基づいて類似性を検証することを特徴とする請求項１または２記載の生体認証装置。
4. 前記比較部は、手のひらの形状及びモデルの形状に基づいて類似性を検証することを特徴とする請求項１〜３のいずれか一項に記載の生体認証装置。
5. 前記生体モデルは、前記登録生体画像の取得元の生体であることを特徴とする請求項１〜４のいずれか一項に記載の生体認証装置。
6. 前記複数のモデル画像は、前記生体モデルの関節の曲げ角度を所定の刻み値で変化させることによって生成されており、
   少なくとも２つの前記関節において、前記刻み値を異なる値としていることを特徴とする請求項１〜５のいずれか一項に記載の生体認証装置。
7. 照合対象の生体画像と登録生体画像との類似性に基づいて、認証を行う生体認証方法において、
   生体モデルの関節の曲げ角度を変えることにより生成された複数のモデル画像を記憶部に記憶するとともに、前記モデル画像毎の関節角度の組み合わせを補正情報として前記記憶部に記憶し、
   撮影部を用いて照合対象の生体画像を撮影し、
   前記照合対象の生体画像と前記モデル画像のそれぞれとの類似性を比較部が検証し、
   前記類似性に基づいてモデル画像を選定部が選定し、
   前記選定されたモデル画像に対応する補正情報を前記記憶部から読み出し部が読み出し、
   前記補正情報に基づいて、前記照合対象の生体画像又は前記登録生体画像のいずれか一方を補正部が補正する、ことを特徴とする生体認証方法。
8. 照合対象の生体画像と登録生体画像との類似性に基づいて、認証を行う処理において、
   コンピュータに、
   生体モデルの関節の曲げ角度を変えることにより生成された複数のモデル画像を記憶し、前記モデル画像毎の関節角度の組み合わせを補正情報として記憶する処理と、
   撮影部を用いて撮影した照合対象の生体画像を取得する処理と、
   前記照合対象の生体画像と前記モデル画像のそれぞれとの類似性を検証する処理と、
   前記類似性に基づいてモデル画像を選定する処理と、
   前記選定されたモデル画像に対応する補正情報を読み出す処理と、
   前記補正情報に基づいて、前記照合対象の生体画像又は前記登録生体画像のいずれか一方を補正する処理と、を実行させることを特徴とする生体認証プログラム。

Images