JP6567638B2 - 鼻紋照合システム、鼻紋照合方法及び鼻紋照合プログラム - Google Patents

Description

本発明は、鼻紋照合システム、鼻紋照合方法及び鼻紋照合プログラムに関する。

下記特許文献１には、牛の鼻紋を撮影した鼻紋画像を用いて鼻紋を照合する方法が開示されている。この照合方法では、システムに登録する牛の鼻紋画像を撮影し、その鼻紋画像から、鼻紋を形成する溝が２つに分岐する分岐点を抽出し、抽出した分岐点の分布状態をデータベースに記憶する。その後、照合用に撮影した鼻紋画像から同様に分岐点を抽出し、記憶した分岐点の分布状態と比較することにより、牛の鼻紋を照合する。

特開２００３−３４６１４８号公報

牛が鼻紋で個体を識別できるのと同様に、犬にも個体識別に利用できる鼻紋が存在する。したがって、犬にも鼻紋画像を用いた照合方法を適用することができる。しかしながら、犬は、牛に比べて動きが早い等、牛とは異なる特徴があるため、特許文献１の照合方法と同様に照合していたのでは、照合の精度が低下してしまう。

本発明は、このような事情に鑑みてなされたものであり、犬の鼻紋による照合精度を向上させることができる鼻紋照合システム、鼻紋照合方法及び鼻紋照合プログラムを提供することを目的とする。

本発明の一態様による鼻紋照合システムは、照合対象となる犬の鼻紋を撮影した照合対象画像を取得する取得部と、画像全体の特徴量に基づいて画像を分類する分類アルゴリズムを用い、予め記憶装置に登録された鼻紋画像に対応する犬の中から、前記取得した前記照合対象画像を分類する犬の候補を複数、抽出する抽出部と、前記取得した前記照合対象画像の特徴点と前記抽出した複数の犬の候補にそれぞれ対応する鼻紋画像の特徴点とをそれぞれマッチングするマッチング処理部と、前記マッチングにより特徴点のマッチ数が最大となる鼻紋画像に対応する犬に関する情報を照合結果として提供する提供部と、を備える。

上記態様において、前記マッチング処理部は、前記取得した前記照合対象画像及び前記抽出した複数の犬の候補にそれぞれ対応する鼻紋画像にそれぞれ平滑化処理を複数回実行し、平滑化した画像ごとの差分に基づいて特徴点を算出することとしてもよい。

上記態様において、鼻紋照合に利用する画像を学習した機械学習モデルを用い、登録候補の鼻紋画像が、登録可能な画像であるか否かを判定する判定部と、前記判定部により、登録可能な画像であると判定された登録候補の鼻紋画像を前記記憶装置に登録する登録部と、をさらに備えることとしてもよい。

上記態様において、犬の顔にある複数のパーツの配置を学習した機械学習モデルを用い、撮影対象となる犬の鼻を特定し、当該特定した鼻に焦点を合わせて犬の画像を撮影する撮影部と、前記撮影された犬の画像を、鼻に対応するポインタを中心にトリミングして鼻紋画像を生成する生成部と、をさらに備え、前記記憶装置に登録する候補となる鼻紋画像は、前記生成部により生成された鼻紋画像であることとしてもよい。

また、本発明の一態様による鼻紋照合方法は、照合対象となる犬の鼻紋を撮影した照合対象画像を取得する取得ステップと、画像全体の特徴量に基づいて画像を分類する分類アルゴリズムを用い、予め記憶装置に登録された鼻紋画像に対応する犬の中から、前記取得した前記照合対象画像を分類する犬の候補を複数、抽出する抽出ステップと、前記取得した前記照合対象画像の特徴点と前記抽出した複数の犬の候補にそれぞれ対応する鼻紋画像の特徴点とをそれぞれマッチングするマッチング処理ステップと、前記マッチングにより特徴点のマッチ数が最大となる鼻紋画像に対応する犬に関する情報を照合結果として提供する提供ステップと、を含む。

また、本発明の一態様によるプログラムは、コンピュータを、照合対象となる犬の鼻紋を撮影した照合対象画像を取得する取得部、画像全体の特徴量に基づいて画像を分類する分類アルゴリズムを用い、予め記憶装置に登録された鼻紋画像に対応する犬の中から、前記取得した前記照合対象画像を分類する犬の候補を複数、抽出する抽出部、前記取得した前記照合対象画像の特徴点と前記抽出した複数の犬の候補にそれぞれ対応する鼻紋画像の特徴点とをそれぞれマッチングするマッチング処理部、前記マッチングにより特徴点のマッチ数が最大となる鼻紋画像に対応する犬に関する情報を照合結果として提供する提供部として機能させる。

本発明によれば、犬の鼻紋による照合精度を向上させることができる。

本発明に係る鼻紋照合システムの構成の一例を示すブロック図である。 図１の情報端末の構成の一例を示すブロック図である。 図１のサーバ装置の構成の一例を示すブロック図である。 犬の鼻紋画像をデータベースに登録する際の処理の一例を示すフローチャートである。 犬の顔にある６つのパーツを例示する図である。 登録可能な画像と登録不能な画像を例示する図である。 犬の鼻紋を照合する際の処理の一例を示すフローチャートである。 （Ａ）及び（Ｂ）は特徴点のマッチ数が多い場合を例示する図である。 （Ａ）及び（Ｂ）は特徴点のマッチ数が少ない場合を例示する図である。

以下、本発明の実施の形態について詳細に説明する。なお、以下の実施の形態は、本発明を説明するための例示であり、本発明をその実施の形態のみに限定する趣旨ではない。また、本発明は、その要旨を逸脱しない限り、さまざまな変形が可能である。さらに、当業者であれば、以下に述べる各要素を均等なものに置換した実施の形態を採用することが可能であり、かかる実施の形態も本発明の範囲に含まれる。

図１は、本発明に係る鼻紋照合システムの構成を例示するブロック図である。鼻紋照合システム１００は、情報端末１０及びサーバ装置２０を備える。情報端末１０とサーバ装置２０とはネットワークＮを介して電子的に接続する。情報端末１０は、例えば、犬の飼い主又は迷い犬を保護した人が使用する端末であり、犬の鼻紋を撮影し、その撮影した鼻紋画像をサーバ装置２０に送信する。サーバ装置２０は、例えば、情報端末１０から受信した鼻紋画像を登録することや、情報端末１０から受信した鼻紋画像と登録した鼻紋画像とを照合し、照合結果をユーザに通知する。情報端末１０及びサーバ装置２０の機能の詳細については後述する。

情報端末１０は、ネットワークＮとの通信機能を有するスマートフォンに代表される携帯電話を含む可搬型のタブレット型端末装置である。図２は、情報端末の構成を例示するブロック図である。

同図に示すように、情報端末１０は、例えば、プロセッサ１１、記憶資源１２、通信インターフェイス１３、入力デバイス１４、表示デバイス１５及びカメラ１６を備える。また、情報端末１０は、インストールされた鼻紋照合アプリケーションプログラム（以下、「鼻紋照合アプリ」ともいう。）が動作することにより、本発明の一実施形態による鼻紋照合システムの一部又は全部として機能する。

プロセッサ１１は、算術演算、論理演算、ビット演算等を処理する算術論理演算ユニット及び各種レジスタ（プログラムカウンタ、データレジスタ、命令レジスタ、汎用レジスタ等）から構成される。また、プロセッサ１１は、記憶資源１２に格納されるプログラムＰ１２（例えば鼻紋照合アプリ）を解釈及び実行し、各種処理を行う。このプログラムＰ１２は、例えばサーバ装置２０からネットワークＮを通じて配信可能なものであり、手動的に又は自動的にインストール及びアップデートされてもよい。

なお、ネットワークＮは、例えば、有線ネットワーク（近距離通信網（ＬＡＮ）、広域通信網（ＷＡＮ）、又は付加価値通信網（ＶＡＮ）等）と無線ネットワーク（移動通信網、衛星通信網、ブルートゥース（Bluetooth：登録商標）、ＷｉＦｉ(Wireless Fidelity)、ＨＳＤＰＡ(High Speed Downlink Packet Access)等）により構成される通信網であり、これらを混在して構成される通信網であってもよい。

記憶資源１２は、物理デバイス（例えば、半導体メモリ等のコンピュータ読み取り可能な記録媒体）の記憶領域が提供する論理デバイスであり、情報端末１０の処理に用いられるオペレーティングシステムプログラム、ドライバプログラム、各種データ等を格納する。ドライバプログラムとしては、例えば、入力デバイス１４を制御するための入力デバイスドライバプログラム、表示デバイス１５を制御するための出力デバイスドライバプログラム等が挙げられる。

通信インターフェイス１３は、例えばサーバ装置２０との接続インターフェイスを提供するものであり、無線通信インターフェイス及び／又は有線通信インターフェイスから構成される。また、入力デバイス１４は、例えば、表示デバイス１５に表示されるアイコン、ボタン、仮想キーボード等のタップ動作による入力操作を受け付けるインターフェイスを提供するものであり、タッチパネルの他、情報端末１０に外付けされる各種入力装置を例示することができる。

表示デバイス１５は、画像表示インターフェイスとして各種の情報をユーザ等に提供するものであり、例えば、有機ＥＬディスプレイ、液晶ディスプレイ、ＣＲＴディスプレイ等が挙げられる。また、カメラ１６は、種々の被写体の静止画や動画を撮像するためのものであり、情報端末１０に内蔵されていることに限らず、情報端末１０に外付けされてもよい。

図１に示すサーバ装置２０は、例えば、演算処理能力の高いホストコンピュータによって構成され、そのホストコンピュータにおいて所定のサーバ用プログラムが動作することにより、サーバ機能を発現するものであり、例えば、鼻紋照合サーバとして機能する単数又は複数のホストコンピュータにより構成することができる。

図３は、サーバ装置の構成の一例を示すブロック図である。同図に示すように、サーバ装置２０は、例えば、プロセッサ２１、通信インターフェイス２２、及び記憶資源２３を備える。

プロセッサ２１は、算術論理演算ユニット及び各種レジスタから構成される。また、プロセッサ２１は、記憶資源２３に格納されるプログラムＰ２３を解釈及び実行し、各種処理を行う。

また、通信インターフェイス２２は、ネットワークＮを介して情報端末１０に接続するためのハードウェアモジュールであり、例えば、ＩＳＤＮモデム、ＡＤＳＬモデム、ケーブルモデム、光モデム、ソフトモデム等の変調復調装置である。

記憶資源２３は、物理デバイス（例えば、ディスクドライブ又は半導体メモリ等のコンピュータ読み取り可能な記録媒体等）の記憶領域が提供する論理デバイスであり、それぞれ単数又は複数の、プログラムＰ２３、各種モジュールＬ２３、及び各種データベースＤ２３が格納されている。

プログラムＰ２３は、サーバ装置２０のメインプログラムである所定のサーバ用プログラム等である。また、各種モジュールＬ２３は、情報端末１０から送信される要求及び情報に係る一連の情報処理を行うために、プログラムＰ２３の動作中に適宜呼び出されて実行されるソフトウェアモジュール（モジュール化されたサブプログラム）である。かかるモジュールＬ２３としては、鼻紋照合モジュール等が挙げられる。各種データベースＤ２３には、例えば、鼻紋画像を記憶するデータベースが含まれる。

以上のように構成される鼻紋照合システム１００において実行される鼻紋照合処理の一例について、以下に説明する。

図４は、鼻紋照合処理のうち、犬の鼻紋画像をデータベースに登録する際の処理を例示するフローチャートである。この処理における情報端末１０のユーザは、例えば、飼い主、ペットショップの店員、ブリーダー等となる。

最初に、ユーザは、情報端末１０の表示デバイス１５に表示されている鼻紋照合アプリのアイコン（図示せず）をタップして当該アプリケーションを起動する。これにより、表示デバイス１５には、カメラ１６による撮影映像が表示され、情報端末１０は、犬の画像を撮影可能な状態となる。

続いて、情報端末１０のカメラ１６の撮影範囲に犬が納まると、情報端末１０のプロセッサ１１は、犬の鼻の位置を特定し、鼻に焦点（図６のＦ）を合わせてシャッターを切ることにより、犬の画像（図６のＩａ）を撮影する（ステップＳ１０１）。

ここで、情報端末１０のプロセッサ１１は、鼻の位置を特定する際に、犬の顔にある複数のパーツの配置を学習した機械学習モデルを用いる。この機械学習モデルとして、例えば、図５に示すように、犬の顔にある６つのパーツ（二つの目、鼻、二つの耳のつけ根、額の頂点）にそれぞれポインタｐａ、ｐｂ、ｐｃ、ｐｄ、ｐｅ、ｐｆを付与した画像を学習させることで生成されるパーツ位置検出モデルを利用することができる。

また、鼻に焦点を合わせる際に、カメラ１６のレンズの動きが少なくなるように設定することにより、焦点が定まるまでの時間を短縮することが可能となる。また、犬の顔全体が表示デバイス１５の画面内に納まることを担保するために、犬の額に対応するポインタｐｆが画面の上部に位置することを、焦点を定める際の条件に設定することが好ましい。

続いて、情報端末１０のプロセッサ１１は、上記ステップＳ１０１で撮影した犬の画像を、犬の鼻に対応するポインタｐｃを中心にして鼻を囲む枠の大きさを調整し、鼻部分をトリミングすることで鼻紋画像を生成する（ステップＳ１０２）。鼻を囲む枠の形状として、例えば、正方形を用いることが好ましい。このとき、犬の目の位置と鼻の位置との関係（例えば幅）に基づいて正方形の枠の大きさを自動的に調整し、鼻全体が納まるようにトリミングすることが好ましい。これにより、犬の種類や撮影時の距離によって異なる鼻のサイズに適切に対応することが可能となる。

続いて、情報端末１０のプロセッサ１１は、上記ステップＳ１０２で生成した鼻紋画像をサーバ装置２０に送信する（ステップＳ１０３）。

続いて、サーバ装置２０のプロセッサ２１は、情報端末１０から送信された鼻紋画像がデータベースに登録可能な画像であるか否かを判定する（ステップＳ１０４）。この判定がＹＥＳである場合（ステップＳ１０４；ＹＥＳ）に、プロセッサ２１は、鼻紋画像をデータベースに登録する（ステップＳ１０５）。この鼻紋画像に対応付けて犬のプロフィール情報をさらに登録する。そして、犬の鼻紋画像をデータベースに登録する際の処理を終了する。

ここで、上記ステップＳ１０４で判定する際に、サーバ装置２０のプロセッサ２１は、鼻紋照合に利用する画像を学習した機械学習モデルを用いて、情報端末１０から送信された鼻紋画像がデータベースに登録可能な画像であるか否かを判定する。この機械学習モデルは、犬の鼻を撮影した多数の画像を学習データとして、登録可能な画像と登録不可能な画像とを学習する。例えば、鼻紋が鮮明に写っていて正面を向いている画像を、登録可能な画像とし、それ以外の画像を登録不可能な画像として学習する。

その結果、図６に示すように、鼻紋が鮮明に写っていて正面を向いている鼻紋画像Ｉｂを、登録可能な画像であると判定し、データベースに登録する。一方、鼻紋が鮮明に写っておらず、正面を向いていない鼻紋画像Ｉｃは、登録不可能な画像であると判定し、ユーザに再撮影を促す。

上記ステップＳ１０４の判定で、情報端末１０から送信された鼻紋画像がデータベースに登録不可能な画像であると判定された場合（ステップＳ１０４；ＮＯ）に、サーバ装置２０のプロセッサ２１は、エラー通知を情報端末１０に送信する（ステップＳ１０６）。

続いて、情報端末１０のプロセッサ１１は、上記ステップＳ１０１と同様に犬の画像を撮影し（ステップＳ１０７）、撮影した犬の画像から鼻紋画像を生成し（ステップＳ１０２）、その鼻紋画像をサーバ装置２０に送信する（ステップＳ１０３）こととなる。

図７は、鼻紋照合処理のうち、犬の鼻紋を照合する際の処理を例示するフローチャートである。この処理における情報端末１０のユーザは、例えば、迷い犬が運び込まれた保健所、保護施設又は動物病院の職員等となる。

最初に、ユーザは、情報端末１０の表示デバイス１５に表示されている鼻紋照合アプリのアイコンをタップして当該アプリケーションを起動する。これにより、表示デバイス１５には、カメラ１６による撮影映像が表示され、情報端末１０は、犬の画像を撮影可能な状態となる。図７に示すステップＳ２０１からステップＳ２０３までの処理は、上述した図４に示すステップＳ１０１からステップＳ１０３までの処理と同様であるため、ここでの説明を省略する。

続いて、サーバ装置２０のプロセッサ２１は、所定の分類アルゴリズムを用い、データベースに登録された鼻紋画像に対応する犬の中から、上記ステップＳ２０３で情報端末１０から取得した鼻紋画像を分類する犬の候補を複数抽出する（ステップＳ２０４）。

所定の分類アルゴリズムは、画像全体の特徴量に基づいて画像を分類する分類器であり、例えば、畳み込みニューラルネットワーク（Convolutional Neural Network；ＣＮＮ）が該当する。分類器を用いて犬の候補を複数抽出する際の具体的な手順の一例について以下に説明する。

最初に、犬ごとに複数の鼻紋画像を準備し、同じ犬の鼻紋画像に同一のラベルを付して分類器に学習させる。学習させる鼻紋画像をグレースケールに変換することで、色の違いによる影響を抑えることが可能となり、鼻紋及び鼻の形状による分類の精度を高めることができる。

続いて、情報端末１０から取得した鼻紋画像を、分類器に入力し、分類処理の結果として得られる例えば上位３件のラベルに対応する犬を、鼻紋画像を分類する複数の犬の候補として抽出する。

図７のフローチャートの説明に戻る。上記ステップＳ２０４における抽出処理の後、サーバ装置２０のプロセッサ２１は、上記ステップＳ２０３で情報端末１０から取得した鼻紋画像の特徴点と、上記ステップＳ２０４で抽出した複数の犬の候補にそれぞれ対応する鼻紋画像の特徴点と、をそれぞれマッチングするマッチング処理を実行する（ステップＳ２０５）。

鼻紋画像の特徴点は、例えば、上記ステップＳ２０３で情報端末１０から取得した鼻紋画像及び上記ステップＳ２０４で抽出した複数の犬の候補にそれぞれ対応する鼻紋画像に、それぞれ平滑化処理を複数回実行し、平滑化した画像ごとの差分から輝度の勾配方向等を検出することで算出する。特徴点を抽出するアルゴリズムとして、例えば、ＳＩＦＴ（Scale-invariant feature transform）、ＳＵＲＦ（Speed-Upped Robust Feature）、ＡＫＡＺＥ（Accelerated-KAZE），ＧＭＳ（Grid-based Motion Statistics）を用いることができる。

続いて、サーバ装置２０のプロセッサ２１は、上記ステップＳ２０５におけるマッチングにより特徴点のマッチ数が最大となる鼻紋画像に対応する犬に関する情報（例えばプロフィール情報）を照合結果として情報端末１０に提供する（ステップＳ２０６）。特徴点のマッチ数は、マッチングする画像間で同じ特徴点であると判定された特徴点をカウントして算出する。マッチ数が多いほど、同じ犬の鼻である可能性が高まり、マッチ数が少ないほど、別の犬の鼻である可能性が高まる。

具体的に説明すると、図８（Ａ）は、特徴点のマッチ数が３６５６であることを示し、図８（Ｂ）は、特徴点のマッチ数が１２９１であることを示すものであり、これらは、マッチ数が多い場合の例示となる。また、図９（Ａ）は、特徴点のマッチ数が０であることを示し、図９（Ｂ）は、特徴点のマッチ数が３７であることを示すものであり、これらは、マッチ数が少ない場合の例示となる。

続いて、情報端末１０のプロセッサ１１は、上記ステップＳ２０６でサーバ装置２０から提供された照合結果を表示デバイス１５に表示させる（ステップＳ２０７）。

上述したように、実施形態における鼻紋照合システム１００によれば、照合対象となる犬の鼻紋を撮影した照合対象鼻紋画像を情報端末１０から取得し、分類器を用いて、データベースに登録された鼻紋画像に対応する犬の中から、照合対象鼻紋画像を分類する犬の候補を複数抽出し、その抽出した複数の犬の候補にそれぞれ対応する鼻紋画像の特徴点と照合対象鼻紋画像の特徴点とをそれぞれマッチングし、特徴点のマッチ数が最大となる鼻紋画像に対応する犬の情報を照合結果として情報端末１０に提供することができる。

それゆえ、実施形態における鼻紋照合システム１００によれば、犬の鼻紋による照合精度を向上させることができる。

なお、上述したとおり、上記の実施形態は、本発明を説明するための一例であり、本発明をその実施形態に限定する趣旨ではない。また、本発明は、その要旨を逸脱しない限り、様々な変形が可能である。例えば、当業者であれば、実施形態で述べたリソース（ハードウェア資源又はソフトウェア資源）を均等物に置換することが可能であり、そのような置換も本発明の範囲に含まれる。

１０…情報端末、１１…プロセッサ、１２…記憶資源、１３…通信インターフェイス、１４…入力デバイス、１５…表示デバイス、１６…カメラ、２０…サーバ装置、２１…プロセッサ、２２…通信インターフェイス、２３…記憶資源、１００…鼻紋照合システム、Ｄ２３…データベース、Ｌ２３…モジュール、Ｎ…ネットワーク、Ｐ１２…プログラム、Ｐ２３…プログラム。

Claims (5)

1. 照合対象となる犬の鼻紋を撮影した照合対象画像を取得する取得部と、
   画像全体の特徴量に基づいて画像を分類する畳み込みニューラルネットワークを用いて、複数の犬の鼻紋画像を学習させた分類器に、前記取得した前記照合対象画像を入力し、前記分類器に学習させた複数の鼻紋画像にそれぞれ対応する犬の中から、前記取得した前記照合対象画像を分類する犬の候補を複数、抽出する抽出部と、
   前記抽出した複数の犬の候補にそれぞれ対応する鼻紋画像及び前記取得した前記照合対象画像に、それぞれ平滑化処理を複数回実行し、平滑化した画像ごとの差分から輝度の勾配方向を検出することで、前記抽出した複数の犬の候補にそれぞれ対応する鼻紋画像の特徴点及び前記取得した前記照合対象画像の特徴点をそれぞれ算出し、前記抽出した複数の犬の候補にそれぞれ対応する鼻紋画像の特徴点と前記取得した前記照合対象画像の特徴点とをそれぞれマッチングし、同じ特徴点であると判定した特徴点を鼻紋画像ごとにカウントするマッチング処理部と、
   前記マッチング処理部によりカウントされた特徴点の数が最大となる鼻紋画像に対応する犬に関する情報を照合結果として提供する提供部と、
   を備える鼻紋照合システム。
2. 鼻紋照合に利用する画像を学習した機械学習モデルを用い、登録候補の鼻紋画像が、登録可能な画像であるか否かを判定する判定部と、
   前記判定部により、登録可能な画像であると判定された登録候補の鼻紋画像を前記分類器に学習させる登録部と、
   をさらに備える請求項１記載の鼻紋照合システム。
3. 犬の顔にある複数のパーツの配置を学習した機械学習モデルを用い、撮影対象となる犬の鼻を特定し、当該特定した鼻に焦点を合わせて犬の画像を撮影する撮影部と、
   前記撮影された犬の画像を、鼻に対応するポインタを中心にトリミングして鼻紋画像を生成する生成部と、
   をさらに備え、
   前記分類器に学習させる候補となる鼻紋画像は、前記生成部により生成された鼻紋画像である、
   請求項１又は２記載の鼻紋照合システム。
4. 照合対象となる犬の鼻紋を撮影した照合対象画像を取得する取得ステップと、
   画像全体の特徴量に基づいて画像を分類する畳み込みニューラルネットワークを用いて、複数の犬の鼻紋画像を学習させた分類器に、前記取得した前記照合対象画像を入力し、前記分類器に学習させた複数の鼻紋画像にそれぞれ対応する犬の中から、前記取得した前記照合対象画像を分類する犬の候補を複数、抽出する抽出ステップと、
   前記抽出した複数の犬の候補にそれぞれ対応する鼻紋画像及び前記取得した前記照合対象画像に、それぞれ平滑化処理を複数回実行し、平滑化した画像ごとの差分から輝度の勾配方向を検出することで、前記抽出した複数の犬の候補にそれぞれ対応する鼻紋画像の特徴点及び前記取得した前記照合対象画像の特徴点をそれぞれ算出し、前記抽出した複数の犬の候補にそれぞれ対応する鼻紋画像の特徴点と前記取得した前記照合対象画像の特徴点とをそれぞれマッチングし、同じ特徴点であると判定した特徴点を鼻紋画像ごとにカウントするマッチング処理ステップと、
   前記マッチング処理ステップにおいてカウントされた特徴点の数が最大となる鼻紋画像に対応する犬に関する情報を照合結果として提供する提供ステップと、
   を含む鼻紋照合方法。
5. コンピュータを、
   照合対象となる犬の鼻紋を撮影した照合対象画像を取得する取得部、
   画像全体の特徴量に基づいて画像を分類する畳み込みニューラルネットワークを用いて、複数の犬の鼻紋画像を学習させた分類器に、前記取得した前記照合対象画像を入力し、前記分類器に学習させた複数の鼻紋画像にそれぞれ対応する犬の中から、前記取得した前記照合対象画像を分類する犬の候補を複数、抽出する抽出部、
   前記抽出した複数の犬の候補にそれぞれ対応する鼻紋画像及び前記取得した前記照合対象画像に、それぞれ平滑化処理を複数回実行し、平滑化した画像ごとの差分から輝度の勾配方向を検出することで、前記抽出した複数の犬の候補にそれぞれ対応する鼻紋画像の特徴点及び前記取得した前記照合対象画像の特徴点をそれぞれ算出し、前記抽出した複数の犬の候補にそれぞれ対応する鼻紋画像の特徴点と前記取得した前記照合対象画像の特徴点とをそれぞれマッチングし、同じ特徴点であると判定した特徴点を鼻紋画像ごとにカウントするマッチング処理部、
   前記マッチング処理部によりカウントされた特徴点の数が最大となる鼻紋画像に対応する犬に関する情報を照合結果として提供する提供部、
   として機能させる鼻紋照合プログラム。