JP7279857B2 - 認証方法、認証プログラム及び認証装置 - Google Patents

Description

本発明は、認証方法、認証プログラム及び認証装置に関する。

生体認証技術において、生体の撮影に用いられるレンズの歪みによる影響を小さくする側面から、次のような技術が提案されている（例えば、特許文献１参照）。例えば、画像の輝度分布の値に対して、画像の中心に近づくほど値の大きくなる重み係数を乗算し、輝度分布の最大値の位置を含む生体画像を画像中心に最も近い生体の認証用画像として抽出する。

特開２０１７－９１１８６号公報

しかしながら、上記の技術では、画像の中心から離れた画像の隅周辺に生体が位置する場合、依然として、レンズの歪みが大きい生体画像が認証に用いられるので、認証精度が低下するという側面がある。

また、レンズ歪みによる影響を低減する“レンズ歪補正”が用いられる場合がある。しかし、レンズ歪補正を適用した場合でも補正誤差は残る。この補正誤差は撮影画像での位置に応じて大きさが決まるが、従来の認証処理では補正誤差を考慮に入れていないため、認証精度が低下する課題があった。

１つの側面では、本発明は、認証精度の精度を向上できる認証方法、認証プログラム及び認証装置を提供することを目的とする。

一態様の認証方法では、生体の撮影画像を取得すると、前記撮影画像から前記生体に応じた領域に含まれる生体画像を抽出し、抽出した前記生体画像と、前記生体画像の前記撮影画像での位置とに基づき、前記生体の認証を行う、処理をコンピュータが実行する。

認証精度の精度を向上できる。

図１は、実施例１に係る認証装置の機能的構成の一例を示すブロック図である。 図２Ａは、半径方向歪における歪無しの一例を示す図である。 図２Ｂは、半径方向歪における歪有りの一例を示す図である。 図３Ａは、円径方向歪における歪無しの一例を示す図である。 図３Ｂは、円径方向歪における歪有りの一例を示す図である。 図４は、レンズ歪補正誤差の一例を示す図である。 図５は、生体認証における正規化処理の概要を示す図である。 図６は、認証処理の概要を示す図である。 図７は、レンズ歪補正誤差パラメータの算出の概要を示す図である。 図８は、テンプレートの一例を示す図である。 図９は、実施例１に係る生体認証処理の手順を示すフローチャートである。 図１０は、図９の抽出処理の詳細な手順を示すフローチャートである。 図１１は、認証処理の概要を示す図である。 図１２は、実施例２に係る認証システムの機能的構成の一例を示すブロックである。 図１３は、テンプレートの一例を示す図である。 図１４は、レンズ歪補正誤差パラメータ表の一例を示す図である。 図１５は、実施例１及び実施例２に係る認証プログラムを実行するコンピュータのハードウェア構成例を示す図である。

以下に添付図面を参照して本願に係る認証方法、認証プログラム及び認証装置について説明する。なお、この実施例は開示の技術を限定するものではない。そして、各実施例は、処理内容を矛盾させない範囲で適宜組み合わせることが可能である。

［システム構成］
図１は、実施例１に係る認証装置の機能的構成の一例を示すブロック図である。図１に示す認証装置１は、生体を撮像した撮影画像を用いて生体認証を行うものである。以下においては、生体認証の一例として手のひらの静脈を用いた静脈認証について説明するが、これに限定されることなく、例えば身体的特徴を用いた生体情報の認証であっても適用することができる。ここで、身体的特徴とは、手の拳形、血管、指の指紋及び目の虹彩や網膜等である。

図１に示すように、認証装置１は、センサ部１０と、コントロール部２０と、を備える。なお、センサ部１０及びコントロール部２０は、ネットワークを介して接続されてもよい。このネットワークは、有線又は無線を問わず、インターネットやＬＡＮ（Local Area Network）等の任意の種類の通信網であってかまわない。

［センサ部の構成］
まず、センサ部１０の構成について説明する。センサ部１０は、生体に光を照射し、生体で反射した光を撮像することによって生体の撮影画像を生成する。センサ部１０は、照明部１１と、レンズ１２と、撮像素子１３と、記憶部１４と、通信Ｉ／Ｆ部１５と、センサ管理部１６と、を備える。

照明部１１は、センサ管理部１６の制御のもと、生体に向けて光を照射する。照明部１１は、ＬＥＤ（Light Emitting Diode）ランプやキセノンランプ等を用いて実現される。

レンズ１２は、生体で反射した光を集光することによって撮像素子１３の受光面に生体の被写体像を結像する。レンズ１２は、１又は複数の単体レンズを用いて実現される。レンズ１２は、単体レンズの構成や組み合わせによって、撮影画像にレンズ由来の歪み（歪曲収差）を生じさせる（以下、「レンズ歪」と呼ぶ）。レンズ歪は、複雑な非線形の特性を有する。レンズ歪は、レンズ１２の設計、例えば単体レンズの構成枚数及び素材等によって歪みの大きさや影響範囲等が決まる。レンズ歪は、レンズ１２を組み上げる際の誤差（製造誤差や組立誤差）も影響するうえ、個体毎に異なる。なお、レンズ１２に、シャッタ及び絞り等を設けてもよいし、レンズ１２を光軸に沿って移動させることによって画角及び焦点を変更可能なズーム機構及びフォーカス機構の少なくとも一方を設けてもよい。

撮像素子１３は、センサ管理部１６の制御のもと、レンズ１２が受光面に結像した被写体像を受光して光電変換を行うことによって生体を撮像した撮影画像（画像データ）を生成する。撮像素子１３は、ＣＣＤやＣＭＯＳ等のイメージセンサと、Ａ／Ｄ変換回路やＡＦＥ回路を含む画像処理チップと、を用いて実現される。

記憶部１４は、センサ管理部１６で実行されるＯＳ（Operating System）を始め、センサ管理部１６で実行される撮像プログラムや認証プログラムに用いられるデータを記憶する。記憶部１４は、各種の半導体メモリ素子を用いて実現され、例えばＲＡＭ（Random Access Memory）やフラッシュメモリを採用できる。また、記憶部１４には、レンズ１２のレンズ歪を補正するためのテンプレート１４１が記憶（保存）されている。テンプレート１４１には、レンズ１２のレンズ歪を補正するためのレンズ歪補正情報１４１ａが含まれる。さらに、テンプレート１４１には、レンズ歪補正情報１４１ａ（レンズ歪補正パラメータ）を用いたレンズ歪補正実行後に残る誤差（以下、「レンズ歪補正誤差」と呼ぶ）を補正するためのレンズ歪補正誤差情報１４１ｂが含まれる。レンズ歪補正情報１４１ａ及びレンズ歪補正誤差情報１４１ｂの詳細については、後述する。

通信Ｉ／Ｆ部１５は、コントロール部２０との間で通信制御を行うインタフェースの一例に対応する。一実施形態として、通信Ｉ／Ｆ部１５は、ＬＡＮカードなどのネットワークインタフェースカード等が採用できる。例えば、通信Ｉ／Ｆ部１５は、コントロール部２０から撮影指示信号を受け付けたり、撮像素子１３が生成した撮影画像、レンズ歪補正情報１４１ａ及びレンズ歪補正誤差情報１４１ｂを出力したりする。

センサ管理部１６は、センサ部１０の各部を制御する。一実施形態として、センサ管理部１６は、ＣＰＵ（Central Processing Unit）やＭＰＵ（Micro Processing Unit）等のハードウェアプロセッサにより実装することができる。ここでは、プロセッサの一例として、ＣＰＵやＭＰＵを例示したが、汎用型及び特化型を問わず、任意のプロセッサ、例えばＧＰＵ（Graphics Processing Unit）やＤＳＰ（Digital Signal Processor）の他、ＤＬＵ（Deep Learning Unit）やＧＰＧＰＵ（General-Purpose computing on Graphics Processing Units）により実装することができる。この他、センサ管理部１６は、ＡＳＩＣ（Application Specific Integrated Circuit）やＦＰＧＡ（Field Programmable Gate Array）等のハードワイヤードロジックによって実現されることとしてもかまわない。

［コントロール部の構成］
次に、コントロール部２０について説明する。コントロール部２０は、センサ部１０から取得した撮影画像から生体に応じた領域に含まれる生体画像を抽出し、この抽出した生体画像と、生体画像の撮影画像での位置と、に基づいて、生体の認証を行う。コントロール部２０は、通信Ｉ／Ｆ部２１と、記憶部２２と、データベース部２３と、全体管理部２４と、抽出部２５と、正規化処理部２６と、特徴抽出部２７と、算出部２８と、認証部２９（照合部）と、を備える。

通信Ｉ／Ｆ部２１は、センサ部１０との間で通信制御を行うインタフェースの一例に対応する。一実施形態として、通信Ｉ／Ｆ部２１は、ＬＡＮカードなどのネットワークインタフェースカード等が採用できる。例えば、通信Ｉ／Ｆ部２１は、全体管理部２４の制御のもと、センサ部１０から撮像素子１３が生成した撮影画像、レンズ歪補正情報１４１ａ及びレンズ歪補正誤差情報１４１ｂを受け付ける。また、通信Ｉ／Ｆ部２１は、全体管理部２４の制御のもと、センサ部１０へ撮影を指示する撮影指示信号を出力する。

全体管理部２４は、認証装置１の全体制御を行う。一実施形態として、全体管理部２４は、ＣＰＵ（Central Processing Unit）やＭＰＵ（Micro Processing Unit）等のハードウェアプロセッサにより実装することができる。ここでは、プロセッサの一例として、ＣＰＵやＭＰＵを例示したが、汎用型及び特化型を問わず、任意のプロセッサ、例えばＧＰＵ（Graphics Processing Unit）やＤＳＰ（Digital Signal Processor）の他、ＤＬＵ（Deep Learning Unit）やＧＰＧＰＵ（General-Purpose computing on Graphics Processing Units）により実装することができる。この他、センサ管理部１６は、ＡＳＩＣ（Application Specific Integrated Circuit）やＦＰＧＡ（Field Programmable Gate Array）などのハードワイヤードロジックによって実現されることとしてもかまわない。

データベース部２３は、認証部２９が生体画像と、予め登録されたユーザの生体画像を登録した登録テンプレート及びセンサ部１０を識別するＩＤ情報等を記憶する。一実施形態として、データベース部２３は、認証装置１における補助記憶装置として実装することができる。例えば、データベース部２３には、ＨＤＤ（Hard Disk Drive）やＳＳＤ（Solid State Drive）等を採用できる。

記憶部２２は、認証装置１で実行されるＯＳ（Operating System）を始め、認証プログラム、例えばアプリケーションプログラムやミドルウェアなどの各種プログラムに用いられるデータを記憶する。一実施形態として、記憶部２２は、認証装置１における主記憶装置して実装することができる。例えば、記憶部２２は、各種の半導体メモリ素子を用いて実現され、例えばＲＡＭやフラッシュメモリを採用できる。

抽出部２５は、センサ部１０が撮影した撮影画像から生体画像を抽出し、抽出した生体画像に対して、後述するレンズ歪を補正するレンズ歪補正処理を行う。

正規化処理部２６は、生体画像に対して正規化処理を行う。具体的には、正規化処理部２６は、生体画像に対して姿勢変動を補正する正規化処理を行う。正規化処理では、生体画像に含まれる入力生体の回転及び位置ズレ等による変動を補正する。

特徴抽出部２７は、正規化処理が行われた生体画像に対して特徴量を抽出する特徴抽出処理を実行する。なお、特徴量抽出処理の詳細は、後述する。

算出部２８は、レンズ１２の光学中心座標と、正規化処理部２６が生体画像に対して正規化処理を行った際の正規化パラメータと、に基づいて、生体画像の所定の座標に対応するレンズ歪補正後の補正後画像の座標を算出する。さらに、算出部２８は、補正後画像の座標と、レンズ１２の光学中心座標と、に基づいて、補正後画像の座標におけるレンズ歪補正誤差を算出する。算出部２８は、レンズ歪補正誤差を記憶部２２に認証部２９が認証を行う際に用いるテンプレートとして記憶（保存）する。なお、算出部２８が算出するレンズ歪補正誤差の詳細は、後述する。

認証部２９は、記憶部２２に記憶された特徴データと登録データとを照合する認証処理（照合処理）を行う。なお、認証部２９が行う認証処理の詳細は、後述する。

このように構成された認証装置１は、センサ部１０が生体の撮影画像を撮像する。そして、認証装置１は、コントロール部２０がセンサ部１０から取得した撮影画像から生体に応じた領域に含まれる生体画像を抽出し、この生体画像と、この生体画像の撮影画像での位置と、に基づき、生体の認証を行う。

［レンズ歪補正処理及び生体認証処理について］
次に、レンズ歪補正処理及び生体認証処理について説明する。まず、レンズ歪補正処理の概要について説明後、生体認証処理の概要について説明する。なお、以下においては、従来の生体認証処理に用いるセンサ、レンズ及び撮像素子を単に「センサ」、「レンズ」及び「撮像素子」として表記して説明する。

［レンズ歪について］
まず、レンズ歪補正処理におけるレンズ歪の詳細について説明する。従来の生体認証処理は、一般にレンズを通して撮影した撮影画像を用いる。この撮影画像には、レンズによってレンズ歪が生じる。一般にレンズは、複数の単体レンズを組み合わせて１つのレンズ（例えばレンズユニット）を構成することが多い。その結果、レンズ歪は、複雑な非線形の特性を持つ。レンズ歪は、レンズの設計、例えば構成枚数や素材等によって大きさ及び影響範囲等が決まる。さらに、レンズ歪は、レンズを組み上げる際の誤差もレンズ歪に影響するため、レンズ個体毎に異なる。

［レンズ歪補正処理について］
次に、レンズ歪補正処理の詳細について説明する。従来では、レンズ歪が大きい場合、レンズ歪を多項式によって近似して補正する「レンズ歪補正」が適用される。例えば、非常に高精度が求められる生体認証処理では、レンズ歪による照合特徴の変形を無視することができない。このため、従来の生体認証処理では、レンズ歪補正を適用することによって、高精度な認証処理を実現している。レンズ歪補正処理は、以下のように行われる。

まず、レンズ歪補正処理では、レンズ及び撮像素子を用いて既知の校正用パターンを撮影する。そして、レンズ歪補正処理では、撮影した撮影画像と、校正用パターンと、に基づいて、レンズ歪で変形したパターンを元に戻すための補正パラメータ（以下、「レンズ歪補正パラメータ」と呼ぶ）を算出する。

続いて、レンズ歪補正処理では、上記のレンズ歪補正パラメータを用いて、レンズによって歪んだ撮影画像を補正する。このため、レンズ歪補正パラメータを算出するタイミングは、生体認証処理に用いるセンサを工場から出荷する際のセンサキャリブレーション処理のタイミングで行う。このセンサキャリブレーション処理によって算出されたレンズ歪補正パラメータは、センサのメモリ（フラッシュメモリ等）にレンズ歪補正情報１４１ａとして記憶（保存）しておき、レンズ歪補正処理を行う際に用いられる。そして、生体認証処理の際には、抽出部２５が撮影画像から生体に応じた領域を抽出した生体画像にレンズ歪を補正した後に、後述する特徴抽出処理等を行うことで、高精度な生体認証処理を実現する。

［レンズ歪補正処理の詳細］
次に、レンズ歪補正処理の詳細を説明する。まず、レンズ歪補正処理では、一般にレンズ歪を多項式によって近似する。レンズ歪は、大別すると（１）半径方向歪、及び（２）円周方向歪の２種類に分けることができる（図２Ａ、図２Ｂ、図３Ａ及び図３Ｂを参照）。図２Ａは、半径方向歪における歪無しの状態を模式的に示す図である。図２Ｂは、半径方向歪における歪有りの状態を模式的に示す図である。図３Ａは、円周方向歪における歪無しの状態を模式的に示す図である。図３Ｂは、円周方向歪における歪有りの状態を模式的に示す図である。

（１）半径方向歪は、図２Ａの画像Ｐ１及び図２Ｂの画像Ｐ２に示すように、歪みの量がレンズの光学中心Ｏ１からの距離rにのみ依存するタイプである。一方、（２）円周方向歪は、図３Ａの画像Ｐ３及び図３Ｂの画像Ｐ４に示すように、歪みの量がレンズの光学中心Ｏ１からの距離rだけでなく、方向によっても歪の大きさが変化するものである。

さらに、レンズ歪には、（１）半径方向歪及び（２）円周方向歪を組み合わせた複合タイプの歪も存在する。しかしながら、レンズ歪は、多くが（１）半径方向歪で補正できる。図２Ａの画像Ｐ１、図２Ｂの画像Ｐ２、図３Ａの画像Ｐ３及び図３Ｂの画像Ｐ４に示すように、レンズ歪は、タイプによって近似に使用する多項式が異なる。

ここで、レンズ歪の多項式近似式について説明する。まず、座標(x,y)は、歪がない場合（図２Ａを参照）の画像Ｐ１上の座標を表す。座標(x,y)は、光学中心座標を中心とした座標系で定義される。ここで、光学中心Ｏ１は、レンズの光軸が通る撮像素子上の位置である。光学中心座標は、レンズ設計上、画像Ｐ１の中心Ｏ１となるのが一般であるが、製造誤差の影響により、必ずしも画像Ｐ１の中心Ｏ１とは限らない。

一方、座標(x_d,y_d)は、レンズ歪の影響で座標(x,y)が移動する先の点（座標）を表す。つまり、レンズ歪によって座標(x,y)から座標(x_d,y_d)という変形が与えられるものとしている。下式（１）～式（６）は、その対応関係を座標(x,y)の多項式で近似したものである。なお、式（１）～（３）は、半径方向歪の多項式を示し、式（４）～式（６）は、円周方向歪の多項式を示す。

ここで、k₁,k₂、あるいは、p₁,p₂は、レンズ歪を表す定数である（以下、「歪補正パラメータ」と呼ぶ）。レンズ歪補正を適用するには、レンズ固有の補正パラメータ(k₁,k₂,p₁,p₂)を事前に求める必要がある。

［レンズ歪キャリブレーション処理の詳細］
次に、レンズ歪キャリブレーション処理の詳細について説明する。レンズ歪補正処理を行うためには、レンズ固有のレンズ歪補正パラメータ（k₁,k₂,p₁,p）を工場出荷時に算出する必要がある（レンズ歪キャリブレーション処理）。

レンズ歪キャリブレーション処理は、事前に決めたパターンを撮影した撮影画像等を用いて、歪みがない座標(x,y)と、変形が与えられた座標(x_d,y_d)と、の対応関係を求める。この対応関係は、歪補正パラメータを最小２乗近似等で求め、センサ（センサ部１０）のフラッシュメモリ等のメモリ（記憶部１４）に記憶（保存）する。生体認証処理時には、この歪補正パラメータを用いて撮影画像を補正し、特徴抽出処理等に利用する。

［レンズ歪補正誤差について］
ここで、レンズ歪の補正は、あくまでもレンズ歪を多項式で近似したものである。実際には、レンズは、上記したように複数の単体レンズを組み合わせたものであるため、レンズ歪が複雑な非線形形状となる。このため、上記式（１）～式（６）によってレンズ歪が全て除去される訳ではなく、誤差が残る（以下、「レンズ歪補正誤差」と呼ぶ）。認証装置１は、レンズ１２を高精度な生体認証処理に適用するため、レンズ歪補正誤差の影響を無視することができない。即ち、実施例１では、レンズ歪補正誤差の影響を低減する。

ここで、レンズ歪の大きさ、及びレンズ歪補正誤差の大きさは、独立である点に注意する。例えば、レンズ歪の補正では、レンズ歪自体が非常に大きい場合であっても、レンズ歪補処理による近似がうまく当てはまる場合、レンズ歪補正誤差が小さくなる。

これに対して、レンズ歪の補正では、レンズ歪自体が小さくとも、レンズ歪補正式による近似がうまく当てはまらない場合、レンズ歪補正誤差が大きくなる。

さらに、レンズ歪補正処理を適用した場合によっては、誤差が大きくなる領域も存在し得る。この理由は、以下である。

図４は、レンズ歪補正誤差の一例を示す図である。まず、レンズ歪補正処理では、レンズ歪補正パラメータを算出する場合、撮影画像Ｐ１０の画面全体で誤差が最小となるようにパラメータを最小二乗法等で求める。このため、レンズ歪補正処理では、特定の領域に着目した場合、補正誤差が大きくなる場合もあり得る。例えば、図４に示すように、撮影画像Ｐ１０の中央部は、一般にレンズ歪自体は小さいが、レンズ歪補正誤差が大きくなることがある。これは、近似計算に用いる撮影画像Ｐ１０のピクセル数の影響によるものである。撮影画像Ｐ１０の中心Ｏ１（厳密には光学中心）から一定の距離ｒに位置するピクセルの数は、距離ｒが大きい撮影画像Ｐ１０の周辺部の方が多くなる。即ち、レンズ歪補正処理では、最小２乗計算時に撮影画像Ｐ１０のピクセル数が多い周辺部が補正誤差の影響を強く受ける。その結果、レンズ歪補正処理では、撮影画像Ｐ１０の中心部の歪補正誤差が大きくなることがある。

［生体認証処理について］
次に、生体認証処理について説明する。以下においては、手のひらの静脈認証処理を例について説明する。なお、実施例１では、手のひらの静脈について説明するが、これに限定されるものでない。

生体認証処理では、撮影画像（例えば、手のひらの静脈を撮像した静脈画像）を取得し、この取得した撮影画像から特徴データ（特徴量）を抽出する（特徴抽出処理）。そして、生体認証処理では、撮影画像から抽出した特徴データを照合に用いる。この場合、生体認証処理では、事前にユーザ毎の特徴データを登録データとして記憶しおいて生体認証処理に利用する。具体的には、生体認証処理では、認証する場合、撮影画像から特徴データ（認証データ）を抽出し、抽出した特徴データと登録データとを比較して認証スコア（照合スコア）を算出する。この認証スコアは、登録データと特徴データ（認証データ）とがどの程度似ているかを表す値である。生体認証処理では、認証スコアが所定の閾値を超えた場合、データベースに登録された本人であると判定する。ここで、閾値としては、セキュリティレベルに応じて値を適宜変更することができる。

なお、生体認証処理では、撮影画像から特徴データを抽出する前（特徴抽出処理の前）に、正規化処理を行う。ここで、正規化処理とは、撮影画像に写る手のひら等の生体の特徴の姿勢変動を補正し、所定の形状に補正する処理である。例えば、正規化処理は、撮影画像に写る手のひら等の生体の回転及び位置の少なくとも一方を補正し、所定の形状に補正する。この生体認証処理によれば、手のひら等の生体の姿勢変動に対して、ロバストな認証を実現することができる。なお、正規化処理の詳細については後述する。

また、生体認証処理では、生体認証に用いられる特徴には様々なものがあるが、以下においては、一例として局所特徴量を説明する。

局所特徴量は、静脈の分岐点等の領域の局所的な特徴を表すものであり、ＬＰＱ（Local Phase Quantization）、ＬＢＰ（Local Binary Pattern）等の様々な方式が知られている。実施例１に係る生体認証処理では、局所特徴量の座標(x,y)と、特徴量（一般にはベクトル）Ｖと、をペア（対）として特徴量を構成する。

局所特徴量を用いるメリットは、変形に強いことが挙げられる。例えば、生体認証処理において手のひら全体から特徴量を抽出した場合には、生体認証処理時の手のひらの変形によって特徴量が強く変化する。これに対して、生体認証処理において局所的な特徴量を用いた場合には、変形の影響が座標（x,y）に限定され、特徴量Ｖ自体への影響が小さい。このため、生体認証処理に局所特徴量を用いた場合には、姿勢変動に対してロバストな認証を行う事ができる。

通常では、生体認証処理を行う場合、位置合わせ処理を行うことが一般的である。位置合わせ処理は、登録データと認証データとの位置（平行移動、回転及び拡大縮小等）を探索処理等によって合わせるものである。生体認証処理では、正規化処理によって大よその位置を合わせることができるが、完全に合わせることは難しい。このため、生体認証処理では、登録データと特徴データとの照合時に、位置合わせ処理による位置合わせを行うことによって認証を行う。これにより、生体認証処理では、高精度な認証処理を行うことができる。

［正規化処理について］
次に、上記した正規化処理の詳細について説明する。図５は、生体認証における正規化処理の概要を示す図である。なお、図５では、説明のために極端に描写している。

図５に示すように、一般的に生体認証処理では、特徴量抽出処理の前に、撮影画像Ｐ１０から生体に応じた領域を抽出した生体画像Ｐ２０，Ｐ２１に対して姿勢変動を補正する正規化処理を行う。正規化処理では、生体画像Ｐ２０，Ｐ２１に含まれる入力生体の回転及び位置ズレ等による変動を補正する。生体認証処理では、特徴抽出処理の前に、生体画像Ｐ２０，Ｐ２１に対して正規化処理を行うことで、入力生体の姿勢変動に対して、ロバストな認証を実現することができる。

一方、生体認証処理では、正規化処理を行うことによって、特徴抽出処理に用いる生体画像Ｐ２０，Ｐ２１が撮影画像Ｐ１０内のどの位置で撮影されたかの情報が失われてしまう（図５を参照）。つまり、生体認証処理では、特徴抽出処理に用いる生体画像Ｐ２０，Ｐ２１の位置が撮影画像Ｐ１０の端の方で撮影されたものなのか、中央近辺で撮影されたものなのかが正規化処理によって失われる。

さらに、生体認証処理では、同じ手のひらであっても、撮影画像Ｐ１０内においてレンズ歪補正誤差の大きい領域Ｒ１、小さい領域Ｒ２が存在するが、正規化処理の結果、撮影画像Ｐ１０における生体画像Ｐ２０，Ｐ２１の位置に関する位置情報も失われてしまう。この結果、従来の生体認証処理では、正規化処理を行った場合、レンズ歪補正誤差情報を活用することができない。

［生体認証センサについて］
ここで、生体認証処理の一例として、手のひら静脈センサのレンズ歪について説明する。手のひら静脈認証では、近接撮影（手のひらをセンサ近くにかざして認証する）を実現する結果として、レンズ歪が大きくなる傾向がある。このため、高精度な生体認証の実現には、レンズ歪補正処理が必要である。また、生体認証で用いるセンサは、種別が異なる場合、レンズ歪特性も異なるのが通常である。さらに、生体認証で用いるセンサは、同一種別であっても、レンズメーカーが異なる場合、レンズ歪特性が異なる。

［課題の一側面］
上記の背景技術の欄でも説明した通り、既存の生体認証処理では、レンズ歪補正処理を適用することでレンズ歪みの多くを除去できるが、レンズ歪補正誤差が残る場合がある。レンズ歪補正誤差は、どの程度残るかがレンズの特性に依存する。具体的には、レンズ歪補正誤差は、生体認証で用いるレンズが持つ歪の特性、及び歪補正式の近似度合によって決まる。

既存の生体認証処理では、レンズ歪補正画像に歪補正誤差が乗っている場合、該当する領域から抽出した認証特徴も歪むことになる。その結果、既存の生体認証処理では、認証精度が低下する課題がある。特に、非常に高い精度を求められる生体認証装置では、歪補正誤差の影響を無視することができない。

このように、高精度な生体認証処理を実現するためには、レンズ歪補正誤差を適切に対処する必要がある。特に、生体認証処理の場合には、生体画像（入力画像）に対して正規化処理を適用し、正規化処理した生体画像に対して特徴抽出処理を適用する。このため、生体画像（特徴抽出画像）には、元の撮影画像（入力画像）のどの領域から取られたデータなのかという位置情報が重要となる。しかしながら、既存の生体認証処理では、生体画像に対して正規化処理を行うことによって、特徴抽出処理に用いる生体画像の位置に関する位置情報が失われてしまう。その結果、従来の生体認証処理では、レンズ歪補正誤差を適切に処理することができなかった。

［課題解決のアプローチの一側面］
実施例１では、レンズ歪補正誤差の大きさを認証処理に反映させることによって、生体認証処理の認証精度を改善する。具体的には、実施例１では、以下のように、領域毎のレンズ歪補正誤差の値を認証処理の「重み」として反映させることで、生体認証処理の認証制度を改善する。

図６は、認証処理の概要を示す図である。図６に示すように、レンズ歪補正誤差が小さい領域Ｒ１０は、認証処理の重みを上げる。これに対して、レンズ歪補正誤差が大きい領域Ｒ１１は、認証処理の重みを下げる。

［レンズ歪補正誤差情報］
次に、レンズ歪補正差情報について説明する。実施例１に係る認証装置１は、レンズ歪補正誤差を認証処理に反映させるため、記憶部１４がテンプレート１４１を記憶（保持）する。

まず、従来の生体認証処理では、上記した通り、正規化処理を行った場合、特徴抽出処理に用いる生体画像が撮影画像内（歪補正画像内）での位置情報が失われてしまう。また、従来の生体認証処理では、レンズ歪補正誤差を認証処理に反映させるため、レンズ固有のレンズ歪補正誤差に関する情報（レンズ歪補正誤差情報１４１ｂ）が必要である。このため、実施例１に係る認証装置１では、下記（ａ）及び（ｂ）の情報（レンズ歪補正誤差情報１４１ｂ）を用いて認証処理にレンズ歪補正誤差を反映させる。
（ａ）光学中心座標及び正規化パラメータ（テンプレート固有の情報）
（ｂ）レンズ歪補正誤差パラメータ（レンズ固有の情報）
以下においては、（ａ）及び（ｂ）の詳細について説明する。

［光学中心座標及び正規化パラメータ（テンプレート固有の情報）］
まず、（ａ）光学中心座標及び正規化パラメータについて説明する。
レンズ歪の大きさは、光学中心座標を中心とする座標系を使った近似式で表現することができる。従って、レンズ歪補正誤差は、光学中心座標を中心とする座標系によって算出することができる。このため、レンズ歪補正誤差を算出するには、光学中心座標及び正規化パラメータ（拡大縮小率）が必要となる。

まず、光学中心座標について説明する。
光学中心座標は、レンズ歪補正処理前の撮影画像における光学中心座標を記憶部１４のテンプレート１４１のレンズ歪補正誤差情報１４１ｂとして記憶（保存）する。光学中心座標は、一般にレンズ歪補正パラメータを算出する際に計算される。

次に、正規化パラメータについて説明する。
正規化パラメータは、正規化処理として、拡大縮小α、回転角θ、平行移動(ｅ_x，ｅ_y)を適用した場合、座標変換式（７）が以下となる。

ここで、正規化処理後の座標は、座標(ｘ_n,ｙ_n)であり、正規化処理前（レンズ歪補正処理後）の座標は、座標(ｘ,ｙ)である。

特徴抽出処理は、正規化処理の生体画像（特徴抽出画像）毎に実行する。この場合、座標(ｘ_n,ｙ_n)に対応するレンズ歪補正画像の座標(ｘ,ｙ)は、上記の式（７）を逆変更することによって算出することができる。

従って、認証装置１では、正規化パラメータ（α、θ、(ｅ_x，ｅ_y)）を記憶部１４のテンプレート１４１のレンズ歪補正誤差情報１４１ｂとして記憶（保存）することで、生体画像（正規化処理後の特徴抽出画像）に対して、レンズ歪補正画像の座標(ｘ,ｙ)を算出することができる。ここで、正規化パラメータは、テンプレート１４１毎に固有の値を持つものである。

［レンズ歪補正誤差パラメータ（レンズ固有の情報）］
次に、レンズ歪補正誤差パラメータについて説明する。図７は、レンズ歪補正誤差パラメータの算出の概要を示す。図７では、横軸が光学中心からの距離ｒを示し、縦軸がレンズ歪補正誤差Δを示す。また、曲線Ｌ１は、レンズ歪補正誤差パラメータの特性を示す。

実施例１に係る認証装置１では、レンズ歪補正誤差を表すパラメータを事前に算出し、この算出結果を認証処理に利用する。例えば、レンズ歪補正誤差は、光学中心からの距離ｒに依存する場合（例えば円周方向歪を持つレンズ）、レンズ歪補正誤差Δを式（８）のように光学中心からの距離ｒの関数として算出する（距離ｒの２次まで取った場合）。

ここで、ｑ₀、ｑ₁及びｑ₂は、レンズ歪補正誤差パラメータである。具体的には、レンズ歪補正誤差パラメータは、所定の校正用パラメータを撮影し、光学中心からの距離ｒと歪補正誤差との対応関係を最小二乗法によって算出する。

レンズ歪補正誤差パラメータは、管理対象毎に事前に算出してテンプレート１４１に記憶（保存）する。例えば、認証装置１は、レンズ歪補正誤差パラメータをレンズの種類毎にレンズ歪補正誤差を管理する場合（例えばＡ社のレンズ、Ｂ社のレンズ、・・・）、レンズの種類毎にレンズ歪補正誤差を算出して記憶部１４のテンプレート１４１に記憶する。また、認証装置１は、レンズ歪補正誤差パラメータをセンサの個体毎に管理する場合、センサキャリブレーション処理時にセンサ個体毎のレンズ歪補正誤差を算出してセンサ部１０の記憶部１４のテンプレート１４１に記憶（保存）する。

このように認証装置１は、レンズ歪補正処理後であっても、残るレンズ歪補正誤差を認証処理に反映させることによって、高精度な生体認証を実現することができる。

また、認証装置１は、光学中心座標、正規化情報をテンプレート１４１として記憶部１４に記憶することによって、正規化処理を適用する一般的な生体認証においても、レンズ歪補正誤差を認証処理に正しく反映させることができる。

[テンプレートの構成]
次に、記憶部２２が記憶するテンプレートの構成について説明する。図８は、テンプレートの構成の一例を示す図である。図８に示すテンプレートＴ１には、特徴データＴ１１と、レンズ歪補正情報Ｔ１２と、レンズ歪補正誤差情報Ｔ１３と、が含まれる。

特徴データＴ１１は、生体認証処理で用いる認証用データ（照合用データ）である。実施例１では、特徴量として局所特徴量を用いる。局所特徴量は、手のひらの分岐点等の近傍領域から算出した特徴量である。生体認証処理では、局所特徴量を用いることによって、手のひらの変形に対してロバストな認証を実現することができる。特徴データとしては、特徴を抽出した座標(ｘ,ｙ)と、局所特徴量のベクトルＶと、のペア（対）を複数記憶する。認証装置１は、認証処理にレンズ歪補正誤差情報を反映させるため、必要な情報をテンプレートＴ１として記憶部２２に記憶（保存）する。

レンズ歪補正情報Ｔ１２は、レンズ歪補正パラメータを含む。レンズ歪補正パラメータは、上記したレンズ及び撮像素子を用いて既知の校正用パターンを撮影し、撮影した撮影画像と、校正用パターンと、に基づいて、レンズ歪で変形したパターンを元に戻すためのパラメータである。

レンズ歪補正誤差情報Ｔ１３は、光学中心座標、正規化パラメータ及びレンズ歪補正誤差パラメータを含む。これにより、認証装置１は、光学中心座標、正規化パラメータ及びレンズ歪補正誤差パラメータを用いて、正規化処理後の特徴抽出画像の座標(ｘ_n，ｙ_n)に対応するレンズ歪補正誤差を算出することができる。

[算出部が算出するレンズ歪補正誤差]
算出部２８は、認証処理に用いる生体画像（特徴抽出画像）の各点に対応するレンズ歪補正誤差を算出する。具体的には、算出部２８は、生体画像（特徴抽出画像）の座標(ｘ_n，ｙ_n)に対応するレンズ歪補正画像の座標(ｘ，ｙ)を算出する。ここで、生体画像（特徴抽出画像）の座標(ｘ_n，ｙ_n)は、正規化処理を適用した座標である。このため、算出部２８は、テンプレートＴ１に含まれる正規化パラメータを用いて逆変換を適用することによって、正規化処理前のレンズ歪補正画像の座標(ｘ，ｙ)を算出する。

なお、変換処理は、上記した正規化処理部２６が行う。算出部２８は、正規化処理部２６が逆変換処理を行ったレンズ歪補正画像の座標(ｘ，ｙ)と、レンズ歪補正誤差情報Ｔ１３に記憶（保存）された光学中心座標と、を用いて、生体画像（特徴抽出画像）の座標(ｘ_n，ｙ_n)に対応する点におけるレンズ歪補正誤差Δを、レンズ歪補正誤差パラメータを用いて算出する（上記した式（８）を参照）。

[処理の流れ]
図９は、実施例１に係る認証装置１が実行する認証処理の手順を示すフローチャートである。この認証処理は、あくまで一例として、上記の認証装置１が生体の認証要求を受け付けた場合に開始される。

図９に示すように、センサ部１０は、生体を撮像することによって撮影画像（特徴画像）を取得し（ステップＳ１０１）、コントロール部２０は、撮影画像から生体に応じた領域に含まれる生体画像を抽出する抽出処理を実行する（ステップＳ１０２）。この場合、コントロール部２０は、センサ部１０から撮影画像と、センサ部１０から、レンズ歪補正情報およびレンズ歪補正誤差情報を取得する。その後、認証装置１は、後述するステップＳ１０３へ移行する。

図１０は、抽出処理の詳細な手順を示すフローチャートである。図１０に示すように、まず、抽出部２５は、撮影画像から生体に応じた領域に含まれる生体画像を抽出し（ステップＳ２０１）、生体画像（特徴抽出画像）に対して、レンズ歪補正処理を実行する（ステップＳ２０２）。

続いて、正規化処理部２６は、生体画像（特徴抽出画像）に対して正規化処理を行う（ステップＳ２０３）。具体的には、正規化処理部２６は、生体画像（特徴抽出画像）に含まれる入力生体の回転及び位置ズレ等による変動を補正する正規化処理を行う。

その後、特徴抽出部２７は、正規化処理部２６が正規化処理を行った生体画像（特徴抽出画像）に対して特徴抽出処理を行う（ステップＳ２０４）。具体的には、特徴抽出部２７は、生体画像（特徴抽出画像）に対して、特徴データを抽出する。

続いて、算出部２８は、特徴抽出部２７が抽出した特徴データと、レンズ歪補正誤差パラメータと、を算出して記憶部２２のテンプレートＴ１として記憶する（ステップＳ２０５）。具体的には、算出部２８は、認証部２９が認証処理に用いる生体画像（特徴抽出画像）の各点に対応するレンズ歪補正誤差を算出する。例えば、算出部２８は、生体画像（特徴抽出画像）の座標(ｘ_n，ｙ_n)に対応するレンズ歪補正画像の座標(ｘ，ｙ)を算出する。ここで、生体画像（特徴抽出画像）の座標(ｘ_n，ｙ_n)は、正規化処理を適用した座標である。このため、算出部２８は、テンプレート１４１に含まれる正規化パラメータを用いて逆変換を適用することによって、正規化処理前のレンズ歪補正画像の座標(ｘ，ｙ)を算出する。なお、変換処理は、上記した正規化処理部２６が行う。算出部２８は、正規化処理部２６が逆変換処理を行ったレンズ歪補正画像の座標(ｘ，ｙ)と、テンプレート１４１のレンズ歪補正誤差データに記憶された光学中心座標と、を用いて、生体画像（特徴抽出画像）の座標(ｘ_n，ｙ_n)に対応する点におけるレンズ歪補正誤差Δを、レンズ歪補正誤差パラメータを用いて算出する（上記した式（８）を参照）。レンズ歪補正誤差Δは、上記した図７に示すように、光学中心からの距離ｒの関数によって求められることを仮定している（円周方向歪）。実施例１では、光学中心からの距離ｒの関数としてレンズ歪補正誤差を表現すると、少ないパラメータでレンズ歪補正誤差を表現することができる。この結果、実施例１によれば、データ量の削減及び処理の高速化を得ることができる。ステップＳ２０５の後、認証装置１は、図９のメインルーチンへ戻る。

図９に戻り、ステップＳ１０３以降の説明について説明する。
ステップＳ１０３において、認証部２９は、記憶部２２に記憶された特徴データと登録データとを照合する認証処理（照合処理）を行う。

［認証処理の詳細］
図１１は、認証処理の概要を示す図である。認証部２９は、局所特徴量を認証処理に用いる。局所特徴量を用いる生体認証処理では、最初に特徴点の対応を取る処理を行う。つまり、認証部２９は、登録データ（登録側）の特徴点と、認証データ（照合側）の特徴点と、を比較し、同じ特徴点と推定される特徴点同士の対応付けを行う。この場合、認証部２９は、特徴量自体の比較に加えて、特徴点の座標(ｘ，ｙ)をさらに用いて特徴点同士の対応付けを行う。

ここで、認証部２９は、対応付けた特徴点のペアがＮ個（Ｎ＝２以上）あり、ｉ番目の特徴点のペアの局所特徴量スコアをＳ_iとする。認証部２９は、局所特徴量スコアＳ_iを用いて本人であるか否かを判定する際に用いる最終スコアを算出する。具体的には、認証部２９は、局所特徴量スコアＳ_iの平均値等を最終スコアとして用いる。実施例１では、最終スコア計算（Score）に、レンズ歪補正誤差を反映させる重みＷ₀、Ｗ₁、_iを適用する。レンズ歪補正誤差を反映させる重みＷ₀、Ｗ₁、_iの各々は、i番目のペアの登録データと、認証データとの重み（Weight）であり、認証部２９が各々のレンズ歪補正誤差に基づいて算出する。つまり、認証部２９は、登録データのレンズ歪補正誤差と、認証データのレンズ歪補正誤差と、を用いて認証処理に利用する。重み（Weight）は、該当領域におけるレンズ歪補正誤差Δを用いて下記の式（９）によって計算される。

ここで、α（正の定数）は、レンズ歪補正誤差Δから重みを算出するための係数である。重み（Weight）は、レンズ歪補正誤差Δが大きいほど、小さくなる。

認証部２９は、上記した重み（Weight）項により、下記の最終スコア計算（Score）の式（１０）において、レンズ歪補正誤差の大きさを認証処理に反映させることができるので、認証制度を向上させることができる。

Ｓ_ｉは、登録データ（特録側）の特徴点と、認証データ（照合側）の特徴点と、が同じ特徴点と推定される特徴点同士の対応付けが取られたｉ番目の組み合わせのスコアを示す。
Ｗ₀，Ｗ₁は、登録データ（特録側）の特徴点と、認証データ（照合側）の特徴点と、が同じ特徴点と推定される特徴点同士の対応付けが取られたｉ番目の組み合わせの登録データの重み（Weight）を示す。
Ｗ₁，_iは、登録データ（特録側）の特徴点と、認証データ（照合側）の特徴点と、が同じ特徴点と推定される特徴点同士の対応付けが取られたｉ番目の組み合わせの認証データの重み（Weight）を示す。
Ｗは、重み（Weight）の総計を示す。

図９に戻り、ステップＳ１０４以降の説明を続ける。
ステップＳ１０４において、認証部２９は、上記したステップＳ１０３の認証処理で照合した認証スコア（照合スコア）が閾値以上であるか否かを判断する。認証部２９は、認証スコアが閾値以上である場合（ステップＳ１０４：Ｙｅｓ）、本人であると判定する（ステップＳ１０５）。ステップＳ１０５の後、認証装置１は、本処理を終了する。これに対して、認証部２９は、認証スコアが閾値以上でない場合（ステップＳ１０４：Ｎｏ）、本人でないと判定する（ステップＳ１０６）。この場合、全体管理部２４は、図示しないスピーカや表示モニタに本人であることを示す警告を出力させてもよい。ステップＳ１０６の後、認証装置１は、本処理を終了する。

以上説明した実施例１によれば、生体の撮影画像を取得すると、撮影画像から生体に応じた領域に含まれる生体画像を抽出し、抽出した生体画像と、生体画像の撮影画像での位置とに基づき、生体の認証を行う。この結果、撮影画像内における生体の位置に関わらず、高い認証精度を得ることができる。

また、実施例１によれば、生体を撮影したレンズ１２のレンズ歪補正後に残るレンズ歪補正誤差に関するレンズ歪補正誤差情報をセンサ部１０から取得し、認証を行う処理時に、撮影画像での位置情報にレンズ歪補正誤差情報を反映して、生体の認証を行う。この結果、レンズ歪補正後に残るレンズ歪補正誤差を補正することができる。

また、実施例１によれば、正規化処理部２６が生体画像に対して正規化を行い、レンズ歪補正誤差情報がレンズ１２の光学中心座標と、正規化処理部２６が正規化を行った際の正規化パラメータと、を含む。この結果、正規化処理によって失われた生体画像の位置情報を復元することができる。

また、実施例１によれば、特徴抽出部２７が正規化を行った生体画像に対して特徴データを抽出し、認証部２９が特徴データと、予め登録された登録データと、を照合して認証スコアを算出して、生体の認証を行う。さらに、認証部２９が認証スコアの算出時に、レンズ歪補正誤差情報を認証スコアの重みとして反映させるため、高い認証精度を得ることができる。

また、実施例１によれば、レンズ歪補正誤差がレンズ１２の光学中心Ｏ１からの距離ｒに基づく多項式によって算出するため、高い認証精度を得ることができる。

また、実施例１によれば、算出部２８がレンズ歪補正誤差を、センサ部１０から取得するため、高い認証精度を得ることができる。

また、実施例１によれば、算出部２８がレンズ１２の光学中心座標と、正規化パラメータと、に基づいて、生体画像の所定の座標に対応するレンズ歪補正後の補正後画像の座標を算出する。そして、算出部２８が補正後画像の座標と、レンズ１２の光学中心座標と、に基づいて、生体画像（補正後画像）の座標におけるレンズ歪補正誤差を算出するため、高い認証精度を得ることができる。

次に、実施例２について説明する。上記した実施例１では、センサ部１０の記憶部１４にレンズ歪補正誤差パラメータが記憶されていたが、実施例２では、センサ部にレンズを識別するレンズＩＤを用いてレンズ歪補正誤差パラメータを含むレンズ歪補正誤差データを管理する。なお、上記した実施例１に係る認証装置１と同一の構成には同一の符号を付して詳細な説明を省略する。

［システム構成］
図１２は、実施例２に係る認証システムの機能的構成の一例を示すブロック図である。図１２に示す認証システム１Ａは、クライアント・サーバ方式によって構成し、レンズ種別を一意に識別するレンズＩＤを用いてレンズ歪補正誤差パラメータを含むレンズ歪補正誤差情報データを管理するシステムである。

図１２に示すように、認証システム１Ａは、センサ部１０Ａと、クライアント部２０Ａと、サーバ部３０と、を備える。クライアント部２０Ａ及びサーバ部３０は、ネットワークＮＷを介して接続されている。このネットワークＮＷは、有線又は無線を問わず、インターネットやＬＡＮ等の任意の種類の通信網であってかまわない。

［センサ部の構成］
まず、センサ部１０Ａについて説明する。センサ部１０Ａは、上記した記憶部１４に換えて、記憶部１４Ａを備える。記憶部１４Ａは、レンズ１２を識別するためのレンズＩＤ情報を記憶する。

［クライアント部の構成］
次に、クライアント部２０Ａの構成について説明する。クライアント部２０Ａは、上記した通信Ｉ／Ｆ部２１と、抽出部２５と、正規化処理部２６と、特徴抽出部２７と、を備える。さらに、クライアント部２０Ａは、記憶部２２Ａと、クライアント管理部２４Ａと、通信Ｉ／Ｆ部２１Ａと、さらに備える。

記憶部２２Ａは、クライアント部２０Ａで実行されるＯＳを始め、クライアント部２０Ａで実行される撮像プログラムや認証プログラムに用いられるデータを記憶する。記憶部２２Ａは、各種の半導体メモリ素子を用いて実現され、例えばＲＡＭやフラッシュメモリを採用できる。また、記憶部２２Ａには、レンズ１２のレンズ歪を補正するためのレンズ歪補正情報２２１が含まれる。

クライアント管理部２４Ａは、センサ部１０Ａ及びクライアント部２０Ａの全体制御を行う。一実施形態として、クライアント管理部２４Ａは、ＣＰＵやＭＰＵ等のハードウェアプロセッサにより実装することができる。ここでは、プロセッサの一例として、ＣＰＵやＭＰＵを例示したが、汎用型及び特化型を問わず、任意のプロセッサ、例えばＧＰＵやＤＳＰの他、ＤＬＵやＧＰＧＰＵにより実装することができる。この他、クライアント管理部２４Ａは、ＡＳＩＣやＦＰＧＡ等のハードワイヤードロジックによって実現されることとしてもかまわない。

通信Ｉ／Ｆ部２１Ａは、他の装置、例えばサーバ部３０等との間で通信制御を行うインタフェースの一例に対応する。一実施形態として、通信Ｉ／Ｆ部２１Ａには、ＬＡＮカード等のネットワークインタフェースカードなどが対応する。例えば、通信Ｉ／Ｆ部２１Ａは、サーバ部３０から要求データを受け付けたり、センサデータのアップロード指示をサーバ部３０へ出力したりする。

［サーバ部の構成］
次に、サーバ部３０の構成について説明する。サーバ部３０は、ネットワークＮＷを介して複数のクライアント部２０Ａの各々から入力された撮影画像及びレンズＩＤに基づいて、生体認証を行う。サーバ部３０は、通信Ｉ／Ｆ部３１と、全体管理部３２と、記憶部３３と、データベース部３４と、算出部３５と、正規化処理部３６と、認証部３７と、を備える。

通信Ｉ／Ｆ部３１は、通信Ｉ／Ｆ部３１は、他の装置、例えばクライアント部２０Ａ等との間で通信制御を行うインタフェースの一例に対応する。一実施形態として、通信Ｉ／Ｆ部３１には、ＬＡＮカード等のネットワークインタフェースカードなどが対応する。例えば、通信Ｉ／Ｆ部３１は、クライアント部２０Ａから送信された撮影画像、レンズＩＤ及びレンズ歪補正データを受け付けたり、センサデータのアップロード指示をクライアント部２０Ａへ出力したりする。

全体管理部３２は、サーバ部３０、センサ部１０Ａ及びクライアント部２０Ａの全体制御を行う。一実施形態として、全体管理部３２は、ＣＰＵやＭＰＵ等のハードウェアプロセッサにより実装することができる。ここでは、プロセッサの一例として、ＣＰＵやＭＰＵを例示したが、汎用型及び特化型を問わず、任意のプロセッサ、例えばＧＰＵやＤＳＰの他、ＤＬＵやＧＰＧＰＵにより実装することができる。この他、クライアント管理部２４Ａは、ＡＳＩＣやＦＰＧＡ等のハードワイヤードロジックによって実現されることとしてもかまわない。

記憶部３３は、サーバ部３０で実行されるＯＳを始め、サーバ部３０及びクライアント部２０Ａで実行される撮像プログラムや認証プログラムに用いられるデータを記憶する。記憶部３３は、各種の半導体メモリ素子を用いて実現され、例えばＲＡＭやフラッシュメモリを採用できる。

データベース部３４は、認証部３７が生体画像と、予め登録されたユーザの生体画像を登録した登録テンプレート及びセンサ部１０を識別するＩＤ情報等を記憶する。一実施形態として、データベース部３４は、認証システム１Ａにおける補助記憶装置として実装することができる。例えば、データベース部３４には、ＨＤＤやＳＳＤ等を採用できる。

算出部３５は、レンズ１２の光学中心座標と、正規化処理部３６が生体画像に対して正規化処理を行った際の正規化パラメータと、に基づいて、生体画像の所定の座標に対応するレンズ歪補正後の補正後画像の座標を算出する。さらに、算出部３５は、補正後画像の座標と、レンズ１２の光学中心座標と、に基づいて、補正後画像の座標におけるレンズ歪補正誤差を算出する。算出部３５は、レンズ歪補正誤差をデータベース部３４に認証部３７が認証を行う際に用いるテンプレートとして記憶（保存）する。なお、算出部３５が算出するレンズ歪補正誤差の算出方法は、上記した実施例１と同様のため、詳細な説明を省略する。

正規化処理部３６は、生体画像に対して正規化処理を行う。具体的には、正規化処理部３６は、生体画像に対して姿勢変動を補正する正規化処理を行う。正規化処理では、生体画像に含まれる入力生体の回転及び位置ズレ等による変動を補正する。なお、正規化処理部３６による正規化処理は、上記した実施例１と同様のため、詳細な説明を省略する。

認証部３７は、データベース部３４に記憶された特徴データと登録データとを照合する認証処理を行う。なお、認証部３７による認証処理は、上記した実施例１と同様のため、詳細な説明を省略する。

［レンズ歪補正誤差の管理方法］
次に、認証システム１Ａが実行するレンズ歪補正誤差の管理方法について説明する。従来では、複数のレンズ１２の各々のレンズ歪の個体差が小さく、かつ、レンズ１２の個体毎にキャリブレーション処理が不要な場合がある。この場合において、サーバ部３０は、センサ個体のキャリブレーション処理を行わず、レンズ種別毎に代表的なレンズ歪補正誤差パラメータ及びレンズ歪補正パラメータを用いてもよい。このとき、サーバ部３０は、レンズ個体の差異を吸収することができないが、個体差が十分小さければ、キャリブレーション処理による工数を削減することができる。

サーバ部３０は、レンズ歪補正誤差情報をレンズＩＤによって管理する。このため、センサ部１０Ａの記憶部１４Ａは、レンズを識別するためのレンズＩＤ１４３（識別情報）を記憶（保存）する。クライアント部２０Ａは、撮影画像に対して特徴抽出を行う場合、クライアント部２０Ａの記憶部２２Ａに記憶されたレンズ歪補正情報２２１（レンズ歪補正パラメータ）を用いて行う。さらに、サーバ部３０は、認証部３７による認証処理時に使用するレンズ歪補正誤データ（レンズ歪補正誤パラメータ）をデータベース部３４のテンプレート３４１に記憶（保存）する。

[テンプレートの構成]
図１３は、テンプレート３４１の構成を模式的に示す図である。図１３に示すテンプレート３４１は、実施例１において上記した特徴データ３４１ａと、レンズ歪補正誤差情報３４１ｂと、が記憶されている。さらに、レンズ歪補正誤差情報３４１ｂには、実施例１において上記した正規化パラメータと、レンズ歪補正誤差パラメータと、が含まれる。さらに、レンズ歪補正誤差データ３４１ｂには、レンズＩＤをさらが含まれる。特徴データ３４１ａ及び正規化パラメータは、上記した実施例１と同様のため、詳細な説明を省略する。

図１４は、レンズ歪補正誤差パラメータ表の一例を示す図である。図１４に示すように、レンズＩＤは、特定のレンズに紐づけられており、サーバ部３０がレンズＩＤをインデックスとしてレンズ歪補正誤差を検索するために用いられる。テンプレート３４１は、複数のレンズＩＤに対応付けられたレンズ歪補正パラメータが記憶されている。サーバ部３０は、ネットワークＮＷを介してクライアント部３０ＡからレンズＩＤを取得し、取得したレンズＩＤに対応するレンズ歪補正誤差情報３４１ｂをデータベース部３４から取得する。この場合、認証システム１Ａは、レンズＩＤに応じたレンズ歪補正誤差パラメータ等を用いて上記した実施例１と同様の認証処理をサーバ部３０が実行する。

[光学中心座標について]
なお、実施例２では、レンズ固体差が小さい場合を適用対象としている。この場合、光学中心座標は、センサ固体毎に固有の値を用いるのでなく、単純に撮影画像の中心（撮影画像中心）を用いてよい。この場合、レンズ固体差が無視できるほど小さい場合、製造の精度が非常に高いため、光学中心座標に代えて撮影画像の中心を用いても十分であるためである。

以上説明した実施例２によれば、サーバ部３０がセンサ部１０Ａからレンズ１２を識別するレンズＩＤを取得し、レンズＩＤに対応するレンズ歪補正誤差を取得するため、高い認証精度を得ることができる。

［実施例１，２の変形例］
本開示の内容は、上記した説明した通りであるが、これに限定される訳ではなく、下記の構成としてもよい。

本開示の変形例では、登録データの「レンズ歪補正誤差」を事前に展開してもよい（高速化効果）。上記した実施例１，２によれば、生体認証の精度改善の効果を得られる一方、レンズ歪補正誤差Δを算出する必要があるため、処理時間的に不利となる。ここで、認証データに対応するレンズ歪補正誤差Δは照合時でないと計算することができないが、登録データに関しては事前に計算することが可能である。このため、変形例では、大規模な１：Ｎ認証（ＩＤなしで生体のみで識別する）に本開示を適用する場合、登録データのレンズ歪補正誤差Δを事前に計算して記憶部（メモリ）に展開しておく構成としてもよい。このような構成とすることによれば、特に大規模な１：Ｎ認証では認証処理の時間の削減効果が得られる。

また、本開示の変形例では、登録データの品質判定に「レンズ歪補正誤差」を反映してもよい。本開示に係るレンズ歪補正誤差Δの利用は、認証処理に限定されるものではない。例えば、本開示では、登録データの品質判定として利用することもできる。生体認証処理では、一般に複数の登録データを記憶（保存）して生体認証処理に利用する。この場合、登録したデータの品質をチェックすることが一般に行われる。この理由は、登録データの品質が悪いと、生体認証処理ができないことが多発するためである。登録データの品質チェック方法の１つとしては、レンズ歪補正誤差Δを利用する構成とすることができる。例えば、本開示の変形例によれば、登録データを作成した撮影画像領域におけるレンズ歪補正誤差Δの平均値のチェック処理を行い、このチェック処理による平均値が所定の閾値以下の場合に登録データの登録を許可する。このようなチェック処理を入れない場合には、レンズ歪補正誤差Δが大きい領域を使った登録データが認証装置１に登録され、生体認証処理が正常に動作しない可能性がでてくる。このため、本開示の変形例によれば、登録データの品質をチェックするチェック処理としてレンズ歪補正誤差Δを確認する確認処理を行うことで、ロバストな認証を実現することができる。

また、本開示の変形例では、認証処理の際の位置合わせを行う場合に、「レンズ歪補正誤差」を用いてもよい。本開示の変形例に係るレンズ歪補正誤差Δの利用方法としては、位置合わせに利用する構成としても良い。以下、本開示の変形例では、局所特徴量を用いた場合の位置合わせ処理に、レンズ歪補正誤差Δを利用する例を説明する。位置合わせ処理は、正規化パラメータ（回転角θや平行移動量(ｅ_x,ｅ_y)など）を振って、位置ズレを表す評価関数Ｅが最小となるようなパラメータを求める。この時の重みづけとしては、レンズ歪補正誤差Δを活用する。レンズ歪補正誤差Δが大きい特徴点は、信頼度が低いと考えられるため、そのような点の重みは下げることによって、より精度の高い位置合わせを実現することができる。

［認証プログラム］
また、上記の実施例で説明した各種の処理は、予め用意されたプログラムをパーソナルコンピュータやワークステーションなどのコンピュータで実行することによって実現することができる。そこで、以下では、図１５を用いて、上記の実施例と同様の機能を有する広告表示プログラムを実行するコンピュータの一例について説明する。

図１５は、実施例１及び実施例２に係る認証プログラムを実行するコンピュータのハードウェア構成例を示す図である。図１５に示すように、コンピュータ１００は、操作部１１０ａと、スピーカ１１０ｂと、カメラ１１０ｃと、ディスプレイ１２０と、通信部１３０とを有する。さらに、このコンピュータ１００は、ＣＰＵ１５０と、ＲＯＭ１６０と、ＨＤＤ１７０と、ＲＡＭ１８０とを有する。これら１１０～１８０の各部はバス１４０を介して接続される。

ＨＤＤ１７０には、図１５に示すように、上記の実施例１で示したセンサ管理部１６、全体管理部２４、算出部２８、正規化処理部２６、特徴抽出部２７、認証部２９と同様の機能を発揮する認証プログラム１７０ａが記憶される。この認証プログラム１７０ａは、図１に示したセンサ管理部１６、全体管理部２４、算出部２８、正規化処理部２６、特徴抽出部２７、認証部２９の各構成要素と同様、統合又は分離してもかまわない。すなわち、ＨＤＤ１７０には、必ずしも上記の実施例１で示した全てのデータが格納されずともよく、処理に用いるデータがＨＤＤ１７０に格納されればよい。

このような環境の下、ＣＰＵ１５０は、ＨＤＤ１７０から認証プログラム１７０ａを読み出した上でＲＡＭ１８０へ展開する。この結果、認証プログラム１７０ａは、図１５に示すように、認証プロセス１８０ａとして機能する。この認証プロセス１８０ａは、ＲＡＭ１８０が有する記憶領域のうち認証プロセス１８０ａに割り当てられた領域にＨＤＤ１７０から読み出した各種データを展開し、この展開した各種データを用いて各種の処理を実行する。例えば、認証プロセス１８０ａが実行する処理の一例として、図９に示す処理などが含まれる。なお、ＣＰＵ１５０では、必ずしも上記の実施例１で示した全ての処理部が動作せずともよく、実行対象とする処理に対応する処理部が仮想的に実現されればよい。

なお、上記の認証プログラム１７０ａは、必ずしも最初からＨＤＤ１７０やＲＯＭ１６０に記憶されておらずともかまわない。例えば、コンピュータ１００に挿入されるフレキシブルディスク、いわゆるＦＤ、ＣＤ－ＲＯＭ、ＤＶＤディスク、光磁気ディスク、ＩＣカードなどの「可搬用の物理媒体」に認証プログラム１７０ａを記憶させる。そして、コンピュータ１００がこれらの可搬用の物理媒体から認証プログラム１７０ａを取得して実行するようにしてもよい。また、公衆回線、インターネット、ＬＡＮ、ＷＡＮなどを介してコンピュータ１００に接続される他のコンピュータ又はサーバ装置などに認証プログラム１７０ａを記憶させておき、コンピュータ１００がこれらから認証プログラム１７０ａを取得して実行するようにしてもよい。

１ 認証装置
１Ａ 認証システム
１０ センサ部
１１ 照明部
１２ レンズ
１３ 撮像素子
１４，１４Ａ，２２，３３ 記憶部
１４１，３４１ テンプレート
１４１ａ レンズ歪補正情報
１４１ｂ，３４１ｂ レンズ歪補正誤差情報
１４３ レンズＩＤ情報
２３，３４ データベース部
２５ 抽出部
２６ 正規化処理部
２７ 特徴抽出部
２８ 算出部
２９ 照合部
３０ サーバ部
３４１ａ 特徴データ
３５ 算出部
３６ 正規化処理部
３７ 照合部

Claims (9)

1. 生体の撮影画像を取得すると、前記撮影画像から前記生体に応じた領域に含まれる生体画像を抽出し、
   抽出した前記生体画像と、前記生体画像の前記撮影画像での位置と、前記生体の撮影に用いられるレンズの歪補正実行後に残るレンズ歪補正誤差に関するレンズ歪補正誤差情報とに基づき、前記生体の認証を行う処理をコンピュータが実行し、
   前記レンズ歪補正誤差情報は、前記レンズの光学中心座標と、前記生体画像の平行移動、回転または拡大縮小の位置合わせが行われる際の正規化パラメータとをさらに含み、
   前記認証を行う処理は、前記レンズの光学中心座標および前記正規化パラメータに基づいて前記生体画像の画素ごとに前記撮影画像の位置に対応する前記レンズ歪補正誤差を算出する処理を含む、
   ことを特徴とする認証方法。
2. 生体の撮影画像を取得すると、前記撮影画像から前記生体に応じた領域に含まれる生体画像を抽出し、
   抽出した前記生体画像と、前記生体画像の前記撮影画像での位置と、前記生体の撮影に用いられるレンズの歪補正実行後に残るレンズ歪補正誤差に関するレンズ歪補正誤差情報とに基づき、前記生体の認証を行う処理をコンピュータが実行し、
   前記認証を行う処理は、前記レンズの歪補正実行後の前記生体画像から抽出される特徴点と、所定の登録データに含まれる特徴点との照合時に、前記特徴点の位置に対応する前記レンズ歪補正誤差から定まる重みを前記特徴点間で特徴量が照合されるスコアに付与する処理を含む、
   ことを特徴とする認証方法。
3. 前記レンズ歪補正誤差は、前記レンズの光学中心からの距離に基づく近似式によって表される請求項１または２に記載の認証方法。
4. 前記認証を行う処理は、前記撮影画像を撮影するセンサ部から前記レンズ歪補正誤差を取得する処理を含む請求項１または２に記載の認証方法。
5. 前記認証を行う処理は、レンズの識別情報ごとに対応付けられた複数の前記レンズ歪補正誤差のうち、前記撮影画像の撮影に用いられるレンズの識別情報に対応する前記レンズ歪補正誤差を取得する処理を含む請求項１または２に記載の認証方法。
6. 生体の撮影画像を取得すると、前記撮影画像から前記生体に応じた領域に含まれる生体画像を抽出し、
   抽出した前記生体画像と、前記生体画像の前記撮影画像での位置と、前記生体の撮影に用いられるレンズの歪補正実行後に残るレンズ歪補正誤差に関するレンズ歪補正誤差情報とに基づき、前記生体の認証を行う処理をコンピュータに実行させ、
   前記レンズ歪補正誤差情報は、前記レンズの光学中心座標と、前記生体画像の平行移動、回転または拡大縮小の位置合わせが行われる際の正規化パラメータとをさらに含み、
   前記認証を行う処理は、前記レンズの光学中心座標および前記正規化パラメータに基づいて前記生体画像の画素ごとに前記撮影画像の位置に対応する前記レンズ歪補正誤差を算出する処理を含む、
   ことを特徴とする認証プログラム。
7. 生体の撮影画像を取得すると、前記撮影画像から前記生体に応じた領域に含まれる生体画像を抽出し、
   抽出した前記生体画像と、前記生体画像の前記撮影画像での位置と、前記生体の撮影に用いられるレンズの歪補正実行後に残るレンズ歪補正誤差に関するレンズ歪補正誤差情報とに基づき、前記生体の認証を行う処理をコンピュータに実行させ、
   前記認証を行う処理は、前記レンズの歪補正実行後の前記生体画像から抽出される特徴点と、所定の登録データに含まれる特徴点との照合時に、前記特徴点の位置に対応する前記レンズ歪補正誤差から定まる重みを前記特徴点間で特徴量が照合されるスコアに付与する処理を含む、
   ことを特徴とする認証プログラム。
8. 生体の撮影画像を取得すると、前記撮影画像から前記生体に応じた領域に含まれる生体画像を抽出する抽出部と、
   抽出した前記生体画像と、前記生体画像の前記撮影画像での位置と、前記生体の撮影に用いられるレンズの歪補正実行後に残るレンズ歪補正誤差に関するレンズ歪補正誤差情報とに基づき、前記生体の認証を行う認証部と、を有し、
   前記レンズ歪補正誤差情報は、前記レンズの光学中心座標と、前記生体画像の平行移動、回転または拡大縮小の位置合わせが行われる際の正規化パラメータとをさらに含み、
   前記認証部は、前記レンズの光学中心座標および前記正規化パラメータに基づいて前記生体画像の画素ごとに前記撮影画像の位置に対応する前記レンズ歪補正誤差を算出する、
   ことを特徴とする認証装置。
9. 生体の撮影画像を取得すると、前記撮影画像から前記生体に応じた領域に含まれる生体画像を抽出する抽出部と、
   抽出した前記生体画像と、前記生体画像の前記撮影画像での位置と、前記生体の撮影に用いられるレンズの歪補正実行後に残るレンズ歪補正誤差に関するレンズ歪補正誤差情報とに基づき、前記生体の認証を行う認証部と、を有し、
   前記認証部は、前記レンズの歪補正実行後の前記生体画像から抽出される特徴点と、所定の登録データに含まれる特徴点との照合時に、前記特徴点の位置に対応する前記レンズ歪補正誤差から定まる重みを前記特徴点間で特徴量が照合されるスコアに付与する、
   ことを特徴とする認証装置。

Images