JP7351414B2 - 生体認証装置、生体認証方法及び生体認証プログラム - Google Patents

Description

本発明は、生体認証技術に関する。

認証方式の１つとして、１種類の生体情報を用いて多数の人の中から特定の個人を特定する１対Ｎ認証が知られている。１対Ｎ認証は、ＩＤ（IDentification）のキー入力やカードの提示が不要である一方で、単一の生体情報モダリティだけではその精度に限界がある。このような背景から、複数種類の生体情報を併用するマルチ生体認証技術が提案されている。

特開２０１３－１２２６７９号公報 特開２００８－２９９５８９号公報

しかしながら、上記のマルチ生体認証技術では、登録者数Ｎから本人認証時に照合する照合対象者を絞り込む絞込率が固定である。それ故、上記のマルチ生体認証技術では、絞込率以上には本人認証時に照合する照合対象者を絞り込めず、照合処理を高速化するのが困難な一面がある。

１つの側面では、本発明は、本人認証時の照合処理を高速化できる生体認証装置、生体認証方法及び生体認証プログラムを提供することを目的とする。

一態様の生体認証装置は、センサの出力から抽出された第１モダリティの生体情報と、所定の登録データに含まれる第１モダリティの生体情報との間の第１類似度に関する分布を算出する算出部と、前記登録データに含まれる第１モダリティの生体情報のうち前記第１類似度が第１位である第１モダリティの生体情報と、前記第１類似度が第２位以降である第１モダリティの生体情報との間の第２類似度に関する分布を導出する導出部と、前記第１類似度に関する分布および前記第２類似度に関する分布に基づいて、前記登録データに含まれる登録者のうち前記第１モダリティとは異なる第２モダリティを用いる本人認証で照合する照合対象者を絞り込む絞込率を切り替える切替部と、を有する。

本人認証時の照合処理を高速化できる。

図１は、実施例１に係るマルチ生体認証サービスの一例を示す図である。 図２は、第１類似度及び第２類似度に関する分布の一例を示す図である。 図３は、実施例１に係るサーバ装置及び端末の機能的構成の一例を示すブロック図である。 図４は、第１類似度に関する分布の一例を示す図である。 図５は、第１類似度に関する分布の一例を示す図である。 図６は、実施例１に係る登録処理の手順を示すフローチャートである。 図７は、実施例１に係るマルチ生体認証処理の手順を示すフローチャートである。 図８は、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生体認証装置、生体認証方法及び生体認証プログラムについて説明する。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。

［マルチ生体認証サービスの一例］
図１は、実施例１に係るマルチ生体認証サービスの一例を示す図である。図１に示すマルチ生体認証サービス１は、あくまで１つの側面として、生体情報の登録者数Ｎが数百万や数千万といった規模に拡大され得るユースケースに対応する側面から、複数種類の生体情報を用いて本人を認証するものである。

マルチ生体認証サービス１では、ＩＤのキー入力やカードの提示を不要すると共に非接触な認証を実現する側面から、複数種類の生体情報の例として、手のひら静脈および顔情報が用いられる。例えば、登録者数Ｎから本人認証で照合する照合対象者を絞り込む第１モダリティとして顔情報が用いられると共に、第１モダリティにより絞り込まれた照合対象者の中から本人を認証する第２モダリティとして手のひら静脈が用いられる。ここで言う「モダリティ」は、生体情報の種類、あるいは生体識別部位などの用語に対応し得る。

このようなマルチ生体認証サービス１のユースケースの一例として、レジ無し店舗や無人レジ、セルフレジ等における手ぶら決済が挙げられる。図１に示すように、マルチ生体認証サービス１の実施には、あくまで一例として、サーバ装置１０と、端末３０とが用いられる。これらサーバ装置１０及び端末３０の間は、任意のネットワークを介して接続され得る。

サーバ装置１０は、上記のマルチ生体認証サービス１を提供するコンピュータの一例である。サーバ装置１０は、生体認証装置の一例に対応する。一実施形態として、サーバ装置１０は、パッケージソフトウェア又はオンラインソフトウェアとして、上記のマルチ生体認証サービス１を実現する生体認証プログラムを任意のコンピュータにインストールさせることによって実装できる。例えば、サーバ装置１０は、上記のマルチ生体認証サービス１に関する機能をオンプレミスに提供するサーバ、例えばＷｅｂサーバとして実装することができる。これに限定されず、サーバ装置１０は、ＳａａＳ（Software as a Service）型のアプリケーションとして実装することで、上記のマルチ生体認証サービス１をクラウドサービスとして提供することとしてもかまわない。

端末３０は、店舗における決済に用いられる。あくまで一例として、端末３０には、商品に付与されたタグやバーコード等から商品情報、例えば商品の名称や金額などを読み取る読取装置の他、店舗等の利用者が購入対象とする商品のリストや合計金額、会計ボタンなどを表示する表示装置等が接続され得る。

これらサーバ装置１０及び端末３０を通じて上記のマルチ生体認証サービス１が提供されることにより手ぶら決済が実現される。図１に示すように、商品のスキャンや会計ボタンなどの各種の操作が端末３０で実行中である場合、端末３０に内蔵または付設されるカメラ等により撮影された顔画像から顔情報、例えば顔特徴量などが取得される（１）。このように取得された顔情報と、手ぶら決済の利用者としてあらかじめ登録された登録者数Ｎの顔情報とを照合することにより、登録者数Ｎから本人認証時に照合する照合対象者を絞り込む（２）。

その後、購入対象とする商品の決済時、例えば会計ボタンの押下操作時には、端末３０に接続されたセンサを介して手のひら静脈の入力を受け付ける（３）。このようにセンサを介して入力された手のひら静脈と、上記（２）で顔情報により絞り込まれた照合対象者に対応付けられた手のひら静脈とを照合することにより、手ぶら決済の利用者本人を特定する（４）。その後、上記（４）で本人が特定された利用者に対応付けられた決済情報、例えばクレジットカードやデビッドカード、電子マネー等を用いて購入対象とする商品の決済処理が行われる（５）。

上記（１）～上記（５）の一連の処理により、端末３０に内蔵または付属のセンサへ手のひらをかざすだけで決済処理を実行できるので、ＩＤレスの手ぶらでの決済を実現できる。

［課題の一側面］
図１に示すマルチ生体認証サービス１を除く、既存のマルチ生体認証技術では、登録者数Ｎから本人認証時に照合する照合対象者を絞り込む絞込率が固定である。それ故、既存のマルチ生体認証技術では、絞込率以上には本人認証時に照合する照合対象者を絞り込めず、照合処理を高速化するのが困難な一面がある。

［課題解決のアプローチの一側面］
そこで、本実施例に係るマルチ生体認証サービス１では、入力顔情報と登録顔情報の類似度の分布と、類似度が第１位である登録顔情報と第２位以降の登録顔情報の類似度の分布とに基づいて手のひら静脈を用いる本人認証で照合する照合対象者の絞込率を切り替える。

ここで言う「登録顔情報」とは、所定の登録処理、例えば利用者登録が行われた登録者数Ｎの顔情報を指す一方で、「入力顔情報」とは、照合対象者の絞込時に入力される顔情報を指す。

例えば、登録者本人から入力顔情報が取得されたとしたとき、理想的な環境下では、登録者本人の登録顔情報の類似度が第１位として観測されると共に第２位以降の類似度が第１位の類似度に比べて極端に低く観測される。

しかしながら、第１位の類似度と第２位以降の類似度との差は、下記２点の影響で大きく開かないことがある。あくまで一例として、登録時および絞込時における生体情報の入力状態の違いが挙げられる。例えば、第１モダリティが顔情報である場合、絞込時に撮影される顔の向きや表情が登録時のものと異なったり、あるいは利用者が登録時には装着していなかったサングラスやマスクを顔に装着したりといった入力状態の違いが現れ得る。他の一例として、生体情報の固有性の度合いが挙げられる。例えば、第１モダリティが顔情報である場合、ある登録者本人の顔情報が他の登録者の顔情報と比べてどの程度の固有性を有するかは登録者個人によって差が現れ得る。

あくまで１つの側面として、登録時および絞込時における生体情報の入力状態の違い、並びに、生体情報の固有性の度合いが第１モダリティを用いる絞り込みに与える影響が小さい状況では、上記の理想的な環境に近いと識別できる。この場合、登録者数Ｎから少数の照合対象者に絞り込んだとしても、第２モダリティにおける他人受入のリスクも低いと推定できる。よって、登録者数Ｎから照合対象者を絞り込む絞込率を下げることで、登録者数Ｎから絞り込まれる照合対象者の数を変更前よりも少数に変更し、もって照合処理の高速化を実現する。

更なる側面として、本実施例に係るマルチ生体認証サービス１では、上記２つの分布に基づいて入力顔情報を再取得させるか否かを切り替えることもできる。例えば、登録時および絞込時における生体情報の入力状態の違いによる影響が大きい状況では、第２モダリティにおける他人受入のリスクも高いと推定できる。よって、顔情報の再取得を実行することにより、マルチ生体認証の精度低下を抑制できる。

このように、登録時および絞込時における生体情報の入力状態、および、生体情報の個人特性が第１モダリティを用いる絞り込みに与える影響の多寡を識別する側面から、本実施例に係るマルチ生体認証サービス１では、上記２つの分布を利用する。

例えば、入力顔情報および登録顔情報の間の第１類似度に関する分布Ｄ１には、第１モダリティの入力状態および入力顔情報の個人特性が含まれ得る。さらに、第１位の登録顔情報および第２位以降である登録顔情報の間の第２類似度に関する分布Ｄ２には、第１位の登録顔情報の個人特性が含まれ得る。これら分布Ｄ１および分布Ｄ２に基づいて絞込率や顔情報の再取得の切り替えが行われる。

図２は、第１類似度及び第２類似度に関する分布の一例を示す図である。図２には、入力顔情報および登録顔情報の間の第１類似度に関する分布Ｄ１と、第１類似度が第１位である登録顔情報および第２位以降である登録顔情報の間の第２類似度に関する分布Ｄ２とがケースＣ１～Ｃ４の４つのケース別に例示されている。さらに、図２には、ケースＣ１～Ｃ４における分布Ｄ１及び分布Ｄ２の一例として、第１類似度または第２類似度を降順にソートすることにより得られる確率分布が示されている。さらに、図２には、ケースＣ１～Ｃ４における分布Ｄ１及び分布Ｄ２の各々の確率分布は、縦軸が第１類似度または第２類似度で表されると共に横軸が順位で表される。

例えば、図２に示すケースＣ１の例で言えば、第１類似度に関する分布Ｄ１１の尖度が高く、かつ第２類似度に関する分布Ｄ２１の尖度も高い。このようなケースＣ１の場合、分布Ｄ２１の尖度が高いので、入力顔情報に対応する登録者の顔情報が他の登録者の顔情報と比べて固有性が高いと推定できる。さらに、分布Ｄ１１および分布Ｄ２１の間で尖度に差がないので、登録時および絞込時における生体情報の入力状態に差がないと推定できる。このように、登録者数Ｎから少数の照合対象者に絞り込む余地があるケースＣ１では、照合対象者の絞込率が「Ｒ_ｎｄ－α」に設定される。したがって、本人認証時の照合処理を高速化することが可能になる。

図２に示すケースＣ３の例で言えば、第１類似度に関する分布Ｄ１３の尖度が低い一方で、第２類似度に関する分布Ｄ２３の尖度が高い。このようなケースＣ３の場合、分布Ｄ２３の尖度が高いので、入力顔情報に対応する登録者の顔情報が他の登録者の顔情報と比べて固有性が高いと推定できる。それにもかかわらず、分布Ｄ２３に比べて分布Ｄ１３の尖度が低いので、登録時および絞込時における生体情報の入力状態に差があると推定できる。この場合、顔情報の再取得が行われる。したがって、マルチ生体認証の精度低下を抑制することが可能になる。

なお、図２に示すケースＣ１及びケースＣ３以外のケースＣ２及びケースＣ４では、第２類似度に関する分布Ｄ２２または分布２４における尖度が高い。これらケースＣ２及びケースＣ４の場合、入力顔情報に対応する登録者の顔情報が他の登録者の顔情報と比べて固有性が低いと推定できる。この場合、照合対象者の絞込率が「Ｒ_ｎｄ」に設定される。

［端末３０の構成］
続いて、本実施例に係る端末３０の機能的構成の一例について説明する。図３は、実施例１に係るサーバ装置及び端末の機能的構成の一例を示すブロック図である。図３には、上記のマルチ生体認証サービス１の機能に対応するブロックがサーバ装置１０および端末３０に示されている。図３に示すように、端末３０は、第１センサ３１Ａと、第１抽出部３１Ｂと、第２センサ３２Ａと、第２抽出部３２Ｂとを有する。なお、図３には、上記のマルチ生体認証サービス１に関連する機能部が抜粋して示されているに過ぎず、図示以外の機能部、例えば既存のコンピュータがデフォルトまたはオプションで装備する機能部、例えば表示部等が端末３０に備わることを妨げない。

第１センサ３１Ａは、第１モダリティの生体画像をセンシングする機能部である。一実施形態として、第１センサ３１Ａは、ＣＣＤ（Charge Coupled Device）やＣＭＯＳ（Complementary Metal Oxide Semiconductor）などの撮像素子を搭載するカメラにより実現できる。ここで、第１センサ３１Ａが撮像する「画像」は、顔情報に基づく絞り込みに用いられる側面がある。このような側面から、端末３０を利用する人物の顔の撮影を可能とするカメラの一例として、第１センサ３１Ａには、図示しない表示部のスクリーンの向きと同一の方向に配置されたカメラ、いわゆるインカメラを用いることができる。

第１抽出部３１Ｂは、第１モダリティの生体情報を抽出する機能部である。例えば、第１モダリティが顔情報である場合、当該顔情報は、顔が撮影された画像そのものであってもよいし、顔の画像から抽出された顔の特徴量であってもよい。以下、顔情報のあくまで一例として、埋め込みベクトルを用いる場合を例示する。この場合、第１抽出部３１Ｂは、ディープラーニング等により埋め込み空間の学習が行われたモデル、例えばＣＮＮ（Convolutional Neural Network）を用いることができる。例えば、第１抽出部３１Ｂは、第１センサの出力、例えばフレーム単位で撮像された画像に顔検出を行い、顔検出で得られた顔領域に対応する部分画像を埋め込み空間が学習済みであるＣＮＮへ入力する。これによって、ＣＮＮから埋め込みベクトルを得ることができる。その上で、第１抽出部３１Ｂは、上記の顔情報を入力顔情報として所定の暗号方式、例えば公開鍵暗号などのアルゴリズムにしたがって暗号化した上で暗号化された入力顔情報をサーバ装置１０へ伝送する。なお、埋め込みベクトルは、顔情報のあくまで一例に過ぎず、他の特徴量、例えばＳＩＦＴ（Scale-Invariant Feature Transform）などが抽出されることとしてもよい。

第２センサ３２Ａは、第２モダリティの生体画像をセンシングする機能部である。一実施形態として、第２センサ３２Ａは、手のひらの内部に存在する静脈の血管パターンを映すのに適切な波長を持つ赤外光、例えば近赤外光を照射する照明と、赤外光を捉えることができるカメラとを含むセンサユニットとして実現できる。例えば、手のひらが所定の撮影位置に載置されると、照明によって赤外光が手のひらに照射される。この赤外光の照射に連動して起動されたカメラによって手のひらの内部から反射して戻ってきた赤外光が撮影される。このような撮影によって、静脈中の赤血球によって赤外光が吸収される結果、手のひらの静脈の血管パターンが現れた手のひら静脈画像が生体画像として得られる。

第２抽出部３２Ｂは、第２モダリティの生体情報を抽出する機能部である。一実施形態として、第２抽出部３２Ｂは、第２センサ３２Ａにより取得された手のひら静脈画像から血管部分を取り出した上で細線化し、血管における分岐点の座標、分岐点間の長さ、分岐点の分岐角度などの特徴量が手のひら静脈情報として抽出される。その上で、第２抽出部３２Ｂは、手のひら静脈情報を入力手のひら静脈情報として所定の暗号方式、例えば公開鍵暗号などのアルゴリズムにしたがって暗号化した上で暗号化された入力手のひら静脈情報をサーバ装置１０へ伝送する。

なお、第１抽出部３１Ｂや第２抽出部３２Ｂ等の機能部は、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仮想的に実現され得る。例えば、プロセッサは、図示しない記憶装置、例えばＲＯＭ（Read Only Memory）等からＯＳ（Operating System）の他、上記の特徴抽出等の機能を実現する特徴抽出プログラムなどのプログラムを読み出す。その上で、プロセッサは、上記の特徴抽出プログラムを実行することにより、ＲＡＭ（Random Access Memory）等のメモリ上に上記の機能部に対応するプロセスを展開する。この結果、上記の機能部がプロセスとして仮想的に実現される。ここでは、プロセッサの一例として、ＣＰＵやＭＰＵを例示したが、汎用型および特化型を問わず、任意のプロセッサにより上記の機能部が実現されることとしてもかまわない。この他、上記の機能部は、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。

［サーバ装置１０の構成］
次に、本実施例に係るサーバ装置１０の機能的構成の一例について説明する。図３に示すように、サーバ装置１０は、登録データ記憶部１１と、絞込部１２と、算出部１３と、導出部１４と、切替部１５と、本人認証部１６とを有する。なお、図３には、上記のマルチ生体認証サービス１に関連する機能部が抜粋して示されているに過ぎず、図示以外の機能部、例えば既存のコンピュータがデフォルトまたはオプションで装備する機能部、例えば入力部や表示部等がサーバ装置１０に備わることを妨げない。

登録データ記憶部１１は、登録データを記憶する機能部である。例えば、登録データには、Ｎ人の登録者ごとに登録顔情報および登録手のひら静脈情報が対応付けられたデータを採用できる。これら登録顔情報および登録手のひら静脈情報の他、登録データには、Ｎ人の登録者ごとに当該登録者の登録顔情報と他の登録者の登録顔情報との間の第２類似度に関する分布から算出された尖度が対応付けられることとしてもよい。なお、「尖度」の算出方法については、図４および図５を用いて後述する。

絞込部１２は、第１モダリティの入力生体情報および登録生体情報の間の第１類似度に基づいて上記の登録データに含まれる登録者のうち第２モダリティを用いる本人認証で照合する照合対象者を第１の絞込率で絞り込む機能部である。一実施形態として、絞込部１２は、登録データ記憶部１１に記憶された登録データの登録者ごとに登録顔情報および入力顔情報の間の第１類似度を算出する。例えば、顔情報として埋め込みベクトルが抽出される場合、第１類似度には、登録顔情報および入力顔情報の間のハミング距離を用いることができる。その後、絞込部１２は、登録者数Ｎのうち類似度の順位が第１の絞込率Ｒ_ｎｄ、例えば１％に対応する上位所定数の登録者を上記の照合対象者の候補として絞り込む。

算出部１３は、上記の第１類似度に関する分布を算出する機能部である。一実施形態として、算出部１３は、絞込部１２による絞込時に登録顔情報および入力顔情報の間の第１類似度が算出された場合、第１類似度を降順にソートする。このように第１類似度を降順にソートすることにより第１類似度の確率分布が得られる。その後、算出部１３は、第１類似度の確率分布から下記の式（１）にしたがって尖度Ｋ１を算出する。ここで、下記の式（１）における「ｎ」は、第１類似度のデータの数を指す。また、下記の式（１）における「ｍ」は、第１類似度ｘ_ｋ（ｋ＝１，２，・・・，ｎ）の平均値を指す。また、下記の式（１）における「ｓ」は、標準偏差を指す。なお、第１類似度のデータの数ｎは、登録者数Ｎであってもよいし、照合対象者の数であってもよい。

図４および図５は、第１類似度に関する分布の一例を示す図である。図４および図５には、あくまで一例として、第１類似度のデータの数が「５０」である例が示されている。例えば、第１類似度の確率分布が図４に示す分布Ｄ１５である場合、上記の式（１）にしたがって尖度Ｋ１が「６．６３」と算出される。また、第１類似度の確率分布が図５に示す分布Ｄ１６である場合、上記の式（１）にしたがって尖度Ｋ１が「－１．２０」と算出される。このように、第１類似度の確率分布の尖度Ｋ１の値が高くなるに連れて第１位から第２位以降の下位の順位へ向けての立ち下がりが急峻であることを示す一方で、尖度Ｋ１の値が低くなるに連れて立ち下がりが滑らかであることを意味する。

導出部１４は、登録データに含まれる第１モダリティの生体情報のうち第１類似度が第１位である第１モダリティの生体情報と、第１類似度が第２位以降である第１モダリティの生体情報との間の第２類似度に関する分布を導出する機能部である。１つの側面として、導出部１４は、登録顔情報および入力顔情報の間の第１の類似度が算出される度に、登録顔情報のうち第１類似度が第１位である登録顔情報と、第１類似度が第２位以降である登録顔情報との間の第２類似度を算出できる。そして、導出部１４は、第２類似度を降順にソートする。このように第２類似度を降順にソートすることにより第２類似度の確率分布が得られる。その上で、導出部１４は、上記の第１類似度の確率分布の尖度Ｋ１と同様にして、第２類似度の確率分布の尖度Ｋ２を算出することができる。他の側面として、導出部１４は、録顔情報および入力顔情報の間の第１類似度が算出された場合、当該第１類似度が第１位である登録者に対応付けられた第２類似度の確率分布の尖度を尖度Ｋ２として登録データから取得することもできる。

切替部１５は、第１類似度に関する分布および第２類似度に関する分布に基づいて、登録データに含まれる登録者のうち第２モダリティを用いる本人認証で照合する照合対象者を絞り込む絞込率を切り替える機能部である。

１つの側面として、上記の尖度Ｋ２が所定の閾値ｔｈ１を超え、かつ尖度Ｋ１および尖度Ｋ２の差分絶対値Ａが所定の閾値ｔｈ２以下である場合、図２に示すケースＣ１に対応する状況と推定できる。この場合、切替部１５は、第１の絞込率Ｒ_ｎｄから第２の絞込率Ｒ_ｎｄ－αへ切り替える。例えば、α＝０．５％としたとき、登録者数Ｎのうち類似度の順位が第２の絞込率「０．５％（＝１－０．５）」に対応する上位所定数の登録者が照合対象者として絞り込まれる。

他の側面として、切替部１５は、第１類似度に関する分布および第２類似度に関する分布に基づいて、入力顔情報を再取得させるか否かを切り替える。例えば、上記の尖度Ｋ２が所定の閾値ｔｈ１を超え、かつ尖度Ｋ１および尖度Ｋ２の差分絶対値Ａが所定の閾値ｔｈ２以下でない場合、図２に示すケースＣ３に対応する状況と推定できる。この場合、切替部１５は、入力顔情報の再取得を端末３０の第１抽出部３１Ｂ等へ指示する。

更なる側面として、上記の尖度Ｋ２が所定の閾値ｔｈ１を超えない場合、図２に示すケースＣ２およびケースＣ４に対応する状況と推定できる。この場合、切替部１５は、第１の絞込率のまま維持すると共に入力顔情報の再取得を行わない。

本人認証部１６は、第２モダリティの入力生体情報および登録生体情報に基づいて本人認証を実行する機能部である。一実施形態として、本人認証部１６は、照合対象者の登録手のひら静脈と、第２抽出部３２Ｂから取得された入力手のひら静脈との第３類似度を算出する。例えば、第３類似度には、登録手のひら静脈および入力手のひら静脈のパターンマッチングで得られる相互相関を用いることができる。そして、本人認証部１６は、入力手のひら静脈との第３類似度が所定の閾値ｔｈ３以上である登録手のひら静脈が存在する場合、入力手のひら静脈が登録者本人であると認証する。一方、本人認証部１６は、入力手のひら静脈との第３類似度が所定の閾値ｔｈ３以上である登録手のひら静脈が存在しない場合、入力手のひら静脈が登録者本人でないと認証する。

なお、絞込部１２、算出部１３、導出部１４、切替部１５及び本人認証部１６等の機能部は、ＣＰＵやＭＰＵ等のハードウェアプロセッサにより仮想的に実現され得る。例えば、プロセッサは、図示しない記憶装置、例えばＨＤＤ（Hard Disk Drive）や光ディスク、ＳＳＤ（Solid State Drive）などの補助記憶装置からＯＳの他、上記のマルチ生体認証サービス１の機能を実現する生体認証プログラムなどのプログラムを読み出す。その上で、プロセッサは、上記の生体認証プログラムを実行することにより、ＲＡＭ等のメモリ上に上記の機能部に対応するプロセスを展開する。この結果、上記の機能部がプロセスとして仮想的に実現される。ここでは、プロセッサの一例として、ＣＰＵやＭＰＵを例示したが、汎用型および特化型を問わず、任意のプロセッサにより上記の機能部が実現されることとしてもかまわない。この他、上記の機能部は、ＡＳＩＣやＦＰＧＡ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。

上記の登録データ記憶部１１などの記憶部は、ＨＤＤや光ディスク、ＳＳＤなどの補助記憶装置として実現したり、補助記憶装置が有する記憶領域の一部を割り当てることにより実現したりすることができる。

［処理の流れ］
次に、本実施例に係るサーバ装置１０の処理の流れについて説明する。以下、サーバ装置１０により実行される（１）登録処理を説明した後に、（２）マルチ生体認証処理を説明することとする。

（１）登録処理
図６は、実施例１に係る登録処理の手順を示すフローチャートである。この登録処理は、あくまで一例として、端末３０を含む任意の装置から利用者登録のリクエストを受け付けた場合に開始され得る。

図６に示すように、サーバ装置１０は、登録者の識別情報、例えばＩＤなどを受け付ける（ステップＳ１１）。続いて、サーバ装置１０は、第１モダリティの生体情報および第２モダリティの生体情報を取得する（ステップＳ１２）。

そして、サーバ装置１０は、ステップＳ１２で取得された第１モダリティの生体情報と、登録データ記憶部１１に登録データとして記憶された第１モダリティの登録生体情報との第２類似度を算出する（ステップＳ１３）。

その後、サーバ装置１０は、ステップＳ１３で算出された第２類似度を降順にソートする（ステップＳ１４）。このように第２類似度が降順にソートされることにより第２類似度の確率分布が得られる。続いて、サーバ装置１０は、第２類似度の確率分布から尖度を算出する（ステップＳ１５）。

その上で、サーバ装置１０は、ステップＳ１１で受け付けた識別情報、ステップＳ１３で取得された第１モダリティの生体情報および第２モダリティの生体情報、および、ステップＳ１５で算出された第２類似度の確率分布の尖度が対応付けられたエントリを登録データに追加し（ステップＳ１６）、処理を終了する。

（２）マルチ生体認証処理
図７は、実施例１に係るマルチ生体認証処理の手順を示すフローチャートである。この処理は、あくまで一例として、端末３０の第１抽出部３１Ｂから第１モダリティの入力生体情報が取得された場合に開始され得る。

図７に示すように、第１モダリティの入力生体情報が取得されると（ステップＳ１０１）、絞込部１２は、第１モダリティの入力生体情報および登録生体情報の間の第１類似度に基づいて第２モダリティを用いる本人認証で照合する照合対象者を第１の絞込率で絞り込む（ステップＳ１０２）。

続いて、算出部１３は、上記の第１類似度を降順にソートする（ステップＳ１０３）。このように第１類似度を降順にソートすることにより第１類似度の確率分布が得られる。その後、算出部１３は、第１類似度の確率分布から上記の式（１）にしたがって尖度Ｋ１を算出する（ステップＳ１０４）。

そして、導出部１４は、上記の第１類似度が第１位である登録者に対応付けられた第２類似度の確率分布の尖度を登録データから取得することにより尖度Ｋ２を導出する（ステップＳ１０５）。

続いて、切替部１５は、ステップＳ１０４で算出された尖度Ｋ１およびステップＳ１０５で導出された尖度Ｋ２の差分絶対値Ａを算出する（ステップＳ１０６）。

ここで、上記の尖度Ｋ２が所定の閾値ｔｈ１を超え、かつ尖度Ｋ１および尖度Ｋ２の差分絶対値Ａが所定の閾値ｔｈ２以下である場合（ステップＳ１０７ＹｅｓかつステップＳ１０８Ｙｅｓ）、図２に示すケースＣ１に対応する状況と推定できる。この場合、切替部１５は、第１の絞込率Ｒ_ｎｄから第２の絞込率Ｒ_ｎｄ－αへ切り替える（ステップＳ１０９）。

そして、本人認証部１６は、第２の絞込率Ｒ_ｎｄ－αで絞り込まれた照合対象者の登録手のひら静脈と、第２抽出部３２Ｂから取得される入力手のひら静脈との第３類似度に基づいて入力手のひら静脈が登録者本人であるか否かを認証し（ステップＳ１１０）、処理を終了する。

一方、上記の尖度Ｋ２が所定の閾値ｔｈ１を超えない場合（ステップＳ１０７Ｎｏ）、図２に示すケースＣ２およびケースＣ４に対応する状況と推定できる。この場合、切替部１５は、第１の絞込率のまま維持すると共に入力顔情報の再取得を行わない。

すなわち、本人認証部１６は、第１の絞込率Ｒ_ｎｄで絞り込まれた照合対象者の登録手のひら静脈と、第２抽出部３２Ｂから取得される入力手のひら静脈との第３類似度に基づいて入力手のひら静脈が登録者本人であるか否かを認証し（ステップＳ１１０）、処理を終了する。

なお、上記の尖度Ｋ２が所定の閾値ｔｈ１を超え、かつ尖度Ｋ１および尖度Ｋ２の差分絶対値Ａが所定の閾値ｔｈ２以下でない場合（ステップＳ１０７ＹｅｓかつステップＳ１０８Ｎｏ）、図２に示すケースＣ３に対応する状況と推定できる。この場合、切替部１５は、入力顔情報の再取得を端末３０の第１抽出部３１Ｂ等へ指示し（ステップＳ１１２）、処理を終了する。

［効果の一側面］
上述してきたように、本実施例に係るマルチ生体認証サービス１は、入力顔情報と登録顔情報の類似度の分布と、類似度が第１位である登録顔情報と第２位以降の登録顔情報の類似度の分布とに基づいて手のひら静脈を用いる本人認証で照合する照合対象者の絞込率を切り替える。例えば、登録者数Ｎから少数の照合対象者に絞り込む余地がある場合、登録者数Ｎから照合対象者を絞り込む絞込率を下げることで、登録者数Ｎから絞り込まれる照合対象者の数を変更前よりも少数に変更できる。したがって、本実施例に係るマルチ生体認証サービス１によれば、照合処理の高速化を実現する。

さて、これまで開示の装置に関する実施例について説明したが、本発明は上述した実施例以外にも、種々の異なる形態にて実施されてよいものである。そこで、以下では、本発明に含まれる他の実施例を説明する。

［切り替え基準の応用例］
上記の実施例１では、第１類似度に関する分布Ｄ１の尖度Ｋ１および第２類似度に関する分布Ｄ２の尖度Ｋ２を用いて、絞込率や入力顔情報の再取得の切り替えを判定する例を挙げたが、切り替えの基準は必ずしも尖度でなくともかまわない。

例えば、図７に示すステップＳ１０７の代わりに、第２類似度に関する分布Ｄ２において第１位および第２位の第２類似度の差が所定の閾値ｔｈ４を超えるか否かを条件分岐とすることもできる。この場合、第１位および第２位の第２類似度の差が閾値ｔｈ４を超える場合、ステップＳ１０７Ｙｅｓの分岐に進む一方で、第１位および第２位の第２類似度の差が閾値ｔｈ４を超えない場合、ステップＳ１０７Ｎｏの分岐に進むこととすればよい。

また、図７に示すステップＳ１０７の代わりに、第２類似度に関する分布Ｄ２の面積が所定の閾値ｔｈ５以下であるか否かを条件分岐とすることもできる。この場合、分布Ｄ２の面積が閾値ｔｈ５以下である場合、ステップＳ１０７Ｙｅｓの分岐に進む一方で、分布Ｄ２の面積が閾値ｔｈ５以下でない場合、ステップＳ１０７Ｎｏの分岐に進むこととすればよい。なお、分布Ｄ２の面積は、必ずしも分布Ｄ２の全体の面積でなくともよく、第１位から所定の区間、例えば第１０位までの面積に絞り込むこととしてもかまわない。

また、図７に示すステップＳ１０８の代わりに、第１類似度に関する分布Ｄ１および第２類似度に関する分布Ｄ２の形状の類似度が所定の閾値ｔｈ６を超えるか否かを条件分岐とすることもできる。この場合、形状の類似度が閾値ｔｈ６を超える場合、ステップＳ１０８Ｙｅｓの分岐に進む一方で、形状の類似度が閾値ｔｈ６を超えない場合、ステップＳ１０８Ｎｏの分岐に進むこととすればよい。

また、図７に示すステップＳ１０８の代わりに、第１類似度に関する分布Ｄ１において第１位および第２位の第１類似度の差が所定の閾値ｔｈ７を超えるか否かを条件分岐とすることもできる。この場合、第１位および第２位の第１類似度の差が閾値ｔｈ７を超える場合、ステップＳ１０８Ｙｅｓの分岐に進む一方で、第１位および第２位の第１類似度の差が閾値ｔｈ７を超えない場合、ステップＳ１０８Ｎｏの分岐に進むこととすればよい。

また、図７に示すステップＳ１０８の代わりに、第１類似度に関する分布Ｄ１の面積が所定の閾値ｔｈ８以下であるか否かを条件分岐とすることもできる。この場合、分布Ｄ１の面積が閾値ｔｈ８以下である場合、ステップＳ１０８Ｙｅｓの分岐に進む一方で、分布Ｄ１の面積が閾値ｔｈ８以下でない場合、ステップＳ１０８Ｎｏの分岐に進むこととすればよい。なお、分布Ｄ１の面積は、必ずしも分布Ｄ１の全体の面積でなくともよく、第１位から所定の区間、例えば第１０位までの面積に絞り込むこととしてもかまわない。

なお、図７に示すステップＳ１０８の代わりに、第１類似度に関する分布Ｄ１の尖度Ｋ１が所定の閾値ｔｈ９を超えるか否かを条件分岐とすることもできる。この場合、尖度Ｋ１が閾値ｔｈ９を超える場合、ステップＳ１０８Ｙｅｓの分岐に進む一方で、尖度Ｋ１が閾値ｔｈ９を超えない場合、ステップＳ１０８Ｎｏの分岐に進むこととすればよい。

［スタンドアローンへの適用］
例えば、上記の実施例１では、サーバ装置１０および端末３０を含むマルチ生体認証サービス１の機能がクライアントサーバシステムで動作される例を挙げたが、上記のマルチ生体認証サービス１はスタンドアローンで動作されることとしてもかまわない。

また、上記の実施例１では、第１モダリティが顔情報であると共に第２モダリティが手のひら静脈である例を挙げたが、各モダリティは特定の認証部位に限定されない。例えば、第１モダリティの顔情報と、第２モダリティの手のひら静脈を入れ替えることもできれば、第１モダリティに指紋や虹彩などの他の認証部位を適用したり、あるいは第２モダリティに指紋や虹彩などの他の認証部位を適用したりすることもできる。

［生体認証プログラム］
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８を用いて、上記の実施例１及び実施例２と同様の機能を有する生体認証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８は、コンピュータのハードウェア構成例を示す図である。図８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８に示すように、上記の実施例１で示した絞込部１２、算出部１３、導出部１４、切替部１５および本人認証部１６と同様の機能を発揮する生体認証プログラム１７０ａが記憶される。この生体認証プログラム１７０ａは、図３に示した絞込部１２、算出部１３、導出部１４、切替部１５および本人認証部１６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から生体認証プログラム１７０ａを読み出した上でＲＡＭ１８０へ展開する。この結果、生体認証プログラム１７０ａは、図８に示すように、生体認証プロセス１８０ａとして機能する。この生体認証プロセス１８０ａは、ＲＡＭ１８０が有する記憶領域のうち生体認証プロセス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、生体認証プロセス１８０ａが実行する処理の一例として、図６～図７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、上記の生体認証プログラム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」に各プログラムを記憶させる。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各プログラム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またはサーバ装置などに各プログラムを記憶させておき、コンピュータ１００がこれらから各プログラムを取得して実行するようにしてもよい。

１０ サーバ装置
１１ 登録データ記憶部
１２ 絞込部
１３ 算出部
１４ 導出部
１５ 切替部
１６ 本人認証部
３０ 端末
３１Ａ 第１センサ
３１Ｂ 第１抽出部
３２Ａ 第２センサ
３２Ｂ 第２抽出部

Claims (9)

1. センサの出力から抽出された第１モダリティの生体情報と、所定の登録データに含まれる第１モダリティの生体情報との間の第１類似度に関する分布を算出する算出部と、
   前記登録データに含まれる第１モダリティの生体情報のうち前記第１類似度が第１位である第１モダリティの生体情報と、前記第１類似度が第２位以降である第１モダリティの生体情報との間の第２類似度に関する分布を導出する導出部と、
   前記第１類似度に関する分布および前記第２類似度に関する分布に基づいて、前記登録データに含まれる登録者のうち前記第１モダリティとは異なる第２モダリティを用いる本人認証で照合する照合対象者を絞り込む絞込率を切り替える切替部と、
   を有する生体認証装置。
2. 前記切替部は、前記第１類似度に関する分布の尖度および前記第２類似度に関する分布の尖度に基づいて、前記絞込率を切り替える請求項１に記載の生体認証装置。
3. 前記切替部は、前記第２類似度に関する分布の尖度が所定の閾値を超え、かつ前記第１類似度に関する分布の尖度および前記第２類似度に関する分布の尖度の差分絶対値が所定の閾値以内である場合、前記絞込率を低下させる請求項２に記載の生体認証装置。
4. 前記切替部は、前記第２類似度に関する分布の尖度が所定の閾値を超え、かつ前記第１類似度に関する分布の尖度および前記第２類似度に関する分布の尖度の差分絶対値が所定の閾値以内でない場合、前記センサの出力から抽出される第１モダリティの生体情報の再取得を実行する請求項２に記載の生体認証装置。
5. 前記第１類似度に関する分布または前記第２類似度に関する分布は、前記第１類似度または前記第２類似度を降順にソートすることに得られる確率分布である請求項２に記載の生体認証装置。
6. 前記第１モダリティが顔情報である請求項１に記載の生体認証装置。
7. 前記第２モダリティが手のひら静脈である請求項１に記載の生体認証装置。
8. センサの出力から抽出された第１モダリティの生体情報と、所定の登録データに含まれる第１モダリティの生体情報との間の第１類似度に関する分布を算出し、
   前記登録データに含まれる第１モダリティの生体情報のうち前記第１類似度が第１位である第１モダリティの生体情報と、前記第１類似度が第２位以降である第１モダリティの生体情報との間の第２類似度に関する分布を導出し、
   前記第１類似度に関する分布および前記第２類似度に関する分布に基づいて、前記登録データに含まれる登録者のうち前記第１モダリティとは異なる第２モダリティを用いる本人認証で照合する照合対象者を絞り込む絞込率を切り替える、
   処理をコンピュータが実行する生体認証方法。
9. センサの出力から抽出された第１モダリティの生体情報と、所定の登録データに含まれる第１モダリティの生体情報との間の第１類似度に関する分布を算出し、
   前記登録データに含まれる第１モダリティの生体情報のうち前記第１類似度が第１位である第１モダリティの生体情報と、前記第１類似度が第２位以降である第１モダリティの生体情報との間の第２類似度に関する分布を導出し、
   前記第１類似度に関する分布および前記第２類似度に関する分布に基づいて、前記登録データに含まれる登録者のうち前記第１モダリティとは異なる第２モダリティを用いる本人認証で照合する照合対象者を絞り込む絞込率を切り替える、
   処理をコンピュータに実行させる生体認証プログラム。

Images