JPH0816788A - 個人固有の複数の身体的特徴を用いる個人認証方法 - Google Patents
個人固有の複数の身体的特徴を用いる個人認証方法Info
- Publication number
- JPH0816788A JPH0816788A JP6150273A JP15027394A JPH0816788A JP H0816788 A JPH0816788 A JP H0816788A JP 6150273 A JP6150273 A JP 6150273A JP 15027394 A JP15027394 A JP 15027394A JP H0816788 A JPH0816788 A JP H0816788A
- Authority
- JP
- Japan
- Prior art keywords
- individual
- person
- category
- peculiar
- characteristic
- 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.)
- Pending
Links
Abstract
(57)【要約】
【目的】 個人固有の複数の特徴を利用することによ
り、個々の特徴パラメータの変化に柔軟に対応でき、か
つ、いずれかの個人固有の特徴を利用できない場合でも
本人の確認を行なう。 【構成】 音声、指紋、筆跡等の個人固有の複数の特徴
を読み取り（ステップ１）、読み取った特徴パラメータ
をそれぞれ個人の特徴を反映する複数のカテゴリに分割
し（ステップ２）、分割した各カテゴリをその個人の特
徴の現れ易さにより重み付けを施して統合し（ステップ
３）、統合により得られた各特徴パラメータをその個人
の特徴の現れ易さにより重み付けを施して統合し（ステ
ップ４）、統合結果を閾値と比較して本人確認を行なう
（ステップ５）。
り、個々の特徴パラメータの変化に柔軟に対応でき、か
つ、いずれかの個人固有の特徴を利用できない場合でも
本人の確認を行なう。 【構成】 音声、指紋、筆跡等の個人固有の複数の特徴
を読み取り（ステップ１）、読み取った特徴パラメータ
をそれぞれ個人の特徴を反映する複数のカテゴリに分割
し（ステップ２）、分割した各カテゴリをその個人の特
徴の現れ易さにより重み付けを施して統合し（ステップ
３）、統合により得られた各特徴パラメータをその個人
の特徴の現れ易さにより重み付けを施して統合し（ステ
ップ４）、統合結果を閾値と比較して本人確認を行なう
（ステップ５）。
Description
【０００１】
【産業上の利用分野】本発明は、高度のセキュリティを
必要とする各種のアクセスコントロールのための個人固
有の複数の身体的特徴を用いる個人認証装置に利用する
個人認証方法に関するものである。
必要とする各種のアクセスコントロールのための個人固
有の複数の身体的特徴を用いる個人認証装置に利用する
個人認証方法に関するものである。
【０００２】
【従来の技術】従来の個人認証方法は、 （１）鍵、カードまたは印鑑等の個人所有の物より本人
確認を行なう。 （２）暗証番号またはパスワード等の個人の知識により
本人確認を行なう。 （３）指紋、筆跡または掌形等の個人固有の特徴の一つ
により本人確認を行なう。 等の方法が実用化されている。
確認を行なう。 （２）暗証番号またはパスワード等の個人の知識により
本人確認を行なう。 （３）指紋、筆跡または掌形等の個人固有の特徴の一つ
により本人確認を行なう。 等の方法が実用化されている。
【０００３】すなわち、鍵等の個人所有の物による本人
確認は、その物を当然本人は所有しているという考え方
に基づき、その物を持っている者を本人と確認する方法
で、広く各方面で利用されている。
確認は、その物を当然本人は所有しているという考え方
に基づき、その物を持っている者を本人と確認する方法
で、広く各方面で利用されている。
【０００４】暗証番号等の個人の知識による本人確認
は、その知識は当然本人しか知り得ないという考え方に
基づき、その知識を持っている者を本人と確認する方法
で、やはり広く各方面で利用されている。特に金融機関
におけるキャッシュカードのように、個人所有物との併
用によりセキュリティを高めている場合が多い。
は、その知識は当然本人しか知り得ないという考え方に
基づき、その知識を持っている者を本人と確認する方法
で、やはり広く各方面で利用されている。特に金融機関
におけるキャッシュカードのように、個人所有物との併
用によりセキュリティを高めている場合が多い。
【０００５】指紋等の個人固有の特徴の一つによる本人
確認は、その特徴が本人固有のものであり他人とは相違
するという考え方に基づき、その特徴を有する者を本人
と確認する方法で、高度のセキュリティを必要とする場
合に利用されている。
確認は、その特徴が本人固有のものであり他人とは相違
するという考え方に基づき、その特徴を有する者を本人
と確認する方法で、高度のセキュリティを必要とする場
合に利用されている。
【０００６】
【発明が解決しようとする課題】しかしながら、上記従
来の個人認証方法にはそれぞれ次のような問題があっ
た。 （１）鍵やカード等の個人所有の物による個人認証方法
の場合、簡便で低コストである反面、所有物の紛失、盗
難の可能性があり、高度のセキュリティを必要とする場
合での適用には問題があった。 （２）暗証番号やパスワード等の個人の知識による個人
認証方法の場合も、簡便で低コストである反面、その知
識の忘失や利用時における盗み見等の可能性があり、や
はり高度のセキュリティを必要とする場合での適用には
問題があった。 （３）個人固有の特徴による個人認証方法の場合、安全
性の観点からは有効な方法であるが、使用する特徴パラ
メータの局所的な変動により識別性が大きく低下した
り、個人の特徴が現れ易い特徴パラメータを適宜選択す
ることが困難であったり、利用者の状況によっては利用
できない可能性があった。例えば何らかの障害により実
際の個人の特徴と、登録している特徴パラメータとが相
違してしまうことがあり、この場合正確に本人を確認す
ることが困難になってしまう。また、本人確認に利用す
る個人の特徴を利用できない人もいる。
来の個人認証方法にはそれぞれ次のような問題があっ
た。 （１）鍵やカード等の個人所有の物による個人認証方法
の場合、簡便で低コストである反面、所有物の紛失、盗
難の可能性があり、高度のセキュリティを必要とする場
合での適用には問題があった。 （２）暗証番号やパスワード等の個人の知識による個人
認証方法の場合も、簡便で低コストである反面、その知
識の忘失や利用時における盗み見等の可能性があり、や
はり高度のセキュリティを必要とする場合での適用には
問題があった。 （３）個人固有の特徴による個人認証方法の場合、安全
性の観点からは有効な方法であるが、使用する特徴パラ
メータの局所的な変動により識別性が大きく低下した
り、個人の特徴が現れ易い特徴パラメータを適宜選択す
ることが困難であったり、利用者の状況によっては利用
できない可能性があった。例えば何らかの障害により実
際の個人の特徴と、登録している特徴パラメータとが相
違してしまうことがあり、この場合正確に本人を確認す
ることが困難になってしまう。また、本人確認に利用す
る個人の特徴を利用できない人もいる。
【０００７】さらに、個人固有の特徴による個人認証方
法の場合、高い精度で本人を確認しようとすると、高度
のアルゴリズムを必要とするため、安価に装置を構成す
ることが困難である。
法の場合、高い精度で本人を確認しようとすると、高度
のアルゴリズムを必要とするため、安価に装置を構成す
ることが困難である。
【０００８】本発明は、このような従来の個人認証方法
の問題を解決するものであり、高い精度で装置を安価に
構成することができる個人固有の複数の身体的特徴を用
いる個人認証方法を提供することを目的とする。
の問題を解決するものであり、高い精度で装置を安価に
構成することができる個人固有の複数の身体的特徴を用
いる個人認証方法を提供することを目的とする。
【０００９】
【課題を解決するための手段】本発明は、上記目的を達
成するために、個人固有の複数の特徴を統一的に扱うこ
との可能な、普偏性の高い照合アルゴリズムを、例えば
ニューラルネットワークにより実現したものであり、個
人の特徴が現れ易い複数の特徴パラメータを抽出し、各
特徴パラメータに重み付けを施して統合し、統合結果を
閾値と比較して本人確認を行なうようにしたものであ
る。
成するために、個人固有の複数の特徴を統一的に扱うこ
との可能な、普偏性の高い照合アルゴリズムを、例えば
ニューラルネットワークにより実現したものであり、個
人の特徴が現れ易い複数の特徴パラメータを抽出し、各
特徴パラメータに重み付けを施して統合し、統合結果を
閾値と比較して本人確認を行なうようにしたものであ
る。
【００１０】
【作用】したがって、本発明によれば、個人固有の複数
の特徴を利用することにより、個々の特徴パラメータの
変化に柔軟に対応でき、また、いずれの個人固有の特徴
を利用できない場合でも本人の確認を確実に行なうこと
ができる。
の特徴を利用することにより、個々の特徴パラメータの
変化に柔軟に対応でき、また、いずれの個人固有の特徴
を利用できない場合でも本人の確認を確実に行なうこと
ができる。
【００１１】また、個人固有の複数の特徴情報に重み付
けを施し統合的に本人を確認するため、個々の本人判定
部の精度が必ずしも高くなくても、本人を高い精度で判
定することが可能となる。
けを施し統合的に本人を確認するため、個々の本人判定
部の精度が必ずしも高くなくても、本人を高い精度で判
定することが可能となる。
【００１２】さらに、個人の特徴を階層的に捉え、カテ
ゴリに対する重み付けおよび統合を特徴パラメータに対
する重み付けおよび統合と、同一の手順で実行できるた
め、汎用性のあるアルゴリズムが使用でき、安価に個人
認証のための装置を実現できる。
ゴリに対する重み付けおよび統合を特徴パラメータに対
する重み付けおよび統合と、同一の手順で実行できるた
め、汎用性のあるアルゴリズムが使用でき、安価に個人
認証のための装置を実現できる。
【００１３】
【実施例】以下、本発明の一実施例を図面とともに説明
する。図１は本発明の一実施例における個人認証方法の
流れ図である。図１において、まずステップ１で音声、
指紋、筆跡等の個人固有の複数の特徴情報（特徴パラメ
ータ）を読み取り、ステップ２でそれぞれ読み取った特
徴パラメータをそれぞれその個人の特徴を反映する複数
のカテゴリに分割し、ステップ３で分割した各カテゴリ
をその個人の特徴の現れ易さにより重み付けを施して統
合し、ステップ４で各カテゴリを統合して再構成した各
特徴パラメータを、その個人の特徴の現れ易さにより重
み付けを施して統合し、ステップ５で閾値と比較して本
人確認を行なう。
する。図１は本発明の一実施例における個人認証方法の
流れ図である。図１において、まずステップ１で音声、
指紋、筆跡等の個人固有の複数の特徴情報（特徴パラメ
ータ）を読み取り、ステップ２でそれぞれ読み取った特
徴パラメータをそれぞれその個人の特徴を反映する複数
のカテゴリに分割し、ステップ３で分割した各カテゴリ
をその個人の特徴の現れ易さにより重み付けを施して統
合し、ステップ４で各カテゴリを統合して再構成した各
特徴パラメータを、その個人の特徴の現れ易さにより重
み付けを施して統合し、ステップ５で閾値と比較して本
人確認を行なう。
【００１４】次に、上記実施例をさらに詳細に説明す
る。音声、指紋、筆跡等の個々の特徴パラメータについ
ては、基本的には同様の手順により実施され、また、特
徴パラメータに対する重み付けおよび統合は、各カテゴ
リに対する重み付けおよび統合と同一の手順であること
から、ここでの説明は、一つの特徴パラメータである筆
跡を用いた場合について図２を参照して説明する。
る。音声、指紋、筆跡等の個々の特徴パラメータについ
ては、基本的には同様の手順により実施され、また、特
徴パラメータに対する重み付けおよび統合は、各カテゴ
リに対する重み付けおよび統合と同一の手順であること
から、ここでの説明は、一つの特徴パラメータである筆
跡を用いた場合について図２を参照して説明する。
【００１５】図２において、１１はタブレット等から文
字を入力するステップである。１２は入力された文字情
報のサンプリング時間ごとのペンの位置座標の系列（筆
点座標系列）を長さ一定の線分で折れ線近似し、特徴パ
ラメータを抽出するステップである。１３はカテゴリ識
別用ニューラルネットワークを用いて学習を行なうステ
ップである。１４はステップ１２で抽出した特徴パラメ
ータをカテゴリごとに分割するステップである。１５は
ステップ１４で分割したカテゴリごとにＰ型フーリエ記
述子（以下「Ｐ型記述子」という。）を生成するステッ
プである。１６は、ｎ個（カテゴリ数）の個人抽出用ニ
ューラルネットワークを用いて学習を行なうステップで
ある。１７はステップ１６のｎ個の個人抽出用ニューラ
ルネットワークからの出力にそれぞれ重み付けをするス
テップである。１８はステップ１７で重み付けをした出
力を統合し、閾値と比較して個人を照合するステップで
ある。
字を入力するステップである。１２は入力された文字情
報のサンプリング時間ごとのペンの位置座標の系列（筆
点座標系列）を長さ一定の線分で折れ線近似し、特徴パ
ラメータを抽出するステップである。１３はカテゴリ識
別用ニューラルネットワークを用いて学習を行なうステ
ップである。１４はステップ１２で抽出した特徴パラメ
ータをカテゴリごとに分割するステップである。１５は
ステップ１４で分割したカテゴリごとにＰ型フーリエ記
述子（以下「Ｐ型記述子」という。）を生成するステッ
プである。１６は、ｎ個（カテゴリ数）の個人抽出用ニ
ューラルネットワークを用いて学習を行なうステップで
ある。１７はステップ１６のｎ個の個人抽出用ニューラ
ルネットワークからの出力にそれぞれ重み付けをするス
テップである。１８はステップ１７で重み付けをした出
力を統合し、閾値と比較して個人を照合するステップで
ある。
【００１６】以上のように構成された筆跡を用いた個人
認証方法について、以下その動作を説明する。まず入力
された文字情報から特徴パラメータを抽出する（ステッ
プ１１、１２）。特徴パラメータはタブレット等の入力
装置を用いて入力した筆記文字を、サンプリング時間ご
とのペンの位置座標の系列（筆点座標系列）に変換し、
長さ一定の線分で折れ線近似したストロークより抽出す
る。筆跡に現れる個人の特徴を反映する特徴パラメータ
として、図３に示すようにオンラインでサンプリングさ
れた筆跡におけるストローク間の差分角度を利用する。
この特徴パラメータは筆記文字の拡大・縮小および回転
変動に強く、筆記文字の配列方向や画数に関する制限が
少ない。
認証方法について、以下その動作を説明する。まず入力
された文字情報から特徴パラメータを抽出する（ステッ
プ１１、１２）。特徴パラメータはタブレット等の入力
装置を用いて入力した筆記文字を、サンプリング時間ご
とのペンの位置座標の系列（筆点座標系列）に変換し、
長さ一定の線分で折れ線近似したストロークより抽出す
る。筆跡に現れる個人の特徴を反映する特徴パラメータ
として、図３に示すようにオンラインでサンプリングさ
れた筆跡におけるストローク間の差分角度を利用する。
この特徴パラメータは筆記文字の拡大・縮小および回転
変動に強く、筆記文字の配列方向や画数に関する制限が
少ない。
【００１７】次に、カテゴリ識別用および個人性抽出用
のニューラルネットワークを使用して学習を行なう（ス
テップ１３）。ニューラルネットワークは、これまでに
数多くの型が提案されているが、ここではフィードバッ
ク結合や層内結合を含まない構造の簡単な３層の階層型
ニューラルネットワークを用い、誤差逆伝搬法を学習則
とする。これらのニューラルネットワークは以下に述べ
る学習を行なう。
のニューラルネットワークを使用して学習を行なう（ス
テップ１３）。ニューラルネットワークは、これまでに
数多くの型が提案されているが、ここではフィードバッ
ク結合や層内結合を含まない構造の簡単な３層の階層型
ニューラルネットワークを用い、誤差逆伝搬法を学習則
とする。これらのニューラルネットワークは以下に述べ
る学習を行なう。
【００１８】先に抽出した特徴パラメータの集合を学習
用データとして、文字全体若しくは文字の一部を構成す
るストロークの集合をカテゴリと定義する。図２のカテ
ゴリ識別用ニューラルネットワークでは、学習用データ
の特徴パラメータを、適当なｎ個のカテゴリに対応付
け、特徴パラメータとカテゴリとの対応関係を学習す
る。また、特徴パラメータとカテゴリとの対応関係を用
いて、学習用データからカテゴリを切り出す、すなわち
カテゴリに対応する特徴パラメータを抽出する（ステッ
プ１４）。
用データとして、文字全体若しくは文字の一部を構成す
るストロークの集合をカテゴリと定義する。図２のカテ
ゴリ識別用ニューラルネットワークでは、学習用データ
の特徴パラメータを、適当なｎ個のカテゴリに対応付
け、特徴パラメータとカテゴリとの対応関係を学習す
る。また、特徴パラメータとカテゴリとの対応関係を用
いて、学習用データからカテゴリを切り出す、すなわち
カテゴリに対応する特徴パラメータを抽出する（ステッ
プ１４）。
【００１９】学習用データから切り出された各カテゴリ
において、先に抽出した特徴パラメータである差分角度
情報を、照合時に用いる周波数領域の情報に変換する
（ステップ１５）。ここでは、平面上の曲線を周波数領
域で記述するＰ型記述子を適用し、筆跡を一筆書きの線
図形として捉え、その低域成分から得られる線図形の概
形を照合時の特徴量とする。そして、個人性抽出用ニュ
ーラルネットワークにおいて、このＰ型記述子で表現さ
れたカテゴリの特徴と筆者との対応関係を学習する（ス
テップ１６）。次に、個人性抽出用ニューラルネットワ
ークの汎用能力（未学習のデータに対する識別能力）を
補償し、照合アルゴリズムの信頼性を向上させるため、
個人性抽出用ニューラルネットワークの出力に対し、カ
テゴリの特徴を明確化するような重み付け（調整）を行
なう（ステップ１７）。ここでは、個人性抽出用ニュー
ラルネットワークに未学習のデータ（以下調整用デー
タ」という。）を与え、各ニューラルネットワークの出
力を基に以下の（１）および（２）に示す条件を考慮
し、重み係数を算出する。 （１）カテゴリ別のニューラルネットワークの識別精度
（一般性の尺度） 全筆者に共通してニューラルネットワークの識別精度が
低いカテゴリを削除し、重み付けの対象外とする。 （２）筆者別のニューラルネットワークの出力傾向（個
人性の尺度） ニューラルネットワークの出力値において、自他の差が
明確なカテゴリほど、より大きい重みを与える。
において、先に抽出した特徴パラメータである差分角度
情報を、照合時に用いる周波数領域の情報に変換する
（ステップ１５）。ここでは、平面上の曲線を周波数領
域で記述するＰ型記述子を適用し、筆跡を一筆書きの線
図形として捉え、その低域成分から得られる線図形の概
形を照合時の特徴量とする。そして、個人性抽出用ニュ
ーラルネットワークにおいて、このＰ型記述子で表現さ
れたカテゴリの特徴と筆者との対応関係を学習する（ス
テップ１６）。次に、個人性抽出用ニューラルネットワ
ークの汎用能力（未学習のデータに対する識別能力）を
補償し、照合アルゴリズムの信頼性を向上させるため、
個人性抽出用ニューラルネットワークの出力に対し、カ
テゴリの特徴を明確化するような重み付け（調整）を行
なう（ステップ１７）。ここでは、個人性抽出用ニュー
ラルネットワークに未学習のデータ（以下調整用デー
タ」という。）を与え、各ニューラルネットワークの出
力を基に以下の（１）および（２）に示す条件を考慮
し、重み係数を算出する。 （１）カテゴリ別のニューラルネットワークの識別精度
（一般性の尺度） 全筆者に共通してニューラルネットワークの識別精度が
低いカテゴリを削除し、重み付けの対象外とする。 （２）筆者別のニューラルネットワークの出力傾向（個
人性の尺度） ニューラルネットワークの出力値において、自他の差が
明確なカテゴリほど、より大きい重みを与える。
【００２０】いま、筆者数をＭ、カテゴリ数Ｎの場合の
重み係数を表すＭ×Ｎ行列をＷとすると、以下の（１）
式を用いて重み係数を算出する。 Ｗ ＝ ＣＰ ・・・（１） ただし、 Ｃ ＝ ｆ1 （θ） Ｐ ＝ ｆ2 （θ）
重み係数を表すＭ×Ｎ行列をＷとすると、以下の（１）
式を用いて重み係数を算出する。 Ｗ ＝ ＣＰ ・・・（１） ただし、 Ｃ ＝ ｆ1 （θ） Ｐ ＝ ｆ2 （θ）
【００２１】ここで、θは、ニューラルネットワークの
出力ユニットの値を成分にもつ下記行列式（２）であ
り、ｆ1 およびｆ2 は、それぞれ前記条件（１）および
（２）を満足する関数とする。
出力ユニットの値を成分にもつ下記行列式（２）であ
り、ｆ1 およびｆ2 は、それぞれ前記条件（１）および
（２）を満足する関数とする。
【数１】 ただし、
【数２】
【００２２】次に、このように学習および調整を施した
照合用データをカテゴリ識別用ニューラルネットワーク
に入力し、その出力結果から照合用データの属するカテ
ゴリを選択する。Ｐ型記述子に変換した照合用データ
は、選択されたカテゴリに対応する個人性抽出用ニュー
ラルネットワークに入力され、個人性抽出用ニューラル
ネットワークの出力値に調整時に求めた重み係数を加え
る。
照合用データをカテゴリ識別用ニューラルネットワーク
に入力し、その出力結果から照合用データの属するカテ
ゴリを選択する。Ｐ型記述子に変換した照合用データ
は、選択されたカテゴリに対応する個人性抽出用ニュー
ラルネットワークに入力され、個人性抽出用ニューラル
ネットワークの出力値に調整時に求めた重み係数を加え
る。
【００２３】以上の手続きを照合用データの各文字ごと
に繰り返し、重み係数を加えた個人性抽出用ニューラル
ネットワークの出力値の総和を閾値と比較することによ
り、照合用データが学習および調整を行なった筆者と同
一であるか否かを判定する（ステップ１８）。
に繰り返し、重み係数を加えた個人性抽出用ニューラル
ネットワークの出力値の総和を閾値と比較することによ
り、照合用データが学習および調整を行なった筆者と同
一であるか否かを判定する（ステップ１８）。
【００２４】
【発明の効果】本発明は、上記実施例から明らかなよう
に、個人固有の複数の特徴を利用することにより、個々
の特徴パラメータの変化に柔軟に対応でき、かつ、いず
れかの個人固有の特徴を利用できない場合でも、本人の
確認を行なうことができる。
に、個人固有の複数の特徴を利用することにより、個々
の特徴パラメータの変化に柔軟に対応でき、かつ、いず
れかの個人固有の特徴を利用できない場合でも、本人の
確認を行なうことができる。
【００２５】また、個人固有の複数の特徴情報に重み付
けを施し統合的に本人を確認するため、個々の本人の判
定部の精度が必ずしも高くなくても、本人を高い精度で
判定することができる。
けを施し統合的に本人を確認するため、個々の本人の判
定部の精度が必ずしも高くなくても、本人を高い精度で
判定することができる。
【００２６】さらに、個人の特徴を階層的に捉えカテゴ
リ対する重み付けおよび統合を特徴パラメータに対する
重み付けおよび統合と、同一の手順で実行するため、汎
用性のあるアルゴリズムが使用でき、安価な個人認証装
置を実現できる。
リ対する重み付けおよび統合を特徴パラメータに対する
重み付けおよび統合と、同一の手順で実行するため、汎
用性のあるアルゴリズムが使用でき、安価な個人認証装
置を実現できる。
【図１】本発明の一実施例を示す個人固有の複数の身体
的特徴を用いる個人認証方法の流れ図
的特徴を用いる個人認証方法の流れ図
【図２】本実施例における筆跡を用いた個人固有の複数
の身体的特徴を用いる個人認証方法の流れ図
の身体的特徴を用いる個人認証方法の流れ図
【図３】本実施例におけるストローク間差分角度を説明
するための特性図
するための特性図
１ 特徴パラメータ抽出ステップ ２ 特徴パラメータカテゴリ分割ステップ ３ カテゴリ統合ステップ ４ 特徴パラメータ統合ステップ ５ 本人確認ステップ
フロントページの続き (72)発明者 土 屋 正 勝 東京都港区麻布台１丁目６番19号 郵政省 郵政研究所 技術開発研究センター内 (72)発明者 小 松 尚 久 東京都国分寺市光町一丁目26番24号 (72)発明者 山 崎 恭 埼玉県入間市新光306−220 (72)発明者 工 藤 英 彦 神奈川県横浜市港北区綱島東四丁目３番１ 号 松下通信工業株式会社内
Claims (4)
- 【請求項１】 個人固有の身体的特徴を抽出し、抽出し
た特徴情報を判断することにより本人確認を行なう個人
認証方法において、個人固有の複数の特徴を抽出し、抽
出した各特徴パラメータを個人の特徴を反映する複数の
カテゴリに分割し、分割した各カテゴリをその個人の特
徴の現れ易さにより重み付けを施して統合し、統合によ
り得られた各特徴パラメータをその個人の特徴の現れ易
さにより重み付けを施して統合し、統合結果を閾値と比
較して本人確認を行なう個人固有の複数の身体的特徴を
用いる個人認証方法。 - 【請求項２】 各カテゴリおよび各特徴パラメータの重
み付けおよび統合をニューラルネットワークを用いて行
なう請求項１記載の個人固有の複数の身体的特徴を用い
る個人認証方法。 - 【請求項３】 各カテゴリおよび各特徴パラメータの重
み付けおよび統合を同じアルゴリズムを使用するニュー
ラルネットワークを用いて行なう請求項１記載の個人固
有の複数の身体的特徴を用いる個人認証方法。 - 【請求項４】 ニューラルネットワークは、誤差逆伝搬
法を学習則とする３層構造のものである請求項２または
３記載の個人固有の複数の身体的特徴を用いる個人認証
方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP6150273A JPH0816788A (ja) | 1994-06-30 | 1994-06-30 | 個人固有の複数の身体的特徴を用いる個人認証方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP6150273A JPH0816788A (ja) | 1994-06-30 | 1994-06-30 | 個人固有の複数の身体的特徴を用いる個人認証方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JPH0816788A true JPH0816788A (ja) | 1996-01-19 |
Family
ID=15493356
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP6150273A Pending JPH0816788A (ja) | 1994-06-30 | 1994-06-30 | 個人固有の複数の身体的特徴を用いる個人認証方法 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPH0816788A (ja) |
Cited By (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO1998037519A1 (en) * | 1997-02-21 | 1998-08-27 | Dew Engineering And Development Limited | Method of gathering biometric information |
| US6038334A (en) * | 1997-02-21 | 2000-03-14 | Dew Engineering And Development Limited | Method of gathering biometric information |
| WO2001009845A1 (de) * | 1999-08-03 | 2001-02-08 | Siemens Aktiengesellschaft | Verfahren zur biometrischen erkennung |
| EP1251468A2 (en) * | 2001-04-17 | 2002-10-23 | Matsushita Electric Industrial Co., Ltd. | Personal authentication method and device |
| JP2003044855A (ja) * | 2001-08-03 | 2003-02-14 | Nippon System Kaihatsu Kk | 認証装置および認証方法ならびに認証プログラム |
| EP1498838A1 (de) * | 2003-07-18 | 2005-01-19 | Identification Systems DERMALOG GmbH | Verfahren zur automatischen Verifikation der Identität einer Person und biometrisches Identifikationsdokument zur Verwendung in dem Verfahren |
| JP2006277341A (ja) * | 2005-03-29 | 2006-10-12 | Fujitsu Ltd | 複数同時バイオメトリクス入力装置および複数同時バイオメトリクス認証装置 |
| KR100651734B1 (ko) * | 2004-12-07 | 2006-12-01 | 한국전자통신연구원 | 다중 생체인식 방법 및 그 시스템 |
| JP2009237643A (ja) * | 2008-03-26 | 2009-10-15 | Nec Corp | 認証システム、認証方法および認証用プログラム |
| US8014570B2 (en) | 2004-11-16 | 2011-09-06 | Activcard, Inc. | Method for improving false acceptance rate discriminating for biometric authentication systems |
| JP2016517548A (ja) * | 2013-03-14 | 2016-06-16 | インテル コーポレイション | 音声及び顔認識に基づくサービス提供 |
| JP2018147312A (ja) * | 2017-03-07 | 2018-09-20 | 公立大学法人会津大学 | 手書き文字によるユーザ認証システム |
| WO2019021369A1 (ja) * | 2017-07-25 | 2019-01-31 | 三菱電機株式会社 | データ解析装置 |
| JP2021503653A (ja) * | 2017-11-17 | 2021-02-12 | タレス・ディス・フランス・エス・ア | 通信装置によって行われるユーザ認証を改善する方法 |
-
1994
- 1994-06-30 JP JP6150273A patent/JPH0816788A/ja active Pending
Cited By (20)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6038334A (en) * | 1997-02-21 | 2000-03-14 | Dew Engineering And Development Limited | Method of gathering biometric information |
| US6072891A (en) * | 1997-02-21 | 2000-06-06 | Dew Engineering And Development Limited | Method of gathering biometric information |
| JP2002503362A (ja) * | 1997-02-21 | 2002-01-29 | デュー エンジニアリング アンド デベロップメント リミテッド | 生物測定情報収集法 |
| WO1998037519A1 (en) * | 1997-02-21 | 1998-08-27 | Dew Engineering And Development Limited | Method of gathering biometric information |
| WO2001009845A1 (de) * | 1999-08-03 | 2001-02-08 | Siemens Aktiengesellschaft | Verfahren zur biometrischen erkennung |
| US7623970B2 (en) | 2001-04-17 | 2009-11-24 | Panasonic Corporation | Personal authentication method and device |
| EP1251468A2 (en) * | 2001-04-17 | 2002-10-23 | Matsushita Electric Industrial Co., Ltd. | Personal authentication method and device |
| EP1251468A3 (en) * | 2001-04-17 | 2004-07-14 | Matsushita Electric Industrial Co., Ltd. | Personal authentication method and device |
| JP2003044855A (ja) * | 2001-08-03 | 2003-02-14 | Nippon System Kaihatsu Kk | 認証装置および認証方法ならびに認証プログラム |
| EP1498838A1 (de) * | 2003-07-18 | 2005-01-19 | Identification Systems DERMALOG GmbH | Verfahren zur automatischen Verifikation der Identität einer Person und biometrisches Identifikationsdokument zur Verwendung in dem Verfahren |
| US8014570B2 (en) | 2004-11-16 | 2011-09-06 | Activcard, Inc. | Method for improving false acceptance rate discriminating for biometric authentication systems |
| KR100651734B1 (ko) * | 2004-12-07 | 2006-12-01 | 한국전자통신연구원 | 다중 생체인식 방법 및 그 시스템 |
| JP4675660B2 (ja) * | 2005-03-29 | 2011-04-27 | 富士通株式会社 | 複数同時バイオメトリクス認証装置 |
| JP2006277341A (ja) * | 2005-03-29 | 2006-10-12 | Fujitsu Ltd | 複数同時バイオメトリクス入力装置および複数同時バイオメトリクス認証装置 |
| JP2009237643A (ja) * | 2008-03-26 | 2009-10-15 | Nec Corp | 認証システム、認証方法および認証用プログラム |
| JP2016517548A (ja) * | 2013-03-14 | 2016-06-16 | インテル コーポレイション | 音声及び顔認識に基づくサービス提供 |
| JP2018147312A (ja) * | 2017-03-07 | 2018-09-20 | 公立大学法人会津大学 | 手書き文字によるユーザ認証システム |
| WO2019021369A1 (ja) * | 2017-07-25 | 2019-01-31 | 三菱電機株式会社 | データ解析装置 |
| JPWO2019021369A1 (ja) * | 2017-07-25 | 2020-05-28 | 三菱電機株式会社 | データ解析装置 |
| JP2021503653A (ja) * | 2017-11-17 | 2021-02-12 | タレス・ディス・フランス・エス・ア | 通信装置によって行われるユーザ認証を改善する方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Jain et al. | On-line signature verification | |
| Coetzer et al. | Offline signature verification using the discrete radon transform and a hidden Markov model | |
| Fairhurst | Signature verification revisited: promoting practical exploitation of biometric technology | |
| Tanwar et al. | Online signature-based biometric recognition | |
| JPH0816788A (ja) | 個人固有の複数の身体的特徴を用いる個人認証方法 | |
| KOMIYA et al. | A pen input on-line signature verifier integrating position, pressure and inclination trajectories | |
| Chapran | Biometric writer identification: feature analysis and classification | |
| Jea | Minutiae-based partial fingerprint recognition | |
| Navaz et al. | Signature Authentication Using Biometric Methods | |
| Chen et al. | Automatic online signature verification based on dynamic function features | |
| Tolba | GloveSignature: A virtual-reality-based system for dynamic signature verification | |
| Lozhnikov et al. | Handwriting dynamics as a means of authentication | |
| Agarwal et al. | Human identification and verification based on signature, fingerprint and iris integration | |
| Nakanishi et al. | On‐line signature verification based on subband decomposition by DWT and adaptive signal processing | |
| Gupta | The state of the art in the on-line handwritten signature verification | |
| Krawczyk | User authentication using on-line signature and speech | |
| Ramann et al. | Biometric applications based on handwriting | |
| Ravi et al. | Concatenation of spatial and transformation features for off-line signature identification | |
| Fabregas et al. | On-line signature verification system with failure to enrol management | |
| Bissig | Signature verification on finger operated touchscreen devices | |
| Komiya et al. | On-line pen input signature verifier ppi (pen-position/pen-pressure/pen-inclination) | |
| JP2003044855A (ja) | 認証装置および認証方法ならびに認証プログラム | |
| Kim et al. | A study on enhanced dynamic signature verification for the embedded system | |
| Ramod et al. | Signature Authentication Verification using Siamese Network | |
| Lei et al. | Mouse-based signature verification for secure Internet transactions |