JPWO2008133235A1 - 2次元パターンのマッチング方法、特徴抽出方法、これらに用いる装置及びプログラム - Google Patents
2次元パターンのマッチング方法、特徴抽出方法、これらに用いる装置及びプログラム Download PDFInfo
- Publication number
- JPWO2008133235A1 JPWO2008133235A1 JP2009511871A JP2009511871A JPWO2008133235A1 JP WO2008133235 A1 JPWO2008133235 A1 JP WO2008133235A1 JP 2009511871 A JP2009511871 A JP 2009511871A JP 2009511871 A JP2009511871 A JP 2009511871A JP WO2008133235 A1 JPWO2008133235 A1 JP WO2008133235A1
- Authority
- JP
- Japan
- Prior art keywords
- dimensional pattern
- query
- feature data
- region
- dimensional
- 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.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/50—Extraction of image or video features by performing operations within image blocks; by using histograms, e.g. histogram of oriented gradients [HoG]; by summing image-intensity values; Projection analysis
- G06V10/507—Summing image-intensity values; Histogram projection analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
- G06F18/2135—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods based on approximation criteria, e.g. principal component analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
- G06V10/7715—Feature extraction, e.g. by transforming the feature space, e.g. multi-dimensional scaling [MDS]; Mappings, e.g. subspace methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/12—Fingerprints or palmprints
- G06V40/1365—Matching; Classification
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Databases & Information Systems (AREA)
- Human Computer Interaction (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Software Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Image Analysis (AREA)
- Collating Specific Patterns (AREA)
Abstract
2次元パターンのマッチング方法は、入力した照会2次元パターンとその照会2次元パターンを変換することにより生成される変換照会2次元パターンとのいずれかのベクトル表現を特徴空間へ射影することにより照会特徴データを抽出する工程を含む。予め登録された登録特徴データと照会特徴データとが、そのベクトル表現の次元を有する2次元パターン表現空間に逆射影され、類似度が算出される。特徴量のデータサイズが小さく、位置ずれや画像歪に対して頑強なマッチング技術が提供される。
Description
本発明は、2次元パターンのマッチング方法、特徴抽出方法、これら方法の実施に用いる装置及びプログラムに関し、特に生体認証などに用いる指紋画像や顔画像・静脈画像等の2次元パターンのマッチング方法、特徴抽出方法、これら方法の実施に用いる装置及びプログラムに関する。この出願は、2007年4月23日に出願された日本特許出願2007−113264号を基礎とする。その日本特許出願の開示はこの参照により、ここに取り込まれる。
この種の2次元パターンのマッチング技術としては、指紋照合を行うため、背景技術欄の最後に掲げる文献1〜2、および文献9〜11に示されるように、指紋画像データから周波数特徴を抽出し、その特徴量を用いて、特徴量間の類似度を計算し、指紋の識別を行う方法が知られている。
周波数特徴を求めるための周波数解析としては、フーリエスペクトルや線形予測法により推定される伝達関数から求められるスペクトル(LPCスペクトル:Linear Prediction Coeffcient Spectrum)、LPCスペクトルを逆フーリエ変換したときに得られる係数に対応するLPCケプストラム、群遅延スペクトル(GDS:Group Delay Spectrum)等が用いられている。また、特徴量間の類似度を計算する方法としては、ユークリッド距離を用いる方法、動的計画法によるマッチング(DPマッチング:Dynamic Programming Matching)、隠れマルコフモデル(HMM:Hidden Markov Model)等が用いられている。
また、顔照合を行うために、文献11〜12では、顔画像の画素値に対して、主成分分析や判別分析を行うことで、大幅にデータ圧縮を行った上で、2次元パターンのマッチングを行い、顔の識別を行うことが記載されている。
文献13〜14、文献4〜5では、顔画像の局所領域からフーリエスペクトルを抽出し、主成分分析や判別分析などを行うことで大幅な次元圧縮を行うことで特徴量を抽出し、顔照合を行う技術が開示されている。得られた特徴量は、重み付けのユークリッド距離などを用いて、その類似度が測られる。
文献15〜16には、それぞれDPマッチングによるマッチング方法、アクティブネットによるマッチング方法が開示されている。
文献6には、指の末節線を検出する技術が開示され、文献7には、指紋中心を検出する技術が開示されている。また、文献8には、血管パターンの撮像装置の一例が開示されている。
以下に文献のリストを挙げる。
[文献1]日本国特許第2815045号公報(図16〜図17、[0235]〜[0263])
[文献2]日本国特許第3057590号公報
[文献3]日本国特許出願公開2003−67751号公報
[文献4]日本国特許第3873793号公報
[文献5]日本国特許出願公開2004−192603号公報
[文献6]日本国特許第2776340号公報
[文献7]日本国特許第2690103号公報
[文献8]日本国特許出願公開平7−21373号公報(図3、段落0015〜0020)
[文献9]松本憲幸 外、「FFT及びLPC分析に基づく指紋照合法の評価」、電子情報通信学会技術研究報告 パターン認識・理解、PRU92−4、1992年
[文献10]藤吉弘亘 外、「スペクトルの遷移確率を利用した指紋照合法」、電子情報通信学会論文誌D−II、1997年5月、Vol.J80−D−II、No.5、pp.1169−1177
[文献11]B. Moghaddam et al., “Probabilistic Visual Learning for Object Detection”, Proceeding of the 5th International Conference on Computer Vision, 1995, pp.786-793
[文献12]W. Zhao et al., “Discriminant Analysis of Principal Components for Face Recognition”, Proceedings of the IEEE 3rd International Conference on Automatic Face and Gesture Recognition, 1998, pp.336-341
[文献13]ISO/IEC, “Information technology -Multimedia content description interface -Part3: Visual Amendment1: Visual extensions”, ISO/IEC 15938-3: 2002/Amd.1: 2004, pp.15-29
[文献14]ISO/IEC, “Information technology -Multimedia content description interface -Part8: Extraction and use of MPEG-7 descriptions Amendment1: Extensions of extraction and use of MPEG-7 descriptions”, ISO/IEC TR 15938-8: 2002/Amd.1: 2004, pp.23-27
[文献15]V. Mottl et al., “Elastic Transformation of the Image Pixel Grid for Similarity Based Face Identification”, Proceedings of the 16th International Conference on Pattern Recognition,Volume3, 2002, pp.549-552
[文献16]坂上、“遺伝的アルゴリズムとアクティブネットの組合せによるステレオマッチング”、電子情報通信学会D−II、Vol.J77−D−II、No.11、1994年、pp.2239−2246
[文献1]日本国特許第2815045号公報(図16〜図17、[0235]〜[0263])
[文献2]日本国特許第3057590号公報
[文献3]日本国特許出願公開2003−67751号公報
[文献4]日本国特許第3873793号公報
[文献5]日本国特許出願公開2004−192603号公報
[文献6]日本国特許第2776340号公報
[文献7]日本国特許第2690103号公報
[文献8]日本国特許出願公開平7−21373号公報(図3、段落0015〜0020)
[文献9]松本憲幸 外、「FFT及びLPC分析に基づく指紋照合法の評価」、電子情報通信学会技術研究報告 パターン認識・理解、PRU92−4、1992年
[文献10]藤吉弘亘 外、「スペクトルの遷移確率を利用した指紋照合法」、電子情報通信学会論文誌D−II、1997年5月、Vol.J80−D−II、No.5、pp.1169−1177
[文献11]B. Moghaddam et al., “Probabilistic Visual Learning for Object Detection”, Proceeding of the 5th International Conference on Computer Vision, 1995, pp.786-793
[文献12]W. Zhao et al., “Discriminant Analysis of Principal Components for Face Recognition”, Proceedings of the IEEE 3rd International Conference on Automatic Face and Gesture Recognition, 1998, pp.336-341
[文献13]ISO/IEC, “Information technology -Multimedia content description interface -Part3: Visual Amendment1: Visual extensions”, ISO/IEC 15938-3: 2002/Amd.1: 2004, pp.15-29
[文献14]ISO/IEC, “Information technology -Multimedia content description interface -Part8: Extraction and use of MPEG-7 descriptions Amendment1: Extensions of extraction and use of MPEG-7 descriptions”, ISO/IEC TR 15938-8: 2002/Amd.1: 2004, pp.23-27
[文献15]V. Mottl et al., “Elastic Transformation of the Image Pixel Grid for Similarity Based Face Identification”, Proceedings of the 16th International Conference on Pattern Recognition,Volume3, 2002, pp.549-552
[文献16]坂上、“遺伝的アルゴリズムとアクティブネットの組合せによるステレオマッチング”、電子情報通信学会D−II、Vol.J77−D−II、No.11、1994年、pp.2239−2246
上記した諸技術の問題点は、特徴量のデータサイズが小さく、且つ、位置ずれや歪などの変形を吸収するようなマッチングを同時に行えず、高い照合精度を得られないことにある。その理由は、データサイズを小さくする要請と位置ずれや変形を吸収する要請を同時に満足できていないからである。
例えば、フーリエ周波数やLPCケプストラム等の周波数特徴を用いて、DPマッチングやHMMを用いると、マッチング時に位置ずれや変形を吸収することができるので、高い精度の照合を行うことが可能であるが、周波数特徴のデータ量が大きくなる。
一方、画像の画素値そのものや周波数特徴に対して、主成分分析や判別分析などを行うことで、コンパクトなデータにしてから照合を行う技術では、データサイズは小さくなるが、位置変動などに頑強ではない。そのため、事前の位置合わせが十分でない場合や、照合対象物に歪などの変形があるような場合、その位置ずれを吸収することが難しく、高い認証精度を得ることが難しい。
本発明の目的は、特徴量のデータサイズを小さくすると同時に位置ずれや歪などの変形を吸収するような照合を行うことが可能な高精度な2次元パターンのマッチング技術を提供することにある。
本発明の実施形態の一例における2次元パターンのマッチング方法は、以下を含む。
(a)特徴空間におけるベクトルデータである登録特徴データを予め登録する工程、
(b)照会2次元パターンを入力する工程、
(c)照会2次元パターンと照会2次元パターンを変換することにより生成される変換照会2次元パターンとのいずれかのベクトル表現を特徴空間へ射影することにより照会特徴データを生成する工程、
(d)登録特徴データと照会特徴データとを、ベクトル表現の次元を有する2次元パターン表現空間に逆射影することにより、登録2次元パターンと再構成照会2次元パターンとを生成する工程、及び、
(e)登録2次元パターンと再構成照会2次元パターンとの類似度を算出する工程。
(a)特徴空間におけるベクトルデータである登録特徴データを予め登録する工程、
(b)照会2次元パターンを入力する工程、
(c)照会2次元パターンと照会2次元パターンを変換することにより生成される変換照会2次元パターンとのいずれかのベクトル表現を特徴空間へ射影することにより照会特徴データを生成する工程、
(d)登録特徴データと照会特徴データとを、ベクトル表現の次元を有する2次元パターン表現空間に逆射影することにより、登録2次元パターンと再構成照会2次元パターンとを生成する工程、及び、
(e)登録2次元パターンと再構成照会2次元パターンとの類似度を算出する工程。
本発明の実施形態の一例における2次元パターンの特徴抽出方法は、本発明における2次元パターンのマッチング方法に用いる2次元パターンの特徴データを抽出するための特徴抽出方法であり、(c)抽出する工程は、以下の工程を備える。
(c1)照会2次元パターンの水平ライン又は垂直ライン毎に1次元周波数特性を抽出することによって変換照会2次元パターンを生成し、変換照会2次元パターンのベクトル表現を生成する工程、及び、
(c2)基底行列により規定される第1の線形変換によってベクトル表現を次元圧縮することにより照会特徴データを照会2次元パターンの特徴データとして抽出する工程。
(c1)照会2次元パターンの水平ライン又は垂直ライン毎に1次元周波数特性を抽出することによって変換照会2次元パターンを生成し、変換照会2次元パターンのベクトル表現を生成する工程、及び、
(c2)基底行列により規定される第1の線形変換によってベクトル表現を次元圧縮することにより照会特徴データを照会2次元パターンの特徴データとして抽出する工程。
本発明の実施形態の他の一例における2次元パターンの特徴抽出方法は、本発明における2次元パターンのマッチング方法に用いる2次元パターンの特徴データを抽出するための特徴抽出方法であり、(c)抽出する工程は、以下の工程を備える。
(c1)照会2次元パターンの水平ライン又は垂直ライン毎に1次元周波数特性を抽出することにより変換照会2次元パターンを生成する工程
(c2)第1の基底行列により規定される第1の線形変換によって1次元周波数特徴を抽出したライン毎に1次元周波数特性を結合することによりベクトル表現を生成する工程、及び、
(c3)第2の基底行列により規定される第2の線形変換によってベクトル表現を次元圧縮することにより照会特徴データを2次元パターンの特徴データとして抽出する工程。
(c1)照会2次元パターンの水平ライン又は垂直ライン毎に1次元周波数特性を抽出することにより変換照会2次元パターンを生成する工程
(c2)第1の基底行列により規定される第1の線形変換によって1次元周波数特徴を抽出したライン毎に1次元周波数特性を結合することによりベクトル表現を生成する工程、及び、
(c3)第2の基底行列により規定される第2の線形変換によってベクトル表現を次元圧縮することにより照会特徴データを2次元パターンの特徴データとして抽出する工程。
本発明の実施形態の一例による2次元パターンのマッチング装置は、予め登録された特徴空間におけるベクトルデータである登録特徴データを用いて入力した照会2次元パターンのマッチングを行う2次元パターンのマッチング装置であって、入力した照会2次元パターンと照会2次元パターンを変換することにより生成される変換照会2次元パターンとのいずれかのベクトル表現を特徴空間へ射影することにより照会特徴データを抽出する線形変換部と、登録特徴データと照会特徴データとを、ベクトル表現の次元を有する2次元パターン表現空間に逆射影することにより、登録2次元パターンと再構成照会2次元パターンとを生成する再構成部と、登録2次元パターンと再構成照会2次元パターンとの類似度を算出する判定部とを備える。
本発明の実施形態の一例における2次元パターンの特徴抽出装置は、本発明によるマッチング装置で用いる2次元パターンの特徴データを抽出するための特徴抽出装置であって、線形変換部は、照会2次元パターンの水平ライン又は垂直ライン毎に1次元周波数特性を抽出することによって変換照会2次元パターンを生成し、変換照会2次元パターンのベクトル表現を生成し、且つ、基底行列により規定される第1の線形変換によってベクトル表現を次元圧縮することにより照会特徴データを2次元パターンの特徴データとして抽出する。
本発明の実施形態の他の一例における2次元パターンの特徴抽出装置は、本発明によるマッチング装置で用いる2次元パターンの特徴データを抽出するための特徴抽出装置であって、線形変換部は、照会2次元パターンの水平ライン又は垂直ライン毎に1次元周波数特性を抽出し、第1の基底行列により規定される第1の線形変換によって1次元周波数特徴を抽出したライン毎に1次元周波数特性を結合することにより変換照会2次元パターンを生成し、変換照会2次元パターンのベクトル表現を生成し、且つ、第2の基底行列により規定される第2の線形変換によってベクトル表現を次元圧縮することにより照会特徴データを2次元パターンの特徴データとして抽出する。
本発明の実施形態の一例におけるマッチング処理プログラム、特徴抽出プログラムは、上記のマッチング方法、特徴抽出方法をコンピュータに実行させる。
本発明によれば、データサイズを小さくする要請と位置ずれや歪等の変形を吸収する要請を同時に満たすこと、即ち、特徴量のデータサイズを抑えた上で頑強なマッチングをすることが可能となる。その理由は、主成分分析や判別分析など次元圧縮されたデータを逆投影することによって再構成されたパターンは空間的なデータ配列を持つので、そのデータ配列空間において、位置ずれや歪に対応したDPマッチングや正規化相関等のマッチング手法を適用することが可能となる。これによって、位置ずれや歪に頑強で高精度な2次元パターンのマッチングを行うことが可能となる。
続いて、本発明の実施形態の幾つかの例について、図面を参照して詳細に説明する。
1.1 第1の実施形態の例
図1は、本発明の第1の実施形態の例に係るマッチング装置の構成を表したブロック図である。図1を参照すると、本実施形態の例に係るマッチング装置は、主成分分析や判別分析等によって得られた特徴データから2次元パターンを再構成(逆変換、逆射影)する再構成部(逆変換部)101と、再構成のために必要な基底行列を記憶するパラメータ記憶部102と、再構成部101によって得られた2次元パターンの類似度をDPマッチング等によって算出する類似度算出部103と、類似度算出部103から得られた類似度を用いて、類似判定を行う判定部104とから構成されている。
図1は、本発明の第1の実施形態の例に係るマッチング装置の構成を表したブロック図である。図1を参照すると、本実施形態の例に係るマッチング装置は、主成分分析や判別分析等によって得られた特徴データから2次元パターンを再構成(逆変換、逆射影)する再構成部(逆変換部)101と、再構成のために必要な基底行列を記憶するパラメータ記憶部102と、再構成部101によって得られた2次元パターンの類似度をDPマッチング等によって算出する類似度算出部103と、類似度算出部103から得られた類似度を用いて、類似判定を行う判定部104とから構成されている。
図2は、上記特徴データを抽出するための特徴抽出装置の基本構成を表したブロック図である。この特徴抽出装置は、2次元パターンから主成分分析や判別分析等によって特徴データを抽出する線形変換部201と、線形変換を行うために必要となる基底行列を記憶するパラメータ記憶部202とから構成されている。
本実施形態の例では、顔画像を例に2次元パターンのマッチングについて説明する。図18はマッチングの過程において生成されるデータの関係を示す。まずはじめに、図2に示した特徴抽出装置にて特徴データを抽出する過程について説明する。
以下、文献12に記載された顔画像の主成分を判別分析する技術を用いて特徴データを抽出するものとして説明する。まず、照会したい2次元パターンである照会2次元パターン、あるいはマッチングのために予め登録される登録2次元パターンが入力される。この2次元パターンを、目位置を所定の位置に一致させるなどの方法により正規化することによって、正規化された顔画像である2次元パターンf(s,t)が生成される。
線形変換部201は、2次元パターンf(s,t)のベクトル表現を判別空間(特徴空間)に射影することにより、2次元パターンから特徴量である特徴データzを抽出する。すなわち線形変換部201は、2次元パターンf(s,t)の各画素値を要素とする2次元パターンベクトル表現空間のL次元ベクトルx(以下、明細書本文におけるベクトル記号“→”は省略する)を基底行列Wを用いて線形変換し、N次元の出力ベクトル(特徴データ)zを得る(数1)。
(数1)
(数1)
L次元ベクトルxの各要素xiの順序は、例えば、画像の右上から左下に、水平方向にラスター走査して、各画素をサンプリングする順序とすればよい。
文献12の例に倣って、目位置によって大きさを正規化した顔画像サイズとして、42画素×48画素の大きさで、計2016画素のデータを入力ベクトルとする。この場合(L=2016)、基底行列Wは、顔画像のM個の主成分を求める主成分行列WPCA(L行M列の行列)と、M個の主成分の判別空間への射影を求めるための判別行列WLDA(M行N列の行列)を用いて、次式(数2)で表される。
上記数2のベクトルyの各要素は、ベクトルxの各主成分を表す。この主成分の次元数としては、例えば、200〜300次元の数(M=200〜300)を用い、特徴データ(ベクトル)zの次元数としては数十次元程度、例えば50次元(N=50)を用いた場合、基底行列Wは、L行N列の行列(2016×50行列)となる。この基底行列Wをパラメータ記憶部202に記憶する。
つまり、顔画像のベクトルxが与えられたときに線形変換部201では、パラメータ記憶部202に記憶される基底行列Wを用いて、特徴データzを(数1)に従って算出する。
これに対し、図1の再構成部101では、与えられた特徴ベクトルzをパラメータ記憶部102に記憶される基底行列Wを用いて、2次元パターンベクトルuを再構成する。ベクトル形式の2次元パターンuは、入力画像の画素値を要素とするベクトルxと同じ座標系のベクトルで、各要素の値uiは、ベクトルxの対応する画素xiと同じ2次元空間の位置における画素の値としての意味を持つものである。
ここで、基底ベクトルeiはL次元ベクトルであり、ziは特徴データzの各要素である。
通常、生体認証システムでは、登録時に特徴データをサーバやICカードなどに登録しておき、照会時に再び顔や指紋などの生体情報の提示を要求し、提示された生体情報の特徴データを抽出し、登録された特徴データとの類似度を算出し、一致するか否かを判定する。本実施形態の例によるマッチング装置を生体認証システムに用いる場合にも、同様に登録された特徴データと、照会時に提示された生体情報等から抽出した特徴データの間の類似度を算出し、一致判定を行うことで、認証判定を行う。登録された特徴データ、照会時の特徴データをそれぞれzenroll、zqueryとすると、再構成部101では、次式(数4)により、特徴データzenroll、zqueryをそれぞれ2次元パターンベクトル表現空間に逆射影することによって2次元パターンを再構成し、ベクトル形式の2次元パターンuenroll、uqueryを算出する。
尚、登録特徴データzenroll、照会特徴データzqueryは、それぞれ、入力した2次元パターンf(s,t)に基づいて上述の方法により抽出することができる。
ベクトル形式の2次元パターンuenroll、uqueryの各要素は、ベクトルxのサンプリングと同様なラスター走査の順番によって2次元配列に戻せば、もとの正規化した顔画像と同様な空間での2次元パターンとなる。但し、画素値そのものは、通常は入力画像とは同一ではない。このベクトル表現uenroll、uqueryにの2次元パターンによる表現を、それぞれ再構成登録2次元パターンgenroll(s,t)、再構成照会2次元パターンgquery(s,t)とする。
類似度算出部103では、上記2次元パターンgenroll(s,t)、gquery(s,t)を用いて、正規化相関やDPマッチング、アクティブネット等のパターンマッチング方法を用いて類似度を計算する。
例えば、正規化相関を用いる場合には、画像の位置ずれを考慮して、上下左右に±α画素(例えば、α=3画素)の範囲で画像の位置を変動させて、次式(数5)による相関係数Rが最も大きくなるような位置(p,q)における相関係数Rの値を類似度として算出する。
但し、−α≦p≦α,−α≦q≦αとする。これにより位置ずれを補正したマッチングが可能となる。
また、DPマッチングを用いる場合には、例えば、文献15による方法を用いればよい。この方法では、画像の水平方向と垂直方向にそれぞれ独立にDPマッチングを行うことで、弾性的な照合を行い、位置ずれや画像の歪に対応したマッチングを行うことができ、位置ずれ・歪に頑強な照合が可能となる。マッチングの類似度としては、DPマッチングを計算する際の類似度等を評価尺度とすればよい。
文献15によるDPマッチング方法は、水平・垂直に歪が直交分離できるという仮定のもとに高速にマッチングを行うことができる手法である。直交分離ができないような歪を考慮する場合には、文献16に記述されているアクティブネットによる方法を用いてもよい。この方法は、基本的に演算量が大きく、処理時間がかかる方法ではあるが、直交分離できないような歪の場合でも、マッチングを行うことができる。
判定部104では、上記した類似度算出部103によって得られた特徴データ間の類似度を用いて、予めきめたしきい値などによってしきい値判定することで、特徴データの一致・不一致を判定する。
1.2 第2の実施形態の例
続いて、本発明を指紋を対象にしたマッチングに適用した本発明の第2の実施形態の例について説明する。指紋の場合には、顔とは違って周期的な紋様をしており、パターンが繰り返すという特徴がある。このため、文献9や文献10に示すように周波数特徴を用いることが知られている。
続いて、本発明を指紋を対象にしたマッチングに適用した本発明の第2の実施形態の例について説明する。指紋の場合には、顔とは違って周期的な紋様をしており、パターンが繰り返すという特徴がある。このため、文献9や文献10に示すように周波数特徴を用いることが知られている。
図3は、本発明の第2の実施形態の例に係る特徴抽出装置の構成を表したブロック図である。図3を参照すると、本実施形態の例に係る特徴抽出装置は、入力画像から指紋領域を切り出す領域切り出し部301と、切り出された領域の周波数特徴を抽出する特徴抽出部302と、得られた周波数特徴を用いて主成分分析や判別分析などの線形変換を行う線形変換部303と、線形変換を行う際に必要な基底行列等のパラメータを保存するパラメータ記憶部304とから構成されている。
領域切り出し部301は、入力された指紋画像から所定領域を切り出す。例えば、指の末節線を基準に末節部の指紋画像の128×256画素の領域を画像領域f(s,t)として切り出すものとすると、水平方向の中心位置は、検出された末節線と指紋押捺領域の中心部の共通範囲の基準に決定される。更に、この水平方向の中心位置から、末節部の方向に向かった矩形領域を切り出し領域とする(図4参照)。なお、指の末節線は、文献6に記載の技術を用いて検出することができる。また、入力する指紋画像は、撮影時に指置きガイドなどによって指頭方向が上向きになるように撮像されていることが望ましい。
特徴抽出部302は、切り出された指紋画像領域の各水平ライン毎に周波数分析を行い、フーリエ振幅スペクトル、LPCスペクトル、LPCケプストラム、GDS等の周波数特徴量を抽出する。
図5は、本実施形態の例に係る特徴抽出装置による特徴抽出処理の概要を模式的に示した図である。例えば、画像f(s,t)(s=0〜S−1,t=0〜T−1;128×256画素に切り出した場合、S=128,T=256)の水平方向のみの離散フーリエ変換により得られるフーリエスペクトルh(ω,t)の振幅|h(ω,t)|を計算すればよい(数6参照)。
ここで、ω=0,1,・・・S−1である。この際、全体的な画素値の明るさを反映していて判別に不要な直流成分や振幅スペクトルの対称性を考慮して、直流成分|h(0,t)|及び対称成分|h(ω,t)|(ω=S/2,S/2+1,・・・,S−1)を使わず、|h(ω,t)|(ω=1,2,・・・,S/2−1)を周波数特徴量として抽出することもできる。
第1の実施形態の例における入力した2次元パターンf(s,t)に代えて、上記の|h(ω,t)|のように入力した2次元パターンから得られた変換2次元パターンを用いることにより、周波数空間など目標の性質に適した空間においてマッチングを行うことが可能である。
また、LPCスペクトルやLPCケプストラム、GDSを抽出する場合には、文献9に記載された方法を用いて周波数特徴を抽出すればよく、それぞれ以下の計算によって求めることができる。
LPCスペクトルは、線形予測法により推定される全極形フィルタの伝達関数H(φ)から求めるスペクトルであり、伝達関数H(φ)は次式(数7)で与えられる。
ここで、akは線形予測係数、Npは予測次数、φはZ変換における演算子で、φ=ejwT(Tはサンプリング間隔)である。
また、LPCケプストラムは、LPCスペクトルを波形信号と見做して、フーリエ逆変換したときに得られる係数に対応し、スペクトルのなだらかな包絡特性を表す。LPCケプストラムCnは次の漸化式で求まる。
但し、n=1,2,・・・,Npである。
線形変換部303では、このようにして得られた周波数特徴、例えば|h(ω,t)|のM個(M=300)の主成分をパラメータ記憶部304に保存してある基底行列VPCAを用いて抽出する。
上記周波数特徴|h(ω,t)|の2次元配列をラスター走査して得られるベクトルをベクトルxとすると、抽出する主成分(特徴データ)zは、次式(数9)で計算できる。
上式中の主成分を抽出するための基底行列VPCAは、学習用の指紋画像に対して、周波数特徴を求め、その主成分分析を予め行って求めておき、パラメータ記憶部304に記憶しておく。
このようにして、指紋画像から特徴データzを算出することができる。このような特徴データに対するパターンマッチングを行う場合には、第1の実施形態の例と同様のマッチング装置を用いることで、マッチングを行うことができる。以下、図1を参照しながら、その動作上の相違点を中心に説明する。
再構成部101では、得られた特徴データzに対し、主成分を求める際に用いたのと同じ基底行列VPCAを用いて、周波数特徴vを再構成する。
(数10)
上記周波数特徴vをベクトルxのラスター走査と同様な順番によって2次元配列に元に戻せば、周波数特徴|h(ω,t)|と同様な空間での2次元配列k(ω,t)を得ることができる。なお、基底行列VPCAは、パラメータ記憶部102に記憶しておく。
(数10)
上記周波数特徴vをベクトルxのラスター走査と同様な順番によって2次元配列に元に戻せば、周波数特徴|h(ω,t)|と同様な空間での2次元配列k(ω,t)を得ることができる。なお、基底行列VPCAは、パラメータ記憶部102に記憶しておく。
類似度算出部103では、得られた2次元配列を用いて、正規化相関やDPマッチング等を用いて位置ずれや歪などを考慮したマッチングを行う。但し、得られる2次元配列のうち、水平方向は周波数特徴を表現している特徴量であるので、垂直方向についてのみ、位置変動・歪を吸収するマッチングを行う。マッチングを行う登録データの2次元配列をkenroll(ω,t)、照会時の2次元配列をkquery(ω,t)と表記すると、正規化相関を用いる場合、t方向の位置ずれを考慮して、上下に±α画素(例えば、10画素)の範囲で画像の位置を変動させて、次式(数11)による相関係数Rが最も大きくなるような位置qにおける相関係数Rの値を類似度として算出する。
但し、−α≦q≦αとする。これによりt方向の位置ずれを補正したマッチングが可能となる。
上記正規化相関の代わりに、DPマッチングを用いると、歪に頑強な照合が可能となる。再構成した2次元配列kenroll(ω,t)とkquery(ω,t)との間で、DPマッチングを行う際には、t方向に変化する時系列シグナルと見做してDPマッチングを行うことができる。DPマッチングを適用する際のシグナル間の距離dDPは、ω方向の要素をベクトルと見做して、そのユークリッド距離や市街地距離により計算する。このとき、kenroll(ω,t)のt1点におけるシグナルと、kquery(ω,t)のt2点におけるシグナルの距離dDPは次式(数12)で表される。
上記シグナル間の距離が最も小さくなるようにDPマッチングしたときのDPマッチングによる二つのシグナル間の距離値を類似度として出力する。但し、DPマッチングの距離であるので、小さいほど類似しているという評価値となる。
また、文献10に開示されている隠れマルコフモデル(HMM)を用いた照合方法を用いることもできる。この場合、周波数特徴k(ω,t)のt方向の時系列データとして考えて取り扱う。HMMでは時系列データの遷移を統計的確率モデルで吸収することができるため、個人特徴や歪や位置ずれを統計的に捉えることで頑強な照合が可能となる。
判定部104は、得られた類似度を用いて第1の実施形態の例と同様に処理を行う。このように指紋パターンのような周期的な紋様を照合する場合には、1次元の周波数特徴を利用することで、繰り返しパターンに起因する誤対応を防ぐと共に、位置ずれや歪に頑強なマッチングを行うことが可能となる。
1.3 第3の実施形態の例
続いて、上記第2の実施形態の例に変更を加えた本発明の第3の実施形態の例について説明する。図6は、本発明の第3の実施形態の例に係る特徴抽出装置の構成を表したブロック図である。図6を参照すると、本実施形態の例に係る特徴抽出装置は、領域切り出し部601と、周波数特徴を抽出する特徴抽出部602と、周波数特徴の主成分を求める第1の線形変換部603と、第1の線形変換部のための第1基底行列を記憶する第1のパラメータ記憶部604と、各ライン毎の主成分を合わせた結合ベクトルの主成分を求める第2の線形変換部605と、第2の線形変換部のための第2基底行列を記憶する第2のパラメータ記憶部606とから構成されている。
続いて、上記第2の実施形態の例に変更を加えた本発明の第3の実施形態の例について説明する。図6は、本発明の第3の実施形態の例に係る特徴抽出装置の構成を表したブロック図である。図6を参照すると、本実施形態の例に係る特徴抽出装置は、領域切り出し部601と、周波数特徴を抽出する特徴抽出部602と、周波数特徴の主成分を求める第1の線形変換部603と、第1の線形変換部のための第1基底行列を記憶する第1のパラメータ記憶部604と、各ライン毎の主成分を合わせた結合ベクトルの主成分を求める第2の線形変換部605と、第2の線形変換部のための第2基底行列を記憶する第2のパラメータ記憶部606とから構成されている。
図6の特徴抽出装置は、周波数特徴の抽出までは、上述した第2の実施形態の例の特徴抽出装置と同様な動作を行う。本実施形態の例の特徴抽出装置の特徴は、抽出された周波数特徴から主成分の抽出を行う際に、ライン毎に線形変換を行い、その後にライン毎に得られた主成分を用いて、再度、主成分を抽出する点にある。
図7は、本実施形態の例に係る特徴抽出装置による特徴抽出処理の概要を模式的に示した図である。特徴抽出部602は、上記(数6)に示した式に従ってフーリエスペクトルを計算し、直流成分や振幅スペクトルの対称性を考慮して、周波数特徴|h(ω,t)|(;128×256画素の場合、ω=0〜63,t=0〜255)を算出する。
第1の線形変換部603は、各ライン毎にS/2−1個の|h(ω,t)|を要素とするベクトルx(t)(数13参照)のM1個(例えば、M1=16)の主成分y(t)を基底行列VPCA1を用いて、(数14)に示す式にて算出する。
なお、ベクトルy(t)は、M1次元ベクトルである。また、主成分を求めるための第1基底行列VPCA1は、予め学習データを用いて主成分分析することで算出し、第1のパラメータ記憶部604に記憶しておく。
第2の線形変換部605は、得られたT個のベクトルy(t)を結合し、この結合ベクトルをベクトルYとすると(数15参照)、このベクトルYのM2個(M2=300)の主成分zを基底行列VPCA2を用いて、(数16)に示す式にて算出する。
上記第2基底行列VPCA2も、予め学習データを用いて主成分分析することで算出し、第2のパラメータ記憶部606に記憶しておく。
上式で得られたUのそれぞれの要素は、特徴抽出装置で得られたベクトル列y(t)の近似表現となっており、それぞれu(t)とすると、次式(数18)で表すことができる。
類似度算出部103は、登録データuenroll(t)と照会データuquery(t)を時系列データと看做して、DPマッチングを行い、類似度を算出する。DPマッチングにおける距離としては、(数12)に代えて、次式(数19)のユークリッド距離等を用いればよい。
例えば、300次元のデータ量を抽出した場合、第3の実施形態の例における基底行列VPCA2は、(16×256)行300列の行列で、1,228,800個の要素数となる。第2の実施形態の例では、(63×256)行300列の行列で、4,838,400個の要素数であったので、第3の実施形態の例のマッチング装置はメモリ領域が約1/4で済むという利点が得られている。また、再構成後のデータ量も、第3の実施形態の例が、16×256=4,096次元であるのに対して、第2の実施形態の例では、63×256=16,128次元であったので、マッチングにおいてもデータ量が約1/4倍となり、およそ4倍高速なマッチングが可能となる。
1.4 第4の実施形態の例
続いて、上記第2の実施形態の例に変更を加えた本発明の第4の実施形態の例について説明する。図8は、本発明の第4の実施形態の例に係る特徴抽出装置の構成を表したブロック図である。図8を参照すると、本実施形態の例に係る特徴抽出装置は、指紋中心を検出する指紋中心検出部801と、指紋の中心領域を切り出す領域切り出し部802と、切り出された領域の周波数特徴を抽出する特徴抽出部803と、周波数特徴を基底行列を用いて特徴空間に射影する線形変換部804と、線形変換部804で用いられる基底行列を記憶する4つのパラメータ記憶部805〜808とから構成されている。
続いて、上記第2の実施形態の例に変更を加えた本発明の第4の実施形態の例について説明する。図8は、本発明の第4の実施形態の例に係る特徴抽出装置の構成を表したブロック図である。図8を参照すると、本実施形態の例に係る特徴抽出装置は、指紋中心を検出する指紋中心検出部801と、指紋の中心領域を切り出す領域切り出し部802と、切り出された領域の周波数特徴を抽出する特徴抽出部803と、周波数特徴を基底行列を用いて特徴空間に射影する線形変換部804と、線形変換部804で用いられる基底行列を記憶する4つのパラメータ記憶部805〜808とから構成されている。
指紋パターンでは、指紋パターンの上部(先端部)と、下部(末節線側)で紋様パターンの分布が異なる。指紋パターンの上部では、通常は半円弧上のパターンを形成するが、下部では、渦状紋や蹄状紋と言ったパターンに代表されるように特徴的なパターンを形成し、パターンのバラエティが多い。本実施形態の例の特徴抽出装置は、このような局所的なパターンの分布の違いに応じて、基底行列を切り替えることによって、高精度なパターン認証を実現するものである。
以下、本実施形態の例に係る特徴抽出装置による特徴抽出処理の概要を模式的に示した図9を参照して、本実施形態の例に係る特徴抽出装置の動作について説明する。
指紋中心検出部801は、入力された指紋画像から指紋中心を検出する。この指紋中心の検出には、文献7に記載された技術を用いることができる。領域切り出し部802は、検出された指紋中心を基準に指紋の中心領域を所定の大きさ(例えば、S=128,T=128の128×128画素)で切り出す。ここでは、切り出された中心領域画像をf(s,t)とする。
特徴抽出部803は、上記(数6)に従って中心領域画像f(s,t)に水平方向のフーリエ変換を行い、フーリエ振幅スペクトル|h(ω,t)|を算出する。線形変換部804は、得られたフーリエ振幅スペクトル|h(ω,t)|とパラメータ記憶部805〜808に記憶される基底行列を用いて、基底行列を切り替えながら、2種類の2段、計4回の線形変換を行い、2種類の特徴データを算出する。
まず、第1段目の線形変換では、各ライン毎の周波数スペクトルの主成分を抽出するための線形変換を行う。フーリエ振幅スペクトル|h(ω,t)|の直流成分や対称成分を除いた各ライン毎のスペクトルを(数13)に従ってベクトルx(t)とする。ベクトルx(t)に二種類の基底行列VPCA1、VPCA2を用いて、次式(数20)により主成分を抽出する。
基底行列VPCA1、VPCA2は、各ラインのフーリエ振幅スペクトルのM1個(例えば、M1=16)の主成分を抽出するように予め主成分分析によって求めておいたS/2−1行M1列の基底行列で、それぞれ第1、第2のパラメータ記憶部805、806に記憶しておく。基底行列VPCA1とVPCA2とは以下の点で異なる。VPCA1は、指紋上部の部位を表現するように、指紋の上部から得られる各ラインのフーリエ振幅スペクトルを学習データセットとして用いて主成分分析して求めておいたものである。一方、VPCA2は、指紋下部から得られる各ラインのフーリエ振幅スペクトルを学習データセットとして用いて主成分分析して求めておいたものである。
次に、第2段目の線形変換では、第1段目の変換で得られた主成分yi(t)を結合し、結合したベクトルYi(数21参照)に判別行列を用いた線形変換を行い、(数22)にてM2個(M2=300)の判別成分ziを求め、それらを特徴データとして出力する。
判別行列VLDA1、VLDA2は、指紋上部、指紋下部毎の学習データセットを用いて、予め線形判別分析(LDA,Linear Discriminant Analysis)により算出し、第3、第4のパラメータ記憶部807、808に記憶しておく。なお、判別行列の大きさは、M1=16、T=128、M2=300の場合、2048(=16×128)行300列となる。このように主成分用の基底行列や判別行列を指紋上部と指紋下部で別々に準備することで、識別に有効な特徴データをより効率的に抽出することが可能となる。
次に第4の実施形態の例の特徴抽出装置で抽出された特徴データによるマッチングを行うマッチング装置について説明する。図10は、本発明の第4の実施形態の例に係るマッチング装置の構成を表したブロック図である。図10を参照すると、本実施形態の例に係るマッチング装置は、特徴データから再構成を行う再構成部1001と、判別行列を記憶する2つのパラメータ記憶部1002、1003と、再構成されたデータを時系列データと看做してDPマッチングによりマッチングし、類似度を算出する類似度算出部1004と、判定部1005とから構成される。
本実施形態の例に係るマッチング装置の再構成部1001は、第1、第2のパラメータ記憶部1002、1003に記憶してある第1、第2判別行列VLDA1、VLDA2を用いて、特徴データz1、z2から、次式(数23)のU1、U2を算出する。
(数23)
(数23)
上式のベクトルUiは、特徴データをベクトルYiの空間へ再構成したベクトルとなっている。ベクトルUiの各要素は、特徴抽出装置で得られたベクトル列yi(t)と対応しており、それぞれui(t)とすると、次式(数24)で表すことができる。
このようにして、再構成されたデータu1(t)、u2(t)は、それぞれ元のフーリエ振幅スペクトル|h(ω,t)|を反映している特徴であるが、判別行列の射影により、判別に効果的でない成分が除去された信号となっている。それぞれの判別行列の違いから、u1(t)は指紋上部の判別に優れた特性を示し、u2(t)は、指紋下部で優れた特性となる。この特性から、二つの再構成データに位置による重み付けをして、次式(数25)にて、一つのデータ列に再構成する。
ここで、w(t)は、位置による重み付けの関数で、例えば、図11及び次式(数26)に示すように、指紋上部では、w=1に近く、指紋下部では、w=0となるように重みをつける関数が採用される。ここで、tcは指紋中心の位置、kは重み係数である。
類似度算出部1004、判定部1005は、上記のようにして得られたデータ列u(t)を用いて、第3の実施形態の例と同様にDPマッチングや判定処理を行う。
1.5 第5の実施形態の例
続いて、上記第3の実施形態の例に変更を加え、水平・垂直方向の主成分を求めるようにした本発明の第5の実施形態の例について説明する。図12は、本発明の第5の実施形態の例に係る特徴抽出装置の構成を表したブロック図である。図12を参照すると、本実施形態の例に係る特徴抽出装置は、領域切り出し部1201と、水平方向の周波数特徴を抽出する特徴抽出部1202と、水平方向の周波数特徴の主成分を求める第1の線形変換部1203と、第1の線形変換部のための第1基底行列を記憶する第1のパラメータ記憶部1204と、各水平ライン毎の主成分を合わせた結合ベクトルの主成分を求める第2の線形変換部1205と、第2の線形変換部のための第2基底行列を記憶する第2のパラメータ記憶部1206と、垂直方向の周波数特徴を抽出する特徴抽出部1207と、垂直方向の周波数特徴の主成分を求める第3の線形変換部1208と、第3の線形変換部のための第3基底行列を記憶する第3のパラメータ記憶部1209と、各垂直ライン毎の主成分を合わせた結合ベクトルの主成分を求める第4の線形変換部1210と、第4の線形変換部のための第4基底行列を記憶する第4のパラメータ記憶部1211とから構成されている。
続いて、上記第3の実施形態の例に変更を加え、水平・垂直方向の主成分を求めるようにした本発明の第5の実施形態の例について説明する。図12は、本発明の第5の実施形態の例に係る特徴抽出装置の構成を表したブロック図である。図12を参照すると、本実施形態の例に係る特徴抽出装置は、領域切り出し部1201と、水平方向の周波数特徴を抽出する特徴抽出部1202と、水平方向の周波数特徴の主成分を求める第1の線形変換部1203と、第1の線形変換部のための第1基底行列を記憶する第1のパラメータ記憶部1204と、各水平ライン毎の主成分を合わせた結合ベクトルの主成分を求める第2の線形変換部1205と、第2の線形変換部のための第2基底行列を記憶する第2のパラメータ記憶部1206と、垂直方向の周波数特徴を抽出する特徴抽出部1207と、垂直方向の周波数特徴の主成分を求める第3の線形変換部1208と、第3の線形変換部のための第3基底行列を記憶する第3のパラメータ記憶部1209と、各垂直ライン毎の主成分を合わせた結合ベクトルの主成分を求める第4の線形変換部1210と、第4の線形変換部のための第4基底行列を記憶する第4のパラメータ記憶部1211とから構成されている。
以下、本実施形態の例に係る特徴抽出装置による特徴抽出処理の概要を模式的に示した図14を参照して、本実施形態の例に係る特徴抽出装置の動作について説明する。
領域切り出し部1201、特徴抽出部1202、第1の線形変換部1203、第1のパラメータ記憶部1204、第2の線形変換部1205及び第2のパラメータ記憶部1206は、第3の実施形態の例の各部と同一であり、基底行列VPCA1、VPCA2を用いて特徴データz1を抽出する。
特徴抽出部1207、第3の線形変換部1208、第3のパラメータ記憶部1209、第4の線形変換部1210及び第4のパラメータ記憶部1211も、垂直方向に周波数解析した周波数特徴を取り扱う点が異なるだけで、他の動作は、上記水平方向の周波数特徴を取り扱う各部と同一である。
垂直方向の周波数特徴に関する特徴抽出部1207は、入力画像f(s,t)(s=0〜S−1,t=0〜T−1;128×256画素に切り出した場合、S=128,T=256)に対して、次式(数27)により各列毎に垂直方向の1次元フーリエ振幅スペクトルを算出する。
(数27)
(数27)
第3の線形変換部1208は、直流成分や振幅スペクトルの対称性を考慮して、各ライン毎にT/2−1個の|h(s,ω)|を要素とするベクトルx2(s)(数28参照)のM3個(例えば、M3=16)の主成分y2(s)を基底行列VPCA3を用いて、(数29)に示す式にて算出する。
なお、ベクトルy2(s)は、M3次元ベクトルである。また、主成分を求めるためのT/2−1行M3列(例えば、127行16列)の第3基底行列VPCA3は、予め学習データを用いてx2(s)を主成分分析することで算出し、第3のパラメータ記憶部1209に記憶しておく。
第4の線形変換部1210は、得られたS個のベクトルy2(s)を結合し、この結合ベクトルY2(数30参照)の主成分z2を第4基底行列VPCA4を用いて、(数31)に示す式にて算出する。
上記第4基底行列VPCA4も、予め学習データを用いて主成分分析することで算出し、第4のパラメータ記憶部1211に記憶しておく。
このようにして得られた特徴ベクトルz2と、第2の線形変換部1205によって得られる特徴ベクトルz1との両方が特徴データとして出力される。
次に第5の実施形態の例の特徴抽出装置で抽出された特徴データによるマッチングを行うマッチング装置について説明する。図13は、本発明の第5の実施形態の例に係るマッチング装置の構成を表したブロック図である。図13を参照すると、本実施形態の例に係るマッチング装置は、水平方向の特徴データからの再構成を行う第1の再構成部1301と、水平方向の再構成のための基底行列を記憶する第1のパラメータ記憶部1302と、再構成されたデータを時系列データと看做してDPマッチングによりマッチングし、類似度を算出する第1の類似度算出部1303と、垂直方向の特徴データからの再構成を行う第2の再構成部1304と、垂直方向の再構成のための第4基底行列を記憶する第2のパラメータ記憶部1305と、再構成されたデータを時系列データと看做してDPマッチングによりマッチングし、類似度を算出する第2の類似度算出部1306と、類似度算出部1303、1306で算出された類似度に基づく判定を行う判定部1307と、から構成される。
本実施形態の例に係るマッチング装置の再構成部1301、1304は、それぞれ第1、第2のパラメータ記憶部1302、1305に記憶してある第2、第4基底行列VPCA2、VPCA4を用いて、特徴データz1、z2から、ベクトルY1、Y2の空間へ再構成したU1、U2を算出する。
上記再構成によって得られるベクトル列をそれぞれu1(t)、u2(s)とすると、次式(数32)で表される。
第1の類似度算出部1303、第2の類似度算出部1306は、上記のようにして得られたデータ列u1(t)、u2(s)をそれぞれt方向、s方向の時系列データと看做して、第3の実施形態の例と同様にDPマッチングを行ってそれぞれ類似度d1、d2を算出する。なお、正規化相関やHMMによる類似度計算を行っても良い。
ここで、θは、0≦θ≦π/2の範囲で、二つの類似度の重み付けを決めるパラメータである。
このように本実施形態の例では、1方向だけではなく、水平・垂直の2次元の両方の方向に周波数解析・DPマッチングを行うことで、上下左右方向における指紋の変形や位置ずれに対し頑強なマッチング、高い精度の認証が可能となっている。
1.6 第6の実施形態の例
続いて、本発明を指の静脈画像(血管パターン)を対象にしたマッチングに適用した本発明の第6の実施形態の例について説明する。図15は、本発明の第6の実施形態の例に係る特徴抽出装置の構成を表したブロック図である。図15を参照すると、本実施形態の例に係る特徴抽出装置は、指血管画像入力部1501と、血管画像から周波数特徴を抽出する特徴抽出部1502と、周波数特徴の主成分を抽出する線形変換部1503と、主成分を抽出するための基底行列を記憶するパラメータ記憶部1504とから構成されている。
続いて、本発明を指の静脈画像(血管パターン)を対象にしたマッチングに適用した本発明の第6の実施形態の例について説明する。図15は、本発明の第6の実施形態の例に係る特徴抽出装置の構成を表したブロック図である。図15を参照すると、本実施形態の例に係る特徴抽出装置は、指血管画像入力部1501と、血管画像から周波数特徴を抽出する特徴抽出部1502と、周波数特徴の主成分を抽出する線形変換部1503と、主成分を抽出するための基底行列を記憶するパラメータ記憶部1504とから構成されている。
図16A、図16Bは、指血管画像入力部1501として使用可能な血管パターンの撮像装置の外観図である。図16Aは指の延長方向を法線とする断面図である。図16Bは斜視図である。この種の血管パターンの撮像装置は、例えば、文献8に記載されている。図16A、図16Bを参照すると、血管パターンの撮像装置は、指に透過光を照射するための所定の波長(例えば、850nm)の近赤外LED光源1601と、指1602を安定した向きで置くためのガイド1604と、血管(パターン)1603を撮像するためのカメラ1605とを主な構成要素としている。ガイド1604は、指の長軸と直交する方向の回転を抑制する形状となっている。
ここで、図17に示すようにs軸を指の長軸方向、t軸を指の長軸と直交する方向にとり、撮像される画像から128画素×64画素の大きさに切り出した画像を画像f(s,t)(s=0〜127,t=0〜63)とする。
以下の処理は第2の実施形態の例と同様であり、特徴抽出部1502が、水平方向(s方向)の周波数特徴|h(ω,t)|を計算し、線形変換部1503が、パラメータ記憶部1504に記憶された基底行列VPCAを用いて主成分を抽出して、特徴データzを抽出する。
上記得られた特徴データzの照合も、第2の実施形態の例と同様にDPマッチングを用いて照合することができる。
このとき、垂直方向(t方向)にDPマッチングを行うが、指の血管画像の場合、t方向の変動が比較的大きくなるからである。これは、以下の理由による。撮像される血管画像は、指の少し内側の血管(主に静脈)の投影像である。指の長軸方向sと直交する方向tの変動は、ガイド1604によって抑制されるが、指の長軸を軸とする回転は、ガイドの設置である程度抑制されるものの、変動しやすい。この指の回転による画像の歪は、指の周辺付近で大きくなり、t軸方向の画像の伸び縮みとなって現れる。この画像の伸び縮みの影響をDPマッチングによって効果的にマッチングすることで、高精度なマッチングが可能となる。
なお、血管画像のマッチングに対しても、ライン毎の周波数特徴の主成分を抽出した後に、主成分を結合し、再度、その主成分を抽出しマッチングを行う第3の実施形態の例や、部位毎に基底行列を切り替える第4の実施形態の例、水平方向・垂直方向にそれぞれ成分を抽出し、マッチングを行う第5の実施形態の例で説明した特徴抽出方法及びマッチング方法を用いることも可能である。
以上、本発明の好適な実施形態の諸例を説明したが、2次元パターン又は2次元パターンから得られる特徴量を射影によって次元圧縮することで特徴データを抽出し、この特徴データを逆射影して、元の空間での特徴表現を再構成し、マッチングを行うという本発明の要旨を逸脱しない範囲で、各種の変形を行うことが可能である。例えば、上記した実施形態の例では、顔認証や指紋認証・静脈認証といった生体認証に適用した例を挙げて説明したが、生体に限らず、一般的な物体のマッチングに対しても適用可能である。
Claims (25)
- (a)特徴空間におけるベクトルデータである登録特徴データを予め登録する工程と、
(b)照会2次元パターンを入力する工程と、
(c)前記照会2次元パターンと前記照会2次元パターンを変換することにより生成される変換照会2次元パターンとのいずれかのベクトル表現を前記特徴空間へ射影することにより照会特徴データを抽出する工程と、
(d)前記登録特徴データと前記照会特徴データとを、前記ベクトル表現の次元を有する2次元パターン表現空間に逆射影することにより、登録2次元パターンと再構成照会2次元パターンとを生成する工程と、
(e)前記登録2次元パターンと前記再構成照会2次元パターンとの類似度を算出する工程と
を含む2次元パターンのマッチング方法。 - 前記(d)生成する工程において、基底行列により規定される線形変換を用いて前記照会特徴データを逆射影することにより前記再構成照会2次元パターンが生成される
請求の範囲1に記載の2次元パターンのマッチング方法。 - 前記(c)抽出する工程は、
(c1)前記照会2次元パターンの水平ライン又は垂直ライン毎に1次元周波数特性を抽出することによって前記変換照会2次元パターンを生成し、前記変換照会2次元パターンの前記ベクトル表現を生成する工程と、
(c2)基底行列により規定される第1の線形変換によって前記ベクトル表現を次元圧縮することにより前記照会特徴データを抽出する工程とを備え、
前記(d)生成する工程において、前記再構成照会2次元パターンは、前記照会特徴データを前記第1の線形変換を規定する前記基底行列を用いて逆射影することにより生成される
請求の範囲1に記載の2次元パターンのマッチング方法。 - 前記(c)抽出する工程は、
(c1)前記照会2次元パターンの水平ライン又は垂直ライン毎に1次元周波数特性を抽出することにより前記変換照会2次元パターンを生成する工程と、
(c2)第1の基底行列により規定される第1の線形変換によって前記1次元周波数特徴を抽出したライン毎に前記1次元周波数特性を結合することにより前記ベクトル表現を生成する工程と、
(c3)第2の基底行列により規定される第2の線形変換によって前記ベクトル表現を次元圧縮することにより前記照会特徴データを抽出する工程とを備え、
前記(d)生成する工程において、前記再構成照会2次元パターンは、前記照会特徴データを前記第2の線形変換に用いた基底行列を用いて前記2次元パターン表現空間に逆射影することにより生成される
請求の範囲1に記載の2次元パターンのマッチング方法。 - 前記(a)登録する工程において、前記登録特徴データとして、水平方向登録特徴データと垂直方向登録特徴データとが登録され、
前記(c)抽出する工程は、
(c1)前記照会2次元パターンの水平ライン毎に1次元周波数特性を水平方向周波数特性として抽出することにより前記変換照会2次元パターンを生成する工程と、
(c2)第1の基底行列により規定される第1の線形変換によって前記水平ライン毎に抽出された前記水平方向周波数特性を結合することにより前記ベクトル表現の水平方向表現を生成する工程と、
(c3)第2の基底行列により規定される第2の線形変換によって前記水平方向表現を次元圧縮することにより前記照会特徴データの水平方向表現を抽出する工程と、
(c4)前記照会2次元パターンの垂直ライン毎に1次元周波数特性を垂直方向周波数特性として抽出する工程と、
(c5)第3の基底行列により規定される第3の線形変換によって前記垂直ライン毎に抽出された前記垂直方向周波数特性を結合することにより前記ベクトル表現の垂直方向表現を生成する工程と、
(c6)第4の基底行列により規定される第4の線形変換によって前記垂直方向表現を次元圧縮することにより前記照会特徴データの垂直方向表現を抽出する工程とを備え、
前記登録2次元パターンは、水平方向登録2次元パターンと垂直方向登録2次元パターンとを含み、
前記再構成照会2次元パターンは、水平方向再構成照会2次元パターンと垂直方向再構成照会2次元パターンとを含み、
前記(d)生成する工程は、
(d1)前記水平方向登録特徴データと、前記照会特徴データの水平方向表現とを前記第2の線形変換に用いた基底行列を用いて逆射影することにより、前記水平方向登録2次元パターンと前記水平方向再構成照会2次元パターンとを生成する工程と、
(d2)前記垂直方向登録特徴データと、前記照会特徴データの垂直方向表現とを前記第4の線形変換に用いた基底行列を用いて逆射影することにより、前記垂直方向登録2次元パターンと前記垂直方向再構成照会2次元パターンとを生成する工程とを備え、
前記(e)算出する工程は、
(e1)前記水平方向登録2次元パターンと前記水平方向再構成照会2次元パターンとの類似度を算出する工程と、
(e2)前記垂直方向登録2次元パターンと前記垂直方向再構成照会2次元パターンとの類似度を算出する工程とを備える
請求の範囲4に記載の2次元パターンのマッチング方法。 - 前記(a)登録する工程において、前記登録特徴データとして、第1領域用登録特徴データと第2領域用登録特徴データとが登録され、
前記(c)抽出する工程は、
(c7)前記照会2次元パターンの第1領域の前記ベクトル表現を第1領域基底行列により変換することによって第1領域照会特徴データを抽出する工程と、
(c8)前記照会2次元パターンの第2領域の前記ベクトル表現を第2領域基底行列により変換することによって第2領域照会特徴データを抽出する工程とを備え、
前記再構成照会2次元パターンは、第1領域再構成照会2次元パターンと第2領域再構成照会2次元パターンとを含み、
前記(d)生成する工程は、
(d1)前記第1領域照会ベクトルを前記第1領域基底行列を用いて逆射影することにより前記第1領域再構成照会2次元パターンを生成する工程と、
(d2)前記第2領域照会ベクトルを前記第2領域基底行列を用いて逆射影することにより前記第2領域再構成照会2次元パターンを生成する工程と、
(d3)前記第1領域再構成照会2次元パターンと前記第2領域再構成照会2次元パターンとの各々に所定の重み付けを行って前記再構成照会2次元パターンを生成する工程とを備える
請求の範囲1乃至5いずれか一に記載の2次元パターンのマッチング方法。 - 前記(e)算出する工程において、前記類似度はDPマッチングを用いて算出される
請求の範囲1乃至6いずれか一に記載の2次元パターンのマッチング方法。 - 請求の範囲1に記載の2次元パターンのマッチング方法に用いる2次元パターンの特徴データを抽出するための特徴抽出方法であって、
前記(c)抽出する工程は、
(c1)前記照会2次元パターンの水平ライン又は垂直ライン毎に1次元周波数特性を抽出することによって前記変換照会2次元パターンを生成し、前記変換照会2次元パターンの前記ベクトル表現を生成する工程と、
(c2)基底行列により規定される第1の線形変換によって前記ベクトル表現を次元圧縮することにより前記照会特徴データを前記照会2次元パターンの特徴データとして抽出する工程とを備える
2次元パターンの特徴抽出方法。 - 請求の範囲1に記載の2次元パターンのマッチング方法に用いる2次元パターンの特徴抽出方法であって、
前記(c)抽出する工程は、
(c1)前記照会2次元パターンの水平ライン又は垂直ライン毎に1次元周波数特性を抽出することにより前記変換照会2次元パターンを生成する工程と、
(c2)第1の基底行列により規定される第1の線形変換によって前記1次元周波数特徴を抽出したライン毎に前記1次元周波数特性を結合することにより前記ベクトル表現を生成する工程と、
(c3)第2の基底行列により規定される第2の線形変換によって前記ベクトル表現を次元圧縮することにより前記照会特徴データを前記2次元パターンの特徴データとして抽出する工程とを備える
2次元パターンの特徴抽出方法。 - 前記(c)抽出する工程は、
(c1)前記照会2次元パターンの水平ライン毎に1次元周波数特性を水平方向周波数特性として抽出することにより前記変換照会2次元パターンを生成する工程と、
(c2)第1の基底行列により規定される第1の線形変換によって前記水平ライン毎に抽出された前記水平方向周波数特性を結合することにより前記ベクトル表現の水平方向表現を生成する工程と、
(c3)第2の基底行列により規定される第2の線形変換によって前記水平方向表現を次元圧縮することにより前記照会特徴データの水平方向表現を抽出する工程と、
(c4)前記照会2次元パターンの垂直ライン毎に1次元周波数特性を垂直方向周波数特性として抽出する工程と、
(c5)第3の基底行列により規定される第3の線形変換によって前記垂直ライン毎に抽出された前記垂直方向周波数特性を結合することにより前記ベクトル表現の垂直方向表現を生成する工程と、
(c6)第4の基底行列により規定される第4の線形変換によって前記垂直方向表現を次元圧縮することにより前記照会特徴データの垂直方向表現を抽出する工程とを備え、
前記再構成照会2次元パターンは、水平方向再構成照会2次元パターンと垂直方向再構成照会2次元パターンとを含み、
前記(d)生成する工程は、
(d1)前記照会特徴データの水平方向表現を前記第2の線形変換に用いた基底行列を用いて逆射影することにより前記水平方向再構成照会2次元パターンを生成する工程と、
(d2)前記照会特徴データの垂直方向表現を前記第4の線形変換に用いた基底行列を用いて逆射影することにより前記垂直方向再構成照会2次元パターンを生成する工程とを備える
請求の範囲9に記載の2次元パターンの特徴抽出方法。 - 前記(c)抽出する工程は、
(c7)前記照会2次元パターンの第1領域の前記ベクトル表現を第1領域基底行列により変換することによって第1領域照会特徴データを抽出する工程と、
(c8)前記照会2次元パターンの第2領域の前記ベクトル表現を第2領域基底行列により変換することによって第2領域照会特徴データを抽出する工程とを備え、
前記再構成照会2次元パターンは、第1領域再構成照会2次元パターンと第2領域再構成照会2次元パターンとを含み、
前記(d)生成する工程は、
(d1)前記第1領域照会ベクトルを前記第1領域基底行列を用いて逆射影することにより前記第1領域再構成照会2次元パターンを生成する工程と、
(d2)前記第2領域照会ベクトルを前記第2領域基底行列を用いて逆射影することにより前記第2領域再構成照会2次元パターンを生成する工程と、
(d3)前記第1領域再構成照会2次元パターンと前記第2領域再構成照会2次元パターンとの各々に所定の重み付けを行って前記再構成照会2次元パターンを生成する工程とを備える
請求の範囲8乃至10いずれか一に記載の2次元パターンの特徴抽出方法。 - 予め登録された特徴空間におけるベクトルデータである登録特徴データを用いて入力した照会2次元パターンのマッチングを行う2次元パターンのマッチング装置であって、
入力した照会2次元パターンと前記照会2次元パターンを変換することにより生成される変換照会2次元パターンとのいずれかのベクトル表現を前記特徴空間へ射影することにより照会特徴データを抽出する線形変換部と、
前記登録特徴データと前記照会特徴データとを、前記ベクトル表現の次元を有する2次元パターン表現空間に逆射影することにより、登録2次元パターンと再構成照会2次元パターンとを生成する再構成部と、
前記登録2次元パターンと前記再構成照会2次元パターンとの類似度を算出する判定部と
を具備する2次元パターンのマッチング装置。 - 前記再構成部は、基底行列により規定される線形変換を用いて前記照会特徴データを逆射影することにより前記再構成照会2次元パターンを生成する
請求の範囲12に記載の2次元パターンのマッチング装置。 - 前記線形変換部は、
前記照会2次元パターンの水平ライン又は垂直ライン毎に1次元周波数特性を抽出することによって前記変換照会2次元パターンを生成し、前記変換照会2次元パターンの前記ベクトル表現を生成し、且つ、
基底行列により規定される第1の線形変換によって前記ベクトル表現を次元圧縮することにより前記照会特徴データを抽出し、
前記再構成部は、前記再構成照会2次元パターンを、前記照会特徴データを前記第1の線形変換を規定する前記基底行列を用いて逆射影することにより生成する
請求の範囲12に記載の2次元パターンのマッチング装置。 - 前記線形変換部は、
前記照会2次元パターンの水平ライン又は垂直ライン毎に1次元周波数特性を抽出し、
第1の基底行列により規定される第1の線形変換によって前記1次元周波数特徴を抽出したライン毎に前記1次元周波数特性を結合することにより前記変換照会2次元パターンを生成し、前記変換照会2次元パターンの前記ベクトル表現を生成し、且つ、
第2の基底行列により規定される第2の線形変換によって前記ベクトル表現を次元圧縮することにより前記照会特徴データを抽出し、
前記再構成部は、前記再構成照会2次元パターンを、前記照会特徴データを前記第2の線形変換に用いた基底行列を用いて前記2次元パターン表現空間に逆射影することにより生成する
請求の範囲12に記載の2次元パターンのマッチング装置。 - 前記特徴データは、水平方向登録特徴データと垂直方向登録特徴データとを含み、
前記線形変換部は、
前記照会2次元パターンの水平ライン毎に1次元周波数特性を水平方向周波数特性として抽出し、
第1の基底行列により規定される第1の線形変換によって前記水平ライン毎に抽出された前記水平方向周波数特性を結合することにより前記ベクトル表現の水平方向表現を生成し、
第2の基底行列により規定される第2の線形変換によって前記水平方向表現を次元圧縮することにより前記照会特徴データの水平方向表現を抽出し、
前記照会2次元パターンの垂直ライン毎に1次元周波数特性を垂直方向周波数特性として抽出し、
第3の基底行列により規定される第3の線形変換によって前記垂直ライン毎に抽出された前記垂直方向周波数特性を結合することにより前記ベクトル表現の垂直方向表現を生成し、且つ、
第4の基底行列により規定される第4の線形変換によって前記垂直方向表現を次元圧縮することにより前記照会特徴データの垂直方向表現を抽出し、
前記登録2次元パターンは、水平方向登録2次元パターンと垂直方向登録2次元パターンとを含み、
前記再構成照会2次元パターンは、水平方向再構成照会2次元パターンと垂直方向再構成照会2次元パターンとを含み、
前記再構成部は、
前記水平方向登録特徴データと、前記照会特徴データの水平方向表現とを前記第2の線形変換に用いた基底行列を用いて逆射影することにより、前記水平方向登録2次元パターンと前記水平方向再構成照会2次元パターンとを生成し、且つ、
前記垂直方向登録特徴データと、前記照会特徴データの垂直方向表現とを前記第4の線形変換に用いた基底行列を用いて逆射影することにより、前記垂直方向登録2次元パターンと前記垂直方向再構成照会2次元パターンとを生成する工程し、
前記判定部は、
前記水平方向登録2次元パターンと前記水平方向再構成照会2次元パターンとの類似度を算出し、且つ、
前記垂直方向登録2次元パターンと前記垂直方向再構成照会2次元パターンとの類似度を算出する
請求の範囲15に記載の2次元パターンのマッチング装置。 - 前記登録特徴データは、第1領域用登録特徴データと第2領域用登録特徴データとを含み、
前記線形変換部は、
前記照会2次元パターンの第1領域の前記ベクトル表現を第1領域基底行列により変換することによって第1領域照会特徴データを抽出し、
前記照会2次元パターンの第2領域の前記ベクトル表現を第2領域基底行列により変換することによって第2領域照会特徴データを抽出し、
前記再構成照会2次元パターンは、第1領域再構成照会2次元パターンと第2領域再構成照会2次元パターンとを含み、
前記再構成部は、
前記第1領域照会ベクトルを前記第1領域基底行列を用いて逆射影することにより前記第1領域再構成照会2次元パターンを生成し、
前記第2領域照会ベクトルを前記第2領域基底行列を用いて逆射影することにより前記第2領域再構成照会2次元パターンを生成し、且つ、
前記第1領域再構成照会2次元パターンと前記第2領域再構成照会2次元パターンとの各々に所定の重み付けを行って前記再構成照会2次元パターンを生成する
請求の範囲12乃至16いずれか一に記載の2次元パターンのマッチング装置。 - 前記判定部は、前記類似度をDPマッチングを用いて算出する
請求の範囲12乃至17いずれか一に記載の2次元パターンのマッチング装置。 - 請求の範囲12に記載の2次元パターンのマッチング装置で用いる2次元パターンの特徴データを抽出するための特徴抽出装置であって、
前記線形変換部は、
前記照会2次元パターンの水平ライン又は垂直ライン毎に1次元周波数特性を抽出することによって前記変換照会2次元パターンを生成し、前記変換照会2次元パターンの前記ベクトル表現を生成し、且つ、
基底行列により規定される第1の線形変換によって前記ベクトル表現を次元圧縮することにより前記照会特徴データを前記2次元パターンの特徴データとして抽出する
2次元パターンの特徴抽出装置。 - 請求の範囲12に記載の2次元パターンのマッチング装置で用いる2次元パターンの特徴データを抽出するための特徴抽出装置であって、
前記線形変換部は、
前記照会2次元パターンの水平ライン又は垂直ライン毎に1次元周波数特性を抽出し、
第1の基底行列により規定される第1の線形変換によって前記1次元周波数特徴を抽出したライン毎に前記1次元周波数特性を結合することにより前記変換照会2次元パターンを生成し、前記変換照会2次元パターンの前記ベクトル表現を生成し、且つ、
第2の基底行列により規定される第2の線形変換によって前記ベクトル表現を次元圧縮することにより前記照会特徴データを前記2次元パターンの特徴データとして抽出する
2次元パターンの特徴抽出装置。 - 前記線形変換部は、
前記照会2次元パターンの水平ライン毎に1次元周波数特性を水平方向周波数特性として抽出し、
第1の基底行列により規定される第1の線形変換によって前記水平ライン毎に抽出された前記水平方向周波数特性を結合することにより前記ベクトル表現の水平方向表現を生成し、
第2の基底行列により規定される第2の線形変換によって前記水平方向表現を次元圧縮することにより前記照会特徴データの水平方向表現を抽出し、
前記照会2次元パターンの垂直ライン毎に1次元周波数特性を垂直方向周波数特性として抽出し、
第3の基底行列により規定される第3の線形変換によって前記垂直ライン毎に抽出された前記垂直方向周波数特性を結合することにより前記ベクトル表現の垂直方向表現を生成し、且つ、
第4の基底行列により規定される第4の線形変換によって前記垂直方向表現を次元圧縮することにより前記照会特徴データの垂直方向表現を抽出し、
前記再構成照会2次元パターンは、水平方向再構成照会2次元パターンと垂直方向再構成照会2次元パターンとを含み、
前記再構成部は、
前記照会特徴データの水平方向表現を前記第2の線形変換に用いた基底行列を用いて逆射影することにより前記水平方向再構成照会2次元パターンを生成し、且つ、
前記照会特徴データの垂直方向表現を前記第4の線形変換に用いた基底行列を用いて逆射影することにより前記垂直方向再構成照会2次元パターンを生成する
請求の範囲20に記載の2次元パターンの特徴抽出装置。 - 前記線形変換部は、
前記照会2次元パターンの第1領域の前記ベクトル表現を第1領域基底行列により変換することによって第1領域照会特徴データを抽出し、且つ、
前記照会2次元パターンの第2領域の前記ベクトル表現を第2領域基底行列により変換することによって第2領域照会特徴データを抽出し、
前記再構成照会2次元パターンは、第1領域再構成照会2次元パターンと第2領域再構成照会2次元パターンとを含み、
前記再構成部は、
前記第1領域照会ベクトルを前記第1領域基底行列を用いて逆射影することにより前記第1領域再構成照会2次元パターンを生成し、
前記第2領域照会ベクトルを前記第2領域基底行列を用いて逆射影することにより前記第2領域再構成照会2次元パターンを生成し、且つ、
前記第1領域再構成照会2次元パターンと前記第2領域再構成照会2次元パターンとの各々に所定の重み付けを行って前記再構成照会2次元パターンを生成する
請求の範囲19乃至21いずれか一に記載の2次元パターンの特徴抽出装置。 - 予め登録された特徴空間におけるベクトルデータである登録特徴データを用いて入力した照会2次元パターンのマッチングを行うためのマッチング処理プログラムであって、
(a)照会2次元パターンを入力する工程と、
(b)前記照会2次元パターンと前記照会2次元パターンを変換することにより生成される変換照会2次元パターンとのいずれかのベクトル表現を前記特徴空間へ射影することにより照会特徴データを抽出する工程と、
(c)前記登録特徴データと前記照会特徴データとを、前記2次元パターンのベクトル表現又は前記ベクトル表現の次元を有する2次元パターン表現空間に逆射影することにより、登録2次元パターンと再構成照会2次元パターンとを生成する工程と、
(d)前記登録2次元パターンと前記再構成照会2次元パターンとの類似度を算出する工程と
をコンピュータに実行させるためのマッチング処理プログラム。 - 請求の範囲1に記載の2次元パターンのマッチング方法に用いる2次元パターンの特徴データを抽出するための特徴抽出プログラムであって、
(a)前記照会2次元パターンの水平ライン又は垂直ライン毎に1次元周波数特性を抽出することによって前記変換照会2次元パターンを生成し、前記変換照会2次元パターンの前記ベクトル表現を生成する工程と、
(b)基底行列により規定される第1の線形変換によって前記ベクトル表現を次元圧縮することにより前記照会特徴データを前記2次元パターンの特徴データとして抽出する工程と
をコンピュータに実行させるための特徴抽出プログラム。 - 請求の範囲1に記載の2次元パターンのマッチング方法に用いる2次元パターンの特徴データを抽出するための特徴抽出プログラムであって、
(a)前記照会2次元パターンの水平ライン又は垂直ライン毎に1次元周波数特性を抽出する工程と、
(b)第1の基底行列により規定される第1の線形変換によって前記1次元周波数特徴を抽出したライン毎に前記1次元周波数特性を結合することにより前記変換照会2次元パターンを生成し、前記変換照会2次元パターンの前記ベクトル表現を生成する工程と、
(c)第2の基底行列により規定される第2の線形変換によって前記ベクトル表現を次元圧縮することにより前記照会特徴データを前記2次元パターンの特徴データとして抽出する工程と
をコンピュータに実行させるための特徴抽出プログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2009511871A JP4941791B2 (ja) | 2007-04-23 | 2008-04-21 | 2次元パターンのマッチング方法、特徴抽出方法、これらに用いる装置及びプログラム |
Applications Claiming Priority (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2007113264 | 2007-04-23 | ||
JP2007113264 | 2007-04-23 | ||
JP2009511871A JP4941791B2 (ja) | 2007-04-23 | 2008-04-21 | 2次元パターンのマッチング方法、特徴抽出方法、これらに用いる装置及びプログラム |
PCT/JP2008/057689 WO2008133235A1 (ja) | 2007-04-23 | 2008-04-21 | 2次元パターンのマッチング方法、特徴抽出方法、これらに用いる装置及びプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JPWO2008133235A1 true JPWO2008133235A1 (ja) | 2010-07-29 |
JP4941791B2 JP4941791B2 (ja) | 2012-05-30 |
Family
ID=39925685
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2009511871A Expired - Fee Related JP4941791B2 (ja) | 2007-04-23 | 2008-04-21 | 2次元パターンのマッチング方法、特徴抽出方法、これらに用いる装置及びプログラム |
Country Status (3)
Country | Link |
---|---|
US (1) | US8606019B2 (ja) |
JP (1) | JP4941791B2 (ja) |
WO (1) | WO2008133235A1 (ja) |
Families Citing this family (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR100819027B1 (ko) * | 2006-04-26 | 2008-04-02 | 한국전자통신연구원 | 얼굴 영상을 이용한 사용자 인증 방법 및 장치 |
US8542095B2 (en) * | 2008-02-22 | 2013-09-24 | Nec Corporation | Biometric authentication device, biometric authentication method, and storage medium |
JP5524692B2 (ja) * | 2010-04-20 | 2014-06-18 | 富士フイルム株式会社 | 情報処理装置および方法ならびにプログラム |
JP5618267B2 (ja) * | 2010-06-02 | 2014-11-05 | 国立大学法人名古屋工業大学 | 静脈認証システム |
US9323886B2 (en) | 2012-06-26 | 2016-04-26 | Honda Motor Co., Ltd. | Performance predicting apparatus, performance predicting method, and program |
US8843759B2 (en) * | 2012-08-28 | 2014-09-23 | At&T Intellectual Property I, L.P. | Methods, systems, and computer program products for media-based authentication |
JP6167733B2 (ja) | 2013-07-30 | 2017-07-26 | 富士通株式会社 | 生体特徴ベクトル抽出装置、生体特徴ベクトル抽出方法、および生体特徴ベクトル抽出プログラム |
US10459902B2 (en) * | 2014-06-19 | 2019-10-29 | Nec Corporation | Information processing device, vector data processing method, and recording medium |
CN105373269B (zh) * | 2014-09-01 | 2019-03-15 | 原相科技股份有限公司 | 触控显示装置及其运作方法 |
WO2016115536A2 (en) * | 2015-01-16 | 2016-07-21 | Robert Bismuth | Determining three-dimensional information from projections or placement of two-dimensional patterns |
CN111757117B (zh) * | 2020-06-03 | 2023-10-03 | 同济大学 | 对分量下采样格式数据进行串预测的数据编码和解码方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2815045B2 (ja) * | 1996-12-16 | 1998-10-27 | 日本電気株式会社 | 画像特徴抽出装置,画像特徴解析装置,および画像照合システム |
JP2004192603A (ja) * | 2002-07-16 | 2004-07-08 | Nec Corp | パターン特徴抽出方法及びその装置 |
JP3873793B2 (ja) * | 2002-03-29 | 2007-01-24 | 日本電気株式会社 | 顔メタデータ生成方法および顔メタデータ生成装置 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2690103B2 (ja) | 1988-04-23 | 1997-12-10 | 日本電気セキュリティシステム株式会社 | 指紋中心検出装置 |
DE68928154T2 (de) * | 1988-04-23 | 1997-10-30 | Nippon Electric Co | Fingerabdruckverarbeitungssystem, geeignet für das Ermitteln des Kernes eines Fingerabdruckbildes durch Krümmungsparameter |
JP3057590B2 (ja) * | 1992-08-06 | 2000-06-26 | 中央発條株式会社 | 個人識別装置 |
JPH0721373A (ja) | 1993-06-17 | 1995-01-24 | Asahi Optical Co Ltd | 個人識別装置 |
US5774576A (en) * | 1995-07-17 | 1998-06-30 | Nec Research Institute, Inc. | Pattern recognition by unsupervised metric learning |
JP2776340B2 (ja) * | 1995-11-08 | 1998-07-16 | 日本電気株式会社 | 指紋特徴抽出装置 |
US6836554B1 (en) * | 2000-06-16 | 2004-12-28 | International Business Machines Corporation | System and method for distorting a biometric for transactions with enhanced security and privacy |
JP2003067751A (ja) | 2001-08-27 | 2003-03-07 | Dds:Kk | 指紋照合装置、指紋照合方法及び指紋照合プログラム |
-
2008
- 2008-04-21 JP JP2009511871A patent/JP4941791B2/ja not_active Expired - Fee Related
- 2008-04-21 US US12/597,119 patent/US8606019B2/en not_active Expired - Fee Related
- 2008-04-21 WO PCT/JP2008/057689 patent/WO2008133235A1/ja active Application Filing
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2815045B2 (ja) * | 1996-12-16 | 1998-10-27 | 日本電気株式会社 | 画像特徴抽出装置,画像特徴解析装置,および画像照合システム |
JP3873793B2 (ja) * | 2002-03-29 | 2007-01-24 | 日本電気株式会社 | 顔メタデータ生成方法および顔メタデータ生成装置 |
JP2004192603A (ja) * | 2002-07-16 | 2004-07-08 | Nec Corp | パターン特徴抽出方法及びその装置 |
Also Published As
Publication number | Publication date |
---|---|
US8606019B2 (en) | 2013-12-10 |
US20100150452A1 (en) | 2010-06-17 |
JP4941791B2 (ja) | 2012-05-30 |
WO2008133235A1 (ja) | 2008-11-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP4941791B2 (ja) | 2次元パターンのマッチング方法、特徴抽出方法、これらに用いる装置及びプログラム | |
US9928443B2 (en) | Image processing apparatus and method for fitting a deformable shape model to an image using random forest regression voting | |
US9053388B2 (en) | Image processing apparatus and method, and computer-readable storage medium | |
US7142699B2 (en) | Fingerprint matching using ridge feature maps | |
JP4483334B2 (ja) | 画像処理装置 | |
CN108875459B (zh) | 一种基于稀疏系数相似的加权稀疏表示人脸识别方法及系统 | |
EP2406752A1 (en) | A method for fingerprint template synthesis and fingerprint mosaicing using a point matching algorithm | |
CN109886135A (zh) | 一种低分辨率人脸识别方法、装置及存储介质 | |
Neware et al. | Finger knuckle identification using principal component analysis and nearest mean classifier | |
CN110738103A (zh) | 活体检测方法、装置、计算机设备和存储介质 | |
WO2013181695A1 (en) | Biometric verification | |
US8655084B2 (en) | Hand-based gender classification | |
Badrinath et al. | Score level fusion of voting strategy of geometric hashing and SURF for an efficient palmprint-based identification | |
Perronnin et al. | A probabilistic model of face mapping with local transformations and its application to person recognition | |
Ribeiro et al. | Exploring texture transfer learning via convolutional neural networks for iris super resolution | |
JP2010504575A (ja) | 顔を認識するための方法と装置及び顔認識モジュール | |
Bendjenna et al. | Pattern recognition system: from classical methods to deep learning techniques | |
CN106407942B (zh) | 一种图像处理方法及其装置 | |
JP2008020963A (ja) | パターン認識装置及びその方法 | |
Ojo et al. | One-sample face recognition using HMM model of fiducial areas | |
JP5030235B2 (ja) | パターン認識装置及びパターン認識方法 | |
CN104375990B (zh) | 基于sift特征的海量图像实时检索方法 | |
JP4575356B2 (ja) | アイデンティティのチェックのためのシステム、コンピュータ読み取り可能な記録媒体 | |
Hahmann et al. | Model interpolation for eye localization using the Discriminative Generalized Hough Transform | |
Kamil et al. | Makeup-invariant face identification and verification using fisher linear discriminant analysis-based Gabor filter bank and histogram of oriented gradients |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20120202 |
|
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20120215 |
|
R150 | Certificate of patent or registration of utility model |
Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20150309 Year of fee payment: 3 |
|
LAPS | Cancellation because of no payment of annual fees |