KR20090067141A - 패턴식별방법, 등록장치, 조합장치 및 프로그램 - Google Patents

패턴식별방법, 등록장치, 조합장치 및 프로그램 Download PDF

Info

Publication number
KR20090067141A
KR20090067141A KR1020097005663A KR20097005663A KR20090067141A KR 20090067141 A KR20090067141 A KR 20090067141A KR 1020097005663 A KR1020097005663 A KR 1020097005663A KR 20097005663 A KR20097005663 A KR 20097005663A KR 20090067141 A KR20090067141 A KR 20090067141A
Authority
KR
South Korea
Prior art keywords
pattern
distance
shape
center
distribution
Prior art date
Application number
KR1020097005663A
Other languages
English (en)
Inventor
히로시 아베
Original Assignee
소니 가부시끼 가이샤
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 소니 가부시끼 가이샤 filed Critical 소니 가부시끼 가이샤
Publication of KR20090067141A publication Critical patent/KR20090067141A/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • 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
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • 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
    • 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
    • G06V40/14—Vascular patterns

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Human Computer Interaction (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Collating Specific Patterns (AREA)
  • Image Analysis (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Abstract

인증 정밀도를 향상할 수 있는 패턴식별방법 등을 제안한다. 복수의 생체 샘플로부터 얻어지는 생체 패턴 각각에 대하여, 패턴 형상을 나타내는 2 이상의 형상치를 산출하고, 2 이상의 형상치의 분포중심과, 그 중심에서의 확대 정도를 나타내는 값을 산출하고, 등록대상 또는 등록데이터와 조합되는 조합대상으로부터 얻어지는 패턴의 2 이상의 형상치와, 2 이상의 형상치의 분포중심과의 거리를, 그 중심에서의 확대 정도를 나타내는 값을 이용하여 산출하고, 거리가 소정의 임계치보다 큰 경우에, 패턴을 파기하도록 했다.

Description

패턴식별방법, 등록장치, 조합장치 및 프로그램{Pattern identifying method, registration device, collating device and program}
본 발명은, 패턴식별방법, 등록장치, 조합장치 및 프로그램에 관한 것이며, 바이오매트릭스 인증에 적용하여 매우 적합한 것이다.
종래, 바이오매트릭스 인증 대상의 하나로서 혈관이 있다. 이 인증장치는, 일반적으로, 등록자의 혈관 화상을 등록데이터로서 등록하고, 그 등록데이터와, 당해 등록데이터에 대한 조합대상으로서 입력되는 조합 데이터와의 일치 정도에 따라서, 등록자 본인인지 아닌지를 판정하도록 되어 있다.
이러한 인증장치에 대한, 이른바 위장방지대책이 각종 제안되고 있다. 예를 들면, 입력되는 조합 데이터가, 그 입력 시점보다 과거에 입력된 조합 데이터와는 좌표 위치도 포함하여 완전하게 일치하는 것은 통상 있을 수 없다는 것에 주목하여, 이들 조합 데이터끼리가 일치한 경우에는, 비록, 등록데이터와 일치한 경우여도, 인증을 각하한다고 한 적이 있다(특허 문헌 1 참조). 이 위장방지대책 수법에 의하면, 등록자의 혈관 화상의 데이터가 도용된 경우 등에, 유용한 대책이 된다.
그런데, 손가락 대신에 예를 들면 무를 촬상한 경우, 무의 내부에 둘러쳐져 있는 도관, 사관 및 유관속 등이 생체 내의 혈관과 닮아 있는 것에 기인하여, 혈관의 형상 패턴(이하, 이것을 혈관패턴이라고 부른다)과 닮은 패턴(이하, 이것을 의사 혈관패턴이라고 부른다)이 얻어지며, 당해 무 등에 의해 위장이 가능하다 라는 것이 보고되어 있다.
특허 문헌 1 특개 2002－259345 공보.
비특허 문헌 1 마츠모토 츠토무, "금융거래에 있어서의 생체 인증에 대하여", [online], 2005년 4월 15일, 금융청·제 9회 위조 현금카드 문제에 관한 스터디 그룹, [2006년 8월 21일 검색], 인터넷＜URL:http://www.fsa.go.jp/singi/singi_fc
csg/gaiyou/f－20050415－singi_fccsg/02.pdf＞.
이 경우, 의사 혈관패턴은, 등록자의 혈관패턴과는 좌표 위치도 포함하여 완전하게 일치하는 패턴은 되지 않기 때문에, 상술한 위장방지대책 수법을 적용했다고 해도, 등록자 본인이라고 판정되는, 즉 위장이 가능해지며, 나아가서는 인증 정밀도가 어긋나는 결과가 된다.
본 발명은 이상의 점을 고려하여 이루어진 것이며, 인증 정밀도를 향상시킬 수 있는 패턴식별방법, 등록장치, 조합장치 및 프로그램을 제안하려고 하는 것이다.
이러한 과제를 해결하기 위해 본 발명은, 패턴식별방법이며, 복수의 생체 샘플로부터 얻어지는 생체 패턴 각각에 대하여, 패턴형상을 나타내는 2 이상의 형상치를 산출하고, 2 이상의 형상치의 분포중심과, 그 중심에서의 확대 정도를 나타내는 값을 산출하고, 등록대상 또는 등록데이터와 조합되는 조합대상으로부터 얻어지는 패턴의 2 이상의 형상치와, 2 이상의 형상치의 분포중심과의 거리를, 그 중심에서의 확대 정도를 나타내는 값을 이용하여 산출하고, 거리가 소정의 임계치보다 큰 경우에, 패턴을 파기하도록 했다.
이 패턴식별방법에서는, 각 생체 패턴에 대하여 복수의 관점(패턴 형상치)에 대응하는 차원 분포 속에서, 등록대상 또는 등록데이터와 조합되는 조합대상으로부터 얻어지는 패턴이 어느 곳에 위치하고 있는지, 또 그 위치가, 당해 분포중심으로부터, 생체 패턴으로 해야 할 경계(임계치)까지의 범위에 속하고 있는지를 파악할 수 있다.
따라서 이 패턴식별방법에서는, 등록대상 또는 등록데이터와 조합되는 조합대상으로부터 얻어지는 패턴이 비록 생체 패턴에 대하여 의사(擬似)적이 되는 패턴이었다고 해도, 그 패턴이 생체 패턴은 아닌 것으로서, 등록 또는 조합하지 않고 사전에 배제할 수 있는 확률이 현격히 높아진다.
또 본 발명은, 등록장치이며, 복수의 생체 샘플로부터 얻어지는 생체 패턴 각각에 대하여, 패턴형상을 나타내는 2 이상의 형상치의 분포중심과, 그 중심에서의 확대 정도를 나타내는 값이 기억되는 기억 수단과, 등록대상으로부터 얻어지는 패턴의 2 이상의 형상치와, 기억 수단에 기억된 2 이상의 형상치의 분포중심과의 거리를, 값을 이용하여 산출하는 산출 수단과, 거리가 소정의 임계치보다 큰 경우에는 패턴을 파기하고, 거리가 임계치 이내의 경우에는 패턴을 기억 매체에 등록하는 등록 수단을 설치하도록 했다.
이 등록장치에서는, 각 생체 패턴에 대하여 복수의 관점(패턴 형상치)에 대응하는 차원 분포 속에서, 등록대상으로부터 얻어지는 패턴이 어느 쪽에 위치하고 있는지, 또 그 위치가, 당해 분포중심으로부터, 생체 패턴으로 해야 할 경계(임계치)까지의 범위에 속하고 있는지를 파악할 수 있다.
따라서 이 등록장치에서는, 등록대상으로부터 얻어지는 패턴이 비록 생체 패턴에 대하여 의사적이 되는 패턴이었다고 해도, 그 패턴이 생체 패턴은 아닌 것으로서, 등록하지 않고 사전에 배제할 수 있는 확률이 현격히 높아진다.
또한 본 발명은, 조합장치이며, 복수의 생체 샘플로부터 얻어지는 생체 패턴 각각에 대하여, 패턴형상을 나타내는 2 이상의 형상치의 분포중심과 그 중심에서의 확대 정도를 나타내는 값이 기억되는 기억수단과, 등록대상으로부터 얻어지는 패턴의 2 이상의 형상치와, 기억 수단에 기억된 2 이상의 형상치의 분포중심과의 거리를, 값을 이용하여 산출하는 산출 수단과, 거리가 소정의 임계치보다 큰 경우에는 패턴을 파기하고, 거리가 임계치 이내의 경우에는, 기억 매체에 등록된 등록데이터와 패턴을 조합하는 조합 수단을 설치하도록 했다.
이 조합장치에서는, 각 생체 패턴에 대하여 복수의 관점(패턴 형상치)에 대응하는 차원 분포 속에서, 조합대상으로부터 얻어지는 패턴이 어느 쪽에 위치하고 있는지, 또 그 위치가, 당해 분포중심으로부터, 생체 패턴으로 해야 할 경계(임계치)까지의 범위에 속하고 있는지를 파악할 수 있다.
따라서 이 조합장치에서는, 조합대상으로부터 얻어지는 패턴이 비록 생체 패턴에 대해서 의사적이 되는 패턴이었다고 해도, 그 패턴이 생체 패턴은 아닌 것으로서,조합하지 않고 사전에 배제할 수 있는 확률이 현격히 높아진다.
또한 본 발명은, 프로그램이며, 복수의 생체 샘플로부터 얻어지는 생체 패턴 각각에 대하여, 패턴형상을 나타내는 2 이상의 형상치의 분포중심과 그 중심에서의 확대 정도를 나타내는 값이 기억되는 컴퓨터에 대하여, 등록대상으로부터 얻어지는 패턴의 2 이상의 형상치와, 기억 수단에 기억된 2 이상의 형상치의 분포중심과의 거리를, 값을 이용하여 산출하는 제 1의 처리와, 거리가 소정의 임계치보다 큰 경우에는 패턴을 파기하고, 거리가 임계치 이내의 경우에는 패턴을 기억 매체에 등록하는 제 2의 처리, 또는, 거리가 소정의 임계치보다 큰 경우에는 패턴을 파기하고, 거리가 임계치 이내의 경우에는, 기억 매체에 등록된 등록데이터와 패턴을 조합하는 제 2의 처리를 실행시키도록 했다.
이 프로그램에서는, 각 생체 패턴에 대하여 복수의 관점(패턴 형상치)에 대응하는 차원 분포 속에서, 등록대상 또는 등록데이터와 조합되는 조합대상으로부터 얻어지는 패턴이 어느 쪽에 위치하고 있는지, 또 그 위치가, 당해 분포중심으로부터, 생체 패턴으로 해야 할 경계(임계치)까지의 범위에 속하고 있는지를 파악할 수 있다.
따라서 이 프로그램에서는, 등록대상 또는 등록데이터와 조합되는 조합대상으로부터 얻어지는 패턴이 비록 생체 패턴에 대하여 의사적이 되는 패턴이었다고 해도, 그 패턴이 생체 패턴은 아닌 것으로서, 등록 또는 조합하지 않고 사전에 배제할 수 있는 확률이 현격히 높아진다.
본 발명에 의하면, 각 생체 패턴에 대해 복수의 관점(패턴형상치)에 대응하는 차원 분포 속에서, 등록대상 또는 등록데이터와 조합되는 조합대상으로부터 얻어지는 패턴이 어느 쪽에 위치하고 있는지, 또 그 위치가, 당해 분포중심으로부터, 생체 패턴으로 해야 할 경계(임계치)까지의 범위에 속하고 있는지를 파악할 수 있도록 함으로써, 의사적인 패턴이 생체 패턴은 아닌 것으로서, 등록 또는 조합하지 않고 사전에 배제할 수 있는 확률을 현격히 향상할 수 있으며, 이렇게 하여, 인증 정도를 향상시킬 수 있는 등록장치, 조합장치, 추출 방법 및 프로그램을 실현할 수 있다.
도 1은, 본 실시형태에 의한 데이터생성장치의 구성을 나타내는 블럭도이다.
도 2는, 제어부에 있어서의 화상처리의 처리 내용을 나타내는 기능 블럭도이다.
도 3은, 전처리를 행하는 전후의 화상을 나타내는 약선도이다.
도 4는, 단점, 분기점 및 고립점의 출현 패턴의 설명에 제공하는 약선도이다.
도 5는, 분기점과 분기점 또는 단점과의 사이의 혈관선 추적의 설명에 제공하는 약선도이다.
도 6은, 혈관 화소의 추적 설명에 제공하는 약선도이다.
도 7은, 직선상의 점 및 굴곡점의 출현 패턴을 나타내는 약선도이다.
도 8은, 굴곡점의 검출 설명에 제공하는 약선도이다.
도 9는, 오리지널 혈관 화소에 대한 선분 화소의 중복 비율 판정의 설명에 제공하는 약선도이다.
도 10은, 삭제 처리 순서를 나타내는 플로차트이다.
도 11은, 굴곡점의 삭제 전과 삭제 후를 나타내는 약선도이다.
도 12는, 부분 혈관선의 연결(3분기)의 설명에 제공하는 약선도이다.
도 13은, 부분 혈관선의 연결(4분기)의 설명에 제공하는 약선도이다.
도 14는, 특징점 추출 처리에 의해 얻어지는 특징점을 나타내는 약선도이다.
도 15는, 혈관패턴과, 의사 혈관패턴을 나타내는 약선도이다.
도 16은, 선분과 그 선분의 단점을 통과하는 가로방향의 축과의 각도 산출의 설명에 제공하는 약선도이다.
도 17은, 혈관패턴의 각도 분포를 나타내는 약선도이다.
도 18은, 의사 혈관패턴의 각도 분포를 나타내는 약선도이다.
도 19는, 직선에 근사하는 선분길이의 설명에 제공하는 약선도이다.
도 20은, 변별 지표의 분포를 나타내는 약선도이다.
도 21은, σ－C평면에 있어서의 변별 지표의 분포를 나타내는 약선도이다.
도 22는, 데이터 생성 처리 순서를 나타내는 플로차트이다.
도 23은, 본 실시형태에 의한 인증장치의 구성을 나타내는 블럭도이다.
도 24는, 변별 처리 순서(1)를 나타내는 약선도이다.
도 25는, 변별 처리 순서(2)를 나타내는 약선도이다.
<도면의 주요부분에 대한 부호의 설명>
1. 데이터생성장치 2. 인증장치
10,30. 제어부 11,31. 조작부
12,32. 촬상부 12a,32a. 구동제어부
13,33. 플래시메모리 14,34. 외부 인터페이스
35. 통지부 35a. 표시부
35b. 음성출력부 21. 전처리부
22. 특징점 추출부
이하 도면에 대하여, 본 발명을 적용한 실시형태를 상술한다.
(1) 본 실시형태에 의한 인증시스템의 전체구성
본 실시형태에 의한 인증시스템은, 데이터생성장치와, 인증장치에 따라서 구성된다. 이 데이터생성장치는, 혈관패턴이라고 판정해야 할 범위를 나타내는 데이터(이하, 이것을 혈관패턴범위 데이터라고 부른다)를 생성하고, 이것을 인증장치의 내부 메모리에 기입한다.
이 인증장치에는, 이 혈관패턴범위 데이터에 의거하여, 피사체의 촬상 결과로서 얻어지는 화상 데이터의 패턴이 의사 혈관패턴인지 아닌지를 판정하는 기능이 탑재되어 있다.
(2) 데이터생성장치의 구성
이 데이터생성장치의 구성을 도 1에 나타낸다. 이 데이터생성장치(1)는, 제어부(10)에 대하여, 조작부(11)와, 촬상부(12)와, 플래시메모리(13)와, 외부와 데이터를 수수하는 인터페이스(이하, 이것을 외부 인터페이스라고 부른다)(14)를 각각 버스(15)를 통하여 접속함으로써 구성된다.
제어부(10)는, 데이터생성장치(1) 전체의 제어를 맡는 CPU(Central Processing Unit)와, 각종 프로그램 및 설정 정보가 격납되는 ROM(Read Only Memory)과, 당해 CPU의 워크 메모리로서의 RAM(Random Access Memory)을 포함한 마이크로 컴퓨터로 이루어져 있다.
이 제어부(10)에는, 촬상 명령(COM1) 또는 혈관패턴범위 데이터를 생성해야 할 명령(COM2)이, 유저 조작에 따라 조작부(11)로부터 주어진다. 제어부(10)는, 이러한 실행 명령(COM1, COM2)에 의거하여 실행해야 할 모드를 결정하고, 이 결정 결과에 대응하는 프로그램에 의거하여, 촬상부(12), 플래시메모리(13) 및 외부 인터페이스(14)를 적당 제어함으로써, 촬상 모드 또는 데이터 생성 모드를 실행하도록 되어 있다.
(2－1) 촬상 모드
구체적으로 제어부(10)는, 실행해야 할 모드로서 촬상 모드를 결정했을 경우, 동작 모드를 촬상 모드로 옮기고, 촬상부(12)를 제어한다.
이 경우, 촬상부(12)의 구동 제어부(12a)는, 이 데이터생성장치(1)에 있어서의 소정 위치에 근적외광을 조사하는 1 또는 2 이상의 근적외광 광원(LS)과, 예를 들면 CCD(Charge Coupled Device)로 견딜 수 있는 촬상 소자(ID)를 구동 제어한다.
촬상 소자(ID)는, 소정 위치에 배치된 오브젝트에 조사되며, 상기 오브젝트, 광학계(OP) 및 조리개(DR)를 차례차례 통하여 입사하는 근적외광을 광전 변환하고, 당해 광전 변환 결과를 화상 신호(S1)로서 구동 제어부(12a)에 송출한다.
여기서, 오브젝트가 생체의 손가락이었을 경우, 근적외광 광원(LS)으로부터 손가락에 조사된 근적외광은, 당해 손가락 안쪽을 반사 및 산란하도록 하여 경유하고, 손가락의 혈관을 투영하는 혈관 투영 빛으로서, 촬상 소자(ID)에 입사하고, 이 혈관 투영 빛이 화상 신호(S1)로서 구동 제어부(12a)에 송출되는 것으로 구성된다.
구동제어부(12a)는, 화상 신호(S1)의 화소치에 의거하여, 피사체에 초점이 맞도록 광학계(OP)에 있어서의 광학 렌즈의 렌즈 위치를 조정하는 동시에, 촬상 소자(ID)에 입사하는 입사 광량이 적응량이 되도록 조리개(DR)에 있어서의 조리개 값을 조정하고, 당해 조정 후에 촬상 소자(ID)로부터 출력되는 화상 신호(S2)를 제어부(10)에 공급한다.
제어부(10)는, 이 화상 신호(S2)에 대하여 소정의 화상처리를 시행함으로써, 당해 화상에 있어서의 오브젝트 패턴의 특징을 추출하고, 당해 추출된 화상을, 화상 데이터(D1)로서 플래시메모리(13)에 기억한다.
이와 같이 하여 이 제어부(10)는, 촬상 모드를 실행할 수 있도록 이루어져 있다.
여기서, 이러한 화상처리의 처리 내용에 대하여 설명한다. 이 화상처리는, 기능적으로는, 도 2에 나타내는 바와 같이, 전처리부(21) 및 특징점 추출부(22)로 각각 나눌 수 있다. 이하, 이들 전처리부(21) 및 특징점 추출부(22)에 대해 상세하게 설명한다. 다만, 편의상, 촬상부(12)로부터 공급되는 화상 신호(S2)는, 생체의 손가락을 촬상한 결과 얻어진 것으로서 설명한다.
(2－1－A) 전처리
전처리부(21)는, 촬상부(12)로부터 공급되는 화상 신호(S2)에 대하여 A/D(Analog/Digital) 변환 처리, 소벨 필터처리 등의 소정의 윤곽 추출 처리, 가우시안 필터처리 등의 소정의 평활화 처리, 2치화 처리 및 세선화 처리를 차례차례 시행함으로써 혈관패턴을 추출한다.
예를 들면 도 3(a)에 나타내는 화상(화상 신호(S2))이 전처리부(21)에 입력된 경우, 상기 화상은, 이 전처리부(21)에서의 전처리에 의해 혈관패턴이 강조되며, 도 3(b)에 나타내는 화상으로 변환되게 된다.
전처리부(21)는, 이와 같이 하여 혈관패턴을 추출한 화상의 데이터(이하, 이것을 화상 데이터라고 부른다)(D21)를, 특징점 추출부(22)에 출력하도록 되어 있다.
이 실시형태의 경우, 이 화상 데이터(D21)의 화상에 포함되는 혈관선(혈관패턴)은, 2치화 처리에 의해, 백(白) 화소로 되며, 그 폭(굵기)은, 세선화 처리에 의해, 「1」로 된다. 이 혈관선의 폭이 「1」이란, 선 폭이 1화소라는 것이다.
(2－1－B) 특징점 추출처리
특징점 추출부(22)는, 입력되는 화상에 포함되는 혈관패턴을 구성하는 백 화소(이하, 이것을 혈관 화소라고 부른다) 중, 단점, 분기점 및 굴곡점을 검출하고, 상기 단점 및 분기점을 기준으로서, 굴곡점을 적당 삭제한다.
(B－1) 단점 및 분기점의 검출
우선, 특징점 추출부(22)는, 제 1단계로서, 혈관선으로부터 단점 및 분기점 을 검출한다.
구체적으로는, 특징점 추출부(22)는, 입력되는 화상(화상 데이터(D21))을 구성하는 각 화소 중, 혈관 화소를 소정의 순서로 주목 화소로 하고, 상기 주목 화소 주위의 화소(상하 좌우 방향에 있어서의 4화소 및 경사 방향에 있어서의 4화소의 합계 8화소)에 존재하는 혈관 화소의 화소수를 조사한다.
여기서, 혈관선에 있어서의 단점, 분기점 및 고립점의 출현 패턴을 도 4에 나타낸다. 이 도 4에서는, 주목 화소를 편 모양으로 하고, 혈관 화소(백 화소)를, 시각적 편의를 도모하기 위해 흑색으로 하고 있다. 이 도 4에서도 분명한 바와 같이, 혈관의 선 폭이 1화소로서 표현되어 있는 경우, 주목 화소와, 그 주위의 혈관 화소의 「수」라는 관계는 일의적으로 되며, 또, 분기 패턴으로서는, 반드시, 3분기 또는 4분기의 어느 한쪽으로 구성된다.
따라서, 특징점 추출부(22)는, 주목 화소의 주위에 1개의 혈관 화소가 존재하는 경우에는, 그 주목 화소를 단점으로서 검출한다. 또한, 특징점 추출부(22)는, 주목 화소의 주위에 3개 또는 4개의 혈관 화소가 존재하는 경우에는, 그 주목 화소를 분기점으로서 검출한다. 다른 한편, 특징점 추출부(22)는, 주목 화소의 주위에 혈관 화소가 존재하지 않는 경우에는, 그 주목 화소를 고립점으로서 검출한다.
그리고 특징점 추출부(22)는, 검출한 단점, 분기점 및 고립점 중, 혈관선의 구성요소는 되지 않는 고립점을 삭제한다.
이와 같이 하여 이 특징점 추출부(22)는, 제 1단계로서, 혈관선으로부터 단 점 및 분기점을 검출하도록 되어 있다.
(B－2) 굴곡점의 검출
다음에, 특징점 추출부(22)는, 제 2단계로서 단점 및 분기점을 기준으로서, 굴곡점을 검출한다.
구체적으로는, 특징점 추출부(22)는, 예를 들면 도 5에 나타내는 경우, 분기점(DP1)을 시점으로 하고, 상기 시점으로 한 분기점(DPl)의 다음에 출현하는 다른 특징점(단점(EP1), 단점(EP2), 분기점(DP2))을 종점으로서, 시점에서 종점까지의 혈관선(이하, 이것을 부분 혈관선이라고 부른다)을 추적한다. 마찬가지로, 특징점 추출부(22)는, 분기점(DP2)을 시점으로 하고, 상기 시점으로 한 분기점(DP2)의 다음에 출현하는 다른 특징점(단점(EP3), 단점(EP4))을 종점으로서, 부분 혈관선을 추적한다.
이 도 5의 예에서는, 분기점(DP1, DP2)을 시점으로 했지만, 단점을 시점으로 해도 좋다. 덧붙여서, 이 도 5에서도 분명한 바와 같이, 단점은, 반드시, 시점 또는 종점의 어느 쪽이든 한쪽으로밖에 이루어질 수 없는 것이지만, 분기점은, 반드시, 시점 및 종점의 한쪽 또는 쌍방이 중복한다.
여기서, 구체적인 추적 수법을 도 6에 나타낸다. 이 도 6에 있어서, 특징점 추출부(22)는, 시점으로부터, 현 주목화소(망 모양 해칭(Hatching)으로 표시되는 화소)의 주위에 존재하는 혈관 화소 중 직전에 주목 화소로 한 혈관 화소(옆 햇칭으로 나타내지는 화소)를 제외한 혈관 화소를, 다음의 주목 화소로서, 당해 현 주목 화소의 주위에 존재하는 혈관 화소가 종점이 될 때까지, 부분 혈관선에 있어 서의 혈관 화소를 차례차례 추적해 나간다.
이 부분 혈관선에 있어서의 혈관 화소는, 분기점 또는 단점으로부터 다음의 분기점 또는 단점까지의 혈관선이기 때문에, 결코, 분기가 존재하지 않는 것이 된다. 따라서, 주목 화소는, 반드시, 직선상의 점 또는 굴곡점이 된다. 덧붙여서, 도 7에 있어서, 직선상의 점 및 굴곡점의 출현 패턴을 나타낸다. 이 도 7에서는, 도 4와 마찬가지로, 주목 화소를 편 모양으로 하고, 혈관 화소(백 화소)를, 시각적 편의를 도모하기 위해 흑색으로 하고 있다.
특징점 추출부(22)는, 예를 들면 도 8에 나타내는 바와 같이, 시점 및 종점(기울기 격자모양의 햇칭으로 나타내지는 화소)의 사이의 추적 과정에 있어서, 현 주목 화소 이전의 혈관 화소의 직선성이, 다음에 주목 화소로 되는 혈관 화소로부터 손상되는 경우에는, 상기 현 주목 화소를 굴곡점(격자모양의 햇칭으로 나타내지는 화소)으로서 검출한다.
이윽고, 종점에 도달하면, 특징점 추출부(22)는, 이 부분 혈관선에 있어서의 시점으로부터 굴곡점을 거쳐 종점까지의 각 특징점을, 그룹으로서 할당한다.
이와 같이 하여 이 특징점 추출부(22)는, 제 2단계로서, 단점 및 분기점을 기준으로서, 분기점 또는 단점으로부터 다음의 분기점 또는 단점까지의 혈관선(부분 혈관선) 마다 굴곡점을 검출하도록 되어 있다.
(B－3) 굴곡점의 삭제
다음에, 특징점 추출부(22)는, 제 3단계로서, 그룹으로서 할당된, 부분 혈관선에 있어서의 시점으로부터 굴곡점을 거쳐 종점까지의 각 특징점(이하, 이것을 부 분 혈관 구성 점렬이라고 부른다)을 처리 단위로서, 당해 부분 혈관선에 있어서의 굴곡점을 삭제한다.
이들 부분 혈관 구성 점렬에 대한 삭제 처리의 내용은 동일하므로, 상기 내용을, 어느 1개의 부분 혈관 구성 점렬을 처리 대상으로 한 경우에 한해서 도 9를 예에 이용하여 구체적으로 설명한다. 이 도 9에 있어서, 정방형은 오리지널 혈관선을 구성하는 화소(이하, 이것을 오리지널 혈관 화소라고 부른다)를 나타내고, 당해 오리지널 혈관 화소 중단점 및 굴곡점에는 파선을 교부하고 있다.
특징점 추출부(22)는, 부분 혈관 구성점렬 중, 기준으로서 선택한 특징점(이하, 이것을 기준점이라고 부른다) GPbs로부터 삭제 후보점 GPcd(GPcd1∼GPcd3)까지의 오리지널 혈관 화소에 대한, 당해 기준점(GPbs) 및 삭제 후보점(GPcd)을 연결하는 선분 SG(SG1∼SG3)를 구성하는 화소(이하, 이것을 선분 화소라고 부른다)의 중복 비율이, 소정의 임계치(이하, 이것을 중복 비율 임계치라고 부른다)보다 작아질 때까지, 당해 삭제 후보점(GPcd)을 종점 측에 차례차례 늦추면서 구해 간다.
이 도 9에서는, 선분(SG1)의 선분 화소(2화소)는, 기준점(GPbs)으로부터 대응하는 삭제 후보점(GPcd1)까지의 오리지널 혈관 화소(2화소)의 모두와 중복하므로, 중복 비율은 「2/2」이다. 또 선분(SG2)의 선분 화소(7화소)는, 기준점(GPbs)으로부터 대응하는 삭제 후보점(GPcd2)까지의 오리지널 혈관 화소(7화소) 중 4화소와 중 복하므로, 중복 비율은 「4/7」이다. 선분(SG3)의 선분 화소(9화소)는, 기준점(GPbs)으로부터 대응하는 삭제 후보점(GPcd3)까지의 오리지널 혈관 화소(9화소) 중 2화소와 중복하므로, 중복 비율은 「2/9」이다.
선분(SG3)의 선분 화소의 중복 비율이 중복 비율 임계치보다 작다고 한 경우, 특징점 추출부(22)는, 그때 삭제 후보점(GPcd3)으로서 선택한 특징점보다 1개 전에 삭제 후보점(GPcd2)으로서 선택한 특징점과, 기준점(GPbs)과의 사이의 특징점(GPcd1)을 삭제한다. 그렇다면, 이 특징점(GPcd1)을 삭제한 경우여도, 남긴 특징점(GPcd2)으로부터 기준점(GPbs)까지의 선분(SG2)은 오리지널 혈관선과 근사하게 된다.
여기서, 이러한 중복 비율 임계치를 작게 설정하면, 선분(SG3)이, 당해 기준점(GPbs)으로부터 삭제 후보점(GPcd3)까지의 오리지널 혈관 화소(부분 혈관선)와 근사하지않음에도 불구하고, 특징점(GPcd1)을 삭제한다고 했던 것이 발생하며, 이것에 대해서 중복 비율 임계치를 크게 설정하면, 특징점(GPcd1)을 삭제할 수 없다고 한 것이 발생할 수 있다.
그래서, 이 실시형태에서는, 특징점 추출부(22)는, 선분길이에 따라 중복 비율 임계치를 전환하도록 되어 있다. 구체적으로는, 기준점을 GPJ(J＝1, 2, ……, M(M는 정수))로 하고, 그 기준점으로부터 α번째의 삭제 후보점을 GPJ +α로 하면, 기준점(GPJ) 및 삭제 후보점(GPJ+α)을 연결하는 선분(GPJ－GPJ +α)에 대하여 오리지널 혈관 화소에 대한 중복 비율을 구하는 경우, 그 직전에 중복 비율을 구한 선분(이하, 이것을 직전 선분이라고 부른다) GPJ +(α－1)－GPj +α의 선분길이가 소정의 임계치(이하, 이것을 선분길이 임계치라고 부른다) 이상일 때는, 제 1의 중복 비율 임계치를 설정하고, 이것에 대해서 선분길이 임계치 미만일 때는, 제 1의 중복 비율 임계치보다 큰 제 2의 중복 비율 임계치를 설정한다.
이와 같이 하는 것으로, 부분 혈관 선상에 존재하는 굴곡점을 연결한 경우에 그 연결한 선이 부분 혈관선에 근사하도록, 삭제 대상으로 한 굴곡점을 적확하게 선택하는 것이 가능해진다.
구체적으로, 이 굴곡점의 삭제 처리는, 부분 혈관 구성 점렬에 있어서의 시점으로부터, 도 34의 플로차트에 나타내는 순서로 실행된다. 즉 특징점 추출부(22)는, 부분 혈관 구성 점렬의 시점을 기준점으로서 선택하는 동시에, 상기 기준점으로부터 1번째의 특징점을, 삭제 후보점으로서 선택한다(스텝(SP31)).
그리고 특징점 추출부(22)는, 이 굴곡점의 삭제 처리를 개시하고나서 처음으로 중복 비율을 구하는 경우인지, 또는, 현 시점의 선택 대상인 기준점(GPJ) 및 삭제 후보점(GPJ+α)을 연결하는 선분(GPJ－GPJ +α)의 직전 선분(GPJ +(α－1)－GPJ +α)의 선분길이가 선분길이 임계치 미만인지를 판정한다(스텝(SP32)).
이 굴곡점의 삭제 처리를 개시하고나서 처음으로 중복 비율을 구하는 경우 또는 직전 선분(GPJ +(α－1)－GPJ +α)의 선분길이가 선분길이 임계치 미만인 경우, 특징점 추출부(22)는, 중복 비율 임계치로서 제 1의 중복 비율 임계치를 설정한 후(스텝(SP33)), 현 시점의 선택 대상인 기준점(GPJ) 및 삭제 후보점(GPJ+α)을 연결하는 선분(GPJ－GPJ +α)에 대하여 오리지널 혈관 화소에 대한 중복 비율을 구하고(스텝(SP34)), 이 중복 비율이 제 1의 중복 비율 임계치 이상인지 아닌지를 판정한다(스텝(SP35)).
이것에 대해서, 이 굴곡점의 삭제 처리를 개시하고나서 중복 비율을 구하는 회수가 2번째 이후이며, 직전 선분(GPJ +(α－1)－GPJ +α)이 선분길이 임계치 이상으로 되는 경우, 특징점 추출부(22)는, 중복 비율 임계치로서 제 2의 중복 비율 임계치를 설정한 후(스텝(SP36)), 현 시점의 선택 대상인 기준점(GPJ) 및 삭제 후보점(GPJ +α)을 연결하는 선분(GPJ－GPJ +α)에 대하여 오리지널 혈관 화소에 대한 중복 비율을 구하고(스텝(SP34)), 이 중복 비율이 제 2의 중복 비율 임계치 이상인지 아닌지를 판정한다.(스텝(SP35)).
여기서, 중복 비율이 중복 비율 임계치 이상이 되는 경우, 이것은, 현 시점의 선택 대상인 기준점(GPJ) 및 삭제 후보점(GPJ+α)을 연결하는 선분(GPJ－GPJ +α)이, 당해 기준점(GPJ)으로부터 삭제 후보점(GPJ+α)까지의 오리지널 혈관선과 근사하는 또는 동일한 것을 의미한다.
이 경우, 특징점 추출부(22)는, 현 시점의 선택 대상인 삭제 후보점(GPJ+α)이 부분 혈관 구성 점렬의 종점인지 아닌지를 판정하고(스텝(SP37)), 종점이 아닐 때에는, 당해 삭제 후보점(GPJ+α)으로서 선택하고 있는 특징점에 대하여 종점 측에 있는 특징점을, 새로운 삭제 후보점(GPJ+α)으로서 선택한 후(스텝(SP38)), 상술한 처리로 돌아온다(스텝(SP32)).
또한, 중복 비율이 중복 비율 임계치 미만이 되는 경우, 이것은, 현 시점의 선택 대상인 기준점(GPJ) 및 삭제 후보점(GPJ+α)을 연결하는 선분(GPJ－GPJ +α)이, 당해 기준점(GPJ)으로부터 삭제 후보점(GPJ+α)까지의 오리지널 혈관선과는 동떨어져 있는 것을 의미한다.
이 경우, 특징점 추출부(22)는, 현 시점보다 1개 전에 삭제 후보점(GPJ+α)으로서 선택하고 있던 특징점과, 현 시점에서 기준점(GPJ)으로서 선택하고 있는 특징점과의 사이에 있어서의 1 또는 2 이상의 특징점을 모두 삭제한다(스텝(SP39)).
그리고 특징점 추출부(22)는, 현 시점의 선택 대상인 삭제 후보점(GPJ+α)이 부분 혈관 구성 점렬의 종점인지 아닌지를 판정하고(스텝(SP40)), 종점이 아닐 때에는, 현 시점의 선택 대상인 삭제 후보점(GPJ+α)을 기준점(GPJ)으로서 선택하는 동시에, 그 기준점(GPJ)에 대하여 종점 측에 있는 특징점을, 새로운 삭제 후보점(GPJ+ α)으로서 선택한 후(스텝(SP41)), 상술의 처리로 돌아온다(스텝(SP32)).
한편, 특징점 추출부(22)는, 현 시점의 선택 대상인 삭제 후보점(GPJ+α)이 부분 혈관 구성 점렬의 종점이라고 판정한 경우에는(스텝(SP37)(Y) 또는 스텝(SP40)(Y)), 현 시점에서 삭제 후보점(GPJ+α)으로서 선택하고 있는 특징점과, 현 시점에서 기준점(GPJ)으로서 선택하고 있는 특징점과의 사이에 있어서의 1 또는 2이상의 특징점을 모두 삭제한 후(스텝(SP42)), 이 굴곡점의 삭제 처리를 종료한다.
특징점 추출부(22)는, 이러한 순서에 의해, 굴곡점의 삭제 처리를 실행하도록 되어 있다. 또한, 이 삭제 처리 전과 삭제 처리 후를 도 11에 나타낸다. 이 도 11에서는, 삭제 처리에 있어서의 선분길이 임계치를 5[mm]로 하고, 제 1의 중복 비율 임계치를 0.5(50[%])로 하고, 제 2의 중복 비율 임계치를 0.7(70[%])로 한 경우를 나타내고 있다. 또, 도 35에 있어서, 정방형은 오리지널 혈관 화소를 나타내고, 환은 선분을 구성하는 화소를 나타내며, 오리지널 혈관 화소 중 단점 및 굴곡점에는 파선을 붙이고 있다.
이 도 11에서도 분명한 바와 같이, 상술의 삭제 처리에 의해서, 부분 혈관 선상에 존재하는 굴곡점을 연결한 경우에 그 연결한 선이 부분 혈관선에 근사하도록, 적확하게 굴곡점이 삭제되게 된다.
(B－4) 단점의 삭제
다음에, 특징점 추출부(22)는, 제 4단계로서, 혈관 선상의 분기점으로부터 성장하는 3개 또는 4개의 부분 혈관선 중, 직선으로서 근사하는 2개의 부분 혈관선을, 1개의 부분 혈관선으로서 연결하는 것으로, 당해 2개의 부분 혈관선의 단점이 되어 있던 시점 또는 종점의 한 개를 삭제한다. 덧붙여서, 분기점으로부터 성장하는 부분 혈관선은, 1화소 폭으로 견딜 수 있는 혈관(혈관선)에서는, 도 4에서도 말한 바와 같이, 반드시, 3개 또는 4개가 된다.
구체적으로, 예를 들면 도 12(a)에 나타내는 바와 같이, 분기점GP(GPA1, GPB1, GPC1)로부터 3개의 부분 혈관선(PBLA, PBLB, PBLC)이 성장하고 있는 경우, 특징점 추출부(22)는, 이들 부분 혈관선(PBLA, PBLB, PBLC) 중, 1쌍의 부분 혈관선끼리의 교차 각도(θA－B, θA－C, θB－C)의 여현(餘弦)(cos(θA－B), cos(θA－C), cos(θB－c))을 구한다.
여기서, 가장 작은 여현(cos(θA－B))이 소정의 임계치(이하, 이것을 여현 임계치라고 부른다)보다 작을 때, 이것은, 부분 혈관선의 교차 각도가 180도에 가까운 것을 의미한다. 이때 특징점 추출부(22)는, 그 최소의 여현(cos(θA－B))에 대응하는 1쌍의 부분 혈관선의 부분 혈관 구성 점렬 GPAl, GPA2, ……, GPA － end 및 GPB1, GPB2, ……, GPB － end의 양단 중, 중복하지 않는 쪽의 점 GPA － end, GPB － end를 시점 또는 단점으로서 그 시점 및 단점 간의 특징점을 1개의 그룹으로서 할당하여 다시 한다.
이 결과, 1쌍의 부분 혈관선(PBLA, PBLB)은 연결되며, 예를 들면 도 12(b)에 나타내는 바와 같이, 상기 연결된 부분 혈관선(PBLAB)의 부분 혈관 구성 점렬 GPAB － first, ……, GPAB10, GPAB11, GPAB12, ……, GFAB － end의 개수는, 연결 전의 1쌍의 부분 혈관선의 부분 혈관 구성 점렬과 비교하면, 상기 1쌍의 부분 혈관선의 부분 혈관 구성 점렬 각각의 시점으로 되어 있던 2개의 분기점 GPAl, GPB1이 1개의 중간점 GPAB11로서 치환된 것으로, 1점 줄어들게 된다. 또한, 부분 혈관선(PBLAB)은, 1쌍의 부분 혈관선(PBLA, PBLB)을 단지 연결한 것이므로, 연결 전후에 있어서의 혈관선의 형태에는 변화가 생길 일은 없다.
이것에 대하여, 가장 작은 여현(cos(θA－B))이 여현 임계치보다 클 때, 특징점 추출부(22)는, 그룹의 재할당을 하지 않고, 미처리 대상의 분기점이 있으면, 처리 대상을 다음의 분기점으로 옮기고, 미처리 대상의 분기점이 없으면, 이 처리를 종료한다.
또한, 예를 들면 도 13(a)에 나타내는 바와 같이, 분기점 GP(GPA1, GPB1, GPC1, GPD1)로부터 4개의 부분 혈관선(PBLA, PBLB, PBLC, PBLD)이 성장하고 있는 경우, 특징점 추출부(22)는, 이들 부분 혈관선(PBLA, PBLB, PBLC, PBLD) 중, 1쌍의 부분 혈관선끼리의 교차 각도(θA－B, θA－C, θA－D, θB－C, θB－D, θC-D)의 여현(cos(θA－B), cos(θA－C), cos(θA－D), cos(θB－C), cos(θB－D), cos(θC－D))를 구한다.
여기서, 가장 작은 여현(cos(θB－D))이 제 2의 여현 임계치보다 작을 때, 이 일은, 부분 혈관선의 교차 각도가 180도에 가까운 것을 의미한다. 이때 특징점 추출부(22)는, 그 최소의 여현(cos(θB－D))에 대응하는 1쌍의 부분 혈관선의 부분 혈관 구성 점렬 GPB1, GPB2, ……, GPB － end 및 GPD1, GPD2, ……, GPD － end의 양단 중, 중복하지 않는 쪽의 점 GPB － end, GPD － end를 시점 또는 단점으로서, 그 시점 및 단점 간의 특징점을 1개의 그룹으로서 할당하여 다시 한다.
이 결과, 1쌍의 부분 혈관선(PBLB, PBLD)은 연결되며, 예를 들면 도 13(b)에 나타내는 바와 같이, 상기 연결된 부분 혈관선(PBLBD)의 부분 혈관 구성 점렬 GPBD －first, ……, GPBD10, GPBD11, GPBD12, ……, GPBD － end의 개수는, 연결 전의 1쌍의 부분 혈관선의 부분 혈관 구성 점렬과 비교하면, 상기 1쌍의 부분 혈관선의 부분 혈관 구성 점렬 각각의 시점으로 되어 있던 2개의 분기점(GPB1, GPD1)이 1개의 중간점(GPBD11)으로서 치환된 것으로, 1점 줄어들게 된다. 또한, 부분 혈관선(PBLBD)은, 1쌍의 부분 혈관선(PBLB, PBLD)을 단지 연결한 것이므로, 연결 전후에 있어서의 혈관선의 형태에는 변화가 생길 일은 없다.
이 4분기의 경우, 1쌍의 부분 혈관선(PBLB, PBLD)을 연결해도, 미연결의 부분 혈관선(PBLA, PBLC)이 남지만, 특징점 추출부(22)는, 나머지의 부분 혈관선(PBLA, PBLC) 끼리의 교차 각도 θA－C의 여현(cos(θA－C))이 여현 임계치보다 작을 때에는, 예를 들면 도 13(c)에 나타내는 바와 같이, 이들 부분 혈관선(PBLA, PBLC) 각각의 부분 혈관 구성 점렬을, 부분 혈관선(PBLB, PBLD)의 부분 혈관 구성 점렬과 마찬가지로, 1개의 부분 혈관 구성 점렬 GPAC － first, ……, GPAC10, GPACl1, GPAC12, ……, GPAC － end로 하고, 원래의 부분 혈관 구성 점렬의 단점이 되는 시점 GPAl, GPC1의 하나를 삭제하도록 되어 있다.
이것에 대하여, 가장 작은 여현(cos(θA－B))이 여현 임계치보다 클 때, 특징점 추출부(22)는, 그룹의 재할당을 하지 않고, 미처리 대상의 분기점이 있으면, 처리 대상을 다음의 분기점으로 이동하고, 미처리 대상의 분기점이 없으면, 이 처리를 종료한다.
또한, 도 12 및 도 13에 있어서 일부 겹쳐져 있는 점은, 위치(좌표) 정보로서는 동일하지만, 그룹이 다르기 때문에, 편의상, 분리하여 나타내고 있다.
이와 같이 하여 이 특징점 추출부(22)는, 제 4단계로서, 혈관 선상의 분기점 중, 상기 분기점으로부터 성장하는 부분 혈관선의 교차 각도의 여현이 제 2의 여현 임계치보다 작은 조건을 만족하는 1쌍의 부분 혈관선에 있어서의 부분 혈관 구성 점렬을, 1개의 부분 혈관 구성 점렬로 함으로써, 당해 1쌍의 부분 혈관 구성 점렬의 단점으로 되어 있던 시점 또는 종점의 하나를 삭제하도록 되어 있다.
이상과 같이 특징점 추출부(22)는, 단점, 분기점 및 굴곡점을 각각 검출하고(제 1 단계 및 제 2 단계), 이들 점으로부터, 단점 및 분기점을 기준으로 하는 그룹(부분 혈관선 점렬) 단위로, 혈관선의 특징이 되는 점을, 당해 특징점을 연결한 경우에 그 연결한 선이 혈관선에 근사한 한편 직선에 근사하도록 추출할 수 있 다(제 3 단계 및 제 4 단계).
예를 들면 도 3(b)에 나타낸 화상(화상 데이터D21)이 특징점 추출부(22)에 입력된 경우, 상기 화상은, 도 14에 나타내는 바와 같이, 이 특징점 추출부(22)에서의 특징점추출 처리에 의해서, 특징점을 연결한 선이 혈관선에 근사한 한편 직선에 근사하도록, 특징점이 추출되게 된다.
특징점 추출부(22)는, 이와 같이 하여 특징점을 추출한 화상의 데이터(화상 데이터D1)를, 플래시메모리(13)에 기억하도록 되어 있다.
(2－2) 데이터 생성 모드
또한, 제어부(10)는, 실행해야 할 모드로서 데이터 생성 모드를 결정한 경우, 동작 모드를 데이터 생성 모드로 천이하고, 플래시메모리(13)에 복수의 화상 데이터 D1i(i＝l, 2, ……, n)가 기억되고 있는지 아닌지를 판정한다.
그리고 제어부(10)는, 플래시메모리(13)에 복수의 화상 데이터 D1i(i＝1, 2, ……, n)가 기억되고 있을 때는, 이들 화상 데이터 D22i를 이용하여, 데이터 생성 처리를 실행하도록 되어 있다.
여기서, 이 데이터 생성 처리의 내용의 상세를 설명하기 전에, 혈관패턴과, 의사 혈관패턴과의 변별 지표에 대하여 설명한다. 다만, 의사 혈관패턴은, 구미(Gummy)(젤라틴, 설탕, 물엿을 재료로 하고, 고무와 같이 탄력이 있는 형태로 굳힌 과자) 또는 무를 촬상 대상으로 한 경우에 얻어지는 것을 예로 한다.
(2－2－A) 혈관패턴과, 의사 혈관패턴과의 변별 지표
우선, 생체의 손가락으로부터 얻어지는 혈관패턴과, 구미 및 무로부터 얻어 지는 의사 혈관패턴을 도 15에 나타낸다. 이 도 15에 나타내는 바와 같이, 혈관패턴(도 15(a))과, 의사 혈관패턴(도 15(b), 도 15(c))과는, 개략적으로는, 동등의 패턴으로 볼 수 있다
여기서, 도 16에 나타내는 바와 같이, 특징점 간을 연결하는 선분과, 그 선분의 단점을 통과하는 가로 방향의 축과의 이루는 각도 θ에 주목해 본다. 즉, 패턴에 있어서의 각 특징점 간을 연결하는 선분과, 화상의 가로축 방향과의 이루는 각도의 분포를, 당해 선분의 길이(선분을 구성하는 화소의 수)를 도수로서 나타내 보면, 혈관패턴(도 17)에서는, 90[°] 및 그 부근에 집중하는 데 대해, 구미로부터 얻어지는 의사 혈관패턴(도 18(a)) 및 무로부터 얻어지는 의사 혈관패턴(도 18(b))에서는, O[°]∼180[°]에 걸쳐서 드문드문 퍼져, 규칙성이 부족한 상태가 된다. 이것은, 혈관패턴이 사방팔방으로 퍼지는 것이 아니라, 일정한 방향(손가락의 길이 방향)으로 갖추어져 있는 경향에 있는 것에 기인하고 있다.
또, 도 19에 나타내는 바와 같이, 혈관패턴(도 19(a))은, 구미로부터 얻어지는 의사 혈관패턴(도 19(b)) 또는 무로부터 얻어지는 의사 혈관패턴(도 19(c))에 비교하여 직선에 근사하는 선분의 선분길이가 긴 경향에 있기 때문에, 상술한 특징점 추출 처리에 의해서 그룹으로서 할당되는 선분(부분 혈관선)의 수가 적어지게 된다.
따라서, 혈관패턴과 의사 혈관패턴과의 변별 지표로서는, 제 1에, 각도 분포의 확대, 제 2에, 당해 각도 분포에 있어서의 90[°] 및 그 부근의 분포 강도, 제 3에, 그룹으로서 할당되는 선분의 수를 들 수 있다.
이 각도 분포의 확대는, 예를 들면, 당해 분포의 분산(또는 표준 편차)으로 나타낼 수 있다. 즉, 패턴의 특징으로서 추출된 특징점 간을 연결하는 선분을 lK(K＝1, 2, ……, N(N은 정수))로 하고, 당해 선분과 화상의 가로축 방향과의 이루는 각도를 θK로 하고, 당해 선분길이를 LK로 하면, 선분(lK)의 각도(θK)의 분포는, 선분길이(LK)로 가중되어 있으므로, 그 분포의 평균은, 다음 식
Figure 112009016704102-PCT00001
이 되며, 분산은, 다음 식
Figure 112009016704102-PCT00002
이 된다.
또, 분포 강도는, 전체의 분포 면적에 대한, 90[°]을 중심으로 한 소정의 각도 범위에 있어서의 분포 면적의 비율로 나타낼 수 있다. 즉, 각도 범위를, lower[°]＜θ＜upper[°]로 하고, 분포 면적을 S로 하면, 분포 강도는, 다음 식
Figure 112009016704102-PCT00003
이 된다.
또, 그룹으로서 할당되는 선분의 수는, 상술의 특징점추출 처리 후에 할당되어 있는 그룹의 수이다. 즉, 상술한 바와 같이, 특징점 추출부(22)에서는, 굴곡점의 검출 처리 때에, 부분 혈관선에 있어서의 시점으로부터 굴곡점을 거쳐 종점까지의 각 특징점(부분 혈관 구성 점렬)이 그룹으로서 할당되며, 이들 그룹 속에서, 직선으로서 근사하는 그룹(부분 혈관 구성 점렬)끼리가, 1개의 그룹으로서 정리되므로, 이 후에 남은 그룹(부분 혈관 구성 점렬)의 수가 된다.
여기서, 이들 3개의 변별 지표를 이용하고, 혈관패턴과, 구미로부터 얻어지는 의사 혈관패턴에 있어서의 변별 결과를 도 20에 나타낸다. 이 도 20에서는, 얇은 쪽의 플롯은, 구미로부터 얻어지는 의사 혈관패턴에 대응하는 것이며, 샘플 수는 635 샘플로 했다. 한편, 진한 쪽의 플롯은, 손가락을 5회 촬상하고, 당해 얻어지는 혈관패턴 중, 얇은 쪽의 플롯의 분포중심으로부터 마할라노비스(Mahallanobis) 거리가 가장 먼 혈관패턴에 대응하는 것이며, 샘플수는 127 샘플로 했다.
또, 이 도 20에 있어서의 「RfG」는, 의사 혈관패턴과 판정해야 할 경계(이하, 이것을 의사 혈관 경계라고 부른다)를 나타내고, 구체적으로는, 얇은 쪽의 플롯의 분포중심으로부터, 마할라노비스 거리가 「2.5」이다. 또한, 「RfF」는, 혈관패턴과 판정해야 할 경계(이하, 이것을 혈관 경계라고 부른다)를 나타내고, 구체적으로는, 진한 쪽의 플롯의 분포중심으로부터, 마할라노비스 거리가 「2.1」이다. 덧붙여서, 「●」의 플롯은, 의사 혈관 경계(RfG) 또는 혈관 경계(RfF) 내에 존재하는 것임에 비해, 「＊」의 플롯은, 의사 혈관 경계(RfG) 또는 혈관 경계(RfF) 내에 존재하지 않는 것이다.
이 도 20에서도 분명한 바와 같이, 혈관패턴과 의사 혈관패턴과는 대체로 변별할 수 있으며, 당해 도 20의 3차원 분포 중 δ－c평면에 한해서 보면, 도 21에서도 분명한 바와 같이, 혈관패턴과 의사 혈관패턴과는 완전하게 변별할 수 있다. 덧붙여서, 이 도 20 및 도 21은, 각도 분포의 확대를 표준 편차에 의해 나타내고 있다.
(2－2－B) 데이터 생성 처리의 구체적인 처리 내용
다음에, 데이터 생성 처리의 구체적인 처리 내용에 대하여 설명한다. 이 데이터 생성 처리는, 도 22에 나타내는 플로차트에 따라서 행해진다.
즉, 제어부(10)는, 플래시메모리(13)로부터 읽어낸 복수 샘플의 화상 데이터 D1i의 각 혈관패턴에 대해서, 3개의 변별 지표(각도 분포의 분산, 각도 분포의 강도 및 그룹으로서 할당되는 선분의 수)를 각각 구한다(스텝SP1∼스텝SP5의 루프).
또, 제어부(10)는, 각 샘플의 혈관패턴에 대하여 변별 지표를 구하고 끝난 경우(스텝SP5:YES), 각도 분포의 분산을 σ로 하고, 각도 분포의 강도를 P로 하고, 그룹으로서 할당되는 선분의 수를 C로 하면, 다음 식
과 같이, 각 샘플의 혈관패턴을 열로 하고, 당해 혈관패턴에 대한 변별 지표를 행으로 하는 행렬로 치환한다(스텝SP6).
그 다음에, 제어부(10)는, 변별 지표의 행렬로부터, 각 샘플에 있어서의 변별 지표의 분포중심을, 다음 식
Figure 112009016704102-PCT00005
에 의해 구하는 동시에(스텝SP7), 공(共)분산 행렬(covariance matrix)의 역행렬을 구한다(스텝SP8). 덧붙여서, 공분산 행렬은, 각 샘플에 있어서의 변별 지 표의 분포의 확대(불균형)의 정도를 나타내는 것이며, 그 역수는, 마할라노비스 거리를 구할 때 이용되는 것이다.
그리고, 제어부(10)는, 스텝(SP7)에서 구한 변별 지표의 분포중심과 스텝(SP8)에서 구한 공분산 행렬의 역행렬과, 미리 설정된 혈관 경계치(도 20을 예로 하면 마할라노비스 거리가 「2.1」)를, 혈관패턴범위 데이터(혈관패턴이라고 판정해야 할 범위를 나타내는 데이터)로서 생성하고(스텝SP9), 이것을 인증장치의 내부 메모리에 기억한 후(스텝SP10), 이 데이터 생성 처리를 종료한다.
이와 같이 하여 제어부(10)는, 혈관패턴이 사방팔방으로 퍼지는 것이 아니라, 일정한 방향(손가락의 길이 방향)으로 갖추어져 있는 경향에 있는 것, 혈관 패턴의 선분 중 직선에 근사하는 선분의 선분길이가 긴 경향에 있는 것을, 혈관패턴과 의사 혈관패턴과의 변별 지표로서, 혈관패턴이라고 판정해야 할 범위를 나타내는 데이터(변별 지표의 분포중심, 공분산 행렬의 역행렬 및 혈관 경계치)를 생성할 수 있도록 되어 있다.
(3) 인증장치의 구성
다음에, 인증장치의 구성을 도 23에 나타낸다. 이 데이터생성장치(1)는, 제어부(30)에 대해서, 조작부(31)와, 촬상부(32)와, 플래시메모리(33)와, 외부 인터페이스(34)와, 통지부(35)를 각각 버스(36)를 통하여 접속함으로써 구성된다.
제어부(30)는, 인증장치 1 전체의 제어를 맡는 CPU와, 각종 프로그램 및 설정 정보가 격납되는 ROM과, 당해 CPU의 워크 메모리로서의 RAM을 포함한 마이크로컴퓨터로 되어있다. 또한, 이 ROM에는, 데이터생성장치(1)에 의해서 생성된 혈관 패턴범위 데이터가 기억되어 있다.
이 제어부(30)에는, 등록대상의 유저(이하, 이것을 등록자라고 부른다)의 혈관을 등록하는 모드(이하, 이것을 혈관 등록 모드라고 부른다)의 실행 명령(COM10) 또는 등록자 본인의 유무를 판정하는 모드(이하, 이것을 인증 모드라고 부른다)의 실행 명령(COM20)이, 유저 조작에 따라 조작부(31)로부터 주어진다.
제어부(30)는, 이러한 실행 명령(COM10, COM20)에 의거하여 실행해야 할 모드를 결정하고, 이 결정 결과에 대응하는 프로그램에 의거하여, 촬상부(32), 플래시메모리(33), 외부 인터페이스(34) 및 통지부(35)를 적당 제어함으로써, 혈관 등록 모드 또는 인증 모드를 실행하도록 되어 있다.
(3－1) 혈관 등록 모드
구체적으로 제어부(30)는, 실행해야 할 모드로서 혈관 등록 모드를 결정한 경우, 동작 모드를 혈관 등록 모드로 이동하고, 촬상부(32)를 제어한다.
이 경우, 촬상부(32)는, 데이터생성장치(1)의 촬상부(12)(도 1)와 같게 하고, 근적외광 광원(LS) 및 촬상 소자(ID)를 구동 제어하는 동시에, 이 인증장치(2)의 소정 위치에 배치된 오브젝트의 촬상 결과로서 촬상 소자(ID)에서 출력되는 화상 신호(SlOa)에 의거하여 광학계(OP)에 있어서의 광학 렌즈의 렌즈 위치 및 조리개(DH)의 조리개 값을 조정하고, 당해 조정 후에 촬상 소자(ID)로부터 출력되는 화상 신호(S20a)를 제어부(30)에 공급한다.
제어부(30)는, 이 화상 신호(S20a)에 대해서, 데이터생성장치(1)의 전처리부(21) 및 특징점 추출부(22)(도 2)와 동일한 전처리 및 특징점추출 처리를 차례차 례 실시함으로써, 당해 화상에 있어서의 오브젝트 패턴을 추출하는 동시에, 그 오브젝트 패턴에 있어서의 시점으로부터 굴곡점을 거쳐 종점까지의 그룹(부분 혈관 구성점렬) 단위로 특징점을 추출한다.
그리고 제어부(30)는, ROM에 기억된 혈관패턴범위 데이터에 의거하여, 오브젝트 패턴을 혈관패턴 또는 의사 혈관 패턴 시에 변별하는 처리(이하, 이것을 변별 처리라고 부른다)를 실행하고, 당해 오브젝트 패턴을 혈관패턴으로서 변별한 경우에는, 오브젝트 패턴의 특징점을, 등록자를 식별하기 위한 정보(이하, 이것을 등록자 식별 데이터라고 부른다)(DIS)로서 플래시메모리(33)에 기억함으로써 등록한다.
이와 같이 하여 이 제어부(30)는, 혈관 등록 모드를 실행할 수 있도록 되어 있다.
(3－2) 인증 모드
또한, 제어부(30)는, 실행해야 할 모드로서 인증 모드를 결정한 경우에는, 인증 모드로 천이하여, 혈관 등록 모드의 경우와 같게 하여 촬상부(32)를 제어한다.
이 경우, 촬상부(32)는, 근적외광 광원(LS) 및 촬상 소자(ID)를 구동 제어하는 동시에, 당해 촬상 소자(ID)로부터 출력되는 화상 신호(Sl0b)에 의거하여 광학계(OP)에 있어서의 광학 렌즈의 렌즈 위치 및 조리개(DR)의 조리개 값을 조정하고, 당해 조정 후에 촬상 소자(ID)로부터 출력되는 화상 신호(S20b)를 제어부(3a)에 공급한다.
제어부(30)는, 이 화상 신호(S20b)에 대해서, 상술의 혈관 등록 모드의 경우 와 동일한 전처리 및 특징점 추출처리를 차례차례 실시하는 동시에, 플래시메모리(33)에 등록된 등록자 식별 데이터(DIS)를 읽어낸다.
그리고 제어부(30)는, 상술의 혈관 등록 모드의 경우와 동일한 변별 처리를 실행하고, 화상 신호(S2ab)로부터 추출한 오브젝트 패턴을 혈관패턴으로서 변별한 경우에는, 당해 오브젝트 패턴에 있어서의 시점으로부터 굴곡점을 거쳐 종점까지의 그룹(부분 혈관 구성점렬) 단위로 추출한 각 특징점과, 플래시메모리(33)로부터 읽어낸 등록자 식별 데이터(DIS)의 특징점을 조합하여, 당해 합치의 정도로 따라 등록자(정규 유저)인지 아닌지를 판정한다.
여기서, 제어부(30)는, 등록자라고 판정했을 때에는, 외부 인터페이스(34)에 접속된 동작 처리 장치(도시하지 않음)에 대해서 소정의 동작을 행하게 하는 실행 명령(COM30)을 생성하고, 이것을 외부 인터페이스(34)를 통하여 동작 처리 장치로 전송한다.
이 외부 인터페이스(34)에 접속된 동작 처리 장치의 실시형태로서, 예를 들면 개정상태에 있는 도어를 채용한 경우, 제어부(30)는, 개정 동작을 행하게 하는 실행 명령(COM30)을 도어에 전송한다. 또 다른 동작 처리장치의 실시형태 예로서, 복수의 동작 모드 중 일부의 동작 모드를 제한한 상태에 있는 컴퓨터를 채용한 경우, 제어부(30)는, 그 제한된 동작 모드를 개방시키는 실행 명령(COM30)을 컴퓨터에 전송한다.
또한, 실시형태로서 2개 예를 들었지만, 이들에 한정하지 않고, 다른 실시형태도 적당히 선택할 수 있다. 또, 본 실시의 형태에서는, 동작 처리 장치를 외부 인터페이스(34)에 접속하도록 했지만, 당해 동작 처리 장치에 있어서의 소프트웨어 내지 하드웨어의 구성을 이 인증장치 1에 탑재하도록 해도 좋다.
이것에 대해서, 제어부(30)는, 등록자는 아니라고 판정했을 때에는, 그 취지를 통지부(35)의 표시부(35a)를 통하여 표시하는 동시에, 당해 통지부(35)의 음성 출력부(35b)를 통하여 음성 출력함으로써, 당해 등록자가 아니면 판정된 것을 시각적 및 청각적으로 통지한다.
이와 같이 하여 이 제어부(30)는, 인증 모드를 실행할 수 있도록 되어 있다.
(3－3) 변별 처리의 구체적인 처리 내용
다음에, 제어부(30)에 있어서의 변별 처리의 처리 내용에 대하여 설명한다. 이 변별 처리는, 도 24에 나타내는 플로차트에 따라서 행해진다.
즉, 제어부(30)는, 혈관 등록 모드 또는 인증 모드 시에 입력되는 화상 신호(S20a 또는 S20b)에 대해서 전처리 및 특징점 추출처리를 차례차례 실시한 후, 이 변별 처리 순서를 개시하고, 스텝(SP11)에 있어서, 당해 화상 신호(S20a 또는 S20b)로부터 추출한 오브젝트 패턴에 대해서, 각도 분포의 분산, 각도 분포의 강도 및 그룹으로서 할당되는 선분의 수를 각각 검출한다.
이 검출에 의해, 정규의 혈관패턴으로서 채용된 복수의 샘플 패턴의 변별 지표의 3차원 공간(도 20)에 있어서, 이때 촬상 대상이 된 오브젝트 패턴의 위치가 특정되게 된다.
계속하여, 제어부(30)는, 스텝(SP12)에 있어서, ROM에 기억된 혈관패턴범위 데이터(변별 지표의 분포중심, 공분산 행렬의 역행렬 및 혈관 경계치)에 의거하여, 변별 지표의 3차원 분포중심과, 당해 오브젝트 패턴의 위치와의 마할라노비스 거리를 산출한다.
구체적으로는, 변별 지표의 분포중심을 CT로 하고, 공분산 행렬의 역행렬을 Cov－1로 하고, 오브젝트 패턴의 위치를 P로 하면, 다음 식
Figure 112009016704102-PCT00006
에 의해 마할라노비스 거리(Dcp)를 산출한다. 이 산출에 의해, 정규의 혈관패턴으로서 채용된 복수의 샘플 패턴의 분포(도 20) 속에서, 이때 촬상 대상이 된 오브젝트 패턴이 어느 근처에 위치하고 있을지 특정되게 된다.
다음에, 제어부(30)는, 스텝(SP13)에 있어서, 스텝(SP12)에서 산출한 마할라노비스 거리가, ROM에 기억된 혈관패턴범위 데이터의 혈관 경계치 이하인지 아닌지를 판정한다.
이 혈관 경계치는, 도 20에 나타낸 바와 같이, 변별 지표의 분포중심으로부터 혈관패턴과 판정해야 할 경계(RfF)의 값을 나타내는 것이다. 따라서, 마할라노비스 거리가 혈관 경계치보다 컸던 경우, 이것은, 이때 추출된 오브젝트 패턴이, 의사 혈관패턴 또는 혈관패턴과는 극단적으로 상위한 패턴 등, 정규의 혈관패턴과는 판정해서는 안 되는 패턴인 것을 의미한다.
이 경우, 제어부(30)는, 스텝(SP14)에 진행되고, 화상 신호(S20a 또는 S20b) 로부터 추출한 오브젝트 패턴 및 그 특징점을 파기하는 동시에, 재차 촬상해야 할 취지를 통지부(35)(도 23)를 통하여 통지한 후, 이 변별 처리를 종료한다.
또한, 마할라노비스 거리가 혈관 경계치 이하였을 경우, 이것은, 이때 추출된 오브젝트 패턴이, 정규의 혈관패턴과 판정해야 할 패턴인 것을 의미한다.
이 경우, 제어부(30)는, 스텝(SP15)에 진행되고, 오브젝트 패턴에 있어서의 시점으로부터 굴곡점을 거쳐 종점까지의 그룹(부분 혈관 구성 점렬) 단위로 추출된 각 특징점을, 혈관 등록 모드의 경우에는 등록대상으로서 결정하는 한편, 인증 모드의 경우에는 이미 등록자 식별 데이터(DIS)로서 등록된 각 특징점과의 조합대상으로서 결정하고, 이 변별 처리를 종료한다.
이와 같이 하여 제어부(30)는, 혈관패턴이 사방팔방으로 퍼지는 것이 아니라, 일정한 방향(손가락의 길이 방향)에 갖추어져 있는 경향에 있는 것, 혈관패턴의 선분 중 직선에 근사하는 선분의 선분길이가 긴 경향에 있는 것을, 혈관패턴과 의사 혈관패턴과의 변별 지표로서 생성된 혈관패턴범위 데이터(변별 지표의 분포중심, 공분산 행렬의 역행렬 및 혈관 경계치)에 의거하여, 의사 혈관패턴 등을 배제할 수 있도록 되어 있다.
(4) 동작 및 효과
이상의 구성에 있어서, 이 인증시스템에 있어서의 데이터생성 처리장치(1)는, 복수의 샘플(생체의 손가락)로서 입력되는 화상 신호(S1)로부터 얻어지는 혈관패턴 각각에 대하여, 패턴형상을 나타내는 형상치를 산출한다.
이 실시형태의 경우에는, 혈관패턴이 사방팔방으로 퍼지는 것이 아니라, 일 정한 방향(손가락의 길이 방향)에 갖추어져 있는 경향에 있는 것, 직선에 근사하는 선분의 선분길이가 긴 경향에 있는 것을 지표로서, 패턴형상을 나타내는 형상치가 선정되고 있다.
즉, 데이터생성 처리장치(1)는, 형상치로서, 제 1에, 혈관패턴에 있어서의 각 특징점 간을 연결하는 선분과, 기준축(혈행 방향과 직교할 방향축)과의 이루는 각도(도 16)의 분포이며, 당해 선분의 선분길이를 도수로서 가중된 분포(도 17)의 확대 정도, 제 2에, 그 분포에 있어서의 전각도 범위의 면적에 대한, 혈행 방향의 각도(90[°])를 중심으로 한 소정의 각도 범위에 있어서의 면적의 비율, 제 3에, 당해 선분의 수(도 19(a))를 산출한다(도 22:스텝SP1∼스텝SP5).
그리고 데이터생성 처리장치(1)는, 이들 형상치의 3차원 분포(도 20)의 중심과, 그 중심에서의 확대의 정도를 나타내는 값(공분산 행렬)의 역수를 산출하고, 이들을 인증장치(2)의 내부 메모리에 기억한다.
또한, 이 인증시스템에 있어서의 인증장치(2)는, 등록대상 또는 등록데이터와의 조합대상으로서 입력되는 화상 신호(S20a, S20b)로부터 얻은 패턴에 대하여 상술의 3개의 형상치를 산출한다. 그리고 인증장치(2)는, 이들 3개의 형상치에 의해서 특정되는 3차원 분포상에서의 위치와, 내부 메모리에 기억된 3차원 분포(도 20)의 중심과의 마할라노비스 거리를, 공분산 행렬의 역수를 이용하여 산출하고, 이 마할라노비스 거리가 소정의 임계치(혈관 경계치(도 20:「Rff」))보다 큰 경우에, 당해 패턴을 파기한다(도 24).
따라서, 이 인증시스템에서는, 복수 샘플로부터 얻은 혈관패턴에 대하여, 상기 혈관패턴의 특질로 이루어지는 3개의 지표에 대응하는 3차원 공간분포(도 20) 중에서, 등록대상 또는 등록데이터와 조합되는 조합대상으로부터 얻은 패턴이 어느 쪽에 위치하고 있는 것인지, 또 그 위치가, 당해 분포중심으로부터, 생체 패턴으로 해야할 경계(혈관 경계치(도 20:「Rff」))까지의 범위에 속하고 있는 것인지를 파악할 수 있다.
따라서 이 인증시스템에서는, 등록대상 또는 등록데이터와의 조합대상으로 하여 입력되는 화상 신호(S20a, S20b)로부터 얻은 패턴이, 비록 혈관패턴에 대해서 의사적이 되는 혈관패턴(도 19(b),도 19(c))이었다고 해도, 그 의사 혈관패턴이 혈관패턴은 아닌 것으로서, 등록 또는 조합하지 않고 사전에 배제할 수 있는 확률을 현격히 향상시킬 수 있다.
또, 이 데이터생성장치(1) 및 인증장치(2)는, 혈관패턴에 있어서의 특징점을, 당해 특징점을 연결한 경우에 그 연결한 선이 혈관패턴에 근사한 한편 직선에 근사하도록 추출한 후에, 형상치를 산출하고 있다.
따라서 이 인증시스템에서는, 직선에 근사하는 선분의 선분길이가 긴 경향에 있다고 하는 혈관패턴의 특징을 강조한 후에, 그 패턴형상을 나타내는 형상치를 산출할 수 있게 되기 때문에, 보다 더욱 적확하게, 형상치를 산출할 수 있으며, 이 결과, 의사 혈관패턴이 혈관패턴은 아닌 것으로서, 배제할 수 있는 확률을 보다 더욱 향상시킬 수 있다.
이상의 구성에 의하면, 복수 샘플로부터 얻은 혈관패턴에 대해서, 상기 혈관패턴의 특징이 되는 3개의 지표에 대응하는 3차원 공간 분포 속에서, 등록대상 또는 등록데이터와 조합되는 조합대상으로부터 얻은 패턴이 어느 쪽에 위치하고 있는지, 또 그 위치가, 당해 분포중심으로부터, 생체 패턴으로 해야 할 경계까지의 범위에 속하고 있는지를 파악할 수 있도록 한 것에 의해서, 의사 혈관패턴이 생체 패턴은 아닌 것으로서 배제할 수 있는 확률을 현격히 향상할 수 있고, 이렇게 하여, 인증 정도를 향상시킬 수 있는 인증시스템을 실현할 수 있다.
(5) 다른 실시의 형태
상술의 실시형태에 있어서는, 복수의 생체 샘플로부터 얻어지는 혈관패턴의 분포를 나타내는 데이터와, 그 분포 중 혈관 패턴으로 해야 할 경계를 나타내는 데이터(임계치)에 의거하여, 입력 패턴이 혈관패턴인지 아닌지를 판정하도록 한 경우에 대하여 말했지만, 본 발명은 이것에 한정하지 않고, 의사 혈관패턴의 분포도 가미하여 입력 패턴이 혈관패턴인지 아닌지를 판정하도록 해도 좋다.
즉, 데이터생성장치(1)는, 상술의 데이터 생성 처리(도 22)에 의해서, 생체 샘플로부터 얻은 각 혈관패턴에 있어서의 3개의 변별 지표의 분포중심과, 공분산 행렬의 역행렬과, 혈관 경계치(도 20을 예로 하면 마할라노비스 거리가 「2.1」로 「RfF」에 상당)을 혈관패턴범위 데이터로서 인증장치(2)의 ROM에 기억한다. 이때, 비생체 샘플로부터 얻은 각 의사 혈관패턴에 대해서도, 상술의 데이터 생성 처리(도 22)에 의해서, 당해 의사 혈관패턴에 있어서의 3개의 변별 지표의 분포중심 과, 공분산 행렬의 역행렬과 의사 혈관 경계치(도 20을 예로 하면 마할라노비스 거리가 「2.5」로 「RfG」에 상당)를 의사 혈관패턴범위 데이터로서 인증장치(2)의 ROM에 기억한다.
또한, 인증장치(2)는, 도 24와의 대응 부분에 동일 부호를 붙인 도 25에 나타내는 바와 같이, 이 혈관패턴범위 데이터에 의거하여, 3개의 변별 지표의 분포상에 있어서의 입력 패턴(촬상 대상이 된 오브젝트 패턴)의 위치와, 당해 분포중심과의 마할라노비스 거리(이하, 이것을 생체 분포상 거리라고 부른다)를 구하는 동시에, 의사 혈관패턴범위 데이터에 의거하여, 3개의 변별 지표의 분포상에 있어서의 입력 패턴의 위치와, 당해 분포중심과의 마할라노비스 거리(이하, 이것을 비생체 분포상 거리라고 부른다)도 구한다(스텝SP22).
그리고 인증장치(2)는, 생체 분포상 거리가 혈관 경계치 이하인 경우, 비생체 분포상 거리가 의사 혈관 경계치 이하인지 아닌지를 판정한다(스텝SP23). 여기서, 비생체 분포상 거리가 의사 혈관 경계치 이하인 경우, 이것은, 예를 들면 도 20의 3차원 분포 중 δ－P평면과 같이, 혈관패턴이라고 판정해야 할 범위와, 비혈관패턴이라고 판정해야 할 범위가 중복하고 있는 범위 내에, 입력 패턴이 위치하고 있는 것을 의미한다.
따라서 이 경우, 인증장치(2)는, 생체 분포상 거리가 혈관 경계치 이하인 경우여도, 입력 패턴(촬상 대상이 된 오브젝트 패턴) 등을 파기한다(스텝SP14).
이것에 대해서 인증장치(2)는, 생체 분포상 거리가 혈관 경계치 이하이며, 한편, 비생체 분포상 거리가 의사 혈관 경계치보다 큰 경우에, 오브젝트 패턴에 있어서의 시점으로부터 굴곡점을 거쳐 종점까지의 그룹(부분 혈관 구성 점렬) 단위로 추출된 각 특징점을, 등록대상 또는 조합대상으로서 결정하도록 되어 있다(스텝SP15).
이와 같이 하여, 의사 혈관패턴의 분포도 가매하여 입력 패턴이 혈관패턴인지 아닌지를 판정하도록 하면, 상술한 실시형태의 경우에 비교하여, 의사 혈관패턴이 생체 패턴은 아닌 것으로서 배제할 수 있는 확률을 보다 더 향상할 수 있다.
또한, 생체 분포상 거리가 혈관 경계치 이하였을 경우에, 비생체 분포상 거리가 의사 혈관 경계치 이하인지 아닌지를 판정하도록 했지만(스텝SP23), 이것에 대신하고, 예를 들면, 당해 경우에, 스텝(SP22)에서 구한 생체 분포상 거리가 비생체 분포상 거리보다 큰지 아닌지를 판정하도록 해도 좋다.
또, 상술한 실시형태에 있어서는, 생체 패턴으로서, 혈관의 형상 패턴(혈관패턴)을 적용한 경우에 대하여 말했지만, 본 발명은 이것에 한정하지 않고, 지문, 성문, 구문 또는 신경의 형상 패턴 등, 적용되는 생체 패턴에 따라서, 그 취득 수단에 대해 대응하는 것으로 변경하면, 이 외 여러 가지의 것을 적용할 수 있다.
다만, 혈관패턴이나 신경 패턴 등과 같이, 혈관패턴이 사방팔방으로 퍼지는 것이 아니라, 일정한 방향(손가락의 길이 방향)으로 갖추어져 있는 특징이나, 직선에 근사하는 선분의 선분길이가 긴 특징을 갖는 생체 패턴을 적용하는 경우, 그 패턴형상을 나타내는 형상치로서는, 상술한 3개의 변별 지표를 채용할 수 있지만, 당해 특징을 갖는 생체 패턴 이외의 것을, 적용하는 경우에는, 그 적용하는 생체 패 턴의 특징에 따른 형상치로 변경할 필요가 있다.
또한, 이러한 특징을 갖는 생체 패턴을 적용하는 경우, 상술한 실시형태에서는, 형상치로서 3개의 변별 지표, 즉, 제 1에, 패턴에 있어서의 각 특징점 간을 연결하는 선분과 기준축과의 이루는 각도의 분포이며, 당해 선분의 선분길이를 도수로서 가중된 분포의 확대의 정도, 제 2에, 당해 분포에 있어서의 전각도 범위의 면적에 대한, 기준 축에 대하여 직교하는 각도를 중심으로 한 소정의 각도 범위에 있어서의 면적의 비율, 제 3에, 선분의 수를 채용했지만, 본 발명은 이것에 한정하지 않고, 이들 중 2개의 변별 지표만을 채용하도록 해도 좋고, 혹은, 이들 3개의 변별 지표와, 예를 들면, 당해 각도 분포에 있어서의 피크 중 상위 3개의 피크 중에 90[°]가 있는지 아닌지 등이라고 한 새로운 변별 지표를 더하도록 해도 좋다. 요점은, 변별 지표가 되는 것이 2 이상이면, 당해 변별 지표를 패턴형상을 나타내는 값으로서, 채용할 수 있다.
또한, 상술한 실시형태에 있어서는, 인증장치(2)의 ROM에 기억되는 혈관패턴범위 데이터를, 생체 샘플로부터 얻은 각 혈관패턴에 있어서의 3개의 변별 지표의 분포중심과 공분산 행렬의 역행렬과 혈관 경계치(도 20을 예로 하면 마할라노비스 거리가 「2.1」로 「RfF」에 상당)으로 한 경우에 대해 말했지만, 본 발명은 이것에 한정하지 않고, 인증장치(2)에 대해서 혈관 경계치를 미리 설정하고, 마할라노비스 거리의 산출(도 24(도 25):스텝SP12) 시에, 공분산 행렬의 역수를 계산시키도록 하면, 3개의 변별 지표의 분포중심 및 공분산 행렬만이라고 해도 좋다.
또한 상술한 실시형태에 있어서는, 생체 패턴에 있어서의 특징점을, 당해 특징점을 연결한 경우에 그 연결한 선이 상기 생체 패턴 시에 근사한 한편 직선에 근사하도록 추출하는 수단으로서, 전처리부(21) 및 특징점 추출부(22)를 채용하도록 한 경우에 대해 말했지만, 본 발명은 이것에 한정하지 않고, 상기 전처리부(21) 및 특징점 추출부(22)의 처리 내용을 적당 변경하도록 해도 좋다.
예를 들면, 전처리부(21)에 대해서는, A/D변환 처리, 윤곽 추출 처리, 평활화 처리, 2치화 처리 및 세선화 처리를 차례차례 실시하도록 했지만, 이들 처리의 일부를 생략하는 혹은 전환하는, 또는, 이들 처리에 대해서 새로운 처리를 가하도록 해도 좋다. 덧붙여서, 이들 처리의 순서에 대해서도 적당 변경할 수 있다.
또, 특징점 추출부(22)에 대해서는, 하리스 코너라고 불리는 점추출 처리로 대체하거나 예를 들면, 특원 2006－207033(〔0036〕∼〔0163〕참조) 등의 기존의 점추출 처리로 대체하도록 해도 좋다.
또한 상술한 실시형태에 있어서는, 촬상 기능, 조합 기능 및 등록 기능을 가지는 인증장치(2)를 적용하도록 한 경우에 대해 말했지만, 본 발명은 이것에 한정하지 않고, 당해 기능마다 단체의 장치로 나눈 모양으로 적용하는 등, 용도 등에 따라 여러 가지의 모양으로 적용할 수 있다.
본 발명은, 바이오매트릭스 인증 분야에 이용 가능하다.

Claims (17)

  1. 복수의 생체 샘플로부터 얻어지는 생체 패턴 각각에 대하여, 패턴형상을 나타내는 2 이상의 형상치를 산출하는 제 1의 스텝과,
    상기 2 이상의 형상치의 분포중심과, 그 중심에서의 확대 정도를 나타내는 값을 산출하는 제 2의 스텝과,
    등록대상 또는 등록데이터와 조합되는 조합대상으로부터 얻어지는 패턴의 상기 2 이상의 형상치와, 상기 2 이상의 형상치의 분포중심과의 거리를, 상기 값을 이용하여 산출하는 제 3의 스텝과,
    상기 거리가 소정의 임계치보다 큰 경우에, 상기 패턴을 파기하는 제 4의 스텝을 갖추는 것을 특징으로 하는 패턴식별방법.
  2. 제 1항에 있어서,
    상기 2 이상의 형상치는,
    패턴에 있어서의 각 특징점 간을 연결하는 선분과 기준축과의 이루는 각도의 분포이며, 당해 선분의 선분길이를 도수(度數)로서 가중된 분포의 확대 정도와,
    상기 분포에 있어서의 전각도 범위의 면적에 대한, 상기 기준 축에 대하여 직교하는 각도를 중심으로 한 소정의 각도 범위에 있어서의 면적의 비율과,
    상기 선분의 수 중 2개를 적어도 포함하는 것을 특징으로 하는 패턴식별방법.
  3. 제 2항에 있어서,
    복수의 생체 샘플로부터 얻어지는 생체 패턴에 있어서의 특징점을, 당해 특징점을 연결한 경우에 그 연결한 선이 상기 생체 패턴에 근사한 한편 직선에 근사하도록 추출하는 추출 스텝을 더 갖추는 것을 특징으로 하는 패턴식별방법.
  4. 제 1항에 있어서,
    상기 제 1의 스텝에서는,
    복수의 생체 샘플로부터 얻어지는 생체 패턴 각각에 대하여, 패턴 형상을 나타내는 2 이상의 형상치를 산출하는 동시에, 복수의 비생체 샘플로부터 얻어지는 비생체 패턴 각각에 대하여, 상기 2 이상의 형상치를 산출하고,
    상기 제 2의 스텝에서는,
    각 상기 생체 패턴에 있어서의 2 이상의 형상치의 분포중심 및 그 중심에서의 확대 정도를 나타내는 값과, 각 상기 비생체 패턴에 있어서의 2 이상의 형상치의 분포중심 및 그 중심에서의 확대 정도를 나타내는 값을 산출하고,
    상기 제 3의 스텝에서는,
    상기 패턴의 상기 2 이상의 형상치와, 각 상기 생체 패턴에 있어서의 2 이상의 형상치의 분포중심과의 제 1의 거리를, 당해 중심에서의 확대 정도를 나타내는 값을 이용하여 산출하는 동시에, 상기 패턴의 상기 2 이상의 형상치와, 각 상기 비생체 패턴에 있어서의 2 이상의 형상치의 분포중심과의 제 2의 거리를, 당해 중심 에서의 확대 정도를 나타내는 값을 이용하여 산출하고,
    상기 제 4의 스텝에서는,
    상기 제 1의 거리가, 생체 패턴과 판정해야 할 제 1의 임계치보다 큰 경우, 또는, 상기 제 1의 거리가 상기 제 1의 임계치 이내여도, 상기 제 2의 거리가, 비생체 패턴과 판정해야 할 제 2의 임계치 이내인 경우에, 상기 패턴을 파기하는 것을 특징으로 하는 패턴식별방법.
  5. 제 1항에 있어서,
    상기 생체 패턴은, 혈관의 형상 패턴인 것을 특징으로 하는 패턴식별방법.
  6. 복수의 생체 샘플로부터 얻어지는 생체 패턴 각각에 대하여, 패턴형상을 나타내는 2 이상의 형상치의 분포중심과, 그 중심에서의 확대 정도를 나타내는 값이 기억되는 기억 수단과,
    등록대상으로부터 얻어지는 패턴의 상기 2 이상의 형상치와, 상기 기억 수단에 기억된 2 이상의 형상치의 분포중심과의 거리를, 상기 값을 이용하여 산출하는 산출 수단과,
    상기 거리가 소정의 임계치보다 큰 경우에는 상기 패턴을 파기하고, 상기 거리가 상기 임계치 이내의 경우에는 상기 패턴을 기억 매체에 등록하는 등록 수단을 갖추는 것을 특징으로 하는 등록장치.
  7. 제 6항에 있어서,
    상기 2 이상의 형상치는,
    패턴에 있어서의 각 특징점 간을 연결하는 선분과 기준축과의 이루는 각도의 분포이며, 당해 선분의 선분길이를 도수로서 가중된 분포의 확대 정도와,
    상기 분포에 있어서의 전각도 범위의 면적에 대한, 상기 기준 축에 대하여 직교하는 각도를 중심으로 한 소정의 각도 범위에 있어서의 면적의 비율과,
    상기 선분의 수 중 2개를 적어도 포함하는 것을 특징으로 하는 등록장치.
  8. 제 6항에 있어서,
    상기 패턴에 있어서의 특징점을, 당해 특징점을 연결한 경우에 그 연결한 선이 상기 패턴에 근사한 한편 직선에 근사하도록 추출하는 추출 수단을 더 갖추고,
    주기등록 수단은,
    상기 추출 수단에 의해 추출된 상기 패턴에 있어서의 특징점을 상기 기억 매체에 등록하는 것을 특징으로 하는 등록장치.
  9. 제 6항에 있어서,
    상기 기억 수단에는,
    복수의 생체 샘플로부터 얻어지는 생체 패턴 각각에 대하여, 패턴형상을 나타내는 2 이상의 형상치의 분포중심 및 그 중심에서의 확대 정도를 나타내는 값과, 복수의 비생체 샘플로부터 얻어지는 비생체 패턴 각각에 대하여, 상기 2 이상의 형 상치의 분포중심 및 그 중심에서의 확대 정도를 나타내는 값이 기억되며,
    상기 산출 수단은,
    상기 패턴의 상기 2 이상의 형상치와, 각 상기 생체 패턴에 있어서의 2 이상의 형상치의 분포중심과의 제 1의 거리를, 당해 중심에서의 확대 정도를 나타내는 값을 이용하여 산출하는 동시에, 상기 패턴의 상기 2 이상의 형상치와, 각 상기 비생체 패턴에 있어서의 2 이상의 형상치의 분포중심과의 제 2의 거리를, 당해 중심에서의 확대 정도를 나타내는 값을 이용하여 산출하고,
    상기 등록 수단은,
    상기 제 1의 거리가, 생체 패턴과 판정해야 할 제 1의 임계치보다 큰 경우, 또는, 상기 제 1의 거리가 상기 제 1의 임계치 이내여도, 상기 제 2의 거리가, 비생체 패턴과 판정해야 할 제 2의 임계치 이내인 경우에는 상기 패턴을 파기하는 것을 특징으로 하는 등록장치.
  10. 제 6항에 있어서,
    상기 생체 패턴은, 혈관의 형상 패턴인 것을 특징으로 하는 등록장치.
  11. 복수의 생체 샘플로부터 얻어지는 생체 패턴 각각에 대하여, 패턴형상을 나타내는 2 이상의 형상치의 분포중심과, 그 중심에서의 확대 정도를 나타내는 값이 기억되는 기억 수단과,
    등록대상으로부터 얻어지는 패턴의 상기 2 이상의 형상치와, 상기 기억 수단 에 기억된 2 이상의 형상치의 분포중심과의 거리를, 상기 값을 이용하여 산출하는 산출 수단과,
    상기 거리가 소정의 임계치보다 큰 경우에는 상기 패턴을 파기하고, 상기 거리가 상기 임계치 이내의 경우에는, 기억 매체에 등록된 등록데이터와 상기 패턴을 조합하는 조합 수단을 갖추는 것을 특징으로 하는 조합장치.
  12. 제 11항에 있어서,
    상기 2 이상의 형상치는,
    패턴에 있어서의 각 특징점 간을 연결하는 선분과 기준축과의 이루는 각도의 분포이며, 당해 선분의 선분길이를 도수로서 가중된 분포의 확대 정도와,
    상기 분포에 있어서의 전각도 범위의 면적에 대한, 상기 기준 축에 대하여 직교하는 각도를 중심으로 한 소정의 각도 범위에 있어서의 면적의 비율과,
    상기 선분의 수 중 2개를 적어도 포함하는 것을 특징으로 하는 조합장치.
  13. 제 11항에 있어서,
    상기 패턴에 있어서의 특징점을, 당해 특징점을 연결한 경우에 그 연결한 선이 상기 패턴에 근사한 한편 직선에 근사하도록 추출하는 추출 수단을 더 갖추고,
    상기 조합 수단은,
    상기 추출 수단에 의해 추출된 상기 패턴에 있어서의 특징점과, 상기 등록데이터를 조합하는 것을 특징으로 하는 등록장치.
  14. 제 11항에 있어서,
    상기 기억 수단에는,
    복수의 생체 샘플로부터 얻어지는 생체 패턴 각각에 대하여, 패턴형상을 나타내는 2 이상의 형상치의 분포중심 및 그 중심에서의 확대 정도를 나타내는 값과, 복수의 비생체 샘플로부터 얻어지는 비생체 패턴 각각에 대하여, 상기 2 이상의 형상치의 분포중심 및 이 그 중심에서의 확대 정도를 나타내는 값이 기억되며,
    상기 산출 수단은,
    상기 패턴의 상기 2 이상의 형상치와, 각 상기 생체 패턴에 있어서의 2 이상의 형상치의 분포중심과의 제 1의 거리를, 당해 중심에서의 확대 정도를 나타내는 값을 이용하여 산출하는 동시에, 상기 패턴의 상기 2 이상의 형상치와, 각 상기비생체 패턴에 있어서의 2 이상의 형상치의 분포중심과의 제 2의 거리를, 당해 중심에서의 확대 정도를 나타내는 값을 이용하여 산출하고,
    상기 조합 수단은,
    상기 제 1의 거리가, 생체 패턴과 판정해야 할 제 1의 임계치보다 큰 경우, 또는, 상기 제 1의 거리가 상기 제 1의 임계치 이내여도, 상기 제 2의 거리가, 비생체 패턴과 판정해야 할 제 2의 임계치 이내인 경우에는 상기 패턴을 파기하는 것을 특징으로 하는 조합장치.
  15. 제 11항에 있어서,
    상기 생체 패턴은, 혈관의 형상 패턴인 것을 특징으로 하는 조합장치.
  16. 복수의 생체 샘플로부터 얻어지는 생체 패턴 각각에 대하여, 패턴형상을 나타내는 2 이상의 형상치의 분포중심과, 그 중심에서의 확대 정도를 나타내는 값이 기억되는 컴퓨터에 대하여,
    등록대상으로부터 얻어지는 패턴의 상기 2 이상의 형상치와, 상기 기억 수단에 기억된 2 이상의 형상치의 분포중심과의 거리를, 상기치를 이용하여 산출하는 제 1의 처리와,
    상기 거리가 소정의 임계치보다 큰 경우에는 상기 패턴을 파기하고, 상기 거리가 상기 임계치 이내의 경우에는 상기 패턴을 기억 매체에 등록하는 제 2의 처리를 실행시키는 것을 특징으로 하는 프로그램.
  17. 복수의 생체 샘플로부터 얻어지는 생체 패턴 각각에 대하여, 패턴형상을 나타내는 2 이상의 형상치의 분포중심과, 그 중심에서의 확대 정도를 나타내는 값이 기억되는 컴퓨터에 대하여,
    등록대상으로부터 얻어지는 패턴의 상기 2 이상의 형상치와, 상기 기억 수단에 기억된 2 이상의 형상치의 분포중심과의 거리를, 상기 값을 이용하여 산출하는제 1의 처리와,
    상기 거리가 소정의 임계치보다 큰 경우에는 상기 패턴을 파기하고, 상기 거리가 상기 임계치 이내의 경우에는, 기억 매체에 등록된 등록데이터와 상기 패턴을 조합하는 제 2의 처리를 실행시키는 것을 특징으로 하는 프로그램.
KR1020097005663A 2006-10-19 2007-10-16 패턴식별방법, 등록장치, 조합장치 및 프로그램 KR20090067141A (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JPJP-P-2006-285353 2006-10-19
JP2006285353A JP2008102780A (ja) 2006-10-19 2006-10-19 パターン識別方法、登録装置、照合装置及びプログラム

Publications (1)

Publication Number Publication Date
KR20090067141A true KR20090067141A (ko) 2009-06-24

Family

ID=39314143

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020097005663A KR20090067141A (ko) 2006-10-19 2007-10-16 패턴식별방법, 등록장치, 조합장치 및 프로그램

Country Status (6)

Country Link
US (1) US20100008546A1 (ko)
EP (1) EP2075760A1 (ko)
JP (1) JP2008102780A (ko)
KR (1) KR20090067141A (ko)
CN (1) CN101529470A (ko)
WO (1) WO2008047935A1 (ko)

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008052701A (ja) * 2006-07-28 2008-03-06 Sony Corp 画像処理方法、画像処理装置及びプログラム
JP2011022785A (ja) * 2009-07-15 2011-02-03 Sony Corp 鍵格納装置、生体認証装置、生体認証システム、鍵管理方法、生体認証方法、及びプログラム
WO2012042631A1 (ja) * 2010-09-30 2012-04-05 富士通フロンテック株式会社 登録プログラム、登録装置、および登録方法
JP5634933B2 (ja) * 2011-03-31 2014-12-03 株式会社日立ソリューションズ 擬似指を検知する生体認証システム
JP5854774B2 (ja) * 2011-11-11 2016-02-09 株式会社Pfu 画像処理装置、直線検出方法及びコンピュータプログラム
KR101288178B1 (ko) * 2011-11-30 2013-07-19 삼성전기주식회사 지문 인식 센서 및 지문 인식 방법
US10469976B2 (en) 2016-05-11 2019-11-05 Htc Corporation Wearable electronic device and virtual reality system
JP6747112B2 (ja) * 2016-07-08 2020-08-26 株式会社リコー 情報処理システム、画像処理装置、情報処理装置、及びプログラム

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB9306897D0 (en) * 1993-04-01 1993-05-26 British Tech Group Biometric identification of individuals
JP3396680B2 (ja) * 2001-02-26 2003-04-14 バイオニクス株式会社 生体認証装置
JP2002259345A (ja) 2001-02-27 2002-09-13 Nec Corp 身体的特徴データの不正使用を防止する認証方法、認証装置、及びプログラム
JP2002279426A (ja) * 2001-03-21 2002-09-27 Id Technica:Kk 個人認証システム
JP4555561B2 (ja) * 2003-12-01 2010-10-06 株式会社日立製作所 個人認証システム及び装置
JP4428067B2 (ja) * 2004-01-28 2010-03-10 ソニー株式会社 画像照合装置、プログラム、および画像照合方法
JP4937607B2 (ja) * 2006-03-14 2012-05-23 富士通株式会社 生体認証方法及び生体認証装置
JP2006207033A (ja) 2006-04-22 2006-08-10 Jfe Steel Kk 加工性と加工部耐食性に優れた表面処理鋼板
US20070286462A1 (en) * 2006-04-28 2007-12-13 David Usher System and method for biometric retinal identification

Also Published As

Publication number Publication date
CN101529470A (zh) 2009-09-09
US20100008546A1 (en) 2010-01-14
EP2075760A1 (en) 2009-07-01
JP2008102780A (ja) 2008-05-01
WO2008047935A1 (fr) 2008-04-24

Similar Documents

Publication Publication Date Title
KR20090067141A (ko) 패턴식별방법, 등록장치, 조합장치 및 프로그램
Liu et al. An adaptive and robust edge detection method based on edge proportion statistics
KR101323963B1 (ko) 등록 장치, 인증 장치 및 기억 매체
CN111462379A (zh) 一种含掌静脉和人脸识别的门禁管理方法、系统及介质
Miura et al. Feature extraction of finger vein patterns based on iterative line tracking and its application to personal identification
KR20080011094A (ko) 화상처리방법, 화상처리장치 및 프로그램
CN105760841B (zh) 一种身份识别方法及系统
KR20110127270A (ko) 포인트 매칭 알고리즘을 사용한 지문 템플릿 합성 및 지문 모자이킹을 위한 방법
Zhong et al. Towards application of dorsal hand vein recognition under uncontrolled environment based on biometric graph matching
CN111008956B (zh) 基于图像处理的梁底裂纹检测方法、系统、装置及介质
JP5050642B2 (ja) 登録装置、照合装置、プログラム及びデータ構造
Yang et al. $\alpha $-Trimmed Weber Representation and Cross Section Asymmetrical Coding for Human Identification Using Finger Images
Soni et al. A new vein pattern-based verification system
JPWO2020065851A1 (ja) 虹彩認証装置、虹彩認証方法、虹彩認証プログラムおよび記録媒体
KR101164275B1 (ko) 인증 장치, 인증 방법, 기록 매체 및 인증 정보 등록 장치
JP2010240215A (ja) 静脈深度判定装置、静脈深度判定方法およびプログラム
KR20100038190A (ko) 등록장치, 조합장치, 데이터구조 및 기억매체
JP6806852B2 (ja) モデルの信頼度を検出するための方法及び装置
Barotová Detector of Skin Diseases by Fingerprint Technology
Tang et al. Vein pattern recognition based on RGB images using Monte Carlo simulation and ridge tracking
JPH0353385A (ja) 特徴抽出装置
CN118657800B (zh) 基于混合网络的视网膜oct影像中多病灶联合分割方法
Priyanka et al. DC-CNNPAD to Enhance the Detection Rate for Iris Presentation Attack
CN118865454A (zh) 一种人员远距离场景下掌纹身份鉴别方法及装置
Wang et al. Research on the application of convolutional-deep neural networks in parallel fingerprint minutiae matching

Legal Events

Date Code Title Description
WITN Application deemed withdrawn, e.g. because no request for examination was filed or no examination fee was paid