KR20120048668A - 생체 정보 처리 장치, 생체 정보 처리 방법 및 생체 정보 처리용 컴퓨터 프로그램이 기록된 컴퓨터로 읽을 수 있는 기록 매체 - Google Patents

생체 정보 처리 장치, 생체 정보 처리 방법 및 생체 정보 처리용 컴퓨터 프로그램이 기록된 컴퓨터로 읽을 수 있는 기록 매체 Download PDF

Info

Publication number
KR20120048668A
KR20120048668A KR1020127005705A KR20127005705A KR20120048668A KR 20120048668 A KR20120048668 A KR 20120048668A KR 1020127005705 A KR1020127005705 A KR 1020127005705A KR 20127005705 A KR20127005705 A KR 20127005705A KR 20120048668 A KR20120048668 A KR 20120048668A
Authority
KR
South Korea
Prior art keywords
biometric information
input
class
unit
biometric
Prior art date
Application number
KR1020127005705A
Other languages
English (en)
Other versions
KR101379140B1 (ko
Inventor
유끼히로 아비꼬
Original Assignee
후지쯔 가부시끼가이샤
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 후지쯔 가부시끼가이샤 filed Critical 후지쯔 가부시끼가이샤
Publication of KR20120048668A publication Critical patent/KR20120048668A/ko
Application granted granted Critical
Publication of KR101379140B1 publication Critical patent/KR101379140B1/ko

Links

Images

Classifications

    • 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
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/25—Fusion techniques
    • G06F18/253—Fusion techniques of extracted features
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/25—Fusion techniques
    • G06F18/254—Fusion techniques of classification results, e.g. of results related to same input data
    • 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
    • G06V10/80—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level
    • G06V10/806—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level of extracted features
    • 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
    • G06V10/80—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level
    • G06V10/809—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level of classification results, e.g. where the classifiers operate on the same input data
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/98—Detection or correction of errors, e.g. by rescanning the pattern or by human intervention; Evaluation of the quality of the acquired patterns
    • G06V10/987—Detection or correction of errors, e.g. by rescanning the pattern or by human intervention; Evaluation of the quality of the acquired patterns with the intervention of an operator
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/98—Detection or correction of errors, e.g. by rescanning the pattern or by human intervention; Evaluation of the quality of the acquired patterns
    • G06V10/993—Evaluation of the quality of the acquired pattern
    • 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
    • G06V40/12—Fingerprints or palmprints
    • G06V40/1365—Matching; Classification
    • G06V40/1371—Matching features related to minutiae or pores
    • 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
    • G06V40/60—Static or dynamic means for assisting the user to position a body part for biometric acquisition
    • G06V40/67—Static or dynamic means for assisting the user to position a body part for biometric acquisition by interactive indications to the user

Abstract

생체 정보 처리 장치는, 이용자의 생체 정보를 취득하여, 그 생체 정보를 나타내는 입력 생체 데이터를 생성하는 생체 정보 취득부와, 처리부를 갖는다. 그 처리부는, 입력 생체 데이터에 나타내진 입력 생체 정보로부터, 생체 정보의 특징을 나타내는 특징량을 추출하는 특징량 추출 기능과, 추출된 특징량에 기초하여, 입력 생체 데이터에 나타내진 입력 생체 정보를, 동일한 특징을 갖는 생체 정보마다 카테고라이즈된 복수의 클래스 중의 적어도 하나로 분류하고, 또한, 입력 생체 정보가 분류된 클래스에 대한 신뢰도를 산출하는 분류 기능과, 신뢰도 중의 최대값이, 복수의 클래스 중의 신뢰도의 최대값에 대응하는 클래스로 설정된 임계값보다도 높은지의 여부를 판정하는 양부 판정 기능과, 신뢰도의 최대값이 임계값 이하인 경우, 생체 정보 취득부에 이용자의 생체 정보를 재취득시키는 것을 이용자에게 재촉하는 가이던스 기능을 실현한다.

Description

생체 정보 처리 장치, 생체 정보 처리 방법 및 생체 정보 처리용 컴퓨터 프로그램{BIOINFORMATION PROCESSING DEVICE, BIOINFORMATION PROCESSING METHOD AND COMPUTER PROGRAM FOR BIOINFORMATION PROCESSING}
여기에 개시되는 실시 형태는, 생체 데이터에 나타내진 생체 정보를 생체 인증에 이용하는 생체 정보 처리 장치, 생체 정보 처리 방법 및 생체 정보 처리용 컴퓨터 프로그램에 관한 것이다.
최근, 손 또는 손가락의 정맥의 패턴, 지문 또는 장문 등의 생체 정보를 나타낸 생체 화상에 기초하여, 장치 또는 시스템의 이용자를 인증하는 생체 인증 기술이 개발되어 있다. 그러한 생체 인증 기술을 이용한 생체 인증 장치는, 예를 들면, 생체 인증 장치를 사용하고자 하는 이용자의 생체 정보를 나타내는 생체 화상을 입력 생체 화상으로서 취득한다. 그리고 생체 인증 장치는, 입력 생체 화상에 나타내진 이용자의 입력 생체 정보를, 미리 등록된 등록 이용자의 생체 화상에 나타내진 생체 정보인 등록 생체 정보와 대조한다. 생체 인증 장치는, 대조 처리의 결과에 기초하여, 입력 생체 정보와 등록 생체 정보가 일치한다고 판정한 경우, 그 이용자를 정당한 권한을 갖는 등록 이용자로서 인증한다. 그리고 생체 인증 장치는, 인증된 이용자가 생체 인증 장치가 조립된 장치 또는 생체 인증 장치와 접속된 다른 장치를 사용하는 것을 허가한다.
이러한 생체 인증 장치가 이용되고 있는 경우, 이용자는, 원하는 장치를 사용하기 위해서, 생체 인증 처리가 종료할 때까지 대기해야 한다. 그 때문에, 생체 인증 처리를 실행하기 위해서 필요로 하는 시간이 길어지면, 이용자의 편리성이 손상된다. 특히, 입력 생체 정보가, 생체 인증 장치에 미리 기억되어 있는 복수의 등록 생체 화상의 각각에 나타내진 등록 생체 정보와 대조되는, 소위 1대 N 대조 방식이 채용되는 경우, 생체 인증 장치는 복수회의 대조 처리를 실행해야 한다. 그 때문에, 필연적으로 생체 인증 처리에 필요로 하는 시간도 길어지게 된다.
그래서, 입력 생체 정보로부터 추출된 특징량에 기초하여, 입력 생체 정보를 복수의 클래스 중의 어느 하나로 분류하고, 입력 생체 정보를 그 분류된 클래스에 속하는 등록 생체 정보하고만 대조하는 기술이 개발되어 있다(예를 들면, 특허 문헌 1 및 2를 참조). 이러한 기술을 채용함으로써, 대조에 이용되는 등록 생체 정보의 수가 감소하므로, 대조 처리의 실행 횟수가 감소한다. 그 결과로서, 생체 인증 장치는, 1대 N 대조 방식이 채용되는 경우라도, 생체 인증 처리 전체에 필요로 하는 시간을 단축할 수 있다. 또한, 공지의 기술에서는, 입력 생체 정보가 지문인 경우, 예를 들면, 융선 간격, 지문의 중심의 위치, 또는 융선 방향이, 입력 생체 정보를 분류하기 위해서 이용된다.
또한, 생체 인증 기술은, 고정밀도로 이용자를 인증하기 위해서, 생체 화상에 생체 정보의 특징적인 구조가 선명하게 찍혀 있는 것이 바람직하다. 그러나, 생체 정보를 입력하기 위한 센서에 대한, 대조에 이용되는 생체 정보를 포함하는 이용자의 부위의 포지셔닝이 부적절하면, 생체 화상에 있어서, 대조에 사용되어야 할 생체 정보의 일부가 찍혀 있지 않거나, 혹은 생체 정보가 선명하지 않게 된다. 그리고 경우에 따라서는, 생체 인증 장치는, 입력 생체 정보를 분류하기 위해서 이용되는 특징량을 입력 생체 정보로부터 추출할 수 없어, 입력 생체 정보를 정확하게 분류할 수 없게 된다. 그리고 입력 생체 정보가, 잘못해서 원래 속해야 할 클래스와는 상이한 클래스로 분류되면, 생체 인증 장치는, 입력 생체 정보를, 대응하는 이용자의 등록 생체 정보와 대조할 수 없게 된다. 그 때문에, 인증 정밀도가 저하한다.
그래서, 입력 생체 정보가 적정하지 않다고 판단한 경우에는, 생체 정보를 센서에 다시 판독시킴으로써 생체 화상이 재생성되도록, 이용자에게 통지하는 기술이 개발되어 있다(예를 들면, 특허 문헌 3 및 4를 참조). 이러한 기술에서는, 예를 들면, 입력 생체 정보가 나타내진 화상의 농도 분포, 또는 그 화상으로부터 생체 정보의 특징점을 추출할 수 있었는지의 여부, 혹은 특징점의 위치에 기초하여, 그 화상이 적정한지의 여부가 판단된다.
특허 문헌1: 일본 특허 공개 2002-133416호 공보 특허 문헌2: 일본 특허 공개 2006-39777호 공보 특허 문헌3: 일본 특허 공개 2001-167268호 공보 특허 문헌4: 일본 특허 공개 2003-256815호 공보
입력 생체 정보를 그 특징에 따라서 복수의 클래스 중의 어느 하나로 분류하는 경우, 클래스마다, 입력 생체 정보를 정확하게 분류하기 위해 필요한 정보는 서로 다른 경우가 있다.
그러나, 종래 기술에서는, 생체 인증 장치는, 입력 생체 정보가 나타내진 화상에 대해서, 클래스와는 무관하게, 동일한 기준으로 적정한지의 여부를 판정하고 있었다. 그 때문에, 종래 기술을 채용한 생체 인증 장치는, 입력 생체 정보를 정확하게 분류하기 위해 필요한 정보가 입력 생체 정보에 포함되어 있는 경우라도, 입력 생체 정보가 나타내진 화상을 부적절하다고 판정하게 되는 경우가 있었다. 이와 같은 경우, 본래 같으면, 이용자는, 생체 정보를 다시 판독시키지 않아도 됨에도 불구하고, 생체 정보를 재입력하는 것이 요구되고, 그 결과, 생체 인증 처리에 쓸데없이 시간이 걸리게 될 우려가 있었다.
그래서, 본 명세서는, 대조에 적합한 생체 정보를 취득할 수 있음과 함께, 생체 정보가 필요없는 재취득을 방지 가능한 생체 정보 처리 장치, 생체 정보 처리 방법 및 생체 정보 처리용 컴퓨터 프로그램을 제공하는 것을 목적으로 한다.
일 실시 형태에 따르면, 생체 정보 처리 장치가 제공된다. 이 생체 정보 처리 장치는, 이용자의 생체 정보를 취득하여, 그 생체 정보를 나타내는 입력 생체 데이터를 생성하는 생체 정보 취득부와, 처리부를 갖는다. 그 처리부는, 입력 생체 데이터에 나타내진 입력 생체 정보로부터, 생체 정보의 특징을 나타내는 특징량을 추출하는 특징량 추출 기능과, 추출된 특징량에 기초하여, 입력 생체 데이터에 나타내진 입력 생체 정보를, 동일한 특징을 갖는 생체 정보마다 카테고라이즈된 복수의 클래스 중의 적어도 하나로 분류하고, 또한, 입력 생체 정보가 분류된 클래스에 대한 신뢰도를 산출하는 분류 기능과, 신뢰도 중의 최대값이, 복수의 클래스 중의 신뢰도의 최대값에 대응하는 클래스로 설정된 임계값보다도 높은지의 여부를 판정하는 양부 판정 기능과, 신뢰도의 최대값이 임계값 이하인 경우, 생체 정보 취득부에 이용자의 생체 정보를 재취득시키는 것을 이용자에게 재촉하는 가이던스 기능을 실현한다.
또한 다른 실시 형태에 따르면, 생체 정보 처리 방법이 제공된다. 이 생체 정보 처리 방법은, 이용자의 생체 정보를 취득하여, 그 생체 정보를 나타내는 입력 생체 데이터를 생성하고, 입력 생체 데이터에 나타내진 입력 생체 정보로부터, 생체 정보의 특징을 나타내는 특징량을 추출하고, 추출된 특징량에 기초하여, 입력 생체 데이터에 나타내진 입력 생체 정보를, 동일한 특징을 갖는 생체 정보마다 카테고라이즈된 복수의 클래스 중의 적어도 하나로 분류하고, 또한, 입력 생체 정보가 분류된 클래스에 대한 신뢰도를 산출하고, 신뢰도 중의 최대값이, 복수의 클래스 중의 신뢰도의 최대값에 대응하는 클래스로 설정된 임계값보다도 높은지의 여부를 판정하고, 신뢰도의 최대값이 임계값 이하인 경우, 생체 정보 취득부에 이용자의 생체 정보를 재취득시키는 것을 이용자에게 재촉하는 것을 포함한다.
또한 다른 실시 형태에 따르면, 생체 정보의 처리를 컴퓨터에 행하게 하는 컴퓨터 프로그램이 제공된다. 이 컴퓨터 프로그램은, 생체 정보 취득부에 의해 생성된 입력 생체 데이터에 나타내진 이용자의 생체 정보로부터, 그 생체 정보의 특징을 나타내는 특징량을 추출하고, 추출된 특징량에 기초하여, 입력 생체 데이터에 나타내진 입력 생체 정보를, 동일한 특징을 갖는 생체 정보마다 카테고라이즈된 복수의 클래스 중의 적어도 하나로 분류하고, 또한, 입력 생체 정보가 분류된 클래스에 대한 신뢰도를 산출하고, 신뢰도 중의 최대값을, 복수의 클래스 중의 신뢰도의 최대값에 대응하는 클래스로 설정된 임계값보다도 높은지의 여부를 판정하고, 신뢰도의 최대값이 임계값 이하인 경우, 생체 정보 취득부에 이용자의 생체 정보를 재취득시키는 것을 이용자에게 재촉하는 것을 컴퓨터에 실행시키는 명령을 갖는다.
본 발명의 목적 및 이점은, 청구항에 있어서 특히 지적된 엘리먼트 및 조합에 의해 실현되고, 또한 달성된다.
상기한 일반적인 기술 및 하기의 상세한 기술 모두, 예시적 또한 설명적인 것이며, 청구항과 같이, 본 발명을 한정하는 것은 아니라는 것을 이해하기 바란다.
본 명세서에 개시된 생체 정보 처리 장치, 생체 정보 처리 방법 및 생체 정보 처리용 컴퓨터 프로그램은, 대조에 알맞은 생체 정보를 취득할 수 있음과 함께, 생체 정보의 필요없는 재취득을 방지할 수 있다.
도 1은, 제1 실시 형태에 따른 생체 정보 처리 장치의 개략적인 구성도.
도 2(a)∼(e)는, 지문의 특징량과 그 특징량에 의해 특징지워지는 지문의 클래스의 관계의 일례를 도시하는 도면.
도 3은, 제1 실시 형태에 따른 이용자에 대한 생체 인증 처리를 실행하기 위해 실현되는 기능을 나타내는, 생체 정보 처리 장치가 갖는 처리부의 기능 블록도.
도 4(a)∼(e)는, 각각 입력 생체 화상에 지문의 상측의 부분 영역만이 촬영되어 있는 경우에 검출된 특이점과 각 클래스의 관계를 도시하는 도면.
도 5(a)∼(e)는, 각각 입력 생체 화상에 나타내진 지문이 소용돌이형(와상)의 클래스에 속하는 지문인 경우에 있어서, 입력 생체 화상에 찍혀 있는 지문의 영역에 어떠한 특이점이 포함되지 않는 경우를 도시하는 도면.
도 6(a) 및 도 6(b)은, 지문이 찍혀 있는 영역의 넓이와, 입력 생체 정보가 분류되는 클래스에 대한 신뢰도의 관계를 도시하는 도면.
도 7은, 입력 생체 화상으로부터 추출된 특징점에 대한, 각 클래스의 신뢰도를 나타내는 참조 테이블의 일례를 도시하는 도면.
도 8은, 처리부 상에서 실행되는 컴퓨터 프로그램에 의해 제어되는, 생체 인증 처리의 동작 플로우차트를 도시하는 도면.
도 9는, 제2 실시 형태에 따른 생체 정보 처리 장치가 갖는 처리부의 기능 블록도.
도 10(a)은, 손가락이 과도하게 선 상태에 대응하는 입력 생체 화상의 개략도이고, 도 10(b)은, 손가락이 아래쪽으로 기운 상태에 대응하는 입력 생체 화상의 개략도.
도 11은, 제3 실시 형태에 따른 이용자의 생체 정보를 등록하기 위해서 실현되는 기능을 나타내는, 생체 정보 처리 장치가 갖는 처리부의 기능 블록도.
도 12는, 처리부 상에서 실행되는 컴퓨터 프로그램에 의해 제어되는, 생체 정보 등록 처리의 동작 플로우차트를 도시하는 도면.
이하, 도면을 참조하면서, 제1 실시 형태에 따른 생체 인증 처리를 실행하는 생체 정보 처리 장치에 대해서 설명한다.
이 생체 정보 처리 장치는, 이용자에 대한 생체 인증 처리를 실행하기 위해서, 이용자의 생체 정보를 나타낸 데이터인 입력 생체 데이터를 취득한다. 이 생체 정보 처리 장치는, 입력 생체 데이터에 나타내진 이용자의 생체 정보인 입력 생체 정보를, 입력 생체 정보로부터 추출된 특징량에 기초하여, 동일한 특징을 갖는 생체 정보마다 카테고라이즈한 복수의 클래스 중의 적어도 하나의 클래스로 분류한다. 그리고, 이 생체 정보 처리 장치는, 입력 생체 정보가 분류된 클래스에 속하는 미리 등록된 등록 이용자의 생체 정보인 등록 생체 정보와 입력 생체 정보를 대조한다. 이 생체 정보 처리 장치는, 입력 생체 정보와 어느 하나의 등록 생체 정보가 일치한다고 판정한 경우, 이용자를, 입력 생체 정보와 일치한다고 판정된 등록 생체 정보에 대응하는 등록 이용자로서 인증한다.
여기서, 이 생체 정보 처리 장치는, 입력 생체 정보가 분류된 클래스에 속하는 확률을 나타내는 신뢰도를, 입력 생체 정보로부터 추출된 특징량에 기초해서 결정한다. 그리고 이 생체 정보 처리 장치는, 그 신뢰도를, 클래스마다 설정된 임계값과 비교함으로써, 입력 생체 데이터의 재생성이 필요한지의 여부를 판정한다.
본 실시 형태에서는, 생체 정보 처리 장치는, 생체 인증의 대상으로 되는 생체 정보로서 손가락의 지문을 이용한다. 그 때문에, 입력 생체 정보 및 등록 생체 정보는 화상 상에 나타내진다. 그래서, 입력 생체 정보가 나타내진 입력 생체 데이터로서, 입력 생체 화상이 이용된다. 마찬가지로, 등록 생체 정보가 나타내진 등록 생체 데이터로서, 등록 생체 화상이 이용된다. 그러나, 생체 인증의 대상으로 되는 생체 정보는, 손바닥의 무늬, 코의 무늬, 정맥 패턴, 손바닥의 형상, 안모, 귓바퀴 또는 망막 패턴 등, 정지 화상에 나타내지는 다른 생체 정보이어도 된다. 또한, 생체 인증의 대상으로 되는 생체 정보는, 시간적으로 연속해서 취득되는 목소리의 무늬 혹은 걸음걸이 등이어도 된다. 예를 들면, 생체 정보가 목소리의 무늬인 경우, 입력 생체 데이터 및 등록 생체 데이터는, 그 목소리의 무늬가 소정 기간에 걸쳐 기록된 음성 신호가 된다.
또한, 본 명세서에 있어서, 「대조 처리」라고 하는 용어는, 입력 생체 정보와 등록 생체 정보의 유사 정도를 나타내는 유사도를 산출하는 처리를 나타내기 위해서 사용된다. 또한, 「생체 인증 처리」라고 하는 용어는, 대조 처리뿐만 아니라, 대조 처리에 의해 요구된 유사도를 이용하여, 이용자를 인증할지의 여부를 결정하는 처리를 포함하는, 인증 처리 전체를 나타내기 위해서 사용된다.
도 1은, 생체 정보 처리 장치의 개략적인 구성도를 나타낸다. 도 1에 도시되는 바와 같이, 이 생체 정보 처리 장치(1)는, 표시부(2)와, 생체 정보 취득부(3)와, 기억부(4)와, 처리부(5)를 갖는다. 생체 정보 처리 장치(1)는, 생체 정보 취득부(3)에 의해 이용자의 손가락의 지문을 나타내는 입력 생체 화상을 생성하고, 그 입력 생체 화상을 이용해서 생체 인증 처리를 실행한다. 그리고 생체 정보 처리 장치(1)는, 생체 인증 처리의 결과, 이용자를 등록 이용자 중 하나로서 인증한 경우, 생체 정보 처리 장치(1)가 실장된 장치를 그 이용자가 사용하는 것을 허가한다. 혹은, 생체 정보 처리 장치(1)는, 도시하지 않은 다른 장치에, 이용자가 인증되었다는 취지를 나타내는 신호를 송신하고, 그 이용자가 다른 장치를 사용하는 것을 허가한다.
또한, 생체 정보 처리 장치(1)는, 예를 들면, 키보드, 마우스, 또는 터치 패드 등의 입력부(6)를 가져도 된다. 그리고 생체 정보 처리 장치(1)는, 입력부(6)를 거쳐서 이용자에 의해 입력된 커맨드, 데이터 혹은 이용자의 식별 정보를 취득하고, 그 커맨드, 데이터 혹은 이용자의 식별 정보를 처리부(5)에 전달해도 된다. 단, 이용자가 생체 정보 이외의 정보를 생체 정보 처리 장치(1)에 대하여 입력할 필요가 없는 경우, 이 입력부(6)는 생략되어도 된다.
표시부(2)는, 예를 들면, 액정 디스플레이 또는 CRT 모니터 등의 표시 장치를 갖는다. 그리고 표시부(2)는, 생체 정보 취득부(3)가 적정한 입력 생체 화상을 취득 가능한 위치에, 손가락을 배치시키기 위한 가이던스 메시지를 이용자에 대하여 표시한다. 또한 표시부(2)는, 처리부(5)에 의해 실행된 어플리케이션에 관련되는 각종 정보 등을 표시한다.
생체 정보 취득부(3)는, 이용자의 지문을 나타내는 입력 생체 화상을 생성한다. 그 때문에, 생체 정보 취득부(3)는, 예를 들면, 스위프식의 지문 센서를 갖는다. 이 지문 센서는, 예를 들면, 광학식, 정전 용량식, 전계식 또는 감열식 중 어느 하나의 방식을 채용한 센서로 할 수 있다. 또한 생체 정보 취득부(3)는, 에어리어 센서를 이용하는, 어떠한 지문 센서를 가져도 된다. 그리고 생체 정보 취득부(3)는, 생성한 입력 생체 화상을 처리부(5)에 전달한다.
또한 생체 정보 취득부(3)는, 표시부(2) 또는 입력부(6)와 일체적으로 형성되어 있어도 된다.
기억부(4)는, 예를 들면, 반도체 메모리, 자기 디스크 장치, 또는 광 디스크 장치 중의 적어도 어느 하나를 갖는다. 그리고 기억부(4)는, 생체 정보 처리 장치(1)에서 사용되는 어플리케이션 프로그램, 적어도 한 사람의 등록 이용자의 식별 정보 및 개인 설정 정보, 각종 데이터 등을 기억한다. 또한 기억부(4)는, 생체 인증 처리를 실행하기 위한 프로그램을 기억한다. 또한 기억부(4)는, 등록 이용자 각각에 대해서, 등록 이용자의 등록 생체 정보인 특정한 손가락의 지문에 관한 데이터를 기억한다. 이 등록 생체 정보에 관한 데이터는, 예를 들면, 등록 이용자의 특정한 손가락의 지문을 촬영한 화상인 등록 생체 화상으로 할 수 있다. 혹은, 이 등록 생체 정보에 관한 데이터는, 등록 생체 화상 그 자체 또는 그 부분 영역으로부터 추출된 대조 처리용의 특징량이어도 된다.
또한 기억부(4)는, 생체 정보 취득부(3)가 적정한 입력 생체 화상을 취득 가능한 위치에, 손가락을 배치시키기 위한 가이던스 메시지를 기억한다.
또한, 기억부(4)는, 각 등록 생체 정보와 관련지워, 그 등록 생체 정보가, 동일한 특징을 갖는 생체 정보마다 카테고라이즈된 클래스 중의 어느 것에 속하는지를 나타내는 클래스 식별 정보도 기억한다.
본 실시 형태에서는, 등록 생체 정보인 지문은, 그 지문으로부터 추출된 특징량에 따라서, 소용돌이형, 좌측 루프형, 우측 루프형, 활 형상 무늬(궁상문)형, 돌기 활 형상 무늬형 중 어느 하나의 클래스로 분류된다.
도 2(a)∼(e)는, 각각 소용돌이형의 지문(200), 좌측 루프(좌측류(左流) 말발굽 형상 무늬(제상문))형의 지문(210), 우측 루프(우측류(右流) 말발굽 형상 무늬)형의 지문(220), 활 형상 무늬(궁상문)형의 지문(230), 돌기 활 형상 무늬형의 지문(240)의 개략도이다.
각 도면에 있어서, 상측으로 볼록한 원호(201)는, 복수의 융선이 소용돌이 형상로 된 중심에 위치하고, 융선(隆線)이 상측으로 볼록하게 되는 특이점인 상측 볼록 코어를 나타낸다. 한편, 하측으로 볼록한 원호(202)는, 복수의 융선이 소용돌이 형상으로 된 중심에 위치하고, 융선이 하측으로 볼록하게 되는 특이점인 하측 볼록 코어를 나타낸다. 또한, 하측을 향한 화살표(203)는, 상측 볼록 코어를 형성하는 융선의 방향을 나타낸다. 또한 삼각형(204)은, 융선이 삼각주 형상으로 형성된 특이점인 델타 특이점을 나타낸다.
도 2(a)에 도시되는 바와 같이, 소용돌이형의 클래스에 속하는 지문(200)은, 상측 볼록 코어(201)와, 하측 볼록 코어(202)와, 2개의 델타 특이점(204)을 포함한다. 그리고 2개의 델타 특이점(205)은, 상측 볼록 코어(201)와 하측 볼록 코어(202)를 연결하는 선을 사이에 끼우도록 배치된다. 또한, 소용돌이형의 클래스에 속하는 지문(200)에서는, 상측 볼록 코어(201)를 형성하는 융선의 방향(203)이 하측 볼록 코어(202) 쪽을 향하고 있다.
도 2(b)에 도시되는 바와 같이, 좌측 루프형의 클래스에 속하는 지문(210)은, 상측 볼록 코어(201)와,?하나의 델타 특이점(204)을 포함한다. 또한 좌측 루프형의 클래스에 속하는 지문(210)에서는, 델타 특이점(204)은, 상측 볼록 코어(201)보다도 우측에 존재하고, 또한, 상측 볼록 코어(201)를 형성하는 융선의 방향(203)이, 상측 볼록 코어(201)로부터 상측 볼록 코어(201)보다도 좌측 하방을 향하고 있다. 한편, 도 2(c)에 도시되는 바와 같이, 우측 루프형의 클래스에 속하는 지문(220)은, 좌측 루프형의 클래스에 속하는 지문(210)과 거울면 대칭인 구조를 갖고 있다.
도 2(d)에 도시되는 바와 같이, 활 형상 무늬형의 클래스에 속하는 지문(230)은, 상측 볼록 코어(201)를 갖지만, 그 이외의 특이점(즉, 하측 볼록 코어 및 델타 특이점)을 갖지 않는다. 그리고 도 2(e)에 도시되는 바와 같이, 돌기 활 형상 무늬형의 클래스에 속하는 지문(240)은, 상측 볼록 코어(201)와, 상측 볼록 코어(201)의 거의 바로 아래에 위치하는 하나의 델타 특이점(204)을 포함한다. 그리고 상측 볼록 코어를 형성하는 융선의 방향(203)이, 델타 특이점(204)을 향하고 있다.
본 실시 형태에서는, 등록 생체 정보인 지문을 나타내는 등록 생체 화상이 취득되었을 때에, 그 등록 생체 정보로부터, 상측 볼록 코어, 하측 볼록 코어, 및 델타 특이점이 특징량으로서 검출된다. 그리고 등록 생체 정보는, 검출된 특징량에 기초하여, 상기한 5종류의 클래스 중의 가장 가까운 클래스로 분류된다. 또한, 등록 생체 정보로부터의 특징량의 추출 및 등록 생체 정보의 클래스에의 분류는, 후술하는 입력 생체 정보로부터의 특징량의 추출 및 입력 생체 정보의 분류와 마찬가지의 방법에 의해 실행된다.
처리부(5)는, 1개 또는 복수개의 프로세서 및 그 주변 회로를 갖는다. 그리고 처리부(5)는, 생체 정보 취득부(3)로부터 취득한, 그 이용자의 지문인 입력 생체 정보가 나타내진 입력 생체 화상을 이용한 생체 인증 처리를 실행한다.
도 3은, 생체 인증 처리를 실행하기 위해 실현되는 기능을 나타내는 처리부(5)의 기능 블록도이다. 도 3에 도시되는 바와 같이, 처리부(5)는, 특징량 추출부(11)와, 분류부(12)와, 양부 판정부(13)와, 가이던스 처리부(14)와, 대조부(15)와, 인증 판정부(16)를 갖는다. 처리부(5)가 갖는 이들 각 부는, 처리부(5)가 갖는 프로세서 상에서 실행되는 컴퓨터 프로그램에 의해 실장되는 기능 모듈이다. 혹은, 처리부(5)가 갖는 이들 각 부는, 펌웨어로서 생체 정보 처리 장치(1)에 실장되어도 된다.
특징량 추출부(11)는, 입력 생체 정보를 어느 클래스로 분류할지를 결정하기 위해서 이용되는 특징량을 추출한다. 본 실시 형태에서는, 지문인 입력 생체 정보는, 도 2(a)∼도 2(e)의 각각에 도시된 지문의 형태의 클래스 중 어느 하나로 분류된다. 그래서, 특징량 추출부(11)는, 특징량으로서, 도 2(a)∼도 2(e)의 각각에 도시된 지문의 형태를 특징짓는, 상측 볼록 코어, 하측 볼록 코어, 델타 특이점 등의 특이점을 검출한다. 또한, 특징량 추출부(11)는, 상측 볼록 코어를 형성하는 융선의 방향도, 특징량으로서 구해도 된다.
특징량 추출부(11)는, 예를 들면, 이하의 수순에 따라서, 특징량을 추출한다.
우선, 특징량 추출부(11)는, 국소 임계값법을 이용해서 입력 생체 화상을 2값화함으로써, 융선에 대응하는 화소와 곡선에 대응하는 화소가 서로 다른 값을 갖는 2값화 생체 화상을 작성한다. 다음으로, 특징량 추출부(11)는, 융선이 하나의 화소의 폭으로 표시되도록, 2값화 생체 화상에 대하여 세선화 처리를 행한다. 그 후, 특징량 추출부(11)는, 상측 볼록 코어에 대응하는 적어도 하나의 템플릿과, 세선화된 2값화 생체 화상 사이에서 템플릿 매칭을 실행함으로써, 상관값을 구한다. 그 때, 특징량 추출부(11)는, 세선화된 2값화 생체 화상에 대한 템플릿의 상대적인 위치를 변경하면서, 세선화된 2값화 생체 화상 상의 각 위치에 대해서 템플릿과의 상관값을 구한다. 그리고 특징량 추출부(11)는, 세선화된 2값화 생체 화상 상에서, 구해진 상관값이 가장 높은 위치를 특정한다. 그 가장 높은 상관값이, 소정값(예를 들면, 0.9) 이상이 되는 경우, 특징량 추출부(11)는, 검출된 위치에 상측 볼록 코어가 존재한다고 판정한다.
마찬가지로, 특징량 추출부(11)는, 세선화된 2값화 생체 화상과, 하측 볼록 코어 또는 델타 특이점에 대응하는 템플릿의 템플릿 매칭을 행함으로써, 입력 생체 정보로부터 하측 볼록 코어 및 델타 특이점을 추출한다. 단, 델타 특이점에 관해서는, 특징량 추출부(11)는, 상관값이 가장 높게 된 위치를 중심으로 하는, 델타 특이점의 템플릿 사이즈의 영역을 제외한 남은 영역 내에서 가장 상관값이 높은 위치를 특정한다. 그리고 그 특정된 위치에 대한 상관값도 소정값 이상이면, 특징량 추출부(11)는, 그 위치에도 델타 특이점이 존재한다고 판정한다.
단, 세선화된 2값화 생체 화상과 상측 볼록 코어에 대응하는 템플릿의 상관값의 최대값이 소정값 미만이면, 특징량 추출부(11)는, 입력 생체 정보로부터 상측 볼록 코어를 추출하지 않는다. 마찬가지로, 세선화된 2값화 생체 화상과 하측 볼록 코어 또는 델타 특이점에 대응하는 템플릿의 상관값의 최대값이 소정값 미만이면, 특징량 추출부(11)는, 입력 생체 정보로부터 하측 볼록 코어 또는 델타 특이점을 추출하지 않는다.
또한, 각 템플릿은, 예를 들면, 복수의 융선이 포함될 정도의 크기를 갖는다. 그리고 상측 볼록 코어에 대응하는 템플릿에는, 상측 볼록 코어에 대응하는 2값 패턴, 예를 들면, 대략 동심원 형상의 상측으로 볼록한 복수의 원호가 나타내진다. 마찬가지로, 하측 볼록 코어에 대응하는 템플릿에는, 하측 볼록 코어에 대응하는 2값 패턴, 예를 들면, 대략 동심원 형상의 하측으로 볼록한 복수의 원호가 나타내진다. 또한, 델타 특이점에 대응하는 템플릿에는, 하나의 화소로부터 3방향으로 융선이 신장되는 패턴이 나타내진다.
특징량 추출부(11)는, 입력 생체 정보로부터 상측 볼록 코어가 추출된 경우, 세선화된 2값화 생체 화상 상의, 상측 볼록 코어가 검출된 위치 주변에서, 상측 볼록 코어보다도 아래쪽에 존재하는 영역에 포함되는 복수의 융선의 방향을 구해도 된다. 그러한 영역은, 예를 들면, 수평 방향에 대해서, 상측 볼록 코어가 검출된 위치를 수평 방향의 중심으로서, 융선이 복수개 포함되는 폭을 가짐과 함께, 수직 방향에 대해서, 상측 볼록 코어가 검출된 위치를 상단으로 해서, 융선이 복수개 포함되는 폭을 갖는다. 특징량 추출부(11)는, 그 영역 내의 복수의 융선의 방향의 평균값을, 상측 볼록 코어를 형성하는 융선의 방향으로 한다.
또한, 특징량 추출부(11)는, 상측 볼록 코어, 하측 볼록 코어 및 델타 특이점 등의 특이점을 검출하는 공지의 다른 방법을 이용하여, 입력 생체 화상 및 등록 지문 화상으로부터 그들의 특이점을 추출해도 된다. 또한, 특징량 추출부(11)는, 상측 볼록 코어를 형성하는 융선의 방향을 구하기 위해서, 융선 방향을 구하는 공지 중 어느 하나의 방법을 이용할 수 있다.
또한, 특징량 추출부(11)는, 세선화된 2값화 생체 화상에 있어서, 복수의 융선의 간격의 평균값을, 융선 간격으로서 산출해도 된다.
또한, 특징량 추출부(11)는, 입력 생체 화상 전체를, 예를 들면 그 휘도 평균값으로 2값화함으로써, 생체 정보가 찍혀 있는 영역과 그 밖의 영역이 서로 다른 값을 갖는 생체 영역 화상을 작성한다.
특징량 추출부(11)는, 검출된 특이점에 대해서, 그 특이점의 종별(즉, 상측 볼록 코어, 하측 볼록 코어 또는 델타 특이점)을 식별하는 정보와, 그 특이점이 검출된 입력 생체 화상 상의 위치를, 분류부(12)에 전달한다. 또한 특징량 추출부(11)는, 상측 볼록 코어를 형성하는 융선의 방향도 구한 경우, 그 융선의 방향도 분류부(12)에 전달한다. 또한 특징량 추출부(11)는, 융선 간격 및 생체 영역 화상도 분류부(12)에 전달한다.
분류부(12)는, 특징량 추출부(11)에 의해 추출된 특징량에 기초하여, 입력 생체 정보를 복수의 클래스 중 적어도 하나로 분류한다.
여기서, 이용자가, 생체 정보 취득부(3)의 센서면에 대하여 부적정한 포지션에 손가락을 놓은 경우, 입력 생체 화상에는, 지문의 일부의 영역만이 표시된다. 특히, 생체 정보 취득부(3)의 센서면이 작은 경우 등, 입력 생체 화상에 지문의 일부밖에 찍히지 않기 때문에, 센서면에 대하여 조금이라도 손가락의 위치가 어긋나면, 일부의 특이점이 입력 생체 화상 상에 찍히지 않는 경우가 있다.
이와 같은 경우, 특징량 추출부(11)는, 입력 생체 화상으로부터, 일부의 특이점을 검출하지 못할 가능성이 있다. 그 결과로서, 입력 생체 정보는 적절한 클래스로 분류되지 않을 우려가 있다. 그러나, 입력 생체 정보가 속하는 클래스에 따라서는, 일부의 특이점이 입력 생체 화상에 찍혀 있지 않아도, 그 입력 생체 정보는 정확하게 분류된다.
그래서 분류부(12)는, 추출된 특징량 또는 특징량의 조합에 따라서, 입력 생체 정보가 소정의 클래스에 속한다고 했을 때에, 그 확률을 나타내는 신뢰도를, 입력 생체 정보가 속한다고 판정한 각 클래스에 대하여 구한다. 예를 들면, 분류부(12)는, 기억부(4)에 기억된 신뢰도 테이블을 참조하여, 추출된 특징량에 해당하는 신뢰도 및 클래스를 결정한다.
이하, 도 4∼도 6을 참조하면서, 입력 생체 화상에, 지문의 일부의 영역만이 표시되는 경우에, 검출된 특이점과 각 클래스에 대하여 설정되는 신뢰도의 관계를 설명한다.
도 4(a)∼(e)는, 각각 입력 생체 화상에 지문의 상측의 부분 영역만이 촬영되어 있는 경우에 검출된 특이점과 각 클래스의 관계를 도시하는 도면이다. 도 4(a)∼(e)는, 각각 소용돌이형 클래스, 좌측 루프형 클래스, 우측 루프형 클래스, 활 형상 무늬형 클래스, 돌기 활 형상 무늬형 클래스에 대응한다.
각 도면에 있어서, 사각형(400)은, 입력 생체 화상 전체를 나타낸다. 해칭 영역(410)은, 입력 생체 화상에 있어서 지문이 찍혀 있는 영역을 나타낸다. 또한 상측으로 볼록한 원호(401)는, 상측 볼록 코어를 나타낸다. 한편, 하측으로 볼록한 원호(402)는, 하측 볼록 코어를 나타낸다. 또한, 하측을 향한 화살표(403)는, 상측 볼록 코어를 형성하는 융선의 방향을 나타낸다. 또한 삼각형(404)은, 델타 특이점을 나타낸다. 이 중, 이들 특이점 및 융선 방향 중, 실선으로 표시된 것은, 특징량 추출부(11)에 의해 검출된 것을 나타낸다. 한편, 점선으로 표시된 것은, 지문이 찍혀 있는 영역(410)에 포함되지 않기 때문에, 특징량 추출부(11)에 의해 검출할 수 없었던 것을 나타낸다.
도 4(a)∼(e)에 도시되는 바와 같이, 검출된 특이점이 상측 볼록 코어(401)뿐이고, 또한, 상측 볼록 코어(401)가 영역(410)의 하단 근방에 위치하고 있는 것으로 한다. 이 경우, 지문이 찍혀 있지 않은 영역에, 하측 볼록 코어 또는 델타 특이점이 존재할 가능성이 있다. 그러나, 입력 생체 화상(400)에는, 상측 볼록 코어(401)보다도 하방의 지문이 찍혀 있지 않기 때문에, 특징량 추출부(11)는, 하측 볼록 코어(402) 및 델타 특이점(404)이, 지문 상에 존재하는지의 여부를 판별할 수 없다. 또한 특징량 추출부(11)는, 상측 볼록 코어(401)를 형성하는 융선의 방향을 구하는 것도 곤란하다. 그 때문에, 입력 생체 화상(400)에 나타내진 지문은, 어느 쪽의 클래스에도 속할 가능성이 있다.
따라서, 이와 같은 경우, 분류부(12)는, 입력 생체 화상(400)에 나타내진 입력 생체 정보를, 어느 쪽의 클래스로도 분류함과 함께, 각 클래스에 대한 신뢰도를 낮은 값으로 하는 것이 바람직하다.
또한, 도 5(a)∼(e)는, 각각 입력 생체 화상에 나타내진 지문이 소용돌이형의 클래스에 속하는 지문이며, 입력 생체 화상에 찍혀 있는 지문의 영역에 어떠한 특이점이 포함되지 않는 경우를 도시하는 도면이다.
각 도면에 있어서, 사각형(500)은, 입력 생체 화상 전체를 나타낸다. 해칭 영역(510)은, 입력 생체 화상에 있어서 지문이 찍혀 있는 영역을 나타낸다. 또한 상측으로 볼록한 원호(501)는, 상측 볼록 코어를 나타낸다. 한편, 하측으로 볼록한 원호(502)는, 하측 볼록 코어를 나타낸다. 또한 삼각형(504)은, 델타 특이점을 나타낸다. 이 중, 이들 특이점 중, 실선으로 표시된 것은, 특징량 추출부(11)에 의해 검출된 것을 나타낸다. 한편, 점선으로 표시된 것은, 지문이 찍혀 있는 영역(510)에 포함되지 않기 때문에, 특징량 추출부(11)에 의해 검출할 수 없었던 것을 나타낸다.
도 5(a), (b), (e)에서는, 2개인 델타 특이점 중 한쪽 또는 양방이 검출되지 않았지만, 그 이외의 특이점이 검출되어 있다. 그러나, 소용돌이형 이외의 지문의 클래스 중 어느 쪽도, 상측 볼록 코어와 하측 볼록 코어의 양방을 갖는 일은 없다.
또한, 도 ５(c), (d)에서는, 상측 볼록 코어와 하측 볼록 코어 중 한쪽이 검출되지 않았지만, 그 이외의 특이점이 검출되어 있다. 그러나, 소용돌이형 이외의 지문의 클래스의 어느 쪽도, 2개의 델타 특이점을 갖는 일은 없다.
그 때문에, 도 5(a)∼(e)에 도시되는 바와 같은 경우, 어떠한 특이점이 검출되어 있지 않음에도 불구하고, 입력 생체 화상(500)에 나타내진 지문은, 소용돌이형의 클래스로 분류됨과 함께, 소용돌이형의 클래스에 대하여 높은 신뢰도를 갖는 것이 바람직하다.
이와 같이, 분류부(12)는, 입력 생체 정보가 속할 가능성이 있는 클래스가 복수 존재하는 경우, 입력 생체 정보를 그들 복수의 클래스로 분류한다. 한편, 입력 생체 정보가 속할 가능성이 있는 클래스가 하나만 존재하는 경우, 분류부(12)는, 입력 생체 정보를 그 하나의 클래스로 분류한다. 그리고 분류부(12)는, 입력 생체 정보가 분류된 클래스의 수가 적을수록, 그 클래스에 대한 신뢰도를 높게 설정한다.
또한, 입력 생체 정보가 찍혀 있는 영역이 넓을수록, 검출되지 않은 특이점이 입력 생체 정보에 포함되는지의 여부가 정확하게 판정된다. 그래서, 분류부(12)는, 입력 생체 정보가 찍혀 있는 영역의 면적에 따라서, 입력 생체 정보가 분류되는 클래스 및 신뢰도를 변경해도 된다.
도 6(a) 및 도 6(b)을 참조하면서, 지문이 찍혀 있는 영역의 넓이에 따라서, 입력 생체 정보가 분류된 클래스에 대한 신뢰도를 변경하는 일례를 설명한다.
각 도면에 있어서, 사각형(600)은, 입력 생체 화상 전체를 나타낸다. 해칭 영역(610)은, 입력 생체 화상에 있어서 지문이 찍혀 있는 영역을 나타낸다. 또한 상측으로 볼록한 원호(601)는, 상측 볼록 코어를 나타낸다. 한편, 하측으로 볼록한 원호(602)는, 하측 볼록 코어를 나타낸다. 또한 삼각형(604)은, 델타 특이점을 나타낸다. 이 중, 이들 특이점 중, 실선으로 표시된 것은, 특징량 추출부(11)에 의해 검출된 것을 나타낸다. 한편, 점선으로 표시된 것은, 특징량 추출부(11)에 의해 검출되지 않은 것을 나타낸다.
도 6(a)에서는, 상측 볼록 코어(601)로부터 지문이 찍혀 있는 영역(610)의 우측의 경계까지의 최단 거리 d가, 상측 볼록 코어보다도 우측에 델타 특이점이 존재해도, 그 델타 특이점이 지문이 찍혀 있는 영역에 포함되지 않을 만큼 짧다. 그 때문에, 특징량 추출부(11)는, 하측 볼록 코어 및 상측 볼록 코어보다도 우측에 델타 특이점이 존재하는지의 여부를 판정할 수 없다. 이와 같은 경우, 분류부(12)는, 입력 생체 정보를 소용돌이형 및 우측 루프형으로 분류하고, 그 2개의 클래스에 대한 신뢰도를 동일한 값으로 설정하는 것이 바람직하다. 또한 분류부(12)는, 입력 생체 정보가 속하는 클래스를, 소용돌이형 또는 우측 루프형으로 특정할 수 없으므로, 그들 2개의 클래스에 대한 신뢰도를, 입력 생체 정보가 하나뿐인 클래스로 분류된 경우의 신뢰도보다도 낮게 하는 것이 바람직하다.
한편, 도 6(b)에서는, 상측 볼록 코어(601)로부터 지문이 찍혀 있는 영역(610)의 우측의 경계까지의 최단 거리 d가, 상측 볼록 코어보다도 우측에 델타 특이점이 존재한다면, 확실하게 그 델타 특이점이 지문이 찍혀 있는 영역에 포함될 만큼 길다. 그 때문에, 특징량 추출부(11)는, 하측 볼록 코어는 존재하지 않고, 상측 볼록 코어보다도 우측에는 델타 특이점이 존재하지 않는다고 판정할 수 있다. 그 때문에, 분류부(12)는, 입력 생체 정보를 우측 루프형의 클래스로만 분류하는 것이 바람직하다. 또한 분류부(12)는, 우측 루프형에 대한 신뢰도를, 도 6(a)의 경우에 있어서의 우측 루프형에 대한 신뢰도보다도 높게 하는 것이 바람직하다.
이와 같이, 상측 볼록 코어(601)와 좌측의 델타 특이점(604)만이 검출되어 있는 경우, 분류부(12)는, 상측 볼록 코어(601)로부터 지문이 찍혀 있는 영역(610)(즉, 생체 영역)의 우측의 경계까지의 최단 거리 d를, 지문이 찍혀 있는 영역의 사이즈의 지표로 한다. 그리고 분류부(12)는, 그 최단 거리 d에 따라서, 소용돌이형의 클래스 및 우측 루프형의 클래스에 대한 신뢰도를 변경한다.
구체적으로는, 분류부(12)는, 최단 거리 d가 소정의 임계값 Tdi보다도 클 때, 입력 생체 정보를 우측 루프형의 클래스로 분류하고, 우측 루프형에 대한 신뢰도를, 신뢰도가 취할 수 있는 최고값으로 한다. 한편, 최단 거리 d가 소정의 임계값 Tdi 이하일 때, 분류부(12)는, 입력 생체 정보를 소용돌이형의 클래스 및 우측 루프형으로 분류함과 함께, 소용돌이형의 클래스 및 우측 루프형에 대한 신뢰도를, 신뢰도의 최고값의 1/2로 한다. 혹은, 최단 거리 d가 커질수록, 분류부(12)는, 우측 루프형의 클래스에 대한 신뢰도를 높게 하고, 한편, 소용돌이형의 클래스에 대한 신뢰도를 낮게 해도 된다. 이 경우, 분류부(12)는, 예를 들면, 이하의 식에 따라서, 소용돌이형의 클래스에 대한 신뢰도 Rw 및 우측 루프형에 대한 신뢰도 Rr을 결정한다.
Rw=100×(1-d/Tdi)　
Rr=100×d/Tdi
또한, 소정의 임계값 Tdi는, 예를 들면, 상측 볼록 코어보다도 우측에 델타 특이점이 존재할 때에, 상측 볼록 코어로부터 그 우측의 델타 특이점의 우측단까지의 거리에 상당하는 값으로 할 수 있다.
또한, 이용자마다 손가락의 크기는 상이하다. 그 때문에, 상기한 임계값 Tdi는, 손가락이 클수록, 크게 하는 것이 바람직하다. 그래서, 분류부(12)는, 손가락의 크기를 나타내는 지표로서 융선 간격을 사용함으로써, 임계값 Ti를 수정한다. 예를 들면, 기준으로 되는 융선 간격 P0에 대한 임계값이 Td0이며, 입력 생체 정보로부터 검출된 융선 간격이 Pi이면, 분류부(12)는, 임계값 Tdi를 이하의 식에 따라서 결정한다.
Tdi=Td0×Pi/P0
이와 같이, 분류부(12)는, 지문이 찍혀 있는 영역의 사이즈의 지표로서, 검출되어 있는 특이점으로부터, 검출되어 있지 않은 특이점의 방향에의 거리를 이용할 수 있다. 예를 들면, 지문이 찍혀 있는 영역의 넓이의 지표의 다른 일례로서, 분류부(12)는, 수직 방향을 따라, 상측 볼록 코어로부터 지문이 찍혀 있는 영역의 하단까지의 거리 L을 이용해도 된다.
또한, 분류부(12)는, 상기한 최단 거리 d 및 거리 L을, 특징량 추출부(11)로부터 수취한 상측 볼록 코어의 위치와, 생체 영역 화상에 나타내져 있는 지문이 찍혀 있는 영역의 경계간의 거리를 산출하는 것에 의해 구할 수 있다.
도 7은, 신뢰도 테이블의 일례를 도시하는 도면이다. 도 7에 도시된 신뢰도 테이블(700)에 있어서, 각 열은, 좌단으로부터 순서대로, 각각 검출된 특이점의 총개수, 검출된 상측 볼록 코어의 개수, 검출된 하측 볼록 코어의 개수, 검출된 델타 특이점의 개수, 신뢰도, 판정 조건, 클래스를 나타낸다.
제1 예로서, 입력 생체 정보로부터 상측 볼록 코어, 하측 볼록 코어 및 하나의 델타 특이점이 검출된 경우, 분류부(12)는, 신뢰도 테이블(700)의 행(701)을 참조하는 것에 의해, 그 입력 생체 정보를 소용돌이형의 클래스로 분류하고, 또한 소용돌이형의 클래스에 대하여 신뢰도를 100으로 한다. 또한 분류부(12)는, 그 밖의 클래스에 대한 신뢰도를 0으로 한다.
제2 예로서, 입력 생체 정보로부터, 상측 볼록 코어와, 상측 볼록 코어보다도 좌측에 위치하는 하나의 델타 특이점이 검출되고, 상측 볼록 코어보다도 우측의 지문이 찍혀 있는 영역이 좁은 경우, 분류부(12)는, 신뢰도 테이블(700)의 행(702)을 참조한다. 그리고 분류부(12)는, 그 입력 생체 정보를 소용돌이형 및 우측 루프형의 클래스로 분류하고, 또한 소용돌이형 및 우측 루프형의 클래스에 대하여 신뢰도를 50으로 한다. 또한 분류부(12)는, 그 밖의 클래스에 대한 신뢰도를 0으로 한다.
또한, 신뢰도 테이블(700)에서는, 상측 볼록 코어를 형성하는 융선의 방향은, 각 클래스의 신뢰도의 결정에 이용되지 않고 있다. 그러나, 상측 볼록 코어를 형성하는 융선의 방향도 각 클래스의 신뢰도의 결정에 이용되도록, 신뢰도 테이블은 설정되어도 된다. 또한, 신뢰도 테이블은, 검출된 특이점의 총개수를 포함하지 않아도 된다.
또한, 분류부(12)는, 다른 방법에 의해, 입력 생체 정보를 어느 하나의 클래스로 분류하고, 그리고 분류된 클래스에 대한 신뢰도를 설정해도 된다. 예를 들면, 분류부(12)는, 특징량을 입력으로 하고, 생체 정보의 분류 결과를 출력으로 하는 기계 학습 시스템을 이용하여, 입력 생체 정보를 분류해도 된다. 기계 학습 시스템은, 예를 들면, 퍼셉트론형의 뉴럴네트워크, 혹은 1단 또는 복수단에 접속된 서포트 벡터 머신으로 할 수 있다. 이러한 기계 학습 시스템을 학습하기 위해서, 사전에 속하는 클래스를 알고 있는 복수의 생체 정보로부터, 클래스의 분류에 이용되는 특징량이 추출된다. 그리고 그들 특징량과, 대응하는 생체 정보의 분류 결과를 교사 데이터로서, 백프로퍼게이션 등의 학습 알고리즘을 이용함으로써, 기계 학습 시스템은 학습할 수 있다.
분류부(12)는, 입력 생체 정보가 분류된 클래스의 식별 정보와, 그 클래스에 대한 신뢰도를 양부 판정부(13)에 전달한다.
양부 판정부(13)는, 생체 정보 취득부(3)에 의해 생성된 입력 생체 화상의 분류 결과가 적정한지의 여부를 판정한다. 그래서 양부 판정부(13)는, 입력 생체 정보가 분류된 클래스에 대한 신뢰도 중, 가장 높은 신뢰도 Rmax를 결정한다. 그리고 양부 판정부(13)는, Rmax를, Rmax에 대응하는 클래스에 대하여 정해진 양부 판정용 임계값 Tjmax와 비교한다. 그리고 양부 판정부(13)는, Rmax가 임계값 Tjmax보다도 높으면, 입력 생체 정보를 Rmax에 대응하는 클래스로 분류한 것은 적절하다고 판정한다. 이 결과, 입력 생체 화상은, Rmax에 대응하는 클래스에 속하는 등록 생체 정보와의 대조에 이용하는데에 적정하다고 판정된다. 한편, Rmax가 임계값 Tjmax 이하이면, 양부 판정부(13)는, 입력 생체 정보를 Rmax에 대응하는 클래스로 분류한 것은 적절하지 않다고 판정한다. 이 결과, 입력 생체 화상은, 대조에 이용하기에는 부적정하다고 판정된다.
또한, Rmax에 대응하는 클래스가 복수 존재하는 경우, 양부 판정부(13)는, Rmax를, 그들 복수의 클래스의 각각에 대하여 정해진 양부 판정용 임계값 Tjc(c=1,2, .., n, 단 n은 입력 생체 정보가 분류된 클래스의 총수)와 비교한다. 그리고 양부 판정부(13)는, 어떤 클래스 k(1≤k≤n)에 대해서 Rmax가 양부 판정용 임계값 Tjk보다도 높으면, 입력 생체 정보를 그 클래스 k로 분류한 것은 적절하다고 판정한다. 한편, 양부 판정부(13)는, 어느 쪽의 클래스에 대해서도 Rmax가 양부 판정용 임계값 Tjc 이하이면, 입력 생체 화상의 분류 결과는 적절하지 않다고 판정한다.
또한, 각 클래스에 대한 양부 판정용 임계값 Tjc는, 그 클래스에 속하는 생체 정보가 잘못해서 다른 클래스로 분류될 가능성이 높은 클래스일수록, 높은 값으로 설정되는 것이 바람직하다. 이에 의해, 분류 오류가 생길 가능성이 높은 클래스에 대해서는, 입력 생체 정보로부터 그 클래스에 속하는 생체 정보가 갖는 분류용의 특징량이 정확하게 추출되어 있지 않으면, 양부 판정부(13)는, 입력 생체 정보의 분류 결과를 오류라고 판정할 수 있다. 그 때문에, 양부 판정부(13)는, 이용자의 입력 생체 정보가, 등록 시에 있어서 분류된 클래스와 상이한 클래스로 분류되는, 즉 비닝 에러가 발생할 위험성을 경감할 수 있다.
한편, 분류 오류가 발생할 가능성이 낮은 클래스에 대해서는, 입력 생체 정보로부터 그 클래스에 속하는 생체 정보가 갖는 분류용의 특징량의 일부를 추출할 수 없어도, 양부 판정부(13)는, 입력 생체 정보의 분류 결과를 적절하다고 판정할 수 있다. 그 때문에, 양부 판정부(13)는, 입력 생체 정보가 올바르게 분류되어 있음에도 불구하고, 입력 생체 화상을 재생성하는 것을 방지할 수 있다.
예를 들면, 도 2(a)∼도 2(e)에 도시된, 지문의 각 클래스 중, 소용돌이형의 클래스에 대한 양부 판정용 임계값이 가장 낮게 설정되는 것이 바람직하다. 소용돌이형의 클래스에 속하는 지문은, 다른 클래스의 지문이 갖지 않는 특징(예를 들면, 하측 볼록 코어)을 갖고 있기 때문에, 다른 클래스로 잘못해서 분류될 가능성이 낮기 때문이다. 이것에 대하여, 활 형상 무늬형의 클래스에 대한 양부 판정용 임계값은, 다른 클래스에 대한 양부 판정용 임계값보다도 높게 설정되는 것이 바람직하다. 활 형상 무늬형의 클래스에 속하는 지문은, 다른 클래스의 지문이 갖는 특이점과 상이한 특이점을 갖지 않는다. 그 때문에, 활 형상 무늬형의 클래스에 속하는 지문은, 다른 클래스에 속하는 지문보다도, 다른 클래스로 잘못해서 분류될 가능성이 높기 때문이다.
양부 판정부(13)는, 양부 판정 결과를 나타내는 정보를 처리부(5)에 전달한다. 또한, 입력 생체 정보의 분류 결과가 적절하다고 판정된 경우에는, 양부 판정부(13)는, 입력 생체 정보가 분류된 클래스의 식별 정보를 처리부(5)에 전달한다. 그리고 처리부(5)는, 분류 결과가 부적절하다고 판정된 경우, 가이던스 처리부(14)에, 그 판정 결과를 통지한다. 한편, 처리부(5)는, 분류 결과가 적절하다고 판정된 경우, 입력 생체 화상 및 입력 생체 정보가 분류된 클래스의 식별 정보를 대조부(15)에 전달한다.
가이던스 처리부(14)는, 처리부(5)로부터 입력 생체 정보의 분류 결과가 부적절하다는 판정 결과를 통지받으면, 이용자에게 입력 생체 정보의 재입력을 재촉하는 가이던스 메시지를 기억부(4)로부터 읽어낸다.
그리고 가이던스 처리부(14)는, 읽어들인 가이던스 메시지를 표시부(2)에 표시시킨다. 또한, 가이던스 처리부(14)는, 생체 정보 처리 장치(1)가 스피커를 갖고 있는 경우, 가이던스 메시지를, 스피커를 거쳐서 음성에 의해 이용자에게 통지시켜도 된다.
대조부(15)는, 처리부(5)로부터 입력 생체 화상 및 입력 생체 정보가 분류된 클래스의 식별 정보를 수취하면, 입력 생체 정보와, 기억부(4)에 기억된 등록 생체 정보 중, 입력 생체 정보가 분류된 클래스에 속하는 등록 생체 정보를 대조한다. 그리고 대조부(15)는, 대조 처리의 결과로서, 입력 생체 정보가 각 등록 생체 정보와 유사한 정도를 나타내는 유사도를 각각 구한다.
대조부(15)는, 대조 처리로서, 예를 들면, 마이뉴셔 매칭 혹은 패턴 매칭을 이용할 수 있다.
대조부(15)는, 마이뉴셔 매칭에 의해 입력 생체 정보와 등록 생체 정보를 대조하는 경우, 입력 생체 화상으로부터 대조용의 특징점을 추출한다. 그리고 대조부(15)는, 입력 생체 화상으로부터 추출된 특징점과, 기억부(4)에 등록 생체 정보에 관한 데이터로서 기억되어 있는, 등록 생체 화상으로부터 추출된 복수의 특징점을 사용한다.
대조부(15)는, 대조용의 특징점(마이뉴셔)으로서, 예를 들면, 융선의 끝점, 분기점을 추출한다. 그래서 대조부(15)는, 융선의 분기점 및 끝점을 입력 생체 화상으로부터 추출하기 위해서, 특징량 추출부(11)의 처리와 마찬가지의 처리를 행함으로써, 입력 생체 화상으로부터 융선이 세선화된 2값화 화상을 생성한다. 그리고, 대조부(15)는, 복수의 마스크 패턴을 이용해서 세선화된 입력 생체 화상을 주사함으로써, 어느 하나의 마스크 패턴과 일치할 때의 입력 생체 화상 상의 위치를 검출한다. 그리고 대조부(15)는, 검출된 위치의 중심 화소를, 특징점으로서 추출한다. 또한, 마스크 패턴은, 예를 들면, 3×3 화소로 표시되고, 융선의 분기점 또는 끝점에 대응하는 2값 패턴을 갖는다. 또한 대조부(15)는, 추출된 특징점의 위치 및 그 특징점 근방의 융선 방향을, 특징점을 나타내는 정보로서 구한다. 또한, 대조부(15)는, 특징점 근방의 융선 방향을 구하기 위해서, 융선 방향을 구하는 공지의 어느 하나의 방법을 이용할 수 있다.
등록 생체 화상에 대해서도, 입력 생체 화상에 대하여 행하는 처리와 마찬가지의 처리를 행하여, 등록 생체 화상으로부터 특징점이 추출되고, 추출된 특징점의 위치 및 특징점 근방의 융선 방향이 기억부(4)에 기억된다.
또한, 대조부(15)는, 융선의 끝점 또는 분기점을 특징점으로서 구하는 공지의 다른 방법을 이용하여, 입력 생체 화상으로부터 특징점을 추출해도 된다.
대조부(15)는, 등록 생체 화상 중, 등록 생체 정보가 찍혀 있는 영역의 중심 부근에 위치하는 특징점을, 제1 기준 특징점으로서 선택한다. 또한 대조부(15)는, 입력 생체 화상으로부터 추출된 특징점 중의 하나를 제2 기준 특징점으로서 선택한다. 그리고 대조부(15)는, 제2 기준 특징점을 제1 기준 특징점과 일치시키도록, 입력 생체 화상을 평행 이동시킨다. 그 후, 대조부(15)는, 입력 생체 화상을 회전시키면서, 등록 생체 화상의 특징점과 일치하는 입력 생체 화상의 특징점의 개수를 구한다. 대조부(15)는, 제1 기준 특징점과 제2 기준 특징점의 조합을 바꾸면서, 상기한 처리를 반복하여, 등록 생체 화상의 특징점과 일치하는 입력 생체 화상의 특징점의 개수의 최대값을 구한다.
마지막으로, 대조부(15)는, 그 개수의 최대값을, 입력 생체 화상으로부터 추출된 특징점의 총수로 나눈 값을 유사도로서 구한다. 따라서, 이 경우, 유사도는 0∼1의 값을 갖고, 입력 생체 정보와 등록 생체 정보의 유사 정도가 높을수록, 유사도의 값은 1에 근접한다.
또한, 등록 생체 정보의 특징점과 일치하는 입력 생체 정보의 특징점을 검출하기 위해서, 대조부(15)는, 입력 생체 정보의 주목 특징점의 위치로부터 소정 범위 내에, 등록 생체 정보의 특징점이 존재하는지의 여부를 조사한다. 여기서, 소정 범위는, 예를 들면, 인접하는 2개의 융선의 평균 간격에 상당하는 값으로 할 수 있다. 대조부(15)는, 주목 특징점의 위치로부터 소정 범위 내에 등록 생체 정보의 특징점이 존재하는 경우, 그들 특징점 근방의 융선 방향의 각도차를 구한다. 그리고 융선 방향의 각도차의 절대값이 소정 각도 범위 내에 포함되는 경우, 대조부(15)는, 그 등록 생체 정보의 특징점을, 입력 생체 정보의 주목 특징점과 일치한다고 판정한다. 또한 소정 각도 범위는, 주목 특징점 근방의 융선 방향과 대응하는 등록 생체 정보의 특징점 근방의 융선 방향이 일치하고 있다고 간주할 수 있는 허용 한계에 대응하는 값이며, 예를 들면, 10도로 할 수 있다. 또한, 대조부(15)는, 주목 특징점의 위치로부터 소정 범위 내에, 주목 특징점과 동일한 종류의 등록 생체 정보의 특징점이 존재하는 경우에만, 입력 생체 정보의 주목하는 특징점과 일치하는 등록 생체 정보의 특징점이 존재한다고 판정해도 된다. 또한, 대조부(15)는, 입력 생체 정보의 특징점과 일치하는 등록 생체 정보의 특징점의 개수를 구하는 공지의 다른 방법을 이용해도 된다.
또한, 대조부(15)는, 패턴 매칭에 의해 입력 생체 정보와 등록 생체 정보를 대조하는 경우, 입력 생체 정보가 나타내진 입력 생체 화상과, 기억부(4)에 등록 생체 정보에 관한 데이터로서 기억되어 있는 등록 생체 화상을 사용한다. 그리고 대조부(15)는, 입력 생체 화상과 등록 생체 화상의 상대적인 위치를 여러 가지로 바꾸면서, 하기의 식을 이용하여, 입력 생체 화상과 등록 생체 화상간의 상관값 c(i, j)을 산출한다.
Figure pct00001
여기서, I(x, y)는, 입력 생체 화상에 포함되는, 수평 좌표 x, 수직 좌표 y의 화소의 화소값을 나타낸다. 또한 T(x-i, y-j)는, 등록 생체 화상에 포함되는, 수평 좌표(x-i), 수직 좌표(y-j)의 화소의 화소값을 나타낸다. 또한, Iav는, 입력 생체 화상에 포함되는 화소의 평균 화소값이며, Tav는, 등록 생체 화상에 포함되는 화소의 평균 화소값이다. 또한, i 및 j는, 각각 입력 생체 화상과 등록 생체 화상의 수평 방향 및 수직 방향의 어긋남량을 나타낸다. 또한 c(i, j)는, 입력 생체 화상이, 등록 생체 화상에 대하여 수평 방향으로 i 화소 또한 수직 방향으로 j 화소 어긋나 있을 때의 상관값을 나타낸다. 이 상관값 c(i, j)는, -1∼1 사이에 포함되는 값을 취할 수 있다. 입력 생체 화상과 등록 생체 화상이 완전하게 일치하고 있는 경우, 상관값 c(i, j)는 1이 된다. 한편, 입력 생체 화상과 등록 생체 화상이 완전하게 반전하고 있는 경우, 상관값 c(i, j)는 -1이 된다.
대조부(15)는, 산출된 유사도 중, 입력 생체 정보와 등록 생체 정보가 가장 유사한 것을 나타내는 최고 유사도를 구한다. 그리고 대조부(15)는, 최고 유사도를, 그 최고 유사도에 대응하는 등록 생체 정보에 관한 등록 이용자의 식별 정보와 함께 인증 판정부(16)에 전달한다.
인증 판정부(16)는, 최고 유사도가 인증 판정 임계값 이상이 될 경우, 입력 생체 정보와 등록 생체 정보는 일치한다고 판정한다. 그리고 인증 판정부(16)는, 이용자를, 입력 생체 정보와 일치한다고 판정된 등록 생체 정보에 대응하는 등록 이용자로서 인증한다. 인증 판정부(16)는, 이용자를 인증하면, 그 인증 결과를 처리부(5)에 통지한다. 그리고 처리부(5)는, 인증된 이용자가 생체 정보 처리 장치(1)가 실장된 장치 혹은 생체 정보 처리 장치(1)가 접속된 장치를 이용하는 것을 허가한다.
한편, 인증 판정부(16)는, 최고 유사도가 인증 판정 임계값 미만이 될 경우, 입력 생체 정보와 등록 생체 정보는 일치하지 않는다고 판정한다. 이 경우에는, 인증 판정부(16)는, 이용자를 인증하지 않는다. 인증 판정부(16)는, 이용자의 인증에 실패한 것을 나타내는 인증 결과를 처리부(5)에 통지한다. 그리고 처리부(5)는, 인증되지 않은 이용자가 생체 정보 처리 장치(1)가 실장된 장치 혹은 생체 정보 처리 장치(1)가 접속된 장치를 사용하는 것을 거부한다. 또한 처리부(5)는, 표시부(2)에, 인증에 실패한 것을 나타내는 메시지를 표시시킨다.
인증 판정 임계값은, 등록 이용자 본인이 이용자인 경우에만, 인증 판정부(16)가 인증에 성공하는 값으로 설정되는 것이 바람직하다. 그리고 인증 판정 임계값은, 등록 이용자와는 다른 타인이 이용자인 경우에는, 인증 판정부(16)가 인증에 실패하는 값으로 설정되는 것이 바람직하다. 예를 들면, 인증 판정 임계값은, 유사도가 취할 수 있는 최대값과 최소값의 차에 0.7을 곱한 값을, 유사도의 최소값에 더한 값으로 할 수 있다.
도 8은, 처리부(5) 상에서 실행되는 컴퓨터 프로그램에 의해 제어되는, 생체 인증 처리의 동작 플로우차트를 나타낸다.
도 8에 도시되는 바와 같이, 처리부(5)는, 생체 정보 취득부(3)로부터, 이용자의 생체 정보를 나타내는 입력 생체 화상을 취득한다(스텝 S101). 그리고 처리부(5)는, 입력 생체 화상을 처리부(5)의 특징량 추출부(11)에 전달한다.
특징량 추출부(11)는, 입력 생체 정보를 동일한 특징을 갖는 생체 정보마다 카테고라이즈된 복수의 클래스 중의 어느 하나로 분류하기 위한 특징량을, 입력 생체 정보로부터 추출한다(스텝 S102). 그리고 특징량 추출부(11)는, 추출된 특징량을 처리부(5)의 분류부(12)에 전달한다.
분류부(12)는, 특징량에 기초해서 입력 생체 정보를 적어도 하나의 클래스로 분류한다(스텝 S103). 또한 분류부(12)는, 분류된 클래스에 대한, 입력 생체 정보의 신뢰도를 산출한다(스텝 S104). 분류부(12)는, 입력 생체 정보가 분류된 클래스의 식별 정보와, 그 클래스에 대한 신뢰도를 처리부(5)의 양부 판정부(13)에 전달한다.
양부 판정부(13)는, 분류부(12)로부터 수취한, 입력 생체 정보가 분류된 클래스에 대한 신뢰도 중, 그 최대값 rmax를 결정한다(스텝 S105).
그리고 양부 판정부(13)는, rmax가 그 rmax에 대응하는 그룹에 대하여 설정된 양부 판정용 임계값보다도 높은지의 여부를 판정한다(스텝 S106).
rmax가 그 rmax에 대응하는 클래스에 대하여 설정된 양부 판정용 임계값 이하인 경우(스텝 S106-'아니오'), 양부 판정부(13)는, 입력 생체 정보의 분류 결과는 부적절하다고 판정한다. 그리고 양부 판정부(13)는, 양부 판정 결과를 처리부(5)로 반환한다.
처리부(5)는, 가이던스 처리부(14)에 대하여 입력 생체 정보의 분류 결과가 부적절, 즉, 입력 생체 화상은, 대조에 사용하기에는 부적정하다고 판정된 것을 통지한다. 가이던스 처리부(14)는, 처리부(5)로부터 그 통지를 수취하면, 입력 생체 화상이 부적정하게 된 것을 나타내는 가이드 메시지를 기억부(4)로부터 읽어들인다. 그리고 가이던스 처리부(14)는, 그 가이드 메시지를 표시부(2)에 표시시킨다(스텝 S107). 그 후, 처리부(5)는, 제어를 스텝 S101로 되돌려보내고, 생체 정보 취득부(3)로부터, 이용자의 부위를 다시 판독하는 것에 의해 재생성된 입력 생체 화상을 취득한다. 그리고 처리부(5)는, 스텝 S101 이후의 처리를 반복하여 실행한다.
한편, rmax가 그 rmax에 대응하는 클래스에 대하여 설정된 양부 판정용 임계값보다도 높은 경우(스텝 S106-'예'), 양부 판정부(13)는, 입력 생체 정보를 rmax에 대응하는 클래스로 분류한 것은 적절하다고 판정한다. 그리고 양부 판정부(13)는, 양부 판정 결과 및 rmax에 대응하는 클래스의 식별 정보를 처리부(5)로 반환한다.
처리부(5)는, 입력 생체 정보가 나타내진 입력 생체 화상과, rmax에 대응하는 클래스의 식별 정보를, 대조부(15)에 전달한다. 대조부(15)는, 입력 생체 화상과 rmax에 대응하는 클래스의 식별 정보를 수취하면, 입력 생체 정보가 분류된 클래스에 속하는 각 등록 생체 정보에 관한 데이터를 기억부(4)로부터 읽어낸다. 그리고 대조부(15)는, 입력 생체 정보를, 입력 생체 정보가 분류된 클래스에 속하는 각 등록 생체 정보와 대조한다. 그리고 대조부(15)는, 입력 생체 정보와 그 클래스에 속하는 각 등록 생체 정보의 유사도를 각각 산출한다(스텝 S108).
대조부(15)는, 산출된 유사도 중, 입력 생체 정보와 등록 생체 정보가 가장 유사한 것을 나타내는 최고 유사도를 결정한다(스텝 S109). 그리고 대조부(15)는, 최고 유사도를, 그 최고 유사도에 대응하는 등록 생체 정보에 관한 등록 이용자의 식별 정보와 함께 처리부(5)의 인증 판정부(16)에 전달한다.
인증 판정부(16)는, 최고 유사도가 인증 판정용 임계값 이상이 되는지의 여부를 판정한다(스텝 S110).
최고 유사도가 인증 판정용 임계값 이상인 경우(스텝 S110-'예'), 인증 판정부(16)는 이용자를 최고 유사도에 대응하는 등록 이용자로서 인증한다(스텝 S111).
한편, 최고 유사도가 인증 판정용 임계값 미만인 경우(스텝 S110-'아니오'), 인증 판정부(16)는 이용자를 인증하지 않는다(스텝 S112).
스텝 S111 또는 S112 후, 처리부(5)는, 생체 인증 처리를 종료한다.
또한, 처리부(5)는, 스텝 S103 및 S104의 처리를 동시에 실행해도 된다.
이상에서 설명한 바와 같이, 제1 실시 형태에 따른 생체 정보 처리 장치는, 입력 생체 화상에 나타내진 이용자의 생체 정보인 입력 생체 정보를, 동일한 특징을 갖는 생체 정보마다 카테고라이즈한 복수의 클래스 중의 적어도 하나의 클래스로 분류한다. 그 때, 이 생체 정보 처리 장치는, 입력 생체 정보가 분류된 클래스에 속하는 확률을 나타내는 신뢰도를 결정하고, 그 신뢰도를, 클래스마다 설정된 양부 판정 기준과 비교함으로써, 입력 생체 화상의 재생성이 필요한지의 여부를 판정한다.
이에 의해, 이 생체 정보 처리 장치는, 대조에 적합한 생체 정보를 취득할 수 있음과 함께, 생체 정보의 불필요한 재취득을 방지하여, 처리 시간의 증가를 방지할 수 있다.
또한, 상기한 생체 정보 처리 장치는, 입력 생체 정보와 대조해야 할 등록 생체 정보가, 이용자의 식별 정보 등에 의해 특정된, 소위 일대일 대조를 행해도 된다. 이 경우, 처리부의 양부 판정부는, 입력부를 거쳐서 취득된 등록 이용자의 식별 정보에 의해 특정된 등록 생체 정보가 속하는 클래스와, 입력 생체 정보가 분류된 클래스가 일치하는지의 여부를 판정한다. 그리고 양방의 클래스가 일치하는 경우, 생체 정보 처리 장치는 대조 처리를 실시한다. 한편, 양방의 클래스가 일치하지 않는 경우, 생체 정보 처리 장치는, 가이던스 처리부에 의한 처리를 실행하고, 입력 생체 화상을 재생성하면 된다. 입력 생체 정보의 분류가 부적절한 경우에는, 입력 생체 화상으로부터 입력 생체 정보의 특징적인 부분을 추출할 수 없기 때문에, 그 입력 생체 정보가 나타내진 입력 생체 화상은 대조에 이용하기에는 부적정하다. 그 때문에, 생체 정보 처리 장치는, 일대일 대조가 행하여지는 경우라도, 부적정한 입력 생체 화상을 이용해서 대조 처리를 행하는 것을 방지할 수 있다.
다음으로, 제2 실시 형태에 따른 생체 인증 처리를 실행하는 생체 정보 처리 장치에 대해서 설명한다. 제2 실시 형태에 따른 생체 정보 처리 장치는, 입력 생체 화상이 대조에 사용하기에는 부적정하다고 판정된 경우에, 입력 생체 화상 취득 시에 있어서의, 생체 정보 취득부의 센서면에 대한 입력 생체 정보가 포함되는 이용자의 부위의 포지셔닝을 추정한다. 그리고 이 생체 정보 처리 장치는, 이용자가 그 부위를 센서면에 대하여 적정한 위치에 놓고, 또한 그 부위를 적절한 자세로 유지해서 다시 입력 생체 화상을 취득할 수 있도록, 추정된 포지셔닝에 따른 가이드 메시지를 이용자에게 표시한다.
또한, 제2 실시 형태에 따른 생체 정보 처리 장치는, 제1 실시 형태에 따른 정보 처리 장치와 비교하여, 처리부의 기능의 일부만이 상위하다. 그래서, 이하에서는, 제2 실시 형태에 따른 생체 정보 처리 장치의 처리부의 기능 중, 제1 실시 형태에 따른 정보 처리 장치의 처리부의 기능과 서로 상위한 점에 대해서 설명한다.
도 9는, 제2 실시 형태에 따른 생체 정보 처리 장치가 갖는 처리부의 기능 블록도이다. 도 9에 도시되는 바와 같이, 처리부(5)는, 특징량 추출부(11)와, 분류부(12)와, 양부 판정부(13)와, 가이던스 처리부(14)와, 대조부(15)와, 인증 판정부(16)와, 입력 상태 추정부(17)를 갖는다. 도 9에 있어서, 처리부(5)의 각 기능 블록에는, 도 3에 도시된 처리부(5)의 대응하는 기능 블록과 동일한 참조 번호를 붙였다.
입력 상태 추정부(17)는, 양부 판정부(13)에 의해, 입력 생체 정보의 분류 결과가 부적절하다고 판정된 경우에, 입력 생체 화상 취득 시에 있어서의, 생체 정보 취득부(3)의 센서면에 대한 입력 생체 정보가 포함되는 이용자의 부위의 포지셔닝을 추정한다.
본 실시 형태에서는, 입력 상태 추정부(17)는, 포지셔닝을 추정하기 위해서, 이하의 값 중의 적어도 하나를 이용한다.
·입력 생체 화상에 포함되는 입력 생체 정보가 찍혀 있는 영역인 생체 영역의 면적
·특징량 추출부(11)에 의해 검출된 특이점의 위치와 생체 영역의 경계까지의 거리
·생체 영역의 경계와 입력 생체 화상의 경계까지의 거리
그래서 입력 상태 추정부(17)는, 특징량 추출부(11)로부터, 각 특이점의 위치를 나타내는 정보 및 생체 영역 화상을 수취한다.
입력 상태 추정부(17)는, 예를 들면, 입력 생체 정보인 지문을 포함하는 손가락이 센서면에 대하여 상하좌우 중 어느 하나에 지나치게 기울어져 있는지의 여부, 혹은 손가락이 센서면에 대하여 과도하게 서 있는지의 여부, 혹은 과도하게 누워 있는지의 여부를 조사한다.
예를 들면, 생체 영역의 무게 중심 위치가, 입력 생체 화상의 화상의 좌단으로부터 소정 거리 이내에 있는 경우, 입력 상태 추정부(17)는, 이용자의 손가락의 위치는 생체 정보 취득부(3)에 대하여 우측으로 지나치게 기울어져 있다고 추정한다. 또한, 입력 생체 화상의 좌단에 접촉하고 있는 생체 영역 내의 화소수가 입력 생체 화상의 우단에 접촉하고 있는 생체 영역 내의 화소수보다도 소정의 임계값 이상 많은 경우도 있다. 이 경우도, 입력 상태 추정부(17)는, 손가락의 위치가 생체 정보 취득부(3)에 대하여 우측으로 지나치게 기울어져 있다고 추정한다. 한편, 생체 영역의 무게 중심 위치가, 입력 생체 화상의 화상의 우단으로부터 소정 거리 이내에 있는 경우, 입력 상태 추정부(17)는, 손가락의 위치가 생체 정보 취득부(3)에 대하여 좌측으로 지나치게 기울어져 있다고 추정한다. 또한, 입력 생체 화상의 우단에 접촉하고 있는 생체 영역 내의 화소수가 입력 생체 화상의 좌단에 접촉하고 있는 생체 영역 내의 화소수보다도 소정의 임계값 이상 많은 경우도 있다. 이 경우도, 입력 상태 추정부(17)는, 손가락의 위치가 생체 정보 취득부(3)에 대하여 좌측으로 지나치게 기울어져 있다고 추정한다.
또한, 소정 거리는, 예를 들면, 손가락이 생체 정보 취득부(3)의 센서면에 대하여 적정한 위치에 놓였을 때의 입력 생체 화상 상의 생체 영역의 폭의 평균적인 값의 절반으로 할 수 있다. 또한, 좌우단에 있어서의 접촉 화소수의 차에 관한 소정의 임계값은, 예를 들면, 입력 생체 화상 상의 생체 영역의 상하 방향의 길이의 1/3 혹은 1/4로 할 수 있다.
또한, 이용자의 부위의 위치가 상하좌우의 어느 쪽에도 치우쳐 있지 않고, 또한, 생체 영역의 면적이 소정의 면적 임계값보다도 작은 경우, 입력 상태 추정부(17)는, 손가락의 위치는 생체 정보 취득부(3)의 센서면에 대하여 지나치게 떨어져 있다고 추정한다. 소정의 면적 임계값은, 예를 들면, 손가락이 생체 정보 취득부(3)의 센서면에 대하여 적정한 위치에 놓였을 때의 입력 생체 화상 상의 생체 영역의 면적의 1/2로 할 수 있다.
또한, 입력 생체 정보로부터, 델타 특이점이 검출되었지만, 지문의 중심에 상당하는 상측 볼록 코어가 검출되지 않는 경우도 있다. 이와 같은 경우, 입력 상태 추정부(17)는, 생체 정보 취득부(3)의 센서면에 대하여 손가락이 과도하게 누워 있다(즉, 손가락의 선단이 손가락의 근원보다도 센서면으로부터 떨어져 있다)고 추정한다.
또한, 상측 볼록 코어로부터 생체 영역의 하단까지의 거리와, 생체 영역의 폭에 기초하여, 입력 상태 추정부(17)는, 생체 정보 취득부(3)의 센서면에 대하여, 손가락이 과도하게 선 상태인지 또는 손가락이 아래쪽에 놓인 상태인지를 식별할 수 있다.
도 10(a)은, 손가락이 과도하게 선 상태(즉, 손가락의 근원이 손가락의 선단보다도 센서면으로부터 떨어져 있음)에 대응하는 입력 생체 화상의 개략도이며, 도 10(b)은, 손가락이 아래쪽으로 치우친 상태에 대응하는 입력 생체 화상의 개략도이다.
도 10(a) 및 도 10(b)에 있어서, 사각형 영역(1000)은 입력 생체 화상을 나타낸다. 또한 해칭된 영역(1010)은, 생체 영역을 나타낸다. 또한, 반원 형상의 원호(1020)는 상측 볼록 코어를 나타낸다.
도 10(a)에 도시되는 바와 같이, 생체 정보 취득부(3)의 센서면에 대하여, 이용자가 손가락을 과도하게 세운 상태에서, 입력 생체 화상이 취득되면, 상측 볼록 코어(1020)로부터 생체 영역(1010)의 하단까지의 거리가 매우 짧아진다. 또한, 생체 영역(1010)의 하단 근방에 있어서의, 생체 영역(1010)의 수평 방향의 폭은, 상측 볼록 코어(1020)의 위치에 있어서의 생체 영역(1010)의 수평 방향의 폭보다도 좁다.
이것에 대하여, 도 10(b)에 도시되는 바와 같이, 생체 정보 취득부(3)의 센서면에 대하여 손가락이 아래쪽으로 치우쳐 있는 경우도, 상측 볼록 코어(1020)로부터 생체 영역(1010)의 하단까지의 거리가 매우 짧아진다. 그러나, 생체 영역(1010)의 하단 근방에 있어서의, 생체 영역(1010)의 수평 방향의 폭은, 상측 볼록 코어(1020)의 위치에 있어서의 생체 영역(1010)의 수평 방향의 폭과 거의 동일하다.
그래서, 입력 상태 추정부(17)는, 상측 볼록 코어로부터 생체 영역의 하단까지의 거리 L을 구한다. 그리고 입력 상태 추정부(17)는, 거리 L을 소정의 임계값 Tl과 비교한다. 거리 L이 임계값 Tl보다도 큰 경우에는, 입력 상태 추정부(17)는, 손가락이 과도하게 선 상태가 아니고, 또한, 손가락이 아래쪽으로 지나치게 치우쳐 있는 상태도 아니라고 판정한다.
소정의 임계값 Tl은, 예를 들면, 지문의 융선 간격 D를 기준으로 하여, 이하와 같이 결정할 수 있다.
Tl=N×D
여기서, N은 1 이상의 정수이다. 상측 볼록 코어와, 델타 특이점 또는 하측 볼록 코어가 근접해 있으면, 또한, 손가락이 과도하게 서 있어도 델타 특이점 또는 하측 볼록 코어가 검출되는 경우가 있다. 그래서, 델타 특이점 또는 하측 볼록 코어가 검출된 경우에는, 입력 상태 추정부(17)는, 손가락이 과도하게 서 있는지의 여부의 판정을 생략해도 된다.
N은, 미리 복수의 지문으로부터 상측 볼록 코어와 델타 특이점간의 융선 개수, 혹은 상측 볼록 코어와 하측 볼록 코어간의 융선 개수를 산출하고, 그 융선 개수의 통계량에 기초해서 결정되어도 된다. 예를 들면, N은, 복수의 지문으로부터 얻어진 상측 볼록 코어와 델타 특이점간의 융선 개수의 평균값에, 표준 편차를 더한 값으로 할 수 있다.
거리 L이 임계값 Tl 이하인 경우에는, 입력 상태 추정부(17)는, 상측 볼록 코어의 위치에 있어서의 생체 영역의 수평 방향의 폭 Wc와, 생체 영역의 하단에서의 생체 영역의 수평 방향의 폭 Wl을 구한다. 그리고, 폭 Wl이, 폭 Wc에 1 미만의 소정의 계수α를 곱한 값보다도 작은 경우, 입력 상태 추정부(17)는, 손가락이 과도하게 서 있다고 추정한다. 또한, 계수α는, 예를 들면, 0.5∼0.8로 할 수 있다.
한편, 폭 Wl이, 폭 Wc에 계수α를 곱한 값 이상인 경우, 입력 상태 추정부(17)는, 손가락이 아래쪽으로 지나치게 치우쳐 있다고 판정한다.
또한, 입력 상태 추정부(17)는, 생체 정보 취득부(3)가 스위프형의 센서인 경우, 이용자가 생체 정보가 포함되는 부위를 센서에 대하여 이동시키는 속도 또는 이동 방향을 추정해도 된다. 예를 들면, 생체 영역의 수직 방향의 높이가 소정의 임계값보다도 낮으면, 입력 상태 추정부(17)는, 센서에 대한 부위의 이동 속도가 지나치게 빨랐다고 추정해도 된다. 또한, 생체 영역의 상부에 있어서의, 수평 방향의 중심 위치와, 생체 영역의 하부에 있어서의 수평 방향의 중심 위치의 수평 방향의 차의 절대값이 소정의 임계값보다도 크면, 입력 상태 추정부(17)는, 센서에 대하여 부위가 과도하게 경사 방향으로 이동하였다고 추정한다.
입력 상태 추정부(17)는, 입력 생체 정보가 포함되는 부위의 추정된 포지셔닝을 나타내는 입력 상태 정보를 가이던스 처리부(14)에 통지한다.
가이던스 처리부(14)는, 입력 생체 정보에 따라서, 이용자가 생체 정보가 포함되는 부위를, 생체 정보 취득부(3)의 센서면에 대하여 적절한 장소에 놓을 수 있도록, 기억부(4)에 기억되어 있는 복수의 가이던스 메시지로부터 적절한 것을 선택한다.
예를 들면, 가이던스 처리부(14)는, 입력 상태 정보가, 손가락의 위치가 생체 정보 취득부(3)에 대하여 좌측으로 지나치게 기울어져 있는 것을 나타내는 경우, 기억부(4)로부터 그 포지셔닝에 대응하는 가이던스 메시지를 읽어들인다. 그 가이던스 메시지는, 예를 들면, 「손가락을 좀더 우측으로 어긋나게 하여, 한번 더 다시 해 주십시요.」와 같은, 입력 생체 화상이 부적정하게 된 원인을 제거하는 것을 이용자에게 재촉하는 메시지로 할 수 있다. 또한, 가이던스 처리부(14)는, 입력 상태 정보가, 손가락이 과도하게 서 있는 것을 나타내는 경우, 기억부(4)로부터 그 포지셔닝에 대응하는 가이던스 메시지를 읽어들인다. 그 가이던스 메시지는, 예를 들면, 「손가락을 센서에 대하여 평행하게 하여, 한번 더 다시 해 주십시요.」와 같은 메시지로 할 수 있다.
가이던스 처리부(14)는, 선택한 가이던스 메시지를 표시부(2)에 표시시킨다.
이와 같이 제2 실시 형태에 따른 생체 정보 처리 장치는, 입력 생체 화상의 분류 결과가 부적절, 즉, 입력 생체 화상은 대조에 이용하기에는 부적정한 경우에, 이용자에 대하여, 그 부적절하게 된 원인을 해결하는 방법을 알릴 수 있다. 그 때문에, 이 생체 정보 처리 장치는, 대조에 사용하기에 적정한 입력 생체 화상이 생성될 때까지, 이용자의 생체 정보의 판독을 몇 번이나 반복해야만 하는 것을 방지할 수 있다.
다음으로, 제3 실시 형태에 따른 생체 정보의 등록 처리를 실행하는 생체 정보 처리 장치에 대해서 설명한다. 제3 실시 형태에 따른 생체 정보 처리 장치는, 등록 이용자의 등록 생체 정보를 나타내는 등록 생체 화상을 생성하고, 그 등록 생체 화상으로부터, 대조 처리에 이용하기 위한 등록 생체 정보에 관한 데이터를 작성한다.
또한, 제3 실시 형태에 따른 생체 정보 처리 장치는, 이용자의 식별 정보를 취득하기 위해서, 도 1에 도시된 입력부(6)를 갖는다. 그 밖의 점에 대해서는, 제3 실시 형태에 따른 생체 정보 처리 장치는, 제2 실시 형태에 따른 정보 처리 장치와 비교하여, 처리부의 기능의 일부만이 상위하다. 그래서, 이하에서는, 제3 실시 형태에 따른 생체 정보 처리 장치의 처리부의 기능 중, 제2 실시 형태에 따른 정보 처리 장치의 처리부의 기능과 서로 상위한 점에 대해서 설명한다.
도 11은, 제3 실시 형태에 따른 생체 정보 처리 장치가 갖는 처리부의 기능 블록도이다. 도 11에 도시되는 바와 같이, 처리부(5)는, 특징량 추출부(11)와, 분류부(12)와, 양부 판정부(13)와, 가이던스 처리부(14)와, 입력 상태 추정부(17)와, 등록부(18)를 갖는다. 도 11에 있어서, 처리부(5)의 각 기능 블록에는, 도 9에 도시된 처리부(5)의 대응하는 기능 블록과 동일한 참조 번호를 붙였다.
등록부(18)는, 처리부(5)로부터, 양부 판정부(13)에 의해, 분류 결과가 적절하다고 판정된 입력 생체 화상을 수취한다. 또한 등록부(18)는, 처리부(5)로부터, 분류부(12)에 의해, 그 입력 생체 화상에 나타내진 입력 생체 정보가 분류된 클래스 중, 신뢰도가 가장 높은 클래스의 식별 정보를 수취한다. 그리고 등록부(18)는, 분류 결과가 적절하다고 판정된 입력 생체 화상을 등록 생체 화상으로 하고, 그 등록 생체 화상에 나타내진 생체 정보를 등록 생체 정보로 한다.
등록부(18)는, 등록 생체 화상으로부터, 대조에 이용되는, 등록 생체 정보에 관한 데이터를 작성한다. 또한, 등록 생체 정보에 관한 데이터는, 예를 들면, 등록 생체 화상 그 자체로 할 수 있다. 혹은, 등록 생체 정보에 관한 데이터는, 등록 생체 화상 그 자체 또는 그 부분 영역으로부터 추출된 대조 처리용의 특징량이어도 된다. 또한, 등록 생체 정보에 관한 데이터가 대조 처리용의 특징량인 경우, 등록부(18)는, 예를 들면, 제1 실시 형태에 따른 생체 정보 처리 장치(1)의 대조부(15)와 마찬가지로, 등록 생체 화상 그 자체 또는 그 부분 영역으로부터 대조 처리용의 특징량을 추출한다.
또한 등록부(18)는, 입력부(6)를 거쳐서, 등록 이용자의 식별 정보를 취득한다. 그리고 등록부(18)는, 등록 생체 정보에 관한 데이터를, 그 등록 이용자의 식별 정보와 관련지어 기억부(4)에 기억한다. 또한, 등록부(18)는, 등록 생체 정보에 관한 데이터에, 등록 생체 정보가 분류된 클래스의 식별 정보도 관련지어 기억부(4)에 기억한다.
도 12는, 처리부(5) 상에서 실행되는 컴퓨터 프로그램에 의해 제어되는, 생체 정보 등록 처리의 동작 플로우차트를 나타낸다.
처리부(5)는, 생체 정보 취득부(3)로부터, 등록 이용자의 생체 정보를 나타내는 입력 생체 화상을 취득한다(스텝 S201). 또한 처리부(5)는, 입력부(6)로부터, 등록 이용자의 식별 정보를 취득한다. 그리고 처리부(5)는, 입력 생체 화상을 처리부(5)의 특징량 추출부(11)에 전달한다.
특징량 추출부(11)는, 입력 생체 정보로부터, 입력 생체 정보를, 동일한 특징을 갖는 생체 정보마다 카테고라이즈된 복수의 클래스 중의 어느 하나로 분류하기 위한 특징량을 추출한다(스텝 S202). 그리고 특징량 추출부(11)는, 추출된 특징량을 처리부(5)의 분류부(12)에 전달한다.
분류부(12)는, 특징량에 기초해서 입력 생체 정보를 적어도 하나의 클래스로 분류한다(스텝 S203). 또한 분류부(12)는, 분류된 클래스에 대한, 입력 생체 정보의 신뢰도를 산출한다(스텝 S204). 분류부(12)는, 입력 생체 정보가 분류된 클래스의 식별 정보와, 그 클래스에 대한 신뢰도를 양부 판정부(13)에 전달한다.
양부 판정부(13)는, 분류부(12)로부터 수취한, 입력 생체 정보가 분류된 클래스에 대한 신뢰도 중, 그 최대값 rmax를 결정한다(스텝 S205).
양부 판정부(13)는, 그 최대값 rmax가 그 rmax에 대응하는 그룹에 대하여 설정된 양부 판정용 임계값보다도 높은지의 여부를 판정한다(스텝 S206).
양부 판정부(13)가, rmax가 그 rmax에 대응하는 클래스에 대하여 설정된 양부 판정용 임계값 이하인 경우(스텝 S206-'아니오'), 양부 판정부(13)는, 입력 생체 정보의 분류 결과는 부적절하다고 판정한다. 그리고 양부 판정부(13)는, 양부 판정 결과를 처리부(5)로 반환한다. 처리부(5)는, 입력 생체 화상 및 특징량 추출부(11)에 의해 추출된 특징량을 입력 상태 추정부(17)에 전달한다.
입력 상태 추정부(17)는, 입력 생체 화상 취득 시에 있어서의, 생체 정보 취득부(3)의 센서면에 대한 입력 생체 정보를 포함하는 부위의 포지셔닝을 추정한다(스텝 S207). 입력 상태 추정부(17)는, 추정된 부위의 포지셔닝을 나타내는 입력 상태 정보를 가이던스 처리부(14)에 통지한다.
가이던스 처리부(14)는, 입력 상태 정보를 수취하면, 그 입력 상태 정보에 포함되는, 추정된 포지셔닝에 따른 가이드 메시지를 기억부(4)로부터 읽어들인다. 그리고 가이던스 처리부(14)는, 그 가이드 메시지를 표시부(2)에 표시시킨다(스텝 S208). 그 후, 처리부(5)는, 생체 정보 취득부(3)로부터, 이용자의 부위를 다시 판독하는 것에 의해 재생성된 입력 생체 화상을 취득한다. 그리고 처리부(5)는, 스텝 S201 이후의 처리를 다시 실행한다.
한편, rmax가 그 rmax에 대응하는 클래스에 대하여 설정된 양부 판정용 임계값보다도 높은 경우(스텝 S206-'예'), 양부 판정부(13)는, 입력 생체 화상을, rmax에 대응하는 클래스로 분류한 것은 적절하다고 판정한다. 그리고 양부 판정부(13)는, 양부 판정 결과 및 rmax에 대응하는 클래스의 식별 정보를 처리부(5)로 반환한다.
처리부(5)는, 입력 생체 정보가 나타내진 입력 생체 화상과, rmax에 대응하는 클래스의 식별 정보와, 입력부(6)를 거쳐서 취득한 등록 이용자의 식별 정보를, 등록부(18)에 전달한다.
등록부(18)는, 입력 생체 화상을 등록 생체 화상으로 한다. 그리고 등록부(18)는, 등록 생체 화상으로부터 등록 생체 정보에 관한 데이터를 작성한다(스텝 S209). 그리고 등록부(18)는, 등록 생체 정보에 관한 데이터에, rmax에 대응하는 클래스, 즉, 등록 생체 정보가 분류된 클래스의 식별 정보 및 등록 이용자의 식별 정보를 관련지어 기억부(4)에 기억한다(스텝 S210).
스텝 S210 후, 처리부(5)는, 생체 정보 등록 처리를 종료한다.
또한, 처리부(5)는, 스텝 S203 및 S204의 처리를 동시에 실행해도 된다.
이상으로 설명한 바와 같이, 제3 실시 형태에 따른 생체 정보 처리 장치는, 등록 이용자의 생체 정보를 등록할 때, 대조에 적합한 생체 정보를 취득할 수 있음과 함께, 생체 정보의 불필요한 재취득을 방지하여, 처리 시간의 증가를 방지할 수 있다.
또한, 본 발명은, 상기한 실시 형태에 한정되는 것은 아니다. 예를 들면, 다른 실시 형태에서는, 생체 정보 처리 장치의 처리부는, 도 3 또는 도 9에 도시한 기능 외에, 도 11에 도시한 등록부의 기능을 가져도 된다. 이에 의해, 생체 정보 처리 장치는, 대조에 이용하는 생체 정보를 미리 등록해 놓고, 등록한 생체 정보를 이용해서 생체 인증 처리를 실행할 수 있다.
또한, 다른 실시 형태에 있어서, 양부 판정부는, 입력 생체 정보가 분류된 각 클래스마다 그 신뢰도를 대응하는 양부 판정 임계값과 비교해도 된다. 그리고, 신뢰도가 양부 판정 임계값보다도 높아진 클래스가 복수 존재하는 경우, 대조부는, 입력 생체 정보를, 신뢰도가 양부 판정 임계값보다도 높아진 복수의 클래스 중 어느 하나에 속하는 등록 생체 정보와 대조해도 된다. 혹은, 신뢰도가 양부 판정 임계값보다도 높아진 클래스가 복수 존재하는 경우, 등록부는, 등록 생체 정보가, 신뢰도가 양부 판정 임계값보다도 높아진 복수의 클래스의 어느 쪽에도 속하도록 등록해도 된다. 즉, 등록부는, 등록 생체 정보에 관한 데이터를, 신뢰도가 양부 판정 임계값보다도 높아진 각 클래스의 식별 정보와 관련지어 기억부에 기억시켜도 된다. 이에 의해, 생체 정보가 하나의 클래스로 분류되기 어려운 이용자에 대해서는, 그 이용자의 생체 정보가 분류되기 쉬운 복수의 클래스에 등록된다. 그 때문에, 생체 정보 처리 장치는, 생체 정보가 하나의 클래스로 분류되기 어려운 이용자에 대해서도, 비닝 에러의 발생을 억제할 수 있다.
또한, 본 명세서에 개시된 생체 정보 처리 장치 및 생체 정보 처리 방법은, 이용자가 어떠한 조작을 행하기 위해, 이용자의 생체 정보와, 미리 등록된 생체 정보간에서 생체 인증 처리를 실행하는, 각종 장치 또는 시스템에 적용 가능하다. 예를 들면, 그러한 장치 또는 시스템에는, 1대 이상의 단말기와 서버가 통신 네트워크를 거쳐서 접속된 컴퓨터 시스템이 포함된다. 이 경우, 각 단말기에 생체 정보 취득부가 설치되고, 그 생체 정보 취득부에 의해 취득된 생체 화상은, 서버에 송신된다. 그리고 서버는, 상기한 실시 형태의 처리부의 기능을 실행함으로써, 생체 화상의 등록 처리 혹은 생체 인증 처리를 실행한다.
또한, 각 단말기의 프로세서가, 상기한 각 실시 형태의 처리부의 기능 중, 특징량 추출부, 분류부, 양부 판정부, 가이던스 처리부 및 입력 상태 추정부의 기능을 실행하고, 서버의 프로세서가 남은 기능을 실행해도 된다. 이에 의해, 서버의 프로세서에 대한 처리의 부하를 경감할 수 있다.
또한, 생체 정보 취득부와, 기억부와, 처리부와, Universal　Serial　Bus 등의 규격에 준한 데이터 전송용 인터페이스가 일체로 형성된 가반 메모리 장치의 처리부가, 상기한 실시 형태에 있어서의 컴퓨터의 처리부의 각 기능을 갖고 있어도 된다.
또한, 상기한 각 실시 형태에 따른 처리부의 기능을 컴퓨터에 실현시키는 명령을 갖는 컴퓨터 프로그램은, 기록 매체에 기록된 형태로 제공되어도 된다.
여기에 거론된 모든 예 및 특정한 용어는, 독자가, 본 발명 및 해당 기술의 촉진에 대한 본 발명자에 의해 기여된 개념을 이해하는 것을 돕는, 교시적인 목적에 있어서 의도된 것이며, 본 발명의 우위성 및 열등성을 나타내는 것에 관한, 본 명세서의 어떠한 예의 구성, 그러한 특정한 거론된 예 및 조건에 한정되지 않게 해석되어야 할 것이다. 본 발명의 실시 형태는 상세하게 설명되어 있지만, 본 발명의 정신 및 범위에서 벗어나는 일없이, 다양한 변경, 치환 및 수정을 이것에 가하는 것이 가능하다는 것을 이해하기 바란다.
1 : 생체 정보 처리 장치
2 : 표시부
3 : 생체 정보 취득부
4 : 기억부
5 : 처리부
6 : 입력부
11 : 특징량 추출부
12 : 분류부
13 : 양부 판정부
14 : 가이던스 처리부
15 : 대조부
16 : 인증 판정부
17 : 입력 상태 추정부
18 : 등록부

Claims (8)

  1. 이용자의 생체 정보를 취득하여, 그 생체 정보를 나타내는 입력 생체 데이터를 생성하는 생체 정보 취득부와,
    처리부로서,
    상기 입력 생체 데이터에 나타내진 입력 생체 정보로부터, 그 생체 정보의 특징을 나타내는 특징량을 추출하는 특징량 추출 기능과,
    상기 특징량에 기초하여, 상기 입력 생체 데이터에 나타내진 입력 생체 정보를, 동일한 특징을 갖는 생체 정보마다 카테고라이즈된 복수의 클래스 중의 적어도 하나로 분류하고, 또한, 그 입력 생체 정보가 분류된 클래스에 대한 신뢰도를 산출하는 분류 기능과,
    상기 신뢰도 중의 최대값이, 상기 복수의 클래스 중의 해당 최대값에 대응하는 클래스로 설정된 임계값보다도 높은지의 여부를 판정하는 양부 판정 기능과,
    상기 최대값이 상기 임계값 이하인 경우, 상기 생체 정보 취득부에 이용자의 생체 정보를 재취득시키는 것을 이용자에게 재촉하는 가이던스 기능
    을 실현하는 처리부를 갖는 생체 정보 처리 장치.
  2. 제1항에 있어서,
    상기 복수의 클래스 중의 제1 클래스에 속하는 생체 정보에 포함되는 상기 특징량이, 상기 복수의 클래스 중의 제2 클래스에 속하는 생체 정보에 포함되지 않고, 또한 상기 제2 클래스에 속하는 생체 정보에 포함되는 상기 특징량이 상기 제1 클래스에 속하는 생체 정보에 포함되는 경우, 상기 제1 클래스에 대한 상기 임계값은, 상기 제2 클래스에 대한 상기 임계값보다도 낮게 설정되는 생체 정보 처리 장치.
  3. 제1항 또는 제2항에 있어서,
    상기 분류 기능은, 상기 입력 생체 정보가 분류된 클래스의 수가 많을수록, 상기 신뢰도를 낮게 하는 생체 정보 처리 장치.
  4. 제1항 내지 제3항 중 어느 한 항에 있어서,
    상기 입력 생체 데이터는, 상기 입력 생체 정보가 나타내진 화상이며,
    상기 처리부는, 상기 최대값이 상기 임계값 이하인 경우, 상기 특징량으로서 추출된, 입력 생체 정보 중의 특이점과, 상기 입력 생체 정보가 나타내진 상기 화상 상의 영역의 위치 관계에 기초하여, 상기 입력 생체 데이터 취득 시에 있어서의, 이용자의 생체 정보가 포함되는 부위의 상기 생체 정보 취득부에 대한 포지셔닝을 추정하는 입력 상태 추정 기능을 더 실현하고,
    상기 가이던스 기능은, 상기 포지셔닝에 따른 메시지를 이용자에게 통지하는 생체 정보 처리 장치.
  5. 제1항 내지 제4항 중 어느 한 항에 있어서,
    미리 등록된 적어도 한 사람의 등록 이용자의 등록 생체 정보에 관한 데이터를, 상기 복수의 클래스 중의 해당 등록 생체 정보가 속하는 클래스의 식별 정보와 함께 기억하는 기억부를 더 갖고,
    상기 처리부는, 상기 최대값이 상기 임계값보다도 높은 경우, 상기 등록 생체 정보에 관한 데이터 중, 상기 입력 생체 데이터에 나타내진 입력 생체 정보가 분류된 클래스에 속하는 등록 생체 정보에 관한 데이터를 상기 기억부로부터 읽어들이고, 읽어들인 데이터에 나타내진 등록 생체 정보와 상기 입력 생체 정보를 대조하는 대조 처리 기능을 더 실현하는 생체 정보 처리 장치.
  6. 제1항 내지 제4항 중 어느 한 항에 있어서,
    기억부를 더 갖고,
    상기 처리부는, 상기 최대값이 상기 임계값보다도 높은 경우, 상기 입력 생체 데이터로부터, 대조 처리에 이용되는 데이터를 등록 생체 정보에 관한 데이터로서 작성하고, 그 등록 생체 정보에 관한 데이터를, 상기 입력 생체 데이터에 나타내진 입력 생체 정보가 분류된 클래스의 식별 정보와 함께 상기 기억부에 기입하는 등록 기능을 더 실현하는 생체 정보 처리 장치.
  7. 이용자의 생체 정보를 취득하여, 그 생체 정보를 나타내는 입력 생체 데이터를 생성하고,
    상기 입력 생체 데이터에 나타내진 입력 생체 정보로부터, 그 생체 정보의 특징을 나타내는 특징량을 추출하고,
    상기 특징량에 기초하여, 상기 입력 생체 데이터에 나타내진 입력 생체 정보를, 동일한 특징을 갖는 생체 정보마다 카테고라이즈된 복수의 클래스 중의 적어도 하나로 분류하고, 또한, 그 입력 생체 정보가 분류된 클래스에 대한 신뢰도를 산출하고,
    상기 신뢰도 중의 최대값이, 상기 복수의 클래스 중의 해당 최대값에 대응하는 클래스로 설정된 임계값보다도 높은지의 여부를 판정하고,
    상기 최대값이 상기 임계값 이하인 경우, 상기 생체 정보 취득부에 이용자의 생체 정보를 재취득시키는 것을 이용자에게 재촉하는 것을 포함하는 생체 정보 처리 방법.
  8. 생체 정보 취득부에 의해 생성된 입력 생체 데이터에 나타내진 이용자의 생체 정보로부터, 그 생체 정보의 특징을 나타내는 특징량을 추출하고,
    상기 특징량에 기초하여, 상기 입력 생체 데이터에 나타내진 입력 생체 정보를, 동일한 특징을 갖는 생체 정보마다 카테고라이즈된 복수의 클래스 중의 적어도 하나로 분류하고, 또한, 그 입력 생체 정보가 분류된 클래스에 대한 신뢰도를 산출하고,
    상기 신뢰도 중의 최대값을, 상기 복수의 클래스 중의 해당 최대값에 대응하는 클래스로 설정된 임계값보다도 높은지의 여부를 판정하고,
    상기 최대값이 상기 임계값 이하인 경우, 상기 생체 정보 취득부에 이용자의 생체 정보를 재취득시키는 것을 이용자에게 재촉하는 것을 컴퓨터에 실행시키는 생체 정보 처리용 컴퓨터 프로그램.
KR1020127005705A 2009-10-05 2009-10-05 생체 정보 처리 장치, 생체 정보 처리 방법 및 생체 정보 처리용 컴퓨터 프로그램이 기록된 컴퓨터로 읽을 수 있는 기록 매체 KR101379140B1 (ko)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/JP2009/067361 WO2011042950A1 (ja) 2009-10-05 2009-10-05 生体情報処理装置、生体情報処理方法及び生体情報処理用コンピュータプログラム

Publications (2)

Publication Number Publication Date
KR20120048668A true KR20120048668A (ko) 2012-05-15
KR101379140B1 KR101379140B1 (ko) 2014-03-28

Family

ID=43856449

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020127005705A KR101379140B1 (ko) 2009-10-05 2009-10-05 생체 정보 처리 장치, 생체 정보 처리 방법 및 생체 정보 처리용 컴퓨터 프로그램이 기록된 컴퓨터로 읽을 수 있는 기록 매체

Country Status (6)

Country Link
US (1) US8649570B2 (ko)
EP (1) EP2487646A4 (ko)
JP (1) JP5477385B2 (ko)
KR (1) KR101379140B1 (ko)
CN (1) CN102549617B (ko)
WO (1) WO2011042950A1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20160029655A (ko) * 2014-09-05 2016-03-15 오므론 가부시키가이샤 식별 장치 및 식별 장치의 제어 방법

Families Citing this family (47)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2012014308A1 (ja) * 2010-07-29 2012-02-02 富士通株式会社 生体認証装置、生体認証方法及び生体認証用コンピュータプログラムならびに生体情報登録装置
US9984157B2 (en) * 2010-12-01 2018-05-29 Aware Inc. Relationship detection within biometric match results candidates
JP5792985B2 (ja) * 2011-04-20 2015-10-14 キヤノン株式会社 情報処理装置、情報処理装置の制御方法、およびプログラム
US9436864B2 (en) * 2012-08-23 2016-09-06 Apple Inc. Electronic device performing finger biometric pre-matching and related methods
US9594968B1 (en) * 2012-09-27 2017-03-14 EMC IP Holding Company LLC Biometric profile creation
US10229258B2 (en) * 2013-03-27 2019-03-12 Samsung Electronics Co., Ltd. Method and device for providing security content
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
CN104282265B (zh) * 2014-09-26 2017-02-01 京东方科技集团股份有限公司 像素电路及其驱动方法、有机发光显示面板及显示装置
US9349034B2 (en) * 2014-10-28 2016-05-24 Rovi Guides, Inc. Methods and systems for invoking functions based on whether a partial print or an entire print is detected
EP3412514B1 (en) * 2014-11-12 2019-12-04 Panasonic Intellectual Property Corporation of America Update management method, update management device, and control program
JP6055459B2 (ja) * 2014-12-17 2016-12-27 京セラドキュメントソリューションズ株式会社 タッチパネル装置、および画像処理装置
US9590986B2 (en) 2015-02-04 2017-03-07 Aerendir Mobile Inc. Local user authentication with neuro and neuro-mechanical fingerprints
US9577992B2 (en) 2015-02-04 2017-02-21 Aerendir Mobile Inc. Data encryption/decryption using neuro and neuro-mechanical fingerprints
US9836896B2 (en) 2015-02-04 2017-12-05 Proprius Technologies S.A.R.L Keyless access control with neuro and neuro-mechanical fingerprints
US10357210B2 (en) 2015-02-04 2019-07-23 Proprius Technologies S.A.R.L. Determining health change of a user with neuro and neuro-mechanical fingerprints
WO2016159052A1 (ja) * 2015-03-31 2016-10-06 日本電気株式会社 生体パターン情報処理装置、生体パターン情報処理方法、およびプログラム
CN104778923B (zh) * 2015-04-28 2016-06-01 京东方科技集团股份有限公司 一种像素电路及其驱动方法、显示装置
CN105224930B (zh) * 2015-10-19 2018-03-06 广东欧珀移动通信有限公司 一种指纹识别的方法和装置
CA3004880C (en) * 2015-11-13 2023-10-31 Charles H. Herder, Iii Public/private key biometric authentication system
US10268923B2 (en) * 2015-12-29 2019-04-23 Bar-Ilan University Method and system for dynamic updating of classifier parameters based on dynamic buffers
CN107025419B (zh) * 2016-01-29 2020-11-10 北京小米移动软件有限公司 指纹模板录入方法及装置
JP2017138858A (ja) * 2016-02-04 2017-08-10 富士通株式会社 生体認証装置、生体認証方法および生体認証プログラム
FR3053499B1 (fr) * 2016-06-29 2018-06-29 Safran Identity & Security Procede et dispositif de detection de fraude par examen a deux focales distinctes lors d'une reconnaissance automatique d'un visage
CN106375497B (zh) * 2016-08-14 2019-08-30 张博威 一种模块化智能通讯系统
US10599910B2 (en) * 2016-11-24 2020-03-24 Electronics And Telecommunications Research Institute Method and apparatus for fingerprint recognition
JP6838150B2 (ja) * 2017-06-07 2021-03-03 三菱電機ビルテクノサービス株式会社 データ名称分類支援装置及びデータ名称分類支援プログラム
JP6911785B2 (ja) * 2018-02-02 2021-07-28 日本電信電話株式会社 判定装置、判定方法及び判定プログラム
US11170084B2 (en) 2018-06-28 2021-11-09 Private Identity Llc Biometric authentication
US11392802B2 (en) * 2018-03-07 2022-07-19 Private Identity Llc Systems and methods for privacy-enabled biometric processing
US10938852B1 (en) 2020-08-14 2021-03-02 Private Identity Llc Systems and methods for private authentication with helper networks
US11489866B2 (en) 2018-03-07 2022-11-01 Private Identity Llc Systems and methods for private authentication with helper networks
US11265168B2 (en) 2018-03-07 2022-03-01 Private Identity Llc Systems and methods for privacy-enabled biometric processing
US11394552B2 (en) 2018-03-07 2022-07-19 Private Identity Llc Systems and methods for privacy-enabled biometric processing
US11789699B2 (en) 2018-03-07 2023-10-17 Private Identity Llc Systems and methods for private authentication with helper networks
US11210375B2 (en) 2018-03-07 2021-12-28 Private Identity Llc Systems and methods for biometric processing with liveness
US10721070B2 (en) 2018-03-07 2020-07-21 Private Identity Llc Systems and methods for privacy-enabled biometric processing
US11138333B2 (en) 2018-03-07 2021-10-05 Private Identity Llc Systems and methods for privacy-enabled biometric processing
US11502841B2 (en) 2018-03-07 2022-11-15 Private Identity Llc Systems and methods for privacy-enabled biometric processing
US11120247B2 (en) 2018-03-16 2021-09-14 Synaptics Incorporated Defensive measures for residue re-imaging
US11010589B1 (en) * 2018-03-16 2021-05-18 Synaptics Incorporated Defensive measures for residue re-imaging
WO2019222709A1 (en) 2018-05-17 2019-11-21 Badge Inc. System and method for securing personal information via biometric public key
US11115203B2 (en) 2018-05-17 2021-09-07 Badge Inc. System and method for securing personal information via biometric public key
JP2020038491A (ja) * 2018-09-04 2020-03-12 株式会社東海理化電機製作所 生体情報認証装置
CA3128348C (en) 2019-01-30 2024-02-20 Badge Inc. Biometric public key system providing revocable credentials
WO2020170719A1 (ja) * 2019-02-19 2020-08-27 ソニー株式会社 認証装置、認証方法及びプログラム
JP7414124B2 (ja) * 2020-03-30 2024-01-16 日本電気株式会社 指紋照合装置、指紋照合方法、及び、プログラム
JP6795243B1 (ja) * 2020-09-15 2020-12-02 株式会社華和結ホールディングス 鼻紋照合装置および方法並びにプログラム

Family Cites Families (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2776409B2 (ja) 1995-08-02 1998-07-16 日本電気株式会社 皮膚紋様並びに指紋紋様の分類装置
US5828773A (en) * 1996-01-26 1998-10-27 Harris Corporation Fingerprint sensing method with finger position indication
CA2338675A1 (en) * 1998-07-27 2000-02-10 Cedars-Sinai Medical Center Spectral topography of mammalian matter
JP2001167268A (ja) 1999-12-07 2001-06-22 Nec Corp 指紋入力装置
JP4405656B2 (ja) 2000-10-20 2010-01-27 富士通株式会社 指紋情報を用いた個人認証システム及び同システム用登録・認証方法
GB0115714D0 (en) * 2001-06-27 2001-08-22 Imperial College Structure determination of macromolecules
WO2003003286A1 (en) * 2001-06-29 2003-01-09 Precise Biometrics Ab Method and apparatus for checking a person's identity, where a system of coordinates, constant to the fingerprint, is the reference
JP2003030629A (ja) * 2001-07-12 2003-01-31 Dds:Kk 指紋入力装置、指紋入力方法及び指紋入力プログラム
JP4055886B2 (ja) * 2001-11-12 2008-03-05 独立行政法人情報通信研究機構 識別処理装置およびそのコンピュータプログラム
JP2003256815A (ja) 2002-02-27 2003-09-12 Nec Soft Ltd 指紋画像のキャプチャー方法及び指紋画像入力装置並びにプログラム
KR100944443B1 (ko) * 2002-07-29 2010-02-25 이데시아 엘티디. 전자 생체 신원 인식을 위한 방법 및 장치
US7804982B2 (en) * 2002-11-26 2010-09-28 L-1 Secure Credentialing, Inc. Systems and methods for managing and detecting fraud in image databases used with identification documents
JP2007524441A (ja) * 2003-04-04 2007-08-30 ルミディム インコーポレイテッド マルチスペクトルバイオメトリックセンサ
US7616787B2 (en) * 2003-10-01 2009-11-10 Authentec, Inc. Methods for finger biometric processing and associated finger biometric sensors
US20060018523A1 (en) 2004-07-23 2006-01-26 Sanyo Electric Co., Ltd. Enrollment apparatus and enrollment method, and authentication apparatus and authentication method
JP2006039777A (ja) 2004-07-23 2006-02-09 Sanyo Electric Co Ltd 登録方法および装置ならびに認証方法および装置
CN101966071B (zh) * 2005-04-13 2012-10-17 奥林巴斯医疗株式会社 图像处理装置以及图像处理方法
JP2007219731A (ja) * 2006-02-15 2007-08-30 Toshiba Tec Corp 個人認証方法及び個人認証装置
CN101216881B (zh) * 2007-12-28 2011-07-06 北京中星微电子有限公司 一种图像自动获取方法和装置
US8160877B1 (en) * 2009-08-06 2012-04-17 Narus, Inc. Hierarchical real-time speaker recognition for biometric VoIP verification and targeting
US8391590B2 (en) * 2010-03-04 2013-03-05 Flashscan3D, Llc System and method for three-dimensional biometric data feature detection and recognition

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20160029655A (ko) * 2014-09-05 2016-03-15 오므론 가부시키가이샤 식별 장치 및 식별 장치의 제어 방법
US9691007B2 (en) 2014-09-05 2017-06-27 Omron Corporation Identification apparatus and method for controlling identification apparatus

Also Published As

Publication number Publication date
US8649570B2 (en) 2014-02-11
KR101379140B1 (ko) 2014-03-28
CN102549617B (zh) 2014-10-08
EP2487646A1 (en) 2012-08-15
JPWO2011042950A1 (ja) 2013-02-28
CN102549617A (zh) 2012-07-04
WO2011042950A1 (ja) 2011-04-14
EP2487646A4 (en) 2015-04-01
US20120195475A1 (en) 2012-08-02
JP5477385B2 (ja) 2014-04-23

Similar Documents

Publication Publication Date Title
KR101379140B1 (ko) 생체 정보 처리 장치, 생체 정보 처리 방법 및 생체 정보 처리용 컴퓨터 프로그램이 기록된 컴퓨터로 읽을 수 있는 기록 매체
JP5799586B2 (ja) 生体認証装置、生体認証方法及び生体認証用コンピュータプログラム
EP2444933B1 (en) Biometric authentication device, biometric authentication method and computer program for biometric authentication
JP5505504B2 (ja) 生体認証装置、生体認証方法及び生体認証用コンピュータプログラムならびに生体情報登録装置
JP5304901B2 (ja) 生体情報処理装置、生体情報処理方法及び生体情報処理用コンピュータプログラム
KR101307603B1 (ko) 생체 정보 등록 장치, 생체 정보 등록 방법 및 생체 정보 등록용 컴퓨터 프로그램과 생체 인증 장치, 생체 인증 방법 및 생체 인증용 컴퓨터 프로그램
US8000503B2 (en) Biometrics authentication system registration method, biometrics authentication system, and program for same
JP5228872B2 (ja) 生体認証装置、生体認証方法及び生体認証用コンピュータプログラムならびにコンピュータシステム
JP5699845B2 (ja) 生体情報処理装置、生体情報処理方法及び生体情報処理用コンピュータプログラム
US9129145B2 (en) Identification apparatus, identification method, and program
KR101603469B1 (ko) 생체 인증 장치, 생체 인증 방법 및 생체 인증용 컴퓨터 프로그램
JP5915336B2 (ja) 生体認証装置、生体認証方法及び生体認証用コンピュータプログラム
JP6056398B2 (ja) 生体認証装置、生体認証方法及び生体認証用コンピュータプログラム
CN113673477A (zh) 掌静脉非接触式三维建模方法、装置及认证方法

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20170220

Year of fee payment: 4

FPAY Annual fee payment

Payment date: 20180219

Year of fee payment: 5

LAPS Lapse due to unpaid annual fee