WO2004097743A1 - 偽眼識別方法および装置、偽眼識別プログラム、虹彩認証方法、偽造印刷物識別方法、並びに画像識別方法 - Google Patents

偽眼識別方法および装置、偽眼識別プログラム、虹彩認証方法、偽造印刷物識別方法、並びに画像識別方法 Download PDF

Info

Publication number
WO2004097743A1
WO2004097743A1 PCT/JP2004/006224 JP2004006224W WO2004097743A1 WO 2004097743 A1 WO2004097743 A1 WO 2004097743A1 JP 2004006224 W JP2004006224 W JP 2004006224W WO 2004097743 A1 WO2004097743 A1 WO 2004097743A1
Authority
WO
WIPO (PCT)
Prior art keywords
image
eye
feature amount
false
image data
Prior art date
Application number
PCT/JP2004/006224
Other languages
English (en)
French (fr)
Inventor
Takeo Azuma
Kenji Kondo
Masahiro Iwasaki
Masahiro Wakamori
Original Assignee
Matsushita Electric Industrial Co. Ltd.
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 Matsushita Electric Industrial Co. Ltd. filed Critical Matsushita Electric Industrial Co. Ltd.
Priority to EP04730091A priority Critical patent/EP1619624A4/en
Priority to US10/529,316 priority patent/US7660443B2/en
Publication of WO2004097743A1 publication Critical patent/WO2004097743A1/ja

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0012—Biomedical image inspection

Definitions

  • the present invention belongs to a technology for identifying whether or not an image of an eye provided for iris authentication is a forged image (a false eye image). It also relates to the application of the technology. Background art
  • Patent Literature 1 and Patent Literature 2 disclose a conventional method for identifying forgery of an iris image by selectively turning on a plurality of near-infrared light sources, a biological response obtained from a temporal change in pupil diameter, and a bright spot generated near the pupil.
  • a system that discriminates between a living eye and a false eye by changing the position is disclosed.
  • Patent Document 1 Patent No. 3 3 1 2 3 0 3
  • Patent Document 2 Patent No. 3 3 5 6 4 8
  • an object of the present invention is to provide a false eye identification method that can be realized with a simple configuration. Disclosure of the invention
  • the present invention focuses on the fact that an image output from a printer has a feeling of roughness, and detects the presence or absence of the feeling of roughness in an image by image processing.
  • Ingredient Specifically, for example, a band limitation is applied to the image data, a predetermined feature amount is extracted from the image data after the band limitation, and the presence or absence of roughness is detected from the feature amount.
  • a band limitation is applied to the image data
  • a predetermined feature amount is extracted from the image data after the band limitation
  • the presence or absence of roughness is detected from the feature amount.
  • the present invention uses the false eye identification technology described above to identify whether a banknote or a security taken in an image is a forged print. It also identifies whether or not the image is a photograph of a printed matter.
  • a false eye image and a living eye image can be distinguished from each other by image processing. Therefore, with a simple configuration, illegal spoofing due to the false eye image can be eliminated, and the practical effect is large.
  • FIG. 1 is a flowchart showing a processing flow of the false eye identification method according to the first embodiment of the present invention.
  • Figure 2 is a living eye image of a living eye.
  • Figure 3 is a false eye image obtained by capturing an eye image printed out on recycled paper.
  • FIG. 4 is a false eye image taken from an eye image printed out on high-quality dedicated paper.
  • FIG. 5 is a block diagram showing a configuration of the false eye identification device according to the first embodiment of the present invention.
  • FIG. 6 shows the result of band limitation on the living eye image of FIG.
  • FIG. 7 shows the result of band limiting the false eye image of FIG.
  • FIG. 8 shows the result of band limiting the false eye image of FIG.
  • Fig. 9 is a graph showing the distribution of the feature values of the living eye image and the false eye image, in which the variation and variance around the center of gravity are used as the feature values.
  • Fig. 10 is a graph showing the distribution of feature values between the living eye image and the false eye image.
  • the variance is a feature amount.
  • FIG. 11 is a graph showing the characteristic amount distribution of the living eye image and the false eye image, in which skewness and variance are used as characteristic amounts.
  • FIG. 12 is a graph showing the feature value distribution of the living eye image and the false eye image, and the feature value is the mean square and the variance.
  • FIG. 13 is a graph showing the distribution of the feature amounts of the living eye image and the false eye image, in which kurtosis and variance are used as the feature amounts.
  • FIG. 14 is a graph showing the characteristic amount distribution of the living eye image and the false eye image, in which the cubic mean and the quartic mean are used as characteristic amounts.
  • FIG. 15 is a flowchart showing the flow of the process of the iris authentication method according to the second embodiment of the present invention.
  • FIG. 16 is a diagram illustrating a configuration example of a vending machine that executes a method of identifying a forged printed material according to the third embodiment of the present invention.
  • a false eye identification method a step of receiving image data of an image including an eye, and detecting presence or absence of roughness in the image by surface image processing from the image data And a step of determining that the eye is a false eye when it is detected that the image has a feeling of roughness.
  • the image processing includes a step of performing a band limitation on the image data, and a step of extracting a predetermined feature amount from the image data after the band limitation.
  • a false eye identification method according to a first aspect for detecting presence / absence of roughness using feature amount data is provided.
  • the predetermined feature amount is one or a combination of two or more of a moment of a pixel value, a center moment, a skewness, and a kurtosis.
  • the false eye identification method according to the second aspect, wherein a pixel coordinate value is used together with a pixel value in extracting the predetermined feature amount.
  • the present invention provides a false eye identification method according to a second aspect, wherein a center position of a pupil or an iris is used in combination with a pixel value.
  • the false eye identification method according to the second aspect, wherein a high-pass filter or a band-pass filter is used for the band limitation.
  • the false eye identification method according to the second aspect, wherein the extraction of the predetermined feature amount is performed in the vicinity of an iris region or a pupil region.
  • the pseudo-eye identification method according to the second aspect, wherein the extraction of the predetermined feature amount is performed on or near a line passing through a pupil center or an iris center.
  • the image processing includes a step of performing frequency analysis on the image data, and a step of extracting a predetermined feature amount from the data after frequency analysis. Is provided.
  • a false eye identification method a step of receiving image data of an image including an eye, a step of performing band limitation on the image data, and a step of performing band limitation on the image data after band limitation
  • a method comprising: a step of extracting a predetermined feature amount; and a step of identifying whether the eye is a false eye or a living eye based on data of the extracted feature amount.
  • a distribution of the predetermined feature amount is prepared in advance for the living eye image and the false eye image, and the living eye image is extracted for the extracted feature amount data. And the distance from the feature amount distribution of the pseudo-eye image is calculated, and the eye corresponds to the eye of the living eye or the false eye that has the shorter calculated distance.
  • a 10th aspect of the present invention provides a false eye identification method according to a tenth aspect.
  • an image input unit that inputs image data of an image including eyes, and a band that performs band limitation on the image data input to the image input unit
  • a limiting unit a feature amount extracting unit that extracts a predetermined feature amount from the image data processed by the band limiting unit, and the eye based on the feature amount data extracted by the feature amount extracting unit.
  • an identification unit for identifying a false eye or a living eye.
  • the computer includes: Performing a band limitation, extracting a predetermined feature amount from the band-limited image data, and identifying whether the eye is a false eye or a living eye based on the extracted feature amount data.
  • Performing a band limitation extracting a predetermined feature amount from the band-limited image data, and identifying whether the eye is a false eye or a living eye based on the extracted feature amount data.
  • an image identification method there is provided a step of receiving image data, and a step of detecting presence or absence of roughness in the image by image processing from the image data, When it is detected that the image has a feeling of roughness, the image is determined to be a photograph of a printed matter.
  • FIG. 1 is a flowchart showing a processing flow of the false eye identification method according to the first embodiment of the present invention.
  • step S1 surface image data of an image including an eye is input, and in step S2, band limitation is performed on the image data input in step S1.
  • step S3 a predetermined characteristic amount is extracted from the image data subjected to the band limiting process in step S2, and in step S4, the image is projected on the image based on the characteristic amount extracted in step S3. Identify the false eye or living eye.
  • the predetermined feature amount used here can detect the presence or absence of a feeling of roughness in an image, and will be specifically described later. Then, when it is detected from the extracted feature amount data that the image has a glare, it is determined that the eye shown in the image is a false eye. I do.
  • FIG. 5 is a block diagram showing the configuration of the false eye identification device according to the present embodiment.
  • the false eye discriminating apparatus 10 includes an image input unit 11 for executing step S1, a band limiting unit 12 for executing step S2, and a feature amount extracting unit 1 for executing step S3. 3, and an identification unit 14 for executing step S4.
  • the image input unit 11 is provided with, for example, an iris image captured by the camera 5.
  • Figure 2 is a schematic diagram of an iris image (biological eye image) taken by a camera with infrared sensitivity under near-infrared illumination.
  • Figs. 3 and 4 show iris images (false eye images) obtained by outputting the image of Fig. 2 to a printer and photographing the output of the printer again with a camera with infrared sensitivity under near-infrared illumination. .
  • the iris image of the legitimate user the living eye image in Fig. 2 is output to a printer and used.
  • the printer output as shown in FIGS. 3 and 4 is grainy in appearance, and that the image has a so-called “grainy” feeling.
  • step S1 an image including eyes, more preferably, an iris image is input.
  • the input of the image is usually performed by the camera on the spot at the time of identification, but the image captured by the camera may be transmitted and input via a network.
  • the image input in step S1 is band-limited by a band-pass filter and a high-pass filter. As a bandpass filter
  • a DOG (Difference of Gaussian) finoleta represented by a difference between G aus s s an an filters having different characteristics, a Laplacian G a s s s i an fin ⁇ ⁇ ⁇ a b a a a b b b a a ⁇ ⁇ ⁇ ⁇
  • a known one such as a Sover 1 filter can be used as the high-pass finoleta.
  • FIGS. 6, 7, and 8 are examples of band limiting the iris images of FIGS. 2, 3, and 4 using a band-pass filter.
  • Figures 6 to 8 show that the brighter the pixel, the greater the power. Also, the square of the filter output is shown so that the power distribution can be easily understood.
  • FIG. 6 is compared with FIG. 7 and FIG. 8, it is obvious that the characteristics are greatly different.
  • the band limit is applied to the living eye image
  • the power is intensively increased near the pupil and eyelid, and the shape of the eye is raised
  • the false eye image output from the printer is
  • Fig. 7 and Fig. 8 with the band limited the power distribution is uniform outside the pupil, and the shape of the eye cannot be recognized at all. This uniform power distribution is considered to be due to a paper pattern or a toner-specific pattern.
  • a predetermined feature amount to be used for identification is extracted from the image band-limited in step S2.
  • the predetermined feature amount for example, (Equation 1)
  • I (x, y) is the pixel value of the image after band limitation
  • N is the number of pixels from which the feature is extracted
  • A is the target area from which the feature is extracted.
  • the statistics shown in (Equation 4), (Equation 5), and (Equation 6) may be used.
  • the feature value on ⁇ is a statistic related to the distribution of pixel values.
  • a feature value such as (Expression 7) may be used in consideration of the pixel coordinate value (x, y).
  • the square of the pixel coordinate value is multiplied by the square of the pixel value I (x, y) in order to evaluate the power of the band-limited image and its position together.
  • a characteristic amount as shown in (Equation 8), which is obtained by normalizing (Equation 7) with the bandwidth of an image whose band is limited, may be used.
  • Equation 7 the square of the pixel coordinate value is multiplied by the square of the pixel value I (x, y) in order to evaluate the power of the band-limited image and its position together.
  • a characteristic amount as shown in (Equation 8), which is obtained by normalizing (Equation 7) with the bandwidth of an image whose band is limited, may be used. (Equation 7)
  • the feature amount may be extracted for the entire image as a matter of course, or may be extracted for pixels at intervals of several pixels, or for a predetermined area or a pixel on a predetermined line.
  • step S4 whether the image input in step s1 is a living eye image or a false eye image is identified from the feature amount data obtained in step S3. Identification here Is performed as follows, for example. First, the distribution of feature amounts extracted from a plurality of living eye images and the distribution of feature amounts extracted from a plurality of false eye images are prepared in advance. Then, the distance from the feature distribution of the living-eye image and the distance from the feature distribution of the false-eye image are calculated for the data of the characteristic amount obtained in step S3. For this distance calculation, for example, the Mahalanobis distance shown in (Equation 9) is used. Then, it is determined that the calculated distance belongs to the closer distribution, and according to the determination result, it is determined whether the eye shown in the image is a living eye or a false eye.
  • the Mahalanobis distance shown in (Equation 9) is used.
  • X is the feature vector extracted from the input image
  • ⁇ is the average of the feature
  • ⁇ is the covariance matrix of the feature
  • d is the Mahalanobis distance
  • FIGS. 9 to 14 are graphs showing the distribution of the feature amounts of the living eye image and the false eye image.
  • the vertical axis represents the variance (Equation 4) and the horizontal axis represents the variation around the center of gravity (Equation 8).
  • the vertical axis represents the variance
  • the horizontal axis represents the cubic mean (Equation 2)
  • the vertical axis in Figure 11 the variance
  • the horizontal axis the skewness (Equation 3)
  • the vertical axis represents the vertical axis in Figure 12
  • the horizontal axis represents the mean square (Equation 3)
  • the vertical axis represents variance
  • the horizontal axis represents kurtosis (Equation 6)
  • the horizontal axis represents kurtosis (Equation 6).
  • the root mean is taken. From the distributions shown in Fig. 9 to Fig. 14, it can be seen that it is possible to distinguish between a living eye and a false eye with a relatively small number of feature values, such as one or two. In particular, as can be seen from FIGS. 10 and 12, even if cubic mean and quartic mean are used alone, accurate discrimination is possible.
  • a living eye image obtained by capturing a living eye and a false eye image obtained by capturing an eye image output by a printer can be identified by image processing. Wear.
  • the filter for applying the band limitation may be a single filter or a plurality of filters. That is, from a single filter output,
  • One or two or more types of feature values may be extracted to distinguish between a living eye image and a false eye image, or more feature values may be extracted using a plurality of filters having different frequency characteristics. It may be extracted, and the same or better effects as in the present embodiment can be obtained.
  • the method of detecting the roughness is not limited to the method described in the present embodiment, and another method may be used.
  • a frequency analysis such as FFT (Fast Fourier Transform) may be performed, and a predetermined feature amount may be extracted from the analyzed frequency data to detect a sense of roughness.
  • the luminance frequency distribution luminance histogram
  • the roughness may be detected from the shape of the luminance histogram.
  • FIG. 15 is a flowchart showing the flow of the process of the iris authentication method according to the second embodiment of the present invention.
  • step S11 image data of an image including an eye is input, and in step S12, te color recognition SE is performed.
  • the iris authentication here may be performed using a known method disclosed in, for example, Japanese Patent Application Laid-Open No. 8-504979, and a detailed description thereof will be omitted.
  • the iris authentication for example, when it is determined that the input iris pattern matches the registered iris pattern by the above-described method, the authentication is determined to be OK (YES in S13), and the next false eye identification is performed. Proceed to step S14. If not (NO at S13), the certifier is rejected from passing through the gate or accessing the information.
  • step S14 a living eye and a false eye are identified by the same method as that described in the first embodiment. That is, the band limitation step S2, the feature amount extraction step S3, and the living eye false eye identification step S4 in the flowchart of FIG. 1 are executed in step S14. Then, when it is determined that the eye is a living eye in step S14 (YES in S15), access is permitted. If it is determined that the eye is false, the access is denied (NO in S15). When the access is denied, for example, a notification may be made to a predetermined place or organization such as a security guard room or police.
  • the centroids x g and y g in (Equation 7) and (Equation 8) may be replaced with the coordinate value of the pupil center or the iris center. As a result, the amount of calculation for false eye identification can be reduced.
  • the target area for feature extraction is limited to the iris area or the vicinity of the iris area, the pupil outer edge or the iris outer edge, or a line passing through the center of the pupil or the iris, preferably a horizontal line. Alternatively, it may be limited to above or near the vertical line. As a result, the calculation time for false eye identification can be significantly reduced.
  • the above process may be performed by obtaining information on the pupil region and the iris region in the process of false eye identification itself.
  • the false eye identification may be performed prior to the iris authentication, and the iris authentication may be performed only when it is determined that the subject is a living eye. Even in this case, a notification may be sent to a predetermined organization when false eyes are determined.
  • the iris authentication process may be performed halfway, and false eye identification may be performed at a stage where the pupil region or the iris region is detected.
  • Each step of the false eye identification method according to the present invention may be implemented in whole or in part using dedicated hardware, or may be implemented in software by a computer program. That is, the pseudo-eye identification method according to the present invention can be realized by an apparatus including a computer that executes a program for realizing the method, and the program for realizing the method is computer-readable. It can be realized by recording the program on a simple recording medium and causing a computer to execute the program recorded on the recording medium. (Third embodiment)
  • the false eye identification technology as described above can be widely used for other purposes. For example, it can be used to identify whether banknotes or securities taken in images are genuine or genuine, or counterfeit printed matter output from a printer.
  • FIG. 16 is a block diagram showing a schematic configuration of a vending machine which executes a counterfeit printed matter identification method according to the third embodiment of the present invention.
  • the banknote take-in section 21 takes in the banknote issued by the user.
  • the first authenticity determination unit 22 determines whether or not the banknote captured by the banknote capturing unit 21 is a genuine one by the same processing as the false eye identification method described in the first embodiment. Is determined. That is, image data of a banknote image is obtained, and from this image data, the presence or absence of roughness in the image is detected by surface image processing. Is determined to be a forged print output from the printer.
  • the coin take-in section 23 takes in coins issued by the user.
  • the second authenticity determination unit 24 determines whether or not the coin captured by the coin capturing unit 23 is genuine by the existing counterfeit coin identification method.
  • the processing unit 25 performs a commodity transaction with the user in accordance with the amount of the bill and coin determined to be legitimate by the first and second authenticity determination units 22 and 24. Perform processing. As a result, the user can receive the product of his choice.
  • each step of the forged printed material identification method and the printed material identification method described here may be realized by using dedicated hardware, or may be realized by software using a computer program. It doesn't matter. That is, the method for identifying a forged printed material and the method for identifying a printed material according to the present invention can be realized by an apparatus including a computer that executes a program for realizing the method, and the method is realized. The program can be realized by recording a program for this on a computer-readable recording medium and causing a computer to execute the program recorded on the recording medium.
  • counterfeit banknotes can be detected, and unauthorized intrusion using printed images can be prevented.

Landscapes

  • Engineering & Computer Science (AREA)
  • Quality & Reliability (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Collating Specific Patterns (AREA)
  • Image Analysis (AREA)

Abstract

眼を含む画像の画像データを入力し（Ｓ１）、帯域制限を行う（Ｓ２）。そして、帯域制限処理がなされた画像データから、積率などの所定の特徴量を抽出し（Ｓ３）、抽出された特徴量に基づいて、画像に映された眼が偽眼か生体眼かを識別する（Ｓ４）。

Description

明細 : 偽眼識別方法および装置、 偽眼識別プログラム、 虹彩認証方法、 偽造印刷物識別 方法、 並びに画像識別方法 技術分野
本発明は、 虹彩認証に提供される眼の画像が、 偽造されたもの （偽眼画像） で あるか否かを識別する技術に属する。 また、 その技術の応用に関する。 背景技術
従来の虹彩画像の偽造識別方法として、 特許文献 1および特許文献 2に、 複数 の近赤外光源を選択的に点灯させ、 瞳孔径の時間変化から得られる生体反応や瞳 孔付近に生じる輝点位置の変化によって、 生体眼と偽眼を識別するものが、 開示 されている。
(特許文献 1 ) 特許第 3 3 1 2 3 0 3号
(特許文献 2 ) 特許第 3 3 1 5 6 4 8号 解決課題
し力 しながら、 上述の特許文献 1， 2に開示された構成では、 瞳孔や虹彩の位 置の検出処理を複数回行わなければならない。 このため、 処理時間がかかりすぎ たり、 システムが大がかりになりすぎる、 といった問題がある。 携帯端末等の小 型システムへの適用を考えると、 この問題は、 大きい。
前記の問題に鑑み、 本発明は、 簡易な構成によって実現可能な、 偽眼識別方法 を提供することを課題とする。 発明の開示
本発明は、 プリンタから出力された画像にはざらつき感があることに着目し、 画像におけるざらつき感の有無を、 画像処理によって、 検出するものである。 具 体的には例えば、 画像データに対して帯域制限をかけ、 帯域制限後の画像データ から所定の特徴量を抽出し、 その特徴量からざらつき感の有無を検出する。 これにより、 プリンタから出力された眼画像を撮影した偽眼画像と、 生体眼を 撮影した生体眼画像とを、 画像処理によって識別できるので、 大がかりな構成を 用いることなく、 簡易な構成によって偽眼識別を実現できる。
また、 本発明は、 上述の偽眼識別技術を利用して、 画像に撮された紙幣または 有価証券が偽造印刷物であるか否かを、 識別するものである。 また、 画像が印刷 物を撮影したものであるか否かを、 識別するものである。
本発明によると、 画像処理によって、 偽眼画像と生体眼画像との識別ができる ので、 簡易な構成によって、 偽眼画像による不正ななりすましを排除することが でき、 その実用的効果は大きい。
また、 本発明によって、 画像に撮された紙幣または有価証券が偽造印刷物であ るか否かを識別したり、 画像が印刷物を撮影したものであるか否かを識別したり することができる。 図面の簡単な説明
図 1は本発明の第 1の実施形態に係る偽眼識別方法の処理の流れを示すフロー チャートである。
図 2は生体眼を撮影した生体眼画像である。
図 3は再生紙にプリントアウトした眼画像を撮影した偽眼画像である。
図 4は高画質専用紙にプリントアウトした眼画像を撮影した偽眼画像である。 図 5は本発明の第 1の実施形態に係る偽眼識別装置の構成を示すプロック図で ある。
図 6は図 2の生体眼画像に帯域制限をかけた結果である。
図 7は図 3の偽眼画像に帯域制限をかけた結果である。
図 8は図 4の偽眼画像に帯域制限をかけた結果である。
図 9は生体眼画像と偽眼画像の特徴量分布を示すダラフであり、 重心回りのば らつきと分散を特徴量としたものである。
図 1 0は生体眼画像と偽眼画像の特徴量分布を示すグラフであり、 3乗平均と 分散を特徴量としたものである。
図 1 1は生体眼画像と偽眼画像の特徴量分布を示すグラフであり、 歪度と分散 を特徴量としたものである。
図 1 2は生体眼画像と偽眼画像の特徴量分布を示すグラフであり、 4乗平均と 分散を特徴量としたものである。
図 1 3は生体眼画像と偽眼画像の特徴量分布を示すグラフであり、 尖度と分散 を特徴量としたものである。
図 1 4は生体眼画像と偽眼画像の特徴量分布を示すグラフであり、 3乗平均と 4乗平均を特^ [量としたものである。
図 1 5は本発明の第 2の実施形態に係る虹彩認証方法の処理の流れを示すフ口 一チャートである。
図 1 6は本発明の第 3の実施形態に係る偽造印刷物識別方法を実行する自動販 売機の構成例を示す図である。 発明を実施するための最良の形態
本発明の第 1の態様によれば、 偽眼識別方法として、 眼を含む画像の画像デー タを受けるステップと、 前記画像データから面像処理によつて前記画像における ざらつき感の有無を検出するステップとを備え、 画像にざらつき感があると検出 されたとき、 前記眼は偽眼であると判定するものを提供する。
本発明の第 2態様によれば、 前記画像処理は、 前記画像データに対し帯域制限 を行うステップと、 帯域制限後の前記画像データから所定の特徴量を抽出するス テツプとを備え、 抽出した特徴量データを用いてざらつき感の有無を検出する第 1態様の偽眼識別方法を提供する。
本発明の第 3態様によれば、 前記所定の特徴量は、 画素値の積率、 中心積率、 歪度および尖度のうちの 1つ、 または 2つ以上の組合せである第 2態様の偽眼識 別方法を提供する。
本発明の第 4態様によれば、 前記所定の特徴量の抽出において、 画素座標値を 画素値と併せて用いる第 2態様の偽眼識別方法を提供する。
本発明の第 5態様によれば、 前記画像処理は、 前記所定の特徴量の抽出におい て、 瞳孔または虹彩の中心位置を画素値と併せて用いる第 2態様の偽眼識別方法 を提供する。
本発明の第 6態様によれば、 前記帯域制限にハイパスフィルタまたはバンドパ スフィルタを用いる第 2態様の偽眼識別方法を提供する。
本発明の第 7態様によれば、 前記所定の特徴量の抽出は、 虹彩領域または瞳孔 領域の近傍について行う第 2態様の偽眼識別方法を提供する。
本発明の第 8態様によれば、 前記所定の特徴量の抽出は、 瞳孔中心または虹彩 中心を通る線の上または近傍について行う第 2態様の偽眼識別方法を提供する。 本発明の第 9態様によれば、 前記画像処理は、 前記画像データに対し周波数解 析を行うステップと、 周波数解析後のデータから所定の特徴量を抽出するステツ プとを備えた第 1態様の偽眼識別方法を提供する。
本発明の第 1 0態様によれば、 偽眼識別方法として、 眼を含む画像の画像デー タを受けるステップと、 前記画像データに対し帯域制限を行うステップと、 帯域 制限後の前記画像データから所定の特徴量を抽出するステツプと、 抽出した特徴 量のデータに基づいて前記眼は偽眼か生体眼かを識別するステップとを備えたも のを提供する。
本発明の第 1 1態様によれば、 前記識別ステップにおいて、 生体眼画像と偽眼 画像とについて前記所定の特徴量の分布を予め準備しておき、 抽出した特徴量デ ータについて生体眼画像の特徴量分布からの距離と偽眼画像の特徴量分布からの 距離とをそれぞれ計算し、 前記眼は生体眼および偽眼のうち計算した距離がより 短い方の分布に係る眼に該当するものと判定する第 1 0態様の偽眼識別方法を提 供する。
本発明の第 1 2態様によれば、 偽眼識別装置として、 眼を含む画像の画像デー タを入力する画像入力部と、 前記画像入力部に入力された画像データに対し帯域 制限を行う帯域制限部と、 前記帯域制限部によつて処理された画像データから所 定の特徴量を抽出する特徴量抽出部と、 前記特徴量抽出部によって抽出された特 徴量データに基づいて前記眼は偽眼か生体眼かを識別する識別部とを備えたもの を提供する。
本発明の第 1 3態様によれば、 コンピュータに、 眼を含む画像の画像データに 対し帯域制限を行うステップと、 帯域制限後の画像データから所定の特徴量を抽 出するステップと、 抽出された特徴量データに基づいて、 前記眼は偽眼か生体眼 かを識別するステップとを実行させるプログラムを提供する。
本発明の第 1 4態様によれば、 虹彩認証方法として、 眼を含む画像の画像デー タに基づいて虹彩認証を行うステップと、 前記虹彩認証ステップにおいて本人と 認証されたとき、 前記画像データについて、 第 1または第 1 0態様の偽眼識別方 法を行うステップとを備えたものを提供する。
本発明の第 1 5態様によれば、 偽造印刷物識別方法として、 紙幣または有価証 券の画像の画像データを受けるステップと、 前記画像データから画像処理によつ て前記画像におけるざらつき感の有無を検出するステップとを備え、 前記画像に ざらつき感があると検出されたとき、 前記紙幣または有価証券は偽造印刷物であ ると判定するものを提供する。
本発明の第 1 6態様によれば、 画像識別方法として、 画像データを受けるステ ップと、 前記画像データから画像処理によつて当該画像におけるざらつき感の有 無を検出するステップとを備え、 前記画像にざらつき感があると検出されたとき 、 前記画像は、 印刷物を撮影したものであると判定するものを提供する。 以下、 本発明の実施の形態について、 図面を参照して説明する。
(第 1の実施形態）
図 1は本発明の第 1の実施形態に係る偽眼識別方法の処理の流れを示すフロー チャートである。 図 1において、 ステップ S 1において、 眼を含む画像の面像デ ータを入力し、 ステップ S 2において、 ステップ S 1で入力された画像データに 対し、 帯域制限を行う。 そしてステップ S 3において、 ステップ S 2で帯域制限 処理がなされた画像データから、 所定の特徴量を抽出し、 ステップ S 4において 、 ステップ S 3で抽出された特徴量に基づいて、 画像に映された眼が偽眼か生体 眼かを識別する。
ここで用いる所定の特徴量は、 画像におけるざらつき感の有無が検出可能なも のであり、 具体的には後述する。 そして、 抽出された特徴量のデータから、 画像 にぎらつき感があると検出されたとき、 画像に映された眼は偽眼である、 と判定 する。
図 5は本実施形態に係る偽眼識別装置の構成を示すプロック図である。 図 5に おいて、 偽眼識別装置 1 0は、 ステップ S 1を実行する画像入力部 1 1、 ステツ プ S 2を実行する帯域制限部 1 2、 ステップ S 3を実行する特徴量抽出部 1 3、 およびステップ S 4を実行する識別部 1 4を備えている。 画像入力部 1 1には、 例えば、 カメラ 5によって撮影された虹彩画像が与えられる。
図 2は近赤外照明下で赤外感度のあるカメラで撮影した虹彩画像 （生体眼画像 ) の模式図である。 また、 図 3および図 4は、 図 2の画像をプリンタに出力した 後、 そのプリンタ出力を再度、 近赤外照明下で赤外感度のあるカメラで撮影した 虹彩画像 （偽眼画像） である。 悪意のある者が不正に虹彩認証を受けようとする 際、 正規の利用者の虹彩画像 （図 2の生体眼画像） をプリンタ出力して用いるこ とが考えられる。
このため、 図 3および図 4のような偽眼画像によつて不正な認証がなされない ように、 生体眼 Z偽眼識別を行わなければならない。
ここで、 本願発明者らは、 図 3および図 4のようなプリンタ出力は、 見た目に ざらざらしており、 画像にいわゆる 「ざらつき」 感がある、 ことに気がついた。
「ざらつき」 感が生じる理由は、 インク、 またはトナーにその原因があるものと 推測される。 そしてこの 「ざらつき」 感は、 画像上で、 ある特定の輝度パターン が繰り返されているために生じている、 と考えられるので、 画像処理によってこ の 「ざら όき」 感の有無を検出できれば、 生体眼画像と、 プリンタから出力され た偽眼画像との識別が可能になる、 という知見を得るに至った。 本願発明は、 こ のような知見に基づくものである。
以下、 各ステップの処理について、 詳細に説明する。
ステップ S 1では、 眼を含む画像、 より好ましくは虹彩画像を入力する。 画像 の入力は通常、 識別時にその場でカメラによって行われるが、 カメラで撮影した 画像をネットワーク経由で伝送して入力するようにしてもよい。 ただし、 識別時 以外の時間や場所で撮影した画像を入力画像とする場合には、 画像データを盗ま れることへの防止策として、 暗号化やパスワードとの組み合わせ等の対策を施す ことが望ましい。 ステップ S 2では、 ステップ S 1で入力された画像に対し、 バンドパスフィル タゃハイパスフィルタによって、 帯域制限を行う。 バンドパスフィルタとしては
、 矩形波フィルタ、 異なる特性の G a u s s i a nフィルタの差分で表される D O G (Difference of Gaussian) フィノレタ、 ラプラシアン G a u s s i a nフィ ノレタゃ G a b o r W a v e l e tを用いてもよい。 また、 ハイパスフィノレタと しては、 S o b e 1 フィルタ等の公知のものを用いることができる。
図 6 , 図 7および図 8は、 上述の図 2， 図 3および図 4の虹彩画像に対し、 バ ンドパスフィルタを用いて帯域制限を行った一例である。 図 6〜図 8では、 明る い画素ほどパワーが大きいことを示している。 また、 パワーの分布が分かりやす いように、 フィルタ出力の 2乗を示している。 ここで図 6と図 7および図 8とを 比較すると、 その特性が大きく異なっていることは、 一目瞭然である。 すなわち 、 生体眼画像に帯域制限をかけた図 6では、 瞳孔および瞼付近でパワーが集中的 に大きくなつており、 眼の形状が浮かび上がっているのに対し、 プリンタ出力し た偽眼画像に帯域制限をかけた図 7および図 8では、 瞳孔以外の所でパワー分布 は均一になっており、 眼の形状は全く認識できない。 この均一なパワー分布は、 紙の模様、 またはトナー固有の模様に起因すると考えられる。
そして、 ステップ S 3では、 ステップ S 2で帯域制限した画像から、 識別に用 いるための所定の特徴量を抽出する。 所定の特徴量としては、 例えば、 （式 1 )
(式 2 ) (式 3 ) に示す 2乗平均、 3乗平均、 4乗平均といった積率を用いれば よい。
(式 1 )
Figure imgf000009_0001
2
N (式 2)
Figure imgf000010_0001
N
(式 3)
Figure imgf000010_0002
N
ここで、 I (x， y) は帯域制限後の画像の画素値、 Nは特徴量を抽出する画 素数、 Aは特徴量を抽出する対象領域である。 また、 （式 4) (式 5) (式 6) に示す統計量 （それぞれ、 分散 σ ζ (中心積率） 、 歪度 S、 尖度 ） を用いても よい。
(式 4)
Figure imgf000010_0003
2 _ x,y A
び
N
ただし、 /( ）は /( , ）の平均である'
(式 5)
Figure imgf000010_0004
Νσ3 (式 6)
K =
Figure imgf000011_0001
3
Νσ 上の特徴量は画素値の分布に関する統計量であるが、 他に画素座標値 （x、 y ) も考慮して、 （式 7) の様な特徴量を用いてもよい。 （式 7) では、 帯域制限 した画像のパワーとその位置を併せて評価するために、 画素座標値の 2乗に画素 値 I (x， y) の 2乗を乗じている。 また、 （式 7) を帯域制限した画像のパヮ 一で正規化した （式 8) の様な特徴量 （重心回りのばらつき） を用いてもよい。 (式 7)
Figure imgf000011_0002
x,y≡A
Xgニ , y) x g = 」 xI(x, y)
で、 'y もしくは、 である。
yg = >メ yg = ∑ O,ァ) 2
x,y A
(式 8)
Figure imgf000011_0003
特徴量の抽出は、 画像全体について行ってももちろんよいが、 数画素間隔の画 素について行ったり、 所定の領域、 または所定の線上の画素について行ってもよ レ、。
そして、 ステップ S 4では、 ステップ S 3で求めた特徴量のデータから、 ステ ップ s 1で入力された画像が生体眼画像か偽眼画像かを識別する。 ここでの識別 は例えば次のように行う。 まず、 複数の生体眼画像から抽出した特徴量の分布と 、 複数の偽眼画像から抽出した特徴量の分布とを、 予めそれぞれ準備しておく。 そして、 ステップ S 3で求めた特 ί欽量のデータについて、 生体眼画像の特徴量分 布からの距離と、 偽眼画像の特徴量分布からの距離とを、 それぞれ計算する。 こ こでの距離計算には、 例えば （式 9 ) に示すようなマハラノビス距離を用いる。 そして、 計算した距離がより近い方の分布に属するものと判定し、 その判定結果 に従って、 画像に映された眼が生体眼か偽眼かの識別を行う。
(式 9 ) d生体眼 = (X— 生体眼） "生体眼（X一 μ生体眼） d偽眼 = ( 一 偽眼 ' ム偽眼 β偽眼）
ここで、 Xは入力画像から抽出した特徴量ベクトル、 μは特徴量の平均、 ∑は特 徴量の共分散行列、 dはマハラノビス距離である。
なお、 生体眼ノ偽眼の識別は、 マハラノビス距離を用いた手法に限られるもの ではない。 例えば、 特定の識別面を設定してもよく、 また、 線形判別分析、 サボ ート 'ベクター .マシン、 パーセプトロン等の公知の識別技術を用いてもよい。 図 9〜図 1 4は生体眼画像と偽眼画像の特徴量の分布を示すグラフである。 図 9では特徴量として、 縦軸に分散 （式 4 ) 、 横軸に重心回りのばらつき （式 8 ) をとつている。 同様に、 図 1 0では縦軸に分散、 横軸に 3乗平均 （式 2 ) を、 図 1 1では縦軸に分散、 横軸に歪度 （式 3 ) を、 図 1 2では縦軸に分散、 横軸に 4 乗平均 （式 3 ) を、 図 1 3では縦軸に分散、 横軸に尖度 （式 6 ) を、 図 1 4では 縦軸に 4乗平均、 横軸に 3乗平均をとつている。 図 9〜図 1 4に示す分布から、 1種類または 2種類といつた比較的少ない数の特徴量によって、 生体眼と偽眼の 識別が可能なことが分かる。 特に、 図 1 0および図 1 2から分かるように、 3乗 平均と 4乗平均は、 単独で用いても、 精度の良い識別が可能である。
以上のように本実施形態によると、 生体眼を撮影した生体眼画像と、 プリンタ で出力した眼面像を撮影した偽眼画像とを、 画像処理によって識別することがで きる。
なお、 帯域制限をかけるためのフィルタは、 単一のフィルタであってもよいし 、 複数のフィルタを用いてもかまわない。 すなわち、 単一のフィルタ出力から、
1種類、 または 2種類以上の特徴量を抽出し、 生体眼画像と偽眼画像との識別を 行ってもよいし、 あるいは、 周波数特性の異なる複数のフィルタを用いて、 より 多くの特徴量を抽出してもよく、 本実施形態と同様またはそれ以上の効果を得る ことができる。
なお、 ざらつき感の検出方法は、 本実施形態で示した方法に限られるものでは なく、 他の方法を用いてもよい。 例えば、 F F T (Fast Fourier Transform) 等 の周波数解析を行い、 解析後の周波数データについて所定の特徴量を抽出して、 ざらつき感を検出してもよい。 あるいは、 輝度の頻度分布 （輝度ヒストグラム） を求め、 この輝度ヒストグラムの形状からざらつき感を検出してもかまわない。
(第 2の実施形態）
図 1 5は本発明の第 2の実施形態に係る虹彩認証方法の処理の流れを示すフ口 一チャートである。 図 1 5において、 ステップ S 1 1において、 眼を含む画像の 画像データを入力し、 ステップ S 1 2において、 te彩認 SEを行う。 ここでの虹彩 認証は、 例えば特表平 8— 5 0 4 9 7 9号公報に開示された公知の手法を用いて 実行すればよく、 ここではその詳細な説明を省略する。 虹彩認証の結果、 例えば 上述の手法によつて入力虹彩パクンが登録虹彩パタンと一致すると判断された場 合は、 認証は O Kであると判断し （S 1 3で Y E S ) 、 次の偽眼識別ステップ S 1 4に進む。 そうでないときは （S 1 3で N O ) 、 認証者のゲート通過や情報ァ クセスを拒否する。
ステップ S 1 4では、 第 1の実施形態で示したものと同様の方法によって、 生 体眼と偽眼を識別する。 すなわち、 図 1のフローチャートにおける帯域制限ステ ップ S 2、 特徴量抽出ステップ S 3および生体眼ノ偽眼識別ステップ S 4が、 ス テツプ S 1 4で実行される。 そして、 このステップ S 1 4で生体眼と判断された とき （S 1 5で Y E S ) 、 アクセスが許可される。 偽眼と判断されたときは、 了 クセスは拒否される （S 1 5で N O ) 。 アクセスの拒否の際には、 例えば、 警備 員室、 警察等の所定の場所や組織に通報するようにしてもよい。 以上のように本実施形態によると、 偽眼識別の処理を、 虹彩認証方法と組み合 わせて実行することによって、 偽眼画像による不正ななりすましを排除すること ができる。 また、 虹彩認証で認証 O Kと判断されたときに、 偽眼識別を行うので 、 偽眼識別を無駄に行う必要がなく、 処理量や処理時間を低減できる。
また、 偽眼識別の前に虹彩認証を実行することによって、 虹彩認証時に得られ る瞳孔領域や虹彩領域の情報、 例えば中心位置や半径を、 偽眼識別に利用するこ とができる。 例えば、 （式 7 ) (式 8 ) における重心 x g、 y gを、 瞳孔中心の 座標値や、 虹彩中心の座標値と置き換えてもよい。 これにより、 偽眼識別のため の計算量が低減できる。
また、 虹彩認証時に得られる瞳孔領域や虹彩領域の情報を用いて、 偽眼識別の 際に、 所定の特徴量を抽出する領域を限定することもできる。 例えば、 特徴量抽 出の対象領域を、 虹彩領域または虹彩領域の近傍に限定したり、 瞳孔外縁や虹彩 外縁に限定したり、 さらには、 瞳孔中心または虹彩中心を通る線、 好ましくは水 平線または垂直線の、 上または近傍に限定したりしてもよい。 これにより、 偽眼 識別のための演算時間を大幅に低減できる。
もちろん、 瞳孔領域や虹彩領域の情報を、 偽眼識別の処理自体の中で求めて、 上のような処理を行ってもよい。
なお、 虹彩認証よりも先に偽眼識別を行い、 生体眼である、 と判断されたとき にのみ、 虹彩認証を行うようにしてもよい。 この場合でも、 偽眼と判断されたと きに、 所定の組織などに通報するようにしてもよい。
また、 虹彩認証処理を途中まで行い、 瞳孔領域または虹彩領域が検出された段 階で、 偽眼識別を行うようにしてもよい。
なお、 本発明に係る偽眼識別方法の各ステップは、 その全部または一部を専用 のハードウエアを用いて実現してもかまわないし、 コンピュータのプログラムに よってソフトウェア的に実現してもかまわない。 すなわち、 本発明に係る偽眼識 別方法は、 当該方法を実現するためのプログラムを実行するコンピュータを備え た装置によって実現することができ、 また、 当該方法を実現するためのプロダラ ムをコンピュータ読み取り可能な記録媒体に記録して、 この記録媒体に記録した プログラムをコンピュータに実行させることによって実現することができる。 (第 3の実施形態）
上述したような偽眼識別の技術は、 他の用途にも広く利用することができる。 例えば、 画像に撮された紙幣や有価証券が、 本物すなわち正規の物であるか、 ま たは、 プリンタから出力された偽造印刷物であるか、 を識別するために、 利用す ることができる。
図 1 6は本発明の第 3の実施形態に係る偽造印刷物識別方法を実行する自動販 売機の概略構成を示すブロック図である。 図 1 6において、 紙幣取り込み部 2 1 は、 利用者が出した紙幣を取り込む。 第 1の真偽判定部 2 2は、 第 1の実施形態 で述べた偽眼識別方法と同様の処理によって、 紙幣取り込み部 2 1によって取り 込まれた紙幣が、 正規の物であるか否かを判定する。 すなわち、 紙幣の画像の画 像データを得て、 この画像データから、 面像処理によって、 画像におけるざらつ き感の有無を検出し、 画像にざらつき感があると検出したとき、 この紙幣はプリ ンタから出力された偽造印刷物である、 と判定する。
一方、 硬貨取り込み部 2 3は、 利用者が出した硬貨を取り込む。 第 2の真偽判 定部 2 4は、 既存の偽造硬貨識別方法によって、 硬貨取り込み部 2 3によって取 り込まれた硬貨が、 正規の物であるか否かを判定する。 処理部 2 5は、 第 1およ び第 2の真偽判定部 2 2 , 2 4によつて正規の物と判断された紙幣および硬貨の 金額に応じて、 利用者との間で商品取引処理を行う。 この結果、 利用者は、 自分 の選んだ商品を受け取ることができる。
なお、 紙幣に限らず、 株券、 小切手などの有価証券であっても、 第 1の実施形 態で述べた偽眼識別方法と同様の処理によって、 偽造印刷物であるか否かを、 識 別することができる。 "
また、 画像が、 本物の人物等を撮影したものか、 または、 プリンタから出力さ れた印刷物を撮影したものか、 を識別するためにも、 利用することができる。 例 えば、 インターフォンのモニタに撮された画像が、 本当に家族や来客の顔を撮し たものか否かを、 第 1の実施形態で述べた偽眼識別方法と同様の処理によって、 識別することもできる。 すなわち、 家族や来客の顔を撮した画像をプリンタ出力 した印刷物が、 モニタカメラの前にかざされた場合であっても、 上述の処理によ つて、 モニタ画像が印刷物を撮影したものであることが、 容易に識別できる。 なお、 ここで説明した偽造印刷物識別方法や印刷物識別方法の各ステップは、 その全部または一部を専用のハードウェアを用いて実現してもかまわないし、 コ ンピュータのプログラムによってソフトウェア的に実現してもかまわない。 すな わち、 本発明に係る偽造印刷物識別方法および印刷物識別方法は、 当該方法を実 現するためのプログラムを実行するコンピュータを備えた装置によって実現する ことができ、 また、 当該方法を実現するためのプログラムをコンピュータ読み取 り可能な記録媒体に記録して、 この記録媒体に記録したプログラムをコンビユー タに実行させることによって実現することができる。 産業上の利用可能性
本努明は、 画像処理によって偽眼画像を識別できるので、 例えば虹彩画像を用 いた個人認証において、 簡易な構成によって、 偽眼画像による不正ななりすまし を排除することができる。
また、 例えば、 偽造紙幣を検出したり、 プリント画像を悪用した不正侵入等を 未然に防止することができる。

Claims

請求の範囲
1 . 眼を含む画像の画像データを受けるステップと、
前記画像データから、 画像処理によって、 前記画像におけるざらつき感の有無 を検出するステップとを備え、
画像にざらつき感があると検出されたとき、 前記眼は偽眼であると判定する ことを特徴とする偽眼識別方法。
2 . 請求項 1において、
前記画像処理は、
前記画像データに対し、 帯域制限を行うステップと、
帯域制限後の前記画像データから、 所定の特徴量を抽出するステップとを備え 抽出した特徴量データを用いて、 ざらつき感の有無を検出する
ことを特徴とする偽眼識別方法。
3 . 請求項 2において、
前記所定の特徴量は、 画素値の積率、 中心積率、 歪度および尖度のうちの 1つ 、 または 2つ以上の糸且合せである
ことを特徴とする偽眼識別方法。
4 - 請求項 2において、
前記所定の特徴量の抽出において、 画素座標値を、 画素値と併せて用いる ことを特徴とする偽眼識別方法。
5 . 請求項 2において、
前記画像処理は、
前記所定の特徴量の抽出において、 瞳孔または虹彩の中心位置を、 画素値と併 せて用いる ことを特徴とする偽眼識別方法。
6 . 請求項 2において、
前記帯域制限に、 ハイパスフィルタまた
ことを特徴とする偽眼識別方法。
7 . 請求項 2において、
前記所定の特徴量の抽出は、 虹彩領域または瞳孔領域の近傍について行う ことを特徴とする偽眼識別方法。
8 . 請求項 2において、
前記所定の特徴量の抽出は、 瞳孔中心または虹彩中心を通る線の上または近傍 について行う
ことを特徴とする偽眼識別方法。
9 . 請求項 1において、
前記画像処理は、
前記画像データに対し、 周波数解析を行うステップと、
周波数解析後のデータから、 所定の特徴量を抽出するステップとを備えたもの である
ことを特^^とする偽眼識別方法。
1 0 . 眼を含む画像の画像データを受けるステップと、
前記画像データに対し、 帯域制限を行うステップと、
帯域制限後の前記画像データから、 所定の特徴量を抽出するステップと、 抽出した特徴量のデータに基づいて、 前記眼は偽眼か生体眼かを識別するステ ップとを備えた
ことを特徴とする偽眼識別方法。
1 1 . 請求項 1 0において、
前記識別ステップにおいて、
生体眼画像と偽眼画像とについて、 前記所定の特徴量の分布を予め準備してお さ、
抽出した特徴量データについて、 生体眼画像の特徴量分布からの距離と、 偽眼 画像の特徴量分布からの距離とを、 それぞれ計算し、
前記眼は、 生体眼および偽眼のうち、 計算した距離がより短い方の分布に係る 眼に該当するものと判定する
ことを特徴とする偽眼識別方法。
1 2 . 眼を含む画像の画像データを入力する画像入力部と、
前記画像入力部に入力された画像データに対し、 帯域制限を行う帯域制限部と 前記帯域制限部によって処理された画像データから、 所定の特徴量を抽出する 特徴量抽出部と、
前記特徴量抽出部によって抽出された特徴量データに基づいて、 前記眼は偽眼 か生体眼かを識別する識別部とを備えた
ことを特徴とする偽眼識別装置。
1 3 . コンピュータに、
眼を含む画像の画像データに対し、 帯域制限；
帯域制限後の画像データから、 所定の特徴量を抽出- 抽出された特徴量データに基づいて、 前記眼は偽眼か生体眼かを識別するステ ップとを実行させる
ことを特徴とするプログラム。
1 4 . 眼を含む画像の画像データに基づいて、 虹彩認証を行うステップと、 前記虹彩認証ステップにおいて本人と認証されたとき、 前記画像データについ て、 請求項 1または 1 0記載の偽眼識別方法を行うステップとを備えた ことを特徴とする虹彩認証方法。
1 5 . 紙幣または有価証券の画像の画像データを受けるステップと、
前記画像データから、 画像処理によって、 前記画像におけるざらつき感の有無 を検出するステップとを備え、
前記画像にざらつき感があると検出されたとき、 前記紙幣または有価証券は、 偽造印刷物であると判定する
ことを特徴とする偽造印刷物識別方法。
1 6 . 画像データを受けるステップと、
前記画像データから、 画像処理によって、 当該画像におけるざらつき感の有無 を検出するステップとを備え、
前記画像にざらつき感があると検出されたとき、 前記画像は、 印刷物を撮影し たものであると判定する
ことを特徴とする画像識別方法。
PCT/JP2004/006224 2003-04-28 2004-04-28 偽眼識別方法および装置、偽眼識別プログラム、虹彩認証方法、偽造印刷物識別方法、並びに画像識別方法 WO2004097743A1 (ja)

Priority Applications (2)

Application Number Priority Date Filing Date Title
EP04730091A EP1619624A4 (en) 2003-04-28 2004-04-28 ARTIFICIAL EYE DISTINCTION DEVICE AND METHOD, PROGRAM THEREOF, IRIS RECOGNITION METHOD, FALSE PRINT DISTINGUISHING METHOD, AND IMAGE DISTINCTION METHOD
US10/529,316 US7660443B2 (en) 2003-04-28 2004-04-28 Artificial eye distinguishing method and device, artificial eye distinguishing program, iris recognition method, false printed matter distinguishing method, and image distinguishing method

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2003-123204 2003-04-28
JP2003123204 2003-04-28

Publications (1)

Publication Number Publication Date
WO2004097743A1 true WO2004097743A1 (ja) 2004-11-11

Family

ID=33410118

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2004/006224 WO2004097743A1 (ja) 2003-04-28 2004-04-28 偽眼識別方法および装置、偽眼識別プログラム、虹彩認証方法、偽造印刷物識別方法、並びに画像識別方法

Country Status (4)

Country Link
US (1) US7660443B2 (ja)
EP (1) EP1619624A4 (ja)
CN (1) CN1698068A (ja)
WO (1) WO2004097743A1 (ja)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB0705223D0 (en) * 2007-03-19 2007-04-25 Univ Sussex Method, apparatus and computer program for analysing medical image data
US8229803B2 (en) * 2007-10-16 2012-07-24 Eb Associates Inc. Systems and methods for tracking lumber in a sawmill
US9827643B2 (en) 2011-03-07 2017-11-28 Weyerhaeuser Nr Company Machine vision based sawmill audit system
US20120328160A1 (en) * 2011-06-27 2012-12-27 Office of Research Cooperation Foundation of Yeungnam University Method for detecting and recognizing objects of an image using haar-like features
US9505072B2 (en) 2012-02-03 2016-11-29 Weyerhaeuser Nr Company Systems and methods for auditing optimizers tracking lumber in a sawmill
US9230383B2 (en) 2012-12-28 2016-01-05 Konica Minolta Laboratory U.S.A., Inc. Document image compression method and its application in document authentication
US9595038B1 (en) * 2015-05-18 2017-03-14 Amazon Technologies, Inc. Inventory confirmation

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH04282776A (ja) * 1991-03-12 1992-10-07 Omron Corp パターン照合装置
JPH0662233A (ja) * 1992-08-04 1994-03-04 Ricoh Co Ltd 特殊原稿判定機能付き複写機
JPH0662241A (ja) * 1992-08-13 1994-03-04 Ricoh Co Ltd 画像形成装置
JPH07121722A (ja) * 1993-06-23 1995-05-12 Toshiba Corp 画像評価装置
JPH11244261A (ja) * 1998-03-05 1999-09-14 Oki Electric Ind Co Ltd アイリス認識方法及び装置、データ変換方法及び装置
JP2000076514A (ja) * 1998-08-31 2000-03-14 Oji Paper Co Ltd 偽札識別方法および装置
JP2000298727A (ja) * 1999-03-23 2000-10-24 Lg Electronics Inc 虹彩認識システムの偽造判別方法
JP2003030659A (ja) * 2001-07-16 2003-01-31 Matsushita Electric Ind Co Ltd 虹彩認証装置及び虹彩撮像装置

Family Cites Families (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4641349A (en) * 1985-02-20 1987-02-03 Leonard Flom Iris recognition system
US5291560A (en) * 1991-07-15 1994-03-01 Iri Scan Incorporated Biometric personal identification system based on iris analysis
US6363164B1 (en) * 1996-05-13 2002-03-26 Cummins-Allison Corp. Automated document processing system using full image scanning
JP3436293B2 (ja) * 1996-07-25 2003-08-11 沖電気工業株式会社 動物の個体識別装置及び個体識別システム
EP0953183B1 (en) * 1997-01-17 2003-06-04 BRITISH TELECOMMUNICATIONS public limited company Security apparatus and method
DE69811472T2 (de) * 1997-09-16 2003-12-18 Invisitech Corp Personenidentifizierungssystem mit auswertung multipler parameter mit geringer kreuzkorrelation
US6104812A (en) * 1998-01-12 2000-08-15 Juratrade, Limited Anti-counterfeiting method and apparatus using digital screening
JP3315648B2 (ja) * 1998-07-17 2002-08-19 沖電気工業株式会社 アイリスコード生成装置およびアイリス認識システム
US6138185A (en) 1998-10-29 2000-10-24 Mcdata Corporation High performance crossbar switch
US6377699B1 (en) * 1998-11-25 2002-04-23 Iridian Technologies, Inc. Iris imaging telephone security module and method
JP2000185031A (ja) 1998-12-22 2000-07-04 Oki Electric Ind Co Ltd 個体識別装置
US6332193B1 (en) * 1999-01-18 2001-12-18 Sensar, Inc. Method and apparatus for securely transmitting and authenticating biometric data over a network
US6247813B1 (en) * 1999-04-09 2001-06-19 Iritech, Inc. Iris identification system and method of identifying a person through iris recognition
JP2001034754A (ja) * 1999-07-19 2001-02-09 Sony Corp 虹彩認証装置
US6920236B2 (en) * 2001-03-26 2005-07-19 Mikos, Ltd. Dual band biometric identification system
US7054461B2 (en) * 2002-02-15 2006-05-30 Pitney Bowes Inc. Authenticating printed objects using digital watermarks associated with multidimensional quality metrics
EP1481347A4 (en) * 2002-02-19 2009-08-26 Digimarc Corp SECURITY SYSTEMS USING DRIVING LICENSES AND OTHER DOCUMENTS

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH04282776A (ja) * 1991-03-12 1992-10-07 Omron Corp パターン照合装置
JPH0662233A (ja) * 1992-08-04 1994-03-04 Ricoh Co Ltd 特殊原稿判定機能付き複写機
JPH0662241A (ja) * 1992-08-13 1994-03-04 Ricoh Co Ltd 画像形成装置
JPH07121722A (ja) * 1993-06-23 1995-05-12 Toshiba Corp 画像評価装置
JPH11244261A (ja) * 1998-03-05 1999-09-14 Oki Electric Ind Co Ltd アイリス認識方法及び装置、データ変換方法及び装置
JP2000076514A (ja) * 1998-08-31 2000-03-14 Oji Paper Co Ltd 偽札識別方法および装置
JP2000298727A (ja) * 1999-03-23 2000-10-24 Lg Electronics Inc 虹彩認識システムの偽造判別方法
JP2003030659A (ja) * 2001-07-16 2003-01-31 Matsushita Electric Ind Co Ltd 虹彩認証装置及び虹彩撮像装置

Also Published As

Publication number Publication date
US7660443B2 (en) 2010-02-09
CN1698068A (zh) 2005-11-16
US20050286747A1 (en) 2005-12-29
EP1619624A1 (en) 2006-01-25
EP1619624A4 (en) 2010-06-23

Similar Documents

Publication Publication Date Title
KR102387571B1 (ko) 라이브니스 검사 방법 및 장치
US9355299B2 (en) Fraud resistant biometric financial transaction system and method
JP4686153B2 (ja) 情報処理装置、不正者検出方法および現金自動預け払い装置
Jain Biometric recognition: how do I know who you are?
JP5076563B2 (ja) 顔照合装置
KR20190089387A (ko) 라이브니스 검사 방법 및 장치
EP1416425A1 (en) System and method for detecting a face
WO2018129687A1 (zh) 指纹防伪方法和设备
US20200349372A1 (en) Method and apparatus with liveness detection
KR102038576B1 (ko) 홍채 인식 시스템의 부정행위 검출 방법
JP2002236666A (ja) 個人認証装置
KR100825689B1 (ko) 얼굴 위장 판별 방법
CN108491768A (zh) 角膜反射人脸认证抗欺诈攻击方法、人脸特征认证系统
WO2004097743A1 (ja) 偽眼識別方法および装置、偽眼識別プログラム、虹彩認証方法、偽造印刷物識別方法、並びに画像識別方法
Aishwarya et al. Palm print recognition using liveness detection technique
JP3598114B1 (ja) 偽眼識別方法および装置、偽眼識別プログラム並びに虹彩認証方法
WO2022059151A1 (ja) 顔認証方法、顔認証プログラム、および顔認証装置
Park et al. Iris recognition against counterfeit attack using gradient based fusion of multi-spectral images
CN115775409A (zh) 一种人脸图像防篡改融合检测方法
JP2010244570A (ja) 情報処理装置、不正者検出方法および現金自動預け払い装置
Thukral et al. IRIS spoofing through print attack using SVM classification with gabor and HOG features
JP2004355652A (ja) 偽造印刷物識別方法および装置、並びに画像識別方法および装置
JP2005084979A (ja) 顔認証システムおよび方法並びにプログラム
Priyanka et al. Genuine selfie detection algorithm for social media using image quality measures
WO2024042674A1 (ja) 情報処理装置、認証方法および記憶媒体

Legal Events

Date Code Title Description
AK Designated states

Kind code of ref document: A1

Designated state(s): AE AG AL AM AT AU AZ BA BB BG BR BW BY BZ CA CH CN CO CR CU CZ DE DK DM DZ EC EE EG ES FI GB GD GE GH GM HR HU ID IL IN IS KE KG KP KR KZ LC LK LR LS LT LU LV MA MD MG MK MN MW MX MZ NA NI NO NZ OM PG PH PL PT RO RU SC SD SE SG SK SL SY TJ TM TN TR TT TZ UA UG US UZ VC VN YU ZA ZM ZW

AL Designated countries for regional patents

Kind code of ref document: A1

Designated state(s): BW GH GM KE LS MW MZ NA SD SL SZ TZ UG ZM ZW AM AZ BY KG KZ MD RU TJ TM AT BE BG CH CY CZ DE DK EE ES FI FR GB GR HU IE IT LU MC NL PL PT RO SE SI SK TR BF BJ CF CG CI CM GA GN GQ GW ML MR NE SN TD TG

121 Ep: the epo has been informed by wipo that ep was designated in this application
WWE Wipo information: entry into national phase

Ref document number: 20048004613

Country of ref document: CN

WWE Wipo information: entry into national phase

Ref document number: 2004730091

Country of ref document: EP

WWE Wipo information: entry into national phase

Ref document number: 10529316

Country of ref document: US

WWP Wipo information: published in national office

Ref document number: 2004730091

Country of ref document: EP