WO2011042950A1 - 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 - Google Patents

Abstract

　生体情報処理装置は、利用者の生体情報を取得して、その生体情報を表す入力生体データを生成する生体情報取得部と、処理部とを有する。その処理部は、入力生体データに表された入力生体情報から、生体情報の特徴を表す特徴量を抽出する特徴量抽出機能と、抽出された特徴量に基づいて、入力生体データに表された入力生体情報を、同じ特徴を持つ生体情報ごとにカテゴライズされた複数のクラスのうちの少なくとも一つに分類し、かつ、入力生体情報が分類されたクラスに対する信頼度を算出する分類機能と、信頼度のうちの最大値が、複数のクラスのうちの信頼度の最大値に対応するクラスに設定された閾値よりも高いか否か判定する良否判定機能と、信頼度の最大値が閾値以下である場合、生体情報取得部に利用者の生体情報を再取得させることを利用者に促すガイダンス機能とを実現する。

Description

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

　ここに開示される実施形態は、生体データに表された生体情報を生体認証に利用する生体情報処理装置、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に関する。

　近年、手または指の静脈のパターン、指紋または掌紋などの生体情報を表した生体画像に基づいて、装置またはシステムの利用者を認証する生体認証技術が開発されている。そのような生体認証技術を利用した生体認証装置は、例えば、生体認証装置を使用しようとする利用者の生体情報を表す生体画像を入力生体画像として取得する。そして生体認証装置は、入力生体画像に表された利用者の入力生体情報を、予め登録された登録利用者の生体画像に表された生体情報である登録生体情報と照合する。生体認証装置は、照合処理の結果に基づいて、入力生体情報と登録生体情報が一致すると判定した場合、その利用者を正当な権限を有する登録利用者として認証する。そして生体認証装置は、認証された利用者が生体認証装置が組み込まれた装置または生体認証装置と接続された他の装置を使用することを許可する。

　このような生体認証装置が用いられている場合、利用者は、所望の装置を使用するために、生体認証処理が終了するまで待機しなければならない。そのため、生体認証処理を実行するために要する時間が長くなると、利用者の利便性が損ねられる。特に、入力生体情報が、生体認証装置に予め記憶されている複数の登録生体画像のそれぞれに表された登録生体情報と照合される、いわゆる１対Ｎ照合方式が採用される場合、生体認証装置は複数回の照合処理を実行しなければならない。そのため、必然的に生体認証処理に要する時間も長くなってしまう。

　そこで、入力生体情報から抽出された特徴量に基づいて、入力生体情報を複数のクラスのうちの何れかに分類し、入力生体情報をその分類されたクラスに属する登録生体情報とのみ照合する技術が開発されている（例えば、特許文献１及び２を参照）。このような技術を採用することにより、照合に利用される登録生体情報の数が減少するので、照合処理の実行回数が減少する。その結果として、生体認証装置は、１対Ｎ照合方式が採用される場合でも、生体認証処理全体に要する時間を短縮することができる。なお、公知の技術では、入力生体情報が指紋である場合、例えば、隆線間隔、指紋の中心の位置、または隆線方向が、入力生体情報を分類するために利用される。

　また、生体認証技術は、高精度で利用者を認証するために、生体画像に生体情報の特徴的な構造が鮮明に写っていることが望ましい。しかし、生体情報を入力するためのセンサに対する、照合に利用される生体情報を含む利用者の部位のポジショニングが不適切であると、生体画像において、照合に使用されるべき生体情報の一部が写っていなかったり、あるいは生体情報が不鮮明となってしまう。そして場合によっては、生体認証装置は、入力生体情報を分類するために利用される特徴量を入力生体情報から抽出できず、入力生体情報を正確に分類できなくなる。そして入力生体情報が、誤って本来属するべきクラスとは異なるクラスに分類されると、生体認証装置は、入力生体情報を、対応する利用者の登録生体情報と照合できなくなる。そのため、認証精度が低下する。

　そこで、入力生体情報が適正でないと判断した場合には、生体情報をセンサに再度読み取らせることで生体画像が再生成されるよう、利用者に通知する技術が開発されている（例えば、特許文献３及び４を参照）。このような技術では、例えば、入力生体情報が表された画像の濃度分布、またはその画像から生体情報の特徴点が抽出できたか否か、あるいは特徴点の位置に基づいて、その画像が適正か否か判断される。

特開２００２－１３３４１６号公報 特開２００６－３９７７７号公報 特開２００１－１６７２６８号公報 特開２００３－２５６８１５号公報

　入力生体情報をその特徴に応じて複数のクラスのうちの何れかに分類する場合、クラスごとに、入力生体情報を正確に分類するために必要な情報は異なることがある。
　しかし、従来技術では、生体認証装置は、入力生体情報が表された画像について、クラスとは無関係に、同一の基準で適正か否かを判定していた。そのため、従来技術を採用した生体認証装置は、入力生体情報を正確に分類するために必要な情報が入力生体情報に含まれている場合でも、入力生体情報が表された画像を不適切と判定してしまうことがあった。このような場合、本来であれば、利用者は、生体情報を再度読み取らせなくてよいにもかかわらず、生体情報を再入力することが求められ、その結果、生体認証処理に余計な時間が掛かってしまうおそれがあった。

　そこで、本明細書は、照合に適した生体情報を取得できるとともに、生体情報の無用な再取得を防止可能な生体情報処理装置、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を提供することを目的とする。

　一つの実施形態によれば、生体情報処理装置が提供される。この生体情報処理装置は、利用者の生体情報を取得して、その生体情報を表す入力生体データを生成する生体情報取得部と、処理部とを有する。その処理部は、入力生体データに表された入力生体情報から、生体情報の特徴を表す特徴量を抽出する特徴量抽出機能と、抽出された特徴量に基づいて、入力生体データに表された入力生体情報を、同じ特徴を持つ生体情報ごとにカテゴライズされた複数のクラスのうちの少なくとも一つに分類し、かつ、入力生体情報が分類されたクラスに対する信頼度を算出する分類機能と、信頼度のうちの最大値が、複数のクラスのうちの信頼度の最大値に対応するクラスに設定された閾値よりも高いか否か判定する良否判定機能と、信頼度の最大値が閾値以下である場合、生体情報取得部に利用者の生体情報を再取得させることを利用者に促すガイダンス機能とを実現する。

　さらに他の実施形態によれば、生体情報処理方法が提供される。この生体情報処理方法は、利用者の生体情報を取得して、その生体情報を表す入力生体データを生成し、入力生体データに表された入力生体情報から、生体情報の特徴を表す特徴量を抽出し、抽出された特徴量に基づいて、入力生体データに表された入力生体情報を、同じ特徴を持つ生体情報ごとにカテゴライズされた複数のクラスのうちの少なくとも一つに分類し、かつ、入力生体情報が分類されたクラスに対する信頼度を算出し、信頼度のうちの最大値が、複数のクラスのうちの信頼度の最大値に対応するクラスに設定された閾値よりも高いか否か判定し、信頼度の最大値が閾値以下である場合、生体情報取得部に利用者の生体情報を再取得させることを利用者に促すことを含む。

　さらに他の実施形態によれば、生体情報の処理をコンピュータに行わせるコンピュータプログラムが提供される。このコンピュータプログラムは、生体情報取得部により生成された入力生体データに表された利用者の生体情報から、その生体情報の特徴を表す特徴量を抽出し、抽出された特徴量に基づいて、入力生体データに表された入力生体情報を、同じ特徴を持つ生体情報ごとにカテゴライズされた複数のクラスのうちの少なくとも一つに分類し、かつ、入力生体情報が分類されたクラスに対する信頼度を算出し、信頼度のうちの最大値を、複数のクラスのうちの信頼度の最大値に対応するクラスに設定された閾値よりも高いか否か判定し、信頼度の最大値が閾値以下である場合、生体情報取得部に利用者の生体情報を再取得させることを利用者に促すことをコンピュータに実行させる命令を有する。

　本発明の目的及び利点は、請求項において特に指摘されたエレメント及び組み合わせにより実現され、かつ達成される。
　上記の一般的な記述及び下記の詳細な記述の何れも、例示的かつ説明的なものであり、請求項のように、本発明を限定するものではないことを理解されたい。

　本明細書に開示された生体情報処理装置、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は、照合に適した生体情報を取得できるとともに、生体情報の無用な再取得を防止することができる。

図１は、第１の実施形態による、生体情報処理装置の概略構成図である。 図２（ａ）～（ｅ）は、指紋の特徴量とその特徴量により特徴付けられる指紋のクラスの関係の一例を示す図である。 図３は、第１の実施形態による、利用者に対する生体認証処理を実行するために実現される機能を示す、生体情報処理装置が有する処理部の機能ブロック図である。 図４（ａ）～（ｅ）は、それぞれ、入力生体画像に指紋の上側の部分領域のみが撮影されている場合に検出された特異点と各クラスの関係を示す図である。 図５（ａ）～（ｅ）は、それぞれ、入力生体画像に表された指紋が渦巻き型のクラスに属する指紋である場合において、入力生体画像に写っている指紋の領域に何れかの特異点が含まれない場合を示す図である。 図６（ａ）及び図６（ｂ）は、指紋が写っている領域の広さと、入力生体情報が分類されるクラスに対する信頼度の関係を表す図である。 図７は、入力生体画像から抽出された特徴点に対する、各クラスの信頼度を表す参照テーブルの一例を示す図である。 図８は、処理部上で実行されるコンピュータプログラムにより制御される、生体認証処理の動作フローチャートを示す図である。 図９は、第２の実施形態による、生体情報処理装置が有する処理部の機能ブロック図である。 図１０（ａ）は、指が過度に立った状態に対応する入力生体画像の概略図であり、図１０（ｂ）は、指が下方に偏った状態に対応する入力生体画像の概略図である。 図１１は、第３の実施形態による、利用者の生体情報を登録するために実現される機能を示す、生体情報処理装置が有する処理部の機能ブロック図である。 図１２は、処理部上で実行されるコンピュータプログラムにより制御される、生体情報登録処理の動作フローチャートを示す。

　以下、図を参照しつつ、第１の実施形態による、生体認証処理を実行する生体情報処理装置について説明する。
　この生体情報処理装置は、利用者に対する生体認証処理を実行するために、利用者の生体情報を表したデータである入力生体データを取得する。この生体情報処理装置は、入力生体データに表された利用者の生体情報である入力生体情報を、入力生体情報から抽出された特徴量に基づいて、同じ特徴を持つ生体情報ごとにカテゴライズした複数のクラスのうちの少なくとも一つのクラスに分類する。そして、この生体情報処理装置は、入力生体情報が分類されたクラスに属する、予め登録された登録利用者の生体情報である登録生体情報と入力生体情報を照合する。この生体情報処理装置は、入力生体情報と何れかの登録生体情報が一致すると判定した場合、利用者を、入力生体情報と一致すると判定された登録生体情報に対応する登録利用者として認証する。
　ここで、この生体情報処理装置は、入力生体情報が分類されたクラスに属する確からしさを表す信頼度を、入力生体情報から抽出された特徴量に基づいて決定する。そしてこの生体情報処理装置は、その信頼度を、クラスごとに設定された閾値と比較することで、入力生体データの再生成が必要か否か判定する。

　本実施形態では、生体情報処理装置は、生体認証の対象となる生体情報として指の指紋を利用する。そのため、入力生体情報及び登録生体情報は画像上に表される。そこで、入力生体情報が表された入力生体データとして、入力生体画像が利用される。同様に、登録生体情報が表された登録生体データとして、登録生体画像が利用される。しかし、生体認証の対象となる生体情報は、掌紋、鼻紋、静脈パターン、掌形、顔貌、耳介または網膜パターンなど、静止画像に表される他の生体情報であってもよい。さらに、生体認証の対象となる生体情報は、時間的に連続して取得される声紋あるいは歩容などであってもよい。例えば、生体情報が声紋である場合、入力生体データ及び登録生体データは、その声紋が所定期間にわたって記録された音声信号となる。
　また、本明細書において、「照合処理」という用語は、入力生体情報と登録生体情報の類似度合いを表す類似度を算出する処理を示すために使用される。また、「生体認証処理」という用語は、照合処理だけでなく、照合処理により求められた類似度を用いて、利用者を認証するか否かを決定する処理を含む、認証処理全体を示すために使用される。

　図１は、生体情報処理装置の概略構成図を示す。図１に示されるように、この生体情報処理装置１は、表示部２と、生体情報取得部３と、記憶部４と、処理部５とを有する。生体情報処理装置１は、生体情報取得部３により利用者の指の指紋を表す入力生体画像を生成し、その入力生体画像を用いて生体認証処理を実行する。そして生体情報処理装置１は、生体認証処理の結果、利用者を登録利用者の何れかとして認証した場合、生体情報処理装置１が実装された装置をその利用者が使用することを許可する。あるいは、生体情報処理装置１は、図示しない他の装置へ、利用者が認証された旨を表す信号を送信して、その利用者が他の装置を使用することを許可する。
　なお、生体情報処理装置１は、例えば、キーボード、マウス、またはタッチパッドなどの入力部６を有してもよい。そして生体情報処理装置１は、入力部６を介して利用者により入力されたコマンド、データ、あるいは利用者の識別情報を取得し、そのコマンド、データあるいは利用者の識別情報を処理部５へ渡してもよい。ただし、利用者が生体情報以外の情報を生体情報処理装置１に対して入力する必要がない場合、この入力部６は省略されてもよい。

　表示部２は、例えば、液晶ディスプレイまたはＣＲＴモニタなどの表示装置を有する。そして表示部２は、生体情報取得部３が適正な入力生体画像を取得可能な位置へ、指を配置させるためのガイダンスメッセージを利用者に対して表示する。また表示部２は、処理部５により実行されたアプリケーションに関連する各種情報などを表示する。

　生体情報取得部３は、利用者の指紋を表す入力生体画像を生成する。そのために、生体情報取得部３は、例えば、スイープ式の指紋センサを有する。この指紋センサは、例えば、光学式、静電容量式、電界式または感熱式の何れかの方式を採用したセンサとすることができる。また生体情報取得部３は、エリアセンサを利用する、何れかの指紋センサを有してもよい。そして生体情報取得部３は、生成した入力生体画像を処理部５へ渡す。
　なお生体情報取得部３は、表示部２または入力部６と一体的に形成されていてもよい。

　記憶部４は、例えば、半導体メモリ、磁気ディスク装置、または光ディスク装置のうちの少なくとも何れか一つを有する。そして記憶部４は、生体情報処理装置１で使用されるアプリケーションプログラム、少なくとも一人の登録利用者の識別情報及び個人設定情報、各種のデータ等を記憶する。また記憶部４は、生体認証処理を実行するためのプログラムを記憶する。さらに記憶部４は、登録利用者それぞれについて、登録利用者の登録生体情報である特定の指の指紋に関するデータを記憶する。この登録生体情報に関するデータは、例えば、登録利用者の特定の指の指紋を撮影した画像である登録生体画像とすることができる。あるいは、この登録生体情報に関するデータは、登録生体画像そのものまたはその部分領域から抽出された照合処理用の特徴量であってもよい。
　また記憶部４は、生体情報取得部３が適正な入力生体画像を取得可能な位置へ、指を配置させるためのガイダンスメッセージを記憶する。

　さらに、記憶部４は、各登録生体情報と関連付けて、その登録生体情報が、同じ特徴を持つ生体情報ごとにカテゴライズされたクラスのうちの何れに属するかを示すクラス識別情報も記憶する。
　本実施形態では、登録生体情報である指紋は、その指紋から抽出された特徴量に従って、渦巻き型、左ループ型、右ループ型、弓状紋型、突起弓状紋型の何れかのクラスに分類される。

　図２（ａ）～（ｅ）は、それぞれ、渦巻き型の指紋２００、左ループ（左流蹄状紋）型の指紋２１０、右ループ（右流蹄状紋）型の指紋２２０、弓状紋型の指紋２３０、突起弓状紋型の指紋２４０の概略図である。
　各図において、上側に凸な円弧２０１は、複数の隆線が渦状となった中心に位置し、隆線が上側に凸となる特異点である上凸コアを表す。一方、下側に凸な円弧２０２は、複数の隆線が渦状となった中心に位置し、隆線が下側に凸となる特異点である下凸コアを表す。さらに、下側に向いた矢印２０３は、上凸コアを形成する隆線の方向を表す。また三角形２０４は、隆線が三角州状に形成された特異点であるデルタ特異点を表す。

　図２（ａ）に示されるように、渦巻き型のクラスに属する指紋２００は、上凸コア２０１と、下凸コア２０２と、二つのデルタ特異点２０４を含む。そして二つのデルタ特異点２０５は、上凸コア２０１と下凸コア２０２を結ぶ線を挟むように配置される。さらに、渦巻き型のクラスに属する指紋２００では、上凸コア２０１を形成する隆線の方向２０３が下凸コア２０２の方を向いている。

　図２（ｂ）に示されるように、左ループ型のクラスに属する指紋２１０は、上凸コア２０１と、一つのデルタ特異点２０４を含む。また左ループ型のクラスに属する指紋２１０では、デルタ特異点２０４は、上凸コア２０１よりも右側に存在し、また、上凸コア２０１を形成する隆線の方向２０３が、上凸コア２０１から上凸コア２０１よりも左下方へ向いている。一方、図２（ｃ）に示されるように、右ループ型のクラスに属する指紋２２０は、左ループ型のクラスに属する指紋２１０と鏡面対称な構造を有している。

　図２（ｄ）に示されるように、弓状紋型のクラスに属する指紋２３０は、上凸コア２０１を有するが、それ以外の特異点（すなわち、下凸コア及びデルタ特異点）を有さない。そして図２（ｅ）に示されるように、突起弓状紋型のクラスに属する指紋２４０は、上凸コア２０１と、上凸コア２０１のほぼ真下に位置する一つのデルタ特異点２０４を含む。そして上凸コアを形成する隆線の方向２０３が、デルタ特異点２０４へ向いている。

　本実施形態では、登録生体情報である指紋を表す登録生体画像が取得されたときに、その登録生体情報から、上凸コア、下凸コア、及びデルタ特異点が特徴量として検出される。そして登録生体情報は、検出された特徴量に基づいて、上記の５種類のクラスのうちの最も近いクラスに分類される。なお、登録生体情報からの特徴量の抽出及び登録生体情報のクラスへの分類は、後述する入力生体情報からの特徴量の抽出及び入力生体情報の分類と同様の方法により実行される。

　処理部５は、１個または複数個のプロセッサ及びその周辺回路を有する。そして処理部５は、生体情報取得部３から取得した、その利用者の指紋である入力生体情報が表された入力生体画像を用いた生体認証処理を実行する。

　図３は、生体認証処理を実行するために実現される機能を示す処理部５の機能ブロック図である。図３に示されるように、処理部５は、特徴量抽出部１１と、分類部１２と、良否判定部１３と、ガイダンス処理部１４と、照合部１５と、認証判定部１６とを有する。処理部５が有するこれらの各部は、処理部５が有するプロセッサ上で実行されるコンピュータプログラムによって実装される機能モジュールである。あるいは、処理部５が有するこれらの各部は、ファームウェアとして生体情報処理装置１に実装されてもよい。

　特徴量抽出部１１は、入力生体情報をどのクラスに分類するかを決定するために利用される特徴量を抽出する。本実施形態では、指紋である入力生体情報は、図２（ａ）～図２（ｅ）のそれぞれに示された指紋の型のクラスの何れかに分類される。そこで、特徴量抽出部１１は、特徴量として、図２（ａ）～図２（ｅ）のそれぞれに示された指紋の型を特徴付ける、上凸コア、下凸コア、デルタ特異点などの特異点を検出する。なお、特徴量抽出部１１は、上凸コアを形成する隆線の方向も、特徴量として求めてもよい。

　特徴量抽出部１１は、例えば、以下の手順に従って、特徴量を抽出する。
　先ず、特徴量抽出部１１は、局所閾値法を用いて入力生体画像を２値化することにより、隆線に対応する画素と谷線に対応する画素が異なる値を持つ２値化生体画像を作成する。次に、特徴量抽出部１１は、隆線が一つの画素の幅で表されるように、２値化生体画像に対して細線化処理を行う。その後、特徴量抽出部１１は、上凸コアに対応する少なくとも一つのテンプレートと、細線化された２値化生体画像との間でテンプレートマッチングを実行することにより、相関値を求める。その際、特徴量抽出部１１は、細線化された２値化生体画像に対するテンプレートの相対的な位置を変更しつつ、細線化された２値化生体画像上の各位置についてテンプレートとの相関値を求める。そして特徴量抽出部１１は、細線化された２値化生体画像上で、求められた相関値が最も高い位置を特定する。その最も高い相関値が、所定値（例えば、0.9）以上となる場合、特徴量抽出部１１は、検出された位置に上凸コアが存在すると判定する。

　同様に、特徴量抽出部１１は、細線化された２値化生体画像と、下凸コアまたはデルタ特異点に対応するテンプレートとのテンプレートマッチングを行うことにより、入力生体情報から下凸コア及びデルタ特異点を抽出する。ただし、デルタ特異点に関しては、特徴量抽出部１１は、相関値が最も高くなった位置を中心とする、デルタ特異点のテンプレートのサイズの領域を除いた残りの領域内で最も相関値が高い位置を特定する。そしてその特定された位置に対する相関値も所定値以上であれば、特徴量抽出部１１は、その位置にもデルタ特異点が存在すると判定する。
　ただし、細線化された２値化生体画像と上凸コアに対応するテンプレートとの相関値の最大値が所定値未満であれば、特徴量抽出部１１は、入力生体情報から上凸コアを抽出しない。同様に、細線化された２値化生体画像と下凸コアまたはデルタ特異点に対応するテンプレートとの相関値の最大値が所定値未満であれば、特徴量抽出部１１は、入力生体情報から下凸コアまたはデルタ特異点を抽出しない。

　なお、各テンプレートは、例えば、複数の隆線が含まれる程度の大きさを持つ。そして上凸コアに対応するテンプレートには、上凸コアに対応する２値パターン、例えば、略同心円状の上側に凸な複数の円弧が表される。同様に、下凸コアに対応するテンプレートには、下凸コアに対応する２値パターン、例えば、略同心円状の下側に凸な複数の円弧が表される。さらに、デルタ特異点に対応するテンプレートには、一つの画素から３本向へ隆線が伸びるパターンが表される。

　特徴量抽出部１１は、入力生体情報から上凸コアが抽出された場合、細線化された２値化生体画像上の、上凸コアが検出された位置周辺で、上凸コアよりも下方に存在する領域に含まれる複数の隆線の方向を求めてもよい。そのような領域は、例えば、水平方向について、上凸コアが検出された位置を水平方向の中心として、隆線が複数本含まれる幅を有するとともに、垂直方向について、上凸コアが検出された位置を上端として、隆線が複数本含まれる幅を有する。特徴量抽出部１１は、その領域内の複数の隆線の方向の平均値を、上凸コアを形成する隆線の方向とする。
　なお、特徴量抽出部１１は、上凸コア、下凸コア及びデルタ特異点などの特異点を検出する公知の他の方法を用いて、入力生体画像及び登録指紋画像からそれらの特異点を抽出してもよい。また、特徴量抽出部１１は、上凸コアを形成する隆線の方向を求めるために、隆線方向を求める公知の何れかの方法を利用することができる。

　さらに、特徴量抽出部１１は、細線化された２値化生体画像において、複数の隆線の間隔の平均値を、隆線間隔として算出してもよい。
　また、特徴量抽出部１１は、入力生体画像全体を、例えばその輝度平均値で２値化することにより、生体情報が写っている領域とその他の領域とが異なる値を持つ生体領域画像を作成する。

　特徴量抽出部１１は、検出された特異点について、その特異点の種別（すなわち、上凸コア、下凸コアまたはデルタ特異点）を識別する情報と、その特異点が検出された入力生体画像上の位置を、分類部１２へ渡す。また特徴量抽出部１１は、上凸コアを形成する隆線の方向も求めた場合、その隆線の方向も分類部１２へ渡す。さらに特徴量抽出部１１は、隆線間隔及び生体領域画像も分類部１２へ渡す。

　分類部１２は、特徴量抽出部１１により抽出された特徴量に基づいて、入力生体情報を複数のクラスの少なくとも何れかに分類する。
　ここで、利用者が、生体情報取得部３のセンサ面に対して不適正なポジションに指を置いた場合、入力生体画像には、指紋の一部の領域だけが表される。特に、生体情報取得部３のセンサ面が小さい場合など、入力生体画像に指紋の一部しか写らないため、センサ面に対して少しでも指の位置がずれると、一部の特異点が入力生体画像上に写らないことがある。
　このような場合、特徴量抽出部１１は、入力生体画像から、一部の特異点を検出できない可能性がある。その結果として、入力生体情報は適切なクラスに分類されないおそれがある。しかし、入力生体情報が属するクラスによっては、一部の特異点が入力生体画像に写っていなくても、その入力生体情報は正確に分類される。
　そこで分類部１２は、抽出された特徴量または特徴量の組み合わせに応じて、入力生体情報が所定のクラスに属するとしたときに、その確からしさを表す信頼度を、入力生体情報が属すると判定した各クラスに対して求める。例えば、分類部１２は、記憶部４に記憶された信頼度テーブルを参照し、抽出された特徴量に該当する信頼度及びクラスを決定する。

　以下、図４～図６を参照しつつ、入力生体画像に、指紋の一部の領域だけが表される場合において、検出された特異点と各クラスに対して設定される信頼度の関係を説明する。
　図４（ａ）～（ｅ）は、それぞれ、入力生体画像に指紋の上側の部分領域のみが撮影されている場合に検出された特異点と各クラスの関係を示す図である。図４（ａ）～（ｅ）は、それぞれ、渦巻き型クラス、左ループ型クラス、右ループ型クラス、弓状紋型クラス、突起弓状紋型クラスに対応する。

　各図において、矩形４００は、入力生体画像全体を表す。ハッチング領域４１０は、入力生体画像において指紋が写っている領域を表す。また上側に凸な円弧４０１は、上凸コアを表す。一方、下側に凸な円弧４０２は、下凸コアを表す。さらに、下側に向いた矢印４０３は、上凸コアを形成する隆線の方向を表す。また三角形４０４は、デルタ特異点を表す。このうち、これら特異点及び隆線方向のうち、実線で表されたものは、特徴量抽出部１１により検出されたことを示す。一方、点線で表されたものは、指紋が写っている領域４１０に含まれないために、特徴量抽出部１１により検出できなかったことを示す。

　図４（ａ）～（ｅ）に示されるように、検出された特異点が上凸コア４０１のみであり、かつ、上凸コア４０１が領域４１０の下端近傍に位置しているとする。この場合、指紋が写っていない領域に、下凸コアまたはデルタ特異点が存在する可能性がある。しかし、入力生体画像４００には、上凸コア４０１よりも下方の指紋が写っていないため、特徴量抽出部１１は、下凸コア４０２及びデルタ特異点４０４が、指紋上に存在するか否かを判別することができない。また特徴量抽出部１１は、上凸コア４０１を形成する隆線の方向を求めることも困難である。そのため、入力生体画像４００に表された指紋は、何れのクラスにも属する可能性がある。
　従って、このような場合、分類部１２は、入力生体画像４００に表された入力生体情報を、何れのクラスにも分類するとともに、各クラスに対する信頼度を低い値とすることが好ましい。

　また、図５（ａ）～（ｅ）は、それぞれ、入力生体画像に表された指紋が渦巻き型のクラスに属する指紋であり、入力生体画像に写っている指紋の領域に何れかの特異点が含まれない場合を示す図である。

　各図において、矩形５００は、入力生体画像全体を表す。ハッチング領域５１０は、入力生体画像において指紋が写っている領域を表す。また上側に凸な円弧５０１は、上凸コアを表す。一方、下側に凸な円弧５０２は、下凸コアを表す。また三角形５０４は、デルタ特異点を表す。このうち、これら特異点のうち、実線で表されたものは、特徴量抽出部１１により検出されたことを示す。一方、点線で表されたものは、指紋が写っている領域５１０に含まれないために、特徴量抽出部１１により検出できなかったことを示す。

　図５（ａ）、（ｂ）、（ｅ）では、二つあるデルタ特異点のうちの一方または両方が検出されなかったものの、それ以外の特異点が検出されている。しかし、渦巻き型以外の指紋のクラスの何れも、上凸コアと下凸コアの両方を有することはない。
　また、図５（ｃ）、（ｄ）では、上凸コアと下凸コアのうちの一方が検出されなかったものの、それ以外の特異点が検出されている。しかし、渦巻き型以外の指紋のクラスの何れも、二つのデルタ特異点を有することはない。
　そのため、図５（ａ）～（ｅ）に示されるような場合、何れかの特異点が検出されていないにもかかわらず、入力生体画像５００に表された指紋は、渦巻き型のクラスに分類されるとともに、渦巻き型のクラスに対して高い信頼度を持つことが好ましい。

　このように、分類部１２は、入力生体情報が属する可能性があるクラスが複数存在する場合、入力生体情報をそれら複数のクラスに分類する。一方、入力生体情報が属する可能性があるクラスが一つのみ存在する場合、分類部１２は、入力生体情報をその一つのクラスに分類する。そして分類部１２は、入力生体情報が分類されたクラスの数が少ないほど、そのクラスに対する信頼度を高く設定する。
　また、入力生体情報が写っている領域が広いほど、検出されなかった特異点が入力生体情報に含まれるか否かが正確に判定される。そこで、分類部１２は、入力生体情報が写っている領域の面積に応じて、入力生体情報が分類されるクラス及び信頼度を変更してもよい。

　図６（ａ）及び図６（ｂ）を参照しつつ、指紋が写っている領域の広さに応じて、入力生体情報が分類されたクラスに対する信頼度を変更する一例を説明する。

　各図において、矩形６００は、入力生体画像全体を表す。ハッチング領域６１０は、入力生体画像において指紋が写っている領域を表す。また上側に凸な円弧６０１は、上凸コアを表す。一方、下側に凸な円弧６０２は、下凸コアを表す。また三角形６０４は、デルタ特異点を表す。このうち、これら特異点のうち、実線で表されたものは、特徴量抽出部１１により検出されたことを示す。一方、点線で表されたものは、特徴量抽出部１１により検出されなかったことを示す。

　図６（ａ）では、上凸コア６０１から指紋が写っている領域６１０の右側の境界までの最短距離ｄが、上凸コアよりも右側にデルタ特異点が存在しても、そのデルタ特異点が指紋が写っている領域に含まれないほど短い。そのため、特徴量抽出部１１は、下凸コア及び上凸コアよりも右側にデルタ特異点が存在するか否かを判定することができない。このような場合、分類部１２は、入力生体情報を渦巻き型及び右ループ型に分類し、その二つのクラスに対する信頼度を同一の値に設定することが好ましい。また分類部１２は、入力生体情報が属するクラスを、渦巻き型または右ループ型に特定できないので、それら二つのクラスに対する信頼度を、入力生体情報が一つのみのクラスに分類された場合の信頼度よりも低くすることが好ましい。

　一方、図６（ｂ）では、上凸コア６０１から指紋が写っている領域６１０の右側の境界までの最短距離ｄが、上凸コアよりも右側にデルタ特異点が存在するなら、確実にそのデルタ特異点が指紋が写っている領域に含まれるほど長い。そのため、特徴量抽出部１１は、下凸コアは存在せず、上凸コアよりも右側にはデルタ特異点が存在しないと判定できる。そのため、分類部１２は、入力生体情報を右ループ型のクラスにのみ分類することが好ましい。また分類部１２は、右ループ型に対する信頼度を、図６（ａ）の場合における右ループ型に対する信頼度よりも高くすることが好ましい。

　このように、上凸コア６０１と左側のデルタ特異点６０４のみが検出されている場合、分類部１２は、上凸コア６０１から指紋が写っている領域６１０（すなわち、生体領域）の右側の境界までの最短距離ｄを、指紋が写っている領域のサイズの指標とする。そして分類部１２は、その最短距離ｄに応じて、渦巻き型のクラス及び右ループ型のクラスに対する信頼度を変更する。
　具体的には、分類部１２は、最短距離ｄが所定の閾値Tdiよりも大きいとき、入力生体情報を右ループ型のクラスに分類し、右ループ型に対する信頼度を、信頼度が取り得る最高値とする。一方、最短距離ｄが所定の閾値Tdi以下のとき、分類部１２は、入力生体情報を渦巻き型のクラス及び右ループ型に分類するとともに、渦巻き型のクラス及び右ループ型に対する信頼度を、信頼度の最高値の1/2とする。あるいは、最短距離ｄが大きくなるほど、分類部１２は、右ループ型のクラスに対する信頼度を高くし、一方、渦巻き型のクラスに対する信頼度を低くしてもよい。この場合、分類部１２は、例えば、以下の式にしたがって、渦巻き型のクラスに対する信頼度Rw及び右ループ型に対する信頼度Rrを決定する。
　　Rw = 100 × (1-d/Tdi)
　　Rr = 100 × d/Tdi
　なお、所定の閾値Tdiは、例えば、上凸コアよりも右側にデルタ特異点が存在するときに、上凸コアからその右側のデルタ特異点の右側端までの距離に相当する値とすることができる。

　また、利用者ごとに指の大きさは異なる。そのため、上記の閾値Tdiは、指が大きいほど、大きくすることが好ましい。そこで、分類部１２は、指の大きさを表す指標として隆線間隔を使用することにより、閾値Tiを修正する。例えば、基準となる隆線間隔P0に対する閾値がTd0であり、入力生体情報から検出された隆線間隔がPiであれば、分類部１２は、閾値Tdiを以下の式に従って決定する。
　　Tdi = Td0×Pi/P0

　このように、分類部１２は、指紋が写っている領域のサイズの指標として、検出されている特異点から、検出されていない特異点の方向への距離を用いることができる。例えば、指紋が写っている領域の広さの指標の別の一例として、分類部１２は、垂直方向に沿って、上凸コアから指紋が写っている領域の下端までの距離Ｌを用いてもよい。
　なお、分類部１２は、上記の最短距離ｄ及び距離Ｌを、特徴量抽出部１１から受け取った上凸コアの位置と、生体領域画像に表されている指紋が写っている領域の境界間の距離を算出することにより求めることができる。

　図７は、信頼度テーブルの一例を示す図である。図７に示された信頼度テーブル７００において、各列は、左端から順に、それぞれ、検出された特異点の総個数、検出された上凸コアの個数、検出された下凸コアの個数、検出されたデルタ特異点の個数、信頼度、判定条件、クラスを表す。
　第１の例として、入力生体情報から上凸コア、下凸コア及び一つのデルタ特異点が検出された場合、分類部１２は、信頼度テーブル７００の行７０１を参照することにより、その入力生体情報を渦巻き型のクラスに分類し、かつ渦巻き型のクラスに対して信頼度を100とする。また分類部１２は、その他のクラスに対する信頼度を0とする。
　第２の例として、入力生体情報から、上凸コアと、上凸コアよりも左側に位置する一つのデルタ特異点が検出され、上凸コアよりも右側の指紋が写っている領域が狭い場合、分類部１２は、信頼度テーブル７００の行７０２を参照する。そして分類部１２は、その入力生体情報を渦巻き型及び右ループ型のクラスに分類し、かつ渦巻き型及び右ループ型のクラスに対して信頼度を50とする。また分類部１２は、その他のクラスに対する信頼度を0とする。

　なお、信頼度テーブル７００では、上凸コアを形成する隆線の方向は、各クラスの信頼度の決定に利用されていない。しかし、上凸コアを形成する隆線の方向も各クラスの信頼度の決定に利用されるように、信頼度テーブルは設定されてもよい。また、信頼度テーブルは、検出された特異点の総個数を含まなくてもよい。

　また、分類部１２は、他の方法により、入力生体情報を何れかのクラスに分類し、そして分類されたクラスに対する信頼度を設定してもよい。例えば、分類部１２は、特徴量を入力とし、生体情報の分類結果を出力とする機械学習システムを用いて、入力生体情報を分類してもよい。機械学習システムは、例えば、パーセプトロン型のニューラルネットワーク、あるいは１段または複数段に接続されたサポートベクトルマシンとすることができる。このような機械学習システムを学習するために、事前に属するクラスが分かっている複数の生体情報から、クラスの分類に利用される特徴量が抽出される。そしてそれら特徴量と、対応する生体情報の分類結果を教師データとして、バックプロパゲーションなどの学習アルゴリズムを利用することにより、機械学習システムは学習できる。

　分類部１２は、入力生体情報が分類されたクラスの識別情報と、そのクラスに対する信頼度を良否判定部１３へ渡す。

　良否判定部１３は、生体情報取得部３により生成された入力生体画像の分類結果が適正か否か判定する。そこで良否判定部１３は、入力生体情報が分類されたクラスに対する信頼度のうち、最も高い信頼度Rmaxを決定する。そして良否判定部１３は、Rmaxを、Rmaxに対応するクラスに対して定められた良否判定用閾値Tjmaxと比較する。そして良否判定部１３は、Rmaxが閾値Tjmaxよりも高ければ、入力生体情報をRmaxに対応するクラスに分類したことは適切であると判定する。この結果、入力生体画像は、Rmaxに対応するクラスに属する登録生体情報との照合に利用するのに適正であると判定される。一方、Rmaxが閾値Tjmax以下であれば、良否判定部１３は、入力生体情報をRmaxに対応するクラスに分類したことは適切でないと判定する。この結果、入力生体画像は、照合に利用するには不適正であると判定される。

　なお、Rmaxに対応するクラスが複数存在する場合、良否判定部１３は、Rmaxを、それら複数のクラスのそれぞれに対して定められた良否判定用閾値Tjc（c=1,2,..,n、ただしnは入力生体情報が分類されたクラスの総数）と比較する。そして良否判定部１３は、あるクラスk（1≦k≦n）についてRmaxが良否判定用閾値Tjkよりも高ければ、入力生体情報をそのクラスkに分類したことは適切であると判定する。一方、良否判定部１３は、何れのクラスについてもRmaxが良否判定用閾値Tjc以下であれば、入力生体画像の分類結果は適切でないと判定する。

　なお、各クラスに対する良否判定用閾値Tjcは、そのクラスに属する生体情報が誤って他のクラスに分類される可能性が高いクラスほど、高い値に設定されることが好ましい。これにより、分類誤りが生じる可能性が高いクラスについては、入力生体情報からそのクラスに属する生体情報が有する分類用の特徴量が正確に抽出されていなければ、良否判定部１３は、入力生体情報の分類結果を誤りと判定できる。そのため、良否判定部１３は、利用者の入力生体情報が、登録時において分類されたクラスと異なるクラスに分類される、すなわちビンニングエラーが発生する危険性を軽減できる。
　一方、分類誤りが生じる可能性が低いクラスについては、入力生体情報からそのクラスに属する生体情報が有する分類用の特徴量の一部が抽出できなくても、良否判定部１３は、入力生体情報の分類結果を適切と判定できる。そのため、良否判定部１３は、入力生体情報が正しく分類されているにもかかわらず、入力生体画像を再生成することを防止できる。

　例えば、図２（ａ）～図２（ｅ）に示された、指紋の各クラスのうち、渦巻き型のクラスに対する良否判定用閾値が最も低く設定されることが好ましい。渦巻き型のクラスに属する指紋は、他のクラスの指紋が有さない特徴（例えば、下凸コア）を有しているため、他のクラスに誤って分類される可能性が低いためである。これに対し、弓状紋型のクラスに対する良否判定用閾値は、他のクラスに対する良否判定用閾値よりも高く設定されることが好ましい。弓状紋型のクラスに属する指紋は、他のクラスの指紋が有する特異点と異なる特異点を有さない。そのため、弓状紋型のクラスに属する指紋は、他のクラスに属する指紋よりも、他のクラスに誤って分類される可能性が高いためである。

　良否判定部１３は、良否判定結果を示す情報を処理部５へ渡す。また、入力生体情報の分類結果が適切であると判定された場合には、良否判定部１３は、入力生体情報が分類されたクラスの識別情報を処理部５へ渡す。そして処理部５は、分類結果が不適切であると判定された場合、ガイダンス処理部１４へ、その判定結果を通知する。一方、処理部５は、分類結果が適切であると判定された場合、入力生体画像及び入力生体情報が分類されたクラスの識別情報を照合部１５へ渡す。

　ガイダンス処理部１４は、処理部５から入力生体情報の分類結果が不適切であるとの判定結果を通知されると、利用者に入力生体情報の再入力を促すガイダンスメッセージを記憶部４から読み出す。
　そしてガイダンス処理部１４は、読み込んだガイダンスメッセージを表示部２に表示させる。なお、ガイダンス処理部１４は、生体情報処理装置１がスピーカを有している場合、ガイダンスメッセージを、スピーカを介して音声により利用者に報知させてもよい。

　照合部１５は、処理部５から入力生体画像及び入力生体情報が分類されたクラスの識別情報を受け取ると、入力生体情報と、記憶部４に記憶された登録生体情報のうち、入力生体情報が分類されたクラスに属する登録生体情報を照合する。そして照合部１５は、照合処理の結果として、入力生体情報が各登録生体情報に類似している度合いを表す類似度をそれぞれ求める。

　照合部１５は、照合処理として、例えば、マニューシャマッチング、あるいはパターンマッチングを用いることができる。

　照合部１５は、マニューシャマッチングにより入力生体情報と登録生体情報を照合する場合、入力生体画像から照合用の特徴点を抽出する。そして照合部１５は、入力生体画像から抽出された特徴点と、記憶部４に登録生体情報に関するデータとして記憶されている、登録生体画像から抽出された複数の特徴点を使用する。

　照合部１５は、照合用の特徴点（マニューシャ）として、例えば、隆線の端点、分岐点を抽出する。そこで照合部１５は、隆線の分岐点及び端点を入力生体画像から抽出するために、特徴量抽出部１１の処理と同様の処理を行うことにより、入力生体画像から隆線が細線化された２値化画像を生成する。そして、照合部１５は、複数のマスクパターンを用いて細線化された入力生体画像を走査することにより、何れかのマスクパターンと一致するときの、入力生体画像上の位置を検出する。そして照合部１５は、検出された位置の中心画素を、特徴点として抽出する。なお、マスクパターンは、例えば、3×3画素で表され、隆線の分岐点または端点に対応する２値パターンを持つ。さらに照合部１５は、抽出された特徴点の位置、及びその特徴点近傍の隆線方向を、特徴点を表す情報として求める。なお、照合部１５は、特徴点近傍の隆線方向を求めるために、隆線方向を求める公知の何れかの方法を利用することができる。
　登録生体画像に対しても、入力生体画像に対して行う処理と同様の処理を行って、登録生体画像から特徴点が抽出され、抽出された特徴点の位置及び特徴点近傍の隆線方向が記憶部４に記憶される。
　なお、照合部１５は、隆線の端点または分岐点を特徴点として求める公知の他の方法を用いて、入力生体画像から特徴点を抽出してもよい。

　照合部１５は、登録生体画像のうち、登録生体情報が写っている領域の中心付近に位置する特徴点を、第１の基準特徴点として選択する。また照合部１５は、入力生体画像から抽出された特徴点のうちの一つを第２の基準特徴点として選択する。そして照合部１５は、第２の基準特徴点を第１の基準特徴点と一致させるように、入力生体画像を平行移動させる。その後、照合部１５は、入力生体画像を回転させながら、登録生体画像の特徴点と一致する入力生体画像の特徴点の個数を求める。照合部１５は、第１の基準特徴点と第２の基準特徴点の組み合わせを変えつつ、上記の処理を繰り返して、登録生体画像の特徴点と一致する入力生体画像の特徴点の個数の最大値を求める。
　最後に、照合部１５は、その個数の最大値を、入力生体画像から抽出された特徴点の総数で割った値を類似度として求める。したがって、この場合、類似度は0～1の値を持ち、入力生体情報と登録生体情報の類似度合いが高い程、類似度の値は1に近づく。

　なお、登録生体情報の特徴点と一致する入力生体情報の特徴点を検出するために、照合部１５は、入力生体情報の着目特徴点の位置から所定範囲内に、登録生体情報の特徴点が存在するか否か調べる。ここで、所定範囲は、例えば、隣接する２本の隆線の平均間隔に相当する値とすることができる。照合部１５は、着目特徴点の位置から所定範囲内に登録生体情報の特徴点が存在する場合、それら特徴点近傍の隆線方向の角度差を求める。そして隆線方向の角度差の絶対値が所定角度範囲内に含まれる場合、照合部１５は、その登録生体情報の特徴点を、入力生体情報の着目特徴点と一致すると判定する。なお所定角度範囲は、着目特徴点近傍の隆線方向と対応する登録生体情報の特徴点近傍の隆線方向とが一致しているとみなせる許容限界に対応する値であり、例えば、10度とすることができる。なお、照合部１５は、着目特徴点の位置から所定範囲内に、着目特徴点と同じ種類の登録生体情報の特徴点が存在する場合にのみ、入力生体情報の着目する特徴点と一致する登録生体情報の特徴点が存在すると判定してもよい。また、照合部１５は、入力生体情報の特徴点と一致する登録生体情報の特徴点の個数を求める公知の他の方法を利用してもよい。

　また、照合部１５は、パターンマッチングにより入力生体情報と登録生体情報を照合する場合、入力生体情報が表された入力生体画像と、記憶部４に登録生体情報に関するデータとして記憶されている登録生体画像を使用する。そして照合部１５は、入力生体画像と登録生体画像の相対的な位置を様々に変えつつ、下記の式を用いて、入力生体画像と登録生体画像間の相関値c(i,j)を算出する。

ここで、I(x,y)は、入力生体画像に含まれる、水平座標x、垂直座標yの画素の画素値を表す。またT(x-i,y-j)は、登録生体画像に含まれる、水平座標(x-i)、垂直座標(y-j)の画素の画素値を表す。また、I_avは、入力生体画像に含まれる画素の平均画素値であり、T_avは、登録生体画像に含まれる画素の平均画素値である。なお、i及びjは、それぞれ、入力生体画像と登録生体画像の水平方向及び垂直方向のずれ量を表す。さらにc(i,j)は、入力生体画像が、登録生体画像に対して水平方向にi画素かつ垂直方向にj画素ずれているときの相関値を表す。この相関値c(i,j)は、-1～1の間に含まれる値をとり得る。入力生体画像と登録生体画像とが完全に一致している場合、相関値c(i,j)は1となる。一方、入力生体画像と登録生体画像とが完全に反転している場合、相関値c(i,j)は-1となる。

　照合部１５は、算出された類似度のうち、入力生体情報と登録生体情報が最も類似することを示す最高類似度を求める。そして照合部１５は、最高類似度を、その最高類似度に対応する登録生体情報に関する登録利用者の識別情報とともに認証判定部１６へ渡す。

　認証判定部１６は、最高類似度が認証判定閾値以上となる場合、入力生体情報と登録生体情報は一致すると判定する。そして認証判定部１６は、利用者を、入力生体情報と一致すると判定された登録生体情報に対応する登録利用者として認証する。認証判定部１６は、利用者を認証すると、その認証結果を処理部５へ通知する。そして処理部５は、認証された利用者が生体認情報処理装置１が実装された装置あるいは生体認情報処理装置１が接続された装置を利用することを許可する。

　一方、認証判定部１６は、最高類似度が認証判定閾値未満となる場合、入力生体情報と登録生体情報は一致しないと判定する。この場合には、認証判定部１６は、利用者を認証しない。認証判定部１６は、利用者の認証に失敗したことを示す認証結果を処理部５へ通知する。そして処理部５は、認証されなかった利用者が生体認情報処理装置１が実装された装置あるいは生体認情報処理装置１が接続された装置を使用することを拒否する。また処理部５は、表示部２に、認証に失敗したことを示すメッセージを表示させる。
　認証判定閾値は、登録利用者本人が利用者である場合にのみ、認証判定部１６が認証に成功するような値に設定されることが好ましい。そして認証判定閾値は、登録利用者とは異なる他人が利用者である場合には、認証判定部１６が認証に失敗するような値に設定されることが好ましい。例えば、認証判定閾値は、類似度の取りうる最大値と最小値の差に0.7を乗じた値を、類似度の最小値に加えた値とすることができる。

　図８は、処理部５上で実行されるコンピュータプログラムにより制御される、生体認証処理の動作フローチャートを示す。
　図８に示されるように、処理部５は、生体情報取得部３から、利用者の生体情報を表す入力生体画像を取得する（ステップＳ１０１）。そして処理部５は、入力生体画像を処理部５の特徴量抽出部１１へ渡す。
　特徴量抽出部１１は、入力生体情報を同じ特徴を持つ生体情報ごとにカテゴライズされた複数のクラスのうちの何れかに分類するための特徴量を、入力生体情報から抽出する（ステップＳ１０２）。そして特徴量抽出部１１は、抽出された特徴量を処理部５の分類部１２に渡す。

　分類部１２は、特徴量に基づいて入力生体情報を少なくとも一つのクラスに分類する（ステップＳ１０３）。また分類部１２は、分類されたクラスに対する、入力生体情報の信頼度を算出する（ステップＳ１０４）。分類部１２は、入力生体情報が分類されたクラスの識別情報と、そのクラスに対する信頼度を処理部５の良否判定部１３へ渡す。

　良否判定部１３は、分類部１２から受け取った、入力生体情報が分類されたクラスに対する信頼度のうち、その最大値rmaxを決定する（ステップＳ１０５）。
　そして良否判定部１３は、rmaxがそのrmaxに対応するグループに対して設定された良否判定用閾値よりも高いか否か判定する（ステップＳ１０６）。
　rmaxがそのrmaxに対応するクラスに対して設定された良否判定用閾値以下である場合（ステップＳ１０６－Ｎｏ）、良否判定部１３は、入力生体情報の分類結果は不適切であると判定する。そして良否判定部１３は、良否判定結果を処理部５に返す。
　処理部５は、ガイダンス処理部１４に対して入力生体情報の分類結果が不適切、すなわち、入力生体画像は、照合に使用するには不適正であると判定されたことを通知する。ガイダンス処理部１４は、処理部５からその通知を受け取ると、入力生体画像が不適正となったことを示すガイドメッセージを記憶部４から読み込む。そしてガイダンス処理部１４は、そのガイドメッセージを表示部２に表示させる（ステップＳ１０７）。その後、処理部５は、制御をステップＳ１０１に戻し、生体情報取得部３から、利用者の部位を再度読み取ることにより再生成された入力生体画像を取得する。そして処理部５は、ステップＳ１０１以降の処理を繰り返し実行する。

　一方、rmaxがそのrmaxに対応するクラスに対して設定された良否判定用閾値よりも高い場合（ステップＳ１０６－Ｙｅｓ）、良否判定部１３は、入力生体情報をrmaxに対応するクラスに分類したことは適切であると判定する。そして良否判定部１３は、良否判定結果及びrmaxに対応するクラスの識別情報を処理部５に返す。
　処理部５は、入力生体情報が表された入力生体画像と、rmaxに対応するクラスの識別情報を、照合部１５に渡す。照合部１５は、入力生体画像とrmaxに対応するクラスの識別情報を受け取ると、入力生体情報が分類されたクラスに属する各登録生体情報に関するデータを記憶部４から読み出す。そして照合部１５は、入力生体情報を、入力生体情報が分類されたクラスに属する各登録生体情報と照合する。そして照合部１５は、入力生体情報とそのクラスに属する各登録生体情報の類似度をそれぞれ算出する（ステップＳ１０８）。
照合部１５は、算出された類似度のうち、入力生体情報と登録生体情報が最も類似することを示す最高類似度を決定する（ステップＳ１０９）。そして照合部１５は、最高類似度を、その最高類似度に対応する登録生体情報に関する登録利用者の識別情報とともに処理部５の認証判定部１６へ渡す。
　認証判定部１６は、最高類似度が認証判定用閾値以上となるか否か判定する（ステップＳ１１０）。
　最高類似度が認証判定用閾値以上である場合（ステップＳ１１０－Ｙｅｓ）、認証判定部１６は利用者を最高類似度に対応する登録利用者として認証する（ステップＳ１１１）。
　一方、最高類似度が認証判定用閾値未満である場合（ステップＳ１１０－Ｎｏ）、認証判定部１６は利用者を認証しない（ステップＳ１１２）。
　ステップＳ１１１またはＳ１１２の後、処理部５は、生体認証処理を終了する。

　なお、処理部５は、ステップＳ１０３及びＳ１０４の処理を同時に実行してもよい。

　以上に説明してきたように、第１の実施形態による、生体情報処理装置は、入力生体画像に表された利用者の生体情報である入力生体情報を、同じ特徴を持つ生体情報ごとにカテゴライズした複数のクラスのうちの少なくとも一つのクラスに分類する。その際、この生体情報処理装置は、入力生体情報が分類されたクラスに属する確からしさを表す信頼度を決定し、その信頼度を、クラスごとに設定された良否判定基準と比較することで、入力生体画像の再生成が必要か否か判定する。
　これにより、この生体情報処理装置は、照合に適した生体情報を取得できるとともに、生体情報の無用な再取得を防止して、処理時間の増加を防止することができる。

　なお、上記の生体情報処理装置は、入力生体情報と照合すべき登録生体情報が、利用者の識別情報などによって特定された、いわゆる１対１照合を行ってもよい。この場合、処理部の良否判定部は、入力部を介して取得された登録利用者の識別情報により特定された登録生体情報が属するクラスと、入力生体情報が分類されたクラスが一致するか否か判定する。そして両方のクラスが一致する場合、生体情報処理装置は照合処理を実施する。一方、両方のクラスが一致しない場合、生体情報処理装置は、ガイダンス処理部による処理を実行し、入力生体画像を再生成すればよい。入力生体情報の分類が不適切である場合には、入力生体画像から入力生体情報の特徴的な部分を抽出できていないので、その入力生体情報が表された入力生体画像は照合に利用するには不適正である。そのため、生体情報処理装置は、１対１照合が行われる場合でも、不適正な入力生体画像を用いて照合処理を行うことを防止できる。

　次に、第２の実施形態による、生体認証処理を実行する生体情報処理装置について説明する。第２の実施形態による生体情報処理装置は、入力生体画像が照合に使用するには不適正であると判定された場合に、入力生体画像取得時における、生体情報取得部のセンサ面に対する入力生体情報が含まれる利用者の部位のポジショニングを推定する。そしてこの生体情報処理装置は、利用者がその部位をセンサ面に対して適正な位置におき、かつその部位を適切な姿勢に保って再度入力生体画像を取得できるように、推定されたポジショニングに応じたガイドメッセージを利用者に表示する。
　なお、第２の実施形態による生体情報処理装置は、第１の実施形態による情報処理装置と比較して、処理部の機能の一部のみが相違する。そこで、以下では、第２の実施形態による生体情報処理装置の処理部の機能のうち、第１の実施形態による情報処理装置の処理部の機能と相違する点について説明する。

　図９は、第２の実施形態による、生体情報処理装置が有する処理部の機能ブロック図である。図９に示されるように、処理部５は、特徴量抽出部１１と、分類部１２と、良否判定部１３と、ガイダンス処理部１４と、照合部１５と、認証判定部１６と、入力状態推定部１７とを有する。図９において、処理部５の各機能ブロックには、図３に示された処理部５の対応する機能ブロックと同じ参照番号を付した。

　入力状態推定部１７は、良否判定部１３により、入力生体情報の分類結果が不適切と判定された場合に、入力生体画像取得時における、生体情報取得部３のセンサ面に対する入力生体情報が含まれる利用者の部位のポジショニングを推定する。
　本実施形態では、入力状態推定部１７は、ポジショニングを推定するために、以下の値のうちの少なくとも一つを利用する。
　・入力生体画像に含まれる入力生体情報が写っている領域である生体領域の面積
　・特徴量抽出部１１により検出された特異点の位置と生体領域の境界までの距離
　・生体領域の境界と入力生体画像の境界までの距離
　そこで入力状態推定部１７は、特徴量抽出部１１から、各特異点の位置を表す情報及び生体領域画像を受け取る。

　入力状態推定部１７は、例えば、入力生体情報である指紋を含む指がセンサ面に対して上下左右の何れかに偏り過ぎているか否か、あるいは指がセンサ面に対して過度に立っているか否か、あるいは過度に寝ているか否かを調べる。
　例えば、生体領域の重心位置が、入力生体画像の画像の左端から所定距離以内にある場合、入力状態推定部１７は、利用者の指の位置は生体情報取得部３に対して右側に寄り過ぎていると推定する。また、入力生体画像の左端に接触している生体領域内の画素数が入力生体画像の右端に接触している生体領域内の画素数よりも所定の閾値以上多いこともある。この場合も、入力状態推定部１７は、指の位置が生体情報取得部３に対して右側に寄り過ぎていると推定する。一方、生体領域の重心位置が、入力生体画像の画像の右端から所定距離以内にある場合、入力状態推定部１７は、指の位置が生体情報取得部３に対して左側に寄り過ぎていると推定する。また、入力生体画像の右端に接触している生体領域内の画素数が入力生体画像の左端に接触している生体領域内の画素数よりも所定の閾値以上多いこともある。この場合も、入力状態推定部１７は、指の位置が生体情報取得部３に対して左側に寄り過ぎていると推定する。
　なお、所定距離は、例えば、指が生体情報取得部３のセンサ面に対して適正な位置に置かれたときの入力生体画像上の生体領域の幅の平均的な値の半分とすることができる。また、左右端における接触画素数の差に関する所定の閾値は、例えば、入力生体画像上の生体領域の上下方向の長さの１／３あるいは１／４とすることができる。

　さらに、利用者の部位の位置が上下左右の何れにも偏っておらず、かつ、生体領域の面積が所定の面積閾値よりも小さい場合、入力状態推定部１７は、指の位置は生体情報取得部３のセンサ面に対して離れ過ぎていると推定する。所定の面積閾値は、例えば、指が生体情報取得部３のセンサ面に対して適正な位置に置かれたときの入力生体画像上の生体領域の面積の１／２とすることができる。

　また、入力生体情報から、デルタ特異点が検出されたものの、指紋の中心に相当する上凸コアが検出されない場合もある。このような場合、入力状態推定部１７は、生体情報取得部３のセンサ面に対して指が過度に寝ている（すなわち、指の先端が指の根元よりもセンサ面から離れている）と推定する。

　さらに、上凸コアから生体領域の下端までの距離と、生体領域の幅に基づいて、入力状態推定部１７は、生体情報取得部３のセンサ面に対して、指が過度に立った状態かまたは指が下方に置かれた状態かを識別できる。

　図１０（ａ）は、指が過度に立った状態（すなわち、指の根元が指の先端よりもセンサ面から離れている）に対応する入力生体画像の概略図であり、図１０（ｂ）は、指が下方に偏った状態に対応する入力生体画像の概略図である。
　図１０（ａ）及び図１０（ｂ）において、矩形領域１０００は入力生体画像を表す。またハッチングされた領域１０１０は、生体領域を表す。さらに、半円状の円弧１０２０は上凸コアを表す。

　図１０（ａ）に示されるように、生体情報取得部３のセンサ面に対して、利用者が指を過度に立てた状態で、入力生体画像が取得されると、上凸コア１０２０から生体領域１０１０の下端までの距離が非常に短くなる。また、生体領域１０１０の下端近傍における、生体領域１０１０の水平方向の幅は、上凸コア１０２０の位置における生体領域１０１０の水平方向の幅よりも狭い。
　これに対し、図１０（ｂ）に示されるように、生体情報取得部３のセンサ面に対して指が下方に偏っている場合も、上凸コア１０２０から生体領域１０１０の下端までの距離が非常に短くなる。しかし、生体領域１０１０の下端近傍における、生体領域１０１０の水平方向の幅は、上凸コア１０２０の位置における生体領域１０１０の水平方向の幅とほぼ等しい。

　そこで、入力状態推定部１７は、上凸コアから生体領域の下端までの距離Lを求める。そして入力状態推定部１７は、距離Lを所定の閾値Tlと比較する。距離Lが閾値Tlよりも大きい場合には、入力状態推定部１７は、指が過度に立った状態ではなく、かつ、指が下方に偏りすぎている状態でもないと判定する。

　所定の閾値Tlは、例えば、指紋の隆線間隔Dを基準にして、以下のように決定することができる。
　　Tl = N×D
ここで、Nは1以上の整数である。上凸コアと、デルタ特異点または下凸コアが近接していると、なお、指が過度に立っていてもデルタ特異点または下凸コアが検出される場合がある。そこで、デルタ特異点または下凸コアが検出された場合には、入力状態推定部１７は、指が過度に立っているか否かの判定を省略してもよい。
　Nは、あらかじめ複数の指紋から上凸コアとデルタ特異点間の隆線本数、あるいは上凸コアと下凸コア間の隆線本数を算出し、その隆線本数の統計量に基づいて決定されてもよい。例えば、Nは、複数の指紋から得られた上凸コアとデルタ特異点間の隆線本数の平均値に、標準偏差を加えた値とすることができる。

　距離Lが閾値Tl以下である場合には、入力状態推定部１７は、上凸コアの位置における生体領域の水平方向の幅Wcと、生体領域の下端での生体領域の水平方向の幅Wlを求める。そして、幅Wlが、幅Wcに１未満の所定の係数αを乗じた値よりも小さい場合、入力状態推定部１７は、指が過度に立っていると推定する。なお、係数αは、例えば、0.5～0.8とすることができる。
　一方、幅Wlが、幅Wcに係数αを乗じた値以上である場合、入力状態推定部１７は、指が下方に偏り過ぎていると判定する。

　さらに、入力状態推定部１７は、生体情報取得部３がスイープ型のセンサである場合、利用者が生体情報が含まれる部位をセンサに対して移動させる速度または移動方向を推定してもよい。例えば、生体領域の垂直方向の高さが所定の閾値よりも低ければ、入力状態推定部１７は、センサに対する部位の移動速度が速過ぎたと推定してもよい。また、生体領域の上部における、水平方向の中心位置と、生体領域の下部における水平方向の中心位置の水平方向の差の絶対値が所定の閾値よりも大きければ、入力状態推定部１７は、センサに対して部位が過度に斜め方向に移動したと推定する。
　入力状態推定部１７は、入力生体情報が含まれる部位の推定されたポジショニングを表す入力状態情報をガイダンス処理部１４へ通知する。

　ガイダンス処理部１４は、入力生体情報に応じて、利用者が生体情報が含まれる部位を、生体情報取得部３のセンサ面に対して適切な場所に置けるよう、記憶部４に記憶されている複数のガイダンスメッセージから適切なものを選択する。
　例えば、ガイダンス処理部１４は、入力状態情報が、指の位置が生体情報取得部３に対して左側に寄り過ぎていることを示す場合、記憶部４からそのポジショニングに対応するガイダンスメッセージを読み込む。そのガイダンスメッセージは、例えば、「指をもう少し右側にずらして、もう一度やり直して下さい。」といった、入力生体画像が不適正となった原因を除去することを利用者に促すメッセージとすることができる。また、ガイダンス処理部１４は、入力状態情報が、指が過度に立っていることを示す場合、記憶部４からそのポジショニングに対応するガイダンスメッセージを読み込む。そのガイダンスメッセージは、例えば、「指をセンサに対して平行にして、もう一度やり直して下さい。」といったメッセージとすることができる。
　ガイダンス処理部１４は、選択したガイダンスメッセージを表示部２に表示させる。

　このように第２の実施形態による生体情報処理装置は、入力生体画像の分類結果が不適切、すなわち、入力生体画像は照合に利用するには不適正である場合に、利用者に対して、その不適切となった原因を解決する方法を知らせることができる。そのため、この生体情報処理装置は、照合に使用するために適正な入力生体画像が生成されるまでに、利用者の生体情報の読み取りを何度も繰り返さなければならなくなることを防止できる。

　次に、第３の実施形態による、生体情報の登録処理を実行する生体情報処理装置について説明する。第３の実施形態による生体情報処理装置は、登録利用者の登録生体情報を表す登録生体画像を生成し、その登録生体画像から、照合処理に利用するための登録生体情報に関するデータを作成する。
　なお、第３の実施形態による生体情報処理装置は、利用者の識別情報を取得するために、図１に示された入力部６を有する。その他の点については、第３の実施形態による生体情報処理装置は、第２の実施形態による情報処理装置と比較して、処理部の機能の一部のみが相違する。そこで、以下では、第３の実施形態による生体情報処理装置の処理部の機能のうち、第２の実施形態による情報処理装置の処理部の機能と相違する点について説明する。

　図１１は、第３の実施形態による、生体情報処理装置が有する処理部の機能ブロック図である。図１１に示されるように、処理部５は、特徴量抽出部１１と、分類部１２と、良否判定部１３と、ガイダンス処理部１４と、入力状態推定部１７と、登録部１８とを有する。図１１において、処理部５の各機能ブロックには、図９に示された処理部５の対応する機能ブロックと同じ参照番号を付した。

　登録部１８は、処理部５から、良否判定部１３により、分類結果が適切と判定された入力生体画像を受け取る。また登録部１８は、処理部５から、分類部１２により、その入力生体画像に表された入力生体情報が分類されたクラスのうち、信頼度が最も高いクラスの識別情報を受け取る。そして登録部１８は、分類結果が適切と判定された入力生体画像を登録生体画像とし、その登録生体画像に表された生体情報を登録生体情報とする。
　登録部１８は、登録生体画像から、照合に利用される、登録生体情報に関するデータを作成する。なお、登録生体情報に関するデータは、例えば、登録生体画像そのものとすることができる。あるいは、登録生体情報に関するデータは、登録生体画像そのものまたはその部分領域から抽出された照合処理用の特徴量であってもよい。なお、登録生体情報に関するデータが照合処理用の特徴量である場合、登録部１８は、例えば、第１の実施形態による生体情報処理装置１の照合部１５と同様に、登録生体画像そのものまたはその部分領域から照合処理用の特徴量を抽出する。

　また登録部１８は、入力部６を介して、登録利用者の識別情報を取得する。そして登録部１８は、登録生体情報に関するデータを、その登録利用者の識別情報と関連付けて記憶部４に記憶する。さらに、登録部１８は、登録生体情報に関するデータに、登録生体情報が分類されたクラスの識別情報も関連付けて記憶部４に記憶する。

　図１２は、処理部５上で実行されるコンピュータプログラムにより制御される、生体情報登録処理の動作フローチャートを示す。
　処理部５は、生体情報取得部３から、登録利用者の生体情報を表す入力生体画像を取得する（ステップＳ２０１）。また処理部５は、入力部６から、登録利用者の識別情報を取得する。そして処理部５は、入力生体画像を処理部５の特徴量抽出部１１へ渡す。
　特徴量抽出部１１は、入力生体情報から、入力生体情報を、同じ特徴を持つ生体情報ごとにカテゴライズされた複数のクラスのうちの何れかに分類するための特徴量を抽出する（ステップＳ２０２）。そして特徴量抽出部１１は、抽出された特徴量を処理部５の分類部１２に渡す。

　分類部１２は、特徴量に基づいて入力生体情報を少なくとも一つのクラスに分類する（ステップＳ２０３）。また分類部１２は、分類されたクラスに対する、入力生体情報の信頼度を算出する（ステップＳ２０４）。分類部１２は、入力生体情報が分類されたクラスの識別情報と、そのクラスに対する信頼度を良否判定部１３へ渡す。

　良否判定部１３は、分類部１２から受け取った、入力生体情報が分類されたクラスに対する信頼度のうち、その最大値rmaxを決定する（ステップＳ２０５）。
　良否判定部１３は、その最大値rmaxがそのrmaxに対応するグループに対して設定された良否判定用閾値よりも高いか否か判定する（ステップＳ２０６）。
　良否判定部１３が、rmaxがそのrmaxに対応するクラスに対して設定された良否判定用閾値以下である場合（ステップＳ２０６－Ｎｏ）、良否判定部１３は、入力生体情報の分類結果は不適切であると判定する。そして良否判定部１３は、良否判定結果を処理部５に返す。処理部５は、入力生体画像及び特徴量抽出部１１により抽出された特徴量を入力状態推定部１７に渡す。

　入力状態推定部１７は、入力生体画像取得時における、生体情報取得部３のセンサ面に対する入力生体情報を含む部位のポジショニングを推定する（ステップＳ２０７）。入力状態推定部１７は、推定された部位のポジショニングを表す入力状態情報をガイダンス処理部１４へ通知する。
　ガイダンス処理部１４は、入力状態情報を受け取ると、その入力状態情報に含まれる、推定されたポジショニングに応じたガイドメッセージを記憶部４から読み込む。そしてガイダンス処理部１４は、そのガイドメッセージを表示部２に表示させる（ステップＳ２０８）。その後、処理部５は、生体情報取得部３から、利用者の部位を再度読み取ることにより再生成された入力生体画像を取得する。そして処理部５は、ステップＳ２０１以降の処理を再度実行する。

　一方、rmaxがそのrmaxに対応するクラスに対して設定された良否判定用閾値よりも高い場合（ステップＳ２０６－Ｙｅｓ）、良否判定部１３は、入力生体画像を、rmaxに対応するクラスに分類したことは適切であると判定する。そして良否判定部１３は、良否判定結果及びrmaxに対応するクラスの識別情報を処理部５に返す。
　処理部５は、入力生体情報が表された入力生体画像と、rmaxに対応するクラスの識別情報と、入力部６を介して取得した登録利用者の識別情報を、登録部１８に渡す。

　登録部１８は、入力生体画像を登録生体画像とする。そして登録部１８は、登録生体画像から登録生体情報に関するデータを作成する（ステップＳ２０９）。そして登録部１８は、登録生体情報に関するデータに、rmaxに対応するクラス、すなわち、登録生体情報が分類されたクラスの識別情報及び登録利用者の識別情報を関連付けて記憶部４に記憶する（ステップＳ２１０）。
　ステップＳ２１０の後、処理部５は、生体情報登録処理を終了する。
　なお、処理部５は、ステップＳ２０３及びＳ２０４の処理を同時に実行してもよい。

　以上に説明してきたように、第３の実施形態による、生体情報処理装置は、登録利用者の生体情報を登録する際、照合に適した生体情報を取得できるとともに、生体情報の無用な再取得を防止して、処理時間の増加を防止することができる。

　なお、本発明は、上記の実施形態に限定されるものではない。例えば、他の実施形態では、生体情報処理装置の処理部は、図３または図９に示した機能に加えて、図１１に示した登録部の機能を有してもよい。これにより、生体情報処理装置は、照合に利用する生体情報を予め登録しておき、登録した生体情報を用いて生体認証処理を実行することができる。
　また、他の実施形態において、良否判定部は、入力生体情報が分類された各クラスごとにその信頼度を対応する良否判定閾値と比較してもよい。そして、信頼度が良否判定閾値よりも高くなったクラスが複数存在する場合、照合部は、入力生体情報を、信頼度が良否判定閾値よりも高くなった複数のクラスの何れかに属する登録生体情報と照合してもよい。あるいは、信頼度が良否判定閾値よりも高くなったクラスが複数存在する場合、登録部は、登録生体情報が、信頼度が良否判定閾値よりも高くなった複数のクラスの何れにも属するように登録してもよい。すなわち、登録部は、登録生体情報に関するデータを、信頼度が良否判定閾値よりも高くなった各クラスの識別情報と関連付けて記憶部に記憶させてもよい。これにより、生体情報が一つのクラスに分類され難い利用者については、その利用者の生体情報が分類され易い複数のクラスに登録される。そのため、生体情報処理装置は、生体情報が一つのクラスに分類され難い利用者についても、ビンニング・エラーの発生を抑制できる。

　さらに、本明細書に開示された生体情報処理装置及び生体情報処理方法は、利用者が何らかの操作を行うために、利用者の生体情報と、予め登録された生体情報間で生体認証処理を実行する、各種の装置またはシステムに適用可能である。例えば、そのような装置またはシステムには、１台以上の端末とサーバが通信ネットワークを介して接続されたコンピュータシステムが含まれる。この場合、各端末に生体情報取得部が設けられ、その生体情報取得部により取得された生体画像は、サーバへ送信される。そしてサーバは、上記の実施形態の処理部の機能を実行することにより、生体画像の登録処理あるいは生体認証処理を実行する。
　さらに、各端末のプロセッサが、上記の各実施形態の処理部の機能のうち、特徴量抽出部、分類部、良否判定部、ガイダンス処理部及び入力状態推定部の機能を実行し、サーバのプロセッサが、残りの機能を実行してもよい。これにより、サーバのプロセッサに対する処理の負荷が軽減できる。
　また、生体情報取得部と、記憶部と、処理部と、Universal Serial Busなどの規格に準じたデータ伝送用インターフェースとが一体として形成された可搬メモリ装置の処理部が、上記の実施形態におけるコンピュータの処理部の各機能を有していてもよい。
　また、上記の各実施形態による処理部の機能をコンピュータに実現させる命令を有するコンピュータプログラムは、記録媒体に記録された形で提供されてもよい。

　ここに挙げられた全ての例及び特定の用語は、読者が、本発明及び当該技術の促進に対する本発明者により寄与された概念を理解することを助ける、教示的な目的において意図されたものであり、本発明の優位性及び劣等性を示すことに関する、本明細書の如何なる例の構成、そのような特定の挙げられた例及び条件に限定しないように解釈されるべきものである。本発明の実施形態は詳細に説明されているが、本発明の精神及び範囲から外れることなく、様々な変更、置換及び修正をこれに加えることが可能であることを理解されたい。

　１　　生体情報処理装置
　２　　表示部
　３　　生体情報取得部
　４　　記憶部
　５　　処理部
　６　　入力部
　１１　　特徴量抽出部
　１２　　分類部
　１３　　良否判定部
　１４　　ガイダンス処理部
　１５　　照合部
　１６　　認証判定部
　１７　　入力状態推定部
　１８　　登録部

Claims (8)

1. 　利用者の生体情報を取得して、該生体情報を表す入力生体データを生成する生体情報取得部と、
   　処理部であって、
   　　前記入力生体データに表された入力生体情報から、該生体情報の特徴を表す特徴量を抽出する特徴量抽出機能と、
   　　前記特徴量に基づいて、前記入力生体データに表された入力生体情報を、同じ特徴を持つ生体情報ごとにカテゴライズされた複数のクラスのうちの少なくとも一つに分類し、かつ、該入力生体情報が分類されたクラスに対する信頼度を算出する分類機能と、
   　　前記信頼度のうちの最大値が、前記複数のクラスのうちの当該最大値に対応するクラスに設定された閾値よりも高いか否か判定する良否判定機能と、
   　　前記最大値が前記閾値以下である場合、前記生体情報取得部に利用者の生体情報を再取得させることを利用者に促すガイダンス機能と、
   を実現する処理部と、
   を有する生体情報処理装置。
2. 　前記複数のクラスのうちの第１のクラスに属する生体情報に含まれる前記特徴量が、前記複数のクラスのうちの第２のクラスに属する生体情報に含まれず、かつ前記第２のクラスに属する生体情報に含まれる前記特徴量が前記第１のクラスに属する生体情報に含まれる場合、前記第１のクラスに対する前記閾値は、前記第２のクラスに対する前記閾値よりも低く設定される、請求項１に記載の生体情報処理装置。
3. 　前記分類機能は、前記入力生体情報が分類されたクラスの数が多いほど、前記信頼度を低くする、請求項１または２に記載の生体情報処理装置。
4. 　前記入力生体データは、前記入力生体情報が表された画像であり、
   　前記処理部は、
   　　前記最大値が前記閾値以下である場合、前記特徴量として抽出された、入力生体情報中の特異点と、前記入力生体情報が表された前記画像上の領域との位置関係に基づいて、前記入力生体データ取得時における、利用者の生体情報が含まれる部位の前記生体情報取得部に対するポジショニングを推定する入力状態推定機能をさらに実現し、
   　　前記ガイダンス機能は、前記ポジショニングに応じたメッセージを利用者に通知する、請求項１～３の何れか一項に記載の生体情報処理装置。
5. 　予め登録された少なくとも一人の登録利用者の登録生体情報に関するデータを、前記複数のクラスのうちの当該登録生体情報が属するクラスの識別情報とともに記憶する記憶部をさらに有し、
   　前記処理部は、
   　　前記最大値が前記閾値よりも高い場合、前記登録生体情報に関するデータのうち、前記入力生体データに表された入力生体情報が分類されたクラスに属する登録生体情報に関するデータを前記記憶部から読み込み、読み込んだデータに表された登録生体情報と前記入力生体情報を照合する照合処理機能をさらに実現する、
   請求項１～４の何れか一項に記載の生体情報処理装置。
6. 　記憶部をさらに有し、
   　前記処理部は、
   　　前記最大値が前記閾値よりも高い場合、前記入力生体データから、照合処理に利用されるデータを登録生体情報に関するデータとして作成し、該登録生体情報に関するデータを、前記入力生体データに表された入力生体情報が分類されたクラスの識別情報とともに前記記憶部に書き込む登録機能をさらに実現する、請求項１～４の何れか一項に記載の生体情報処理装置。
7. 　利用者の生体情報を取得して、該生体情報を表す入力生体データを生成し、
   　前記入力生体データに表された入力生体情報から、該生体情報の特徴を表す特徴量を抽出し、
   　前記特徴量に基づいて、前記入力生体データに表された入力生体情報を、同じ特徴を持つ生体情報ごとにカテゴライズされた複数のクラスのうちの少なくとも一つに分類し、かつ、該入力生体情報が分類されたクラスに対する信頼度を算出し、
   　前記信頼度のうちの最大値が、前記複数のクラスのうちの当該最大値に対応するクラスに設定された閾値よりも高いか否か判定し、
   　前記最大値が前記閾値以下である場合、前記生体情報取得部に利用者の生体情報を再取得させることを利用者に促す、
   ことを含む生体情報処理方法。
8. 　生体情報取得部により生成された入力生体データに表された利用者の生体情報から、該生体情報の特徴を表す特徴量を抽出し、
   　前記特徴量に基づいて、前記入力生体データに表された入力生体情報を、同じ特徴を持つ生体情報ごとにカテゴライズされた複数のクラスのうちの少なくとも一つに分類し、かつ、該入力生体情報が分類されたクラスに対する信頼度を算出し、
   　前記信頼度のうちの最大値を、前記複数のクラスのうちの当該最大値に対応するクラスに設定された閾値よりも高いか否か判定し、
   　前記最大値が前記閾値以下である場合、前記生体情報取得部に利用者の生体情報を再取得させることを利用者に促す、
   ことをコンピュータに実行させる生体情報処理用コンピュータプログラム。

Images