WO2018074601A1 - 合成装置、合成方法及びプログラム - Google Patents

合成装置、合成方法及びプログラム Download PDF

Info

Publication number
WO2018074601A1
WO2018074601A1 PCT/JP2017/038068 JP2017038068W WO2018074601A1 WO 2018074601 A1 WO2018074601 A1 WO 2018074601A1 JP 2017038068 W JP2017038068 W JP 2017038068W WO 2018074601 A1 WO2018074601 A1 WO 2018074601A1
Authority
WO
WIPO (PCT)
Prior art keywords
feature point
feature
synthesizing
feature points
synthesis
Prior art date
Application number
PCT/JP2017/038068
Other languages
English (en)
French (fr)
Inventor
外山　祥明
護 井上
Original Assignee
日本電気株式会社
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 日本電気株式会社 filed Critical 日本電気株式会社
Priority to EP17862382.3A priority Critical patent/EP3531371A4/en
Priority to JP2018545777A priority patent/JP6724999B2/ja
Priority to US16/343,526 priority patent/US11188733B2/en
Publication of WO2018074601A1 publication Critical patent/WO2018074601A1/ja
Priority to US17/514,069 priority patent/US11783623B2/en

Links

Images

Classifications

    • 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
    • G06V40/1347—Preprocessing; Feature extraction
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/211—Selection of the most significant subset of features
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G06F18/232—Non-hierarchical techniques
    • G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
    • G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
    • 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
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • 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
    • G06V10/771—Feature selection, e.g. selecting representative features from a multi-dimensional feature space
    • 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
    • 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

Definitions

  • the present invention is based on the priority claim of Japanese patent application: Japanese Patent Application No. 2016-206879 (filed on October 21, 2016), the entire content of which is incorporated herein by reference. Shall.
  • the present invention relates to a synthesis device, a synthesis method, and a program.
  • the present invention relates to a synthesizing apparatus, a synthesizing method, and a program that handle a set including feature points extracted from an image in which a curved stripe pattern is formed by ridges.
  • Fingerprints and palm prints made up of numerous ridges with a curved stripe pattern have long been used as a means for identifying people.
  • collation using a residual fingerprint left at the crime scene is used as an effective investigation means.
  • Many police agencies have introduced fingerprint verification systems using computers. By comparing the feature points of the fingerprint image registered in the database and the retained fingerprints collected at the crime scene, the person corresponding to the retained fingerprint is identified.
  • the end points and branch points of fingerprint ridges are often used as feature points used for fingerprint verification. For example, as disclosed in “4.3 Minutiae-Based Methods” of Non-Patent Document 1, feature point matching using the end points and branch points of fingerprint ridges is used.
  • Patent Document 1 discloses a technique for providing a fingerprint image processing apparatus that can extract a fingerprint image to be collated with high accuracy. Patent Document 1 discloses that the direction of a feature point extracted from a fingerprint image is characterized by a rotation direction with respect to a reference point.
  • Fingerprint images are used in a variety of ways, including personal authentication for entry / exit management and criminal identification in criminal investigations.
  • feature points are extracted from the fingerprint image, and authentication and individual identification are performed by comparing the extracted feature points with feature points extracted from images stored in a database or the like. In common.
  • the requirements for feature points extracted from the fingerprint image are different.
  • a residual fingerprint is used to select a suspect in a criminal investigation
  • comprehensiveness is required for the feature points so that the suspect's fingerprint is not missed. That is, it is desired that even feature points that are considered to have low quality are comprehensively extracted and compared with information in the database.
  • the feature points extracted from the fingerprint image obtained by the scanner device or the like are required to be accurate in order to reduce erroneous determination (personal rejection, acceptance of others). . That is, it is desired that feature points that are affected by the environment at the time of fingerprint collection are excluded in advance and registered in the database, and such low-quality feature points are also excluded during matching.
  • feature point extraction algorithm capable of exhaustively extracting feature points with high quality in response to the above two requests (exhaustability and accuracy) may exist. Has a peculiar character and there is no universal algorithm.
  • the object of the present invention is to provide a synthesizing apparatus, a synthesizing method, and a program for extracting feature points suitable for usage.
  • an input unit that inputs a plurality of feature point sets extracted by a plurality of methods from an input image in which a curved stripe pattern is formed by ridges;
  • a synthesizing apparatus includes a synthesis unit that synthesizes the plurality of feature point sets by performing a logical operation on the feature point sets.
  • a step of inputting a plurality of feature point sets extracted by a plurality of methods from an input image in which a curved stripe pattern is formed by ridges, and the plurality of features And performing a logical operation on the point set to synthesize the plurality of feature point sets.
  • a process of inputting a plurality of feature point sets extracted by a plurality of methods from an input image in which a curved stripe pattern is formed by ridges, and the plurality of features By executing a logical operation on the point set, there is provided a program for causing a computer to execute a process of combining the plurality of feature point sets.
  • This program can be recorded on a computer-readable storage medium.
  • the storage medium may be non-transient such as a semiconductor memory, a hard disk, a magnetic recording medium, an optical recording medium, or the like.
  • the present invention can also be embodied as a computer program product.
  • a synthesizing apparatus According to each aspect of the present invention or the disclosure, a synthesizing apparatus, a synthesizing method, and a program that contribute to extracting feature points suitable for use applications are provided.
  • the synthesizing apparatus 100 includes an input unit 101 that inputs a plurality of feature point sets extracted by a plurality of methods from an input image in which a curved stripe pattern is formed by ridges, and a plurality of feature points A synthesis unit that synthesizes a plurality of feature point sets by performing a logical operation on the set.
  • the feature point set input to the synthesizing apparatus 100 is extracted by a plurality of different methods (algorithms). Each method has its strengths and weaknesses, and specifically, there are algorithms specialized for fingerprint images having specific characteristics.
  • a logical operation (for example, a logical sum operation or a logical product operation) is performed on feature point sets extracted from each of a plurality of algorithms, and a plurality of feature point sets are converted into one feature. Composite into a point set.
  • a feature point set suitable for the purpose of use can be extracted by appropriately selecting a logical operation executed by the synthesis apparatus 100.
  • a logical sum operation may be executed.
  • a logical product operation may be executed.
  • connection lines between the blocks in each drawing include both bidirectional and unidirectional directions.
  • the unidirectional arrow schematically shows the main signal (data) flow and does not exclude bidirectionality.
  • FIG. 2 is a diagram illustrating an example of the configuration of the feature point extraction system according to the first embodiment.
  • the feature point extraction system includes a first feature point extraction device 10, a second feature point extraction device 20, and a synthesis device 30.
  • Each of the first feature point extraction device 10 and the second feature point extraction device 20 inputs a fingerprint image.
  • Each of the first feature point extraction device 10 and the second feature point extraction device 20 extracts feature points from fingerprint images input by different methods (algorithms).
  • a set of feature points extracted by the first feature point extraction apparatus 10 is referred to as a “first feature point set”.
  • a set of feature points extracted by the second feature point extraction device 20 is referred to as a “second feature point set”.
  • the synthesizing device 30 inputs each of the first and second feature point sets.
  • the operator of the feature point extraction system or the like inputs “synthesis mode instruction” to the synthesis device 30.
  • the synthesizing device 30 synthesizes the first and second feature point sets in accordance with the synthesis mode instruction, and outputs the feature point sets as feature quantities characterizing the fingerprint image input to the system. That is, the synthesizing device 30 is a device that synthesizes two or more feature point sets to generate one feature point set.
  • FIG. 3 is a block diagram illustrating an example of a hardware configuration of the synthesis apparatus 30 according to the first embodiment.
  • the synthesizing device 30 is realized by a so-called information processing device (computer) and has, for example, the configuration illustrated in FIG.
  • the synthesis apparatus 30 includes a CPU (Central Processing Unit) 11, a memory 12, an input / output interface 13, and a NIC (Network Interface Card) 14 that are communication means, which are connected to each other via an internal bus.
  • the synthesizing device 30 may include hardware (not shown), and may not include the input / output interface 13 and the NIC 14 as necessary. Further, the number of CPUs and the like included in the synthesizing device 30 is not limited to the example illustrated in FIG. 3. For example, a plurality of CPUs may be included in the synthesizing device 30.
  • the memory 12 is a RAM (Random Access Memory), a ROM (Read Only Memory), or an auxiliary storage device (hard disk or the like).
  • the input / output interface 13 is a means to be an interface of a display device and an input device (not shown).
  • the display device is, for example, a liquid crystal display.
  • the input device is a device that accepts user operations such as a keyboard and a mouse, for example.
  • the input device also includes an external storage device such as a USB (Universal Serial Bus) memory.
  • USB Universal Serial Bus
  • the function of the synthesizing device 30 is realized by various processing modules described later.
  • the processing module is realized, for example, by the CPU 11 executing a program stored in the memory 12.
  • the program can be downloaded through a network or updated using a storage medium storing the program.
  • the processing module may be realized by a semiconductor chip. That is, it is sufficient if there is a means for executing the function performed by the processing module with some hardware and / or software.
  • first feature point extraction device 10 and the second feature point extraction device 20 can be the same as that of the synthesis device 30, and thus detailed description thereof is omitted.
  • FIG. 4 is a diagram illustrating an example of a processing configuration of the first feature point extraction apparatus 10.
  • the first feature point extraction apparatus 10 includes an input unit 201, a core line extraction unit 202, a feature point extraction unit 203, an output unit 204, and a storage unit 205.
  • Each unit such as the input unit 201 is configured to be able to exchange data with each other, and can access data stored in the storage unit 205.
  • the input unit 201 is means for inputting data relating to a fingerprint image (an image in which a curved stripe pattern is formed by ridges) from the outside.
  • the input unit 201 takes in digital data (image file) of a fingerprint image stored in an external storage medium such as a USB memory, and delivers the data to the core line extraction unit 202.
  • the input unit 201 may input data related to a fingerprint image via a network.
  • the digitized fingerprint image may be acquired by installing a scanner function in the input unit 201 instead of inputting the digitized fingerprint image by a scanner or the like.
  • the first feature point extraction device 10 provides the image to the second feature point extraction device 20.
  • the input unit 201 can handle a fingerprint image digitized based on the above standard (for example, a fingerprint image having a resolution of 500 dpi).
  • the core line extraction unit 202 is means for extracting a core line from the acquired fingerprint image.
  • the core wire extraction unit 202 can use the core wire extraction method disclosed in “3 Fingerprint Analysis and Representation” of Non-Patent Document 1. Therefore, although the detailed description regarding extraction of a core wire is abbreviate
  • Core line extraction unit 202 extracts the direction of the ridge of the fingerprint image.
  • the core line extraction unit 202 emphasizes each ridge along the ridge direction and generates a binary image.
  • the core line extraction unit 202 extracts core line data (core line image) by converting the binary image into a core line. For example, the core line extraction unit 202 generates a core line image as shown in FIG.
  • the feature point extraction unit 203 is a means for extracting feature points from the core line image.
  • Information extracted by the feature point extraction unit 203 includes the position of the feature point, the type of the feature point (branch point, end point), the direction that characterizes the feature point by the direction (hereinafter referred to as the feature point direction), Is included.
  • the feature point extraction unit 203 extracts branch points and end points of the core line as feature points from the core line image generated by the core line extraction unit 202.
  • a feature point extraction method disclosed in “3 Fingerprint Analysis and Representation” of Non-Patent Document 1 can be used as a procedure for extracting feature points from a core image. Therefore, the detailed description regarding feature point extraction is abbreviate
  • the feature point extraction unit 203 extracts branch points 211 and 212 and end points 221 and 222 as shown in FIG. 5 as feature points, and stores the position of each feature point and its type (branch point and end point). 205 is registered.
  • branch points are indicated by white squares and end points by white circles.
  • the feature points (branch points and end points) described in each figure including FIG. 5 are set for convenience of explanation, and the correct feature points to be extracted from each figure are not covered. Absent.
  • the feature point extraction unit 203 calculates a feature point direction for each feature point. For example, if the extracted feature point is a branch point, the feature point extraction unit 203 determines the direction that bisects the interior angle that is determined from the three cores that form the feature point and has the smallest angle as the feature point direction. . For example, the feature point direction 232 of the branch point 231 shown in FIG.
  • the feature point extraction unit 203 traces a certain distance on the core line forming the end point, and calculates the end point.
  • the feature point extraction unit 203 calculates a direction connecting the end point and the end point as the feature point direction of the end point. For example, the feature point direction 242 of the end point 241 shown in FIG. 6B is calculated.
  • the feature point direction is expressed as a feature amount using an angle ⁇ formed by the X axis in the two-dimensional coordinate system in the fingerprint image and a straight line by the feature point direction, as shown in FIG. Is done.
  • the feature point extraction unit 203 delivers information about the extracted feature points (position, type, and feature point direction of the feature points) to the output unit 204.
  • the output unit 204 outputs information on the feature points extracted by the feature point extraction unit 203 to the synthesis device 30 as a first feature point set.
  • any form of data exchange between the first feature point extraction device 10 and the synthesis device 30 may be used.
  • data related to the first feature point set may be input to the synthesis device 30 via a network.
  • data relating to the first feature point set may be input to the synthesis device 30 using a USB memory or the like.
  • the output unit 204 may output not only the feature points (first feature point set) extracted from the fingerprint image but also the fingerprint image to the synthesis device 30.
  • the processing configuration related to the second feature point extraction apparatus 20 can be the same as that of the first feature point extraction apparatus 10, detailed description thereof is omitted.
  • the difference between the first feature point extraction device 10 and the second feature point extraction device 20 is, for example, a difference in algorithm related to feature point extraction (operation of the core line extraction unit 202 and the feature point extraction unit 203). Can do.
  • the feature point extraction algorithms of the first feature point extraction device 10 and the second feature point extraction device 20 are different from each other, the feature point sets output from each device are often different. However, depending on the quality of the fingerprint image and the algorithm used, the results output by the two feature point extraction devices may be the same.
  • FIG. 7 is a diagram illustrating an example of a processing configuration of the synthesis device 30.
  • the synthesis device 30 includes an input unit 301, a synthesis unit 302, an output unit 303, and a storage unit 304.
  • the input unit 301 is means for inputting a plurality of feature point sets extracted by a plurality of methods (feature point extraction algorithms) from an input image (fingerprint image) in which a curved stripe pattern is formed by ridges. Specifically, the input unit 301 inputs two feature point sets (first and second feature point sets) and a synthesis mode instruction. The input unit 301 passes the acquired two feature point sets and the synthesis mode instruction to the synthesis unit 302.
  • the synthesizing unit 302 is a means for synthesizing a plurality of feature point sets by executing a logical operation on the plurality of feature point sets.
  • the synthesizer 302 can execute various logical operations.
  • the synthesizing unit 302 executes a logical operation designated by a synthesis mode instruction from among a plurality of logical operations. In the first embodiment, it is assumed that the synthesis unit 302 performs either a logical sum operation or a logical product operation on two feature point sets.
  • the first feature point extraction device 10 extracts feature points from the fingerprint image shown in FIG. 8A
  • the result shown in FIG. 8B is obtained.
  • four feature points 251 to 254 are extracted.
  • the second feature point extraction device 20 extracts feature points from the fingerprint image shown in FIG. 8A
  • the result of FIG. 8C is obtained.
  • four feature points 261 to 264 are extracted.
  • FIG. 9A shows an example of a feature point set output by the first feature point extraction apparatus 10
  • FIG. 9B shows an example of a feature point set output by the second feature point extraction apparatus 20. Show.
  • the feature point 252 and the feature point 262 are feature points extracted at the same coordinate position, and the types are the same at the branch points. Further, it can be seen that the feature point 253 and the feature point 263 are feature points extracted at the same coordinate position, but their types are different.
  • the synthesis unit 302 performs a logical operation (logical sum operation or logical product operation) on a plurality of feature point sets as shown in FIG. 9 to synthesize two sets.
  • a logical operation logical sum operation or logical product operation
  • FIG. 10 is a flowchart illustrating an example of an operation when the synthesis unit 302 synthesizes two feature point sets by a logical sum operation.
  • the synthesizing unit 302 extracts feature points that belong to one feature point set and do not have coordinates corresponding to the other feature point set (coordinates do not match) (step S101).
  • the fact that the coordinates of the two feature points are the same means coordinates that are within a predetermined range when the difference between the two coordinates is calculated.
  • step S101 when step S101 is executed, feature points 251 and 254 are extracted from the first feature point set, and feature points 261 and 264 are extracted from the second feature point set. Extracted.
  • the extracted feature points are stored in the storage unit 304 as elements (feature points) belonging to the combined feature point set.
  • step S101 When the synthesis unit 302 executes the process of step S101, feature points that belong to each of the plurality of feature point sets and whose coordinate positions substantially coincide with each other remain in the two feature point sets. That is, the synthesis unit 302 extracts two feature point pairs whose coordinate positions substantially coincide with each other by executing Step S101.
  • the synthesizing unit 302 executes a process (feature point synthesizing process) for synthesizing feature points having the same coordinate position by executing the processes after step S102 for the feature point pair.
  • the synthesizing unit 302 checks whether or not the types of two feature points forming a feature point pair match (step S102).
  • the synthesis unit 302 averages the coordinate positions and the feature point directions of the two feature points (step S103). For example, it is assumed that the coordinate positions and the feature point directions of two feature points (branch points) shown in FIGS. 11A and 11B are averaged.
  • the coordinate of the feature point shown in FIG. 11A is (X1a, Y1a), and the feature point direction is ⁇ 1a.
  • the coordinate of the feature point shown in FIG. 11B is (X1b, Y1b), and the feature point direction is ⁇ 1b.
  • the synthesizer 302 averages the coordinate positions of the two feature points according to the following expression (1) to obtain coordinates (Xs, Ys). ... (1)
  • the synthesis unit 302 averages the two feature point directions by the following equation (2) to obtain the feature point direction ⁇ s. ... (2)
  • the synthesizing unit 302 stores the averaged coordinates of the feature points and the feature point directions in the storage unit 304 as the synthesized feature points (see FIG. 9C).
  • step S102 If the types of the two feature points do not match in the determination in step S102 (step S102, No branch), the synthesis unit 302 averages the coordinate positions of the two feature points, and features of the feature points after synthesis. The point direction and type are set to “unknown” (step S104).
  • the synthesizing unit 302 confirms whether or not the process for the feature point pair extracted by the execution of step S101 is completed (step S105), and if not completed, repeats the processes after step S102.
  • the feature point 253 in FIG. 8B and the feature point 263 in FIG. 8C have the same coordinate position. Therefore, when the coordinates are averaged, (X3, Y3) is can get.
  • the attributes (feature point direction, type) of the two feature points are deleted, and the feature point direction and type of the combined feature point are set to “unknown”.
  • the The combining unit 302 sets the averaged feature point coordinates as the combined feature point coordinates, sets “unknown” for the feature point type and the feature point direction, and stores them in the storage unit 304.
  • the feature point combining process executed by the combining unit 302 includes averaging at least the coordinate positions of the feature points to be combined regardless of the type of feature points to be combined.
  • the synthesizing unit 302 When the synthesizing unit 302 performs the synthesis process related to the logical sum for the two feature point sets shown in FIGS. 8 and 9, the result shown in FIG. 12A is obtained.
  • the feature point direction and type set as unknown are indicated by a symbol “-”.
  • the feature point direction ⁇ 26 of the feature point 275 is an average value of the feature point direction ⁇ 2 of the feature point 252 and the feature point direction ⁇ 6 of the feature point 262.
  • FIG. 12B is obtained by reflecting the result shown in FIG. 12A on the input image shown in FIG. 8A. Note that the feature points (feature points 276) whose type is set to unknown are indicated by white triangles.
  • the fingerprint image shown in FIG. 8A is input to the feature point extraction system, the first feature point extraction device 10 extracts the feature points shown in FIG. 8B, and the second feature points.
  • the extraction device 20 extracts the feature points shown in FIG. 8C will be described as an example.
  • FIG. 13 is a flowchart illustrating an example of an operation when the synthesis unit 302 synthesizes two feature point sets by a logical product operation.
  • the synthesizing unit 302 extracts feature point pairs that are included in each of the two feature point sets and whose feature point coordinates substantially coincide (overlap) (step S201).
  • the combining unit 302 executes the process of step S201, so that the feature points belonging to each of the plurality of feature point sets and the mutual coordinate positions are substantially Feature point pairs that match are extracted. For example, in the example of FIG. 8, a pair of feature points 252 and 262 and a pair of feature points 253 and 263 are extracted.
  • the synthesis unit 302 confirms whether or not the feature point types of each feature point pair match (step S202).
  • step S202 If the feature point types match (step S202, Yes branch), the synthesis unit 302 averages the coordinate position and the feature point direction (step S203). Since this process can be the same as the process of step S103 in FIG. 10, a detailed description thereof will be omitted.
  • the synthesis unit 302 stores the averaged feature point coordinates and feature point directions in the storage unit 304 as feature points after synthesis.
  • step S202 If the feature point types do not match (step S202, No branch), the synthesizing unit 302 averages the coordinate positions of the two feature points, and sets the feature point direction and type regarding the synthesized feature points to “unknown”. Setting is made (step S204). Since this process can be the same as the process of step S104 in FIG. 10, detailed description thereof is omitted.
  • the synthesis unit 302 sets the averaged feature point coordinates as the coordinate of the feature point after synthesis, sets “unknown” for the feature point type and the feature point direction, and stores them in the storage unit 304.
  • the synthesizing unit 302 confirms whether or not the processing for the feature point pair extracted in step S201 has been completed (step S205), and if not completed, repeats the processing from step S202.
  • FIG. 14A When the synthesizing unit 302 performs synthesis processing related to the logical product operation on the two feature point sets shown in FIGS. 8 and 9, the result shown in FIG. 14A is obtained.
  • FIG. 14B When the result shown in FIG. 14A is reflected in FIG. 8A as an input image, FIG. 14B is obtained.
  • the synthesizing unit 302 delivers the set of feature points (information as shown in FIG. 12A and FIG. 14A) obtained by the synthesizing process to the output unit 303.
  • the output unit 303 outputs the combined feature point set as a feature point (feature amount) corresponding to the fingerprint image input to the system to the external device.
  • the external device that is the output destination of the feature point corresponds to an authentication device that performs personal authentication, a verification device that identifies an individual stored in a database, and the like.
  • FIG. 15 is a sequence diagram showing an example of the operation of the feature point extraction system according to the first embodiment.
  • Each of the first feature point extraction device 10 and the second feature point extraction device 20 inputs a fingerprint image (steps S11 and S21). Thereafter, after passing through the core line extraction process (steps S12 and S22) and the feature point extraction process (steps S13 and S23), the first and second feature point sets are output (steps S14 and S24).
  • the synthesizing apparatus 30 inputs a synthesizing mode instruction from a system operator, for example (step S31). Thereafter, the synthesizing device 30 inputs two feature point sets (step S32), and executes a synthesizing process according to the synthesizing mode instruction (step S33). The synthesis device 30 outputs the feature point set after synthesis to an external device or the like (step S34).
  • the synthesizing apparatus 30 performs a logical operation (for example, a logical sum operation and a logical product operation) on a feature point set extracted by a plurality of methods (algorithms).
  • the feature point set is synthesized.
  • the synthesizing device 30 determines a predetermined synthesizing process (step of FIG. 10) when the feature points belong to the feature point set extracted by a plurality of methods and the coordinate positions of the feature points substantially coincide with each other.
  • S103 and S104; Steps S203 and S204 in FIG. 13 are executed to synthesize feature points.
  • the synthesis mode by the synthesis device 30 can be determined by a synthesis mode instruction. As a result, a feature point set that matches the purpose of use of the feature points extracted from the first feature point extraction system is obtained.
  • a logical sum operation may be designated by a synthesis mode instruction.
  • the feature points output by the two feature point extraction devices are selected without omission.
  • a logical product operation may be designated by a synthesis mode instruction.
  • the feature points extracted in common by the two feature point extraction devices are selected.
  • a feature point extracted by each of two devices having different feature point extraction algorithms can be regarded as having a feature point as a feature point from any viewpoint, and is considered to have high quality.
  • feature point extraction algorithms used when extracting feature points from a fingerprint image.
  • algorithms that can be used to core ridges with high accuracy when applied to a region with a wide ridge
  • algorithms that can core ridges with high accuracy when applied to a region with a narrow ridge are often mixed.
  • a sufficiently high quality feature point set may not be obtained.
  • a fingerprint image in which a wide area of ridges and a narrow area are mixed is assumed.
  • the first feature point extraction device 10 executes an algorithm (hereinafter referred to as algorithm A) effective for an area where the width of the ridge is wide, and the second feature point extraction device 20 executes the width of the ridge. Is executed in a narrow area (hereinafter referred to as algorithm B).
  • the feature points extracted by the two algorithms are exhaustively extracted. However, in that case, many feature points extracted by one of the algorithms remain, and the quality of such feature points is not necessarily high. That is, when the combined feature point set is considered as a whole, it cannot be said that a high quality one is necessarily generated.
  • a synthesizing device 30a that extracts comprehensively high quality feature points (feature point set after synthesis) is provided.
  • the synthesizing apparatus 30a inputs a set of three or more feature points, and executes a plurality of synthesizing processes in a hierarchical manner, so that the feature points with high quality are comprehensively obtained. To extract.
  • FIG. 17 is a diagram illustrating an example of a feature point extraction system configuration according to the second embodiment. In the system shown in FIG. 17, a third feature point extraction device 40 is added.
  • the third feature point extraction device 40 is a device that extracts feature points from a fingerprint image, similar to the first feature point extraction device 10 and the second feature point extraction device 20. Therefore, the description regarding a structure and operation
  • feature points (feature point set) extracted by the third feature point extracting device 40 are referred to as a third feature point set.
  • the feature point extraction algorithm executed by each feature point extraction device is as follows.
  • the first feature point extraction device 10 corresponds to algorithm A (effective when the ridge width is wide).
  • the second feature point extraction device 20 corresponds to algorithm B (effective when the width of the ridge is narrow).
  • the third feature point extraction device 40 corresponds to the algorithm C, and the algorithm C has an intermediate feature (almighty property) between the algorithms A and B.
  • the synthesizing apparatus 30a according to the second embodiment is different from the synthesizing apparatus 30 according to the first embodiment in that the synthesizing apparatus 30a corresponds to three or more feature point sets and a plurality of synthesizing processes are executed.
  • FIG. 18 is a flowchart illustrating an example of the operation of the synthesis unit 302a according to the second embodiment.
  • the synthesis unit 302a executes synthesis related to the logical product operation for each feature point set pair (a pair of feature point sets selected from a plurality of feature point sets) ( Step S301).
  • the synthesis unit 302a executes synthesis related to the logical sum operation of each set of post-synthesis feature points obtained by executing the previous step (step S302).
  • the compositing mode instruction is not referred to.
  • the compositing device 30a may be determined in advance as executing the processing corresponding to Expression (3), or the logic corresponding to Expression (3).
  • An expression may be input as a synthesis mode instruction.
  • the combining process executed by the combining device 30a is not limited to the expression (3), and for example, a combining process according to the following expression (4) obtained by simplifying the expression (3) may be executed.
  • ... (4) Equation (4) indicates that a logical product operation is performed on the feature point set pairs of algorithms A and C and algorithms B and C, and then a logical sum operation is performed on the result of the logical product operation.
  • the synthesis device 30a is configured to accept, for example, “highest quality mode”, “high quality mode”, “low quality mode”, etc. as synthesis mode instructions, The content of the synthesis process (combination of logical product operations, etc.) may be changed.
  • the “highest quality mode” may be used so that the synthesis process corresponding to Expression (3) is executed, and in the “high quality mode”, the synthesis process corresponding to Expression (4) is executed. As a result, it is possible to balance the processing time required for feature point extraction and the quality of the obtained feature points.
  • FIG. 19 is a diagram illustrating an example of a feature point extraction system configuration according to the third embodiment.
  • the first feature point extraction apparatus 10a has a function of outputting the first core line image used for feature point extraction to the synthesis apparatus 30b to the first feature point extraction apparatus 10 described in the first embodiment. Has been.
  • the second feature point extraction device 20a has a function of outputting the second core image to the synthesis device 30b.
  • the synthesizing device 30b further includes a function of generating core line information based on two core line images.
  • the core line information is information indicating the number of ridges between feature points belonging to the combined feature point set.
  • FIG. 20 is a diagram illustrating an example of a processing configuration of the synthesis device 30b.
  • the synthesizing device 30 b further includes a core information generating unit 305 in addition to the configuration of the synthesizing device 30 illustrated in FIG. 7.
  • the core line information generation unit 305 is means for generating core information related to the combined feature point set based on a plurality of core line images corresponding to the plurality of feature point sets. Specifically, the core line information generation unit 305 reflects the combined feature point set in each core line image. Note that reflecting the feature point set after synthesis in the core line image means acquiring the coordinate position of the feature point belonging to the feature point set after synthesis and setting the feature point at a location corresponding to the coordinate position in the core line image. It is.
  • the core line information generation unit 305 counts the number of ridges between feature points on the core line image in which the feature points are reflected. Thereafter, the core line information generation unit 305 generates an average value of the number of ridges between feature points counted from each of the plurality of core line images as core line information.
  • FIG. 21A reflects post-synthesis feature points 291 to 294 generated by the synthesis process.
  • the number of ridges between the feature point 291 and the feature point 292 is calculated as “2”.
  • the number of ridges between the feature point 292 and the feature point 294 is calculated as “4”.
  • the core line information generation unit 305 reflects the post-synthesis feature point set in the second core line image, and calculates the number of ridges between feature points obtained from the drawing.
  • the core image shown in FIG. 21B is obtained as the second core image, and the number of ridges between some feature points is calculated as shown in FIG. 21B.
  • the core line information generation unit 305 calculates an average value of the number of ridges between feature points corresponding to each of the two core line images as the core line information corresponding to the combined feature point set. For example, the number of ridges of the feature points 291 and 292 on the first core image is “2”, and the number of ridges between the feature points 291 and 292 on the second core image is “1”. Therefore, the average value of the number of ridges between feature points 291 and 292 is calculated as “1.5”.
  • the core line information generation unit 305 applies the above-described ridge number calculation process between feature points and the average value calculation process of the ridge numbers between feature points to all feature points to generate core line information.
  • the generated core information is output to an external device via the output unit 303.
  • the core information can be used for personal authentication and personal identification by treating the core information as a feature quantity characterizing the fingerprint image.
  • the number of ridges between feature points corresponding to the feature point set can be output to the external device as core information. As a result, the accuracy of the collation process using the information can be improved.
  • a collation system can be constructed by a feature point set output by the synthesis apparatus according to the first to third embodiments.
  • high-quality feature points are extracted by the synthesis device 30a according to the second embodiment and registered in the database.
  • feature points are extracted from the fingerprint image to be collated by the synthesizer 30a and used as collation data.
  • the collation process using high quality feature points can be performed with a small number of times.
  • three feature points A to C are used to generate one feature point set. If an attempt is made to obtain the same level of accuracy as the matching using the feature point set after the synthesis without using the above-described synthesis processing, the matching processing three times by each of the algorithms A to C is required.
  • feature points with high quality according to the three algorithms A to C are collected as one feature point set, so it is sufficient to execute one matching process.
  • the feature point set obtained by the logical product operation in the first embodiment can also be used to synthesize a plurality of fingerprint images. Specifically, for each fingerprint image, a feature point set is extracted by the logical product operation described in the first embodiment. Thereafter, an area where the feature points are common among the extracted feature point sets is calculated.
  • the feature point set obtained by the logical product operation is of high quality, and the region where such high quality feature points exist in common can be regarded as a common part of fingerprint images obtained from the same person. it can. Therefore, it is possible to synthesize one fingerprint image from the plurality of images by converting the images so that the common areas overlap with each other regarding the plurality of fingerprint images.
  • the configuration of the feature point extraction system (FIGS. 2, 17, and 19) described in the first to third embodiments is an example, and is not intended to limit the configuration of the system.
  • the function of the feature point extraction device may be incorporated in the synthesis device.
  • the feature point extraction system may not include the feature point extraction device.
  • a set of feature points extracted from the same fingerprint image by a plurality of specialists may be input to the synthesis device 30.
  • the synthesizing apparatus 30 can synthesize a plurality of feature point sets by the method described in the first to third embodiments to generate one feature point set.
  • the feature point set targeted by the synthesis apparatus 30 may be extracted by any method.
  • a plurality of feature point sets manually extracted from a fingerprint image by an inspector may be a target of synthesis, and a feature point set extracted manually and a feature point set automatically extracted by the device It may be mixed. Or it is good also considering the result which the inspector corrected the feature point automatically extracted by the apparatus as a feature point set. That is, any feature point set extracted by a different method or algorithm can be a target of synthesis by the synthesis device 30.
  • the number of feature point sets to be combined is not limited to two. It is obvious that three or more feature point sets can be combined. Also, by increasing the number of feature points to be combined, it is possible to improve requirements for feature points such as the completeness and accuracy of feature points.
  • an image that can be handled by the feature point extraction system is not limited to a fingerprint image. Any image in which a curved stripe pattern is formed by a ridge such as a palm print may be used.
  • the feature points belonging to the feature point set have been described as having attributes such as the feature point direction and type, but the feature points belonging to the feature point set may not have these attributes.
  • the feature point set may be a simple set of feature points.
  • the computer can function as a synthesizer. Furthermore, by causing the computer to execute the above-described computer program, the computer can execute the feature point set synthesis method.
  • the synthesizing unit performs a logical OR operation on the plurality of feature point sets.
  • the synthesizing unit performs an AND operation on the plurality of feature point sets, and is preferably a synthesizing device according to mode 1 or 2.
  • the synthesizing device according to any one of aspects 1 to 3, wherein the synthesizing unit performs at least two or more logical operations on the plurality of feature point sets.
  • the synthesizing unit hierarchically executes the at least two or more logical operations.
  • the synthesis unit performs processing for synthesizing feature points that belong to each of the plurality of feature point sets and that have the same coordinate position when the coordinate positions substantially match each other,
  • the processing for synthesizing the feature points preferably includes averaging at least coordinate positions of the feature points to be synthesized, preferably according to any one of aspects 1 to 5.
  • the process of combining the feature points further includes a process of averaging the feature point directions that characterize the directions of the feature points having the same coordinate position.
  • the process for synthesizing the feature points further includes a process of setting the type of the feature point after synthesis as unknown when the types of the feature points with the same coordinate position are different, preferably the synthesis device according to mode 6 or 7 .
  • the combining unit performs an AND operation on a pair of feature point sets selected from the plurality of feature point sets, and performs an OR operation on the feature point set after the AND operation,
  • the synthesizing device according to any one of forms 1 to 8.
  • Mode 10 Preferably, according to any one of aspects 1 to 9, further comprising: a core line information generation unit that generates core line information related to the combined feature point set based on a plurality of core line images corresponding to each of the plurality of feature point sets.
  • the core line information generation unit reflects the feature points belonging to the combined feature point set in each of the plurality of core line images, and counts the number of ridges between the feature points on the core line image in which the feature points are reflected. Then, preferably, the composition device according to the tenth aspect generates the average value of the number of ridges between the feature points counted from each of the plurality of core line images as the core line information.
  • the core line information generation unit reflects the feature points belonging to the combined feature point set in each of the plurality of core line images, and counts the number of ridges between the feature points on the core line image in which the feature points are reflected. Then, preferably, the composition device according to the tenth aspect generates the average value of the number of ridges between the feature points counted from each of the plurality of core line images as the core line information.
  • [Form 12] This is the same as the synthesis method according to the second viewpoint described above.
  • [Form 13] It is as the program which concerns on the

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Multimedia (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • General Health & Medical Sciences (AREA)
  • Software Systems (AREA)
  • Medical Informatics (AREA)
  • Computing Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Databases & Information Systems (AREA)
  • Human Computer Interaction (AREA)
  • Geometry (AREA)
  • Probability & Statistics with Applications (AREA)
  • Collating Specific Patterns (AREA)

Abstract

使用用途に適した特徴点を抽出する、合成装置を提供する。合成装置は、隆線により曲線縞模様が形成されている入力画像から複数の方式それぞれにより抽出された複数の特徴点集合を入力する、入力部と、複数の特徴点集合に対し論理演算を実行することで、複数の特徴点集合を合成する、合成部と、を備える。合成部は、複数の特徴点集合に対して論理和演算を実行することができる。また、合成部は、複数の特徴点集合に対して論理積演算を実行することもできる。

Description

合成装置、合成方法及びプログラム
［関連出願についての記載］
　本発明は、日本国特許出願：特願２０１６－２０６８７９号（２０１６年１０月２１日出願）の優先権主張に基づくものであり、同出願の全記載内容は引用をもって本書に組み込み記載されているものとする。　
本発明は、合成装置、合成方法及びプログラムに関する。特に、隆線により曲線縞模様が形成されている画像から抽出された特徴点を含む集合を扱う、合成装置、合成方法及びプログラムに関する。
　曲線縞模様の多数の隆線により構成される指紋、掌紋は、古くから人物特定の手段として利用されている。特に、犯罪現場に残された遺留指紋を用いる照合は、効果的な捜査手段として活用されている。多くの警察機関には、コンピュータを利用した指紋照合システムが導入されている。データベースに登録された指紋画像と犯罪現場等にて採取された遺留指紋それぞれの特徴点を比較することで、遺留指紋に対応する人物の特定がなされる。
　指紋照合に用いられる特徴点には、指紋隆線の端点や分岐点が用いられることが多い。例えば、非特許文献１の「４．３　Ｍｉｎｕｔｉａｅ－Ｂａｓｅｄ　Ｍｅｔｈｏｄｓ」にて開示されているように、指紋隆線の端点や分岐点を用いた特徴点照合が用いられている。
　特許文献１は、精度良く照合対象となる指紋画像を抽出可能とする指紋画像処理装置を提供するための技術を開示している。特許文献１には、指紋画像から抽出された特徴点の方向を基準点に対する回転方向により特徴付けることが開示されている。
特開２０１５－２２８０７０号公報
D.Maltoni、"Handbook of Fingerprint Recognition"、Springer、２００３
　なお、上記先行技術文献の各開示を、本書に引用をもって繰り込むものとする。以下の分析は、本発明者らによってなされたものである。
　指紋画像の利用には、入退出管理等における個人認証や犯罪捜査等における犯人特定など多岐に渡る。これらの指紋画像の利用では、指紋画像から特徴点が抽出され、当該抽出された特徴点とデータベース等に格納された画像から抽出された特徴点を比較することで、認証や個人特定がなされる点において共通する。
　しかし、指紋画像の利用（ユースケース）において、指紋画像から抽出される特徴点（より正確には、複数の特徴点からなる集合又は特徴ベクトル）に対する要求事項が異なる。例えば、犯罪捜査において遺留指紋を容疑者の選定に利用する場合には、容疑者の指紋を取りこぼすことがないように、特徴点には網羅性が要求される。つまり、品質が低いと考えられる特徴点であっても網羅的に抽出され、データベースの情報と比較されることが望まれる。
　一方、個人認証等に使用される場合には、誤判定（本人拒否、他人受入）を低減するために、スキャナ装置等により得られる指紋画像から抽出される特徴点には正確性が要求される。つまり、指紋採取時の環境に影響されるような特徴点は予め除外されデータベースに登録されると共に、照合時にもこのような品質の低い特徴点は除外されることが望まれる。
　なお、上記２つの要望（網羅性、正確性）に対し、品質の高い特徴点を網羅的に抽出できる特徴点抽出方式（特徴点抽出アルゴリズム）が存在すれば良いが、各特徴点抽出方式には特有の性格があり、万能なアルゴリズムが存在しないのが実情である。
　本発明は、使用用途に適した特徴点を抽出する、合成装置、合成方法及びプログラムを提供することを目的とする。
　本発明乃至開示の第１の視点によれば、隆線により曲線縞模様が形成されている入力画像から複数の方式それぞれにより抽出された複数の特徴点集合を入力する、入力部と、前記複数の特徴点集合に対し論理演算を実行することで、前記複数の特徴点集合を合成する、合成部と、を備える、合成装置が提供される。
　本発明乃至開示の第２の視点によれば、隆線により曲線縞模様が形成されている入力画像から複数の方式それぞれにより抽出された複数の特徴点集合を入力するステップと、前記複数の特徴点集合に対し論理演算を実行することで、前記複数の特徴点集合を合成するステップと、を含む、合成方法が提供される。
　本発明乃至開示の第３の視点によれば、隆線により曲線縞模様が形成されている入力画像から複数の方式それぞれにより抽出された複数の特徴点集合を入力する処理と、前記複数の特徴点集合に対し論理演算を実行することで、前記複数の特徴点集合を合成する処理と、をコンピュータに実行させるプログラムが提供される。
　なお、このプログラムは、コンピュータが読み取り可能な記憶媒体に記録することができる。記憶媒体は、半導体メモリ、ハードディスク、磁気記録媒体、光記録媒体等の非トランジェント（non-transient）なものとすることができる。本発明は、コンピュータプログラム製品として具現することも可能である。
　本発明乃至開示の各視点によれば、使用用途に適した特徴点を抽出することに寄与する、合成装置、合成方法及びプログラムが提供される。
一実施形態の概要を説明するための図である。 第１の実施形態に係る特徴点抽出システムの構成の一例を示す図である。 第１の実施形態に係る合成装置のハードウェア構成の一例を示す図である。 第１の特徴点抽出装置の処理構成の一例を示す図である。 芯線抽出部の動作を説明するための図である。 特徴点抽出部の動作を説明するための図である。 合成装置の処理構成の一例を示す図である。 合成装置における合成部の動作を説明するための図である。 合成装置における合成部の動作を説明するための図である。 合成部が２つの特徴点集合を論理和演算により合成する際の動作の一例を示すフローチャートである。 合成装置における合成部の動作を説明するための図である。 合成装置における合成部の動作を説明するための図である。 合成部が２つの特徴点集合を論理積演算により合成する際の動作の一例を示すフローチャートである。 合成装置における合成部の動作を説明するための図である。 第１の実施形態に係る特徴点抽出システムの動作の一例を示すシーケンス図である。 指紋画像に複数のアルゴリズムを適用する一例を説明するための図である。 第２の実施形態に係る特徴点抽出システム構成の一例を示す図である。 合成部の動作の一例を示すフローチャートである。 第３の実施形態に係る特徴点抽出システム構成の一例を示す図である。 第３の実施形態に係る合成装置の処理構成の一例を示す図である。 特徴点間隆線数を説明するための図である。
　初めに、一実施形態の概要について説明する。なお、この概要に付記した図面参照符号は、理解を助けるための一例として各要素に便宜上付記したものであり、この概要の記載はなんらの限定を意図するものではない。
　一実施形態に係る合成装置１００は、隆線により曲線縞模様が形成されている入力画像から複数の方式それぞれにより抽出された複数の特徴点集合を入力する、入力部１０１と、複数の特徴点集合に対し論理演算を実行することで、複数の特徴点集合を合成する、合成部１０２と、を備える。
　合成装置１００に入力される特徴点集合は、異なる複数の方式（アルゴリズム）により抽出されたものである。各方式には得手不得手があるのが実情であり、具体的には、特定の特徴を有する指紋画像に特化したアルゴリズムが存在する。一実施形態に係る合成装置１００では、複数のアルゴリズムそれぞれから抽出された特徴点集合に対し、論理演算（例えば、論理和演算、論理積演算）を実行し、複数の特徴点集合を１つの特徴点集合に合成する。その際、合成装置１００が実行する論理演算を適切に選択することで、利用目的に適った特徴点集合を抽出することができる。例えば、複数のアルゴリズムから抽出された特徴点を漏れなく選択したい場合には、論理和演算を実行すればよい。あるいは、複数のアルゴリズムから抽出された特徴点であって、品質の高いものだけを残したい場合には、論理積演算を実行すればよい。
　以下に具体的な実施の形態について、図面を参照してさらに詳しく説明する。なお、各実施形態において同一構成要素には同一の符号を付し、その説明を省略する。また、各図におけるブロック間の接続線は、双方向及び単方向の双方を含む。一方向矢印については、主たる信号（データ）の流れを模式的に示すものであり、双方向性を排除するものではない。
［第１の実施形態］
　第１の実施形態について、図面を用いてより詳細に説明する。
　図２は、第１の実施形態に係る特徴点抽出システムの構成の一例を示す図である。図２を参照すると、特徴点抽出システムは、第１の特徴点抽出装置１０と、第２の特徴点抽出装置２０と、合成装置３０と、を含んで構成される。
　第１の特徴点抽出装置１０及び第２の特徴点抽出装置２０のそれぞれは、指紋画像を入力する。第１の特徴点抽出装置１０及び第２の特徴点抽出装置２０のそれぞれは、互いに異なる方式（アルゴリズム）により入力した指紋画像から特徴点を抽出する。
　第１の特徴点抽出装置１０が抽出する特徴点の集合を「第１の特徴点集合」と表記する。同様に、第２の特徴点抽出装置２０が抽出する特徴点の集合を「第２の特徴点集合」と表記する。
　合成装置３０は、第１及び第２の特徴点集合のそれぞれを入力する。また、特徴点抽出システムのオペレータ等は、「合成モード指示」を合成装置３０に入力する。合成装置３０は、合成モード指示に従い第１及び第２の特徴点集合を合成し、特徴点集合をシステムに入力された指紋画像を特徴付ける特徴量として出力する。即ち、合成装置３０は、２以上の特徴点集合を合成し、１つの特徴点集合を生成する装置である。
［ハードウェア構成］
　次に、第１の実施形態に係る特徴点抽出システムを構成する各種装置のハードウェア構成を説明する。
　図３は、第１の実施形態に係る合成装置３０のハードウェア構成の一例を示すブロック図である。
　合成装置３０は、所謂、情報処理装置（コンピュータ）により実現され、例えば、図３に例示する構成を備える。例えば、合成装置３０は、内部バスにより相互に接続される、ＣＰＵ（Central Processing Unit）１１、メモリ１２、入出力インターフェイス１３及び通信手段であるＮＩＣ（Network Interface Card）１４等を備える。
　但し、図３に示す構成は、合成装置３０のハードウェア構成を限定する趣旨ではない。合成装置３０は、図示しないハードウェアを含んでもよいし、必要に応じて入出力インターフェイス１３やＮＩＣ１４等を備えていなくともよい。また、合成装置３０に含まれるＣＰＵ等の数も図３の例示に限定する趣旨ではなく、例えば、複数のＣＰＵが合成装置３０に含まれていてもよい。
　メモリ１２は、ＲＡＭ（Random Access Memory）、ＲＯＭ（Read Only Memory）、補助記憶装置（ハードディスク等）である。
　入出力インターフェイス１３は、図示しない表示装置や入力装置のインターフェイスとなる手段である。表示装置は、例えば、液晶ディスプレイ等である。入力装置は、例えば、キーボードやマウス等のユーザ操作を受け付ける装置である。また、入力装置には、ＵＳＢ（Universal Serial Bus）メモリ等の外部記憶装置も含まれる。
　合成装置３０の機能は、後述する各種処理モジュールにより実現される。当該処理モジュールは、例えば、メモリ１２に格納されたプログラムをＣＰＵ１１が実行することで実現される。また、そのプログラムは、ネットワークを介してダウンロードするか、あるいは、プログラムを記憶した記憶媒体を用いて、更新することができる。さらに、上記処理モジュールは、半導体チップにより実現されてもよい。即ち、上記処理モジュールが行う機能を何らかのハードウェア、及び／又は、ソフトウェアで実行する手段があればよい。
　なお、第１の特徴点抽出装置１０や第２の特徴点抽出装置２０のハードウェア構成は、合成装置３０と同様とすることができるので、詳細な説明は省略する。
　続いて、各装置の処理構成（処理モジュール）について説明する。
［第１の特徴点抽出装置］
　図４は、第１の特徴点抽出装置１０の処理構成の一例を示す図である。図４を参照すると、第１の特徴点抽出装置１０は、入力部２０１と、芯線抽出部２０２と、特徴点抽出部２０３と、出力部２０４と、記憶部２０５と、を含んで構成される。なお、入力部２０１等の各部は相互にデータの授受が可能に構成されると共に、記憶部２０５に格納されたデータにアクセス可能である。
　入力部２０１は、外部から指紋画像（隆線により曲線縞模様が形成されている画像）に係るデータを入力する手段である。例えば、入力部２０１は、ＵＳＢメモリ等の外部記憶媒体に格納された指紋画像のデジタルデータ（画像ファイル）を取り込み、芯線抽出部２０２に当該データを引き渡す。入力部２０１は、ネットワークを介して指紋画像に係るデータ等を入力してもよい。あるいは、スキャナ等によりデジタル化された指紋画像を入力する構成ではなく、入力部２０１にスキャナ機能を搭載することで、デジタル化された指紋画像を取得してもよい。なお、スキャナにより指紋画像を取得した場合には、第１の特徴点抽出装置１０は、当該画像を第２の特徴点抽出装置２０に提供する。
　指紋画像には標準化された規格が存在する。具体的には、米国National Institute of Standards and Technologyにより標準化されたANSI/NIST-ITL-1-2000 Data Format for the Interchange of Fingerprint、Facial、& Scar Mark & Tattoo (SMT) Informationが存在する。入力部２０１は、上記規格に基づきデジタル化された指紋画像（例えば、解像度が５００ｄｐｉの指紋画像）を取り扱えることが望ましい。
　芯線抽出部２０２は、取得した指紋画像から芯線を抽出する手段である。なお、芯線抽出部２０２は、非特許文献１の「３　Ｆｉｎｇｅｒｐｒｉｎｔ　Ａｎａｌｙｓｉｓ　ａｎｄ　Ｒｅｐｒｅｓｅｎｔａｔｉｏｎ」に開示された芯線抽出手法を用いることができる。そのため、芯線の抽出に関する詳細な説明は省略するが、芯線抽出部２０２は、概略以下の手順にて、芯線を抽出する。
　芯線抽出部２０２は、指紋画像の隆線の方向を抽出する。芯線抽出部２０２は、当該隆線方向に沿って各隆線を強調し、二値画像を生成する。芯線抽出部２０２は、二値画像を芯線化することで、芯線データ（芯線画像）を抽出する。例えば、芯線抽出部２０２は、図５に示すような芯線画像を生成する。
　特徴点抽出部２０３は、芯線画像から特徴点を抽出する手段である。特徴点抽出部２０３が抽出する情報には、特徴点の位置と、特徴点の種別（分岐点、端点）と、当該特徴点を方向により特徴付ける方向（以下、特徴点方向と表記する）と、が含まれる。
　特徴点抽出部２０３は、芯線抽出部２０２が生成した芯線画像から、芯線の分岐点及び端点を特徴点として抽出する。なお、芯線画像から特徴点を抽出する際の手順には、非特許文献１の「３　Ｆｉｎｇｅｒｐｒｉｎｔ　Ａｎａｌｙｓｉｓ　ａｎｄ　Ｒｅｐｒｅｓｅｎｔａｔｉｏｎ」に開示された特徴点抽出手法を用いることができる。そのため、特徴点抽出に関する詳細な説明は省略する。
　例えば、特徴点抽出部２０３は、図５に示すような分岐点２１１、２１２や、端点２２１、２２２を特徴点として抽出し、各特徴点の位置及びその種別（分岐点、端点）を記憶部２０５に登録する。なお、図５以降の図面において、分岐点は白抜きの四角、端点は白抜きの丸によりそれぞれ表記する。また、図５を初めとする各図に記載された特徴点（分岐点、端点）は説明の便宜上、設定されたものであり、各図から抽出されるべき正しい特徴点が網羅されたものではない。
　特徴点の抽出が終了すると、特徴点抽出部２０３は、各特徴点に関する特徴点方向を算出する。例えば、抽出した特徴点が分岐点であれば、特徴点抽出部２０３は、特徴点をなす３本の芯線から定まる内角であって最小の角度を有するものを二分する方向を特徴点方向と定める。例えば、図６（ａ）に示す分岐点２３１の特徴点方向２３２が算出される。
　また、抽出した特徴点が端点であれば、特徴点抽出部２０３は、端点を形成する芯線上を一定距離トレースし、終端点を算出する。特徴点抽出部２０３は、端点と終端点を結ぶ方向を、端点の特徴点方向として算出する。例えば、図６（ｂ）に示す端点２４１の特徴点方向２４２が算出される。
　なお、特徴点方向は、図６（ｃ）に示すように、指紋画像内の２次元座標系におけるＸ軸と、特徴点方向による直線と、により形成される角度θを用いて特徴量として表記される。
　特徴点抽出部２０３は、抽出した特徴点に関する情報（特徴点の位置、種別、特徴点方向）を出力部２０４に引き渡す。
　出力部２０４は、特徴点抽出部２０３が抽出した特徴点に関する情報を、第１の特徴点集合として合成装置３０に出力する。なお、第１の特徴点抽出装置１０と合成装置３０間のデータ授受の形態はどのようなものであってもよい。例えば、ネットワークを介して第１の特徴点集合に係るデータが合成装置３０に入力されてもよい。あるいは、ＵＳＢメモリ等を用いて第１の特徴点集合に係るデータが合成装置３０に入力されてもよい。また、出力部２０４は、指紋画像から抽出した特徴点（第１の特徴点集合）だけでなく、指紋画像も合わせて合成装置３０に出力してもよい。
［第２の特徴点抽出装置］
　第２の特徴点抽出装置２０に関する処理構成は、第１の特徴点抽出装置１０と同様とすることができるので、その詳細な説明は省略する。第１の特徴点抽出装置１０と第２の特徴点抽出装置２０の相違点は、例えば、特徴点の抽出に係るアルゴリズム（芯線抽出部２０２、特徴点抽出部２０３の動作）の相違とすることができる。
　例えば、指紋画像に写る隆線上に数ドットの空白が存在する場合に、当該空白を隆線の途切れと判断するか、又は、当該空白をノイズと判断し隆線は途切れていないと判断するか等の判断が、２つの装置間で異なるものとする。第１の特徴点抽出装置１０と第２の特徴点抽出装置２０の特徴点抽出アルゴリズムはそれぞれ異なるため、各装置から出力される特徴点集合もまた異なることが多い。但し、指紋画像の品質や使用するアルゴリズムによっては、２つの特徴点抽出装置が出力する結果が同じとなることもある。
［合成装置］
　図７は、合成装置３０の処理構成の一例を示す図である。図７を参照すると、合成装置３０は、入力部３０１と、合成部３０２と、出力部３０３と、記憶部３０４と、を含んで構成される。
　入力部３０１は、隆線により曲線縞模様が形成されている入力画像（指紋画像）から複数の方式（特徴点抽出アルゴリズム）それぞれにより抽出された複数の特徴点集合を入力する手段である。具体的には、入力部３０１は、２つの特徴点集合（第１及び第２の特徴点集合）と合成モード指示を入力する。入力部３０１は、取得した２つの特徴点集合及び合成モード指示を合成部３０２に引き渡す。
　合成部３０２は、複数の特徴点集合に対し論理演算を実行することで、複数の特徴点集合を合成する手段である。合成部３０２は、種々の論理演算を実行できる。合成部３０２は、複数の論理演算のなかから合成モード指示により指定された論理演算を実行する。第１の実施形態では、合成部３０２は、２つの特徴点集合に対して論理和演算と論理積演算のいずれかを実行するものとする。
　例えば、図８（ａ）に示す指紋画像から第１の特徴点抽出装置１０が特徴点を抽出すると図８（ｂ）の結果が得られるものとする。図８（ｂ）では、４つの特徴点２５１～２５４が抽出されている。同様に、図８（ａ）に示す指紋画像から第２の特徴点抽出装置２０が特徴点を抽出すると図８（ｃ）の結果が得られるものとする。図８（ｃ）では、４つの特徴点２６１～２６４が抽出されている。
　図８（ｂ）及び（ｃ）の抽出結果のそれぞれは、第１及び第２の特徴点集合として合成装置３０に出力される。図９（ａ）は、第１の特徴点抽出装置１０が出力する特徴点集合の一例を示し、図９（ｂ）は、第２の特徴点抽出装置２０が出力する特徴点集合の一例を示す。
　図８及び図９を参照すると、特徴点２５２と特徴点２６２は同じ座標位置で抽出された特徴点であって、その種別も分岐点で同一であることが分かる。また、特徴点２５３と特徴点２６３は同じ座標位置で抽出された特徴点ではあるが、その種別が異なっていることが分かる。
　合成部３０２は、図９に示すような複数の特徴点集合に対して論理演算（論理和演算又は論理積演算）を実行し、２つの集合を合成する。
　次に、合成モード指示が特徴点集合の論理和演算を示す場合の合成部３０２の動作について説明する。
　図１０は、合成部３０２が２つの特徴点集合を論理和演算により合成する際の動作の一例を示すフローチャートである。
　合成部３０２は、一方の特徴点集合に属する特徴点であって、他方の特徴点集合に対応する座標が存在しない（座標が不一致な）特徴点を抽出する（ステップＳ１０１）。なお、２つの特徴点の座標が一致するとは、２つの座標の差分を計算すると所定の範囲内にある座標を意味する。
　図８、図９の例では、ステップＳ１０１が実行されると、第１の特徴点集合から特徴点２５１、特徴点２５４が抽出され、第２の特徴点集合から特徴点２６１、特徴点２６４が抽出される。抽出された特徴点は、合成後の特徴点集合に属する要素（特徴点）として記憶部３０４に格納される。
　合成部３０２がステップＳ１０１の処理を実行することにより、複数の特徴点集合それぞれに属する特徴点であって、互いの座標位置が実質的に一致する特徴点が２つの特徴点集合に残る。つまり、合成部３０２は、ステップＳ１０１を実行することにより、互いの座標位置が実質的に一致する２つの特徴点ペアを抽出する。合成部３０２は、当該特徴点ペアに関し、ステップＳ１０２以降の処理を実行することにより、座標位置が一致する特徴点を合成する処理（特徴点合成処理）を実行する。
　初めに、合成部３０２は、特徴点ペアをなす２つの特徴点の種別が一致するか否かを確認する（ステップＳ１０２）。
　特徴点の種別が一致すれば（ステップＳ１０２、Ｙｅｓ分岐）、合成部３０２は、２つの特徴点の座標位置と特徴点方向を平均化する（ステップＳ１０３）。例えば、図１１（ａ）、（ｂ）に示す２つの特徴点（分岐点）の座標位置と特徴点方向を平均化するものとする。図１１（ａ）に示す特徴点の座標は（Ｘ１ａ、Ｙ１ａ）、特徴点方向はθ１ａとする。図１１（ｂ）に示す特徴点の座標は（Ｘ１ｂ、Ｙ１ｂ）、特徴点方向はθ１ｂとする。
　合成部３０２は、２つの特徴点の座標位置を以下の式（１）により平均化し、座標（Ｘｓ、Ｙｓ）を得る。

Figure JPOXMLDOC01-appb-I000001
　　　　　　　　　　　　　　　　　・・・（１）
　同様に、合成部３０２は、２つの特徴点方向を以下の式（２）により平均化し、特徴点方向θｓを得る。

Figure JPOXMLDOC01-appb-I000002
　　　　　　　　　　　　　　　　　・・・（２）
　合成部３０２は、平均化した特徴点の座標、特徴点方向を、合成後の特徴点（図９（ｃ）参照）として記憶部３０４に格納する。
　ステップＳ１０２における判断において、２つの特徴点の種別が一致しなければ（ステップＳ１０２、Ｎｏ分岐）、合成部３０２は、２つの特徴点の座標位置を平均化すると共に、合成後の特徴点の特徴点方向及び種別を「不明」に設定する（ステップＳ１０４）。
　合成部３０２は、ステップＳ１０１の実行により抽出された特徴点ペアについての処理が終了したか否かを確認（ステップＳ１０５）し、終了していなければ、ステップＳ１０２以降の処理を繰り返す。
　図８及び図９の例では、図８（ｂ）の特徴点２５３と図８（ｃ）の特徴点２６３は、座標位置が同じであるので、座標を平均化すると、（Ｘ３、Ｙ３）が得られる。一方、上記２つの座標の特徴点種別は互いに異なるので、２つの特徴点の属性（特徴点方向、種別）は消去され、合成後の特徴点の特徴点方向及び種別は「不明」に設定される。合成部３０２は、平均化した特徴点の座標を合成後の特徴点の座標に設定すると共に、特徴点種別及び特徴点方向に「不明」を設定し、記憶部３０４に格納する。
　上記のように、合成部３０２が実行する特徴点合成処理には、合成の対象となる特徴点の種別に関わらず、少なくとも合成する特徴点の座標位置を平均化することを含む。
　図８、図９に示す２つの特徴点集合に対して、合成部３０２が論理和に係る合成処理を実行すると、図１２（ａ）に示す結果が得られる。なお、図１２（ａ）において、上記不明に設定された特徴点方向、種別は記号「－」により表記している。また、特徴点２７５の特徴点方向θ２６は、特徴点２５２の特徴点方向θ２と特徴点２６２の特徴点方向θ６の平均値である。
　図１２（ａ）に示す結果を、入力画像である図８（ａ）に反映すると図１２（ｂ）が得られる。なお、種別が不明に設定された特徴点（特徴点２７６）は白抜きの三角により表記している。
　続いて、合成モード指示が論理積演算を示す場合について説明する。
　この場合も、特徴点抽出システムには図８（ａ）に示す指紋画像が入力され、第１の特徴点抽出装置１０が図８（ｂ）に示す特徴点を抽出し、第２の特徴点抽出装置２０が図８（ｃ）に示す特徴点を抽出する場合を例に取って説明する。
　図１３は、合成部３０２が２つの特徴点集合を論理積演算により合成する際の動作の一例を示すフローチャートである。
　合成部３０２は、２つの特徴点集合それぞれに含まれる特徴点であって、特徴点の座標が実質的に一致する（重複する）特徴点のペアを抽出する（ステップＳ２０１）。つまり、実行する論理演算が論理積演算の場合には、合成部３０２がステップＳ２０１の処理を実行することにより、複数の特徴点集合それぞれに属する特徴点であって、互いの座標位置が実質的に一致する特徴点ペアが抽出される。例えば、図８の例では、特徴点２５２と特徴点２６２のペアと、特徴点２５３と特徴点２６３のペアが抽出される。
　次に、合成部３０２は、各特徴点ペアの特徴点種別が一致するか否かを確認する（ステップＳ２０２）。
　特徴点種別が一致すれば（ステップＳ２０２、Ｙｅｓ分岐）、合成部３０２は、座標位置と特徴点方向の平均化を行う（ステップＳ２０３）。当該処理は、図１０のステップＳ１０３の処理と同様とすることができるので、詳細な説明は省略する。
　合成部３０２は、平均化した特徴点の座標、特徴点方向を、合成後の特徴点として記憶部３０４に格納する。
　特徴点種別が一致しなければ（ステップＳ２０２、Ｎｏ分岐）、合成部３０２は、２つの特徴点の座標位置を平均化すると共に、合成後の特徴点に関する特徴点方向及び種別を「不明」に設定する（ステップＳ２０４）。当該処理も図１０のステップＳ１０４の処理と同様とすることができるので、詳細な説明は省略する。
　合成部３０２は、平均化した特徴点の座標を合成後の特徴点の座標に設定すると共に、特徴点種別及び特徴点方向に「不明」を設定し、記憶部３０４に格納する。
　合成部３０２は、ステップＳ２０１にて抽出された特徴点ペアについての処理が終了したか否かを確認（ステップＳ２０５）し、終了していなければ、ステップＳ２０２以降の処理を繰り返す。
　図８、図９に示す２つの特徴点集合に対して、合成部３０２が論理積演算に係る合成処理を実行すると、図１４（ａ）に示す結果が得られる。図１４（ａ）に示す結果を、入力画像である図８（ａ）に反映すると図１４（ｂ）が得られる。
　合成部３０２は、上記合成処理により得られた合成後の特徴点集合（図１２（ａ）や図１４（ａ）に示すような情報）を出力部３０３に引き渡す。出力部３０３は、合成後の特徴点集合をシステムに入力された指紋画像に対応する特徴点（特徴量）として、外部装置に出力する。当該特徴点の出力先となる外部装置には、個人認証を行う認証装置、データベースに格納された個人を特定する照合装置等が該当する。
　次に、図面を参照しつつ、第１の実施形態に係る特徴点抽出システムの動作について説明する。
　図１５は、第１の実施形態に係る特徴点抽出システムの動作の一例を示すシーケンス図である。
　第１の特徴点抽出装置１０及び第２の特徴点抽出装置２０のそれぞれは、指紋画像を入力する（ステップＳ１１、Ｓ２１）。その後、芯線の抽出処理（ステップＳ１２、Ｓ２２）及び特徴点抽出処理（ステップＳ１３、Ｓ２３）を経た後、第１及び第２の特徴点集合が出力される（ステップＳ１４、Ｓ２４）。
　合成装置３０は、例えば、システムのオペレータから合成モード指示を入力する（ステップＳ３１）。その後、合成装置３０は、２つの特徴点集合を入力（ステップＳ３２）し、合成モード指示に従った合成処理を実行する（ステップＳ３３）。合成装置３０は、合成後の特徴点集合を外部装置等に出力する（ステップＳ３４）。
　以上のように、第１の実施形態に係る合成装置３０は、複数の方式（アルゴリズム）により抽出された特徴点集合に対し論理演算（例えば、論理和演算、論理積演算）を実行し、複数の特徴点集合を合成する。その際、合成装置３０は、複数の方式により抽出された特徴点集合に属する特徴点であって、互いの座標位置が実質的に一致する場合には、予め定めた合成処理（図１０のステップＳ１０３、Ｓ１０４；図１３のステップＳ２０３、Ｓ２０４）を実行することで、特徴点の合成を実行する。また、合成装置３０による合成モードは、合成モード指示により決定することができる。その結果、第１の特徴点抽出システムから抽出する特徴点の利用目的に合致する特徴点集合が得られる。
　例えば、１枚の指紋画像から特徴点を網羅的に抽出したい場合には、合成モード指示により論理和演算を指定すればよい。この場合、図１２（ｂ）に示すように、２つの特徴点抽出装置が出力する特徴点が漏れなく選択される。対して、１枚の指紋画像から品質の高い特徴点を抽出したい場合には、合成モード指示により論理積演算を指定すればよい。この場合、図１４（ｂ）に示すように、２つの特徴点抽出装置が共通して抽出した特徴点が選択される。特徴点抽出アルゴリズムが異なる２つの装置のそれぞれが抽出する特徴点は、どのような観点から確認しても特徴点としての特徴を有するものといえ、品質の高いものであると考えられる。
［第２の実施形態］
　続いて、第２の実施形態について図面を参照して詳細に説明する。
　指紋画像から特徴点を抽出する際に用いられるアルゴリズム（特徴点抽出アルゴリズム）には種々のものが存在する。例えば、隆線の幅が広い領域に適用すると高い精度で隆線を芯線化できるアルゴリズムや、隆線の幅が狭い領域に適用すると高い精度で隆線を芯線化できるアルゴリズムが存在する。また、１枚の指紋画像において、隆線の幅が広い領域と狭い領域が混在していることも多い。
　このような指紋画像に対し、第１の実施形態に係る合成処理を適用しても十分品質の高い特徴点集合が得られない可能性がある。例えば、図１６上段に示すように、隆線の幅が広い領域と狭い領域が混在する指紋画像を想定する。また、第１の特徴点抽出装置１０は、隆線の幅が広い領域に有効なアルゴリズム（以下、アルゴリズムＡと表記する）を実行し、第２の特徴点抽出装置２０は、隆線の幅が狭い領域に有効なアルゴリズム（以下、アルゴリズムＢと表記する）を実行すると仮定する。
　この場合、図１６上段に示す指紋画像に対して、アルゴリズムＡを適用すると、隆線の幅が広い領域の抽出結果は品質の高いものであるが、隆線の幅が狭い領域の抽出結果は相対的に品質が低い（図１６中段、左側参照）。一方、図１６上段に示す指紋画像に対して、アルゴリズムＢを適用すると、先の結果と逆となる（図１６中段、右側参照）。
　図１６の中段に示す２つの特徴点集合に対して、合成装置３０により論理和演算を実行すると、２つのアルゴリズムが抽出した特徴点が網羅的に抽出される。しかし、その場合、いずれか一方のアルゴリズムにより抽出された特徴点が数多く残り、そのような特徴点の品質は必ずしも高くない。つまり、合成後の特徴点集合を全体として考えた場合、必ずしも品質の高いものが生成されているとは言えない。
　同様に、図１６の中段に示す指紋画像に対して、合成装置３０により論理積演算を実行すると、２つのアルゴリズムが共通して抽出した特徴点に限り抽出される。しかし、この場合、極めて品質の高い特徴点だけが残り、比較的品質の高い特徴点が残らない状況が生じ得る。この場合も、合成後の特徴点集合を全体として考えた場合、必ずしも品質の高いものが生成されているとは言えない。
　以上の状況を鑑み、第２の実施形態では、総合的に品質の高い特徴点（合成後の特徴点集合）を抽出する合成装置３０ａを提供する。
　具体的には、第２の実施形態に係る合成装置３０ａは、３以上の特徴点集合を入力すると共に、複数回の合成処理を階層的に実行することで、総合的に品質の高い特徴点を抽出する。
　図１７は、第２の実施形態に係る特徴点抽出システム構成の一例を示す図である。図１７に示すシステムでは、第３の特徴点抽出装置４０が追加となっている。
　第３の特徴点抽出装置４０は、第１の特徴点抽出装置１０及び第２の特徴点抽出装置２０と同様に、指紋画像から特徴点を抽出する装置である。そのため、第３の特徴点抽出装置４０に係る構成及び動作に関する説明を省略する。
　また、第３の特徴点抽出装置４０が抽出する特徴点（特徴点集合）を、第３の特徴点集合と表記する。
　各特徴点抽出装置のそれぞれが実行する特徴点抽出アルゴリズムは以下のとおりとする。第１の特徴点抽出装置１０はアルゴリズムＡ（隆線の幅が広い場合に有効）に対応する。第２の特徴点抽出装置２０はアルゴリズムＢ（隆線の幅が狭い場合に有効）に対応する。第３の特徴点抽出装置４０はアルゴリズムＣに対応し、当該アルゴリズムＣはアルゴリズムＡとＢの中間的な特徴（オールマイティな性質）を有する。
　第２の実施形態に係る合成装置３０ａの基本的な構成、動作は第１の実施形態にて説明した内容と同様とすることができるので詳細な説明を省略する。第２の実施形態に係る合成装置３０ａは、３以上の特徴点集合に対応する点と、複数回の合成処理を実行する点と、が第１の実施形態に係る合成装置３０と異なる。
　以下、合成装置３０ａの合成部３０２ａについて説明する。
　図１８は、第２の実施形態に係る合成部３０２ａの動作の一例を示すフローチャートである。
　初めに、合成部３０２ａは、３つの特徴点集合を取得すると、各特徴点集合のペア（複数の特徴点集合から選択した特徴点集合のペア）について、論理積演算に係る合成を実行する（ステップＳ３０１）。
　次に、合成部３０２ａは、前ステップの実行により得られた合成後特徴点集合それぞれの論理和演算に係る合成を実行する（ステップＳ３０２）。
　上記ステップＳ３０１、Ｓ３０２による合成処理を演算式により表現すると下記の式（３）のとおりとなる。

Figure JPOXMLDOC01-appb-I000003
　　　　　　　　　　　　　　　　　　　・・・（３）
なお、Ａｇは、第１の特徴点集合（アルゴリズムＡにより得られる集合）、Ｂｇは、第２の特徴点集合（アルゴリズムＢにより得られる集合）、Ｃｇは、第３の特徴点集合（アルゴリズムＣにより得られる集合）をそれぞれ示す。
　上記式（３）によれば、最初の論理積演算に係る合成により、異なる２つのアルゴリズム（特徴点集合のペア）から得られる特徴点に共通するものだけが残される。即ち、２つのアルゴリズムに共通する品質の良い特徴点だけが抽出される。その後、式（３）では、論理積演算に係る合成により得られた特徴点集合について論理和演算に係る合成が実行され、品質の高い特徴点が集められる。その結果、式（３）による合成処理を実行すると、アルゴリズムＡ～Ｃにより抽出される特徴点であって、品質の高い特徴点を含む、集合（合成後特徴点集合）が生成される。
　なお、上記説明では、合成モード指示について言及しなかったが、合成装置３０ａは式（３）に相当する処理を実行するものと予め定めておいてもよいし、式（３）に相当する論理式を合成モード指示として入力してもよい。また、合成装置３０ａが実行する合成処理は、式（３）に限らず、例えば、式（３）を簡略化した下記の式（４）に係る合成処理を実行してもよい。

Figure JPOXMLDOC01-appb-I000004
　　　　　　　　　　　　　・・・（４）
式（４）は、アルゴリズムＡとＣ、アルゴリズムＢとＣそれぞれの特徴点集合ペアについて論理積演算を行い、その後、論理積演算の結果について、論理和演算を行うことを示す。
　ここで、式（３）を確認すれば、指紋画像に適用する特徴点抽出アルゴリズムを増やし、様々なアルゴリズムにより抽出された特徴点のうち品質の高いものだけを収集していけば、より品質の高い特徴点集合が得られることは明らかである。しかし、この場合、各アルゴリズムを実行する処理時間等の問題により、指紋画像をシステムに入力してから最終的な特徴点（合成後特徴点集合）が抽出されるまでの時間が長くなるという問題が生じ得る。そこで、合成モード指示として、例えば、「最高品質モード」、「高品質モード」、「低品質モード」等を受け付けるように合成装置３０ａを構成し、各モードに合わせて合成処理に使用するアルゴリズムや合成処理の内容（論理積演算の組み合わせ等）を変更してもよい。例えば、「最高品質モード」では式（３）に相当する合成処理が実行され、「高品質モード」では式（４）に相当する合成処理が実行されるように、使い分けがなされてもよい。その結果、特徴点抽出に要する処理時間と得られる特徴点の品質の均衡を図ることができる。
　以上のように、第２の実施形態に係る合成装置３０ａでは、複数の特徴点集合に対して複数回の階層的な論理演算を実行することで、総合的に品質の高い特徴点（特徴点集合）を抽出することができる。
［第３の実施形態］
　続いて、第３の実施形態について図面を参照して詳細に説明する。
　第３の実施形態では、合成後の特徴点集合に対応する芯線情報を、特徴点集合と共に外部装置に出力する場合について説明する。
　図１９は、第３の実施形態に係る特徴点抽出システム構成の一例を示す図である。
　第１の特徴点抽出装置１０ａは、第１の実施形態にて説明した第１の特徴点抽出装置１０に特徴点の抽出に利用した第１の芯線画像を合成装置３０ｂに出力する機能が追加されている。同様に、第２の特徴点抽出装置２０ａは、第２の芯線画像を合成装置３０ｂに出力する機能を有する。合成装置３０ｂは、２つの芯線画像に基づいて芯線情報を生成する機能をさらに備える。なお、芯線情報とは、合成後の特徴点集合に属する特徴点間の隆線の本数を示す情報である。
　図２０は、合成装置３０ｂの処理構成の一例を示す図である。図２０を参照すると、合成装置３０ｂは、図７に示す合成装置３０の構成に加え、芯線情報生成部３０５をさらに備える。
　芯線情報生成部３０５は、複数の特徴点集合それぞれに対応する複数の芯線画像に基づき、合成後の特徴点集合に関する芯線情報を生成する手段である。具体的には、芯線情報生成部３０５は、各芯線画像に合成後特徴点集合を反映する。なお、芯線画像に合成後の特徴点集合を反映するとは、合成後の特徴点集合に属する特徴点の座標位置を取得し、芯線画像において当該座標位置に対応する場所に特徴点を設定することである。
　次に、芯線情報生成部３０５は、特徴点が反映された芯線画像上の特徴点間の隆線数を計数する。その後、芯線情報生成部３０５は、複数の芯線画像それぞれから計数された特徴点間の隆線数の平均値を芯線情報として生成する。
　例えば、第１の芯線画像として図２１（ａ）に示す芯線画像を第１の特徴点抽出装置１０ａから取得したものとする。図２１（ａ）には、合成処理により生成された合成後特徴点２９１～２９４が反映されている。この場合、例えば、特徴点２９１と特徴点２９２の間の隆線数は「２」と計算される。同様に、特徴点２９２と特徴点２９４の間の隆線数は「４」と計算される。
　また、芯線情報生成部３０５は、第２の芯線画像に合成後特徴点集合を反映し、当該図面から得られる特徴点間隆線数を算出する。例えば、第２の芯線画像として図２１（ｂ）に示す芯線画像が得られ、一部の特徴点間隆線数を計算すると図２１（ｂ）のとおりとする。
　芯線情報生成部３０５は、合成後特徴点集合に対応する芯線情報として、２枚の芯線画像それぞれにおいて対応する特徴点間隆線数の平均値を算出する。例えば、第１の芯線画像上における特徴点２９１と特徴点２９２の隆線数は「２」、第２の芯線画像上における特徴点２９１と特徴点２９２の間の隆線数は「１」であるので、特徴点２９１と特徴点２９２の間の特徴点間隆線数の平均値は「１．５」と計算される。
　芯線情報生成部３０５は、上述の特徴点間隆線数計算処理と特徴点間隆線数の平均値計算処理を、全ての特徴点に適用し、芯線情報を生成する。生成された芯線情報は、出力部３０３を介して外部装置に出力される。外部装置では、当該芯線情報を、指紋画像を特徴付ける特徴量として扱うことで、個人認証や個人特定に利用できる。
　以上のように、第３の実施形態では、合成後の特徴点集合に加え、当該特徴点集合に対応する特徴点間隆線数を芯線情報として外部装置に出力することができる。その結果、当該情報を使用した照合処理の精度を高めることができる。
［適用例］
　次に、第１～第３の実施形態に係る合成装置により得られる特徴点の活用について説明する。
　例えば、第１～第３の実施形態に係る合成装置により出力される特徴点集合により照合システムを構築することができる。例えば、第２の実施形態に係る合成装置３０ａにより品質の高い特徴点を抽出し、データベースに登録する。また、照合対象となる指紋画像から合成装置３０ａにより特徴点を抽出し、照合データとして利用する。この場合、品質の高い特徴点を用いた照合処理を少ない回数で行うことができる。上記第２の実施形態の例では、３つのアルゴリズムＡ～Ｃを使用し、１つの特徴点集合を生成している。上記合成処理を用いずに、合成後の特徴点集合を用いた照合と同程度の精度を得ようとすれば、アルゴリズムＡ～Ｃそれぞれによる３回の照合処理が必要となる。対して、第２の実施形態では、３つのアルゴリズムＡ～Ｃによる品質の高い特徴点が１つの特徴点集合として纏められているため、１回の照合処理を実行すれば足りる。
　第１の実施形態における論理積演算により得られた特徴点集合は複数の指紋画像の合成に利用することもできる。具体的には、各指紋画像それぞれについて、第１の実施形態にて説明した論理積演算により特徴点集合を抽出する。その後、抽出した特徴点集合のうち特徴点が共通する領域を算出する。論理積演算により得られた特徴点集合は品質の高いものであり、そのような品質の高い特徴点が共通して存在する領域は、同一人物から得られた指紋画像の共通部分と捉えることができる。そのため、複数の指紋画像に関し、共通領域が重なるように画像変換することで、複数の画像から１枚の指紋画像を合成することができる。
［変形例］
　なお、第１乃至第３の実施形態にて説明した特徴点抽出システムの構成（図２、図１７、図１９）は例示であって、システムの構成を限定する趣旨ではない。例えば、特徴点抽出装置の機能が合成装置に組み込まれていてもよい。
　あるいは、特徴点抽出システムに特徴点抽出装置が含まれていなくともよい。例えば、複数の鑑識官が同一の指紋画像から抽出した特徴点集合を合成装置３０に入力してもよい。この場合であっても、合成装置３０は、第１～第３の実施形態にて説明した方法により、複数の特徴点集合を合成し、１つの特徴点集合を生成することができる。
　合成装置３０が対象とする特徴点集合はどのような方式により抽出されたものであってもよい。上述のように、鑑識官が指紋画像からマニュアルで抽出した複数の特徴点集合を合成の対象としても良いし、マニュアルで抽出された特徴点集合と装置により自動的に抽出された特徴点集合が混在していてもよい。あるいは、装置が自動的に抽出した特徴点を鑑識官が修正した結果を特徴点集合としてもよい。即ち、異なる方式、アルゴリズムにより抽出された特徴点集合であれば、合成装置３０による合成の対象となり得る。
　第１の実施形態では、２つの特徴点集合を合成する場合を説明したが、合成する特徴点集合の数は２に限定されない。３以上の特徴点集合を合成の対象とすることができるのは明らかである。また、合成の対象となる特徴点集合を増やすことで、特徴点の網羅性や正確性といった特徴点集合への要求を向上させることができる。
　上記実施形態では、指紋画像を入力する場合について説明したが、特徴点抽出システムが扱うことのできる画像は指紋画像に限定されない。掌紋等の隆線により曲線縞模様が形成されている画像であればよい。
　上記実施形態では、特徴点集合に属する特徴点は、特徴点方向や種別といった属性を備えるものとして説明したが、特徴点集合に属する特徴点はこれらの属性を備えていなくとも良い。特徴点集合は、単なる特徴点の集まりとしてもよい。
　上述の説明で用いた複数のフローチャートでは、複数の工程（ステップ、処理）が順番に記載されているが、各実施形態で実行される工程の実行順序は、その記載の順番に制限されない。各実施形態では、例えば各処理を並行して実行する等、図示される工程の順番を内容的に支障のない範囲で変更することができる。また、上述の各実施形態は、内容が相反しない範囲で組み合わせることができる。
　コンピュータの記憶部に、上述したコンピュータプログラムをインストールすることにより、コンピュータを合成装置として機能させることができる。さらにまた、上述したコンピュータプログラムをコンピュータに実行させることにより、コンピュータにより特徴点集合の合成方法を実行することができる。
　上記の実施形態の一部又は全部は、以下のようにも記載され得るが、以下には限られない。
［形態１］
　上述の第１の視点に係る合成装置のとおりである。
［形態２］
　前記合成部は、前記複数の特徴点集合に対して論理和演算を実行する、好ましくは形態１の合成装置。
［形態３］
　前記合成部は、前記複数の特徴点集合に対して論理積演算を実行する、好ましくは形態１又は２の合成装置。
［形態４］
　前記合成部は、前記複数の特徴点集合に対して少なくとも２回以上の論理演算を実行する、好ましくは形態１乃至３のいずれか一に記載の合成装置。
［形態５］
　前記合成部は、前記少なくとも２回以上の論理演算を階層的に実行する、好ましくは形態４の合成装置。
［形態６］
　前記合成部は、前記複数の特徴点集合それぞれに属する特徴点であって、互いの座標位置が実質的に一致する場合に、前記座標位置が一致する特徴点を合成する処理を行い、
　前記特徴点を合成する処理は、少なくとも前記合成する特徴点の座標位置を平均化することを含む、好ましくは形態１乃至５のいずれか一に記載の合成装置。
［形態７］
　前記特徴点を合成する処理は、前記座標位置が一致する特徴点の方向を特徴付ける特徴点方向を平均化する処理をさらに含む、好ましくは形態６の合成装置。
［形態８］
　前記特徴点を合成する処理は、前記座標位置が一致する特徴点の種別が異なる場合に、合成後の特徴点の種別を不明に設定する処理をさらに含む、好ましくは形態６又は７の合成装置。
［形態９］
　前記合成部は、前記複数の特徴点集合から選択した特徴点集合のペアについて論理積演算を実行し、前記論理積演算を実行後の特徴点集合に対して論理和演算を実行する、好ましくは形態１乃至８のいずれか一に記載の合成装置。
［形態１０］
　前記複数の特徴点集合それぞれに対応する複数の芯線画像に基づき、前記合成後の特徴点集合に関する芯線情報を生成する、芯線情報生成部をさらに備える、好ましくは形態１乃至９のいずれか一に記載の合成装置。
［形態１１］
　前記芯線情報生成部は、前記合成後の特徴点集合に属する特徴点を、前記複数の芯線画像それぞれに反映し、前記特徴点が反映された芯線画像上の特徴点間の隆線数を計数し、前記複数の芯線画像それぞれから計数された前記特徴点間の隆線数の平均値を前記芯線情報として生成する、好ましくは形態１０の合成装置。
［形態１２］
　上述の第２の視点に係る合成方法のとおりである。
［形態１３］
　上述の第３の視点に係るプログラムのとおりである。
　なお、形態１２及び形態１３は、形態１の形態と同様に、形態２～形態１１に展開することが可能である。
　なお、引用した上記の特許文献等の各開示は、本書に引用をもって繰り込むものとする。本発明の全開示（請求の範囲を含む）の枠内において、さらにその基本的技術思想に基づいて、実施形態ないし実施例の変更・調整が可能である。また、本発明の全開示の枠内において種々の開示要素（各請求項の各要素、各実施形態ないし実施例の各要素、各図面の各要素等を含む）の多様な組み合わせ、ないし、選択が可能である。すなわち、本発明は、請求の範囲を含む全開示、技術的思想にしたがって当業者であればなし得るであろう各種変形、修正を含むことは勿論である。特に、本書に記載した数値範囲については、当該範囲内に含まれる任意の数値ないし小範囲が、別段の記載のない場合でも具体的に記載されているものと解釈されるべきである。
１０、１０ａ　第１の特徴点抽出装置
１１　ＣＰＵ（Central Processing Unit）
１２　メモリ
１３　入出力インターフェイス
１４　ＮＩＣ（Network Interface Card）
２０、２０ａ　第２の特徴点抽出装置
３０、３０ａ、３０ｂ、１００　合成装置
４０　第３の特徴点抽出装置
１０１、２０１、３０１　入力部
１０２、３０２、３０２ａ　合成部
２０２　芯線抽出部
２０３　特徴点抽出部
２０４、３０３　出力部
２０５、３０４　記憶部
２１１～２２２、２３１、２４１、２５１～２５４、２６１～２６４、２７１～２７６、２８１、２８２、２９１～２９４　特徴点
２３２、２４２　特徴点方向
３０５　芯線情報生成部

Claims (13)

  1. 　隆線により曲線縞模様が形成されている入力画像から複数の方式それぞれにより抽出された複数の特徴点集合を入力する、入力部と、
    　前記複数の特徴点集合に対し論理演算を実行することで、前記複数の特徴点集合を合成する、合成部と、
    　を備える、合成装置。
  2. 　前記合成部は、前記複数の特徴点集合に対して論理和演算を実行する、請求項１の合成装置。
  3. 　前記合成部は、前記複数の特徴点集合に対して論理積演算を実行する、請求項１又は２の合成装置。
  4. 　前記合成部は、前記複数の特徴点集合に対して少なくとも２回以上の論理演算を実行する、請求項１乃至３のいずれか一項に記載の合成装置。
  5. 　前記合成部は、前記少なくとも２回以上の論理演算を階層的に実行する、請求項４の合成装置。
  6. 　前記合成部は、前記複数の特徴点集合それぞれに属する特徴点であって、互いの座標位置が実質的に一致する場合に、前記座標位置が一致する特徴点を合成する処理を行い、
    　前記特徴点を合成する処理は、少なくとも前記合成する特徴点の座標位置を平均化することを含む、請求項１乃至５のいずれか一項に記載の合成装置。
  7. 　前記特徴点を合成する処理は、前記座標位置が一致する特徴点の方向を特徴付ける特徴点方向を平均化する処理をさらに含む、請求項６の合成装置。
  8. 　前記特徴点を合成する処理は、前記座標位置が一致する特徴点の種別が異なる場合に、合成後の特徴点の種別を不明に設定する処理をさらに含む、請求項６又は７の合成装置。
  9. 　前記合成部は、前記複数の特徴点集合から選択した特徴点集合のペアについて論理積演算を実行し、前記論理積演算を実行後の特徴点集合に対して論理和演算を実行する、請求項１乃至８のいずれか一項に記載の合成装置。
  10. 　前記複数の特徴点集合それぞれに対応する複数の芯線画像に基づき、前記合成後の特徴点集合に関する芯線情報を生成する、芯線情報生成部をさらに備える、請求項１乃至９のいずれか一項に記載の合成装置。
  11. 　前記芯線情報生成部は、前記合成後の特徴点集合に属する特徴点を、前記複数の芯線画像それぞれに反映し、前記特徴点が反映された芯線画像上の特徴点間の隆線数を計数し、前記複数の芯線画像それぞれから計数された前記特徴点間の隆線数の平均値を前記芯線情報として生成する、請求項１０の合成装置。
  12. 　隆線により曲線縞模様が形成されている入力画像から複数の方式それぞれにより抽出された複数の特徴点集合を入力するステップと、
    　前記複数の特徴点集合に対し論理演算を実行することで、前記複数の特徴点集合を合成するステップと、
    　を含む、合成方法。
  13. 　隆線により曲線縞模様が形成されている入力画像から複数の方式それぞれにより抽出された複数の特徴点集合を入力する処理と、
    　前記複数の特徴点集合に対し論理演算を実行することで、前記複数の特徴点集合を合成する処理と、
    　をコンピュータに実行させるプログラム。
PCT/JP2017/038068 2016-10-21 2017-10-20 合成装置、合成方法及びプログラム WO2018074601A1 (ja)

Priority Applications (4)

Application Number Priority Date Filing Date Title
EP17862382.3A EP3531371A4 (en) 2016-10-21 2017-10-20 SYNTHESIS DEVICE, SYNTHESIS METHOD, AND PROGRAM
JP2018545777A JP6724999B2 (ja) 2016-10-21 2017-10-20 合成装置、合成方法及びプログラム
US16/343,526 US11188733B2 (en) 2016-10-21 2017-10-20 Synthesizing apparatus, synthesizing method and program
US17/514,069 US11783623B2 (en) 2016-10-21 2021-10-29 Synthesizing apparatus, synthesizing method and program

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2016206879 2016-10-21
JP2016-206879 2016-10-21

Related Child Applications (2)

Application Number Title Priority Date Filing Date
US16/343,526 A-371-Of-International US11188733B2 (en) 2016-10-21 2017-10-20 Synthesizing apparatus, synthesizing method and program
US17/514,069 Continuation US11783623B2 (en) 2016-10-21 2021-10-29 Synthesizing apparatus, synthesizing method and program

Publications (1)

Publication Number Publication Date
WO2018074601A1 true WO2018074601A1 (ja) 2018-04-26

Family

ID=62019455

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2017/038068 WO2018074601A1 (ja) 2016-10-21 2017-10-20 合成装置、合成方法及びプログラム

Country Status (4)

Country Link
US (2) US11188733B2 (ja)
EP (1) EP3531371A4 (ja)
JP (3) JP6724999B2 (ja)
WO (1) WO2018074601A1 (ja)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2020077291A (ja) * 2018-11-09 2020-05-21 日本電気株式会社 情報処理システム、情報処理方法及びプログラム

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102655362B1 (ko) * 2021-10-28 2024-04-04 재단법인대구경북과학기술원 의료 이미지 스티칭 방법 및 장치

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004192633A (ja) * 2002-11-25 2004-07-08 Yamatake Corp パターン照合装置
JP2006107340A (ja) * 2004-10-08 2006-04-20 Fujitsu Ltd 生体情報認証装置及び方法，並びに生体情報認証プログラム及び生体情報認証プログラムを記録したコンピュータ読取可能な記録媒体
WO2009096475A1 (ja) * 2008-01-29 2009-08-06 Kabushiki Kaisha Dds ハイブリッド生体認証装置、ハイブリッド生体認証方法、ハイブリッド生体認証用コンピュータプログラムを記憶したコンピュータ読み取り可能な記憶媒体
JP2011076369A (ja) * 2009-09-30 2011-04-14 Fujitsu Ltd 生体認証装置及び生体認証方法
JP2015228070A (ja) 2014-05-30 2015-12-17 日本電気株式会社 指紋画像処理装置、指紋画像処理方法及びプログラム

Family Cites Families (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
IL69327A (en) 1983-07-26 1986-11-30 Elscint Ltd Automatic misregistration correction
US4685145A (en) * 1984-12-07 1987-08-04 Fingermatrix, Inc. Conversion of an image represented by a field of pixels in a gray scale to a field of pixels in binary scale
US5982914A (en) * 1997-07-29 1999-11-09 Smarttouch, Inc. Identification of individuals from association of finger pores and macrofeatures
US6134340A (en) * 1997-12-22 2000-10-17 Trw Inc. Fingerprint feature correlator
US6466686B2 (en) * 1998-01-07 2002-10-15 International Business Machines Corporation System and method for transforming fingerprints to improve recognition
JP2000163572A (ja) * 1998-11-26 2000-06-16 Mitsubishi Electric Corp 指紋照合装置及び指紋照合方法
US6546122B1 (en) * 1999-07-29 2003-04-08 Veridicom, Inc. Method for combining fingerprint templates representing various sensed areas of a fingerprint to derive one fingerprint template representing the fingerprint
JP4426733B2 (ja) * 2000-03-31 2010-03-03 富士通株式会社 指紋データ合成方法，指紋データ合成装置，指紋データ合成プログラムおよび同プログラムを記録したコンピュータ読取可能な記録媒体
US7035444B2 (en) * 2000-10-11 2006-04-25 Hiroaki Kunieda System for fingerprint authentication based of ridge shape
JP2004164181A (ja) 2002-11-12 2004-06-10 Ntt Electornics Corp 指紋データ登録装置、および指紋データ認証装置
US20040151352A1 (en) 2002-11-25 2004-08-05 Hiroshi Nakajima Pattern collation apparatus
JP4592341B2 (ja) * 2004-06-29 2010-12-01 セコム株式会社 生体情報認証装置
JP2010040011A (ja) 2008-08-08 2010-02-18 Mitsubishi Electric Corp 指紋特徴情報生成装置、指紋情報登録装置および指紋照合システム

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004192633A (ja) * 2002-11-25 2004-07-08 Yamatake Corp パターン照合装置
JP2006107340A (ja) * 2004-10-08 2006-04-20 Fujitsu Ltd 生体情報認証装置及び方法，並びに生体情報認証プログラム及び生体情報認証プログラムを記録したコンピュータ読取可能な記録媒体
WO2009096475A1 (ja) * 2008-01-29 2009-08-06 Kabushiki Kaisha Dds ハイブリッド生体認証装置、ハイブリッド生体認証方法、ハイブリッド生体認証用コンピュータプログラムを記憶したコンピュータ読み取り可能な記憶媒体
JP2011076369A (ja) * 2009-09-30 2011-04-14 Fujitsu Ltd 生体認証装置及び生体認証方法
JP2015228070A (ja) 2014-05-30 2015-12-17 日本電気株式会社 指紋画像処理装置、指紋画像処理方法及びプログラム

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
D. MALTONI: "Handbook of Fingerprint Recognition", 2003, SPRINGER

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2020077291A (ja) * 2018-11-09 2020-05-21 日本電気株式会社 情報処理システム、情報処理方法及びプログラム
JP7381997B2 (ja) 2018-11-09 2023-11-16 日本電気株式会社 情報処理システム、情報処理方法及びプログラム

Also Published As

Publication number Publication date
EP3531371A4 (en) 2019-10-30
JP7230984B2 (ja) 2023-03-01
US20190266383A1 (en) 2019-08-29
JP2022000809A (ja) 2022-01-04
JPWO2018074601A1 (ja) 2019-08-08
US20220114358A1 (en) 2022-04-14
US11188733B2 (en) 2021-11-30
US11783623B2 (en) 2023-10-10
EP3531371A1 (en) 2019-08-28
JP6954412B2 (ja) 2021-10-27
JP6724999B2 (ja) 2020-07-15
JP2020155159A (ja) 2020-09-24

Similar Documents

Publication Publication Date Title
Venkatesh et al. Face morphing attack generation and detection: A comprehensive survey
JP4886371B2 (ja) 生体認証方法及びシステム
JP7230984B2 (ja) 合成装置、合成方法及びプログラム
JP7031762B2 (ja) 特徴量生成装置、システム、特徴量生成方法及びプログラム
WO2018234384A1 (en) DETECTION OF FACIAL ARTIFICIAL IMAGES USING FACIAL REFERENCES
EP2071524B1 (en) Security system and method for security certification thereof and smart card
JPWO2017038695A1 (ja) 画像処理装置、画像処理方法及びプログラム
JPWO2006090680A1 (ja) ベクトル生成装置、ベクトル生成方法及び集積回路
KR100763312B1 (ko) 지문 인증 처리 방법, 및 지문 획득 장치와 보안 인증모듈을 포함하는 지문 인증 처리 시스템
JP2017138743A (ja) 画像処理装置、画像処理方法及びプログラム
JP6442873B2 (ja) 指紋画像処理装置、指紋画像処理方法及びプログラム
WO2021192315A1 (ja) 縞模様画像照合装置、縞模様照合方法、及び、そのプログラムが格納されたコンピュータ可読媒体
CN111753722B (zh) 一种基于特征点类型的指纹识别方法及装置
JP7160162B2 (ja) 画像処理システム
JP2004005619A (ja) 指紋認証装置及び指紋認証方法
JP2009151682A (ja) 指紋認証装置及びコンピュータプログラム
JP6573230B2 (ja) 個人認証システム、個人情報媒体、端末装置、及び、個人認証方法
CN117592125A (zh) 一种二手房交易无纸化办理系统的高可靠性电子签名方法
CN113780122A (zh) 基于手掌静脉特征加密的识别模板生成方法及装置

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 17862382

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 2018545777

Country of ref document: JP

Kind code of ref document: A

NENP Non-entry into the national phase

Ref country code: DE

ENP Entry into the national phase

Ref document number: 2017862382

Country of ref document: EP

Effective date: 20190521