WO2018163806A1 - 生体認証装置、生体認証方法、及び生体認証プログラム - Google Patents

生体認証装置、生体認証方法、及び生体認証プログラム Download PDF

Info

Publication number
WO2018163806A1
WO2018163806A1 PCT/JP2018/006032 JP2018006032W WO2018163806A1 WO 2018163806 A1 WO2018163806 A1 WO 2018163806A1 JP 2018006032 W JP2018006032 W JP 2018006032W WO 2018163806 A1 WO2018163806 A1 WO 2018163806A1
Authority
WO
WIPO (PCT)
Prior art keywords
bit string
value
reliability
feature vector
feature
Prior art date
Application number
PCT/JP2018/006032
Other languages
English (en)
French (fr)
Inventor
福田　充昭
青木　隆浩
Original Assignee
富士通株式会社
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 富士通株式会社 filed Critical 富士通株式会社
Priority to EP18764163.4A priority Critical patent/EP3594896B1/en
Publication of WO2018163806A1 publication Critical patent/WO2018163806A1/ja
Priority to US16/553,491 priority patent/US11429701B2/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
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/30—Authentication, i.e. establishing the identity or authorisation of security principals
    • G06F21/31—User authentication
    • G06F21/32—User authentication using biometric data, e.g. fingerprints, iris scans or voiceprints
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F7/00—Methods or arrangements for processing data by operating upon the order or content of the data handled
    • G06F7/58—Random or pseudo-random number generators
    • G06F7/582—Pseudo-random number generators
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/30—Scenes; Scene-specific elements in albums, collections or shared content, e.g. social network photos or video
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/40—Scenes; Scene-specific elements in video content
    • G06V20/46—Extracting features or characteristics from the video content, e.g. video fingerprints, representative shots or key frames
    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
    • G07C9/00—Individual registration on entry or exit
    • G07C9/20—Individual registration on entry or exit involving the use of a pass
    • G07C9/22—Individual registration on entry or exit involving the use of a pass in combination with an identity check of the pass holder
    • G07C9/25—Individual registration on entry or exit involving the use of a pass in combination with an identity check of the pass holder using biometric data, e.g. fingerprints, iris scans or voice recognition

Definitions

  • the present invention relates to a biometric authentication device, a biometric authentication method, and a biometric authentication program.
  • Biometric authentication technology that performs authentication using characteristics of a part of the human body, such as vein patterns, fingerprints, and face images, has become widespread.
  • biometric data for authentication is expressed by a binary bit string of “0” and “1” and the similarity is calculated by simple comparison of the bit string (for example, Patent Documents 1 to 3).
  • bit string generation method a method for extracting a plurality of feature points as reference for collation from a captured biological image, calculating a multidimensional feature vector for each feature point, and binarizing each dimension value of the feature vector There is. For example, as shown in FIG. 10, a plurality of feature points are extracted from a captured biological image (n in the illustrated example), a multidimensional feature vector is calculated for each feature point, and each dimension value of the feature vector is calculated. Is binarized to obtain a bit string. Then, the bit strings for the feature points are combined, and the combined bit string is used as biometric data used for collation.
  • a partial image in the vicinity of the feature point including the feature point as shown in FIG. 11A is cut out from the biological image, and the frequency component is extracted by performing polar coordinate conversion on the partial image.
  • FIG. 11B An m-dimensional feature vector is calculated by selecting m values from the frequency components (FIG. 11C), and the value of the feature vector is compared with the threshold value BTH by comparing each dimension value of the feature vector with the threshold value BTH.
  • JP 2008-152608 A Japanese Patent Laying-Open No. 2015-36906 JP 2014-74964 A
  • an object of the present invention is to provide a biometric authentication apparatus that can reduce the amount of registration data while suppressing a decrease in authentication accuracy.
  • One aspect of the biometric authentication apparatus includes an extraction unit that extracts a plurality of feature points from a biometric image, a vector calculation unit that calculates a feature vector for each of the plurality of feature points, and each dimension of each calculated feature vector.
  • a bit string calculation unit that binarizes values and calculates a bit string; a reliability determination unit that assigns reliability based on the binarization stability of the feature vector for each calculated bit string; and And a selecting unit that selects a predetermined number of bit strings according to the reliability value.
  • the amount of registration data can be reduced while suppressing a decrease in authentication accuracy.
  • FIG. 1 is a diagram illustrating a configuration example of a biometric authentication device according to the present embodiment.
  • FIG. 2 is a flowchart illustrating an example of a registration process of the biometric authentication apparatus illustrated in FIG.
  • FIG. 3 is a flowchart illustrating an example of a process for forming a bit string and calculating a bit string reliability.
  • 4A to 4D are diagrams for explaining the generation of registered biometric data in the present embodiment.
  • 5A to 5C are diagrams for explaining examples of bit string reliability in the present embodiment.
  • FIG. 6 is a flowchart illustrating another example of the process of forming a bit string and calculating the bit string reliability.
  • FIG. 7 is a diagram illustrating a configuration example of the biometric authentication device according to the present embodiment.
  • FIG. 1 is a diagram illustrating a configuration example of a biometric authentication device according to the present embodiment.
  • FIG. 2 is a flowchart illustrating an example of a registration process of the biometric authentication apparatus illustrated in FIG
  • FIG. 8 is a flowchart illustrating an example of collation processing of the biometric authentication device illustrated in FIG.
  • FIG. 9 is a functional block diagram of a computer capable of realizing the biometric authentication apparatus according to the present embodiment.
  • FIG. 10 is a diagram for explaining the generation of a bit string for verification.
  • FIG. 11 is a diagram for explaining the generation of bit strings at feature points.
  • FIG. 1 is a block diagram illustrating a configuration example of a biometric authentication apparatus according to an embodiment of the present invention.
  • FIG. 1 shows a biometric authentication apparatus that performs registration by generating registered biometric data for authentication from a biometric image in advance.
  • the biometric authentication device shown in FIG. 1 includes an image acquisition unit 101, a feature point extraction unit 102, a feature point neighborhood image extraction unit 103, a feature vector calculation unit 104, a bit string calculation unit 105, a bit string reliability calculation unit 106, and a bit string selection unit 107. , And a bit string coupling unit 108.
  • the biometric authentication apparatus also includes a feature vector storage unit 111, a bit string and bit string reliability storage unit 112, and a registered biometric data storage unit 113.
  • the image acquisition unit 101 acquires a biometric image of a user who registers registered biometric data.
  • the image acquisition unit 101 may acquire a user's biometric image by capturing an image by the imaging unit, or may acquire a user's biometric image by inputting a pre-captured biometric image. It may be.
  • a biological image is an image showing a part of a human body such as a vein pattern, a fingerprint, or a face image.
  • the feature point extraction unit 102 is an example of an extraction unit, and extracts a plurality of feature points from the biological image acquired by the image acquisition unit 101.
  • a feature point is a point having a characteristic image element that is a reference for collation in a biological image. For example, if the biological image shows a vein pattern, a vein intersection (branch point), an end point, or the like Is given as an example.
  • the feature point neighborhood image extraction unit 103 extracts, for each of the plurality of feature points extracted by the feature point extraction unit 102, a partial image of a predetermined size near the feature point including the feature point from the biological image.
  • the feature vector calculation unit 104 is an example of a vector calculation unit, and calculates a feature vector from a partial image near the feature point extracted by the feature point vicinity image extraction unit 103 for each of a plurality of feature points.
  • the feature vector is assumed to be a multi-dimensional array, for example, a 64-dimensional array, a 128-dimensional array, a 256-dimensional array, or the like. Any method can be used for calculating the feature vector from the image.
  • the frequency feature of the image is calculated by calculating the frequency component by performing a polar coordinate conversion on the partial image near the feature point, and for each frequency. It is possible to apply a technique such as obtaining the strength of the.
  • the feature vector calculated by the feature vector calculation unit 104 is stored in the feature vector storage unit 111.
  • the bit string calculation unit 105 binarizes the value of each dimension of the feature vector for each feature vector calculated by the feature vector calculation unit 104, and calculates a bit string in which this is arranged by the number of dimensions of the feature vector.
  • the bit string calculation unit 105 reads the feature vector from the feature vector storage unit 111, sets “1” if the dimension value of the feature vector is larger than a predetermined threshold value, and “0” if the value is equal to or less than the threshold value. ", The value of each dimension of the feature vector is converted to" 0 "or” 1 "and binarized. For example, if the feature vector is a 64-dimensional array, the bit string is 64 bits, and if the feature vector is a 256-dimensional array, the bit string is 256 bits.
  • the bit string calculated by the bit string calculation unit 105 is stored in the bit string and bit string reliability storage unit 112.
  • the bit string reliability calculation unit 106 is an example of a reliability determination unit, and calculates the bit string reliability for each bit string calculated by the bit string calculation unit 105 based on the binarization stability of the corresponding feature vector. Give.
  • the bit string reliability indicates the degree to which the value of the binarized bit string does not vary due to minute variation of the feature vector.
  • the bit string reliability calculation unit 106 obtains the stability with which the bit is stably extracted in the calculation of the bit string in the bit string calculation unit 105, and calculates the bit string reliability based on the obtained stability.
  • the bit string reliability calculated by the bit string reliability calculation unit 106 is stored in the bit string and bit string reliability storage unit 112 together with the corresponding bit string.
  • the bit string reliability calculation unit 106 reads out a feature vector from the feature vector storage unit 111, and determines how far the read feature vector value is from a threshold for binarizing the feature vector value. And When the difference between the value of the feature vector and the threshold is small, the binarized “0” or “1” value may be reversed by a slight change in the value of the feature vector. Susceptible to stability. On the other hand, if the difference between the feature vector value and the threshold value is large, even if the feature vector value slightly fluctuates, the binarized “0” or “1” value does not change. High stability without being affected by
  • the degree of deviation from the threshold value of each dimension value of the feature vector is regarded as the stability of the bit
  • the bit string reliability calculation unit 106 obtains the stability of the binarization of the feature vector, and the bit string in the entire bit string is calculated.
  • the bit string reliability is calculated based on the stability. For example, the bit string reliability calculation unit 106 sets a value obtained by accumulating the stability of each bit (the absolute value of the difference between each dimension value of the feature vector and the threshold) in the entire bit string as the bit string reliability.
  • the bit string reliability calculation unit 106 may use the median or average value of the bit stability of the entire bit string as the bit string reliability, or the bit stability is stable. The number of bits exceeding the degree threshold may be used as the bit string reliability.
  • the bit string selection unit 107 is an example of a selection unit, and selects a predetermined number of bit strings from the bit string calculated by the bit string calculation unit 105 according to the bit string reliability value calculated by the bit string reliability calculation unit 106.
  • the bit string selection unit 107 reads the bit string and its bit string reliability from the bit string and bit string reliability storage unit 112, compares the bit string reliability values of the respective bit strings, and compares a predetermined number in order from the bit string reliability higher side. Select a bit string.
  • the bit string combination unit 108 is an example of a combination unit, and combines the bit strings selected by the bit string selection unit 107 to generate user's registered biometric data and registers it in the registered biometric data storage unit 113.
  • the bit string combiner 108 combines only bit strings and does not combine bit string reliability. That is, the registered biometric data registered in the registered biometric data storage unit 113 is data composed of only a bit string having no bit string reliability.
  • the registered biometric data storage unit 113 is a database in which a plurality of registered biometric data is registered, for example.
  • FIG. 2 is a flowchart illustrating an example of a registration process of the biometric authentication apparatus illustrated in FIG.
  • k feature points k is an arbitrary plural number
  • step S201 the image acquisition unit 101 acquires a biometric image for generating registered biometric data.
  • step S202 the feature point extraction unit 102 extracts k feature points having characteristic image elements useful for personal identification from the biological image.
  • step S ⁇ b> 203 the feature point neighboring image extraction unit 103 extracts, for each of the k feature points, a partial image of p pixels ⁇ p pixels around the feature point from the biological image. Note that the value of p is a relatively small value, such as 15, 21, or 32.
  • step S204 the feature vector calculation unit 104 calculates each feature vector from the k partial images extracted in step S203.
  • step S205 the bit string calculation unit 105 binarizes each of the k feature vectors calculated in step S204 to generate a bit string for each feature point, and the bit string and bit string reliability storage unit 112.
  • step S206 the bit string reliability calculation unit 106 calculates the bit string reliability of each bit string in the binarization process of the k feature vectors calculated in step S204, and stores the bit string and the bit string reliability together with the corresponding bit string. Store in the unit 112.
  • FIG. 3 is a flowchart illustrating an example of a process for generating a bit string and calculating a bit string reliability, and is executed for each feature vector by the bit string calculation unit 105 and the bit string reliability calculation unit 106.
  • step S301 the value of the bit string reliability S of the bit string to be generated is initialized to 0, and in step S302, the value of the element index i of the feature vector is initialized to 0.
  • step S303 the value of the i-th element v [i] of the feature vector is acquired.
  • step S304 the threshold vth for binarization is subtracted from the value of the i-th element v [i]. Is calculated as the divergence degree vd [i] for the i-th element.
  • step S305 it is determined whether or not the divergence degree vd [i] for the i-th element is greater than 0. If it is not greater than 0, the i-th element b [i] of the bit string to be generated is determined. The value is set to “0” (S306), and if it is greater than 0, the value of the i-th element b [i] of the generated bit string is set to “1” (S307). In step S308, the absolute value of the deviation vd [i] for the i-th element is added to the bit string reliability S, and the bit string reliability S is updated.
  • step 309 it is determined whether or not the value of the element index i is smaller than the number of elements in the feature vector. If the value is smaller than the number of elements in the feature vector, the value of the element index i is incremented by one. Return to S303. On the other hand, if the value of the element index i is not smaller than the number of elements of the feature vector, in step S310, the elements b [i from the 0th to the (number of elements of the feature vector ⁇ 1) th obtained so far ] Are combined to generate a bit string. In step S311, the pair of the bit string and the bit string reliability S is stored in the bit string and bit string reliability storage unit 112, and the process ends.
  • Step S301 and S302 are out of order, and the process in step S301 may be performed after step S302, or the processes in steps S301 and S302 may be performed in parallel.
  • the processing of Steps S305, S306, and S307 and the processing of Step S308 are in no particular order, and Step S305 may be performed after Step S308, or Steps S305, S306, and S307 are combined. You may perform the process of step S308 in parallel.
  • bit string selecting unit 107 determines the bit string reliability in descending order. Rearrange bit strings.
  • bit string selecting unit 107 selects a predetermined number of bit strings from the rearranged bit string so as to be within the predetermined upper limit size of the registered biometric data from the side with the higher bit string reliability. To do.
  • step S210 the bit string combiner 108 combines the bit strings selected in step S208 to generate registered biometric data.
  • the bit string combining unit 108 combines only the bit strings and does not combine the bit string reliability.
  • the bit string combination unit 108 stores the registered biometric data (combined bit string) generated in step S209 in the registered biometric data storage unit 113, and ends the registration process.
  • the biometric authentication device shown in FIG. 1 performs binarization processing on the feature vectors (n pieces in this example) of each feature point, which is the biometric data before bit stringing shown in FIG. To calculate a bit string. Further, when the biometric authentication device converts the feature vector into a bit string, the bit string reliability is calculated and stored together with the bit string that is the bit string converted into the bit string as shown in FIG. Then, the biometric authentication device rearranges the bit strings in descending order of the bit string reliability based on the bit string reliability as shown in FIG. 4C, and the upper limit size SZ of the registered biometric data as shown in FIG. 4D. Bit strings are selected from the side with a high bit string reliability so as not to exceed, and are combined into registered biometric data.
  • the biometric authentication device shown in FIG. 1 selects and combines bit strings according to the bit string reliability value of the bit string calculated when the bit string is generated, and generates registered biometric data for authentication.
  • the amount can be reduced.
  • it can suppress that authentication accuracy falls by preferentially selecting a bit string with high reliability from a plurality of bit strings and generating registered biometric data.
  • the collation process described later can be collated by the bit string comparison process, and in a short time. Verification processing can be performed. For example, even when comparing and collating with a large number of registered biometric data by 1: N authentication for authenticating who the person is, collation processing can be performed in a short time.
  • bit string reliability an example in which the degree of deviation from the threshold value of each dimension value of the feature vector (the absolute value of the difference between each dimension value of the feature vector and the threshold value) is accumulated in the entire bit string is used as the bit string reliability.
  • the threshold value for binarizing the value of each dimension of the feature vector is BTH
  • the absolute value of the difference between the value of each dimension of the feature vector and the threshold value BTH is calculated.
  • a value 501 accumulated by the number of dimensions of the feature vector is set as the bit string reliability.
  • the bit string reliability can be calculated by a simple calculation.
  • the case where the feature vector is an 8-dimensional array is illustrated, but actually, the feature vector is larger, such as a 64-dimensional array, a 128-dimensional array, or a 256-dimensional array. It has the number of dimensions (the same applies to FIGS. 5B and 5C).
  • the information used as the bit string reliability is not limited to this.
  • the average value of the entire bit string of the degree of deviation from the threshold value of each dimension value of the feature vector (the absolute value of the difference between each dimension value of the feature vector and the threshold value) may be used as the bit string reliability.
  • the average value of the divergence from the threshold value of each dimension of the feature vector over the entire bit string is used as the bit string reliability, the value becomes smaller than the accumulated value, and the capacity required for storing the bit string reliability can be reduced. it can.
  • the degree of deviation from the threshold value of each dimension value of the feature vector is the stability level.
  • the number of dimensions (number of bits) that is greater than the threshold may be used as the bit string reliability. That is, when the threshold value for binarizing the value of each dimension of the feature vector is BTH, as shown by 502, the absolute value of the difference between the value of each dimension of the feature vector and the threshold value BTH is the stability threshold value. The number of dimensions (number of bits) exceeding RTH is defined as the bit string reliability. In the example shown in FIG.
  • the bit string reliability value is set to 3
  • the bit string reliability a bit having a significantly large divergence compared to other bits Even if there is, it is possible to reduce the influence of the bit divergence on the bit string reliability.
  • the degree of deviation from the threshold value of each dimension value of the feature vector (the absolute value of the difference between the dimension value of the feature vector and the threshold value) is small.
  • the median when arranged in order may be used as the bit string reliability. That is, when the threshold value for binarizing the value of each dimension of the feature vector is BTH, the absolute value of the difference between the value of each dimension of the feature vector and the threshold value BTH is arranged in ascending order as shown in 503. The value of the central MVA at that time is taken as the bit string reliability.
  • the average value of two values before and after the central MVA may be set as the bit string reliability, or one of the values may be set as the bit string reliability. It may be. Even when the median value when the divergence from the threshold value of each dimension value of the feature vector is arranged in ascending order is used as the bit string reliability, the bit string reliability is significantly higher than the other bits. The influence on the degree can be reduced.
  • FIG. 6 is a flowchart showing another example of the process of calculating the bit string and calculating the bit string reliability, and is executed for each feature vector by the bit string calculation unit 105 and the bit string reliability calculation unit 106.
  • step S601 the value of the bit string reliability S of the bit string to be generated is initialized to 0, and in step S602, the value of the element vector i of the feature vector is initialized to 0. Note that the processes in steps S601 and S602 are out of order, and the process in step S601 may be performed after step S602, or the processes in steps S601 and S602 may be performed in parallel.
  • step S603 the value of the i-th element v [i] of the feature vector is acquired, and in step S604, a value obtained by subtracting the threshold vth for binarization from the value of the i-th element v [i]. Is calculated as the divergence degree vd [i] of the i-th element.
  • step S605 it is determined whether or not the divergence degree vd [i] of the i-th element is greater than 0. If not greater than 0, the value of the i-th element b [i] of the generated bit string is determined. Is set to “0” (S606), and if greater than 0, the value of the i-th element b [i] of the generated bit string is set to “1” (S607).
  • step 608 it is determined whether or not the value of the element index i is smaller than the number of elements in the feature vector. If the value is smaller than the number of elements in the feature vector, the value of the element index i is incremented by one. The process returns to S603. On the other hand, if the value of the element index i is not smaller than the number of elements of the feature vector, in step S609, the divergence degrees vd [i] of the elements are arranged in ascending order of values, and the median value (or the center) is obtained. The average value of the two values) is calculated and set as the bit string reliability S.
  • step S610 the elements b [i] from 0th to (number of feature vector elements ⁇ 1) th obtained so far are combined to generate a bit string.
  • step S611 the combination of the bit string and the bit string reliability S is stored in the bit string and bit string reliability storage unit 112, and the process ends.
  • FIG. 7 is a block diagram illustrating a configuration example of the biometric authentication device according to the present embodiment.
  • FIG. 7 shows a biometric authentication device that performs verification related to authentication using registered registered biometric data.
  • 7 includes an image acquisition unit 701, a feature point extraction unit 702, a feature point neighborhood image extraction unit 703, a feature vector calculation unit 704, a bit string calculation unit 705, a bit string decomposition unit 706, a bit string collation unit 707, and A verification result output unit 708 is provided.
  • the biometric authentication apparatus includes a feature vector storage unit 711, a verification bit string storage unit 712, a registered biometric data storage unit 713, and a registered bit string storage unit 714.
  • the image acquisition unit 701 acquires a biological image to be verified (biological image for verification) captured by the imaging unit or the like.
  • the feature point extraction unit 702 extracts a plurality of feature points from the biometric image for verification acquired by the image acquisition unit 701.
  • the feature point vicinity image extraction unit 703 extracts a partial image of a predetermined size in the vicinity of the feature point including the feature point from the biometric image for matching.
  • the feature vector calculation unit 704 uses the same calculation method as that of the feature vector calculation unit 104 illustrated in FIG. 1 for each of a plurality of feature points, and a partial image near the feature point extracted by the feature point vicinity image extraction unit 703. The feature vector is calculated from The feature vector calculated by the feature vector calculation unit 704 is stored in the feature vector storage unit 711.
  • the bit string calculation unit 705 binarizes each dimension value of the feature vector for each feature vector calculated by the feature vector calculation unit 704 in the same manner as the bit string calculation unit 105 illustrated in FIG. A bit string arranged by the number of dimensions is calculated.
  • the bit string calculation unit 705 reads the feature vector from the feature vector storage unit 711, compares the value of each dimension of the feature vector with a predetermined threshold value, converts it to “0” or “1”, and binarizes it.
  • the bit string calculated by the bit string calculation unit 705 is stored in the collation bit string storage unit 712.
  • the registered biometric data storage unit 113 is a database in which a plurality of registered biometric data is registered, for example.
  • the registered biometric data storage unit 713 stores registered biometric data (a combined bit string) generated by the biometric authentication apparatus illustrated in FIG. 1 and registered in the registered biometric data storage unit 113.
  • the bit string decomposing unit 706 reads the registered biometric data from the registered biometric data storage unit 713 and decomposes it into a bit string in units of feature points.
  • the bit string decomposed by the bit string decomposition unit 706 is stored in the registered bit string storage unit 714.
  • the bit string collation unit 707 collates the bit string (collation bit string) calculated from the biometric image for collation with the bit string (registered bit string) obtained by decomposing the registered biometric data.
  • the bit string collation unit 707 reads the collation bit string from the collation bit string storage unit 712, reads the registration bit string from the registration bit string storage unit, obtains the degree of coincidence between the read collation bit string and the registered bit string, and based on the obtained degree of coincidence Determine if you are the person.
  • the collation result output unit 708 outputs the collation result by the bit string collation unit 707.
  • the bit string collating unit 707 performs exhaustive collation between the collation bit string and the registered bit string to obtain the bit matching degree, and performs identity verification based on the bit matching degree. For example, the bit string collating unit 707 determines that the person is the person if the bit matching degree is higher than a predetermined threshold.
  • the verification of the person by comparing the bit strings is not limited to the above-described method, and various methods can be applied.
  • the bit string collating unit 707 may determine that the bit string is high when the number of bit strings having a high degree of matching of the bits is greater than a predetermined threshold value, or adds up the number of bits with matching values. If the number of matched bits is greater than a predetermined threshold, it may be determined that the person is the person himself / herself.
  • FIG. 8 is a flowchart illustrating an example of collation processing of the biometric authentication device illustrated in FIG.
  • k feature points are extracted from one biometric image for collation, and bit strings relating to m feature points are combined in registered biometric data ( k and m are any plural number).
  • step S801 the image acquisition unit 701 acquires a biological image to be verified (a biological image for verification).
  • step S802 the feature point extraction unit 702 extracts k feature points having characteristic image elements useful for personal identification from the biometric image for collation.
  • step S803 the feature point neighborhood image extraction unit 703 extracts, for each of the k feature points, a p pixel ⁇ p pixel partial image centered on the feature point from the biometric image for matching.
  • step S804 the feature vector calculation unit 704 calculates each feature vector from the k partial images extracted in step S803.
  • step S805 the bit string calculation unit 705 binarizes each of the k feature vectors calculated in step S804, and a bit string (matching bit string) for each feature point of the biometric image for matching. Is generated.
  • step S806 the bit string decomposing unit 706 acquires the registered biometric data from the registered biometric data storage unit 713.
  • step S807 the bit string decomposition unit 706 decomposes the registered biometric data acquired in step S806 into bit strings for feature points, that is, m bit strings (registered bit strings) generated from feature vectors. Note that the processes in steps S806 and S807 are not limited to those after step S805, and may be performed before the next process in step S808 is performed.
  • step S808 the bit string collating unit 707 comprehensively compares the k bit strings (collation bit strings) acquired from the biometric image for verification with the m bit strings (registered bit strings) acquired from the registered biometric data.
  • combinations of collation bit strings and registered bit strings are listed in ascending order of the Hamming distance D [i, j]. Note that the Hamming distance is obtained by comparing two bit strings and counting the number of difference between values. If the difference is large, the Hamming distance is large, and if the difference is small, the Hamming distance is small.
  • step S809 the bit string collating unit 707 selects the higher-order (Hamming distance D [i, j]) from the combinations of the collation bit string and the registered bit string listed in ascending order of the Hamming distance D [i, j]. Choose r from the smaller side. Then, the sum Dsum of the Hamming distance D [i, j] in the combination of the r selected verification bit strings and the registered bit string is calculated.
  • step S810 the bit string matching unit 707 compares the sum Ssum calculated in step S809 with a predetermined threshold value. As a result of the comparison, if the sum Ssum is smaller than the threshold (YES in S811), the bit string matching unit 707 determines that the person is the person (S812). If the sum Ssum is not smaller than the threshold (NO in S811), the person is the other person. The bit string collation unit 707 makes a determination (S813), and the collation process ends.
  • the sum of the hamming distances of the bit strings is obtained to obtain the similarity between the collation bit string and the registered bit string.
  • the method for obtaining the similarity between the collation bit string and the registered bit string is limited to the method for obtaining the Hamming distance. Instead, it is possible to apply a method for obtaining the similarity of an arbitrary bit string.
  • the biometric authentication device shown in FIG. 7 is the same as the biometric authentication device shown in FIG. 1 if the registered biometric data generated by the biometric authentication device shown in FIG. One integrated device may be used, or a device different from the biometric authentication device shown in FIG. 1 may be used.
  • the biometric authentication device shown in FIG. 7 is integrated with the biometric authentication device shown in FIG. 1, the functional units that realize the same function in each biometric authentication device are shared by one functional unit. You may do it.
  • the registered biometric data storage unit 113 and the registered biometric data storage unit 713 may be configured by a storage unit such as one external database.
  • the biometric authentication device can be realized by a computer executing a program, for example.
  • a computer-readable recording medium in which such a program is recorded can also be applied as an embodiment of the present invention.
  • the recording medium for example, a flexible disk, a hard disk, an optical disk, a magneto-optical disk, a CD-ROM, a magnetic tape, a nonvolatile memory card, a ROM, or the like can be used.
  • a program product in which the functions of the above-described embodiments are realized by a computer executing a program and performing processing can be applied as an embodiment of the present invention.
  • the program product include a program itself that realizes the functions of the above-described embodiments and a computer in which the program is read.
  • a transmission device that can provide a program to a computer that is communicably connected via a network, a network system including the transmission device, and the like.
  • the program when the functions of the above-described embodiment are realized by the supplied program and an operating system (OS) or other application running on the computer, the program is applied as an embodiment of the present invention. Can do. Also, when all or part of the processing of the supplied program is performed by the function expansion unit of the computer and the functions of the above-described embodiments are realized, such a program can be applied as an embodiment of the present invention. . Further, in order to use this embodiment in a network environment, all or part of the program may be executed by another computer.
  • OS operating system
  • the biometric authentication device can be realized by a computer as shown in FIG. 9 includes a memory 901, a CPU (Central Processing Unit) 903, a hard disk drive (HDD) 905, a display control unit 907 connected to the display device 909, a drive device 913 for a removable disk 911, and an input device 915.
  • a communication control unit 917 for connecting to a network is connected by a bus 919.
  • An operating system (OS) and an application program for performing processing in the present embodiment are stored in the HDD 905, and are read from the HDD 905 to the memory 901 when executed by the CPU 903.
  • OS operating system
  • an application program for performing processing in the present embodiment are stored in the HDD 905, and are read from the HDD 905 to the memory 901 when executed by the CPU 903.
  • the CPU 903 controls the display control unit 907, the communication control unit 917, and the drive device 913 according to the processing content of the application program, and performs a predetermined operation.
  • data in the middle of processing is mainly stored in the memory 901, but may be stored in the HDD 905.
  • an application program for performing the above-described processing is stored and distributed in a removable disk 911 as a computer-readable recording medium, and installed from the drive device 913 to the HDD 905.
  • the HDD 905 is installed via a network such as the Internet and the communication control unit 917.
  • Such a computer realizes various functions of the above-described embodiments by organically cooperating hardware such as the CPU 903 and the memory 901 described above and software such as an OS and application programs.
  • An extraction unit for extracting a plurality of feature points from a biological image; For each of a plurality of feature points, a vector calculation unit that calculates a feature vector from the biological image including each of the feature points; For each of the calculated feature vectors, a bit string calculation unit that binarizes each dimension value and calculates a bit string; A reliability determination unit that assigns reliability based on the binarization stability of the corresponding feature vector for each of the calculated bit strings; A biometric authentication device comprising: a selection unit that selects a predetermined number of the bit strings in accordance with the reliability value from the calculated bit strings.
  • (Appendix 2) The biometric authentication device according to claim 1, wherein the reliability determination unit obtains the stability based on a degree of deviation from a threshold value for binarization of each dimension value of the feature vector.
  • (Appendix 3) The biometric authentication device according to claim 1 or 2, further comprising a combining unit that combines the selected predetermined number of the bit strings to generate registration data.
  • (Appendix 4) The biometric authentication device according to any one of appendices 1 to 3, wherein the selection unit selects the predetermined number of the bit strings in descending order of the reliability.
  • (Appendix 5) The biometric authentication device according to any one of appendices 1 to 4, wherein the selection unit selects the bit string according to the reliability value so as not to exceed a predetermined size.
  • a biometric authentication method comprising: selecting a predetermined number of the bit strings in accordance with the reliability value from the calculated bit strings.
  • (Appendix 10) Extracting a plurality of feature points from the biological image; For each of a plurality of feature points, calculating a feature vector from the biological image including each of the feature points; For each of the calculated feature vectors, binarizing the value of each dimension and calculating a bit string; For each of the calculated bit strings, assigning reliability based on the binarization stability of the corresponding feature vector;
  • a biometric authentication program for causing a computer to execute a step of selecting a predetermined number of bit strings in accordance with the reliability value from the calculated bit strings.
  • (Appendix 11) Extracting a plurality of feature points from the biological image; For each of a plurality of feature points, calculating a feature vector from the biological image including each of the feature points; For each of the calculated feature vectors, binarizing the value of each dimension and calculating a bit string; For each of the calculated bit strings, assigning reliability based on the binarization stability of the corresponding feature vector;
  • a computer-readable recording medium which records a biometric authentication program for causing a computer to execute a step of selecting a predetermined number of the bit strings in accordance with the reliability value from the calculated bit strings.
  • Bit string selection unit 108 Bit string combination unit 111 , 711 Feature vector storage unit 112 Bit string and bit string reliability storage unit 113, 713 Registered biometric data storage unit 706 Bit string decomposition unit 707 Bit string verification unit 708 Verification result output unit 712 Verification bit string storage unit 714 Registered bit string storage unit

Abstract

【課題】認証精度が低下することを抑制しつつ登録データのデータ量を削減することができる生体認証装置を提供する。 【解決手段】生体画像から複数の特徴点を抽出する特徴点抽出部と、複数の特徴点のそれぞれに対し、それぞれの特徴点を含む生体画像から特徴ベクトルを算出する特徴ベクトル算出部と、算出された特徴ベクトル毎に、各次元の値を二値化し、ビット列を算出するビット列算出部と、算出されたビット列毎に、対応する特徴ベクトルの二値化の安定性に基づいてビット信頼度を付与するビット信頼度算出部と、算出されたビット列の内から、ビット信頼度の値に従ってビット列を選定する選定部とを備え、ビット信頼度の値に従って認証のためのビット列を選定することで、認証精度が低下することを抑制しつつ登録データのデータ量を削減する。

Description

生体認証装置、生体認証方法、及び生体認証プログラム
　本発明は、生体認証装置、生体認証方法、及び生体認証プログラムに関する。
　静脈パターン、指紋、顔画像等の人体の一部の特徴を使用して認証を行う生体認証技術が広まってきている。生体認証における照合処理を高速化するため、認証のための生体データを“０”と“１”の二値のビット列で表現し、そのビット列の単純比較により類似度を算出する方法がある（例えば、特許文献１～３参照）。
　ビット列の生成手法として、撮影した生体画像から照合の基準となる特徴点を複数抽出して特徴点毎に多次元の特徴ベクトルを算出し、それら特徴ベクトルの各次元の値を二値化する手法がある。例えば、図１０に示すように、撮影した生体画像から特徴点を複数抽出し（図示の例ではｎ個）、特徴点毎に、多次元の特徴ベクトルを算出して特徴ベクトルの各次元の値を二値化しビット列を取得する。そして、各特徴点についてのビット列を結合し、その結合ビット列を照合に用いる生体データとする。
　各特徴点についてのビット列の生成は、例えば生体画像から図１１（Ａ）に示すような特徴点を含む特徴点近傍の部分画像を切り出し、部分画像を極座標変換するなどして周波数成分を抽出する（図１１（Ｂ））。その周波数成分からｍ個の値を選択してｍ次元の特徴ベクトルを算出し（図１１（Ｃ））、特徴ベクトルの各次元の値と閾値ＢＴＨとを比較して特徴ベクトルの値が閾値ＢＴＨより大きければ“１”とし、小さければ“０”として二値化することで、図１１（Ｄ）に示すようなビット列が得られる。
特開２００８－１５２６０８号公報 特開２０１５－３６９０６号公報 特開２０１４－７４９６４号公報
　照合に用いる結合ビット列のデータサイズは、（特徴ベクトルの次元数）×（特徴点の数）となるため、生体画像から多数の特徴点が抽出できても、記憶容量の制約からそれらに対するすべてのビット列を結合して登録データとして保持できないことがある。これを解決する方法として、サイズを超えたビット列をランダムに削除することや、サイズに達するまでに登録したビット列を登録データとすることが考えられるが、認証精度の低下が懸念される。例えば、二値の判定に微妙な値を持つ特徴ベクトルに変換される特徴点は、照合毎に異なるビット列が生成され、認証結果が不安定となる。１つの側面では、本発明の目的は、認証精度が低下することを抑制しつつ登録データのデータ量を削減することができる生体認証装置を提供することにある。
　生体認証装置の一態様は、生体画像から複数の特徴点を抽出する抽出部と、複数の特徴点のそれぞれに対し特徴ベクトルを算出するベクトル算出部と、算出された特徴ベクトル毎に各次元の値を二値化しビット列を算出するビット列算出部と、算出されたビット列毎に、特徴ベクトルの二値化の安定性に基づいて信頼度を付与する信頼度判定部と、算出されたビット列の内から、信頼度の値に従ってビット列を所定個数選定する選定部とを備える。
　発明の一態様においては、認証精度が低下することを抑制しつつ登録データのデータ量を削減することができる。
図１は、本実施形態における生体認証装置の構成例を示す図である。 図２は、図１に示した生体認証装置の登録処理の例を示すフローチャートである。 図３は、ビット列化及びビット列信頼度を算出する処理の例を示すフローチャートである。 図４（Ａ）～図４（Ｄ）は、本実施形態における登録生体データの生成を説明する図である。 図５（Ａ）～図５（Ｃ）は、本実施形態におけるビット列信頼度の例を説明する図である。 図６は、ビット列化及びビット列信頼度を算出する処理の他の例を示すフローチャートである。 図７は、本実施形態における生体認証装置の構成例を示す図である。 図８は、図７に示した生体認証装置の照合処理の例を示すフローチャートである。 図９は、本実施形態における生体認証装置を実現可能なコンピュータの機能ブロック図である。 図１０は、照合用のビット列の生成を説明する図である。 図１１は、特徴点におけるビット列の生成を説明する図である。
　以下、本発明の実施形態を図面に基づいて説明する。
　図１は、本発明の一実施形態における生体認証装置の構成例を示すブロック図である。図１には、予め認証のための登録生体データを生体画像から生成して登録を行う生体認証装置を示している。図１に示す生体認証装置は、画像取得部１０１、特徴点抽出部１０２、特徴点近傍画像抽出部１０３、特徴ベクトル算出部１０４、ビット列算出部１０５、ビット列信頼度算出部１０６、ビット列選定部１０７、及びビット列結合部１０８を有する。また、生体認証装置は、特徴ベクトル記憶部１１１、ビット列及びビット列信頼度記憶部１１２、及び登録生体データ記憶部１１３を有する。
　画像取得部１０１は、登録生体データを登録する利用者の生体画像を取得する。画像取得部１０１は、例えば、撮影部により撮影することで利用者の生体画像を取得するようにしてもよいし、予め撮影された生体画像を入力することで利用者の生体画像を取得するようにしてもよい。生体画像は、例えば静脈パターン、指紋、顔画像等の人体の一部を示す画像である。
　特徴点抽出部１０２は、抽出部の一例であり、画像取得部１０１により取得された生体画像から複数の特徴点を抽出する。ここで、特徴点は、生体画像において照合の基準となる特徴的な画像的要素を有する点であり、例えば生体画像が静脈パターンを示すものであれば、静脈の交差点（分岐点）や端点等が一例として挙げられる。特徴点近傍画像抽出部１０３は、特徴点抽出部１０２により抽出された複数の特徴点のそれぞれについて、特徴点を含む特徴点近傍の所定サイズの部分画像を生体画像から抽出する。
　特徴ベクトル算出部１０４は、ベクトル算出部の一例であり、複数の特徴点のそれぞれに対し、特徴点近傍画像抽出部１０３により抽出された特徴点近傍の部分画像から特徴ベクトルを算出する。ここで、特徴ベクトルは多次元の配列であるとし、例えば、６４次元配列、１２８次元配列、２５６次元配列等である。画像から特徴ベクトルを算出する手法については任意の手法を用いることができ、例えば、特徴点近傍の部分画像を極座標変換して周波数成分を算出することによって画像の周波数特徴を算出して、周波数毎の強度を求める等の手法を適用することができる。特徴ベクトル算出部１０４により算出された特徴ベクトルは、特徴ベクトル記憶部１１１に記憶される。
　ビット列算出部１０５は、特徴ベクトル算出部１０４により算出された特徴ベクトル毎に、特徴ベクトルの各次元の値を二値化し、これを特徴ベクトルの次元数だけ並べたビット列を算出する。ビット列算出部１０５は、特徴ベクトル記憶部１１１から特徴ベクトルを読み出し、特徴ベクトルの次元の値が、予め決めた閾値よりも大きな値であれば“１”とし、閾値以下の値であれば“０”として、特徴ベクトルの各次元の値を“０”又は“１”に変換し二値化する。例えば、特徴ベクトルが６４次元配列であればビット列は６４ビットとなり、特徴ベクトルが２５６次元配列であればビット列は２５６ビットとなる。ビット列算出部１０５により算出されたビット列は、ビット列及びビット列信頼度記憶部１１２に記憶される。
　ビット列信頼度算出部１０６は、信頼度判定部の一例であり、ビット列算出部１０５により算出されたビット列毎に、対応する特徴ベクトルの二値化の安定性に基づいてビット列信頼度を算出して付与する。ビット列信頼度は、特徴ベクトルの微細な変動によって二値化したビット列の値が変動しない度合いを示すものである。ビット列信頼度算出部１０６は、ビット列算出部１０５でのビット列の算出において、そのビットが安定して抽出される安定性を求め、求めた安定性に基づいてビット列信頼度を算出する。ビット列信頼度算出部１０６により算出されたビット列信頼度は、対応するビット列とともに、ビット列及びビット列信頼度記憶部１１２に記憶される。
　例えば、ビット列信頼度算出部１０６は、特徴ベクトル記憶部１１１から特徴ベクトルを読み出し、読み出した特徴ベクトルの値が、特徴ベクトルの値を二値化するための閾値からどれだけ離れているかを安定性とする。特徴ベクトルの値と閾値との差が小さい場合、特徴ベクトルの値が僅かに変動しただけで二値化した“０”又は“１”の値が反転することがあり得るので、ノイズ等の影響を受けやすく安定性が低い。それに対して、特徴ベクトルの値と閾値との差が大きい場合、特徴ベクトルの値が多少変動しても二値化した“０”又は“１”の値が変化することがないので、ノイズ等の影響を受けにくく安定性が高い。
　このように特徴ベクトルの各次元の値の閾値からの乖離度をそのビットの安定度とみなし、ビット列信頼度算出部１０６が特徴ベクトルの二値化の安定性を求め、ビット列全体でのビットの安定度を基にビット列信頼度を算出する。例えば、ビット列信頼度算出部１０６は、各ビットの安定度（特徴ベクトルの各次元の値と閾値との差の絶対値）をビット列全体に累積した値をビット列信頼度とする。また、累積値に限らず、例えば、ビット列信頼度算出部１０６は、ビット列全体のビットの安定度の中央値や平均値をビット列信頼度とするようにしてもよいし、ビットの安定度が安定度の閾値を越えたビット数をビット列信頼度とするようにしてもよい。
　ビット列選定部１０７は、選定部の一例であり、ビット列算出部１０５により算出されたビット列の内から、ビット列信頼度算出部１０６により算出されたビット列信頼度の値に従って所定個数のビット列を選定する。ビット列選定部１０７は、ビット列及びビット列信頼度記憶部１１２からビット列とそのビット列信頼度とを読み出し、各ビット列のビット列信頼度の値の大小を比較して、ビット列信頼度の高い側から順に所定個数のビット列を選定する。
　ビット列結合部１０８は、結合部の一例であり、ビット列選定部１０７により選定されたビット列を結合して利用者の登録生体データを生成し登録生体データ記憶部１１３に登録する。なお、ビット列結合部１０８は、ビット列だけを結合し、ビット列信頼度は結合しない。つまり、登録生体データ記憶部１１３に登録される登録生体データは、ビット列信頼度を有しないビット列だけで構成されたデータである。登録生体データ記憶部１１３は、例えば複数の登録生体データが登録されるデータベースである。
　次に、図１に示した生体認証装置の動作について説明する。図２は、図１に示した生体認証装置の登録処理の例を示すフローチャートである。なお、以下に説明する登録処理では、１つの生体画像からｋ個（ｋは任意の複数）の特徴点を抽出するものとする。
　登録処理では、まず、ステップＳ２０１にて、画像取得部１０１が、登録生体データを生成する生体画像を取得する。ステップＳ２０２にて、特徴点抽出部１０２が、生体画像中から個人識別に有用な特徴的な画像的要素を有するｋ個の特徴点を抽出する。次に、ステップＳ２０３にて、特徴点近傍画像抽出部１０３が、ｋ個の特徴点のそれぞれについて、特徴点を中心としたｐ画素×ｐ画素の部分画像を生体画像から抽出する。なお、ｐの値は比較的小さい値であり、１５や２１や３２等である。続いて、ステップＳ２０４にて、特徴ベクトル算出部１０４が、ステップＳ２０３において抽出されたｋ個の各部分画像から、それぞれの特徴ベクトルを算出する。
　次に、ステップＳ２０５にて、ビット列算出部１０５が、ステップＳ２０４において算出されたｋ個の特徴ベクトルの各々を二値化処理して各特徴点に対するビット列を生成し、ビット列及びビット列信頼度記憶部１１２に記憶する。ステップＳ２０６にて、ビット列信頼度算出部１０６が、ステップＳ２０４において算出されたｋ個の特徴ベクトルの二値化処理における各ビット列のビット列信頼度を算出し、対応するビット列とともにビット列及びビット列信頼度記憶部１１２に記憶する。
　前述したステップＳ２０５、Ｓ２０６で実行されるビット列化及びビット列信頼度を算出する処理について、図３を参照して説明する。図３は、ビット列化及びビット列信頼度を算出する処理の例を示すフローチャートであり、ビット列算出部１０５及びビット列信頼度算出部１０６によって各特徴ベクトル毎に実行される。
　まず、ステップＳ３０１にて、生成するビット列のビット列信頼度Ｓの値が０に初期化され、ステップＳ３０２にて、特徴ベクトルの要素インデックスｉの値が０に初期化される。ステップＳ３０３にて、特徴ベクトルのｉ番目の要素ｖ［ｉ］の値が取得され、ステップＳ３０４にて、ｉ番目の要素ｖ［ｉ］の値から二値化するための閾値ｖｔｈを減じた値がｉ番目の要素についての乖離度ｖｄ［ｉ］として算出される。
　次に、ステップＳ３０５にて、ｉ番目の要素についての乖離度ｖｄ［ｉ］が０より大きいか否かが判定され、０より大きくなければ、生成するビット列のｉ番目の要素ｂ［ｉ］の値を“０”にし（Ｓ３０６）、０より大きければ、生成するビット列のｉ番目の要素ｂ［ｉ］の値を“１”にする（Ｓ３０７）。また、ステップＳ３０８にて、ｉ番目の要素についての乖離度ｖｄ［ｉ］の絶対値がビット列信頼度Ｓに加算され、ビット列信頼度Ｓが更新される。
　次に、ステップ３０９にて、要素インデックスｉの値が特徴ベクトルの要素数より小さいか否かが判定され、特徴ベクトルの要素数より小さい場合には、要素インデックスｉの値を１増加させてステップＳ３０３に戻る。一方、要素インデックスｉの値が特徴ベクトルの要素数より小さくない場合には、ステップＳ３１０にて、それまでに得られた０番目から（特徴ベクトルの要素数－１）番目までの要素ｂ［ｉ］が結合されビット列が生成される。そして、ステップＳ３１１にて、ビット列とビット列信頼度Ｓとの組がビット列及びビット列信頼度記憶部１１２に記憶され、終了する。
　なお、図３に示した処理において、ステップＳ３０１、Ｓ３０２の処理は順不同であり、ステップＳ３０２の後にステップＳ３０１の処理を行ってもよいし、ステップＳ３０１、Ｓ３０２の処理を並列して行ってもよい。また、ステップＳ３０５、Ｓ３０６、Ｓ３０７を組とした処理とステップＳ３０８の処理は順不同であり、ステップＳ３０８の後にステップＳ３０５の処理を行ってもよいし、ステップＳ３０５、Ｓ３０６、Ｓ３０７を組とした処理とステップＳ３０８の処理を並列して行ってもよい。
　図２に戻り、前述のようにしてステップＳ２０５、Ｓ２０６においてｋ個の特徴ベクトルの各々についてビット列及びビット列信頼度を算出した後、ステップＳ２０７にて、ビット列選定部１０７が、ビット列信頼度の高い順にビット列を並べ替える。次に、ステップＳ２０８にて、ビット列選定部１０７が、予め決められた登録生体データの上限サイズに収まるように、並べ替えたビット列の内から、ビット列信頼度の高い側から所定個数のビット列を選定する。
　続いて、ステップＳ２１０にて、ビット列結合部１０８が、ステップＳ２０８において選定されたビット列を結合して登録生体データを生成する。なお、このとき、ビット列結合部１０８では、ビット列のみを結合し、ビット列信頼度は結合しない。次に、ステップＳ２１０にて、ビット列結合部１０８が、ステップＳ２０９において生成した登録生体データ（結合ビット列）を登録生体データ記憶部１１３に記憶し、登録処理を終了する。
　以上のようにして図１に示した生体認証装置は、図４（Ａ）に示すビット列化前の生体データである各特徴点の特徴ベクトル（本例ではｎ個）を、それぞれ二値化処理してビット列を算出する。また、生体認証装置は、特徴ベクトルをビット列化する際に、そのビット列信頼度を算出し、図４（Ｂ）に示すようにビット列化した生体データであるビット列とともに記憶する。そして、生体認証装置は、図４（Ｃ）に示すようにビット列信頼度に基づいてビット列信頼度が高い順にビット列を並べ替えて、図４（Ｄ）に示すように登録生体データの上限サイズＳＺを超えないようにビット列信頼度が高い側からビット列を選定し、それらを結合して登録生体データにする。
　このように図１に示した生体認証装置は、ビット列化する際に算出したビット列のビット列信頼度の値に従ってビット列を選定して結合し、認証のための登録生体データを生成することで、データ量を削減することができる。また、複数のビット列の内から信頼度が高いビット列を優先的に選択して登録生体データを生成することで、認証精度が低下することを抑制することができる。
　また、認証のための登録生体データを二値（“０”又は“１”）のビット列で表現しているので、後述する照合処理ではビット列の比較処理で照合を行うことができ、短時間で照合処理を行うことができる。例えば、その人が誰であるかを認証する１：Ｎ認証で、多数の登録生体データとの比較照合を行う場合でも、短時間で照合処理を行うことができる。
　前述した説明では、特徴ベクトルの各次元の値の閾値からの乖離度（特徴ベクトルの各次元の値と閾値との差の絶対値）をビット列全体に累積した値をビット列信頼度とする例を示した。例えば、図５（Ａ）に示すように、特徴ベクトルの各次元の値を二値化するための閾値がＢＴＨである場合、特徴ベクトルの各次元の値と閾値ＢＴＨとの差の絶対値を特徴ベクトルの次元数だけ累積した値５０１をビット列信頼度とする。このように特徴ベクトルの各次元の値の閾値からの乖離度を累積した値をビット列信頼度として用いる場合、簡単な演算でビット列信頼度を算出することができる。図５（Ａ）においては、説明の便宜上、特徴ベクトルが８次元配列の場合を例示しているが、実際には、特徴ベクトルは、６４次元配列、１２８次元配列、２５６次元配列等のもっと大きな次元数を有している（図５（Ｂ）、図５（Ｃ）についても同様）。
　なお、ビット列信頼度として用いる情報は、これに限定されるものではない。例えば、特徴ベクトルの各次元の値の閾値からの乖離度（特徴ベクトルの各次元の値と閾値との差の絶対値）のビット列全体での平均値をビット列信頼度としてもよい。特徴ベクトルの各次元の値の閾値からの乖離度のビット列全体での平均値をビット列信頼度として用いる場合、累積値よりも値が小さくなり、ビット列信頼度の記憶に要する容量を削減することができる。
　また、例えば、図５（Ｂ）に一例を示すように、特徴ベクトルの各次元の値の閾値からの乖離度（特徴ベクトルの各次元の値と閾値との差の絶対値）が安定度の閾値より大きくなる次元数（ビットの数）を、ビット列信頼度としてもよい。すなわち、特徴ベクトルの各次元の値を二値化するための閾値がＢＴＨである場合、５０２に示すように特徴ベクトルの各次元の値と閾値ＢＴＨとの差の絶対値が、安定度の閾値ＲＴＨを超えた次元数（ビットの数）をビット列信頼度とする。図５（Ｂ）に示す例では、３つのビットにおいて、特徴ベクトルの各次元の値と閾値ＢＴＨとの差の絶対値が安定度の閾値ＲＴＨを超えているので、ビット列信頼度の値を３とする。特徴ベクトルの各次元の値の閾値からの乖離度が安定度の閾値より大きくなる次元数（ビットの数）をビット列信頼度として用いる場合、他のビットと比較して著しく乖離度が大きいビットがあったとしても、そのビットの乖離度がビット列信頼度に与える影響を低減することができる。
　また、例えば、図５（Ｃ）に一例を示すように、特徴ベクトルの各次元の値の閾値からの乖離度（特徴ベクトルの各次元の値と閾値との差の絶対値）を値が小さい順に並べたときの中央値を、ビット列信頼度としてもよい。すなわち、特徴ベクトルの各次元の値を二値化するための閾値がＢＴＨである場合、５０３に示すように特徴ベクトルの各次元の値と閾値ＢＴＨとの差の絶対値を値が小さい順に並べたときの中央ＭＶＡの値をビット列信頼度とする。なお、ビット列のビット総数が偶数である場合、中央ＭＶＡに隣接する前後の２つの値の平均値をビット列信頼度とするようにしてもよいし、何れか一方の値をビット列信頼度とするようにしてもよい。特徴ベクトルの各次元の値の閾値からの乖離度を値が小さい順に並べたときの中央値をビット列信頼度として用いる場合にも、他のビットと比較して著しく乖離度が大きいビットがビット列信頼度に与える影響を低減することができる。
　特徴ベクトルの各次元の値の閾値からの乖離度を値が小さい順に並べたときの中央値をビット列信頼度とする場合の、前述したステップＳ２０５、Ｓ２０６で実行されるビット列化及びビット列信頼度を算出する処理について、図６を参照して説明する。図６は、ビット列化及びビット列信頼度を算出する処理の他の例を示すフローチャートであり、ビット列算出部１０５及びビット列信頼度算出部１０６によって各特徴ベクトル毎に実行される。
　まず、ステップＳ６０１にて、生成するビット列のビット列信頼度Ｓの値が０に初期化され、ステップＳ６０２にて、特徴ベクトルの要素インデックスｉの値が０に初期化される。なお、ステップＳ６０１、Ｓ６０２の処理は順不同であり、ステップＳ６０２の後にステップＳ６０１の処理を行ってもよいし、ステップＳ６０１、Ｓ６０２の処理を並列して行ってもよい。
　ステップＳ６０３にて、特徴ベクトルのｉ番目の要素ｖ［ｉ］の値が取得され、ステップＳ６０４にて、ｉ番目の要素ｖ［ｉ］の値から二値化するための閾値ｖｔｈを減じた値がｉ番目の要素の乖離度ｖｄ［ｉ］として算出される。次に、ステップＳ６０５にて、ｉ番目の要素の乖離度ｖｄ［ｉ］が０より大きいか否かが判定され、０より大きくなければ、生成するビット列のｉ番目の要素ｂ［ｉ］の値を“０”にし（Ｓ６０６）、０より大きければ、生成するビット列のｉ番目の要素ｂ［ｉ］の値を“１”にする（Ｓ６０７）。
　次に、ステップ６０８にて、要素インデックスｉの値が特徴ベクトルの要素数より小さいか否かが判定され、特徴ベクトルの要素数より小さい場合には、要素インデックスｉの値を１増加させてステップＳ６０３に戻る。一方、要素インデックスｉの値が特徴ベクトルの要素数より小さくない場合には、ステップＳ６０９にて、各要素の乖離度ｖｄ［ｉ］が値の小さい順に並べられ、その中央値（又は中央となる２つの値の平均値）が算出されビット列信頼度Ｓとする。次に、ステップＳ６１０にて、それまでに得られた０番目から（特徴ベクトルの要素数－１）番目までの要素ｂ［ｉ］が結合されビット列が生成される。そして、ステップＳ６１１にて、ビット列とビット列信頼度Ｓとの組がビット列及びビット列信頼度記憶部１１２に記憶され、終了する。
　図７は、本実施形態における生体認証装置の構成例を示すブロック図である。図７には、登録された登録生体データを用いて認証に係る照合を行う生体認証装置を示している。図７に示す生体認証装置は、画像取得部７０１、特徴点抽出部７０２、特徴点近傍画像抽出部７０３、特徴ベクトル算出部７０４、ビット列算出部７０５、ビット列分解部７０６、ビット列照合部７０７、及び照合結果出力部７０８を有する。また、生体認証装置は、特徴ベクトル記憶部７１１、照合ビット列記憶部７１２、登録生体データ記憶部７１３、及び登録ビット列記憶部７１４を有する。
　画像取得部７０１は、撮影部等によって撮影された照合する生体画像（照合用の生体画像）を取得する。特徴点抽出部７０２は、画像取得部７０１により取得された照合用の生体画像から複数の特徴点を抽出する。特徴点近傍画像抽出部７０３は、特徴点抽出部７０２により抽出された複数の特徴点のそれぞれについて、特徴点を含む特徴点近傍の所定サイズの部分画像を照合用の生体画像から抽出する。
　特徴ベクトル算出部７０４は、図１に示した特徴ベクトル算出部１０４と同様の算出手法によって、複数の特徴点のそれぞれに対し、特徴点近傍画像抽出部７０３により抽出された特徴点近傍の部分画像から特徴ベクトルを算出する。特徴ベクトル算出部７０４により算出された特徴ベクトルは、特徴ベクトル記憶部７１１に記憶される。
　ビット列算出部７０５は、図１に示したビット列算出部１０５と同様にして、特徴ベクトル算出部７０４により算出された特徴ベクトル毎に、特徴ベクトルの各次元の値を二値化し、これを特徴ベクトルの次元数だけ並べたビット列を算出する。ビット列算出部７０５は、特徴ベクトル記憶部７１１から特徴ベクトルを読み出し、特徴ベクトルの各次元の値を予め決めた閾値と比較して“０”又は“１”に変換し二値化する。ビット列算出部７０５により算出されたビット列は、照合ビット列記憶部７１２に記憶される。
　登録生体データ記憶部１１３は、例えば複数の登録生体データが登録されるデータベースである。登録生体データ記憶部７１３には、図１に示した生体認証装置によって生成され登録生体データ記憶部１１３に登録された登録生体データ（結合ビット列）が記憶されている。ビット列分解部７０６は、登録生体データ記憶部７１３から登録生体データを読み出し、特徴点単位のビット列に分解する。ビット列分解部７０６により分解されたビット列は、登録ビット列記憶部７１４に記憶される。
　ビット列照合部７０７は、照合用の生体画像から算出されたビット列（照合ビット列）と登録生体データを分解して得られたビット列（登録ビット列）とを照合する。ビット列照合部７０７は、照合ビット列記憶部７１２から照合ビット列を読み出し、また登録ビット列記憶部から登録ビット列を読み出して、読み出した照合ビット列と登録ビット列との一致度を求め、求めた一致度に基づいて本人であるかを判定する。照合結果出力部７０８は、ビット列照合部７０７による照合の結果を出力する。
　本実施形態において、照合ビット列及び登録ビット列の特徴点の数は必ずしも一致しない。そこで、ビット列照合部７０７は、照合ビット列と登録ビット列との網羅的な照合を行ってビットの一致度を求め、ビットの一致度に基づいて本人確認を行う。例えば、ビット列照合部７０７は、ビットの一致度が予め決めた閾値よりも高ければ本人であると判定する。なお、ビット列の比較による本人の照合は、前述した手法に限らず様々な手法が適用できる。例えば、ビット列照合部７０７は、ビットの一致度の高いビット列の個数が、予め決めた閾値よりも多ければ本人であると判定するようにしてもよいし、値が一致したビットの数を合算し、一致したビット数が予め決めた閾値よりも多ければ本人であると判定するようにしてもよい。
　次に、図７に示した生体認証装置の動作について説明する。図８は、図７に示した生体認証装置の照合処理の例を示すフローチャートである。なお、以下に説明する照合処理では、１つの照合用の生体画像からｋ個の特徴点を抽出するものとし、登録生体データはｍ個の特徴点に係るビット列が結合されているものとする（ｋ及びｍは任意の複数）。
　照合処理では、まず、ステップＳ８０１にて、画像取得部７０１が、照合する生体画像（照合用の生体画像）を取得する。ステップＳ８０２にて、特徴点抽出部７０２が、照合用の生体画像中から個人識別に有用な特徴的な画像的要素を有するｋ個の特徴点を抽出する。次に、ステップＳ８０３にて、特徴点近傍画像抽出部７０３が、ｋ個の特徴点のそれぞれについて、特徴点を中心としたｐ画素×ｐ画素の部分画像を照合用の生体画像から抽出する。
　続いて、ステップＳ８０４にて、特徴ベクトル算出部７０４が、ステップＳ８０３において抽出されたｋ個の各部分画像から、それぞれの特徴ベクトルを算出する。次に、ステップＳ８０５にて、ビット列算出部７０５が、ステップＳ８０４において算出されたｋ個の特徴ベクトルの各々を二値化処理して、照合用の生体画像の各特徴点に対するビット列（照合ビット列）を生成する。
　ステップＳ８０６にて、ビット列分解部７０６が、登録生体データ記憶部７１３から登録生体データを取得する。次に、ステップＳ８０７にて、ビット列分解部７０６が、ステップＳ８０６において取得した登録生体データを特徴点に対するビット列、すなわち特徴ベクトルから生成したビット列（登録ビット列）ｍ個に分解する。なお、ステップＳ８０６、Ｓ８０７の処理は、ステップＳ８０５の後に限らず、次のステップＳ８０８の処理を行う前に実行していればよい。
　ステップＳ８０８にて、ビット列照合部７０７が、照合用の生体画像から取得したｋ個のビット列（照合ビット列）と登録生体データから取得したｍ個のビット列（登録ビット列）とを網羅的に比較して、ｉ番目（ｉ＝１～ｋ）の照合ビット列とｊ番目（ｊ＝１～ｍ）の登録ビット列とのハミング距離Ｄ［ｉ，ｊ］を求める。そして、ハミング距離Ｄ［ｉ，ｊ］の小さい順に、照合ビット列と登録ビット列との組み合わせを列挙する。なお、ハミング距離は、２つのビット列を比較して値の差異の数を数え、差異が大きいとハミング距離が大きくなり、差異が小さいとハミング距離が小さくなる。
　次に、ステップＳ８０９にて、ビット列照合部７０７が、ハミング距離Ｄ［ｉ，ｊ］の小さい順に列挙した照合ビット列と登録ビット列との組み合わせの内から、上位（ハミング距離Ｄ［ｉ，ｊ］の小さい側から）ｒ個を選ぶ。そして、選んだｒ個の照合ビット列と登録ビット列との組み合わせでのハミング距離Ｄ［ｉ，ｊ］の総和Ｄｓｕｍを算出する。
　次に、ステップＳ８１０にて、ビット列照合部７０７が、ステップＳ８０９において算出した総和Ｓｓｕｍを、予め決めておいた閾値と比較する。比較の結果、総和Ｓｓｕｍが閾値より小さければ（Ｓ８１１のＹＥＳ）、本人であるとビット列照合部７０７が判定し（Ｓ８１２）、総和Ｓｓｕｍが閾値より小さくなければ（Ｓ８１１のＮＯ）、他人であるとビット列照合部７０７が判定し（Ｓ８１３）、照合処理を終了する。
　前述した説明では、ビット列のハミング距離の総和を求めて照合ビット列と登録ビット列との類似度としているが、照合ビット列と登録ビット列との類似度を求める方法は、ハミング距離を求める方法には限定されず、任意のビット列の類似性を求める方法を適用することが可能である。
　なお、図７に示した生体認証装置は、図１に示した生体認証装置で生成された登録生体データが登録生体データ記憶部７１３に登録されていれば、図１に示した生体認証装置と一体の１つの装置であってもよいし、図１に示した生体認証装置とは別の装置であってもよい。図７に示した生体認証装置を図１に示した生体認証装置と一体の１つの装置とする場合には、それぞれの生体認証装置において同じ機能を実現する機能部は１つの機能部で共用するようにしてもよい。また、登録生体データ記憶部１１３及び登録生体データ記憶部７１３を１つの外部データベースのような記憶部で構成するようにしてもよい。
　前述した実施形態による生体認証装置は、例えばコンピュータがプログラムを実行することによって実現することができる。また、かかるプログラムを記録したコンピュータ読み取り可能な記録媒体も本発明の実施形態として適用することができる。記録媒体としては、例えばフレキシブルディスク、ハードディスク、光ディスク、光磁気ディスク、ＣＤ－ＲＯＭ、磁気テープ、不揮発性のメモリカード、ＲＯＭ等を用いることができる。
　また、コンピュータがプログラムを実行し処理を行うことにより、前述の実施形態の機能が実現されるプログラムプロダクトは、本発明の実施形態として適用することができる。プログラムプロダクトとしては、例えば前述の実施形態の機能を実現するプログラム自体、プログラムが読み込まれたコンピュータがある。また、プログラムプロダクトとして、ネットワークを介して通信可能に接続されたコンピュータにプログラムを提供可能な送信装置、前記送信装置を備えるネットワークシステム等がある。
　また、供給されたプログラムとコンピュータにおいて稼動しているオペレーティングシステム（ＯＳ）又は他のアプリケーション等とにより前述の実施形態の機能が実現される場合も、かかるプログラムは本発明の実施形態として適用することができる。また、供給されたプログラムの処理のすべて又は一部がコンピュータの機能拡張ユニットにより行われて前述の実施形態の機能が実現される場合も、かかるプログラムは本発明の実施形態として適用することができる。また、本実施形態をネットワーク環境で利用するべく、全部又は一部のプログラムが他のコンピュータで実行されるようになっていてもよい。
　例えば、前述した実施形態による生体認証装置は、図９に示すようなコンピュータにより実現することができる。図９に示すコンピュータは、メモリ９０１とＣＰＵ（Central Processing Unit）９０３とハードディスクドライブ（ＨＤＤ）９０５と表示装置９０９に接続される表示制御部９０７とリムーバブルディスク９１１用のドライブ装置９１３と入力装置９１５とネットワークに接続するための通信制御部９１７とがバス９１９で接続されている。オペレーティングシステム（ＯＳ）及び本実施形態における処理を実施するためのアプリケーションプログラムは、ＨＤＤ９０５に格納されており、ＣＰＵ９０３により実行される際にはＨＤＤ９０５からメモリ９０１に読み出される。ＣＰＵ９０３は、アプリケーションプログラムの処理内容に応じて表示制御部９０７、通信制御部９１７、ドライブ装置９１３を制御して、所定の動作を行わせる。また、処理途中のデータについては、主としてメモリ９０１に格納されるが、ＨＤＤ９０５に格納されるようにしてもよい。本例では、前述した処理を実施するためのアプリケーションプログラムはコンピュータ読み取り可能な記録媒体としてのリムーバブルディスク９１１に格納されて頒布され、ドライブ装置９１３からＨＤＤ９０５にインストールされる。インターネット等のネットワーク及び通信制御部９１７を経由して、ＨＤＤ９０５にインストールされる場合もある。このようなコンピュータは、前述したＣＰＵ９０３、メモリ９０１等のハードウェアとＯＳ及びアプリケーションプログラム等のソフトウェアとが有機的に協働することにより、前述した実施形態の各種機能を実現する。
　なお、前記実施形態は、何れも本発明を実施するにあたっての具体化のほんの一例を示したものに過ぎず、これらによって本発明の技術的範囲が限定的に解釈されてはならないものである。すなわち、本発明はその技術思想、またはその主要な特徴から逸脱することなく、様々な形で実施することができる。
　以上の本実施形態を含む実施形態に関し、さらに以下の付記を開示する。
（付記１）
　生体画像から複数の特徴点を抽出する抽出部と、
　複数の前記特徴点のそれぞれに対し、それぞれの前記特徴点を含む前記生体画像から特徴ベクトルを算出するベクトル算出部と、
　算出された前記特徴ベクトル毎に、各次元の値を二値化し、ビット列を算出するビット列算出部と、
　算出された前記ビット列毎に、対応する前記特徴ベクトルの前記二値化の安定性に基づいて信頼度を付与する信頼度判定部と、
　算出された前記ビット列の内から、前記信頼度の値に従って前記ビット列を所定個数選定する選定部とを備えることを特徴とする生体認証装置。
（付記２）
　前記信頼度判定部は、前記特徴ベクトルの各次元の値の前記二値化するための閾値からの乖離度に基づいて前記安定性を求めることを特徴とする付記１記載の生体認証装置。
（付記３）
　選定された前記所定個数の前記ビット列を結合して登録データを生成する結合部をさらに備えることを特徴とする付記１又は２記載の生体認証装置。
（付記４）
　前記選定部は、前記信頼度が高い順に前記所定個数の前記ビット列を選定することを特徴とする付記１～３の何れか１項に記載の生体認証装置。
（付記５）
　前記選定部は、予め決めたサイズを超えないように前記信頼度の値に従って前記ビット列を選定することを特徴とする付記１～４の何れか１項に記載の生体認証装置。
（付記６）
　前記安定性は、前記特徴ベクトルの各次元の値の前記二値化するための閾値からの乖離度を累積した値であることを特徴とする付記１～５の何れか１項に記載の生体認証装置。
（付記７）
　前記安定性は、前記特徴ベクトルの各次元の値の前記二値化するための閾値からの乖離度が所定の閾値を超えた次元数であることを特徴とする付記１～５の何れか１項に記載の
生体認証装置。
（付記８）
　前記安定性は、前記特徴ベクトルの各次元の値の前記二値化するための閾値からの乖離度の中央値又は平均値であることを特徴とする付記１～５の何れか１項に記載の生体認証装置。
（付記９）
　生体画像から複数の特徴点を抽出し、
　複数の前記特徴点のそれぞれに対し、それぞれの前記特徴点を含む前記生体画像から特徴ベクトルを算出し、
　算出された前記特徴ベクトル毎に、各次元の値を二値化しビット列を算出し、
　算出された前記ビット列毎に、対応する前記特徴ベクトルの前記二値化の安定性に基づいて信頼度を付与し、
　算出された前記ビット列の内から、前記信頼度の値に従って前記ビット列を所定個数選定することを特徴とする生体認証方法。
（付記１０）
　生体画像から複数の特徴点を抽出するステップと、
　複数の前記特徴点のそれぞれに対し、それぞれの前記特徴点を含む前記生体画像から特徴ベクトルを算出するステップと、
　算出された前記特徴ベクトル毎に、各次元の値を二値化しビット列を算出するステップと、
　算出された前記ビット列毎に、対応する前記特徴ベクトルの前記二値化の安定性に基づいて信頼度を付与するステップと、
　算出された前記ビット列の内から、前記信頼度の値に従って前記ビット列を所定個数選定するステップとをコンピュータに実行させるための生体認証プログラム。
（付記１１）
　生体画像から複数の特徴点を抽出するステップと、
　複数の前記特徴点のそれぞれに対し、それぞれの前記特徴点を含む前記生体画像から特徴ベクトルを算出するステップと、
　算出された前記特徴ベクトル毎に、各次元の値を二値化しビット列を算出するステップと、
　算出された前記ビット列毎に、対応する前記特徴ベクトルの前記二値化の安定性に基づいて信頼度を付与するステップと、
　算出された前記ビット列の内から、前記信頼度の値に従って前記ビット列を所定個数選定するステップとをコンピュータに実行させるための生体認証プログラムを記録したことを特徴とするコンピュータ読み取り可能な記録媒体。
　１０１、７０１　画像取得部
　１０２、７０２　特徴点抽出部
　１０３、７０３　特徴点近傍画像抽出部
　１０４、７０４　特徴ベクトル算出部
　１０５、７０５　ビット列算出部
　１０６　ビット列信頼度算出部
　１０７　ビット列選定部
　１０８　ビット列結合部
　１１１、７１１　特徴ベクトル記憶部
　１１２　ビット列及びビット列信頼度記憶部
　１１３、７１３　登録生体データ記憶部
　７０６　ビット列分解部
　７０７　ビット列照合部
　７０８　照合結果出力部
　７１２　照合ビット列記憶部
　７１４　登録ビット列記憶部

Claims (11)

  1. 　生体画像から複数の特徴点を抽出する抽出部と、
    　複数の前記特徴点のそれぞれに対し、それぞれの前記特徴点を含む前記生体画像から特徴ベクトルを算出するベクトル算出部と、
    　算出された前記特徴ベクトル毎に、各次元の値を二値化し、ビット列を算出するビット列算出部と、
    　算出された前記ビット列毎に、対応する前記特徴ベクトルの前記二値化の安定性に基づいて信頼度を付与する信頼度判定部と、
    　算出された前記ビット列の内から、前記信頼度の値に従って前記ビット列を所定個数選定する選定部とを備えることを特徴とする生体認証装置。
  2. 　前記信頼度判定部は、前記特徴ベクトルの各次元の値の前記二値化するための閾値からの乖離度に基づいて前記安定性を求めることを特徴とする請求項１記載の生体認証装置。
  3. 　選定された前記所定個数の前記ビット列を結合して登録データを生成する結合部をさらに備えることを特徴とする請求項１又は２記載の生体認証装置。
  4. 　前記選定部は、前記信頼度が高い順に前記所定個数の前記ビット列を選定することを特徴とする請求項１～３の何れか１項に記載の生体認証装置。
  5. 　前記選定部は、予め決めたサイズを超えないように前記信頼度の値に従って前記ビット列を選定することを特徴とする請求項１～４の何れか１項に記載の生体認証装置。
  6. 　前記安定性は、前記特徴ベクトルの各次元の値の前記二値化するための閾値からの乖離度を累積した値であることを特徴とする請求項１～５の何れか１項に記載の生体認証装置。
  7. 　前記安定性は、前記特徴ベクトルの各次元の値の前記二値化するための閾値からの乖離度が所定の閾値を超えた次元数であることを特徴とする請求項１～５の何れか１項に記載の
    生体認証装置。
  8. 　前記安定性は、前記特徴ベクトルの各次元の値の前記二値化するための閾値からの乖離度の中央値又は平均値であることを特徴とする請求項１～５の何れか１項に記載の生体認証装置。
  9. 　生体画像から複数の特徴点を抽出し、
    　複数の前記特徴点のそれぞれに対し、それぞれの前記特徴点を含む前記生体画像から特徴ベクトルを算出し、
    　算出された前記特徴ベクトル毎に、各次元の値を二値化しビット列を算出し、
    　算出された前記ビット列毎に、対応する前記特徴ベクトルの前記二値化の安定性に基づいて信頼度を付与し、
    　算出された前記ビット列の内から、前記信頼度の値に従って前記ビット列を所定個数選定することを特徴とする生体認証方法。
  10. 　生体画像から複数の特徴点を抽出するステップと、
    　複数の前記特徴点のそれぞれに対し、それぞれの前記特徴点を含む前記生体画像から特徴ベクトルを算出するステップと、
    　算出された前記特徴ベクトル毎に、各次元の値を二値化しビット列を算出するステップと、
    　算出された前記ビット列毎に、対応する前記特徴ベクトルの前記二値化の安定性に基づいて信頼度を付与するステップと、
    　算出された前記ビット列の内から、前記信頼度の値に従って前記ビット列を所定個数選定するステップとをコンピュータに実行させるための生体認証プログラム。
  11. 　生体画像から複数の特徴点を抽出するステップと、
    　複数の前記特徴点のそれぞれに対し、それぞれの前記特徴点を含む前記生体画像から特徴ベクトルを算出するステップと、
    　算出された前記特徴ベクトル毎に、各次元の値を二値化しビット列を算出するステップと、
    　算出された前記ビット列毎に、対応する前記特徴ベクトルの前記二値化の安定性に基づいて信頼度を付与するステップと、
    　算出された前記ビット列の内から、前記信頼度の値に従って前記ビット列を所定個数選定するステップとをコンピュータに実行させるための生体認証プログラムを記録したことを特徴とするコンピュータ読み取り可能な記録媒体。
PCT/JP2018/006032 2017-03-09 2018-02-20 生体認証装置、生体認証方法、及び生体認証プログラム WO2018163806A1 (ja)

Priority Applications (2)

Application Number Priority Date Filing Date Title
EP18764163.4A EP3594896B1 (en) 2017-03-09 2018-02-20 Biometric authentication device, biometric authentication method, and biometric authentication program
US16/553,491 US11429701B2 (en) 2017-03-09 2019-08-28 Determining biometric authentication bit string reliability

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2017044912A JP6770237B2 (ja) 2017-03-09 2017-03-09 生体認証装置、生体認証方法、及び生体認証プログラム
JP2017-044912 2017-03-09

Related Child Applications (1)

Application Number Title Priority Date Filing Date
US16/553,491 Continuation US11429701B2 (en) 2017-03-09 2019-08-28 Determining biometric authentication bit string reliability

Publications (1)

Publication Number Publication Date
WO2018163806A1 true WO2018163806A1 (ja) 2018-09-13

Family

ID=63447635

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2018/006032 WO2018163806A1 (ja) 2017-03-09 2018-02-20 生体認証装置、生体認証方法、及び生体認証プログラム

Country Status (4)

Country Link
US (1) US11429701B2 (ja)
EP (1) EP3594896B1 (ja)
JP (1) JP6770237B2 (ja)
WO (1) WO2018163806A1 (ja)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110097665A (zh) * 2019-04-10 2019-08-06 深圳市创维群欣安防科技股份有限公司 一种基于静脉识别的开锁方法、存储介质及门端
US20210281563A1 (en) * 2015-08-28 2021-09-09 At&T Intellectual Property I, L.P. Nullifying biometrics

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3813015A4 (en) * 2018-06-19 2021-08-18 Sony Group Corporation INFORMATION PROCESSING DEVICE, PORTABLE EQUIPMENT, INFORMATION PROCESSING PROCESS, AND PROGRAM
US10469259B1 (en) * 2018-11-07 2019-11-05 Capital One Services, Llc Rolling biometric key exchange
JP7331924B2 (ja) 2019-05-27 2023-08-23 日本電気株式会社 検索装置、制御方法、及びプログラム

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008152608A (ja) 2006-12-19 2008-07-03 Oki Electric Ind Co Ltd 生体情報処理装置
JP2014074964A (ja) 2012-10-02 2014-04-24 Fujitsu Ltd 認証プログラム、認証方法及び認証装置
JP2015028723A (ja) * 2013-07-30 2015-02-12 富士通株式会社 生体特徴ベクトル抽出装置、生体特徴ベクトル抽出方法、および生体特徴ベクトル抽出プログラム
JP2015036906A (ja) 2013-08-14 2015-02-23 富士通株式会社 情報処理装置、情報処理方法、及びプログラム
JP2015230715A (ja) * 2014-06-06 2015-12-21 株式会社デンソーアイティーラボラトリ 特徴量演算装置、特徴量演算方法、及び特徴量演算プログラム

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5291560A (en) * 1991-07-15 1994-03-01 Iri Scan Incorporated Biometric personal identification system based on iris analysis
JP4776308B2 (ja) * 2005-09-05 2011-09-21 株式会社東京精密 画像欠陥検査装置、画像欠陥検査システム、欠陥分類装置及び画像欠陥検査方法
EP2186040B1 (en) * 2007-09-11 2018-11-07 GenKey Netherlands B.V. Method for transforming a feature vector
US8479274B2 (en) * 2009-04-24 2013-07-02 Mitsumi Electric Co., Ltd Personal verification device

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008152608A (ja) 2006-12-19 2008-07-03 Oki Electric Ind Co Ltd 生体情報処理装置
JP2014074964A (ja) 2012-10-02 2014-04-24 Fujitsu Ltd 認証プログラム、認証方法及び認証装置
JP2015028723A (ja) * 2013-07-30 2015-02-12 富士通株式会社 生体特徴ベクトル抽出装置、生体特徴ベクトル抽出方法、および生体特徴ベクトル抽出プログラム
JP2015036906A (ja) 2013-08-14 2015-02-23 富士通株式会社 情報処理装置、情報処理方法、及びプログラム
JP2015230715A (ja) * 2014-06-06 2015-12-21 株式会社デンソーアイティーラボラトリ 特徴量演算装置、特徴量演算方法、及び特徴量演算プログラム

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
See also references of EP3594896A4

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20210281563A1 (en) * 2015-08-28 2021-09-09 At&T Intellectual Property I, L.P. Nullifying biometrics
US11658967B2 (en) * 2015-08-28 2023-05-23 At&T Intellectual Property I, L.P. Nullifying biometrics
CN110097665A (zh) * 2019-04-10 2019-08-06 深圳市创维群欣安防科技股份有限公司 一种基于静脉识别的开锁方法、存储介质及门端

Also Published As

Publication number Publication date
EP3594896A4 (en) 2020-03-18
JP6770237B2 (ja) 2020-10-14
EP3594896B1 (en) 2023-04-05
US11429701B2 (en) 2022-08-30
JP2018147435A (ja) 2018-09-20
US20190384904A1 (en) 2019-12-19
EP3594896A1 (en) 2020-01-15

Similar Documents

Publication Publication Date Title
WO2018163806A1 (ja) 生体認証装置、生体認証方法、及び生体認証プログラム
JP6524899B2 (ja) 秘匿データ照合装置、秘匿データ照合プログラムおよび秘匿データ照合方法
Gunasekaran et al. Deep multimodal biometric recognition using contourlet derivative weighted rank fusion with human face, fingerprint and iris images
US9455984B2 (en) Secret data matching device, secret data matching method, and recording medium
Olanrewaju et al. Secure ear biometrics using circular kernel principal component analysis, Chebyshev transform hashing and Bose–Chaudhuri–Hocquenghem error-correcting codes
JP2016009363A (ja) 生体情報を利用する認証システム
Yang et al. Impact of feature proportion on matching performance of multi-biometric systems
US10755073B2 (en) Biological-image processing unit and method and program for processing biological image
Bedad et al. Multi-biometric template protection: an overview
Lalithamani et al. Palm and hand vein-based fuzzy vault generation scheme for multibiometric cryptosystem
Topcu et al. Biohashing with fingerprint spectral minutiae
Barman et al. Improving person re-identification systems: A novel score fusion framework for rank-n recognition
Chen et al. Binary biometric representation through pairwise polar quantization
JP6981249B2 (ja) 生体認証装置、生体認証プログラム、及び生体認証方法
Fatima et al. Secured multimodal biometric system
Singh et al. A survey paper on “hybrid system for finger print identification”
Indi et al. Person identification based on multi-biometric characteristics
Yamagami et al. Biometric bit string generation from handwritten initials on smart phones
CN114762287B (zh) 密钥生成装置、密钥利用装置和密钥生成方法
Sowa et al. Biometric bit string generation from handwritten signatures on smart device
Piekarczyk et al. Usability of the fuzzy vault scheme applied to predetermined palm-based gestures as a secure behavioral lock
Hmani et al. Evaluation of the H2020 SpeechXRays project cancelable face system under the framework of ISO/IEC 24745: 2011
El-leithy et al. Fingerprint representation and matching for secure smartcard authentication
Hashem et al. Key generation method from fingerprint image based on deep convolutional neural network model
MANDAVE et al. An Implementation Of Shamir's Secret Sharing Scheme Over Fingerprint Database

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: 18764163

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

ENP Entry into the national phase

Ref document number: 2018764163

Country of ref document: EP

Effective date: 20191009