WO2021225002A1 - 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
WO2021225002A1
WO2021225002A1 PCT/JP2020/018749 JP2020018749W WO2021225002A1 WO 2021225002 A1 WO2021225002 A1 WO 2021225002A1 JP 2020018749 W JP2020018749 W JP 2020018749W WO 2021225002 A1 WO2021225002 A1 WO 2021225002A1
Authority
WO
WIPO (PCT)
Prior art keywords
similarity
distribution
modality
kurtosis
biometric authentication
Prior art date
Application number
PCT/JP2020/018749
Other languages
English (en)
French (fr)
Inventor
登樹 安部
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 JP2022519892A priority Critical patent/JP7351414B2/ja
Priority to CN202080100548.7A priority patent/CN115552398A/zh
Priority to EP20934494.4A priority patent/EP4148601A4/en
Priority to PCT/JP2020/018749 priority patent/WO2021225002A1/ja
Publication of WO2021225002A1 publication Critical patent/WO2021225002A1/ja
Priority to US17/964,296 priority patent/US20230031788A1/en

Links

Images

Classifications

    • 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

Definitions

  • the present invention relates to biometric authentication technology.
  • one-to-N authentication that identifies a specific individual from a large number of people using one type of biometric information is known. While one-to-N authentication does not require ID (IDentification) key input or card presentation, its accuracy is limited by a single biometric information modality alone. Against this background, a multi-biometric authentication technology that uses a plurality of types of biometric information in combination has been proposed.
  • the narrowing rate for narrowing down the collation target persons to be collated at the time of personal authentication is fixed from the number of registrants N. Therefore, in the above-mentioned multi-biometric authentication technology, it is difficult to narrow down the collation target person to be collated at the time of personal authentication beyond the narrowing rate, and it is difficult to speed up the collation process.
  • an object of the present invention is to provide a biometric authentication device, a biometric authentication method, and a biometric authentication program capable of speeding up the verification process at the time of personal authentication.
  • One aspect of the biometric authentication device is a calculation for calculating the distribution regarding the first similarity between the biometric information of the first modality extracted from the output of the sensor and the biometric information of the first modality included in the predetermined registration data.
  • the biometric information of the first modality included in the registration data the biometric information of the first modality having the first similarity degree and the first biometric information having the first similarity degree of the second or higher rank.
  • the registrants included in the registration data based on the derivation unit that derives the distribution regarding the second similarity with the biometric information of the modality, and the distribution regarding the first similarity and the distribution regarding the second similarity. It has a switching unit for switching the narrowing rate for narrowing down the collation target persons to be collated by the person authentication using the second modality different from the first modality.
  • the verification process at the time of personal authentication can be speeded up.
  • FIG. 1 is a diagram showing an example of a multi-biometric authentication service according to the first embodiment.
  • FIG. 2 is a diagram showing an example of distributions relating to the first similarity and the second similarity.
  • FIG. 3 is a block diagram showing an example of the functional configuration of the server device and the terminal according to the first embodiment.
  • FIG. 4 is a diagram showing an example of the distribution regarding the first similarity.
  • FIG. 5 is a diagram showing an example of the distribution regarding the first similarity.
  • FIG. 6 is a flowchart showing the procedure of the registration process according to the first embodiment.
  • FIG. 7 is a flowchart showing the procedure of the multi-biometric authentication process according to the first embodiment.
  • FIG. 8 is a diagram showing an example of a computer hardware configuration.
  • biometric authentication device biometric authentication method, and biometric authentication program according to the present application will be described below with reference to the attached drawings. It should be noted that this embodiment does not limit the disclosed technology. Then, each embodiment can be appropriately combined as long as the processing contents do not contradict each other.
  • FIG. 1 is a diagram showing an example of a multi-biometric authentication service according to the first embodiment.
  • the multi-biometric authentication service 1 shown in FIG. 1 has a plurality of types of living organisms from the aspect corresponding to a use case in which the number of registered biometric information N can be expanded to millions or tens of millions as one aspect. It authenticates the person using the information.
  • palm veins and face information are used as examples of a plurality of types of biometric information from the aspect of realizing non-contact authentication while eliminating the need for ID key input and card presentation.
  • face information is used as the first modality to narrow down the collation target persons to be collated by the person authentication from the number of registrants N
  • the palm is used as the second modality to authenticate the person from the collation target persons narrowed down by the first modality.
  • Veins are used.
  • the "modality" referred to here can correspond to a term such as a type of biometric information or a biometric identification site.
  • An example of such a use case of the multi-biometric authentication service 1 is empty-handed payment at a store without a cash register, an unmanned cash register, a self-checkout, and the like.
  • the server device 10 and the terminal 30 are used as an example to carry out the multi-biometric authentication service 1.
  • the server device 10 and the terminal 30 may be connected via an arbitrary network.
  • the server device 10 is an example of a computer that provides the above-mentioned multi-biometric authentication service 1.
  • the server device 10 corresponds to an example of a biometric authentication device.
  • the server device 10 can be implemented as package software or online software by installing a biometric authentication program that realizes the above-mentioned multi-biometric authentication service 1 on an arbitrary computer.
  • the server device 10 can be implemented as a server that provides on-premises the functions related to the multi-biometric authentication service 1, for example, a Web server.
  • the server device 10 may be implemented as a SaaS (Software as a Service) type application to provide the above-mentioned multi-biometric authentication service 1 as a cloud service.
  • SaaS Software as a Service
  • the terminal 30 is used for payment at a store.
  • the terminal 30 has a reader that reads product information, such as the name and price of a product, from tags and barcodes attached to the product, as well as a list of products that users of stores and the like purchase.
  • a display device or the like that displays the total amount of money, the accounting button, or the like can be connected.
  • the input of the palm vein is accepted via the sensor connected to the terminal 30 (3).
  • the user of the empty-handed payment can be identified.
  • payment processing of the product to be purchased is performed using the payment information associated with the user whose person is identified in (4) above, for example, a credit card, a debit card, electronic money, or the like (5).
  • the settlement process can be executed simply by holding the palm over the sensor built in or attached to the terminal 30, so that ID-less empty-handed settlement can be realized.
  • the narrowing rate for narrowing down the collation target person to be collated at the time of personal authentication is fixed from the number of registrants N. Therefore, with the existing multi-biometric authentication technology, it is difficult to narrow down the collation target person to be collated at the time of personal authentication beyond the narrowing rate, and it is difficult to speed up the collation process.
  • the distribution of the similarity between the input face information and the registered face information and the similarity between the registered face information having the first degree of similarity and the registered face information after the second place are similar. Based on the distribution of degrees, the narrowing rate of the collation target persons to be collated by the personal authentication using the palm vein is switched.
  • the "registered face information” referred to here refers to the face information of the number of registrants N for which a predetermined registration process, for example, user registration has been performed, while the "input face information” refers to the narrowing down of the collation target persons. Refers to face information that is sometimes entered.
  • the similarity of the registered face information of the registrant is observed as the first place, and the similarity after the second place is observed. It is observed extremely low compared to the first-ranked similarity.
  • the difference between the degree of similarity of the first place and the degree of similarity after the second place may not be widened due to the influence of the following two points.
  • the first modality is face information
  • the orientation and facial expression of the face taken at the time of narrowing down may be different from that at the time of registration, or sunglasses or masks that the user did not wear at the time of registration may be worn on the face. Differences in input states such as sunglasses may appear.
  • Another example is the degree of uniqueness of biometric information.
  • the degree of uniqueness of the face information of a certain registrant himself / herself as compared with the face information of another registrant may differ depending on the individual registrant.
  • the above is ideal in situations where the difference in the input state of biometric information at the time of registration and narrowing down, and the degree of uniqueness of biometric information have a small effect on narrowing down using the first modality. It can be identified as close to the environment. In this case, even if the number of registrants N is narrowed down to a small number of collation targets, it can be estimated that the risk of accepting others in the second modality is low. Therefore, by lowering the narrowing rate for narrowing down the collation target persons from the number of registrants N, the number of collation target persons narrowed down from the number of registrants N is changed to a smaller number than before the change, thereby speeding up the collation process. do.
  • the multi-biometric authentication service 1 it is possible to switch whether or not to reacquire the input face information based on the above two distributions. For example, in a situation where the difference in the input state of biometric information at the time of registration and at the time of narrowing down is large, it can be estimated that the risk of accepting another person in the second modality is also high. Therefore, by re-acquiring the face information, it is possible to suppress a decrease in the accuracy of the multi-biometric authentication.
  • the multi-biometric authentication uses the above two distributions.
  • the distribution D1 regarding the first similarity between the input face information and the registered face information may include the input state of the first modality and the personal characteristics of the input face information.
  • the distribution D2 regarding the second similarity between the first-ranked registered face information and the second-ranked and subsequent registered face information may include the personal characteristics of the first-ranked registered face information. Based on these distributions D1 and D2, the narrowing rate and the reacquisition of face information are switched.
  • FIG. 2 is a diagram showing an example of distribution regarding the first similarity and the second similarity.
  • FIG. 2 shows the distribution D1 regarding the first similarity between the input face information and the registered face information, and the registered face information having the first similarity and the registered face information having the second or higher first similarity.
  • the distribution D2 with respect to the second similarity is illustrated for each of the four cases C1 to C4.
  • FIG. 2 shows a probability distribution obtained by sorting the first similarity or the second similarity in descending order as an example of the distributions D1 and D2 in cases C1 to C4.
  • the probability distributions of the distributions D1 and D2 in cases C1 to C4 are represented by the first similarity or the second similarity on the vertical axis and in order on the horizontal axis.
  • the kurtosis of the distribution D11 relating to the first similarity is high, and the kurtosis of the distribution D21 relating to the second similarity is also high.
  • the kurtosis of the distribution D21 is high, it can be estimated that the face information of the registrant corresponding to the input face information is more unique than the face information of other registrants.
  • there is no difference in kurtosis between the distributions D11 and D21 it can be estimated that there is no difference in the input state of biometric information at the time of registration and at the time of narrowing down.
  • the kurtosis of the distribution D13 regarding the first similarity is low, while the kurtosis of the distribution D23 regarding the second similarity is high.
  • the kurtosis of the distribution D23 is high, it can be estimated that the face information of the registrant corresponding to the input face information is more unique than the face information of other registrants.
  • the kurtosis of the distribution D13 is lower than that of the distribution D23, it can be estimated that there is a difference in the input state of biometric information at the time of registration and at the time of narrowing down. In this case, the face information is reacquired. Therefore, it is possible to suppress a decrease in accuracy of multi-biometric authentication.
  • FIG. 3 is a block diagram showing an example of the functional configuration of the server device and the terminal according to the first embodiment.
  • a block corresponding to the function of the multi-biometric authentication service 1 is shown on the server device 10 and the terminal 30.
  • the terminal 30 has a first sensor 31A, a first extraction unit 31B, a second sensor 32A, and a second extraction unit 32B. Note that FIG.
  • FIG. 3 merely shows an excerpt of the functional unit related to the above-mentioned multi-biometric authentication service 1, and a functional unit other than the illustration, for example, a functional unit that an existing computer is equipped with by default or as an option. For example, it does not prevent the terminal 30 from being provided with a display unit or the like.
  • the first sensor 31A is a functional unit that senses a biological image of the first modality.
  • the first sensor 31A can be realized by a camera equipped with an image sensor such as a CCD (Charge Coupled Device) or a CMOS (Complementary Metal Oxide Semiconductor).
  • the "image" captured by the first sensor 31A has an aspect used for narrowing down based on face information. From such a side, as an example of a camera capable of photographing the face of a person using the terminal 30, the first sensor 31A includes a camera arranged in the same direction as the screen of a display unit (not shown). A so-called in-camera can be used.
  • the first extraction unit 31B is a functional unit that extracts biological information of the first modality.
  • the face information may be the image of the face itself or the feature amount of the face extracted from the face image.
  • the first extraction unit 31B can use a model in which the embedded space is learned by deep learning or the like, for example, a CNN (Convolutional Neural Network).
  • the first extraction unit 31B performs face detection on the output of the first sensor, for example, an image captured in frame units, and the embedded space has been learned by embedding a partial image corresponding to the face region obtained by the face detection. Enter into CNN.
  • the first extraction unit 31B encrypts the above face information as input face information according to a predetermined encryption method, for example, an algorithm such as public key cryptography, and then uses the encrypted input face information as the server device 10. To transmit to.
  • the embedded vector is only an example of face information, and other feature quantities such as SIFT (Scale-Invariant Feature Transform) may be extracted.
  • the second sensor 32A is a functional unit that senses a biological image of the second modality.
  • the second sensor 32A captures infrared light having a wavelength suitable for projecting the vascular pattern of veins existing inside the palm, for example, illumination that irradiates near-infrared light and infrared light.
  • It can be realized as a sensor unit including a camera that can be used. For example, when the palm is placed at a predetermined shooting position, infrared light is emitted to the palm by illumination. The infrared light reflected from the inside of the palm and returned is photographed by the camera activated in conjunction with the irradiation of the infrared light.
  • a palm vein image in which the blood vessel pattern of the vein in the palm appears is obtained as a biological image.
  • the second extraction unit 32B is a functional unit that extracts biometric information of the second modality.
  • the second extraction unit 32B extracts the blood vessel portion from the palm vein image acquired by the second sensor 32A and then thins it into a thin line, and the coordinates of the bifurcation point in the blood vessel, the length between the bifurcation points, and the bifurcation point.
  • Features such as the branch angle of the palm are extracted as palm vein information.
  • the second extraction unit 32B encrypts the palm vein information as input palm vein information according to a predetermined encryption method, for example, an algorithm such as public key cryptography, and then encrypts the input palm vein information as a server device. Transmit to 10.
  • Functional units such as the first extraction unit 31B and the second extraction unit 32B can be virtually realized by a hardware processor such as a CPU (Central Processing Unit) or an MPU (Micro Processing Unit).
  • the processor reads a program such as a feature extraction program that realizes the above-mentioned functions such as feature extraction in addition to the OS (Operating System) from a storage device (not shown) such as ROM (Read Only Memory).
  • a storage device not shown
  • ROM Read Only Memory
  • the processor executes the above-mentioned feature extraction program to develop a process corresponding to the above-mentioned functional unit on a memory such as a RAM (Random Access Memory).
  • a RAM Random Access Memory
  • a CPU and an MPU are illustrated as an example of a processor, but the above-mentioned functional unit may be realized by an arbitrary processor regardless of a general-purpose type or a specialized type.
  • the above functional unit may be realized by hard-wired logic such as ASIC (Application Specific Integrated Circuit) or FPGA (Field Programmable Gate Array).
  • the server device 10 includes a registration data storage unit 11, a narrowing unit 12, a calculation unit 13, a derivation unit 14, a switching unit 15, and a personal authentication unit 16.
  • FIG. 3 merely shows an excerpt of the functional unit related to the above-mentioned multi-biometric authentication service 1, and the functional unit other than the illustration, for example, the functional unit that the existing computer is equipped with by default or as an option. For example, it does not prevent the server device 10 from having an input unit, a display unit, or the like.
  • the registered data storage unit 11 is a functional unit that stores registered data.
  • the registration data data in which the registered face information and the registered palm vein information are associated with each of the N registrants can be adopted.
  • the registered data includes the distribution of the second similarity between the registered face information of the registrant and the registered face information of other registrants for each N registrants.
  • the kurtosis calculated from may be associated with each other. The method of calculating "kurtosis" will be described later with reference to FIGS. 4 and 5.
  • the narrowing-down unit 12 is a collation target to be collated by personal authentication using the second modality among the registrants included in the above-mentioned registered data based on the first similarity between the input biometric information and the registered biometric information of the first modality. It is a functional unit that narrows down the people by the first narrowing rate. As one embodiment, the narrowing unit 12 calculates the first similarity between the registered face information and the input face information for each registrant of the registered data stored in the registered data storage unit 11. For example, when an embedded vector is extracted as face information, the Hamming distance between the registered face information and the input face information can be used as the first similarity.
  • the narrowing unit 12 narrows down the upper predetermined number of registrants corresponding to the first narrowing rate Rnd, for example, 1%, among the number of registrants N, as candidates for the above-mentioned collation target person. ..
  • the calculation unit 13 is a functional unit that calculates the distribution related to the first similarity.
  • the calculation unit 13 sorts the first similarity between the registered face information and the input face information in descending order when the first similarity between the registered face information and the input face information is calculated at the time of narrowing down by the narrowing unit 12. By sorting the first similarity in descending order in this way, the probability distribution of the first similarity can be obtained.
  • the calculation unit 13 calculates the kurtosis K1 from the probability distribution of the first similarity according to the following equation (1).
  • "n” in the following formula (1) refers to the number of data of the first similarity.
  • the number n of the data of the first similarity may be the number of registrants N or the number of collation target persons.
  • 4 and 5 are diagrams showing an example of the distribution regarding the first similarity. 4 and 5 show an example in which the number of data of the first similarity is “50” as an example.
  • the probability distribution of the first similarity is the distribution D15 shown in FIG. 4
  • the kurtosis K1 is calculated as “6.63” according to the above equation (1).
  • the probability distribution of the first similarity is the distribution D16 shown in FIG. 5
  • the kurtosis K1 is calculated as "-1.20" according to the above equation (1).
  • the value of the kurtosis K1 of the probability distribution of the first similarity increases, the fall from the first place to the lower ranks after the second place becomes steeper. , It means that the falling edge becomes smoother as the value of kurtosis K1 decreases.
  • the derivation unit 14 includes the biometric information of the first modality having the first similarity among the biometric information of the first modality included in the registered data, and the first modality having the first similarity of the second or higher. It is a functional part that derives the distribution regarding the second similarity with the biological information of. As one aspect, the derivation unit 14 determines that the registered face information has the first similarity among the registered face information each time the first similarity between the registered face information and the input face information is calculated. And the second similarity between the registered face information and the registered face information whose first similarity is second or higher can be calculated. Then, the derivation unit 14 sorts the second similarity in descending order.
  • the derivation unit 14 can calculate the kurtosis K2 of the probability distribution of the second similarity in the same manner as the kurtosis K1 of the probability distribution of the first similarity.
  • the derivation unit 14 associates the second similarity with the registrant whose first similarity is the first.
  • the kurtosis of the probability distribution of similarity can also be obtained from the registered data as kurtosis K2.
  • the switching unit 15 narrows down the collation target persons to be collated by the personal authentication using the second modality among the registrants included in the registration data based on the distribution regarding the first similarity degree and the distribution regarding the second similarity degree. It is a functional part to switch.
  • the switching unit 15 switches from the first narrowing rate R nd to the second narrowing rate R nd ⁇ .
  • the switching unit 15 switches whether or not to reacquire the input face information based on the distribution regarding the first similarity and the distribution regarding the second similarity. For example, when the kurtosis K2 exceeds the predetermined threshold value th1 and the absolute difference value A between the kurtosis K1 and the kurtosis K2 is not equal to or less than the predetermined threshold value th2, it can be estimated that the situation corresponds to the case C3 shown in FIG. .. In this case, the switching unit 15 instructs the first extraction unit 31B or the like of the terminal 30 to reacquire the input face information.
  • the switching unit 15 maintains the first narrowing rate and does not reacquire the input face information.
  • the personal authentication unit 16 is a functional unit that executes personal authentication based on the input biometric information and the registered biometric information of the second modality. As one embodiment, the personal authentication unit 16 calculates the third similarity between the registered palm vein of the collation target person and the input palm vein acquired from the second extraction unit 32B. For example, for the third similarity, the cross-correlation obtained by pattern matching of the registered palm vein and the input palm vein can be used. Then, the personal authentication unit 16 authenticates that the input palm vein is the registrant when there is a registered palm vein having a third similarity with the input palm vein of a predetermined threshold value th3 or more. On the other hand, the personal authentication unit 16 authenticates that the input palm vein is not the registrant when there is no registered palm vein whose third similarity with the input palm vein is equal to or higher than the predetermined threshold value th3.
  • Functional units such as the narrowing unit 12, the calculation unit 13, the derivation unit 14, the switching unit 15, and the personal authentication unit 16 can be virtually realized by a hardware processor such as a CPU or MPU.
  • the processor is a storage device (Hard Disk Drive), an optical disk, an auxiliary storage device such as an SSD (Solid State Drive), which is not shown, and an OS, as well as biometric authentication that realizes the functions of the above-mentioned multi-biometric authentication service 1.
  • Read a program such as a program.
  • the processor executes the above-mentioned biometric authentication program to develop a process corresponding to the above-mentioned functional unit on a memory such as RAM.
  • the above functional unit is virtually realized as a process.
  • a CPU and an MPU are illustrated as an example of a processor, but the above-mentioned functional unit may be realized by an arbitrary processor regardless of a general-purpose type or a specialized type.
  • the above-mentioned functional unit may be realized by hard-wired logic such as ASIC or FPGA.
  • the storage unit such as the registered data storage unit 11 can be realized as an auxiliary storage device such as an HDD, an optical disk, or an SSD, or can be realized by allocating a part of the storage area of the auxiliary storage device.
  • FIG. 6 is a flowchart showing a procedure of the registration process according to the first embodiment. As an example, this registration process can be started when a user registration request is received from any device including the terminal 30.
  • the server device 10 receives the registrant's identification information, for example, an ID (step S11). Subsequently, the server device 10 acquires the biometric information of the first modality and the biometric information of the second modality (step S12).
  • the server device 10 calculates the second similarity between the biometric information of the first modality acquired in step S12 and the registered biometric information of the first modality stored as registered data in the registered data storage unit 11 ( Step S13).
  • the server device 10 sorts the second similarity calculated in step S13 in descending order (step S14). By sorting the second similarity in descending order in this way, the probability distribution of the second similarity can be obtained. Subsequently, the server device 10 calculates the kurtosis from the probability distribution of the second similarity (step S15).
  • the server device 10 has the identification information received in step S11, the biometric information of the first modality and the biometric information of the second modality acquired in step S13, and the second similarity calculated in step S15.
  • An entry associated with the kurtosis of the probability distribution is added to the registration data (step S16), and the process ends.
  • FIG. 7 is a flowchart showing a procedure of the multi-biometric authentication process according to the first embodiment. As an example, this process can be started when the input biometric information of the first modality is acquired from the first extraction unit 31B of the terminal 30.
  • the narrowing unit 12 is based on the first similarity between the input biometric information of the first modality and the registered biometric information.
  • the collation target person to be collated by the personal authentication using the second modality is narrowed down by the first narrowing rate (step S102).
  • the calculation unit 13 sorts the above-mentioned first similarity in descending order (step S103). By sorting the first similarity in descending order in this way, the probability distribution of the first similarity can be obtained. After that, the calculation unit 13 calculates the kurtosis K1 from the probability distribution of the first similarity according to the above equation (1) (step S104).
  • the derivation unit 14 derives the kurtosis K2 by acquiring the kurtosis of the probability distribution of the second similarity associated with the registrant whose first similarity is the first place from the registration data. (Step S105).
  • the switching unit 15 calculates the absolute difference value A between the kurtosis K1 calculated in step S104 and the kurtosis K2 derived in step S105 (step S106).
  • FIG. It can be estimated that the situation corresponds to case C1.
  • the switching unit 15 switches from the first narrowing rate R nd to the second narrowing rate R nd ⁇ (step S109).
  • the personal authentication unit 16 sets the third similarity between the registered palm vein of the collation target person narrowed down by the second narrowing rate R nd ⁇ and the input palm vein acquired from the second extraction unit 32B. Based on this, it is authenticated whether or not the palm vein of the input hand is the registrant (step S110), and the process is completed.
  • step S107No when the kurtosis K2 does not exceed the predetermined threshold value th1 (step S107No), it can be estimated that the situation corresponds to the cases C2 and C4 shown in FIG. In this case, the switching unit 15 maintains the first narrowing rate and does not reacquire the input face information.
  • the personal authentication unit 16 is based on the third similarity between the registered palm vein of the collation target person narrowed down by the first narrowing rate Rnd and the input palm vein acquired from the second extraction unit 32B. It authenticates whether or not the input palm vein is the registrant (step S110), and ends the process.
  • case C3 shown in FIG. It can be estimated that the situation corresponds to.
  • the switching unit 15 instructs the first extraction unit 31B or the like of the terminal 30 to reacquire the input face information (step S112), and ends the process.
  • the multi-biometric authentication service 1 has the distribution of the similarity between the input face information and the registered face information, the registered face information having the first similarity, and the registration of the second and subsequent faces. Based on the distribution of the similarity of face information, the narrowing rate of the collation target persons to be collated by the personal authentication using the palm vein is switched. For example, if there is room to narrow down the number of registrants N to a small number of collation target persons, the number of collation target persons narrowed down from the number of registrants N can be reduced by lowering the narrowing rate for narrowing down the collation target persons from the number of registrants N. It can be changed to a smaller number than before the change. Therefore, according to the multi-biometric authentication service 1 according to the present embodiment, the verification process can be speeded up.
  • Example 1 [Application example of switching criteria]
  • the kurtosis K1 of the distribution D1 relating to the first similarity and the kurtosis K2 of the distribution D2 relating to the second similarity are used to determine the switching of the narrowing rate and the reacquisition of the input face information.
  • the criterion for switching does not necessarily have to be kurtosis.
  • step S107 instead of step S107 shown in FIG. 7, whether or not the difference between the first and second second similarity in the distribution D2 regarding the second similarity exceeds a predetermined threshold value th4 is used as a conditional branch. You can also. In this case, if the difference between the second similarity between the first and second positions exceeds the threshold th4, the process proceeds to the branch of step S107Yes, while the difference between the second similarity between the first and second positions is the threshold th4. If it does not exceed, the process may proceed to the branch of step S107No.
  • step S107 whether or not the area of the distribution D2 regarding the second similarity is equal to or less than the predetermined threshold value th5 can be used as a conditional branch.
  • the process proceeds to the branch of step S107Yes, while if the area of the distribution D2 is not equal to or less than the threshold value th5, the process proceeds to the branch of step S107No.
  • the area of the distribution D2 does not necessarily have to be the entire area of the distribution D2, and may be narrowed down to an area from the first position to a predetermined section, for example, the tenth position.
  • step S108 it is also possible to make a conditional branch whether or not the similarity of the shapes of the distribution D1 regarding the first similarity and the distribution D2 regarding the second similarity exceeds the predetermined threshold value th6. ..
  • the process proceeds to the branch of step S108Yes, while if the degree of similarity of the shapes does not exceed the threshold value th6, the process proceeds to the branch of step S108No.
  • step S108 whether or not the difference between the first-position and the second-position first similarity in the distribution D1 regarding the first similarity exceeds a predetermined threshold value th7 is used as a conditional branch. You can also. In this case, if the difference between the first similarity between the first and second positions exceeds the threshold th7, the process proceeds to the branch of step S108Yes, while the difference between the first similarity between the first and second positions is the threshold th7. If it does not exceed, the process may proceed to the branch of step S108No.
  • step S108 whether or not the area of the distribution D1 regarding the first similarity is equal to or less than the predetermined threshold value th8 can be used as a conditional branch.
  • the process proceeds to the branch of step S108Yes, while if the area of the distribution D1 is not less than or equal to the threshold value th8, the process proceeds to the branch of step S108No.
  • the area of the distribution D1 does not necessarily have to be the entire area of the distribution D1, and may be narrowed down to an area from the first position to a predetermined section, for example, the tenth position.
  • step S108 it is also possible to make a conditional branch whether or not the kurtosis K1 of the distribution D1 regarding the first similarity exceeds the predetermined threshold value th9.
  • the process proceeds to the branch of step S108Yes, while if the kurtosis K1 does not exceed the threshold value th9, the process proceeds to the branch of step S108No.
  • the function of the multi-biometric authentication service 1 including the server device 10 and the terminal 30 is operated in the client-server system, but the multi-biometric authentication service 1 operates in a stand-alone manner. It doesn't matter if it is done.
  • each modality is not limited to a specific authentication site.
  • the face information of the first modality and the palm vein of the second modality can be exchanged, another authentication site such as a fingerprint or an iris can be applied to the first modality, or a fingerprint or an iris can be applied to the second modality.
  • Other authentication sites can also be applied.
  • Biometric authentication program Further, the various processes described in the above-described embodiment can be realized by executing a program prepared in advance on a computer such as a personal computer or a workstation. Therefore, in the following, an example of a computer that executes a biometric authentication program having the same functions as those in the first and second embodiments will be described with reference to FIG.
  • FIG. 8 is a diagram showing an example of a computer hardware configuration.
  • the computer 100 includes an operation unit 110a, a speaker 110b, a camera 110c, a display 120, and a communication unit 130. Further, the computer 100 has a CPU 150, a ROM 160, an HDD 170, and a RAM 180. Each of these 110 to 180 parts is connected via the bus 140.
  • the HDD 170 is a biometric authentication program that exhibits the same functions as the narrowing unit 12, the calculation unit 13, the derivation unit 14, the switching unit 15, and the personal authentication unit 16 shown in the first embodiment. 170a is stored.
  • the biometric authentication program 170a may be integrated or separated like the components of the narrowing unit 12, the calculation unit 13, the derivation unit 14, the switching unit 15, and the personal authentication unit 16 shown in FIG. That is, not all the data shown in the first embodiment may be stored in the HDD 170, and the data used for processing may be stored in the HDD 170.
  • the CPU 150 reads the biometric authentication program 170a from the HDD 170 and deploys it to the RAM 180.
  • the biometric authentication program 170a functions as the biometric authentication process 180a, as shown in FIG.
  • the biometric authentication process 180a develops various data read from the HDD 170 in the area allocated to the biometric authentication process 180a in the storage area of the RAM 180, and executes various processes using the developed various data.
  • the processes shown in FIGS. 6 to 7 are included.
  • the CPU 150 not all the processing units shown in the first embodiment need to operate, and the processing units corresponding to the processes to be executed may be virtually realized.
  • each program is stored in a "portable physical medium" such as a flexible disk inserted into the computer 100, a so-called FD, CD-ROM, DVD disk, optical magnetic disk, or IC card. Then, the computer 100 may acquire and execute each program from these portable physical media. Further, each program is stored in another computer or server device connected to the computer 100 via a public line, the Internet, LAN, WAN, etc., so that the computer 100 acquires and executes each program from these. You may do it.
  • a "portable physical medium” such as a flexible disk inserted into the computer 100, a so-called FD, CD-ROM, DVD disk, optical magnetic disk, or IC card. Then, the computer 100 may acquire and execute each program from these portable physical media. Further, each program is stored in another computer or server device connected to the computer 100 via a public line, the Internet, LAN, WAN, etc., so that the computer 100 acquires and executes each program from these. You may do it.
  • Server device 11 Registered data storage unit 12 Narrowing unit 13 Calculation unit 14 Derivation unit 15 Switching unit 16 Personal authentication unit 30 Terminal 31A 1st sensor 31B 1st extraction unit 32A 2nd sensor 32B 2nd extraction unit

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Security & Cryptography (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Software Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Collating Specific Patterns (AREA)

Abstract

生体認証装置は、センサの出力から抽出された第１モダリティの生体情報と、所定の登録データに含まれる第１モダリティの生体情報との間の第１類似度に関する分布を算出する算出部と、登録データに含まれる第１モダリティの生体情報のうち第１類似度が第１位である第１モダリティの生体情報と、第１類似度が第２位以降である第１モダリティの生体情報との間の第２類似度に関する分布を導出する導出部と、第１類似度に関する分布および第２類似度に関する分布に基づいて、登録データに含まれる登録者のうち第１モダリティとは異なる第２モダリティを用いる本人認証で照合する照合対象者を絞り込む絞込率を切り替える切替部と、を有する。

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、生体認証技術に関する。
　認証方式の１つとして、１種類の生体情報を用いて多数の人の中から特定の個人を特定する１対Ｎ認証が知られている。１対Ｎ認証は、ＩＤ（IDentification）のキー入力やカードの提示が不要である一方で、単一の生体情報モダリティだけではその精度に限界がある。このような背景から、複数種類の生体情報を併用するマルチ生体認証技術が提案されている。
特開２０１３－１２２６７９号公報 特開２００８－２９９５８９号公報
　しかしながら、上記のマルチ生体認証技術では、登録者数Ｎから本人認証時に照合する照合対象者を絞り込む絞込率が固定である。それ故、上記のマルチ生体認証技術では、絞込率以上には本人認証時に照合する照合対象者を絞り込めず、照合処理を高速化するのが困難な一面がある。
　１つの側面では、本発明は、本人認証時の照合処理を高速化できる生体認証装置、生体認証方法及び生体認証プログラムを提供することを目的とする。
　一態様の生体認証装置は、センサの出力から抽出された第１モダリティの生体情報と、所定の登録データに含まれる第１モダリティの生体情報との間の第１類似度に関する分布を算出する算出部と、前記登録データに含まれる第１モダリティの生体情報のうち前記第１類似度が第１位である第１モダリティの生体情報と、前記第１類似度が第２位以降である第１モダリティの生体情報との間の第２類似度に関する分布を導出する導出部と、前記第１類似度に関する分布および前記第２類似度に関する分布に基づいて、前記登録データに含まれる登録者のうち前記第１モダリティとは異なる第２モダリティを用いる本人認証で照合する照合対象者を絞り込む絞込率を切り替える切替部と、を有する。
　本人認証時の照合処理を高速化できる。
図１は、実施例１に係るマルチ生体認証サービスの一例を示す図である。 図２は、第１類似度及び第２類似度に関する分布の一例を示す図である。 図３は、実施例１に係るサーバ装置及び端末の機能的構成の一例を示すブロック図である。 図４は、第１類似度に関する分布の一例を示す図である。 図５は、第１類似度に関する分布の一例を示す図である。 図６は、実施例１に係る登録処理の手順を示すフローチャートである。 図７は、実施例１に係るマルチ生体認証処理の手順を示すフローチャートである。 図８は、コンピュータのハードウェア構成例を示す図である。
　以下に添付図面を参照して本願に係る生体認証装置、生体認証方法及び生体認証プログラムについて説明する。なお、この実施例は開示の技術を限定するものではない。そして、各実施例は、処理内容を矛盾させない範囲で適宜組み合わせることが可能である。
［マルチ生体認証サービスの一例］
　図１は、実施例１に係るマルチ生体認証サービスの一例を示す図である。図１に示すマルチ生体認証サービス１は、あくまで１つの側面として、生体情報の登録者数Ｎが数百万や数千万といった規模に拡大され得るユースケースに対応する側面から、複数種類の生体情報を用いて本人を認証するものである。
　マルチ生体認証サービス１では、ＩＤのキー入力やカードの提示を不要すると共に非接触な認証を実現する側面から、複数種類の生体情報の例として、手のひら静脈および顔情報が用いられる。例えば、登録者数Ｎから本人認証で照合する照合対象者を絞り込む第１モダリティとして顔情報が用いられると共に、第１モダリティにより絞り込まれた照合対象者の中から本人を認証する第２モダリティとして手のひら静脈が用いられる。ここで言う「モダリティ」は、生体情報の種類、あるいは生体識別部位などの用語に対応し得る。
　このようなマルチ生体認証サービス１のユースケースの一例として、レジ無し店舗や無人レジ、セルフレジ等における手ぶら決済が挙げられる。図１に示すように、マルチ生体認証サービス１の実施には、あくまで一例として、サーバ装置１０と、端末３０とが用いられる。これらサーバ装置１０及び端末３０の間は、任意のネットワークを介して接続され得る。
　サーバ装置１０は、上記のマルチ生体認証サービス１を提供するコンピュータの一例である。サーバ装置１０は、生体認証装置の一例に対応する。一実施形態として、サーバ装置１０は、パッケージソフトウェア又はオンラインソフトウェアとして、上記のマルチ生体認証サービス１を実現する生体認証プログラムを任意のコンピュータにインストールさせることによって実装できる。例えば、サーバ装置１０は、上記のマルチ生体認証サービス１に関する機能をオンプレミスに提供するサーバ、例えばＷｅｂサーバとして実装することができる。これに限定されず、サーバ装置１０は、ＳａａＳ（Software　as　a　Service）型のアプリケーションとして実装することで、上記のマルチ生体認証サービス１をクラウドサービスとして提供することとしてもかまわない。
　端末３０は、店舗における決済に用いられる。あくまで一例として、端末３０には、商品に付与されたタグやバーコード等から商品情報、例えば商品の名称や金額などを読み取る読取装置の他、店舗等の利用者が購入対象とする商品のリストや合計金額、会計ボタンなどを表示する表示装置等が接続され得る。
　これらサーバ装置１０及び端末３０を通じて上記のマルチ生体認証サービス１が提供されることにより手ぶら決済が実現される。図１に示すように、商品のスキャンや会計ボタンなどの各種の操作が端末３０で実行中である場合、端末３０に内蔵または付設されるカメラ等により撮影された顔画像から顔情報、例えば顔特徴量などが取得される（１）。このように取得された顔情報と、手ぶら決済の利用者としてあらかじめ登録された登録者数Ｎの顔情報とを照合することにより、登録者数Ｎから本人認証時に照合する照合対象者を絞り込む（２）。
　その後、購入対象とする商品の決済時、例えば会計ボタンの押下操作時には、端末３０に接続されたセンサを介して手のひら静脈の入力を受け付ける（３）。このようにセンサを介して入力された手のひら静脈と、上記（２）で顔情報により絞り込まれた照合対象者に対応付けられた手のひら静脈とを照合することにより、手ぶら決済の利用者本人を特定する（４）。その後、上記（４）で本人が特定された利用者に対応付けられた決済情報、例えばクレジットカードやデビッドカード、電子マネー等を用いて購入対象とする商品の決済処理が行われる（５）。
　上記（１）～上記（５）の一連の処理により、端末３０に内蔵または付属のセンサへ手のひらをかざすだけで決済処理を実行できるので、ＩＤレスの手ぶらでの決済を実現できる。
［課題の一側面］
　図１に示すマルチ生体認証サービス１を除く、既存のマルチ生体認証技術では、登録者数Ｎから本人認証時に照合する照合対象者を絞り込む絞込率が固定である。それ故、既存のマルチ生体認証技術では、絞込率以上には本人認証時に照合する照合対象者を絞り込めず、照合処理を高速化するのが困難な一面がある。
［課題解決のアプローチの一側面］
　そこで、本実施例に係るマルチ生体認証サービス１では、入力顔情報と登録顔情報の類似度の分布と、類似度が第１位である登録顔情報と第２位以降の登録顔情報の類似度の分布とに基づいて手のひら静脈を用いる本人認証で照合する照合対象者の絞込率を切り替える。
　ここで言う「登録顔情報」とは、所定の登録処理、例えば利用者登録が行われた登録者数Ｎの顔情報を指す一方で、「入力顔情報」とは、照合対象者の絞込時に入力される顔情報を指す。
　例えば、登録者本人から入力顔情報が取得されたとしたとき、理想的な環境下では、登録者本人の登録顔情報の類似度が第１位として観測されると共に第２位以降の類似度が第１位の類似度に比べて極端に低く観測される。
　しかしながら、第１位の類似度と第２位以降の類似度との差は、下記２点の影響で大きく開かないことがある。あくまで一例として、登録時および絞込時における生体情報の入力状態の違いが挙げられる。例えば、第１モダリティが顔情報である場合、絞込時に撮影される顔の向きや表情が登録時のものと異なったり、あるいは利用者が登録時には装着していなかったサングラスやマスクを顔に装着したりといった入力状態の違いが現れ得る。他の一例として、生体情報の固有性の度合いが挙げられる。例えば、第１モダリティが顔情報である場合、ある登録者本人の顔情報が他の登録者の顔情報と比べてどの程度の固有性を有するかは登録者個人によって差が現れ得る。
　あくまで１つの側面として、登録時および絞込時における生体情報の入力状態の違い、並びに、生体情報の固有性の度合いが第１モダリティを用いる絞り込みに与える影響が小さい状況では、上記の理想的な環境に近いと識別できる。この場合、登録者数Ｎから少数の照合対象者に絞り込んだとしても、第２モダリティにおける他人受入のリスクも低いと推定できる。よって、登録者数Ｎから照合対象者を絞り込む絞込率を下げることで、登録者数Ｎから絞り込まれる照合対象者の数を変更前よりも少数に変更し、もって照合処理の高速化を実現する。
　更なる側面として、本実施例に係るマルチ生体認証サービス１では、上記２つの分布に基づいて入力顔情報を再取得させるか否かを切り替えることもできる。例えば、登録時および絞込時における生体情報の入力状態の違いによる影響が大きい状況では、第２モダリティにおける他人受入のリスクも高いと推定できる。よって、顔情報の再取得を実行することにより、マルチ生体認証の精度低下を抑制できる。
　このように、登録時および絞込時における生体情報の入力状態、および、生体情報の個人特性が第１モダリティを用いる絞り込みに与える影響の多寡を識別する側面から、本実施例に係るマルチ生体認証サービス１では、上記２つの分布を利用する。
　例えば、入力顔情報および登録顔情報の間の第１類似度に関する分布Ｄ１には、第１モダリティの入力状態および入力顔情報の個人特性が含まれ得る。さらに、第１位の登録顔情報および第２位以降である登録顔情報の間の第２類似度に関する分布Ｄ２には、第１位の登録顔情報の個人特性が含まれ得る。これら分布Ｄ１および分布Ｄ２に基づいて絞込率や顔情報の再取得の切り替えが行われる。
　図２は、第１類似度及び第２類似度に関する分布の一例を示す図である。図２には、入力顔情報および登録顔情報の間の第１類似度に関する分布Ｄ１と、第１類似度が第１位である登録顔情報および第２位以降である登録顔情報の間の第２類似度に関する分布Ｄ２とがケースＣ１～Ｃ４の４つのケース別に例示されている。さらに、図２には、ケースＣ１～Ｃ４における分布Ｄ１及び分布Ｄ２の一例として、第１類似度または第２類似度を降順にソートすることにより得られる確率分布が示されている。さらに、図２には、ケースＣ１～Ｃ４における分布Ｄ１及び分布Ｄ２の各々の確率分布は、縦軸が第１類似度または第２類似度で表されると共に横軸が順位で表される。
　例えば、図２に示すケースＣ１の例で言えば、第１類似度に関する分布Ｄ１１の尖度が高く、かつ第２類似度に関する分布Ｄ２１の尖度も高い。このようなケースＣ１の場合、分布Ｄ２１の尖度が高いので、入力顔情報に対応する登録者の顔情報が他の登録者の顔情報と比べて固有性が高いと推定できる。さらに、分布Ｄ１１および分布Ｄ２１の間で尖度に差がないので、登録時および絞込時における生体情報の入力状態に差がないと推定できる。このように、登録者数Ｎから少数の照合対象者に絞り込む余地があるケースＣ１では、照合対象者の絞込率が「Ｒｎｄ－α」に設定される。したがって、本人認証時の照合処理を高速化することが可能になる。
　図２に示すケースＣ３の例で言えば、第１類似度に関する分布Ｄ１３の尖度が低い一方で、第２類似度に関する分布Ｄ２３の尖度が高い。このようなケースＣ３の場合、分布Ｄ２３の尖度が高いので、入力顔情報に対応する登録者の顔情報が他の登録者の顔情報と比べて固有性が高いと推定できる。それにもかかわらず、分布Ｄ２３に比べて分布Ｄ１３の尖度が低いので、登録時および絞込時における生体情報の入力状態に差があると推定できる。この場合、顔情報の再取得が行われる。したがって、マルチ生体認証の精度低下を抑制することが可能になる。
　なお、図２に示すケースＣ１及びケースＣ３以外のケースＣ２及びケースＣ４では、第２類似度に関する分布Ｄ２２または分布２４における尖度が高い。これらケースＣ２及びケースＣ４の場合、入力顔情報に対応する登録者の顔情報が他の登録者の顔情報と比べて固有性が低いと推定できる。この場合、照合対象者の絞込率が「Ｒｎｄ」に設定される。
［端末３０の構成］
　続いて、本実施例に係る端末３０の機能的構成の一例について説明する。図３は、実施例１に係るサーバ装置及び端末の機能的構成の一例を示すブロック図である。図３には、上記のマルチ生体認証サービス１の機能に対応するブロックがサーバ装置１０および端末３０に示されている。図３に示すように、端末３０は、第１センサ３１Ａと、第１抽出部３１Ｂと、第２センサ３２Ａと、第２抽出部３２Ｂとを有する。なお、図３には、上記のマルチ生体認証サービス１に関連する機能部が抜粋して示されているに過ぎず、図示以外の機能部、例えば既存のコンピュータがデフォルトまたはオプションで装備する機能部、例えば表示部等が端末３０に備わることを妨げない。
　第１センサ３１Ａは、第１モダリティの生体画像をセンシングする機能部である。一実施形態として、第１センサ３１Ａは、ＣＣＤ（Charge　Coupled　Device）やＣＭＯＳ（Complementary　Metal　Oxide　Semiconductor）などの撮像素子を搭載するカメラにより実現できる。ここで、第１センサ３１Ａが撮像する「画像」は、顔情報に基づく絞り込みに用いられる側面がある。このような側面から、端末３０を利用する人物の顔の撮影を可能とするカメラの一例として、第１センサ３１Ａには、図示しない表示部のスクリーンの向きと同一の方向に配置されたカメラ、いわゆるインカメラを用いることができる。
　第１抽出部３１Ｂは、第１モダリティの生体情報を抽出する機能部である。例えば、第１モダリティが顔情報である場合、当該顔情報は、顔が撮影された画像そのものであってもよいし、顔の画像から抽出された顔の特徴量であってもよい。以下、顔情報のあくまで一例として、埋め込みベクトルを用いる場合を例示する。この場合、第１抽出部３１Ｂは、ディープラーニング等により埋め込み空間の学習が行われたモデル、例えばＣＮＮ（Convolutional　Neural　Network）を用いることができる。例えば、第１抽出部３１Ｂは、第１センサの出力、例えばフレーム単位で撮像された画像に顔検出を行い、顔検出で得られた顔領域に対応する部分画像を埋め込み空間が学習済みであるＣＮＮへ入力する。これによって、ＣＮＮから埋め込みベクトルを得ることができる。その上で、第１抽出部３１Ｂは、上記の顔情報を入力顔情報として所定の暗号方式、例えば公開鍵暗号などのアルゴリズムにしたがって暗号化した上で暗号化された入力顔情報をサーバ装置１０へ伝送する。なお、埋め込みベクトルは、顔情報のあくまで一例に過ぎず、他の特徴量、例えばＳＩＦＴ（Scale-Invariant　Feature　Transform）などが抽出されることとしてもよい。
　第２センサ３２Ａは、第２モダリティの生体画像をセンシングする機能部である。一実施形態として、第２センサ３２Ａは、手のひらの内部に存在する静脈の血管パターンを映すのに適切な波長を持つ赤外光、例えば近赤外光を照射する照明と、赤外光を捉えることができるカメラとを含むセンサユニットとして実現できる。例えば、手のひらが所定の撮影位置に載置されると、照明によって赤外光が手のひらに照射される。この赤外光の照射に連動して起動されたカメラによって手のひらの内部から反射して戻ってきた赤外光が撮影される。このような撮影によって、静脈中の赤血球によって赤外光が吸収される結果、手のひらの静脈の血管パターンが現れた手のひら静脈画像が生体画像として得られる。
　第２抽出部３２Ｂは、第２モダリティの生体情報を抽出する機能部である。一実施形態として、第２抽出部３２Ｂは、第２センサ３２Ａにより取得された手のひら静脈画像から血管部分を取り出した上で細線化し、血管における分岐点の座標、分岐点間の長さ、分岐点の分岐角度などの特徴量が手のひら静脈情報として抽出される。その上で、第２抽出部３２Ｂは、手のひら静脈情報を入力手のひら静脈情報として所定の暗号方式、例えば公開鍵暗号などのアルゴリズムにしたがって暗号化した上で暗号化された入力手のひら静脈情報をサーバ装置１０へ伝送する。
　なお、第１抽出部３１Ｂや第２抽出部３２Ｂ等の機能部は、ＣＰＵ（Central　Processing　Unit）やＭＰＵ（Micro　Processing　Unit）等のハードウェアプロセッサにより仮想的に実現され得る。例えば、プロセッサは、図示しない記憶装置、例えばＲＯＭ（Read　Only　Memory）等からＯＳ（Operating　System）の他、上記の特徴抽出等の機能を実現する特徴抽出プログラムなどのプログラムを読み出す。その上で、プロセッサは、上記の特徴抽出プログラムを実行することにより、ＲＡＭ（Random　Access　Memory）等のメモリ上に上記の機能部に対応するプロセスを展開する。この結果、上記の機能部がプロセスとして仮想的に実現される。ここでは、プロセッサの一例として、ＣＰＵやＭＰＵを例示したが、汎用型および特化型を問わず、任意のプロセッサにより上記の機能部が実現されることとしてもかまわない。この他、上記の機能部は、ＡＳＩＣ（Application　Specific　Integrated　Circuit）やＦＰＧＡ（Field　Programmable　Gate　Array）などのハードワイヤードロジックによって実現されることとしてもかまわない。
［サーバ装置１０の構成］
　次に、本実施例に係るサーバ装置１０の機能的構成の一例について説明する。図３に示すように、サーバ装置１０は、登録データ記憶部１１と、絞込部１２と、算出部１３と、導出部１４と、切替部１５と、本人認証部１６とを有する。なお、図３には、上記のマルチ生体認証サービス１に関連する機能部が抜粋して示されているに過ぎず、図示以外の機能部、例えば既存のコンピュータがデフォルトまたはオプションで装備する機能部、例えば入力部や表示部等がサーバ装置１０に備わることを妨げない。
　登録データ記憶部１１は、登録データを記憶する機能部である。例えば、登録データには、Ｎ人の登録者ごとに登録顔情報および登録手のひら静脈情報が対応付けられたデータを採用できる。これら登録顔情報および登録手のひら静脈情報の他、登録データには、Ｎ人の登録者ごとに当該登録者の登録顔情報と他の登録者の登録顔情報との間の第２類似度に関する分布から算出された尖度が対応付けられることとしてもよい。なお、「尖度」の算出方法については、図４および図５を用いて後述する。
　絞込部１２は、第１モダリティの入力生体情報および登録生体情報の間の第１類似度に基づいて上記の登録データに含まれる登録者のうち第２モダリティを用いる本人認証で照合する照合対象者を第１の絞込率で絞り込む機能部である。一実施形態として、絞込部１２は、登録データ記憶部１１に記憶された登録データの登録者ごとに登録顔情報および入力顔情報の間の第１類似度を算出する。例えば、顔情報として埋め込みベクトルが抽出される場合、第１類似度には、登録顔情報および入力顔情報の間のハミング距離を用いることができる。その後、絞込部１２は、登録者数Ｎのうち類似度の順位が第１の絞込率Ｒｎｄ、例えば１％に対応する上位所定数の登録者を上記の照合対象者の候補として絞り込む。
　算出部１３は、上記の第１類似度に関する分布を算出する機能部である。一実施形態として、算出部１３は、絞込部１２による絞込時に登録顔情報および入力顔情報の間の第１類似度が算出された場合、第１類似度を降順にソートする。このように第１類似度を降順にソートすることにより第１類似度の確率分布が得られる。その後、算出部１３は、第１類似度の確率分布から下記の式（１）にしたがって尖度Ｋ１を算出する。ここで、下記の式（１）における「ｎ」は、第１類似度のデータの数を指す。また、下記の式（１）における「ｍ」は、第１類似度ｘｋ（ｋ＝１，２，・・・，ｎ）の平均値を指す。また、下記の式（１）における「ｓ」は、標準偏差を指す。なお、第１類似度のデータの数ｎは、登録者数Ｎであってもよいし、照合対象者の数であってもよい。
Figure JPOXMLDOC01-appb-M000001
　図４および図５は、第１類似度に関する分布の一例を示す図である。図４および図５には、あくまで一例として、第１類似度のデータの数が「５０」である例が示されている。例えば、第１類似度の確率分布が図４に示す分布Ｄ１５である場合、上記の式（１）にしたがって尖度Ｋ１が「６．６３」と算出される。また、第１類似度の確率分布が図５に示す分布Ｄ１６である場合、上記の式（１）にしたがって尖度Ｋ１が「－１．２０」と算出される。このように、第１類似度の確率分布の尖度Ｋ１の値が高くなるに連れて第１位から第２位以降の下位の順位へ向けての立ち下がりが急峻であることを示す一方で、尖度Ｋ１の値が低くなるに連れて立ち下がりが滑らかであることを意味する。
　導出部１４は、登録データに含まれる第１モダリティの生体情報のうち第１類似度が第１位である第１モダリティの生体情報と、第１類似度が第２位以降である第１モダリティの生体情報との間の第２類似度に関する分布を導出する機能部である。１つの側面として、導出部１４は、登録顔情報および入力顔情報の間の第１の類似度が算出される度に、登録顔情報のうち第１類似度が第１位である登録顔情報と、第１類似度が第２位以降である登録顔情報との間の第２類似度を算出できる。そして、導出部１４は、第２類似度を降順にソートする。このように第２類似度を降順にソートすることにより第２類似度の確率分布が得られる。その上で、導出部１４は、上記の第１類似度の確率分布の尖度Ｋ１と同様にして、第２類似度の確率分布の尖度Ｋ２を算出することができる。他の側面として、導出部１４は、録顔情報および入力顔情報の間の第１類似度が算出された場合、当該第１類似度が第１位である登録者に対応付けられた第２類似度の確率分布の尖度を尖度Ｋ２として登録データから取得することもできる。
　切替部１５は、第１類似度に関する分布および第２類似度に関する分布に基づいて、登録データに含まれる登録者のうち第２モダリティを用いる本人認証で照合する照合対象者を絞り込む絞込率を切り替える機能部である。
　１つの側面として、上記の尖度Ｋ２が所定の閾値ｔｈ１を超え、かつ尖度Ｋ１および尖度Ｋ２の差分絶対値Ａが所定の閾値ｔｈ２以下である場合、図２に示すケースＣ１に対応する状況と推定できる。この場合、切替部１５は、第１の絞込率Ｒｎｄから第２の絞込率Ｒｎｄ－αへ切り替える。例えば、α＝０．５％としたとき、登録者数Ｎのうち類似度の順位が第２の絞込率「０．５％（＝１－０．５）」に対応する上位所定数の登録者が照合対象者として絞り込まれる。
　他の側面として、切替部１５は、第１類似度に関する分布および第２類似度に関する分布に基づいて、入力顔情報を再取得させるか否かを切り替える。例えば、上記の尖度Ｋ２が所定の閾値ｔｈ１を超え、かつ尖度Ｋ１および尖度Ｋ２の差分絶対値Ａが所定の閾値ｔｈ２以下でない場合、図２に示すケースＣ３に対応する状況と推定できる。この場合、切替部１５は、入力顔情報の再取得を端末３０の第１抽出部３１Ｂ等へ指示する。
　更なる側面として、上記の尖度Ｋ２が所定の閾値ｔｈ１を超えない場合、図２に示すケースＣ２およびケースＣ４に対応する状況と推定できる。この場合、切替部１５は、第１の絞込率のまま維持すると共に入力顔情報の再取得を行わない。
　本人認証部１６は、第２モダリティの入力生体情報および登録生体情報に基づいて本人認証を実行する機能部である。一実施形態として、本人認証部１６は、照合対象者の登録手のひら静脈と、第２抽出部３２Ｂから取得された入力手のひら静脈との第３類似度を算出する。例えば、第３類似度には、登録手のひら静脈および入力手のひら静脈のパターンマッチングで得られる相互相関を用いることができる。そして、本人認証部１６は、入力手のひら静脈との第３類似度が所定の閾値ｔｈ３以上である登録手のひら静脈が存在する場合、入力手のひら静脈が登録者本人であると認証する。一方、本人認証部１６は、入力手のひら静脈との第３類似度が所定の閾値ｔｈ３以上である登録手のひら静脈が存在しない場合、入力手のひら静脈が登録者本人でないと認証する。
　なお、絞込部１２、算出部１３、導出部１４、切替部１５及び本人認証部１６等の機能部は、ＣＰＵやＭＰＵ等のハードウェアプロセッサにより仮想的に実現され得る。例えば、プロセッサは、図示しない記憶装置、例えばＨＤＤ（Hard　Disk　Drive）や光ディスク、ＳＳＤ（Solid　State　Drive）などの補助記憶装置からＯＳの他、上記のマルチ生体認証サービス１の機能を実現する生体認証プログラムなどのプログラムを読み出す。その上で、プロセッサは、上記の生体認証プログラムを実行することにより、ＲＡＭ等のメモリ上に上記の機能部に対応するプロセスを展開する。この結果、上記の機能部がプロセスとして仮想的に実現される。ここでは、プロセッサの一例として、ＣＰＵやＭＰＵを例示したが、汎用型および特化型を問わず、任意のプロセッサにより上記の機能部が実現されることとしてもかまわない。この他、上記の機能部は、ＡＳＩＣやＦＰＧＡなどのハードワイヤードロジックによって実現されることとしてもかまわない。
　上記の登録データ記憶部１１などの記憶部は、ＨＤＤや光ディスク、ＳＳＤなどの補助記憶装置として実現したり、補助記憶装置が有する記憶領域の一部を割り当てることにより実現したりすることができる。
［処理の流れ］
　次に、本実施例に係るサーバ装置１０の処理の流れについて説明する。以下、サーバ装置１０により実行される（１）登録処理を説明した後に、（２）マルチ生体認証処理を説明することとする。
（１）登録処理
　図６は、実施例１に係る登録処理の手順を示すフローチャートである。この登録処理は、あくまで一例として、端末３０を含む任意の装置から利用者登録のリクエストを受け付けた場合に開始され得る。
　図６に示すように、サーバ装置１０は、登録者の識別情報、例えばＩＤなどを受け付ける（ステップＳ１１）。続いて、サーバ装置１０は、第１モダリティの生体情報および第２モダリティの生体情報を取得する（ステップＳ１２）。
　そして、サーバ装置１０は、ステップＳ１２で取得された第１モダリティの生体情報と、登録データ記憶部１１に登録データとして記憶された第１モダリティの登録生体情報との第２類似度を算出する（ステップＳ１３）。
　その後、サーバ装置１０は、ステップＳ１３で算出された第２類似度を降順にソートする（ステップＳ１４）。このように第２類似度が降順にソートされることにより第２類似度の確率分布が得られる。続いて、サーバ装置１０は、第２類似度の確率分布から尖度を算出する（ステップＳ１５）。
　その上で、サーバ装置１０は、ステップＳ１１で受け付けた識別情報、ステップＳ１３で取得された第１モダリティの生体情報および第２モダリティの生体情報、および、ステップＳ１５で算出された第２類似度の確率分布の尖度が対応付けられたエントリを登録データに追加し（ステップＳ１６）、処理を終了する。
（２）マルチ生体認証処理
　図７は、実施例１に係るマルチ生体認証処理の手順を示すフローチャートである。この処理は、あくまで一例として、端末３０の第１抽出部３１Ｂから第１モダリティの入力生体情報が取得された場合に開始され得る。
　図７に示すように、第１モダリティの入力生体情報が取得されると（ステップＳ１０１）、絞込部１２は、第１モダリティの入力生体情報および登録生体情報の間の第１類似度に基づいて第２モダリティを用いる本人認証で照合する照合対象者を第１の絞込率で絞り込む（ステップＳ１０２）。
　続いて、算出部１３は、上記の第１類似度を降順にソートする（ステップＳ１０３）。このように第１類似度を降順にソートすることにより第１類似度の確率分布が得られる。その後、算出部１３は、第１類似度の確率分布から上記の式（１）にしたがって尖度Ｋ１を算出する（ステップＳ１０４）。
　そして、導出部１４は、上記の第１類似度が第１位である登録者に対応付けられた第２類似度の確率分布の尖度を登録データから取得することにより尖度Ｋ２を導出する（ステップＳ１０５）。
　続いて、切替部１５は、ステップＳ１０４で算出された尖度Ｋ１およびステップＳ１０５で導出された尖度Ｋ２の差分絶対値Ａを算出する（ステップＳ１０６）。
　ここで、上記の尖度Ｋ２が所定の閾値ｔｈ１を超え、かつ尖度Ｋ１および尖度Ｋ２の差分絶対値Ａが所定の閾値ｔｈ２以下である場合（ステップＳ１０７ＹｅｓかつステップＳ１０８Ｙｅｓ）、図２に示すケースＣ１に対応する状況と推定できる。この場合、切替部１５は、第１の絞込率Ｒｎｄから第２の絞込率Ｒｎｄ－αへ切り替える（ステップＳ１０９）。
　そして、本人認証部１６は、第２の絞込率Ｒｎｄ－αで絞り込まれた照合対象者の登録手のひら静脈と、第２抽出部３２Ｂから取得される入力手のひら静脈との第３類似度に基づいて入力手のひら静脈が登録者本人であるか否かを認証し（ステップＳ１１０）、処理を終了する。
　一方、上記の尖度Ｋ２が所定の閾値ｔｈ１を超えない場合（ステップＳ１０７Ｎｏ）、図２に示すケースＣ２およびケースＣ４に対応する状況と推定できる。この場合、切替部１５は、第１の絞込率のまま維持すると共に入力顔情報の再取得を行わない。
　すなわち、本人認証部１６は、第１の絞込率Ｒｎｄで絞り込まれた照合対象者の登録手のひら静脈と、第２抽出部３２Ｂから取得される入力手のひら静脈との第３類似度に基づいて入力手のひら静脈が登録者本人であるか否かを認証し（ステップＳ１１０）、処理を終了する。
　なお、上記の尖度Ｋ２が所定の閾値ｔｈ１を超え、かつ尖度Ｋ１および尖度Ｋ２の差分絶対値Ａが所定の閾値ｔｈ２以下でない場合（ステップＳ１０７ＹｅｓかつステップＳ１０８Ｎｏ）、図２に示すケースＣ３に対応する状況と推定できる。この場合、切替部１５は、入力顔情報の再取得を端末３０の第１抽出部３１Ｂ等へ指示し（ステップＳ１１２）、処理を終了する。
［効果の一側面］
　上述してきたように、本実施例に係るマルチ生体認証サービス１は、入力顔情報と登録顔情報の類似度の分布と、類似度が第１位である登録顔情報と第２位以降の登録顔情報の類似度の分布とに基づいて手のひら静脈を用いる本人認証で照合する照合対象者の絞込率を切り替える。例えば、登録者数Ｎから少数の照合対象者に絞り込む余地がある場合、登録者数Ｎから照合対象者を絞り込む絞込率を下げることで、登録者数Ｎから絞り込まれる照合対象者の数を変更前よりも少数に変更できる。したがって、本実施例に係るマルチ生体認証サービス１によれば、照合処理の高速化を実現する。
　さて、これまで開示の装置に関する実施例について説明したが、本発明は上述した実施例以外にも、種々の異なる形態にて実施されてよいものである。そこで、以下では、本発明に含まれる他の実施例を説明する。
［切り替え基準の応用例］
　上記の実施例１では、第１類似度に関する分布Ｄ１の尖度Ｋ１および第２類似度に関する分布Ｄ２の尖度Ｋ２を用いて、絞込率や入力顔情報の再取得の切り替えを判定する例を挙げたが、切り替えの基準は必ずしも尖度でなくともかまわない。
　例えば、図７に示すステップＳ１０７の代わりに、第２類似度に関する分布Ｄ２において第１位および第２位の第２類似度の差が所定の閾値ｔｈ４を超えるか否かを条件分岐とすることもできる。この場合、第１位および第２位の第２類似度の差が閾値ｔｈ４を超える場合、ステップＳ１０７Ｙｅｓの分岐に進む一方で、第１位および第２位の第２類似度の差が閾値ｔｈ４を超えない場合、ステップＳ１０７Ｎｏの分岐に進むこととすればよい。
　また、図７に示すステップＳ１０７の代わりに、第２類似度に関する分布Ｄ２の面積が所定の閾値ｔｈ５以下であるか否かを条件分岐とすることもできる。この場合、分布Ｄ２の面積が閾値ｔｈ５以下である場合、ステップＳ１０７Ｙｅｓの分岐に進む一方で、分布Ｄ２の面積が閾値ｔｈ５以下でない場合、ステップＳ１０７Ｎｏの分岐に進むこととすればよい。なお、分布Ｄ２の面積は、必ずしも分布Ｄ２の全体の面積でなくともよく、第１位から所定の区間、例えば第１０位までの面積に絞り込むこととしてもかまわない。
　また、図７に示すステップＳ１０８の代わりに、第１類似度に関する分布Ｄ１および第２類似度に関する分布Ｄ２の形状の類似度が所定の閾値ｔｈ６を超えるか否かを条件分岐とすることもできる。この場合、形状の類似度が閾値ｔｈ６を超える場合、ステップＳ１０８Ｙｅｓの分岐に進む一方で、形状の類似度が閾値ｔｈ６を超えない場合、ステップＳ１０８Ｎｏの分岐に進むこととすればよい。
　また、図７に示すステップＳ１０８の代わりに、第１類似度に関する分布Ｄ１において第１位および第２位の第１類似度の差が所定の閾値ｔｈ７を超えるか否かを条件分岐とすることもできる。この場合、第１位および第２位の第１類似度の差が閾値ｔｈ７を超える場合、ステップＳ１０８Ｙｅｓの分岐に進む一方で、第１位および第２位の第１類似度の差が閾値ｔｈ７を超えない場合、ステップＳ１０８Ｎｏの分岐に進むこととすればよい。
　また、図７に示すステップＳ１０８の代わりに、第１類似度に関する分布Ｄ１の面積が所定の閾値ｔｈ８以下であるか否かを条件分岐とすることもできる。この場合、分布Ｄ１の面積が閾値ｔｈ８以下である場合、ステップＳ１０８Ｙｅｓの分岐に進む一方で、分布Ｄ１の面積が閾値ｔｈ８以下でない場合、ステップＳ１０８Ｎｏの分岐に進むこととすればよい。なお、分布Ｄ１の面積は、必ずしも分布Ｄ１の全体の面積でなくともよく、第１位から所定の区間、例えば第１０位までの面積に絞り込むこととしてもかまわない。
　なお、図７に示すステップＳ１０８の代わりに、第１類似度に関する分布Ｄ１の尖度Ｋ１が所定の閾値ｔｈ９を超えるか否かを条件分岐とすることもできる。この場合、尖度Ｋ１が閾値ｔｈ９を超える場合、ステップＳ１０８Ｙｅｓの分岐に進む一方で、尖度Ｋ１が閾値ｔｈ９を超えない場合、ステップＳ１０８Ｎｏの分岐に進むこととすればよい。
［スタンドアローンへの適用］
　例えば、上記の実施例１では、サーバ装置１０および端末３０を含むマルチ生体認証サービス１の機能がクライアントサーバシステムで動作される例を挙げたが、上記のマルチ生体認証サービス１はスタンドアローンで動作されることとしてもかまわない。
　また、上記の実施例１では、第１モダリティが顔情報であると共に第２モダリティが手のひら静脈である例を挙げたが、各モダリティは特定の認証部位に限定されない。例えば、第１モダリティの顔情報と、第２モダリティの手のひら静脈を入れ替えることもできれば、第１モダリティに指紋や虹彩などの他の認証部位を適用したり、あるいは第２モダリティに指紋や虹彩などの他の認証部位を適用したりすることもできる。
［生体認証プログラム］
　また、上記の実施例で説明した各種の処理は、予め用意されたプログラムをパーソナルコンピュータやワークステーションなどのコンピュータで実行することによって実現することができる。そこで、以下では、図８を用いて、上記の実施例１及び実施例２と同様の機能を有する生体認証プログラムを実行するコンピュータの一例について説明する。
　図８は、コンピュータのハードウェア構成例を示す図である。図８に示すように、コンピュータ１００は、操作部１１０ａと、スピーカ１１０ｂと、カメラ１１０ｃと、ディスプレイ１２０と、通信部１３０とを有する。さらに、このコンピュータ１００は、ＣＰＵ１５０と、ＲＯＭ１６０と、ＨＤＤ１７０と、ＲＡＭ１８０とを有する。これら１１０～１８０の各部はバス１４０を介して接続される。
　ＨＤＤ１７０には、図８に示すように、上記の実施例１で示した絞込部１２、算出部１３、導出部１４、切替部１５および本人認証部１６と同様の機能を発揮する生体認証プログラム１７０ａが記憶される。この生体認証プログラム１７０ａは、図３に示した絞込部１２、算出部１３、導出部１４、切替部１５および本人認証部１６の各構成要素と同様、統合又は分離してもかまわない。すなわち、ＨＤＤ１７０には、必ずしも上記の実施例１で示した全てのデータが格納されずともよく、処理に用いるデータがＨＤＤ１７０に格納されればよい。
　このような環境の下、ＣＰＵ１５０は、ＨＤＤ１７０から生体認証プログラム１７０ａを読み出した上でＲＡＭ１８０へ展開する。この結果、生体認証プログラム１７０ａは、図８に示すように、生体認証プロセス１８０ａとして機能する。この生体認証プロセス１８０ａは、ＲＡＭ１８０が有する記憶領域のうち生体認証プロセス１８０ａに割り当てられた領域にＨＤＤ１７０から読み出した各種データを展開し、この展開した各種データを用いて各種の処理を実行する。例えば、生体認証プロセス１８０ａが実行する処理の一例として、図６～図７に示す処理などが含まれる。なお、ＣＰＵ１５０では、必ずしも上記の実施例１で示した全ての処理部が動作せずともよく、実行対象とする処理に対応する処理部が仮想的に実現されればよい。
　なお、上記の生体認証プログラム１７０ａは、必ずしも最初からＨＤＤ１７０やＲＯＭ１６０に記憶されておらずともかまわない。例えば、コンピュータ１００に挿入されるフレキシブルディスク、いわゆるＦＤ、ＣＤ－ＲＯＭ、ＤＶＤディスク、光磁気ディスク、ＩＣカードなどの「可搬用の物理媒体」に各プログラムを記憶させる。そして、コンピュータ１００がこれらの可搬用の物理媒体から各プログラムを取得して実行するようにしてもよい。また、公衆回線、インターネット、ＬＡＮ、ＷＡＮなどを介してコンピュータ１００に接続される他のコンピュータまたはサーバ装置などに各プログラムを記憶させておき、コンピュータ１００がこれらから各プログラムを取得して実行するようにしてもよい。
　　１０　　　サーバ装置
　　１１　　　登録データ記憶部
　　１２　　　絞込部
　　１３　　　算出部
　　１４　　　導出部
　　１５　　　切替部
　　１６　　　本人認証部
　　３０　　　端末
　　３１Ａ　　第１センサ
　　３１Ｂ　　第１抽出部
　　３２Ａ　　第２センサ
　　３２Ｂ　　第２抽出部

Claims (20)

  1. 　センサの出力から抽出された第１モダリティの生体情報と、所定の登録データに含まれる第１モダリティの生体情報との間の第１類似度に関する分布を算出する算出部と、
    　前記登録データに含まれる第１モダリティの生体情報のうち前記第１類似度が第１位である第１モダリティの生体情報と、前記第１類似度が第２位以降である第１モダリティの生体情報との間の第２類似度に関する分布を導出する導出部と、
    　前記第１類似度に関する分布および前記第２類似度に関する分布に基づいて、前記登録データに含まれる登録者のうち前記第１モダリティとは異なる第２モダリティを用いる本人認証で照合する照合対象者を絞り込む絞込率を切り替える切替部と、
    　を有する生体認証装置。
  2. 　前記切替部は、前記第１類似度に関する分布の尖度および前記第２類似度に関する分布の尖度に基づいて、前記絞込率を切り替える請求項１に記載の生体認証装置。
  3. 　前記切替部は、前記第２類似度に関する分布の尖度が所定の閾値を超え、かつ前記第１類似度に関する分布の尖度および前記第２類似度に関する分布の尖度の差分絶対値が所定の閾値以内である場合、前記絞込率を低下させる請求項２に記載の生体認証装置。
  4. 　前記切替部は、前記第２類似度に関する分布の尖度が所定の閾値を超え、かつ前記第１類似度に関する分布の尖度および前記第２類似度に関する分布の尖度の差分絶対値が所定の閾値以内でない場合、前記センサの出力から抽出される第１モダリティの生体情報の再取得を実行する請求項２に記載の生体認証装置。
  5. 　前記第１類似度に関する分布または前記第２類似度に関する分布は、前記第１類似度または前記第２類似度を降順にソートすることに得られる確率分布である請求項２に記載の生体認証装置。
  6. 　前記第１モダリティが顔情報である請求項１に記載の生体認証装置。
  7. 　前記第２モダリティが手のひら静脈である請求項１に記載の生体認証装置。
  8. 　センサの出力から抽出された第１モダリティの生体情報と、所定の登録データに含まれる第１モダリティの生体情報との間の第１類似度に関する分布を算出し、
    　前記登録データに含まれる第１モダリティの生体情報のうち前記第１類似度が第１位である第１モダリティの生体情報と、前記第１類似度が第２位以降である第１モダリティの生体情報との間の第２類似度に関する分布を導出し、
    　前記第１類似度に関する分布および前記第２類似度に関する分布に基づいて、前記登録データに含まれる登録者のうち前記第１モダリティとは異なる第２モダリティを用いる本人認証で照合する照合対象者を絞り込む絞込率を切り替える、
    　処理をコンピュータが実行する生体認証方法。
  9. 　前記切り替える処理は、前記第１類似度に関する分布の尖度および前記第２類似度に関する分布の尖度に基づいて、前記絞込率を切り替えることを含む請求項８に記載の生体認証方法。
  10. 　前記切り替える処理は、前記第２類似度に関する分布の尖度が所定の閾値を超え、かつ前記第１類似度に関する分布の尖度および前記第２類似度に関する分布の尖度の差分絶対値が所定の閾値以内である場合、前記絞込率を低下させる請求項９に記載の生体認証方法。
  11. 　前記切り替える処理は、前記第２類似度に関する分布の尖度が所定の閾値を超え、かつ前記第１類似度に関する分布の尖度および前記第２類似度に関する分布の尖度の差分絶対値が所定の閾値以内でない場合、前記センサの出力から抽出される第１モダリティの生体情報の再取得を実行する請求項９に記載の生体認証方法。
  12. 　前記第１類似度に関する分布または前記第２類似度に関する分布は、前記第１類似度または前記第２類似度を降順にソートすることに得られる確率分布である請求項９に記載の生体認証方法。
  13. 　前記第１モダリティが顔情報である請求項８に記載の生体認証方法。
  14. 　前記第２モダリティが手のひら静脈である請求項８に記載の生体認証方法。
  15. 　センサの出力から抽出された第１モダリティの生体情報と、所定の登録データに含まれる第１モダリティの生体情報との間の第１類似度に関する分布を算出し、
    　前記登録データに含まれる第１モダリティの生体情報のうち前記第１類似度が第１位である第１モダリティの生体情報と、前記第１類似度が第２位以降である第１モダリティの生体情報との間の第２類似度に関する分布を導出し、
    　前記第１類似度に関する分布および前記第２類似度に関する分布に基づいて、前記登録データに含まれる登録者のうち前記第１モダリティとは異なる第２モダリティを用いる本人認証で照合する照合対象者を絞り込む絞込率を切り替える、
    　処理をコンピュータに実行させる生体認証プログラム。
  16. 　前記切り替える処理は、前記第１類似度に関する分布の尖度および前記第２類似度に関する分布の尖度に基づいて、前記絞込率を切り替えることを含む請求項１５に記載の生体認証プログラム。
  17. 　前記切り替える処理は、前記第２類似度に関する分布の尖度が所定の閾値を超え、かつ前記第１類似度に関する分布の尖度および前記第２類似度に関する分布の尖度の差分絶対値が所定の閾値以内である場合、前記絞込率を低下させる請求項１６に記載の生体認証プログラム。
  18. 　前記切り替える処理は、前記第２類似度に関する分布の尖度が所定の閾値を超え、かつ前記第１類似度に関する分布の尖度および前記第２類似度に関する分布の尖度の差分絶対値が所定の閾値以内でない場合、前記センサの出力から抽出される第１モダリティの生体情報の再取得を実行する請求項１６に記載の生体認証プログラム。
  19. 　前記第１類似度に関する分布または前記第２類似度に関する分布は、前記第１類似度または前記第２類似度を降順にソートすることに得られる確率分布である請求項１６に記載の生体認証プログラム。
  20. 　前記第１モダリティが顔情報である請求項１５に記載の生体認証プログラム。
PCT/JP2020/018749 2020-05-08 2020-05-08 生体認証装置、生体認証方法及び生体認証プログラム WO2021225002A1 (ja)

Priority Applications (5)

Application Number Priority Date Filing Date Title
JP2022519892A JP7351414B2 (ja) 2020-05-08 2020-05-08 生体認証装置、生体認証方法及び生体認証プログラム
CN202080100548.7A CN115552398A (zh) 2020-05-08 2020-05-08 生物体认证装置、生物体认证方法以及生物体认证程序
EP20934494.4A EP4148601A4 (en) 2020-05-08 2020-05-08 Biometric authentication device, biometric authentication method, and biometric authentication program
PCT/JP2020/018749 WO2021225002A1 (ja) 2020-05-08 2020-05-08 生体認証装置、生体認証方法及び生体認証プログラム
US17/964,296 US20230031788A1 (en) 2020-05-08 2022-10-12 Biometric authentication device, biometric authentication method, and non-transitory computer-readable storage medium for storing biometric authentication program

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/JP2020/018749 WO2021225002A1 (ja) 2020-05-08 2020-05-08 生体認証装置、生体認証方法及び生体認証プログラム

Related Child Applications (1)

Application Number Title Priority Date Filing Date
US17/964,296 Continuation US20230031788A1 (en) 2020-05-08 2022-10-12 Biometric authentication device, biometric authentication method, and non-transitory computer-readable storage medium for storing biometric authentication program

Publications (1)

Publication Number Publication Date
WO2021225002A1 true WO2021225002A1 (ja) 2021-11-11

Family

ID=78468064

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2020/018749 WO2021225002A1 (ja) 2020-05-08 2020-05-08 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 (5)

Country Link
US (1) US20230031788A1 (ja)
EP (1) EP4148601A4 (ja)
JP (1) JP7351414B2 (ja)
CN (1) CN115552398A (ja)
WO (1) WO2021225002A1 (ja)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005275508A (ja) * 2004-03-23 2005-10-06 Sanyo Electric Co Ltd 個人認証装置
JP2008299589A (ja) 2007-05-31 2008-12-11 Hitachi Ltd 生体認証システム
JP2013122679A (ja) 2011-12-12 2013-06-20 Hitachi Ltd 安全性の高い生体認証システム
WO2013145249A1 (ja) * 2012-03-30 2013-10-03 富士通株式会社 生体認証装置、生体認証方法、および生体認証プログラム

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5504928B2 (ja) * 2010-01-29 2014-05-28 ソニー株式会社 生体認証装置、生体認証方法およびプログラム
WO2012127630A1 (ja) * 2011-03-22 2012-09-27 富士通株式会社 生体認証システム、生体認証方法及び生体認証プログラム
JP6404011B2 (ja) * 2014-06-25 2018-10-10 株式会社日立製作所 生体情報を利用する認証システム
WO2018207573A1 (ja) * 2017-05-09 2018-11-15 株式会社ディー・ディー・エス 認証情報処理プログラム及び認証情報処理装置

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005275508A (ja) * 2004-03-23 2005-10-06 Sanyo Electric Co Ltd 個人認証装置
JP2008299589A (ja) 2007-05-31 2008-12-11 Hitachi Ltd 生体認証システム
JP2013122679A (ja) 2011-12-12 2013-06-20 Hitachi Ltd 安全性の高い生体認証システム
WO2013145249A1 (ja) * 2012-03-30 2013-10-03 富士通株式会社 生体認証装置、生体認証方法、および生体認証プログラム

Also Published As

Publication number Publication date
CN115552398A (zh) 2022-12-30
US20230031788A1 (en) 2023-02-02
EP4148601A4 (en) 2023-06-28
JP7351414B2 (ja) 2023-09-27
EP4148601A1 (en) 2023-03-15
JPWO2021225002A1 (ja) 2021-11-11

Similar Documents

Publication Publication Date Title
Bowyer et al. Image understanding for iris biometrics: A survey
Nedjah et al. Efficient yet robust biometric iris matching on smart cards for data high security and privacy
US11682235B2 (en) Iris authentication device, iris authentication method and recording medium
Zanlorensi et al. The impact of preprocessing on deep representations for iris recognition on unconstrained environments
Kaur A study of biometric identification and verification system
JP2018055231A (ja) 生体認証装置
US20220277311A1 (en) A transaction processing system and a transaction method based on facial recognition
Tran et al. Person authentication using relevance vector machine (RVM) for face and fingerprint
WO2021225002A1 (ja) 生体認証装置、生体認証方法及び生体認証プログラム
Vanthana et al. Iris authentication using gray level co-occurrence matrix and Hausdorff dimension
KR20080017763A (ko) 스코어 레벨 결합을 통한 홍채 인식 방법
Ramalingam et al. Fundamentals and advances in 3D face recognition
JP7327662B2 (ja) 認証方法、認証プログラム及び認証装置
Hemery et al. Face authentication for banking
WO2022185486A1 (ja) 認証方法、認証プログラム、および情報処理装置
Fagbolu et al. Secured banking operations with face-based automated teller machine
Rathika et al. Face recognition using zernike moments with illumination variations
Phukan et al. Biometric Cashless Payment System
Singh et al. Face as bio-metric password for secure ATM transactions
Pandimeena et al. A Literature Review on Security Enhanced Multi-Factor Biometric Authentication System Using FFF and KSVM
Sonal et al. Reviewing Scope of Multimodal Approach in Face and Iris Recognition
Al-Rashid Biometrics Authentication: Issues and Solutions
Adewale Olumide et al. A New Metadata Fusion Technique for Effective E-Voting Authentication
Aggarwal IMPLEMENTATION ON IRIS BASED SECURITY SYSTEM USING EDGE DETECTION MECHANISM
Akinnuwesi Boluwaji et al. AUTOMATED STUDENTS'ATTEDANCE TAKING IN TERTIARY INSTITUTION USING HYBRIDIZED FACIAL RECOGNITION ALGORITHM

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: 20934494

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 2022519892

Country of ref document: JP

Kind code of ref document: A

ENP Entry into the national phase

Ref document number: 2020934494

Country of ref document: EP

Effective date: 20221208

NENP Non-entry into the national phase

Ref country code: DE