WO2022070349A1 - 閾値算出システム、閾値算出方法、及びコンピュータプログラム - Google Patents

閾値算出システム、閾値算出方法、及びコンピュータプログラム Download PDF

Info

Publication number
WO2022070349A1
WO2022070349A1 PCT/JP2020/037286 JP2020037286W WO2022070349A1 WO 2022070349 A1 WO2022070349 A1 WO 2022070349A1 JP 2020037286 W JP2020037286 W JP 2020037286W WO 2022070349 A1 WO2022070349 A1 WO 2022070349A1
Authority
WO
WIPO (PCT)
Prior art keywords
threshold value
collation
information
value calculation
attribute information
Prior art date
Application number
PCT/JP2020/037286
Other languages
English (en)
French (fr)
Inventor
雅一 清水
Original Assignee
日本電気株式会社
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 日本電気株式会社 filed Critical 日本電気株式会社
Priority to PCT/JP2020/037286 priority Critical patent/WO2022070349A1/ja
Priority to US18/023,932 priority patent/US20240029466A1/en
Priority to JP2022553343A priority patent/JP7485063B2/ja
Publication of WO2022070349A1 publication Critical patent/WO2022070349A1/ja

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
    • 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
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
    • G06V10/751—Comparing pixel values or logical combinations thereof, or feature values having positional relevance, e.g. template matching
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/761—Proximity, similarity or dissimilarity measures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
    • G06V30/10—Character recognition
    • G06V30/19—Recognition using electronic means
    • G06V30/191—Design or setup of recognition systems or techniques; Extraction of features in feature space; Clustering techniques; Blind source separation
    • G06V30/1912—Selecting the most significant subset of features
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/50—Maintenance of biometric data or enrolment thereof

Definitions

  • This disclosure relates to a threshold calculation system for calculating a threshold for biometric authentication, a threshold calculation method, and a technical field of a computer program.
  • Patent Document 1 discloses that a threshold value for each registered data is generated based on a collation degree distribution for each registered data.
  • Patent Document 2 discloses that a threshold value is directly determined or statistical processing is performed based on the similarity distribution between individuals and the similarity distribution between individuals.
  • Patent Document 3 discloses that a threshold value is calculated using the mean value and standard deviation of the distribution of similarity.
  • One aspect of the threshold calculation system of this disclosure is a first acquisition means for acquiring collation information used for collation of a living body, a second acquisition means for acquiring attribute information indicating the attributes of the living body or the collation information, and the above-mentioned.
  • a storage means for storing the collation information and the attribute information for each living body, a sample extraction means for extracting a plurality of the collation information as sample data from the storage means based on a predetermined condition regarding the attribute information, and the sample.
  • a population estimation means for estimating a population from data and a threshold calculation means for calculating a threshold for the collation information based on the estimated population distribution are provided.
  • One aspect of the threshold calculation method of this disclosure is to acquire collation information used for collation of a living body, acquire attribute information indicating the attribute of the living body or the collation information, and obtain the collation information and the attribute information for each living body.
  • a plurality of the matching information is extracted as sample data from the storage means based on a predetermined condition regarding the attribute information, a population is estimated from the sample data, and the estimated population is estimated.
  • the threshold value for the collation information is calculated based on the distribution of.
  • One aspect of the computer program of this disclosure is to acquire collation information used for collation of a living body, acquire attribute information indicating the attribute of the living body or the collation information, and obtain the collation information and the attribute information for each living body.
  • a plurality of the matching information is extracted as sample data from the storage means based on a predetermined condition regarding the attribute information, a population is estimated from the sample data, and the estimated population is used.
  • the computer is operated to calculate the threshold value for the collation information based on the distribution of.
  • FIG. 1 is a block diagram showing a hardware configuration of the threshold value calculation system according to the first embodiment.
  • the threshold calculation system 10 includes a processor 11, a RAM (Random Access Memory) 12, a ROM (Read Only Memory) 13, and a storage device 14.
  • the threshold value calculation system 10 may further include an input device 15 and an output device 16.
  • the processor 11, the RAM 12, the ROM 13, the storage device 14, the input device 15, and the output device 16 are connected via the data bus 17.
  • Processor 11 reads a computer program.
  • the processor 11 is configured to read a computer program stored in at least one of the RAM 12, the ROM 13, and the storage device 14.
  • the processor 11 may read a computer program stored in a computer-readable recording medium by using a recording medium reading device (not shown).
  • the processor 11 may acquire (that is, may read) a computer program from a device (not shown) located outside the threshold calculation system 10 via a network interface.
  • the processor 11 controls the RAM 12, the storage device 14, the input device 15, and the output device 16 by executing the read computer program.
  • a functional block for calculating a threshold value related to biometric authentication is realized in the processor 11.
  • processor 11 a CPU (Central Processing Unit), a GPU (Graphics Processing Unit), an FPGA (field-programmable gate array), a DSP (Demand-Side Platform), and an ASIC (Application) are used. Alternatively, a plurality of them may be used in parallel.
  • CPU Central Processing Unit
  • GPU Graphics Processing Unit
  • FPGA field-programmable gate array
  • DSP Demand-Side Platform
  • ASIC Application Specific integrated circuit
  • the RAM 12 temporarily stores the computer program executed by the processor 11.
  • the RAM 12 temporarily stores data temporarily used by the processor 11 while the processor 11 is executing a computer program.
  • the RAM 12 may be, for example, a D-RAM (Dynamic RAM).
  • the ROM 13 stores a computer program executed by the processor 11.
  • the ROM 13 may also store fixed data.
  • the ROM 13 may be, for example, a P-ROM (Programmable ROM).
  • the storage device 14 stores data stored for a long period of time by the threshold value calculation system 10.
  • the storage device 14 may operate as a temporary storage device of the processor 11.
  • the storage device 14 may include, for example, at least one of a hard disk device, a magneto-optical disk device, an SSD (Solid State Drive), and a disk array device.
  • the input device 15 is a device that receives an input instruction from the user of the threshold value calculation system 10.
  • the input device 15 may include, for example, at least one of a keyboard, a mouse and a touch panel.
  • the output device 16 is a device that outputs information about the threshold value calculation system 10 to the outside.
  • the output device 16 may be a display device (for example, a display) capable of displaying information about the threshold value calculation system 10.
  • FIG. 2 is a block diagram showing a functional configuration of the threshold value calculation system according to the first embodiment.
  • the threshold value calculation system 10 includes a collation information acquisition unit 110, an attribute information acquisition unit 120, and a personal information storage unit 130 as processing blocks for realizing the function.
  • a sampling unit 140, a population estimation unit 150, and a threshold value calculation unit 160 are provided.
  • Each of the collation information acquisition unit 110, the attribute information acquisition unit 120, the sampling unit 140, the population estimation unit 150, and the threshold value calculation unit 160 may be realized by the processor 11 (see FIG. 1) described above.
  • the personal information storage unit 130 may be realized by the storage device 14 (see FIG. 1) described above.
  • the collation information acquisition unit 110 is configured to be able to acquire collation information used for the authentication operation of the living body (specifically, the collation operation with the registered data).
  • the collation information acquisition unit 110 may directly acquire the collation information, or may calculate the collation information using the acquired information. Specific examples of the collation information will be described in other embodiments described later.
  • the collation information acquired by the collation information acquisition unit 110 is output to the personal information storage unit 130.
  • the attribute information acquisition unit 120 is configured to be able to acquire attribute information indicating the attributes of the living body or the collation information.
  • the attribute information acquisition unit 110 may directly acquire the attribute information, or may determine and acquire the attribute from the acquired information. Specific examples of attribute information will be described in other embodiments described later.
  • the collation information acquired by the attribute information acquisition unit 120 is output to the personal information storage unit 130.
  • the personal information storage unit 130 is configured to be able to store the collation information acquired by the collation information acquisition unit 110 and the attribute information acquired by the attribute information acquisition unit 120.
  • the personal information storage unit 130 is configured to be able to store a plurality of collation information and attribute information for each living body (for example, in FIG. 2, the collation information and attribute information of individual A, individual B, and individual X are each storable. An example that is stored separately is shown).
  • the collation information and attribute information stored in the personal information storage unit 130 can be appropriately read out by the sampling unit 140. Further, the personal information storage unit 130 may have a function of partially (for example, for each living body) deleting the stored collation information and attribute information.
  • the sample extraction unit 140 is configured to be able to extract a part or all of the collation information stored in the personal information storage unit 130 as sample data for estimating the population.
  • the sampling unit 140 is configured to be able to extract sample data based on a predetermined condition regarding attribute information (hereinafter, appropriately referred to as “population condition”).
  • the population condition is a condition set based on, for example, a population assumed to be an authentication target.
  • the parameters set as the population condition are, for example, the confidence coefficient (1- ⁇ ⁇ ) for calculating the confidence interval of the population mean, or the confidence coefficient (1- ⁇ ⁇ ) for calculating the confidence interval of the population. It may be there. More specific examples of population conditions will be described in embodiments described below.
  • the sample data extracted by the sampling unit 140 is output to the population estimation unit 150.
  • the population estimation unit 150 is configured so that the population can be estimated using the sample data extracted by the sampling unit 140.
  • the population here includes an unknown stranger who is not stored in the personal information storage unit 130, and is calculated assuming that the threshold value for the collation information can be calculated.
  • Information about the population estimated by the population estimation unit 150 is output to the threshold value calculation unit 160.
  • the population estimation unit 150 may calculate, for example, an interval upper limit value according to a confidence coefficient (1- ⁇ ⁇ ). Specifically, the population estimation unit 150 sets the number of elements nE of the sample data, and calculates the sample mean x AVE , the unbiased variance U 2 , and the universal standard deviation U S from the sample data. Subsequently, the population estimation unit 150 calculates a confidence interval of the population mean ⁇ from the calculated sample mean x AVE , unbiased variance U 2 , number of elements n E , and confidence coefficient (1- ⁇ ⁇ ). At this time, if the number of elements n E is sufficiently large, the population mean ⁇ may be the sample mean x AVE . Then, the population estimation unit 150 calculates the section upper limit value according to the confidence coefficient (1- ⁇ ⁇ ) by using the population mean ⁇ and the unbiased standard deviation US, which is an unbiased estimator of the population standard deviation ⁇ .
  • the threshold value calculation unit 160 is configured to be able to calculate a threshold value used for biometric authentication using collation information based on the distribution of the population estimated by the population estimation unit 150. For example, when the population estimation unit 150 calculates the section upper limit value according to the confidence coefficient (1- ⁇ ⁇ ), the threshold value calculation unit 160 sets the value equal to or higher than the calculated section upper limit value as the threshold value. You may do it.
  • the threshold value calculation unit 160 may store the calculated threshold value in the personal information storage unit 130. When the threshold value is already stored in the personal information storage unit 130, the threshold value calculation unit 160 may rewrite (that is, update) with a new threshold value. Further, the threshold value calculation unit 160 may have a function of notifying the system administrator that the threshold value has been calculated (updated).
  • FIG. 3 is a flowchart showing the flow of the registration operation in the threshold value calculation system according to the first embodiment.
  • the collation information acquisition unit 110 first acquires the collation information of the living body (step S11). Then, the collation information acquisition unit 110 stores the acquired collation information in the personal information storage unit 130 (step S12).
  • the attribute information acquisition unit 120 acquires attribute information indicating the attributes of the living body or the collation information (step S13). Then, the attribute information acquisition unit 120 stores the acquired attribute information in the personal information storage unit 130 (step S14). The collation information and the attribute information are stored in a state of being associated with each living body.
  • the personal information storage unit 130 stores the collation information and the attribute information of a plurality of living bodies in the living body unit.
  • FIG. 4 is a flowchart showing the flow of the threshold value calculation operation in the threshold value calculation system according to the first embodiment.
  • the sample extraction unit 140 first collects the collation information stored in the personal information storage unit based on the population condition as sample data. (Step S101). Subsequently, the population estimation unit 150 estimates the population using the extracted sample data (step S102).
  • the threshold value calculation unit 160 calculates the threshold value from the estimated population distribution (step S103).
  • the threshold value calculation unit 160 typically calculates a threshold value for each living body.
  • the threshold value calculation unit 160 may create a cluster in a specific attribute unit, calculate the maximum value or the average value of the threshold value of the living body belonging to the cluster, and set the threshold value in the cluster unit. Further, the threshold value calculation unit 160 may set one threshold value for the entire personal information storage unit 130.
  • the threshold value calculation system 10 determines whether or not the threshold value has been calculated for all the registrants (that is, all the living bodies stored in the personal information storage unit) (step S104). Then, when it is determined that the threshold value has not been calculated for all the registrants (step S104: NO), the threshold value calculation system 10 repeats the process from step S101. On the other hand, when it is determined that the threshold value has been calculated for all the registrants (step S104: YES), the threshold value calculation system 10 ends a series of processes.
  • FIG. 5 is a graph showing the relationship between the threshold value and the false acceptance rate and the false rejection rate.
  • FIG. 6 is a graph showing the difference in the ideal threshold value due to the difference in the sample distribution.
  • the smaller the threshold value used for biometric authentication the higher the FAR (tolerance rate for others).
  • the larger the threshold value used for biometric authentication the higher the FRR (false rejection rate). Therefore, it is important to set an appropriate threshold value for biometric authentication.
  • the threshold value calculated by the distribution of the sample data is different.
  • the threshold value X is calculated as an ideal threshold value.
  • the threshold value Y is calculated from the sample data shown in FIG. 6 (b).
  • the threshold value Z is calculated from the sample data shown in FIG. 6 (c). Therefore, if the sample data used for calculating the threshold value is not properly extracted, the calculated threshold value may become an inappropriate value.
  • sample data for calculating the threshold value is extracted based on the population condition regarding the attribute information. That is, appropriate sample data is extracted in consideration of attribute information. With appropriate sample data, the population can be estimated appropriately. Properly estimating the population means that the distribution of the population including unknown strangers that are not remembered can also be properly estimated. As a result, an appropriate threshold value assuming an unknown stranger can be calculated from the estimated population distribution.
  • the threshold value calculation system 10 according to the second embodiment will be described with reference to FIGS. 7 and 8.
  • the second embodiment is different from the first embodiment described above in a part of the configuration and operation.
  • the hardware configuration may be the same as that of the first embodiment (see FIG. 1). .. Therefore, in the following, the description of the portion overlapping with the first embodiment will be omitted as appropriate.
  • FIG. 7 is a block diagram showing a functional configuration of the threshold value calculation system according to the second embodiment.
  • the same reference numerals are given to the same components as those shown in FIG. 2.
  • the threshold value calculation system 10 has an image acquisition unit 50, a feature amount extraction unit 111, a collation score calculation unit 112, an attribute information acquisition unit 120, and a personal information storage unit. It includes 130, a sampling unit 140, a population estimation unit 150, and a threshold value calculation unit 160. That is, the threshold value calculation system 10 according to the second embodiment is configured to further include an image acquisition unit 50 in addition to the configuration of the first embodiment (see FIG. 2). Further, the threshold value calculation system 10 according to the second embodiment is configured to include a feature amount extraction unit 111 and a collation score calculation unit 112 in place of the collation information acquisition unit 110 according to the first embodiment. Each of the image acquisition unit 50, the feature amount extraction unit 111, and the collation score calculation unit 112 may be realized by the processor 11 (see FIG. 1) described above.
  • the image acquisition unit 50 is configured to be able to acquire an image including a living body from, for example, a camera or the like.
  • the image acquisition unit 50 acquires, for example, a face image, an iris image, a fingerprint image, or the like as an image including a living body.
  • the image data acquired by the image acquisition unit 50 is output to the feature amount extraction unit 111 and the attribute information acquisition unit 120.
  • the feature amount extraction unit 111 is configured to be able to extract the feature amount of the living body from the image acquired by the image acquisition unit 50. As for the method for extracting the feature amount, the existing technique can be appropriately adopted, and therefore detailed description thereof is omitted here.
  • the feature amount extracted by the feature amount extraction unit 111 is stored in the personal information storage unit 130.
  • the attribute information acquisition unit 120 determines and acquires an attribute from the image acquired by the image acquisition unit 50.
  • the attribute information acquisition unit 120 may acquire the attribute information from other than the image.
  • the attribute information acquisition unit 120 may acquire qualitative and quantitative information explicitly input as personal data of a living body as attribute information.
  • the collation score calculation unit 112 is configured to be able to calculate a collation score using the feature amount stored in the personal information storage unit 130 (in other words, the feature amount extracted by the feature amount extraction unit 111).
  • the collation score here is a score indicating the degree of similarity (or degree of agreement) between the newly registered feature amount of the living body and the already registered feature amount of the living body, and is one of the newly registered living bodies. It is calculated by comparing the feature amount of a person with the feature amount of n people already registered.
  • the collation score calculated by the collation score calculation unit 112 is stored in the personal information storage unit 130 for each living body. That is, the collation score is stored in the personal information storage unit 130 in a state of being associated with the feature amount and attribute information that have already been stored.
  • FIG. 8 is a flowchart showing the flow of the registration operation in the threshold value calculation system according to the second embodiment.
  • the same reference numerals are given to the same processes as those shown in FIG.
  • the image acquisition unit 50 first acquires an image including a living body (step S21).
  • the image acquisition unit 50 may execute various processes (for example, image processing for facilitating acquisition of feature amounts and attribute information) on the image data.
  • the feature amount extraction unit 111 extracts the feature amount of the living body from the image data (step S22). Then, the feature amount extraction unit 111 stores the extracted feature amount in the personal information storage unit 130 (step S23). After that, the collation score calculation unit 112 calculates the collation score from the feature amount (step S24). Then, the collation score calculation unit 112 stores the calculated collation score in the personal information storage unit 130 (step S25).
  • the attribute information acquisition unit 120 acquires attribute information indicating the attributes of the living body or the collation information (step S13). Then, the attribute information acquisition unit 130 stores the acquired attribute information in the personal information storage unit 130 (step S14).
  • the collation score is stored in the personal information storage unit 130 as collation information.
  • the collation score may be stored as a set with the attribute information of the living body used for calculating the collation score.
  • the collation score calculated by comparison with Mr. A may be stored as a set with the attribute information of Mr. A.
  • N is a natural number
  • N sets that is, a set of collation score and attribute information
  • the personal information storage unit 130 may store the feature amount as the collation information. In this case, the collation score may not be stored in the personal information storage unit 130.
  • the threshold value calculation operation according to the second embodiment is the same flow as the threshold value calculation operation (see FIG. 4) according to the first embodiment. Therefore, a new figure will be omitted, and the description will be given with reference to FIG. 4 as appropriate.
  • the sampling unit 140 samples the collation score stored in the personal information storage unit 130 based on the population condition while referring to the corresponding attribute information. Extract as data (step S101). If the collation score is not stored in the personal information storage unit 130 (for example, when the feature amount is stored as collation information), the feature score may be calculated at this stage. Subsequently, the population estimation unit 150 estimates the population using the extracted sample data (step S102). Subsequently, the threshold value calculation unit 160 calculates the threshold value from the estimated population distribution (step S103). The threshold value calculation unit 160 calculates a threshold value for each living body.
  • the threshold value calculation system 10 determines whether or not the threshold value has been calculated for all the registrants (that is, all the living bodies stored in the personal information storage unit) (step S104). Then, when it is determined that the threshold value has not been calculated for all the registrants (step S104: NO), the threshold value calculation system 10 repeats the process from step S101. On the other hand, when it is determined that the threshold value has been calculated for all the registrants (step S104: YES), the threshold value calculation system 10 ends a series of processes.
  • a feature amount is extracted from an image of a living body, and a collation score is calculated using the feature amount. Therefore, it is possible to easily acquire and store the verification information used for biometric authentication. Further, since the attribute information can be determined and acquired from the image of the living body, it is possible to appropriately acquire the attribute information even when the attribute information is not directly input.
  • FIG. 9 is a block diagram showing a functional configuration of a modified example of the threshold value calculation system according to the second embodiment.
  • the same reference numerals are given to the same components as those shown in FIG. 7.
  • the threshold value calculation system 10 includes an image acquisition unit 50, a feature amount extraction unit 111, a collation score calculation unit 112, an attribute information acquisition unit 120, and an individual. It includes an information storage unit 130, a sampling unit 140, a population estimation unit 150, a threshold value calculation unit 160, and a collation determination unit 170. That is, the threshold value calculation system 10 according to the second embodiment is configured to further include a collation determination unit 170 in addition to the configuration of the second embodiment (see FIG. 7). The collation determination unit 170 may be realized by the processor 11 (see FIG. 1) described above.
  • the personal information storage unit 130 is configured to be able to store the threshold value calculated by the threshold value calculation unit 160 for each living body. That is, the threshold value calculated by the threshold value calculation unit 160 is stored in the personal information storage unit 130 in a state of being associated with the feature amount, the attribute information, and the collation score already stored.
  • FIG. 10 is a flowchart showing the flow of the authentication operation according to the modified example of the threshold value calculation system according to the second embodiment.
  • the same reference numerals are given to the same processes as those shown in FIG.
  • the image acquisition unit 50 first acquires an image including a living body to be authenticated (step S21).
  • the feature amount extraction unit 111 extracts the feature amount of the living body from the image data (step S22). Then, the feature amount extraction unit 111 stores the extracted feature amount in the personal information storage unit 130 (step S23). After that, the collation score calculation unit 112 calculates the collation score from the feature amount (step S24). Then, the collation score calculation unit 112 stores the calculated collation score in the personal information storage unit 130 (step S25).
  • the attribute information acquisition unit 120 acquires attribute information indicating the attributes of the living body or the collation information (step S13). Then, the attribute information acquisition unit 130 stores the acquired attribute information in the personal information storage unit 130 (step S14). If the attribute information is not used at the time of authentication, it is not always necessary to acquire the attribute information in parallel. For example, the attribute information may be acquired after the authentication operation is completed according to the processing load of the system or the like.
  • the collation determination unit 170 compares the collation score with the threshold value and determines whether or not there is a collation score exceeding the threshold value (step S201). Then, when there is a collation score exceeding the threshold value (step S201: YES), the collation determination unit 170 has succeeded in biometric authentication (that is, the living body to be authenticated matches the living body corresponding to the collation score exceeding the threshold value). (Step S202). In this case, the collation determination unit 170 may output an instruction to perform processing associated with the success of biometric authentication. For example, a subject who has succeeded in biometric authentication may be instructed to perform a process of opening (that is, making it possible to pass) the gate to be passed.
  • the collation score to be authenticated exceeds the threshold value for a plurality of registered living organisms, it may be determined that the collation score matches the one with the higher collation score. Since it is not preferable that there are a plurality of organisms exceeding the threshold value, when a plurality of organisms exceeding the threshold value are detected, the population is estimated and the threshold value is reset (for example, the threshold value is changed to be higher). ) May be executed. Further, when the threshold value is set for each registered living body, the degree of deviation between the collation score and the threshold value (that is, how much the threshold value is exceeded) may be taken into consideration.
  • biometric authentication If the biometric authentication is successful, a part or all of the information already stored in the personal information storage unit 130 (that is, feature amount, attribute information, collation score) is newly acquired according to the quality of the data. It may be rewritten to the data.
  • the collation determination unit 170 determines that the biometric authentication has failed (that is, the organism to be authenticated does not match any of the registered organisms). (Step S203). In this case, the collation determination unit 170 may output an instruction to perform processing associated with the failure of biometric authentication. For example, a subject who has failed biometric authentication may be instructed to perform a process of closing (that is, making it impossible to pass) the gate to be passed.
  • the threshold value used in the above-mentioned authentication operation is calculated in advance by the threshold value calculation operation described with reference to FIG. Therefore, since it is not necessary to calculate the threshold value after the authentication operation is started, it is possible to suppress an increase in the processing load in the authentication operation.
  • the threshold value calculation system 10 according to the third embodiment will be described with reference to FIG.
  • the third embodiment explains specific examples of the attribute information, and the configuration and operation of the system may be the same as those of the first and second embodiments described above (see FIGS. 1 to 10). ). Therefore, in the following, the description of the parts overlapping with the first and second embodiments will be omitted as appropriate.
  • the threshold value calculation system 10 may use personal attribute information indicating an individual attribute of a living body as attribute information. Examples of personal attribute information include race, age, gender, skin color, and the like.
  • the threshold value calculation system 10 according to the third embodiment may be used in combination with a plurality of personal attribute information. If the personal attribute information is used, an appropriate threshold value can be calculated from the population distribution considering the attributes of each individual included in the population assumed at the time of system operation. (Conditions regarding personal attribute information) Subsequently, the population condition regarding the personal attribute information will be described with reference to FIG.
  • FIG. 11 is a graph showing threshold fluctuations when a sample is extracted along an assumed population distribution.
  • the population condition may be set according to the ratio of the population assumed at the time of system operation. For example, if it is assumed that the ratio of males and females to be authenticated by the system is almost the same, the population condition of "male 50%, female 50%" may be set.
  • the sampling unit 140 extracts males only as a part of the elements and collects sample data matching the population conditions. It should be extracted.
  • the sampling unit 140 may weight the female element and extract it as a plurality of elements, and extract the sample data that matches the population condition.
  • the sample data of the corresponding attribute is small and weighting is performed, population estimation is performed using only the sample data of the corresponding attribute in consideration of the bias of the sample data, and the result is used as an element for multiple elements. It may be extracted. That is, instead of using a small amount of data as it is as a plurality of data, the above-mentioned population estimation may be applied to make up for the insufficient data. More specifically, when the number of samples of 3 (average collation score 0.4) is used as the data for 10 people, for example, the collation score of 0.30 is 1 and the collation score is 0, according to the distribution of the population. 35 may be treated as 2 persons, a collation score of 0.40 as 4 persons, a collation score of 0.45 as 2 persons, a collation score of 0.45 as 2 persons, and a collation score of 0.50 as 1 person.
  • a threshold value different from the threshold value calculated without considering the attributes is calculated.
  • the sampling distribution shown in FIG. 11A is extracted without considering the attributes.
  • the sample distribution as shown by the broken line in FIG. 11B is extracted.
  • a population distribution as shown in FIG. 11 (c) can be obtained from the sample distribution considering the assumed population distribution (that is, a distribution different from the sample distribution in which the attributes are not considered). Therefore, in this case, the calculated threshold value is higher than that in the case where the attribute is not considered.
  • a more appropriate threshold value can be calculated in consideration of the ratio of each attribute in the population.
  • the day of the week or time zone may be used as the population condition.
  • a different ratio is set as the population condition for each day of the week, for example, a male-female ratio of 40:60 on Monday and a male-female ratio of 60:40 on Saturday. It's okay.
  • the ratio of men and women is 40:60 from 10:00 to 12:00, and the ratio of men and women is 60:40 from 12:00 to 14:00.
  • the population condition may be set by combining the time zone and the day of the week. By using the day of the week and the time zone as the population condition, it is possible to set an appropriate population condition according to the actual operation.
  • the threshold value calculation system 10 according to the fourth embodiment will be described with reference to FIG. Note that the fourth embodiment explains specific examples of attribute information as in the third embodiment, and the configuration and operation of the system may be the same as those of the first and second embodiments described above. (See FIGS. 1 to 10). Therefore, in the following, the description of the parts overlapping with the first and second embodiments will be omitted as appropriate.
  • the threshold value calculation system 10 may use the environment attribute information indicating the environment in which the collation information is acquired as the attribute information.
  • environmental attribute information the environment when an image of a living body is taken (for example, how the living body is reflected, camera specifications, imaging parameter information, presence / absence and intensity of a light source, background type, image quality, color). Taste, pixel brightness, etc.).
  • the threshold value calculation system 10 according to the fourth embodiment may be used in combination with a plurality of environmental attribute information. If the environment attribute information is used, only the sample data acquired in an appropriate environment can be extracted, so that the influence of the data acquired in an inappropriate environment can be eliminated and an appropriate threshold value can be calculated. (Conditions related to environmental attribute information) Subsequently, the population condition regarding the environmental attribute information will be described with reference to FIG. 12.
  • FIG. 12 is a graph showing threshold fluctuations when a sample is extracted by excluding the influence of the pixel luminance difference.
  • the population condition may be set to extract only those having a similar degree of similarity to the environment in which the image of the living body is captured. In other words, if the environment in which the image of the living body is captured is significantly different, it may be excluded from the extraction target. Further, those obtained from those having an extremely poor index indicating the captured environment or the quality of the image may be excluded from the extraction target. That is, the information whose environmental attribute information (for example, imaging parameter, environmental parameter, resolution, etc.) does not reach a certain level may be excluded from the extraction target.
  • environmental attribute information for example, imaging parameter, environmental parameter, resolution, etc.
  • a threshold value different from the threshold value calculated without considering the attributes is calculated.
  • the sampling distribution shown in FIG. 12A is extracted without considering the attributes.
  • the sample distribution as shown by the broken line in FIG. 12B is extracted by excluding those having a large difference in pixel luminance.
  • a population distribution as shown in FIG. 12 (c) can be obtained from the sample distribution excluding those having a large difference in the brightness of the image pixels (that is, a distribution different from the sample distribution in which the attributes are not considered) can be obtained. ). Therefore, in this case, the calculated threshold value is lower than that in the case where the attribute is not considered.
  • the day of the week or the time zone may be used as the population condition.
  • the day of the week or the time zone may be used as the population condition.
  • the shape of the distribution of the population is stored as a history, and if a similar distribution is calculated in a specific time zone or day of the week, the subsequent threshold update is stopped in that specific time zone or day of the week.
  • the frequency of threshold update may be reduced.
  • the threshold value calculation system 10 according to the fifth embodiment will be described with reference to FIGS. 13 and 14.
  • the fourth embodiment is different from the first to fourth embodiments described above in a part of the configuration and operation, and the hardware configuration and each operation described above (registration operation, threshold value calculation operation, authentication).
  • the operation may be the same as each embodiment described above. Therefore, in the following, the description of the parts overlapping with the above-mentioned first to fourth embodiments will be omitted as appropriate.
  • the threshold value calculation system 10 includes an image acquisition unit 50, a feature amount extraction unit 111, a collation score calculation unit 112, an attribute information acquisition unit 120, and a personal information storage unit. It includes 130, a sampling unit 140, a population estimation unit 150, a threshold value calculation unit 160, a collation determination unit 170, an authentication status storage unit 180, and a condition change unit 190. That is, the threshold value calculation system 10 according to the fifth embodiment is configured to further include an authentication status storage unit 180 and a condition change unit 190 in addition to the configuration of the modified example of the second embodiment (see FIG. 9). There is.
  • the authentication status storage unit 180 may be realized by the storage device 14 (see FIG. 1) described above.
  • the condition changing unit 190 may be realized by the processor 11 (see FIG. 1) described above.
  • the authentication status storage unit 180 is configured to be able to store the authentication result in the collation determination unit 170.
  • the authentication status storage unit 180 stores, for example, the number of registered living organisms, the number of living organisms determined to be unregistered, the ratio by attribute information, and the like.
  • Various information stored in the authentication status storage unit 180 is appropriately readable by the condition change unit 190.
  • the condition changing unit 190 is configured to be able to change the population condition on condition that sufficient information is accumulated in the authentication status storage unit 180.
  • the condition changing unit 190 sets the population condition according to the actual operation status of the system by feeding back the information stored in the authentication status storage unit 180, for example. For example, when it can be determined from the information stored in the authentication status storage unit 180 that the population ratio has changed, the condition changing unit 190 changes the population condition according to the changed ratio. Change to.
  • FIG. 14 is a flowchart showing the flow of the fluctuation operation of the population condition by the threshold value calculation system according to the fifth embodiment.
  • the condition changing unit 190 first determines whether or not sufficient authentication history is accumulated in the authentication status storage unit 180 (step S301). .. Specifically, the condition changing unit 190 may determine whether or not a large amount of authentication history is accumulated so that the population in actual operation can be estimated.
  • condition changing unit 190 may be configured so that the conditions can be changed manually (for example, by an operation of a system administrator or the like). For example, if an instruction to change the population condition is input immediately, the condition changing unit 190 may change the population condition according to the authentication history even if sufficient authentication history is not accumulated. good. Further, when the specific condition of the population condition is input, the condition changing unit 190 may adopt the input population condition as it is without using the accumulated authentication history.
  • the population condition is appropriately changed, so that sample data is newly extracted from the changed population condition and the threshold value is set. Will be updated. Therefore, it is possible to update the threshold value more appropriately than when the population condition is not changed. Specifically, it is possible to realize threshold update according to the population in actual operation.
  • the threshold value calculation system 10 according to the sixth embodiment will be described with reference to FIG.
  • the sixth embodiment explains a specific example of the timing of executing the threshold value calculation operation, and the system configuration and other operations may be the same as those of the first to fifth embodiments described above. Therefore, in the following, the description of the part that overlaps with the part already described will be omitted as appropriate.
  • FIG. 15 is a flowchart showing the flow of the threshold value calculation operation in the threshold value calculation system according to the sixth embodiment.
  • the same reference numerals are given to the same processes as those shown in FIG.
  • the example shown in FIG. 15 is premised on a configuration including the condition changing unit 190 as in the fourth embodiment.
  • the threshold value calculation system 10 first determines whether or not the population condition has been changed by the condition changing unit 190 (step S401). If it is determined that the population condition has not been changed (step S401: NO), the subsequent processing is omitted, and the series of processing ends.
  • step S401 when it is determined that the population condition has been changed (step S401: YES), the threshold value calculation system 10 executes the threshold value calculation operation described in FIG. 4 (that is, the processing of steps S101 to S104). Therefore, the threshold value is calculated (updated) at the timing when the population condition is changed. In this way, the threshold value can be updated at an appropriate timing according to the change in the population that should be assumed in actual operation.
  • FIG. 16 is a flowchart showing the flow of the threshold value calculation operation in the threshold value calculation system according to the seventh embodiment.
  • the same reference numerals are given to the same processes as those shown in FIG.
  • the threshold value calculation system 10 first determines whether or not new biological information is stored in the personal information storage unit (step S501). That is, the threshold value calculation system 10 determines whether or not the registration operation described with reference to FIGS. 3 and 8 has been executed. If it is determined that new biological information is not stored (step S501: NO), the subsequent processing is omitted, and a series of processing is completed.
  • step S501 when it is determined that new biological information has been stored (step S501: YES), the threshold value calculation system 10 executes the threshold value calculation operation described in FIG. 4 (that is, the processing of steps S101 to S104). Therefore, the threshold value is calculated (updated) at the timing when new biological information is stored. By doing so, it becomes possible to update the threshold value at the timing when the elements that can be extracted as sample data increase. Further, since the threshold value is calculated at the stage of registering the biometric information, it is possible to suppress an increase in the processing load when performing biometric authentication (that is, it is not necessary to execute the process of calculating the threshold value at the time of collation).
  • the threshold value calculation system 10 according to the eighth embodiment will be described with reference to FIGS. 17 and 18. It should be noted that the eighth embodiment differs from the above-mentioned first to seventh embodiments only in a part of the operation (specifically, the operation of registering the unregistered person data), and the system configuration and other operations are different. The operation may be the same as each embodiment described above. Therefore, in the following, the description of the parts overlapping with the first to fifth embodiments will be omitted as appropriate.
  • FIG. 17 is a flowchart showing the flow of the authentication operation according to the modified example of the threshold value calculation system according to the eighth embodiment.
  • the same reference numerals are given to the same processes as those shown in FIG.
  • the threshold value calculation system 10 executes the authentication operation described with reference to FIG. That is, the threshold value calculation system 10 executes the processes of steps S21 to S25 and steps S201 to S203 of FIG.
  • the collation determination unit 170 determines whether or not the collation score of the organism to be authenticated is equal to or less than the second threshold value (step S203).
  • the "second threshold value” here is a threshold value for determining whether or not the living body to be authenticated is an unregistered person (that is, a living body in which data is not stored in the personal information storage unit 130). It is set as a value lower than the threshold value used for biometric authentication.
  • the second threshold value may be, for example, the value of the population average.
  • the collation determination unit 170 determines that the living body is an unregistered person, and stores the attribute information and the collation score in the personal information storage unit 130.
  • the collation determination unit 170 may store personal information such as a feature amount in the personal information storage unit 130.
  • the collation determination unit 170 determines that the living body is not an unregistered person, and does not store the above-mentioned information.
  • the determination using the above-mentioned second threshold value is only an example, and it may be determined whether or not the person is an unregistered person by using another method. For example, if the collation score is below all the threshold values, it may be determined that the living body is an unregistered person. That is, in the above-mentioned example, the determination process using the second threshold value is performed when the collation score is lower than all the threshold values, but when the collation score is lower than all the threshold values, the second threshold value is used. The determination process may be omitted to determine that the living body is an unregistered person.
  • FIG. 18 is a diagram showing an example of UI display when storing unregistered person data.
  • the UI may be realized by the output device 16 (see FIG. 1) described above.
  • a display requesting the consent of the unregistered person may be displayed on the UI display.
  • the unregistered person touches "Yes” it is determined that the consent to the use of the personal information has been obtained, and the personal information of the unregistered person is stored in the personal information storage unit 130.
  • the unregistered person touches "No” it is determined that the consent to use the personal information has not been obtained, and the personal information of the unregistered person is not stored in the personal information storage unit 130.
  • the unregistered person is made to judge only whether or not there is consent, but for example, it may be made to judge whether or not it may be used (remembered) for each type of information.
  • a list of information to be used may be displayed on the UI, and an unregistered person may be asked to select information that may be used.
  • the information of the unregistered person is stored in the personal information storage unit 130.
  • the information of unregistered persons can also be used as sample data, so that the population can be estimated more accurately.
  • the threshold calculation system includes a first acquisition means for acquiring collation information used for collation of a living body, a second acquisition means for acquiring attribute information indicating the living body or the attribute of the collation information, and each living body.
  • a storage means for storing the collation information and the attribute information, a sample extraction means for extracting a plurality of the collation information as sample data from the storage means based on a predetermined condition regarding the attribute information, and a sample data.
  • the threshold calculation system according to Appendix 2 further includes an image acquisition means for acquiring an image including a living body and a feature amount extracting means for extracting the feature amount of the living body from the image, and the storage means is the feature amount.
  • the threshold value calculation system according to the appendix 3 is the threshold value calculation system according to the appendix 1 or 2, wherein the attribute information includes personal attribute information indicating an individual attribute of the living body.
  • the threshold value calculation system according to the appendix 4 is the threshold value calculation system according to the appendix 3, wherein the predetermined condition relates to a ratio to an attribute indicated by the personal attribute information.
  • the threshold value calculation system according to the appendix 5 is the threshold value calculation system according to any one of the appendices 1 to 4, wherein the collation information includes environment attribute information indicating the acquired environment.
  • the threshold value calculation system according to the appendix 6 is the threshold value calculation system according to the appendix 5, wherein the predetermined condition relates to the similarity of the environmental attribute information or the level of the environmental attribute information. ..
  • the threshold value calculation system can change the predetermined conditions based on the storage means for accumulating the result of the authentication process by comparing the collation information with the threshold value and the accumulated result.
  • the threshold value calculation system according to any one of Supplementary note 1 to 6, further comprising various condition changing means.
  • the threshold value calculation system according to the appendix 8 is the threshold value calculation system according to the appendix 7, wherein the sample extraction means extracts the sample data when the predetermined condition is changed.
  • the threshold value calculation system according to Appendix 9 is characterized in that the sample extraction means extracts the sample data when new collation information and attribute information are stored in the storage means.
  • the threshold value calculation system according to any one of the above items.
  • the threshold calculation system according to Appendix 10 is characterized in that the storage means stores the collation information and the attribute information for the living body in which the authentication process by comparing the collation information with the threshold has failed.
  • the threshold value calculation system according to any one of Items 1 to 9.
  • the threshold calculation method acquires collation information used for collation of a living body, acquires attribute information indicating an attribute of the living body or the collation information, and stores the collation information and the attribute information for each living body.
  • a plurality of the matching information is extracted as sample data from the storage means based on a predetermined condition regarding the attribute information, a population is estimated from the sample data, and the distribution of the estimated population is obtained.
  • This is a threshold calculation method characterized by calculating a threshold related to the collation information based on the above.
  • Appendix 12 The computer program according to Appendix 12 acquires collation information used for collation of a living body, acquires attribute information indicating the attributes of the living body or the collation information, and stores the collation information and the attribute information for each living body.
  • a plurality of the matching information is extracted as sample data from the storage means based on a predetermined condition regarding the attribute information, a population is estimated from the sample data, and the distribution of the estimated population is obtained.
  • it is a computer program characterized in that a computer is operated so as to calculate a threshold value related to the collation information.
  • Appendix 13 The recording medium described in Appendix 13 is a recording medium characterized in that the computer program described in Appendix 12 is recorded.
  • Threshold calculation system 11 Processor 14 Storage device 16 Output device 50 Image acquisition unit 110 Collation information acquisition unit 111 Feature quantity acquisition unit 112 Collation score calculation unit 120 Attribute information acquisition unit 130 Personal information storage unit 140 Sampling unit 150 Population estimation unit 160 Threshold calculation unit 170 Collation judgment unit 180 Authentication status storage unit 190 Condition change unit

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Software Systems (AREA)
  • Human Computer Interaction (AREA)
  • Databases & Information Systems (AREA)
  • Medical Informatics (AREA)
  • Computer Security & Cryptography (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Computing Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Evolutionary Computation (AREA)
  • Computer Hardware Design (AREA)
  • General Engineering & Computer Science (AREA)
  • Collating Specific Patterns (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
  • Image Analysis (AREA)

Abstract

閾値算出システム（１０）は、生体の照合に用いる照合情報を取得する第１取得手段（１１０）と、生体の属性を示す属性情報を取得する第２取得手段（１２０）と、生体毎に照合情報及び属性情報を記憶する記憶手段（１３０）と、属性情報に関する所定の条件に基づいて、記憶手段から複数の照合情報を標本データとして抽出する標本抽出手段（１４０）と、標本データから母集団を推定する母集団推定手段（１５０）と、推定された母集団の分布に基づいて、照合情報に関する閾値を算出する閾値算出手段（１６０）とを備える。このような閾値算出システムによれば、生体認証に関する閾値を適切に算出することが可能である。

Description

閾値算出システム、閾値算出方法、及びコンピュータプログラム
　この開示は、生体認証に関する閾値を算出する閾値算出システム、閾値算出方法、及びコンピュータプログラムの技術分野に関する。
　この種のシステムとして、生体認証を行うために、特徴量の類似度分布（照合度分布）を用いて閾値を決定するものが知られている。例えば特許文献１では、登録データ毎の照合度分布に基づいて、各登録データの閾値を生成することが開示されている。特許文献２では、本人同士の類似度分布と、他人との間の類似度分布とに基づいて、直接閾値を決定するか、更に統計的な処理を行うかを決定することが開示されている。特許文献３では、類似度の分布の平均値及び標準偏差を用いて閾値を算出することが開示されている。
特開２０００－２１５３１３号公報 特開２０１１－０４４１０１号公報 特開２００４－０４６６９７号公報
　上述した特許文献では、未知の他人（即ち、照合対象として登録されていない生体）について考慮されておらず、改善の余地がある。
　この開示は、上述した課題を解決することが可能な閾値算出システム、閾値算出方法、及びコンピュータプログラムを提供することを課題とする。
　この開示の閾値算出システムの一の態様は、生体の照合に用いる照合情報を取得する第１取得手段と、前記生体又は前記照合情報の属性を示す属性情報を取得する第２取得手段と、前記生体毎に前記照合情報及び前記属性情報を記憶する記憶手段と、前記属性情報に関する所定の条件に基づいて、前記記憶手段から複数の前記照合情報を標本データとして抽出する標本抽出手段と、前記標本データから母集団を推定する母集団推定手段と、前記推定された母集団の分布に基づいて、前記照合情報に関する閾値を算出する閾値算出手段とを備える。
　この開示の閾値算出方法の一の態様は、生体の照合に用いる照合情報を取得し、前記生体又は前記照合情報の属性を示す属性情報を取得し、前記生体毎に前記照合情報及び前記属性情報を記憶手段に記憶し、前記属性情報に関する所定の条件に基づいて、前記記憶手段から複数の前記照合情報を標本データとして抽出し、前記標本データから母集団を推定し、前記推定された母集団の分布に基づいて、前記照合情報に関する閾値を算出する。
　この開示のコンピュータプログラムの一の態様は、生体の照合に用いる照合情報を取得し、前記生体又は前記照合情報の属性を示す属性情報を取得し、前記生体毎に前記照合情報及び前記属性情報を記憶手段に記憶し、前記属性情報に関する所定の条件に基づいて、前記記憶手段から複数の前記照合情報を標本データとして抽出し、前記標本データから母集団を推定し、前記推定されたの母集団の分布に基づいて、前記照合情報に関する閾値を算出するようにコンピュータを動作させる。
第１実施形態に係る閾値算出システムのハードウェア構成を示すブロック図である。 第１実施形態に係る閾値算出システムの機能的構成を示すブロック図である。 第１実施形態に係る閾値算出システムにおける登録動作の流れを示すフローチャートである。 第１実施形態に係る閾値算出システムにおける閾値算出動作の流れを示すフローチャートである。 閾値と他人許容率及び本人拒否率との関係を示すグラフである。 標本分布の違いによる理想閾値の違いを示すグラフである。 第２実施形態に係る閾値算出システムの機能的構成を示すブロック図である。 第２実施形態に係る閾値算出システムにおける登録動作の流れを示すフローチャートである。 第２実施形態に係る閾値算出システムの変形例の機能的構成を示すブロック図である。 第２実施形態に係る閾値算出システムの変形例による認証動作の流れを示すフローチャートである。 想定される母集団分布に沿って標本を抽出した場合の閾値変動を示すグラフである。 画素輝度差による影響を排除して標本を抽出した場合の閾値変動を示すグラフである。 第５実施形態に係る閾値算出システムの機能的構成を示すブロック図である。 第５実施形態に係る閾値算出システムによる母集団条件の変動動作の流れを示すフローチャートである。 第６実施形態に係る閾値算出システムにおける閾値算出動作の流れを示すフローチャートである。 第７実施形態に係る閾値算出システムにおける閾値算出動作の流れを示すフローチャートである。 第８実施形態に係る閾値算出システムの変形例による認証動作の流れを示すフローチャートである。 未登録者データを記憶する場合のＵＩ表示例を示す図である。
　以下、図面を参照しながら、閾値算出システム、閾値算出方法、及びコンピュータプログラムの実施形態について説明する。
　＜第１実施形態＞
　第１実施形態に係る閾値算出システムについて、図１から図６を参照して説明する。
　（ハードウェア構成）
　まず、図１を参照しながら、第１実施形態に係る閾値算出システムのハードウェア構成について説明する。図１は、第１実施形態に係る閾値算出システムのハードウェア構成を示すブロック図である。
　図１に示すように、第１実施形態に係る閾値算出システム１０は、プロセッサ１１と、ＲＡＭ（Ｒａｎｄｏｍ　Ａｃｃｅｓｓ　Ｍｅｍｏｒｙ）１２と、ＲＯＭ（Ｒｅａｄ　Ｏｎｌｙ　Ｍｅｍｏｒｙ）１３と、記憶装置１４とを備えている。閾値算出システム１０は更に、入力装置１５と、出力装置１６とを備えていてもよい。プロセッサ１１と、ＲＡＭ１２と、ＲＯＭ１３と、記憶装置１４と、入力装置１５と、出力装置１６とは、データバス１７を介して接続されている。
　プロセッサ１１は、コンピュータプログラムを読み込む。例えば、プロセッサ１１は、ＲＡＭ１２、ＲＯＭ１３及び記憶装置１４のうちの少なくとも一つが記憶しているコンピュータプログラムを読み込むように構成されている。或いは、プロセッサ１１は、コンピュータで読み取り可能な記録媒体が記憶しているコンピュータプログラムを、図示しない記録媒体読み取り装置を用いて読み込んでもよい。プロセッサ１１は、ネットワークインタフェースを介して、閾値算出システム１０の外部に配置される不図示の装置からコンピュータプログラムを取得してもよい（つまり、読み込んでもよい）。プロセッサ１１は、読み込んだコンピュータプログラムを実行することで、ＲＡＭ１２、記憶装置１４、入力装置１５及び出力装置１６を制御する。本実施形態では特に、プロセッサ１１が読み込んだコンピュータプログラムを実行すると、プロセッサ１１内には、生体認証に関する閾値算出するための機能ブロックが実現される。また、プロセッサ１１として、ＣＰＵ（Ｃｅｎｔｒａｌ　Ｐｒｏｃｅｓｓｉｎｇ　Ｕｎｉｔ）、ＧＰＵ（Ｇｒａｐｈｉｃｓ　Ｐｒｏｃｅｓｓｉｎｇ　Ｕｎｉｔ）、ＦＰＧＡ（ｆｉｅｌｄ－ｐｒｏｇｒａｍｍａｂｌｅ　ｇａｔｅ　ａｒｒａｙ）、ＤＳＰ（Ｄｅｍａｎｄ－Ｓｉｄｅ　Ｐｌａｔｆｏｒｍ）、ＡＳＩＣ（Ａｐｐｌｉｃａｔｉｏｎ　Ｓｐｅｃｉｆｉｃ　Ｉｎｔｅｇｒａｔｅｄ　Ｃｉｒｃｕｉｔ）のうち一つを用いてもよいし、複数を並列で用いてもよい。
　ＲＡＭ１２は、プロセッサ１１が実行するコンピュータプログラムを一時的に記憶する。ＲＡＭ１２は、プロセッサ１１がコンピュータプログラムを実行している際にプロセッサ１１が一時的に使用するデータを一時的に記憶する。ＲＡＭ１２は、例えば、Ｄ－ＲＡＭ（Ｄｙｎａｍｉｃ　ＲＡＭ）であってもよい。
　ＲＯＭ１３は、プロセッサ１１が実行するコンピュータプログラムを記憶する。ＲＯＭ１３は、その他に固定的なデータを記憶していてもよい。ＲＯＭ１３は、例えば、Ｐ－ＲＯＭ（Ｐｒｏｇｒａｍｍａｂｌｅ　ＲＯＭ）であってもよい。
　記憶装置１４は、閾値算出システム１０が長期的に保存するデータを記憶する。記憶装置１４は、プロセッサ１１の一時記憶装置として動作してもよい。記憶装置１４は、例えば、ハードディスク装置、光磁気ディスク装置、ＳＳＤ（Ｓｏｌｉｄ　Ｓｔａｔｅ　Ｄｒｉｖｅ）及びディスクアレイ装置のうちの少なくとも一つを含んでいてもよい。
　入力装置１５は、閾値算出システム１０のユーザからの入力指示を受け取る装置である。入力装置１５は、例えば、キーボード、マウス及びタッチパネルのうちの少なくとも一つを含んでいてもよい。
　出力装置１６は、閾値算出システム１０に関する情報を外部に対して出力する装置である。例えば、出力装置１６は、閾値算出システム１０に関する情報を表示可能な表示装置（例えば、ディスプレイ）であってもよい。
　（機能的構成）
　次に、図２を参照しながら、第１実施形態に係る閾値算出システム１０の機能的構成について説明する。図２は、第１実施形態に係る閾値算出システムの機能的構成を示すブロック図である。
　図２に示すように、第１実施形態に係る閾値算出システム１０は、その機能を実現するための処理ブロックとして、照合情報取得部１１０と、属性情報取得部１２０と、個人情報記憶部１３０と、標本抽出部１４０と、母集団推定部１５０と、閾値算出部１６０とを備えている。なお、照合情報取得部１１０、属性情報取得部１２０、標本抽出部１４０、母集団推定部１５０、及び閾値算出部１６０の各々は、上述したプロセッサ１１（図１参照）によって実現されてよい。また、個人情報記憶部１３０は、上述した記憶装置１４（図１参照）によって実現されてよい。
　照合情報取得部１１０は、生体の認証動作（具体的には、登録されているデータとの照合動作）に用いる照合情報を取得可能に構成されている。照合情報取得部１１０は、照合情報を直接取得するものであってもよいし、取得した情報を用いて照合情報を算出するものであってもよい。照合情報の具体例については、後述する他の実施形態において説明する。照合情報取得部１１０で取得された照合情報は、個人情報記憶部１３０に出力される構成となっている。
　属性情報取得部１２０は、生体又は照合情報の属性を示す属性情報を取得可能に構成されている。属性情報取得部１１０は、属性情報を直接取得するものであってもよいし、取得した情報から属性を判定して取得するものであってもよい。属性情報の具体例については、後述する他の実施形態において説明する。属性情報取得部１２０で取得された照合情報は、個人情報記憶部１３０に出力される構成となっている。
　個人情報記憶部１３０は、照合情報取得部１１０で取得された照合情報、及び属性情報取得部１２０で取得された属性情報を記憶可能に構成されている。個人情報記憶部１３０は、複数の照合情報及び属性情報を、生体毎に記憶可能に構成されている（例えば、図２では、個人Ａ、個人Ｂ、個人Ｘの照合情報及び属性情報が、それぞれ別々に記憶されている例が示されている）。個人情報記憶部１３０に記憶された照合情報及び属性情報は、標本抽出部１４０によって適宜読み出し可能とされている。また、個人情報記憶部１３０は、記憶している照合情報及び属性情報を部分的に（例えば、生体単位で）削除する機能を有していてもよい。
　標本抽出部１４０は、個人情報記憶部１３０に記憶された照合情報の一部又は全部を、母集団を推定するための標本データとして抽出可能に構成されている。標本抽出部１４０は、属性情報に関する所定の条件（以下、適宜「母集団条件」と称する）に基づいて、標本データを抽出可能に構成されている。母集団条件は、例えば認証対象として想定される母集団等に基づいて設定される条件である。母集団条件として設定されるパラメータは、例えば母平均の信頼区間を算出するための信頼係数（１－αμ）、又は母集団の信頼区間を算出するための信頼係数（１－ασ）であってよい。母集団条件のより具体的な例については、後述する実施形態において説明する。標本抽出部１４０で抽出された標本データは、母集団推定部１５０に出力される構成となっている。
　母集団推定部１５０は、標本抽出部１４０で抽出された標本データを用いて、母集団を推定可能に構成されている。ここでの母集団は、個人情報記憶部１３０には記憶されていない未知の他人を含むものであり、照合情報に関する閾値を算出可能なものとして算出される。母集団推定部１５０で推定された母集団に関する情報は、閾値算出部１６０に出力される構成となっている。
　母集団推定部１５０は、例えば信頼係数（１－ασ）に応じた区間上限値を算出するようにしてもよい。具体的には、母集団推定部１５０は、標本データの要素数ｎＥとし、標本データから標本平均ｘＡＶＥ、不偏分散Ｕ２、普遍標準偏差ＵＳを算出する。続いて、母集団推定部１５０は、算出した標本平均ｘＡＶＥ、不偏分散Ｕ２、要素数ｎＥ、及び信頼係数（１－αμ）から、母平均μの信頼区間を算出する。この際、要素数ｎＥが十分大きければ、母平均μは標本平均ｘＡＶＥとしてもよい。そして、母集団推定部１５０は、母平均μと母標準偏差σの不偏推定量である不偏標準偏差ＵＳを用いて、信頼係数（１－ασ）に応じた区間上限値を算出する。
　閾値算出部１６０は、母集団推定部１５０で推定された母集団の分布に基づいて、照合情報を用いた生体認証に用いる閾値を算出可能に構成されている。例えば、母集団推定部１５０が信頼係数（１－ασ）に応じた区間上限値を算出している場合、閾値算出部１６０は、算出された区間上限値以上の値を閾値として設定するようにしてもよい。閾値算出部１６０は、算出した閾値を個人情報記憶部１３０に記憶するようにしてもよい。閾値算出部１６０は、すでに閾値が個人情報記憶部１３０に記憶されている場合、新たな閾値で書き換える（即ち、更新する）ようにしてもよい。また、閾値算出部１６０は、閾値を算出（更新）したことをシステム管理者に通知する機能を有していてもよい。
　（登録動作）
　次に、図３を参照しながら、第１実施形態に係る閾値算出システム１０による個人情報の登録動作（即ち、個人情報記憶部１３０に生体の照合情報及び属性情報を記憶する動作）の流れについて説明する。図３は、第１実施形態に係る閾値算出システムにおける登録動作の流れを示すフローチャートである。
　図３に示すように、第１実施形態に係る閾値算出システム１０による登録動作では、まず照合情報取得部１１０が、生体の照合情報を取得する（ステップＳ１１）。そして、照合情報取得部１１０は、取得した照合情報を個人情報記憶部１３０に記憶する（ステップＳ１２）。
　上述したステップＳ１１及びＳ１２の処理と並行して、属性情報取得部１２０が、生体又は照合情報の属性を示す属性情報を取得する（ステップＳ１３）。そして、属性情報取得部１２０は、取得した属性情報を個人情報記憶部１３０に記憶する（ステップＳ１４）。なお、照合情報と属性情報は、生体毎に紐付けられた状態で記憶される。
　上述した一連の処理は、登録する生体毎に繰り返し実行される。この結果、個人情報記憶部１３０には、複数の生体の照合情報及び属性情報が、生体単位で記憶されることになる。
　（閾値算出動作）
　次に、図４を参照しながら、第１実施形態に係る閾値算出システム１０による閾値算出動作の流れについて説明する。図４は、第１実施形態に係る閾値算出システムにおける閾値算出動作の流れを示すフローチャートである。
　図４に示すように、第１実施形態に係る閾値算出システム１０による閾値算出動作では、まず標本抽出部１４０が、母集団条件に基づいて、個人情報記憶部に記憶された照合情報を標本データとして抽出する（ステップＳ１０１）。続いて、母集団推定部１５０が、抽出された標本データを用いて、母集団を推定する（ステップＳ１０２）。
　続いて、閾値算出部１６０が、推定された母集団の分布から閾値を算出する（ステップＳ１０３）。閾値算出部１６０は、典型的には生体毎に閾値を算出する。ただし、閾値算出部１６０は、特定の属性単位でクラスタを作成し、クラスタに所属する生体の閾値の最大値や平均値を算出してクラスタ単位で閾値を設定してもよい。また、閾値算出部１６０は、個人情報記憶部１３０全体で１つの閾値を設定してもよい。
　その後、第１実施形態に係る閾値算出システム１０は、すべての登録者（即ち、個人情報記憶部に記憶された全ての生体）について閾値が算出されたか否かを判定する（ステップＳ１０４）。そして、すべての登録者について閾値が算出されていないと判定した場合（ステップＳ１０４：ＮＯ）、閾値算出システム１０は、ステップＳ１０１から処理を繰り返す。一方、すべての登録者について閾値が算出されたと判定した場合（ステップＳ１０４：ＹＥＳ）、閾値算出システム１０は、一連の処理を終了する。
　（技術的効果）
　次に、図５及び図６を参照しながら、第１実施形態に係る閾値算出システム１０によって得られる技術的効果について説明する。図５は、閾値と他人許容率及び本人拒否率との関係を示すグラフである。図６は、標本分布の違いによる理想閾値の違いを示すグラフである。
　図５に示すように、生体認証に用いる閾値を小さくするほど、ＦＡＲ（他人許容率）は高くなる。一方、生体認証に用いる閾値を大きくするほど、ＦＲＲ（本人拒否率）は高くなる。よって、生体認証を行う上では、適切な閾値を設定することが重要である。
　一方、図６に示すように、標本データの分布によって算出される閾値は異なる。例えば、図６（ａ）に示す標本データからは、理想的な閾値として閾値Ｘが算出される。他方、図６（ｂ）に示す標本データからは、閾値Ｙが算出される。図６（ｃ）に示す標本データからは、閾値Ｚが算出される。よって、閾値を算出するために用いる標本データを適切に抽出しなければ、算出される閾値は不適切な値となってしまうおそれがある。
　しかるに本実施形態に係る閾値算出システム１０によれば、図１から図４で説明したように、属性情報に関する母集団条件に基づいて、閾値を算出するための標本データが抽出される。即ち、属性情報を考慮した上で適切な標本データが抽出される。適切な標本データを用いれば、適切に母集団を推定することができる。母集団を適切に推定することは、記憶されていない未知の他人を含む母集団の分布も適切に推定できることを意味する。この結果、推定された母集団の分布から、未知の他人を想定した適切な閾値を算出することができる。
　＜第２実施形態＞
　第２実施形態に係る閾値算出システム１０について、図７及び図８を参照して説明する。なお、第２実施形態は、上述した第１実施形態と比べて一部の構成及び動作が異なるのみであり、例えばハードウェア構成については第１実施形態（図１参照）と同一であってよい。このため、以下では、第１実施形態と重複する部分については適宜説明を省略するものとする。
　（機能的構成）
　まず、図７を参照しながら、第２実施形態に係る閾値算出システム１０の機能的構成について説明する。図７は、第２実施形態に係る閾値算出システムの機能的構成を示すブロック図である。なお、図７では、図２で示した構成要素と同様の要素に同一の符号を付している。
　図７に示すように、第２実施形態に係る閾値算出システム１０は、画像取得部５０と、特徴量抽出部１１１と、照合スコア算出部１１２と、属性情報取得部１２０と、個人情報記憶部１３０と、標本抽出部１４０と、母集団推定部１５０と、閾値算出部１６０とを備えている。即ち、第２実施形態に係る閾値算出システム１０は、第１実施形態の構成（図２参照）に加えて、画像取得部５０を更に備えて構成されている。また、第２実施形態に係る閾値算出システム１０は、第１実施形態に係る照合情報取得部１１０に代えて、特徴量抽出部１１１、及び照合スコア算出部１１２を備えて構成されている。なお、画像取得部５０、特徴量抽出部１１１、及び照合スコア算出部１１２の各々は、上述したプロセッサ１１（図１参照）によって実現されてよい。
　画像取得部５０は、例えばカメラ等から生体を含む画像を取得可能に構成されている。画像取得部５０は、生体を含む画像として、例えば顔画像、虹彩画像、指紋画像等を取得する。画像取得部５０で取得された画像データは、特徴量抽出部１１１及び属性情報取得部１２０に出力される構成となっている。
　特徴量抽出部１１１は、画像取得部５０で取得された画像から、生体の特徴量を抽出可能に構成されている。なお、特徴量の抽出方法については、既存の技術を適宜採用することができるため、ここでの詳細な説明は省略する。特徴量抽出部１１１で抽出された特徴量は、個人情報記憶部１３０に記憶される。
　なお、第２実施形態に係る属性情報取得部１２０は、画像取得部５０で取得された画像から属性を判定して取得する。ただし、属性情報取得部１２０は、画像以外から属性情報を取得してもよい。例えば、属性情報取得部１２０は、生体の個人データとして明示的に入力された定性的・定量的な情報を属性情報として取得してもよい。
　照合スコア算出部１１２は、個人情報記憶部１３０に記憶された特徴量（言い換えれば、特徴量抽出部１１１で抽出された特徴量）を用いて、照合スコアを算出可能に構成されている。ここでの照合スコアは、新たに登録された生体の特徴量と、すでに登録されている生体の特徴量との類似度（又は一致度）を示すスコアであり、新たに登録された生体の１人の特徴量と、すでに登録されたｎ人の特徴量とを比較して算出される。照合スコア算出部１１２で算出された照合スコアは、生体毎に個人情報記憶部１３０に記憶される構成となっている。即ち、照合スコアは、すでに記憶されている特徴量及び属性情報に紐付けられた状態で個人情報記憶部１３０に記憶される。
　（登録動作）
　次に、図８を参照しながら、第２実施形態に係る閾値算出システム１０による個人情報の登録動作の流れについて説明する。図８は、第２実施形態に係る閾値算出システムにおける登録動作の流れを示すフローチャートである。なお、図８では、図３で示した処理と同様の処理に同一の符号を付している。
　図８に示すように、第２実施形態に係る閾値算出システム１０の登録動作では、まず画像取得部５０が生体を含む画像を取得する（ステップＳ２１）。画像取得部５０は、画像データに対して各種処理（例えば、特徴量や属性情報を取得しやすくするための画像処理等）を実行するようにしてもよい。
　続いて、特徴量抽出部１１１が、画像データから生体の特徴量を抽出する（ステップＳ２２）。そして、特徴量抽出部１１１は、抽出した特徴量を個人情報記憶部１３０に記憶する（ステップＳ２３）。その後、照合スコア算出部１１２が、特徴量から照合スコアを算出する（ステップＳ２４）。そして、照合スコア算出部１１２は、算出した照合スコアを個人情報記憶部１３０に記憶する（ステップＳ２５）。
　上述したステップＳ２２からＳ２５の処理と並行して、属性情報取得部１２０が、生体又は照合情報の属性を示す属性情報を取得する（ステップＳ１３）。そして、属性情報取得部１３０は、取得した属性情報を個人情報記憶部１３０に記憶する（ステップＳ１４）。
　以上の結果、第２実施形態に係る閾値算出システム１０では、照合スコアが照合情報として個人情報記憶部１３０に記憶される。なお、照合スコアは、照合スコアの算出に用いた生体の属性情報とセットで記憶されてよい。例えば、Ａさんとの比較で算出された照合スコアは、Ａさんの属性情報とセットで記憶されてよい。この場合、Ｎ人（Ｎは自然数）と比較して照合スコアを算出した場合は、Ｎ個のセット（即ち、照合スコアと属性情報とのセット）が記憶されてよい。ただし、照合スコアは特徴量から算出することができるため、個人情報記憶部１３０は、特徴量を照合情報として記憶してもよい。この場合、照合スコアは、個人情報記憶部１３０に記憶されずともよい。
　（閾値算出動作）
　次に、第２実施形態に係る閾値算出システム１０による閾値算出動作の流れについて説明する。なお、第２実施形態に係る閾値算出動作は、第１実施形態に係る閾値算出動作（図４参照）と同様のフローである。このため、新たな図については割愛し、適宜図４を参照して説明を進める。
　第２実施形態に係る閾値算出システム１０の閾値算出動作では、標本抽出部１４０が、母集団条件に基づいて、個人情報記憶部１３０に記憶された照合スコアを対応する属性情報を参照しながら標本データとして抽出する（ステップＳ１０１）。なお、個人情報記憶部１３０に照合スコアが記憶されていない場合（例えば、特徴量を照合情報として記憶している場合）には、この段階で特徴スコアを算出すればよい。続いて、母集団推定部１５０が、抽出された標本データを用いて、母集団を推定する（ステップＳ１０２）。続いて、閾値算出部１６０が、推定された母集団の分布から閾値を算出する（ステップＳ１０３）。閾値算出部１６０は、生体毎に閾値を算出する。
　その後、第１実施形態に係る閾値算出システム１０は、すべての登録者（即ち、個人情報記憶部に記憶された全ての生体）について閾値が算出されたか否かを判定する（ステップＳ１０４）。そして、すべての登録者について閾値が算出されていないと判定した場合（ステップＳ１０４：ＮＯ）、閾値算出システム１０は、ステップＳ１０１から処理を繰り返す。一方、すべての登録者について閾値が算出されたと判定した場合（ステップＳ１０４：ＹＥＳ）、閾値算出システム１０は、一連の処理を終了する。
　（技術的効果）
　次に、第２実施形態に係る閾値算出システム１０によって得られる技術的効果について説明する。
　図７及び図８で説明したように、第２実施形態に係る閾値算出システム１０では、生体の画像から特徴量が抽出され、その特徴量を用いて照合スコアが算出される。よって、生体認証に用いる照合情報を容易に取得して記憶することが可能である。また、生体の画像から属性情報を判定して取得することもできるため、属性情報が直接入力されない場合であっても適切に属性情報を取得することが可能である。
　（変形例）
　次に、第２実施形態に係る閾値算出システム１０の変形例について、図９及び図１０を参照して説明する。なお、以下で説明する変形例は、上述した第２実施形態で算出した閾値を用いて、生体認証動作を行うものである。
　（機能的構成）
　まず、図９を参照しながら、第２実施形態の変形例に係る閾値算出システム１０の機能的構成について説明する。図９は、第２実施形態に係る閾値算出システムの変形例の機能的構成を示すブロック図である。なお、図９では、図７で示した構成要素と同様の要素に同一の符号を付している。
　図９に示すように、第２実施形態の変形例に係る閾値算出システム１０は、画像取得部５０と、特徴量抽出部１１１と、照合スコア算出部１１２と、属性情報取得部１２０と、個人情報記憶部１３０と、標本抽出部１４０と、母集団推定部１５０と、閾値算出部１６０と、照合判定部１７０とを備えている。即ち、第２実施形態に係る閾値算出システム１０は、第２実施形態の構成（図７参照）に加えて、照合判定部１７０を更に備えて構成されている。なお、照合判定部１７０は、上述したプロセッサ１１（図１参照）によって実現されてよい。
　また、変形例に係る個人情報記憶部１３０は、生体毎に閾値算出部１６０で算出された閾値を記憶可能に構成されている。即ち、閾値算出部１６０で算出された閾値は、すでに記憶されている特徴量、属性情報、及び照合スコアに紐付けられた状態で、個人情報記憶部１３０に記憶される。
　（認証動作）
　続いて、図１０を参照しながら、第２実施形態の変形例に係る閾値算出システム１０による認証動作について説明する。図１０は、第２実施形態に係る閾値算出システムの変形例による認証動作の流れを示すフローチャートである。なお、図１０では、図８で示した処理と同様の処理に同一の符号を付している。
　図１０に示すように、第２実施形態の変形例に係る閾値算出システム１０では、まず画像取得部５０が認証対象である生体を含む画像を取得する（ステップＳ２１）。
　続いて、特徴量抽出部１１１が、画像データから生体の特徴量を抽出する（ステップＳ２２）。そして、特徴量抽出部１１１は、抽出した特徴量を個人情報記憶部１３０に記憶する（ステップＳ２３）。その後、照合スコア算出部１１２が、特徴量から照合スコアを算出する（ステップＳ２４）。そして、照合スコア算出部１１２は、算出した照合スコアを個人情報記憶部１３０に記憶する（ステップＳ２５）。
　上述したステップＳ２２からＳ２５の処理と並行して、属性情報取得部１２０が、生体又は照合情報の属性を示す属性情報を取得する（ステップＳ１３）。そして、属性情報取得部１３０は、取得した属性情報を個人情報記憶部１３０に記憶する（ステップＳ１４）。なお、認証時に属性情報を用いない場合には、必ずしも属性情報を並行して取得せずともよい。例えば、システムの処理負荷等に応じて、認証動作完了後に属性情報を取得するようにしてもよい。
　続いて、照合判定部１７０は、照合スコアと閾値とを比較して、閾値を超える照合スコアがあるか否かを判定する（ステップＳ２０１）。そして、閾値を超える照合スコアがある場合（ステップＳ２０１：ＹＥＳ）、照合判定部１７０は、生体認証が成功した（即ち、認証対象である生体が、閾値を超えた照合スコアに対応する生体と一致する）と判定する（ステップＳ２０２）。この場合、照合判定部１７０は、生体認証の成功に伴う処理を行うよう指示を出力してもよい。例えば、生体認証が成功した対象者が通過しようとするゲートを開く（即ち、通過可能とする）処理を行うように指示してもよい。
　なお、認証対象の照合スコアが、登録された複数の生体について閾値を上回った場合、より照合スコアが高い方の生体と一致すると判定すればよい。なお、閾値を上回る生体が複数存在する状態は好ましくないため、閾値を上回る生体が複数検知された場合に、母集団を推定して閾値を再設定する（例えば、閾値が高くなるように変更する）という処理を実行するようにしてもよい。また、登録された生体毎に閾値が設定されている場合は、照合スコアと閾値との乖離度（即ち、どの程度閾値を上回ったか）を考慮するようにしてもよい。
　生体認証が成功した場合には、データの品質に応じて、すでに個人情報記憶部１３０に記憶されている情報（即ち、特徴量、属性情報、照合スコア）の一部又は全部を、新たに取得したデータに書き換えてもよい。
　他方、閾値を超える照合スコアがない場合（ステップＳ２０１：ＹＥＳ）、照合判定部１７０は、生体認証が失敗した（即ち、認証対象である生体が、登録されたいずれの生体とも一致しない）と判定する（ステップＳ２０３）。この場合、照合判定部１７０は、生体認証の失敗に伴う処理を行うよう指示を出力してもよい。例えば、生体認証が失敗した対象者が通過しようとするゲートを閉じる（即ち、通過不能とする）処理を行うように指示してもよい。
　なお、上述した認証動作において用いられる閾値は、図４で説明した閾値算出動作によって予め算出されている。よって、認証動作が開始してから閾値を算出する必要がないため、認証動作における処理負荷の増加を抑制することができる。
　＜第３実施形態＞
　第３実施形態に係る閾値算出システム１０について、図１１を参照して説明する。なお、第３実施形態は、属性情報に関する具体例を説明するものであり、システムの構成や動作については、上述した第１及び第２実施形態と同一であってよい（図１から図１０参照）。このため、以下では、第１及び第２実施形態と重複する部分については適宜説明を省略するものとする。
　（個人属性情報）
　まず、第３実施形態に係る閾値算出システム１０で用いられる個人属性情報について説明する。
　第３実施形態に係る閾値算出システム１０は、生体の個人の属性を示す個人属性情報を属性情報として用いてもよい。個人属性情報の一例としては、人種、年齢、性別、肌の色等が挙げられる。第３実施形態に係る閾値算出システム１０は、複数の個人属性情報を組み合わせて利用してもよい。個人属性情報を用いれば、システム運用時に想定される母集団に含まれる各個人の属性を考慮した母集団分布から、適切な閾値を算出することができる。
　（個人属性情報に関する条件）
　続いて、図１１を参照しながら、個人属性情報に関する母集団条件について説明する。図１１は、想定される母集団分布に沿って標本を抽出した場合の閾値変動を示すグラフである。
　個人属性情報を用いる場合、母集団条件は、システムの運用時に想定される母集団の割合に応じたものとして設定されてよい。例えば、システムの認証対象の男性と女性の比率がほぼ等しいことが想定される場合には、「男性５０％、女性５０％」という母集団条件を設定すればよい。このケースにおいて、個人情報記憶部１３０に登録されている生体が男性に偏っている場合、標本抽出部１４０は、男性の抽出を一部の要素のみにして、母集団条件に合致した標本データを抽出すればよい。或いは、標本抽出部１４０は、女性の要素に重み付けをして複数個分の要素として抽出し、母集団条件に合致した標本データを抽出してもよい。なお、該当する属性の標本データが少なく、重み付けを行う場合、同標本データの偏りを考慮し、該当する属性の標本データのみを用いた母集団推定を行い、その結果を複数個分の要素として抽出するようにしてもよい。即ち、少ないデータをそのまま複数個分として使うのではなく、上述した母集団の推定を応用して不足データ分を補うようにしてもよい。より具体的には、標本数３人（平均照合スコア０．４）を１０人分のデータとして使用する場合、母集団の分布に従って、例えば、照合スコア０．３０が１人、 照合スコア０．３５が２人、照合スコア０．４０が４人、照合スコア０．４５が２人、照合スコア０．４５が２人、照合スコア０．５０が１人のように扱ってもよい。
　図１１に示すように、想定される母集団分布に沿って標本データを抽出すると、属性未考慮で算出された閾値とは異なる閾値が算出される。例えば、属性を考慮せずに図１１（ａ）に示す標本分布が抽出されているとする。そして、想定される母集団分布を考慮すると図１１（ｂ）の破線で示すような標本分布が抽出されたとする。この場合、想定される母集団分布を考慮した標本分布からは、図１１（ｃ）に示すような母集団分布が得られる（即ち、属性未考慮の標本分布とは異なる分布が得られる）。従って、このケースでは、属性未考慮の場合と比較して、算出される閾値が上がることになる。
　以上のように、属性の割合に関する条件を母集団条件として設定すれば、母集団における各属性の割合を考慮して、より適切な閾値を算出することができる。
　また、母集団条件として、曜日や時間帯を用いてもよい。上述した属性の割合に関する条件と曜日に関する条件を組み合わせた場合、例えば、月曜日は男女比４０：６０、土曜日は男女比６０：４０等のように、曜日毎に異なる割合が母集団条件として設定されてよい。また、上述した属性の割合に関する条件と時間帯に関する条件を組み合わせた場合、例えば、１０：００～１２：００は男女比４０：６０、１２：００～１４：００は男女比６０：４０等のように、時間帯毎に異なる割合が母集団条件として設定されてよい。なお、時間帯と曜日とを組みわせて母集団条件を設定してもよい。曜日や時間帯を母集団条件として用いれば、実運用に応じた適切な母集団条件を設定することが可能である。
　＜第４実施形態＞
　第４実施形態に係る閾値算出システム１０について、図１２を参照して説明する。なお、第４実施形態は、第３実施形態と同様に属性情報に関する具体例を説明するものであり、システムの構成や動作については、上述した第１及び第２実施形態と同一であってよい（図１から図１０参照）。このため、以下では、第１及び第２実施形態と重複する部分については適宜説明を省略するものとする。
　（環境属性情報）
　まず、第４実施形態に係る閾値算出システム１０で用いられる環境属性情報について説明する。
　第４実施形態に係る閾値算出システム１０は、照合情報が取得された環境を示す環境属性情報を属性情報として用いてもよい。環境属性情報の一例としては、生体の画像が撮影された際の環境（例えば、生体の写り込み方、カメラのスペック、撮像パラメータ情報、光源の有無や強度、背景の種類、画像の品質、色味及び画素輝度等）が挙げられる。第４実施形態に係る閾値算出システム１０は、複数の環境属性情報を組み合わせて利用してもよい。環境属性情報を用いれば、適切な環境で取得された標本データのみを抽出することができるため、不適切な環境で取得されたデータの影響を排除し、適切な閾値を算出することができる。
　（環境属性情報に関する条件）
　続いて、図１２を参照しながら、環境属性情報に関する母集団条件について説明する。図１２は、画素輝度差による影響を排除して標本を抽出した場合の閾値変動を示すグラフである。
　環境属性情報を用いる場合、母集団条件は、生体の画像が撮像された環境の類似度が近いものだけを抽出するものとして設定されてもよい。言い換えれば、生体の画像が撮像された環境が大きく異なるものについては抽出対象外としてもよい。また、撮像された環境や画像の品質を示す指標が極端に悪いものから得られたものを抽出対象外としてもよい。即ち、環境属性情報（例えば、撮像パラメータ、環境パラメータ、解像度等）が一定の水準に満たないものを抽出対象外としてよい。
　図１２に示すように、画素輝度差の大きく異なる標本データを抽出対象外にすると、属性未考慮で算出された閾値とは異なる閾値が算出される。例えば、属性を考慮せずに図１２（ａ）に示す標本分布が抽出されているとする。そして、画素輝度差の大きく異なるものを排除することで図１２（ｂ）の破線で示すような標本分布が抽出されたとする。この場合、想画素輝度差の大きく異なるものを排除した標本分布からは、図１２（ｃ）に示すような母集団分布が得られる（即ち、属性未考慮の標本分布とは異なる分布が得られる）。従って、このケースでは、属性未考慮の場合と比較して、算出される閾値が下がることになる。
　以上のように、環境情報属性の類似度や、環境情報属性の水準を母集団条件として設定すれば、照合情報に与える不適切な影響を排除することができ、より適切な閾値を算出することができる。
　また、上述した第３実施形態と同様に、母集団条件として、曜日や時間帯を用いてもよい。例えば、生体の画像をカメラで取得する場合、配置の関係で、午前中はカメラに直射日光が当たるが、午後は当たらなくなるという条件（即ち、時間帯に関する条件）を設定することができる。また、母集団の分布の形状を履歴として記憶しておき、特定の時間帯や曜日で同じような分布が算出される場合は、その特定の時間帯や曜日においては以降の閾値更新を停止したり、閾値更新の頻度を下げるようにしてもよい。
　＜第５実施形態＞
　第５実施形態に係る閾値算出システム１０について、図１３及び１４を参照して説明する。なお、第４実施形態は、上述した第１から第４実施形態と比べて一部の構成及び動作が異なるものであり、ハードウェア構成、及び上述した各動作（登録動作、閾値算出動作、認証動作）については、すでに説明した各実施形態と同一であってよい。このため、以下では、上述した第１から第４実施形態と重複する部分については適宜説明を省略するものとする。
　（機能的構成）
　図１３に示すように、第５実施形態に係る閾値算出システム１０は、画像取得部５０と、特徴量抽出部１１１と、照合スコア算出部１１２と、属性情報取得部１２０と、個人情報記憶部１３０と、標本抽出部１４０と、母集団推定部１５０と、閾値算出部１６０と、照合判定部１７０と、認証状況記憶部１８０と、条件変更部１９０とを備えている。即ち、第５実施形態に係る閾値算出システム１０は、第２実施形態の変形例の構成（図９参照）に加えて、認証状況記憶部１８０、及び条件変更部１９０を更に備えて構成されている。なお、認証状況記憶部１８０は、上述した記憶装置１４（図１参照）によって実現されてよい。また、条件変更部１９０は、上述したプロセッサ１１（図１参照）によって実現されてよい。
　認証状況記憶部１８０は、照合判定部１７０における認証結果を記憶可能に構成されている。認証状況記憶部１８０は、例えば登録された生体の数、未登録と判定された生体の数、及び属性情報別の割合等を記憶する。認証状況記憶部１８０に記憶された各種情報は、条件変更部１９０によって、適宜読み出し可能な状態とされている。
　条件変更部１９０は、認証状況記憶部１８０に十分に情報が蓄積されていることを条件に、母集団条件を変更可能に構成されている。条件変更部１９０は、例えば認証状況記憶部１８０に記憶された情報をフィードバックすることで、システムの実運用状況に合わせた母集団条件を設定する。例えば、認証状況記憶部１８０に蓄積された情報から、母集団の割合が変化していると判断できるような場合には、条件変更部１９０は、母集団条件を変化後の割合に応じたものに変更する。
　（条件変更動作）
　次に、図１４を参照しながら、第５実施形態に係る閾値算出システム１０による条件変更動作について説明する。図１４は、第５実施形態に係る閾値算出システムによる母集団条件の変動動作の流れを示すフローチャートである。
　図１４に示すように、第５実施形態に係る閾値算出システム１０では、まず条件変更部１９０が、認証状況記憶部１８０に十分な認証履歴が蓄積されているか否かを判定する（ステップＳ３０１）。具体的には、条件変更部１９０は、実運用上の母集団の推定ができる程度に多くの認証履歴が蓄積されているか否かを判定すればよい。
　十分な認証履歴が蓄積されていないと判定した場合（ステップＳ３０１：ＮＯ）、以降の処理には進まず、認証状況記憶部１８０が認証履歴の蓄積を継続する（ステップＳ３０２）。一方、十分な認証履歴が蓄積されていると判定した場合（ステップＳ３０１：ＹＥＳ）、条件変更部１９０は、蓄積された認証履歴に応じて母集団条件を変更する（ステップＳ３０３）。
　なお、条件変更部１９０は、手動で（例えば、システム管理者等の操作等によって）条件を変更可能に構成されてもよい。例えば、条件変更部１９０は、今すぐに母集団条件を変更するような指示が入力された場合、十分な認証履歴が蓄積されていなくとも、認証履歴に応じて母集団条件を変更してもよい。また、条件変更部１９０は、母集団条件の具体的な条件が入力された場合、蓄積された認証履歴を用いずに、入力された母集団条件をそのまま採用してもよい。
　（技術的効果）
　次に、第５実施形態に係る閾値算出システム１０によって得られる技術的効果について説明する。
　図１３及び図１４で説明したように、第５実施形態に係る閾値算出システム１０では、母集団条件が適宜変更されるため、変更された母集団条件から新たに標本データが抽出され、閾値が更新される。よって、母集団条件を変更しない場合と比べて、より適切な閾値の更新を行うことができる。具体的には、実運用上の母集団に応じた閾値更新を実現することが能である。
　＜第６実施形態＞
　第６実施形態に係る閾値算出システム１０について、図１５を参照して説明する。なお、第６実施形態は、閾値算出動作を実行するタイミングの具体例を説明するものであり、システム構成やその他の動作については、上述した第１から第５実施形態と同一であってよい。このため、以下では、すでに説明した部分と重複する部分については適宜説明を省略するものとする。
　（条件変更に伴う閾値算出）
　まず、図１５を参照しながら、母集団条件の変更に伴う閾値算出動作について説明する。図１５は、第６実施形態に係る閾値算出システムにおける閾値算出動作の流れを示すフローチャートである。なお図１５では、図４に示した処理と同様の処理に同一の符号を付している。また、図１５に示す例は、第４実施形態のように条件変更部１９０を備えた構成を前提としている。
　図１５に示すように、第６実施形態に係る閾値算出システム１０は、まず条件変更部１９０によって母集団条件が変更されたか否かを判定する（ステップＳ４０１）。なお、母集団条件が変更されていないと判定された場合（ステップＳ４０１：ＮＯ）、以降の処理は省略され、一連の処理は終了する。
　一方、母集団条件が変更されたと判定された場合（ステップＳ４０１：ＹＥＳ）、閾値算出システム１０は、図４で説明した閾値算出動作（即ち、ステップＳ１０１～Ｓ１０４の処理）を実行する。よって、母集団条件が変更されたタイミングで、閾値の算出（更新）が行われることになる。このようにすれば、実運用上で想定すべき母集団の変化に合わせて、適切なタイミングで閾値を更新することができる。
　＜第７実施形態＞
　第７実施形態に係る閾値算出システム１０について、図１６を参照して説明する。なお、第７実施形態は、閾値算出動作を実行するタイミングの具体例を説明するものであり、システム構成やその他の動作については、上述した第１から第５実施形態と同一であってよい。このため、以下では、すでに説明した部分と重複する部分については適宜説明を省略するものとする。
　（個人情報記憶に伴う閾値算出）
　図１６を参照しながら、新たな個人情報の記憶に伴う閾値算出動作について説明する。図１６は、第７実施形態に係る閾値算出システムにおける閾値算出動作の流れを示すフローチャートである。なお図１６では、図４に示した処理と同様の処理に同一の符号を付している。
　図１６に示すように、第７実施形態に係る閾値算出システム１０は、まず個人情報記憶部に新たな生体の情報が記憶されたか否かを判定する（ステップＳ５０１）。即ち、閾値算出システム１０は、図３や図８等で説明した登録動作が実行されたか否かを判定する。なお、新たな生体の情報が記憶されていないと判定された場合（ステップＳ５０１：ＮＯ）、以降の処理は省略され、一連の処理は終了する。
　一方、新たな生体の情報が記憶されたと判定された場合（ステップＳ５０１：ＹＥＳ）、閾値算出システム１０は、図４で説明した閾値算出動作（即ち、ステップＳ１０１～Ｓ１０４の処理）を実行する。よって、新たな生体の情報が記憶されたタイミングで、閾値の算出（更新）が行われることになる。このようにすれば、標本データとして抽出可能な要素が増加したタイミングで閾値を更新することが可能となる。また、生体の情報を登録する段階で閾値が算出されるため、生体認証を実行する際の処理負荷の増加を抑制できる（即ち、照合時に閾値を算出する処理を実行せずに済む）。
　＜第８実施形態＞
　第８実施形態に係る閾値算出システム１０について、図１７及び図１８を参照して説明する。なお、第８実施形態は、上述した第１から第７実施形態と比べて一部の動作（具体的には、未登録者データを登録する動作）が異なるのみであり、システム構成やその他の動作については、すでに説明した各実施形態と同一であってよい。このため、以下では、第１から第５実施形態と重複する部分については適宜説明を省略するものとする。
　（認証動作）
まず、図１７を参照しながら、第８実施形態に係る閾値算出システム１０による認証動作について説明する。図１７は、第８実施形態に係る閾値算出システムの変形例による認証動作の流れを示すフローチャートである。なお、図１７では、図１０で示した処理と同様の処理に同一の符号を付している。
　図１７に示すように、第８実施形態に係る閾値算出システム１０は、図１０で説明した認証動作を実行する。即ち、閾値算出システム１０は、図１０のステップＳ２１～Ｓ２５、及びステップＳ２０１～Ｓ２０３の処理を実行する。
　第８実施形態では特に、生体認証が失敗したと判定された場合（ステップＳ２０３）、照合判定部１７０が、認証対象である生体の照合スコアが第２閾値以下であるか否かを判定する（ステップＳ６０１）。ここでの「第２閾値」は、認証対象である生体が未登録者（即ち、個人情報記憶部１３０にデータが記憶されていない生体）であるか否かを判定するための閾値であり、生体認証に用いられる閾値よりも低い値として設定されている。第２閾値は、例えば母平均の値であってもよい。
　照合スコアが第２閾値以下であると判定した場合（ステップＳ６０１：ＹＥＳ）、照合判定部１７０は、その生体が未登録者であると判定し、個人情報記憶部１３０に属性情報及び照合スコアを記憶する。また、未登録者の同意がある場合には、照合判定部１７０は、特徴量等の個人情報を個人情報記憶部１３０に記憶するようにしてもよい。なお、照合スコアが第２閾値以下でないと判定した場合（ステップＳ６０１：ＹＥＳ）、照合判定部１７０は、その生体が未登録者ではないと判定し、上述した情報の記憶は行わない。
　なお、上述の第２閾値を用いた判定はあくまで一例であり、その他の手法を用いて未登録者であるか否かを判定してもよい。例えば、照合スコアが全ての閾値を下回る場合には、その生体が未登録者であると判定するようにしてもよい。即ち、上述した例では照合スコアがすべての閾値を下回る場合に第２閾値を用いた判定処理を行うようにしているが、照合スコアがすべての閾値を下回る場合には、第２閾値を用いた判定処理を省略して、その生体が未登録者であると判定するようにしてもよい。
　（ＵＩ表示例）
　次に、図１８を参照しながら、未登録者データを記憶する場合のＵＩ（Ｕｓｅｒ　Ｉｎｔｅｒｆａｃｅ）の表示例について説明する。図１８は、未登録者データを記憶する場合のＵＩ表示例を示す図である。なお、ＵＩは、上述した出力装置１６（図１参照）によって実現されてよい。
　図１８に示すように、未登録者の個人情報を記憶する際には、未登録者の同意を求める表示をＵＩのディスプレイに表示させてもよい。図に示す例では、未登録者が「はい」をタッチすると、個人情報の利用に対する同意が得られたと判定し、未登録者の個人情報が個人情報記憶部１３０に記憶される。一方で、未登録者が「いいえ」をタッチすると、個人情報の利用に対する同意が得られなかったと判定し、未登録者の個人情報は個人情報記憶部１３０に記憶されない。
　上述した例では、未登録者に対して同意の有無だけを判断させているが、例えば、情報の種別ごとに利用（記憶）してよいか否かを判断させてもよい。この場合、利用対象となる情報の一覧をＵＩに表示させ、未登録者に利用してもよい情報を選択してもらうようにしてもよい。
　（技術的効果）
　次に、第８実施形態に係る閾値算出システム１０によって得られる技術的効果について説明する。
　図１７及び図１８で説明したように、第８実施形態に係る閾値算出システム１０では、未登録者の情報が個人情報記憶部１３０に記憶される。この結果、未登録者の情報についても標本データとして利用することが可能となるため、母集団の推定をより正確に行うことが可能となる。
　＜付記＞
　以上説明した実施形態に関して、更に以下の付記のようにも記載されうるが、以下には限られない。
　（付記１）
　付記１に記載の閾値算出システムは、生体の照合に用いる照合情報を取得する第１取得手段と、前記生体又は前記照合情報の属性を示す属性情報を取得する第２取得手段と、前記生体毎に前記照合情報及び前記属性情報を記憶する記憶手段と、前記属性情報に関する所定の条件に基づいて、前記記憶手段から複数の前記照合情報を標本データとして抽出する標本抽出手段と、前記標本データから母集団を推定する母集団推定手段と、前記推定された母集団の分布に基づいて、前記照合情報に関する閾値を算出する閾値算出手段とを備えることを特徴とする閾値算出システムである。
　（付記２）
　付記２に記載の閾値算出システムは、生体を含む画像を取得する画像取得手段と、前記画像から前記生体の特徴量を抽出する特徴量抽出手段とを更に備え、前記記憶手段は、前記特徴量及び前記特徴量を前記生体間で比較することで得られる照合スコアの少なくとも一方を、前記照合情報として記憶することを特徴とする付記１に記載の閾値算出システムである。
　（付記３）
　付記３に記載の閾値算出システムは、前記属性情報は、前記生体の個人の属性を示す個人属性情報を含むことを特徴とする付記１又は２に記載の閾値算出システムである。
　（付記４）
　付記４に記載の閾値算出システムは、前記所定の条件は、前記個人属性情報が示す属性に割合に関するものであることを特徴とする付記３に記載の閾値算出システムである。
　（付記５）
付記５に記載の閾値算出システムは、前記照合情報が取得された環境を示す環境属性情報を含むことを特徴とする付記１から４のいずれか一項に記載の閾値算出システムである。
　（付記６）
　付記６に記載の閾値算出システムは、前記所定の条件は、前記環境属性情報の類似度、又は前記環境属性情報の水準に関するものであることを特徴とする付記５に記載の閾値算出システムである。
　（付記７）
　付記７に記載の閾値算出システムは、前記照合情報と前記閾値との比較による認証処理の結果を蓄積する蓄積手段と、前記蓄積された結果に基づいて、前記所定の条件を変更することが可能な条件変更手段とを更に備えることを特徴とする付記１から６のいずれか一項に記載の閾値算出システムである。
　（付記８）
　付記８に記載の閾値算出システムは、前記標本抽出手段は、前記所定の条件が変更された場合に、前記標本データを抽出することを特徴とする付記７に記載の閾値算出システムである。
　（付記９）
　付記９に記載の閾値算出システムは、前記標本抽出手段は、前記記憶手段に新たな前記照合情報及び属性情報が記憶された場合に、前記標本データを抽出することを特徴とする付記１から８のいずれか一項に記載の閾値算出システムである。
　（付記１０）
　付記１０に記載の閾値算出システムは、前記記憶手段は、前記照合情報と前記閾値との比較による認証処理が失敗した前記生体について、前記照合情報及び前記属性情報を記憶することを特徴とする請求項１から９のいずれか一項に記載の閾値算出システムである。
　（付記１１）
　付記１１に記載の閾値算出方法は、生体の照合に用いる照合情報を取得し、前記生体又は前記照合情報の属性を示す属性情報を取得し、前記生体毎に前記照合情報及び前記属性情報を記憶手段に記憶し、前記属性情報に関する所定の条件に基づいて、前記記憶手段から複数の前記照合情報を標本データとして抽出し、前記標本データから母集団を推定し、前記推定された母集団の分布に基づいて、前記照合情報に関する閾値を算出することを特徴とする閾値算出方法である。
　（付記１２）
　付記１２に記載のコンピュータプログラムは、生体の照合に用いる照合情報を取得し、前記生体又は前記照合情報の属性を示す属性情報を取得し、前記生体毎に前記照合情報及び前記属性情報を記憶手段に記憶し、前記属性情報に関する所定の条件に基づいて、前記記憶手段から複数の前記照合情報を標本データとして抽出し、前記標本データから母集団を推定し、前記推定された母集団の分布に基づいて、前記照合情報に関する閾値を算出するようにコンピュータを動作させることを特徴とするコンピュータプログラムである。
　（付記１３）
　付記１３に記載の記録媒体は、付記１２に記載のコンピュータプログラムが記録されていることを特徴とする記録媒体である。
　この開示は、請求の範囲及び明細書全体から読み取ることのできる発明の要旨又は思想に反しない範囲で適宜変更可能であり、そのような変更を伴う閾値算出システム、閾値算出方法、及びコンピュータプログラムもまたこの開示の技術思想に含まれる。
　１０　閾値算出システム
　１１　プロセッサ
　１４　記憶装置
　１６　出力装置
　５０　画像取得部
　１１０　照合情報取得部
　１１１　特徴量取得部
　１１２　照合スコア算出部
　１２０　属性情報取得部
　１３０　個人情報記憶部
　１４０　標本抽出部
　１５０　母集団推定部
　１６０　閾値算出部
　１７０　照合判定部
　１８０　認証状況記憶部
　１９０　条件変更部

Claims (12)

  1. 　生体の照合に用いる照合情報を取得する第１取得手段と、
    　前記生体又は前記照合情報の属性を示す属性情報を取得する第２取得手段と、
    　前記生体毎に前記照合情報及び前記属性情報を記憶する記憶手段と、
    　前記属性情報に関する所定の条件に基づいて、前記記憶手段から複数の前記照合情報を標本データとして抽出する標本抽出手段と、
    　前記標本データから母集団を推定する母集団推定手段と、
    　前記推定された母集団の分布に基づいて、前記照合情報に関する閾値を算出する閾値算出手段と
    　を備えることを特徴とする閾値算出システム。
  2. 　生体を含む画像を取得する画像取得手段と、
    　前記画像から前記生体の特徴量を抽出する特徴量抽出手段と
    　を更に備え、
    　前記記憶手段は、前記特徴量及び前記特徴量を前記生体間で比較することで得られる照合スコアの少なくとも一方を、前記照合情報として記憶する
    　ことを特徴とする請求項１に記載の閾値算出システム。
  3. 　前記属性情報は、前記生体の個人の属性を示す個人属性情報を含むことを特徴とする請求項１又は２に記載の閾値算出システム。
  4. 　前記所定の条件は、前記個人属性情報が示す属性に割合に関するものであることを特徴とする請求項３に記載の閾値算出システム。
  5. 　前記属性情報は、前記照合情報が取得された環境を示す環境属性情報を含むことを特徴とする請求項１から４のいずれか一項に記載の閾値算出システム。
  6. 　前記所定の条件は、前記環境属性情報の類似度、又は前記環境属性情報の水準に関するものであることを特徴とする請求項５に記載の閾値算出システム。
  7. 　前記照合情報と前記閾値との比較による認証処理の結果を蓄積する蓄積手段と、
    　前記蓄積された結果に基づいて、前記所定の条件を変更することが可能な条件変更手段と
    　を更に備えることを特徴とする請求項１から６のいずれか一項に記載の閾値算出システム。
  8. 　前記標本抽出手段は、前記所定の条件が変更された場合に、前記標本データを抽出することを特徴とする請求項７に記載の閾値算出システム。
  9. 　前記標本抽出手段は、前記記憶手段に新たな前記照合情報及び属性情報が記憶された場合に、前記標本データを抽出することを特徴とする請求項１から８のいずれか一項に記載の閾値算出システム。
  10. 　前記記憶手段は、前記照合情報と前記閾値との比較による認証処理が失敗した前記生体について、前記照合情報及び前記属性情報を記憶することを特徴とする請求項１から９のいずれか一項に記載の閾値算出システム。
  11. 　生体の照合に用いる照合情報を取得し、
    　前記生体又は前記照合情報の属性を示す属性情報を取得し、
    　前記生体毎に前記照合情報及び前記属性情報を記憶手段に記憶し、
    　前記属性情報に関する所定の条件に基づいて、前記記憶手段から複数の前記照合情報を標本データとして抽出し、
    　前記標本データから母集団を推定し、
    　前記推定された母集団の分布に基づいて、前記照合情報に関する閾値を算出する
    　ことを特徴とする閾値算出方法。
  12. 　生体の照合に用いる照合情報を取得し、
    　前記生体又は前記照合情報の属性を示す属性情報を取得し、
    　前記生体毎に前記照合情報及び前記属性情報を記憶手段に記憶し、
    　前記属性情報に関する所定の条件に基づいて、前記記憶手段から複数の前記照合情報を標本データとして抽出し、
    　前記標本データから母集団を推定し、
    　前記推定された母集団の分布に基づいて、前記照合情報に関する閾値を算出する
    　ようにコンピュータを動作させることを特徴とするコンピュータプログラム。
PCT/JP2020/037286 2020-09-30 2020-09-30 閾値算出システム、閾値算出方法、及びコンピュータプログラム WO2022070349A1 (ja)

Priority Applications (3)

Application Number Priority Date Filing Date Title
PCT/JP2020/037286 WO2022070349A1 (ja) 2020-09-30 2020-09-30 閾値算出システム、閾値算出方法、及びコンピュータプログラム
US18/023,932 US20240029466A1 (en) 2020-09-30 2020-09-30 Threshold calculation system, threshold calculation method, and computer program
JP2022553343A JP7485063B2 (ja) 2020-09-30 2020-09-30 閾値算出システム、閾値算出方法、及びコンピュータプログラム

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/JP2020/037286 WO2022070349A1 (ja) 2020-09-30 2020-09-30 閾値算出システム、閾値算出方法、及びコンピュータプログラム

Publications (1)

Publication Number Publication Date
WO2022070349A1 true WO2022070349A1 (ja) 2022-04-07

Family

ID=80949933

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2020/037286 WO2022070349A1 (ja) 2020-09-30 2020-09-30 閾値算出システム、閾値算出方法、及びコンピュータプログラム

Country Status (3)

Country Link
US (1) US20240029466A1 (ja)
JP (1) JP7485063B2 (ja)
WO (1) WO2022070349A1 (ja)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2024195114A1 (ja) * 2023-03-23 2024-09-26 日本電気株式会社 入場管理システム、認証装置、認証方法、および記録媒体

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2010108074A (ja) * 2008-10-28 2010-05-13 Hitachi Ltd 生体認証システム及び方法
JP2013122679A (ja) * 2011-12-12 2013-06-20 Hitachi Ltd 安全性の高い生体認証システム
JP2016072836A (ja) * 2014-09-30 2016-05-09 株式会社日立製作所 逐次バイオメトリック暗号システムおよび逐次バイオメトリック暗号処理方法
US20170286746A1 (en) * 2016-03-31 2017-10-05 Synaptics Incorporated Efficient determination of biometric attribute for fast rejection of enrolled templates and other applications
JP2018028815A (ja) * 2016-08-18 2018-02-22 富士通株式会社 評価装置、評価方法および評価プログラム

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2010108074A (ja) * 2008-10-28 2010-05-13 Hitachi Ltd 生体認証システム及び方法
JP2013122679A (ja) * 2011-12-12 2013-06-20 Hitachi Ltd 安全性の高い生体認証システム
JP2016072836A (ja) * 2014-09-30 2016-05-09 株式会社日立製作所 逐次バイオメトリック暗号システムおよび逐次バイオメトリック暗号処理方法
US20170286746A1 (en) * 2016-03-31 2017-10-05 Synaptics Incorporated Efficient determination of biometric attribute for fast rejection of enrolled templates and other applications
JP2018028815A (ja) * 2016-08-18 2018-02-22 富士通株式会社 評価装置、評価方法および評価プログラム

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2024195114A1 (ja) * 2023-03-23 2024-09-26 日本電気株式会社 入場管理システム、認証装置、認証方法、および記録媒体

Also Published As

Publication number Publication date
US20240029466A1 (en) 2024-01-25
JPWO2022070349A1 (ja) 2022-04-07
JP7485063B2 (ja) 2024-05-16

Similar Documents

Publication Publication Date Title
US10719694B2 (en) Biometric identification and verification
US10049361B2 (en) Dynamic authentication technology
CN106022032A (zh) 个人识别装置、识别阈值设定方法、以及程序
JP5185358B2 (ja) 行動履歴検索装置
Kuru et al. Biomedical visual data analysis to build an intelligent diagnostic decision support system in medical genetics
US8242881B2 (en) Method of adjusting reference information for biometric authentication and apparatus
JP5633080B2 (ja) 属性値推定装置、属性値推定方法、プログラム及び記録媒体
US8754747B2 (en) Authentication device, authentication system, and authentication method
EP2416274A1 (en) Biometric authentication device, biometric authentication method, and storage medium
WO2022070349A1 (ja) 閾値算出システム、閾値算出方法、及びコンピュータプログラム
JP2019121188A (ja) 生体認証装置、生体認証方法および生体認証プログラム
JP2018124999A (ja) 情報処理装置及びプログラム
US20200294651A1 (en) Sleep improvement assistance system, method, and program
US20230329610A1 (en) Device control apparatus, non-transitory computer-readable medium, and device control method
JP7029726B2 (ja) 判定システム、判定方法及びプログラム
EP4131148A1 (en) Authentication device, authentication method, and recording medium
JP2011086202A (ja) 照合装置、照合方法および照合プログラム
JPWO2021199114A5 (ja) 推薦装置、システム、方法及びプログラム
JP6728699B2 (ja) 生体認証装置、生体認証方法および生体認証プログラム
JP5737435B2 (ja) 生体認証装置、生体認証方法、および記憶媒体
WO2023188332A1 (ja) 人物特定装置、人物特定方法、および人物特定プログラム
JP2019197434A (ja) 提供方法及び提供装置

Legal Events

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

Ref document number: 20956277

Country of ref document: EP

Kind code of ref document: A1

WWE Wipo information: entry into national phase

Ref document number: 18023932

Country of ref document: US

ENP Entry into the national phase

Ref document number: 2022553343

Country of ref document: JP

Kind code of ref document: A

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 20956277

Country of ref document: EP

Kind code of ref document: A1