WO2024252963A1 - 生体認証システム - Google Patents

生体認証システム Download PDF

Info

Publication number
WO2024252963A1
WO2024252963A1 PCT/JP2024/019277 JP2024019277W WO2024252963A1 WO 2024252963 A1 WO2024252963 A1 WO 2024252963A1 JP 2024019277 W JP2024019277 W JP 2024019277W WO 2024252963 A1 WO2024252963 A1 WO 2024252963A1
Authority
WO
WIPO (PCT)
Prior art keywords
biometric
hand
authentication system
unit
biometric authentication
Prior art date
Legal status (The legal status 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 status listed.)
Ceased
Application number
PCT/JP2024/019277
Other languages
English (en)
French (fr)
Inventor
陽介 加賀
健太 高橋
渉 中村
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hitachi Ltd
Original Assignee
Hitachi Ltd
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 Hitachi Ltd filed Critical Hitachi Ltd
Priority to EP24819195.9A priority Critical patent/EP4726682A1/en
Publication of WO2024252963A1 publication Critical patent/WO2024252963A1/ja
Anticipated expiration legal-status Critical
Ceased legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/40—Spoof detection, e.g. liveness detection
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion

Definitions

  • the present invention relates to a biometric authentication system.
  • Biometric authentication which verifies that a user is a person registered in advance based on an individual's physical and behavioral characteristics, is highly convenient as it does not require the user to memorize a password or carry an IC card or other personal item, and is garnering attention as a reliable method of identity verification.
  • Biometric authentication extracts features from physical and behavioral characteristics such as fingerprints, faces, irises, veins, and palm prints, and compares these features with those at the time of registration to determine whether or not the person is the actual person.
  • biometric authentication One of the vulnerabilities of biometric authentication is the use of artificial objects to spoof someone's identity. For example, if a third party obtains a person's biometric information, such as their fingerprint, face, iris, veins, or palm print, and uses that information to create an artificial object containing that person's biometric information, and presents that to the biometric authentication system, there is a risk that the third party could successfully authenticate the person fraudulently.
  • a third party obtains a person's biometric information, such as their fingerprint, face, iris, veins, or palm print, and uses that information to create an artificial object containing that person's biometric information, and presents that to the biometric authentication system, there is a risk that the third party could successfully authenticate the person fraudulently.
  • biometric authentication systems that use general-purpose cameras to acquire and authenticate biometric information, it is easy to spoof someone's identity by presenting the system with a paper with a biometric image printed on it, or a tablet with a biometric image displayed on it. For this reason, it is essential that biometric authentication systems also use liveness detection technology that detects that the presented object is a part of a living human body and not an artificial object.
  • the first is sensor-based detection.
  • This method uses a sensor other than a typical general-purpose camera to sense the electrical characteristics and 3D shape of the target, and then detects that it is a living organism. Although this method is highly reliable, it requires a dedicated sensor, which makes it expensive and difficult to implement on existing devices.
  • the second is learning-based detection.
  • This method uses machine learning to learn from images of faces, veins, palm prints, etc., and detects by classifying them into living bodies and man-made objects.
  • This method prepares large amounts of images of living bodies and images of various patterns of man-made objects as training data, and trains a classifier that can distinguish between them.
  • performance decreases when there is a difference between the training data and the data to be classified, so accuracy decreases if the conditions under which the training data was collected (type of man-made object, environmental conditions such as lighting and white balance, sensors such as cameras) differ from the conditions at the time of live body detection.
  • the third is the detection of biological reactions.
  • This method acquires biological reactions such as blinking, breathing, and pulsation, and uses them to detect live bodies. Because these biological reactions are minute features, in order to capture them reliably, the video frame rate, resolution, camera optical performance, etc. must be sufficiently high; attempting detection under conditions where any of these performance levels are low may result in a false positive detection of a living body as an artificial object. This requires that strict constraints be placed on the camera and the hardware that processes it, making it difficult to make the method usable on any general-purpose camera device.
  • the fourth type is challenge-response type detection.
  • This method is often used, for example, in eKYC (electronic Know Your Customer), which performs reliable identity verification via a network, and detects specific actions by requesting the user to perform a specific action, such as closing their eyes, turning their head, or winking.
  • eKYC electronic Know Your Customer
  • many of these actions take time to recognize, perform, and detect, and there are no known methods that can detect actions instantly during authentication.
  • Patent Document 1 relates to live body detection that does not rely on dedicated sensors and uses a general-purpose camera, and performs live body detection by determining whether the movement, distortion, shape change, feature information, and three-dimensional state of the living body are each within the range of live body information. This can be considered one of the fourth approaches.
  • Patent Document 1 requires the living body to perform complex and random actions such as "clench your hand, and after five seconds, raise your thumb and pinky finger up,” and detects the living body using the finger movement speed and background color information at that time, making it difficult to detect quickly.
  • Patent Document 1 is a rule-based method that performs detection by setting thresholds for each of the biological movement, distortion, shape change, feature information, three-dimensional state, etc., and therefore it is considered difficult to sufficiently reduce both the false positive rate and the non-detection rate.
  • the present invention aims to provide technology that can quickly detect live bodies.
  • one representative biometric authentication system of the present invention includes an image acquisition unit that acquires images in a time series, a posture estimation unit that estimates the posture of the hand from the acquired images, and a liveness detection unit that determines that the hand is live when a specific movement of the hand is detected from the estimated posture.
  • the present invention allows for rapid biological detection.
  • FIG. 2 is a block diagram showing an example of a configuration of a client according to the present embodiment.
  • FIG. 2 is a block diagram showing an example of a hardware configuration of a client according to the present embodiment.
  • 11 is a flowchart illustrating an example of a biometric registration process including a biometric detection executed by a client according to the present embodiment.
  • 10 is a diagram showing an example of feature points of a hand extracted by a feature point acquisition unit;
  • FIG. 11A and 11B are diagrams illustrating an example of a detection situation of a gesture of rotating a palm drawn by an image output unit.
  • 11A and 11B are diagrams illustrating an example of a detection situation of a pinching action with fingers depicted by an image output unit.
  • 11A and 11B are diagrams illustrating an example of a detection situation of an action of pressing a button with a finger drawn by an image output unit.
  • 11 is a flowchart illustrating an example of a biometric authentication process including liveness detection executed by a client according to the present embodiment.
  • This embodiment is a biometric authentication system in which a client acquires a camera image, estimates the hand posture from the camera image, detects a specific movement from the hand posture, and performs biometric registration and biometric authentication when the detection is successful.
  • FIG. 1 is a block diagram showing an example of the configuration of a client in this embodiment.
  • the client 1000 includes a user ID input unit 1010, an image acquisition unit 1020, a feature point acquisition unit 1030, an image output unit 1040, a posture estimation unit 1050, a liveness detection unit 1060, a liveness detection unit 1070, a biometric feature extraction unit 1071, a template generation unit 1072, a biometric authentication unit 1073, and a template storage unit 1090.
  • a user ID input unit 1010 an image acquisition unit 1020, a feature point acquisition unit 1030, an image output unit 1040, a posture estimation unit 1050, a liveness detection unit 1060, a liveness detection unit 1070, a biometric feature extraction unit 1071, a template generation unit 1072, a biometric authentication unit 1073, and a template storage unit 1090.
  • a user ID input unit 1010 an image acquisition unit 1020, a feature point acquisition unit 1030, an image output unit 1040, a posture estimation unit 1050, a liveness detection unit 1060, a liveness detection unit 1070,
  • the user ID input unit 1010 acquires input of an ID given to a user via a keyboard, a card reader, memory on the client 1000, etc.
  • the image acquisition unit 1020 acquires camera images from a camera connected to the client 1000.
  • the feature point acquisition unit 1030 extracts feature points of the hand from the camera images acquired by the image acquisition unit 1020.
  • the posture estimation unit 1050 estimates the posture of the hand based on the coordinates of the feature points of the hand extracted by the feature point acquisition unit 1030.
  • the liveness detection unit 1060 performs liveness detection based on the hand posture estimated by the posture estimation unit 1050. When this liveness detection detects a specific movement from the posture of the hand, it determines that the hand in the camera image is a live body.
  • the image output unit 1040 draws the results of the live body detection on the camera image and outputs it to an output device such as a display.
  • the biometric detection unit 1070 performs biometric detection from the camera image.
  • This biometric detection is a process of identifying the position of a biometric body in the camera image; for example, in face authentication, the position of the face area is detected, in finger vein authentication, the position of the finger area is detected, and in palm print authentication, the position of the palm area is detected.
  • the biometric feature extraction unit 1071 extracts biometric features from the biometrics detected by the biometric detection unit 1070.
  • this biometric feature extraction involves extracting an image of the face and inputting it into a machine learning model to obtain feature quantities.
  • finger vein recognition an image of the finger is extracted and a vein pattern with the blood vessel pattern emphasized is obtained.
  • palm print recognition an image of the palm is extracted and a palm print pattern is obtained.
  • the template generation unit 1072 generates a template for enrollment based on the biometric features extracted by the biometric feature extraction unit 1071.
  • the template storage unit 1090 stores the template generated by the template generation unit 1072.
  • the biometric authentication unit 1073 performs biometric authentication by comparing the biometric features extracted by the biometric feature extraction unit 1071 with the templates registered in the template generation unit 1072.
  • FIG. 2 is a block diagram showing an example of the hardware configuration of the client 1000 in this embodiment.
  • the client 1000 includes a CPU (Central Processing Unit) 8010, a main memory device 8020, an auxiliary memory device 8030, an input device 8040, an output device 8050, and a communication device 8060.
  • CPU Central Processing Unit
  • the CPU 8010 is a central processing unit, and implements necessary functions by executing programs stored in the main memory device 6020.
  • the programs include programs that realize the user ID input unit 1010, image acquisition unit 1020, feature point acquisition unit 1030, image output unit 1040, posture estimation unit 1050, liveness detection unit 1060, liveness detection unit 1070, biometric feature extraction unit 1071, template generation unit 1072, and biometric authentication unit 1073 shown in FIG. 1.
  • the main memory 6020 is a main memory used by the CPU 8010 when executing processing, and is composed of volatile memory elements such as RAM (Random Access Memory).
  • the auxiliary memory 8030 is a memory device such as a HDD (Hard Disk Drive) or SSD (Solid State Drive), and corresponds to the template storage unit 1090. The data stored by each unit is accumulated as data on the auxiliary memory 8030.
  • the input device 8040 is used to read information in the user ID input unit 1010 and image acquisition unit 1020, and is composed of a keyboard, biosensor, touch panel, smart device, scanner, camera, or the like.
  • the output device 8050 is used to output information in the image output unit 1040, and is composed of a display, or the like.
  • the communication device 8060 is used by the client 1000 to communicate with external devices.
  • biometric registration and biometric authentication are performed after confirming that the hand is not an artificial object based on the hand movement estimated from the camera image.
  • FIG. 3 is a flowchart showing an example of a biometric registration process including biometric detection executed by the client 1000 in this embodiment.
  • the user ID input unit 1010 in the client 1000 acquires the user ID entered by the user (step S2010).
  • the user ID is typically expressed as a character string of any length.
  • the camera is started (step S2020), and camera images including the user's hands are acquired in chronological order using the image acquisition unit 1020 (step S2030).
  • the image acquisition unit 1020 is a general-purpose camera mounted on the client 1000, and images are acquired using this camera.
  • the acquired camera images are displayed on the output device 8050, such as a display of the client 1000, by the image output unit 1040.
  • feature points of the user's hand are extracted from the camera image acquired in step S2030 using the feature point acquisition unit 1030 (step S2040).
  • An example of feature points of the hand is shown in Figure 4.
  • FIG. 4 shows an example of hand feature points extracted by the feature point acquisition unit 1030.
  • a hand tracking process is performed based on the coordinates of the hand feature points obtained in step S2040, and it is determined whether tracking has been successful (step S2050).
  • the coordinates of the hand in the previous frame are compared with the coordinates of the hand in the current frame, and if the coordinates are close enough, they are deemed to be the same hand and tracking is successful, but if the coordinates are apart by more than a certain value, they are deemed to be different hands and tracking has failed.
  • the coordinates used for this determination can be the coordinates of a rectangular area including the entire hand or the coordinates of each feature point.
  • step S2050 If tracking fails in step S2050, the live body detection result is initialized to the initial state of "detecting" and the process returns to step S2030 (step S2061).
  • step S2050 the process branches depending on whether the live body detection result is "detecting” or "detection successful” (step S2060).
  • step S2060 If the liveness detection result is "detected" in step S2060, the hand posture is estimated based on the coordinates of the hand feature points extracted in step S2040 (step S2070).
  • the hand posture to be estimated depends on the specific hand motion to be detected.
  • the specific hand motion may be any motion including, but not limited to, rotating the palm, pinching with fingers, or pressing a button with fingers.
  • the specific hand motion to be detected may be the same every time, or may be changed randomly each time liveness detection is performed.
  • the action of rotating the palm is to rotate it horizontally and turn it over, but since images printed on paper or displayed on a monitor cannot be turned over, this detection cannot be successful.
  • the hand posture that needs to be estimated is the rotation angle of the palm relative to the camera.
  • this rotation angle can be obtained by determining the angle at which the hand is tilted relative to the line connecting the camera and the hand.
  • the action of pinching with fingers involves placing an object to be pinched at a position of your choice on the image captured by the camera, and then pinching the object with your fingers; however, images printed on paper or images shown on a display do not allow for the three-dimensional movement of pinching, and therefore cannot be successfully detected.
  • the hand posture that needs to be estimated is the coordinates of the fingertips and the distance between the pinching fingers.
  • the action of pressing a button with a finger involves placing the button to be pressed at a position of your choice on the image captured by the camera and then pressing the button, and successful detection is difficult with an image printed on paper or displayed on a monitor.
  • successful detection by bringing the artifact closer to the camera, but in that case, the background area other than the hand contained in the artifact will also move in the same way. Therefore, it is possible to analyze the movement between frames of the hand area and the background area and detect that the movement of the background is not linked to the hand.
  • the hand posture that needs to be estimated is the depth coordinate of the feature point of the tip of the pressing finger (for example, the index finger) and the angle of the finger with respect to the camera. Note that instead of the finger coordinates and angle, pressing can also be determined by placing a finger on the button coordinates for a certain period of time. These can be obtained from the feature point coordinates of the finger.
  • step S2072 If a specific hand movement is detected based on the hand posture estimated in step S2070, the liveness detection result is updated to "detection successful", and if a specific hand movement cannot be detected, the result remains as "detection in progress" (step S2072).
  • liveness detection is deemed successful when the palm has been rotated a specified angle, and "detection successful" is substituted for the liveness detection result.
  • this method does not simply perform liveness detection, but has the potential to contribute to faster and more accurate biometric authentication thereafter.
  • the liveness detection is deemed successful if the distance between the tips of the two fingers on the object to be pinched is less than a certain value, and the liveness detection result is assigned the value "detection successful.”
  • the liveness detection is deemed successful if the coordinates of the fingertip or the angle of the finger on the object to be pressed (e.g. a button) reach or exceed a certain level, and the liveness detection result is assigned "detection successful.”
  • step S2070 The hand posture estimated in step S2070 and the detection status of the specific hand movement in step S2072 are superimposed and drawn by the image output unit 1040 on the camera image displayed on the output device 8050 such as a display of the client 1000 (step S2090).
  • step S2090 The detection situation depicted in step S2090 will now be described with reference to Figures 5 to 7.
  • FIG. 5 shows an example of the detection status of the action of rotating the palm drawn by the image output unit 1040.
  • the rotation direction of the hand is shown in the camera image by an arrow 5010 divided into multiple parts, and the color of parts of the arrow changes depending on the amount of rotation of the hand. This makes it possible to provide feedback to the user about the rotation direction and current amount of rotation of the hand.
  • FIG. 6 shows an example of the detection status of a finger pinching action depicted by the image output unit 1040.
  • a toggle switch 6010 that is operated by pinching it with a finger is displayed at a random location on the camera image, and when the user pinches the toggle switch 6010 and live body detection is successful, an image is displayed indicating that the toggle switch 6010 has changed position and is now in the ON state, making it possible to provide feedback to the user that the toggle switch 6010 has been pinched.
  • FIG. 7 shows an example of a detection situation for the action of pressing a button with a finger drawn by the image output unit 1040.
  • a virtual button 7010 is displayed at a random location on the camera image, and if the user presses the button 7010 with their finger and liveness detection is successful, the button 7010 changes to the pressed version, making it possible to provide feedback to the user that the button 7010 has been pressed.
  • step S2092 After drawing the result image in step S2090, it is determined whether a timeout has occurred (step S2092). If a certain amount of time has passed since the start of processing and a timeout has occurred in step S2092, registration is deemed unsuccessful and processing is terminated. If, in step S2092, the elapsed time is still less than the certain amount of time and a timeout has not occurred, processing returns to step S2030 and processing continues.
  • liveness detection is performed from the camera image (step S2080).
  • This liveness detection is a process for identifying the position of the liveness in the camera image; for example, in face authentication, the position of the face area is detected, in finger vein authentication, the position of the finger area is detected, and in palm print authentication, the position of the palm area is detected.
  • biometric feature extraction is performed on the biometrics detected in step S2080 (step S2082).
  • this biometric feature extraction involves extracting an image of the face and inputting it into a machine learning model to obtain feature values.
  • finger vein recognition an image of the finger is extracted and a vein pattern with the vascular pattern emphasized is obtained.
  • palm print recognition an image of the palm is extracted and a palm print pattern is obtained.
  • a template for enrollment is generated (step S2084), and it is determined whether all of the processes in steps S2080, S2082, and S2084 have been successful and the template for enrollment has been successfully generated (step S2086).
  • step S2086 If it is determined in step S2086 that template generation has failed, the process proceeds to step S2090 and an attempt is made to generate the template again.
  • step S2086 determines whether the template generation was successful. If it is determined in step S2086 that the template generation was successful, the generated template is linked to the user ID entered in step S2010 and registered in the template storage unit 1090 (step S2088), and the process is completed with the biometric registration being successful.
  • biometric detection is performed to confirm that the object is not an artifact, and then biometric registration is performed and the template is registered in the template storage unit 1090. This completes the initial registration of the biometric authentication system, and biometric authentication can be used thereafter.
  • FIG. 8 is a flowchart showing an example of biometric authentication processing including liveness detection executed by the client 1000 of this embodiment.
  • the same processes as those in FIG. 3 are denoted by the same reference numerals, and their explanations will be omitted.
  • step S3012 the template registered in the template storage unit 1090 is obtained (step S3012). Since the template is linked to the user ID and stored in the template storage unit 1090 in step S2088, the template can be obtained using the user ID as a key. Note that steps S2010 and S3012 are required for 1:1 authentication, in which authentication is performed by specifying a user, but steps S2010 and S3012 are not required for 1:N authentication, in which the user is identified without specifying a user.
  • steps S2030, S2040, S2050, S2060, S2061, S2070, S2072, S2090, and S2092 are the same as those in the biometric registration process in Figure 3. However, if live body detection is performed only during registration and not during authentication, it is possible to skip steps S2030 to S2092 and proceed to live body detection step S2080 after camera startup step S2020.
  • biometric detection step S2080 and biometric feature extraction step S2082 are the same processes as those for biometric registration.
  • biometric authentication is performed by comparing the biometric features extracted in step S2082 with the template associated with the user ID entered in step S2010 and registered in the template generation unit 1072 (step S3084).
  • step S2082 it is determined whether the biometric features extracted in step S2082 match the template associated with the user ID entered in step S2010 and registered in the template generation unit 1072, and whether the biometric authentication was successful (step S3086).
  • step S3086 If biometric authentication is successful in step S3086, the authentication is deemed successful and the process ends. On the other hand, if biometric authentication is unsuccessful in step S3086, the process proceeds to step S2090 and continues.
  • the biometric registration process in Figure 8 detects the presence of a living object and then performs biometric authentication after verifying that it is not an artificial object.
  • the hand's feature points are extracted from the camera image
  • the hand's posture is estimated from the feature points
  • specific hand movements are detected from the hand posture to determine that the hand is a living body, enabling rapid liveness detection.
  • a general-purpose camera can be used to acquire camera images, eliminating the need for dedicated sensors or high-performance cameras, reducing costs and allowing this embodiment to be implemented in existing devices.
  • the specific hand movements to be detected are large, so liveness detection can be performed stably without being affected by frame rate or resolution.
  • this embodiment does not use machine learning for live body detection, so it is less susceptible to changes in environmental conditions or camera changes, and can handle unknown man-made objects.
  • liveness detection is performed by detecting only hand movements, so liveness detection can be performed without capturing the face.
  • the present invention is not limited to the above-described embodiments, but includes various modified examples.
  • the above-described embodiments have been described in detail to clearly explain the present invention, and are not necessarily limited to those having all of the configurations described. It is also possible to replace part of the configuration of one embodiment with the configuration of another embodiment, and it is also possible to add the configuration of another embodiment to the configuration of one embodiment. It is also possible to add, delete, or replace part of the configuration of each embodiment with other configurations.

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Human Computer Interaction (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Collating Specific Patterns (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
  • Image Analysis (AREA)

Abstract

迅速に生体検知を行うことができる技術を提供する。クライアント１００は、カメラ画像を時系列に取得する画像取得部１０２０と、取得したカメラ画像から手の姿勢を推定する姿勢推定部１０５０と、推定された姿勢から手の特定の動作を検出したときは、手が生体であると判定する生体検知部１０６０とを備える。

Description

生体認証システム
　本発明は、生体認証システムに関する。
　個人の身体的・行動的特徴に基づき、利用者があらかじめ登録した本人であることを確認する生体認証は、パスワードの暗記やＩＣカードのような持ち物の携帯が不要であるため利便性が高く、確実な本人確認手段として注目されている。生体認証では、指紋、顔、虹彩、静脈、掌紋などの身体的・行動的特徴から特徴量を抽出し、それを登録時の特徴量を比較することで本人であるか否かを判定する。
　この生体認証の脆弱性の一つに、人工物を用いたなりすましがある。例えば，本人の指紋、顔、虹彩、静脈、掌紋等の生体情報を第三者が入手し、その生体情報を使って本人の生体情報を含む人工物を作成し、それを生体認証システムに提示することで、第三者が不正に認証に成功するリスクがある。
　特に、汎用カメラを使って生体情報を取得して認証する生体認証システムでは、生体画像を印刷した紙や、生体画像を表示したタブレット等を生体認証システムに提示することで、容易になりすましを行うことが可能となる。そのため、生体認証システムにおいて、提示されたものが人工物でない生きた人体の一部であることを検知する生体検知技術を併用することが必須となる。
　この生体検知を実現するアプローチは、以下の４つに大別される。
　一つ目はセンサベースの検知である。この手法は、一般的な汎用カメラとは別のセンサを使って対象の電気的特性や３Ｄ形状などをセンシングし、それが生体であることを検知するものである。この手法は確実性が高いものの、専用のセンサが必要になるため、コストが高くなる上、既存のデバイスへ導入するのは困難である。
　二つ目は学習ベースの検知である。この手法は、画像として得られた顔、静脈、掌紋等を機械学習で学習し、生体と人工物に分類することで検知するものである。この手法は生体画像と様々なパターンの人工物画像を学習データとして大量に準備して、それらを識別できる識別器を学習する。機械学習を用いた手法では、学習データと識別対象のデータの間に差分があると性能が低下するため、学習データを収集した条件（人工物の種類、照明やホワイトバランスなどの環境条件、カメラ等のセンサ）と生体検知時の条件が異なると、精度が低下する。
　三つ目は生体反応の検知である。この手法は、まばたき、呼吸、脈動などの生体反応を取得し、それを使って生体検知を行うものである。これらの生体反応は微細な特徴であるため、確実に捉えるためには、動画のフレームレート、解像度、カメラ光学性能等が十分に高い必要があり、いずれかの性能が低い条件で検知を試みると生体であっても人工物と誤検知する可能性がある。このため、カメラやそれを処理するハードウェアに高い制約を課す必要があり、任意の汎用カメラデバイスで利用可能な形にするのは困難となる。
　四つ目はチャレンジレスポンス型の検知である。この手法は、例えばネットワークを介して確実な身分確認を行うｅＫＹＣ（ｅｌｅｃｔｒｏｎｉｃ　Ｋｎｏｗ　Ｙｏｕｒ　Ｃｕｓｔｏｍｅｒ）において良く使われるものであり、目を瞑る、顔の向きを変える、ウィンクする、といった特定の動作をとることを要求してその動作を検出する。ただし、動作の認識・実施・検出に時間が掛かるものが多く、認証時に瞬時に検出可能な手法は知られていない。
　特許文献１は、汎用カメラを使った専用センサに依存しない生体検知に関するものであり、生体の動き、歪み、形状変化、特徴情報、３次元状態がそれぞれ生体情報の範囲内であるか否かを判定することで、生体検知を行っている。これは、４つ目のアプローチの一つと捉えることができる。
特許第６４８２８１６号公報
　特許文献１に記載の技術では、生体に「手を握った状態にし、５秒後に、その手の親指と小指とを立てて下さい」等の複雑かつランダムな動作を要求し、その際の指の移動速度や背景の色情報等を使って生体検知を行うため、迅速に検知を行うことが困難である。
　また、特許文献１に記載の技術は、生体の動き、歪み、形状変化、特徴情報、３次元状態等に対してそれぞれ閾値を設定して検知を行うルールベースの手法であるため、誤検知率と未検知率の双方を十分に低くするのは困難であると考えられる。
　そこで、本発明は、迅速に生体検知を行うことができる技術を提供することを目的とする。
　上記課題を解決するために、代表的な本発明の生体認証システムの一つは、生体認証システムにおいて、画像を時系列に取得する画像取得部と、取得した画像から手の姿勢を推定する姿勢推定部と、推定された姿勢から手の特定の動作を検出したときは、手が生体であると判定する生体検知部とを備える。
　本発明によれば、迅速に生体検知を行うことができる。
　上記した以外の課題、構成および効果は、以下の実施形態の説明により明らかにされる。
本実施例のクライアントの構成の一例を示すブロック図である。 本実施例のクライアントのハードウェア構成の一例を示すブロック図である。 本実施例のクライアントで実行される生体検知を含む生体登録処理の一例を示すフローチャートである。 特徴点取得部により抽出される手の特徴点の一例を示す図である。 画像出力部により描画される掌を回転させる動作の検出状況の一例を示す図である。 画像出力部により描画される指で摘まむ動作の検出状況の一例を示す図である。 画像出力部により描画される指でボタンを押下する動作の検出状況の一例を示す図である。 本実施例のクライアントで実行される生体検知を含む生体認証処理の一例を示すフローチャートである。
　以下、実施例を図面を用いて説明する。
　本実施例は、クライアントでカメラ画像を取得し、カメラ画像から手の姿勢を推定し、手の姿勢から特定の動作を検出し、検出に成功したときに生体登録及び生体認証を行う生体認証システムである。
　図１は、本実施例のクライアントの構成の一例を示すブロック図である。
　図１において、クライアント１０００は、ユーザＩＤ入力部１０１０、画像取得部１０２０、特徴点取得部１０３０、画像出力部１０４０、姿勢推定部１０５０、生体検知部１０６０、生体検出部１０７０、生体特徴抽出部１０７１、テンプレート生成部１０７２、生体認証部１０７３、及びテンプレート格納部１０９０を備える。以降で各部について説明する。
　ユーザＩＤ入力部１０１０は、キーボード、カードリーダ、クライアント１０００上のメモリ等を介してユーザに付与されたＩＤの入力を取得する。画像取得部１０２０は、クライアント１０００に接続されたカメラからカメラ画像を取得する。特徴点取得部１０３０は、画像取得部１０２０で取得したカメラ画像から、手の特徴点を抽出する。
　姿勢推定部１０５０は、特徴点取得部１０３０で抽出した手の特徴点の座標に基づいて、手の姿勢を推定する。生体検知部１０６０は、姿勢推定部１０５０が推定した手の姿勢に基づいて、生体検知を行う。この生体検知は、手の姿勢から特定の動作を検出したときは、カメラ画像の手が生体であると判定する。
　画像出力部１０４０は、生体検知の結果をカメラ画像上に描画してそれをディスプレイなどの出力装置へ出力する。
　生体検出部１０７０は、カメラ画像から生体検出を行う。この生体検出は、カメラ画像において生体の位置を特定する処理であり、例えば顔認証であれば顔の領域の位置を検出し、指静脈認証であれば指の領域の位置を検出し、掌紋認証であれば掌の領域の位置を検出する。
　生体特徴抽出部１０７１は、生体検出部１０７０で検出された生体に対して、生体特徴抽出を行う。この生体特徴抽出は、顔認証であれば、顔の画像を切り出して機械学習モデルへ入力することで特徴量を得る。指静脈認証であれば、指の画像を切り出して血管パターンを強調した静脈パターンを取得する。掌紋認証であれば、掌の画像を切り出して掌紋パターンを取得する。
　テンプレート生成部１０７２は、生体特徴抽出部１０７１で抽出された生体特徴に基づき、登録用のテンプレートを生成する。テンプレート格納部１０９０は、テンプレート生成部１０７２で生成されたテンプレートを格納する。
　生体認証部１０７３は、生体特徴抽出部１０７１で抽出された生体特徴と、テンプレート生成部１０７２に登録されたテンプレートとを照合することにより、生体認証を行う。
　次に、図２を参照して、クライアント１０００のハードウェア構成を説明する。
　図２は、本実施例のクライアント１０００のハードウェア構成の一例を示すブロック図である。
　図２において、クライアント１０００は、ＣＰＵ（Ｃｅｎｔｒａｌ　Ｐｒｏｃｅｓｓｉｎｇ　Ｕｎｉｔ）８０１０、主記憶装置８０２０、補助記憶装置８０３０、入力装置８０４０、出力装置８０５０、及び通信装置８０６０を備える。
　ＣＰＵ８０１０は、中央処理部であり、主記憶装置６０２０が保持しているプログラムを実行することで、必要な機能を実装する。プログラムは、図１に示した、ユーザＩＤ入力部１０１０、画像取得部１０２０、特徴点取得部１０３０、画像出力部１０４０、姿勢推定部１０５０、生体検知部１０６０、生体検出部１０７０、生体特徴抽出部１０７１、テンプレート生成部１０７２、及び生体認証部１０７３を実現するプログラムを含む。
　主記憶装置６０２０は、ＣＰＵ８０１０が処理を実行する際に利用する主記憶装置であり、ＲＡＭ（Ｒａｎｄｏｍ　Ａｃｃｅｓｓ　Ｍｅｍｏｒｙ）等の揮発性記憶素子で構成される。補助記憶装置８０３０は、ＨＤＤ（Ｈａｒｄ　Ｄｉｓｋ　Ｄｒｉｖｅ）、ＳＳＤ（Ｓｏｌｉｄ　Ｓｔａｔｅ　Ｄｒｉｖｅ）などに代表される記憶装置であり、テンプレート格納部１０９０に相当する。各部が格納するデータは、補助記憶装置８０３０上のデータとして蓄積される。
　入力装置８０４０は、ユーザＩＤ入力部１０１０、画像取得部１０２０、において、情報を読み込むために使用され、キーボード、生体センサ、タッチパネル、スマートデバイス、スキャナ、またはカメラ等で構成される。出力装置８０５０は、画像出力部１０４０において情報を出力するために使用され、ディスプレイ等で構成される。通信装置８０６０は、クライアント１０００が外部装置との通信を行うために用いられる。
　以上の構成より、本実施例では、カメラ画像から推定した手の動作に基づき、手が人工物でないことを確認した上で、生体登録や生体認証を行う。
　次に、クライアント１０００を使って生体登録を行う手順を図３を参照して説明する。
　図３は、本実施例のクライアント１０００で実行される生体検知を含む生体登録処理の一例を示すフローチャートである。
　まず、クライアント１０００におけるユーザＩＤ入力部１０１０により、ユーザにより入力されたユーザＩＤを取得する（ステップＳ２０１０）。ユーザＩＤは、典型的には任意の長さの文字列で表される。
　次に、カメラを起動し（ステップＳ２０２０）、画像取得部１０２０を使ってユーザの手を含むカメラ画像を時系列に取得する（ステップＳ２０３０）。画像取得部１０２０は、クライアント１０００に搭載されている汎用カメラであり、そのカメラを使って画像を取得する。取得したカメラ画像は、画像出力部１０４０によりクライアント１０００のディスプレイなどの出力装置８０５０に表示される。
　次に、ステップＳ２０３０で取得したカメラ画像から、特徴点取得部１０３０を使ってユーザの手の特徴点を抽出する（ステップＳ２０４０）。手の特徴点の一例を図４に示す。
　図４は、特徴点取得部１０３０により抽出される手の特徴点の一例を示す図である。
　図４に示すように、カメラ画像において、指の先端、関節、掌下端等の位置に特徴点４０１０を設定して、その位置を推定することで、手の位置及び手の姿勢を推定することが可能となる。
　図３に戻り、ステップＳ２０４０で得られた手の特徴点の座標に基づき、手の追跡処理を行い、追跡が成功したか否かを判定する（ステップＳ２０５０）。この追跡処理では、前のフレーム内の手の座標と現在のフレーム内の手の座標とを比較し、座標が十分近いときには同一の手とみなして追跡成功とし、座標が一定値以上離れている場合には異なる手とみなして追跡失敗とする。この判定に用いる座標としては、手全体を含む矩形領域の座標や各特徴点の座標を使うことができる。
　ステップＳ２０５０で追跡に失敗した場合は、生体検知結果を初期状態である「検知中」に初期化して、ステップＳ２０３０へ戻る（ステップＳ２０６１）。
　一方、ステップＳ２０５０で追跡に成功した場合は、生体検知結果が「検知中」であるか「検知成功」であるかにより、処理を分岐する（ステップＳ２０６０）。
　ステップＳ２０６０で生体検知結果が「検知中」であれば、ステップＳ２０４０で抽出した手の特徴点の座標に基づいて、手の姿勢を推定する（ステップＳ２０７０）。
　推定する手の姿勢は、検出対象の手の特定の動作に依存する。手の特定の動作としては、掌を回転させる動作、指で摘まむ動作、指でボタンを押下する動作、を含む任意の動作が挙げられるが、これらに限定されない。なお、検出対象の手の特定の動作は、毎回同一の動作でも良いし、生体検知を行う度にランダムに変更しても良い。
　掌を回転させる動作は、掌を横方向に回転させて裏返すものであり、紙に印刷した画像やディスプレイに表示した画像は裏返すことができないため、この検知に成功することができない。この動作の場合、推定する必要がある手の姿勢は、カメラに対する掌の回転角度となる。この回転角度は、手の特徴点が３次元座標で表されている場合、カメラと手を結ぶ直線に対して手が何度傾いているかを求めることで得られる。また、直接手の回転角度を推定する方法以外に、回転すると掌が縦長に変形することを利用して、掌を構成する特徴点の２次元座標から求められる確度や、掌を含む矩形領域の縦横比から間接的に回転角度を推定する方法も採ることができる。
　指で摘まむ動作は、カメラで撮影した画像上の任意の位置に摘まむ対象の物体を配置し、その上で物体を指で摘まむ動作を行うものであり、紙に印刷した画像やディスプレイに表示した画像は摘まむような立体的な動きができないため、この検知に成功することができない。この動作の場合は、推定する必要がある手の姿勢は、指先の座標と摘まむ指間の距離となる。親指と人差し指で摘まむ場合は、親指の先端の座標と人差し指の先端の座標及びそれらの距離を特徴点座標から算出する。
　指でボタンを押下する動作は、カメラで撮影した画像上の任意の位置に押下対象のボタンを配置し、その上でボタンを押下する動作を行うものであり、紙に印刷した画像やディスプレイに表示した画像で検知に成功することは困難となる。人工物をカメラに近づけることで検知に成功する可能性はあるが、その場合は人工物に含まれる手以外の背景領域も同じ動きをすることになるため、手の領域と背景の領域のフレーム間の動きを分析し、背景の動きが手と連動していないことをもって検知することもできる。この動作の場合、推定する必要がある手の姿勢は、押下する指（例えば、人差し指）の先端の特徴点の奥行き方向の座標や、カメラに対する指の角度となる。なお、指の座標や角度に代わり、一定時間ボタンの座標の上に指を置いたことをもって押下と判定することもできる。これらは指の特徴点座標から求めることができる。
　ステップＳ２０７０で推定した手の姿勢に基づき、手の特定の動作を検出したときは生体検知結果を「検知成功」に更新し、手の特定の動作を検出できないときは、「検知中」のままとする（ステップＳ２０７２）。
　例えば、手の特定の動作が掌を回転させる動作である場合には、掌が所定の角度回転し切った場合に生体検知成功とし、生体検知結果に「検知成功」を代入する。このとき、掌をカメラに向けた状態から回転させ、一度手の甲をカメラに向けて、再度回転させて掌をカメラに向ける動作を要求すると、生体検知が成功した時点で掌がカメラ側を向いており、その後行われる指静脈認証や掌紋認証にとって最適な姿勢へ誘導することができる。よって、本方式は単に生体検知を行うのみならず、その後の生体認証の高速化、高精度化にも寄与する可能性がある。
　また、手の特定の動作が指で摘まむ動作である場合には、摘まむ対象の物体の上で２つの指の先端間の距離が一定未満になった場合に生体検知成功とし、生体検知結果に「検知成功」を代入する。
　また、手の特定の動作が指でボタンを押下する動作である場合には、押下対象の物体（例えばボタン）の上で指先端の座標や指の角度が一定以上になった場合に生体検知成功とし、生体検知結果に「検知成功」を代入する。
　以上の条件を満たさない場合には、生体検知が完了していないと判定し、精緻検知結果は「検知中」のままとする。
　ステップＳ２０７０で推定された手の姿勢、及びステップＳ２０７２の手の特定の動作の検出状況を、画像出力部１０４０によりクライアント１０００のディスプレイなどの出力装置８０５０に表示されるカメラ画像に重ねて描画する（ステップＳ２０９０）。
　ここで、ステップＳ２０９０で描画される検出状況について図５～図７を参照して説明する。
　図５は、画像出力部１０４０により描画される掌を回転させる動作の検出状況の一例を示す図である。
　図５の例では、カメラ画像において、手の回転方向を複数の部分に分割された矢印５０１０で示しており、手の回転量に応じて矢印の一部の色が変わる。これにより、手の回転方向及び現状の回転量をユーザにフィードバックすることが可能となる。
　図６は、画像出力部１０４０により描画される指で摘まむ動作の検出状況の一例を示す図である。
　図６の例では、指で摘まんで操作するトグルスイッチ６０１０をカメラ画像上のランダムな場所に表示し、ユーザがトグルスイッチ６０１０の上で摘まむ動作を行って、生体検知に成功した場合、トグルスイッチ６０１０の位置が変わりＯＮの状態になったことを示す画像を表示することで、トグルスイッチ６０１０が摘ままれたことをユーザにフィードバックすることが可能となる。
　図７は、画像出力部１０４０により描画される指でボタンを押下する動作の検出状況の一例を示す図である。
　図７の例では、仮想的なボタン７０１０をカメラ画像上のランダムな場所へ表示し、ユーザが指でボタン７０１０を押下する動作を行って、生体検知に成功した場合、ボタン７０１０を押下後のものに変えることで、ボタン７０１０が押されたことをユーザへフィードバックすることが可能となる。
　ステップＳ２０９０で結果画像を描画した後、タイムアウトしたか否かを判定する（ステップＳ２０９２）。ステップＳ２０９２で、処理開始から一定以上の時間が経過してタイムアウトしたときは、登録失敗として処理を終了する。ステップＳ２０９２で、まだ経過時間が一定未満でありタイムアウトしていない場合には、ステップＳ２０３０に戻り、処理を継続する。
　一方、ステップＳ２０６０で、生体検知結果が「検知成功」であれば、生体検知処理を完了とし生体登録処理に入る。まず、カメラ画像から生体検出を行う（ステップＳ２０８０）。この生体検出は、カメラ画像において生体の位置を特定する処理であり、例えば顔認証であれば顔の領域の位置を検出し、指静脈認証であれば指の領域の位置を検出し、掌紋認証であれば掌の領域の位置を検出する。
　次に、ステップＳ２０８０で検出された生体に対して、生体特徴抽出を行う（ステップＳ２０８２）。この生体特徴抽出は、顔認証であれば、顔の画像を切り出して機械学習モデルへ入力することで特徴量を得る。指静脈認証であれば、指の画像を切り出して血管パターンを強調した静脈パターンを取得する。掌紋認証であれば、掌の画像を切り出して掌紋パターンを取得する。
　ステップＳ２０８２で抽出された生体特徴に基づき、登録用のテンプレートを生成し（ステップＳ２０８４）、ステップＳ２０８０、ステップＳ２０８２、ステップＳ２０８４の全ての処理に成功して登録用のテンプレートの生成に成功したか否かを判定する（ステップＳ２０８６）。
　ステップＳ２０８６で、テンプレートの生成に失敗したと判定されたときは、ステップＳ２０９０へ進み、再度テンプレート生成を試みる。
　一方、ステップＳ２０８６で、テンプレートの生成に成功したと判定された場合は、生成したテンプレートをステップＳ２０１０で入力したユーザＩＤと紐づけてテンプレート格納部１０９０に登録し（ステップＳ２０８８）、生体登録成功として処理を完了する。
　図３の生体登録処理によれば、生体検知を行い人工物でないことを確認した上で、生体登録を実施し、テンプレートをテンプレート格納部１０９０に登録する。これにより、生体認証システムの初期登録が完了し、以後生体認証が利用できるようになる。
　次に、クライアント１０００を使って生体認証を行う手順を図８を参照して説明する。
　図８は、本実施例のクライアント１０００で実行される生体検知を含む生体認証処理の一例を示すフローチャートである。図８において、図３と同一の処理には同一の符号を付し、その説明を省略する。
　図８において、ステップＳ２０１０でユーザＩＤを取得した後、テンプレート格納部１０９０に登録されたテンプレートを取得する（ステップＳ３０１２）。テンプレートは、ステップＳ２０８８にてテンプレート格納部１０９０にユーザＩＤと紐づけて格納されているため、ユーザＩＤをキーとしてテンプレートを取得することができる。なお、ユーザを指定して認証を行う１：１認証ではステップＳ２０１０とステップＳ３０１２が必要となるが、ユーザを指定せずにユーザが誰かを特定する１：Ｎ認証ではステップＳ２０１０とステップＳ３０１２は不要となる。
　カメラ画像を取得してから、生体検知までの手順（ステップＳ２０３０、ステップＳ２０４０、ステップＳ２０５０、ステップＳ２０６０、ステップＳ２０６１、ステップＳ２０７０、ステップＳ２０７２、ステップＳ２０９０、ステップＳ２０９２）は、図３の生体登録処理と同様である。ただし、登録時のみ生体検知を行い、認証時には生体検知を行わない場合には、ステップＳ２０３０～ステップＳ２０９２の手順を全て行わず、カメラ起動ステップＳ２０２０の後生体検出ステップＳ２０８０に進むこともできる。
　生体検出ステップＳ２０８０、生体特徴抽出ステップＳ２０８２は生体登録と同じ処理である。
　次に、ステップＳ２０８２で抽出された生体特徴と、ステップＳ２０１０で入力されたユーザＩＤと紐づけられてテンプレート生成部１０７２に登録されたテンプレートとを照合することにより、生体認証を行う（ステップＳ３０８４）。
　次に、ステップＳ２０８２で抽出された生体特徴と、ステップＳ２０１０で入力されたユーザＩＤと紐づけられてテンプレート生成部１０７２に登録されたテンプレートとが一致し、生体認証に成功したか否かを判別する（ステップＳ３０８６）。
　ステップＳ３０８６で、生体認証が成功したときは、認証成功として処理を終了する。一方、ステップＳ３０８６で、生体認証に失敗したときは、ステップＳ２０９０へ進み処理を継続する。
　図８の生体登録処理によれば、生体検知を行い人工物でないことを確認した上で、生体認証を行うことができる。
　なお、顔認証など他の部位を使った生体認証の場合、手以外の部位の検出及び追跡を行うこともできる。
　さらに、手とは別の部位を認証に使うシステムにおいて人工物によるなりすましを行う場合、手と別の部位を同時に人工物とする攻撃と、認証に用いる部位のみを人工物とする攻撃が考えられる。
　前者では、手と別の部位を人工物として同時に提示して特定の動作を行う必要がある。これは、別の部位単体を人工物として提示する攻撃と比較すると大きく難易度が上がる。例えば、Ｄｅｅｐ　ｆａｋｅ技術で手と顔を同時に人工的に生成して特定の動作をリアルタイムに行う必要があるため、技術的難易度が高い。
　一方後者では、別の部位のみを人工物として手は人間のものを使うため、技術的難易度は前者に比べて低いが、手と人工物を適切に提示する必要があるため生体検知を突破して認証に成功するのは難しい。
　また、手と別の部位が同一の生体であることを、動きの同期や脈動周期の一致などを観測することで検知することで、さらに確実な生体検知を行うことができる。
　本実施例によれば、カメラ画像から手の特徴点を抽出し、手の特徴点から手の姿勢を推定し、手の姿勢から手の特定の動作を検出することにより手が生体であると判定するので、迅速に生体検知を行うことができる。
　また、本実施例によれば、カメラ画像の取得には一般的な汎用カメラを使用することができるので、専用のセンサや高性能のカメラなどを用意する必要がなくコストを低減することができると共に、本実施例を既存のデバイスに導入することができる。
　また、本実施例によれば、検出対象の手の特定の動作は大きいため、フレームレートや解像度に影響を受けにくく、安定して生体検知を行うことができる。
　また、本実施例によれば、生体検知に機械学習を使用しないので、環境条件の変化やカメラの変更に影響を受けにくく、未知の人工物にも対応することができる。
　また、本実施例によれば、手の動作のみを検出して生体検知を行うので、顔を映すことなく生体検知を行うことができる。
　なお、本発明は上記した実施例に限定されるものではなく、様々な変形例が含まれる。例えば、上記した実施例は本発明を分かりやすく説明するために詳細に説明したものであり、必ずしも説明した全ての構成を備えるものに限定されるものではない。また、ある実施例の構成の一部を他の実施例の構成に置き換えることが可能であり、また、ある実施例の構成に他の実施例の構成を加えることも可能である。また、各実施例の構成の一部について、他の構成の追加・削除・置換をすることが可能である。

Claims (8)

  1. 　予め登録された生体情報を用いて本人認証を行う生体認証システムにおいて、
    　画像を時系列に取得する画像取得部と、
    　前記取得した画像から手の姿勢を推定する姿勢推定部と、
    　前記推定された姿勢から前記手の特定の動作を検出したときは、前記手が生体であると判定する生体検知部とを備える生体認証システム。
  2. 　請求項１に記載の生体認証システムにおいて、
    　前記特定の動作は、指でボタンを押下する動作である生体認証システム。
  3. 　請求項１に記載の生体認証システムにおいて、
    　前記特定の動作は、掌を回転させる動作である生体認証システム。
  4. 　請求項１に記載の生体認証システムにおいて、
    　前記特定の動作は、指で摘まむ動作である生体認証システム。
  5. 　請求項１に記載の生体認証システムにおいて、
    　前記取得した画像から生体を検出する生体検出部と、
    　前記検出された生体から生体特徴を抽出する生体特徴抽出部と、
    　前記生体検知部が前記手が生体であると判定したときは、前記抽出された生体特徴を登録する登録部とを備える生体認証システム。
  6. 　請求項５に記載の生体認証システムにおいて、
    　前記生体検知部が前記手が生体であると判定したときは、前記生体特徴抽出部が抽出した生体特徴と、前記登録部に登録された生体特徴と、を照合することにより前記本人認証を行う生体認証部を備える生体認証システム。
  7. 　請求項１に記載の生体認証システムにおいて、
    　前記取得した画像の上に前記特定の動作の検出状況を重ねて表示する画像出力部を備える生体認証システム。
  8. 　請求項１に記載の生体認証システムにおいて、
    　前記取得した画像から前記手の特徴点を抽出する特徴点抽出部を備え、
    　前記姿勢推定部は、前記抽出された特徴点から前記手の姿勢を推定する生体認証システム。
PCT/JP2024/019277 2023-06-08 2024-05-24 生体認証システム Ceased WO2024252963A1 (ja)

Priority Applications (1)

Application Number Priority Date Filing Date Title
EP24819195.9A EP4726682A1 (en) 2023-06-08 2024-05-24 Biometric authentication system

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2023095123A JP2024176539A (ja) 2023-06-08 2023-06-08 生体検知システム
JP2023-095123 2023-06-08

Publications (1)

Publication Number Publication Date
WO2024252963A1 true WO2024252963A1 (ja) 2024-12-12

Family

ID=93795868

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2024/019277 Ceased WO2024252963A1 (ja) 2023-06-08 2024-05-24 生体認証システム

Country Status (3)

Country Link
EP (1) EP4726682A1 (ja)
JP (1) JP2024176539A (ja)
WO (1) WO2024252963A1 (ja)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2018018481A (ja) * 2015-11-03 2018-02-01 バンクガード株式会社 電子認証用サーバシステム、プログラム、電子認証方法、及び、電子認証システム
JP6482816B2 (ja) 2014-10-21 2019-03-13 Kddi株式会社 生体検知装置、システム、方法及びプログラム
WO2024069671A1 (ja) * 2022-09-26 2024-04-04 富士通株式会社 情報処理方法、情報処理プログラム、及び情報処理装置

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6482816B2 (ja) 2014-10-21 2019-03-13 Kddi株式会社 生体検知装置、システム、方法及びプログラム
JP2018018481A (ja) * 2015-11-03 2018-02-01 バンクガード株式会社 電子認証用サーバシステム、プログラム、電子認証方法、及び、電子認証システム
WO2024069671A1 (ja) * 2022-09-26 2024-04-04 富士通株式会社 情報処理方法、情報処理プログラム、及び情報処理装置

Also Published As

Publication number Publication date
JP2024176539A (ja) 2024-12-19
EP4726682A1 (en) 2026-04-15

Similar Documents

Publication Publication Date Title
KR102573482B1 (ko) 생체 보안 시스템 및 방법
CN107995979B (zh) 用于对用户进行认证的系统、方法和机器可读介质
CN110326001B (zh) 使用利用移动设备捕捉的图像执行基于指纹的用户认证的系统和方法
EP3254232B1 (en) Systems and methods for performing fingerprint based user authentication using imagery captured using mobile devices
Ross et al. A prototype hand geometry-based verification system
CN104584070A (zh) 认证装置以及认证方法
JP7665078B2 (ja) 非接触指紋画像のスラップセグメンテーション
Gaur et al. Biometric recognition techniques: a review
Fenu et al. Controlling user access to cloud-connected mobile applications by means of biometrics
JP2022128627A (ja) 生体認証システム、認証端末、および認証方法
JP2017211938A (ja) 生体情報処理装置、生体情報処理方法および生体情報処理プログラム
Samatha et al. Securesense: enhancing person verification through multimodal biometrics for robust authentication
Zhou et al. Finger-knuckle assisted slap fingerprint identification system for higher security and convenience
WO2024252963A1 (ja) 生体認証システム
Sanches et al. A single sensor hand biometric multimodal system
Sharma et al. Personal authentication based on vascular pattern using finger vein biometric
Shahin et al. Multimodal biometric system based on near-infra-red dorsal hand geometry and fingerprints for single and whole hands
Bajpai et al. Moving towards 3D-biometric
Patil et al. Iris recognition using fuzzy system
De Marsico et al. Biopen–Fusing password choice and biometric interaction at presentation level
Bakshi et al. Biometric Technology: A Look and Survey at Face Recogntion
Methani Camera based palmprint recognition
CA3071100C (en) Biometric security systems and methods
Singh et al. Adapted facial recognition and spoofing detection for management decision making system: a visually impaired people perspective.
Li et al. A hybrid biometric system using touch-panel-based finger-vein identification and deformable-registration-based face identification

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: 24819195

Country of ref document: EP

Kind code of ref document: A1

WWE Wipo information: entry into national phase

Ref document number: 2024819195

Country of ref document: EP

NENP Non-entry into the national phase

Ref country code: DE

ENP Entry into the national phase

Ref document number: 2024819195

Country of ref document: EP

Effective date: 20260108

ENP Entry into the national phase

Ref document number: 2024819195

Country of ref document: EP

Effective date: 20260108

ENP Entry into the national phase

Ref document number: 2024819195

Country of ref document: EP

Effective date: 20260108

ENP Entry into the national phase

Ref document number: 2024819195

Country of ref document: EP

Effective date: 20260108

ENP Entry into the national phase

Ref document number: 2024819195

Country of ref document: EP

Effective date: 20260108

WWP Wipo information: published in national office

Ref document number: 2024819195

Country of ref document: EP