JP2015028724A - 生体情報認証装置および生体情報処理方法 - Google Patents

Abstract

【課題】 同一人物に対する類似度を高めることができる生体情報認証装置および生体情報処理方法を提供する。
【解決手段】 生体情報認証装置は、生体画像を取得する画像取得手段と、前記生体画像から生体情報を抽出する抽出手段と、前記生体情報に基づいて、複数の生体画像間で位置合わせを行う位置合わせ手段と、前記位置合わせ手段の位置合わせ結果に基づいて、座標に関する量を正規化する正規化手段と、を備える。
【選択図】 図３

Description

本件は、生体情報認証装置および生体情報処理方法に関する。

従来から、施設への入退出等の際に人手を介さずに本人であることを確認する手段として、指紋、顔、静脈などの個人の生体情報を用いる生体認証技術が利用されている。生体情報を用いる生体認証は、磁気カードや暗証番号(Personal Identification Number; PIN)と異なり、紛失（忘却）や盗用の心配がない利点がある。生体認証技術では、あらかじめ登録された生体情報（登録データ）と認証時に提示された生体情報（照合データ）の照合によって認証を行う。ただし、生体情報は同一人物であってもある程度は変動するので、認証にはある程度の変動を許容する必要がある。典型的には、両者の類似性を類似度という尺度で表現し、それが与えられた閾値よりも大きい場合に登録された本人であると判定する。生体認証では高認証精度であることが望まれる。そのため、同一人物に対する類似度を高める方法が用いられる。類似度を高める方法として、特徴抽出の際に行うものと照合処理の際に行うものとに大別される。

特徴抽出の際に行う方法として、正規化が挙げられる。これは、撮影装置に対して提示する人体の姿勢（位置、向き、形状）を標準的な姿勢に変えて撮影したときの画像あるいは生体情報を仮想的に合成する技術である。特許文献１は、対象の輪郭を検出してそれに基づいて対象の位置ずれ量を求める方法を開示している。特許文献２は、指の輪郭を検出してそれに基づいて静脈像の位置、向きのずれを補正する技術を開示している。特許文献３では、顔認証において目などの顔内部の部品の位置を求めて、それを正規化する方式を開示している。特許文献４は、画像から算出可能な量と姿勢を表す隠れデータの関係を、訓練データを用いて学習する方式を開示している。

一方、照合処理の際に行う方法として、テンプレートマッチングに基づく位置合わせが挙げられる。テンプレートマッチングは画像処理分野全般で用いられている（例えば、特許文献５参照）。例えば、特許文献２は、登録データと照合データの位置関係を少しずつ変えながら繰り返し類似度を算出して、それらの類似度の最大値を最終的な類似度とすることで、登録照合間の位置ずれの影響を除く方法を開示している。

特公平２−６１７９０号公報 特開２００２−９２６１６号公報 特表平５−５０８９５１号公報 特表２０００−５１１３１６号公報 特開平７−１２９７７０号公報

しかしながら、手のひら静脈などの生体情報を用いる生体認証に対して、以下の問題がある。一例として、生体は様々に変化するため、輪郭に基づいて単純に位置や向きを正規化する方式では十分な正規化を行えない。明確な構造が見られない生体に対して、部品単位での正規化は適用困難である。同様の理由により、通常の形式の訓練データの作成が難しいため、学習方式をそのまま適用することも困難である。生体を３次元的に計測して正規化を行う方法が考えられるが、これには特殊な撮影装置が必要となり装置のコストが上昇する。一方、照合処理で位置合わせを行う方法は、登録データと照合データの両方を参照できるため強力であるが、照合処理の計算量が大きくなる。また、近年は個人情報保護の観点から暗号化された生体情報のまま照合処理を行うことが望まれており、その妨げとなる照合時の位置合わせを省くことが期待されている。

１つの側面では、本件は、同一人物に対する類似度を高めることができる生体情報認証装置および生体情報処理方法を提供することを目的とする。

１つの態様では、生体情報認証装置は、生体画像を取得する画像取得手段と、 前記生体画像から生体情報を抽出する抽出手段と、前記生体情報に基づいて、複数の生体画像間で位置合わせを行う位置合わせ手段と、前記位置合わせ手段の位置合わせ結果に基づいて、座標に関する量を正規化する正規化手段と、を備える。

同一人物に対する類似度を高めることができる。

実施例１に係る生体情報認証装置のハードウェア構成を説明するためのブロック図である。 （ａ）は照射手段および撮影手段を例示する図であり、（ｂ）は撮影手段の撮影結果を表す図である。 （ａ）および（ｂ）は生体情報認証装置の機能ブロック図である。 認証時に生体情報認証装置によって実行される処理の概略を表すフローチャートである。 生体情報の登録時に生体情報認証装置によって実行される処理の概略を表すフローチャートである。 （ａ）および（ｂ）は手の輪郭および特徴点を表す図である。 （ａ）および（ｂ）は正規化画像および抽出された静脈像を表す図である。 ３枚の画像から抽出された静脈像の位置合わせ結果を例示する。 実施例２に係る生体情報認証装置の機能ブロック図である。 認証時に生体情報認証装置によって実行される処理の概略を表すフローチャートである。 生体情報の登録時に生体情報認証装置によって実行される処理の概略を表すフローチャートである。 （ａ）および（ｂ）は３枚の画像から抽出された静脈像の位置合わせ結果を表す。 実施例３に係る生体情報認証装置の機能ブロック図である。 登録時に生体情報認証装置によって実行される処理の概略を表すフローチャートである。

以下、図面を参照しつつ、実施例について説明する。

図１は、実施例１に係る生体情報認証装置３００のハードウェア構成を説明するためのブロック図である。生体情報認証装置３００は、一例として、生体情報として手のひらの静脈を用い、自動ドアと組み合わせて入室管理に適用した認証システムである。本実施例では、１：１認証、すなわち認証時に利用者のＩＤを受け付ける構成を扱う。

図１を参照して、生体情報認証装置３００は、一例として端末１００とサーバ２００とが通信手段を介して接続された構成を有する。端末１００は、一例として自動ドアであり、ＣＰＵ１０１、ＲＡＭ１０２、記憶手段１０３、照射手段１０４、撮影手段１０５、ＩＤ入力手段１０６、表示手段１０７、開閉手段１０８、通信手段１０９などを備える。これらの各機器は、バスなどによって接続されている。サーバ２００は、ＣＰＵ２０１、ＲＡＭ２０２、記憶手段２０３、通信手段２０４などを備える。

ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）１０１は、中央演算処理装置である。ＣＰＵ１０１は、１以上のコアを含む。ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）１０２は、ＣＰＵ１０１が実行するプログラム、ＣＰＵ１０１が処理するデータなどを一時的に記憶する揮発性メモリである。記憶手段１０３は、不揮発性記憶装置である。記憶手段１０３として、例えば、ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）、フラッシュメモリなどのソリッド・ステート・ドライブ（ＳＳＤ）、ハードディスクドライブに駆動されるハードディスクなどを用いることができる。本実施例に係る生体情報処理プログラムは、記憶手段１０３に記憶されている。記憶手段１０３に記憶されている生体情報処理プログラムは、実行可能にＲＡＭ１０２に展開される。ＣＰＵ１０１は、ＲＡＭ１０２に展開された生体情報処理プログラムを実行する。それにより、端末１００による各処理が実行される。

図２（ａ）は、照射手段１０４および撮影手段１０５を例示する図である。照射手段１０４は、近赤外光を発する装置であり、例えば近赤外光を発するＬＥＤ（Ｌｉｇｈｔ Ｅｍｉｔｔｉｎｇ Ｄｉｏｄｅ）である。撮影手段１０５は、特に限定されるものではないが、可視光線を遮断するフィルタ（可視カットフィルタ）を備えたＣＭＯＳ（Ｃｏｍｐｌｅｍｅｎｔａｒｙ Ｍｅｔａｌ Ｏｘｉｄｅ Ｓｅｍｉｃｏｎｄｕｃｔｏｒ）カメラ、ＣＣＤ（Ｃｈａｒｇｅ Ｃｏｕｐｌｅｄ Ｄｅｖｉｃｅ）カメラなどである。図２（ａ）のように、照射手段１０４および撮影手段１０５が一体化されていてもよい。撮影手段１０５は、一例としてかざされた手のひらの画像を取得する。

図２（ｂ）は、撮影手段１０５の撮影結果を表す図である。撮影結果は、画像として表現される。画像は、多数の画素から構成された２次元の配列であり、各画素は光の強度に応じた値（画素値）を持つ。図２（ｂ）を参照して、静脈は黒く表現される。手のひらの静脈以外の部位は、灰色で表現されている。手のひら以外の領域は、白色で表現されている。

再度図１を参照して、ＩＤ入力手段１０６は、キーボード、ＩＣカードリーダなどの入力装置である。表示手段１０７は、液晶ディスプレイ、エレクトロルミネッセンスパネル等の表示装置であり、端末１００およびサーバ２００の処理結果などを表示する。または、表示手段１０７は、ランプやブザーなどであってもよい。開閉手段１０８は、自動ドアの開閉を行う装置である。通信手段１０９は、サーバ２００の通信手段２０４とデータを送受信する通信装置である。

ＣＰＵ２０１は、中央演算処理装置である。ＣＰＵ２０１は、１以上のコアを含む。ＲＡＭ２０２は、ＣＰＵ２０１が実行するプログラム、ＣＰＵ２０１が処理するデータなどを一時的に記憶する揮発性メモリである。記憶手段２０３は、不揮発性記憶装置である。記憶手段２０３として、例えば、ＲＯＭ、フラッシュメモリなどのソリッド・ステート・ドライブ、ハードディスクドライブに駆動されるハードディスクなどを用いることができる。本実施例に係る生体認証プログラムは、記憶手段２０３に記憶されている。記憶手段２０３に記憶されている生体認証プログラムは、実行可能にＲＡＭ２０２に展開される。ＣＰＵ２０１は、ＲＡＭ２０２に展開された生体認証プログラムを実行する。それにより、サーバ２００による各処理が実行される。

図３（ａ）は、生体情報認証装置３００の機能ブロック図である。図３（ａ）を参照して、端末１００の生体情報処理プログラムの実行によって、さらに正規化手段１０、抽出手段２０、位置合わせ手段３０、および変換算出手段４０が実現される。また、サーバ２００の生体認証プログラムの実行によって、さらに登録手段５０、照合手段６０、および判定手段７０が実現される。図３（ｂ）を参照して、正規化手段１０は、輪郭検出手段１１、特徴点検出手段１２、標準正規化手段１３、および画像変換手段１４として機能する。

図４は、認証時に生体情報認証装置３００によって実行される処理の概略を表すフローチャートである。図４を参照して、ＩＤ入力手段１０６は、入室を希望する利用者によってＩＤを受け取り、照合手段６０に送信する（ステップＳ１）。照合手段６０は、記憶手段２０３に当該ＩＤが登録済みであるか否かを判定する（ステップＳ２）。ステップＳ２で「Ｙｅｓ」と判定された場合、照射手段１０４は、利用者の手のひらに近赤外光を照射する（ステップＳ３）。

次に、撮影手段１０５は、手のひらを撮影する（ステップＳ４）。次に、正規化手段１０は、当該利用者のＩＤに関連付けられた変換係数を記憶手段２０３から読み出す（ステップＳ５）。変換係数は、手の輪郭と手の内部との対応を表す。正規化手段１０は、撮影された画像から手の輪郭上に設定された特徴点を検出し、変換係数に従って画像を正規化する（ステップＳ６）。

次に、抽出手段２０は、正規化された画像から静脈像を抽出する（ステップＳ７）。抽出された静脈像は、照合手段６０に転送される。照合手段６０は、抽出された静脈像と、該当するＩＤに関連付けられて登録された静脈像との類似度を算出する（ステップＳ８）。類似度が大きいほど類似していることを示す。判定手段７０は、算出された類似度が与えられた閾値よりも大きいかどうかを判定する（ステップＳ９）。判定結果は、端末１００に返される。ステップＳ９で「Ｙｅｓ」と判定された場合、開閉手段１０８は、自動ドアを開く（ステップＳ１０）。表示手段１０７は、自動ドアを開く際に、入室許可の認証結果を利用者に通知してもよい。ステップＳ２またはステップＳ９で「Ｎｏ」と判定された場合、表示手段１０７は、入室不許可を利用者に通知する（ステップＳ１１）。

図５は、生体情報の登録時に生体情報認証装置３００によって実行される処理の概略を表すフローチャートである。図５を参照して、ＩＤ入力手段１０６は、入室を希望する利用者によってＩＤを受け取る（ステップＳ２１）。次に、照射手段１０４は、利用者の手のひらに近赤外光を照射する（ステップＳ２２）。次に、撮影手段１０５は、手のひらを撮影する（ステップＳ２３）。次に、正規化手段１０は、撮影された画像を一旦記憶するとともに、撮影画像から手の輪郭上に設定された特徴点を検出し、当該特徴点に基づき、まず変換係数を用いない標準の正規化方式で画像を正規化する（ステップＳ２４）。次に、抽出手段２０は、正規化された画像から静脈像を抽出する（ステップＳ２５）。抽出された静脈像は、位置合わせ手段３０が一旦記憶する。

位置合わせ手段３０は、ステップＳ２２〜ステップＳ２５の処理を所定回数繰り返したか否かを判定する（ステップＳ２６）。ステップＳ２６で「Ｙｅｓ」と判定された場合、位置合わせ手段３０は、記憶している静脈像間の位置合わせを行う（ステップＳ２７）。変換算出手段４０は、位置合わせの結果および検出された特徴点に基づいて、変換係数を算出する（ステップＳ２８）。正規化手段１０は、算出された変換係数を用いて、記憶した撮影画像に対して再度正規化を行う（ステップＳ２９）。抽出手段２０は、正規化画像から静脈像を抽出する（ステップＳ３０）。次に、登録手段５０は、ＩＤに静脈像および変換係数を関連付けて記憶手段２０３に記憶させる（ステップＳ３１）。この際、得られたすべての静脈像を記憶手段２０３に記憶させてもよい。あるいは所定の基準で選択された静脈像（例えば１枚目の静脈像）を記憶手段２０３に記憶させてもよい。

ステップＳ２６で「Ｎｏ」と判定された場合、表示手段１０７は、利用者に再度手をかざすように指示を表示する（ステップＳ３２）。その後、ステップＳ２２〜ステップＳ２６が繰り返される。

続いて、正規化手段１０の詳細について説明する。輪郭検出手段１１は、画像上で手の輪郭を検出する。画像上で手の輪郭を検出する１手法を以下に示す。撮影された画像上で、背景は明るく、手に対応する領域は暗いパターンとして表される。そこで、輪郭検出手段１１は、例えば、撮影された画像を以下のように２値化処理することで手輪郭を検出する。輪郭検出手段１１は、結果の手輪郭を格納する出力画像を用意する。
（１）準備 画像の左上に注目画素を設定する。
（２）２値化 撮影画像に関して、注目画素の画素値が定められた閾値１よりも大きい場合には背景と判断し、出力画像の注目画素に対して値０を書き込む。そうでない場合には手領域と判断し、出力画像の注目画素に対して値１を書き込む。
（３）注目画素の移動 注目画素を１つ右に移動する。右端の場合には、１つ下の左端に移動する。右下の場合には終了する。
（４）繰り返し 上記の処理を繰り返す。

閾値１には、平均的な背景の画素値よりも小さな値を用いることができる。画素値の範囲が０から２５５の場合、例えば値１５０を用いる。輪郭検出手段１１は、２値化後に出力画像の全画素を１つずつ走査し、注目画素が手領域を表す値１でありその隣の画素が背景を表す値０の場合に、注目画素の値を、輪郭を表す値２に変更する。これにより、手の輪郭が検出される。図６（ａ）は、手輪郭の検出例を表す図である。なお、値１が灰色で表され、値２が黒色で表されている。

次に、特徴点検出手段１２は、手輪郭から特徴点を検出する。特徴点としては、例えば指の付け根や手首両端に対応する点を用いることができる。ここで、指の付け根とは指間の水かき部分を差す。指の付け根を検出する１手法を示す。ここでは、手は指が画像上側に位置するようにかざすものとしている。また、輪郭検出手段１１が検出した手輪郭を表す画像を用いる。
（１）準備 座標値を記憶する配列を用意する。点の個数を記憶する変数を用意して、０に初期化する。
（２）処理 画像の全画素を１つずつ順番に走査し、手輪郭を表す値２を持つ画素が見付かったらその左右の画素の値を調べる。ともに手領域を表す値１であった場合には、その画素は指の付け根と判定して画素の座標値を配列に記録し、点の個数を記憶する変数の値を１増加させる。

なお、画素の座標値を表す座標系は、本実施例では原点を画像左上に取り、水平方向をｘ軸（画像右側正）、垂直方向をｙ軸（画像下側正）とした座標系で表現することができる。画素に対応する座標値は、ｘ，ｙともに非負の整数値になる。最大値は、それぞれ画像サイズ−１である。手首の両端を検出する１手法を示す。ここでは、手首が画像下端にくるようにかざすものとしている。
（１）準備 手首の左端と右端の座標値を記憶する変数を用意する。左端変数のｘ座標には−１、右端変数のｘ座標には画像サイズ以上の大きな数を代入する。
（２）処理 画像の最下行から所定の行数（例えば全行の１％）だけ走査し、手輪郭を表す値２を持つ画素が見付かったら以下の処理を行う。左側の隣接画素が背景を表す値０でかつ注目画素のｘ座標値が左端変数のｘ座標値よりも大きい場合には、左端変数に注目画素の座標値を代入する。右側の隣接画素が背景を表す値０でかつ注目画素のx 座標値が右端変数のx 座標値よりも小さい場合には、右端変数に注目画素の座標値を代入する。
上記処理後に、左端変数のｘ座標値か右端変数のｘ座標値が初期値のままの場合には、手首の両端は見付からなかったと判定する。この場合には、適宜再撮影を行う。図６（ｂ）および表１は、図６（ａ）に対する特徴点の検出結果を表す図である。図６（ｂ）において、検出位置が黒円で表されている。

次に、標準正規化手段１３は、変換係数を用いない標準正規化処理を行う。具体的には、標準正規化手段１３は、手輪郭の特徴点の座標値に基づいて、撮影画像を変換する。１手法を以下に示す。正規化結果を格納する画像を用意する。
（１）準備 手輪郭の特徴点の座標値の最小値および最大値をｘ、ｙごとに求め、それぞれｘ_ｍｉｎ、ｘ_ｍａｘ、ｙ_ｍｉｎ、ｙ_ｍａｘとする。ただし、ここでは左右の対称性を考慮して、親指の付け根に相当する特徴点を除外する。親指の付け根かどうかは、例えば特徴点のｙ座標値の平均値に最も近いｙ座標値を持つ特徴点で判断することができる。正規化結果を格納する画像のサイズを、例えば、(ｘ_ｍａｘ−ｘ_ｍｉｎ＋１)×(ｙ_ｍａｘ−ｙ_ｍｉｎ＋１) とする。正規化画像の左上に注目画素を設定する。注目画素の座標値を表す変数をｕ，ｖとする。
（２）対応点の計算 注目画素の座標値（ｕ，ｖ）に対して、下式で計算される（ｘ，ｙ）を対応点と定める。
ｘ＝ｕ＋ｘ_ｍｉｎ
ｙ＝ｖ＋ｙ_ｍｉｎ
（３）画素値の計算 撮影画像の画素（ｘ，ｙ）の画素値を正規化画像の注目画素（ｕ，ｖ）の画素値とする。
（４）注目画素の移動 注目画素を１つ右に移動する。右端の場合には１段下の左端に移動する。右下の場合には終了する。再度、対応点の計算を行う。

上記の手法は、手輪郭の特徴点の外接長方形で撮影画像を切り取る方式である。図７（ａ）は、図６（ｂ）に対する正規化画像の例を表す。画像サイズは、上記の手法より３０×６０である。なお、上記の手法では、生成される正規化画像のサイズが撮影画像毎に異なる可能性がある。そこで、対応点の計算方法を下記式のように修正すれば、正規化画像のサイズを一定値ｗ_ｏｕｔ×ｈ_ｏｕｔに揃えることができる。この場合、算出される（ｘ，ｙ）が非負整数になるとは限らないので、画素値の計算において、例えば最も近い座標値を持つ画素の画素値を用いてもよい。また、近傍の複数の画素の画素値を補間して定めてもよい。

より一般的な方法として、手輪郭を凸四角形で表してそれを長方形に正規化する方法が考えられる。正規化画像の画素（ｕ，ｖ）と対応する撮影画像の点（ｘ，ｙ）を定める１手法を示す。対応が定まれば、前述の手法と同様にして正規化画像を作成することができる。凸四角形の４頂点を（ｘ_１１，ｙ_１１）、（ｘ_１２，ｙ_１２）、（ｘ_２２，ｙ_２２）、（ｘ_２１，ｙ_２１）とする。対応点の計算方法は、下記式のように表される。

上記で開示した方法以外にも様々な手法が考えられる。強調されるべき点は、手輪郭だけに基づいて正規化を行う方法は、手輪郭に現れない手の内部の変形に追従できない点である。

続いて、画像変換手段１４の説明に先立って、まず手輪郭と手の内部との対応付けの一般的な枠組について説明する。具体例に関しては後述する。手輪郭の形状をベクトルｓで表す。ここで、ｓの要素は、手輪郭の特徴点の座標値やその関数の値（例えば最小値最大値）から構成される。一方、手の内部に関しては撮影画像上の位置を示すベクトルｚで表す。ｚを成分で表してｚ＝（ｘ，ｙ）と表すこともある。ｚと対応する正規化画像の画素の座標値を（ｕ，ｖ）とする。本願では、訓練データを用いて手輪郭から手の内部を推定する。これにより、より適切な正規化が行えることが期待される。そのため、まず、手輪郭ｓに対して、手の内部の点ｚを返す関数ｆを用意する。ｆは、未知パラメータθを含むが、それ以外は既知とする。θを変換係数と呼ぶ。手の内部の点ｚは、ｚ＝ｆ（ｓ；θ）で推定される。なお、変換係数θは、正規化画像の画素（ｕ，ｖ）によって異なる値を取る。それを強調する場合には、θをθ_ｕ，ｖと表す。

次に、変換係数を用いて正規化を行う画像変換について説明する。１手法を以下に示す。正規化結果を格納する画像を用意する。
（１）準備 正規化画像の左上に注目画素を設定する。注目画素の座標値を表す変数をｕ，ｖとする。
（２）対応点の計算 注目画素の座標値（ｕ，ｖ）に対して、ｚ＝ｆ（ｓ；θ_ｕ，ｖ）で定められるｚ＝（ｘ，ｙ）を対応点と定める。
（３）画素値の計算 例えば（ｘ，ｙ）に最も近い撮影画像の画素の画素値を正規化画像の注目画素（ｕ，ｖ）の画素値とする。
（４）注目画素の移動 注目画素を１つ右に移動する。右端の場合には１段下の左端に移動する。右下の場合には終了する。再度、対応点の計算を行う。

上記の手法では、変換係数θをすべての画素（ｕ,ｖ）について求めておく。変換係数算出時の処理量や記憶容量を削減するため、変換係数を求める画素を１部分に限定することが考えられる。この場合には、例えば画像変換手段１４は、変換係数θあるいは対応点ｚを補間して正規化を行う。上記の処理における対応点の計算方法の１例を示す。
（１）準備 ベクトルを記憶する変数ａとカウンタを表す変数ｋとを用意し、ともに０を代入する。
（２）探索 注目画素の座標値（ｕ，ｖ）に対して、変換係数が算出されている近傍の画素（ｕ´，ｖ´）を１つ列挙する。無いときは、平均計算を行う。
（３）対応点の計算 ｚ´＝ｆ（ｓ；θ_{ｕ´，ｖ´}）を計算する。
（４）総和の計算 ｚ´をａに加える。ｋの値を１増加させる。
（５）繰り返し 再び探索を行う。
（６）平均計算 ｚ＝ａ／ｋで最終的な対応点を定める。
より一般的には、変換係数が得られている画素との距離を考慮して補間を行う方法が考えられる。

続いて、抽出手段２０の詳細について説明する。抽出手段２０による静脈像の抽出の１手法を示す。画像上で、静脈は、背景や手領域よりも暗いパターンとして表されるので、例えば、以下のように２値化することで抽出することができる。静脈像を格納する出力画像を用意する。
（１）準備 画像の左上に注目画素を設定する。
（２）２値化 正規化画像に関して、注目画素の画素値が定められた閾値２よりも大きい場合には静脈以外と判断し、出力画像の注目画素に対して値０を書き込む。そうでない場合には静脈と判断し、出力画像の注目画素に対して値１を書き込む。
（３）注目画素の移動 注目画素を１つ右に移動する。右端の場合には、１つ下の左端に移動する。右下の場合には終了する。
（４）繰り返し 上記の処理を繰り返す。

閾値２については、手輪郭検出で用いた閾値１よりも小さくする。閾値２には、平均的な静脈像の画素値よりも大きな値を設定してもよい。画素値の範囲が０から２５５の場合、例えば、値６０を用いることができる。図７（ｂ）は、正規化画像例に対する抽出例を表す図である。図７（ｂ）では、値１が黒色で表示されている。

なお、本抽出手法では、静脈像は２値画像として表現される。その他に、記憶容量の削減や照合処理の高速化のため、画像から特徴量を算出する方法も考えられる。特徴量としては、例えば、静脈像を構成する点の座標値、静脈像を細線化して折れ線近似したときの各折れ線の頂点、分岐点や端点等の特徴点の座標値等が考えられる。

続いて、２つの静脈像の位置合わせを行う位置合わせ手段３０の詳細について説明する。以下に、２つの静脈像の位置合わせを行う１手法を示す。ここでは静脈像が２値画像として表現される場合について説明する。それぞれを静脈像１、静脈像２と呼ぶ。対応点を記録する２次元配列を用意する。
（１）初期化 注目画素を静脈像１の左上とする。
（２）探索初期位置設定 探索位置を、静脈像２の注目画素と同じ位置とする。
（３）一致度計算 注目画像を中心とする所定の大きさの長方形領域と、探索位置を中心とする同じ大きさの長方形領域とを、それぞれ静脈像１、静脈像２に設定し、それぞれの内側での静脈像の一致度を算出する。一致度は、例えば、対応する画素がともに値１となる画素数を、対応する画素のどちらかが値１となる画素数で割った値を用いる。長方形が画像外に出る場合には画素値０とみなす。
（４）最大値計算 探索位置を所定の範囲内で移動し、その中で最大の一致度を与える探索位置を注目画素の対応点と判断し、その座標値を２次元配列に記録する。
（５）繰り返し 注目画素を１つ右に移動する。右端の場合には、１段下の左端に移動する。それ以上移動できない場合には終了する。

上記の手法では，２次元配列に静脈像１の画素が対応する静脈像２の画素の座標値が格納される。なお、静脈像が疎な場合には一致度計算ができない画素が出現する可能性がある。その場合には、一致度が算出できた画素での対応点を補間する等の方法によってすべての画素に対して対応点を設定する。別の位置合わせ手法として、位置合わせを行う写像を規定して、それに含まれる未知パラメータを推定する方法がある。写像としては、例えば下記式のような平行移動を用いることができる。
ｘ´＝ｘ＋ａ_１
ｙ´＝ｙ＋ａ_２

例えば、未知パラメータは、以下のように推定することができる。
（１）初期化 平行移動を表すパラメータを保持する変数と、一時的に使用する画像と、最大一致度を保持する変数とを用意する。平行移動を表すパラメータは所定範囲の左上（最小値）に設定する。
（２）変換画像生成 各画素（ｘ，ｙ）に対して、平行移動の式で（ｘ´，ｙ´）を計算し、静脈像２のその画素の値を一時使用画像の画素（ｘ，ｙ）の値とする。
（３）一致度計算 静脈像１と一時使用画像との一致度を計算する。一致度として、例えば対応する画素がともに値１となる画素数を、対応する画素のどちらかが値１となる画素数で割った値を用いることができる。
（４）最大値計算 今回算出された一致度が最大一致度よりも大きい場合には、最大一致度を今回算出された一致度で置き換え、今回の平行移動パラメータを記録する。
（５）繰り返し 平行移動を表すパラメータを１画素分だけ右に移動（大きく）する。所定範囲の右端の場合には１段下の左端に移動する。それ以上移動できない場合には終了する。

より一般的な写像としては、相似変換やアフィン変換が挙げられる。これらについても上記と同様の方法でパラメータを推定することができる。また、先に対応点を求めて、それに基づいてパラメータの推定を行うこともできる。この場合には、例えば最小２乗法を用いて対応点との誤差が小さくなるような評価基準でパラメータを定めることができる。

続いて、記憶手段２０３が記憶するデータの例について説明する。記憶手段２０３は、表２で例示するように、静脈像および変換係数を利用者のＩＤに関連付けて記憶する。静脈像は、例えば一定の規則に従って数字列に変換して記憶される。静脈像を画像で表す場合、例えば、画素値を１列に並べた数字列を用いることができる。

続いて、照合手段６０の詳細について説明する。静脈像が２値画像として表現される場合、類似度は、例えば以下の方法で算出することができる。
（１）初期化 注目画素を画像左上に設定する。一致した画素の個数を保持する変数（カウンタ）と静脈像を構成する画素の個数を保持する変数とを用意し、それぞれ０に初期化する。
（２）画素値の比較 注目画素における、２枚の画像の画素の値を獲得して比較する。両者がともに静脈像を表していれば、一致個数のカウンタの値を１つ増加させる。どちらかが静脈像を表していれば、静脈像構成のカウンタの値を１つ増加させる。
（３）注目画素の移動 注目画素を１つ右に移動する。右端の場合には、１つ下の左端に移動する。右下の場合には終了する。
（４）繰り返し 再度、画素値の比較を行う。
（５）類似度出力 一致個数のカウンタの値を静脈像構成のカウンタの値で割った値を類似度とする。

本実施例では、抽出された生体情報に基づいて位置合わせを行い、位置合わせ結果に基づいて座標に関する量を正規化することによって、特別な装置や照合処理における位置合わせなしに同一人物に対する類似度を高めることができる。上記の方法では、例えば、画像の画素値をランダムに並び替えても、その並び替えが２枚の画像で共通であれば同一の類似度が得られる。このように、本実施例によれば、暗号化された生体情報のまま照合処理を行うことが可能となる。

続いて、判定手段７０の詳細について説明する。判定手段７０は、照合手段６０で算出された類似度とあらかじめ定めた閾値Ｔｈとを比較し、閾値Ｔｈよりも大きい場合には、利用者が本人であると判定する。閾値Ｔｈの決め方の１例は、以下の通りである。評価用に多人数の生体情報を収集し、これらの生体情報と様々な閾値とに対して、他人受入率（他人の照合データを誤って本人と判定する割合）を算出する。この他人受入率が１／１万（４桁の暗証番号と同じ精度）となる閾値を調べ、それをＴｈとすることができる。

続いて、変換算出手段４０の詳細について説明する。公知技術の訓練データに基づく学習方式を本実施例に単純に適用する場合、変換係数を算出するためには、訓練データとして輪郭ｓと手の内部の点ｚとの対が必要となる。しかしながら、静脈像には明確な構造が見られないため、手の内部の点ｚは一意的には定めることができず、そのままでは訓練データの作成ができない。

位置合わせ手段３０では、２つの静脈像で互いに対応する点が得られる。そこで、１：１認証に限定すれば、例えば１枚目の登録画像の座標系を正規化画像の座標系に用いることで、登録データを訓練データとして用いることができる。具体的には以下の通りである。ｎ枚の登録画像があり、ｊ（ｊ＝１，…ｎ）枚目の輪郭をｓ_ｊとし、静脈像の対応点をｚ_ｊ，ｋ（ｘ_ｊ，ｋ，ｙ_ｊ，ｋ）（ｋ＝１，…Ｋ）とする。ｋは、対応点の添字を表す。正規化画像の画素（ｘ_１，ｋ，ｙ_１，ｋ）に対応する変換パラメータθは、例えば下記式の評価関数を最小化することで定めることができる。ただし、登録１枚目の推定誤差が０、すなわちｆ（ｓ_１；θ）＝ｚ_１，ｋの制約条件を満たすように選ぶことが好ましい。ここで、｜｜ｚ｜｜は、ベクトルz のノルムを表し、例えばｚ＝（ｘ，ｙ）のとき｜｜ｚ｜｜＝√（ｘ^２＋ｙ^２）と定めることができる。

以下では，具体例を用いて上記の方法を説明する。３枚の画像が撮影され、そのうち最初の２枚を登録データ兼訓練データに用いる例を取り上げる。図８は、３枚の画像から抽出された静脈像の位置合わせ結果を例示する。ｘ方向については、３枚ともに正確に同じ値が対応しているが、ｙ方向については、静脈像の高さが低くなるにつれて非一様に縮んでいる。このような現象は、例えば手のひらの指側を少し曲げた場合に起こる。こういった非一様な変化は、輪郭に基づいて単純に静脈像の位置や向きを合わせる従来技術では対応できない。

輪郭ｓを表す具体的な要素としては、標準正規化画像のサイズ（幅と高さ）を用いる。ｊ（ｊ＝１，２，３）枚目の幅をｗ_ｊ、高さをｈ_ｊとする。ｗ_ｊ＝３０、ｈ_１＝６０、ｈ_２＝５５、ｈ_３＝５０である。静脈像の対応点を（ｘ_ｊ，ｋ，ｙ_ｊ，ｋ）（ｋ＝１，…５）とする。なお、本実施例では分かりやすくするため、撮影画像の座標系ではなく標準正規化画像の座標系で考えることとする。

正規化画像の画素（ｘ_１，ｋ，ｙ_１，ｋ）に対して、ｘ方向は例えば恒等写像で誤差なく推定できるので、以下ではｙ方向についてのみ推定を行う。変換係数θは（ａ，ｂ）とし、関数ｆとしては、１次式ｙ＝ａｈ＋ｂを用いる。変換係数ａ，ｂの推定は、上述した方法の場合、以下の最適化問題に帰着される。
ｙ_１，ｋ＝ａｈ_１＋ｂ，（ａｈ_２＋ｂ−ｙ_２，ｋ）^２ → ｍｉｎｉｍｉｚｅ

上記式の解は、以下のように表される。
ａ＝（ｙ_２，ｋ−ｙ_１，ｋ）／（ｈ_２−ｈ_１）
ｂ＝ｙ_１，ｋ−ａｈ_１

上記具体例の場合、変換係数ａ，ｂは、表３のように求められる。

表３の変換係数を用いて３枚目の静脈像を正規化する場合、輪郭から推定される座標値と実際の対応点の座標値のずれ（正規化誤差）は表４のように計算される。

３枚目の静脈像が照合データに用いられる場合、登録データとの正規化誤差が０であることから高い類似度が得られることが期待される。なお、上記の例では、簡単のため変換係数は標準正規化画像の座標系で表されているが、実際に正規化を行う場合には撮影画像の座標系で表してもよい。座標系の変換は、標準正規化で行う対応点の計算で使用する座標変換式から容易に行うことができる。

実施例２では、認証時にＩＤ入力を必要としない１：Ｎ認証を行う生体情報認証装置３００ａについて説明する。生体情報認証装置３００ａのハードウェアとして、実施例１と同様のハードウェア構成を用いることができる。図９は、生体情報認証装置３００ａの機能ブロック図である。生体情報認証装置３００ａは、生体情報認証装置３００と異なる処理を行う。また、記憶手段２０３は、変換係数を記憶していない。

図１０は、認証時に生体情報認証装置３００ａによって実行される処理の概略を表すフローチャートである。図１０を参照して、図４のステップＳ３，Ｓ４，Ｓ６，Ｓ７が、ステップＳ４１〜ステップＳ４４として実行される。次に、照合手段６０は、照合処理として、抽出された静脈像と、全ＩＤの静脈像との類似度を順番に算出する（ステップＳ４５）。判定手段７０は、算出された類似度が与えられた閾値よりも大きくなる登録者がいるか否かを判定する（ステップＳ４６）。ステップＳ４６で「Ｙｅｓ」と判定された場合、開閉手段１０８は、自動ドアを開く（ステップＳ４７）。表示手段１０７は、自動ドアを開く際に、入室許可の認証結果を利用者に通知してもよい。ステップＳ４６で「Ｎｏ」と判定された場合、表示手段１０７は、入室不許可を利用者に通知する（ステップＳ４８）。

図１１は、生体情報の登録時に生体情報認証装置３００ａによって実行される処理の概略を表すフローチャートである。図１１を参照して、図５のステップＳ２１〜ステップＳ２３が、ステップＳ５１〜ステップＳ５３として実行される。次に、正規化手段１０は、所定人数が登録済みであるか否かを判定する（ステップＳ５４）。ステップＳ５４で「Ｎｏ」と判定された場合、図５のステップＳ２４〜ステップＳ２６がステップＳ５５〜ステップＳ５７として実行される。

次に、位置合わせ手段３０は、所定人数の標準の正規化および静脈像の抽出が行われたか否かを判定する（ステップＳ５８）。ステップＳ５８で「Ｙｅｓ」と判定された場合、位置合わせ手段３０は、記憶している静脈像間の位置合わせを行う（ステップＳ５９）。変換算出手段４０は、位置合わせの結果および検出された特徴点に基づいて、変換係数を算出する（ステップＳ６０）。正規化手段１０は、算出された変換係数を用いて、記憶した撮影画像に対して再度正規化を行う（ステップＳ６１）。抽出手段２０は、正規化画像から静脈像を抽出する（ステップＳ６２）。次に、登録手段５０は、ＩＤに静脈像を関連付けて記憶手段２０３に記憶させる（ステップＳ６３）。この際、得られたすべての静脈像を記憶手段２０３に記憶させてもよい。あるいは所定の基準で選択された静脈像（例えば１枚目の静脈像）を記憶手段２０３に記憶させてもよい。ステップＳ５７で「Ｎｏ」と判定された場合、表示手段１０７は、利用者に再度手をかざすように指示を表示する（ステップＳ６４）。その後、ステップＳ５２〜ステップＳ５７が繰り返される。ステップＳ５４で「Ｙｅｓ」と判定された場合、変換係数の算出は行われず、ステップＳ６１〜ステップＳ６３が実行される。

実施例１に係る生体情報処理装置３００を１：Ｎ認証に適用する場合、以下の３点が課題となる。
（１）変換係数をＩＤ毎に切り替えることができない。
（２）異なるＩＤの静脈像は位置合わせすることができない。
（３）正規化画像の座標系を定めることができない。
（１）については、認証時にＩＤが入力されないため、記憶手段２０３から変換係数を読み出せないことに起因する。（２）については、異なるＩＤの静脈像が全く異なるため、そもそも対応すべき点を定義できないことに起因する。（３）については、正規化画像の座標系を特定のＩＤの１枚目の撮影画像と定めることが不自然で不適切と考えられることに起因する。これらの課題があるため、実施例１に係る生体情報処理装置３００を単純に１：Ｎ認証に適用することは困難である。

そこで、本実施例では、上記課題を以下の方法で解決する。
（１）変換係数を全ＩＤで共通化する。
（２）異なるＩＤの静脈像については位置合わせを行わず、手輪郭に基づく標準的な正規化で定まる対応関係を用いる。
（３）正規化画像の座標系は手輪郭に基づく標準的な正規化で定める。

続いて、本実施例に係る変換算出手段４０の詳細について説明する。変換算出用として、ｍ個のＩＤに対してそれぞれｎ枚の登録画像が入力されたとする。以下では、これらから訓練データを作成して、変換係数を算出する方法を詳述する。正規化画像の画素の座標値を（ｕ，ｖ）とする。ｉ（ｉ＝１，…ｍ）番目のＩＤのｊ（ｊ＝１，…ｎ）番目のデータを（ｉ，ｊ）で表し、その輪郭をｓ_ｉ，ｊとする。ｓ_ｉ，ｊの意味は実施例１と同様であり、手輪郭の特徴点の座標値やその関数の値（例えば最小値最大値）から構成されたベクトルである。

同一ＩＤ内での静脈像の位置合わせの結果は、写像Ｔ_ｉ，ｊで表す。ここで，Ｔ_ｉ，ｊはｉ番目のＩＤの１番目の画像の点ｚと対応するｊ番目の画像の点がＴ_ｉ，ｊ（ｚ）であることを表す。ｊ＝１の場合には恒等写像とする。写像Ｔ_ｉ，ｊの求め方については、実施例１の位置合わせ手段３０による処理と同様である。データ（ｉ，ｊ）において、標準的な正規化処理で定まる正規化画像の画素（ｕ，ｖ）に対応する点のベクトルをｐ_ｉ，ｊとする。

本実施例においては、変換算出手段４０は、上記の量を訓練データとして、それらから変換係数を算出する。最も素直な変換係数の算出方法として、例えば各ＩＤの１枚目については標準的な正規化処理で定まる点に合わせ、２枚目以降についてはそれと対応する点に合わせることが考えられる。具体的には、例えば以下の評価関数Ｊ_１を最小にする変換係数θを用いる。ここで，ｆは輪郭ｓと変換係数θに対して手の内部の点ｚをｚ＝ｆ（ｓ；θ）で推定する既知の関数である。

ただし、上記の算出方法には、同一のＩＤに対する正規化誤差を最小化するものではないという問題がある。ここで正規化誤差とは、輪郭から推定される座標値と対応点のずれを意味する。本人間の類似度を高めるためには、同一のＩＤに対する正規化誤差を最小にするような変換係数を求めることが望ましい。この観点から、例えば２枚目以降の画像に対して正規化誤差を最小にするように合わせることが考えられる。ただし、それだけでは輪郭と手の内部の対応が不定になってしまうので、例えば各ＩＤの１枚目については標準的な正規化処理で定まる点からあまり離れないという制約を加えることが考えられる。具体的には、例えば以下の評価関数Ｊ_２を最小にする変換係数を用いる。

ここで、γは小さい正数で、例えば０．０１などである。評価関数の第１項が１枚目を基準としたときの正規化誤差、第２項が標準的な正規化処理で定まる点からのずれを表している。第２項については、下記式のように全データでずれを考慮する方法も考えられる。

以下では，具体例を用いて上記の方法を説明する。２つのＩＤ０００１，０００２に対して、それぞれ３枚の画像が撮影され、そのうち最初の２枚を登録データ兼訓練データに用いる例を取り上げる。図１２（ａ）および図１２（ｂ）は、３枚の画像から抽出された静脈像の位置合わせ結果を表す。ｘ方向については、３枚ともに正確に同じ値が対応しているが、ｙ方向は静脈像の高さが低くなるにつれて非一様に縮んでいる。このような現象は例えば手のひらの指側を少し曲げた場合に起こる。こういった非一様な変化は、輪郭に基づいて単純に静脈像の位置や向きを合わせる従来技術では対応できない。さらに、ＩＤによって非一様性に違いがあり、ＩＤ０００２において非一様性が高くなっている。

輪郭ｓを表す具体的な要素としては、標準正規化画像のサイズ（幅と高さ）を用いる。ｉ番目のＩＤのｊ（ｊ＝１，２，３）枚目の幅をｗ_ｉ，ｊ、高さをｈ_ｉ，ｊとする。なお、本実施例では、分かりやすくするため、撮影画像の座標系ではなく標準正規化画像の座標系で考えることとする。正規化画像としては、一定値ｗ_ｏｕｔ×ｈ_ｏｕｔに揃えることする。ここで、ｗ_ｏｕｔ＝３０、ｈ_ｏｕｔ＝６０である。正規化画像の画素（ｕ，ｖ）に対して、ｘ方向は例えばｘ＝ｕ（ｗ_ｉ，ｊ−１）／（ｗ_ｏｕｔ−１）で誤差なく推定できるので、以下ではｙ方向についてのみ推定を行う。変換係数θは（ａ，ｂ，ｃ）とし、関数ｆとしては１次式ｙ＝ａｗ＋ｂｈ＋ｃを用いることができる。例えば、ｖ＝１０の場合には、上述した評価関数Ｊ_１は下式で表される。
Ｊ_１（ａ，ｂ，ｃ）＝（３０ａ＋６０ｂ＋ｃ−１０）^２＋（３０ａ＋５５ｂ＋ｃ−８）^２＋（２５ａ＋６０ｂ＋ｃ−１０）^２＋（２５ａ＋５５ｂ＋ｃ−７）^２

Ｊ_１を各パラメータで偏微分して０と置いて得られる連立一次方程式を解くことで、Ｊ_１を最小にするａ，ｂ，ｃを容易に求めることができる。他のｖについても同様に変換係数を求めることができる。表５は、ｖ＝１０，２０の場合の結果を表す。

表６は、正規化誤差を計算した結果を表す（小数３桁目４捨５入）。正規化誤差の計算においては、任意の点に対して写像Ｔ_ｉ，ｊを算出する必要がある。ここでは、ｘについては恒等写像、ｙについては与えられた５点と画像端の点との間の対応を線形補間した折れ線とした。

一方、評価関数Ｊ_２を用いる場合の計算例を以下に示す。Ｊ_２の最小化は、例えば変換係数ａ，ｂ，ｃをランダムに複数回選んで、Ｊ_２の値を計算し、その中で最小値を与えるａ，ｂ，ｃを選択する方法で行うことができる。γ＝０．０１とした。表７は、ｖ＝１０，２０に対する結果を表す（小数３桁目４捨５入）。

表８は、正規化誤差を計算した結果を表す（小数３桁目４捨５入）。Ｊ_１を用いる場合よりも正規化誤差が減少していることが分かる。このことから、Ｊ_２を用いる方がより本人間の類似度が高まることが期待される．

本実施例によれば、抽出された生体情報に基づいて位置合わせを行い、位置合わせ結果に基づいて座標に関する量を正規化することによって、照合処理における位置合わせなしに同一人物に対する類似度を高めることができる。また、変換係数を複数のＩＤで共通化し、異なるＩＤの生体画像については位置合わせを行わず、標準的な正規化で定まる対応関係を用いることによって、１：Ｎ認証において同一人物に対する類似度を高めることができる。

実施例３では、変換係数を複数組保持する生体情報認証装置３００ｂについて説明する。生体情報認証装置３００ｂのハードウェア構成として、実施例１と同様のハードウェア構成を用いることができる。図１３は、生体情報認証装置３００ｂの機能ブロック図である。生体情報認証装置３００ｂは、変換係数を複数組保持する点で、実施例２に係る生体情報認証装置３００ａと異なる。生体情報認証装置３００ｂにおいては、生体情報処理プログラムの実行により、端末１００に変換選択手段８０がさらに実現される。

図１４は、登録時に生体情報認証装置３００ｂによって実行される処理の概略を表すフローチャートである。図１４を参照して、図１１のステップＳ５１〜ステップＳ５３およびステップＳ５５〜ステップＳ５６がステップＳ７１〜ステップＳ７５として実行される。次に、図１１のステップＳ５７がステップＳ７６、ステップＳ５４がステップＳ７７として実行される。次に、図１１のステップＳ５８〜ステップＳ６３がステップＳ７８〜ステップＳ８３として実行される。ステップＳ７６で「Ｎｏ」と判定された場合、表示手段１０７は、利用者に再度手をかざすように指示を表示する（ステップＳ８４）。ステップＳ７７で「Ｙｅｓ」と判定された場合、位置合わせ手段３０は、位置合わせを行う（ステップＳ８５）。次に、変換選択手段８０は、変換係数を選択する（ステップＳ８６）。その後、ステップＳ８７が実行される。

続いて、本実施例に係る変換算出手段４０および変換選択手段８０の詳細について説明する。変換算出用として、ｍ個のＩＤに対して、それぞれｎ枚の登録画像が入力されたとする。以下では、正規化画像の１つの画素（ｕ，ｖ）に対して、それに対応する変換係数を複数組算出する１手法を示す。これは、学習分野でよく知られたｋ−ｍｅａｎｓ法の１つの拡張である。

ｉ（ｉ＝１，…ｍ）番目のＩＤのｊ（ｊ＝１，…ｎ）番目のデータを（ｉ，ｊ）で表し、その輪郭をｓ_ｉ，ｊとする。同一ＩＤ内での静脈像の位置合わせの結果を写像Ｔ_ｉ，ｊで表す。また、標準的な正規化処理で定まる正規化画像の画素（ｕ，ｖ）に対応する点のベクトルをｐ_ｉ，ｊとする。これらの意味は実施例２と同様である。ここで、ｉ番目のＩＤのデータに対して変換係数θの良さを評価する以下の関数を定義する。

ここで、γは小さい正数で、例えば０．０１としてもよい。上記の関数の第１項は１枚目を基準としたときの（ｉ，ｊ）の座標系で測った正規化誤差、第２項は標準的な正規化処理で定まる点からのずれを表す。Σ_ｉｇ_ｉは、実施例２の評価関数Ｊ_２と一致する。変換係数をＬ 組求めることとする。Ｌは、例えば４とする。変換係数をｌ＝１，…Ｌの番号で区別する。各訓練データを対応するＬ個のクラスに分類する。ｉ番目のＩＤの訓練データの属するクラスをｃ_ｉと書く。以下の方法でｃ_ｉを定める。
（１）初期化 ｃ_ｉ（ｉ＝１，…ｍ）に対して例えばランダムに１からＬのいずれかの整数を割り当てる。
（２）評価関数の最小化 ｌ＝１，…Ｌに対して、評価関数Ｇ_ｌ（θ）＝Σ_ｃｉ＝ｌｇ_ｉ（θ）を最小にするθを求め、それをθ^（ｌ）と表す。
（３）クラスの再割り当て すべてのｉ（ｉ＝１，…ｍ）に対して、ｌ＝１，…Ｌでｇ_ｉ（θ^（ｌ））が最小となるようなｌを求め、ｃ_ｉ＝ｌに変更する。
（４）繰り返し クラスの割り当てが変化しなくなったら終了する。そうでない場合には、再度、評価関数の最小化を行う。

上記の繰り返しで、Σ_ｌＧ_ｌ（θ^（ｌ））の値は単調に減少するので、少なくとも極小解を求めることができる。単一の変換係数を用いるよりも正規化誤差が減少するので、より本人間の類似度が高まることが期待される。上記の方法の終了時のθ^（１），…θ^（Ｌ）を最終的な変換係数として用いる。ｉ番目のＩＤの訓練データに対して、変換係数θ^（ｃｉ）で正規化を行う。なお、上記では正規化画像の画素（ｕ，ｖ）ごとに独立に算出したが、変形例として、例えば算出する全ての（ｕ，ｖ）に対して平均化した評価関数を用いることで、全ての（ｕ，ｖ）に対して共通のクラス割り当てを行うことが考えられる。これにより、認証時に生成する正規化画像の枚数を抑えることができる。

続いて、変換選択手段８０の詳細について説明する。訓練データ以外の登録データに関しては、以下の方法で使用する変換係数を定める。登録データのｊ番目の輪郭をｓ_ｊ、同一ＩＤ内での静脈像の位置合わせの結果を写像Ｔ_ｊで表す。また、標準的な正規化処理で定まる正規化画像の画素（ｕ，ｖ）に対応する点のベクトルをｐ_ｊとする。ここで、本登録データに対して変換係数θの良さを評価する下記式の関数を定義する。ここでは、γ等については上述したｇ_ｉと同じ値を用いる。

上述した方法で得られた変換係数の組θ^（１），…θ^（Ｌ）に対して、ｌ＝１，…Ｌでｇ（θ^（ｌ））が最小となるようなｌを求める。本登録データの正規化には、変換係数θ^（ｌ）を使用する。なお、本実施例の変形として、登録時にすべての変換係数を用いて複数組の静脈像を登録する構成が考えられる。この場合には、変換選択手段は不要となる。

本実施例によれば、抽出された生体情報に基づいて位置合わせを行い、位置合わせ結果に基づいて座標に関する量を正規化することによって、照合処理における位置合わせなしに同一人物に対する類似度を高めることができる。また、複数の変換係数を用いることによって、正規化誤差を減少させることができる。それにより、同一人物に対する類似度を高めることができる。

なお、上記各実施例において、生体情報認証装置は、端末とサーバとが通信手段を介して接続されていたが、１つの装置内で上記の端末およびサーバの機能が備えられていてもよい。

また、撮影画像からまず静脈像を抽出して、静脈像に対して正規化を行う構成が考えられる。また、輪郭の特徴点以外にも、画素値など画像から得られる情報を利用することが可能である。手のひらの静脈以外の生体情報としては、掌紋の利用が考えられる。本願は、撮影部位の形状に自由度がありかつ生体情報が特定の構造を持たない生体認証全般に適用可能である。

以上、本発明の実施例について詳述したが、本発明は係る特定の実施例に限定されるものではなく、特許請求の範囲に記載された本発明の要旨の範囲内において、種々の変形・変更が可能である。

１０ 正規化手段
１１ 輪郭検出手段
１２ 特徴点検出手段
１３ 標準正規化手段
１４ 画像変換手段
２０ 抽出手段
３０ 位置合わせ手段
４０ 変換算出手段
５０ 登録手段
６０ 照合手段
７０ 判定手段
８０ 変換選択手段
１００ 端末
１０４ 照射手段
１０５ 撮影手段
１０６ ＩＤ入力手段
１０７ 表示手段
１０８ 開閉手段
２００ サーバ
３００ 生体情報認証装置

Claims (8)

1. 生体画像を取得する画像取得手段と、
   前記生体画像から生体情報を抽出する抽出手段と、
   前記生体情報に基づいて、複数の生体画像間で位置合わせを行う位置合わせ手段と、
   前記位置合わせ手段の位置合わせ結果に基づいて、座標に関する量を正規化する正規化手段と、を備えることを特徴とする生体情報認証装置。
2. 利用者を識別するためのＩＤを取得するＩＤ取得手段を備え、
   前記位置合わせ手段は、同一のＩＤに関連付けられた複数の生体画像間で位置合わせを行うことを特徴とする請求項１記載の生体情報認証装置。
3. 正規化を規定する変換係数を記憶する記憶手段を備え、
   前記正規化手段は、前記ＩＤ取得手段によって取得されたＩＤに関連付けられた変換係数に基づいて、前記座標に関する量を正規化することを特徴とする請求項２記載の生体情報認証装置。
4. 前記正規化手段は、前記位置合わせ手段の位置合わせ結果と、標準位置とに基づいて、前記座標に関する量を正規化することを特徴とする請求項１または２記載の生体情報認証装置。
5. 正規化を規定する変換係数を複数記憶する記憶手段を備え、
   前記正規化手段は、前記位置合わせ手段の位置合わせ結果と標準位置とに基づいて変換係数を選択し、当該変換係数に基づいて、前記座標に関する量を正規化することを特徴とする請求項１または２記載の生体情報認証装置。
6. 生体画像を取得する画像取得手段と、
   前記生体画像から生体情報を抽出する抽出手段と、
   前記生体情報と、予め作成され正規化を規定する変換係数とに基づいて、座標に関する量を正規化する正規化手段と、を備えることを特徴とする生体情報認証装置。
7. 画像取得手段によって生体画像を取得し、
   前記生体画像から生体情報を抽出し、
   前記生体情報に基づいて、複数の生体画像間で位置合わせを行い、
   前記位置合わせの結果に基づいて、座標に関する量を正規化する、ことを特徴とする生体情報処理方法。
8. 画像取得手段によって生体画像を取得し、
   前記生体画像から生体情報を抽出し、
   前記生体情報と、予め作成され正規化を規定する変換係数とに基づいて、座標に関する量を正規化する、ことを特徴とする生体情報処理方法。

Images