JP2018049569A - 照合方法、照合装置、照合プログラム - Google Patents
照合方法、照合装置、照合プログラム Download PDFInfo
- Publication number
- JP2018049569A JP2018049569A JP2016186323A JP2016186323A JP2018049569A JP 2018049569 A JP2018049569 A JP 2018049569A JP 2016186323 A JP2016186323 A JP 2016186323A JP 2016186323 A JP2016186323 A JP 2016186323A JP 2018049569 A JP2018049569 A JP 2018049569A
- Authority
- JP
- Japan
- Prior art keywords
- reference axis
- feature points
- axis
- collation
- reference point
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 280
- 230000008569 process Effects 0.000 claims description 244
- 238000006243 chemical reaction Methods 0.000 claims description 51
- 238000012795 verification Methods 0.000 claims description 37
- 238000012545 processing Methods 0.000 abstract description 158
- JEIPFZHSYJVQDO-UHFFFAOYSA-N ferric oxide Chemical compound O=[Fe]O[Fe]=O JEIPFZHSYJVQDO-UHFFFAOYSA-N 0.000 abstract 1
- 230000004044 response Effects 0.000 description 44
- 210000003462 vein Anatomy 0.000 description 38
- 238000010586 diagram Methods 0.000 description 25
- 238000012986 modification Methods 0.000 description 23
- 230000004048 modification Effects 0.000 description 23
- 238000001514 detection method Methods 0.000 description 20
- 238000004364 calculation method Methods 0.000 description 12
- 230000006866 deterioration Effects 0.000 description 12
- 238000000605 extraction Methods 0.000 description 11
- 230000006870 function Effects 0.000 description 10
- 239000000284 extract Substances 0.000 description 8
- 238000012360 testing method Methods 0.000 description 6
- 238000004088 simulation Methods 0.000 description 5
- 230000001174 ascending effect Effects 0.000 description 4
- 210000004204 blood vessel Anatomy 0.000 description 4
- 238000003384 imaging method Methods 0.000 description 4
- 108010054147 Hemoglobins Proteins 0.000 description 3
- 102000001554 Hemoglobins Human genes 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000007796 conventional method Methods 0.000 description 3
- 230000001678 irradiating effect Effects 0.000 description 3
- 102200102378 rs387906638 Human genes 0.000 description 3
- 239000007787 solid Substances 0.000 description 3
- 210000000707 wrist Anatomy 0.000 description 3
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 210000001747 pupil Anatomy 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 210000001525 retina Anatomy 0.000 description 2
- 239000010409 thin film Substances 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 108010064719 Oxyhemoglobins Proteins 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 230000004931 aggregating effect Effects 0.000 description 1
- 210000001367 artery Anatomy 0.000 description 1
- 230000029777 axis specification Effects 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000005401 electroluminescence Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 229910044991 metal oxide Inorganic materials 0.000 description 1
- 150000004706 metal oxides Chemical class 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 230000002207 retinal effect Effects 0.000 description 1
- 102220321320 rs202148988 Human genes 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 208000024891 symptom Diseases 0.000 description 1
Images
Classifications
-
- 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
- G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
- G06V10/7715—Feature extraction, e.g. by transforming the feature space, e.g. multi-dimensional scaling [MDS]; Mappings, e.g. subspace methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
- G06F18/2135—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods based on approximation criteria, e.g. principal component analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
-
- 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
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/161—Detection; Localisation; Normalisation
- G06V40/162—Detection; Localisation; Normalisation using pixel segmentation or colour matching
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/14—Vascular patterns
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/161—Detection; Localisation; Normalisation
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Human Computer Interaction (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Databases & Information Systems (AREA)
- Computing Systems (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- General Engineering & Computer Science (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Image Analysis (AREA)
- Collating Specific Patterns (AREA)
- Image Processing (AREA)
Abstract
Description
図1は、実施例1に係る照合方法を用いた認証システム100の構成例を示す図である。図1に示す認証システム100は、プロセッサ1、記憶装置2、表示装置3、入力装置4、生体センサ5、施錠制御装置6などを備える。これらの各機器は、バスなどの有線あるいは無線によって通信可能に接続されており、一つの筐体に収容されていても良いし、全部あるいは一部の機器を独立した筐体に収容しても良い。
次に、実施例2について説明する。実施例2に係る認証システム100では、登録データと照合データとで最適な基準軸が異なる場合の認証処理の応答速度を改善する手法が導入される。例えば、実施例2に係る認証システム100の一側面では、登録データDB22に格納する登録データに、m次元空間を規定する各座標軸を基準軸として座標値順に整序した結果が保持される点で、実施例1と相違する。これにより、実施例2では、照合データの被験者(利用者)と登録データの被験者(利用者)とが異なる場合の認証処理の応答速度が改善される。別言すると、実施例2では、認証処理において照合データの基準軸と登録データの基準軸とが不一致の場合でも、登録データの第1特徴点群を照合データの基準軸上の座標値順に整序し直す必要がない。そのため、図12に示す実施例1に係る照合処理において、照合データの基準軸と登録データの基準軸とが不一致であった場合に実行される処理S204−5を省略することができ、特徴点の照合精度を維持しつつ、特徴点照合の応答速度を高速化することができる。そのような特徴点の照合処理を適用した認証システム100は、認証精度の劣化を抑制しつつ、認証処理の応答速度を改善することができる。
次に、実施例3について説明する。実施例3に係る認証システム100では、登録データと照合データとで最適な基準軸が異なる場合の認証処理の応答速度を改善する手法の代替案が導入される。例えば、実施例3に係る認証システム100の一側面では、認証システム100の登録データDB22に格納されている登録データのすべてに共通に適用されるシステム基準軸という概念が新たに追加される点で、実施例1及び実施例2と相違する。実施例3によれば、登録データDB22に格納されている1以上の登録データから、基準軸に関する情報と特徴点数とが収集され、収集した情報に示される基準軸毎に特徴点数が集計され、集計した特徴点数の全数に対して十分に大きな割合を有する基準軸がシステム基準軸として選択され得る。別言すると、実施例3のプロセッサ1は、基準軸毎の特徴点数のうち、基準軸毎の特徴点数を合計した全数に対する割合が最大となる特徴点数を有する基準軸であって、当該基準軸が有する特徴点数の割合が所定値以上となる基準軸を、システム基準軸として選択するように構成される。そして、選択されたシステム基準軸とは異なる基準軸で整序された登録データの第1特徴点群をシステム基準軸上の座標値順に整序し直す処理が、例えば、認証処理が実行されるタイミングとは異なるタイミングで実行され得る。これらにより、実施例3では、照合データと登録データとの基準軸が一致する確率を高めることができ、特徴点の照合精度を維持しつつ、特徴点照合の応答速度を高速化することができる。そのような照合処理を適用した認証システム100は、認証精度の劣化を抑制しつつ、認証処理の応答速度を改善することができる。
実施例3の変形例として、システム基準軸選択部215Bで選択したシステム基準軸を照合データの最適な基準軸として用いてもよい。図21は、実施例3の変形例に係る認証処理部213により実現される認証モードにおける特徴点の照合処理の一例を示す図である。図21に示す処理例は、システム基準軸情報23Bに有効な値が設定されている場合に実行され得る。
次に、実施例4について説明する。実施例4に係る認証システム100の一側面では、登録データの第1特徴点群を参照点群とし、照合データの第2特徴点群を基準点群として認証処理が行われる点で、実施例1と相違する。これにより、実施例4では、照合データの第2特徴点群について最適な基準軸を選択する処理を実行しなくてもよい。実施例4では、登録データの第1特徴点群(すなわち、参照点群)の基準軸上の座標値順に、照合データの第2特徴点群(すなわち、基準点群)が整序されていればよいためである。そのため、実施例4では、図12に示す実施例1に係る照合処理における処理S204−1乃至S204−3の実行を省略することができ、特徴点の照合精度を維持しつつ、特徴点照合の応答速度を高速化することができる。そのような照合処理を適用した認証システム100は、認証精度の劣化を抑制しつつ、認証処理の応答速度を改善することができる。
実施例4の変形例として、照合処理において、登録データの基準軸上の座標値順に照合データの第2特徴点群を整序する処理を省略してもよい。すなわち、図22に示す処理例において、処理S204−5Cを省略してもよい。この変形例における認証処理部213は、図22に示す処理例において、今回の基準点に対して最初に検出した近傍点(参照点)のインデックス値を保持する処理(S204−14)は、照合データの整序方向と登録データの基準軸とが一致する場合に実行し、照合データの整序方向と登録データの基準軸とが一致しない場合には実行しないように構成すればよい。別言すれば、照合データの整序方向と登録データの基準軸とが一致しない場合、基準点に対する参照点の近傍探索は、前回の基準点の近傍探索結果を反映せずに、例えば、参照点群の1番目に位置する参照点から近傍探索を開始すればよい。この変形例によれば、特徴点の照合処理における近傍探索において、基準点との基準距離が閾値以上の参照点を検出した後は、基準軸上の座標値順で後の参照点については近傍探索の対象としなくてもよいため、基準点と参照点との総当たりで近傍探索を行う場合と比較して、近傍探索の比較対象を削減することができる。そのため、特徴点の照合精度を維持しつつ、特徴点照合の応答速度を高速化することができる。そのような照合処理を適用した認証システム100は、認証精度の劣化を抑制しつつ、認証処理における演算コストの増加を抑制でき、1:N認証における認証処理の応答速度を大幅に改善することができる。なお、上述の認証システム100は、実施例4の変形例1に係る照合処理を適用したシステムの一例である。実施例4の変形例1に係る照合処理を適用したシステムの他の例として、文字認識システムや物体検知システムなども挙げられる。これらの応用システムに対して実施例4の変形例1に係る照合処理を適用することで、例えば、認識精度を維持しつつ文字認識の応答速度を高速化したり、検知精度を維持しつつ物体検知の応答速度を高速化することができる。
実施例4の変形例として、照合処理において、登録データの基準軸上の座標値順に照合データの第2特徴点群を整序する処理の実行結果を、当該照合データに対する認証処理がすべて完了するまで、記憶装置2において保持(記憶)するようにしてもよい。例えば、一つの照合データに対して複数の登録データとの照合を行う1:N認証では、処理S204−5Cの実行結果を保持しておくことで、2度目の処理S204−5Cの実行時には記憶蔵置2に保持されている実行結果(整序結果)を利用することで、第2特徴点群を整序する演算コストを削減することができ、特徴点の照合精度を維持しつつ、特徴点照合の応答速度を高速化することができる。そのような照合処理を適用した認証システム100は、認証精度の劣化を抑制しつつ、認証処理における演算コストの増加を抑制でき、1:N認証における認証処理の応答速度を大幅に改善することができる。なお、上述の認証システム100は、実施例4の変形例2に係る照合処理を適用したシステムの一例である。実施例4の変形例2に係る照合処理を適用したシステムの他の例として、文字認識システムや物体検知システムなども挙げられる。これらの応用システムに対して実施例4の変形例2に係る照合処理を適用することで、例えば、認識精度を維持しつつ文字認識の応答速度を高速化したり、検知精度を維持しつつ物体検知の応答速度を高速化することができる。
2 記憶装置
21 認証プログラム
22 登録データDB
211 モード選択部
212 登録処理部
213 認証処理部
214 基準軸選択部
215B システム基準軸選択部
23B システム基準軸情報
3 表示装置
4 入力装置
5 生体センサ
6 施錠制御装置
100 認証システム
Claims (19)
- m次元空間(mは2以上の自然数)に投影された1以上の特徴点について、前記m次元空間を規定する2以上の座標軸のうち何れかを基準軸として、前記基準軸上の座標値順に近傍探索を行う照合方法であって、
前記m次元空間を規定する2以上の座標軸の各々を基準軸とし、前記基準軸毎に、前記基準軸上の座標値順に整序された前記m次元空間の座標値を有する1以上の特徴点である特徴点群を取得するステップA1と、
前記基準軸毎の特徴点群について、前記特徴点群の前記1以上の特徴点を1以上の基準点とする基準点群と、前記特徴点群の前記1以上の特徴点を1以上の参照点とする参照点群とを取得するステップA2と、
前記基準軸毎に、前記基準点群の各基準点について、前記参照点群の整序方向順に、前記基準点との前記基準軸上での距離が近傍探索用の閾値未満となる参照点を探索するステップA3と、
前記基準軸毎に、前記探索において前記基準点と前記参照点との比較回数をカウントし、閾値未満となる参照点を検出した場合、前記近傍探索用の閾値以上となる参照点を検出したことに応じて、当該基準点についての比較回数を確定し、前記基準点群の各基準点について比較回数を合計することで、前記基準軸毎の比較回数を取得するステップA4と、
前記2以上の基準軸のうち、比較回数が少ない基準軸を、照合処理における近傍探索の基準軸として選択するステップA5と、
を含むことを特徴とする照合方法。 - 請求項1に記載の照合方法であって、
センサから照合用の画像を取得し、前記照合用の画像から取得したm次元空間の座標値を有する1以上の特徴点を含む照合データに対して前記ステップA1乃至前記ステップA5を実行することで、前記照合データにとって最適な基準軸を選択するステップB1と、
m次元空間を規定する何れかの座標軸上の座標値順に整序されたm次元空間の座標値を有する1以上の特徴点を含む登録データを記憶部から取得するステップB2と、
前記登録データが有する前記1以上の特徴点の整序方向と前記ステップB1で選択した基準軸とが一致しない場合、前記登録データの1以上の特徴点を前記ステップB1で選択した基準軸上の座標値順に整序するステップB3と、
前記ステップB1で選択した基準軸と同じ方向に整序された前記登録データの1以上の特徴点を1以上の基準点とした基準点群を取得するステップB4と、
前記ステップB1で選択した基準軸上の座標値順に整序された前記照合データの1以上の特徴点を1以上の参照点とした参照点群を取得するステップB5と、
前記基準点群から前記ステップB1で選択した基準軸上の座標値順に基準点をとりだして、前記参照点群の整序方向順に、前記基準点と前記参照点との近傍探索を行うステップB6と、
前記近傍探索で近傍点として検出された前記参照点を、前記基準点との照合スコアの算出対象とするステップB7と、
を含むことを特徴とする照合方法。 - 請求項2に記載の照合方法であって、
前記センサから登録用の画像を取得し、前記登録用の画像から取得したm次元空間の座標値を有する1以上の特徴点に対して前記ステップA1乃至前記ステップA5を実行することで前記最適な基準軸を選択するステップC1と、
前記登録用の画像から取得した1以上の特徴点が前記ステップC1で選択した基準軸上の座標値順に整序された特徴点群と、前記ステップC1で選択した基準軸に関する情報と、を含む登録データを前記記憶部に格納するステップC2と、
を含むことを特徴とする照合方法。 - 請求項3に記載の照合方法であって、
前記ステップC1を実行した際の前記ステップA1で取得した前記基準軸毎の特徴点群のうち、前記ステップC1で選択した基準軸とは異なる座標軸で整序された特徴点群の整序結果と、前記ステップC1で選択した基準軸と同じ座標軸で整序された特徴点群の整序結果と、を変換するインデックス変換対を生成するステップD1を含み、
前記ステップC2において、前記登録用の画像から取得した1以上の特徴点が前記ステップC1で選択した基準軸上の座標値順に整序された特徴点群と、前記ステップC1で選択した基準軸に関する情報と、前記ステップD1で生成したインデックス変換対と、を含む登録データを前記記憶部に格納し、
前記ステップB3において、前記登録データが有する前記1以上の特徴点の整序方向と前記ステップB1で選択した基準軸とが一致しない場合、前記登録データのインデックス変換対を用いて、前記ステップB1で選択した基準軸上の座標値順に前記登録データの1以上の特徴点にアクセス可能とする、
ことを特徴とする照合方法。 - 請求項3に記載の照合方法であって、
前記記憶部に格納されている1以上の登録データの各々について、前記ステップC1で選択した基準軸に関する情報と、前記登録データの特徴点群が有する特徴点の個数とを収集するステップE1と、
前記ステップE1で収集した情報に示される基準軸毎に、前記特徴点の個数を集計するステップE2と、
前記ステップE2で集計した前記基準軸毎の特徴点の個数のうち、前記基準軸毎の特徴点の個数を合計した全数に対する割合が最大となる個数を有する基準軸であって、前記割合が所定値以上の基準軸を、システム基準軸として選択するステップE3と、
前記ステップE3で選択したシステム基準軸とは異なる座標軸で整序された登録データの特徴点群を、前記システム基準軸上の座標値順に整序し直すステップE4と、
を含むことを特徴とする照合方法。 - 請求項3に記載の照合方法であって、
前記記憶部に格納されている1以上の登録データの各々について、前記ステップC1で選択した基準軸に関する情報と、前記登録データの特徴点群が有する特徴点の個数とを収集するステップE1と、
前記ステップE1で収集した情報に示される基準軸毎に、前記特徴点の個数を集計するステップE2と、
前記ステップE2で集計した前記基準軸毎の特徴点の個数のうち、前記基準軸毎の特徴点の個数を合計した全数に対する割合が最大となる個数を有する基準軸であって、前記割合が所定値以上の基準軸を、システム基準軸として選択するステップE3と、
を含み、
前記ステップB1において、前記ステップA1乃至前記ステップA5の実行に替えて、前記ステップE3で選択したシステム基準軸を、前記照合データにとって最適な基準軸として選択する、
ことを特徴とする照合方法。 - 請求項1に記載の照合方法であって、
m次元空間を規定する何れかの座標軸上の座標値順に整序されたm次元空間の座標値を有する1以上の特徴点である特徴点群と、前記特徴点群の整序方向である基準軸を示す情報と、を含む登録データを記憶部から取得するステップF1と、
前記センサから照合用の画像を取得し、前記照合用の画像から取得したm次元空間の座標値を有する1以上の特徴点を含む照合データを取得するステップF2と、
前記照合データが有する前記1以上の特徴点の整序方向と前記登録データの基準軸とが一致しない場合、前記照合データの1以上の特徴点を前記登録データの基準軸上の座標値順に整序するステップF3と、
前記ステップF1で取得した登録データが有する特徴点群の1以上の特徴点を1以上の参照点とした参照点群を取得するステップF4と、
前記登録データの基準軸と同じ座標軸上の座標値順に整序された前記照合データの1以上の特徴点を1以上の基準点とした基準点群を取得するステップF5と、
前記基準点群から前記登録データの基準軸上の座標値順に基準点をとりだして、前記参照点群の整序方向順に、前記基準点と前記参照点との近傍探索を行うステップF6と、
前記近傍探索で近傍点として検出された前記参照点を、前記基準点との照合スコアの算出対象とするステップF7と、
を含むことを特徴とする照合方法。 - m次元空間(mは2以上の自然数)に投影された1以上の特徴点について、前記m次元空間を規定する2以上の座標軸のうち何れかを基準軸として、前記基準軸上の座標値順に近傍探索を行う照合装置であって、
m次元空間を規定する2以上の座標軸の各々を基準軸とし、前記基準軸毎に、前記基準軸上の座標値順に整序されたm次元空間の座標値を有する1以上の特徴点である特徴点群を取得するステップA1と、
前記基準軸毎の特徴点群について、前記特徴点群の前記1以上の特徴点を1以上の基準点とする基準点群と、前記特徴点群の前記1以上の特徴点を1以上の参照点とする参照点群とを取得するステップA2と、
前記基準軸毎に、前記基準点群の各基準点について、前記参照点群の整序方向順に、前記基準点との前記基準軸上での距離が近傍探索用の閾値未満となる参照点を探索するステップA3と、
前記基準軸毎に、前記探索において前記基準点と前記参照点との比較回数をカウントし、閾値未満となる参照点を検出した場合、前記近傍探索用の閾値以上となる参照点を検出したことに応じて、当該基準点についての比較回数を確定し、前記基準点群の各基準点について比較回数を合計することで、前記基準軸毎の比較回数を取得するステップA4と、
前記2以上の基準軸のうち、比較回数が少ない基準軸を、照合処理における近傍探索の最適な基準軸として選択するステップA5と、
をプロセッサにより実行することを特徴とする照合装置。 - 請求項8に記載の照合装置であって、
センサから照合用の画像を取得し、前記照合用の画像から取得したm次元空間の座標値を有する1以上の特徴点を含む照合データに対して前記ステップA1乃至前記ステップA5を実行することで、前記照合データにとって最適な基準軸を選択するステップB1と、
m次元空間を規定する何れかの座標軸上の座標値順に整序されたm次元空間の座標値を有する1以上の特徴点を含む登録データを記憶部から取得するステップB2と、
前記登録データが有する前記1以上の特徴点の整序方向と前記ステップB1で選択した基準軸とが一致しない場合、前記登録データの1以上の特徴点を前記ステップB1で選択した基準軸上の座標値順に整序するステップB3と、
前記ステップB1で選択した基準軸と同じ方向に整序された前記登録データの1以上の特徴点を1以上の基準点とした基準点群を取得するステップB4と、
前記ステップB1で選択した基準軸上の座標値順に整序された前記照合データの1以上の特徴点を1以上の参照点とした参照点群を取得するステップB5と、
前記基準点群から前記ステップB1で選択した基準軸上の座標値順に基準点をとりだして、前記参照点群の整序方向順に、前記基準点と前記参照点との近傍探索を行うステップB6と、
前記近傍探索で近傍点として検出された前記参照点を、前記基準点との照合スコアの算出対象とするステップB7と、
をプロセッサにより実行することを特徴とする照合装置。 - 請求項9に記載の照合装置であって、
前記センサから登録用の画像を取得し、前記登録用の画像から取得したm次元空間の座標値を有する1以上の特徴点に対して前記ステップA1乃至前記ステップA5を実行することで前記最適な基準軸を選択するステップC1と、
前記登録用の画像から取得した1以上の特徴点が前記ステップC1で選択した基準軸上の座標値順に整序された特徴点群と、前記ステップC1で選択した基準軸に関する情報と、を含む登録データを前記記憶部に格納するステップC2と、
をプロセッサにより実行することを特徴とする照合装置。 - 請求項10に記載の照合装置であって、
前記ステップC1を実行した際の前記ステップA1で取得した前記基準軸毎の特徴点群のうち、前記ステップC1で選択した基準軸とは異なる座標軸で整序された特徴点群の整序結果と、前記ステップC1で選択した基準軸と同じ座標軸で整序された特徴点群の整序結果と、を変換するインデックス変換対を生成するステップD1、
をプロセッサにより実行し、
前記ステップC2において、前記登録用の画像から取得した1以上の特徴点が前記ステップC1で選択した基準軸上の座標値順に整序された特徴点群と、前記ステップC1で選択した基準軸に関する情報と、前記ステップD1で生成したインデックス変換対と、を含む登録データを前記記憶部に格納し、
前記ステップB3において、前記登録データが有する前記1以上の特徴点の整序方向と前記ステップB1で選択した基準軸とが一致しない場合、前記登録データのインデックス変換対を用いて、前記ステップB1で選択した基準軸上の座標値順に前記登録データの1以上の特徴点にアクセス可能とする、
ことを特徴とする照合装置。 - 請求項10に記載の照合装置であって、
前記記憶部に格納されている1以上の登録データの各々について、前記ステップC1で選択した基準軸に関する情報と、前記登録データの特徴点群が有する特徴点の個数とを収集するステップE1と、
前記ステップE1で収集した情報に示される基準軸毎に、前記特徴点の個数を集計するステップE2と、
前記ステップE2で集計した前記基準軸毎の特徴点の個数のうち、前記基準軸毎の特徴点の個数を合計した全数に対する割合が最大となる個数を有する基準軸であって、前記割合が所定値以上の基準軸を、システム基準軸として選択するステップE3と、
前記ステップE3で選択したシステム基準軸とは異なる座標軸で整序された登録データの特徴点群を、前記システム基準軸上の座標値順に整序し直すステップE4と、
をプロセッサにより実行することを特徴とする照合装置。 - 請求項10に記載の照合装置であって、
前記記憶部に格納されている1以上の登録データの各々について、前記ステップC1で選択した基準軸に関する情報と、前記登録データの特徴点群が有する特徴点の個数とを収集するステップE1と、
前記ステップE1で収集した情報に示される基準軸毎に、前記特徴点の個数を集計するステップE2と、
前記ステップE2で集計した前記基準軸毎の特徴点の個数のうち、前記基準軸毎の特徴点の個数を合計した全数に対する割合が最大となる個数を有する基準軸であって、前記割合が所定値以上の基準軸を、システム基準軸として選択するステップE3と、
をプロセッサにより実行し、
前記ステップB1において、前記ステップA1乃至前記ステップA5の実行に替えて、前記ステップE3で選択したシステム基準軸を、前記照合データにとって最適な基準軸として選択する、
ことを特徴とする照合装置。 - m次元空間(mは2以上の自然数)に投影された1以上の特徴点について、前記m次元空間を規定する2以上の座標軸のうち何れかを基準軸として、前記基準軸上の座標値順に近傍探索をコンピュータに行わせる照合プログラムであって、
m次元空間を規定する2以上の座標軸の各々を基準軸とし、前記基準軸毎に、前記基準軸上の座標値順に整序されたm次元空間の座標値を有する1以上の特徴点である特徴点群を取得するステップA1と、
前記基準軸毎の特徴点群について、前記特徴点群の前記1以上の特徴点を1以上の基準点とする基準点群と、前記特徴点群の前記1以上の特徴点を1以上の参照点とする参照点群とを取得するステップA2と、
前記基準軸毎に、前記基準点群の各基準点について、前記参照点群の整序方向順に、前記基準点との前記基準軸上での距離が近傍探索用の閾値未満となる参照点を探索するステップA3と、
前記基準軸毎に、前記探索において前記基準点と前記参照点との比較回数をカウントし、閾値未満となる参照点を検出した場合、前記近傍探索用の閾値以上となる参照点を検出したことに応じて、当該基準点についての比較回数を確定し、前記基準点群の各基準点について比較回数を合計することで、前記基準軸毎の比較回数を取得するステップA4と、
前記2以上の基準軸のうち、比較回数が少ない基準軸を、照合処理における近傍探索の最適な基準軸として選択するステップA5と、
をコンピュータに実行させることを特徴とする照合プログラム。 - 請求項14に記載の照合プログラムであって、
センサから照合用の画像を取得し、前記照合用の画像から取得したm次元空間の座標値を有する1以上の特徴点を含む照合データに対して前記ステップA1乃至前記ステップA5を実行することで、前記照合データにとって最適な基準軸を選択するステップB1と、
m次元空間を規定する何れかの座標軸上の座標値順に整序されたm次元空間の座標値を有する1以上の特徴点を含む登録データを記憶部から取得するステップB2と、
前記登録データが有する前記1以上の特徴点の整序方向と前記ステップB1で選択した基準軸とが一致しない場合、前記登録データの1以上の特徴点を前記ステップB1で選択した基準軸上の座標値順に整序するステップB3と、
前記ステップB1で選択した基準軸と同じ方向に整序された前記登録データの1以上の特徴点を1以上の基準点とした基準点群を取得するステップB4と、
前記ステップB1で選択した基準軸上の座標値順に整序された前記照合データの1以上の特徴点を1以上の参照点とした参照点群を取得するステップB5と、
前記基準点群から前記ステップB1で選択した基準軸上の座標値順に基準点をとりだして、前記参照点群の整序方向順に、前記基準点と前記参照点との近傍探索を行うステップB6と、
前記近傍探索で近傍点として検出された前記参照点を、前記基準点との照合スコアの算出対象とするステップB7と、
をコンピュータに実行させることを特徴とする照合プログラム。 - 請求項15に記載の照合プログラムであって、
前記センサから登録用の画像を取得し、前記登録用の画像から取得したm次元空間の座標値を有する1以上の特徴点に対して前記ステップA1乃至前記ステップA5を実行することで前記最適な基準軸を選択するステップC1と、
前記登録用の画像から取得した1以上の特徴点が前記ステップC1で選択した基準軸上の座標値順に整序された特徴点群と、前記ステップC1で選択した基準軸に関する情報と、を含む登録データを前記記憶部に格納するステップC2と、
をコンピュータに実行させることを特徴とする照合プログラム。 - 請求項16に記載の照合プログラムであって、
前記ステップC1を実行した際の前記ステップA1で取得した前記基準軸毎の特徴点群のうち、前記ステップC1で選択した基準軸とは異なる座標軸で整序された特徴点群の整序結果と、前記ステップC1で選択した基準軸と同じ座標軸で整序された特徴点群の整序結果と、を変換するインデックス変換対を生成するステップD1、
をコンピュータに実行させ、
前記ステップC2において、前記登録用の画像から取得した1以上の特徴点が前記ステップC1で選択した基準軸上の座標値順に整序された特徴点群と、前記ステップC1で選択した基準軸に関する情報と、前記ステップD1で生成したインデックス変換対と、を含む登録データを前記記憶部に格納し、
前記ステップB3において、前記登録データが有する前記1以上の特徴点の整序方向と前記ステップB1で選択した基準軸とが一致しない場合、前記登録データのインデックス変換対を用いて、前記ステップB1で選択した基準軸上の座標値順に前記登録データの1以上の特徴点にアクセス可能とする、
ことを特徴とする照合プログラム。 - 請求項16に記載の照合プログラムであって、
前記記憶部に格納されている1以上の登録データの各々について、前記ステップC1で選択した基準軸に関する情報と、前記登録データの特徴点群が有する特徴点の個数とを収集するステップE1と、
前記ステップE1で収集した情報に示される基準軸毎に、前記特徴点の個数を集計するステップE2と、
前記ステップE2で集計した前記基準軸毎の特徴点の個数のうち、前記基準軸毎の特徴点の個数を合計した全数に対する割合が最大となる個数を有する基準軸であって、前記割合が所定値以上の基準軸を、システム基準軸として選択するステップE3と、
前記ステップE3で選択したシステム基準軸とは異なる座標軸で整序された登録データの特徴点群を、前記システム基準軸上の座標値順に整序し直すステップE4と、
をコンピュータに実行させることを特徴とする照合プログラム。 - 請求項16に記載の照合プログラムであって、
前記記憶部に格納されている1以上の登録データの各々について、前記ステップC1で選択した基準軸に関する情報と、前記登録データの特徴点群が有する特徴点の個数とを収集するステップE1と、
前記ステップE1で収集した情報に示される基準軸毎に、前記特徴点の個数を集計するステップE2と、
前記ステップE2で集計した前記基準軸毎の特徴点の個数のうち、前記基準軸毎の特徴点の個数を合計した全数に対する割合が最大となる個数を有する基準軸であって、前記割合が所定値以上の基準軸を、システム基準軸として選択するステップE3と、
をコンピュータに実行させ、
前記ステップB1において、前記ステップA1乃至前記ステップA5の実行に替えて、前記ステップE3で選択したシステム基準軸を、前記照合データにとって最適な基準軸として選択する、
ことを特徴とする照合プログラム。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2016186323A JP6840973B2 (ja) | 2016-09-23 | 2016-09-23 | 照合方法、照合装置、照合プログラム |
US15/704,596 US10748025B2 (en) | 2016-09-23 | 2017-09-14 | Method, apparatus, and non-transitory computer-readable storage medium for verification process |
EP17191600.0A EP3300000B1 (en) | 2016-09-23 | 2017-09-18 | Method, apparatus, and non-transitory computer-readable storage medium for verification process |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2016186323A JP6840973B2 (ja) | 2016-09-23 | 2016-09-23 | 照合方法、照合装置、照合プログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2018049569A true JP2018049569A (ja) | 2018-03-29 |
JP6840973B2 JP6840973B2 (ja) | 2021-03-10 |
Family
ID=59930178
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2016186323A Active JP6840973B2 (ja) | 2016-09-23 | 2016-09-23 | 照合方法、照合装置、照合プログラム |
Country Status (3)
Country | Link |
---|---|
US (1) | US10748025B2 (ja) |
EP (1) | EP3300000B1 (ja) |
JP (1) | JP6840973B2 (ja) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2019207614A (ja) * | 2018-05-30 | 2019-12-05 | ヤマハ株式会社 | 画像処理方法、画像処理装置およびプログラム |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6840973B2 (ja) * | 2016-09-23 | 2021-03-10 | 富士通株式会社 | 照合方法、照合装置、照合プログラム |
US10262187B1 (en) * | 2016-11-10 | 2019-04-16 | Synaptics Incorporated | Systems and methods for spoof detection based on local binary patterns |
US11919531B2 (en) * | 2018-01-31 | 2024-03-05 | Direct Current Capital LLC | Method for customizing motion characteristics of an autonomous vehicle for a user |
JP7472029B2 (ja) * | 2018-10-05 | 2024-04-22 | 株式会社半導体エネルギー研究所 | 認証システム |
CN110516087B (zh) * | 2019-04-23 | 2021-12-07 | 广州麦仑信息科技有限公司 | 一种大规模分布式全掌脉络数据的闪速搜索比对方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006260311A (ja) * | 2005-03-17 | 2006-09-28 | Kitakyushu Foundation For The Advancement Of Industry Science & Technology | マッチング方法およびマッチング装置ならびにプログラム |
JP2013045141A (ja) * | 2011-08-22 | 2013-03-04 | Dainippon Screen Mfg Co Ltd | 画像処理装置、そのプログラムおよび画像処理方法 |
JP2013137591A (ja) * | 2011-12-28 | 2013-07-11 | Dainippon Screen Mfg Co Ltd | 最近傍点探索装置およびその方法、プログラム、3次元位置・姿勢認識装置およびその方法 |
US20140010407A1 (en) * | 2012-07-09 | 2014-01-09 | Microsoft Corporation | Image-based localization |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5799082A (en) * | 1995-11-07 | 1998-08-25 | Trimble Navigation Limited | Secure authentication of images |
US7983482B2 (en) * | 2005-11-08 | 2011-07-19 | Kitakyushu Foundation For The Advancement Of Industry, Science And Technology | Matching apparatus, image search system, and histogram approximate restoring unit, and matching method, image search method, and histogram approximate restoring method |
JP2010286937A (ja) | 2009-06-10 | 2010-12-24 | Hitachi Ltd | 生体認証方法、及び、生体認証に用いるクライアント端末、認証サーバ |
JP2011205172A (ja) | 2010-03-24 | 2011-10-13 | Panasonic Corp | 撮影画像における物体座標の対応付け方法、対応付け装置 |
US9165188B2 (en) * | 2012-01-12 | 2015-10-20 | Kofax, Inc. | Systems and methods for mobile image capture and processing |
US9390327B2 (en) * | 2013-09-16 | 2016-07-12 | Eyeverify, Llc | Feature extraction and matching for biometric authentication |
US9430718B1 (en) * | 2015-02-09 | 2016-08-30 | Sony Corporation | Efficient local feature descriptor filtering |
JP6840973B2 (ja) * | 2016-09-23 | 2021-03-10 | 富士通株式会社 | 照合方法、照合装置、照合プログラム |
-
2016
- 2016-09-23 JP JP2016186323A patent/JP6840973B2/ja active Active
-
2017
- 2017-09-14 US US15/704,596 patent/US10748025B2/en active Active
- 2017-09-18 EP EP17191600.0A patent/EP3300000B1/en active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006260311A (ja) * | 2005-03-17 | 2006-09-28 | Kitakyushu Foundation For The Advancement Of Industry Science & Technology | マッチング方法およびマッチング装置ならびにプログラム |
JP2013045141A (ja) * | 2011-08-22 | 2013-03-04 | Dainippon Screen Mfg Co Ltd | 画像処理装置、そのプログラムおよび画像処理方法 |
JP2013137591A (ja) * | 2011-12-28 | 2013-07-11 | Dainippon Screen Mfg Co Ltd | 最近傍点探索装置およびその方法、プログラム、3次元位置・姿勢認識装置およびその方法 |
US20140010407A1 (en) * | 2012-07-09 | 2014-01-09 | Microsoft Corporation | Image-based localization |
Non-Patent Citations (1)
Title |
---|
JEROME H. FRIEDMAN ET AL.: "An Algorithm for Finding Nearest Neighbors", IEEE TRANSACTIONS ON COMPUTERS, JPN6020025205, October 1975 (1975-10-01), pages 1000 - 1006, ISSN: 0004305464 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2019207614A (ja) * | 2018-05-30 | 2019-12-05 | ヤマハ株式会社 | 画像処理方法、画像処理装置およびプログラム |
WO2019230593A1 (ja) * | 2018-05-30 | 2019-12-05 | ヤマハ株式会社 | 画像処理方法および画像処理装置 |
US11508174B2 (en) | 2018-05-30 | 2022-11-22 | Yamaha Corporation | Image processing method and image processing device |
Also Published As
Publication number | Publication date |
---|---|
EP3300000B1 (en) | 2023-09-20 |
JP6840973B2 (ja) | 2021-03-10 |
US20180089527A1 (en) | 2018-03-29 |
EP3300000A1 (en) | 2018-03-28 |
US10748025B2 (en) | 2020-08-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10748025B2 (en) | Method, apparatus, and non-transitory computer-readable storage medium for verification process | |
JP5799586B2 (ja) | 生体認証装置、生体認証方法及び生体認証用コンピュータプログラム | |
KR101829784B1 (ko) | 스티치와 컷을 이용한 지문인증 | |
JP5445584B2 (ja) | 生体認証装置、生体認証方法及び生体認証用コンピュータプログラム | |
JP6318588B2 (ja) | 生体認証装置、生体認証方法及び生体認証用コンピュータプログラム | |
JP6167733B2 (ja) | 生体特徴ベクトル抽出装置、生体特徴ベクトル抽出方法、および生体特徴ベクトル抽出プログラム | |
US20200125710A1 (en) | Method for fingerprint authentication using force value | |
JP5228872B2 (ja) | 生体認証装置、生体認証方法及び生体認証用コンピュータプログラムならびにコンピュータシステム | |
JP2018526719A (ja) | 指紋に基づく認証のための装置及びコンピュータ実装方法 | |
JP5363587B2 (ja) | 生体情報登録方法、生体認証方法および生体認証装置 | |
JP2017533517A (ja) | 指紋認証用テンプレートの制作 | |
JPWO2013145280A1 (ja) | 生体認証装置、生体認証方法及び生体認証用コンピュータプログラム | |
US9798958B2 (en) | Biometric information registration device and method | |
JP2013200673A (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 | |
JP2013210902A (ja) | 生体認証装置、生体認証方法及び生体認証用コンピュータプログラム | |
JP2019028532A (ja) | 画像処理装置、画像処理方法、及び画像処理プログラム | |
JP6056398B2 (ja) | 生体認証装置、生体認証方法及び生体認証用コンピュータプログラム | |
JP2008198083A (ja) | 個人識別装置 | |
Khodadoust et al. | Design and implementation of a multibiometric system based on hand’s traits | |
JP2014232453A (ja) | 認証装置、認証方法および認証プログラム | |
JP4622477B2 (ja) | 照合方法、コンピュータ、およびプログラム | |
Sharma et al. | Fingerprint matching Using Minutiae Extraction Techniques | |
JP2008067043A (ja) | 電子署名システム | |
Quraishi et al. | Fingerprint Feature Extraction, Identification and Authentication: A Review | |
JP2015094968A (ja) | 生体情報抽出装置、生体情報抽出方法、および生体情報抽出プログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
RD01 | Notification of change of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7421 Effective date: 20180528 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20190611 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20200625 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20200714 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20200904 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20210119 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20210201 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6840973 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |