JP2020520509A - バイオメトリック識別システムおよび方法 - Google Patents
バイオメトリック識別システムおよび方法 Download PDFInfo
- Publication number
- JP2020520509A JP2020520509A JP2019562266A JP2019562266A JP2020520509A JP 2020520509 A JP2020520509 A JP 2020520509A JP 2019562266 A JP2019562266 A JP 2019562266A JP 2019562266 A JP2019562266 A JP 2019562266A JP 2020520509 A JP2020520509 A JP 2020520509A
- Authority
- JP
- Japan
- Prior art keywords
- vector
- biometric
- euclidean measurable
- feature vector
- euclidean
- 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 70
- 239000013598 vector Substances 0.000 claims description 243
- 238000013528 artificial neural network Methods 0.000 claims description 83
- 230000006870 function Effects 0.000 claims description 61
- 238000004891 communication Methods 0.000 claims description 36
- 238000007667 floating Methods 0.000 claims description 32
- 238000004422 calculation algorithm Methods 0.000 claims description 24
- 238000011176 pooling Methods 0.000 claims description 21
- 239000011159 matrix material Substances 0.000 claims description 10
- 210000002569 neuron Anatomy 0.000 claims description 10
- 239000003607 modifier Substances 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 6
- 230000008569 process Effects 0.000 description 17
- 238000012545 processing Methods 0.000 description 11
- 238000005192 partition Methods 0.000 description 8
- 238000007635 classification algorithm Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 7
- 230000007246 mechanism Effects 0.000 description 6
- 238000012549 training Methods 0.000 description 6
- 230000005540 biological transmission Effects 0.000 description 5
- 238000004590 computer program Methods 0.000 description 5
- 238000013527 convolutional neural network Methods 0.000 description 4
- 230000001413 cellular effect Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 230000001010 compromised effect Effects 0.000 description 3
- 238000013500 data storage Methods 0.000 description 3
- 230000036541 health Effects 0.000 description 3
- 238000010801 machine learning Methods 0.000 description 3
- 230000004913 activation Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 238000012512 characterization method Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 230000001815 facial effect Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000000306 recurrent effect Effects 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 239000008186 active pharmaceutical agent Substances 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000013475 authorization Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 210000004027 cell Anatomy 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 238000013523 data management Methods 0.000 description 1
- 238000013136 deep learning model Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 210000000887 face Anatomy 0.000 description 1
- 230000005358 geomagnetic field Effects 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000002427 irreversible effect Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000007620 mathematical function Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 230000002085 persistent effect Effects 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/30—Authentication, i.e. establishing the identity or authorisation of security principals
- G06F21/31—User authentication
- G06F21/32—User authentication using biometric data, e.g. fingerprints, iris scans or voiceprints
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2413—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on distances to training or reference patterns
- G06F18/24133—Distances to prototypes
- G06F18/24137—Distances to cluster centroïds
- G06F18/2414—Smoothing the distance, e.g. radial basis function networks [RBFN]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F7/00—Methods or arrangements for processing data by operating upon the order or content of the data handled
- G06F7/38—Methods or arrangements for performing computations using exclusively denominational number representation, e.g. using binary, ternary, decimal representation
- G06F7/48—Methods or arrangements for performing computations using exclusively denominational number representation, e.g. using binary, ternary, decimal representation using non-contact-making devices, e.g. tube, solid state device; using unspecified devices
- G06F7/483—Computations with numbers represented by a non-linear combination of denominational numbers, e.g. rational numbers, logarithmic number system or floating-point numbers
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/044—Recurrent networks, e.g. Hopfield networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
- G06V10/443—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components by matching or filtering
- G06V10/449—Biologically inspired filters, e.g. difference of Gaussians [DoG] or Gabor filters
- G06V10/451—Biologically inspired filters, e.g. difference of Gaussians [DoG] or Gabor filters with interaction between the filter responses, e.g. cortical complex cells
- G06V10/454—Integrating the filters into a hierarchical structure, e.g. convolutional neural networks [CNN]
-
- 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
- G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
-
- 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
- G06V40/172—Classification, e.g. identification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2221/00—Indexing scheme relating to security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F2221/21—Indexing scheme relating to G06F21/00 and subgroups addressing additional information or applications relating to security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F2221/2107—File encryption
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/048—Activation functions
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Data Mining & Analysis (AREA)
- Molecular Biology (AREA)
- Biomedical Technology (AREA)
- Mathematical Physics (AREA)
- Computational Linguistics (AREA)
- Biophysics (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computer Security & Cryptography (AREA)
- Computational Mathematics (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Computer Hardware Design (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Human Computer Interaction (AREA)
- Biodiversity & Conservation Biology (AREA)
- Databases & Information Systems (AREA)
- Medical Informatics (AREA)
- Nonlinear Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Collating Specific Patterns (AREA)
- Storage Device Security (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
- Electrotherapy Devices (AREA)
Abstract
Description
3 0 0 0 7 12 4 0 2 2 0 0 0 2 0 2 0 0 1 0 1 3 4 7 0 4 1 4 8
2 0 2 6 0 8 7 5 0 0 0 4 7 0 3 2 0 1 2 3 4 0 0 0 0 0 0 2 0
0 2 1 6 3 0 2 1 1 0 0 4 0 8 3 5 0 5 3 1 4 0 9 0 3 1 6 1 0
2 8 1 0 2 0 2 2 3 1 0 4 2 0 2 5 2 1 0 2 2 0 0 1 0 1 3 2 1
1 0 1 9 5 5 3 0 1 0 4 0 0 4 2 1 5 4 1 0 5 1 3 1 5 8 1 7 4
7 0 0 2 4 1 4 4 0 3 0 0 4 0 9 4 0 0 3 1 1 4 0 5 0 1 2 1 6
7 0 5 5 0 4 6 0 2 3 7 0 0 4 1 3 0 3 0 0 6 1 0 1 0 0 1 0 0
7 3 0 5 0 0 0 3 0 1 0 2 3 0 0 1 11 0 6 0 1 8 1 0 1 1 0 0 0
0 3 9 2 0 7 2 5 0 0 0 1 0 0 3 5 3 0 0 0 5 3 4 2
101b ユーザコンピューティング装置
102 リモートコンピューティング装置
105 システムサーバ
110 プロセッサ
115 ユーザインターフェース
120 メモリ
125 マイクロフォン
130 ソフトウェアモジュール
140 ディスプレイ
145 カメラ
150 通信インターフェース
155 音声出力
160 センサ
170 ユーザインターフェースモジュール
172 取り込みモジュール
174 解析モジュール
176 登録モジュール
178 データベースモジュール
180 認証モジュール
182 通信モジュール
185 データベース
190 記憶部
210 プロセッサ
220 メモリ
230 通信インターフェース
280 データベース
290 記憶部
[1]暗号化バイオメトリック入力レコードと少なくとも1つの記憶された暗号化バイオメトリックレコードとを、上記入力レコードおよび上記少なくとも1つの記憶されたレコードのデータ復号を行わずに照合するためのコンピュータ実装方法であって、
初期バイオメトリックベクトルをニューラルネットワークに提供するステップであって、上記ニューラルネットワークが上記初期バイオメトリックベクトルをユークリッド可測特徴ベクトルに変換する、ステップと、
上記ユークリッド可測特徴ベクトルを他のユークリッド可測特徴ベクトルとともに記憶部に記憶するステップと、
データ通信ネットワークを介してモバイルコンピューティング装置から上記暗号化バイオメトリック入力レコードを表す現在のバイオメトリックベクトルを受信するステップと、
上記現在のバイオメトリックベクトルを上記ニューラルネットワークに提供するステップであって、上記ニューラルネットワークが上記現在のバイオメトリックベクトルを現在のユークリッド可測特徴ベクトルに変換する、ステップと、
上記現在のユークリッド可測特徴ベクトルを使用して上記データ記憶部の一部における上記記憶されたユークリッド可測特徴ベクトルの少なくとも一部の検索を行うステップとを含み、
上記暗号化バイオメトリック入力レコードが、上記現在のユークリッド可測特徴ベクトルと上記記憶部の上記一部における上記それぞれのユークリッド可測特徴ベクトルのそれぞれの計算値との間の計算された絶対距離の関数として、暗号化空間において少なくとも1つの暗号化バイオメトリックレコードと照合される、コンピュータ実装方法。
[2]上記ユークリッド可測特徴ベクトルを分類するステップ、および/または、
上記現在のユークリッド可測特徴ベクトルを分類するステップをさらに含み、
上記分類は、少なくとも部分的に、1つまたは複数の距離関数を使用して行われる、上記[1]に記載の方法。
[3]上記ユークリッド可測特徴ベクトルおよび/または現在のユークリッド可測特徴ベクトルの上記分類が浮動小数点値を返し、各浮動小数点とその平均との間の絶対距離を計算するためにフロベニウスアルゴリズムが使用される、上記[2]に記載の方法。
[4]上記検索はオーダlog(n)時間で行われる、上記[2]に記載の方法。
[5]フロベニウスアルゴリズムを使用して上記ユークリッド可測バイオメトリックベクトルを分類するステップと、
分類された上記ユークリッド可測バイオメトリックベクトルの階層をオーダlog(n)時間で走査する(traversing)ステップと、
それぞれのユークリッド可測バイオメトリックベクトルが上記現在のユークリッド可測特徴ベクトルであることを特定するステップとをさらに含む、上記[2]に記載の方法。
[6]それぞれのユークリッド可測バイオメトリックベクトルについて、複数の浮動小数点値を特定するステップと、
ビットマップを使用して絶対距離計算値から、すべてのベクトルに存在しない、上記複数の値のいずれかを除去するステップとをさらに含む、上記[1]に記載の方法。
[7]それぞれのユークリッド可測バイオメトリックベクトルについて、複数の浮動小数点値を特定するステップと、
上記浮動小数点値のうちのそれぞれの1つが現れるベクトルの数に基づいて重要度のスライディングスケールを規定するステップとをさらに含む、上記[1]に記載の方法。
[8]上記ニューラルネットワークは、修正子(ReLu)およびプーリングノードとともに様々な畳み込み層を備えて構成される、上記[1]に記載の方法。
[9]上記ニューラルネットワークは、プーリングを非線形ダウンサンプリングの一形態として使用するように構成され、
さらに、1つまたは複数のプーリングノードが、上記ニューラルネットワークにおけるパラメータおよび計算の量を低減するように、表されたユークリッド可測特徴ベクトルの空間サイズを漸進的に縮小する、上記[1]に記載の方法。
[10]複数の記憶されたユークリッド可測特徴ベクトルのそれぞれについて、平均顔ベクトルと上記それぞれのユークリッド可測特徴ベクトルとの間の相対位置の差を計算するステップと、
上記相対位置の差を2乗するステップと、
上記2乗した値を合計するステップと、
平方根を計算するステップとをさらに含む、上記[8]に記載の方法。
[11]上記ニューラルネットワークのパフォーマンスがコスト関数の関数として求められ、出力ボリュームの空間サイズとして与えられる層数が、入力ボリュームサイズWと、層ニューロンのカーネルフィールドサイズKと、上記層を適用するのに使用されるストライドSと、境界で使用されるゼロパディングの量Pとの関数として計算される、上記[1]に記載の方法。
[12]上記ニューロンネットワークが、上記初期バイオメトリックベクトルと上記現在のバイオメトリックベクトルとをそれぞれの層の行列乗算の関数として変換し、ユークリッドコスト関数に基づくユークリッド距離アルゴリズムを使用する、上記[1]に記載の方法。
[13]暗号化バイオメトリック入力レコードおよび少なくとも1つの記憶された暗号化バイオメトリックレコードのデータ復号なしに、上記暗号化バイオメトリック入力レコードを上記少なくとも1つの記憶された暗号化バイオメトリックレコードと照合するためのコンピュータ実装システムであって、
1つまたは複数のプロセッサとコンピュータ可読媒体とを含み、上記1つまたは複数のプロセッサは、
初期バイオメトリックベクトルをニューラルネットワークに提供するステップであって、上記ニューラルネットワークが上記初期バイオメトリックベクトルをユークリッド可測特徴ベクトルに変換する、ステップと、
上記ユークリッド可測特徴ベクトルを他のユークリッド可測特徴ベクトルとともに記憶部に記憶するステップと、
データ通信ネットワークを介してモバイルコンピューティング装置から上記暗号化バイオメトリック入力レコードを表す現在のバイオメトリックベクトルを受信するステップと、
上記現在のバイオメトリックベクトルを上記ニューラルネットワークに提供するステップであって、上記ニューラルネットワークが上記現在のバイオメトリックベクトルを現在のユークリッド可測特徴ベクトルに変換する、ステップと、
上記現在のユークリッド可測特徴ベクトルを使用して上記データ記憶部の一部における上記記憶されたユークリッド可測特徴ベクトルの少なくとも一部の検索を行うステップとを含む動作を実行するために上記コンピュータ可読媒体と対話するように構成され、
上記暗号化バイオメトリック入力レコードが、上記現在のユークリッド可測特徴ベクトルと上記記憶部の上記一部における上記それぞれのユークリッド可測特徴ベクトルのそれぞれの計算値との間の計算された絶対距離の関数として、暗号化空間において少なくとも1つの暗号化バイオメトリックレコードと照合される、コンピュータ実装システム。
[14]上記1つまたは複数のプロセッサは、
上記ユークリッド可測特徴ベクトルを分類するステップ、および/または、
上記現在のユークリッド可測特徴ベクトルを分類するステップを含む動作を実行するために上記コンピュータ可読媒体と対話するようにさらに構成され、
上記分類は、少なくとも部分的に、1つまたは複数の距離関数を使用して行われる、上記[13]に記載のシステム。
[15]上記ユークリッド可測特徴ベクトルおよび/または現在のユークリッド可測特徴ベクトルの上記分類が浮動小数点値を返し、各浮動小数点とその平均との間の絶対距離を計算するためにフロベニウスアルゴリズムが使用される、上記[14]に記載のシステム。
[16]上記検索はオーダlog(n)時間で行われる、上記[14]に記載のシステム。
[17]上記1つまたは複数のプロセッサは、
フロベニウスアルゴリズムを使用して上記ユークリッド可測バイオメトリックベクトルを分類するステップと、
分類された上記ユークリッド可測バイオメトリックベクトルの階層をオーダlog(n)時間で走査するステップと、
それぞれのユークリッド可測バイオメトリックベクトルが上記現在のユークリッド可測特徴ベクトルであることを特定するステップとを含む動作を実行するために上記コンピュータ可読媒体と対話するように構成された、上記[14]に記載のシステム。
[18]上記1つまたは複数のプロセッサは、
それぞれのユークリッド可測バイオメトリックベクトルについて、複数の浮動小数点値を特定するステップと、
ビットマップを使用して絶対距離計算値から、すべてのベクトルに存在しない、上記複数の値のいずれかを除去するステップとを含む動作を実行するために上記コンピュータ可読媒体と対話するように構成された、上記[13]に記載のシステム。
[19]上記1つまたは複数のプロセッサは、
それぞれのユークリッド可測バイオメトリックベクトルについて、複数の浮動小数点値を特定するステップと、
上記浮動小数点値のうちのそれぞれの1つが現れるベクトルの数に基づいて重要度のスライディングスケールを規定するステップとを含む動作を実行するために上記コンピュータ可読媒体と対話するように構成された、上記[13]に記載のシステム。
[20]上記ニューラルネットワークは、修正子(ReLu)およびプーリングノードとともに様々な畳み込み層を備えて構成される、上記[13]に記載のシステム。
[21]上記ニューラルネットワークは、プーリングを非線形ダウンサンプリングの一形態として使用するように構成され、
さらに、1つまたは複数のプーリングノードが、上記ニューラルネットワークにおけるパラメータおよび計算の量を低減するように、表されたユークリッド可測特徴ベクトルの空間サイズを漸進的に縮小する、上記[13]に記載のシステム。
[22]上記1つまたは複数のプロセッサは、
複数の記憶されたユークリッド可測特徴ベクトルのそれぞれについて、平均顔ベクトルと上記それぞれのユークリッド可測特徴ベクトルとの間の相対位置の差を計算するステップと、
上記相対位置の差を2乗するステップと、
上記2乗した値を合計するステップと、
平方根を計算するステップとを含む動作を実行するために上記コンピュータ可読媒体と対話するように構成された、上記[20]に記載のシステム。
[23]上記ニューラルネットワークのパフォーマンスがコスト関数の関数として求められ、出力ボリュームの空間サイズとして与えられる層数が、入力ボリュームサイズWと、層ニューロンのカーネルフィールドサイズKと、上記層を適用するのに使用されるストライドSと、境界で使用されるゼロパディングの量Pとの関数として計算される、上記[13]に記載のシステム。
[24]上記ニューロンネットワークが、上記初期バイオメトリックベクトルと上記現在のバイオメトリックベクトルとをそれぞれの層の行列乗算の関数として変換し、ユークリッドコスト関数に基づくユークリッド距離アルゴリズムを使用する、上記[13]に記載のシステム。
1つまたは複数の実装形態では、本出願は、暗号化バイオメトリック入力レコードを、少なくとも1つの記憶された暗号化バイオメトリックレコードと照合するコンピュータ実装システムおよび方法であって、入力レコードと少なくとも1つの記憶されたレコードのデータ復号を行わない、コンピュータ実装システムおよび方法を提供する。初期バイオメトリックベクトルがニューラルネットワークに提供され、ニューラルネットワークは初期バイオメトリックベクトルをユークリッド可測特徴ベクトルに変換する。ユークリッド可測特徴ベクトルは、他のユークリッド可測特徴ベクトルとともに記憶部に記憶される。また、暗号化バイオメトリック入力レコードを表す現在のバイオメトリックベクトルが、データ通信ネットワークを介してモバイルコンピューティング装置から受信され、現在のバイオメトリックベクトルはニューラルネットワークに提供される。ニューラルネットワークは、現在のバイオメトリックベクトルを現在のユークリッド可測特徴ベクトルに変換する。また、現在のユークリッド可測特徴ベクトルを使用してデータ記憶部の一部において記憶されているユークリッド可測特徴ベクトルのうちの少なくとも一部の検索が行われる。暗号化バイオメトリック入力レコードは、現在のユークリッド可測特徴ベクトルと記憶部の上記一部におけるそれぞれのユークリッド可測特徴ベクトルのそれぞれの計算値との間の計算された絶対距離の関数として、暗号化空間において少なくとも1つの暗号化バイオメトリックレコードと照合される。
Claims (24)
- 暗号化バイオメトリック入力レコードと少なくとも1つの記憶された暗号化バイオメトリックレコードとを、前記入力レコードおよび前記少なくとも1つの記憶されたレコードのデータ復号を行わずに照合するためのコンピュータ実装方法であって、
初期バイオメトリックベクトルをニューラルネットワークに提供するステップであって、前記ニューラルネットワークが前記初期バイオメトリックベクトルをユークリッド可測特徴ベクトルに変換する、ステップと、
前記ユークリッド可測特徴ベクトルを他のユークリッド可測特徴ベクトルとともに記憶部に記憶するステップと、
データ通信ネットワークを介してモバイルコンピューティング装置から前記暗号化バイオメトリック入力レコードを表す現在のバイオメトリックベクトルを受信するステップと、
前記現在のバイオメトリックベクトルを前記ニューラルネットワークに提供するステップであって、前記ニューラルネットワークが前記現在のバイオメトリックベクトルを現在のユークリッド可測特徴ベクトルに変換する、ステップと、
前記現在のユークリッド可測特徴ベクトルを使用して前記データ記憶部の一部における前記記憶されたユークリッド可測特徴ベクトルの少なくとも一部の検索を行うステップとを含み、
前記暗号化バイオメトリック入力レコードが、前記現在のユークリッド可測特徴ベクトルと前記記憶部の前記一部における前記それぞれのユークリッド可測特徴ベクトルのそれぞれの計算値との間の計算された絶対距離の関数として、暗号化空間において少なくとも1つの暗号化バイオメトリックレコードと照合される、コンピュータ実装方法。 - 前記ユークリッド可測特徴ベクトルを分類するステップ、および/または、
前記現在のユークリッド可測特徴ベクトルを分類するステップをさらに含み、
前記分類は、少なくとも部分的に、1つまたは複数の距離関数を使用して行われる、請求項1に記載の方法。 - 前記ユークリッド可測特徴ベクトルおよび/または現在のユークリッド可測特徴ベクトルの前記分類が浮動小数点値を返し、各浮動小数点とその平均との間の絶対距離を計算するためにフロベニウスアルゴリズムが使用される、請求項2に記載の方法。
- 前記検索はオーダlog(n)時間で行われる、請求項2に記載の方法。
- フロベニウスアルゴリズムを使用して前記ユークリッド可測バイオメトリックベクトルを分類するステップと、
分類された前記ユークリッド可測バイオメトリックベクトルの階層をオーダlog(n)時間で走査する(traversing)ステップと、
それぞれのユークリッド可測バイオメトリックベクトルが前記現在のユークリッド可測特徴ベクトルであることを特定するステップとをさらに含む、請求項2に記載の方法。 - それぞれのユークリッド可測バイオメトリックベクトルについて、複数の浮動小数点値を特定するステップと、
ビットマップを使用して絶対距離計算値から、すべてのベクトルに存在しない、前記複数の値のいずれかを除去するステップとをさらに含む、請求項1に記載の方法。 - それぞれのユークリッド可測バイオメトリックベクトルについて、複数の浮動小数点値を特定するステップと、
前記浮動小数点値のうちのそれぞれの1つが現れるベクトルの数に基づいて重要度のスライディングスケールを規定するステップとをさらに含む、請求項1に記載の方法。 - 前記ニューラルネットワークは、修正子(ReLu)およびプーリングノードとともに様々な畳み込み層を備えて構成される、請求項1に記載の方法。
- 前記ニューラルネットワークは、プーリングを非線形ダウンサンプリングの一形態として使用するように構成され、
さらに、1つまたは複数のプーリングノードが、前記ニューラルネットワークにおけるパラメータおよび計算の量を低減するように、表されたユークリッド可測特徴ベクトルの空間サイズを漸進的に縮小する、請求項1に記載の方法。 - 複数の記憶されたユークリッド可測特徴ベクトルのそれぞれについて、平均顔ベクトルと前記それぞれのユークリッド可測特徴ベクトルとの間の相対位置の差を計算するステップと、
前記相対位置の差を2乗するステップと、
前記2乗した値を合計するステップと、
平方根を計算するステップとをさらに含む、請求項8に記載の方法。 - 前記ニューラルネットワークのパフォーマンスがコスト関数の関数として求められ、出力ボリュームの空間サイズとして与えられる層数が、入力ボリュームサイズWと、層ニューロンのカーネルフィールドサイズKと、前記層を適用するのに使用されるストライドSと、境界で使用されるゼロパディングの量Pとの関数として計算される、請求項1に記載の方法。
- 前記ニューロンネットワークが、前記初期バイオメトリックベクトルと前記現在のバイオメトリックベクトルとをそれぞれの層の行列乗算の関数として変換し、ユークリッドコスト関数に基づくユークリッド距離アルゴリズムを使用する、請求項1に記載の方法。
- 暗号化バイオメトリック入力レコードおよび少なくとも1つの記憶された暗号化バイオメトリックレコードのデータ復号なしに、前記暗号化バイオメトリック入力レコードを前記少なくとも1つの記憶された暗号化バイオメトリックレコードと照合するためのコンピュータ実装システムであって、
1つまたは複数のプロセッサとコンピュータ可読媒体とを含み、前記1つまたは複数のプロセッサは、
初期バイオメトリックベクトルをニューラルネットワークに提供するステップであって、前記ニューラルネットワークが前記初期バイオメトリックベクトルをユークリッド可測特徴ベクトルに変換する、ステップと、
前記ユークリッド可測特徴ベクトルを他のユークリッド可測特徴ベクトルとともに記憶部に記憶するステップと、
データ通信ネットワークを介してモバイルコンピューティング装置から前記暗号化バイオメトリック入力レコードを表す現在のバイオメトリックベクトルを受信するステップと、
前記現在のバイオメトリックベクトルを前記ニューラルネットワークに提供するステップであって、前記ニューラルネットワークが前記現在のバイオメトリックベクトルを現在のユークリッド可測特徴ベクトルに変換する、ステップと、
前記現在のユークリッド可測特徴ベクトルを使用して前記データ記憶部の一部における前記記憶されたユークリッド可測特徴ベクトルの少なくとも一部の検索を行うステップとを含む動作を実行するために前記コンピュータ可読媒体と対話するように構成され、
前記暗号化バイオメトリック入力レコードが、前記現在のユークリッド可測特徴ベクトルと前記記憶部の前記一部における前記それぞれのユークリッド可測特徴ベクトルのそれぞれの計算値との間の計算された絶対距離の関数として、暗号化空間において少なくとも1つの暗号化バイオメトリックレコードと照合される、コンピュータ実装システム。 - 前記1つまたは複数のプロセッサは、
前記ユークリッド可測特徴ベクトルを分類するステップ、および/または、
前記現在のユークリッド可測特徴ベクトルを分類するステップを含む動作を実行するために前記コンピュータ可読媒体と対話するようにさらに構成され、
前記分類は、少なくとも部分的に、1つまたは複数の距離関数を使用して行われる、請求項13に記載のシステム。 - 前記ユークリッド可測特徴ベクトルおよび/または現在のユークリッド可測特徴ベクトルの前記分類が浮動小数点値を返し、各浮動小数点とその平均との間の絶対距離を計算するためにフロベニウスアルゴリズムが使用される、請求項14に記載のシステム。
- 前記検索はオーダlog(n)時間で行われる、請求項14に記載のシステム。
- 前記1つまたは複数のプロセッサは、
フロベニウスアルゴリズムを使用して前記ユークリッド可測バイオメトリックベクトルを分類するステップと、
分類された前記ユークリッド可測バイオメトリックベクトルの階層をオーダlog(n)時間で走査するステップと、
それぞれのユークリッド可測バイオメトリックベクトルが前記現在のユークリッド可測特徴ベクトルであることを特定するステップとを含む動作を実行するために前記コンピュータ可読媒体と対話するように構成された、請求項14に記載のシステム。 - 前記1つまたは複数のプロセッサは、
それぞれのユークリッド可測バイオメトリックベクトルについて、複数の浮動小数点値を特定するステップと、
ビットマップを使用して絶対距離計算値から、すべてのベクトルに存在しない、前記複数の値のいずれかを除去するステップとを含む動作を実行するために前記コンピュータ可読媒体と対話するように構成された、請求項13に記載のシステム。 - 前記1つまたは複数のプロセッサは、
それぞれのユークリッド可測バイオメトリックベクトルについて、複数の浮動小数点値を特定するステップと、
前記浮動小数点値のうちのそれぞれの1つが現れるベクトルの数に基づいて重要度のスライディングスケールを規定するステップとを含む動作を実行するために前記コンピュータ可読媒体と対話するように構成された、請求項13に記載のシステム。 - 前記ニューラルネットワークは、修正子(ReLu)およびプーリングノードとともに様々な畳み込み層を備えて構成される、請求項13に記載のシステム。
- 前記ニューラルネットワークは、プーリングを非線形ダウンサンプリングの一形態として使用するように構成され、
さらに、1つまたは複数のプーリングノードが、前記ニューラルネットワークにおけるパラメータおよび計算の量を低減するように、表されたユークリッド可測特徴ベクトルの空間サイズを漸進的に縮小する、請求項13に記載のシステム。 - 前記1つまたは複数のプロセッサは、
複数の記憶されたユークリッド可測特徴ベクトルのそれぞれについて、平均顔ベクトルと前記それぞれのユークリッド可測特徴ベクトルとの間の相対位置の差を計算するステップと、
前記相対位置の差を2乗するステップと、
前記2乗した値を合計するステップと、
平方根を計算するステップとを含む動作を実行するために前記コンピュータ可読媒体と対話するように構成された、請求項20に記載のシステム。 - 前記ニューラルネットワークのパフォーマンスがコスト関数の関数として求められ、出力ボリュームの空間サイズとして与えられる層数が、入力ボリュームサイズWと、層ニューロンのカーネルフィールドサイズKと、前記層を適用するのに使用されるストライドSと、境界で使用されるゼロパディングの量Pとの関数として計算される、請求項13に記載のシステム。
- 前記ニューロンネットワークが、前記初期バイオメトリックベクトルと前記現在のバイオメトリックベクトルとをそれぞれの層の行列乗算の関数として変換し、ユークリッドコスト関数に基づくユークリッド距離アルゴリズムを使用する、請求項13に記載のシステム。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US15/592,542 US10255040B2 (en) | 2017-05-11 | 2017-05-11 | System and method for biometric identification |
US15/592,542 | 2017-05-11 | ||
PCT/US2018/031368 WO2018208661A1 (en) | 2017-05-11 | 2018-05-07 | System and method for biometric identification |
Publications (3)
Publication Number | Publication Date |
---|---|
JP2020520509A true JP2020520509A (ja) | 2020-07-09 |
JP2020520509A5 JP2020520509A5 (ja) | 2021-07-26 |
JP7060619B2 JP7060619B2 (ja) | 2022-04-26 |
Family
ID=64096687
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019562266A Active JP7060619B2 (ja) | 2017-05-11 | 2018-05-07 | バイオメトリック識別システムおよび方法 |
Country Status (12)
Country | Link |
---|---|
US (1) | US10255040B2 (ja) |
EP (1) | EP3635937B1 (ja) |
JP (1) | JP7060619B2 (ja) |
KR (1) | KR102536354B1 (ja) |
CN (1) | CN110892693B (ja) |
AU (1) | AU2018266602B2 (ja) |
BR (1) | BR112019023750A2 (ja) |
CA (1) | CA3063126A1 (ja) |
CO (1) | CO2019013817A2 (ja) |
MX (1) | MX2019013495A (ja) |
WO (1) | WO2018208661A1 (ja) |
ZA (1) | ZA201907621B (ja) |
Families Citing this family (40)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11017214B1 (en) * | 2012-09-07 | 2021-05-25 | Stone Lock Global, Inc. | Methods and apparatus for biometric verification |
US11594072B1 (en) | 2012-09-07 | 2023-02-28 | Stone Lock Global, Inc. | Methods and apparatus for access control using biometric verification |
US11017211B1 (en) * | 2012-09-07 | 2021-05-25 | Stone Lock Global, Inc. | Methods and apparatus for biometric verification |
US11017213B1 (en) * | 2012-09-07 | 2021-05-25 | Stone Lock Global, Inc. | Methods and apparatus for biometric verification |
US11301670B2 (en) * | 2012-09-07 | 2022-04-12 | Stone Lock Global, Inc. | Methods and apparatus for collision detection in biometric verification |
US11163983B2 (en) * | 2012-09-07 | 2021-11-02 | Stone Lock Global, Inc. | Methods and apparatus for aligning sampling points of facial profiles of users |
US11017212B2 (en) * | 2012-09-07 | 2021-05-25 | Stone Lock Global, Inc. | Methods and apparatus for biometric verification |
US11275929B2 (en) * | 2012-09-07 | 2022-03-15 | Stone Lock Global, Inc. | Methods and apparatus for privacy protection during biometric verification |
US11163984B2 (en) * | 2012-09-07 | 2021-11-02 | Stone Lock Global, Inc. | Methods and apparatus for constructing biometrical templates using facial profiles of users |
US9838388B2 (en) * | 2014-08-26 | 2017-12-05 | Veridium Ip Limited | System and method for biometric protocol standards |
US11329980B2 (en) | 2015-08-21 | 2022-05-10 | Veridium Ip Limited | System and method for biometric protocol standards |
US10713535B2 (en) * | 2017-09-15 | 2020-07-14 | NovuMind Limited | Methods and processes of encrypted deep learning services |
WO2019094071A1 (en) * | 2017-11-07 | 2019-05-16 | Visa International Service Association | Biometric validation process utilizing access device and location determination |
US11449587B2 (en) * | 2017-11-20 | 2022-09-20 | Ppip, Llc | Systems and methods for biometric identity and authentication |
US11789699B2 (en) | 2018-03-07 | 2023-10-17 | Private Identity Llc | Systems and methods for private authentication with helper networks |
US11489866B2 (en) | 2018-03-07 | 2022-11-01 | Private Identity Llc | Systems and methods for private authentication with helper networks |
US11265168B2 (en) | 2018-03-07 | 2022-03-01 | Private Identity Llc | Systems and methods for privacy-enabled biometric processing |
US11138333B2 (en) * | 2018-03-07 | 2021-10-05 | Private Identity Llc | Systems and methods for privacy-enabled biometric processing |
US10721070B2 (en) | 2018-03-07 | 2020-07-21 | Private Identity Llc | Systems and methods for privacy-enabled biometric processing |
US11502841B2 (en) | 2018-03-07 | 2022-11-15 | Private Identity Llc | Systems and methods for privacy-enabled biometric processing |
US11392802B2 (en) | 2018-03-07 | 2022-07-19 | Private Identity Llc | Systems and methods for privacy-enabled biometric processing |
US11210375B2 (en) | 2018-03-07 | 2021-12-28 | Private Identity Llc | Systems and methods for biometric processing with liveness |
US10938852B1 (en) | 2020-08-14 | 2021-03-02 | Private Identity Llc | Systems and methods for private authentication with helper networks |
US11394552B2 (en) | 2018-03-07 | 2022-07-19 | Private Identity Llc | Systems and methods for privacy-enabled biometric processing |
US11170084B2 (en) * | 2018-06-28 | 2021-11-09 | Private Identity Llc | Biometric authentication |
CN108595927B (zh) * | 2018-04-04 | 2023-09-19 | 北京市商汤科技开发有限公司 | 身份认证、解锁及支付方法、装置、存储介质、产品和设备 |
FR3087028B1 (fr) * | 2018-10-04 | 2021-05-07 | Idemia Identity & Security France | Procede de classification securisee d'une donnee d'entree au moyen d'un reseau de neurones a convolution |
US11079911B2 (en) * | 2018-12-26 | 2021-08-03 | Synaptics Incorporated | Enrollment-free offline device personalization |
US11201745B2 (en) * | 2019-01-10 | 2021-12-14 | International Business Machines Corporation | Method and system for privacy preserving biometric authentication |
US11495041B2 (en) * | 2019-03-29 | 2022-11-08 | Jumio Corporation | Biometric identification using composite hand images |
CN110414200B (zh) * | 2019-04-08 | 2021-07-23 | 广州腾讯科技有限公司 | 身份验证方法、装置、存储介质和计算机设备 |
CN110048827B (zh) * | 2019-04-15 | 2021-05-14 | 电子科技大学 | 一种基于深度学习卷积神经网络的类模板攻击方法 |
CN110598438B (zh) * | 2019-07-19 | 2023-05-30 | 福州大学 | 基于深度卷积神经网络的云中保护外包数据隐私保护*** |
JP2022541919A (ja) * | 2019-07-23 | 2022-09-28 | ヴェリディウム アイピー リミテッド | バイオメトリックプロトコル標準に関するシステム及び方法 |
CA3150735A1 (en) * | 2019-08-13 | 2021-02-18 | Private Identity Llc | Systems and methods for privacy-enabled biometric processing |
WO2021055380A1 (en) * | 2019-09-17 | 2021-03-25 | Private Identity Llc | Systems and methods for privacy-enabled biometric processing |
CN110889070B (zh) * | 2019-11-14 | 2023-06-30 | 深圳小蛙出海科技有限公司 | 一种内容推送方法、计算机装置及*** |
WO2022015948A1 (en) * | 2020-07-15 | 2022-01-20 | Georgia Tech Research Corporation | Privacy-preserving fuzzy query system and method |
USD976904S1 (en) | 2020-12-18 | 2023-01-31 | Stone Lock Global, Inc. | Biometric scanner |
FR3125188B1 (fr) * | 2021-07-07 | 2024-04-12 | Idemia Identity & Security France | Procédés de comparaison de bases de données biométriques confidentielles |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2014126865A (ja) * | 2012-12-27 | 2014-07-07 | Fujitsu Ltd | 暗号処理装置および方法 |
JP2016508323A (ja) * | 2013-03-15 | 2016-03-17 | 三菱電機株式会社 | 暗号化したものを認証する方法及びバイオメトリックデータを認証するシステム |
JP2016139176A (ja) * | 2015-01-26 | 2016-08-04 | シャープ株式会社 | 画像処理装置、画像処理システム、画像処理方法、およびその画像処理プログラム |
US20160373440A1 (en) * | 2014-08-26 | 2016-12-22 | Hoyos Labs Ip Ltd. | System and method for biometric protocol standards |
Family Cites Families (24)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5161204A (en) | 1990-06-04 | 1992-11-03 | Neuristics, Inc. | Apparatus for generating a feature matrix based on normalized out-class and in-class variation matrices |
EP1759330B1 (en) * | 2004-06-09 | 2018-08-08 | Koninklijke Philips Electronics N.V. | Biometric template similarity based on feature locations |
WO2007016936A1 (en) | 2005-07-29 | 2007-02-15 | Telecom Italia, S.P.A. | Automatic biometric identification based on face recognition and support vector machines |
US20080298642A1 (en) * | 2006-11-03 | 2008-12-04 | Snowflake Technologies Corporation | Method and apparatus for extraction and matching of biometric detail |
US8041956B1 (en) * | 2010-08-16 | 2011-10-18 | Daon Holdings Limited | Method and system for biometric authentication |
WO2012123727A1 (en) | 2011-03-11 | 2012-09-20 | Callsign, Inc | Personal identity control |
US8942431B2 (en) * | 2012-06-24 | 2015-01-27 | Neurologix Security Group Inc | Biometrics based methods and systems for user authentication |
US8369595B1 (en) | 2012-08-10 | 2013-02-05 | EyeVerify LLC | Texture features for biometric authentication |
US8811772B2 (en) * | 2012-08-21 | 2014-08-19 | Tianzhi Yang | Mapping evaluating for spatial point sets |
US9003196B2 (en) | 2013-05-13 | 2015-04-07 | Hoyos Labs Corp. | System and method for authorizing access to access-controlled environments |
US10095917B2 (en) * | 2013-11-04 | 2018-10-09 | Facebook, Inc. | Systems and methods for facial representation |
IL231862A (en) | 2014-04-01 | 2015-04-30 | Superfish Ltd | Image representation using a neural network |
US20150356704A1 (en) * | 2014-06-08 | 2015-12-10 | Yeda Research And Development Co. Ltd. | Good planar mappings and controlling singular values with semidefinite programming |
CN104616032B (zh) * | 2015-01-30 | 2018-02-09 | 浙江工商大学 | 基于深度卷积神经网络的多摄像机***目标匹配方法 |
CN104766062A (zh) * | 2015-04-07 | 2015-07-08 | 广西大学 | 基于轻量级智能终端的人脸识别***及注册、识别方法 |
RU2711050C2 (ru) * | 2015-09-11 | 2020-01-14 | Айверифай Инк. | Качество изображения и признака, улучшение изображения и выделение признаков для распознавания по сосудам глаза и лицам и объединение информации о сосудах глаза с информацией о лицах и/или частях лиц для биометрических систем |
JP6504013B2 (ja) * | 2015-10-13 | 2019-04-24 | 富士通株式会社 | 暗号処理方法、暗号処理装置、および暗号処理プログラム |
US20170124263A1 (en) * | 2015-10-30 | 2017-05-04 | Northrop Grumman Systems Corporation | Workflow and interface manager for a learning health system |
US9846800B2 (en) | 2015-11-16 | 2017-12-19 | MorphoTrak, LLC | Fingerprint matching using virtual minutiae |
CN105553980A (zh) * | 2015-12-18 | 2016-05-04 | 北京理工大学 | 基于云计算的安全指纹识别***和方法 |
CN105956532B (zh) * | 2016-04-25 | 2019-05-21 | 大连理工大学 | 一种基于多尺度卷积神经网络的交通场景分类方法 |
JP6850817B2 (ja) * | 2016-06-03 | 2021-03-31 | マジック リープ, インコーポレイテッドMagic Leap,Inc. | 拡張現実識別検証 |
CN106227851B (zh) * | 2016-07-29 | 2019-10-01 | 汤一平 | 基于深度卷积神经网络的分层深度搜索的图像检索方法 |
JP6900664B2 (ja) * | 2016-12-14 | 2021-07-07 | 富士通株式会社 | 画像処理装置、画像処理方法および画像処理プログラム |
-
2017
- 2017-05-11 US US15/592,542 patent/US10255040B2/en active Active
-
2018
- 2018-05-07 MX MX2019013495A patent/MX2019013495A/es unknown
- 2018-05-07 WO PCT/US2018/031368 patent/WO2018208661A1/en active Search and Examination
- 2018-05-07 BR BR112019023750-0A patent/BR112019023750A2/pt unknown
- 2018-05-07 CA CA3063126A patent/CA3063126A1/en active Pending
- 2018-05-07 KR KR1020197036575A patent/KR102536354B1/ko active IP Right Grant
- 2018-05-07 JP JP2019562266A patent/JP7060619B2/ja active Active
- 2018-05-07 CN CN201880046426.7A patent/CN110892693B/zh active Active
- 2018-05-07 EP EP18799270.6A patent/EP3635937B1/en active Active
- 2018-05-07 AU AU2018266602A patent/AU2018266602B2/en active Active
-
2019
- 2019-11-18 ZA ZA2019/07621A patent/ZA201907621B/en unknown
- 2019-12-09 CO CONC2019/0013817A patent/CO2019013817A2/es unknown
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2014126865A (ja) * | 2012-12-27 | 2014-07-07 | Fujitsu Ltd | 暗号処理装置および方法 |
JP2016508323A (ja) * | 2013-03-15 | 2016-03-17 | 三菱電機株式会社 | 暗号化したものを認証する方法及びバイオメトリックデータを認証するシステム |
US20160373440A1 (en) * | 2014-08-26 | 2016-12-22 | Hoyos Labs Ip Ltd. | System and method for biometric protocol standards |
JP2016139176A (ja) * | 2015-01-26 | 2016-08-04 | シャープ株式会社 | 画像処理装置、画像処理システム、画像処理方法、およびその画像処理プログラム |
Also Published As
Publication number | Publication date |
---|---|
US20180330179A1 (en) | 2018-11-15 |
AU2018266602A1 (en) | 2019-12-12 |
CA3063126A1 (en) | 2018-11-15 |
EP3635937B1 (en) | 2024-06-26 |
EP3635937A1 (en) | 2020-04-15 |
KR102536354B1 (ko) | 2023-05-23 |
AU2018266602B2 (en) | 2023-01-12 |
CN110892693B (zh) | 2022-04-19 |
EP3635937A4 (en) | 2021-01-20 |
US10255040B2 (en) | 2019-04-09 |
KR20200007010A (ko) | 2020-01-21 |
WO2018208661A1 (en) | 2018-11-15 |
CO2019013817A2 (es) | 2020-01-17 |
MX2019013495A (es) | 2020-11-06 |
WO2018208661A9 (en) | 2019-05-09 |
ZA201907621B (en) | 2021-04-28 |
CN110892693A (zh) | 2020-03-17 |
JP7060619B2 (ja) | 2022-04-26 |
BR112019023750A2 (pt) | 2020-05-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7060619B2 (ja) | バイオメトリック識別システムおよび方法 | |
Manisha et al. | Cancelable biometrics: a comprehensive survey | |
Kumar et al. | Privacy preserving security using biometrics in cloud computing | |
US8542886B2 (en) | System for secure face identification (SCIFI) and methods useful in conjunction therewith | |
US11615176B2 (en) | Registration and verification of biometric modalities using encryption techniques in a deep neural network | |
Kaur et al. | Biometric template protection using cancelable biometrics and visual cryptography techniques | |
CN111466097B (zh) | 服务器辅助式隐私保护生物统计比较 | |
Ali et al. | Cancelable biometrics technique for iris recognition | |
Olanrewaju et al. | Secure ear biometrics using circular kernel principal component analysis, Chebyshev transform hashing and Bose–Chaudhuri–Hocquenghem error-correcting codes | |
CN107395369B (zh) | 面向移动互联网自带设备的认证方法、访问方法及*** | |
Topcu et al. | Practical security and privacy attacks against biometric hashing using sparse recovery | |
Moradi et al. | A Real‐Time Biometric Encryption Scheme Based on Fuzzy Logic for IoT | |
Manisha et al. | CBRC: a novel approach for cancelable biometric template generation using random permutation and Chinese Remainder Theorem | |
Rachapalli et al. | Multi-modal compound biometric feature set security and person authentication using cancelable 2D color barcode pattern generation technique | |
Evangelin et al. | Securing recognized multimodal biometric images using cryptographic model | |
Verma et al. | A novel model to enhance the data security in cloud environment | |
Bhargav-Spantzel et al. | Biometrics-based identifiers for digital identity management | |
Tran et al. | Improving gait cryptosystem security using gray code quantization and linear discriminant analysis | |
Ghani et al. | Toward robust and privacy-enhanced facial recognition: A decentralized blockchain-based approach with GANs and deep learning | |
Zakharov et al. | Unrecognizable Yet Identifiable: Image Distortion with Preserved Embeddings | |
Giri et al. | Authentication method to secure cloud data centres using biometric technology | |
Ganjewar et al. | Privacy threat reduction using modified multi-line code generation algorithm (MMLCGA) for cancelable biometric technique (CBT) | |
US11762969B1 (en) | Systems and methods for facilitating biometric recognition | |
Hachim et al. | Voice-Authentication Model Based on Deep Learning for Cloud Environment | |
Streit et al. | Privacy-Enabled Biometric Search |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20200214 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210430 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20210430 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20220331 |
|
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: 20220405 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20220414 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7060619 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |