JP5902661B2 - 認証装置、認証システムおよび認証方法 - Google Patents

Description

本発明の実施形態は、認証装置、認証システムおよび認証方法に関する。

被写体を撮影した画像を用いて、被写体が予め登録された認証対象のいずれであるかを特定する認証装置が知られている。このような認証装置では、被写体が多少変化した場合であっても、精度よく認証する必要がある。

特開２００４−１５７６０２号公報

精度よく被写体を認証できる認証装置、認証システムおよび認証方法を提供する。

実施形態によれば、認証対象の特徴量が予め記憶された第１の記憶部と、前記認証対象の特徴量が記憶され得る第２の記憶部と、被写体を含む画像から前記被写体の特徴量を抽出する特徴量抽出部と、前記被写体の特徴量と、前記第１の記憶部および前記第２の記憶部に記憶された認証対象の特徴量と、を比較して、前記被写体が前記認証対象のうちのいずれであるかを認識する認識部と、前記認識結果に応じて、前記被写体の特徴量を用いて、前記第２の記憶部の記憶内容を更新する更新部と、を備える認証装置が提供される。

第１の実施形態に係る認証システムの概略構成を示すブロック図。 事前登録モードにおける認証装置３の処理動作の一例を示すフローチャート。 顔検出部２１が検出した顔領域の例を示す図。 パーツ検出部２２が検出したパーツの一例を示す図。 事前情報保持部１２が記憶するデータの構造の一例を模式的に示す図。 認証モードにおける認証装置３の処理動作の一例を示す図。 図６のＳ１７を詳しく説明するフローチャート。 閾値Ｔ０〜Ｔ３の関係を説明する図。 特徴ベクトル更新の効果を説明する図。 第２の実施形態に係る認証モードにおける認証装置３の処理動作の一例を示すフローチャート。 第２の実施形態の効果を説明する概念図。

以下、実施形態について、図面を参照しながら具体的に説明する。

（第１の実施形態）
図１は、第１の実施形態に係る認証システムの概略を示すブロック図である。本認証システムでは、事前登録モードとして、認証対象のＮ人のユーザ（以下、ユーザＵｋ（ｋ＝１〜Ｎ）とする）の特徴ベクトルを予め登録する。その後、認証モードとして、被写体が登録されたＮ人の認証対象のうち誰であるかを認証する。認証モードにおいて、必要に応じて被写体の特徴ベクトルが更新される。

図１に示すように、認証システムは、カメラ１と、画像入力部２と、認証装置３と、表示部（出力部）４とを備えている。

カメラ１は被写体の情報として顔画像を所定角度で撮影し、画像を生成する。画像入力部２はカメラ１から受信した画像から輝度情報を分離し、グレースケールの輝度画像を生成する。輝度画像は認証装置３に入力される。

認証装置３は、特徴量抽出部１１と、事前情報保持部（第１の記憶部）１２と、更新情報保持部（第２の記憶部）１３と、認識部１４と、更新部１５とを有する。

特徴量抽出部１１は輝度画像から画像の特徴量を抽出する。より具体的には、被写体の情報が顔の場合、特徴量抽出部１１は、顔検出部２１と、パーツ検出部２２と、顔情報抽出部２３とを有する。顔検出部２１は、画像入力部２から受信した輝度画像から顔を検出し、パーツ検出対象画像を設定する。パーツ検出部２２はパーツ検出対象画像から目や口など顔のパーツを検出する。顔情報抽出部２３はパーツの位置に基づいて顔の特徴を示す特徴ベクトルｆｖ（Feature vector）を生成する。特徴ベクトルは特徴量の一例である。

事前情報保持部１２は、事前登録モードにおいて、ユーザＵ１〜ＵＮのそれぞれについて、特徴量抽出部１１が抽出した特徴ベクトルを、Ｍ１個ずつ記憶する。

更新情報保持部１３は、認証モードにおいて、ユーザＵ１〜ＵＮのそれぞれについて、最大Ｍ２（第１の数）個の特徴ベクトルを追加的に記憶可能である。

認識部１４は、認証モードにおいて、特徴量抽出部１１が抽出した特徴ベクトルと、事前情報保持部１２および更新情報保持部１３に記憶された特徴ベクトルとを比較し、カメラ１で撮影された被写体がユーザＵ１〜ＵＮの誰であるかを認識する。認識結果は表示部４に表示される。なお、認識結果の通知は、音など認証成功または認証失敗を判別する表現でもよい。

更新部１５は、認証結果に基づいて、必要に応じて更新情報保持部１３の記憶内容を更新する。記憶内容の更新とは、新たに特徴ベクトルを追加して記憶することや、既に記憶されている特徴ベクトルを削除して別の特徴ベクトルに交換（すなわち上書き）することを意味する。

本実施形態の特徴の１つとして、認証モードにおいて、更新部１５は、事前情報保持部１２の記憶内容を更新することなく、更新情報保持部１３の記憶内容を更新する。事前登録モードで記憶された特徴ベクトルを削除せずに残しておくことで、誤認証の発生を抑制できる。

図２は、事前登録モードにおける認証装置３の処理の一例を示すフローチャートである。まず、カメラ１により撮影された被写体の顔を含む輝度画像が、画像入力部２から認証装置３に入力される（Ｓ１）。

そして、顔検出部２１は輝度画像から顔を検出し、顔領域の位置に基づいて、パーツ検出対象画像を設定する（Ｓ２）。顔検出処理には、公知の顔検出アルゴリズムを適用すればよい。以下、パーツ検出対象画像設定手法の具体例を示す。

図３は、顔検出部２１が検出した顔領域の例を示す図である。点線で囲まれた部分が顔領域である。顔領域の幅ｆｗは左右目尻の位置に基づいて定まり、高さｆｈは眉上部および口の位置に基づいて定まる。ここで、顔領域の中心を（ｃｘ，ｃｙ）とする。

そして、顔検出部２１は、中心を（ｃｘ，ｃｙ）とし、幅および高さが２＊ｍａｘ（ｆｗ，ｆｈ）の領域を切り出し、パーツ検出対象画像とする。図３の一点鎖線で囲まれた部分がパーツ検出対象画像である。顔領域に特徴となるパーツが含まれない場合であっても、顔領域より大きな領域をパーツ検出対象画像とすることで、特徴となるパーツを検出できるようになる。

さらに、顔検出部２１はパーツ検出対象画像を固定サイズにリサイズしてもよい。例えば輝度画像の解像度が６４０画素（水平方向）×４８０画素（垂直方向）である場合、顔検出部２１は、パーツ検出対象画像の解像度を２００画素×２００画素にリサイズする。リサイズにより、パーツ検出対象画像の解像度に依らず、パーツを検出できる。リサイズの手法に特に制限はないが、例えば線形補間法で縮小したり、バイキュービック法で拡大したりすることができる。パーツ検出対象画像がパーツ検出部２２に入力される。

続いて、パーツ検出部２２は、パーツ検出対象画像から、顔の特徴となるパーツを検出する（Ｓ３）。パーツ検出処理には、公知のパーツ検出アルゴリズムを適用すればよい。以下、パーツ検出手法の具体例を示す。

図４は、パーツ検出部２２が検出したパーツの一例を示す図である。図４の×印で示すように、パーツは、瞳２点、眉内端２点、目頭２点、目尻２点、鼻孔２点、鼻頂点１点、口端２点、口中点１点の合計１４点とすることができる。もちろん、これらの一部を省略してもよいし、他のパーツを検出してもよい。

ここで、被写体の姿勢に依存して、カメラ１が被写体を撮影する際の顔の向きが一定でないことも考えられる。そこで、種々の顔の向きに対して認証率を向上するために、パーツ検出部２２はパーツ検出対象画像を所定の方向（例えばカメラ１に対して正面）に正規化するのが望ましい。

正規化処理の一例として、３次元顔モデルを用いることができる。すなわち、パーツ検出部２２は、３次元顔モデルにおける平均的な各パーツの位置と、検出されたパーツの位置との間で線形変換を行って、３次元顔モデル上にパーツ検出対象画像の位置をフィッティングする。より具体的には、パーツ検出部２２は、パーツ検出対象画像と３次元顔モデルとの間の２乗誤差が最小となる変換行列を算出し、３次元顔モデル上のテクスチャをパーツ検出対象画像から推定する。そして、所定の方向にパーツ検出対象画像を回転し、顔が所定方向を向いた、固定サイズの正規化画像を生成する。

続いて、顔情報抽出部２３は、検出されたパーツの位置を考慮し、正規化画像から顔情報としての特徴ベクトルを抽出する（Ｓ４）。顔情報抽出処理には、公知の顔情報抽出アルゴリズムを適用すればよい。以下、特徴ベクトル抽出手法の一例を示す。

顔情報抽出部２３は、正規化画像から、各パーツを中心とする楕円形の画像領域を切り出す。そして、顔情報抽出部２３は、切り出された画像領域に対して、サブバンド分解を用いて横方向に１次元Ｇａｂｏｒウェーブレット変換を行い、低周波成分と高周波成分とに分解する。続いて、顔情報抽出部２３は縦方向に１次元のＧａｂｏｒウェーブレット変換を行う。これにより、２×２分割された変換画像が得られる。

変換画像の分割された領域毎の４つの成分を結合したものが特徴ベクトルｆｖとなる。なお、楕円のスケール数および方向数は用途に応じて適宜定めればよい。また、Ｇａｂｏｒウェーブレット変換に代えて、Ｈａａｒウェーブレット変換、ＤＣＴ変換、ＥｉｇｅｎＦａｃｅなど、他の手法で特徴ベクトルを抽出してもよい。

そして、このようにして抽出された特徴ベクトルは、事前情報保持部１２に記憶される（Ｓ５）。より具体的には、事前情報保持部１２は、被写体となったユーザに固有のＩＤ（以下、ユーザＩＤという）と関連づけて、抽出された特徴ベクトルを記憶する。なお、ユーザＩＤは、認証装置３の管理者が発番してもよいし、ユーザが任意に発番してもよい。

以上により、１人のユーザに対して、顔の向き、表情、照明環境などが互いに異なる状態の画像から得られたＭ１個の特徴ベクトルを、事前情報保持部１２に記憶する。このような処理を、認識対象のＮ人のユーザに対して行う。

図５は、事前情報保持部１２が記憶するデータの構造の一例を模式的に示す図である。同図では、ユーザＵｋのｊ（ｊ＝１〜Ｍ１）番目の特徴ベクトルを、ｆｖｋｊと表記している。記憶可能な特徴ベクトル数Ｍ１はできるだけ大きいのが望ましい。種々の顔の向き、表情、照明環境下で撮影した画像から抽出された特徴ベクトルを多く記憶することで、認証精度を向上できるためである。ただし、事前情報保持部１２の容量やユーザ数Ｎとの兼ね合いから特徴ベクトルの数Ｍ１をそれほど大きくできない場合、記憶可能な特徴ベクトル数は１つあるいは数個程度であっても構わない。

ここで、事前情報保持部１２に記憶された特徴ベクトルは固定データであり、事前登録モードで一旦記憶されると、原則として特徴ベクトルが削除されたり追加されたりすることはない。ただし、事前情報保持部１２を編集可能とし、記憶された特徴ベクトルを削除あるいは新たな特徴ベクトルを追加できるようにしてもよい。

続いて認証モードについて説明する。まずは認証モードで更新され得る更新情報保持部１３について説明する。更新情報保持部１３はユーザＩＤと関連づけて最大Ｍ２個の特徴ベクトルを記憶できる。よって、１人のユーザにつき、事前情報保持部１２および更新情報保持部１３に合計Ｍ＝Ｍ１＋Ｍ２個の特徴ベクトルを記憶できる。

以下、更新情報保持部１３に記憶されるユーザＵｋのｊ番目の特徴ベクトルをｆｖｋ（Ｍ１＋ｊ）と表記し、事前情報保持部１２に記憶される特徴ベクトルと通し番号とする。

事前情報保持部１２は事前登録モードにおいて予めＭ１個の特徴ベクトルを記憶する。一方、更新情報保持部１３は、認証モードにおいて必要な場合に、更新部１５により特徴ベクトルが追加的に記憶される。すなわち、認証装置３の使用初期においては更新情報保持部１３は特徴ベクトルを記憶していないが、使用を重ねるにつれて特徴ベクトルが追加的に記憶される。

追加可能な特徴ベクトルの数は、１人のユーザにつきＭ２個である。よって、１人のユーザについて、更新情報保持部１３に追加された特徴ベクトルの数がＭ２個未満であれば、新たに特徴ベクトルを追加できる。一方、追加された特徴ベクトルの数がＭ２個に達すると、これ以上追加することはできない。この場合、新たな特徴ベクトルを追加しないか、あるいは、既に記憶された特徴ベクトルの１つを削除し、新たな特徴ベクトルに交換する。

事前登録モードで特徴ベクトルが事前情報保持部１２に記憶されるとその記憶内容は更新されないのに対し、更新情報保持部１３に記憶された特徴ベクトルは固定データではなく、その記憶内容は更新部１５により変更され得る。この点で、事前情報保持部１２と更新情報保持部１３の役割が異なっている。

図６は、認証モードにおける認証装置３の処理の一例を示す図である。Ｓ１〜Ｓ４は図２と同様であるので、詳細な説明は省略する。

被写体の特徴ベクトルが抽出されると（Ｓ４）、認識部１４は、抽出された特徴ベクトル（以下、被写体を撮影した画像から抽出された特徴ベクトルｆｖＴと表記し、事前情報保持部１２や更新情報保持部１３に記憶された特徴ベクトルとは区別する）と、事前情報保持部１２および更新情報保持部１３に記憶された特徴ベクトルのそれぞれとを比較して、被写体がユーザＵ１〜ＵＮの誰であるかを認識する（Ｓ１１）。以下、認識手法の具体例を説明する。

まず認識部１４は、特徴ベクトルｆｖＴと、事前情報保持部１２および更新情報保持部１３に記憶された特徴ベクトルｆｖｋｊ（ユーザＵｋのｊ番目の特徴ベクトル、ｊ＝１〜Ｍ）との類似度Ｓｋｊを算出する。類似度Ｓｋｊは、特徴ベクトルｆｖＴと特徴ベクトルｆｖｋｊとの余弦類似度とすることができ、下記（１）式で表される。
Ｓｋｊ＝ｆｖＴ・ｆｖｋｊ／（｜ｆｖＴ｜・｜ｆｖｋｊ｜） ・・・（１）
（１）式右辺の分子ｆｖＴ・ｆｖｋｊは、特徴ベクトルｆｖＴと特徴ベクトルｆｖｋｊとの内積である。同分母｜ｆｖＴ｜，｜ｆｖｋｊ｜はそれぞれ特徴ベクトルｆｖＴ，ｆｖｋｊのノルムである。類似度Ｓｋｊは０〜１の値をとり、１に近いほど特徴ベクトルｆｖＴと特徴ベクトルｆｖｊｋとが類似していることを示す。

認識部１４は、事前情報保持部１２または更新情報保持部１３に記憶されたすべての特徴ベクトルｆｖｋｊに対して、類似度Ｓｋｊを算出する。

そして、下記（２）式に示すように、類似度Ｓｋｊの最大値Ｓｍａｘ１が所定の閾値（基準閾値）Ｔ０より大きいか否かを比較する（Ｓ１２）。
Ｓｍａｘ１＝ｍａｘ（Ｓ１１，Ｓ１２・・・）＞Ｔ０・・・（２）

最大Ｓｍａｘ１が所定の閾値Ｔ０より大きければ、認証成功とする（Ｓ１２のＹＥＳ）。例えば、Ｓｍａｘ１＝Ｓｐｌ＞Ｔ０（ｐは１〜Ｎのいずれか、ｌは［１，Ｍ］区間の任意の数）である場合、被写体はユーザＵｐであると認識される。認識結果は表示部４に表示される。認証結果として、被写体がユーザＵｐであること、ユーザＵｐの権限（当該認証システムが設置された場所から先の施設へ入ることができるか否か、など）、ユーザＵｐの個人情報などを表示してもよい。
一方、Ｓｍａｘ１≦Ｔ０である場合、認証失敗であり（Ｓ１２のＮＯ）、認証装置３は処理を終了する。

認証成功の場合（Ｓ１２のＹＥＳ）、更新部１５は更新情報保持部１３の記憶内容を更新すべきか否かを判断する。以下、被写体がユーザＵｐであると認識されたとする。
更新部１５は、特徴ベクトルｆｖＴと、事前情報保持部１２に記憶されたユーザＵｐの各特徴ベクトルｆｖｐ１〜ｆｖｐＭ１との類似度Ｓｐ１〜ＳｐＭ１の平均値（平均類似度）Ｓａｖｅを算出する（Ｓ１３）。更新部１５はＳ１１で算出された類似度Ｓｐ１〜ＳｐＭ１を流用して、平均類似度Ｓａｖｅを算出してもよい。そして、更新部１５は平均類似度Ｓａｖｅと所定の閾値（第１の閾値）Ｔ１とを比較する（Ｓ１４）。

平均類似度Ｓａｖｅが閾値Ｔ１以下であれば（Ｓ１４のＮＯ）、更新部１５は更新情報保持部１３の記憶内容を更新することなく、認証装置３は処理を終了する。特徴ベクトルｆｖＴに基づいて被写体がユーザＵｐであると認識されたとはいえ、特徴ベクトルｆｖＴは事前情報保持部１２に記憶されているユーザＵｐの各特徴ベクトルとは、平均としては異なっているためである。

一方、平均類似度Ｓａｖｅが閾値Ｔ１より大きい場合（Ｓ１４のＹＥＳ）、更新部１５は更新情報保持部１３の記憶内容を更新する。更新部１５は更新情報保持部１３に既に記憶されたユーザＵｐの特徴ベクトルの数を取得する。特徴ベクトル数は、認証装置３内に記憶しておいてもよいし、更新情報保持部１３を参照して取得してもよい。この数が最大数Ｍ２に達していない場合（Ｓ１５のＹＥＳ）、更新部１５は特徴ベクトルｆｖＴを更新情報保持部１３に追加記憶する（Ｓ１６）。

一方、この数が最大数Ｍ２に達している場合（Ｓ１５のＮＯ）、更新情報保持部１３に記憶されている特徴ベクトルの１つを、新たな特徴ベクトルｆｖＴに交換する（Ｓ１７）。

図７は、図６のＳ１７を詳しく説明するフローチャートである。まず更新部１３は、特徴ベクトルｆｖＴと、既に更新情報保持部１３に記憶されているユーザＵｐの特徴ベクトルｆｖｐｋ（ｋは（Ｍ１＋１）以上であり更新情報保持部１３に追加された特徴ベクトルの数に応じて最大Ｍ２）との類似度Ｓｐｋの最大値（最大類似度）Ｓｍａｘ２を算出する（Ｓ２１）。更新部１５は、最大類似度Ｓｍａｘ２と所定の閾値Ｔ２，Ｔ３（第２および第３の閾値）とを比較する（Ｓ２２）。この最大類似度Ｓｍａｘ２が閾値Ｔ２より大きく、かつ、閾値Ｔ３より小さい場合、更新部１５は更新情報保持部１３の記憶内容を更新する（Ｓ２２のＹＥＳ）。

一方、最大類似度Ｓｍａｘ２が閾値Ｔ２以下である場合（Ｓ２２のＮＯ）、更新部１５は更新情報保持部１３の記憶内容を更新しない。最大類似度Ｓｍａｘ２が閾値Ｔ２以下である場合、特徴ベクトルｆｖＴは既に更新情報保持部１３に記憶されている特徴ベクトルよりも事前情報保持部１２に記憶されている特徴ベクトルとの類似度が低いと考えられる。このような場合に特徴ベクトルｆｖＴを追加してしまうと、誤認証の可能性が高まるためである。
また、最大類似度Ｓｍａｘ２が閾値Ｔ３以上である場合も（Ｓ２２のＮＯ）、更新部１５は更新情報保持部１３の記憶内容を更新しない。すでに特徴ベクトルｆｖＴとよく似た特徴ベクトルが更新情報保持部１３に記憶されており、さらに特徴ベクトルｆｖＴを記憶する必要性が低いためである。

更新情報保持部１３の記憶内容を更新する場合、更新部１５は既に記憶されている特徴ベクトルのうち、他の特徴ベクトルと最も類似する特徴ベクトルを削除対象として選択する（Ｓ２３）。具体的には、更新部１５は、下記（３）式に基づいて、更新情報保持部１３に記憶された任意の特徴ベクトルｆｖｐｉと他の特徴ベクトルｆｖｐｊ（ｊ＝Ｍ１＋１〜Ｍ２、ただしｊ≠ｉ）との類似度Ｐｉを算出する。

例えば類似度Ｐｌが最大となる場合、特徴ベクトルｆｖｐｌを削除対象とする。そして、更新部１５は、削除対象の特徴ベクトルを削除し、特徴ベクトルｆｖＴを新たに特徴ベクトルｆｖｐｌとして追加する（Ｓ２４）。以上、更新情報保持部１３の記憶内容が更新される。

ここで、閾値Ｔ０〜Ｔ３について説明する。図８は、閾値Ｔ０〜Ｔ３の関係を説明する図である。認証成功となる最大類似度Ｓｍａｘ１の下限値が閾値Ｔ０である。追加と更新には平均類似度Ｓａｖｅが閾値Ｔ１より大きいことが必要である。閾値Ｔ１は閾値Ｔ０より小さく、かつ、０．５より大きく設定されるのが望ましい。閾値Ｔ１を設けることにより、特徴ベクトルを更新したことによる誤認証が生ずるリスクを低減できる。

また、更新には最大類似度Ｓｍａｘ２が閾値Ｔ２より大きいことが必要である。閾値Ｔ２は閾値Ｔ０より大きく設定される。仮に最大類似度Ｓｍａｘ２が閾値Ｔ２以下の場合に更新を行うと、誤認証が生じるおそれがある。さらに、更新には最大類似度Ｓｍａｘ２が閾値Ｔ３より小さいことが必要である。閾値Ｔ３は１より小さく設定される。閾値Ｔ３を設けることにより、無駄な更新が抑制される。

各閾値はユーザＵ１〜ＵＮに対して認証を実際に行って実験結果に基づいて定めてもよいし、公開されている一般的な顔画像データベースを用いた実験結果に基づいて定めてもよい。

図９は、特徴ベクトル更新の効果を説明する図である。ここでは、事前情報保持部１２にある１名のユーザに対して４個の特徴ベクトルが予め記憶され（Ｍ１＝４）、更新情報保持部１３には最大３個の特徴ベクトルを追加記憶可能であること（Ｍ２＝３）とする。

図９（ａ）は、事前情報保持部１２に予め登録されたあるユーザの４つの特徴ベクトル（×印ｆｖ１〜ｆｖ４）と、各特徴ベクトルで認識可能なユーザの範囲（×印を中心とする楕円Ｅ１〜Ｅ４）を模式的に描いている。認証装置３は楕円Ｅ１〜Ｅ４がカバーする範囲でユーザを認識することができる。

これに対し、図９（ｂ）は、追加された３つの同ユーザの特徴ベクトル（△印ｆｖ１１〜ｆｖ１３）と、その特徴ベクトルで認識可能なユーザの範囲（△印を中心とする楕円Ｅ１１〜Ｅ１３）を模式的に描いている。例えば、特徴ベクトルｆｖ１１は楕円Ｅ１に含まれるため当該ユーザであると認識される。また、特徴ベクトルｆｖ１１は更新情報保持部１３に追加される条件を満たすため、特徴ベクトルｆｖ１１を中心とする楕円Ｅ１１が更新情報保持部１３に追加される。このように特徴ベクトルを追加することで認識可能な範囲を広くすることができ、老化などによりユーザの顔が変化した場合でも認識できる。

図９（ｃ）は、特徴ベクトルを交換することを示している。特徴ベクトルｆｖ２１（□印）は楕円Ｅ２に含まれ、当該ユーザであると認識される。ここで、特徴ベクトルｆｖ２１を追加記憶するためには、特徴ベクトルｆｖ１１〜ｆｖ１３のいずれかを削除する必要がある。図９（ｃ）の場合、楕円Ｅ１２は、楕円Ｅ１１，Ｅ１３の両方とも隣接している。よって、更新部１５は楕円Ｅ１２の中心である特徴ベクトルｆｖ１２を削除し、新たに特徴ベクトルｆｖ２１を追加する。

図９（ｂ），（ｃ）において、事前情報保持部１２に記憶された特徴ベクトルｆｖ１〜ｆｖ４が削除されることはない。そのため、事前情報保持部１２記憶された特徴ベクトルｆｖ１〜ｆｖ４を中心として、新たな特徴ベクトルが追加される。よって、誤認証が連鎖して認証率が低下することを抑制できる。

このように、第１の実施形態では、予め事前情報保持部１２に記憶された特徴ベクトルおよび更新情報保持部１３に記憶された特徴ベクトルを用いて認証を行う。そして、認証結果に応じて更新情報保持部１３の記憶内容を更新する。そのため、認証の精度を向上できる。また、事前情報保持部１２の記憶内容は更新せず、更新情報保持部１３の記憶内容を更新する。そのため、誤認証のリスクを低減できる。

（第２の実施形態）
第２の実施形態では、被写体の特徴ベクトルと認識されたユーザの特徴ベクトルとの類似度のみならず、その他のユーザの特徴ベクトルとの類似度も考慮して、更新情報保持部１３の記憶内容を更新するか否かを判断するものである。以下、第１の実施形態との相違点を中心に説明する。

図１０は、第２の実施形態に係る認証モードにおける認証装置３の処理の一例を示すフローチャートである。平均類似度Ｓａｖｅが閾値Ｔ１より大きい場合（Ｓ１４のＹＥＳ）、更新部１５は、特徴ベクトルｆｖＴと、既に更新情報保持部１３に記憶されている、ユーザＵｐ（認識部１３により認識されたユーザ）以外のユーザＵｋ（ｋ＝１〜Ｎかつｋ≠ｐ）の特徴ベクトルｆｖｋｊ（ｊ＝Ｍ１〜Ｍ２）との類似度Ｓｐｋの最大値（最大類似度）Ｓｍａｘ３を算出する（Ｓ１８）。

そして、更新部１５は、最大類似度Ｓｍａｘ３と閾値（第４の閾値）Ｔ４とを比較する（Ｓ１９）。最大類似度Ｓｍａｘ３が閾値Ｔ４以上である場合（Ｓ１９のＮＯ）、更新部１５は更新情報保持部１３の記憶内容を更新しない。その理由は、特徴ベクトルｆｖＴは、認識されたユーザとは異なるユーザの特徴ベクトルと類似しており、更新により誤認証のリスクが高まるためである。
一方、最大類似度Ｓｍａｘ３が閾値Ｔ４未満である場合（Ｓ１９のＹＥＳ）、第１の実施形態と同様にして、更新部１５は更新情報保持部１３の記憶内容を更新する（Ｓ１５〜Ｓ１７）。

ここで、閾値Ｔ４は予め定めた値でもよい。あるいは、閾値Ｔ４＝Ｓｍａｘ２として閾値Ｔ４をダイナミックに変更してもよい。Ｓ１９において、Ｓｍａｘ３がＳｍａｘ２未満であるという条件は、特徴ベクトルｆｖＴが、他のユーザよりもユーザＵｐの特徴ベクトルに最も類似している、ということを意味する。

図１１は、第２の実施形態の効果を説明する概念図である。図１１では、被写体を撮影した画像から抽出された特徴ベクトルｆｖＴは、ユーザＵｐの特徴ベクトルｆｖｐ１と最も類似しており、被写体はユーザＵｐと認識される。ところが、特徴ベクトルｆｖＴは、別のユーザＵｑの特徴ベクトルｆｖｑ１との類似度Ｓｍａｘ３も高い。

この場合に特徴ベクトルｆｖＴを更新情報保持部１３にユーザＵｐとして追加してしまうと、ユーザＵｑがユーザＵｐであると誤認証されてしまうことがある。そこで、第２の実施形態では、認識されたユーザＵｐとは異なるユーザＵｑとの類似度Ｓｍａｘ３が高い場合には、その特徴ベクトルｆｖＴを追加しない。
このように、第２の実施形態では、認識されたユーザとは異なるユーザの特徴ベクトルとの類似度も考慮して、認証を行う。そのため、誤認証のリスクをさらに低減できる。

なお、事前情報保持部１２および更新情報保持部１３は別構成として説明したが、同一メモリ上で領域をわけて管理してもよい。また、被写体を人として説明したが、認識できればどのような被写体でも構わない。

上述した実施形態で説明した認証システムの少なくとも一部は、ハードウェアで構成してもよいし、ソフトウェアで構成してもよい。ソフトウェアで構成する場合には、認証システムの少なくとも一部の機能を実現するプログラムをフレキシブルディスクやＣＤ−ＲＯＭ等の記録媒体に収納し、コンピュータに読み込ませて実行させてもよい。記録媒体は、磁気ディスクや光ディスク等の着脱可能なものに限定されず、ハードディスク装置やメモリなどの固定型の記録媒体でもよい。

また、認証システムの少なくとも一部の機能を実現するプログラムを、インターネット等の通信回線（無線通信も含む）を介して頒布してもよい。さらに、同プログラムを暗号化したり、変調をかけたり、圧縮した状態で、インターネット等の有線回線や無線回線を介して、あるいは記録媒体に収納して頒布してもよい。

本発明のいくつかの実施形態を説明したが、これらの実施形態は、例として提示したものであり、発明の範囲を限定することは意図していない。これら実施形態は、その他の様々な形態で実施されることが可能であり、発明の要旨を逸脱しない範囲で、種々の省略、置き換え、変更を行うことができる。これら実施形態やその変形は、発明の範囲や要旨に含まれると同様に、特許請求の範囲に記載された発明とその均等の範囲に含まれるものである。

１ カメラ
２ 画像入力部
３ 認証装置
１１ 特徴量抽出部
１２ 事前情報保持部
１３ 更新情報保持部
１４ 認識部
１５ 更新部
４ 表示部

Claims (8)

1. 被写体を撮影し、前記被写体を含む画像を生成するカメラと、
   認証対象の特徴量を予め記憶し、更新せず維持する第１の記憶部と、
   前記認証対象の特徴量が記憶され得る第２の記憶部と、
   前記被写体を含む画像から前記被写体の特徴量を抽出する特徴量抽出部と、
   前記被写体の特徴量と、前記第１の記憶部および前記第２の記憶部に記憶された認証対象の特徴量と、を比較して、前記被写体が前記認証対象のうちのいずれであるかを認識する認識部と、
   前記認識結果に応じて、所定の条件に基づき前記第２の記憶部の前記認識された認証対象の特徴量を、前記被写体の特徴量に認識可能範囲を広げる交換をする更新部と、
   を備える認証システム。
2. 前記更新部は、当該被写体の特徴量と認識された前記認証対象の前記第１の記憶部に記憶された各特徴量とが平均して類似する場合に、当該被写体の特徴量を前記第２の記憶部に記憶させる、請求項１に記載の認証システム。
3. 前記更新部は、前記被写体の特徴量と認識された前記認証対象の前記第１の記憶部に記憶された各特徴量との類似度の平均値と、第１の閾値とを比較して前記第２の記憶部を更新するか否かを判断する、請求項１又は２に記載の認証システム。
4. 前記更新部は、
   すでに前記第２の記憶部に記憶された特徴量の数が第１の数未満であれば、前記被写体の特徴量を前記第２の記憶部に追加し、
   すでに前記第２の記憶部に記憶された特徴量の数が前記第１の数に達していれば、前記第２の記憶部に記憶されている特徴量の１つを前記被写体の特徴量と交換する、請求項１乃至３のいずれかに記載の認証システム。
5. 前記更新部は、前記被写体の特徴量と認識された前記認証対象の前記第２の記憶部に記憶された各特徴量との類似度の最大値が、第２の閾値より大きく、かつ、第３の閾値より小さい場合に、前記第２の記憶部に記憶されている特徴量の１つを前記被写体の特徴と交換する、請求項１乃至４のいずれかに記載の認証システム。
6. 前記更新部は、前記第２の記憶部に記憶され、認識された認証対象の複数の特徴量のうち、他の特徴量との類似度が最も高い特徴量を、前記被写体の特徴量と交換する、請求項１乃至５のいずれかに記載の認証システム。
7. 前記更新部は、前記被写体の特徴量と認識された認識対象以外の認識対象の各特徴量との類似度の最大値と、第４の閾値とを比較して、前記第２の記憶部の記憶内容を更新するか否かを判断する、請求項１乃至６のいずれかに記載の認証システム。
8. カメラで被写体を撮影し、前記被写体を含む画像を生成するステップと、
   前記被写体を含む画像から前記被写体の特徴量を抽出するステップと、
   前記被写体の特徴量と、第１の記憶部および第２の記憶部に記憶された認証対象の特徴量と、を比較して、前記被写体が前記認証対象のうちのいずれであるかを認識するステップであって、前記第１の記憶部には認証対象の特徴量が予め記憶され、更新されず維持されており、前記第２の記憶部には前記認証対象の特徴量が記憶され得る、ステップと、
   前記認識の結果に応じて、所定の条件に基づき前記第２の記憶部の前記認識された認証対象の特徴量のいずれかを、前記被写体の特徴量に認識可能範囲を広げる交換をするステップと、
   を備える認証方法。

Images