JP7315884B2 - 認証方法、認証プログラム、および情報処理装置 - Google Patents

Description

本件は、認証方法、認証プログラム、および情報処理装置に関する。

近年、指紋または静脈パターンなどの生体情報を利用して、個人を認証する技術が開示されている。認証精度を向上させるために、撮影画像から手相などを特定し、手相が存在する部分について認証の重みを小さくする手法が開示されている（例えば、特許文献１参照）。

特開２０１５－１２９９９７号公報

しかしながら、手相を特定するためには計算負荷が大きくなる。そこで、小さい計算負荷で手相を特定しようとすると特定精度が低下し、結果として認証精度も低下してしまう。

１つの側面では、本発明は、認証精度を向上させることができる認証方法、認証プログラム、および情報処理装置を提供することを目的とする。

１つの態様では、認証方法は、生体の撮影データから前記生体の複数の特徴点それぞれの特徴量を抽出し、抽出した前記複数の特徴点それぞれの特徴量と、前記複数の特徴点それぞれに対応する特徴点に対応付けて記憶部に記憶された特徴量との類似度を算出し、類似度に適用する重みを示す重み情報を前記類似度に対応付けて記憶する記憶部を参照して、算出した前記類似度に対応付けられた重み情報を取得し、算出した前記類似度に対して、取得した前記重み情報を適用することにより新たに生成した類似度に基づき、前記生体の認証処理を行う、処理をコンピュータが実行する。

認証精度を向上させることができる。

特徴点を例示する図である。 常在的特徴を例示する図である。 常在的特徴を例示する図である。 常在的特徴を例示する図である。 常在的特徴を例示する図である。 特徴点スコアの出現頻度を例示する図である。 （ａ）および（ｂ）は常在的特徴の影響を受けた場合の本人対の特徴点スコア分布を例示する図である。 （ａ）および（ｂ）は常在的特徴の影響を受けた場合の他人対の特徴点スコア分布を例示する図である。 本人対の特徴点スコア分布と他人対の特徴点スコア分布との重なりを例示する図である。 本人対の特徴点スコア分布と他人対の特徴点スコア分布との重なりを例示する図である。 情報処理装置の全体構成を例示するブロック図である。 生体登録処理の一例を表すフローチャートである。 生体認証処理の一例を表すフローチャートである。 重み係数ｗ（ｓ_ｉ）を例示する図である。 重み係数の決定手順を例示する図である。 ハードウェア構成を例示する図である。

近代社会では、様々なシチュエーションにおいて本人確認が必要とされている。本人確認を精度よく行なう一つの方法として、指紋パターン、静脈パターン、顔画像などの人体の一部の特徴を用いる生体認証技術が近年広まってきている。

例えば、手のひらに近赤外線を照射して近赤外波長領域の画像を撮影すると、手のひらの皮下の静脈が黒く映った画像を撮影することができる。この画像から、手のひらを網目の様に流れる静脈のパターン情報を抽出することができる。静脈パターン情報は、全ての人で異なっている。そこで、個人認証が必要とされる様々な場面においてセンサで取得した静脈パターンと、予めデータベースやＩＣカードなどに記録しておいた登録データとの類似度を算出することにより、本人確認などの用途に利用することができる。生体認証技術は、許可された人しか入ることのできない制限エリアへの入退室の可否判定や、パソコンへのログイン判定や、オンライン取引における利用者確認など様々なサービスへのアクセスの可否などで既に広く利用されている。

生体認証では、カメラなどのセンサを用いて利用者の生体情報を取得し、取得した生体情報を照合可能な生体特徴量に変換して照合データを生成し、登録データと照合する。例えば、特徴点を用いた生体認証方式では、センサで取得した生体部位の画像などから生体認証に適した特徴点を複数選択し、選択した特徴点ごとの生体特徴量を抽出し、その特徴点ごとの生体特徴量を照合することで本人確認を行なう。

照合データと登録データとで対応する特徴点ごとに生体特徴量を照合することによって類似度スコア（以降は、これを特徴点スコアと称す）を求め、さらに複数の特徴点の特徴点スコアを統合する。統合した特徴点スコアを、以下ではトータル照合スコアと称する。トータル照合スコアが予め決められた本人判定閾値より大きいかどうかを判定することで、で本人確認を行なうことができる。

図１は、特徴点を例示する図である。図１の例では、指紋に現れる特徴点に着目している。指紋については、分岐点などの特徴点における生体特徴量（分岐の向き、分岐数など）を用いることができる。図１で例示するように、登録データにおける各特徴点と、照合時に生成された照合データにおいて対応する各特徴点との間で、生体特徴量の類似度スコア（特徴点スコア）が算出される。

トータル照合スコアは、例えば、Ｎ個の特徴点をそれぞれ照合することによって得られた特徴点スコアをｓ_ｉとして、下記式（１）で求められる。登録・照合の各生体画像から抽出したＮ個の特徴点を対応付けし、対応付けされた特徴点ペアごとに特徴点スコアs__iを算出し、トータル照合スコアとして、各特徴点ペアの特徴点スコアの平均を求める。特徴点ごとに類似度の変動に幅が有るので、複数の特徴点の特徴点スコアの平均を取ったトータル照合スコアを算出し、これを本人判定に用いる。これにより、本人判定結果が安定する。

生体認証によって精度良く本人判定を実施するには、各特徴点の生体特徴量が、個人に固有の値であることが理想である。通常、生体認証では、生体センサが生体情報を取得するたびに若干の揺らぎが生じるため、本人であっても全く同じ生体特徴量が得られるとは限らない。しかしながら、各特徴点の生体特徴量が個人固有の値であれば、多少の値の揺らぎが生じたとしても、本人の場合は生体特徴量がよく似ているため特徴点スコアが高くなり、他人の場合は生体特徴量が似ていないため特徴点スコアが低くなる。

しかしながら、「本人・他人に関わらず、生体センサが取得する生体情報に共通して検出される特徴（以下、常在的特徴と称する）」が照合データに含まれていることがある。この場合、常在的特徴の影響により、照合データの生体特徴量と、他人の登録データの生体特徴量とが似てしまい、特徴点スコアが高くなってしまう場合がある。

特徴点の特徴点スコアを総合したトータル照合スコアで本人の判別を行なう従来方式では、常在的特徴の影響がトータル照合スコアにも波及する。この場合、照合データと他人の登録データとのトータル照合スコアが高くなり、誤って本人であると判定してしまう認証エラー確率が高くなり、認証精度が低下するおそれがある。生体認証の精度を向上させるためには、本人判定に際し、常在的特徴の影響を低減し、認証精度低下を抑えることが望まれる。

本人・他人に関わらず多くの人に共通する常在的特徴の例として、多くの人が共通してもっている特徴、例えば、生体表面の皺などが有る。例えば、図２で例示するように、生体センサによって皺が検出される場合に、本人と他人とで皺が類似する場合がある。この場合、検出された皺の近傍の特徴点の特徴点スコアが、本人か他人かどうかに関わらず、高くなってしまう場合がある。

常在的特徴のその他の例として、生体センサの傷・汚れなどが有る。図３で例示するように、センサに傷や汚れが有る場合、本人・他人に関わらず、傷や汚れの部分の見え方が似てしまう場合がある。この場合、検出された傷や汚れの近傍の特徴点の特徴点スコアが、本人か他人かどうかに関わらず、高くなってしまう場合がある。

常在的特徴のその他の例として、照明の反射など環境の影響によるものが有る。図４で例示するように、照明の反射などにより特定の部分が常に明るく写ってしまったりする場合、本人・他人に関わらず、明るく写る部分の見え方が似てしまう場合がある。この場合、明るく見える部分の特徴点の特徴点スコアが、本人か他人かどうかに関わらず、高くなってしまう場合がある。

常在的特徴のその他の例として、手相（生命線など）も挙げられる。手相は、個人ごとに異なることがあるため、生体特徴として用いることも考えられる。しかしながら、手相は、他人同士であっても似通ることがあるため、必ずしも生体認証に適するものではない。図５で例示するように、他人同士であっても手相が似通ってしまう場合がある。この場合、手相付近の特徴点の特徴点スコアが、本人・他人に関わらず、高くなってしまう場合がある。

そこで、認証精度を向上させるために、本人確認のたびに撮影画像から手相などの常在的特徴を抽出して特定し、常在的特徴が存在する部分について認証の重みを小さくする手法が考えられる。しかしながら、本人確認のたびに常在的特著を特定するためには計算負荷が大きくなる。そこで、小さい計算負荷で常在的特徴を特定しようとすると特定精度が低下し、結果として認証精度も低下してしまう。

そこで、以下の実施例では、計算負荷を抑制しつつ、認証精度を向上させることができる情報処理装置、認証方法、および認証プログラムについて説明する。

まず、常在的特徴の影響が小さい場合について、登録データと照合データとの間で対応する特徴点それぞれを照合して得られる特徴点スコアの出現頻度をグラフにすると、図６のようになる。本人対のスコア分布は、照合データと本人の登録データとを照合したときの、特徴点スコアの頻度分布である。他人対のスコア分布は、照合データと他人の登録データとを照合したときの、特徴点スコアの頻度分布である。

図６で例示するように、本人対の特徴点スコアの頻度分布は、特徴点スコアが大きい範囲に多く分布する。他人対の特徴点スコアの頻度分布は、特徴点スコアが小さい範囲に多く分布する。本人対の特徴点スコアの頻度分布と他人対の特徴点スコアの頻度分布とが一部で重複するものの、当該重複部分では他人対の特徴点スコアの出現頻度が低くなっている。それにより、本人対の特徴点スコアの頻度分布と他人対の特徴点スコアの頻度分布との分離度は高くなっている。この特性により、複数の特徴点スコアの平均をとったトータル照合スコアも、本人対では大きくなり、他人対では小さくなるため、トータル照合スコアの大小を見ることで本人と他人とを判別することができる。

これに対し、常在的特徴の影響が大きい場合の特徴点スコアについて下記に述べる。先ず、本人対の特徴点スコア分布について説明する。図７（ａ）で例示するように、常在的特徴の影響が小さい特徴点のスコア分布は、図６と同様の分布となる。常在的特徴の影響が大きい特徴点の総数自体は少ない。しかしながら、常在的特徴は生体センサが生体情報を取得するたびに同じように映るため、常在的特徴の影響が大きい特徴点を照合した特徴点スコアは通常よりも大きくなる。以上のことから、本人対の特徴点スコアは、総合すると図７（ｂ）のような頻度分布になる。

次に、他人対の特徴点スコア分布について説明する。図８（ａ）で例示するように、常在的特徴の影響が小さい特徴点のスコア分布は、図６と同様の分布となる。常在的特徴の影響が大きい特徴点の総数自体は少ない。しかしながら、常在的特徴は生体センサが生体情報を取得するたびに同じように映るため、常在的特徴の影響が大きい特徴点を照合した特徴点スコアは通常よりも大きくなる。以上のことから、他人対の特徴点スコアは、総合すると図８（ｂ）のような頻度分布になる。すなわち、他人対の特徴点スコアは、特徴点スコアが比較的高い領域において出現頻度が高くなる。

図９のように、常在的特徴の影響により、本人対の特徴点スコア分布と他人対の特徴点スコア分布とが重複する部分において、他人対の特徴点スコアの出願頻度が高くなっている。それにより、本人対の特徴点スコア分布と他人対の特徴点スコア分布の差異が小さくなり、本人対の特徴点スコア分布と他人対の特徴点スコア分布との分離度が下がる。複数の特徴点スコアの平均をとったトータル照合スコアも、本人対と他人対の特徴点スコアの差異が小さくなり、本人対と他人対の分離度が下がる。誤って、他人を本人と判定してしまうエラー確率が増大し、認証精度が劣化することになる。

このスコア分布の特性に対し、図１０で例示するように、本人対の特徴点スコア分布と他人対の特徴点スコア分布とが重複する領域に着目する。常在的特徴の影響により、本人対の特徴点スコア分布と他人対の特徴点スコア分布とが重複するスコア領域の分離度が悪化しているので、常在的特徴の影響によりスコア分布が変化した割合に応じて、それを補償するように、特徴点スコアに重みを付加することで、認証精度を向上させる。すなわち、図９で例示したような常在的特徴の影響が大きい場合の特徴点スコア分布が、図６で例示したような常在的特徴の影響が小さい場合の特徴点スコア分布に近づくように、重み係数を定めておく。

図１１は、本実施例に係る情報処理装置１００の全体構成を例示するブロック図である。図１１で例示するように、情報処理装置１００は、生体センサ１０、特徴点抽出部２０、特徴量抽出部３０、対応付け部４０、特徴点スコア算出部５０、トータルスコア算出部６０、認証部７０、表示装置８０、格納部９０などを備える。

生体センサ１０は、生体画像を取得できるイメージセンサなどである。例えば、生体センサ１０は、指紋センサである場合、読み取り面に接触して配置された１本以上の指の指紋を取得するセンサであって光を利用して指紋を取得する光学式センサ、静電容量の差異を利用して指紋を取得する静電容量センサなどである。生体センサ１０は、静脈センサである場合、非接触で手のひら静脈を取得するセンサであり、たとえば、人体への透過性が高い近赤外線を用いて手のひらの皮下の静脈を撮影する。静脈センサには、たとえばＣＭＯＳ（Ｃｏｍｐｌｅｍｅｎｔａｒｙ Ｍｅｔａｌ Ｏｘｉｄｅ Ｓｅｍｉｃｏｎｄｕｃｔｏｒ）カメラなどが備わっている。また、近赤外線を含む光を照射する照明などが設けられていてもよい。表示装置８０は、情報処理装置１００による各処理の結果などを表示するための装置であり、液晶ディスプレイなどである。

（生体登録処理）
図１２は、生体登録処理の一例を表すフローチャートである。生体登録処理は、ユーザが登録データを予め登録する際に行なわれる処理である。図１２で例示するように、生体センサ１０は、生体画像を撮影する（ステップＳ１）。次に、特徴点抽出部２０は、ステップＳ１で撮影された生体画像から、複数の特徴点を抽出する（ステップＳ２）。次に、特徴量抽出部３０は、ステップＳ２で抽出された各特徴点の特徴量を抽出し、格納部９０に登録データとして格納する（ステップＳ３）。以上の処理によって、登録データを予め登録しておくことができる。

（生体認証処理）
図１３は、生体認証処理の一例を表すフローチャートである。生体認証処理は、本人確認が必要な場面で行なわれる処理である。図１３で例示するように、生体センサ１０は、生体画像を撮影する（ステップＳ１１）。次に、特徴点抽出部２０は、ステップＳ１１で撮影された生体画像から、複数の特徴点を抽出する（ステップＳ１２）。次に、特徴量抽出部３０は、ステップＳ１２で抽出された各特徴点の特徴量を抽出し、照合データを生成する（ステップＳ１３）。

次に、対応付け部４０は、格納部９０に格納されている登録データの各特徴点と照合データの各特徴点とを対応付ける（ステップＳ１４）。対応付け部４０は、照合データおよび登録データの少なくともいずれか一方に対してアフィン変換を施して位置合わせを行なうことによって、対応付け精度を向上させてもよい。次に、特徴点スコア算出部５０は、ステップＳ１４で対応付けられた各特徴点対について、特徴点スコアを算出する（ステップＳ１５）。

次に、トータルスコア算出部６０は、格納部９０に格納されている重み係数を参照し、全特徴点対の特徴点スコアに対して重み付けを行ない、トータル照合スコアを算出する（ステップＳ１６）。トータル照合スコアは、下記式（２）のように表すことができる。下記式（２）において、Ｎは特徴点対の数である。ｓ_ｉは、特徴点ｉ（１≦ｉ≦Ｎ）の特徴点スコアである。ｗ（ｓ_ｉ）は、特徴点ｉに適用する重み係数（０≦ｗ（ｓ_ｉ）≦１）である。

トータル照合スコアでは、特徴点スコアの値に応じて重みが変化している。重み係数ｗ（ｓ_ｉ）は、特徴点スコアの値に対して定まっており、常在的特徴の影響が大きい特徴点スコアの影響を軽減する重み係数である。そこで、本実施例においては、常在的特徴の影響が小さい特徴点スコアの値の範囲においては、重み係数ｗ（ｓ_ｉ）を「１」とする。常在的特徴の影響が大きい特徴点スコアの値の範囲においては、重み係数ｗ（ｓ_ｉ）を「１」よりも小さな値とする。

特徴点スコアに対して、どのような重み係数の値を適用するかは、予め常在的特徴の影響を実験的に評価して、常在的特徴の影響を打ち消すような値を決定しておけばよい。特徴点スコアを入力として、重み係数を算出するような数式を作成し、当該数式を用いてもよい。テーブル参照により、特徴点スコアから重み係数を導出するようにしてもよい。

図１４は、重み係数ｗ（ｓ_ｉ）を例示する図である。図１４で例示するように、重み係数ｗ（ｓ_ｉ）は、特徴点スコアが小さい場合には大きく、特徴点スコアが大きくになるにつれて小さくなり、さらに特徴点スコアが大きくなるにつれて大きくなるように定められている。例えば、重み係数ｗ（ｓ_ｉ）は、特徴点スコアが小さい範囲では「１」であり、常在的特徴の影響が大きい特徴点スコアの値の範囲においては「１」よりも小さく、特徴点スコアが大きい範囲ではまた「１」である。

次に、認証部７０は、トータル照合スコアが閾値以上であるか否かを判定する（ステップＳ１７）。表示装置８０は、ステップＳ１７の判定結果を表示する（ステップＳ１８）。

本実施例によれば、照合データと登録データとの間、対応付けられた特徴点対ごとに特徴点スコアが算出され、特徴点スコアに対応付けられた重み係数が特徴点スコアに適用され、新たに生成された特徴点スコアに基づいて生体認証処理が行われる。常在的特徴の影響が小さくなるような重み係数が予め格納部９０に格納されていることから、生体認証処理の際に常在的特徴を特定する処理が省略される。それにより、計算負荷を抑えつつ、認証精度を向上させることができる。

また、本実施例によれば、照合データと本人の登録データとの照合の際にも、本人対の特徴点スコア分布と他人対の特徴点スコア分布とが重複する中程度の特徴点スコアについて重みが小さくなることになり、トータル照合スコアが低下することになる。しかしながら、照合データと本人の登録データとの照合の場合には中程度の特徴点スコアにおける出現頻度が低くなるため、重みが小さくなってもトータル照合スコアの低下程度は小さくなる。それにより、認証精度への影響を小さくすることができる。

重み係数の決定手順の例について説明する。（１）まず、常在的特徴の影響のない理想的なデータを準備する。たとえば、常在的特徴が入り込まないような理想的な環境で、ユーザの生体情報を実際に採取する。または、手作業や人工知能により常在的特徴の影響を除外した生体情報を人工的に作成する。（２）次に、実際に運用する環境などで常在的特徴の影響が有るデータを採取する。（３）次に、（１）と（２）の特徴点スコアの出現頻度分布を比較することで、重み係数を算出する。

例えば、図１５で例示するように、特徴点スコアごとに、（１）と（２）の出現頻度を取得する。スコアｓにおける（１）の出現頻度をｐ１（ｓ）とし、スコアｓにおける（２）の出現頻度をｐ２（ｓ）とする。この場合、スコアｓにおける重み係数ｗ（ｓ）を、ｐ１（ｓ）／ｐ２（ｓ）と表すことができる。

重み係数の決定に、特徴点の座標を反映してもよい。例えば、常在的特徴が生じる位置（生体画像中の座標）が特定の座標に偏っている場合、重み係数の算出に、特徴点の座標をパラメータとして追加する。特徴点座標は、生体画像が異なっていても座標比較ができるように、生体画像の撮影状況に依存しない標準的な座標に正規化しておく。例えば、皺などが常に同じ位置に現れる場合などが想定される。この際のトータル照合スコアの計算式は下記式（３）のようになる。下記式（３）において、Ｎは特徴点の数である。ｓ_ｉは、特徴点ｉの特徴点スコアである。（ｘ_ｉ，ｙ_ｉ）は、特徴点ｉの座標である。ｗ（ｓ_ｉ，ｘ_ｉ，ｙ_ｉ）は、特徴点ｉに適用する重み（０≦ｗ（ｓ_ｉ，ｘ_ｉ，ｙ_ｉ）≦１）である。

さらに、常在的特徴の影響確率が座標に依存してｐ（ｘ，ｙ）として表すことができ、特徴点スコアに応じた重みの関係が座標に依存せず特徴点スコアにのみ依存してｗ＿０（ｓ）と表すことができる場合、重み係数ｗの計算式は下記式（４）のように表すことができる。トータル照合スコアは、下記式（５）のように表すことができる。

（ハードウェア構成）
図１６は、情報処理装置１００の特徴点抽出部２０、特徴量抽出部３０、対応付け部４０、特徴点スコア算出部５０、トータルスコア算出部６０、認証部７０、および格納部９０のハードウェア構成を例示するブロック図である。図１６で例示するように、情報処理装置１００は、ＣＰＵ１０１、ＲＡＭ１０２、記憶装置１０３、インタフェース１０４等を備える。

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。記憶装置１０３は、不揮発性記憶装置である。記憶装置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。記憶装置１０３は、認証プログラムを記憶している。インタフェース１０４は、外部機器とのインタフェース装置である。ＣＰＵ１０１が認証プログラムを実行することで、情報処理装置１００の特徴点抽出部２０、特徴量抽出部３０、対応付け部４０、特徴点スコア算出部５０、トータルスコア算出部６０、認証部７０、および格納部９０が実現される。なお、特徴点抽出部２０、特徴量抽出部３０、対応付け部４０、特徴点スコア算出部５０、トータルスコア算出部６０、認証部７０、および格納部９０として、専用の回路などのハードウェアを用いてもよい。

上記例において、ＩＤの入力などによって照合対象の登録データを特定したうえで照合データと登録データとを照合してもよい（１：１認証）。または、照合対象の登録データを特定せずに、照合データと全登録データとを照合してもよい（１：Ｎ認証）。１：Ｎ認証の場合、最も高い一致度が閾値以上であれば、照合対象のユーザと当該登録データのユーザとが一致することになり、照合成功となる。

上記例において、特徴量抽出部３０が、生体の撮影データから前記生体の複数の特徴点それぞれの特徴量を抽出する抽出部の一例である。特徴点スコア算出部５０が、前記抽出部が抽出した前記複数の特徴点それぞれの特徴量と、前記複数の特徴点それぞれに対応する特徴点に対応付けて記憶部に記憶された特徴量との類似度を算出する算出部の一例である。トータルスコア算出部６０および認証部７０が、類似度に適用する重みを示す重み情報を前記類似度に対応付けて記憶する記憶部を参照して、算出した前記類似度に対応付けられた重み情報を取得し、前記算出部が算出した前記類似度に対して、取得した前記重み情報を適用することにより新たに生成した類似度に基づき、前記生体の認証処理を行う認証処理部の一例である。格納部９０が記憶部の一例である。図６の特徴点スコア分布が、本人他人に共通して存在する特徴の影響が小さい状況で取得した撮影データを用いた照合によって得られた前記類似度の第１頻度分布の一例である。図９の特徴点スコア分布が、本人他人に関わらず共通して存在する前記特徴の影響が大きい状況で取得した撮影データを用いた照合によって得られた前記類似度の第２頻度分布の一例である。

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 生体センサ
２０ 特徴点抽出部
３０ 特徴量抽出部
４０ 対応付け部
５０ 特徴点スコア算出部
６０ トータルスコア算出部
７０ 認証部
８０ 表示装置
９０ 格納部
１００ 情報処理装置

Claims (6)

1. 生体の撮影データから前記生体の複数の特徴点それぞれの特徴量を抽出し、
   抽出した前記複数の特徴点それぞれの特徴量と、前記複数の特徴点それぞれに対応する特徴点に対応付けて記憶部に記憶された特徴量との類似度を算出し、
   類似度に適用する重みを示す重み情報を前記類似度に対応付けて記憶する記憶部を参照して、算出した前記類似度に対応付けられた重み情報を取得し、
   算出した前記類似度に対して、取得した前記重み情報を適用することにより新たに生成した類似度に基づき、前記生体の認証処理を行う、
   処理をコンピュータが実行し、
   前記重み係数は、生体センサで生体情報を取得する際に、本人他人に共通して存在する特徴の影響が小さい状況で取得した撮影データを用いた照合によって得られた前記類似度の第１頻度分布と、本人他人に関わらず共通して存在する前記特徴の影響が大きい状況で取得した撮影データを用いた照合によって得られた前記類似度の第２頻度分布とを比較し、前記第２頻度分布が前記第１頻度分布に近づくように決定された値であることを特徴とする認証方法。
2. 本人他人に共通して存在する前記特徴は、手相であり、
   前記特徴点は、手のひらの静脈パターンの特徴点であることを特徴とする請求項１に記載の認証方法。
3. 前記類似度の値とともに、当該類似度が算出された特徴点の撮影画像中での正規化座標を使用し、前記正規化座標に応じて重み係数の値を変化させる処理を前記コンピュータが実行することを特徴とする請求項１または請求項２に記載の認証方法。
4. 前記重み係数は、複数の特徴点の前記類似度が小さい場合には大きく、前記類似度が大きくになるにつれて小さくなり、さらに前記類似度が大きくなるにつれて大きくなるように定められていることを特徴とする請求項１から請求項３のいずれか一項に記載の認証方法。
5. 生体の撮影データから前記生体の複数の特徴点それぞれの特徴量を抽出する抽出部と、
   前記抽出部が抽出した前記複数の特徴点それぞれの特徴量と、前記複数の特徴点それぞれに対応する特徴点に対応付けて記憶部に記憶された特徴量との類似度を算出する算出部と、
   類似度に適用する重みを示す重み情報を前記類似度に対応付けて記憶する記憶部を参照して、算出した前記類似度に対応付けられた重み情報を取得し、前記算出部が算出した前記類似度に対して、取得した前記重み情報を適用することにより新たに生成した類似度に基づき、前記生体の認証処理を行う認証処理部と、を備え、
   前記重み係数は、生体センサで生体情報を取得する際に、本人他人に共通して存在する特徴の影響が小さい状況で取得した撮影データを用いた照合によって得られた前記類似度の第１頻度分布と、本人他人に関わらず共通して存在する前記特徴の影響が大きい状況で取得した撮影データを用いた照合によって得られた前記類似度の第２頻度分布とを比較し、前記第２頻度分布が前記第１頻度分布に近づくように決定された値であることを特徴とする情報処理装置。
6. コンピュータに、
   生体の撮影データから前記生体の複数の特徴点それぞれの特徴量を抽出する処理と、
   抽出した前記複数の特徴点それぞれの特徴量と、前記複数の特徴点それぞれに対応する特徴点に対応付けて記憶部に記憶された特徴量との類似度を算出する処理と、
   類似度に適用する重みを示す重み情報を前記類似度に対応付けて記憶する記憶部を参照して、算出した前記類似度に対応付けられた重み情報を取得する処理と、
   算出した前記類似度に対して、取得した前記重み情報を適用することにより新たに生成した類似度に基づき、前記生体の認証処理を行う処理と、を実行させ、
   前記重み係数は、生体センサで生体情報を取得する際に、本人他人に共通して存在する特徴の影響が小さい状況で取得した撮影データを用いた照合によって得られた前記類似度の第１頻度分布と、本人他人に関わらず共通して存在する前記特徴の影響が大きい状況で取得した撮影データを用いた照合によって得られた前記類似度の第２頻度分布とを比較し、前記第２頻度分布が前記第１頻度分布に近づくように決定された値であることを特徴とする認証プログラム。

Images