JP7485063B2 - 閾値算出システム、閾値算出方法、及びコンピュータプログラム - Google Patents

閾値算出システム、閾値算出方法、及びコンピュータプログラム Download PDF

Info

Publication number
JP7485063B2
JP7485063B2 JP2022553343A JP2022553343A JP7485063B2 JP 7485063 B2 JP7485063 B2 JP 7485063B2 JP 2022553343 A JP2022553343 A JP 2022553343A JP 2022553343 A JP2022553343 A JP 2022553343A JP 7485063 B2 JP7485063 B2 JP 7485063B2
Authority
JP
Japan
Prior art keywords
information
matching
threshold
threshold calculation
attribute information
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.)
Active
Application number
JP2022553343A
Other languages
English (en)
Other versions
JPWO2022070349A5 (ja
JPWO2022070349A1 (ja
Inventor
雅一 清水
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
NEC Corp
Original Assignee
NEC Corp
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by NEC Corp filed Critical NEC Corp
Publication of JPWO2022070349A1 publication Critical patent/JPWO2022070349A1/ja
Publication of JPWO2022070349A5 publication Critical patent/JPWO2022070349A5/ja
Application granted granted Critical
Publication of JP7485063B2 publication Critical patent/JP7485063B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • 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
    • 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
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
    • G06V10/751—Comparing pixel values or logical combinations thereof, or feature values having positional relevance, e.g. template matching
    • 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
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/761—Proximity, similarity or dissimilarity measures
    • 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
    • G06V40/50—Maintenance of biometric data or enrolment thereof

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Software Systems (AREA)
  • Databases & Information Systems (AREA)
  • Human Computer Interaction (AREA)
  • Computing Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Artificial Intelligence (AREA)
  • Computer Security & Cryptography (AREA)
  • Computer Hardware Design (AREA)
  • General Engineering & Computer Science (AREA)
  • Collating Specific Patterns (AREA)
  • Image Analysis (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Description

この開示は、生体認証に関する閾値を算出する閾値算出システム、閾値算出方法、及びコンピュータプログラムの技術分野に関する。
この種のシステムとして、生体認証を行うために、特徴量の類似度分布（照合度分布）を用いて閾値を決定するものが知られている。例えば特許文献１では、登録データ毎の照合度分布に基づいて、各登録データの閾値を生成することが開示されている。特許文献２では、本人同士の類似度分布と、他人との間の類似度分布とに基づいて、直接閾値を決定するか、更に統計的な処理を行うかを決定することが開示されている。特許文献３では、類似度の分布の平均値及び標準偏差を用いて閾値を算出することが開示されている。
特開２０００－２１５３１３号公報 特開２０１１－０４４１０１号公報 特開２００４－０４６６９７号公報
上述した特許文献では、未知の他人（即ち、照合対象として登録されていない生体）について考慮されておらず、改善の余地がある。
この開示は、上述した課題を解決することが可能な閾値算出システム、閾値算出方法、及びコンピュータプログラムを提供することを課題とする。
この開示の閾値算出システムの一の態様は、生体の照合に用いる照合情報を取得する第１取得手段と、前記生体又は前記照合情報の属性を示す属性情報を取得する第２取得手段と、前記生体毎に前記照合情報及び前記属性情報を記憶する記憶手段と、前記属性情報に関する所定の条件に基づいて、前記記憶手段から複数の前記照合情報を標本データとして抽出する標本抽出手段と、前記標本データから母集団を推定する母集団推定手段と、前記推定された母集団の分布に基づいて、前記照合情報に関する閾値を算出する閾値算出手段とを備える。
この開示の閾値算出方法の一の態様は、生体の照合に用いる照合情報を取得し、前記生体又は前記照合情報の属性を示す属性情報を取得し、前記生体毎に前記照合情報及び前記属性情報を記憶手段に記憶し、前記属性情報に関する所定の条件に基づいて、前記記憶手段から複数の前記照合情報を標本データとして抽出し、前記標本データから母集団を推定し、前記推定された母集団の分布に基づいて、前記照合情報に関する閾値を算出する。
この開示のコンピュータプログラムの一の態様は、生体の照合に用いる照合情報を取得し、前記生体又は前記照合情報の属性を示す属性情報を取得し、前記生体毎に前記照合情報及び前記属性情報を記憶手段に記憶し、前記属性情報に関する所定の条件に基づいて、前記記憶手段から複数の前記照合情報を標本データとして抽出し、前記標本データから母集団を推定し、前記推定されたの母集団の分布に基づいて、前記照合情報に関する閾値を算出するようにコンピュータを動作させる。
第１実施形態に係る閾値算出システムのハードウェア構成を示すブロック図である。 第１実施形態に係る閾値算出システムの機能的構成を示すブロック図である。 第１実施形態に係る閾値算出システムにおける登録動作の流れを示すフローチャートである。 第１実施形態に係る閾値算出システムにおける閾値算出動作の流れを示すフローチャートである。 閾値と他人許容率及び本人拒否率との関係を示すグラフである。 標本分布の違いによる理想閾値の違いを示すグラフである。 第２実施形態に係る閾値算出システムの機能的構成を示すブロック図である。 第２実施形態に係る閾値算出システムにおける登録動作の流れを示すフローチャートである。 第２実施形態に係る閾値算出システムの変形例の機能的構成を示すブロック図である。 第２実施形態に係る閾値算出システムの変形例による認証動作の流れを示すフローチャートである。 想定される母集団分布に沿って標本を抽出した場合の閾値変動を示すグラフである。 画素輝度差による影響を排除して標本を抽出した場合の閾値変動を示すグラフである。 第５実施形態に係る閾値算出システムの機能的構成を示すブロック図である。 第５実施形態に係る閾値算出システムによる母集団条件の変動動作の流れを示すフローチャートである。 第６実施形態に係る閾値算出システムにおける閾値算出動作の流れを示すフローチャートである。 第７実施形態に係る閾値算出システムにおける閾値算出動作の流れを示すフローチャートである。 第８実施形態に係る閾値算出システムの変形例による認証動作の流れを示すフローチャートである。 未登録者データを記憶する場合のＵＩ表示例を示す図である。
以下、図面を参照しながら、閾値算出システム、閾値算出方法、及びコンピュータプログラムの実施形態について説明する。
＜第１実施形態＞
第１実施形態に係る閾値算出システムについて、図１から図６を参照して説明する。
（ハードウェア構成）
まず、図１を参照しながら、第１実施形態に係る閾値算出システムのハードウェア構成について説明する。図１は、第１実施形態に係る閾値算出システムのハードウェア構成を示すブロック図である。
図１に示すように、第１実施形態に係る閾値算出システム１０は、プロセッサ１１と、ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）１２と、ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）１３と、記憶装置１４とを備えている。閾値算出システム１０は更に、入力装置１５と、出力装置１６とを備えていてもよい。プロセッサ１１と、ＲＡＭ１２と、ＲＯＭ１３と、記憶装置１４と、入力装置１５と、出力装置１６とは、データバス１７を介して接続されている。
プロセッサ１１は、コンピュータプログラムを読み込む。例えば、プロセッサ１１は、ＲＡＭ１２、ＲＯＭ１３及び記憶装置１４のうちの少なくとも一つが記憶しているコンピュータプログラムを読み込むように構成されている。或いは、プロセッサ１１は、コンピュータで読み取り可能な記録媒体が記憶しているコンピュータプログラムを、図示しない記録媒体読み取り装置を用いて読み込んでもよい。プロセッサ１１は、ネットワークインタフェースを介して、閾値算出システム１０の外部に配置される不図示の装置からコンピュータプログラムを取得してもよい（つまり、読み込んでもよい）。プロセッサ１１は、読み込んだコンピュータプログラムを実行することで、ＲＡＭ１２、記憶装置１４、入力装置１５及び出力装置１６を制御する。本実施形態では特に、プロセッサ１１が読み込んだコンピュータプログラムを実行すると、プロセッサ１１内には、生体認証に関する閾値算出するための機能ブロックが実現される。また、プロセッサ１１として、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）、ＧＰＵ（Ｇｒａｐｈｉｃｓ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）、ＦＰＧＡ（ｆｉｅｌｄ－ｐｒｏｇｒａｍｍａｂｌｅ ｇａｔｅ ａｒｒａｙ）、ＤＳＰ（Ｄｅｍａｎｄ－Ｓｉｄｅ Ｐｌａｔｆｏｒｍ）、ＡＳＩＣ（Ａｐｐｌｉｃａｔｉｏｎ Ｓｐｅｃｉｆｉｃ Ｉｎｔｅｇｒａｔｅｄ Ｃｉｒｃｕｉｔ）のうち一つを用いてもよいし、複数を並列で用いてもよい。
ＲＡＭ１２は、プロセッサ１１が実行するコンピュータプログラムを一時的に記憶する。ＲＡＭ１２は、プロセッサ１１がコンピュータプログラムを実行している際にプロセッサ１１が一時的に使用するデータを一時的に記憶する。ＲＡＭ１２は、例えば、Ｄ－ＲＡＭ（Ｄｙｎａｍｉｃ ＲＡＭ）であってもよい。
ＲＯＭ１３は、プロセッサ１１が実行するコンピュータプログラムを記憶する。ＲＯＭ１３は、その他に固定的なデータを記憶していてもよい。ＲＯＭ１３は、例えば、Ｐ－ＲＯＭ（Ｐｒｏｇｒａｍｍａｂｌｅ ＲＯＭ）であってもよい。
記憶装置１４は、閾値算出システム１０が長期的に保存するデータを記憶する。記憶装置１４は、プロセッサ１１の一時記憶装置として動作してもよい。記憶装置１４は、例えば、ハードディスク装置、光磁気ディスク装置、ＳＳＤ（Ｓｏｌｉｄ Ｓｔａｔｅ Ｄｒｉｖｅ）及びディスクアレイ装置のうちの少なくとも一つを含んでいてもよい。
入力装置１５は、閾値算出システム１０のユーザからの入力指示を受け取る装置である。入力装置１５は、例えば、キーボード、マウス及びタッチパネルのうちの少なくとも一つを含んでいてもよい。
出力装置１６は、閾値算出システム１０に関する情報を外部に対して出力する装置である。例えば、出力装置１６は、閾値算出システム１０に関する情報を表示可能な表示装置（例えば、ディスプレイ）であってもよい。
（機能的構成）
次に、図２を参照しながら、第１実施形態に係る閾値算出システム１０の機能的構成について説明する。図２は、第１実施形態に係る閾値算出システムの機能的構成を示すブロック図である。
図２に示すように、第１実施形態に係る閾値算出システム１０は、その機能を実現するための処理ブロックとして、照合情報取得部１１０と、属性情報取得部１２０と、個人情報記憶部１３０と、標本抽出部１４０と、母集団推定部１５０と、閾値算出部１６０とを備えている。なお、照合情報取得部１１０、属性情報取得部１２０、標本抽出部１４０、母集団推定部１５０、及び閾値算出部１６０の各々は、上述したプロセッサ１１（図１参照）によって実現されてよい。また、個人情報記憶部１３０は、上述した記憶装置１４（図１参照）によって実現されてよい。
照合情報取得部１１０は、生体の認証動作（具体的には、登録されているデータとの照合動作）に用いる照合情報を取得可能に構成されている。照合情報取得部１１０は、照合情報を直接取得するものであってもよいし、取得した情報を用いて照合情報を算出するものであってもよい。照合情報の具体例については、後述する他の実施形態において説明する。照合情報取得部１１０で取得された照合情報は、個人情報記憶部１３０に出力される構成となっている。
属性情報取得部１２０は、生体又は照合情報の属性を示す属性情報を取得可能に構成されている。属性情報取得部１１０は、属性情報を直接取得するものであってもよいし、取得した情報から属性を判定して取得するものであってもよい。属性情報の具体例については、後述する他の実施形態において説明する。属性情報取得部１２０で取得された照合情報は、個人情報記憶部１３０に出力される構成となっている。
個人情報記憶部１３０は、照合情報取得部１１０で取得された照合情報、及び属性情報取得部１２０で取得された属性情報を記憶可能に構成されている。個人情報記憶部１３０は、複数の照合情報及び属性情報を、生体毎に記憶可能に構成されている（例えば、図２では、個人Ａ、個人Ｂ、個人Ｘの照合情報及び属性情報が、それぞれ別々に記憶されている例が示されている）。個人情報記憶部１３０に記憶された照合情報及び属性情報は、標本抽出部１４０によって適宜読み出し可能とされている。また、個人情報記憶部１３０は、記憶している照合情報及び属性情報を部分的に（例えば、生体単位で）削除する機能を有していてもよい。
標本抽出部１４０は、個人情報記憶部１３０に記憶された照合情報の一部又は全部を、母集団を推定するための標本データとして抽出可能に構成されている。標本抽出部１４０は、属性情報に関する所定の条件（以下、適宜「母集団条件」と称する）に基づいて、標本データを抽出可能に構成されている。母集団条件は、例えば認証対象として想定される母集団等に基づいて設定される条件である。母集団条件として設定されるパラメータは、例えば母平均の信頼区間を算出するための信頼係数（１－αμ）、又は母集団の信頼区間を算出するための信頼係数（１－ασ）であってよい。母集団条件のより具体的な例については、後述する実施形態において説明する。標本抽出部１４０で抽出された標本データは、母集団推定部１５０に出力される構成となっている。
母集団推定部１５０は、標本抽出部１４０で抽出された標本データを用いて、母集団を推定可能に構成されている。ここでの母集団は、個人情報記憶部１３０には記憶されていない未知の他人を含むものであり、照合情報に関する閾値を算出可能なものとして算出される。母集団推定部１５０で推定された母集団に関する情報は、閾値算出部１６０に出力される構成となっている。
母集団推定部１５０は、例えば信頼係数（１－ασ）に応じた区間上限値を算出するようにしてもよい。具体的には、母集団推定部１５０は、標本データの要素数ｎＥとし、標本データから標本平均ｘＡＶＥ、不偏分散Ｕ２、普遍標準偏差ＵＳを算出する。続いて、母集団推定部１５０は、算出した標本平均ｘＡＶＥ、不偏分散Ｕ２、要素数ｎＥ、及び信頼係数（１－αμ）から、母平均μの信頼区間を算出する。この際、要素数ｎＥが十分大きければ、母平均μは標本平均ｘＡＶＥとしてもよい。そして、母集団推定部１５０は、母平均μと母標準偏差σの不偏推定量である不偏標準偏差ＵＳを用いて、信頼係数（１－ασ）に応じた区間上限値を算出する。
閾値算出部１６０は、母集団推定部１５０で推定された母集団の分布に基づいて、照合情報を用いた生体認証に用いる閾値を算出可能に構成されている。例えば、母集団推定部１５０が信頼係数（１－ασ）に応じた区間上限値を算出している場合、閾値算出部１６０は、算出された区間上限値以上の値を閾値として設定するようにしてもよい。閾値算出部１６０は、算出した閾値を個人情報記憶部１３０に記憶するようにしてもよい。閾値算出部１６０は、すでに閾値が個人情報記憶部１３０に記憶されている場合、新たな閾値で書き換える（即ち、更新する）ようにしてもよい。また、閾値算出部１６０は、閾値を算出（更新）したことをシステム管理者に通知する機能を有していてもよい。
（登録動作）
次に、図３を参照しながら、第１実施形態に係る閾値算出システム１０による個人情報の登録動作（即ち、個人情報記憶部１３０に生体の照合情報及び属性情報を記憶する動作）の流れについて説明する。図３は、第１実施形態に係る閾値算出システムにおける登録動作の流れを示すフローチャートである。
図３に示すように、第１実施形態に係る閾値算出システム１０による登録動作では、まず照合情報取得部１１０が、生体の照合情報を取得する（ステップＳ１１）。そして、照合情報取得部１１０は、取得した照合情報を個人情報記憶部１３０に記憶する（ステップＳ１２）。
上述したステップＳ１１及びＳ１２の処理と並行して、属性情報取得部１２０が、生体又は照合情報の属性を示す属性情報を取得する（ステップＳ１３）。そして、属性情報取得部１２０は、取得した属性情報を個人情報記憶部１３０に記憶する（ステップＳ１４）。なお、照合情報と属性情報は、生体毎に紐付けられた状態で記憶される。
上述した一連の処理は、登録する生体毎に繰り返し実行される。この結果、個人情報記憶部１３０には、複数の生体の照合情報及び属性情報が、生体単位で記憶されることになる。
（閾値算出動作）
次に、図４を参照しながら、第１実施形態に係る閾値算出システム１０による閾値算出動作の流れについて説明する。図４は、第１実施形態に係る閾値算出システムにおける閾値算出動作の流れを示すフローチャートである。
図４に示すように、第１実施形態に係る閾値算出システム１０による閾値算出動作では、まず標本抽出部１４０が、母集団条件に基づいて、個人情報記憶部に記憶された照合情報を標本データとして抽出する（ステップＳ１０１）。続いて、母集団推定部１５０が、抽出された標本データを用いて、母集団を推定する（ステップＳ１０２）。
続いて、閾値算出部１６０が、推定された母集団の分布から閾値を算出する（ステップＳ１０３）。閾値算出部１６０は、典型的には生体毎に閾値を算出する。ただし、閾値算出部１６０は、特定の属性単位でクラスタを作成し、クラスタに所属する生体の閾値の最大値や平均値を算出してクラスタ単位で閾値を設定してもよい。また、閾値算出部１６０は、個人情報記憶部１３０全体で１つの閾値を設定してもよい。
その後、第１実施形態に係る閾値算出システム１０は、すべての登録者（即ち、個人情報記憶部に記憶された全ての生体）について閾値が算出されたか否かを判定する（ステップＳ１０４）。そして、すべての登録者について閾値が算出されていないと判定した場合（ステップＳ１０４：ＮＯ）、閾値算出システム１０は、ステップＳ１０１から処理を繰り返す。一方、すべての登録者について閾値が算出されたと判定した場合（ステップＳ１０４：ＹＥＳ）、閾値算出システム１０は、一連の処理を終了する。
（技術的効果）
次に、図５及び図６を参照しながら、第１実施形態に係る閾値算出システム１０によって得られる技術的効果について説明する。図５は、閾値と他人許容率及び本人拒否率との関係を示すグラフである。図６は、標本分布の違いによる理想閾値の違いを示すグラフである。
図５に示すように、生体認証に用いる閾値を小さくするほど、ＦＡＲ（他人許容率）は高くなる。一方、生体認証に用いる閾値を大きくするほど、ＦＲＲ（本人拒否率）は高くなる。よって、生体認証を行う上では、適切な閾値を設定することが重要である。
一方、図６に示すように、標本データの分布によって算出される閾値は異なる。例えば、図６（ａ）に示す標本データからは、理想的な閾値として閾値Ｘが算出される。他方、図６（ｂ）に示す標本データからは、閾値Ｙが算出される。図６（ｃ）に示す標本データからは、閾値Ｚが算出される。よって、閾値を算出するために用いる標本データを適切に抽出しなければ、算出される閾値は不適切な値となってしまうおそれがある。
しかるに本実施形態に係る閾値算出システム１０によれば、図１から図４で説明したように、属性情報に関する母集団条件に基づいて、閾値を算出するための標本データが抽出される。即ち、属性情報を考慮した上で適切な標本データが抽出される。適切な標本データを用いれば、適切に母集団を推定することができる。母集団を適切に推定することは、記憶されていない未知の他人を含む母集団の分布も適切に推定できることを意味する。この結果、推定された母集団の分布から、未知の他人を想定した適切な閾値を算出することができる。
＜第２実施形態＞
第２実施形態に係る閾値算出システム１０について、図７及び図８を参照して説明する。なお、第２実施形態は、上述した第１実施形態と比べて一部の構成及び動作が異なるのみであり、例えばハードウェア構成については第１実施形態（図１参照）と同一であってよい。このため、以下では、第１実施形態と重複する部分については適宜説明を省略するものとする。
（機能的構成）
まず、図７を参照しながら、第２実施形態に係る閾値算出システム１０の機能的構成について説明する。図７は、第２実施形態に係る閾値算出システムの機能的構成を示すブロック図である。なお、図７では、図２で示した構成要素と同様の要素に同一の符号を付している。
図７に示すように、第２実施形態に係る閾値算出システム１０は、画像取得部５０と、特徴量抽出部１１１と、照合スコア算出部１１２と、属性情報取得部１２０と、個人情報記憶部１３０と、標本抽出部１４０と、母集団推定部１５０と、閾値算出部１６０とを備えている。即ち、第２実施形態に係る閾値算出システム１０は、第１実施形態の構成（図２参照）に加えて、画像取得部５０を更に備えて構成されている。また、第２実施形態に係る閾値算出システム１０は、第１実施形態に係る照合情報取得部１１０に代えて、特徴量抽出部１１１、及び照合スコア算出部１１２を備えて構成されている。なお、画像取得部５０、特徴量抽出部１１１、及び照合スコア算出部１１２の各々は、上述したプロセッサ１１（図１参照）によって実現されてよい。
画像取得部５０は、例えばカメラ等から生体を含む画像を取得可能に構成されている。画像取得部５０は、生体を含む画像として、例えば顔画像、虹彩画像、指紋画像等を取得する。画像取得部５０で取得された画像データは、特徴量抽出部１１１及び属性情報取得部１２０に出力される構成となっている。
特徴量抽出部１１１は、画像取得部５０で取得された画像から、生体の特徴量を抽出可能に構成されている。なお、特徴量の抽出方法については、既存の技術を適宜採用することができるため、ここでの詳細な説明は省略する。特徴量抽出部１１１で抽出された特徴量は、個人情報記憶部１３０に記憶される。
なお、第２実施形態に係る属性情報取得部１２０は、画像取得部５０で取得された画像から属性を判定して取得する。ただし、属性情報取得部１２０は、画像以外から属性情報を取得してもよい。例えば、属性情報取得部１２０は、生体の個人データとして明示的に入力された定性的・定量的な情報を属性情報として取得してもよい。
照合スコア算出部１１２は、個人情報記憶部１３０に記憶された特徴量（言い換えれば、特徴量抽出部１１１で抽出された特徴量）を用いて、照合スコアを算出可能に構成されている。ここでの照合スコアは、新たに登録された生体の特徴量と、すでに登録されている生体の特徴量との類似度（又は一致度）を示すスコアであり、新たに登録された生体の１人の特徴量と、すでに登録されたｎ人の特徴量とを比較して算出される。照合スコア算出部１１２で算出された照合スコアは、生体毎に個人情報記憶部１３０に記憶される構成となっている。即ち、照合スコアは、すでに記憶されている特徴量及び属性情報に紐付けられた状態で個人情報記憶部１３０に記憶される。
（登録動作）
次に、図８を参照しながら、第２実施形態に係る閾値算出システム１０による個人情報の登録動作の流れについて説明する。図８は、第２実施形態に係る閾値算出システムにおける登録動作の流れを示すフローチャートである。なお、図８では、図３で示した処理と同様の処理に同一の符号を付している。
図８に示すように、第２実施形態に係る閾値算出システム１０の登録動作では、まず画像取得部５０が生体を含む画像を取得する（ステップＳ２１）。画像取得部５０は、画像データに対して各種処理（例えば、特徴量や属性情報を取得しやすくするための画像処理等）を実行するようにしてもよい。
続いて、特徴量抽出部１１１が、画像データから生体の特徴量を抽出する（ステップＳ２２）。そして、特徴量抽出部１１１は、抽出した特徴量を個人情報記憶部１３０に記憶する（ステップＳ２３）。その後、照合スコア算出部１１２が、特徴量から照合スコアを算出する（ステップＳ２４）。そして、照合スコア算出部１１２は、算出した照合スコアを個人情報記憶部１３０に記憶する（ステップＳ２５）。
上述したステップＳ２２からＳ２５の処理と並行して、属性情報取得部１２０が、生体又は照合情報の属性を示す属性情報を取得する（ステップＳ１３）。そして、属性情報取得部１３０は、取得した属性情報を個人情報記憶部１３０に記憶する（ステップＳ１４）。
以上の結果、第２実施形態に係る閾値算出システム１０では、照合スコアが照合情報として個人情報記憶部１３０に記憶される。なお、照合スコアは、照合スコアの算出に用いた生体の属性情報とセットで記憶されてよい。例えば、Ａさんとの比較で算出された照合スコアは、Ａさんの属性情報とセットで記憶されてよい。この場合、Ｎ人（Ｎは自然数）と比較して照合スコアを算出した場合は、Ｎ個のセット（即ち、照合スコアと属性情報とのセット）が記憶されてよい。ただし、照合スコアは特徴量から算出することができるため、個人情報記憶部１３０は、特徴量を照合情報として記憶してもよい。この場合、照合スコアは、個人情報記憶部１３０に記憶されずともよい。
（閾値算出動作）
次に、第２実施形態に係る閾値算出システム１０による閾値算出動作の流れについて説明する。なお、第２実施形態に係る閾値算出動作は、第１実施形態に係る閾値算出動作（図４参照）と同様のフローである。このため、新たな図については割愛し、適宜図４を参照して説明を進める。
第２実施形態に係る閾値算出システム１０の閾値算出動作では、標本抽出部１４０が、母集団条件に基づいて、個人情報記憶部１３０に記憶された照合スコアを対応する属性情報を参照しながら標本データとして抽出する（ステップＳ１０１）。なお、個人情報記憶部１３０に照合スコアが記憶されていない場合（例えば、特徴量を照合情報として記憶している場合）には、この段階で特徴スコアを算出すればよい。続いて、母集団推定部１５０が、抽出された標本データを用いて、母集団を推定する（ステップＳ１０２）。続いて、閾値算出部１６０が、推定された母集団の分布から閾値を算出する（ステップＳ１０３）。閾値算出部１６０は、生体毎に閾値を算出する。
その後、第１実施形態に係る閾値算出システム１０は、すべての登録者（即ち、個人情報記憶部に記憶された全ての生体）について閾値が算出されたか否かを判定する（ステップＳ１０４）。そして、すべての登録者について閾値が算出されていないと判定した場合（ステップＳ１０４：ＮＯ）、閾値算出システム１０は、ステップＳ１０１から処理を繰り返す。一方、すべての登録者について閾値が算出されたと判定した場合（ステップＳ１０４：ＹＥＳ）、閾値算出システム１０は、一連の処理を終了する。
（技術的効果）
次に、第２実施形態に係る閾値算出システム１０によって得られる技術的効果について説明する。
図７及び図８で説明したように、第２実施形態に係る閾値算出システム１０では、生体の画像から特徴量が抽出され、その特徴量を用いて照合スコアが算出される。よって、生体認証に用いる照合情報を容易に取得して記憶することが可能である。また、生体の画像から属性情報を判定して取得することもできるため、属性情報が直接入力されない場合であっても適切に属性情報を取得することが可能である。
（変形例）
次に、第２実施形態に係る閾値算出システム１０の変形例について、図９及び図１０を参照して説明する。なお、以下で説明する変形例は、上述した第２実施形態で算出した閾値を用いて、生体認証動作を行うものである。
（機能的構成）
まず、図９を参照しながら、第２実施形態の変形例に係る閾値算出システム１０の機能的構成について説明する。図９は、第２実施形態に係る閾値算出システムの変形例の機能的構成を示すブロック図である。なお、図９では、図７で示した構成要素と同様の要素に同一の符号を付している。
図９に示すように、第２実施形態の変形例に係る閾値算出システム１０は、画像取得部５０と、特徴量抽出部１１１と、照合スコア算出部１１２と、属性情報取得部１２０と、個人情報記憶部１３０と、標本抽出部１４０と、母集団推定部１５０と、閾値算出部１６０と、照合判定部１７０とを備えている。即ち、第２実施形態に係る閾値算出システム１０は、第２実施形態の構成（図７参照）に加えて、照合判定部１７０を更に備えて構成されている。なお、照合判定部１７０は、上述したプロセッサ１１（図１参照）によって実現されてよい。
また、変形例に係る個人情報記憶部１３０は、生体毎に閾値算出部１６０で算出された閾値を記憶可能に構成されている。即ち、閾値算出部１６０で算出された閾値は、すでに記憶されている特徴量、属性情報、及び照合スコアに紐付けられた状態で、個人情報記憶部１３０に記憶される。
（認証動作）
続いて、図１０を参照しながら、第２実施形態の変形例に係る閾値算出システム１０による認証動作について説明する。図１０は、第２実施形態に係る閾値算出システムの変形例による認証動作の流れを示すフローチャートである。なお、図１０では、図８で示した処理と同様の処理に同一の符号を付している。
図１０に示すように、第２実施形態の変形例に係る閾値算出システム１０では、まず画像取得部５０が認証対象である生体を含む画像を取得する（ステップＳ２１）。
続いて、特徴量抽出部１１１が、画像データから生体の特徴量を抽出する（ステップＳ２２）。そして、特徴量抽出部１１１は、抽出した特徴量を個人情報記憶部１３０に記憶する（ステップＳ２３）。その後、照合スコア算出部１１２が、特徴量から照合スコアを算出する（ステップＳ２４）。そして、照合スコア算出部１１２は、算出した照合スコアを個人情報記憶部１３０に記憶する（ステップＳ２５）。
上述したステップＳ２２からＳ２５の処理と並行して、属性情報取得部１２０が、生体又は照合情報の属性を示す属性情報を取得する（ステップＳ１３）。そして、属性情報取得部１３０は、取得した属性情報を個人情報記憶部１３０に記憶する（ステップＳ１４）。なお、認証時に属性情報を用いない場合には、必ずしも属性情報を並行して取得せずともよい。例えば、システムの処理負荷等に応じて、認証動作完了後に属性情報を取得するようにしてもよい。
続いて、照合判定部１７０は、照合スコアと閾値とを比較して、閾値を超える照合スコアがあるか否かを判定する（ステップＳ２０１）。そして、閾値を超える照合スコアがある場合（ステップＳ２０１：ＹＥＳ）、照合判定部１７０は、生体認証が成功した（即ち、認証対象である生体が、閾値を超えた照合スコアに対応する生体と一致する）と判定する（ステップＳ２０２）。この場合、照合判定部１７０は、生体認証の成功に伴う処理を行うよう指示を出力してもよい。例えば、生体認証が成功した対象者が通過しようとするゲートを開く（即ち、通過可能とする）処理を行うように指示してもよい。
なお、認証対象の照合スコアが、登録された複数の生体について閾値を上回った場合、より照合スコアが高い方の生体と一致すると判定すればよい。なお、閾値を上回る生体が複数存在する状態は好ましくないため、閾値を上回る生体が複数検知された場合に、母集団を推定して閾値を再設定する（例えば、閾値が高くなるように変更する）という処理を実行するようにしてもよい。また、登録された生体毎に閾値が設定されている場合は、照合スコアと閾値との乖離度（即ち、どの程度閾値を上回ったか）を考慮するようにしてもよい。
生体認証が成功した場合には、データの品質に応じて、すでに個人情報記憶部１３０に記憶されている情報（即ち、特徴量、属性情報、照合スコア）の一部又は全部を、新たに取得したデータに書き換えてもよい。
他方、閾値を超える照合スコアがない場合（ステップＳ２０１：ＹＥＳ）、照合判定部１７０は、生体認証が失敗した（即ち、認証対象である生体が、登録されたいずれの生体とも一致しない）と判定する（ステップＳ２０３）。この場合、照合判定部１７０は、生体認証の失敗に伴う処理を行うよう指示を出力してもよい。例えば、生体認証が失敗した対象者が通過しようとするゲートを閉じる（即ち、通過不能とする）処理を行うように指示してもよい。
なお、上述した認証動作において用いられる閾値は、図４で説明した閾値算出動作によって予め算出されている。よって、認証動作が開始してから閾値を算出する必要がないため、認証動作における処理負荷の増加を抑制することができる。
＜第３実施形態＞
第３実施形態に係る閾値算出システム１０について、図１１を参照して説明する。なお、第３実施形態は、属性情報に関する具体例を説明するものであり、システムの構成や動作については、上述した第１及び第２実施形態と同一であってよい（図１から図１０参照）。このため、以下では、第１及び第２実施形態と重複する部分については適宜説明を省略するものとする。
（個人属性情報）
まず、第３実施形態に係る閾値算出システム１０で用いられる個人属性情報について説明する。
第３実施形態に係る閾値算出システム１０は、生体の個人の属性を示す個人属性情報を属性情報として用いてもよい。個人属性情報の一例としては、人種、年齢、性別、肌の色等が挙げられる。第３実施形態に係る閾値算出システム１０は、複数の個人属性情報を組み合わせて利用してもよい。個人属性情報を用いれば、システム運用時に想定される母集団に含まれる各個人の属性を考慮した母集団分布から、適切な閾値を算出することができる。
（個人属性情報に関する条件）
続いて、図１１を参照しながら、個人属性情報に関する母集団条件について説明する。図１１は、想定される母集団分布に沿って標本を抽出した場合の閾値変動を示すグラフである。
個人属性情報を用いる場合、母集団条件は、システムの運用時に想定される母集団の割合に応じたものとして設定されてよい。例えば、システムの認証対象の男性と女性の比率がほぼ等しいことが想定される場合には、「男性５０％、女性５０％」という母集団条件を設定すればよい。このケースにおいて、個人情報記憶部１３０に登録されている生体が男性に偏っている場合、標本抽出部１４０は、男性の抽出を一部の要素のみにして、母集団条件に合致した標本データを抽出すればよい。或いは、標本抽出部１４０は、女性の要素に重み付けをして複数個分の要素として抽出し、母集団条件に合致した標本データを抽出してもよい。なお、該当する属性の標本データが少なく、重み付けを行う場合、同標本データの偏りを考慮し、該当する属性の標本データのみを用いた母集団推定を行い、その結果を複数個分の要素として抽出するようにしてもよい。即ち、少ないデータをそのまま複数個分として使うのではなく、上述した母集団の推定を応用して不足データ分を補うようにしてもよい。より具体的には、標本数３人（平均照合スコア０．４）を１０人分のデータとして使用する場合、母集団の分布に従って、例えば、照合スコア０．３０が１人、 照合スコア０．３５が２人、照合スコア０．４０が４人、照合スコア０．４５が２人、照合スコア０．４５が２人、照合スコア０．５０が１人のように扱ってもよい。
図１１に示すように、想定される母集団分布に沿って標本データを抽出すると、属性未考慮で算出された閾値とは異なる閾値が算出される。例えば、属性を考慮せずに図１１（ａ）に示す標本分布が抽出されているとする。そして、想定される母集団分布を考慮すると図１１（ｂ）の破線で示すような標本分布が抽出されたとする。この場合、想定される母集団分布を考慮した標本分布からは、図１１（ｃ）に示すような母集団分布が得られる（即ち、属性未考慮の標本分布とは異なる分布が得られる）。従って、このケースでは、属性未考慮の場合と比較して、算出される閾値が上がることになる。
以上のように、属性の割合に関する条件を母集団条件として設定すれば、母集団における各属性の割合を考慮して、より適切な閾値を算出することができる。
また、母集団条件として、曜日や時間帯を用いてもよい。上述した属性の割合に関する条件と曜日に関する条件を組み合わせた場合、例えば、月曜日は男女比４０：６０、土曜日は男女比６０：４０等のように、曜日毎に異なる割合が母集団条件として設定されてよい。また、上述した属性の割合に関する条件と時間帯に関する条件を組み合わせた場合、例えば、１０：００～１２：００は男女比４０：６０、１２：００～１４：００は男女比６０：４０等のように、時間帯毎に異なる割合が母集団条件として設定されてよい。なお、時間帯と曜日とを組みわせて母集団条件を設定してもよい。曜日や時間帯を母集団条件として用いれば、実運用に応じた適切な母集団条件を設定することが可能である。
＜第４実施形態＞
第４実施形態に係る閾値算出システム１０について、図１２を参照して説明する。なお、第４実施形態は、第３実施形態と同様に属性情報に関する具体例を説明するものであり、システムの構成や動作については、上述した第１及び第２実施形態と同一であってよい（図１から図１０参照）。このため、以下では、第１及び第２実施形態と重複する部分については適宜説明を省略するものとする。
（環境属性情報）
まず、第４実施形態に係る閾値算出システム１０で用いられる環境属性情報について説明する。
第４実施形態に係る閾値算出システム１０は、照合情報が取得された環境を示す環境属性情報を属性情報として用いてもよい。環境属性情報の一例としては、生体の画像が撮影された際の環境（例えば、生体の写り込み方、カメラのスペック、撮像パラメータ情報、光源の有無や強度、背景の種類、画像の品質、色味及び画素輝度等）が挙げられる。第４実施形態に係る閾値算出システム１０は、複数の環境属性情報を組み合わせて利用してもよい。環境属性情報を用いれば、適切な環境で取得された標本データのみを抽出することができるため、不適切な環境で取得されたデータの影響を排除し、適切な閾値を算出することができる。
（環境属性情報に関する条件）
続いて、図１２を参照しながら、環境属性情報に関する母集団条件について説明する。図１２は、画素輝度差による影響を排除して標本を抽出した場合の閾値変動を示すグラフである。
環境属性情報を用いる場合、母集団条件は、生体の画像が撮像された環境の類似度が近いものだけを抽出するものとして設定されてもよい。言い換えれば、生体の画像が撮像された環境が大きく異なるものについては抽出対象外としてもよい。また、撮像された環境や画像の品質を示す指標が極端に悪いものから得られたものを抽出対象外としてもよい。即ち、環境属性情報（例えば、撮像パラメータ、環境パラメータ、解像度等）が一定の水準に満たないものを抽出対象外としてよい。
図１２に示すように、画素輝度差の大きく異なる標本データを抽出対象外にすると、属性未考慮で算出された閾値とは異なる閾値が算出される。例えば、属性を考慮せずに図１２（ａ）に示す標本分布が抽出されているとする。そして、画素輝度差の大きく異なるものを排除することで図１２（ｂ）の破線で示すような標本分布が抽出されたとする。この場合、想画素輝度差の大きく異なるものを排除した標本分布からは、図１２（ｃ）に示すような母集団分布が得られる（即ち、属性未考慮の標本分布とは異なる分布が得られる）。従って、このケースでは、属性未考慮の場合と比較して、算出される閾値が下がることになる。
以上のように、環境情報属性の類似度や、環境情報属性の水準を母集団条件として設定すれば、照合情報に与える不適切な影響を排除することができ、より適切な閾値を算出することができる。
また、上述した第３実施形態と同様に、母集団条件として、曜日や時間帯を用いてもよい。例えば、生体の画像をカメラで取得する場合、配置の関係で、午前中はカメラに直射日光が当たるが、午後は当たらなくなるという条件（即ち、時間帯に関する条件）を設定することができる。また、母集団の分布の形状を履歴として記憶しておき、特定の時間帯や曜日で同じような分布が算出される場合は、その特定の時間帯や曜日においては以降の閾値更新を停止したり、閾値更新の頻度を下げるようにしてもよい。
＜第５実施形態＞
第５実施形態に係る閾値算出システム１０について、図１３及び１４を参照して説明する。なお、第４実施形態は、上述した第１から第４実施形態と比べて一部の構成及び動作が異なるものであり、ハードウェア構成、及び上述した各動作（登録動作、閾値算出動作、認証動作）については、すでに説明した各実施形態と同一であってよい。このため、以下では、上述した第１から第４実施形態と重複する部分については適宜説明を省略するものとする。
（機能的構成）
図１３に示すように、第５実施形態に係る閾値算出システム１０は、画像取得部５０と、特徴量抽出部１１１と、照合スコア算出部１１２と、属性情報取得部１２０と、個人情報記憶部１３０と、標本抽出部１４０と、母集団推定部１５０と、閾値算出部１６０と、照合判定部１７０と、認証状況記憶部１８０と、条件変更部１９０とを備えている。即ち、第５実施形態に係る閾値算出システム１０は、第２実施形態の変形例の構成（図９参照）に加えて、認証状況記憶部１８０、及び条件変更部１９０を更に備えて構成されている。なお、認証状況記憶部１８０は、上述した記憶装置１４（図１参照）によって実現されてよい。また、条件変更部１９０は、上述したプロセッサ１１（図１参照）によって実現されてよい。
認証状況記憶部１８０は、照合判定部１７０における認証結果を記憶可能に構成されている。認証状況記憶部１８０は、例えば登録された生体の数、未登録と判定された生体の数、及び属性情報別の割合等を記憶する。認証状況記憶部１８０に記憶された各種情報は、条件変更部１９０によって、適宜読み出し可能な状態とされている。
条件変更部１９０は、認証状況記憶部１８０に十分に情報が蓄積されていることを条件に、母集団条件を変更可能に構成されている。条件変更部１９０は、例えば認証状況記憶部１８０に記憶された情報をフィードバックすることで、システムの実運用状況に合わせた母集団条件を設定する。例えば、認証状況記憶部１８０に蓄積された情報から、母集団の割合が変化していると判断できるような場合には、条件変更部１９０は、母集団条件を変化後の割合に応じたものに変更する。
（条件変更動作）
次に、図１４を参照しながら、第５実施形態に係る閾値算出システム１０による条件変更動作について説明する。図１４は、第５実施形態に係る閾値算出システムによる母集団条件の変動動作の流れを示すフローチャートである。
図１４に示すように、第５実施形態に係る閾値算出システム１０では、まず条件変更部１９０が、認証状況記憶部１８０に十分な認証履歴が蓄積されているか否かを判定する（ステップＳ３０１）。具体的には、条件変更部１９０は、実運用上の母集団の推定ができる程度に多くの認証履歴が蓄積されているか否かを判定すればよい。
十分な認証履歴が蓄積されていないと判定した場合（ステップＳ３０１：ＮＯ）、以降の処理には進まず、認証状況記憶部１８０が認証履歴の蓄積を継続する（ステップＳ３０２）。一方、十分な認証履歴が蓄積されていると判定した場合（ステップＳ３０１：ＹＥＳ）、条件変更部１９０は、蓄積された認証履歴に応じて母集団条件を変更する（ステップＳ３０３）。
なお、条件変更部１９０は、手動で（例えば、システム管理者等の操作等によって）条件を変更可能に構成されてもよい。例えば、条件変更部１９０は、今すぐに母集団条件を変更するような指示が入力された場合、十分な認証履歴が蓄積されていなくとも、認証履歴に応じて母集団条件を変更してもよい。また、条件変更部１９０は、母集団条件の具体的な条件が入力された場合、蓄積された認証履歴を用いずに、入力された母集団条件をそのまま採用してもよい。
（技術的効果）
次に、第５実施形態に係る閾値算出システム１０によって得られる技術的効果について説明する。
図１３及び図１４で説明したように、第５実施形態に係る閾値算出システム１０では、母集団条件が適宜変更されるため、変更された母集団条件から新たに標本データが抽出され、閾値が更新される。よって、母集団条件を変更しない場合と比べて、より適切な閾値の更新を行うことができる。具体的には、実運用上の母集団に応じた閾値更新を実現することが能である。
＜第６実施形態＞
第６実施形態に係る閾値算出システム１０について、図１５を参照して説明する。なお、第６実施形態は、閾値算出動作を実行するタイミングの具体例を説明するものであり、システム構成やその他の動作については、上述した第１から第５実施形態と同一であってよい。このため、以下では、すでに説明した部分と重複する部分については適宜説明を省略するものとする。
（条件変更に伴う閾値算出）
まず、図１５を参照しながら、母集団条件の変更に伴う閾値算出動作について説明する。図１５は、第６実施形態に係る閾値算出システムにおける閾値算出動作の流れを示すフローチャートである。なお図１５では、図４に示した処理と同様の処理に同一の符号を付している。また、図１５に示す例は、第４実施形態のように条件変更部１９０を備えた構成を前提としている。
図１５に示すように、第６実施形態に係る閾値算出システム１０は、まず条件変更部１９０によって母集団条件が変更されたか否かを判定する（ステップＳ４０１）。なお、母集団条件が変更されていないと判定された場合（ステップＳ４０１：ＮＯ）、以降の処理は省略され、一連の処理は終了する。
一方、母集団条件が変更されたと判定された場合（ステップＳ４０１：ＹＥＳ）、閾値算出システム１０は、図４で説明した閾値算出動作（即ち、ステップＳ１０１～Ｓ１０４の処理）を実行する。よって、母集団条件が変更されたタイミングで、閾値の算出（更新）が行われることになる。このようにすれば、実運用上で想定すべき母集団の変化に合わせて、適切なタイミングで閾値を更新することができる。
＜第７実施形態＞
第７実施形態に係る閾値算出システム１０について、図１６を参照して説明する。なお、第７実施形態は、閾値算出動作を実行するタイミングの具体例を説明するものであり、システム構成やその他の動作については、上述した第１から第５実施形態と同一であってよい。このため、以下では、すでに説明した部分と重複する部分については適宜説明を省略するものとする。
（個人情報記憶に伴う閾値算出）
図１６を参照しながら、新たな個人情報の記憶に伴う閾値算出動作について説明する。図１６は、第７実施形態に係る閾値算出システムにおける閾値算出動作の流れを示すフローチャートである。なお図１６では、図４に示した処理と同様の処理に同一の符号を付している。
図１６に示すように、第７実施形態に係る閾値算出システム１０は、まず個人情報記憶部に新たな生体の情報が記憶されたか否かを判定する（ステップＳ５０１）。即ち、閾値算出システム１０は、図３や図８等で説明した登録動作が実行されたか否かを判定する。なお、新たな生体の情報が記憶されていないと判定された場合（ステップＳ５０１：ＮＯ）、以降の処理は省略され、一連の処理は終了する。
一方、新たな生体の情報が記憶されたと判定された場合（ステップＳ５０１：ＹＥＳ）、閾値算出システム１０は、図４で説明した閾値算出動作（即ち、ステップＳ１０１～Ｓ１０４の処理）を実行する。よって、新たな生体の情報が記憶されたタイミングで、閾値の算出（更新）が行われることになる。このようにすれば、標本データとして抽出可能な要素が増加したタイミングで閾値を更新することが可能となる。また、生体の情報を登録する段階で閾値が算出されるため、生体認証を実行する際の処理負荷の増加を抑制できる（即ち、照合時に閾値を算出する処理を実行せずに済む）。
＜第８実施形態＞
第８実施形態に係る閾値算出システム１０について、図１７及び図１８を参照して説明する。なお、第８実施形態は、上述した第１から第７実施形態と比べて一部の動作（具体的には、未登録者データを登録する動作）が異なるのみであり、システム構成やその他の動作については、すでに説明した各実施形態と同一であってよい。このため、以下では、第１から第５実施形態と重複する部分については適宜説明を省略するものとする。
（認証動作）
まず、図１７を参照しながら、第８実施形態に係る閾値算出システム１０による認証動作について説明する。図１７は、第８実施形態に係る閾値算出システムの変形例による認証動作の流れを示すフローチャートである。なお、図１７では、図１０で示した処理と同様の処理に同一の符号を付している。
図１７に示すように、第８実施形態に係る閾値算出システム１０は、図１０で説明した認証動作を実行する。即ち、閾値算出システム１０は、図１０のステップＳ２１～Ｓ２５、及びステップＳ２０１～Ｓ２０３の処理を実行する。
第８実施形態では特に、生体認証が失敗したと判定された場合（ステップＳ２０３）、照合判定部１７０が、認証対象である生体の照合スコアが第２閾値以下であるか否かを判定する（ステップＳ６０１）。ここでの「第２閾値」は、認証対象である生体が未登録者（即ち、個人情報記憶部１３０にデータが記憶されていない生体）であるか否かを判定するための閾値であり、生体認証に用いられる閾値よりも低い値として設定されている。第２閾値は、例えば母平均の値であってもよい。
照合スコアが第２閾値以下であると判定した場合（ステップＳ６０１：ＹＥＳ）、照合判定部１７０は、その生体が未登録者であると判定し、個人情報記憶部１３０に属性情報及び照合スコアを記憶する。また、未登録者の同意がある場合には、照合判定部１７０は、特徴量等の個人情報を個人情報記憶部１３０に記憶するようにしてもよい。なお、照合スコアが第２閾値以下でないと判定した場合（ステップＳ６０１：ＹＥＳ）、照合判定部１７０は、その生体が未登録者ではないと判定し、上述した情報の記憶は行わない。
なお、上述の第２閾値を用いた判定はあくまで一例であり、その他の手法を用いて未登録者であるか否かを判定してもよい。例えば、照合スコアが全ての閾値を下回る場合には、その生体が未登録者であると判定するようにしてもよい。即ち、上述した例では照合スコアがすべての閾値を下回る場合に第２閾値を用いた判定処理を行うようにしているが、照合スコアがすべての閾値を下回る場合には、第２閾値を用いた判定処理を省略して、その生体が未登録者であると判定するようにしてもよい。
（ＵＩ表示例）
次に、図１８を参照しながら、未登録者データを記憶する場合のＵＩ（Ｕｓｅｒ Ｉｎｔｅｒｆａｃｅ）の表示例について説明する。図１８は、未登録者データを記憶する場合のＵＩ表示例を示す図である。なお、ＵＩは、上述した出力装置１６（図１参照）によって実現されてよい。
図１８に示すように、未登録者の個人情報を記憶する際には、未登録者の同意を求める表示をＵＩのディスプレイに表示させてもよい。図に示す例では、未登録者が「はい」をタッチすると、個人情報の利用に対する同意が得られたと判定し、未登録者の個人情報が個人情報記憶部１３０に記憶される。一方で、未登録者が「いいえ」をタッチすると、個人情報の利用に対する同意が得られなかったと判定し、未登録者の個人情報は個人情報記憶部１３０に記憶されない。
上述した例では、未登録者に対して同意の有無だけを判断させているが、例えば、情報の種別ごとに利用（記憶）してよいか否かを判断させてもよい。この場合、利用対象となる情報の一覧をＵＩに表示させ、未登録者に利用してもよい情報を選択してもらうようにしてもよい。
（技術的効果）
次に、第８実施形態に係る閾値算出システム１０によって得られる技術的効果について説明する。
図１７及び図１８で説明したように、第８実施形態に係る閾値算出システム１０では、未登録者の情報が個人情報記憶部１３０に記憶される。この結果、未登録者の情報についても標本データとして利用することが可能となるため、母集団の推定をより正確に行うことが可能となる。
＜付記＞
以上説明した実施形態に関して、更に以下の付記のようにも記載されうるが、以下には限られない。
（付記１）
付記１に記載の閾値算出システムは、生体の照合に用いる照合情報を取得する第１取得手段と、前記生体又は前記照合情報の属性を示す属性情報を取得する第２取得手段と、前記生体毎に前記照合情報及び前記属性情報を記憶する記憶手段と、前記属性情報に関する所定の条件に基づいて、前記記憶手段から複数の前記照合情報を標本データとして抽出する標本抽出手段と、前記標本データから母集団を推定する母集団推定手段と、前記推定された母集団の分布に基づいて、前記照合情報に関する閾値を算出する閾値算出手段とを備えることを特徴とする閾値算出システムである。
（付記２）
付記２に記載の閾値算出システムは、生体を含む画像を取得する画像取得手段と、前記画像から前記生体の特徴量を抽出する特徴量抽出手段とを更に備え、前記記憶手段は、前記特徴量及び前記特徴量を前記生体間で比較することで得られる照合スコアの少なくとも一方を、前記照合情報として記憶することを特徴とする付記１に記載の閾値算出システムである。
（付記３）
付記３に記載の閾値算出システムは、前記属性情報は、前記生体の個人の属性を示す個人属性情報を含むことを特徴とする付記１又は２に記載の閾値算出システムである。
（付記４）
付記４に記載の閾値算出システムは、前記所定の条件は、前記個人属性情報が示す属性に割合に関するものであることを特徴とする付記３に記載の閾値算出システムである。
（付記５）
付記５に記載の閾値算出システムは、前記照合情報が取得された環境を示す環境属性情報を含むことを特徴とする付記１から４のいずれか一項に記載の閾値算出システムである。
（付記６）
付記６に記載の閾値算出システムは、前記所定の条件は、前記環境属性情報の類似度、又は前記環境属性情報の水準に関するものであることを特徴とする付記５に記載の閾値算出システムである。
（付記７）
付記７に記載の閾値算出システムは、前記照合情報と前記閾値との比較による認証処理の結果を蓄積する蓄積手段と、前記蓄積された結果に基づいて、前記所定の条件を変更することが可能な条件変更手段とを更に備えることを特徴とする付記１から６のいずれか一項に記載の閾値算出システムである。
（付記８）
付記８に記載の閾値算出システムは、前記標本抽出手段は、前記所定の条件が変更された場合に、前記標本データを抽出することを特徴とする付記７に記載の閾値算出システムである。
（付記９）
付記９に記載の閾値算出システムは、前記標本抽出手段は、前記記憶手段に新たな前記照合情報及び属性情報が記憶された場合に、前記標本データを抽出することを特徴とする付記１から８のいずれか一項に記載の閾値算出システムである。
（付記１０）
付記１０に記載の閾値算出システムは、前記記憶手段は、前記照合情報と前記閾値との比較による認証処理が失敗した前記生体について、前記照合情報及び前記属性情報を記憶することを特徴とする請求項１から９のいずれか一項に記載の閾値算出システムである。
（付記１１）
付記１１に記載の閾値算出方法は、生体の照合に用いる照合情報を取得し、前記生体又は前記照合情報の属性を示す属性情報を取得し、前記生体毎に前記照合情報及び前記属性情報を記憶手段に記憶し、前記属性情報に関する所定の条件に基づいて、前記記憶手段から複数の前記照合情報を標本データとして抽出し、前記標本データから母集団を推定し、前記推定された母集団の分布に基づいて、前記照合情報に関する閾値を算出することを特徴とする閾値算出方法である。
（付記１２）
付記１２に記載のコンピュータプログラムは、生体の照合に用いる照合情報を取得し、前記生体又は前記照合情報の属性を示す属性情報を取得し、前記生体毎に前記照合情報及び前記属性情報を記憶手段に記憶し、前記属性情報に関する所定の条件に基づいて、前記記憶手段から複数の前記照合情報を標本データとして抽出し、前記標本データから母集団を推定し、前記推定された母集団の分布に基づいて、前記照合情報に関する閾値を算出するようにコンピュータを動作させることを特徴とするコンピュータプログラムである。
（付記１３）
付記１３に記載の記録媒体は、付記１２に記載のコンピュータプログラムが記録されていることを特徴とする記録媒体である。
この開示は、請求の範囲及び明細書全体から読み取ることのできる発明の要旨又は思想に反しない範囲で適宜変更可能であり、そのような変更を伴う閾値算出システム、閾値算出方法、及びコンピュータプログラムもまたこの開示の技術思想に含まれる。
１０ 閾値算出システム
１１ プロセッサ
１４ 記憶装置
１６ 出力装置
５０ 画像取得部
１１０ 照合情報取得部
１１１ 特徴量取得部
１１２ 照合スコア算出部
１２０ 属性情報取得部
１３０ 個人情報記憶部
１４０ 標本抽出部
１５０ 母集団推定部
１６０ 閾値算出部
１７０ 照合判定部
１８０ 認証状況記憶部
１９０ 条件変更部

Claims (10)

  1. 生体の照合に用いる照合情報を取得する第１取得手段と、
    前記生体又は前記照合情報の属性を示す属性情報を取得する第２取得手段と、
    前記生体毎に前記照合情報及び前記属性情報を記憶する記憶手段と、
    前記属性情報に関する所定の条件に基づいて、前記記憶手段から複数の前記照合情報を標本データとして抽出する標本抽出手段と、
    前記標本データから母集団を推定する母集団推定手段と、
    前記推定された母集団の分布に基づいて、前記照合情報に関する閾値を算出する閾値算出手段と
    を備えることを特徴とする閾値算出システム。
  2. 生体を含む画像を取得する画像取得手段と、
    前記画像から前記生体の特徴量を抽出する特徴量抽出手段と
    を更に備え、
    前記記憶手段は、前記特徴量及び前記特徴量を前記生体間で比較することで得られる照合スコアの少なくとも一方を、前記照合情報として記憶する
    ことを特徴とする請求項１に記載の閾値算出システム。
  3. 前記属性情報は、前記生体の個人の属性を示す個人属性情報を含むことを特徴とする請求項１又は２に記載の閾値算出システム。
  4. 前記所定の条件は、前記個人属性情報が示す属性に割合に関するものであることを特徴とする請求項３に記載の閾値算出システム。
  5. 前記属性情報は、前記照合情報が取得された環境を示す環境属性情報を含むことを特徴とする請求項１から４のいずれか一項に記載の閾値算出システム。
  6. 前記所定の条件は、前記環境属性情報の類似度、又は前記環境属性情報の水準に関するものであることを特徴とする請求項５に記載の閾値算出システム。
  7. 前記照合情報と前記閾値との比較による認証処理の結果を蓄積する蓄積手段と、
    前記蓄積された結果に基づいて、前記所定の条件を変更することが可能な条件変更手段と
    を更に備えることを特徴とする請求項１から６のいずれか一項に記載の閾値算出システム。
  8. 前記標本抽出手段は、前記所定の条件が変更された場合に、前記標本データを抽出することを特徴とする請求項７に記載の閾値算出システム。
  9. 少なくとも１つのコンピュータによって、
    生体の照合に用いる照合情報を取得し、
    前記生体又は前記照合情報の属性を示す属性情報を取得し、
    前記生体毎に前記照合情報及び前記属性情報を記憶手段に記憶し、
    前記属性情報に関する所定の条件に基づいて、前記記憶手段から複数の前記照合情報を標本データとして抽出し、
    前記標本データから母集団を推定し、
    前記推定された母集団の分布に基づいて、前記照合情報に関する閾値を算出する
    ことを特徴とする閾値算出方法。
  10. 生体の照合に用いる照合情報を取得し、
    前記生体又は前記照合情報の属性を示す属性情報を取得し、
    前記生体毎に前記照合情報及び前記属性情報を記憶手段に記憶し、
    前記属性情報に関する所定の条件に基づいて、前記記憶手段から複数の前記照合情報を標本データとして抽出し、
    前記標本データから母集団を推定し、
    前記推定された母集団の分布に基づいて、前記照合情報に関する閾値を算出する
    ようにコンピュータを動作させることを特徴とするコンピュータプログラム。
JP2022553343A 2020-09-30 2020-09-30 閾値算出システム、閾値算出方法、及びコンピュータプログラム Active JP7485063B2 (ja)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/JP2020/037286 WO2022070349A1 (ja) 2020-09-30 2020-09-30 閾値算出システム、閾値算出方法、及びコンピュータプログラム

Publications (3)

Publication Number Publication Date
JPWO2022070349A1 JPWO2022070349A1 (ja) 2022-04-07
JPWO2022070349A5 JPWO2022070349A5 (ja) 2023-05-24
JP7485063B2 true JP7485063B2 (ja) 2024-05-16

Family

ID=80949933

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2022553343A Active JP7485063B2 (ja) 2020-09-30 2020-09-30 閾値算出システム、閾値算出方法、及びコンピュータプログラム

Country Status (3)

Country Link
US (1) US20240029466A1 (ja)
JP (1) JP7485063B2 (ja)
WO (1) WO2022070349A1 (ja)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2010108074A (ja) 2008-10-28 2010-05-13 Hitachi Ltd 生体認証システム及び方法
JP2013122679A (ja) 2011-12-12 2013-06-20 Hitachi Ltd 安全性の高い生体認証システム
JP2016072836A (ja) 2014-09-30 2016-05-09 株式会社日立製作所 逐次バイオメトリック暗号システムおよび逐次バイオメトリック暗号処理方法
US20170286746A1 (en) 2016-03-31 2017-10-05 Synaptics Incorporated Efficient determination of biometric attribute for fast rejection of enrolled templates and other applications
JP2018028815A (ja) 2016-08-18 2018-02-22 富士通株式会社 評価装置、評価方法および評価プログラム

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2010108074A (ja) 2008-10-28 2010-05-13 Hitachi Ltd 生体認証システム及び方法
JP2013122679A (ja) 2011-12-12 2013-06-20 Hitachi Ltd 安全性の高い生体認証システム
JP2016072836A (ja) 2014-09-30 2016-05-09 株式会社日立製作所 逐次バイオメトリック暗号システムおよび逐次バイオメトリック暗号処理方法
US20170286746A1 (en) 2016-03-31 2017-10-05 Synaptics Incorporated Efficient determination of biometric attribute for fast rejection of enrolled templates and other applications
JP2018028815A (ja) 2016-08-18 2018-02-22 富士通株式会社 評価装置、評価方法および評価プログラム

Also Published As

Publication number Publication date
WO2022070349A1 (ja) 2022-04-07
US20240029466A1 (en) 2024-01-25
JPWO2022070349A1 (ja) 2022-04-07

Similar Documents

Publication Publication Date Title
EP3076320B1 (en) Individual identification device, and identification threshold setting method
Kuru et al. Biomedical visual data analysis to build an intelligent diagnostic decision support system in medical genetics
US9542543B2 (en) Biometric authentication device, biometric authentication method and computer readable, non-transitory medium
US20170311864A1 (en) Health care assisting device and health care assisting method
EP2530645B1 (en) Authentication device, authentication system and authentication method
US20120173576A1 (en) Patient identification
US20080240515A1 (en) Method of adjusting reference information for biometric authentication and apparatus
JP5287333B2 (ja) 年令推定装置
WO2012132418A1 (ja) 属性推定装置
JP2015116319A (ja) 診断支援装置、診断支援方法、および診断支援プログラム
US10540599B2 (en) Behavior prediction
US9679109B2 (en) Interview system, server system, server device, information terminal, interview method, information processing method, and program
WO2019062186A1 (zh) 糖尿病分析方法、应用服务器和计算机可读存储介质
JP7485063B2 (ja) 閾値算出システム、閾値算出方法、及びコンピュータプログラム
Aris et al. Separating algorithms from questions and causal inference with unmeasured exposures: an application to birth cohort studies of early body mass index rebound
JP6570978B2 (ja) クラスタ選択装置
CN114529962A (zh) 图像特征处理方法、装置、电子设备及存储介质
WO2022254575A1 (ja) ストレス要因推定装置、ストレス要因推定方法及び記憶媒体
US20200294651A1 (en) Sleep improvement assistance system, method, and program
JP7459931B2 (ja) ストレス管理装置、ストレス管理方法、及びプログラム
CN111291645A (zh) 身份识别方法及装置
CN111523501A (zh) 体重指数预测方法及装置
JP5737435B2 (ja) 生体認証装置、生体認証方法、および記憶媒体
JP5970579B2 (ja) 混合モデル決定用の装置、方法、およびプログラム
WO2021260835A1 (ja) ストレス対策管理装置、ストレス対策管理方法、及びコンピュータ読み取り可能な記録媒体

Legal Events

Date Code Title Description
A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20230301

A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20230301

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20240130

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20240327

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: 20240402

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20240415

R150 Certificate of patent or registration of utility model

Ref document number: 7485063

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150