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 PDFInfo
- 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
Links
- 238000004364 calculation method Methods 0.000 title claims description 194
- 238000004590 computer program Methods 0.000 title claims description 19
- 238000009826 distribution Methods 0.000 claims description 44
- 238000000605 extraction Methods 0.000 claims description 39
- 238000000034 method Methods 0.000 claims description 23
- 230000008569 process Effects 0.000 claims description 21
- 230000007613 environmental effect Effects 0.000 claims description 17
- 239000000284 extract Substances 0.000 claims description 13
- 230000008859 change Effects 0.000 description 25
- 238000010586 diagram Methods 0.000 description 11
- 230000000694 effects Effects 0.000 description 9
- 230000006870 function Effects 0.000 description 3
- 238000003384 imaging method Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
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
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
(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。
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。
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。
(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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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)
- 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。 - 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。 - 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。
- 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。
- 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。
- 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。
- 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。 - 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。
- 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。 - 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。
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)
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 |
-
2020
- 2020-09-30 JP JP2022553343A patent/JP7485063B2/ja active Active
- 2020-09-30 WO PCT/JP2020/037286 patent/WO2022070349A1/ja active Application Filing
- 2020-09-30 US US18/023,932 patent/US20240029466A1/en active Pending
Patent Citations (5)
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 |