生物体特征向量提取装置以及生物体特征向量提取方法

摘要

本发明涉及生物体特征向量提取装置以及生物体特征向量提取方法，能够不依赖于生物体信息的位置偏移或歪斜地使可从生物体信息提取的生物体特征向量的再现性提高。生物体特征向量提取装置具备：获取生物体图像的获取部、根据所述生物体图像生成多个小区域图像的小区域图像生成部、从所述小区域图像提取生物体局部特征量的特征提取部、以及通过按照规定的规则结合所述生物体局部特征量来生成表示用于识别所述生物体图像的特征的生物体特征向量的生物体特征向量生成部，所述小区域图像生成部以所述多个小区域图像间的生物体信息量的偏差控制在规定值内的方式生成所述多个小区域图像。

说明书

技术领域

本发明涉及生物体特征向量提取装置、生物体特征向量提取方法、 以及生物体特征向量提取程序。

背景技术

作为可靠性较高的本人确认方法，使用有利用了指纹、掌纹、静脉 图案、虹膜、脸图像、声音这样的人类的生物体信息的认证。此外，在 生物体认证技术中，将生物体信息所具有的对个人识别有用的生物体特 征信息表示为以“0”、“1”的二进制串表现的生物体特征二进制串的技 术的要求增高。通过对生物体特征信息进行二进制化，能够降低生物体 特征信息的大小并以简单的距离计算进行对照，从而能够实现通过IC 卡等低规格的CPU的生物体认证、对大量的生物体数据进行超高速的 比较，将已经登记的生物体数据无效化的技术、或根据相同的生物体数 据生成新的登记数据的可撤销的生物体认证这样的利用情形。

然而，利用者输入的生物体信息存在根据输入的方法或环境而变化 的情况。因此，存在可从相同的生物体信息提取的生物体特征信息的再 现性降低，对照精度降低的情况。

于是，专利文献1公开了按照脸的各构成部份来提取脸图像特征点 的内容。专利文献2公开了对生物体图像进行频率转换，将频率成分的 主成分作为生物体特征信息，通过在图像的纵向和横向独立地进行DP (Dynamic Programming：动态规划)匹配或基于HMM(Hidden  Markov Model：隐马尔可夫模型)的距离计算，实现位置偏移或歪斜 较强的对照的方法。专利文献3公开了通过在指纹认证中将指纹图像分 割成包含2、3条纹理线的小区域，并在登记指纹图像和输入指纹图像 中进行相关较高的小区域彼此的对应，从而进行可靠的对照的方法。

专利文献1：日本特开平5-197793号公报

专利文献1：国际公开第2008/133235号

专利文献1：国际公开第2009/104429号

发明内容

然而，由于在前述的专利文献的技术中，在对照时进行用于降低生 物体信息的位置偏移或歪斜的处理，所以在对用于该对照的生物体特征 信息进行了二进制化的情况下，受到位置偏移或歪斜的影响，导致二进 制串的再现性降低.

在1个方面，本件的目的在于，提供能够不依赖于生物体信息的位 置偏移或歪斜地使可从生物体信息提取的生物体特征向量的再现性提 高的生物体特征向量提取装置、生物体特征向量提取方法、以及生物体 特征向量提取程序。

在1个方式中，生物体特征向量提取装置具备：获取部，其获取生 物体图像；小区域图像生成部，其根据上述生物体图像来生成多个小区 域图像；特征提取部，其从上述小区域图像提取生物体局部特征量；以 及生物体特征向量生成部，其通过按照规定的规则结合上述生物体局部 特征量，来生成表示用于识别上述生物体图像的特征的生物体特征向 量，上述小区域图像生成部以上述多个小区域图像间的生物体信息量的 偏差控制在规定值内的方式生成上述多个小区域图像。

能够不依赖于生物体信息的位置偏移或歪斜地使可从生物体信息提 取的生物体特征向量的再现性提高。此外，能够通过简单的距离计算提 取可进行比较的生物体特征向量。

附图说明

图1(a)是用于说明实施例1所涉及的生物体特征向量提取装置的 硬件构成的框图，(b)是生物体传感器的示意图。

图2是通过执行生物体特征向量提取程序而实现的各功能的框图。

图3是表示用于作成登记生物体特征向量的登记处理的一例的流程 图。

图4是表示小区域图像的生成的图。

图5是表示矩形的例子的图。

图6是表示针对被存放了登记生物体特征向量的用户的认证处理的 一例的流程图。

图7是表示本实施例所涉及的小区域图像的生成处理的一例的流程 图。

图8是表示小区域图像的例子的图。

图9是表示小区域图像的例子的图。

图10(a)和(b)是表示小区域图像的例子的图。

图11是用于说明生物体特征向量的计算方法的图。

图12是流程图的例子。

图13是表示用于作成登记生物体特征二进制串的登记处理的一例 的流程图。

图14是表示针对被存放了登记生物体特征二进制串的用户的认证 处理的一例的流程图。

图中符号说明：

10：控制部；11：小区域图像生成部；12：特征提取部；13：生物 体特征向量生成部；14：认证处理部；20：生物体特征向量存放部；100： 生物体特征向量提取装置；105：生物体传感器。

具体实施方式

以下参照附图，对实施例进行说明。

【实施例1】

图l(a)是用于说明实施例1所涉及的生物体特征向量提取装置100 的硬件构成的框图。图1(b)是后述的生物体传感器105的示意图。 参照图1(a)，生物体特征向量提取装置100具备：CPU101、RAM102、 存储装置103、显示装置104、生物体传感器105等。这些各设备通过 总线等而连接。

CPU(Central Processing Unit：中央处理单元)101是中央运算处 理装置。CPU101包含1个以上的核。RAM(Random Access Memory： 随机存取存储器)102是暂时存储CPU101执行的程序、CPU101处理 的数据等的易失性存储器。

存储装置103是非易失性存储装置。作为存储装置103，例如能够 使用ROM(Read Only Memory：只读存储器)、闪存存储器等固态驱 动器(SSD)、被硬盘驱动器驱动的硬盘等。本实施例所涉及的生物体 特征向量提取程序被存储在存储装置103中。显示装置104是液晶显示 器、电致发光面板等，其显示生物体特征向量提取装置100的处理结果 等。

生物体传感器105是获取用户的生物体图像的传感器。生物体传感 器105可以是与用户的身体的一部分接触来获取生物体图像的接触型传 感器、以非接触的方式获取生物体图像的非接触型传感器的任意一个。 在本实施例中，作为一例，生物体传感器105是以非接触的方式获取手 掌静脉图像的传感器，是CMOS(Complementary Metal Oxide  Semiconductor：互补金属氧化物半导体)照相机等。例如，生物体传 感器105通过利用近红外线，来获取手掌静脉图像。

存储装置103中所存储的生物体特征向量提取程序以可执行的方式 被展开到RAM102。CPU101执行展开到RAM102的生物体特征向量提 取程序。由此，由生物体特征向量提取装置100执行各处理.

图2是通过执行生物体特征向量提取程序而实现的各功能的框图。 通过执行生物体特征向量提取程序，来实现控制部10和生物体特征向 量存放部20。控制部10作为小区域图像生成部11、特征提取部12、生 物体特征向量生成部13、以及认证处理部14而发挥作用。

小区域图像生成部11根据生物体传感器105获取的静脉图像而生成 多个小区域图像。特征提取部12从由小区域图像生成部11生成的各小 区域图像提取生物体局部特征量。生物体特征向量生成部13根据特征 提取部12提取出的生物体局部特征量而生成生物体特征向量。认证处 理部14对照生物体特征向量生成部13生成的生物体特征向量和生物体 特征向量存放部20存放的登记生物体特征向量。以下，对各部详细地 进行说明。

图3是表示用于作成登记生物体特征向量的登记处理的一例的流程 图。参照图3，生物体传感器105获取用户手掌静脉图像(步骤S1)。 接着，小区域图像生成部11根据生物体传感器105获取的静脉图像而 生成多个小区域图像(步骤S2)。小区域图像生成部11以在多个小区域 图像间，生物体信息量的偏差控制在规定值内(阈值以下)的方式生成 小区域图像。

图4是表示小区域图像的生成的图。小区域图像生成部11生成N 个小区域图像。这里，N可以是2以上的任意数，但是在以下的例子中， 对N＝16的情况进行说明。将静脉图像设为I。此外，作为一例，将I 的大小设为200像素×200像素。

小区域图像生成部11将I上的原点O确定为中指根部这样的不依 赖于位置偏移的特定点(能够用作基准的点)。此外，作为一例，小区 域图像生成部11将N＝16个关注点确定为f_n(x，y)＝(40i，40j-20) (其中，i＝1、2、3、4，j＝-1、0、1、2)。接着，小区域图像生成部 11分别针对16个关注点f_n，搜索距离最小的特征点，并将其与f_n建立 对应。所谓特征点，是表示静脉图案的端点、分支点、交叉点等的生物 体特征的点。但是，在自某个关注点f_n开始规定的值L以内的距离不存 在特征点的情况下，小区域图像生成部11将与f_n对应的特征点设为“不 存在符合的”。最后，小区域图像生成部11根据各特征点来确定小区域 图像。例如，能够设为以特征点为中心的m像素×n像素的矩形、以特 征点为中心的长径a、短径b的椭圆等。这里，在图4中表示设为m＝ n＝30的矩形的例子。另外，小区域图像也可以至少一部分像素不重复， 共有一部分像素。但是，在不存在与f_n对应的特征点的情况下，小区域 图像生成部11不确定小区域图像。另外，关注点f_n的获取方法是任意 的，在上述的例子中，以等间隔的方式获取了关注点，但是间隔也可以 不是固定，例如越靠近中心间隔变得越窄。

小区域图像生成部11以在多个小区域图像间，生物体信息量的偏差 控制在规定值内的方式生成多个小区域图像。例如，小区域图像生成部 11将在静脉图像中能看到静脉图案的像素值设为1，将不是这种情况的 像素值设为0。接着，在将各小区域图像内的静脉存在度(小区域图像 中的生物体像素数的比率)设为小区域图像内的像素值的和/小区域图 像所包含的像素数的情况下，小区域图像生成部11也可以以使得静脉 存在度成为规定值或者规定范围内的方式求出m、n，并决定各小区域 图像。另外，没有特别地限定小区域图像的形状。

再次参照图3，执行步骤S2后，特征提取部12在各小区域图像中 提取生物体局部特征量(步骤S3)。作为一例，生物体局部特征量表示 小区域图像中的亮度梯度或亮度变化，例如，可举出在小区域图像内的 梯度平均、亮度值的方差等。作为一例，特征提取部12提取各小区域 图像内亮度梯度的大小来作为生物体局部特征量。但是，对于不存在特 征点的f_n，也可以将生物体局部特征量设为0。在本实施例中，针对N 个f_n逐一地计算生物体局部特征量，得到总计N个生物体局部特征量。 图5是表示关注点、特征点、小区域图像、以及特征量的对应关系的图。

再次参照图3，在执行步骤S3后，生物体特征向量生成部13结合 N个生物体局部特征量来生成N次生物体特征向量(步骤S4)。生物体 特征向量是按照规定的规则而排列了N个生物体局部特征量而成。生物 体特征向量生成部13在针对N个f_n逐一地计算出特征量时，将排列了 N个生物体局部特征量而成的向量设为生物体特征向量。对于排列方 法，也可以按照f₁、f₂、‥‥f_n的顺序排列，还可以按照规定的规则改 变顺序。

再次参照图3，在执行步骤S4后，生物体特征向量生成部13将生 成的生物体特征向量与用户的ID建立关联，并存放于生物体特征向量 存放部20(步骤S5)。通过以上的处理，存放各用户的登记生物体特征 向量。

图6是表示针对被存放了登记生物体特征向量的用户的认证处理的 一例的流程图。参照图6，生物体特征向量提取装置100通过与图3的 步骤S1～步骤S5相同的处理，生成生物体特征向量(以下，为输入生 物体特征向量)(步骤S11)。接着，认证处理部14计算输入生物体特征 向量与规定的登记生物体特征向量的距离(步骤S12)。针对此时的距 离，例如可举出L1准则、L2准则等。

认证处理部14判定在步骤S12中计算出的距离是否小于规定的阈值 Th(步骤S13)。在步骤S13中判定为“是”的情况下，认证处理部14 判定为认证成功(步骤S14)。在步骤S13中判定为“否”的情况下， 认证处理部14判定是否在生物体特征向量存放部20中存放有其他的登 记生物体特征向量(步骤S15)。在步骤S15中判定为“是”的情况下， 再次执行步骤S12。该情况下，使用存放在生物体特征向量存放部20 中的其他的登记生物体特征向量。在步骤S15中判定为“否”的情况下， 认证处理部14判定为认证失败(步骤S16)。

根据本实施例，在根据静脉图像等生物体图像而生成多个小区域图 像时，在小区域图像间，生物体信息量的偏差控制在规定值内。由此， 能够抑制位置偏移或歪斜的影响，能够不依赖于生物体信息的位置偏移 或歪斜地使可从生物体信息提取的生物体特征向量的再现性提高。此 外，由于根据从各小区域图像提取出的生物体局部特征量而生成生物体 特征向量，所以能够通过简单的距离计算，高速地进行生物体认证。

此外，通过生成生物体特征向量，而容易地对用于认证的信息进行 二进制化。这里所谓二进制化，是指通过某种操作将生物体特征向量表 示为0和1的2进制的数串，由此将该2进制的数串称为生物体特征二 进制串。此外，通过海明距离等距离的计算，生物体特征二进制串也能 够进行利用者的识别。在公知的范围内存在多种二进制化的方式，只要 最终输出2进制的数串，则不在乎二进制化的方式。

【实施例2】

在实施例1中，分别针对N个关注点f_n，搜索距离最小的特征点， 根据各特征点确定小区域图像，但是并不局限于此。在实施例2中，基 于静脉图像的亮度重心来生成各小区域图像.

图7是表示本实施例所涉及的小区域图像的生成处理的一例的流程 图。参照图7，小区域图像生成部11计算生物体传感器105获取的静脉 图像的亮度重心G(p，q)(步骤S21)。亮度重心例如能够按照下述式 来计算。i和j表示像素的坐标，P(i，j)表示各像素的亮度值。

【数1】

$G(p,q)=(\frac{{\Sigma }_{i=1}^m{\Sigma }_{j=1}^{n}i·P(i,j)}{{\Sigma }_{i=1}^m{\Sigma }_{j=1}^{n}P(i,j)},\frac{{\Sigma }_{i=1}^m{\Sigma }_{j=1}^{n}j·P(i,j)}{{\Sigma }_{i=1}^m{\Sigma }_{j=1}^{n}P(i,j)})$

接着，如图8那样，小区域图像生成部11拉出通过针对生物体图像 而计算出的亮度重心G(p，q)的2条直线(例如i＝p，j＝q)，生成 被这些直线分割的4个小区域图像(步骤S22)。通过这样使用亮度重 心，使得在小区域图像间生物体信息量的偏差控制在规定值内。此外， 如图8的2中图像的例子那样，即使发生了位置偏移，也使得相同的特 征点(端点、分支点、交叉点)被包含在相同的小区域图像中。

小区域图像生成部11也可以将各小区域图像进一步分割成多个小 区域图像。具体而言，参照图9，也可以通过对4个各小区域图像进一 步进行相同的操作，生成4×4＝16个小区域图像。小区域图像生成部 11在执行步骤S22后，通过重复该操作，来判定小区域图像是否成为了 规定的个数(步骤S23)。在步骤S23中判定为“否”的情况下，小区 域图像生成部11针对各小区域图像来求出重心(p，q)。然后，执行步 骤S22。

另外，能够不使用亮度重心，而通过使用将亮度内分成1/n的点， 来生成任意个数的小区域图像。另外，在上述的例子中，通过对生物体 图像进行分割而生成了小区域图像，但是也可以如图10(a)那样对小 区域的周围k像素进行裁剪，还可以如图10(b)那样使其交叠。小区 域图像生成部11也可以对各小区域图像进一步分割成多个小区域图像， 直到在小区域图像间，生物体信息量的偏差控制在规定值内。

根据本实施例，能够从图像整体的位置偏移到局部的歪斜进行吸收， 使得特定的特征点被包含在相同的小区域内。即，首先通过计算图像整 体的重心，能够吸收全局的位置偏移，接着通过对各小区域图像递归地 进行处理，还能够吸收细微的位置偏移或歪斜。

(生物体局部特征量提取的其他例)

也可以分别对多个小区域图像，通过利用多个滤波器进行滤波来提 取特征量。例如，特征提取部12也可以提取成为各小区域图像中的表 示静脉图案的方向成分的特征的、使用了加博滤波器的系数的生物体局 部特征量。

加博滤波器以下述式来表示。其中，x’＝xcosθ+ysinθ，y’＝-xcos θ+ysinθ，σ＝＝√(λlog2/2π)。θ是滤波器的方向，λ是调和 函数的频率，ψ是调和函数的相位偏移，σ是高斯函数的标准偏差，γ 是表示2维高斯的方向的参数。

【数2】

加博滤波器是线形滤波器的一种，上述式通过将高斯函数和调和函 数相乘，来形成将特定的频率区域放大并将其他部分去掉的带通滤波 器。特定的频率区域由上述式的各参数来决定，但是也可以使表示波长 的λ和表示相位的θ变化来作成多个滤波器。在线状的静脉图案中，由 于波长表示静脉的粗度，相位表示静脉的方向，所以若将加博滤波器应 用于静脉图像，则在具有特定的粗度、方向的静脉区域中放大加博系数。 若放大系数，则该周边区域中的系数的标准偏差(也可以是平均或方差 等)增大，即标准偏差成为表示静脉图案的局部的粗度、方向的特征量。

例如，在某个小区域图像中存在水平方向(θ＝0°)的静脉图案时， 在对其应用了θ＝0°的加博滤波器的情况下，放大加博系数，小区域 图像中的加博系数的标准偏差增大。另一方面，在应用了θ＝90°的加 博滤波器的情况下，不放大加博系数，系数的标准偏差减小。

接着，关于该情况下的生物体特征向量的计算方法，参照图11进行 叙述。首先利用上述的任意一种方法，根据静脉图像而生成N个小区域 图像。以下设N＝16。接着，针对静脉图像，将改变了加博滤波器的波 长λ和相位θ的多个滤波器应用于静脉图像。此时，将应用了滤波器的 图像称为加博响应图像。例如在将λ设为4像素、8像素、16像素这3 组，将θ设为0°、45°、90°、135°这4组的情况下，在全部的组合 中应用滤波器，得到共计m张(例如m＝12)加博响应图像。接着， 针对各加博响应图像，按照上述的各小区域图像，计算小区域图像所包 含的像素值(以下为加博系数)的标准偏差(也可以是平均或方差)， 并将它们设为生物体局部特征量。生物体局部特征量为12×16＝192个。 将按照规定的规则排列了这192个生物体局部特征量而得的向量设为生 物体特征向量。对于排列方法而言，例如，从左上向右下排列λ＝4像 素、θ＝0°的加博响应图像中的16个生物体局部特征量，接着排列λ ＝4像素、θ＝45°的加博响应图像中的16个生物体局部特征量，将其 重复进行12张加博响应图像的量。或者之后，也可以按照规定的规则 更换顺序。此外，在决定小区域时，也能够使用加博系数。具体而言， 在N个各小区域中，以使得m张加博响应图像中的加博系数的总计值 变为相等的方式决定小区域图像。然后，计算m张加博响应图像中的 各小区域中的加博响应图像的标准偏差，将按照规定的规则排列了它们 的向量设为生物体特征向量。

用图12的流程图表示以上的处理流程。特征提取部12将M个加博 滤波器应用于N个小区域图像，来计算加博系数(步骤S31)。接着， 特征提取部12进行M组N个小区域图像中的加博系数的标准偏差的计 算(步骤S32)。接着，特征提取部12提取N×M个标准偏差来作为生 物体局部特征量(步骤S33)。

若在登记生物体特征向量和输入生物体登记向量中排列方法的规则 一致，则通过计算两者的距离(例如各成分的平方和)，在本人认证时 距离减小，其他人认证时距离增大，从而能够利用阈值处理进行认证判 定。另一方面，在登记生物体特征向量和输入生物体特征向量中排列方 法的规则不一致的情况下，即使是本人，生物体特征向量的距离也增大。 即，能够通过变更生物体特征向量的排列方法的规则而再登记，能够实 现可撤销的生物体认证。

这里，对二进制化的具体例进行说明。设生物体特征向量为上述中 得到的192维的向量。首先，如需要，则对该生物体特征向量进行维度 削减处理。维度削减处理例如使用主成分分析等来进行，以将生物体特 征向量的大小变小为目的进行。另外，对于维度削减处理，也能够使用 主成分分析以外的方法。这里，将192维的生物体特征向量削减成128 维。接着，针对被维度削减的生物体特征向量，进行生物体特征二进制 串生成处理。作为该方法，例如，在将被维度削减的生物体特征向量的 各成分的平均值设为S时，通过将S以上的成分设为1，将小于S的成 分设为0来进行。通过以上的处理，能够得到128维的生物体特征二进 制串生成处理。另外，并不是必须进行维度削减处理，也可以将生物体 特征向量直接进行二进制化来生成生物体特征二进制串。此外，这里通 过根据1个生物体特征向量的成分生成1个二进制值，来作成生物体特 征二进制串，但是也能够根据生物体特征向量的多个成分生成1个二进 制值，或者根据生物体特征向量的1个成分生成多个二进制值，来生成 生物体特征二进制串。

图13是表示用于作成生物体特征二进制串的登记处理的一例的流 程图。参照图13，生物体传感器105获取用户的手掌静脉图像(步骤 S41)。接着，小区域图像生成部11根据生物体传感器105获取的静脉 图像来生成N个小区域图像(步骤S42)。小区域图像生成部11以在多 个小区域图像间，生物体信息量的偏差控制在规定值内(阈值以下)的 方式生成小区域图像。

接着，特征提取部12在各小区域图像中提取生物体局部特征量(步 骤S43)。接着，生物体特征向量生成部13结合N个生物体局部特征量 来生成N维的生物体特征向量(步骤S44)。接着，生物体特征向量生 成部13根据生物体特征向量作成生物体特征二进制串(步骤S45)。接 着，生物体特征向量生成部13将作成的生物体特征二进制串与用户的 ID建立关联，并存放于生物体特征向量存放部20(步骤S46)。通过以 上的处理，存放各用户的登记生物体特征二进制串。

图14是表示针对被存放了登记生物体特征二进制串的用户的认证 处理的一例的流程图。参照图14，生物体特征向量提取装置100通过与 图13的步骤S41～步骤345相同的处理，作成生物体特征二进制串(步 骤S51)。接着，认证处理部14计算输入生物体特征二进制串与规定的 登记生物体特征二进制串的距离(步骤S52)。

认证处理部14判定在步骤S52中计算出的距离是否小于规定的阈值 Th(步骤S53)。在步骤S53中判定为“是”的情况下，认证处理部14 判定为认证成功(步骤S54)。在步骤S53中判定为“否”的情况下， 认证处理部14判定在生物体特征向量存放部20中是否存放有其他的登 记生物体特征二进制串(步骤S55)。在步骤S55中判定为“是”的情 况下，再次执行步骤S52。该情况下，使用存放在生物体特征向量存放 部20中的其他的登记生物体特征二进制串。在步骤S55中判定为“否” 的情况下，认证处理部14判定为认证失败(步骤S56)。

在上述各例中，作为生物体图像，使用了手掌静脉图像，但是并不 局限于此。作为手掌的静脉以外的生物体信息，能够利用指纹、掌纹、 虹膜、手掌静脉以外的血管图案等其他的生物体信息。

以上，对本发明的实施例进行了详述，但是本发明并不局限于所涉 及的特定的实施例，在权利要求书所记载的本发明的主旨的范围内，能 够进行各种变形、变更。