個人認証装置および個人認証システム
【課題】少ない学習量で特別な動作を行わない個人の認証の精度を向上させること。
【解決手段】第１検知部（ＳＮ１）と第２検知部（ＳＮ１）とを有する圧力検知部材（ＳＮ）と、第１特徴量（ｕ１ｐ）と第２特徴量（ｕ２ｐ）とを演算する特徴量演算手段（Ｃ５Ｂ）と、登録者と相関係数（ｒｉｊｐ）とを関連付けて記憶する相関係数記憶手段（Ｃ２M1）と、相関係数（ｒｉｊｐ）と第１特徴量（ｕ１ｐ）と第２特徴量（ｕ２ｐ）とに基づいて被検者のマハラノビス距離（Ｄ）を演算する距離演算手段（Ｃ５Ｃ）と、マハラノビス距離（Ｄｐ）が閾値（ＳＤ）以下であるか否かを判別する閾値判別手段（Ｃ５Ｄ）と、被検者がマハラノビス距離（Ｄｐ）の演算に使用された相関係数（ｒｉｊｐ）に関連付けられた登録者であると認証する登録者認証手段（Ｃ５Ｅ）と、認証表示手段（Ｃ５Ｈ，Ｃ５Ｈ′）とを備えた個人認証装置（Ｃ，ＮＫ）。
【解決手段】第１検知部（ＳＮ１）と第２検知部（ＳＮ１）とを有する圧力検知部材（ＳＮ）と、第１特徴量（ｕ１ｐ）と第２特徴量（ｕ２ｐ）とを演算する特徴量演算手段（Ｃ５Ｂ）と、登録者と相関係数（ｒｉｊｐ）とを関連付けて記憶する相関係数記憶手段（Ｃ２M1）と、相関係数（ｒｉｊｐ）と第１特徴量（ｕ１ｐ）と第２特徴量（ｕ２ｐ）とに基づいて被検者のマハラノビス距離（Ｄ）を演算する距離演算手段（Ｃ５Ｃ）と、マハラノビス距離（Ｄｐ）が閾値（ＳＤ）以下であるか否かを判別する閾値判別手段（Ｃ５Ｄ）と、被検者がマハラノビス距離（Ｄｐ）の演算に使用された相関係数（ｒｉｊｐ）に関連付けられた登録者であると認証する登録者認証手段（Ｃ５Ｅ）と、認証表示手段（Ｃ５Ｈ，Ｃ５Ｈ′）とを備えた個人認証装置（Ｃ，ＮＫ）。
【発明の詳細な説明】
【技術分野】
【０００１】
本発明は、個人認証装置および個人認証システムに関する。
【背景技術】
【０００２】
近年、コンピュータシステムやセキュリティシステムの普及、発展に伴って、利用者や管理者等の個人（使用者、ユーザ）を認証する個人認証技術の利用が拡大している。特に、指紋や静脈や顔面等の身体的特徴に基づいて個人を認証するバイオメトリクス（biometrics）認証については、マンション等の入退室管理や、キャッシュカードやパスポートの認証手段等に採用され、広く普及している。しかしながら、前記バイオメトリクス認証では、指紋や静脈等を読み取るために読み取りセンサに指で触れたり手をかざしたりする等の所定の動作が使用者に要求される。このため、使用者が特別な作業・動作を行うことなく認証可能な個人認証技術についての研究、開発等についても積極的に行われている。
ここで、使用者の自然な行動に基づく個人認証技術に関する技術として、例えば、下記の特許文献１、２および非特許文献１に記載の技術が知られている。
【０００３】
特許文献１としての特開２００７−１７９４２２号公報には、ＰＣ（パソコン、Personal Computer）（２）を使用する際に使用者が着座する椅子（１）の座部（１１）内部に設けられた圧力センサ（１５）が前記ＰＣ（２）に接続されており、前記圧力センサ（１５）からの信号に基づいて、着座者がいるか否かを判別する技術が記載されている。また、特許文献１には、使用者が離席したと判別された場合に、前記ＰＣ（２）の利用を制限すると共に、着座者が着座した場合に、前記信号に基づいて作成された圧力分布データと、予め記憶された前記使用者の圧力分布データとが所定誤差の範囲内で一致するか否かを判別して、前記着座者が前記使用者であれば前記ＰＣ（２）の利用制限が解除される技術が記載されている。
【０００４】
なお、特許文献１では、前記座部（１１）の奥行き方向とそれに垂直な幅方向とを複数の領域に細分化し、どの領域にどれだけの圧力が付与されているかを示すデータにより前記圧力分布データが構成されている。
すなわち、特許文献１では、圧力センサ（１５）からの圧力分布データと、予め記憶された前記個人の圧力分布データとを各領域の圧力値の数列データとして照合し、所定の誤差の範囲内で一致する場合、例えば、各領域の数値の差分値が所定誤差の範囲内の場合や、数値が不一致の領域の数が所定誤差の範囲内の場合に、前記使用者であると認証できる技術が記載されている。
【０００５】
また、非特許文献１には、サポートベクターマシン（ＳＶＭ：Support Vector Machine）により、椅子の座面に取り付けられた３２個のセンサからの圧力値と、各圧力値の合計値との３３種類の各測定データから、個人を認証する技術が記載されている。なお、非特許文献１では、前記サポートベクターマシンが１９セットの試行によって各個人の特徴を学習した場合、すなわち、学習データ（訓練サンプル）が１９種類であった場合、例えば、一般家族を想定した５人の学生（研究所の男子学生）が着座して安定した状態のサンプルでは９８．３［％］の識別率で各個人を識別でき、小規模オフィスを想定した１０人の学生（研究所の男子学生）が着座して安定した状態のサンプルでも９６．６［％］の識別率で各個人を識別できたことが記載されている。
ここで、前記サポートベクターマシンとは、ニューラルネットを利用したパターン識別器であり、結合荷重（シナプス荷重）を乗算した複数の線形入力素子（ニューロン）の値の総和が予め設定された閾値を超えるか否かを示す出力値を出力する層状ニューラルネットである。
【０００６】
具体的には、入力層のｎ個の素子の値の集合（入力値）としての入力特徴ベクトルをｘ（ｘ＝（ｘ１，ｘ２，…，ｘｎ））とし、出力層の１個の素子の値（出力値）をｙとし、入力層の各素子と出力層の素子との結合荷重のベクトル（結合荷重ベクトル）をω（ω＝（ω１，ω２，…，ωｎ））とし、結合荷重ベクトルωの転置ベクトルをωＴとし、閾値をｈとした場合に、出力値ｙが以下の式（１）により示される。
ｙ＝ｓｉｇｎ（ωＴｘ−ｈ） …式（１）
＝ｓｉｇｎ（ｘ１ω１＋ｘ２ω２＋…＋ｘｎωｎ−ｈ）
【０００７】
なお、ｓｉｇｎ（ωＴｘ−ｈ）は、（ωＴｘ−ｈ）＞０の場合に＋１になり、（ωＴｘ−ｈ）≦０の場合に−１になる符号関数である。すなわち、各ベクトルｘ，ωの内積が閾値ｈを超える場合に＋１になり、超えない場合に−１になる２値関数である。
また、前記サポートベクターマシンは、学習データ、すなわち、一対の入力特徴ベクトルｘおよび出力値ｙから、各データ点との距離、すなわち、入力特徴ベクトルｘとの距離（マージン）が最大となる分離平面（超平面）を求めるマージン最大化という基準により、前記線形入力素子のパラメタを学習、すなわち、結合荷重ベクトルωを更新している。
【０００８】
特許文献２としての特開２００７−２１９９７４号公報には、床面や敷物に埋設され、来客（６１）や所員（７１）等の個人の靴底圧力パターンを前記個人の個人識別情報として取得する複数の靴底圧力センサ（４１〜４３）を有する床面センサ（４０）によって、前記個人を識別する技術が記載されている。特許文献２には、前記個人識別情報を受付窓口（２１０）の前方の床（６３）に埋設された靴底圧力センサ１（４１）によって取得して個人位置認識装置（１）に受付登録すると共に、建物の管理区域内の各部屋（８１〜８４）の入口扉（８６〜９１）に面する床に埋設された靴底圧力センサ２〜ｎ（４１）によって取得した前記個人識別情報に基づいて、受付登録された各個人の移動位置を識別することにより、各個人の行動を追跡して記録する技術が記載されている。
【０００９】
また、特許文献２には、各部屋の靴底圧力センサ（４１〜４３）によって測定された靴底の外輪郭線と所定圧力以上の接地点とに基づいて前記靴底圧力パターンを生成すると共に、前記所定圧力を調整して前記接地点の数を増減させることによって識別精度を設定する技術が記載されている。
すなわち、特許文献２では、各部屋の靴底圧力センサ（４１〜４３）により取得した靴底圧力パターンと、受付窓口（２１０）で予め記憶された各個人の靴底圧力パターンとを画像データとして照合し、前記外輪郭線と前記接地点とが一致する個人を検索して個人認証を行う技術が記載されている。
【先行技術文献】
【特許文献】
【００１０】
【特許文献１】特開２００７−１７９４２２号公報（要約書、「００１７」〜「００２３」、図１、図３、図４）
【特許文献２】特開２００７−２１９９７４号公報（要約書、「００２４」〜「００５０」、「００５４」、図１〜図３）
【非特許文献】
【００１１】
【非特許文献１】M.Yamada（ヤマダマサフミ）、他４名、“Soft authentication and behavior analysis using a chair with sensors attached: hipprint authentication（座面圧力認証用のセンサが取り付けられた椅子を用いたソフトな個人認証および行動分析）”、「online」、２００８年、Springer-Verlag（シュプリンガー・フェアラーク）、「２０１０年１１月１５日検索」、インターネット＜ＵＲＬ：https://www.pervasive.jku.at/Teaching/_2009SS/SeminarausPervasiveComputing/Begleitmaterial/Related%20Work%20%28Readings%29/2008_Soft%20authentication%20and%20behavior%20analysis%20using%20a%20chair%20with%20sensors%20attached%20-%20hipprint%20authentication%20_Kudo.pdf＞
【非特許文献２】“ニッタ株式会社 [ 製品情報 ] -タクタイルセンサシステム”、「online」、ニッタ株式会社、「２０１０年１１月１５日検索」、インターネット＜ＵＲＬ：http://www.nitta.co.jp/product/mechasen/sensor/tactile_system_sensor.html＞
【非特許文献３】小菅太、他３名、“官能検査を自動化するための判定技術”、「online」、２０１０年、富士通テン株式会社、「２０１０年１１月１５日検索」、インターネット＜ＵＲＬ：http://www.fujitsu-ten.co.jp/gihou/jp_pdf/55/55-4.pdf＞
【非特許文献４】杉原哲朗、“環境と品質のためのデータサイエンス”、「online」、「２０１０年１１月１５日検索」、インターネット＜ＵＲＬ：http://heartland.geocities.jp/ecodata222/index.html＞
【発明の概要】
【発明が解決しようとする課題】
【００１２】
（従来技術の問題点）
前記特許文献１、２では、測定情報（測定された圧力分布データ）と記憶情報（記憶された圧力分布データ）とが一致（完全一致、部分一致）するか否かを判別する。このため、例えば、本人であっても、測定時における圧力センサに乗る位置や姿勢が、登録時（記憶時）と僅かに異なるだけで、測定された圧力分布データが大きく変化する可能性があり、本人を本人でないと誤認する可能性が高いという問題があった。
これに対し、前記非特許文献１では、サポートベクターマシンによって、３３個の測定情報から９６［％］以上の高い識別率で個人認証が実行されている。
しかしながら、前記特許文献１、２と同様に、圧力分布データ、すなわち、３２個のセンサによって測定された各圧力値や合計値をサポートベクターマシンに直接的に入力して個人認証を行っており、測定された圧力分布データが学習時に比べて大きく変化した場合には、着座して安定した状態の学習データ（訓練サンプル）だけでは学習量が不十分である可能性があり、本人を本人でないと誤認する可能性があった。
【００１３】
また、前記非特許文献１において、識別率をさらに高めるためには、学習データの数をさらに増やす必要があるが、サポートベクターマシン等のニューラルネットワークでは、同様の演算を複数回繰り返して学習するため、学習のための演算量が大きくなり易く、必要となる学習データの数が多くなるに連れて演算量が大きくなるという問題がある（例えば、特開２００４−１８７５６２号公報「００２６」、「００２７」等参照）。
よって、例えば、センサの数が増えて入力層の素子数ｎが大きくなったり、個人認証の対象人数が増えて出力層の素子数が大きくなったりする場合、高い識別率を確保するために、必要となる学習データの数が多くなると、学習のための演算量が膨大になる可能性があった。
【００１４】
本発明は、少ない学習量で特別な動作を行わない個人の認証の精度を向上させることを技術的課題とする。
【課題を解決するための手段】
【００１５】
前記技術的課題を解決するために、請求項１に記載の発明の個人認証装置は、
被検者が着座する椅子と、
前記椅子の座面に予め設定された第１検知領域に配置され且つ着座した前記被検者による前記第１検知領域における圧力である第１圧力値を検知する第１検知部と、前記第１検知領域からずれた領域に予め設定された第２検知領域に配置され且つ着座した前記被検者による前記第２検知領域における圧力である第２圧力値を検知する第２検知部と、を有する圧力検知部材と、
前記圧力検知部材によって検知された前記第１圧力値と前記第２圧力値とに基づいて、前記第１圧力値と前記第２圧力値との間の関連性を特定する予め設定された第１の特徴の値である第１特徴量と、前記第１圧力値と前記第２圧力値との間の関連性を特定する予め設定された第２の特徴であって、前記第１の特徴とは異なる前記第２の特徴の値である第２特徴量と、を演算する特徴量演算手段と、
予め登録された登録者と、前記第１の特徴と前記第２の特徴との間の相関を特定する前記登録者ごとの相関係数と、を関連付けて記憶する相関係数記憶手段と、
前記相関係数記憶手段に記憶された前記相関係数と、演算された前記被検者の前記第１特徴量と前記第２特徴量と、に基づいて、前記被検者のマハラノビス距離を演算する距離演算手段と、
演算された前記被検者の前記マハラノビス距離が予め設定された閾値以下であるか否かを判別する閾値判別手段と、
前記被検者の前記マハラノビス距離が前記閾値以下であると判別された場合に、前記被検者が、前記マハラノビス距離の演算に使用された前記相関係数に関連付けられた前記登録者であると認証する登録者認証手段と、
前記被検者が認証された前記登録者であることを表示する認証表示手段と、
を備えたことを特徴とする。
【００１６】
請求項２に記載の発明は、請求項１に記載の個人認証装置において、
前記登録者を登録する場合に、前記圧力検知部材によって検知された前記登録者についての前記第１圧力値および前記第２圧力値であって、平均が０且つ標準偏差が１となる前記第１特徴量と、平均が０且つ標準偏差が１となる前記第２特徴量と、の組み合わせの集合に基づく前記登録者の認証基準としての基準空間に基づいて演算された前記相関係数と、前記登録者と、を関連付けて記憶する前記相関係数記憶手段、
を備えたことを特徴とする。
【００１７】
請求項３に記載の発明は、請求項２に記載の個人認証装置において、
前記登録者の登録を更新する場合に、前記登録者が前記登録者認証手段によって認証された際に前記特徴量演算手段によって演算された前記第１特徴量および前記第２特徴量の組み合わせを含む前記基準空間に基づいて再演算された前記相関係数と、前記登録者と、を関連付けて前記相関係数記憶手段に記憶する相関係数更新手段、
を備えたことを特徴とする。
【００１８】
前記技術的課題を解決するために、請求項４に記載の発明の個人認証装置は、
被検者が直立する床面と、
前記床面に予め設定された第１検知領域に配置され且つ直立した前記被検者による前記第１検知領域における足裏の圧力である第１圧力値を検知する第１検知部と、前記第１検知領域からずれた領域に予め設定された第２検知領域に配置され且つ直立した前記被検者による前記第２検知領域における足裏の圧力である第２圧力値を検知する第２検知部と、を有する圧力検知部材と、
前記圧力検知部材によって検知された前記第１圧力値と前記第２圧力値とに基づいて、前記第１圧力値と前記第２圧力値との間の関連性を特定する予め設定された第１の特徴の値である第１特徴量と、前記第１圧力値と前記第２圧力値との間の関連性を特定する予め設定された第２の特徴であって、前記第１の特徴とは異なる前記第２の特徴の値である第２特徴量と、を演算する特徴量演算手段と、
予め登録された登録者と、前記第１の特徴と前記第２の特徴との間の相関を特定する前記登録者ごとの相関係数と、を関連付けて記憶する相関係数記憶手段と、
前記相関係数記憶手段に記憶された前記相関係数と、演算された前記被検者の前記第１特徴量と前記第２特徴量と、に基づいて、前記被検者のマハラノビス距離を演算する距離演算手段と、
演算された前記被検者の前記マハラノビス距離が予め設定された閾値以下であるか否かを判別する閾値判別手段と、
前記被検者の前記マハラノビス距離が前記閾値以下であると判別された場合に、前記被検者が、前記マハラノビス距離の演算に使用された前記相関係数に関連付けられた前記登録者であると認証する登録者認証手段と、
前記被検者が認証された前記登録者であることを表示する認証表示手段と、
を備えたことを特徴とする。
【００１９】
前記技術的課題を解決するために、請求項５に記載の発明の個人認証システムは、
被検者が着座する椅子と、
前記椅子の座面に予め設定された第１検知領域に配置され且つ着座した前記被検者による前記第１検知領域における圧力である第１圧力値を検知する第１検知部と、前記第１検知領域からずれた領域に予め設定された第２検知領域に配置され且つ着座した前記被検者による前記第２検知領域における圧力である第２圧力値を検知する第２検知部と、を有する圧力検知部材と、
前記圧力検知部材によって検知された前記第１圧力値と前記第２圧力値とに基づいて、前記第１圧力値と前記第２圧力値との間の関連性を特定する予め設定された第１の特徴の値である第１特徴量と、前記第１圧力値と前記第２圧力値との間の関連性を特定する予め設定された第２の特徴であって、前記第１の特徴とは異なる前記第２の特徴の値である第２特徴量と、を演算する特徴量演算手段と、
予め登録された登録者と、前記第１の特徴と前記第２の特徴との間の相関を特定する前記登録者ごとの相関係数と、を関連付けて記憶する相関係数記憶手段と、
前記相関係数記憶手段に記憶された前記相関係数と、演算された前記被検者の前記第１特徴量と前記第２特徴量と、に基づいて、前記被検者のマハラノビス距離を演算する距離演算手段と、
演算された前記被検者の前記マハラノビス距離が予め設定された閾値以下であるか否かを判別する閾値判別手段と、
前記被検者の前記マハラノビス距離が前記閾値以下であると判別された場合に、前記被検者が、前記マハラノビス距離の演算に使用された前記相関係数に関連付けられた前記登録者であると認証する登録者認証手段と、
前記被検者が認証された前記登録者であることを表示する認証表示手段と、
を備えたことを特徴とする。
【００２０】
前記技術的課題を解決するために、請求項６に記載の発明の個人認証システムは、
被検者が直立する床面と、
前記床面に予め設定された第１検知領域に配置され且つ直立した前記被検者による前記第１検知領域における足裏の圧力である第１圧力値を検知する第１検知部と、前記第１検知領域からずれた領域に予め設定された第２検知領域に配置され且つ直立した前記被検者による前記第２検知領域における足裏の圧力である第２圧力値を検知する第２検知部と、を有する圧力検知部材と、
前記圧力検知部材によって検知された前記第１圧力値と前記第２圧力値とに基づいて、前記第１圧力値と前記第２圧力値との間の関連性を特定する予め設定された第１の特徴の値である第１特徴量と、前記第１圧力値と前記第２圧力値との間の関連性を特定する予め設定された第２の特徴であって、前記第１の特徴とは異なる前記第２の特徴の値である第２特徴量と、を演算する特徴量演算手段と、
予め登録された登録者と、前記第１の特徴と前記第２の特徴との間の相関を特定する前記登録者ごとの相関係数と、を関連付けて記憶する相関係数記憶手段と、
前記相関係数記憶手段に記憶された前記相関係数と、演算された前記被検者の前記第１特徴量と前記第２特徴量と、に基づいて、前記被検者のマハラノビス距離を演算する距離演算手段と、
演算された前記被検者の前記マハラノビス距離が予め設定された閾値以下であるか否かを判別する閾値判別手段と、
前記被検者の前記マハラノビス距離が前記閾値以下であると判別された場合に、前記被検者が、前記マハラノビス距離の演算に使用された前記相関係数に関連付けられた前記登録者であると認証する登録者認証手段と、
前記被検者が認証された前記登録者であることを表示する認証表示手段と、
を備えたことを特徴とする。
【発明の効果】
【００２１】
請求項１、４〜６に記載の発明によれば、被検者のマハラノビス距離が閾値以下であるか否かを判別しない構成に比べ、少ない学習量で特別な動作を行わない個人の認証の精度を向上させることができる。
請求項２に記載の発明によれば、圧力検知部材によって検知された登録者についての第１圧力値および第２圧力値に基づいて相関係数を演算できる。
請求項３に記載の発明によれば、最新の第１圧力値および第２圧力値に基づいて相関係数を更新することができ、本人の経時的な身体的特徴の変化によって本人を本人でないと誤認することを低減できる。
【図面の簡単な説明】
【００２２】
【図１】図１は実施例１の個人認証システムの全体説明図であり、図１Ａは実施例１の自動車の右側面図、図１Ｂは実施例１の自動車の運転席の斜視拡大説明図である。
【図２】図２は実施例１のセンサシートの説明図であり、図２Ａは実施例１のセンサシートの斜視拡大図、図２Ｂは実施例１のボタンセンサの拡大説明図である。
【図３】図３は実施例１の制御部の機能をブロック図（機能ブロック図）で示した説明図である。
【図４】図４は実施例１のセンサシートが出力する座面の圧力分布の一例の説明図である。
【図５】図５は実施例１のメイン画像の説明図である。
【図６】図６は実施例１の登録開始画像の説明図である。
【図７】図７は実施例１の登録開始画像の案内表示部に表示される画像の説明図であり、図７Ａは実施例１の検知開始案内画像の説明図、図７Ｂは実施例１の検知完了案内画像の説明図である。
【図８】図８は実施例１の登録開始画像の説明図である。
【図９】図９は実施例１の認証結果を表示する画像の説明図であり、図９Ａは実施例１の成功画像の説明図、図９Ｂは実施例１の失敗画像の説明図である。
【図１０】図１０は実施例１の登録処理のフローチャートである。
【図１１】図１１は実施例１の認証処理のフローチャートである。
【図１２】図１２は実施例１の登録更新処理のフローチャートであり、図１１のＳＴ１０６のサブルーチンの説明図である。
【図１３】図１３は実施例１の作用説明図であり、縦軸をマハラノビス距離の常用対数とし横軸を５人の被験者ごとに等分割されたフレームとした認証結果の片対数グラフであり、図１３Ａは被験者Ａを使用者とした場合の各被験者の認証結果のグラフであり、図１３Ｂは被験者Ｂを使用者とした場合の各被験者の認証結果のグラフである。
【図１４】図１４は実施例２の個人認証システムの全体説明図であり、実施例１の図１Ｂに対応する説明図である。
【図１５】図１５は実施例２の入室管理装置の機能をブロック図（機能ブロック図）で示した説明図であり、実施例１の図３に対応する説明図である。
【図１６】図１６は実施例２の入室管理装置の認証処理のフローチャートであり、実施例１の図１１に対応する説明図である。
【発明を実施するための形態】
【００２３】
次に図面を参照しながら、本発明の実施の形態の具体例（以下、実施例と記載する）を説明するが、本発明は以下の実施例に限定されるものではない。
なお、以後の説明の理解を容易にするために、図面において、前後方向をＸ軸方向、左右方向をＹ軸方向、上下方向をＺ軸方向とし、矢印Ｘ，−Ｘ，Ｙ，−Ｙ，Ｚ，−Ｚで示す方向または示す側をそれぞれ、前方、後方、右方、左方、上方、下方、または、前側、後側、右側、左側、上側、下側とする。
また、図中、「○」の中に「・」が記載されたものは紙面の裏から表に向かう矢印を意味し、「○」の中に「×」が記載されたものは紙面の表から裏に向かう矢印を意味するものとする。
なお、以下の図面を使用した説明において、理解の容易のために説明に必要な部材以外の図示は適宜省略されている。
【実施例１】
【００２４】
図１は実施例１の個人認証システムの説明図であり、図１Ａは実施例１の自動車の右側面図、図１Ｂは実施例１の自動車の運転席の斜視拡大説明図である。
図２は実施例１のセンサシートの説明図であり、図２Ａは実施例１のセンサシートの斜視拡大図、図２Ｂは実施例１のボタンセンサの拡大説明図である。
図１において、本発明の実施例１の個人認証システムＳは、使用者（登録者、運転手、搭乗者、オーナー、カーシェアリングの会員・メンバー）が搭乗する自動車Ｖの制御部（個人認証装置、コントローラ）Ｃに設けられている。図１Ａ、図１Ｂにおいて、実施例１の前記自動車Ｖには、前記使用者が着座する運転席（椅子、着座部材）ＣＨが設けられている。前記運転席ＣＨは、前側下部に配置された座面ＣＨ１と、前記座面ＣＨ１の後端から後斜め情報に延びる背もたれＣＨ２とを有する。
【００２５】
また、図１Ｂ、図２において、前記座面ＣＨ１上には、前記制御部Ｃに接続され、着座した前記使用者が座面ＣＨ１を押圧する圧力を検知するシート状のセンサシート（圧力検知部材、圧力分布検知部材）ＳＮが敷設されている。
図２Ａにおいて、実施例１の前記センサシートＳＮには、縦方向の一例としての前後方向に２０マス（セル）、横方向の一例としての左右方向に１８マス、合計３６０マス（２０×１８＝３６０［マス］）の互いに隣接する検知領域（第１検知領域、第２検知領域、…、第３６０検知領域）が予め設定されている。また、図２Ｂにおいて、前記センサシートＳＮの内部には、着座した使用者による前記各検知領域における圧力（第１圧力値、第２圧力値、…、第３６０圧力値）を検知する３６０個のボタン状のボタンセンサ（検知部、圧力センサ）ＳＮ１が配置されている。
【００２６】
実施例１の前記各ボタンセンサＳＮ１は、いわゆる、感圧導電性インクによって構成されており、前記使用者が押圧する圧力に反比例して電極ＳＮ２との接触抵抗の抵抗値［Ω］が設定されるようになっている。具体的には、前記使用者が着座していない無負荷時の抵抗値（数Ｍ［Ω］程度）から、圧力値［ｇｆ／ｃｍ２］が大きくなるに連れて抵抗値［Ω］が小さくなるように設定されている。すなわち、圧力値［ｇｆ／ｃｍ２］が大きくなるに連れて前記電極ＳＮ２を流れる（検知される、出力される）電流値［Ａ］が大きくなるように設定されている。なお、実施例１では、前記各ボタンセンサＳＮ１は、前記電流値［Ａ］に応じた圧力値を２５６階調（０〜２５５）で検知することが可能である。
なお、前記感圧導電性インクについては、例えば、非特許文献２（“ニッタ株式会社 [ 製品情報 ] -タクタイルセンサシステム”）等に記載されており、公知である。
【００２７】
（実施例１の制御部Ｃの説明）
図３は実施例１の制御部の機能をブロック図（機能ブロック図）で示した説明図である。
図３において、前記制御部Ｃは、外部との信号の入出力および入出力信号レベルの調節等を行うＩ／Ｏ（入出力インターフェース）、必要な起動処理を行うためのプログラムおよびデータ等が記憶されたＲＯＭ（リードオンリーメモリ）、必要なデータ及びプログラムを一時的に記憶するためのＲＡＭ（ランダムアクセスメモリ）、ＲＯＭ等に記憶された起動プログラムに応じた処理を行うＣＰＵ（中央演算処理装置）ならびにクロック発振器等を有しており、前記ＲＯＭ及びＲＡＭ等に記憶されたプログラムを実行することにより種々の機能を実現することができる。
前記制御部Ｃには、基本動作を制御する基本ソフト、いわゆる、オペレーティングシステムＯＳ、アプリケーションプログラムとしての個人認証プログラムＡＰ１、その他の図示しないソフトウェアが記憶されている。
【００２８】
（実施例１の制御部Ｃに接続された信号入力要素）
図４は実施例１のセンサシートが出力する座面の圧力分布の一例の説明図である。
前記制御部Ｃには、次の信号出力要素ＳＮ等の出力信号が入力されている。
ＳＮ：センサシート
センサシートＳＮは、各ボタンセンサＳＮ１が検知した検知領域ごとの各圧力値を出力することにより、図４に示す、着座した使用者による座面ＣＨ１の圧力分布を出力する。
（実施例１の個人認証プログラムＡＰ１）
前記個人認証プログラムＡＰ１は、下記の機能手段（プログラムモジュール）を有する。
【００２９】
図５は実施例１のメイン画像の説明図である。
Ｃ１：メイン画像表示手段
メイン画像表示手段Ｃ１は、図５に示す、前記自動車Ｖの制御に関するメイン画像１０１を自動車ＶのフロントモニタＦＭに表示する。図５において、実施例１の前記メイン画像１０１は、使用者の登録を開始するための登録開始ボタン１０１ａを有する。
Ｃ２：登録手段
登録手段（相関係数学習手段、学習手段）Ｃ２は、登録開始判別手段Ｃ２Ａと、登録開始画像表示手段Ｃ２Ｂと、検知開始案内画像表示手段Ｃ２Ｃと、検知開始判別手段Ｃ２Ｄと、特徴量演算手段Ｃ２Ｅと、特徴量記憶手段Ｃ２Ｆと、検知完了案内画像表示手段Ｃ２Ｇと、検知完了判別手段Ｃ２Ｈと、試行回数係数手段Ｃ２Ｊと、試行完了判別手段Ｃ２Ｋと、単位空間生成手段Ｃ２Ｌと、相関行列演算手段Ｃ２Ｍと、相関行列記憶手段Ｃ２Ｎと、登録完了画像表示手段Ｃ２Ｐと、登録確認判別手段Ｃ２Ｑとを有し、使用者を登録する（後述する式（３）の相関行列Ｒを使用者ごとに学習する）。
【００３０】
図６は実施例１の登録開始画像の説明図である。
Ｃ２Ａ：登録開始判別手段
登録開始判別手段Ｃ２Ａは、前記登録開始ボタン１０１ａが選択されたか否かを判別することにより、使用者の登録を開始するか否かを判別する。
Ｃ２Ｂ：登録開始画像表示手段
登録開始画像表示手段Ｃ２Ｂは、図６に示す、登録の開始のための登録開始画像１０２をフロントモニタＦＭに表示する。図６において、実施例１の前記登録開始画像１０２は、登録のための案内を表示するための案内表示部１０２ａを有する。
【００３１】
図７は実施例１の登録開始画像の案内表示部に表示される画像の説明図であり、図７Ａは実施例１の検知開始案内画像の説明図、図７Ｂは実施例１の検知完了案内画像の説明図である。
Ｃ２Ｃ：検知開始案内画像表示手段
検知開始案内画像表示手段Ｃ２Ｃは、センサシートＳＮによって圧力分布（図４参照）を検知する場合に、図７Ａに示す、使用者に圧力分布の検知開始を案内する検知開始案内画像１０３を前記案内表示部１０２ａに表示する。
Ｃ２Ｄ：検知開始判別手段
検知開始判別手段Ｃ２Ｄは、センサシートＳＮが圧力分布の検知を開始したか否かを判別する。すなわち、使用者がセンサシートＳＮに乗って１回分の試行（使用者の着座・離席の１セット）が開始されたか否かを判別する。実施例１の前記検知開始判別手段Ｃ２Ｄは、センサシートＳＮの各ボタンセンサＳＮ１が各圧力値を検知してから各圧力値が変化しなくなった場合に、センサシートＳＮが圧力分布の検知を開始したと判別する。
【００３２】
Ｃ２Ｅ：特徴量演算手段
特徴量演算手段Ｃ２Ｅは、センサシートＳＮの各ボタンセンサＳＮ１によって検知された各圧力値に基づいて、各圧力値どうしの間の関連性を特定する予め設定された３５種類の特徴（第１の特徴、第２の特徴、…、第３５の特徴）の値である特徴量（第１特徴量、第２特徴量、…、第３５特徴量）を演算する。
実施例１の前記特徴量演算手段Ｃ２Ｅでは、以下の（１）〜（３５）の各特徴が予め設定されている。
【００３３】
（１）左側最高圧力値（使用者の左半身の各検知領域の各圧力値の最大値）
（２）右側最高圧力値（使用者の右半身の各検知領域の各圧力値の最大値）
（３）１〜６３の圧力値を有するボタンセンサ（検知領域、マス、セル）の数
（４）６４〜１２７の圧力値を有するボタンセンサの数
（５）１２８〜１９１の圧力値を有するボタンセンサの数
（６）１９２〜２５５の圧力値を有するボタンセンサの数
（７）３２〜９５の圧力値を有するボタンセンサの数
（８）９６〜１５９の圧力値を有するボタンセンサの数
（９）１６０〜２２３の圧力値を有するボタンセンサの数
（１０）１以上の圧力値を有するボタンセンサの数
【００３４】
（１１）全体の総圧力（各圧力値の合計値）
（１２）１以上の圧力値を有するボタンセンサ内における各圧力値の平均
（１３）１以上の圧力値を有するボタンセンサ内における各圧力値の分散
（１４）使用者の腿における１以上の圧力値を有するボタンセンサの数
（１５）使用者の腿における圧力の総和（各圧力値の合計値）
（１６）使用者の腿における１以上の圧力値を有するボタンセンサのみの各圧力値の平均
（１７）使用者の腿における１以上の圧力値を有するボタンセンサのみの各圧力値の分散
【００３５】
（１８）使用者の尻における１以上の圧力値を有するボタンセンサの数
（１９）使用者の尻における圧力の総和（各圧力値の合計値）
（２０）使用者の尻における１以上の圧力値を有するボタンセンサのみの各圧力値の平均
（２１）使用者の尻における１以上の圧力値を有するボタンセンサのみの各圧力値の分散
（２２）左端から使用者の左半身の重心位置までの距離（マス単位の距離）
（２３）後端から使用者の左半身の重心位置までの距離
（２４）左端から使用者の右半身の重心位置までの距離
（２５）後端から使用者の右半身の重心位置までの距離
（２６）左右の重心位置間の距離（使用者の左半身の重心位置から右半身の重心位置までの距離）
【００３６】
（２７）左側最高圧力値の２５％以上の圧力値を有するボタンセンサ（検知領域、マス）のみによって演算された使用者の左半身の重心位置から左端までの距離
（２８）左側最高圧力値の２５％以上の圧力値を有するボタンセンサのみによって演算された使用者の左半身の重心位置から後端までの距離
（２９）右側最高圧力値の２５％以上の圧力値を有するボタンセンサのみによって演算された使用者の右半身の重心位置から左端までの距離
（３０）右側最高圧力値の２５％以上の圧力値を有するボタンセンサのみによって演算された使用者の右半身の重心位置から後端までの距離
（３１）左右それぞれの最高圧力値の２５％以上の圧力値を有するボタンセンサのみによって演算された左右の重心位置間の距離（（２７），（２８）の使用者の左半身の重心位置から（２９），（３０）の右半身の重心位置までの距離）
【００３７】
（３２）使用者の左半身における圧力値が０のボタンセンサに隣接している１以上の圧力値を有するボタンセンサの数
（３３）使用者の右半身における圧力値が０のボタンセンサに隣接している１以上の圧力値を有するボタンセンサの数
（３４）使用者の左半身における圧力値が左側最高圧力値の２５％未満のボタンセンサに隣接している左側最高圧力値の２５％以上の圧力値を有するボタンセンサの数
（３５）使用者の右半身における圧力値が左側最高圧力値の２５％未満のボタンセンサに隣接している右側最高圧力値の２５％以上の圧力値を有するボタンセンサの数
【００３８】
したがって、例えば、センサシートＳＮによって図４に示す圧力分布が出力された場合には、（１）第１特徴量が「１８３」、（２）第２特徴量が「２２５」、（３）第３特徴量が「１６２」、（４）第４特徴量が「７」、（５）第５特徴量が「６」、（６）第６特徴量が「１」、（７）第７特徴量が「３６」、（８）第８特徴量が「９」、（９）第９特徴量が「３」、（１０）第１０特徴量が「１７６」、（１１）第１１特徴量が「５２３９」、（１２）第１２特徴量が「約２９．７６７」、（１３）第１３特徴量が「約１２４３．４７５」、（１４）第１４特徴量が「１２２」、（１５）第１５特徴量が「２１７８」、（１６）第１６特徴量が「約１７．８５２」、（１７）第１７特徴量が「約２０９．４０４」、（１８）第１８特徴量が「５４」、（１９）第１９特徴量が「３０６１」、（２０）第２０特徴量が「約５６．６８５」、（２１）第２１特徴量が「約２５３０．０３１」、（２２）第２２特徴量が「約４．９３９」、（２３）第２３特徴量が「約７．３３５」、（２４）第２４特徴量が「約１２．９８９」、（２５）第２５特徴量が「約７．５４５」、（２６）第２６特徴量が「約８．０５２」、（２７）第２７特徴量が「約５．３００」、（２８）第２８特徴量が「約６．４１１」、（２９）第２９特徴量が「約１２．８０７」、（３０）第３０特徴量が「約６．７３７」、（３１）第３１特徴量が「約７．５１４」、（３２）第３２特徴量が「３１」、（３３）第３３特徴量が「３６」、（３４）第３４特徴量が「１６」、（３５）第３５特徴量が「１５」となる。
【００３９】
Ｃ２Ｆ：特徴量記憶手段
特徴量記憶手段Ｃ２Ｆは、前記特徴量演算手段Ｃ２Ｅによって演算された各特徴量を記憶する。実施例１の前記特徴量記憶手段Ｃ２Ｆは、１回の試行ごとに演算された３５種類の特徴量を１組として記憶する。実施例１の前記特徴量記憶手段Ｃ２Ｆでは、登録される使用者と演算された特徴量とが関連付けて記憶される。具体的には、試行を完了する回数をＭＮ［回］とした場合に、メイン画像１０１の登録開始ボタン１０１ａが選択されてから試行が完了して演算された合計ＭＮ組の各特徴量が、登録開始ボタン１０１ａの選択順に（登録順に）「１人目の使用者」の特徴量、「２人目の使用者」の特徴量、…、としてそれぞれ記憶される。すなわち、使用者の登録順である登録番号（登録ＩＤ）をｐ（ｐ＝１，２，…）とした場合に、使用者の試行による「ＭＮ組の各特徴量」と、前記使用者の「登録番号ｐ」とが関連付けられて記憶される。
【００４０】
Ｃ２Ｇ：検知完了案内画像表示手段
検知完了案内画像表示手段Ｃ２Ｇは、前記特徴量記憶手段Ｃ２Ｆに各特徴量が記憶されて圧力分布を再度検知する場合に、図７Ｂに示す、使用者に圧力分布の検知完了を案内する検知完了案内画像１０４を前記案内表示部１０２ａに表示する。
Ｃ２Ｈ：検知完了判別手段
検知完了判別手段Ｃ２Ｈは、センサシートＳＮによる圧力分布の検知を完了したか否かを判別する。すなわち、１回分の試行が完了し、次の試行のために使用者がセンサシートＳＮから離れたか否かを判別する。実施例１の前記検知完了判別手段Ｃ２Ｄは、センサシートＳＮの各ボタンセンサＳＮ１が各圧力値を検知しなくなった場合、すなわち、全ての圧力値がゼロになった場合に、センサシートＳＮによる圧力分布の検知を完了したと判別する。
【００４１】
Ｃ２Ｊ：試行回数計数手段
試行回数計数手段Ｃ２Ｊは、試行を繰り返して各特徴量を演算・記憶した試行回数ｎ（ｎ＝１，２，…，ＭＮ）を計数する。
Ｃ２Ｋ：試行完了判別手段
試行完了判別手段Ｃ２Ｋは、前記試行回数係数手段Ｃ２Ｊによって計数された試行回数ｎが予め設定された最大値ＭＮ［回］になったか否かを判別することにより、各特徴量の演算・記憶のための試行が完了したか否かを判別する。
なお、実施例１の前記登録手段Ｃ２は、前記検知完了判別手段Ｃ２Ｈによって次の試行のために使用者がセンサシートＳＮから離れたと判別し且つ前記試行完了判別手段Ｃ２ＫによってＭＮ回の試行が完了していないと判別した場合に、次の試行のために前記検知開始案内画像表示手段Ｃ２Ｃによって検知開始案内画像１０３を表示すると共に、前記検知開始判別手段Ｃ２Ｄによって次の試行を開始したか否かを判別する。
【００４２】
Ｃ２Ｌ：単位空間生成手段
単位空間生成手段（基準空間生成手段、特徴量基準化手段）Ｃ２Ｌは、前記試行完了判別手段Ｃ２Ｋによって各特徴量の演算・記憶のための試行が完了したと判別された場合に、使用者の認証基準としての単位空間（基準空間）を生成する。実施例１の前記単位空間生成手段Ｃ２Ｌは、前記特徴量記憶手段Ｃ２Ｆに記憶されたＭＮ組の特徴量（ＭＮ個の第１特徴量、ＭＮ個の第２特徴量、…、ＭＮ個の第３５特徴量）の組み合わせに基づいて、単位空間を生成する。具体的には、ＭＮ個の第１特徴量、ＭＮ個の第２特徴量、…、ＭＮ個の第３５特徴量を、平均が０且つ標準偏差が１となるようにそれぞれ正規化（基準化、規準化、平均０・標準偏差１となる線形変換）することにより、単位空間を生成する。
【００４３】
すなわち、実施例１では、１回の試行によって演算された第１特徴量から第３５特徴量までの組み見合わせを３５次元ベクトルとした場合に、ＭＮ個の３５次元ベクトルの集合が構成する３５次元ベクトル空間（各特徴量の平均を成分とする原点が中心となる部分空間）が単位空間として生成される。なお、前記単位空間は、各ベクトル成分の値が全てゼロ、すなわち、（０，０，…，０）の場合が原点となり、各ベクトル成分を確率変数とした場合のＭＮ個の値（正規化された第１特徴量、正規化された第２特徴量、…、正規化された第３５特徴量）が出力される確率の分布（確率分布）が正規分布となっている。
【００４４】
Ｃ２Ｍ：相関行列演算手段
相関行列演算手段（相関係数行列演算手段）Ｃ２Ｍは、前記単位空間生成手段Ｃ２Ｌによって生成された前記単位空間に基づいて、異なる２種類の特徴どうしの相関を特定する相関係数を使用者ごとに演算する相関係数演算手段Ｃ２M1を有し、前記相関係数の行列である相関行列（相関係数行列）Ｒを演算する。実施例１の前記相関係数演算手段Ｃ２M1では、１からＭＮまでの任意の自然数をｉ，ｊとし、ＭＮ個の第ｉ特徴量（一方の特徴量）をｘ１，ｘ２，…，ｘＭＮとし、ＭＮ個の第ｊ特徴量（他方の特徴量）をｙ１，ｙ２，…，ｙＭＮとし、第ｉ特徴量と第ｊ特徴量との相関係数をｒｉｊとした場合に、前記相関係数ｒｉｊが以下の式（２）によって演算される。
ｒｉｊ＝（ｘ１ｙ１＋ｘ２ｙ２＋…＋ｘＭＮｙＭＮ）
／｛（ｘ１２＋ｘ２２＋…＋ｘＭＮ２）１／２
×（ｙ１２＋ｙ２２＋…＋ｙＭＮ２）１／２｝ …式（２）
【００４５】
よって、実施例１の前記相関行列演算手段Ｃ２Ｍは、前記式（２）によって演算された第１特徴量と第１特徴量との相関係数ｒ(１)(１)（ｒ(１)(１)＝１）、第１特徴量と第２特徴量との相関係数をｒ(１)(２)（−１≦ｒ(１)(３)≦１）、…、第３４特徴量と第３５特徴量との相関係数ｒ(３４)(３５)（−１≦ｒ(３４)(３５)≦１）、第３５特徴量と第３５特徴量との相関係数をｒ(３５)(３５)（ｒ(３５)(３５)＝１）を各成分とする以下の数１の式（３）の３５行３５列の行列を相関行列Ｒとして演算する。
【数１】
…式（３）
【００４６】
Ｃ２Ｎ：相関行列記憶手段
相関行列記憶手段Ｃ２Ｎは、使用者ごとの相関係数ｒ(１)(１)，ｒ(１)(２)，…，ｒ(３４)(３５)，ｒ(３５)(３５)と使用者とを関連付けて記憶する相関係数記憶手段Ｃ２N1を有し、使用者ごとの相関行列Ｒと使用者とを関連付けて記憶する。実施例１の前記相関行列記憶手段Ｃ２Ｎは、前記相関行列演算手段Ｃ２Ｍによって演算された相関行列Ｒと、使用者とを関連付けて記憶する。具体的には、「登録番号ｐ」の使用者、すなわち、ｐ人目の使用者について演算された相関行列ＲをＲｐとした場合に、演算された「相関行列Ｒｐ」と、前記使用者の「登録番号ｐ」とが関連付けられて記憶される。
【００４７】
図８は実施例１の登録開始画像の説明図である。
Ｃ２Ｐ：登録完了画像表示手段
登録完了画像表示手段Ｃ２Ｐは、前記試行完了判別手段Ｃ２Ｋによって各特徴量の演算・記憶のための試行が完了したと判別された場合に、図８に示す、登録が完了したことを通知するための登録完了画像１０５をフロントモニタＦＭに表示する。図８において、実施例１の前記登録完了画像１０５は、使用者に登録を確認させるための登録確認ボタン１０５ａを有する。
Ｃ２Ｑ：登録確認判別手段
登録確認判別手段Ｃ２Ｑは、前記登録確認ボタン１０５ａが選択されたか否かを判別することにより、使用者が登録を確認したか否かを判別する。なお、実施例１の前記登録手段Ｃ２では、使用者が登録を確認した場合に、登録完了画像１０５を非表示にする。このため、フロントモニタＦＭにはメイン画像１０１が再表示される。
【００４８】
Ｃ３：ロック判別手段
ロック判別手段（離隔判別手段、離席判別手段）Ｃ３は、前記検知完了判別手段Ｃ２Ｈと同様に、センサシートＳＮの各ボタンセンサＳＮ１の全ての圧力値を検知しなくなったか否か（ゼロになったか否か）、すなわち、使用者が運転席ＣＨの座面ＣＨ１から離席したか否かを判別することにより、自動車Ｖの図示しないエンジンの始動を不能な状態にする。すなわち、エンジンスタートのロックを実行するか否かを判別する。
Ｃ４：エンジンスタートロック手段
エンジンスタートロック手段Ｃ４は、使用者が運転席ＣＨから離席したと判別された場合に、自動車Ｖのエンジンの始動を不能な状態にする（エンジンスタートをロックする）。実施例１の前記エンジンスタートロック手段Ｃ４は、例えば、燃料の噴射が行われないように前記エンジンを制御することにより、エンジンスタートをロックする。
【００４９】
Ｃ５：認証手段
認証手段Ｃ５は、着座判別手段Ｃ５Ａと、特徴量演算手段Ｃ５Ｂと、距離演算手段Ｃ５Ｃと、閾値判別手段Ｃ５Ｄと、使用者認証手段Ｃ５Ｅと、人数計数手段Ｃ５Ｆと、人数判別手段Ｃ５Ｇと、認証表示手段Ｃ５Ｈと、認証確認判別手段Ｃ５Ｊとを有し、運転席ＣＨに着座した披験者（被検体、披検者、被験体、着座者、第三者）が登録済の使用者であるか否かを認証する。実施例１の前記認証手段Ｃ５は、登録済の使用者がＭＰ人存在する場合には、１人目の使用者からＭＰ人目の使用者まで「登録番号ｐ」の順番に認証してゆき、ｐ人目（ｐ＝１，２，…，ＭＰ）の使用者本人であると認証された場合に、残りの（ＭＰ−ｐ）人の使用者の認証を行わずに終了する。
【００５０】
Ｃ５Ａ：着座判別手段
着座判別手段Ｃ５Ａは、前記検知開始判別手段Ｃ２Ｄと同様に、センサシートＳＮが圧力分布の検知を開始したか否か、すなわち、披験者が運転席ＣＨの座面ＣＨ１に着座したか否かを判別する。
Ｃ５Ｂ：特徴量演算手段
特徴量演算手段Ｃ５Ｂは、前記特徴量演算手段Ｃ２Ｅと同様に、センサシートＳＮの各ボタンセンサＳＮ１によって検知された各圧力値に基づいて、３５種類の特徴量（第１特徴量、第２特徴量、…、第３５特徴量）を演算する。
【００５１】
Ｃ５Ｃ：距離演算手段
距離演算手段Ｃ５Ｃは、前記相関行列記憶手段Ｃ２Ｎに記憶された使用者ごとの相関行列Ｒと、前記特徴量演算手段Ｃ５Ｂによって演算された披験者の各特徴量とに基づいて、披験者のマハラノビス距離を演算する。ここで、前記マハラノビス距離とは、多変数間の相関に基づく前記多変数の値の総合指標（尺度、統計上の距離）であり、分類（文字認識、音声認識、画像認識等）や、予測（利益予測、地震予知、強度予測等）や、診断（病気診断、火災報知、工業用検査、故障診断等）等に利用されている。特に、前記マハラノビス距離の概念を導入したパターン認識技術としてのＭＴシステム（ＭＴ法：Mahalanobis Taguchi Method）が品質工学における主要分野として位置付けられており、製品の企画・設計・製造・品質管理等の幅広い分野で活用されている。なお、マハラノビス距離やＭＴシステムについては、例えば、例えば、非特許文献３（“官能検査を自動化するための判定技術”）や非特許文献４（“環境と品質のためのデータサイエンス”）等に記載されており、公知である。
【００５２】
実施例１の前記距離演算手段Ｃ５Ｃは、まず、前記特徴量記憶手段Ｃ２Ｆに記憶されたｐ人目の使用者の各特徴量に基づいて、演算された披験者の各特徴量を基準化する。具体的には、１から３５までの任意の自然数をｉとし、ｐ人目の使用者の第ｉ特徴量（ＭＮ個の第ｉ特徴量）の平均をμｉｐ（μｉｐ＝μ１ｐ，μ２ｐ，…，μ３５ｐ）とし、標準偏差をσｉｐ（σｉｐ＝σ１ｐ，σ２ｐ，…，σ３５ｐ）とし、演算された披験者の各特徴量をｖｉ（ｖｉ＝ｖ１，ｖ２，…，ｖ３５）とし、基準化された披験者の各特徴量をｕｉｐ（ｕｉｐ＝ｕ１ｐ，ｕ２ｐ，…，ｕ３５ｐ）とした場合に、基準化された披験者の各特徴量ｕｉｐが以下の式（４）によって演算される。
ｕｉｐ＝（ｖｉ−μｉｐ）／σｉｐ …式（４）
【００５３】
そして、基準化された披験者の各特徴量ｕｉｐの３５次元ベクトルを３５行１列で示した行列である特徴量行列をＵｐとし、前記特徴量行列Ｕｐの転置行列（１行３５列）をＵｐＴとし、ｐ人目の使用者の相関係数ｒｉｊをｒｉｊｐとし、ｐ人目の使用者の相関行列Ｒｐの逆行列をＲｐ−１とし、ｐ人目の使用者の認証基準としての披験者のマハラノビス距離をＤｐとした場合に、前記マハラノビス距離Ｄｐの２乗（Ｄｐ２）は以下の式（５）および数２の式（６）によって演算される。
Ｄｐ２＝ＵｐＴ（Ｒｐ−１）Ｕｐ …式（５）
【００５４】
【数２】
…式（６）
よって、実施例１の前記距離演算手段Ｃ５Ｃでは、前記式（６）に示す行列式によって演算された値Ｄｐ２の平方根によって前記マハラノビス距離Ｄｐを演算する（（Ｄｐ２）１／２＝Ｄｐ）。
【００５５】
Ｃ５Ｄ：閾値判別手段
閾値判別手段Ｃ５Ｄは、前記距離演算手段Ｃ５Ｃによって演算された披験者のマハラノビス距離Ｄｐが予め設定された閾値ＳＤ以下であるか否かを判別する。実施例１の前記閾値判別手段Ｃ５Ｄでは、前記閾値ＳＤが「２００」に予め設定されている。
Ｃ５Ｅ：使用者認証手段
使用者認証手段（登録者認証手段）Ｃ５Ｅは、披験者のマハラノビス距離Ｄｐが閾値ＳＤ以下であると判別された場合に、披験者が、前記マハラノビス距離Ｄｐの演算に使用された相関行列Ｒｐに関連付けられたｐ人目の使用者であると認証する。
【００５６】
Ｃ５Ｆ：人数計数手段
人数計数手段（認証人数計数手段）Ｃ５Ｆは、披験者が登録済の使用者であるか否かを認証した人数ｐを計数する。
Ｃ５Ｇ：人数判別手段
人数判別手段（認証人数判別手段）Ｃ５Ｇは、前記人数計数手段Ｃ５Ｆによって計数された人数ｐが予め設定された最大値ＭＰ［人］になったか否かを判別することにより、披験者が登録済のＭＰ人全ての使用者でないことが認証されたか否かを判別する（認証が完了したか否かを判別する）。
Ｃ５Ｈ：認証表示手段
認証表示手段Ｃ５Ｈは、成功画像表示手段Ｃ５H1と、失敗画像表示手段Ｃ５H2とを有し、認証結果（認証が成功した旨、認証が失敗した旨）を表示する。
【００５７】
図９は実施例１の認証結果を表示する画像の説明図であり、図９Ａは実施例１の成功画像の説明図、図９Ｂは実施例１の失敗画像の説明図である。
Ｃ５H1：成功画像表示手段
成功画像表示手段Ｃ５H1は、前記使用者認証手段Ｃ５Ｅによって披験者がｐ人目の使用者であると認証された場合に、図９Ａに示す、披験者が認証されたｐ人目の使用者であるため認証が成功したことを示す成功画像２０１をフロントモニタＦＭに表示する。図９Ａにおいて、実施例１の前記成功画像２０１は、披験者に認証が成功したことを確認させるための成功確認ボタン２０１ａを有する。
Ｃ５H2：失敗画像表示手段
失敗画像表示手段Ｃ５H2は、前記人数判別手段Ｃ５Ｇによって認証が完了したと判別された場合に、図９Ｂに示す、披験者が登録済のＭＰ人全ての使用者でないため認証が失敗したことを示す失敗画像２０２をフロントモニタＦＭに表示する。図９Ｂにおいて、実施例１の前記失敗画像２０２は、披験者に認証が失敗したことを確認させるための失敗確認ボタン２０２ａを有する。
【００５８】
Ｃ５Ｊ：認証確認判別手段
認証確認判別手段Ｃ５Ｊは、成功確認判別手段Ｃ５J1と、失敗確認判別手段Ｃ５J2とを有し、披験者に認証結果を確認したか否かを判別する。
Ｃ５J1：成功確認判別手段
成功確認判別手段Ｃ５J1は、前記成功確認ボタン２０１ａが選択されたか否かを判別することにより、披験者、すなわち、ｐ人目の使用者が認証の成功を確認したか否かを判別する。
Ｃ５J2：失敗確認判別手段
失敗確認判別手段Ｃ５J2は、前記失敗確認ボタン２０２ａが選択されたか否かを判別することにより、披験者が認証の失敗を確認したか否かを判別する。
Ｃ６：エンジンスタートロック解除手段
エンジンスタートロック解除手段Ｃ６は、前記使用者認証手段Ｃ５Ｅによって披験者がｐ人目の使用者であると認証された場合に、自動車Ｖのエンジンスタートのロックを解除する。
【００５９】
Ｃ７：登録更新手段
登録更新手段（相関係数再学習手段、再学習手段）Ｃ７は、特徴量更新手段Ｃ７Ａと、単位空間再生成手段Ｃ７Ｂと、相関行列再演算手段Ｃ７Ｃと、相関行列更新手段Ｃ７Ｄとを有し、使用者の登録を更新する（相関行列Ｒｐを使用者ごとに再学習する）。
Ｃ７Ａ：特徴量更新手段
特徴量更新手段Ｃ７Ａは、前記使用者認証手段Ｃ５Ｅによって披験者がｐ人目の使用者であると認証された場合に、前記特徴量演算手段Ｃ５Ｂによって演算された各特徴量の記憶を更新する。実施例１の前記特徴量更新手段Ｃ７Ａは、前記特徴量記憶手段Ｃ２Ｆに最も長く記憶されていたｐ人目の使用者の特徴量の１組、すなわち、ＭＮ組の特徴量を記憶順に第１組目の特徴量、第２組目の特徴量、…、第ＭＮ組目の第３５特徴量とした場合の前記第１組目の特徴量に替えて、前記特徴量演算手段Ｃ５Ｂによって演算された各特徴量を記憶することにより、前記特徴量記憶手段Ｃ２Ｆに記憶された各特徴量を更新する。
【００６０】
Ｃ７Ｂ：単位空間再生成手段
単位空間再生成手段（基準空間再生成手段）Ｃ７Ｂは、前記単位空間生成手段Ｃ２Ｌと同様に、前記特徴量更新手段Ｃ７Ａによって更新されたＭＮ組の特徴量（ＭＮ個の第１特徴量、ＭＮ個の第２特徴量、…、ＭＮ個の第３５特徴量）の組み合わせに基づいて、ｐ人目の使用者の単位空間を再生成する。
Ｃ７Ｃ：相関行列再演算手段
相関行列再演算手段（相関係数行列再演算手段）Ｃ７Ｃは、前記相関行列演算手段Ｃ２Ｍと同様に、前記単位空間再生成手段Ｃ７Ｂによって再生成された前記単位空間に基づいて、前記相関行列Ｒを再演算する。
Ｃ７Ｄ：相関行列更新手段
相関行列更新手段（相関係数更新手段）Ｃ７Ｄは、前記相関行列記憶手段Ｃ２Ｎに記憶されたｐ人目の使用者の相関行列Ｒｐに替えて、前記相関行列再演算手段Ｃ７Ｃによって演算された相関行列Ｒｐを記憶することにより、前記相関行列記憶手段Ｃ２Ｎに記憶された相関行列Ｒｐを更新する。
【００６１】
（実施例１のフローチャートの説明）
次に、実施例１の前記制御部Ｃの各プログラムの処理の流れをフローチャートを使用して説明する。なお、メイン画像１０１（図５参照）を表示する処理については、自動車Ｖがエンジンスタートした場合にメイン画像１０１をフロントモニタＦＭに表示するだけであり、エンジンスタートをロックする処理については、圧力検知センサＳＮが使用者の離席を検知した場合にエンジンスタートをロックするだけであるため、図示および詳細な説明を省略する。
【００６２】
（実施例１の制御部Ｃの登録処理の説明）
図１０は実施例１の登録処理のフローチャートである。
図１０のフローチャートの各ＳＴ（ステップ）の処理は、前記制御部ＣのＲＯＭ等に記憶されたプログラムに従って行われる。また、この処理は前記制御部Ｃの他の各種処理と並行してマルチタスクで実行される。
【００６３】
図１０に示すフローチャートは、前記制御部Ｃの前記個人認証プログラムＡＰ１が起動した場合に開始される。
図１０のＳＴ１において、メイン画像１０１から登録開始ボタン１０１ａが選択されたか否かを判別することにより、使用者の登録を開始するか否かを判別する。イエス（Ｙ）の場合はＳＴ２に移り、ノー（Ｎ）の場合はＳＴ１を繰り返す。
ＳＴ２において、以下の（１），（２）の処理を実行し、ＳＴ３に移る。
（１）登録開始画像１０２（図６参照）をフロントモニタＦＭに表示する。
（２）試行回数ｎに１をセットする（ｎ＝１）
ＳＴ３において、検知開始案内画像１０３（図７Ａ参照）を案内表示部１０２ａに表示する。そして、ＳＴ４に移る。
【００６４】
ＳＴ４において、センサシートＳＮの各ボタンセンサＳＮ１が各圧力値を検知してから各圧力値が変化しなくなったか否かを判別することにより、使用者が運転席ＣＨに着座したか否かを判別する。すなわち、３６０マスの検知領域のいずれかから圧力検知センサＳＮの各ボタンセンサＳＮ１が圧力値を検知（圧力分布を出力）したか否かを判別する。イエス（Ｙ）の場合はＳＴ５に移り、ノー（Ｎ）の場合はＳＴ４を繰り返す。
ＳＴ５において、３６０個の各ボタンセンサＳＮ１の各圧力値から３５種類の特徴量を演算して記憶する。そして、ＳＴ６に移る。
ＳＴ６において、試行回数ｎが最大値ＭＮ［回］以上であるか否かを判別する（ｎ≧ＭＮ）。ノー（Ｎ）の場合はＳＴ７に移り、イエス（Ｙ）の場合はＳＴ９に移る。
ＳＴ７において、以下の（１），（２）の処理を実行し、ＳＴ８に移る。
（１）検知完了案内画像１０４（図７Ｂ参照）を案内表示部１０２ａに表示する。
（２）試行回数ｎに＋１を加算する（ｎ＝ｎ＋１）。
【００６５】
ＳＴ８において、センサシートＳＮの各ボタンセンサＳＮ１が各圧力値を検知しなくなったか否かを判別することにより、使用者が運転席ＣＨから離席したか否かを判別する。イエス（Ｙ）の場合はＳＴ３に戻り、ノー（Ｎ）の場合はＳＴ８を繰り返す。
ＳＴ９において、以下の（１）〜（４）の処理を実行し、ＳＴ１０に移る。
（１）各特徴量を平均０、標準偏差１に正規化することにより、使用者の単位空間を生成する。
（２）生成された単位空間から式（２）によって演算された相関係数ｒｉｊを各成分とする数１の式（３）の３５行３５列の相関行列Ｒを演算する。
（３）使用者と演算された相関行列Ｒとを関連付けて記憶する。
（４）登録完了画像１０５（図８参照）をフロントモニタＦＭに表示する。
【００６６】
ＳＴ１０において、登録確認ボタン１０５ａが選択されたか否かを判別することにより、使用者が登録を確認したか否かを判別する。イエス（Ｙ）の場合はＳＴ１１に移り、ノー（Ｎ）の場合はＳＴ１０を繰り返す。
ＳＴ１１において、登録完了画像１０５を非表示にすることにより、メイン画像１０１をフロントモニタＦＭに再表示する。そして、ＳＴ１に戻る。
【００６７】
（実施例１の制御部Ｃの認証処理の説明）
図１１は実施例１の認証処理のフローチャートである。
図１１のフローチャートの各ＳＴ（ステップ）の処理は、前記制御部ＣのＲＯＭ等に記憶されたプログラムに従って行われる。また、この処理は前記制御部Ｃの他の各種処理と並行してマルチタスクで実行される。
【００６８】
図１１に示すフローチャートは、前記制御部Ｃの前記個人認証プログラムＡＰ１が起動した場合に開始される。
図１１のＳＴ１０１において、センサシートＳＮの各ボタンセンサＳＮ１が各圧力値を検知してから各圧力値が変化しなくなったか否かを判別することにより、披験者が運転席ＣＨに着座したか否かを判別する。イエス（Ｙ）の場合はＳＴ１０２に移り、ノー（Ｎ）の場合はＳＴ１０１を繰り返す。
ＳＴ１０２において、以下の（１），（２）の処理を実行し、ＳＴ１０３に移る。
（１）３６０個の各ボタンセンサＳＮ１の各圧力値から３５種類の特徴量を演算する。
（２）人数ｐに１をセットする（ｐ＝１）。
【００６９】
ＳＴ１０３において、式（４）〜（６）によって、演算された特徴量に基づく特徴量行列ＵｐＴ，Ｕｐ（３５行１列、１行３５列）と、ｐ人目の使用者の相関行列Ｒｐ（３５行３５列）とに基づいて、ｐ人目の使用者の認証基準としての披験者のマハラノビス距離Ｄｐを演算する。そして、ＳＴ１０４に移る。
ＳＴ１０４において、マハラノビス距離Ｄｐが閾値ＳＤ（ＳＤ＝２００）以下であるか否かを判別する（Ｄ≦２００）。イエス（Ｙ）の場合はＳＴ１０５に移り、ノー（Ｎ）の場合はＳＴ１０８に移る。
ＳＴ１０５において、以下の（１），（２）の処理を実行し、ＳＴ１０６に移る。
（１）成功画像２０１（図９Ａ参照）をフロントモニタＦＭに表示する。
（２）エンジンスタートのロックを解除する。
【００７０】
ＳＴ１０６において、後述する図１２に示す登録更新処理を実行する。そして、ＳＴ１０７に移る。
ＳＴ１０７において、成功確認ボタン２０１ａが選択されたか否かを判別することにより、披験者、すなわち、ｐ人目の使用者が認証の成功を確認したか否かを判別する。イエス（Ｙ）の場合はＳＴ１１２に移り、ノー（Ｎ）の場合はＳＴ１０７を繰り返す。
ＳＴ１０８において、人数ｐが最大値ＭＰ［人］以上であるか否かを判別する（ｐ≧ＭＰ）。ノー（Ｎ）の場合はＳＴ１０９に移り、イエス（Ｙ）の場合はＳＴ１１０に移る。
【００７１】
ＳＴ１０９において、人数ｐに＋１を加算する（ｐ＝ｐ＋１）。そして、ＳＴ１０３に戻る。
ＳＴ１１０において、失敗画像２０２（図９Ｂ参照）をフロントモニタＦＭに表示する。そして、ＳＴ１１１に移る。
ＳＴ１１１において、失敗確認ボタン２０２ａが選択されたか否かを判別することにより、披験者が認証の失敗を確認したか否かを判別する。イエス（Ｙ）の場合はＳＴ１１２に移り、ノー（Ｎ）の場合はＳＴ１１１を繰り返す。
ＳＴ１１２において、各画像２０１，２０２を非表示にする。そして、ＳＴ１０１に戻る。
【００７２】
（実施例１の制御部Ｃの登録更新処理のフローチャートの説明）
図１２は実施例１の登録更新処理のフローチャートであり、図１１のＳＴ１０６のサブルーチンの説明図である。
図１２のＳＴ２０１において、記憶順が最先の第１組目の各特徴量を図１１のＳＴ１０２において演算された各特徴量に更新する。
ＳＴ２０２において、各特徴量を平均０、標準偏差１に正規化することにより、使用者の単位空間を再生成する。そして、ＳＴ２０３に移る。
ＳＴ２０３において、以下の（１），（２）の処理を実行し、前記登録更新処理を終了して図１１のＳＴ１０６に戻る。
（１）再生成された単位空間から式（２）によって演算された相関係数ｒｉｊｐを各成分とする数１の式（３）の３５行３５列の相関行列Ｒｐを再演算する。
（２）ｐ人目の使用者と再演算された相関行列Ｒｐとを関連付けて記憶更新する。
【００７３】
（実施例１の作用）
前記構成を備えた実施例１の前記個人認証システムＳでは、前記登録処理（図１０のＳＴ１〜ＳＴ１１参照）によって、自動車Ｖの各使用者の相関行列Ｒ１〜ＲＭＰが登録された状態で、披験者が運転席ＣＨに着座すると、披験者が各使用者のいずれかであるかを認証する前記認証処理（図１１のＳＴ１０１〜ＳＴ１１２参照）が実行される。
【００７４】
実施例１の前記認証処理では、披験者が運転席ＣＨの座面ＣＨ１に着座し、センサシートＳＮの各ボタンセンサＳＮ１が各圧力値を検知してから各圧力値が変化しなくなった後、３６０個の各ボタンセンサＳＮ１の各圧力値から３５種類の特徴量が演算される。そして、演算された特徴量に基づく特徴量行列Ｕｐと、予め記憶された各使用者の相関行列Ｒｐとに基づいて演算された披験者のマハラノビス距離Ｄｐ（式（４）〜（６）参照）が閾値ＳＤ（ＳＤ＝２００）以下であれば、披験者が使用者であると認証される。
したがって、実施例１の前記個人認証システムＳは、品質工学におけるＭＴシステムを利用して個人認証を行うことができる。
【００７５】
ここで、前記特許文献１では、圧力センサの信号に基づく圧力分布データ（測定情報）と、予め記憶された使用者の圧力分布データ（記憶情報、登録情報）とが所定誤差の範囲内で一致するか否かを判別する。このため、例えば、着座した姿勢が登録時と異なる場合、本人の圧力分布データでも前記所定誤差の範囲内で一致しない可能性があった。また、例えば、「体重」や「座面の面積」や「座面の形状」等の身体的特徴が本人に近い他人の圧力分布データが前記所定誤差の範囲内で一致する可能性があった。
【００７６】
また、前記特許文献２では、靴底圧力センサの信号に基づく靴底の外輪郭線および接地点、すなわち、靴底圧力パターン（測定情報）と、予め記憶された使用者の靴底圧力パターン（記憶情報、登録情報）とが一致するか否かを判別する。このため、前記特許文献１と同様に、例えば、靴底圧力センサ上に乗った姿勢が登録時と異なる場合に、本人の靴底圧力パターンでも一致しない可能性があった。また、例えば、「体重」や「靴のサイズ」や「靴底の面積」等の身体的特徴が本人に近い他人の靴底圧力パターンが一致する可能性があった。
この結果、前記特許文献１、２のように、圧力センサの測定情報（圧力分布データ、靴底圧力パターン）をそのまま入力パラメタとして個人認証を行った場合、本人を本人でないと誤認したり、他人を本人であると誤認したりする可能性が高いという問題があった。
【００７７】
これに対して、実施例１では、各ボタンセンサＳＮ１が検知した各圧力値どうしの関連性を特定する各特徴量、すなわち、個人の身体的特徴の値を入力パラメタとしている。また、実施例１では、異なる２つの特徴量どうしの相関を特定する予め記憶された相関係数ｒｉｊｐ（記憶情報、登録情報）、すなわち、各身体的特徴どうしの相関の個人差に基づく値からマハラノビス距離Ｄｐを演算して個人認証を行っている。
【００７８】
このため、例えば、センサシートＳＮ上に着座した本人の姿勢が登録時と異なる場合でも、姿勢の違いによる圧力分布の変化に応じた各特徴量の変化に基づいて相関係数ｒｉｊｐが演算されているため、本人の相関係数ｒｉｊｐから演算された本人のマハラノビス距離Ｄｐの値が小さくなる。また、例えば、「体重」や「座面の面積」や「座面の形状」等の身体的特徴が本人に近い他人の場合でも、「骨盤の骨格」等の他の身体的特徴によって圧力分布には個人差があり、且つ、「体重」の変化と「座面の面積」の変化との相関等にも個人差があるため、本人の相関係数ｒｉｊｐから演算された他人のマハラノビス距離Ｄｐの値が大きくなる。
この結果、実施例１の前記個人認証システムＳは、前記特許文献１、２の構成に比べ、測定時の圧力分布が登録時から変化した場合でも、本人を本人と認識し且つ他人を本人でないと認識する個人認証の精度を高くすることができる。
【００７９】
また、前記非特許文献１では、圧力センサの信号に基づく圧力分布データ（測定情報）と、サポートベクターマシンの予め記憶された結合荷重（記憶情報、登録情報）とに基づいて演算された出力値によって個人認証を行っている。すなわち、前記特許文献１、２と同様に、圧力センサの測定情報（圧力分布データ、靴底圧力パターン）をそのまま入力パラメタとして個人認証を行っている。この結果、学習データ（訓練サンプル）が十分でなければ、着座した姿勢の違いによって本人の圧力分布データが変化して本人でないと誤認したり、「体重」や「座面の面積」や「座面の形状」等の身体的特徴が本人に近い他人の圧力分布データで本人であると誤認したりする可能性があった。
【００８０】
これに対し、実施例１では、各身体的特徴どうしの相関の個人差に基づく値として相関係数ｒｉｊｐが演算されており、学習データ（訓練サンプル）が十分でなくても、本人と他人との相関係数ｒｉｊｐの値の個人差が得られ易くなっている。よって、実施例１では、少ない学習量でも、本人の相関係数ｒｉｊｐから演算された本人のマハラノビス距離Ｄｐの値が小さくなり易く且つ他人のマハラノビス距離Ｄｐの値が大きくなり易くなっている。この結果、実施例１の前記個人認証システムＳは、前記非特許文献１の構成に比べ、少ない学習量でも本人を本人と認識し且つ他人を本人でないと認識する個人認証の精度を高くすることができる。
【００８１】
（実験例）
ここで、ＭＴシステムを用いた実施例１の前記個人認証システムＳが、前記認証処理を実行することにより、高い識別率を得られるかを調べるために、５人の被験者（披験者且つ使用者）に対して、運転席ＣＨの背もたれＣＨ２に寄り掛かって足を自然に下ろした状態で着座・離席を繰り返す実験を行った。
（実験条件）
実験例では、前記登録処理については、５人の被験者（Ａ，Ｂ，Ｃ，Ｄ，Ｅ）に対して、運転席ＣＨの座面ＣＨ１への着座・離席を、それぞれ２回（２セット）試行させて各被験者の特徴量や相関行列Ｒｐを順番に登録させている（ＭＰ＝５，ＭＮ＝２）。また、各被験者に対しては、座面ＣＨ１への着座・離席を、それぞれ２回（２セット）実行させ、１セット中に、１秒間当たり３０フレームで１０秒間、合計３００フレームの圧力分布をセンサシートＳＮに出力させて前記特徴量や前記相関行列Ｒｐを登録した。すなわち、各被験者の２セットの着座・離席によって５人分の各特徴量をそれぞれ６００組づつ演算し（２×３００＝６００［個］）、５人分の相関行列を演算（記憶）させた。
【００８２】
また、前記認証処理については、ＳＴ１０４〜ＳＴ１０７，ＳＴ１１０〜ＳＴ１１２の各処理を省略し、ＳＴ１０１〜ＳＴ１０３，ＳＴ１０８，ＳＴ１０９の各処理のみを実行した。すなわち、前記実験例では、閾値ＳＤによる判別（個人認証）やその結果を表示する処理を実行せずに、５人全員のマハラノビス距離Ｄｐ（Ｄ１，Ｄ２，Ｄ３，Ｄ４，Ｄ５）を演算（記憶）させた。また、各被験者に対しては、座面ＣＨ１への着座・離席を、それぞれ１回（１セット）実行させ、１セット中に、１秒間当たり３０フレームで１０秒間、合計３００フレームの圧力分布をセンサシートＳＮに出力させて前記マハラノビス距離Ｄｐを演算した。すなわち、各被験者の１セットの着座・離席によって５種類の各マハラノビス距離Ｄ１〜Ｄ５をそれぞれ３００個演算（記憶）させた。
なお、前記実験例では、前記センサシートＳＮとして、ニッタ株式会社製の「コンフォ・ライト（Conform-Light）」を使用した。
【００８３】
（実験結果）
図１３は実施例１の作用説明図であり、縦軸をマハラノビス距離の常用対数とし横軸を５人の被験者ごとに等分割されたフレームとした認証結果の片対数グラフであり、図１３Ａは被験者Ａを使用者とした場合の各被験者の認証結果のグラフであり、図１３Ｂは被験者Ｂを使用者とした場合の各被験者の認証結果のグラフである。
前記実験例では、図１３Ａに示すように、使用者を被験者Ａとした場合、すなわち、被験者Ａの相関行列Ｒ１でマハラノビス距離Ｄ１が演算された場合、被験者Ａ本人については、マハラノビス距離Ｄ１が全て２００以下となっていることがわかる（Ｄ１≦ＳＤ）。すなわち、本人拒否率が０［％］（本人許容率が１００［％］）となっていることがわかる。また、その他の被験者Ｂ〜Ｅについては、マハラノビス距離Ｄ１が全て２００を越えていることもわかる（Ｄ１＞ＳＤ）。すなわち、他人許容率が０［％］（他人拒否率が１００［％］）となっていることがわかる。
【００８４】
また、図１３Ｂに示すように、使用者を被験者Ｂとして被験者Ｂの相関行列Ｒ２でマハラノビス距離Ｄ２が演算された場合についても、使用者を被験者Ａとした場合と同様に、本人拒否率が０［％］（本人許容率が１００［％］）且つ他人許容率が０［％］（他人拒否率が１００［％］）となっていることがわかる。なお、使用者を被験者Ｃ〜Ｅとした場合についても、使用者を被験者Ａ、Ｂとした場合と同様に、本人拒否率が０［％］（本人許容率が１００［％］）且つ他人許容率が０［％］（他人拒否率が１００［％］）となっていることが確認された。
この結果、実施例１の前記個人認証システムＳは、着座ごとのセンサシートＳＮに乗る位置や姿勢の僅かな違いや、着座中におけるセンサシートＳＮに姿勢等の僅かな変化によって、本人を本人でないと誤認したり、他人を本人であるとの誤認したりすることなく個人認証を実行することが可能となることが確認された。
また、実施例１の前記個人認証システムＳは、運転席ＣＨの座面ＣＨ１への着座・離席の試行を２セットだけ実行するだけで、高い識別率で個人認証を実行することが可能となることが確認された。
【００８５】
また、前記構成を備えた実施例１の前記個人認証システムＳでは、前記認証処理によって、披験者がｐ人目の使用者であると認証された場合に、前記登録更新処理によって、登録情報としての相関行列Ｒｐ等を更新する前記登録更新処理（図１２のＳＴ２０１〜ＳＴ２０３参照）が実行される。
この結果、実施例１の前記個人認証システムＳは、使用者の最新の圧力分布に基づく特徴量が反映された相関行列Ｒｐによって、披験者が使用者であるか否かを認証することができる。よって、使用者の身体的特徴（体重等）が登録時から経時的に変化した場合でも、前記登録更新処理を繰り返すことによって本人を本人でないと誤認することを低減することができる。
【実施例２】
【００８６】
次に、本発明の実施例２の説明をするが、この実施例２の説明において、前記実施例１の構成要素に対応する構成要素には同一の符号を付して、その詳細な説明を省略する。
この実施例２は、下記の点で前記実施例１と相違しているが、他の点では前記実施例１と同様に構成されている。
【００８７】
図１４は実施例２の個人認証システムの全体説明図であり、実施例１の図１Ｂに対応する説明図である。
図１４において、本発明の実施例２の個人認証システムＳ′は、使用者（被検者、登録者、入室者、入室が許可された者、部屋の管理者や責任者）が入室する管理室の自動ドアＡＤの入室管理装置（個人認証装置）ＮＫに設けられている。実施例２の前記自動ドアＡＤは、左右方向にスライド可能な片引き戸ＡＤ１と、右方にスライドした前記片引き戸ＡＤ１を収容する戸袋ＡＤ２とを有する。すなわち、実施例２の前記片引き戸ＡＤ１は、前記管理室の入り口を塞ぐ閉塞位置と、前記戸袋ＡＤ２に収容されて前記入り口を開放する開放位置との間をスライド移動可能に構成されている。
この結果、実施例２では、使用者が前記閉塞位置に配置された前記片引き戸ＡＤ１の前方に一旦直立するのが自然な行動となっている。
【００８８】
また、前記自動ドアＡＤの前方の床面（廊下）ＦＬには、実施例２のセンサシートＳＮが前記閉塞位置の前方に敷設されている。実施例２の前記センサシートＳＮは、直立した使用者の足裏の圧力分布を出力する。なお、実施例２の前記センサシートＳＮは、実施例１の前記センサシートＳＮに比べ、無線で前記入室管理装置ＮＫに接続可能に構成されている点が異なるだけで、圧力分布を出力する構成については前記センサシートＳＮと同様に構成されている。
また、実施例２の入室管理装置ＮＫは、いわゆる、コンピュータ装置により構成されており、図示しない制御部等により構成されている。
【００８９】
（実施例２の入室管理装置ＮＫの制御部の説明）
図１５は実施例２の入室管理装置の機能をブロック図（機能ブロック図）で示した説明図であり、実施例１の図３に対応する説明図である。
図１５において、実施例２の前記入室管理装置（個人認証装置）ＮＫの制御部は、実施例１の前記メイン画像表示手段Ｃ１と、前記登録手段Ｃ２と、前記登録更新手段Ｃ７とを有する。また、前記制御部は、前記ロック判別手段Ｃ３と、前記エンジンスタートロック手段Ｃ４と、前記認証手段Ｃ５と、前記エンジンスタートロック解除手段Ｃ６とに替えて、ロック判別手段Ｃ３′と、自動ドアロック手段Ｃ４′と、認証手段Ｃ５′と、自動ドアロック解除手段Ｃ６′とを有する。さらに、前記制御部には、自動ドア制御手段Ｃ８が新たに追加されている。
なお、実施例２のメイン画像表示手段Ｃ１は、自動ドアＡＤの制御に関するメイン画像１０１（図５参照）を入室管理装置ＮＫのフロントモニタＦＭに表示する。また、実施例２の登録手段Ｃ２の特徴量演算手段Ｃ２Ｅでは、実施例１の（１）〜（３５）に替えて、以下の（１′）〜（３５′）の各特徴が予め設定されている。
【００９０】
（１′）使用者の両足裏の面積
（２′）１以上の圧力値を有するボタンセンサ内における各圧力値の平均
（３′）１以上の圧力値を有するボタンセンサ内における各圧力値の分散
（４′）１〜５０の圧力値を有するボタンセンサ内における各圧力値の分散
（５′）５１〜１００の圧力値を有するボタンセンサ内における各圧力値の分散
（６′）１０１〜１５０の圧力値を有するボタンセンサ内における各圧力値の分散
（７′）１５１〜２００の圧力値を有するボタンセンサ内における各圧力値の分散
（８′）２０１〜２５５の圧力値を有するボタンセンサ内における各圧力値の分散
（９′）１以上の圧力値を有するボタンセンサの数
（１０′）１〜５０の圧力値を有するボタンセンサの数
【００９１】
（１１′）５１〜１００の圧力値を有するボタンセンサの数
（１２′）１０１〜１５０の圧力値を有するボタンセンサの数
（１３′）１５１〜２００の圧力値を有するボタンセンサの数
（１４′）２０１〜２５５の圧力値を有するボタンセンサの数
（１５′）使用者の両足裏の伸張度
（１６′）使用者の両足裏の円形度
（１７′）使用者の両足裏の最大圧力の面積
（１８′）全体の総圧力（各圧力値の合計値）
（１９′）使用者の両足裏の周囲長
【００９２】
（２０′）使用者の両足裏の爪先の面積
（２１′）使用者の両足裏の爪先における１以上の圧力値を有するボタンセンサのみの各圧力値の平均
（２２′）使用者の両足裏の爪先における１以上の圧力値を有するボタンセンサのみの各圧力値の分散
（２３′）使用者の両足裏の土踏まずの面積
（２４′）使用者の両足裏の土踏まずにおける１以上の圧力値を有するボタンセンサのみの各圧力値の平均
（２５′）使用者の両足裏の土踏まずにおける１以上の圧力値を有するボタンセンサのみの各圧力値の分散
【００９３】
（２６′）使用者の両足裏の踵の面積
（２７′）使用者の両足裏の踵における１以上の圧力値を有するボタンセンサのみの各圧力値の平均
（２８′）使用者の両足裏の踵における１以上の圧力値を有するボタンセンサのみの各圧力値の分散
（２９′）面積中心と荷重中心間の距離
（３０′）全体の最大圧力（各圧力値の最大値）
（３１′）１〜５０の圧力値を有するボタンセンサ内における２次モーメント
（３２′）５１〜１００の圧力値を有するボタンセンサ内における２次モーメント
（３３′）１０１〜１５０の圧力値を有するボタンセンサ内における２次モーメント
（３４′）１５１〜２００の圧力値を有するボタンセンサ内における２次モーメント
（３５′）２０１〜２５５の圧力値を有するボタンセンサ内における２次モーメント
【００９４】
Ｃ３′：ロック判別手段
ロック判別手段（離隔判別手段）Ｃ３′は、自動ドアＡＤのロックを実行するか否かを判別する。実施例２の前記ロック判別手段Ｃ３′は、自動ドアＡＤの片引き戸ＡＤ１が閉塞位置に配置され、且つ、センサシートＳＮの各ボタンセンサＳＮ１が各圧力値を検知していない場合に、自動ドアＡＤのロックを実行すると判別する。
Ｃ４′：自動ドアロック手段
自動ドアロック手段Ｃ４′は、自動ドアＡＤのロックを実行すると判別された場合に、自動ドアＡＤの片引き戸ＡＤ１をスライド移動不能な状態にする。すなわち、自動ドアＡＤの開閉をロックする。
【００９５】
Ｃ５′：認証手段
認証手段Ｃ５′は、実施例１の前記認証手段Ｃ５に比べ、前記着座判別手段Ｃ５Ａと前記認証表示手段Ｃ５Ｈと前記認証確認判別手段Ｃ５Ｊとに替えて、直立判別手段Ｃ５Ａ′と認証表示手段Ｃ５Ｈ′と認証確認判別手段Ｃ５Ｊ′とを有する。前記認証手段Ｃ５′は、センサシートＳＮ上に直立した披験者（被検体、披検者、被験体、直立者、第三者）が登録済の使用者であるか否かを認証する。なお、実施例２の前記特徴量演算手段Ｃ５Ｂは、前記特徴量演算手段Ｃ２Ｅと同様に、（１′）〜（３５′）の被験者の各特徴量を演算する。
Ｃ５Ａ′：直立判別手段
直立判別手段Ｃ５Ａは、前記検知開始判別手段Ｃ２Ｄと同様に、センサシートＳＮが圧力分布の検知を開始したか否か、すなわち、披験者が床面ＦＬのセンサシートＳＮに乗って直立しているか否かを判別する。
【００９６】
Ｃ５Ｈ′：認証表示手段
認証表示手段Ｃ５Ｈ′は、認証結果（認証が成功した旨、認証が失敗した旨）を表示する。実施例２の前記認証表示手段Ｃ５Ｈ′は、前記使用者認証手段Ｃ５Ｅによって披験者がｐ人目の使用者であると認証された場合、認証が成功した旨を示す成功通知音を鳴らすと共に、前記使用者認証手段Ｃ５Ｅによって披験者がｐ人目の使用者であると認証された場合、認証が失敗した旨を示す失敗通知音を鳴らすことにより、認証結果を表示する。
Ｃ５Ｊ′：認証確認判別手段
認証確認判別手段Ｃ５Ｊ′は、披験者に認証結果を確認したか否かを判別する。実施例２の前記認証確認判別手段Ｃ５Ｊ′は、センサシートＳＮの各ボタンセンサＳＮ１が各圧力値を検知しなくなったか否かを判別することにより、披験者が認証の失敗を確認したか否かを判別する。
【００９７】
Ｃ６′：自動ドアロック解除手段
自動ドアロック解除手段Ｃ６′は、前記使用者認証手段Ｃ５Ｅによって被験者がｐ人目の使用者であると認証された場合に、自動ドアＡＤの開閉のロックを解除する。
Ｃ８：自動ドア制御手段
自動ドア制御手段Ｃ８は、前記自動ドアロック解除手段Ｃ６′によって自動ドアＡＤのロックが解除された場合に、自動ドアＡＤの片引き戸ＡＤ１の閉塞位置と開放位置との間のスライド移動を制御する。
【００９８】
（実施例２のフローチャートの説明）
次に、実施例２の前記入室管理装置ＮＫの各プログラムの処理の流れをフローチャートを使用して説明する。なお、実施例２の登録処理については、実施例１の前記登録処理（図１０参照）の「運転席ＣＨに着座」を「センサシートＳＮ上に直立」とし、「運転席ＣＨから離席」を「センサシートＳＮから離間」とするだけで、同様の説明となるため、図示および詳細な説明を省略する。また、実施例２の登録更新処理については、実施例１の前記登録更新処理（図１２参照）と同様であるため、図示および詳細な説明を省略する。
【００９９】
（実施例２の入室管理装置ＮＫの認証処理の説明）
図１６は実施例２の入室管理装置の認証処理のフローチャートであり、実施例１の図１１に対応する説明図である。
図１６において、実施例２の認証処理は、実施例１の認証処理（図１１参照）のＳＴ１０１，ＳＴ１０５，ＳＴ１１０，ＳＴ１１１に替えて、ＳＴ１０１′，ＳＴ１０５′，ＳＴ１１０′，ＳＴ１１１′が実行され、実施例１のＳＴ１０７，ＳＴ１１２が省略されている。また、前記認証処理は、ＳＴ１０６の実行後にＳＴ１０１′に戻る以外は、ＳＴ１０２〜ＳＴ１０４，ＳＴ１０８，１０９については、実施例１と同様であるため、詳細な説明を省略する。
【０１００】
図１６のＳＴ１０１′において、センサシートＳＮの各ボタンセンサＳＮ１が各圧力値を検知してから各圧力値が変化しなくなったか否かを判別することにより、披験者がセンサシートＳＮ上に直立したか否かを判別する。イエス（Ｙ）の場合はＳＴ１０２に移り、ノー（Ｎ）の場合はＳＴ１０１′を繰り返す。
ＳＴ１０５′において、以下の（１）〜（３）の処理を実行し、ＳＴ１０６に移る。
（１）成功通知音を鳴らす。
（２）自動ドアＡＤの開閉のロックを解除する。
（３）自動ドアＡＤを開閉する。
ＳＴ１１０′において、失敗通知音を鳴らす。そして、ＳＴ１０１′に戻る。
ＳＴ１１１′において、被験者がセンサシートＳＮから離れたか否かを判別する。イエス（Ｙ）の場合はＳＴ１０１′に戻り、ノー（Ｎ）の場合はＳＴ１１０′に戻る。
【０１０１】
（実施例２の作用）
前記構成を備えた実施例２の前記個人認証システムＳ′は、前記登録処理（図１０のＳＴ１〜ＳＴ１３参照）によって、ＭＰ人の使用者の相関行列Ｒ１〜ＲＭＰが登録された状態で、披験者がセンサシートＳＮ上に直立すると、披験者がＭＰ人の使用者であるかを認証する前記認証処理（図１６のＳＴ１０１′〜ＳＴ１１１′参照）が実行される。
【０１０２】
実施例２の前記認証処理では、実施例１の前記認証処理と同様に、披験者が床面ＦＬ上のセンサシートＳＮに乗って直立し、演算された披験者のマハラノビス距離Ｄｐが閾値ＳＤ（ＳＤ＝２００）以下であれば、披験者が使用者であると認証される。
したがって、実施例２の前記個人認証システムＳ′は、実施例１の前記個人認証システムＳと同様に、ＭＴシステムを用いて個人認証を行うことができる。
【０１０３】
また、実施例２の前記個人認証システムＳ′についても、実施例１と同様に、前記認証処理を実行することにより、高い識別率を得られるかを実験した。具体的には、前記個人認証システムＳ′を工場等で利用することを想定し、２０人の被験者（披験者且つ使用者）に対して、同種の内履きの一例としての静電靴を履いた状態でセンサシートＳＮ上で直立・離間を繰り返す実験を行った。この結果、２０人の被験者全員について、本人拒否率０［％］（本人許容率１００［％］）且つ他人許容率０［％］（他人拒否率１００［％］）となることが確認された。
その他、実施例２の前記個人認証システムＳ′は、実施例１の前記個人認証システムＳと同様の作用効果を奏する。
【０１０４】
（変更例）
以上、本発明の実施例を詳述したが、本発明は、前記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で、種々の変更を行うことが可能である。本発明の変更例（Ｈ01）〜（Ｈ016）を下記に例示する。
（Ｈ01）前記実施例の前記センサシートＳＮには、縦２０マス、横１８マス（セル）、合計３６０マス（２０×１８＝３６０［マス］）の検知領域に３６０個のボタンセンサＳＮ１が配置されているが、これに限定されず、ボタンセンサＳＮ１の数を２個以上３５９個以下や３６１個以上に増減することも可能である。この場合、例えば、ボタンセンサＳＮ１の数を２個とすると、マハラノビス距離Ｄｐを演算するための特徴量が演算不能となったり、不正確な特徴量が演算されたりする可能性があるため、個人認証システムＳ，Ｓ′が要求する各特徴の内容やその種類の数や本人拒否率［％］や他人許容率［％］に応じてボタンセンサＳＮ１の数を減少させる必要がある。
【０１０５】
（Ｈ02）前記実施例では、センサシートＳＮを座面ＣＨ１や床面ＦＬに敷設したが、これに限定されず、例えば、座面ＣＨ１や床面ＦＬに埋設することも可能である。この場合、ボタンセンサ（感圧導電性インク）ＳＮ１と電極ＳＮ２とが接触し難くなり、圧力値を検知し難くなる可能性があるため、埋設しても圧力分布が検知し易いその他の圧力検知部材を適用することも可能である。
（Ｈ03）前記実施例１では、使用者および被験者が着座する運転席ＣＨの座面ＣＨ１にのみセンサシートＳＮを敷設したが、これに限定されず、例えば、運転席ＣＨの背もたれＣＨ２や肘掛けやシートベルト等にも配置して圧力分布を出力することも可能である。また、個人認証を精度良く実行するために座面ＣＨ１にセンサシートＳＮを敷設することが好ましいが、例えば、座面ＣＨ１のセンサシートＳＮを省略し、背もたれＣＨ２や肘掛けやシートベルト等にのみセンサシートを配置して各圧力分布を出力することも可能である。
【０１０６】
（Ｈ04）前記実施例では、各ボタンセンサＳＮ１によって検知された各圧力値に基づいて３５種類の特徴量を演算したが、これに限定されず、例えば、個人認証システムＳ，Ｓ′が要求する本人拒否率［％］や他人許容率［％］に応じて特徴量の種類を２種類以上３４種類以下に減少させることも可能である。なお、前記実施例１において、３種類の特徴量のみが演算されて１行３列の特徴量行列Ｕｐと３行３列の相関行列Ｒｐとによってマハラノビス距離Ｄｐが演算された場合には（図１１のＳＴ１０３参照）、約６割の本人許容率［％］となり、５種類の特徴量のみが演算されて１行５列の特徴量行列Ｕｐと５行５列の相関行列Ｒｐとによってマハラノビス距離Ｄｐが演算された場合には、７割以上の本人許容率［％］となることが実験等によって確認されている。また、特徴量の種類を３６種類以上に増加させることも可能である。なお、前記実施例１において、３６種類以上とする場合、例えば、以下の（３６）〜（４３）の特徴を追加することも可能である。
（３６）使用者の左半身における圧力値が０のボタンセンサに隣接している左側最高圧力値の５０％以上の圧力値を有するボタンセンサの数
（３７）使用者の右半身における圧力値が０のボタンセンサに隣接している右側最高圧力値の５０％以上の圧力値を有するボタンセンサの数
（３８）後端から使用者の尻の中央（割れ目の後端）までの距離
（３９）後端から使用者の股（割れ目の前端）までの距離
（４０）左端から使用者の左脚の右端までの距離
（４１）左端から使用者の右脚の左端までの距離
（４２）左側最高圧力値の７５％以上の圧力値を有するボタンセンサの上下左右に隣接するボタンセンサの数（検知領域を囲むのマス単位の周囲長）
（４３）右側最高圧力値の７５％以上の圧力値を有するボタンセンサの上下左右に隣接するボタンセンサの数
【０１０７】
（Ｈ05）前記実施例では、使用者の登録情報として、「登録番号ｐ」と「ＭＮ組の各特徴量」と「相関行列Ｒｐ（相関計数ｒｉｊｐ）」とを関連付けて記憶したが、前記登録情報としてはこれに限定されず、例えば、前記使用者の氏名や顔写真等の個人情報を関連付けて記憶することも可能である。
（Ｈ06）前記実施例では、３５種類の各特徴量を平均が０且つ標準偏差が１となるようにそれぞれ正規化して相関行列Ｒを演算したが、正規化をせずに相関行列Ｒを演算することも可能である。この場合、演算された被験者の特徴量を使用者の平均μｉｐおよび標準偏差σｉｐによって基準化せずにマハラノビス距離Ｄｐが演算される。すなわち、式（４）を省略して式（５），（６）のみでマハラノビス距離Ｄｐが演算される。
（Ｈ07）前記実施例では、前記登録更新処理（図１２参照）によってｐ人目の使用者が認証された場合に、ｐ人目の使用者の相関行列Ｒｐを更新したが、これに限定されず、例えば、複数回の認証当たり１回だけ更新をするようにしたり、前回認証から予め設定された更新期間（例えば、３日、１週間、１ヶ月等）が経過していた場合にのみ更新したりすることも可能である。
（Ｈ08）前記実施例のように、前記登録更新処理（図１２参照）によって認証されたｐ人目の使用者の相関行列Ｒｐを更新することが好ましいが、これを省略することも可能である。
【０１０８】
（Ｈ09）前記実施例の３５種類の各特徴については、これに限定されず、他の特徴と置き換えることも可能であり、例えば、前記実施例１では、（１）〜（３５）の各特徴と（３６）〜（４５）の各特徴とを置き換えることも可能である。この場合、（１），（２），（１１），（１６），（３２），（３３）の各特徴については、個人認証の精度向上に寄与する割合が特に大きいと考えられるため、置き換えずに残しておくことが好ましい。
（Ｈ010）前記実施例では、被験者のマハラノビス距離Ｄｐに対する各使用者の閾値ＳＤを２００に設定したが、これに限定されず、個人認証システムＳ，Ｓ′が要求する本人拒否率［％］や他人許容率［％］に応じて設定変更することも可能である。
【０１０９】
（Ｈ011）前記実施例１では、成功画像２０１（図９Ａ参照）や失敗画像２０２（図９Ｂ参照）の確認ボタン２０１ａ，２０２ａによって認証結果を確認させているが、例えば、確認ボタン２０１ａ，２０２ａを省略することも可能である。この場合、例えば、各画像２０１，２０２を一定時間（例えば、５秒間）だけ表示した後に自動的に非表示とすることも可能である。
（Ｈ012）前記実施例では、認証失敗時に失敗画像２０２を表示したり、失敗通知音を鳴らしたりしたが、これに限定されず、例えば、防犯のため、警報（サイレン等）を鳴したり、警察や警備会社や警備室等に通報したりすることも可能である。
【０１１０】
（Ｈ013）前記実施例１では、運転席ＣＨの座面ＣＨ１に着座したのが使用者以外の他人であると判別された場合に、自動車Ｖの機能を完全に制限したが、これに限定されず、自動車Ｖの機能の一部の機能を制限することも可能である。例えば、他人であると判別された場合に、エンジンが低速でしか作動しないように制御することも可能である。この場合、地震等で自動車Ｖを放置しなければならない状況で救援員等の他人が所定の位置まで運転したり、ホテルに乗りつけた際に係員にキーを渡して駐車場まで運転させたりすることが可能となる。また、前記実施例１の個人認証システムＳの自動車Ｖへの適用範囲は自動車Ｖの機能の制限にも限定されず、例えば、使用者が予め登録したシートポジションやステアリングポジションに変更したり、室内空調を設定したり、音楽ＣＤ等やカーラジオを再生したりすること、いわゆる、カスタマイズに適用することも可能である。また、例えば、事故の状況をドライブレコーダ等で確認する際に運転手がどの使用者であったかを確認できるようにすることも可能である。
【０１１１】
（Ｈ014）前記実施例では、自動車Ｖのエンジンスタートのロックを解除したり、管理室の入室を管理したりするために、前記個人認証システムＳ，Ｓ′を利用したが、前記個人認証システムＳ，Ｓ′を用途についてはこれに限定されず、例えば、前記実施例１のように椅子を用いた個人認証については、会社や家庭のパーソナルコンピュータ（ＰＣ）の自動ログイン、会社での勤怠管理、家庭での在宅管理、病院や老人ホーム等での患者や老人の現在位置の把握、店舗（座席のある飲食店、理髪店・美容室等）での会員や常連等の顧客管理、入学試験や資格試験の替え玉受験防止等に利用することも可能である。
（Ｈ015）前記実施例では、前記登録処理（図１０のＳＴ１〜ＳＴ１１参照）において、ＭＮセットの着座・離席の試行によって演算されたＭＮ組の各特徴量から相関行列Ｒｐを演算したが、これに限定されず、例えば、２以上のフレーム数をｆ［フレーム］とした場合に（ｆ≧２）、ＭＮセットの試行によって、１セット中に出力されたｆフレームの圧力分布から、演算された合計（ＭＮ×ｆ）組の各特徴量によって相関行列Ｒｐを演算することも可能である。この場合、例えば、ＭＮ＝２，ｆ＝３００とすると、実験例と同様に、２セットの試行によって演算された６００組の各特徴量から相関行列Ｒｐを演算することが可能となる。
【０１１２】
（Ｈ016）前記実施例では、前記認証処理（図１１のＳＴ１０１〜ＳＴ１１２参照）において、１セットの着座・離席によって出力された１個の圧力分布から各使用者について１個のマハラノビスＤｐを演算したが、これに限定されず、例えば、１セット中に出力されたｆフレームの圧力分布から各使用者についてｆ個のマハラノビスＤｐを演算することも可能である。この場合、例えば、ｆ＝３００とすると、実験例と同様に、１セットの試行によって演算された３００個の各マハラノビスＤｐを演算することが可能となり、３００個全てのマハラノビスＤｐが閾値ＳＤ以下となった場合に、ｐ人目の使用者であると認証したり、１個以上のマハラノビスＤｐが閾値ＳＤ以下となった場合に、ｐ人目の使用者であると認証したりすることも可能である。
【符号の説明】
【０１１３】
Ｃ，ＮＫ…個人認証装置、Ｃ２Ｅ，Ｃ５Ｂ…特徴量演算手段、Ｃ２M1…相関係数記憶手段、Ｃ５Ｃ…距離演算手段、Ｃ５Ｄ…閾値判別手段、Ｃ５Ｅ…登録者認証手段、Ｃ５Ｈ，Ｃ５Ｈ′…認証表示手段、Ｃ７Ｄ…相関係数更新手段、ＣＨ…椅子、ＣＨ１…座面、Ｄｐ…マハラノビス距離、ＦＬ…床面、ｒｉｊｐ…相関係数、Ｓ…個人認証システム、ＳＤ…閾値、ＳＮ…圧力検知部材、ＳＮ１…第１検知部、第２検知部、ｕ１ｐ…第１特徴量、ｕ２ｐ…第２特徴量。
【技術分野】
【０００１】
本発明は、個人認証装置および個人認証システムに関する。
【背景技術】
【０００２】
近年、コンピュータシステムやセキュリティシステムの普及、発展に伴って、利用者や管理者等の個人（使用者、ユーザ）を認証する個人認証技術の利用が拡大している。特に、指紋や静脈や顔面等の身体的特徴に基づいて個人を認証するバイオメトリクス（biometrics）認証については、マンション等の入退室管理や、キャッシュカードやパスポートの認証手段等に採用され、広く普及している。しかしながら、前記バイオメトリクス認証では、指紋や静脈等を読み取るために読み取りセンサに指で触れたり手をかざしたりする等の所定の動作が使用者に要求される。このため、使用者が特別な作業・動作を行うことなく認証可能な個人認証技術についての研究、開発等についても積極的に行われている。
ここで、使用者の自然な行動に基づく個人認証技術に関する技術として、例えば、下記の特許文献１、２および非特許文献１に記載の技術が知られている。
【０００３】
特許文献１としての特開２００７−１７９４２２号公報には、ＰＣ（パソコン、Personal Computer）（２）を使用する際に使用者が着座する椅子（１）の座部（１１）内部に設けられた圧力センサ（１５）が前記ＰＣ（２）に接続されており、前記圧力センサ（１５）からの信号に基づいて、着座者がいるか否かを判別する技術が記載されている。また、特許文献１には、使用者が離席したと判別された場合に、前記ＰＣ（２）の利用を制限すると共に、着座者が着座した場合に、前記信号に基づいて作成された圧力分布データと、予め記憶された前記使用者の圧力分布データとが所定誤差の範囲内で一致するか否かを判別して、前記着座者が前記使用者であれば前記ＰＣ（２）の利用制限が解除される技術が記載されている。
【０００４】
なお、特許文献１では、前記座部（１１）の奥行き方向とそれに垂直な幅方向とを複数の領域に細分化し、どの領域にどれだけの圧力が付与されているかを示すデータにより前記圧力分布データが構成されている。
すなわち、特許文献１では、圧力センサ（１５）からの圧力分布データと、予め記憶された前記個人の圧力分布データとを各領域の圧力値の数列データとして照合し、所定の誤差の範囲内で一致する場合、例えば、各領域の数値の差分値が所定誤差の範囲内の場合や、数値が不一致の領域の数が所定誤差の範囲内の場合に、前記使用者であると認証できる技術が記載されている。
【０００５】
また、非特許文献１には、サポートベクターマシン（ＳＶＭ：Support Vector Machine）により、椅子の座面に取り付けられた３２個のセンサからの圧力値と、各圧力値の合計値との３３種類の各測定データから、個人を認証する技術が記載されている。なお、非特許文献１では、前記サポートベクターマシンが１９セットの試行によって各個人の特徴を学習した場合、すなわち、学習データ（訓練サンプル）が１９種類であった場合、例えば、一般家族を想定した５人の学生（研究所の男子学生）が着座して安定した状態のサンプルでは９８．３［％］の識別率で各個人を識別でき、小規模オフィスを想定した１０人の学生（研究所の男子学生）が着座して安定した状態のサンプルでも９６．６［％］の識別率で各個人を識別できたことが記載されている。
ここで、前記サポートベクターマシンとは、ニューラルネットを利用したパターン識別器であり、結合荷重（シナプス荷重）を乗算した複数の線形入力素子（ニューロン）の値の総和が予め設定された閾値を超えるか否かを示す出力値を出力する層状ニューラルネットである。
【０００６】
具体的には、入力層のｎ個の素子の値の集合（入力値）としての入力特徴ベクトルをｘ（ｘ＝（ｘ１，ｘ２，…，ｘｎ））とし、出力層の１個の素子の値（出力値）をｙとし、入力層の各素子と出力層の素子との結合荷重のベクトル（結合荷重ベクトル）をω（ω＝（ω１，ω２，…，ωｎ））とし、結合荷重ベクトルωの転置ベクトルをωＴとし、閾値をｈとした場合に、出力値ｙが以下の式（１）により示される。
ｙ＝ｓｉｇｎ（ωＴｘ−ｈ） …式（１）
＝ｓｉｇｎ（ｘ１ω１＋ｘ２ω２＋…＋ｘｎωｎ−ｈ）
【０００７】
なお、ｓｉｇｎ（ωＴｘ−ｈ）は、（ωＴｘ−ｈ）＞０の場合に＋１になり、（ωＴｘ−ｈ）≦０の場合に−１になる符号関数である。すなわち、各ベクトルｘ，ωの内積が閾値ｈを超える場合に＋１になり、超えない場合に−１になる２値関数である。
また、前記サポートベクターマシンは、学習データ、すなわち、一対の入力特徴ベクトルｘおよび出力値ｙから、各データ点との距離、すなわち、入力特徴ベクトルｘとの距離（マージン）が最大となる分離平面（超平面）を求めるマージン最大化という基準により、前記線形入力素子のパラメタを学習、すなわち、結合荷重ベクトルωを更新している。
【０００８】
特許文献２としての特開２００７−２１９９７４号公報には、床面や敷物に埋設され、来客（６１）や所員（７１）等の個人の靴底圧力パターンを前記個人の個人識別情報として取得する複数の靴底圧力センサ（４１〜４３）を有する床面センサ（４０）によって、前記個人を識別する技術が記載されている。特許文献２には、前記個人識別情報を受付窓口（２１０）の前方の床（６３）に埋設された靴底圧力センサ１（４１）によって取得して個人位置認識装置（１）に受付登録すると共に、建物の管理区域内の各部屋（８１〜８４）の入口扉（８６〜９１）に面する床に埋設された靴底圧力センサ２〜ｎ（４１）によって取得した前記個人識別情報に基づいて、受付登録された各個人の移動位置を識別することにより、各個人の行動を追跡して記録する技術が記載されている。
【０００９】
また、特許文献２には、各部屋の靴底圧力センサ（４１〜４３）によって測定された靴底の外輪郭線と所定圧力以上の接地点とに基づいて前記靴底圧力パターンを生成すると共に、前記所定圧力を調整して前記接地点の数を増減させることによって識別精度を設定する技術が記載されている。
すなわち、特許文献２では、各部屋の靴底圧力センサ（４１〜４３）により取得した靴底圧力パターンと、受付窓口（２１０）で予め記憶された各個人の靴底圧力パターンとを画像データとして照合し、前記外輪郭線と前記接地点とが一致する個人を検索して個人認証を行う技術が記載されている。
【先行技術文献】
【特許文献】
【００１０】
【特許文献１】特開２００７−１７９４２２号公報（要約書、「００１７」〜「００２３」、図１、図３、図４）
【特許文献２】特開２００７−２１９９７４号公報（要約書、「００２４」〜「００５０」、「００５４」、図１〜図３）
【非特許文献】
【００１１】
【非特許文献１】M.Yamada（ヤマダマサフミ）、他４名、“Soft authentication and behavior analysis using a chair with sensors attached: hipprint authentication（座面圧力認証用のセンサが取り付けられた椅子を用いたソフトな個人認証および行動分析）”、「online」、２００８年、Springer-Verlag（シュプリンガー・フェアラーク）、「２０１０年１１月１５日検索」、インターネット＜ＵＲＬ：https://www.pervasive.jku.at/Teaching/_2009SS/SeminarausPervasiveComputing/Begleitmaterial/Related%20Work%20%28Readings%29/2008_Soft%20authentication%20and%20behavior%20analysis%20using%20a%20chair%20with%20sensors%20attached%20-%20hipprint%20authentication%20_Kudo.pdf＞
【非特許文献２】“ニッタ株式会社 [ 製品情報 ] -タクタイルセンサシステム”、「online」、ニッタ株式会社、「２０１０年１１月１５日検索」、インターネット＜ＵＲＬ：http://www.nitta.co.jp/product/mechasen/sensor/tactile_system_sensor.html＞
【非特許文献３】小菅太、他３名、“官能検査を自動化するための判定技術”、「online」、２０１０年、富士通テン株式会社、「２０１０年１１月１５日検索」、インターネット＜ＵＲＬ：http://www.fujitsu-ten.co.jp/gihou/jp_pdf/55/55-4.pdf＞
【非特許文献４】杉原哲朗、“環境と品質のためのデータサイエンス”、「online」、「２０１０年１１月１５日検索」、インターネット＜ＵＲＬ：http://heartland.geocities.jp/ecodata222/index.html＞
【発明の概要】
【発明が解決しようとする課題】
【００１２】
（従来技術の問題点）
前記特許文献１、２では、測定情報（測定された圧力分布データ）と記憶情報（記憶された圧力分布データ）とが一致（完全一致、部分一致）するか否かを判別する。このため、例えば、本人であっても、測定時における圧力センサに乗る位置や姿勢が、登録時（記憶時）と僅かに異なるだけで、測定された圧力分布データが大きく変化する可能性があり、本人を本人でないと誤認する可能性が高いという問題があった。
これに対し、前記非特許文献１では、サポートベクターマシンによって、３３個の測定情報から９６［％］以上の高い識別率で個人認証が実行されている。
しかしながら、前記特許文献１、２と同様に、圧力分布データ、すなわち、３２個のセンサによって測定された各圧力値や合計値をサポートベクターマシンに直接的に入力して個人認証を行っており、測定された圧力分布データが学習時に比べて大きく変化した場合には、着座して安定した状態の学習データ（訓練サンプル）だけでは学習量が不十分である可能性があり、本人を本人でないと誤認する可能性があった。
【００１３】
また、前記非特許文献１において、識別率をさらに高めるためには、学習データの数をさらに増やす必要があるが、サポートベクターマシン等のニューラルネットワークでは、同様の演算を複数回繰り返して学習するため、学習のための演算量が大きくなり易く、必要となる学習データの数が多くなるに連れて演算量が大きくなるという問題がある（例えば、特開２００４−１８７５６２号公報「００２６」、「００２７」等参照）。
よって、例えば、センサの数が増えて入力層の素子数ｎが大きくなったり、個人認証の対象人数が増えて出力層の素子数が大きくなったりする場合、高い識別率を確保するために、必要となる学習データの数が多くなると、学習のための演算量が膨大になる可能性があった。
【００１４】
本発明は、少ない学習量で特別な動作を行わない個人の認証の精度を向上させることを技術的課題とする。
【課題を解決するための手段】
【００１５】
前記技術的課題を解決するために、請求項１に記載の発明の個人認証装置は、
被検者が着座する椅子と、
前記椅子の座面に予め設定された第１検知領域に配置され且つ着座した前記被検者による前記第１検知領域における圧力である第１圧力値を検知する第１検知部と、前記第１検知領域からずれた領域に予め設定された第２検知領域に配置され且つ着座した前記被検者による前記第２検知領域における圧力である第２圧力値を検知する第２検知部と、を有する圧力検知部材と、
前記圧力検知部材によって検知された前記第１圧力値と前記第２圧力値とに基づいて、前記第１圧力値と前記第２圧力値との間の関連性を特定する予め設定された第１の特徴の値である第１特徴量と、前記第１圧力値と前記第２圧力値との間の関連性を特定する予め設定された第２の特徴であって、前記第１の特徴とは異なる前記第２の特徴の値である第２特徴量と、を演算する特徴量演算手段と、
予め登録された登録者と、前記第１の特徴と前記第２の特徴との間の相関を特定する前記登録者ごとの相関係数と、を関連付けて記憶する相関係数記憶手段と、
前記相関係数記憶手段に記憶された前記相関係数と、演算された前記被検者の前記第１特徴量と前記第２特徴量と、に基づいて、前記被検者のマハラノビス距離を演算する距離演算手段と、
演算された前記被検者の前記マハラノビス距離が予め設定された閾値以下であるか否かを判別する閾値判別手段と、
前記被検者の前記マハラノビス距離が前記閾値以下であると判別された場合に、前記被検者が、前記マハラノビス距離の演算に使用された前記相関係数に関連付けられた前記登録者であると認証する登録者認証手段と、
前記被検者が認証された前記登録者であることを表示する認証表示手段と、
を備えたことを特徴とする。
【００１６】
請求項２に記載の発明は、請求項１に記載の個人認証装置において、
前記登録者を登録する場合に、前記圧力検知部材によって検知された前記登録者についての前記第１圧力値および前記第２圧力値であって、平均が０且つ標準偏差が１となる前記第１特徴量と、平均が０且つ標準偏差が１となる前記第２特徴量と、の組み合わせの集合に基づく前記登録者の認証基準としての基準空間に基づいて演算された前記相関係数と、前記登録者と、を関連付けて記憶する前記相関係数記憶手段、
を備えたことを特徴とする。
【００１７】
請求項３に記載の発明は、請求項２に記載の個人認証装置において、
前記登録者の登録を更新する場合に、前記登録者が前記登録者認証手段によって認証された際に前記特徴量演算手段によって演算された前記第１特徴量および前記第２特徴量の組み合わせを含む前記基準空間に基づいて再演算された前記相関係数と、前記登録者と、を関連付けて前記相関係数記憶手段に記憶する相関係数更新手段、
を備えたことを特徴とする。
【００１８】
前記技術的課題を解決するために、請求項４に記載の発明の個人認証装置は、
被検者が直立する床面と、
前記床面に予め設定された第１検知領域に配置され且つ直立した前記被検者による前記第１検知領域における足裏の圧力である第１圧力値を検知する第１検知部と、前記第１検知領域からずれた領域に予め設定された第２検知領域に配置され且つ直立した前記被検者による前記第２検知領域における足裏の圧力である第２圧力値を検知する第２検知部と、を有する圧力検知部材と、
前記圧力検知部材によって検知された前記第１圧力値と前記第２圧力値とに基づいて、前記第１圧力値と前記第２圧力値との間の関連性を特定する予め設定された第１の特徴の値である第１特徴量と、前記第１圧力値と前記第２圧力値との間の関連性を特定する予め設定された第２の特徴であって、前記第１の特徴とは異なる前記第２の特徴の値である第２特徴量と、を演算する特徴量演算手段と、
予め登録された登録者と、前記第１の特徴と前記第２の特徴との間の相関を特定する前記登録者ごとの相関係数と、を関連付けて記憶する相関係数記憶手段と、
前記相関係数記憶手段に記憶された前記相関係数と、演算された前記被検者の前記第１特徴量と前記第２特徴量と、に基づいて、前記被検者のマハラノビス距離を演算する距離演算手段と、
演算された前記被検者の前記マハラノビス距離が予め設定された閾値以下であるか否かを判別する閾値判別手段と、
前記被検者の前記マハラノビス距離が前記閾値以下であると判別された場合に、前記被検者が、前記マハラノビス距離の演算に使用された前記相関係数に関連付けられた前記登録者であると認証する登録者認証手段と、
前記被検者が認証された前記登録者であることを表示する認証表示手段と、
を備えたことを特徴とする。
【００１９】
前記技術的課題を解決するために、請求項５に記載の発明の個人認証システムは、
被検者が着座する椅子と、
前記椅子の座面に予め設定された第１検知領域に配置され且つ着座した前記被検者による前記第１検知領域における圧力である第１圧力値を検知する第１検知部と、前記第１検知領域からずれた領域に予め設定された第２検知領域に配置され且つ着座した前記被検者による前記第２検知領域における圧力である第２圧力値を検知する第２検知部と、を有する圧力検知部材と、
前記圧力検知部材によって検知された前記第１圧力値と前記第２圧力値とに基づいて、前記第１圧力値と前記第２圧力値との間の関連性を特定する予め設定された第１の特徴の値である第１特徴量と、前記第１圧力値と前記第２圧力値との間の関連性を特定する予め設定された第２の特徴であって、前記第１の特徴とは異なる前記第２の特徴の値である第２特徴量と、を演算する特徴量演算手段と、
予め登録された登録者と、前記第１の特徴と前記第２の特徴との間の相関を特定する前記登録者ごとの相関係数と、を関連付けて記憶する相関係数記憶手段と、
前記相関係数記憶手段に記憶された前記相関係数と、演算された前記被検者の前記第１特徴量と前記第２特徴量と、に基づいて、前記被検者のマハラノビス距離を演算する距離演算手段と、
演算された前記被検者の前記マハラノビス距離が予め設定された閾値以下であるか否かを判別する閾値判別手段と、
前記被検者の前記マハラノビス距離が前記閾値以下であると判別された場合に、前記被検者が、前記マハラノビス距離の演算に使用された前記相関係数に関連付けられた前記登録者であると認証する登録者認証手段と、
前記被検者が認証された前記登録者であることを表示する認証表示手段と、
を備えたことを特徴とする。
【００２０】
前記技術的課題を解決するために、請求項６に記載の発明の個人認証システムは、
被検者が直立する床面と、
前記床面に予め設定された第１検知領域に配置され且つ直立した前記被検者による前記第１検知領域における足裏の圧力である第１圧力値を検知する第１検知部と、前記第１検知領域からずれた領域に予め設定された第２検知領域に配置され且つ直立した前記被検者による前記第２検知領域における足裏の圧力である第２圧力値を検知する第２検知部と、を有する圧力検知部材と、
前記圧力検知部材によって検知された前記第１圧力値と前記第２圧力値とに基づいて、前記第１圧力値と前記第２圧力値との間の関連性を特定する予め設定された第１の特徴の値である第１特徴量と、前記第１圧力値と前記第２圧力値との間の関連性を特定する予め設定された第２の特徴であって、前記第１の特徴とは異なる前記第２の特徴の値である第２特徴量と、を演算する特徴量演算手段と、
予め登録された登録者と、前記第１の特徴と前記第２の特徴との間の相関を特定する前記登録者ごとの相関係数と、を関連付けて記憶する相関係数記憶手段と、
前記相関係数記憶手段に記憶された前記相関係数と、演算された前記被検者の前記第１特徴量と前記第２特徴量と、に基づいて、前記被検者のマハラノビス距離を演算する距離演算手段と、
演算された前記被検者の前記マハラノビス距離が予め設定された閾値以下であるか否かを判別する閾値判別手段と、
前記被検者の前記マハラノビス距離が前記閾値以下であると判別された場合に、前記被検者が、前記マハラノビス距離の演算に使用された前記相関係数に関連付けられた前記登録者であると認証する登録者認証手段と、
前記被検者が認証された前記登録者であることを表示する認証表示手段と、
を備えたことを特徴とする。
【発明の効果】
【００２１】
請求項１、４〜６に記載の発明によれば、被検者のマハラノビス距離が閾値以下であるか否かを判別しない構成に比べ、少ない学習量で特別な動作を行わない個人の認証の精度を向上させることができる。
請求項２に記載の発明によれば、圧力検知部材によって検知された登録者についての第１圧力値および第２圧力値に基づいて相関係数を演算できる。
請求項３に記載の発明によれば、最新の第１圧力値および第２圧力値に基づいて相関係数を更新することができ、本人の経時的な身体的特徴の変化によって本人を本人でないと誤認することを低減できる。
【図面の簡単な説明】
【００２２】
【図１】図１は実施例１の個人認証システムの全体説明図であり、図１Ａは実施例１の自動車の右側面図、図１Ｂは実施例１の自動車の運転席の斜視拡大説明図である。
【図２】図２は実施例１のセンサシートの説明図であり、図２Ａは実施例１のセンサシートの斜視拡大図、図２Ｂは実施例１のボタンセンサの拡大説明図である。
【図３】図３は実施例１の制御部の機能をブロック図（機能ブロック図）で示した説明図である。
【図４】図４は実施例１のセンサシートが出力する座面の圧力分布の一例の説明図である。
【図５】図５は実施例１のメイン画像の説明図である。
【図６】図６は実施例１の登録開始画像の説明図である。
【図７】図７は実施例１の登録開始画像の案内表示部に表示される画像の説明図であり、図７Ａは実施例１の検知開始案内画像の説明図、図７Ｂは実施例１の検知完了案内画像の説明図である。
【図８】図８は実施例１の登録開始画像の説明図である。
【図９】図９は実施例１の認証結果を表示する画像の説明図であり、図９Ａは実施例１の成功画像の説明図、図９Ｂは実施例１の失敗画像の説明図である。
【図１０】図１０は実施例１の登録処理のフローチャートである。
【図１１】図１１は実施例１の認証処理のフローチャートである。
【図１２】図１２は実施例１の登録更新処理のフローチャートであり、図１１のＳＴ１０６のサブルーチンの説明図である。
【図１３】図１３は実施例１の作用説明図であり、縦軸をマハラノビス距離の常用対数とし横軸を５人の被験者ごとに等分割されたフレームとした認証結果の片対数グラフであり、図１３Ａは被験者Ａを使用者とした場合の各被験者の認証結果のグラフであり、図１３Ｂは被験者Ｂを使用者とした場合の各被験者の認証結果のグラフである。
【図１４】図１４は実施例２の個人認証システムの全体説明図であり、実施例１の図１Ｂに対応する説明図である。
【図１５】図１５は実施例２の入室管理装置の機能をブロック図（機能ブロック図）で示した説明図であり、実施例１の図３に対応する説明図である。
【図１６】図１６は実施例２の入室管理装置の認証処理のフローチャートであり、実施例１の図１１に対応する説明図である。
【発明を実施するための形態】
【００２３】
次に図面を参照しながら、本発明の実施の形態の具体例（以下、実施例と記載する）を説明するが、本発明は以下の実施例に限定されるものではない。
なお、以後の説明の理解を容易にするために、図面において、前後方向をＸ軸方向、左右方向をＹ軸方向、上下方向をＺ軸方向とし、矢印Ｘ，−Ｘ，Ｙ，−Ｙ，Ｚ，−Ｚで示す方向または示す側をそれぞれ、前方、後方、右方、左方、上方、下方、または、前側、後側、右側、左側、上側、下側とする。
また、図中、「○」の中に「・」が記載されたものは紙面の裏から表に向かう矢印を意味し、「○」の中に「×」が記載されたものは紙面の表から裏に向かう矢印を意味するものとする。
なお、以下の図面を使用した説明において、理解の容易のために説明に必要な部材以外の図示は適宜省略されている。
【実施例１】
【００２４】
図１は実施例１の個人認証システムの説明図であり、図１Ａは実施例１の自動車の右側面図、図１Ｂは実施例１の自動車の運転席の斜視拡大説明図である。
図２は実施例１のセンサシートの説明図であり、図２Ａは実施例１のセンサシートの斜視拡大図、図２Ｂは実施例１のボタンセンサの拡大説明図である。
図１において、本発明の実施例１の個人認証システムＳは、使用者（登録者、運転手、搭乗者、オーナー、カーシェアリングの会員・メンバー）が搭乗する自動車Ｖの制御部（個人認証装置、コントローラ）Ｃに設けられている。図１Ａ、図１Ｂにおいて、実施例１の前記自動車Ｖには、前記使用者が着座する運転席（椅子、着座部材）ＣＨが設けられている。前記運転席ＣＨは、前側下部に配置された座面ＣＨ１と、前記座面ＣＨ１の後端から後斜め情報に延びる背もたれＣＨ２とを有する。
【００２５】
また、図１Ｂ、図２において、前記座面ＣＨ１上には、前記制御部Ｃに接続され、着座した前記使用者が座面ＣＨ１を押圧する圧力を検知するシート状のセンサシート（圧力検知部材、圧力分布検知部材）ＳＮが敷設されている。
図２Ａにおいて、実施例１の前記センサシートＳＮには、縦方向の一例としての前後方向に２０マス（セル）、横方向の一例としての左右方向に１８マス、合計３６０マス（２０×１８＝３６０［マス］）の互いに隣接する検知領域（第１検知領域、第２検知領域、…、第３６０検知領域）が予め設定されている。また、図２Ｂにおいて、前記センサシートＳＮの内部には、着座した使用者による前記各検知領域における圧力（第１圧力値、第２圧力値、…、第３６０圧力値）を検知する３６０個のボタン状のボタンセンサ（検知部、圧力センサ）ＳＮ１が配置されている。
【００２６】
実施例１の前記各ボタンセンサＳＮ１は、いわゆる、感圧導電性インクによって構成されており、前記使用者が押圧する圧力に反比例して電極ＳＮ２との接触抵抗の抵抗値［Ω］が設定されるようになっている。具体的には、前記使用者が着座していない無負荷時の抵抗値（数Ｍ［Ω］程度）から、圧力値［ｇｆ／ｃｍ２］が大きくなるに連れて抵抗値［Ω］が小さくなるように設定されている。すなわち、圧力値［ｇｆ／ｃｍ２］が大きくなるに連れて前記電極ＳＮ２を流れる（検知される、出力される）電流値［Ａ］が大きくなるように設定されている。なお、実施例１では、前記各ボタンセンサＳＮ１は、前記電流値［Ａ］に応じた圧力値を２５６階調（０〜２５５）で検知することが可能である。
なお、前記感圧導電性インクについては、例えば、非特許文献２（“ニッタ株式会社 [ 製品情報 ] -タクタイルセンサシステム”）等に記載されており、公知である。
【００２７】
（実施例１の制御部Ｃの説明）
図３は実施例１の制御部の機能をブロック図（機能ブロック図）で示した説明図である。
図３において、前記制御部Ｃは、外部との信号の入出力および入出力信号レベルの調節等を行うＩ／Ｏ（入出力インターフェース）、必要な起動処理を行うためのプログラムおよびデータ等が記憶されたＲＯＭ（リードオンリーメモリ）、必要なデータ及びプログラムを一時的に記憶するためのＲＡＭ（ランダムアクセスメモリ）、ＲＯＭ等に記憶された起動プログラムに応じた処理を行うＣＰＵ（中央演算処理装置）ならびにクロック発振器等を有しており、前記ＲＯＭ及びＲＡＭ等に記憶されたプログラムを実行することにより種々の機能を実現することができる。
前記制御部Ｃには、基本動作を制御する基本ソフト、いわゆる、オペレーティングシステムＯＳ、アプリケーションプログラムとしての個人認証プログラムＡＰ１、その他の図示しないソフトウェアが記憶されている。
【００２８】
（実施例１の制御部Ｃに接続された信号入力要素）
図４は実施例１のセンサシートが出力する座面の圧力分布の一例の説明図である。
前記制御部Ｃには、次の信号出力要素ＳＮ等の出力信号が入力されている。
ＳＮ：センサシート
センサシートＳＮは、各ボタンセンサＳＮ１が検知した検知領域ごとの各圧力値を出力することにより、図４に示す、着座した使用者による座面ＣＨ１の圧力分布を出力する。
（実施例１の個人認証プログラムＡＰ１）
前記個人認証プログラムＡＰ１は、下記の機能手段（プログラムモジュール）を有する。
【００２９】
図５は実施例１のメイン画像の説明図である。
Ｃ１：メイン画像表示手段
メイン画像表示手段Ｃ１は、図５に示す、前記自動車Ｖの制御に関するメイン画像１０１を自動車ＶのフロントモニタＦＭに表示する。図５において、実施例１の前記メイン画像１０１は、使用者の登録を開始するための登録開始ボタン１０１ａを有する。
Ｃ２：登録手段
登録手段（相関係数学習手段、学習手段）Ｃ２は、登録開始判別手段Ｃ２Ａと、登録開始画像表示手段Ｃ２Ｂと、検知開始案内画像表示手段Ｃ２Ｃと、検知開始判別手段Ｃ２Ｄと、特徴量演算手段Ｃ２Ｅと、特徴量記憶手段Ｃ２Ｆと、検知完了案内画像表示手段Ｃ２Ｇと、検知完了判別手段Ｃ２Ｈと、試行回数係数手段Ｃ２Ｊと、試行完了判別手段Ｃ２Ｋと、単位空間生成手段Ｃ２Ｌと、相関行列演算手段Ｃ２Ｍと、相関行列記憶手段Ｃ２Ｎと、登録完了画像表示手段Ｃ２Ｐと、登録確認判別手段Ｃ２Ｑとを有し、使用者を登録する（後述する式（３）の相関行列Ｒを使用者ごとに学習する）。
【００３０】
図６は実施例１の登録開始画像の説明図である。
Ｃ２Ａ：登録開始判別手段
登録開始判別手段Ｃ２Ａは、前記登録開始ボタン１０１ａが選択されたか否かを判別することにより、使用者の登録を開始するか否かを判別する。
Ｃ２Ｂ：登録開始画像表示手段
登録開始画像表示手段Ｃ２Ｂは、図６に示す、登録の開始のための登録開始画像１０２をフロントモニタＦＭに表示する。図６において、実施例１の前記登録開始画像１０２は、登録のための案内を表示するための案内表示部１０２ａを有する。
【００３１】
図７は実施例１の登録開始画像の案内表示部に表示される画像の説明図であり、図７Ａは実施例１の検知開始案内画像の説明図、図７Ｂは実施例１の検知完了案内画像の説明図である。
Ｃ２Ｃ：検知開始案内画像表示手段
検知開始案内画像表示手段Ｃ２Ｃは、センサシートＳＮによって圧力分布（図４参照）を検知する場合に、図７Ａに示す、使用者に圧力分布の検知開始を案内する検知開始案内画像１０３を前記案内表示部１０２ａに表示する。
Ｃ２Ｄ：検知開始判別手段
検知開始判別手段Ｃ２Ｄは、センサシートＳＮが圧力分布の検知を開始したか否かを判別する。すなわち、使用者がセンサシートＳＮに乗って１回分の試行（使用者の着座・離席の１セット）が開始されたか否かを判別する。実施例１の前記検知開始判別手段Ｃ２Ｄは、センサシートＳＮの各ボタンセンサＳＮ１が各圧力値を検知してから各圧力値が変化しなくなった場合に、センサシートＳＮが圧力分布の検知を開始したと判別する。
【００３２】
Ｃ２Ｅ：特徴量演算手段
特徴量演算手段Ｃ２Ｅは、センサシートＳＮの各ボタンセンサＳＮ１によって検知された各圧力値に基づいて、各圧力値どうしの間の関連性を特定する予め設定された３５種類の特徴（第１の特徴、第２の特徴、…、第３５の特徴）の値である特徴量（第１特徴量、第２特徴量、…、第３５特徴量）を演算する。
実施例１の前記特徴量演算手段Ｃ２Ｅでは、以下の（１）〜（３５）の各特徴が予め設定されている。
【００３３】
（１）左側最高圧力値（使用者の左半身の各検知領域の各圧力値の最大値）
（２）右側最高圧力値（使用者の右半身の各検知領域の各圧力値の最大値）
（３）１〜６３の圧力値を有するボタンセンサ（検知領域、マス、セル）の数
（４）６４〜１２７の圧力値を有するボタンセンサの数
（５）１２８〜１９１の圧力値を有するボタンセンサの数
（６）１９２〜２５５の圧力値を有するボタンセンサの数
（７）３２〜９５の圧力値を有するボタンセンサの数
（８）９６〜１５９の圧力値を有するボタンセンサの数
（９）１６０〜２２３の圧力値を有するボタンセンサの数
（１０）１以上の圧力値を有するボタンセンサの数
【００３４】
（１１）全体の総圧力（各圧力値の合計値）
（１２）１以上の圧力値を有するボタンセンサ内における各圧力値の平均
（１３）１以上の圧力値を有するボタンセンサ内における各圧力値の分散
（１４）使用者の腿における１以上の圧力値を有するボタンセンサの数
（１５）使用者の腿における圧力の総和（各圧力値の合計値）
（１６）使用者の腿における１以上の圧力値を有するボタンセンサのみの各圧力値の平均
（１７）使用者の腿における１以上の圧力値を有するボタンセンサのみの各圧力値の分散
【００３５】
（１８）使用者の尻における１以上の圧力値を有するボタンセンサの数
（１９）使用者の尻における圧力の総和（各圧力値の合計値）
（２０）使用者の尻における１以上の圧力値を有するボタンセンサのみの各圧力値の平均
（２１）使用者の尻における１以上の圧力値を有するボタンセンサのみの各圧力値の分散
（２２）左端から使用者の左半身の重心位置までの距離（マス単位の距離）
（２３）後端から使用者の左半身の重心位置までの距離
（２４）左端から使用者の右半身の重心位置までの距離
（２５）後端から使用者の右半身の重心位置までの距離
（２６）左右の重心位置間の距離（使用者の左半身の重心位置から右半身の重心位置までの距離）
【００３６】
（２７）左側最高圧力値の２５％以上の圧力値を有するボタンセンサ（検知領域、マス）のみによって演算された使用者の左半身の重心位置から左端までの距離
（２８）左側最高圧力値の２５％以上の圧力値を有するボタンセンサのみによって演算された使用者の左半身の重心位置から後端までの距離
（２９）右側最高圧力値の２５％以上の圧力値を有するボタンセンサのみによって演算された使用者の右半身の重心位置から左端までの距離
（３０）右側最高圧力値の２５％以上の圧力値を有するボタンセンサのみによって演算された使用者の右半身の重心位置から後端までの距離
（３１）左右それぞれの最高圧力値の２５％以上の圧力値を有するボタンセンサのみによって演算された左右の重心位置間の距離（（２７），（２８）の使用者の左半身の重心位置から（２９），（３０）の右半身の重心位置までの距離）
【００３７】
（３２）使用者の左半身における圧力値が０のボタンセンサに隣接している１以上の圧力値を有するボタンセンサの数
（３３）使用者の右半身における圧力値が０のボタンセンサに隣接している１以上の圧力値を有するボタンセンサの数
（３４）使用者の左半身における圧力値が左側最高圧力値の２５％未満のボタンセンサに隣接している左側最高圧力値の２５％以上の圧力値を有するボタンセンサの数
（３５）使用者の右半身における圧力値が左側最高圧力値の２５％未満のボタンセンサに隣接している右側最高圧力値の２５％以上の圧力値を有するボタンセンサの数
【００３８】
したがって、例えば、センサシートＳＮによって図４に示す圧力分布が出力された場合には、（１）第１特徴量が「１８３」、（２）第２特徴量が「２２５」、（３）第３特徴量が「１６２」、（４）第４特徴量が「７」、（５）第５特徴量が「６」、（６）第６特徴量が「１」、（７）第７特徴量が「３６」、（８）第８特徴量が「９」、（９）第９特徴量が「３」、（１０）第１０特徴量が「１７６」、（１１）第１１特徴量が「５２３９」、（１２）第１２特徴量が「約２９．７６７」、（１３）第１３特徴量が「約１２４３．４７５」、（１４）第１４特徴量が「１２２」、（１５）第１５特徴量が「２１７８」、（１６）第１６特徴量が「約１７．８５２」、（１７）第１７特徴量が「約２０９．４０４」、（１８）第１８特徴量が「５４」、（１９）第１９特徴量が「３０６１」、（２０）第２０特徴量が「約５６．６８５」、（２１）第２１特徴量が「約２５３０．０３１」、（２２）第２２特徴量が「約４．９３９」、（２３）第２３特徴量が「約７．３３５」、（２４）第２４特徴量が「約１２．９８９」、（２５）第２５特徴量が「約７．５４５」、（２６）第２６特徴量が「約８．０５２」、（２７）第２７特徴量が「約５．３００」、（２８）第２８特徴量が「約６．４１１」、（２９）第２９特徴量が「約１２．８０７」、（３０）第３０特徴量が「約６．７３７」、（３１）第３１特徴量が「約７．５１４」、（３２）第３２特徴量が「３１」、（３３）第３３特徴量が「３６」、（３４）第３４特徴量が「１６」、（３５）第３５特徴量が「１５」となる。
【００３９】
Ｃ２Ｆ：特徴量記憶手段
特徴量記憶手段Ｃ２Ｆは、前記特徴量演算手段Ｃ２Ｅによって演算された各特徴量を記憶する。実施例１の前記特徴量記憶手段Ｃ２Ｆは、１回の試行ごとに演算された３５種類の特徴量を１組として記憶する。実施例１の前記特徴量記憶手段Ｃ２Ｆでは、登録される使用者と演算された特徴量とが関連付けて記憶される。具体的には、試行を完了する回数をＭＮ［回］とした場合に、メイン画像１０１の登録開始ボタン１０１ａが選択されてから試行が完了して演算された合計ＭＮ組の各特徴量が、登録開始ボタン１０１ａの選択順に（登録順に）「１人目の使用者」の特徴量、「２人目の使用者」の特徴量、…、としてそれぞれ記憶される。すなわち、使用者の登録順である登録番号（登録ＩＤ）をｐ（ｐ＝１，２，…）とした場合に、使用者の試行による「ＭＮ組の各特徴量」と、前記使用者の「登録番号ｐ」とが関連付けられて記憶される。
【００４０】
Ｃ２Ｇ：検知完了案内画像表示手段
検知完了案内画像表示手段Ｃ２Ｇは、前記特徴量記憶手段Ｃ２Ｆに各特徴量が記憶されて圧力分布を再度検知する場合に、図７Ｂに示す、使用者に圧力分布の検知完了を案内する検知完了案内画像１０４を前記案内表示部１０２ａに表示する。
Ｃ２Ｈ：検知完了判別手段
検知完了判別手段Ｃ２Ｈは、センサシートＳＮによる圧力分布の検知を完了したか否かを判別する。すなわち、１回分の試行が完了し、次の試行のために使用者がセンサシートＳＮから離れたか否かを判別する。実施例１の前記検知完了判別手段Ｃ２Ｄは、センサシートＳＮの各ボタンセンサＳＮ１が各圧力値を検知しなくなった場合、すなわち、全ての圧力値がゼロになった場合に、センサシートＳＮによる圧力分布の検知を完了したと判別する。
【００４１】
Ｃ２Ｊ：試行回数計数手段
試行回数計数手段Ｃ２Ｊは、試行を繰り返して各特徴量を演算・記憶した試行回数ｎ（ｎ＝１，２，…，ＭＮ）を計数する。
Ｃ２Ｋ：試行完了判別手段
試行完了判別手段Ｃ２Ｋは、前記試行回数係数手段Ｃ２Ｊによって計数された試行回数ｎが予め設定された最大値ＭＮ［回］になったか否かを判別することにより、各特徴量の演算・記憶のための試行が完了したか否かを判別する。
なお、実施例１の前記登録手段Ｃ２は、前記検知完了判別手段Ｃ２Ｈによって次の試行のために使用者がセンサシートＳＮから離れたと判別し且つ前記試行完了判別手段Ｃ２ＫによってＭＮ回の試行が完了していないと判別した場合に、次の試行のために前記検知開始案内画像表示手段Ｃ２Ｃによって検知開始案内画像１０３を表示すると共に、前記検知開始判別手段Ｃ２Ｄによって次の試行を開始したか否かを判別する。
【００４２】
Ｃ２Ｌ：単位空間生成手段
単位空間生成手段（基準空間生成手段、特徴量基準化手段）Ｃ２Ｌは、前記試行完了判別手段Ｃ２Ｋによって各特徴量の演算・記憶のための試行が完了したと判別された場合に、使用者の認証基準としての単位空間（基準空間）を生成する。実施例１の前記単位空間生成手段Ｃ２Ｌは、前記特徴量記憶手段Ｃ２Ｆに記憶されたＭＮ組の特徴量（ＭＮ個の第１特徴量、ＭＮ個の第２特徴量、…、ＭＮ個の第３５特徴量）の組み合わせに基づいて、単位空間を生成する。具体的には、ＭＮ個の第１特徴量、ＭＮ個の第２特徴量、…、ＭＮ個の第３５特徴量を、平均が０且つ標準偏差が１となるようにそれぞれ正規化（基準化、規準化、平均０・標準偏差１となる線形変換）することにより、単位空間を生成する。
【００４３】
すなわち、実施例１では、１回の試行によって演算された第１特徴量から第３５特徴量までの組み見合わせを３５次元ベクトルとした場合に、ＭＮ個の３５次元ベクトルの集合が構成する３５次元ベクトル空間（各特徴量の平均を成分とする原点が中心となる部分空間）が単位空間として生成される。なお、前記単位空間は、各ベクトル成分の値が全てゼロ、すなわち、（０，０，…，０）の場合が原点となり、各ベクトル成分を確率変数とした場合のＭＮ個の値（正規化された第１特徴量、正規化された第２特徴量、…、正規化された第３５特徴量）が出力される確率の分布（確率分布）が正規分布となっている。
【００４４】
Ｃ２Ｍ：相関行列演算手段
相関行列演算手段（相関係数行列演算手段）Ｃ２Ｍは、前記単位空間生成手段Ｃ２Ｌによって生成された前記単位空間に基づいて、異なる２種類の特徴どうしの相関を特定する相関係数を使用者ごとに演算する相関係数演算手段Ｃ２M1を有し、前記相関係数の行列である相関行列（相関係数行列）Ｒを演算する。実施例１の前記相関係数演算手段Ｃ２M1では、１からＭＮまでの任意の自然数をｉ，ｊとし、ＭＮ個の第ｉ特徴量（一方の特徴量）をｘ１，ｘ２，…，ｘＭＮとし、ＭＮ個の第ｊ特徴量（他方の特徴量）をｙ１，ｙ２，…，ｙＭＮとし、第ｉ特徴量と第ｊ特徴量との相関係数をｒｉｊとした場合に、前記相関係数ｒｉｊが以下の式（２）によって演算される。
ｒｉｊ＝（ｘ１ｙ１＋ｘ２ｙ２＋…＋ｘＭＮｙＭＮ）
／｛（ｘ１２＋ｘ２２＋…＋ｘＭＮ２）１／２
×（ｙ１２＋ｙ２２＋…＋ｙＭＮ２）１／２｝ …式（２）
【００４５】
よって、実施例１の前記相関行列演算手段Ｃ２Ｍは、前記式（２）によって演算された第１特徴量と第１特徴量との相関係数ｒ(１)(１)（ｒ(１)(１)＝１）、第１特徴量と第２特徴量との相関係数をｒ(１)(２)（−１≦ｒ(１)(３)≦１）、…、第３４特徴量と第３５特徴量との相関係数ｒ(３４)(３５)（−１≦ｒ(３４)(３５)≦１）、第３５特徴量と第３５特徴量との相関係数をｒ(３５)(３５)（ｒ(３５)(３５)＝１）を各成分とする以下の数１の式（３）の３５行３５列の行列を相関行列Ｒとして演算する。
【数１】
…式（３）
【００４６】
Ｃ２Ｎ：相関行列記憶手段
相関行列記憶手段Ｃ２Ｎは、使用者ごとの相関係数ｒ(１)(１)，ｒ(１)(２)，…，ｒ(３４)(３５)，ｒ(３５)(３５)と使用者とを関連付けて記憶する相関係数記憶手段Ｃ２N1を有し、使用者ごとの相関行列Ｒと使用者とを関連付けて記憶する。実施例１の前記相関行列記憶手段Ｃ２Ｎは、前記相関行列演算手段Ｃ２Ｍによって演算された相関行列Ｒと、使用者とを関連付けて記憶する。具体的には、「登録番号ｐ」の使用者、すなわち、ｐ人目の使用者について演算された相関行列ＲをＲｐとした場合に、演算された「相関行列Ｒｐ」と、前記使用者の「登録番号ｐ」とが関連付けられて記憶される。
【００４７】
図８は実施例１の登録開始画像の説明図である。
Ｃ２Ｐ：登録完了画像表示手段
登録完了画像表示手段Ｃ２Ｐは、前記試行完了判別手段Ｃ２Ｋによって各特徴量の演算・記憶のための試行が完了したと判別された場合に、図８に示す、登録が完了したことを通知するための登録完了画像１０５をフロントモニタＦＭに表示する。図８において、実施例１の前記登録完了画像１０５は、使用者に登録を確認させるための登録確認ボタン１０５ａを有する。
Ｃ２Ｑ：登録確認判別手段
登録確認判別手段Ｃ２Ｑは、前記登録確認ボタン１０５ａが選択されたか否かを判別することにより、使用者が登録を確認したか否かを判別する。なお、実施例１の前記登録手段Ｃ２では、使用者が登録を確認した場合に、登録完了画像１０５を非表示にする。このため、フロントモニタＦＭにはメイン画像１０１が再表示される。
【００４８】
Ｃ３：ロック判別手段
ロック判別手段（離隔判別手段、離席判別手段）Ｃ３は、前記検知完了判別手段Ｃ２Ｈと同様に、センサシートＳＮの各ボタンセンサＳＮ１の全ての圧力値を検知しなくなったか否か（ゼロになったか否か）、すなわち、使用者が運転席ＣＨの座面ＣＨ１から離席したか否かを判別することにより、自動車Ｖの図示しないエンジンの始動を不能な状態にする。すなわち、エンジンスタートのロックを実行するか否かを判別する。
Ｃ４：エンジンスタートロック手段
エンジンスタートロック手段Ｃ４は、使用者が運転席ＣＨから離席したと判別された場合に、自動車Ｖのエンジンの始動を不能な状態にする（エンジンスタートをロックする）。実施例１の前記エンジンスタートロック手段Ｃ４は、例えば、燃料の噴射が行われないように前記エンジンを制御することにより、エンジンスタートをロックする。
【００４９】
Ｃ５：認証手段
認証手段Ｃ５は、着座判別手段Ｃ５Ａと、特徴量演算手段Ｃ５Ｂと、距離演算手段Ｃ５Ｃと、閾値判別手段Ｃ５Ｄと、使用者認証手段Ｃ５Ｅと、人数計数手段Ｃ５Ｆと、人数判別手段Ｃ５Ｇと、認証表示手段Ｃ５Ｈと、認証確認判別手段Ｃ５Ｊとを有し、運転席ＣＨに着座した披験者（被検体、披検者、被験体、着座者、第三者）が登録済の使用者であるか否かを認証する。実施例１の前記認証手段Ｃ５は、登録済の使用者がＭＰ人存在する場合には、１人目の使用者からＭＰ人目の使用者まで「登録番号ｐ」の順番に認証してゆき、ｐ人目（ｐ＝１，２，…，ＭＰ）の使用者本人であると認証された場合に、残りの（ＭＰ−ｐ）人の使用者の認証を行わずに終了する。
【００５０】
Ｃ５Ａ：着座判別手段
着座判別手段Ｃ５Ａは、前記検知開始判別手段Ｃ２Ｄと同様に、センサシートＳＮが圧力分布の検知を開始したか否か、すなわち、披験者が運転席ＣＨの座面ＣＨ１に着座したか否かを判別する。
Ｃ５Ｂ：特徴量演算手段
特徴量演算手段Ｃ５Ｂは、前記特徴量演算手段Ｃ２Ｅと同様に、センサシートＳＮの各ボタンセンサＳＮ１によって検知された各圧力値に基づいて、３５種類の特徴量（第１特徴量、第２特徴量、…、第３５特徴量）を演算する。
【００５１】
Ｃ５Ｃ：距離演算手段
距離演算手段Ｃ５Ｃは、前記相関行列記憶手段Ｃ２Ｎに記憶された使用者ごとの相関行列Ｒと、前記特徴量演算手段Ｃ５Ｂによって演算された披験者の各特徴量とに基づいて、披験者のマハラノビス距離を演算する。ここで、前記マハラノビス距離とは、多変数間の相関に基づく前記多変数の値の総合指標（尺度、統計上の距離）であり、分類（文字認識、音声認識、画像認識等）や、予測（利益予測、地震予知、強度予測等）や、診断（病気診断、火災報知、工業用検査、故障診断等）等に利用されている。特に、前記マハラノビス距離の概念を導入したパターン認識技術としてのＭＴシステム（ＭＴ法：Mahalanobis Taguchi Method）が品質工学における主要分野として位置付けられており、製品の企画・設計・製造・品質管理等の幅広い分野で活用されている。なお、マハラノビス距離やＭＴシステムについては、例えば、例えば、非特許文献３（“官能検査を自動化するための判定技術”）や非特許文献４（“環境と品質のためのデータサイエンス”）等に記載されており、公知である。
【００５２】
実施例１の前記距離演算手段Ｃ５Ｃは、まず、前記特徴量記憶手段Ｃ２Ｆに記憶されたｐ人目の使用者の各特徴量に基づいて、演算された披験者の各特徴量を基準化する。具体的には、１から３５までの任意の自然数をｉとし、ｐ人目の使用者の第ｉ特徴量（ＭＮ個の第ｉ特徴量）の平均をμｉｐ（μｉｐ＝μ１ｐ，μ２ｐ，…，μ３５ｐ）とし、標準偏差をσｉｐ（σｉｐ＝σ１ｐ，σ２ｐ，…，σ３５ｐ）とし、演算された披験者の各特徴量をｖｉ（ｖｉ＝ｖ１，ｖ２，…，ｖ３５）とし、基準化された披験者の各特徴量をｕｉｐ（ｕｉｐ＝ｕ１ｐ，ｕ２ｐ，…，ｕ３５ｐ）とした場合に、基準化された披験者の各特徴量ｕｉｐが以下の式（４）によって演算される。
ｕｉｐ＝（ｖｉ−μｉｐ）／σｉｐ …式（４）
【００５３】
そして、基準化された披験者の各特徴量ｕｉｐの３５次元ベクトルを３５行１列で示した行列である特徴量行列をＵｐとし、前記特徴量行列Ｕｐの転置行列（１行３５列）をＵｐＴとし、ｐ人目の使用者の相関係数ｒｉｊをｒｉｊｐとし、ｐ人目の使用者の相関行列Ｒｐの逆行列をＲｐ−１とし、ｐ人目の使用者の認証基準としての披験者のマハラノビス距離をＤｐとした場合に、前記マハラノビス距離Ｄｐの２乗（Ｄｐ２）は以下の式（５）および数２の式（６）によって演算される。
Ｄｐ２＝ＵｐＴ（Ｒｐ−１）Ｕｐ …式（５）
【００５４】
【数２】
…式（６）
よって、実施例１の前記距離演算手段Ｃ５Ｃでは、前記式（６）に示す行列式によって演算された値Ｄｐ２の平方根によって前記マハラノビス距離Ｄｐを演算する（（Ｄｐ２）１／２＝Ｄｐ）。
【００５５】
Ｃ５Ｄ：閾値判別手段
閾値判別手段Ｃ５Ｄは、前記距離演算手段Ｃ５Ｃによって演算された披験者のマハラノビス距離Ｄｐが予め設定された閾値ＳＤ以下であるか否かを判別する。実施例１の前記閾値判別手段Ｃ５Ｄでは、前記閾値ＳＤが「２００」に予め設定されている。
Ｃ５Ｅ：使用者認証手段
使用者認証手段（登録者認証手段）Ｃ５Ｅは、披験者のマハラノビス距離Ｄｐが閾値ＳＤ以下であると判別された場合に、披験者が、前記マハラノビス距離Ｄｐの演算に使用された相関行列Ｒｐに関連付けられたｐ人目の使用者であると認証する。
【００５６】
Ｃ５Ｆ：人数計数手段
人数計数手段（認証人数計数手段）Ｃ５Ｆは、披験者が登録済の使用者であるか否かを認証した人数ｐを計数する。
Ｃ５Ｇ：人数判別手段
人数判別手段（認証人数判別手段）Ｃ５Ｇは、前記人数計数手段Ｃ５Ｆによって計数された人数ｐが予め設定された最大値ＭＰ［人］になったか否かを判別することにより、披験者が登録済のＭＰ人全ての使用者でないことが認証されたか否かを判別する（認証が完了したか否かを判別する）。
Ｃ５Ｈ：認証表示手段
認証表示手段Ｃ５Ｈは、成功画像表示手段Ｃ５H1と、失敗画像表示手段Ｃ５H2とを有し、認証結果（認証が成功した旨、認証が失敗した旨）を表示する。
【００５７】
図９は実施例１の認証結果を表示する画像の説明図であり、図９Ａは実施例１の成功画像の説明図、図９Ｂは実施例１の失敗画像の説明図である。
Ｃ５H1：成功画像表示手段
成功画像表示手段Ｃ５H1は、前記使用者認証手段Ｃ５Ｅによって披験者がｐ人目の使用者であると認証された場合に、図９Ａに示す、披験者が認証されたｐ人目の使用者であるため認証が成功したことを示す成功画像２０１をフロントモニタＦＭに表示する。図９Ａにおいて、実施例１の前記成功画像２０１は、披験者に認証が成功したことを確認させるための成功確認ボタン２０１ａを有する。
Ｃ５H2：失敗画像表示手段
失敗画像表示手段Ｃ５H2は、前記人数判別手段Ｃ５Ｇによって認証が完了したと判別された場合に、図９Ｂに示す、披験者が登録済のＭＰ人全ての使用者でないため認証が失敗したことを示す失敗画像２０２をフロントモニタＦＭに表示する。図９Ｂにおいて、実施例１の前記失敗画像２０２は、披験者に認証が失敗したことを確認させるための失敗確認ボタン２０２ａを有する。
【００５８】
Ｃ５Ｊ：認証確認判別手段
認証確認判別手段Ｃ５Ｊは、成功確認判別手段Ｃ５J1と、失敗確認判別手段Ｃ５J2とを有し、披験者に認証結果を確認したか否かを判別する。
Ｃ５J1：成功確認判別手段
成功確認判別手段Ｃ５J1は、前記成功確認ボタン２０１ａが選択されたか否かを判別することにより、披験者、すなわち、ｐ人目の使用者が認証の成功を確認したか否かを判別する。
Ｃ５J2：失敗確認判別手段
失敗確認判別手段Ｃ５J2は、前記失敗確認ボタン２０２ａが選択されたか否かを判別することにより、披験者が認証の失敗を確認したか否かを判別する。
Ｃ６：エンジンスタートロック解除手段
エンジンスタートロック解除手段Ｃ６は、前記使用者認証手段Ｃ５Ｅによって披験者がｐ人目の使用者であると認証された場合に、自動車Ｖのエンジンスタートのロックを解除する。
【００５９】
Ｃ７：登録更新手段
登録更新手段（相関係数再学習手段、再学習手段）Ｃ７は、特徴量更新手段Ｃ７Ａと、単位空間再生成手段Ｃ７Ｂと、相関行列再演算手段Ｃ７Ｃと、相関行列更新手段Ｃ７Ｄとを有し、使用者の登録を更新する（相関行列Ｒｐを使用者ごとに再学習する）。
Ｃ７Ａ：特徴量更新手段
特徴量更新手段Ｃ７Ａは、前記使用者認証手段Ｃ５Ｅによって披験者がｐ人目の使用者であると認証された場合に、前記特徴量演算手段Ｃ５Ｂによって演算された各特徴量の記憶を更新する。実施例１の前記特徴量更新手段Ｃ７Ａは、前記特徴量記憶手段Ｃ２Ｆに最も長く記憶されていたｐ人目の使用者の特徴量の１組、すなわち、ＭＮ組の特徴量を記憶順に第１組目の特徴量、第２組目の特徴量、…、第ＭＮ組目の第３５特徴量とした場合の前記第１組目の特徴量に替えて、前記特徴量演算手段Ｃ５Ｂによって演算された各特徴量を記憶することにより、前記特徴量記憶手段Ｃ２Ｆに記憶された各特徴量を更新する。
【００６０】
Ｃ７Ｂ：単位空間再生成手段
単位空間再生成手段（基準空間再生成手段）Ｃ７Ｂは、前記単位空間生成手段Ｃ２Ｌと同様に、前記特徴量更新手段Ｃ７Ａによって更新されたＭＮ組の特徴量（ＭＮ個の第１特徴量、ＭＮ個の第２特徴量、…、ＭＮ個の第３５特徴量）の組み合わせに基づいて、ｐ人目の使用者の単位空間を再生成する。
Ｃ７Ｃ：相関行列再演算手段
相関行列再演算手段（相関係数行列再演算手段）Ｃ７Ｃは、前記相関行列演算手段Ｃ２Ｍと同様に、前記単位空間再生成手段Ｃ７Ｂによって再生成された前記単位空間に基づいて、前記相関行列Ｒを再演算する。
Ｃ７Ｄ：相関行列更新手段
相関行列更新手段（相関係数更新手段）Ｃ７Ｄは、前記相関行列記憶手段Ｃ２Ｎに記憶されたｐ人目の使用者の相関行列Ｒｐに替えて、前記相関行列再演算手段Ｃ７Ｃによって演算された相関行列Ｒｐを記憶することにより、前記相関行列記憶手段Ｃ２Ｎに記憶された相関行列Ｒｐを更新する。
【００６１】
（実施例１のフローチャートの説明）
次に、実施例１の前記制御部Ｃの各プログラムの処理の流れをフローチャートを使用して説明する。なお、メイン画像１０１（図５参照）を表示する処理については、自動車Ｖがエンジンスタートした場合にメイン画像１０１をフロントモニタＦＭに表示するだけであり、エンジンスタートをロックする処理については、圧力検知センサＳＮが使用者の離席を検知した場合にエンジンスタートをロックするだけであるため、図示および詳細な説明を省略する。
【００６２】
（実施例１の制御部Ｃの登録処理の説明）
図１０は実施例１の登録処理のフローチャートである。
図１０のフローチャートの各ＳＴ（ステップ）の処理は、前記制御部ＣのＲＯＭ等に記憶されたプログラムに従って行われる。また、この処理は前記制御部Ｃの他の各種処理と並行してマルチタスクで実行される。
【００６３】
図１０に示すフローチャートは、前記制御部Ｃの前記個人認証プログラムＡＰ１が起動した場合に開始される。
図１０のＳＴ１において、メイン画像１０１から登録開始ボタン１０１ａが選択されたか否かを判別することにより、使用者の登録を開始するか否かを判別する。イエス（Ｙ）の場合はＳＴ２に移り、ノー（Ｎ）の場合はＳＴ１を繰り返す。
ＳＴ２において、以下の（１），（２）の処理を実行し、ＳＴ３に移る。
（１）登録開始画像１０２（図６参照）をフロントモニタＦＭに表示する。
（２）試行回数ｎに１をセットする（ｎ＝１）
ＳＴ３において、検知開始案内画像１０３（図７Ａ参照）を案内表示部１０２ａに表示する。そして、ＳＴ４に移る。
【００６４】
ＳＴ４において、センサシートＳＮの各ボタンセンサＳＮ１が各圧力値を検知してから各圧力値が変化しなくなったか否かを判別することにより、使用者が運転席ＣＨに着座したか否かを判別する。すなわち、３６０マスの検知領域のいずれかから圧力検知センサＳＮの各ボタンセンサＳＮ１が圧力値を検知（圧力分布を出力）したか否かを判別する。イエス（Ｙ）の場合はＳＴ５に移り、ノー（Ｎ）の場合はＳＴ４を繰り返す。
ＳＴ５において、３６０個の各ボタンセンサＳＮ１の各圧力値から３５種類の特徴量を演算して記憶する。そして、ＳＴ６に移る。
ＳＴ６において、試行回数ｎが最大値ＭＮ［回］以上であるか否かを判別する（ｎ≧ＭＮ）。ノー（Ｎ）の場合はＳＴ７に移り、イエス（Ｙ）の場合はＳＴ９に移る。
ＳＴ７において、以下の（１），（２）の処理を実行し、ＳＴ８に移る。
（１）検知完了案内画像１０４（図７Ｂ参照）を案内表示部１０２ａに表示する。
（２）試行回数ｎに＋１を加算する（ｎ＝ｎ＋１）。
【００６５】
ＳＴ８において、センサシートＳＮの各ボタンセンサＳＮ１が各圧力値を検知しなくなったか否かを判別することにより、使用者が運転席ＣＨから離席したか否かを判別する。イエス（Ｙ）の場合はＳＴ３に戻り、ノー（Ｎ）の場合はＳＴ８を繰り返す。
ＳＴ９において、以下の（１）〜（４）の処理を実行し、ＳＴ１０に移る。
（１）各特徴量を平均０、標準偏差１に正規化することにより、使用者の単位空間を生成する。
（２）生成された単位空間から式（２）によって演算された相関係数ｒｉｊを各成分とする数１の式（３）の３５行３５列の相関行列Ｒを演算する。
（３）使用者と演算された相関行列Ｒとを関連付けて記憶する。
（４）登録完了画像１０５（図８参照）をフロントモニタＦＭに表示する。
【００６６】
ＳＴ１０において、登録確認ボタン１０５ａが選択されたか否かを判別することにより、使用者が登録を確認したか否かを判別する。イエス（Ｙ）の場合はＳＴ１１に移り、ノー（Ｎ）の場合はＳＴ１０を繰り返す。
ＳＴ１１において、登録完了画像１０５を非表示にすることにより、メイン画像１０１をフロントモニタＦＭに再表示する。そして、ＳＴ１に戻る。
【００６７】
（実施例１の制御部Ｃの認証処理の説明）
図１１は実施例１の認証処理のフローチャートである。
図１１のフローチャートの各ＳＴ（ステップ）の処理は、前記制御部ＣのＲＯＭ等に記憶されたプログラムに従って行われる。また、この処理は前記制御部Ｃの他の各種処理と並行してマルチタスクで実行される。
【００６８】
図１１に示すフローチャートは、前記制御部Ｃの前記個人認証プログラムＡＰ１が起動した場合に開始される。
図１１のＳＴ１０１において、センサシートＳＮの各ボタンセンサＳＮ１が各圧力値を検知してから各圧力値が変化しなくなったか否かを判別することにより、披験者が運転席ＣＨに着座したか否かを判別する。イエス（Ｙ）の場合はＳＴ１０２に移り、ノー（Ｎ）の場合はＳＴ１０１を繰り返す。
ＳＴ１０２において、以下の（１），（２）の処理を実行し、ＳＴ１０３に移る。
（１）３６０個の各ボタンセンサＳＮ１の各圧力値から３５種類の特徴量を演算する。
（２）人数ｐに１をセットする（ｐ＝１）。
【００６９】
ＳＴ１０３において、式（４）〜（６）によって、演算された特徴量に基づく特徴量行列ＵｐＴ，Ｕｐ（３５行１列、１行３５列）と、ｐ人目の使用者の相関行列Ｒｐ（３５行３５列）とに基づいて、ｐ人目の使用者の認証基準としての披験者のマハラノビス距離Ｄｐを演算する。そして、ＳＴ１０４に移る。
ＳＴ１０４において、マハラノビス距離Ｄｐが閾値ＳＤ（ＳＤ＝２００）以下であるか否かを判別する（Ｄ≦２００）。イエス（Ｙ）の場合はＳＴ１０５に移り、ノー（Ｎ）の場合はＳＴ１０８に移る。
ＳＴ１０５において、以下の（１），（２）の処理を実行し、ＳＴ１０６に移る。
（１）成功画像２０１（図９Ａ参照）をフロントモニタＦＭに表示する。
（２）エンジンスタートのロックを解除する。
【００７０】
ＳＴ１０６において、後述する図１２に示す登録更新処理を実行する。そして、ＳＴ１０７に移る。
ＳＴ１０７において、成功確認ボタン２０１ａが選択されたか否かを判別することにより、披験者、すなわち、ｐ人目の使用者が認証の成功を確認したか否かを判別する。イエス（Ｙ）の場合はＳＴ１１２に移り、ノー（Ｎ）の場合はＳＴ１０７を繰り返す。
ＳＴ１０８において、人数ｐが最大値ＭＰ［人］以上であるか否かを判別する（ｐ≧ＭＰ）。ノー（Ｎ）の場合はＳＴ１０９に移り、イエス（Ｙ）の場合はＳＴ１１０に移る。
【００７１】
ＳＴ１０９において、人数ｐに＋１を加算する（ｐ＝ｐ＋１）。そして、ＳＴ１０３に戻る。
ＳＴ１１０において、失敗画像２０２（図９Ｂ参照）をフロントモニタＦＭに表示する。そして、ＳＴ１１１に移る。
ＳＴ１１１において、失敗確認ボタン２０２ａが選択されたか否かを判別することにより、披験者が認証の失敗を確認したか否かを判別する。イエス（Ｙ）の場合はＳＴ１１２に移り、ノー（Ｎ）の場合はＳＴ１１１を繰り返す。
ＳＴ１１２において、各画像２０１，２０２を非表示にする。そして、ＳＴ１０１に戻る。
【００７２】
（実施例１の制御部Ｃの登録更新処理のフローチャートの説明）
図１２は実施例１の登録更新処理のフローチャートであり、図１１のＳＴ１０６のサブルーチンの説明図である。
図１２のＳＴ２０１において、記憶順が最先の第１組目の各特徴量を図１１のＳＴ１０２において演算された各特徴量に更新する。
ＳＴ２０２において、各特徴量を平均０、標準偏差１に正規化することにより、使用者の単位空間を再生成する。そして、ＳＴ２０３に移る。
ＳＴ２０３において、以下の（１），（２）の処理を実行し、前記登録更新処理を終了して図１１のＳＴ１０６に戻る。
（１）再生成された単位空間から式（２）によって演算された相関係数ｒｉｊｐを各成分とする数１の式（３）の３５行３５列の相関行列Ｒｐを再演算する。
（２）ｐ人目の使用者と再演算された相関行列Ｒｐとを関連付けて記憶更新する。
【００７３】
（実施例１の作用）
前記構成を備えた実施例１の前記個人認証システムＳでは、前記登録処理（図１０のＳＴ１〜ＳＴ１１参照）によって、自動車Ｖの各使用者の相関行列Ｒ１〜ＲＭＰが登録された状態で、披験者が運転席ＣＨに着座すると、披験者が各使用者のいずれかであるかを認証する前記認証処理（図１１のＳＴ１０１〜ＳＴ１１２参照）が実行される。
【００７４】
実施例１の前記認証処理では、披験者が運転席ＣＨの座面ＣＨ１に着座し、センサシートＳＮの各ボタンセンサＳＮ１が各圧力値を検知してから各圧力値が変化しなくなった後、３６０個の各ボタンセンサＳＮ１の各圧力値から３５種類の特徴量が演算される。そして、演算された特徴量に基づく特徴量行列Ｕｐと、予め記憶された各使用者の相関行列Ｒｐとに基づいて演算された披験者のマハラノビス距離Ｄｐ（式（４）〜（６）参照）が閾値ＳＤ（ＳＤ＝２００）以下であれば、披験者が使用者であると認証される。
したがって、実施例１の前記個人認証システムＳは、品質工学におけるＭＴシステムを利用して個人認証を行うことができる。
【００７５】
ここで、前記特許文献１では、圧力センサの信号に基づく圧力分布データ（測定情報）と、予め記憶された使用者の圧力分布データ（記憶情報、登録情報）とが所定誤差の範囲内で一致するか否かを判別する。このため、例えば、着座した姿勢が登録時と異なる場合、本人の圧力分布データでも前記所定誤差の範囲内で一致しない可能性があった。また、例えば、「体重」や「座面の面積」や「座面の形状」等の身体的特徴が本人に近い他人の圧力分布データが前記所定誤差の範囲内で一致する可能性があった。
【００７６】
また、前記特許文献２では、靴底圧力センサの信号に基づく靴底の外輪郭線および接地点、すなわち、靴底圧力パターン（測定情報）と、予め記憶された使用者の靴底圧力パターン（記憶情報、登録情報）とが一致するか否かを判別する。このため、前記特許文献１と同様に、例えば、靴底圧力センサ上に乗った姿勢が登録時と異なる場合に、本人の靴底圧力パターンでも一致しない可能性があった。また、例えば、「体重」や「靴のサイズ」や「靴底の面積」等の身体的特徴が本人に近い他人の靴底圧力パターンが一致する可能性があった。
この結果、前記特許文献１、２のように、圧力センサの測定情報（圧力分布データ、靴底圧力パターン）をそのまま入力パラメタとして個人認証を行った場合、本人を本人でないと誤認したり、他人を本人であると誤認したりする可能性が高いという問題があった。
【００７７】
これに対して、実施例１では、各ボタンセンサＳＮ１が検知した各圧力値どうしの関連性を特定する各特徴量、すなわち、個人の身体的特徴の値を入力パラメタとしている。また、実施例１では、異なる２つの特徴量どうしの相関を特定する予め記憶された相関係数ｒｉｊｐ（記憶情報、登録情報）、すなわち、各身体的特徴どうしの相関の個人差に基づく値からマハラノビス距離Ｄｐを演算して個人認証を行っている。
【００７８】
このため、例えば、センサシートＳＮ上に着座した本人の姿勢が登録時と異なる場合でも、姿勢の違いによる圧力分布の変化に応じた各特徴量の変化に基づいて相関係数ｒｉｊｐが演算されているため、本人の相関係数ｒｉｊｐから演算された本人のマハラノビス距離Ｄｐの値が小さくなる。また、例えば、「体重」や「座面の面積」や「座面の形状」等の身体的特徴が本人に近い他人の場合でも、「骨盤の骨格」等の他の身体的特徴によって圧力分布には個人差があり、且つ、「体重」の変化と「座面の面積」の変化との相関等にも個人差があるため、本人の相関係数ｒｉｊｐから演算された他人のマハラノビス距離Ｄｐの値が大きくなる。
この結果、実施例１の前記個人認証システムＳは、前記特許文献１、２の構成に比べ、測定時の圧力分布が登録時から変化した場合でも、本人を本人と認識し且つ他人を本人でないと認識する個人認証の精度を高くすることができる。
【００７９】
また、前記非特許文献１では、圧力センサの信号に基づく圧力分布データ（測定情報）と、サポートベクターマシンの予め記憶された結合荷重（記憶情報、登録情報）とに基づいて演算された出力値によって個人認証を行っている。すなわち、前記特許文献１、２と同様に、圧力センサの測定情報（圧力分布データ、靴底圧力パターン）をそのまま入力パラメタとして個人認証を行っている。この結果、学習データ（訓練サンプル）が十分でなければ、着座した姿勢の違いによって本人の圧力分布データが変化して本人でないと誤認したり、「体重」や「座面の面積」や「座面の形状」等の身体的特徴が本人に近い他人の圧力分布データで本人であると誤認したりする可能性があった。
【００８０】
これに対し、実施例１では、各身体的特徴どうしの相関の個人差に基づく値として相関係数ｒｉｊｐが演算されており、学習データ（訓練サンプル）が十分でなくても、本人と他人との相関係数ｒｉｊｐの値の個人差が得られ易くなっている。よって、実施例１では、少ない学習量でも、本人の相関係数ｒｉｊｐから演算された本人のマハラノビス距離Ｄｐの値が小さくなり易く且つ他人のマハラノビス距離Ｄｐの値が大きくなり易くなっている。この結果、実施例１の前記個人認証システムＳは、前記非特許文献１の構成に比べ、少ない学習量でも本人を本人と認識し且つ他人を本人でないと認識する個人認証の精度を高くすることができる。
【００８１】
（実験例）
ここで、ＭＴシステムを用いた実施例１の前記個人認証システムＳが、前記認証処理を実行することにより、高い識別率を得られるかを調べるために、５人の被験者（披験者且つ使用者）に対して、運転席ＣＨの背もたれＣＨ２に寄り掛かって足を自然に下ろした状態で着座・離席を繰り返す実験を行った。
（実験条件）
実験例では、前記登録処理については、５人の被験者（Ａ，Ｂ，Ｃ，Ｄ，Ｅ）に対して、運転席ＣＨの座面ＣＨ１への着座・離席を、それぞれ２回（２セット）試行させて各被験者の特徴量や相関行列Ｒｐを順番に登録させている（ＭＰ＝５，ＭＮ＝２）。また、各被験者に対しては、座面ＣＨ１への着座・離席を、それぞれ２回（２セット）実行させ、１セット中に、１秒間当たり３０フレームで１０秒間、合計３００フレームの圧力分布をセンサシートＳＮに出力させて前記特徴量や前記相関行列Ｒｐを登録した。すなわち、各被験者の２セットの着座・離席によって５人分の各特徴量をそれぞれ６００組づつ演算し（２×３００＝６００［個］）、５人分の相関行列を演算（記憶）させた。
【００８２】
また、前記認証処理については、ＳＴ１０４〜ＳＴ１０７，ＳＴ１１０〜ＳＴ１１２の各処理を省略し、ＳＴ１０１〜ＳＴ１０３，ＳＴ１０８，ＳＴ１０９の各処理のみを実行した。すなわち、前記実験例では、閾値ＳＤによる判別（個人認証）やその結果を表示する処理を実行せずに、５人全員のマハラノビス距離Ｄｐ（Ｄ１，Ｄ２，Ｄ３，Ｄ４，Ｄ５）を演算（記憶）させた。また、各被験者に対しては、座面ＣＨ１への着座・離席を、それぞれ１回（１セット）実行させ、１セット中に、１秒間当たり３０フレームで１０秒間、合計３００フレームの圧力分布をセンサシートＳＮに出力させて前記マハラノビス距離Ｄｐを演算した。すなわち、各被験者の１セットの着座・離席によって５種類の各マハラノビス距離Ｄ１〜Ｄ５をそれぞれ３００個演算（記憶）させた。
なお、前記実験例では、前記センサシートＳＮとして、ニッタ株式会社製の「コンフォ・ライト（Conform-Light）」を使用した。
【００８３】
（実験結果）
図１３は実施例１の作用説明図であり、縦軸をマハラノビス距離の常用対数とし横軸を５人の被験者ごとに等分割されたフレームとした認証結果の片対数グラフであり、図１３Ａは被験者Ａを使用者とした場合の各被験者の認証結果のグラフであり、図１３Ｂは被験者Ｂを使用者とした場合の各被験者の認証結果のグラフである。
前記実験例では、図１３Ａに示すように、使用者を被験者Ａとした場合、すなわち、被験者Ａの相関行列Ｒ１でマハラノビス距離Ｄ１が演算された場合、被験者Ａ本人については、マハラノビス距離Ｄ１が全て２００以下となっていることがわかる（Ｄ１≦ＳＤ）。すなわち、本人拒否率が０［％］（本人許容率が１００［％］）となっていることがわかる。また、その他の被験者Ｂ〜Ｅについては、マハラノビス距離Ｄ１が全て２００を越えていることもわかる（Ｄ１＞ＳＤ）。すなわち、他人許容率が０［％］（他人拒否率が１００［％］）となっていることがわかる。
【００８４】
また、図１３Ｂに示すように、使用者を被験者Ｂとして被験者Ｂの相関行列Ｒ２でマハラノビス距離Ｄ２が演算された場合についても、使用者を被験者Ａとした場合と同様に、本人拒否率が０［％］（本人許容率が１００［％］）且つ他人許容率が０［％］（他人拒否率が１００［％］）となっていることがわかる。なお、使用者を被験者Ｃ〜Ｅとした場合についても、使用者を被験者Ａ、Ｂとした場合と同様に、本人拒否率が０［％］（本人許容率が１００［％］）且つ他人許容率が０［％］（他人拒否率が１００［％］）となっていることが確認された。
この結果、実施例１の前記個人認証システムＳは、着座ごとのセンサシートＳＮに乗る位置や姿勢の僅かな違いや、着座中におけるセンサシートＳＮに姿勢等の僅かな変化によって、本人を本人でないと誤認したり、他人を本人であるとの誤認したりすることなく個人認証を実行することが可能となることが確認された。
また、実施例１の前記個人認証システムＳは、運転席ＣＨの座面ＣＨ１への着座・離席の試行を２セットだけ実行するだけで、高い識別率で個人認証を実行することが可能となることが確認された。
【００８５】
また、前記構成を備えた実施例１の前記個人認証システムＳでは、前記認証処理によって、披験者がｐ人目の使用者であると認証された場合に、前記登録更新処理によって、登録情報としての相関行列Ｒｐ等を更新する前記登録更新処理（図１２のＳＴ２０１〜ＳＴ２０３参照）が実行される。
この結果、実施例１の前記個人認証システムＳは、使用者の最新の圧力分布に基づく特徴量が反映された相関行列Ｒｐによって、披験者が使用者であるか否かを認証することができる。よって、使用者の身体的特徴（体重等）が登録時から経時的に変化した場合でも、前記登録更新処理を繰り返すことによって本人を本人でないと誤認することを低減することができる。
【実施例２】
【００８６】
次に、本発明の実施例２の説明をするが、この実施例２の説明において、前記実施例１の構成要素に対応する構成要素には同一の符号を付して、その詳細な説明を省略する。
この実施例２は、下記の点で前記実施例１と相違しているが、他の点では前記実施例１と同様に構成されている。
【００８７】
図１４は実施例２の個人認証システムの全体説明図であり、実施例１の図１Ｂに対応する説明図である。
図１４において、本発明の実施例２の個人認証システムＳ′は、使用者（被検者、登録者、入室者、入室が許可された者、部屋の管理者や責任者）が入室する管理室の自動ドアＡＤの入室管理装置（個人認証装置）ＮＫに設けられている。実施例２の前記自動ドアＡＤは、左右方向にスライド可能な片引き戸ＡＤ１と、右方にスライドした前記片引き戸ＡＤ１を収容する戸袋ＡＤ２とを有する。すなわち、実施例２の前記片引き戸ＡＤ１は、前記管理室の入り口を塞ぐ閉塞位置と、前記戸袋ＡＤ２に収容されて前記入り口を開放する開放位置との間をスライド移動可能に構成されている。
この結果、実施例２では、使用者が前記閉塞位置に配置された前記片引き戸ＡＤ１の前方に一旦直立するのが自然な行動となっている。
【００８８】
また、前記自動ドアＡＤの前方の床面（廊下）ＦＬには、実施例２のセンサシートＳＮが前記閉塞位置の前方に敷設されている。実施例２の前記センサシートＳＮは、直立した使用者の足裏の圧力分布を出力する。なお、実施例２の前記センサシートＳＮは、実施例１の前記センサシートＳＮに比べ、無線で前記入室管理装置ＮＫに接続可能に構成されている点が異なるだけで、圧力分布を出力する構成については前記センサシートＳＮと同様に構成されている。
また、実施例２の入室管理装置ＮＫは、いわゆる、コンピュータ装置により構成されており、図示しない制御部等により構成されている。
【００８９】
（実施例２の入室管理装置ＮＫの制御部の説明）
図１５は実施例２の入室管理装置の機能をブロック図（機能ブロック図）で示した説明図であり、実施例１の図３に対応する説明図である。
図１５において、実施例２の前記入室管理装置（個人認証装置）ＮＫの制御部は、実施例１の前記メイン画像表示手段Ｃ１と、前記登録手段Ｃ２と、前記登録更新手段Ｃ７とを有する。また、前記制御部は、前記ロック判別手段Ｃ３と、前記エンジンスタートロック手段Ｃ４と、前記認証手段Ｃ５と、前記エンジンスタートロック解除手段Ｃ６とに替えて、ロック判別手段Ｃ３′と、自動ドアロック手段Ｃ４′と、認証手段Ｃ５′と、自動ドアロック解除手段Ｃ６′とを有する。さらに、前記制御部には、自動ドア制御手段Ｃ８が新たに追加されている。
なお、実施例２のメイン画像表示手段Ｃ１は、自動ドアＡＤの制御に関するメイン画像１０１（図５参照）を入室管理装置ＮＫのフロントモニタＦＭに表示する。また、実施例２の登録手段Ｃ２の特徴量演算手段Ｃ２Ｅでは、実施例１の（１）〜（３５）に替えて、以下の（１′）〜（３５′）の各特徴が予め設定されている。
【００９０】
（１′）使用者の両足裏の面積
（２′）１以上の圧力値を有するボタンセンサ内における各圧力値の平均
（３′）１以上の圧力値を有するボタンセンサ内における各圧力値の分散
（４′）１〜５０の圧力値を有するボタンセンサ内における各圧力値の分散
（５′）５１〜１００の圧力値を有するボタンセンサ内における各圧力値の分散
（６′）１０１〜１５０の圧力値を有するボタンセンサ内における各圧力値の分散
（７′）１５１〜２００の圧力値を有するボタンセンサ内における各圧力値の分散
（８′）２０１〜２５５の圧力値を有するボタンセンサ内における各圧力値の分散
（９′）１以上の圧力値を有するボタンセンサの数
（１０′）１〜５０の圧力値を有するボタンセンサの数
【００９１】
（１１′）５１〜１００の圧力値を有するボタンセンサの数
（１２′）１０１〜１５０の圧力値を有するボタンセンサの数
（１３′）１５１〜２００の圧力値を有するボタンセンサの数
（１４′）２０１〜２５５の圧力値を有するボタンセンサの数
（１５′）使用者の両足裏の伸張度
（１６′）使用者の両足裏の円形度
（１７′）使用者の両足裏の最大圧力の面積
（１８′）全体の総圧力（各圧力値の合計値）
（１９′）使用者の両足裏の周囲長
【００９２】
（２０′）使用者の両足裏の爪先の面積
（２１′）使用者の両足裏の爪先における１以上の圧力値を有するボタンセンサのみの各圧力値の平均
（２２′）使用者の両足裏の爪先における１以上の圧力値を有するボタンセンサのみの各圧力値の分散
（２３′）使用者の両足裏の土踏まずの面積
（２４′）使用者の両足裏の土踏まずにおける１以上の圧力値を有するボタンセンサのみの各圧力値の平均
（２５′）使用者の両足裏の土踏まずにおける１以上の圧力値を有するボタンセンサのみの各圧力値の分散
【００９３】
（２６′）使用者の両足裏の踵の面積
（２７′）使用者の両足裏の踵における１以上の圧力値を有するボタンセンサのみの各圧力値の平均
（２８′）使用者の両足裏の踵における１以上の圧力値を有するボタンセンサのみの各圧力値の分散
（２９′）面積中心と荷重中心間の距離
（３０′）全体の最大圧力（各圧力値の最大値）
（３１′）１〜５０の圧力値を有するボタンセンサ内における２次モーメント
（３２′）５１〜１００の圧力値を有するボタンセンサ内における２次モーメント
（３３′）１０１〜１５０の圧力値を有するボタンセンサ内における２次モーメント
（３４′）１５１〜２００の圧力値を有するボタンセンサ内における２次モーメント
（３５′）２０１〜２５５の圧力値を有するボタンセンサ内における２次モーメント
【００９４】
Ｃ３′：ロック判別手段
ロック判別手段（離隔判別手段）Ｃ３′は、自動ドアＡＤのロックを実行するか否かを判別する。実施例２の前記ロック判別手段Ｃ３′は、自動ドアＡＤの片引き戸ＡＤ１が閉塞位置に配置され、且つ、センサシートＳＮの各ボタンセンサＳＮ１が各圧力値を検知していない場合に、自動ドアＡＤのロックを実行すると判別する。
Ｃ４′：自動ドアロック手段
自動ドアロック手段Ｃ４′は、自動ドアＡＤのロックを実行すると判別された場合に、自動ドアＡＤの片引き戸ＡＤ１をスライド移動不能な状態にする。すなわち、自動ドアＡＤの開閉をロックする。
【００９５】
Ｃ５′：認証手段
認証手段Ｃ５′は、実施例１の前記認証手段Ｃ５に比べ、前記着座判別手段Ｃ５Ａと前記認証表示手段Ｃ５Ｈと前記認証確認判別手段Ｃ５Ｊとに替えて、直立判別手段Ｃ５Ａ′と認証表示手段Ｃ５Ｈ′と認証確認判別手段Ｃ５Ｊ′とを有する。前記認証手段Ｃ５′は、センサシートＳＮ上に直立した披験者（被検体、披検者、被験体、直立者、第三者）が登録済の使用者であるか否かを認証する。なお、実施例２の前記特徴量演算手段Ｃ５Ｂは、前記特徴量演算手段Ｃ２Ｅと同様に、（１′）〜（３５′）の被験者の各特徴量を演算する。
Ｃ５Ａ′：直立判別手段
直立判別手段Ｃ５Ａは、前記検知開始判別手段Ｃ２Ｄと同様に、センサシートＳＮが圧力分布の検知を開始したか否か、すなわち、披験者が床面ＦＬのセンサシートＳＮに乗って直立しているか否かを判別する。
【００９６】
Ｃ５Ｈ′：認証表示手段
認証表示手段Ｃ５Ｈ′は、認証結果（認証が成功した旨、認証が失敗した旨）を表示する。実施例２の前記認証表示手段Ｃ５Ｈ′は、前記使用者認証手段Ｃ５Ｅによって披験者がｐ人目の使用者であると認証された場合、認証が成功した旨を示す成功通知音を鳴らすと共に、前記使用者認証手段Ｃ５Ｅによって披験者がｐ人目の使用者であると認証された場合、認証が失敗した旨を示す失敗通知音を鳴らすことにより、認証結果を表示する。
Ｃ５Ｊ′：認証確認判別手段
認証確認判別手段Ｃ５Ｊ′は、披験者に認証結果を確認したか否かを判別する。実施例２の前記認証確認判別手段Ｃ５Ｊ′は、センサシートＳＮの各ボタンセンサＳＮ１が各圧力値を検知しなくなったか否かを判別することにより、披験者が認証の失敗を確認したか否かを判別する。
【００９７】
Ｃ６′：自動ドアロック解除手段
自動ドアロック解除手段Ｃ６′は、前記使用者認証手段Ｃ５Ｅによって被験者がｐ人目の使用者であると認証された場合に、自動ドアＡＤの開閉のロックを解除する。
Ｃ８：自動ドア制御手段
自動ドア制御手段Ｃ８は、前記自動ドアロック解除手段Ｃ６′によって自動ドアＡＤのロックが解除された場合に、自動ドアＡＤの片引き戸ＡＤ１の閉塞位置と開放位置との間のスライド移動を制御する。
【００９８】
（実施例２のフローチャートの説明）
次に、実施例２の前記入室管理装置ＮＫの各プログラムの処理の流れをフローチャートを使用して説明する。なお、実施例２の登録処理については、実施例１の前記登録処理（図１０参照）の「運転席ＣＨに着座」を「センサシートＳＮ上に直立」とし、「運転席ＣＨから離席」を「センサシートＳＮから離間」とするだけで、同様の説明となるため、図示および詳細な説明を省略する。また、実施例２の登録更新処理については、実施例１の前記登録更新処理（図１２参照）と同様であるため、図示および詳細な説明を省略する。
【００９９】
（実施例２の入室管理装置ＮＫの認証処理の説明）
図１６は実施例２の入室管理装置の認証処理のフローチャートであり、実施例１の図１１に対応する説明図である。
図１６において、実施例２の認証処理は、実施例１の認証処理（図１１参照）のＳＴ１０１，ＳＴ１０５，ＳＴ１１０，ＳＴ１１１に替えて、ＳＴ１０１′，ＳＴ１０５′，ＳＴ１１０′，ＳＴ１１１′が実行され、実施例１のＳＴ１０７，ＳＴ１１２が省略されている。また、前記認証処理は、ＳＴ１０６の実行後にＳＴ１０１′に戻る以外は、ＳＴ１０２〜ＳＴ１０４，ＳＴ１０８，１０９については、実施例１と同様であるため、詳細な説明を省略する。
【０１００】
図１６のＳＴ１０１′において、センサシートＳＮの各ボタンセンサＳＮ１が各圧力値を検知してから各圧力値が変化しなくなったか否かを判別することにより、披験者がセンサシートＳＮ上に直立したか否かを判別する。イエス（Ｙ）の場合はＳＴ１０２に移り、ノー（Ｎ）の場合はＳＴ１０１′を繰り返す。
ＳＴ１０５′において、以下の（１）〜（３）の処理を実行し、ＳＴ１０６に移る。
（１）成功通知音を鳴らす。
（２）自動ドアＡＤの開閉のロックを解除する。
（３）自動ドアＡＤを開閉する。
ＳＴ１１０′において、失敗通知音を鳴らす。そして、ＳＴ１０１′に戻る。
ＳＴ１１１′において、被験者がセンサシートＳＮから離れたか否かを判別する。イエス（Ｙ）の場合はＳＴ１０１′に戻り、ノー（Ｎ）の場合はＳＴ１１０′に戻る。
【０１０１】
（実施例２の作用）
前記構成を備えた実施例２の前記個人認証システムＳ′は、前記登録処理（図１０のＳＴ１〜ＳＴ１３参照）によって、ＭＰ人の使用者の相関行列Ｒ１〜ＲＭＰが登録された状態で、披験者がセンサシートＳＮ上に直立すると、披験者がＭＰ人の使用者であるかを認証する前記認証処理（図１６のＳＴ１０１′〜ＳＴ１１１′参照）が実行される。
【０１０２】
実施例２の前記認証処理では、実施例１の前記認証処理と同様に、披験者が床面ＦＬ上のセンサシートＳＮに乗って直立し、演算された披験者のマハラノビス距離Ｄｐが閾値ＳＤ（ＳＤ＝２００）以下であれば、披験者が使用者であると認証される。
したがって、実施例２の前記個人認証システムＳ′は、実施例１の前記個人認証システムＳと同様に、ＭＴシステムを用いて個人認証を行うことができる。
【０１０３】
また、実施例２の前記個人認証システムＳ′についても、実施例１と同様に、前記認証処理を実行することにより、高い識別率を得られるかを実験した。具体的には、前記個人認証システムＳ′を工場等で利用することを想定し、２０人の被験者（披験者且つ使用者）に対して、同種の内履きの一例としての静電靴を履いた状態でセンサシートＳＮ上で直立・離間を繰り返す実験を行った。この結果、２０人の被験者全員について、本人拒否率０［％］（本人許容率１００［％］）且つ他人許容率０［％］（他人拒否率１００［％］）となることが確認された。
その他、実施例２の前記個人認証システムＳ′は、実施例１の前記個人認証システムＳと同様の作用効果を奏する。
【０１０４】
（変更例）
以上、本発明の実施例を詳述したが、本発明は、前記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で、種々の変更を行うことが可能である。本発明の変更例（Ｈ01）〜（Ｈ016）を下記に例示する。
（Ｈ01）前記実施例の前記センサシートＳＮには、縦２０マス、横１８マス（セル）、合計３６０マス（２０×１８＝３６０［マス］）の検知領域に３６０個のボタンセンサＳＮ１が配置されているが、これに限定されず、ボタンセンサＳＮ１の数を２個以上３５９個以下や３６１個以上に増減することも可能である。この場合、例えば、ボタンセンサＳＮ１の数を２個とすると、マハラノビス距離Ｄｐを演算するための特徴量が演算不能となったり、不正確な特徴量が演算されたりする可能性があるため、個人認証システムＳ，Ｓ′が要求する各特徴の内容やその種類の数や本人拒否率［％］や他人許容率［％］に応じてボタンセンサＳＮ１の数を減少させる必要がある。
【０１０５】
（Ｈ02）前記実施例では、センサシートＳＮを座面ＣＨ１や床面ＦＬに敷設したが、これに限定されず、例えば、座面ＣＨ１や床面ＦＬに埋設することも可能である。この場合、ボタンセンサ（感圧導電性インク）ＳＮ１と電極ＳＮ２とが接触し難くなり、圧力値を検知し難くなる可能性があるため、埋設しても圧力分布が検知し易いその他の圧力検知部材を適用することも可能である。
（Ｈ03）前記実施例１では、使用者および被験者が着座する運転席ＣＨの座面ＣＨ１にのみセンサシートＳＮを敷設したが、これに限定されず、例えば、運転席ＣＨの背もたれＣＨ２や肘掛けやシートベルト等にも配置して圧力分布を出力することも可能である。また、個人認証を精度良く実行するために座面ＣＨ１にセンサシートＳＮを敷設することが好ましいが、例えば、座面ＣＨ１のセンサシートＳＮを省略し、背もたれＣＨ２や肘掛けやシートベルト等にのみセンサシートを配置して各圧力分布を出力することも可能である。
【０１０６】
（Ｈ04）前記実施例では、各ボタンセンサＳＮ１によって検知された各圧力値に基づいて３５種類の特徴量を演算したが、これに限定されず、例えば、個人認証システムＳ，Ｓ′が要求する本人拒否率［％］や他人許容率［％］に応じて特徴量の種類を２種類以上３４種類以下に減少させることも可能である。なお、前記実施例１において、３種類の特徴量のみが演算されて１行３列の特徴量行列Ｕｐと３行３列の相関行列Ｒｐとによってマハラノビス距離Ｄｐが演算された場合には（図１１のＳＴ１０３参照）、約６割の本人許容率［％］となり、５種類の特徴量のみが演算されて１行５列の特徴量行列Ｕｐと５行５列の相関行列Ｒｐとによってマハラノビス距離Ｄｐが演算された場合には、７割以上の本人許容率［％］となることが実験等によって確認されている。また、特徴量の種類を３６種類以上に増加させることも可能である。なお、前記実施例１において、３６種類以上とする場合、例えば、以下の（３６）〜（４３）の特徴を追加することも可能である。
（３６）使用者の左半身における圧力値が０のボタンセンサに隣接している左側最高圧力値の５０％以上の圧力値を有するボタンセンサの数
（３７）使用者の右半身における圧力値が０のボタンセンサに隣接している右側最高圧力値の５０％以上の圧力値を有するボタンセンサの数
（３８）後端から使用者の尻の中央（割れ目の後端）までの距離
（３９）後端から使用者の股（割れ目の前端）までの距離
（４０）左端から使用者の左脚の右端までの距離
（４１）左端から使用者の右脚の左端までの距離
（４２）左側最高圧力値の７５％以上の圧力値を有するボタンセンサの上下左右に隣接するボタンセンサの数（検知領域を囲むのマス単位の周囲長）
（４３）右側最高圧力値の７５％以上の圧力値を有するボタンセンサの上下左右に隣接するボタンセンサの数
【０１０７】
（Ｈ05）前記実施例では、使用者の登録情報として、「登録番号ｐ」と「ＭＮ組の各特徴量」と「相関行列Ｒｐ（相関計数ｒｉｊｐ）」とを関連付けて記憶したが、前記登録情報としてはこれに限定されず、例えば、前記使用者の氏名や顔写真等の個人情報を関連付けて記憶することも可能である。
（Ｈ06）前記実施例では、３５種類の各特徴量を平均が０且つ標準偏差が１となるようにそれぞれ正規化して相関行列Ｒを演算したが、正規化をせずに相関行列Ｒを演算することも可能である。この場合、演算された被験者の特徴量を使用者の平均μｉｐおよび標準偏差σｉｐによって基準化せずにマハラノビス距離Ｄｐが演算される。すなわち、式（４）を省略して式（５），（６）のみでマハラノビス距離Ｄｐが演算される。
（Ｈ07）前記実施例では、前記登録更新処理（図１２参照）によってｐ人目の使用者が認証された場合に、ｐ人目の使用者の相関行列Ｒｐを更新したが、これに限定されず、例えば、複数回の認証当たり１回だけ更新をするようにしたり、前回認証から予め設定された更新期間（例えば、３日、１週間、１ヶ月等）が経過していた場合にのみ更新したりすることも可能である。
（Ｈ08）前記実施例のように、前記登録更新処理（図１２参照）によって認証されたｐ人目の使用者の相関行列Ｒｐを更新することが好ましいが、これを省略することも可能である。
【０１０８】
（Ｈ09）前記実施例の３５種類の各特徴については、これに限定されず、他の特徴と置き換えることも可能であり、例えば、前記実施例１では、（１）〜（３５）の各特徴と（３６）〜（４５）の各特徴とを置き換えることも可能である。この場合、（１），（２），（１１），（１６），（３２），（３３）の各特徴については、個人認証の精度向上に寄与する割合が特に大きいと考えられるため、置き換えずに残しておくことが好ましい。
（Ｈ010）前記実施例では、被験者のマハラノビス距離Ｄｐに対する各使用者の閾値ＳＤを２００に設定したが、これに限定されず、個人認証システムＳ，Ｓ′が要求する本人拒否率［％］や他人許容率［％］に応じて設定変更することも可能である。
【０１０９】
（Ｈ011）前記実施例１では、成功画像２０１（図９Ａ参照）や失敗画像２０２（図９Ｂ参照）の確認ボタン２０１ａ，２０２ａによって認証結果を確認させているが、例えば、確認ボタン２０１ａ，２０２ａを省略することも可能である。この場合、例えば、各画像２０１，２０２を一定時間（例えば、５秒間）だけ表示した後に自動的に非表示とすることも可能である。
（Ｈ012）前記実施例では、認証失敗時に失敗画像２０２を表示したり、失敗通知音を鳴らしたりしたが、これに限定されず、例えば、防犯のため、警報（サイレン等）を鳴したり、警察や警備会社や警備室等に通報したりすることも可能である。
【０１１０】
（Ｈ013）前記実施例１では、運転席ＣＨの座面ＣＨ１に着座したのが使用者以外の他人であると判別された場合に、自動車Ｖの機能を完全に制限したが、これに限定されず、自動車Ｖの機能の一部の機能を制限することも可能である。例えば、他人であると判別された場合に、エンジンが低速でしか作動しないように制御することも可能である。この場合、地震等で自動車Ｖを放置しなければならない状況で救援員等の他人が所定の位置まで運転したり、ホテルに乗りつけた際に係員にキーを渡して駐車場まで運転させたりすることが可能となる。また、前記実施例１の個人認証システムＳの自動車Ｖへの適用範囲は自動車Ｖの機能の制限にも限定されず、例えば、使用者が予め登録したシートポジションやステアリングポジションに変更したり、室内空調を設定したり、音楽ＣＤ等やカーラジオを再生したりすること、いわゆる、カスタマイズに適用することも可能である。また、例えば、事故の状況をドライブレコーダ等で確認する際に運転手がどの使用者であったかを確認できるようにすることも可能である。
【０１１１】
（Ｈ014）前記実施例では、自動車Ｖのエンジンスタートのロックを解除したり、管理室の入室を管理したりするために、前記個人認証システムＳ，Ｓ′を利用したが、前記個人認証システムＳ，Ｓ′を用途についてはこれに限定されず、例えば、前記実施例１のように椅子を用いた個人認証については、会社や家庭のパーソナルコンピュータ（ＰＣ）の自動ログイン、会社での勤怠管理、家庭での在宅管理、病院や老人ホーム等での患者や老人の現在位置の把握、店舗（座席のある飲食店、理髪店・美容室等）での会員や常連等の顧客管理、入学試験や資格試験の替え玉受験防止等に利用することも可能である。
（Ｈ015）前記実施例では、前記登録処理（図１０のＳＴ１〜ＳＴ１１参照）において、ＭＮセットの着座・離席の試行によって演算されたＭＮ組の各特徴量から相関行列Ｒｐを演算したが、これに限定されず、例えば、２以上のフレーム数をｆ［フレーム］とした場合に（ｆ≧２）、ＭＮセットの試行によって、１セット中に出力されたｆフレームの圧力分布から、演算された合計（ＭＮ×ｆ）組の各特徴量によって相関行列Ｒｐを演算することも可能である。この場合、例えば、ＭＮ＝２，ｆ＝３００とすると、実験例と同様に、２セットの試行によって演算された６００組の各特徴量から相関行列Ｒｐを演算することが可能となる。
【０１１２】
（Ｈ016）前記実施例では、前記認証処理（図１１のＳＴ１０１〜ＳＴ１１２参照）において、１セットの着座・離席によって出力された１個の圧力分布から各使用者について１個のマハラノビスＤｐを演算したが、これに限定されず、例えば、１セット中に出力されたｆフレームの圧力分布から各使用者についてｆ個のマハラノビスＤｐを演算することも可能である。この場合、例えば、ｆ＝３００とすると、実験例と同様に、１セットの試行によって演算された３００個の各マハラノビスＤｐを演算することが可能となり、３００個全てのマハラノビスＤｐが閾値ＳＤ以下となった場合に、ｐ人目の使用者であると認証したり、１個以上のマハラノビスＤｐが閾値ＳＤ以下となった場合に、ｐ人目の使用者であると認証したりすることも可能である。
【符号の説明】
【０１１３】
Ｃ，ＮＫ…個人認証装置、Ｃ２Ｅ，Ｃ５Ｂ…特徴量演算手段、Ｃ２M1…相関係数記憶手段、Ｃ５Ｃ…距離演算手段、Ｃ５Ｄ…閾値判別手段、Ｃ５Ｅ…登録者認証手段、Ｃ５Ｈ，Ｃ５Ｈ′…認証表示手段、Ｃ７Ｄ…相関係数更新手段、ＣＨ…椅子、ＣＨ１…座面、Ｄｐ…マハラノビス距離、ＦＬ…床面、ｒｉｊｐ…相関係数、Ｓ…個人認証システム、ＳＤ…閾値、ＳＮ…圧力検知部材、ＳＮ１…第１検知部、第２検知部、ｕ１ｐ…第１特徴量、ｕ２ｐ…第２特徴量。
【特許請求の範囲】
【請求項１】
被検者が着座する椅子と、
前記椅子の座面に予め設定された第１検知領域に配置され且つ着座した前記被検者による前記第１検知領域における圧力である第１圧力値を検知する第１検知部と、前記第１検知領域からずれた領域に予め設定された第２検知領域に配置され且つ着座した前記被検者による前記第２検知領域における圧力である第２圧力値を検知する第２検知部と、を有する圧力検知部材と、
前記圧力検知部材によって検知された前記第１圧力値と前記第２圧力値とに基づいて、前記第１圧力値と前記第２圧力値との間の関連性を特定する予め設定された第１の特徴の値である第１特徴量と、前記第１圧力値と前記第２圧力値との間の関連性を特定する予め設定された第２の特徴であって、前記第１の特徴とは異なる前記第２の特徴の値である第２特徴量と、を演算する特徴量演算手段と、
予め登録された登録者と、前記第１の特徴と前記第２の特徴との間の相関を特定する前記登録者ごとの相関係数と、を関連付けて記憶する相関係数記憶手段と、
前記相関係数記憶手段に記憶された前記相関係数と、演算された前記被検者の前記第１特徴量と前記第２特徴量と、に基づいて、前記被検者のマハラノビス距離を演算する距離演算手段と、
演算された前記被検者の前記マハラノビス距離が予め設定された閾値以下であるか否かを判別する閾値判別手段と、
前記被検者の前記マハラノビス距離が前記閾値以下であると判別された場合に、前記被検者が、前記マハラノビス距離の演算に使用された前記相関係数に関連付けられた前記登録者であると認証する登録者認証手段と、
前記被検者が認証された前記登録者であることを表示する認証表示手段と、
を備えたことを特徴とする個人認証装置。
【請求項２】
前記登録者を登録する場合に、前記圧力検知部材によって検知された前記登録者についての前記第１圧力値および前記第２圧力値であって、平均が０且つ標準偏差が１となる前記第１特徴量と、平均が０且つ標準偏差が１となる前記第２特徴量と、の組み合わせの集合に基づく前記登録者の認証基準としての基準空間に基づいて演算された前記相関係数と、前記登録者と、を関連付けて記憶する前記相関係数記憶手段、
を備えたことを特徴とする請求項１に記載の個人認証装置。
【請求項３】
前記登録者の登録を更新する場合に、前記登録者が前記登録者認証手段によって認証された際に前記特徴量演算手段によって演算された前記第１特徴量および前記第２特徴量の組み合わせを含む前記基準空間に基づいて再演算された前記相関係数と、前記登録者と、を関連付けて前記相関係数記憶手段に記憶する相関係数更新手段、
を備えたことを特徴とする請求項２に記載の個人認証装置。
【請求項４】
被検者が直立する床面と、
前記床面に予め設定された第１検知領域に配置され且つ直立した前記被検者による前記第１検知領域における足裏の圧力である第１圧力値を検知する第１検知部と、前記第１検知領域からずれた領域に予め設定された第２検知領域に配置され且つ直立した前記被検者による前記第２検知領域における足裏の圧力である第２圧力値を検知する第２検知部と、を有する圧力検知部材と、
前記圧力検知部材によって検知された前記第１圧力値と前記第２圧力値とに基づいて、前記第１圧力値と前記第２圧力値との間の関連性を特定する予め設定された第１の特徴の値である第１特徴量と、前記第１圧力値と前記第２圧力値との間の関連性を特定する予め設定された第２の特徴であって、前記第１の特徴とは異なる前記第２の特徴の値である第２特徴量と、を演算する特徴量演算手段と、
予め登録された登録者と、前記第１の特徴と前記第２の特徴との間の相関を特定する前記登録者ごとの相関係数と、を関連付けて記憶する相関係数記憶手段と、
前記相関係数記憶手段に記憶された前記相関係数と、演算された前記被検者の前記第１特徴量と前記第２特徴量と、に基づいて、前記被検者のマハラノビス距離を演算する距離演算手段と、
演算された前記被検者の前記マハラノビス距離が予め設定された閾値以下であるか否かを判別する閾値判別手段と、
前記被検者の前記マハラノビス距離が前記閾値以下であると判別された場合に、前記被検者が、前記マハラノビス距離の演算に使用された前記相関係数に関連付けられた前記登録者であると認証する登録者認証手段と、
前記被検者が認証された前記登録者であることを表示する認証表示手段と、
を備えたことを特徴とする個人認証装置。
【請求項５】
被検者が着座する椅子と、
前記椅子の座面に予め設定された第１検知領域に配置され且つ着座した前記被検者による前記第１検知領域における圧力である第１圧力値を検知する第１検知部と、前記第１検知領域からずれた領域に予め設定された第２検知領域に配置され且つ着座した前記被検者による前記第２検知領域における圧力である第２圧力値を検知する第２検知部と、を有する圧力検知部材と、
前記圧力検知部材によって検知された前記第１圧力値と前記第２圧力値とに基づいて、前記第１圧力値と前記第２圧力値との間の関連性を特定する予め設定された第１の特徴の値である第１特徴量と、前記第１圧力値と前記第２圧力値との間の関連性を特定する予め設定された第２の特徴であって、前記第１の特徴とは異なる前記第２の特徴の値である第２特徴量と、を演算する特徴量演算手段と、
予め登録された登録者と、前記第１の特徴と前記第２の特徴との間の相関を特定する前記登録者ごとの相関係数と、を関連付けて記憶する相関係数記憶手段と、
前記相関係数記憶手段に記憶された前記相関係数と、演算された前記被検者の前記第１特徴量と前記第２特徴量と、に基づいて、前記被検者のマハラノビス距離を演算する距離演算手段と、
演算された前記被検者の前記マハラノビス距離が予め設定された閾値以下であるか否かを判別する閾値判別手段と、
前記被検者の前記マハラノビス距離が前記閾値以下であると判別された場合に、前記被検者が、前記マハラノビス距離の演算に使用された前記相関係数に関連付けられた前記登録者であると認証する登録者認証手段と、
前記被検者が認証された前記登録者であることを表示する認証表示手段と、
を備えたことを特徴とする個人認証システム。
【請求項６】
被検者が直立する床面と、
前記床面に予め設定された第１検知領域に配置され且つ直立した前記被検者による前記第１検知領域における足裏の圧力である第１圧力値を検知する第１検知部と、前記第１検知領域からずれた領域に予め設定された第２検知領域に配置され且つ直立した前記被検者による前記第２検知領域における足裏の圧力である第２圧力値を検知する第２検知部と、を有する圧力検知部材と、
前記圧力検知部材によって検知された前記第１圧力値と前記第２圧力値とに基づいて、前記第１圧力値と前記第２圧力値との間の関連性を特定する予め設定された第１の特徴の値である第１特徴量と、前記第１圧力値と前記第２圧力値との間の関連性を特定する予め設定された第２の特徴であって、前記第１の特徴とは異なる前記第２の特徴の値である第２特徴量と、を演算する特徴量演算手段と、
予め登録された登録者と、前記第１の特徴と前記第２の特徴との間の相関を特定する前記登録者ごとの相関係数と、を関連付けて記憶する相関係数記憶手段と、
前記相関係数記憶手段に記憶された前記相関係数と、演算された前記被検者の前記第１特徴量と前記第２特徴量と、に基づいて、前記被検者のマハラノビス距離を演算する距離演算手段と、
演算された前記被検者の前記マハラノビス距離が予め設定された閾値以下であるか否かを判別する閾値判別手段と、
前記被検者の前記マハラノビス距離が前記閾値以下であると判別された場合に、前記被検者が、前記マハラノビス距離の演算に使用された前記相関係数に関連付けられた前記登録者であると認証する登録者認証手段と、
前記被検者が認証された前記登録者であることを表示する認証表示手段と、
を備えたことを特徴とする個人認証システム。
【請求項１】
被検者が着座する椅子と、
前記椅子の座面に予め設定された第１検知領域に配置され且つ着座した前記被検者による前記第１検知領域における圧力である第１圧力値を検知する第１検知部と、前記第１検知領域からずれた領域に予め設定された第２検知領域に配置され且つ着座した前記被検者による前記第２検知領域における圧力である第２圧力値を検知する第２検知部と、を有する圧力検知部材と、
前記圧力検知部材によって検知された前記第１圧力値と前記第２圧力値とに基づいて、前記第１圧力値と前記第２圧力値との間の関連性を特定する予め設定された第１の特徴の値である第１特徴量と、前記第１圧力値と前記第２圧力値との間の関連性を特定する予め設定された第２の特徴であって、前記第１の特徴とは異なる前記第２の特徴の値である第２特徴量と、を演算する特徴量演算手段と、
予め登録された登録者と、前記第１の特徴と前記第２の特徴との間の相関を特定する前記登録者ごとの相関係数と、を関連付けて記憶する相関係数記憶手段と、
前記相関係数記憶手段に記憶された前記相関係数と、演算された前記被検者の前記第１特徴量と前記第２特徴量と、に基づいて、前記被検者のマハラノビス距離を演算する距離演算手段と、
演算された前記被検者の前記マハラノビス距離が予め設定された閾値以下であるか否かを判別する閾値判別手段と、
前記被検者の前記マハラノビス距離が前記閾値以下であると判別された場合に、前記被検者が、前記マハラノビス距離の演算に使用された前記相関係数に関連付けられた前記登録者であると認証する登録者認証手段と、
前記被検者が認証された前記登録者であることを表示する認証表示手段と、
を備えたことを特徴とする個人認証装置。
【請求項２】
前記登録者を登録する場合に、前記圧力検知部材によって検知された前記登録者についての前記第１圧力値および前記第２圧力値であって、平均が０且つ標準偏差が１となる前記第１特徴量と、平均が０且つ標準偏差が１となる前記第２特徴量と、の組み合わせの集合に基づく前記登録者の認証基準としての基準空間に基づいて演算された前記相関係数と、前記登録者と、を関連付けて記憶する前記相関係数記憶手段、
を備えたことを特徴とする請求項１に記載の個人認証装置。
【請求項３】
前記登録者の登録を更新する場合に、前記登録者が前記登録者認証手段によって認証された際に前記特徴量演算手段によって演算された前記第１特徴量および前記第２特徴量の組み合わせを含む前記基準空間に基づいて再演算された前記相関係数と、前記登録者と、を関連付けて前記相関係数記憶手段に記憶する相関係数更新手段、
を備えたことを特徴とする請求項２に記載の個人認証装置。
【請求項４】
被検者が直立する床面と、
前記床面に予め設定された第１検知領域に配置され且つ直立した前記被検者による前記第１検知領域における足裏の圧力である第１圧力値を検知する第１検知部と、前記第１検知領域からずれた領域に予め設定された第２検知領域に配置され且つ直立した前記被検者による前記第２検知領域における足裏の圧力である第２圧力値を検知する第２検知部と、を有する圧力検知部材と、
前記圧力検知部材によって検知された前記第１圧力値と前記第２圧力値とに基づいて、前記第１圧力値と前記第２圧力値との間の関連性を特定する予め設定された第１の特徴の値である第１特徴量と、前記第１圧力値と前記第２圧力値との間の関連性を特定する予め設定された第２の特徴であって、前記第１の特徴とは異なる前記第２の特徴の値である第２特徴量と、を演算する特徴量演算手段と、
予め登録された登録者と、前記第１の特徴と前記第２の特徴との間の相関を特定する前記登録者ごとの相関係数と、を関連付けて記憶する相関係数記憶手段と、
前記相関係数記憶手段に記憶された前記相関係数と、演算された前記被検者の前記第１特徴量と前記第２特徴量と、に基づいて、前記被検者のマハラノビス距離を演算する距離演算手段と、
演算された前記被検者の前記マハラノビス距離が予め設定された閾値以下であるか否かを判別する閾値判別手段と、
前記被検者の前記マハラノビス距離が前記閾値以下であると判別された場合に、前記被検者が、前記マハラノビス距離の演算に使用された前記相関係数に関連付けられた前記登録者であると認証する登録者認証手段と、
前記被検者が認証された前記登録者であることを表示する認証表示手段と、
を備えたことを特徴とする個人認証装置。
【請求項５】
被検者が着座する椅子と、
前記椅子の座面に予め設定された第１検知領域に配置され且つ着座した前記被検者による前記第１検知領域における圧力である第１圧力値を検知する第１検知部と、前記第１検知領域からずれた領域に予め設定された第２検知領域に配置され且つ着座した前記被検者による前記第２検知領域における圧力である第２圧力値を検知する第２検知部と、を有する圧力検知部材と、
前記圧力検知部材によって検知された前記第１圧力値と前記第２圧力値とに基づいて、前記第１圧力値と前記第２圧力値との間の関連性を特定する予め設定された第１の特徴の値である第１特徴量と、前記第１圧力値と前記第２圧力値との間の関連性を特定する予め設定された第２の特徴であって、前記第１の特徴とは異なる前記第２の特徴の値である第２特徴量と、を演算する特徴量演算手段と、
予め登録された登録者と、前記第１の特徴と前記第２の特徴との間の相関を特定する前記登録者ごとの相関係数と、を関連付けて記憶する相関係数記憶手段と、
前記相関係数記憶手段に記憶された前記相関係数と、演算された前記被検者の前記第１特徴量と前記第２特徴量と、に基づいて、前記被検者のマハラノビス距離を演算する距離演算手段と、
演算された前記被検者の前記マハラノビス距離が予め設定された閾値以下であるか否かを判別する閾値判別手段と、
前記被検者の前記マハラノビス距離が前記閾値以下であると判別された場合に、前記被検者が、前記マハラノビス距離の演算に使用された前記相関係数に関連付けられた前記登録者であると認証する登録者認証手段と、
前記被検者が認証された前記登録者であることを表示する認証表示手段と、
を備えたことを特徴とする個人認証システム。
【請求項６】
被検者が直立する床面と、
前記床面に予め設定された第１検知領域に配置され且つ直立した前記被検者による前記第１検知領域における足裏の圧力である第１圧力値を検知する第１検知部と、前記第１検知領域からずれた領域に予め設定された第２検知領域に配置され且つ直立した前記被検者による前記第２検知領域における足裏の圧力である第２圧力値を検知する第２検知部と、を有する圧力検知部材と、
前記圧力検知部材によって検知された前記第１圧力値と前記第２圧力値とに基づいて、前記第１圧力値と前記第２圧力値との間の関連性を特定する予め設定された第１の特徴の値である第１特徴量と、前記第１圧力値と前記第２圧力値との間の関連性を特定する予め設定された第２の特徴であって、前記第１の特徴とは異なる前記第２の特徴の値である第２特徴量と、を演算する特徴量演算手段と、
予め登録された登録者と、前記第１の特徴と前記第２の特徴との間の相関を特定する前記登録者ごとの相関係数と、を関連付けて記憶する相関係数記憶手段と、
前記相関係数記憶手段に記憶された前記相関係数と、演算された前記被検者の前記第１特徴量と前記第２特徴量と、に基づいて、前記被検者のマハラノビス距離を演算する距離演算手段と、
演算された前記被検者の前記マハラノビス距離が予め設定された閾値以下であるか否かを判別する閾値判別手段と、
前記被検者の前記マハラノビス距離が前記閾値以下であると判別された場合に、前記被検者が、前記マハラノビス距離の演算に使用された前記相関係数に関連付けられた前記登録者であると認証する登録者認証手段と、
前記被検者が認証された前記登録者であることを表示する認証表示手段と、
を備えたことを特徴とする個人認証システム。
【図１】
【図２】
【図３】
【図４】
【図５】
【図６】
【図７】
【図８】
【図９】
【図１０】
【図１１】
【図１２】
【図１３】
【図１４】
【図１５】
【図１６】
【図２】
【図３】
【図４】
【図５】
【図６】
【図７】
【図８】
【図９】
【図１０】
【図１１】
【図１２】
【図１３】
【図１４】
【図１５】
【図１６】
【公開番号】特開２０１２−１３３６８３（Ｐ２０１２−１３３６８３Ａ）
【公開日】平成２４年７月１２日（２０１２．７．１２）
【国際特許分類】
【出願番号】特願２０１０−２８６７４７（Ｐ２０１０−２８６７４７）
【出願日】平成２２年１２月２２日（２０１０．１２．２２）
【新規性喪失の例外の表示】特許法第３０条第１項適用申請有り 平成２２年６月２５日 社団法人電子情報通信学会 バイオメトリックシステムセキュリティ研究会主催 社団法人日本自動認識システム協会 バイオメトリックセキュリティコンソーシアム共催の「バイオメトリックシステムセキュリティ研究会（第２２回研究発表会予稿集）」において文書をもって発表
【出願人】（３０５０２７４０１）公立大学法人首都大学東京 (385)
【Ｆターム（参考）】
【公開日】平成２４年７月１２日（２０１２．７．１２）
【国際特許分類】
【出願日】平成２２年１２月２２日（２０１０．１２．２２）
【新規性喪失の例外の表示】特許法第３０条第１項適用申請有り 平成２２年６月２５日 社団法人電子情報通信学会 バイオメトリックシステムセキュリティ研究会主催 社団法人日本自動認識システム協会 バイオメトリックセキュリティコンソーシアム共催の「バイオメトリックシステムセキュリティ研究会（第２２回研究発表会予稿集）」において文書をもって発表
【出願人】（３０５０２７４０１）公立大学法人首都大学東京 (385)
【Ｆターム（参考）】
[ Back to top ]