生体識別装置、及び、生体識別方法
【課題】撮像した画像を用いて個人の識別を行う生体識別装置において、識別時に撮像される画像に明るさの違いがあっても、高精度で識別を行う。
【解決手段】生体識別装置は、撮像部２０と、登録部１４と、明るさ条件設定部と、演算部１０と、を含み、演算部１０は、明るさ条件設定部で設定される複数の異なる明るさ条件においてユーザーの生体パターンを撮像して得られる複数の画像から、ユーザーの特徴量をそれぞれ抽出し、複数の画像における出現頻度が高い特徴量ほど大きい重みをユーザーの特徴量に対応付けて登録部１４に登録する登録動作と、撮像部２０を用いて識別対象者の生体パターンを撮像して得られる画像から、識別対象者の特徴量を抽出し、識別対象者の特徴量、並びに、登録部１４に登録されているユーザーの特徴量及びユーザーの特徴量に対応付けられる重みに基づいて、識別対象者がユーザーであるか否かを識別する識別動作と、を行う。
【解決手段】生体識別装置は、撮像部２０と、登録部１４と、明るさ条件設定部と、演算部１０と、を含み、演算部１０は、明るさ条件設定部で設定される複数の異なる明るさ条件においてユーザーの生体パターンを撮像して得られる複数の画像から、ユーザーの特徴量をそれぞれ抽出し、複数の画像における出現頻度が高い特徴量ほど大きい重みをユーザーの特徴量に対応付けて登録部１４に登録する登録動作と、撮像部２０を用いて識別対象者の生体パターンを撮像して得られる画像から、識別対象者の特徴量を抽出し、識別対象者の特徴量、並びに、登録部１４に登録されているユーザーの特徴量及びユーザーの特徴量に対応付けられる重みに基づいて、識別対象者がユーザーであるか否かを識別する識別動作と、を行う。
【発明の詳細な説明】
【技術分野】
【０００１】
本発明は、生体識別装置、及び、生体識別方法に関する。
【背景技術】
【０００２】
指紋や静脈パターン等の生体的特徴をとらえて個人の認証を行う生体認証システムが知られている。例えば、指を撮像することで得られる指静脈画像に基づいて認証を行うシステムとして生体認証装置等が開発されている。認証を適切に行うためには、登録時と認証時にほぼ同じ明るさの画像を得る必要があった。このため、認証に用いる画像を得る際において、適切な画像を得るための手法が考えられている。特許文献１には、撮像部における撮像素子の増幅率を変化させる利得変化手段を有する認証装置が示されている。
【先行技術文献】
【特許文献】
【０００３】
【特許文献１】特開２００６−１５５５７５号公報
【発明の概要】
【発明が解決しようとする課題】
【０００４】
特許文献１に記載の認証装置では、撮像部における撮像素子の増幅率を変化させる利得変化手段を有し、適切な明るさの画像が撮像されるように撮像のたびにゲインの調整を行っていた。このため、認証装置が認証処理を行う間、ユーザーは不自然に装置に指をかざしておかなければならず、利便性が低かった。一方で、利便性向上のために十分に調整をせずに撮像すると、認証時に取得した画像の明るさが登録時と異なる場合があり、認証精度が低下するというという問題があった。すなわち、認証装置において、認証時に撮像される画像と登録時の画像とに明るさの違いがあっても、高精度で認証を行いたいという要求があった。
【０００５】
ここで、認証とは、登録された画像等と認証時に得られた画像等を照合することによって、認証（識別）対象者が登録者であるか否かを識別し、識別結果に基づいて、例えば電子錠等の制御対象を制御することである。したがって、認証の精度は識別の精度に依存するので、上記の要求は、認証（識別）時に撮像される画像と登録時に撮像される画像とに明るさの違いがあっても、高精度で識別を行いたいということと同義である。
【０００６】
本発明は、このような事情に鑑みてなされたものであり、識別時に撮像される画像と登録時の画像とに明るさの違いがあっても、高精度で識別を行うことを目的とする。
【課題を解決するための手段】
【０００７】
本発明は、上述の課題の少なくとも一部を解決するためになされたものであり、以下の形態又は適用例として実現することが可能である。
【０００８】
［適用例１］生体パターンを撮像する撮像部と、前記生体パターンを特徴付ける特徴量を登録する登録部と、前記撮像部が撮像する明るさ条件を設定する明るさ条件設定部と、演算部と、を含み、前記演算部は、前記明るさ条件設定部で設定される複数の異なる明るさ条件において前記撮像部を用いてユーザーの生体パターンを撮像して得られる複数の画像から、前記ユーザーの特徴量をそれぞれ抽出し、前記複数の画像における出現頻度が高い特徴量ほど大きい重みを前記ユーザーの特徴量に対応付けて前記登録部に登録する登録動作と、前記撮像部を用いて識別対象者の生体パターンを撮像して得られる画像から、前記識別対象者の特徴量を抽出し、前記識別対象者の特徴量、並びに、前記登録部に登録されている前記ユーザーの特徴量及び前記ユーザーの特徴量に対応付けられる重みに基づいて、前記識別対象者が前記ユーザーであるか否かを識別する識別動作と、を行うことを特徴とする生体識別装置。
【０００９】
これによれば、異なる明るさ条件で撮影された複数の画像から抽出される特徴量の中で、出現頻度の高い特徴量ほど大きい重みが対応付け付けられるため、明るさ条件の変化によって出現しないことがある（すなわち出現頻度が低い）特徴量よりも、明るさ条件によらずいつも出現する特徴量の、識別判定に対する寄与が大きくなるため、識別時に撮像される画像に明るさの違いがあっても、高精度で識別を行うことができる。
【００１０】
［適用例２］上記生体識別装置であって、前記識別動作において撮像される前記識別対象者の生体パターンよりも、前記登録動作において撮像される前記ユーザーの生体パターンの方が、撮像範囲が大きいことを特徴とする生体識別装置。
【００１１】
これによれば、登録動作において、より大きな範囲で撮像された生体パターンの画像から抽出されるユーザーの特徴量の数が、識別動作において抽出される識別対象者の特徴量の数よりも多くなる可能性が高い。つまり、識別を行う際に用いられる可能性のあるユーザーの特徴量をより多く登録しておくことができるため、照合データの母体が大きくなる。したがって、識別対象者の生体パターンから抽出される特徴量と登録されている特徴量との照合が行いやすくなり、より精度の高い識別を行うことができる。
【００１２】
［適用例３］上記生体識別装置であって、前記登録部は、前記ユーザーの特徴量を複数登録し、前記演算部は、前記識別動作において、前記識別対象者のスコアを算出し、前記識別動作において抽出された前記識別対象者の特徴量が、前記登録部に登録されている前記ユーザーの特徴量のうちのいずれかと類似する場合には、前記ユーザーの特徴量に対応付けられる重みに応じて前記識別対象者のスコアを増加させ、前記識別対象者のスコアが所定の閾値よりも大きい場合に、前記識別対象者は前記ユーザーであると判断することを特徴とする生体識別装置。
【００１３】
これによれば、重みが大きい特徴量ほど、識別に与える影響が大きくなる。すなわち、明るさが変化すると出現しなくなる不安定な特徴量の影響を相対的に小さくすることができるので、識別精度が向上する。
【００１４】
［適用例４］上記生体識別装置であって、前記演算部は、前記登録動作において、前記複数の画像から抽出された前記ユーザーの特徴量が互いに類似すると判断された場合に前記ユーザーの特徴量の重みを増加させ、前記類似すると判断された累積の頻度が高い特徴量ほど、前記重みを大きく増加させることを特徴とする生体識別装置。
【００１５】
これによれば、重み付けの増加率を変更することで、出現頻度の高い特徴量の重みをより大きくすることができるので、識別精度をより向上させることができる。
【００１６】
［適用例５］上記生体識別装置であって、前記特徴量が、ＳＩＦＴ（Scale Invariant Feature Transform）を用いて抽出されることを特徴とする生体識別装置。換言すれば、前記特徴量が、被写体の位置及び姿勢によらずに特徴付けられる特徴点から抽出される特徴量であって、前記被写体の位置及び姿勢によらずに特徴付けられる特徴量を用いて抽出されることを特徴とする生体識別装置。
【００１７】
これによれば、被写体の位置や方向が登録時のものと異なっていたとしても高精度に識別を行うことができる。
【００１８】
［適用例６］複数の異なる明るさ条件においてユーザーの生体パターンを撮像して得られる複数の画像から、前記ユーザーの特徴量をそれぞれ抽出し、前記複数の画像における出現頻度が高い前記特徴量ほど大きい重みを前記特徴量に対応付けて登録することと、識別対象者の生体パターンを撮像して得られる画像から、前記識別対象者の特徴量を抽出し、前記識別対象者の特徴量、並びに、登録されている前記ユーザーの特徴量及び前記ユーザーの特徴量に対応付けられる重みに基づいて、前記識別対象者が前記ユーザーであるか否かを識別することと、を有することを特徴とする生体識別方法。
【００１９】
これによれば、複数の異なる明るさ条件においてユーザーの生体パターンを撮像して得られる複数の画像から、前記ユーザーの特徴量をそれぞれ抽出し、前記複数の画像における出現頻度が高い特徴量ほど大きい重みを前記特徴量に対応付けて登録することと、識別対象者の生体パターンを撮像して得られる画像から、前記識別対象者の特徴量を抽出し、前記識別対象者の特徴量、並びに、登録されている前記ユーザーの特徴量及び前記ユーザーの特徴量に対応付けられる重みに基づいて、前記識別対象者が前記ユーザーであるか否かを識別することと、を有する生体識別方法が明らかになる。
【００２０】
［適用例７］生体パターンを撮像する撮像部と、前記生体パターンを特徴付ける複数の特徴量を登録する登録部と、前記撮像部が撮像する明るさ条件を設定する明るさ条件設定部と、演算部と、を含み、前記演算部は、前記明るさ条件設定部で設定される複数の異なる明るさ条件において前記撮像部を用いてユーザーの生体パターンを撮像して得られる複数の画像から、前記ユーザーの特徴量をそれぞれ抽出し、前記複数の画像における出現頻度が高い特徴量ほど大きい重みを前記ユーザーの特徴量に対応付けて前記登録部に登録することを特徴とする生体識別装置。
【００２１】
これによれば、生体パターンを撮像する撮像部と、前記生体パターンを特徴付ける特徴量を登録する登録部と、前記撮像部が撮像する明るさ条件を設定する明るさ条件設定部と、演算部と、を含み、前記演算部は、前記明るさ条件設定部で設定される複数の異なる明るさ条件において前記撮像部を用いてユーザーの生体パターンを撮像して得られる複数の画像から、前記ユーザー特徴量をそれぞれ抽出し、前記複数の画像における出現頻度が高い特徴量ほど大きい重みを前記ユーザーの特徴量に対応付けて前記登録部に登録する、生体識別装置が明らかになる。
【００２２】
［適用例８］複数の異なる明るさ条件において、ユーザーの生体パターンを撮像することと、撮像によって得られる複数の画像から、前記ユーザーの特徴量をそれぞれ抽出することと、前記複数の画像における出現頻度が高い特徴量ほど大きい重みを前記ユーザーの特徴量に対応付けて登録することと、を有することを特徴とする生体識別方法。
【００２３】
これによれば、複数の異なる明るさ条件において、ユーザーの生体パターンを撮像することと、撮像によって得られる複数の画像から、前記ユーザーの特徴量をそれぞれ抽出することと、前記複数の画像において出現頻度が高い特徴量ほど大きい重みを前記ユーザーの特徴量に対応付けて登録することと、を有する生体識別方法が明らかになる。
【図面の簡単な説明】
【００２４】
【図１】本実施形態における静脈識別装置のブロック図。
【図２】本実施形態における静脈識別装置をドアの開錠制御に用いた場合の例を示す図。
【図３】本実施形態における登録動作のフローを示す図。
【図４】本実施形態における特徴量抽出処理のフローを示す図。
【図５】本実施形態における特徴点の一例を示す図。
【図６】本実施形態における得られた輝度勾配の一例を示す図。
【図７】本実施形態における輝度勾配のヒストグラムの一例を示す図。
【図８】本実施形態における基準方向に座標軸を合わせたときの輝度勾配の一例を示す図。
【図９】本実施形態における静脈識別で行われる特徴量の抽出を模式的に説明する図。
【図１０】本実施形態における特徴量の重み付けを行う際のフローを示す図。
【図１１】本実施形態における重み付けがされた後の特徴量のリストの一例を示す図。
【図１２】本実施形態における識別動作のフローを示す図。
【図１３】本実施形態における照合処理のフローを示す図。
【発明を実施するための形態】
【００２５】
発明を実施するための生体識別装置の形態として、静脈識別装置を例に挙げて説明する。
【００２６】
図１は、本実施形態における静脈識別装置のブロック図である。静脈識別装置１は、演算部１０とセンサー部（撮像部）２０と光源部３０とトリガセンサー４０と制御対象５０とを備える。センサー部２０はインターフェイス（Ｉ／Ｆ）２８を介して演算部１０に接続されており、また、光源部３０はインターフェイス（Ｉ／Ｆ）３８を介して演算部１０に接続されている。また、静脈識別装置１は、インターフェイス（Ｉ／Ｆ）４８とインターフェイス（Ｉ／Ｆ）５８を介してトリガセンサー４０と制御対象５０とに接続されている。
【００２７】
演算部１０は、演算を行うＣＰＵ（Central Processing Unit）１２と記憶装置（登録部）としてのＲＡＭ（Random Access Memory）１４及びＥＥＰＲＯＭ（Electronically Erasable and Programmable Read Only Memory）１６を含む。ＣＰＵ１２は、ＥＥＰＲＯＭ１６に記憶されたプログラムを実行することにより静脈識別を行う。ＲＡＭ１４には、静脈識別を行う際に必要な特徴量が演算結果として登録される。そして、演算部１０は、後述する登録動作と、識別動作の２つの処理を行う。本実施形態における演算部１０は、明るさ条件設定部としての機能を含む。
【００２８】
センサー部２０は、指の静脈を撮像するためのセンサーである。センサー部２０は、接近した指を撮像するが、その際に露光時間を調整することができるようになっている。また、静脈識別装置１は、センサー部２０として登録動作用と識別動作用との２種類のセンサーを備えていてもよい。
【００２９】
登録時にはセンサー部２０の露光時間を演算部１０が変化させることによって、明るさ条件を変化させながら複数枚の画像を撮像する。このとき、どの露光時間を用いるかを記録した露光時間リストがＥＥＰＲＯＭ１６に記録されている。
【００３０】
光源部３０は、撮像する指に所定波長の光を照らすための装置である。ここでは、近赤外線のＬＥＤ（Light Emitting Diode）光源を含み、７００ｎｍ〜９００ｎｍの波長帯を多く含む光を照射する。この波長帯は「生体の窓」とも呼ばれ、血液のヘモグロビンと水との両方の吸収が低くなり、生体の透過率が高くなる波長帯である。本実施形態では、指に対して７００ｎｍ〜９００ｎｍの波長帯の近赤外線を照射しながら撮像を行うことで、血液が多く存在する部分、すなわち血管の部分が影となって撮影される。したがって、当該指の内部にある静脈の形状を精度良く表した画像を得ることが可能になる。
【００３１】
トリガセンサー４０は、撮像する指の接近を感知し、撮像処理を開始するためのトリガーを演算部１０に送る装置である。トリガセンサー４０には、例えば、静電容量センサーが用いられる。このトリガセンサー４０により、後述するドアなどに静脈識別装置１を設けた場合において、指をドアに近づけただけでセンサー部２０が自動的に指の撮像処理を開始することができるようになる。
【００３２】
制御対象５０は、静脈識別装置１による識別結果に応じて制御したい対象物である。例えば、制御対象５０がコンピューターであるときには、静脈識別装置１による識別結果に応じてコンピューターのアクセス権を付与する。また、制御対象５０がドアの電子錠である場合には、静脈識別装置１による識別結果に応じてドアの電子錠の開錠を行う。以下、制御対象５０がドアの電子錠である場合について説明を行う。
【００３３】
図２（Ａ）及び図２（Ｂ）は、本実施形態における静脈識別装置１をドアの開錠制御に用いた場合の例を示す図である。図に示されるように、静脈識別装置１はドアのドアノブ部に設けられる。静脈識別装置１の前面にはパネル状のセンサー部２０が設けられ（図２（Ｂ）の斜線部）、センサー部２０の両側面には光源部３０が設けられる（図２（Ｂ）の横線部）。センサー部２０は、識別対象者がドアノブ部を握った際に、ちょうど撮像対象の指が置かれるような位置に配置される。
【００３４】
識別対象者がドアを開閉するために当該ドアノブ部を握ると、トリガセンサー４０が指の接近を感知して当該指の静脈パターンの撮像が開始される。図２（Ｂ）に示されるように、撮像時には、センサー部２０の上に位置する識別対象者の指に対して光源部３０から近赤外線を照射することにより、当該指の撮像対象部分について静脈パターン画像が取得される。そして、取得された静脈パターンの画像に基づいて識別対象者がユーザー（登録者）であるか否かが判断される。ユーザーであると判断された場合には、制御対象５０である電子錠が開錠され、ユーザーでないと判断された場合には、電子錠が開錠されない。この識別動作の詳細については後で説明する。
【００３５】
なお、識別対象者がドアの開閉を行う場合、その都度ドアノブの握り方が変わるであろうことから、毎回センサー部２０の同じ位置に同じ角度で指が置かれるとは限らない。すなわち、識別の対象として撮像される静脈パターンの位置や撮像方向はその都度変化するものと考えられる。しかし、後述するように、本実施形態では撮像時の位置や方向によらず、高い精度で識別を行えるようになっている。
【００３６】
＜静脈識別装置の基本動作＞
静脈識別装置１では、あらかじめユーザー毎に静脈パターンを登録しておく「登録動作」と、その登録された静脈パターンデータに基づいて個人の識別を行う「識別動作」とが行われる。
【００３７】
生体パターンに基づく個人の識別（本実施形態では静脈パターンによる識別）を行うためには、識別の判断基準が必要となる。そのため、まず「登録動作」において、ユーザー（登録者）毎に静脈パターンが静脈識別装置１の登録部（ＲＡＭ１４）に登録される（登録モードとも呼ぶ）。登録された静脈パターンは、「識別動作」において、識別対象者の静脈パターンと照合され、両パターンが一致すると判断された場合にユーザーと識別対象者とが同一人物であると判断される（識別モードとも呼ぶ）。
【００３８】
本実施形態の静脈識別装置１では、通常は識別モードを行う設定になっており、識別モードと登録モードとの切替えはユーザー又は識別対象者がモードを選択することによって行われる。以下、各動作についてそれぞれ説明する。
【００３９】
＝＝＝登録動作について＝＝＝
登録動作は、登録対象となるユーザーの指の静脈パターンについて、その特徴を表す「特徴量」を抽出し、ユーザー毎に登録する処理である。本実施形態における特徴量は、位置不変、及び、回転不変なものが採用される。これは、同じ人物の静脈パターンに対しては、撮像範囲が変化（位置が変化した場合）した場合でも、撮像方向が回転（回転変化）した場合でも、パターンに対して同じ位置が特定され（位置不変）、その位置周辺の局所領域の特徴を数値化した特徴量と同じ値で得られる（回転不変）という特性を有するものである。
【００４０】
＜登録動作の流れ＞
図３は、本実施形態における登録動作のフローを示す図である。登録動作は、ステップＳ１０１〜Ｓ１０７の各処理を実行することによって行われる。
【００４１】
登録モードにおいてトリガセンサー４０が指の接近を感知すると登録動作が開始され、初めに、ＥＥＰＲＯＭ１６の露光時間リストを参照して、撮像パラメーター（明るさ条件）が演算部１０によって設定される。（ステップＳ１０１）。本実施形態では画像の明るさを変化させる撮像パラメーターとして露光時間を用いるが、露光時間に限らず、センサーのゲインや、光源の強さを撮像パラメーターに用いることもできる。
【００４２】
露光時間の設定（ステップＳ１０１）の後、登録対象となるユーザーの静脈画像の撮像が行われる（ステップＳ１０２）。指の静脈パターン画像を撮像するにあたり、光源部３０から７００ｎｍ〜９００ｎｍの波長帯を多く含む光が照射される。そして、指の静脈が撮像される。静脈画像の撮像は、静脈識別装置１のセンサー部２０を用いて行うこともできるし、他の撮像可能な装置を用いて行うこともできる。
【００４３】
本実施形態の登録動作では、ユーザーの静脈パターンを撮像する際に、露光時間リストに記録したすべての条件に露光時間を変化させながら、明るさの異なる複数枚の画像を取得する。すなわち、ステップＳ１０３において、露光時間リストに記録されたすべての条件で撮像が行われたか否かが判定され、すべての条件で撮像が行われたと判定された場合（ステップＳ１０３：Ｙｅｓ）には、特徴量の抽出（ステップＳ１０４）に進む。すべての条件で撮像が行われてはいない、すなわち撮像していない条件がある（ステップＳ１０３：Ｎｏ）と判定された場合には、ステップＳ１０１に戻って、撮像していない条件に露光時間を設定する。明るさの異なる複数枚の画像を用いることで、明るさの変化があっても、安定して抽出される特徴量と、そうでない特徴量を出現頻度によって見分けることができる。出現頻度の高い特徴量の重み付けを大きくすることによって、明るさの変化に対して安定的な特徴量の重要度を高めることができる。詳細は後述の（ステップＳ１０６：特徴量の重み付け）で説明する。
【００４４】
また、撮像の際には、上述の特徴量がなるべく多く含まれるように、指の撮像範囲を大きくする。さらに、識別に用いる可能性のある領域は全て撮像しておくべきであるので、後述する識別時における撮像範囲よりも大きな撮像範囲とすることが望ましい。例えば、全ての指について全体を撮像することとしてもよいし、手のひらの領域も撮像することとしてもよい。また、左右両方の指について撮像することとしてもよい。本実施形態の登録動作では、後述する識別動作で撮像される領域よりも広い領域が撮像されることになる。そのために、登録動作において撮像を行うセンサーと識別動作において撮像を行うセンサーとを別個に設けておいてもよい。また、このような広い領域を撮像するにあたり、撮像する範囲全体を一括で撮像を行う必要はなく、分割して撮像することとしてもよい。
【００４５】
次に、撮像された静脈画像から特徴量の抽出を行う（ステップＳ１０４）。特徴量の抽出はステップＳ１０２で取得された明るさの異なる複数の静脈画像のそれぞれについて行われる。そして、１つの画像について複数の特徴量が抽出される。特徴量抽出処理の詳細は後述する。
【００４６】
各画像について特徴量の抽出が行われた後、その抽出された特徴量が適正なものであるか否かが判断される（ステップＳ１０５）。本実施形態では、該特徴量を基準として静脈パターンについての識別が行われるので、識別動作において正確な識別を行うためには十分な量（数）の特徴量が抽出されている必要がある。言い換えると、十分な数の特徴量が抽出されていなければ、識別の基準として採用することはでない。そこで、演算部１０は、抽出された特徴量の数が所定数以上あるか否かを判断し、所定数未満である場合（ステップＳ１０５がＮｏ）は特徴量が不適正なものとしてステップＳ１０１に戻ってパラメーターの調整からやり直して撮像を行う。
【００４７】
抽出された特徴量が適正なものであれば（ステップＳ１０５がＹｅｓ）、その特徴量の重み付けが行われる（ステップＳ１０６）。本実施形態では、明るさの異なる複数の静脈画像が撮像されるが、その全ての画像において、同一と見なせる特徴量が抽出されるわけではない。例えば、ある画像で抽出された特徴量が、明るさの異なる別の画像においては抽出されなかった場合、その特徴量は明るさの変化に対して不安定な特徴量である可能性がある。これに対して、明るさの異なる複数の画像で共通して出現する特徴量は、明るさの変化に対して安定している可能性が高く、識別時にどのような明るさの画像が入力されても、抽出することができるため、識別に有効な特徴量といえる。
【００４８】
そこで、明るさの異なる複数の画像中での出現頻度にしたがって、特徴量に重み付けを行う。つまり、特徴量毎にデータとしての重要度を設定し、上述のようなノイズに起因する特徴量が複数の特徴量全体に与える影響を相対的に小さく抑え、静脈パターンを表す特徴量の影響を大きくする。特徴量の重み付けの具体的な処理内容については後で説明する。
【００４９】
最後に、ステップＳ１０４で抽出された特徴量と、ステップＳ１０６で該特徴量について重み付けされた値とがリスト化され、ＲＡＭ１４に登録される（ステップＳ１０７）。
以上の処理により、登録動作が完了する。
【００５０】
＜特徴量の抽出の詳細＞
特徴量抽出処理（ステップＳ１０４）の処理内容の詳細について説明する。
図４は、本実施形態における特徴量抽出処理（ステップＳ１０４）のフローを示す図である。特徴量の抽出はステップＳ１３１〜Ｓ１３３の各処理を順次実行することにより行われる。
【００５１】
まず、撮像した静脈画像の画像補正が行われる（ステップＳ１３１）。ここで画像補正が行われるのは、主に次の３つの理由からである。（１）指の透過率には個人差があり、取得した画像の全体の輝度がばらつくことがある。（２）指の透過率の個人差により明暗分布が生じてしまうことがある。例えば、指の関節部は明るく画像が取得され、関節と関節との間は暗く画像が取得される。（３）静脈と表皮との間の生体組織により、光が拡散し、撮像した静脈パターンがぼやける場合がある。
【００５２】
これらの課題を解決するために、フィルター処理を行う。上記（１）の課題を解決するためには、正規化が必要であり、そのために平均値（直流成分）を除去する必要がある。また、上記（２）の課題を解決するためには、均一化が必要であり、そのために、緩やかな変動を除去する必要がある。よって、これら（１）と（２）の課題を解決するために、静脈画像に対してハイパスフィルターを適用する。
【００５３】
また、上記（３）の課題を解決するためには、シャープネス処理が必要であるから、静脈画像に対してアンシャープマスクを適用し高周波成分を強調する。すなわち、これらハイパスフィルターとアンシャープマスクを統合したフィルターを作成し適用する。具体的には、２つのフィルターの周波数応答（ＭＴＦ：Modulation Transfer Function）を周波数空間で積算し、これを逆フーリエ変換したフィルターを適用することになる。
【００５４】
なお、撮像された画像に輝度のばらつき等がほとんどない場合には、当該補正処理は必ずしも行われなくてもよい。
【００５５】
次に、特徴点の抽出（ステップＳ１３２）が行われる。ここで、「特徴点」とは、撮像された複数の画像の間で、静脈画像が回転したり位置が移動したりする場合でも、静脈パターンの決まった位置に出現する点のことを言う。すなわち、位置・角度がシフトしても静脈パターンに対する相対位置が変化しない点である。
【００５６】
本実施形態では、前述のようにセンサーと指との位置関係が固定ではないことから、静脈パターンの特徴量を算出するためには、その中心位置（基準となる位置）を求めたいという要求がある。この中心位置となる点が特徴点である。このような要求を満たす手法の一例として、本実施形態における特徴点抽出及び特徴量抽出では、ＳＩＦＴ（Scale Invariant Feature Transform）が採用される。以下に、ＳＩＦＴを用いて特徴点抽出及び特徴量抽出を行う際の方法について説明する。
【００５７】
特徴点抽出（ステップＳ１３２）の処理においては、まず、ノイズを取り除き、安定した特徴を得るために、静脈画像にガウスフィルターを適用して平均化処理を行う。そして、ある周波数以上の成分をカットする処理を行う。また、ガウスフィルターを適用した画像の二次微分を算出し、その極値を特徴点候補とする。さらに、ノイズに由来する特徴点を取り除くために、極値の絶対値が所定の閾値以上の点のみを特徴点として採用する。上記において、特徴点候補を得るために二次微分を算出しているのは、均一な領域ではなく、変化があるエッジ部を画像から抽出するためである。また、撮像において斜めから光源照射がなされた場合において、一定の傾きで変化する領域が画像に生ずることがあるが、このような領域を特徴点候補としないためである。二次微分の算出は、具体的には、静脈画像とガウス導関数の畳み込み積分により行われる。
【００５８】
図５は、本実施形態における特徴点の一例を示す図である。図５には、撮像された静脈画像を部分的に拡大した図（図の斜線部）と、その静脈の分岐点において特定された特徴点が示されている。特徴点は、輝度勾配の二次微分の極値の場所が選択されるので、輝度の変化量が大きな箇所が選択されることになる。また、二次微分の極値の場所は、一次微分の変化量が極大となる場所であるから、周囲に比べて曲率（すなわり曲がり方）が大きい点が選択される。よって、静脈の分岐点や血管内部も特徴点として選択されることになる。すなわち、静脈とそうでない場所とを分ける場所が特徴点として自動的に選択されることになる。
【００５９】
次に、特徴量の抽出が行われる（ステップＳ１３３）。特徴量の抽出は、上記の処理において得られたそれぞれの特徴点に対して以下の処理を行うことにより行われる。まず、特徴点周辺の輝度勾配を算出する。
【００６０】
図６は、本実施形態における得られた輝度勾配の一例を示す図である。図６には、特徴点を中心とした複数のマス目（本実施形態では、８×８のマス目）が示されている。そして、各マス目における輝度勾配がベクトル量として示されている。
【００６１】
次に、図６のように得られた輝度勾配についてヒストグラムを作成する。そして、最も頻度の高い方向を特徴量の基準方向とする。
【００６２】
図７は、本実施形態における輝度勾配のヒストグラムの一例を示す図である。図７の横軸は、全方向（３６０度）を所定数の方向に分割した場合の各方向を表し（図７の場合は３６方向に分割した場合を表す）、縦軸は各方向における輝度の大きさｈを表す。すなわち、図７では、３６方向のヒストグラムが示されている。そして、「ｐｅａｋ」と記載した方向の値が最も高くなっている。よって、この方向が特徴量の基準方向となる。
【００６３】
次に、特徴点を中心として、前述の処理で選択された基準方向に合わせて、再度８×８のマス目を作成する。そして、この８×８のマス目を４×４のマス目に対応させ、この４×４のマス目毎の輝度勾配について、マス目毎に８方向のベクトルに分解する。
【００６４】
図８は、本実施形態における基準方向に座標軸を合わせたときの輝度勾配の一例を示す図である。図８の左図においては、太矢印の方向が前述の基準方向であり、基準方向に方向を合わせた８×８のマス目を再作成して、基準方向を基準として輝度勾配を求め直したものである。また、図８の右図は、この８×８のマス目を４×４のマス目に対応させ、マス目毎に輝度勾配を８方向のベクトルに分解したものである。
【００６５】
ここでは、８方向のベクトルに分解しているので、０°、４５°、９０°、１３５°、１８０°、２２５°、２７０°、及び、３１５°のそれぞれの方向についてスカラー量が得られる。また、４×４のマス目のそれぞれについて、これらのスカラー量が得られていることになるため、４×４×８＝１２８次元のスカラー量を得ることができることになる。本実施形態において、特徴点における特徴量は、これら複数次元のスカラー量である。
【００６６】
図９は、本実施形態における静脈識別で行われる特徴量の抽出を模式的に説明する図を示す。図９では、５枚の明るさの異なる画像から特徴量を抽出するものとする。
【００６７】
まず、明るさ条件が異なる５回の撮像により、Ｉ−０１〜Ｉ−０５の５種類の明るさの異なる静脈パターンの画像が得られる。そして、各画像についてステップＳ１３２の処理が行われ、特徴点が抽出される。図の各静脈画像中に複数表示されている白丸が、抽出された「特徴点」である。これらの特徴点についてそれぞれステップＳ１３３の処理が行われ、特徴量が抽出される。例えば、画像Ｉ−０１においては、Ｕ１〜Ｕｎのｎ個の特徴量が抽出され、画像Ｉ−０２においては、Ｖ１〜Ｖｍのｍ個の特徴量が抽出される。それぞれの特徴量は上述のような１２８次元のスカラー量で表される。そして、各画像において抽出される全ての特徴量を特徴量群と定義する。例えば、画像Ｉ−０１からは、特徴量群Ｇ−０１（Ｕ１〜Ｕｎ）が求められ、画像Ｉ−０２からは、特徴量群Ｇ−０２（Ｖ１〜Ｖｍ）が求められる。このようにして、Ｉ−０１〜Ｉ０５の５種類の画像について、それぞれＧ−０１〜Ｇ−０５の５種類の特徴量群が求められる。
【００６８】
求められた特徴量群は、登録者のＩＤとセットにしてＲＡＭ１４に一時的に保存される。これにより、一人の登録者（ユーザー）について複数の特徴量群のデータが得られる。
【００６９】
＜特徴量の重み付けの詳細＞
次に、抽出された特徴量に重み付けを行う処理（ステップＳ１０６）の具体的内容について説明する。
図１０は、本実施形態における特徴量の重み付けを行う際（ステップＳ１０６）のフローを示す図である。特徴量の重み付けは、演算部１０によってステップＳ１５１〜Ｓ１５８の各処理を実行することにより行われる。
【００７０】
演算部１０は、まず、複数の特徴量群のうち１番目の特徴量群に含まれる全ての特徴量をリスト化する（ステップＳ１５１）。例えば、図９に示した例では、１番目の特徴量群Ｇ−０１に含まれる特徴量（Ｕ１，Ｕ２，…，Ｕｎ）からなるリストが作成される。なお、リスト作成段階では、Ｕ１〜Ｕｎのいずれの特徴量についても重み付けが１と設定される。
【００７１】
リストが作成された後、次の特徴量群が選択され（ステップＳ１５２）、当該選択された特徴量群の中からｉ番目（ｉ＝１，２，３…）の特徴量が選択される（ステップＳ１５３）。例えば、上述の例の場合、２番目の特徴量群としてＧ−０２が選択され、Ｇ−０２に含まれる特徴量（Ｖ１，Ｖ２，…，Ｖｍ）の中からｉ番目の特徴量であるＶｉが選択される。したがって、初めは特徴量群Ｇ−０２の中から特徴量Ｖ１が選択される。
【００７２】
次に、当該選択された特徴量が、ステップＳ１５１でリスト化された特徴量のいずれかと類似するか否かが判断される（ステップＳ１５４）。ここで、特徴量の「類似」は、例えば、比較する２つの特徴量ベクトル間におけるユークリッド距離を算出し、算出されたユークリッド距離とあらかじめ設定してある所定の閾値とを比較することによって判断することができる。これらの距離の値が所定の閾値よりも小さいことは、両者のベクトルが非常に近いことを示すので２つの特徴量は類似度が高いと判定することができる。
【００７３】
例えば、ステップＳ１５３で選択されたＧ−０２の特徴量Ｖ１と、ステップＳ１５１で登録されたリストに示される特徴量（Ｕ１〜Ｕｎ）との間で、それぞれユークリッド距離が算出される。その中でＶ１とＵ１との間のユークリッド距離が所定の閾値よりも小さい場合、Ｖ１とＵ１とは類似する特徴量であると判断される。
【００７４】
なお、ここでは、ユークリッド距離に基づいて類似判断を行うこととしたが、市街地距離やマハラノビスの距離に基づいて類似判断を行うこととしてもよい。
【００７５】
類似判断の結果、両者が類似すると判断された場合（ステップＳ１５４がＹｅｓ）、演算部１０は当該リストにおける特徴量の重み付けを増加させる（ステップＳ１５５）。一方、両者が非類似である（類似しない）と判断された場合、すなわち算出された距離が所定の閾値以上である場合（ステップＳ１５４がＮｏ）、演算部１０はステップＳ１５３において選択された特徴量を、新たにステップＳ１５１のリストに追加する（ステップＳ１５６）。
【００７６】
例えば、上述の例においてＧ−０２の特徴量Ｖ１とリスト上の特徴量Ｕ１とが類似すると判断された場合、Ｕ１について重み付けを１増加させる。一方、Ｇ−０２の特徴量Ｖ１がリスト上の特徴量（Ｕ１〜Ｕｎ）のいずれとも類似しないと判断された場合、特徴量Ｖ１が新たにリストに追加される。
【００７７】
なお、ステップＳ１５５で重み付けを増加させる場合に、２つの特徴量間のユークリッド距離に応じて、増加率を変更するようにしてもよい。当該ユークリッド距離が小さいということは、両特徴量ベクトル間の類似度が高いことを示している。これは、複数の画像において極めて類似するデータ（特徴量）が２以上存在することを意味するので、その２つの特徴量は、静脈パターンを規定する特徴量として重要度が高いデータであると考えられる。そこで、そのような重要度の高いデータについては、重み付けを大きくしておくことで、識別動作においてより高精度な識別を行うことが可能となる。
【００７８】
その後、ステップＳ１５２で選択された特徴量群に含まれる特徴量が順番に選択され、それぞれリストに登録されている特徴量と比較される（ステップＳ１５７）。第ｉ番目の特徴量ＶｉについてステップＳ１５３〜Ｓ１５６の各処理が行われた後、比較するべき次の特徴量（ｉ＋１番目の特徴量Ｖｉ＋１）が存在する場合は（ステップＳ１５７がＮｏ）、該特徴量Ｖｉ＋１について上述したステップＳ１５３〜Ｓ１５６の各処理が繰り返される。一方、次の特徴量が存在しない場合は（ステップＳ１５７がＹｅｓ）、その特徴量群についての処理を終了し、ステップＳ１５８において次の特徴量群の有無が判断される。
【００７９】
次の特徴量群が存在する場合は（ステップＳ１５８がＮｏ）、次の特徴量群について上述したステップＳ１５２〜Ｓ１５７の各処理が繰り返される。例えば、図９でＧ−０２に含まれる全ての特徴量についてステップＳ１５７までの処理が終了した場合、次の特徴量群Ｇ−０３が存在するので、Ｇ−０３に含まれる各特徴量について、上述と同様の処理が繰り返される。一方、次の特徴量群が存在しない場合、すなわち、特徴量群Ｇ−０５までの処理が終了した場合は（ステップＳ１５８がＹｅｓ）、特徴量の重み付け処理（ステップＳ１０６）を終了する。
【００８０】
重み付け処理（ステップＳ１０６）後の特徴量に関するデータは、識別の基準としてリスト化され、登録部（ＲＡＭ１４）に登録される。
図１１は、本実施形態における重み付けがされた後の特徴量のリストの一例を示す図である。当該リストにおいて、番号は特徴点を識別するために便宜的に付された番号を表す。図では、合計でＮ個の特徴点がリストに追加されたことを示している。また、特徴量ベクトルは、その特徴量毎の１２８次元のベクトルを表している。なお、前述のステップＳ１５４の類似の結果、リストに追加される特徴量（図１１においてはＮ個の特徴量）は全て非類似なベクトルとなっている。
【００８１】
そして、１〜Ｎの特徴量について、それぞれ重み付けの大きさが設定される。重み付けが大きな特徴量ほど、複数種類の静脈画像において出現頻度が高い（ステップＳ１５４において類似すると判断された回数が多い）ことを意味している。すなわち、当該重み付けが大きいほど、重要なデータであるといえる。逆に、出現頻度が低い特徴量は重要なデータではない可能性が高い。例えば、出現頻度の低い特徴量は、複数回撮像される画像のうちの一回において偶然含まれてしまったノイズが検出されたものであると考えることができる。したがって、そのような出現頻度が低いデータを識別の基準として重要視しないように、重み付けが低く設定される。
【００８２】
また、特徴量の重み付けを行う際に重みの増加率を変更することによって、そのデータの重要度も変更することができる。例えば上述のステップＳ１５５においてユーザーの特徴量について重み付けを増加させる際に、複数枚の画像から抽出されたユーザーの特徴量のうち、類似すると判断される特徴量の出現頻度を演算部１０がカウントしておき、出現頻度に応じて重みの増加率を変更する。具体的には、類似する特徴量が出現する頻度に対してユーザーの特徴量の重みを二次関数的に増加させる等、累積の頻度が高い特徴量るほど重みの増加率を大きくするようにしてもよい。これにより、複数枚の画像から抽出されたユーザーの特徴量のうち、類似する特徴量が多いほど特徴量の重みがより大きくなるので、当該特徴量の重要度をより高くすることができる。
【００８３】
＝＝＝識別動作について＝＝＝
識別動作は、登録されているユーザー毎の静脈パターンと識別対象者の静脈パターンとを照合して、登録されているいずれかのユーザーとその識別対象者とが同一人物であるか否かを判定する処理である。
【００８４】
静脈識別装置１は、通常時の使用場面（ドアに施錠しているとき）においては、識別モードの状態で待機している。この状態において、トリガセンサー４０が静脈識別装置１への指への接近を検知すると、以下のような識別動作が開始され、演算部１０によって識別の拒否が判断される。
【００８５】
＜識別動作の流れ＞
図１２は、本実施形態における識別動作のフローを示す図である。識別動作はステップＳ５０１〜Ｓ５０８の各処理を実行することによって行われる。
【００８６】
まず、接近した指をセンサー部２０によって撮像する（ステップＳ５０１）。静脈画像の撮像は、識別対象者がドア（図２参照）を開こうとしてドアノブを握ったタイミングで行われる。このとき、光源部３０から７００ｎｍ〜９００ｎｍの波長帯を多く含む近赤外線を照射しながらセンサー部２０を用いて１回の撮像が行われる。
【００８７】
識別時においては、予め設定された平均的な撮像パラメーター（露光時間）が使われる。このため、ユーザーを待たせることなく高速に撮像することができる。結果として、装置周辺の環境光の明るさや、ユーザーの身体状態によって、明るさが異なる画像が入力されるが、本発明のアルゴリズムにより、精度を落とすことなく識別することが可能である。
【００８８】
また、撮像される指の範囲は、登録動作時よりも狭くすることができる。通常の場合、指の静脈パターンの一部分を撮像しただけでも、個人の識別を行う際に必要な数の特徴量を抽出することが可能だからである。登録動作において、指全体等の大きな撮像範囲で静脈パターンを撮像し、その指全体分の特徴量が抽出されているため、識別動作においてそのうちの一部（例えば３０個）の特徴量を照合するだけで、識別の精度を確保することができる。
【００８９】
次に、撮像された識別対象者の静脈画像から特徴量の抽出が行われる（ステップＳ５０２）。特徴量の抽出は登録動作時（ステップＳ１０４）と同様にして行うことができ、１つの静脈画像から複数の特徴量が抽出される。例えば、識別対象者の静脈パターンを表す特徴量としてＷ１〜Ｗｐが抽出されたとすると、Ｈ−０１（Ｗ１〜Ｗｐ）が識別対象者を表す特徴量群としてＲＡＭ１４に一時的に保存される。
【００９０】
抽出された特徴量群が適正なものであれば、すなわち、静脈識別を行うのに十分な数の特徴量を抽出することができていれば（ステップＳ５０３）、抽出された当該特徴量群についての照合が行われる（ステップＳ５０４）。なお、ステップＳ５０３の処理はステップＳ１０５の処理と同様である。
【００９１】
照合処理（ステップＳ５０４）では、識別対象者の特徴量群に含まれる各特徴量について、登録動作において登録されたリスト（図１１参照）に類似の特徴量が含まれているか否かが判定される。そして、類似の特徴量が含まれていた場合は、その特徴量に設定されている重み付けの値（図１１参照）が、識別対象者のスコアとして加算される。このスコアは、識別対象者の静脈パターンと、静脈識別装置１に登録されたユーザーのうちのいずれかの静脈パターンとが類似しているほど高い値となる。
【００９２】
照合処理の具体的処理方法については後で説明する。
【００９３】
そして、照合処理の結果として得られた識別対象者のスコアと所定の閾値とが比較される（ステップＳ５０５）。上述のように、スコアが高いほど、識別対象者の静脈パターンと、登録ユーザーの静脈パターンとの類似度が高いので、閾値の値を適当に設定することにより、個人の識別を精度良く行うことができる。なお、本実施形態において、閾値はユーザーの静脈パターンを撮像した画像から抽出された特徴量の数が多いほど大きな値になるようにしてもよい。特徴量が多く抽出されれば、登録動作においてリストに登録される特徴量も多くなり、その分、識別対象者のスコアも大きく算出されやすくなる。したがって、演算部１０は、抽出された特徴量が多いほど閾値を大きくする。例えば、（閾値）＝（定数）×（特徴量数）としておく。ユーザーの特徴量が多く抽出されるほど、該ユーザーの特徴量と識別対象者の特徴量とが類似する確率が高くなる。したがって、識別対象者のスコアも高く算出されやすくなるため、抽出された特徴量の数に応じて閾値を設定することで、より高精度な識別を行うことが可能になる。
【００９４】
演算部１０は、識別対象者のスコアが所定の閾値よりも大きい場合（ステップＳ５０５がＹｅｓ）には、ユーザーと識別対象者とが一致する、すなわち識別対象者はユーザーであると判断する識別（ステップＳ５０６）。一方、識別対象者のスコアが所定の閾値以下である場合（ステップＳ５０５がＮｏ）には、ユーザーと識別対象者とが一致しないと判定する（ステップＳ５０７）。
【００９５】
判定の結果は制御対象５０に送信され（ステップＳ５０８）、その結果に従った制御がなされる。例えば、図２（Ａ）のように制御対象５０がドアの電子錠である場合には、識別対象者とユーザーとが一致すると判断されれば開錠され、一致しないと判断されれば開錠されない。
【００９６】
＜照合処理の詳細＞
照合処理（ステップＳ５０４）の処理内容の詳細について説明する。
図１３は、本実施形態における照合処理のフローを示す図である。照合処理は、演算部１０によってステップＳ５５１〜Ｓ５５５の各処理を実行することにより行われる。なお、以下では、特徴量抽出処理（ステップＳ５０２）において、識別対象者の特徴量群としてＨ−０１（Ｗ１〜Ｗｐ）が抽出されているものとして説明を行う。
【００９７】
はじめに、識別対象者の特徴量群に含まれるｐ個の特徴量（Ｗ１〜Ｗｐ）について、ｊ番目（ｊ＝１，２，３…）の特徴量Ｗｊが選択される（ステップＳ５５１）。例えば、照合処理の開始時点では、まずＷ１が選択される。
【００９８】
次に、前述の登録動作において登録されたリスト（図１１参照）の中に、Ｗｊと類似する特徴量があるか否かについて判断される（ステップＳ５５２）。ここで、「類似」の判断は、前述のステップＳ１５４の処理と同様である。すなわち、リストに設定されたある特徴量とＷｊとの、２つの特徴量ベクトル間におけるユークリッド距離を算出し、算出されたユークリッド距離があらかじめ設定される所定の閾値よりも小さい場合に「類似」と判断される（ステップＳ５５２がＹｅｓ）。
【００９９】
選択されたＷｊについて、類似する特徴量がリスト上に登録されていた場合（ステップＳ５５２がＹｅｓ）は、その特徴量について設定された重みの値がＷｊのスコアとして加算される（ステップＳ５５３）。例えば、ｊ番目に選択された特徴量Ｗｊが、図１１のリストにおける３番目の特徴量（番号３の特徴量ベクトル）と類似すると判断された場合は、当該特徴量について設定された重みの値「９」がＷｊのスコアとして加算される。
【０１００】
一方、選択されたＷｊについて、類似する特徴量がリスト上に見つからなかった場合（ステップＳ５５２がＮｏ）は、Ｗｊのスコアは変更されない。例えば、特徴量Ｗｊと類似する特徴量が図１１のリストに無いと判断された場合は、Ｗｊのスコアとして加算される重みの値は「０」となる。
【０１０１】
そして、次の特徴量（ｊ＋１番目の特徴量Ｗｊ＋１）が存在する場合は（ステップＳ５５４がＮｏ）、該特徴量Ｗｊ＋１について上述の（ステップＳ５５１〜Ｓ５５３）の処理が繰り返される（ステップＳ５５４）。次の特徴量がない場合（ステップＳ５５４がＹｅｓ）は、Ｗｊについて加算されたスコアの合計が特徴量群Ｈ−０１（Ｗ１〜Ｗｐ）のスコアとして算出され、出力される（ステップＳ５５５）。この算出された識別対象者のスコアを用いて、識別対象者がユーザー（登録者）であるか否かが判断される（ステップＳ５０５）。
【０１０２】
＜まとめ＞
本実施形態では、登録動作において、ユーザーの静脈パターンを複数回撮像して得られる複数の画像から、当該静脈パターンを特徴付ける特徴量をそれぞれ抽出する。そして、複数の画像のうちのある画像から抽出された特徴量と、その画像とは異なる画像から抽出された特徴量とが類似するときは、該特徴量の重み付けを増加して、静脈識別装置１の登録部に登録しておく。
【０１０３】
また、識別動作において、識別対象者の静脈パターンを１回撮像して得られる画像から、当該静脈パターンを特徴付ける特徴量を抽出する。そして、登録動作において登録された特徴量と、識別対象者の特徴量とを照合することで識別対象者がユーザー（登録者）であるか否かを識別する。
【０１０４】
この方法によると、ノイズに起因すると考えられる特徴量は、複数の画像中で出現頻度が低くなるので、重み付けの値が低く設定される。逆に、静脈パターンを特徴付ける特徴量は、複数の画像中で出現頻度が高くなるので、重み付けの値が高く設定される。これにより、識別時においてノイズに起因する特徴量の寄与分は相対的に小さくなり、識別に有効な特徴量の寄与分は大きくなる。
【０１０５】
したがって、撮像した画像を用いて個人の識別を行う識別装置を用いて、精度の高い識別を行うことが可能となる。
【０１０６】
＝＝＝その他の実施形態＝＝＝
一実施形態としての静脈識別装置１を説明したが、上記の実施形態は、本発明の理解を容易にするためのものであり、本発明を限定して解釈するためのものではない。本発明は、その趣旨を逸脱することなく、変更、改良され得ると共に、本発明にはその等価物が含まれることは言うまでもない。特に、以下に述べる実施形態であっても、本発明に含まれるものである。
【０１０７】
＜生体識別装置について＞
上述の実施形態において、生体識別装置の例として静脈パターンを用いて識別を行う静脈識別装置１を挙げて説明しているが、この限りではなく、静脈パターン以外の人間の生体パターンを捉えて識別を行う装置であってもよい。例えば、指の指紋や眼球の虹彩や顔等についての画像を用いて個人の識別を行うことも可能である。
【０１０８】
＜明るさ条件設定部について＞
上述の実施形態にいて、明るさ条件設定部が明るさ条件を変化させる方法として、撮像部の露光時間を変化させる方法を説明しているが、この限りではない。例えば、撮像部の利得や光源の光量を変化させる方法を用いてもよい。
【０１０９】
＜ＳＩＦＴ特徴量について＞
上述の実施形態において、特徴点の抽出及び特徴量の抽出を行う際の手法としてＳＩＦＴ特徴量を用いた例について説明しているが、この限りではない。例えば、ＳＵＲＦ（Speeded Up Robust Features）、ＧＬＯＨ（Gradient Location and Orientation Histogram）等の手法を用いることとしてもよい。
【符号の説明】
【０１１０】
１ 静脈識別装置、１０ 演算部、１２ ＣＰＵ、１４ ＲＡＭ（登録部）、１６ ＥＥＰＲＯＭ、２０ センサー部（撮像部）、２８ インターフェイス、３０ 光源部、３８ インターフェイス、４０ トリガセンサー、４８ インターフェイス、５０ 制御対象、５８ インターフェイス。
【技術分野】
【０００１】
本発明は、生体識別装置、及び、生体識別方法に関する。
【背景技術】
【０００２】
指紋や静脈パターン等の生体的特徴をとらえて個人の認証を行う生体認証システムが知られている。例えば、指を撮像することで得られる指静脈画像に基づいて認証を行うシステムとして生体認証装置等が開発されている。認証を適切に行うためには、登録時と認証時にほぼ同じ明るさの画像を得る必要があった。このため、認証に用いる画像を得る際において、適切な画像を得るための手法が考えられている。特許文献１には、撮像部における撮像素子の増幅率を変化させる利得変化手段を有する認証装置が示されている。
【先行技術文献】
【特許文献】
【０００３】
【特許文献１】特開２００６−１５５５７５号公報
【発明の概要】
【発明が解決しようとする課題】
【０００４】
特許文献１に記載の認証装置では、撮像部における撮像素子の増幅率を変化させる利得変化手段を有し、適切な明るさの画像が撮像されるように撮像のたびにゲインの調整を行っていた。このため、認証装置が認証処理を行う間、ユーザーは不自然に装置に指をかざしておかなければならず、利便性が低かった。一方で、利便性向上のために十分に調整をせずに撮像すると、認証時に取得した画像の明るさが登録時と異なる場合があり、認証精度が低下するというという問題があった。すなわち、認証装置において、認証時に撮像される画像と登録時の画像とに明るさの違いがあっても、高精度で認証を行いたいという要求があった。
【０００５】
ここで、認証とは、登録された画像等と認証時に得られた画像等を照合することによって、認証（識別）対象者が登録者であるか否かを識別し、識別結果に基づいて、例えば電子錠等の制御対象を制御することである。したがって、認証の精度は識別の精度に依存するので、上記の要求は、認証（識別）時に撮像される画像と登録時に撮像される画像とに明るさの違いがあっても、高精度で識別を行いたいということと同義である。
【０００６】
本発明は、このような事情に鑑みてなされたものであり、識別時に撮像される画像と登録時の画像とに明るさの違いがあっても、高精度で識別を行うことを目的とする。
【課題を解決するための手段】
【０００７】
本発明は、上述の課題の少なくとも一部を解決するためになされたものであり、以下の形態又は適用例として実現することが可能である。
【０００８】
［適用例１］生体パターンを撮像する撮像部と、前記生体パターンを特徴付ける特徴量を登録する登録部と、前記撮像部が撮像する明るさ条件を設定する明るさ条件設定部と、演算部と、を含み、前記演算部は、前記明るさ条件設定部で設定される複数の異なる明るさ条件において前記撮像部を用いてユーザーの生体パターンを撮像して得られる複数の画像から、前記ユーザーの特徴量をそれぞれ抽出し、前記複数の画像における出現頻度が高い特徴量ほど大きい重みを前記ユーザーの特徴量に対応付けて前記登録部に登録する登録動作と、前記撮像部を用いて識別対象者の生体パターンを撮像して得られる画像から、前記識別対象者の特徴量を抽出し、前記識別対象者の特徴量、並びに、前記登録部に登録されている前記ユーザーの特徴量及び前記ユーザーの特徴量に対応付けられる重みに基づいて、前記識別対象者が前記ユーザーであるか否かを識別する識別動作と、を行うことを特徴とする生体識別装置。
【０００９】
これによれば、異なる明るさ条件で撮影された複数の画像から抽出される特徴量の中で、出現頻度の高い特徴量ほど大きい重みが対応付け付けられるため、明るさ条件の変化によって出現しないことがある（すなわち出現頻度が低い）特徴量よりも、明るさ条件によらずいつも出現する特徴量の、識別判定に対する寄与が大きくなるため、識別時に撮像される画像に明るさの違いがあっても、高精度で識別を行うことができる。
【００１０】
［適用例２］上記生体識別装置であって、前記識別動作において撮像される前記識別対象者の生体パターンよりも、前記登録動作において撮像される前記ユーザーの生体パターンの方が、撮像範囲が大きいことを特徴とする生体識別装置。
【００１１】
これによれば、登録動作において、より大きな範囲で撮像された生体パターンの画像から抽出されるユーザーの特徴量の数が、識別動作において抽出される識別対象者の特徴量の数よりも多くなる可能性が高い。つまり、識別を行う際に用いられる可能性のあるユーザーの特徴量をより多く登録しておくことができるため、照合データの母体が大きくなる。したがって、識別対象者の生体パターンから抽出される特徴量と登録されている特徴量との照合が行いやすくなり、より精度の高い識別を行うことができる。
【００１２】
［適用例３］上記生体識別装置であって、前記登録部は、前記ユーザーの特徴量を複数登録し、前記演算部は、前記識別動作において、前記識別対象者のスコアを算出し、前記識別動作において抽出された前記識別対象者の特徴量が、前記登録部に登録されている前記ユーザーの特徴量のうちのいずれかと類似する場合には、前記ユーザーの特徴量に対応付けられる重みに応じて前記識別対象者のスコアを増加させ、前記識別対象者のスコアが所定の閾値よりも大きい場合に、前記識別対象者は前記ユーザーであると判断することを特徴とする生体識別装置。
【００１３】
これによれば、重みが大きい特徴量ほど、識別に与える影響が大きくなる。すなわち、明るさが変化すると出現しなくなる不安定な特徴量の影響を相対的に小さくすることができるので、識別精度が向上する。
【００１４】
［適用例４］上記生体識別装置であって、前記演算部は、前記登録動作において、前記複数の画像から抽出された前記ユーザーの特徴量が互いに類似すると判断された場合に前記ユーザーの特徴量の重みを増加させ、前記類似すると判断された累積の頻度が高い特徴量ほど、前記重みを大きく増加させることを特徴とする生体識別装置。
【００１５】
これによれば、重み付けの増加率を変更することで、出現頻度の高い特徴量の重みをより大きくすることができるので、識別精度をより向上させることができる。
【００１６】
［適用例５］上記生体識別装置であって、前記特徴量が、ＳＩＦＴ（Scale Invariant Feature Transform）を用いて抽出されることを特徴とする生体識別装置。換言すれば、前記特徴量が、被写体の位置及び姿勢によらずに特徴付けられる特徴点から抽出される特徴量であって、前記被写体の位置及び姿勢によらずに特徴付けられる特徴量を用いて抽出されることを特徴とする生体識別装置。
【００１７】
これによれば、被写体の位置や方向が登録時のものと異なっていたとしても高精度に識別を行うことができる。
【００１８】
［適用例６］複数の異なる明るさ条件においてユーザーの生体パターンを撮像して得られる複数の画像から、前記ユーザーの特徴量をそれぞれ抽出し、前記複数の画像における出現頻度が高い前記特徴量ほど大きい重みを前記特徴量に対応付けて登録することと、識別対象者の生体パターンを撮像して得られる画像から、前記識別対象者の特徴量を抽出し、前記識別対象者の特徴量、並びに、登録されている前記ユーザーの特徴量及び前記ユーザーの特徴量に対応付けられる重みに基づいて、前記識別対象者が前記ユーザーであるか否かを識別することと、を有することを特徴とする生体識別方法。
【００１９】
これによれば、複数の異なる明るさ条件においてユーザーの生体パターンを撮像して得られる複数の画像から、前記ユーザーの特徴量をそれぞれ抽出し、前記複数の画像における出現頻度が高い特徴量ほど大きい重みを前記特徴量に対応付けて登録することと、識別対象者の生体パターンを撮像して得られる画像から、前記識別対象者の特徴量を抽出し、前記識別対象者の特徴量、並びに、登録されている前記ユーザーの特徴量及び前記ユーザーの特徴量に対応付けられる重みに基づいて、前記識別対象者が前記ユーザーであるか否かを識別することと、を有する生体識別方法が明らかになる。
【００２０】
［適用例７］生体パターンを撮像する撮像部と、前記生体パターンを特徴付ける複数の特徴量を登録する登録部と、前記撮像部が撮像する明るさ条件を設定する明るさ条件設定部と、演算部と、を含み、前記演算部は、前記明るさ条件設定部で設定される複数の異なる明るさ条件において前記撮像部を用いてユーザーの生体パターンを撮像して得られる複数の画像から、前記ユーザーの特徴量をそれぞれ抽出し、前記複数の画像における出現頻度が高い特徴量ほど大きい重みを前記ユーザーの特徴量に対応付けて前記登録部に登録することを特徴とする生体識別装置。
【００２１】
これによれば、生体パターンを撮像する撮像部と、前記生体パターンを特徴付ける特徴量を登録する登録部と、前記撮像部が撮像する明るさ条件を設定する明るさ条件設定部と、演算部と、を含み、前記演算部は、前記明るさ条件設定部で設定される複数の異なる明るさ条件において前記撮像部を用いてユーザーの生体パターンを撮像して得られる複数の画像から、前記ユーザー特徴量をそれぞれ抽出し、前記複数の画像における出現頻度が高い特徴量ほど大きい重みを前記ユーザーの特徴量に対応付けて前記登録部に登録する、生体識別装置が明らかになる。
【００２２】
［適用例８］複数の異なる明るさ条件において、ユーザーの生体パターンを撮像することと、撮像によって得られる複数の画像から、前記ユーザーの特徴量をそれぞれ抽出することと、前記複数の画像における出現頻度が高い特徴量ほど大きい重みを前記ユーザーの特徴量に対応付けて登録することと、を有することを特徴とする生体識別方法。
【００２３】
これによれば、複数の異なる明るさ条件において、ユーザーの生体パターンを撮像することと、撮像によって得られる複数の画像から、前記ユーザーの特徴量をそれぞれ抽出することと、前記複数の画像において出現頻度が高い特徴量ほど大きい重みを前記ユーザーの特徴量に対応付けて登録することと、を有する生体識別方法が明らかになる。
【図面の簡単な説明】
【００２４】
【図１】本実施形態における静脈識別装置のブロック図。
【図２】本実施形態における静脈識別装置をドアの開錠制御に用いた場合の例を示す図。
【図３】本実施形態における登録動作のフローを示す図。
【図４】本実施形態における特徴量抽出処理のフローを示す図。
【図５】本実施形態における特徴点の一例を示す図。
【図６】本実施形態における得られた輝度勾配の一例を示す図。
【図７】本実施形態における輝度勾配のヒストグラムの一例を示す図。
【図８】本実施形態における基準方向に座標軸を合わせたときの輝度勾配の一例を示す図。
【図９】本実施形態における静脈識別で行われる特徴量の抽出を模式的に説明する図。
【図１０】本実施形態における特徴量の重み付けを行う際のフローを示す図。
【図１１】本実施形態における重み付けがされた後の特徴量のリストの一例を示す図。
【図１２】本実施形態における識別動作のフローを示す図。
【図１３】本実施形態における照合処理のフローを示す図。
【発明を実施するための形態】
【００２５】
発明を実施するための生体識別装置の形態として、静脈識別装置を例に挙げて説明する。
【００２６】
図１は、本実施形態における静脈識別装置のブロック図である。静脈識別装置１は、演算部１０とセンサー部（撮像部）２０と光源部３０とトリガセンサー４０と制御対象５０とを備える。センサー部２０はインターフェイス（Ｉ／Ｆ）２８を介して演算部１０に接続されており、また、光源部３０はインターフェイス（Ｉ／Ｆ）３８を介して演算部１０に接続されている。また、静脈識別装置１は、インターフェイス（Ｉ／Ｆ）４８とインターフェイス（Ｉ／Ｆ）５８を介してトリガセンサー４０と制御対象５０とに接続されている。
【００２７】
演算部１０は、演算を行うＣＰＵ（Central Processing Unit）１２と記憶装置（登録部）としてのＲＡＭ（Random Access Memory）１４及びＥＥＰＲＯＭ（Electronically Erasable and Programmable Read Only Memory）１６を含む。ＣＰＵ１２は、ＥＥＰＲＯＭ１６に記憶されたプログラムを実行することにより静脈識別を行う。ＲＡＭ１４には、静脈識別を行う際に必要な特徴量が演算結果として登録される。そして、演算部１０は、後述する登録動作と、識別動作の２つの処理を行う。本実施形態における演算部１０は、明るさ条件設定部としての機能を含む。
【００２８】
センサー部２０は、指の静脈を撮像するためのセンサーである。センサー部２０は、接近した指を撮像するが、その際に露光時間を調整することができるようになっている。また、静脈識別装置１は、センサー部２０として登録動作用と識別動作用との２種類のセンサーを備えていてもよい。
【００２９】
登録時にはセンサー部２０の露光時間を演算部１０が変化させることによって、明るさ条件を変化させながら複数枚の画像を撮像する。このとき、どの露光時間を用いるかを記録した露光時間リストがＥＥＰＲＯＭ１６に記録されている。
【００３０】
光源部３０は、撮像する指に所定波長の光を照らすための装置である。ここでは、近赤外線のＬＥＤ（Light Emitting Diode）光源を含み、７００ｎｍ〜９００ｎｍの波長帯を多く含む光を照射する。この波長帯は「生体の窓」とも呼ばれ、血液のヘモグロビンと水との両方の吸収が低くなり、生体の透過率が高くなる波長帯である。本実施形態では、指に対して７００ｎｍ〜９００ｎｍの波長帯の近赤外線を照射しながら撮像を行うことで、血液が多く存在する部分、すなわち血管の部分が影となって撮影される。したがって、当該指の内部にある静脈の形状を精度良く表した画像を得ることが可能になる。
【００３１】
トリガセンサー４０は、撮像する指の接近を感知し、撮像処理を開始するためのトリガーを演算部１０に送る装置である。トリガセンサー４０には、例えば、静電容量センサーが用いられる。このトリガセンサー４０により、後述するドアなどに静脈識別装置１を設けた場合において、指をドアに近づけただけでセンサー部２０が自動的に指の撮像処理を開始することができるようになる。
【００３２】
制御対象５０は、静脈識別装置１による識別結果に応じて制御したい対象物である。例えば、制御対象５０がコンピューターであるときには、静脈識別装置１による識別結果に応じてコンピューターのアクセス権を付与する。また、制御対象５０がドアの電子錠である場合には、静脈識別装置１による識別結果に応じてドアの電子錠の開錠を行う。以下、制御対象５０がドアの電子錠である場合について説明を行う。
【００３３】
図２（Ａ）及び図２（Ｂ）は、本実施形態における静脈識別装置１をドアの開錠制御に用いた場合の例を示す図である。図に示されるように、静脈識別装置１はドアのドアノブ部に設けられる。静脈識別装置１の前面にはパネル状のセンサー部２０が設けられ（図２（Ｂ）の斜線部）、センサー部２０の両側面には光源部３０が設けられる（図２（Ｂ）の横線部）。センサー部２０は、識別対象者がドアノブ部を握った際に、ちょうど撮像対象の指が置かれるような位置に配置される。
【００３４】
識別対象者がドアを開閉するために当該ドアノブ部を握ると、トリガセンサー４０が指の接近を感知して当該指の静脈パターンの撮像が開始される。図２（Ｂ）に示されるように、撮像時には、センサー部２０の上に位置する識別対象者の指に対して光源部３０から近赤外線を照射することにより、当該指の撮像対象部分について静脈パターン画像が取得される。そして、取得された静脈パターンの画像に基づいて識別対象者がユーザー（登録者）であるか否かが判断される。ユーザーであると判断された場合には、制御対象５０である電子錠が開錠され、ユーザーでないと判断された場合には、電子錠が開錠されない。この識別動作の詳細については後で説明する。
【００３５】
なお、識別対象者がドアの開閉を行う場合、その都度ドアノブの握り方が変わるであろうことから、毎回センサー部２０の同じ位置に同じ角度で指が置かれるとは限らない。すなわち、識別の対象として撮像される静脈パターンの位置や撮像方向はその都度変化するものと考えられる。しかし、後述するように、本実施形態では撮像時の位置や方向によらず、高い精度で識別を行えるようになっている。
【００３６】
＜静脈識別装置の基本動作＞
静脈識別装置１では、あらかじめユーザー毎に静脈パターンを登録しておく「登録動作」と、その登録された静脈パターンデータに基づいて個人の識別を行う「識別動作」とが行われる。
【００３７】
生体パターンに基づく個人の識別（本実施形態では静脈パターンによる識別）を行うためには、識別の判断基準が必要となる。そのため、まず「登録動作」において、ユーザー（登録者）毎に静脈パターンが静脈識別装置１の登録部（ＲＡＭ１４）に登録される（登録モードとも呼ぶ）。登録された静脈パターンは、「識別動作」において、識別対象者の静脈パターンと照合され、両パターンが一致すると判断された場合にユーザーと識別対象者とが同一人物であると判断される（識別モードとも呼ぶ）。
【００３８】
本実施形態の静脈識別装置１では、通常は識別モードを行う設定になっており、識別モードと登録モードとの切替えはユーザー又は識別対象者がモードを選択することによって行われる。以下、各動作についてそれぞれ説明する。
【００３９】
＝＝＝登録動作について＝＝＝
登録動作は、登録対象となるユーザーの指の静脈パターンについて、その特徴を表す「特徴量」を抽出し、ユーザー毎に登録する処理である。本実施形態における特徴量は、位置不変、及び、回転不変なものが採用される。これは、同じ人物の静脈パターンに対しては、撮像範囲が変化（位置が変化した場合）した場合でも、撮像方向が回転（回転変化）した場合でも、パターンに対して同じ位置が特定され（位置不変）、その位置周辺の局所領域の特徴を数値化した特徴量と同じ値で得られる（回転不変）という特性を有するものである。
【００４０】
＜登録動作の流れ＞
図３は、本実施形態における登録動作のフローを示す図である。登録動作は、ステップＳ１０１〜Ｓ１０７の各処理を実行することによって行われる。
【００４１】
登録モードにおいてトリガセンサー４０が指の接近を感知すると登録動作が開始され、初めに、ＥＥＰＲＯＭ１６の露光時間リストを参照して、撮像パラメーター（明るさ条件）が演算部１０によって設定される。（ステップＳ１０１）。本実施形態では画像の明るさを変化させる撮像パラメーターとして露光時間を用いるが、露光時間に限らず、センサーのゲインや、光源の強さを撮像パラメーターに用いることもできる。
【００４２】
露光時間の設定（ステップＳ１０１）の後、登録対象となるユーザーの静脈画像の撮像が行われる（ステップＳ１０２）。指の静脈パターン画像を撮像するにあたり、光源部３０から７００ｎｍ〜９００ｎｍの波長帯を多く含む光が照射される。そして、指の静脈が撮像される。静脈画像の撮像は、静脈識別装置１のセンサー部２０を用いて行うこともできるし、他の撮像可能な装置を用いて行うこともできる。
【００４３】
本実施形態の登録動作では、ユーザーの静脈パターンを撮像する際に、露光時間リストに記録したすべての条件に露光時間を変化させながら、明るさの異なる複数枚の画像を取得する。すなわち、ステップＳ１０３において、露光時間リストに記録されたすべての条件で撮像が行われたか否かが判定され、すべての条件で撮像が行われたと判定された場合（ステップＳ１０３：Ｙｅｓ）には、特徴量の抽出（ステップＳ１０４）に進む。すべての条件で撮像が行われてはいない、すなわち撮像していない条件がある（ステップＳ１０３：Ｎｏ）と判定された場合には、ステップＳ１０１に戻って、撮像していない条件に露光時間を設定する。明るさの異なる複数枚の画像を用いることで、明るさの変化があっても、安定して抽出される特徴量と、そうでない特徴量を出現頻度によって見分けることができる。出現頻度の高い特徴量の重み付けを大きくすることによって、明るさの変化に対して安定的な特徴量の重要度を高めることができる。詳細は後述の（ステップＳ１０６：特徴量の重み付け）で説明する。
【００４４】
また、撮像の際には、上述の特徴量がなるべく多く含まれるように、指の撮像範囲を大きくする。さらに、識別に用いる可能性のある領域は全て撮像しておくべきであるので、後述する識別時における撮像範囲よりも大きな撮像範囲とすることが望ましい。例えば、全ての指について全体を撮像することとしてもよいし、手のひらの領域も撮像することとしてもよい。また、左右両方の指について撮像することとしてもよい。本実施形態の登録動作では、後述する識別動作で撮像される領域よりも広い領域が撮像されることになる。そのために、登録動作において撮像を行うセンサーと識別動作において撮像を行うセンサーとを別個に設けておいてもよい。また、このような広い領域を撮像するにあたり、撮像する範囲全体を一括で撮像を行う必要はなく、分割して撮像することとしてもよい。
【００４５】
次に、撮像された静脈画像から特徴量の抽出を行う（ステップＳ１０４）。特徴量の抽出はステップＳ１０２で取得された明るさの異なる複数の静脈画像のそれぞれについて行われる。そして、１つの画像について複数の特徴量が抽出される。特徴量抽出処理の詳細は後述する。
【００４６】
各画像について特徴量の抽出が行われた後、その抽出された特徴量が適正なものであるか否かが判断される（ステップＳ１０５）。本実施形態では、該特徴量を基準として静脈パターンについての識別が行われるので、識別動作において正確な識別を行うためには十分な量（数）の特徴量が抽出されている必要がある。言い換えると、十分な数の特徴量が抽出されていなければ、識別の基準として採用することはでない。そこで、演算部１０は、抽出された特徴量の数が所定数以上あるか否かを判断し、所定数未満である場合（ステップＳ１０５がＮｏ）は特徴量が不適正なものとしてステップＳ１０１に戻ってパラメーターの調整からやり直して撮像を行う。
【００４７】
抽出された特徴量が適正なものであれば（ステップＳ１０５がＹｅｓ）、その特徴量の重み付けが行われる（ステップＳ１０６）。本実施形態では、明るさの異なる複数の静脈画像が撮像されるが、その全ての画像において、同一と見なせる特徴量が抽出されるわけではない。例えば、ある画像で抽出された特徴量が、明るさの異なる別の画像においては抽出されなかった場合、その特徴量は明るさの変化に対して不安定な特徴量である可能性がある。これに対して、明るさの異なる複数の画像で共通して出現する特徴量は、明るさの変化に対して安定している可能性が高く、識別時にどのような明るさの画像が入力されても、抽出することができるため、識別に有効な特徴量といえる。
【００４８】
そこで、明るさの異なる複数の画像中での出現頻度にしたがって、特徴量に重み付けを行う。つまり、特徴量毎にデータとしての重要度を設定し、上述のようなノイズに起因する特徴量が複数の特徴量全体に与える影響を相対的に小さく抑え、静脈パターンを表す特徴量の影響を大きくする。特徴量の重み付けの具体的な処理内容については後で説明する。
【００４９】
最後に、ステップＳ１０４で抽出された特徴量と、ステップＳ１０６で該特徴量について重み付けされた値とがリスト化され、ＲＡＭ１４に登録される（ステップＳ１０７）。
以上の処理により、登録動作が完了する。
【００５０】
＜特徴量の抽出の詳細＞
特徴量抽出処理（ステップＳ１０４）の処理内容の詳細について説明する。
図４は、本実施形態における特徴量抽出処理（ステップＳ１０４）のフローを示す図である。特徴量の抽出はステップＳ１３１〜Ｓ１３３の各処理を順次実行することにより行われる。
【００５１】
まず、撮像した静脈画像の画像補正が行われる（ステップＳ１３１）。ここで画像補正が行われるのは、主に次の３つの理由からである。（１）指の透過率には個人差があり、取得した画像の全体の輝度がばらつくことがある。（２）指の透過率の個人差により明暗分布が生じてしまうことがある。例えば、指の関節部は明るく画像が取得され、関節と関節との間は暗く画像が取得される。（３）静脈と表皮との間の生体組織により、光が拡散し、撮像した静脈パターンがぼやける場合がある。
【００５２】
これらの課題を解決するために、フィルター処理を行う。上記（１）の課題を解決するためには、正規化が必要であり、そのために平均値（直流成分）を除去する必要がある。また、上記（２）の課題を解決するためには、均一化が必要であり、そのために、緩やかな変動を除去する必要がある。よって、これら（１）と（２）の課題を解決するために、静脈画像に対してハイパスフィルターを適用する。
【００５３】
また、上記（３）の課題を解決するためには、シャープネス処理が必要であるから、静脈画像に対してアンシャープマスクを適用し高周波成分を強調する。すなわち、これらハイパスフィルターとアンシャープマスクを統合したフィルターを作成し適用する。具体的には、２つのフィルターの周波数応答（ＭＴＦ：Modulation Transfer Function）を周波数空間で積算し、これを逆フーリエ変換したフィルターを適用することになる。
【００５４】
なお、撮像された画像に輝度のばらつき等がほとんどない場合には、当該補正処理は必ずしも行われなくてもよい。
【００５５】
次に、特徴点の抽出（ステップＳ１３２）が行われる。ここで、「特徴点」とは、撮像された複数の画像の間で、静脈画像が回転したり位置が移動したりする場合でも、静脈パターンの決まった位置に出現する点のことを言う。すなわち、位置・角度がシフトしても静脈パターンに対する相対位置が変化しない点である。
【００５６】
本実施形態では、前述のようにセンサーと指との位置関係が固定ではないことから、静脈パターンの特徴量を算出するためには、その中心位置（基準となる位置）を求めたいという要求がある。この中心位置となる点が特徴点である。このような要求を満たす手法の一例として、本実施形態における特徴点抽出及び特徴量抽出では、ＳＩＦＴ（Scale Invariant Feature Transform）が採用される。以下に、ＳＩＦＴを用いて特徴点抽出及び特徴量抽出を行う際の方法について説明する。
【００５７】
特徴点抽出（ステップＳ１３２）の処理においては、まず、ノイズを取り除き、安定した特徴を得るために、静脈画像にガウスフィルターを適用して平均化処理を行う。そして、ある周波数以上の成分をカットする処理を行う。また、ガウスフィルターを適用した画像の二次微分を算出し、その極値を特徴点候補とする。さらに、ノイズに由来する特徴点を取り除くために、極値の絶対値が所定の閾値以上の点のみを特徴点として採用する。上記において、特徴点候補を得るために二次微分を算出しているのは、均一な領域ではなく、変化があるエッジ部を画像から抽出するためである。また、撮像において斜めから光源照射がなされた場合において、一定の傾きで変化する領域が画像に生ずることがあるが、このような領域を特徴点候補としないためである。二次微分の算出は、具体的には、静脈画像とガウス導関数の畳み込み積分により行われる。
【００５８】
図５は、本実施形態における特徴点の一例を示す図である。図５には、撮像された静脈画像を部分的に拡大した図（図の斜線部）と、その静脈の分岐点において特定された特徴点が示されている。特徴点は、輝度勾配の二次微分の極値の場所が選択されるので、輝度の変化量が大きな箇所が選択されることになる。また、二次微分の極値の場所は、一次微分の変化量が極大となる場所であるから、周囲に比べて曲率（すなわり曲がり方）が大きい点が選択される。よって、静脈の分岐点や血管内部も特徴点として選択されることになる。すなわち、静脈とそうでない場所とを分ける場所が特徴点として自動的に選択されることになる。
【００５９】
次に、特徴量の抽出が行われる（ステップＳ１３３）。特徴量の抽出は、上記の処理において得られたそれぞれの特徴点に対して以下の処理を行うことにより行われる。まず、特徴点周辺の輝度勾配を算出する。
【００６０】
図６は、本実施形態における得られた輝度勾配の一例を示す図である。図６には、特徴点を中心とした複数のマス目（本実施形態では、８×８のマス目）が示されている。そして、各マス目における輝度勾配がベクトル量として示されている。
【００６１】
次に、図６のように得られた輝度勾配についてヒストグラムを作成する。そして、最も頻度の高い方向を特徴量の基準方向とする。
【００６２】
図７は、本実施形態における輝度勾配のヒストグラムの一例を示す図である。図７の横軸は、全方向（３６０度）を所定数の方向に分割した場合の各方向を表し（図７の場合は３６方向に分割した場合を表す）、縦軸は各方向における輝度の大きさｈを表す。すなわち、図７では、３６方向のヒストグラムが示されている。そして、「ｐｅａｋ」と記載した方向の値が最も高くなっている。よって、この方向が特徴量の基準方向となる。
【００６３】
次に、特徴点を中心として、前述の処理で選択された基準方向に合わせて、再度８×８のマス目を作成する。そして、この８×８のマス目を４×４のマス目に対応させ、この４×４のマス目毎の輝度勾配について、マス目毎に８方向のベクトルに分解する。
【００６４】
図８は、本実施形態における基準方向に座標軸を合わせたときの輝度勾配の一例を示す図である。図８の左図においては、太矢印の方向が前述の基準方向であり、基準方向に方向を合わせた８×８のマス目を再作成して、基準方向を基準として輝度勾配を求め直したものである。また、図８の右図は、この８×８のマス目を４×４のマス目に対応させ、マス目毎に輝度勾配を８方向のベクトルに分解したものである。
【００６５】
ここでは、８方向のベクトルに分解しているので、０°、４５°、９０°、１３５°、１８０°、２２５°、２７０°、及び、３１５°のそれぞれの方向についてスカラー量が得られる。また、４×４のマス目のそれぞれについて、これらのスカラー量が得られていることになるため、４×４×８＝１２８次元のスカラー量を得ることができることになる。本実施形態において、特徴点における特徴量は、これら複数次元のスカラー量である。
【００６６】
図９は、本実施形態における静脈識別で行われる特徴量の抽出を模式的に説明する図を示す。図９では、５枚の明るさの異なる画像から特徴量を抽出するものとする。
【００６７】
まず、明るさ条件が異なる５回の撮像により、Ｉ−０１〜Ｉ−０５の５種類の明るさの異なる静脈パターンの画像が得られる。そして、各画像についてステップＳ１３２の処理が行われ、特徴点が抽出される。図の各静脈画像中に複数表示されている白丸が、抽出された「特徴点」である。これらの特徴点についてそれぞれステップＳ１３３の処理が行われ、特徴量が抽出される。例えば、画像Ｉ−０１においては、Ｕ１〜Ｕｎのｎ個の特徴量が抽出され、画像Ｉ−０２においては、Ｖ１〜Ｖｍのｍ個の特徴量が抽出される。それぞれの特徴量は上述のような１２８次元のスカラー量で表される。そして、各画像において抽出される全ての特徴量を特徴量群と定義する。例えば、画像Ｉ−０１からは、特徴量群Ｇ−０１（Ｕ１〜Ｕｎ）が求められ、画像Ｉ−０２からは、特徴量群Ｇ−０２（Ｖ１〜Ｖｍ）が求められる。このようにして、Ｉ−０１〜Ｉ０５の５種類の画像について、それぞれＧ−０１〜Ｇ−０５の５種類の特徴量群が求められる。
【００６８】
求められた特徴量群は、登録者のＩＤとセットにしてＲＡＭ１４に一時的に保存される。これにより、一人の登録者（ユーザー）について複数の特徴量群のデータが得られる。
【００６９】
＜特徴量の重み付けの詳細＞
次に、抽出された特徴量に重み付けを行う処理（ステップＳ１０６）の具体的内容について説明する。
図１０は、本実施形態における特徴量の重み付けを行う際（ステップＳ１０６）のフローを示す図である。特徴量の重み付けは、演算部１０によってステップＳ１５１〜Ｓ１５８の各処理を実行することにより行われる。
【００７０】
演算部１０は、まず、複数の特徴量群のうち１番目の特徴量群に含まれる全ての特徴量をリスト化する（ステップＳ１５１）。例えば、図９に示した例では、１番目の特徴量群Ｇ−０１に含まれる特徴量（Ｕ１，Ｕ２，…，Ｕｎ）からなるリストが作成される。なお、リスト作成段階では、Ｕ１〜Ｕｎのいずれの特徴量についても重み付けが１と設定される。
【００７１】
リストが作成された後、次の特徴量群が選択され（ステップＳ１５２）、当該選択された特徴量群の中からｉ番目（ｉ＝１，２，３…）の特徴量が選択される（ステップＳ１５３）。例えば、上述の例の場合、２番目の特徴量群としてＧ−０２が選択され、Ｇ−０２に含まれる特徴量（Ｖ１，Ｖ２，…，Ｖｍ）の中からｉ番目の特徴量であるＶｉが選択される。したがって、初めは特徴量群Ｇ−０２の中から特徴量Ｖ１が選択される。
【００７２】
次に、当該選択された特徴量が、ステップＳ１５１でリスト化された特徴量のいずれかと類似するか否かが判断される（ステップＳ１５４）。ここで、特徴量の「類似」は、例えば、比較する２つの特徴量ベクトル間におけるユークリッド距離を算出し、算出されたユークリッド距離とあらかじめ設定してある所定の閾値とを比較することによって判断することができる。これらの距離の値が所定の閾値よりも小さいことは、両者のベクトルが非常に近いことを示すので２つの特徴量は類似度が高いと判定することができる。
【００７３】
例えば、ステップＳ１５３で選択されたＧ−０２の特徴量Ｖ１と、ステップＳ１５１で登録されたリストに示される特徴量（Ｕ１〜Ｕｎ）との間で、それぞれユークリッド距離が算出される。その中でＶ１とＵ１との間のユークリッド距離が所定の閾値よりも小さい場合、Ｖ１とＵ１とは類似する特徴量であると判断される。
【００７４】
なお、ここでは、ユークリッド距離に基づいて類似判断を行うこととしたが、市街地距離やマハラノビスの距離に基づいて類似判断を行うこととしてもよい。
【００７５】
類似判断の結果、両者が類似すると判断された場合（ステップＳ１５４がＹｅｓ）、演算部１０は当該リストにおける特徴量の重み付けを増加させる（ステップＳ１５５）。一方、両者が非類似である（類似しない）と判断された場合、すなわち算出された距離が所定の閾値以上である場合（ステップＳ１５４がＮｏ）、演算部１０はステップＳ１５３において選択された特徴量を、新たにステップＳ１５１のリストに追加する（ステップＳ１５６）。
【００７６】
例えば、上述の例においてＧ−０２の特徴量Ｖ１とリスト上の特徴量Ｕ１とが類似すると判断された場合、Ｕ１について重み付けを１増加させる。一方、Ｇ−０２の特徴量Ｖ１がリスト上の特徴量（Ｕ１〜Ｕｎ）のいずれとも類似しないと判断された場合、特徴量Ｖ１が新たにリストに追加される。
【００７７】
なお、ステップＳ１５５で重み付けを増加させる場合に、２つの特徴量間のユークリッド距離に応じて、増加率を変更するようにしてもよい。当該ユークリッド距離が小さいということは、両特徴量ベクトル間の類似度が高いことを示している。これは、複数の画像において極めて類似するデータ（特徴量）が２以上存在することを意味するので、その２つの特徴量は、静脈パターンを規定する特徴量として重要度が高いデータであると考えられる。そこで、そのような重要度の高いデータについては、重み付けを大きくしておくことで、識別動作においてより高精度な識別を行うことが可能となる。
【００７８】
その後、ステップＳ１５２で選択された特徴量群に含まれる特徴量が順番に選択され、それぞれリストに登録されている特徴量と比較される（ステップＳ１５７）。第ｉ番目の特徴量ＶｉについてステップＳ１５３〜Ｓ１５６の各処理が行われた後、比較するべき次の特徴量（ｉ＋１番目の特徴量Ｖｉ＋１）が存在する場合は（ステップＳ１５７がＮｏ）、該特徴量Ｖｉ＋１について上述したステップＳ１５３〜Ｓ１５６の各処理が繰り返される。一方、次の特徴量が存在しない場合は（ステップＳ１５７がＹｅｓ）、その特徴量群についての処理を終了し、ステップＳ１５８において次の特徴量群の有無が判断される。
【００７９】
次の特徴量群が存在する場合は（ステップＳ１５８がＮｏ）、次の特徴量群について上述したステップＳ１５２〜Ｓ１５７の各処理が繰り返される。例えば、図９でＧ−０２に含まれる全ての特徴量についてステップＳ１５７までの処理が終了した場合、次の特徴量群Ｇ−０３が存在するので、Ｇ−０３に含まれる各特徴量について、上述と同様の処理が繰り返される。一方、次の特徴量群が存在しない場合、すなわち、特徴量群Ｇ−０５までの処理が終了した場合は（ステップＳ１５８がＹｅｓ）、特徴量の重み付け処理（ステップＳ１０６）を終了する。
【００８０】
重み付け処理（ステップＳ１０６）後の特徴量に関するデータは、識別の基準としてリスト化され、登録部（ＲＡＭ１４）に登録される。
図１１は、本実施形態における重み付けがされた後の特徴量のリストの一例を示す図である。当該リストにおいて、番号は特徴点を識別するために便宜的に付された番号を表す。図では、合計でＮ個の特徴点がリストに追加されたことを示している。また、特徴量ベクトルは、その特徴量毎の１２８次元のベクトルを表している。なお、前述のステップＳ１５４の類似の結果、リストに追加される特徴量（図１１においてはＮ個の特徴量）は全て非類似なベクトルとなっている。
【００８１】
そして、１〜Ｎの特徴量について、それぞれ重み付けの大きさが設定される。重み付けが大きな特徴量ほど、複数種類の静脈画像において出現頻度が高い（ステップＳ１５４において類似すると判断された回数が多い）ことを意味している。すなわち、当該重み付けが大きいほど、重要なデータであるといえる。逆に、出現頻度が低い特徴量は重要なデータではない可能性が高い。例えば、出現頻度の低い特徴量は、複数回撮像される画像のうちの一回において偶然含まれてしまったノイズが検出されたものであると考えることができる。したがって、そのような出現頻度が低いデータを識別の基準として重要視しないように、重み付けが低く設定される。
【００８２】
また、特徴量の重み付けを行う際に重みの増加率を変更することによって、そのデータの重要度も変更することができる。例えば上述のステップＳ１５５においてユーザーの特徴量について重み付けを増加させる際に、複数枚の画像から抽出されたユーザーの特徴量のうち、類似すると判断される特徴量の出現頻度を演算部１０がカウントしておき、出現頻度に応じて重みの増加率を変更する。具体的には、類似する特徴量が出現する頻度に対してユーザーの特徴量の重みを二次関数的に増加させる等、累積の頻度が高い特徴量るほど重みの増加率を大きくするようにしてもよい。これにより、複数枚の画像から抽出されたユーザーの特徴量のうち、類似する特徴量が多いほど特徴量の重みがより大きくなるので、当該特徴量の重要度をより高くすることができる。
【００８３】
＝＝＝識別動作について＝＝＝
識別動作は、登録されているユーザー毎の静脈パターンと識別対象者の静脈パターンとを照合して、登録されているいずれかのユーザーとその識別対象者とが同一人物であるか否かを判定する処理である。
【００８４】
静脈識別装置１は、通常時の使用場面（ドアに施錠しているとき）においては、識別モードの状態で待機している。この状態において、トリガセンサー４０が静脈識別装置１への指への接近を検知すると、以下のような識別動作が開始され、演算部１０によって識別の拒否が判断される。
【００８５】
＜識別動作の流れ＞
図１２は、本実施形態における識別動作のフローを示す図である。識別動作はステップＳ５０１〜Ｓ５０８の各処理を実行することによって行われる。
【００８６】
まず、接近した指をセンサー部２０によって撮像する（ステップＳ５０１）。静脈画像の撮像は、識別対象者がドア（図２参照）を開こうとしてドアノブを握ったタイミングで行われる。このとき、光源部３０から７００ｎｍ〜９００ｎｍの波長帯を多く含む近赤外線を照射しながらセンサー部２０を用いて１回の撮像が行われる。
【００８７】
識別時においては、予め設定された平均的な撮像パラメーター（露光時間）が使われる。このため、ユーザーを待たせることなく高速に撮像することができる。結果として、装置周辺の環境光の明るさや、ユーザーの身体状態によって、明るさが異なる画像が入力されるが、本発明のアルゴリズムにより、精度を落とすことなく識別することが可能である。
【００８８】
また、撮像される指の範囲は、登録動作時よりも狭くすることができる。通常の場合、指の静脈パターンの一部分を撮像しただけでも、個人の識別を行う際に必要な数の特徴量を抽出することが可能だからである。登録動作において、指全体等の大きな撮像範囲で静脈パターンを撮像し、その指全体分の特徴量が抽出されているため、識別動作においてそのうちの一部（例えば３０個）の特徴量を照合するだけで、識別の精度を確保することができる。
【００８９】
次に、撮像された識別対象者の静脈画像から特徴量の抽出が行われる（ステップＳ５０２）。特徴量の抽出は登録動作時（ステップＳ１０４）と同様にして行うことができ、１つの静脈画像から複数の特徴量が抽出される。例えば、識別対象者の静脈パターンを表す特徴量としてＷ１〜Ｗｐが抽出されたとすると、Ｈ−０１（Ｗ１〜Ｗｐ）が識別対象者を表す特徴量群としてＲＡＭ１４に一時的に保存される。
【００９０】
抽出された特徴量群が適正なものであれば、すなわち、静脈識別を行うのに十分な数の特徴量を抽出することができていれば（ステップＳ５０３）、抽出された当該特徴量群についての照合が行われる（ステップＳ５０４）。なお、ステップＳ５０３の処理はステップＳ１０５の処理と同様である。
【００９１】
照合処理（ステップＳ５０４）では、識別対象者の特徴量群に含まれる各特徴量について、登録動作において登録されたリスト（図１１参照）に類似の特徴量が含まれているか否かが判定される。そして、類似の特徴量が含まれていた場合は、その特徴量に設定されている重み付けの値（図１１参照）が、識別対象者のスコアとして加算される。このスコアは、識別対象者の静脈パターンと、静脈識別装置１に登録されたユーザーのうちのいずれかの静脈パターンとが類似しているほど高い値となる。
【００９２】
照合処理の具体的処理方法については後で説明する。
【００９３】
そして、照合処理の結果として得られた識別対象者のスコアと所定の閾値とが比較される（ステップＳ５０５）。上述のように、スコアが高いほど、識別対象者の静脈パターンと、登録ユーザーの静脈パターンとの類似度が高いので、閾値の値を適当に設定することにより、個人の識別を精度良く行うことができる。なお、本実施形態において、閾値はユーザーの静脈パターンを撮像した画像から抽出された特徴量の数が多いほど大きな値になるようにしてもよい。特徴量が多く抽出されれば、登録動作においてリストに登録される特徴量も多くなり、その分、識別対象者のスコアも大きく算出されやすくなる。したがって、演算部１０は、抽出された特徴量が多いほど閾値を大きくする。例えば、（閾値）＝（定数）×（特徴量数）としておく。ユーザーの特徴量が多く抽出されるほど、該ユーザーの特徴量と識別対象者の特徴量とが類似する確率が高くなる。したがって、識別対象者のスコアも高く算出されやすくなるため、抽出された特徴量の数に応じて閾値を設定することで、より高精度な識別を行うことが可能になる。
【００９４】
演算部１０は、識別対象者のスコアが所定の閾値よりも大きい場合（ステップＳ５０５がＹｅｓ）には、ユーザーと識別対象者とが一致する、すなわち識別対象者はユーザーであると判断する識別（ステップＳ５０６）。一方、識別対象者のスコアが所定の閾値以下である場合（ステップＳ５０５がＮｏ）には、ユーザーと識別対象者とが一致しないと判定する（ステップＳ５０７）。
【００９５】
判定の結果は制御対象５０に送信され（ステップＳ５０８）、その結果に従った制御がなされる。例えば、図２（Ａ）のように制御対象５０がドアの電子錠である場合には、識別対象者とユーザーとが一致すると判断されれば開錠され、一致しないと判断されれば開錠されない。
【００９６】
＜照合処理の詳細＞
照合処理（ステップＳ５０４）の処理内容の詳細について説明する。
図１３は、本実施形態における照合処理のフローを示す図である。照合処理は、演算部１０によってステップＳ５５１〜Ｓ５５５の各処理を実行することにより行われる。なお、以下では、特徴量抽出処理（ステップＳ５０２）において、識別対象者の特徴量群としてＨ−０１（Ｗ１〜Ｗｐ）が抽出されているものとして説明を行う。
【００９７】
はじめに、識別対象者の特徴量群に含まれるｐ個の特徴量（Ｗ１〜Ｗｐ）について、ｊ番目（ｊ＝１，２，３…）の特徴量Ｗｊが選択される（ステップＳ５５１）。例えば、照合処理の開始時点では、まずＷ１が選択される。
【００９８】
次に、前述の登録動作において登録されたリスト（図１１参照）の中に、Ｗｊと類似する特徴量があるか否かについて判断される（ステップＳ５５２）。ここで、「類似」の判断は、前述のステップＳ１５４の処理と同様である。すなわち、リストに設定されたある特徴量とＷｊとの、２つの特徴量ベクトル間におけるユークリッド距離を算出し、算出されたユークリッド距離があらかじめ設定される所定の閾値よりも小さい場合に「類似」と判断される（ステップＳ５５２がＹｅｓ）。
【００９９】
選択されたＷｊについて、類似する特徴量がリスト上に登録されていた場合（ステップＳ５５２がＹｅｓ）は、その特徴量について設定された重みの値がＷｊのスコアとして加算される（ステップＳ５５３）。例えば、ｊ番目に選択された特徴量Ｗｊが、図１１のリストにおける３番目の特徴量（番号３の特徴量ベクトル）と類似すると判断された場合は、当該特徴量について設定された重みの値「９」がＷｊのスコアとして加算される。
【０１００】
一方、選択されたＷｊについて、類似する特徴量がリスト上に見つからなかった場合（ステップＳ５５２がＮｏ）は、Ｗｊのスコアは変更されない。例えば、特徴量Ｗｊと類似する特徴量が図１１のリストに無いと判断された場合は、Ｗｊのスコアとして加算される重みの値は「０」となる。
【０１０１】
そして、次の特徴量（ｊ＋１番目の特徴量Ｗｊ＋１）が存在する場合は（ステップＳ５５４がＮｏ）、該特徴量Ｗｊ＋１について上述の（ステップＳ５５１〜Ｓ５５３）の処理が繰り返される（ステップＳ５５４）。次の特徴量がない場合（ステップＳ５５４がＹｅｓ）は、Ｗｊについて加算されたスコアの合計が特徴量群Ｈ−０１（Ｗ１〜Ｗｐ）のスコアとして算出され、出力される（ステップＳ５５５）。この算出された識別対象者のスコアを用いて、識別対象者がユーザー（登録者）であるか否かが判断される（ステップＳ５０５）。
【０１０２】
＜まとめ＞
本実施形態では、登録動作において、ユーザーの静脈パターンを複数回撮像して得られる複数の画像から、当該静脈パターンを特徴付ける特徴量をそれぞれ抽出する。そして、複数の画像のうちのある画像から抽出された特徴量と、その画像とは異なる画像から抽出された特徴量とが類似するときは、該特徴量の重み付けを増加して、静脈識別装置１の登録部に登録しておく。
【０１０３】
また、識別動作において、識別対象者の静脈パターンを１回撮像して得られる画像から、当該静脈パターンを特徴付ける特徴量を抽出する。そして、登録動作において登録された特徴量と、識別対象者の特徴量とを照合することで識別対象者がユーザー（登録者）であるか否かを識別する。
【０１０４】
この方法によると、ノイズに起因すると考えられる特徴量は、複数の画像中で出現頻度が低くなるので、重み付けの値が低く設定される。逆に、静脈パターンを特徴付ける特徴量は、複数の画像中で出現頻度が高くなるので、重み付けの値が高く設定される。これにより、識別時においてノイズに起因する特徴量の寄与分は相対的に小さくなり、識別に有効な特徴量の寄与分は大きくなる。
【０１０５】
したがって、撮像した画像を用いて個人の識別を行う識別装置を用いて、精度の高い識別を行うことが可能となる。
【０１０６】
＝＝＝その他の実施形態＝＝＝
一実施形態としての静脈識別装置１を説明したが、上記の実施形態は、本発明の理解を容易にするためのものであり、本発明を限定して解釈するためのものではない。本発明は、その趣旨を逸脱することなく、変更、改良され得ると共に、本発明にはその等価物が含まれることは言うまでもない。特に、以下に述べる実施形態であっても、本発明に含まれるものである。
【０１０７】
＜生体識別装置について＞
上述の実施形態において、生体識別装置の例として静脈パターンを用いて識別を行う静脈識別装置１を挙げて説明しているが、この限りではなく、静脈パターン以外の人間の生体パターンを捉えて識別を行う装置であってもよい。例えば、指の指紋や眼球の虹彩や顔等についての画像を用いて個人の識別を行うことも可能である。
【０１０８】
＜明るさ条件設定部について＞
上述の実施形態にいて、明るさ条件設定部が明るさ条件を変化させる方法として、撮像部の露光時間を変化させる方法を説明しているが、この限りではない。例えば、撮像部の利得や光源の光量を変化させる方法を用いてもよい。
【０１０９】
＜ＳＩＦＴ特徴量について＞
上述の実施形態において、特徴点の抽出及び特徴量の抽出を行う際の手法としてＳＩＦＴ特徴量を用いた例について説明しているが、この限りではない。例えば、ＳＵＲＦ（Speeded Up Robust Features）、ＧＬＯＨ（Gradient Location and Orientation Histogram）等の手法を用いることとしてもよい。
【符号の説明】
【０１１０】
１ 静脈識別装置、１０ 演算部、１２ ＣＰＵ、１４ ＲＡＭ（登録部）、１６ ＥＥＰＲＯＭ、２０ センサー部（撮像部）、２８ インターフェイス、３０ 光源部、３８ インターフェイス、４０ トリガセンサー、４８ インターフェイス、５０ 制御対象、５８ インターフェイス。
【特許請求の範囲】
【請求項１】
生体パターンを撮像する撮像部と、
前記生体パターンを特徴付ける特徴量を登録する登録部と、
前記撮像部が撮像する明るさ条件を設定する明るさ条件設定部と、
演算部と、
を含み、
前記演算部は、
前記明るさ条件設定部で設定される複数の異なる明るさ条件において前記撮像部を用いてユーザーの生体パターンを撮像して得られる複数の画像から、
前記ユーザーの特徴量をそれぞれ抽出し、
前記複数の画像における出現頻度が高い特徴量ほど大きい重みを前記ユーザーの特徴量に対応付けて前記登録部に登録する登録動作と、
前記撮像部を用いて識別対象者の生体パターンを撮像して得られる画像から、
前記識別対象者の特徴量を抽出し、
前記識別対象者の特徴量、並びに、前記登録部に登録されている前記ユーザーの特徴量及び前記ユーザーの特徴量に対応付けられる重みに基づいて、前記識別対象者が前記ユーザーであるか否かを識別する識別動作と、
を行うことを特徴とする生体識別装置。
【請求項２】
請求項１に記載の生体識別装置において、
前記識別動作において撮像される前記識別対象者の生体パターンよりも、前記登録動作において撮像される前記ユーザーの生体パターンの方が、撮像範囲が大きいことを特徴とする生体識別装置。
【請求項３】
請求項１又は２に記載の生体識別装置において、
前記登録部は、前記ユーザーの特徴量を複数登録し、
前記演算部は、
前記識別動作において、前記識別対象者のスコアを算出し、
前記識別動作において抽出された前記識別対象者の特徴量が、前記登録部に登録されている前記ユーザーの特徴量のうちのいずれかと類似する場合には、前記ユーザーの特徴量に対応付けられる重みに応じて前記識別対象者のスコアを増加させ、
前記識別対象者のスコアが所定の閾値よりも大きい場合に、前記識別対象者は前記ユーザーであると判断することを特徴とする生体識別装置。
【請求項４】
請求項１〜３のいずれか一項に記載の生体識別装置において、
前記演算部は、
前記登録動作において、前記複数の画像から抽出された前記ユーザーの特徴量が互いに類似すると判断された場合に前記ユーザーの特徴量の重みを増加させ、
前記類似すると判断された累積の頻度が高い特徴量ほど、前記重みを大きく増加させることを特徴とする生体識別装置。
【請求項５】
請求項１〜４のいずれか一項に記載の生体識別装置において、
前記特徴量が、ＳＩＦＴ（Scale Invariant Feature Transform）を用いて抽出されることを特徴とする生体識別装置。
【請求項６】
複数の異なる明るさ条件においてユーザーの生体パターンを撮像して得られる複数の画像から、
前記ユーザーの特徴量をそれぞれ抽出し、
前記複数の画像における出現頻度が高い特徴量ほど大きい重みを前記特徴量に対応付けて登録することと、
識別対象者の生体パターンを撮像して得られる画像から、
前記識別対象者の特徴量を抽出し、
前記識別対象者の特徴量、並びに、登録されている前記ユーザーの特徴量及び前記ユーザーの特徴量に対応付けられる重みに基づいて、前記識別対象者が前記ユーザーであるか否かを識別することと、
を有することを特徴とする生体識別方法。
【請求項７】
生体パターンを撮像する撮像部と、
前記生体パターンを特徴付ける複数の特徴量を登録する登録部と、
前記撮像部が撮像する明るさ条件を設定する明るさ条件設定部と、
演算部と、
を含み、
前記演算部は、
前記明るさ条件設定部で設定される複数の異なる明るさ条件において前記撮像部を用いてユーザーの生体パターンを撮像して得られる複数の画像から、
前記ユーザーの特徴量をそれぞれ抽出し、
前記複数の画像における出現頻度が高い特徴量ほど大きい重みを前記ユーザーの特徴量に対応付けて前記登録部に登録することを特徴とする生体識別装置。
【請求項８】
複数の異なる明るさ条件において、ユーザーの生体パターンを撮像することと、
撮像によって得られる複数の画像から、前記ユーザーの特徴量をそれぞれ抽出することと、
前記複数の画像における出現頻度が高い特徴量ほど大きい重みを前記ユーザーの特徴量に対応付けて登録することと、
を有することを特徴とする生体識別方法。
【請求項１】
生体パターンを撮像する撮像部と、
前記生体パターンを特徴付ける特徴量を登録する登録部と、
前記撮像部が撮像する明るさ条件を設定する明るさ条件設定部と、
演算部と、
を含み、
前記演算部は、
前記明るさ条件設定部で設定される複数の異なる明るさ条件において前記撮像部を用いてユーザーの生体パターンを撮像して得られる複数の画像から、
前記ユーザーの特徴量をそれぞれ抽出し、
前記複数の画像における出現頻度が高い特徴量ほど大きい重みを前記ユーザーの特徴量に対応付けて前記登録部に登録する登録動作と、
前記撮像部を用いて識別対象者の生体パターンを撮像して得られる画像から、
前記識別対象者の特徴量を抽出し、
前記識別対象者の特徴量、並びに、前記登録部に登録されている前記ユーザーの特徴量及び前記ユーザーの特徴量に対応付けられる重みに基づいて、前記識別対象者が前記ユーザーであるか否かを識別する識別動作と、
を行うことを特徴とする生体識別装置。
【請求項２】
請求項１に記載の生体識別装置において、
前記識別動作において撮像される前記識別対象者の生体パターンよりも、前記登録動作において撮像される前記ユーザーの生体パターンの方が、撮像範囲が大きいことを特徴とする生体識別装置。
【請求項３】
請求項１又は２に記載の生体識別装置において、
前記登録部は、前記ユーザーの特徴量を複数登録し、
前記演算部は、
前記識別動作において、前記識別対象者のスコアを算出し、
前記識別動作において抽出された前記識別対象者の特徴量が、前記登録部に登録されている前記ユーザーの特徴量のうちのいずれかと類似する場合には、前記ユーザーの特徴量に対応付けられる重みに応じて前記識別対象者のスコアを増加させ、
前記識別対象者のスコアが所定の閾値よりも大きい場合に、前記識別対象者は前記ユーザーであると判断することを特徴とする生体識別装置。
【請求項４】
請求項１〜３のいずれか一項に記載の生体識別装置において、
前記演算部は、
前記登録動作において、前記複数の画像から抽出された前記ユーザーの特徴量が互いに類似すると判断された場合に前記ユーザーの特徴量の重みを増加させ、
前記類似すると判断された累積の頻度が高い特徴量ほど、前記重みを大きく増加させることを特徴とする生体識別装置。
【請求項５】
請求項１〜４のいずれか一項に記載の生体識別装置において、
前記特徴量が、ＳＩＦＴ（Scale Invariant Feature Transform）を用いて抽出されることを特徴とする生体識別装置。
【請求項６】
複数の異なる明るさ条件においてユーザーの生体パターンを撮像して得られる複数の画像から、
前記ユーザーの特徴量をそれぞれ抽出し、
前記複数の画像における出現頻度が高い特徴量ほど大きい重みを前記特徴量に対応付けて登録することと、
識別対象者の生体パターンを撮像して得られる画像から、
前記識別対象者の特徴量を抽出し、
前記識別対象者の特徴量、並びに、登録されている前記ユーザーの特徴量及び前記ユーザーの特徴量に対応付けられる重みに基づいて、前記識別対象者が前記ユーザーであるか否かを識別することと、
を有することを特徴とする生体識別方法。
【請求項７】
生体パターンを撮像する撮像部と、
前記生体パターンを特徴付ける複数の特徴量を登録する登録部と、
前記撮像部が撮像する明るさ条件を設定する明るさ条件設定部と、
演算部と、
を含み、
前記演算部は、
前記明るさ条件設定部で設定される複数の異なる明るさ条件において前記撮像部を用いてユーザーの生体パターンを撮像して得られる複数の画像から、
前記ユーザーの特徴量をそれぞれ抽出し、
前記複数の画像における出現頻度が高い特徴量ほど大きい重みを前記ユーザーの特徴量に対応付けて前記登録部に登録することを特徴とする生体識別装置。
【請求項８】
複数の異なる明るさ条件において、ユーザーの生体パターンを撮像することと、
撮像によって得られる複数の画像から、前記ユーザーの特徴量をそれぞれ抽出することと、
前記複数の画像における出現頻度が高い特徴量ほど大きい重みを前記ユーザーの特徴量に対応付けて登録することと、
を有することを特徴とする生体識別方法。
【図３】
【図１２】
【図１】
【図２】
【図４】
【図５】
【図６】
【図７】
【図８】
【図９】
【図１０】
【図１１】
【図１３】
【図１２】
【図１】
【図２】
【図４】
【図５】
【図６】
【図７】
【図８】
【図９】
【図１０】
【図１１】
【図１３】
【公開番号】特開２０１２−２４８０４７（Ｐ２０１２−２４８０４７Ａ）
【公開日】平成２４年１２月１３日（２０１２．１２．１３）
【国際特許分類】
【出願番号】特願２０１１−１２００５２（Ｐ２０１１−１２００５２）
【出願日】平成２３年５月３０日（２０１１．５．３０）
【出願人】（０００００２３６９）セイコーエプソン株式会社 (51,324)
【Ｆターム（参考）】
【公開日】平成２４年１２月１３日（２０１２．１２．１３）
【国際特許分類】
【出願日】平成２３年５月３０日（２０１１．５．３０）
【出願人】（０００００２３６９）セイコーエプソン株式会社 (51,324)
【Ｆターム（参考）】
[ Back to top ]