JP2000512047A - ニューラルネットワーク分類を使用する生物測定認識 - Google Patents

Abstract

(57)【要約】 生物測定認識装置は２つのフェーズを含む。すなわち、認可されたユーザの生物測定徴候のマスターパターンセットを作製することと、分類ニューラルネットワークを使用する証明とである。マスターパターンセットを作製するために、認可された生物測定ユーザの徴候の画像を複数の関心領域すなわち「特徴部」に分割する。装置は、識別目的にはどの特徴部が最も有用であるかを決定する。次いでこれらのマスター特徴部からマスターパターンが作製され、このようにしてマスターパターンセットを作製する。証明の間に、ユーザの試料パターンセットも同様に作製される。ニューラルネットワークを使用して、試料パターンセットをマスターパターンセットと比較して、ユーザを証明するべきか否かを決定する。

Description

【発明の詳細な説明】 ニューラルネットワーク分類を使用する生物測定認識 政府権利 本発明は、ローラルサブコントラクト（Loral Subcontract）第ＳＯ−１２４ ４６５−Ｓ号及び第ＭＤＡ９０４−９３−Ｃ４０７４号のもとで、政府後援によ ってなされた。政府は、本発明に対し、一定の権利を有する。 発明の分野 本発明は主に、画像一致の分野に関する。特に、本発明は、個人の同一性を証 明する生物測定の個人証明装置に関する。 発明の背景 本発明は主に画像一致分野に適用することができるが、本発明は個人識別の領 域に特に有用性がある。個人の識別または個人がその人が主張する人物であるか どうかを立証することは、個人、会社及び政府が直面する共通の問題である。非 常に複雑な個人識別が、微妙な政府及び民間股備では安全のために使用されるこ とが多いが、個人識別の一致は、空港、個人の敷地及び家庭等の物理的な場所へ の接近の制御等の個人の同一性が識別または立証される必要のあるところでは適 用の可能性がある。コンピュータ計算及びデータ管理機器への接近の制御及びバ ンキングまたは商業処理への適用の可能性もある。 個人を識別する方法は、パスワード、パスキー等の制限された物品の所有、ま たは参照写真に一致すること等の物理的外観等の制限 された情報の知識に依頼することが多い。生物測定徴候も個人識別に使用される 。生物測定学は生物現象の学問であり、個人識別の領域では、個人の選択された いくつかの特性を使用してその個人の同一性を識別または立証する。生物測定識 別は、一定の個人特性は実質的に各個人に独特であり、詐欺師が複製することは 困難であるため、特に有用である。更に、生物測定データの記録及び分析は自動 化することができるため、コンピュータ制御エレクトロニクス及びデジタル記録 技術を使用することができる。 識別目的に生物測定徴候を使用することは、特定の生物測定要因が実質的に各 個人に独特であり、容易に測定でき、その個人が識別のためにテストされる期間 のわたって不変であることを必要とする。更に、生物測定徴候は、誤った識別に 対する安全を保障するために、詐欺師が複製することが困難なものでなければな らない。生物測定徴候は生物学的に決定されるか、または、筆跡または音声パタ ーン等の学習されるまたは後天的ないくつかの特性でもよい。 個人識別装置に使用するために今日最も研究されている生物測定特性には、指 紋、手型または掌型、網膜スキャン、サイン及び音声パターンが挙げられる。手 型または掌型技術は一般に、人の手の形状または掌のしわ等の他の重要な特徴を 評価するが、これらの技術は、認可された個人の手のテンプレートまたは模型に よってだまされることもある。網膜スキャン技術は、人の網膜の血管のパターン を評価する。この技術の欠点は、アルコールが血流にあるときまたは眼鏡または コンタクトレンズを不規則に使用したとき等、ときによって血管のパターンが変 動することである。また、ユーザは、網膜スキャンのために目を照らされるのは 不快に感じることもあり、または、目とスキャン装置とが接触するときに目が汚 染される可能性もある。サインは容易に偽造され、通常、人間が評価しなければ ならないが、書くときの手の動きの速さ及び力、及びポーズの置き方等の人の手 書きの力学を評価する自動装置の研究もなされた。特性を識別するために音声パ ターンを使用することは、時がたつと人の声は広く変化するための困難、評価の 際の背景雑音、及び、認可された個人の声の録音で詐欺師が装置をだます可能性 に遭遇する。 人間の眼、顔の特徴、骨の構造、爪パターン及び掌または手の指のしわ、指紋 等の多くの生物学的に決定された徴候が長年使用されてきているが、指紋が最も 普通に使用されている個人識別の生物測定特性である。指紋分析による個人識別 の技術は、長い間、法の施行に使用されたきた。指紋分析に関するこの長い期間 の経験により、指紋に関する数多くの情報が発展し、個人の指紋の独特さが確認 されてきた。歴史的に、法の施行において、指紋は、保管用に指紋にインクを付 けてカードにプリントすることによって記録された。特に法の施行以外の適用の ために、煩わしくなく押しつけがましくない記録方法の開発が必要であった。 生の指紋を記録して認可された個人の指紋の格納された代表例と一致させる様 々な電気機械装置が開発されてきた。装置の１つの型は、生の指紋のパターンの 画像を読み取り、フィルムに格納されたマスター指紋を光学的に比較する。この 装置では、生指紋パターンとマスター指紋パターンとを整列し、複雑な装置を使 用してユーザの指を記録装置に正確に整合させるのを確実にすることまたは登録 を実行するために格納されたパターンに対して生のパターンを回転し並進するこ とが困難である。更に、この型の装置は生と格納された指紋パターンとの正確に １対１の大きさに依存しているため、指がふくれたり、指を記録表面に強く押し たりしたとき等、生の指紋パターンがほんのわずかに変形しても一致しないとい うエラーが起こりうる。 別の型の指紋一致装置では、生の指紋を読み取り、画像を、認可された個人の 指紋のホログラムと比較する。この装置は、装置内に各認可された個人用のテス ト位置でホログラムのライブラリに保管しなければならず、特別な光源と複雑な 光学装置を使用しなければならない。 自動的に指紋を一致させる傾向は、エレクトロニクス及びコンピュータ制御の 一致プロセスの使用の増加に向かうが、機械部品及び複雑な光学装置を動かすこ とに依存することは最小限になる。そのような装置において、一般に生の指紋を スキャンして指紋パターンのバイナリ画像としてデジタルに記録する。各々が指 紋パターンの特徴部を規定するうね終端、うねの分岐の点及び渦の芯等指紋パタ ーンの特性的特徴部は、バイナリ指紋画像内に見いだされる。バイナリ指紋画像 は、一致があるかどうか決定するために、認可された個人の指紋から予め得られ た格納したマスターパターンと比較される。分岐型またはうね終端等の指紋パタ ーン内の特徴部を識別しようと試みる多くの装置は、比較プロセスの初期に一致 を決定しなければならない。決定プロセスの初期でエラーがあると、そのような エラーは決定プロセスの残りを伝播し、それによってエラーの機会は増加する。 また、多くの装置は、どの特徴部を指紋画像に認識するべきかに関する考えを予 想した。例えば、指紋に関する人間の研究に基づいて、指紋の一定のカテゴリー が識別され指紋の特徴部に名前が付けられた。そのような所定の特徴部及び現象 を識別することは、大半の指紋識別装置では不可欠である。 最も簡単な装置一致装置において、生の指紋とマスター指紋との両方の特徴部 を比較し、比較に相関関数を適用する。この型の装置の不利点は、生の指紋パタ ーンから得られるバイナリ画像の座標装置が、マスター指紋パターンの座標装置 と同一の向き及び位置であ るように、ユーザの指が一般に画像記録装置と正確に整列することを要求される ことである。更に、人の皮膚は弾性があるため、指の皮膚が画像記録装置のプラ テンとどのように交差するかによって記録される生の指紋を変動することがある 。例えば、皮膚の弾性性質による記録される装置の弾性変形またはゆがみが記録 されるか、または、皮膚の油がプラテンに広いうねを記録させる可能性がある。 そのような変化しやすさは、相関関数に依存する装置の正確さを損なうことが多 い。 発明の開示 生物測定認識装置は２つのフェーズを含む。すなわち、認可されたユーザの生 物測定徴候のマスターパターンセットを作製することと、分類ニューラルネット ワークを使用する証明とである。マスターパターンセットを作製するために、認 可された生物測定ユーザの徴候の画像を複数の関心領域すなわち「特徴部」に分 割する。装置は、識別目的にはどの特徴部が最も有用であるかを決定する。次い でこれらのマスター特徴部からマスターパターンが作製され、このようにしてマ スターパターンセットを作製する。証明の間に、ユーザの試料パターンセットも 同様に作製される。ニューラルネットワークを使用して、試料パターンセットを マスターパターンセットと比較して、ユーザを証明するべきか否かを決定する。 図面の簡単な説明 本発明は、添付の図面を参照して更に完全に記載するが、図面中の対応部品に は同一の参照符号を付してある。 図１は、本発明による生物測定認識装置のブロック図である。 図２ａ、図２ｂは、それぞれ、入力／出力及び指紋記録装置の正 面斜視図及び上面図である。 図３は、ユーザの生物測定特徴部を登録してマスターパターンとしてメモリに 格納するための方法の流れ図である。 図４は、指紋パターンからの特徴部を有する関心領域を示す。 図５は、指紋パターンの回転を説明するのに使用される。 図６は、ｎ個の最も独特な関心領域を選択するための方法の流れ図である。 図７は、３つの特徴部パターンが規定される２つの方法を示すために使用され る。 図８は、どのようにして４つの特徴部パターンが規定されるかを示すために使 用される。 図９は、ユーザの生物測定特徴部を証明するための方法の流れ図である。 図１０は、域値を規定するのに使用される頻度密度関数の例である。 図１１は、頻度密度関数の別の例を示す。 好適な実施例の詳細な説明 下記の好適な実施例の詳細な説明において、その一部を形成する添付図面を参 照しており、図面には本発明が実施される特定の実施例が例のために示されてい る。他の実施例も利用することができ、本発明の範囲を逸脱することなく構造的 変更をすることもできると理解されるすべきものである。 本発明の生物測定装置は２つのフェーズに分類することができる。第１のフェ ーズは、マスターパターンセットと呼ばれる認可されたユーザの生物測定徴候の マスターパターンのセットを作製することである。第２のフェーズは、証明であ り、すなわち、証明する対象 のユーザの生物測定徴候の画像が得られる。証明には、ユーザの提示した生の生 物測定パターンと記録されたマスターパターンセットとの間に一致が必要である 。下記の好適な実施例の詳細な説明において、指紋を認識する生物測定認識装置 が記載される。しかし、当業者には、実質的でない変更を加えることにより、本 明細書に記載した実施例が、例えば、顔の特徴、気孔紋、または目の特徴等の他 の生物測定徴候を認識するために使用することができることは、容易に認識され る。 図１は、指紋認識装置１０の実施例のブロック図である。指紋記録装置は、ユ ーザの指紋の画像を取得する。取得した指紋画像とともに、ユーザの名前及び他 のデータ等の指紋画像に関連する情報を入力／出力手段１４を使用して入力し、 メモリ１８に格納する。適切な指紋記録装置１２は、ユーザの親指または他の指 を、好ましくは一般に所定の向きに、受け入れて、指紋を画像形成しなければな らない。例えば、指紋パターンの画像アレイは、０〜２５５の各色の解像範囲で 明暗度を画定する整数を有する５１２×５１２ピクセルの３色画像であるか、０ 〜２５５の間のピクセル値を有するグレースケール画像であるか、または各ピク セルを単一ビットで規定するバイナリ画像でもよい。画像情報がデジタル形態で ない場合は、アナログ−デジタルコンバータ１５等のビデオ画像プレプロセッサ モジュールが画像情報をデジタル化する。 指紋を記録する多くの装置が業界ではよく知られている。例えば、図２ａ、２ ｂは、入力／出力手段１４を有する指紋認識装置１０の指紋記録装置１２のカウ ンタが装着された実施例の半正面図及び上面図である。指紋記録部１２は、親指 または他の指の位置決めキャビティ３２を有し、ぎざぎざのついたプラテンを備 えることが好ましく、親指または他の指を快適に、一般に所定の向きに受ける。 指 位置決めキャビティ３２は、検出窓３０にアクセスを提供する器具の内部に延在 する。キャビティ３２の場所及び構成によって、証明を求める個人の左手または 右手のいずれかを位置決めすることができる。図２ａに示す構成は、手の位置を 決めて適切に指紋パターンを取得することができる数多くのものの中の１つにす ぎない。例えば、検出窓３０はカウンタまたは壁に一体になった単なる平らな窓 であり、配置ガイドラインを備え、一般に受け入れ可能な向きを確実にしてもよ い。 指紋記録装置１２は、個人が親指または他の指を検出窓３０に置くときにＣＣ Ｄカメラで個人の指紋を画像形成する。使用に適切な多くのカメラが市販されて おり、例えば、ミネソタ州ミネトンカのデジタルバイオメトリクスが販売のモデ ルＦＣ−１１指紋捕獲ストリップ等である。デジタルバイオメトリクスのカメラ を使用し、次いで、カナダ、ケベック州、Dorualのマトロックスエレクトロニッ ク装置ズ社が販売のフレーム把持器ＩＰ−８画像処理ボードも使用する。あるい は、フレーム把持のために、カリフォルニア州アービンのシャープエレクトロニ クスが販売の情報処理及びディスプレイ、モデルＧＰＢ１を、カリフォルニア州 サンブルーノのアイデンティケータの指紋画像形成機ＤＦＲ−９０ととに使用す ることができ、ＤＦＲ−９０は中にＣＣＤカメラを備えた直接指紋読取機であり 、標準ＲＳ−１７０ビデオ信号を出力する。 マスターパターンセットの作製 認可されたユーザの指紋マスターパターンセットを作製するために、プロセッ サ１６は、図３に示された流れ図に従ってデジタル化された指紋画像情報を処理 する。取得された指紋画像を詳細に分析することができるため、ブロック５１で 取得された各指紋画像は複 数の関心領域に分割される。 好適な実施例において、関心領域は重なり合うが、関心領域は互いに隣接して もよい。各関心領域は、このようにして、総指紋画像の一定の部分に関する情報 を含む。本発明のために、関心領域は「特徴部」と称する。従って、「特徴部」 及び「関心領域」という用語は、本発明のためには、交代可能に使用することが できると理解される。しかし、明瞭のため及び理解を容易にするために、「特徴 部」という用語を詳細な説明全体にわたって使用するものとする。 特徴部のサイズはブロック５２で規定される。特徴部のサイズを決定するため に、認可されていないユーザと認められたり、認可されたユーザと認められなか ったりする可能性がある皮膚の弾性による指紋パターンの弾性変形及びゆがみを 考慮に入れなければならない。弾性に関して、特徴部のサイズは、指紋パターン のうねがパターンの間隙内に入らないように、規定しなければならない。図４は 、うね７２とうね７２の間の間隙７４とを有する指紋パターンの特徴部７０を示 す。本発明において、特徴部７０のサイズは、弾性によって間隙７４が存在すべ き領域へうねが変形して入り込まないように、選択される。特徴部７０が大きす ぎると、少ない数のピクセルがうね７２と間隙７４との幅を現し、それによって うね７２が間隙７４に変形することになる。更に、特徴部のサイズは、特徴部の 境界外部へうねが伸びることができる点へ皮膚の弾性が変形しないように、選択 される。 間隙７４が存在すべき領域へうねが変形して入り込まないことを確実にするに 、ピクセルの数で測定される最大変形は、特徴部の対角線を横切って測定したう ねの中心から隣接する間隙の中心までにあるピクセルの数よりも大幅に少なくな ければならない。図４を参照すると、距離Ｄは対角線７６を横切るうね７２の中 心と間隙７４ の中心との間の距離である。このようにして、特徴部のサイズは、ピクセルの数 で測定する最大変形が距離Ｄよりも大幅に小さくなるように、選択される。ピク セルの数による特徴部のサイズは、装置を実行するのに選択したハードウェアに よって、特に光学素子の大きさに関して、変動する。一般的なハードウェア器具 において、全体的画像の解像度は２５６×２５６ピクセルであるが、好適な特徴 部のサイズは、２０〜２５ピクセルスクエアの寸法を有する。そのような特徴部 は一般にその中におよそ３個か４個のうねを含む。 特徴部のサイズを決定する際に考慮に入れることができる別の要因は、指紋を 提示するときの回転の可能性である。指紋を提示するときにユーザが回転すると 、指紋パターンのうねは間隙が存在すべき領域に回転して入り、それによって次 の一致に問題が生じる。図５において、角度θは、うね７２の縁が特徴部７０の 境界と交差する場所によって規定される。上述のように、エルゴノミクスに基づ いて、ハードウェアは、ユーザがプラテン上にどのように指紋を提示するかを制 御することができる。しかし、この制御があっても、記録された指紋画像がいく らかの回転を含むことは避けることができない。特徴部７０のサイズは、ユーザ が一般に回転するよりも角度θが大幅に大きいように選択されることが好ましい 。特徴部のサイズが小さくなさればなるほど、回転の問題は小さくなる。 再度図３を参照すると、ブロック５２で特徴部のサイズを決定した後、ブロッ ク５４で指紋画像内でｎ個の最も独特な特徴部が識別される。本発明の装置は、 指紋内の所定の数の独特な特徴部を識別する。特徴部は、全体的な構造ではなく 、局所的であることが好ましい。これらの「独特な」特徴部は次いでパターン内 で互いに対して配列することができ、パターンが全体構造を規定する。これらの パターンはマスターパターンセットとして格納されるものである。 指紋パターンを特徴づけるのに十分独特であるとして選択される特徴部は、数 多くの異なる方法で選択することができる。例えば、プロセッサは、相関機能を 使用して同一の指紋が元である特徴部を比較し、同一指紋内の他の特徴部に対す る１つの特徴部の独特さを決定する。あるいは、プロセッサは、複数の指紋の特 徴部に対する特徴部を比較し、それによって、いずれの指紋内にも存在する特徴 部の蓋然性を決定する。 １つの指紋内のｎ個の最も独特な特徴部を決定する好適な方法を図６に示す。 ブロック８０で、特徴部が選択されて、それが取られた指紋内でその特徴部の独 特さを決定する。ブロック８２、８４で、選択された特徴部を画像内の他のすべ ての特徴部と比較する。この比較から、各特徴部はブロック８５で独特値を割り 当てられる。ブロック８２での特徴部の比較は、指紋内の他の特徴部に対する独 特さと、候補特徴部内での変化の両方を要求することが好ましい。特徴部の独特 さは、相関関数を使用する良好な相関の逆である。より独特な特徴部は、同一指 紋内の他の特徴部との一致が不良であるかまたは適合が不良である。１つの特徴 部内での変化は、その特徴部内のピクセル値内に変化があることを必要とする。 例えば、すべての黒ピクセルまたはすべてのグレーピクセルを有する特徴部はほ とんどまたは全く変化がない。相関値は低いが独特な特徴部ではないいくつかの 特徴部を排除することができるため、１つの特徴部内での変化が望ましい。 本発明の好適な実施例において、装置は、画像内の各特徴部Ｒの独特さＵを決 定するために方程式１を使用する。 方程式１において、Ｓは画像内のすべてのｍ×ｍ個の特徴部のセットであるが 、Ｒは例外で、これは参照特徴部である。Ｒ_ijは特徴部Ｒの（ｉ,ｊ）番目のピ クセルグレーレベルである。同様に、Ｉ_ijはＩの（ｉ,ｊ）番目のピクセルグレ ーレベルである。Ｒ及びIは、それぞれの特徴部内の平均グレーレベルである。 方程式１に示される規定基準は、画像内の特徴部の独特さと特徴部内の変化の両 方を必要とする。 各特徴部の独特値が決定された後、装置はブロック８８でｎ個の最も独特な特 徴部を選択する。ｎ個の最も独特な特徴部を選択するときに、ｎ個の最も高い独 特値を備えた特徴部を選択することができるが、必ずしもそうする必要はない。 例えば、１つのピクセルによって間隔をおかれるように、特徴部が高程度に重な り合う実施例において、装置の極めて独特な部分を含むいくつかの重なり合う特 徴部は、高独特値を有する。そのような場合、１つの領域内で最も高い独特値を 備えた特徴部を選択することが好ましい。１つの特徴部を選択した後、選択した 特徴部の周りの領域を占有する特徴部は、独特な特徴部として選択される候補か ら排除される。別の例では、ｎ個の最も独特な特徴部を選択するときに、例えば 、特徴部の１／３または１／２のステップで、画像をインクレメントで分析して 、それによって、２つの選択された特徴部が、それぞれ、特徴部のサイズのせい ぜい１／３または１／２だけ重なり合うことを確実にする。更に別の実施例は、 １つの領域内の独特値を比較して、最大独 特値を備えた特徴部を選択してその領域を代表するすることができる。 選択される特徴部の数、ｎは、数多くの要因によって変動する。選択される特 徴部の数、ｎは、生の指紋パターンを格納されたパターンと一致させるときに装 置が特定の個別の特徴部に依存しすぎないように、十分大きな数でなければなら ない。パターンが１つの特徴部に依存しすぎ、そのパターンを規定するのに他の 十分な特徴部を使用していないときに、ユーザが画像から並進した特徴部を備え た生の指紋パターンを提示する場合、一致の正確性に影響を与える可能性がある 。他方、パターンを規定するために多すぎる特徴部を選択すると、選択された多 くの特徴部はそれほど独特ではないため、意義のあるデータを提供しないことが ある。多すぎる特徴部が選択されると、プロセッサ１６から追加の計算時間が必 要になり、追加の特徴部が重要な情報を提供しないならば、これは望ましくない 。好適な実施例において、パターンを規定するために４個から１２個の間の特徴 部が選択される。選択される数は、プロセッサの速度またはカメラの解像度等の 数多くの要因に依存する。 再度図３を参照すると、ｎ個の最も独特な特徴部を選択した後、これらのｎ個 の特徴部に基づいたパターンはブロック５６で決定される。好適な実施例におい て、「パターン」は、後述されるように、それらの特徴部の間の位置関係を記載 する向きのデータを伴ったｐ個の特徴部の集合として規定される。指紋パターン を規定することのできる独特な特徴部の数としてｎ個の特徴部を選択し、各パタ ーンにｐ個の特徴部があるならば、 個の可能なパターンがある。 図７、８を使用して、装置が選択された特徴部をどのように取ってパターンを 規定するかをブロック５６で記載する。６個の独特な特徴部を選択し(ｎ＝６)、 各パターンを規定するのに３個の特徴部を使用すると(ｐ＝３)、６個の特徴部の 様々な可能性のある組み合わせに基づいて、２０のパターン、 パターンの数＝ がマスターパターンセットを規定する。 図７は、各パターンがどのように規定されるかを示す。パターンは、複数の特 徴部及びそれらの特徴部の間の位置関係を記載する向きのデータによって規定さ れる。パターンを規定するための好適なフォーマットは、特徴部の各対の間の線 の長さとこれらの線のスロープとを伴うｐ個の特徴部の集合である。パターン１ ００は、３つの特徴部（ｐ＝３）Ｐ₁、１０２、Ｐ₂、１０４及びＰ₃、１０６に よって規定され、各々はピクセル位置対（ｉ,ｊ）によって規定される。３つの 特徴部の１つは、参照特徴部として示される。図７において、特徴部Ｐ₁１０２ が参照特徴部として示される。パターンを規定するために、参照特徴部と他の２ つの特徴部との間の線の長さが決定される。図７において、長さｌ₁１０８はＰ₁ １０２とＰ₂１０４との間の長さであり、長さｌ₂１１０はＰ₁１０２とＰ₃１０６ との間の長さである。パターン１００は線１０８及び１１０のスロープによって も規定され、任意の所定の参照に対する線の角度によって計算される。図７にお いて、スロープα₁及びスロープα₂は、それぞれ線１０８及び１１０の、例えば 、水平参照線または垂直参照線の所定の参照に対する向きを規定する。このよう にして、参照特徴部、特徴部の間の線の長さ、及び線の長さのスロープがパター ンを規定することができる。後述するように、証明は、生の指紋パターンが選択 されたマスターに一致する特徴部と、特徴部がマスターパターンと同一のパター ンに向くこととの両方を有することを必要とする。 パターンの１つの望ましい性質は回転不変性であり、生の指紋がマスターパタ ーン画像の向きに対して回転する場合、装置は依然として２つの類似パターンを 一致させることができることを意味する。図７に示す実施例は回転不変性ではな いが、図５に規定するように、回転が角度θよりも大幅に小さい限り、相関関数 を適用すると依然として一致特徴部は高い値になるため、回転に耐える。回転し た生の指紋パターンを補償する１つの方法は、回転したパターンを、小さなイン クレメントで、例えば、１度か５度のインクレメントで、格納して、ハードウェ アに基づいてユーザが回転した生の指紋パターンを現実的に提示する大半が格納 された回転したパターンによって覆われるようにすることである。別の実施例に おいて、パターンは２つの長さ及び２つの角度ではなく、３つの長さによって規 定される。例えば、図７において、ｌ₁及びｌ₂に加えて、第３の線の長さ１１２ 、すなわちＰ₂とＰ₃との間の長さ、がパターン１００を規定することができる。 そのようにしてパターン１００を規定することは、パターン１００が回転的に不 変であることを確実にする。 図８は、４つの特徴部（ｐ＝４）を使用して各パターンを規定する場合一般に 、どのようにしてパターンが規定されるかを示す。パターン１２０は、それぞれ 関心領域１２２、１２４、１２６及び１２８によって規定される４つの特徴部、 Ｐ₁、Ｐ₂、Ｐ₃及びＰ₄を有する。各特徴部はピクセル位置対（ｉ,ｊ）によって 規定され、特徴部Ｐ₁は参照特徴部として示される。４つの特徴部を伴い、それ ぞれ、Ｐ₁とＰ₂との間、Ｐ₁とＰ₃との間及びＰ₁とＰ₄との間の長 さを現す３つの線の長さｌ₁、ｌ₂及びｌ₃と、線の長さｌ₁、ｌ₂及びｌ₃に対応す る３つの角度α₁、α₂及びα₃と、がパターン１２０を規定する。パターンを格 納する長さ／角度フォーマットは、パターン内の任意の数多くの特徴部で一般化 することがより容易であるため、例えば長さだけのもの等の他のフォーマットよ り好適である。しかし、向きを現す他の手段も本発明の範囲から逸脱することな く、使用することができると理解される。生の指紋のいずれの並進が全４個の特 徴部位置のいずれの可能な一致を壊すため、パターンを格納するフォーマットは 、ピクセル対位置を格納することによって行わないことが好ましい。しかし、ピ クセル対位置の予想される位置は、一致プロセスを促進する次のサーチために装 置によって格納されてもよい。また、画像の境界近傍の特徴部は、そのような特 徴部はユーザが画像取得装置から特徴部を並進運動させるときに失われることが あるため、排除することが好ましい。 再度図３を参照すると、マスターパターンセット用にパターンが規定された後 、それらはブロック５８でメモリに格納される。このようにして、装置は実際の 指紋画像は格納しない。むしろ、ブロック５６で決定されたパターン及びその中 の特徴部がマスターパターンセットして格納される。例えば、６個の特徴部と１ パターンにつき３個の特徴部を有する実施例において、６個の特徴部へのポイン タ及び２０個のパターンがメモリ内に格納される。ブロック５８の後、ユーザは この装置に登録される。 上述の装置は、装置自体が、指紋画像のどの特徴部またはどの領域が最も独特 であるかを決定することができる。これらの最も独特な特徴部は、最も有用な識 別情報を含み、従ってマスターパターンセットを作製するのに最も有用である。 本発明の装置にどの特徴部が最も独特または有用であるかを決定させることによ って、本装置 は、分岐型、行き止まり型、渦巻型等の予め規定された一定の指紋特徴部に制限 される既存の「細目系」装置よりも信頼性がある。これらの型の装置において、 装置によって見いだされ使用される特徴部は実際には最良の識別特徴部ではない こともある。これらの当初特徴部の決定は、次いで装置中に伝播するため、結果 として誤った識別及び誤った拒絶が高程度に現れる。本発明の装置は装置自体に どの特徴部が最も独特であるかを決定させることによって、本装置は細目系装置 の利点を維持しながら、最終結果の信頼性を増加する。 証明 本発明の第２のフェーズは、ユーザの生物測定徴候の証明を提供することであ る。これは、提示された生の生物測定徴候と認可されたユーザの記録されたマス ターパターンのセットに１つとの間に一致があることを装置が見いだすことが必 要である。上述のように、本発明は、生物測定徴候が指紋であるものに関して記 栽する。 図９は、提示された生の生物測定徴候を、上述のフォーマットで格納された記 録されたマスターパターン画像で証明する好適な方法の流れ図である。ユーザの 指紋の証明を提供するときに、装置はブロック１５０でユーザ識別情報を受け取 ることが好ましい。この識別情報は、例えば、個人識別番号（ＰＩＮ）、ＩＤカ ードまたは他のいずれの型の識別情報であってもよい。ユーザがＩＤ番号を受け 取ると、プロセッサ１６はそのユーザＩＤ情報に対応するマスターパターンセッ トを検索する。例えば予想される特徴部の位置等の情報を提供することによって 、証明プロセスを促進するため、ユーザがＰＩＮ番号を入力することを要請する ことが好ましい。別の実施例において、装置は、一致が見いだされるまで装置に 格納された各マスターパターンセットをチェックし、その場合ユーザは証明され 、 または一致が見いだされない場合はユーザは証明されない。 ブロック１５２で装置は生物測定徴候が証明される対象のユーザの画像を取得 するが、本明細書では試料画像と称する。ブロック１５６、１５８及び１６０で 、プロセッサ１６は、マスターパターンセット内の各特徴部に最良に一致する試 料画像内の特徴部を識別する。例えば、６個の特徴部を使用してマスターパター ンセットを規定する実施例において、６個の特徴部の各々に対する最良の一致が 決定される。ブロック１５８で、マスターパターンセットからの特徴部は、試料 画像のいくつかのまたはすべての特徴部と比較される。マスター特徴部が比較さ れる試料画像の特徴部は、重なり合う領域であり１つのピクセルのみによって間 隔をおいて置かれるか、または複数のピクセルのインクレメントで間隔をおいて 置かれる。予想される位置が提供される実施例において、マスター特徴部はその 予想される位置を囲繞する、例えば、４０×４０または８０×８０ピクセルのサ ブ画像等の、サブ画像内の特徴部と比較することができる。別の実施例において 、特徴部は画像全体から取ることができる。 マスター特徴部と試料特徴部との類似度を決定するために、数多くの公知の関 数のいずれかを使用することができる。好適な実施例において、下記標準相関式 が生じる。 ただし、Ｓは画像またはサブ画像内の全ｍ×ｍ個の特徴部のセットである。Ｒ はマスターパターン画像からの１つの特徴部であり、 試料画像からの各候補特徴部Ｉと比較される。Ｒ_ijはマスター特徴部Ｒの（ｉ, ｊ）番目のピクセルグレーレベルである。同様に、Ｉ_ijは同一特徴部Ｉの（ｉ, ｊ）番目のピクセルグレーレベルである。R及びIは、それぞれの特徴部内の平均 グレーレベルである。各試料特徴部、Ｉは、特徴部の予想される位置に対する中 心であるサーチ領域Ｓ内にある。予想される位置は、予想される位置を使用する 実施例におけるＲの座標値である。 マスターパターンセット内の各特徴部に最良に一致する試料画像内の特徴部を 見いだした後、一致した試料特徴部のこのセットを使用して、ブロック１６２で 対応する試料パターンのセットを生成する。次いでマスターパターンセット及び 試料パターンセットはブロック１６４で比較される。パターン比較の最も簡単な 方法は、互いから対応するパターンから線の長さ及び角度を引き出して、相関値 を使用して、パターン差ベクトルを作製することである。例えば、各パターンが ３つの特徴部からなる実施例において、そのような比較はパターン差を規定する 七次元差関数を産する。 パターン差≡（３相関値、２Δｌ値、２Δα値）である。 Δｌ値は対応する線の長さの差であり、Δα値は対応するスロープ値の差である 。あるいは、Δｌは差ではなく、ｌ₁とｌ₂との比として計算されてもよく、同様 の計算をΔαにも使用してもよい。相関値は、装置がマスター特徴部に最良に一 致する試料特徴部をサーチしたときに、ブロック１５８で決定された。そのよう なパターン差において、よりよく一致する指紋パターンは、大きな相関値を有し 、特徴部が類似していることを示し、また、小さなΔｌ値及びΔα値を有し、パ ターンが類似していることを示す。 ブロック１６５で生成された各パターン差ベクトルは次いで１６ ６でプロセッサ１６からニューラルネットワーク２０へ伝達されてブロック分類 を行う。図１に示すように、分類ニューラルネットワーク２０は、パターン差ベ クトルのセット上に調整され、そのうちのいくつかは一致すると知られており、 いくつかは一致しないと知られている。ニューラルネットワーク２０は、受け取 ったパターンの各々を一致するまたは一致しないとして分類して分類を示す分類 識別子を作製し、情報をプロセッサ１６へ戻す。好適な分類ニューラルネットワ ークは、「ファセット分類ニューラルネットワーク(Facet Clasification Neura l Network)」という発明の名称で、Brady et al.が１９９３年１２月８日に出願 して本願の譲受人に譲渡された米国特許出願第０８／１６３,８２５号に記載さ れており、その内容を本願明細書に引用したものとする。 プロセッサ１６が分類ニューラルネットワーク２０から分類識別子を受け取っ た後、プロセッサ１６は試料パターン画像がマスターパターン画像に一致するか 否かを決定する。図９のブロック１６８で、プロセッサ１６はパターンが一致し たことを示す分類識別子の数を合計する。この合計を、域値θと比較してもよく 、一致するパターンの数が域値を超るならば、プロセッサ１６はその指紋が一致 すると決定する。 域値を使用するほかに、プロセッサ１６は、頻度密度関数に基づいて、域を設 定することができる。図１０は、プロセッサ１６が域を設定するために使用する 頻度密度関数１８０、１８２の例を示す。頻度密度関数１８０は無効な比較を現 すが、頻度密度関数１８２は有効な比較を現す。ｘ軸上に一致するパターンの数 があり、ｙ軸上に比較の数がある。頻度密度関数１８０、１８２は、例に基づい た一対のヒストグラムであり、ｘ軸上の各数で離散値によって図１０に示される 。連続関数は、図１０、１１に示すように、離散値に適 合することができる。域値θは、頻度密度関数１８０、１８２が交差する点に位 置し、両方とも最小である位置が好ましい。域値は、一致を判定するプロセッサ １６のために一致しなければならないパターンの最小数を示す。ゼロ（０）一致 パターンは、一致がないことを意味する。図１０において、１から７の一致パタ ーンも一致がないと思われるが、例にはいくつかのエラーがある。θ以上のパタ 一ンが一致するときには、プロセッサ１６は指紋パターンが一致すると決定し、 ブロック１７０で一致信号を入力／出力装置１４へ送る。 図１１は、ｘ軸上で交差しない交錯点１８４を有するヒストグラムの別の対を 示す。そのような場合、誤った証明または誤った拒絶が発生する可能性がある。 用途により、域値は、ｘ軸を上または下へ動くことができる。例えば、誤った証 明を受け入れることができない安全性の高い用途では、より高い域値を使用する が、いくらかの誤った拒絶を発生させる可能性はある。 本発明はいくつかの実施例を参照して記載してきた。本発明の範囲を逸脱する ことなく、記載の実施例に対して多くの変更または追加を施すことができること は当業者には明らかである。従って、本発明の範囲は、本明細書に記載した構造 に限定されるものではなく、請求の範囲の文言によって記載された構造及びそれ らの構造の等価物によってのみ限定されるものである。

───────────────────────────────────────────────────── フロントページの続き (81)指定国 ＥＰ(ＡＴ，ＢＥ，ＣＨ，ＤＥ， ＤＫ，ＥＳ，ＦＩ，ＦＲ，ＧＢ，ＧＲ，ＩＥ，ＩＴ，Ｌ Ｕ，ＭＣ，ＮＬ，ＰＴ，ＳＥ)，ＯＡ(ＢＦ，ＢＪ，ＣＦ ，ＣＧ，ＣＩ，ＣＭ，ＧＡ，ＧＮ，ＭＬ，ＭＲ，ＮＥ， ＳＮ，ＴＤ，ＴＧ)，ＡＰ(ＧＨ，ＫＥ，ＬＳ，ＭＷ，Ｓ Ｄ，ＳＺ，ＵＧ)，ＥＡ(ＡＭ，ＡＺ，ＢＹ，ＫＧ，ＫＺ ，ＭＤ，ＲＵ，ＴＪ，ＴＭ)，ＡＬ，ＡＭ，ＡＴ，ＡＵ ，ＡＺ，ＢＡ，ＢＢ，ＢＧ，ＢＲ，ＢＹ，ＣＡ，ＣＨ， ＣＮ，ＣＵ，ＣＺ，ＤＥ，ＤＫ，ＥＥ，ＥＳ，ＦＩ，Ｇ Ｂ，ＧＥ，ＧＨ，ＨＵ，ＩＬ，ＩＳ，ＪＰ，ＫＥ，ＫＧ ，ＫＰ，ＫＲ，ＫＺ，ＬＣ，ＬＫ，ＬＲ，ＬＳ，ＬＴ， ＬＵ，ＬＶ，ＭＤ，ＭＧ，ＭＫ，ＭＮ，ＭＷ，ＭＸ，Ｎ Ｏ，ＮＺ，ＰＬ，ＰＴ，ＲＯ，ＲＵ，ＳＤ，ＳＥ，ＳＧ ，ＳＩ，ＳＫ，ＴＪ，ＴＭ，ＴＲ，ＴＴ，ＵＡ，ＵＧ， ＵＺ，ＶＮ，ＹＵ

Claims (1)

1. 【特許請求の範囲】 １.ユーザの生物測定徴候を証明する生物測定認識装置であって、 複数のマスターパターンセットを格納するデータ格納手段であって、各マスタ ーパターンセットは複数の認可されたユーザの１人に対応し、該マスターパター ンセットの各々は複数のマスター特徴部と該複数のマスター特徴部のマスター向 きデータとによって規定されるデータ格納手段と、 マスターパターンセットと該生物測定徴候との間の類似度のレベルを表す比較 ベクトルを作製するベクトル生成手段と、 該比較ベクトルに基づいて分類識別子を生成するニューラルネットワークであ って、該分類識別子は該ユーザの生物測定徴候が証明されるべきものであるか否 かを示すニューラルネットワークと、 を具備する生物測定認識装置。 ２．前記ベクトル生成手段は、 前記マスター特徴部の各々に最良に一致する前記生物測定徴候内の試料特徴部 を識別するための識別手段と、 該マスター特徴部の各々に最良に一致する該試料特徴部に基づいた試料向きデ ータを生成するパターン生成手段と、 前記マスター向きデータと該試料向きデータとを比較して比較向きデータを作 製する手段と、 を具備し、 前記比較ベクトルは該比較向きデータに基づいており、該マスター特徴部とそ れらの対応する試料特徴部との類似度にも基づく請求項１記載の生物測定認識装 置。 ３．前記識別手段は相関関数を使用して前記マスター特徴部とそれらの対応す る試料特徴部との類似度を決定する請求項２記載の生 物測定認識装置。 ４．前記マスター向きデータ及び前記試料向きデータは、前記マスター特徴部 の間の線の長さと、前記試料特徴部の間との線の長さと、該線の長さのスロープ データとを含む請求項２記載の生物測定認識装置。 ５．前記比較向きデータは、前記マスター特徴部の線の長さと前記試料特徴部 の対応する線の長さとの間の差及び該対応する線の長さの対応するスロープデー タの間の差を取ることによって作製される請求項４記載の生物測定認識装置。 ６．前記比較向きデータは、前記マスター特徴部の線の長さと前記試料特徴部 の対応する線の長さとの間の比及び該対応する線の長さの対応するスロープデー タの間の差を取ることによって作製される請求項５記載の生物測定認識装置。 ７．前記生物測定徴候の画像を取得してそれから試料画像を作製するための生 物測定パターン取得手段を更に具備する請求項１記載の生物測定認識装置。 ８．前記データ格納手段は前記生物測定徴候に関するデータを更に格納する請 求項７記載の生物測定認識装置。 ９．前記データは前記試料画像内の前記マスター特徴部の予想される位置を含 む請求項８記載の生物測定認識装置。 １０．前記識別手段は、前記マスター特徴部の各々に最良に一致する試料特徴 部を識別するときに、前記試料画像内の前記予想される位置をサーチする請求項 ９記載の生物測定認識装置。 １１．前記ベクトル生成手段は複数の比較ベクトルを作製し、前記装置は、前 記ニューラルネットワークから分類識別子を受け取り、一致を示す分類識別子の 数を合計して該合計数を作製し合計数を域値と比較して該合計数が該域値を超え るときに一致信号を出力する 限界手段を更に具備する請求項１記載の生物測定認識装置。 １２．前記域値は頻度密度関数に基づく請求項１１記載の生物測定認識装置。 １３．前記ユーザとのインターフェースを提供するインターフェース手段を更 に具備する請求項１記載の生物測定認識装置。 １４．ユーザの生物測定徴候のマスターパターンセットを生成する方法であっ て、 （ａ）該生物測定徴候の画像を取得して生物測定パターン画像を作製するステ ップであって、該生物測定パターン画像は複数の特徴部を含むステップと、 （ｂ）該生物測定パターン画像内の各特徴部を該生物測定パターン画像内の他 のすべての特徴部と比較するステップと、 （ｃ）ステップ（ｂ）の結果に基づいて該生物測定パターン画像内の各特徴部 に独特値を割り当てるステップと、 （ｄ）該独特値に基づいて、該生物測定パターン画像内の該特徴部から複数の マスター特徴部を選択するステップと、 （ｅ）該マスター特徴部に基づいてマスターパターンを規定するステップと、 （ｆ）該マスターパターン及びマスター特徴部をマスターパターンセットとし て格納するステップと、 を含むマスターパターンセット生成方法。 １５．前記マスターパターンは、前記マスター特徴部に基づいて及び該マスタ ー特徴部の間の位置関係を記載する向きデータに基づいて規定される請求項１４ 記載のマスターパターンセット生成方法。 １６．前記向きデータは前記複数のマスター特徴部の間の線の長さと該線の長 さのスロープデータとを含む請求項１５記載のマスターパターンセット生成方法 。 １７．１つの特徴部に対する前記独特値は該特徴部の他の特徴部に対する独特 さに基づいて及び該特徴部内の変化に基づいて規定される請求項１４記載のマス ターパターンセット生成方法。 １８．前記マスター特徴部は前記独特値に基づいて選択され、前記生物測定パ ターン画像の領域においてどの特徴部が最も高い独特値を有するかにも基づいて いる請求項１４記載のマスターパターンセット生成方法。 １９．ユーザの生物測定パターンを証明する方法であって、認可された生物測 定パターンが格納されて、対応する生物測定パターンの複数のマスター特徴部に 基づいた複数のマスターパターンから構成される対応マスターパターンセットに よって表される方法において、 （ａ）証明する対象の生物測定パターンの画像を取得してそれから試料パター ン画像を作製するステップであって、該試料パターン画像は複数の試料特徴部を 含むステップと、 （ｂ）マスターパターンセットを検索するステップと、 （ｃ）該検索されたマスターパターンセット内の各マスター特徴部を該試料特 徴部と比較し、そこからどの試料特徴部が各マスター特徴部に最良に一致するか を決定して、それから一致した試料特徴部のセットを作製するステップと、 （ｄ）該一致した試料特徴部のセットに基づいて試料パターンを規定するステ ップと、 （ｅ）該試料パターンを該マスターパターンと比較するステップと、 （ｆ）比較ステップ（ｅ）が是認であるときに該試料パターン画像を証明する ステップと、 を含む生物測定パターン証明方法。 ２０．前記比較ステップ（ｅ）は、 （ｅ１）前記試料パターンを前記マスターパターンと比較してパターン差ベク トルを生成するステップと、 （ｅ２）該パターン差ベクトルを分析して、それから該試料パターンと該マス ターパターンとが一致するかどうかを示す分類識別子を作製するステップと、 （ｅ３）該分類識別子が域値を超えるならば、該試料パターンは該マスターパ ターンセットに一致すると決定するステップと、 を更に含む請求項１９記載の生物測定パターン証明方法。 ２１．ニューラルネットワークが前記パターン差ベクトルを分析する請求項２ ０記載の生物測定パターン証明方法。 ２２．ユーザ識別情報を受け取るステップを更に含む請求項１９記載の生物測 定パターン証明方法。 ２３．前記ステップ（ｂ）で検索された前記マスターパターンセットは前記ユ ーザ識別情報に基づいて選択される請求項２２記載の生物測定パターン証明方法 。 ２４．ユーザの生物測定パターンを証明する方法であって、 該ユーザからマスターパターンセットを格納するステップであって、該マスタ ーパターンセットは、複数のマスター特徴部と該複数のマスター特徴部のマスタ ー向きデータによって規定されるステップと、 証明する対象のユーザから試料生物測定パターンを取得するステップと、 該複数のマスター特徴部の各々に最良に一致する該試料生物測定パターン内の 試料特徴部を識別するステップと、 該識別された試料特徴部によって生成されるパターンに基づいて試料向きデー タを生成するステップと、 該マスター向きデータと該試料向きデータとを比較して比較向きデータを作製 するステップと、 該複数のマスター特徴部とその対応する識別された試料特徴部との類似に基づ いて、及び該比較向きデータに基づいて比較ベクトルを作製するステップと、 該比較ベクトルに基づいて分類識別子を作製するステップと、 該分類識別子が一致を示すのであれば該生物測定パターンを証明するステップ と、 を含む生物測定パターン証明方法。