JP5426403B2 - ハイブリッド生体認証装置、ハイブリッド生体認証方法、ハイブリッド生体認証用コンピュータプログラム。 - Google Patents

Description

本発明は、複数の生体認証アルゴリズムを搭載したハイブリッド生体認証装置、ハイブリッド生体認証方法、ハイブリッド生体認証用コンピュータプログラム。

現在、ドアのロック、現金自動預け払い機（Ａｕｔｏｍａｔｅｄ Ｔｅｌｌｅｒ Ｍａｃｈｉｎｅ）等の各種の機器で、利用者を特定するために個人認証技術が利用されている。この個人認証技術の分野においては、紛失や忘失が無く、利用者にとって利便性の高いことから、生体情報を使用した認証技術が特に注目を集めている。しかしながら、生体情報を使用した個人認証（生体認証）では、用途により認証・照合精度が十分とは言えない場合がある。

そこで、大規模な数のユーザでの運用や公共設備での認証には、生体認証が単独ではなく、鍵やＩＣカードなどでの認証や、パスワードやパスフレーズなどの記憶による認証と組み合わされて利用されることが多い。例えば、空港での入出国管理システムに顔認証と指紋認証を用いるシステムが採用されている。このように、高い利便性と高いセキュリティ性能を得るために、特性の異なる複数の認証要素を併用することが一般的に用いられている。

しかしながら、この方法は複数の生体情報を入力する必要があるため、利用者の利便性が損なわれる。また，生体情報入力装置などの入力装置を複数必要とするため、コストが高くなるという問題がある。

また、これまでにも生体認証の精度を向上するための方法が各種提案されている。例えば、複数の生体情報入力装置から異なる種別（例えば指紋と顔など）の生体情報を取得し、生体情報毎に生体特徴情報を抽出して照合処理により類似度を算出し、類似度から本人か他人を判定して照合結果とする方法が提案されている（例えば、特許文献１参照）。この方法では、各照合結果を総合的に判断することにより、照合精度の向上を図ることができる。

また、単一の生体情報入力装置にて複数個の生体情報を取得し、その入力順序や生体情報から得た特徴情報を総合的に判断することにより照合精度の向上を図るものも提案されている（例えば、特許文献２参照）。この方法では、複数の生体情報入力装置を必要としないため、コスト上昇の問題は生じない。
特開２００６−１６７０７０ 特開２００３−１６２７２２

しかしながら、特許文献１に記載の発明では、複数の生体情報入力装置を必要とするため、生体認証装置のコストが上昇するという問題点がある。また、特許文献２に記載の発明では、照合精度向上のために生体情報を複数回取得する必要があり、利用者の利便性を損なうという問題点がある。

また、複数の認証技術（例えば生体認証とパスワードなど）や複数の認証要素（例えば指紋と顔など）を併用する照合精度の向上方法では、次の問題がある。
（１）例えば、鍵やＩＣカードなどを利用した物による認証は、紛失の恐れや管理の煩雑さがある。
（２）パスワードのような記憶による認証は、忘れてしまう恐れがある。
（３）複数の認証要素を組み合わせる生体認証では、生体情報入力装置等の設備が高価になり、運用が複雑になり、かつ利用者の負担も大きい。
（４）複数の認証要素を組み合わせる生体認証の場合、生体情報の入力失敗による棄却・再入力がそれぞれに発生するため、システムが煩雑になる。

本開示は、上記課題を解決するためになされたものであり、紛失の恐れが無く、忘れることも無く、低導入コストで、システム構成・運用が容易かつ高精度なハイブリッド生体認証装置、ハイブリッド生体認証方法、ハイブリッド生体認証用コンピュータプログラムを実現することを目的とする。

本開示によれば、一つの生体情報入力装置から取得された一つの生体情報から特徴情報を抽出する互いに異なる特性を持つ複数の特徴抽出手段と、前記複数の特徴抽出手段により各々抽出された各特徴情報を合成して、ひとつのハイブリッド生体認証用特徴情報を生成する特徴合成手段と、当該特徴合成手段により生成されたハイブリッド生体認証用特徴情報を記憶する特徴情報記憶手段と、前記生体情報の照合に際して、前記特徴合成手段により生成されたハイブリッド生体認証用特徴情報と、前記特徴情報記憶手段に予め記憶されたハイブリッド生体認証用特徴情報とから合成前の各々の特徴情報を抽出して各類似度を算出する複数の類似度算出手段と、当該類似度算出手段の算出結果に基づいて、生体情報が本人のものか否かの認証を行う判別手段とを備え、前記各特徴抽出手段及び前記各類似度算出手段は、互いに異なる特性及び異なる認証性能を持つ複数のアルゴリズムを使用するハイブリッド生体認証装置が提供される。

また、本開示によれば、一つの生体情報入力装置から取得された一つの生体情報から特徴情報を抽出する互いに異なる特性を持つ複数の特徴抽出工程と、前記複数の特徴抽出工程により各々抽出された各特徴情報を合成して、ひとつのハイブリッド生体認証用特徴情報を生成する特徴合成工程と、当該特徴合成工程により生成されたハイブリッド生体認証用特徴情報を記憶する特徴情報記憶工程と、前記生体情報の照合に際して、前記特徴合成工程により生成されたハイブリッド生体認証用特徴情報と、前記特徴情報記憶工程に予め記憶されたハイブリッド生体認証用特徴情報とから合成前の各々の特徴情報を抽出して各類似度を算出する複数の類似度算出工程と、当該類似度算出工程の算出結果に基づいて、生体情報が本人のものか否かの認証を行う判別工程とを備え、前記各特徴抽出工程及び前記各類似度算出工程は、互いに異なる特性及び異なる認証性能を持つ複数のアルゴリズムを使用するハイブリッド生体認証方法が提供される。

また、本開示によれば、ハイブリッド生体認証装置の各種処理手段としてコンピュータを機能させるコンピュータプログラムが提供される。

個人認証装置１のブロック図である。 記憶装置１４の記憶エリアの概念図である。 ハイブリッド生体特徴情報５０の概念図である。 ハイブリッド生体特徴情報登録処理のフローチャートである。 個人認証装置１のＣＰＵ１０で実行されるハイブリッド生体認証処理のフローチャートである。 アルゴリズムＡの類似度ＡとＦＡＲの関係のデータテーブルである。 アルゴリズムＢの類似度ＢとＦＡＲの関係のデータテーブルである。 ＦＡＲを変化させる倍率の表である。 総合類似度算出処理（Ｓ３１）の手順を示した図である。 ハイブリッド式の個人認証装置１を使用した認証結果のグラフである。

以下、本発明の一実施の形態として、生体情報として指紋画像を使用し、異なる特性あるいは異なる性能を持つアルゴリズムとしてマニューシャ法と周波数解析法とを用いた場合について説明する。尚、生体情報は、公知の生体情報入力装置を用いて取得され、利用者の入力の失敗やシステム障害に応じて適切なフィードバックを行い、利用者が正しい生体情報を入力できるようにしている。生体情報とは、音声、虹彩画像、顔画像、指紋画像や静脈画像などの情報である。

一般に生体認証では、生体情報入力装置から取得した生体情報から、個人性を表す特徴が抽出される生体特徴抽出を行い、生体特徴情報を生成する。登録時には、この生体特徴情報がデータベースに記録される。二つの生体特徴情報が比較され、どれくらい似ているかが判断されて数値化されたものが類似度と呼ばれ、逆にどれくらい似ていないかが数値化されたものが距離と呼ばれる。認証・照合では、類似度や距離を尺度とし、値の大きさにより本人か他人かが判断される。類似度は他人の場合に小さな値、本人の場合に大きな値となり、距離は他人の場合に大きな値、本人の場合に小さくなり、事前に設定した閾値により本人か他人かが判定される。

マニューシャ法における生体特徴抽出とは、指紋の凸部の連なりである隆線の二つに分かれる分岐点や、行き止まりの端点などの特徴点の位置、種類、方向のほか、指紋中心座標、指紋三角州座標、指紋隆線方向、特徴点間の距離、特徴点間の隆線本数などを抽出することである。マニューシャ法では、前出の方法で抽出した二つの生体特徴情報の各特徴がどの程度一致しているかが各々の特徴について比較され、指紋全体で一致している割合などで数値化されて類似度とされる。また、不一致の割合などが数値化されて距離とされる。マニューシャ法での指紋照合は、このようにして求めた類似度や距離の値の大きさから本人か他人かを判断する照合方式である。

また、周波数解析法による生体特徴抽出とは、指紋画像の濃淡を信号波形とみなし、波形スペクトル系列を求めることである。周波数解析法では、前出の方法で抽出した二つの生体特徴情報がどの程度一致しているかがＤＰ（Ｄｙｎａｍｉｃ Ｐｒｏｇｒａｍｍｉｎｇ）マッチングを使用して比較され、似ている（一致している）度合いとして数値化された類似度や似ていない（一致していない）度合いとして数値化された距離が求められる。周波数解析法での指紋照合は、このようにして求められた類似度や距離の値の大きさから本人か他人かが判断される照合方式である。なお、ＤＰマッチングは音声認識にて一般に使用されるスペクトル系列の比較方法であり、時間的な伸縮（指紋画像の場合、縦方向の伸縮）に強いという特徴がある。周波数解析法による指紋照合は、音声認識で使用される一次元の周波数解析法を画像認識に応用したものである。

マニューシャ法は指紋画像の一部分から特徴を抽出して照合を行うことが可能である。周波数解析法はマニューシャ法で抽出する生体特徴が検出できないような画像からでも特徴を抽出して照合を行うことが可能である。このように二つの生体認証アルゴリズムは、特徴の抽出方法、ユーザーの利便性が大きく異なり、認証性能も異なっている。本実施の形態では、これらの特性を併せ持つハイブリッド生体認証装置を構築できる。

以下、図面を参照して本実施の形態を詳細に説明する。以下、マニューシャ法を「アルゴリズムＡ」と言い、周波数解析法を「アルゴリズムＢ」と言う。

図１に示す個人認証装置１はオペレーティングシステム（ＯＳ）を搭載したコンピュータ３によって実現されたもので、このコンピュータ３が所定のプログラムを読み込んで実行することで処理が行われる。尚、個人認証装置１としては、オペレーティングシステムを搭載せず、マシン語からなるプログラムで直接制御されるコンピュータ３を用いても良い。個人認証装置１では、指紋画像が指紋入力装置２で読み取られることで、生体情報が読み取られる。尚、生体情報の入力は、生体情報入力装置である指紋入力装置２に限定せず、該指紋入力装置２より取得された生体情報が公知のメモリ装置（装置内ハードディスクや半導体メモリ、可搬性記録媒体、着脱式メモリ媒体、あるいはネットワークに接続されたサーバ内のハードディスク等）に格納され、登録または照合時に使用される方法でも良い。

図１に示すように、本実施の形態の個人認証装置１は、主制御を司るＣＰＵ１０にＢＩＯＳ等を記憶したＲＯＭ１１と、各種データを一時的に記憶するＲＡＭ１２とが接続されている。また、ＣＰＵ１０には、インターフェース１３が接続されて、インターフェース１３には、記憶装置１４と、ＣＤ−ＲＯＭ装置１５と、指紋入力装置２とが接続されている。尚、記憶装置１４は、ハードディスク装置やフラッシュメモリ等で構成することができる。また、ＣＤ−ＲＯＭ装置１５には、コンピュータプログラムやデータの記憶媒体としてのＣＤ−ＲＯＭ１５ａが挿入可能となっている。このＣＤ−ＲＯＭ１５ａから読み出されたコンピュータプログラムは、記憶装置１４に記憶されるようになっている。さらに、尚、指紋入力装置２としては、一例として、ライン型指紋センサが用いられるが、ライン型指紋センサに限られず、各種の方式のものが使用できる。

また、インターフェース１３には、ビデオコントローラ１６、キーコントローラ１７及びマウスコントローラ２０が接続され、ビデオコントローラ１６には、ディスプレイ１８が接続され、キーコントローラ１７には、キーボード１９が接続され、マウスコントローラ２０には、マウス２１が接続されている。

次に、図２を参照して、記憶装置１４の記憶エリアについて説明する。図２に示すように、記憶装置１４には、ハイブリッド生体特徴情報データベース記憶エリア１４１と、プログラム記憶エリア１４２、データテーブル記憶エリア１４３等が設けられている。また、記憶装置１４は、公知のメモリ装置で構成され、登録用に生成されたハイブリッド生体特徴情報を、特定の個人と結びつけるための付加情報（ファイル名、ＩＤあるいは名前など）と共に格納する。

次に、図３を参照して、記憶装置１４のハイブリッド生体特徴情報データベース記憶エリア１４１に記憶されるハイブリッド生体特徴情報５０について説明する。図３に示すように、ハイブリッド生体特徴情報５０は、ハイブリッド生体特徴属性情報５１と、生体特徴情報の共通情報５２と、アルゴリズムＡ固有の生体特徴情報５３と、アルゴリズムＢ固有の生体特徴情報５４とから構成されている。

次に、図４を参照して、個人認証装置１のＣＰＵ１０で実行されるハイブリッド生体特徴情報登録処理について説明する。

このハイブリッド生体特徴情報登録処理では、まず、図２に示す指紋入力装置２から、生体情報の一例としての指紋画像が入力される（Ｓ１１）。次いで、入力された指紋画像は、ＲＡＭ１２に一時的に記憶されて、アルゴリズムＡによる第一特徴抽出処理Ｓ１２及びアルゴリズムＢによる第二特徴抽出処理Ｓ１３が平行して行われる。

この指紋画像が生体情報とされる。そして、この生体情報がアルゴリズムＡによる第一特徴抽出処理（Ｓ１２）とアルゴリズムＢによる第二特徴抽出処理（Ｓ１３）により処理されると、各々、異なる特性を持つ二つの生体特徴情報が抽出される。

次に、第一特徴抽出処理（Ｓ１２）及び第二特徴抽出処理（Ｓ１３）により、抽出された二つの生体特徴情報に対して、特徴圧縮処理（Ｓ１４）が行われる。この特徴圧縮処理（Ｓ１４）では、ハイブリッド生体特徴情報５０が作成される。

具体的には、まず、ハイブリッド生体特徴属性情報５１が生成される。このハイブリッド生体特徴属性情報５１には、圧縮の有無、暗号化の有無、暗号の公開鍵、ハイブリッド生体特徴情報５０全体のデータサイズ、作成された日時などを含む。これ以外の情報が付加されても良いし、不要な情報が削除されても良い。

また、第一特徴抽出処理（Ｓ１２）及び第二特徴抽出処理（Ｓ１３）で作成された各生体特徴情報には、各アルゴリズムにより固有に得られる固有特徴情報と、例えば、指紋画像サイズ情報や指紋画像の品質指標等のアルゴリズムに依らず出力される情報とが含まれており、一部の情報は両方の生体特徴情報に重複して存在する。

特徴圧縮処理（Ｓ１４）では、第一特徴抽出処理（Ｓ１２）及び第二特徴抽出処理（Ｓ１３）により抽出された、複数の生体特徴情報が比較されて情報の重複する箇所が探し出され、それらが抽出されて共通情報５２が作成される。この共通情報５２は、指紋入力装置２のセンサの解像度や入力された指紋画像サイズ、指紋画像の品質指標など両方の生体特徴情報に重複して存在するものである。ここで、指紋画像サイズは、指紋画像を取得するセンサやファイルから読み込んだ指紋画像の大きさであり、例えば横２８０（ｐｉｘｅｌ）×縦４００（ｐｉｘｅｌ）のような数値で表現するものである。品質指標とは、入力された指紋の凹凸がはっきりと見える濃淡であったか、入力の仕方は丁寧であったか、指紋画像のサイズが指紋認証に適しているかなどであり、例えば０（低品質）〜２５５（高品質）の数値で表現される。そして共通情報が取り除かれたアルゴリズムＡの固有の生体特徴情報５３と、アルゴリズムＢの固有の生体特徴情報５４とが付加されて非圧縮状態のハイブリッド生体特徴情報５０が作成される。例えば、アルゴリズムＡとしてマニューシャ法が使用された場合、生体特徴情報５３は、指紋の凸部の連なりである隆線の二つに分かれる分岐点や、行き止まりの端点などの特徴点の位置、種類、方向のほか、指紋中心座標、指紋三角州座標、指紋隆線方向、特徴点間の距離、特徴点間の隆線本数などである。アルゴリズムＢに周波数解析法が使用された場合、生体特徴情報５４は、指紋画像の濃淡を信号波形とみなし、生体特徴情報として求めた波形スペクトル系列情報である。ハイブリッド生体特徴情報５０は生体特徴情報５３と生体特徴情報５４と共通情報５２とが結合された情報である。

尚、特徴圧縮処理（Ｓ１４）では、システム用途に応じて、ハイブリッド生体特徴情報５０が圧縮されることでデータ量の縮小が行われる。圧縮処理は非圧縮状態のハイブリッド生体特徴情報５０に対して、例えばハフマン符号化が行われる。圧縮するデータ範囲としては、ハイブリッド生体特徴情報５０の一部または全体に対して行われてもよく、また、圧縮が行われなくても良い。使用する圧縮方法は、前記以外のほかの方法でも良い。また、ハイブリッド生体特徴属性情報５１には、圧縮の有無、暗号化の有無、暗号の公開鍵、ハイブリッド生体特徴情報５０全体のデータサイズ、作成された日時などが含まれる。これ以外の情報が付加されても良いし、不要な情報が削除されても良い。

合成された特徴情報は、ハイブリッド生体認証装置の用途に応じて、例えば一例として、ＡＥＳ暗号を使用して暗号化処理（Ｓ１５）が行われる。これは、セキュリティを高めるための処理である。この暗号化処理（Ｓ１５）は、このほかの方法でも良く、また、暗号化処理（Ｓ１５）が行われなくても良い。

暗号化処理（Ｓ１５）（特徴圧縮処理（Ｓ１４））が済んだデータは、ハイブリッド生体特徴情報５０として、図２に示す記憶装置１４のハイブリッド生体特徴情報データベース記憶エリア１４１に記憶され（Ｓ１６）、ハイブリッド生体特徴情報登録処理が終了する。このハイブリッド生体特徴情報データベース記憶エリア１４１に記憶されたハイブリッド生体特徴情報５０が生体情報の照合に使用される。

次に、上記ハイブリッド生体特徴情報登録処理（データベース登録処理（Ｓ１６））で登録されたハイブリッド生体特徴情報５０を利用して、指紋照合を行うハイブリッド生体認証処理について、図５を参照して説明する。図５は、図１に示す個人認証装置１のＣＰＵ１０で実行されるハイブリッド生体認証処理のフローチャートである。まず、このハイブリッド生体認証処理では、指紋照合を行う対象である指紋画像が図１に示す指紋入力装置２から入力される（Ｓ２１）。具体的には、使用者が、指紋入力装置２に指を載せて、指紋を入力する。尚、指紋入力装置２としては、各種の方式のものが使用できる。次いで、入力された指紋画像は、ＲＡＭ１２に一時的に記憶されて、アルゴリズムＡによる第一特徴抽出処理Ｓ２２及びアルゴリズムＢによる第二特徴抽出処理Ｓ２３が平行して行われる。

指紋画像が生体情報としてアルゴリズムＡによる第一特徴抽出処理（Ｓ２２）とアルゴリズムＢによる第二特徴抽出処理（Ｓ２３）とにより処理されると、各々、異なる特性を持つ二つの生体特徴情報が抽出される。

次に、第一特徴抽出処理（Ｓ２２）及び第二特徴抽出処理（Ｓ２３）により、抽出された二つの生体特徴情報に対して、特徴圧縮処理（Ｓ２４）が行われる。この特徴圧縮処理（Ｓ２４）では、ハイブリッド生体特徴情報５０が作成される。

具体的には、まず、ハイブリッド生体特徴属性情報５１が生成される。このハイブリッド生体特徴属性情報５１には、圧縮の有無、暗号化の有無、暗号の公開鍵、ハイブリッド生体特徴情報５０全体のデータサイズ、作成された日時などを含む。これ以外の情報が付加されても良いし、不要な情報が削除されても良い。

また、第一特徴抽出処理（Ｓ２２）及び第二特徴抽出処理（Ｓ２３）により抽出された各生体特徴情報には、各アルゴリズムにより固有に得られる固有特徴情報と、例えば、指紋画像サイズ情報や指紋画像の品質指標等のアルゴリズムに依らず出力される情報とが含まれており、一部の情報は両方の生体特徴情報に重複して存在する。そこで、特徴圧縮処理（Ｓ２４）では、第一特徴抽出処理（Ｓ２２）及び第二特徴抽出処理（Ｓ２３）により抽出された、複数の生体特徴情報が比較されて情報の重複する箇所が探し出され、それらが抽出されて共通情報５２が作成される。この共通情報は、指紋入力装置２のセンサの解像度や入力された指紋画像サイズ、指紋画像の品質指標などである。ここで、指紋画像サイズは、指紋画像を取得するセンサやファイルから読み込んだ指紋画像の大きさであり、例えば横２８０（ｐｉｘｅｌ）×縦４００（ｐｉｘｅｌ）のような数値で表現するものである。品質指標とは、入力された指紋の凹凸がはっきりと見える濃淡であったか、入力の仕方は丁寧であったか、指紋画像のサイズが指紋認証に適しているかなどであり、例えば０（低品質）〜２５５（高品質）の数値で表現される。そして共通情報を取り除いたアルゴリズムＡ固有の生体特徴情報５３と、アルゴリズムＢ固有の生体特徴情報５４とが付加され非圧縮状態のハイブリッド生体特徴情報５０が作成される。ハイブリッド生体特徴情報５０は生体特徴情報５３と生体特徴情報５４と共通情報５２とを結合した情報である。

尚、特徴圧縮処理（Ｓ２４）では、システム用途に応じて、ハイブリッド生体特徴情報５０を圧縮することでデータ量の縮小が行なわれる。この特徴圧縮処理（Ｓ２４）では非圧縮状態のハイブリッド生体特徴情報５０に対して、例えばハフマン符号化が行われる。圧縮するデータ範囲としては、ハイブリッド生体特徴情報５０の一部または全体に対して行われてもよく圧縮が行われなくても良い。使用する圧縮方法は、前記以外のほかの方法でも良い。また、ハイブリッド生体特徴属性情報５１には、圧縮の有無、暗号化の有無、暗号の公開鍵、ハイブリッド生体特徴情報５０全体のデータサイズ、作成された日時などが含まれる。これ以外の情報が付加されても良いし、不要な情報が削除されても良い。

合成された特徴情報は、ハイブリッド生体認証装置の用途に応じて、例えば一例として、ＡＥＳ暗号を使用して暗号化処理（Ｓ２５）が行われる。これは、セキュリティを高めるための処理である。この暗号化処理（Ｓ２５）はこのほかの方法でも良く、また、暗号化処理（Ｓ２５）が行われなくても良い。

次に、上記の暗号化処理（Ｓ２５）がされたハイブリッド生体特徴情報５０と照合するために、図２に示す記憶装置１４のハイブリッド生体特徴情報データベース記憶エリア１４１に記憶されているハイブリッド生体特徴情報５０の一つが読み出される（Ｓ２６）。この読み出しの順番は、登録順でも、登録の逆の順番でも、また、所定の基準に従っても良い。

次に、生体情報として、指紋入力装置２から入力され、暗号化処理されたハイブリッド生体特徴情報５０と、Ｓ２６の処理で、記憶装置１４のハイブリッド生体特徴情報データベース記憶エリア１４１から読み出された、既登録のハイブリッド生体特徴情報５０との二つのハイブリッド生体特徴情報５０は、それぞれ暗号を解く復号化処理（Ｓ２７）が行われる。本処理を行う必要性は、ハイブリッド生体特徴属性情報５１から暗号化されているか否かを確認することで判断される。

次いで、復号化処理（Ｓ２７）がされた２つのハイブリッド生体特徴情報５０を統合合成された生体特徴情報を二つに復元する特徴展開処理（Ｓ２８）が行われる。この特徴展開処理（Ｓ２８）では、復号されたハイブリッド生体特徴属性情報５１に圧縮されている事を示す情報があった場合、特徴展開処理（Ｓ２８）で、展開処理が行行われる。

また、非圧縮状態のハイブリッド生体特徴情報５０は、特徴展開処理（Ｓ２８）で分離処理が行われる。分離処理では、特徴圧縮処理（Ｓ２４）で統合合成された共通情報５２とアルゴリズムＡ固有の生体特徴情報５３、アルゴリズムＢ固有の生体特徴情報５４を元に、第一特徴抽出処理Ｓ２２及び第二特徴抽出処理Ｓ２３で抽出された異なる特性を持つ二つの生体特徴情報が分離・復元される。例えば、アルゴリズムＡとしてマニューシャ法を使用した場合には、生体特徴情報５３として指紋の凸部の連なりである隆線の二つに分かれる分岐点や、行き止まりの端点などの特徴点の位置、種類、方向のほか、指紋中心座標、指紋三角州座標、指紋隆線方向、特徴点間の距離、特徴点間の隆線本数などから成るアルゴリズムＡ用の生体特徴情報と、共通情報５２である指紋入力装置２のセンサの解像度や入力された指紋画像サイズ、指紋画像の品質指標などとに分離・復元される。また、アルゴリズムＢに周波数解析法を使用した場合、生体特徴情報５４として指紋画像の濃淡を信号波形とみなし、生体特徴情報として求めた波形スペクトル系列情報などから成るアルゴリズムＢ用の生体特徴情報と、共通情報５２とに分離される。

ここまでの処理で、入力された二つのハイブリッド生体特徴情報５０から、アルゴリズムＡ用の二つの生体特徴情報と、アルゴリズムＢ用の二つの生体特徴情報とが得られる。

アルゴリズムＡ用の二つの生体特徴情報は、アルゴリズムＡによる第一類似度算出処理（Ｓ２９）により、類似度Ａが算出される。ここではアルゴリズムＡとしてマニューシャ法が使用されており、マニューシャ法における生体特徴抽出として、指紋の凸部の連なりである隆線の二つに分かれる分岐点や、行き止まりの端点などの特徴点の位置、種類、方向のほか、指紋中心座標、指紋三角州座標、指紋隆線方向、特徴点間の距離、特徴点間の隆線本数などが生体特徴情報として抽出される。そして、抽出された二つの生体特徴情報の各特徴がどの程度一致しているかが各々の特徴について比較され、指紋全体で一致している割合などで数値化されて類似度Ａとされる。類似度Ａとしては、例えば、分岐点や端点などの特徴点の位置が一致している個数を特徴点の個数で除すことにより計算した一致割合（０〜１００）が使用される。また、アルゴリズムＢ用の二つの生体特徴情報は、アルゴリズムＢによる第二類似度算出処理（Ｓ３０）により、類似度Ｂが算出される。ここではアルゴリズムＢとして周波数解析法が使用されている。周波数解析法による生体特徴抽出として、指紋画像の各ラインの濃淡を信号波形とみなし、波形スペクトル系列がライン毎に計算されて生体特徴情報として求められる。二つの生体特徴情報がどの程度一致しているかをＤＰ（Ｄｙｎａｍｉｃ Ｐｒｏｇｒａｍｍｉｎｇ）マッチングが使用されることにより、各ライン毎の波形スペクトル系列を縦方向（各ライン）の位置ずれが考慮されながら比較されて、似ている（一致している）度合いが、例えば０〜１０００の値で数値化されて類似度Ｂとされる。

算出された類似度Ａと類似度Ｂは、総合類似度算出処理（Ｓ３１）により類似度が算出される。以下、総合類似度算出方法について一例を示し、各種設定値や閾値の決定方法について説明する。尚、類似度算出処理では、複数の生体特徴情報から、それらの一致具合をあらわす類似度あるいは不一致具合をあらわす距離が出力される。

総合類似度算出処理（Ｓ３１）で使用する二つの生体認証アルゴリズムについて、類似度と他人受入率（ＦＡＲ）、本人拒否率（ＦＲＲ）の関係を求め、ＦＡＲ変換対応領域が設定される。ここでは、ライン型指紋センサが使用され、男女合計９９名から採取した４５１本分、１３６６５枚の指紋画像がデータベースとして使用され、全ての画像同士が比較・照合された。本人と他人を判定する閾値が変化したときに、各閾値におけるＦＡＲとＦＲＲを得ることにより類似度とＦＡＲ、ＦＲＲの関係とする。なお、指紋画像データベースは、人口における年齢や性別の分布と同様の被験者分布であり、照合精度を算出するのに十分な数の指紋画像群用いるのが理想である。

前出指紋画像データベースを使用し、マニューシャ法と周波数解析法の各方法により、全ての画像同士が比較・照合された。本人と他人を判定する閾値を変化したときに、各閾値におけるＦＡＲとＦＲＲを得ることにより類似度とＦＡＲ、ＦＲＲの関係を得る（図１０）。これから、ＦＡＲ＝０．００１［％］でのＦＲＲが小さいものがアルゴリズムＡ（ここではマニューシャ法）、大きいものがアルゴリズムＢ（ここでは周波数解析法）とされた。なお、アルゴリズムＡ、Ｂの選定方式は、上述以外の方法、例えば、ＦＡＲ＝０．０１［％］でのＦＲＲが大きい方法をアルゴリズムＡ、他方をアルゴリズムＢとするなどでも良い。

ＦＡＲ変換対応領域が次のように予め設定される。アルゴリズムＡにおいて、ＦＡＲ＝０．０００１［％］以下の精度で本人であると判断できる類似度の範囲を領域Ａ１、ＦＡＲ＝０．１［％］〜０．０００１［％］の範囲を領域Ａ２、ＦＡＲ＝２〜０．１［％］の範囲を領域Ａ３、ＦＡＲ＝２〜５［％］の範囲を領域Ａ４、ＦＡＲが５［％］より大きくなる範囲を領域Ａ５とする。アルゴリズムＢも同様に、ＦＡＲ＝０．００００５［％］以下の精度で本人であると判断できる範囲を領域Ｂ１、ＦＡＲ＝０．００００５［％］〜０．０００１［％］の範囲を領域Ｂ２、ＦＡＲ＝０．０００１〜０．００１［％］の範囲を領域Ｂ３、ＦＡＲ＝０．００１〜０．０１［％］の範囲を領域Ｂ４、ＦＡＲ＝０．０１〜０．１［％］の範囲を領域Ｂ５、ＦＡＲ＝０．１〜２［％］の範囲を領域Ｂ６、ＦＡＲが２［％］より大きくなる範囲を領域Ｂ７とする。なお、この領域設定閾値に関しては、上記値以外でも良い。

先に求めたアルゴリズムＡの類似度ＡとＦＡＲの関係のデータテーブルを図６に示す。同様に、アルゴリズムＢの類似度ＢとＦＡＲの関係のデータテーブルを図７に示す。この図６及び図７に示すデータテーブルは、図２に示す記憶装置１４のデータテーブル記憶エリア１４３に記憶され、ＣＰＵ１０により、参照されるようになっている。

類似度Ａと類似度Ｂとを基にして定められた領域Ａ１〜Ａ５、Ｂ１〜Ｂ７によって、ＦＡＲを変化させる倍率の表を図８に示す。なお、図６乃至図８の値は一例であり、異なる値としても良い。

次に、図９を参照して、上記設定値を元に最終的な類似度Ｘを算出する手順である総合類似度算出処理（Ｓ３１）について説明する。図９は、総合類似度算出処理（Ｓ３１）の手順を示した図であり、この処理は、図１に示すＣＰＵ１０が実行する。

第一類似度算出処理（Ｓ２９）によって、類似度Ａ＝５５（図９中、手順１の☆）が算出されたとする。図６を参照し、類似度Ａ＝５５に対応するＦＡＲを参照することによりＦＡＲ＝０．０２［％］を得る（図９中、手順３）。第二類似度算出処理（Ｓ３０）によって、類似度Ｂ＝５３０（図９中、手順２の★）が算出されたとする。図７を参照し、類似度Ｂ＝５３０に対応するＦＡＲを参照することによりＦＡＲ＝０．０００５［％］を得る（図９中、手順３）。類似度Ａ＝５５（ＦＡＲ＝０．０２［％］）は、領域Ａ２（図９中、手順４の☆）に属する。同様に、類似度Ｂ＝５３０（ＦＡＲ＝０．０００５［％］）は、領域Ｂ３（図９中、手順５の★）に属する。図８から両ＦＡＲ値に対応する倍率を参照して取得する（図９中、手順６）。Ａ２とＢ３が交差する倍率値は「２０」である。この値より、図９のＦＡＲ＝０．０２［％］を２０倍良くするように補正を行い、すなわちＦＡＲ＝０．０２を２０で除してＦＡＲ＝０．００１［％］とする（図９中、手順７の☆から◎への遷移）。図６を参照し、ＦＡＲ＝０．００１［％］に対応する類似度Ａ＝７５を、総合的な類似度Ｘとする（図９中、手順８）。

さらに、手順７で算出される補正されたＦＡＲ（◎の値、ＦＡＲ＝０．００１［％］）と、アルゴリズムＢのＦＡＲ（★の値、ＦＡＲ＝０．０００５［％］）を比較し、ＦＡＲの小さな方から最終的な類似度Ｘを算出しても良い。図９の例では、アルゴリズムＢのＦＡＲの方が小さいため、総合的な類似度Ｘは８０となる。

第一類似度算出処理（Ｓ２９）がアルゴリズムＡ用の二つの生体特徴情報のうち一つもしくは両方が特徴情報が無効という理由により、類似度Ａを算出できない場合、ＦＡＲ＝２［％］とする（図９中、手順１、手順３）。同様に、アルゴリズムＢの第二類似度算出処理（Ｓ３０）で類似度Ｂが特徴情報無効により算出できなかった場合、ＦＡＲ＝１［％］とする（図９中、手順２、手順３）。なお、このＦＡＲ仮出力値は一例であり、異なる値としても良い。

図６乃至図８のテーブルデータを参照したＦＡＲ変換によって類似度がシステムで許容される設定値を超える場合、明らかな本人と判断される類似度の最大値を類似度Ｘとする。

また、領域Ａ５と領域Ｂ７の組み合わせとなった場合、類似度の最小値０を類似度Ｘとする。

上記総合類似度算出処理（Ｓ３１）に含まれるアルゴリズムによっては、類似度とは大小関係が逆になる距離を用いる場合がある。そのような場合でも、予めアルゴリズムの認証精度を測定して、図６及び図７に示すように、ＦＡＲと距離の関係を予め定めておくことにより、総合的な距離を導きだす事が可能である。

総合類似度算出処理Ｓ３１から出力された類似度Ｘに対して、次に、予め算出された閾値を用いて判別処理（Ｓ３２）を行う。例えば閾値６０（ＦＡＲ＝０．０１［％］）とした場合の生体認証結果は、類似度Ｘが６０以上の場合は本人と認証し（Ｓ３２：ＹＥＳ）、それ未満の場合は他人とする（Ｓ３２：ＮＯ）。ここで、本人と認証された場合（Ｓ３２：ＹＥＳ）には、本人示す生体認証結果を出力する（Ｓ３３）。

尚、上記の閾値の決定には、アルゴリズムＡ及びアルゴリズムＢの認証精度算出に使用した指紋画像データベースを用いる。本発明の方法で導き出される類似度Ｘは、類似度Ａよりも本人と他人の分離度合いが高くなるため、他人受入率ＦＡＲ及び本人拒否率ＦＲＲを算出しなおす必要がある。ここでは、ライン型指紋センサが使用され、男女合計９９名から採取した４５１本分、１３６６５枚の指紋画像がデータベースとして使用される。なお、指紋画像データベースは、人口における年齢や性別の分布と同様の被験者分布であり、照合精度を算出するのに十分な数の指紋画像群用いるのが理想である。

また、本実施の形態では、類似度の基準となるアルゴリズムＡは、次の手順で決定される。
（１）本実施の形態を適用するシステムを使用して採取された生体情報で、データベースが構築される。採取する生体情報の被験者数は、使用する生体認証アルゴリズムの認証精度を算出するに足りる数とする。
（２）使用する生体認証アルゴリズムに対して、前述のデータベースを用い認証精度を算出し、ＦＡＲ＝０．００１［％］でのＦＲＲが最も小さかったアルゴリズムを、アルゴリズムＡとする。なお、ＦＡＲ＝０．００１［％］は、本発明を適用するシステムにおいて、標準的な認証精度と定めた値が使用される。

アルゴリズムＡのＦＡＲ変換対応領域は、次の手順で決定される。なお、使用されるアルゴリズムによって、領域分割数が増減しても、基準が変わっても良い。
（１）アルゴリズムＡで標準的な認証精度と定めたＦＡＲ＝０．００１％を含み、適用するシステムで認証精度を変更する範囲を領域Ａ２とする。例えば、システムの認証精度をセキュリティ重視（ＦＡＲ＝０．０００１［％］）、通常設定（ＦＡＲ＝０．００１［％］）、利便性重視（ＦＡＲ＝０．１［％］）とする場合、その範囲を領域Ａ２とする。
（２）アルゴリズムＡで、領域Ａ２よりも明らかな本人を示す範囲を、領域Ａ１とする。
（３）アルゴリズムＡで、領域Ａ２からＦＡＲとＦＲＲが近い値になるＦＡＲまでを領域Ａ３とする。本実施の形態で使用したアルゴリズムＡでの本値は、ＦＡＲ≒２［％］であった。
（４）アルゴリズムＡで、明らかな他人だと判断しても良いＦＡＲ以上を領域Ａ５とする。領域Ａ３と領域Ａ５の間を、領域Ａ４とする。

アルゴリズムＢのＦＡＲ変換対応領域は、次の手順で決定される。なお、使用するアルゴリズムによって、領域分割数が増減しても、基準が変わっても良い。
（１）アルゴリズムＢで、本発明を適用するシステムの標準的な認証精度と定めた値が使用される。３分割し、明らかな本人である範囲から、領域Ｂ３、領域Ｂ４、領域Ｂ５とする。分割数は３分割に限らず２分割や４分割などｎ分割でも良い。
（２）アルゴリズムＢで、領域Ｂ３よりも明らかな本人を示す範囲を、領域Ｂ２、領域Ｂ１とする。領域Ｂ１はなくても良い。
（３）アルゴリズムＢで、領域Ｂ５からＦＡＲとＦＲＲが近い値になるＦＡＲまでを領域Ｂ６とする。本実施例で使用したアルゴリズムＢでの本値は、ＦＡＲ≒１．８［％］であった。
（４）領域Ｂ６より明らかな他人である範囲を領域Ｂ７とする。

ＦＡＲ倍率は、次の手順で決定される。なお、使用するアルゴリズムの認証精度や、アルゴリズム間の特性の違いによって、領域分割数が増減しても、倍率が変わっても良い。
（１）図８のような表を作成する。
（２）全領域の倍率を初期値１とする。この状態で本発明を実施すると、出力される類似度Ｘは、類似度Ａと同じになる。
（３）アルゴリズムＡで、明らかな他人と断言しない領域Ａ４以下と、アルゴリズムＢで、本発明を適用するシステムの標準的な認証精度と定めた値以下となる領域Ｂ５以下に２以上の倍率をつける。
（４）アルゴリズムＡの方が認証精度が良いことより、領域Ａ１の段を最も高倍率にする。
（５）領域Ａ１と領域Ｂ１が交差する領域を最大倍率とする。
（６）例外的に、他人だと判断しても良い領域Ａ５と領域Ｂ７が交差する領域では、類似度Ｘの出力を最小値、明らかな他人を示す値とする。

以上の方法で定めたＦＡＲ対応領域とＦＡＲ倍率を基本とし、実験により最適化を行う。

上記のＳ３２の判断処理で本人と認証されなかった場合（Ｓ３２：ＮＯ）には、今回、認証に使用したハイブリッド生体特徴情報５０が最後の登録情報か否かを判断する（Ｓ３４）。この判断は、図２に示す記憶装置１４のハイブリッド生体特徴情報データベース記憶エリア１４１に記憶されているハイブリッド生体特徴情報５０に認証に使用していない情報があるか否かで判断される。最後の登録情報の場合には（Ｓ３４：ＹＥＳ）、他人示す生体認証結果を出力する（Ｓ３３）。また、最後の登録情報の場合でない場合には（Ｓ３４：ＮＯ）、Ｓ２６の処理に戻り、図２に示す記憶装置１４のハイブリッド生体特徴情報データベース記憶エリア１４１に記憶されている、次のハイブリッド生体特徴情報５０が読み出され、以下、Ｓ２７〜Ｓ３２の処理が上記同様に行われる。生体認証結果を出力（Ｓ３３）した後に、処理が終了する。

次に、上記実施の形態に例に挙げたハイブリッド式の個人認証装置１が使用され、本上記実施の形態の効果を検証した結果を、図１０に示す。指紋採取に使用した指紋入力装置２は、電界式ラインセンサを搭載したものであり、指紋画像が採取されて、個人認証装置１に入力し、記憶装置１４のハイブリッド生体特徴情報データベース記憶エリア１４１に登録される。記憶装置１４のハイブリッド生体特徴情報データベース記憶エリア１４１に登録された被験者数は９９人、４５１指の指紋採取が行われた。図１０は、他人受入率ＦＡＲと本人拒否率ＦＲＲの対数グラフであり、結果グラフが図１０中、左下に向かうほど認証精度が良いと言える。使用したアルゴリズムＡ、アルゴリズムＢを各々単独で認証した場合の結果と比較して、アルゴリズムＡ及びアルゴリズムＢを併用したハイブリッド認証の認証精度が向上していることが分かる。

このように、二つの生体認証アルゴリズムを使用したハイブリッド生体認証を用いることで、単一の認証アルゴリズムが使用された場合と比較して認証精度が向上し、利用者に対する利便性が向上した。

尚、本発明は、上記実施の形態に限られず、各種の変形が可能である。例えば、複数の生体認証アルゴリズムとしては、異なる特性及び異なる認証性能を持つ三種類以上の生体認証アルゴリズムを適用してもよい。また、指紋以外の、静脈、虹彩、掌紋等の他の生体情報を使用してもよい。また、類似度を距離（スコア）などで表現してもよい。

上記実施の形態によれば、生体認証装置において、利便性を損なうことなく、かつコストが増加することなく認証精度の向上を実現できる。

また、上記生体認証装置では、一つの生体情報入力装置から一つの生体情報が取得され、その生体情報から複数の生体特徴情報が生成されて照合が行われる。この方法では、利用者は一つの生体情報入力装置にて１回だけ生体情報を入力するだけでよい。従って、上記実施の形態が従来の方法より利便性を損なうことがない。また、一つの生体情報入力装置が使用されることからコストの増加もない。

Claims (13)

1. 一つの生体情報入力装置から取得された一つの生体情報から特徴情報を抽出する互いに異なる特性を持つ複数の特徴抽出手段と、
   前記複数の特徴抽出手段により各々抽出された各特徴情報を合成して、ひとつのハイブリッド生体認証用特徴情報を生成する特徴合成手段と、
   当該特徴合成手段により生成されたハイブリッド生体認証用特徴情報を記憶する特徴情報記憶手段と、
   前記生体情報の照合に際して、前記特徴合成手段により生成されたハイブリッド生体認証用特徴情報と、前記特徴情報記憶手段に予め記憶されたハイブリッド生体認証用特徴情報とから合成前の各々の特徴情報を抽出して各類似度を算出する複数の類似度算出手段と、
   当該類似度算出手段の算出結果に基づいて、生体情報が本人のものか否かの認証を行う判別手段とを備え、
   前記各特徴抽出手段及び前記各類似度算出手段は、互いに異なる特性及び異なる認証性能を持つ複数のアルゴリズムを使用することを特徴とするハイブリッド生体認証装置。
2. 前記複数の類似度算出手段は、生体情報入力装置から入力された生体情報から前記複数の特徴抽出手段によって抽出された前記複数種の特徴情報のうち少なくとも１つが、前記複数のアルゴリズムのうち対応する少なくとも１つにとって無効である場合、無効であることを示す情報を用いて前記類似度を算出することを特徴とする請求項１に記載のハイブリッド生体認証装置。
3. 前記特徴合成手段は、特徴抽出手段から得られた各々の特徴情報の中から共通の情報を減らして合成し、合成された特徴情報をシステム用途に応じて圧縮及び暗号化を行い、ひとつのハイブリッド生体認証用特徴情報を生成することを特徴とする請求項１又は２に記載のハイブリッド生体認証装置。
4. 前記類似度算出手段は、前記特徴情報記憶手段に記憶された登録データと照合用のハイブリッド生体認証用特徴情報を復号及び展開し、各特徴情報の類似度を出力することを特徴とする請求項１乃至３の何れかに記載のハイブリッド生体認証装置。
5. 各類似度算出手段から得られた複数の類似度のうち、任意の類似度Ａを基準とし、他の類似度と当該類似度Ａの値に応じて、当該類似度Ａを増減させた総合的な類似度Ｘを出力する総合類似度算出手段を備えたことを特徴とする請求項１乃至３の何れかに記載のハイブリッド生体認証装置。
6. 前記判別手段は、前記総合類似度算出手段から得られた類似度Ｘが所定の閾値以上の時、本人と判定し、類似度Ｘが所定の閾値より小さい時、他人と判定する事を特徴とする請求項５に記載のハイブリッド生体認証装置。
7. 一つの生体情報入力装置から取得された一つの生体情報から特徴情報を抽出する互いに異なる特性を持つ複数の特徴抽出工程と、
   前記複数の特徴抽出工程により各々抽出された各特徴情報を合成して、ひとつのハイブリッド生体認証用特徴情報を生成する特徴合成工程と、
   当該特徴合成工程により生成されたハイブリッド生体認証用特徴情報を記憶する特徴情報記憶工程と、
   前記生体情報の照合に際して、前記特徴合成工程により生成されたハイブリッド生体認証用特徴情報と、前記特徴情報記憶工程に予め記憶されたハイブリッド生体認証用特徴情報とから合成前の各々の特徴情報を抽出して各類似度を算出する複数の類似度算出工程と、
   当該類似度算出工程の算出結果に基づいて、生体情報が本人のものか否かの認証を行う判別工程とを備え、
   前記各特徴抽出工程及び前記各類似度算出工程は、互いに異なる特性及び異なる認証性能を持つ複数のアルゴリズムを使用することを特徴とするハイブリッド生体認証方法。
8. 前記複数の類似度算出工程は、生体情報入力装置から入力された生体情報から前記複数の特徴抽出工程によって抽出された前記複数種の特徴情報のうち少なくとも１つが、前記複数のアルゴリズムのうち対応する少なくとも１つにとって無効である場合、無効であることを示す情報を用いて前記類似度を算出することを特徴とする請求項７に記載のハイブリッド生体認証方法。
9. 前記特徴合成工程は、特徴抽出工程から得られた各々の特徴情報の中から共通の情報を減らして合成し、合成された特徴情報をシステム用途に応じて圧縮及び暗号化を行い、ひとつのハイブリッド生体認証用特徴情報を生成することを特徴とする請求項７又は８に記載のハイブリッド生体認証方法。
10. 前記類似度算出工程は、前記特徴情報記憶工程に記憶された登録データと照合用のハイブリッド生体認証用特徴情報を復号及び展開し、各特徴情報の類似度を出力することを特徴とする請求項７乃至９の何れかに記載のハイブリッド生体認証方法。
11. 各類似度算出工程から得られた複数の類似度のうち、任意の類似度Ａを基準とし、他の類似度と当該類似度Ａの値に応じて、当該類似度Ａを増減させた総合的な類似度Ｘを出力する総合類似度算出工程を備えたことを特徴とする請求項７乃至１０の何れかに記載のハイブリッド生体認証方法。
12. 前記判別工程は、前記総合類似度算出工程から得られた類似度Ｘが所定の閾値以上の時、本人と判定し、類似度Ｘが所定の閾値より小さい時、他人と判定する事を特徴とする請求項１１に記載のハイブリッド生体認証方法。
13. 請求項１乃至６の何れかに記載のハイブリッド生体認証装置の各種処理手段としてコンピュータを機能させるハイブリッド生体認証用コンピュータプログラム。

Images