JP2010181970A - 生体認証用装置、生体認証装置、生体認証システム、判別基準決定方法、生体認証方法、及びプログラム - Google Patents

Abstract

【課題】生体認証の精度を向上させること。
【解決手段】
複数の生体サンプルから取得された生体パターンの相関に関する複数次元の相関データを主成分分析し、同一の生体サンプルに関する相関データ分布の第１主成分軸、及び異なる生体サンプルに関する相関データ分布の第１主成分軸を決定し、複数次元の相関データを各分布の第１主成分軸に射影させて各分布に関する１次元データを生成し、各分布の第１主成分軸上で当該各分布の分布中心から１次元データの各点までのマハラノビス距離を算出し、複数の生体サンプルに関して算出された各分布のマハラノビス距離に基づき、同一の生体サンプルと異なる生体サンプルとを判別するためのマハラノビス距離に関する判別基準値を決定する、生体認証用装置が提供される。
【選択図】図３

Description

本発明は、生体認証用装置、生体認証装置、生体認証システム、判別基準決定方法、生体認証方法、及びプログラムに関する。

近年、情報化社会の進展に伴い、個人が保持する情報の価値や重要性が急速に高まっている。こうした状況の中で、堅牢な情報管理を実現する手法として生体認証技術（バイオマトリックス技術）に大きな注目が集まっている。生体認証とは、人間の体（生体）の特徴的な部分（以下、生体部位）を利用して本人又は他人を特定することである。例えば、異なる生体間では指紋が互いに異なるため、指紋を生体認証に用いることができる。指紋と同様に、人間の声紋、顔の形状、手の形状、虹彩パターン、静脈パターン等も異なる生体間で互いに異なる特徴を有する。そのため、これらの特徴量を生体認証に利用して個人を特定したり、認証処理や探索処理等を行ったりすることができる。

このように、生体認証を利用して個人を特定したり、認証処理や探索処理等を行ったりするには、生体部位から取得された特徴量の比較処理を行う必要がある。そのため、生体部位の特徴量（例えば、指紋、声紋、静脈パターン等）が比較可能なデータ（例えば、画像データ、音声データ、３次元座標データ、アイリスコード等）の形式で取得される。次いで、このような形式で本人が予め登録しておいた「参照データ」と、認証操作の際に入力された「入力データ」とが何らかの方式で比較され、類似性が測定される。そして、比較の結果得られた類似性に基づいて個人の特定や認証処理等が行われる。

生体認証に関し、下記の特許文献１には、生体パターンによる本人認証を行う前に、生体認証センサで検出された生体パターンが生体のものであるか、或いは、非生体のものであるかを判別する技術が開示されている。特に、同文献には、生体パターンに見られる固有の統計的な傾向を捉えて生体と非生体とを判別する技術が開示されている。例えば、生体の血管パターンは一定の方向に揃う傾向がある。この傾向に関し、同文献では、血管パターンを形成する各線分の角度分布や分布強度等に基づいて生体パターンと非生体パターンとを判別し、その判別結果に応じて疑似血管パターン等を排除する方法が提案されている。このような方法を用いることで、より高精度に生体認証を行うことが可能になる。

特開２００８−１０２７８０号公報

上記文献に記載の技術は、生体パターンの形状値に関する２以上の指標値を参照し、２以上の指標値で表現される形状値の分布から生体パターンと非生体パターンとを判別するための境界値を決定する技術に関する。また、同技術は、当該境界値を用いて生体と非生体とを判別する技術に関する。特に、同技術では、分布の広がりが考慮されており、分布中心からのマハラノビス距離により境界値が表現されている。しかし、同技術では、分布の広がりが持つ方向性については考慮されていない。

そこで、本発明は、上記問題に鑑みてなされたものであり、本発明の目的とするところは、分布の広がりが持つ方向性を考慮して本人判定に用いる基準値を決定することにより、本人認証の精度をさらに高めることが可能な、新規かつ改良された生体認証用装置、生体認証装置、生体認証システム、判別基準決定方法、生体認証方法、及びプログラムを提供することにある。

上記課題を解決するために、本発明のある観点によれば、複数の生体サンプルから取得された生体パターンの相関に関する複数次元の相関データを主成分分析し、同一の生体サンプルに関する相関データ分布の第１主成分軸、及び異なる生体サンプルに関する相関データ分布の第１主成分軸を決定する主成分分析部と、前記複数次元の相関データを前記主成分分析部で決定された各分布の第１主成分軸に射影させて前記各分布に関する１次元データを生成する１次元データ生成部と、前記各分布の第１主成分軸上で当該各分布の分布中心から前記１次元データの各点までのマハラノビス距離を算出するマハラノビス距離算出部と、前記複数の生体サンプルに関して前記マハラノビス距離算出部で算出された前記各分布のマハラノビス距離に基づき、前記同一の生体サンプルと前記異なる生体サンプルとを判別するためのマハラノビス距離に関する判別基準値を決定する判別基準値決定部と、を備える、生体認証用装置が提供される。

また、上記の生体認証用装置は、前記複数の生体サンプルから取得された生体パターンについて当該各生体パターンの特徴点配置に関する第１相関値と、当該各生体パターンの特徴点を結ぶ線分の傾きに関する第２相関値とが記録されたサンプルデータ記憶部をさらに備えていてもよい。この場合、前記主成分分析部は、前記サンプルデータ記憶部に記録された第１相関値及び第２相関値の組を前記複数次元の相関データとして主成分分析する。

また、前記１次元データ生成部は、前記複数次元の相関データに対し、前記第１主成分軸を１つの座標軸とする座標系に座標変換を施す座標変換部と、前記座標変換部により座標変換が施された前記複数次元の相関データから、前記第１主成分軸の成分を抽出して１次元データを生成する第１主成分抽出部と、を含むように構成されていてもよい。

また、前記生体パターンは、静脈パターン、指紋パターン、虹彩パターンのいずれか又は複数の組み合わせであってもよい。

また、上記課題を解決するために、本発明の別の観点によれば、所定の生体部位から生体パターンを取得する生体認証センサと、登録済みの生体パターンが記録された登録パターン記憶部と、複数の生体サンプルから取得された生体パターンの相関に関する複数次元の第１相関データを主成分分析して決定される同一の生体サンプルに関する相関データ分布の第１主成分軸及び異なる生体サンプルに関する相関データ分布の第１主成分軸に対し、前記生体認証センサで取得された生体パターンと前記登録パターン記憶部に記録された生体パターンとの相関に関する複数次元の第２相関データを射影させて前記各分布に関する１次元データを生成する１次元データ生成部と、前記各分布の第１主成分軸上で当該各分布の分布中心から、前記１次元データ生成部で生成された１次元データまでのマハラノビス距離を算出するマハラノビス距離算出部と、前記マハラノビス距離算出部で算出されたマハラノビス距離に基づいて前記生体認証センサで取得された生体パターンと前記登録パターン記憶部に記録された生体パターンとの間の類似性を判定する類似性判定部と、を備える、生体認証装置が提供される。

また、上記課題を解決するために、本発明の別の観点によれば、複数の生体サンプルから取得された生体パターンの相関に関する複数次元の第１相関データを主成分分析し、同一の生体サンプルに関する相関データ分布の第１主成分軸、及び異なる生体サンプルに関する相関データ分布の第１主成分軸を決定する主成分分析部と、前記複数次元の第１相関データを前記主成分分析部で決定された各分布の第１主成分軸に射影させて前記各分布に関する第１の１次元データを生成する第１の１次元データ生成部と、前記各分布の第１主成分軸上で当該各分布の分布中心から前記第１の１次元データの各点までの第１のマハラノビス距離を算出する第１のマハラノビス距離算出部と、前記複数の生体サンプルに関して前記第１のマハラノビス距離算出部で算出された前記各分布の第１のマハラノビス距離に基づき、前記同一の生体サンプルと前記異なる生体サンプルとを判別するためのマハラノビス距離に関する判別基準値を決定する判別基準値決定部と、を有する、生体認証用装置と；所定の生体部位から生体パターンを取得する生体認証センサと、登録済みの生体パターンが記録された登録パターン記憶部と、前記同一の生体サンプルに関する相関データ分布の第１主成分軸、及び前記異なる生体サンプルに関する相関データ分布の第１主成分軸に対し、前記生体認証センサで取得された生体パターンと前記登録パターン記憶部に記録された生体パターンとの相関に関する複数次元の第２相関データを射影させて前記各分布に関する第２の１次元データを生成する第２の１次元データ生成部と、前記各分布の第１主成分軸上で当該各分布の分布中心から、前記第２の１次元データまでの第２のマハラノビス距離を算出する第２のマハラノビス距離算出部と、前記第２のマハラノビス距離算出部で算出された第２のマハラノビス距離及び前記判別基準値決定部で決定された判別基準値に基づいて前記生体認証センサで取得された生体パターンと前記登録パターン記憶部に記録された生体パターンとの間の類似性を判定する類似性判定部と、を有する、生体認証装置と；を含む、生体認証システムが提供される。

また、上記課題を解決するために、本発明の別の観点によれば、複数の生体サンプルから取得された生体パターンの相関に関する複数次元の相関データを主成分分析し、同一の生体サンプルに関する相関データ分布の第１主成分軸、及び異なる生体サンプルに関する相関データ分布の第１主成分軸を決定する主成分分析ステップと、前記複数次元の相関データを前記主成分分析ステップで決定された各分布の第１主成分軸に射影させて前記各分布に関する１次元データを生成する１次元データ生成ステップと、前記各分布の第１主成分軸上で当該各分布の分布中心から前記１次元データの各点までのマハラノビス距離を算出するマハラノビス距離算出ステップと、前記複数の生体サンプルに関して前記マハラノビス距離算出ステップで算出された前記各分布のマハラノビス距離に基づき、前記同一の生体サンプルと前記異なる生体サンプルとを判別するためのマハラノビス距離に関する判別基準値を決定する判別基準値決定ステップと、を含む、判別基準決定方法が提供される。

また、上記課題を解決するために、本発明の別の観点によれば、複数の生体サンプルから取得された生体パターンの相関に関する複数次元の第１相関データを主成分分析して決定される同一の生体サンプルに関する相関データ分布の第１主成分軸及び異なる生体サンプルに関する相関データ分布の第１主成分軸に対し、所定の生体部位から生体パターンを取得するための生体認証センサを用いて取得された生体パターンと登録済みの生体パターンとの相関に関する複数次元の第２相関データを射影させて前記各分布に関する１次元データを生成する１次元データ生成ステップと、前記各分布の第１主成分軸上で当該各分布の分布中心から、前記１次元データ生成ステップで生成された１次元データまでのマハラノビス距離を算出するマハラノビス距離算出ステップと、前記マハラノビス距離算出ステップで算出されたマハラノビス距離に基づいて前記生体認証センサを用いて取得された生体パターンと前記登録済みの生体パターンとの間の類似性を判定する類似性判定ステップと、を含む、生体認証方法が提供される。

また、上記課題を解決するために、本発明の別の観点によれば、複数の生体サンプルから取得された生体パターンの相関に関する複数次元の第１相関データを主成分分析し、同一の生体サンプルに関する相関データ分布の第１主成分軸、及び異なる生体サンプルに関する相関データ分布の第１主成分軸を決定する主成分分析ステップと、前記複数次元の第１相関データを前記主成分分析ステップで決定された各分布の第１主成分軸に射影させて前記各分布に関する第１の１次元データを生成する第１の１次元データ生成ステップと、前記各分布の第１主成分軸上で当該各分布の分布中心から前記第１の１次元データの各点までの第１のマハラノビス距離を算出する第１のマハラノビス距離算出ステップと、前記複数の生体サンプルに関して前記第１のマハラノビス距離算出ステップで算出された前記各分布の第１のマハラノビス距離に基づき、前記同一の生体サンプルと前記異なる生体サンプルとを判別するためのマハラノビス距離に関する判別基準値を決定する判別基準値決定ステップと、前記同一の生体サンプルに関する相関データ分布の第１主成分軸、及び前記異なる生体サンプルに関する相関データ分布の第１主成分軸に対し、所定の生体部位から生体パターンを取得するための生体認証センサを用いて取得された生体パターンと登録済みの生体パターンとの相関に関する複数次元の第２相関データを射影させて前記各分布に関する第２の１次元データを生成する第２の１次元データ生成ステップと、前記各分布の第１主成分軸上で当該各分布の分布中心から、前記第２の１次元データまでの第２のマハラノビス距離を算出する第２のマハラノビス距離算出ステップと、前記第２のマハラノビス距離算出ステップで算出された第２のマハラノビス距離及び前記判別基準値決定ステップで決定された判別基準値に基づいて前記生体認証センサを用いて取得された生体パターンと前記登録済みの生体パターンとの間の類似性を判定する類似性判定ステップと、を含む、生体認証方法が提供される。

また、上記課題を解決するために、本発明の別の観点によれば、複数の生体サンプルから取得された生体パターンの相関に関する複数次元の相関データを主成分分析し、同一の生体サンプルに関する相関データ分布の第１主成分軸、及び異なる生体サンプルに関する相関データ分布の第１主成分軸を決定する主成分分析機能と、前記複数次元の相関データを前記主成分分析機能で決定された各分布の第１主成分軸に射影させて前記各分布に関する１次元データを生成する１次元データ生成機能と、前記各分布の第１主成分軸上で当該各分布の分布中心から前記１次元データの各点までのマハラノビス距離を算出するマハラノビス距離算出機能と、前記複数の生体サンプルに関して前記マハラノビス距離算出機能で算出された前記各分布のマハラノビス距離に基づき、前記同一の生体サンプルと前記異なる生体サンプルとを判別するためのマハラノビス距離に関する判別基準値を決定する判別基準値決定機能と、をコンピュータに実現させるためのプログラムが提供される。

また、上記課題を解決するために、本発明の別の観点によれば、複数の生体サンプルから取得された生体パターンの相関に関する複数次元の第１相関データを主成分分析して決定される同一の生体サンプルに関する相関データ分布の第１主成分軸及び異なる生体サンプルに関する相関データ分布の第１主成分軸に対し、所定の生体部位から生体パターンを取得するための生体認証センサを用いて取得された生体パターンと登録済みの生体パターンとの相関に関する複数次元の第２相関データを射影させて前記各分布に関する１次元データを生成する１次元データ生成機能と、前記各分布の第１主成分軸上で当該各分布の分布中心から、前記１次元データ生成機能で生成された１次元データまでのマハラノビス距離を算出するマハラノビス距離算出機能と、前記マハラノビス距離算出機能で算出されたマハラノビス距離に基づいて前記生体認証センサを用いて取得された生体パターンと前記登録済みの生体パターンとの間の類似性を判定する類似性判定機能と、をコンピュータに実現させるためのプログラムが提供される。

また、上記課題を解決するために、本発明の別の観点によれば、上記のプログラムが記録されたコンピュータで読み取り可能な記録媒体が提供されうる。

以上説明したように本発明によれば、分布の広がりが持つ方向性を考慮して本人判定に用いる基準値を決定することにより、本人認証の精度をさらに高めることが可能になる。

本発明の一実施形態に係る生体認証システムの一構成例を示す説明図である。 同実施形態に係る生体認証センサの一構成例を示す説明図である。 同実施形態に係る前処理装置の機能構成例を示す説明図である。 同実施形態に係る前処理の全体的な流れを示す説明図である。 同実施形態に係る前処理の一部の流れを示す説明図である。 同実施形態に係る前処理の中で算出される本人分布・他人分布の一例を示す説明図である。 同実施形態に係る前処理の一部の流れを示す説明図である。 同実施形態に係る主成分分析手法を説明するための概念図である。 同実施形態に係る前処理の一部の流れを示す説明図である。 同実施形態に係る前処理の中で決定される閾値直線の一例を示す説明図である。 同実施形態に係る生体認証装置の機能構成例を示す説明図である。 同実施形態に係る認証処理の流れを示す説明図である。 同実施形態に係る生体認証システムにおける前処理及び認証処理の全体的な流れを示す説明図である。 同実施形態に係る生体認証システムにおける前処理及び認証処理の全体的な流れを概念的に示す説明図である。 原データに対してマハラノビス距離を算出した結果を示す説明図である。 主成分分析により座標変換を施した後のデータ分布を示す説明図である。 主成分分析により座標変換を施した後のデータ分布に対してマハラノビス距離を算出した結果を示す説明図である。 主成分分析による座標変換後のデータに対して算出されたマハラノビス距離の２次元プロット結果を示す説明図である。 同実施形態に係る装置のハードウェア構成例を示す説明図である。

以下に添付図面を参照しながら、本発明の好適な実施の形態について詳細に説明する。なお、本明細書及び図面において、実質的に同一の機能構成を有する構成要素については、同一の符号を付することにより重複説明を省略する。

［説明の流れについて］
ここで、以下に記載する本発明の実施形態に関する説明の流れについて簡単に述べる。まず、図１を参照しながら、同実施形態に係る生体認証システム１０の構成について説明する。次いで、図２を参照しながら、同実施形態に係る生体認証センサ１００の一例である静脈認証センサの構成について説明する。次いで、図３を参照しながら、同実施形態に係る判別基準決定装置１１０の機能構成について説明する。

次いで、図４〜図１０を参照しながら、同実施形態に係る本人認証に用いる判別基準値の決定方法について説明する。まず、図４を参照しながら、同方法に関する全体的な処理の流れについて説明する。次いで、図５、図６を参照しながら、相関値の計算方法について説明する。次いで、図７、図８を参照しながら、主成分軸の計算方法について説明する。次いで、図９、図１０を参照しながら、マハラノビス距離の計算方法について説明する。この説明の中で、図１０を参照しながら、判別基準値の決定方法について説明する。

次いで、図１１を参照しながら、同実施形態に係る生体認証装置１３０の機能構成について説明する。次いで、図１２を参照しながら、同実施形態に係る生体認証処理の流れについて説明する。次いで、図１３、図１４を参照しながら、同実施形態に係る判別基準値の決定処理及び認証処理を含む全体的な処理の流れについて説明する。次いで、図１５〜図１８を参照しながら、同実施形態に係る技術を適用することにより得られる効果について説明する。次いで、同実施形態に係る判別基準決定装置１１０、及び生体認証装置１３０のハードウェア構成例について説明する。

（説明項目）
１：生体認証システム１０の構成
１−１：生体認証センサ１００の構成
１−２：判別基準決定装置１１０の機能構成
１−３：生体認証装置１３０の機能構成
１−４：生体認証システム１０による全体的な処理の流れ
２：生体認証システム１０を適用することで得られる効果
３：判別基準決定装置１１０、生体認証装置１３０のハードウェア構成

＜実施形態＞
本発明の一実施形態について説明する。本実施形態では、より高精度な生体認証を実現するために、より精度良く本人と他人とを判別することが可能な基準値の決定方法が提案される。また、同方法で決定された判別基準値を用いて生体認証を行う方法についても提案される。これらの方法を適用することで精度良く生体認証を行うことができる。

［１：生体認証システム１０の構成］
まず、図１を参照しながら、本実施形態に係る生体認証システム１０の構成について説明する。図１は、本実施形態に係る生体認証システム１０の構成例を示す説明図である。

図１に示すように、生体認証システム１０は、主に、生体認証センサ１００と、判別基準決定装置１１０と、生体認証装置１３０とを含む。生体認証センサ１００は、生体部位から生体情報を取得する手段である。また、判別基準決定装置１１０は、２つの生体情報が同一生体のものであるか否かを判別するための判別基準値を決定する手段である。そして、生体認証装置１３０は、判別基準値に基づき、ユーザ毎に予め登録された生体情報（参照データ）と生体認証を行う際に入力された生体情報（入力データ）とを照合し、入力データに対応するユーザを特定する手段である。なお、判別基準決定装置１１０は、生体認証用装置の一例である。

生体認証システム１０においては、まず、生体認証センサ１００を用いて多数の生体サンプルから生体情報が取得される。以下の説明においては、この段階で生体サンプルから取得される生体情報のことをサンプルデータと呼ぶことにする。これらのサンプルデータは、判別基準決定装置１１０に入力される。但し、各サンプルデータに対応する生体サンプル（入力ユーザ）は既知であり、判別基準決定装置１１０には、各サンプルデータと各生体サンプルの情報とが対応付けて記録されているものとする。これら多数のサンプルデータに基づき、判別基準決定装置１１０は、判別基準値を決定する。

判別基準決定装置１１０で決定された判別基準値を含む情報（以下、本人判定用パラメータ）は、生体認証装置１３０に入力される。また、生体認証装置１３０には、生体認証センサ１００を用いて予め参照データが入力されている。生体認証センサ１００から生体認証装置１３０に入力データが入力されると、生体認証装置１３０は、入力された本人判定用パラメータを用いて各参照データと入力データとを照合する。この照合処理の結果、判別基準値を上回る類似度を持つ参照データが検出された場合、生体認証装置１３０は、その参照データに対応するユーザが入力データに対応するユーザであると判定する。

このように、生体認証においては、入力データと参照データとの照合精度が生体認証の精度を左右する。そのため、認証精度を高めるためには、同じユーザの生体情報をより正確に同じと判別し、異なるユーザの生体情報をより正確に違うと判別する工夫が必要である。通常、生体認証においては、生体情報として指紋画像や静脈パターン画像等が入力され、こうした画像データの類似度合いを定量化して閾値判定が行われる。

そして、この閾値判定の結果に応じて比較対象である２つの画像データの同一性が判別される。このとき、同じユーザの生体パターンを比較した結果と、異なるユーザの生体パターンを比較した結果とで定量化した値の分布が明確に区別できない状態であると、閾値判定により誤った判定結果が得られる確率が高まる。その結果、認証精度が低下してしまう。そこで、本実施形態においては、両分布が明確に区別されるように生体情報を定量化する手法が提案される。この定量化手法は、後述する判別基準決定装置１１０、及び生体認証装置１３０により実現される。

以下、生体認証システム１０に含まれる生体認証センサ１００、判別基準決定装置１１０、及び生体認証装置１３０について、より詳細に説明する。

（１−１：生体認証センサ１００の構成）
まず、生体認証センサ１００について説明する。生体認証システム１０において、ユーザは、生体認証センサ１００を用いて所定の生体部位から取得される生体情報を入力し、生体認証を行う。生体情報としては、例えば、静脈、指紋、虹彩、顔、声紋等に現れる生体パターンが用いられる。本実施形態では、個々のユーザに固有の特徴的な形状値を含む任意の生体パターンを用いることができる。

生体認証センサ１００は、ユーザが所定の生体部位をセンシングエリアに近接又は載置させた場合に当該生体部位から生体パターンを取得する手段である。ここで言うセンシングエリアとは、載置された生体部位から生体パターンを取得するのに好適な領域のことである。例えば、光照射手段と撮像手段との間にセンシングエリアが設けられる。この場合、センシングエリアに載置された生体部位に向けて効率的に光が照射され、生体部位を透過又は生体部位の内部で散乱した光が撮像手段に効率的に入射されるように、センシングエリアの位置が設定される。

（静脈認証センサについて）
ここで、図２を参照しながら、生体認証センサ１００の一例として静脈認証センサを取り上げ、具体的に静脈認証センサの構成及び動作について説明する。図２は、静脈認証センサの主要な構成及び動作を示す説明図である。なお、図２には、静脈認証センサで取得された生体部位（指ＦＧ）の撮影画像（Ａ）、及び当該撮影画像（Ａ）に画像処理を施すことで得られる静脈画像（Ｂ）が併せて掲載されている。

図２に示すように、静脈認証センサは、主に、近赤外光照射光源（ＬＥＤ１０２）、及び撮像素子１０４を有する。静脈認証センサは、センシングエリア（架台等）に載置された生体部位（例えば、指ＦＧ）を撮像し、生体部位の内部に存在する静脈の撮像画像（静脈画像（Ｂ））を生成する。但し、上記のＬＥＤは、Ｌｉｇｈｔ Ｅｍｉｔｔｉｎｇ Ｄｉｏｄｅの略である。なお、図２の例では、近赤外光照射光源としてＬＥＤを用いているが、本実施形態の適用範囲はこれに限定されず、ＬＥＤ以外の光源を用いてもよい。

ＬＥＤ１０２は、センシングエリアに載置された生体部位に所定の波長帯域の近赤外光を照射する手段である。近赤外光は、身体組織に対して透過性が高い一方で、血液中のヘモグロビン（還元ヘモグロビン）に吸収され易いという特徴を有する。そのため、近赤外光を生体部位（例えば、指、手のひら、手の甲等）に照射すると、生体部位の内部に分布する静脈が影として観測される。このようにして観測される静脈の影を静脈パターンという。なお、静脈パターンは、上記の生体パターンの一例である。このような静脈パターンを良好に撮像するためには、所定の波長帯域が約６００ｎｍ〜１３００ｎｍ程度（好ましくは、７００ｎｍ〜９００ｎｍ程度）の近赤外光を用いることが好ましい。

例えば、ＬＥＤ１０２により照射される近赤外光の波長が６００ｎｍ未満又は１３００ｎｍ超過である場合、近赤外光が血液中のヘモグロビンに吸収される割合が小さくなり、良好な静脈パターンが得られない。逆に、ＬＥＤ１０２により照射される近赤外光の波長が７００ｎｍ〜９００ｎｍ程度である場合、近赤外光が脱酸素化ヘモグロビン及び酸素化ヘモグロビンの双方に対して特異的に吸収されることにより、良好な静脈パターンが得られる。なお、上記波長帯域を含む光を発光可能なＬＥＤ１０２と上記波長帯域を通過させる帯域通過フィルタ（非図示）とを組み合わせることで、このような波長帯域の近赤外光を照射可能な近赤外光源を容易に実現することができる。

上記のようにしてＬＥＤ１０２から照射された近赤外光（照射光Ｌ１１）は、指ＦＧの内部で静脈に散乱され、散乱光Ｌ１３として撮像素子１０４に入射する。そして、撮像素子１０４は、入射した散乱光Ｌ１３により撮像画像（Ａ）を生成する。撮像素子１０４としては、例えば、ＣＣＤ（Ｃｈａｒｇｅ Ｃｏｕｐｌｅｄ Ｄｅｖｉｃｅｓ）やＣＭＯＳ（Ｃｏｍｐｌｅｍｅｎｔａｒｙ Ｍｅｔａｌ Ｏｘｉｄｅ Ｓｅｍｉｃｏｎｄｕｃｔｏｒ）が用いられる。撮像素子１０４から出力された撮影画像（Ａ）には、図示しない画像処理部で所定の画像処理が施され、静脈画像（Ｂ）が生成される。ここで施される所定の画像処理は、例えば、エッジ検出処理、平滑化処理、２値化処理、細線化処理等である。

以上説明したように、静脈認証センサは、ＬＥＤ１０２により照射光Ｌ１１を指ＦＧに照射し、指ＦＧの内部を通過した散乱光Ｌ１３を撮像素子１０４で撮影し、その撮影画像（Ａ）に所定の画像処理を施すことで静脈画像（Ｂ）を生成する（Ｓ１０）。このようにして生成された静脈画像（Ｂ）は、生体情報として判別基準決定装置１１０、又は生体認証装置１３０に入力される（図１を参照）。但し、判別基準決定装置１１０には生体サンプルから取得された生体情報（サンプルデータ）が入力され、生体認証装置１３０には認証対象となる生体情報（認証用データ；参照データ、入力データ）が入力される。

（１−２：判別基準決定装置１１０の機能構成）
次に、判別基準決定装置１１０について説明する。まず、図３を参照しながら、本実施形態に係る判別基準決定装置１１０の機能構成について説明する。図３は、本実施形態に係る判別基準決定装置１１０の機能構成例を示す説明図である。

図３に示すように、判別基準決定装置１１０は、主に、記憶部１１２と、相関計算部１１４と、主成分分析部１１６と、マハラノビス距離計算部１１８と、閾値直線決定部１２０とを有する。上記の通り、判別基準決定装置１１０には、生体認証センサ１００から多数のサンプルデータが入力される。これらの入力されたサンプルデータは、記憶部１１２に記録され、判別基準値の決定に用いられる。

なお、記憶部１１２は、サンプルデータ記憶部の一例である。また、主成分分析部１１６は、１次元データ生成部、座標変換部、第１主成分抽出部の一例である。マハラノビス距離計算部１１８は、マハラノビス距離算出部の一例である。そして、閾値直線決定部１２０は、判別基準値決定部の一例である。

（相関計算部１１４）
まず、相関計算部１１４について説明する。相関計算部１１４は、記憶部１１２に記録された多数のサンプルデータを読み出す。記憶部１１２に記録されるサンプルデータは、例えば、静脈パターン等の生体パターンを撮影し、画像処理Ｓ１０を施して得られた画像データである。この画像データは、上記の画像処理Ｓ１０において生体パターンに含まれる特徴点の座標情報、及び特徴点間を結ぶ線分の情報（以下、線分情報）に変換されている。つまり、記憶部１１２には、各サンプルデータを形成する特徴点の座標情報及び線分情報が記録されている。そこで、相関計算部１１４は、各サンプルデータの座標情報及び線分情報を用いて後述する画素相関値及びハフ相関値を算出する。

（画素相関値について）
ここで言う画素相関値とは、２つの生体パターンに対応するサンプルデータの座標情報を用いて算出される相関係数のことを意味する。例えば、相関係数は、下記の式（１）で定義される。但し、各画素の座標を（ｍ，ｎ）と表現し、比較対象となる２つの生体サンプルの画素情報をｆ_１、ｆ_２と表現している。例えば、座標（１０，１５）に画素情報ｆ_１に対応するサンプルデータの特徴点が存在する場合、ｆ_１（１０，１５）＝１と表現される。一方、座標（１００，２）に画素情報ｆ_１に対応するサンプルデータの特徴点が存在しない場合、ｆ_１（１００，２）＝０と表現される。

下記の式（１）に示す相関係数Ｓ_１（ｆ_１，ｆ_２）は、２つのサンプルデータｆ_１、ｆ_２間の類似度を示す統計学指標である。相関係数Ｓ_１が１に近い程、２つのサンプルデータが類似している。逆に、相関係数Ｓ_１が０に近い程、２つのサンプルデータが相違している。従って、２つのサンプルデータｆ_１、ｆ_２が完全に一致していれば、上記の相関係数Ｓ_１の値は１となる。つまり、同一の生体サンプルから取得されたサンプルデータの相関係数Ｓ_１は１に近い値になる。もちろん、同一のサンプルデータを用いて算出される相関係数Ｓ_１は１になる。一方、異なる生体サンプルから取得されたサンプルデータの相関係数Ｓ_１は１よりも十分に小さい値になることが期待される。

…（１）

（ハフ相関値について）
一方、上記のハフ相関値とは、生体パターンの各線分（直線）をハフ（Ｈｏｕｇｈ）変換して得られるハフ空間上の各特徴点について、下記の式（２）を用いて算出される相関係数Ｓ_２のことを意味する。ハフ変換とは、例えば、ｘ−ｙ空間で定義される直線Ｌを２つのパラメータｒ、θで表現し、直線Ｌをｒ−θ空間の１点に変換する方法である。例えば、変換式をｒ＝ｘ・ｃｏｓθ＋ｙ・ｓｉｎθと表現すると、直線Ｌ上の座標点（ｘ_０，ｙ_０）は、ｒ−θ空間上の曲線ｒ＝ｘ_０・ｃｏｓθ＋ｙ_０・ｓｉｎθに変換される。同様に、ｋ＝１，…，Ｎ−１について、直線Ｌ上の座標点（ｘ_ｋ，ｙ_ｋ）は、ｒ−θ空間上の曲線ｒ＝ｘ_ｋ・ｃｏｓθ＋ｙ_ｋ・ｓｉｎθに変換される。

このとき、（ｘ_ｋ，ｙ_ｋ）が直線Ｌ上にあるため、ｒ−θ空間上に描かれるＮ本の曲線ｒ＝ｘ_ｋ’・ｃｏｓθ＋ｙ_ｋ’・ｓｉｎθ（ｋ’＝０，…，Ｎ−１）は１点で交わる。この点が直線Ｌを特徴付けるハフ空間（ｒ−θ空間）上の特徴点である。例えば、生体パターンの特徴点（ｘ_ｋ，ｙ_ｋ）（ｋ＝１，２）を結ぶ線分Ｌ_１２は、ハフ空間上におけるｒ＝ｘ_ｋ・ｃｏｓθ＋ｙ_ｋ・ｓｉｎθ（ｋ＝１，２）の交点（ｒ_１２，θ_１２）で特徴付けられる。このように、ハフ変換を用いることで、生体パターンの特徴点を結ぶ各線分がハフ空間における特徴点の分布として得られる。

例えば、ハフ空間上の座標を（ｍ’，ｎ’）と表現し、比較対象となる２つのサンプルデータについて各線分を特徴付けるハフ変換値をｈｆ_１、ｈｆ_２と表現する。但し、ハフ変換値ｈｆ_１（ｍ’，ｎ’）は、サンプルデータの線分に対応するハフ変換値が座標（ｍ’，ｎ’）に存在する場合にｈｆ_１（ｍ’，ｎ’）＝１をとり、存在しない場合にｈｆ_１（ｍ’，ｎ’）＝０をとるものとする。同様に、ハフ変換値ｈｆ_２（ｍ’，ｎ’）は、サンプルデータの線分に対応するハフ変換値が座標（ｍ’，ｎ’）に存在する場合にｈｆ_２（ｍ’，ｎ’）＝１をとり、存在しない場合にｈｆ_２（ｍ’，ｎ’）＝０をとるものとする。このような表現を用いると、ハフ相関値Ｓ_２は、下記の式（２）のように表現される。

…（２）

以上説明したように、相関計算部１１４は、記憶部１１２に記録された全てのサンプルデータについて画素相関値、及びハフ相関値を計算する。相関計算部１１４で算出された（画素相関値，ハフ相関値）の分布を２次元プロットすると、図６に例示するような分布図が得られる。なお、相関計算部１１４は、同一の生体サンプルについて算出した画素相関値及びハフ相関値と、相異なる生体サンプルについて算出した画素相関値及びハフ相関値とを区別するための識別情報を保持している。そのため、図６に例示した分布図の中で、同一の生体サンプルに関する分布（以下、本人分布）と、相異なる生体サンプルに関する分布（以下、他人分布）とを区別することができる。

その結果、図６の分布図から本人分布と他人分布とを分ける境界線（本人判定用閾値）を決定することが可能になる。しかしながら、図６に例示した分布図から明らかなように、本人分布と他人分布とが境界線付近で少しだけ重なっており、本人判定用閾値を用いて生体サンプルの同一性を判別した場合、判別結果に誤りを含む可能性が大きい。

そこで、本実施形態においては、画素相関値−ハフ相関値の分布から判別基準値を決定せず、さらに本人分布と他人分布とが明確に区別可能な分布形態に変換してから判別基準値の決定を行う。そのため、相関計算部１１４で算出された画素相関値、及びハフ相関値は主成分分析部１１６に入力される（図３を参照）。さらに、本人分布と他人分布とを区別するための識別情報が相関計算部１１４から主成分分析部１１６に入力される。

（主成分分析部１１６）
次に、主成分分析部１１６について説明する。図６に例示した分布図を参照すると、本人分布の広がりと他人分布の広がりとは異なる方向性を有していることが分かる。そこで、本実施形態においては、両分布が持つ方向性の違いを考慮して本人分布と他人分布とをより明確に区別できるように分布形態を変換する手法が提案される。特に、本実施形態では、主成分分析を用いて画素相関値−ハフ相関値の分布（以下、ＰＨ分布）を主成分方向に回転した上で第１主成分軸にサンプルデータのＰＨ分布を射影して１次元分布に変換する手法が提案される。以下、この手法について詳細に説明する。

（主成分分析について）
まず、主成分分析について簡単に説明する。主成分分析とは、図８に示すように、多数の点で形成される点群の広がりが最も大きい方向を第１主成分軸として、また、第１主成分軸に直交し、かつ、点群の広がりが次に大きい方向を第２主成分軸として抽出する分析手法である。この分析手法は、多次元分布に対しても同様に用いることができる。Ｎ次元空間に広がりを持つ点群の場合、主成分分析によりＮ本の主成分軸を抽出することができる。つまり、主成分分析により主成分軸で定義される新たな座標系が形成される。

ここで、主成分軸の具体的な算出方法について簡単に説明する。なお、簡単のため、図８に示すような２次元空間（ｘ−ｙ空間）上に分布する点群Ｑを考える。主成分軸を求めるには、点群Ｑに関する分散共分散行列Ｃの固有値λ_１、λ_２、及び固有ベクトルＥ_１、Ｅ_２を求めればよい。但し、固有値λ_１、λ_２はスカラー量であり、固有ベクトルＥ_１、Ｅ_２は２次元のベクトル量である。点群Ｑを構成する座標点（ｘ_ｋ，ｙ_ｋ）（ｋ＝０，…，Ｎ−１）の期待値を（μ_ｘ，μ_ｙ）（但し、μ_ｘ＝Σｘ_ｋ／Ｎ、μ_ｙ＝Σｙ_ｋ／Ｎ、Σ：ｋ＝０〜Ｎ−１に関する和）と表現すると、分散共分散行列Ｃは下記の式（３）及び式（４）で表現される。

…（３）

…（４）

そのため、固有値λ_１、λ_２は、下記の式（５）で表現される固有方程式を解くことにより得られる。但し、Ｉは２行２列の単位行列を表す。また、ｄｅｔ（…）は行列式を表す。さらに、下記の式（６）及び式（７）の関係式、及び条件式｜Ｅ_１｜＝｜Ｅ_２｜＝１から固有ベクトルＥ_１、Ｅ_２が得られる。各主成分軸は点群Ｑの重心Ｐ_０を通ることから、固有ベクトルＥ_１、Ｅ_２をＥ_１＝（ｅ_１１，ｅ_１２）、Ｅ_２＝（ｅ_２１，ｅ_２２）と表現すると、λ_１＞λ_２の場合、第１主成分軸は下記の式（８）で表現され、第２主成分軸は下記の式（９）で表現される。

…（５）

…（６）

…（７）

…（８）

…（９）

以上説明したように、上記の式（３）〜式（９）に関する演算を行うことで点群Ｑの主成分軸を算出することができる。本実施形態の場合、点群ＱとしてＰＨ分布（本人分布、他人分布）が与えられる。また、上記の計算方法を用いて本人分布、及び他人分布の各々に対して主成分軸が算出される。

（本実施形態への適用）
まず、主成分分析部１１６は、相関計算部１１４から入力された本人分布Ｑ_１の期待値（μ１ｘ，μ１ｙ）を計算する。次いで、主成分分析部１１６は、上記の式（３）及び式（４）に基づいて本人分布Ｑ_１の分散共分散行列Ｃ_１を算出する。次いで、主成分分析部１１６は、分散共分散行列Ｃ_１について上記の式（５）に相当する固有方程式を解き、固有値λ_１１、λ_１２を算出する。次いで、主成分分析部１１６は、上記の式（６）及び式（７）に基づいて固有値λ_１１、λ_１２に各々対応する固有ベクトルＥ_１１、Ｅ_１２を算出する。その結果、上記の式（８）及び式（９）に基づいて主成分軸が決定される。

同様に、主成分分析部１１６は、相関計算部１１４から入力された他人分布Ｑ_２の期待値（μ２ｘ，μ２ｙ）を計算する。次いで、主成分分析部１１６は、上記の式（３）及び式（４）に基づいて本人分布Ｑ_２の分散共分散行列Ｃ_２を算出する。次いで、主成分分析部１１６は、分散共分散行列Ｃ_２について上記の式（５）の固有方程式を解き、固有値λ_２１、λ_２２を算出する。次いで、主成分分析部１１６は、上記の式（６）及び式（７）に基づいて固有値λ_２１、λ_２２に各々対応する固有ベクトルＥ_２１、Ｅ_２２を算出する。その結果、上記の式（８）及び式（９）に基づいて主成分軸が決定される。

このようにして本人分布及び他人分布の各々について主成分軸が算出される。各分布の主成分軸が算出されると、主成分分析部１１６は、点群Ｑ_１、Ｑ_２の各点を各分布の第１主成分軸に射影させ、点群Ｑ_１、Ｑ_２の次元を１次元に低減させる。具体的には、点群Ｑ_１、Ｑ_２の座標が各分布の主成分方向に変換され、第１主成分に対応する座標値のみが抽出される。

例えば、本人分布Ｑ_１について算出された第１主成分軸の傾きがθ_１であると仮定する。この場合、本人分布Ｑ_１及び他人分布Ｑ_２に含まれる座標点（ｘ_ｋ，ｙ_ｋ）（ｋ＝０，…，Ｎ−１）は、第１主成分軸をｐ１ｘ軸、第２主成分軸をｐ１ｙ軸とする新たな座標系の座標点（ｐ１ｘ_ｋ，ｐ１ｙ_ｋ）に変換される。この座標変換の変換式は、下記の式（１０）で表現される。この座標変換の後、主成分分析部１１６は、変換後の座標点ｐ１ｘ_ｋを本人分布Ｑ_１に関する１次元データＤＱ_１として抽出する。

同様に、他人分布Ｑ_２について算出された第１主成分軸の傾きがθ_２であると仮定する。この場合、本人分布Ｑ_１及び他人分布Ｑ_２に含まれる座標点（ｘ_ｋ，ｙ_ｋ）（ｋ＝０，…，Ｎ−１）は、第１主成分軸をｐ２ｘ軸、第２主成分軸をｐ２ｙ軸とする新たな座標系の座標点（ｐ２ｘ_ｋ，ｐ２ｙ_ｋ）に変換される。この座標変換の変換式は、下記の式（１１）で表現される。この座標変換の後、主成分分析部１１６は、変換後の座標点ｐ２ｘ_ｋを他人分布Ｑ_２に関する１次元データＤＱ_２として抽出する。

…（１０）

…（１１）

上記のように、ＰＨ分布に含まれる各点は、主成分分析部１１６により、本人分布Ｑ_１に対する１次元データＤＱ_１、及び他人分布Ｑ_２に対する１次元データＤＱ_２に変換される。そして、主成分分析部１１６により変換された１次元データＤＱ_１、ＤＱ_２は、マハラノビス距離計算部１１８に入力される。

（マハラノビス距離計算部１１８）
上記の通り、マハラノビス距離計算部１１８には、主成分分析部１１６により本人分布Ｑ_１の第１主成分軸、及び他人分布Ｑ_２の第１主成分軸の各々に射影されたＰＨ分布の各点に対応する１次元データＤＱ_１、ＤＱ_２が入力される。そこで、マハラノビス距離計算部１１８は、これら１次元データＤＱ_１、ＤＱ_２の各々について、各点と分布中心との間のマハラノビス距離を算出する。ここで、マハラノビス距離について簡単に説明する。

例えば、ある集合に属すると期待される多数の標本点が存在する場合、ある標本点がその集合に属する可能性は、その標本点が全標本点の重心に近いほど高いと考えられる。この考えから、重心から標本点までのユークリッド距離に基づいて各標本点が集合へ帰属する可能性を判断できるのではないかと考えられる。しかしながら、ある標本点が集合に帰属すると判断すべき最大のユークリッド距離を決定することは非常に難しい。そのため、各標本点について集合への帰属可能性を考える場合には、標本点の密度や広がり具合等の統計量を考慮した一種の距離であるマハラノビス距離が用いられる。例えば、マハラノビス距離は、データのクラスタリングなどを行う際によく用いられる。

例えば、観測点をｘ＝（ｘ_１，…，ｘ_ｐ）^Ｔ、ｐ次元空間上にある点群Ｑの中心をμ＝（μ_１，…，μ_ｐ）^Ｔ、点群Ｑの分散共分散行列をＣと表現すると、観測点ｘに関するｐ次元のマハラノビス距離Ｄ_ｍ（ｘ）は、下記の式（１２）で定義される。また、次元数ｐ＝１の場合、分散共分散行列Ｃが分散σ^２になるため、１次元のマハラノビス距離Ｄ_ｍ（ｘ）は、下記の式（１３）のように表現される。但し、σは点群Ｑの標準偏差を表す。

…（１２）

…（１３）

さて、本実施形態においては、主成分分析部１１６から入力された本人分布Ｑ_１及び他人分布Ｑ_２に関する１次元データＤＱ_１、ＤＱ_２についてマハラノビス距離が算出される。このように、マハラノビス距離の算出対象が１次元である場合、上記の式（１３）が用いられる。まず、マハラノビス距離計算部１１８は、１次元データＤＱ_１、ＤＱ_２の各々に関して標準偏差σ_１、σ_２を算出する。次いで、マハラノビス距離計算部１１８は、上記の式（１３）に基づいて１次元データＤＱ_１、ＤＱ_２の各々に対応するマハラノビス距離Ｄ_ｍ１、Ｄ_ｍ２を算出する。そして、マハラノビス距離計算部１１８で算出された本人分布Ｑ_１及び他人分布Ｑ_２に各々対応するマハラノビス距離Ｄ_ｍ１、Ｄ_ｍ２は、閾値直線決定部１２０に入力される。

（閾値直線決定部１２０）
さて、上記のマハラノビス距離Ｄ_ｍ１、Ｄ_ｍ２を２次元データとしてプロットすると、図１０に例示するような分布図が得られる。図１０の分布図から明らかなように、本人分布Ｑ_１に対応するマハラノビス距離の分布ＱＭ_１と、他人分布Ｑ_２に対応するマハラノビス距離の分布ＱＭ_２とは、大きく離れている。図６に示したＰＨ分布に比べると、図１０における分布ＱＭ_１、ＱＭ_２の分離度合いは非常に大きい。このような分離度合いを示す理由は、主成分分析部１１６で各分布の第１主成分軸に座標点を射影したこと、及びマハラノビス距離を用いてデータ間の相関を考慮したことにある。

マハラノビス距離は、データの分布が重心を基準に対称であることを前提とするものである。そのため、マハラノビス距離をＰＨ分布の各点に適用して分布ＱＭ_１、ＱＭ_２を算出しても、図１０に示すような分布ＱＭ_１、ＱＭ_２の分離度合いは得られない。しかし、本実施形態においては、主成分分析部１１６により、本人分布Ｑ_１と他人分布Ｑ_２との間に存在する方向性の違いが考慮されている。そのため、マハラノビス距離に関する分布ＱＭ_１、ＱＭ_２にも方向性の違いを考慮したことによる効果が現れ、本人分布Ｑ_１と他人分布Ｑ_２とを明確に分けることに成功しているのである。

そこで、閾値直線決定部１２０は、マハラノビス距離に関する分布図の中で本人分布ＱＭ_１と他人分布ＱＭ_２とを明確に分けることが可能な位置に閾値直線（ｙ＝ｍ＊ｘ）を決定する。なお、この閾値直線が判別基準値になる。また、判別基準値としては、例えば、閾値直線の傾きｍを決定すればよい。図１０に示すように、本実施形態の手法を用いると、本人分布ＱＭ_１と他人分布ＱＭ_２とが明確に分離されるため、閾値直線の傾きには、ある程度の幅が許される。そのため、閾値直線の決定方法は、本人分布ＱＭ_１と他人分布ＱＭ_２とが十分に区別できるような方法であれば、どのような方法を用いてもよい。

例えば、本人分布ＱＭ_１の中心点と他人分布ＱＭ_２の中心点とを結ぶ線分の中点を通る直線として閾値直線の傾きを決定することができる。また、本人分布ＱＭ_１に含まれる点の中でマハラノビス距離Ｄ_ｍ２に対応する軸（ｙ軸）に最も近い点と、他人分布ＱＭ_２に含まれる点の中でマハラノビス距離Ｄ_ｍ１に対応する軸（ｘ軸）に最も近い点とを結ぶ線分の中点を通る直線として閾値直線を決定できる。なお、本実施形態においては、これらの例示した方法以外にも、本人分布ＱＭ_１と他人分布ＱＭ_２とが十分に区別できるような方法であれば任意の方法を閾値直線の決定方法として採用することができる。

以上説明したように、相関計算部１１４、主成分分析部１１６、マハラノビス距離計算部１１８、及び閾値直線決定部１２０により本人分布Ｑ_１（ＱＭ_１）と他人分布Ｑ_２（ＱＭ_２）とを明確に判別することが可能な判別基準値が決定される。閾値直線決定部１２０により決定された判別基準値（例えば、閾値直線の傾きｍ）は、生体認証装置１３０に入力される。また、生体認証装置１３０には、主成分分析部１１６から、本人分布Ｑ_１及び他人分布Ｑ_２の第１主成分軸の傾きθ_１、θ_２を示す情報も入力される。

以上、本実施形態に係る判別基準決定装置１１０の機能構成について、個々の構成要素毎に詳細に説明した。そこで、以下では、判別基準決定装置１１０による全体的な処理の流れについて説明する。また、この説明の中で、個々の処理ステップにおける細かな処理の流れについても簡単に説明する。

（判別基準決定装置１１０による処理の流れについて）
まず、図４、図５、図７、図９を参照しながら、判別基準決定装置１１０による処理の流れについて簡単に説明する。図４は、判別基準決定装置１１０による全体的な処理の流れを示す説明図である。図５は、画素相関値及びハフ相関値の算出処理の流れを示す説明図である。図７は、主成分分析を用いた１次元データの生成処理の流れを示す説明図である。図９は、マハラノビス距離の計算処理の流れを示す説明図である。

（全体的な流れ）
まず、図４を参照する。図４に示すように、まず、生体認証センサ１００からサンプルデータが入力され、記憶部１１２に記録される（Ｓ１０２）。次いで、相関計算部１１４により画素相関値及びハフ相関値（ＰＨ分布）が算出される（Ｓ１０４）。次いで、主成分分析部１１６により主成分分析が行われ、本人分布Ｑ１及び他人分布Ｑ２の各々についてＰＨ分布の各点が第１主成分軸上の１次元データに射影される（Ｓ１０６）。次いで、マハラノビス距離計算部１１８により、主成分分析部１１６で変換された１次元データに基づいてマハラノビス距離が算出される（Ｓ１０８）。次いで、閾値直線決定部１２０により、マハラノビス距離に基づいて閾値直線（判別基準値）が決定される（Ｓ１１０）。

以下、ステップＳ１０４、Ｓ１０６、Ｓ１０８の処理について、より詳細に説明する。

（ＰＨ分布算出処理の流れ）
次に、図５を参照する。図５は、図４におけるステップＳ１０４の詳細な処理の流れを示すものである。図５に示すように、まず、サンプルデータの静脈パターン画像間で特徴点の画素値を用いて画素相関値が算出される（Ｓ１２２）。次いで、サンプルデータの静脈パターンに含まれる特徴点を結ぶ各線分がハフ変換される（Ｓ１２４）。次いで、ハフ変換値の相関係数がハフ相関値として算出される（Ｓ１２６）。次いで、各サンプルデータに関する画素相関値及びハフ相関値の組が出力される（Ｓ１２８）。

（主成分分析及び１次元化処理の流れ）
次に、図７を参照する。図７は、図４におけるステップＳ１０６の詳細な処理の流れを示すものである。図７に示すように、まず、画素相関値とハフ相関値とを軸とする空間（ＰＨ空間）における本人分布及び他人分布の分布中心の座標値が算出される（Ｓ１３０）。次いで、各分布の共分散行列が算出される（Ｓ１３２）。次いで、各分布に対応する共分散行列の固有値及び固有ベクトルが算出される（Ｓ１３４）。次いで、分布毎に算出された固有値及び固有ベクトルに基づいて各分布の第１主成分軸が算出される（Ｓ１３６）。次いで、各分布が第１主成分軸を横軸とする座標系へ変換される（Ｓ１３８）。次いで、座標変換後の各横軸にサンプルデータが射影され、各分布に対する１次元データが生成される（Ｓ１４０）。

（マハラノビス距離算出処理の流れ）
次に、図９を参照する。図９は、図４におけるステップＳ１０８の詳細な処理の流れを示すものである。図９に示すように、まず、各分布の１次元データに関する標準偏差が算出される（Ｓ１４２）。次いで、各分布の１次元データに関する期待値及び標準偏差を用いてマハラノビス距離が算出される（Ｓ１４４）。但し、各分布の１次元データに関する期待値は、各分布の分布中心として既に算出されている。つまり、上記の主成分軸は分布中心を通るものであり、座標変換により変更されないため、各分布中心の座標値を各１次元データの期待値として利用することができるのである。

以上、判別基準決定装置１１０による処理の流れについて説明した。判別基準決定装置１１０による処理の内容は機能構成と共に詳細に説明した。また、各構成要素による処理の流れは上記の通りである。このように、本実施形態では、主成分分析により分布の方向性を考慮した上でマハラノビス距離に基づいて本人分布と他人分布とを判別する判別基準値が決定される。以下、この判別基準値を用いて生体認証を行う方法について説明する。

（１−３：生体認証装置１３０の機能構成）
次に、図１１を参照しながら、本実施形態に係る生体認証装置１３０の機能構成について説明する。図１１は、本実施形態に係る生体認証装置１３０の機能構成例を示す説明図である。なお、生体認証装置１３０には、「参照データ」として登録ユーザの生体情報（以下、登録データ）が入力されているものとする。また、判別基準決定装置１１０から判別基準値等が入力されている。

生体認証装置１３０は、生体認証センサ１００を用いて入力された生体情報（入力データ）と登録データとを照合し、入力データに対応する登録ユーザを特定する手段である。特に、生体認証装置１３０は、入力データと登録データとを照合して本人認証を行う際、判別基準決定装置１１０で決定された判別基準値を用いて判別処理を行う。つまり、生体認証装置１３０においては、入力データと登録データとの間の画素相関値及びハフ相関値を判別基準決定装置１１０で算出された本人分布及び他人分布の第１主成分軸に射影して得られる１次元データのマハラノビス距離を用いて当該データ間の同一性が判別される。以下、生体認証装置１３０の各機能構成について説明する。

図１１に示すように、生体認証装置１３０は、主に、相関計算部１３２と、マハラノビス距離計算部１３４と、本人判定部１３６と、記憶部１３８とを有する。記憶部１３８には、生体認証センサ１００を用いて入力された登録データが格納されている。また、記憶部１３８には、判別基準決定装置１１０から入力された判別基準値、及び、本人分布／他人分布の第１主成分軸を特定するための傾き、各分布の分布中心、各分布の１次元データに関する標準偏差等を含む情報（以下、座標変換用パラメータ）が格納されている。

なお、記憶部１３８は、登録パターン記憶部の一例である。また、マハラノビス距離計算部１３４は、１次元データ生成部、マハラノビス距離算出部の一例である。そして、本人判定部１３６は、類似性判定部の一例である。

（相関計算部１３２）
まず、相関計算部１３２について説明する。上記の通り、相関計算部１３２には、生体認証センサ１００を用いて認証対象となる入力データが入力される。入力データが入力されると、相関計算部１３２は、記憶部１３８に記録された登録データを読み出す。そして、相関計算部１３２は、入力データ及び登録データの座標情報及び線分情報を用いて画素相関値及びハフ相関値を算出する。なお、画素相関値は、上記の式（１）に基づいて算出される。また、ハフ相関値は、上記の式（２）に基づいて算出される。相関計算部１３２は、記憶部１３８に格納された一部又は全部の登録データについて、入力データと登録データとの間の画素相関値及びハフ相関値を算出する。相関計算部１３２により算出された画素相関値及びハフ相関値は、マハラノビス距離計算部１３４に入力される。

（マハラノビス距離計算部１３４）
次に、マハラノビス距離計算部１３４について説明する。上記の通り、マハラノビス距離計算部１３４には、相関計算部１３２から入力データと登録データとの間の画素相関及びハフ相関を示す相関値が入力される。これらの相関値が入力されると、マハラノビス距離計算部１３４は、入力された相関値を判別基準値の算出時に用いた本人分布及び他人分布の第１主成分軸に射影させ、１次元データに変換する。

この変換処理を行うために、まず、マハラノビス距離計算部１３４は、記憶部１３８に記録されている第１主成分軸の傾きに関する情報を読み出し、本人分布及び他人分布の第１主成分軸を横軸とする座標系に相関値の座標系を変換する。次いで、マハラノビス距離計算部１３４は、座標変換後の相関値から第１主成分軸成分を抽出して１次元データとする。このようにして１次元データを算出すると、マハラノビス距離計算部１３４は、記憶部１３８に記録された本人分布及び他人分布の分布中心及び各分布の標準偏差を示す情報に基づいて分布中心から１次元データまでのマハラノビス距離を算出する。マハラノビス距離計算部１３４で算出されたマハラノビス距離は、本人判定部１３６に入力される。

（本人判定部１３６）
次に、本人判定部１３６について説明する。上記の通り、本人判定部１３６には、マハラノビス距離計算部１３４から入力データと登録データとの間の相関に関し、本人分布及び他人分布の各分布中心から各第１主成分軸上で算出されたマハラノビス距離が入力される。マハラノビス距離が入力されると、本人判定部１３６は、記憶部１３８に記録された判別基準値及び入力されたマハラノビス距離に基づいて入力データと登録データとの相関に関する計算結果が本人分布に属するか、他人分布に属するかを判定する。

図１０の例示した判別基準値ｍ（閾値直線ｙ＝ｍ＊ｘ）が与えられている場合、入力データと登録データとの間の相関値に基づいて算出されたマハラノビス距離（ｘ_０，ｙ_０）がｙ_０＜ｍ＊ｘ_０の場合、本人判定部１３６は、他人分布に属すると判定する。逆に、入力データと登録データとの間の相関値に基づいて算出されたマハラノビス距離（ｘ_０，ｙ_０）がｙ_０＞ｍ＊ｘ_０の場合、本人判定部１３６は、本人分布に属すると判定する。本人分布に属すると判定した場合、本人判定部１３６は、入力データと登録データとが同一であると判定する。一方、他人分布に属すると判定した場合、本人判定部１３６は、入力データと登録データとが非同一であると判定する。

以上、本実施形態に係る生体認証装置１３０の機能構成について説明した。上記の通り、生体認証装置１３０は、画素相関値−ハフ相関値空間上で入力データと登録データとの同一性を判別するのではなく、本人分布及び他人分布の第１主成分軸に射影された相関値に基づいて同一性の判別を行う。特に、本人分布及び他人分布の第１主成分軸に射影された相関値と各分布の分布中心との間のマハラノビス距離に基づいて比較対象とされる両データ間の同一性が判定される。その結果、判定精度を向上させることができる。

（生体認証装置１３０による処理の流れについて）
ここで、図１２を参照しながら、生体認証装置１３０による処理の流れについて簡単に説明する。図１２は、生体認証装置１３０による処理の流れを示す説明図である。

図１２に示すように、生体認証装置１３０は、まず、生体認証センサ１００から入力された認証用データ（入力データ）と登録データとの間の画素相関値及びハフ相関値を算出する（Ｓ１５０）。次いで、生体認証装置１３０は、本人分布及び他人分布の各主成分方向に両相関値を座標変換し、各第１主成分軸の成分を抽出することで１次元データを算出する（Ｓ１５２）。次いで、生体認証装置１３０は、算出した１次元データと本人分布及び他人分布の各分布中心との間のマハラノビス距離を算出する（Ｓ１５４）。次いで、生体認証装置１３０は、算出したマハラノビス距離を用いて判別基準値に基づく閾値判定を実行し、入力データと登録データとの同一性を判定する（Ｓ１５６）。そして、生体認証装置１３０は、判定結果を生体認証の結果として出力する（Ｓ１５８）。

以上説明した流れに沿って、生体認証装置１３０は認証処理を実行する。

（１−４：生体認証システム１０による全体的な処理の流れ）
次に、図１３、図１４を参照しながら、生体認証システム１０による全体的な処理の流れについて説明し、本実施形態に係る生体認証処理の全体的な構成について纏める。図１３は、生体認証システム１０による全体的な処理の流れを説明するための説明図である。また、図１４は、生体認証システム１０において実行される各処理の内容を概念的に示した説明図である。

図１３に示すように、まず、大量のサンプルデータを用いて２次元の相関データで構成される本人分布及び他人分布が取得される（Ｓ１６２）。次いで、本人分布及び他人分布の各々について第１主成分軸が決定される（図１４のＣＳ１）。さらに、各相関データを主成分方向に座標変換し（図１４のＣＳ２）、各第１主成分軸に射影することで（図１４のＣＳ３）各分布に対応する１次元データが生成される（Ｓ１６４）。次いで、各第１主成分軸上で生成した１次元データと各分布中心との間のマハラノビス距離が算出され（図１４のＣＳ４）、各分布のマハラノビス距離を直交軸とする座標空間内で各分布を区別するための閾値直線が決定される（Ｓ１６６）。

次いで、認証用データと登録データとの間の相関を示す２次元の相関データが取得される（Ｓ１６８）。次いで、２次元の相関データを上記の本人分布及び他人分布の各主成分方向に座標変換した上で各第１主成分を抽出することにより１次元データが生成される（Ｓ１７０）。次いで、各分布の分布中心と１次元データとの間のマハラノビス距離が算出される（Ｓ１７２；図１４のＣＳ５）。次いで、各分布に関するマハラノビス距離及び閾値直線に基づいて本人判定が行われる（Ｓ１７４）。上記のようにして判別基準値が算出され、算出された判別基準値を用いて本人判定が行われる。

［２：生体認証システム１０を適用することで得られる効果］
次に、図６、図１５〜図１８を参照しながら、本実施形態に係る生体認証システム１０を適用することで得られる効果について説明する。ここで示す実験データは、１００本の指を生体サンプルとして利用し、各指を複数回ずつ撮影して得られたサンプルデータである。従って、実験データには、同一生体の相関を示す本人分布の２次元相関データが１００個、異なる生体の相関を示す他人分布の２次元相関データが１８８００個含まれる。

（原データの分布特性）
まず、図６を参照する。既に述べた通り、サンプルデータ間の相関を特徴付けるために、例えば、画素相関値及びハフ相関値が用いられる。そして、画素相関値及びハフ相関値を各々座標軸とする空間に本人分布及び他人分布がプロットされ、各分布の特性に基づいて本人又は他人の判別基準が決定される。図６のように、画素相関値−ハフ相関値の分布（ＰＨ分布）においては、本人分布の分布中心と他人分布の分布中心とが離れており、おおよそ本人と他人とを見分ける基準に用いることができる。

しかしながら、本人分布も他人分布も大きく広がりを持っており、本人分布と他人分布との間の境界部分が明確であるとは言えない。図６には仮に決定した本人判定用閾値が描画されているが、他人分布の領域に本人分布に属するデータが含まれてしまっている。つまり、このデータの分だけ判定誤りが発生してしまうことになる。このように、分布中心が離れていても、分布中心からの広がりがある場合に、分布中心からどの程度の距離までがその分布中心に対応する集合の範囲と言えるのかがはっきりとしない。そのため、各分布中心からのユークリッド距離に基づいてＰＨ分布内で閾値直線を決定すると、上記のような判定誤りが発生してしまう。

このように、ＰＨ分布を直接用いて閾値判定の基準を設けると、あまり高い判定精度が期待できない。そこで、第１に考えられる対策としては、各分布の広がりを考慮したマハラノビス距離を用いることである。

（原データに対するマハラノビス距離の本人・他人比較）
そこで、図１５を参照し、ＰＨ分布から直接マハラノビス距離を算出した場合に得られる分布について考察する。図１５の（Ａ）は、他人分布の分布中心からＰＨ分布に含まれる全てのデータ点までのマハラノビス距離をプロットしたものである。同様に、図１５の（Ｂ）は、本人分布の分布中心からＰＨ分布に含まれる全てのデータ点までのマハラノビス距離をプロットしたものである。横軸は何番目のデータ点であるかを示すインデックスであり、縦軸はマハラノビス距離を示す。

仮に、マハラノビス距離により本人分布と他人分布とが明確に区別できるとすれば、本人分布のデータ点と他人分布のデータ点とが、あるマハラノビス距離を境界とする２つの領域に明確に区分されるはずである。つまり、マハラノビス距離により本人分布と他人分布とが明確に区別できるとすれば、本人分布のデータ点が含まれる領域と、他人分布のデータ点が含まれる領域とが、図１５の分布図内である高さに位置する横線で明確に区切られることになる。

上記の考察を念頭に置いて図１５の分布図を参照する。図１５の（Ａ）においては、本人分布のデータ点を含む領域Ａ１と、他人分布のデータ点を含む領域Ａ２とをある高さの横線で明確に区切ることはできない。また、図１５の（Ｂ）においても、本人分布のデータ点と、他人分布のデータ点とが同じマハラノビス距離に対応する領域Ｂ１に含まれてしまっている。これらの結果から、ＰＨ分布に対して単純にマハラノビス距離を適用しても、本人分布と他人分布とを明確に区別することができないことが分かる。

このような結果が得られた背景には、マハラノビス距離の特性が関係していると考えられる。既に述べた通り、マハラノビス距離は、分布の広がりを考慮した距離である。しかし、マハラノビス距離で考慮される分布の広がりは、対称分布を想定したものである。そのため、分布の形状が十分に非対称な場合、マハラノビス距離を基準に分布の属性を判定しようとすると、判定誤りが発生してしまうのである。また、図６に示したように、生体認証で用いられる生体情報のＰＨ分布には、本人分布及び他人分布の各々で方向性が観測される。そのため、ＰＨ分布に対して単純にマハラノビス距離を適用しただけでは、認証に用いる閾値を精度良く決定することができない。

（主成分分析による座標変換後のデータプロット）
そこで、本人分布及び他人分布の方向性を考慮するために主成分分析を用いる方法が考案される。図１６には、他人分布の主成分方向に座標変換したＰＨ分布（Ａ）と、他人分布の主成分方向に座標変換したＰＨ分布（Ｂ）とが示されている。図１６に示すように、主成分分析により座標変換を施すと、本人分布のデータ点と他人分布のデータ点とが第１主成分軸に沿って明確に区別できるようになる。

例えば、図１６の（Ａ）を参照すると、他人分布は、第１主成分方向に明確に区別された領域Ａ１、Ａ２のうち、領域Ａ１に全て含まれている。同様に、本人分布は、第１主成分方向に明確に区別された領域Ａ１、Ａ２のうち、領域Ａ２に全て含まれている。また、図１６の（Ｂ）を参照すると、他人分布は、第１主成分方向に明確に区別された領域Ｂ１、Ｂ２のうち、領域Ｂ１に全て含まれている。同様に、本人分布は、第１主成分方向に明確に区別された領域Ｂ１、Ｂ２のうち、領域Ｂ２に全て含まれている。

図１６の結果から理解されるように、本人分布及び他人分布の方向性を考慮することで、両分布を第１主成分方向に明確に区別することができる。しかし、主成分分析だけを用いる場合、分布の広がりが考慮されないことになる。そこで、分布の広がりを考慮するためにマハラノビス距離を適用する方法が考えられる。但し、マハラノビス距離を適用するには、分布の形状を対称にする必要がある。

そこで、本実施形態においては、上記の通り、第１主成分軸にＰＨ分布のデータ点を射影して１次元データを生成し、１次元データに対してマハラノビス距離を適用する方法が提案された。１次元データを用いれば空間的な非対称性（第１主成分軸方向の広がりと第２主成分軸方向の広がりの違い）が無くなるため、マハラノビス距離を正しく適用することができるようになる。

（１次元データに対するマハラノビス距離の本人・他人比較）
上記のように、ＰＨ分布の各データ点を１次元データに変換後、その１次元データに対して分布中心から各データ点までのマハラノビス距離を算出した結果が図１７である。

図１７の（Ａ）は、他人分布中心からＰＨ分布の各データ点に対応する１次元データまでのマハラノビス距離をプロットしたものである。同様に、図１７の（Ｂ）は、本人分布中心からＰＨ分布の各データ点に対応する１次元データまでのマハラノビス距離をプロットしたものである。図１７の（Ａ）を参照すると、本人分布と他人分布とが、あるマハラノビス距離で区分された領域Ａ１、Ａ２に明確に区別されていることが分かる。同様に、図１７の（Ｂ）を参照すると、本人分布と他人分布とが、あるマハラノビス距離で区分された領域Ｂ１、Ｂ２に明確に区別されていることが分かる。

そこで、他人分布の分布中心から測定したマハラノビス距離を縦軸にし、本人分布の分布中心から測定したマハラノビス距離を横軸にして２次元プロットすると、図１８のような分布図が得られる。図１８に示すように、各分布の第１主成分軸方向にデータ点を射影してから算出されたマハラノビス距離の分布は、本人分布と他人分布とを明確に区別できるものとなる。図６に示したＰＨ分布と比較すると、図１８の分布図における本人分布と他人分布との距離が非常に大きいことが理解される。この距離の大きさこそが、生体認証における認証精度の高さを示すものとなる。

このように、本人分布と他人分布との間の統計的な性質を際立たせ、本人と他人との差異をはっきりさせることで、生体認証における認証精度を大きく向上させることができるのである。本実施形態においては、本人分布と他人分布とに現れる方向性の違い、及び各分布の広がりを考慮して統計的な性質を際立たせ、上記のように各分布を明確に区別できるようにする方法が提案された。この方法を用いることにより、生体認証における本人認証精度を格段に向上させる効果が得られる。

［３：判別基準決定装置１１０、生体認証装置１３０のハードウェア構成］
上記の判別基準決定装置１１０、生体認証装置１３０が有する各構成要素の機能は、例えば、図１９に示す情報処理装置のハードウェア構成を用いて実現することが可能である。例えば、各構成要素の機能は、コンピュータプログラムを用いて図１９に示す情報処理装置を制御することにより実現される。なお、ここで示す情報処理装置の形態は任意であり、例えば、パーソナルコンピュータ、携帯電話、ＰＨＳ、ＰＤＡ等の携帯情報端末、ゲーム機、又は種々の情報家電がこれに含まれる。但し、上記のＰＨＳは、Ｐｅｒｓｏｎａｌ Ｈａｎｄｙ−ｐｈｏｎｅ Ｓｙｓｔｅｍの略である。また、上記のＰＤＡは、Ｐｅｒｓｏｎａｌ Ｄｉｇｉｔａｌ Ａｓｓｉｓｔａｎｔの略である。

図１９に示すように、この情報処理装置は、主に、ＣＰＵ９０２と、ＲＯＭ９０４と、ＲＡＭ９０６と、ホストバス９０８と、ブリッジ９１０と、外部バス９１２と、インターフェース９１４と、入力部９１６と、出力部９１８と、記憶部９２０と、ドライブ９２２と、接続ポート９２４と、通信部９２６とにより構成される。但し、上記のＣＰＵは、Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔの略である。また、上記のＲＯＭは、Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙの略である。そして、上記のＲＡＭは、Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙの略である。

ＣＰＵ９０２は、例えば、演算処理装置又は制御装置として機能し、ＲＯＭ９０４、ＲＡＭ９０６、記憶部９２０、又はリムーバブル記録媒体９２８に記録された各種プログラムに基づいて各構成要素の動作全般又はその一部を制御する。ＲＯＭ９０４は、ＣＰＵ９０２に読み込まれるプログラムや演算に用いるデータ等を格納する手段である。ＲＡＭ９０６には、例えば、ＣＰＵ９０２に読み込まれるプログラムや、そのプログラムを実行する際に適宜変化する各種パラメータ等が一時的又は永続的に格納される。

これらの構成要素は、例えば、高速なデータ伝送が可能なホストバス９０８を介して相互に接続される。一方、ホストバス９０８は、例えば、ブリッジ９１０を介して比較的データ伝送速度が低速な外部バス９１２に接続される。また、入力部９１６としては、例えば、マウス、キーボード、タッチパネル、ボタン、スイッチ、及びレバー等が用いられる。さらに、入力部９１６としては、赤外線やその他の電波を利用して制御信号を送信することが可能なリモートコントローラ（以下、リモコン）が用いられることもある。

出力部９１８としては、例えば、ＣＲＴ、ＬＣＤ、ＰＤＰ、又はＥＬＤ等のディスプレイ装置、スピーカ、ヘッドホン等のオーディオ出力装置、プリンタ、携帯電話、又はファクシミリ等、取得した情報を利用者に対して視覚的又は聴覚的に通知することが可能な装置である。但し、上記のＣＲＴは、Ｃａｔｈｏｄｅ Ｒａｙ Ｔｕｂｅの略である。また、上記のＬＣＤは、Ｌｉｑｕｉｄ Ｃｒｙｓｔａｌ Ｄｉｓｐｌａｙの略である。そして、上記のＰＤＰは、Ｐｌａｓｍａ ＤｉｓｐｌａｙＰａｎｅｌの略である。さらに、上記のＥＬＤは、Ｅｌｅｃｔｒｏ−Ｌｕｍｉｎｅｓｃｅｎｃｅ Ｄｉｓｐｌａｙの略である。

記憶部９２０は、各種のデータを格納するための装置である。記憶部９２０としては、例えば、ハードディスクドライブ（ＨＤＤ）等の磁気記憶デバイス、半導体記憶デバイス、光記憶デバイス、又は光磁気記憶デバイス等が用いられる。但し、上記のＨＤＤは、Ｈａｒｄ Ｄｉｓｋ Ｄｒｉｖｅの略である。

ドライブ９２２は、例えば、磁気ディスク、光ディスク、光磁気ディスク、又は半導体メモリ等のリムーバブル記録媒体９２８に記録された情報を読み出し、又はリムーバブル記録媒体９２８に情報を書き込む装置である。リムーバブル記録媒体９２８は、例えば、ＤＶＤメディア、Ｂｌｕ−ｒａｙメディア、ＨＤ ＤＶＤメディア、コンパクトフラッシュ（登録商標）（ＣＦ）、メモリースティック、又はＳＤメモリカード等である。もちろん、リムーバブル記録媒体９２８は、例えば、非接触型ＩＣチップを搭載したＩＣカード、又は電子機器等であってもよい。但し、上記のＣＦは、ＣｏｍｐａｃｔＦｌａｓｈの略である。また、上記のＳＤは、Ｓｅｃｕｒｅ Ｄｉｇｉｔａｌ ｍｅｍｏｒｙ ｃａｒｄの略である。そして、上記のＩＣは、Ｉｎｔｅｇｒａｔｅｄ Ｃｉｒｃｕｉｔの略である。

接続ポート９２４は、例えば、ＵＳＢポート、ＩＥＥＥ１３９４ポート、ＳＣＳＩ、ＲＳ−２３２Ｃポート、又は光オーディオ端子等のような外部接続機器９３０を接続するためのポートである。外部接続機器９３０は、例えば、プリンタ、携帯音楽プレーヤ、デジタルカメラ、デジタルビデオカメラ、又はＩＣレコーダ等である。但し、上記のＵＳＢは、Ｕｎｉｖｅｒｓａｌ Ｓｅｒｉａｌ Ｂｕｓの略である。また、上記のＳＣＳＩは、Ｓｍａｌｌ Ｃｏｍｐｕｔｅｒ Ｓｙｓｔｅｍ Ｉｎｔｅｒｆａｃｅの略である。

通信部９２６は、ネットワーク９３２に接続するための通信デバイスであり、例えば、有線又は無線ＬＡＮ、Ｂｌｕｅｔｏｏｔｈ（登録商標）、又はＷＵＳＢ用の通信カード、光通信用のルータ、ＡＤＳＬ用のルータ、又は各種通信用のモデム等である。また、通信部９２６に接続されるネットワーク９３２は、有線又は無線により接続されたネットワークにより構成され、例えば、インターネット、家庭内ＬＡＮ、赤外線通信、可視光通信、放送、又は衛星通信等である。但し、上記のＬＡＮは、Ｌｏｃａｌ Ａｒｅａ Ｎｅｔｗｏｒｋの略である。また、上記のＷＵＳＢは、Ｗｉｒｅｌｅｓｓ ＵＳＢの略である。そして、上記のＡＤＳＬは、Ａｓｙｍｍｅｔｒｉｃ Ｄｉｇｉｔａｌ Ｓｕｂｓｃｒｉｂｅｒ Ｌｉｎｅの略である。

以上、添付図面を参照しながら本発明の好適な実施形態について説明したが、本発明は係る例に限定されないことは言うまでもない。当業者であれば、特許請求の範囲に記載された範疇内において、各種の変更例または修正例に想到し得ることは明らかであり、それらについても当然に本発明の技術的範囲に属するものと了解される。

例えば、上記実施形態の説明においては、生体情報を画素相関値及びハフ相関値に変換し、この２次元相関データの分布を用いて本人認証を精度良く行う方法が提案された。しかし、本実施形態に係る技術の適用範囲はこれに限定されない。例えば、生体情報をＮ次元（Ｎ≧３）の特徴量データの分布に変換し、その分布に対して本実施形態の技術を適用することもできる。この場合、Ｎ次元の特徴量データは、第１主成分軸上に射影されて１次元データに変換される。そして、１次元データに対してマハラノビス距離が算出され、算出されたマハラノビス距離の分布に基づいて判別基準値が算出される。さらに、入力データ、登録データに対しても第１主成分軸への射影、マハラノビス距離の算出が行われ、判別基準値に基づいて本人認証が行われる。このように、本実施形態の技術は、３次元以上のデータ分布に対しても同様に適用可能である。

１０ 生体認証システム
１００ 生体認証センサ
１０２ ＬＥＤ
１０４ 撮像素子
１１０ 判別基準決定装置
１１２ 記憶部
１１４ 相関計算部
１１６ 主成分分析部
１１８ マハラノビス距離計算部
１２０ 閾値直線決定部
１３０ 生体認証装置
１３２ 相関計算部
１３４ マハラノビス距離計算部
１３６ 本人判定部
１３８ 記憶部
ＦＧ 指
Ｌ１１ 照射光
Ｌ１３ 散乱光
Ｖ 静脈

Claims (11)

1. 複数の生体サンプルから取得された生体パターンの相関に関する複数次元の相関データを主成分分析し、同一の生体サンプルに関する相関データ分布の第１主成分軸、及び異なる生体サンプルに関する相関データ分布の第１主成分軸を決定する主成分分析部と、
   前記複数次元の相関データを前記主成分分析部で決定された各分布の第１主成分軸に射影させて前記各分布に関する１次元データを生成する１次元データ生成部と、
   前記各分布の第１主成分軸上で当該各分布の分布中心から前記１次元データの各点までのマハラノビス距離を算出するマハラノビス距離算出部と、
   前記複数の生体サンプルに関して前記マハラノビス距離算出部で算出された前記各分布のマハラノビス距離に基づき、前記同一の生体サンプルと前記異なる生体サンプルとを判別するためのマハラノビス距離に関する判別基準値を決定する判別基準値決定部と、
   を備える、生体認証用装置。
2. 前記複数の生体サンプルから取得された生体パターンについて当該各生体パターンの特徴点配置に関する第１相関値と、当該各生体パターンの特徴点を結ぶ線分の傾きに関する第２相関値とが記録されたサンプルデータ記憶部をさらに備え、
   前記主成分分析部は、前記サンプルデータ記憶部に記録された第１相関値及び第２相関値の組を前記複数次元の相関データとして主成分分析する、請求項１に記載の生体認証用装置。
3. 前記１次元データ生成部は、
   前記複数次元の相関データに対し、前記第１主成分軸を１つの座標軸とする座標系に座標変換を施す座標変換部と、
   前記座標変換部により座標変換が施された前記複数次元の相関データから、前記第１主成分軸の成分を抽出して１次元データを生成する第１主成分抽出部と、
   を含む、請求項２に記載の生体認証用装置。
4. 前記生体パターンは、静脈パターン、指紋パターン、虹彩パターンのいずれか又は複数の組み合わせである、請求項１に記載の生体認証用装置。
5. 所定の生体部位から生体パターンを取得する生体認証センサと、
   登録済みの生体パターンが記録された登録パターン記憶部と、
   複数の生体サンプルから取得された生体パターンの相関に関する複数次元の第１相関データを主成分分析して決定される同一の生体サンプルに関する相関データ分布の第１主成分軸及び異なる生体サンプルに関する相関データ分布の第１主成分軸に対し、
   前記生体認証センサで取得された生体パターンと前記登録パターン記憶部に記録された生体パターンとの相関に関する複数次元の第２相関データを射影させて前記各分布に関する１次元データを生成する１次元データ生成部と、
   前記各分布の第１主成分軸上で当該各分布の分布中心から、前記１次元データ生成部で生成された１次元データまでのマハラノビス距離を算出するマハラノビス距離算出部と、
   前記マハラノビス距離算出部で算出されたマハラノビス距離に基づいて前記生体認証センサで取得された生体パターンと前記登録パターン記憶部に記録された生体パターンとの間の類似性を判定する類似性判定部と、
   を備える、生体認証装置。
6. 複数の生体サンプルから取得された生体パターンの相関に関する複数次元の第１相関データを主成分分析し、同一の生体サンプルに関する相関データ分布の第１主成分軸、及び異なる生体サンプルに関する相関データ分布の第１主成分軸を決定する主成分分析部と、
   前記複数次元の第１相関データを前記主成分分析部で決定された各分布の第１主成分軸に射影させて前記各分布に関する第１の１次元データを生成する第１の１次元データ生成部と、
   前記各分布の第１主成分軸上で当該各分布の分布中心から前記第１の１次元データの各点までの第１のマハラノビス距離を算出する第１のマハラノビス距離算出部と、
   前記複数の生体サンプルに関して前記第１のマハラノビス距離算出部で算出された前記各分布の第１のマハラノビス距離に基づき、前記同一の生体サンプルと前記異なる生体サンプルとを判別するためのマハラノビス距離に関する判別基準値を決定する判別基準値決定部と、
   を有する、生体認証用装置と；
   所定の生体部位から生体パターンを取得する生体認証センサと、
   登録済みの生体パターンが記録された登録パターン記憶部と、
   前記同一の生体サンプルに関する相関データ分布の第１主成分軸、及び前記異なる生体サンプルに関する相関データ分布の第１主成分軸に対し、
   前記生体認証センサで取得された生体パターンと前記登録パターン記憶部に記録された生体パターンとの相関に関する複数次元の第２相関データを射影させて前記各分布に関する第２の１次元データを生成する第２の１次元データ生成部と、
   前記各分布の第１主成分軸上で当該各分布の分布中心から、前記第２の１次元データまでの第２のマハラノビス距離を算出する第２のマハラノビス距離算出部と、
   前記第２のマハラノビス距離算出部で算出された第２のマハラノビス距離及び前記判別基準値決定部で決定された判別基準値に基づいて前記生体認証センサで取得された生体パターンと前記登録パターン記憶部に記録された生体パターンとの間の類似性を判定する類似性判定部と、
   を有する、生体認証装置と；
   を含む、生体認証システム。
7. 複数の生体サンプルから取得された生体パターンの相関に関する複数次元の相関データを主成分分析し、同一の生体サンプルに関する相関データ分布の第１主成分軸、及び異なる生体サンプルに関する相関データ分布の第１主成分軸を決定する主成分分析ステップと、
   前記複数次元の相関データを前記主成分分析ステップで決定された各分布の第１主成分軸に射影させて前記各分布に関する１次元データを生成する１次元データ生成ステップと、
   前記各分布の第１主成分軸上で当該各分布の分布中心から前記１次元データの各点までのマハラノビス距離を算出するマハラノビス距離算出ステップと、
   前記複数の生体サンプルに関して前記マハラノビス距離算出ステップで算出された前記各分布のマハラノビス距離に基づき、前記同一の生体サンプルと前記異なる生体サンプルとを判別するためのマハラノビス距離に関する判別基準値を決定する判別基準値決定ステップと、
   を含む、判別基準決定方法。
8. 複数の生体サンプルから取得された生体パターンの相関に関する複数次元の第１相関データを主成分分析して決定される同一の生体サンプルに関する相関データ分布の第１主成分軸及び異なる生体サンプルに関する相関データ分布の第１主成分軸に対し、
   所定の生体部位から生体パターンを取得するための生体認証センサを用いて取得された生体パターンと登録済みの生体パターンとの相関に関する複数次元の第２相関データを射影させて前記各分布に関する１次元データを生成する１次元データ生成ステップと、
   前記各分布の第１主成分軸上で当該各分布の分布中心から、前記１次元データ生成ステップで生成された１次元データまでのマハラノビス距離を算出するマハラノビス距離算出ステップと、
   前記マハラノビス距離算出ステップで算出されたマハラノビス距離に基づいて前記生体認証センサを用いて取得された生体パターンと前記登録済みの生体パターンとの間の類似性を判定する類似性判定ステップと、
   を含む、生体認証方法。
9. 複数の生体サンプルから取得された生体パターンの相関に関する複数次元の第１相関データを主成分分析し、同一の生体サンプルに関する相関データ分布の第１主成分軸、及び異なる生体サンプルに関する相関データ分布の第１主成分軸を決定する主成分分析ステップと、
   前記複数次元の第１相関データを前記主成分分析ステップで決定された各分布の第１主成分軸に射影させて前記各分布に関する第１の１次元データを生成する第１の１次元データ生成ステップと、
   前記各分布の第１主成分軸上で当該各分布の分布中心から前記第１の１次元データの各点までの第１のマハラノビス距離を算出する第１のマハラノビス距離算出ステップと、
   前記複数の生体サンプルに関して前記第１のマハラノビス距離算出ステップで算出された前記各分布の第１のマハラノビス距離に基づき、前記同一の生体サンプルと前記異なる生体サンプルとを判別するためのマハラノビス距離に関する判別基準値を決定する判別基準値決定ステップと、
   前記同一の生体サンプルに関する相関データ分布の第１主成分軸、及び前記異なる生体サンプルに関する相関データ分布の第１主成分軸に対し、
   所定の生体部位から生体パターンを取得するための生体認証センサを用いて取得された生体パターンと登録済みの生体パターンとの相関に関する複数次元の第２相関データを射影させて前記各分布に関する第２の１次元データを生成する第２の１次元データ生成ステップと、
   前記各分布の第１主成分軸上で当該各分布の分布中心から、前記第２の１次元データまでの第２のマハラノビス距離を算出する第２のマハラノビス距離算出ステップと、
   前記第２のマハラノビス距離算出ステップで算出された第２のマハラノビス距離及び前記判別基準値決定ステップで決定された判別基準値に基づいて前記生体認証センサを用いて取得された生体パターンと前記登録済みの生体パターンとの間の類似性を判定する類似性判定ステップと、
   を含む、生体認証方法。
10. 複数の生体サンプルから取得された生体パターンの相関に関する複数次元の相関データを主成分分析し、同一の生体サンプルに関する相関データ分布の第１主成分軸、及び異なる生体サンプルに関する相関データ分布の第１主成分軸を決定する主成分分析機能と、
    前記複数次元の相関データを前記主成分分析機能で決定された各分布の第１主成分軸に射影させて前記各分布に関する１次元データを生成する１次元データ生成機能と、
    前記各分布の第１主成分軸上で当該各分布の分布中心から前記１次元データの各点までのマハラノビス距離を算出するマハラノビス距離算出機能と、
    前記複数の生体サンプルに関して前記マハラノビス距離算出機能で算出された前記各分布のマハラノビス距離に基づき、前記同一の生体サンプルと前記異なる生体サンプルとを判別するためのマハラノビス距離に関する判別基準値を決定する判別基準値決定機能と、
    をコンピュータに実現させるためのプログラム。
11. 複数の生体サンプルから取得された生体パターンの相関に関する複数次元の第１相関データを主成分分析して決定される同一の生体サンプルに関する相関データ分布の第１主成分軸及び異なる生体サンプルに関する相関データ分布の第１主成分軸に対し、
    所定の生体部位から生体パターンを取得するための生体認証センサを用いて取得された生体パターンと登録済みの生体パターンとの相関に関する複数次元の第２相関データを射影させて前記各分布に関する１次元データを生成する１次元データ生成機能と、
    前記各分布の第１主成分軸上で当該各分布の分布中心から、前記１次元データ生成機能で生成された１次元データまでのマハラノビス距離を算出するマハラノビス距離算出機能と、
    前記マハラノビス距離算出機能で算出されたマハラノビス距離に基づいて前記生体認証センサを用いて取得された生体パターンと前記登録済みの生体パターンとの間の類似性を判定する類似性判定機能と、
    をコンピュータに実現させるためのプログラム。

Images