WO2006025129A1

WO2006025129A1 - 個人認証装置

Info

Publication number: WO2006025129A1
Application number: PCT/JP2005/004214
Authority: WO
Inventors: Kiyomi Nakamura; Hironobu Takano
Original assignee: Toyama Prefecture
Current assignee: Toyama Prefecture
Priority date: 2004-08-30
Filing date: 2005-03-10
Publication date: 2006-03-09
Anticipated expiration: 2007-02-28

Abstract

　人の虹彩画像を認識して、正確に高精度で高速に個人の識別と認証を行うことができ、情報システムやその他の管理業務に利用することができる個人認証装置を提供する。　動画撮像可能なカメラ１４により撮像し、目１０の虹彩１２もしくは瞳孔２７部分を検知する虹彩・瞳孔検出手段を有する。検出した虹彩模様を捉える虹彩模様取得手段と、虹彩模様の回転方位と形状を回転拡散型ニューラルネットワークにより変換してベクトル情報として学習・記憶する記憶変換手段を備える。記憶変換手段により変換して学習・記憶した虹彩模様のベクトル情報に対して、同様に画像取得した任意の虹彩模様を同様に記憶変換手段により回転拡散型ニューラルネットワークで変換したベクトル情報と比較する虹彩模様形状判定手段を備える。形状判定は、互いに比較する前記各ベクトル情報の方位を認識して補正し、各ベクトル情報の内積と最小距離の少なくとも一方を求めて、各ベクトル情報の一致・不一致を判断して個人識別を行う。

Description

明細書

個人認証装置

技術分野

[0001] この発明は、人の目の虹彩模様を取得して個人を識別し認証可能とするもので、特に-ユーラルネットワークを利用した個人認証装置に関する。

背景技術

[0002] 従来、コンピュータ技術やインターネットの発展とともに、コンピュータが企業のみならず一般の家庭でも広く使われるようになり、セキュリティに関する要求が高まっている。さらに、国際的な犯罪の増加や各種施設における安全対策のため、指紋や顔などの肉体的特徴を用いて個人を識別する研究が盛んに行われている。近年、肉体的特徴を用いた個人識別 (バイオメトリタス認証)のための情報として、虹彩が注目されている。虹彩は、妊娠 7、 8力月で作られ始めて、誕生後の 2年間で安定する。虹彩の構成は、色素や筋肉によって複雑なランダムパターンができあがつていて、一卵性双生児や同一人物の左眼、右眼でも虹彩パターンが異なる。虹彩による個人識別の利点として、誕生後の 2年間で安定し、それ以降、変化することはないため再登録の必要がなぐ偽造も困難である。また、指や顔よりも怪我の可能性が低い点等が挙げられる。従って、虹彩認識は、パーソナルコンピュータや携帯電話のパスワード、入退出のゲート管理などにおけるセキュリティシステムとして期待できる。

[0003] 従来の虹彩認識に用いられる手法としては、特許文献 1一 6に開示されているように、虹彩模様のパターンマッチング法がある。特許文献 1は、虹彩認識において、瞳孔と虹彩の中心位置と径を検出して目位置を特定する方法を開示している。特許文献 2は、虹彩認識において、人の目の特定領域の濃度を抽出してなりすましを判定する方法を開示している。特許文献 3は、虹彩認識において、眼球の運動等により生体の虹彩であるか否かを検知する虹彩認証装置を開示している。特許文献 4は、虹彩認識において、被識別者の位置測定後、その被識別者が動いても虹彩撮像を可能にした虹彩撮像装置を開示している。特許文献 5は、虹彩認識において、離れた位置に!/ヽる被識別者の虹彩を撮像し識別可能にした個人識別装置を開示してヽる。特許文献 6は、虹彩認識において、被識別者のシルエットから目の位置を探索して虹彩画像の撮像を可能にした虹彩画像取得装置を開示している。

[0004] しかし、虹彩認識に用いられている従来のパターンマッチング法は、虹彩が円形であることから、認識虹彩の回転に対して脆弱であり、認識時に登録画像とマッチングさせるため認識に時間が力かるという問題があった。また、システム利用の際に、被験者が目をシステムの指定位置に合わせる必要があった。このことは、虹彩認識システムを小型化し、 PCや携帯電話のパスワード等として利用する際には非常に問題となる。

[0005] 一方、脳の空間認識'記憶系（頭頂連合野)の情報処理過程に着目して、非特許文献 1, 2に開示されているように、物体の回転方位と形状を認識できる回転拡散型ニューラルネットワークが、本願発明者等によって発表されている。この回転拡散型ニューラルネットワークは、極座標変換を行うため、虹彩のような同心円状パターンの形状と回転方位認識に適している。また、方位不変の形状認識と形状不変の方位認識が同時に可能である。さらに、学習（登録）時に記憶行列を作成しているため、認識時間が非常に短いという特徴がある。

特許文献 1：特開 2004— 21406号公報

特許文献 2：特開 2002-312772号公報

特許文献 3：特開 2001—34754号公報

特許文献 4：特開 2000— 11163号公報

特許文献 5 :特開平 10- 137220号公報

特許文献 6 :特開平 10- 137219号公報

非特許文献 1：電子情報通信学会論文誌

,D-II,VOL.J81-D-II,No.6,pp.ll94-1204,1998

非特許文献 2：電子情報通信学会信学技報, NC2002-207,pp.25-30,2003 発明の開示

発明が解決しょうとする課題

[0006] し力しながら、従来の回転拡散型-ユーラルネットワークでは、静止画による文字や顔認識を行うもので、静止画を用いたオフライン処理での認識に利用用途が限定され、実用性に劣るものであった。また、実用上において認識時に虹彩模様の回転方位を学習（登録)画像と同じ方位で撮像することは不可能である。従って、実際に認識に用いる虹彩画像には回転補正がされて！/、な！/、ため、実用可能な精度の認識率を得るまでに至っていないものであった。さらに、未登録の虹彩模様に対する識別（拒否)率が調査、検証されておらず、個人認証装置に応用するには不十分であった

[0007] この発明は、上記従来の技術の問題点に鑑みて成されたもので、人の虹彩画像を認識して、正確に高精度で高速に個人の識別と認証を行うことができ、情報システムやその他の管理業務に広く利用することができる個人認証装置を提供することを目的とする。

課題を解決するための手段

[0008] この発明は、動画撮像可能なカメラと、このカメラにより撮像した画像を所定周期で記憶する記憶装置とを備え、前記カメラにより撮像した人の顔の画像情報を、人の目の虹彩もしくは瞳孔の大きさの範囲内に入るテンプレートと比較しながらスキャンし、目の虹彩もしくは瞳孔部分を検知する虹彩 ·瞳孔検出手段と、この虹彩'瞳孔検出手段により検出した虹彩模様を捉える虹彩模様取得手段と、前記虹彩模様の回転方位と形状を、極座標変換した画像に周期的なガウス関数を乗じて拡散パターンを作製する回転拡散型-ユーラルネットワークにより変換して、前記虹彩模様の回転方位と形状をベクトル情報として学習，記憶する記憶変換手段と、前記記憶変換手段により変換して学習 '記憶した虹彩模様のベクトル情報に対して、同様に画像取得した任意の虹彩模様を上記と同様に前記記憶変換手段により前記回転拡散型ニューラルネットワークにより変換したベクトル情報と比較する虹彩模様形状判定手段とを備え、前記虹彩模様形状判定手段による形状判定は、互いに比較する前記各ベクトル情報の方位を認識して補正し、前記ベクトル情報に方位記憶行列及び形状記憶行列を形成させ、前記回転拡散型-ユーラルネットワークの出力である方位認識-ユーロン及び形状認識-ユーロンを得て、各認識対象虹彩の形状認識-ユーロンにっ、て、それぞれ記憶した形状認識-ユーロンを対応させて形状認識を行う個人認証装置である。 [0009] 前記虹彩模様取得手段による学習時に、虹彩の所定の 0° 方位の原画像またはその極座標変換画像をベクトル情報として登録し、認識時には、前記虹彩模様形状判定手段により、任意方位で入力された虹彩画像を、前記回転拡散型ニューラルネットワークで得られた認識方位を用いて補正し、原画像またはその極座標変換画像をべタトル情報として前記回転拡散型-ユーラルネットワーク出力を求め、あらかじめ設定された閾値と比較するものである。

[0010] さらに、前記虹彩模様取得手段は、ラベリングによる瞳孔中心位置検出手段と、最小 2乗法による中心補正、ラプラシアンフィルタを用いた虹彩端検出手段、線間補正を用いた虹彩サイズの規格ィ匕手段を有するものである。

[0011] 前記各ベクトル情報の内積と最小距離の少なくとも一方を求めて、各ベクトル情報の一致 ·不一致をあらかじめ設定された閾値と比較して判断し個人識別を行うものである。

[0012] 前記虹彩模様取得手段は、瞳孔反応を起こさせるフラッシュ光発光装置と、撮像用の赤外線光源と、前記カメラのレンズに取り付けられた赤外線透過フィルタとを備え、瞳孔の大きさがほぼ一定の状態で虹彩画像を取得するものである。さらに、前記虹彩模様取得手段は、瞳孔径の時間変化を連続的に計測するものであり、写真などの静止画像を用いたなりすましに対応可能としたものである。

[0013] また、前記虹彩模様形状判定手段による形状判定における方位の補正は、前記回転拡散型-ユーラルネットワークにより認識した方位の補正に代えて、認識に使用する虹彩の拡散パターンと学習した複数の方位の拡散パターンとを用いて、前記各べタトル情報の内積と最小距離の少なくとも一方を求めて、ベクトル合成することにより、入力方位を認識し、方位補正するものである。

[0014] 前記虹彩模様取得手段は、認識する人の顔や目の位置を、間引きによる低解像度画像で検索し、目の位置を特定した後、高解像度の画像で虹彩の領域を検出するものでも良い。

[0015] また、人の目を含む画像の一定領域の各画素値を測定し平均輝度を求め、これを一定値に規格ィ匕して虹彩の輝度を設定するものである。さら〖こ、測定者の瞳孔と虹彩の輝度平均と標準偏差を求め、標準偏差の比により決定された 2値ィ匕閾値により瞳孔と虹彩を決定する個人認証装置である。

[0016] また、フラッシュ光の照射により生じる対光反射時の瞳孔径変化を計測し、その最大瞳孔径と最小瞳孔径の差もしくは比率から生体反応を検出し、この差もしくは比率が基準値以下であれば測定した虹彩画像はなりすましであると判定する個人認証装置である。

発明の効果

[0017] この発明の個人認証装置は、虹彩模様を利用して正確に迅速に個人識別を行うことができ、認証時の対象者の負担も少なぐ虹彩の偽造によるなりすましも、確実に防止することができる。特に、虹彩模様の回転および位置ずれを補正することができるため、本認証装置の設置状況など使用形態に制限されないものである。

図面の簡単な説明

[0018] [図 1]この発明の一実施形態の個人認証装置の機器構成を示す概略図である。

[図 2]この実施形態の個人認証装置に用いられる回転拡散型-ユーラルネットワークを示す概念図である。

[図 3]この実施形態の個人認証装置に用いられる回転拡散型-ユーラルネットワークの画像変換を示す概念説明図である。

[図 4]この実施形態の個人認証装置に用いられる回転拡散型-ユーラルネットワークを利用した虹彩画像取得を示す概略フローチャートである。

[図 5]この実施形態の個人認証装置のフラッシュ照射による瞳孔径の変化を示すダラフである。

[図 6]この実施形態の個人認証装置による虹彩画像取得における目とテンプレートを示す正面図である。

[図 7]この実施形態の個人認証装置のラベリングを示す模式図である。

[図 8]この実施形態の個人認証装置による虹彩画像取得時のディスプレイ画面を示す正面図である。

[図 9]この実施形態の個人認証装置による虹彩画像取得のための平均輝度を求めるための画像を示す正面図である。

[図 10]この実施形態の個人認証装置による虹彩画像取得における虹彩と瞳孔の輝度値と累積画素数を示すグラフである。

[図 11]この実施形態の個人認証装置の処理を示す概略フローチャートである。

圆 12]この実施形態の個人認証装置による処理に用いる内積と最小距離の関係を示すベクトル図である。

圆 13]この実施形態の個人認証装置の認識処理を示すフローチャートである。

圆 14]この実施形態の個人認証装置の認識処理におけるなりすまし判定のフローチヤートである。

圆 15]この発明の個人認証装置の一実施例に用いる虹彩模様を認識するための目の画像である。

[図 16]この発明の個人認証装置の一実施例による認識実験結果の方位認識特性 (a )と、形状認識特性 (b)を示すグラフである。

圆 17]この発明の個人認証装置の一実施例により、 5人でリアルタイム認識実験を行つたときの方位認識特性 (a)と、形状認識特性 (b)を示すグラフである。

圆 18]この発明の個人認証装置の一実施例により、形状認識-ユーロン出力による本人拒否率と他人受け入れ率を示すグラフである。

圆 19]この発明の個人認証装置の一実施例により、内積を判断基準として用いた本人拒否率と他人受け入れ率を示すグラフである。

圆 20]この発明の個人認証装置の一実施例により、最小距離を判断基準として用いた本人拒否率と他人受け入れ率を示すグラフである。

符号の説明

10 巨

12 虹彩

14 カメラ

15 レンズ

16 コンピュータ

18 ディスプレイ

20 近赤外投光器

22 フラッシュ光発光装置 24 赤外線透過フィルタ

26 テンプレート

27 瞳孔

発明を実施するための最良の形態

[0020] 以下、この発明の個人認証装置の第一実施形態について、図 1一図 15を基にして説明する。この実施形態の個人認証装置は回転拡散型-ユーラルネットワークを利用しているものであり、まず、この回転拡散型-ユーラルネットワークについて簡単に説明する。回転拡散型-ユーラルネットワークは、極座標変換した画像に回転方位で周期的なガウス関数を乗じて拡散パターンを作製したもので、物体の回転角度を認識する方位認識系と物体の形状を認識する形状認識系から構成されている。この実施形態の回転拡散型-ユーラルネットワークの概念図を図 2に示す。このネットワークの方位認識記憶系-ユーロン (方位認識-ユーロン）は、例えば円周上に 12° 毎に 3 0個配置され、形状認識記憶系の-ユーロン (形状認識-ユーロン）は適宜の数、例えば 10個とし、それぞれの物体の形状に対応している。

[0021] この回転拡散型-ユーラルネットワークは、原画像力生成された極座標上での変換画像を拡散層に入力し、周囲空間に回転の情報を拡散させる。そして、拡散層の出力である拡散パターンを用いて物体方位と形状の認識を行う。この発明では、慣用的に用いられている非回転状態と、数学の直交座標系の一般的な xy平面における回転の基準点 (例えば原点から (X, y) = ( l , 0)を指す位置ベクトル)を一致させるため、座標系を 90° 反時計回りに回転させた。図 3の説明図に示すように直交座標上の点（X, y)は、極座標上の点（R, Θ )に対応し、 x=Rcos Θ 、 y=Rsin Θである。物体方位は、非回転状態を回転角度 0° とし、非回転状態から反時計方向への回転角度として定義する。また、物体方位認識では物体の位置ずれが問題となるが、これに対する対策は別の方法により物体の位置ずれを補正できる。従って、物体方位認識では、図形 (物体)は画像中心に位置し、物体の回転中心と原画像の xy座標上での原点は一致する。

[0022] 図 3の説明図では、学習および想起に用いた原画像 (アラビア数字の 1)は 480 X 4 80ドットの 2値画像であるとして、原画像を一定の半径と角度で極座標上で分割し、作成された画像を変換画像とする。図 3は、これによる回転角度 0° のアラビア数字 1 と、その変換画像の例を示す。物体方位認識は、物体位置認識がすでに行われているという前提のもとに行い、物体の位置ずれの影響はないものと考える。変換画像の生成は式（1)で行う。

[数 1]

9

Γ_{ι θ} ^∑ ∑ I ( x _{i jt} Y i j) ( l )

/=0

[0023] ここで、 I(x，y )は原画像の中心を原点とした xy座標上の点（x =Rcos Θ，y =Rsin Θ

ij ϋ ϋ ϋ

)の画素値、 T は変換画像上の座標 (r, Θ )における画素値である。式（1)は、原画像に対し半径 200ドットを 20に、角度は 3° 毎に分割し、さらに、その境界線で囲まれる小領域を 10 X 10に分割し、各々の点の値を調べ、それらを合計したものを変換画像の 1要素の値として用いることを示す。このため，変換画像の 1要素は 0— 100 の値を持ち、 rは 1一 20, Θは 1一 120の整数値の範囲をとる。図 3は、変換画像の座標 (r, Θ )における画素値 T を求めるにあたり、対応する原画像上の半径 10ドット X角度 3° の小領域を 10 X 10に分割し、その分割された各点を (X ,y )で表し、画素値 I(x ,y )の合計を計算する様子を示す。

[0024] 一方、図 2に示すこの実施形態の回転拡散型-ユーラルネットワークの場合は、まず 300 X 300ピクセルの入力パターンを、瞳孔（中心）部分を除いた 25 X 120ピクセルの極座標上の画像に変換する。次に、極座標変換画像を拡散層に入力して、ベタトル情報である拡散パターンを得る。この拡散パターンに方位記憶行列、及び形状記憶行列を作用させることによって、方位認識-ユーロン出力及び形状認識-ユーロン出力を得る。得られた 30個の方位認識-ユーロンの出力力もポピュレーションべクタ法を用いて方位を認識する。また、形状認識は各認識物体にそれぞれ異なる形状認識-ユーロンを 1対 1に対応させ、これらの-ユーロンの最大出力により形状認識を行う。

[0025] この回転拡散型ニューラルネットワークの動作は、まず記銘過程では回転拡散型二ユーラルネットワークで直交学習法を用いて学習を行う。学習パターン数は、学習虹彩数 X学習方位数によって決定し、例えば 10人の虹彩の場合、 10 (虹彩） X 6 (方位） = 60 (パターン)である。記憶を形成する記銘過程では、式（2)—（7)により学習用変換画像の拡散パターン Vと方位認識-ユーロンの教師信号 TOおよび形状認識ニューロンの教師信号 TFとの間で学習を行い、方位記憶行列 Mおよび形状記憶

o

行列 Mを生成した。

F

[数 2]

「V (1) V (2) (60 )

[数 3]

[数 4]

Μ = ΤΟΧ

[数 5]

TO = [TO ^(,), TO (2) To (60)] ₍₅

[数 6]

[数 7]

TF - [TF ⁽¹⁾ TF (2) TF (60 )

] (7) 次に、記憶を呼び起こす想起 (認識)過程では、任意の方位における入力虹彩画像の変換画像を拡散層に入力し、その出力である拡散パターン Vと方位記憶行列 M の積により方位認識-ユーロン出力 YOを、拡散パターン Vと形状記憶行列 Mの積

O F により形状認識-ユーロン出力 YFを得る（式 (8)、（9) )。

[数 8]

YO = M 。 V ( 8 )

[数 9]

YF = M _F V ( 9 )

[0027] 次に、この発明の一実施形態のシステム構成図を図 1に示す。このシステムは、人の目 10の虹彩 12を撮影するための動画撮像可能な小型カメラ 14とレンズ 15、撮像した虹彩画像を取り込むコンピュータ 16、及びディスプレイ 18を有する。コンピュータ 16の本体には、 CPUに画像データを取り込むための画像入力ボード、虹彩画像を操作 '処理するための DLL (Dynamic Link Library)、その他記憶装置等を備える。また、小型カメラ 14には、虹彩模様を鮮明に撮影するための赤外線光源である近赤外投光器 20、瞳孔反射を引き起こすためのフラッシュ光発光装置 22、虹彩 12に映る可視光ノイズをカットするためのプラスティック赤外線透過フィルタ 24が取り付けられている。

[0028] 発光装置 22は、コンピュータ 16の画像入力ボードからの外部トリガ出力信号に同期して、任意のタイミング (フレーム単位)で発光可能である。入力画像は、 640 X 48 0ピクセルの 256階調のグレイスケール画像である。このシステムは、約 13フレーム Z sでのリアルタイム画像取り込みが可能である。なお、コンピュータ 16とその OSは、巿販のパーソナルコンピュータを利用した。

[0029] 次に、この発明の一実施形態の虹彩認識システムの処理フローを、図 4のフローチヤートに示す。まず小型カメラ 14で認識対象の人の目 10を撮影する（slO)。次に、撮像フレーム数が 19フレーム、または 50n+ 19フレーム（n= l, 2· · ·)の時に、撮像した虹彩径の初期化を行う（si 1)。次に、フレーム数が 20フレーム、または 50n+ 20 フレーム一 50n+ 20+nフレーム（n= l, 2· · ·)の間、目 10に、フラッシュ光発光装置 22によりフラッシュ光を当てる（sl2)。このシステムでは図 5に示すように、瞳孔反応を利用して、瞳孔径が一定瞳孔サイズ（2. 9mm— 3. Omm)時の虹彩 12の画像を取得する。虹彩画像を取得するために、図 9に示すような目 10を含む一定領域の平均輝度を用いて一定輝度に規格化し、図 6に示すような片目部分テンプレート 26 により、撮像した顔画像の中から瞳孔 27部分を検出する（sl3)。そして、片目部分テンプレートによって検出された部分が瞳孔 27であるかどうかを、既存の判定法であるラベリングを用いて判定する（sl4)。ラベリングは、図 7に示すように、つながつているすべての画素 (連結成分）に同じラベル (番号)を付け、異なった連結成分には異なつた番号を付けることにより、虹彩等の特定部位を検出する方法である。

[0030] 検出した部位が瞳孔であると判断された場合、瞳孔中心と瞳孔径、瞳孔面積を同時に計測し瞳孔検出が終了する（sl5)。瞳孔検出後、最小 2乗法を用いて上記ラベリングによって計測された瞳孔中心を補正する。瞳孔中心補正後、虹彩径の初期化が行われて、る場合は虹彩径を測定し、初期化が行われて、な、場合は前回測定した値をそのまま使用する（si 6)。さらに、虹彩径の測定において、ラプラシアン処理を行う。瞳孔を抜力した各半径において、右虹彩は瞳中心から上方を 0° として、反時計回りを +として、角度— 75° —— 135° 、左虹彩は角度 75° — 135° まで、 1° ごとの画素値を足し合わせる。累積画素値が最大の部分をそれぞれ虹彩右端と虹彩左端とする。

[0031] 次に、虹彩径が人によらずほぼ一定であることを利用して、虹彩 12と瞳孔の画像上の計測サイズ (ピクセル）の相対比率力導出した瞳孔の直径が 2. 9mm— 3. Omm の時の画像を基準画像として取得する（si 7)。ここで、瞳孔の直径を 2. 9mm— 3. 0 mmとしたのは、虹彩画像取得を円滑にするため多少のサイズ誤差を許容するためである。図 8に虹彩画像取得時のディスプレイ 18の画面を示す。得られた画像から、瞳孔を中心として 300 X 300ピクセルの画像を切り出す (sl8)。虹彩、瞳孔の画像上の計測サイズはカメラ 14からの距離やズームによって変化するので、虹彩サイズを一定にするため、公知の線形補間法を用いてサイズの規格ィ匕を行う。また、周辺の光環境の影響を低減させるため、複数の画像の平均輝度を求めて修正係数を設定し、輝度の規格化を行う（sl9)。この規格化画像を、基準虹彩パターン (回転拡散型-ュ一ラルネットワークの入力画像）とし（s20)、回転拡散型-ユーラルネットワークによつて基準虹彩パターンの学習記憶を行う。

[0032] ここで、瞳孔および虹彩検出のための輝度の規格ィ匕基準の決定方法について述ベる。ここでは、図 9に示すように、目を含む画像の一定領域 Aの各画素値を測定し平均輝度を求め、これを各測定画像について一定値に規格ィ匕することにより、各測定者毎の取得画像の輝度のばらつきをなくしたものである。領域 Aの平均輝度を測定したのは、輝度の規格ィ匕後でも強膜、虹彩、瞳孔が鮮明になるようにするために、強膜、虹彩、瞳孔のうち中間輝度を持つ虹彩の輝度を 256段階表示の中間に設定するためである。内側の線で囲まれた範囲 Bは、瞳孔検出範囲である。

[0033] さらに、瞳孔検出のための 2値ィ匕閾値の決定方法について述べる。輝度の規格ィ匕後に、虹彩と瞳孔の輝度を測定する。測定方法は、輝度の規格ィ匕基準を決定したときと同様である。最適な 2値ィ匕閾値は、複数の測定者の瞳孔と虹彩の輝度平均と標準偏差を求め、標準偏差の比から決定する。閾値 Yは以下の式で決定する。

Y= (AV -AV ) - SD / (SD +SD ) +AV

2 1 1 1 2 1

ここで、 AVは、瞳孔輝度の平均、 AVは、虹彩輝度の平均、 SDは、瞳孔輝度の標

1 2 1

準偏差、 SD

2は、虹彩輝度の標準偏差である。

[0034] 輝度の規格ィ匕後の全被験者のデータを用いて、各輝度値に対する累積画素数のグラフを図 10に示す。図 10によれば 2値ィ匕閾値によって虹彩輝度と瞳孔輝度が明確に分けられていることが分かる。これにより、片目テンプレートで瞳孔の中心が検出され、瞳孔端'虹彩端が正確に検出される。

[0035] 一方、他の人物の虹彩の認識時の虹彩入力パターンも、基準虹彩パターン取得時と同様の手順で得る。得られた画像を用いて、形状認識により個人識別を行う。本システムでは正規ィ匕拡散パターンを使用して、上述の回転拡散型-ユーラルネットヮークによる学習及び認識を行う。

[0036] さらに、この発明では未学習虹彩の識別精度を上げるために、新たに形状認識判定基準を追加した。新たな形状認識判定基準には、ベクトルの類似性を調査するのによく使われる内積（Inner product)と最小距離（Minimum distance)を使用した。しかし、これらの手法はパターンの変動に弱いことが知られている。また、虹彩認識の場合、パターン変動には色々とあるがその一つに方位ずれがある。カメラ 14からの画像で認識を行う場合、学習画像と認識画像を全く同じ方位で取り込むことは不可能に近い。そこで，回転拡散型-ユーラルネットワークの特徴である方位認識を用いて方位を補正することにより、内積や最小距離を形状認識判定基準として導入可能となる

[0037] 次に、回転拡散型-ユーラルネットワークによる個人認証を行う際の方位補正について説明する。学習画像の方位を 0° と定義すると、認識を行う際の入力画像の方位は必ずしも 0° とは限らないため、たとえ本人であっても入力画像である虹彩パターンが学習時のものとは異なり他人と判断してしまう。そこで、回転拡散型ニューラルネットワークによる認証では、まず方位認識を行い、入力画像の方位補正を行う。

[0038] 回転拡散型-ユーラルネットワークによる個人認証の流れを図 11に示す。まず、方位補正の範囲、きざみ角度および認識方法を選択する。方位補正の範囲およびきざみ角度について、方位補正の下限を 3° 、上限を 3° 、きざみ角度を 1° と設定した場合を考える。回転拡散型-ユーラルネットワークによる方位認識の結果が 10° であつた場合、認識に用いた入力画像の方位は学習画像 (登録した人物の虹彩パターン )に対して反時計回りに 10° 回転していることになる。そこで、入力画像の方位を学習画像の方位と一致させるために 10° ±3° 、きざみをごとに回転させる。この場合、補正方位は 13° から 7° であり、 7種類の方位補正を行った虹彩パターンを得る。補正方位を 10° だけにしない理由は、回転拡散型-ユーラルネットワークにより得られる認識方位の分解能や誤差を考慮するためである。方位補正を行った虹彩パターンを使用して、指定した認識方法（内積、最小距離、形状認識-ユーロン出力）により個人の虹彩模様 (形状)認証を行う。内積および最小距離による認識では、回転拡散型-ユーラルネットワークにより認識した回転方位をもとに、指定した範囲の回転補正を行った入力画像と学習画像のベクトル演算（内積、最小距離)を行う。この例では、 7種類の回転補正 (補正方位 :ー13° —— 7° )を行った入力画像と学習画像の内積および最小距離を計算することになる。

[0039] 内積の場合は最大値を、最小距離の場合は最小値を用いて、あら力じめ設定した閾値と比較することにより判別する。内積の場合は、最大値が判定閾値より大きい場合は本人と判別し、閾値より小さい場合は他人と判断する。最小距離の場合は、最小値が判定閾値より小さ、場合は本人と判別し、閾値より大き!、場合は他人と判断する。これらのベクトル演算を登録した学習画像すべてについて行い、個人を特定する。どの学習画像についても本人と判定されない場合、登録されていないと判定する。形状認識-ユーロン出力を形状判定 (個人認証)に用いる場合は、方位補正した画像を入力画像として回転拡散型-ユーラルネットワークに再度入力し、形状認識-ユーロン出力により判定する。登録した人物を表す形状認識ニューロン出力が、あらかじめ設定した判定閾値より大きい場合、入力虹彩画像がその-ユーロンを表す人物の虹彩であると判定する。どの形状認識-ユーロン出力も判定閾値を超えなヽ場合は、登録されて!ヽなヽと判定する。

[0040] ここで、内積について定義式は

[数 10] - = ( 1 0 )

と表される。 Vは学習虹彩画像の正規ィ匕拡散パターンを表すベクトル、 Vは認識に

L R

用いる虹彩画像の正規ィ匕拡散パターンを表すベクトルである。また、 | v | ,

L I V R

Iは、それぞれ、 V , Vの絶対値であり各ベクトルの長さを表す。ここでは、

L R I V L I

= 1、 I V

R I = 1に規格化 (正規化)されている。従って、

[数 11] c_o ^VL ; ^VR _{= V} V ( 1 1 )

|VL||V_R| ^L " となり、 cos Θが二つのベクトル V , Vの類似度を表す。つまり、 V =Vになると cos

L R L R

Θ = 1となり類似度が最も高いことを示す。

[0041] 最小距離は、 I V— V のベクトル差 (距離)を

L R Iと表され、図 12に示すように、 2つ

示している。 V =Vになると距離はゼロになり、最も高い類似度を示す。 V , Vの大

L R L R

きさを 1に規格ィ匕した場合、最小距離の二乗は内積で表される。

[数 12] v_L-v_R|² = (v_L-v_R)-(v_L-v_R)

= |v_L| +|V_R| -2V_L V_R

= 2-2V_L-V_R (12) よって、最小距離と内積の関係は以下のように表される。

[数 13]

[0042] この式より、二つのベクトルの類似度が最も高い場合 (V =V ),内積は最大値 V ·

L R L

V =1となるので、最小距離は I V— V I =0となり最小値をとる。よって、 V , Vの

R L R L R

大きさを 1に規格ィ匕した場合、最小距離および内積による形状識別 (個人認証)結果は同じになる。

[0043] この実施形態による上述した虹彩模様認識における回転拡散型-ユーラルネットヮークの認識フローチャートを図 13に示す。認識過程で方位補正を行うのは、内積及び最小距離を使用する場合、学習（登録)画像に 0° の虹彩画像を使用しているため、認識対象が 0° の方位にある必要があるからである。

[0044] この実施形態の個人認証装置によれば、回転拡散型-ユーラルネットワークにより、虹彩模様の方位認識を行うことができるため、方位補正をすることにより回転変化に対応することができる。さらに、内積と最小距離を形状認識判定基準として導入することにより、方位補正した虹彩模様を用いて 0%の他人受け入れ率を実現可能となる。また、取得した虹彩画像に対して、ラベリングによる瞳孔中心位置検出、最小 2乗法による中心補正、ラプラシアンフィルタを用いたエッジ検出により瞳孔中心、瞳孔端および虹彩端の自動検出が可能である。画像上での虹彩、瞳孔サイズはカメラ 14からの距離やズームにより変化するが、線形補間を用いて拡大 ·縮小を行い、虹彩サイズを規格ィ匕することによりサイズ変化に対応することができる。さらに、目 10にフラッシュ光を当て瞳孔反応を誘起し、瞳孔径の時間変化を計測することにより、虹彩写真等を使用したなりすましを拒否することができる。

[0045] そして、この発明の個人認証装置は、学習した各虹彩を特徴づける記憶行列を作成するため計算量が少なぐ認識時間が短い。また、瞳孔中心位置、瞳孔端および虹彩端を自動検出するため、目の位置合わせが不要であり、幅広い用途に使用可能である。

[0046] なお、この発明の個人認証装置は上記実施形態に限定されるものでなぐ動画撮像可能なカメラ力虹彩画像を直接 CPUに取り込むことができれば、画像入力ボードゃ虹彩画像を操作'処理するための DLLは必ずしも必要ではない。また、フラッシュ光発光装置を使用しなくても、この発明の個人認証装置を使用することができる。この場合、前記線形補間により一定の相対瞳孔サイズに変換した虹彩画像を取り込む

[0047] さらに、認識に用いるベクトル情報は、上述のように撮像した原画像若しくはその極座標変換画像のみならず、拡散パターンやラプラシアンフィルタを用いて原画像に画像処理を行ったものでも良、。

[0048] また、なりすましの防止方法として、以下の処理を行うことにより、さらに確実になりすましを防止することができる。ここでは、瞳孔の対光反射が起きなければなりすましであると判定するものであり、図 4のフローチャートにおいて、 sl6, sl7以下の処理を、図 14に示すように行うものである。この処理は、一定瞳孔サイズを得るために LED をフラッシュ発光させ、発光前と発光後の相対瞳孔径の比較を行うことにより、なりすまし判定を行うものである。図 14の処理では、認識時に最初の LEDが発光してから瞳孔の対光反応が生じるまでの相対瞳孔径をなりすまし判定に用いる。この実施形態では、最初のフラッシュ光は測定画像の 20フレームの時に発光するため、対光反応は 30フレームまでに起こる。よって、フラッシュ光が発光し対光反射が起こる 20から 29レームの相対瞳孔径を保存するようにした。保存した相対瞳孔径の中から最大と最小を求めて差もしくは比率を算出し、差もしくは比率が基準値以下であればなりすましであると判定する。

実施例 1

[0049] 以下に、この発明の虹彩模様による個人認証装置の実施結果について説明する。

まず、学習及び認識に用いる虹彩画像を、 3人， 5人， 10人と変化させ認識実験を行つた。学習及び認識に用いた虹彩画像 (300 X 300ピクセル)を図 15に示す。学習、認識は、すべて被験者の右眼の虹彩画像で行った。学習方位は 0° カゝら 360° を 6 0° ごとに 6方位とした。学習パターン数は、（認識虹彩数） X (学習方位数)で与えられ，各被験者数に対してそれぞれ 18パターン、 30パターン、 60パターンである。

[0050] 10人で認識実験を行った時の方位認識特性を図 16 (a)、形状認識特性を図 16 (b )に示す。 (a)図の方位認識特性において、横軸が虹彩の入力回転方位、縦軸が認識方位である。これにより、虹彩の入力回転方位と認識方位には、非常に良い直線性が見られ、方位を正しく認識できたことが分力つた。方位誤差は、平均士標準偏差 =-0.83 ±0.75° であった。このことから、 10人の虹彩の回転方位を、全方位において認識可能であるといえる。また、（b)図の形状認識特性において、横軸が虹彩の入力回転方位、縦軸が形状認識-ユーロン出力であり、〇が Target neuron出力の平均値、 Xが Non-target neuron出力の平均値を表す。各入力方位における縦線は、標準偏差を表す。 Target neuron出力は、 0.67— 1.15 (平均士標準偏差 =0.94±0.11)、 Non- target neuron出力は、- 0.86— 0.51 (0.02 ±0.18)であった。 0。力ら 360。の虹彩の入力回転方位において、 Target neuronの平均値はほぼ 1. 0を、 Non- target neuronの平均値はほぼ 0. 0を出力しており、 Target neuron出力は、 Non- target neuron出力より常に大きい。このことから、 10人の被験者による虹彩認識力全方位で可能であるといえる。 3人、 5人で認識実験を行った結果も、 10人の場合と同様に、方位、形状共に正しく認識できた。

[0051] 次に、学習及び認識に用いる虹彩画像を 3人、 5人と変化させ、あらかじめ学習した後にリアルタイム認識実験を行った。学習に用いた虹彩画像 (300 X 300 pixels)は、図 15中から選んだ。学習'認識は、すべて同じ被験者の右眼の虹彩で行った。学習ノターン数は、（認識虹彩数） X (学習方位数)で与えられ、被験者数 3人と 5人に対してそれぞれ 18パターン、 30パターンである。学習に使用した画像は、実験の当日にあらかじめ撮ったものである。

[0052] 5人で認識実験を行った時の方位認識特性を図 17 (a)に、形状認識特性を図 17 ( b)に示す。図 17 (a)の方位認識特性において、横軸が虹彩の入力回転方位、縦軸が認識方位である。虹彩の入力回転方位と認識方位には良好な直線性が見られ、方位をほぼ正しく認識できたことが分力ゝつた。方位誤差は、平均士標準偏差 =-3.92 ±0.22° であった。このことから、この実施例の個人認証装置では、 5人の虹彩の回転方位を全方位においてリアルタイムで認識可能であるといえる。また、図 17 (b)の形状認識特性において、横軸が虹彩の入力回転方位、縦軸が形状認識-ユーロン出力であり、〇が Target neuron出力の平均値、 Xが Non- target neuron出力の平均値を表す。各入力方位における縦線は標準偏差を表す。 Target neuron出力は、 0.67— 1.27 (平均士標準偏差 =0.99±0.20)、 Non- target neuron出力は、 -0.69— 0.58 (0.03±0.24)であった。 0° から 360° の虹彩の入力回転方位において、 Target neuronの平均値はほぼ 1.0を、 Non- target neuronの平均値はほぼ 0.0を出力しており、 Target neuron出力は Non- target neuron出力より常に大きい。このことから、 5人の被験者によるリアルタイム虹彩認識が全方位で可能であることが分力つた。 3人でリアルタイム認識実験を行った結果も 5人の場合と同様に、方位'形状共に正しく認識できた。

[0053] 次に、図 13に示すフローチャートによる認証システムを用いて、カメラからの取り込み画像による人物認証実験を行った。実験は 10人の被験者で行った。 10人のうち 5 人を学習し、 5人を未学習とした。学習に使用する画像は、認証実験の当日にあらかじめ撮ったものを使用した。学習に使用する 5人の虹彩画像を 1人ずつ入れ替えることにより、合計 10セットで学習を行った。学習虹彩画像は、虹彩の入力回転方位が 0 ° の時の虹彩画像を使用した。 10セットの学習に対して被験 10人を認識するので、合計 100試行 (学習人物 50試行、未学習人物 50試行)の認識結果が得られた。

[0054] 図 18に形状認識-ユーロン出力、図 19に内積、図 20に最小距離をそれぞれ判定基準として用いた誤り率を示す。点線は本人拒否率 (誤って本人を拒否した率)、実線は他人受け入れ率 (過って他人を受け入れた率)を表す。縦軸はそれぞれの誤り率、横軸は評価基準の判定閾値を示す。本人拒否率の計算方法は、本人に対応する形状-ユーロンや内積の出力値が判定閾値よりも小さな場合、また最小距離の出力値が判定閾値よりも大きな場合本人を拒否したとみなし、試行数をカウントしてヽくことで本人拒否率を求めた。本人拒否の特例として、本人に対応する形状認識ニュ一ロンや内積の出力値が判定閾値を超えていて、他人に対応する出力値がそれらを上回る場合、また、本人に対応する最小距離の出力値が判定閾値より小さいが、他人に対応する出力値がそれらをより下回る場合が考えられる。認識実験結果では、形状認識-ユーロン出力で 8%、内積、最小距離で 2%の本人拒否の特例があった。一方、 Non- target neuron出力と内積の最大値が判定閾値よりも大きな場合、また最小距離の最小値が判定閾値よりも小さな場合他人を受け入れ (過って他人を受け入れた率)たとみなし、試行数をカウントしていくことで他人受け入れ率を求めた。実験結果より、形状認識ニューロン出力を判定基準に使用したときは、本人拒否率と他人受け入れ率の交点は判定閾値が約 0.78のときであり約 43%の等誤り率であった。内積を判定基準に使用したときは、本人拒否率と他人受け入れ率の交点は、判定閾値が約 0.94のときであり約 15%の等誤り率であった。しかし、判定閾値を 0.96にすると、本人拒否率は 20%となるが、他人を完全に拒否できる。上記最小距離による判断を判定基準に使用したときは、本人拒否率と他人受け入れ率の交点は、判定閾値が約 0.35のときであり約 13%の等誤り率であった。しかし、判定閾値を 0.25にすると、本人拒否率は 26%となるが、他人を完全に拒否できた。

Claims

請求の範囲

[1] 動画撮像可能なカメラと、このカメラにより撮像した画像を所定周期で記憶する記憶装置とを備え、

前記カメラにより撮像した人の顔の画像情報を、人の目の虹彩もしくは瞳孔の大きさの範囲内に入るテンプレートと比較しながらスキャンし、目の虹彩もしくは瞳孔部分を検知する虹彩 ·瞳孔検出手段と、

この虹彩 ·瞳孔検出手段により検出した虹彩模様を捉える虹彩模様取得手段と、前記虹彩模様の回転方位と形状を、極座標変換した画像に周期的なガウス関数を乗じて拡散パターンを作製する回転拡散型-ユーラルネットワークにより変換して、ベタトル情報として学習'記憶する記憶変換手段と、

前記記憶変換手段により変換して学習 '記憶した虹彩模様のべ外ル情報に対して

、同様に画像取得した任意の虹彩模様を上記と同様に前記記憶変換手段により前記回転拡散型-ユーラルネットワークにより変換したベクトル情報と比較する虹彩模様形状判定手段とを備え、

前記虹彩模様形状判定手段による形状判定は、互いに比較する前記各ベクトル情報の方位を認識して補正し、前記ベクトル情報に方位記憶行列及び形状記憶行列を形成させ、前記回転拡散型-ユーラルネットワークの出力である方位認識-ユーロン及び形状認識-ユーロンを得て、各認識対象虹彩の形状認識-ユーロンにっ、て、それぞれ記憶した形状認識-ユーロンを対応させて形状認識を行うことを特徴とする個人認証装置。

[2] 前記虹彩模様取得手段による学習時に、虹彩の所定方位の原画像またはその極座標変換画像をベクトル情報として登録し、

認識時には、前記虹彩模様形状判定手段により、任意方位で入力された虹彩画像を、前記回転拡散型-ユーラルネットワークで得られた認識方位を用いて補正し、原画像またはその極座標変換画像をベクトル情報として、あらかじめ設定された閾値と比較する請求項 1記載の個人認証装置。

[3] 前記虹彩模様取得手段は、ラベリングによる瞳孔中心位置検出手段と、最小 2乗法による中心補正、ラプラシアンフィルタを用いた虹彩端検出手段、線間補正を用いた虹彩サイズの規格ィ匕手段を有するものである請求項 1記載の個人認証装置。

[4] 前記各ベクトル情報の内積と最小距離の少なくとも一方を求めて、各ベクトル情報の一致 ·不一致をあらかじめ設定された閾値と比較して判断し個人識別を行う請求項

1記載の個人認証装置。

[5] 前記虹彩模様取得手段は、虹彩部分の瞳孔反応を起こさせるフラッシュ光発光装置と、撮像用の赤外線光源と、前記カメラのレンズに取り付けられた赤外線透過フィルタとを備え、前記虹彩の瞳孔の大きさがほぼ一定の状態で虹彩画像を取得する請求項 1記載の個人認証装置。

[6] 前記虹彩模様取得手段は、瞳孔径の時間変化を連続的に計測する請求項 5記載の個人認証装置。

[7] 前記虹彩模様形状判定手段による形状判定における方位の補正は、前記回転拡散型-ユーラルネットワークにより認識した方位の補正に代えて、認識に使用する虹彩の拡散パターンと学習した複数の方位の拡散パターンとを用いて、前記各ベクトル情報の内積と最小距離の少なくとも一方を求めて、ベクトル合成することにより、入力方位を認識し、方位補正する請求項 2記載の個人認証装置。

[8] 前記虹彩模様取得手段は、認識する人の顔や目の位置を、間引きによる低解像度画像で検索し、目の位置を特定した後、高解像度の画像で虹彩の領域を検出する請求項 1記載の個人認証装置。

[9] 人の目を含む画像の一定領域の各画素値を測定し平均輝度を求め、これを一定値に規格化して虹彩の輝度を設定する請求項 1記載の個人認証装置。

[10] 測定者の瞳孔と虹彩の輝度平均と標準偏差を求め、標準偏差の比により決定された 2値ィ匕閾値により瞳孔と虹彩を決定する請求項 1記載の個人認証装置。

[11] フラッシュ光照射により生じる対光反射時の瞳孔径変化を計測し、その最大瞳孔径と最小瞳孔径の差もしくは比率から生体反応を検出し、この差もしくは比率が基準値以下であれば測定した虹彩画像はなりすましであると判定する請求項 1記載の個人認証装置。