[go: up one dir, main page]

CN107851313B - 计算机可读介质及信息处理装置 - Google Patents

计算机可读介质及信息处理装置 Download PDF

Info

Publication number
CN107851313B
CN107851313B CN201680043543.9A CN201680043543A CN107851313B CN 107851313 B CN107851313 B CN 107851313B CN 201680043543 A CN201680043543 A CN 201680043543A CN 107851313 B CN107851313 B CN 107851313B
Authority
CN
China
Prior art keywords
information
reference point
image
frequency
point
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201680043543.9A
Other languages
English (en)
Other versions
CN107851313A (zh
Inventor
三吉野健滋
德田清仁
吉岭达树
权田典之
丹羽祐平
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Dds Corp
Original Assignee
Dds Corp
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Dds Corp filed Critical Dds Corp
Publication of CN107851313A publication Critical patent/CN107851313A/zh
Application granted granted Critical
Publication of CN107851313B publication Critical patent/CN107851313B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/30—Authentication, i.e. establishing the identity or authorisation of security principals
    • G06F21/31—User authentication
    • G06F21/32—User authentication using biometric data, e.g. fingerprints, iris scans or voiceprints
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/12—Fingerprints or palmprints
    • G06V40/1347—Preprocessing; Feature extraction
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/30—Authentication, i.e. establishing the identity or authorisation of security principals
    • G06F21/45—Structures or tools for the administration of authentication
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
    • G06T7/74—Determining position or orientation of objects or cameras using feature-based methods involving reference images or patches
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/90—Determination of colour characteristics
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
    • G06V10/462—Salient features, e.g. scale invariant feature transforms [SIFT]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/56—Extraction of image or video features relating to colour
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
    • G06V10/757—Matching configurations of points or features
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/761—Proximity, similarity or dissimilarity measures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/12—Fingerprints or palmprints
    • G06V40/13—Sensors therefor
    • G06V40/1306—Sensors therefor non-optical, e.g. ultrasonic or capacitive sensing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/12—Fingerprints or palmprints
    • G06V40/1365—Matching; Classification
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/12—Fingerprints or palmprints
    • G06V40/1365—Matching; Classification
    • G06V40/1376—Matching features related to ridge properties or fingerprint texture
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10024—Color image

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Human Computer Interaction (AREA)
  • Software Systems (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Computer Security & Cryptography (AREA)
  • General Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Computing Systems (AREA)
  • Medical Informatics (AREA)
  • Computer Hardware Design (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Collating Specific Patterns (AREA)
  • Image Analysis (AREA)

Abstract

本发明提供一种计算机可读介质及信息处理装置，其在表征生物信息的图像的尺寸小于以往的情况下也能够生成不容易受生物信息的获取条件影响的核对信息。获取图像(S1)，并从图像决定基准点(S2)。获取表示基准点周围的色彩信息变化的样本信息(S3)。样本信息是将多个样本与第一参照点在图像上的位置所对应的中心信息关联起来得到的信息。样本是将第二参照点的色彩信息与第二参照点的位置信息关联起来得到的信息。获取基于(S3)中获取的样本信息生成的频率信息(S4)。频率信息是将针对多个第一参照点分别计算出的色彩信息相对于位置信息的变化的频率分量与中心信息关联起来的信息。将(S4)中获取的频率信息存储于存储单元(S5)。

Description

计算机可读介质及信息处理装置
技术领域
本发明涉及存储有对图像进行解析并生成用于核对生物信息的核对信息的信息处理程序的计算机可读介质及信息处理装置。
背景技术
近年来，针对可搭载于智能手机和笔记本电脑之类的移动设备的指纹认证装置，正在进行各种探讨。例如，专利文献1中公开了一种个人识别装置，其对指纹图像进行频谱变换，将变换后的信息作为用于核对的核对信息，从而使指纹传感器不容易受到手指倾斜等外部干扰的影响。
现有技术文献
专利文献
专利文献1：日本专利第3057590号公报
发明内容
随着搭载于移动设备的指纹传感器的小型化，所取得的指纹的图像也比以往要小。用户进行指纹的输入操作时，很多情况下是拿着移动设备的那只手的手指接触搭载于移动设备的指纹传感器。这种情况下，用户不得不使手指向不自然的方向移动，因此指纹的输入操作容易变得不稳定。即，容易获取在位置和角度不同于登记时的条件下所获取的图像。因此，要求图像的尺寸小于以往的情况下也能够生成不容易受生物信息的获取条件影响的核对信息。
本发明的目的在于提供一种计算机可读介质及信息处理装置，其在表征生物信息的图像的尺寸小于以往的情况下也能够生成不容易受生物信息的获取条件影响的核对信息。
本发明的第一实施方式所涉及的计算机可读介质存储有信息处理程序，该信息处理程序使具备处理器和存储单元的计算机执行以下步骤：获取图像的图像获取步骤；从在所述图像获取步骤中获取的所述图像来决定基准点的基准点决定步骤；获取样本信息的样本信息获取步骤，该样本信息是表示在所述基准点决定步骤中决定的所述基准点周围的色彩信息变化的信息，在该步骤中，将到所述基准点的距离为第一规定值的所述图像中的点作为第一参照点，将以该第一参照点为中心且半径为第二规定值的圆周上的点作为第二参照点，将该第二参照点所对应的色彩信息与所述第二参照点在所述图像上的位置所对应的信息即位置信息关联起来，将由此得到的信息作为样本，针对不同位置的多个所述第二参照点分别获取所述样本，并将所获取的多个所述样本与所述第一参照点在所述图像上的位置所对应的信息即中心信息关联起来，将由此得到的信息作为样本信息而获取；针对在所述样本信息获取步骤中获取的多个所述第一参照点分别获取基于所述样本信息生成的频率信息的频率信息获取步骤，在该步骤中，针对多个所述第一参照点分别计算出所述色彩信息相对于所述位置信息的变化的频率分量，并将计算出的所述频率分量与所述中心信息关联起来，将由此得到的信息作为频率信息而获取；以及将在所述频率信息获取步骤中获取的所述频率信息作为用于核对生物信息的核对信息而存储于所述存储单元的存储控制步骤。
通过执行第一实施方式的计算机可读介质，计算机能够生成表示图像中基准点周围的色彩变化的频率信息。第一参照点到基准点的距离为第一规定值。即，第一参照点是以基准点为中心且半径为第一规定值的圆周上的点。因此，只要计算机基于本程序生成核对信息，就能生成图像所表征的信息(例如指纹图像或静脉图像所表征的生物信息)相对于基准发生了旋转或移动的影响能够被抵消的核对信息。
在第一实施方式的计算机可读介质所存储的信息处理程序中，还可以具备对在所述图像获取步骤中获取的所述图像进行解析并提取出特征点的提取步骤，所述基准点决定步骤将在所述提取步骤中提取出的所述特征点作为所述基准点。通过执行这样的信息处理程序，计算机基于从图像提取出的特征点来计算频率信息，因此即使在从图像提取出的特征点的数量较少的情况下，也能够生成表示特征点周围的色彩变化的信息。频率信息例如可以用于将以下几种特征点的关联：从用于核对生物信息的测试用图像中提取出的特征点、从存储在存储单元中的登记用图像中提取出的特征点、成为参照对象的特征点。
在第一实施方式的计算机可读介质所存储的信息处理程序中，也可以进一步具备获取在所述提取步骤中提取出的所述特征点的方向的方向获取步骤，在所述样本信息获取步骤中，基于在所述方向获取步骤中获取的所述特征点的方向来设定所述中心信息。若根据这样的信息处理程序来执行处理，则计算机能够获取将图像所表征的信息相对于基准发生了旋转或移动时的影响考虑在内的频率信息。
在第一实施方式的计算机可读介质所存储的信息处理程序中，也可以进一步具备：决定位置对应关系的关联决定步骤，该位置对应关系是将用于核对生物信息的测试用的所述频率信息的所述位置信息与存储在所述存储单元中的参照用的所述频率信息的所述位置信息关联起来的对应关系；以及基于在所述关联决定步骤中决定的所述位置对应关系，计算出所述测试用的频率信息和所述参照用的频率信息的相似度即信息相似度的相似度计算步骤。若根据这样的信息处理程序来执行处理，则计算机能够将图像所表征的信息相对于基准发生了旋转或移动时的影响考虑在内，并将测试用的频率信息与登记用的频率信息进行比较，计算出两者的相似度。
在第一实施方式的计算机可读介质所存储的信息处理程序中，所述样本信息获取步骤可以具备：针对所述基准点根据第一规定条件设定多个所述第一参照点的第一设定步骤；针对在所述第一设定步骤中设定的多个所述第一参照点分别根据第二规定条件设定多个所述第二参照点的第二设定步骤；针对多个所述第一参照点分别判断在所述第二设定步骤中设定的多个所述第二参照点是否全部位于所述图像内的判断步骤；以及针对多个所述第一参照点中在所述判断步骤被判断为多个所述第二参照点全部位于所述图像内的所述第一参照点，获取该第一参照点相关的所述样本信息的获取步骤，所述相似度计算步骤具备：第一相似度计算步骤，在该步骤中，基于所述测试用的频率信息中在所述判断步骤被判断为多个所述第二参照点全部位于所述图像内的所述第一参照点即一个以上的图像内点相关的所述频率信息、以及所述关联决定步骤中决定的对应关系，来计算所述一个以上的图像内点相关的所述测试用的频率信息与所述参照用的频率信息的第一相似度；第二相似度计算步骤，在该步骤中，基于所述测试用的频率信息中在所述判断步骤被判断为多个所述第二参照点没有全部位于所述图像内的所述第一参照点即一个以上的图像外点相关的所述频率信息、以及所述关联决定步骤中决定的对应关系，来计算所述一个以上的图像外点相关的所述测试用的频率信息与所述参照用的频率信息的第二相似度；以及信息相似度计算步骤，在该步骤中，基于所述第一相似度和所述第二相似度来计算所述信息相似度。
在图像获取步骤中获取的图像的尺寸较小的情况下，针对图像能够设定的基准点的数量要少于图像尺寸较大时的数量。另一方面，还假设根据图像的尺寸、基准点的坐标、第一规定值、第二规定值，第二参照点相对于基准点设定在图像外的情况。基于计算机利用较少的基准点且高效、有效地获取频率信息的观点，优选为在一部分第二参照点设定在图像外的情况下也获取能够计算相似度的信息。若根据这样的信息处理程序来执行处理，则计算机在有第二参照点被设定在图像外的第一参照点存在的情况下，也能够获取频率信息。计算机基于所获取的频率信息，能够恰当地计算相似度。
本发明的第二实施方式所涉及的信息处理装置包括：存储单元；获取图像的图像获取单元；从所述图像获取单元所获取的所述图像来决定基准点的基准点决定单元；获取样本信息的样本信息获取单元，该样本信息是表示所述基准点决定单元所决定的所述基准点周围的色彩信息变化的信息，所述样本信息获取单元将到所述基准点的距离为第一规定值的所述图像中的点作为第一参照点，将以该第一参照点为中心且半径为第二规定值的圆周上的点作为第二参照点，将该第二参照点所对应的色彩信息与所述第二参照点在所述图像上的位置所对应的信息即位置信息关联起来，将由此得到的信息作为样本，针对不同位置的多个所述第二参照点分别获取所述样本，并将所获取的多个所述样本与所述第一参照点在所述图像上的位置所对应的信息即中心信息关联起来，将由此得到的信息作为样本信息而获取；针对所述样本信息获取单元所获取的多个所述第一参照点分别获取基于所述样本信息生成的频率信息的频率信息获取单元，该频率信息获取单元针对多个所述第一参照点分别计算出所述色彩信息相对于所述位置信息的变化的频率分量，并将计算出的所述频率分量与所述中心信息关联起来，将由此得到的信息作为频率信息而获取；以及将所述频率信息获取单元所获取的所述频率信息作为用于核对生物信息的核对信息而存储于所述存储单元的存储控制单元。
第二实施方式的信息处理装置能够生成表示图像中基准点周围的色彩变化的频率信息。第一参照点到基准点的距离为第一规定值。即，第一参照点是以基准点为中心且半径为第一规定值的圆周上的点。因此，信息处理装置能够生成图像所表征的信息(例如指纹图像或静脉图像所表征的生物信息)相对于基准发生了旋转或移动的影响能够被抵消的核对信息。
第三实施方式的非易失性计算机可读介质用于存储第一实施方式的信息处理程序。
附图说明
图1是信息处理装置10的框图。
图2是信息处理装置10的功能框图。
图3是获取处理的流程图。
图4是样本71、样本数据72和样本信息73的获取步骤的说明图。
图5是核对信息处理的流程图。
图6是在图5的核对信息处理中执行的图像解析处理的流程图。
图7是表示从生物信息获取装置8获取的参照用生物信息的图像。
图8是在图6的图像解析处理中执行的频率信息获取处理的流程图。
图9是基于图7的图像41生成的样本图像。
图10是基于样本数据所表达的色彩信息相对于位置信息的变化而计算频率分量的过程的说明图。
图11是基于图7的图像41生成的频率图像。
图12是表示从生物信息获取装置8获取的测试用生物信息的图像。
图13是基于图12的图像61生成的样本图像。
图14是基于图12的图像61生成的频率图像。
图15是在图5的核对信息处理中执行的核对处理的流程图。
图16是针对根据参照用图像41获取的基准点PU和根据测试用图像61计算出的PT分别设定局部坐标系的处理的说明图。
图17是在图15的核对处理中执行的相似度V计算处理的流程图。
图18是在图15的核对处理中执行的相似度W计算处理的流程图。
图19是用频率图像43和频率图像63来说明相似度W的计算过程的图。
图20是示意性地表示相似度W的计算过程的说明图。
图21是在图15的核对处理中执行的关联处理的流程图。
图22是候补列表85的说明图。
图23是将本实施例的方法与现有方法的ROC(Receiver OperatingCharacteristic：受试者工作特征)进行比较的曲线图。
图24是表示从生物信息获取装置8获取的测试用生物信息的图像。
图25是根据实施方式2的核对信息处理的流程所生成的样本图像48、98和频率图像49、99的说明图。
图26是在实施方式2的图18的相似度W计算处理中执行的关联决定处理的流程图。
图27是实施方式2的关联决定处理中决定关联的过程的说明图。
图28是示意性地表示基于图26的关联决定处理所决定的关联关系来选定匹配路径的过程的说明图。
具体实施方式
参照附图，对本发明的一个实施方式进行说明。在下面的实施方式中举例表示的多个具体数值只是其中一例，本发明并不限于这些数值。在以下的说明中，将图像数据简称为“图像”。
参照图1，对信息处理装置10进行说明。信息处理装置10是具备根据生物信息生成核对用的核对信息的功能的电子设备。生物信息例如可以从脸部图像、指纹、静脉、虹膜之类的可通过图像获取的各种生物信息中选择。本例中的生物信息是指纹。本例的信息处理装置10是公知的智能手机。信息处理装置10具备以下功能：对拍摄指纹而得到的图像进行解析，生成使用指纹进行核对所需的参照用核对信息，并将其存储于信息处理装置10的闪存4中保存的数据库(DB)28中。信息处理装置10还具备以下功能：对拍摄指纹而得到的图像进行解析，生成使用指纹进行核对所需的测试用核对信息，并决定所生成的测试用核对信息与存储在DB28中的参照用核对信息之间的对应关系。
如图1所示，信息处理装置10具备CPU1、ROM2、RAM3、闪存4、通信I/F5、显示部6、触摸屏7和生物信息获取装置8。CPU1是对信息处理装置10进行控制的处理器。CPU1与ROM2、RAM3、闪存4、通信I/F5、显示部6、触摸屏7和生物信息获取装置8电连接。ROM2存储BIOS、启动程序和初始设定值。RAM3存储各种临时数据。闪存4存储CPU1为了控制信息处理装置10而执行的程序、OS(Operating System：操作系统)和DB28。通信I/F5是与外部设备通信用的控制器。显示部6为液晶显示屏。触摸屏7设置于显示部6的表面。生物信息获取装置8获取对生物信息进行拍摄得到的图像。本例的生物信息获取装置8是静电电容方式的区域型传感器。具体而言，生物信息获取装置8是根据矩阵状表面电极的电荷量来判断指纹凹凸的传感器，每一个像素用256灰度的灰度值来表示色彩信息。色彩信息是表示色彩的信息。分辨率例如为508dpi(dots per inch：每英寸点数)。
参照图2和图3，对信息处理装置10的功能概要进行说明。信息处理装置10具有生物信息获取装置8、图像获取部21、基准点决定部22、样本信息获取部23、频率信息获取部24、登记部25、核对部26和DB27，利用CPU1(参照图1)来执行与各个功能模块对应的处理。
生物信息获取装置8将图像输出至图像获取部21。图像获取部21获取生物信息获取装置8所输出的图像(S1)。基准点决定部22基于图像获取部21所获取的图像，决定基准点(S2)。基准点是根据规定条件决定出的点。基准点在实施方式1中为特征点。特征点例如是利用细节点提取方法(例如参照日本专利第1289457号公报)提取出的点和利用SIFT(Scale-Invariant Feature Transform)(例如参照美国专利第6711293号说明书)提取出的点中的至少任一种。本例的特征点通过日本专利第1289457号公报所记载的细节点提取方法来提取。基准点用图像坐标系的二维坐标来表示。本例的图像坐标系的二维坐标是基于图像中像素的位置，以像素为单位来设定的坐标。图像坐标系的二维坐标将在后阐述。
样本信息获取部23获取样本信息(S3)。样本信息是表示由基准点决定部22决定的基准点周围的色彩信息变化的信息。样本信息是将色彩信息与表示色彩信息的获取条件的位置所对应的信息(位置信息及中心信息)关联起来的信息。色彩信息是表示图像中第二参照点的色彩的信息。当第二参照点具有以子像素为单位的坐标时，使用公知的双线性插值或双三次差值来获取色彩信息。第二参照点是以第一参照点为中心且半径为第二规定值的圆周上的点。第一参照点是到基准点的距离为第一规定值的图像中的点。位置信息是与第二参照点在图像上的位置相对应的信息。中心信息是与第一参照点在图像上的位置相对应的信息。
样本信息例如按照如下的步骤获取。为了简化说明，针对一个基准点P设定的第一参照点Q有4个，针对一个第一参照点Q设定的第二参照点R有8个，以下对上述情况进行说明。样本信息获取部23将到基准点决定部22所决定的基准点P的距离为第一规定值L1的图像中的4个点定为第一参照点Q1～Q4。第一参照点Q的设定方法只要是预先设定的方法即可。实施方式1中，样本信息获取部23基于基准点P的坐标、第一规定值L1和基准点(特征点)的方向，设定第一参照点Q。更具体而言，如图4所示，样本信息获取部23将相对于基准点P位于基准点(特征点)的方向(例如右方)且到基准点P的距离为第一规定值L1的点作为获取顺序为一号的点Q1。样本信息获取部23将以基准点P为中心且半径为第一规定值L1的圆周上的点中从点Q1顺时针转了90度的位置(基准点P的下方)上的点作为获取顺序为二号的点Q2。样本信息获取部23将以基准点P为中心且半径为第一规定值L1的圆周上的点中从点Q2顺时针转了90度的位置(基准点P的左方)上的点作为获取顺序为三号的点Q3。样本信息获取部23将以基准点P为中心且半径为第一规定值L1的圆周上的点中从点Q3顺时针转了90度的位置(基准点P的上方)上的点作为获取顺序为四号的点Q4。
实施方式2中，样本信息获取部23根据相对于基准点P在图像中的位置来设定第一参照点Q。更具体而言，如图4所示，样本信息获取部23例如将相对于基准点P位于右方且到基准点P的距离为第一规定值L1的点作为获取顺序为一号的点Q1。样本信息获取部23将相对于基准点P位于下方且到基准点P的距离为第一规定值L1的点作为获取顺序为一号的点Q2。样本信息获取部23将相对于基准点P位于左方且到基准点P的距离为第一规定值L1的点作为获取顺序为一号的点Q3。样本信息获取部23将相对于基准点P位于上方且到基准点P的距离为第一规定值L1的点作为获取顺序为一号的点Q4。第一参照点Q1～Q4分别在以基准点P为中心且半径为第一规定值L1的圆周上等间隔地配置。
针对不同位置的多个第一参照点Q1～Q4，分别获取中心信息。中心信息是与第一参照点的位置相对应的信息。中心信息只要是规定第一参照点相对于基准点的位置的信息即可，例如可以是绝对坐标(例如图像坐标系的坐标)、相对坐标(例如局部坐标系的坐标)和相对于基准的角度等。在第一参照点的获取顺序是相对于基准来决定的情况下，中心信息也可以是第一参照点的获取顺序。本例中，将第一参照点的获取顺序作为中心信息来获取。第一参照点Q1～Q4的获取顺序分别为1～4。
针对所获取的多个中心信息，分别获取多个样本71。样本71是将第二参照点R所对应的色彩信息与位置信息关联起来的信息。第二参照点R是以中心信息所对应的第一参照点Q为中心且半径为第二规定值L2的圆周上的点。本例中，如图4所示，样本信息获取部23针对第一参照点Qn，根据相对于第一参照点Qn在图像中的位置，决定第二参照点Rn1～Rn8(n为1～4的整数)。样本信息获取部23将相对于第一参照点Qn位于右方且到第一参照点Q的距离为第二规定值L2的点记为Rn1。样本信息获取部23将以第一参照点Q为中心且半径为第二规定值L2的圆周上的点中从第二参照点Rnm顺时针转了45度的位置上的点记为第二参照点Rn(m+1)。M为1～7的整数。第二参照点Rn1～Rn8分别在以第一参照点Qn为中心且半径为第二规定值L2的圆周上等间隔地配置。
位置信息是与第二参照点R的位置相对应的信息。位置信息只要是规定第二参照点相对于基准点的位置的信息即可，例如可以是绝对坐标(例如图像坐标系的坐标)、相对坐标(例如局部坐标系的坐标)和相对于基准的角度等。在第二参照点的获取顺序是相对于基准来决定的情况下，位置信息也可以是第二参照点的获取顺序。本例中，将第二参照点的获取顺序作为位置信息来获取。第二参照点Rn1～Rn8的获取顺序分别为1～8。多个样本71是针对不同位置的多个第二参照点R分别获取的样本。样本信息获取部23将针对一个第一参照点Q获取的多个样本71与中心信息关联起来的信息作为样本数据72。将针对一个基准点P设定的多个第一参照点Q所对应的样本数据72作为样本信息73。
频率信息获取部24基于从样本信息获取部23获取的样本信息，获取频率信息(S4)。频率信息是针对多个第一参照点分别计算出色彩信息相对于位置信息的变化的频率分量，并将针对多个第一参照点分别计算出的频率分量与位置信息关联起来的信息。本例的频率分量是通过公知的方法(参照日本专利第3057590号公报和日本专利第3799057号公报)计算出的一维群延迟频谱。
登记部25将核对生物信息所用的参照用核对信息存储在DB28中(S5)。核对信息包含频率信息获取部24所获取的频率信息。本例的核对信息除了频率信息之外，还包含基准点(特征点)的坐标及基准点(特征点)的方向。核对部26将测试用核对信息与存储在DB28中的参照用核对信息进行核对。
图3的S1的处理相当于本发明的图像获取步骤。执行S1处理的CPU1(图像获取部21)起到本发明的图像获取单元的功能。S2的处理相当于本发明的基准点决定步骤。执行S2处理的CPU1(基准点决定部22)起到本发明的基准点决定单元的功能。S3的处理相当于本发明的样本信息获取步骤。执行S3处理的CPU1(样本信息获取部23)起到本发明的样本信息获取单元的功能。S4的处理相当于本发明的频率信息获取步骤。执行S4处理的CPU1(频率信息获取部24)起到本发明的频率信息获取单元的功能。S5的处理相当于本发明的存储控制步骤。执行S5处理的CPU1起到本发明的存储控制单元的功能。
1.登记时的处理
参照图5～图23，对于信息处理装置10所执行的实施方式1的核对信息处理，以登记核对信息的情况为例来进行说明。核对信息处理在用户输入了开始指示时开始。开始指示中包含了是否将从图像获取的核对信息作为参照用核对信息登记到DB28中、以及是否计算核对信息与登记在DB28中的参照用核对信息的相似度的相关指示。信息处理装置10的CPU1检测到有核对信息处理开始指示的输入时，将存储在闪存4中的用于执行核对信息处理的信息处理程序读取到RAM3，并根据信息处理程序中包含的指示，执行以下说明的各步骤的处理。本例中，执行催促重新输入的反馈处理，指导获取到满足提取特征点的必要条件(例如图像的明锐度)的生物信息。通过核对信息处理获取的生物信息满足用算法从生物信息提取核对信息的必要条件。通过处理过程获取或生成的信息及数据适当地存储在RAM3中。处理所需的各种设定值预先存储在闪存4中。下面，将步骤简单记为“S”。
如图5所示，CPU1执行图像解析处理(S11)。参照图6，对图像解析处理进行说明。生物信息获取装置8在检测到手指接触的情况下，向CPU1输出能够确定拍摄指纹得到的图像的信号。CPU1接收从生物信息获取装置8输出的信号。CPU1基于接收到的信号获取图像(S21)。S21中，例如获取图7所示的图像41。图像41中，设定了用Xp、Yp所表示的图像坐标系的二维坐标。CPU1将图像41左上的像素位置作为图像坐标系的二维坐标45的原点。将沿着Xp正方向离二维坐标45的原点为x个像素且沿着Yp正方向离原点为y个像素的像素位置记为坐标(x,y)。图像41示出了1cm边长的正方形的拍摄范围，是Xp方向(左右方向)为192像素、Yp方向(上下方向)为192像素的正方形图像。
CPU1从S21中获取的图像提取出特征点(S22)。本例的CPU1通过公知的方法(例如参照日本专利第1289457号公报)，将表示脊线端点的点和表示分支点的点分别作为特征点提取。脊线是指纹凸部的连线。端点是脊线的终点。分支点是一条脊线分为两条的点。如图7所示，从图像41提取出包含表示被圈46包围的端点的点在内的多个特征点。CPU1判断S22的处理中是否提取出了特征点(S23)。在没有提取出特征点的情况下(S23：否)，CPU1结束图像解析处理，并返回图5的核对信息处理。在提取出了特征点的情况下(S23：是)，CPU1将S22中提取出的特征点决定为基准点(S27)。CPU1从S27所决定的基准点中获取一个未执行S28处理的基准点，并取得所获取的一个基准点的坐标(图像坐标系的二维坐标)和方向(S28)。本例的基准点的方向是基准点上的脊线的方向角。更具体而言，在基准点是表示脊线端点的点的情况下，基准点的方向是通过端点的脊线的切线方向。在基准点是表示分支点的点的情况下，CPU1选择形成分支点的3条脊线的切线所成的角度中所成角度最小的2条切线，并将这2条切线方向的中间方向作为基准点的方向。
CPU1针对在S28中获取的基准点，执行频率信息获取处理(S29)。如图8所示，频率信息获取处理中，CPU1针对图6的S28中获取的基准点，决定第一参照点(S31)。本例中，CPU1将到基准点P的距离为第一规定值L1的63个点决定为第一参照点Qn。本例中，第一参照点Q1是相对于基准点P在到基准点P的距离为第一规定值L1的规定方向上的点。规定方向是针对基准点P在图6的S28中获取的方向。在基准点P是被圈46包围的点的情况下，规定方向用箭头47来表示。第一参照点Q2～Q63是依次在以基准点P为中心且半径为第一规定值L的圆周上从第一参照点Q1顺时针地等间隔配置的点。
CPU1从S31中决定的多个第一参照点中，获取一个未执行S32的处理的第一参照点Qn(S32)。CPU1针对在S32中获取的第一参照点Qn，基于规定条件决定多个第二参照点Rnm(S33)。本例的CPU1根据图像中的位置，将到第一参照点Qn的距离为第二规定值L2的128个点决定为第二参照点Rnm。第二参照点Rnm是在图像坐标系的二维坐标中，将位于第一参照点Qn右方的点作为第二参照点Rn1，将以第一参照点Qn为中心且半径为第二规定值L2的圆周顺时针地等分成128个的点。第二参照点Rn2～Rn128以第二参照点Rn1为起点依次顺时针地配置。第二规定值L2和第二参照点的数量根据图像的尺寸、分辨率、认证精度和处理速度等适当地设定即可。基于获取后述的频率信息的观点，第二参照点的数量优选设定为2的乘方。
CPU1判断S33中决定的第二参照点Rnm是否全部在图像内(S34)。在判断为不是所有第二参照点Rnm都在图像内的情况下(S34：否)，CPU1执行后述的S37的处理。在所有第二参照点Rnm在图像内的情况下(S34：是)，CPU1使变量M加1(S35)。变量M的初始值为1。CPU1获取样本数据(S36)。CPU1针对S33中决定的多个第二参照点Rnm，分别获取由位置信息和色彩信息构成的样本。本例的CPU1获取由第二参照点表示的像素的灰度值作为色彩信息。在第二参照点的坐标是以子像素为单位的情况下(绝对坐标不是整数的情况)，CPU1通过公知的双线性插值法，使用第二参照点附近4个像素的灰度值，来计算第二参照点的色彩信息。CPU1将所获取的多个样本与第一参照点Qn的中心信息关联起来以作为样本数据。
CPU1针对S31中决定的所有第一参照点Qn，判断是否执行了S32的处理(S37)。在所有第一参照点中有未执行S32的处理的情况下(S37：否)，CPU1返回S32的处理。在所有第一参照点Qn执行了S32的处理的情况下(S37：是)，CPU1判断变量M是否大于阈值(S38)。S38的处理是用于判断是否使样本信息有效的处理。在变量M大于阈值的情况下(S38：是)，CPU1基于S36中获取的多个样本数据所构成的样本信息，生成样本图像(S39)。S39中，针对图7所示的图像41的圈46所示的基准点P，生成图9所示的样本图像42。样本图像42的短边方向对应中心信息，长边方向对应位置信息。样本图像42的各像素的色彩表示与中心信息和位置信息的组合相对应的像素的色彩信息。
CPU1基于S36中获取的样本数据构成的样本信息，获取频率信息(S40)。本例的CPU1利用上述公知的方法，针对每一个中心信息，计算色彩信息相对于位置信息的变化的一维群延迟频谱来作为频率信息。群延迟频谱(GDS)被定义为功率传递函数中的相位频谱的频率微分。如图10的例子所示，基于样本信息82计算出的GDS83将样本信息82的频谱的各个波峰分离并增强。GDS的排列的要素个数是相位频谱的要素个数减去1。具体而言，CPU1对LPC系数进行加权后进行高速傅里叶变换，对由此得到的功率频谱进行相位微分，从而计算出GDS，并将计算出的GDS作为频率分量。
CPU1基于S40中获取的频率信息，生成频率图像(S41)。具体例中，生成图11所示的频率图像43。具体例中，频率图像43的短边方向对应要素个数，长边方向对应中心信息。频率图像43的像素的色彩表示与要素个数和中心信息的组合相对应的像素的GDS。CPU1使GDS较大的像素颜色更深(灰度值更大)。CPU1使GDS较小的像素颜色更浅(灰度值更小)。
CPU1存储包含S40中获取的频率信息的核对信息(S42)。本例的CPU1存储基准点的坐标、基准点的方向和频率信息作为核对信息。在S38中变量M没有大于阈值的情况下(S38：否)，CPU1舍弃S36中获取的样本数据构成的样本信息(S43)。S42或S43之后，CPU1结束频率信息获取处理，并返回图6的图像解析处理。图6的S29之后，CPU1针对S27中决定的所有基准点，判断是否执行了S28的处理(S30)。在判断为不是所有基准点都执行了S28的处理的情况下(S30：否)，CPU1返回S28的处理。在所有基准点都执行了S28的处理的情况下(S30：是)，CPU1结束图像解析处理，并返回图5的核对信息处理。
S11之后，CPU1判断S11中是否获取了包含频率信息的核对信息(S12)。在未获取核对信息的情况下(S12：否)，CPU1通知出错(S16)。CPU1例如在显示部6上显示出错消息。在获取到核对信息的情况下(S12：是)，判断是否将S11中获取的核对信息作为参照用核对信息登记在DB28中(参照图2)(S13)。表示是否进行登记的信息例如包含在开始指示中。具体例中，判断为将核对信息登记在DB28中(S13：是)时，CPU1将S11中获取的核对信息存储到闪存4的DB28中(S14)。在判断为不用将核对信息登记在DB28中时(S13：否)，CPU1执行核对处理，将S11中获取的核对信息作为成为核对对象的测试用核对信息(S15)。S14、S15或S16之后，CPU1结束核对信息处理。
2.核对时的处理
以使用从图7的图像41提取出的频率信息作为参照用频率信息，并获取图12的图像61作为成为核对对象的测试用图像的情况为例，对核对时的核对信息处理进行说明。核对时的核对信息处理中，与登记时的核对信息处理一样，执行S11。例如，在图6的S22中获取到被图12的圈66所包围的端点作为特征点的情况下，在图8的S39中生成图13的样本图像62。样本图像62具有用空白表示的样本数据缺失的部分，其表示在图8的S34中判断为不是全在图像内的第一参照点Qn的样本数据没有被获取(S34：否)。图8的S41中，生成图14的频率图像63。图14具有用空白表示的频率分量缺失的部分。
图5的S12中，判断为获取到了核对信息(S12：是)，并基于开始指示判断为不进行登记(S13：否)。CPU1执行核对处理(S15)。核对处理中，CPU1针对满足规定条件的基准点的组合，计算参照用频率信息和测试用频率信息的相似度W。CPU1基于相似度W，决定从参照用图像获取的基准点与从测试用图像获取的基准点之间的关联。CPU1根据所决定的关联，计算核对评分来进行认证。
如图15所示，核对处理中，CPU1决定从测试用图像获取的基准点PT与从参照用图像获取的基准点PU的所有组合(S91)。在从图7所示的参照用图像41获取到图16的10个基准点PU1～PU10，从图12所示的测试用图像61获取到图16的5个基准点PT1～PT5的情况下，在S91中决定50组的组合。CPU1从S91决定的组合内选择一个未被S92选择的组合(S92)。CPU1计算S92中选择的组合的基准点PT与基准点PU的相似度V(S93)。CPU1针对基准点PT和基准点PU，基于基准点附近的规定个数个基准点的坐标及基准点(特征点)的方向，计算相似度V。
如图17所示，在相似度V计算处理中，CPU1针对图15的S92中所选择的基准点即选择基准点，分别获取其附近基准点(S111)。附近基准点是从图像获取的多个基准点中按照到选择基准点的距离由近到远的顺序提取出的规定个数的基准点。在规定个数为4个，S92中选择的基准点的组合为基准点PU1与基准点PT1的情况下，获取基准点PU2～PU5作为基准点PU1附近的基准点PU。获取基准点PT2～PT5作为基准点PT1附近的基准点PT。CPU1针对选择基准点及附近基准点设定局部坐标系(S112)。局部坐标系是基于选择基准点的坐标及方向设定的相对坐标。具体而言，CPU1将选择基准点的坐标为原点，将针对选择基准点获取的基准点(特征点)的方向设定为Xk轴正方向。CPU1将Xk轴逆时针旋转90度后的方向设定为Yk轴正方向。CPU1针对S111中获取的附近基准点，分别计算局部坐标系的坐标及基准点(特征点)的方向。
CPU1选择到测试用选择基准点PT1的距离为第K近的测试用附近基准点、和到参照用选择基准点PT1的距离为第K近的参照用附近基准点(S113)。变量K的初始值为1。变量K为1时，获取基准点PT2作为测试用附近基准点，获取基准点PU2作为参照用附近基准点。CPU1分别计算S113中选择的测试用附近基准点与参照用附近基准点之间的距离差CD、角度差AD和方向差DD(S114)。距离是附近基准点与选择基准点之间的距离。当附近基准点的局部坐标为(Xk,Yk)时，距离为√(Xk2+Yk2)。角度是选择基准点到附近基准点的向量与局部坐标系的Xk轴所成的自Xk轴起顺时针方向的角度。方向是在局部坐标系中表示附近基准点的方向。CPU1基于S114中计算出的差CD、AD和DD，计算相似度VK(S115)。CPU1基于式(1)计算VK。
VK＝Vh-(VC×CD+VA×AD+VD×DD)···式(1)
式(1)中，Vh为规定值。VC为差CD的加权系数。VA为差AD的加权系数。VD为差DD的加权系数。在差CD、AD和DD中的任一个为单独设定的阈值以上的情况下，CPU1将VK设为0。
CPU1判断是否所有的附近基准点都在S113的处理中被选择(S116)。由于本例中的规定个数为4个，因此在变量K为4的情况下，CPU1判断为所有附近基准点都在S113的处理中被选择。在判断为不是所有附近基准点都在S113的处理中被选择的情况下(S116：否)，CPU1使变量K加1(S118)，并返回S113的处理。在所有附近基准点都在S113的处理中被选择的情况下(S116：是)，CPU1计算相似度V(S117)。相似度V是S115中计算出的多个相速度VK之和。本例中，由于规定个数为4个，因此相似度V是相似度V1～V4之和。S117之后，CPU1结束以上的相似度V计算处理，并返回图15的核对处理。
S93之后，CPU1判断S93中计算出的相似度V是否大于阈值(S94)。S94是用于仅在基于附近基准点的局部坐标和方向计算出的参照用选择基准点与测试用选择基准点的相似度V大于阈值的情况下计算相似度W的处理。与相似度V相比，相似度W的计算要花费更多的时间，因此考虑到处理的高效化，在本例中执行S93和S94的处理。在相似度V没有大于阈值的情况下(S94：否)，CPU1将相似度W设定为规定值(S96)。规定值例如为0。在相似度V大于阈值的情况下(S94：是)，CPU1执行相似度W计算处理(S95)。
本例的CPU1利用无端点动态规划匹配来计算相似度W。如图18所示，在相似度W计算处理中，CPU1决定参照用频率信息和测试用频率信息的关联(S51)。在实施方式1的核对信息处理中，CPU1使用基准点(特征点)的方向，决定第一参照点的获取顺序。即，中心信息预先根据基准点的方向，将参照用频率信息和测试用频率信息关联起来。图19中示出参照用频率信息和测试用频率信息的关联。图19中，左侧示出测试用频率图像63。下侧示出参照用频率图像43。图19的频率图像63是将图14的频率图像63以左下角为中心逆时针旋转了90度。图19的频率图像43是将图11的频率图像43相对于下边进行了反转。
CPU1判断参照用频率信息和测试用频率信息中的至少一个是否为部分信息(S52)。具体而言，CPU1针对参照用频率信息和测试用频率信息中的至少一个，判断是否有未包含频率分量的中心信息，在有未包含频率分量的中心信息的情况下，判断为部分信息。在判断为参照用频率信息和测试用频率信息都不是部分信息的情况下(S52：否)，CPU1使用公知的方法计算参照用频率信息和测试用频率信息的距离值D(S64)。公知的方法例如是无端点动态规法匹配法。图19所示的具体例中，判断为参照用频率信息和测试用频率信息中的某一个为部分信息(S52：是)，CPU1将变量L3设为0(S53)。CPU1将变量E和变量F设为1(S53)。
CPU1判断中心信息为E的参照用频率分量UE和中心信息为F的测试用频率信息TF双方是否存在(S54)。图20中利用方块示意性地示出中心信息为E的参照用频率分量UE和中心信息为F的测试用频率分量TF。图20中，针对图8的S36中获取了样本信息的第一参照点(即，具有频率分量的第一参照点)所对应的参照用频率分量UE及测试用频率分量TF，在其方块中绘制了阴影。针对未执行S36的第一参照点所对应的参照用频率分量UE和测试用频率分量TF，对其方块没有绘制阴影(即为白色)。参照用频率分量U1～U12及测试用频率分量T1～T6均具有频率分量。测试用频率分量T7～T10不具有频率分量。在判断为双方都存在的情况下(S54：是)，CPU1选择匹配成本最小的路径(S55)。CPU1选择参照用频率分量UE到测试用频率分量T(F+1)的距离L5、参照用频率分量U(E+1)到测试用频率分量TF的距离L6、参照用频率分量U(E+1)到测试用频率分量T(F+1)的距离L7中距离最小的路径。
如图20的左下所示，在变量E和变量F分别为1的情况下，距离L5最小时，CPU1使变量F加1，选择箭头Y5所示的路径。在距离L6最小时，CPU1使变量E加1，选择箭头Y6所示的路径。在距离L7最小时，CPU1使变量E和变量F分别加1，选择箭头Y7所示的路径。本例中，距离L6最小，选择箭头Y6所示的路径。
CPU1判断S55中选择的路径是否是无端点区间的路径(S56)。CPU1在路径搜索开始位置(图20中点ST所示的左下角位置)起的所有路径都是箭头Y5所示方向的路径的情况下，或者路径搜索开始位置起的所有路径都是箭头Y6所示方向的路径的情况下，判断为S55中选择的路径是无端点区间的路径。判断为无端点区间的情况仅限于同一方向上的路径被选择了规定次数(例如4次)以下。图20的例子中，箭头Y6、箭头Y8、箭头Y9所示的路径是从路径搜索开始位置起的所有路径都是箭头Y6所示的方向(图中右方)的路径，同一方向的路径为规定次数即4次以下，因此判断为无端点区间。无端点区间用箭头RE表示。对于之后的路径，即使用相同箭头Y6表示的方向上的路径连续下去，也判断为不是无端点区间内的路径。是无端点区间的情况下(S56：是)，CPU1将局部距离与距离值D相加，并更新距离值D(S57)。距离值D的初始值为0。局部距离是S55中计算出的3个距离中最小的距离。
在S55所选择的路径不是无端点区间的路径的情况下(S56:否)或S57之后，CPU1判断测试用频率信息中频率分量是否重新进行了比较(S58)。CPU1在S55中参照用频率分量UE与测试用频率分量T(F+1)的距离L5为最小的情况下，判断为测试用频率信息中频率分量重新进行了比较(S58：是)。图20中是箭头Y13、Y15和Y17各自所示的路径被选择的情况。CPU1在S55中参照用频率分量U(E+1)与测试用频率分量T(F+1)的距离L7为最小的情况下，也判断为测试用频率信息中频率分量重新进行了比较(S58：是)。图20中是箭头Y10、Y12和Y16各自所示的路径被选择的情况。判断为测试用频率信息中频率分量重新进行了比较的情况下(S58：是)，CPU1使变量L3加1(S59)。
测试用频率信息中频率分量没有重新进行比较的情况下(S58：否)或S59的处理之后，判断参照用频率信息中频率分量是否重新进行了比较(S60)。CPU1在S55中参照用频率分量U(E+1)与测试用频率分量TF的距离L6为最小的情况下，判断为参照用频率信息中频率分量重新进行了比较(S60：是)。图20中是箭头Y6、Y8、Y9、Y11和Y14各自所示的路径被选择的情况。CPU1在S55中参照用频率分量U(E+1)与测试用频率分量T(F+1)的距离L7为最小的情况下，也判断为参照用频率信息中频率分量重新进行了比较(S60：是)。判断为参照用频率信息中频率分量重新进行了比较的情况下(S60：是)，CPU1使变量L3加1(S61)。通过S59的处理和S61的处理，计算出图19的A1、B1、A2、B2之和作为变量L3。A1和A2表示测试用频率分量TF中与参照用频率分量UE进行了比较的范围。B1和B2表示参照用频率分量UE中与测试用频率分量TF进行了比较的范围。
图20中箭头Y17所示的路径被选择了之后的S54中，CPU1判断没有中心信息为7的测试用频率分量T7。即，判断为中心信息为E的参照用频率分量UE和中心信息为F的测试用频率信息TF不是双方都存在(S54：否)。这种情况下，CPU1使局部距离为0来设定路径(S65)。CPU1设定箭头Y18所示的参照用频率分量U(E+1)与测试用频率分量T(F+1)的路径(S65)。在反复执行的S65中，CPU1在选择了测试用频率分量T8～T10的情况下，分别设定箭头Y19～Y21所示的参照用频率分量U(E+1)与测试用频率分量T(F+1)的路径(S65)。
在参照用频率信息中频率分量没有重新比较的情况下(S60：否)，在S61或S65之后，CPU1判断是否选择了到终点的路径(S62)。本例的CPU1在变量E和变量F达到中心信息的最大值的情况下，判断为终点。在没有选择到终点的路径的情况下(S62：否)，CPU1返回S54的处理。在选择了到终点的路径的情况下(S62：是)、或在S64的处理之后，CPU1基于变量L3和距离值D，计算相似度W(S63)。相似度W基于下式(2)计算出。
W＝Ws×(Dth-D)/Dth×(L3/2C)Z···式(2)
式(2)中，Ws是对于规定频率分量的加权系数。Dth是距离值的阈值。C如图19的例子所示，是S52中判断为不是部分信息的情况下与能够进行比较的频率分量个数相应的值。Z是加权系数。在S64的处理之后执行的S63中，CPU1将变量L3设定为固定值。本例的固定值为2C。根据式(2)，在相似度W小于0的情况下，将W设为0。S63中计算出的相似度W用于例如决定测试用图像61和参照用图像41的关联的处理。更具体而言，决定测试用图像61与参照用图像41的关联的处理是决定参照用图像41与测试用图像61之间将位置及角度偏差考虑在内的关联的处理。S63的处理之后，CPU1结束相似度W计算处理，并返回图15的核对处理。
S95或S96之后，CPU1针对S91中决定的所有组合，判断是否执行了S92的处理(S97)。在判断为不是所有组合都执行了S92的处理的情况下(S97：否)，CPU1返回S92的处理。在所有组合都执行了S92的处理的情况下(S97：是)，CPU1执行关联处理(S98)。关联处理中，CPU1基于S95和S96中计算出或设定的相似度W，决定从测试用图像获取的基准点与从参照用图像获取的基准点之间的对应关系。
若图21所示，关联处理中，CPU1生成候补列表(S121)。如图22所示，候补列表85是将从测试用图像61获取的基准点PT所对应的从参照用图像41获取的基准点PU的候补，按照相似度W从高到低的顺序排序而成的表格。本例的CPU1在候补列表中仅包含相似度在规定值以上的组合。例如，针对基准点PT1，按照基准点PU1、PU5、PU3的顺序相似度W依次变高，基准点PU1是与基准点PT1对应的最佳候补。CPU1将变量K设定为1，并将删除标记设为FALSE。
CPU1选择第K个测试用基准点PT的候补(S122)。K的初始值为1。K为1时，选择与基准点PT1的相似度W最大的PU1作为基准点PT1的候补。CPU1判断S122中选择的候补有没有成为其它基准点PT的候补(S123)。基准点PU1也是其它基准点PT2的候补(S123：是)。CPU1判断相似度W1与相似度W2是否相同(S124)。相似度W1是基准点PT1与作为候补的PU1的相似度W。相似度W2是作为候补的PU1与其它基准点PT2的相似度W。相似度W1为80，相似度W2为60，两者不同(S124：否)。从而，CPU1从候补列表85删除相似度W1和相似度W2中相似度较小一方的基准点即其它基准点PT2的候补基准点PU1的数据86(S126)。CPU1将删除标记设为TRUE。在相似度W1与相似度W2相同的情况下(S124：是)，将第K个测试用基准点PT和第一号候补是相同的其它基准点PT中的与第一号候补的相似度同与第二号候补的相似度之差较小一方的候补从候补列表85删除(S125)。例如，在未图示的具体例中，针对第K个测试用基准点PT，与第一号候补的相似度为80，与第二号候补的相似度为20，差为60。针对第一号候补是相同的其它基准点PT，与第一号候补的相似度为80，与第二号候补的相似度为30，差为50。这种情况下，CPU1将差比第K个基准点Pt小的其它基准点PT的第一号候补的基准点PU的数据从候补列表85删除。CPU1将删除标记设为TRUE。
CPU1在S122中选择的候补不是其它基准点PT的候补的情况下(S123：否)，或者S125或S126之后，CPU1判断是否所有测试用基准点PT均执行了S122的处理(S127)。本例中，基准点PT的个数为5，因此CPU1在变量K为5的情况下，判断为对所有测试用基准点PT执行了S122的处理(S127：是)。在判断为不是对所有基准点均执行了S122的处理的情况下(S127：否)，CPU1使变量K加1(S133)，并返回S122的处理。在所有基准点PT执行了S122的处理的情况下(S127：是)，CPU1使变量L4加1(S128)。变量L4的初始值为0。变量L4是用于对S128的处理的执行次数进行计数的变量。CPU1判断变量L4是否大于阈值(S129)。在变量L4大于阈值的情况下(S129：是)，CPU1设定关联失败(S132)。在变量L4没有大于阈值的情况下(S129：否)，CPU1判断删除标记是否为TRUE(S130)。
在删除标记为TRUE的情况下(S130：是)，CPU1将变量K设定为1，并将删除标记设为FALSE(S134)。CPU1返回S122的处理。在删除标记不是TRUE的情况下(S130：否)，CPU1设定关联成功(S131)。S131或S132之后，CPU1结束关联处理，并返回图15的核对处理。具体例中，通过S98的处理，基准点PTU1与基准点PT1相关联。基准点PU2与基准点PT2相关联。基准点PU3与基准点PT3相关联。基准点PU8与基准点PT4相关联。基准点PU10与基准点PT5相关联。
CPU1判断S98中关联是否成功(S99)。在关联没有成功的情况下(S99：否)，CPU1将认证结果设定为失败(S103)。在关联成功的情况下(S99：是)，CPU1计算核对评分(S100)。核对评分例如是S98中设定的对应关系中相似度W之和或相似度W的平均值。具体例中，将基准点PT1与基准点PTU1的相似度WR1、基准点PT2与基准点PU2的相似度WR2、基准点PT3与基准点PU3的相似度WR3、基准点PT4与基准点PU8的相似度WR4、基准点PT5与基准点PU10的相似度WR5的平均值作为核对评分来计算。CPU1判断S100中计算出的核对评分是否大于阈值(S101)。阈值根据S100中设定的核对评分计算方法而预先设定。在核对评分大于阈值的情况下(S101：是)，CPU1将认证结果设定为成功(S102)。在核对评分没有大于阈值的情况下(S101：否)，CPU1将认证结果设定为失败(S103)。虽然未图示，CPU1可适当地告知认证结果。告知可通过例如在显示部6上显示认证结果来进行。告知也可以例如通过声音来播放认证结果。S102或S103之后，CPU1结束核对处理，并返回图5的核对信息处理。
实施方式1的核对信息处理中，CPU1及闪存4分别相当于本发明的处理器和存储单元。图6的S21的处理相当于本发明的图像获取步骤。执行S21处理的CPU1起到本发明的图像获取单元的功能。S27的处理相当于本发明的基准点决定步骤。执行S27处理的CPU1起到本发明的基准点决定单元的功能。图8的S31～S37的处理相当于本发明的样本信息获取步骤。执行S31～S37处理的CPU1起到本发明的样本信息获取单元的功能。图8的S40的处理相当于本发明的频率信息获取步骤。执行S40处理的CPU1起到本发明的频率信息获取单元的功能。图8的S42的处理及图5的S14的处理相当于本发明的存储控制步骤。执行S42处理及S14的处理的CPU1起到本发明的存储控制单元的功能。图6的S22的处理相当于本发明的提取步骤。S28的处理相当于本发明的方向获取步骤。图18的S51的处理相当于本发明的关联决定步骤。图18的S63的处理相当于本发明的相似度计算步骤。图8的S31的处理相当于本发明的第一设定步骤。S33的处理相当于本发明的第二设定步骤。S34的处理相当于本发明的判断步骤。S36的处理相当于本发明的获取步骤。S57的处理相当于本发明的第一相似度计算步骤。S65的处理相当于本发明的第二相似度计算步骤。S63的处理相当于本发明的信息相似度计算步骤。
信息处理装置10能够生成表示图像中基准点P周围的色彩变化的频率信息。第一参照点Q到基准点P的距离为第一规定值L1。即，第一参照点Q在以基准点P为中心且半径为第一规定值L1的圆周上。因此，信息处理装置10能够生成图像所表征的生物信息(本例中为指纹图像所表征的生物信息)相对于基准发生了旋转或移动的影响能被抵消的核对信息。
信息处理装置10基于由图像提取出的特征点来计算频率信息，因此即使在从图像提取出的特征点的数量较少的情况下，也能够生成表示特征点周围的色彩变化的信息。频率信息例如可以用于以下几种特征点的关联：从用于核对生物信息的测试用图像61中提取出的特征点、从存储在闪存4中的登记用(参照用)图像41中提取出的特征点、成为参照对象的特征点。
信息处理装置10基于图6的S28中获取的基准点(特征点)的方向，获取第一参照点，设定中心信息(S31)。信息处理装置10能够获取包含了将图像所表征的生物信息相对于基准发生的旋转或移动的影响考虑在内的频率信息的核对信息。更具体而言，CPU1将相对于基准点P位于基准点(特征点)的方向且到基准点P的距离为第一规定值L1的点作为第一参照点Q1。CPU1在以基准点P为中心且半径为第一规定值L1的圆上，以第一参照点Q1为起点，沿着顺时针方向依次设定第一参照点Qn(n为2～63的整数)。而且，本例的中心信息是第一参照点Qn的获取顺序。在该条件下获取的参照用频率信息的第一参照点Q1与测试用频率信息的第一参照点Q1之间，测试用图像相对于获取图像时的参照用图像的方向偏移的影响被抵消。因此，信息处理装置10无需复杂的处理，就能简单地决定参照用频率信息与测试用频率信息的对应关系。信息处理装置10能够将图像所表征的信息相对于基准发生了旋转或移动的影响考虑在内，对测试用频率信息与登记用频率信息进行比较，从而计算出相似度W。
信息处理装置10在图6的S21中获取的图像的尺寸较小的情况下，针对图像能够设定的基准点的数量要少于图像尺寸较大时的数量。另一方面，还假设根据图像的尺寸、基准点的坐标、第一规定值、第二规定值，第二参照点相对于基准点被设定在图像外的情况。基于利用较少的基准点且高效、有效地获取频率信息的观点，优选为在一部分第二参照点被设定在图像外的情况下也能够计算相似度。本实施方式的信息处理装置10通过执行图18的S55～S63和S65的处理，从而将第二参照点被设定在图像外的第一参照点Q考虑在内，来计算相似度W。因此，信息处理装置10在具有第二参照点R被设定在图像外的第一参照点Q的情况下，也能够获取该基准点的频率信息。基于所获取的频率信息，能够恰当地计算相似度W。
3.效果的检验
将实施方式1的方法与现有方法的ROC(Receiver Operating Characteristic：受试者工作特征)进行比较。图23中示出比较结果。图中的线101表示实施方式1的方法。线102表示现有方法的结果。线103是在现有方法中将基准点的类别(端点、分支点)和基准点的方向加权设为0时的结果。现有方法是基于基准点的类别(端点、分支点)和基准点的方向加权来决定基准点的对应关系，并计算核对评分。如图23所示，通过使用实施方式1的方法，能够得到比现有方法更好的认证精度。即，确认了通过使用频率信息来决定基准点的对应关系从而计算核对评分的方法，比基于基准点的类别(端点、分支点)和基准点的方向加权来决定基准点的对应关系并计算核对评分的方法的认证精度要高。
对实施方式2的核对信息处理进行说明。实施方式1的核对信息处理与实施方式2的核对信息处理的不同之处在于图6的图像解析处理的S28、图8的频率信息获取处理的S31、图17的相似度V计算处理的S114、S115及图18的相似度W计算处理的S51，其它处理都相同。对于和实施方式1的核对信息处理相同的处理，省略其说明。对与实施方式1的核对信息处理不同的处理进行说明。以获取图7的图像41作为参照用图像，获取图24的图像91作为测试用图像的情况为例进行说明。与实施方式1相同，信息处理装置10的CPU1检测到有核对信息处理开始指示的输入时，将存储在闪存4中的用于执行核对信息处理的信息处理程序读取到RAM3，并根据信息处理程序中包含的指示，执行以下说明的各步骤的处理。
图6的图像解析处理的S28中，CPU1获取基准点的坐标，不获取基准点的方向(S28)。图8的频率信息获取处理中，CPU1针对图6的S28中获取的基准点，决定第一参照点(S31)。本例中，CPU1将到基准点P的距离为第一规定值L1的63个点决定为第一参照点Qn。本例中，第一参照点Q1是相对于基准点P在到基准点P的距离为第一规定值L1的规定方向上的点。规定方向是相对于基准点P预先设定的方向，本例中为右方。第一参照点Q2～Q63是从第一参照点Q1起沿着顺时针方向依次等间隔配置的点。在与实施方式1相同的S39中，基于参照用图像41，生成图25的样本图像48。基于测试用图像91，生成样本图像98。在与实施方式1相同的S41中，基于参照用图像41，生成图25的频率图像49。基于测试用图像91，生成频率图像99。
在图17的相似度V计算处理的S114中，CPU1分别计算S113中被选择的测试用附近基准点与参照用附近基准点之间的距离差CD和角度差AD(S114)。CPU1基于式(1)′计算VK。
VK＝Vh-(VC×CD+VA×AD)···式(1)′
式(1)′中，Vh、VA与式(1)的相同。其中，在差CD、AD中的任一个为单独设定的阈值以上的情况下，CPU1将VK设为0。
在图18的相似度W计算处理S51中，执行图26所示的对应关系决定处理。实施方式2的频率信息没有基于基准点(特征点)的方向设定中心信息。因此，实施方式2中，需要考虑参照用图像和测试用图像之间生物信息的方向不同来计算相似度W。如图26所示，CPU1将变量K设为0，将变量E设为1，将变量F设为变量G(S71)。变量K是表示在相似度W计算处理中频率分量进行了比较的第一参照点(中心信息)的个数的变量。变量E是用于依次读取出参照用频率信息中的第一参照点的变量。变量F是用于依次读取出测试用频率信息中的第一参照点的变量。变量G是用于在依次读取出测试用频率信息中的第一参照点的情况下规定其开始位置的变量。变量G的初始值为1。
CPU1获取参照用频率信息中的第E个第一参照点和测试用频率信息中的第F个第一参照点(S72)。变量E为1且变量F为1的情况下，获取图27的组合50所示的参照用频率分量U1和测试用频率分量T1。CPU1判断与参照用的第E个第一参照点对应的频率分量UE和与测试用的第F个第一参照点对应的频率分量TF是否双方都存在(S73)。图27中，与图20一样，针对图8的S36中获取了样本信息的第一参照点(即，具有频率分量的第一参照点)所对应的参照用频率分量UE及测试用频率分量TF，在其方块中绘制了阴影。在双方都存在的情况下(S73：是)，CPU1计算与参照用的第E个第一参照点对应的频率分量UE和与测试用的第F个第一参照点对应的频率分量TF的距离来作为两者的相似度(S74)。本例的CPU1计算欧氏距离H(E)。在要素个数为1～N/2，频率分量UE用式(3)表示，频率分量TF用式(4)表示的情况下，欧氏距离H(E)可基于式(5)来求出。
频率分量UE＝{UE(1),UE(2),…,UE(N/2)}…式(3)
频率分量TF＝{TF(1),TF(2),…,TF(N/2)}…式(4)
欧氏距离H(E)＝√{(UE(1)-TF(1))2+(UE(2)-TF(2))2+…+(UE(N/2)-TF(N/2))2}…式(5)
CPU1使变量K加1(S76)。在判断为与参照用的第E个第一参照点对应的频率分量UE和与测试用的第F个第一参照点对应的频率分量TF不是双方都存在(S73：否)的情况下，CPU1将欧氏距离H(E)设为0(S75)。S75或S76之后，CPU1判断S72中是否获得了参照用频率信息包含的所有中心信息所对应的第一参照点(S77)。在判断为S72中没有获得参照用频率信息的所有第一参照点的情况下(S77：否)，CPU1使变量E加1。CPU1更新变量F(S82)。变量F的更新按照如下方式进行。在变量F是1～62之间的任意一个整数的情况下，CPU1使变量F加1。变量F为63的情况下，CPU1将变量F设为1。S82之后，CPU1返回S72的处理。
在S72的处理中获取了参照用频率信息的所有第一参照点的情况下(S77：是)，CPU1判断变量K是否大于0(S78)。在变量K不是大于0的情况下(S78：否)，将距离H设定为规定值，并将设定的距离H与变量G关联起来进行存储(S80)。在变量K大于0的情况下(S78：是)，CPU1计算距离H(S79)。具体而言，CPU1计算出在S74中算出的欧氏距离H(E)之和，并将算出的和乘以(Hp/K)ZA后得到的值作为距离H。Hp为规定的值。ZA是加权系数，是大于0的值。从而在考虑了相似度W计算处理中比较了频率分量的第一参照点(中心信息)的个数的基础上，计算出距离H。变量K较小时的(Hp/K)ZA的值要大于变量K较大时的值。CPU1将计算出的距离H和变量G关联起来进行存储。S79或S80的处理之后，CPU1判断是否进行了一个周期的处理(S81)。CPU1在图27所示的变量G为63的情况下，判断为进行了一个周期的处理。在没有进行一个周期的处理的情况下(S81：否)，CPU1使变量G加1(S83)。S83之后，CPU1返回S71的处理。如图27所示，在S83的处理之后执行的处理中，利用将参照用频率信息的中心信息为1时所对应的测试用频率信息的中心信息相比于前次处理向大1侧(图中左侧)偏移后的组合，来计算欧氏距离H(E)。前次处理中参照用频率信息的中心信息为1时所对应的测试用频率信息的中心信息在本次处理中被设定为参照用频率信息的中心信息为63时所对应的测试用频率信息的中心信息。
在进行了一个周期的处理的情况下(S81：是)，CPU1基于S78中计算出的距离H最短的变量G，决定参照用频率信息与测试用频率信息的对应关系。具体而言，CPU1将S79中计算出的距离H或S80中设定的距离H中值最小的距离H所对应的变量G决定为参照用频率信息的中心信息为1时所对应的测试用频率信息的中心信息。S78中计算出的距离H最短的变量G为23时，如图27所示，参照用频率信息的中心信息为1时所对应的测试用频率信息的中心信息为23。至此，CPU1结束关联决定处理，并返回图18的相似度W计算处理。在图18的相似度W计算处理中，如图28所示意的那样，计算测试用频率信息重新排列后的参照用频率信息与测试用频率信息的相似度V、W，以使参照用频率信息的中心信息为1时所对应的测试用频率信息的中心信息为23。图28的各模块的标记方法与图20的相同。
实施方式2的核对信息处理中，CPU1及闪存4分别相当于本发明的处理器和存储单元。图6的S21的处理相当于本发明的图像获取步骤。执行S21处理的CPU1起到本发明的图像获取单元的功能。S27的处理相当于本发明的基准点决定步骤。执行S27处理的CPU1起到本发明的基准点决定单元的功能。图8的S31～S37的处理相当于本发明的样本信息获取步骤。执行S31～S37处理的CPU1起到本发明的样本信息获取单元的功能。图8的S40的处理相当于本发明的频率信息获取步骤。执行S40处理的CPU1起到本发明的频率信息获取单元的功能。图8的S42的处理及图5的S14的处理相当于本发明的存储控制步骤。执行S42处理及S14的处理的CPU1起到本发明的存储控制单元的功能。图6的S22的处理相当于本发明的提取步骤。图18的S51的处理相当于本发明的关联决定步骤。图18的S63的处理相当于本发明的相似度计算步骤。图8的S31的处理相当于本发明的第一设定步骤。S33的处理相当于本发明的第二设定步骤。S34的处理相当于本发明的判断步骤。S36的处理相当于本发明的获取步骤。S57的处理相当于本发明的第一相似度计算步骤。S65的处理相当于本发明的第二相似度计算步骤。S63的处理相当于本发明的信息相似度计算步骤。
根据实施方式2的核对信息处理，信息处理装置10即使不使用基准点(特征点)的方向，也能够恰当地比较参照用频率信息与测试用频率信息。上述实施方式2中，对信息处理装置10以特征点为基准点的情况进行了说明，但在图6的S21中获取的图像比较小的情况下，有时会无法获取足够数量的特征点以执行核对。这种情况下，考虑信息处理装置10将特征点以外的任意点作为基准点来获取频率信息的方式。在这种情况下，信息处理装置10也能通过执行实施方式2的关联决定处理，并将图像方向的偏差也考虑在内来计算相似度W，并利用相似度W来执行核对。
本发明的信息处理程序及信息处理装置并不限于上述实施方式，也可以在不脱离本发明要旨的范围内进行各种变更。例如，也可以适当地进行以下(A)～(C)的变形。
(A)可以适当改变信息处理装置10的结构。例如，信息处理装置10并不限于智能手机的情况，也可以是例如笔记本电脑、平板电脑和移动电话之类的移动设备，还可以是自动存取款机(ATM)和进出管理装置之类的设备。生物信息获取装置8也可以与信息处理装置10分开设置。这种情况下，生物信息获取装置8和信息处理装置10可以通过连接电缆连接，也可以通过Bluetooth(注册商标)及NFC(Near Field Communication)的方式进行无线连接。生物信息获取装置8的检测方式不限于静电电容方式，也可以是其它方式(例如电场式、压力式、光学式)。生物信息获取装置8不限于面型，也可以是线型。生物信息获取装置8所生成的图像的尺寸、色彩信息和分辨率也可以适当地变更。因此，例如色彩信息除了是对应黑白图像的信息之外，也可以是对应彩色图像的信息。
(B)信息处理程序只要在信息处理装置10执行程序之前存储于信息处理装置10的存储设备中即可。因此，信息处理程序的获取方法、获取路径及存储信息处理程序的设备都可以分别适当地变更。信息处理装置10的处理器执行的信息处理程序也可以通过电缆或无线通信从其它装置接收，并存储在闪存等存储装置中。其它装置包括例如PC(个人计算机)和经由网络连接的服务器。
(C)核对信息处理的各步骤并不限于由CPU1来执行的例子，也可以部分或全部由其它电子设备(例如ASIC)来执行。上述处理的各步骤也可以由多个电子设备(例如多个CPU)来分散处理。上述实施方式的核对信息处理的各步骤可以根据需要变更顺序、省略及追加步骤。基于来自信息处理装置10的CPU1的指令，在信息处理装置10上工作的操作系统(OS)等执行实际处理的一部分或全部，通过该处理来实现上述实施方式的功能的情况也包含在本发明公开的范围内。例如，也可以对核对信息处理适当进行以下的(C-1)～(C-8)的变更。
(C-1)可以对S11中获取的图像适当进行前序处理。例如，可以执行将图像的高频分量作为噪声去除的滤波处理。通过执行滤波处理，图像的边缘部分的深浅变化变平缓。用于滤波处理的滤波器可以使用公知的低通滤波器、高斯滤波器、移动平均滤波器、中值滤波器、平均滤波器中的任一种。在其它例中，也可以对S11中获取的图像执行用于仅提取特定频带分量的滤波处理。作为特定频带，可以选择包含指纹凹凸周期的频带。这种情况下用于滤波处理的滤波器可以列举公知带通滤波器。
(C-2)频率分量并不限于一维群延迟频谱。例如，频率分量也可以使用LPC频谱、群延迟频谱、LPC倒频谱、倒频谱、自相关函数、互相关函数等其它公知的频率分量。
(C-3)频率信息相似度的计算方法也可以适当变更。例如，在频率分量使用与本实施方式相同的一维群延迟频谱的情况下，高次谐波分量中的噪声分量有时会增强地呈现。考虑到这种情况，可以基于包含了优先选择低次谐波分量的规定个数的分量的频率信息，来选择频率信息。规定个数可以在考虑了样本数量和认证精度等的情况下预先设定，例如在针对一个第一参照点获取的样本数量N为128的情况下，规定个数设定为10～63中的任一个。优选为将规定个数设定为12～20中的任一个。在样本数量N的情况下，优选将规定个数设定为(样本数量N/10)～(样本数量N/5)。
(C-4)第一参照点及第二参照点的设定条件(例如个数、间隔和获取顺序等)也可以适当变更。为了减小测试用图像相对于获取图像时的参照用图像的方向偏差的影响，第二参照点优选为设定得足够密，特别优选为将相邻的第二参照点的间隔设定为1个像素左右。中心信息和位置信息也可以适当变更。
(C-5)S63中的相似度W的计算方法也可以适当变更。例如，也可以基于下式(6)来计算相似度。
W＝Vs×{1-(L3/2C)Z}+Ws×(Dth-D)/Dth×(L3/2C)Z···式(6)
式(6)中，Vs是根据附近基准点的坐标计算出的相似度。Vs可以基于公知的方法(例如参照日本专利第1476134号公报)计算出。Ws、Dth、C、Z与式(2)的相同。
(C-6)包含频率信息的核对信息不一定要用于计算相似度W的处理。核对信息包含频率信息即可，其它的信息可以适当变更。基准点是图像中的点即可，也可以不是特征点。基准点例如可以是图像中规定坐标的点。这种情况下，也可以基于基准点周围像素的色彩来设定基准点的方向，也可以不设定基准点的方向。可以基于基准点的方向来设定第一参照点，也可以不设定。各种阈值和规定值适当设定即可。
(C-7)图26的距离H也可以适当变更。例如，作为距离H，也可以获取测试用频率信息的频率分量与参照用频率信息的频率分量之差的绝对值的和、即汉明距离。
(C-8)也可以与公知的核对信息进行组合来执行核对。例如，也可以将利用公知的细节点方法得到的核对结果和使用本发明的核对信息方法得到的核对结果进行组合，来执行最终的判定。由此，从多种观点出发执行核对，能够期待核对精度的提高。

Claims (6)

1.一种计算机可读介质，其存储有信息处理程序，其特征在于，
该信息处理程序使具备处理器和存储单元的计算机执行以下步骤：
获取图像的图像获取步骤；
从在所述图像获取步骤中获取的所述图像来决定基准点的基准点决定步骤；
获取样本信息的样本信息获取步骤，该样本信息是表示在所述基准点决定步骤中决定的所述基准点周围的色彩信息变化的信息，在该步骤中，将到所述基准点的距离为第一规定值的所述图像中的点作为第一参照点，将以该第一参照点为中心且半径为第二规定值的圆周上的点作为第二参照点，将该第二参照点所对应的色彩信息与所述第二参照点在所述图像上的位置所对应的信息即位置信息关联起来，将由此得到的信息作为样本，针对不同位置的多个所述第二参照点分别获取所述样本，并将所获取的多个所述样本与所述第一参照点在所述图像上的位置所对应的信息即中心信息关联起来，将由此得到的信息作为样本信息而获取；
针对在所述样本信息获取步骤中获取的多个所述第一参照点分别获取基于所述样本信息生成的频率信息的频率信息获取步骤，在该步骤中，针对多个所述第一参照点分别计算出所述色彩信息相对于所述位置信息的变化的频率分量，并将计算出的所述频率分量与所述中心信息关联起来，将由此得到的信息作为频率信息而获取；以及
将在所述频率信息获取步骤中获取的所述频率信息作为用于核对生物信息的核对信息而存储于所述存储单元的存储控制步骤。
2.如权利要求1所述的计算机可读介质，其特征在于，
还具备对在所述图像获取步骤中获取的所述图像进行解析并提取出特征点的提取步骤，
所述基准点决定步骤将在所述提取步骤中提取出的所述特征点作为所述基准点。
3.如权利要求2所述的计算机可读介质，其特征在于，
还具备获取在所述提取步骤中提取出的所述特征点的方向的方向获取步骤，
在所述样本信息获取步骤中，基于在所述方向获取步骤中获取的所述特征点的方向来设定所述中心信息。
4.如权利要求1至3的任一项所述的计算机可读介质，其特征在于，还包括：
决定位置对应关系的关联决定步骤，该位置对应关系是将用于核对生物信息的测试用的所述频率信息的所述位置信息与存储在所述存储单元中的参照用的所述频率信息的所述位置信息关联起来的对应关系；以及
基于在所述关联决定步骤中决定的所述位置对应关系，计算出所述测试用的频率信息和所述参照用的频率信息的相似度即信息相似度的相似度计算步骤。
5.如权利要求4所述的计算机可读介质，其特征在于，
所述样本信息获取步骤具备：
针对所述基准点根据第一规定条件设定多个所述第一参照点的第一设定步骤；
针对在所述第一设定步骤中设定的多个所述第一参照点分别根据第二规定条件设定多个所述第二参照点的第二设定步骤；
针对多个所述第一参照点分别判断在所述第二设定步骤中设定的多个所述第二参照点是否全部位于所述图像内的判断步骤；以及
针对多个所述第一参照点中在所述判断步骤被判断为多个所述第二参照点全部位于所述图像内的所述第一参照点，获取该第一参照点相关的所述样本信息的获取步骤，
所述相似度计算步骤具备：
第一相似度计算步骤，在该步骤中，基于所述测试用的频率信息中在所述判断步骤被判断为多个所述第二参照点全部位于所述图像内的所述第一参照点即一个以上的图像内点相关的所述频率信息、以及所述关联决定步骤中决定的对应关系，来计算所述一个以上的图像内点相关的所述测试用的频率信息与所述参照用的频率信息的第一相似度；
第二相似度计算步骤，在该步骤中，基于所述测试用的频率信息中在所述判断步骤被判断为多个所述第二参照点没有全部位于所述图像内的所述第一参照点即一个以上的图像外点相关的所述频率信息、以及所述关联决定步骤中决定的对应关系，来计算所述一个以上的图像外点相关的所述测试用的频率信息与所述参照用的频率信息的第二相似度；以及
信息相似度计算步骤，在该步骤中，基于所述第一相似度和所述第二相似度来计算所述信息相似度。
6.一种信息处理装置，其特征在于，包括：
存储单元；
获取图像的图像获取单元；
从所述图像获取单元所获取的所述图像来决定基准点的基准点决定单元；
获取样本信息的样本信息获取单元，该样本信息是表示所述基准点决定单元所决定的所述基准点周围的色彩信息变化的信息，所述样本信息获取单元将到所述基准点的距离为第一规定值的所述图像中的点作为第一参照点，将以该第一参照点为中心且半径为第二规定值的圆周上的点作为第二参照点，将该第二参照点所对应的色彩信息与所述第二参照点在所述图像上的位置所对应的信息即位置信息关联起来，将由此得到的信息作为样本，针对不同位置的多个所述第二参照点分别获取所述样本，并将所获取的多个所述样本与所述第一参照点在所述图像上的位置所对应的信息即中心信息关联起来，将由此得到的信息作为样本信息而获取；
针对所述样本信息获取单元所获取的多个所述第一参照点分别获取基于所述样本信息生成的频率信息的频率信息获取单元，该频率信息获取单元针对多个所述第一参照点分别计算出所述色彩信息相对于所述位置信息的变化的频率分量，并将计算出的所述频率分量与所述中心信息关联起来，将由此得到的信息作为频率信息而获取；以及
将所述频率信息获取单元所获取的所述频率信息作为用于核对生物信息的核对信息而存储于所述存储单元的存储控制单元。
CN201680043543.9A 2015-07-31 2016-07-25 计算机可读介质及信息处理装置 Active CN107851313B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
JP2015152611 2015-07-31
JP2015-152611 2015-07-31
PCT/JP2016/071735 WO2017022548A1 (ja) 2015-07-31 2016-07-25 情報処理プログラム及び情報処理装置

Publications (2)

Publication Number Publication Date
CN107851313A CN107851313A (zh) 2018-03-27
CN107851313B true CN107851313B (zh) 2021-04-27

Family

ID=57944066

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201680043543.9A Active CN107851313B (zh) 2015-07-31 2016-07-25 计算机可读介质及信息处理装置

Country Status (6)

Country Link
US (1) US10430629B2 (zh)
JP (1) JP6723542B2 (zh)
KR (1) KR102457004B1 (zh)
CN (1) CN107851313B (zh)
HK (1) HK1247424A1 (zh)
WO (1) WO2017022548A1 (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2018066141A1 (ja) * 2016-10-07 2018-04-12 株式会社ディー・ディー・エス 情報処理プログラム及び情報処理装置
US11308577B2 (en) * 2018-04-04 2022-04-19 Sony Interactive Entertainment Inc. Reference image generation apparatus, display image generation apparatus, reference image generation method, and display image generation method
US10878071B2 (en) * 2018-10-23 2020-12-29 International Business Machines Corooration Biometric authentication anomaly detection

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1388946A (zh) * 2000-07-19 2003-01-01 金榮浣 用于无卡式安全信用交易处理的系统和方法
CN1487462A (zh) * 2002-09-06 2004-04-07 ������������ʽ���� 信息装置及显示控制方法
CN1595425A (zh) * 2004-07-13 2005-03-16 清华大学 指纹多特征识别方法
CN101010697A (zh) * 2004-07-22 2007-08-01 日本电气株式会社 图像处理系统
JP2007202912A (ja) * 2006-02-03 2007-08-16 Secom Co Ltd 縞模様を含む画像の照合装置
CN101276411A (zh) * 2008-05-12 2008-10-01 北京理工大学 指纹识别方法
CN101517612A (zh) * 2007-01-24 2009-08-26 富士通株式会社 图像读取装置、图像读取程序、图像读取方法
US7643660B1 (en) * 2004-07-22 2010-01-05 Odi Security; Llc System, method and computer program product for fingerprint verification
CN102073856A (zh) * 2011-01-20 2011-05-25 邵明省 一种基于频率能量差别的指纹识别
US8855372B2 (en) * 2008-08-19 2014-10-07 Digimarc Corporation Methods and systems for content processing

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3057590B2 (ja) 1992-08-06 2000-06-26 中央発條株式会社 個人識別装置
WO2001055966A1 (fr) * 2000-01-28 2001-08-02 Chuo Hatsujo Kabushiki Kaisha Procede d'evaluation d'une image d'empreinte digitale et dispositif d'appariement d'empreintes digitales
US7079672B2 (en) 2000-01-28 2006-07-18 Chuo Hatsujo Kabushiki Kaisha Fingerprint image evaluating method and fingerprint matching device
NL1037589C2 (en) * 2009-12-24 2011-06-27 Priv Id B V Method and system for generating a representation of a finger print minutiae locations.
EP3195162B1 (en) * 2014-09-02 2020-11-11 Koninklijke Philips N.V. Image fingerprinting
US10080062B2 (en) * 2015-07-16 2018-09-18 Inscape Data, Inc. Optimizing media fingerprint retention to improve system resource utilization

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1388946A (zh) * 2000-07-19 2003-01-01 金榮浣 用于无卡式安全信用交易处理的系统和方法
CN1487462A (zh) * 2002-09-06 2004-04-07 ������������ʽ���� 信息装置及显示控制方法
CN1595425A (zh) * 2004-07-13 2005-03-16 清华大学 指纹多特征识别方法
CN101010697A (zh) * 2004-07-22 2007-08-01 日本电气株式会社 图像处理系统
US7643660B1 (en) * 2004-07-22 2010-01-05 Odi Security; Llc System, method and computer program product for fingerprint verification
JP2007202912A (ja) * 2006-02-03 2007-08-16 Secom Co Ltd 縞模様を含む画像の照合装置
CN101517612A (zh) * 2007-01-24 2009-08-26 富士通株式会社 图像读取装置、图像读取程序、图像读取方法
CN101276411A (zh) * 2008-05-12 2008-10-01 北京理工大学 指纹识别方法
US8855372B2 (en) * 2008-08-19 2014-10-07 Digimarc Corporation Methods and systems for content processing
CN102073856A (zh) * 2011-01-20 2011-05-25 邵明省 一种基于频率能量差别的指纹识别

Also Published As

Publication number Publication date
KR102457004B1 (ko) 2022-10-21
CN107851313A (zh) 2018-03-27
HK1247424A1 (zh) 2018-09-21
US10430629B2 (en) 2019-10-01
WO2017022548A1 (ja) 2017-02-09
US20180137331A1 (en) 2018-05-17
JPWO2017022548A1 (ja) 2018-05-17
KR20180035824A (ko) 2018-04-06
JP6723542B2 (ja) 2020-07-15

Similar Documents

Publication Publication Date Title
CN109952596B (zh) 皮肤信息处理方法及皮肤信息处理装置
US10740590B2 (en) Skin information processing method, skin information processing device, and non-transitory computer-readable medium
CN107851313B (zh) 计算机可读介质及信息处理装置
JP2011113313A (ja) 姿勢推定装置
JP2017010419A (ja) 情報処理プログラム及び情報処理装置
JP6879524B2 (ja) 認証情報処理プログラム及び認証情報処理装置
JP6448253B2 (ja) データ作成プログラム、データ作成方法、及び、データ作成装置
JP6366420B2 (ja) データ作成プログラム、データ作成方法、及び、データ作成装置
JP6894102B2 (ja) 認証情報処理プログラム及び認証情報処理装置
JP6540577B2 (ja) 物体認識装置
CN109844814B (zh) 信息处理方法和信息处理装置
JP2011053937A (ja) 画像変換パラメータ算出装置、画像変換パラメータ算出方法およびプログラム
JP6927534B2 (ja) 認証情報処理プログラム及び認証情報処理装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
REG Reference to a national code

Ref country code: HK

Ref legal event code: DE

Ref document number: 1247424

Country of ref document: HK

GR01 Patent grant
GR01 Patent grant