專利名稱：認(rèn)證裝置、注冊器、注冊方法、注冊程序、認(rèn)證方法和認(rèn)證程序的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及可以具體地適于應(yīng)用于生物測定(biometric)認(rèn)證處理的i人 證設(shè)備、注冊設(shè)備、注冊方法、注冊程序、認(rèn)證方法和認(rèn)證程序。
背景技術(shù)：
血管(bloodvessel)典型地用作生物測定認(rèn)證的對象。已經(jīng)提出了認(rèn)證 設(shè)備，設(shè)計(jì)來采用血管作為生物測定認(rèn)證的對象從而注冊通過照相機(jī)拍攝拾 取的人的手指的血管的樣式(pattem)以用作注冊數(shù)據(jù)或用作要與已注冊數(shù)據(jù) 進(jìn)行比較而進(jìn)行核對的核對數(shù)據(jù)(例如，參看專利文件l)。
專利文件1:日本專利申請?zhí)亻_No. 2003-331272
但是，以上述方式設(shè)計(jì)的認(rèn)證設(shè)備伴隨有如下問題，當(dāng)核對的對象是血 管樣式的圖像數(shù)據(jù)和示出類似該血管樣式的血管樣式的所謂的偽手指 (pseudo-finger)時(shí)，設(shè)備將不當(dāng)用戶誤認(rèn)為正當(dāng)用戶，且因此不能夠防止這 種偽裝(sham )。
另一方面，對于小尺寸的認(rèn)證設(shè)備具有強(qiáng)烈的需求，且因此從降低尺寸 的角度來看需要具有簡單配置的認(rèn)證設(shè)備。

發(fā)明內(nèi)容
鑒于上述情況求，提供了可以利用簡單布置高概率地防止由于偽裝引起 的4晉誤i人證發(fā)生的認(rèn)證設(shè)備、注冊設(shè)備、注冊方法、注冊程序、認(rèn)證方法和 認(rèn)證程序。
因此，需要通過下面步驟來克服上述缺點(diǎn)通過拍攝在預(yù)定生物部位的 生物識(shí)別對象來產(chǎn)生生物識(shí)別對象的圖像，通過對生物識(shí)別對象的圖像執(zhí)行 預(yù)定特征提取處理來提取生物識(shí)別對象的特征參數(shù)，根據(jù)生物識(shí)別對象的圖 像來計(jì)算確定圖像熵，通過將特征參數(shù)和圖像熵配對來產(chǎn)生已注冊個(gè)人識(shí)別 信息，并將其存儲(chǔ)在預(yù)定存儲(chǔ)裝置中。
通過該布置，除了表示生物識(shí)別對象的特性的特征參數(shù)之外，還可以將生物識(shí)別對象特有的圖像熵注冊為已注冊個(gè)人識(shí)別信息，因而有效地防止由 于偽裝引起的錯(cuò)誤認(rèn)證發(fā)生。
在本發(fā)明的另一方面，還希望通過在預(yù)定時(shí)間段內(nèi)多次拍攝在待注冊 個(gè)人的預(yù)定生物部位的生物識(shí)別對象來產(chǎn)生生物識(shí)別對象的多個(gè)圖像，通過 對生物識(shí)別對象的多個(gè)圖像執(zhí)行預(yù)定特征提取處理來提取生物識(shí)別對象的多 個(gè)特征參數(shù)，計(jì)算確定生物識(shí)別對象的多個(gè)圖像的多個(gè)圖像熵，通過以不同 樣式的多個(gè)類型的權(quán)重對多個(gè)圖像熵加權(quán)來計(jì)算確定多個(gè)類型的加權(quán)圖像 熵，確定多個(gè)類型的加權(quán)圖像熵的M度(degree of dispersion),根據(jù)分散度 將待注冊個(gè)人的預(yù)定部位識(shí)別為活體或非活體，并僅當(dāng)將預(yù)定部位識(shí)別為活 體時(shí)，通過將特征參數(shù)和圖像熵配對來產(chǎn)生已注冊個(gè)人識(shí)別信息并將其存儲(chǔ) 在預(yù)定存儲(chǔ)裝置中。
通過該布置，因?yàn)槲覀冋J(rèn)為顯示出多個(gè)類型的加權(quán)圖像熵的低分散度的 對象作為活體很奇異，這時(shí)把待注冊個(gè)人的預(yù)定部位識(shí)別為非活體，將其去 除以避免其中預(yù)先錯(cuò)誤地注冊非生物的偽手指的情況。因此，可以有效地防 止任意錯(cuò)誤地認(rèn)證發(fā)生。
在本發(fā)明的另一方面中，還希望通過在預(yù)定時(shí)間段內(nèi)多次拍攝在將要 認(rèn)證的人的預(yù)定生物部位的生物識(shí)別對象來產(chǎn)生生物識(shí)別對象的多個(gè)圖像， 通過對生物識(shí)別對象的多個(gè)圖像執(zhí)行預(yù)定特征提取處理來提取生物識(shí)別對象 的多個(gè)特征參數(shù)，計(jì)算確定生物識(shí)別對象的多個(gè)圖像的多個(gè)圖像熵，通過以 不同樣式的多個(gè)類型的權(quán)重對多個(gè)圖像熵加權(quán)來計(jì)算確定多個(gè)類型的加權(quán)圖 像熵，確定多個(gè)類型的加權(quán)圖像熵的分散度，根據(jù)分散度將待注冊個(gè)人的預(yù) 定部位識(shí)別為活體或非活體，當(dāng)將預(yù)定部位識(shí)別為非活體時(shí)否認(rèn)認(rèn)證，且通 過僅當(dāng)將預(yù)定部位識(shí)別為活體時(shí)執(zhí)行認(rèn)證處理，確認(rèn)將要識(shí)別的人的正當(dāng)性。
通過該布置，因?yàn)槲覀冋J(rèn)為將顯示出多個(gè)類型的加權(quán)圖像熵的低分散度 的對象作為活體是很奇異，這時(shí)把待注冊個(gè)人的預(yù)定部分識(shí)別為非活體，直 接否認(rèn)待認(rèn)證個(gè)人的正當(dāng)性，且僅當(dāng)預(yù)定部位是活體時(shí)執(zhí)行認(rèn)證處理。因此， 可以有效地且高效地去除任意使用偽手指的偽裝。
因此，提供了可以以簡單的配置高概率地防止由于偽裝造成的任意錯(cuò)誤 認(rèn)證的認(rèn)證設(shè)備、注冊方法和注冊程序，這是因?yàn)槌吮憩F(xiàn)生物識(shí)別對象的 特性的特征參數(shù)之外，其可以將生物識(shí)別對象特有的圖像熵注冊為已注冊個(gè) 人識(shí)別信息，且因此有效地防止由于偽裝引起的錯(cuò)誤認(rèn)證發(fā)生。另外，提供了可以以筒單的配置高概率地防止由于偽裝造成的任意錯(cuò)誤 認(rèn)證的注冊設(shè)備、注冊方法和注冊程序，這是因?yàn)槲覀冋J(rèn)為將顯示出多個(gè)類 型的加權(quán)圖像熵的低分散度的對象作為活體是奇怪的，這時(shí)待注冊個(gè)人的預(yù) 定部位被識(shí)別為非活體，將其去除以避免其中預(yù)先錯(cuò)誤地注冊非生物的偽手 指的情況。因此，可以有效地防止任意錯(cuò)誤的認(rèn)證發(fā)生。
此外，還提供了可以以簡單的配置高概率地防止由于偽裝造成的任意錯(cuò) 誤認(rèn)證的認(rèn)證設(shè)備、認(rèn)證方法和認(rèn)證程序，這是因?yàn)?，由于我們認(rèn)為將顯示 出多個(gè)類型的加權(quán)圖像熵的低分散度的對象作為活體是奇怪的，這時(shí)將待注 冊個(gè)人的預(yù)定部位識(shí)別為非活體，直接否認(rèn)待認(rèn)證個(gè)人的正當(dāng)性，且僅當(dāng)預(yù) 定部位是活體時(shí)執(zhí)行認(rèn)證處理。因此，可以有效地且高效地去除任意使用偽 手指的偽裝。


圖l是根據(jù)是否遮蔽圖像而改變的圖像熵的示意圖。
圖2是通過拍攝偽手指和人的手指獲得的結(jié)果的示意圖。 圖3是示意性地示出沒有顯示出移動(dòng)的連續(xù)圖像的圖像熵的變化的特性 曲線的圖。
圖4是根據(jù)本發(fā)明的第一和第二實(shí)施例的認(rèn)證設(shè)備的示意性框圖，示出 了其總的配置。
圖5是第一實(shí)施例的控制部分的示意性框圖，示出了其配置。
圖6是第一實(shí)施例的血管注冊處理序列的流程圖。
圖7是第一實(shí)施例的認(rèn)證處理序列的流程圖。
圖8是在Log2390附近的對數(shù)曲線的圖。
圖9是示意性地示出對數(shù)的一次近似的近似的圖。
圖IO是示意性地示出對數(shù)表的大小和精確性的圖。
圖11是用于示出其基本概念的對數(shù)計(jì)算處理序列的流程圖。
圖12是具體對數(shù)計(jì)算處理序列的流程圖。
圖13是示意性地示出對于對數(shù)計(jì)算速度獲得的結(jié)果的圖。
圖14是標(biāo)準(zhǔn)圖像的示意性圖示。
圖15是示意性地示出標(biāo)準(zhǔn)圖像的熵誤差的圖。
圖16是示意性地示出像素值直方圖和權(quán)重WL的特性的圖。圖17是示意性地示出連續(xù)圖像的圖像熵的變化的特性的圖(不具有權(quán)重)。
圖18是示意性地示出連續(xù)圖像的圖像熵的變化的特性的圖(具有權(quán)重)。 圖19是示意性地示出人的手指1的像素值直方圖和權(quán)重之間的關(guān)系的圖。
圖20是示意性地示出人的手指2的像素值直方圖和權(quán)重之間的關(guān)系的圖。
圖21是示意性地示出圖像熵的均值和標(biāo)準(zhǔn)偏差的表。 圖22是示意性地示出像素值直方圖和權(quán)重WL2之間的關(guān)系的圖。 圖23是示意性地示出在權(quán)重WL和權(quán)重WL2之間的連續(xù)圖像的熵變化 的差異的特性的圖。
圖24是示意性地示出圖像熵的標(biāo)準(zhǔn)偏差的表。
圖25是第二實(shí)施例的控制部分的示意性框圖，示出了其配置。
圖26是第二實(shí)施例的血管注冊處理序列的流程圖。
圖27是第二實(shí)施例的認(rèn)證處理序列的流程圖。
具體實(shí)施例方式
現(xiàn)在將通過參考示出本發(fā)明優(yōu)選實(shí)施例的附圖更詳細(xì)地描述本發(fā)明。 (1)第一實(shí)施例 (1-1)第一實(shí)施例的基本原理 這里首先描述第一實(shí)施例的基本原理。 (1-1-1)使用圖像熵(image entropy)的排他控制 第一實(shí)施例提供排除下述任何情形的技術(shù)，在所述情形中，當(dāng)認(rèn)證使用 圖像的特征量時(shí)，通過使用偽裝圖像(sham image)或隨機(jī)輸入圖像而不當(dāng) 認(rèn)證成功。
第一實(shí)施例適于提取諸如手指靜脈的血管的樣式的圖像的特征量，且不 僅將其保留為模板，且還將用于提取特征量的原始圖像的圖像熵保留為模板， 以使得可以在認(rèn)證處理之前的階段去除任何偽裝的圖像。 (1-1-2)圖4象熵
圖像熵是使用圖像的亮度值的信息熵。換句話說，其事實(shí)上表示在拾取 圖像時(shí)圖像的亮度樣式的摘要值(digest value )。如果像素值出現(xiàn)的概率是Pi,其自伴有(self-adjoint )信息可以被表示為 -log2Pi，則含義為自伴有信息的期望值-pilog2Pi的總和。換句話說，由下面所 示的公式(1 )定義圖像熵Himg。<formula>formula see original document page 11</formula>……(1)如果考慮8位灰度級，圖像具有像素值L的256個(gè)色調(diào)(L-0， ...，255 ), 圖像熵H—可以由下面所示的公式(2)表示。<formula>formula see original document page 11</formula> ……(2)如果圖像具有寬度Sw,高度Sh,悉像素?cái)?shù)N-SwxSh，且像素值L的像 素?cái)?shù)是&,像素值L的出現(xiàn)概率pt由下面所示的公式(3)表示。.......(3)因此，通過使用公式(3)，圖像熵Himg由下面所示的公式(4)表示' 255<formula>formula see original document page 11</formula>(4)因?yàn)橄袼刂祅L是正值，在不適于高速處理和對數(shù)處理的處理系統(tǒng)中簡單地通過持有10g2llL的表即可以瞬時(shí)獲得圖像熵Himg。(1-1-3)遮蔽的圖像的圖像熵現(xiàn)在，讓我們考慮其中遮蔽其預(yù)定部分的圖像的圖像熵Himg。那么，遮蔽的部分顯示出某個(gè)像素值(通常等于nil),而在其剩余部分中找到有意義 (significant)數(shù)據(jù)。圖1 (A)示出通過8位灰度級的方式表示的256 x 256像素大小的單色 灰度級圖像。在未遮蔽狀態(tài)下，利用上述公式(4)確定該圖像的圖像熵Himg 為"7.46"。圖1 (B)示出與圖1 (A)相同的灰度級圖像，但是遮蔽了其上半部分。 通過上述公式(4)確定該圖像的圖像熵H^g為"4.72"。因?yàn)槭沟孟袼?fe數(shù)的一半在圖l(B)的灰度級圖像中顯示出相同的亮度 值(nil),可以看出與圖1 (A)的灰度級圖像相比，圖像的圖像熵Hj呵顯著 減小。換句話說，雖然圖1 (B)的圖像與圖1 (A)的圖像相同，但由于大的遮蔽區(qū)域的緣故，圖1 (B)的圖像的圖像熵Himg明顯地減小。因此，有必要計(jì)算確定被部分遮蔽的灰度級圖像的僅未遮蔽區(qū)域的圖像 熵Himg。計(jì)算圖1(C)的灰度級圖像的圖像熵H—等于"7.44",這與圖1 (A)的原始未遮蔽的灰度級圖像未顯示出任意顯著差異。從上面可以看出，當(dāng)處理應(yīng)用了遮蔽的血管樣式的圖像時(shí)，有必要將遮 蔽區(qū)域以外的部分的圖像作為處理對象以計(jì)算圖像熵Htag。 (1-1-4)通過手指血管的個(gè)人認(rèn)證 因此，當(dāng)通過手指血管認(rèn)證個(gè)人時(shí)使用上述技術(shù)。圖2 (Al )到(A3)分別示出通過拍攝由橡膠制成的偽手指拾取的圖像、 偽手指的遮蔽區(qū)域的圖像和通過在遮蔽處理之后提取手指區(qū)域獲得的圖像。 圖2 (Bl)到2 (B3 )分別示出通過拍攝人的手指1拾取的圖像、人的手指1 的遮蔽的區(qū)域的圖像和通過在遮蔽處理之后提取遮蔽的手指區(qū)域獲得的圖 像。圖2 (CI )到2 (C3)分別示出通過拍攝人的手指2拾取的圖像、人的 手指2的遮蔽的區(qū)域的圖像和通過在遮蔽處理之后提取遮蔽的手指區(qū)域獲得 的圖像。圖2 (Dl)到2 (D3)分別示出通過拍攝人的手指3拾取的圖像、 人的手指3的遮蔽的區(qū)域的圖像和通過在遮蔽處理之后提取遮蔽的手指區(qū)域 獲得的圖像。之后，對于通過在各個(gè)遮蔽處理后提取遮蔽的偽手指的手指區(qū)域、在各 個(gè)遮蔽處理之后的遮蔽的人的手指1的手指區(qū)域、遮蔽的人的手指2的手指 區(qū)域和遮蔽的人的手指3的手指區(qū)域所獲得的圖像中的每一個(gè)計(jì)算圖像熵 Hime。偽手指的提取的手指區(qū)域的圖像的圖像熵H^是"7.06",且人的手指1的提取的手指區(qū)域的圖像的圖像熵H^是"5.96"、人的手指2的提取的手 指區(qū)域的圖像的圖像熵Himg是"6.61",并且人的手指3的提取的手指區(qū)域的 圖像的圖像熵Htog是"6.71"。圖3是示意性地示出在預(yù)定時(shí)間段保留靜態(tài)的偽手指、人的手指1、人 的手指2和人的手指3的每一個(gè)中的提取的手指區(qū)域的連續(xù)圖像的圖像熵Himg。從圖3可以看出，圖像熵Himg的值提供一定程度上識(shí)別個(gè)體的能力。但是，當(dāng)人的手指2的血管樣式和人的手指3的血管樣式彼此非常相似時(shí)因 為它們圖像熵Himg的值彼此接近，所以不容易可靠地識(shí)別人的手指2的個(gè)人 和人的手指3的個(gè)人。(1-2)第一實(shí)施例的認(rèn)證設(shè)備下面將描述用于認(rèn)證處理的上述圖像熵Himg的第一實(shí)施例的認(rèn)證設(shè)備。(1-2-1)第一實(shí)施例的認(rèn)證設(shè)備的電路配置圖4是根據(jù)本發(fā)明第一實(shí)施例的認(rèn)證設(shè)備的示意性框圖，示出其總的配 置。參考圖4,第一實(shí)施例的認(rèn)證設(shè)備1包括操作部分11、血管拍攝部分12、 閃存存儲(chǔ)器13、用于與設(shè)備外部交換數(shù)據(jù)的接口 (在下文中被稱為外部接口 ) 14和通知部分15,它們通過總線16連接到控制部分10。通過使用微計(jì)算機(jī)形成認(rèn)證設(shè)備1的控制部分10，所述微計(jì)算機(jī)包括用 于控制認(rèn)證設(shè)備1的總體操作的中央處理單元(CPU)，存儲(chǔ)多種程序和定義 的信息段的只讀存儲(chǔ)器(ROM)和要用作CPU的工作存儲(chǔ)器的隨機(jī)存取存 儲(chǔ)器(RAM)。控制部分10適于接收用于在用于注冊將要注冊的用戶(在下文中稱為待 注冊個(gè)人或已注冊個(gè)人)的血管的模式(在下文中稱為血管注冊模式)中操 作的執(zhí)行命令COM1和在用于響應(yīng)于用戶對操作部分11的操作確定注冊個(gè) 人的正當(dāng)性的模式(在下文中稱為認(rèn)證模式)操作的執(zhí)行命令COM2?；诮邮盏綀?zhí)行命令COM1和COM2，控制部分10根據(jù)執(zhí)行命令COM1 或COM2確定執(zhí)行模式，視哪個(gè)適當(dāng)，從ROM讀出對應(yīng)于模式確定操作結(jié) 果的應(yīng)用程序，將其在RAM上展開，并適當(dāng)?shù)乜刂蒲芘臄z部分12,閃存 存儲(chǔ)器13,外部4妄口 14和通知部分15以視哪個(gè)適當(dāng)而執(zhí)4亍血管注冊才莫式或 認(rèn)證模式中的操作。(1-2-2)血管注冊模式如果決定選擇血管注冊模式作為操作模式，認(rèn)證設(shè)備1的控制部分10控制驅(qū)動(dòng)用于將近紅外線照 射在放置在認(rèn)證設(shè)備1的預(yù)定位置處的待注冊個(gè)人的手指上的一個(gè)或多個(gè)近 紅外光源LS，并且照相機(jī)CM的圖像拾取元件ID (其典型地是電荷耦合裝 置(CCD))的操作。結(jié)果，照射在手指上的近紅外線通過手指的內(nèi)部(雖然一些被反射和散 射)，并作為投影手指的血管的光線(在下文中稱為血管投影光線)，通過光 學(xué)系統(tǒng)OP和光圈DH進(jìn)入血管拍攝部分12的圖像拾取元件ID。圖像拾取元 件ID執(zhí)行血管投影光線的光電轉(zhuǎn)換的操作，且隨后將光電轉(zhuǎn)換的結(jié)果輸出到 驅(qū)動(dòng)控制部分12a作為視頻信號(hào)Sl。注意到，從圖像拾取元件ID輸出的視頻信號(hào)Sl的圖像不僅包括手指內(nèi) 的血管，還包括手指的外形和指紋，因?yàn)檎丈湓谑种干系慕t外線在進(jìn)入圖 像拾取元件ID之前由手指的表面反射。血管拍攝部分12的驅(qū)動(dòng)控制部分12a基于圖像的像素值調(diào)整光學(xué)系統(tǒng) OP的光學(xué)鏡頭的鏡頭位置從而使得手指內(nèi)的血管聚焦，且還調(diào)整光學(xué)系統(tǒng) OP的光圏DH的孔徑值從而使得進(jìn)入圖像拾取元件ID的入射光量顯示出適 當(dāng)?shù)某潭?，并且在調(diào)整之后，將從圖像拾取元件ID輸出的視頻信號(hào)S2提供 給控制部分10?？刂撇糠諭O對視頻信號(hào)S2執(zhí)行預(yù)定視頻處理以產(chǎn)生所提取的血管樣式 的血管樣式圖像以顯示手指血管的特性，并且同時(shí)，根據(jù)血管樣式圖像計(jì)算確定圖像熵Himg。之后，控制部分10存儲(chǔ)通過將血管樣式圖像與圖像熵Himg組合制備的用于識(shí)別已注冊個(gè)人的信息(在下文中稱為已注冊個(gè)人識(shí)別模板 數(shù)據(jù))Tfv，從而結(jié)束注冊處理?，F(xiàn)在，下面更詳細(xì)地描述控制部分IO執(zhí)行的視頻處理。參考圖5,控制 部分10具有作為功能組件的前處理部分21、圖像熵計(jì)算塊23、注冊部分26 和核對部分27,并將從血管拍攝部分12提供的視頻信號(hào)S2提供給前處理部 分21,且還提供給圖像熵計(jì)算塊23的遮蔽處理部分24。前處理部分21順序地執(zhí)行^t擬/數(shù)字轉(zhuǎn)換處理、包括Sobel濾波器處理的 預(yù)定輪廓提取處理、包括高斯濾波器處理的預(yù)定平滑處理、二元化 (binarization)處理和線細(xì)化(narrowing)處理，且之后將作為上述處理的 結(jié)果獲得的表示血管樣式的視頻數(shù)據(jù)(在下文中稱為模板視頻數(shù)據(jù))發(fā)送到注冊部分26。圖像熵計(jì)算塊23的遮蔽處理部分24根據(jù)從血管拍攝部分12提供的視頻 信號(hào)2產(chǎn)生遮蔽的圖像(參看圖2 (Al )到2 (D3))以僅提取示出血管樣式 的手指區(qū)域，且通過應(yīng)用遮蔽的圖像產(chǎn)生提取的手指區(qū)域圖像S4。之后，遮 蔽處理部分24將提取的手指區(qū)域圖像S4發(fā)送到圖像熵計(jì)算部分25。圖像熵計(jì)算部分25基于提取的手指區(qū)域圖像S4，通過上述公式(4)計(jì) 算確定圖像熵Himg，且將其發(fā)送到注冊部分26作為模板熵TH (其是用于構(gòu) 建已注冊個(gè)人識(shí)別模板數(shù)據(jù)Tfv的元素)。注冊部分26通過將從前處理部分21提供的表示血管樣式圖像的模板視 頻數(shù)據(jù)S3與從圖像熵計(jì)算部分25提供的模板熵TH配對來產(chǎn)生已注冊個(gè)人識(shí) 別模板數(shù)據(jù)Tfv,且將其存儲(chǔ)在閃存存儲(chǔ)器13中以結(jié)束注冊處理。認(rèn)證設(shè)備1的控制部分IO在血管注冊模式下以上述方式工作?，F(xiàn)在，將 通過參考圖6描述在血管注冊模式下執(zhí)行的血管注冊處理序列。參考圖6，認(rèn)證設(shè)備1的控制部分1以例程RT1的開始步驟開始，且進(jìn) 行到下一步驟，即步驟SPl,其中其通過利用血管拍攝部分12拍攝用戶的手 指產(chǎn)生視頻信號(hào)S2，并將其發(fā)送到控制部分10的前處理部分21，且還發(fā)送 到圖像熵計(jì)算部分23的遮蔽處理部分24，之后移動(dòng)到下一步驟或步驟SP2。在步驟SP2中，控制部分10根據(jù)從血管拍攝部分12提供的視頻信號(hào)S2 通過遮蔽處理部分24產(chǎn)生用于僅提取其中示出血管樣式的區(qū)域的遮蔽的圖 像，還通過前處理部分21產(chǎn)生表示血管樣式圖像的模板視頻數(shù)據(jù)S3，并之 后移動(dòng)到下一步驟，即步驟SP3。在步驟SP3,控制部分10通過將從血管拍攝部分12提供的視頻信號(hào)S2 應(yīng)用于在步驟SP2產(chǎn)生的遮蔽的圖像來產(chǎn)生提取的手指區(qū)域圖像54，且之后 移動(dòng)到下一步驟，即步驟SP4。在步驟SP4，控制部分10基于提取的手指區(qū)域圖像S4通過上述公式(4 ) 計(jì)算確定圖像熵Himg作為模板熵TH，且之后移動(dòng)到下一步驟，即步驟SP5。在步驟SP5中，控制部分10通過將在步驟SP2產(chǎn)生的表示血管樣式圖 像的模板視頻設(shè)備S3和在步驟SP4計(jì)算確定的模板熵TH配對來產(chǎn)生已注冊 個(gè)人識(shí)別模板數(shù)據(jù)Tfv，且將其注冊在閃存存儲(chǔ)器13中，之后移動(dòng)到下一步 驟，即步驟SP6以結(jié)束血管注冊處理。 (1-2-3 )認(rèn)證模式操作模式，認(rèn)證設(shè)備l的控制部 分10進(jìn)入認(rèn)證模式，且如在血管注冊模式的情況中那樣控制血管拍攝部分12 (圖4 )以執(zhí)4亍認(rèn)證處理。在該情況下，血管拍攝部分12的驅(qū)動(dòng)控制部分12a控制驅(qū)動(dòng)近紅外光源 LS和圖像拾取元件ID的操作，且同樣根據(jù)從圖像拾取元件ID輸出的視頻信 號(hào)S10調(diào)整光學(xué)系統(tǒng)OP的光學(xué)鏡頭的鏡頭位置和光圈DH的孔徑值，且在 該調(diào)整之后，發(fā)送從圖像拾取元件ID輸出的視頻信號(hào)S20到控制部分10。控制部分10 (圖5 )通過前處理部分21對視頻信號(hào)S20執(zhí)行類似于其在 上述血管注冊模式中執(zhí)行的視頻處理的視頻處理，且還通過圖像熵計(jì)算塊23 執(zhí)行類似于其在上述血管注冊模式中執(zhí)行的圖像熵計(jì)算處理的圖像熵計(jì)算處 理，并讀出在血管注冊模式中預(yù)先在閃存存儲(chǔ)器13中注冊的已注冊個(gè)人識(shí)別 模板數(shù)據(jù)T&。之后，控制部分10將由前處理部分21獲得的表示血管樣式圖像的視頻 數(shù)據(jù)和由圖像熵計(jì)算塊23獲得的圖像熵H^與從閃存存儲(chǔ)器13讀出的已注 冊個(gè)人識(shí)別模板數(shù)據(jù)Tiv的模板視頻數(shù)據(jù)S3和模板熵TH進(jìn)行比較以進(jìn)行核 對，并根據(jù)核對的一致程度確定具有該手指的用戶是否是已注冊個(gè)人(認(rèn)證 的用戶)。因?yàn)槟０屐豑H事實(shí)上表示視頻信號(hào)S2的亮度樣式的摘要值，且因此其 不表示精確的值，當(dāng)與圖像熵Himg比較以進(jìn)行核對時(shí)，根據(jù)核對的一致程度 的確定需要具有一些余地(latitude)。因此，當(dāng)模板熵丁H和圖像熵Himg的值彼此接近時(shí)，認(rèn)證目標(biāo)個(gè)人很可能是已注冊個(gè)人本人，然而,當(dāng)模板熵TH和圖像熵Htog的值在很大程度上彼 此不同時(shí)，認(rèn)證目標(biāo)個(gè)人很可能不是已注冊個(gè)人而是其它人。當(dāng)控制部分10確定將他或她的手指之一放置在認(rèn)證設(shè)備中的認(rèn)證目標(biāo) 個(gè)人是已注冊個(gè)人時(shí)，其產(chǎn)生用于使得連接到外部接口 14的操作處理設(shè)備 (沒有示出)執(zhí)行預(yù)定操作的執(zhí)行命令COM3，且將其通過外部接口 14傳送 給操作處理設(shè)備。如果連接到外部接口 14的操作處理設(shè)備是閉鎖的門，控制部分10將用 于打開門的執(zhí)行命令COM3傳送到門。另一方面，如果連接到外部總線14的操作處理設(shè)備是具有多個(gè)操作模式 且操作模式部分受限的計(jì)算機(jī)，控制部分IO將用于釋放受限的操作模式的執(zhí)行命令COM3傳送到計(jì)算機(jī)。
雖然對于操作處理設(shè)備上面引用了兩個(gè)示例，但是本發(fā)明決不局限于此， 而是可適當(dāng)?shù)剡x擇某其它操作處理設(shè)備。雖然在該實(shí)施例中操作處理設(shè)備連
接到外部接口 14,但是可作為選擇地將操作處理設(shè)備的軟件或硬件安裝在認(rèn) 證設(shè)備1中。
另一方面，當(dāng)控制部分IO確定將他或她的手指之一放置在認(rèn)證設(shè)備中的 認(rèn)證目標(biāo)個(gè)人不是已注冊個(gè)人時(shí)，其通過通知部分15的顯示部分15a顯示此， 并通過通知部分15的音頻輸出部分15b輸出通知的聲音，使得認(rèn)證設(shè)備1可 以通知認(rèn)i正目標(biāo)個(gè)人被確定不是已注冊個(gè)人。
因此，認(rèn)證設(shè)備1在認(rèn)證模式下以上述方式執(zhí)行認(rèn)證處理?，F(xiàn)在，下面 將參考圖7描述認(rèn)證模式下的認(rèn)證處理序列。
參考圖7，認(rèn)證設(shè)備1的控制部分10以例程RT2的開始步驟開始，且進(jìn) 行到下一步驟，即步驟SPll,其中其讀出在閃存存儲(chǔ)器13中預(yù)先注冊的已 注冊個(gè)人識(shí)別模板數(shù)據(jù)Tfv (模板視頻數(shù)據(jù)S3和模板熵TH),且之后移動(dòng)到 下一步驟，即步驟SP12。
在步驟SP12，控制部分10通過拍攝放置在設(shè)備中的用戶手指產(chǎn)生視頻 信號(hào)S20，并將其發(fā)送到控制部分10的前處理部分21,且還發(fā)送到圖像熵計(jì) 算部分23的遮蔽處理部分24,且之后移動(dòng)到下一步驟，即步驟SP13。
在步驟SP13,控制部分10根據(jù)視頻信號(hào)21通過前處理部分21產(chǎn)生表 示血管樣式圖像的視頻數(shù)據(jù)S21，且還根據(jù)從血管拍攝部分12提供的視頻信 號(hào)S20產(chǎn)生用于提取僅其中示出血管樣式的手指區(qū)域的遮蔽的圖像，且之后 移動(dòng)到下一步驟，即步驟SP14。
在步驟SP14,控制部分10將在步驟SP13中產(chǎn)生的遮蔽圖像應(yīng)用于從血 管拍攝部分12提供的視頻信號(hào)S20而產(chǎn)生提取的手指區(qū)域圖像S22，且之后 移動(dòng)到下一步驟，即步驟SP15。
在步驟SP15，控制部分10根據(jù)提取的手指區(qū)域圖像S22計(jì)算確定想要 認(rèn)證的認(rèn)證目標(biāo)個(gè)人的圖像熵Himg，且將其發(fā)送到核對部分27,之后在移動(dòng) 到下一步驟，即步驟SP16。
在步驟SP16,控制部分10確定在步驟SP11讀出的已注冊個(gè)人識(shí)別模板 數(shù)據(jù)Tfv的模板熵TH和在步驟SP16計(jì)算確定的認(rèn)證目標(biāo)個(gè)人的圖像熵Himg 之間的差值的絕對值是否小于預(yù)定的容許誤差△ H。確定在已注冊個(gè)人識(shí)別模板數(shù)據(jù)Tfv的模板熵丁h和認(rèn)證目標(biāo)個(gè)人的圖像
熵Himg之間的差值的絕對值是否小于預(yù)定的容許誤差A(yù)H是因?yàn)閳D像熵Himg 事實(shí)上表示視頻信號(hào)S2的亮度樣式的摘要值，且因此其不表示精確值，使得
當(dāng)在核對時(shí)將其與模板熵th比較時(shí)需要該確定具有一些余地。
如果確定的結(jié)果是否定的，這意味著在從預(yù)先注冊的模板熵Th的佳的一
定范圍內(nèi)沒有找到認(rèn)證目標(biāo)個(gè)人的圖像熵Himg，且因此根據(jù)其計(jì)算圖像熵Himg 的提取的手指區(qū)域圖像S22的亮度分布在很大程度上不同于根據(jù)其計(jì)算模板 熵丁h的提取的手指區(qū)域圖像S4的亮度分布。然后，控制部分10移動(dòng)到下一 步驟，即步驟SP20。
在步驟SP20，因?yàn)樵谀０屐豻h和認(rèn)證目標(biāo)個(gè)人的圖像熵Himg之間的差
值的絕對值大于預(yù)定的容許誤差A(yù)H，控制部分10確定認(rèn)證目標(biāo)個(gè)人不符合 已注冊個(gè)人，且因此認(rèn)證失敗，且之后移動(dòng)到下一步驟，即步驟SP21。
另一方面，如果在步驟SP16的確定結(jié)果是肯定的，這意味著在從預(yù)先 注冊的模板熵Th的但的一定范國內(nèi)找到了認(rèn)證目標(biāo)個(gè)人的圖像熵Himg,且因 此根據(jù)其計(jì)算圖像熵Himg的提取的手指區(qū)域圖像S22的亮度分布類似于根據(jù) 其計(jì)算模板熵Th的提取的手指區(qū)域困像S4的亮度分布，使得從熵的觀點(diǎn)看 認(rèn)證目標(biāo)個(gè)人符合已注冊個(gè)人。然后，控制部分10移動(dòng)到下一步驟，即步驟 SP17。
在步驟SP17,控制部分10使用在步驟SP11中讀出的已注冊個(gè)人識(shí)別模 板Tfv的模板視頻數(shù)據(jù)S3與在步驟SP13產(chǎn)生的代表血管樣式圖像的視頻數(shù) 據(jù)S21執(zhí)行樣式匹配(pattemmatching)處理，且之后移動(dòng)到下一步驟，即步驟 SP18。
在步驟SP18,控制部分10確定在步驟SP17的樣式匹配處理的結(jié)果是否 指示符合。如果確定的結(jié)果是否定的，這意味著從樣式匹配的觀點(diǎn)來看，認(rèn) 證目標(biāo)個(gè)人不符合已注冊個(gè)人。之后，控制部分IO移動(dòng)到下一步驟，即步驟 SP20，其中確定認(rèn)證失敗，從而移動(dòng)到下一步驟，即步驟SP21以結(jié)束處理。
另一方面，如果在步驟SP18的確定結(jié)果是肯定的，這意味著從樣式匹 配的觀點(diǎn)來看，認(rèn)證目標(biāo)個(gè)人符合已注冊個(gè)人。之后，控制部分移動(dòng)到下一 步驟，即步驟SP19。
在步驟SP19，控制部分10確定從熵的觀點(diǎn)和從樣式匹配的觀點(diǎn)兩者看 認(rèn)證目標(biāo)個(gè)人都符合已注冊個(gè)人。之后，控制部分IO移動(dòng)到下一步驟，即步(1-3 )在圖像熵計(jì)算部分25提升對數(shù)計(jì)算速度的技術(shù) 同時(shí)，對于圖像熵計(jì)算塊23的圖像熵計(jì)算部分25，需要使用公式U) 執(zhí)行以2為對數(shù)底數(shù)(base of logarithm)的對數(shù)計(jì)算，以確定圖像熵Himg。
但是，以2為對數(shù)底數(shù)的用于確定圖像熵Himg的對數(shù)計(jì)算具有缺點(diǎn)，比
如涉及小數(shù)點(diǎn)計(jì)算使得圖像熵計(jì)算部分25的處理負(fù)擔(dān)大，且需要大的存儲(chǔ)器 容量用于執(zhí)行小數(shù)點(diǎn)計(jì)算的應(yīng)用程序。因此，需要能夠在處理負(fù)擔(dān)小且無需 大存儲(chǔ)容量的情況下在短時(shí)間段內(nèi)高精度地執(zhí)行對數(shù)計(jì)算的對數(shù)計(jì)算速度提 升技術(shù)。
(1-3-1 )提升對數(shù)計(jì)算速度技術(shù)的基本思想
現(xiàn)在，讓我們考慮怎樣可以在短時(shí)間段內(nèi)高度精確地執(zhí)行對于以2為對 數(shù)底數(shù)的任意選擇的整數(shù)x的bg2X的值。更加具體地，下面公式(5)對于 log2x是成立的。
log2(2")<log2x<log2(2。.(y + l)) ……(5)
如果在公式(5)中y、 oc和x是整數(shù)，可以通過展開公式(5)獲得下 面所示的公式(6)。
log^ + log^log^logja+lQg^ + l) ……(6)
還可以獲得下面示出的公式(7) ar + log2iv<log2X<a + log2(y + l) ...... (7)
因此，當(dāng)圖像熵計(jì)算部分25預(yù)先通過對數(shù)表的方式保留(hold) log2y 的對數(shù)值和log2 ( y+1 )的對數(shù)值時(shí)，其可以將log2x的值近似到某個(gè)程度。 例如，當(dāng)x=100,000時(shí)，根據(jù)公式(5 )， log2x由下面的公式(8 )表示。
log2(28'3%)<log2100000<log2(2*.39I) ……(8)
因此，在"8+log2390，，的對數(shù)值和"8+log2391"的對數(shù)值之間找到 log2100,000的對數(shù)值。
從圖8可以看到，可以由在390《x《391的范圍內(nèi)的直線近似接近 log23 90的對數(shù)曲線。還可以看出可以由在其它范圍內(nèi)的直線類似地近似對數(shù) 曲線。
因此在390《x《391的范圍內(nèi)線性地近似log2100,000。首先，因?yàn)镮og2100,000=log2 (28 x 390+169),可以通過將在log2 ( 28 x 390 )和log2 (28 x391)之間的256份的差內(nèi)分(internally dividing)為160: 96的比率來近 似log2100,000。
當(dāng)從log2 ( 28 x 390 )和log2 ( 28 x 391 )取出28時(shí)，通過考慮log2 ( 390 ) 和log2 (391)類似，可以獲得在將256內(nèi)分為160: 96的比率之后的值，如 在圖9的左側(cè)所示。之后，可以通過將8 (log2 (28)加到上述值來獲得 log2100,000的對數(shù)值。
因此，圖^f象熵計(jì)算部分25可以僅當(dāng)其保留包括log2390和log2391的對 數(shù)值的對數(shù)表時(shí)，在短的時(shí)間段內(nèi)以簡單的方式近似地計(jì)算log2100，000，即 使其沒有保留log2l到log2100,000的對數(shù)值作為對數(shù)表。
實(shí)際上，對于公式(5)，當(dāng)提供用于以下述公式(9)表示x的整數(shù)y 和r時(shí)。
<formula>formula see original document page 20</formula>
log2x,或者對于任意選擇的整數(shù)x的2為底數(shù)的對數(shù)可以由下面所示的 公式(10)表示。<formula>formula see original document page 20</formula>簡而言之，上述公式表明當(dāng)在log2y和log2 (y+1)之間的差被內(nèi)分為r: 2。-r的比率時(shí)，將oc加到1og2X的值。因此，可以在短的時(shí)間段內(nèi)精確地確定 log2x的值。
(1-3-2)驗(yàn)證結(jié)果
現(xiàn)在，將描述關(guān)于使用上述提升對數(shù)計(jì)算速度技術(shù)的對數(shù)值的精確性和 近似計(jì)算速度的實(shí)驗(yàn)的結(jié)果。
當(dāng)圖像熵計(jì)算部分25保留的對數(shù)表的大小在從16到512內(nèi)變化時(shí)，圖 像熵計(jì)算部分25計(jì)算從x=l到x=100，000的對數(shù)值log2x。最大誤差如圖10 (A)和10 (B)所示。
對數(shù)表的大小的表示意味著從log21到log2n (n=x)的對數(shù)值的豐富性。 例如，當(dāng)以對數(shù)表的形式保留從log21到log216的對數(shù)值時(shí)，對數(shù)表的大小被表示為"16"。類似地，當(dāng)以對數(shù)表的形式保留從log21到log2512的對數(shù)值時(shí)， 對數(shù)表的大小被表示為"512"。
如圖10 (A)所示，對于圖像熵計(jì)算部分25使用大小為"512"的對數(shù) 表的近似計(jì)算，隨著對數(shù)表的大小的增加對數(shù)值的精確性增加，且最大誤差 被抑制到0.0023%。
在這種情況下，雖然看起來從"128"的對數(shù)表大小到"512"的對數(shù)表 大小，最大誤差收斂到0.0023%，但是其實(shí)際上沒有收斂。從其垂直軸指示 logu)(最大誤差)的圖10 (B)可以看出，即使對數(shù)表的大小在通過"128" 之后超過"512",最大誤差仍保持減小。 (1-3-3)對數(shù)計(jì)算處理序列
現(xiàn)在，將在下面具體描述提供基本概念的對數(shù)計(jì)算處理序列和當(dāng)在便攜 式通信終端中安裝該實(shí)施例時(shí)遵循的對數(shù)計(jì)算處理序列。 (1-3-3-1 )提供基本概念的對數(shù)計(jì)算處理序列
圖像熵計(jì)算部分25以例程RT3的開始步驟開始，且之后進(jìn)行到下一步 驟，即步驟SP31，其中其確定在邏輯表中是否找到用于確定對數(shù)值的log2x。 如果問題答案是否定的，圖像熵計(jì)算部分25移動(dòng)到下一對數(shù)表參考例程SRT1 的步驟SP32。
在步驟SP32，圖像熵計(jì)算部分25通過從作為參考對象的相應(yīng)表讀取 1og2X的對數(shù)值，在短的時(shí)向段內(nèi)容易地確定log2x的邏輯值，且移動(dòng)到下一 步驟，即步驟SP35,在該步驟結(jié)束處理。
另一方面，如果在步驟SP31問題的答案是肯定的，這意味著在對數(shù)表 中沒有找到要確定的log2x,因而需要使用對數(shù)表上的對數(shù)值，通過近似計(jì)算 確定近似值。之后，圖像熵計(jì)算部分25需要移動(dòng)到下一近似計(jì)算例程SRT2 的步驟SP33。
在步驟SP33,圖像熵計(jì)算部分25根據(jù)表示log2X的"x"的公式(9)確 定2的指數(shù)(oc)，且之后移動(dòng)到下一步驟，即步驟SP34。
在步驟SP34，圖像熵計(jì)算部分25確定當(dāng)通過上述公式(10),將在log2y 和log2 (y+l )之間的差內(nèi)分為r: 2a-r的比率時(shí)的內(nèi)分點(diǎn)(point of internal division)。之后，使用對數(shù)表，通過近似計(jì)算確定對應(yīng)于內(nèi)分點(diǎn)的對數(shù)值， 且隨后移動(dòng)到下一步驟，即步驟SP35。 (1-3-3-2)具體對數(shù)計(jì)算處理序列如上所述，考慮安裝在便攜式設(shè)備中的情況，需要認(rèn)證設(shè)備l執(zhí)行整數(shù) 計(jì)算處理，維持高精確級別，具有減少的負(fù)擔(dān)。
因此，圖像熵計(jì)算部分25適于通過將對數(shù)表的對數(shù)值乘以整數(shù)(優(yōu)選地 通過2的指數(shù)乘法獲得的，或C-2"^倍)，并將乘積圓整到最近的整數(shù)并通 過二進(jìn)制數(shù)來表示它們，從而制備和保留指數(shù)相乘的對數(shù)表。
基于上述假設(shè)，圖像熵計(jì)算部分25以例程RT4的開始步驟開始，且之 后移動(dòng)到下一步驟，即步驟SP41,其中其確定在指數(shù)相乘的對數(shù)表中是否找 到要確定其值的log2x。如果問題的答案是否定的，其移動(dòng)到下一對數(shù)表參考 例程SRT3的步驟SP42。
在步驟SP42，圖像熵計(jì)算部分25從指數(shù)相乘的對數(shù)表讀出log2x的對數(shù) 值，以在短時(shí)間段內(nèi)容易地確定l0g2X的對數(shù)值，并通過將其向左移位對應(yīng)于 指數(shù)相乘的位數(shù)來將其轉(zhuǎn)換為適當(dāng)?shù)膶?shù)值。之后，其移動(dòng)到下一步驟，即 步驟SP45以結(jié)束處理。
另一方面，如果問題答案是肯定的，這意味著在指數(shù)相乘的對數(shù)表中沒 有找到確定的10g2X的值，因而需要使用指數(shù)相乘的對數(shù)表上的對數(shù)值，通過 近似計(jì)算確定近似值。之后，圖像熵計(jì)算部分25需要移動(dòng)到下一近似計(jì)算例 程SRT4的步驟SP43。
在步驟SP43,圖像熵計(jì)算部分25根據(jù)表示log2X的"x"的公式(9)確 定2的指數(shù)(oc)，且之后移動(dòng)到下一步驟，即步驟SP44。
在步驟SP44,圖像熵計(jì)算部分25確定當(dāng)通過上述公式(10 )將在log2y 和log2 (y+l)之間的差內(nèi)分為r: 2a-r的比率時(shí)的內(nèi)分點(diǎn)。之后，使用指數(shù) 相乘的對數(shù)表通過近似計(jì)算確定對應(yīng)于內(nèi)分點(diǎn)的對數(shù)值，且隨后通過向左移 位對應(yīng)于指數(shù)相乘的位數(shù)來將其轉(zhuǎn)換為適當(dāng)?shù)膶?shù)值，且隨后其移動(dòng)到下一 步驟，即步驟SP45，以結(jié)束處理。
(1-3-4)對于對數(shù)計(jì)算速度獲得的結(jié)果
圖13示出通過將以上述的對應(yīng)于對數(shù)表的大小的對數(shù)計(jì)算處理序列 RT4的對數(shù)計(jì)算的處理時(shí)間TT1與先前的使用預(yù)定對數(shù)計(jì)算處理程序的個(gè)人 計(jì)算機(jī)的小數(shù)點(diǎn)計(jì)算的處理時(shí)間TT2進(jìn)行比較獲得的某些結(jié)果。
通過具體對數(shù)計(jì)算處理序列RT4，改變對數(shù)表的大小，對于從x=l到 100,000的bg2X執(zhí)行對數(shù)計(jì)算100次，并繪出每個(gè)對數(shù)計(jì)算周期的觀察到的 對數(shù)計(jì)算處理時(shí)間，來確定處理時(shí)間TT1。另一方面，通過預(yù)定對數(shù)計(jì)算處理程序，改變對數(shù)表的大小，對于從x-l到100,000的1og2X執(zhí)行對數(shù)計(jì)算100 次，并繪出每個(gè)對數(shù)計(jì)算周期的觀察到的對數(shù)計(jì)算處理時(shí)間，來確定處理時(shí) 間TT2。
從比較結(jié)果可以清楚地看出，通過具體對數(shù)計(jì)算處理序列RT4執(zhí)行對數(shù) 計(jì)算的、作為對數(shù)表大小的函數(shù)變化的處理時(shí)間TT1明顯地比之前提到的通 過預(yù)定對數(shù)計(jì)算程序執(zhí)行個(gè)人計(jì)算機(jī)的小數(shù)點(diǎn)計(jì)算的處理時(shí)間TT2短。當(dāng)對 數(shù)表的大小大時(shí)，前一計(jì)算的速度大約是后一計(jì)算的速度的三倍，且前一計(jì) 算的最大誤差^皮抑制為大約0.0023%以實(shí)現(xiàn)高精確級別(圖5 )。 (1-3-5)圖像熵誤差
最后，通過上述具體對數(shù)計(jì)算處理序列RT4計(jì)算如圖14所示的多個(gè)標(biāo) 準(zhǔn)圖像(#1到#14)的每一個(gè)的圖像熵。圖15示出熵誤差。
從圖15可以看出#2、 #7和一些其它標(biāo)準(zhǔn)圖像的熵誤差大，而#5標(biāo)準(zhǔn)圖 像的熵誤差小。
該差別的原因可能是#2、 #7和一些其它標(biāo)準(zhǔn)圖像顯示出存在在圖像中占 據(jù)大的部分的山脈、天空和平坦區(qū)域的亮度值的高概率，且計(jì)算結(jié)果可能包 括歸因于使用上述公式(10)的近似計(jì)算的誤差。
另一方面，雖然在#5標(biāo)準(zhǔn)圖像中散布多個(gè)不同亮度值的區(qū)域，計(jì)算結(jié)果 可能不包括歸因于使用上述^^式(10)的近似計(jì)算的大的誤差。換句話說， 可在對數(shù)表中列出的對數(shù)值中找到用于多個(gè)亮度值的log2x的值。
但是，雖然對于#2、#7和一些其它標(biāo)準(zhǔn)圖像熵誤差大，其仍不大于0.03%, 這在誤差的可容忍范圍內(nèi)，盡管是通過近似計(jì)算獲得對數(shù)值的。
換句話說，在圖像熵計(jì)算部分25中不涉及小數(shù)點(diǎn)計(jì)算，且因此處理負(fù)擔(dān) 小。另外，圖像熵計(jì)算部分25不需要用于執(zhí)行小數(shù)點(diǎn)計(jì)算的應(yīng)用程序所需的 大的存儲(chǔ)器容量，使得其可以在短的時(shí)間段內(nèi)高度精確地執(zhí)行對數(shù)計(jì)算。
因此，當(dāng)在便攜式設(shè)備中安裝認(rèn)證設(shè)備1時(shí)，其可以以足夠短的計(jì)算時(shí) 間高度精確地執(zhí)行認(rèn)證處理，以明顯地改進(jìn)其用戶的便利。 (1-4)第一實(shí)施例的操作和優(yōu)點(diǎn)
通過上述布置，在血管注冊模式中，認(rèn)證設(shè)備1利用通過拍攝待注冊個(gè)
人的一個(gè)手指獲得的視頻信號(hào)S2的亮度分布可以由圖像熵Himg表示，且使用
圖像熵Htag作為模板熵TH，從而通過在閃存存儲(chǔ)器13中存儲(chǔ)一組已注冊個(gè) 人識(shí)別模板數(shù)據(jù)Tjv (其是通過將模板熵TH和表示手指的血管樣式圖像的模板視頻數(shù)據(jù)S3配對來制備的)來預(yù)先注冊個(gè)人。
因此，認(rèn)證設(shè)備1通過確定已注冊個(gè)人識(shí)別模板數(shù)據(jù)Tfv的模板熵Th與
待注冊個(gè)人的圖像熵Himg的差值的絕對值是否小于預(yù)定可允許的誤差A(yù)H來
在第一階段中從熵的觀點(diǎn)執(zhí)行認(rèn)證處理，且隨后僅當(dāng)該差值小于預(yù)定容許誤
差A(yù)H時(shí)，使用已注冊個(gè)人識(shí)別模板數(shù)據(jù)的模板視頻數(shù)據(jù)S3和將要認(rèn)證的個(gè)人的血管樣式圖像來執(zhí)行樣式匹配處理。
因此，認(rèn)證設(shè)備1可以通過以兩個(gè)階段確定，來高度精確地確定將要認(rèn)證的個(gè)人是否符合相應(yīng)的已注冊個(gè)人，該兩個(gè)階段包括從熵的觀點(diǎn)看的確定階段和從樣式匹配的觀點(diǎn)看的確定階段。
特別地，因?yàn)檎J(rèn)證設(shè)備1適于使用模板熵TH執(zhí)行從熵的觀點(diǎn)看的認(rèn)證處理，從而如果模板視頻數(shù)據(jù)S3被盜，且不具有原始圖像的手指的不當(dāng)用戶嘗試制備偽手指，則其可以有效地阻礙這種嘗試。因此，通過不僅從樣式匹配角度還從熵的觀點(diǎn)執(zhí)行認(rèn)證處理，認(rèn)證設(shè)備1可以有效地防止任何偽裝，且以高概率防止任何錯(cuò)誤認(rèn)證發(fā)生。
另外，認(rèn)證設(shè)備1僅需要將圖像熵Himg的值作為模板熵Th加到模板視
頻數(shù)據(jù)S3，其可以有效地防止任何偽裝，同時(shí)信息量明顯地小于以直方圖的形式保留手指的視頻數(shù)據(jù)S2的亮度分布的布置。
同時(shí)，因?yàn)檎J(rèn)證設(shè)備1基于用于認(rèn)證處理的信息熵的概念，所以如果因?yàn)楫?dāng)產(chǎn)生視頻數(shù)據(jù)S2時(shí)和當(dāng)產(chǎn)生視頻數(shù)據(jù)S20時(shí)之間圖像拍攝條件不同，而在視頻數(shù)據(jù)S2和視頻數(shù)據(jù)S20之間總的亮度不同，那么圖像熵Himg的值并不受影像。因此，認(rèn)證設(shè)備1不存在由于在血管注冊模式和認(rèn)證模式之間圖像拍攝條件的差異 一 —如果有的話 一 一 引起的任何錯(cuò)誤確定。
另外，對于未遮蔽的區(qū)域的提取手指區(qū)域圖像S4、 S2的圖像熵H—的計(jì)算值和對于未遮蔽的手指圖像S2的圖像熵Himg的計(jì)算值實(shí)質(zhì)上彼此相等，僅需要認(rèn)證設(shè)備1計(jì)算確定在作為拍攝手指的結(jié)果獲得的視頻數(shù)據(jù)S2中所包
括的手指區(qū)域的提取手指區(qū)域圖像S4的圖像熵Himg。因此，減少手指區(qū)域以
外不必要區(qū)域的計(jì)算量，且因此ffe夠減少從熵的觀點(diǎn)看要執(zhí)行的認(rèn)證處理所需要的時(shí)間。
以該方式，僅需要認(rèn)證設(shè)備1計(jì)算確定提取的手指區(qū)域圖像S4、 S22的圖像熵Himg。因此，如果存在手指區(qū)域以外的任意不清楚的圖像區(qū)域，可以簡單地遮蔽該區(qū)域。之后，可以減緩當(dāng)拍攝將要認(rèn)證的個(gè)人的手指之一時(shí)要理中就用戶而言的便利性。
因此，通過上述布置，除了從來的模板匹配的認(rèn)證處理之外，認(rèn)證設(shè)備1適于使用信息熵執(zhí)行認(rèn)證處理。因此，可以通過簡單布置，以高概率防止由于偽裝導(dǎo)致的認(rèn)證錯(cuò)誤發(fā)生。(2)第二實(shí)施例
(2-1)第二實(shí)施例的基本原理
這里首先描述第二實(shí)施例的基本原理。
(2-1-1)使用加權(quán)圖像熵的排他控制
第二實(shí)施例提供一種技術(shù)，用于防止在初始階段使用非生物的偽手指的偽裝圖像的任意不當(dāng)注冊，且還可靠地防止當(dāng)認(rèn)證使用圖像的特征量時(shí)使用偽手指的偽裝。
更具體地說，在該實(shí)施例中對于圖像一一該圖像被用于提取手指靜脈的
血管樣式圖像的特征值— 一 的圖像熵Himg執(zhí)行作為像素值分布的函數(shù)變化的
加權(quán)處理，以產(chǎn)生加權(quán)圖像熵Himgw (在下文中將更詳細(xì)地描述)，以使得可以消除非活體(non-livingbody)的偽裝圖像的注冊和認(rèn)證錯(cuò)誤。首先，這里描述加權(quán)圖像熵。
(2-1-2)加權(quán)圖像熵
如上所述，加權(quán)圖像熵是使用圖像的亮度值的信息熵。如果像素值出現(xiàn)的概率是Pi，其自伴有信息可以被表示為-log2Pi,信息熵是自伴有信息的期望
值-pil0g2Pi的總和。換句話說，由先前所述的公式(1)定義圖像熵Himg。
如果考慮8位灰度級，圖像具有像素值L的256個(gè)色調(diào)(L-0， ...，255 ),
圖像熵Himg可以由先前所述的公式(2)表示。
提供作為表示圖像的亮度的像素值的分布的函數(shù)變化的權(quán)重WL。使用
權(quán)重WL的加權(quán)圖像熵Himgw由下面所示的公式(11 )表示。255
",甲=-5>么log2 ^ ……(11)
如果圖像具有寬度Sw,高度Sh，總像素?cái)?shù)N二SwxSH，且具有像素值L的像素的數(shù)目是np像素值L的出現(xiàn)概率pL由先前所述的公式(3)表示。
因此，通過使用公式(3)，加權(quán)圖像熵Himgw由下面所示的公式(12)表示。<formula>formula see original document page 26</formula>
因?yàn)橄袼刂祷钦?，在不適于高速處理和對數(shù)處理的處理系統(tǒng)中筒單
地通過持有1og2i^的表即可以瞬時(shí)獲得加權(quán)圖像熵Himgw。(2-1-3)通過像素值的分布的方式的加權(quán)
現(xiàn)在，下面將描述怎樣將權(quán)重WL確定為表示圖像亮度的像素值的分布的函數(shù)。
在其中圖像示出如圖16 (A)所示的像素值直方圖的情況下，由如圖16(B)所示的顯示正態(tài)分布樣式的權(quán)重WL對該像素值直方圖加權(quán)，從而以其在中心顯示出最大值(在該情況下等于"1")的方式來修正像素值的分布。
隨后，不用說，基于如圖16 (A)所示的像素值直方圖計(jì)算確定的圖像熵Himg的值和基于通過使用如圖16 (B)所示的權(quán)重WL的加權(quán)處理方式獲得的像素值直方圖(沒有示出)計(jì)算確定的加權(quán)圖像熵H晌w的值當(dāng)然是不同的值。
(2匿l-4)活體(livingbody)或非活體的識(shí)別
對于使用血管樣式的個(gè)人認(rèn)證采用上述技術(shù)。例如，制備通過照相機(jī)拍攝由橡膠制成且預(yù)定時(shí)間段保持靜態(tài)的偽手指獲得視頻數(shù)據(jù)和通過照相機(jī)拍攝預(yù)定時(shí)間段保持靜態(tài)的三個(gè)不同個(gè)人的三個(gè)手指獲得的視頻數(shù)據(jù)，且在遮蔽處理之后計(jì)算確定每個(gè)視頻數(shù)據(jù)的圖像熵。
更具體地說，將橡膠制成的偽手指，人的手指1、人的手指2、人的手指3置于認(rèn)證設(shè)備中的預(yù)定位置，并在預(yù)定時(shí)間段保持靜止。圖17和圖18示出對于上述手指觀察到的圖像熵的逐幀的變化。圖17示出當(dāng)不使用權(quán)重WL時(shí)的變化，而圖18示出當(dāng)使用如圖16 (B)所示的權(quán)重WL時(shí)的變化。
從示出當(dāng)不使用權(quán)重WL時(shí)的圖像熵的變化的圖中可以看到(圖17)，圖像熵的值實(shí)際上不逐幀改變。另一方面，人的手指1的圖像熵的值和人的手指3的圖像熵的值在使用權(quán)重WL時(shí)顯著改變。因此，可以看出通過圖像熵的方式可在一定程度上識(shí)別每個(gè)人。
對于人的手指2和偽手指，如同在不使用權(quán)重WL時(shí)的圖像熵的情況那樣，圖像熵的值不顯著地逐幀改變。其原因可能在于像素值直方圖的分布形狀和權(quán)重WL的分布形狀彼此非常類似。
對于如圖19 (A)和圖19 (B)所示的人的手指1，表示像素值直方圖的分布形狀的峰值位置和權(quán)重WL的分布形狀的峰值位置彼此錯(cuò)開(shift)。相反的，對于如圖20 (A)和圖20 (B)所示的人的手指2，表示像素值直方圖的分布形狀的峰值位置和權(quán)重WL的分布形狀的峰值位置彼此非常接近，且進(jìn)而兩個(gè)分布形狀彼此非常類似。
因此，因?yàn)閷τ谌说氖种?表示像素值直方圖的分布形狀的峰值位置和權(quán)重WL的分布形狀的峰值位置彼此錯(cuò)開，概率上(probabilistically)非常稀少的像素值的自伴隨信息的影響的期望值增加以使得圖像熵傾向于不穩(wěn)定。
另一方面，因?yàn)閷τ谌说氖种?，表示像素值直方圖的分布形狀的峰值位置和權(quán)重WL的分布形狀的峰值位置彼此非?？拷疫M(jìn)而兩個(gè)分布形狀彼此非常類似，概率上非常稀少的像素值的自伴隨信息的影響的期望值減小從而使得圖像熵穩(wěn)定。
圖21是示意性地示出在加權(quán)和未加權(quán)的之間，對于偽手指、人的手指1、人的手指2和人的手指3的圖像熵的均值和標(biāo)準(zhǔn)偏差的表。圖像熵的均值的差指示權(quán)重WL的分布形狀和像素值直方圖的分布形狀之間的差異，而標(biāo)準(zhǔn)偏差的差指示像素值直方圖的不穩(wěn)定程度。
因此，對于人的手指1和人的手指3的圖像熵的均值的差是中等的，從而對于其像素值直方圖，可預(yù)測任何遠(yuǎn)離權(quán)重WL的分布中心的像素值的出現(xiàn)概率不穩(wěn)定。這是4艮自然的，并且是當(dāng)然的，因?yàn)樵诨铙w中存在流動(dòng)的血液。
對于人的手指2，圖像熵的均值的差相對小，且因此像素值直方圖顯示出類似于權(quán)重WL的分布形狀的分布形狀，此外圖像熵的標(biāo)準(zhǔn)偏差的差小，使得可預(yù)測任意像素值在權(quán)重WL的分布的中心出現(xiàn)的概率穩(wěn)定。上述實(shí)施表示照相機(jī)非常清楚地拍攝靜脈(vein )。
另一方面，因?yàn)閷τ趥问种笀D像熵的均值的差相對大，遠(yuǎn)離權(quán)重WL的分布的中心的像素值的出現(xiàn)概率高，此外圖像熵的標(biāo)準(zhǔn)偏差的差小。因此，可以看到所有可能的像素值的出現(xiàn)概率是穩(wěn)定的。該事實(shí)表示如果通過拍攝活體獲得圖像，該圖像非常不自然。
因?yàn)閷τ谌说氖种?和偽手指兩者，圖像熵的標(biāo)準(zhǔn)偏差的差都相對小，
有必要使得可以清楚地區(qū)分人的手指2和偽手指?？紤]權(quán)重WL的分布形狀類似于人的手指2的像素值直方圖的分布形狀，且因此圖像熵的標(biāo)準(zhǔn)偏差穩(wěn)定，觀察其中使用其分布形狀不同于該權(quán)重WL的分布形狀(圖16(B))的權(quán)重WL2的情況。
考慮如圖22 (A)所示的人的手指2的連續(xù)圖像的像素值直方圖，且示出如圖22 (B)所示的分布形狀的權(quán)重WL2被用于該像素值直方圖，以如在其中使用權(quán)重WL的情況中那樣觀察人的手指2的連續(xù)圖像的圖像熵的變化。
圖23 (A)示出對于偽手指和人的手指1、 2和3,由上述參考圖10 ( A)和10 (B)描述的權(quán)重WL加權(quán)的連續(xù)圖像的圖像熵的變化，而圖23 (B)示出對于上述手指由權(quán)重WL2加權(quán)的連續(xù)圖像的圖像熵的變化。
從如圖23 ( B )所示的由權(quán)重WL2加權(quán)的連續(xù)圖像的圖像熵(標(biāo)準(zhǔn)偏差)的變化，可以看到對于人的手指1和人的手指3圖像熵是不穩(wěn)定的。
圖24示出通過對于上述手指比較沒有權(quán)重的連續(xù)圖像的圖像熵的變化(圖17)，由權(quán)重WL加權(quán)的連續(xù)圖像的圖像熵的變化(圖23 (A))，以及由權(quán)重WL2加權(quán)的連續(xù)圖像的圖像熵的變化(圖23 (B))獲得的結(jié)果。
由權(quán)重WL2加權(quán)的連續(xù)圖像的圖像熵的標(biāo)準(zhǔn)偏差顯示出對于人的手指2的變化。其原因在于權(quán)重WL2 (圖22 (B))的分布形狀不類似于人的手指2的像素值直方圖的分布形狀，使得進(jìn)一步對作為像素值非常稀少的像素的自伴隨信息的期望值進(jìn)行加權(quán)，且像素本身不在連續(xù)圖像中穩(wěn)定地出現(xiàn)。
另一方面，對于偽手指，由權(quán)重WL加權(quán)的連續(xù)圖像的圖像熵的標(biāo)準(zhǔn)偏差和由權(quán)重WL2加權(quán)的連續(xù)圖像的圖像熵的標(biāo)準(zhǔn)偏差都很小，從而即使使用權(quán)重WL2時(shí)連續(xù)圖像的圖像熵(標(biāo)準(zhǔn)偏差)的變化也穩(wěn)定。
因此，通過使用顯示出彼此不同的特性的各自的分布形狀的權(quán)重WL和權(quán)重WL2，檢查連續(xù)圖像的圖像熵(標(biāo)準(zhǔn)偏差)中的變化，可以清楚地區(qū)分活體和非活體，因?yàn)槿缟纤觯瑢τ趥问种?，在任意情況下連續(xù)圖像的圖像
熵(標(biāo)準(zhǔn)偏差)都小，而對于人的手指1到3,在任意情況中連續(xù)圖像的圖像熵(標(biāo)準(zhǔn)偏差)中的變化大。
(2-2)第二實(shí)施例的認(rèn)證設(shè)備如上所述，下面將描述區(qū)分活體和非活體并執(zhí)行認(rèn)證處理的第二實(shí)施例的認(rèn)證設(shè)備。
(2-2-1)第二實(shí)施例的認(rèn)證設(shè)備的電路配置
第二實(shí)施例的認(rèn)證設(shè)備100具有與第一實(shí)施例的認(rèn)證設(shè)備1相同的電路配置，除了第一實(shí)施例的控制部分10由如圖4所示的控制部分110代替，且因此在這里將不進(jìn)一步描述第二實(shí)施例的電路配置。
在第二實(shí)施例的認(rèn)證設(shè)備100中，同樣，用控制設(shè)備110適于接收用于在用于注冊將要注冊的用戶的血管的血管注冊模式中操作的執(zhí)行命令C0M1和在用于響應(yīng)于用戶對操作部分11的操作確定已注冊個(gè)人的正當(dāng)性的認(rèn)證模式中操作的執(zhí)行命令COM2。
基于接收到執(zhí)行命令C0M1和COM2,控制部分110根據(jù)執(zhí)行命令COM1或COM2確定執(zhí)行模式，視哪個(gè)適當(dāng)，根據(jù)對應(yīng)于確定結(jié)果的應(yīng)用程序，適當(dāng)?shù)乜刂蒲芘臄z部分12,閃存存儲(chǔ)器13,外部接口 14和通知部分15以視哪個(gè)適當(dāng)執(zhí)行血管注冊模式或認(rèn)證模式中的操作。(2-2-2)血管注冊模式
如果決定選擇血管注冊模式作為操作模式，認(rèn)證設(shè)備100的控制部分110進(jìn)入血管注冊模式并控制血管拍攝部分12執(zhí)行注冊處理。
之后，血管拍攝部分12的驅(qū)動(dòng)控制部分12a控制驅(qū)動(dòng)用于將近紅外線照射在放置在認(rèn)證設(shè)備1的預(yù)定位置處的待注冊個(gè)人的手指上的一個(gè)或多個(gè)近紅外光源LS,并且照相機(jī)CM的圖像拾取元件ID (其典型地是電荷耦合裝置(CCD))的操作。
結(jié)果，照射在待注冊個(gè)人的手指上的近紅外線通過手指的內(nèi)部(雖然一些被反射和散射)，并作為血管投影光線，通過光學(xué)系統(tǒng)OP和光圈DH進(jìn)入血管拍攝部分12的圖像拾取元件ID。圖像拾取元件ID執(zhí)行血管投影光線的光電轉(zhuǎn)換的操作，且隨后將光電轉(zhuǎn)換的結(jié)果輸出到驅(qū)動(dòng)控制部分12a作為視頻信號(hào)S1。
注意到，從圖像拾取元件ID輸出的視頻信號(hào)Sl的圖像不僅包括手指內(nèi)的血管，還包括手指的外形和指紋，因?yàn)檎丈湓谑种干系慕t外線在進(jìn)入圖像拾取元件ID之前由手指的表面反射。
血管拍攝部分12的驅(qū)動(dòng)控制部分12a調(diào)整光學(xué)系統(tǒng)OP的光學(xué)鏡頭的鏡頭位置從而使得手指內(nèi)的血管聚焦，且還調(diào)整光學(xué)系統(tǒng)OP的光圈DH的孔徑值從而使得進(jìn)入圖像拾取元件ID的入射光量顯示出適當(dāng)?shù)募墑e，并且在調(diào)
整之后，將從圖像拾取元件ID輸出的視頻信號(hào)S2提供給控制部分110。
控制部分IIO對視頻信號(hào)S2執(zhí)行預(yù)定視頻處理以產(chǎn)生提取的血管樣式的血管樣式圖像以顯示手指血管的特性，并且同時(shí)，根據(jù)血管樣式圖像計(jì)算確定圖像熵Himg。之后，控制部分IIO基于通過使用權(quán)重WL和權(quán)重WL2以兩
種不同方式加權(quán)圖像熵Himg獲得的連續(xù)圖像的熵的變化(標(biāo)準(zhǔn)偏差)將血管
樣式識(shí)別為活體的或非活體的。如果控制部分110識(shí)別血管樣式是活體的，
其通過組合血管樣式圖像和圖像熵Himg產(chǎn)生已注冊個(gè)人識(shí)別模板數(shù)據(jù)Tfv,并
將其存儲(chǔ)在閃存存儲(chǔ)器13中以結(jié)束注冊處理。
現(xiàn)在，下面更詳細(xì)地棍述控制部分IIO執(zhí)行的視頻處理。參考圖25，控制部分110具有作為功能組件的前處理部分21、圖像熵計(jì)算塊23、注冊部分26、活體識(shí)別部分111和核對部分27，并將從血管拍攝部分12提供的視頻信號(hào)S2提供給前處理部分21，且還提供給圖像熵計(jì)算塊23的遮蔽處理部分24。
前處理部分21順序地執(zhí)行模擬/數(shù)字轉(zhuǎn)換處理、包括Sobel濾波器處理的預(yù)定輪廓提取處理、包括高斯濾波器處理的預(yù)定平滑處理、二元化處理和線細(xì)化處理，且之后將作為上述處理的結(jié)果獲得的表示血管樣式的模板視頻數(shù)據(jù)S3發(fā)送到注冊部分26。
圖像熵計(jì)算塊23的遮蔽處理部分24根據(jù)從血管拍攝部分12提供的視頻信號(hào)2產(chǎn)生遮蔽的圖像(參看圖2 (Al)到2 (D3))以僅提取示出血管樣式的手指區(qū)域，且通過應(yīng)用遮蔽的圖像產(chǎn)生提取的手指區(qū)域圖像S4。之后，遮蔽處理部分24將提取的手指區(qū)域圖像S4發(fā)送到圖像熵計(jì)算部分25。
圖像熵計(jì)算部分25基于提取的手指區(qū)域圖像S4，通過上述公式(4)的方式計(jì)算確定圖像熵Hi啤，且將其發(fā)送到活體識(shí)別部分111作為模板熵Th(其是用于構(gòu)建已注冊個(gè)人識(shí)別模板數(shù)據(jù)Tfv的元素)。同樣，在該情況中，可以使用在上述(1-3)部分中所述的在圖像熵計(jì)算部分25提升對數(shù)計(jì)算速度的技術(shù)。
當(dāng)活體識(shí)別部分lll以上面在(2-1-4)活體或非活體的識(shí)別部分所述的
方式確定模板熵TH示出非活體的值時(shí)，其停止將模板熵TH發(fā)送到注冊部分
26,且中止注冊處理。換句話說，活體識(shí)別部分111僅當(dāng)確定模板熵TH顯示出活體(人類)的值時(shí)才將模板熵丁h發(fā)送到注冊部分26。
注冊部分26通過將從前處理部分21提供的表示血管樣式圖像的模板視頻數(shù)據(jù)S3與從活體識(shí)別部分111提供的模板熵TH配對來產(chǎn)生已注冊個(gè)人識(shí) 別模板數(shù)據(jù)Tfv，且將其存儲(chǔ)在閃存存儲(chǔ)器13中以結(jié)束注冊處理。
認(rèn)證設(shè)備100的控制部分110在血管注冊模式中以上述方式工作?，F(xiàn)在， 將通過參考圖26描述在血管注冊模式中執(zhí)行的血管注冊處理序列。
認(rèn)證設(shè)備100的控制部分110以例程RT5的開始步驟開始，且進(jìn)行到下 一步驟，即步驟SP51，其中對于幀編號(hào)"i"設(shè)置初始值"1"以拾取待注冊 個(gè)人的手指的連續(xù)圖像，之后移動(dòng)到下一步驟，即步驟SP52。
在步驟SP52，控制部分110通過利用血管拍攝部分12拍攝用戶的手指 產(chǎn)生視頻信號(hào)S2，并將其發(fā)送到控制部分110的前處理部分21,且還發(fā)送到 圖像熵計(jì)算部分23的遮蔽處理部分24，之后在移動(dòng)到下一步驟，即步驟SP53。
在步驟SP53,控制部分110通過遮蔽處理部分24根據(jù)從血管拍攝部分 12提供的視頻信號(hào)S2產(chǎn)生用于提取僅其中示出血管樣式的手指區(qū)域的遮蔽 圖像，還通過前處理部分21產(chǎn)生表示血管樣式圖像的模板視頻數(shù)據(jù)S3,并 之后移動(dòng)到下一步驟，即步驟SP54。
在步驟SP54,控制部分110通過將在步驟SP53產(chǎn)生的遮蔽圖像應(yīng)用于 從血管拍攝部分12提供的視頻信號(hào)S2來產(chǎn)生提取的手指區(qū)域圖像54，且之 后移動(dòng)到下一步驟，即步驟SP55。
在步驟SP55，控制部分110基于提取的手指區(qū)域圖像S4計(jì)算確定圖像 熵Himg,且將其作為模板熵TH保留，之后移動(dòng)到下一步驟，即步驟SP56。
在步驟SP56，控制部分110確定幀編號(hào)"i"是否超過對于預(yù)定時(shí)間段 產(chǎn)生連續(xù)圖像所需的幀編號(hào)的最大數(shù)值。如果問題的答案是否定的，這意味 著通過拍攝手指還沒有獲得對于預(yù)定時(shí)間段產(chǎn)生手指的連續(xù)圖像所需的預(yù)定 幀數(shù)的視頻信號(hào)S2。之后，控制部分IIO移動(dòng)到下一步驟，即步驟SP57。
在步驟SP57，控制部分110將用于幀編號(hào)"i"的計(jì)數(shù)值遞增"1 ",且 重復(fù)從步驟SP52開始的操作。
另一方面，如果對步驟SP56的問題獲得肯定的答案，這意味著已經(jīng)通 過拍攝手指獲得對于預(yù)定時(shí)間段產(chǎn)生手指的連續(xù)圖像所需的預(yù)定幀數(shù)的視頻 信號(hào)S2。之后，控制部分IIO移動(dòng)到下一步驟，即步驟SP58。
在步驟SP58,控制部分110對于權(quán)重編號(hào)j設(shè)置初始值'T，，從而以顯 示出不同于彼此的各自分布形狀的的各種不同類型的加權(quán)WL到WLj的每個(gè) 對在步驟SP55中計(jì)算確定的圖像熵Himg加權(quán)，且隨后移動(dòng)到下一步驟，或步驟SP59。
在步驟SP59,控制部分IIO通過以定義為權(quán)重編號(hào)"1"的權(quán)重WL對 圖像熵Himg加權(quán)來產(chǎn)生加權(quán)圖像熵Himgw,且之后移動(dòng)到下一步驟，即步驟 SP60。
在步驟SP60，控制部分110確定在步驟SP59中產(chǎn)生的加權(quán)圖像熵Himgw 的熵中的變化(標(biāo)準(zhǔn)偏差)，且隨后移動(dòng)到下一步驟，即步驟SP61。
在步驟SP61,控制部分110確定在步驟SP60確定的標(biāo)準(zhǔn)偏差是否不大 于預(yù)定閾值(因?yàn)樾枰コ我鈧问种?，在該情況下選擇"10")。
如果問題的答案是肯定的，這意味著通過使用可以由權(quán)重編號(hào)識(shí)別的權(quán)
重WL產(chǎn)生的加權(quán)圖像熵Htogw的標(biāo)準(zhǔn)偏差小，從而手指可能有高可能性是偽
手指。隨后，控制部分110移動(dòng)到下一步驟，即步驟SP62。
在步驟SP62,控制部分110確定權(quán)重編號(hào)j是否超過對應(yīng)于權(quán)重WLn 的所有類型的最大值。如果問題的答案是否定的，這意味著還沒有由全部權(quán) 重WLn的每個(gè)對圖像熵Hjmg加權(quán)。隨后，控制部分110移動(dòng)到下一步驟，即 步驟SP62。
在步驟SP63,控制部分110將權(quán)重編號(hào)的計(jì)數(shù)值遞增"1",且重復(fù)從步 驟SP59開始的操作，從而以所有權(quán)重WLn中的每一個(gè)對圖像熵Himg加權(quán)， 以確定每個(gè)圖像熵的標(biāo)準(zhǔn)偏差是否不大于閾值。
如果對步驟SP62種問題的答案變?yōu)榭隙ǖ模@意味著通過使用所有不 同類型的權(quán)重WLn獲得的加權(quán)圖像熵Himgw的每個(gè)的標(biāo)準(zhǔn)偏差都小，因此手 指是偽手指的可能性極高。隨后，控制部分110移動(dòng)到下 一 步驟，即步驟SP64 。
在步驟SP64,因?yàn)榉胖糜谡J(rèn)證設(shè)備100中的手指是偽手指的可能性極高， 控制部分110移動(dòng)到下一步驟，即步驟SP67,而不繼續(xù)注冊處理。隨后，控 制部分110顯示錯(cuò)誤消息"不能注冊手指"。
另一方面，如果對步驟SP61中問題的答案是否定的，這意味著通過使 用預(yù)定權(quán)重WLn獲得的加權(quán)圖像熵Him^的標(biāo)準(zhǔn)偏差超過閾值，這可能因?yàn)?活體的血液流動(dòng)和其它因素，且因此放置在認(rèn)證設(shè)備100中的手指很可能是 人的手指。隨后，控制部分110移動(dòng)到下一步驟，即步驟SP65。
在步驟SP65,因?yàn)榭刂撇糠?00可以基于一個(gè)或多個(gè)加權(quán)圖像熵Himgw 確定放置在認(rèn)證設(shè)備100中的手指不是偽手指，其通過將表示在步驟SP53 產(chǎn)生的血管樣式圖像的模板視頻數(shù)據(jù)S3和在步驟SP55計(jì)算確定的模板熵TH配對來產(chǎn)生已注冊個(gè)人識(shí)別模板數(shù)據(jù)Tfv,且移動(dòng)到下一步驟，即步驟SP66。 在步驟SP66,控制部分110通過將已注冊個(gè)人識(shí)別模板數(shù)據(jù)Tfv存儲(chǔ)在 閃存存儲(chǔ)器中來執(zhí)行注冊處理，之后其移動(dòng)到下一步驟，即步驟SP67，以結(jié) 束血管注冊處理。
(2-2-3 )認(rèn)證模式
另一方面，如果決定選擇認(rèn)證模式作為操作模式，認(rèn)證設(shè)備100的控制 部分110進(jìn)入認(rèn)證模式，且如在血管拍攝模式的情況中那樣控制血管拍攝部 分12從而執(zhí)行認(rèn)證處理。
在該情況下，血管拍攝部分12的驅(qū)動(dòng)控制部分12a控制驅(qū)動(dòng)近紅外光源 LS和圖像拾取元件ID的操作，且同樣根據(jù)從圖像拾取元件ID輸出的視頻信 號(hào)S10調(diào)整光學(xué)系統(tǒng)OP的光學(xué)鏡頭的鏡頭位置和光圏DH的孔徑值，且然 后在該調(diào)整后，發(fā)送從圖像拾取元件ID輸出的視頻信號(hào)S20到控制部分110。
控制部分110通過前處理部分21對視頻信號(hào)S20執(zhí)行類似于其在上述血 管注冊模式中執(zhí)行的處理的視頻處理，且還通過圖像熵計(jì)算塊23執(zhí)行類似于 其在上述血管注冊模式中執(zhí)行的處理的圖像熵計(jì)算處理，并讀出在血管注冊 模式中預(yù)先在閃存存儲(chǔ)器13中注冊的已注冊個(gè)人識(shí)別模板數(shù)據(jù)Tfv。
之后，控制部分110將由前處理部分21獲得的表示血管樣式圖像的視頻 數(shù)據(jù)和由圖像熵計(jì)算塊23獲得的圖像熵H^與從閃存存儲(chǔ)器13讀出的已注 冊個(gè)人識(shí)別模板數(shù)據(jù)Tfv的模板視頻數(shù)據(jù)S3和模板熵TH進(jìn)行比較以進(jìn)行核 對，并才艮據(jù)核對的一致程度確定具有該手指的用戶是否是已注冊個(gè)人(認(rèn)證 的用戶)。
注意到，在上述核對處理之前，控制部分110確定置于認(rèn)證設(shè)備100中 的手指是否是偽手指，且如果確定該手指是偽手指，其不進(jìn)入核對處理而是 確定認(rèn)證處理以失敗結(jié)束。之后，其通知該確定。
當(dāng)控制部分110確定將他或她的手指之一放置在認(rèn)證設(shè)備中的認(rèn)證目標(biāo) 個(gè)人是已注冊個(gè)人時(shí)，其產(chǎn)生用于使得連接到外部接口 14的操作處理設(shè)備 (沒有示出)執(zhí)行預(yù)定操作的執(zhí)行命令COM3，且將其通過外部接口 14傳送 給操作處理設(shè)備。 '
如果如在第一實(shí)施例的描述中那樣，連接到外部接口 14的操作處理設(shè)備 是鎖住的門，控制部分110將用于打開門的執(zhí)行命令COM3傳送到門。
另 一方面，如果連接到外部總線14的操作處理設(shè)備是具有多個(gè)操作模式且操作模式部分受限的計(jì)算機(jī)，控制部分110將用于釋放受限的操作模式的
執(zhí)行命令COM3傳送到計(jì)算機(jī)。
雖然對于操作處理設(shè)備引用上述兩個(gè)示例，但是本發(fā)明決不局限于此， 而是可適當(dāng)?shù)剡x擇一些其它操作處理設(shè)備。雖然在該實(shí)施例中操作處理設(shè)備 連接到外部接口 14時(shí)，但是可作為選擇地將操作處理設(shè)備的軟件或硬件安裝 在認(rèn)證設(shè)備100中。
另一方面，當(dāng)控制部分110確定將他或她的手指之一放置在認(rèn)證設(shè)備100 中的認(rèn)證目標(biāo)個(gè)人不是已注冊個(gè)人時(shí)，其通過通知部分15的顯示部分15a的 方式顯示其，并通過通知部分15的音頻輸出部分15b輸出通知的聲音，使得 認(rèn)證設(shè)備可以通知認(rèn)證目標(biāo)個(gè)人被確定不是已注冊個(gè)人。
因此，認(rèn)證設(shè)備100在認(rèn)證模式中以上述方式執(zhí)行認(rèn)證處理?，F(xiàn)在，將 參考圖27描述認(rèn)證模式中的認(rèn)證處理序列。
參考圖27，認(rèn)證設(shè)備100的控制部分110以例程RT6的開始步驟開始， 且進(jìn)行到下一步驟，即步驟SP71，其中其讀出在閃存存儲(chǔ)器13中預(yù)先注冊 的已注冊個(gè)人識(shí)別模板數(shù)據(jù)Tfv (模板視頻數(shù)據(jù)S3和模板熵TH)，且之后移 動(dòng)到下一步驟，即步驟SP72。
在步驟SP12,控制部分110對于幀編號(hào)"i"設(shè)置初始值"1"，以拾取 待注冊個(gè)人的手指的連續(xù)圖像，之后其移動(dòng)到下一步驟，即步驟SP73。
在步驟SP73,控制部分110通過利用血管拍攝部分12拍攝用戶的手指 產(chǎn)生視頻信號(hào)S20,并將其發(fā)送到控制部分110的前處理部分21，且還發(fā)送 到圖像熵計(jì)算部分23的遮蔽處理部分24,且之后移動(dòng)到下一步驟，即步驟 SP74
在步驟SP74,控制部分110通過遮蔽處理部分24, 4艮據(jù)從血管拍攝部 分12提供的視頻信號(hào)12產(chǎn)生用于僅提取其中顯示血管樣式的手指區(qū)域的遮 蔽圖像，且還通過前處理部分21產(chǎn)生表示血管樣式圖像的視頻數(shù)據(jù)S21，且 之后移動(dòng)到下一步驟，即步驟SP75。
在步驟SP75，控制部分110通過將在步驟SP74產(chǎn)生的遮蔽圖像應(yīng)用于 從血管拍攝部分12提供的視頻信號(hào)S20,而產(chǎn)生提取的手指區(qū)域圖像S22， 且之后移動(dòng)到下一步驟，即步驟SP76。
在步驟SP76,控制部分110基于提取的手指區(qū)域圖像S22計(jì)算確定圖像 熵Hi啤，且保留該圖像熵Himg,之后移動(dòng)到下一步驟，即步驟SP77。在步驟SP77,控制部分110確定幀編號(hào)"i"是否超過對于預(yù)定時(shí)間段 產(chǎn)生連續(xù)圖像所需的幀編號(hào)的最大數(shù)值。如果對問題的答案是否定的，這意 味著還沒有通過拍攝手指獲得在預(yù)定時(shí)間段產(chǎn)生手指的連續(xù)圖像所需的預(yù)定 幀數(shù)的視頻信號(hào)S2。隨后，控制部分110移動(dòng)到下一步驟，即步驟SP78。
在步驟SP78,控制部分110將用于幀編號(hào)"i"的計(jì)數(shù)值遞增"1",且 重復(fù)從步驟SP73開始的操作。
另一方面，如果對于在步驟SP77的問題獲得肯定的答案，這意味著已 經(jīng)通過拍攝手指獲得用于在預(yù)定時(shí)間段產(chǎn)生手指的連續(xù)圖像所需的預(yù)定幀數(shù) 的視頻信號(hào)S2。隨后，控制部分110移動(dòng)到下一步驟，即步驟SP79。
在步驟SP79,控制部分11對于權(quán)重編號(hào)設(shè)置初始值"1"，從而以顯示 出彼此不同的各個(gè)分布形狀的各種不同類型的權(quán)重WL到WLj的每一個(gè)對在 步驟SP76計(jì)算確定的圖像熵HUg加權(quán),且隨后移動(dòng)到下一步驟，即步驟SP80。
在步驟SP80,控制部分110通過活體識(shí)別部分111的方式，通過以:故定
義為權(quán)重編號(hào)"1"的權(quán)重WL對圖像熵Himg加權(quán)來產(chǎn)生圖像熵H^gw，且隨
后移動(dòng)到下一步驟，或步驟SP81。
在步驟SP81，控制部分110確定在步驟SP80產(chǎn)生的加權(quán)圖像熵Himgw 的熵的變化(標(biāo)準(zhǔn)偏差)，且隨后移動(dòng)到下一步驟，即步驟SP82。
在步驟SP82，控制部分110通過活體識(shí)別部分111確定在步驟SP81中
確定的加權(quán)圖像熵Himgw的標(biāo)準(zhǔn)偏差是否不大于預(yù)定閾值(在該情況中再次選
擇"10"，因?yàn)樾枰コ我鈧问种?。
如果對問題的答案是肯定的，這意味著通過使用可以由權(quán)重編號(hào)j標(biāo)識(shí) 的權(quán)重WL產(chǎn)生的圖像熵Himgw的標(biāo)準(zhǔn)偏差小，從而手指可能很可能是偽手指。 之后，控制部分110移動(dòng)到下一步驟，即步驟SP83。
在步驟SP83，控制部分110確定權(quán)重編號(hào)j是否超過對應(yīng)于權(quán)重WLn 的所有類型的最大值。如果對問題的答案是否定的，這意味著還沒有由所有 權(quán)重WLn的每一個(gè)對圖像熵Himg加權(quán)。隨后，控制部分110移動(dòng)到下一步驟， 即步驟SP84。
在步驟SP84，控制部分110將用于權(quán)重編號(hào)j的計(jì)數(shù)值遞增"1",并重 復(fù)從步驟SP80開始的操作，從而以所有權(quán)重WLn的每一個(gè)對圖像熵H^加 權(quán)，以確定各個(gè)圖像熵的標(biāo)準(zhǔn)偏差是否不大于閾值。
如果對于在步驟SP83中問題的答案變?yōu)榭隙ǖ?，這意味著通過使用所200780043041.7得的所有加權(quán)圖像熵Himgw的每一個(gè)的標(biāo)準(zhǔn)偏差都 小，且因此手指是偽手指的可能性極高。隨后，控制部分110移動(dòng)到下一步 驟，即步驟SP85。
在步驟SP85，因?yàn)榉胖迷谡J(rèn)證設(shè)備100中的手指是偽手指的可能性極高， 控制部分110移動(dòng)到下一步驟，即步驟SP90，而不繼續(xù)核對部分27的核對 處理。之后，控制部分110顯示錯(cuò)誤消息"認(rèn)證以失敗結(jié)束"。
另一方面，如果對于步驟SP82中問題的答案是否定的，這意味著通過 使用預(yù)定權(quán)重WLn獲得的加權(quán)圖像熵Himgw的標(biāo)準(zhǔn)偏差超過閾值，這可能因 為活體的血液流動(dòng)或其它因素，且因此放置在認(rèn)證設(shè)備100中的手指很可能 是人的手指。隨后，控制部分110移動(dòng)到下一步驟，即步驟SP86。
在步驟SP86，控制部分110確定在步驟SP71讀出的已注冊個(gè)人識(shí)別模 板數(shù)據(jù)的模板熵Th和在歩驟SP76計(jì)算確定的認(rèn)證目標(biāo)個(gè)人的圖像熵Himg 之間的差值的絕對值是否小于預(yù)定的容許誤差△ H。
同樣在這種情況下，確定在已注冊個(gè)人識(shí)別模板數(shù)據(jù)Tfv的模板熵Th和
認(rèn)證目標(biāo)個(gè)人的圖像熵Himg之間的差值的絕對值是否小于預(yù)定的容許誤差A(yù)
H是因?yàn)閳D像熵Himg事實(shí)上表示視頻信號(hào)S2的亮度樣式的摘要值，且因此其 不表示精確值，使得當(dāng)在核對時(shí)將其與模板熵TH比較時(shí)需要該確定具有一些 余地。
如果確定的結(jié)果是否定的，這意味著在從預(yù)先注冊的模板熵Th的植的一 定范圍內(nèi)沒有找到認(rèn)證目標(biāo)個(gè)人的圖像熵Himg，且因此根據(jù)其計(jì)算圖像熵Himg 的提取的手指區(qū)域圖像S22的亮度分布在很大程度上不同于根據(jù)其計(jì)算模板 熵TH的提取的手指區(qū)域圖像S4的亮度分布。然后，控制部分110移動(dòng)到下 一步驟，即步驟SP85。
在步驟SP85，因?yàn)樵谀０屐豑H和認(rèn)證目標(biāo)個(gè)人的圖像熵Himg之間的差 值的絕對值大于預(yù)定的容許誤差A(yù)H,控制部分110確定認(rèn)證目標(biāo)個(gè)人不符合 已注冊個(gè)人，且因此認(rèn)證失敗，且之后移動(dòng)到下一步驟，即步驟SP卯以終止 處理。
另一方面，如果在步驟SP86的確定結(jié)果是肯定的，這意味著在預(yù)先注 冊的模板熵丁h的值的一定范圍內(nèi)找到了認(rèn)證目標(biāo)個(gè)人的圖像熵Himg,且因此 根據(jù)其計(jì)算圖像熵Htag的提取的手指區(qū)域圖像S22的亮度分布類似于根據(jù)其 計(jì)算模板熵Th的提取的手指區(qū)域圉像S4的亮度分布，使得從熵的觀點(diǎn)看認(rèn)證目標(biāo)個(gè)人符合已注冊個(gè)人。然后，控制部分110移動(dòng)到下一步驟，即步驟
SP87。
在步驟SP87，控制部分110使用在步驟SP71中讀出的已注冊個(gè)人識(shí)別 模板Tfv的模板視頻數(shù)據(jù)S3與在步驟SP74產(chǎn)生的代表血管樣式圖像的視頻 數(shù)據(jù)S21執(zhí)行樣式匹配處理，且之后移動(dòng)到下一步驟，即步驟SP88。
在步驟SP88，控制部分110確定在步驟SP87中執(zhí)行的樣式匹配處理的 結(jié)果是否指示符合。如果確定的結(jié)果是否定的，這意味著從樣式匹配的觀點(diǎn) 來看，認(rèn)證目標(biāo)個(gè)人不符合已注冊個(gè)人。之后，控制部分110移動(dòng)到下一步 驟，即步驟SP85,其中其確定認(rèn)"〖正失敗，使得其移動(dòng)到下一步驟，或步驟SP90 以結(jié)束認(rèn)證處理。
另一方面，如果在步驟SP88的確定結(jié)果是肯定的，這意味著從樣式匹 配的觀點(diǎn)來看，認(rèn)證目標(biāo)個(gè)人符合已注冊個(gè)人。之后，控制部分110移動(dòng)到 下一步驟，即步驟SP89。
在步驟SP89，控制部分110確定從熵的觀點(diǎn)放置在認(rèn)證設(shè)備100中的手 指不是偽手指而是人的手指，且因?yàn)閺撵氐挠^點(diǎn)和從樣式匹配的觀點(diǎn)認(rèn)證目 標(biāo)個(gè)人都符合已注冊個(gè)人而隨后決定認(rèn)證處理以成功結(jié)束。之后，控制部分 110移動(dòng)到下一 步驟，即步驟SP90以結(jié)束所有認(rèn)證處理。 (2-3 )第二實(shí)施例的操作和優(yōu)點(diǎn)
通過上述布置，在血管注冊模式中，認(rèn)證設(shè)備100使用圖像熵Htag表示 通過拍攝待注冊個(gè)人或已注冊個(gè)人的手指之一獲得的提取的手指區(qū)域圖像S4 的亮度分布，且以顯示出彼此不同的各自分布形狀的多個(gè)不同類型的權(quán)重 WLn中的每個(gè)對手指的圖像熵Himg加權(quán)。當(dāng)無論在這里使用的權(quán)重WLn如 何，沒有加權(quán)圖像熵Himgw超過閾值時(shí)，認(rèn)證設(shè)備100確定標(biāo)準(zhǔn)偏差恒定，且 因此對于活體是不自然的。之后，其停止注冊處理。
通過該布置，對于認(rèn)證設(shè)備100可以可靠地防止其中錯(cuò)誤地注冊偽手指 的情況。
另外，如在注冊模式中那樣，在認(rèn)證模式中，認(rèn)證設(shè)備100以顯示出彼 此不同的各自分布形狀的多個(gè)不同類型的權(quán)重WLn的每一個(gè)對手指的圖像 熵H—加權(quán)。當(dāng)無論在這里使用的權(quán)重WLn如何，沒有加權(quán)圖像熵Him評超 過閾值時(shí)，認(rèn)證設(shè)備100確定標(biāo)準(zhǔn)偏差恒定，且因此對于活體是不自然的。 之后，其確定認(rèn)證失敗，并結(jié)束，而不執(zhí)行任何為了認(rèn)證目的的核對處理。因此，認(rèn)證設(shè)備100在執(zhí)行樣式匹配處理之前，僅當(dāng)基于加權(quán)圖像熵Himgw 的標(biāo)準(zhǔn)偏差，放置在認(rèn)證設(shè)備100中的手指被識(shí)別為人的手指時(shí)，才基于圖 像熵Hi嗎從熵的觀點(diǎn)執(zhí)行認(rèn)證處理。因此，認(rèn)證設(shè)備100可以可靠地防止將 偽手指的惡意用戶錯(cuò)誤地識(shí)別為已注冊個(gè)人。
以這種方式，認(rèn)證設(shè)備100可以在認(rèn)證處理之前去除任意偽手指，且從 圖像熵Himg的角度執(zhí)行認(rèn)證處理。因此，可以有效地防止任何偽裝，其可能 是嘗試使用偽手指作為人的手指或模仿血管樣式的惡意用戶。
因此，通過上述布置，認(rèn)證設(shè)備100可以高度精確地確定手指是否是偽 手指，且使用信息熵或模板匹配執(zhí)行認(rèn)證處理，使得其能夠通過簡單的布置 高概率地防止由于偽裝的緣故而發(fā)生任意認(rèn)證錯(cuò)誤。
(3)其它實(shí)施例
雖然在上述第一和第二實(shí)施例的描述中，通過拾取在被選為預(yù)定部位的 人體手指的前端的靜脈的血管樣式產(chǎn)生視頻信號(hào)S2和S20，但是本發(fā)明決不 局限于此，而是作為選擇可通過拾取人體的任意其它部位(比如手掌或臉) 的靜脈的血管樣式來產(chǎn)生視頻信號(hào)S2和S20。
雖然在上述第一實(shí)施例(或第二實(shí)施例，視哪個(gè)合適)，在步驟SP16(或 步驟SP86)通過確定在模板熵TH和圖像熵Himg之間的差值的絕對值是否小 于預(yù)定可允許的誤差A(yù)H而從熵的觀點(diǎn)執(zhí)行認(rèn)證處理，且在步驟SP17 (或步 驟SP87)僅當(dāng)對問題的答案是肯定的時(shí)執(zhí)行樣式匹配處理，但是本發(fā)明并不 局限于此，且作為選擇可在樣式匹配處理，且樣式匹配處理顯示出符合之后 執(zhí)行從熵的觀點(diǎn)的認(rèn)證處理。
雖然在上述第二實(shí)施例中通過多個(gè)權(quán)重WLn的每個(gè)對圖像熵H^進(jìn)行 加權(quán)，本發(fā)明決不局限于此，且其作為選擇可如下設(shè)置，如果權(quán)重WLn顯示 出不同于圖像熵Himg的分布形狀，則通過基于以單一類型的權(quán)重WLn對圖像
熵Himg加權(quán)而獲得的加權(quán)圖像熵Him^的標(biāo)準(zhǔn)偏差，而將討論中的手指確定
為活體的或非活體的。
另外，雖然在上述第二實(shí)施例中，以顯示出彼此不同的各自的分布形狀 的多個(gè)不同類型的多個(gè)權(quán)重WLn的每一個(gè)對圖像熵Himg加權(quán)，本發(fā)明決不局 限于此，且作為選擇地，可以互相決不相關(guān)的不同的多個(gè)權(quán)重WLn的每個(gè)對 圖像熵Hi呵加權(quán)。
雖然在上述第一和第二實(shí)施例中，控制部分10或IIO從ROM讀出注冊程序或認(rèn)證程序，并在RAM上展開其以在血管注冊模式或認(rèn)證模式中執(zhí)行 程序(視哪一個(gè)適當(dāng))，適當(dāng)?shù)乜刂蒲芘臄z部分12、閃存存儲(chǔ)器13、外部 接口 14和通知部分15,本發(fā)明決不局限于此，且作為選擇地，可在血管注 冊模式或認(rèn)證模式中執(zhí)行從比如CD (緊密盤)、DVD (數(shù)字多用途盤)或半 導(dǎo)體存儲(chǔ)器之類的記錄介質(zhì)安裝或從因特網(wǎng)下載的注冊程序或認(rèn)證程序(視 哪一個(gè)適當(dāng))。
雖然在上述優(yōu)選實(shí)施例的描述中，通過結(jié)合血管拍攝部分12作為圖像拾 取手段、前處理部分21作為特征參數(shù)提取手段、圖像熵計(jì)算部分25作為圖 像熵計(jì)算手段、活體識(shí)別部分111作為加權(quán)圖像熵計(jì)算手段和生物識(shí)別手段、 和核對部分27作為認(rèn)證手段而利用軟件實(shí)現(xiàn)認(rèn)證設(shè)備，但是本發(fā)明決不局限 限于此，且作為選擇地可以結(jié)合各種圖像拾取裝置中的任意一個(gè)，各種特征 參數(shù)提取裝置中的任意一個(gè)，各種圖像熵計(jì)算裝置中的任意一個(gè)，各種注冊 裝置中的任意一個(gè)，各種加權(quán)圖像熵計(jì)算裝置中的任意一個(gè)，各種生物識(shí)別 裝置中的任意一個(gè)和各種認(rèn)證裝置中的任意一個(gè)來利用硬件實(shí)現(xiàn)認(rèn)證設(shè)備。
根據(jù)本發(fā)明實(shí)施例的認(rèn)證設(shè)備、注冊設(shè)備、注冊方法、注冊程序、認(rèn)證 方法和認(rèn)證程序可以適當(dāng)?shù)卦诶?，使用虹?iris)等的生物測定認(rèn)證的領(lǐng) 域中找到應(yīng)用。 -
本領(lǐng)域技術(shù)人員應(yīng)該理解根據(jù)設(shè)計(jì)需要和其它因素，可以有多種修改、 組合、部分組合和替換，只要它們在所附權(quán)利要求及其等效物的范圍之內(nèi)。
權(quán)利要求
1.一種認(rèn)證設(shè)備，包括圖像拾取裝置，通過拍攝在預(yù)定生物部位的生物識(shí)別對象來產(chǎn)生所述生物識(shí)別對象的圖像；特征參數(shù)提取裝置，通過對所述生物識(shí)別對象的圖像執(zhí)行預(yù)定特征提取處理來提取所述生物識(shí)別對象的特征參數(shù)；圖像熵計(jì)算裝置，根據(jù)所述生物識(shí)別對象的圖像來計(jì)算確定圖像熵；和注冊裝置，通過將所述特征參數(shù)和所述圖像熵配對來產(chǎn)生已注冊個(gè)人識(shí)別信息，并將其存儲(chǔ)在預(yù)定存儲(chǔ)裝置中。
2. 如權(quán)利要求1所述的認(rèn)證設(shè)備，其中所述圖像熵計(jì)算裝置在計(jì)算所述圖像熵之前執(zhí)行遮蔽所述生物識(shí)別對象 的所述拾取的圖像的除了預(yù)定部位之外的區(qū)域的遮蔽處理。
3. 如權(quán)利要求1所述的認(rèn)證設(shè)備，其中所述圖像拾取裝置通過拍攝作為生物識(shí)別對象的血管，而產(chǎn)生所述生物 識(shí)別對象的所述圖像。
4. 如權(quán)利要求1所述的認(rèn)證設(shè)備，進(jìn)一步包括認(rèn)證裝置，用于通過比較由所述圖像熵計(jì)算裝置計(jì)算的認(rèn)證目標(biāo)個(gè)人的 所述圖像熵和預(yù)先在所述注冊裝置中注冊的所述已注冊個(gè)人識(shí)別信息的圖像 熵來確定認(rèn)證目標(biāo)個(gè)人的正當(dāng)性，且之后比較由所述特征參數(shù)提取裝置提取 的所述認(rèn)證目標(biāo)個(gè)人的所述特征參數(shù)和預(yù)先在所述注冊裝置中注冊的所述已 注冊個(gè)人識(shí)別信息的所述圖像熵以進(jìn)行核對，從而最終確定認(rèn)證目標(biāo)個(gè)人的 正當(dāng)性。
5. —種注冊方法，包括圖像拾取步驟，通過拍攝在預(yù)定生物部位的生物識(shí)別對象來產(chǎn)生所述生 物識(shí)別對象的圖像；特征參數(shù)提取步驟，通過對所述生物識(shí)別對象的圖像執(zhí)行預(yù)定特征提取 處理來提取所述生物識(shí)別對象的特征參數(shù)；圖像熵計(jì)算步驟，根據(jù)所述生物識(shí)別對象的圖像來計(jì)算確定圖像熵；和注冊步驟，通過將所述特征參數(shù)和所述圖像熵配對來產(chǎn)生已注冊個(gè)人識(shí) 別信息，并將其存儲(chǔ)在預(yù)定存儲(chǔ)部分中。
6. —種用于使得預(yù)定信息處理設(shè)備執(zhí)行下面步驟的注冊程序，所述步驟包括圖像拾取步驟，通過拍攝在預(yù)定生物部位的生物識(shí)別對象來產(chǎn)生所述生 物識(shí)別對象的圖像；特征參數(shù)提取步驟，通過對所述生物識(shí)別對象的圖像執(zhí)行預(yù)定特征提取 處理來提取所述生物識(shí)別對象的特征參數(shù)；圖像熵計(jì)算步驟，根據(jù)所述生物識(shí)別對象的圖像來計(jì)算確定圖像熵；和注冊步驟，通過將所述特征參數(shù)和所述圖像熵配對來產(chǎn)生已注冊個(gè)人識(shí) 別信息，并將其存儲(chǔ)在預(yù)定存儲(chǔ)部分中。
7. —種注冊i殳備，包4舌圖像拾取裝置，通過在預(yù)定時(shí)間段內(nèi)，多次拍攝在待注冊個(gè)人的預(yù)定生 物部位的生物識(shí)別對象，來產(chǎn)生所述生物識(shí)別對象的多個(gè)圖^f象；特征參數(shù)提取裝置，通過對所述生物識(shí)別對象的多個(gè)圖像執(zhí)行預(yù)定特征 提取處理，來提取所述生物識(shí)別對象的多個(gè)特征參數(shù)；圖像熵計(jì)算裝置，計(jì)算確定所述生物識(shí)別對象的多個(gè)圖像的多個(gè)圖像熵；加權(quán)圖像熵計(jì)算裝置，通過以不同樣式的多個(gè)類型的權(quán)重對所述多個(gè)圖 像熵加權(quán)來計(jì)算確定多個(gè)類型的加權(quán)圖像熵；生物識(shí)別裝置，確定所述多個(gè)類型的加權(quán)圖像熵的分散度，并根據(jù)所述 分散度將所述待注冊個(gè)人的所述預(yù)定部位識(shí)別為活體或非活體；和注冊裝置，僅當(dāng)所述生物識(shí)別裝置將所述預(yù)定部位識(shí)別為活體時(shí)，通過 將所述特征參數(shù)和所述圖像熵配對來產(chǎn)生已注冊個(gè)人識(shí)別信息，并將其存儲(chǔ) 在預(yù)定存儲(chǔ)裝置中。
8. 如權(quán)利要求7所述的注冊設(shè)備，其中所述生物識(shí)別裝置將由所述多個(gè)類型的權(quán)重加權(quán)的所述加權(quán)圖像熵的標(biāo) 準(zhǔn)偏差確定為分散度，且當(dāng)所有所述標(biāo)準(zhǔn)偏差不大于預(yù)定閾值時(shí)將所述待注 冊個(gè)人的所述預(yù)定部位識(shí)別為非活體的部位。
9. 如權(quán)利要求7所述的注冊設(shè)備，其中所述圖像熵計(jì)算裝置在計(jì)算所述圖像熵之前執(zhí)行遮蔽所述生物識(shí)別對象 的所述拾取的圖像的除了預(yù)定部位之外的區(qū)域的遮蔽處理。
10. 如權(quán)利要求7所述的注冊設(shè)備，其中所述圖像拾取裝置通過拍攝作為生物識(shí)別對象的血管，產(chǎn)生生物識(shí)別對象的所述圖像。
11. 一種注冊方法，包^":圖像4合取步驟，通過在預(yù)定時(shí)間段內(nèi)，多次拍攝在待注冊個(gè)人的預(yù)定生 物部位的生物識(shí)別對象，來產(chǎn)生所述生物識(shí)別對象的多個(gè)圖像；特征參數(shù)提取步驟，通過對所述生物識(shí)別對象的多個(gè)圖像執(zhí)行預(yù)定特征 提取處理，來提取所述生物識(shí)別對象的多個(gè)特征參數(shù)；圖像熵計(jì)算步驟，計(jì)算確定所述生物識(shí)別對象的多個(gè)圖像的多個(gè)圖像熵；加權(quán)圖像熵計(jì)算步驟，通過以不同樣式的多個(gè)類型的權(quán)重對所述多個(gè)圖 像熵加權(quán)來計(jì)算確定多個(gè)類型的加權(quán)圖像熵；生物識(shí)別步驟，確定所述多個(gè)類型的加權(quán)圖像熵的分散度，并根據(jù)所述 分散度將所述待注冊個(gè)人的所述預(yù)定部位識(shí)別為活體或非活體；和注冊步驟，僅當(dāng)在所述生物識(shí)別步驟將所述預(yù)定部位識(shí)別為活體時(shí)，通 過將所述特征參數(shù)和所述圖像熵配對來產(chǎn)生已注冊個(gè)人識(shí)別信息，并將其存 儲(chǔ)在預(yù)定存儲(chǔ)部分中。
12. —種用于使得預(yù)定信息處理設(shè)備執(zhí)行下面步驟的注冊程序，所述步 驟包括圖像拾取步驟，通過在預(yù)定時(shí)間段內(nèi)，多次拍攝在待注冊個(gè)人的預(yù)定生 物部位的生物識(shí)別對象，來產(chǎn)生所述生物識(shí)別對象的多個(gè)圖像；特征參數(shù)提取步驟，通過對所述生物識(shí)別對象的多個(gè)圖像執(zhí)行預(yù)定特征 提取處理，來提取所述生物識(shí)別對象的多個(gè)特征參數(shù)；圖像熵計(jì)算步驟，計(jì)算確定所述生物識(shí)別對象的多個(gè)圖像的多個(gè)圖像熵；加權(quán)圖像熵計(jì)算步驟，通過以不同樣式的多個(gè)類型的權(quán)重對所述多個(gè)圖 像熵加權(quán)來計(jì)算確定多個(gè)類型的加權(quán)圖像熵；生物識(shí)別步驟，確定所述多個(gè)類型的加權(quán)圖像熵的分散度，并根據(jù)所述分散度將所述待注冊個(gè)人的所述預(yù)定部位識(shí)別為活體或非活體；和注冊步驟，僅當(dāng)在所述生物識(shí)別步驟將所述預(yù)定部位識(shí)別為活體時(shí)，通 過將所述特征參數(shù)和所述圖像熵配對來產(chǎn)生已注冊個(gè)人識(shí)別信息，并將其存 儲(chǔ)在預(yù)定存儲(chǔ)部分中。
13. —種認(rèn)證設(shè)備，包括圖像拾取裝置，通過在預(yù)定時(shí)間段內(nèi)，多次拍攝在認(rèn)證目標(biāo)個(gè)人的預(yù)定 部位的生物識(shí)別對象，來產(chǎn)生所述生物識(shí)別對象的多個(gè)圖像；特征參數(shù)提取裝置，通過對所述生物識(shí)別對象的多個(gè)圖像執(zhí)行預(yù)定特征提取處理，來提取所述生物識(shí)別對象的多個(gè)特征參數(shù)；圖像熵計(jì)算裝置，計(jì)算確定所述生物識(shí)別對象的多個(gè)圖像的多個(gè)圖像熵；加權(quán)圖像熵計(jì)算裝置，通過以不同樣式的多個(gè)類型的權(quán)重對所述多個(gè)圖 像熵加權(quán)來計(jì)算確定多個(gè)類型的加權(quán)圖像熵；生物識(shí)別裝置，確定所述多個(gè)類型的加權(quán)圖像熵的分散度，并根據(jù)所述 分散度將所述認(rèn)證目標(biāo)個(gè)人的所述預(yù)定部位識(shí)別為活體或非活體；和認(rèn)證裝置，當(dāng)由所述生物識(shí)別裝置將所述預(yù)定部位識(shí)別為非活體的時(shí)否 認(rèn)認(rèn)證目標(biāo)個(gè)人的正當(dāng)性，且通過僅在將所述預(yù)定部位識(shí)別為活體的之后執(zhí) 行認(rèn)證處理來確定認(rèn)證目標(biāo)個(gè)人的正當(dāng)性。
14. 如權(quán)利要求13所述的認(rèn)證設(shè)備，其中所述認(rèn)證裝置通過將由所述圖像熵計(jì)算裝置計(jì)算的認(rèn)證目標(biāo)個(gè)人的圖像 熵和預(yù)先注冊的已注冊個(gè)人識(shí)別信息的圖像熵進(jìn)行比較來確定認(rèn)證目標(biāo)個(gè)人 的正當(dāng)性，且然后將由所述特征參數(shù)提取裝置提取的認(rèn)證目標(biāo)個(gè)人的所述特 征參數(shù)與所述已注冊個(gè)人識(shí)別信息的所述圖像熵進(jìn)行比較以進(jìn)行核對，從而最終確定認(rèn)證目標(biāo)個(gè)人的正當(dāng)性。
15. —種認(rèn)證方法，包括圖像拾取步驟，通過在預(yù)定時(shí)間段內(nèi)，多次拍攝在認(rèn)證目標(biāo)個(gè)人的預(yù)定 生物部位的生物識(shí)別對象，來產(chǎn)生所述生物識(shí)別對象的多個(gè)圖像；特征參數(shù)提取步驟，通過對所述生物識(shí)別對象的多個(gè)圖像執(zhí)行預(yù)定特征 提取處理，來提取所述生物識(shí)別對象的多個(gè)特征參數(shù)；圖像熵計(jì)算步驟，計(jì)算確定所述生物識(shí)別對象的所述多個(gè)圖像的多個(gè)圖像熵；加權(quán)圖像熵計(jì)算步驟，通過以不同樣式的多個(gè)類型的權(quán)重對所述多個(gè)圖 像熵加權(quán)來計(jì)算確定多個(gè)類型的加權(quán)圖像熵；生物識(shí)別步驟，確定所述多個(gè)類型的加權(quán)圖像熵的分散度，并根據(jù)所述 分散度將所述認(rèn)證目標(biāo)個(gè)人的所述預(yù)定部位識(shí)別為活體或非活體；和認(rèn)證步驟，當(dāng)由生物識(shí)別部分將預(yù)定部位識(shí)別為非活體的時(shí)否認(rèn)認(rèn)證目 標(biāo)個(gè)人的正當(dāng)性，且通過僅在將所述預(yù)定部位識(shí)別為活體的之后執(zhí)行認(rèn)證處 理來確定認(rèn)證目標(biāo)個(gè)人的正當(dāng)性。
16. —種用于使得預(yù)定信息處理設(shè)備執(zhí)行下面步驟的認(rèn)證程序，所述步驟包括圖像拾取步驟，通過在預(yù)定時(shí)間段內(nèi)，多次拍攝在認(rèn)證目標(biāo)個(gè)人的預(yù)定部位的生物識(shí)別對象，來產(chǎn)生所述生物識(shí)別對象的多個(gè)圖4象；特征參數(shù)提取步驟，通過對所述生物識(shí)別對象的多個(gè)圖像執(zhí)行預(yù)定特征提取處理，來提取所述生物識(shí)別對象的多個(gè)特征參數(shù)；圖像熵計(jì)算步驟，計(jì)算確定所述生物識(shí)別對象的所述多個(gè)圖像的多個(gè)圖像熵；加權(quán)圖像熵計(jì)算步驟，通過以不同樣式的多個(gè)類型的權(quán)重對所述多個(gè)圖 像熵加權(quán)來計(jì)算確定多個(gè)類型的加權(quán)圖像熵；生物識(shí)別步驟，確定所述多個(gè)類型的加權(quán)圖像熵的分散度，并根據(jù)所述 分散度將所述認(rèn)證目標(biāo)個(gè)人的所述預(yù)定部位識(shí)別為活體或非活體；和認(rèn)證步驟，當(dāng)由生物識(shí)別部分將預(yù)定部位識(shí)別為非活體的時(shí)否認(rèn)認(rèn)證目 標(biāo)個(gè)人的正當(dāng)性，且通過僅在將所述預(yù)定部位識(shí)別為活體的之后執(zhí)行認(rèn)證處 理來確定認(rèn)證目標(biāo)個(gè)人的正當(dāng)性。
全文摘要
通過簡單的布置以高概率防止由于錯(cuò)誤的人的偽裝造成的錯(cuò)誤認(rèn)證。通過對特定部分，即，活體的手指成像來產(chǎn)生圖像信號(hào)(S2)，通過從圖像信號(hào)(S2)提取表示手指的血管的特征的血管樣式作為特征參數(shù)來產(chǎn)生血管樣式圖像，計(jì)算基于圖像信號(hào)(S2)的圖像熵H_img，產(chǎn)生包括配對的血管樣式圖像和圖像熵H_img的已注冊個(gè)人識(shí)別信息T_fy，且之后將其存儲(chǔ)在閃存存儲(chǔ)器(13)中并注冊。
文檔編號(hào)G06T7/00GK101542528SQ20078004304
公開日2009年9月23日 申請日期2007年11月19日 優(yōu)先權(quán)日2006年11月20日
發(fā)明者阿部博 申請人:索尼株式會(huì)社