特許ウォッチ

公開番号2024176539
公報種別公開特許公報(A)
公開日2024-12-19
出願番号2023095123
出願日2023-06-08
発明の名称生体検知システム
出願人株式会社日立製作所
代理人青稜弁理士法人
主分類G06V 40/40 20220101AFI20241212BHJP(計算;計数)
要約【課題】迅速に生体検知を行うことができる技術を提供する。
【解決手段】クライアント100は、カメラ画像を時系列に取得する画像取得部1020と、取得したカメラ画像から手の姿勢を推定する姿勢推定部1050と、推定された姿勢から手の特定の動作を検出したときは、手が生体であると判定する生体検知部1060とを備える。
【選択図】図1
特許請求の範囲【請求項１】
予め登録された生体情報を用いて本人認証を行う生体認証システムにおいて、
画像を時系列に取得する画像取得部と、
前記取得した画像から手の姿勢を推定する姿勢推定部と、
前記推定された姿勢から前記手の特定の動作を検出したときは、前記手が生体であると判定する生体検知部とを備える生体認証システム。
続きを表示（約 730 文字）【請求項２】
請求項１に記載の生体認証システムにおいて、
前記特定の動作は、指でボタンを押下する動作である生体認証システム。
【請求項３】
請求項１に記載の生体認証システムにおいて、
前記特定の動作は、掌を回転させる動作である生体認証システム。
【請求項４】
請求項１に記載の生体認証システムにおいて、
前記特定の動作は、指で摘まむ動作である生体認証システム。
【請求項５】
請求項１に記載の生体認証システムにおいて、
前記取得した画像から生体を検出する生体検出部と、
前記検出された生体から生体特徴を抽出する生体特徴抽出部と、
前記生体検知部が前記手が生体であると判定したときは、前記抽出された生体特徴を登録する登録部とを備える生体認証システム。
【請求項６】
請求項５に記載の生体認証システムにおいて、
前記生体検知部が前記手が生体であると判定したときは、前記生体特徴抽出部が抽出した生体特徴と、前記登録部に登録された生体特徴と、を照合することにより前記本人認証を行う生体認証部を備える生体認証システム。
【請求項７】
請求項１に記載の生体認証システムにおいて、
前記取得した画像の上に前記特定の動作の検出状況を重ねて表示する画像出力部を備える生体認証システム。
【請求項８】
請求項１に記載の生体認証システムにおいて、
前記取得した画像から前記手の特徴点を抽出する特徴点抽出部を備え、
前記姿勢推定部は、前記抽出された特徴点から前記手の姿勢を推定する生体認証システム。

発明の詳細な説明【技術分野】
【０００１】
本発明は、生体検知システムに関する。
続きを表示（約 1,600 文字）【背景技術】
【０００２】
個人の身体的・行動的特徴に基づき、利用者があらかじめ登録した本人であることを確認する生体認証は、パスワードの暗記やＩＣカードのような持ち物の携帯が不要であるため利便性が高く、確実な本人確認手段として注目されている。生体認証では、指紋、顔、虹彩、静脈、掌紋などの身体的・行動的特徴から特徴量を抽出し、それを登録時の特徴量を比較することで本人であるか否かを判定する。
【０００３】
この生体認証の脆弱性の一つに、人工物を用いたなりすましがある。例えば，本人の指紋、顔、虹彩、静脈、掌紋等の生体情報を第三者が入手し、その生体情報を使って本人の生体情報を含む人工物を作成し、それを生体認証システムに提示することで、第三者が不正に認証に成功するリスクがある。
【０００４】
特に、汎用カメラを使って生体情報を取得して認証する生体認証システムでは、生体画像を印刷した紙や、生体画像を表示したタブレット等を生体認証システムに提示することで、容易になりすましを行うことが可能となる。そのため、生体認証システムにおいて、提示されたものが人工物でない生きた人体の一部であることを検知する生体検知技術を併用することが必須となる。
【０００５】
この生体検知を実現するアプローチは、以下の４つに大別される。
【０００６】
一つ目はセンサベースの検知である。この手法は、一般的な汎用カメラとは別のセンサを使って対象の電気的特性や３Ｄ形状などをセンシングし、それが生体であることを検知するものである。この手法は確実性が高いものの、専用のセンサが必要になるため、コストが高くなる上、既存のデバイスへ導入するのは困難である。
【０００７】
二つ目は学習ベースの検知である。この手法は、画像として得られた顔、静脈、掌紋等を機械学習で学習し、生体と人工物に分類することで検知するものである。この手法は生体画像と様々なパターンの人工物画像を学習データとして大量に準備して、それらを識別できる識別器を学習する。機械学習を用いた手法では、学習データと識別対象のデータの間に差分があると性能が低下するため、学習データを収集した条件（人工物の種類、照明やホワイトバランスなどの環境条件、カメラ等のセンサ）と生体検知時の条件が異なると、精度が低下する。
【０００８】
三つ目は生体反応の検知である。この手法は、まばたき、呼吸、脈動などの生体反応を取得し、それを使って生体検知を行うものである。これらの生体反応は微細な特徴であるため、確実に捉えるためには、動画のフレームレート、解像度、カメラ光学性能等が十分に高い必要があり、いずれかの性能が低い条件で検知を試みると生体であっても人工物と誤検知する可能性がある。このため、カメラやそれを処理するハードウェアに高い制約を課す必要があり、任意の汎用カメラデバイスで利用可能な形にするのは困難となる。
【０００９】
四つ目はチャレンジレスポンス型の検知である。この手法は、例えばネットワークを介して確実な身分確認を行うｅＫＹＣ（ｅｌｅｃｔｒｏｎｉｃＫｎｏｗＹｏｕｒＣｕｓｔｏｍｅｒ）において良く使われるものであり、目を瞑る、顔の向きを変える、ウィンクする、といった特定の動作をとることを要求してその動作を検出する。ただし、動作の認識・実施・検出に時間が掛かるものが多く、認証時に瞬時に検出可能な手法は知られていない。
【００１０】
特許文献１は、汎用カメラを使った専用センサに依存しない生体検知に関するものであり、生体の動き、歪み、形状変化、特徴情報、３次元状態がそれぞれ生体情報の範囲内であるか否かを判定することで、生体検知を行っている。これは、４つ目のアプローチの一つと捉えることができる。
【先行技術文献】
【特許文献】
（【００１１】以降は省略されています）

関連特許