Comments
Description
Transcript
掌紋認証を装備したインテリジェントドアノブシステムの開発に関する 研究
「画像の認識・理解シンポジウム (MIRU2011)」 2011 年 7 月 掌紋認証を装備したインテリジェントドアノブシステムの開発に関する 研究 佐藤 公則† 野間 悠希† 鹿嶋 雅之† 渡邊 睦† † 鹿児島大学大学院理工学研究科 〒 890–0065 鹿児島市郡元 1–21–40 E-mail: †{kimi,sc107043,kashima,mutty}@ibe.kagoshima-u.ac.jp あらまし 現在物理的な入室管理法として多く使用されているのが,鍵やパスカードなどである.これらは盗難や紛 失といったリスクがあるが,簡易であるため広く用いられている.また近年バイオメトリクス認証も注目を集めてい る.バイオメトリクス認証は人間の行動的,身体的特徴を用いた個人認証システムである.この手法は偽造しにくい という利点があり,指紋認証や光彩認証などが普及し実際に使用されている.しかし,これらの手法には鍵を差し込 む,パスワードを入力する,専用機器に指を触れさせる,目をかざすといった認証のための特別な動作が必要となる. 本研究ではドアノブを握るという日常の動作の中に認証システムを組み込み,ユーザに認証動作を意識させないシー ムレスな個人認証システムの構築を目指す.本論文では, カメラを内蔵したインテリジェントドアノブ型装置の製作 と掌紋の取得及びその認証について述べる. キーワード バイオメトリクス,掌紋,個人識別,ドアノブ,SIFT 特徴,分離度 2. 関 連 研 究 1. は じ め に 現在入室管理におけるセキュリティ対策として多く用 伊藤らは PolyU 掌紋画像データベースに登録されて いられているものが鍵による解錠やパスワード認証であ いる掌紋について位相限定相関法(Phase-Only Correla- る.これらは盗難や紛失といったリスクがあるが,簡易 tion:POC)を用いて認証を行う手法を提案している [9]. POC 法は画像の位相情報を用いた照合手法であり,移 動に強く高精度であることからバイオメトリクスへの有 用性が確認されている. 渡辺らは掌紋をイメージスキャナにより撮影し,独立 成分分析 (Independent Component Analysis, ICA) を用 いて特徴抽出し認証を行う手法を提案している [10]. これらの手法は,認証率が高く掌紋が生体認証として 有効であることを示しているが,掌を伸ばした状態で掌 紋を撮影しており,このような掌紋を自然な動作の中で 取得することは難しい. 先行研究では全方位カメラを用い,位相限定相関法, ガボールフィルタ,テンプレートマッチングなど 3 手法 を用いてドアノブ型認証装置の検証を行っている [11]. しかし,握る位置により掌紋の歪みが発生するため認証 率の低下が指摘されている. また握るという動作を行った場合,掌紋画像の歪みが 発生し同一人物であっても,握りの強さによって掌紋は 大きく変わってしまうため認証率低下という課題が発生 すると考えられる.そこで本研究ではドアノブを握る動 作の動画を用い,複数の掌紋画像を時系列に時間幅を持 たせて比較することを提案し、掌紋の歪みを考慮した認 証を行うシステムを構築し,その有効性を述べる. であるため広く用いられている.また近年バイオメトリ クス認証も注目を集めている.バイオメトリクス認証は 人間の行動的,身体的特徴を用いた個人認証システムで ある.この手法は偽造しにくいという利点があり,指紋 認証 [1] や虹彩認証 [2],静脈認証 [3] などが普及し実際に 使用されている.しかし,これらの手法には鍵を差し込 む,パスワードを入力する,専用機器に指を触れさせる, 目をかざすといった認証のための特別な動作が必要とな る.またバイオメトリクス認証におけるプライバシーの 問題など利用者への心理的負担も無視出来ない. 本研究ではドアノブをインテリジェント化し,そこに 個人識別能力を持たせた.物理的な鍵の代替としてバイ オメトリクスの一つである掌紋を採用した.我々人間が 行うドアの開閉の際の自然な行為であるドアノブへの接 触をキーとして解錠が可能となる個人認証システムを装 備したインテリジェントドアノブシステムの構築を目指 す.そのためにドアノブに触る動作の中で取得しやすい 掌紋を用いた個人認証を行うこととする.掌紋は指紋と 同じく遺伝的形質で固有かつ終生不変である.また人の 目にさらす機会が比較的多いことからプライバシーによ る抵抗や心理的抵抗の問題が少ないものと考えられる. 近年では掌紋による個人識別の研究も数は少ないものの 行われている [4]∼ [10]. 3. ドアノブ型掌紋装置 今回, 2つのドアノブを想定し、図 1 のような汎用縦 IS2-12 : 580 型のドアノブと作成した縦型ドアノブ装置(図 2)と、 が小さくなる,即ち手の動きが止まるところをドアノブ 回転型汎用ドアノブ例(図 3) と作成したドアノブ装置を に手が触れる直前とし,撮影を開始する.本研究では画 図 4 に示す.今回の研究では、主として図 2 を利用した. 像群を認証に用いるため,撮影開始より 2 秒程度の動画 装置の概要としては, ドアノブを模したアクリル製パ を記録する.Web カメラの基本的な速度は 30fps である イプを用い, そのパイプに USB 接続 Web カメラを取り から 2 秒間で得られる画像は約 60 枚となる.図 6 に掌 付け掌紋の撮影を行う.今回使用するカメラ (Logicool 動画から抜き出した画像の例を示す.動画の流れは左上 Webcam Pro 9000) は焦点距離は最小 7cm であるため, から右下の画像への方向であり,握り始めと握り終りで アクリルパイプの径が太く握りにくくなる.そこでアク は指の開きや掌の場所,回転などが違うことが分かる. リルパイプの径が小さくなるようにカメラの位置を撮影 また、回転型ドアノブ装置で撮影された画像例を図 7 位置より上に調整し,斜めから撮影することとした.こ に示す. れによりアクリルパイプの径を 5cm とし,握りやすさ を向上したドアノブ型掌紋取得装置ができた.また握る 位置を固定するため,今回製作したドアノブモデルでは 擬似的に握り部分を作り,握り位置の指定を行っている. また外光による環境の変化が認証に影響を与えることが 考えられるため, 掌紋の撮影部分以外に白い覆いをして いる. 回転型ドアノブ装置では、カメラとして魚眼カメラを 用い、照明として RGB の LED を用いた. 図 1 汎用ドアノブの例 1 図 2 縦型ドアノブモデル "!# 0 !1 2 53 476 $%&'( 0 !1 2 53 476 ) *+-,/. 図 5 動画撮影のフロー 図 3 汎用ドアノブの例 2 図4 回転型ドアノブモデル 4. 掌 紋 撮 影 4. 1 掌動画の取得 ドアノブを握る動作を動画像として記録する. その動 画撮影のフローを図 5 に示す.動画の撮影を開始するま でに 2 つの手順を必要とする.まず画像の HSV 画像よ り Hue 値において肌色となる範囲を 2 値化する.そして 2 値化された肌色部分の画素数をカウントし一定以上の 値が得られた場合,手が装置に充分近づいていると考え られる.その時,時系列差分を開始し,時系列差分の値 IS2-12 : 581 図 6 掌動画の例 8:9 8:9 5. 認 証 手 法 本研究では認証手法として,SIFT 特徴を使用している. 掌紋画像群は回転や移動の幅があるため,テンプレー トマッチングや位相限定相関法といった従来の個人認証 法では良い結果を得ることが出来なかった [8].そこで 回転や移動,拡縮,明度変化にロバストである SIFT 特 徴を用いることとした.また SIFT 特徴を用いるために エッジの抽出を行うが, その方法として分離度 [12] を用 いた.通常のエッジ処理では,良好に掌紋のエッジを抽 出できないため,分離度を用いた輝度勾配に基づく輪郭 図7 回転型ドアノブで取得された画像例 抽出法により掌紋部分の抽出を行った.分離度フィルタ は Canny フィルタなどに比べ,安定してエッジを検出で 4. 2 掌紋の切り出し きることから本研究では採用している. 取得した掌画像には認証に不必要な背景や指部分が含 まれている. 指部分は握り方により大きく変化しノイズ となるので除去する必要がある.そこで掌紋部分の切り 出し処理を行う. 手順としてまず RGB 画像を HSV 画像に変換する. 図 8 のように HSV の Hue 値を二値化し輪郭抽出を行う.輪 郭抽出した画像を図 9 に示す.輪郭部分の最も低い位置 にある画素を小指の付け根とし、基準点とした. 掌画像 は画像毎にわずかに掌紋のズレや回転が生じている.そ こで基準点を中心として手の稜線より傾きを計算し, 画 像を 20 度回転させる (図 10).その後回転させた掌画像 より基準点から縦 340pixel 横 360pixel で掌紋の抽出を 行う.抽出後の画像を図 11 に示す.この 20 度回転に関 しては、5 人の被験者による 3000 枚の試行データから実 験的に決定し、すべてのデータにおいて適切に掌紋が抽 出できている. 5. 1 分離度の定義 [12] 一般的に輪郭は「輝度が急変する位置」と定義される. 分離度とは, ある集合を二つのクラスに分割した場合, クラス間の変動が全集合に占める割合である.物体輪郭 を「輝度が急変する位置」ではなく, 「領域間を最も分離 する境界」と定義する. 完全に分離されている場合は, 最大値 1.0 をとる.逆に,分離できない場合は,最小値 0 になる. Sobel フィルタなど輝度勾配に基づく輪郭抽 出法は,これまで様々な分野に適用されて効果を上げて いるが,弱いエッジから構成される不明瞭な輪郭を安定 に抽出することが難しく, また対象物のカラー, テク スチャ情報などの領域情報を有効に利用できない.この 問題に対し,分離度は輪郭モデル上に離散的に設けられ た複数の探索領域から求まる「部分的な分離度」の平均 として得られる.輪郭モデル上において曲線と垂直な向 きに方形探索領域を設けて, これを二つの領域に分割す る場合を考える.境界 x で分割された二つの領域に対 して,分離度 η は次式で定義される [12]. η= σb 2 σT 2 (1) 2 2 σb 2 = n1 (P¯1 − P¯m ) + n2 (P¯2 − P¯m ) 図8 掌画像の 2 値画像 図9 掌画像の輪郭抽出 σT 2 = N ∑ 2 (Pi − P¯m ) (2) (3) i=1 基準点(⼩ 指 の付け根) 20度 360p i x e l 340pixel 図 11 抽出された掌紋 図 10 ここで,N = n1 + n2 ,n1 は探索領域1内の画素数, n2 は探索領域2内の画素数,σT 2 は領域全体の分散値, σb 2 は領域間の分散値,Pi は位置 i の輝度値,P¯1 は領域 1の平均輝度値,P¯2 は領域2の平均輝度値,P¯m は領域 全体の平均輝度値をそれぞれ示している。分離度に基づ いて掌紋画像のエッジ強調を行った例を図 12 に示す。 掌紋の抽出前 5. 2 SIFT 特徴点の比較 SIFT(Scale Invariant Feature Transform) とはある画 IS2-12 : 582 図 12 分離度を用いた掌紋画像 図 14 他人との画像による SIFT 特徴比較の例 像中から特徴点を抽出し,各々の特徴点に対してその特 徴量を記述する手法の一つである [13]. この手法による 動画を収集した.図 15 に示すように,被験者 25 人より 特徴量は特徴点のスケールやオリエンテーションを用い 登録者を 5 人,未登録者を 20 人として,登録者 5 人を 5 て正規化されているため,回転やスケールの変化に対し 回に分けて順序変更し,全ての被験者が 1 回登録者とし て不変な特徴量を得る事が出来る.SIFT における特徴 て扱い,この比較実験を 5 回行う.比較実験では、1 つ 点とは,異なるスケールの平滑化画像の差分画像である の動画像から 30 フレームを抜き出し,SIFT 特徴による DoG(Difference of Gaussian) 画像の極値を指す.原画像 を I(u, v), ガウシアンカーネルを G(x, y, σ) それによっ て得られる平滑化画像を L(u, v, σ) とすると,DoG 画像 D(u, v, σ) は以下の式で求められる. 比較を行っていく. 比較方法としては,図 16 のように登録画像群の 1 フ レーム目と認証用画像群の 1 フレーム目から 5 フレーム 目までを比較するというように幅を持たせ時系列に比較 を行っていく.これにより握り始めと握り終りの画像の D(u, v, σ) = L(u, v, kσ) − L(u, v, σ) (4) L(u, v, σ) = G(x, y, σ) ∗ I(u, v) (5) 1 x2 + y 2 G = (x, y, σ) = exp(− ) 2πσ 2 2σ 2 (6) ような大きく形状の違う歪んだ掌紋同士の比較をあらか じめ回避できる.また 5 フレームの幅を持たせることで 握る速さに違いがあった場合でも安定した比較を行うこ とができる.出力は 5(幅) × 30(フレーム) の表として, 一致した SIFT 特徴点の数をセルに書き込んだデータを 作成する. SIFT 特徴による同一人物の掌紋画像の比較例を図 13, 他人の比較例を図 14 に示す.同一人物に対し SIFT 特徴 点の比較を行った図 13 の場合,一致した特徴点が 66 個 検出されたが,他人の比較を行った図 14 の場合,一致 した特徴点は 12 個しか検出されなかった.このように SIFT 特徴点の比較では,本人と他人では明確に違いが あることがわかる. ! "# !"# !"# 図 15 SIFT による比較実験方法 図 13 本人同士の画像による SIFT 特徴比較の例 6. 実 験 6. 1 SIFT 特徴による掌紋画像の比較実験 図 16 SIFT による比較 被験者 25 人に対し,各人 20 回の動画撮影を行い,500 IS2-12 : 583 !!" 結果例としては図 17,図 18 のような 5 × 30 の表デー タが得られた.表中の数字は先に示した一致した SIFT 特徴点の数である.この特徴点数が閾値以上 (注:ここで 使用した特徴点数の閾値は,100 回の動画サンプルより SIFT 特徴点の比較実験を 14250 回行い,実験的に 17 と し,一致した SIFT 特徴点の数が 17 以上のセルに色付け した.) となる箇所を色付けしているが, 図 17,18 に示 すように本人同士の画像の比較と他人同士の画像の比較 では一致数に明確な違いが見られる. 図 17 本人同士の比較例 本人認証率 図 20 他人認証率 図 18 他人同士の比較例 本実験の比較実験では、登録者を 5 人として,本人 9 : : データの比較を各人 19 回× 5 人,他人データの比較を 2000 回行う.この試行を登録者 5 人を順次変え、5 回行 い,被験者 25 人全員は必ず 1 度は登録者として比較した (図 15).本人比較,他人比較の結果を図 19,図 20 に示 す. 図中の縦軸である一致度とは SIFT 特徴点の閾値 17 以上を超えた画像数/総表データ数(5 × 30)を%で表 したものである.先に示した図 17 では、一致度は 95%, 図 18 では、一致度 4%となる. 本人比較においては,一致度のばらつきが大きく,握 り方の歪みにより一致度が 20%を下回る場合が存在し た.一方、他人認証結果を見ると一致度は、ほぼ 20%以 下で抑えられており,最高値でも 23.3%であり 25%を超 えることはないため、他人を誤って受け入れる可能性は 低いと言える. 6. 2 考 図 19 察 ; : S DFT E U D J DV E D T W G O DV E D T X G N DV E D T Y G M DV E D T Z G L DV E D T [ G K DV E D T S G J DV E D T V G G DV E D T \ G I DV E D T GF] H V DFT E U D G < : = : +* ) >? : '( @ : %& $# " ## A : DE DPKFE DQH DFE DRH KFE D ,.-0/2123 4 -658703 B : C? : 9 : ! ⼀致度(%) 図 21 評価グラフ なった.また他人受入率が初めて 0%となる箇所 (一致度 23.3%) を見た場合,本人認識率は 93.7%となった.この 結果より一致度を閾値として適切に設定することで,個 人認証を行うことができると考えられる. 7. ま と め 性能評価として,本人の集合に対する本人拒否の分 布(本人拒否率 FRR:False Rejection Rate)と他人の 集合に対する他人受容の分布(他人受入率 FAR:False Acceptance Rate)を求めたグラフを図 21 に示す.縦軸 がエラー率 (Error Rate),横軸が一致度の%(パーセン ト)であり,赤線が他人受入率,青線が本人拒否率を表し ている.また性能評価の指標として本人拒否率=他人受 入率で定義される等価エラー率 (EER:Equal Error Rate) は,グラフより一致度 8.7%の場合に EER は 3.16%と 本研究はドアノブを握るという日常の動作の中に認証 システムを組み込み,ユーザに認証動作を意識させない シームレスな個人認証システムを構築することが目的で ある.本研究はドアノブを握るという自然な動作の中で 取得しやすい掌紋を個人認証に用いることを提案した. 認証手法としては回転や移動,拡縮,明度変化にロバス トである SIFT 特徴を用いている.ドアノブを握る動作 の中で取得される 1 枚の画像のみでは握りの強弱により IS2-12 : 584 歪みが発生する. そこで、ドアノブを握る動作の動画を用い,複数の掌 紋画像を時系列に時間幅を持たせて比較することを提案 し、掌紋の歪みを考慮した認証を行うシステムを構築し た.実際,登録画像群の 1 フレーム目と直近の認証用画 像群の 1 フレーム目から 5 フレーム目までの比較を行う ことで安定して認証を行うことが可能となった.その結 果,等価エラー率 EER は 3.16%となった.また他人受 入率が初めて 0%となる箇所 (一致度 23.3%) を見た場合, 本人認証率は 93.7%となった. 現段階では 1 回の認証には、150 回の SIFT 計算が必 要とされ認証速度として実用的ではないものの,少人数 の入室管理用ドアノブ型認証装置として実現可能である ことを示すことができた. 文 献 [1] 内田 薫,溝口 正典:”指紋識別を用いた情報システム”, 信学技報, 画像工学, Vol.98, No.305, pp.13-18 (1998). [2] 太田 陽基, 清本 晋作,田中 俊昭:”虹彩コードを秘匿する 虹彩認証方式の提案”,情報処理学会論文誌, Vol.45,No.8, pp.1845-1855 (2004). [3] 松本 勉,鉢蝋 拓二,田辺 壮宏,森下 朋樹,佐藤 健二:” バイオメトリクスにおける生体検知と登録失敗”,信学 技報, ワイドバンドシステム,Vol.104,No.734, pp.81-82 (2005). [4] David Zhang, Wai-Kin Kong, Jane You and Michael Wong :”On-line palmprint identification”, IEEE Transactions on Pattern Analysis and Machine Intelligence, Vol. 25, No. 9, pp. 1041-1050 (2003). [5] 太田 陽基, 渡辺 龍,田中 俊昭:”携帯電話を用いた掌紋 認証システムにおける掌位置検知方式の実装”,信学技 報, 情報セキュリティ,Vol.108,No.161,pp.59-66 (2008). [6] 齊藤 卓, 平原 誠,永野 俊:”掌紋画像による個人照 合 シ ス テ ム”,信 学 技 報, ニュー ロ コ ン ピュー ティン グ,Vol.100,No.686,pp.167-172 (2001). [7] 伊藤 朋史,芹川 裕太,岡本 教佳:”手相画像による 個 人 認 証 の 検 討”,映 像 情 報 メ ディア 学 会 技 術 報 告, Vol.33,No.34, pp.3-4 (2009). [8] 篠原 耕成,鹿嶋 雅之,佐藤 公則,渡邉 睦:”掌紋を用 いたインテリジェントドアノブ型入室者認識装置”,第 13 回画像の認識・理解シンポジウム(MIRU2010)論 文集,IS2-34 (2010). [9] 伊藤 康一,青木 孝文,中島 寛:”位相限定相関法を用い た掌紋認証アルゴリズムとその性能評価”,回路とシステ ム軽井沢ワークショップ論文集 20, pp.625-630, (2007). [10] 渡辺 康寛,平原 誠,永野 俊:”独立成分分析を用いた 掌紋画像の特徴抽出”,信学技報,ニューロコンピュー ティング ,Vol.100,No.686,pp.101-108 (2001). [11] 寺下 訓史, 浩二:”ドアノブ型認証装置を用いたバ イオメトリック個人認証”,大分工業高等専門学校紀要, 第 44 号, pp.31-36 (2007). [12] 福井 和宏:”領域間の分離度に基づく物体輪郭抽出”,信 学論,Vol.J80-D-II,No.6,pp.1406-1414 (1997). [13] D. G. Lowe :”Object recognition from local scaleinvariant features”,Proc. of IEEE International Conference on Computer Vision (ICCV), pp.1150-1157 (1999). IS2-12 : 585