特許 6404692 個人認証装置及び個人認証方法

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】特許公報(B2)

(11)【特許番号】6404692

(24)【登録日】2018年9月21日

(45)【発行日】2018年10月10日

(54)【発明の名称】個人認証装置及び個人認証方法

(51)【国際特許分類】

   G06F 21/32 20130101AFI20181001BHJP

   G06T 7/00 20170101ALI20181001BHJP

【ＦＩ】

   G06F21/32

   G06T7/00 570

【請求項の数】8

【全頁数】24

(21)【出願番号】特願2014-242934(P2014-242934)

(22)【出願日】2014年12月1日

(65)【公開番号】特開2016-105231(P2016-105231A)

(43)【公開日】2016年6月9日

【審査請求日】2017年8月18日

(73)【特許権者】

【識別番号】392026693

【氏名又は名称】株式会社ＮＴＴドコモ

(74)【代理人】

【識別番号】100088155

【弁理士】

【氏名又は名称】長谷川 芳樹

(74)【代理人】

【識別番号】100113435

【弁理士】

【氏名又は名称】黒木 義樹

(74)【代理人】

【識別番号】100121980

【弁理士】

【氏名又は名称】沖山 隆

(74)【代理人】

【識別番号】100128107

【弁理士】

【氏名又は名称】深石 賢治

(72)【発明者】

【氏名】磯 俊樹

【審査官】 宮司 卓佳

(56)【参考文献】

【文献】 特開２０１４−００２６５５（ＪＰ，Ａ）

【文献】 特表２０１１−５２３７３０（ＪＰ，Ａ）

【文献】 特開２０１４−０１３４９３（ＪＰ，Ａ）

【文献】 国際公開第２０１２／１０２１１１（ＷＯ，Ａ１）

(58)【調査した分野】（Int.Cl.，ＤＢ名）

Ｇ０６Ｆ ２１／３２

Ｇ０６Ｔ ７／００

(57)【特許請求の範囲】

【請求項1】

端末のユーザを認証する個人認証装置であって、
前記端末の動きを示すモーションデータ、及び前記端末に対するユーザの指の接触状態を示す接触データを取得するデータ取得手段と、
前記モーションデータに基づいて、端末が静止状態であるか否かを判定する静止状態判定手段と、
前記静止状態判定手段による判定結果と前記接触データとに基づいて、前記端末が把持されているか否かを判定する把持状態判定手段と、
前記把持状態判定手段により、前記端末が把持されていないと判断されることを契機に、前記接触データから接触データを較正するためのデータである較正データを抽出する較正データ抽出手段と、
前記端末が把持されている状態での前記接触データである学習用接触データを取得する学習用接触データ取得手段と、
前記学習用接触データを前記較正データを用いて較正することにより、学習用把持データを生成する学習用把持データ較正手段と、
前記ユーザに対応する前記学習用把持データから導出された特徴量を１以上記憶する把持状態記憶手段と、
前記データ取得手段が取得した接触データを第一検証用接触データと見做し、この第一検証用接触データを、前記較正データを用いて較正することにより、第一検証用把持データを生成する、第一検証用把持データ較正手段と、
前記第一検証用把持データと前記把持状態記憶手段が記憶する１以上の前記特徴量との比較に基づき、前記ユーザの認証を行う認証手段と、
を備える、個人認証装置。

【請求項2】

前記学習用把持データ、及び前記第一検証用把持データの時間変動を示す、学習用時間変動把持データ、及び第一検証用時間変動把持データを算出する時間変動算出手段をさらに備え、
前記把持状態記憶手段は前記学習用時間変動把持データから導出された前記特徴量を記憶し、前記認証手段は、前記特徴量と前記第一検証用時間変動把持データとに基づいて、前記ユーザの認証を行う、請求項１に記載の個人認証装置。

【請求項3】

前記時間変動算出手段により算出された前記学習用時間変動把持データ及び前記第一検証用時間変動把持データの頻度分布を示す学習用確率密度関数及び第一検証用確率密度関数を生成する確率密度関数生成手段をさらに備え、
前記認証手段は、前記学習用確率密度関数と第一検証用確率密度関数との類似度に基づいて、前記ユーザの認証を行う、請求項２に記載の個人認証装置。

【請求項4】

前記把持状態記憶手段は、前記較正データ抽出手段により抽出された較正データを、ユーザに対応付けてさらに記憶し、
前記把持状態判定により把持されていると判定された場合、前記第一検証用把持データ較正手段は、前記把持状態記憶手段に記憶されている較正データを用いて、前記データ取得手段により取得された前記第一検証用接触データを較正することにより、前記第一検証用把持データを生成する、請求項１〜３いずれか一項に記載の個人認証装置。

【請求項5】

前記認証手段により、前記認証が成功した際の処理対象となった前記第一検証用把持データを追加学習用把持データとして仮登録する、追加学習用把持データ設定手段と、
前記第一検証用接触データを取得した後に、前記データ取得手段が取得した接触データを第二検証用接触データと見做し、この第二検証用接触データを、前記較正データを用いて較正し、第二検証用把持データを生成する第二検証用把持データ較正手段と、
前記第二検証用把持データと前記学習用把持データから導出された特徴量とを比較する第一比較手段と、
前記第二検証用把持データと追加学習用把持データから導出された特徴量とを比較する第二比較手段と、
をさらに備え、
前記把持状態記憶手段は、前記第一比較手段及び前記第二比較手段による比較結果に基づいて、前記追加学習用把持データから導出された特徴量を新たな特徴量として記憶する、請求項１〜４いずれか一項に記載の個人認証装置。

【請求項6】

前記学習用把持データ、前記追加学習用把持データ、及び前記第二検証用把持データの時間変動を示す、学習用時間変動把持データ、追加学習用時間変動把持データ、及び第二検証用時間変動把持データを算出する時間変動算出手段をさらに備え、
前記第一比較手段は、前記第二検証用時間変動把持データと前記学習用時間変動把持データから導出された特徴量とを比較し、
前記第二比較手段は、前記第二検証用時間変動把持データと前記追加学習用時間変動把持データから導出された特徴量とを比較し、
前記把持状態記憶手段は、前記第一比較手段及び前記第二比較手段の比較結果に基づいて、前記追加学習用時間変動把持データから導出された特徴量を新たな特徴量として記憶する、請求項５に記載の個人認証装置。

【請求項7】

前記時間変動算出手段により算出された前記学習用時間変動把持データの頻度分布を示す学習用確率密度関数、前記時間変動算出手段により算出された前記追加学習用時間変動把持データの頻度分布を示す追加学習用確率密度関数、及び前記時間変動算出手段により算出された前記第二検証用時間変動把持データの頻度分布を示す第二検証用確率密度関数を生成する確率密度関数生成手段をさらに備え、
前記第一比較手段は、前記第二検証用確率密度関数と前記学習用確率密度関数とを比較し、
前記第二比較手段は、前記第二検証用確率密度関数と前記追加学習用確率密度関数とを比較し、
前記把持状態記憶手段は、前記第一比較手段及び前記第二比較手段の比較結果に基づいて、前記追加学習用確率密度関数から導出された特徴量を新たな特徴量として記憶する、請求項６に記載の個人認証装置。

【請求項8】

端末のユーザに対する認証のための個人認証装置による個人認証方法であって、
前記端末の動きを示すモーションデータを取得するモーションデータ、及び前記端末に対するユーザの指の接触状態を示す接触データを取得するデータ取得ステップと、
前記モーションデータに基づいて、端末が静止状態であるか否かを判定する静止状態判定ステップと、
前記静止状態判定ステップにおける判定結果と前記接触データとに基づいて、前記端末が把持されているか否かを判定する把持状態判定ステップと、
前記把持状態判定ステップにおいて、前記端末が把持されていないと判断されることを契機に、前記接触データから前記接触データを較正するためのデータである較正データを抽出する較正データ抽出ステップと、
前記端末が把持されている状態での前記接触データである学習用接触データを取得する学習用接触データ取得ステップと、
前記学習用接触データを前記較正データを用いて較正することにより、学習用把持データを生成する学習用把持データ較正ステップと、
前記ユーザに対応する前記学習用把持データから導出された特徴量を１以上記憶する把持状態記憶ステップと、
前記データ取得ステップにおいて取得された接触データを第一検証用接触データと見做し、この第一検証用接触データを、前記較正データを用いて較正することにより、第一検証用把持データを生成する、第一検証用把持データ較正ステップと、
前記第一検証用把持データと前記把持状態記憶ステップにより記憶された１以上の前記特徴量との比較に基づき、前記ユーザの認証を行う認証ステップと、
を備える、個人認証方法。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は、個人認証装置及び個人認証方法に関する。

【背景技術】

【0002】

近年、携帯端末から様々なサービスを利用することが可能となったことに伴い、プライバシー及びセキュリティ保護の重要性が高まり、携帯端末における個人認証は必須となっている。そこで、携帯端末で実行される個人認証の方法として、様々な技術が考えられている。

【0003】

例えば、特許文献１には、ユーザの人体に振動を与え、その振動に基づく信号により認証を行う発明が記載されている。この認証方法では、携帯端末等が把持された際に手が接触している部分に与える振動に基づく信号を受信し、その信号に基づき、手に関するパラメータを抽出する。そして、この抽出したパラメータが、予め登録されている登録パラメータに一致するか否かにより携帯端末等の個人認証を行う。この認証方法によれば、携帯端末等を把持するだけで認証を行い、認証にかかる手間と時間を削減することができる。

【0004】

その他の例として、特許文献２には、モーションセンサにより検出した視聴者の応答動作の検出結果に基づいて、視聴者が正常に視聴覚番組を視聴していることを認証する技術が開示されている。この認証方法によれば、モーションセンサを用いて視聴者による視聴覚番組の視聴覚の確認を行うことができる。

【先行技術文献】

【特許文献】

【0005】

【特許文献1】特開２００８−２８２０８４

【特許文献2】特開２０１１−２４４４１９

【発明の概要】

【発明が解決しようとする課題】

【0006】

ここで、特許文献１の携帯端末等の認証方法では、携帯端末に搭載されたセンサに加わるノイズが考慮されていない。しかし、現実は携帯端末に搭載されたセンサには様々なノイズが重畳する。特に、センサの感度が高ければ高いほど、ユーザの把持状態が残存するノイズであるヒステリシス型のノイズが生じる。ユーザの認証を高精度に行うためには、このようなノイズを考慮した認証が必要となる。

【0007】

また、特許文献２の認証方法では、ユーザが特定の動作（アクション）を行うことを必要とする。しかし、ユーザが満員電車の中等にいる場合には、特定の動作をすることが困難なこともある。そこで、ユーザに動作を要求することなく、認証することが、利便性の点で望ましい。

【0008】

そこで、本発明は、上記問題点に鑑みてなされたものであり、ユーザの利便性を確保しつつ、高精度な認証が可能な個人認証装置及び個人認証方法を提供することを目的とする。

【課題を解決するための手段】

【0009】

上記課題を解決するために、本発明の一形態にかかる個人認証装置は、 端末のユーザを認証する個人認証装置であって、端末の動きを示すモーションデータ、及び端末に対するユーザの指の接触状態を示す接触データを取得するデータ取得手段と、モーションデータに基づいて、端末が静止状態であるか否かを判定する静止状態判定手段と、静止状態判定手段による判定結果と接触データとに基づいて、端末が把持されているか否かを判定する把持状態判定手段と、把持状態判定手段により、端末が把持されていないと判断されることを契機に、接触データから接触データを較正するためのデータである較正データを抽出する較正データ抽出手段と、端末が把持されている状態での接触データである学習用接触データを取得する学習用接触データ取得手段と、学習用接触データを較正データを用いて較正することにより、学習用把持データを生成する学習用把持データ較正手段と、ユーザに対応する学習用把持データから導出された特徴量を１以上記憶する把持状態記憶手段と、データ取得手段が取得した接触データを第一検証用接触データと見做し、この第一検証用接触データを、較正データを用いて較正することにより、第一検証用把持データを生成する、第一検証用把持データ較正手段と、第一検証用把持データと把持状態記憶手段が記憶する１以上の特徴量との比較に基づき、ユーザの認証を行う認証手段と、を備える。

【0010】

また、本発明の他の形態にかかる個人認証装置の認証方法は、端末のユーザに対する認証のための個人認証装置による個人認証方法であって、端末の動きを示すモーションデータを取得するモーションデータ、及び端末に対するユーザの指の接触状態を示す接触データを取得するデータ取得ステップと、モーションデータに基づいて、端末が静止状態であるか否かを判定する静止状態判定ステップと、静止状態判定ステップにおける判定結果と接触データとに基づいて、端末が把持されているか否かを判定する把持状態判定ステップと、把持状態判定ステップにおいて、端末が把持されていないと判断されることを契機に、接触データから接触データを較正するためのデータである較正データを抽出する較正データ抽出ステップと、端末が把持されている状態での接触データである学習用接触データを取得する学習用接触データ取得ステップと、学習用接触データを較正データを用いて較正することにより、学習用把持データを生成する学習用把持データ較正ステップと、ユーザに対応する学習用把持データから導出された特徴量を１以上記憶する把持状態記憶ステップと、データ取得ステップにおいて取得された接触データを第一検証用接触データと見做し、この第一検証用接触データを、較正データを用いて較正することにより、第一検証用把持データを生成する、第一検証用把持データ較正ステップと、第一検証用把持データと把持状態記憶ステップにより記憶された１以上の特徴量との比較に基づき、ユーザの認証を行う認証ステップと、を備える。

【0011】

上記個人認証装置、或いは個人認証方法によれば、端末からモーションデータ及び接触データが取得される。また、これらの取得したデータに基づいて端末が把持されているか否かが判断される。そして、端末が把持されてないと判断された場合に、接触データから較正データが抽出され、この較正データにより、接触データが較正され、把持データが生成される。この接触データを較正することにより生成された把持データに基づいて、認証を行う。このように認証に際してユーザに対して特段の操作が強いられないので、ユーザの利便性が損なわれることがない。また、接触データから抽出した較正データを用いて把持データを生成し、この較正した把持データに基づいて認証が行われる。したがって、正確かつ安定してノイズの除去された把持データに基づいて認証が行われるため、高精度な認証が可能となる。

【0012】

また、本発明の一形態にかかる個人認証装置は、学習用把持データ、及び第一検証用把持データの時間変動を示す、学習用時間変動把持データ、及び第一検証用時間変動把持データを算出する時間変動算出手段をさらに備え、把持状態記憶手段は学習用時間変動把持データから導出された特徴量を記憶し、認証手段は、特徴量と第一検証用時間変動把持データとに基づいて、ユーザの認証を行うようにしてもよい。この構成によれば、接触データの時間変動から特徴量を導出している。したがって時間変動が考慮されるため、ヒステリスノイズにも対応した、高精度な認証が可能となる。

【0013】

また、本発明の一形態にかかる個人認証装置は、時間変動算出手段により算出された学習用時間変動把持データ及び第一検証用時間変動把持データの頻度分布を示す学習用確率密度関数及び第一検証用確率密度関数を生成する確率密度関数生成手段をさらに備え、認証手段は、学習用確率密度関数と第一検証用確率密度関数との類似度に基づいて、ユーザの認証を行うようにしてもよい。この構成よれば、確率密度関数の類似度に基づいて、ユーザの認証を行っている。このように、統計確率的なアプローチを用いていることにより、突発的なノイズを阻止し（ロバストである）、確実な認証が可能となる。また、時間変動データの頻度分布の類似度に基づいているため、ヒステリスノイズについても確実に考慮された、認証が可能となる。

【0014】

また、本発明の一形態にかかる個人認証装置の把持状態記憶手段は、較正データ抽出手段により抽出された較正データを、ユーザに対応付けてさらに記憶し、把持状態判定により把持されていると判定された場合、第一検証用把持データ較正手段は、把持状態記憶手段に記憶されている較正データを用いて、データ取得手段により取得された第一検証用接触データを較正することにより、第一検証用把持データを生成するようにしてもよい。この構成よれば、把持状態記憶手段に記憶されている較正データを用いて、接触データを確実に較正することが可能となり、高精度な認証を確実化することができる。

【0015】

また、本発明の一形態にかかる個人認証装置は、認証手段により、認証が成功した際の処理対象となった第一検証用把持データを追加学習用把持データとして仮登録する、追加学習用把持データ設定手段と、第一検証用接触データを取得した後に、データ取得手段が取得した接触データを第二検証用接触データと見做し、この第二検証用接触データを、較正データを用いて較正し、第二検証用把持データを生成する第二検証用把持データ較正手段と、第二検証用把持データと学習用把持データから導出された特徴量とを比較する第一比較手段と、第二検証用把持データと追加学習用把持データから導出された特徴量とを比較する第二比較手段と、をさらに備え、把持状態記憶手段は、第一比較手段及び第二比較手段による比較結果に基づいて、追加学習用把持データから導出された特徴量を新たな特徴量として記憶するようにしてもよい。この構成によれば、認証が成功した際の処理対象となった第一検証用把持データを追加学習用把持データとして仮登録する。そして、第一検証用接触データの後に取得された第二検証用接触データから第二検証用把持データを生成する。学習用把持データから導出された特徴量と第二検証用把持データとの比較、及び追加学習用把持データから導出された特徴量と第二検証用把持データとの比較に基づいて、追加学習用把持データから導出された特徴量を新たな特徴量として把持状態記憶手段に記憶する。このように、認証の際に照合する特徴量を学習しているため、ユーザの把持状態の経年変化に対応することが可能となる。

【0016】

また、本発明の一形態にかかる個人認証装置は、学習用把持データ、追加学習用把持データ、及び第二検証用把持データの時間変動を示す、学習用時間変動把持データ、追加学習用時間変動把持データ、及び第二検証用時間変動把持データを算出する時間変動算出手段をさらに備え、第一比較手段は、第二検証用時間変動把持データと学習用時間変動把持データから導出された特徴量とを比較し、第二比較手段は、第二検証用時間変動把持データと追加学習用時間変動把持データから導出された特徴量とを比較し、把持状態記憶手段は、第一比較手段及び第二比較手段の比較結果に基づいて、追加学習用時間変動把持データから導出された特徴量を新たな特徴量として記憶するようにしてもよい。この構成によれば、接触データの時間変動から特徴量を導出し、この導出した特徴量に基づいて照合するデータを学習している。したがってヒステリスノイズを考慮した認証を可能にしつつ、ユーザの把持状態の経年変化に対応することが可能となる。

【0017】

また、本発明の一形態にかかる個人認証装置は、時間変動算出手段により算出された学習用時間変動把持データの頻度分布を示す学習用確率密度関数、時間変動算出手段により算出された追加学習用時間変動把持データの頻度分布を示す追加学習用確率密度関数、及び時間変動算出手段により算出された第二検証用時間変動把持データの頻度分布を示す第二検証用確率密度関数を生成する確率密度関数生成手段をさらに備え、第一比較手段は、第二検証用確率密度関数と学習用確率密度関数とを比較し、第二比較手段は、第二検証用確率密度関数と追加学習用確率密度関数とを比較し、把持状態記憶手段は、第一比較手段及び第二比較手段の比較結果に基づいて、追加学習用確率密度関数から導出された特徴量を新たな特徴量として記憶するようにしてもよい。この構成によれば、統計確率的なアプローチを用い、かつ基準となる時間変動データとの分布の類似度に基づいて、認証の際に照合するデータとして学習しているため、ヒステリスノイズ、及び突発的なノイズを考慮した認証を可能にしつつ、ユーザの把持状態の経年変化に対応することが可能となる。

【発明の効果】

【0018】

本発明によれば、ユーザの端末に対する接触の状態に応じて、ユーザの利便性を確保した、高精度な認証が可能となる。

【図面の簡単な説明】

【0019】

【図1】個人認証装置１０を用いた個人認証の概要を示す図である。

【図2】個人認証装置１０の機能構成を示すブロック図である。

【図3】個人認証装置１０のハードウェア構成図である。

【図4】携帯端末３０が検出する接触データの一例を示す図である。

【図5】特徴ベクトル生成部２０により生成された学習用ＪＳ情報量特徴ベクトルと第一検証用情報量特徴ベクトルの類似性評価の一例を示す図である。

【図6】個人認証装置１０における較正データの抽出方法を示すフローチャートである。

【図7】個人認証装置１０における学習用ＪＳ情報量特徴ベクトルの生成方法を示すフローチャートである。

【図8】個人認証装置１０における個人認証方法の処理手順を示すフローチャートである。

【図9】個人認証装置１０における学習用ＪＳ情報量特徴ベクトルを追加する際の処理手順を示すフローチャートである。

【発明を実施するための形態】

【0020】

本発明に係る個人認証装置、及び個人認証方法の実施形態について図面を参照して説明する。なお、可能な場合には、同一の部分には同一の符号を付して、重複する説明を省略する。

【0021】

図１は、本発明の概要を示す図である。図１に示すように個人認証装置１０は、例えばスマートフォン、携帯電話機、タブレット端末のような携帯端末３０の個人認証を行う装置である。携帯端末３０と個人認証装置１０とは、移動通信網、無線ＬＡＮ等に代表されるネットワークＮを介して通信が可能である。なお、携帯端末３０は、スマートフォン等に限られず、ユーザが持ち運び可能な端末であればよい。

【0022】

携帯端末３０は、携帯端末３０の位置、姿勢、動き等の状態を示すモーションデータを検出するモーションセンサ、及び携帯端末３０に対するユーザの手の接触状態を示す接触データを検出する接触センサを備える。

【0023】

モーションセンサは、例えば携帯端末３０が備える加速度センサである。携帯端末３０は、加速度センサを用いてモーションデータを検出し、モーションデータとモーションデータが検出された時刻とを、個人認証装置１０に送信する。

【0024】

携帯端末３０においてモーションデータを検出するタイミングは、例えば１秒あるいは１分ごとのように定期的なタイミングに設定される。なお、携帯端末３０がモーションデータを検出するタイミングは、定期的な場合に限られず、例えば携帯端末３０に対して特定のアクションがなされたタイミングであってもよい。また、モーションデータを検出するセンサは、位置、姿勢、動き等の状態を示すモーションデータを検出できるセンサであれば、その種類を問わない。例えば、携帯端末３０は、角速度センサ、方位センサ等を用いて、モーションデータを検出してもよい。

【0025】

接触センサは、例えば携帯端末３０が備える圧力センサである。携帯端末３０は、圧力センサを用いて接触データを検出し、接触データと接触データが検出された時刻とを、個人認証装置１０に送信する。また、本実施形態では、ユーザが携帯端末３０を把持した場合にユーザの手が接触する携帯端末３０の部分に、複数（Ｎ個）の圧力センサがタイル状に整列して配置されている。なお、ユーザの手が接触する携帯端末３０の部分に配置されるような態様であれば、Ｎ個の圧力センサは整列していなくてもよい。

【0026】

携帯端末３０において接触データを検出するタイミングは、例えば１秒あるいは１分ごとのように定期的なタイミングに設定される。なお、携帯端末３０が接触データを検出するタイミングは、定期的な場合に限られず、例えば携帯端末３０に対して特定のアクションがなされたタイミングであってもよい。また、接触データを検出するセンサは、ユーザが所有する携帯端末３０に対するユーザの手の接触状態を示す接触データが取得できるセンサであれば、その種類は問わない。

【0027】

次に、個人認証装置１０の構成を説明する。図２は、個人認証装置１０の機能構成を示すブロック図である。図２に示すように、個人認証装置１０は、機能的には、モーションデータ取得部１１（データ取得手段）、接触データ取得部１２（データ取得手段、学習用接触データ取得手段）、静止状態判定部１３（静止状態判定手段）、ノイズ除去部１４、把持状態判定部１５（把持状態判定手段）、較正データ抽出部１６（較正データ抽出手段）、把持データ較正部１７（把持データ較正手段、学習用把持データ較正手段、第一検証用把持データ較正手段、第二検証用把持データ較正手段）、時間変動算出部１８（時間変動算出手段）、確率密度関数生成部１９（確率密度関数生成手段）、特徴ベクトル生成部２０、把持状態情報記憶部２１（把持状態記憶手段）、認証部２２（認証手段）、追加学習用把持データ設定部２３（追加学習用把持データ設定手段）、及び比較部２４（第一比較手段、第二比較手段）と、を備える。

【0028】

図３は、個人認証装置１０のハードウェア構成図である。個人認証装置１０は、物理的には、図３に示すように、ＣＰＵ１０１、主記憶装置であるＲＡＭ１０２及びＲＯＭ１０３、データ送受信デバイスである通信モジュール１０４、ハードディスク、フラッシュメモリ等に例示される補助記憶装置１０５、入力デバイスであるタッチパネル及びキーボード等に例示される入力装置１０６、ディスプレイ等の出力装置１０７などを含むコンピュータシステムとして構成されている。図２に示した各機能は、図３に示すＣＰＵ１０１、ＲＡＭ１０２等のハードウェア上に所定のコンピュータソフトウェアを読み込ませることにより、ＣＰＵ１０１の制御のもとで通信モジュール１０４、入力装置１０６、出力装置１０７を動作させるとともに、ＲＡＭ１０２や補助記憶装置１０５におけるデータの読み出し及び書き込みを行うことで実現される。

【0029】

再び、図２を参照し、個人認証装置１０の各機能部について詳細に説明する。

【0030】

モーションデータ取得部１１は、ユーザが所有する携帯端末３０の位置、姿勢、動き等の状態を示すモーションデータを携帯端末３０から取得する部分である。モーションデータとモーションデータが検出された時刻とが、携帯端末３０から個人認証装置１０に送信されることにより、モーションデータ取得部１１は、モーションデータとモーションデータが検出された時刻とを取得する。モーションデータ取得部１１は、取得したモーションデータとモーションデータが検出された時刻とを、静止状態判定部１３に引き渡す。

【0031】

ここで、モーションデータ取得部１１が携帯端末３０からモーションデータとモーションデータが検出された時刻とを取得するタイミングは、例えば１秒あるいは１分ごとのように定期的なタイミングに設定される。なお、モーションデータ取得部１１が携帯端末３０からモーションデータとモーションデータが検出された時刻とを取得するタイミングは、定期的な場合に限られず、例えば携帯端末３０に対して特定のアクションがなされたタイミングであってもよい。また、モーションデータ取得部１１は、携帯端末３０がモーションデータを検出した全てのタイミングに連動させて、モーションデータを取得しなくてもよい。例えば、携帯端末３０がモーションデータを１秒ごとに検出する場合、モーションデータ取得部１１は、１秒ごとにモーションデータを取得することとしてもよいし、１分ごとに取得することとしてもよい。

【0032】

接触データ取得部１２は、ユーザが所有する携帯端末３０に対するユーザの手の接触状態を示す接触データを携帯端末３０から取得する部分である。本実施形態では、携帯端末３０は、携帯端末３０が備える圧力センサを用いて接触データを検出するものとする。

【0033】

すなわち、接触データ取得部１２は携帯端末３０から、Ｎ個の接触データ（以下、「接触データ群」という。）と接触データ群を検出した時刻とを取得する。また、接触データ取得部１２は、取得した接触データ群と接触データ群が検出された時刻とを、ノイズ除去部１４、把持状態判定部１５、及び較正データ抽出部１６に引き渡す。なお、本実施形態では、接触データ群には、較正用接触データ群、学習用接触データ群、第一検証用接触データ群、及び第二検証用接触データ群がある。較正用接触データ群は、学習用接触データ群、第一検証用接触データ群、及び第二検証用接触データ群を較正（キャリブレーション）するための較正データを抽出するためのデータである。学習用接触データ群はユーザを認証する際に照会するデータの基となるデータである。第一検証用接触データ群は、ユーザを認証する際の対象となる接触データ群であり、学習用接触データ群よりも後に取得される。第二検証用接触データ群は、後述する追加学習用ＪＳ情報量特徴ベクトルを学習用ＪＳ情報量特徴ベクトルとして把持状態情報記憶部２１に追加で記憶させるか否かの判断の際用いられる接触データ群であり、第一検証用接触データ群よりも後に取得される。

【0034】

例えば、Ｎ個整列して配置しているうちのｉ番目（ｉ＝１，・・・・Ｎ）の圧力センサから、時刻ｔにおいて検出された接触データをｆ_i（ｔ）とした場合、接触データ取得部１２によってＮ個の圧力センサから得られる接触データ群は下記式（１）のように表される。

【数1】

【0035】

ここで、接触データ取得部１２が携帯端末３０から接触データと接触データが検出された時刻とを取得するタイミングは、例えば１秒あるいは１分ごとのように定期的なタイミングに設定される。なお、接触データ取得部１２が携帯端末３０から接触データと接触データが検出された時刻とを取得するタイミングは、定期的な場合に限られず、例えば携帯端末３０に対して特定のアクションがなされたタイミングであってもよい。

【0036】

また、接触データ取得部１２は、携帯端末３０が接触データを検出した全てのタイミングに連動させて、接触データを取得しなくてもよい。例えば、携帯端末３０が接触データを１秒ごとに検出する場合、接触データ取得部１２は、１秒ごとに接触データを取得することとしてもよいし、１分ごとに取得することとしてもよい。

【0037】

図４は、携帯端末３０が検出する接触データの一例を示す図である。図４（ａ）、（ｂ）、及び（ｃ）は、それぞれ異なるタイミングの接触データを示している。Ｘ軸の値は、接触データ群が取得された時刻を示す。Ｙ軸の値は、接触データの値であるセンサ値を示す。Ｚ軸の値は、接触データ群のｉ番目のデータを示す。

【0038】

静止状態判定部１３は、モーションデータ取得部１１から取得したモーションデータとモーションデータが検出された時刻に基づいて、携帯端末３０が静止状態であるか否かを判定する部分である。携帯端末３０が静止状態であるかの判断は、例えば次のように行われる。

【0039】

携帯端末３０によりモーションデータが検出された時刻をＴｓ≦ｔ≦Ｔｅとすると、静止状態判定部１３は、Ｔｓ≦ｔ≦Ｔｅの期間内のモーションデータＭＳ（ｔ）をフーリエ変換し、パワースペクトラムＰＳ_ＭＳ（ω）を算出する。そして、周波数ωＴｈ以上のパワースペクトラムＰＳ_ＭＳ（ω）の和が、下記式（２）の条件を満たす場合、携帯端末３０は静止状態であると判定される。静止状態判定部１３は、静止状態であるか否かの判定結果を、把持状態判定部１５に引き渡す。

【数2】

なお、上記式（２）の右辺におけるＴｈｒｅｓｈｏｌｄＯｆＭｏｔｉｏｎＳｅｎｓｏｒＳｐｅｃｔｒｕｍは、静止状態を判定するための閾値である。この閾値は、例えば実験的なデータから定められる値である。

【0040】

ノイズ除去部１４は、接触データ群に含まれるノイズを除去し、ノイズを除去した接触データ群を、把持状態判定部１５に引き渡す部分である。ノイズ除去部１４は、当該接触データ群の検出に係る過渡状態に起因するノイズ、パルスノイズ、接触データ群に対するウェーブレットシュリンケージにより除去可能なノイズ、接触データ群の検出に係る直流成分に起因するノイズ及びガウスノイズのうちの少なくとも１つを除去できる。本実施形態では、ノイズ除去部１４は、接触データ群について、これらのノイズの全てを除去することができる。以下に、ノイズの除去について具体的に説明する。

【0041】

ノイズ除去部１４は、接触データ群の検出に係る過渡状態に起因するノイズを以下のように除去する。接触データｆ_i（ｔ）が取得された時間をＴｓ≦ｔ≦Ｔｅとすると、ノイズ除去部１４は、下記式（３）に示すように、接触データの取得開始直前及び直後のδｔの時間のデータを除去する。接触データの取得開始直前及び直後については、接触データの変動が大きいと考えられるため（過渡状態）、確実に把持されている状態を判断するために用いるデータとしては適当でないためである。

【数3】

【0042】

次に、ノイズ除去部１４は、パルスノイズを次のように除去する。接触データｆ_i（ｔ）が下記式（４）に示す条件を満たす場合には、接触データがパルスノイズを含むものと判断できるので、ノイズ除去部１４は、下記式（４）の条件を満たした接触データｆ_i（ｔ）が取得された時刻ｔにおけるＮ個全ての接触データ（接触データ群）を、処理対象から除外する。

【数4】

なお、上記式（４）の右辺におけるＴｈｒｅｓｈｏｌｄＯｆＳｅｎｓｏｒＶａｌｕｅは、パルスノイズを判定するための閾値である。

【0043】

次に、ノイズ除去部１４は、ウェーブレットシュリンケージの手法を用いて、接触データ群からノイズを除去する。ウェーブレットシュリンケージの手法は、信号のウェーブレット展開係数を求め、この展開係数の絶対値が任意の閾値より小さいものを０に置き換えて信号の再構成を行う手法である。具体的には、次のようにノイズを除去する。接触データｆ_i（ｔ）をウェーブレット基底関数Φ^ｊ_ｋ（ｔ）で展開した時のウェーブレット係数を示すｄ^ｊ_ｋを、下記式（５）により計算する。

【数5】

そして、ウェーブレット係数ｄ^ｊ_ｋに基づき推定されるノイズの標準偏差δを下記式（６）により計算する。

【数6】

また、推定したノイズの標準偏差δに基づき閾値λを下記式（７）のように算出する。

【数7】

ここで、上述の式中のＮはウェーブレット係数の総数を表している。次に、この閾値λを用いて、ウェーブレット係数に対して、下記式（８）に示すソフトスレッシュホールド処理を行う。

【数8】

【0044】

さらに、ノイズ除去部１４は、下記式（８）により処理されたウェーブレット係数ｄ^~ｊ_ｋを逆ウェーブレット変換し、下記式（９）に示される、ノイズが除去された接触データ群ｆ^~_i（ｔ）を算出する。

【数9】

なお、下記式（９）における左辺を、以下の説明においてｆ^~_i（ｔ）とする。

【0045】

続いて、ノイズ除去部１４は、接触データ群の検出に係る直流成分の起因するノイズを除去する。このノイズを除去するために、ノイズ除去部１４は、下記式（１０）に示すように、接触データｆ_i（ｔ）の時間平均を減算し、交流成分を算出する。

【数10】

なお、上記式（１０）におけるＴは、１データセットの時間を表す。１データセットとは、把持されていることを判断するために必要となる接触データ群を取得する連続した時間（接触データ群の観測時間）のことである。

【0046】

次に、ノイズ除去部１４は、ガウスノイズを除去する。ノイズ除去部１４は、下記式（１１）に示すように、ガウス関数Ｇａｕｓｓ（ｔ_ｎｅ，σ）とのコンボリューション（たたみこみ積分）によりデータを平滑化することにより、接触データ群からガウスノイズを除去する。

【数11】

ここで、αはガウス関数のハイパーパラメータ、t_ｎｅは時刻tの近傍を表す。ノイズ除去部１４は、このように種々のノイズが除去された接触データｆ^~’ａ_ｉ（ｔ）を、把持状態判定部１５に引き渡す。

【0047】

把持状態判定部１５は、静止状態判定部１３から取得した携帯端末３０が静止状態か否かの判定結果、及びノイズ除去部１４から取得した接触データ群に基づいて、携帯端末３０が把持されているか否か（把持状態であるか否か）を判定する部分である。把持状態判定部１５は、ある検出時刻において把持状態でないと判定した場合には、その判定結果、検出時刻に対応する接触データ群、及び接触データ群に対応付けられている時刻を較正データ抽出部１６に引き渡す。一方、把持状態判定部１５は、把持状態であると判定した場合には、ノイズが除去された後の、学習用接触データ群、第一検証用接触データ群、又は第二検証用接触データ群をそれぞれの接触データ群が検出された時刻と対応付けて、把持データ較正部１７に引き渡す。

【0048】

具体的には、把持状態判定部１５は、ある検出時刻において把持状態であるか否かを、次のように判定する。把持状態判定部１５は、静止状態判定部１３からある検出時刻において携帯端末３０が静止状態であるとの判定結果を取得し、ノイズ除去部１４から取得したその検出時刻における接触データ群が、下記式（１２）の条件を満たす場合、携帯端末３０は把持状態でないと判断する。

【数12】

なお、上記式（１２）の右辺におけるＴｈｒｅｓｈｏｌｄＯｆＰｒｅｓｓｕｒｅＳｅｎｓｏｒは、把持されていないことを判定するための閾値である。この閾値は、例えば実験的なデータから定められる値である。

【0049】

較正データ抽出部１６は、把持状態判定部１５によりある検出時刻において把持状態でないという判定結果を取得した場合、その判定結果に対応付けられているノイズを除去した接触データ群ｆ^~ ’ａ_ｉ（ｔ）、及び当該接触データ群ｆ^~ ’ａ_ｉ（ｔ）に対応付けられている時刻を、後述する把持状態情報記憶部２１に格納する。この把持状態情報記憶部２１に格納された接触データ群ｆ^~ ’ａ_ｉ（ｔ）が、学習用接触データ群、第一検証用接触データ群、及び第二検証用接触データ群を較正（キャリブレーション）するための較正データとなる。

【0050】

把持データ較正部１７は、較正データ抽出部１６により抽出され把持状態情報記憶部２１が記憶する較正データを用いて、把持状態判定部１５から取得した、学習用接触データ群、第一検証用接触データ群、及び第二検証用接触データ群を較正し、把持データ群を生成する部分である。また、把持データ較正部１７は、生成した学習用把持データ群、第一検証用把持データ群、及び第二検証用把持データ群を時間変動算出部１８に引き渡す。

【0051】

具体的には、把持データ較正部１７は、把持状態情報記憶部２１を参照して較正データを取得し、学習用接触データ群、第一検証用接触データ群、及び第二検証用接触データ群を較正する。例えば、把持状態情報記憶部２１に記憶されている較正データがＣ^~_ｆａｉ（ｔ）である場合は、下記式（１３）に示すように較正を行う。

【数13】

【0052】

時間変動算出部１８は、把持データ群に含まれる各時刻における把持データを基に時間変動データを計算し、各把持データに対応する時間変動データを含む時間変動把持データを生成する部分である。また、時間変動算出部１８は、算出した時間変動把持データを、確率密度関数生成部１９に引き渡す。時間変動データは、一の時刻における把持データと時系列において直前に取得された把持データとの差分データである。ここでは、時間変動算出部１８は、学習用把持データ群に対応する学習用時間変動把持データ、第一検証用把持データ群に対応する第一検証用時間変動把持データ、及び第二検証用把持データ群に対応する第二検証用時間変動把持データを算出する。例えば、時間変動算出部１８は、式（１３）により得られた把持データｆ^~ａ_ｉ（ｔ）を用いて、下記式（１４）に示すように時間変動データｙ_ｉ（ｔ）を算出する。

【数14】

そして、Ｎ個のセンサ全てにより取得された把持データの時間変動把持データｙ_ｔを、下記式（１５）により計算する。

【数15】

【0053】

確率密度関数生成部１９は、時間変動把持データに示される時間変動の頻度分布を示す確率密度関数を生成する部分である。また、確率密度関数生成部１９は、生成した確率密度関数を、特徴ベクトル生成部２０に引き渡す。具体的には、確率密度関数生成部１９は、時間変動算出部１８により算出された学習用時間変動把持データに基づく確率密度関数を学習用確率密度関数、第一検証用時間変動把持データに基づく確率密度関数を第一検証用確率密度関数、及び第二検証用時間変動把持データに基づく確率密度関数を第二検証用確率密度関数として生成する。ここでは確率密度関数生成部１９による学習用確率密度関数の生成を具体的に説明する。

【0054】

まず、時間変動算出部１８により算出された学習用時間変動把持データは下記式（１６）により表される。

【数16】

【0055】

本実施形態では、学習時間変動把持データの頻度分布（ヒストグラム）から算出される確率密度関数と、事前に登録済みの基準時間変動把持データに基づく確率密度関数（基準確率密度関数）との確率分布の相違度であるＪＳ特徴量を算出する。まず、確率密度関数生成部１９は、下記式（１７）及び下記式（１８）に示すように、センサｉの時間方向ヒストグラムｈiｓｔ_i（ｋ）を生成する。

【数17】

【数18】

ただし、ｒ（ｋ）は、ヒストグラムにおけるｋ番目の刻み値を表す。そして、確率密度関数生成部１９は、下記式（１９）に示すように、確率密度関数ＰＤＦを算出する。

【数19】

上記式のＮ_Ｔは、ヒストグラムを規格化するための定数である。なお、確率密度関数の算出方法は上記に限られず、ガウス関数を用いたカーネル密度法等を用いてもよい。

【0056】

特徴ベクトル生成部２０は、基準とする基準時間変動把持データに基づき生成された確率密度関数である基準確率密度関数と、確率密度関数生成部１９により生成された確率密度関数とに基づきＪＳ情報量を算出する部分である。ＪＳ情報量は、２つの確率密度関数の分布の類似度を示すものとして定義される。ここでは、特徴ベクトル生成部２０は、基準確率密度関数と、確率密度関数生成部１９により生成された学習用確率密度関数との分布の類似度を示すＪＳ情報量を算出し、把持状態情報記憶部２１、認証部２２、及び追加学習用把持データ設定部２３、比較部２４に引き渡す。

【0057】

具体的には、特徴ベクトル生成部２０は、基準確率密度関数ＰＤＦ_ｉ（ｒ（ｋ）｜Ｙ_Ｔｓｔｄ）を用いて、学習用確率密度関数ＰＤＦ_ｉ（ｒ（ｋ）｜Ｙ_Ｔ）との確率分布の類似度としてＪＳ情報量Ｄ_ＪＳ^（ｉ）（ＰＤＦ_ｉ（ｒ（ｋ）｜Ｙ_Ｔ）｜｜ＰＤＦ_ｉ（ｒ（ｋ）｜ＹＴ_ｓｔｄ））を算出する。関数Ｐ（ｘ）,Ｑ（ｘ）のＪＳ情報量は、下記式（２０）のように計算される。

【数20】

なお、上記式（２０）におけるＲ（ｘ）は、Ｒ（ｘ）＝（Ｐ（ｘ）＋Ｑ（ｘ））／２により定義される。

【0058】

そして、特徴ベクトル生成部２０は、算出された分布の類似度を特徴ベクトルとして規定する。具体的には、特徴ベクトル生成部２０は、ＪＳ情報量を特徴ベクトルとして規定する。ここでは、特徴ベクトル生成部２０は、学習用確率密度関数に基づくＪＳ情報量の算出を、把持データを取得するための全てのセンサ（ｉ＝１，２，・・・，Ｎ）について実施して、下記式（２１）に示されるＪＳ情報量特徴ベクトルＪＳＤ（Ｙ_Ｔ）を、学習用ＪＳ情報量特徴ベクトルとして規定する。

【数21】

また、特徴ベクトル生成部２０は、基準確率密度関数と、確率密度関数生成部１９により生成された第一検証用確率密度関数及び第二検証用確率密度関数のぞれぞれとに基づき、第一検証用ＪＳ情報量特徴ベクトル、及び第二検証用ＪＳ情報量特徴ベクトルを生成する。ここでの生成方法は、上述した学習用ＪＳ情報量特徴ベクトルの生成方法と同様であるため、説明を省略する。

【0059】

把持状態情報記憶部２１は、特徴ベクトル生成部２０より生成された学習用ＪＳ情報量特徴ベクトルＪＳＤ（Ｙ_Ｔ）を含む学習用の把持状態情報を、携帯端末３０のユーザの把持状態を認識するための情報（照合用データ）として、携帯端末３０のユーザに対応付けて記憶する部分である。なお、１以上の学習用ＪＳ情報量特徴ベクトルを含む把持状態情報が１のユーザに対応付けられている。また、把持状態情報記憶部２１は、較正データ抽出部１６から取得した接触データ群（較正用接触データ群）を、把持データを較正するための較正データとして、記憶する。なお、把持状態情報記憶部２１は、較正データを取得する度に記憶している較正データを上書きし、最新の較正データのみを記憶することとしてもよい。また、把持状態情報記憶部２１は、後述する追加学習用把持データ設定部２３からの引き渡された情報に従って、追加学習用ＪＳ情報量特徴ベクトルを仮登録するとともに、比較部２４の決定に応じて、追加学習用ＪＳ情報量特徴ベクトルを、学習用ＪＳ情報量特徴ベクトルとして追加して記憶する。また、把持状態情報記憶部２１は、比較部２４の決定に応じて、仮登録された追加学習用情報量特徴ベクトルの仮登録を解除し、追加学習用情報量特徴ベクトルを削除する。なお、把持状態情報記憶部２１は、クラウドサーバ上や個人認証装置１０以外の他のシステム上に設けられていてもよい。

【0060】

認証部２２は、学習用ＪＳ情報量特徴ベクトルと第一検証用ＪＳ情報量特徴ベクトルとの類似尺度（以下、「第一類似尺度」という）を算出することにより、ユーザの認証を行う部分である。また、認証部２２は、認証が成功した場合には、その認証結果と第一検証用ＪＳ特徴量ベクトルとを、追加学習用把持データ設定部２３に引き渡す。また、認証部２２は、認証が成功した場合には、認証結果を、携帯端末３０等に送信する。

【0061】

図５は、２つのＪＳ情報量特徴ベクトルの例を示す図である。認証部２２は、図５の(ａ)、（ｂ）に示されるような２つのＪＳ情報量特徴ベクトルの類似性をを評価し認証を行う。図５の（ａ）は、ユーザＩＤが「２」であるユーザの学習用ＪＳ情報量特徴ベクトルを示している。図５の（ｂ）は、ユーザＩＤが「４」であるユーザの第一検証用情報量特徴ベクトルを示している。これらのＪＳ情報量特徴ベクトルについて、下記式（２３）により計算されるユークリッド距離を求め類似度を判断する。ユーザが異なる図５の（ａ）、（ｂ）の場合には、類似度に基づいて認証は失敗することとなる。

【0062】

例えば第一類似尺度は、下記式（２３）において、Ｓｉｍ（ＪＳＤ（Ｙ_ＴＶ），ＪＳＤ（Ｙ_Ｔ））で表される。ＪＳＤ（Ｙ_ＴＶ）は、第一検証用ＪＳ情報量特徴ベクトルである。認証部２２は、この第一類似尺度が下記式（２２）の条件を満たすこと、つまり所定の閾値Ｔｈ_{ｊｕｄｇｅ}以上であるかを判定する。認証部２２は、第一類似尺度が下記式（２２）の条件を満たす場合に、把持状態情報記憶部２１に記憶されている学習用ＪＳ情報量特徴ベクトルに対応するユーザにより携帯端末３０は把持されていると判断する。

【数22】

【0063】

なお、類似尺度Ｓｉｍ（Ｘ_ｖ，Ｘ_ｌ）の計算式は限定されないが、例えば、下記式（２３）に示されるような、比較するＪＳ情報量特徴ベクトルのユークリッド距離の計算式を用いる。

【数23】

【0064】

追加学習用把持データ設定部２３は、認証部２２による認証が成功すると、その認識処理の対象となった第一検証用ＪＳ情報量特徴ベクトルを、追加学習用ＪＳ情報量特徴ベクトルとして把持状態情報記憶部２１に仮登録する部分である。また、追加学習用把持データ設定部２３は、比較部２４に、追加学習用ＪＳ情報量特徴ベクトルを引き渡す。

【0065】

比較部２４は、第二検証用ＪＳ特徴情報量ベクトルと学習用特徴ベクトルとの類似尺度（以下、「第二類似尺度」という）、及び第二検証用ＪＳ情報量特徴ベクトルと追加学習用特徴ベクトルとの類似尺度（以下、「第三類似尺度」という）を算出し、第二類似尺度と第三類似尺度とを比較することにより、把持状態情報記憶部２１に仮登録された追加学習用ＪＳ情報量特徴ベクトルを、学習用ＪＳ情報量特徴ベクトルとして、把持状態情報記憶部２１に記憶させる（本登録させる）かどうか決定する部分である。また、比較部は、把持状態情報記憶部２１に記憶させるかどうかの決定結果を、把持状態情報記憶部２１に引き渡す。

【0066】

比較部２４による第二類似尺度と第三類似尺度との比較は、具体的には、下記式（２４）に示されるように、第二類似尺度より第三類似尺度の方が大きいか否かの比較である。

【数24】

【0067】

なお、上記式において、ＪＳＤ（Ｙ_ＴＵ）は追加学習用ＪＳ情報量特徴ベクトルを表している。また、比較部２４は、上記式（２４）における類似尺度ＥｖａｌＤＢ（ＪＳＤ（Ｙ_ＴＵ））を、下記式（２５）により計算する。

【数25】

【0068】

以下、本実施形態の個人認証装置１０による個人認証方法の手順について説明する。まず、図６を参照して、個人認証装置１０における較正データの抽出方法を説明する。

【0069】

はじめに、モーションデータ取得部１１は、携帯端末３０からモーションデータを取得する（Ｓ１０１：データ取得ステップ）。また、接触データ取得部１２は、携帯端末３０から、接触データ群を取得する（Ｓ１０２：データ取得ステップ）。携帯端末３０からモーションデータが取得されると、静止状態判定部１３は、携帯端末３０が静止状態かどうかを判定する（Ｓ１０３：静止状態判定ステップ）。ノイズ除去部１４は、接触データ群に含まれる種々のノイズを除去する（Ｓ１０４）。続いて、把持状態判定部１５は、静止状態判定部１３による判定結果とノイズを除去した接触データ群とに基づいて、携帯端末３０が把持状態であるか否かを判定する（Ｓ１０５：把持状態判定ステップ）。把持状態判定部１５により、携帯端末３０が把持されていないと判断されると（Ｓ１０５：ＮＯ）、較正データ抽出部１６は、ノイズを除去した接触データ群を較正データとして抽出する（Ｓ１０６：較正データ抽出ステップ）。較正データが抽出されると、把持状態情報記憶部２１は、較正データを記憶する（Ｓ１０７）。一方、把持状態判定部１５により、携帯端末３０が把持されていると判断されると（Ｓ１０５：ＹＥＳ）、較正データ抽出の処理を終了する。

【0070】

次に、図７を参照して、個人認証装置１０における学習用ＪＳ情報量特徴ベクトルの生成方法を説明する。なお、学習用ＪＳ情報量特徴ベクトルの後に生成する、第一検証用ＪＳ情報量特徴ベクトル、及び第二検証用ＪＳ情報量特徴ベクトルの生成方法も同様である。

【0071】

はじめに、接触データ取得部１２は、携帯端末３０から学習用接触データ群を取得する（Ｓ２０１：学習用接触データ取得ステップ）。学習用接触データ群は、ユーザを認証する際の照合用データの基となるデータである。携帯端末３０から学習用接触データ群が取得されると、ノイズ除去部１４により学習用接触データ群のノイズが除去される（Ｓ２０２）。さらに、把持データ較正部１７は、把持状態情報記憶部２１を参照して較正データを取得し、ノイズを除去した学習用接触データ群を較正（キャリブレーション）して学習用把持データ群を生成する（Ｓ２０３：学習用把持データ較正ステップ）。続いて、時間変動算出部１８は、ステップＳ２０３において把持データ較正部１７により生成された学習用把持データ群に基づく時間変動把持データを学習用時間変動把持データとして算出する（Ｓ２０４）。

【0072】

次に、確率密度関数生成部１９は、時間変動算出部１８により算出された学習用時間変動把持データに基づく確率密度関数を学習用確率密度関数として生成する（Ｓ２０５）。続いて、特徴ベクトル生成部２０は、基準確率密度関数と、確率密度関数生成部１９により生成された学習用確率密度関数との分布の類似度として定義されるＪＳ情報量を算出する。更に、特徴ベクトル生成部２０は、学習用確率密度関数に基づき算出されたＪＳ情報量の算出を、Ｎ個の全てのセンサについて実施し、ＪＳ情報量特徴ベクトルＪＳＤ（Ｙ_Ｔ）を、学習用ＪＳ情報量特徴ベクトルとして規定する（Ｓ２０６）。

【0073】

そして、把持状態情報記憶部２１は、特徴ベクトル生成部２０により生成された学習用ＪＳ情報量特徴ベクトルＪＳＤ（Ｙ_Ｔ）を、ユーザを認証するために照会するデータとして記憶する（Ｓ２０７：把持状態記憶ステップ）。

【0074】

次に、図８を参照して、個人認証装置１０における個人認証方法の処理手順を説明する。

【0075】

まず、接触データ取得部１２は、携帯端末３０から第一検証用接触データ群を取得する（Ｓ３０１：第一検証用接触データ取得ステップ）。第一検証用接触データ群は、携帯端末３０を所有するユーザによる把持状態の認識処理における判定の対象となるデータである。携帯端末３０から第一検証用接触データ群が取得されると、ノイズ除去部１４により第一検証用接触データ群のノイズが除去される（Ｓ３０２）。把持データ較正部１７は、把持状態情報記憶部２１を参照して較正データを取得し、第一検証用接触データ群を較正して第一検証用把持データ群を生成する（Ｓ３０３：第一検証用把持データ較正ステップ）。続いて、時間変動算出部１８は、ステップＳ３０３において把持データ較正部１７により生成された第一検証用把持データ群に基づく時間変動把持データを第一検証用時間変動把持データとして算出する（Ｓ３０４）。

【0076】

次に、確率密度関数生成部１９は、時間変動算出部１８により算出された第一検証用時間変動把持データに基づく確率密度関数を第一検証用確率密度関数として生成する（Ｓ３０５）。続いて、特徴ベクトル生成部２０は、基準確率密度関数と、確率密度関数生成部１９により生成された第一検証用確率密度関数との分布の類似度として定義されるＪＳ情報量を算出する。更に、特徴ベクトル生成部２０は、第一検証用確率密度関数に基づき算出されたＪＳ情報量の算出を、Ｎ個の全てのセンサについて実施し、ＪＳ情報量特徴ベクトルＪＳＤ（Ｙ_Ｔｖ）を、第一検証用ＪＳ情報量特徴ベクトルとして規定する（Ｓ３０６）。

【0077】

次に、認証部２２は、特徴ベクトル生成部２０により規定された第一検証用ＪＳ情報量特徴ベクトルと、把持状態情報記憶部２１が記憶する学習用ＪＳ情報量特徴ベクトルとの類似度合いを示す第一類似尺度を算出する（Ｓ３０７）。続いて、認証部２２は、算出した第一類似尺度が所定の閾値以上である場合に、携帯端末３０を所有するユーザにより、携帯端末３０が把持されている判断し、認証が成功したと判定する（Ｓ３０８：認証ステップ）。

【0078】

次に、図９を参照して、個人認証装置１０における学習用ＪＳ情報量特徴ベクトルを追加する際の処理手順を説明する。

【0079】

認証部２２による認証が成功すると、追加学習用把持データ設定部２３は、認証が成功した第一検証用ＪＳ情報量特徴ベクトルを、追加学習用ＪＳ情報量特徴ベクトルとして、把持状態情報記憶部２１に仮登録する（Ｓ４０１）。

【0080】

続いて、接触データ取得部１２は、携帯端末３０から第二検証用接触データ群を取得する（Ｓ４０２）。第二検証用接触データ群は、追加学習用ＪＳ情報量特徴ベクトルを学習用ＪＳ情報量特徴ベクトルとして、把持状態情報記憶部２１に追加（本登録）する際の判断のために用いられるデータである。携帯端末３０から第二検証用接触データ群が取得されると、ノイズ除去部１４により第二検証用接触データ群のノイズが除去される（Ｓ４０３）。把持データ較正部１７は、把持データ較正部１７は、把持状態情報記憶部２１を参照して較正データを取得し、第二検証用接触データ群を較正して第二検証用把持データ群を生成する（Ｓ４０４）。続いて、時間変動算出部１８は、ステップＳ４０４において把持データ較正部１７により較正された第二検証用把持データ群に基づく時間変動把持データを第二検証用時間変動把持データとして算出する（Ｓ４０５）。

【0081】

次に、確率密度関数生成部１９は、時間変動算出部１８により算出された第二検証用時間変動把持データに基づく確率密度関数を第二検証用確率密度関数として生成する（Ｓ４０６）。続いて、特徴ベクトル生成部２０は、基準確率密度関数と、確率密度関数生成部１９により生成された第二検証用確率密度関数との分布の類似度として定義されるＪＳ情報量を算出する。更に、特徴ベクトル生成部２０は、第二検証用確率密度関数に基づき算出されたＪＳ情報量の算出を、Ｎ個の全てのセンサについて実施し、ＪＳ情報量特徴ベクトルＪＳＤ（Ｙ_Ｔｖ）を、第二検証用ＪＳ情報量特徴ベクトルとして規定する（Ｓ４０７）。

【0082】

次に、比較部２４は、特徴ベクトル生成部２０により規定された第二検証用ＪＳ情報量特徴ベクトルと、把持状態情報記憶部２１が記憶する学習用情報量特徴ベクトルとの類似度合いを示す第二類似尺度Ｓｉｍ（ＪＳＤ（Ｙ_ＴＶ），ＪＳＤ（Ｙ_Ｔ））、及び第二検証用ＪＳ情報量特徴ベクトルと、把持状態情報記憶部２１に仮登録された追加学習用情報量特徴ベクトルとの類似度合いを示す第三類似尺度Ｓｉｍ（ＪＳＤ（Ｙ_ＴＶ），ＪＳＤ（Ｙ_Ｕ））をそれぞれ算出する（Ｓ４０８）。

【0083】

次に、比較部２４は、第二類似尺度より第三類似尺度の方が大きいか否かを比較し、判定する（Ｓ４０９）。そして、ステップＳ４０９において、第二類似尺度より第三類似尺度の方が大きいと判定された場合に（Ｓ４０９：ＹＥＳ）、把持状態情報記憶部２１は、仮登録された追加学習用情報量特徴ベクトルを学習用情報量特徴ベクトルとして追加で記憶（本登録）する（Ｓ４１０）。そして、ステップＳ４０９において、第三類似尺度より第二類似尺度の方が大きいと判定された場合には（Ｓ４０９：ＮＯ）、把持状態情報記憶部２１は、仮登録された追加学習用情報量特徴ベクトルの仮登録を解除するとともに追加学習用情報量特徴ベクトルを削除する（Ｓ４１１）。

【0084】

次に、本実施形態の個人認証装置１０の作用効果について説明する。携帯端末３０のユーザを認証する個人認証装置において、モーションデータ取得部１１は、携帯端末３０の動きを示すモーションデータを取得し、接触データ取得部１２は、携帯端末３０に対するユーザの指の接触状態を示す接触データを取得する。静止状態判定部１３は、モーションデータに基づいて、端末が静止状態であるか否かを判定する。そして、静止状態判定部１３の判定結果と接触データとに基づいて、把持状態判定部１５は携帯端末３０が把持されているか否かを判定する。把持状態判定部１５が携帯端末３０を把持していないと判断すると、接触データから、接触データを較正するためのデータである較正データを、較正データ抽出部１６は抽出する。接触データ取得部１２は、携帯端末３０が把持されている状態での接触データである学習用接触データを取得し、把持データ較正部１７は学習用接触データを、較正データを用いて較正し、学習用把持データとする。把持状態情報記憶部２１は、ユーザに対応する学習用把持データを１以上記憶している。接触データ取得部１２がさらに取得した接触データを第一検証用接触データと見做し、較正データ抽出部１６はこの第一検証用接触データについても、較正データを用いて較正することにより、第一検証用把持データを生成する。認証部２２は、第一検証用把持データと把持状態情報記憶部２１が記憶する１以上の学習用把持データとの比較に基づき、ユーザの認証を行う。

【0085】

これにより、接触データ取得部１２により取得された、ユーザによる携帯端末３０に対するユーザの指の接触状態を示す接触データの認識により、認証部２２は認証を行うので、認証に際してユーザに対して特段の操作が強いられないため、ユーザの利便性が損なわれることがない。また、この発明によれば、ユーザにより端末が把持されていない場合、接触データ取得部１２により取得された接触データから、較正データ抽出部１６は、接触データを較正するための較正データを抽出する。そして、較正データ抽出部１６が抽出した較正データを用いて把持データ較正部１７は、把持データを生成する。認証部２２は、この較正した把持データに基づいて認証を行う。したがって、正確かつ安定してノイズの除去された把持データに基づいて認証が行われるため、高精度な認証が可能となる。

【0086】

また、本実施形態の個人認証装置１０は、学習用把持データ、及び第一検証用把持データの時間変動を示す、学習用時間変動把持データ、及び第一検証用時間変動把持データを算出する時間変動算出部１８をさらに備えている。その場合には、把持状態情報記憶部２１は、学習用時間変動把持データを記憶し、認証部２２は、学習用時間変動把持データと第一検証用時間変動把持データとに基づいて、ユーザの認証を行う。この構成により、認証部２２は、接触データの時間変動から特徴量を導出している。したがって時間変動が考慮されるため、ヒステリスノイズにも対応した、高精度な認証が可能となる。

【0087】

また、本実施形態の個人認証装置１０は、時間変動算出手段により算出された学習用時間変動把持データ及び第一検証用時間変動把持データの頻度分布を示す、学習用確率密度関数及び第一検証用確率密度関数を生成する確率密度関数生成部１９をさらに備えている。その場合には、認証部２２は、認証手段は、学習用確率密度関数と第一検証用確率密度関数との類似度に基づいて、ユーザの認証を行う。この構成によれば、統計確率的なアプローチを用いることにより、突発的なノイズを阻止し、認証部２２は確実な認証をすることができる。また、時間変動データの分布の類似度に基づいているため、認証部２２はヒステリスノイズについても確実に考慮された、認証が可能となる。

【0088】

また、本実施形態の個人認証装置１０において、把持状態情報記憶部２１は、較正データ抽出部１６により抽出された較正データを、ユーザに対応付けて記憶する。その場合には、把持状態判定部１５により、把持されている状態と判定された場合、把持データ較正部１７は、把持状態情報記憶部２１に記憶されている較正データを用いて、第一検証用接触データを較正し、第一検証用把持データを生成する。この構成よれば、把持データ較正部１７は、把持状態情報記憶部２１に記憶されている較正データを用いて、接触データを確実に較正することが可能となり、認証部２２は、高精度な認証を確実にすることができる。

【0089】

また、本実施形態の個人認証装置１０は、第一検証用接触データを取得した後に、接触データ取得部１２が取得した接触データを第二検証用接触データと見做し、この第二検証用接触データを、把持データ較正部１７が較正データを用いて較正し第二検証用把持データを生成し、次のように学習用把持データを追加する。その場合には、認証部２２により認証が成功した際の処理対象となった第一検証用把持データを追加学習用把持データとして仮登録する、追加学習用把持データ設定部２３と、第二検証用把持データと学習用把持データ、及び第二検証用把持データと追加学習用把持データとを比較する比較部２４とをさらに備える。把持状態情報記憶部２１は、比較部２４による比較結果に基づいて、追加学習用把持データを新たな学習用把持データとして記憶する。この構成によれば、把持状態情報記憶部２１は、認証の際に照合する把持データを学習している。よって、ユーザの把持状態の経年変化に対応することが可能となる。

【0090】

また、本実施形態の個人認証装置１０において、時間変動算出部１８は、第二検証用把持データの時間変動を示す第二検証用時間変動把持データを算出し、比較部２４は、第二検証用時間変動把持データと学習用時間変動把持データ、及び第二検証用時間変動把持データと追加学習用時間変動把持データとを比較する。その場合には、把持状態情報記憶部２１は、比較部２４による比較結果に基づいて、追加学習用時間変動把持データを新たな学習用時間変動把持データとして記憶する。この構成によれば、把持状態情報記憶部２１は、時間変動を考慮したデータを認証の際に照合するデータとして学習している。よって、認証部２２は、ヒステリスノイズを考慮した認証を可能にしつつ、ユーザの把持状態の経年変化に対応することが可能となる。

【0091】

また、本実施形態の個人認証装置１０の確率密度関数生成部１９は、学習用時間変動把持データの頻度分布を示す学習用確率密度関数、追加学習用時間変動把持データの頻度分布を示す追加学習用確率密度関数、及び第二検証用時間変動把持データの頻度分布を示す第二検証用確率密度関数、を生成する。その場合には、比較部２４は、第二検証用確率密度関数と学習用確率密度関数、及び第二検証用確率密度関数と追加学習用確率密度関数とを比較する。この構成によれば、把持状態情報記憶部２１は、統計確率的なアプローチを用い、かつ時間変動データの分布の類似度に基づいて、認証の際に照合するデータを学習している。よって、認証部２２は、ヒステリスノイズ、及び突発的なノイズを考慮した認証を可能にしつつ、ユーザの把持状態の経年変化に対応することが可能となる。

【符号の説明】

【0092】

１０…個人認証装置、１１…モーションデータ取得部、１２…接触データ取得部、１３…静止状態判定部、１４…ノイズ除去部、１５…把持状態判定部、１６…較正データ抽出部、１７…把持データ較正部、１８…時間変動算出部、１９…確率密度関数生成部、２０…特徴ベクトル生成部、２１…把持状態情報記憶部、２２…認証部、２３…追加学習用把持データ設定部、２４…比較部、３０…携帯端末。

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】

【図8】

【図9】