2022 Fiscal Year Annual Research Report
| Project/Area Number |
20H02386
|
|---|
| Research Institution | Gunma University |
|---|
Principal Investigator |
鈴木 裕之 群馬大学, 数理データ科学教育研究センター, 准教授 (20397053)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
小室 孝 埼玉大学, 理工学研究科, 教授 (10345118)
香川 景一郎 静岡大学, 電子工学研究所, 教授 (30335484)
中野 和也 成蹊大学, 理工学部, 准教授 (80713833)
|
|---|
| Project Period (FY) |
2020-04-01 – 2023-03-31
|
| Keywords | 生体認証 / イメージングシステム / 画像処理 / 生体計測 / 深層学習 |
|---|
| Outline of Annual Research Achievements |
2021年度の研究で開発したストライプ光投影による静脈撮影システムでは，ストライプの照射位置を等位相間隔で変化させてN枚の画像を撮影し，これら撮影画像に対して各画像の最小値抽出を行うことで，ある深さzの静脈成分を取得が可能であった．これらN枚のうち，照射位置が離れた2枚ずつを加算し，ライン間隔が半分になったN/2枚の画像に対して最小値演算を行うと，深さz/√2の静脈パターンが取得できる．この手法により，1回のストライプ光投影撮影によって複数の深さ情報を有する静脈パターンを再構成することが可能になる．この手法の有効性を実験によって確認している．
また，照合手法の改善については，コントラストや空間分解能が低下した指静脈画像から劣化の無い指静脈画像を生成する手法として，敵対的生成ネットワークに基づく画像生成アルゴリズムであるPix2Pixを適用し，機械学習によって生成する手法を開発した．実験では，学習のための多くの静脈画像データセットが必要であるため，Twente大学にて公開されている静脈画像データベースを利用した．このデータベースの静脈画像（原画像）に対して意図的にコントラストや空間分解能を低下させた画像を生成し，これを生成器に対する入力画像とし，これらの画像ペアを用いて生成器の学習を行った．実験の結果，コントラストや空間分解能が低下した画像から，劣化の無い静脈パターンへと変換できることが確認できた．
さらに，統合的な性能評価のため，これまでに開発した手法を実装した静脈認証のデモシステムを構築し，照合精度評価や実利用に想定される課題の抽出等を行った．
|
| Research Progress Status |
令和4年度が最終年度であるため、記入しない。
|
| Strategy for Future Research Activity |
令和4年度が最終年度であるため、記入しない。
|
