| 研究課題/領域番号 |
13650431
|
|---|
| 研究種目 |
基盤研究(C)
|
| 配分区分 | 補助金 |
|---|
| 応募区分 | 一般 |
|---|
| 研究分野 |
情報通信工学
|
|---|
| 研究機関 | 早稲田大学 |
|---|
研究代表者 |
松本 隆 早稲田大学, 理工学部, 教授 (80063767)
|
|---|
| 研究分担者 |
村田 昇 早稲田大学, 理工学部, 助教授 (60242038)
|
|---|
| 研究期間 (年度) |
2001 – 2003
|
| 研究課題ステータス |
完了 (2003年度)
|
| 配分額 *注記 |
3,500千円 (直接経費: 3,500千円)
2003年度: 800千円 (直接経費: 800千円)
2002年度: 800千円 (直接経費: 800千円)
2001年度: 1,900千円 (直接経費: 1,900千円)
|
|---|
| キーワード | 署名照合 / 顔画像認証 / バイオメオリック個人認証 / マルチモーダル個人認証 / バイオメトリックス / マルチモーダル / 顔照合 / 声紋 / HMM / MCMC / ペントラジェクトリー / バイオメトリック認識 / 顔特徴 |
|---|
| 研究概要 |
本研究では、比較的性能の高いオンライン署名照合手法の更なる高性能化とともに、顔画像、声による特徴をも考慮し、マルチモーダルな個人認証手法の基礎的研究を行った。
1.署名
廉価なタブレットでは、ペン位置情報のみが得られる。位置情報以外に、ペンのup/down情報が2値で得られるもの、筆圧が複数の値でえられるもの、ペンの傾き情報がえられるものもある。
1.1ペン位置情報のみのデータに対してHMM (Hidden Markov Model)による照合アルゴリズムを提案し、良好な結果を得た。
1.2位置情報、256値の筆圧情報、そしてペンの傾き情報が得られるタブレットを用い、5次元の特徴抽出を行ったうえ、Bayes学習的枠組みと、MCMC (Markov Chain Monte Carlo)を用いた手法を提案し、これまでの照合率を超えた。
1.3同様なデータからSMC (Sequential Monte Carlo)を用いる手法を開発し、初期実験を行いその性能を確認した。
2.顔
2.1顔画像からGabor Wavelet特徴量を検出し、その上でBayes的枠組みからMCMCによる照合手法を提案、初期的実感を行った。かなり可能性がある事を示唆する結果を得た。
2.2自然画像からの顔を切り出しにMCMC (Markov Chain Monte Carlo)を用いる手法を提案し初期的実験を行った。
3.声
音声を用いる手法については、継続すべき課題のひとつである。
4.これら複数の認証手法の統合に関しては、いくつかの困難がある事が判明した。そのひとつは、各認証手法から得られる認証結果を確率・統計の枠組みで捉えた場合、各々を独立な確率変数と考えるべきか否かである。これは重要なポイントのひとつであり、アルゴリズムの検討にとどまった。次の研究課題へ継続したい。
|
