专利名称：便携终端及抓持特征学习方法
技术领域：
本发明涉及取得抓持便携终端时的抓持特征样本并进行本人认证的便携终端及抓持特征学习方法。
背景技术：
近年来，随着便携终端的高功能化，与电子货币等各种金钱相关的服务逐渐普及。此外，伴随着便携终端的高功能化，在便携终端中记录有很多地址簿、邮箱、照片、网站浏览历史等与个人隐私相关的信息。以往，当使用便携终端时，通过开始使用时的本人认证(以下称为登录认证)，确保了在便携终端中处理的信息的安全。但是，在登录认证中，在开始使用时进行了本人认证后，但在之后不监视接下来的使用者是否仍是本人。因此，在登录认证后，由于某种原因便携终端落入其他人手中的情况下，取得便携终端的其他人即使不重新进行登录认证，也能够操作便携终端。这种登录认证的安全的脆弱性一直以来都成为一个问题。针对这个问题，在专利文献I中，公开了一种便携终端，其通过多个压力传感器取得进行了本人认证时的用户握着的便携终端的位置，在进行了本人认证后如果用户抓持的位置发生一定程度以上的变化，则将用户输入的接受服务的提供所需要的数据设为无效，并取消已经进行了的本人认证的有效性。因此，即使在进行本人认证并输入为接受服务的提供所需要的数据的过程中该便携终端发生失盗等，本人认证以及用户输入的数据也会在离开用户的手的时刻变为无效。由于这样为了在本人认证成为无效后接受服务的提供，需要再次进行本人认证，因此能够有效地防止第三人的不正当使用。现有技术文献专利文献专利文献1:特开2001-142849号公报
发明内容
发明要解决的课题专利文献I等使用生物信息(抓持特征)的本人认证方式通过如下方式执行:从取得的抓持压力分布(抓持压力值序列)中通过学习预先选取注册具有对本人特征性的抓持压力值序列即被称为模板的信息，并对认证时通过传感器取得的抓持压力值序列的样本(以下，称为抓持特征样本或者简称为样本)和已经注册的模板进行比较。在该比较中较多地利用了模式识别的技术。在模式识别中，使用矢量间距来求出模板与样本的相似程度。作为在生物认证中经常被使用的距离，有马氏(mahalanobis)广义距离、海明(hamming)距离等。在这些距离超过预先决定的阈值的情况下，判定为样本是其他人的样本。在没有超过阈值的情况下，判定为样本是本人的样本。这里，在对便携终端的机型进行了变更的情况下，由于便携终端的外形发生改变或者改变了 操作键的排列，抓持特征也会发生改变，从而不能继续使用用于本人认证的模板(以下，称为本人认证模板)。因此，在每次便携终端的机型变更时，都必须要重新学习本人认证模板，从而损害了用户的便利性。另外，由于在机型变更后的本人认证模板学习期间内需要通过设定密码等其他的方法来保证便携终端的安全，因此存在损害了用户的便利性这样的课题。因此，本发明的目的在于提供一种即使在机型变更后的便携终端中，也能够继续使用在机型变更前的便携终端中使用的本人认证模板的便携终端。用于解决课题的手段本发明的便携终端的特征在于，通过由多个传感器组成的传感器阵列取得抓持时的抓持特征样本，并使用旧本人认证模板进行本人认证，该便携终端具有抓持特征样本取得部、旧模板存储部、特征段提取部、段位置校正部、模板对照部、模板存储部。抓持特征样本取得部从传感器阵列取得抓持特征样本。旧模板存储部将在以前使用的便携终端中用于本人认证的本人认证模板作为旧模板而存储。特征段提取部从旧模板提取特征段，并按照每个该特征段，将旧模板与抓持特征样本进行对照，从而计算距离。段位置校正部在特征段提取部计算出的距离不在预先决定的值以下的特征段中，对旧模板进行变形校正，并生成校正模板。模板对照部将校正模板和取得的抓持特征样本进行对照，从而计算矢量间距。在校正模板与取得的抓持特征样本之间的矢量间距在预先决定的值以下的情况下，模板存储部将校正模板作为本人认证模板而存储。发明效果根据本发明的便携终端，即使在机型变更后的便携终端中，也能够继续使用在机型变更前的便携终端中使用的本人认证模板，因此，无需每次便携终端的机型变更时重新学习本人认证模板，从而提高了用户的便利性。
图1是表示具有压力传感器阵列的便携终端800a的图。图2是表示具有压力传感器阵列的便携终端800b的图。图3是表示便携终端800a的抓持状态的图。
`
图4是表示便携终端800b的抓持状态的图。图5是表示便携终端800b’的抓持状态的图。图6是表示具有压力传感器阵列的便携终端800c的图。图7是表示具有压力传感器阵列的便携终端800d的图。图8是表示便携终端800c的抓持状态的图。图9是表示便携终端800d的抓持状态的图。图1OA是表示在机型变更前后传感器位置不同的情况下的机型变更前的本人认证模板的例子的图。图1OB是例示了机型变更后的抓持特征样本的图。图1lA是用于传感器位置校正部的插补进行说明的图。图1lB是表示根据插补校正的模板的图。图12A是表示在机型变更前后抓持状态不同的情况下的机型变更前的本人认证模板的例子的图。图12B是例示了机型变更后的抓持特征样本的图。图13A是用于说明特征段提取部的特征段提取的图。
图13B是用于说明段位置校正部的变形校正的图。图14是表示实施例1中的便携终端的结构的模块图。图15是表示实施例2中的便携终端的结构的模块图。图16是表示实施例1中的便携终端的旧模板继续使用动作的流程图。图17是表示实施例1中的便携终端的本人认证模板学习动作的流程图。图18是表示实施例1中的便携终端的认证动作的流程图。图19是表示实施例2中的便携终端的旧模板继续使用动作的流程图。
具体实施例方式以下，对本发明的实施方式详细地进行说明。另外，在具有相同功能的结构部中标注相同的标号，省略重复说明。<关于抓持特征样本>首先，对在图14、15中由本发明的全部实施例的功能结构模块表示的便携终端800、800’取得的抓持特征样本进行说明。人除了天生的(I)手指长度、(2)握力的强度等不同之外，后天养成的(3)拿便携终端时的习惯等也不同，因此，抓持特征作为用于本人认证的生物信息非常出色。具体地说，抓持特征认证的本人拒绝率和他人接受率都具有与一般的人脸认证相同程度的精度。例如考虑抓持压力分布、抓持形状分布、抓持温热分布等作为抓持特征样本。作为这些抓持特征样本的取得方法，例如能够通过将多个压力传感器在便携终端800、800’的表面上 以平面状或者直线状分布配置来取得抓持压力分布。同样地，能够通过CXD (CMOS)传感器的平面状或者直线状分布配置来取得抓持形状分布。同样地，能够通过红外线传感器的平面状或者直线状分布配置来取得抓持温热分布。此外，若是将操作键(触摸面板)配置在终端背面上这样的便携终端，即使根据抓持了终端时的操作键(触摸面板)的按压状况(操作键、触摸面板是否被按压)也能够取得抓持特征。在实施例中的说明中，作为具体例，使用抓持压力分布作为抓持特征样本，将压力传感器阵列以直线状配置在便携终端800、800’的外周，使用由该压力传感器阵列取得的各个位置的压力值的预先决定的顺序的压力值序列作为抓持特征样本。<关于抓持特征样本的取得时刻>抓持特征样本例如也可以与采样触发的发生同时取得。所谓采样触发，是指预先设定的抓持特征样本的取得定时。例如在想要取得在启动便携终端800、800’的浏览器软件时的抓持特征样本的情况下，能够将采样触发设定为“浏览器启动中η确定键按下”。该采样触发“浏览器启动中η确定键按下”意味着在浏览器启动中且用户按下便携终端800、800’的确定键的情况下，将该操作作为采样触发立即取得抓持特征样本。也可以设为，想要在基本不按下确定键等操作键的通话中等取得抓持特征样本的情况下，例如将采样触发设定为“3分钟一次”，通话状态每持续3分钟自动地发生采样触发，从而取得抓持特征样本。这样使用采样触发取得本人认证模板的学习所需要的抓持特征样本具有以下的优点。若使用采样触发，则将用户无意识进行的自身的键操作作为取得时刻而自动地取得抓持特征样本，并进行积累。由此，能够取得用户在无意识且最自然的状态、放松状态下使用终端的状态的抓持特征样本，也能够减小抓持特征样本的观测值的分散。此外，在便携终端所显示的准备使用指南中显示了开始取得抓持特征样本的消息的情况下，有时收到消息的用户会摆好姿势，从而没有按照平时的抓持方法，而是以用户认为的「正确的抓持方法」来抓持。此外，有时用户也会由于预先收到消息而忘记了自己平时的拿法，由于这些原因，取得精度准确的抓持特征样本变得很困难。因此，若能够如上述那样在用户无意识时取得抓持特征样本，就能够解决上述的问题，从而能够取得精度准确的抓持特征样本。<关于本人认证模板>对本发明的全部的实施例中的便携终端800、800’用于本人认证时的本人认证模板进行说明。所谓本人认证模板是指代表并表示用户的抓持特征的雏形。本人认证模板从取自用户的上述的抓持特征样本的平均值等中得到学习，将所学习的本人认证模板与学习后新取得的抓持特征样本进行对照。根据通过对照求出的值(矢量间距(distance betweenvector)，例如马氏广义距离)的大小，判定学习后新取得的抓持特征样本是否与本人认证模板取自同一人。以下，对上述的作为本人认证的判定基准的距离的若干例子进行说明。例如将为了在学习中使用而测量的第j次的测量中的通过第i个的传感器所取得的压力值设为Xi,其中i=l，2，…，n ；j=l, 2，…，m, η为传感器的最大数，m为用于学习使用的抓持特征样本取得的最大次数，分别为2以上的整数。如下定义平均压力值、压力值的方差、以及它们的矢量。数I
权利要求
1.一种便携终端，具有通过由多个传感器组成的传感器阵列取得抓持特征样本，并使用本人认证模板进行本人认证的功能，所述便携终端包括: 抓持特征样本取得部，从所述传感器阵列取得抓持特征样本； 旧模板存储部，将在过去使用的便携终端中用于本人认证的本人认证模板作为旧模板而存储； 特征段提取部，从所述旧模板提取特征段，并按照每个该特征段，将所述旧模板与所述抓持特征样本进行对照，从而计算距离； 段位置校正部，在所述特征段提取部计算的距离不在预先决定的值以下的特征段中，对所述旧模板进行变形校正，从而生成校正模板； 模板对照部，将所述校正模板与所述取得的抓持特征样本进行对照，从而计算矢量间距；以及 模板存储部，在所述校正模板与所述取得的抓持特征样本之间的矢量间距在预先决定的值以下的情况下，将所述校正模板作为所述本人认证模板而存储。
2.如权利要求1所述的便携终端，还包括: 样本暂时存储部，在所述校正模板与所述取得的抓持特征样本之间的矢量间距不在预先决定的值以下的情况下，存储一定数目的所述抓持特征样本；以及 模板学习部，在所述样本暂时存储部中存储着一定数目的所述抓持特征样本的情况下，使用该抓持特征样本学习所述本人认证模板，并将其存储到所述模板存储部中。
3.如权利要求1所述的便携终端，还包括:` 传感器位置存储部，存储当前正使用的便携终端中的传感器的位置；以及传感器位置校正部，在所述校正模板与所述取得的抓持特征样本之间的矢量间距不在预先决定的值以下的情况下，取得所述校正模板和所述传感器位置，并根据所述传感器位置对所述校正模板进行插补，从而生成插补模板， 所述模板对照部通过对照所述插补模板与所述抓持特征样本，计算矢量间距， 在所述插补模板与所述抓持特征样本之间的矢量间距在预先决定的值以下的情况下，所述模板存储部将所述插补模板存储为所述本人认证模板。
4.如权利要求3所述的便携终端，还包括: 样本暂时存储部，在所述插补模板与所述抓持特征样本之间的矢量间距不在预先决定的值以下的情况下，存储一定数目的所述抓持特征样本；以及 模板学习部，在所述样本暂时存储部中存储着一定数目的所述抓持特征样本的情况下，使用该抓持特征样本学习本人认证模板，并将其存储到所述模板存储部中。
5.一种抓持特征学习方法，通过由多个传感器组成的传感器阵列取得抓持特征样本，并进行用于本人认证的本人认证模板的学习，所述抓持特征学习方法包括: 抓持特征样本取得步骤，从所述传感器阵列取得抓持特征样本； 旧模板存储步骤，将在过去使用的便携终端中用于本人认证的本人认证模板作为旧模板而存储； 特征段提取步骤，从所述旧模板提取特征段，并按照每个该特征段，将所述旧模板与所述抓持特征样本进行对照，从而计算距离； 段位置校正步骤，在所述特征段提取步骤计算的距离不在预先决定的值以下的特征段中，对所述旧模板进行变形校正，从而生成校正模板； 模板对照步骤，将所述校正模板与所述取得的抓持特征样本进行对照，从而计算矢量间距；以及 模板存储步骤，在所述校正模板与所述取得的抓持特征样本之间的矢量间距在预先决定的值以下的情况下，将所述校正模板作为所述本人认证模板而存储。
6.如权利要求5所述的抓持特征学习方法，还包括: 样本暂时存储步骤，在所述校正模板与所述取得的抓持特征样本之间的矢量间距不在预先决定的值以下的情况下，存储一定数目的所述抓持特征样本；以及 模板学习步骤，在所述样本暂时存储步骤中存储了一定数目的所述抓持特征样本的情况下，使用该抓持特征样本学习所述本人认证模板而存储。
7.如权利要求5所述的抓持特征学习方法，还包括: 传感器位置存储步骤，存储当前正使用的便携终端中的传感器的位置；以及 传感器位置校正步骤，在所述校正模板与所述取得的抓持特征样本之间的矢量间距不在预先决定的值以下的情况下，取得所述校正模板和所述传感器位置，根据所述传感器位置对所述校正模板进行插补，从而生成插补模板， 所述模板对照步骤通过对照所述插补模板与所述抓持特征样本，计算矢量间距， 在所述插补模板与所述抓持特征样本之间的矢量间距在预先决定的值以下的情况下，所述模板存储步骤将所述插补模板作为所述本人认证模板而存储。
8.如权利要求7所述的 抓持特征学习方法，还包括: 样本暂时存储步骤，在所述插补模板与所述抓持特征样本之间的矢量间距不在预先决定的值以下的情况下，存储一定数目的所述抓持特征样本；以及 模板学习步骤，在所述样本暂时存储部中存储了一定数目的所述抓持特征样本的情况下，使用该抓持特征样本学习本人认证模板而存储。
9.一种记录介质，存储了通过计算机来执行如权利要求5至8的任意一项所述的抓持特征学习方法的程序。
全文摘要
包括抓持特征样本取得部，从传感器阵列取得抓持特征样本；旧模板存储部，将在过去使用的便携终端中的本人认证模板作为旧模板而存储；特征段提取部，从旧模板提取特征段，并按照每个该特征段，计算旧模板与抓持特征样本之间的距离；段位置校正部，在特征段提取部计算的距离不在预先决定的值以下的特征段中，对旧模板进行变形校正，从而生成校正模板；模板对照部，将校正模板与抓持特征样本进行对照，从而计算矢量间距；以及模板存储部，在矢量间距在预先决定的值以下的情况下，将校正模板作为本人认证模板而存储。
文档编号G06F21/31GK103238157SQ20128000397
公开日2013年8月7日 申请日期2012年4月13日 优先权日2011年4月15日
发明者太田学, 塚本昌克, 森永康夫, 樋口健 申请人:株式会社Ntt都科摩