CN105874468B - 用于验证产品的图像分析 - Google Patents
用于验证产品的图像分析 Download PDFInfo
- Publication number
- CN105874468B CN105874468B CN201480071797.2A CN201480071797A CN105874468B CN 105874468 B CN105874468 B CN 105874468B CN 201480071797 A CN201480071797 A CN 201480071797A CN 105874468 B CN105874468 B CN 105874468B
- Authority
- CN
- China
- Prior art keywords
- product
- image
- significant point
- point
- significant
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/018—Certifying business or products
- G06Q30/0185—Product, service or business identity fraud
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
- G06T7/38—Registration of image sequences
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/10—Image acquisition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
- G06V10/757—Matching configurations of points or features
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/80—Recognising image objects characterised by unique random patterns
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/95—Pattern authentication; Markers therefor; Forgery detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/02—Recognising information on displays, dials, clocks
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Business, Economics & Management (AREA)
- Multimedia (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Finance (AREA)
- Marketing (AREA)
- Accounting & Taxation (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Image Analysis (AREA)
Abstract
一种验证产品的方法,其由拍摄所述产品的图像并将所述图像与真实产品预先拍摄的参考图像比较来确定两图像中的所述产品是否相同。两图像在基本上相似条件下拍摄,使得两图像在比较前尽可能地相似。两图像被处理以便对它们中的每一个计算显著点的列表。所述显著点被比较以确定在显著点之间的对应程度。根据对应程度来输出指示所述产品的真实性的答案。一些匹配的显著点可被用来定义用于两图像的公共坐标系统。显著点的两个列表可在此公共坐标系统中被比较。
Description
技术领域
本发明涉及用于验证产品的图像分析。
背景技术
手表与其它贵重物品,例如豪华或技术性的物品,经常被伪造。因此,有必要有一种用于区分真实的与非真实的产品的方法。
在许多情况下不可能或不希望改变物品的外观或功能。因此,对物品标记或贴标签不是一个可行的选择。
发明内容
根据本公开的第一方面,提供了一种验证产品的方法,包括:
-采集要被验证的产品的图像;
-确定所采集的图像的多个显著点(significant point);以及
-将要被验证的产品的采集的图像的多个显著点与真实产品的预先采集的参考图像的多个显著点比较,以确定要被验证的产品与真实产品是否相同来验证产品。
手表及其它产品的图像是复杂且讯息丰富的。比较两图像间的显著点相较于比较原始图像数据的优点在于其提供了需要较少的处理需求的比较图像的实际方式。
在比较过程中,区分相关差异与非相关差异是重要的,该相关差异即,指出非真实的两图像间的差异,非相关差异即,没有指出非真实且由于测量条件的不完美控制所产生的两图像间的差异,例如噪声与随着时间发生的物品的自然改变(例如磨损与老化)。尤其对复杂物体而言更是如此,复杂物体可能包括从某时刻到另一个时刻可能改变方位、取向及或形状的移动部分。
两图像间的相关差异通常对应于在两测量间无需人力辅助而必须被匹配的微小细节。
显著点的定义与计算可基于提取出最相关信息的算法,并且对例如噪声、失真、与不完善的测量条件的图像劣化而言最稳固。因此,仅有包含于两图像中的信息的最显著部分被进一步处理与利用。
此外,非相关差异对计算出的显著点的特征具有有限的影响,且在许多情况下,最受影响的点可被侦测并且舍去,例如,基本上已移动的点,因为它们与诸如手表指针的移动元件相关联。
用于显著点计算的算法不需要人的帮助。该算法可能需要人的帮助来输入用于被验证的产品的基本参数。一组特定的参数可能对诸如手表的特定类型的产品是有效的。一种算法和一组参数可被用于一大类的物体,诸如特定模型、形状、颜色等的手表。
用于分析的信息可相对于集中在特定位置处,密集地分布于图像的显著部分,即使当只有该图像的一部份可用时,此验证仍可被执行。可期望限定一个或更多个感兴趣的区域,其被考虑为特别相关且可被选择性地分析。
方法可进一步包括在比较显著点之前,将要被验证的产品的图像的多个显著点与真实产品的图像的多个显著点对齐。
在对齐步骤中使用的多个显著点可与在比较步骤中使用的多个显著点不同。
在对齐步骤中使用的多个显著点可与在比较步骤中使用的多个显著点相同。
对齐显著点可包括确定在要被验证的产品的图像的多个显著点与真实产品的图像的多个显著点间的两个或更多个匹配对。
要被验证的产品的图像的显著点与真实产品的图像的显著点中的每一个显著点可包括描述符,且其中确定两个或更多个匹配对包括比较要被验证的产品的图像的多个显著点的描述符与真实产品的图像的多个显著点的描述符。
比较描述符可包括确定要被验证的产品的图像的显著点的描述符与真实产品的图像的显著点的描述符的距离,诸如欧几里德(Euclidean)距离。当它们的距离满足预定标准时,要被验证的产品的图像的显著点可被考虑为匹配真实产品的图像的显著点。
要被验证的产品与真实产品可位于从其计算显著点的图像的相似的位置。确定两个或更多个匹配对可包括比较具有满足预定标准的坐标的显著点,例如位于它们的相应图像中相似的相关区域内的坐标,例如在对齐前彼此在5mm与10mm之间以内的坐标。
将要被验证的产品的图像的多个显著点与真实产品的图像的多个显著点对齐可包括利用两个或更多个匹配对来确定用于对齐显著点的变换。
使用两个或更多个匹配对以确定变换可包括最小化该匹配对的显著点的位置间的均方根距离。
方法可进一步包括将该变换应用于要被验证的产品的图像的所有的多个显著点或真实产品的图像的所有的多个显著点,以对齐显著点。
方法可进一步包括将要被验证的产品的图像分成多个子区域,并且对于子区域分别地将要被验证的产品的图像的多个显著点与真实产品的参考图像的多个显著点对齐。这可让显著点被更精确地在子区域内对齐。
将要被验证的产品的图像分成多个子区域可包括将划分边界的网格线,优选为划分正交边界的网格线,应用于产品的图像从而定义子区域。
产品的图像可被划分成50至150个子区域,优选划分成80至120个子区域,且优选划分成100个子区域。
确定要被验证的产品的图像的多个显著点的步骤包括在子区域已被确定之后分别地对子区域确定多个显著点。
方法可包括在确定子区域前确定要被验证的产品的图像的多个显著点以帮助确定子区域。
将要被验证的产品的图像的多个显著点与真实产品的图像的多个显著点比较可包括确定要被验证的产品的图像的多个显著点中的显著点是否在真实产品的图像的多个显著点中的显著点的限定的距离之内。
限定的距离可以是对应于一个图像像素的一到两倍距离,例如介于25μm与50μm之间。
将要被验证的产品的图像的多个显著点与真实产品的图像的多个显著点比较可包括对于要被验证的产品的图像的至少部分的显著点或对于在图像的区域中的真实产品的图像的至少部分的显著点,确定要被验证的产品的图像的多个显著点中的显著点是否在真实产品的图像的多个显著点中的显著点的限定的距离之内。图像的区域可以是产品的整个图像。图像的区域可以是图像的感兴趣的选择区域,例如在产品上的标志。图像的区域可以是图像的子部分中的一个。图像的区域可以是对其计算显著点的图像的区域。
将要被验证的产品的图像的多个显著点与真实产品的图像的多个显著点比较可包括对于要被验证的产品的图像的选择显著点或对于在图像的区域中的真实产品的图像的选择显著点,确定要被验证的产品的图像的多个显著点中的显著点是否在真实产品的图像的多个显著点中的显著点的限定的距离之内。图像的区域可以是产品的整个图像。图像的区域可以是图像的感兴趣的选择区域,例如在产品上的标志。图像的区域可以是图像的子部分中的一个。图像的区域可以是对其计算显著点的图像的区域。
方法可进一步包括确定在图像的区域中的真实产品的图像的显著点的限定的距离之内的要被验证的产品的图像的显著点的数量的总和。
方法可进一步包括将函数应用于该总和以确定用于与阈值比较的输出从而确定产品的真实性。
该函数可包括将该总和除以在图像的区域中的要被验证的产品的图像的显著点的总数,或是除以在图像的区域中的真实产品的图像的显著点的总数以确定比例。
方法可进一步包括比较该比例与阈值比例以确定产品的真实性。
阈值比例可介于20%与50%之间,且优选地介于20%与40%之间,且优选地介于20%与30%之间。
要被验证的产品的图像可具有基本上与真实产品的图像相似的产生标准。基本上相似的产生标准可指以下的一项或多项:在与真实产品的图像相同的光照条件下采集要被验证的产品的图像;使用具有相同图像采集设定与透镜规格的摄像机采集图像;产品在两图像中被置于基本上相同的取向上。
产品可以是时计,例如手表。产品可以是移动电话。产品可以是首饰。产品可以是备用零件。产品可以是电池,例如移动电话电池。产品可以是微处理器或印刷电路板。产品可以是软件并且,例如,软件封装可包括具有区别特征的印刷区域,该特征可被成像与分析以用于验证软件。产品可以是固定到另一产品的标签,其中该标签具有区别特征,该特征可被成像与分析以用于验证或确认该标签所固定到的物体或产品的身份。产品可以是凭证例如驾驶执照或是确认攻读学位者成绩的大学证书。产品可以是硬币。产品可以是画。产品同样可能为具有固有的混乱或指纹或元素的随机分布的天然或非天然产品。天然产品的示例可能例如为爬虫类的皮(鳄鱼、蟒蛇皮)或树干的截面,或者对非天然产品可能为例如煞车、飞机的机翼的备用零件。将根据本发明的方法来分析整个产品,或将根据本发明的方法来分析产品的仅一部分或一块。
验证例如时计的产品的方法,可进一步包括使用图像于实施本文描述的产品的验证的方法或发送图像到远程位置以用于以本文所述的方法分析。
图像可以是第一图像,且方法可进一步包括采集产品的第二图像以用于基于第一图像及第二图像创建合成图像,以与真实产品的参考图像比较来验证产品。
可在从第一方向照亮产品时实施采集产品的第一图像的步骤且其中可在从第二方向照亮产品时实施采集产品的第二图像的步骤,其中第二方向与第一方向不同。
从第一方向照明可从第二方向照明的产品的相对侧照亮产品的成像表面。从第一方向照明可从第二方向照明的采集产品图像的摄像机透镜的光学轴的相对侧照亮产品的成像表面。
方法可进一步包括当从第三方向照明产品时,采集产品的第三图像,以及当从第四方向照明产品时,采集产品的第四图像,用于基于第一、第二、第三、及第四图像创建合成图像以用于与真实产品的参考图像的比较来验证产品。
从第三方向照明可从第四方向照明的产品的相对侧照亮产品的成像表面,并且其中从第一、第二、第三与第四方向的照明从产品的四个不同侧照亮产品的成像表面。第一、第二、第三和第四方向可以围绕产品平均地间隔开。
从第三方向照明可从第四方向照明的采集产品图像的摄像机透镜的光学轴的相对侧照亮产品的成像表面。从第一、第二、第三及第四方向的照明可从光学轴的四个不同侧照亮产品的成像表面。第一、第二、第三和第四方向可以围绕光学轴平均地间隔开。
可在第一曝光时刻实施采集第一图像的步骤,并且其中可在第二曝光时刻实施采集第二图像的步骤,其中第一曝光时刻与第二曝光时刻不同。
创建合成图像可包括从关于第二图像的数据减去关于第一图像的数据或将关于第一图像的数据加上关于第二图像的数据。
方法可进一步包括接收成像指令,该成像指令包括用于采集要被验证的产品的一个或多个图像的条件;以及根据指令采集产品的一个或多个图像。
成像指令可传送与在较早时间点处采集真实产品的一个或多个参考图像的基本上相似或相同的条件,以使得要被验证的产品可在以与真实产品基本上相似或相同的条件下被成像。条件可包括一个或更多个照明条件;用于摄像机的图像采集设定;用于摄像机透镜的焦距;要被采集的图像的数量;用于摄像机的曝光时间。
方法可进一步包括输出基于对应的程度来指示产品的真实性的答案。输出答案可包括在屏幕上(例如在计算机屏幕上)向用户显示答案。输出答案可包括提供答案的印刷本给使用者,例如印出答案在产品的验证凭证上。
根据本公开的进一步方面,提供了包括用于在计算机上执行的可执行指令的计算机程序,其中可执行指令可执行以实施本文所描述的方法。
根据本公开的进一步方面,提供了产品验证装置,该产品验证装置用于采集产品的图像来验证产品,包括用于支撑要被验证的产品的支撑件(support);以及用于从第一方向照亮产品的第一照明构件。
产品验证装置可进一步包括用于从第二方向照亮产品的第二照明构件。
第一和第二照明构件可被配置为使得在使用中从第一方向的照明,从第二方向的照明的产品的相对侧,照亮产品的成像表面。
产品验证装置可进一步包括用于从第三方向照亮产品的第三照明构件。
产品验证装置可进一步包括用于从第四方向照亮产品的第四照明构件。
第一、第二、第三及第四照明构件可被配置为使得在使用中从第三方向的照明,从第四方向的照明的产品的相对侧,照亮产品的成像表面,并且其中从第一、第二、第三及第四方向的照明从产品的四个不同侧照亮产品的成像表面。第一、第二、第三和第四方向可以围绕产品平均地间隔开。
产品验证装置可进一步包括用于采集产品的图像的摄像机。
支撑件可包括对齐构件,其用于将产品定位于预定位置以用于采集产品的图像。产品验证装置可包括摄像机支撑件,其用于将摄像机固定于与预定位置相关的位置,从而摄像机的透镜的光学轴被固定于与预定位置相关的位置。第一和第二照明构件可被配置为使得在使用中从第一方向的照明,可从第二方向照明的采集产品图像的摄像机透镜的光学轴的相对侧,照亮产品的成像表面。第三和第四照明构件可被配置为使得在使用中从第三方向的照明,可从第四方向照明的采集产品图像的摄像机透镜的光学轴的相对侧,照亮产品的成像表面。第一、第二、第三和第四照明构件可被配置为使得在使用中从第一、第二、第三及第四方向的照明可从光学轴的四个不同侧照亮产品的成像表面。第一、第二、第三和第四方向可以围绕光学轴平均地间隔开。
产品验证装置可进一步包括用于保持产品于预定位置的保持构件。
保持构件可包括弹簧偏移臂(spring-biased arm)用于将产品顶住对齐构件以保持产品于预定位置。替代地,产品验证装置可包括两个或更多个弹簧偏移臂,该弹簧偏移臂施加力量于产品的相对侧以保持产品于预定位置。
产品验证装置可进一步包括用于保护产品在图像采集期间免受环境光的盖(cover)。
产品验证装置可进一步包括用于分析产品图像的计算机,并且优选地其中该计算机使用本文所述的方法分析图像。
根据本公开的进一步方面,提供了创建用于验证产品的参考的方法,包括采集产品的至少部分的图像;及储存图像作为参考,优选地储存图像于数据库中,以用于验证产品。
图像可为第一图像且方法可进一步包括采集产品的至少部分的第二图像,并储存第二图像作为参考以用于验证产品。
根据本公开的进一步方面,提供了图像档案,该图像档案包含用于验证产品的参考数据,其中参考数据包括产品的至少部份的图像的多个显著点。
根据本公开的进一步方面,提供了数据库,该数据库包含用于验证两个或更多个产品的参考数据,其中参考数据包括关于第一产品的至少部分的图像的数据,以及关于第二产品的至少部分的图像的数据。每个显著点可包括半径(r)、取向(θ),描述符(D)与其坐标。方法可包括确定用于图像的一个或更多个显著点的描述符。描述符可包括对应于相对应的图像区域的数学描述的数据数组。为了解释其进一步使用的目的,描述符可被认为是在抽象向量空间中具有与数组的大小相同维度的向量。
附图说明
本发明的前文与其它目的、特征、及优点将从以下的描述与附图中显而易见,其中:
图1示出用于对产品成像以用于验证的设备;
图2示出当从产品的不同侧照亮产品时,来自图1的照明构件的配置的细节的顶视图;
图3A到图3D示出从产品的不同侧(称为北、东、南、西)照亮的相同物体的四个图像,其中图3A示出从西侧照亮的物体、图3B示出从东侧照亮的物体、图3C示出从北侧照亮的物体、及图3D示出从南侧照亮的物体;
图4A到图4C示出合成图像,其中图4A是图3A与图3B的图像之间的差异,图4B是图3C与图3D的图像之间的差异,及图4C为图4A与图4B的图像的总和;
图5A和图5B示出相同物体的不同图像,其中图5A示出物体的参考图像及图5B示出用于与参考图像比较的图像;
图6A与图6B为显著点的视觉表示,其中图6A示出在物体的整个感兴趣的区域上所侦测到的显著点,以小的黑色十字标示该点,并示出应用至时计的网格的示例,及图6B为示出图6A的图像的部分的放大图,采用以该点为圆心的圆标示该显著点,并且该圆的半径示出相对应特征的大小及其取向;
图7示出应用到产品的网格的示例;
图8A到图8D示出显著点与用于参考图像和要被与参考图像比较的检查图像的显著点的匹配,其中图8A示出为参考图像确定的显著点,以小的黑十字标示该显著点,图8B示出为检查图像确定的显著点,图8C示出与检查图像的显著点匹配的参考图像的显著点,以及图8D示出与参考图像的显著点匹配的检查图像的显著点;
图9A示出当图像没有对齐时,两图像的迭加,及图9B示出在它们已通过定义公共坐标系统而被对齐之后,两图像的迭加;
第10图示出在点已被对齐之后比较参考显著点与检查显著点;
图11A至图11D示出显著点与在显著点已被参照至公共坐标系统之后,对于参考图像和对于要被与参考图像比较的检查图像的比两个像素更靠近的显著点,其中图11A示出为参考图像确定的显著点以及图11B示出为检查图像确定的显著点,图11C示出比两个像素更靠近对于在公共坐标系统中的检查图像的显著点的参考图像的显著点,及图11D示出对于在公共坐标系统中的参考图像的显著点比两个像素更靠近的检查图像的显著点;以及
图12A至图12D示出图11A至图11D所示图像的部分的放大版本,其中图12A示出图11A的部分,图12B示出图11B的部分,图12C示出图11C的部分,以及图12D示出图11D的部分。
具体实施方式
在以下部分给出了本发明的实施例的详细描述。优选的与替代的实施例两者的描述仅为示例性的实施例,且应理解变形、修改、和替换可能是显而易见的。因此应理解,所述示例性实施例并不限制在下面的发明的方面的广度。
取得要被验证的一个图像或多个图像以用于验证产品。产品的多个图像可被结合以产生产品的单个图像。产品的图像接着与预先取得的真实产品的图像比较,其在此被称为参考图像,以确定两图像中的产品是否是相同的并因而确定产品为真实的。与参考图像比较的产品的图像在此被称为检查图像。检查图像在与参考图像相同或基本上相似的条件下拍摄,例如,在基本上相似的灯光条件下,使得要被比较的图像尽可能的相似。产品可在检查图像中位于与参考图像中基本相同的位置。产品可使用相同焦距的透镜成像,使得要被比较的两图像尽可能的相似。该方法有利地允许侦测产品间的微小差异。
可利用摄像机与胶卷采用模拟摄影来采集图像、或优选地采用数字相机,以用于验证目的的物体的细节可被看见的分辨率来采集图像。图像可以是彩色图像或是黑白灰阶图像。
用于采集产品的检查图像与参考图像的设备或成像设备2示于图1。设备2包括用于支撑产品3的支撑件1。该支撑件包括用于定位该产品于预定的方位或位置的对齐构件5。产品可因此被置于关于摄像机19和/或照明构件11、13、15、17的设定位置。该设备包括用于保持产品于预定位置的保持构件10。保持构件10可包括臂7,其随着弹簧9偏移以将产品顶住对齐构件5从而保持产品3于预定位置。对齐构件5具有参考表面,通过臂7来将产品顶住该参考表面。这确保该产品基本上在参考图像和检查图像的相同位置。
设备包括摄像机19,用于拍摄产品的一个或更多个图像。设置有四个照明构件11、13、15、17,其每一个在照明方向21、23、25、27发光。照明构件11、13、15、17被布置成从产品的不同侧照亮产品的成像表面。第一照明构件11在第一方向21上发光。第二照明构件15在第二方向25上发光。第三照明构件13在第三方向23上发光。第四照明构件17在第四方向27上发光。照明构件被布置成从产品的不同侧照亮产品,使得可在不同照明条件下拍摄产品的相同或基本上相似的部分的多个图像以用于创建产品的复合图像。照明构件优选为相同的。照明构件被优选地布置为使得它们的照明方向是对于摄像机的光学轴10轴向对称的。当使用四个照明方向时,该轴向对称使得在焦平面上的照明构件的投影是相互正交的,如图2所见。
更通常地,可使用数量n个照明构件,其优选为相同的且被布置为使得它们的照明方向相对于摄像机的光学轴轴向对称,在此情况下,在焦平面上的相应的照明构件的投影形成360/n度的角度(2π/n弧度)。数量n优选为偶数(n=2,4,6,...)。
支撑件1被安装于平台29上。平台优选地具有光线吸收上表面31,其例如可以是黑色的。设置有盖33。盖被安装于支撑件1上并接合平台以容纳(encase)摄像机19、照明构件11、13、15、17以及产品3。盖是内部中空的且其内壁吸收光。盖的内壁可以是黑色的。盖33和平台29一同在所有侧及上方与下方包围摄像机19、照明构件11、13、15、17以及产品3并避免环境光进入摄像机的透镜。这意味着,成像条件可以被控制到高程度,因为环境光不能造成两图像之间的差异。
可使用摄像机支撑件12将摄像机19安装于盖33上或者平台29上。在图1中,摄像机支撑件12将摄像机安装至平台29。摄像机支撑件12使摄像机能被固定在相对于产品被成像时所在的预定位置的方位。摄像机可被固定于产品上方的方位。摄像机的透镜的光学轴10可因此被固定在与预定位置有关的方位。照明构件11、13、15、17可被安装于盖33或平台29上。在一个示例中,摄像机19与照明构件中的三个被安装于平台29上。照明构件中的一个被安装于盖33上。
该设备可包括用于接收由摄像机采集的图像数据的计算机。如本文进一步所述,计算机可被配置为实施将所采集的图像与参考图像的比较以用于验证产品。替代或额外地,计算机可被配置为发送所采集的图像以用于在远程位置的服务器处的分析。
当采集真实产品的图像以搜集产品可之后被依其而验证的参考数据时,真实产品首先被放置于支撑件1上。设定例如焦距、曝光时间与分辨率的摄像机参数。设定例如照明构件11、13、15、17的颜色与照明构件11、13、15、17的亮度的系统参数。接着采集参考图像。可验证图像质量。可接着发送原始数据至服务器以用于储存和/或处理,其中服务器可被置于远离成像设备2。服务器可以是中央服务器,多个成像设备2可连接至该服务器使得资料被中央储存及处理。选择性地,服务器确定用于参考图像的显著点并储存该显著点作为参考。替代地或额外地,在稍后的时间点当验证产品时确定显著点。
服务器可储存用于参考图像的数据于数据库中。可针对例如用于识别产品的序列码(serial code)的产品识别符来储存参考图像数据。参考图像数据因此提供用于在稍后的一个时间点或多个时间点验证产品的唯一参考。
发送到服务器用于储存的数据可包括事件数据。事件数据可包括传送时间、位置、操作者身分、日期和/或拍摄参考图像的成像条件的数据。服务器可发送确认至成像设备2以确认图像数据与事件数据已被接收。
为了验证产品,使用设备2拍摄要被验证的产品的图像用于与参考图像比较。要被验证的产品被置于支撑件1上。设定摄像机与系统参数。服务器可传送摄像机与系统参数至成像设备2以使得可在与用于采集一个或多个参考图像相同的摄像机与系统参数下拍摄产品的一个或多个图像。
拍摄产品的检查图像。可验证图像质量。
事件数据可额外地被发送至服务器以储存。事件数据可包括传送时间、位置、日期、操作者身分和/或拍摄检查图像的成像条件的数据。服务器可发送确认至成像设备2以确认图像数据与事件数据已被接收。
接着为检查图像计算显著点。如果尚未被计算,接着为参考图像计算显著点。检查图像与参考图像的显著点的计算与比较在下面更详细地描述。显著点的计算与比较可由远程服务器实施或可由对成像设备2为本地端的计算机实施。如果显著点的计算与比较由远程服务器实施,则然后数据处理的验证结果(例如真品或非真品)可从远程服务器传输至在与成像设备2相同位置的计算机,使得可向在成像设备2处的操作员通知该结果。
为了比较图像,该方法涉及确定检查图像的显著点以及将这些点与参考图像的显著点比较。
在与真实产品的图像基本上相同的条件下拍摄要被验证的产品的图像。可以在确定显著点之前以相同的方式处理每个图像。例如,合成图像可从要被验证的产品的多个图像产生并与从真实产品的多个图像产生的合成图像比较。可采用与真实产品的合成图像相同的方式产生要被验证的产品的合成图像。显著点可针对每个合成图像来确定与比较。
合成图像来自于产品的两个或更多个图像的组合,每个图像对应于不同组的测量参数,例如摄像机位置、曝光时间、照明和/或滤波。合成图像的示例是由组合若干以不同曝光时刻拍摄的图像而获得的高动态范围图像(HDR)。另一个示例是由取得照明不从相同方向来的两图像的差异而获得的差异图像。另一个示例是立体图片。另一个示例是各自包括物体的一部分的两个或更多个图像的并置(juxtaposition)。可通过结合以不同曝光时刻和/或不同照明方向所拍摄的图像来获得合成图像。
图3A到图3D示出相同物体的四个图像,在该情况下为手表,其从四个不同方向被照亮并由图1的成像设备获得。在图3A中,由第二照明构件15照亮物体以及在图3B中,由第一照明构件11照亮物体,以便加强物体及其表面三个维度结构的细节。在图3C中,由第三照明构件13照亮物体以及在图3D中,由第四照明构件17照亮物体。四个图像接着被用来创建合成图像,用于与另一图像比较。为比较而创建合成图像对于相对平坦产品表面增加可被检测与分析的感兴趣的点的数量特别有帮助。
可例如通过减去示于图3A和图3B中的图像以创建合成图像来产生图4A所示的图像,或者通过减去示于图3C和图3D中的图像以创建合成图像来产生图4B所示的图像。可从四个图像的组合来创建合成图像,例如通过加总示于图4A与图4B中的图像以产生图4C所示的图像。因此,可创建参考图像。可以相同方式创建检查图像,并且从各个合成图像计算与比较显著点。
由摄像机19采集的各个图像可具有500万像素的分辨率(2560×1920点)。每像素可有24位。图像可以是RGB图像。视野可以是大约63×48mm,对应于大约每个像素25μm的分辨率。被比较的图像可以是原始图像具有例如,每个像素8位或每个像素12位。被比较的图像可以是单色图像具有例如,每个像素8位或每个像素12位或每个像素16位。
图5A示出真实物体的参考图像以及图5B示出用于与参考图像比较的物体的检查图像。注意到在两图像中的物体的配置相似但并不相同,因为物体的方位并不相同而且一些移动部分,在该情况下为手表指针,已经移动。参考图像与检查图像各自在基本上相似或相同的条件下产生。
尽管下文描述比较在两图像中可见的物体的整体,但应理解可仅对在图像中可见的物体的一个选择部分或多个选择部分施加相同处理,例如可仅比较物体的中央部分或物体的特定信息丰富的区域(例如物体上的标志)。
图像可以各自被分解成两个或更多个子图像,该子图像接着被分开处理。例如,为了通过选择图像最相关的一个或多个部分来获得更有鉴别力的答案的目的,或是当分解图像成子图像并分开处理它们时,为了速度及效率的目的,可以这样做。
使用计算机处理要被比较的图像,从而为各个图像计算显著点的列表。用于参考图像的显著点的列表在本文中被称为参考列表,且用于检查图像的显著点的列表在本文中被称为检查列表。参考图像的显著点中的一个显著点在本文中被称为参考点。检查图像的显著点中的一个显著点在本文中被称为检查点。每个显著点或兴趣点代表具有区别特征的图像的区域,从而代表具有区别特征的物体的部分,该区别特征使其可在图像的部分劣化下可被识别,劣化可能由例如噪声、失真、以及不完善的测量条件而产生。一个这样的区域的典型例子是角点(corner)。可能对于每个图像有介于1000与20,000个之间的显著点被提取。
每个显著点可包括与对应的图像区域的空间或几何特征相关的一个或更多个数据,例如坐标(x,y)、半径(r)、与取向(θ),且可包括描述符(D),例如对应于相对应的图像区域的数学描述符的数的抽象向量。每个描述符可包括多个元素,例如128。图6A和图6B示出用于物体的显著点的视觉表示。图6A示出整个图像上侦测的显著点,该点的位置以小的黑色十字标示,以及图6B为示出图6A的图像的部分的放大图,该点被以采用该点为圆心的圆标示并且该圆的半径(r)的长度示出相对应特征的大小且半径的相关角度表示显著点的取向(θ)。可以在笛卡尔坐标(Cartesian co-ordinates)中表示点的中心的位置。
这种显著点通常为了执行图像操作(例如图像拼接)的目的而被用于计算机视觉系统。已经发展了一些算法以侦测图像上的显著点,例如角点检测(corner detectors)、Harris、FAST和DoG,以及已经发展了一些算法为该点实现描述符,例如patch、SURF、SIFT、HOG、和GLOH。
经计算显著点,检查图像接着子分割成若干小的子区域,例如100个子区域。如果有100个子区域,那么每个子区域可有50000个像素。每个子区域可有数十或数百个显著点且对非常密集的子区域可有高达1000个显著点。图7示出通过施加分割水平与垂直线71、73的网格70至图像以描绘子区域74,来将图像分割成36个子区域74的示例。子区域A1、F1、A6和F6将被排除在分析之外,因为产品并不存在于这些子区域中。检查图像取决于产品的几何结构与图像的细节的程度,可被自动地子分割成子区域。图6同样示出示例网格60,其具有描绘子区域64的分割水平与垂直线61、63。
经计算用于参考图像的显著点,其被相似地分割成子区域,该子区域在数量、大小、产品的位置、及形状与检查图像的子区域可比较。相同大小的子区域可被用于参考图像和检查图像。
在确定子区域之后,接着再次为检查图像的各个子区域及为参考图像的各个子区域计算显著点。在此示例中,各个显著点包括显著点的坐标(x,y)、其半径(r)与取向(θ)、和描述符(D)。
在为整个图像或达到某种等级的分辨率的图像的感兴趣的区域确定子区域前,计算显著点。在确定子区域之后,再次计算显著点以达到对于各个子区域的更细的分辨率。这产生对每个子区域更大量的显著点且该显著点具有较小的半径。为整个图像以更细的分辨率来计算显著点是可能的,但分割图像成子图像使其更易于平行化计算且因而使得在多处理器系统上的执行更快。
在确定子区域之前,为整个图像以较粗的(coarser)分辨率来计算显著点,以便最小化边缘效应且,由于存在的粗点(coarse points)比细点(fine points)少,所以不需要平行化此步骤。
由于物体在大约相同的位置被成像、从大约相同的方向且以相同的放大率被成像,在检查图像的一个子区域中的物体的部分将大约对应于在检查图像的相对应子区域中的物体的相同部分。例如,在图7的检查图像的子区域B5中,物体3的特征,出现参考数字“8”。相同的特征将出现在参考图像的相对应子区域B5中。因此,相对应子区域的比较允许在检查图像中的产品与参考图像中的产品的相对应特征的比较。
在已为参考图像与要被检查的图像两者的子区域确定显著点之后,确定在两图像中相对应子区域间的匹配点,其中匹配点为在显著点的相对应列表中具有最相似描述符的那些点。匹配点可在检查图像的给定的子区域与参考图像的其相对应子区域间,以及在从被比较的子区域的边界直至预定的距离的邻近子区域中被确定。此适应在检查图像与参考图像中不是恰好对齐的产品。一对匹配点在本文称为“匹配”或“匹配对”。即,对于在一个列表中的各个点,根据在另一列表中的点的描述符的相似性,可选择地根据点的空间特征(例如点的邻近度、点的相似取向、及点的相似大小)来搜寻最可能的匹配。
每个描述符可包括多个元素,例如128。可认为来自一个列表的显著点与来自另一列表的显著点匹配,当它们的描述符满足给定标准时。
两个描述符p=(p1,p2,...pn)和q=(q1,q2,...qn)可被认为是匹配的,当它们的距离满足预定标准时,其中p1,p2,...pn代表描述符的不同元素。
在以下示例,假设描述符已归一化,即,向量p、q满足:||p||=||q||=1
确定两描述符是否匹配可包括确定两描述符向量的欧几里德距离,例如确定2-范数(2-norm)函数:
应指出,为了方便的缘故(如计算速度),此距离可被计算为:
其中最后的等号成立于当p和q被归一化时。
当在两向量间的角θ小时,这可进一步被近似于:
其它合适的函数可被用以归一化描述符,并以计算它们的距离,例如,1-范数(1-norm)距离:
d(p,q)=|p1-q1|+|p2-q2|+...+|pn-qn|
或另一个p-范数(p-norm)距离:
其中p>1
预定的标准可以是绝对标准,例如距离小于特定值;或相对标准,例如介于参考点的描述符与匹配的检查点的描述符之间的距离小于介于参考点的描述符与任意其它检查点的描述符之间的距离,或者,例如介于检查点的描述符与匹配的参考点的描述符之间的距离小于介于检查点的描述符与任意其它参考点的描述符之间的距离。
预定的标准可以是绝对和相对标准的组合。
此外,当在列表中存在许多相似的描述符时(例如对于含有重复图案的图像),限制搜索匹配的描述符至几个在空间上比给定的距离更靠近的点可能是有利的。
图8A示出已为参考图像确定的显著点,显著点的位置被以小的黑色十字标示。图8B示出要与参考图像比较的已为检查图像确定的已确定的显著点。图8C示出与检查图像的显著点匹配的参考图像的显著点,以及图8D示出与参考图像的显著点匹配的检查图像的显著点。
最佳匹配对可接着被选择及用于为两图像确定公共坐标系统以使得显著点可在公共参考框(common frame of reference)内被比较。最佳匹配对可被用来确定将最佳匹配对带至尽可能的靠近对齐的变换。该变换可接着被施加到参考图像的所有显著点或是施加到检查图像的所有显著点以在公共坐标系统中对齐显著点。可能例如,在一个子区域中有1000个匹配对并且可从这些匹配对选择最好的100或150个匹配来确定变换。变换可包括实施平移(translation)和/或旋转参考点的坐标和/或检查点的坐标,例如,以处理物体在参考图像中及在检查图像中不同的摆位(positioning)。变换可进一步包括更复杂的操作例如缩放、等分(share)与失真,例如,以处理在被比较的两个图像中的不同视角或者对应的成像系统的不同光学失真。尽管在两图像中的物体是大致上对齐的,但其是不完全对齐,且比较来自相同取向与视角中的两图像的显著点改进了两图像间细节的比较。
可为对应的子区域确定变换矩阵,并且将该变换矩阵应用于在对应的子区域中的一个子区域中的所有显著点,以旋转和/或平移在特定子区域中的显著点的坐标从而尽可能接近地与对应的子区域中的显著点对齐。为在两图像间的对应的子区域分别确定变换矩阵,而不是为作为整体的图像确定变换矩阵,以改进在两图像的对应的子区域间的对齐与随后的比较。替代地,可确定单一变换矩阵用于图像的所有显著点并以在此步骤中作为整体地处理图像。
可为公共坐标系统定义原点与两个笛卡尔轴,其中匹配的显著点具有尽可能靠近的在相应参考框中的相同坐标。作为示例,公共坐标系统可以是最小化被用于确定公共坐标系统的匹配点间的均方根残差距离(drms)的坐标系统。涉及一系列的n值的术语均方根,在此采用其常规意义来使用,即已被平方与加总的,在匹配点间的残差距离(d1,d2,...,dn)的平方的和除以值(n)的总数的平方根:
产生匹配点间的最小均方根残差距离的变换矩阵接着被施加至在子区域中所有的显著点,而不仅是匹配对,以尽可能靠近地将它们与在对应的子区域中的显著点对齐。
变换显著点相对于原始图像数据意味着较少的数据被处理。然而,为了更好理解本发明的目的,指出将参考点及检查点带至参考的公共框的相同变换可被用于将参考及检查图像对齐是有帮助的,如图9B所示,其中变换已被施加至图9A中所示的检查图像中的每个单独像素的坐标,以对齐图像。
换句话说,图9A示出当图像没有对齐时,两图像的迭加,及图9B示出在它们通过定义公共坐标系统及变换检查图像与参考图像至公共坐标系统(例如通过旋转或平移检查图像),而被对齐后,两图像的迭加。
在已将显著点参照至公共坐标系统之后,在两列表中的显著点接着被用来建立在两图像间的对应程度,从而建立在图像中表示的两物体的对应程度。因此,可确定两物体是否相同从而确定被检查的物体的真实性。
定义分数(score)或函数或价值函数(merit function)以确定在两列表中几对点的对应程度。确定预定阈值,该预定阈值设置边界以用于确定分数或者函数或价值函数的输出是否指示产品是真实的。阈值可以在产品间变化,例如在手表的不同模型间变化。可通过进行特定产品的真实与非真实产品的测试而建立阈值。
在一个示例中,函数是在公共坐标系统中的两列表中的匹配对之间的均方根残差距离。在另一示例中,函数是在两列表中的匹配对之间的均方根残差距离,其受制于仅考虑较给定距离更靠近的匹配对的限制,例如比一个像素更靠近、或是比两个像素更靠近等。
在另一示例中,函数是在参考列表中的各个点与在空间上与其最靠近的检查列表中的点(换句话说为最接近的邻近点)之间的均方根残差距离。在又一示例中,函数是在参考列表中的各个点与在空间上与其最靠近的检查列表中的点(换句话说为最接近的邻近点)之间的均方根残差距离,其受制于仅考虑较给定距离更靠近的几对点的限制,例如比一个像素更靠近、或是比两个像素更靠近等。
在又一示例中,函数是在参考列表中的各个点与在空间上与其最靠近的检查列表中的点(换句话说为最靠近的邻近点)之间的均方根残差距离,其受制于仅考虑其描述符具有大于预定阈值的相似程度的几对点的限制。
在又一示例中,函数被限定为在两列表中的一个列表中的匹配点对所有点的数量的分式(fraction),例如,在参考列表中的1000个点中的300个匹配(30%)。如果30%或更多的点匹配,则该产品可被视为真实的。
可检测围绕在检查列表中的各个显著点或在参考列表中的各个显著点的区域,以在将来自两列表的显著点对齐至公共坐标系统后,确定是否有来自显著点的其它列表的另一个显著点在其附近。这可对在检查列表中或在参考列表中的各个显著点实施,而不论显著点是否已被预先地视为匹配在其它列表中的点。例如,对于在检查列表中或在参考列表中的每个显著点,可检查以显著点为圆心的特定半径的圆形区域(例如一个像素或25μm)以确定是否有来自其它列表的显著点在此圆形区域中。
图10示出检查图像的示例显著点,其中心被以十字标示,且其由参考数字T1到T7指示。图10同样示出参考图像的示例显著点,其中心被以十字标示,且其由参考数字R1到R6指示。检查图像与参考图像的显著点已于公共坐标系统中对齐。对检查图像中的各个显著点,T1到T7,考虑围绕各个点的半径(r),以确定是否有来自参考图像的显著点在该半径中。对于点T1,有显著点R1在半径(r)中。对于点T2,没有来自参考图像的显著点在半径(r)中。对于点T3,有多个显著点R5与R6在半径(r)中。已考虑围绕检查图像的各个显著点T1到T7的半径(r),确定具有在点的半径(r)之内的一个或更多个显著点的检查图像的显著点的总数。可对每个子区域分别地实施此计算。可接着组合结果以确定具有在半径(r)内的一个或更多个显著点的检查图像的显著点的总数量对(a)检查图像的显著点的总数量或对(b)用于比较的图像或用于比较的图像的感兴趣的区域的参考图像的显著点的总数量的比例。比例(a)或(b)可基于显著点的两列表中哪个较短而被选择。该比例被用以确定两产品是否相同。如果两产品相同则比例会更高。如果两产品不相同则比例会更低。用于确定产品的真实性的比例的确切阈值将依据被比较的产品的确切本质而变化。
对于一个特定模型,将手表的检查图形与相同的单个手表的参考图像比较,发现该比例的阈值将是大约20%。对另一种模型,发现该比例的阈值将是40%。对又一个单个手表,该阈值是50%。当同一模型的两个不同的真实手表被比较时,该比例或百分比显著地低于阈值,例如介于5%与10%之间。对于伪造的手表和相同的预期(intended)模型的真实手表,该比例可只有1%至2%。用于确定产品的真实性的阈值将在产品之间变化。这将取决于产品的成像细节的复杂度。对每个产品的阈值将需要被校准与确定以用于特定模型。
图11A到图11D示出显著点与在显著点已被参照至公共坐标系统之后对于参考图像和对于要被与参考图像比较的检查图像的比两个像素更靠近的显著点。图11A示出为参考图像确定的显著点以及图11B示出为检查图像确定的显著点。图11C示出比两个像素更靠近对于在公共坐标系统中的检查图像的显著点的参考图像的显著点。在图11和图11D中,保留比两个像素更靠近的所有点,而不管它们的描述符如何。图11D示出了比两个像素更靠近在公共坐标系统中的参考图像的显著点的检查图像的显著点。图12A到图12D示出图11A到图11D中所示的图像的部分的放大版本以分别示出比较的过程。
应清楚上述提及的示例并不意在穷举,而且可使用其它函数,包括结合两个或更多个上述提及的标准的函数。
基于函数,答案被计算机输出并且传送到关心在两图像之间对应的程度从而关心在图像中呈现的两物体对应的程度的用户。此答案可以是函数的输出本身、或者如果该函数是高于或低于预定的值,则答案可为简单的是/否、或者可以是更复杂的答案,例如传递在匹配点间的比例及rms距离。
答案可对成像设备2本地计算并发送至验证站,该验证站可以是中央服务器。答案可以在远程服务器被计算并传送到对于成像设备2本地的使用者。
可能有需要或想要采集真实产品的图像作为之后据其检查图像可被比较的新的参考图像。例如,如果产品被修理则产品的细节可能稍微改变。在修理之后,产品可使用成像设备2被成像且图像数据被储存为参考以用于在日后的产品验证。储存原始图像数据是特别有帮助的,使得日后可对数据实施分析。
Claims (13)
1.一种验证产品的方法,包括:
-采集要被验证的产品的图像;
-确定所采集的图像的多个显著点;
-将所述要被验证的产品的所采集的图像的所述多个显著点与真实产品的预先采集的参考图像的多个显著点比较,其中,所述要被验证的产品和所述真实产品位于用于计算所述显著点的图像中的基本相同的位置;
-在比较所述显著点之前,将所述要被验证的产品的所述图像的多个所述显著点与所述真实产品的所述图像的多个所述显著点对齐,其中对齐所述显著点包括确定在所述要被验证的产品的所述图像的所述多个显著点与所述真实产品的所述图像的所述多个显著点之间的两个或更多个匹配对,以及使用所述两个或更多个匹配对来确定用于在公共坐标系统中对齐所述显著点的变换,将所述要被验证的产品的所述图像的所述多个显著点与所述真实产品的所述图像的所述多个显著点比较包括确定所述要被验证的产品的所述图像的所述多个显著点中的显著点是否在所述真实产品的所述图像的所述多个显著点中的显著点的限定的距离之内;
-确定在所述图像的区域内的所述真实产品的所述图像的显著点的所述限定的距离之内的所述要被验证的产品的所述图像的显著点的总数;
-确定在所述限定的距离之内的所述要被验证的产品的所述图像的显著点的总数与所述图像中的显著点的总数的比例;以及
-如果所述比例高于预定阈值,则验证所述产品为真实的。
2.根据权利要求1所述的方法,其中所述要被验证的产品的所述图像的所述显著点与所述真实产品的所述图像的所述显著点中的每一个显著点包括描述符,并且其中确定两个或更多个匹配对包括比较所述要被验证的产品的所述图像的所述多个显著点的所述描述符与所述真实产品的所述图像的所述多个显著点的所述描述符。
3.根据权利要求1所述的方法,进一步包括将所述要被验证的产品的所述图像分割成多个子区域,并且针对所述多个子区域分别地将所述要被验证的产品的所述图像的所述多个显著点与所述真实产品的所述参考图像的所述多个显著点对齐。
4.根据权利要求3所述的方法,包括在确定所述子区域之前确定所述要被验证的产品的所述图像的多个显著点,用于辅助确定所述子区域。
5.根据权利要求1所述的方法,其中将所述要被验证的产品的所述图像的所述多个显著点与所述真实产品的所述图像的所述多个显著点比较包括对于在所述图像的区域内的所述真实产品的所述图像的所述显著点中的至少一些显著点或所述要被验证的产品的所述图像的所述显著点中的至少一些显著点,确定所述要被验证的产品的所述图像的所述多个显著点中的显著点是否在所述真实产品的所述图像的所述多个显著点中的显著点的限定的距离之内。
6.根据权利要求5所述的方法,进一步包括将函数应用于在所述限定的距离之内的所述要被验证的产品的所述图像的显著点的总数以确定用于与阈值比较的输出从而确定所述产品的真实性。
7.根据权利要求6所述的方法,其中所述函数包括将在所述限定的距离之内的所述要被验证的产品的所述图像的显著点的总数除以在所述图像的所述区域内的所述要被验证的产品的所述图像的显著点的总数或除以在所述图像的所述区域内的所述真实产品的所述图像的显著点的总数,以确定比例。
8.根据权利要求1所述的方法,其中所述产品为时计。
9.根据权利要求1所述的方法,其中所采集的图像为第一图像,并且进一步包括采集所述产品的第二图像,用于创建基于所述第一图像与所述第二图像的合成图像以用于与真实产品的参考图像比较,来用于验证所述产品。
10.根据权利要求9所述的方法,其中当从第一方向照亮所述产品时实施采集所述产品的所述第一图像的步骤,并且其中当从第二方向照亮所述产品时实施采集所述产品的所述第二图像的步骤,其中所述第二方向与所述第一方向不同。
11.根据权利要求9所述的方法,其中在第一曝光时刻处实施采集所述第一图像的步骤,并且其中在第二曝光时刻处实施采集所述第二图像的步骤,其中所述第一曝光时刻与所述第二曝光时刻不同。
12.根据权利要求9所述的方法,进一步包括接收成像指令,所述成像指令包括用于采集所述要被验证的产品的一个或多个图像的条件;以及根据所述成像指令采集所述产品的所述一个或多个图像。
13.根据权利要求12所述的方法,其中所述成像指令传送与在较早时间点处采集真实产品的一个或多个所述参考图像基本上相似或相同的条件,以使得所述要被验证的产品能够在与所述真实产品基本上相似或相同的条件下被成像。
Applications Claiming Priority (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
EP2013073889 | 2013-11-14 | ||
EPPCT/EP2013/073889 | 2013-11-14 | ||
US201361904649P | 2013-11-15 | 2013-11-15 | |
US61/904,649 | 2013-11-15 | ||
PCT/EP2014/074687 WO2015071442A1 (en) | 2013-11-14 | 2014-11-14 | Image analysis for authenticating a product |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105874468A CN105874468A (zh) | 2016-08-17 |
CN105874468B true CN105874468B (zh) | 2019-11-05 |
Family
ID=51903902
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201480071797.2A Active CN105874468B (zh) | 2013-11-14 | 2014-11-14 | 用于验证产品的图像分析 |
Country Status (5)
Country | Link |
---|---|
US (1) | US9940515B2 (zh) |
JP (1) | JP6503569B2 (zh) |
CN (1) | CN105874468B (zh) |
TW (1) | TW201531960A (zh) |
WO (1) | WO2015071442A1 (zh) |
Families Citing this family (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9224196B2 (en) * | 2014-03-12 | 2015-12-29 | ClearMark Systems, LLC | System and method for authentication |
US9569693B2 (en) * | 2014-12-31 | 2017-02-14 | Here Global B.V. | Method and apparatus for object identification and location correlation based on received images |
MX2019012706A (es) | 2017-04-24 | 2019-12-16 | Patek Philippe Sa Geneve | Metodo para identificar un reloj. |
US20210374476A1 (en) * | 2017-11-24 | 2021-12-02 | Truemed Oy | Method and system for identifying authenticity of an object |
CN108875513A (zh) * | 2017-12-07 | 2018-11-23 | 北京旷视科技有限公司 | 图像对齐方法和装置、计算机可读存储介质 |
JP6988592B2 (ja) * | 2018-03-13 | 2022-01-05 | オムロン株式会社 | 画像検査装置、画像検査方法及び画像検査プログラム |
KR102055290B1 (ko) * | 2018-04-05 | 2019-12-13 | 에스케이플래닛 주식회사 | 촬영된 디바이스의 이미지를 활용한 디바이스 인증방법 및 이를 위한 시스템 |
US11281926B2 (en) * | 2018-06-04 | 2022-03-22 | Denso Corporation | Feature extraction method and apparatus |
US11074592B2 (en) * | 2018-06-21 | 2021-07-27 | The Procter & Gamble Company | Method of determining authenticity of a consumer good |
US10572784B1 (en) | 2018-07-25 | 2020-02-25 | Wells Fargo Bank, N.A. | Wood transaction instrument |
US11295152B2 (en) * | 2019-03-01 | 2022-04-05 | Basf Coatings Gmbh | Method and system for object recognition via a computer vision application |
FI20196125A1 (en) * | 2019-12-23 | 2021-06-24 | Truemed Oy | A method for identifying the authenticity of an object |
CN111650804B (zh) * | 2020-05-18 | 2021-04-23 | 安徽省徽腾智能交通科技有限公司 | 一种立体图像识别装置及其识别方法 |
CN111932282A (zh) * | 2020-09-22 | 2020-11-13 | 北京大鱼梦想科技有限公司 | 一种防伪检测方法及装置 |
JP2022098939A (ja) * | 2020-12-22 | 2022-07-04 | 富士フイルムビジネスイノベーション株式会社 | 照合装置及び照合プログラム |
JP2023046978A (ja) * | 2021-09-24 | 2023-04-05 | 富士フイルムビジネスイノベーション株式会社 | 照合装置及びプログラム |
US20230186324A1 (en) | 2021-12-10 | 2023-06-15 | The Swatch Group Research And Development Ltd | Method and system for identifying a timepiece |
US11847799B2 (en) * | 2022-02-28 | 2023-12-19 | Logitech Europe S.A. | Color matching system for product manufacturing |
WO2023218441A1 (en) * | 2022-05-11 | 2023-11-16 | Inspekto A.M.V. Ltd. | Optimizing a reference group for visual inspection |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1143375A2 (en) * | 2000-04-03 | 2001-10-10 | Nec Corporation | Device, method and record medium for image comparison |
CN101383908A (zh) * | 2005-08-19 | 2009-03-11 | 松下电器产业株式会社 | 图像处理方法、图像处理系统以及图像处理程序 |
CN101777131A (zh) * | 2010-02-05 | 2010-07-14 | 西安电子科技大学 | 双模人脸识别方法及装置 |
CN102682008A (zh) * | 2011-03-14 | 2012-09-19 | 高如如 | 一种基于显著点和svm相关反馈的图像检索方法 |
CN102859555A (zh) * | 2011-01-13 | 2013-01-02 | 松下电器产业株式会社 | 图像处理装置、图像处理方法及程序 |
CN103238159A (zh) * | 2010-09-28 | 2013-08-07 | 华为技术有限公司 | 用于图像认证的系统和方法 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5018404B2 (ja) | 2007-11-01 | 2012-09-05 | ソニー株式会社 | 画像識別装置および画像識別方法、並びに、プログラム |
JP6011811B2 (ja) * | 2011-03-04 | 2016-10-19 | 日本電気株式会社 | 流通管理システム、流通管理方法及びそれらに用いられる装置、ラベル、プログラム |
JP2013101423A (ja) * | 2011-11-07 | 2013-05-23 | Nippon Telegr & Teleph Corp <Ntt> | 画像マッチング装置及び画像マッチングプログラム |
JP5723301B2 (ja) * | 2012-01-10 | 2015-05-27 | 日本電信電話株式会社 | 被写体認識装置及び被写体認識プログラム |
JPWO2013115203A1 (ja) * | 2012-01-30 | 2015-05-11 | 日本電気株式会社 | 情報処理システム、情報処理方法、情報処理装置およびその制御方法と制御プログラム、通信端末およびその制御方法と制御プログラム |
-
2014
- 2014-11-11 TW TW103139078A patent/TW201531960A/zh unknown
- 2014-11-14 WO PCT/EP2014/074687 patent/WO2015071442A1/en active Application Filing
- 2014-11-14 JP JP2016530148A patent/JP6503569B2/ja active Active
- 2014-11-14 US US15/036,536 patent/US9940515B2/en active Active
- 2014-11-14 CN CN201480071797.2A patent/CN105874468B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1143375A2 (en) * | 2000-04-03 | 2001-10-10 | Nec Corporation | Device, method and record medium for image comparison |
CN101383908A (zh) * | 2005-08-19 | 2009-03-11 | 松下电器产业株式会社 | 图像处理方法、图像处理系统以及图像处理程序 |
CN101777131A (zh) * | 2010-02-05 | 2010-07-14 | 西安电子科技大学 | 双模人脸识别方法及装置 |
CN103238159A (zh) * | 2010-09-28 | 2013-08-07 | 华为技术有限公司 | 用于图像认证的系统和方法 |
CN102859555A (zh) * | 2011-01-13 | 2013-01-02 | 松下电器产业株式会社 | 图像处理装置、图像处理方法及程序 |
CN102682008A (zh) * | 2011-03-14 | 2012-09-19 | 高如如 | 一种基于显著点和svm相关反馈的图像检索方法 |
Also Published As
Publication number | Publication date |
---|---|
CN105874468A (zh) | 2016-08-17 |
US9940515B2 (en) | 2018-04-10 |
JP6503569B2 (ja) | 2019-04-24 |
WO2015071442A1 (en) | 2015-05-21 |
US20160300107A1 (en) | 2016-10-13 |
TW201531960A (zh) | 2015-08-16 |
JP2016541052A (ja) | 2016-12-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105874468B (zh) | 用于验证产品的图像分析 | |
CN105408821B (zh) | 用于验证衍射元件的方法和设备 | |
JP2020161149A (ja) | 真贋判定方法、真贋判定システム、及びそのプログラム | |
AU2008201745B2 (en) | A system and method for determining whether a test object is an authentic object | |
US20120281077A1 (en) | Method and system for reading and validating identity documents | |
CN104395938B (zh) | 具有内置发光装置和摄像头的物品认证设备 | |
CN108291876A (zh) | 用于检测产品的真实性的系统及方法 | |
KR20200118842A (ko) | 신원 인증 방법 및 장치, 전자 기기 및 저장 매체 | |
JP2013522754A (ja) | 複数の虹彩テンプレートを用いた虹彩認識装置及び方法 | |
JP2018521377A (ja) | 人工3d再構成を用いてセキュリティパターンを識別する方法 | |
JP7190354B2 (ja) | 被写体の完全性を鑑定及び/又はチェックするための方法 | |
US10990845B2 (en) | Method of augmented authentification of a material subject | |
Wong et al. | Counterfeit detection based on unclonable feature of paper using mobile camera | |
US10726256B2 (en) | Counterfeit detection scheme using paper surfaces and mobile cameras | |
CN108292457A (zh) | 识别装置、识别方法、识别程序及包含识别程序的计算机可读介质 | |
Wong et al. | A study on PUF characteristics for counterfeit detection | |
CN106575368B (zh) | 安全标签中光学随机性的自动验证 | |
CN111213156B (zh) | 字符识别锐度确定 | |
ZA200803184B (en) | Object authentication using a portable digital image acquisition device | |
EP3069295B1 (en) | Image analysis for authenticating a product | |
CN111766244B (zh) | 防伪元件验证方法及系统 | |
TW202109374A (zh) | 一種以織物特徵驗證產品真偽及建立授權品資料的方法 | |
US10902584B2 (en) | Detection of surface irregularities in coins | |
CN112597810A (zh) | 身份证明文件认证方法和系统 | |
Liu | Micro Signal Extraction for Surface-Based Authentication and Deepfake Detection |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
REG | Reference to a national code |
Ref country code: HK Ref legal event code: DE Ref document number: 1228068 Country of ref document: HK |
|
GR01 | Patent grant | ||
GR01 | Patent grant |