CN109074371B - 用于确定标记是否真实的方法和计算装置 - Google Patents

用于确定标记是否真实的方法和计算装置 Download PDF

Info

Publication number
CN109074371B
CN109074371B CN201780017503.1A CN201780017503A CN109074371B CN 109074371 B CN109074371 B CN 109074371B CN 201780017503 A CN201780017503 A CN 201780017503A CN 109074371 B CN109074371 B CN 109074371B
Authority
CN
China
Prior art keywords
computing device
candidate
authentic
mark
marker
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
Application number
CN201780017503.1A
Other languages
English (en)
Other versions
CN109074371A (zh
Inventor
马迪亚斯·福格特
迈克尔·L·苏波斯基
拉菲克·阿尤波
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Sys Tech Solutions Inc
Original Assignee
Sys Tech Solutions Inc
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Sys Tech Solutions Inc filed Critical Sys Tech Solutions Inc
Publication of CN109074371A publication Critical patent/CN109074371A/zh
Application granted granted Critical
Publication of CN109074371B publication Critical patent/CN109074371B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
    • G06K7/00—Methods or arrangements for sensing record carriers, e.g. for reading patterns
    • G06K7/10—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation
    • G06K7/14—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation using light without selection of wavelength, e.g. sensing reflected white light
    • G06K7/1404—Methods for optical code recognition
    • G06K7/1408—Methods for optical code recognition the method being specifically adapted for the type of code
    • G06K7/1434—Barcodes with supplemental or add-on codes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
    • G06K7/00—Methods or arrangements for sensing record carriers, e.g. for reading patterns
    • G06K7/10—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation
    • G06K7/14—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation using light without selection of wavelength, e.g. sensing reflected white light
    • G06K7/1404—Methods for optical code recognition
    • G06K7/1408—Methods for optical code recognition the method being specifically adapted for the type of code
    • G06K7/1413—1D bar codes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
    • G06K7/00—Methods or arrangements for sensing record carriers, e.g. for reading patterns
    • G06K7/10—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation
    • G06K7/14—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation using light without selection of wavelength, e.g. sensing reflected white light
    • G06K7/1404—Methods for optical code recognition
    • G06K7/1408—Methods for optical code recognition the method being specifically adapted for the type of code
    • G06K7/1417—2D bar codes
    • 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
    • G06V10/12—Details of acquisition arrangements; Constructional details thereof
    • G06V10/14—Optical characteristics of the device performing the acquisition or on the illumination arrangements
    • G06V10/143—Sensing or illuminating at different wavelengths
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/42—Global feature extraction by analysis of the whole pattern, e.g. using frequency domain transformations or autocorrelation
    • G06V10/431—Frequency domain transformation; Autocorrelation
    • 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
    • G06V10/761—Proximity, similarity or dissimilarity measures
    • 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
    • G06V10/762—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using clustering, e.g. of similar faces in social networks
    • 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

Abstract

描述了用于确定标记是否为真的方法。根据各种实施方式，计算装置(或其逻辑电路)接收(例如，经由相机或经由通信网络)候选标记(例如，一维或二维条形码)的图像，利用该图像测量候选标记的特征的特性，从而得到该特征的配置。计算装置从该特征配置中滤除被指示为同胞频率分量的所有空间频率分量。在一些实施例中，计算装置执行相反的过程，并滤除除了被指示为同胞频率分量之外的所有空间频率分量。

Description

用于确定标记是否真实的方法和计算装置
相关申请的交叉引用
本申请要求2016年3月14日提交的美国临时专利申请62/307,901的优先权，该临时专利申请通过引用并入本文。
技术领域
本公开一般涉及防伪技术，并且更具体地，涉及用于确定标记是否为真的方法和计算装置。
背景技术
不幸的是，伪造产品可广泛获得并且通常难以发现。当造假者生产假货时，除了实际产品外，它们通常会复制标签和条形码。在肤浅层面，标签和条形码可能看起来是真实的，甚至在扫描时产生有效数据(例如，解码为适当的通用产品代码(Universal ProductCode))。虽然目前有许多技术可用于对抗这种复制，但是大多数这些解决方案涉及插入各种类型的代码、图案，微纤维、微点和其它标记以帮助阻止伪造。这些技术要求制造商利用额外的装置和材料，并为生产过程增加一层复杂性。
附图说明
尽管所附权利要求具体地阐述了本技术的特征，但是从以下结合附图的详细描述中可以最好地理解这些技术及其目的和优点，附图中：
图1是可以实现本公开的各种实施例的系统的示例。
图2是可以实现本公开的各种实施例的系统的另一示例。
图3示出了根据实施例的计算装置的架构。
图4示出了根据实施例的标记的示例。
图5是根据实施例的由一个或多个计算装置执行的过程的流程图。
图6是根据另一实施例的由一个或多个计算装置执行的过程的流程图。
图7A和图7B示出了根据实施例的计算装置如何计算投影平均像素值的示例。
图8示出了根据另一实施例的标记的示例。
图9A和图9B示出了根据实施例的计算装置如何计算投影平均像素值的另一示例。
图10示出了根据实施例的边缘配置的曲线图的示例。
图11示出了根据实施例的计算装置应用带通滤波器之后的图10的边缘配置的示例。
图12示出了根据实施例的在包括真实标记、真实标记的四个同胞和很多伪像的一组典型的标记集之间测量的相应的相似性。
图13是可以实现本公开的各种实施例的系统的示例。
图14A、图14B和图14C是根据实施例的由一个或多个计算装置执行的处理的流程图。
图15是可以实现本公开的各种实施例的系统的另一示例。
图16A、图16B和图16C是根据实施例的由一个或多个计算装置执行的过程的流程图。
图17示出了根据实施例的计算装置的架构。
图18示出了根据实施例的标记的示例。
图19示出了根据另一实施例的标记的示例。
图20示出了根据实施例的计算装置如何对度量组进行分类并选择度量子组的位置标识符的示例。
图21示出了根据实施例的计算装置如何根据与多个度量子组相对应的位置标识符形成哈希标识符块的示例。
图22示出了在实施例中计算装置如何比较两个哈希标识符块并对比较结果进行评分的示例。
图23示出了在实施例中计算装置如何将多个哈希标识符块组合成整体哈希标识符的示例。
图24和图25示出了在实施例中计算装置执行以将给定特征(或特征的给定度量组)的两组自相关值之间的相关度转换为该特征或度量组的匹配分数的过程。
图26和、图27和图28示出了在实施例中由计算装置生成的幂级数的示例。
图29示出了在实施例中计算装置如何为标记生成电子签名的示例。
图30示出了根据实施例的候选相似性匹配与真实签名。
图31示出了根据实施例的同胞签名。
图32示出了根据实施例的同胞标记如何彼此相关。
图33示出了根据实施例的非同胞、非相关签名的相关性。
图34示出了根据实施例的非同胞签名的相关性。
图35示出了在实施例中利用同胞和/或非同胞签名来搜索数据库(例如，通过二叉树)。
图36示出了根据实施例的相似性分数。
图37示出了被处理成五个较小的集群的图36的单个集群数据。
图38示出了根据实施例的另一示例匹配分数。
图39和图40示出了根据各种实施例的空间频谱相关性曲线的示例。
具体实施方式
本公开一般涉及用于确定标记是否为真的方法和计算装置。根据各种实施例，计算装置(或其逻辑电路)接收(例如，经由相机或经由通信网络)候选标记(例如，一维或二维条形码)的图像，利用该图像对候选标记的特征(边缘、单元、条形、子区域、空白区域或伪像)的特性进行测量(例如，线性、颜色或与最佳拟合网格的偏差)，产生该特征的配置(profile)。计算装置从特征配置中滤除被指示为同胞(sibling)频率分量的所有空间频率分量。在一些实施例中，计算装置执行相反的过程，并滤除除了被指示为同胞频率分量的那些之外的所有空间频率分量。
在实施例中，计算装置测量的特征是标记的边缘，并且计算装置测量的边缘的特性是其投影平均像素值。例如，计算装置可以确定包括边缘的候选标记的一部分中的投影平均像素值(例如，沿着条形码的一个或多个边缘)，从而产生边缘的配置。计算装置可以利用各种滤波技术。
例如，计算装置可以从边缘配置中滤除除了第一空间频率分量频带之外的所有空间频率分量(例如，通过应用带通滤波器)，从而产生该边缘的第一滤波配置。然后，计算装置可以针对第二频带空间频率分量重复该滤波过程(例如，通过将第二带通滤波器应用于原始边缘配置)，从而产生边缘的第二滤波配置，并且可以对进一步的空间频带重复该滤波过程。计算装置将候选标记的第一滤波配置与真实标记的等效第一滤波配置(例如，计算装置通过对真实标记的相同边缘第一配置应用相同的带通滤波器获得的滤波配置)进行比较。计算装置还将候选标记的第二滤波配置与真实标记的等效第二滤波配置进行比较。计算装置基于这些比较来确定候选标记是否为真。
在实施例中，对于计算装置在候选标记的滤波配置和真实标记的滤波配置之间进行的每次比较，计算装置分配相关性分数。通过将应用于(候选标记和真实标记的)特征配置的带通滤波器映射到该相关性分数(例如，绘制每个相关性分数与应用于创建被比较的滤波配置的带通滤波器的关系图)，计算装置创建空间频谱相关性配置。计算装置基于其对空间频谱相关性配置的分析来确定候选标记是否为真。
根据各种实施例，计算装置仅分析空间频谱相关性配置的子部分，以便识别候选标记的起源。例如，计算装置可以关注空间频谱相关性配置的最低(例如，最低四个)频带，以便确定候选标记是否是真实标记的复印件。
根据各种实施例，计算装置(或其逻辑电路)利用真实标记内的无意产生的伪像来定义可识别的电子签名(“签名”)，并提取签名的某些特征，以便增强搜索许多真实签名并与候选标记的签名进行比较的容易度和速度。
根据实施例，计算装置接收候选标记的捕获图像，利用该捕获图像测量候选标记的多个位置中的候选标记的特性，从而产生该特性的度量组(在一些情况下，多个度量组)。计算装置基于该度量组生成候选标记的签名。计算装置利用与其测量特性的位置的子位置组相对应的位置标识符(例如，产生最高幅值测量的位置的光栅索引号)来导出哈希标识符(“HID”)。计算装置基于候选标记的HID与先前导出和存储的真实标记的HID的比较来确定相应的HID是否彼此高度匹配。如果计算装置确定候选标记的HID与真实标记的HID高度匹配(根据预定阈值)，则计算装置从介质存储装置检索获取真实标记的签名(其中，真实标记的签名包含有关真实标记的伪像的数据)，并将候选标记的签名与检索到的真实标记签名进行比较。
在另一实施例中，计算装置(或其逻辑电路)接收真实标记的捕获图像，利用捕获图像测量候选标记的特性，从而产生该特性的度量组(在一些情况下，多个度量组)。计算装置基于该度量组生成真实标记的签名。计算装置利用与其测量特性的位置的子组相对应的位置标识符(例如，产生最高幅值测量的位置的光栅索引号)从签名导出HID，并将HID存储在与签名相关联的介质存储装置中。在实施例中，计算装置以这样的方式将HID和签名存储在数据库中，使得计算装置随后可以利用HID(或者利用可以与真实标记的签名的HID高度匹配的未知HID)查询数据库。
根据各种实施例，候选标记的HID可以与多个真实标记的HID高度匹配。然而，比较候选标记的HID与真实标记的HID和比较实际签名相比计算强度较低并且利用较少的内存。因此，通过在初始通过一组已知的真实标记的签名中利用HID，计算装置或逻辑电路可以显著减少需要比较的实际签名的数量。
本公开通常提及“标记(mark)”。如这里所利用的，“标记”是有意地放在物理对象上的可见指示符。标记可以是标识品牌(例如，logo)的东西，承载信息的东西，诸如，条形码(例如，国际标准化组织(“ISO”)和国际电工委员会(“IEC”)标准ISO/IEC 16022中规定的二维(“2D”)条形码)、有效期、或跟踪信息(诸如，序列号)或装饰。可以在电磁波谱的某些部分中看到上述标记，虽然不一定是肉眼可见。标记的“特征(feature)”是标记上可见的(对于辅助或无辅助的眼睛)某些东西。特征的“特性(characteristic)”是特征的一些可测量的方面，诸如，其线性度、颜色或与最佳拟合网格的偏差。
“配置(profile)”是特征的一个或多个特性的一组测量值。在各种实施例中，本文描述的一个或多个计算装置可以利用一个或多个配置以便确定标记是否为真。以下是配置类型的非详尽列表：边缘配置、单元配置、子区域配置和伪像配置。
这里利用的术语“伪像(artifact)”是由创建标记的机器或过程产生的标记的特征，但不是由设计或意图产生的(即，不规则)。伪像可能具有可测量的特性。标记的伪像可能出现在标记的预期边界之外。伪像及其可测量特性的示例包括：(a)子区域(例如，2D条形码的单元格)的平均颜色与从标记内部得到的平均值(可以是相同标称颜色的相邻单元的平均值)的偏差，(b)相对于邻近子区域的最佳拟合网格的子区域位置偏差，(c)与单元的标称颜色不同的至少两种颜色中的一种不同颜色的区域，(d)与标记内连续边缘的标称形状的偏离，以及(e)由印刷标记引起的缺陷或其它变化，诸如，杂散标记或空隙。在一些实施例中，伪像并非是可控制地可再现。
这里利用的术语“逻辑电路(logic circuitry)”表示设计用于执行根据数学逻辑定义的复杂功能的电路(一种电子硬件)。逻辑电路的示例包括微处理器、控制器或专用集成电路。当本公开涉及执行动作的计算装置时，应该理解，这也可以意味着与计算装置集成的逻辑电路实际上正在执行动作。
这里利用的术语“移动通信装置(mobile communication device)”是能够通过无线网络(诸如，蜂窝网络或WiFi网络)发送和接收信息的通信装置。移动通信装置的示例包括手机(例如，智能手机)、平板电脑和具有无线通信功能的便携式扫描仪。
这里利用的术语“空间频率(spatial frequency)”是指在一定距离上像素颜色(例如，灰度颜色)的变化的周期性。空间频率的单位是每单位线性距离的像素。为了方便，空间频率在本文中还可以表示为波长(例如，像素灰度变化中的相邻峰值之间的距离)。例如，应用带通滤波器以仅允许波长在0.3毫米和3毫米之间的分量，相当于应用带通滤波器以仅允许空间频率在3.33像素/毫米和0.33像素/毫米之间的分量。因此，当在此利用术语“空间频带(spatial frequency band)”时，它可以包括一定范围的空间波长。
如本文所利用的术语“高度匹配(“closely match，”“closely matching，”“closely matched”)”是指基于产生相似性的值之间的比较(例如，两个哈希标识符)进行的确定的结果，达到或超过预定阈值。例如，如果预定阈值是20％，则如果一个哈希标识符的如果组成部分的20％或更多(例如，20％或更多的组成哈希标识符块)在值上等于另一个哈希标识符的组成部分的20％或更多，则可以说两个哈希标识符“高度匹配”。
这里利用的术语“位置标识符(location identifier)”是指映射到标记中的位置的数值。位置标识符与标记内的位置之间的映射关系可以是一对一的。与标记中的位置具有一对一映射关系的位置标识符的示例是光栅索引号。
这里利用的术语“聚集(clustering)”是指计算装置执行将一组签名(或从这种签名导出的数据(例如，签名的HID))分组的任务，使得在同一组(集群(“cluster”))中的签名彼此之间与其它集群中的相比更相似(通过某个至少一个标准)。计算装置可以在一组集群上执行聚集操作以创建“超级集群”。签名的集群和超级集群存储在一个或多个介质存储装置中，并且可以通过数据库程序访问。
转到图1，标记施加装置100将真实标记102(“标记102”)应用于合法物理对象104(“对象104”)。在一些实施例中，对象104是制品，诸如，一件衣服、手提包或时尚配饰。在其它实施例中，对象104是标签，诸如，条形码标签或用于某些其它物理对象的包装。标记102可以是识别品牌(例如，徽标)、带有信息(例如，条形码)的东西或装饰。标记施加装置100的可能实施例包括打印机(例如，激光或热敏打印机)、蚀刻装置、雕刻装置、模具施加装置、标记装置、缝合装置和热转印装置。标记施加装置100通过例如印刷、蚀刻、雕刻、模制、标记、缝合或热转印将标记102施加到对象104上。标记102包括一个或多个伪像。在一些实施例中，标记102还包括有意产生的防伪特征，诸如，微观图案。
第一图像捕获装置106(例如，相机、机器视觉装置或扫描仪)在应用标记102之后捕获标记102的图像。控制第一图像捕获装置106捕获标记102的图像的环境，使得可以合理地保证图像实际上是真实标记102的图像。例如，标记施加装置100施加标记102和第一图像捕获装置106获得标记102的图像之间的时间间隔可以很小，并且第一图像捕获装置106可以在包装线上物理上位于标记施加装置100的旁边。因此，当利用术语“真实标记”时，它指的是由标记施加装置在合法来源处施加的标记(即，不是非法或秘密地复制)。
第一图像捕获装置106将捕获的图像发送到第一计算装置108。第一计算装置108的可能实施例包括台式计算机、机架式服务器、膝上型计算机、平板计算机和移动通信装置。在一些实施例中，第一图像捕获装置106与第一计算装置108集成，在这种情况下，第一图像捕获装置106将捕获的图像发送到第一计算装置108的逻辑电路。第一计算装置108或其中的逻辑电路接收捕获的图像并发送捕获的图像到第二计算装置110。第二计算装置110的可能实现包括为第一计算装置108列出的所有那些装置。
在接收到捕获的图像时，第二计算装置110生成真实标记102的一个或多个特征的一个或多个滤波配置。在实施例中，第二计算装置在执行该任务时可以执行的动作是图5中所示的那些的动作，其将在下面更详细地描述。第二计算装置110将滤波配置存储在介质存储装置112中。
根据实施例，在用于生成滤波配置之前，真实标记的捕获图像成为融合图像的一部分。例如，假设第一图像捕获装置106捕获真实标记的多个(两个或更多个)图像，并将捕获的图像发送到第一计算装置108。第一计算装置108将图像(例如，通过平均它们)融合成单个图像(“融合图像”)，并将融合图像发送到第二计算装置110。然后，通过采用本文所述的一种或多种技术，第二计算装置110利用融合图像来生成真实的一个或多个特征的一个或多个滤波配置。或者，第一计算装置108可以将多个捕获的图像发送到第二计算装置110，然后第二计算装置可以融合图像(并且基于得到的融合图像生成一个或多个滤波配置)。
继续参考图1，需要测试未经验证的物理对象114(“未经验证的对象114”)，其可以是或可以不是合法的物理对象104，以确保它不是伪造的或者是非法的。未经验证的对象114的可能实施例与合法物理对象104的可能实施例相同。在未经验证的对象114上是候选标记116。候选标记116的可能实施例与真实标记102的可能实施例相同。图像捕获装置118(例如，相机、机器视觉装置或扫描仪)捕获候选标记116的图像并将图像发送到第三计算装置120。与第一图像捕获装置106和第一计算装置108一样，第二图像捕获装置118可以是第三计算装置120的一部分，并且候选标记116的捕获图像的传输可以是内部的(即，从第二图像捕获装置118到第三计算装置120的逻辑电路)。第三计算装置120(或其中的逻辑电路)接收捕获的图像并将捕获的图像发送到第二计算装置110。
根据实施例，候选标记的捕获图像在被用于生成滤波配置之前成为融合图像的一部分。这可以以与上面关于真实标记102的捕获图像描述的相同方式来实现。
在接收到捕获的图像时，第二计算装置110生成候选标记116的一个或多个特征的一个或多个滤波配置。在实施例中，第二计算装置在执行该任务时可以执行的动作是图6中所示的那些，其将在下面更详细地描述。
转到图2，描述了可以在另一实施例中利用的系统的示例。位于包装设备200上的是标签打印机202、标签施加装置204、包装线206、图像捕获装置208和第一计算装置210。标签打印机202将真实标记(包括真实标记212(“标记212”))施加到标签卷214上承载的多个标签。真实标记的可能实施例包括一维(“1D”)条形码和2D条形码。标签施加装置204将标签(包括图2中单独示出的标签216和218)施加于合法的物理对象，其中两个在图2中用附图标记220和222表示(“第一对象220”和“第二对象222”)。图2将物理对象显示为盒子(例如，包含制成品的盒子)，但是对象不必是盒子或容器。合法物理对象的可能实施例包括先前针对图1的对象104列出的那些。
图像捕获装置208捕获标记212的图像并将捕获的图像发送到第一计算装置210。第一计算装置210接收捕获的图像并将捕获的图像通过通信网络226(“网络226”)发送到第二计算装置224。网络226的可能实施例包括局域网、广域网、公共网络、专用网络和因特网。网络226可以是有线的、无线的或其组合。
在接收到捕获的图像时，第二计算装置224生成真实标记212的一个或多个特征的一个或多个滤波配置。在实施例中，第二计算装置224在执行该任务时可以执行的动作是图5中所示的那些，其将在下面更详细地描述。第二计算装置224将滤波配置存储在介质存储装置228中。
继续参考图2，在从包装设备200到分发点的分配链中的某一点处(例如，销售点)，用户230(例如，销售人员或执法工作者)处理具有携带候选标记236的未经验证的标签234的未经验证的物理对象232(“未经验证的对象232”)。未经验证的对象232上的标记或在候选标记236中编码的信息可以暗示未经验证的对象232源自合法的来源，诸如，包装设备200(或公司，包装设备200为其处理包装线206上的原始对象)。在这种情况下，用户230希望确定未经验证的对象232是伪造的或者是非法的。
用户230在第三计算装置238上启动应用程序，在图2中，第三计算装置238描绘为智能手机。第三计算装置238在应用程序的控制下(并且可能响应于来自用户230的额外输入)捕获候选标记236的图像(例如，利用图3中描绘的相机314)。第三计算装置238对候选标记236中的显式数据进行解码(例如，条形码中的数据，其指示施加条形码的产品的身份)，并将捕获的图像通过网络226发送到第二计算装置224。
在接收到捕获的图像时，第二计算装置224生成候选标记236的一个或多个特征的一个或多个滤波配置。在实施例中，第二计算装置224在执行该任务时可以执行的动作是图6中所示的那些，其将在下面更详细地描述。
在一种实现中，图1的计算装置108、110和120中的一个或多个以及图2中的计算装置210、224和238中的一个或多个具有图3所示的一般架构。图3中描绘的装置包括逻辑电路302、主存储器304(例如，易失性存储器、随机存取存储器)、辅助存储器306(例如，非易失性存储器)、用户输入装置308(例如，键盘、鼠标或触摸屏)、显示器310(例如，有机发光二极管显示器)和网络接口312(可以是有线的或无线的)。存储器304和306存储指令和数据。逻辑电路302执行指令并利用该数据来执行各种处理过程，在一些实施例中，包括这里描述的方法(包括，例如，所述由计算装置执行的那些过程)。一些计算装置还可以包括相机314(例如，第三计算装置238，特别是如果它被实现为移动通信装置)。
在实施例中，真实标记(诸如，图2的真实标记212)由在此称为“子区域(subarea)”的许多特征构成。子区域可以对应于根据ISO/IEC 15415的“单元(cell)”，并且可以是统一大小的。为了帮助说明本文所讨论的一些概念，请注意图4，示出了具有第一子区域450、第二子区域452、第三子区域454和第四子区域456的标记400。第一子区域450的特性是其平均色素沉着，计算装置可以测量并确定与其它子区域显著偏离(例如，超过预定阈值的程度)。第二子区域452的特性是其与最佳拟合网格458的偏移。计算装置可以测量该偏差并确定显著高于其它子区域的偏差量。第三子区域454的特性是空隙的发生率。计算装置可以测量空隙的发生率并且确定第三子区域454包括比其它子区域显著地高的空隙发生率。最后，可以在第四子区域456中找到的特征是边缘460。边缘460的特性是其线性度。计算装置可以测量该线性度并确定线性度明显小于其它子区域的边缘。
转到图5，描述了第二计算装置110或第二计算装置224在实施例中执行的过程的示例。在框502处，计算装置接收真实标记的图像。在框504处，计算装置利用所接收的图像来对真实标记的特征进行测量，从而产生一组测量值。如果正在测量其特征的特性恰好是伪像，那么该组测量值将因此包括关于伪像的数据。该组测量值可以是计算装置生成的关于真实标记的若干组测量值之一。计算装置可以在真实标记上的不同位置执行测量。在这样做时，计算装置可以将标记划分为多个子区域(例如，根据行业标准)。在实施例中，如果标记是2D条形码，则计算装置对标记的子区域的总数(例如，单元的总数的全部或子组)的全部或子组进行测量。
计算装置可以测量的真实标记的特征的示例包括：边缘、条、条之间的区域、杂散标记、区域、单元和子区域。计算装置可以测量的特征的特性的示例包括：形状、纵横比、位置、大小、对比度、不连续性的普遍性、颜色(例如，亮度、色调或两者)、色素沉着和对比度变化。在一些实施例中，计算装置从标记到标记对相同特征进行相同特性的测量，但是针对不同特征对不同特性进行测量。例如，计算装置可以测量标记的第一组子区域上的平均色素沉积，并且测量后续标记的相同的第一组子区域上的平均色素沉着，但测量该标记和后续标记上的第二组子区域的边缘线性度。如果存在至少一个对于两个组都不共同的子区域，则可以说两组子区域(对于不同的特征)是“不同的”。例如，计算装置可以测量(对于标记的子区域的所有或子组)：(1)标记的一些或所有子区域的平均色素沉着(例如，全部或一些单元)，(2)子区域的位置与最佳拟合网格的任何偏差，(3)杂散标记或空隙的普遍性，以及(4)子区域的一个或多个边缘的线性度。
在框506处，计算装置基于测量结果为特征创建配置。在框508处，计算装置为该特征创建第一滤波配置。例如，计算装置将第一带通滤波器应用于配置(profile)。在框510处，计算装置为该特征创建第二滤波配置。例如，计算装置将第二带通滤波器应用于配置。在框512处，计算装置存储第一和第二滤波配置(例如，在介质存储装置112或介质存储装置228中)。
在实施例中，计算装置(诸如，第二计算装置110或第二计算装置224)测量沿着从标记一部分的内部开始并向外延伸超出标记的边缘的线，测量每个像素的像素值(例如，灰度值)，并计算所有测量像素的平均值(称为“投影平均像素值”)。
转到图6，描述了第二计算装置110或第二计算装置224在实施例中执行的过程的示例。在框602处，计算装置接收候选标记的图像。在框604处，计算装置利用所接收的图像来测量候选标记的特征。在框606处，计算装置基于测量结果为特征创建配置。在框608处，计算装置为该特征创建第一滤波配置。在框610处，计算装置为该特征创建第二滤波配置。计算装置可以以与上述用于真实标记的相同的方式(例如，框506、508和510)利用候选标记的图像来执行框606、608和610。在框612处，计算装置将第一和第二滤波配置与真实标记的等效第一和第二配置进行比较(例如，从介质存储装置检索获取真实标记的第一和第二配置)。基于该比较，计算装置在框614确定候选标记是否为真。如果计算装置确定候选标记不是真实的，则(在框616)计算装置指示不能验证候选标记(例如，通过向第三计算装置110发送消息，第三计算装置110向用户显示该消息)。如果计算装置确定候选标记是真实的，则(在框618)计算装置指示候选标记已被验证(例如，通过向第三计算装置110发送消息，第三计算装置110向用户显示该消息)。
如上所述，计算装置(在实施例中)可以对特征进行测量的一个可能特性(例如，框504或框604)是边缘。转到图7A，条形码的一部分700具有内部区域702(通常以黑色印刷)和边缘704。图7A还描绘了第一参考轴706并且向外延伸超出边缘704到第二参考轴708。对于第一参考轴706和第二参考轴708之间的距离存在许多可能的值。例如，该距离可以是到下一个打印区域的距离(白色空间间隙)或计算装置正在进行测量的打印区域的宽度的一半(内部区域702)。该距离可以是内部区域702的宽度的更大或更小的部分。在其它实施例中，第一参考轴706和第二参考轴708都在内部区域702内。在其它实施例中，两个轴都在内部区域702之外(例如，仅在白色空间中)。该实施例中的计算装置沿着第一线710、第二线712、第三线714以及第四线716测量每个像素的灰度值(例如，在0到255的范围内)。第一线710、第二线712、第三线714和第四线716中的每一个在第一轴706处开始，朝向边缘704延伸并超出边缘704，并且终止于第二轴708。
在图7A中，线710、712、714和716在图7A中示出，垂直于第一参考轴706和第二参考轴708，但不是必须的。尽管图7A中的线710、712、714和716彼此间隔开，但是线710、712、714和716彼此之间可以没有空间。此外，尽管描绘了四条线，但可能有更少(甚至少至一条)或更多条线。另外，线710、712、714和716可以是直的，但不是必须的。例如，如果条形码(部分700是其一部分)在曲面上，则线710、712、714和716可以在xy平面中是直的，但是相对于z轴是弯曲的(例如，从页面向外凸出)。
尽管边缘704被描绘为关于y方向大致线性，但是不必如此。例如，边缘可以是偏移曲线(例如，类似于波浪线)。此外，虽然第一参考轴706和第二参考轴708被描绘为大致平行于边缘706，但它们不是必须如此。
在实施例中，如果该特征是边缘，则对于标记的给定边缘，计算装置展开边缘的配置(profile)(框506和606)。在实施例中，边缘配置包括针对包括边缘的标记的一部分计算的投影平均像素值的数据序列。计算装置沿着第一线710、第二线712、第三线714和第四线716中的每一个计算像素的投影平均像素值。计算装置可以在标记的多个边缘上执行该投影平均像素值操作，并在边缘的整个长度上或小于边缘的整个长度执行该操作。例如，在2D条形码上，诸如，图4中所示的条形码，计算装置可以对以下任意组合执行操作：一个或多个单元的顶部边缘、一个或多个单元的底部边缘、一个或多个单元的左边缘、以及一个或多个单元的右边缘。在另一个示例中，在1D条形码上，诸如，图8中所示的条形码，计算装置可以在条形码的条的部分的每个条上执行投影平均像素值操作。例如，计算装置可以对图8的条形码的第十三条(为了清楚起见，为阴影)的部分802执行操作，其包括该条的前缘，并且在包括后缘的部分804上执行操作。计算装置可以在每个条的前缘和后缘上执行该操作。
转到图7B，第一线710的像素由四个单独的像素表示。当然，可能存在更多像素，但为了便于描述，仅示出了四个像素。像素1和2各自具有值255，像素3具有值84，并且像素4和5各自具有值0。这些值的平均值(投影平均像素值)是106。
沿着投影线取平均值允许计算装置考虑除了沿着边缘704的伪像之外还考虑在条形码部分700的内部区域702内的伪像。例如，图9A示出条形码的一部分900，其具有存在杂散空隙904的内部区域902，以及边缘906，超出该边缘的是杂散标记908。该实施例中的计算装置测量沿第一线910、第二线912、第三线914、第四线916测量每个像素的灰度值。图9B示出了沿着第一线910的投影平均像素值(130)部分地是杂散空隙918、920和922以及杂散标记924的结果。这些杂散标记和空隙影响像素的各个值，因此像素2的值为220，像素3的值为100，像素4的值为25，像素5的值为53。
图10描绘了边缘配置(profile)的示例的绘图。纵轴表示在标记的边缘区域中沿着线(例如，如结合图7A和图9A所描述的)截取的投影平均像素值(例如，灰度值)。水平轴表示沿第一参考轴706的位置(例如，以像素索引值为单位，或以沿着参考轴的连续像素行中的像素为顺序)。
根据实施例，为了执行框508、510、608和610，计算装置一次一个地将一序列带通滤波器应用于标记的边缘的配置(profile)，并且可以对多个边缘配置(例如，对于每个边缘，其中计算装置已经为其绘制了平均值配置)这样做。带通滤波器消除了除带通滤波器范围内的那些频率分量之外的所有空间频率分量。图10示出了在计算装置应用带通滤波器之前的边缘配置的示例。图11示出了表示在计算装置应用带通滤波器之后图10的边缘投影的曲线图。
可以在各种实施例中利用许多可能类型的滤波器和滤波技术。例如，已经发现，当进行如上所述的签名分析时，在由相同标记装置打印的不同标记之间存在可检测的关系。既没有真实条目与其匹配签名之间测量的相似性那么强，也没有真正伪像的相似性分数一样弱，所测量的相似性介于两个极端之间。这种性质有时在本文中称为“同胞现象(siblingphenomenon)”。类似地，展现它的标记有时被称为该标记的“同胞(sibling)”，可以从中得出比较中利用的真实签名。“同胞签名(sibling signature)”是指以下的数据(1)从同胞标记的测量特性(例如，由伪像产生)得到，和(2)可用于识别同胞标记。术语“个体签名(individual signature)”有时用于表示标记的总体签名，以区别于描述中的“同胞签名”。
图12示出了一组典型标记之间测量的各个相似性，包括了真实标记、真实标记的四个同胞，以及更多数量的伪像。
HID实施例
转到图13，示出了可以实现本公开的各种实施例的系统的示例。在该系统内执行的程序显示在图14A、图14B和图14C中。这里将图1与图14A、图14B和图14C一起描述。
标记施加装置100将真实标记102(“标记102”)应用于合法物理对象104(“对象104”)(图14A的框202)。在一些实施例中，对象104是制品，诸如，一件衣服、手提包或时尚配饰。在其它实施例中，对象104是标签，诸如，条形码标签或用于某些其它物理对象的包装。标记102可以是识别品牌(例如，徽标)、带有信息(例如，条形码)或装饰的东西。标记施加装置100的可能实施例包括打印机(例如，激光或热敏打印机)、蚀刻装置、雕刻装置、模具施加装置、标记装置、缝合装置和热转印装置。标记施加装置100通过例如印刷、蚀刻、雕刻、模制、标记、缝合或热转印标记102到对象104上来施加标记102。标记102包括一个或多个伪像。在一些实施例中，标记102还包括有意产生的防伪特征，诸如，微观图案。
在应用标记102之后，第一图像捕获装置106(例如，相机、机器视觉装置或扫描仪)捕获标记102的图像(框204)。控制第一图像捕获装置106捕获标记102的图像的环境，使得可以合理地保证图像实际上是真实标记102的图像。例如，标记施加装置100应用标记102和第一图像捕获装置106获得标记102的图像之间的时间间隔可以很小，并且第一图像捕获装置106可以沿着包装线物理上位于标记施加装置100的旁边。因此，当利用术语“真实标记”时，它指的是由标记施加装置在合法来源处施加的标记(即，不是非法或秘密地复制)。
第一图像捕获装置106将捕获的图像发送到第一计算装置108。第一计算装置108的可能实施例包括台式计算机、机架式服务器、膝上型计算机、平板计算机和移动电话。在一些实施例中，第一图像捕获装置106与第一计算装置108集成，在这种情况下，第一图像捕获装置106将捕获的图像发送到第一计算装置108的逻辑电路。第一计算装置108或其中的逻辑电路接收捕获的图像并将捕获的图像发送到第二计算装置110。第二计算装置110的可能实现包括为第一计算装置108列出的所有那些装置。
第二计算装置110接收捕获的图像并利用捕获的图像来测量标记102的各种特性，从而产生度量组，其包括关于标记102的伪像的数据(框206)。如将进一步描述的，该度量组可以是第二计算装置110关于标记102生成的若干度量组之一。第二计算装置110可以在标记102上的不同位置执行测量。因此，第二计算装置110可以将标记102划分为多个子区域(例如，根据行业标准)。在实施例中，如果标记102是2D条形码，则第二计算装置110对子区域的总数(例如，单元总数的全部或子组)的全部或子组执行测量。第二计算装置110可以测量的标记102的特性的示例包括：(a)特征形状、(b)特征纵横比、(c)特征位置、(d)特征尺寸、(e)特征对比度、(f)边缘线性度、(g)区域不连续性、(h)杂散标记、(i)印刷缺陷、(j)颜色(例如，亮度、色调或两者)、(k)色素沉着和(1)对比度变化。在一些实施例中，第二计算装置110针对每个特性在从标记到标记的相同位置上进行测量，但是针对不同特性在不同位置上进行测量。例如，第二计算装置110可以测量标记的第一组位置上的平均色素沉积，并且测量后续标记的相同的第一组位置，但是测量该标记和后续标记上的第二组位置上的边缘线性度。如果存在至少一个对于两个组都不共同的子区域，则可以说两组子区域(对于不同的特征)是“不同的”。
在实施例中，第二计算装置110的特性测量结果包括度量组。对于每个测量的特性，可以存在一个或多个度量组。第二计算装置110分析该度量组，并且基于该分析，生成基于该度量组的签名(框208)。因为该度量组包括关于标记102的伪像(或多个伪像)的数据，所以该签名将间接地基于该伪像。如果标记102携带数据(如在2D条形码的情况下)，则第二计算装置110还可以将这样的数据包括为签名的一部分。换言之，在一些实施例中，签名可以基于标记102的伪像和标记102携带的数据。
在实施例中，为了生成签名，对于标记102的每个测量的特性，第二计算装置110按大小对与特征相关联的度量进行排序，并且仅利用达到预定阈值的那些度量作为签名的一部分。例如，第二计算装置110可以避免对那些低于预定阈值的度量进行排序。在实施例中，对于每个测量特性存在不同的预定阈值。预定阈值中的一个或多个可以基于噪声阈值和第一图像捕获装置106的分辨率。
在实施例中，第二计算装置110获得每个特性的100个数据点并收集六组测量值：一组用于色素沉着的测量值，一组用于偏离最佳拟合网格的测量值，一组测量值测量杂散标记或空隙，以及三组独立的边缘线性测量。
作为排序过程的一部分，第二计算装置110可以将低于预定阈值的度量组合在一起而不管它们各自的位置(即，不管它们在标记102上的位置如何)。而且，第二计算装置110可以将每个特性类别中的度量(例如，按幅值)排序作为排序过程的一部分。类似地，第二计算装置110可以简单地忽略低于预定阈值的度量。此外，排序过程可以简单地构成将高于阈值的度量从低于阈值的度量中分离。
在实施例中，第二计算装置110根据特性对图像分辨率事宜的敏感程度对所测量的特性进行排序。例如，如果第一图像捕获装置106不具有以高分辨率捕获图像的能力，则第二计算装置110可能难以识别边缘的非线性度。然而，第二计算装置110可以没有识别色素沉着中的偏差的问题。因此，在此基础上，相对于边缘非线性度，第二计算装置110可以优先色素沉着。根据实施例，第二计算装置110按照与分辨率依赖程度的相反顺序对测量的特性进行排序如下：子区域色素沉着、子区域位置偏差、空隙或杂散标记的位置以及边缘非线性度。
根据实施例，第二计算装置110基于第一图像捕获装置106的分辨率和标记102的捕获图像的分辨率中的一个或多个来加权标记102的测量特性。例如，如果第一图像捕获装置106的分辨率低，则第二计算装置110可以对标记102的各个子区域的平均色素沉积给予更多权重。如果第一图像捕获装置106的分辨率较高，则第二计算装置110可以给出各个子区域的边缘不规则性的测量值比其它特性更高的权重。
如果标记102包括错误校正信息，诸如，ISO/IEC 16022所述的，则第二计算装置110可以利用错误校正信息来对测量的特性进行加权。例如，第二计算装置110可以读取错误校正信息，利用错误校正信息来确定标记102的哪些子区域具有错误，并且降低这些子区域的测量特性的权重。
根据实施例，在生成签名时，第二计算装置110基于标记施加装置100对标记102的一个或多个特性的测量值进行加权。例如，假设标记施加装置100是热转印打印机。进一步假设已知的是，对于由标记施加装置100施加的那些标记，平行于基板材料运动方向的边缘投影不太可能产生足以达到边缘线性度特性的最小阈值的边缘线性度测量值。基于标记施加装置100的这种已知特性，第二计算装置110可以对标记102的边缘线性度特性测量降低权重。
继续参考图13，第二计算装置110利用与签名的度量的子组相对应的位置标识符来导出HID(框210)。在实施例中，第二计算装置110利用与签名的最高幅值度量的子组相对应的索引号来导出HID。注意，“最高幅值”度量不一定意味着标记的特征肉眼可见，或者甚至可以通过除了本文描述的技术之外的技术直接测量。如下面将进一步详细讨论的，第二计算装置110可以在导出HID时利用与每个度量组的子组相对应的索引号作为整体HID内的块。第二计算装置110将签名和HID(例如，利用数据库程序)存储在介质存储装置112(例如，独立磁盘的冗余阵列)中(框212)，使得HID与签名相关联。在一些实施例中，HID还可以用于查找签名(例如，第二计算装置110利用数据库程序将HID设置为签名的索引关键字)。在一些实施例中，介质存储装置112由地理上和时间上分布的多个装置组成，如与通常云存储服务的情况一样。在一些实施例中，由第一计算装置108执行特性测量、各种度量组的分析、签名的生成、HID的导出以及签名和HID的存储中的一个或多个。在一些实施例中，所有这些步骤由第一计算装置108执行，并且介质存储装置112由第一计算装置108直接访问。在后一实施例中，不使用第二计算装置110。在其它实施例中，第二计算装置110将签名和HID发送到单独的数据库服务器(即，另一计算装置)，其将签名和HID存储在介质存储装置112中。应当理解，介质存储装置112不一定是单个现场存储装置，而可以是一个或多个存储装置，并且可以通过基于云的服务远程定位和访问。
继续参考图13，需要测试可能是或可能不是合法的物理对象104的未经验证的物理对象114(“未经验证的对象114”)，以确保它不是伪造的或其它非法的。未经验证的对象114的可能实施例与合法的物理对象104的实施例相同。在未经验证的对象114上的是候选标记116。候选标记116的可能实施例与真实标记102的相同。第二图像捕获装置118(例如，相机、机器视觉装置或扫描仪)捕获候选标记116的图像(图14B的框250)，并将图像发送到第三计算装置120。与第一图像捕获装置106和第一计算装置108一样，第二图像捕获装置118可以是第三计算装置120的一部分，并且候选标记116的捕获图像的传输可以是内部的(即，从第二图像捕获装置118到第三计算装置120的逻辑电路)。第三计算装置120(或其中的逻辑电路)接收捕获的图像并将捕获的图像发送到第二计算装置110。第二计算装置110利用捕获的图像来测量候选标记116的各种特性，包括第二计算装置110在真实标记102上测量的相同的特性。该测量的结果是该特性的度量组(框252)。在连续测量中，结果可以包括用于每个测量特性的一个或多个度量组。然后，第二计算装置110生成基于一组(或多组)度量的签名(框254)，并且利用用于生成真实标记102的签名的相同技术来这样做。如果候选标记116实际上是真实标记102(或由与真实标记102相同的过程生成)，则第二计算装置110创建的签名将像从真实标记102的捕获图像生成的签名一样，是基于真实标记102的伪像的。另一方面，如果候选标记116不是真实标记102(例如，是伪像)，则由该最新图像生成的签名将基于任何候选标记116展现的其它特性——伪造过程的伪像、缺少来自标记施加装置100的伪像等。第二计算装置110利用对应于候选标记116的签名的度量子组的位置标识符(例如，最高幅值度量的子组的索引号)来导出候选标记116的HID(框256)(以与上面关于框210所述的相同方式)，并比较(例如，通过查询数据库)候选标记116的HID和存储在介质存储装置112中的真实标记的HID(框258)。作为比较的结果，第二计算装置110或者接收没有高度匹配的结果(例如，没有通过预定阈值的结果)，或者从介质存储装置114接收一个或多个高度匹配的HID(框260)。如果第二计算装置110没有接收到高度匹配的结果，则第二计算装置110向第三计算装置120指示(例如，通过发送消息)指示候选标记116不能被验证(例如，发送指示候选标记116不是真实的消息)(框262)。第三计算装置120接收消息并在用户界面上指示候选标记116不能被验证(或候选标记116是伪造的)。在一些实施例中，第三计算装置118执行测量、生成和导出步骤中的一个或多个，并且将签名(或HID，如果第三计算装置118导出HID)发送到第二计算装置110。
另一方面，如果第二计算装置110找到与候选标记116的HID高度匹配的一个或多个HID，则第二计算装置110将通过从介质存储装置112检索而响应与高度匹配的HID相关联的签名(框264)。然后，第二计算装置110将其为候选标记116生成的实际签名与检索到的真实签名进行比较(图14C的框266)。第二计算装置110针对与高度匹配的HID相关联的每个签名重复该过程。如果第二计算装置110不能够将候选标记116的签名与任何检索到的签名高度匹配(框268)，则第二计算装置110向第三计算装置120指示(例如，通过发送消息)指示不能验证候选标记116(框270)。第三计算装置120接收该消息并在用户界面上指示候选标记116不能被验证。另一方面，如果第二计算装置110能够将候选标记116的签名与检索到的签名高度匹配，则第二计算装置110指示(例如，通过发送消息)第三计算装置候选标记116是真实的(框272)。
转到图15，描述了可以在另一实施例中利用的系统的示例。可以在该系统内执行的过程在图16A、图16B和图16C中示出。这里并行描述图15、图16A、图16B和16C。
位于包装设备300处的是标签打印机302、标签施加装置304、包装线306、图像捕获装置308和第一计算装置310。标签打印机302施加真实标记(包括真实标记312(“标记312”))到标签卷314上承载的多个标签(图16A的框402)。真实标记的可能实施例包括一维(“1D”)条形码和2D条形码。标签施加装置304将标签(包括图15的单独显示的标签316和318)施加于合法的物理对象(框404)，其中两个在图15中用附图标记320和322表示(“第一对象320”和“第二对象322”)。图15将物理对象示为盒子(例如，包含制成品的盒子)，但是对象不必是盒子或容器。合法物理对象的可能实施例包括先前针对图13的对象104列出的那些。
图像捕获装置308捕获标记312的图像(或多个图像)(框406)，并将捕获的图像(或多个图像)发送到第一计算装置310。第一计算装置310接收捕获的图像(或多个图像)，并且经由通信网络326(“网络326”)将捕获的图像(或者(i)如上所述，基于所捕获的多个通信来创建融合图像，或者(ii)发送多个捕获的图像)发送到第二计算装置324。网络326的可能实施例包括局域网、广域网、公共网络、专用网络和因特网。网络326可以是有线的、无线的或其组合。
如果第二计算装置324接收到标记406的多个图像，则其可以融合多个图像(例如，通过平均)以创建融合图像。第二计算装置324接收捕获的图像(例如，作为融合图像的一部分)，并利用图像(例如，利用融合图像)在标记312上执行质量测量(例如，诸如ISO 15415中所述的那些)(方框408)。例如，第二计算装置324可以确定标记312中是否存在未利用的错误校正和固定图案损坏。然后，第二计算装置324利用捕获的图像来测量标记312的特性，从而产生包括关于标记312的伪像的数据的一个或多个度量组(框410)。例如，第二计算装置324可以测量(对于真实标记312的所有子区域或子区域的子组)：1)真实标记312(例如，全部或部分单元)的一些或所有子区域的平均色素沉着，(2)子区域从最佳拟合网格的位置的任何偏差，(3)杂散标记或空隙的普遍性，以及(4)子区域的一个或多个边缘的线性度。每个度量组对应于测量的特性，尽管可能存在针对单个特性的多度量组。例如，对于被测量的每个子区域——例如，标记312的总共1000个子区域中的一百个子区域——可以存在针对平均色素沉着的度量、针对偏离最佳拟合的度量、针对杂散标记的普遍性的度量以及边缘线性度的三个度量。因此，产生的度量组将是一百个针对色素沉着的度量、一百个针对偏离最佳拟合的度量、一百个针对杂散标记或空隙的度量、三百个针对边缘线性度的度量(三度量组，每组100个)。在实施例中，每个度量组是列表的形式，其中列表的每个条目包括标识标记312中的位置的信息(例如，基于光栅的索引号)，第二计算装置324从该位置获取基础测量值和从测量值本身导出的数据值(例如，幅值)。
然后，第二计算装置324分析度量以识别将用于生成标记312的电子签名的那些度量(框412)，并基于该分析生成签名(框414)。第二计算装置324识别签名的最高幅值度量的子组(框416)，利用与所识别的子组相对应的位置标识符来导出HID块(框418)，基于HID块创建HID(图16A的框420))，将HID与签名(框422)相关联地存储在介质存储装置328中(其可能的实现与针对图13的介质存储装置112描述的那些相同)。在一些实施例中，第二计算装置324针对签名的每个度量组重复框416和418(例如，一次针对色素沉着的测量值组，一次针对偏离最佳拟合网格的测量值组，一次针对对于杂散标记或空隙的测量值组，一次针对边缘线性度的三组独立测量值组的每一组)。在一些实施例中，第一计算装置310执行框402到420中的一个或多个，并将签名或HID发送到第二计算装置324。
继续参考图15，在从包装设备300到分发点(例如，销售点)的分配链中的某一点处，用户330(例如，销售人员或执法工作者)处理未经验证的物理对象332(“未经验证的对象332”)，其具有携带候选标记336的未经验证的标签334。未经验证的对象332上的标记或编码在候选标记336中的信息可能表明未经验证的对象332源自合法的源，诸如，包装设备300(或包装设备300为其处理包装线206上的原始对象的公司)。在这种情况下，用户330希望确定未经验证的对象332是伪造的还是非法的。
用户330在第三计算装置338上启动应用程序，在图15中，第三计算装置338描绘为智能手机。第三计算装置338在应用程序的控制下(并且可能响应于来自用户330的附加输入)捕获候选标记336的图像(图16B的框450)(例如，利用图16B中描绘相机514)。第三计算装置338对候选标记336中的显式数据进行解码(框452)(例如，条形码中的数据，其指示施加条形码的产品的身份)，并将捕获的图像过网络326发送到第二计算装置324。然后，第二计算装置324利用捕获的图像来测量候选标记336的特性，从而产生一个或多个度量组(框454)，从而产生针对每个测量特性的一个或多个度量组。然后，第二计算装置324分析该度量以识别将用于生成标记336的电子签名的那些度量(框456)，并基于该分析生成签名(框458)。第二计算装置324可以针对标记的测量每个特性重复框454和456，并且甚至针对单个特性多次重复这些框(在每次迭代时产生“有价值的签名”度量组)。第二计算装置324识别签名的最高幅值度量的子组(框460)，并利用与所识别的子组相关联的位置标识符(签名的)导出度量组的HID块(框462)。第二计算装置324可以针对签名的每个度量组重复框454和456，从而产生多个HID块(实质上，每个度量组对应一个HID块)。在一些实施例中，第三计算装置338执行框454到462并将签名或HID发送到第二计算装置324。然后，第二计算装置324执行上面参考图14B和图14C描述的过程，图16B和图16C再现了该过程。换言之，第二计算装置324以与图13的第二计算装置110执行框258、260、262、264、266、268、270和272相同的方式执行图16B和图16C的框464、466、468、470、472、474、476和478。
在一种实现中，图13的计算装置108、110和120中的一个或多个和图15的计算装置310、324和338中的一个或多个具有图17所示的一般架构。图17中描绘的设备包括逻辑电路502、主存储器504(例如，易失性存储器，随机存取存储器)、辅助存储器506(例如，非易失性存储器)、用户输入装置508(例如，键盘、鼠标或触摸屏)、显示器510(例如，有机发光二极管显示器)和网络接口512(可以是有线的或无线的)。存储器504和506存储指令和数据。逻辑电路502执行指令并利用该数据来执行各种过程，在一些实施例中，包括本文描述的方法(包括例如据说由计算装置执行的那些过程)。一些计算装置还可以包括相机514(例如，第三计算装置338，特别是如果它被实现为移动设备)。
在实施例中，真实标记(诸如，图15的真实标记312)由在此称为“子区域”的多个位置组成。子区域可以对应于根据ISO/IEC 15415的“单元”，并且可以是统一大小的。为了帮助说明本文所讨论的一些概念，请注意图8，其示出了具有第一子区域650、第二子区域652、第三子区域654和第四子区域656的标记600。第一子区域650的特性在于其平均色素沉着显著偏离(例如，达到超过预定阈值的程度)其它子区域。第二子区域652的特性在于其与最佳拟合网格658的偏移显著高于其它子区域的偏移。第三子区域654的特性在于其包括比其它子区域高得多的空隙发生率。最后，第四子区域656的特性在于它包括线性度明显小于其它子区域的边缘的边缘660。
在实施例中，为了执行分析从测量标记的特性获得的度量的过程(例如，图16A的框412和图16B的框456)，计算装置(诸如，第二计算装置324)执行以下任务。该计算装置生成最佳拟合网格658。在这样做时，该计算装置识别标记的各个子区域之间的边界的理想位置。该计算装置选择子区域，其特性测量值将用于生成标记的签名。在实施例中，该计算装置基于哪些子区域具有其测量值与针对该子区域期望的正常或最佳测量值偏差最大(例如，高于预定阈值)的特征来执行该选择。该计算装置在此场景中将选择的子区域的示例包括：
(1)其平均颜色、色素沉着或强度最接近全局平均阈值的子区域，所述全局平均阈值区将由2D条形码标准限定的暗单元和亮单元区分开——即，“最亮”的暗单元和“最暗”的光亮单元。第一个子区域区650属于这一类别。在实施例中，如果计算装置将给定子区域识别为具有异常平均色素沉着密度，则计算装置可能需要重新评估所识别的子区域是其最近邻的那些子区域。当计算装置执行这样的重新评估时，计算装置可以忽略作为参考的识别的子区域。
(2)其位置最偏离(例如，高于预定阈值)最佳拟合网格658所限定的理想化位置的子区域。在一些实施例中，计算装置通过识别子区域的边缘、确定边缘的位置、并将边缘的位置与它们的预期位置(这些位置由最佳拟合网格658限定)进行比较，来确定给定子区域是否属于该类别。在其它实施例中，计算装置生成相对极性(例如，暗/亮或亮/暗)的两个相邻子区域之间的边界区域的直方图，其中样本区域相对于最佳拟合网格658重叠相同百分比的每个子区域，并且评估直方图与50/50双峰分布的偏差。第二子区域652属于该类别。
(3)包含杂散标记或空隙(亮或暗)的子区域。在实施例中，计算装置通过生成子区域的亮度直方图并确定直方图的最外主导模式之间的距离是否足够(例如，高于预定阈值)，来确定子区域是否落入该类别内。第三个子区域654属于该类别。
(4)具有一个或多个边缘的子区域，所述边缘具有(a)超过预定阈值的长度中的一个或多个，(b)超过(或低于)预定阈值的长度的连续性，(c)超过(或低于)预定阈值的线性度。在实施例中，计算装置通过计算一个子区域的长度上的像素宽亮度值、通过子区域的一半的长度计算从最佳拟合网格658的偏移、垂直于在最佳拟合网格658中界定该边缘的网格线，来确定子区域是否落入该类别。第四子区域656属于该类别。
在计算装置测量标记(真实或候选)的特性之后，计算装置使得标记的测量特性可用作索引阵列相关列表(可通过标记中的子区域(例如，单元)位置关联)。
转到图19，在另一示例中，假设被分析的标记是1D线性条形码700。计算装置(诸如，第二计算装置324)可用于形成电子签名的特性包括：条之间的宽度或间隔的变化702；平均颜色、色素沉着或强度的变化704；黑条中的空隙706(或白条纹中的黑点)；以及条的边缘的形状的不规则性708。
转到图20和图21，现在将描述图16A的框416和图16B中为识别标记的电子签名的最高幅值度量的子组(并从与子组相关联的位置标识符导出HID)而执行的过程。对于每个测量的特性(并且对于在特性被多次测量的情况下的特性的每个度量组)，计算装置获取构成电子签名的一部分的度量组并按值对该组进行排序。在图20中，例如，第一度量组802(描绘为列表)表示2D条形码的各种单元的色素沉着，每个单元具有相关的索引号。此时每个单元的数据是无单位的，但是当计算装置最初进行色素沉着测量时，它就灰度值而言这么做。第一组802仅是构成2D条形码的电子签名的多度量组中的一组。计算装置通过数据值的大小对第一组802进行排序，并提取与最高幅值数据值的子组806相对应的索引号的子组804。然后，计算装置使索引值的子组804成为第一度量组802的HID块。
在另一示例中，在图21中，第一度量组902对应于标记(例如，真实标记312或候选标记336)的第一特性，第二度量组904对应于标记的第二特性，以及第三度量组906(“第n组”或最后一组)对应于标记的第三特性。但是，可能存在任意数量的度量组。该示例中的每个度量组的每个成员包括(1)索引值，其与获得特性的测量值的标记的子区域的光栅位置相关，以及(2)数据值，其是大小既可以是测量值本身也可以来自测量值的幅值(例如，在一些统计处理和归一化之后)。计算装置按数据值对每个度量组进行排序。对于每个度量组，计算装置提取对应于数据值的最高幅值子组的索引值。在该示例中，每个最高幅值子组是度量组的前25个数据值。计算装置从对应于第一度量组902的最高幅值子组的索引值导出第一HID块908。计算装置类似地从对应于第二度量组904的最高幅值子组的索引值导出第二HID块910。计算装置继续该过程，直到对每个度量组执行该过程(即，通过度量的第n组906以导出第三或“第n”个HID块912)，从而产生一组HID块。计算装置通过聚集HID块来形成HID。在此示例中，HID块包含提取的索引值本身。
转到图22，示出根据实施例计算装置(例如，第二计算装置324)如何将针对候选标记生成的HID与真实标记的HID进行比较的示例(例如，如结合图16B中的框464和466所描述的)。计算装置尝试匹配构成候选标记和真实标记的相应HID块的索引值，其中相同的索引组集彼此匹配以用于“苹果到苹果apples to apples”比较(例如，提取的子组将候选标记的色素沉着的索引值与提取的真实标记的色素沉着的索引值的子组进行比较)。计算装置将每个匹配计数为匹配分数。因此，例如，真实标记的块1002和候选标记的块1004具有匹配分数21，而候选标记的块1006和真实标记的块1008具有匹配分数4。
转到图23，描述根据实施例的计算装置(例如，第二计算装置324)如何将真实标记的总体HID与候选标记的总体HID进行比较的示例。计算装置获取真实签名的HID值1100的每个单独HID块，并将其与候选签名的HID值1102的对应块进行比较，并分配匹配分数(例如，如上关于图22所述)。然后，计算装置将每个分数组合成总体匹配分数。如果总体匹配分数满足或超过预定阈值分数，则计算装置认为HID高度匹配。例如，计算装置可以利用120的预定阈值分数，这意味着如果分数是120或更高，则计算装置将认为两个HID高度匹配。该阈值可以低至零。在一些实施例中，计算装置忽略最小值并且简单地取“前n个”HID分数(例如，前10个)。在这种情况下，计算装置将始终对前10个最佳HID匹配执行测试。这解决了具有不准确的HID截止并因此通过滤波波步骤产生假阴性的可能性(以对实际非真实候选者的不必要计算为代价)。然后，计算装置检索与真实HID值1100相关联的签名。计算装置重复该过程，直到它将候选HID值1102与存储在真实标记签名的数据库中的很多(可能全部)HID值进行比较。该过程的结果将是整组真实标记签名的子组，然后计算装置中的每一个都可以(通过更“强力”方法)与候选标记的签名进行比较。
本文描述的一个或多个计算装置可以通过各种方式将电子签名(例如，候选标记和真实的更多)彼此进行比较。在实施例中，计算装置利用直接数值相关性将一个电子签名(例如，候选标记的)与另一个电子签名(例如，真实标记的)进行比较(例如，在框266和472处)。例如，计算装置(例如，第二计算装置324)针对每个特性阵列索引匹配两个标记的原始度量组。计算装置还使真实标记的每个原始组经历归一化相关性，形成与从候选标记提取的度量组类似的顺序。然后，计算装置利用相关结果来达到匹配/不匹配决定(真实与伪造)。
在另一示例中，计算装置通过利用自相关来将候选签名与真实签名进行比较，诸如，通过将候选标记的排序度量的自相关序列与排序的(存储的)真实签名的自相关序列进行比较。为清楚起见，众所周知的统计操作：
Figure BDA0001800046130000291
是常见的归一化相关方程，其中r是相关性结果，n是度量数据列表的长度，x和y分别是真实标记和候选标记的度量数据组。当计算装置执行自相关函数时，数据组x和y是相同的。
为了产生根据实施例的自相关序列，计算装置多次执行归一化相关方程中所述的操作，每次将序列x相对于序列y偏移一个附加索引位置(记住y是x的复本)。随着偏移的进行，由于x索引偏移，当超过y数据序列中的最后一个索引时，数据组“回绕”到开头。根据实施例，计算装置通过将y数据加倍并且将x数据从偏移0到“偏移n”“滑动”以生成自相关序列来实现这一点。
在一些实施例中，在图14A中的框212图16A中的方框422，第二计算装置不是将整个签名存储在介质存储装置中，而是存储一组描述(按预定顺序和精度)匹配自相关结果的形状的最佳拟合配置的多项式系数。这是可行的，因为第二计算装置执行在已排序的度量数据上生成签名的过程，因此，特性数据的自相关序列(即，有助于表示真实标记内的伪像的度量)通常是一个简单的多项式曲线。
在实施例中，计算装置(例如，第二计算装置110或第二计算装置324)计算rxy，其中每个项xi是由其幅值大小和位置表示的伪像，并且每个项yi＝x(i+i)，其中j是两个数据集的偏移量，j＝0到(n-1)。因为x按幅值大小排序，并且幅值是x的最高有效位；在j＝0处或附近存在非常强的相关性，快速地朝j＝n/2下降。因为y是x的复本，j和n-j是可互换的，所以自相关序列形成U形曲线，其示例在图24中示出，必须关于j＝0和j＝n/2对称。因此，该实施例中的计算装置仅需要计算曲线的一半，尽管为了清楚起见在图24中示出了从j＝0到j＝n的整个曲线。
在一种实现中，计算装置(诸如，第二计算装置110或第二计算装置324)实际的自相关数执行图26的框266或图16C的框472，然后利用多项式建模曲线在候选标记上重复该过程。实际上，已经发现，对于系数利用六字节浮点值的6阶方程将倾向于使匹配真实签名数据在百分之一的曲线拟合误差或“识别保真度”内。计算装置获得的所得匹配分数可以在彼此的百分之一之内。对于高匹配分数(如果候选标记是真实的所预期的那样)和低匹配分数(如果候选标记不是真实的所预期的那样)，这可能是正确的。
在实施例中，为了生成电子签名而分析标记的度量的计算装置(例如，如图16A的框412中所示，以及图16B的框456)限制并标准化用于生成签名的度量。例如，计算装置可以将多项式系数表达为固定精度，将自相关数据本身表示为-1和+1之间的值，并且利用分析标记(真实或候选)内的阵列索引位置作为排序顺序列表。如果被分析的标记是2D数据矩阵，则阵列索引可以是标记内的单元位置的光栅排序索引，从用于所利用的符号体系的常规原点数据排序。在一种常见类型的2D数据矩阵中，原点是界定网格的左侧和底侧的两个实心条相交的点。
根据实施例，如下，计算装置将真实签名与候选签名(例如，如图14C的框266或图16C的框472中所述)进行比较(尝试匹配)。计算装置利用存储的多项式系数重构签名，自相关每个列表中的度量(即，对于测量的每个特性)以生成多项式系数，并比较两组多项式系数(比较两个自相关序列)。计算装置可以以多种方式执行该比较。例如，计算装置可以尝试将候选标记的自相关序列与真实标记的签名的(重构的)自相关性曲线相关联。或者，计算装置可以为每个自相关序列(候选和真实)构建曲线并在该对曲线上执行曲线拟合误差。图24和图25示出了该过程。对于给定特性(或特性的给定度量组)，两组自相关值之间的相关程度变为该特性或度量组的匹配分数。然后，计算装置基于针对各种特性的所有匹配分数确定候选标记是否为真。
在实施例中，为了生成电子签名(例如，如图16A的框412以及图16B的框456中所示)而分析标记的度量的计算装置对候选标记的自相关数据和真实标记的自相关数据应用幂级数分析。计算装置可以利用离散傅里叶变换(“DFT”)来应用这样的幂级数分析：
Figure BDA0001800046130000311
其中Xk是第k个频率分量，N是度量列表的长度，x是度量数据集。计算装置计算DFT的幂级数，分析每个频率分量(由DFT序列中的复数表示)的幅值，并丢弃相位分量。得到的数据描述了从低频到高频的度量数据频谱能量的分布，并且它成为进一步分析的基础。这些幂级数的示例在图26、图27和图28中以图形方式示出。
在实施例中，为了生成电子签名(例如，如图16A的框412以及图16B的框456中所示)而分析标记的度量的计算装置采用两个频率一域分析：峰度和分布偏差。在这种情况下，分布偏差是指围绕总光谱的中心频带频率的能量分布的度量。为了执行峰度，计算装置可以利用以下公式：
Figure BDA0001800046130000312
其中
Figure BDA0001800046130000313
是幂级幅值数据的平均值，s是幅值的标准偏差，N是分析的离散频谱频率的数量。
为了计算实施例中的分布偏差，第二计算装置利用以下公式：
Figure BDA0001800046130000314
其中N是分析离散频谱频率的数字。
当在实施例中利用频域分析(例如，利用DFT)时，计算装置考虑以下标准：当在频域中分析时，真实标记的签名的平滑多项式曲线(由按幅值排序产生)产生光谱签名中可识别的特性。当度量数据以与从真实标记提取的度量数据相同的顺序提取时，如果该符号是真实的，则候选标记将呈现类似的光谱能量分布。换言之，真实标记的排序顺序与候选标记的度量标准“一致”。在排序的幅值或其它叠加信号(例如影印伪像)中的不一致倾向于表现为真实符号光谱中不存在的高频分量，因此提供了标记真实性的附加度量。这解决了伪像自相关序列仍可能满足真实标记的最小统计匹配阈值的可能性。这种信号的DFT幂级数的分布特性将通过候选序列的小幅值匹配误差中存在的高频率揭示匹配的低质量。这种情况可能表示真实标记的复本。特别地，计算装置认为高峰度和高分配比存在于真实标记的光谱中。在一些实施例中，计算装置将该幂级数分布信息与匹配分数结合利用，作为对候选标记的验证的置信度的测量。
转到图29，在实施例中，计算装置通过将签名编码为字节串来生成标记的电子签名(例如，如图14A的框208、图14B的框254、图16A的框414和图16B的框458所述)，字节串可以表示为美国信息交换标准码(“ASCII”)字符，而不是数字幅值数据。该替代格式允许计算装置直接利用签名数据作为用于在介质存储装置中查找标记的索引。在该实施例中，计算装置不存储真实标记的每个签名度量的位置和幅值，而是存储真实标记内重要签名特征的存在(或不存在)和每个评估位置。例如，在不携带或编码唯一标识符或序列号的2D数据矩阵符号的情况下，计算装置将标记的签名数据存储为字符串，每个字符针对子区域中的每个特性编码超过最小幅值阈值的特征的存在或不存在，但不编码关于任何一个特性中的特征的幅值或数量的进一步数据。在该示例中，图29的标记1700中的每个子区域具有四位数据，每位对应一个度量组，其中“1”表示特定度量在该子区域具有重要特性。例如，0000(十六进制0)可以表示四个测试特性中没有一个存在的程度大于该特定子区域中的阈值幅值。值1111(十六进制F)将意味着所有四个测试特性的存在程度大于该特定子区域中的最小值。
在标记1700的示例中，前六个子区域被编码如下。(1)对于平均亮度，第一子区域1702没有伪像：其是令人满意的黑色。其没有网格偏差。其确实有一个很大的白色空隙。其没有边缘形状的伪像：其边缘是直的和均匀的。计算装置因此将其编码为0010。(2)第二子区域1704具有空隙和边缘形状伪像。计算装置因此将其编码为0011。(3)第三子区域1706明显是灰色而不是黑色，但没有其它伪像。计算装置因此将其编码为1000。(4)第四子区域1708没有伪像。计算装置因此将其编码为0000。(5)第五子区域1710具有网格偏差但没有其它伪像。计算装置因此将其编码为0100。(6)第六模块1712没有伪像。因此，计算装置将其编码为0000。因此，前六个模块被编码为二进制001000111000000001000000，十六进制238040，十进制35-128-64或
Figure BDA0001800046130000331
@。利用2D数据矩阵代码作为示例，典型的符号大小为22×22个子区域，假设该数据被封装成每个字符(字节)两个模块，则包含唯一签名数据的ASCII字符串部分的长度为242个字符。计算装置将真实标记的签名串存储在数据库、平面文件、文本文档或适于存储不同字符串的群体的任何其它构造中。
根据实施例，计算装置(例如，第二计算装置324)在ASCII实现的实施例中测试候选标记，以确定标记是否为真过程如下：
(1)计算装置分析候选标记并提取其ASCII字符串。
(2)计算装置利用ASCII字符串通过数据库程序执行搜索查询。
(3)计算装置(在数据库程序的控制下)对存储在介质存储装置中的签名进行测试，以获得完整候选搜索字符串的精确匹配。如果计算装置没有找到精确的字符串匹配，则计算装置可以通过搜索子字符串或通过对整个字符串的“模糊匹配”搜索来尝试定位近似匹配。
(4)在搜索返回与至少第一最小置信匹配阈值的一个参考字符串匹配的情况下，计算装置认为真实标记和候选标记是相同的。换言之，计算装置将候选标记识别为真实的。另一方面，如果搜索没有返回高于第二较低阈值的百分比匹配的字符串，则计算装置拒绝候选标记为伪造或无效。
(5)在搜索返回具有第一和第二阈值之间的百分比匹配的一个参考字符串的情况下，计算装置可以认为结果是不确定的。在搜索返回具有高于第二阈值的百分比匹配的两个或更多个参考字符串的情况下，计算装置可以认为结果是不确定的。或者，计算装置可以进行进一步的分析以使候选标记的字符串与其它存储的参考字符串之一匹配。
(6)当结果是不确定时，计算装置可以指示(例如，在用户界面上或通过向第三计算装置240发送消息)指示结果是不确定的。计算装置可以提示用户提交候选标记的另一图像进行测试。替代地或另外地，计算装置可以采用重试方法来对候选标记的捕获图像中的各个特征进行编码。计算装置可以将重试方法应用于其候选标记中的签名数据接近该度量的幅值最小阈值的任何子区域。如果被测试的标记利用纠错机制，则重试方法可以应用于纠错机制指示可能损坏或改变的候选标记的任何子区域或部分。替代地或另外地，计算装置可以去除具有接近该最小幅值阈值的幅值的任何签名数据，例如，通过搜索其断言的存在位(设置为1)，然后再次利用为断言的位(设置为0)，或者替换为“wild-card”字符。或者，计算装置可以通过忽视或忽略表示接近阈值的特征的那些位来重新计算百分比匹配查询。
交互vs.唯一签名信息
就组成而言，标记的签名可以被认为是三个信号的总和：唯一识别信息(UI)，共享或交互信息(MI)和噪声(N)。唯一标识信息可以被认为是标记的唯一“指纹”分量，而交互信息是同胞标记的载体，其中多个标记之间共享共同特征。噪声分量可以是系统的(例如，验证装置的伪像)或随机的，并且在任一情况下都不会对签名识别过程做出积极贡献。
扩展上述讨论，在真实条目的情况下，可以看出UI和MI都很好地相关，通过N的相对幅值施加负面影响。在同胞的情况下，UI分量通常不相关，但这里MI表明两个同胞签名之间有一定的相似性。对于伪像标记，所有三个分量信号都是不相关的。图30说明了这个概念。
同胞的产生
通常，同胞作为基于印版的印刷工艺(例如，平版印刷或柔性版印刷)的一部分出现。在生产运行期间，由特定印版制作的每个印痕可以共享同胞关系，其中签名数据在某种程度上相关。对于具有相同艺术品的多个印痕的印版，同胞是按每个印痕制作的。柔性版的典型特性是具有待印刷图案的多个实例，使得当安装到印版滚筒时，滚筒的一次旋转产生(相同)艺术品的多个印痕。例如，六个压板可以在每个气缸旋转时产生六个印刷标记。在这种情况下，每6个标记都是其自己的“同胞集”的一部分。换言之，当此过程运行时，生产批次将具有6组不同的相关同胞(每个印版一个)。对于某些特征的某些特性，同胞标记之间可能没有可检测的相关性。换言之，根据某些特征的某些特性，从签名分析的角度来看，它们相对于彼此显示为“伪像”。参见，例如，图31。然而，在实施例中，利用某些其它特性，计算装置可以识别相关性并确定标记是同胞。下面将更详细地讨论该方面。
注意，同胞生产不是有意或主动操作的过程。它是由上述印刷方法产生的标记的自然属性，并且因此构成可以利用的“紧急”印刷特性。
同胞的识别
如图12中所示，当对其数据进行统计相关性分析时，同胞签名表现出较高的相似性。
信号的分离
根据各种实施例，计算装置识别何时存在同胞签名信息，并在标记分析期间利用该信息，例如，通过区分独立产生的伪像和用合法标记装置制作的标记的非法复本。为了在实施例中执行该过程，计算装置将交互信息与唯一信息分离，同时最小化噪声的影响。
在实施例中，计算装置通过获取所有签名的平均值来识别一组同胞签名内的交互信息分量。由于UI分量限定为不相关，因此它们各自的贡献将被平均(与随机噪声分量一起)，仅留下共享的同胞MI。
一旦计算装置隔离MI，它就可以从原始个体签名中减去MI，从而创建移除了MI的签名。从签名分析的角度来看，这有效地将同胞转变为非同胞，因为一旦共享信息被删除，就只剩下非相关信号。其作用将在下面进一步讨论。
反同胞
共享信息的形式包括在标记的实例与其同胞之间存在反相关的条件。这里，当计算装置将标记与其反同胞比较时，结果是负的相关结果升高。换言之，虽然同胞关系通常会在两个标记之间产生0.1到0.4之间的互相关性，而反同胞会产生-0.1和-0.4之间的特性相关性。记住，真正独立的标记(非同胞或伪像)与接近零的分数不相关，反相关现象表明一过程正在起作用，在从多个标记得出的签名之间创建可测量的关系。因此，即使测量的关系是对立方之一，其中仍然存在指示计算装置可以利用的可能类似的标记始发的信息。
图32-34示出了上面讨论的三种关系的示例签名数据。
同胞现象的应用
在实施例中，计算装置可以对签名数据执行至少三种主要分析操作，以创建同胞信息的有用应用：
对个体签名进行互相关操作，从而确定签名群体之间存在同胞关系。
计算构成一组同胞的同胞签名(即共享信息)的公共签名信息。
“清除”它们共享的同胞签名信息的同胞，然后在随后的搜索和签名数据处理操作中将其视为反同胞标记。
已经识别出数据库中的签名之间存在同胞关系，并且已经提取了那些同胞签名，计算装置能够对数据库执行有用的操作并组成签名数据。
例如，当对候选标记执行验证操作时，计算装置可以缩小搜索空间以在存储库内找到正确的原始真实签名。利用数据库中保存的标记数据的同胞签名，计算装置可以执行两步搜索，有效地减小了应用穷举低频波形搜索操作的数据块的大小。在高级别，根据实施例的计算装置执行的过程如下：
分析数据库中的所有签名，并基于MI对签名执行集群操作。
对于每个集群，
提取同胞签名；
将同胞签名存储在与相应集群关联的数据库中。
收到候选标记后，通过将集群签名与输入的候选签名进行比较来选择正确的集群。
将最佳匹配的集群完全传递到匹配的过程中。
通过在贯穿真实标记的一组集群签名中缩小初始传递中的搜索范围，计算装置或逻辑电路可以显著减少需要比较的签名的数量。
在HID环境中同胞处理技术的利用
在实施例中，计算装置可以利用同胞识别和处理来进一步优化上面关于HID实施例描述的技术。
上面描述的是一组集群的原始真实指纹数据，其可以通过将输入候选签名与每个集群的同胞签名进行比较来搜索，其中产生最高相似性的集群是在其上执行穷举二次搜索的正确集群。其中的指纹处理如上所述继续进行。
在许多实施例中，同胞的主要分组将是它们在印版上的印痕位置。对于非常大的生产批次，利用同胞签名将搜索块的大小减小到单个组甚至可能产生超过实时验证要求所施加的限制的搜索延迟。减小集群的大小(例如，通过将搜索范围缩小到对应于特定的、识别的打印机的HTD，如同胞数据所示)可以用于减少搜索空间(即，计算装置仅需要对签名的子组执行计算最多的昂贵的比较处理)，从而加快该过程。
例如，转到图35，计算装置通过在签名上运行集群过程(例如，公知的集群过程，诸如，K均值集群)来构建搜索树。此过程将产生底层的集群。对于每个集群，计算装置提取表示该集群的所有成员的单个同胞签名。然后，计算装置在所得到的集群上运行相同的集群过程，从而识别超级集群。然后计算装置继续n个级别，从而构建搜索树。当计算装置接收候选标记时，它从标记中提取签名(利用先前描述的一种或多种技术——测量特性等)，包括同胞签名，输入顶部的搜索树，比较候选同胞签名，找到最佳匹配，等等。结果是计算装置正在将候选的与连续更精确的同胞签名进行比较，这些签名分解为越来越小的子组，直到最终到达树的底层，最终对完整的个体签名进行更详尽的比较。然后，如上所述的之前的部分，计算装置给出一个或多个通知。请注意，代替同胞签名，每个连续的超级集群或集群可以由HID表示，并且可以利用HID(直到底层的最终集群)进行比较(对于相同性)。
继参考续图35，假设计算装置以先前描述的方式接收候选标记(“输入标记”)。进一步假设计算机装置可以访问如结合HID实施例所描述的索引的标记数据库，其进一步的特征是，如图35所示，每个同胞(例如，每个个体、识别的打印机)具有其自己的超级集群和/或与其相关联的集群，并且在数据库中被适当地索引。计算装置可以：(a)利用本文描述的一种或多种技术分析标记，(b)识别候选标记内的同胞签名(例如，识别哪个打印机产生候选标记[例如，识别哪个印版印刷该标记或该标记属于哪个印版印痕组])，(c)利用已识别的同胞签名来选择要搜索的超级集群，(d)利用进一步的同胞签名数据(或其它非同胞特性)来确定搜索超级集群中的哪个集群，(e)根据需要并基于数据库的结构重复缩小搜索空间的过程，以及(f)利用强力方法或以上描述的一种或多种HID技术对搜索空间进行最终搜索。
签名的衰减
在研究中已经观察到同胞签名有时表现出衰减特性；换言之，它们随着时间的推移以可量化的时间常数变化。图36的绘图说明了这个概念。
在创建图36的绘图的过程中，计算装置利用该序列中的第一项作为参考签名，与所有其它签名进行比较。同样，典型的周期性峰值序列是明显的，表明测试集确实包含同胞标记。然而，在数据中观察到同胞相似性的衰减，这意味着同胞相似性的强度相对于标记的生成序列具有局限方面。简而言之，生产序列中的两个标记彼此越接近，它们共享的相似性度量就越强。
如果进行足够长的时间——即，将上面的图表进一步向右延伸——人们将观察到同胞的相似性峰值最终完全消失。这在物理上意味着会产生由同一印版印痕产生的标记，但缺乏“表现”的像同胞所必需的共享交互信息。在同一集群中包括所有这些标记会在集群搜索期间产生较差的性能，因为所产生的同胞签名是许多弱相关签名的平均值。任何此类派生签名与任何候选的匹配都会有类似弱点，即使该候选标记“属于”比较的集群/印版印痕组也是如此。
在这些情况下，计算装置采用在其沿标记序列移动时周期性地创建新集群的方法。这具有将(可能是巨大的)单组同胞标记“切割”成更小、更易于管理的组的效果。特别有益的是，可以根据需要控制建立新集群的频率，从而产生适合于快速二次搜索的大小，或者甚至适合于利用全标记签名比较方法的穷举处理。
图37的配置示出了图36的被处理成五个较小的集群的单个集群数据。注意每个新集群中的共享相似性度量如何得到很大改善，这意味着为每个集群导出的同胞签名可以用作将候选签名选择进入到正确的集群中的方式。
签名数据的统计分析
在实施例中，计算装置在多个空间频带上为真实标记创建多个滤波配置，并将那些滤波配置存储在介质存储装置中。随后，当计算装置接收到要测试真实性的候选标记的图像时，计算装置(a)创建候选标记的滤波配置(例如，框508、510、608和610)，(b)将特定空间频带中的候选标记的滤波配置与相同空间频带中的真实标记的滤波配置进行比较(例如，通过对真实标记的滤波配置和候选标记的滤波配置的数据序列运行统计相关函数)(例如，框612)，(c)基于统计相关性分配相关性分数，(d)针对多个频带重复(b)和(c)，以及(e)基于对相关性分数的收集创建空间频谱相关性配置。例如，相关性分数可以是在特定频带上带通滤波的真实和候选度量数据的数值序列相关性。
同胞序列模式
图38描绘了一绘图，其示出了单个参考标记(绘图序列中的第一个)的特性与在同一生产批次中在同一打印装置上创建的一组标记之间的相似性。可以看出，存在一系列同胞峰(可能映射到同胞签名的数据点)，在该示例中，其具有七个周期(即，用于产生该序列标记的印版在印刷滚筒周围具有七个印痕)。当计算装置获得在该绘图中反映的数据并进行分析时，计算装置将得出结论：同胞峰之间的数据符合近似重复的形状。当按照印刷生产的顺序进行评估时，计算装置可以利用表示每个同胞峰之间的六个标记的该数据来表征非同胞标记与参考标记的相似性。实际上，计算装置可以做的是绘制和识别在不同同胞组之间具有特性的“稳定不相似性”。因此，在实施例中，计算装置可以建立(在产生标记的前端)或识别(在候选标记的验证期间)产生该序列标记的打印过程的签名。计算装置可以以各种方式应用该原理。例如，如果计算装置在一段时间内收集一组伪像数据，并且随后的执法团队缴获了伪造标记或生产设备，则计算装置可以将所收集的伪造同胞签名数据与从该缴获的标记或从由该缴获的设备生产的标记获取的签名数据相匹配。然后，这可以用作起诉伪造者的证据，并肯定地确定所缉获的装置确实产生了流通中发现的伪像。
在实施例中，空间频谱相关性配置由以预定方式排序的相关性分数的数据序列组成。图39示出了空间频谱相关分布的示例，描绘为绘图。水平轴由分配给每个带通滤波器的数值组成。例如，带通滤波器#1可能允许波长为3毫米至6毫米的光谱分量通过，带通滤波器#2可能允许波长为6毫米至12毫米的光谱分量通过等。垂直轴由通过计算装置对候选标记和真实标记的各个滤波配置执行的相关操作的相关性分数组成。
在实施例中，计算装置比较候选标记的空间频谱相关性配置和真实标记的空间频谱相关性配置，并基于该比较确定候选标记是否是真实标记。附加地或替代地，计算装置确定候选标记是否利用与真实标记相同的印版来印刷(例如，在确定候选标记不是真实的之后)。空间频谱相关性配置的形状指示结果，并且计算装置可以将该形状解释为执行框614的一部分。例如，图39示出了真实标记(线2102)的典型“驼峰”形状和伪像标记的低、平线(线2104)。图40示出了真实线(2202)和相同真实标记的复本线(线2204)。
应该理解的是，这里描述的示例性实施例应该仅被认为是描述性的，而不是为了限制的目的。通常应当认为每个实施例中的特征或方面的描述可用于其它实施例中的其它类似的特征或方面。本领域普通技术人员将理解，在不脱离其精神和范围的情况下，可以在其中进行形式和细节上的各种改变。例如，各种流程图的步骤可以以对本领域技术人员显而易见的方式重新排序。此外，这些流程图的步骤以及本文描述的方法都可以在单个计算装置上执行。

Claims (24)

1.用于在计算装置上确定候选标记是否为真的方法，所述方法包括：
接收真实标记的捕获图像；
利用捕获的图像测量所述真实标记内的多个位置处的所述真实标记的特性，从而产生所述真实标记的特性的度量组；
基于所述度量组生成所述真实标记的电子签名；
为多个真实标记中的每一个重复接收、测量和生成步骤，从而产生多个真实签名；
对所述多个真实签名进行统计相关性分析；
其中，所述统计相关性分析包括：计算所述多个真实签名的平均值；以及基于所计算的平均值识别所述多个真实签名的交互信息，其中，所述交互信息包括由从同一打印机打印的真实签名共享的特征；
基于所述统计相关性分析识别的交互信息，确定哪些签名代表在同一打印机上打印的标记；
基于相关性确定，将所述多个真实签名聚集成多个集群；
为所述多个集群中的每个集群生成同胞签名，其中所述同胞签名包括：在所述集群的每个电子签名之间共享的特征；
接收候选标记的捕获图像；
利用捕获的图像测量所述真实标记内的多个位置处的所述候选标记的特性，从而产生用于所述候选标记的特性的度量组；
基于所述度量组生成所述候选标记的电子签名；
将所述候选标记的电子签名与所述多个集群中的每个集群的同胞签名进行比较，以识别哪个集群是所述候选标记的最佳匹配；
将所述候选标记的电子签名与被识别为最佳匹配的集群的每个电子签名进行比较；
基于候选标记的电子签名与被识别为最佳匹配的集群的每个电子签名的比较来确定所述候选标记是否为真；和
基于确定的真实性向用户生成消息。
2.如权利要求1所述的方法，还包括：在将所述候选标记的电子签名与被识别为最佳匹配的所述集群的每个电子签名进行比较之前，从所述多个集群的一个集群中的所述多个签名中的每个签名中移除所述交互信息。
3.如权利要求1所述的方法，其中将所述候选标记的电子签名与所述多个集群中的每个集群的同胞签名进行比较包括：将所述候选标记的度量的自相关序列与所述同胞签名的存储的度量的自相关序列进行比较。
4.如权利要求1所述的方法，其中将所述候选标记的电子签名与被确定为最佳匹配的集群的所述多个电子签名中的每一个电子签名进行比较包括：将所述候选标记的度量的自相关序列与所述集群的多个电子签名中的每个电子签名的度量的自相关序列候进行比较。
5.如权利要求1所述的方法，其中所述多个位置中的每一个是所述真实标记的子区域，并且所述特性是所述子区域的平均色素沉着。
6.如权利要求1所述的方法，其中所述多个位置中的每一个是所述真实标记的子区域，并且所述特性是所述子区域的位置与最佳拟合网格的偏差。
7.如权利要求1所述的方法，其中所述多个位置中的每一个是所述真实标记的子区域，并且所述特性是所述子区域中出现杂散标记或空隙。
8.如权利要求1所述的方法，其中，所述特性是所述真实标记的边缘的投影平均像素值。
9.如权利要求1所述的方法，其中，所述真实标记是打印的条形码。
10.如权利要求1所述的方法，还包括：
接收所述真实标记一个或多个附加捕获图像，
其中，利用捕获的图像测量所述真实标记的特性包括：
将捕获的真实标记的图像与一个或多个的附加捕获图像融合，以创建融合图像，以及
利用所述融合图像，在所述真实标记内的多个位置处测量所述真实标记的特性，从而产生所述特性的度量组。
11.用于在计算装置上确定候选标记是否为真的方法，所述方法包括：
接收真实标记的捕获图像；
利用所述捕获图像测量所述真实标记内的多个位置处的所述真实标记的特性，从而产生所述真实标记的特性的度量组，
其中所述多个位置对应于多个位置标识符；
基于所述度量组生成所述真实标记的电子签名；
为多个真实标记中的每一个重复接收、测量和生成步骤，从而产生多个真实签名；
对所述多个真实签名进行统计相关性分析；
其中，所述统计相关性分析包括：计算所述多个真实签名的平均值；以及基于所计算的平均值识别所述多个真实签名的交互信息，其中，所述交互信息包括由从同一打印机打印的真实签名共享的特征；
基于对所述多个真实签名进行的统计相关性分析识别的交互信息，确定哪些真实签名代表在同一打印机上打印的标记；
基于所述统计相关性分析，将所述多个真实签名聚集成多个集群；
为所述多个集群中的每个集群生成同胞签名，其中所述同胞签名包括：在所述集群的每个电子签名之间共享的特征；
利用所述多个位置标识符的子组导出所述同胞签名的哈希标识符；
接收所述候选标记的捕获图像；
利用所述候选标记的捕获图像测量所述候选标记内的多个位置处的所述候选标记的特性，从而产生用于所述候选标记的特性的度量组；
基于所述度量组生成所述候选标记的电子签名；
利用所述多个位置标识符的子组导出所述候选标记的电子签名的哈希标识符；
将所述候选标记的哈希标识符与所述多个集群中的每个集群的哈希标识符进行比较，以识别哪个集群是最佳匹配；
将所述候选标记的电子签名与被识别为最佳匹配的集群的每个电子签名进行比较；
基于候选标记的电子签名与被识别为最佳匹配的集群的每个电子签名的比较来确定所述候选标记是否为真；和
基于该确定向用户生成消息。
12.如权利要求11所述的方法，其中，所述多个位置与多个位置标识符相关联，所述方法还包括：
利用所述多个位置标识符的子组导出所述候选标记的哈希标识符，其中所述多个位置的子组是同胞特定的；
其中，将所述候选标记的电子签名与多个集群中的每个集群的同胞签名进行比较包括：
基于所述候选标记的哈希标识符与所述多个集群中的每个同胞签名的哈希标识符的比较，确定所述候选标记的哈希标识符是否与任何同胞签名的哈希标识符高度匹配，
如果确定所述候选标记的哈希标识符与所述同胞签名的哈希标识符高度匹配，则仅搜索所述集群，以寻找进一步的电子签名匹配。
13.如权利要求11所述的方法，还包括：
利用与所述候选标记的度量组的最高幅值度量相关联的多个位置的子组相对应的索引值来导出候选标记的哈希标识符；
其中，将所述候选标记的电子签名与所述多个集群中的每个集群的同胞签名进行比较包括：
基于所述候选标记的哈希标识符与所述多个集群中一个集群的同胞签名的哈希标识符的比较，确定所述候选标记的哈希标识符是否与所述同胞签名的哈希标识符高度匹配；
如果确定所述候选标记的哈希标识符与所述同胞签名的哈希标识符高度匹配，则从介质存储装置检索获取所述真实标记的电子签名。
14.如权利要求11所述的方法，其中，所述多个位置标识符包括多个索引值。
15.如权利要求11所述的方法，其中所述多个位置中的每一个是所测量标记的子区域，并且所述特性是所述子区域的平均色素沉着。
16.如权利要求11所述的方法，其中所述多个位置中的每一个是所测量标记的子区域，并且所述特性是所述子区域的位置与最佳拟合网格的偏差。
17.如权利要求11所述的方法，其中所述多个位置中的每一个是所测量标记的子区域，并且所述特性是所述子区域中出现杂散标记或空隙。
18.如权利要求11所述的方法，其中，所述特性是所述真实标记的边缘的投影平均像素值。
19.如权利要求11所述的方法，进一步包括：
接收所述真实标记的一个或多个附加捕获图像，
其中，利用捕获的图像测量所述真实标记的特性包括：
将捕获的真实标记的图像与一个或多个的附加捕获图像融合，以创建融合图像，以及
利用所述融合图像，在所述真实标记内的多个位置处测量所述真实标记的特性，从而产生所述特性的度量组。
20.一种计算装置，其执行以下的动作，包括：
接收真实标记的捕获图像；
利用所述真实标记的捕获图像测量所述真实标记内的多个位置处的所述真实标记的特性，从而产生所述真实标记的特性的度量组；
基于所述真实标记的所述度量组生成所述真实标记的电子签名；
为多个真实标记中的每一个重复接收、测量和生成步骤，从而产生多个真实签名；
对所述多个真实签名进行统计相关性分析；
其中，所述统计相关性分析包括：计算所述多个真实签名的平均值；以及基于所计算的平均值识别所述多个真实签名的交互信息，其中，所述交互信息包括由从同一打印机打印的真实签名共享的特征；
基于所述统计相关性分析识别的交互信息，确定哪些签名代表在同一打印机上打印的标记；
基于相关性确定，将所述多个真实签名聚集成多个集群；
为所述多个集群中的每个集群生成同胞签名，其中所述同胞签名包括：在所述集群的每个电子签名之间共享的特征；
接收候选标记的捕获图像；
利用所述候选标记的捕获图像测量所述候选标记内的多个位置处的所述特性，从而产生用于所述候选标记的特性的度量组；
基于所述候选标记的所述度量组生成所述候选标记的电子签名；
将所述候选标记的电子签名与所述多个集群中的每个集群的同胞签名进行比较，以识别哪个集群是所述候选标记的最佳匹配；
将所述候选标记的电子签名与被识别为最佳匹配的集群的每个电子签名进行比较；
基于候选标记电子签名与被识别为最佳匹配的集群的每个电子签名的比较来确定所述候选标记是否为真；和
基于确定的真实性向用户生成消息。
21.如权利要求20所述的计算装置，其中所述多个位置中的每一个是所测量的标记的子区域，并且所述特性是所述子区域的平均色素沉着。
22.如权利要求20所述的计算装置，其中所述多个位置中的每一个是所测量的标记的子区域，并且所述特性是所述子区域的位置与最佳拟合网格的偏差。
23.如权利要求20所述的计算装置，其中，所述特性是所测量的标记的边缘的投影平均像素值。
24.如权利要求20所述的计算装置，还包括：
接收所述真实标记一个或多个附加捕获图像，
其中，利用捕获的图像测量所述真实标记的特性包括：
将捕获的真实标记的图像与一个或多个的附加捕获图像融合，以创建融合图像，以及
利用所述融合图像，在所述真实标记内的多个位置处测量所述真实标记的特性，从而产生所述真实标记的特性的度量组。
CN201780017503.1A 2016-03-14 2017-03-13 用于确定标记是否真实的方法和计算装置 Active CN109074371B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US201662307901P 2016-03-14 2016-03-14
US62/307901 2016-03-14
PCT/US2017/022097 WO2017160715A1 (en) 2016-03-14 2017-03-13 Methods and a computing device for determining whether a mark is genuine

Publications (2)

Publication Number Publication Date
CN109074371A CN109074371A (zh) 2018-12-21
CN109074371B true CN109074371B (zh) 2020-05-05

Family

ID=59786895

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201780017503.1A Active CN109074371B (zh) 2016-03-14 2017-03-13 用于确定标记是否真实的方法和计算装置

Country Status (14)

Country Link
US (1) US10061958B2 (zh)
EP (2) EP3414684A4 (zh)
JP (1) JP6535823B1 (zh)
KR (1) KR101978109B1 (zh)
CN (1) CN109074371B (zh)
AU (1) AU2017234124B2 (zh)
BR (1) BR112018068471A2 (zh)
CA (1) CA3016131C (zh)
IL (1) IL261523B (zh)
MX (1) MX2018011200A (zh)
RU (1) RU2682407C1 (zh)
SG (1) SG11201807829RA (zh)
WO (1) WO2017160715A1 (zh)
ZA (1) ZA201805798B (zh)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6999493B2 (ja) * 2018-05-22 2022-01-18 東芝テック株式会社 物品認識装置
WO2020110269A1 (ja) * 2018-11-29 2020-06-04 日本電気株式会社 個体識別装置
CN112149775A (zh) * 2020-09-30 2020-12-29 北京小龙潜行科技有限公司 可视化标签应用方法和装置
US20220292157A1 (en) 2021-03-15 2022-09-15 Sys-Tech Solutions, Inc. Dynamic Rerouting of Uniform Resource Identifiers Having Different Syntaxes
WO2023205473A1 (en) 2022-04-21 2023-10-26 Sys-Tech Solutions, Inc. Mark authentication with distortion tolerance
WO2023250186A1 (en) 2022-06-24 2023-12-28 Sys-Tech Solutions, Inc. Supply chain visualization and control
CN115273976B (zh) * 2022-08-24 2023-05-05 温州医科大学 一种半同胞关系鉴定方法、系统、设备及存储介质

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2013119235A1 (en) * 2012-02-09 2013-08-15 Hewlett-Packard Development Company, L.P. Forensic verification from halftone images
CN104428798A (zh) * 2012-06-18 2015-03-18 真视野股份有限公司 用于明确标记对象的方法
CN106415608A (zh) * 2014-02-28 2017-02-15 系统科技解决方案公司 验证印刷条目的身份的方法和系统

Family Cites Families (107)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB8812890D0 (en) 1988-05-31 1988-07-06 De La Rue Co Plc Security device & methods & apparatus for verification
US5153418A (en) 1990-10-30 1992-10-06 Omniplanar, Inc. Multiple resolution machine readable symbols
CH684590A5 (de) 1991-09-26 1994-10-31 Grapha Holding Ag Verfahren zur Einheitlichkeitsprüfung von Druckbogen und Vorrichtung zur Durchführung desselben.
US5325167A (en) 1992-05-11 1994-06-28 Canon Research Center America, Inc. Record document authentication by microscopic grain structure and method
US5583950A (en) 1992-09-16 1996-12-10 Mikos, Ltd. Method and apparatus for flash correlation
US5521984A (en) 1993-06-10 1996-05-28 Verification Technologies, Inc. System for registration, identification and verification of items utilizing unique intrinsic features
US5465303A (en) 1993-11-12 1995-11-07 Aeroflex Systems Corporation Automated fingerprint classification/identification system and method
US6449377B1 (en) 1995-05-08 2002-09-10 Digimarc Corporation Methods and systems for watermark processing of line art images
US8144368B2 (en) 1998-01-20 2012-03-27 Digimarc Coporation Automated methods for distinguishing copies from original printed objects
HU211281B (en) 1994-07-25 1996-11-28 Lajos Pikler Method for identificating objects on the basis of the forming and checking their surface roughness, further an object having surface suitable to said identification
US5563401A (en) 1995-01-03 1996-10-08 Lemelson; Jerome H. Bar codes and methods
US6543691B1 (en) 1995-01-03 2003-04-08 Jerome H. Lemelson Method and apparatus for encoding and decoding bar codes with primary and secondary information and method of using such bar codes
US6032861A (en) 1995-01-03 2000-03-07 Lemelson; Jerome H. Method and apparatus for encoding and decoding bar codes with primary and secondary information and method of using such bar codes
AU4311896A (en) 1995-12-29 1997-07-28 S. E. Axis Limited Authentication of articles
US5978495A (en) 1996-07-17 1999-11-02 Intelnet Inc. Method and apparatus for accurate determination of the identity of human beings
US5883971A (en) 1996-10-23 1999-03-16 International Business Machines Corporation System and method for determining if a fingerprint image contains an image portion representing a smudged fingerprint impression
US6460766B1 (en) 1996-10-28 2002-10-08 Francis Olschafskie Graphic symbols and method and system for identification of same
CH693693A5 (de) 1997-06-06 2003-12-15 Ovd Kinegram Ag Vorrichtung zum Erkennen beugungsoptischer Markierungen.
US6185318B1 (en) 1997-08-22 2001-02-06 International Business Machines Corporation System and method for matching (fingerprint) images an aligned string-based representation
US5946103A (en) 1998-01-29 1999-08-31 Xerox Corporation Halftone patterns for trusted printing
US6685095B2 (en) 1998-05-05 2004-02-03 Symagery Microsystems, Inc. Apparatus and method for decoding damaged optical codes
US6760472B1 (en) 1998-12-14 2004-07-06 Hitachi, Ltd. Identification method for an article using crystal defects
US7038766B2 (en) 1999-04-01 2006-05-02 Microtrace, Llc Identification particles and system and method for retrospective identification using spectral codes
WO2001024107A2 (en) 1999-09-30 2001-04-05 Dna Technologies, Inc. Product authentication system
US6398117B1 (en) 2000-01-14 2002-06-04 Hewlett-Packard Co. Method and system for combining bar codes of different encoding dimensions
US7152047B1 (en) 2000-05-24 2006-12-19 Esecure.Biz, Inc. System and method for production and authentication of original documents
WO2002031752A1 (en) 2000-10-11 2002-04-18 Digimarc Corporation Halftone watermarking and related applications
KR20010025234A (ko) 2000-11-09 2001-04-06 김진삼 지문정보를 이용한 카드거래 인증방법 및 그 시스템
CN1235408C (zh) 2001-02-12 2006-01-04 皇家菲利浦电子有限公司 生成和匹配多媒体内容的散列
JP3896827B2 (ja) 2001-02-21 2007-03-22 株式会社デンソー 情報コードの解読方法および解読システム
JP2002344736A (ja) 2001-05-21 2002-11-29 Oki Electric Ind Co Ltd プリント紙の原本保証システム，プリンタ装置，および，検証装置
US7184580B2 (en) 2001-07-24 2007-02-27 Laurence Hamid Fingerprint scar recognition method and apparatus
ES2290347T3 (es) 2001-11-09 2008-02-16 International Barcode Corporation Sistema y metodo para insertar caracteres en una barra de un codigo de barras.
JP3804012B2 (ja) 2002-03-08 2006-08-02 沖電気工業株式会社 文書画像の改ざん判定方法及びシステム、並びにその制御用プログラム
US6970236B1 (en) 2002-08-19 2005-11-29 Jds Uniphase Corporation Methods and systems for verification of interference devices
JP4245883B2 (ja) 2002-09-13 2009-04-02 株式会社日立製作所 電子文書およびこれの印刷媒体の真正性管理方法およびシステム、ならびにプログラム、記録媒体
AU2003282943A1 (en) 2002-10-11 2004-05-04 Digimarc Corporation Systems and methods for recognition of individuals using multiple biometric searches
US20040161153A1 (en) 2003-02-18 2004-08-19 Michael Lindenbaum Context-based detection of structured defects in an image
US7025269B2 (en) 2003-04-24 2006-04-11 Watson Label Products Corp. Barcodes including embedded security features and space saving interleaved text
EP1475242B1 (en) 2003-04-30 2008-10-08 Hewlett-Packard Development Company, L.P. Authentication method and system
EP1477940B1 (en) 2003-04-30 2007-08-01 Hewlett-Packard Development Company, L.P. Authentication method and system
BRPI0411589A (pt) 2003-07-04 2006-08-29 Kwang-Don Park objeto de reconhecimento do tipo aleatório, equipamento e método de identificação 3d e sistema e método de autenticação de produto
US7044376B2 (en) 2003-07-23 2006-05-16 Eastman Kodak Company Authentication method and apparatus for use with compressed fluid printed swatches
SK10072003A3 (sk) * 2003-08-08 2005-03-04 Dušan Kočiš Dátový kanál pozadia na papierovom alebo inom nosiči
US20050053236A1 (en) 2003-09-08 2005-03-10 Samii Mohammad M. Printed material verification
AR043357A1 (es) 2004-01-23 2005-07-27 Salva Calcagno Eduardo Luis Procedimiento de identificacion de personas mediante la conversion de huellas dactilares y codigos geneticos en codigos de barras y disposicion utilizada en dicho procedimiento
US7697729B2 (en) 2004-01-29 2010-04-13 Authentec, Inc. System for and method of finger initiated actions
US7497379B2 (en) * 2004-02-27 2009-03-03 Microsoft Corporation Counterfeit and tamper resistant labels with randomly occurring features
EP2081130B1 (en) * 2004-03-12 2013-07-24 Ingenia Holdings Limited Methods and apparatuses for creating authenticatable printed articles and subsequently verifying them
CN100481117C (zh) 2004-03-15 2009-04-22 武汉矽感科技有限公司 一种二维条码编解码方法
US7577844B2 (en) 2004-03-17 2009-08-18 Microsoft Corporation Systems and methods for encoding randomly distributed features in an object
US7609872B2 (en) 2004-04-05 2009-10-27 Eastman Kodak Company Method and apparatus for verifying the authenticity of documents
FR2870376B1 (fr) 2004-05-11 2006-09-22 Yann Boutant Procede de reconnaissance de supports fibreux, ainsi que les applications d'un tel procede dans le domaine informatique notamment
US7229025B2 (en) 2004-06-07 2007-06-12 Pitney Bowes Inc. Barcode with enhanced additional stored data
US7616797B2 (en) 2004-08-23 2009-11-10 Bailey Kenneth S Minutia detection from measurement of a human skull and identifying and profiling individuals from the human skull detection
JP4340618B2 (ja) 2004-10-08 2009-10-07 富士通株式会社 生体情報認証装置及び方法，並びに生体情報認証プログラム及び生体情報認証プログラムを記録したコンピュータ読取可能な記録媒体
WO2006053023A2 (en) 2004-11-09 2006-05-18 Digimarc Corporation Authenticating identification and security documents
US7752077B2 (en) 2005-01-21 2010-07-06 Amazon Technologies, Inc. Method and system for automated comparison of items
US7773812B2 (en) 2005-04-11 2010-08-10 Microsoft Corporation Method and system for performing searches and returning results based on weighted criteria
US7533062B2 (en) 2005-05-27 2009-05-12 Pitney Bowes Inc. Method for creating self-authenticating documents
EP1917636B1 (en) * 2005-08-23 2019-04-10 Ricoh Company, Ltd. Method and system for image matching in a mixed media environment
CN101416246B (zh) 2006-03-31 2011-04-20 国际商业机器公司 用于检测伪造的或者盗用的品牌物品的方法和装置
RU2458395C2 (ru) 2006-07-19 2012-08-10 Эдванст Трэк Энд Трэйс Способ и устройство для защиты и аутентификации документов
US20080025555A1 (en) 2006-07-31 2008-01-31 Canadian Bank Note Company, Limited Method and apparatus for comparing document features using pattern recognition
WO2008049550A2 (de) 2006-10-26 2008-05-02 Man Roland Druckmaschinen Ag Vorrichtungen, verfahren und prozess zur stochastischen markierung und rückverfolgung von druckprodukten
DE102006053788A1 (de) 2006-11-15 2008-05-21 Giesecke & Devrient Gmbh Verfahren zur Erkennung von Verschmutzungen im Bereich von Farbübergängen auf Wertdokumenten und Mittel zur Durchführung des Verfahrens
AU2006252239B2 (en) 2006-12-22 2010-04-01 Canon Kabushiki Kaisha Barcode pattern
US7422147B2 (en) 2006-12-22 2008-09-09 Walter Steven Rosenbaum System and method for detecting fraudulent transactions of items having item-identifying indicia
WO2008078009A1 (fr) 2006-12-26 2008-07-03 Alphacode Procede de caracterisation d'elements aleatoires de la reproduction de graphismes leur conferant les proprietes d'un sceau
GB2445966B (en) 2007-01-25 2011-05-18 Hewlett Packard Development Co Method of and system for authenticating an item
US7327859B1 (en) 2007-02-14 2008-02-05 Lam Ko Chau Methods and systems for automated fingerprint recognition
US7673807B2 (en) 2007-02-21 2010-03-09 Hewlett-Packard Development Company, L.P. Multiple resolution readable color array
US7900837B2 (en) 2007-03-14 2011-03-08 Microsoft Corporation Optical fiber paper reader
CN101755290B (zh) 2007-06-01 2012-11-28 卡巴-诺塔赛斯有限公司 对安全文件特别是钞票的鉴定
US7938331B2 (en) 2007-06-29 2011-05-10 Symbol Technologies, Inc. Method and system for anti-counterfeit barcode label
EP2045783A1 (en) 2007-10-02 2009-04-08 Kba-Giori S.A. Method and system for controlled production of security documents, especially banknotes
JP2009109419A (ja) 2007-10-31 2009-05-21 Sony Corp 物品識別装置および方法、並びにプログラム
JP5023992B2 (ja) 2007-11-16 2012-09-12 富士ゼロックス株式会社 偽造判別システム、及び偽造判別装置
US8267321B2 (en) 2008-02-11 2012-09-18 International Business Machines Corporation Enhanced-density barcode
JP5521276B2 (ja) 2008-03-13 2014-06-11 富士通株式会社 認証装置、認証方法及び認証プログラム
CN102037676B (zh) 2008-03-20 2015-02-25 日内瓦大学 基于不可克隆特征的安全物品识别以及认证系统和方法
US8027468B2 (en) 2008-04-08 2011-09-27 Honeywell International Inc. Method and system for camera sensor fingerprinting
DE102009016194A1 (de) 2008-04-23 2009-10-29 Heidelberger Druckmaschinen Ag Verfahren zur Herstellung eines Sicherheitsmerkmals auf einem flachen Substrat
US8406462B2 (en) 2008-08-17 2013-03-26 Dolby Laboratories Licensing Corporation Signature derivation for images
JP2012523598A (ja) 2009-04-08 2012-10-04 コンチネンタル・テベス・アーゲー・ウント・コンパニー・オーハーゲー ２次元シンボルコードおよびそのシンボルコードを読取るための方法
US8430301B2 (en) 2009-11-23 2013-04-30 Konica Minolta Laboratory U.S.A., Inc. Document authentication using hierarchical barcode stamps to detect alterations of barcode
EP2348465A1 (en) 2009-12-22 2011-07-27 Philip Morris Products S.A. Method and apparatus for storage of data for manufactured items
WO2011077459A2 (en) 2009-12-23 2011-06-30 Alexia Technologies Private Limited A method of extracting naturally encrypted features from a natural surface of a product
JP5668358B2 (ja) 2010-08-10 2015-02-12 富士ゼロックス株式会社 画像処理装置、画像処理システム及びプログラム
US8905314B2 (en) 2010-09-30 2014-12-09 Apple Inc. Barcode recognition using data-driven classifier
JP2012141729A (ja) 2010-12-28 2012-07-26 Jvc Kenwood Corp 真贋判定方法、真贋判定装置、真贋判定システムおよびカラー二次元コード
US8542930B1 (en) 2010-12-30 2013-09-24 Cognex Corporation Mark reader configured to prioritize images
US9022280B2 (en) 2011-06-24 2015-05-05 Verisign, Inc. Multi-mode barcode resolution system
KR101883425B1 (ko) * 2011-08-01 2018-07-31 삼성전자주식회사 휴대 단말기를 이용하는 위폐 감별법
US8989515B2 (en) * 2012-01-12 2015-03-24 Kofax, Inc. Systems and methods for mobile image capture and processing
US20150379321A1 (en) * 2012-03-01 2015-12-31 Sys-Tech Solutions, Inc. Methods and a system for verifying the authenticity of a mark
KR101581196B1 (ko) 2012-03-01 2015-12-30 시스-테크 솔루션스 인코포레이티드 마킹된 특징부에서 유래된 고유 식별 정보
US10565483B2 (en) 2012-08-31 2020-02-18 International Business Machines Corporation Two-dimensional barcode to avoid unintentional scanning
US9036916B2 (en) * 2012-09-27 2015-05-19 Apple Inc. Unique part identifiers
JP6164899B2 (ja) 2013-04-05 2017-07-19 キヤノン株式会社 ハッシュ値生成装置、システム、判定方法、プログラム、記憶媒体
CN103279731B (zh) * 2013-06-06 2016-05-25 格科微电子（上海）有限公司 二维码防伪方法及其防伪验证方法
US9222880B2 (en) * 2013-09-26 2015-12-29 Sarcos Lc Probe for detecting underground substances, and method
TWI525317B (zh) 2013-10-08 2016-03-11 國立清華大學 整合影像分析與資料挖礦之自動光學檢測缺陷影像分類方法
US9224196B2 (en) * 2014-03-12 2015-12-29 ClearMark Systems, LLC System and method for authentication
WO2016035774A1 (ja) * 2014-09-01 2016-03-10 日本電気株式会社 判定方法、判定システム、判定装置、及びそのプログラム
US10956732B2 (en) * 2014-11-21 2021-03-23 Guy Le Henaff System and method for detecting the authenticity of products
US9940572B2 (en) 2015-02-17 2018-04-10 Sys-Tech Solutions, Inc. Methods and a computing device for determining whether a mark is genuine

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2013119235A1 (en) * 2012-02-09 2013-08-15 Hewlett-Packard Development Company, L.P. Forensic verification from halftone images
CN104428798A (zh) * 2012-06-18 2015-03-18 真视野股份有限公司 用于明确标记对象的方法
CN106415608A (zh) * 2014-02-28 2017-02-15 系统科技解决方案公司 验证印刷条目的身份的方法和系统

Also Published As

Publication number Publication date
WO2017160715A1 (en) 2017-09-21
EP4057206A1 (en) 2022-09-14
IL261523B (en) 2019-03-31
IL261523A (en) 2018-10-31
CA3016131A1 (en) 2017-09-21
BR112018068471A2 (pt) 2019-01-22
CN109074371A (zh) 2018-12-21
EP3414684A1 (en) 2018-12-19
CA3016131C (en) 2019-10-22
AU2017234124B2 (en) 2018-11-22
KR20180115339A (ko) 2018-10-22
EP3414684A4 (en) 2019-04-03
ZA201805798B (en) 2019-07-31
JP2019519823A (ja) 2019-07-11
RU2682407C1 (ru) 2019-03-19
AU2017234124A1 (en) 2018-09-13
US10061958B2 (en) 2018-08-28
KR101978109B1 (ko) 2019-05-13
JP6535823B1 (ja) 2019-06-26
MX2018011200A (es) 2018-11-21
US20170262680A1 (en) 2017-09-14
SG11201807829RA (en) 2018-10-30

Similar Documents

Publication Publication Date Title
CN109074371B (zh) 用于确定标记是否真实的方法和计算装置
KR101889676B1 (ko) 마크가 진짜인지를 결정하기 위한 방법 및 컴퓨팅 디바이스
US9940572B2 (en) Methods and a computing device for determining whether a mark is genuine
CN107851201B (zh) 用于确定标记是否真实的方法和计算装置
EP2820592A1 (en) Unique identification information from marked features
CN110603400B (zh) 用于确定标记是否真实的方法和计算装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for 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: 40000432

Country of ref document: HK

GR01 Patent grant
GR01 Patent grant