CN115866385A - 对照装置、存储介质及对照方法 - Google Patents

对照装置、存储介质及对照方法 Download PDF

Info

Publication number
CN115866385A
CN115866385A CN202210276555.3A CN202210276555A CN115866385A CN 115866385 A CN115866385 A CN 115866385A CN 202210276555 A CN202210276555 A CN 202210276555A CN 115866385 A CN115866385 A CN 115866385A
Authority
CN
China
Prior art keywords
image
region
processor
area
reference position
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.)
Pending
Application number
CN202210276555.3A
Other languages
English (en)
Inventor
本杉友佳里
佐藤贤
大岛穣
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.)
Fujifilm Business Innovation Corp
Original Assignee
Fujifilm Business Innovation Corp
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 Fujifilm Business Innovation Corp filed Critical Fujifilm Business Innovation Corp
Publication of CN115866385A publication Critical patent/CN115866385A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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
    • G06V10/17—Image acquisition using hand-held instruments
    • 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
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/10—Image acquisition
    • G06V10/19—Image acquisition by sensing codes defining pattern positions
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/22—Image preprocessing by selection of a specific region containing or referencing a pattern; Locating or processing of specific regions to guide the detection or recognition
    • G06V10/225—Image preprocessing by selection of a specific region containing or referencing a pattern; Locating or processing of specific regions to guide the detection or recognition based on a marking or identifier characterising the area
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/22—Image preprocessing by selection of a specific region containing or referencing a pattern; Locating or processing of specific regions to guide the detection or recognition
    • G06V10/235—Image preprocessing by selection of a specific region containing or referencing a pattern; Locating or processing of specific regions to guide the detection or recognition based on user input or interaction
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/24—Aligning, centring, orientation detection or correction of the image
    • G06V10/245—Aligning, centring, orientation detection or correction of the image by locating a pattern; Special marks for positioning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/255—Detecting or recognising potential candidate objects based on visual cues, e.g. shapes
    • 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
    • G06V10/56—Extraction of image or video features relating to colour
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/98—Detection or correction of errors, e.g. by rescanning the pattern or by human intervention; Evaluation of the quality of the acquired patterns
    • G06V10/993—Evaluation of the quality of the acquired pattern
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Image Analysis (AREA)

Abstract

一种对照装置、存储介质及对照方法，所述对照装置具备处理器，所述处理器通过执行程序来进行如下处理：(a)获取包含设置于对象物的对照区域及成为所述对照区域的位置基准的基准位置区域的摄影图像；(b)从所述摄影图像检测所述基准位置区域；(c)根据所述基准位置区域和预先设定的相对坐标在所述摄影图像内设定周边图像区域；及(d)在所述周边图像区域内检测所述对照区域。

Description

对照装置、存储介质及对照方法
技术领域
本发明涉及一种对照装置、存储介质及对照方法。
背景技术
专利文献1中记载有一种系统，其在利用随机图案的摄影图像进行的产品的真伪判定中，图像获取的限制较少。具体而言，记载有一种系统，其通过产品的特定区域的随机图案的对照来进行产品的真伪判定，所述系统包含：存储器，存储相对于区域的特定位置的标记的基准状态下的真正产品的区域的特征量；图像获取单元，用于拍摄包含标记及区域的对象产品；图像处理单元，用于获取使图像中的标记与基准状态下的标记相同的转换参数，并根据参数将图像中的区域校正为表示标记处于基准状态时的区域的图像；提取单元，从区域部分的图像提取特征量；比较处理单元，对利用提取单元获得的特征量和存储于存储器的特征量进行比较并计算相似度；及判定单元，判定相似度是否超过规定的阈值。
专利文献2中记载有一种数据获取装置，其具备：获取单元，从包含登录对象的物体的图像，获取特征数据作为登录用数据，所述特征数据表示分布于根据物体的外形形状及通过印刷于该物体上的印刷信息的位置来规定的位置这两者来确定的规定尺寸的区域的特征；及存储单元，存储通过获取单元获取的登录用数据作为用于判定物体的同一性的数据，获取单元根据物体的外形形状及通过印刷于该物体上的印刷信息的位置来规定的位置这两者，确定规定尺寸的区域的位置并获取特征数据，由此某个物体的印刷信息的位置偏离预先设定的印刷位置时，根据不同于印刷信息的位置没有偏离预先设定的印刷位置的其他物体上的印刷信息的位置与规定尺寸的区域之间的位置关系的位置关系，确定规定尺寸的区域的位置并获取特征数据。
专利文献3中，记载有一种图像处理方法，其为了从包含随机噪声的检查对象产品的摄影图像中检测成为搜索对象的图像图案，预先将与搜索对象相同的图像图案登录为模板图像，通过在相同位置进行复数次摄影来获取复数张检查对象产品的摄影图像，通过对该复数张摄影图像进行加权平均处理来创建被搜索图像，对该被搜索图像执行利用模板图像的图案匹配，所述图像处理方法中，作为用于辅助加权平均处理的图像，预先拍摄具有与检查对象产品相同的尺寸、形状、图案的成为检查基准的被摄体，从该基准被摄体的摄影图像提取具有与模板图像相同的尺寸、相同的图像图案的加权平均辅助用图像并登录，加权平均处理通过如下来进行，即，从始点至终点，以1个像素单位错开的方式从复数张摄影图像中选择摄影图像彼此的具有相同坐标的区域且与模板图像相同尺寸的图像区域，对所选择的图像区域还加上加权平均辅助用图像，对已进行该加权平均处理的图像和模板图像进行图案匹配。
专利文献4中记载有一种个体识别装置，其具备：生成部，在物体上生成图案；摄像部，检测图案的生成并拍摄所生成的图案；及框体，收纳生成部及摄像部且在下表面具有开口，生成部构成为在待机位置与生成位置之间进退自如，在以使框体的下表面与所述物体相接的方式载置于物体上的状态下从待机位置移动至生成位置时，通过开口在物体上生成所述图案，框体具备检测生成部位于生成位置的情况的第1检测单元，摄像部根据第1检测单元的检测结果检测图案的生成，通过开口拍摄物体上的所述图案，框体具备检测生成部位于待机位置的情况的第2检测单元，摄像部根据第1检测单元的检测到结果检测图案的生成之后，根据第2检测单元的检测结果，在生成部从生成位置移动到待机位置的定时进行拍摄。
专利文献1：日本特开2014-029678号公报
专利文献2：日本专利第6751521号
专利文献3：日本专利第4865204号
专利文献4：日本专利第6813807号
利用者利用便携终端拍摄对照区域并与登录图像进行对照时，需要准确地获取对照区域，但利用者把持便携终端来拍摄时，由于手抖动等而对照区域的位置有可能变得不稳定。也可考虑与对照区域分开地准备成为基准的标记，从基准标记以预先设定的相对坐标确定对照区域，但由于摄影时的手抖动等而基准标记与对照区域的相对位置关系发生变动，因此仅通过该方法难以准确地获取对照区域。
发明内容
本发明的目的在于，提供一种与单纯地利用自基准标记的相对坐标获取对照区域的情况相比，能够更准确地获取对照区域的技术。
本发明的第1方式为一种对照装置，其具备处理器，所述处理器通过执行程序，进行如下处理：
(a)获取包含设置于对象物的对照区域及成为所述对照区域的位置基准的基准位置区域的摄影图像；
(b)从所述摄影图像检测所述基准位置区域；
(c)根据所述基准位置区域和预先设定的相对坐标在所述摄影图像内设定周边图像区域；及
(d)在所述周边图像区域内检测所述对照区域。
第2方式在第1方式所涉及的对照装置中，还具备显示部，所述处理器进行如下处理：将表示所述周边图像区域的引导部显示于所述显示部。
第3方式在第2方式所涉及的对照装置中，所述处理器进行如下处理：将表示所述对照区域的引导部显示于所述显示部。
第4方式在第1至第3方式中任一项所涉及的对照装置中，所述处理器还进行如下处理：计算检测出的所述对照区域的图像的评价值，所述评价值为阈值以下时，反复进行所述(a)～(d)的处理来获取所述评价值超过所述阈值的对照图像。
第5方式在第1至第4方式中任一项所涉及的对照装置中，所述处理器进行如下处理：设定所述周边图像区域之后，判定所述摄影图像中的所述周边图像区域的背景区域的颜色或花纹，所述颜色或花纹与预先设定的条件不一致时，反复进行所述(a)～(c)的处理。
第6方式在第1至第5方式中任一项所涉及的对照装置中，所述处理器还进行如下处理：从外部服务器获取所述相对坐标的数据。
第7方式在第1至第5方式中任一项所涉及的对照装置中，所述处理器还进行如下处理：检测到所述基准位置区域时，通知用户。
第8方式在第5方式所涉及的对照装置中，所述处理器还进行如下处理：所述颜色或花纹与预先设定的条件一致时，通知用户。
第9方式在第1至第8方式中任一项所涉及的对照装置中，所述对照区域呈包含圆的椭圆形或多边形的特定形状，所述处理器进行如下处理：通过从所述周边图像区域内提取所述特定形状来检测所述对照区域。
第10方式在第1至第8方式中任一项所涉及的对照装置中，所述基准位置区域包含QR码(注册商标)。
本发明的第11方式为一种存储介质，其存储有使计算机的处理器执行如下处理的程序：
(a)获取包含设置于对象物的对照区域及成为所述对照区域的位置基准的基准位置区域的摄影图像；
(b)从所述摄影图像检测所述基准位置区域；
(c)根据所述基准位置区域和预先设定的相对坐标在所述摄影图像内设定周边图像区域；及
(d)在所述周边图像区域内检测所述对照区域。
本发明的第12方式为一种对照方法，其包括如下步骤：
(a)获取包含设置于对象物的对照区域及成为所述对照区域的位置基准的基准位置区域的摄影图像的步骤；
(b)从所述摄影图像检测所述基准位置区域的步骤；
(c)根据所述基准位置区域和预先设定的相对坐标在所述摄影图像内设定周边图像区域的步骤；及
(d)在所述周边图像区域内检测所述对照区域的步骤。
发明效果
根据本发明的第1、第11、第12方式，与单纯地利用自基准标记的相对坐标获取对照区域的情况相比，能够更准确地获取对照区域。
根据本发明的第2、第3方式，利用者还能够利用引导部来容易地拍摄对照区域。
根据本发明的第4、第5方式，还能够拍摄画质良好的对照图像。
根据本发明的第6方式，还能够获取与对象物相应的相对坐标的数据。
根据本发明的第7、第8方式，利用者还能够容易地视觉辨认摄影条件是否适当。
根据本发明的第9方式，还能够准确地提取对照区域。
根据本发明的第10方式，还能够准确地检测基准位置区域。
附图说明
根据以下附图，对本发明的实施方式进行详细叙述。
图1是实施方式的系统结构图；
图2是实施方式的对照图像摄影机的结构块图；
图3是实施方式的包含全息图部的对象物和纸的对象物的俯视图；
图4是实施方式的周边区域设定图；
图5是显示于实施方式的对照图像摄影机的输出部(显示部)的引导部说明图(其1)；
图6是显示于实施方式的对照图像摄影机的输出部(显示部)的引导部说明图(其2)；
图7是实施方式的处理流程图；
图8是实施方式的摄影图像的背景颜色评价说明图；
图9是实施方式的形状提取的详细处理流程图；
图10是表示实施方式的周边图像区域、油墨部、登录图像及对照图像的位置关系的说明图。
符号说明
10-对象物，12a、12b-全息图部，13-QR码，14-油墨部，15-周边图像区域，20-登录图像摄影机，22-对照图像摄影机，22a-光源部，22b-相机部，50-服务器计算机。
具体实施方式
以下，根据附图对本发明的实施方式进行说明。以通过拍摄对象物的表面图像并对登录图像与对照图像进行图像对照来唯一地识别该对象物的个体识别系统为例进行说明。
个体识别系统是如下技术，即，将物体表面的一部分，具体而言，将0.1～数mm左右的图像作为该物体固有的信息而预先登录，并唯一地识别要对照的物体与所登录的物体相同即是真品，物体固有的信息例如为基于细微花纹的随机图案。作为基于细微花纹的随机图案的具体例，可举出梨皮面花纹。该梨皮面花纹并不限于如毛玻璃状的表面加工，其概念不仅包含通过对金属或合成树脂(塑料等)等进行加工处理而实施的梨皮面花纹，还包含通过进行褶皱加工而获得的褶皱花纹或随机编制的纤维花纹、基于印刷的随机的细微点状图案或通过利用包含光亮体粒子的油墨进行印刷而得的随机的粒子分布、形成于已进行喷砂处理的玻璃表面等的凹凸。而且，不仅包含无意中偶然形成的梨皮面花纹，还包含为了识别或对照而有意地形成梨皮面花纹的情况。总之，是难以在控制下形成的随机图案。可以说是光学读取这样的随机图案并作为信息而利用的“人工物度量”的一种。
在此，设想作为印刷基材使用全息图等或纸等具有凹凸的印刷基材，在这样的具有凹凸的印刷基材上印刷分散有金属粒子的油墨部来作为随机图案的情况。
图1表示本实施方式的系统结构。对照系统由登录图像摄影机20、对照图像摄影机22及服务器计算机50构成。登录图像摄影机20和服务器计算机50、对照图像摄影机22和服务器计算机50通过通信网络连接。
利用LED等光源部21照射对象物10，并利用登录图像摄影机20拍摄从对象物10反射的光而获取登录图像。登录图像摄影机20及光源部21能够由登录用的专用器材构成。
来自光源部21的照射光的照射角
Figure BDA0003556232330000061
设定为某个规定角度。所获取的登录图像发送至服务器计算机50，存储于服务器计算机50内的登录图像DB50b。
另一方面，将对照系统的利用者所把持的智能手机等便携终端作为对照图像摄影机22来拍摄对象物10。利用搭载于智能手机等的LED等光源部22a照射对象物10，并利用搭载于智能手机等的相机部22b拍摄从对象物10反射的光。来自光源部22a的照射光的照射角
Figure BDA0003556232330000062
设定为实际上与作为获取登录图像时的条件的角度/>
Figure BDA0003556232330000063
相同。其理由在于，如上所述，油墨部的随机图案根据光的照射方向而发生变化，因此需要将光源部22a、相机部22b、对象物10之间的位置关系设定为实际上与拍摄登录图像16时的位置关系相同。
对照图像摄影机22的处理器对摄影图像实施一系列处理来从摄影图像提取油墨部，进而从油墨部的区域内剪切对照图像作为对照区域，并经由通信网络发送至服务器计算机50。对于对照图像摄影机22的处理器的处理，将在后面进行进一步叙述。
服务器计算机50具备对照部50a及登录图像DB50b。
登录图像DB50b由硬盘或SSD(固态驱动器)等存储装置构成，将用于唯一地确定对象物10的识别符ID与登录图像建立关联而存储。
对照部50a由处理器构成，将对从登录图像摄影机20接收的登录图像与对象物10的ID建立关联而存储于登录图像DB50b。并且，进行从对照图像摄影机22接收的对照图像与存储于登录图像DB50b的登录图像的图像对照，并将对照结果输出至对照图像摄影机22。具体而言，对照部50a从登录图像DB50b读出登录图像并与对照图像进行对照计算，从而计算两个图像的相似度。计算相似度时，能够利用基于特征量检测的特征量匹配或使用图像的明暗比较的模板匹配等公知的计算算法。对计算出的相似度与阈值进行比较，若超过阈值则判定为两者一致，若不超过阈值则判定为两者不一致。对照部50a经由通信网络将对照结果发送至对照图像摄影机22。
图像对照中，存在由登录图像摄影机20或者对照图像摄影机22的图像传感器的输入中的变动或量化误差等引起的错误率。错误率由误拒绝率及误受理率这两种构成，所述误拒绝率是尽管是真品但判定为赝品的概率，所述误受理率是尽管是赝品但判定为真品的概率。两者为权衡关系，若其中一个减少则另一个增加。因此，设定阈值，以使对照判定的适用对象中的损失最小。
另外，也可以改变光的照射方向来获取多个登录图像并事先登录于服务器计算机50的登录图像DB50b，对这些多个登录图像与对照图像进行图像对照。
图2表示智能手机等对照图像摄影机22的主要结构块图。对照图像摄影机22除了上述的光源部22a及相机部22b以外，还具备处理器22c、ROM22d、RAM22e、输入部22f、输出部22g及通信I/F22h。
处理器22c读出存储于ROM22d的应用程序，将RAM22e用作工作存储器来执行一系列处理，从利用相机部22b拍摄而得的摄影图像提取油墨部，进而剪切对照图像。处理器22c经由通信I/F22h将所剪切的对照图像发送至服务器计算机50。并且，处理器22c经由通信I/F22h接收来自服务器计算机50的对照结果。
输入部22f由键盘和触摸开关等构成，通过由利用者进行操作来启动应用程序。
输出部22g由液晶显示器或有机EL显示器等构成并作为显示部发挥作用，显示拍摄对象物10时的预览图像。并且，输出部22g也可以根据来自处理器22c的控制指令显示拍摄对象物10时的引导部。对于引导部，在后面进行进一步叙述。而且，输出部22g根据来自处理器22c的控制指令显示从服务器计算机50接收的对照结果。对照结果为“一致”、“不一致”中的任一个，但也可以显示与对照相关的其他消息。
图3表示本实施方式中的对象物10的俯视图。
图3的(a)是作为对象物10使用全息图标签贴纸的情况。全息图标签贴纸包含全息图部12a、12b、QR码13及油墨部14。
全息图部12a形成于标签贴纸的大致左半部分，呈全息图花纹。
全息图部12b形成于标签贴纸的大致右半部分，实施有梨皮面处理，彩虹色的显色根据仰角发生变化。在此，“仰角”是指，图1中的LED光源22a、对象物10、相机部22b所呈的角度。例如，优选该仰角与图1中的角度
Figure BDA0003556232330000081
一致。
QR码13形成于已进行梨皮面处理的全息图部12b上。关于QR码13，关于标签贴纸的各种信息印刷为QR码。并且，在本实施方式中，QR码13相对于图外的印刷用对准标记印刷于固定位置。油墨部14通过其他工序，相对于印刷用对准标记印刷于固定位置。因此，QR码13和油墨部14大致固定相对位置关系而印刷，QR码13还能够作为用于提取油墨部14的对位标记及基准位置区域发挥作用。
油墨部14在已进行梨皮面处理的全息图部12b上利用包含银粒子的凹版油墨进行凹版印刷，呈多边形形状。图中，油墨部14在QR码13的下部隔开规定间隔而印刷成正方形。该油墨部14为随机图案区域，是应利用对照图像摄影机22拍摄并提取的对照区域。油墨部14的形状除了可以是多边形以外，还可以是椭圆(包含圆)形状。
图3的(b)是作为其他对象物10使用纸标签贴纸的情况。纸标签贴纸包含纸部11、QR码13及油墨部14。
QR码13形成于纸部11上。关于QR码13，关于标签贴纸的各种信息印刷为QR码。QR码13预先固定相对于油墨部14的相对位置关系而印刷。因此，QR码13还能够作为用于提取油墨部14的对位标记发挥作用。
油墨部14在纸部11上利用包含银粒子的墨粉油墨进行墨粉印刷，呈多边形形状。图中，油墨部14在QR码13的下部隔开规定间隔而印刷成正方形。该油墨部14为随机图案区域，是应利用对照图像摄影机22拍摄并提取的对照区域。
图4示意地表示QR码13与油墨部14的位置关系。若作为对照图像摄影机22利用智能手机等便携终端，则是基于利用者的手动摄影，因此摄影图像中的油墨部14的位置会变得不稳定。作为发送至服务器计算机50的对照图像，需要获取准确的位置的图像，因此将在油墨部14的附近以预先设定的相对位置关系形成的QR码13用作对位标记。
图4的(a)示意地表示利用该QR码13与油墨部14的相对位置关系的油墨部14的位置确定处理。为了获取油墨部14，首先检测QR码13。若检测到QR码13，则利用该QR码13与油墨部14的已知的相对位置关系(图中，以矢量表示该相对位置关系)确定油墨部14的位置。并且，在所确定的位置上从摄影图像提取正方形的油墨部14。
但是，由于印刷位置偏差，QR码13与油墨部14的相对位置关系上有可能存在偏差。并且，由于摄影时的手抖动等，QR码13与油墨部14的相对位置关系有可能发生变动。因此，仅根据作为对位标记的QR码13和已知的相对位置关系的信息，难以准确且稳定地获取作为对照区域的油墨部14。
因此，如图4的(b)所示，若检测到QR码13，则根据预先设定的第2相对位置关系，设定比油墨部14的已知尺寸更大地内包油墨部14的周边图像区域15。周边图像区域15的形状是任意的，但如图4的(b)中以单点划线表示，例如可以设为作为油墨部14的形状的相似形的正方形。周边图像区域15设定为即使在QR码13与油墨部14的相对位置关系上产生偏差也能够准确地内包油墨部14的形状及尺寸。作为一例，设为与油墨部14的形状相似的形状，将比油墨部14大50％的尺寸设为周边图像区域15等，但并不限定于此。
若根据与作为对位标记的QR码13的位置关系设定周边图像区域15，则对照图像摄影机22的处理器22c在该周边图像区域15内提取已知形状(此时为正方形)的油墨部14。
周边图像区域15通过对照图像摄影机22的处理器22c设定为内部处理，但处理器22c也可以将所设定的周边图像区域15显示于输出部22g来使利用者能够视觉辨认。显示于输出部22g的周边图像区域15作为对利用者的油墨部14的引导部而发挥作用。
图5表示显示于对照图像摄影机22的输出部22g的引导部的一例。图5的(a)是表示通过处理器22c设定的周边图像区域15的引导框15g的例子。周边图像区域15将之前检测到的QR码13用作对位标记，设定为从QR码13处于预先设定的第2相对位置关系的预先设定的形状及尺寸的区域。引导框15g根据如此设定的周边图像区域15，重叠显示于输出部22g的预览显示上。
即，在输出部22g预览显示对象物10的摄影图像，以在该预览显示中以检测到的QR码13为基准而显示引导框15g。利用者将该引导框15g作为引导部来适当调整对照图像摄影机22与对象物10的距离，调整成使油墨部14位于引导框15内。
另外，关于对照图像摄影机22与对象物10的距离，更具体地为对照图像摄影机22的相机部22b与对象物10的距离(摄影距离)例如优选接近获取登录图像时的距离(摄影距离)，因此处理器22c也可以测定相机部22b与对象物10的摄影距离，并在该摄影距离成为所期望的摄影距离附近的时点，将引导框15g显示于输出部22g。由此，利用者能够一边把持智能手机等对照图像摄影机22一边使相机部22b与对象物10对置并缓慢靠近对象物10，引导框15g被预览显示，以使油墨部14位于该引导框15g内的方式调整对照图像摄影机22的位置。油墨部14的尺寸是已知的，周边图像区域15的尺寸也根据油墨部14的尺寸而设定，因此通过处理器22c还计算在摄影距离成为所期望的摄影距离附近的时点预览显示的引导框15g的尺寸。
图5的(b)表示显示于对照图像摄影机22的输出部22g的引导部的另一例。除了表示周边图像区域15的引导框15g以外，表示QR码13的引导框13g显示于输出部22g，而且表示油墨部14的引导框14g显示于输出部22g。引导框13g在检测到QR码13时沿着QR码13的轮廓而显示。并且，引导框14g在引导框15g显示之后或者与引导框15g的显示一同，在引导框15g的内部作为存在油墨部14的候选区域而显示。引导框13g、14g、15g各自所引导的对象不同，因此能够以彼此不同的颜色或者以互不相同的花纹等可识别地显示。
如上所述，以QR码13为基准设定周边图像区域15，将表示该周边图像区域15的引导框15g重叠显示于摄影图像的预览显示，由此利用者能够一边视觉辨认引导框15g一边进行对照图像摄影机22的对位。
另一方面，关于对照图像摄影机22相对于对象物10的仰角
Figure BDA0003556232330000111
(参考图1)，在对象物10为如图3的(a)所示的情况下，能够利用在其上形成有油墨部14的梨皮面处理的全息图部12b的颜色变化。即，梨皮面处理的全息图部12b的彩虹色的显色根据仰角而发生变化，因此以使油墨部14周边的全息图部12b，更具体地是除了油墨部14以外的周边图像区域15内的显色成为所期望的颜色(或者花纹)的方式进行调整，由此能够调整仰角/>
Figure BDA0003556232330000118
具体而言，处理器22c检测摄影图像中的周边图像区域15内的显色图案并判定是否为与仰角
Figure BDA0003556232330000113
相应的所期望的显色图案，将其判定结果作为引导部显示于输出部22g。/>
图6表示显示于对照图像摄影机22的输出部22g的引导部的又一例。图6的(a)是周边图像区域15内的全息图部12b的显色图案为所期望的显色图案(所期望的彩虹色)的情况的引导例。除了引导框13g、14g、15g以外，还在表示周边图像区域15的引导框15g的附近与引导框15g建立关联而显示表示是所期望的仰角的特定颜色(例如，绿色)的标记24。利用者通过视觉辨认这些引导框13g、14g、15g及标记24，能够容易确认对照图像摄影机22的摄影位置是优选的位置。另外，可以在图6的(a)中除了标记24以外还显示表示光源部22a的所期望的镜面反射位置的引导部。利用者通过以使摄影图像中的光源部22a的镜面反射位置与该标记大致一致的方式进行调整，能够更准确地调整仰角
Figure BDA0003556232330000119
这是因为如图1所示，仰角/>
Figure BDA0003556232330000115
根据光源部22a、对象物10、相机部22b的位置关系而确定。
图6的(b)是周边图像区域15内的全息图部12b的显色图案不是所期望的显色图案(所期望的彩虹色)的情况的引导例。显示引导框14g、15g，但不显示标记24。并且，代替标记24，显示仰角
Figure BDA0003556232330000116
不适当的意旨或者表示用于将仰角/>
Figure BDA0003556232330000117
调整为所期望的角度的调整方向的消息25。在图6的(b)中，周边图像区域15内的彩虹色为对照图像摄影机22的头侧(智能手机的情况下，设置有光源部22a和相机部22b的一侧)下垂时出现的显色图案，与此对应地显示促使抬高该头侧的“Head UP”的消息25。
如此，通过在输出部22g显示标记24或者消息25，促使利用者注意油墨部14周边的颜色和花纹，能够容易与手册等中示出的样本匹配，能够缩短拍摄油墨部14的良好的图像为止的时间。
另外，在图6的(b)中，以灰色显示了油墨部14的引导框14g，但这是考虑到油墨部14周边的显色并不适当的情况。处理器22c在摄影开始的同时显示所有引导部，在摄影中进行引导框14g的颜色的变更和标记24或消息25有无显示的变更。若进一步考虑用户对位的容易性，则可以阶段性地变更显示，即，处理器22c检测QR码13，在设定周边图像区域15之后显示引导框13g及引导框15g，进而在判定为周边图像区域15内的显色是所期望的显色时，显示油墨部14的引导框14g。
接着，以对象物10为图3的(a)的情况为一例，对本实施方式中的处理器22c的处理进行详细说明。
图7表示处理器22c的处理流程图。是通过读出并执行存储于ROM22d等的程序来实现的处理。
首先，处理器22c获取通过相机部22b获得的摄影图像(S11)。
接着，从所获取的摄影图像检测对位标记(S12)。对位标记例如为QR码13，通过检测QR码13中包含的剪切符号、定时图案、对准图案及格式信息，从摄影图像识别QR码13。
若检测到对位标记及作为基准位置区域的QR码(S12中，是)，则以该QR码13的位置为基准，利用预先设定并存储于存储器的第2相对位置关系数据设定周边图像区域15。也可以代替此，处理器22c访问服务器计算机50，从服务器计算机50获取第2相对位置关系数据(相对坐标数据)。此时，通过将读取QR码13而获得的对象物10的ID发送至服务器计算机50，能够从服务器计算机50获取与对象物10相应的相对位置关系数据。然后，在输出部22g显示表示周边图像区域15的引导框15g，从摄影图像获取与该周边图像区域15对应的周边图像(S13)。所获取的周边图像中包含作为随机图案的油墨部14的图像，因此将此称为随机图案周边图像。
若获取到随机图案周边图像，则判定该随机图案周边图像中包含的油墨部14的背景颜色是否适当(S14)。即，对背景颜色的显色图案和预先存储于存储器的所期望的显色图案进行比较，两者一致时判定为适当，两者不一致时判定为不适当。具体而言，计算背景颜色中包含的特定颜色的重心位置，对该中心位置和与所期望的显色图案对应的重心位置进行比较。判定为背景颜色不适当时(S14中，否)，在将图6的(b)所示的消息25显示于输出部22g之后反复进行S11之后的处理。
图8示意地表示S14的处理。图8的(a)是油墨部14周边的随机图案周边图像28的背景颜色适当的情况的一例。并且，图8的(b)及图8的(c)是油墨部14周边的随机图案周边图像28的背景颜色不适当的情况的一例。
随机图案周边图像28的背景颜色具有已经梨皮面处理的全息图部12特有的变化，即，彩虹色的显色根据仰角而发生变化，换言之，反射光的特性根据光的照射方向而发生变化。还能够通过作为对位标记的QR码13的形状推断仰角，但需要比较大的尺寸，因此对象物10和其设计上存在限制。并且，在满足进入相机部22b的视场角且适当的与光源部22a的位置关系这两者的条件下，能够用于仰角推断的面积较小，因此会导致精度下降。
相对于此，在梨皮面全息图部12b中，彩虹色的显色根据仰角而不同，因此通过已进行RGB分解的图像的二值化处理计算随机图案周边图像28内的特定颜色(例如，红色、黄色、淡蓝色)的重心位置，并判定是否进入预先设定的阈值之间，由此能够准确地推断仰角。在一体搭载有光源部22a和相机部22b的智能手机等的情况下，可以说仰角是否适当的判定的含义与智能手机的姿势是否适当的判定相同。
再次回到图7，判定为背景颜色适当时(S14中，是)，将图6的(a)所示的标记24显示于输出部22g，从所获取的随机图案周边图像28提取油墨部14的形状(本实施方式中为正方形)(S15)。
图9表示形状提取的详细流程图。
该处理流程图的目的在于从随机图案周边图像28获取正方形的油墨部14的4个顶点的坐标，大致分为二值化图像生成处理(S1)、矩形边缘提取处理(S2)及顶点坐标推断处理(S3)这三个处理。
＜二值化图像生成处理＞
首先，对二值化图像生成处理(S1)进行说明。
在该处理中，首先对随机图案周边图像28的原图像同时执行平滑处理和明暗差强调处理(S101)。若仅通过对原图像单纯地进行平滑处理，则会导致油墨部14的形状模糊。并且，若仅通过对原图像单纯地进行明暗差强调处理，则虽然油墨部14的凹凸被强调，但与此同时全息图部12b的凹凸也被强调，因此无法提取油墨部14。
因此，对原图像同时执行平滑处理和明暗差强调处理，并去除全息图部12b和油墨部14的凹凸，从而从全息图部12b识别油墨部14。具体而言，平滑处理和明暗差强调处理的同时执行能够利用均值偏移滤波器(Mean-Shift filter)。均值偏移滤波器由处理器22c实现。均值偏移滤波器是将所指定的某个像素空间内的相似颜色涂成相同颜色的滤波器。由此，银色油墨部14接近相同颜色，全息图部12b的彩虹色背景与银色油墨部14的边界的颜色区域不同，因此在维持油墨部14的形状的情况下，全息图部12b与油墨部14的边界的明暗差被强调。
另外，还有如双边滤波器那样保持边缘来进行平滑处理的滤波方法，但发明人等确认到通过该方法无法去除全息图部12b和油墨部14的噪声。通过利用均值偏移滤波器，能够保持边缘，利用全息图部12b与油墨部14的色差，按每个颜色进行平滑化，从而在边缘不会消失的情况下去除噪声。
在均值偏移滤波器中，首先搜索原图像的颜色分布的重心。即，计算以某个像素(x，y)的颜色(r，g，b)为中心的半径sr的颜色空间区域的重心坐标(xc，yc)及其颜色(rc，gc，bc)，并以以下条件搜索重心。但是，sp为搜索区域半径。
条件：|x-xc|≤sp、|y-yc|≤sp、||(r，g，b)-(rc，gc，bc)||≤sr
并且，满足上述条件时，视作如下，并再次进行中心搜索。
(x，y，r，g，b)＝(xg，yg，rc，gc，bc)
反复执行以上的重心探索处理。
并且，预先设定颜色空间距离ε和重复次数n，判定是否满足以下条件，满足时结束处理。
条件：满足反复次数n
或
|x-xc|+|y-yc|+(r-rc)2+(g-gc)2+(b-bc)2＜ε
重心搜索处理结束之后，以颜色空间的重心的值进行平滑化。即，极值搜索结束之后，将空间内各像素作为该颜色空间的重心值。之后，利用高斯金字塔和阈值sr明确边缘。
均值偏移滤波器使用颜色空间的距离差进行平滑处理，因此是在前景和背景的颜色空间距离上存在差时有效的平滑处理，因此是对在前景存在无彩色的油墨部14且在背景存在有彩色的全息图部12b的原图像有效的处理。
在均值偏移滤波器中，能够将颜色空间半径sr和像素空间半径sp作为主要的参数来控制平滑处理和明暗差强调处理的性能。因此，能够通过调整这些参数来调整平滑处理和明暗差强调处理的比率。具体而言，如下。
(1)指定通过像素空间半径sp进行平滑化(涂布)的像素的搜索范围，因此能够调整为如下。
sp大→搜索范围宽
sp小→搜索范围窄
另外，若将sp设定得过大，则需要处理时间，因此例如优选进行考虑。
(2)通过颜色空间半径sr确定涂成相同颜色的相似颜色的范围，因此能够调整为如下。
sr大→将略微不同的颜色也识别为相同颜色
sr小→将相似颜色识别为相同颜色
在本实施方式中，均值偏移滤波器的参数sp、sr设定为如下等。
(sp，sr)＝(10，30)
对原图像同时执行平滑处理和明暗差强调处理之后(S101)，对通过S101的处理无法获得明暗差的部位进一步执行追加的明暗差强调处理(S102)。
背景颜色与油墨部14的颜色空间距离上没有充分的差时，导致前景和背景同化，仅通过S101的处理有时会产生明暗差强调并不充分的部位。因此，通过进一步执行明暗差强调处理，更稳定地提取油墨部14的形状。
具体而言，在S101对已处理的图像进行RGB分解，在RGB各颜色空间执行明暗差强调处理。这意味着图像内亮度直方图的平坦化。并且，为了提取边缘的梯度，对RGB各颜色图像适用纵横各自的索贝尔(Sobel)滤波器。另外，通过Sobel滤波器计算出的梯度值不是8位(256灰阶)，因此可以将其标准化为8位。标准化方法是取梯度图像的绝对值，将其255以上的像素值全部置换为255的处理。由此，能够不依赖于干扰噪声而获取边缘梯度。
在执行追加的明暗差强调处理之后(S102)，执行利用HSV颜色空间的噪声去除处理(S103)。在此，HSV颜色空间是由色相(Hue)、彩度(Saturation·Chroma)、亮度(Value·Brightness)这三个成分构成的颜色空间。
在S102中提取到油墨部14的大致的形状的情况下，在全息图部12的白色和淡蓝色的边界产生噪声。尤其，R空间图像的白色和淡蓝色的梯度较大，因此若适用Sobel滤波器则产生如边缘那样的噪声。因此，利用HSV颜色空间去除该噪声。具体而言，如下。
(1)对S101中的已处理图像13进行HSV分解
(2)对S图像进行二值化
(3)对S二值图像适用纵横Sobel滤波器
(4)对纵横Sobel图像和H图像的黑白反转二值图像进行OR合成
在执行S103的处理之后，创建二值化图像(S104)。即，分别对R、G、B图像的纵横方向梯度图像合计6个进行二值化。二值化的阈值可以以R、G、B各自不同的方式设定。并且，对纵横成分、RGB色成分的合计6个二值化图像进行OR合成。
＜矩形边缘提取处理＞
接着，对矩形边缘提取处理进行说明。
在S104创建二值化图像之后，从该二值化图像获取构成正方形油墨部14的多边形的边(S105)。具体而言，是利用随机霍夫变换的边缘提取处理。另外，随机霍夫变换是进行了霍夫变换的最优化的变换，并非使用所有像素进行计算，而是从图像中随机选择足以进行直线检测的点来进行计算。在S104中还能够使用(非随机)霍夫变换。但是，存在参数调整较困难，对二值化图像的矩形边缘的灵敏度过高的缺点。
获取到多边形的边之后(S105)，执行去除多余的边的处理(S106)。即，从通过随机霍夫变换提取到的直线去除不是矩形边缘(边)的直线。具体而言，采用去除斜率为规定值以上的直线、或比对照区域14的大小长的直线、或纵横线相交的角度为规定角度以内的直线或者去除与图像框相接的直线等方法。除此以外，还可以通过利用颜色空间提取类似矩形的色调的边缘来去除多余的边。
＜顶点坐标推断处理＞
矩形边缘提取处理(S2)结束之后，执行正方形油墨部14的顶点坐标推断处理(S3)。
在该处理中，从在S106中去除多余的边而获得的图像计算边的交点的重心坐标(S107)。即，代替由各边构成的交点，计算位于某个附近内的交点组的重心坐标。对已处理图像23，通过解1维联立方程式来计算纵横直线的交点，但OR合成之后，二值化图像的边缘宽度为2～3个像素，因此通过随机霍夫变换对同一边缘提取多个直线。因此，在某个坐标的附近存在多个交点。这些交点表示同一顶点的可能性较高，因此获取交点组的重心坐标，将该重心坐标重新定义为油墨部14的形状的顶点。
在交点组的重心坐标计算处理中，首先，通过膨胀处理(dilation)将某个附近内的多个交点汇总为1个。膨胀处理是如下处理，即，若某个像素的周边像素中存在白色像素，则将该像素转换为白色像素，由此依次扩展白色像素。接着，对已进行膨胀处理的各交点集合进行标记。并且，计算所标记的各交点集合的重心坐标。若如以上那样计算重心坐标，则将计算出的重心坐标设定为顶点候选。
正方形油墨部14中存在4个顶点，因此原本能够设定4个顶点候选。设定顶点候选时，能够将油墨部14的已知的形状特性即边或对角线的长度用作条件。存在多个满足条件的顶点组时，选择最可能的顶点组。例如，正方形油墨部14中，利用4个边的长度彼此相等的条件，将边的长度的差异最小的组作为顶点组等。
并且，判定是否获取到了油墨部14的所有顶点(S108)。正方形油墨部14中，在获取到4个顶点时判定为获取到了所有顶点。未能获取到所有顶点时，意味着未能提取到油墨部14的所有边，因此接下来执行消失的边的补全处理(S109)。
在边的补全处理中，对正方形油墨部14判定是否提取到了构成正方形的3条边。通常，油墨部14印刷于作为印刷基材的全息图部12b上时，在全息图部12的背景红色覆盖前景的红色时，该边的提取有时会失败。总之，存在背景与前景之间的颜色空间距离差较小的情况。因此，首先判定是否提取到了3条边。3条边的选择能够从油墨部14的已知的形状特性即边缘的长度和位置推断。
提取到3条边时，从已经计算出的重心坐标计算3条边中没有对边的边的长度x。并且，在距离边的长度x的位置新描绘平行的边。具体而言，将构成正方形的4个边设为a、b、c、d，a和c构成对边且b和d构成对边，仅提取到a、b、c这3条边时，在从b距离x的位置描绘与b平行的边来作为d。作为从b距离x的平行的边，能够在b的两侧分别各推断1个合计2个，但其中一个不存在于图像内，因此能够唯一地描绘边d。由此，消失的边得到补全。
对消失的边进行补全处理之后，再次计算交点的重心坐标来获取所有顶点的坐标即可。
另外，也可以在对消失的边进行补全处理之后，对在S104中获得的二值化图像，降低阈值而再次执行随机霍夫变换，从而重新获取边，统合如此获得的边和进行补全而获得的边，并再次过渡到顶点坐标推断处理(S3)。
再次回到图7，若如上述那样通过获取油墨部14的4个顶点的坐标来提取到形状(S15中，是)，则处理器22c通过以这些4个顶点的坐标为基准剪切对照图像来获取随机图案图像(S16)。然后，进行所获得的随机图案图像的画质评价，即，判定随机图案图像的画质是否良好(S17)。
关于画质是否良好，具体而言，对以下的指标值进行评价，能够根据这些指标值是否超过阈值来进行判定。
(1)正方形的位置、大小、角度是否适当
(2)模糊的程度(拉普拉斯滤波值的标准偏差)
(3)抖动的程度(4个方向的Sobel滤波值的标准偏差的最大最小差)
(4)亮度(光亮度平均值)
(5)随机性(剪切图像的中心1/4尺寸的部分，求出图像的各坐标与作为起点的同尺寸的图像之间的相关值，从该相关值组的最大值减去平均值并除以标准偏差而得的值)
(6)光源的偏离程度(图像的光亮度的斜率的纵横比＝在列方向上将同一行的光亮度平均值进行线性近似时的斜率/在行方向上将同一列的光亮度平均值进行线性近似时的斜率)
能够任意地组合这些指标值的任一个或者多个来判定画质是否良好。例如，利用(1)和(6)或者利用(1)、(5)和(6)等。
自动反复进行S11～S17的处理，直至获取预先设定的上限张数N、或者直至超时、或者直至利用者中断摄影操作(S18)。然后，利用获得了上限N张的随机图案图像或者在超时或摄影中断为止获得的复数张随机图案图像执行对照处理(S19)。
在对照处理中，添加所获取的上限N张或者复数张随机图案图像，向服务器计算机50发送对照请求。服务器计算机50的对照部50a对所接收的随机图案图像和登录图像进行对照，并将对照结果回复给对照图像摄影机22。处理器22c接收来自服务器计算机50的对照结果并显示于输出部22g。
如上所述，在本实施方式中，以作为对位标记的QR码13作为基准来设定周边图像区域15，并在该周边图像区域中提取油墨部14，因此即使QR码13与油墨部14的相对位置关系偏离也能够稳定地提取油墨部14。
图10表示本实施方式中的油墨部14、相对于油墨部14设定的周边图像区域15、从油墨部14剪切的对照图像16。在本实施方式中，以周边图像区域15→提取油墨部14的形状→对剪切照图像16的顺序逐渐确定区域。
并且，在本实施方式中，判定周边图像区域15的背景颜色(或花纹)是否适当，并根据该结果提取油墨部14的形状，但与形状提取处理相比，虽然颜色(或者花纹)的判定处理的精度相对低，但能够实现快速处理，因此首先判定是否以适当的姿势拍摄，不适当时能够通过重新拍摄来增加摄影频度，通过摄影频度增加，能够提高在规定时间内获取适当的画质的油墨部14的图像的概率。在这个意义上，周边图像区域15除了具有确定油墨部14的位置的功能以外，还具有规定判定油墨部14周边的背景颜色(或花纹)是否适当时的判定区域的功能。
以上，以对象物10为图3的(a)所示的情况为例进行了说明，但在对象物10如图3的(b)所示那样印刷基材为纸11时，代替图7中的S14的处理，将QR码13用作校正补丁，通过QR码13的黑色等校正亮度之后，判定QR码13内的纵向的光亮度斜率是否在适当的范围内即可。纵向的光亮度斜率能够定义为在行方向上将对同一列的光亮度平均值进行线性近似时的斜率。
并且，在本实施方式中，例示了全息图部12a、12b，但也可以代替此使用偏光片。
并且，在本实施方式中，获取画质良好的复数张随机图案图像并发送至服务器计算机50来进行对照，但也可以选择画质最佳的1张随机图案图像，并将其发送至服务器计算机50来进行对照。
并且，在本实施方式中，将QR码13用作对位标记及基准位置区域，但也可以代替此，将油墨部14的边缘本身作为对位标记及基准位置区域，从该边缘根据第3相对位置关系设定周边图像区域。此时的周边图像区域并不是如图4的(b)那样设定为内包油墨部14，而是设定于油墨部14内。这是基于如下情况，即，登录于登录图像DB50b的登录图像并不是油墨部14整体，而仅是油墨部14的一部分区域。
并且，本实施方式中的处理器22c是指广义的处理器，包含通用的处理器(例如CPU：中央处理单元，Central Processing Unit等)或专用的处理器(例如GPU：图形处理单元，Graphics Processing Unit、ASIC：专用集成电路，Application Specific IntegratedCircuit、FPGA：现场可编程门阵列，Field Programmable Gate Array、可编程逻辑器件等)。并且，实施方式中的处理器的动作不仅可以通过1个处理器完成，也可以由存在于物理上远离的位置的多个处理器协同作用来完成。并且，处理器的各动作的顺序并不仅限于上述各实施方式中记载的顺序，可以适当变更。
上述本发明的实施方式是以例示及说明为目的而提供的。另外，本发明的实施方式并不全面详尽地包括本发明，并且并不将本发明限定于所公开的方式。很显然，对本发明所属的领域中的技术人员而言，各种变形及变更是自知之明的。本实施方式是为了最容易理解地说明本发明的原理及其应用而选择并说明的。由此，本技术领域中的其他技术人员能够通过对假定为各种实施方式的特定使用最优化的各种变形例来理解本发明。本发明的范围由以上的权利要求书及其等同物来定义。

Claims (12)

1.一种对照装置，其具备处理器，所述处理器通过执行程序来进行如下处理：
(a)获取包含设置于对象物的对照区域及成为所述对照区域的位置基准的基准位置区域的摄影图像；
(b)从所述摄影图像检测所述基准位置区域；
(c)根据所述基准位置区域和预先设定的相对坐标在所述摄影图像内设定周边图像区域；及
(d)在所述周边图像区域内检测所述对照区域。
2.根据权利要求1所述的对照装置，
其还具备显示部，
所述处理器进行如下处理：
将表示所述周边图像区域的引导部显示于所述显示部。
3.根据权利要求2所述的对照装置，其中，
所述处理器进行如下处理：
将表示所述对照区域的引导部显示于所述显示部。
4.根据权利要求1至3中任一项所述的对照装置，其中，
所述处理器还进行如下处理：
计算检测出的所述对照区域的图像的评价值，
所述评价值为阈值以下时，反复进行所述(a)～(d)的处理来获取所述评价值超过所述阈值的对照图像。
5.根据权利要求1至4中任一项所述的对照装置，其中，
所述处理器进行如下处理：
设定所述周边图像区域之后，判定所述摄影图像中的所述周边图像区域的背景区域的颜色或花纹，所述颜色或花纹与预先设定的条件不一致时，反复进行所述(a)～(c)的处理。
6.根据权利要求1至5中任一项所述的对照装置，其中，
所述处理器还进行如下处理：从外部服务器获取所述相对坐标的数据。
7.根据权利要求1至5中任一项所述的对照装置，其中，
所述处理器还进行如下处理：检测到所述基准位置区域时，通知用户。
8.根据权利要求5所述的对照装置，其中，
所述处理器还进行如下处理：所述颜色或花纹与预先设定的条件一致时，通知用户。
9.根据权利要求1至8中任一项所述的对照装置，其中，
所述对照区域呈包含圆的椭圆形或多边形的特定形状，
所述处理器进行如下处理：
通过从所述周边图像区域内提取所述特定形状来检测所述对照区域。
10.根据权利要求1至8中任一项所述的对照装置，其中，
所述基准位置区域包含QR码。
11.一种存储介质，其存储有使计算机的处理器执行如下处理的程序：
(a)获取包含设置于对象物的对照区域及成为所述对照区域的位置基准的基准位置区域的摄影图像；
(b)从所述摄影图像检测所述基准位置区域；
(c)根据所述基准位置区域和预先设定的相对坐标在所述摄影图像内设定周边图像区域；及
(d)在所述周边图像区域内检测所述对照区域。
12.一种对照方法，其包括如下步骤：
(a)获取包含设置于对象物的对照区域及成为所述对照区域的位置基准的基准位置区域的摄影图像的步骤；
(b)从所述摄影图像检测所述基准位置区域的步骤；
(c)根据所述基准位置区域和预先设定的相对坐标在所述摄影图像内设定周边图像区域的步骤；及
(d)在所述周边图像区域内检测所述对照区域的步骤。
CN202210276555.3A 2021-09-24 2022-03-21 对照装置、存储介质及对照方法 Pending CN115866385A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2021-155852 2021-09-24
JP2021155852A JP2023046978A (ja) 2021-09-24 2021-09-24 照合装置及びプログラム

Publications (1)

Publication Number Publication Date
CN115866385A true CN115866385A (zh) 2023-03-28

Family

ID=80623722

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210276555.3A Pending CN115866385A (zh) 2021-09-24 2022-03-21 对照装置、存储介质及对照方法

Country Status (4)

Country Link
US (1) US20230113156A1 (zh)
EP (1) EP4156116A1 (zh)
JP (1) JP2023046978A (zh)
CN (1) CN115866385A (zh)

Family Cites Families (28)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4328171A (en) 1979-11-26 1982-05-04 The Dow Chemical Company Preparation of cyanoacetamide and 2,2-dibromo-3-nitrilopropionamide compositions
JPS63134215A (ja) 1986-11-27 1988-06-06 Sumitomo Heavy Ind Ltd 射出成形機の射出制御装置
US5521984A (en) * 1993-06-10 1996-05-28 Verification Technologies, Inc. System for registration, identification and verification of items utilizing unique intrinsic features
JP3780830B2 (ja) * 2000-07-28 2006-05-31 日本電気株式会社 指紋識別方法及び装置
US7206080B2 (en) * 2001-07-30 2007-04-17 Topcon Corporation Surface shape measurement apparatus, surface shape measurement method, surface state graphic apparatus
JP4865204B2 (ja) 2004-10-04 2012-02-01 株式会社日立ハイテクノロジーズ 画像処理方法、画像処理装置及び半導体検査装置
CN102017601B (zh) * 2008-06-26 2013-03-13 松下电器产业株式会社 图像处理装置及图像合成方法
US8712190B2 (en) * 2008-10-10 2014-04-29 Nec Corporation Collating device, collating method, and program
JP5261312B2 (ja) * 2009-07-30 2013-08-14 富士フイルム株式会社 画像解析装置、画像解析方法およびプログラム
WO2012011246A1 (ja) * 2010-07-21 2012-01-26 パナソニック株式会社 画像処理装置
US10657484B2 (en) * 2011-03-04 2020-05-19 Nec Corporation Distribution management system, distribution management method, and device, label and program used by same
JP2014029678A (ja) 2012-06-27 2014-02-13 Fujifilm Corp 真偽判定システムおよび真偽判定プログラム
TW201531960A (zh) * 2013-11-14 2015-08-16 Sicpa Holding Sa 用於驗證產品的圖像分析
US10262427B2 (en) * 2014-09-01 2019-04-16 Nec Corporation Determination method, determination system, determination device, and program
WO2016077934A1 (en) * 2014-11-21 2016-05-26 Le Henaff Guy System and method for detecting the authenticity of products
CN107111906B (zh) * 2015-01-26 2020-01-21 凸版印刷株式会社 识别装置、识别方法、及包括识别程序的计算机可读介质
WO2017159681A1 (ja) * 2016-03-14 2017-09-21 凸版印刷株式会社 識別装置、識別方法、識別プログラム、及び識別プログラムを含むコンピュータ可読媒体
WO2017209153A1 (ja) * 2016-05-30 2017-12-07 シャープ株式会社 画像処理装置、画像処理方法および画像処理プログラム
WO2018092051A2 (en) * 2016-11-16 2018-05-24 Nanotronix Computing Inc. Authentication using object imaging
US11501517B2 (en) * 2017-03-28 2022-11-15 Nec Corporation Individual identifying device
JP7210872B2 (ja) * 2017-07-19 2023-01-24 富士フイルムビジネスイノベーション株式会社 画像処理装置及び画像処理プログラム
US10810393B1 (en) * 2019-03-29 2020-10-20 At&T Intellectual Property I, L.P. Apparatus and method for identifying and authenticating an object
US11235613B2 (en) * 2019-04-08 2022-02-01 iProov Ltd. Document authentication by attitude-independent determination of surface appearance using controlled illumination
EP3734506A1 (en) * 2019-05-02 2020-11-04 Alitheon, Inc. Automated authentication region localization and capture
JP7408298B2 (ja) * 2019-06-03 2024-01-05 キヤノン株式会社 画像処理装置、画像処理方法、及びプログラム
JP2023037333A (ja) * 2021-09-03 2023-03-15 株式会社東芝 被検体の検査に関連する処理装置、被検体の検査システム、被検体の検査に関連する処理方法、及び、被検体の検査に関連する処理プログラム
JP2023046979A (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
US20230118236A1 (en) * 2021-10-20 2023-04-20 Fujifilm Business Innovation Corp. Collation device and non-transitory computer readable medium storing program

Also Published As

Publication number Publication date
US20230113156A1 (en) 2023-04-13
JP2023046978A (ja) 2023-04-05
EP4156116A1 (en) 2023-03-29

Similar Documents

Publication Publication Date Title
US6885766B2 (en) Automatic color defect correction
US8861845B2 (en) Detecting and correcting redeye in an image
US7298874B2 (en) Iris image data processing for use with iris recognition system
EP1693782B1 (en) Method for facial features detection
US7860280B2 (en) Facial feature detection method and device
KR20190094352A (ko) 모바일 디바이스를 사용하여 캡처된 화상을 사용하여 지문 기반 사용자 인증을 수행하기 위한 시스템 및 방법
US11341739B2 (en) Image processing device, image processing method, and program recording medium
KR20130014920A (ko) 휴대 단말기를 이용하는 위폐 감별법
WO2021179157A1 (zh) 用于验证产品真伪的方法和装置
JP2018120445A (ja) 車番認識装置
JP2010026805A (ja) 文字認識装置及び文字認識方法
CN111354038B (zh) 锚定物检测方法及装置、电子设备及存储介质
EP4171051A1 (en) Collation device, program, and collation method
US11825190B2 (en) Collation device
KR100726473B1 (ko) 이미지 분별 장치 및 그 방법
CN112818983A (zh) 一种利用图片相识度判断字符倒置的方法
CN115866385A (zh) 对照装置、存储介质及对照方法
CN116469090A (zh) 喷码图案的检测方法、装置、电子设备和存储介质
KR100596197B1 (ko) 가변 타원 마스크와 형태학적 특징을 이용한 얼굴 인식 방법
EP4156120B1 (en) Collation device, program, and collation method
JP6890849B2 (ja) 情報処理システム
EP1865443A2 (en) Facial feature detection method and device
US10380391B1 (en) Method and apparatus for fractal identification
JP2023061880A (ja) 照合装置及びプログラム
Katona et al. Fast recognition of natural feature identifiers by a mobile phone

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication