FR3062509A1 - Procede de verification de l’authenticite d’un produit sensible. - Google Patents

Procede de verification de l’authenticite d’un produit sensible. Download PDF

Info

Publication number
FR3062509A1
FR3062509A1 FR1750810A FR1750810A FR3062509A1 FR 3062509 A1 FR3062509 A1 FR 3062509A1 FR 1750810 A FR1750810 A FR 1750810A FR 1750810 A FR1750810 A FR 1750810A FR 3062509 A1 FR3062509 A1 FR 3062509A1
Authority
FR
France
Prior art keywords
image
sensitive product
identifier
digital image
original digital
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.)
Granted
Application number
FR1750810A
Other languages
English (en)
Other versions
FR3062509B1 (fr
Inventor
Marc Pic
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.)
Surys SA
Original Assignee
Surys SA
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 Surys SA filed Critical Surys SA
Priority to FR1750810A priority Critical patent/FR3062509B1/fr
Priority to EP18705689.0A priority patent/EP3577635B1/fr
Priority to PCT/FR2018/050200 priority patent/WO2018142054A1/fr
Publication of FR3062509A1 publication Critical patent/FR3062509A1/fr
Application granted granted Critical
Publication of FR3062509B1 publication Critical patent/FR3062509B1/fr
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07D—HANDLING OF COINS OR VALUABLE PAPERS, e.g. TESTING, SORTING BY DENOMINATIONS, COUNTING, DISPENSING, CHANGING OR DEPOSITING
    • G07D7/00—Testing specially adapted to determine the identity or genuineness of valuable papers or for segregating those which are unacceptable, e.g. banknotes that are alien to a currency
    • G07D7/20—Testing patterns thereon
    • G07D7/202—Testing patterns thereon using pattern matching
    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07D—HANDLING OF COINS OR VALUABLE PAPERS, e.g. TESTING, SORTING BY DENOMINATIONS, COUNTING, DISPENSING, CHANGING OR DEPOSITING
    • G07D7/00—Testing specially adapted to determine the identity or genuineness of valuable papers or for segregating those which are unacceptable, e.g. banknotes that are alien to a currency
    • G07D7/20—Testing patterns thereon
    • G07D7/202—Testing patterns thereon using pattern matching
    • G07D7/206—Matching template patterns

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Image Analysis (AREA)
  • Editing Of Facsimile Originals (AREA)
  • Inspection Of Paper Currency And Valuable Securities (AREA)
  • Facsimiles In General (AREA)

Abstract

L'invention concerne un procédé de vérification de l'authenticité d'un produit sensible comprenant un identifiant. Il est essentiellement caractérisé en ce qu'il comprend : - acquérir (1100) une image numérique test dudit produit sensible ; - reconnaître optiquement (1110) les caractères de l'identifiant, - extraire (1120) une empreinte optique de l'image numérique test, - envoyer (1130) à un serveur distant comprenant une base de données comprenant un ensemble d'images numériques originales au moins l'un parmi : ○ lesdits caractères de l'identifiant reconnus, ○ l'empreinte optique de l'image test, et ○ ladite image numérique test, - identifier (1140) dans la base un ensemble d'au moins une image originale correspondant à ladite image test, - extraire (1000) une empreinte optique de l'image numérique originale correspondante, et - comparer (1050) l'empreinte optique de l'image numérique test et l'empreinte optique de l'image numérique originale.

Description

Titulaire(s) :
SURYS Société par actions simplifiée.
O Demande(s) d’extension :
® Mandataire(s) : INNOVATION COMPETENCE GROUP.
® PROCEDE DE VERIFICATION DE L'AUTHENTICITE D'UN PRODUIT SENSIBLE.
FR 3 062 509 - A1 (57) L'invention concerne un procédé de vérification de l'authenticité d'un produit sensible comprenant un identifiant.
II est essentiellement caractérisé en ce qu'il comprend:
- acquérir (1100) une image numérique test dudit produit sensible;
- reconnaître optiquement (1110) les caractères de l'identifiant,
- extraire (1120) une empreinte optique de l'image numérique test,
- envoyer (1130) à un serveur distant comprenant une base de données comprenant un ensemble d'images numériques originales au moins l'un parmi:
O lesdits caractères de l'identifiant reconnus,
O l'empreinte optique de l'image test, et
O ladite image numérique test,
- identifier (1140) dans la base un ensemble d'au moins une image originale correspondant à ladite image test,
- extraire (1000) une empreinte optique de l'image numérique originale correspondante, et
- comparer (1050) l'empreinte optique de l'image numérique test et l'empreinte optique de l'image numérique originale.
Figure FR3062509A1_D0001
Figure FR3062509A1_D0002
PROCEDE DE VERIFICATION DE L’AUTHENTICITE D’UN PRODUIT SENSIBLE.
DOMAINE DE L’INVENTION
La présente invention concerne le domaine de la protection des produits sensibles contre les contrefaçons. Au sens de la présente invention, un produit sensible comprend un identifiant, et correspond par exemple à un billet de banque, une boite de médicaments, un produit de luxe, etc.
L’identifiant comprend un ensemble de caractères, par exemple alphanumériques, kenji, etc. Par exemple, l’identifiant est un numéro de série.
La protection comprend au moins l’un parmi :
- le marquage d’un produit sensible et/ou de son emballage grâce audit identifiant, et
- la vérification dudit marquage, où par « vérification >> on entend indistinctement vérification ou authentification.
L’identifiant peut être individuel, c'est-à-dire spécifique à un produit sensible donné. L’identifiant peut aussi être générique, c'est-à-dire spécifique à un ensemble de produits sensibles, par exemple un lot de médicaments.
Par souci de concision, seul le cas des billets de banque, qui sont les produits sensibles parmi les plus complexes en termes de sécurité, sera décrit ci-après, l’invention pouvant être mise en oeuvre pour tout autre produit sensible.
L’authenticité des billets de banque est essentielle dans la vie économique. Les billets de banque comprennent un ensemble d’éléments de sécurité, par exemple tels que signes, filigranes, fil de sécurité, hologramme, etc. qui sont incorporés dans ou sur les billets lors de leur fabrication.
Pour vérifier l’authenticité d’un billet de banque, il convient donc de vérifier l’authenticité de certains de ces éléments de sécurité, que ce soit sans équipement, avec des outils d’aide à l’authentification, ou avec une machine d’authentification.
À cet effet, on connaît certaines méthodes d’authentification publiées par exemple par la Banque de France à l’adresse Internet :
https://www.banque-france.fr/la-banque-de-france/billets-et-pieces/notre-monnaieleuro/authentifier-les-billets-en-eur/comment-authentifier-les-billets.html.
Diverses méthodes sont ainsi proposées, elles se basent notamment sur le toucher, l’observation en lumière ultraviolette ou en lumière visible, notamment à l’aide d’une loupe, ainsi que sur la manipulation d’un billet de banque afin de contrôler notamment l’aspect diffractant de l’hologramme en réaction avec un changement des conditions d’observations.
Il est proposé ici une solution d’authentification avec un équipement optique simple et courant, permettant à quiconque de vérifier l’authenticité d’un produit sensible, en particulier un billet de banque, en lumière visible.
RESUME DE L’INVENTION
Plus précisément, l’invention concerne selon un premier ses objets, un procédé de vérification de l’authenticité d’un produit sensible, ledit produit sensible comprenant un identifiant.
Il est essentiellement caractérisé en ce qu’il comprend des étapes consistant à :
- acquérir (1100) une image numérique test dudit produit sensible ;
- reconnaître optiquement (1110) les caractères de l’identifiant dudit produit sensible,
- extraire (1120) une empreinte optique de l’image numérique test,
- envoyer (1130) à un serveur distant comprenant une base de données comprenant un ensemble d’images numériques originales de produits sensibles, au moins l’un parmi :
o les caractères de l’identifiant reconnus optiquement, o l’empreinte optique de l’image numérique test, et o ladite image numérique test,
- identifier (1140) dans la base de données un ensemble d’au moins une image numérique originale correspondant à ladite image numérique test,
- extraire (1000) une empreinte optique de l’image numérique originale correspondante, et
- comparer (1050) l’empreinte optique de l’image numérique test et l’empreinte optique de l’image numérique originale.
On peut prévoir qu’au moins l’une parmi :
- l’étape (1120) consistant à extraire une empreinte optique de l’image numérique test et
- l’étape (1000) consistant à extraire une empreinte optique de l’image numérique originale, comprend au moins l’une des étapes parmi :
- une étape (1020) de calcul de collisions locales, et
- une étape (1030) de métrologie.
On peut prévoir une étape (1010) consistant à définir un ensemble de points remarquables sur l’image numérique originale et sur l’image numérique test du produit sensible, chaque point remarquable étant défini comme un ensemble d’au moins un pixel, c'est-à-dire un pixel unique ou un ensemble de pixels adjacents deux à deux pour lequel le gradient de contraste est supérieur à une valeur seuil prédéfinie, selon au moins une direction prédéfinie et une distance prédéfinie autour dudit ensemble d’au moins un pixel.
De préférence, l’étape (1020) de calcul de collisions locales consiste, pour au moins un point remarquable, à calculer un ensemble d’histogrammes locaux dans un sous-ensemble déterminé de l’image numérique test ou de l’image numérique originale, ledit sous-ensemble comprenant ledit point remarquable.
De préférence, l’étape (1030) de métrologie consiste à calculer la distance entre un premier point remarquable et un deuxième point remarquable sur au moins l’une parmi l’image numérique originale et l’image numérique test du produit sensible.
On peut prévoir une étape (1040) consistant à associer dans la base de données chaque image numérique originale à une pluralité d’attributs correspondants, lesdits attributs comprenant au moins l’un parmi : les coordonnées de points remarquables, les distances entre certains points remarquables, des valeurs de gradient de contraste autour des points remarquables, ou encore d’autres caractéristiques notables comme des moments mathématiques de certaines parties de l’image.
On peut prévoir une étape (1050) consistant à associer, dans la base de données, un attribut de validité à l’une au moins des images numériques originales.
De préférence, l’étape de comparaison (1150) est court-circuitée en fonction de la valeur de l’attribut de validité.
Dans un mode de réalisation, l’étape d’acquisition (1100) est mise en oeuvre grâce à un capteur d’un objectif optique d’un objet communicant.
Selon un autre de ses objets, l’invention concerne un programme d’ordinateur comprenant des instructions de code de programme pour l’exécution des étapes du procédé selon l’invention, lorsque ledit programme est exécuté sur un ordinateur.
D’autres caractéristiques et avantages de la présente invention apparaîtront plus clairement à la lecture de la description suivante donnée à titre d’exemple illustratif et non limitatif et faite en référence aux figures annexées.
DESCRIPTIF DES DESSINS
- la figure 1 illustre un mode de réalisation d’un produit sensible sous forme de billet de banque,
- la figure 2 illustre, sur un agrandissement d’une partie d’un identifiant de produit sensible, en l’espèce un numéro de série de billet de banque, un ensemble de flèches représentant la distance entre points remarquables pour le calcul de métrologie selon l’invention, et
- la figure 3 illustre un mode de réalisation du procédé selon l’invention.
DESCRIPTION DETAILLEE
Produit sensible
Un produit sensible 100, en l’espèce un billet de banque (spécimen) est illustré sur la figure 1. Le billet de banque est plan et rectangulaire. Par convention, on entend par X, ou horizontal, le sens de la longueur du billet de banque et par Y, ou verticale, le sens de la largeur dudit billet de banque.
Comme exposé préalablement le billet de banque comprend un ensemble d’éléments de sécurité, en particulier graphiques ou optiques.
Parmi les éléments de sécurité, le billet de banque comprend notamment un fil de sécurité 130, qui est intégré dans la pâte à papier dudit billet de banque et qui est visible optiquement par un effet local de contraste.
La position d’un fil de sécurité n’est pas nécessairement la même entre deux billets de banque de même valeur numéraire. Par exemple, lors de la fabrication d’un billet de banque, on peut prévoir que celui-ci comprend une fenêtre graphique dont la largeur est celle dudit billet, dont la longueur est au maximum celle dudit billet, et dans le plan dudit billet, à l’intérieur de laquelle la position du fil de sécurité est aléatoire, ledit fil de sécurité étant généralement rectiligne, et en particulier dans le sens de la largeur du billet.
Le billet de banque comprend également un filigrane 110, illustré notamment par le nombre « 20 >> sur la figure 1 et qui est visible optiquement par un effet local de contraste.
Le produit sensible comprend un identifiant 120, typiquement composé de caractères alphanumériques, par exemple incrémentés, et en l’espèce un numéro de série. En particulier pour les billets de banque, l’identifiant n’est pas imprimé en offset. Généralement, il est imprimé avec une encre sombre, en l’espèce noire, sur un fond clair.
L’identifiant définit un premier plan et le fond définit un arrière-plan, il est visible optiquement par un effet local de contraste.
En outre, l’identifiant peut être reconnu par reconnaissance optique de caractères.
Le produit sensible est au moins partiellement plan, c'est-à-dire qu’il est plan ou comprend au moins une face plane supportant ledit identifiant. Typiquement, la surface plane supportant ledit identifiant est une surface sur laquelle ledit identifiant est intégré, apposé, collé, imprimé, etc. soit directement sur le produit sensible, soit sur l’emballage dudit produit sensible, notamment sur la partie de l’emballage recouvrant ladite surface.
Au sens de la présente invention, on considère donc indistinctement le produit sensible et son emballage.
De préférence, la surface plane supportant l’identifiant comprend au moins l’une des caractéristiques suivantes :
elle est non uniformément monochromatique,
- elle comprend au moins un élément graphique (de sécurité ou de décor).
Scan
Après la fabrication d’un produit sensible, et de préférence avant sa mise en service / dans le commerce, on prévoit une étape consistant à réaliser une image numérique dudit produit sensible, c'est-à-dire au moins de la face plane supportant ledit identifiant.
De préférence l’image réalisée est en haute définition et stockée dans une base de données sécurisée.
Ladite image numérique est dite « image numérique originale », par différence à une « image numérique test >> décrite ultérieurement.
Reconnaissance de caractères
On prévoit une étape consistant à reconnaître optiquement (OCR) les caractères de l’identifiant dans l’image numérique originale d’un produit sensible, typiquement grâce un scanner.
L’identifiant reconnu optiquement est enregistré sous format numérique et associé à l’image numérique originale dudit produit sensible dans la base de données, ce qui permet par exemple une indexation de celle-ci.
Sur le produit sensible, chaque caractère de l’identifiant est défini graphiquement par un ensemble de points d’impression. L’encre utilisée pour l’impression est sombre, en général noire. La teinte du fond sur lequel est imprimé chaque caractère est plus claire que celle de l’encre, de sorte que le caractère est lisible sur ledit fond grâce à un effet local de contraste.
Le fond sur lequel l’identifiant est imprimé n’est pas uniforme et peut comprendre un ensemble de motifs 150, qui peuvent être des éléments graphiques de sécurité ou de décor ; et chaque motif 150 du fond du produit sensible présente un effet local de contraste.
Les motifs du fond représentent par exemple des caractères alphanumériques, des symboles graphiques, une image, etc. qui dépend le plus souvent du domaine d’utilisation, par exemple le domaine fiduciaire (billets de banque), ou le domaine de l’emballage de produit pharmaceutique. Par exemple, le fond peut comprendre au moins l’un des éléments graphiques (de sécurité ou non) parmi :
- au moins un filigrane ;
- des impressions offset ;
au moins un hologramme 140 ;
- au moins un fil de sécurité ;
- au moins une inscription, de préférence en encre de sécurité par exemple optiquement variable ;
au moins une impression de fond (éventuellement plus ou moins monochromatique) ;
- des inscriptions légales (par exemple la composition, en particulier chimique) ;
un ensemble d’au moins un logo ;
un ensemble d’au moins un hologramme ou un élément de sécurité visible (par exemple une encre variable) ;
- etc.
De préférence, l’identifiant est unique. Toutefois, pour différentes raisons, il arrive que plusieurs produits sensibles présentent un même identifiant, par exemple plusieurs billets de banque de même valeur numéraire présentent un même numéro de série. On estime qu’au maximum une vingtaine de billets de banque de même valeur numéraire peuvent présenter un même numéro de série.
Cependant, même si deux produits sensibles présentent un même identifiant, en réalité d’autres éléments graphiques de la face supportant ledit identifiant diffèrent.
Par exemple, deux billets de banque présentant un même identifiant présentent en fait un ensemble d’au moins une différence par l’un au moins des éléments de sécurité ou le fond. Par exemple, la position de l’identifiant sur le fond est différente, ou le motif du fond est différent, etc.
Ainsi, vus globalement, les deux produits sensibles qui présentent un même identifiant sont en réalité graphiquement différents.
Ainsi, chaque produit sensible est en réalité graphiquement unique. II possède donc une empreinte, c'est-à-dire un ensemble d’attributs (notamment optiques, graphiques et géométriques) qui lui confèrent son unicité. A l’instar d’une empreinte digitale, l’empreinte (optique) du produit sensible peut être extraite de l’image numérique originale pour identifier et authentifier ledit produit sensible comme décrit ultérieurement.
Empreinte
On prévoit une étape 1000 consistant à extraire au moins une empreinte optique de l’image numérique originale du produit sensible scanné, c’est-à-dire à calculer les attributs qui concourent au caractère unique de celui-ci, à partir de l’image numérique dans la base de données ou avant son stockage dans celle-ci. On peut alors associer ladite empreinte à ladite image numérique originale dans la base de données.
Ainsi, dans la base de données, chaque image numérique originale est associée 1040 à une pluralité d’attributs correspondants, l’ensemble des attributs d’une image originale donnée permettant de caractériser au moins en partie celle-ci.
Les attributs comprennent par exemple les coordonnées de points remarquables (décrits ci-après), les distances entre certains points remarquables, des valeurs de gradient de contraste autour des points remarquables, etc. ou encore d’autres caractéristiques notables comme des moments mathématiques de certaines parties de l’image comme décrit ci-après.
De nombreux moments peuvent être utilisés, par exemple au moins l’un parmi :
Les moments de Zernike, par exemple décrits à l’adresse liris.cnrs.fr/Documents/Liris-3770.pdf sont très utiles pour la modélisation de systèmes optiques, ils représentent bien les fronts d’onde et les transformations que ceux-ci subissent lors de la traversée de dioptres ou de la réflexion sur des miroirs. Ils sont très utiles pour la représentation des propriétés des images. Typiquement les premiers degrés des moments de Zernike représentent les inclinaisons et les changements d’orientation globaux du front d’onde, les seconds degrés représentent des astigmaties ou des défocalisations, les troisièmes degrés représentent les aberrations de coma, les quatrièmes degrés représentent les déformations sphériques, etc.
Les moments de Hu, qui sont construits sur des moments centraux et qui sont invariants en échelle, par exemple tels que décrit dans Μ. K. Hu, Visual Pattern Récognition by Moment Invariants, IRE Trans. Info. Theory, vol. IT-8, pp.179187, 1962.
A titre alternatif des moments mathématiques, on peut aussi utiliser des descripteurs dits « binaires >> en ce qu’ils sont basés sur des échantillons de motif sur lequel on a le choix de la zone à échantillonner, que l’on traite pour mesurer l’orientation du motif afin de le recaler (la méthode pour déterminer l’orientation étant choisie) et qui permet enfin de comparer des paires d’échantillons par exemple dans une logique d’arbre binaire (la façon d’organiser les comparaisons étant choisie).
De tels descripteurs binaires sont connus, par exemple :
- Sous l’acronyme BRIEF (Binary robust independent elementary features en anglais) de la méthode ORB (pour Orientated FAST and Rotated BRIEF en anglais), décrits par exemple à l’adresse https://QilscvbloQ.com/2013/10/04/a-tutorial-on-binarydescriptors-part-3-the-orb-descriptor/ ;
- Sous l’acronyme BRISK, et décrits par exemple dans l’article Leutenegger, Stefan, Margarita Chli, and Roland Y. Siegwart. “BRISK: Binary robust invariant scalable keypoints.” Computer Vision (ICCV), 2011 IEEE International Conférence on. IEEE, 2011.) ; et
- Sous l’acronyme FREAK et décrits par exemple dans l’article Alahi, Alexandre, Raphaël Ortiz, and Pierre Vandergheynst. “Freak: Fast retina keypoint.” Computer Vision and Pattern Récognition (CVPR), 2012 IEEE Conférence on. IEEE, 2012.
L’extraction de l’empreinte du produit sensible est mise en oeuvre automatiquement et comprend de préférence au moins l’une des étapes parmi : une étape de calcul de collisions locales et une étape de métrologie.
Points remarquables
On peut prévoir une étape 1010 consistant à définir, ou identifier, un ensemble de points remarquables sur l’image numérique (originale ou test) du produit sensible.
Un point remarquable est défini comme un point de l’image numérique du produit sensible, c’est-à-dire un pixel ou un ensemble de pixels adjacents deux à deux, pour lequel le gradient de contraste, selon une direction et une distance prédéfinies, est supérieur à une valeur seuil prédéfinie.
De préférence, la direction prédéfinie est horizontale et/ou verticale.
De préférence, un premier point remarquable appartient au premier plan. En l’espèce, un premier point remarquable est un point d’impression d’un caractère de l’identifiant. Par exemple un deuxième point remarquable appartient au premier plan ou à l’arrière-plan (fond). En l’espèce, un deuxième point remarquable est un point sur le contour d’un élément graphique du motif du fond.
Par exemple, un ensemble de points remarquables peut être défini ou identifié selon l’algorithme FAST (pour Features from Accelerated Segment Test en anglais) par exemple tel que décrit dans l’article de Edward Rosten et Tom Drummond « Machine learning for highspeed corner détection » (2006) publié à l’adresse https://www.edwardrosten.com/work/rosten_2006_machine.pdf.
Collisions locales
On peut prévoir une étape 1020 de calcul de collisions locales sur l’image numérique originale du produit sensible.
L’étape de calcul de collisions locales consiste, pour au moins un point remarquable, à calculer un ensemble d’histogrammes locaux dans un sous-ensemble déterminé de l’image numérique, ledit sous-ensemble étant une partie de l’image numérique qui comprend ledit point remarquable, qui présente une forme géométrique prédéterminée et dont la valeur de la surface est prédéterminée ou fonction d’un gradient prédéterminé de contraste, de couleur ou d’intensité autour dudit point remarquable.
On peut prévoir toute forme géométrique prédéterminée. Celle-ci est enregistrée dans une mémoire. La valeur de la surface de la forme prédéterminée peut également être prédéterminée et enregistrée dans ladite mémoire. Avantageusement, la forme géométrique est un cercle centré sur ledit point remarquable, et dont le rayon est fonction du gradient choisi, ce qui simplifie les calculs donc augmente la vitesse de traitement.
Les histogrammes locaux sont calculés selon un nombre de directions prédéterminées.
De préférence, on enregistre et associe dans la base de données à chaque produit sensible numérisé au moins l’un des éléments parmi :
- la valeur des histogrammes locaux,
- la façon dont ont été calculées les collisions locales, et
- la position (coordonnées) des points remarquables.
Par exemple, on peut calculer et enregistrer dans la base de données l’une au moins des propriétés du sous-ensemble déterminé parmi :
des descripteurs de contour ou de forme, des indices de forme ou de texture, des caractéristiques colorimétriques, des caractéristiques de motif.
Par exemple, on peut utiliser l’algorithme dit SIFT pour “Scale Invariant Feature Transform” en anglais ou l’algorithme dit SURF pour “Speeded Up Robust Features” en anglais, qui sont tous deux des descripteurs locaux qui consistent, dans un premier temps, à détecter un certain nombre de points d’intérêt dans l’image, pour ensuite calculer un descripteur décrivant localement l’image autour de chaque point d’intérêt. La qualité du descripteur est mesurée par sa robustesse aux changements possibles que peut subir une image, en l’occurrence le changement d’échelle et la rotation.
Pour l’algorithme SIFT, décrit notamment dans la publication D. Lowe. Object récognition from local scale-invariant features. IEEE International Conférence on Computer Vision, pages
1150-1157, 1999, la détection des points est basée sur les différences des gaussiennes (DoG) obtenues par le calcul de la différence entre chaque couple d’images lissées par un filtre gaussien, en variant à chaque fois le paramètre sigma (c’est à dire la déviation standard) du filtre. Les DoG peuvent être calculé pour différents niveaux d’échelle permettant d’introduire la notion de l’espace d’échelle. La détection des potentielles zones de points d’intérêt / points remarquables s’effectue en recherchant les extrema selon le plan de la dimension de l’image (x,y) et le plan du facteur d’échelle. Ensuite une étape de filtrage est nécessaire pour supprimer les points non pertinents, en éliminant par exemple les points dont le contraste est trop faible.
Le calcul du descripteur SIFT s’effectue sur une zone autour de chaque point d’intérêt par exemple de 16x16 pixels, subdivisée en 4x4 zones de 4x4 pixels. Sur chacune des 16 zones, un histogramme des orientations du gradient basé sur 8 intervalles est alors calculé. La concaténation des 16 histogrammes donne un vecteur descripteur de 128 valeurs.
Pour l’algorithme SURF, décrit notamment dans la publication H. Bay, T. Tuylelaars, and L. Van Gool. Surf : Speeded up robust features. European Conférence on Computer Vision, pages 404-417, 2006, la méthode consiste à utiliser le déterminant de la matrice Hessienne, à calculer une approximation des dérivées secondes des gaussiennes de l’image par le biais de filtres à différentes échelles en utilisant des masques de différentes tailles (par exemple 9x9, 15x15, 21x21, ...). Pour le calcul de l'orientation des points et les descripteurs autour des points, le principe est basé sur les sommes des réponses des ondelettes de Haar horizontales et verticales ainsi que leurs normes. La zone circulaire de description est divisée là encore en 16 régions. Une analyse en ondelettes est effectuée sur chaque région afin de construire le descripteur final. Ce dernier est constitué de la somme des gradients en x et en y ainsi que de la somme de leur norme respective pour l’ensemble des 16 régions. Le vecteur descripteur est ainsi constitué de 64 valeurs qui représentent des propriétés extraites à la fois dans l’espace normal et dans celui des échelles de grandeur.
A titre alternatif à l’algorithme SIFT, on peut utiliser l’un des algorithmes parmi :
- l’algorithme ASIFT pour Affine-SIFT. C’est une méthode de comparaison d’images qui permet d’intégrer dans la prise en compte les transformations affines sur l’image et qui, en l’espèce, peut servir à compenser les déformations dues à l’orientation du plan du produit sensible dans l’espace (en particulier un billet de banque). Une telle méthode est décrite par exemple à l’adresse http://www.ipol.im/pub/art/2011 /my-asift/ ; et
- l’algorithme ORB, qui est une méthode destinée à accélérer les traitements vis-à-vis de l’algorithme SIFT et qui est basé sur un détecteur de points remarquables de type FAST décrite ci-dessus, et des descripteurs de propriétés locales de type test binaires BRIEF, par exemple tel que décrit à l’adresse http://www.vision.cs.chubu.ac.ip/CV-R/pdf/Rublee iccv2011 .pdf.
A chaque sous-ensemble correspond une seule empreinte. On peut prévoir de stocker l’empreinte de chaque sous-ensemble sélectionné dans la base de données.
Métrologie
On peut prévoir une étape 1030 de métrologie consistant à calculer la distance entre un premier point remarquable et un deuxième point remarquable sur l’image numérique originale du produit sensible.
De préférence, la distance entre le premier point remarquable et le deuxième point remarquable est supérieure à une première valeur seuil enregistrée dans une mémoire, et inférieure à une deuxième valeur seuil enregistrée dans ladite mémoire.
La première valeur seuil permet de garantir que les deux points remarquables ne soient pas trop près l’un de l’autre ; la deuxième valeur seuil permet de garantir que les deux points remarquables pas trop éloignés l’un de l’autre.
De préférence, le premier point remarquable est situé sur un des caractères de l’identifiant du produit sensible.
Dans une première variante, le deuxième point remarquable est situé sur un fil de sécurité dudit produit sensible.
Dans une deuxième variante, le deuxième point remarquable est situé sur une bordure dudit produit sensible ou sur une bordure de la face supportant ledit identifiant.
Dans une troisième variante, le deuxième point remarquable situé sur le contour d’un motif du fond de la face supportant ledit identifiant.
Sur la figure 2, la distance entre deux points remarquables est illustrée par une double flèche. A une extrémité des doubles flèches, les premiers points remarquables sont situés sur le contour de caractères de l’identifiant, en l’espèce les chiffres 04 du numéro de série d’un billet de banque ; et à l’autre extrémité des doubles flèches, les deuxièmes point remarquables sont situés sur le contour d’un caractère du fond (en l’espèce la lettre R qui apparaît légèrement en arrière-plan, avec des guilloches).
Les variantes précédentes sont combinables entre elles. On peut calculer la distance entre un premier et un deuxième point remarquable, et calculer la distance entre le premier point remarquable et un troisième point remarquable différent du deuxième.
De préférence, le premier point remarquable et le deuxième point remarquable sont alignés sur une droite horizontale, ou sur une droite verticale, de sorte que la distance est calculée selon la direction horizontale et/ou selon la direction verticale, dans un sens ou dans l’autre, l’horizontale et la verticale étant définies typiquement par le sens de lecture.
De préférence, au moins l’une des distances calculées pour le produit sensible est enregistrée et associée à l’image numérique originale dudit produit sensible dans la base de données.
Fonctionnement
Pour vérifier l’authenticité d’un produit sensible, en particulier une fois celui-ci mis en service / dans le commerce, on prévoit une étape 1100 d’acquisition d’une image numérique dudit produit sensible, typiquement grâce un objectif optique d’un objet communicant, ledit produit sensible étant de préférence plan et comprenant une surface supportant un identifiant. Ladite image numérique est dite « image numérique test ».
Par « objet communicant » on entend tout objet, de préférence portable, équipé d’un objectif optique, d’un processeur et d’une mémoire, et susceptible d’établir une communication, radio ou autre, avec la base de données. Typiquement, l’objet communicant est un téléphone portable, un téléphone intelligent - ou Smartphone par anglicisme, un PDA, une tablette, etc., un ordinateur individuel ou une trieuse automatique de billets de banque.
L’image test dudit produit sensible comprenant ledit identifiant subit alors une étape de traitement numérique, qui vise à comparer ladite image test à une image numérique originale correspondante et qui peut être mis en oeuvre sur l’objet communicant ou, de préférence, sur un serveur distant. Typiquement le serveur distant est le serveur hébergeant la base de données, ou un serveur en communication avec celle-ci et avec l’objet communicant, ce qui limite les risques de piratage de l’objet communiquant.
L’étape de traitement numérique comprend une étape 1110 de reconnaissance optique de caractères (OCR) consistant à reconnaître les caractères de l’identifiant dudit produit sensible.
On prévoit une étape 1130 consistant à envoyer au serveur distant au moins l’un parmi :
• les caractères de l’identifiant reconnu optiquement, et • ladite image numérique test.
Après connexion dudit objet communicant à la base de données, on prévoit alors une étape 1140 consistant à identifier dans la base de données un ensemble d’au moins une image numérique originale correspondant aux caractères de l’identifiant reconnu optiquement.
L’état de traitement numérique comprend également une étape 1120 consistant à extraire une empreinte optique de l’image numérique test, de manière identique à l’extraction d’une empreinte optique de l’image numérique originale, c'est-à-dire selon les étapes 1010, 1020, 1030 précédemment décrites.
L’empreinte optique de l’image numérique test est alors comparée 1150 à chaque empreinte optique de l’ensemble d’au moins une image numérique originale. Si plusieurs empreintes optiques de l’image numérique test sont calculées, on peut prévoir de comparer chaque empreinte optique de l’image numérique test avec chaque empreinte optique de l’image numérique orignale.
De préférence, on prévoit alors d’émettre un signal dont la valeur est fonction du résultat de la comparaison. Par exemple, on prévoit un signal binaire dont l’une des valeurs binaires signifie que la comparaison est positive, c'est-à-dire que l’empreinte de l’image test est égale à l’empreinte de l’image originale, et l’autre valeur binaire signifie que la comparaison est négative.
Le risque d’obtenir une comparaison positive entre l’empreinte d’une image numérique originale provenant d’un produit sensible original et l’empreinte d’une image numérique test provenant d’un faux produit sensible créé par exemple par photocopie est extrêmement faible du fait de l’ensemble des éléments de sécurité, et notamment du fil de sécurité dans le cas des billets de banque.
Dans le cas des billets de banque, on estime le risque de comparaison positive par erreur (similarité accidentelle entre deux billets sur le type de caractéristiques mesurées) à 1/13 000 000 000.
On peut prévoir d’associer 1050, dans la base de données, un attribut dit de validité pour chaque image numérique originale. Par exemple, une valeur dudit attribut signifie que le produit sensible à l’origine de ladite image numérique originale est considéré comme étant non valide, par exemple parce qu’il a été retiré de la mise en circulation ou déclaré volé. De préférence, l’étape de comparaison est court-circuitée en fonction de la valeur dudit attribut, c'est-à-dire si le produit sensible à l’origine de ladite image numérique originale est considéré comme étant non valide.
Grâce à l’invention, le calcul des collisions locales peut être avantageusement réalisé sur un support (billet de banque, emballage) froissé ou dont les bords sont abîmés.
Nomenclature
100 Produit sensible
110 Filigrane
120 Identifiant du produit sensible, par exemple numéro de billet de banque
130 Fil de sécurité
140 Hologramme
150 Motif du fond
1000 Extraction d’une empreinte optique de l’image numérique originale
1010 Définition d’un ensemble de points remarquables sur l’image numérique originale et sur l’image numérique test
1020 Calcul de collisions locales sur l’image numérique originale et/ou sur l’image numérique test
1030 Étape de métrologie sur l’image numérique originale et/ou sur l’image numérique test
1040 Association dans la base de données à chaque image numérique originale d’une pluralité d’attributs correspondants
1050 Association dans la base de données, d’un attribut de validité à l’une au moins des images numériques originales
1100 Acquisition d’une image numérique test dudit produit sensible
1110 Reconnaissance optique des caractères de l’identifiant du produit sensible
1120 Extraction d’une empreinte optique de l’image numérique test
1130 Envoi à un serveur distant
1140 Identification dans la base de données d’au moins une image numérique originale correspondant à l’image numérique test
1150 Comparaison des empreintes de l’image numérique test et de l’image numérique originale

Claims (10)

  1. REVENDICATIONS
    1. Procédé de vérification de l’authenticité d’un produit sensible, ledit produit sensible comprenant un identifiant comprenant un ensemble de caractères, caractérisé en ce que le procédé comprenant des étapes consistant à :
    - acquérir (1100) une image numérique test comprenant ledit identifiant dudit produit sensible ;
    - reconnaître optiquement (1110) des caractères dudit identifiant,
    - extraire (1120) une empreinte optique de l’image numérique test,
    - envoyer (1130) à un serveur distant comprenant une base de données comprenant un ensemble d’images numériques originales de produits sensibles, au moins l’un parmi :
    o les caractères de l’identifiant reconnus optiquement, o l’empreinte optique de l’image numérique test extraite, et o ladite image numérique test,
    - identifier (1140) dans la base de données un ensemble d’au moins une image numérique originale correspondant à ladite image numérique test,
    - extraire (1000) une empreinte optique de l’image numérique originale correspondante, et
    - comparer (1050) l’empreinte optique de l’image numérique test et l’empreinte optique de l’image numérique originale.
  2. 2. Procédé selon la revendication 1, dans lequel au moins l’une parmi :
    - l’étape (1120) consistant à extraire une empreinte optique de l’image numérique test et
    - l’étape (1000) consistant à extraire une empreinte optique de l’image numérique originale, comprend au moins l’une des étapes parmi :
    - une étape (1020) de calcul de collisions locales, et
    - une étape (1030) de métrologie.
  3. 3. Procédé selon la revendication 2, comprenant une étape (1010) consistant à définir un ensemble de points remarquables sur l’image numérique originale et sur l’image numérique test du produit sensible, chaque point remarquable étant défini comme un ensemble d’au moins un pixel pour lequel le gradient de contraste est supérieur à une valeur seuil prédéfinie, selon au moins une direction prédéfinie et une distance prédéfinie autour dudit ensemble d’au moins un pixel.
  4. 4. Procédé selon l’une quelconque des revendications 2 ou 3, dans lequel l’étape (1020) de calcul de collisions locales consiste, pour au moins un point remarquable, à calculer un ensemble d’histogrammes locaux dans un sous-ensemble déterminé de l’image numérique test ou de l’image numérique originale, ledit sous-ensemble comprenant ledit point remarquable.
  5. 5. Procédé selon l’une quelconque des revendications 3 ou 4, dans lequel l’étape (1030) de métrologie consiste à calculer la distance entre un premier point remarquable et un deuxième point remarquable sur l’image numérique originale ou sur l’image numérique test du produit sensible.
  6. 6. Procédé selon l’une quelconque des revendications 3 à 5, comprenant une étape (1040) consistant à associer dans la base de données chaque image numérique originale à une pluralité d’attributs correspondants, lesdits attributs comprenant au moins l’un parmi : les coordonnées de points remarquables, les distances entre certains points remarquables, et des valeurs de gradient de contraste autour des points remarquables ou encore d’autres caractéristiques notables comme des moments mathématiques de certaines parties de l’image.
  7. 7. Procédé selon l’une quelconque des revendications précédentes, comprenant une étape (1050) consistant à associer, dans la base de données, un attribut de validité à l’une au moins des images numériques originales.
  8. 8. Procédé selon la revendication 7, dans lequel l’étape de comparaison (1150) est courtcircuitée en fonction de la valeur de l’attribut de validité.
  9. 9. Procédé selon l’une quelconque des revendications précédentes, dans lequel l’étape d’acquisition (1100) est mise en oeuvre grâce à un capteur d’un objectif optique d’un objet communicant.
  10. 10. Programme d’ordinateur comprenant des instructions de code de programme pour l’exécution des étapes du procédé selon l'une quelconque des revendications précédentes, lorsque ledit programme est exécuté sur un ordinateur.
    1 /2
FR1750810A 2017-01-31 2017-01-31 Procede de verification de l’authenticite d’un produit sensible. Active FR3062509B1 (fr)

Priority Applications (3)

Application Number Priority Date Filing Date Title
FR1750810A FR3062509B1 (fr) 2017-01-31 2017-01-31 Procede de verification de l’authenticite d’un produit sensible.
EP18705689.0A EP3577635B1 (fr) 2017-01-31 2018-01-29 Procédé de vérification de l'authenticité d'un produit sensible
PCT/FR2018/050200 WO2018142054A1 (fr) 2017-01-31 2018-01-29 Procede de verification de l'authenticite d'un produit sensible.

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
FR1750810A FR3062509B1 (fr) 2017-01-31 2017-01-31 Procede de verification de l’authenticite d’un produit sensible.
FR1750810 2017-01-31

Publications (2)

Publication Number Publication Date
FR3062509A1 true FR3062509A1 (fr) 2018-08-03
FR3062509B1 FR3062509B1 (fr) 2020-10-23

Family

ID=58632451

Family Applications (1)

Application Number Title Priority Date Filing Date
FR1750810A Active FR3062509B1 (fr) 2017-01-31 2017-01-31 Procede de verification de l’authenticite d’un produit sensible.

Country Status (3)

Country Link
EP (1) EP3577635B1 (fr)
FR (1) FR3062509B1 (fr)
WO (1) WO2018142054A1 (fr)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120324534A1 (en) * 2009-11-17 2012-12-20 Holograms Industries Method and system for automatically checking the authenticity of an identity document
US20140055824A1 (en) * 2011-03-25 2014-02-27 Hologram Industries Method and system for authenticating a secure document
WO2015042485A1 (fr) * 2013-09-20 2015-03-26 Mobile Search Security LLC Système d'authentification d'instrument et de document

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120324534A1 (en) * 2009-11-17 2012-12-20 Holograms Industries Method and system for automatically checking the authenticity of an identity document
US20140055824A1 (en) * 2011-03-25 2014-02-27 Hologram Industries Method and system for authenticating a secure document
WO2015042485A1 (fr) * 2013-09-20 2015-03-26 Mobile Search Security LLC Système d'authentification d'instrument et de document

Also Published As

Publication number Publication date
WO2018142054A1 (fr) 2018-08-09
EP3577635A1 (fr) 2019-12-11
FR3062509B1 (fr) 2020-10-23
EP3577635B1 (fr) 2024-02-28

Similar Documents

Publication Publication Date Title
US10192140B2 (en) Database for detecting counterfeit items using digital fingerprint records
CN102955930B (zh) 一种利用物质自身物理特征识别的防伪方法和系统
TW201305969A (zh) 鑑別硬幣或其他製造項目的方法與設備
FR3064782A1 (fr) Procede d'analyse d'un document structure susceptible d'etre deforme
EP3311333B1 (fr) Appariement d'images d'articles postaux avec des descripteurs de singularites du champ de gradient
Centeno et al. Identity Document and banknote security forensics: a survey
Vaishnavi et al. Recognizing image splicing forgeries using histogram features
EP3577635B1 (fr) Procédé de vérification de l'authenticité d'un produit sensible
FR3109831A1 (fr) Procédé pour la vérification d’un code-barre.
Ahmed et al. Image splicing detection and localisation using efficientnet and modified u-net architecture
EP3210166B1 (fr) Procede de comparaison d'images numeriques
Saxena Identification of Fake Currency: A Case Study of Indian Scenario.
Sabeena et al. Digital Image Forgery Detection Using Local Binary Pattern (LBP) and Harlick Transform with classification
EP3908968A1 (fr) Procédé de traitement d'images numériques
WO2020025790A1 (fr) Procede de securisation d'une bouteille et verification de la bouteille.
EP3956809A1 (fr) Procédé de traitement d'image d'un document d'identité
Xu et al. Coin recognition method based on SIFT algorithm
Gonasagi et al. Texture Analysis Technique for Document Age Identification
EP4091098A1 (fr) Procédé de traitement d'une image candidate
FR3049094A1 (fr) Procede d'identification d'un ensemble de livres ranges pour etablir automatiquement leur liste
CN115359253A (zh) 一种防伪鉴别方法、系统、存储介质和电子设备
Elbarrany et al. BuckTracker: System For Multi Banknotes Tracking
WO2023099571A1 (fr) Procédé et dispositif d'authentification de codes imprimés
Sánchez-Rivero et al. Authenticity Assessment of Cuban Banknotes by Combining Deep Learning and Image Processing Techniques
Sambare et al. Document Verification System and Validation Against QR Codes

Legal Events

Date Code Title Description
PLFP Fee payment

Year of fee payment: 2

PLSC Publication of the preliminary search report

Effective date: 20180803

PLFP Fee payment

Year of fee payment: 4

PLFP Fee payment

Year of fee payment: 5

PLFP Fee payment

Year of fee payment: 6

PLFP Fee payment

Year of fee payment: 7

PLFP Fee payment

Year of fee payment: 8