FR3111218A1 - Procédé d’identification et dispositif de détection de la contrefaçon par traitement totalement automatisé des caractéristiques des produits photographiés par un appareil muni d’une caméra digitale - Google Patents

Procédé d’identification et dispositif de détection de la contrefaçon par traitement totalement automatisé des caractéristiques des produits photographiés par un appareil muni d’une caméra digitale Download PDF

Info

Publication number
FR3111218A1
FR3111218A1 FR2005973A FR2005973A FR3111218A1 FR 3111218 A1 FR3111218 A1 FR 3111218A1 FR 2005973 A FR2005973 A FR 2005973A FR 2005973 A FR2005973 A FR 2005973A FR 3111218 A1 FR3111218 A1 FR 3111218A1
Authority
FR
France
Prior art keywords
products
digital camera
automated processing
photographed
fully automated
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
FR2005973A
Other languages
English (en)
Inventor
Hugo Garcia-Cotte
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.)
Cypheme
Original Assignee
Cypheme
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 Cypheme filed Critical Cypheme
Priority to FR2005973A priority Critical patent/FR3111218A1/fr
Priority to FR2011334A priority patent/FR3111214A1/fr
Priority to PCT/FR2021/050987 priority patent/WO2021250337A1/fr
Priority to CN202180057261.5A priority patent/CN116057583A/zh
Priority to EP21734424.1A priority patent/EP4162390A1/fr
Priority to US18/009,189 priority patent/US20230281951A1/en
Publication of FR3111218A1 publication Critical patent/FR3111218A1/fr
Pending legal-status Critical Current

Links

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
    • G06V10/40—Extraction of image or video features
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • 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
    • 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
    • G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
    • 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
    • G06V10/54—Extraction of image or video features relating to texture
    • 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
    • G06V10/40—Extraction of image or video features
    • G06V10/60—Extraction of image or video features relating to illumination properties, e.g. using a reflectance or lighting model
    • 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
    • G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/60—Control of cameras or camera modules
    • H04N23/64—Computer-aided capture of images, e.g. transfer from script file into camera, check of taken image quality, advice or proposal for image composition or decision on when to take image

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • Software Systems (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Databases & Information Systems (AREA)
  • Computing Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Health & Medical Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Signal Processing (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Image Analysis (AREA)
  • Collating Specific Patterns (AREA)

Abstract

Procédé d’identification et dispositif de détection de la contrefaçon par traitement totalement automatisé des caractéristiques des produits photographiés par un appareil muni d’une caméra digitale. Procédé d’identification et dispositif de détection de la contrefaçon par traitement totalement automatisé de grandes masses de données brutes dit apprentissage en profondeur permettant d’effectuer une comparaison des couleurs, procédés ou erreurs d’impression, polices de caractère , dessins complexes des produits photographiés contrefaits ou non par un appareil tel un smartphone muni d’une caméra digitale.

Description

Procédé d’identification et dispositif de détection de la contrefaçon par traitement totalement automatisé des caractéristiques des produits photographiés par un appareil muni d’une caméra digitale
La présente invention a pour objet un procédé d’identification et un dispositif de détection de la contrefaçon par traitement automatisé qui effectue une analyse d’un ou plusieurs détails des produits originaux et contrefaits examinés.
Etat de la technique antérieure
On connaît de l’état de la technique des procédés utilisés pour lutter contre le fléau de la contrefaçon à l’aide de l’intelligence artificielle.
S’agissant du brevet WO 2013139754, déposé par M. PELHTL Ernst, Allemand, publié le 26 septembre 2013, la reconnaissance d’image par machine basé sur un système d’intelligence artificielle opère par capture d’image et analyse des caractéristiques d’éléments d’image sans lien avec un quelconque produit ou une recherche de la contrefaçon.
S’agissant des brevets US 981 7367 et WO/ PCT201 501 08 81 déposés par la société U-NICA Technology et publiés respectivement le 29 décembre 2016 et le 29 janvier 2015, ils décrivent comment comparer deux images d’un hologramme complexe sous plusieurs angles de vues bien déterminés pour savoir si l’hologramme n’est pas faux. Ces brevets concernent donc une méthode de prise des images et la comparaison entre une image stockée et l’image d’un produit altéré. La présente invention se concentre uniquement sur la méthode d’analyse sans aucune modification des images imprimées sur le produit, alors que les brevets d’U-NICA Technology susvisés nécessitent une légère déformation des images imprimées sur les produits originaux pour les comparer aux produits contrefaits. La différence est essentielle.
Les 4 brevets déposés en 2015 (1) et 2017 (3) par la société américaine Entrupy, libellés « Authentification d’objets physiques par apprentissage automatique à partir de variations microscopiques » sont des inventions très différentes du procédé examiné, en ce qu’elles nécessitent un outil spécifique et qu’elles examinent les variations microscopiques de la texture des produits comparés, notamment le grain des produits en cuir, alors que la présente invention n’utilise aucun outil et analyse les procédés d’impression. Les différences sont essentielles.
Dans ce contexte, il a été constaté que jusqu’à présent l’authentification d’un produit contrefait nécessite soit un outil dédié, soit une altération du produit en amont.
Aucun des outils de l’état de l’art accessible ne permet l’accès facile à la connaissance des produits contrefaits.
Dans la présente invention, cet accès est très simple dès lors qu’il ne dépend ni d’un outil particulier ni d’une prise de vue parfaite et ne nécessite aucune modification.
Présentation de l’invention
A partir de données brutes en grande quantité récupérées puis entraînées dans des réseaux de neurones ou tout autre système similaire d’intelligence artificielle, combinées à des algorithmes indépendants de ces données, est effectuée une analyse d’un ou plusieurs détails des produits, tels que la valeur précise d’une ou de plusieurs couleurs, les dégradés de couleurs, les dessins complexes, les procédés ou erreurs d’impression et les polices de caractères, la position précise des points en demi-teinte ou leur enrichissement avec des données supplémentaires issues d’autres sources ou de résultats de calculs, ledit moyen étant susceptible d’identifier les produits contrefaits ou non photographiés par un appareil muni d’une caméra digitale.
Les données de ces produits peuvent être parfois enrichis avec des données supplémentaires issues d’autres sources ou de résultats de calculs.
Autrement dit, l’invention, au moyen de l’intelligence artificielle, créée une transposition digitale de la réalité des caractéristiques des produits examinés.

Claims (1)

  1. L’invention est un procédé d’identification et un dispositif de détection de la contrefaçon par traitement numérique automatique dit apprentissage en profondeur,
    Caractérisé en ce qu’est effectuée une analyse d’un ou plusieurs détails des produits, tels que la valeur précise d’une ou de plusieurs couleurs, les dégradés de couleurs, les dessins complexes, les procédés ou erreurs d’impression et les polices de caractères, la position précise des points en demi-teinte ou leur enrichissement avec des données supplémentaires issues d’autres sources ou de résultats de calculs, ledit moyen étant susceptible d’identifier les produits contrefaits ou non photographiés par un appareil muni d’une caméra digitale.
FR2005973A 2020-06-08 2020-06-08 Procédé d’identification et dispositif de détection de la contrefaçon par traitement totalement automatisé des caractéristiques des produits photographiés par un appareil muni d’une caméra digitale Pending FR3111218A1 (fr)

Priority Applications (6)

Application Number Priority Date Filing Date Title
FR2005973A FR3111218A1 (fr) 2020-06-08 2020-06-08 Procédé d’identification et dispositif de détection de la contrefaçon par traitement totalement automatisé des caractéristiques des produits photographiés par un appareil muni d’une caméra digitale
FR2011334A FR3111214A1 (fr) 2020-06-08 2020-11-04 Procédé d’analyse d’élément(s) d’objet(s) photographié(s) pour la détection de modification(s), et dispositif d’analyse associé
PCT/FR2021/050987 WO2021250337A1 (fr) 2020-06-08 2021-06-01 Procédé d'analyse d'élément(s) d'objet(s) photographié(s) pour la détection de modification(s), et dispositif d'analyse associé
CN202180057261.5A CN116057583A (zh) 2020-06-08 2021-06-01 用于分析一个或多个被拍摄对象的一个或多个元素以便检测一个或多个修改的方法，以及相关联的分析设备
EP21734424.1A EP4162390A1 (fr) 2020-06-08 2021-06-01 Procédé d'analyse d'élément(s) d'objet(s) photographié(s) pour la détection de modification(s), et dispositif d'analyse associé
US18/009,189 US20230281951A1 (en) 2020-06-08 2021-06-01 Method for analyzing one or more element(s) of one or more photographed object(s) in order to detect one or more modification(s), and associated analysis device

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
FR2005973A FR3111218A1 (fr) 2020-06-08 2020-06-08 Procédé d’identification et dispositif de détection de la contrefaçon par traitement totalement automatisé des caractéristiques des produits photographiés par un appareil muni d’une caméra digitale
FR2005973 2020-06-08

Publications (1)

Publication Number Publication Date
FR3111218A1 true FR3111218A1 (fr) 2021-12-10

Family

ID=74347273

Family Applications (2)

Application Number Title Priority Date Filing Date
FR2005973A Pending FR3111218A1 (fr) 2020-06-08 2020-06-08 Procédé d’identification et dispositif de détection de la contrefaçon par traitement totalement automatisé des caractéristiques des produits photographiés par un appareil muni d’une caméra digitale
FR2011334A Pending FR3111214A1 (fr) 2020-06-08 2020-11-04 Procédé d’analyse d’élément(s) d’objet(s) photographié(s) pour la détection de modification(s), et dispositif d’analyse associé

Family Applications After (1)

Application Number Title Priority Date Filing Date
FR2011334A Pending FR3111214A1 (fr) 2020-06-08 2020-11-04 Procédé d’analyse d’élément(s) d’objet(s) photographié(s) pour la détection de modification(s), et dispositif d’analyse associé

Country Status (5)

Country Link
US (1) US20230281951A1 (fr)
EP (1) EP4162390A1 (fr)
CN (1) CN116057583A (fr)
FR (2) FR3111218A1 (fr)
WO (1) WO2021250337A1 (fr)

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20170032285A1 (en) 2014-04-09 2017-02-02 Entrupy Inc. Authenticating physical objects using machine learning from microscopic variations
CN108520285B (zh) * 2018-04-16 2021-02-09 图灵人工智能研究院（南京）有限公司 物品鉴别方法、系统、设备及存储介质
US10691922B2 (en) 2018-05-17 2020-06-23 Accenture Global Solutions Limited Detection of counterfeit items based on machine learning and analysis of visual and textual data

Also Published As

Publication number Publication date
CN116057583A (zh) 2023-05-02
FR3111214A1 (fr) 2021-12-10
EP4162390A1 (fr) 2023-04-12
WO2021250337A1 (fr) 2021-12-16
US20230281951A1 (en) 2023-09-07

Similar Documents

Publication Publication Date Title
JP2018185328A5 (fr)
US20100272350A1 (en) Methods and apparatus to perform image classification based on pseudorandom features
EP1695260A1 (fr) Procede et dispositif de reconnaissance d iris
CN106056752B (zh) 一种基于随机森林的钞票鉴伪方法
WO2016201648A1 (fr) Procédé d'analyse de stéganographie basé sur un apprentissage local
JP2019016298A5 (ja) 画像処理装置、学習方法、学習済モデル、画像処理方法
US11371939B2 (en) System and method of product authentication
FR3076924A3 (fr) Procede d’authentification d’une signature tridimensionnelle
JP2018032400A (ja) 絵画の真贋の評価方法およびそれに対応する使用方法
CA3043090A1 (fr) Procede de reconnaissance de caracteres
FR3111218A1 (fr) Procédé d’identification et dispositif de détection de la contrefaçon par traitement totalement automatisé des caractéristiques des produits photographiés par un appareil muni d’une caméra digitale
CA2486760C (fr) Procede de detection de plis en prise multiple dans une installation de tri postal
Nowroozi et al. Detecting high-quality GAN-generated face images using neural networks
EP3874476A1 (fr) Procédé de determination de l'authenticité d'un document et dispositif pour la mise en oeuvre d'un tel procédé
Paris et al. Participation of LSIS/DYNI to ImageCLEF 2012 Plant Images Classification Task.
Conti et al. Do not deceive your employer with a virtual background: A video conferencing manipulation-detection system
Ferreira et al. Ensembling shallow siamese neural network architectures for printed documents verification in data-scarcity scenarios
EP1840799A1 (fr) Procédé utilisant la multi-résolution des images pour la reconnaissance optique d'envois postaux
Araújo et al. A computer vision system for automatic classification of most consumed Brazilian beans
EP4026053A1 (fr) Proceder d'authentification perfectionne
WO2020025790A1 (fr) Procede de securisation d'une bouteille et verification de la bouteille.
Potdevin et al. An empirical investigation of randomized defenses against adversarial attacks
Frăţilă et al. Enhanced models in deep image steganography
Stolikj et al. Artificial intelligence for detecting media piracy
Dhanya et al. Design and implementation of currency recognition system using LabVIEW