JP2013058053A - 個体識別システム、個体識別方法、及びプログラム - Google Patents

Abstract

【課題】 タガントを利用して対象物の個体識別を行うシステムにおいて、個体識別の精度を向上させる。
【解決手段】 複数種類の色または形状が混在したタガントを物品に付与する。コンピュータ４は対象物２の画像データ２０を読み取り、画像認識処理により各タガントの分布位置情報を含む複数の特徴量を抽出し、特徴量テーブル６を生成してデータベース５に登録する。例えば、タガントの形状、色、回転角度情報を特徴量とする。識別対象とする物品の画像データ２０’からも同様の画像処理手法で各タガントの分布位置情報を含む複数の特徴量を抽出し、特徴量テーブル６’を生成し、登録されている特徴量テーブル６と照合することにより、識別対象とする対象物の個体を識別し、結果を提示する。
【選択図】図４

Description

本発明は、タガント（追跡用微小細粒）を利用して物品の個体識別を行う個体識別システム等に関する。

近年、工業製品や商品パッケージ、証明書等の公的証書や商品券等の有価証券等の真正性認証（個体識別）を行うための技術として、人工物メトリクス（ａｒｔｉｆａｃｔ−ｍｅｔｒｉｃｓ）技術が提案されている。人工物メトリクス技術とは、対象物（人工物）から分離不可能に、ランダムに付与されている固有の特徴を計測し、事前に計測された情報と比較照合することにより、対象物の個体識別を行うものである。対象物の固有の特徴としては、大別して光学特性、磁気特性、電気特性、振動特性等の各種物理特性の一形態として計測される。光学特性を有するものの具体例としては、（１）基材にランダム分散した粒状物（タガント）の光反射パターン、（２）基材にランダム分散した光ファイバの透過光パターン、（３）基材のランダムな斑の透過光パターン、（４）ランダムに配置されたポリマファイバの視差画像パターン、（５）基材にランダム分散したファイバの画像パターン等が挙げられる。また磁気特性を有するものとしては（６）基材にランダム分散した磁性ファイバの磁気パターン、（７）磁気ストライプにランダムに記録された磁気パターン、（８）磁気ストライプの製造時にランダムに配置された磁気パターン等の磁性特性を有するもの、等が挙げられる。また、電気特性を有するものの例としては（９）半導体素子内のメモリセルにランダムに蓄積された電荷量パターン等が挙げられる。また、振動特性を有するものとしては（１０）導電性ファイバをランダム分散した基材の共振パターン、（１１）容器に貼ったシールを振動させたときの共鳴パターン等が挙げられる。

特許文献１には、透明プラスチック基材の片面に、少なくとも、光回折構造形成層、粘着剤層、被覆材料が順次形成されたラベルについて記載されている。当該ラベルの粘着剤層または光回折構造形成層に微小細粒を混入することによって、真偽判別要素であるホログラムとタガント（追跡用添加物）としての微小細粒を存在させ、偽造防止を図っている。

特開２００８−２６１９６７号公報

しかしながら、上述の特許文献１では、ルーペ等によって拡大するか、紫外、赤外などの光を当てることでタガントの存在を確認していた。つまり、タガント粒子の存在の有無を人の目により確認することで物品の真偽が判断されるため、技術に進歩によりタガントの偽造が可能となると簡単に模倣される恐れがあった。また、単にタガントが付与されていることを確認するだけでは個体を明確に識別することができなかった。
また、個体識別の精度向上を図りつつも、目的によっては、識別の処理速度を優先させたい場合もある。

本発明は、このような問題に鑑みてなされたもので、タガントを利用して対象物の個体識別を行うシステムにおいて、個体識別の精度を向上し、また処理手順の自由度を増加させることを目的とする。

前述した課題を解決するため第１の発明は、コンピュータを利用し、複数のタガントがランダムに付与された物品の個体を識別する個体識別システムであって、前記タガントは複数種類の色または形状が混在し、前記コンピュータは、前記物品の画像データを取得する画像データ取得手段と、前記画像データから少なくとも前記タガントの分布位置情報を含む複数の特徴量を抽出する特徴量抽出手段と、前記特徴量抽出手段により抽出された複数の特徴量を組み合わせた特徴量テーブルを生成してデータベースに登録する登録手段と、識別対象とする物品について、前記画像データを取得し、取得した画像データから前記特徴量抽出手段と同一の処理により複数の特徴量を抽出して、特徴量テーブルを生成する特徴量テーブル生成手段と、前記特徴量テーブル生成手段により生成された特徴量テーブルと、前記データベースに登録されている特徴量テーブルとを照合することにより、前記識別対象とする対象物の個体を識別する個体識別手段と、前記個体識別手段による識別の結果を提示する結果提示手段と、を備えることを特徴とする個体識別システムである。

また、第２の発明は、コンピュータを利用し、複数のタガントがランダムに付与された物品の個体を識別する個体識別方法であって、前記タガントは複数種類の色または形状が混在し、前記コンピュータが、前記物品を撮像した画像データを取得する画像データ取得ステップと、前記画像データから少なくとも前記タガントの分布位置情報を含む複数の特徴量を抽出する特徴量抽出ステップと、抽出された複数の特徴量を組み合わせた特徴量テーブルを生成してデータベースに登録する登録ステップと、識別対象とする物品について、前記画像データを取得し、取得した画像データから前記特徴量抽出ステップと同一の処理により複数の特徴量を抽出して、特徴量テーブルを生成する特徴量テーブル生成ステップと、前記特徴量テーブル生成手ステップにより生成された特徴量テーブルと、前記データベースに登録されている特徴量テーブルとを照合することにより、前記識別対象とする対象物の個体を識別する個体識別ステップと、個体識別の結果を提示する結果提示ステップと、を含む処理を行うことを特徴とする個体識別方法である。

第１、第２の発明によれば、物品に付与するタガントとして、複数種類の色または形状が混在したタガントを利用する。そして、物品の画像データを読み取り、コンピュータにより画像認識処理を行い、各タガントの分布位置情報を含む複数の特徴量を抽出する。そして、抽出された複数の特徴量を組み合わせた特徴量テーブルを生成してデータベースに登録しておく。識別対象とする物品についての画像データからも同様の画像処理手法で各タガントの分布位置情報を含む複数の特徴量を抽出し、特徴量テーブルを生成し、データベースに予め登録されている特徴量テーブルと照合することにより、識別対象とする対象物の個体を識別し、識別結果を提示する。
したがって、各タガントの有無または分布位置のみならず、タガントに関する様々な特徴量を複数抽出して照合に利用できるため、個体識別精度が向上する。また、複数の特徴量を組み合わせて個体識別に利用できるため、処理手順の自由度が増加し、目的に応じて、処理速度を優先する、或いは個体識別精度を優先する等、柔軟に対応できる。

また、前記タガントの形状は非対称性を有し、前記特徴量テーブルには、各タガントの分布位置情報と回転角度情報とが組み合わされて格納されることが望ましい。この場合、特徴量として、各タガントの分布位置情報と回転角度情報とを組み合わせた特徴量を抽出できるため、個体識別の精度が向上する。

また、前記特徴量テーブルは、形状毎または色毎にグループ化されて登録されることが望ましい。この場合、照合処理において、常にすべての特徴量について照合を行う必要はなく、あるグループの照合を行い、一致率が高い場合に、更に他のグループの照合を行うというように、処理量を低減することも可能となる。これにより処理速度を高速化できる。

また、第３の発明は、コンピュータにより読み取り可能な形式で記述されたプログラムであって、複数の複数種類の色または形状を混在させたタガントがランダムに付与された物品を撮像した画像データを取得する画像データ取得ステップと、前記画像データから少なくとも前記タガントの分布位置情報を含む複数の特徴量を抽出する特徴量抽出ステップと、抽出された複数の特徴量を組み合わせた特徴量テーブルを生成してデータベースに登録する登録ステップと、識別対象とする物品について、前記画像データを取得し、取得した画像データから前記特徴量抽出ステップと同一の処理により複数の特徴量を抽出して、特徴量テーブルを生成する特徴量テーブル生成ステップと、前記特徴量テーブル生成手ステップにより生成された特徴量テーブルと、前記データベースに登録されている特徴量テーブルとを照合することにより、前記識別対象とする対象物の個体を識別する個体識別ステップと、個体識別の結果を提示する結果提示ステップと、を含む処理をコンピュータに実行させるためのプログラムである。

第３の発明により、コンピュータを第１の発明の個体識別システムのコンピュータとして機能させることが可能となる。

本発明によれば、タガントを利用して対象物の個体識別を行うシステムにおいて、複数の特徴量を組み合わせた照合を行うことで、個体識別の精度を向上させることが可能となるとともに、処理手順の自由度を増加させることも可能となる。

個体識別システム１の全体構成図 対象物２から読み取った画像データ２０の一例 コンピュータ４のハードウエア構成を示すブロック図 特徴量テーブル６（６’）の一例を示す図 登録処理の流れを説明するフローチャート 形状抽出処理について説明する図 色抽出処理について説明する図 回転角度抽出処理について説明する図 照合処理の流れを説明するフローチャート

以下、図面に基づいて本発明の好適な実施形態について詳細に説明する。

まず、図１〜図４を参照して、本発明に係る個体識別システム１の構成を説明する。
図１に示すように、個体識別システム１は、対象物（登録対象物２、識別対象物２’を含む）、対象物２，２’を撮像する画像読取装置３、画像読取装置３にて読み取られた対象物２，２’の画像データに対して画像処理を施し、固有の特徴量を取得し、取得した特徴量を用いて後述する登録処理または照合処理を行うコンピュータ４と、を備える。コンピュータ４は、ＬＡＮまたはインターネット等のネットワークを介して照合処理を行うサーバ装置等に接続されるようにしてもよい。

対象物２、２’は、複数のタガント（微小細粒）がランダムに付与されている。各タガントは、例えばインクに混入されて対象物２，２’に印刷されることにより、ランダムに付与できる。
また、本発明において、タガントは、複数の種類の形状（模様も含む。）、色を有するものが混在する。
図２は対象物２から読み取った画像データ２０の一例である。
図２に示すように各タガント２０１，２０２，・・・は、様々な形状や色となっている。
例えば、色は、赤、青、緑の３色を用い、形状は、ハート形、星形、十字型、六角形、動物形、顔形等とし、個々のタガントのサイズは１μｍ程度とすることが望ましいが、これに限定されない。
これらのタガントは個々の対象物に対し、ランダムに付与されるため、各タガントの分布位置、分布割合、対象物に付着した際の各タガントの回転角度等を完全に一致させることは困難である。
そこで、本発明では、タガントの分布位置のみならず、色、形状、回転角度等も特徴量として読取り、個々の対象物２の特徴量テーブル６としてデータベース５に登録しておくとともに、個体識別を行う際は、識別対象とする対象物（識別対象物）２’について、登録時と同様に、色、形状、回転角度等の特徴量を読み取って特徴量テーブル６’を生成し、データベース５に登録されている特徴量テーブル６と照合することによって、識別対象物２’の個体を識別する。

次に、図３を参照してコンピュータ４のハードウエア構成について説明する。
図３に示すように、コンピュータ４は、制御部４１、記憶部４２、入力部４３、表示部４４、メディア入出力部４５、通信Ｉ／Ｆ部４６、周辺機器Ｉ／Ｆ部４７等がバス４９を介して接続されて構成される。また、周辺機器Ｉ／Ｆ部４７には、画像読取装置３（図１参照）や、ＩＤ読取装置（不図示）が接続されている。

制御部４１は、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）、ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）、ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｓｅｓｓ Ｍｅｍｏｒｙ）等により構成される。
ＣＰＵは、記憶部４２、ＲＯＭ、記録媒体等に格納されるプログラムをＲＡＭ上のワークメモリ領域に呼び出して実行し、バス４９を介して接続された各部を駆動制御する。ＲＯＭは、コンピュータのブートプログラムやＢＩＯＳ等のプログラム、データ等を恒久的に保持する。ＲＡＭは、ロードしたプログラムやデータを一時的に保持するとともに、制御部４１が後述する各種処理を行うために使用するワークエリアを備える。また、制御部４１は、記憶部４２に記憶されているプログラムに従って、後述する登録処理（図５参照）、照合処理（図９参照）を実行する。各処理の詳細については後述する。

記憶部４２は、ＨＤＤ（ハードディスクドライブ）であり、制御部４１が実行するプログラムや、プログラム実行に必要なデータ、ＯＳ（オペレーティング・システム）等が格納されている。これらのプログラムコードは、制御部４１により必要に応じて読み出されてＲＡＭに移され、ＣＰＵに読み出されて実行される。

入力部４３は、例えば、キーボード、マウス、タッチパネル、タブレット等のポインティング・デバイス、テンキー等の入力装置であり、入力されたデータを制御部４１へ出力する。

表示部４４は、例えば液晶パネル、ＣＲＴモニタ等のディスプレイ装置と、ディスプレイ装置と連携して表示処理を実行するための論理回路（ビデオアダプタ等）で構成され、制御部４１の制御により入力された表示情報をディスプレイ装置上に表示させる。
なお、入力部４３と表示部４４とが一体的に構成されたタッチパネル式の入出力部としてもよい。

メディア入出力部４５は、例えば、フロッピー（登録商標）ディスクドライブ、ＰＤドライブ、ＣＤドライブ、ＤＶＤドライブ、ＭＯドライブ等のメディア入出力装置であり、データの入出力を行う。
通信Ｉ／Ｆ４６は、通信制御装置、通信ポート等を有し、ネットワークを介して所定の外部装置との通信を媒介する通信インタフェースであり、通信制御を行う。例えば、通信Ｉ／Ｆ４６を介してデータベース５と接続される。

周辺機器Ｉ／Ｆ（インタフェース）４７は、コンピュータ４に周辺機器を接続させるためのポートであり、コンピュータ４は周辺機器Ｉ／Ｆ４７を介して周辺機器とのデータの送受信を行う。周辺機器Ｉ／Ｆ４７は、ＵＳＢやＩＥＥＥ１３９４やＲＳ−２３２Ｃ等で構成されており、通常複数の周辺機器Ｉ／Ｆを有する。周辺機器との接続形態は有線、無線を問わない。

画像読取装置３は、スキャナ、カメラ等の光学的読取装置であり、対象物２を撮像し、その画像データ２０を読み取って、コンピュータ４に入力する。
また、各対象物２には後述するようにそれぞれＩＤが付与されるが、ＩＤがＩＣチップのメモリ等にＩＤが記憶されている場合は、ＩＤ読取装置として、対応するＩＣリーダ／ライタ等を周辺機器Ｉ／Ｆ４７に接続するようにする。また、ＩＤがバーコード等の形式で付与される場合には、ＩＤ読取装置として、バーコードリーダ等を周辺機器Ｉ／Ｆ４７に接続するようにする。

バス４９は、各装置間の制御信号、データ信号等の授受を媒介する経路である。

図１のデータベース５には、各対象物２の複数の特徴量が格納された特徴量テーブル６が記憶されている。
図４に特徴量テーブル６の一例を示す。

図４に示すように特徴量テーブル６は、各対象物２から読み取った画像データから取得した各タガント（Ｎｏ．０００１、Ｎｏ．０００２、・・・等）に関する複数の特徴量が格納される。特徴量としては、タガントの形状情報６Ｂ、分布位置情報（Ｘ座標情報６Ｃ、Ｙ座標情報６Ｄ）、色情報６E、回転角度情報６F等が格納される。
なお、これらの各特徴量は全て格納されていなくてもよい。
例えば、分布位置情報（Ｘ座標情報６Ｃ、Ｙ座標情報６Ｄ）と形状情報６Ｂの組み合わせ、分布位置情報と色情報６Ｅの組み合わせ、分布位置情報と回転角度情報６Ｆの組み合わせ等としてもよい。
どの特徴量を組み合わせるかは、後述する登録処理及び照合処理の特徴量テーブル生成ステップ（ステップＳ１０５、Ｓ２０５）の処理内容を変更すれば、適宜変更できる。

また、特徴量テーブル６には、各タガントの分布位置情報（Ｘ座標情報６Ｃ、Ｙ座標情報６Ｄ）が色毎または形状毎にグループ化されて、格納されるようにしてもよい。
複数のグループに分割されて登録されている場合は、あるグループについて照合処理を行い、一致率が高い場合に、更に次のグループについて照合処理を行うようにすれば、無駄な照合作業を減らすことができ、照合速度の向上を図ることができる。

また、図４の例では、分布位置情報は絶対位置を示す座標値が格納されているが、絶対位置に限らず、あるタガントの分布位置を基準とした相対位置情報を格納するようにしてもよい。各タガントとの相対的な位置関係を示すロバストな値（アフィン不変量）を特徴量とすれば、対象物２の撮影時のずれ（位置ずれ、回転ずれ、拡大・縮小ずれ等）を吸収でき、精度よく個体識別ができるようになる。ロバストな値（アフィン不変量）の具体例としては、あるタガントとそのタガントに隣接する２つのタガントとで三角形を形成し、このような三角形を周囲４方向に形成し、それらの三角形の面積比を求め、面積比の関係をそのタガントの特徴量とすることが挙げられる。

次に、個体識別システム１のコンピュータ４により実行される登録処理及び照合処理の流れについて説明する。
図５は、登録処理の全体の流れを説明するフローチャート、図６は形状抽出処理、図７は色抽出処理、図８は回転角度抽出処理についてそれぞれ説明する図である。図９は照合処理を説明するフローチャートである。

まず、登録処理の流れを図５を参照して説明する。
画像読取装置３により登録対象とする対象物２が撮影されると、その画像データ２０がコンピュータ４に入力される。コンピュータ４の制御部４１は画像データ２０を取得すると(ステップＳ１０１）、画像データ２０に対して各タガントの形状抽出処理（ステップＳ１０２；図６）、色抽出処理（ステップＳ１０３；図７）、及び回転角度抽出処理（ステップＳ１０４；図８）を施す。これらの各処理では、画像データ２０に含まれる各タガントの分布位置情報も抽出される。また、形状抽出処理、色抽出処理、及び回転角度抽出処理の処理順序は、この順に限定されず、どの順序で行ってもよい。

制御部４１は、ステップＳ１０２〜ステップＳ１０４の各処理で読み取った各タガントの分布位置情報（Ｘ座標情報６Ｃ、Ｙ座標情報６Ｄ）、形状情報６Ｂ、色情報６Ｅ、及び回転角度情報６Ｆを格納した特徴量テーブル６を生成する（ステップＳ１０５）。また、制御部４１は、生成した特徴量テーブル６にユニークＩＤを付与し（ステップＳ１０６）、データベース６に登録する（ステップＳ１０７）。

ここで、図６を参照してステップＳ１０２の形状抽出処理について説明する。
図６（Ａ）に示すように、コンピュータ４が取得した画像データ２０には複数種類の形状のタガントが含まれている。例えば、星形、十字形、ハート形が混在するものとする。なお、これらの抽出すべきタガントの形状情報は、例えば記憶部４２の形状データベース（不図示）に予め保持されているものとする。

制御部４１は、画像データ２０から形状データベースに登録されている形状に一致する形状を有するタガントを抽出し、図６（Ｂ）に示すように、形状毎の画像データ２０Ａ、２０Ｂ、２０Ｃにフィルタリングする。すると、星形のタガントが抽出された画像データ２０Ａ、十字形のタガントが抽出された画像データ２０Ｂ、ハート形のタガントが抽出された画像データ２０Ｃを得る。各タガントの配置は元の画像データ２０のままである。制御部４１は、各画像データ２０Ａ，２０Ｂ，２０Ｃから各タガントの分布位置情報（Ｘ座標、Ｙ座標）を取得する。図６（Ｃ）では、あるタガントの位置を基準に相対位置情報を求めることを示すために、破線で相対位置の関係を示しているが、各タガントの分布位置情報として絶対位置情報を取得するようにしてもよい。絶対位置情報を取得する場合は、対象物２に予めマーカを付与しておき、このマーカに合わせてすべての対象物を撮像するようにして、各画像の撮像の位置、角度、スケールを一致させるようにすることが望ましい。

また、図６の例のように、画像データ２０をタガントの形状毎にフィルタリングする場合は、特徴量テーブル６は、図４に示すような各タガントが端点から順にナンバリング（図４の６Ａ）され、各タガントの形状、分布位置、色、回転角度等が列記された形式ではなく、形状毎にグループ化された複数の特徴量テーブル６となる。例えば、ハート形のタガントのみを抽出し、その分布位置情報（Ｘ座標、Ｙ座標）や、色、回転角度が格納された特徴量テーブル、星形のタガントのみを抽出し、その分布位置情報（Ｘ座標、Ｙ座標）や、色、回転角度が格納された特徴量テーブル、のように、形状毎の特徴量テーブルが生成され、データベース５に登録される。

次に、図７を参照してステップＳ１０３の色抽出処理について説明する。
図７（Ａ）に示すように、コンピュータ４が取得した画像データ２０に複数種類の色のタガントが含まれているものとする。例えば、赤（図７では白抜き）、青（図７では黒）、緑（図７では点模様）が混在するものとする。なお、これらの抽出すべきタガントの色情報は、例えば記憶部４２の色データベース（不図示）に予め保持されているものとする。

制御部４１は、図７（Ｂ）に示すように、画像データ２０を色データベースに登録されている各色の画像データ２０Ｄ、２０Ｅ、２０Ｆに分解する。各タガントの配置は元の画像データ２０のままである。制御部４１は、各色の画像データ２０Ｄ，２０Ｅ，２０Ｆから各タガントの分布位置情報（Ｘ座標、Ｙ座標）を取得する。図７（Ｃ）では、あるタガントの位置を基準に相対位置情報を求めることを示すため、破線で相対位置の関係を示しているが、上述のように、各タガントの分布位置情報として絶対位置情報を取得するようにしてもよい。

また、図７の例のように、画像データ２０をタガントの色毎に分解する場合は、特徴量テーブル６は、図４に示す形式でなく、色毎にグループ化された複数の特徴量テーブルとなる。例えば、緑のタガントのみを抽出し、その分布位置情報（Ｘ座標、Ｙ座標）や、形状、回転角度が格納された特徴量テーブル、赤のタガントのみを抽出し、その分布位置情報（Ｘ座標、Ｙ座標）や、形状、回転角度が格納された特徴量テーブル、のように、各形状毎の特徴量テーブルが生成され、データベース５に登録される。
また、図６に示すように、形状毎にグループ化された特徴量データベース６が既に生成されている場合は、各形状の特徴量データベースについて、更に色毎にグループ化してもよい。

次に、図８を参照してステップＳ１０４の回転角度抽出処理について説明する。
図８（Ａ）では、回転角度抽出のため、各タガントの形状と色はすべて同一ものとしているが、実際は複数の形状及び色が混在した画像データについて回転角度抽出処理を行う。
図８に示すハート型のタガントのように非対称性を有する形状であれば、各タガントの回転角度情報を取得できる。
例えば、制御部４１は、画像認識処理によって各タガント２０１，２０２，２０３のハート型の形状を認識し、その形状から各タガントの正面方向（図８の矢印）を認識する。そして、あるタガント２１０を基準タガントとし（図８（Ｂ））、基準タガント２１０と他のタガント２１１，２１２の正面方向の角度差をそれぞれ回転角度として抽出する。
図８（Ｃ）に示すように、すべてのタガント２１０，２１１，２１２について、それぞれ対応する分布点２１０’，２１１’，２１２’の位置情報と回転角度情報とが抽出できる。抽出した位置情報及び回転角度情報は、図４の特徴量テーブル６に、Ｘ座標情報６Ｃ、Ｙ座標情報６Ｄ、回転角度情報６Ｆとして格納される。

次に、照合処理の流れを図９を参照して説明する。
なお、照合処理を開始する前に、データベース５には複数の対象物の特徴量テーブル６がそのユニークＩＤとともに蓄積記憶されているものとする。

まず、画像読取装置３により個体識別対象とする対象物２’が撮影されると、その画像データ２０’がコンピュータ４に入力される。また、個体識別対象とする対象物２’のユニークＩＤもコンピュータ４に入力される。コンピュータ４の制御部４１は画像データ２０’とユニークＩＤを取得すると(ステップＳ２０１）、画像データ２０’から各タガントの形状抽出処理（ステップＳ２０２）、色抽出処理（ステップＳ２０３）、及び回転角度抽出処理（ステップＳ２０４）を行い、ステップＳ２０２〜ステップＳ２０４の各処理で読み取った各タガントの分布位置情報（Ｘ座標、Ｙ座標）、形状情報、色情報、及び回転角度情報を格納した特徴量テーブル６’を生成する（ステップＳ２０５）。
ステップＳ２０１〜ステップＳ２０５の各処理は、図５に示す登録処理における形状抽出処理（ステップＳ１０２）、色抽出処理（ステップＳ１０３）、及び回転角度抽出処理（ステップＳ１０４）、特徴量テーブル生成処理（ステップＳ１０５）と同一の処理を行うものとする。

制御部４１は、データベース５からステップＳ２０１で取得したユニークＩＤに該当する特徴量テーブル６を取得し（ステップＳ２０６）、ステップＳ２０５で生成した特徴量テーブル６’と照合する（ステップＳ２０７）。
照合処理の方法については、特徴量テーブル６，６’の形態に応じて適切な照合方法を採用すればよい。例えば、各特徴量テーブル６，６’の各項目６Ａ〜６Ｆを要素とするベクトルを生成し、相関値（類似度）を求め、その大きさが所定の閾値を上回る場合に、一致と判定するようにすればよい。

ステップＳ２０７における照合の結果、個体識別対象とする対象物２の特徴量テーブル６’がデータベース５に格納されている特徴量テーブル６と一致すれば、その対象物２の真性が認証される。一方、不一致の場合は、その対象物２は偽の物品と判断される。制御部４１は、照合結果を表示部４４に表示し、ユーザに提示する（ステップＳ２０８）。

以上説明したように、本実施の形態の個体識別システム１では、物品に付与するタガントとして、複数種類の色または形状が混在したタガントを利用する。そして、対象物２の画像データ２０を読み取り、コンピュータ４により画像認識処理を行い、各タガントの分布位置情報を含む複数の特徴量を抽出する。そして、抽出された複数の特徴量を組み合わせた特徴量テーブル６を生成してデータベース５に登録しておき、識別対象とする物品２’についての画像データ２０’から同様の画像処理手法で各タガントの分布位置情報を含む複数の特徴量を抽出し、特徴量テーブル６’を生成する。コンピュータ４は、個体識別対象とする対象物２’から生成された特徴量テーブル６’と、データベース５に予め登録されている特徴量テーブル６とを照合することにより、識別対象とする対象物２の個体を識別し、結果を提示する。

したがって、各タガントの有無または分布位置のみならず、タガントに関する様々な特徴量を複数抽出して照合に利用できるため、個体識別の精度が向上する。すなわち、例えば本実施の形態では、各タガントのＸ座標、Ｙ座標の他、色、形状、回転角度も特徴量として抽出し、照合に利用するため、照合する情報を５次元まで増やすことができる。
また、タガントの形状は非対称性を有するものを利用すれば、特徴量として、各タガントの分布位置情報と回転角度情報とを組み合わせた特徴量を抽出できるため、認証精度が向上する。
また、色毎または形状毎のようにグループ化した特徴量テーブル６を生成すれば、照合処理において、常にすべての特徴量について照合を行う必要はなく、まず、あるグループの照合を行い、一致率が高い場合に、更に他のグループの照合を行うというように、処理量を低減することも可能である。これにより照合処理速度を高速化できる。
また、複数の特徴量を組み合わせて照合に利用できるため、処理手順の自由度が増し、識別精度優先或いは処理速度優先等のように、様々な目的に応じて柔軟な処理を行わせること可能となる。

以上、本発明に係る個体識別システム１の好適な実施形態について説明したが、本発明は、上述の実施形態に限定されるものではない。上述の実施の形態で示したタガントの形状や色は一例であり、その他の形状または色等を示すタガントを採用してもよい。また各タガントの大きさが異なるものを採用してもよい。この場合は、タガントの分布位置情報を抽出し、タガントの大きさ別に特徴量テーブル６にグループ化して格納すればよい。その他、当業者であれば、本願で開示した技術的思想の範疇内において、各種の変更例または修正例に想到し得ることは明らかであり、それらについても当然に本発明の技術的範囲に属するものと了解される。

１・・・・・・・・・・・・個体識別システム
２・・・・・・・・・・・・物品（登録対象とする対象物）
２’・・・・・・・・・・・物品（識別対象とする対象物）
３・・・・・・・・・・・・画像読取装置
４・・・・・・・・・・・・コンピュータ
５・・・・・・・・・・・・データベース
６・・・・・・・・・・・・特徴量データベース
２０・・・・・・・・・・・画像データ
２０１、２０２，…・・・・タガント
２０Ａ，２０Ｂ，２０Ｃ・・・形状毎に分解された画像データ
２０Ｄ，２０Ｅ，２０Ｆ・・・色毎に分解された画像データ

Claims (6)

1. コンピュータを利用し、複数のタガントがランダムに付与された物品の個体を識別する個体識別システムであって、
   前記タガントは複数種類の色または形状が混在し、
   前記コンピュータは、
   前記物品の画像データを取得する画像データ取得手段と、
   前記画像データから少なくとも前記タガントの分布位置情報を含む複数の特徴量を抽出する特徴量抽出手段と、
   前記特徴量抽出手段により抽出された複数の特徴量を組み合わせた特徴量テーブルを生成してデータベースに登録する登録手段と、
   識別対象とする物品について、前記画像データを取得し、取得した画像データから前記特徴量抽出手段と同一の処理により複数の特徴量を抽出して、特徴量テーブルを生成する特徴量テーブル生成手段と、
   前記特徴量テーブル生成手段により生成された特徴量テーブルと、前記データベースに登録されている特徴量テーブルとを照合することにより、前記識別対象とする対象物の個体を識別する個体識別手段と、
   前記個体識別手段による識別の結果を提示する結果提示手段と、
   を備えることを特徴とする個体識別システム。
2. 前記タガントの形状は非対称性を有し、
   前記特徴量テーブルには、
   各タガントの分布位置情報と回転角度情報とが組み合わされて格納されることを特徴とする請求項１に記載の個体識別システム。
3. 前記特徴量テーブルは、形状毎にグループ化されて登録されることを特徴とする請求項１または請求項２に記載の個体識別システム。
4. 前記特徴量テーブルは、色毎にグループ化されて登録されることを特徴とする請求項１または請求項２に記載の個体識別システム。
5. コンピュータを利用し、複数のタガントがランダムに付与された物品の個体を識別する個体識別方法であって、
   前記タガントは複数種類の色または形状が混在し、
   前記コンピュータが、
   前記物品を撮像した画像データを取得する画像データ取得ステップと、
   前記画像データから少なくとも前記タガントの分布位置情報を含む複数の特徴量を抽出する特徴量抽出ステップと、
   抽出された複数の特徴量を組み合わせた特徴量テーブルを生成してデータベースに登録する登録ステップと、
   識別対象とする物品について、前記画像データを取得し、取得した画像データから前記特徴量抽出ステップと同一の処理により複数の特徴量を抽出して、特徴量テーブルを生成する特徴量テーブル生成ステップと、
   前記特徴量テーブル生成手ステップにより生成された特徴量テーブルと、前記データベースに登録されている特徴量テーブルとを照合することにより、前記識別対象とする対象物の個体を識別する個体識別ステップと、
   個体識別の結果を提示する結果提示ステップと、
   を含む処理を行うことを特徴とする個体識別方法。
6. コンピュータにより読み取り可能な形式で記述されたプログラムであって、
   複数の複数種類の色または形状を混在させたタガントがランダムに付与された物品を撮像した画像データを取得する画像データ取得ステップと、
   前記画像データから少なくとも前記タガントの分布位置情報を含む複数の特徴量を抽出する特徴量抽出ステップと、
   抽出された複数の特徴量を組み合わせた特徴量テーブルを生成してデータベースに登録する登録ステップと、
   識別対象とする物品について、前記画像データを取得し、取得した画像データから前記特徴量抽出ステップと同一の処理により複数の特徴量を抽出して、特徴量テーブルを生成する特徴量テーブル生成ステップと、
   前記特徴量テーブル生成手ステップにより生成された特徴量テーブルと、前記データベースに登録されている特徴量テーブルとを照合することにより、前記識別対象とする対象物の個体を識別する個体識別ステップと、
   個体識別の結果を提示する結果提示ステップと、
   を含む処理をコンピュータに実行させるためのプログラム。

Images