JP6774137B2 - Ｉｄ写真の真正性を検証するためのシステムおよび方法 - Google Patents

Description

本開示は、一般に、写真真正性（ｐｈｏｔｏ ａｕｔｈｅｎｔｉｃｉｔｙ）検証の技術分野に関し、詳細には、ターゲットＩＤ写真（ｔａｒｇｅｔ ＩＤ ｐｈｏｔｏ）と基準ＩＤ写真（ｒｅｆｅｒｅｎｃｅ ＩＤ ｐｈｏｔｏ）との間の類似度に基づいて偽ＩＤ写真（ｆａｋｅ ＩＤ ｐｈｏｔｏ）を識別するためのシステムおよび方法に関する。

ユーザが、ウェブサイトによって与えられるサービスに登録する（ｒｅｇｉｓｔｅｒ）とき、識別情報検証が求められることがある。識別情報検証を実施するための従来のやり方は、ユーザが識別（ＩＤ）写真をアップロードすることを求めることがある。しかしながら、ユーザが、不正をはたらくために偽ＩＤ写真を作ることがあり、偽ＩＤ写真は、識別するのが難しいことがある。したがって、ユーザによってアップロードされたＩＤ写真（Ｉｄ ｐｈｏｔｏ）の真正性を検証するためのシステムおよび方法を提供することが望ましい。

本開示の一態様によれば、システムが、ターゲットＩＤ写真の真正性を検証するための命令のセットを含む少なくとも１つのコンピュータ可読ストレージ媒体と、コンピュータ可読ストレージ媒体と通信している少なくとも１つプロセッサとを含み得、命令のセットを実行するとき、少なくとも１つのプロセッサは、ターゲット識別（ＩＤ）写真を受信することと、１つまたは複数の基準ＩＤ写真のデータベースにアクセスすることと、ターゲットＩＤ写真上の所定のエリアとデータベース中の１つまたは複数のターゲット基準ＩＤ写真（ｔａｒｇｅｔ ｒｅｆｅｒｅｎｃｅ ＩＤ ｐｈｏｔｏ）の所定のエリアとの間の差分値を決定することと、差分値がしきい値よりも小さいと決定すると、ターゲットＩＤ写真が偽ＩＤ写真であることを示すための警告コードを生成することとを行うように指示され得る。

いくつかの実施形態では、１つまたは複数の基準ＩＤ写真のデータベースは、１つまたは複数の構造化データを含み、１つまたは複数の構造化データの各々が、基準ＩＤ写真の所定のエリアに関連付けられた基準特徴ベクトル（ｒｅｆｅｒｅｎｃｅ ｆｅａｔｕｒｅ ｖｅｃｔｏｒ）を符号化する。いくつかの実施形態では、差分値を決定するために、少なくとも１つのプロセッサは、ターゲットＩＤ写真上の所定のエリアの１つまたは複数の特徴に基づいて、ターゲット特徴ベクトル（ｔａｒｇｅｔ ｆｅａｔｕｒｅ ｖｅｃｔｏｒ）を決定することと、ターゲット特徴ベクトルを基準特徴ベクトルと比較することによって、差分値を決定することとを行うようにさらに指示され得る。いくつかの実施形態では、差分値はユークリッド距離であり得る。

いくつかの実施形態では、少なくとも１つのプロセッサは、ＩＤ写真を少なくとも１つのブロックに分割することであって、ＩＤ写真が基準ＩＤ写真またはターゲットＩＤ写真である、分割することと、第２の信号フラグメントに基づいて、各ブロック中の１つまたは複数のピクセルのグレー・スケールを決定することと、１つまたは複数のピクセルのグレー・スケールに基づいて、各ブロックのピクセル勾配（ｐｉｘｅｌ ｇｒａｄｉｅｎｔ）を決定することと、各ブロックのピクセル勾配に基づいて、ＩＤ写真のテクスチャ特徴（ｔｅｘｔｕｒｅ ｆｅａｔｕｒｅ）を決定することと、少なくとも１つのブロックのテクスチャ特徴をストレージ媒体中の特徴ベクトルに記憶することであって、特徴ベクトルが基準特徴ベクトルまたはターゲット特徴ベクトルである、記憶することとを行うようにさらに指示され得る。

いくつかの実施形態では、少なくとも１つのプロセッサは、ＩＤ写真中のピクセルの所定のエリアのグレー・スケールを取得することと、ピクセルとピクセルの１つまたは複数の近接するピクセルとに基づいて、１つまたは複数の２進値を決定することと、１つまたは複数の２進値に基づいて、ピクセルのテクスチャ情報を決定することと、ターゲットＩＤ写真のすべてのピクセルのテクスチャ情報に基づいて、ターゲットＩＤ写真のテクスチャ特徴を決定することと、少なくとも１つのブロックのテクスチャ特徴をストレージ媒体中の特徴ベクトルに記憶することであって、特徴ベクトルが基準特徴ベクトルまたはターゲット特徴ベクトルである、記憶することとを行うようにさらに指示され得る。

いくつかの実施形態では、少なくとも１つのプロセッサは、トレーニングされた畳み込みニューラル・ネットワーク（ｔｒａｉｎｅｄ ｃｏｎｖｏｌｕｔｉｏｎａｌ ｎｅｕｒａｌ ｎｅｔｗｏｒｋ）によって顔特徴（ｆａｃｅ ｆｅａｔｕｒｅ）を決定するようにさらに指示され得、ターゲットＩＤ写真の所定のエリアはポートレート・エリアを含む。

いくつかの実施形態では、少なくとも１つのプロセッサは、トレーニングされた畳み込みニューラル・ネットワークによって偽ＩＤ特徴を決定するようにさらに指示され得、トレーニングされた畳み込みニューラル・ネットワークは、少なくとも１つのコンピュータによって、複数の基準偽ＩＤ写真（ｒｅｆｅｒｅｎｃｅ ｆａｋｅ ＩＤ ｐｈｏｔｏ）を用いてトレーニングされ得る。

いくつかの実施形態では、少なくとも１つのプロセッサは、複数の基準ＩＤ写真のデータを読み取るために、オンライン・プラットフォームのデータ・バスを介してメモリ中にアクセスすることと、複数の基準ＩＤ写真の各々の基準特徴に基づいて、複数の基準ＩＤ写真の各々についての基準特徴ベクトルを生成することと、基準特徴ベクトルに基づいてクラスタ数を生成することと、複数のＩＤ写真の各々について、読取り／書込み機器に、対応するＩＤ写真を符号化するクラスタ数を追加するように指示することとを含む、基準ＩＤ写真のデータベースを確立することを行うようにさらに指示され得る。

本開示の別の態様によれば、要求を承認するための方法が、少なくとも１つのコンピュータによって、ターゲット識別（ＩＤ）写真を受信するステップと、少なくとも１つのコンピュータによって、１つまたは複数の基準ＩＤ写真のデータベースにアクセスするステップと、少なくとも１つのコンピュータによって、ターゲットＩＤ写真上の所定のエリアとデータベース中の１つまたは複数のターゲット基準ＩＤ写真の所定のエリアとの間の差分値を決定するステップと、差分値がしきい値よりも小さいと決定すると、少なくとも１つのコンピュータによって、ターゲットＩＤ写真が偽ＩＤ写真であることを示すための警告コードを生成するステップとを含み得る。

いくつかの実施形態では、１つまたは複数の基準ＩＤ写真のデータベースは、１つまたは複数の構造化データを含み得、１つまたは複数の構造化データの各々が、基準ＩＤ写真の所定のエリアに関連付けられた基準特徴ベクトルを符号化する。いくつかの実施形態では、差分値を決定するステップは、ターゲットＩＤ写真上の所定のエリアの１つまたは複数の特徴に基づいて、ターゲット特徴ベクトルを決定するステップと、ターゲット特徴ベクトルを基準特徴ベクトルと比較することによって、差分値を決定するステップとを含み得る。いくつかの実施形態では、差分値はユークリッド距離であり得る。

いくつかの実施形態では、本方法は、少なくとも１つのコンピュータによって、ＩＤ写真を少なくとも１つのブロックに分割するステップであって、ＩＤ写真が基準ＩＤ写真またはターゲットＩＤ写真である、分割するステップと、少なくとも１つのコンピュータによって、第２の信号フラグメントに基づいて、各ブロック中の１つまたは複数のピクセルのグレー・スケールを決定するステップと、少なくとも１つのコンピュータによって、１つまたは複数のピクセルのグレー・スケールに基づいて、各ブロックのピクセル勾配を決定するステップと、少なくとも１つのコンピュータによって、各ブロックのピクセル勾配に基づいて、ＩＤ写真のテクスチャ特徴を決定するステップと、少なくとも１つのコンピュータによって、少なくとも１つのブロックのテクスチャ特徴をストレージ媒体中の特徴ベクトルに記憶するステップであって、特徴ベクトルが基準特徴ベクトルまたはターゲット特徴ベクトルである、記憶するステップとをさらに含み得る。

いくつかの実施形態では、本方法は、少なくとも１つのコンピュータによって、ＩＤ写真中のピクセルの所定のエリアのグレー・スケールを取得するステップと、少なくとも１つのコンピュータによって、ピクセルとピクセルの１つまたは複数の近接するピクセルとの間の１つまたは複数の２進値を決定するステップと、少なくとも１つのコンピュータによって、１つまたは複数の２進値に基づいて、ピクセルのテクスチャ情報を決定するステップと、少なくとも１つのコンピュータによって、ターゲットＩＤ写真のすべてのピクセルのテクスチャ情報に基づいて、ターゲットＩＤ写真のテクスチャ特徴を決定するステップと、少なくとも１つのコンピュータによって、少なくとも１つのブロックのテクスチャ特徴をストレージ媒体中の特徴ベクトルに記憶するステップであって、特徴ベクトルが基準特徴ベクトルまたはターゲット特徴ベクトルである、記憶するステップとをさらに含み得る。

いくつかの実施形態では、本方法は、少なくとも１つのコンピュータによって、トレーニングされた畳み込みニューラル・ネットワークによって顔特徴を決定するステップをさらに含み得、ターゲットＩＤ写真の所定のエリアはポートレート・エリアを含み得る。

いくつかの実施形態では、本方法は、少なくとも１つのコンピュータによって、トレーニングされた畳み込みニューラル・ネットワークによって偽ＩＤ特徴を決定するステップをさらに含み得、トレーニングされた畳み込みニューラル・ネットワークは、少なくとも１つのコンピュータによって、複数の基準偽ＩＤ写真を用いてトレーニングされ得る。

いくつかの実施形態では、本方法は、少なくとも１つのコンピュータによって、複数の基準ＩＤ写真のデータを読み取るために、オンライン・プラットフォームのデータ・バスを介してメモリ中にアクセスするステップと、少なくとも１つのコンピュータによって、複数のＩＤ写真の各々についてのカテゴリーを決定するステップと、少なくとも１つのコンピュータによって、複数の基準ＩＤ写真の各々の基準特徴に基づいて、複数の基準ＩＤ写真の各々についての基準特徴ベクトルを生成するステップと、少なくとも１つのコンピュータによって、基準特徴ベクトルに基づいてクラスタ数を生成するステップと、複数のＩＤ写真の各々について、少なくとも１つのコンピュータによって、読取り／書込み機器に、ＩＤ写真の対応するカテゴリーを符号化するクラスタ数を追加するように指示するステップとを含む、基準ＩＤ写真のデータベースを確立するステップをさらに含み得る。

本開示のさらに別の態様によれば、ターゲットＩＤ写真の真正性を検証するための命令の少なくとも１つのセットを備える、非一時的コンピュータ可読媒体、コンピュータ・サーバの少なくとも１つのプロセッサによって実行されたとき、命令の少なくとも１つのセットは、少なくとも１つのプロセッサに、ターゲット識別（ＩＤ）写真を受信することと、１つまたは複数の基準ＩＤ写真のデータベースにアクセスすることと、ターゲットＩＤ写真上の所定のエリアとデータベース中の１つまたは複数のターゲット基準ＩＤ写真の所定のエリアとの間の差分値を決定することと、差分値がしきい値よりも小さいと決定すると、ターゲットＩＤ写真が偽ＩＤ写真であることを示すための警告コードを生成することとの行為を実施するように指示し得る。

例示的な実施形態に関して本開示がさらに説明される。本開示の実施形態の上記および他の態様は、以下の詳細な説明において、添付の図面とともに読めば、より明らかになる。

いくつかの実施形態による、偽ＩＤ識別のための例示的なシステムのブロック図である。 いくつかの実施形態による、コンピューティング・デバイスの例示的なハードウェアおよびソフトウェア構成要素を示す概略図である。 いくつかの実施形態による、例示的な処理エンジンを示すブロック図である。 本開示のいくつかの実施形態による、ターゲットＩＤ写真の真正性を検証するための例示的なプロセスおよび／または方法のフローチャートである。 本開示のいくつかの実施形態による、配向勾配ヒストグラム（ｈｉｓｔｏｇｒａｍ ｏｆ ｏｒｉｅｎｔｅｄ ｇｒａｄｉｅｎｔｓ）を介してＩＤ写真のテクスチャ特徴を抽出するための例示的なプロセスおよび／または方法のフローチャートである。 本開示のいくつかの実施形態による、ローカル・バイナリ・パターン（ｌｏｃａｌ ｂｉｎａｒｙ ｐａｔｔｅｒｎ）を介してＩＤ写真のテクスチャ特徴を抽出するための例示的なプロセスおよび／または方法のフローチャートである。 本開示のいくつかの実施形態による、ターゲットＩＤ写真の顔特徴を取得するための例示的なプロセスのフローチャートである。 本開示のいくつかの実施形態による、ＩＤ写真の偽ＩＤ特徴を抽出するための例示的なプロセスおよび／または方法のフローチャートである。 本開示のいくつかの実施形態による、ＣＮＮをトレーニングするための例示的なプロセスおよび／または方法のフローチャートである。 本開示のいくつかの実施形態による、基準ＩＤ写真のデータベースを確立するための例示的なプロセスおよび／または方法のフローチャートである。

以下の説明は、いかなる当業者でも本開示を製作および使用することを可能にするために提示され、特定の適用例およびそれの要件の文脈において与えられる。開示される実施形態への様々な変更は当業者には容易に明らかになり、本明細書で定義された一般原理は、本開示の趣旨および範囲から逸脱することなく他の実施形態および適用例に適用され得る。したがって、本開示は、示される実施形態に限定されず、特許請求の範囲に一致する最も広い範囲を与られるべきである。

本明細書で使用される用語は、特定の例示的な実施形態について説明するためのものにすぎず、限定するものではない。本明細書で使用される単数形「ａ」、「ａｎ」、および「ｔｈｅ」は、文脈が別段に明確に示すのでなければ、複数形をも含むものとし得る。さらに、本明細書で使用される「備える（ｃｏｍｐｒｉｓｅｓ）」、「備える（ｃｏｍｐｒｉｓｉｎｇ）」、「含む（ｉｎｃｌｕｄｅｓ）」、および／または「含む（ｉｎｃｌｕｄｉｎｇ）」という用語は、述べられた特徴、整数、ステップ、動作、要素、および／または構成要素の存在を明示するが、１つまたは複数の他の特徴、整数、ステップ、動作、要素、構成要素、および／またはそれらのグループの存在または追加を排除しないことを理解されよう。

それらのすべてが本明細書の一部を形成する（１つまたは複数の）添付の図面を参照しながら以下の説明を考慮すれば、本開示のこれらおよび他の特徴および特性、ならびに動作の方法および構造の関係する要素の機能および部分の組合せおよび製造の経済性がより明らかになり得る。ただし、（１つまたは複数の）図面は、例示および説明のためのものにすぎず、本開示の範囲を限定するものではないことを明確に理解されたい。図面が一定の縮尺でないことを理解されたい。

本開示において使用されるフローチャートは、システムが、本開示のいくつかの実施形態に従って実装する動作を示す。フローチャートの動作は、順序が正しく実装されないことがあることを明確に理解されたい。逆に、動作は、逆の順序でまたは同時に実装され得る。その上、１つまたは複数の他の動作が、フローチャートに追加され得る。１つまたは複数の動作が、フローチャートから削除され得る。

その上、本開示におけるシステムおよび方法は、主に、ターゲットＩＤ写真の真正性を検証することに関して説明されるが、これは例示的な一実施形態にすぎないことも理解されたい。本開示のシステムまたは方法は、コンテンツベースの画像検索に適用され得る。たとえば、本開示のシステムまたは方法は、ターゲット画像のコンテンツに基づいてターゲット画像の同様の画像を探索するために適用され得る。本開示のシステムまたは方法はまた、ユーザがオンデマンド・サービス・プラットフォームのドライバとして登録することを希望するとき、任意の種類のオンデマンド・サービス・プラットフォームのユーザに適用され得る。本開示のシステムまたは方法の適用シナリオは、ウェブページ、ブラウザのプラグイン、クライアント端末、カスタム・システム、内部分析システム、人工知能ロボットなど、またはそれらの任意の組合せを含み得る。

本開示における「ＩＤ写真」という用語は、個人の識別情報の態様を検証するために使用され得る、識別（ＩＤ）の写真を指し得る。ＩＤ写真は、ポートレート・エリアと文字記述エリア（ｌｉｔｅｒａｌ ｓｔａｔｅｍｅｎｔ ａｒｅａ）とを含み得る。ポートレート・エリアは、ＩＤ所有者の外観の画像リマインダ（ｉｍａｇｅ ｒｅｍｉｎｄｅｒ）を与え得る。文字記述エリアは、ＩＤ所有者の識別情報の言語的説明を与える。ＩＤ写真は、ＩＤ写真中に、ＩＤの背景を反映する背景エリアをさらに含み得る。たとえば、ユーザがＩＤの写真を撮るとき、ＩＤは、机または１枚の紙の上に置かれ得るので、背景エリアは、写真ＩＤ中の机または紙であり得る。本開示における「ターゲットＩＤ写真」という用語は、その真正性が本開示のシステムまたは方法によって検証されていないＩＤ写真を指し得、ユーザは所定の目的、たとえば、オンデマンド・サービス・プラットフォームのドライバとして登録するために、サーバまたはデータベースに「ターゲットＩＤ写真」をアップロードする。本開示における「基準ＩＤ写真」という用語は、本開示のシステムにアップロードしたＩＤ写真を指し得る。基準ＩＤ写真の真正性は、検証されていることもあれば、検証されていないこともある。本開示における「偽ＩＤ写真」という用語は、１つまたは複数の基準ＩＤ写真に類似するＩＤ写真を指し得る。

本開示における「特徴ベクトル」という用語は、ＩＤ写真の特徴に関係する、数値特徴のｎ次元ベクトルを指し得る。本開示における「ターゲット特徴ベクトル」という用語は、ターゲットＩＤ写真の特徴ベクトルを指し得る。本開示における「基準特徴ベクトル」という用語は、基準ＩＤ写真の特徴ベクトルを指し得る。

本開示の一態様は、本開示においてシステムにユーザがアップロードするターゲットＩＤ写真の真正性を検証するためのオンライン・システムおよび方法に関する。本開示によれば、本システムおよび本方法は、数ミリ秒、さらには数ナノ秒で、オンライン・システムを用いてターゲットＩＤ写真と数百万個もの基準ＩＤ写真との間の類似度を決定することによって、ターゲットＩＤ写真の真正性を検証し得る。ターゲットＩＤ写真が基準ＩＤ写真に類似する場合、ターゲットＩＤ写真は偽ＩＤ写真として識別され得る。ターゲットＩＤ写真と基準ＩＤ写真との間の類似度は、ターゲット特徴ベクトルと基準特徴ベクトルとを比較することによって決定され得る。したがって、本解決策は、ポストインターネット時代にのみ生じる問題に深く根ざしており、その問題を解決することを目的とする。

図１は、いくつかの実施形態による、ターゲットＩＤ写真の真正性を検証するためのオンライン・プラットフォームとしての例示的なシステム１００のブロック図である。システム１００は、サーバ１１０と、ネットワーク１２０と、端末１３０と、データベース１４０とを含み得る。サーバ１１０は処理エンジン１１２を含み得る。

サーバ１１０は、サービス要求、たとえば、識別（ＩＤ）写真をサーバ１１０またはデータベース１４０にアップロードするための要求に関係する情報および／またはデータを処理するように構成され得る。いくつかの実施形態では、サーバ１１０は、単一のサーバ、またはサーバ・グループであり得る。サーバ・グループは、集中型、または分散型であり得る（たとえば、サーバ１１０は、分散型システムであり得る）。いくつかの実施形態では、サーバ１１０は、ローカルまたはリモートであり得る。たとえば、サーバ１１０は、ネットワーク１２０を介して、端末１３０および／またはデータベース１４０に記憶された情報および／またはデータにアクセスし得る。別の例として、サーバ１１０は、記憶された情報および／またはデータにアクセスするために端末１３０および／またはデータベース１４０に直接接続され得る。いくつかの実施形態では、サーバ１１０は、クラウド・プラットフォーム上に実装され得る。単に例として、クラウド・プラットフォームは、プライベート・クラウド、パブリック・クラウド、ハイブリッド・クラウド、コミュニティ・クラウド、分散型クラウド、インタークラウド、マルチクラウドなど、またはそれらの任意の組合せを含み得る。いくつかの実施形態では、サーバ１１０は、本開示において図２に示されている１つまたは複数の構成要素を有するコンピューティング・デバイス上に実装され得る。

いくつかの実施形態では、サーバ１１０は処理エンジン１１２を含み得る。処理エンジン１１２は、本開示で説明される１つまたは複数の機能を実施するための要求に関係する情報および／またはデータを処理し得る。たとえば、処理エンジン１１２は、ターゲットＩＤ写真をサーバ１１０またはデータベース１４０にアップロードするようにとの端末１３０からの要求を取得し得る。いくつかの実施形態では、処理エンジン１１２は、１つまたは複数の処理エンジン（たとえば、（１つまたは複数の）シングルコア処理エンジンまたは（１つまたは複数の）マルチコア・プロセッサ）を含み得る。単に例として、処理エンジン１１２は、中央処理ユニット（ＣＰＵ）、特定用途向け集積回路（ＡＳＩＣ）、特定用途向け命令セット・プロセッサ（ＡＳＩＰ）、グラフィックス処理ユニット（ＧＰＵ）、物理処理ユニット（ＰＰＵ）、デジタル信号プロセッサ（ＤＳＰ）、フィールド・プログラマブル・ゲート・アレイ（ＦＰＧＡ）、プログラマブル論理デバイス（ＰＬＤ）、コントローラ、マイクロコントローラ・ユニット、縮小命令セット・コンピュータ（ＲＩＳＣ）、マイクロプロセッサなど、またはそれらの任意の組合せを含み得る。

いくつかの実施形態では、端末１３０は、モバイル・デバイス１３０−１、タブレット・コンピュータ１３０−２、ラップトップ・コンピュータ１３０−３、および自動車両中の組込みデバイス１３０−４など、またはそれらの任意の組合せを含み得る。いくつかの実施形態では、モバイル・デバイス１３０−１は、スマート・ホーム・デバイス、ウェアラブル・デバイス、スマート・モバイル・デバイス、仮想現実デバイス、拡張現実デバイスなど、またはそれらの任意の組合せを含み得る。いくつかの実施形態では、スマート・ホーム・デバイスは、スマート照明デバイス、インテリジェント電気装置の制御デバイス、スマート監視デバイス、スマート・テレビジョン、スマート・ビデオ・カメラ、インターホンなど、またはそれらの任意の組合せを含み得る。いくつかの実施形態では、ウェアラブル・デバイスは、スマート・ブレスレット、スマート・フットギア、スマート・グラス、スマート・ヘルメット、スマート・ウォッチ、スマート衣類、スマート・バックパック、スマート・アクセサリなど、またはそれらの任意の組合せを含み得る。いくつかの実施形態では、スマート・モバイル・デバイスは、スマートフォン、携帯情報端末（ＰＤＡ）、ゲーム・デバイス、ナビゲーション・デバイス、ポイント・オブ・セール（ＰＯＳ）デバイスなど、またはそれらの任意の組合せを含み得る。いくつかの実施形態では、仮想現実デバイスおよび／または拡張現実デバイスは、仮想現実ヘルメット、仮想現実グラス、仮想現実パッチ、拡張現実ヘルメット、拡張現実グラス、拡張現実パッチなど、またはそれらの任意の組合せを含み得る。たとえば、仮想現実デバイスおよび／または拡張現実デバイスは、Ｇｏｏｇｌｅ Ｇｌａｓｓ、Ｏｃｕｌｕｓ Ｒｉｆｔ、ＨｏｌｏＬｅｎｓ、Ｇｅａｒ ＶＲなどを含み得る。いくつかの実施形態では、自動車両中の組込みデバイス１３０−４は、オンボード・コンピュータ、オンボード・テレビジョンなどを含み得る。単に例として、端末１３０は、コントローラ（たとえば、リモートコントローラ）を含み得る。

ネットワーク１２０は、情報および／またはデータの交換を容易にし得る。いくつかの実施形態では、システム１００中の１つまたは複数の構成要素（たとえば、サーバ１１０、端末１３０、およびデータベース１４０）は、ネットワーク１２０を介して、システム１００中の（１つまたは複数の）他の構成要素に／から情報および／またはデータを送信および／または受信し得る。たとえば、サーバ１１０は、ネットワーク１２０を介して端末１３０からのサービス要求を取得／収集し得る。いくつかの実施形態では、ネットワーク１２０は、任意のタイプのワイヤードまたはワイヤレス・ネットワーク、あるいはそれらの組合せであり得る。単に例として、ネットワーク１２０は、ケーブル・ネットワーク、ワイヤライン・ネットワーク、光ファイバー・ネットワーク、電気通信ネットワーク、イントラネット、インターネット、ローカル・エリア・ネットワーク（ＬＡＮ）、ワイド・エリア・ネットワーク（ＷＡＮ）、ワイヤレス・ローカル・エリア・ネットワーク（ＷＬＡＮ）、メトロポリタン・エリア・ネットワーク（ＭＡＮ）、ワイド・エリア・ネットワーク（ＷＡＮ）、公衆電話交換網（ＰＳＴＮ）、Ｂｌｕｅｔｏｏｔｈ（登録商標）ネットワーク、ＺｉｇＢｅｅ（商標）ネットワーク、ニア・フィールド通信（ＮＦＣ）ネットワーク、モバイル通信用グローバル・システム（ＧＳＭ、登録商標）ネットワーク、符号分割多元接続（ＣＤＭＡ）ネットワーク、時分割多元接続（ＴＤＭＡ）ネットワーク、汎用パケット無線サービス（ＧＰＲＳ）ネットワーク、ＧＳＭ進化型高速データ・レート（ＥＤＧＥ）ネットワーク、広帯域符号分割多元接続（ＷＣＤＭＡ、登録商標）ネットワーク、高速ダウンリンク・パケット・アクセス（ＨＳＤＰＡ）ネットワーク、ロング・ターム・エボリューション（ＬＴＥ）ネットワーク、ユーザ・データグラム・プロトコル（ＵＤＰ）ネットワーク、伝送制御プロトコル／インターネット・プロトコル（ＴＣＰ／ＩＰ）ネットワーク、ショート・メッセージ・サービス（ＳＭＳ）ネットワーク、ワイヤレス・アプリケーション・プロトコル（ＷＡＰ）ネットワーク、超広帯域（ＵＷＢ）ネットワーク、赤外線など、またはそれらの任意の組合せを含み得る。いくつかの実施形態では、サーバ１１０は、１つまたは複数のネットワーク・アクセス・ポイントを含み得る。たとえば、サーバ１１０は、基地局および／またはインターネット交換ポイント１２０−１、１２０−２、．．．などのワイヤードまたはワイヤレス・ネットワーク・アクセス・ポイントを含み得、それらを通して、システム１００の１つまたは複数の構成要素がネットワーク１２０に接続されて、データおよび／または情報を交換し得る。

データベース１４０はデータおよび／または命令を記憶し得る。いくつかの実施形態では、データベース１４０は、端末１３０から取得／収集されたデータを記憶し得る。いくつかの実施形態では、データベース１４０は、本開示で説明される例示的な方法を実施するためにサーバ１１０が実行または使用し得る、データおよび／または命令を記憶し得る。いくつかの実施形態では、データベース１４０は、基準ＩＤ写真と、基準ＩＤ写真に対応する特徴ベクトルと、特徴ベクトルに対応するクラスタ数とを記憶し得る。いくつかの実施形態では、データベース１４０は、大容量ストレージ、リムーバブル・ストレージ、揮発性読取りおよび書込みメモリ、読取り専用メモリ（ＲＯＭ）など、またはそれらの任意の組合せを含み得る。例示的な大容量ストレージは、磁気ディスク、光ディスク、ソリッドステート・ドライブなどを含み得る。例示的なリムーバブル・ストレージは、フラッシュ・ドライブ、フロッピー・ディスク、光ディスク、メモリ・カード、ジップ・ディスク、磁気テープなどを含み得る。例示的な揮発性読取りおよび書込みメモリは、ランダム・アクセス・メモリ（ＲＡＭ）を含み得る。例示的なＲＡＭは、ダイナミックＲＡＭ（ＤＲＡＭ）、ダブル・データ・レート同期ダイナミックＲＡＭ（ＤＤＲ ＳＤＲＡＭ：ｄｏｕｂｌｅ ｄａｔｅ ｒａｔｅ ｓｙｎｃｈｒｏｎｏｕｓ ｄｙｎａｍｉｃ ＲＡＭ）、スタティックＲＡＭ（ＳＲＡＭ）、サイリスタＲＡＭ（ＴＲＡＭ）、およびゼロ・キャパシタＲＡＭ（Ｚ−ＲＡＭ）などを含み得る。例示的なＲＯＭは、マスクＲＯＭ（ＭＲＯＭ）、プログラマブルＲＯＭ（ＰＲＯＭ）、消去可能プログラマブルＲＯＭ（ＰＥＲＯＭ）、電気的消去可能プログラマブルＲＯＭ（ＥＥＰＲＯＭ）、コンパクト・ディスクＲＯＭ（ＣＤ−ＲＯＭ）、およびデジタル多用途ディスクＲＯＭなどを含み得る。いくつかの実施形態では、データベース１４０は、クラウド・プラットフォーム上に実装され得る。単に例として、クラウド・プラットフォームは、プライベート・クラウド、パブリック・クラウド、ハイブリッド・クラウド、コミュニティ・クラウド、分散型クラウド、インタークラウド、マルチクラウドなど、またはそれらの任意の組合せを含み得る。

いくつかの実施形態では、データベース１４０は、システム１００中の１つまたは複数の構成要素（たとえば、サーバ１１０、端末１３０）と通信するためにネットワーク１２０に接続され得る。システム１００中の１つまたは複数の構成要素は、ネットワーク１２０を介して、データベース１４０に記憶されたデータまたは命令にアクセスし得る。いくつかの実施形態では、データベース１４０は、システム１００中の１つまたは複数の構成要素（たとえば、サーバ１１０、端末１３０など）に直接接続されるか、またはそれらと通信し得る。いくつかの実施形態では、データベース１４０は、サーバ１１０の一部であり得る。

図２は、サーバ１１０、端末１３０、および／またはデータベース１４０が、本開示のいくつかの実施形態に従ってその上に実装され得る、コンピューティング・デバイス２００の例示的なハードウェアおよびソフトウェア構成要素を示す概略図である。たとえば、処理エンジン１１２は、コンピューティング・デバイス２００上に実装され、本開示で開示される処理エンジン１１２の機能を実施するように構成され得る。

コンピューティング・デバイス２００は、本開示のためのＩＤ写真真正性検証システムを実装するために使用され得る。コンピューティング・デバイス２００は、本明細書で説明されるように偽ＩＤ写真識別サービスの任意の構成要素を実装し得る。図１〜図２では、純粋に便宜目的で、１つのそのようなコンピュータ・デバイスのみが示される。当業者は、本明細書で説明されるオンデマンド・サービスに関係するコンピュータ機能が、処理負荷を分散させるためにいくつかの同様のプラットフォーム上で分散様式で実装され得ることを、本出願の出願時に理解されよう。

コンピューティング・デバイス２００は、たとえば、データ通信を容易にするためにそれに接続されたネットワークにおよびネットワークから接続されたＣＯＭポート２５０を含み得る。コンピューティング・デバイス２００は、プログラム命令を実行するために、１つまたは複数のプロセッサの形態の、中央プロセッサ２２０をも含み得る。例示的なコンピュータ・プラットフォームは、様々なデータ・ファイルがコンピュータによって処理および／または送信されるために、内部通信バス２１０、異なる形態のプログラム・ストレージおよびデータ・ストレージ、たとえば、ディスク２７０、および読取り専用メモリ（ＲＯＭ）２３０、またはランダム・アクセス・メモリ（ＲＡＭ）２４０を含み得る。例示的なコンピュータ・プラットフォームは、プロセッサ２２０によって実行されるべき、ＲＯＭ２３０、ＲＡＭ２４０、および／または他のタイプの非一時的ストレージ媒体に記憶されたプログラム命令をも含み得る。本開示の方法および／またはプロセスは、プログラム命令として実装され得る。コンピューティング・デバイス２００は、コンピュータと、ユーザ・インターフェース要素２８０など、コンピュータ中の他の構成要素との間の入出力をサポートする、Ｉ／Ｏポート２６０をも含み得る。コンピューティング・デバイス２００はまた、ネットワーク通信を介してプログラミングおよびデータを受信し得る。

単に例示のために、コンピューティング・デバイス２００において１つのプロセッサ２２０のみが説明される。ただし、本開示におけるコンピューティング・デバイス２００は複数のプロセッサをも含み、したがって、本開示で説明される１つのプロセッサ２２０によって実施される動作および／または方法ステップは、複数のプロセッサによって一緒にまたは別個に実施されることもあることに留意されたい。たとえば、本開示では、コンピューティング・デバイス２００のプロセッサ２２０がステップＡとステップＢの両方を実行する場合、ステップＡおよびステップＢはまた、コンピューティング・デバイス２００において、２つの異なるプロセッサによって一緒にまたは別個に実施され得る（たとえば、第１のプロセッサがステップＡを実行し、第２のプロセッサがステップＢを実行するか、または、第１のプロセッサと第２のプロセッサとがステップＡおよびＢを一緒に実行する）ことを理解されたい。

システム１００の要素が機能するとき、その要素は電気信号および／または電磁信号を通して機能し得ることを、当業者は理解されよう。たとえば、端末１３０が、サービス要求（たとえば、ＩＤ写真をサーバ１１０またはデータベース１４０にアップロードするようにとの要求）をサーバ１１０に送出するとき、端末１３０のプロセッサが、その要求を符号化する電気信号を生成し得る。端末１３０のプロセッサは、次いで、電気信号を出力ポートに送り得る。端末１３０がワイヤード・ネットワークを介してサーバ１１０と通信する場合、出力ポートはケーブルに物理的に接続され得、ケーブルは、さらに、電気信号をサーバ１１０の入力ポートに送信する。端末１３０がワイヤレス・ネットワークを介してサーバ１１０と通信する場合、サービス要求者端末１３０の出力ポートは１つまたは複数のアンテナであり得、１つまたは複数のアンテナは電気信号を電磁信号に変換する。同様に、端末１３０は、電気信号または電磁石信号を介してサーバ１１０から命令および／またはサービス要求を受信し得る。端末１３０および／またはサーバ１１０など、電子デバイス内で、それのプロセッサが命令を処理し、命令を送出し、および／またはアクションを実施するとき、命令および／またはアクションは電気信号を介して伝えられる。たとえば、プロセッサがストレージ媒体からデータを検索または保存するとき、プロセッサは、電気信号をストレージ媒体の読取り／書込みデバイスに送出し得、読取り／書込みデバイスは、ストレージ媒体中の構造化データを読み取るかまたは書き込み得る。構造化データは、電子デバイスのバスを介して電気信号の形態でプロセッサに送信され得る。ここで、電気信号は、１つの電気信号、一連の電気信号、および／または複数の個別の電気信号を指し得る。

図３は、いくつかの実施形態による、例示的な処理エンジン１１２を示すブロック図である。処理エンジン１１２は、取得モジュール３１０と、特徴抽出モジュール３２０と、決定モジュール３３０とを含み得る。モジュールは、処理エンジン１１２の全部または一部のハードウェア回路であり得る。モジュールはまた、処理エンジンによって読み取られ、実行される、アプリケーションまたは命令のセットとして実装され得る。さらに、モジュールは、ハードウェア回路とアプリケーション／命令の任意の組合せであり得る。たとえば、モジュールは、処理エンジン１１２がアプリケーション／命令のセットを実行しているとき、処理エンジン１１２の一部であり得る。

取得モジュール３１０は、Ｉ／Ｏポートを介して要求電気信号（ｒｅｑｕｅｓｔ ｅｌｅｃｔｒｉｃａｌ ｓｉｇｎａｌ）を取得し得る。いくつかの実施形態では、要求電気信号は、ターゲットＩＤ写真をサーバ１１０またはデータベース１４０にアップロードするための要求を表し、および／または符号化し得る。いくつかの実施形態では、要求電気信号は、ターゲットＩＤ写真をターゲット・ロケーションにアップロードするための要求を符号化する（ｅｎｃｏｄｅｄ）要求信号フラグメントを含み得る。要求電気信号は、ターゲットＩＤ写真に関連付けられたターゲット画像データを符号化する（ｅｎｃｏｄｅｄ）要求信号フラグメントをも含み得る。

特徴抽出モジュール３２０は、ＩＤ写真の１つまたは複数の特徴に基づいて特徴ベクトルを生成するように構成され得る。ＩＤ写真の特徴は、色分布特徴、テクスチャ特徴、顔特徴、または他の偽ＩＤ特徴、あるいはそれらの任意の組合せを含み得る。

いくつかの実施形態では、特徴抽出モジュール３２０は、ＩＤ写真の色ヒストグラムを介して色分布特徴を抽出するように構成され得る。色ヒストグラムは、ＩＤ写真の色空間にわたる色範囲の固定リストの各々中の色を有するピクセルの数を表し得る。色空間は、ＩＤ写真中のすべての可能な色のセットを表し得る。

いくつかの実施形態では、特徴抽出モジュール３２０は、ＩＤ写真の配向勾配ヒストグラム（ＨＯＧ）を介して、および／またはＩＤ写真のローカル・バイナリ・パターン（ＬＢＰ）を介して、テクスチャ特徴を抽出するように構成され得る。配向勾配ヒストグラムは、ＩＤ写真の局所的部分における勾配配向（ｇｒａｄｉｅｎｔ ｏｒｉｅｎｔａｔｉｏｎ）の発生をカウントし得る。ローカル・バイナリ・パターン（ＬＢＰ）は、各ピクセルの近傍をしきい値処理することによってＩＤ写真のピクセルをラベリングし、結果を２進数として提示し得る。

いくつかの実施形態では、特徴抽出モジュール３２０は、トレーニングされた畳み込みニューラル・ネットワーク（ＣＮＮ：ｃｏｎｖｏｌｕｔｉｏｎａｌ ｎｅｕｒａｌ ｎｅｔｗｏｒｋ）を介して顔特徴を抽出するように構成され得る。複数の人間の顔によってトレーニングされた後に、畳み込みニューラル・ネットワークは、ＩＤ写真から顔特徴を抽出し得る。

いくつかの実施形態では、特徴抽出モジュール３２０は、トレーニングされた畳み込みニューラル・ネットワーク（ＣＮＮ）を介して偽ＩＤ特徴を抽出するように構成され得る。複数の偽ＩＤ写真によってトレーニングされた後に、畳み込みニューラル・ネットワークは、ＩＤ写真から偽ＩＤ特徴を抽出し得る。

決定モジュール３３０は、ターゲットＩＤ写真と基準ＩＤ写真との間の差分値を生成するように構成され得る。いくつかの実施形態では、差分値は、ターゲット特徴ベクトルと基準特徴ベクトルとの間のユークリッド距離であり得る。

処理エンジン１１２中のモジュールは、ワイヤード接続またはワイヤレス接続を介して互いに接続されるか、または互いと通信し得る。ワイヤード接続は、メタル・ケーブル、光ケーブル、ハイブリッド・ケーブルなど、またはそれらの任意の組合せを含み得る。ワイヤレス接続は、ローカル・エリア・ネットワーク（ＬＡＮ）、ワイド・エリア・ネットワーク（ＷＡＮ）、Ｂｌｕｅｔｏｏｔｈ（商標）、ＺｉｇＢｅｅ（商標）、ニア・フィールド通信（ＮＦＣ）など、またはそれらの任意の組合せを含み得る。モジュールのうちの２つまたはそれ以上が、単一のモジュールとして組み合わせられ得、モジュールのうちのいずれか１つが、２つまたはそれ以上のユニットに分割され得る。たとえば、特徴抽出モジュール３２０は、ＩＤ写真の１つまたは複数の特徴に基づいて特徴ベクトルを生成することと、ターゲットＩＤ写真と基準ＩＤ写真との間の差分値を生成することとの両方を行い得る単一のモジュールとして、決定モジュール３３０に組み込まれ得る。さらに別の例として、特徴抽出モジュール３２０は、それぞれ特徴抽出モジュール３２０の機能を実装するための、色分布特徴抽出ユニットと、テクスチャ特徴抽出ユニットと、顔特徴抽出ユニットと、偽ＩＤ特徴抽出ユニットとの４つのユニットに分割され得る。

図４は、本開示のいくつかの実施形態による、ターゲットＩＤ写真の真正性を検証するための例示的なプロセスおよび／または方法４００のフローチャートである。いくつかの実施形態では、プロセス４００は、図１に示されているシステム１００において実装され得る。たとえば、プロセス４００は、命令の形態としてデータベース１４０および／またはストレージ（たとえば、ＲＯＭ２３０、ＲＡＭ２４０など）に記憶され、サーバ１１０（たとえば、サーバ１１０中の処理エンジン１１２、またはサーバ１１０中の処理エンジン１１２のプロセッサ２２０）によって呼び出され、および／または実行され得る。

ステップ４１０において、プロセッサ２２０は、Ｉ／Ｏポート２６０を介して要求電気信号を取得し得る。

いくつかの実施形態では、要求電気信号は、ターゲットＩＤ写真をサーバ１１０またはデータベース１４０にアップロードするための要求を表し、および／または符号化し得る。いくつかの実施形態では、要求電気信号は、ターゲットＩＤ写真をターゲット・ロケーション（たとえば、サーバ１１０、またはデータベース１４０）にアップロードするための要求を符号化する要求信号フラグメントを含み得る。要求電気信号は、ターゲットＩＤ写真に関連付けられたターゲット画像データを符号化する要求信号フラグメントをも含み得る。

ステップ４２０において、プロセッサ２２０は、ターゲットＩＤ写真の所定のエリアに基づく特徴ベクトルをターゲット特徴ベクトルとして決定し得る。

いくつかの実施形態では、プロセッサ２２０は、ターゲットＩＤ写真の所定のエリアの１つまたは複数の特徴に従って、ターゲット特徴ベクトルを決定し得る。いくつかの実施形態では、ターゲットＩＤ写真の所定のエリアは、ＩＤ写真の全エリアを表し得る。いくつかの実施形態では、ＩＤ写真の所定のエリアは、ポートレート・エリアを除くＩＤ写真のエリア、またはポートレート・エリアを含むＩＤ写真のエリアを表し得る。いくつかの実施形態では、ＩＤ写真の所定のエリアは、文字記述エリアを除くＩＤ写真のエリア、または文字記述エリアを含むＩＤ写真のエリアを表し得る。ＩＤ写真の特徴は、色分布特徴、テクスチャ特徴、顔特徴、および偽ＩＤ特徴を含み得る。いくつかの実施形態では、プロセッサ２２０は、基準ＩＤ写真の所定のエリアの特徴ベクトルを基準特徴ベクトルとして決定し得る。いくつかの実施形態では、基準特徴ベクトルは、事前に、抽出され、データベース１４０に記憶され得る。特徴抽出方法のより多くの説明が、図５〜図１１およびそれらの説明において見つけられ得る。

ステップ４３０において、プロセッサ２２０は、データ・バス２１０を介してデータベース１４０にアクセスし得る。ステップ５２０では、プロセッサ２２０は、データベース１４０から１つまたは複数の基準ＩＤ写真を検索し得る。

ターゲットＩＤ写真の真正性を検証するために、数百万個または数十億個もの基準ＩＤ写真がデータベース１４０に記憶され得るので、ターゲットＩＤ写真をデータベース１４０中のすべての基準ＩＤ写真と比較するのに極めて長い時間がかかるであろう。いくつかの実施形態では、プロセッサ２２０は、基準特徴ベクトルについてのクラスタ数を生成するために、局所性鋭敏型ハッシュ（ＬＳＨ：ｌｏｃａｌｉｔｙ ｓｅｎｓｉｔｉｖｅ ｈａｓｈｉｎｇ）アルゴリズムを実施し得る。異なる基準ＩＤ写真の基準特徴ベクトルが互いに類似する場合、これらの特徴ベクトルについてのクラスタ数は同じであり得る。プロセッサ２２０は、クラスタ数に基づいて、データベース１４０中の基準ＩＤ写真を複数のクラスタにクラスタ化し得る。プロセッサ２２０は、ターゲット特徴ベクトルに基づいてクラスタ数を生成し、同じクラスタ数をもつ基準写真を取得するためにデータベース１４０中の対応するクラスタを検索し得る。

ステップ４４０において、プロセッサ２２０は、ターゲットＩＤ写真とステップ４３０において取得された基準ＩＤ写真との間の差分値を生成し得る。

いくつかの実施形態では、ターゲットＩＤ写真と基準ＩＤ写真との間の差分値は、ターゲット特徴ベクトルと基準特徴ベクトルとの間のユークリッド距離であり得る。たとえば、ｎ次元特徴ベクトルＡが（ｘ_１１，ｘ_１２，．．．，ｘ_１ｎ）として示され、ｎ次元特徴ベクトルＢが（ｘ_２１，ｘ_２２，．．．，ｘ_２ｎ）として示される場合、特徴ベクトルＡと特徴ベクトルＢとの間のユークリッド距離ｄ_１２は、以下の式によって決定され得る。

ユークリッド距離ｄ_１２が小さいほど、ターゲットＩＤ写真と基準ＩＤ写真との間の類似度は高くなる。

ステップ４５０において、第１の差分値がしきい値（たとえば、０．１）よりも小さいと決定すると、プロセッサ２２０は、ターゲットＩＤ写真および／または基準ＩＤ写真が偽ＩＤ写真であり得ることを示すための警告コードを符号化する電子信号を生成し得る。

ターゲットＩＤ写真が十分に基準ＩＤ写真のようであるとプロセッサ２２０が決定したとき、ターゲットＩＤ写真が、システム１００のデータベース中にすでにあった基準ＩＤ写真と同じ人を表すはずであると結論付けることは妥当であろう。しかしながら、誰かがターゲットＩＤ写真を使用して異なる人としてシステム１００に登録することを試みているので、基準ＩＤ写真およびターゲットＩＤ写真のうちの少なくとも１つが偽である。どちらのＩＤ写真が偽ＩＤ写真であるかについての十分な証拠なしに（または、どちらのＩＤ写真が偽ＩＤ写真であるかを決定することなしに）、プロセッサ２２０は、ターゲットＩＤ写真および／または基準ＩＤ写真が偽ＩＤ写真であり得ることを示すための警告コードを生成し得る。

上記の説明は、例示の目的で与えられたものにすぎず、本開示の範囲を限定するものではないことに留意されたい。当業者の場合、本開示の教示の下で、複数の変形および変更が行われ得る。しかしながら、それらの変形および変更は、本開示の範囲から逸脱しない。たとえば、１つまたは複数の他の随意のステップ（たとえば、記憶ステップ、前処理ステップ）が、例示的なプロセス／方法４００中の他の場所に追加され得る。別の例として、例示的なプロセス／方法４００中のすべてのステップが、命令のセットを含むコンピュータ可読媒体において実装され得る。命令は、電子的流れ(ｅｌｅｃｔｒｏｎｉｃ ｃｕｒｒｅｎｔ)の形態で送信され得る。

図５は、本開示のいくつかの実施形態による、配向勾配ヒストグラムを介してＩＤ写真のテクスチャ特徴を抽出するための例示的なプロセスおよび／または方法５００のフローチャートである。いくつかの実施形態では、プロセス５００は、図１に示されているシステム１００において実装され得る。たとえば、プロセス５００は、命令の形態としてデータベース１４０および／またはストレージ（たとえば、ＲＯＭ２３０、ＲＡＭ２４０など）に記憶され、サーバ１１０（たとえば、サーバ１１０中の処理エンジン１１２、またはサーバ１１０中の処理エンジン１１２のプロセッサ２２０）によって呼び出され、および／または実行され得る。

ステップ５１０において、プロセッサ２２０は、Ｉ／Ｏポート２６０を介して要求電気信号を取得し得る。いくつかの実施形態では、要求電気信号は、配向勾配ヒストグラムを介してＩＤ写真からテクスチャ特徴を抽出するための要求を表し、および／または符号化し得る。いくつかの実施形態では、要求電気信号は、配向勾配ヒストグラムを介してテクスチャ特徴を抽出するための要求を符号化する（ｅｎｃｏｄｅｄ）要求信号フラグメントを含み得る。要求電気信号は、ＩＤ写真に関連付けられた画像データを符号化する（ｅｎｃｏｄｅｄ）要求信号フラグメントをも含み得る。

ステップ５２０において、プロセッサ２２０は、ＩＤ写真中のピクセルの所定のエリアのグレー・スケールを取得し得る。いくつかの実施形態では、ターゲットＩＤ写真の所定のエリアは、ＩＤ写真の全エリアを表し得る。いくつかの実施形態では、ＩＤ写真の所定のエリアは、ポートレート・エリアを除くＩＤ写真のエリア、またはポートレート・エリアを含むＩＤ写真のエリアを表し得る。いくつかの実施形態では、ＩＤ写真の所定のエリアは、文字記述エリアを除くＩＤ写真のエリア、または文字記述エリアを含むＩＤ写真のエリアを表し得る。

いくつかの実施形態では、プロセッサ２２０は、ＩＤ写真の少なくとも１つのポートレートを除くエリアをもつピクセルのグレー・スケールを取得し得る。いくつかの実施形態では、プロセッサ２２０は、浮動小数点演算、整数アルゴリズム、転送アルゴリズム、平均値アルゴリズムなど、またはそれらの任意の組合せを含む、グレー・スケールを生成するための所定のアルゴリズムを実施し得る。

ステップ５３０において、プロセッサ２２０は、ステップ５２０において生成されたグレー・スケールに基づいて、各ピクセルの勾配を生成し得る。

ＩＤ写真の各ピクセルにおける勾配は、水平方向および垂直方向における成分をもつ２次元空間におけるベクトル（「２Ｄベクトル」）であり得る。ＩＤ写真の各ピクセルにおいて、２Ｄベクトルの方向であり得る勾配方向（ｇｒａｄｉｅｎｔ ｄｉｒｅｃｔｉｏｎ）は、ピクセルにおける最も大きい可能なグレー・スケール増加の方向を表し得、２Ｄベクトルの長さであり得る勾配値（ｇｒａｄｉｅｎｔ ｖａｌｕｅ）は、ピクセルにおける最も大きい可能なグレー・スケール増加のその方向の変化率を表し得る。

いくつかの実施形態では、プロセッサ２２０は、フィルタ・カーネル［−１、０、１］、およびフィルタ・カーネル［−１、０、１］^Ｔを用いて各ピクセルのグレー・スケール・データをフィルタ処理してよく、ここで、
Ｇ_ｈ（ｘ，ｙ）＝ｆ（ｘ＋１，ｙ）−ｆ（ｘ−１，ｙ）、 （２）
Ｇ_ｖ（ｘ，ｙ）＝ｆ（ｘ，ｙ＋１）−ｆ（ｘ，ｙ−１） （３）
である。

式（２）および（３）において、ｆ（ｘ，ｙ）は、ＩＤ写真中の（ｘ，ｙ）の座標をもつピクセルのグレー・スケールを示し得る。Ｇ_ｈ（ｘ，ｙ）は、ＩＤ写真中の（ｘ，ｙ）の座標をもつピクセルの水平勾配値を示し得、Ｇ_ｖ（ｘ，ｙ）は、ＩＤ写真中の（ｘ，ｙ）の座標をもつピクセルの垂直勾配値を示し得る。プロセッサ２２０は、水平勾配値および垂直勾配値に基づいて、ピクセルの勾配値および勾配方向を生成し得、ここで、

である。

式（４）および（５）において、Ｇ（ｘ，ｙ）は、ＩＤ写真中の（ｘ，ｙ）の座標をもつピクセルの勾配値を示し得、α（ｘ，ｙ）は、ＩＤ写真中の（ｘ，ｙ）の座標をもつピクセルの勾配方向を示し得る。いくつかの実施形態では、勾配方向は、０〜１８０度または０〜３６０度であり得る。

ステップ５４０において、プロセッサ２２０は、ＩＤ写真の所定のエリアを１つまたは複数のブロックに分割し得る。

プロセッサ２２０は、ブロックを１つまたは複数のセルにさらに分割し得る。たとえば、プロセッサ２２０は、ＩＤ写真を４つのブロックに分割し得、各ブロックは３×３セルを含み得、各セルは６×６ピクセルを含み得る。

いくつかの実施形態では、プロセッサ２２０は、ＩＤ写真の所定のエリアの勾配方向分布を表すために、配向勾配ヒストグラム（ＨＯＧ）を生成し得る。いくつかの実施形態では、ＨＯＧは９つのビンを有し得る。ＨＯＧの各ビンが、所定の方向範囲を表し得る。いくつかの実施形態では、ビンの方向範囲は、０〜２０度、２０〜４０度、４０〜６０度、６０〜８０度、８０〜１００度、１００〜１２０度、１２０〜１４０度、１４０〜１６０度、および１６０〜１８０度であり得る。

プロセッサ２２０は、セル中のすべてのピクセルについて、勾配方向とビンの方向範囲とに基づいて投票（ｖｏｔｉｎｇ）を行い得る。ビンの値は、ビン中のピクセルの数と、ビン中のこれらのピクセルの勾配値とに関係し得る。たとえば、セル中のピクセルＡの勾配方向が１７．１度である場合、プロセッサ２２０は、ピクセルＡの勾配値を０〜２０度ビンの値に追加し得る。したがって、プロセッサ２２０はセルのＨＯＧを生成し得る。いくつかの実施形態では、プロセッサ２２０は、ブロックのピクセル勾配を生成するために、セルのＨＯＧをグループ化し得る。

ステップ５５０において、プロセッサ２２０は、各ブロックのピクセル勾配に基づいて、ＩＤ写真のテクスチャ特徴を決定し得る。いくつかの実施形態では、プロセッサ２２０は、テクスチャ特徴ベクトルを取得するために、各ブロックをそれぞれ正規化し得る。

ステップ５６０において、プロセッサ２２０は、テクスチャ特徴をターゲット特徴ベクトルまたは基準特徴ベクトル中に保存するためのおよび／または組み込むための電気信号を生成し得る。テクスチャ特徴は、ストレージ媒体、または記憶機能をもつ任意の他のデバイスに記憶され得る。たとえば、テクスチャ特徴は、ターゲット特徴ベクトルまたは基準特徴ベクトルの構造化データを指す１つまたは複数のポインタをもつ構造化データとして保存され得る。代替的に、テクスチャ特徴は、ターゲット特徴の構造化データに組み込まれ得る。

上記の説明は、例示の目的で与えられたものにすぎず、本開示の範囲を限定するものではないことに留意されたい。当業者の場合、本開示の教示の下で、複数の変形および変更が行われ得る。しかしながら、それらの変形および変更は、本開示の範囲から逸脱しない。たとえば、１つまたは複数の他の随意のステップ（たとえば、記憶ステップ、前処理ステップ）が、例示的なプロセス／方法５００中の他の場所に追加され得る。別の例として、例示的なプロセス／方法５００中のすべてのステップが、命令のセットを含むコンピュータ可読媒体において実装され得る。命令は、電子的流れの形態で送信され得る。

図６は、本開示のいくつかの実施形態による、ローカル・バイナリ・パターンを介してＩＤ写真のテクスチャ特徴を抽出するための例示的なプロセスおよび／または方法６００のフローチャートである。いくつかの実施形態では、プロセス６００は、図１に示されているシステム１００において実装され得る。たとえば、プロセス６００は、命令の形態としてデータベース１４０および／またはストレージ（たとえば、ＲＯＭ２３０、ＲＡＭ２４０など）に記憶され、サーバ１１０（たとえば、サーバ１１０中の処理エンジン１１２、またはサーバ１１０中の処理エンジン１１２のプロセッサ２２０）によって呼び出され、および／または実行され得る。

ステップ６１０において、プロセッサ２２０は、Ｉ／Ｏポート２６０を介して要求電気信号を取得し得る。いくつかの実施形態では、要求電気信号は、ローカル・バイナリ・パターンを介してＩＤ写真からテクスチャ特徴を抽出するための要求を表し、および／または符号化し得る。いくつかの実施形態では、要求電気信号は、ローカル・バイナリ・パターンを介してテクスチャ特徴を抽出するための要求を符号化する（ｅｎｃｏｄｅｄ）要求信号フラグメントを含み得る。要求電気信号は、ＩＤ写真に関連付けられた画像データを符号化する（ｅｎｃｏｄｅｄ）要求信号フラグメントをも含み得る。

ステップ６２０において、プロセッサ２２０は、ＩＤ写真中のピクセルの所定のエリアのグレー・スケールを取得し得る。いくつかの実施形態では、プロセッサ２２０は、ＩＤ写真のポートレート・エリアを除くエリアをもつピクセルのグレー・スケールを取得し得る。いくつかの実施形態では、プロセッサ２２０は、浮動小数点演算、整数アルゴリズム、転送アルゴリズム、平均値アルゴリズムなど、またはそれらの任意の組合せを含む、グレー・スケールを生成するための所定のアルゴリズムを実施し得る。

ステップ６３０において、ＩＤ写真中の各ピクセルについて、プロセッサ２２０は、所定のシーケンスによって（たとえば、時計回りにまたは反時計回りに）、（中心ピクセルと見なされ得る）ピクセルをそのピクセルの８つの近接するピクセル（中心ピクセルの左上部、左中央、左下部、右上部、右中央、右下部、上部、および下部）の各々と比較し得る。いくつかの実施形態では、プロセッサ２２０は、中心ピクセルのグレー・スケールをしきい値として決定し得る。プロセッサ２２０は、グレー・スケールの比較に基づいて、中心ピクセルの近接するピクセルのうちの１つのために２進値をマークし得る。たとえば、中心ピクセルの近接するピクセルのうちの１つのグレー・スケールがしきい値（たとえば、中心ピクセルのグレー・スケール）よりも大きいかまたはそれに等しい場合、近接するピクセルは「１」とマークされ得、近接するピクセルのうちの１つのグレー・スケールがしきい値よりも小さい場合、近接するピクセルは「０」とマークされ得る。したがって、プロセッサ２２０は、中心ピクセルの近接するピクセルの２進値を配列することによって、２進列（たとえば、「００１０１０１０」）を取得し得る。

ステップ６４０において、プロセッサ２２０は、各ピクセルの２進列に基づいて、テクスチャ情報を生成し得る。いくつかの実施形態では、プロセッサ２２０は、２進列をローカル・バイナリ・パターン（ＬＢＰ）値（たとえば、１０進値）に変換し得、中心ピクセルのグレー・スケールをＬＢＰ値と置き換え得る。

ステップ６５０において、プロセッサ２２０は、テクスチャ情報に基づいて、ＩＤ写真のテクスチャ特徴を決定し得る。いくつかの実施形態では、ステップ６２０〜ステップ６４０の後に、ＩＤ写真の各ピクセルがＬＢＰ値を有し得る。いくつかの実施形態では、プロセッサ２２０は、ＩＤ写真を１つまたは複数の領域に分割し得る。各領域は、１つまたは複数のピクセルを有する。プロセッサ２２０は、領域の特徴を表すために、各領域のＬＢＰ値に基づいてＬＢＰヒストグラムを生成し得る。プロセッサ２２０は、ＬＢＰヒストグラムに基づいてテクスチャ特徴を生成し得る。いくつかの実施形態では、プロセッサ２２０は、テクスチャ特徴に基づいて特徴ベクトルを生成し得る。

ステップ６６０において、プロセッサ２２０は、テクスチャ特徴をターゲット特徴ベクトルまたは基準特徴ベクトル中に保存するための電気信号を生成し得る。テクスチャ特徴は、ストレージ媒体、または記憶機能をもつ任意の他のデバイスに記憶され得る。

上記の説明は、例示の目的で与えられたものにすぎず、本開示の範囲を限定するものではないことに留意されたい。当業者の場合、本開示の教示の下で、複数の変形および変更が行われ得る。しかしながら、それらの変形および変更は、本開示の範囲から逸脱しない。たとえば、１つまたは複数の他の随意のステップ（たとえば、記憶ステップ、前処理ステップ）が、例示的なプロセス／方法６００中の他の場所に追加され得る。別の例として、例示的なプロセス／方法６００中のすべてのステップが、命令のセットを含むコンピュータ可読媒体において実装され得る。命令は、電子的流れの形態で送信され得る。

図７は、本開示のいくつかの実施形態による、ターゲットＩＤ写真の顔特徴を取得するための例示的なプロセスのフローチャートである。いくつかの実施形態では、プロセス６００は、図１に示されているシステム１００において実装され得る。たとえば、プロセス７００は、命令の形態としてデータベース１５０および／またはストレージ（たとえば、ＲＯＭ２３０、ＲＡＭ２４０など）に記憶され、サーバ１１０（たとえば、サーバ１１０中の処理エンジン１１２、またはサーバ１１０中の処理エンジン１１２のプロセッサ２２０）によって呼び出され、および／または実行され得る。

ステップ７１０において、プロセッサ２２０は、Ｉ／Ｏポート２６０を介して要求電気信号を取得し得る。いくつかの実施形態では、要求電気信号は、トレーニングされた畳み込みニューラル・ネットワーク（ＣＮＮ）を介してＩＤ写真から顔特徴を抽出するための要求を表し、および／または符号化し得る。いくつかの実施形態では、要求電気信号は、ＣＮＮを介して顔特徴を抽出するための要求を符号化する（ｅｎｃｏｄｅｄ）要求信号フラグメントを含み得る。要求電気信号は、ＩＤ写真に関連付けられた画像データを符号化する（ｅｎｃｏｄｅｄ）要求信号フラグメントをも含み得る。

ステップ７２０において、プロセッサ２２０は、ＩＤ写真中の所定のエリアのピクセルのピクセル値を取得し得る。いくつかの実施形態では、プロセッサ２２０は、ＩＤ写真のポートレート・エリア内のピクセルのピクセル値を取得し得る。たとえば、ピクセル値は、ピクセルのルミナンス値、ピクセルのグレー値、ピクセルの色またはＲＧＢ値、ピクセルの飽和値など、あるいはそれらの任意の組合せを指し得る。

ステップ７３０において、プロセッサ２２０は、顔特徴を抽出するために、トレーニングされた畳み込みニューラル・ネットワーク（ＣＮＮ）を実施し得る。いくつかの実施形態では、プロセッサ２２０は、その顔特徴があらかじめ決定され得る複数の基準ＩＤ写真を用いて、ＣＮＮをトレーニングし得る。

いくつかの実施形態では、ＣＮＮは、１つまたは複数の入力層、１つまたは複数の畳み込み層（ｃｏｎｖｏｌｕｔｉｏｎ ｌａｙｅｒ）、１つまたは複数のプーリング層（ｐｏｏｌｉｎｇ ｌａｙｅｒ）、１つまたは複数の全結合層（ｆｕｌｌｙ−ｃｏｎｎｅｃｔｅｄ ｌａｙｅｒ）、および１つまたは複数の出力層を含み得る。

いくつかの実施形態では、入力層は、入力画像についての固定サイズを指定し得、したがって、ポートレート・エリアのみをもつＩＤ写真は、入力層に与えられる前に相応にサイズ変更され得る。次いで、畳み込み層は、トレーニング可能な重みを使用して複数のカーネルを用いてＩＤ写真を畳み込み得る。いくつかの実施形態では、カーネルは、顔特徴がＩＤ写真中のある空間的位置にあるとき、顔特徴をアクティブにし得る。カーネルは、異なるトレーニング可能重みを用いて異なる顔特徴をアクティブにし得る。プーリング層は、カーネルによってアクティブにされた顔特徴を抽出することを試みながら、畳み込み層によって畳み込まれた後のＩＤ写真のサイズを低減し得る。いくつかの実施形態では、畳み込み層およびプーリング層は、ＣＮＮの特徴抽出部分を構成し得る。次いで、全結合層は、顔特徴を生成するために、抽出された顔特徴を重み付けし、合成し得、次いで、出力層は顔特徴を出力し得る。

いくつかの実施形態では、ＣＮＮをトレーニングするために、プロセッサ２２０は、その実際の顔特徴があらかじめ決定され得る複数の基準ＩＤ写真を、ＣＮＮに供給し得る。次いで、プロセッサ２２０は、出力層によって生成された顔特徴と、データベース１４０中の基準ＩＤ写真のあらかじめ決定された実際の特徴との間の差分に基づいて、誤差関数を生成し得る。プロセッサ２２０は、誤差関数が最小値に達するまで、誤差関数を畳み込み層に返し、カーネルのトレーニング可能重みを変化させ得る。したがって、プロセッサ２２０は、ＩＤ写真から顔特徴を抽出するために、ＣＮＮをトレーニングし得る。

トレーニングされたＣＮＮによって顔特徴を決定した後に、プロセッサ２２０は、顔特徴をターゲット特徴ベクトルまたは基準特徴ベクトル中に保存するための電気信号を生成し得る。顔特徴は、ストレージ媒体、または記憶機能をもつ任意の他のデバイスに記憶され得る。

上記の説明は、例示の目的で与えられたものにすぎず、本開示の範囲を限定するものではないことに留意されたい。当業者の場合、本開示の教示の下で、複数の変形および変更が行われ得る。しかしながら、それらの変形および変更は、本開示の範囲から逸脱しない。たとえば、１つまたは複数の他の随意のステップ（たとえば、記憶ステップ）が、例示的なプロセス／方法７００中の他の場所に追加され得る。別の例として、すべてのステップが、命令のセットを含むコンピュータ可読媒体において実装され得る。命令は、電子的流れの形態で送信され得る。

図８は、本開示のいくつかの実施形態による、ＩＤ写真の偽ＩＤ特徴を抽出するための例示的なプロセスおよび／または方法８００のフローチャートである。いくつかの実施形態では、プロセス８００は、図１に示されているシステム１００において実装され得る。たとえば、プロセス６００は、命令の形態としてデータベース１５０および／またはストレージ（たとえば、ＲＯＭ２３０、ＲＡＭ２４０など）に記憶され、サーバ１１０（たとえば、サーバ１１０中の処理エンジン１１２、またはサーバ１１０中の処理エンジン１１２のプロセッサ２２０）によって呼び出され、および／または実行され得る。

ステップ８１０において、プロセッサ２２０は、Ｉ／Ｏポート２６０を介して要求電気信号を取得し得る。いくつかの実施形態では、要求電気信号は、トレーニングされた畳み込みニューラル・ネットワーク（ＣＮＮ）を介してＩＤ写真から偽ＩＤ特徴を抽出するための要求を表し、および／または符号化し得る。いくつかの実施形態では、要求電気信号は、ＣＮＮを介して偽ＩＤ特徴を抽出するための要求を符号化する（ｅｎｃｏｄｅｄ）要求信号フラグメントを含み得る。要求電気信号は、ＩＤ写真に関連付けられた画像データを符号化する（ｅｎｃｏｄｅｄ）要求信号フラグメントをも含み得る。

ステップ８２０において、プロセッサ２２０は、トレーニングされた畳み込みニューラル・ネットワークによってＩＤ写真の偽ＩＤ特徴が決定され得ることを抽出し得る。プロセッサ２２０は、複数の基準ＩＤ写真を用いてＣＮＮをトレーニングし得る。いくつかの実施形態では、ＣＮＮをトレーニングするために使用される基準ＩＤ写真は、偽ＩＤ写真であり得る。プロセッサが偽ＩＤ写真から抽出し得る偽ＩＤ特徴は、偽色特徴、偽テクスチャ特徴、偽顔特徴など、またはそれらの任意の組合せを含み得る。いくつかの実施形態では、ステップ８２０において使用されるＣＮＮは、ステップ７３０において使用されるＣＮＮと同様であり得る。複数の偽ＩＤ写真を用いてＣＮＮをトレーニングすることのより詳細な説明は、本開示の他の場所（たとえば、図７）で与えられる。

上記の説明は、例示の目的で与えられたものにすぎず、本開示の範囲を限定するものではないことに留意されたい。当業者の場合、本開示の教示の下で、複数の変形および変更が行われ得る。しかしながら、それらの変形および変更は、本開示の範囲から逸脱しない。たとえば、１つまたは複数の他の随意のステップ（たとえば、記憶ステップ、前処理ステップ）が、例示的なプロセス／方法８００中の他の場所に追加され得る。別の例として、すべてのステップが、命令のセットを含むコンピュータ可読媒体において実装され得る。命令は、電子的流れの形態で送信され得る。

図９は、本開示のいくつかの実施形態による、ＣＮＮをトレーニングするための例示的なプロセスおよび／または方法９００のフローチャートである。ＣＮＮをトレーニングすることは、ＩＤ写真の偽特徴を決定するために使用され得る。いくつかの実施形態では、プロセス９００は、図１に示されているシステム１００において実装され得る。たとえば、プロセス９００は、命令の形態としてデータベース１４０および／またはストレージ（たとえば、ＲＯＭ２３０、ＲＡＭ２４０など）に記憶され、サーバ１１０（たとえば、サーバ１１０中の処理エンジン１１２、またはサーバ１１０中の処理エンジン１１２のプロセッサ２２０）によって呼び出され、および／または実行され得る。

ステップ９１０において、１つまたは複数のコンピュータによって、メモリ、データベースまたはインターネットから複数の基準ＩＤ写真が取得され得る。いくつかの実施形態では、基準ＩＤ写真は、偽基準ＩＤ写真であり得る。ある基準偽ＩＤ写真は、実際のＩＤ写真に基づいて変更された写真であり得る。ある実際のＩＤ写真を変更することによって、１つまたは複数の基準偽ＩＤ写真が取得され得ることと、１つまたは複数の実際のＩＤ写真の異なる部分を抽出することによって、基準偽ＩＤ写真が組み合わせられ得ることとに留意されたい。

ステップ９２０において、プロセッサ２２０は、異なる改ざん方法に基づいて、基準偽ＩＤ写真を分類およびマークし得る。改ざん方法は、基準偽ＩＤがどのように生成されるかを表し得る。改ざん方法は、実際のＩＤ写真のテキスト情報を変更すること、実際のＩＤ写真の色を変更すること、実際のＩＤ写真の境界線を変更すること、実際のＩＤ写真の背景を変更すること、実際のＩＤ写真の顔を変更することなど、またはそれらの任意の組合せを含み得る。

ステップ９３０において、異なる改ざん方法に基づいて、複数の偽ＩＤ写真が取得され得る。各カテゴリーについて、カテゴリーのテンプレートを変更することによって、１つまたは複数の偽ＩＤ写真が取得され得る。テンプレートを変更することが、上記で説明された１つまたは複数の改ざん方法を含み得ることに留意されたい。たとえば、テンプレートの、テクスチャ情報、または色、または境界線、または背景、または顔など、あるいはそれらの任意の組合せを変更することによって、偽ＩＤ写真が取得され得る。偽ＩＤ写真を取得した後に、写真は、写真の改ざん方法に基づいて、カテゴリー中のサブカテゴリーに分類され得る。

ステップ９４０において、異なるトレーニング・データセットを使用して、異なる畳み込みニューラル・ネットワーク・モデルがトレーニングされ得る。カテゴリー中のすべての基準偽ＩＤ写真および偽ＩＤ写真が、トレーニング・データセットを形成し得る。各トレーニング・データセットが、ＣＮＮモデルをトレーニングし得る。ＣＮＮモデルは、Ｌｅｎｅｔ、Ａｌｅｘｎｅｔ、ＧｏｏｇｌｅＮｅｔ、ＶＧＧ、ＲｅｓＮｅｔなど、またはそれらの任意の組合せであり得る。ＣＮＮモデルのトレーニング・プロセスは、図７に関連しており、ここで繰り返されない。

ステップ９５０において、コンピュータによって取得された電気信号中に符号化されたターゲットＩＤ写真の偽ＩＤ特徴を決定し、偽ＩＤ特徴をターゲット特徴ベクトルまたは基準特徴ベクトル中に保存するために、１つまたは複数のコンピュータによって、トレーニングされたＣＮＮモデル（ｔｒａｉｎｅｄ ＣＮＮ ｍｏｄｅｌ）が取得され得る。

上記の説明は、例示の目的で与えられたものにすぎず、本開示の範囲を限定するものではないことに留意されたい。当業者の場合、本開示の教示の下で、複数の変形および変更が行われ得る。しかしながら、それらの変形および変更は、本開示の範囲から逸脱しない。たとえば、１つまたは複数の他の随意のステップ（たとえば、記憶ステップ、前処理ステップ）が、例示的なプロセス／方法９００中の他の場所に追加され得る。別の例として、すべてのステップが、命令のセットを含むコンピュータ可読媒体において実装され得る。命令は、電子的流れの形態で送信され得る。

図１０は、本開示のいくつかの実施形態による、基準ＩＤ写真のデータベースを確立するための例示的なプロセスおよび／または方法１０００のフローチャートである。いくつかの実施形態では、プロセス１０００は、図１に示されているシステム１００において実装され得る。たとえば、プロセス１０００は、命令の形態としてデータベース１４０および／またはストレージ（たとえば、ＲＯＭ２３０、ＲＡＭ２４０など）に記憶され、サーバ１１０（たとえば、サーバ１１０中の処理エンジン１１２、またはサーバ１１０中の処理エンジン１１２のプロセッサ２２０）によって呼び出され、および／または実行され得る。

ステップ１０１０において、プロセッサ２２０は、複数の基準ＩＤ写真のデータにアクセスし得る。いくつかの実施形態では、データは、ストレージ媒体（メモリ）、または記憶機能をもつ任意の他のデバイスに記憶され得る。コンピュータは、データ・バスを介してデータにアクセスし得る。基準ＩＤ写真は、基準偽ＩＤ写真および偽ＩＤ写真を含み得る。

ステップ１０２０において、プロセッサ２２０は、各基準ＩＤ写真についての基準特徴ベクトルを生成し得る。特徴は、色分布特徴、テクスチャ特徴、顔特徴、および偽ＩＤ特徴を含み得る。各基準ＩＤ写真の特徴の決定は、図５〜図９に関連しており、ここで繰り返されない。プロセッサ２２０は、特徴ベクトルに基づいて局所性鋭敏型ハッシュ（ＬＳＨ）ベクトルを生成するために、ＬＳＨアルゴリズムを実施し得る。ハッシュ関数｛ｈ：Ｒ^ｄ→Ｚ｝の詳細は、以下の通りである。

ここで、ｘは、元のｄ次元ベクトルであり、ｗは、ハッシュ・バケット幅を表す正の整数であり、ｂは、［０，ｗ］内で一様に分布されていることを満足させる乱数であり、ａ_ｉの各要素は、ｐ安定分布（ｐ−ｓｔａｂｌｅ ｄｉｓｔｒｉｂｕｔｉｏｎ）を満たし得る。しかしながら、ただ１つのハッシュ関数の識別能力は十分に強くなく、２次的なハッシュ関数が次のように構成され得る。
ｇ_ｊ（ｘ）＝｛ｈ_ｊ，１（ｘ），．．．，ｈ_ｊ，ｋ（ｘ）｝（ｊ＝１，．．．，ｌ） （７）

各ＬＳＨ関数ｇ_ｊ（ｘ）は、ｋ個のハッシュ関数ｈ_ｊ（ｘ）からなり得る。ＬＳＨ関数ｇ_ｊ（ｘ）によって処理された後、各特徴はＬＳＨベクトルを生成し得る。ＬＳＨベクトルは、ｋ次元ハッシュ・ベクトルであり得、ハッシュ値を有し得る。ｋは、ＬＳＨベクトルのハッシュ値として指定され得る。一方、ｌ（ｌ≧１）個のＬＳＨ関数ｇ_ｊ（ｘ）によって処理された特徴の後に、ｌ個のハッシュ・テーブルが生成され得る。各ハッシュ・テーブルに対応して、特徴はハッシュ値を取得し得る。各ハッシュ・テーブルは、ｍ個のハッシュ・バケットを有し得る。特徴は、ＬＳＨアルゴリズムによって処理された特徴の後に取得されたハッシュ値に基づいて、各ハッシュ・テーブルのバケットのうちの１つに割り当てられ得る。同じハッシュ値を有する特徴は、各ハッシュ・テーブル中の同じバケットに割り当てられ得る。

ステップ１０３０において、プロセッサ２２０は、ＬＳＨベクトルに基づいて各基準ＩＤ写真についてのクラスタ数を生成し得る。上記で説明されたように、ハッシュ・テーブルは、ｍ個のハッシュ・バケットを有し得る。すべてのバケットは、（１からｍ）連続番号によって識別され得る。あるバケットに割り当てられた特徴ベクトルについて、そのバケットの番号が、特徴ベクトルのクラスタ数として指定され得る。同じクラスタ数をもつ特徴ベクトルは、同じクラスタ中にあるものと見なされ得る。同じクラスタ数をもつ異なる基準ＩＤ写真の特徴ベクトルが、これらの異なる基準ＩＤ写真が互いに極めて類似していることを表し得る。クラスタは、クラスタ数に基づいて取得され得る。クラスタ数は、データベース１４０中の基準ＩＤ写真の識別マークおよびロケーションを表し得る。

ステップ１０４０において、プロセッサ２２０は、読取り／書込み機器に、基準ＩＤ写真のデータを符号化し、基準ＩＤ写真のデータにクラスタ数を追加するように指示するための電気信号を生成し得る。

上記の説明は、例示の目的で与えられたものにすぎず、本開示の範囲を限定するものではないことに留意されたい。当業者の場合、本開示の教示の下で、複数の変形および変更が行われ得る。しかしながら、それらの変形および変更は、本開示の範囲から逸脱しない。たとえば、１つまたは複数の他の随意のステップ（たとえば、記憶ステップ、前処理ステップ）が、例示的なプロセス／方法１０００中の他の場所に追加され得る。別の例として、すべてのステップが、命令のセットを含むコンピュータ可読媒体において実装され得る。命令は、電子的流れの形態で送信され得る。

ここまで基本概念を説明してきたが、この詳細な開示を読めば、上記の詳細な開示は例として提示されたものにすぎず、限定するものではないことが、当業者には十分に明らかであり得る。本明細書では明確に述べられないが、様々な改変、改善、および変更が行われ得、当業者に意図される。これらの改変、改善、および変更は、本開示によって示唆されるものであり、本開示の例示的な実施形態の趣旨および範囲内にある。

その上、本開示の実施形態について説明するために、ある用語が使用された。たとえば、「一実施形態（ｏｎｅ ｅｍｂｏｄｉｍｅｎｔ）」、「実施形態（ａｎ ｅｍｂｏｄｉｍｅｎｔ）」および／または「いくつかの実施形態（ｓｏｍｅ ｅｍｂｏｄｉｍｅｎｔｓ）」という用語は、実施形態に関して説明された特定の特徴、構造または特性が、本開示の少なくとも１つの実施形態中に含まれることを意味する。したがって、本明細書の様々な部分における「実施形態」、「一実施形態」、または「代替実施形態（ａｎ ａｌｔｅｒｎａｔｉｖｅ ｅｍｂｏｄｉｍｅｎｔ）」への２つまたはそれ以上の言及は、必ずしもすべてが、同じ実施形態に言及しているとは限らないことが強調され、そのことを諒解されたい。さらに、それらの特定の特徴、構造、または特性は、本開示の１つまたは複数の実施形態において好適なものとして組み合わせられ得る。

さらに、本開示の態様は、任意の新しく有用なプロセス、機械、製品、または組成物、あるいはそれらの任意の新しく有用な改善を含むいくつかの特許性があるクラスまたはコンテキストのいずれかにおいて、本明細書で図示および説明され得ることが、当業者によって諒解されよう。したがって、本開示の態様は、完全にハードウェア実装されるか、完全に（ファームウェア、常駐ソフトウェア、マイクロコードなどを含む）ソフトウェア実装されるか、またはソフトウェア実装とハードウェア実装とを組み合わせて実装され得、それらはすべて、本明細書では一般に「ブロック」、「モジュール」、「エンジン」、「ユニット」、「構成要素」、または「システム」と呼ばれることがある。さらに、本開示の態様は、コンピュータ可読プログラム・コードを具現した１つまたは複数のコンピュータ可読媒体中で具現されたコンピュータ・プログラム製品の形態をとり得る。

コンピュータ可読信号媒体は、コンピュータ可読プログラム・コードがその中で具現された伝搬データ信号を、たとえば、ベースバンド内にまたは搬送波の一部として含み得る。そのような伝搬信号は、電磁信号、光信号など、またはそれらの任意の適切な組合せを含む様々な形態のいずれかをとり得る。コンピュータ可読信号媒体は、コンピュータ可読ストレージ媒体ではなく、命令実行システム、装置、またはデバイスによってあるいはそれらに関連して使用するためのプログラムを通信するか、伝搬するか、または搬送し得る、任意のコンピュータ可読ストレージ媒体であり得る。コンピュータ可読信号媒体上で具現されたプログラム・コードは、ワイヤレス、ワイヤライン、光ファイバー・ケーブル、ＲＦなど、または前述の任意の好適な組合せを含む、任意の適切な媒体を使用して送信され得る。

本開示の態様のための動作を行うためのコンピュータ・プログラム・コードは、Ｊａｖａ（登録商標）、Ｓｃａｌｅ、Ｓｍａｌｌｔａｌｋ、Ｅｉｆｆｅｌ、ＪＡＤＥ、Ｅｍｅｒａｌｄ、Ｃ＋＋、Ｃ＃、ＶＢ．ＮＥＴ、Ｐｙｔｈｏｎなど、オブジェクト指向プログラミング言語、「Ｃ」プログラミング言語、Ｖｉｓｕａｌ Ｂａｓｉｃ、Ｆｏｒｔｒａｎ １７０３、Ｐｅｒｌ、ＣＯＢＯＬ １７０２、ＰＨＰ、ＡＢＡＰなど、従来の手続き型プログラミング言語、Ｐｙｔｈｏｎ、ＲｕｂｙおよびＧｒｏｏｖｙなど、動的プログラミング言語、または他のプログラミング言語を含む、１つまたは複数のプログラミング言語の任意の組合せで書かれ得る。プログラム・コードは、完全にユーザのコンピュータ上で実行するか、部分的にユーザのコンピュータ上で実行するか、スタンドアロン・ソフトウェア・パッケージとして実行するか、部分的にユーザのコンピュータ上と部分的にリモート・コンピュータ上とで実行するか、あるいは完全にリモート・コンピュータまたはサーバ上で実行し得る。後者のシナリオでは、リモート・コンピュータは、ローカル・エリア・ネットワーク（ＬＡＮ）またはワイド・エリア・ネットワーク（ＷＡＮ）を含む、任意のタイプのネットワークを通してユーザのコンピュータに接続され得、あるいは接続は、（たとえば、インターネット・サービス・プロバイダを使用してインターネットを通して）外部コンピュータに対して、またはクラウド・コンピューティング環境内で行われるか、あるいはサービスとしてのソフトウェア（ＳａａＳ：ｓｏｆｔｗａｒｅ ａｓ ａ ｓｅｒｖｉｃｅ）などのサービスとして提供され得る。

さらに、処理要素またはシーケンスの具陳された順序、あるいは数字、文字、または他の表示の使用は、したがって、特許請求の範囲において指定され得る場合を除いて、請求されるプロセスおよび方法をいかなる順序にも限定するものではない。上記の開示は、様々な例を通して、本開示の様々な有用な実施形態であると現在見なされているものを論じたが、そのような詳細は、単にその目的のためのものであることと、添付の特許請求の範囲は、開示された実施形態に限定されず、むしろ、開示された実施形態の趣旨および範囲内にある変更および等価な構成をカバーするものであることとを理解されたい。たとえば、上記の様々な構成要素の実装は、ハードウェア・デバイスで具現され得、それはまた、ソフトウェアのみの解決策、たとえば、既存のサーバまたはモバイル・デバイス上でのインストールとして実装され得る。

同様に、本開示の実施形態の上記の説明では、様々な特徴が、様々な実施形態のうちの１つまたは複数の理解を助ける本開示を合理化する目的で、単一の実施形態、図、またはそれらの説明において一緒にグループ化されることがあることを諒解されたい。しかしながら、本開示のこの方法は、請求される主題が、各請求項において明確に具陳されているよりも多くの特徴を必要とするという意図を反映するものとして解釈されるべきではない。むしろ、請求される主題は、単一の上記の開示された実施形態のすべての特徴よりも少ないことがある。

Claims (15)

1. ターゲットＩＤ写真の真正性を検証するための命令のセットを含む少なくとも１つのコンピュータ可読ストレージ媒体と、
   前記コンピュータ可読ストレージ媒体と通信している少なくとも１つプロセッサと
   を備えるシステムであって、前記命令のセットを実行するとき、前記少なくとも１つのプロセッサは、
   ターゲット識別（ＩＤ）写真を受信することと、
   １つまたは複数の基準ＩＤ写真のデータベースにアクセスすることと、
   前記ターゲットＩＤ写真上の所定のエリアと前記データベース中の１つまたは複数のターゲット基準ＩＤ写真の所定のエリアとの間の差分値を決定することと、
   前記差分値がしきい値よりも小さいと決定すると、前記ターゲットＩＤ写真が偽ＩＤ写真であることを示すための警告コードを生成することと
   を行うように指示される、システム。
2. １つまたは複数の基準ＩＤ写真の前記データベースが、１つまたは複数の構造化データを含み、前記１つまたは複数の構造化データの各々が、基準ＩＤ写真の前記所定のエリアに関連付けられた基準特徴ベクトルを符号化し、
   前記差分値を決定するために、前記少なくとも１つのプロセッサが、
   前記ターゲットＩＤ写真上の前記所定のエリアの１つまたは複数の特徴に基づいて、ターゲット特徴ベクトルを決定することと、
   前記ターゲット特徴ベクトルを基準特徴ベクトルと比較することによって、前記差分値を決定することと
   を行うようにさらに指示される、請求項１に記載のシステム。
3. 前記差分値がユークリッド距離である、請求項２に記載のシステム。
4. 前記少なくとも１つのプロセッサは、
   ＩＤ写真を少なくとも１つのブロックに分割することであって、前記ＩＤ写真が基準ＩＤ写真または前記ターゲットＩＤ写真である、分割することと、
   各ブロック中の１つまたは複数のピクセルのグレー・スケールを決定することと、
   前記１つまたは複数のピクセルの前記グレー・スケールに基づいて、各ブロックのピクセル勾配を決定することと、
   各ブロックの前記ピクセル勾配に基づいて、前記ＩＤ写真のテクスチャ特徴を決定することと、
   前記少なくとも１つのブロックの前記テクスチャ特徴を前記ストレージ媒体中の特徴ベクトルに記憶することであって、前記特徴ベクトルが前記基準特徴ベクトルまたは前記ターゲット特徴ベクトルである、記憶することと
   を行うようにさらに指示される、請求項２または請求項３に記載のシステム。
5. 前記少なくとも１つのプロセッサは、
   ＩＤ写真中のピクセルの所定のエリアのグレー・スケールを取得することであって、前記ＩＤ写真が基準ＩＤ写真または前記ターゲットＩＤ写真である、取得することと、
   前記ピクセルと前記ピクセルの１つまたは複数の近接するピクセルとに基づいて、１つまたは複数の２進値を決定することと、
   前記１つまたは複数の２進値に基づいて、前記ピクセルのテクスチャ情報を決定することと、
   前記ＩＤ写真のすべてのピクセルの前記テクスチャ情報に基づいて、前記ＩＤ写真のテクスチャ特徴を決定することと、
   前記少なくとも１つのブロックの前記テクスチャ特徴を前記ストレージ媒体中の特徴ベクトルに記憶することであって、前記特徴ベクトルが前記基準特徴ベクトルまたは前記ターゲット特徴ベクトルである、記憶することと
   を行うようにさらに指示される、請求項２〜４のいずれか一項に記載のシステム。
6. 前記少なくとも１つのプロセッサが、
   トレーニングされた畳み込みニューラル・ネットワークによって顔特徴を決定する
   ようにさらに指示され、前記ターゲットＩＤ写真の前記所定のエリアがポートレート・エリアを含む、請求項２〜５のいずれか一項に記載のシステム。
7. 前記少なくとも１つのプロセッサが、
   トレーニングされた畳み込みニューラル・ネットワークによって偽ＩＤ特徴を決定する
   ようにさらに指示され、
   トレーニングされた畳み込みニューラル・ネットワークが、少なくとも１つのコンピュータによって、複数の基準偽ＩＤ写真を用いてトレーニングされる、請求項２〜６のいずれか一項に記載のシステム。
8. 前記少なくとも１つのプロセッサが、
   前記１つまたは複数の基準ＩＤ写真のデータを読み取るために、オンライン・プラットフォームのデータ・バスを介してメモリ中にアクセスすることと、
   前記１つまたは複数の基準ＩＤ写真の各々の基準特徴に基づいて、前記１つまたは複数の基準ＩＤ写真の各々についての前記基準特徴ベクトルを生成することと、
   前記基準特徴ベクトルに基づいてクラスタ数を生成することと、
   前記１つまたは複数の基準ＩＤ写真の各々について、読取り／書込み機器に、対応するＩＤ写真を符号化する前記クラスタ数を追加するように指示することと
   を含む、基準ＩＤ写真の前記データベースを確立することを行うようにさらに指示される、請求項２〜７のいずれか一項に記載のシステム。
9. 要求を承認するための方法であって、
   少なくとも１つのコンピュータによって、ターゲット識別（ＩＤ）写真を受信するステップと、
   前記少なくとも１つのコンピュータによって、１つまたは複数の基準ＩＤ写真のデータベースにアクセスするステップと、
   前記少なくとも１つのコンピュータによって、前記ターゲットＩＤ写真上の所定のエリアと前記データベース中の１つまたは複数のターゲット基準ＩＤ写真の所定のエリアとの間の差分値を決定するステップと、
   前記差分値がしきい値よりも小さいと決定すると、前記少なくとも１つのコンピュータによって、前記ターゲットＩＤ写真が偽ＩＤ写真であることを示すための警告コードを生成するステップと
   を含む、方法。
10. １つまたは複数の基準ＩＤ写真の前記データベースが、１つまたは複数の構造化データを含み、前記１つまたは複数の構造化データの各々が、基準ＩＤ写真の前記所定のエリアに関連付けられた基準特徴ベクトルを符号化し、
    前記差分値を決定する前記ステップが、
    前記ターゲットＩＤ写真上の前記所定のエリアの１つまたは複数の特徴に基づいて、ターゲット特徴ベクトルを決定するステップと、
    前記ターゲット特徴ベクトルを基準特徴ベクトルと比較することによって、前記差分値を決定するステップと
    を含む、請求項９に記載の方法。
11. 前記少なくとも１つのコンピュータによって、ＩＤ写真を少なくとも１つのブロックに分割するステップであって、前記ＩＤ写真が基準ＩＤ写真または前記ターゲットＩＤ写真である、分割するステップと、
    前記少なくとも１つのコンピュータによって、各ブロック中の１つまたは複数のピクセルのグレー・スケールを決定するステップと、
    前記少なくとも１つのコンピュータによって、前記１つまたは複数のピクセルの前記グレー・スケールに基づいて、各ブロックのピクセル勾配を決定するステップと、
    前記少なくとも１つのコンピュータによって、各ブロックの前記ピクセル勾配に基づいて、前記ＩＤ写真のテクスチャ特徴を決定するステップと、
    前記少なくとも１つのコンピュータによって、前記少なくとも１つのブロックの前記テクスチャ特徴をストレージ媒体中の特徴ベクトルに記憶するステップであって、前記特徴ベクトルが前記基準特徴ベクトルまたは前記ターゲット特徴ベクトルである、記憶するステップと
    をさらに含む、請求項１０に記載の方法。
12. 前記少なくとも１つのコンピュータによって、ＩＤ写真中のピクセルの所定のエリアのグレー・スケールを取得するステップであって、前記ＩＤ写真が基準ＩＤ写真または前記ターゲットＩＤ写真である、取得するステップと、
    前記少なくとも１つのコンピュータによって、前記ピクセルと前記ピクセルの１つまたは複数の近接するピクセルとの間の１つまたは複数の２進値を決定するステップと、
    前記少なくとも１つのコンピュータによって、前記１つまたは複数の２進値に基づいて、前記ピクセルのテクスチャ情報を決定するステップと、
    前記少なくとも１つのコンピュータによって、前記ＩＤ写真のすべてのピクセルの前記テクスチャ情報に基づいて、前記ＩＤ写真のテクスチャ特徴を決定するステップと、
    前記少なくとも１つのコンピュータによって、前記少なくとも１つのブロックの前記テクスチャ特徴をストレージ媒体中の特徴ベクトルに記憶するステップであって、前記特徴ベクトルが前記基準特徴ベクトルまたは前記ターゲット特徴ベクトルである、記憶するステップと
    をさらに含む、請求項１０または請求項１１に記載の方法。
13. 前記少なくとも１つのコンピュータによって、トレーニングされた畳み込みニューラル・ネットワークによって顔特徴を決定するステップ
    をさらに含み、前記ターゲットＩＤ写真の前記所定のエリアがポートレート・エリアを含む、請求項１０〜１２のいずれか一項に記載の方法。
14. 前記少なくとも１つのコンピュータによって、トレーニングされた畳み込みニューラル・ネットワークによって偽ＩＤ特徴を決定するステップ
    をさらに含み、
    トレーニングされた畳み込みニューラル・ネットワークが、前記少なくとも１つのコンピュータによって、複数の基準偽ＩＤ写真を用いてトレーニングされる、請求項１０〜１３のいずれか一項に記載の方法。
15. ターゲットＩＤ写真の真正性を検証するための命令の少なくとも１つのセットを備える、非一時的コンピュータ可読媒体であって、コンピュータ・サーバの少なくとも１つのプロセッサによって実行されたとき、前記命令の少なくとも１つのセットは、前記少なくとも１つのプロセッサに、
    ターゲット識別（ＩＤ）写真を受信することと、
    １つまたは複数の基準ＩＤ写真のデータベースにアクセスすることと、
    前記ターゲットＩＤ写真上の所定のエリアと前記データベース中の１つまたは複数のターゲット基準ＩＤ写真の所定のエリアとの間の差分値を決定することと、
    前記差分値がしきい値よりも小さいと決定すると、前記ターゲットＩＤ写真が偽ＩＤ写真であることを示すための警告コードを生成することと
    の行為を実施するように指示する、非一時的コンピュータ可読媒体。