JP6810392B2 - 個体識別装置 - Google Patents

個体識別装置 Download PDF

Info

Publication number
JP6810392B2
JP6810392B2 JP2018553570A JP2018553570A JP6810392B2 JP 6810392 B2 JP6810392 B2 JP 6810392B2 JP 2018553570 A JP2018553570 A JP 2018553570A JP 2018553570 A JP2018553570 A JP 2018553570A JP 6810392 B2 JP6810392 B2 JP 6810392B2
Authority
JP
Japan
Prior art keywords
image
individual
feature
frequency
images
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.)
Active
Application number
JP2018553570A
Other languages
English (en)
Other versions
JPWO2018100669A1 (ja
Inventor
高橋　徹
徹 高橋
石山　塁
塁 石山
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.)
NEC Corp
Original Assignee
NEC Corp
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by NEC Corp filed Critical NEC Corp
Publication of JPWO2018100669A1 publication Critical patent/JPWO2018100669A1/ja
Application granted granted Critical
Publication of JP6810392B2 publication Critical patent/JP6810392B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06V10/42—Global feature extraction by analysis of the whole pattern, e.g. using frequency domain transformations or autocorrelation
    • G06V10/431—Frequency domain transformation; Autocorrelation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
    • G06K19/00—Record carriers for use with machines and with at least a part designed to carry digital markings
    • G06K19/06—Record carriers for use with machines and with at least a part designed to carry digital markings characterised by the kind of the digital marking, e.g. shape, nature, code
    • G06K19/06009—Record carriers for use with machines and with at least a part designed to carry digital markings characterised by the kind of the digital marking, e.g. shape, nature, code with optically detectable marking
    • G06K19/06018—Record carriers for use with machines and with at least a part designed to carry digital markings characterised by the kind of the digital marking, e.g. shape, nature, code with optically detectable marking one-dimensional coding
    • G06K19/06028—Record carriers for use with machines and with at least a part designed to carry digital markings characterised by the kind of the digital marking, e.g. shape, nature, code with optically detectable marking one-dimensional coding using bar codes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
    • G06K19/00—Record carriers for use with machines and with at least a part designed to carry digital markings
    • G06K19/06—Record carriers for use with machines and with at least a part designed to carry digital markings characterised by the kind of the digital marking, e.g. shape, nature, code
    • G06K19/06009—Record carriers for use with machines and with at least a part designed to carry digital markings characterised by the kind of the digital marking, e.g. shape, nature, code with optically detectable marking
    • G06K19/06037—Record carriers for use with machines and with at least a part designed to carry digital markings characterised by the kind of the digital marking, e.g. shape, nature, code with optically detectable marking multi-dimensional coding
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
    • G06T7/74—Determining position or orientation of objects or cameras using feature-based methods involving reference images or patches

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Image Analysis (AREA)

Description

本発明は、個体識別装置、個体識別方法、およびプログラムに関する。
従来、工業製品や商品等の物体に対して、製造番号やバーコード、ＱＲコード等を付与することで、製品個々の品質や流通管理を行っている。また、ＩＣタグやＲＦＩＤを製品個々に付与し、無線通信方式によって、効率よく製品の生産から物流、販売に至る総合的な製品管理や製品の紛失防止、盗難防止、偽造防止を実現する技術がある。
しかしながら、上記製造番号やバーコード、ＱＲコード、あるいはＩＣタグやＲＦＩＤタグを用いる製品の個体管理方法は、これらを製造物個々に対して付与する必要がある。したがって、製品の生産量に比例してコストが膨大になるという問題があった。
また、例えば、ネジやボルト等の物理的に小さな金属部品や樹脂製部品等、製品によっては、製造番号やバーコードを直接記入することや、上記タグを装着することができない場合も多い。さらに、バーコード等を物理的に記入することや、タグを付与することが可能な製造物であっても、これらを付与することは、製造物の外観や意匠といったデザインを損ねてしまうという課題があった。
そこで、製品表面の微細凹凸や紋様、素材表面のランダムパターン等といった、同一製造過程で生じる自然発生的な微小な差異を、カメラ等の撮影装置を用いて画像として取得し、その撮像画像を認識することで、製品個々の識別や管理を行う手法が提案されている。
例えば、特許文献１では、製品表面の特定部位に対して保護フィルムを貼り付け、保護フィル貼付部位における製品表面のランダムパターンを、撮影装置を用いて画像として取得し、得られた撮像画像を用いた物品管理装置について記載されている。
また、特許文献２では、部品または製造物表面に形成された梨地加工をカメラで撮影し、その撮像画像に含まれる梨地紋様の画像特徴を用いた製造物識別手段について記載されている。
また、特許文献３や特許文献４では、個体識別や物品の真贋判定を目的として、物品上のタガント（微小粒子）のランダムパターンを用いて、物品の真贋判定を行う方法について記載されている。
また、類似の技術として、人間の指紋や虹彩、掌紋などのパターンを用いて個人認証を行うバイオメトリクス認証技術がある。通常、指紋や虹彩といった撮影対象に応じて特徴量を設計し、その特徴量同士の類似度を算出することで個体（個人）の識別や認証を行う。しかし、汎用的な画像マッチング手法を用いて個体（個人）の識別や認証を行う方式も存在する。例えば、特許文献５には、人間の指紋の撮像画像に対して２次元フーリエ変換を施し、撮像画像の位相限定相関を用いて、個体（個人）の識別や認証を行う方式が提案されている。また、特許文献６には、虹彩の撮像画像に対して位相限定相関を用いて、個体（個人）の識別や認証を行う方式が提案されている。
また、特許文献７では、個人認証を目的として、被写体が写った画像を周波数変換および極座標変換し、この極座標系で表された周波数スペクトル画像から上記被写体の特徴を表す周波数帯域を選択し、この選択した周波数帯域を特定する要素と周波数スペクトルを表す要素とを含む個体識別のためのベクトルを生成する画像変換装置について記載されている。また特許文献７では、照合時、入力特徴情報ベクトルについての方向と、登録特徴情報ベクトルについての方向との組み合わせを変更しつつ、両ベクトル間の距離の総和を算出することにより、生体情報の読み取り時ごとに被写体の方向が異なることによる位置ずれに対応している。
また、特許文献８では、照合画像と登録画像間に平行移動量、回転角度、拡大／縮小の差異があっても照合を行うことができる画像照合装置について記載されている。より詳細には、特許文献８では、まず、照合画像と登録画像をフーリエ変換および対数−極座標変換し、それによって得られた照合画像と登録画像の周波数スペクトル画像間の位相限定相関によって、登録画像に対する照合画像の補正情報（倍率情報、回転情報）を生成する。次に、上記補正情報に基づいて照合画像の補正を行い、この補正された後の照合画像と登録画像との相関処理によって照合を行う。
特許第４３３７４２２号公報 ＷＯ２０１４／１６３０１４ 特表２００７−５３４０６７号公報 特開２０１３−１９６４１８号公報 特許第３２３５０７５号公報 特許第４６６４１４７号公報 特開２０１４−１４２８８１号公報 特開２００４−２４０９３１号公報
特許文献７では、被写体が写った画像を周波数変換および極座標変換した後の周波数スペクトル画像から上記被写体の特徴量を抽出している。しかし、特許文献７では、特徴量の抽出時に画像の位置合わせを行っていない。そのため、特許文献７では、照合時の処理量が増大する。即ち、特許文献７では、照合時、入力特徴情報ベクトルについての方向と、登録特徴情報ベクトルについての方向との組み合わせを変更しつつ、両ベクトル間の距離の総和を算出することにより、生体情報の読み取り時ごとに被写体の方向が異なることによる位置ずれに対応しなければならない。そこで、特許文献７に記載される技術に、特許文献８に記載される画像の位置合わせ技術を適用することが考えられる。
しかしながら、特許文献８では、第１の画像の周波数スペクトル画像と第２の画像の周波数スペクトル画像との間の位相限定相関によって、第２の画像に対する第１の画像の補正情報（倍率情報、回転情報）を生成する。そのため、第１の画像と第２の画像とに位置合わせに利用する共通な部分領域が存在していても、その共通な部分領域以外の領域の影響を受けて、位置合わせを正確に行える補正情報を求めることが困難になる、という課題がある。
本発明の目的は、上述した課題を解決する個体識別装置を提供することにある。
本発明の一形態に係る個体識別装置は、
物体を撮像して得られた画像に周波数変換を行う変換部と、
前記周波数変換後の画像における第１の部分領域に基づき、前記物体の個体を識別する特徴量を抽出するための画像の位置合わせを行う位置合わせ部と、
を備える。
本発明の他の形態に係る個体識別方法は、
物体を撮像して得られた画像に周波数変換を行い、
前記周波数変換後の画像における第１の部分領域に基づき、前記物体の個体を識別する特徴量を抽出するための画像の位置合わせを行う。
本発明の他の形態に係るプログラムは、
コンピュータを、
物体を撮像して得られた画像に周波数変換を行う変換部と、
前記周波数変換後の画像における第１の部分領域に基づき、前記物体の個体を識別する特徴量を抽出するための画像の位置合わせを行う位置合わせ部と、
して機能させる。
本発明は、上述した構成を有するため、物体を撮像して得られた画像を正確に位置合わせすることができる。
本発明の第１の実施形態に係る個体識別装置のブロック図である。 本発明の第１の実施形態に係る個体識別装置のハードウェア構成の一例を示すブロック図である。 本発明の第１の実施形態に係る個体識別装置における共通特徴抽出と個体固有特徴抽出用のパラメータ決定の動作フロー図である。 本発明の第１の実施形態に係る個体識別装置における共通特徴抽出と個体固有特徴抽出用のパラメータ決定処理の一例を示すフローチャートである。 管理対象の製造物の表面パターンを撮像して得られた画像と、その画像を周波数変換して得られた周波数スペクトル画像と、その周波数スペクトル画像を対数極座標変換して得られた周波数スペクトル画像との一例を示す図である。 対数極座標変換後の周波数スペクトルにおける共通特徴と個体固有の特徴との関係を示す図である。 本発明の第１の実施形態に係る個体識別装置における個体登録の動作の処理フロー図である。 本発明の第１の実施形態に係る個体識別装置における個体登録処理の一例を示すフローチャートである。 本発明の第１の実施形態に係る個体識別装置における個体識別および個体照合時の動作の処理フロー図である。 本発明の第１の実施形態に係る個体識別装置における個体識別および個体照合処理の一例を示すフローチャートである。 本発明の第１の実施形態に係る個体識別装置における画像記憶手段の内容の一例を示す図である。 本発明の第１の実施形態に係る個体識別装置における周波数領域変換手段および極座標変換手段の処理結果の一例を示す図である。 本発明の第１の実施形態に係る個体識別装置における共通特徴記憶手段および個体固有特徴抽出パラメータ記憶手段の内容の一例を示す図である。 本発明の第１の実施形態に係る個体識別装置における特徴量記憶手段の内容例を示す図である。 本発明の第２の実施形態に係る個体識別装置のブロック図である。 本発明の第３の実施形態に係る個体識別装置のブロック図である。 本発明の第４の実施形態に係る個体識別装置のブロック図である。 本発明の第５の実施形態に係る個体識別装置のブロック図である。 本発明の第６の実施形態に係る個体識別装置のブロック図である。
[第１の実施形態]
本実施形態は、同一の製造過程を経て製造される複数の製品の表面には、個々の製品固有の微細パターンと、複数の製品に共通な微細パターンとが存在していることを利用する。また、本実施形態は、個々の製品固有の微細パターンと複数の製品に共通な微細パターンとは、空間周波数が相違していることを利用する。以下、本実施形態について、項目別に説明する。
＜本実施形態が解決しようとする課題＞
上記で述べた各文献記載の方法では、製造ラインで大量生産される部品や製品の個体管理を実現する上で、実用上、以下に示す課題がある。
製造ライン上における部品や製品個々の登録時に、部品や製品個々の表面同一箇所を、製造工程のタクトタイムを悪化させることなく、自動的かつ再現性良く撮影する方式が必要である。通常、製品の外観検査用途では、部品の製造ライン上にカメラや照明機器などを設置することで、これを実現している。しかしながら、同一製造過程の製品間に生じる微細な個体差を撮影するためには、表面の微小な部位をズームレンズ等によって拡大する必要がある。しかし、拡大を行うと、撮影時の部品の位置決めの誤差が、撮像画像上で大きな位置ずれとなってしまう。このため、製造ライン上において、部品をカメラの下に極めて精度良く配送する必要がある。これは、既存の製造ラインではその要件を満たすことが難しい。そのため、精度良く位置決め可能な搬送系の導入が必要となる。また、装置導入のコストが大きくなってしまう。
また、特許文献１や特許文献２では、物体表面に撮像機構を押し当て、同一箇所を撮影する方式について記載されている。しかしながら、本方式を製造ライン上に導入するためには、製品個々や撮影機構を精密に動かす機構が必要である。この機構の導入は、通常、大掛かりな装置になりやすい。また、この機構を既存の製造ラインに組み込むためには、製造ラインそのものの設計を大きく変更する必要がある。その結果、大きなコスト増を招く可能性がある。
また、撮影時の部品や製品の位置決め誤差範囲を含めるように広域（広角）に撮影した画像に対して位置合わせを行い、部品や製品の表面における同一箇所から個体固有の特徴を取り出す方式がある。
例えば特許文献１、特許文献２、特許文献３には、撮影時の対象物体の位置の揺らぎを考慮し、撮像画像中に含まれるマークやロゴ等を利用し、撮像画像の位置合わせを行う方式について記載されている。しかしながら、本方式では、個体管理対象の部品や製品において、全個体共通に存在するマークやロゴが必要であり、これらを有さない部品や製品に対しては適用することができない。特に、工業用の部品では、マークやロゴが存在しないものも多く、問題となる。また、製造工程においては、表面に位置決め用のマーク等を施すことで対応することができる。しかし、そのような方法では、製造工程を増やすことになり、タクトタイムの悪化や生産効率の悪化を招く可能性がある。
また、部品の位置ずれ誤差範囲を含む画像全体から特徴量を抽出し、その特徴量を用いて部品や製品個々の個体識別や認証を行う方式が考えられる。
例えば特許文献４には、タガントの分布から特徴点を抽出し、その位置関係に基づく特徴量を用いて照合する方式について記載されている。しかしながら、本方式は基準となるタガントを検出できることが前提である。部品や製品表面を位置ずれ誤差を含むように広域撮影した際には、他のタガントや個体固有の特徴がノイズとなり、再現性のある特徴量として抽出できない可能性がある。また、本方式は、そもそも表面にタガント粒子がランダムに付着している部品や製品しか対応できないという問題がある。
また、類似の技術として、人間の指紋や虹彩、掌紋などのパターンを用いて個人認証を行うバイオメトリクス認証技術がある。通常、指紋や虹彩といった撮影対象に応じて特徴量を設計し、その特徴量同士の類似度を算出することで個体（個人）の識別や認証を行う。しかし、汎用的な画像マッチング手法を用いて個体（個人）の識別や認証を行う方式も存在する。例えば、特許文献５には、人間の指紋の撮像画像に対して２次元フーリエ変換を施し、撮像画像の位相限定相関を用いて、個体（個人）の識別や認証を行う方式が提案されている。また、特許文献６には、虹彩の撮像画像に対して位相限定相関を用いて、個体（個人）の識別や認証を行う方式が提案されている。また、特許文献７には、照合時、入力特徴情報ベクトルについての方向と、登録特徴情報ベクトルについての方向との組み合わせを変更しつつ、両ベクトル間の距離の総和を算出する方式が提案されている。また、特許文献８には、照合画像の照合時、登録画像ごとに、照合画像の位置合わせのための補正を行い、補正された後の照合画像と登録画像との相関処理によって照合を行う方式が提案されている。
上記に例示した汎用的な画像マッチング手法を用いて、製造物表面のランダムパターンの撮像画像のマッチングによる個体識別や個体認証を実現することが考えられる。しかしながら、上記の手法を用いた場合、１回あたりの識別、または照合処理において、比較する画像それぞれに対して２次元フーリエ変換を行う必要があり、計算量が大きい課題がある。特に、大量生産される部品や製品全ての個体管理を実現するためには、登録件数に比例した回数だけ識別、または照合処理を行うことになる。そのため、実利用に耐え得る速度で識別・照合結果を得るためには、大量の計算リソースが必要になり、装置導入にかかるコスト増大の問題がある。
また、画像を保存する代わりに、その画像を２次元フーリエ変換した結果のデータを保存しておくことで、識別や照合処理時の計算量を減らす方式が考えられる。しかしながら、部品の位置決め誤差を考慮するために広域に撮影する場合、その撮像画像はデータサイズが大きく、それに伴いフーリエ変換後のデータサイズも大きい。大量生産される部品や製品全ての個体管理を行う場合、全登録データを保持するために必要な記憶容量は莫大であり、記憶容量増大に伴うコストが増加するという問題がある。
さらに、特許文献８に記載されるように、第１の画像の周波数スペクトル画像と第２の画像の周波数スペクトル画像との間の位相限定相関によって、第２の画像に対する第１の画像の補正情報（倍率情報、回転情報）を生成する方式の位置合わせでは、位置合わせに利用する共通な部分領域以外の領域がノイズとなって、正確な位置合わせが行えないという課題がある。
そこで本実施形態は、上記問題を鑑みてなされたものであり、製造ラインで大量生産される部品や製品の個体管理を実現するのに好適な個体識別・認証方式を提供することにある。
＜本実施形態の構成＞
図１は、本実施形態に係る個体識別装置のブロック図である。本実施形態に係る個体識別装置１００は、画像取得手段１０１と、画像記憶手段１０２と、周波数領域変換手段１０３と、極座標変換手段１０４と、特徴選択手段１０５と、共通特徴記憶手段１０６と、個体固有特徴抽出パラメータ記憶手段１０７と、画像位置合わせ手段１０８と、特徴抽出手段１０９と、特徴量記憶手段１１０と、スコア算出手段１１１と、判定手段１１２と、情報提示手段１１３とを備える。上記特徴選択手段１０５は、基準画像決定部あるいは第２の部分領域決定部とも呼ぶ。上記スコア算出手段１１１、判定手段１１２は、照合部とも呼ぶ。
画像取得手段１０１は、管理対象である製造物の表面の画像を取得する機能を有する。画像記憶手段１０２は、画像取得手段１０１によって得られた画像を記憶する機能を有する。周波数領域変換手段１０３は、画像に対して周波数変換を施し、周波数スペクトル画像に変換する機能を有する。周波数変換としては、２次元離散フーリエ変換を使用するが、２次元離散ウェーブレット変換等、他の方式の周波数変換であってもよい。極座標変換手段１０４は、周波数スペクトル画像を極座標に変換する機能を有する。特徴選択手段１０５は、極座標に変換された周波数スペクトル画像に基づき、複数の製造物の表面の画像に共通して現れる周波数特徴（共通特徴）と、製造物の表面の画像に製造物固有に現れる周波数特徴が出現する周波数帯域を含むパラメータ（個体固有特徴抽出パラメータ）とを求める機能を有する。共通特徴記憶手段１０６は、特徴選択手段１０５から出力された共通特徴を記憶する機能を有する。個体固有特徴抽出パラメータ記憶手段１０７は、特徴選択手段１０５から出力された個体固有特徴抽出パラメータを記憶する機能を有する。
画像位置合わせ手段１０８は、管理対象である製造物の表面の撮像画像に対応する、極座標変換後の周波数スペクトル画像を、共通特徴記憶手段１０６に記憶された共通特徴に対して位置合わせを行う機能を有する。特徴抽出手段１０９は、個体固有特徴抽出パラメータ記憶手段１０７に記憶されたパラメータを用いて、位置合わせ後の周波数スペクトル画像から、個体固有の特徴量を算出する機能を有する。特徴量記憶手段１１０は、撮像画像から特徴抽出手段１０９によって得られた個体固有の特徴量を記憶する機能を有する。スコア算出手段１１１は、クエリ画像である撮像画像から特徴抽出手段１０９によって得られた個体固有の特徴量と、特徴量記憶手段１１０に記憶された特徴量とを比較し、特徴量間の類似度をスコア（数値）として算出する機能を有する。判定手段１１１は、スコア算出手段は１１０で得られたスコアに基づき、識別および照合の判定結果を出力する機能を有する。情報提示手段１１３は、判定結果に基づき個体管理情報を提示する機能を有する。
個体識別装置１００は、例えば図２に示すように、カメラ等の撮像部２０１と、キーボードやマウスなどの操作入力部２０２と、液晶ディスプレイ等の画面表示部２０３と、通信インタフェース部２０４と、メモリやハードディスク等の記憶部２０５と、１以上のマイクロプロセッサ等の演算処理部２０６とを有するパーソナルコンピュータやスマートフォン等の情報処理装置２００と、プログラム２０７とで実現することができる。
プログラム２０７は、情報処理装置２００の立ち上げ時等に外部のコンピュータ読み取り可能な記憶媒体からメモリに読み込まれ、演算処理部２０６の動作を制御することにより、演算処理部２０６上に、画像取得手段１０１、画像記憶手段１０２、周波数領域変換手段１０３、極座標変換手段１０４、特徴選択手段１０５、共通特徴記憶手段１０６、個体固有特徴抽出パラメータ記憶手段１０７、画像位置合わせ手段１０８、特徴抽出手段１０９、特徴量記憶手段１１０、スコア算出手段１１１、判定手段１１２、および情報提示手段１１３といった機能的手段を実現する。
次に、本実施形態に係る個体識別装置１００の動作を、図面を用いて説明する。個体識別装置１００の動作は、以下の三つに大別される。
（ａ）共通特徴の抽出と個体固有特徴抽出パラメータを決定する事前処理の動作
（ｂ）個体登録の動作
（ｃ）個体識別および個体照合の動作
[事前処理：共通特徴の抽出と個体固有特徴抽出パラメータ決定処理]
まず、前段階の処理として、共通特徴の抽出と、個体固有特徴抽出パラメータ決定処理の動作を説明する。
図３および図４は、共通特徴抽出と個体固有特徴抽出パラメータ決定処理の動作フローおよびフローチャートである。
＜画像の取得と保存＞
まず、画像取得手段１０１は、管理対象である複数個の製品それぞれの表面パターンの画像を取得し、画像記憶手段１０２に保存する（ステップＳ１０２）。画像取得手段１０１は、各個体につき少なくとも１枚の画像を取得して、画像記憶手段１０２に保存する。或いは画像取得手段１０１は、個体固有特徴抽出パラメータの精度を高めるために、各個体につき複数枚の画像を取得して、画像記憶手段１０２に保存してもよい。画像取得手段１０１は、カメラやスキャナ等の撮影装置、ネットワーク経由による画像データの取得装置、ＣＤ−ＲＯＭ等の記憶媒体経由等による画像データの取得装置のいずれであってもよい。
また、管理対象の製造物を製造する生産ラインが複数存在する場合、画像取得手段１０１は、取得した製品の表面パターンの画像を生産ライン別に画像記憶手段１０２に保存する。ここで、生産ラインとは、同一・同種の製品を大量に製造するために作られた、流れ作業による組み立て工程、或いは単一の加工機械による単一の組み立て工程を含む。
例えば、第１の生産ラインでは金型Ａ１を使用した鋳造もしくは圧造によって製品を大量生産し、また、第２の生産ラインでは金型Ａ１と同一の金型Ａ２を使用した鋳造もしくは圧造によって製品を大量生産するものとする。この場合、画像取得手段１０１は、第１の生産ラインによって製造された製品の表面パターンの画像と第２の生産ラインによって製造された製品の表面パターンの画像とを区別して、画像記憶手段１０２に保存する。このとき、第１の生産ラインによって製造された製品には、金型Ａ１に固有のパターンが表面全体に転写されている。また、第２の生産ラインによって製造された製品には、金型Ａ２に固有のパターンが表面全体に転写されている。
また例えば、第１の生産ラインでは切断機器Ｂ１を使用して素材を切断することによって製品を大量生産し、また、第２の生産ラインでは切断機器Ｂ１と同一の切断機器Ｂ２を使用して素材を切断することによって製品を大量生産するものとする。この場合、画像取得手段１０１は、第１の生産ラインによって製造された製品の表面パターンの画像と第２の生産ラインによって製造された製品の表面パターンの画像とを区別して、画像記憶手段１０２に保存する。このとき、第１の生産ラインによって製造された製品には、切断機器Ｂ１が有する切断に用いる刃の断面に固有の表面粗さの微細凹凸が切断面に現れる。また、第２の生産ラインによって製造された製品には、切断機器Ｂ２が有する切断に用いる刃の断面に固有の表面粗さの微細凹凸が切断面に現れる。ここで挙げた同一加工方法や機器はあくまで一例であり、その他の同一製造工程や加工機器も同様に扱うことができる。
図１１は画像記憶手段１０２の内容の一例を示す。図１１（ａ）は、画像取得手段１０１が各個体につき１枚の画像を取得して画像記憶手段１０２に保存した例を示す。画像Ｇ1，…，Ｇnはｎ個の製品に１対１に対応するｎ個の画像である。また、図１１（ｂ）は、画像取得手段１０１が各個体につきｍ（ｍ≧２）枚の画像を取得して画像記憶手段１０２に保存した例を示す。画像Ｇ11，…，Ｇ1m、画像Ｇ21，…，Ｇ2m、…、画像Ｇn1，…，Ｇnmは、ｎ個の製品に１対１に対応するｎ×ｍ個の画像である。また、図１１（ｃ）は、画像取得手段１０１が製品の画像を生産ライン別に画像記憶手段１０２に保存した例を示す。画像Ｇ1，…，Ｇnは第１の生産ラインで生産されたｎ個の製品に１対１に対応するｎ個の画像である。画像Ｇn+1，…，Ｇn+nは第２の生産ラインで生産されたｎ個の製品に１対１に対応するｎ個の画像である。図１１（ｃ）の例では、個体１つ当たり１つの画像を保存しているが、個体１つ当たり複数の画像を保存してもよい。
＜共通特徴抽出処理および個体固有特徴抽出パラメータの決定処理＞
次に、周波数領域変換手段１０３は、画像記憶手段１０２から、管理対象である複数個の製品の表面パターンの画像を取り出し、各画像の２次元周波数スペクトルデータに変換する（ステップＳ１０３）。また、周波数領域変換手段１０３は、ステップＳ１０３において、更に、得られた２次元周波数スペクトルデータの対数をとり、対数振幅スペクトルデータに変換してもよい。以後、本処理で得られた２次元周波数スペクトルデータを、周波数スペクトル画像と呼ぶ。
次に、極座標変換部１０４は、周波数領域変換手段１０３によって得られた周波数スペクトル画像を極座標に変換する（ステップＳ１０４）。一般に、実座標における回転方向の動きは、極座標におけるθ軸に沿った横方向の動きになる。そのため、２つの周波数スペクトル画像間の回転変動量は、極座標変換後の２つの周波数スペクトル画像間のθ軸に沿った平行移動量で表現される。また、極座標変換部１０４は、ステップＳ１０４において、周波数領域変換手段１０３によって得られた周波数スペクトル画像を対数極座標に変換してもよい。一般に、実座標におけるスケール変動は、対数極座標におけるｌｏｇ−ｒ軸に沿った横方向の動きになる。そのため、２つの周波数スペクトル画像間の回転変動量とスケール変動は、対数極座標変換後の２つの周波数スペクトル画像間のθ軸に沿った平行移動量とｌｏｇ−ｒ軸に沿った平行移動量とで表現される。そのため、対数極座標への変換は、画像取得時に、撮像画像間に回転変動に加え、スケール変動がある場合に有効である。
図１２は周波数領域変換手段１０３および極座標変換手段１０４の処理結果の一例を示す。図１２（ａ）は、図１１（ａ）に示した各個体につき１枚の画像を処理した結果を示す。画像ＳＧ1，…，ＳＧnはｎ個の製品に１対１に対応するｎ個の極座標変換後の周波数スペクトル画像である。また、図１２（ｂ）は、図１１（ｂ）に示した各個体につきｍ（ｍ≧２）枚の画像を処理した結果を示す。画像ＳＧ11，…，ＳＧ1m、画像ＳＧ21，…，ＳＧ2m、…、画像ＳＧn1，…，ＳＧnmは、ｎ個の製品に１対１に対応するｎ×ｍ個の極座標変換後の周波数スペクトル画像である。また、図１２（ｃ）は、図１１（ｃ）に示した生産ライン別の画像を処理した結果を示す。画像ＳＧ1，…，ＳＧnは第１の生産ラインで生産されたｎ個の製品に１対１に対応するｎ個の極座標変換後の周波数スペクトル画像である。画像ＳＧn+1，…，ＳＧn+nは第２の生産ラインで生産されたｎ個の製品に１対１に対応するｎ個の極座標変換後の周波数スペクトル画像である。
図５は、管理対象の製造物の表面パターンを撮像して得られた画像と、その画像を周波数変換して得られた周波数スペクトル画像と、その周波数スペクトル画像を対数極座標変換して得られた周波数スペクトル画像との一例を示している。
次に、特徴選択手段１０５は、極座標変換部１０４によって得られた極座標変換後の周波数スペクトル画像を用いて、管理対象である複数の製品の画像に共通する周波数スペクトル成分と、個体固有特徴抽出パラメータとを算出する（ステップＳ１０５）。以下、個別に説明する。
＜複数の製品に共通する周波数スペクトル成分（共通特徴）の算出＞
例えば、特徴選択手段１０５は、複数の製品の極座標変換後の周波数スペクトル画像から、特定の周波数帯域の部分を部分領域画像として取り出し、全ての部分領域画像間の正規化相互相関を求めることを繰り返すことによって、共通する周波数スペクトル成分（共通特徴）を算出する。このとき、特徴選択手段１０５は、正規化相互相関に代えて全部分領域画像から全てのペアに対して位相限定相関法を適用し、相関ピークとその周辺領域のＳ／Ｎ比を求め、Ｓ／Ｎ比が最も高い部分領域画像を共通特徴として求めても良い。また、特徴選択手段１０５は、部分領域画像間のユークリッド距離等の距離計算を行い、距離が最小となる部分領域を共通特徴として選択しても良い。また、特徴選択手段１０５は、複数の製品の極座標変換後の周波数スペクトル画像に対して統計的手法や機械学習によって、全ての製品に共通に存在する周波数スペクトル（共通特徴）を求めても良い。
また、製品の表面パターンの画像が生産ライン別に画像記憶手段１０２に保存されている場合、特徴選択手段１０５は、ステップＳ１０５において、生産ライン毎に、その生産ラインで製造された複数の製品の画像に共通する周波数スペクトル成分（共通特徴）を算出する。これにより、例えば、金型Ａ１を使用して製造された複数の製品の周波数スペクトル画像からは、金型Ａ１によって製造時に転写されたパターンに由来する共通の周波数スペクトル成分（共通特徴）が算出され、金型Ａ２を使用して製造された複数の製品の周波数スペクトル画像からは、金型Ａ２による鋳造もしくは圧造時に転写されたパターンに由来する共通の周波数スペクトル成分（共通特徴）が算出される。また、例えば、切断機器Ｂ１を使用して製造された複数の製品の周波数スペクトル画像からは、切断機器Ｂ１による切断時に生じた切断刃の断面に応じた微細凹凸に由来する共通の周波数スペクトル成分（共通特徴）が算出され、切断機器Ｂ２を使用して製造された複数の製品の周波数スペクトル画像からは、切断機器Ｂ２による切断時に生じた切断刃の断面に応じた微細凹凸に由来する共通の周波数スペクトル成分（共通特徴）が算出される。
＜個体固有特徴抽出パラメータの算出＞
特徴選択手段１０５は、極座標変換後の周波数スペクトル画像における共通特徴として算出された周波数スペクトル以外の帯域を、個体固有特徴抽出パラメータとして算出する。例えば、特徴選択手段１０５は、図６に示すように、対数極座標変換後の周波数スペクトルのうちの一部を複数の製品に共通する周波数スペクトル成分（共通特徴）として算出した場合、その算出された周波数スペクトル以外の帯域を、個体固有特徴パラメータとして算出する。好ましくは、特徴選択手段１０５は、共通特徴より高い帯域側の帯域を個体固有特徴パラメータとして選択する。この個体固有特徴抽出パラメータで定まる帯域内に、個体固有の特徴が存在する。このように、共通特徴の周波数帯域と、個体固有特徴抽出パラメータで定まる帯域とは、互いに異なる周波数帯域である。また、共通特徴の周波数帯域と個体固有特徴抽出パラメータで定まる帯域とは、互いに重複しない帯域である。また、共通特徴の周波数帯域は、個体固有特徴抽出パラメータで定まる帯域より周波数の低い帯域である。
また、製品の表面パターンの画像が生産ライン別に画像記憶手段１０２に保存されている場合、特徴選択手段１０５は、ステップＳ１０５において、生産ライン毎に、その生産ラインで製造された複数の製品に共通する周波数スペクトル成分（共通特徴）以外の帯域（好ましくは、共通特徴より高い帯域側の帯域）を、個体固有特徴抽出パラメータとして算出する。
また、個体固有の特徴を抽出する周波数帯域の決定に当たっては、特徴選択手段１０５は、同一個体あるいは異なる個体の複数の周波数スペクトル画像およびその極座標変換後の複数の画像を用いて、主成分分析や線形判別分析等の統計的手法や、機械学習を適用することが好ましい。これにより、特徴選択手段１０５は、撮影時のノイズが多く含まれやすく、個体固有の特徴量としてＳ／Ｎ比の悪い周波数帯域を決定することができる。そして、特徴選択手段１０５は、共通特徴として算出された周波数スペクトル（共通特徴）以外の帯域（好ましくは共通特徴よりも周波数の高い側の帯域）から、上記決定したＳ／Ｎ比の悪い周波数帯域を削減することによって、個体個々の識別に有用な情報のみを特徴量として抽出可能なパラメータを決定する。或いは、特徴選択手段１０５は、共通特徴として算出された周波数スペクトル以外の帯域（好ましくは共通特徴よりも周波数の高い側の帯域）を複数の周波数帯域に分割し、個々の周波数帯域に、上記決定したＳ／Ｎ比に基づいて個体識別に寄与する情報量の程度に応じた重み係数を付与する。この重み係数は、個体固有特徴パラメータに含められ、後述する個体識別および個体照合の性能を向上させるために利用することができる。
特徴選択手段１０５は、算出した複数の製品に共通する周波数スペクトル成分（共通特徴）は共通特徴記憶手段１０６に保存する（ステップＳ１０６）。共通特徴記憶手段１０６に保存された共通特徴は、基準画像とも呼ばれる。また、特徴選択手段１０５は、算出した個体固有特徴抽出パラメータを、個体固有特徴抽出パラメータ記憶手段１０７に保存する（ステップＳ１０６）。
図１３は共通特徴記憶手段１０６および個体固有特徴抽出パラメータ記憶手段１０７の内容の一例を示す。図１３（ａ）は、図１２（ａ）、（ｂ）に示した各個体につき１枚乃至複数枚の画像を処理した結果得られた共通特徴ＣＦおよび個体固有特徴抽出パラメータＰＦＰの格納例を示す。また、図１３（ｂ）は、生産ライン別の格納例を示す。図１３（ｂ）において、共通特徴ＣＦ1と個体固有特徴抽出パラメータＰＦＰ1は、第１の生産ラインの画像を処理した結果得られた共通特徴および個体固有特徴抽出パラメータを示す。また、共通特徴ＣＦ2と個体固有特徴抽出パラメータＰＦＰ2は、第２の生産ラインの画像を処理した結果得られた共通特徴および個体固有特徴抽出パラメータを示す。
[個体登録の動作]
次に、管理対象の物体個々を登録する個体登録の動作について説明する。
図７および図８は、個体登録の動作の処理フローおよびフローチャートである。まず、画像取得手段１０１は、個体登録の対象とする物体の表面を撮像して得られる画像を取得する（ステップＳ２０１）。次に、周波数領域変換手段１０３は、画像取得手段１０１によって取得された撮像画像を周波数変換し、周波数スペクトル画像を生成する（ステップＳ２０２）。次に、極座標変換手段１０４は、周波数領域変換手段１０３によって生成された周波数スペクトル画像を対数極座標変換する（ステップＳ２０３）。これらの処理は、共通特徴抽出および個体固有特徴抽出パラメータ決定を行う事前処理のときと同様である。
次に、画像位置合わせ手段１０８は、極座標変換手段１０４によって得られた個体登録の対象とする物体の撮像画像の周波数スペクトル画像（極座標変換後）と、共通特徴記憶手段１０６に格納された共通特徴（複数の製品に共通する周波数スペクトル成分）とを入力とし、共通特徴に対する周波数スペクトル画像（極座標変換後）の位置ずれ量を補正する（ステップＳ２０４）。画像位置合わせ手段１０８は、共通特徴記憶手段１０６に図１３（ｂ）に示したように、生産ライン別の共通特徴が記憶されている場合、個体登録の対象とする製品が生産された生産ラインに対応する共通特徴を使用する。例えば、個体登録の対象とする製品が第１の生産ラインで生産されたならば、共通特徴ＣＦ1を使用する。
位置ずれ量の補正では、先ず、画像位置合わせ手段１０８は、周波数スペクトル画像（極座標変換後）と共通特徴間の位相限定相関を求め、その相関ピーク位置から位置ずれ量を算出する。次に、画像位置合わせ手段１０８は、この算出した位置ずれ量に従い、個体登録の対象とする物体の撮像画像の周波数スペクトル画像（極座標変換後）を補正する。なお、上記の画像位置合わせ処理は一例に過ぎず、二つの画像間の差分二乗和の最小化や、正規化相互相関に基づく位置合わせ等といった、汎用的な位置合わせ処理でも代替可能なことは言うまでもない。
次に、特徴抽出手段１０９は、画像位置合わせ処理部１０８によって得られた位置合わせ後の周波数スペクトル画像と、個体固有特徴抽出パラメータ記憶手段１０７に格納されたパラメータとを入力する。特徴抽出手段１０９は、個体固有特徴抽出パラメータ記憶手段１０７に図１３（ｂ）に示したように、生産ライン別の個体固有特徴抽出パラメータが記憶されている場合、個体登録の対象とする製品が生産された生産ラインに対応する個体固有特徴抽出パラメータを使用する。例えば、個体登録の対象とする製品が第１の生産ラインで生産されたならば、個体固有特徴抽出パラメータＰＦＰ1を使用する。次に、特徴抽出手段１０９は、入力した個体固有特徴抽出パラメータが示す周波数帯域情報に基づき、位置合わせ後の周波数スペクトル画像から部分画像を切り出し、この切り出した画像を個体固有の特徴量として出力する（ステップＳ２０５）。特徴抽出手段１０９は、個体固有特徴抽出パラメータが周波数毎の重み係数を含む場合は、各周波数成分に重み係数を乗じた後、個体固有の特徴量として出力する。
個体固有の特徴量は、周波数スペクトルの実数値である必要は無く、周波数スペクトルの実数値を０と１の二値データとして表現した数値列としてもよい。例えば、特徴抽出手段１０９は、位置合わせ後の周波数スペクトル画像から、個体固有特徴抽出パラメータで定まる周波数帯域を部分画像として切り出す。次に、特徴抽出手段１０９は、その部分画像からランダムに画素ペアを選択する。或いは特徴抽出手段１０９は、その部分画像上の予め定められた位置の画素ペアを選択する。次に、特徴抽出手段１０９は、選択した画素ペアの値どうしを比較する。次に、特徴抽出手段１０９は、その比較結果に基づき、画素ペアの値の大小関係に応じて０、１の値を割り振る。次に、特徴抽出手段１０９は、こうして０、１の値を割り振って得られる二値のコードを、個体固有の特徴量として出力する。また、特徴抽出手段１０９は、バイナリハッシング（Ｂｉｎａｒｙ Ｈａｓｈｉｎｇ）に代表される二値特徴量に変換する手段を用いて、その他の実数値の特徴ベクトルから生成した二値のコードを、個体固有の特徴量として出力してもよい。
次に、特徴量記憶手段１１０は、特徴抽出手段１０９によって得られた登録対象の個体固有の特徴量を記憶する（ステップＳ２０６）。このとき、特徴量記憶手段１１０は、登録対象の個体のＩＤ番号、登録日時、寸法、製品仕様等といった当該登録対象の製造物に関わる情報（付帯情報とも称す）と紐付けて（対応付けて）個体固有の特徴量を登録する。こうしておくことで、後述する個体識別や個体認証時の判定結果に基づき、製造物の個体管理情報を提示することが可能になる。
図１４は、特徴量記憶手段１１０の内容例を示す。特徴量ＰＦ1，…，ＰＦnおよび付帯情報ＳＩ1，…，ＳＩnは、登録対象の個体に１対１に対応する特徴量および付帯情報である。
[個体識別および個体照合の動作]
次に、管理対象の物体個々を識別および照合する動作について説明する。
図９および図１０は、個体識別および個体照合時の動作の処理フローおよびフローチャートである。まず、画像取得手段１０１は、識別および照合の対象とする物体の表面を撮像して得られる画像を取得する（ステップＳ３０１）。次に、周波数領域変換手段１０３は、画像取得手段１０１によって取得された撮像画像を周波数変換し、周波数スペクトル画像を生成する（ステップＳ３０２）。次に、極座標変換手段１０４は、周波数領域変換手段１０３によって生成された周波数スペクトル画像を対数極座標変換する（ステップＳ３０３）。これらステップＳ３０１〜Ｓ３０３の処理は、個体登録の動作時における図８のステップＳ２０１〜Ｓ２０３の処理と同様である。
次に、画像位置合わせ手段１０８は、極座標変換手段１０４によって得られた識別および照合の対象とする物体の撮像画像の周波数スペクトル画像（極座標変換後）と、共通特徴記憶手段１０６に格納された共通特徴（複数の製品に共通する周波数スペクトル成分）とを入力とし、共通特徴に対する周波数スペクトル画像（極座標変換後）の位置ずれ量を補正する（ステップＳ３０４）。画像位置合わせ手段１０８は、共通特徴記憶手段１０６に図１３（ｂ）に示したように、生産ライン別の共通特徴が記憶されている場合、それら全ての共通特徴を使用する。即ち、画像位置合わせ手段１０８は、共通特徴ＣＦ1に対する周波数スペクトル画像（極座標変換後）の位置ずれ量を補正して、位置合わせ後の周波数スペクトル画像（極座標変換後）（以下、第１の位置合わせ後の周波数スペクトル画像と称す）を生成する。また、画像位置合わせ手段１０８は、共通特徴ＣＦ2に対する周波数スペクトル画像（極座標変換後）の位置ずれ量を補正して、位置合わせ後の周波数スペクトル画像（極座標変換後）（以下、第２の位置合わせ後の周波数スペクトル画像と称す）を生成する。位置ずれ量の補正方法は、個体登録の動作時における図８のステップＳ２０４の処理と同様である。
次に、特徴抽出手段１０９は、画像位置合わせ処理部１０８によって得られた位置合わせ後の周波数スペクトル画像と、個体固有特徴抽出パラメータ記憶手段１０７に格納されたパラメータとを入力する。特徴抽出手段１０９は、個体固有特徴抽出パラメータ記憶手段１０７に図１３（ｂ）に示したように、生産ライン別の個体固有特徴抽出パラメータが記憶されている場合、全ての個体固有特徴抽出パラメータを使用する。即ち、位置合わせ後の周波数スペクトル画像が共通特徴ＣＦ1を使用して位置合わせされたものである場合、特徴抽出手段１０９は、共通特徴ＣＦ1と組みになる個体固有特徴抽出パラメータＰＦＰ1を使用する。また、位置合わせ後の周波数スペクトル画像が共通特徴ＣＦ2を使用して位置合わせされたものである場合、特徴抽出手段１０９は、共通特徴ＣＦ2と組みになる個体固有特徴抽出パラメータＰＦＰ2を使用する。
次に、特徴抽出手段１０９は、入力した個体固有特徴抽出パラメータが示す周波数帯域情報に基づき、位置合わせ後の周波数スペクトル画像から部分画像を切り出し、この切り出した画像を個体固有の特徴量として出力する（ステップＳ３０５）。特徴抽出手段１０９は、位置合わせ後の周波数スペクトル画像が複数存在する場合、それぞれから個体固有の特徴量を抽出する。例えば、特徴抽出手段１０９は、個体固有特徴抽出パラメータＰＦＰ1が示す周波数帯域情報に基づき、上述した第１の位置合わせ後の周波数スペクトル画像から個体固有の特徴量（以下、第１の個体固有の特徴量と記す）を抽出する。また、特徴抽出手段１０９は、個体固有特徴抽出パラメータＰＦＰ2が示す周波数帯域情報に基づき、上述した第２の位置合わせ後の周波数スペクトル画像から個体固有の特徴量（以下、第２の個体固有の特徴量と記す）を抽出する。また、特徴抽出手段１０９は、個体固有特徴抽出パラメータが周波数毎の重み係数を含む場合は、各周波数成分に重み係数を乗じた後、個体固有の特徴量として出力する。個体登録時と同様に、個体固有の特徴量は、周波数スペクトルの実数値である必要は無く、周波数スペクトルの実数値を０と１の二値データとして表現した数値列としてもよい。また、バイナリハッシング（Ｂｉｎａｒｙ Ｈａｓｈｉｎｇ）に代表される二値特徴量に変換する手段を用いて、その他の実数値の特徴ベクトルから生成した二値のコードを、個体固有の特徴量としてもよい。
次に、スコア算出手段１１１は、特徴抽出手段１０９によって得られた識別および照合の対象とする製品の個体固有の特徴量と、特徴量記憶手段１１０に記憶された全ての特徴量とを比較し、特徴量間の類似性を表すスコアを数値として算出する（ステップＳ３０６）。スコア算出手段１１１は、識別および照合の対象とする個体固有の特徴量が複数存在する場合、その個体固有の特徴量それぞれと特徴量記憶手段１１０に記憶された全ての特徴量とを比較してスコアを算出する。例えば、スコア算出手段１１１は、上述した第１の個体固有の特徴量と特徴量記憶手段１１０に記憶された図１４の特徴量ＰＦ1，…，ＰＦnとを比較して、ｎ個のスコアを算出する。また、スコア算出手段１１１は、上述した第２の個体固有の特徴量と特徴量記憶手段１１０に記憶された図１４の特徴量ＰＦ1，…，ＰＦnとを比較して、更に別のｎ個のスコアを算出する。
スコア算出手段１１１は、例えば、二つの特徴量間の正規化相互相関や位相限定相関を求めることによって、特徴量間のスコアを算出する。或いは、スコア算出手段１１１は、二つの特徴量間のハミング距離やユークリッド距離をスコアとして算出してもよい。また、スコア算出手段１１１は、上記相関の値や上記距離に対して何らかの線形変換を施し、或る値の範囲内に収まるようにスコアを正規化しても良い。
続いて、判定手段１１２は、スコア算出手段１１１が算出したスコアに基づき、識別および照合対象の製品の撮像画像が、特徴量記憶手段１１０に格納されている、どの特徴量と合致するかを判定する。例えば、判定手段１１２は、識別および照合対象の製品の撮像画像から得られた特徴量と特徴量記憶手段１１９に格納された全特徴量とのスコアをソートし、スコアが最大（正規化相互相関が最大）となる特徴量を選択する（ステップＳ３０７）。そして、判定手段１１２は、選択された特徴量に紐付いた付帯情報を特徴量記憶手段１１０から読み出して、識別および照合対象の製品の生産物情報として出力する。
また、判定手段１１２は、識別および照合対象の製品の撮像画像から得られた特徴量と特徴量記憶手段１１９に格納された全特徴量とのスコアが、予め設定された閾値を超えるかどうかの判定を行ってもよい。そして、判定手段１１２は、識別および照合対象の製品の撮像画像から得られた特徴量と特徴量記憶手段１１９に格納された全特徴量とのスコアのいずれも閾値を超えない場合、識別および照合対象の製品は、登録されていないと判断し、認証エラーを表す情報を出力する。このように動作する判定手段１１２は、管理対象の真贋判定といった、個体認証目的で使用することができる。
続いて、情報提示手段１１３は、判定手段１１２から得た生産物情報や、認証エラー情報を受け、識別および照合対象の製品の個体識別結果である生産物情報や、個体認証情報を図示しない表示装置に表示し或いは外部の端末へ出力する（ステップＳ３０８）。
＜本実施形態の効果＞
本実施形態によれば、物体を撮像して得られた画像を正確に位置合わせすることができる。その理由は、画像位置合わせ手段１０８は、位置合わせ対象とする画像（本実施形態では極座標変換後の周波数スペクトル画像）における部分領域（本実施形態では複数の製品に共通する周波数スペクトル成分）に基づき位置合わせを行うためである。
また本実施形態によれば、製造ラインで大量生産される部品や製造物の個体管理を、既存の製造ラインに対して低コストの追加装置の導入によって、実現することができる。その理由は、上述したように画像を正確に位置合わせできるため、精度良く位置決めするための搬送系や、物体表面に撮像機構を押し当てて同一箇所を撮影する機構や、位置決め用のマークの付与や、タガント粒子の付与や、登録件数に比例した回数の識別および照合処理等が不要になるためである。
[第２の実施形態]
図１５は、本実施形態に係る個体識別装置のブロック図である。本実施形態に係る個体識別装置３００は、図１に示した個体識別装置１００と比較して、個体固有特徴抽出パラメータ記憶手段１０７が省略されていることと、特徴選択手段１０５と特徴抽出手段１０９の機能が相違していることで相違し、それ以外は同じである。
個体識別装置３００の特徴選択手段１０５は、図１に示した個体識別装置１００の特徴選択手段１０５と比較して、個体固有特徴抽出パラメータを算出する機能が省略されている点で相違し、それ以外は同じである。
個体識別装置３００の特徴抽出手段１０９は、位置合わせ後の画像（極座標変換後の周波数スペクトル画像）の予め定められた帯域から個体固有の特徴量を抽出する点で、個体識別装置１００の特徴抽出手段１０９と相違し、それ以外は同じである。予め定められた帯域は、共通特徴記憶手段１０９に記憶された複数の製品に共通な周波数スペクトル領域以外の帯域を含むように設定されていれば、複数の製品に共通な周波数スペクトル領域を含んでいてもよい。
本実施形態に係る個体識別装置３００は、図１に示した個体識別装置１００と比較して、特徴抽出手段１０９によって個体の画像から抽出される特徴量が、個体固有の特徴量以外に複数の個体に共通な特徴量が含まれる可能性がある点で識別・照合精度が低下するが、構成および動作が簡略化されるメリットがある。
[第３の実施形態]
図１６は、本実施形態に係る個体識別装置のブロック図である。本実施形態に係る個体識別装置４００は、図１５に示した個体識別装置３００と比較して、画像位置合わせ手段１０８と特徴抽出手段１０９の機能が相違し、それ以外は同じである。
個体識別装置４００の画像位置合わせ手段１０８は、極座標変換手段１０４によって得られた物体の撮像画像の周波数スペクトル画像（極座標変換後）と、共通特徴記憶手段１０６に格納された共通特徴（即ち複数の製品に共通する周波数スペクトル成分）とを入力とし、共通特徴に対する周波数スペクトル画像（極座標変換後）の位置ずれ量を算出する。次に、画像位置合わせ手段１０８は、算出した位置ずれ量に基づいて、物体の撮像画像の倍率情報（拡大／縮小率）および回転角度情報を示す補正量を算出する。これは、実座標における回転方向の動きは極座標におけるθ軸に沿った横方向の動きになり、実座標におけるスケール変動は、対数極座標におけるｌｏｇ−ｒ軸に沿った横方向の動きになることを利用する。次に、画像位置合わせ手段１０８は、算出した補正量に従って、画像取得手段１０１で取得された撮像画像を補正する。具体的には、画像位置合わせ手段１０８は、補正量に含まれる倍率情報に従って撮像画像を拡大／縮小処理し、補正量に含まれる回転角度情報に従って撮像画像を回転処理する。
個体識別装置４００の特徴抽出手段１０９は、画像位置合わせ処理部１０８によって得られた位置合わせ後の撮像画像から個体固有の特徴量を抽出する。個体固有の特徴量は、撮像画像の輝度値である必要は無く、撮像画像の輝度値を０と１の二値データとして表現した数値列としてもよい。例えば、特徴抽出手段１０９は、位置合わせ後の撮像画像から、所定位置の画素ペアを選択し、その大小関係に応じて０、１の値を割り振り、二値のコードとしたものを特徴量としてもよい。また、特徴抽出手段１０９は、バイナリハッシング（Ｂｉｎａｒｙ Ｈａｓｈｉｎｇ）に代表される二値特徴量に変換する手段を用いて、その他の実数値の特徴ベクトルから生成した二値のコードを特徴量としてもよい。
本実施形態に係る個体識別装置４００は、図１に示した個体識別装置１００と比較して、元の撮像画像の空間領域での位置合わせ処理が必要になるが、元の撮像画像から直接に特徴量を抽出することができる。
[第４の実施形態]
図１７は、本実施形態に係る個体識別装置のブロック図である。本実施形態に係る個体識別装置５００は、図１に示した個体識別装置１００と比較して、極座標変換手段１０４が省略されていることと、特徴選択手段１０５と画像位置合わせ手段１０８の機能とが相違することで相違し、それ以外は同じである。
個体識別装置５００の特徴選択手段１０５は、図１に示した個体識別装置１００の特徴選択手段１０５と比較して、周波数領域変換手段１０３によって生成された物体の周波数スペクトル画像（極座標変換無し）から複数の製品に共通する周波数スペクトル成分（共通特徴）と個体固有特徴抽出パラメータとを算出する点で相違し、それ以外は同じである。
個体識別装置５００の画像位置合わせ手段１０８は、周波数領域変換手段１０３によって得られた物体の撮像画像の周波数スペクトル画像（極座標変換無し）と、共通特徴記憶手段１０６に格納された共通特徴（複数の製品に共通する周波数スペクトル成分）とを入力とし、共通特徴に対する周波数スペクトル画像（極座標変換無し）の位置ずれ量を補正する。例えば、画像位置合わせ手段１０８は、周波数スペクトル画像（極座標変換無し）と共通特徴間の位相限定相関を求め、その相関ピーク位置から位置ずれ量を算出する。そして、画像位置合わせ手段１０８は、この算出した位置ずれ量に従い、物体の撮像画像の周波数スペクトル画像（極座標変換無し）を補正する。なお、上記の画像位置合わせ処理は一例に過ぎず、二つの画像間の差分二乗和の最小化や、正規化相互相関に基づく位置合わせ等といった、汎用的な位置合わせ処理でも代替可能なことは言うまでもない。
本実施形態に係る個体識別装置５００は、図１に示した個体識別装置１００と比較して、極座標あるいは対数極座標への変換処理が無い分だけ構成および動作が簡略化されるメリットがある。本実施形態は、画像取得時に、スケール変動がなく、撮像画像間に回転変動がある場合に有効である。
[第５の実施形態]
図１８は、本実施形態に係る個体識別装置のブロック図である。本実施形態に係る個体識別装置６００は、図１に示した個体識別装置１００と比較して、周波数領域変換手段１１４を更に備えていることと、特徴選択手段１０５と画像位置合わせ手段１０８と特徴抽出手段１０９の機能が相違していることで相違し、それ以外は同じである。
極座標変換手段１０４によって生成された極座標変換後の周波数スペクトル画像に対して、更に２次元離散フーリエ変換等の周波数変換を行う機能を有する。極座標変換手段１０４による変換結果の画像は、特徴選択手段１０５と画像位置合わせ手段１０８に出力される。
個体識別装置６００の特徴選択手段１０５は、図１の特徴選択手段１０５と比較して、周波数領域変換手段１１４によって得られた極座標変換後の周波数スペクトル画像を更に周波数変換して得られる画像から、管理対象である複数の製品に共通する周波数スペクトル成分（共通特徴）と個体固有特徴抽出パラメータとを算出する点で、相違する。
個体識別装置６００の画像位置合わせ手段１０８は、図１に示した画像位置合わせ手段１０８と比較して、管理対象の製造物表面の撮像画像に対応する、極座標変換後の周波数スペクトル画像を更に周波数変換して得られる画像を、共通特徴記憶手段１０６に記憶された共通特徴に対して位置合わせを行う点で相違する。
個体識別装置６００の特徴抽出手段１０９は、位置合わせ後の画像（極座標変換後の周波数スペクトル画像を更に周波数変換した後の画像）から個体固有の特徴量を抽出する点で、個体識別装置１００の特徴抽出手段１０９と相違し、それ以外は同じである。
［第６の実施の形態］
図１９は、本実施形態に係る個体識別装置のブロック図である。本実施形態に係る個体識別装置７００は、変換手段７０１と位置合わせ手段７０２とを備えている。
変換手段７０１は、物体を撮像して得られた画像に周波数変換を行う機能を有する。変換手段７０１は、例えば、図１の周波数領域変換手段１０３によって実現することができるが、それに限定されない。
位置合わせ手段７０２は、変換手段７０１による周波数変換後の画像における第１の部分領域に基づき、物体の個体を識別する特徴量を抽出するための画像の位置合わせを行う機能を有する。この位置合わせ手段７０２は、例えば、図１の画像位置合わせ手段１０８、あるいは図１５の画像位置合わせ手段１０８、あるいは図１６の画像位置合わせ手段１０８、或いは図１７の画像位置合わせ手段１０８によって実現することができるが、それに限定されない。
このように構成された個体識別装置７００は、以下のように動作する。即ち、先ず、変換手段７０１は、物体を撮像して得られた画像に周波数変換を行う。次に、位置合わせ手段７０２は、変換手段７０１による周波数変換後の画像における第１の部分領域に基づき、物体の個体を識別する特徴量を抽出するための画像の位置合わせを行う。
このように本実施形態によれば、画像を正確に位置合わせすることができる。その理由は、変換手段７０１が物体を撮像して得られた画像に周波数変換を行い、位置合わせ手段７０２が周波数変換後の画像における第１の部分領域に基づき、物体の個体を識別する特徴量を抽出するための画像の位置合わせを行うためである。
以上、上記各実施形態を参照して本発明を説明したが、本発明は、上述した実施形態に限定されるものではない。本発明の構成や詳細には、本発明の範囲内で当業者が理解しうる様々な変更をすることができる。
本発明は、製品表面の微細凹凸や紋様、素材表面のランダムパターン等の、同一製造過程で生じる自然発生的な微細なパターンの差異を、カメラ等の撮像装置を用いて画像として取得し、その微細なパターンを認識することで、製品個々の個体識別や管理を行う分野に利用できる。
上記の実施形態の一部又は全部は、以下の付記のようにも記載され得るが、以下には限られない。
［付記１］
物体を撮像して得られた画像に周波数変換を行う変換部と、
前記周波数変換後の画像における第１の部分領域に基づき、前記物体の個体を識別する特徴量を抽出するための画像の位置合わせを行う位置合わせ部と、
を備える個体識別装置。
［付記２］
前記第１の部分領域は、前記周波数変換後の前記画像を極座標変換または対数極座標変換した後の画像における部分領域である、
付記１に記載の個体識別装置。
［付記３］
前記第１の部分領域は、前記周波数変換後の前記画像を極座標変換または対数極座標変換し、さらに周波数変換した後の画像における部分領域である、
付記１に記載の個体識別装置。
［付記４］
前記第１の部分領域は、個体共通の特徴を示す領域である、
付記１乃至３の何れかに記載の個体識別装置。
［付記５］
前記特徴量を抽出するために位置合わせを行う前記画像は、前記周波数変換後の前記画像である、
付記１乃至４の何れかに記載の個体識別装置。
［付記６］
前記位置合わせ部は、前記第１の部分領域の基準画像と前記位置合わせ前の画像とを比較した結果に基づいて、前記基準画像と前記位置合わせ前の画像との位置ずれ量を算出し、位置合わせ後の画像を生成するために前記位置ずれ量に基づいて前記位置合わせ前の画像の位置ずれを補正する、
付記１乃至５の何れかに記載の個体識別装置。
［付記７］
複数の物体を撮像して得られた複数の画像を周波数変換した後の複数の画像から、共通する特徴を示す部分領域を前記基準画像として抽出する基準画像決定部を、更に備える、
付記６に記載の個体識別装置。
［付記８］
前記位置合わせ部は、前記第１の部分領域の複数の基準画像と前記位置合わせ前の画像とを比較した結果に基づいて、前記複数の基準画像と前記位置合わせ前の画像との複数の位置ずれ量を算出し、複数の位置合わせ後の画像を生成するために前記複数の位置ずれ量に基づいて前記位置合わせ前の複数の画像の位置ずれを補正する、
付記１乃至５の何れかに記載の個体識別装置。
［付記９］
生産ラインで製造された複数の物体を撮像して得られた複数の画像を周波数変換した後の複数の画像から、共通する特徴を示す部分領域を前記生産ラインに１対１に対応する前記基準画像として抽出する基準画像決定部を、更に備える、
付記８に記載の個体識別装置。
［付記１０］
前記位置合わせ後の画像から前記特徴量を抽出する特徴抽出部を、更に備える、
付記１乃至９の何れかに記載の個体識別装置。
［付記１１］
前記特徴抽出部は、前記位置合わせ後の画像における第２の部分領域から前記特徴量を抽出する、
付記１０に記載の個体識別装置。
［付記１２］
前記第２の部分領域は、個体固有の特徴を示す領域である、
付記１１に記載の個体識別装置。
［付記１３］
前記第１の部分領域と前記第２の部分領域とは互いに異なる周波数帯域である、
付記１１または１２に記載の個体識別装置。
［付記１４］
前記第２の部分領域は、周波数スペクトルに対して重み係数が付与された周波数帯域である、
付記１１乃至１３の何れかに記載の個体識別装置。
［付記１５］
複数の物体を撮像して得られた複数の画像を周波数変換した後の複数の画像に共通する特徴を示す部分領域以外の部分領域を前記第２の部分領域として抽出する第２の部分領域決定部を、更に備える、
付記１１乃至１４の何れかに記載の個体識別装置。
［付記１６］
生産ラインで製造された複数の物体を撮像して得られた複数の画像を周波数変換した後の複数の画像から、共通する特徴を示す部分領域以外の部分領域を前記生産ラインに１対１に対応する前記第２の部分領域として抽出する第２の部分領域決定部を、更に備える、
付記１１乃至１４の何れかに記載の個体識別装置。
［付記１７］
前記位置合わせを行う前記画像は、前記周波数変換前の前記画像である、
付記１乃至４の何れかに記載の個体識別装置。
［付記１８］
前記抽出された特徴量を、前記物体の識別番号に関連付けて記憶する記憶部を、更に備える、
付記１０乃至１７の何れかに記載の個体識別装置。
［付記１９］
前記抽出された特徴量を、予め登録されている物体の特徴量と照合する照合部を、更に備える、
付記１０乃至１８の何れかに記載の個体識別装置。
［付記２０］
物体を撮像して得られた画像に周波数変換を行い、
前記周波数変換後の画像における第１の部分領域に基づき、前記物体の個体を識別する特徴量を抽出するための画像の位置合わせを行う、
個体識別方法。
［付記２１］
前記第１の部分領域は、前記周波数変換後の前記画像を極座標変換または対数極座標変換した後の画像における部分領域である、
付記２０に記載の個体識別方法。
［付記２２］
前記第１の部分領域は、前記周波数変換後の前記画像を極座標変換または対数極座標変換し、さらに周波数変換した後の画像における部分領域である、
付記２０に記載の個体識別方法。
［付記２３］
前記第１の部分領域は、個体共通の特徴を示す領域である、
付記２０乃至２２の何れかに記載の個体識別方法。
［付記２４］
前記特徴量を抽出するために位置合わせを行う前記画像は、前記周波数変換後の前記画像である、
付記２０乃至２３の何れかに記載の個体識別方法。
［付記２５］
前記位置合わせでは、前記第１の部分領域の基準画像と前記位置合わせ前の画像とを比較した結果に基づいて、前記基準画像と前記位置合わせ前の画像との位置ずれ量を算出し、位置合わせ後の画像を生成するために前記位置ずれ量に基づいて前記位置合わせ前の画像の位置ずれを補正する、
付記２０乃至２４の何れかに記載の個体識別方法。
［付記２６］
更に、複数の物体を撮像して得られた複数の画像を周波数変換した後の複数の画像から、共通する特徴を示す部分領域を前記基準画像として抽出する、
付記２５に記載の個体識別方法。
［付記２７］
前記位置合わせでは、前記第１の部分領域の複数の基準画像と前記位置合わせ前の画像とを比較した結果に基づいて、前記複数の基準画像と前記位置合わせ前の画像との複数の位置ずれ量を算出し、複数の位置合わせ後の画像を生成するために前記複数の位置ずれ量に基づいて前記位置合わせ前の複数の画像の位置ずれを補正する、
付記２０乃至２４の何れかに記載の個体識別方法。
［付記２８］
更に、生産ラインで製造された複数の物体を撮像して得られた複数の画像を周波数変換した後の複数の画像から、共通する特徴を示す部分領域を前記生産ラインに１対１に対応する前記基準画像として抽出する、
付記２７に記載の個体識別方法。
［付記２９］
更に、前記位置合わせ後の画像から前記特徴量を抽出する、
付記２０乃至２８の何れかに記載の個体識別方法。
［付記３０］
前記特徴量の抽出では、前記位置合わせ後の画像における第２の部分領域から前記特徴量を抽出する、
付記２９に記載の個体識別方法。
［付記３１］
前記第２の部分領域は、個体固有の特徴を示す領域である、
付記３０に記載の個体識別方法。
［付記３２］
前記第１の部分領域と前記第２の部分領域とは互いに異なる周波数帯域である、
付記３０または３１に記載の個体識別方法。
［付記３３］
前記第２の部分領域は、周波数スペクトルに対して重み係数が付与された周波数帯域である、
付記３０乃至３２の何れかに記載の個体識別方法。
［付記３４］
更に、複数の物体を撮像して得られた複数の画像を周波数変換した後の複数の画像に共通する特徴を示す部分領域以外の部分領域を前記第２の部分領域として抽出する、
付記３０乃至３３の何れかに記載の個体識別方法。
［付記３５］
更に、生産ラインで製造された複数の物体を撮像して得られた複数の画像を周波数変換した後の複数の画像から、共通する特徴を示す部分領域以外の部分領域を前記生産ラインに１対１に対応する前記第２の部分領域として抽出する、
付記３０乃至３３の何れかに記載の個体識別方法。
［付記３６］
前記位置合わせを行う前記画像は、前記周波数変換前の前記画像である、
付記３０乃至３３の何れかに記載の個体識別方法。
［付記３７］
更に、前記抽出された特徴量を、前記物体の識別番号に関連付けて記憶する、
付記２９乃至３６の何れかに記載の個体識別方法。
［付記３８］
更に、前記抽出された特徴量を、予め登録されている物体の特徴量と照合する、
付記２９乃至３８の何れかに記載の個体識別方法。
［付記３９］
コンピュータを、
物体を撮像して得られた画像に周波数変換を行う変換部と、
前記周波数変換後の画像における第１の部分領域に基づき、前記物体の個体を識別する特徴量を抽出するための画像の位置合わせを行う位置合わせ部と、
して機能させるためのプログラム。
１００…個体識別装置
１０１…画像取得手段
１０２…画像記憶手段
１０３…周波数領域変換手段
１０４…極座標変換手段
１０５…特徴選択手段
１０６…共通特徴記憶手段
１０７…個体固有特徴抽出パラメータ記憶手段
１０８…画像位置合わせ手段
１０９…特徴抽出手段
１１０…特徴量記憶手段
１１１…スコア算出手段
１１２…判定手段
１１３…情報提示手段
１１４…周波数領域変換手段
２００…情報処理装置
２０１…撮像部
２０２…操作入力部
２０３…画面表示部
２０４…通信インタフェース部
２０５…記憶部
２０６…演算処理部
２０７…プログラム
３００…個体識別装置
４００…個体識別装置
５００…個体識別装置
６００…個体識別装置
７００…個体識別装置
７０１…変換手段
７０２…位置合わせ手段

Claims (8)

  1. 物体を撮像して得られた画像に周波数変換を行う変換部と、
    複数の前記物体を撮像して得られた複数の画像を周波数変換した後の複数の画像から抽出された、前記複数の物体に共通する微細パターンの特徴を示す部分領域を基準画像とし、前記周波数変換後の画像と前記基準画像とを比較した結果に基づいて、前記周波数変換後の画像の位置合わせを行う位置合わせ部と、
    を備える個体識別装置。
  2. 前記位置合わせ部は、前記周波数変換後の画像と複数の前記基準画像とを比較した結果に基づいて、前記周波数変換後の画像の位置合わせを行って複数の位置合わせ後の画像を生成する、
    請求項１に記載の個体識別装置。
  3. 複数の前記物体を撮像して得られた複数の画像を周波数変換した後の複数の画像から、前記複数の物体に共通する微細パターンの特徴を示す部分領域を前記基準画像として抽出する基準画像決定部を、更に備える、
    請求項１または２に記載の個体識別装置。
  4. 生産ラインで製造された複数の前記物体を撮像して得られた複数の画像を周波数変換した後の複数の画像から、共通する特徴を示す部分領域を前記生産ラインに１対１に対応する前記基準画像として抽出する基準画像決定部を、更に備える、
    請求項１または２に記載の個体識別装置。
  5. 位置合わせ後の画像における所定領域から前記物体の個体を識別する特徴量を抽出する特徴抽出部を、更に備える、
    請求項１乃至４の何れかに記載の個体識別装置。
  6. 生産ラインで製造された複数の前記物体を撮像して得られた複数の画像を周波数変換した後の複数の画像から、共通する特徴を示す部分領域以外の部分領域を前記生産ラインに１対１に対応する前記所定領域として抽出する特徴抽出領域決定部を、更に備える、
    請求項５に記載の個体識別装置。
  7. 物体を撮像して得られた画像に周波数変換を行い、
    複数の前記物体を撮像して得られた複数の画像を周波数変換した後の複数の画像から抽出された、前記複数の物体に共通する微細パターンの特徴を示す部分領域を基準画像とし、前記周波数変換後の画像と前記基準画像とを比較した結果に基づいて、前記周波数変換後の画像の位置合わせを行う、
    個体識別方法。
  8. コンピュータに、
    物体を撮像して得られた画像に周波数変換を行う処理と、
    複数の前記物体を撮像して得られた複数の画像を周波数変換した後の複数の画像から抽出された、前記複数の物体に共通する微細パターンの特徴を示す部分領域を基準画像とし、前記周波数変換後の画像と前記基準画像とを比較した結果に基づいて、前記周波数変換後の画像の位置合わせを行う処理と、
    を行わせるためのプログラム。
JP2018553570A 2016-11-30 2016-11-30 個体識別装置 Active JP6810392B2 (ja)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/JP2016/085541 WO2018100669A1 (ja) 2016-11-30 2016-11-30 個体識別装置

Publications (2)

Publication Number Publication Date
JPWO2018100669A1 JPWO2018100669A1 (ja) 2019-07-25
JP6810392B2 true JP6810392B2 (ja) 2021-01-06

Family

ID=62242402

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2018553570A Active JP6810392B2 (ja) 2016-11-30 2016-11-30 個体識別装置

Country Status (3)

Country Link
US (1) US11037326B2 (ja)
JP (1) JP6810392B2 (ja)
WO (1) WO2018100669A1 (ja)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP7011152B2 (ja) * 2017-08-30 2022-01-26 富士通株式会社 生体画像処理装置、生体画像処理方法、及び生体画像処理プログラム
US10638109B2 (en) * 2017-09-15 2020-04-28 Elphel, Inc. Method for the FPGA-based long range multi-view stereo with differential image rectification
WO2020110309A1 (ja) * 2018-11-30 2020-06-04 日本電気株式会社 画像照合装置、画像照合方法、プログラム
EP3719831A1 (en) * 2019-04-05 2020-10-07 ASML Netherlands B.V. Systems and methods for image enhancement for a multi-beam charged-particle inspection system
US11989925B2 (en) * 2019-05-16 2024-05-21 Nec Corporation Image matching apparatus
JP7264268B2 (ja) * 2019-10-04 2023-04-25 日本電気株式会社 表面性状推定システム
EP4024847A4 (en) * 2020-10-23 2022-09-28 NEC Corporation INDIVIDUAL IDENTIFICATION DEVICE

Family Cites Families (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3235075B2 (ja) 1996-08-21 2001-12-04 株式会社山武 パターン照合装置
KR100308456B1 (ko) * 1999-07-09 2001-11-02 오길록 주파수 공간상에서의 질감표현방법 및 질감기반 검색방법
JP2004240931A (ja) 2003-02-05 2004-08-26 Sony Corp 画像照合装置、画像照合方法、およびプログラム
JP4337422B2 (ja) 2003-06-20 2009-09-30 富士ゼロックス株式会社 物品登録装置、物品確認装置、及び物品登録確認装置
JP4342299B2 (ja) 2003-12-26 2009-10-14 富士通株式会社 共通パターン抽出プログラムおよび共通パターン抽出方法
US7687271B2 (en) 2004-04-22 2010-03-30 Kodak Graphic Communications Canada Company Covert authentication method and apparatus
JP4664147B2 (ja) 2005-07-29 2011-04-06 株式会社山武 虹彩認証装置
JP5631769B2 (ja) * 2011-02-17 2014-11-26 株式会社東芝 画像処理装置
JP2013196418A (ja) 2012-03-21 2013-09-30 Dainippon Printing Co Ltd 個体識別装置、個体識別方法、プログラム
JP6075084B2 (ja) 2013-01-25 2017-02-08 富士通株式会社 画像変換装置、画像変換方法、生体認証装置及び生体認証方法ならびに画像変換用コンピュータプログラム
CN105264568B (zh) 2013-04-04 2019-06-14 日本电气株式会社 识别系统、识别方法、匹配设备和程序
JP6163868B2 (ja) 2013-05-20 2017-07-19 コニカミノルタ株式会社 画像処理方法、画像処理装置および画像処理プログラム
JP6096872B1 (ja) * 2015-11-30 2017-03-15 ファナック株式会社 製造ラインの生産実績情報を管理する生産管理装置及び生産システム

Also Published As

Publication number Publication date
JPWO2018100669A1 (ja) 2019-07-25
US20190287266A1 (en) 2019-09-19
WO2018100669A1 (ja) 2018-06-07
US11037326B2 (en) 2021-06-15

Similar Documents

Publication Publication Date Title
JP6810392B2 (ja) 個体識別装置
CN108291876B (zh) 用于检测产品的真实性的系统及方法
Zhao et al. Robust hashing for image authentication using Zernike moments and local features
US10635946B2 (en) Eyeglass positioning method, apparatus and storage medium
JP6860081B2 (ja) 個体識別装置
JP6143111B2 (ja) 物体識別装置、物体識別方法、及びプログラム
JP6308370B2 (ja) 識別方法、識別システム、照合装置及びプログラム
US8792715B2 (en) System and method for forms classification by line-art alignment
JP6217886B1 (ja) 物体管理装置
JPWO2016035774A1 (ja) 判定方法、判定システム、判定装置、及びそのプログラム
WO2014030400A1 (ja) 物体識別装置、物体識別方法、及びプログラム
JP2010211498A (ja) 画像処理プログラム及び画像処理システム
CN112465517A (zh) 防伪验证方法、装置及计算机可读存储介质
WO2021220829A1 (ja) 個体識別システム、個体識別プログラム、及び記録媒体
JP6699048B2 (ja) 特徴選択装置、タグ関連領域抽出装置、方法、及びプログラム
Noh et al. Empirical study on touchless fingerprint recognition using a phone camera
WO2021192216A1 (ja) 個体識別システム
WO2017179728A1 (ja) 画像認識装置、画像認識方法および画像認識プログラム
JP6175904B2 (ja) 照合対象抽出システム、照合対象抽出方法、照合対象抽出プログラム
TW202211158A (zh) 個體識別系統
CN113516598A (zh) 图像校正方法、装置和服务器
JP2007179267A (ja) パターン照合装置
JP7176638B2 (ja) 照合位置出力システム
CN117373030B (zh) 一种基于ocr的用户材料识别方法、系统、装置及介质
WO2021220826A1 (ja) 個体識別システム

Legal Events

Date Code Title Description
A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20190329

A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20190329

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20200520

TRDD Decision of grant or rejection written
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20201111

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20201124

R150 Certificate of patent or registration of utility model

Ref document number: 6810392

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150