JP7019007B1 - 照合システム、照合方法及びプログラム - Google Patents
照合システム、照合方法及びプログラム Download PDFInfo
- Publication number
- JP7019007B1 JP7019007B1 JP2020162139A JP2020162139A JP7019007B1 JP 7019007 B1 JP7019007 B1 JP 7019007B1 JP 2020162139 A JP2020162139 A JP 2020162139A JP 2020162139 A JP2020162139 A JP 2020162139A JP 7019007 B1 JP7019007 B1 JP 7019007B1
- Authority
- JP
- Japan
- Prior art keywords
- image
- oblique
- area
- converted
- appearing
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 46
- 238000006243 chemical reaction Methods 0.000 claims description 22
- 238000012795 verification Methods 0.000 abstract description 18
- 238000010586 diagram Methods 0.000 abstract description 8
- 230000008569 process Effects 0.000 description 22
- 238000010801 machine learning Methods 0.000 description 19
- 230000009466 transformation Effects 0.000 description 15
- 238000004891 communication Methods 0.000 description 14
- 238000012545 processing Methods 0.000 description 10
- 230000006870 function Effects 0.000 description 9
- 238000012015 optical character recognition Methods 0.000 description 6
- 238000012549 training Methods 0.000 description 6
- 239000011159 matrix material Substances 0.000 description 5
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 description 3
- 239000000284 extract Substances 0.000 description 3
- 238000005452 bending Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000013145 classification model Methods 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 235000006481 Colocasia esculenta Nutrition 0.000 description 1
- 240000004270 Colocasia esculenta var. antiquorum Species 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/40—Document-oriented image-based pattern recognition
- G06V30/41—Analysis of document content
- G06V30/418—Document matching, e.g. of document images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/40—Document-oriented image-based pattern recognition
- G06V30/41—Analysis of document content
- G06V30/413—Classification of content, e.g. text, photographs or tables
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/22—Image preprocessing by selection of a specific region containing or referencing a pattern; Locating or processing of specific regions to guide the detection or recognition
- G06V10/225—Image preprocessing by selection of a specific region containing or referencing a pattern; Locating or processing of specific regions to guide the detection or recognition based on a marking or identifier characterising the area
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/24—Aligning, centring, orientation detection or correction of the image
- G06V10/242—Aligning, centring, orientation detection or correction of the image by image rotation, e.g. by 90 degrees
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- 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
- G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
- G06V10/467—Encoded features or binary features, e.g. local binary patterns [LBP]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
Abstract
【課題】電子的本人確認を厳格に行うことができる照合システム、照合方法及びプログラムを提供する。【解決手段】変換画像生成部32は、斜め画像を変換することで、変換画像を生成する。対象物領域特定部36は、見本画像における対象物に記載されている文書の定型部分から抽出される特徴と、正面画像の少なくとも一部から抽出される特徴と、に基づいて、正面画像内において対象物が表れている対象物領域を特定する。照合部38は、正面画像における対象物領域と、当該対象物領域に対応付けられる変換画像における領域と、を照合することで、斜め画像に表れている対象物が正面画像に表れている対象物と同一のものであるか否かを判定する。【選択図】図6
Description
本発明は、照合システム、照合方法及びプログラムに関する。
非特許文献1には、局所画像特徴量の一種であるSIFT(Scale Invariant Feature Transform)が記載されている。
また、インターネットを介してユーザから送信された運転免許証等の本人確認書類の画像に基づいてオンラインで当該ユーザの本人確認を行う電子的本人確認(electronic Know Your Customer (eKYC))の技術が知られている。そして、特許文献1には、SIFT等の局所画像特徴量を用いて、電子的本人確認等における画像処理を高速化する技術が記載されている。また、特許文献2には、電子的本人確認等における画像処理の精度を高めることが可能な技術が記載されている。
David G. Lowe "Distinctive Image Features from Scale-Invariant Keypoints" International Journal of Computer Vision,2004, 2004年1月5日
電子的本人確認では、本人確認書類等の対象物の原本の画像に対して文字認識を実行することで、当該対象物に記載されている氏名、住所、生年月日等の文字列が抽出される。そして、抽出された文字列に基づいてユーザの本人確認が行われる。
しかし、対象物の原本の画像ではなく、当該対象物のコピーを撮影あるいはスキャンした画像、偽造や改ざんがされた画像、等の不正な画像がユーザから提示されても、電子的本人確認において、提示された画像が不正な画像であることを見破れないことがあった。
本発明は上記課題に鑑みてなされたものであって、その目的の1つは、電子的本人確認を厳格に行うことができる照合システム、照合方法及びプログラムを提供することにある。
本発明に係る照合システムは、対象物において文書が記載されている記載面を正面方向から見た様子を表す正面画像を取得する正面画像取得手段と、前記記載面を斜め方向から見た様子を表す斜め画像を取得する斜め画像取得手段と、前記正面画像の少なくとも一部から抽出される特徴と前記斜め画像の少なくとも一部から抽出される特徴とに基づいて前記斜め画像を変換することで、前記斜め画像に表れている前記対象物を正面方向から見た様子を表す変換画像を生成する変換画像生成手段と、所与の対象物が既知の領域に表れている見本画像における当該対象物に記載されている文書の定型部分から抽出される特徴と、前記正面画像の少なくとも一部から抽出される特徴と、に基づいて、前記正面画像内において前記対象物が表れている対象物領域を特定する領域特定手段と、前記正面画像における前記対象物領域と、当該対象物領域に対応付けられる前記変換画像における領域と、を照合することで、前記斜め画像に表れている対象物が前記正面画像に表れている対象物と同一のものであるか否かを判定する照合手段と、を含む。
本発明の一態様では、前記領域特定手段は、前記変換画像生成手段により前記変換画像が生成された後に、前記対象物領域を特定する。
あるいは、前記変換画像生成手段は、前記領域特定手段により前記対象物領域が特定された後に、前記変換画像を生成する。
この態様では、前記変換画像生成手段は、前記領域特定手段により特定される前記対象物領域から抽出される特徴と前記斜め画像の少なくとも一部から抽出される特徴とに基づいて前記斜め画像を変換することで、前記変換画像を生成してもよい。
また、本発明の一態様では、前記斜め画像に基づいて、当該斜め画像に表れている対象物の厚さが所定の厚さよりも厚いか否かを判定する厚さ判定手段、をさらに含む。
また、本発明の一態様では、前記対象物領域に記載されている文書に含まれる文字を認識する文字認識手段、をさらに含む。
また、本発明に係る照合方法は、対象物において文書が記載されている記載面を正面方向から見た様子を表す正面画像を取得するステップと、前記記載面を斜め方向から見た様子を表す斜め画像を取得するステップと、前記正面画像の少なくとも一部から抽出される特徴と前記斜め画像の少なくとも一部から抽出される特徴とに基づいて前記斜め画像を変換することで、前記斜め画像に表れている前記対象物を正面方向から見た様子を表す変換画像を生成するステップと、所与の対象物が既知の領域に表れている見本画像における当該対象物に記載されている文書の定型部分から抽出される特徴と、前記正面画像の少なくとも一部から抽出される特徴と、に基づいて、前記正面画像内において前記対象物が表れている対象物領域を特定するステップと、前記正面画像における前記対象物領域と、当該対象物領域に対応付けられる前記変換画像における領域と、を照合することで、前記斜め画像に表れている対象物が前記正面画像に表れている対象物と同一のものであるか否かを判定するステップと、を含む。
また、本発明に係るプログラムは、対象物において文書が記載されている記載面を正面方向から見た様子を表す正面画像を取得する手順、前記記載面を斜め方向から見た様子を表す斜め画像を取得する手順、前記正面画像の少なくとも一部から抽出される特徴と前記斜め画像の少なくとも一部から抽出される特徴とに基づいて前記斜め画像を変換することで、前記斜め画像に表れている前記対象物を正面方向から見た様子を表す変換画像を生成する手順、所与の対象物が既知の領域に表れている見本画像における当該対象物に記載されている文書の定型部分から抽出される特徴と、前記正面画像の少なくとも一部から抽出される特徴と、に基づいて、前記正面画像内において前記対象物が表れている対象物領域を特定する手順、前記正面画像における前記対象物領域と、当該対象物領域に対応付けられる前記変換画像における領域と、を照合することで、前記斜め画像に表れている対象物が前記正面画像に表れている対象物と同一のものであるか否かを判定する手順、をコンピュータに実行させる。
以下、本発明の一実施形態について図面に基づき詳細に説明する。
図1は、本発明の一実施形態に係る画像処理システム1の全体構成の一例を示す図である。図1に示すように、本実施形態に係る画像処理システム1には、例えば、サーバ10と、ユーザ端末12と、が含まれる。サーバ10、及び、ユーザ端末12は、インターネット等のコンピュータネットワーク14に接続されている。そのためサーバ10、及び、ユーザ端末12は、コンピュータネットワーク14を介して互いに通信可能となっている。なお、図1では、サーバ10、及び、ユーザ端末12を、それぞれ1台ずつ示しているが、これらは複数台ずつあってもよい。
サーバ10は、サーバコンピュータ等のコンピュータシステムであり、例えば、図1に示すように、プロセッサ10a、記憶部10b、及び、通信部10cを含む。
プロセッサ10aは、例えば、サーバ10にインストールされるプログラムに従って動作するマイクロプロセッサ等のプログラム制御デバイスである。記憶部10bは、例えばROMやRAM等の記憶素子や、ソリッドステートドライブ(SSD)などである。記憶部10bには、プロセッサ10aによって実行されるプログラムなどが記憶される。通信部10cは、例えば、有線通信又は無線通信用の通信インタフェースであり、コンピュータネットワーク14を介して、ユーザ端末12との間でデータを授受する。
ユーザ端末12は、ユーザが操作するコンピュータであり、例えば、携帯電話機(スマートフォンを含む)、携帯情報端末(タブレット型コンピュータを含む)、パーソナルコンピュータ等である。図1に示すように、ユーザ端末12は、例えば、プロセッサ12a、記憶部12b、通信部12c、操作部12d、表示部12e、及び、撮影部12fを含む。
プロセッサ12aは、例えば、ユーザ端末12にインストールされるプログラムに従って動作するマイクロプロセッサ等のプログラム制御デバイスである。記憶部12bは、例えばROMやRAM等の記憶素子や、ソリッドステートドライブ(SSD)などである。記憶部12bには、プロセッサ12aによって実行されるプログラムなどが記憶される。通信部12cは、例えば、有線通信又は無線通信用の通信インタフェースであり、コンピュータネットワーク14を介して、サーバ10との間でデータを授受する。
操作部12dは、入力デバイスであり、例えば、タッチパネルやマウス等のポインティングデバイスやキーボード等を含む。操作部12dは、操作内容をプロセッサ12aに伝達する。表示部12eは、例えば、液晶表示部又は有機EL表示部等である。撮影部12fは、少なくとも1つのカメラを含み、例えば、CMOSイメージセンサ又はCCDイメージセンサなどを含む。撮影部12fは、静止画又は動画を撮影し、画像データを生成する。なお、本実施形態では、撮影部12fがユーザ端末12に含まれる場合を説明するが、撮影部12fは、ユーザ端末12の外部にあってもよい。
なお、記憶部10b、12bに記憶されるものとして説明するプログラム及びデータは、ネットワークを介して他のコンピュータから供給されるようにしてもよい。また、サーバ10、及び、ユーザ端末12のハードウェア構成は、上記の例に限られず、種々のハードウェアを適用可能である。例えば、サーバ10やユーザ端末12に、コンピュータ読み取り可能な情報記憶媒体を読み取る読取部(例えば、光ディスクドライブやメモリカードスロット)や外部機器とデータの入出力をするための入出力部(例えば、USBポート)が含まれていてもよい。例えば、情報記憶媒体に記憶されたプログラムやデータが読取部や入出力部を介してサーバ10やユーザ端末12に供給されるようにしてもよい。
本実施形態では、ユーザは、インターネットで銀行口座の開設や保険の契約等をするために、撮影部12fで本人確認書類等の対象物の画像を撮影し、撮影した画像をサーバ10にアップロードする。
本人確認書類は、ユーザを確認可能な書類であればよく、例えば、運転免許証、保険証、住民票、又はパスポートといった書類である。以下の説明では、本実施形態に係る本人確認書類は、運転免許証であることとする。なお、運転免許証は、国や地域ごとに種々の書式が存在するが、説明の都合上、架空の書式の運転免許証を例に挙げる。
図2は、運転免許証20が撮影される様子を示す図である。図2に示すように、例えば、ユーザは、ユーザ端末12の撮影部12fを使って、机に置いた運転免許証20を撮影する。本実施形態では、ユーザは、運転免許証20を概ね正面(真上)から撮影することで、図3に例示する正面画像22が撮影部12fに取り込まれる。また、ユーザは、運転免許証20を斜めから撮影することで、図4に例示する斜め画像24が撮影部12fに取り込まれる。なお、本実施形態では、正面画像22や斜め画像24の解像度は、光学文字認識が可能な程度に担保されており、撮影部12fのピントも運転免許証20に合っているものとする。
そして、本実施形態に係るユーザ端末12は、撮影部12fに取り込まれた正面画像22及び斜め画像24をサーバ10にアップロードする。
そして、サーバ10は、アップロードされた正面画像22及び斜め画像24を用いた電子的本人確認(electronic Know Your Customer (eKYC))を実行する。
例えば、サーバ10は、正面画像22に対して光学文字認識を実行し、対象物に印刷された氏名、住所、及び生年月日といった文字を抽出する。図5は、図3に示す正面画像22から抽出される文字を示す抽出文字データの一例を示す図である。
また、サーバ10は、学習済の機械学習モデルを用いて、斜め画像24に写る運転免許証20にある程度の厚みがあるか否か、ここでは例えば、所定の厚さよりも厚いか否かを判定する。
また、サーバ10は、正面画像22と斜め画像24とを照合することで正面画像22に表れている対象物と斜め画像24に表れている対象物とが同一のものであるか否かを判定する。
電子的本人確認において、運転免許証20の原本の画像ではなく、運転免許証20のコピーを撮影あるいはスキャンした画像、偽造や改ざんがされた画像、等の不正な画像がユーザから提示されることがある。このような場合に、電子的本人確認において、提示された画像が不正な画像であることを見破れないことがあった。
本実施形態では、同一の対象物を撮影した正面画像22と斜め画像24を用いて電子的本人確認を実行することで、電子的本人確認を厳格に行うことができるようになっている。
以下、本実施形態に係るサーバ10の機能、及び、サーバ10で実行される処理についてさらに説明する。
図6は、本実施形態に係るサーバ10で実装される機能の一例を示す機能ブロック図である。なお、本実施形態に係るサーバ10で、図6に示す機能のすべてが実装される必要はなく、また、図6に示す機能以外の機能が実装されていても構わない。
図6に示すように、本実施形態に係るサーバ10には、機能的には例えば、画像取得部30、変換画像生成部32、見本画像記憶部34、対象物領域特定部36、照合部38、機械学習モデル40、厚さ判定部42、文字認識部44が、含まれる。画像取得部30は、通信部10cを主として実装される。変換画像生成部32、対象物領域特定部36、照合部38、厚さ判定部42、文字認識部44は、プロセッサ10aを主として実装される。見本画像記憶部34は、記憶部10bを主として実装される。機械学習モデル40は、プロセッサ10a及び記憶部10bを主として実装される。
以上の機能は、コンピュータであるサーバ10にインストールされた、以上の機能に対応する指令を含むプログラムをプロセッサ10aで実行することにより実装されてもよい。また、このプログラムは、例えば、光ディスク、磁気ディスク、磁気テープ、光磁気ディスク等のコンピュータ読み取り可能な情報記憶媒体を介して、あるいは、インターネットなどを介してサーバ10に供給されてもよい。
画像取得部30は、本実施形態では例えば、本人確認書類等の対象物において文書が記載されている記載面を正面方向から見た様子を表す正面画像22を取得する。画像取得部30は、例えば、ユーザ端末12から送信される正面画像22を取得する。なお、本実施形態に係る正面画像22は厳密に記載面を正面から見た様子を表すものである必要はなく、光学文字認識が可能な程度に記載面を概ね正面から見た様子を表すもので充分である。
なお、本実施形態に係る文書は、所定の書式を有し、レイアウトが予め定められていることとする。即ち、文書は、どこに何が描かれているか予め分かっているものとする。
また、本実施形態に係る文書は、定型部分と非定型部分を含むこととする。定型部分とは、内容が固定された部分であり、他の文書と内容が共通する部分である。別の言い方をすれば、定型部分は、文書に関わらず内容が変わらない部分であり、ユーザに関わらず内容が変わらない部分である。例えば、定型部分は、文書における書式部分であり、特定の文字、記号、図形、枠線、イラスト、又は画像が描かれた部分である。定型部分は、文書固有の情報を含む部分ということもできる。
図3の例であれば、「DRIVER LICENSE」というタイトルは、定型部分の一例である。また、「NAME」、「BIRTH DAY」、「ADDRESS」、「DATE」、「EXPIRES」、及び「NUMBER」といった項目名は、定型部分の一例である。また、「JAPAN」という国名は、定型部分の一例である。また、「Tokyo Metropolitan Public Safety Commission」という機関の名称は、定型部分の一例である。なお、定型部分は、上記のような文字に限られず、図3の運転免許証20における日本の国旗を示す画像も、定型部分の一例である。また、上記の項目名等を囲む枠線も、定型部分の一例である。
非定型部分とは、内容が固定されていない部分であり、他の文書とは内容が共通しない部分である。別の言い方をすれば、非定型部分は、文書ごとに内容が変わる部分であり、ユーザごとに内容が変わる部分である。例えば、非定型部分は、文書における書式部分以外の部分であり、ユーザの識別情報や属性等の個人情報などといった情報が印刷された部分である。非定型部分は、ユーザ固有の情報を含む部分ということもできる。
図3の例では、「YAMADA TARO」という氏名は、非定型部分の一例である。また、「June 23,1980」という生年月日は、非定型部分の一例である。また、「1-2-3 ABCCity Tokyo」という住所は、非定型部分の一例である。また、「July 25,2015」という発行日は、非定型部分の一例である。また、「July 25,2020」という有効期限日は、非定型部分の一例である。また、「1234 5678 9012」という免許証番号は、非定型部分の一例である。なお、非定型部分は、上記のような文字に限られず、図3の運転免許証20におけるユーザの顔写真も、非定型部分の一例である。その他、ユーザのIDや身体的な特徴を示す情報が運転免許証20に含まれていれば、そのような情報も非定型部分の一例である。
また、画像取得部30は、本実施形態では例えば、当該記載面を斜め方向から見た様子を表す斜め画像24を取得する。画像取得部30は、例えば、ユーザ端末12から送信される斜め画像24を取得する。
変換画像生成部32は、本実施形態では例えば、斜め画像24を変換することで、斜め画像24に表れている対象物を正面方向から見た様子を表す、図7に例示されている変換画像50を生成する。変換画像生成部32は、例えば、正面画像22の少なくとも一部から抽出される特徴と斜め画像24の少なくとも一部から抽出される特徴とに基づいて斜め画像24を変換することで、図7に例示されている変換画像50を生成する。
ここで、抽出される特徴とは、例えば、OpenCVで実装されているSIFT、SURF、又はA-KAZEといったアルゴリズムを利用することで抽出される画像特徴量であり、複数の特徴点のそれぞれについての位置座標と当該特徴点の特徴量と、を含む。特徴量は、例えば、上述のアルゴリズムから出力される数値であり、物体の局所的な形状や色彩の特徴を数値化したものである。
変換画像生成部32は、例えば、上述のアルゴリズムを利用することで、正面画像22の全体と斜め画像24の全体のそれぞれから特徴点群を抽出する。変換画像生成部32は、例えば、正面画像22及び斜め画像24のそれぞれから、数十~数千程度あるいはそれ以上の特徴点を抽出する。
そして、変換画像生成部32は、正面画像22内の各特徴点について、当該特徴点に対応する斜め画像24内の特徴点を特定することで、特徴点群のマッチングを行う。マッチングの際には、特徴量が似ている特徴点同士を関連付ければよい。なお、特徴量が似ているとは、特徴量の値が似ていることであり、特徴量の差が小さい(例えば、差が最小となる)ことである。そして、このマッチングによって、正面画像22内の特徴点と斜め画像24内の特徴点とが関連付けられることとなる。
そして、変換画像生成部32は、特徴点群のマッチング結果に基づいて、変換行列を計算する。変換行列は、斜め画像24内の各特徴点の位置が、正面画像22におけるマッチング相手の特徴点の位置に近づくように計算される。変換行列の取得方法自体は、種々の方法を適用可能であり、例えば、アフィン変換、線形変換、又は投影変換における変換行列の計算式が利用されてもよい。
そして、変換画像生成部32は、変換行列に基づいて斜め画像24を変換することで変換画像50を生成する。図7に示すように、変換画像50に表れている文書は、図3に示されている正面画像22に表れている文書と大まかに似た状態となる。
なお、特徴点群は、画像全体から抽出されてもよいが、一部の領域だけから抽出されてもよい。
なお、ここでは、特徴点群を利用する場合を例に挙げたが、変換画像生成部32は、画像の特徴となりうる情報に基づいて、斜め画像24を変換すればよく、特徴点群以外の情報が利用されるようにしてもよい。
なお、斜め画像24の変換手法は、アフィン変換、線形変換、及び、投影変換には限定されない。斜め画像24の変換において、回転、拡大・縮小、又は移動が利用されてもよい。また、アフィン変換、線形変換、投影変換、回転、拡大・縮小、移動のうちの一部又は全部の組合せが利用されてもよい。
見本画像記憶部34は、本実施形態では例えば、図8に示す見本画像52を記憶する。本実施形態に係る見本画像52とは、記載面に記載されている文書の歪みと曲がりが全くない又は略ない画像を指す。別の言い方をすれば、見本画像52は、正面方向又は略正面方向から文書が取り込まれた状態の画像である。正面方向とは、文書の記載面とのなす角度が垂直となる方向であり、正対ということもできる。略正面方向とは、当該角度が垂直とみなせる程度の方向であり、例えば、当該角度が80°以上の方向である。見本画像52の書式は、正面画像22の書式と同じである。このため、見本画像52の定型部分と、正面画像22の定型部分と、は同じであり、見本画像52の非定型部分と、取込画像の非定型部分と、は異なる。なお、見本画像52は、非定型部分を含まなくてもよい。即ち、見本画像52は、書式部分だけであってもよい。
図8に示すように、見本画像52は、角丸四角形の運転免許証54の形状が保たれており、歪みが全くない又は略ない状態である。また、運転免許証54の向きがずれておらず、曲がりが全くない又は略ない状態である。このため、見本画像52の文字は、歪んだり曲がったりしておらず、光学文字認識に適した状態といえる。例えば、見本画像52は、画像処理システム1の管理者によって予め用意されている。例えば、管理者は、スキャナ等の画像読取装置又は撮影装置で文書が記載された対象物を取り込んで見本画像52を生成し、見本画像記憶部34に登録する。
なお、見本画像52の背景は、例えば黒色や白色などの単色であることが望ましい。
また、本実施形態に係る見本画像52は、所与の対象物(ここでは例えば運転免許証54)が既知の領域に表れている画像である。以下、当該領域を、見本対象物領域R1と呼ぶこととする。すなわち、見本画像52内における見本対象物領域R1の位置、形状、及び、大きさは予めわかっている。なお、本実施形態に係る見本対象物領域R1は、見本画像52内において表れている運転免許証54を囲む長方形の領域であることとする。そして、見本対象物領域R1を示す見本対象物領域データが見本画像記憶部34に予め記憶される。対象物領域データは、例えば、見本対象物領域R1の頂点(ここでは例えば、P1、P2、P3、及び、P4の4頂点)の座標値を示すデータである。
対象物領域特定部36は、本実施形態では例えば、正面画像22内において対象物が表れている領域を特定する。図9に示すように、以下、当該領域を正面対象物領域R2と呼ぶこととする。対象物領域特定部36は、例えば、見本画像52における当該対象物に記載されている文書の定型部分から抽出される特徴と、正面画像22の少なくとも一部から抽出される特徴と、に基づいて、図9に示すように正面対象物領域R2を特定する。
ここで、抽出される特徴とは、上述の通り、例えば、OpenCVで実装されているSIFT、SURF、又はA-KAZEといったアルゴリズムを利用することで抽出される画像特徴量である。抽出される特徴には、複数の特徴点のそれぞれについての位置座標と当該特徴点の特徴量と、が含まれる。特徴量は、例えば、上述のアルゴリズムから出力される数値であり、物体の局所的な形状や色彩の特徴を数値化したものである。
対象物領域特定部36は、例えば、見本画像52から抽出される定型部分の各特徴点について、当該特徴点に対応する正面画像22内の特徴点を特定することで、特徴点群のマッチングを行う。そして、このマッチングによって、見本画像52の定型部分内の特徴点と正面画像22内の特徴点とが関連付けられることとなる。
そして、対象物領域特定部36は、当該マッチングの結果と、見本画像記憶部34に記憶されている対象物領域データと、に基づいて、見本対象物領域R1に対応する正面画像22内の正面対象物領域R2を特定する。例えば、対象物領域特定部36は、正面画像22内の正面対象物領域R2の頂点(図9の例では、P5、P6、P7、及び、P8の4頂点)の座標値を特定する。なお、本実施形態に係る四角形形状の正面対象物領域R2は、長方形でなくても構わない。例えば、正面画像22が厳密に記載面を正面から見た様子を表すものではない場合には、正面対象物領域R2は長方形形状とならないことがある。
また、対象物領域特定部36は、本実施形態では例えば、正面画像22における正面対象物領域R2に対応付けられる、変換画像50における領域(図10に示す変換対象物領域R3)を特定する。本実施形態では例えば、同一座標系に正面画像22と変換画像50を配置することで、正面画像22における正面対象物領域R2に対応付けられる、変換画像50における変換対象物領域R3が特定可能になっている。ここでは例えば、変換対象物領域R3の頂点(図10の例では、P9、P10、P11、及び、P12の4頂点)の座標値が特定される。なお、本実施形態に係る四角形形状の変換対象物領域R3は、正面対象物領域R2と同様、長方形でなくても構わない。
照合部38は、本実施形態では例えば、正面画像22内の正面対象物領域R2と変換画像50内の変換対象物領域R3とを照合することで、斜め画像24に表れている対象物が正面画像22に表れている対象物と同一のものであるか否かを判定する。
本実施形態では例えば、正面対象物領域R2の形状及び大きさと変換対象物領域R3の形状及び大きさとは一致しており、正面対象物領域R2内の各画素について、当該画素に対応付けられる変換対象物領域R3内の画素が特定可能となっている。そして、例えば、正面対象物領域R2内の各画素について、当該画素の画素値と、当該画素に対応付けられる変換対象物領域R3内の画素の画素値との差が計算される。そして、正面対象物領域R2内の各画素について計算される画素値の差の合計が計算される。
そして、照合部38は、計算された合計が所定値よりも小さい場合は、斜め画像24に表れている対象物が正面画像22に表れている対象物と同一のものであると判定される。そうでない場合は、斜め画像24に表れている対象物が正面画像22に表れている対象物と同一のものでないと判定される。
なお、本実施形態において、照合部38が、上述のようなテクスチャマッチングに加え、正面画像22に表れているユーザの顔の画像と変換画像50に表れているユーザの顔の画像との照合(顔認証)を実行してもよい。そして、計算される画素値の差の合計が所定値よりも小さく、かつ、顔認証にも成功した場合に、斜め画像24に表れている対象物が正面画像22に表れている対象物と同一のものであると判定されてもよい。そして計算される画素値の差の合計が所定値よりも小さくない、あるいは、顔認証に失敗した場合に、斜め画像24に表れている対象物が正面画像22に表れている対象物と同一のものでないと判定されてもよい。
ここで、斜め画像24に表れている対象物が正面画像22に表れている対象物と同一のものでないと判定された場合は、照合部38は、正面画像22及び斜め画像24の再アップロード要求をユーザに通知してもよい。
機械学習モデル40は、本実施形態では例えば、CNN(Convolutional Neural Network)等の機械学習モデルである。本実施形態では例えば、画像処理システム1の管理者によって、事前に、機械学習モデル40の学習が実行されていることとする。図11に示すように、例えば、本実施形態では例えば、学習入力画像と教師データとを含む訓練データが予め複数準備されている。学習入力画像は、例えば、運転免許証等の対象物の原本を斜め方向から撮影した画像や、薄い用紙を斜め方向から撮影した画像などといった、様々な物体を斜めから撮影した画像である。
そして、例えば、対象物の原本を撮影した学習入力画像には、正例であることを示す教師データ(例えば、値が1である教師データ)が関連付けられる。一方、対象物の原本ではない物体を撮影した学習入力画像には、負例であることを示す教師データ(例えば、値が0である教師データ)が関連付けられる。このようにして、学習入力画像と、当該学習入力画像に関連付けられる教師データと、を含む訓練データが複数生成される。
そして、訓練データに含まれる学習入力画像を機械学習モデル40に入力した際の出力である出力データを用いて、機械学習モデル40の学習が実行される。ここで例えば、訓練データに含まれる学習入力画像を機械学習モデル40に入力した際の出力である出力データと、当該学習データに含まれる教師データと、の差が特定されてもよい。そして特定される差に基づいて誤差逆伝播法(バックプロパゲーション)などの手法を用いて機械学習モデル40のパラメータの値が更新される教師あり学習が実行されてもよい。
なお、機械学習モデル40は、以上で説明したような分類モデルである必要はなく、回帰モデルであってもよい。この場合、教師データや出力データの値が、対象物の厚さ自体を示すものであってもよい。
厚さ判定部42は、本実施形態では例えば、斜め画像24に基づいて、当該斜め画像24に表れている対象物の厚さが所定の厚さよりも厚いか否かを判定する。ここで例えば、斜め画像24に表れている対象物が正面画像22に表れている対象物と同一のものであると判定された際に、厚さ判定部42による判定が実行されるようにしてもよい。
ここで例えば、機械学習モデル40が上述の分類モデルであるとする。この場合、斜め画像24を学習済の機械学習モデル40に入力した際の出力が「1」である場合は、斜め画像24に表れている対象物の厚さが所定の厚さよりも厚いと判定される。そして、斜め画像24を学習済の機械学習モデル40に入力した際の出力が「0」である場合は、斜め画像24に表れている対象物の厚さが所定の厚さよりも薄いと判定される。
また例えば、機械学習モデル40が上述の回帰モデルであることとする。この場合、斜め画像24を学習済の機械学習モデル40に入力した際の出力が所定値以上である場合は、斜め画像24に表れている対象物の厚さが所定の厚さよりも厚いと判定される。そして、斜め画像24を学習済の機械学習モデル40に入力した際の出力が当該所定値未満である場合は、斜め画像24に表れている対象物の厚さが所定の厚さよりも薄いと判定される。
ここで、斜め画像24に表れている対象物の厚さが所定の厚さよりも薄いと判定された場合は、厚さ判定部42は、正面画像22及び斜め画像24の再アップロード要求をユーザに通知してもよい。
文字認識部44は、本実施形態では例えば、光学文字認識等によって、正面対象物領域R2に記載されている文書に含まれる文字を認識する。文字認識部44は、例えば、図5に例示されている抽出文字データを生成する。
ここで、本実施形態に係るサーバ10で行われる処理の流れの一例を、図12に例示するフロー図を参照しながら説明する。
まず、画像取得部30が、図3に例示する正面画像22、及び、図4に示す斜め画像24を、ユーザ端末12から受信する(S101)。
そして、変換画像生成部32が、S101に示す処理で受信した正面画像22と斜め画像24に基づいて、当該斜め画像24を変換することで、図7に例示する変換画像50を生成する(S102)。
そして、対象物領域特定部36が、図8に例示する見本画像52、対象物領域データ、及び、S101に示す処理で受信した正面画像22に基づいて、正面画像22内における正面対象物領域R2を特定する(S103)。
そして、対象物領域特定部36が、S103に示す処理で特定された正面対象物領域R2に対応付けられる、S102に示す処理で生成された変換画像50内における変換対象物領域R3を特定する(S104)。
そして、照合部38が、照合処理を実行することで、S101に示す処理で受信した斜め画像24に表れている対象物がS101に示す処理で受信した正面画像22に表れている対象物と同一のものであるか否かを判定する(S105)。ここでは例えば、S103に示す処理で特定された正面対象物領域R2内の各画素の画素値と、S104に示す処理で特定された変換対象物領域R3内の各画素の画素値と、に基づいて、当該判定が実行される。
そして、厚さ判定部42が、S101に示す処理で受信した斜め画像24に基づいて、当該斜め画像24に表れている対象物の厚さが所定の厚さよりも厚いか否かを判定する厚さ判定処理を実行する(S106)。
そして、文字認識部44が、光学文字認識等によって、S103に示す処理で特定された正面対象物領域R2に記載されている文書に含まれる文字を認識する文字認識処理を実行して、図5に例示されている抽出文字データを生成する(S107)。そして、本処理例に示す処理は終了される。
図12に示す処理では、S102及びS103に示すように、変換画像生成部32により変換画像50が生成された後に、対象物領域特定部36が、正面対象物領域R2を特定している。ここで、S102に示す処理とS103に示す処理の順序が逆であってもよく、対象物領域特定部36により正面対象物領域R2が特定された後に、変換画像生成部32が、変換画像50を生成してもよい。
そしてこの場合、変換画像生成部32は、対象物領域特定部36により特定される正面対象物領域R2から抽出される特徴と斜め画像24の少なくとも一部から抽出される特徴とに基づいて、斜め画像24を変換することで、変換画像50を生成してもよい。このようにすれば、正面画像22の全体から特徴点が抽出される場合よりもマッチングに用いられる特徴点数が絞り込まれるため、図12のS102に示されている処理よりも軽い処理負荷で、変換画像50を生成することが可能となる。
本実施形態では、以上で説明したようにして、電子的本人確認において、斜め画像24に表れている対象物にある程度の厚みがあること、及び、正面画像22に表れている対象物と斜め画像24に表れている対象物が同一のものであることを確認される。このようにして、本実施形態によれば、ユーザが対象物の原本を所有していることを厳格に確認することができ、その結果、電子的本人確認をより厳格に行うことができることとなる。
また、画像によって、背景、対象物が表れる領域の大きさ、環境光の当たり方、色、及び、明るさ、などはまちまちである。例えば、正面画像22を撮影した際の背景と斜め画像24を撮影した際の背景とが異なることがある。そのため、正面画像22と斜め画像24とを単に照合するだけでは、正面画像22に表れている対象物と斜め画像24に表れている対象物が同じものであるか否かを的確に判定することができないことがある。
本実施形態では以上のようにして、見本画像52に基づいて特定される正面対象物領域R2と変換対象物領域R3とが照合されるため、正面画像22に表れている対象物と斜め画像24に表れている対象物が同一のものであるか否かを的確に判定できることとなる。
なお、本発明は上述の実施形態に限定されるものではない。
例えば、サーバ10とユーザ端末12の役割分担は、以上で説明したものに限定されない。例えば、図6に示されている機能の一部又は全部がユーザ端末12に実装されていてもよい。
また、正面画像22は、撮影部12fで撮影されたものである必要はなく、スキャナで読み取られたものであってもよい。
また、上記の具体的な文字列や数値及び図面中の具体的な文字列や数値は例示であり、これらの文字列や数値には限定されない。
1 画像処理システム、10 サーバ、10a プロセッサ、10b 記憶部、10c 通信部、12 ユーザ端末、12a プロセッサ、12b 記憶部、12c 通信部、12d 操作部、12e 表示部、12f 撮影部、14 コンピュータネットワーク、20 運転免許証、22 正面画像、24 斜め画像、30 画像取得部、32 変換画像生成部、34 見本画像記憶部、36 対象物領域特定部、38 照合部、40 機械学習モデル、42 厚さ判定部、44 文字認識部、50 変換画像、52 見本画像、54 運転免許証。
Claims (8)
- 対象物において文書が記載されている記載面を正面方向から見た様子を表す正面画像を取得する正面画像取得手段と、
前記記載面を斜め方向から見た様子を表す斜め画像を取得する斜め画像取得手段と、
前記正面画像の少なくとも一部から抽出される特徴と前記斜め画像の少なくとも一部から抽出される特徴とに基づいて前記斜め画像を変換することで、前記斜め画像に表れている前記対象物を正面方向から見た様子を表す変換画像を生成する変換画像生成手段と、
所与の対象物が既知の領域に表れている見本画像における当該対象物に記載されている文書の定型部分から抽出される特徴と、前記正面画像の少なくとも一部から抽出される特徴と、に基づいて、前記正面画像内において前記対象物が表れている対象物領域を特定する領域特定手段と、
前記正面画像における前記対象物領域と、当該対象物領域に対応付けられる前記変換画像における領域と、を照合することで、前記斜め画像に表れている対象物が前記正面画像に表れている対象物と同一のものであるか否かを判定する照合手段と、
を含むことを特徴とする照合システム。 - 前記領域特定手段は、前記変換画像生成手段により前記変換画像が生成された後に、前記対象物領域を特定する、
ことを特徴とする請求項1に記載の照合システム。 - 前記変換画像生成手段は、前記領域特定手段により前記対象物領域が特定された後に、前記変換画像を生成する、
ことを特徴とする請求項1に記載の照合システム。 - 前記変換画像生成手段は、前記領域特定手段により特定される前記対象物領域から抽出される特徴と前記斜め画像の少なくとも一部から抽出される特徴とに基づいて前記斜め画像を変換することで、前記変換画像を生成する、
ことを特徴とする請求項3に記載の照合システム。 - 前記斜め画像に基づいて、当該斜め画像に表れている対象物の厚さが所定の厚さよりも厚いか否かを判定する厚さ判定手段、をさらに含む、
ことを特徴とする請求項1から4のいずれか一項に記載の照合システム。 - 前記対象物領域に記載されている文書に含まれる文字を認識する文字認識手段、をさらに含む、
ことを特徴とする請求項1から5のいずれか一項に記載の照合システム。 - 対象物において文書が記載されている記載面を正面方向から見た様子を表す正面画像を取得するステップと、
前記記載面を斜め方向から見た様子を表す斜め画像を取得するステップと、
前記正面画像の少なくとも一部から抽出される特徴と前記斜め画像の少なくとも一部から抽出される特徴とに基づいて前記斜め画像を変換することで、前記斜め画像に表れている前記対象物を正面方向から見た様子を表す変換画像を生成するステップと、
所与の対象物が既知の領域に表れている見本画像における当該対象物に記載されている文書の定型部分から抽出される特徴と、前記正面画像の少なくとも一部から抽出される特徴と、に基づいて、前記正面画像内において前記対象物が表れている対象物領域を特定するステップと、
前記正面画像における前記対象物領域と、当該対象物領域に対応付けられる前記変換画像における領域と、を照合することで、前記斜め画像に表れている対象物が前記正面画像に表れている対象物と同一のものであるか否かを判定するステップと、
を含むことを特徴とする照合方法。 - 対象物において文書が記載されている記載面を正面方向から見た様子を表す正面画像を取得する手順、
前記記載面を斜め方向から見た様子を表す斜め画像を取得する手順、
前記正面画像の少なくとも一部から抽出される特徴と前記斜め画像の少なくとも一部から抽出される特徴とに基づいて前記斜め画像を変換することで、前記斜め画像に表れている前記対象物を正面方向から見た様子を表す変換画像を生成する手順、
所与の対象物が既知の領域に表れている見本画像における当該対象物に記載されている文書の定型部分から抽出される特徴と、前記正面画像の少なくとも一部から抽出される特徴と、に基づいて、前記正面画像内において前記対象物が表れている対象物領域を特定する手順、
前記正面画像における前記対象物領域と、当該対象物領域に対応付けられる前記変換画像における領域と、を照合することで、前記斜め画像に表れている対象物が前記正面画像に表れている対象物と同一のものであるか否かを判定する手順、
をコンピュータに実行させることを特徴とするプログラム。
Priority Applications (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020162139A JP7019007B1 (ja) | 2020-09-28 | 2020-09-28 | 照合システム、照合方法及びプログラム |
TW110121869A TWI820433B (zh) | 2020-09-28 | 2021-06-16 | 對照系統、對照方法及資訊記錄媒體 |
CN202110679276.7A CN114283273A (zh) | 2020-09-28 | 2021-06-18 | 对照系统、对照方法和信息存储介质 |
US17/357,408 US11482028B2 (en) | 2020-09-28 | 2021-06-24 | Verification system, verification method, and information storage medium |
EP21181726.7A EP3975044B1 (en) | 2020-09-28 | 2021-06-25 | System, program and method for verifying a target region in front and oblique document images |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020162139A JP7019007B1 (ja) | 2020-09-28 | 2020-09-28 | 照合システム、照合方法及びプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP7019007B1 true JP7019007B1 (ja) | 2022-02-14 |
JP2022054885A JP2022054885A (ja) | 2022-04-07 |
Family
ID=76623937
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020162139A Active JP7019007B1 (ja) | 2020-09-28 | 2020-09-28 | 照合システム、照合方法及びプログラム |
Country Status (5)
Country | Link |
---|---|
US (1) | US11482028B2 (ja) |
EP (1) | EP3975044B1 (ja) |
JP (1) | JP7019007B1 (ja) |
CN (1) | CN114283273A (ja) |
TW (1) | TWI820433B (ja) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6574920B1 (ja) * | 2018-07-06 | 2019-09-11 | 楽天株式会社 | 画像処理システム、画像処理方法、及びプログラム |
JP7426544B1 (ja) | 2022-11-28 | 2024-02-01 | 楽天グループ株式会社 | 画像処理システム、画像処理方法、及びプログラム |
Family Cites Families (35)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS5750082A (en) * | 1980-09-08 | 1982-03-24 | Canon Inc | Electronic desk calculator |
JP4169462B2 (ja) * | 1999-08-26 | 2008-10-22 | 株式会社リコー | 画像処理方法及び装置、デジタルカメラ、画像処理システム、並びに、画像処理プログラムを記録した記録媒体 |
AU2003225462A1 (en) * | 2003-04-04 | 2004-10-25 | Datamark Technologies Pte Ltd | A watermarking method and apparatus |
WO2006089417A1 (en) | 2005-02-23 | 2006-08-31 | Craig Summers | Automatic scene modeling for the 3d camera and 3d video |
NL1028776C2 (nl) | 2005-04-14 | 2006-10-20 | Sdu Identification Bv | Identificatie en werkwijze voor het vervaardigen daarvan. |
EP1977370A4 (en) * | 2006-01-23 | 2011-02-23 | Digimarc Corp | METHODS, SYSTEMS AND SUB-COMBINATIONS USEFUL WITH PHYSICAL ARTICLES |
US8215553B2 (en) * | 2006-11-15 | 2012-07-10 | Digimarc Corporation | Physical credentials and related methods |
JP4807277B2 (ja) * | 2007-02-13 | 2011-11-02 | 富士ゼロックス株式会社 | 画像処理装置及び画像処理プログラム |
JP5365969B2 (ja) * | 2007-11-13 | 2013-12-11 | 富士ゼロックス株式会社 | 画像処理装置及びプログラム |
US9298979B2 (en) * | 2008-01-18 | 2016-03-29 | Mitek Systems, Inc. | Systems and methods for mobile image capture and content processing of driver's licenses |
JP5240093B2 (ja) * | 2009-06-25 | 2013-07-17 | 株式会社リコー | 身分証明書撮影システム、身分証明書撮影方法およびプログラム |
US8705836B2 (en) * | 2012-08-06 | 2014-04-22 | A2iA S.A. | Systems and methods for recognizing information in objects using a mobile device |
TW201437925A (zh) * | 2012-12-28 | 2014-10-01 | Nec Corp | 物體識別裝置、方法及電腦程式產品 |
JP6362333B2 (ja) * | 2013-02-14 | 2018-07-25 | キヤノン株式会社 | 画像処理装置、画像処理方法、およびプログラム |
US9311531B2 (en) * | 2013-03-13 | 2016-04-12 | Kofax, Inc. | Systems and methods for classifying objects in digital images captured using mobile devices |
GB2500823B (en) * | 2013-03-28 | 2014-02-26 | Paycasso Verify Ltd | Method, system and computer program for comparing images |
US10354472B2 (en) * | 2014-06-20 | 2019-07-16 | Facebook, Inc. | Self-learning system and methods for automatic document recognition, authentication, and information extraction |
US9760788B2 (en) * | 2014-10-30 | 2017-09-12 | Kofax, Inc. | Mobile document detection and orientation based on reference object characteristics |
CN105335702B (zh) * | 2015-10-15 | 2018-11-27 | 浙江捷尚视觉科技股份有限公司 | 一种基于统计学习的卡口车型识别方法 |
EP3467769A4 (en) * | 2016-05-27 | 2019-11-13 | Rakuten, Inc. | PICTURE PROCESSING DEVICE, PICTURE PROCESSING METHOD AND PICTURE PROCESSING PROGRAM |
WO2018071768A1 (en) * | 2016-10-14 | 2018-04-19 | ID Metrics Group Incorporated | Tamper detection for identification documents |
CN107729847B (zh) * | 2017-10-20 | 2020-08-04 | 阿里巴巴集团控股有限公司 | 一种证件验证、身份验证方法和装置 |
JP2019109624A (ja) * | 2017-12-15 | 2019-07-04 | キヤノン株式会社 | 情報処理装置、プログラム及び情報処理方法 |
EP3511868A1 (en) * | 2018-01-11 | 2019-07-17 | Onfido Ltd | Document authenticity determination |
US10839238B2 (en) * | 2018-03-23 | 2020-11-17 | International Business Machines Corporation | Remote user identity validation with threshold-based matching |
CN108764033A (zh) * | 2018-04-18 | 2018-11-06 | 深圳市商汤科技有限公司 | 身份验证方法和装置、电子设备、计算机程序和存储介质 |
CN108805800A (zh) * | 2018-04-24 | 2018-11-13 | 北京嘀嘀无限科技发展有限公司 | 图片处理方法、装置及存储介质 |
WO2020008629A1 (ja) * | 2018-07-06 | 2020-01-09 | 楽天株式会社 | 画像処理システム、画像処理方法、及びプログラム |
CN109034165B (zh) * | 2018-07-06 | 2022-03-01 | 北京中安未来科技有限公司 | 一种证件图像的裁切方法、装置、系统及存储介质 |
JP6574920B1 (ja) * | 2018-07-06 | 2019-09-11 | 楽天株式会社 | 画像処理システム、画像処理方法、及びプログラム |
JP6733790B2 (ja) * | 2018-12-10 | 2020-08-05 | 大日本印刷株式会社 | 携帯端末、本人確認システム及びプログラム |
US20200311844A1 (en) * | 2019-03-27 | 2020-10-01 | Uber Technologies, Inc. | Identifying duplicate user accounts in an identification document processing system |
US10515266B1 (en) * | 2019-08-16 | 2019-12-24 | Capital One Services, Llc | Document verification by combining multiple images |
EP4022474A2 (en) * | 2019-08-29 | 2022-07-06 | PXL Vision AG | Id verification with a mobile device |
JP2023502202A (ja) * | 2019-11-26 | 2023-01-23 | アイディー メトリクス グループ インコーポレイテッド | 偽造物理的文書の検出のための、データベース、データ構造、およびデータ処理システム |
-
2020
- 2020-09-28 JP JP2020162139A patent/JP7019007B1/ja active Active
-
2021
- 2021-06-16 TW TW110121869A patent/TWI820433B/zh active
- 2021-06-18 CN CN202110679276.7A patent/CN114283273A/zh active Pending
- 2021-06-24 US US17/357,408 patent/US11482028B2/en active Active
- 2021-06-25 EP EP21181726.7A patent/EP3975044B1/en active Active
Also Published As
Publication number | Publication date |
---|---|
US20220100993A1 (en) | 2022-03-31 |
JP2022054885A (ja) | 2022-04-07 |
TWI820433B (zh) | 2023-11-01 |
CN114283273A (zh) | 2022-04-05 |
TW202213173A (zh) | 2022-04-01 |
EP3975044A1 (en) | 2022-03-30 |
US11482028B2 (en) | 2022-10-25 |
EP3975044B1 (en) | 2024-03-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
TW567443B (en) | Palm office assistants | |
JP7019007B1 (ja) | 照合システム、照合方法及びプログラム | |
JP6505937B1 (ja) | 照合システム、照合方法及び照合プログラム | |
JP4271097B2 (ja) | 画像処理の間のマシン読取り可能なコードの自動修正 | |
US11881043B2 (en) | Image processing system, image processing method, and program | |
TWI725465B (zh) | 影像處理系統、影像處理方法及程式產品 | |
JP2007005950A (ja) | 画像処理装置及びネットワークシステム | |
JP5998090B2 (ja) | 画像照合装置、画像照合方法、画像照合プログラム | |
JP5878004B2 (ja) | 複数文書認識システム及び複数文書認識方法 | |
JP2019032645A (ja) | 書類管理装置、書類管理方法、および、書類管理装置用のプログラム | |
JP2018181243A (ja) | 情報処理装置、情報処理装置の制御方法及びプログラム | |
JP4741363B2 (ja) | 画像処理装置、画像処理方法、及び、画像処理プログラム | |
JP2007079967A (ja) | 登録印影照合システム | |
JP7137171B1 (ja) | 画像処理システム、画像処理方法、及びプログラム | |
JP7231529B2 (ja) | 情報端末装置、サーバ及びプログラム | |
JP7333759B2 (ja) | 画像データ生成システム、画像データ生成方法及びコンピュータプログラム | |
WO2023007631A1 (ja) | 画像処理システム、画像処理方法、及びプログラム | |
JP7316479B1 (ja) | 画像処理システム、画像処理方法、及びプログラム | |
US10264157B2 (en) | Image processing apparatus, image processing method and image processing program | |
JP4431335B2 (ja) | 文字列読み取りプログラム | |
KR101539451B1 (ko) | 광학식 문자 판독을 이용한 발급문서 진위확인 시스템 및 방법 | |
JP2023092987A (ja) | プログラム、情報処理方法、及び情報処理装置 | |
JP2008097338A (ja) | 顔情報システム | |
Chauhan et al. | Attendance System using Face Recognition | |
JP2023107344A (ja) | 処理システム、情報処理装置、制御プログラム、及び、画像処理装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20201124 |
|
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: 20220111 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20220201 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7019007 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |