WO2018142054A1 - Procede de verification de l'authenticite d'un produit sensible. - Google Patents

Procede de verification de l'authenticite d'un produit sensible. Download PDF

Info

Publication number
WO2018142054A1
WO2018142054A1 PCT/FR2018/050200 FR2018050200W WO2018142054A1 WO 2018142054 A1 WO2018142054 A1 WO 2018142054A1 FR 2018050200 W FR2018050200 W FR 2018050200W WO 2018142054 A1 WO2018142054 A1 WO 2018142054A1
Authority
WO
WIPO (PCT)
Prior art keywords
image
digital image
identifier
original digital
remarkable
Prior art date
Application number
PCT/FR2018/050200
Other languages
English (en)
Inventor
Marc Pic
Original Assignee
Surys
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 Surys filed Critical Surys
Priority to EP18705689.0A priority Critical patent/EP3577635B1/fr
Publication of WO2018142054A1 publication Critical patent/WO2018142054A1/fr

Links

Classifications

    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07D—HANDLING OF COINS OR VALUABLE PAPERS, e.g. TESTING, SORTING BY DENOMINATIONS, COUNTING, DISPENSING, CHANGING OR DEPOSITING
    • G07D7/00—Testing specially adapted to determine the identity or genuineness of valuable papers or for segregating those which are unacceptable, e.g. banknotes that are alien to a currency
    • G07D7/20—Testing patterns thereon
    • G07D7/202—Testing patterns thereon using pattern matching
    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07D—HANDLING OF COINS OR VALUABLE PAPERS, e.g. TESTING, SORTING BY DENOMINATIONS, COUNTING, DISPENSING, CHANGING OR DEPOSITING
    • G07D7/00—Testing specially adapted to determine the identity or genuineness of valuable papers or for segregating those which are unacceptable, e.g. banknotes that are alien to a currency
    • G07D7/20—Testing patterns thereon
    • G07D7/202—Testing patterns thereon using pattern matching
    • G07D7/206—Matching template patterns

Definitions

  • a sensitive product comprises an identifier, and corresponds for example to a banknote, a box of drugs, a luxury product, etc.
  • the identifier comprises a set of characters, for example alphanumeric, kenji, etc.
  • the identifier is a serial number.
  • the protection comprises at least one of:
  • the identifier can be individual, that is to say specific to a given sensitive product.
  • the identifier may also be generic, that is to say specific to a set of sensitive products, for example a batch of drugs.
  • banknotes which are sensitive products among the most complex in terms of security, will be described below, the invention can be implemented for any other sensitive product.
  • banknotes include a set of security features, such as signs, watermarks, security thread, hologram, etc. which are incorporated in or on the banknotes during their manufacture.
  • the invention relates to a first object, a method for verifying the authenticity of a sensitive product, said sensitive product comprising an identifier.
  • a remote server comprising a database comprising a set of original digital images of sensitive products, at least one of:
  • step (1120) of extracting an optical fingerprint from the test digital image and step (1000) of extracting an optical fingerprint from the original digital image comprising at least one of:
  • a step (1030) of metrology A step (1010) of defining a set of remarkable points on the original digital image and on the digital test image of the sensitive product can be provided, each remarkable point being defined as a set of at least one pixel, c ' that is to say a single pixel or a set of adjacent pixels in pairs for which the contrast gradient is greater than a predefined threshold value, according to at least one predefined direction and a predefined distance around said set of at least one pixel .
  • the step (1020) for calculating local collisions consists, for at least one remarkable point, in calculating a set of local histograms in a determined subset of the digital test image or the original digital image. said subset comprising said remarkable point.
  • the metrology step (1030) consists in calculating the distance between a first remarkable point and a second remarkable point on at least one of the original digital image and the digital test image of the sensitive product.
  • the comparison step (1150) is short-circuited according to the value of the validity attribute.
  • the acquisition step (1100) is implemented by means of a sensor of an optical objective of a communicating object.
  • said subset of the test digital image or the original digital image has a predetermined geometric shape whose value of the surface is predetermined or a function of a predetermined gradient of contrast, color or intensity around said remarkable point.
  • the invention relates to a computer program comprising program code instructions for executing the steps of the method according to the invention, when said program is executed on a computer.
  • FIG. 1 illustrates an embodiment of a sensitive product in the form of a banknote
  • FIG. 2 illustrates, on an enlargement of a portion of a sensitive product identifier, in the present case a bank note serial number, a set of arrows representing the distance between remarkable points for the calculation of metrology according to the invention, and
  • FIG. 3 illustrates an embodiment of the method according to the invention.
  • a sensitive product 100 in this case a banknote (specimen) is illustrated in Figure 1.
  • the banknote is planar and rectangular.
  • X or horizontal, means the direction of the length of the banknote and Y, or vertical, the direction of the width of said banknote.
  • the bank note comprises a set of security elements, in particular graphic or optical.
  • the bank note comprises in particular a security thread 130, which is integrated in the paper pulp of said banknote and which is visible optically by a local contrast effect.
  • the position of a security thread is not necessarily the same between two bank notes of the same cash value.
  • it can be provided that it includes a graphic window whose width is that of said ticket, whose length is at most that of said ticket, and in the plane of said ticket, within which the position of the security thread is random, said security thread being generally rectilinear, and in particular in the direction of the width of the note.
  • the bank note also includes a watermark 110, illustrated in particular by the number "20" in Figure 1 and which is optically visible by a local contrast effect.
  • the sensitive product comprises an identifier 120, typically composed of alphanumeric characters, for example incremented, and in this case a serial number.
  • the identifier is not printed in offset. Generally, it is printed with a dark ink, in this case black, on a light background.
  • the identifier defines a first plane and the background defines a background, it is visible optically by a local contrast effect.
  • the identifier can be recognized by optical character recognition.
  • the sensitive product is at least partially flat, that is to say that it is plane or comprises at least one plane face supporting said identifier.
  • the flat surface supporting said identifier is a surface on which said identifier is integrated, affixed, glued, printed, etc. either directly on the sensitive product or on the packaging of said sensitive product, in particular on the part of the packaging covering said surface.
  • the sensitive product and its packaging are thus indistinctly considered.
  • the planar surface supporting the identifier comprises at least one of the following characteristics:
  • a step of making a digital image of said sensitive product that is to say at least of the flat surface supporting said identifier.
  • the image produced is in high definition and stored in a secure database.
  • Said digital image is called "original digital image", by difference to a
  • OCR optically recognizing
  • optically recognized identifier is recorded in digital format and associated with the original digital image of said sensitive product in the database, which allows, for example, indexing thereof.
  • each character of the identifier is defined graphically by a set of printing points.
  • the ink used for printing is dark, usually black.
  • the background tint on which each character is printed is lighter than that of the ink, so that the character is legible on said background by virtue of a local contrast effect.
  • the background on which the identifier is printed is not uniform and may include a set of patterns 150, which may be graphic security or decor elements; and each pattern 150 of the bottom of the sensitive product has a local contrast effect.
  • the background patterns for example represent alphanumeric characters, graphic symbols, an image, etc. which most often depends on the field of use, for example the fiduciary domain (banknotes), or the field of pharmaceutical product packaging.
  • the background may comprise at least one of the graphic elements (security or not) among:
  • At least one inscription preferably in security ink, for example optically variable
  • At least one background impression possibly more or less monochromatic
  • an assembly of at least one hologram or a visible security element for example a variable ink
  • the identifier is unique. However, for different reasons, it happens that several sensitive products have the same identifier, for example several banknotes of the same cash value have the same serial number. It is estimated that a maximum of twenty bank notes of the same cash value may have the same serial number.
  • two bank notes having the same identifier actually have a set of at least one difference by at least one of the security elements or the background.
  • the position of the identifier on the bottom is different, or the background pattern is different, etc.
  • each sensitive product is actually graphically unique. It therefore has a print, that is to say a set of attributes (including optical, graphic and geometric) that give it its uniqueness.
  • the (optical) fingerprint of the sensitive product can be extracted from the original digital image to identify and authenticate said sensitive product as described later.
  • a step 1000 of extracting at least one optical impression of the original digital image of the scanned sensitive product that is to say to calculate the attributes that contribute to the uniqueness of it, from the digital image in the database or before storage in it. It is then possible to associate said fingerprint with said original digital image in the database.
  • each original digital image is associated with a plurality of corresponding attributes, the set of attributes of a given original image making it possible to characterize at least part of it.
  • the attributes include, for example, the coordinates of remarkable points (described hereinafter), the distances between certain remarkable points, contrast gradient values around the remarkable points, and so on. or other notable features such as mathematical moments of parts of the image as described below.
  • the moments of Zernike are very useful for the modeling of optical systems, they represent well the wavefronts and the transformations that these they undergo during the crossing of dioptres or reflection on mirrors. They are very useful for the representation of the properties of the images.
  • the first degrees of the Zernike moments represent the inclinations and global orientation changes of the wavefront
  • the second degrees represent astigmaties or defocalisations
  • the third degrees represent the coma aberrations
  • the fourth degrees represent the spherical deformations. etc.
  • Binary descriptors are known, for example:
  • BRISK Binary robust invariant scalable keypoints.
  • the extraction of the imprint of the sensitive product is implemented automatically and preferably comprises at least one of: a local collisions calculation step and a metrology step.
  • step 1010 of defining, or identifying, a set of remarkable points on the digital image (original or test) of the sensitive product.
  • a remarkable point is defined as a point in the digital image of the sensitive product, i.e. a pixel or set of adjacent pixels in pairs, for which the contrast gradient, in a predefined direction and distance , is greater than a predefined threshold value.
  • the predefined direction is horizontal and / or vertical.
  • a first remarkable point belongs to the foreground.
  • a first remarkable point is a point of impression of a character of the identifier.
  • a second remarkable point belongs to the foreground or the background.
  • a second remarkable point is a point on the outline of a graphic element of the background pattern.
  • a set of remarkable points can be defined or identified according to the algorithm FAST (for Features from Accelerated Segment Test in English) for example such as described in the article by Edward Rosten and Tom Drummond “Machine learning for high-speed corner detection” (2006) published at https: // www. edwardrosten. com / work / rosten_2006_mach i ne. pdf.
  • FAST for Features from Accelerated Segment Test in English
  • the step of calculating local collisions consists, for at least one remarkable point, of calculating a set of local histograms in a determined subset of the digital image, said subset being a part of the digital image which comprises said remarkable point, which has a predetermined geometrical shape and whose surface value is predetermined or a function of a predetermined gradient of contrast, color or intensity around said remarkable point.
  • any predetermined geometric shape can be provided. This one is saved in a memory.
  • the value of the surface of the predetermined shape may also be predetermined and recorded in said memory.
  • the geometric shape is a circle centered on the said remarkable point, and whose radius is a function of the chosen gradient, which simplifies the calculations and thus increases the processing speed.
  • Local histograms are calculated according to a number of predetermined directions.
  • each scanned sensitive product is registered and associated in the database with at least one of:
  • SIFT Scale Invariant Feature Transform
  • SURF Speeded Up Robust Features
  • the detection of points is based on the differences of the Gaussian (DoG) obtained by calculating the difference between each pair of images smoothed by a Gaussian filter, varying from each time the sigma parameter (ie the standard deviation) of the filter.
  • DoGs can be calculated for different scale levels to introduce the notion of scale space.
  • the detection of the potential areas of points of interest / remarkable points is carried out by looking for the extrema according to the plane of the dimension of the image (x, y) and the plane of the scale factor.
  • the SIFT descriptor is calculated on an area around each point of interest, for example 16x16 pixels, subdivided into 4x4 areas of 4x4 pixels. On each of the 16 zones, a histogram of the gradient orientations based on 8 intervals is then calculated. The concatenation of the 16 histograms gives a descriptor vector of 128 values.
  • the method consists in using the determinant of the Hessian matrix, to calculate an approximation of the second derivatives of Gaussians of the image by means of filters at different scales by using masks different sizes (eg 9x9, 15x15, 21x21, ).
  • the principle is based on the sums of the responses of the horizontal and vertical Haar wavelets as well as their norms.
  • the circular area of description is divided again into 16 regions. A wavelet analysis is performed on each region to construct the final descriptor.
  • the latter consists of the sum of the x and y gradients as well as the sum of their respective norms for all 16 regions.
  • the descriptor vector thus consists of 64 values that represent properties extracted both in the normal space and in that of the size scales.
  • the ORB algorithm which is a method for accelerating the processing with respect to the SIFT algorithm and which is based on a remarkable FAST point detector described above, and local property descriptors of BRIEF binary test type, for example as described at http://www.vision.cs.chubu.ac.jp/CV-R/pdf/Rublee iccv2011.pdf.
  • Each subset corresponds to a single footprint. It is possible to store the fingerprint of each selected subset in the database.
  • the distance between the first remarkable point and the second remarkable point is greater than a first threshold value stored in a memory, and less than a second threshold value recorded in said memory.
  • the first threshold value makes it possible to guarantee that the two remarkable points are not too close to each other; the second threshold value makes it possible to guarantee that the two remarkable points not too far apart from each other.
  • the first remarkable point is located on one of the characters of the identifier of the sensitive product.
  • the second remarkable point is located on a security thread of said sensitive product.
  • the second remarkable point is located on a border of said sensitive product or on a border of the face supporting said identifier.
  • the second remarkable point located on the contour of a pattern of the bottom of the face supporting said identifier.
  • the distance between two remarkable points is illustrated by a double arrow.
  • the first remarkable points are located on the character outline of the identifier, in this case the numbers 04 of the serial number of a banknote; and at the other end of the double arrows, the second remarkable points are located on the outline of a character of the bottom (in this case the letter R which appears slightly in the background, with guilloches).
  • the previous variants are combinable with each other.
  • One can calculate the distance between a first and a second remarkable point, and calculate the distance between the first remarkable point and a third remarkable point different from the second.
  • the first remarkable point and the second remarkable point are aligned on a horizontal line, or on a vertical line, so that the distance is calculated in the horizontal direction and / or in the vertical direction, in one direction or in the other direction. the other, the horizontal and the vertical being defined typically by the reading direction.
  • at least one of the distances calculated for the sensitive product is recorded and associated with the original digital image of said sensitive product in the database.
  • a step 1100 for acquiring a digital image of said sensitive product is provided, typically by means of an optical objective of a communicating object, said sensitive product preferably being plane and comprising a surface supporting an identifier. Said digital image is called "digital test image”.
  • communicating object any object, preferably portable, equipped with an optical lens, a processor and a memory, and capable of establishing a communication, radio or otherwise, with the database.
  • the communicating object is a mobile phone, a smart phone - or Smartphone by anglicism, a PDA, a tablet, etc., a personal computer or an automatic sorting machine banknotes.
  • the test image of said sensitive product comprising said identifier then undergoes a digital processing step, which aims at comparing said test image with a corresponding original digital image and which can be implemented on the communicating object or, preferably, on a remote server.
  • the remote server is the server hosting the database, or a server in communication with it and with the communicating object, which limits the risk of piracy of the communicating object.
  • the digital processing step comprises an optical character recognition (OCR) step 1110 of recognizing the characters of the identifier of said sensitive product.
  • OCR optical character recognition
  • the digital processing state also includes a step 1120 of extracting an optical fingerprint from the test digital image, in a manner identical to extracting an optical fingerprint from the original digital image, i.e. according to steps 1010, 1020, 1030 previously described.
  • the optical fingerprint of the test digital image is then compared 1150 to each optical fingerprint of the set of at least one original digital image. If several optical impressions of the test digital image are calculated, it can be expected to compare each optical fingerprint of the test digital image with each optical fingerprint of the original digital image.
  • a signal whose value is a function of the result of the comparison.
  • a binary signal is provided whose one of the binary values means that the comparison is positive, that is to say that the print of the test image is equal to the print of the original image, and the other binary value means that the comparison is negative.
  • a validity attribute means that the sensitive product at the origin of said original digital image is considered invalid, for example because it has been removed from circulation or has been stolen.
  • the comparison step is short-circuited according to the value of said attribute, ie if the sensitive product at the origin of said original digital image is considered to be invalid.
  • the calculation of local collisions can be advantageously carried out on a support (banknote, packaging) wrinkled or whose edges are damaged.

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Image Analysis (AREA)
  • Editing Of Facsimile Originals (AREA)
  • Inspection Of Paper Currency And Valuable Securities (AREA)
  • Facsimiles In General (AREA)

Abstract

L'invention concerne un procédé de vérification de l'authenticité d'un produit sensible comprenant un identifiant qui comprend : - acquérir (1100) une image test dudit produit, - reconnaître optiquement (1110) l'identifiant, - extraire (1120) une empreinte optique de l'image test, - envoyer (1130) à une base de données distante comprenant un ensemble d'images originales au moins l'un parmi : o lesdits caractères de l'identifiant reconnus, o l'empreinte optique de l'image test, et o ladite image test, - identifier (1140) dans la base au moins une image originale correspondant à ladite image test, - extraire (1000) une empreinte optique de l'image originale correspondante, et - comparer (1050) l'empreinte optique de l'image test et l'empreinte optique de l'image originale; l'extraction (1000, 1120) comprenant au moins l'une des étapes parmi : - une étape (1020) de calcul de collisions locales, et - une étape (1030) de métrologie.

Description

PROCEDE DE VERIFICATION DE L'AUTHENTICITE D'UN PRODUIT SENSIBLE.
DOMAINE DE L'INVENTION
La présente invention concerne le domaine de la protection des produits sensibles contre les contrefaçons. Au sens de la présente invention, un produit sensible comprend un identifiant, et correspond par exemple à un billet de banque, une boite de médicaments, un produit de luxe, etc.
L'identifiant comprend un ensemble de caractères, par exemple alphanumériques, kenji, etc. Par exemple, l'identifiant est un numéro de série.
La protection comprend au moins l'un parmi :
- le marquage d'un produit sensible et/ou de son emballage grâce audit identifiant, et
- la vérification dudit marquage, où par « vérification » on entend indistinctement vérification ou authentification.
L'identifiant peut être individuel, c'est-à-dire spécifique à un produit sensible donné. L'identifiant peut aussi être générique, c'est-à-dire spécifique à un ensemble de produits sensibles, par exemple un lot de médicaments.
Par souci de concision, seul le cas des billets de banque, qui sont les produits sensibles parmi les plus complexes en termes de sécurité, sera décrit ci-après, l'invention pouvant être mise en œuvre pour tout autre produit sensible.
L'authenticité des billets de banque est essentielle dans la vie économique. Les billets de banque comprennent un ensemble d'éléments de sécurité, par exemple tels que signes, filigranes, fil de sécurité, hologramme, etc. qui sont incorporés dans ou sur les billets lors de leur fabrication.
Pour vérifier l'authenticité d'un billet de banque, il convient donc de vérifier l'authenticité de certains de ces éléments de sécurité, que ce soit sans équipement, avec des outils d'aide à l'authentification, ou avec une machine d'authentification.
À cet effet, on connaît certaines méthodes d'authentification publiées par exemple par la Banque de France à l'adresse Internet : https://www,banque-franœir/la-banque-de-france/bjllets-et-pieces/notre-monnaie- leuro/authentifier-!es~billets-en-eur/comment~authentifier-les-billets,html.
Diverses méthodes sont ainsi proposées, elles se basent notamment sur le toucher, l'observation en lumière ultraviolette ou en lumière visible, notamment à l'aide d'une loupe, ainsi que sur la manipulation d'un billet de banque afin de contrôler notamment l'aspect diffractant de l'hologramme en réaction avec un changement des conditions d'observations.
Il est proposé ici une solution d'authentification avec un équipement optique simple et courant, permettant à quiconque de vérifier l'authenticité d'un produit sensible, en particulier un billet de banque, en lumière visible.
RESUME DE L'INVENTION Plus précisément, l'invention concerne selon un premier ses objets, un procédé de vérification de l'authenticité d'un produit sensible, ledit produit sensible comprenant un identifiant.
Il est essentiellement caractérisé en ce qu'il comprend des étapes consistant à :
- acquérir (1100) une image numérique test dudit produit sensible ;
- reconnaître optiquement (1110) les caractères de l'identifiant dudit produit sensible,
- extraire (1120) une empreinte optique de l'image numérique test,
- envoyer (1130) à un serveur distant comprenant une base de données comprenant un ensemble d'images numériques originales de produits sensibles, au moins l'un parmi :
o les caractères de l'identifiant reconnus optiquement,
o l'empreinte optique de l'image numérique test, et
o ladite image numérique test,
- identifier (1140) dans la base de données un ensemble d'au moins une image numérique originale correspondant à ladite image numérique test,
- extraire (1000) une empreinte optique de l'image numérique originale correspondante, et
- comparer (1050) l'empreinte optique de l'image numérique test et l'empreinte optique de l'image numérique originale ;
au moins l'une parmi
l'étape (1120) consistant à extraire une empreinte optique de l'image numérique test et l'étape (1000) consistant à extraire une empreinte optique de l'image numérique originale, comprenant au moins l'une des étapes parmi :
- une étape (1020) de calcul de collisions locales, et
- une étape (1030) de métrologie. On peut prévoir une étape (1010) consistant à définir un ensemble de points remarquables sur l'image numérique originale et sur l'image numérique test du produit sensible, chaque point remarquable étant défini comme un ensemble d'au moins un pixel, c'est-à-dire un pixel unique ou un ensemble de pixels adjacents deux à deux pour lequel le gradient de contraste est supérieur à une valeur seuil prédéfinie, selon au moins une direction prédéfinie et une distance prédéfinie autour dudit ensemble d'au moins un pixel.
De préférence, l'étape (1020) de calcul de collisions locales consiste, pour au moins un point remarquable, à calculer un ensemble d'histogrammes locaux dans un sous-ensemble déterminé de l'image numérique test ou de l'image numérique originale, ledit sous-ensemble comprenant ledit point remarquable.
De préférence, l'étape (1030) de métrologie consiste à calculer la distance entre un premier point remarquable et un deuxième point remarquable sur au moins l'une parmi l'image numérique originale et l'image numérique test du produit sensible.
On peut prévoir une étape (1040) consistant à associer dans la base de données chaque image numérique originale à une pluralité d'attributs correspondants, lesdits attributs comprenant au moins l'un parmi : les coordonnées de points remarquables, les distances entre certains points remarquables, des valeurs de gradient de contraste autour des points remarquables, ou encore d'autres caractéristiques notables comme des moments mathématiques de certaines parties de l'image.
On peut prévoir une étape (1050) consistant à associer, dans la base de données, un attribut de validité à l'une au moins des images numériques originales.
De préférence, l'étape de comparaison (1150) est court-circuitée en fonction de la valeur de l'attribut de validité.
Dans un mode de réalisation, l'étape d'acquisition (1100) est mise en œuvre grâce à un capteur d'un objectif optique d'un objet communicant.
Dans un mode de réalisation, ledit sous-ensemble de l'image numérique test ou de l'image numérique originale présente une forme géométrique prédéterminée dont la valeur de la surface est prédéterminée ou fonction d'un gradient prédéterminé de contraste, de couleur ou d'intensité autour dudit point remarquable.
Selon un autre de ses objets, l'invention concerne un programme d'ordinateur comprenant des instructions de code de programme pour l'exécution des étapes du procédé selon l'invention, lorsque ledit programme est exécuté sur un ordinateur.
D'autres caractéristiques et avantages de la présente invention apparaîtront plus clairement à la lecture de la description suivante donnée à titre d'exemple illustratif et non limitatif et faite en référence aux figures annexées.
DESCRIPTIF DES DESSINS
- la figure 1 illustre un mode de réalisation d'un produit sensible sous forme de billet de banque,
- la figure 2 illustre, sur un agrandissement d'une partie d'un identifiant de produit sensible, en l'espèce un numéro de série de billet de banque, un ensemble de flèches représentant la distance entre points remarquables pour le calcul de métrologie selon l'invention, et
- la figure 3 illustre un mode de réalisation du procédé selon l'invention.
DESCRIPTION DETAILLEE Produit sensible
Un produit sensible 100, en l'espèce un billet de banque (spécimen) est illustré sur la figure 1. Le billet de banque est plan et rectangulaire. Par convention, on entend par X, ou horizontal, le sens de la longueur du billet de banque et par Y, ou verticale, le sens de la largeur dudit billet de banque.
Comme exposé préalablement le billet de banque comprend un ensemble d'éléments de sécurité, en particulier graphiques ou optiques.
Parmi les éléments de sécurité, le billet de banque comprend notamment un fil de sécurité 130, qui est intégré dans la pâte à papier dudit billet de banque et qui est visible optiquement par un effet local de contraste. La position d'un fil de sécurité n'est pas nécessairement la même entre deux billets de banque de même valeur numéraire. Par exemple, lors de la fabrication d'un billet de banque, on peut prévoir que celui-ci comprend une fenêtre graphique dont la largeur est celle dudit billet, dont la longueur est au maximum celle dudit billet, et dans le plan dudit billet, à l'intérieur de laquelle la position du fil de sécurité est aléatoire, ledit fil de sécurité étant généralement rectiligne, et en particulier dans le sens de la largeur du billet.
Le billet de banque comprend également un filigrane 110, illustré notamment par le nombre « 20 » sur la figure 1 et qui est visible optiquement par un effet local de contraste.
Le produit sensible comprend un identifiant 120, typiquement composé de caractères alphanumériques, par exemple incrémentés, et en l'espèce un numéro de série. En particulier pour les billets de banque, l'identifiant n'est pas imprimé en offset. Généralement, il est imprimé avec une encre sombre, en l'espèce noire, sur un fond clair.
L'identifiant définit un premier plan et le fond définit un arrière-plan, il est visible optiquement par un effet local de contraste.
En outre, l'identifiant peut être reconnu par reconnaissance optique de caractères.
Le produit sensible est au moins partiellement plan, c'est-à-dire qu'il est plan ou comprend au moins une face plane supportant ledit identifiant. Typiquement, la surface plane supportant ledit identifiant est une surface sur laquelle ledit identifiant est intégré, apposé, collé, imprimé, etc. soit directement sur le produit sensible, soit sur l'emballage dudit produit sensible, notamment sur la partie de l'emballage recouvrant ladite surface.
Au sens de la présente invention, on considère donc indistinctement le produit sensible et son emballage. De préférence, la surface plane supportant l'identifiant comprend au moins l'une des caractéristiques suivantes :
- elle est non uniformément monochromatique,
- elle comprend au moins un élément graphique (de sécurité ou de décor). Scan
Après la fabrication d'un produit sensible, et de préférence avant sa mise en service / dans le commerce, on prévoit une étape consistant à réaliser une image numérique dudit produit sensible, c'est-à-dire au moins de la face plane supportant ledit identifiant.
De préférence l'image réalisée est en haute définition et stockée dans une base de données sécurisée. Ladite image numérique est dite « image numérique originale », par différence à une
« image numérique test » décrite ultérieurement.
Reconnaissance de caractères On prévoit une étape consistant à reconnaître optiquement (OCR) les caractères de l'identifiant dans l'image numérique originale d'un produit sensible, typiquement grâce un scanner.
L'identifiant reconnu optiquement est enregistré sous format numérique et associé à l'image numérique originale dudit produit sensible dans la base de données, ce qui permet par exemple une indexation de celle-ci.
Sur le produit sensible, chaque caractère de l'identifiant est défini graphiquement par un ensemble de points d'impression. L'encre utilisée pour l'impression est sombre, en général noire. La teinte du fond sur lequel est imprimé chaque caractère est plus claire que celle de l'encre, de sorte que le caractère est lisible sur ledit fond grâce à un effet local de contraste.
Le fond sur lequel l'identifiant est imprimé n'est pas uniforme et peut comprendre un ensemble de motifs 150, qui peuvent être des éléments graphiques de sécurité ou de décor ; et chaque motif 150 du fond du produit sensible présente un effet local de contraste.
Les motifs du fond représentent par exemple des caractères alphanumériques, des symboles graphiques, une image, etc. qui dépend le plus souvent du domaine d'utilisation, par exemple le domaine fiduciaire (billets de banque), ou le domaine de l'emballage de produit pharmaceutique. Par exemple, le fond peut comprendre au moins l'un des éléments graphiques (de sécurité ou non) parmi :
- au moins un filigrane ;
- des impressions offset ; - au moins un hologramme 140 ;
- au moins un fil de sécurité ;
- au moins une inscription, de préférence en encre de sécurité par exemple optiquement variable ;
- au moins une impression de fond (éventuellement plus ou moins monochromatique) ;
- des inscriptions légales (par exemple la composition, en particulier chimique) ;
- un ensemble d'au moins un logo ;
- un ensemble d'au moins un hologramme ou un élément de sécurité visible (par exemple une encre variable) ;
- etc.
De préférence, l'identifiant est unique. Toutefois, pour différentes raisons, il arrive que plusieurs produits sensibles présentent un même identifiant, par exemple plusieurs billets de banque de même valeur numéraire présentent un même numéro de série. On estime qu'au maximum une vingtaine de billets de banque de même valeur numéraire peuvent présenter un même numéro de série.
Cependant, même si deux produits sensibles présentent un même identifiant, en réalité d'autres éléments graphiques de la face supportant ledit identifiant diffèrent.
Par exemple, deux billets de banque présentant un même identifiant présentent en fait un ensemble d'au moins une différence par l'un au moins des éléments de sécurité ou le fond. Par exemple, la position de l'identifiant sur le fond est différente, ou le motif du fond est différent, etc.
Ainsi, vus globalement, les deux produits sensibles qui présentent un même identifiant sont en réalité graphiquement différents.
Ainsi, chaque produit sensible est en réalité graphiquement unique. Il possède donc une empreinte, c'est-à-dire un ensemble d'attributs (notamment optiques, graphiques et géométriques) qui lui confèrent son unicité. A l'instar d'une empreinte digitale, l'empreinte (optique) du produit sensible peut être extraite de l'image numérique originale pour identifier et authentifier ledit produit sensible comme décrit ultérieurement. Empreinte
On prévoit une étape 1000 consistant à extraire au moins une empreinte optique de l'image numérique originale du produit sensible scanné, c'est-à-dire à calculer les attributs qui concourent au caractère unique de celui-ci, à partir de l'image numérique dans la base de données ou avant son stockage dans celle-ci. On peut alors associer ladite empreinte à ladite image numérique originale dans la base de données. Ainsi, dans la base de données, chaque image numérique originale est associée 1040 à une pluralité d'attributs correspondants, l'ensemble des attributs d'une image originale donnée permettant de caractériser au moins en partie celle-ci.
Les attributs comprennent par exemple les coordonnées de points remarquables (décrits ci-après), les distances entre certains points remarquables, des valeurs de gradient de contraste autour des points remarquables, etc. ou encore d'autres caractéristiques notables comme des moments mathématiques de certaines parties de l'image comme décrit ci-après.
De nombreux moments peuvent être utilisés, par exemple au moins l'un parmi :
- Les moments de Zernike, par exemple décrits à l'adresse liris.cnrs.fr/Documents/Liris-3770.pdf sont très utiles pour la modélisation de systèmes optiques, ils représentent bien les fronts d'onde et les transformations que ceux-ci subissent lors de la traversée de dioptres ou de la réflexion sur des miroirs. Ils sont très utiles pour la représentation des propriétés des images. Typiquement les premiers degrés des moments de Zernike représentent les inclinaisons et les changements d'orientation globaux du front d'onde, les seconds degrés représentent des astigmaties ou des défocalisations, les troisièmes degrés représentent les aberrations de coma, les quatrièmes degrés représentent les déformations sphériques, etc.
- Les moments de Hu, qui sont construits sur des moments centraux et qui sont invariants en échelle, par exemple tels que décrit dans M. K. Hu, "Visual Pattern Récognition by Moment Invariants", IRE Trans. Info. Theory, vol. IT-8, pp.179- 187, 1962. A titre alternatif des moments mathématiques, on peut aussi utiliser des descripteurs dits
« binaires » en ce qu'ils sont basés sur des échantillons de motif sur lequel on a le choix de la zone à échantillonner, que l'on traite pour mesurer l'orientation du motif afin de le recaler (la méthode pour déterminer l'orientation étant choisie) et qui permet enfin de comparer des paires d'échantillons par exemple dans une logique d'arbre binaire (la façon d'organiser les comparaisons étant choisie). De tels descripteurs binaires sont connus, par exemple :
- Sous l'acronyme BREF (Binary robust independent elementary features en anglais) de la méthode ORB (pour Orientated FAST and Rotated BRIEF en anglais), décrits par exemple à l'adresse https://qilscvbloa.com/2013/10/04/a-tutoriaj-on-binary- descriptors-part-S-the-orb-descriptor/ ;
- Sous l'acronyme BRISK, et décrits par exemple dans l'article Leutenegger, Stefan, Margarita Chli, and Roland Y. Siegwart. "BRISK: Binary robust invariant scalable keypoints." Computer Vision (ICCV), 2011 IEEE International Conférence on. IEEE, 2011.) ; et
- Sous l'acronyme FREAK et décrits par exemple dans l'article Alahi, Alexandre, Raphaël Ortiz, and Pierre Vandergheynst. "Freak: Fast retina keypoint." Computer Vision and Pattern Récognition (CVPR), 2012 IEEE Conférence on. IEEE, 2012.
L'extraction de l'empreinte du produit sensible est mise en œuvre automatiquement et comprend de préférence au moins l'une des étapes parmi : une étape de calcul de collisions locales et une étape de métrologie.
Points remarquables
On peut prévoir une étape 1010 consistant à définir, ou identifier, un ensemble de points remarquables sur l'image numérique (originale ou test) du produit sensible.
Un point remarquable est défini comme un point de l'image numérique du produit sensible, c'est-à-dire un pixel ou un ensemble de pixels adjacents deux à deux, pour lequel le gradient de contraste, selon une direction et une distance prédéfinies, est supérieur à une valeur seuil prédéfinie.
De préférence, la direction prédéfinie est horizontale et/ou verticale.
De préférence, un premier point remarquable appartient au premier plan. En l'espèce, un premier point remarquable est un point d'impression d'un caractère de l'identifiant. Par exemple un deuxième point remarquable appartient au premier plan ou à l'arrière-plan (fond). En l'espèce, un deuxième point remarquable est un point sur le contour d'un élément graphique du motif du fond.
Par exemple, un ensemble de points remarquables peut être défini ou identifié selon l'algorithme FAST (pour Features from Accelerated Segment Test en anglais) par exemple tel que décrit dans l'article de Edward Rosten et Tom Drummond « Machine learning for high- speed corner détection » (2006) publié à l'adresse https://www. edwardrosten . com/work/rosten_2006_mach i ne. pdf. Collisions locales
On peut prévoir une étape 1020 de calcul de collisions locales sur l'image numérique originale du produit sensible.
L'étape de calcul de collisions locales consiste, pour au moins un point remarquable, à calculer un ensemble d'histogrammes locaux dans un sous-ensemble déterminé de l'image numérique, ledit sous-ensemble étant une partie de l'image numérique qui comprend ledit point remarquable, qui présente une forme géométrique prédéterminée et dont la valeur de la surface est prédéterminée ou fonction d'un gradient prédéterminé de contraste, de couleur ou d'intensité autour dudit point remarquable.
On peut prévoir toute forme géométrique prédéterminée. Celle-ci est enregistrée dans une mémoire. La valeur de la surface de la forme prédéterminée peut également être prédéterminée et enregistrée dans ladite mémoire. Avantageusement, la forme géométrique est un cercle centré sur ledit point remarquable, et dont le rayon est fonction du gradient choisi, ce qui simplifie les calculs donc augmente la vitesse de traitement.
Les histogrammes locaux sont calculés selon un nombre de directions prédéterminées. De préférence, on enregistre et associe dans la base de données à chaque produit sensible numérisé au moins l'un des éléments parmi :
- la valeur des histogrammes locaux,
- la façon dont ont été calculées les collisions locales, et
- la position (coordonnées) des points remarquables.
Par exemple, on peut calculer et enregistrer dans la base de données l'une au moins des propriétés du sous-ensemble déterminé parmi :
des descripteurs de contour ou de forme,
des indices de forme ou de texture,
des caractéristiques colorimétriques,
des caractéristiques de motif. Par exemple, on peut utiliser l'algorithme dit SIFT pour "Scale Invariant Feature Transform" en anglais ou l'algorithme dit SURF pour "Speeded Up Robust Features" en anglais, qui sont tous deux des descripteurs locaux qui consistent, dans un premier temps, à détecter un certain nombre de points d'intérêt dans l'image, pour ensuite calculer un descripteur décrivant localement l'image autour de chaque point d'intérêt. La qualité du descripteur est mesurée par sa robustesse aux changements possibles que peut subir une image, en l'occurrence le changement d'échelle et la rotation.
Pour l'algorithme SIFT, décrit notamment dans la publication D. Lowe. Object récognition from local scale-invariant features. IEEE International Conférence on Computer Vision, pages 1150-1157, 1999, la détection des points est basée sur les différences des gaussiennes (DoG) obtenues par le calcul de la différence entre chaque couple d'images lissées par un filtre gaussien, en variant à chaque fois le paramètre sigma (c'est à dire la déviation standard) du filtre. Les DoG peuvent être calculé pour différents niveaux d'échelle permettant d'introduire la notion de l'espace d'échelle. La détection des potentielles zones de points d'intérêt / points remarquables s'effectue en recherchant les extrema selon le plan de la dimension de l'image (x,y) et le plan du facteur d'échelle. Ensuite une étape de filtrage est nécessaire pour supprimer les points non pertinents, en éliminant par exemple les points dont le contraste est trop faible. Le calcul du descripteur SIFT s'effectue sur une zone autour de chaque point d'intérêt par exemple de 16x16 pixels, subdivisée en 4x4 zones de 4x4 pixels. Sur chacune des 16 zones, un histogramme des orientations du gradient basé sur 8 intervalles est alors calculé. La concaténation des 16 histogrammes donne un vecteur descripteur de 128 valeurs. Pour l'algorithme SURF, décrit notamment dans la publication H. Bay, T. Tuylelaars, and
L. Van Gool. Surf : Speeded up robust features. European Conférence on Computer Vision, pages 404-417, 2006, la méthode consiste à utiliser le déterminant de la matrice Hessienne, à calculer une approximation des dérivées secondes des gaussiennes de l'image par le biais de filtres à différentes échelles en utilisant des masques de différentes tailles (par exemple 9x9, 15x15, 21x21 , ...). Pour le calcul de l'orientation des points et les descripteurs autour des points, le principe est basé sur les sommes des réponses des ondelettes de Haar horizontales et verticales ainsi que leurs normes. La zone circulaire de description est divisée là encore en 16 régions. Une analyse en ondelettes est effectuée sur chaque région afin de construire le descripteur final. Ce dernier est constitué de la somme des gradients en x et en y ainsi que de la somme de leur norme respective pour l'ensemble des 16 régions. Le vecteur descripteur est ainsi constitué de 64 valeurs qui représentent des propriétés extraites à la fois dans l'espace normal et dans celui des échelles de grandeur. A titre alternatif à l'algorithme SIFT, on peut utiliser l'un des algorithmes parmi :
- l'algorithme ASIFT pour Affine-SIFT. C'est une méthode de comparaison d'images qui permet d'intégrer dans la prise en compte les transformations affines sur l'image et qui, en l'espèce, peut servir à compenser les déformations dues à l'orientation du plan du produit sensible dans l'espace (en particulier un billet de banque). Une telle méthode est décrite par exemple à l'adresse http://www.ipoLÎm/pub/art/2011/mv-asift/ ; et
- l'algorithme ORB, qui est une méthode destinée à accélérer les traitements vis-à-vis de l'algorithme SIFT et qui est basé sur un détecteur de points remarquables de type FAST décrite ci-dessus, et des descripteurs de propriétés locales de type test binaires BRIEF, par exemple tel que décrit à l'adresse http://www.vision.cs.chubu.ac.jp/CV-R/pdf/Rublee iccv2011.pdf.
A chaque sous-ensemble correspond une seule empreinte. On peut prévoir de stocker l'empreinte de chaque sous-ensemble sélectionné dans la base de données. Métrologie
On peut prévoir une étape 1030 de métrologie consistant à calculer la distance entre un premier point remarquable et un deuxième point remarquable sur l'image numérique originale du produit sensible.
De préférence, la distance entre le premier point remarquable et le deuxième point remarquable est supérieure à une première valeur seuil enregistrée dans une mémoire, et inférieure à une deuxième valeur seuil enregistrée dans ladite mémoire. La première valeur seuil permet de garantir que les deux points remarquables ne soient pas trop près l'un de l'autre ; la deuxième valeur seuil permet de garantir que les deux points remarquables pas trop éloignés l'un de l'autre.
De préférence, le premier point remarquable est situé sur un des caractères de l'identifiant du produit sensible.
Dans une première variante, le deuxième point remarquable est situé sur un fil de sécurité dudit produit sensible. Dans une deuxième variante, le deuxième point remarquable est situé sur une bordure dudit produit sensible ou sur une bordure de la face supportant ledit identifiant. Dans une troisième variante, le deuxième point remarquable situé sur le contour d'un motif du fond de la face supportant ledit identifiant.
Sur la figure 2, la distance entre deux points remarquables est illustrée par une double flèche. A une extrémité des doubles flèches, les premiers points remarquables sont situés sur le contour de caractères de l'identifiant, en l'espèce les chiffres 04 du numéro de série d'un billet de banque ; et à l'autre extrémité des doubles flèches, les deuxièmes point remarquables sont situés sur le contour d'un caractère du fond (en l'espèce la lettre R qui apparaît légèrement en arrière-plan, avec des guilloches).
Les variantes précédentes sont combinables entre elles. On peut calculer la distance entre un premier et un deuxième point remarquable, et calculer la distance entre le premier point remarquable et un troisième point remarquable différent du deuxième. De préférence, le premier point remarquable et le deuxième point remarquable sont alignés sur une droite horizontale, ou sur une droite verticale, de sorte que la distance est calculée selon la direction horizontale et/ou selon la direction verticale, dans un sens ou dans l'autre, l'horizontale et la verticale étant définies typiquement par le sens de lecture. De préférence, au moins l'une des distances calculées pour le produit sensible est enregistrée et associée à l'image numérique originale dudit produit sensible dans la base de données.
Fonctionnement
Pour vérifier l'authenticité d'un produit sensible, en particulier une fois celui-ci mis en service / dans le commerce, on prévoit une étape 1100 d'acquisition d'une image numérique dudit produit sensible, typiquement grâce un objectif optique d'un objet communicant, ledit produit sensible étant de préférence plan et comprenant une surface supportant un identifiant. Ladite image numérique est dite « image numérique test ».
Par « objet communicant » on entend tout objet, de préférence portable, équipé d'un objectif optique, d'un processeur et d'une mémoire, et susceptible d'établir une communication, radio ou autre, avec la base de données. Typiquement, l'objet communicant est un téléphone portable, un téléphone intelligent - ou Smartphone par anglicisme, un PDA, une tablette, etc., un ordinateur individuel ou une trieuse automatique de billets de banque. L'image test dudit produit sensible comprenant ledit identifiant subit alors une étape de traitement numérique, qui vise à comparer ladite image test à une image numérique originale correspondante et qui peut être mis en œuvre sur l'objet communicant ou, de préférence, sur un serveur distant. Typiquement le serveur distant est le serveur hébergeant la base de données, ou un serveur en communication avec celle-ci et avec l'objet communicant, ce qui limite les risques de piratage de l'objet communiquant.
L'étape de traitement numérique comprend une étape 1110 de reconnaissance optique de caractères (OCR) consistant à reconnaître les caractères de l'identifiant dudit produit sensible.
On prévoit une étape 1130 consistant à envoyer au serveur distant au moins l'un parmi :
• les caractères de l'identifiant reconnu optiquement, et
• ladite image numérique test.
Après connexion dudit objet communicant à la base de données, on prévoit alors une étape 1140 consistant à identifier dans la base de données un ensemble d'au moins une image numérique originale correspondant aux caractères de l'identifiant reconnu optiquement. L'état de traitement numérique comprend également une étape 1120 consistant à extraire une empreinte optique de l'image numérique test, de manière identique à l'extraction d'une empreinte optique de l'image numérique originale, c'est-à-dire selon les étapes 1010, 1020, 1030 précédemment décrites. L'empreinte optique de l'image numérique test est alors comparée 1150 à chaque empreinte optique de l'ensemble d'au moins une image numérique originale. Si plusieurs empreintes optiques de l'image numérique test sont calculées, on peut prévoir de comparer chaque empreinte optique de l'image numérique test avec chaque empreinte optique de l'image numérique orignale.
De préférence, on prévoit alors d'émettre un signal dont la valeur est fonction du résultat de la comparaison. Par exemple, on prévoit un signal binaire dont l'une des valeurs binaires signifie que la comparaison est positive, c'est-à-dire que l'empreinte de l'image test est égale à l'empreinte de l'image originale, et l'autre valeur binaire signifie que la comparaison est négative.
Le risque d'obtenir une comparaison positive entre l'empreinte d'une image numérique originale provenant d'un produit sensible original et l'empreinte d'une image numérique test provenant d'un faux produit sensible créé par exemple par photocopie est extrêmement faible du fait de l'ensemble des éléments de sécurité, et notamment du fil de sécurité dans le cas des billets de banque. Dans le cas des billets de banque, on estime le risque de comparaison positive par erreur
(similarité accidentelle entre deux billets sur le type de caractéristiques mesurées) à 1/13 000 000 000.
On peut prévoir d'associer 1050, dans la base de données, un attribut dit de validité pour chaque image numérique originale. Par exemple, une valeur dudit attribut signifie que le produit sensible à l'origine de ladite image numérique originale est considéré comme étant non valide, par exemple parce qu'il a été retiré de la mise en circulation ou déclaré volé. De préférence, l'étape de comparaison est court-circuitée en fonction de la valeur dudit attribut, c'est-à-dire si le produit sensible à l'origine de ladite image numérique originale est considéré comme étant non valide.
Grâce à l'invention, le calcul des collisions locales peut être avantageusement réalisé sur un support (billet de banque, emballage) froissé ou dont les bords sont abîmés. Nomenclature
100 Produit sensible
110 Filigrane
120 Identifiant du produit sensible, par exemple numéro de billet de banque
130 Fil de sécurité
140 Hologramme
150 Motif du fond
1000 Extraction d'une empreinte optique de l'image numérique originale
1010 Définition d'un ensemble de points remarquables sur l'image numérique originale et sur l'image numérique test
1020 Calcul de collisions locales sur l'image numérique originale et/ou sur l'image numérique test
1030 Étape de métrologie sur l'image numérique originale et/ou sur l'image numérique test 1040 Association dans la base de données à chaque image numérique originale d'une pluralité d'attributs correspondants
1050 Association dans la base de données, d'un attribut de validité à l'une au moins des images numériques originales
1100 Acquisition d'une image numérique test dudit produit sensible
1110 Reconnaissance optique des caractères de l'identifiant du produit sensible 1120 Extraction d'une empreinte optique de l'image numérique test
1130 Envoi à un serveur distant
1140 Identification dans la base de données d'au moins une image numérique originale correspondant à l'image numérique test
1150 Comparaison des empreintes de l'image numérique test et de l'image numérique originale

Claims

REVENDICATIONS
1. Procédé de vérification de l'authenticité d'un produit sensible, ledit produit sensible comprenant un identifiant comprenant un ensemble de caractères, caractérisé en ce que le procédé comprenant des étapes consistant à :
- acquérir (1 100) une image numérique test comprenant ledit identifiant dudit produit sensible ;
- reconnaître optiquement (11 10) des caractères dudit identifiant,
- extraire (1 120) une empreinte optique de l'image numérique test,
- envoyer (1130) à un serveur distant comprenant une base de données comprenant un ensemble d'images numériques originales de produits sensibles, au moins l'un parmi :
o les caractères de l'identifiant reconnus optiquement,
o l'empreinte optique de l'image numérique test extraite, et o ladite image numérique test,
- identifier (1 140) dans la base de données un ensemble d'au moins une image numérique originale correspondant à ladite image numérique test,
- extraire (1000) une empreinte optique de l'image numérique originale correspondante, et
- comparer (1050) l'empreinte optique de l'image numérique test et l'empreinte optique de l'image numérique originale,
dans lequel au moins l'une parmi :
- l'étape (1120) consistant à extraire une empreinte optique de l'image numérique test et
- l'étape (1000) consistant à extraire une empreinte optique de l'image numérique originale,
comprend au moins l'une des étapes parmi :
- une étape (1020) de calcul de collisions locales, et
- une étape (1030) de métrologie.
2. Procédé selon la revendication 1 , comprenant une étape (1010) consistant à définir un ensemble de points remarquables sur l'image numérique originale et sur l'image numérique test du produit sensible, chaque point remarquable étant défini comme un ensemble d'au moins un pixel pour lequel le gradient de contraste est supérieur à une valeur seuil prédéfinie, selon au moins une direction prédéfinie et une distance prédéfinie autour dudit ensemble d'au moins un pixel.
3. Procédé selon l'une quelconque des revendications précédentes, dans lequel l'étape (1020) de calcul de collisions locales consiste, pour au moins un point remarquable, à calculer un ensemble d'histogrammes locaux dans un sous-ensemble déterminé de l'image numérique test ou de l'image numérique originale, ledit sous-ensemble comprenant ledit point remarquable.
4. Procédé selon l'une quelconque des revendications 2 ou 3, dans lequel l'étape (1030) de métrologie consiste à calculer la distance entre un premier point remarquable et un deuxième point remarquable sur l'image numérique originale ou sur l'image numérique test du produit sensible.
5. Procédé selon l'une quelconque des revendications 2 à 4, comprenant une étape (1040) consistant à associer dans la base de données chaque image numérique originale à une pluralité d'attributs correspondants, lesdits attributs comprenant au moins l'un parmi : les coordonnées de points remarquables, les distances entre certains points remarquables, et des valeurs de gradient de contraste autour des points remarquables ou encore d'autres caractéristiques notables comme des moments mathématiques de certaines parties de l'image.
6. Procédé selon l'une quelconque des revendications précédentes, comprenant une étape (1050) consistant à associer, dans la base de données, un attribut de validité à l'une au moins des images numériques originales.
7. Procédé selon la revendication 6, dans lequel l'étape de comparaison (1150) est court- circuitée en fonction de la valeur de l'attribut de validité.
8. Procédé selon l'une quelconque des revendications précédentes, dans lequel l'étape d'acquisition (1100) est mise en œuvre grâce à un capteur d'un objectif optique d'un objet communicant.
9. Procédé selon l'une quelconque des revendications 3 à 8, dans lequel :
- ledit sous-ensemble de l'image numérique test ou de l'image numérique originale présente une forme géométrique prédéterminée dont la valeur de la surface est prédéterminée ou fonction d'un gradient prédéterminé de contraste, de couleur ou d'intensité autour dudit point remarquable.
10. Programme d'ordinateur comprenant des instructions de code de programme pour l'exécution des étapes du procédé selon l'une quelconque des revendications précédentes, lorsque ledit programme est exécuté sur un ordinateur.
PCT/FR2018/050200 2017-01-31 2018-01-29 Procede de verification de l'authenticite d'un produit sensible. WO2018142054A1 (fr)

Priority Applications (1)

Application Number Priority Date Filing Date Title
EP18705689.0A EP3577635B1 (fr) 2017-01-31 2018-01-29 Procédé de vérification de l'authenticité d'un produit sensible

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
FR1750810A FR3062509B1 (fr) 2017-01-31 2017-01-31 Procede de verification de l’authenticite d’un produit sensible.
FR1750810 2017-01-31

Publications (1)

Publication Number Publication Date
WO2018142054A1 true WO2018142054A1 (fr) 2018-08-09

Family

ID=58632451

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/FR2018/050200 WO2018142054A1 (fr) 2017-01-31 2018-01-29 Procede de verification de l'authenticite d'un produit sensible.

Country Status (3)

Country Link
EP (1) EP3577635B1 (fr)
FR (1) FR3062509B1 (fr)
WO (1) WO2018142054A1 (fr)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120324534A1 (en) * 2009-11-17 2012-12-20 Holograms Industries Method and system for automatically checking the authenticity of an identity document
US20140055824A1 (en) * 2011-03-25 2014-02-27 Hologram Industries Method and system for authenticating a secure document
WO2015042485A1 (fr) * 2013-09-20 2015-03-26 Mobile Search Security LLC Système d'authentification d'instrument et de document

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120324534A1 (en) * 2009-11-17 2012-12-20 Holograms Industries Method and system for automatically checking the authenticity of an identity document
US20140055824A1 (en) * 2011-03-25 2014-02-27 Hologram Industries Method and system for authenticating a secure document
WO2015042485A1 (fr) * 2013-09-20 2015-03-26 Mobile Search Security LLC Système d'authentification d'instrument et de document

Non-Patent Citations (6)

* Cited by examiner, † Cited by third party
Title
ALAHI, ALEXANDRE; RAPHAEL ORTIZ; PIERRE VANDERGHEYNST: "Computer Vision and Pattern Récognition (CVPR), 2012 IEEE Conférence on", 2012, IEEE, article "Freak: Fast retina keypoint"
D. LOWE: "Object récognition from local scale-invariant features", IEEE INTERNATIONAL CONFÉRENCE ON COMPUTER VISION, 1999, pages 1150 - 1157
EDWARD ROSTEN; TOM DRUMMOND, MACHINE LEARNING FOR HIGH-SPEED CORNER DÉTECTION, 2006, Retrieved from the Internet <URL:https://www.edwardrosten.com/work/rosten_2006_machine.pdf>
H. BAY; T. TUYLELAARS; L. VAN GOOL: "Surf : Speeded up robust features", EUROPEAN CONFÉRENCE ON COMPUTER VISION, 2006, pages 404 - 417, XP047429677, DOI: doi:10.1007/11744023_32
M. K. HU: "Visual Pattern Récognition by Moment Invariants", IRE TRANS. INFO. THEORY, vol. IT-8, 1962, pages 179 - 187, XP011217262, DOI: doi:10.1109/TIT.1962.1057692
STEFAN, MARGARITA CHLI; ROLAND Y. SIEGWART: "Computer Vision (ICCV), 2011 IEEE International Conférence on", 2011, IEEE, article "BRISK: Binary robust invariant scalable keypoints"

Also Published As

Publication number Publication date
EP3577635A1 (fr) 2019-12-11
FR3062509A1 (fr) 2018-08-03
FR3062509B1 (fr) 2020-10-23
EP3577635B1 (fr) 2024-02-28

Similar Documents

Publication Publication Date Title
US9443298B2 (en) Digital fingerprinting object authentication and anti-counterfeiting system
CA2564786C (fr) Procede de reconnaissance et de suivi de supports fibreux, ainsi que les applications d&#39;un tel procede dans le domaine informatique notamment
JP2008509498A (ja) データベースを使用した物品の信頼性認証
TW201305969A (zh) 鑑別硬幣或其他製造項目的方法與設備
CA3000153A1 (fr) Procede d&#39;analyse d&#39;un document structure susceptible d&#39;etre deforme
FR2973137A1 (fr) Procede et systeme d&#39;authentification d&#39;un document securise
CN110770711B (zh) 基于图像的伪造品检测
FR3053500B1 (fr) Procede de detection de fraude d&#39;un systeme de reconnaissance d&#39;iris
EP3311333B1 (fr) Appariement d&#39;images d&#39;articles postaux avec des descripteurs de singularites du champ de gradient
CN109784384B (zh) 一种自动辨别商标真伪的方法及装置
Vaishnavi et al. Recognizing image splicing forgeries using histogram features
EP4143733A1 (fr) Procédé pour la vérification d&#39;un code-barre
EP3577635B1 (fr) Procédé de vérification de l&#39;authenticité d&#39;un produit sensible
EP3210166B1 (fr) Procede de comparaison d&#39;images numeriques
WO2020144225A1 (fr) Procédé de traitement d&#39;images numériques
EP4169002A1 (fr) Procédé d&#39;authentification d&#39;un élément optiquement variable
WO2020025790A1 (fr) Procede de securisation d&#39;une bouteille et verification de la bouteille.
FR3095286A1 (fr) Procédé de traitement d’image d’un document d’identité.
RU2739059C1 (ru) Способ проверки подлинности маркировки
WO2021144427A1 (fr) Procede de traitement d&#39;une image candidate
WO2023099571A1 (fr) Procédé et dispositif d&#39;authentification de codes imprimés
EP4136565A1 (fr) Procede de detection d&#39;attaque par presentation pour des empreintes digitales
Sánchez-Rivero et al. Authenticity Assessment of Cuban Banknotes by Combining Deep Learning and Image Processing Techniques
Sambare et al. Document Verification System and Validation Against QR Codes
FR2671648A1 (fr) Procede de reconnaissance d&#39;une forme d&#39;image.

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 18705689

Country of ref document: EP

Kind code of ref document: A1

DPE1 Request for preliminary examination filed after expiration of 19th month from priority date (pct application filed from 20040101)
NENP Non-entry into the national phase

Ref country code: DE

ENP Entry into the national phase

Ref document number: 2018705689

Country of ref document: EP

Effective date: 20190902