Notice: Undefined variable: fterm_desc_sub in /mnt/www/biblio_conv.php on line 353
個体識別装置、個体識別方法、及びプログラム
説明

個体識別装置、個体識別方法、及びプログラム

【課題】 所定の特性を有する微小細粒(タガント)を物品に付与し、更にその分布位置に基づいて高精度に個々の物品を識別することが可能な個体識別装置等を提供する。
【解決手段】 個体識別装置100は、基準物品に付与されたタガント分布層11を光学的に読み取り(S101)、基準物品の特徴点を抽出し(S102)、抽出された特徴点からなる点群の重心を基準点とし、基準点に基づいて基準特徴量データを算出し(S103)、基準特徴量データを記憶する(S104)。また、対象物品に付与されたタガント分布層11を光学的に読み取り(S105)、対象物品の特徴点を抽出し(S106)、抽出された特徴点からなる点群の重心を基準点とし、基準点に基づいて対象特徴量データを算出し(S107)、基準特徴量データと対象特徴量データとを照合し(S108)、一致するか否かを判断する(S109)。

【発明の詳細な説明】
【技術分野】
【0001】
本発明は、各々の物品を撮像した画像データから特徴点を抽出し、物品を個体識別する個体識別装置等に関する。
【背景技術】
【0002】
従来より、工業製品や商品パッケージ等には製造番号が付与され、製造管理や物流管理に利用されている。製造番号は物品の所定位置に文字或いはバーコード等の符号として印字される。また、証明書等の公的証書や商品券等の有価証券に対し、偽造防止や真正性認証を目的としてシリアルナンバーが印字されている。しかし、製造管理や物流管理を目的として個体識別のための製造番号を付与する場合は、明確に視認或いは機械識別を行うことを目的としているため、明示的に印字されることが多く、特にバーコードや2次元コードの形式で付与される場合は本来の製品等の意匠性を損なうことがあった。また、偽造防止を目的とした場合、文字やバーコード等の印字は容易に偽造・変造される恐れがあり、その効果は不十分であった。
【0003】
また近年では、個体識別の手段として、ICタグを用いて個別IDを付与する方法が提案されている。ICタグは書換え困難かつユニークなIDを各々付与することができ、非接触で読取可能なことから製品等の基材裏面、もしくは内部にICタグを設けることにより個体識別が可能となる。しかし、ICタグは単価が高く普及しにくいという問題があった。
【0004】
これらの問題に対し、例えば特許文献1では、真の個体の表面のランダムな特徴と判定対象の個体の表面の特徴とを、比較対象とする領域を移動しながら比較照合を繰り返すことにより、真偽を判定する方法について提案されている。この例では、特徴量として紙の透明度(紙を形成する繊維質材料の絡み具合等に起因する明暗パターン)をスキャナ等で読み取って比較するものである。
【0005】
しかしながら、上述の特許文献1の手法では、個体表面がランダムな特徴を有する場合に適用可能なものであり、個体表面の特徴が少ない物品の個体識別には適用できなかった。また、真偽判定の精度を向上するために、物品の表面基材を特徴的なものに交換したり、或いは表面に特殊な加工を施したりすると、意匠性が損なわれたり、製造コスト増大につながる恐れがあった。そこで、物品に容易に付与でき、かつ普及した技術を利用しつつも、高い精度で個体識別や真偽判定を行えるようにすることが望まれている。
【0006】
そこで、本願の発明者らは、特許文献2に記載の個体識別装置等を発明している。特許文献2に記載の個体識別装置は、基準とする物品に付与された印刷部を光学的に読み取った基準画像データに二値化処理等の画像処理を施して特徴点を抽出し、基準特徴点データとして記憶する。また、識別対象とする物品に付与された印刷部についても同様の手法で画像を読み取り、同様の画像処理を施して特徴点を抽出する。そして、抽出された対象物特徴点データと記憶されている基準特徴点データとを比較することにより、識別対象とする物品と基準物品とが同一個体であるか否かを判別する。特に、特許文献2では、各特徴点の絶対位置や、各特徴点と隣接するn個の特徴点との相対距離を比較の為の特徴量として算出している。
【先行技術文献】
【特許文献】
【0007】
【特許文献1】特許第4103826号公報
【特許文献2】特願2011−077193号公報
【発明の概要】
【発明が解決しようとする課題】
【0008】
しかしながら、特許文献2のように、各特徴点の絶対位置や、各特徴点と隣接するn個の特徴点との相対距離をそのまま特徴量とする場合には、認識精度が低下することがあった。例えば、画像撮影時のゴミ付着等の外的要因や、撮影機器に起因するノイズ等の内的要因により、画像データに乱れが生じた場合、特徴点データの位置ずれや、偽の特徴点データ(例えば、ゴミやノイズに由来する特徴点データ)が含まれてしまうことがある。このような場合、特許文献2に記載の特徴量では、基準特徴点データに基づく特徴量と異なる値となってしまい、個体識別の判定精度が低下してしまう。
【0009】
本発明は、前述した問題点に鑑みてなされたもので、その目的とすることは、画像撮影時のゴミ付着等の外的要因や、撮影機器に起因するノイズ等の内的要因により、画像データに乱れが生じた場合であっても、安定して個々の物品を識別することが可能な個体識別装置等を提供することである。
【課題を解決するための手段】
【0010】
前述した目的を達成するために第1の発明は、タガントを基材上にランダムに配置した物品を個体識別する個体識別装置であって、前記タガントが付与された基材面を撮影した画像から特徴点を抽出し、抽出された特徴点の一部又は全部からなる点群の重心を基準点とし、前記基準点に基づいて特徴量を算出する特徴量算出手段と、前記特徴量算出手段によって算出された基準物品の前記特徴量である基準特徴量データと、前記特徴量算出手段によって算出された対象物品の前記特徴量である対象特徴量データと、を比較することによって、前記基準物品と前記対象物品とが同一個体であるか否かを判別する判別手段と、を具備することを特徴とする個体識別装置である。第1の発明によって、画像データに乱れが生じた場合であっても、安定して個々の物品を識別することができる。
【0011】
第1の発明における前記特徴量算出手段は、抽出された複数の特徴点の中から特徴量算出点を1つずつ特定し、前記特徴量算出点、前記基準点、及び前記特徴量算出点以外の特徴点の3つの点を用いて、前記特徴量算出点ごとに前記特徴量を算出することが望ましい。このように、基準画像データと対象画像データとの間でずれが少ない基準点に基づいて特徴量を算出することによって、特徴量のずれも小さくなる。ひいては、安定して個々の物品を識別することができる。
【0012】
また、第1の発明における前記特徴量算出手段は、例えば、前記特徴量算出点及び前記基準点を結ぶ基準ベクトルと、前記特徴量算出点及び前記特徴量算出点以外の特徴点を結ぶベクトルとのなす角度を、前記特徴量として算出する。また、第1の発明における前記特徴量算出手段は、例えば、前記特徴量算出点、前記基準点、及び前記特徴量算出点以外の特徴点によって構成される三角形の形状に基づく値を、前記特徴量として算出する。
【0013】
また、第1の発明における前記特徴量算出手段は、前記特徴量算出点との距離に基づいて前記点群を選択し、選択された前記点群の重心を、前記特徴量算出点ごとの前記基準点として算出することが望ましい。特に、前記特徴量算出手段は、抽出された全ての特徴点と前記特徴量算出点との距離を算出し、算出された距離の最大値に基づいて前記点群を選択することが望ましい。これによって、特徴量算出点から離れた位置のノイズの影響をなくすことができ、より判別結果を安定させることができる。
【0014】
第2の発明は、タガントを基材上にランダムに配置した物品を個体識別する個体識別方法であって、前記タガントが付与された基材面を撮影した画像から特徴点を抽出し、抽出された特徴点の一部又は全部からなる点群の重心を基準点とし、前記基準点に基づいて特徴量を算出する特徴量算出ステップと、前記特徴量算出ステップによって算出された基準物品の前記特徴量である基準特徴量データと、前記特徴量算出ステップによって算出された対象物品の前記特徴量である対象特徴量データと、を比較することによって、前記基準物品と前記対象物品とが同一個体であるか否かを判別する判別ステップと、を備えることを特徴とする個体識別方法である。第2の発明によって、画像データに乱れが生じた場合であっても、安定して個々の物品を識別することができる。
【0015】
第3の発明は、タガントを基材上にランダムに配置した物品を個体識別するコンピュータにより読み取り可能な形式で記述されたプログラムであって、前記タガントが付与された基材面を撮影した画像から特徴点を抽出し、抽出された特徴点の一部又は全部からなる点群の重心を基準点とし、前記基準点に基づいて特徴量を算出する特徴量算出ステップと、前記特徴量算出ステップによって算出された基準物品の前記特徴量である基準特徴量データと、前記特徴量算出ステップによって算出された対象物品の前記特徴量である対象特徴量データと、を比較することによって、前記基準物品と前記対象物品とが同一個体であるか否かを判別する判別ステップと、を含む処理をコンピュータに実行させるためのプログラムである。第3の発明のプログラムをコンピュータにインストールすることによって、第1の発明の個体識別装置を得ることができる。
【発明の効果】
【0016】
本発明により、画像撮影時のゴミ付着等の外的要因や、撮影機器に起因するノイズ等の内的要因により、画像データに乱れが生じた場合であっても、安定して個々の物品を識別することが可能な個体識別装置等を提供することができる。
【図面の簡単な説明】
【0017】
【図1】本発明を適用する物品1について説明する図
【図2】反射性金属層3を有するタガント12A、12Bの構造の例
【図3】誘電率の異なる多層薄膜4を有するタガント12Cの構造の例
【図4】光回折構造体層5を有するタガント12Dの構造の例
【図5】特定照射光に対し所定の反射光を放射する反射層6を有するタガント12Eの構造の例
【図6】個体識別処理の手順を説明するフローチャート
【図7】本発明に係る個体識別装置100のハードウエア構成図
【図8】微細物質分布解析処理の流れを説明するフローチャート
【図9】特徴量算出処理の流れを説明するフローチャート
【図10】基準点算出処理を説明する図
【図11】特徴量算出処理を説明する図
【図12】所定の文字、図形、記号、模様もしくはこれらを結合したものが付され、かつ、所定の3次元形状を有する微細物質82の一例を示す図
【発明を実施するための形態】
【0018】
以下、図面に基づいて本発明の好適な実施形態について詳細に説明する。
【0019】
まず、図1を参照して、本発明を適用する物品1について説明する。
図1(a)は物品1の上面図、図1(b)は図1(a)のA−A線断面図である。
物品1は、その基材10上にタガント(taggant:追跡用添加物)分布層11を有する。タガント分布層11には、基材10とは異なる反射性を有するタガント12がランダムに複数配置されている。タガント分布層11のタガント12は、例えば、印刷インクに混入して基材10に印刷を施したり、粘着剤等に混入して塗布したりすることで、物品1の基材10上のランダムな位置に配置される。
【0020】
なお、図1(a)では、物品1は基材10及びタガント分布層11のみを図示しているが、図1(b)に示すように、タガント分布層11の上面を更に透明プラスチック等のオーバーコート層で被覆し、タガント分布層11を保護するようにしてもよい。更に、基材10とタガント分布層11との間に、例えば感温変色材料層等、基材10やタガント分布層11とは異なる機能を有する層を形成してもよい。また、基材10としては、物品1の機能や性質、デザイン等に応じていかなる材料を利用してもよい。また、タガント分布層11は、物品の表面の全部に設けられてもよいし、一部に設けてもよい。
【0021】
次に、図2〜図5を参照して、タガント12について説明する。図2〜図5は、様々な態様のタガント12A〜12Eの断面図である。タガント12は、ルーペで拡大するとその形状や表面の光学的特徴を視認できる大きさ(数μm〜数百μm程度)の微細な細粒である。また、本発明では、タガント12を色で識別する点に特徴があるため、タガント12は、少なくとも光学的に画像として読み取った場合に抽出可能な色を有する。さらに、タガント12は、異なる色のものを混在させて用いる。
【0022】
すなわち、本発明で用いる微細物質は、画像として読み取ると、色及び平面形状を認識できる形状を有するものであれば、印刷したインクが固化したもの、紙片、プラスチック片、金属片等、材質を問わず用いることが可能であり、識別精度やコストに応じて適宜選定できる。
しかし、光学的な読み取り易さ、隠匿性等の機能を高めるために、微細物質は、例えば、図2に示すように反射性金属層3を有するもの、図3に示すように誘電率が異なる薄膜を多層にコート(多層薄膜4)したもの、図4に示すように光回折構造体層5を有するもの、図5に示すように、所定の照射光に対して特定の反射特性を有する反射層6を有するもの等を採用することが好適である。
【0023】
なお、図2〜図5のタガント12A,12B,12C,12D,12Eは、説明のために断面形状を円形として示しているが、本発明の実施の形態では、これに限定されるものではなく、タガント12の形状は、画像データとして読み取った際に、平面形状として抽出可能であれば、任意としてよい。例えば、偏平形状のものや、粉砕してランダムな形状となったものをタガント12の基材120として用いるようにしてもよい。タガント12の形状としては、動物や乗り物等の意味のある形状にしてもよい。
【0024】
図2のタガント12Aは、タガント12の基材120の表面に反射性金属層3を形成したものである。
【0025】
反射性金属層3を不透明層とする場合は、屈折率が小さい薄膜とすればよく、一般的に使用されるアルミニウムの他に、例えば、クロム、鉄、コバルト、ニッケル、銅、銀、金、マグネシウム、鉛、錫、カドミウム、ビスマス、チタン、亜鉛、インジウム等の金属、または、その酸化物、窒化物、または、これらの金属の合金等を使用する。
また、反射性金属層3を透明層とする場合は、屈折率が大きい薄膜とすればよく、硫化亜鉛、酸化チタン、酸化アルミニウム、酸化シリコン、硫化アンチモン等を使用する。
【0026】
反射性金属層3の形成は、真空蒸着法、スパッタリング法、イオンプレーティング法などの薄膜形成法によって行う。
反射性金属層3の厚みは目的に応じて設定する。例えば、0.005μm〜0.1μmの厚さとすればよい。
【0027】
反射性金属層3はタガント12Aの基材120の表面の全部に付与されてもよいし、一部に付与されてもよい。また、例えば、文字、図形、記号、模様等やこれらの組み合わせからなる図案として、反射性金属層3を付与するようにしてもよい。
【0028】
基材120には、例えば、ポリエチレンテレフタレート(ポリエステル),ポリ塩化ビニル、ポリカーボネート、ポリイミド、ポリアミド、セルローストリアセテート、ポリスチレン、アクリル、ポリプロピレン、ポリエチレンを使用すればよい。
【0029】
また、図2(B)に示すタガント12Bのように、反射性金属層3を透明な被覆層31で覆い、保護するようにしてもよい。被覆層31の材料は、ポリエチレン、ワックス、シリコン、ポリエステルフィルム等のプラスチックフィルム等が好適である。
【0030】
タガント12A,12Bのように反射性金属層3を有することにより、後述する微細物質分布解析処理(図8)において、特徴点として抽出しやすくなる。また、タガント12の分布が確認しやすく、ルーペ(拡大鏡)による真偽判定が行いやすくなる。
【0031】
図3のタガント12Cは、基材120の表面に誘電率の異なる薄膜を多層に形成したものである。例えば、天然雲母薄片(マイカフレーク)等の基材120に酸化チタン、酸化鉄などの金属酸化物をコートした顔料(パール顔料)や、合成アルミナフレーク、合成シリカフレーク、ホウ珪酸ガラスフレーク、酸化チタン被覆、合成マイカフレーク(酸化アルミニウム、酸化マグネシウム、二酸化ケイ素、フッ素化合物等)等の基材120に、酸化チタン、酸化鉄などの金属酸化物をコートした顔料(エフェクト顔料)等がタガント12Cとして使用できる。
多層薄膜4の厚みは目的に応じて設定する。例えば、0.005μm〜0.1μmの厚さとすればよい。
【0032】
タガント12Cは見る角度によって色が変化するため、後述する微細物質分布解析処理(図8)において、特徴点として抽出しやすくなる。また、ルーペによる真偽判定が行いやすくなるという効果もある。
【0033】
図4のタガント12Dは、基材120の表面に光回折構造体層5を形成したものである。光回折構造体層5とは、ホログラムの微細凹凸が形成された層であるが、光回折構造体層5自体は、ホログラムの微細凹凸の形成が可能な種々の素材を用いて形成できる。例えば、ポリ塩化ビニル、アクリル樹脂、ポリスチレン、ポリカーボネートなどの透明な熱可塑性樹脂、或いは、不飽和ポリエステル、メラミン、エポキシ、ポリエステル(メタ)アクリレート、ウレタン(メタ)アクリレート、エポキシ(メタ)アクリレート、ポリエーテル(メタ)アクリレート、ポリオール(メタ)アクリレート、メラミン(メタ)アクリレート、トリアジン系アクリレート等の透明熱硬化性樹脂等を使用できる。更には、上述の熱可塑性樹脂と上述の熱硬化性樹脂とを混合して使用し、更に、ラジカル重合性不飽和基を有する熱成形性物質、或いは、これらにラジカル重合性不飽和単量体を加え電離放射線硬化性としたものなどを使用してもよい。
【0034】
光回折構造体層5はタガント12Dの全面に付与されてもよいし、一部に付与されてもよい。
また、光回折構造体層5を透明な被覆層(不図示)で覆い、保護するようにしてもよい。
【0035】
光回折構造体層5へのホログラムの微細凹凸の形成は、回折格子やホログラムの干渉縞が凹凸の形で記録された原版をプレス型として用い、基材に上述の樹脂を塗布用組成物として調製したものを、グラビアコート法、ロールコート法、バーコート法などの手段で塗布して塗膜を形成し、その上に上述の原版を重ねて加熱ロールなどの適宜手段によって両者を加熱圧着して行なうことができる。また、フォトポリマーを用いる場合は、基材上に、フォトポリマーを同様に塗布した後、上述の原版を重ねてレーザー光を照射することにより複製できる。
光回折構造体層5の厚みは目的に応じて設定する。例えば、0.005μm〜0.1μmの厚さとすればよい。
【0036】
また、図4のタガント12Dにおいて、ホログラムの微細凹凸の回折効率を高めるために、更に、反射性金属層を設けてもよい。その反射性金属層は、クロム、鉄、コバルト、ニッケル、銅、銀、金、ゲルマニウム、アルミニウム、マグネシウム、アンチモン、鉛、錫、カドミウム、ビスマス、セレン、ガリウム、インジウム、ルビジウム等の金属、または、その酸化物、窒化物、または、これらの金属の合金等を使用できる。反射性金属層は、真空蒸着法、スパッタリング法、イオンプレーティング法などの薄膜形成法によって形成することが好ましいが、メタリック顔料を含有するメタリックインクを用いて印刷することによって形成してもよい。
【0037】
タガント12Dのように光回折構造体層5を有することにより、後述する微細物質分布解析処理において、光学的な読み取りが容易となり特徴点として抽出しやすくなる。また、ルーペによる確認がしやすくなる。その他、特定波長の光(レーザ光等)を照射してホログラム図案を再生し、ホログラム図案の判定を微細物質の分布の判定と合わせて行うことにより、偽造防止効果が高くなる。
【0038】
また、個々のタガント12Dに付与されるホログラム図案は、同一としてもよいし、異なっていてもよい。異なるホログラム図案を付与する場合は、よりセキュリティ効果が高くなる。一方、同一のホログラム図案を付与する場合は、異なるホログラム図案を付与する場合と比べてコストダウンが可能となる。
【0039】
図5のタガント12Eは、所定の照射光に対し、特定波長の光を放出する反射層6を形成したものである。反射層6は、例えば、基材120の表面に蛍光顔料を含む樹脂を塗布するか、印刷インクに蛍光顔料を混入して印刷することにより形成される。
【0040】
蛍光顔料として使用される無機蛍光体に用いられる材料は、例えば、紫外線発光蛍光体または赤外線発光蛍光体等である。紫外線発光蛍光体は紫外線により励起され、それよりも低いエネルギー準位に戻るときに発するスペクトルのピークが青、緑、赤等の波長域にあるもので、例えばCaCl:Eu2+、CaWO、ZnO:ZnSiO:Mn、YS:Eu、ZnS:Ag、YVO:Eu、Y:Eu、GdS:Tb、LaS:Tb、YAl12:Ce等があり、単体又はこれらから数種を選択し混合して使用することができる。その蛍光スペクトルはピークを青、赤、緑の波長域以外に持つものである。また赤外線発光蛍光体は波長λ1の励起光を受けて、波長λ2の可視光を発光する特性を示し、λ1≠λ2かつλ1>λ2なる性質を有するものとして、その組成は例えば、YF:Er+Yb、YOCl:Er+Yb、NaLnF:Er+Yb(Ln=Y,Gd,La)、BaY:Er+Yb、(PbF−GeO):Er+Yb、(PbF−GeO):Tm+Yb等があり、いずれも励起光(λ1)800〜1000nmの赤外線を受けて450nm〜650nmに発光スペクトルの顕のピークを有する可視光線(λ2)を発光するものである。
【0041】
反射層6はタガント12Eの全面に付与されてもよいし、表面の一部に付与されてもよい。また、例えば、文字、図形、絵柄、模様等の図案として、反射層6を付与するようにしてもよい。
また、反射層6を透明な被覆層で覆い、保護するようにしてもよい。
反射層6の厚みは目的に応じて設定する。例えば、0.005μm〜0.1μmの厚さとすればよい。
【0042】
タガント12Eのように特定照射光による反射層6を有することにより、後述する微細物質分布解析処理において、光学的な読み取りが容易となり、特徴点として抽出しやすくなる。また、通常の白色光の下では発光しないため、隠匿性が高く、模倣を防止しやすい。また、特徴点の抽出が容易となり、個体識別精度が高くなる。
【0043】
次に、物品1の個体識別方法について説明する。
まず、図6に示すように、検査用の所定の照射光を照射する検知器等を用いて、物品1のタガント分布層11に付与されたタガント12の放射光を放射させ、ルーペ等を用いて拡大し、視認することでその特性を判断することにより、大まかに真偽が判定される(ステップS1)。ステップS1で真と判定された物品1について、更に、コンピュータ等の個体識別装置100を用いた微細物質分布解析処理(ステップS2)を施すことにより、真偽が判定される。
【0044】
微細物質分布解析処理では、物品1にランダムに付与されたタガント12の特徴点を読み取り、複数の特徴点に基づく情報をその個体の特徴量として照合に利用する。
なお、例えば、タガント12を印刷インクに混入して付与した場合は、たとえ同じ機種の印刷装置であっても個々の印刷装置には固有の癖があり、厳密には同じ仕上がり状態を得られない。そのため、印刷装置や、用いるインク、インクの残存量、印刷の設定、更には、印刷時の気温や湿度等の諸条件によって、異なる印刷結果を得る。また、微細物質の混入の割合等によっても微細物質の分布は異なる。本発明は、予め真の物品のタガント12の分布位置を求め、基準特徴点データとして記憶しておき、比較対象とする物品のタガント12の分布と比較照合することにより個体の一致、不一致(真偽)を判別しようとするものである。
【0045】
まず、微細物質分布解析処理を行う個体識別装置100について説明する。図7は、個体識別装置100のハードウエア構成を示すブロック図である。図7に示すように、個体識別装置100は、制御部101、記憶部102、入力部103、表示部104、メディア入出力部105、通信I/F部106、周辺機器I/F部107等がバス109を介して接続されて構成される。また、周辺機器I/F部107には画像読取装置108が接続されている。
【0046】
制御部101は、CPU(Central Processing Unit)、ROM(Read Only Memory)、RAM(Random Accsess Memory)等により構成される。
CPUは、記憶部102、ROM、記録媒体等に格納されるプログラムをRAM上のワークメモリ領域に呼び出して実行し、バス109を介して接続された各部を駆動制御する。ROMは、コンピュータのブートプログラムやBIOS等のプログラム、データ等を恒久的に保持する。RAMは、ロードしたプログラムやデータを一時的に保持するとともに、制御部101が後述する各種処理を行うために使用するワークエリアを備える。
【0047】
記憶部102は、HDD(ハードディスクドライブ)であり、制御部101が実行するプログラムや、プログラム実行に必要なデータ、OS(オペレーティング・システム)等が格納されている。これらのプログラムコードは、制御部101により必要に応じて読み出されてRAMに移され、CPUに読み出されて実行される。
【0048】
入力部103は、例えば、キーボード、マウス、タッチパネル、タブレット等のポインティング・デバイス、テンキー等の入力装置であり、入力されたデータを制御部101へ出力する。
【0049】
表示部104は、例えば液晶パネル、CRTモニタ等のディスプレイ装置と、ディスプレイ装置と連携して表示処理を実行するための論理回路(ビデオアダプタ等)で構成され、制御部101の制御により入力された表示情報をディスプレイ装置に表示させる。
なお、入力部103と表示部104が一体的に構成されたタッチパネル式の入出力部としてもよい。
【0050】
メディア入出力部105は、例えば、フロッピー(登録商標)ディスクドライブ、PDドライブ、CDドライブ、DVDドライブ、MOドライブ等のメディア入出力装置であり、データの入出力を行う。
通信I/F106は、通信制御装置、通信ポート等を有し、ネットワークとの通信を媒介する通信インタフェースであり、通信制御を行う。
【0051】
周辺機器I/F(インタフェース)107は、コンピュータに周辺機器を接続させるためのポートであり、周辺機器I/F107を介してコンピュータは周辺機器とのデータの送受信を行う。周辺機器I/F107は、USBやIEEE1394やRS−232C等で構成されており、通常複数の周辺機器I/Fを有する。周辺機器との接続形態は有線、無線を問わない。
【0052】
画像読取装置108は、スキャナ、CCDカメラ等であり、画像を光学的に読み取り、画像データとして取得する装置である。画像読取装置108は、周辺機器I/F107を介して個体識別装置100に接続される。或いは、画像読取装置108は、通信I/F106を介して個体識別装置100と通信接続される構成としてもよい。画像読取装置108は読み取った画像データを制御部101へ出力する。制御部101は取得した画像データをRAMまたは記憶部102の所定のメモリ領域に記憶する。
バス109は、各装置間の制御信号、データ信号等の授受を媒介する経路である。
【0053】
次に、微細物質分布解析処理の流れを説明する。図8は微細物質分布解析処理の流れを説明するフローチャートである。
【0054】
図8に示すように、個体識別装置100の制御部101は、まず事前処理(ステップS101〜ステップS104)を行う。事前処理では、画像読取装置108を用いて基準物品(真の物品)に付与されたタガント分布層11を光学的に読み取る(ステップS101)。読み取り対象とする部位は、タガント分布層11の全部としてもよいし、一部としてもよい。制御部101は、画像読取装置108によって読み取った画像データ(階調画像)を基準画像データとしてRAM又は記憶部102に記憶する。
【0055】
次に、制御部101は、読み取った基準画像データに対して、特徴点の抽出のための画像処理を行った後、基準物品の特徴点を抽出する(ステップS102)。この画像処理としては、例えば、(A)中央値による二値化処理、(B)平均値による二値化処理等を採用することができる。以下、各処理について説明する。
【0056】
(A)中央値による二値化処理
以下の式(1)により算出される閾値Scにより、読み取った画像データ(階調画像)を二値化する。
【0057】
閾値Sc=(画像内の最大輝度値‐画像内の最少輝度値)/2・・・(1)
【0058】
(B)平均値による二値化処理
以下の式(2)により算出される閾値Saにより、読み取った画像データ(階調画像)を二値化する。
【0059】
閾値Sa=Σ(各画像の輝度値)/画素総数・・・(2)
【0060】
尚、上記の説明では、輝度値を用いたが、本発明はこの例に限定されない。例えば、読み取った画像データをHSV変換し、色相、彩度、明度のいずれかを用いても良い。また、RGBの3次元色空間座標系を用いても良いし、他の3次元空間座標系に変換しても良い。
【0061】
次に、制御部101は、二値化された画像データにおいて、各タガントの輪郭線を抽出してタガントの形状を数量化処理し、各タガントの領域の中心となる重心を求め、これを各タガントの特徴点として抽出する。
タガントの重心は、以下の式(3)により算出される。
【0062】
【数1】

【0063】
ここで、タガントの輪郭線を構成する画素数をnとし、輪郭の各画素の座標を(xi,y)とする。
本明細書において、特徴点とは、式(3)で得られた重心の座標で表される画素を言う。
【0064】
次に、制御部101は、基準物品の特徴量を算出し(ステップS103)、算出された基準物品の特徴量情報(基準特徴量データ)をRAM又は記憶部102に記憶する(ステップS104)。ステップS103における基準物品の特徴量算出処理については、図9〜図11を参照しながら後述する。
【0065】
ステップS101〜ステップS104の処理により基準物品から読み取った画像データから基準特徴量データを取得、記憶すると、次に、制御部101は、対象物品との照合処理(ステップS105〜ステップS111)へ移行する。
【0066】
照合処理において、制御部101は、対象物品に付与されたタガント分布層11を光学的に読み取る(ステップS105)。ステップS105の対象物品の読み取りは、基準物品の読み取りと同じ画像読取装置108を用い、同じ条件で読み取る。また、読み取りの向き、位置、範囲も、基準物品の読み取りと同一とすることが望ましい。制御部101は、読み取った画像データを対象画像データとしてRAMに保持する。
【0067】
次に、制御部101は、読み取った基準画像データに対して、特徴点の抽出のための画像処理を行った後、対象物品の特徴点を抽出する(ステップS106)。この画像処理としては、ステップS102と同じ画像処理を行う。
【0068】
次に、制御部101は、対象物品の特徴量を算出し、算出された対象物品の特徴量情報(基準特徴量データ)をRAMに記憶する(ステップS107)。ステップS107における対象物品の特徴量算出処理については、図9〜図11を参照しながら後述する。
【0069】
次に、制御部101は、RAMまたは記憶部102に記憶されている基準特徴量データと対象特徴量データとを照合し(ステップS108)、一致するか否かを判断する(ステップS109)。
【0070】
基準特徴量データと対象特徴量データとの照合は、例えば、正規化相互相関(NCC;Normalized Cross−Correlation、またはZNCC;Zero−mean Normalized Cross−Correlation)等を求めることにより行える。具体的には、基準特徴量データと対象特徴量データとの相関値を求める。
【0071】
全ての比較領域について求めた相関値のうち、最大の値が所定閾値以上(相関値が類似度の場合)であれば、対象物品は真と判定する。一方、相関値の最大値が所定閾値を下回る場合は、基準物品と対象物品とが異なる個体(偽)であると判定する(相関値が類似度の場合)。
【0072】
なお、照合の「一致」とは、厳密な一致に限定する必要はなく、所定の許容範囲内にあるものも含むものとする。また、その許容範囲は真偽判定に必要な精度に応じて、任意に設定できるようにしてもよい。
【0073】
制御部101は、照合結果が「一致」であれば(ステップS109;Yes)、真の物品と判定し、その結果を例えば表示部104に表示したり、所定の結果送信先へ送信したり、或いは所定のリストに登録する等の出力処理を行う(ステップS110)。また、照合結果が「不一致」であれば(ステップS109;No)、偽造品と判定し、その結果を例えば表示部104に表示したり、所定の結果送信先へ送信したり、或いは所定のリストに登録する等の出力処理を行う(ステップS111)。
その後、次の対象物品があれば、ステップS105からステップS111の照合処理を繰り返し行い、結果を出力して、タガント分布解析処理を終了する。
【0074】
ここで、図9〜図11を参照しながら、基準物品の特徴量算出処理(ステップS103)、及び対象物品の特徴量算出処理(ステップS107)について説明する。ステップS103及びステップS107は、処理対象となるデータが異なるだけで、処理内容は同一である。そこで、図9〜図11の説明では、基準物品と対象物品を区別しない。図9〜図11の説明では、画像データは、基準物品に対する基準画像データ、及び対象物品に対する対象画像データの総称である。特徴量算出点は、基準物品に対する基準特徴量算出点、及び対象物品に対する対象特徴量算出点の総称である。特徴量は、基準物品に対する基準特徴量、及び対象物品に対する対象特徴量の総称である。
【0075】
図9は特徴量算出処理の流れを説明するフローチャート、図10は基準点算出処理を説明する図、図11は特徴量算出処理を説明する図である。
【0076】
まず、図9を参照しながら、本発明の特徴量算出処理を説明する。図9に示すように、制御部101は、抽出された特徴点の一部又は全部の重心を基準点Gとして算出する(ステップS201)。
【0077】
図10には、基準点算出処理として2つの例を示している。図10(a)に示す例では、制御部101は、抽出された特徴点の全部の重心を基準点Gとして算出する。図10(a)には、画像データから抽出された複数の特徴点として、特徴点A、B、Cが図示されている。特徴点A、B、Cは、全てタガント12に由来する特徴点である。図10(a)では、点Gが、特徴点A、B、Cからなる点群の重心である。このように、抽出された全ての特徴点の重心を基準点Gとして算出することによって、対象画像データの中にノイズに起因する特徴点が多少存在しても、基準画像データから算出される基準点Gと、対象画像データから算出される基準点Gの位置は大きく変わらないことが多い。ひいては、後述する特徴量算出処理において、このような基準点Gに基づく特徴量を算出することによって、判別結果が安定する。
【0078】
図10(b)では、制御部101は、抽出された特徴点の一部の重心を基準点Gとして算出する。図10(b)には、画像データから抽出された複数の特徴点として、特徴点A、B、C、Nが図示されている。特徴点A、B、Cは、タガント12に由来する特徴点である。一方、特徴点Nは、基準画像データのみに存在するノイズに由来する特徴点である。タガント12に起因する特徴点群と、ノイズに起因する特徴点との距離が遠い場合、基準画像データから算出される基準点Gと、対象画像データから算出される基準点Gの位置は大きく変わってしまう場合がある。
【0079】
そこで、図10(b)に示す例では、制御部101は、特徴量算出点からの距離が一定値(例えば、全特徴点内の最大距離の1/4)以内に存在する特徴点群を選択し、選択された特徴点群の重心を基準点Gとして算出する。これによって、特徴量算出点から離れたノイズの影響をなくすことができる。図10(b)では、特徴点B、Cが、全特徴点内の距離の最大値(=線分ANの距離)の1/4以内に存在する。図10(b)に示す例のように、特徴量算出点から一定の範囲内に存在する特徴点群を選択し、それらの重心を基準点Gとすることによって、特徴量算出点から離れたノイズの影響をなくすことができる。ひいては、後述する特徴量算出処理において、このような基準点Gに基づく特徴量を算出することによって、判別結果が安定する。
【0080】
尚、前述の説明では、各特徴点と特徴量算出点との距離の最大値の所定割合(例えば、1/4)以内に存在する特徴点を選択するものとしたが、本発明はこの例に限定されない。例えば、特徴量算出点から、予め定められた一定の距離以内に存在する特徴点を選択しても良いし、各特徴点と特徴量算出点との距離の最小値の所定割合(但し、1以上の値)以内に存在する特徴点を選択しても良いし、各特徴点と特徴量算出点との距離の平均値の所定割合以内に存在する特徴点を選択しても良い。
【0081】
図9の説明に戻る。次に、制御部101は、特徴量算出点Aを特定する(ステップS202)。また、制御部101は、特徴量算出点Aから近い順に、所定数の特徴点A1〜Anを特定する(ステップS203)。
【0082】
図11(a)では、n=6とし、特徴量算出点Aから近い順に、所定数の特徴点A1〜A6が特定されている。尚、符号Gは、特徴点ではなく、図10に例示した基準点算出処理によって算出された基準点である。
【0083】
図9の説明に戻る。次に、制御部101は、特徴量算出点Aと基準点Gとを結ぶ基準ベクトルVを算出する(ステップS204)。また、制御部101は、特徴量算出点Aと各特徴点A1〜Anとを結ぶベクトルV1〜Vnを算出する(ステップS205)。
【0084】
図11(b)では、基準ベクトルV、ベクトルV1〜V6が図示されている。尚、ベクトルV1〜V6の算出処理は、ステップS203において、特徴量算出点Aから各特徴点までの距離を算出する際に行い、ステップS205を省略しても良い。
【0085】
図9の説明に戻る。次に、制御部101は、基準ベクトルVと各ベクトルV1〜Vnとのなす角度θ1〜θnを算出する(ステップS206)。そして、制御部101は、角度θ1〜θnを、特徴量算出点Aの特徴量として記憶部102に記憶する(ステップS207)。
【0086】
図11(c)では、角度θ1〜θ6が図示されている。記憶部102に記憶されるデータとしては、例えば、角度θ1〜θ6をそれぞれ単一の要素とする配列データ(θ1、θ2、・・・、θ6)が考えられる。また、他の例としては、角度θ1〜θ6の関数f(θ1、θ2、・・・、θ6)を予め定義しておき、関数f(θ1、θ2、・・・、θ6)に代入した結果のデータであっても良い。関数f(θ1、θ2、・・・、θ6)の一例としては、例えば、f(θ1、θ2、・・・、θ6)=a1×θ1+a2×θ2+・・・+a6×θ6(但し、a1、a2、・・・、a6は重み係数)のように、重み付き加算関数等が考えられる。
【0087】
図9の説明に戻る。次に、制御部101は、全ての特徴点を特徴量算出点として特定済か否か確認する(ステップS208)。特徴量算出点として特定していない特徴点があれば(ステップS208のNo)、制御部101は、ステップS202から処理を繰り返す。全ての特徴点を特徴量算出点として特定済であれば(ステップS208のYes)、制御部101は、処理を終了する。
【0088】
例えば、画像撮影時のゴミ付着等の外的要因や、撮影機器に起因するノイズ等の内的要因により、画像データに乱れが生じた場合、特徴点データの位置ずれや、偽の特徴点データ(例えば、ゴミやノイズに由来する特徴点データ)が含まれてしまうことがある。このような場合、従来技術では、基準画像データと対象画像データとの間で特徴量のずれが大きくなり、個々の物品を安定して識別することが出来ない。一方、本発明の特徴量算出処理では、基準画像データと対象画像データとの間でずれが少ない基準点Gに基づいて特徴量を算出するので、特徴量のずれも小さくなる。従って、本発明によれば、従来技術とは異なり、安定して個々の物品を識別することができる。
【0089】
尚、前述の説明では、基準ベクトルVと各ベクトルV1〜Vnとのなす角度θ1〜θnを特徴量としたが、本発明はこの例に限定されない。本発明では、特徴量として、特徴量算出点A、基準点G、及び他の特徴点A1〜Anの3点を用いて求めるものであれば良い。従って、例えば、特徴量算出点A、基準点G、及び他の特徴点A1〜Anの3点によって構成される三角形の形状に基づく値を、特徴量としても良い。例えば、特徴量算出点A、基準点G、及び他の特徴点A1〜Anの3点によって構成される三角形の面積を特徴量としても良い。また、例えば、特徴量算出点A、基準点G、及び他の特徴点A1〜Anの3点によって構成される三角形の辺の長さの合計を特徴量としても良い。
【0090】
本発明の特徴量算出処理のように、抽出された一部又は全ての特徴点の重心を基準点Gとし、基準点Gに基づく特徴量を算出することによって、物品の真偽を正確に判定することが可能となる。照合の対象は物品の表面にランダムに付与されたタガント12の分布であるため、タガント12として、反射性金属層を有するもの、多層薄膜を有するもの、光回折構造体を有するもの、特定の照射光に対して特定の放射光を発するもの等の特殊な反射性を有するものを用いれば、個体識別精度をさらに向上させることができる。
また、タガント12は印刷や塗布といった簡単な方法で付与できるため、容易に製造でき、本発明の個体識別処理を適用することで、高い精度で個体識別を行うことが可能となる。
【0091】
更に、タガント12が反射性金属層3を有することにより、タガント12の分布が確認しやすく、ルーペによる真偽判定が行いやすくなる。また、個体識別装置100を用いた微細物質分布解析処理において、特徴点として抽出しやすくなる。
【0092】
また、タガント12に誘電率が異なる多層薄膜4を形成した場合には、見る角度によって色が変化するため、ルーペによる真偽判定が行いやすくなる。また、微細物質分布解析処理において、特徴点として抽出しやすくなる。
【0093】
また、タガント12が光回折構造体層5を有する場合には、反射性がよく、特徴点を抽出しやすくなるだけでなく、ホログラム図案による判定を併せて行えるため、個体識別精度が高くなる。また、各微細物質に異なるホログラム図案となる光回折構造体を付与すれば、セキュリティ効果がより高くなる。一方、同一の図案となる光回折構造体を各微細物質に付与する場合は、異なるホログラム図案の光回折構造体を付与する場合と比べてコストダウンが可能となる。また偽造防止効果だけでなく、意匠性も向上する。
【0094】
また、タガント12が、所定の照射光に対し、異なる波長の光を放出する特性を有する反射層6を有することにより、白色光のもとでの隠匿性を持たせることができ、偽造を防ぎやすくなる。また、ルーペによる真偽判定や微細物質分布解析処理において、光学的な読み取りが容易となり、特徴点として抽出しやすくなる。
【0095】
タガント12は、物品に容易に付与できるとともに、ランダムに配置するので、偽造が困難となり、様々な物品に対して広く適用でき実用性に優れる。
【0096】
また、タガントは、その外形状を所定の形状とする場合の他、所定の文字、図形、記号、模様もしくはこれらを結合したもの(以下、図案という)を採用しても良い。
図12は、タガント82の一例であり、(a)は上面図、(b)は側面図、(c)は図12(b)のA−A線断面図である。
図12では、タガント82の形状を六角柱とし、一部に「D」の文字(図案7)が付与されている。
【0097】
また、タガント82を光学反射性のある材料によって形成するか、表面に光学反射性のある反射材料層71を設けるようにしてもよい。
すなわち、図12(c)に示すように、基材73の表面に図案形成層72を設け、更にその上面に反射材料層71を形成するようにしてもよい。タガント82の基材73には、金属や樹脂等を用いる。
【0098】
図案形成層72は、印刷、刻印等により図案7が付与される。図案7は、基材73と異なる色の染料等を用いて形成される。
このように、図案7を有するタガント82を用いる場合、図案7の輪郭から得られた画素数を第1画素数として用いる。
【0099】
反射材料層71は、物品8の基材81及び図案形成層72の染料75とは異なる反射性を有する材料を用いて形成される。例えば、反射性金属層3を有するもの(図2)、誘電率が異なる薄膜を多層にコート(多層薄膜4)したもの(図3)、光回折構造体層5を有するもの(図4)、所定の照射光に対して特定の反射特性を有する反射層6を有するもの(図5)等を採用することが好適である。
【0100】
このように、各タガント82が、異なる形状や図案を有する場合、ステップS2のタガント分布解析処理を行う際に、物品の真偽を正確に判定することが容易となる。すなわち、全て又は一部のタガント82の重心を示す特徴量に加えて、形状情報の特徴量を組み合わせることにより、タガントの判定要素の組み合わせが広がり、対象とする物品の真偽をより正確に判定することが可能となる。また、ルーペを用いた視認による真偽の判定も容易となる。
【0101】
なお、本発明を適用する物品や微細物質の形状、性質、形成方法、付与する図案等は一例であり、上述の実施形態に記載されるものに限定されない。その他、当業者であれば、本願で開示した技術的思想の範疇内において、各種の変更例または修正例に想到し得ることは明らかであり、それらについても当然に本発明の技術的範囲に属するものと了解される。
【符号の説明】
【0102】
100・・・個体識別装置
101・・・制御部
102・・・記憶部
108・・・画像読取装置
1・・・・・基準物品
11・・・・タガント分布層
12・・・・タガント
3・・・・・反射性金属層
4・・・・・被覆層
5・・・・・光回折構造体層
6・・・・・所定の照射光による反射層
82・・・・タガント
7・・・・・図案(文字、図形、記号、模様、もしくはこれらの組み合わせ)
72・・・・図案形成層
71・・・・反射材料層

【特許請求の範囲】
【請求項1】
タガントを基材上にランダムに配置した物品を個体識別する個体識別装置であって、
前記タガントが付与された基材面を撮影した画像から特徴点を抽出し、抽出された特徴点の一部又は全部からなる点群の重心を基準点とし、前記基準点に基づいて特徴量を算出する特徴量算出手段と、
前記特徴量算出手段によって算出された基準物品の前記特徴量である基準特徴量データと、前記特徴量算出手段によって算出された対象物品の前記特徴量である対象特徴量データと、を比較することによって、前記基準物品と前記対象物品とが同一個体であるか否かを判別する判別手段と、
を具備することを特徴とする個体識別装置。
【請求項2】
前記特徴量算出手段は、抽出された複数の特徴点の中から特徴量算出点を1つずつ特定し、前記特徴量算出点、前記基準点、及び前記特徴量算出点以外の特徴点の3つの点を用いて、前記特徴量算出点ごとに前記特徴量を算出することを特徴とする請求項1に記載の個体識別装置。
【請求項3】
前記特徴量算出手段は、前記特徴量算出点及び前記基準点を結ぶ基準ベクトルと、前記特徴量算出点及び前記特徴量算出点以外の特徴点を結ぶベクトルとのなす角度を、前記特徴量として算出することを特徴とする請求項2に記載の個体識別装置。
【請求項4】
前記特徴量算出手段は、前記特徴量算出点、前記基準点、及び前記特徴量算出点以外の特徴点によって構成される三角形の形状に基づく値を、前記特徴量として算出することを特徴とする請求項2に記載の個体識別装置。
【請求項5】
前記特徴量算出手段は、前記特徴量算出点との距離に基づいて前記点群を選択し、選択された前記点群の重心を、前記特徴量算出点ごとの前記基準点として算出することを特徴とする請求項2から請求項4のいずれかに記載の個体識別装置。
【請求項6】
前記特徴量算出手段は、抽出された全ての特徴点と前記特徴量算出点との距離を算出し、算出された距離の最大値に基づいて前記点群を選択することを特徴とする請求項5に記載の個体識別装置。
【請求項7】
タガントを基材上にランダムに配置した物品を個体識別する個体識別方法であって、
前記タガントが付与された基材面を撮影した画像から特徴点を抽出し、抽出された特徴点の一部又は全部からなる点群の重心を基準点とし、前記基準点に基づいて特徴量を算出する特徴量算出ステップと、
前記特徴量算出ステップによって算出された基準物品の前記特徴量である基準特徴量データと、前記特徴量算出ステップによって算出された対象物品の前記特徴量である対象特徴量データと、を比較することによって、前記基準物品と前記対象物品とが同一個体であるか否かを判別する判別ステップと、
を備えることを特徴とする個体識別方法。
【請求項8】
タガントを基材上にランダムに配置した物品を個体識別するコンピュータにより読み取り可能な形式で記述されたプログラムであって、
前記タガントが付与された基材面を撮影した画像から特徴点を抽出し、抽出された特徴点の一部又は全部からなる点群の重心を基準点とし、前記基準点に基づいて特徴量を算出する特徴量算出ステップと、
前記特徴量算出ステップによって算出された基準物品の前記特徴量である基準特徴量データと、前記特徴量算出ステップによって算出された対象物品の前記特徴量である対象特徴量データと、を比較することによって、前記基準物品と前記対象物品とが同一個体であるか否かを判別する判別ステップと、
を含む処理をコンピュータに実行させるためのプログラム。

【図1】
image rotate

【図2】
image rotate

【図3】
image rotate

【図4】
image rotate

【図5】
image rotate

【図6】
image rotate

【図7】
image rotate

【図8】
image rotate

【図9】
image rotate

【図10】
image rotate

【図11】
image rotate

【図12】
image rotate


【公開番号】特開2013−69188(P2013−69188A)
【公開日】平成25年4月18日(2013.4.18)
【国際特許分類】
【出願番号】特願2011−208471(P2011−208471)
【出願日】平成23年9月26日(2011.9.26)
【出願人】(000002897)大日本印刷株式会社 (14,506)
【Fターム(参考)】