10.14489/vkit.2016.03.pp.011-017

DOI: 10.14489/vkit.2016.03.pp.011-017

Блохинов Ю. Б., Горбачев В. А., Ракутин Ю. О., Волков В. В.
ИДЕНТИФИКАЦИЯ ОБРАЗЦОВ ЗАЩИЩЕННОЙ ПЕЧАТНОЙ ПРОДУКЦИИ С ИСПОЛЬЗОВАНИЕМ СМАРТФОНА
(c. 11-17)

Аннотация. Разработан метод идентификации защищенных печатных оттисков по цифровому снимку на базе серийных смартфонов. Метод не требует разработки дизайна и внедрения в изделие новых защитных элементов и основан на применении цифровых методов анализа и обработки изображений, позволяющих осуществлять автоматический поиск и верификацию известных защитных элементов оттиска. Особенность предлагаемого подхода связана с построением набора признаков для каждого типа образцов и последующей их классификацией с машинным обучением.

Ключевые слова: защищенный печатный оттиск; банкнота; мобильное устройство; смартфон; анализ изобра-жений; подделки; идентификация; аутентификация; набор признаков; классификация.

Blokhinov Yu. B., Gorbachev V. A., Rakutin Yu. O., Volkov V. V.
IDENTIFICATION OF SAMPLES OF THE PROTECTED PRINTED MATERIALS WITH USE OF THE SMARTPHONE
(pp. 11-17)

Abstract. The article is devoted to one of actual modern tasks – to creation of hi-tech program applications on the basis of mobile devices. The task represents not only technical, but also scientific interest because limited computational power of smartphones impose additional re-quirements of the algorithms developed for such programs, especially in the almost real time conditions. Authors present method of identification of the protected prints on the basis of digital images from smartphone camera. During identification the problem of exact detection of a sample, definition of its orientation, face value and modification is solved. The method doesn't demand development of design and introduction in a product of new protective elements and is based on application of digital methods of the analysis and processing of the images allowing to carry out automatic search and verification of the chosen inspection zones of a print. Thus along with classical methods of Fourier, Laplace and interest points operators such effective modern approaches as Viola-Jones’s method and methods of classification with machine training, such as busting (in this case AdaBoost) and a Support Vector Machine method are used. In conclusion, the method developed is tested on the created base of samples of the protected printed materials. It is shown that the speed of data processing and reliability of result meet the requirements of the initial objective. Finally, the method constructed includes a number of the interesting algorithmic decisions allowing the authors to perform the identifi-cation of protected printing prints in almost real time mode with high reliability of result.

Keywords: Protected print; Banknote; Mobile device; Smartphone; Image analysis; Counterfeits; Identification; Authentication; Feature vector; Classification.

+ - Информация об авторах (About the Authors) Click to collapse

Рус

Ю. Б. Блохинов, В. А. Горбачев (ФГУП «Государственный научно-исследовательский институт авиационных систем» ГНЦ РФ, Москва) E-mail: Этот e-mail адрес защищен от спам-ботов, для его просмотра у Вас должен быть включен Javascript
Ю. О. Ракутин, В. В. Волков (Московский физико-технический институт (государственный университет))

Eng

Yu. B. Blokhinov, V. A. Gorbachev (State Research Institute of Aviation Systems State Scientific Center of Russian Federation, Moscow) E-mail: Этот e-mail адрес защищен от спам-ботов, для его просмотра у Вас должен быть включен Javascript
Yu. O. Rakutin, V. V. Volkov (Moscow Institute of Physics and Technology (State University))

+ - Библиографический список (References) Click to collapse

Рус

1. StarPerf: Exploring New Dimensions in Banknote Protection. URL: http://www.ofs.ch/fileadmin/user_upload/ brochures/StarPerf_en.pdf (дата обращения: 14.01.2016).
2. Сделано с умом // Банкноты стран мира: инфор-мационный бюллетень. 2014. № 12. С. 24–25.
3. Banknote Authentication with Mobile Devices / V. Lohweg et al. // Proc. SPIE. Media Watermarking, Securi-ty, and Forensics. 2013. V. 8665. Burlingame, California, USA, March 22, 2013. doi: 10.1117/12.2001444.
4. Pat. WO 2008146262 A2 (2008) Authentification de documents de sécurité, en particulier de billets de banque / V. Lohweg, E. Gillich, J. Schaede. No. PCT/IB2008/052135/ KBA-NotaSys SA. https://www.google.com.ar patents/ WO2008146262A2?cl=fr (дата обращения: 14.01.2016).
5. Viola P. A., Jones M. J. Rapid Object Detection using a Boosted Cascade of Simple Features // Proc. IEEE Conf. on Computer Vision and Pattern Recognition (CVPR 2001). 2001. V. 1. P. 511 – 518. doi: 10.1109/CVPR.2001. 990517.
6. Freund Y., Schapire R. E. A Decision-Theoretic Generalization of On-Line Learning and an Application to Boosting // Computational Learning Theory: Second European Conf. EuroCOLT’95. Barcelona, Spain, March 13 – 15, 1995. P. 23 – 37. doi: 10.1007/3-540-59119-2_166.
7. Cristianini N., Shawe-Taylor J. An Introduction to Support Vector Machines and Other Kernel-Based Learn-ing Methods. Cambridge University Press, 2000. 189 p.
8. Гонсалес Р., Вудс Р. Цифровая обработка изо-бражений: пер. с англ. M.: Техносфера, 2005. 1072 с.
9. Шапиро Л., Стокман Дж. Компьютерное зре-ние: пер. с англ. М.: БИНОМ, 2006. 752 с.

Eng

1. StarPerf: exploring new dimensions in banknote protection. Available at: http://www.ofs.ch/fileadmin/ us-er_upload/ brochures/StarPerf_en.pdf (Accessed: 14.01.2016).
2. Made with intelligence. (2014). Banknoty stran mi-ra: informatsionnyi biulleten', (12), pp. 24-25.
3. Lohweg V. et al. (2013). Banknote authentication with mobile devices. Proc. SPIE. Media Watermarking, Secu-rity, and Forensics. V. 8665. Burlingame, California, USA, March 22, 2013. doi: 10.1117/12.2001444.
4. Lohweg V., Gillich E., Schaede J. (2008). Authentification de documents de sécurité, en particulier de billets de banquet. Pat. WO 2008146262. France. Available at: https://www.google.com.arpatents/ WO2008146262A2?cl =fr (Accessed: 14.01.2016).
5. Viola P. A., Jones M. J. (2001). Rapid object detec-tion using a boosted cascade of simple features. Proc. IEEE Conf. on Computer Vision and Pattern Recognition (CVPR 2001), V. 1, pp. 511-518. doi: 10.1109/CVPR.2001. 990517.
6. Freund Y., Schapire R. E. (1995). A decision-theoretic generalization of on-line learning and an applica-tion to boosting. Computational Learning Theory: Second European Conf. EuroCOLT’95. Barcelona, Spain, March 13–15, pp. 23-37. doi: 10.1007/3-540-59119-2_166.
7. Cristianini N., Shawe-Taylor J. (2000). An introduc-tion to support vector machines and other kernel-based learning methods. Cambridge University Press.
8. Gonsales R., Woods R. (2005). Digital image pro-cessing. Moscow: Tekhnosfera.
9. Shapiro L., Stokman Dzh. (2006). Computer vision. Moscow: BINOM.

+ - Заказать электронную версию статьи (Purchase digital version of a single article) Click to collapse

Рус

Статью можно приобрести в электронном виде (PDF формат).

DOI: 10.14489/vkit.2016.03.pp.011-017

Скопируйте DOI статьи и перейдите по ссылке https://id-spektr.ru/product/pokupka-elektronnoy-stati-iz-zhurnala-vestnik-kompyuternyh-i-informatsionnyh-tehnologiy

В комментарии к заказу обязательно укажите DOI статьи.

Eng

This article is available in electronic format (PDF).

DOI: 10.14489/vkit.2016.03.pp.011-017

Copy the article DOI and follow the link https://id-spektr.ru/product/pokupka-elektronnoy-stati-iz-zhurnala-vestnik-kompyuternyh-i-informatsionnyh-tehnologiy

Please specify the article DOI in the order comments.