गुइलोचे तत्वों को रूसी पासपोर्ट के उदाहरण का उपयोग करके मान्यता

गिलोच बैंक नोटों, दस्तावेजों, प्रतिभूतियों और अन्य प्रकार के मुद्रण उत्पादों (टिकट, उत्पाद शुल्क टिकट, प्रमाण पत्र और राज्य स्तर के कई अन्य दस्तावेजों) की सुरक्षा के लिए एक विशेष तकनीक है।

प्रपत्रों में विभिन्न गिलोय तत्वों की जटिल रचनाओं को लागू करके दस्तावेज़ संरक्षण सुनिश्चित किया जाता है। गिलोय तत्व कई प्रतिच्छेदन बेहतरीन फीता रेखाओं ( चित्रा 1 ) का एक जटिल पैटर्न है। आमतौर पर, इन तत्वों को विभिन्न प्रकार के सुरक्षात्मक जाल, रोसेट्स, बॉर्डर, विगनेट्स और कोनों द्वारा दर्शाया जाता है। Guilloche डिजाइन में या तो सममित या असममित हो सकता है।

मौजूदा नियमों के अनुसार, गिलोय तत्वों को कम से कम 70% प्रतिभूतियों के क्षेत्र पर कब्जा करना चाहिए।
इसके अलावा, इस क्षेत्र से, अधिकांश में बहुरंगा गिलोय की रचनाएं होनी चाहिए।

चित्र 1

गिलोय तत्वों वाले दस्तावेजों के उदाहरण:
क) 1997 में 5 रूबल का बैंकनोट; बी) रूसी संघ के नागरिक के पासपोर्ट के पृष्ठ की एक छवि
मूल छवि

(3,158.74 KB, PNG-24)

---

दस्तावेजों की छवियों को पहचानते समय, एक को अक्सर विभिन्न गिलोय तत्वों से निपटना पड़ता है। इसके अलावा, आमतौर पर पृष्ठभूमि का एक हिस्सा होने के नाते, गिलोच केवल महत्वपूर्ण जानकारी को पहचानने की प्रक्रिया को जटिल बनाता है (पृष्ठभूमि को "दबाने" के एल्गोरिथ्म को जटिल करता है, जो किसी भी मान्यता प्रणाली का एक अभिन्न अंग है)। हालांकि, कई कार्यों में, गिलोय तत्व स्वयं महत्वपूर्ण वस्तुएं हैं और उन्हें पहचाना जाना चाहिए।

उदाहरण के लिए, ऐसी स्थिति तब होती है जब रूसी संघ के नागरिक के पासपोर्ट के पृष्ठों को मान्यता दी जाती है ( चित्र 1 बी )। अतिरिक्त सुरक्षा प्रदान करने के लिए, पासपोर्ट की पृष्ठ संख्या को गिलोय रोसेट ( चित्र 1 बी ) के रूप में मुद्रित किया जाता है। हालांकि, इस तरह के ग्राफिक्स के लिए मान्यता एल्गोरिदम स्थापित करते समय, कई कठिनाइयां उत्पन्न होती हैं। जब गिलोय तत्वों की ख़ासियत (जो हम याद करते हैं, बेहतरीन लाइनों का एक पैटर्न हैं) के कारण एक उच्च-रिज़ॉल्यूशन छवि से एक पहचान योग्य वस्तु की एक विशेषता वेक्टर बनाने की कोशिश करते समय, इसका मान मामूली ज्यामितीय विकृतियों (जैसे, उदाहरण के लिए, एक बदलाव या रोटेशन) के साथ महत्वपूर्ण रूप से बदल जाएगा।

दूसरी ओर, कम रिज़ॉल्यूशन वाली छवि से एक फीचर वेक्टर बनाने का प्रयास मान्यता प्राप्त वस्तु के अपर्याप्त विपरीत होने के कारण असफल है। इसके अलावा, मान्यता के लिए अतिरिक्त कठिनाइयाँ अतिरिक्त हस्तक्षेप को संभव बनाती हैं। उदाहरण के लिए, पासपोर्ट के पृष्ठ संख्या, जो पहले से ही कमजोर रूप से पहचानने योग्य हैं, अक्सर विभिन्न टिकटों और मुहरों द्वारा अवरुद्ध होते हैं।

इस लेख में, हम पाठकों को रूसी संघ के एक नागरिक के पासपोर्ट के पृष्ठ संख्या के उदाहरण का उपयोग करके गिलोय तत्वों को पहचानने की तकनीक के बारे में बताएंगे। मामूली संशोधनों के बाद, नीचे वर्णित तकनीक का उपयोग अन्य दस्तावेजों पर लागू गिलोच को संसाधित करने और पहचानने के लिए किया जा सकता है ( चित्र 2 )।

चित्र 2

गिलोय तत्वों वाले दस्तावेजों के उदाहरण:
a) रूसी संघ के नागरिक का विदेशी पासपोर्ट b) रूसी संघ के एक सेवादार का पहचान पत्र
मूल छवि

(3,638.15 KB, PNG-24)

---

पासपोर्ट पृष्ठ मान्यता एल्गोरिथ्म

तो, पासपोर्ट पृष्ठ की छवि पर, आपको संख्या निर्धारित करने की आवश्यकता है। इस मामले में, पृष्ठ का सटीक अभिविन्यास अज्ञात है, और टिकटों और मुहरों के रूप में हस्तक्षेप भी संभव है ( चित्र 3 )।

मान्यता से तुरंत पहले, मूल छवि को "तैयार" करना आवश्यक है: शोर को दबाएं और छवि के सही अभिविन्यास का निर्धारण करें। ध्यान दें कि दोनों पहचानने योग्य वस्तुएं (पासपोर्ट पृष्ठ संख्या) और संभावित हस्तक्षेप मुख्य रूप से उन लाइनों की संरचना के रूप में प्रतिनिधित्व करने योग्य हैं जिनकी ज्यामितीय विशेषताओं को जाना जाता है (हमारे मामले में, केवल मोटाई महत्वपूर्ण है)। ऐसी वस्तुओं के साथ काम करते समय, रूपात्मक निस्पंदन अक्सर उपयोग किया जाता है।

आकृति विज्ञान (गणितीय आकृति विज्ञान) एक छवि पर एक ज्ञात ज्यामितीय संरचना के साथ ग्राफिक तत्वों को अलग करने और विश्लेषण करने के लिए एक उपकरण है। मुख्य रूपात्मक ऑपरेशन तनुकरण और कटाव हैं। एक आयताकार संरचनात्मक तत्व e = {(x, y) पर छवि का फैलाव f (x, y): | x | ya, | y | ≤b} को f द्वारा निरूपित किया जाता है। ई और इस प्रकार परिभाषित किया गया है:

(च ई) (x, y) = अधिकतम {f (x + s, y + t)}
^{| s | .a; | t | |b}

इसी प्रकार, संरचनात्मक तत्व ई पर छवि क्षरण f (x, y) को f द्वारा निरूपित किया जाता है ई और इस प्रकार परिभाषित किया गया है:

(च e) (x, y) = मिनट {f (x + s, y + t)}
^{| s | .a; | t | |b}

दो अन्य महत्वपूर्ण रूपात्मक ऑपरेशनों पर विचार करें: उद्घाटन और समापन। संरचनात्मक तत्व e पर छवि f (x, y) को खोलने से f को दर्शाया जाता है ई और समानता एफ द्वारा निर्धारित किया जाता है ई = (एफ) ई) ई। इसी तरह, आदिम ई द्वारा छवि f (x, y) को बंद करना f द्वारा निरूपित किया जाता है ई और एफ के रूप में परिभाषित किया गया है ई = (एफ) ई) ई। समापन वस्तु की आकृति को सुचारू करता है, संकीर्ण इस्थमस को तोड़ता है और छोटी चौड़ाई के फैलाव को समाप्त करता है। उद्घाटन भी समोच्च वर्गों को सुचारू करने के लिए जाता है, लेकिन, खोलने के विपरीत, संकीर्ण अंतराल और छोटी चौड़ाई के लंबे अवकाश को भरता है, और समोच्च के अंतराल को भी भरता है।

बता दें कि गिलोच लेस लाइनों की विशेषता मोटाई t _g , दो गिलोय लाइनों d _{g के} बीच की विशेषता दूरी और स्टाम्प लाइनों की मोटाई t _{s है} । ध्यान दें कि पासपोर्ट के पृष्ठों के लिए संबंध सत्य है:

t _g <d _g <t _s

चरण 1. उद्घाटन ऑपरेशन का उपयोग करके, "नमक" एक दूसरे के साथ गिलोच बनाने वाली रेखाएं। यह पहचानने योग्य वस्तुओं के विपरीत को बढ़ाएगा, जबकि व्यावहारिक रूप से हस्तक्षेप का प्रकार नहीं बदल रहा है (चूंकि डी _जी <टी _एस )। हम संरचनात्मक तत्व ई ₁ = {(x, y) का परिचय देते हैं: | x | ≤d _g , | y | }d _g }। फिर कंट्रास्ट निम्नानुसार है ( चित्र 3 बी ):

f ₁ (x, y) = (f) ई ₁ ) (एक्स, वाई)

चरण 2. मरने की रेखाओं की मोटाई जानना, एक बंद की मदद से हम संभव हस्तक्षेप को दबा देते हैं। हम ई ₂ एच = {(x, y:: | x | :0, | y | ≤t _s } और e ₂ v = {(x, y): के रूप में मरने के क्षैतिज और ऊर्ध्वाधर लाइनों के "हटाने" के लिए संरचनात्मक तत्वों का परिचय देते हैं। x | ≤t _s , | y | ≤0} क्रमशः। फिर पृष्ठभूमि की छवि (अर्थात, "बिना हस्तक्षेप के" पासपोर्ट पृष्ठ की छवि प्राप्त की जाती है) ( चित्र 3 सी ):

f _2h (x, y) = (f ₁₎ ई _{2 ह} ) (x, y)
f _2v (x, y) = (f ₁₎ ई 2 _वी ) (एक्स, वाई)
f ₂ (x, y) = अधिकतम {f _2h (x, y), f _2v (x, y)}

चरण 2 *। पृष्ठभूमि छवि को बोनस के रूप में प्राप्त करने के बाद, केवल एफ हस्तक्षेप ( चित्रा 3 डी ) युक्त छवि एफ ₂ * (एक्स, वाई) प्राप्त करना आसान है। यह मूल छवि से पृष्ठभूमि को घटाकर प्राप्त किया जाता है और पृष्ठ के भरने का विश्लेषण करने के लिए उपयोगी हो सकता है (पासपोर्ट के वर्तमान पृष्ठ पर कोई टिकट हैं)।

हस्तक्षेप हटा दिए जाने के बाद, छवि को अभिविन्यास और पृष्ठ संख्या निर्धारित करने के लिए तैयार माना जाता है। ध्यान दें कि पृष्ठ के अधिमान्य अभिविन्यास को पृष्ठ कोने के निशान ( चित्रा 3e ) के स्थान का पता लगाने और विश्लेषण करके पाया जा सकता है, जो हमेशा आरएफ पासपोर्ट के लिए नीचे से होना चाहिए। ध्यान दें कि डिटेक्शन एल्गोरिदम ऑब्जेक्ट और शोर के मामूली विरूपण के लिए प्रतिरोधी होना चाहिए।

इसके अलावा, एल्गोरिथ्म का समायोजन एक छोटे से प्रशिक्षण सेट पर किया जाना चाहिए। शायद इन आवश्यकताओं को पूरा करने वाले सबसे प्रसिद्ध एल्गोरिदम में से एक है वियोला और जोन्स विधि।

चित्र 3

रूसी संघ के नागरिक के पासपोर्ट के पृष्ठ की मान्यता:
क) मूल छवि (उल्टा); बी) "ओपन" प्रकार के रूपात्मक निस्पंदन; ग) चयनित पृष्ठभूमि छवि; छ) मुहरों की चयनित छवि; ई) पृष्ठ के उन्मुखीकरण का निर्धारण; ई) पेज नंबर मान्यता

---

वियोला और जोन्स की वस्तुओं का पता लगाने के लिए एल्गोरिथ्म मूल रूप से वास्तविक समय में छवियों में चेहरे की खोज के लिए विकसित किया गया था। वह प्रत्येक बिंदु पर एक द्विआधारी वर्गीकरण समस्या के रूप में पहचान की समस्या पर विचार करता है, अर्थात्, पहले से प्रशिक्षित पहचानकर्ता (क्लासिफायर) का उपयोग करके छवि में प्रत्येक संभावित बदलाव के लिए, इस स्थिति में वांछित वस्तु की उपस्थिति के बारे में परिकल्पना की जाँच की जाती है। एल्गोरिथ्म की मुख्य विशेषताएं हैं:

• क्लासिफायरियर के निर्माण में मूल विशेषताओं के रूप में आयताकार हार का उपयोग होता है।
• तथाकथित छवि अभिन्न का उपयोग करना, जो आपको प्रारंभिक संकेतों की जल्दी से गणना करने की अनुमति देता है।
• एक प्रभावी AdaBoost मशीन लर्निंग एल्गोरिदम का उपयोग करके क्लासिफायरफायर को प्रशिक्षित करना।
• कुल छवि प्रसंस्करण समय को कम करने के लिए क्लासिफायर्स की कैस्केडिंग संरचना का उपयोग करना।

एक ही एल्गोरिथ्म का उपयोग पृष्ठ संख्याओं के अनुरूप प्रत्येक गिलोच रोसेट के लिए पूर्व-प्रशिक्षण व्यक्तिगत क्लासिफायर द्वारा पासपोर्ट के पृष्ठ संख्या को पहचानने के लिए किया जाता है।

चरण 3. पूर्व-प्रशिक्षित क्लासिफायरियर का उपयोग करके, हम पृष्ठभूमि छवि f ₂ (x, y) पर कोने के निशान का संभावित स्थान निर्धारित करते हैं। यदि पाया गया चिह्न ऊपर स्थित है, तो हम केंद्र के चारों ओर छवि 180 डिग्री ( चित्र 3 डी ) को घुमाएंगे।

चरण 4। पेज ओरिएंटेशन निर्धारित करने और आवश्यक होने पर छवि को चालू करने के बाद, हम गिलोच रोसेट नंबरों के प्रत्येक प्रशिक्षित क्लासिफायर को पृष्ठभूमि छवि f ₂ (x, y) पर लागू करते हैं। छवि के मध्य क्षेत्र में अधिक से अधिक संचालन प्रदान करने वाला एक क्लासिफायरियर वांछित पृष्ठ संख्या ( चित्र 3e ) निर्धारित करेगा।

प्रायोगिक परिणाम

वर्णित एल्गोरिथ्म का परीक्षण करने के लिए, दो डेटा सेट तैयार किए गए थे। पहले का उपयोग पासपोर्ट पृष्ठ संख्याओं के कोने तत्वों के पहचानकर्ताओं को प्रशिक्षित करने के लिए किया गया था (इनमें 333 चित्र शामिल थे, यानी पासपोर्ट के प्रत्येक पृष्ठ के 37 अलग-अलग चित्र)। दूसरे डेटा सेट का उपयोग स्वास्थ्य का परीक्षण करने और 616 विभिन्न छवियों का पता लगाने और शामिल करने की गुणवत्ता का आकलन करने के लिए किया गया था (पृष्ठ प्रकार द्वारा वितरण असमान है, सटीक जानकारी तालिका 1 में दिखाई गई है)।

तालिका 1. मान्यता आँकड़े।

	छवियों की संख्या	पहचान की गुणवत्ता
पी 4	34	88.86%
पी 5	129	89.15%
पी 6	90	91.11%
पी 7	88	97.73%
पी 8	58	91.38%
पी 9	59	94.92%
पी 10	57	91.23%
पी 11	53	100.00%
पी 12	48	91.67%
कुल मिलाकर	616	92.86%

नतीजतन, औसत पता लगाने की गुणवत्ता 92.86% थी। ध्यान दें कि पृष्ठ संख्या 5 (अन्य पृष्ठों की तुलना में बड़े प्रशिक्षण नमूने के बावजूद) को पहचानते समय बहुत सारी त्रुटियां प्राप्त हुई थीं। यह मुख्य रूप से घने भरने के कारण है। कुछ गैर-मान्यता प्राप्त पृष्ठों को किसी व्यक्ति द्वारा भी बड़ी कठिनाई से पहचाना जा सकता है ( चित्र 4 )।

चित्र 4

पासपोर्ट पृष्ठों की अपरिचित छवियों के उदाहरण:
क) मूल छवि; बी) पृष्ठभूमि छवि

---

पूरा लेख इंस्टीट्यूट फ़ॉर सिस्टम एनालिसिस ऑफ़ द रूसी एकेडमी ऑफ़ साइंसेस की कार्यवाही में प्रकाशित हुआ है। सूचना और ग्राफिक संसाधनों का प्रसंस्करण। 2013. वॉल्यूम 63, अंक 3. पी। 106–110। "गिलोय तत्वों की मान्यता: रूसी संघ के पासपोर्ट के पृष्ठों का निर्धारण // Usilin SA, Nikolaev DP, Sholomov DL, Arlazarov VV

अनुशंसित पढ़ना

1. GOST R 54109-2010। सुरक्षात्मक तकनीक। मुद्रण उत्पादों का संरक्षण। सामान्य तकनीकी आवश्यकताएं। 2010।
2. गोंजालेज आर।, वुड्स आर। डिजिटल इमेज प्रोसेसिंग। 2006.S 1072।
3. सॉइल पी। आकृति विज्ञान छवि विश्लेषण: सिद्धांत और अनुप्रयोग // आकृति विज्ञान छवि विश्लेषण सिद्धांत और अनुप्रयोग। स्प्रिंगर-वर्लग, 1999. पी। 391।
4. वियोला पी।, जोन्स एम। रोबस्ट रियल-टाइम ऑब्जेक्ट डिटेक्शन // इंटरनेशनल जर्नल ऑफ़ कंप्यूटर विज़न। 2002।
5. फ्रायंड वाई।, शेपायर आरई ऑन-लाइन लर्निंग का एक निर्णय-सिद्धांत संबंधी सामान्यीकरण और कंप्यूटर / सिस्टम विज्ञान के // जर्नल को बढ़ाने के लिए एक आवेदन। 1997. वॉल्यूम। 55, नंबर 1. पी। 119–139।