鞋类认证设备及认证流程制造技术

可以使用一种方法和系统来确定可疑物品是否是伪造的。在该方法和系统中，可以分析图像以便识别物品的感兴趣区域。该方法和系统可以将不同的感兴趣区域的特征与从物品模型导出的阈值特征进行比较。基于比较的结果确定可疑物品是伪造品。疑物品是伪造品。疑物品是伪造品。

【技术实现步骤摘要】
【国外来华专利技术】鞋类认证设备及认证流程
对相关申请的交叉引用
[0001]本申请要求2019年10月21日提交的美国临时申请No.62/294,145的权益，该申请的全部内容通过引用并入本文。


技术介绍

[0002]由于在零售领域中价值增加的品牌和产品的激增，各个行业的人气都增加了。某些类型的特殊模型物品的限量发行使这些限量发行的物品成为市场上最令人垂涎的物品。由于限量发行物品的排他性，伪造品在市场上激增。从许多市场或商店之一购买限量发行物品的倒霉用户不知道所购买的物品是否真实。虽然市场确保物品是真实的，但客户经常被欺骗。有时，即使是市场或商店所有者也不确定某些物品的真实性。这导致对交易缺乏信任，最终可能导致各行业的增长受到抑制。

技术实现思路

[0003]本公开中的一些内容涉及用于确定可疑物品的真实性的认证引擎的方法、计算机程序产品和系统。真实物品可以是由作为物品的预期和可信来源的实体(例如公司或品牌)建造、设计或供应的物品。伪造品可以是由未经授权的实体构造、设计或提供的物品，该实体对物品的购买者来说是未识别的或未知的。可疑物品是尚未被识别为真品或伪造品的物品。
[0004]一个实施例涉及一种识别在可疑物品的一个或多个图像中描绘的不同感兴趣区域的认证引擎。测量不同的感兴趣区域并将测量值与对应于可疑物品的真实版本的物品模型的阈值测量值(或阈值数据)进行比较。基于比较的结果来确定可疑物品是真品还是伪造品。
[0005]一个实施例涉及一种认证引擎，该认证引擎针对机器学习、基于数据的系统来确定诸如可疑运动时尚鞋(“运动鞋”)之类的可疑物品是否是伪造的。各种实施例可以包括将可疑运动鞋放置在灯箱内，灯箱提供成像设置以捕捉可疑运动鞋的各个部分和视图的一致图像。可以以特定分辨率捕捉图像以获得有关感兴趣区域和运动鞋材料(例如织物、皮革、绒面革、帆布)的纹理的信息。捕捉到的图像可以上传到服务器或云计算环境，用于由认证引擎处理图像，以提供关于可疑运动鞋是否是伪造品的通知。
[0006]一个实施例涉及认证引擎的客户端
‑
服务器应用程序框架，其管理灯箱中的多个相机并且为最终用户提供单个服务器设备以管理认证引擎的操作。认证引擎的一个实施例可以基于基于跳跃连接算法的卷积
‑
反卷积神经网络来分割在一个或多个图像中描绘的运动鞋上的各个感兴趣区域。一个实施例涉及根据运动鞋感兴趣区域的测量值和纹理的提取来实现机器学习，以便将它们进行真伪分类。
[0007]本公开的其他应用领域将从详细描述、权利要求和附图中变得显而易见。详细描
述和具体示例仅用于说明而非旨在限制本公开的范围。
附图说明
[0008]通过详细描述和附图将更好地理解本公开，其中：
[0009]图1A是示出了一些实施例可以在其中操作的示例性环境的图。
[0010]图1B是示出可以执行指令以执行本文中的一些方法的示例性计算机系统的图。
[0011]图2A是示出可以在一些实施例中执行的示例性方法的流程图。
[0012]图2B是示出可以在一些实施例中执行的示例性方法的流程图。
[0013]图3示出可以在一些实施例中使用的示例性用户界面。
[0014]图4A是一些实施例中的一个可能的认证引擎阶段的示例图。
[0015]图4B是一些实施例中的一个可能的认证引擎阶段的示例图。
[0016]图4C是一些实施例中的一个可能的认证引擎阶段的示例图。
[0017]图4D是一些实施例中一个可能的认证引擎阶段的示例图。
[0018]图4E是一些实施例中的一个可能的认证引擎阶段的示例图。
[0019]图5是一些实施例中用于认证引擎的灯箱的示例图。
[0020]图6是一些实施例可以在其中操作的一种环境的示例图。
[0021]图7是一些实施例可以在其中操作的一种环境的示例图。
[0022]图8是一些实施例可以在其中操作的一种环境的示例图。
[0023]图9是一些实施例可以在其中操作的一种环境的示例图。
[0024]图10是一些实施例可以在其中操作的一种环境的示例图。
[0025]图11是一些实施例可以在其中操作的一种环境的示例图。
[0026]图12是一些实施例可以在其中操作的一种环境的示例图。
[0027]图13是一些实施例可以在其中操作的一种环境的示例图。
[0028]图14是一些实施例可以在其中操作的一个环境的示例图。
[0029]图15是一些实施例可以在其中操作的一个环境的示例图。
[0030]图16是一些实施例可以在其中操作的一种环境的示例图。
[0031]图17是一些实施例可以在其中操作的一个环境的示例图。
[0032]图18是一些实施例可以在其中操作的一种环境的示例图。
[0033]图19是一些实施例可以在其中操作的一个环境的示例图。
[0034]图20是一些实施例可以在其中操作的一个环境的示例图。
[0035]图21是一些实施例可以在其中操作的一个环境的示例图。
[0036]图22是一些实施例可以在其中操作的一种环境的示例图。
具体实施方式
[0037]在本说明书中，详细参考了本专利技术的具体实施例。一些实施例或其方面在附图中示出。
[0038]为了解释清楚起见，已经参考具体实施例描述了本专利技术，然而应当理解，本专利技术不限于所描述的实施例。相反，本专利技术涵盖可包括在其由任何专利权利要求限定的范围内的替代、修改和等效物。阐述本专利技术的以下实施例而不失任何一般性并且不对要求保护的发
明施加限制。在以下描述中，阐述了具体细节以提供对本专利技术的透彻理解。可以在没有这些具体细节中的一些或全部的情况下实施本专利技术。此外，可能没有详细描述众所周知的特征以免使本专利技术含混不清。
[0039]此外，应当理解，本示例性专利中阐述的示例性方法的步骤可以以与本说明书中呈现的顺序不同的顺序执行。此外，示例性方法的一些步骤可以并行执行而不是顺序执行。此外，示例性方法的步骤可以在网络环境中执行，其中一些步骤由网络环境中的不同计算机执行。
[0040]一些实施例由计算机系统实现。计算机系统可以包括处理器、存储器和非暂时性计算机可读介质。存储器和非暂时性介质可以存储用于执行本文描述的方法和步骤的指令。
[0041]对于当前的传统系统，手动认证一直是物品认证的主要模式。例如，某件物品的某种风格或品牌的专家检查该物品并就该物品的真实性提供他们的意见。如果物品是真品，则在物品上贴上标签(即条形码、RFID、可移除贴纸)，以表明该物品已经过认证。传统方法的另一个示例涉及最终用户将物品的图像上传到在线服务。在接收到图像后，与在线服务相关联的专家随后可以查看图像以验证某些真实性特征的存在。然后，在线服务将专家的决定发送回最终用户。
[0042]此外，一旦最终用户完成了对物品的购买交易，各种传统的在线市场可以出售物品并验证物品的真实本文档来自技高网...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】1.一种用于识别伪造品的计算机实现方法，包括：捕捉可疑物品的至少一个输入图像；在所述至少一个输入图像中识别所述可疑物品的一个或多个感兴趣区域；确定所述一个或多个感兴趣区域的测量值；将所述测量值与对应所述可疑物品的真实版本的物品模型的阈值测量值进行比较；和根据所述比较的结果判断所述可疑物品的真伪。2.根据权利要求1所述的计算机实施方法，其中，在所述至少一个输入图像中识别所述可疑物品的一个或多个感兴趣区域包括：根据基于深度神经网络的编码器
‑
解码器分析，在相应输入图像中描绘的可疑鞋上分割不同的感兴趣区域。3.根据权利要求1
‑
2中任一项所述的计算机实施方法，其中，确定所述一个或多个感兴趣区域的测量值包括：对于根据所述编码器
‑
解码器分析从所述相应输入图像中提取的每个不同的感兴趣区域(RoI)：(i)测量RoI边界上各个点之间的距离；和(ii)构建RoI特征向量，其中，每个特定测量的距离的值对应所述RoI特征向量的特征类型；和对特征进行早期融合，根据所述不同的RoI特征向量构建分类特征向量。4.根据权利要求1
‑
3中任一项所述的计算机实施方法，其中，每个不同感兴趣区域的RoI特征向量包括多个特征类型，一种特征类型包括特定于RoI的缝合接缝宽度。5.根据权利要求1
‑
4中任一项所述的计算机实现的方法，其中，将所述测量与对应于所述可疑物品的真实版本的物品模型的阈值测量值进行比较包括：将所述分类特征向量输入到根据机器学习监督的学习模型定义的分类器中，所述分类器基于所述可疑物品的所述真实版本的属性。6.根据权利要求1
‑
5中任一项所述的计算机实现的方法，其中，基于所述比较的结果确定所述可疑物品是真品还是伪造品包括：根据所述输入分类向量从所述机器学习监督的学习模型接收真实性决定。7.根据权利要求1
‑
6中任一项所述的计算机实现的方法，其中，捕捉可疑物品的至少一个输入图像包括：从移动设备触发根据物理灯箱内的固定位置定位的可疑鞋的多个输入图像的捕捉，其中，每个捕捉到的输入图像描绘(i)所述鞋不同部分的视图和(ii)可能对应于所述物品模型的预定义感兴趣区域的多个感兴趣区域。8.一种系统，包括一个或多个处理器，以及存储多个指令的非暂时性计算机可读介质，当执行这些指令时，使所述一个或多个处理器执行所述以下操作：捕捉可疑物品的至少一个输入图像；在所述至少一个输入图像中识别所述可疑物品的一个或多个感兴趣区域；确定所述一个或多个感兴趣区域的测量值；将所述测量值与对应所述可疑物品的真实版本的物品模型的阈值测量值进行比较；和根据所述比较结果判断所述可疑物品的真伪。
9.根据权利要求8所述的系统，其中，在所述至少一个输入图像中识别所述可疑物品的一个或多个感兴趣区域包括：根据基于深度神经网络的编码器
‑
解码器分析，在相应输入图像中描绘的可疑鞋上分割不同的感兴趣区域。10.根据权利要求8
‑
9中任一项所述的系统，其中，确定所述一个或多个感兴趣区域的测量值包括：对于根据所述编码器
‑
解码器分析从相应输入图像中提取的每个不同的感兴趣区域(RoI)：(i)测量RoI边界上各个点之间的距离；和(ii)构建RoI特征向量，其中，每个特定测量的距离的值对应所述RoI特征向量的特征类型；和对特征进行早期融合，根据所述不同的RoI特征向量构建分类特征向量。11.根据权利要求8
‑
10中任一项所述的系统，其中，每个不同感兴趣区域的RoI特征向量包括多个特征类型，一种特征类型包括特定于RoI的缝合接缝宽度。12.根据权利要求8
‑
...

【专利技术属性】
技术研发人员：A，
申请(专利权)人：因特如披公司，
类型：发明
国别省市：