物品的不同区域散射时获取的信号收集包括数据点组的集合， 其中， 不同的数据点组涉及 从所述物品的相应的不同区域的散射 ； 以及从所述数据点组的集合确定所述物品的签名。 因此， 所提供的参数值可以适于生成并使用实际物品的生物特征类型描述符和 / 或标识符 的系统。 在某些示例中， 系统性能的定义包括以下中的至少一项 ： 物品签名之间的一组互 比较的分布宽度， 以及在类似和非类似物品之间的比较的互比较结果之间的分布间隔。因 此， 实际物品的生物特征类型描述符和 / 或标识符的非匹配和匹配结果之间的间隔可以被 用作最佳实现参数值的指南。
在某些示例中， 该组参数包括从包括下列各项的组中选择的至少一个参数 ： 时域 滤波器阶数、 时域滤波器涨落空间、 空间域滤波器阶数、 空间域涨落空间、 空间分辨率、 平滑 函数、 编码器设置、 块大小、 块的数量、 拟合多项式阶、 伸展范围、 标准偏差阈值、 原始定位偏 移、 文本去除滤波器设置、 图像阈值， 以及标量振幅。因此， 各种参数可以被考虑， 并因此具 有确定的值。
从另一方面来看， 本发明可以提供一种用于基于签名来认证物品的系统， 所述签 名是从包括数据点组的集合生成的， 所述数据点组是当物品的固有表面结构的多个区域顺 序地接受相干光并收集由所述固有表面结构散射的光时收集的。 该系统是根据下列步骤配 置的 ： 确定影响所述系统的性能的一组参数 ； 确定可以受该组参数的影响的系统性能的定 义； 产生参数值集合的原始群体， 每个参数集包括在取得所希望的系统性能时要使用的每 个参数的值 ； 为每个参数值集合确定关于所述系统性能定义的适宜度值 ； 根据所确定的适 宜度标识所述群体中配对的对 ； 通过交叉所述配对的对产生新群体 ； 重复对于每个参数值 集合的适宜度值的确定、 配对的对的标识以及产生新群体， 直到满足结束标准 ； 以及根据从 最后的群体中选定的所述参数集合中的一个集合配置所述系统。从而， 可以遵循对系统实 现的灵活的并且适当的方法， 该方法就人时间输入而言提供高效率， 并提供高质量可靠的 设置参数值， 以实现对结果的可靠并且有效的系统实现。
从下列描述和所附权利要求书， 本发明的进一步的目标和优点将变得显而易见。 附图说明
为更好地理解本发明并示出如何实施本发明， 现在将通过示例参考各个附图， 其 图 1 示出了读取器设备的示意侧视图 ； 图 2 示出了读取器设备的功能组件的框图示意图 ； 图 3 是纸表面的显微镜图像 ； 图 4 示出了塑性表面的等效图像 ； 图 5 和 5a 示出了对由非法线入射所导致的反射的影响 ； 图 6 和 7 示出了检测器数值孔径对针对非法线入射的阻力的影响 ； 图 8 是示出了如何从扫描生成物品的签名的流程图 ； 图 9a 到 9c 示意性地示出了高对比度过渡对收集到的数据的影响 ； 图 10 示意性地示出了高对比度过渡对比特匹配比率的影响 ； 图 11a 到 11c 示意性地示出了通过过渡封盖来减轻高对比度过渡对收集到的数据5中：
CN 102770889 A说明书3/26 页的影响 ；
图 12 是示出了如何执行过渡封盖的流程图 ；
图 13a 和 13b 示出了过渡封盖对来自带有大量的高幅值过渡的表面的数据的影 响；
图 14a 和 14b 示出了过渡封盖对来自没有高幅值过渡的表面的数据的影响 ；
图 15 是示出了如何对照签名数据库验证从扫描中获取的物品的签名的流程图 ；
图 16 示意性地示出了如何减轻高对比度过渡对比特匹配比率的影响 ；
图 17 是示出了为验证目的如何扫描文件并向用户呈现结果的全过程的流程图 ；
图 18a 是示出了如何改变图 15 的验证过程以考虑扫描中的非理想之处的流程 图；
图 18b 是示出了如何改变图 15 的验证过程以考虑扫描中的非理想之处的另一个 示例的流程图 ；
图 19A 示出了从扫描中收集的互相关数据的示例 ；
图 19B 示出了从其中被扫描的物品被扭曲的扫描中收集的互相关数据的示例 ；
图 19C 示出了从其中被扫描的物品被以非线性速度扫描的扫描中收集的互相关 数据的示例 ；
图 20 示出了当比较从一组上面的物品的固有属性导出的签名时获取的结果的图 表；
图 21 是示出了用于优化参数集的示例方法的流程图 ；
图 22 示出了群体的每一代的平均成本、 最佳成本和遗传多样性的说明性样本数 据的图表 ； 以及
图 23 示出了群体的单代以及向其应用的配对分布的说明性样本数据的图表。
尽管本发明可以易受各种修改和替代形式的影响， 但是， 此处将通过附图中的示 例显示特定实施例， 并进行详细描述。然而， 应了解， 附图和详细描述不旨在将本发明发明 限于所公开的特定形式， 相反地， 发明可以涵盖如所附权利要求所定义的本发明的精神和 范围内的所有修改、 等效内容和替代方案。 具体实施方式
为提供用于唯一地标识物品的准确的方法， 可以使用依赖来自物品的表面的光学 反射的系统。下面将参考图 1 到 14 来描述这样的系统的示例。
此处所描述的示例系统是由 Ingenia Technology Ltd. 所开发和销售的。此系统 可操作以分析诸如一张纸、 身份证或护照、 安全封条、 支付卡等等之类的纸、 卡片、 塑料或金 属物品的随机表面图案， 以唯一地标识给定物品。在若干个已公布的专利申请中详细描述 了此系统， 包括 2004 年 3 月 12 日提交的 GB0405641.2（2005 年 9 月 14 日作为 GB2411954 公 布） 、 2004 年 8 月 13 日 提 交 的 GB0418138.4（2006 年 3 月 8 日 作 为 GB2417707 公 布） 、 2004 年 8 月 13 日提交的 US60/601,464、 2004 年 8 月 13 日提交的 US60/601,463、 2004 年 9 月 15 日提交的 US60/610,075、 2004 年 8 月 13 日提交的 GB0418178.0（2006 年 2 月 15 日 作 为 GB2417074 公 布） 、 2004 年 8 月 13 日 提 交 的 US60/601,219、 2004 年 8 月 13 日 提 交的 GB0418173.1（2006 年 3 月 1 日作为 GB2417592 公布） 、 2004 年 8 月 13 日提交的 US60/601,500、 2005 年 5 月 11 日提交的 GB0509635.9 （2006 年 11 月 15 日作为 GB2426100 公 布） 、 2005 年 5 月 11 日提交的 US 60/679,892、 2005 年 7 月 27 日提交的 GB0515464.6 （2007 年 2 月 7 作为 GB2428846 公布） 、 2005 年 7 月 27 日提交的 US 60/702,746、 2005 年 7 月 27 日 提交的 GB0515461.2 （2007 年 2 月 14 日作为 GB2429096 公布） 、 2005 年 7 月 27 日提交的 US 60/702,946、 2005 年 7 月 27 日提交的 GB0515465.3（2007 年 2 月 14 日作为 GB2429092 公 布） 、 2005 年 7 月 27 日提交的 US 60/702,897、 2005 年 7 月 27 日提交的 GB0515463.8 （2007 年 2 月 7 日作为 GB2428948 公布） 、 2005 年 7 月 27 日提交的 US 60/702,742、 2005 年 7 月 27 日提交的 GB0515460.4 （2007 年 2 月 14 日作为 GB2429095 公布） 、 2005 年 7 月 27 日提交的 US 60/702,732、 2005 年 7 月 27 日提交的 GB0515462.0 （2007 年 2 月 14 日作为 GB2429097 公布） 、 2005 年 7 月 27 日提交的 US 60/704,354、 2005 年 9 月 8 日提交的 GB0518342.1 （2007 年 3 月 14 日作为 GB2429950 公布） 、 2005 年 9 月 8 日提交的 US 60/715,044、 2005 年 10 月 28 日提交的 GB0522037.1 （2007 年 5 月 02 如作为 GB2431759 公布） 、 2005 年 10 月 28 日提交的 US 60/731,531、 2005 年 12 月 23 日提交的 GB0526420.5 （2007 年 7 月 27 日作为 GB2433632 公布） 、 2005 年 12 月 23 日提交的 US 60/753,685、 2005 年 12 月 23 日提交的 GB0526662.2、 2005 年 12 月 23 日提交的 US 60/753,633、 2006 年 1 月 16 日提交的 GB0600828.8 （2007 年 7 月 25 日作为 GB2434442 公布） 、 2006 年 1 月 25 日提交的 US 60/761,870、 2006 年 6 月 12 日提交的 GB0611618.0 （2008 年 1 月 30 日作为 GB2440386 公布） 、 2006 年 6 月 12 日提交的 US60/804,537、 2007 年 6 月 13 日提交的 GB0711461.4 （2008 年 12 月 17 日作为 GB2450131 公布） ， 以及 2006 年 6 月 13 日提交的 US 60/943,801（都是由 Cowburn 等人发明） ， 这里引 用了所有这些申请的内容作为参考。
作为说明， 现在将呈现对 Ingenia Technology Ltd 的系统的操作方法的简短描述。 图 1 示出了读取器设备 1 的示意侧视图。光学读取器设备 1 用于从被置于该设备 的读取空间中的物品 （未示出） 测量签名。读取空间由读取缝隙 10（是外壳 12 中的狭缝） 构成。外壳 12 包含设备的主要光学组件。狭缝的主要范围在 x 轴方向 （参见附图中的插入 轴） 。主要光学组件是用于生成相干的激光束 15 的激光源 14 以及由多组 k 个光检测器元 件构成的检测设备 16， 其中， 在此示例中， k=2， 光检测器元件被标记为 16a 和 16b。激光束 15 被聚焦装置 18 聚焦为在 y 轴方向 （与附面垂直） 延伸的长形焦点， 并位于读取缝隙的平 面中。在一个示例读取器中， 该长形焦点具有大约 2 毫米的主轴维度以及大约 40 微米的次 要轴维度。这些光学组件被包含在子组件 20 中。在所示示例中， 检测器元件 16a、 16b 被分 布在波束轴的任何一侧， 以不同的角度从波束轴偏移， 以收集从存在于读取空间中的物品 的反射中散射的光。在一个示例中， 偏移角是 -30 和 +50 度。可以选择波束轴的任何一侧 的角度以便不相等， 使得它们收集的数据点尽可能地不相关。然而， 在实践中， 已确定这对 操作不是必要的， 并且在入射束的任何一侧以相等的角度安置检测器是完全可行的设置。 检测器元件被安排在共同的平面中。当相干光束从读取空间散射时， 光检测器元件 16a 和 16b 检测从置于外壳上的物品散射的光。如图所示， 源被安装为引导激光束 15， 其波束轴在 z 方向， 以便它将以法线入射在读取缝隙中命中物品。
一般而言， 焦点深度是如此大， 以致于被定位在 z 方向的物品中的任何差异不会 导致读取缝隙的平面中的波束的大小的显著的变化。在一个示例中， 焦点深度大致 ±2mm，
该值足够大以产生好的结果。在其他设置中， 焦点深度可以更大或更小。焦点深度的参数， 数值孔径和工作距离是相互依赖的， 导致光点大小和焦点深度之间的熟知的折中。在一些 设置中， 焦点可以是可调节的， 并且结合测距装置， 可以调节焦点以瞄准可用的聚焦范围内 放置的物品。
为了使物品上的若干个点被读取， 物品和读取器设备可以被设置以便入射束和相 关联的检测器相对于物品移动。这可以通过移动物品、 扫描仪组件或两者来设置。在某些 示例中， 可以在与读取器设备外壳相邻的空间中保持物品， 并且扫描仪组件可以在读取器 设备内移动以导致此移动。可另选地， 物品可以被移过扫描仪组件。在其他替代方案中， 物 品和扫描仪两者都可以保持静止， 而定向焦点装置使相干光束跨目标传播。这可以要求检 测器随着光束移动， 或者静止的检测器可以被定位为从目标上的光束的所有入射位置接收 反射。
图 2 是如上文所讨论的读取器设备的逻辑组件的框图。 激光发生器 14 受控制和签 名生成单元 36 的控制。可任选地， 马达 22 也可以受控制和签名生成单元 36 的控制。可任 选地， 如果实现某种形式的运动检测或线性化装置 （示为 19） 以测量目标经过读取器设备的 运动， 和 / 或测量并因此考虑相对移动中的非线性性， 这可以使用控制和签名生成单元 36 来加以控制。由光检测器 16 检测激光束从目标表面扫描区域的反射。如上文所讨论的， 在 某些示例中， 可以提供多于一个的光检测器。来自光检测器 16 的输出被模数转换器 （ADC） 31 数字化， 然后， 被传递到控制和签名生成单元 36 进行处理， 以创建特定目标表面扫描区 域的签名。ADC 可以是数据捕捉电路的一部分， 或者它可以是单独的单元， 或者它可以被集 成到控制和签名生成单元 36 的微控制器或微处理器中。 控制和签名生成单元 36 可以使用激光束当前入射位置信息来确定光检测器反射 信息的每一个集合的扫描区域位置。从而， 可以创建基于扫描区域的被扫描部分的全部或 选定部分的签名。 在少于整个扫描区域被包括在签名中的情况下， 当生成签名时， 签名生成 单元 36 可以简单地忽略从扫描区域的其他部分接收到的任何数据。可另选地， 在来自整个 扫描区域的数据用于另一个用途的情况下， 诸如来自目标的图像型的数据的定位或收集， 整个数据集可以被控制和签名生成单元 36 用于该额外的用途， 然后， 在该额外的用途完成 之后被保留或丢弃。
可以理解， 图 2 中所描绘的各种逻辑元件可以在物理上以各种设备组合来实施。 例如， 在某些情况下， 全部元件可以被包括在扫描设备内。在其他情况下， 扫描设备可只包 括激光发生器 14、 马达 22（如果有的话） 和光检测器 16， 所有剩余的元件位于一个或多个 单独的物理单元中。也可以使用逻辑元件的物理分布的其他组合。此外， 也可以将控制和 签名生成单元 36 拆分成单独的物理单元。例如， 可以有实际控制激光发生器 14 和马达 （如 果有的话） 的第一单元， 计算激光束当前入射位置信息的第二单元， 标识将用于生成签名的 扫描数据的第三单元， 以及实际计算该签名的第四部分。
可以理解， 由 ADC 31 和 / 或控制和签名生成单元 36 实现的一些或全部处理步骤 可以使用专用处理配置 （诸如专用集成电路 （ASIC） 或专用模拟处理电路） 来实现。可另选 地或另外， 由波束 ADC 31 和 / 或控制和签名生成单元 36 实现的一些或全部处理步骤可以 使用诸如数字信号处理器之类的可编程处理设备或多用途处理器 （诸如可以用于常规个人 计算机、 便携式计算机、 手持式计算机 （例如， 个人数字助理或 PDA） 或智能电话中） 来实现。
在使用可编程处理设备的情况下， 可以理解， 可以使用软件程序来使可编程设备执行所希 望的功能。 这样的软件程序可以被具体化到诸如磁盘或光盘之类的携带介质上或具体化用 于到通过数据通信信道传输的信号上。
为说明这些示例的系统可以读取的表面属性， 图 3 和 4 分别示出了纸张和塑料物 品表面。
图 3 是带有覆盖了大致 0.5x0.2mm 的区域的图像的纸张表面的显微镜图像。包 括了此图以说明， 诸如纸张之类的宏观平坦的表面在许多情况下是在显微尺度高度结构化 的。
对于纸张， 由于木材或制成纸张的其他源于植物的纤维的互相啮合的网， 表面显 微地高度结构化。该图还说明了大约 10 微米的木质纤维的特征长度规模。此维度与相干 光束的光波长具有正确的关系， 以导致衍射， 且还导致具有取决于纤维取向的轮廓的漫散 射。 因此将可以理解， 如果读取器将被设计成针对特定类别的货物， 则可以针对要被扫描的 货物的类别的结构特征尺寸， 来定制激光的波长。 从图中显而易见地看出， 每一张纸的局部 表面结构将是唯一的， 因为它依赖于各个木质纤维是如何安排的。 如此， 一张纸与专门创建 的令牌 （诸如现有技术的特殊树脂令牌或磁性材料沉积） 没有什么不同， 这在于由于它是通 过受自然法则支配的过程制造的， 它具有唯一的结构。 同理也适用于许多其他类型的物品。 图 4 示出了塑性表面的等效图像。此原子力显微图像清楚地示出从宏观上光滑的 塑性表面的不均匀表面。从该图可以推测， 此表面比图 3 中所示出的纸张表面更光滑， 但是 甚至这种表面起伏程度也可以使用当前的示例的签名生成方案来唯一地标识。
换言之， 当唯一特征是从各种日常物品中以直接方式可测量时， 制造专门准备的 令牌的努力和成本基本上是无意义的。 现在将描述对利用物品的表面 （或在传输的情况下， 内部） 的自然结构的散射信号的数据收集和数值处理。
如上面的图 1 所示， 由若干个检测器 16 收集从表面反射的聚焦的相干光。检测器 跨检测器的区域地接收反射的光。该反射光包含有关光的入射位置处的表面的信息。如上 文所讨论的， 此信息可包括有关表面的显微级别的表面粗糙度的信息。此信息由反射光以 反射光的观察到的图案中的特征的波长的形式来携带。通过检测这些波长特征， 可以基于 表面的表面结构而导出指纹或签名。通过测量在表面上的若干个位置处的反射， 指纹或签 名可以基于表面的大样本， 从而使得在日后重新读取表面之后匹配稍后的读取所产生的签 名与初次读取所产生的签名更加容易。
反射光包括两个主要角度波长或角频率区域处的信息。高角频率 （短波长） 信息是 传统上已知为斑点的信息。此高角频率分量通常具有 0.5 度量级的角度周期性。还有低角 频率 （长波长） 信息， 该信息通常具有 15 度量级的角度周期性。
如上文所提及的， 每一光检测器都通过将被叫做 θn 的立体角来收集反射光。在 本讨论中假设， 每一光检测器都通过正方形或圆形的区域来收集光。进行光收集的立体角 可以在不同的光检测器 16 之间有所不同。每一光检测器 16 都测量具有与表面成最小角度 （将被叫做 θr） 的反射光。如此， 由给定光检测器 16 检测到的光包括具有 θr 和 θr+θn 之 间的相对于表面的角度的反射光束。如下面比较详细地讨论的， 在制造能抵御欺骗的系统 时可以有优点， 因为具有由最大可能的角度分隔的检测器通道。这将导致使角度 θr 尽可 能地小。
将可以理解， 光检测器 16 检测反射光所采用的立体角 θn 也可以表示成数值孔径 （NA） ， 其中 ：
其中， 是可以进入或退出检测器的最大光锥的半角。
相应地， 在本示例中， 检测器的数值孔径是 ：
NA=sin(θn/2)
如此， 具有大数值孔径的光检测器将具有收集更大量的光 （即， 更多光子） 的潜力， 但是， 这具有平均更多反射的信息 （斑点） 的效果， 以便所有被捕捉到的信息斑点的总和更 弱。然而， 长角度波长分量与短角度波长 （传统的斑点） 分量相比较， 不太受平均化的影响， 如此， 这具有提高长波长与短波长反射信号的比率的效果。
虽然在图 1 中示出， 聚焦的相干光束法向入射到表面上， 但是， 将可以理解， 在实 践中， 可能难以确保完美的法线入射。 这在提供低成本读取器、 由几乎没有训练的用户执行 定位或对物品的定位失去用户的控制 （如在商业处理环境中， 包括， 例如， 输送器传送物品） 的情况下， 以及在从读取器到物品的距离使得在读取器和物品之间没有物理接触的任何情 况下， 这特别正确。如此， 在现实中， 入射的聚焦的相干光束将不会从完美的法线命中物品
是很可能的。
已经发现， 将入射角只改变一度中很小的比率就可以对从表面反射的斑点图案具 有严重的影响。例如， 图 5a 示出了来自诸如可能与常规打印机或复印机一起使用的一张普 通白纸的常规斑点图案的图像。图 5b 示出了该同一张纸在相同的照明条件下的斑点图案 的图像， 只是这张纸相对于图 5a 中的图像中的其位置倾斜了 0.06 度。任何观察者立即清 楚地看出， 由于表面中的此非常小的角度扰动， 斑点图案大大地变化。如此， 如果签名将从 这两个图像中的相应的数据集中的每一个数据集生成， 则这两个签名之间的互相关将提供 比从通过对同一个目标进行扫描而生成的两个签名之间的互相关正常地预期的结果低得 多的结果。
还发现， 当反复地将角度增大一个很小的量， 并进行测量， 并在每一新测量值和基 线原始测量值 （零偏移角度） 之间执行互相关时， 随着偏移角开始增大， 互相关结果迅速地 减弱。然而， 随着角度增大到超出某一点之外， 互相关结果饱和， 导致互相关结果与偏移角 的关系的图稳定在大致恒定的互相关值处。此效果是由反射光中的低频分量所提供的。正 在发生的是， 随着入射角中的扰动增大， 反射光的高频率斑点分量快速地去耦合。然而， 一 旦角度增大某一量， 传统的斑点 （高频率） 分量的影响变得小于低频分量的影响。因此， 一旦 低频分量变为互相关结果中的最重要的因素， 则此分量 （更大入射角容忍度） 导致互相关结 果饱和， 尽管入射角扰动的进一步增大。
图 6 示出了此现象， 其中， 以光检测器的各种不同的数值孔径值示出了互相关结 果与偏移角的关系的示意图。从图 6 可以看出， 在 0.06 的数值孔径时 （大致 6.88 度的立体 角） ， 随着角度增大， 互相关结果迅速地减弱， 直到达到大致 0.5 的互相关结果。互相关结果 在此值饱和。
还发现， 增大光检测器的数值孔径导致反射光的低频分量就入射角扰动而言更快 优于高频分量。这发生的原因是， 在较大的立体角时 （相当于数值孔径） ， 低频分量的效果相对于高频 “传统斑点” 分量变大， 因为此高频分量被大 “读取窗口” 平均。
如此， 如图 6 所示， 表示更高的数值孔径的曲线在各自的更高的互相关结果值饱 和。 在 0.05 的数值孔径时 （大致 5.7 度的满全锥角） ， 该图在大致 0.7 的互相关结果处饱和。 在 0.1 的数值孔径时 （大致 11.4 度的全锥角） ， 该图在大致 0.9 的互相关结果处饱和。
图 7 中示出了表明此现象的一些实验结果的图表。这些结果是在同一物品的相同 表面点上在相同的照明条件下取得的， 对于每一个光检测器的唯一的更改是在远离法线的 入射光束的更改。 互相关结果来自于在每一光检测器处以每一入射角扰动值收集的信息和 以零入射角扰动收集的信息之间的互相关。从图 7 可以看出， 在光检测器具有 0.074 数值 孔径 （8.48 度的立体角） 的情况下， 随着入射角扰动从 0 增大到 0.5 度， 互相关结果迅速地 下降到 0.6。然而， 一旦达到此级别， 互相关结果就稳定在范围 0.5 到 0.6 内。
在光检测器具有数值孔径 0.4（47.16 度的立体角） 的情况下， 互相关结果几乎立 刻稳定在大致 0.9 的值周围。因此， 在此数值孔径处， 一旦发生了与法线入射角的任何偏 离， 斑点的效果几乎可忽略。
因此， 显然， 可以使得使用根据此技术的光检测器的读取器对从相同表面点的不 同的读数之间的激光束的入射角中的扰动有非常强的抵御能力。 图 8 是示出了如何从扫描生成物品的签名的流程图。
步骤 S1 是数据获取步骤， 在该步骤中， 在沿着扫描的完整的长度的若干个位置获 取每一个光检测器处的光强度。同时， 作为时间的函数， 获取编码器信号。值得注意的是， 如果扫描马达具有高度的线性化准确性 （例如， 如步进马达） ， 或者如果可以通过逐块分析 或模板匹配来去除数据中的非线性， 那么， 数据的线性化可能不是必需的。 参考上面的图 2， 通过由签名产生器 36 从 ADC 31 获取数据而获取数据。在下文中， 在每一扫描中收集的每 个光检测器的数据点的数量被定义为 N。此外， 值 ak（i） 被定义为来自光检测器 k 的第 i 个存储的强度值， 其中， i 从 1 到 N。
步骤 S2 是将时域滤波器应用到捕捉到的数据的可选步骤。在本示例中， 这被用来 有选择地去除 50/60Hz 和 100/120Hz 频带中的信号， 诸如如果目标还接受来自除相干光束 以外的源的照明， 可预期出现该信号。这些频率是那些通常用于驱动诸如荧光照明之类的 室内照明的频率。
步骤 S3 执行数据的对准。在某些示例中， 此步骤使用数值内插法来局部扩展和收 缩 ak（i） ， 以便编码器过渡在时间上均匀地间隔。这会纠正马达转速中的局部变化及数据 中的其他非线性。此步骤可以由签名产生器 36 来执行。
在扫描区域对应于预先确定的图案模板的某些示例中， 可以将捕捉到的数据与已 知模板进行比较， 并对捕捉到的数据应用平移和 / 或旋转调整， 以将数据与模板对齐。此 外， 在扫描头相对于物品的通过路线不同于构建模板的通过路线的情况下， 可以对捕捉到 的数据应用伸展和收缩调整， 以将它与模板对齐。 因此， 如果模板是使用线性扫描速度构建 的， 则如果扫描数据是在存在速度的非线性的情况下得到的， 则可以调整扫描数据以匹配 模板。
步骤 S4 应用可选的信号强度封盖， 以解决具有例如高度打印的表面的包括带有 文本打印的表面以及带有例如半色调印刷的表面的物品所发生的特定问题。该问题是， 非 匹配结果有体验到匹配分数增大的趋势， 从而缩小非匹配结果和匹配结果之间的分隔。
这是由被扫描表面上突发对比度变化相对于所产生的签名的每一比特的随机性 的非随机效果所引起的。简而言之， 突发的对比度变化导致若干个非随机数据比特进入签 名中， 并且因此， 这些非随机比特跨类似地打印或图案化的物品的多个扫描彼此匹配。 图 10 更详细地示出了此过程。
图 9a 示出了物品上的扫描区域 50， 该扫描区域具有两个区域 51（具有第一表面 色） 和带有第二表面色的区域 52。图 9b 中示出了这此表面色过渡的效果， 其中， 沿着扫描 区域的长度绘制了由扫描设备捕捉到的反射信号的强度。 可以看出， 当实现第一表面色时， 强度遵循第一级别， 当呈现第二表面色时， 强度遵循第二级别。 在第一和第二级别中的每一 个级别， 信号强度发生小的变化。这些小变化是用于导出签名的信息内容。
图 9c 示出了图 9b 中的第一和第二级别之间的步进变化在所产生的签名中实际导 致的问题。图 9c 示出了在应用 AC 滤波器 （诸如下面参考步骤 S4 所讨论的空间域带通滤波 器） 之后图 9b 中的强度数据。从图 9c 显而易见地看出， 甚至用于诸如二阶滤波器之类的 高阶滤波器， 在扫描区域的表面图案中的每一突然过渡之后， 都会产生丢失小强度变化的 区域。如此， 对于区域 53 中的每一个数据比特位置， 在签名中结束的数据比特的值将是零， 而不管在那些位置实际发生的强度的小变化如何。同样， 对于区域 54 中的每一个数据比特 位置， 在签名中结束的数据比特的值将是 1， 而不管在那些位置实际发生的强度的小变化如 何。 由于可以预计两个类似的物品在扫描区域上具有名义上相同的表面打印或图案 化， 因此， 可以预计这样的物品的所有签名都在对应于表面图案 / 打印 / 颜色中的步进变化 的位置处大致具有签名内所有都是 1 和 / 或所有都是 0 数据比特的相同区域。因此， 这些 区域对于在不同的物品之间的比较导致人工增大的比较结果值， 缩小了匹配结果和非匹配 结果之间的间隔。图 13 示出了这种缩小的间隔， 其中可以看出， 单个物品的不同的扫描之 间的比较的峰值 （即， 匹配结果） 集中在大约 99% 的比特匹配比率处， 而其中对不同的物品的 扫描执行比较的次佳匹配的峰值集中在大约 85% 的比特匹配比率。在不发生这样的表面图 案化效果的正常情况下， 将预期非匹配峰值更靠近 50%。
如上文所指出的， 最小化这样的过渡所导致的数据丢失的第一方法涉及使用高阶 滤波器来最小化恢复时间， 并因此最小化受每一扫描表面过渡的影响的签名比特的数量。
如下文所描述的， 可以采取更深入的方法以最小化这样的扫描表面过渡对从对该 扫描表面的扫描导出的签名的比特的影响。 具体而言， 可以实现一系统以检测正在发生的、 太大而难以成为表示导致签名的表面纹理或粗糙度的小变化之一的强度变化。 如果检测到 这样的过渡， 则在应用于 AC 滤波器以进一步缩小滤波器恢复时间之前可以切割或封盖该 过渡的幅值。这在图 11 中示出。图 11a 与图 9a 相同， 并示出了带有图案化区域的扫描区 域。图 11b 示出了图案化区域之间的过渡的被封盖的幅值， 而图 11c 示出了导致全是 1 以 及全是 0 的数据比特的区域 55 和 56 相对于图 9c 中的对应的区域 53 和 54 小得多。然后， 这缩小签名中的作为表面图案过渡的直接结果而被迫使采用 0 或 1 值的比特的数量， 而不 涉及签名的其余部分所基于的小变化。
检测这样的过渡的最直接的方式之一是知道它们何时来， 诸如通过具有模板， 可 以将扫描数据与模板进行比较， 以在沿着扫描长度的某些点自动封盖过渡。此方法具有两 个缺点， 需要将模板与扫描数据对准以允许扫描仪相对于物品的错位， 以及扫描仪必须预
先知道将扫描什么类型的物品， 以便知道要使用什么模板。
检测这样的过渡的另一种方式是使用基于例如标准偏差的计算， 以认出大过渡。 然而， 这样的方法通常在没有过渡的长时间段方面有困难， 并因此可以在被扫描的物品没 有任何过渡 / 许多过渡的情况下导致产生错误。
为解决这些方法中的缺陷， 可以使用下列技术来启用不管扫描区域是否包括打印 / 图案化的过渡都同样工作得很好的并且不需要预先了解要被扫描的物品的系统。 因此， 在 本示例中， 图 12 中示出了在可选步骤 S4 中采取的方法。
从步骤 D1 开始， 对强度值求微分， 以产生一系列微分值。然后， 在步骤 D2 中， 以百 分比来分析微分值， 以允许一个值在低值时被选择。在本示例中， 可以方便地使用第 50 百 分比。也可以使用围绕或低于第 50 的其他百分比值。
然后， 步骤 D3 通过将所选的百分比的值缩放一个缩放因子来创建阈值。可以凭经 验导出缩放因子， 虽然一个缩放因子可以适用于各种各样的表面材料类型。 在当前示例中， 对于包括纸张、 卡纸板、 光泽纸以及光泽卡纸板的许多不同的表面材料类型， 使用 2.5 的缩 放因子。
然后， 在步骤 D4 中， 将所有微分值与阈值进行比较。具有大于阈值的值的任何微 分被设置为零值。一旦将微分值对照阈值进行了检查， 就在步骤 D5 中对修改过的微分重新 积分。 在本示例中， 所有这些步骤都在来自光检测器的模拟数据被转换到多级别数字值 之后执行。在光检测器输出数字强度信号而并非模拟信号的示例中， 不需要数字化。
因此， 此系统认出大过渡， 这些大过渡太大而难以成为表面纹理 / 粗糙度响应， 并 封盖那些过渡以便避免纹理 / 粗糙度响应数据被大过渡掩盖。
图 13a 和 13b 示出了步骤 S4 对来自高度打印的表面的数据的影响。图 13a 示出 了执行可选步骤 S4 之前紧邻的数据， 对于从带有与扫描方向横切的一系列高对比度条带 的表面取出的数据。图 13b 中示出了在步骤 S4 的处理之后的相同数据集， 在此， 可以看出， 尽管高对比度过渡， 保留的表面信息的量是高的。
通过比较， 图 14a 和 14b 示出了， 在 S4 中实现的系统在没有高对比度打印的过渡 的情况下不会导致数据中的问题。图 14a 示出了对于从普通表面取出的数据， 执行步骤 S4 之前紧邻的数据。图 14b 中示出了在步骤 S4 的处理之后的相同数据集， 在此， 可以看出， 尽 管执行 S4 的过程， 表面信息的量没有减小。
步骤 S5 向捕捉到的数据应用空间域带通滤波器。此滤波器在 x 方向 （扫描头的移 动方向） 允许一波长范围通过。滤波器被设计成最大化样本之间的衰减， 并在数据内维护 高自由度数。考虑到这一点， 滤波器通带的下限被设置为具有快速衰减。这是需要的， 因为 从签名生成的观点来看， 对来自目标表面的绝对强度值是不感兴趣的， 而显然类似的强度 的区域之间的变化是所感兴趣的。 然而， 衰减不设置得太快， 因为这样做会降低信号的随机 性， 从而降低捕捉到的数据中的自由度。 上限可以设置得高些 ； 尽管可以有一些高频噪声或 对于 x 方向的值之间的一些平均化 （拖尾效应） 的要求 （就如上文对于 y 方向的值所讨论的 那样） ， 通常不需要除高上限以外的任何东西。在某些示例中， 可以使用二阶滤波器。在激 光在目标表面上的传播速度是 20mm 每秒钟的一个示例中， 滤波器可以具有 100 微米的脉冲 上升距离和 500 微米的脉冲下降距离。
代替应用简单的滤波器， 可能需要对滤波器的不同的部分进行加权。在一个示例 中， 应用的加权是实质性的， 以便创建三角形通频带， 以引入诸如微分之类的实空间函数的 等价物。微分类型影响可以对高度结构化表面有用， 因为它可以用于从相对于不相关的贡 献的信号衰减相关的贡献 （例如， 来自打印在目标上的表面） 。
步骤 S6 是数字化步骤， 在该步骤中， 多级别数字信号 （来自 ADC 的经过处理的输 出） 被转换为双态数字信号， 以计算代表扫描的数字签名。通过应用下列规则， 在本示例中 获取数字签名 ： ak(i)> 均值映射到二进制 “1” ， 且 ak(i)<= 均值映射到二进制 “0” 。 被数字化 的数据集被定义为 dk(i)， 其中， i 从 1 到 N。除刚刚所描述的强度数据的数字化签名之外， 物品的签名可以有利地包括进一步的组分。现在将描述这些进一步的可选签名组分。
步骤 S7 是其中创建小一些的 “缩略图” 数字签名的可选步骤。在某些示例中， 这可 以是通过平均化一起相邻的 m 个读数的组或者通过挑选每第 c 个数据点而产生的实空间缩 略图， 其中， c 是缩略图的压缩因子。 后者可以是优选的， 因为平均化可能会不成比例地放大 噪声。在其他示例中， 缩略图可以基于签名数据中的一些或全部的快速傅里叶变换。然后， 对缩小的数据集应用步骤 S5 中所使用的相同数字化规则。缩略图数字化被定义为 tk(i)， 其中， i 从 1 到 N/c， c 是压缩因子。
步骤 S8 是当存在多个检测器通道时 （即， k>1） 可适用的可选步骤。额外的分量是 在从不同的光检测器中获取的强度数据之间计算出的互相关分量。在 2 个通道的情况下， 有一个可能的互相关系数， 在 3 个通道的情况下， 高达 3 个， 在 4 个通道的情况下， 高达 6 个 等等。互相关系数可以是有用的， 因为已经发现， 它们是材料类型的好的指示。例如， 对于 特定类型的文件， 诸如给定类型的护照， 或激光打印机纸， 互相关系数看来始终位于可预测 的范围内。可以计算 ak(i) 和 al(i) 之间的规范化的互相关， 其中， k ≠ l， 且 k,l 跨全部光 检测器通道数变化。规范化的互相关函数被定义为 ：
可以存储供以后的验证使用的互相关函数的另一方面是互相关函数中的峰值的 宽度， 例如， 半最大值全宽 （FWHM） 。下面将进一步描述验证过程中的互相关系数的使用。
步骤 S9 是将计算表示信号强度分布的简单强度平均值的另一个可选步骤。这可 以是不同的检测器的均值中的每一个的总平均或每一个检测器的平均， 如 ak(i) 的均方根 （rms） 值。如果检测器成对地被安排在法线入射的任何一侧， 如在上文所描述的读取器中 那样， 可以使用每一对检测器的平均。已经发现强度值是对于材料类型的好的天然的滤波 器， 因为它是样本的总的反射率和粗糙度的简单指示。例如， 可以使用去除平均值， 即 DC 背 景， 之后的未规范化的 rms 值作为强度值。rms 值提供表面的反射率的指示， 因为 rms 值涉 及表面粗糙度。
可以将通过对物品进行扫描而获取的签名数据与保存在签名数据库中的记录进 行比较， 以便进行验证， 和 / 或将其写入到数据库中， 以添加签名的新记录， 以扩展现有的 数据库和 / 或以编码形式写入到物品中， 以便以后在有或者没有数据库访问的情况下进行 验证。
新数据库记录将包括在步骤 S6 中获取的数字签名， 以及可任选地， 其在步骤 S7 中
获取的每一个光检测器通道的其小一些的缩略图版本、 在步骤 S8 中获取的互相关系数以 及在步骤 S9 中获取的平均值。可另选地， 缩略图可以存储在为快速的搜索而优化的它们自 己的单独的数据库中， 数据的其余部分 （包括缩略图） 存储在主要数据库中。
图 15 是示出了如何可对照签名数据库验证从扫描中获取的物品的签名的流程 图。
在一个简单实现中， 可以基于签名数据的全集， 简单地搜索数据库以查找匹配。 然 而， 为加快验证过程， 本示例的过程使用小一些的缩略图， 并基于如现在所描述的计算出的 平均值和互相关系数进行预先筛选。为提供这样的快速的验证过程， 以两个主要步骤来执 行验证过程， 第一步骤是使用从扫描数据的傅里叶变换的振幅分量导出的缩略图 （以及可 任选地， 也基于计算出的平均值和互相关系数进行预先筛选） ， 如现在所描述的， 第二步骤 是通过将被扫描的和存储的全数字签名彼此进行比较。
验证步骤 V1 是验证过程的第一步骤， 是根据上文所描述的过程对物品进行扫描， 即， 执行扫描步骤 S1 到 S8。此扫描获取物品的签名， 该签名要对照现有物品签名的一个或 多个记录进行确认。
验证步骤 V2 使用从扫描信号的傅里叶变换振幅分量导出的缩略图来寻找候选匹 配， 扫描信号是如上参考扫描步骤 S6 所述获取的。验证步骤 V2 取每一个缩略图条目， 并评 估它和 tk(i+j) 之间的匹配比特的数量， 其中， j 是比特偏移， 它是变化的以补偿被扫描的区 域的放置中的错误。确定 j 的值， 然后， 确定给出最大数量的匹配比特的缩略图条目。这是 用于进一步处理的 “命中” 。这方面的变化将包括基于全数字签名， 传递完全测试的多个候 选匹配的可能性。缩略图选择可以基于任何合适的准则， 比如传递高达最大数量的， 例如， 10 或 100 个候选匹配， 每一候选匹配都被定义为带有大于某一阈值百分比的匹配比特 （例 如， 60%） 的缩略图。在有超过最大数量的候选匹配的情况下， 只传递最佳候选。如果没有发 现候选匹配， 则拒绝物品 （即， 跳转到验证步骤 V6， 并发出失败结果） 。
本示例中所使用的此基于缩略图的搜索方法由于下列原因提供整体的改善的搜 索速度。 由于缩略图小于完整签名， 因此， 使用缩略图比使用完整签名需要花费较少的时间 进行搜索。 在使用实空间缩略图的情况下， 需要将缩略图对照存储的缩略图进行比特移位， 以确定是否发生了 “命中” ， 所采用的方式与将完整签名对照存储的签名进行比特移位以确 定匹配的方式相同。 缩略图搜索的结果是推定的匹配的最后候选列表， 然后， 每一个推定的 匹配都可以被用来测试完整签名。
在缩略图基于签名或其一部分的傅里叶变换的情况下， 可以实现进一步的优点， 因为没有必要在搜索过程中对缩略图进行比特移位。
伪随机比特序列， 当被傅里叶变换时， 在振幅谱中携带一些信息， 在相位谱中携带 一些信息。然而， 任何比特移位只影响相位谱， 而不影响振幅谱。因此， 在没有任何比特移 位的知识的情况下， 可以匹配振幅谱。虽然一些信息在丢弃相位谱时丢失， 但是， 保留了足 够的信息， 以便获取对照数据库的粗略匹配。这使一个或多个推定的匹配成为位于数据库 中的目标。 然后， 可以使用常规实空间方法， 适当地将这些推定的匹配中的每一个与新扫描 进行比较， 如同实空间缩略图示例那样。
验证步骤 V3 是在对照被扫描的数字签名分析为记录存储的全数字签名之前执行 的可选的预先筛选测试。在此预先筛选中， 将在扫描步骤 S8 中获取的 rms 值与命中的数据库记录中的对应的存储的值进行比较。如果相应的平均值在预定义的范围内不一致， 则拒 绝对该 “命中” 进行进一步的处理。然后， 由于未通过验证而拒绝该物品 （即， 跳转到验证步 骤 V6， 并发出失败结果） 。
验证步骤 V4 是在分析全数字签名之前执行的进一步的可选的预先筛选测试。在 此预先筛选中， 将在扫描步骤 S7 中获取的互相关系数与该命中的数据库记录中的对应的 存储的值进行比较。如果相应的互相关系数在预定义的范围内不一致， 则拒绝对该 “命中” 进行进一步的处理。 然后， 由于未通过验证而拒绝该物品 （即， 跳转到验证步骤 V6， 并发出失 败结果） 。
在验证步骤 V4 中可以执行的使用互相关系数的另一个检查是检查互相关函数中 的峰值的宽度， 其中， 通过比较从以上的扫描步骤 S7 中的原始扫描存储的值和再扫描的 值， 来评估互相关函数 ：
如果再扫描的峰值的宽度大大地高于原始扫描的宽度， 则可以将此作为再扫描的 物品已经被篡改或以别的方式可疑的标志。例如， 此检查应打击试图通过打印带有光检测 器从正在扫描的表面预期的相同强度变化的条形码或其他图案来欺骗系统的欺骗者。
验证步骤 V5 执行测试来确定标识为 “命中” 的推定的匹配是否事实上是匹配。在 本示例中， 此测试是自我校准的， 以便它避免被扫描表面上的突然过渡所导致的签名丢失 （比如打印的图案导致反射光中的步进变化） 。这提供更简单的处理， 且避免了由于物品表 面上的打印或其他图案所导致的应构成签名的数据的相当大的百分比的丢失的可能性。
如上文参考步骤 S4 和图 9 到 14 所描述的， 可以在签名生成阶段采取动作， 以限制 表面图案化 / 打印对鉴别 / 确认匹配置信度的影响。在当前示例中， 可以采取额外的方法 以最小化对签名内的任何数据比特 （是由过渡效应设置的， 而并非物品表面的粗糙度 / 纹 理响应设置的） 的匹配结果的影响。这可以被执行， 不管是否执行上文参考图 9 到 14 所描 述的过渡封盖方法。
因此， 在步骤 V5 中， 在使用缩略图搜索编排出命中的最终候选列表之后以及在 V4 的可选的预先筛选之后， 执行若干个动作。
首先， 在最终候选列表签名中的每一个的记录签名和测试签名之间执行完整签名 比较， 以选定带有最佳总体匹配结果的签名。这被选为最佳匹配签名。为帮助确定最佳匹 配签名是否实际是匹配结果还是仅仅是分数相对较高的非匹配， 使用签名的比特的随机性 的度量来加权最佳匹配签名的互相关结果。
为确定签名中的比特的随机性的度量， 将最佳匹配签名与通过缩略图来标识的最 终候选列表中的其他签名的记录签名互相关。 从每一最终候选列表签名对照最佳匹配签名 的滑动互相关， 可以为那些最终候选列表签名中的每一个对照最佳匹配签名找到最佳结果 位置。然后， 测量在最终候选列表签名中的每一个的最佳结果位置中也出现最佳匹配签名 的每一比特值的次数。
此测量值表示最佳匹配签名内的每一比特的随机性。例如， 如果给定比特值在大
致一半的最终候选列表签名中相同， 那么， 该比特可能是随机的， 而如果给定比特值在大致 90％的最终候选列表签名中相同， 那么， 该比特可能是非随机的。为量化此度量， 当前的示 例定义并使用比特利用率。
这规定， 对于表现出好的随机性水平的比特， 将应用 1 或趋向于 1 的比特利用率， 而对于表现出低的随机性水平的比特， 将应用零或趋向于零的比特利用率。再次参考上面 的示例， 如果给定比特值在大致一半的最终候选列表签名中相同 （AverageBitBMR=0.5） ， 那 么， 比特利用率 （BitUtilityRatio） =1， 而如果给定比特值在大致 90％的最终候选列表签 名中相同 （AverageBitBMR=0.9） ， 那么， 比特利用率是 0.04。
然后， 使用为最佳匹配签名的每一比特计算出的比特利用率来加权测试签名和最 佳匹配签名之间的比较的互相关结果。因此， 代替如通常执行的那样简单地对互相关中的 每一比特比较的比较结果进行求和， 而是在对比特结果进行求和之前使用每一个比特的比 特利用率来加权每一比特结果。因此， 当不应用加权时， 互相关求和结果被定义为 ：
其中， f(i) 表示测试签名的第 i 个值， g(i) 表示记录签名的第 i 个值 ； 当使用比 特利用率 （BUR） 作为权重时， 互相关求和结果被定义为 ：
其中， BUR(i) 表示记录签名的第 i 个比特的比特利用率。
然后， 可以使用此经过校正的比特匹配率来评估是否事实上从与测试签名相同的 物品获取了最佳匹配记录签名。图 16 通过与图 10 的比较示出了， 对单一物品的不同的扫 描 （即， 匹配结果） 之间的比较的峰值集中在大约 97% 的比特匹配率， 而其中对照对不同的物 品的扫描执行比较的次最佳匹配的峰值现在集中在大约 55% 的比特匹配率。因此， 非匹配 和匹配之间的区别清楚得多， 并更加显著。
对精通本技术的读者显而易见的是， 在本示例中实现的两个过程中的每一个过程 都分别为避免由于物品表面上的打印或图案化而得出错误的结论的匹配结果提供显著的 贡献。因此， 这些技术中的任何一个 （或两者） 的实现可以允许单一鉴别或验证系统对各种 物品类型起作用， 而无需知道哪种物品类型正在被考虑或者无需在填充之前预先配置记录 签名数据库。
在替换的示例中， 可以使用如 EP1,730,675A 所描述的执行步骤 V5 的方法来代替 上面的示例。
验证步骤 V6 发布验证过程的结果。 在对纸张执行的实验中， 一般性地发现， 75% 的 比特一致表示好的或极好的匹配， 而 50% 的比特一致表示无匹配。
确定给定结果是否表示匹配还是非匹配是对照阈值或阈值集合来执行的。 在特定 应用中， 可以根据对假阳性和假阴性的敏感度， 来设置匹配和非匹配之间所需的区别度。 阈 值可以涉及绝对 BMR 值， 和 / 或可包括来自最终候选列表中的记录签名的一组非匹配结果 的峰值宽的度量和 / 或可包括最佳结果和次佳结果之间的 BMR 中的间隔的度量。
作为示例， 已经用实验方法发现， 可以在 2004 规范的标准 PC 计算机上在 1.7 秒内 搜索包括 1 百万条记录的数据库， 每条记录都包含傅里叶变换振幅谱的 128 比特缩略图。 可 以在 17 秒内搜索 1000 万个条目。可以预计更多现代计算机和高端服务器计算机取得比此 更快 10 倍或更多倍的速度。
因此， 描述了用于验证从物品生成的签名是否预先包括在已知物品的数据库中的 方法。
可以理解， 许多变化方案也是可以的。例如， 代替将互相关系数当作预先筛选组 分， 它们可以与数字化的强度数据一起被当作主签名的一部分。 例如， 互相关系数可以被数 字化并添加到数字化强度数据中。互相关系数也可以自己单独地数字化， 并用来生成比特 串等等， 然后， 可以以与上文所描述的相同的方式搜索该比特串， 以查找数字化强度数据的 缩略图， 以便发现 “命中” 。
因此， 描述了用于比较测试签名与记录签名以获取匹配置信度结果的若干个选 项。
图 17 是示出了为验证目的如何扫描文件并向用户呈现结果的全过程的流程图。 首先， 根据图 8 的扫描步骤来扫描文件。 然后， 使用图 15 的验证步骤来验证文件真实性。 如 果数据库中没有匹配记录， 则可以向用户显示 “无匹配” 结果。如果有匹配， 则可以使用合 适的用户界面向用户显示。用户界面可以是简单的 “是 / 否” 指示器系统， 如对于不同的结 果打开 / 关闭或从一种颜色变为另一种颜色的电灯或 LED。用户界面也可以呈现销售点类 型的验证报告界面的形式， 如可以用于对信用卡的常规验证的那种。用户界面可以是给出 结果的性质的各种细节的详细的界面， 诸如结果中的肯定度以及描述原始物品或该物品的 所有者的数据。 这样的界面可以被系统管理员或实施者用来提供有关系统的工作状况的反 馈。这样的界面可以用于在常规计算机终端上作为软件包的一部分来提供。
因此， 将可以理解， 当发现数据库匹配时， 可以以直观的并且可访问的形式向用户 呈现相关信息， 该形式也可以允许用户应用他或她自己的常识， 以便进行额外的非正式的 一层的验证。 例如， 如果物品是文件， 则显示在用户界面上的文件的任何图像应该看起来像 向进行验证的人呈现的文件， 其他因素将是感兴趣的， 诸如置信水平以及涉及文件来源的 著录数据。 进行验证的人将能够应用他们的经验以作出关于这些各条信息是否是自相一致 的价值判断。
另一方面， 扫描验证操作的输出可以被馈送给某种形式的自动控制系统， 而并非 操作员。然后， 自动控制系统将具有可用于涉及从其获取验证的 （或非验证的） 签名的物品 的操作的输出结果。
因此， 描述了用于扫描物品以从其中创建签名以及用于比较所产生的扫描与物品 的较早的记录签名以确定被扫描的物品是否与从其获取记录签名的物品相同的方法。 这些 方法可以提供该物品是否以非常高的准确度匹配从其获取了记录扫描的判断。
从一个观点来看， 概括地说， 描述了这样的系统， 其中， 通过数字化通过在纸张、 卡纸板、 塑料、 金属或其他物品上扫描相干光束并测量扩散而获取的一组数据点， 来获取数字 签名。也确定缩略图数字签名， 要么在实空间中， 通过平均化或压缩数据， 或通过数字化数 据点集的傅里叶变换的振幅谱。因此， 可以建立数字签名以及它们的缩略图的数据库。以 后， 可以通过再扫描物品以确定其数字签名以及缩略图， 然后， 对数据库进行搜索以查找匹 配， 来验证物品的真实性。搜索是根据缩略图来执行的， 以提高搜索速度。基于傅里叶变换 的缩略图的使用可以提高速度， 因为在伪随机比特序列中， 任何比特移位只影响以极坐标 表示的傅里叶变换的相位谱， 而不影响振幅谱。因此， 可以匹配存储在缩略图中的振幅谱， 而没有原始扫描和再扫描之间的注册错误所导致的未知的比特移位的任何知识。
在某些示例中， 可以优化用于从被扫描的物品提取签名的方法， 以在尽管例如由 伸展或收缩导致该物品变形的情况下提供对物品的可靠的识别。 物品的这样的伸展或收缩 可以例如由水对基于纸张或卡纸板的物品的损害所导致。
此外， 如果物品针对扫描仪中的传感器的相对速度是非线性的， 则物品可能被扫 描仪看来似乎是伸展的或收缩的。这可能在例如物品正在沿着输送机系统移动， 或者在物 品正在由手持该物品的人移动通过扫描仪的情况下发生。 发生这种情况的可能的情形的示 例是人使用扫刷型扫描仪来扫描例如银行卡的情况。
在扫描仪基于在扫描仪单元内相对于在扫描仪中或针对扫描仪保持固定的物品 移动的扫描头的某些示例中， 可以在扫描仪内提供线性化导槽， 以解决扫描头的运动中的 任何非线性性。在物品由人移动的情况下， 这些非线性会被大大地放大。
为解决可能由这些非线性效应所引起的识别问题， 可以调整对物品的扫描的分析 阶段。因此， 现在将参考图 18a 来描述经修改的认证过程。在此示例中实现的过程使用对 数据的逐块分析来解决非线性。
根据图 14a 执行的过程可包括参考图 15 所描述的用于获取签名和缩略图的时域 滤波、 替换的或额外的线性化、 空间域滤波、 平滑和微分数据， 以及数字化这些步骤中的一 些或全部步骤， 但是， 图 18a 没有示出它们以便不至于使该图的内容模糊。
如图 18a 所示， 使用逐块分析的用于认证扫描的扫描过程在步骤 S21 开始， 对物品 执行扫描以获取描述物品的固有属性的数据。然后， 在步骤 S22 中， 将此扫描数据分成连续 的块 （可以在数字化以及任何平滑 / 微分等等之前或之后执行） 。 在一个示例中， 1600mm2 的 扫描区域 （例如， 40mmx40mm） 被分成八个长度相等的块。因此， 每一个块都表示被扫描的物 品的被扫描的区域的子区。
在步骤 S23 中， 对于每一个块， 针对要与其比较物品的每一个存储的签名的等价 块， 执行互相关。这可以使用缩略图方式来执行， 每一个块一个缩略图。然后， 分析这些互 相关计算的结果， 以标识互相关峰值的位置。 然后， 对于其中在物品的原始扫描以及以后的 扫描之间存在完全线性关系的情况， 在步骤 S24 中， 比较互相关峰值的位置与峰值的预期 的位置。
由于此块匹配技术相对来说是计算密集的过程， 因此， 在某些示例中， 其使用可以 仅局限于与缩略图搜索相结合地使用， 以便将逐块分析只应用于通过缩略图搜索标识的潜 在的签名匹配的最终候选列表。
可以在图 19A、 19B 以及 19C 中用图形方式表示此关系。在图 19A 的示例中， 互相 关峰值完全如预期的那样， 以便扫描头相对于物品的运动完全是线性的， 且物品没有经历伸展或收缩。因此， 实际峰值位置对照预期的峰值的图导致穿过原点的并具有斜率 1 的直 线。
在图 19B 的示例中， 互相关峰值比预期的更靠近， 以致于最佳拟合线的斜率小于 1。因此， 在初始扫描时， 物品相对于其物理特征收缩。此外， 最佳拟合线不穿过图的原点。 因此， 与其记录扫描的位置进行比较， 物品相对于扫描头偏移。
在图 19C 的示例中， 互相关峰值不形成直线。在此示例中， 它们大致拟合表示 y2 函数的曲线。因此， 在扫描过程中， 物品相对于扫描头的移动减慢。此外， 最佳拟合曲线不 越过原点， 显而易见， 物品相对于其记录扫描的位置偏移。
可以将各种函数对互相关峰值的点的图进行拟合测试， 以发现最佳拟合函数。因 此， 可以使用考虑了伸展、 收缩、 错位、 加速、 减速， 以及其组合的曲线。 合适的函数的示例可 2 3 包括直线函数、 指数函数、 三角函数、 x 函数以及 x 函数。
一旦在步骤 S25 中标识出最佳拟合函数， 则在步骤 S26 中可以确定一组变化参数， 该组变化参数表示每一互相关峰值从其预期的位置偏移多少。然后， 在步骤 S27 中， 可以 将这些补偿参数应用于来自在步骤 S21 中进行的扫描的数据， 以基本上反转收缩、 伸展、 错 位、 加速或减速对来自该扫描的数据的影响。可以理解， 在步骤 S25 中获取的最佳拟合函数 越好地拟合扫描数据， 补偿效果将越好。
然后， 如在步骤 S22 中那样， 在步骤 S28 中， 将已补偿的扫描数据分为连续的块。 然 后， 在步骤 S29 中， 将块分别与来自存储的签名的数据的相应的块互相关， 以获取互相关系 数。此时， 在步骤 S29 中， 分析互相关峰值的幅值以确定唯一性因子。因此， 可以确定被扫 描的物品是否是与当创建存储的签名时扫描的物品相同。
相应地， 描述了用于补偿被扫描的物品中的物理变形， 和 / 或用于补偿物品相对 于扫描仪的运动中的非线性的方法的示例。通过使用此方法， 可以对照从物品的较早的扫 描中获取的该物品的存储的签名来检查被扫描的物品， 以比较高的确定性来确定后面的扫 描中是否存在相同物品。从而， 可以可靠地识别用容易扭曲的材料制造的物品。此外， 还可 以使用其中扫描仪相对于物品的运动可以是非线性的扫描仪， 从而允许使用没有运动控制 元件的低成本的扫描仪。
图 18b 呈现了用于对扫描数据执行逐块分析的替代的方法。
此方法在步骤 S21 开始， 如上文参考图 18a 的步骤 S21 所讨论的， 执行对目标表面 的扫描。一旦捕捉了数据， 就在步骤 S31 中将此扫描数据投射到预定数量的比特上。这包 括扫描数据的比特数量的有效减小以匹配投射长度。在本示例中， 通过取扫描数据的均匀 间隔的比特， 将扫描数据应用于投射长度， 以便构成投射数据。
接下来， 步骤 S33， 执行检查， 以确保在投射数据的相邻的比特之间有足够高级别 的相关。在实践中， 已经发现， 相邻比特之间有大约 50% 的相关就足够了。如果发现比特不 满足阈值， 那么， 调整投射扫描数据的滤波器， 以给出投射数据中的比特的不同的组合。
一旦已经确定投射数据的相邻比特之间的相关足够高， 则在步骤 S35 中将投射数 据与存储的记录签名进行比较。 这是通过取记录签名的每一预先确定的块并将它与投射数 据进行比较来执行的。在本示例中， 比较是在投射数据和记录签名的等价的缩小的数据集 之间进行的。将记录签名的每一个块对照投射数据的每一个比特位置偏移进行测试， 该块 的最佳匹配的位置是返回最高互相关值的比特偏移位置。一旦记录签名的每个块都与投射数据进行了比较， 则可以作为每一个块的最高互 相关值的总和， 为该记录签名产生匹配结果 （比特匹配比率） 。在必要时， 可以将进一步的 候选记录签名与投射数据进行比较 （在某些示例中， 取决于测试是 1:1 测试还是 1: 许多测 试） 。
在完成比较步骤之后， 可以在步骤 S37 中应用可选匹配规则。这些可包括当为给 定记录签名产生比特匹配定量时， 迫使记录签名的各块处于正确的顺序。 例如， 如果记录签 名被分成五个块 （块 1、 块 2、 块 3、 块 4 和块 5） ， 但是， 块的最佳互相关值， 当对照投射数据测 试时返回不同的块顺序 （例如， 块 2、 块 3、 块 4、 块 1、 块 5） ， 此结果可以被拒绝， 并使用保留正 确的块顺序的最佳互相关结果计算新的总和。 此步骤是可选的， 因为在执行的实验测试中， 已经看出， 这种类型的规则对最终结果即使产生差别也很小。这被认为是由于在较短的块 的长度内进行操作的表面标识属性造成的， 使得从统计学上来讲， 发生顺序错误的匹配以 产生假阳性的可能性非常低。
最后， 在步骤 S39 中， 使用比特匹配比率， 可以通过将扫描数据的整体与记录签名 的整体进行比较， 包括基于在步骤 S35 中确定的互相关峰值的位置对照扫描数据偏移记录 签名的块， 来确定唯一性。此时， 在步骤 S39 中， 分析互相关峰值的幅值， 以确定唯一性因 子。因此， 可以确定被扫描的物品是否是与当创建存储的记录签名时扫描的物品相同。
可以预先确定此方法中所使用的块大小， 以提供有效的匹配和匹配中的高可靠 性。当执行扫描数据集和记录签名之间的互相关时， 有匹配结果将具有大约 0.9 的比特匹 配比率的期望。由于通过扫描测量的表面的属性的生物测量类型的本质， 不预期 1.0 的匹 配比率。还期望非匹配将具有大约 0.5 的比特匹配比率。比完整的签名包含较少的比特 的块的本质趋向于偏移非匹配结果的可能的值， 导致发现假阳性的机率增大。 例如， 已经通 过实验发现， 32 比特的块长度将非匹配移动大致 0.75 处， 这对于许多应用来说太高并且太 接近在大约 0.9 处的阳性匹配结果。使用 64 比特的块长度将非匹配结果向下移动到大致 0.68 处， 在一些应用中， 这可能还是过高。进一步将块大小增大到 96 比特， 将非匹配结果 向下漂移到大致 0.6 处， 对于大多数应用来说， 这在真阳性和假阳性结果之间提供绰绰有 余的间隔。 从上文可以清楚地看出， 增大块长度增大非匹配和匹配结果之间的间隔， 因为匹 配和非匹配峰值之间的间隔是块长度的函数。因此， 很明显， 为更大的峰值间隔 （以及更大 的区分准确性） ， 可以增大块长度， 代价是由每个块的更大的比特数所导致的处理复杂度增 大。 另一方面， 如果真阳性和假阳性结果之间的较少的间隔是可以接受的， 则可以使块长度 较短一些， 以便降低处理复杂度。
还可以为光检测器收集的数据的各个子集产生唯一性测量， 并且组合那些各个唯 一性值而不是组合数据然后计算整体唯一性。 例如， 在某些示例中， 数据被分解为一组块供 处理， 并且每一个块都可以具有为其计算出的 BMR。这可以是进一步的步骤， 以便为每一个 块创建唯一性度量。同样， 可以分析来自各个光检测器的数据以为其创建唯一性。
通过采取这样的方法， 关于总的唯一性的附加信息可能变得显而易见。 例如， 如果 数据被分成 10 个块， 其中三个块提供非常强的唯一性， 而其他七个块返回较弱的或不存在 的唯一性， 那么， 这可以提供与好像十个块都具有适中的唯一性相同的总的唯一性。因此， 可以检测到对物品的窜改、 物品损坏、 传感器故障以及若干个其他状况。
因此， 这样的方法涉及组合单个块和 / 或光检测器唯一性以给出总的唯一性。这可以是值的直接组合， 或者在某些情况下， 可以应用加权以强调一些值比其他值贡献大。 为 组合以对数刻度表达的唯一性， 对各单个唯一性进行求和 （例如， 三个块， 每一块都具有 1020 的唯一性， 则总的唯一性将是 1060） ， 并且如果不使用对数刻度， 则将值相乘。
可以使用对基于物品的固有特性生成的签名的逐块分析来检测的物品的另一种 特征是对物品的局部损坏的特征。例如， 可以使用这样的技术来检测在初始记录扫描之后 对物品作出的修改。
例如， 诸如护照、 ID 卡以及驾驶证之类的许多文件， 都包括持有人的照片。如果这 样的物品的真实扫描包括照片的一部分， 那么， 将检测到对该照片作出的任何更改。 举将签 名拆分为 10 个块的任意示例， 这些块中的三个可能覆盖文件上的照片， 并且其他七个覆盖 文件的另一部分， 比如背景材料。 如果照片被替换， 可以预计那么随后的对文件的再扫描对 于其中没有发生修改的七个块提供好的匹配， 但是被替换的照片将提供非常差的匹配。通 过知道这三个块对应于照片， 可以使用所有三个块提供非常差的匹配这一事实来自动使对 文件的验证失败， 而不管整个签名的平均分数如何。
此外， 许多文件还包括一个或多个人的书写指示， 例如， 通过护照、 驾驶执照或身 份证来标识的人的姓名， 或银行帐户拥有人的姓名。许多文件还包括施加了持有人或证明 人的书写的签名的位置。 使用从其中获取的用于认证的签名的逐块分析可以检测改变打印 或书写到文件上的姓名或其他重要字或数字的修改。 对应于已经改变的打印或写入的位置 的块可以预计产生比没有发生修改的块质量低得多的匹配。因此， 可以检测经修改的姓名 或书写的签名， 并且即使文件的总的匹配足够高以获得通过的结果， 该文件也在认证测试 中失败。
为扫描区域选择的区域和元素可以取决于若干个因素， 包括最有可能的欺骗者将 试图改变的文件的元素。 例如， 对于包括照片的任何文件， 最有可能的更改目标将通常是该 照片， 因为这在视觉上标识持有人。 因此， 可以有利地选择这样的文件的扫描区域以包括照 片的一部分。可能受到欺骗性的修改的另一个元素是持有人的签名， 因为人容易假装具有 他们自己的姓名之外的姓名， 但是难以复制别人的签名。因此， 对于签名的文件， 特别是那 些不包括照片的文件， 扫描区域可以有利地包括文件上的签名的一部分。
因此在一般情况下， 可以看出， 对物品的真实性的测试可以包括对验证签名和记 录签名之间对于该签名整体的足够高质量的匹配， 以及相对于签名的至少选定的块的足够 高的匹配的测试。因此， 对评估物品的真实性来说重要的区域可以被选为取得积极的真实 性结果的关键。
在某些示例中， 除那些被选为关键块的块以外的块可以允许呈现差的匹配结果。 因此， 文件可以被接受为真实的， 尽管有磨损或以别的方式部分地损坏， 只要关键块提供好 的匹配， 并且签名作为整体提供好的匹配即可。
因此， 描述了用于标识对物品的局部的损坏， 以及用于拒绝将在预先确定的区域 带有局部损坏或更改的不真实物品的系统、 方法和设备的若干个示例。可以忽略其他区域 中的损坏或更改， 从而允许文件被识别为真实的。
在一些扫描仪设备中， 也可能难以确定被扫描的区域开始和结束的位置。在上文 所讨论的示例中， 其中扫描仪可以 “看到” 多于物品的扫描区域的作业线类型的系统可能是 最有问题的。解决此困难的一种方法将是将扫描区域定义为在物品的边缘开始。由于当物品穿过先前是自由空间之处时， 在扫描头处接收到的数据将历经清楚的步进变化， 因此， 在 扫描头处取出的数据可以被用来确定扫描开始的位置。
在此示例中， 在将物品施加到扫描仪之前， 扫描头是运转的。 因此， 最初， 扫描头接 收对应于扫描头前面的空闲空间的数据。随着物品被传递到扫描头前面， 由扫描头接收到 的数据立即改变为描述该物品的数据。 因此， 可以监测该数据以确定物品在哪里开始， 并可 以丢弃此前的所有数据。可以以许多方式确定相对于物品前沿的扫描区域的位置和长度。 最简单的方式是使扫描区域为物品的完整的长度， 以便可以由再次拾取到对应于自由空间 的数据的扫描头检测到末尾。另一种方法是开始和 / 或停止已记录的数据达预定数量的从 前沿的扫描读取次数。假设物品始终以大致相同的速度移过扫描头， 这将导致一致的扫描 区域。另一种替换方法是使用物品上的实际标记来开始和停止扫描区域， 虽然这可能需要 更多工作 （就数据处理而言） ， 以确定哪些捕获的数据对应于扫描区域， 以及哪些数据可以 被丢弃。
在某些示例中， 作业线的驱动马达可以配备有旋转编码器以提供物品的速度。这 可以被用来确定相对于物品的被检测到的前沿的扫描的开始和停止位置。 这也可以被用来 提供速度信息以用于数据的线性化， 如上文参考图 8 所讨论的。速度可以周期性地根据编 码器确定， 以便每天一次、 每小时一次、 每半小时一次等地检查速度。 在某些示例中， 作业线的速度可以通过分析从传感器输出的数据而确定。通过预 先知道物品的大小以及通过测量该物品通过扫描仪所花费的时间， 可以确定平均速度。此 计算出的速度可以被用来相对于前沿定位扫描区域， 以及线性化数据， 如上文参考图 8 所 讨论的。
解决这种类型的情况的另一种方法是使用物品上的标记或纹理特征来表示扫描 区域的开始和 / 或结束。这可以例如使用上文所描述的图案匹配技术来标识。
因此， 描述了若干种技术用于扫描物品以基于物品的固有特性来收集数据， 在必 要时补偿对物品的损坏或扫描过程中的非线性， 并且将物品与基于以前的对物品的扫描而 存储的签名进行比较以确定对于两次扫描是否呈现相同物品。
现在将描述用于签名生成的进一步的可选配置。 此示例的技术使用微分方法来从 光检测器 16（如图 1 所示） 提取反射信号。在此方法中， 成对地处理光检测器。因此， 如果 使用两个以上的光检测器， 可以成对地包括一些光检测器用于微分方法， 并且可以单个地 或在求和的意义上考虑一些光检测器。此示例的其余部分将引用使用两个光检测器 16a 和 16b 的情况。
在本示例中， 来自每一光检测器 16 的输出都被馈送到单独的 ADC 31。然后， 对这 两个 ADC 的输出被差分 （例如， 从而， 从来自第一光检测器的数字化信号中减去来自第二光 检测器的数字化信号） ， 以提供用于签名生成的数据集。
此技术特别适用于来自两个光检测器的输出基本上反相关的情况， 因为差分化具 有使信号强度翻倍的效果。 发生高级别的反相关的情况的示例是具有高级别的半色调印刷 的表面。
因此， 描述了用于从物品获取并使用生物特征类型的签名的系统的示例。在上文 所标识的各种专利申请中陈述了替换的扫描仪配置以及这样的系统的各种应用和用途。 此 处所公开的匹配结果测试方法与物理扫描仪配置中的任何一种一起使用和 / 或所公开的
这样的技术应用于其他专利申请中也是发明人所设想到的。
如上文所描述的系统可以被视为受多个变量的控制和影响， 并且可以使用多个变 量作为系统的性能的度量。 为了以上文所描述的方式最大化使用从物品的固有结构导出的 签名的系统的给定实现的性能， 可以调整多个参数并测量输出以确定系统总体的性能。
发明人尝试了若干种优化这样的系统实现的方法， 并确定了用于实现这样的优化 的方法， 如现在将描述的。
在本示例的上下文中， 要被优化的实现或系统包括通过使用生物特征类型的签名 提供真实性认证或验证所需的整个元素链。 例如， 这可包括扫描物品 （可能作为生产过程的 一部分） 以便填充已知物品的数据库的记录扫描仪、 扫描物品以确定它们的有效性 / 真实 性的数据库或物品以及现场扫描仪。在某些示例中， 可以在第一操作中优化整个系统的子 集， 并且然后可以优化该子集为提醒物， 例如， 可以一起优化一组现场扫描仪， 并且固定这 组现场扫描仪的数据， 以便对照记录扫描仪进行优化。管辖记录扫描仪和现场扫描仪的参 数不必相同， 因为两者可能在不同的条件下在不同的环境中操作。 因此， 下面所讨论的参数 中的每一个都可能在参数集合中出现两次或多次， 对于记录和现场扫描仪中的每一个各一 次。 当然， 在系统中可以包括多于一个形式的线扫描仪或多于一个形式的现场扫描仪， 这可 以导致更多系统组件， 并且相应地导致更多系统参数。
诸如上文所描述的鉴别系统通常具有大约 10-20 个参数， 不同的参数组可以是完 全独立的、 部分地相互依赖的或完全相互依赖的。 这些参数中的每一个都可以， 无论是独立 地还是与其他参数中的某些或者全部结合地， 具有就可以用来评估总的系统的性能的总成 本空间而言的局部的最大值和最小值。当试图作为整体来优化系统时， 这样的局部的最大 值和最小值可能难以同样地标识， 这是个问题， 因此， 如果这样的局部的最大值或最小值被 标识为该参数 （或参数组） 的最大值或最小值， 用于整个系统的总体最大值或最小值可能变 得不可达到。
相应地， 建议通过进化型过程来管理感兴趣的参数， 以对特定系统实现方式实现 优化的性能。
可能需要被考虑和调整以实现优化的结果的参数可包括下列各项。
· 时域滤波器的滤波器阶数 （参见上文所描述的步骤 S2） 。此 （可选） 滤波器操作以 去除诸如可以从电噪声和背景照明中预期的低频分量 （例如， 50/60Hz 和 100/120Hz 频带） 以及实现方式中所使用的特定光检测器的特定行为特征。 滤波器也可以操作以去除通常构 成白噪声分量的高频分量。
·该时域滤波器的涨落时间。
· 空间域带通滤波器的滤波器阶数 （参见上文所描述的步骤 S4） 。此 （可选） 滤波器 在 x 方向 （扫描头的移动方向） 操作以允许一个波长范围通过。该滤波器有助于最大化样本 之间的差异， 并在数据内保持高自由度数。
·该带通滤波器的涨落空间。
· 需要被控制以避免接收到的信号的欠采样 （Nyquist） 的空间分辨率。此外， 过度 的过采样也是不希望的， 因为会产生额外的数据处理和存储要求， 而不增加实际信息内容。 这正常情况下应该跨所有扫描都是一致的， 可以将所有扫描进行比较以便确保比较是基于 兼容的数据的。·平滑函数， 通常是高斯平滑函数。
·编码器设置。此可选参数涉及可选空间编码器。此设置涉及来自编码器的时间 信号和它所表示的空间信息之间的转换。 它可以按照每单位距离的周期的数或每个周期的 距离分类。
·用于比较中的数据分析的块的数量 / 块大小。此可选参数涉及用于如上文参考 图 19 所讨论的对数据线性的分析的块。相同或另一种块数量 / 大小参数也可以涉及在逐 块执行匹配本身的情况下使用的块。
·用来描述如上文图 19 参考所讨论的对数据线性的分析中的块关系和偏移的多 项式函数的拟合阶数。
·当在如上文参考图 19 所讨论的对数据线性分析之后进行补偿时定义块的最大 移动的伸展范围。
·确定要被包括在比较中的点的数量的标准偏差阈值。理论上， 所有点都将被包 括， 但是， 在实践中， 那些接近均值的点常常被去除， 因为它们可能不正确地匹配， 并且因此 可能是不可靠的匹配点。可以通过使用标准偏差阈值来控制关于要包括 / 排除的哪些点的 决策。如果标准偏差阈值太低， 那么更多接近于均值的点 （更有可能不正确地匹配） 将被包 括在比较中。 如果标准偏差阈值太高， 那么较少的点被包括在比较中， 以致于降低匹配结果 中的统计的可靠性 （置信度） 。
·在尝试匹配之前， 可任选地定义测试签名的浮动位置对照记录签名的初始偏移 范围。
·文本影响去除滤波器参数。这样的可选滤波器可以被用来降低或去除扫描区域 中的文本对所产生的签名的影响。这样的滤波器可以是顶帽型 （top-hat） 滤波器。用于该 滤波器的参数可包括开 / 关状态、 宽度以及位置。
·图像阈值， 可任选地允许图像 （包括文本和打印） 图案在捕捉到的数据中能被标 识并从标准偏差的计算和匹配过程中被排除。
在参数值通常不以可以被优化方法直接访问的格式表达的情况下， 可以将它们转 换为合适的格式。在优化方法需要作为二进制序列的参数值的情况下， 可以通过定义每一 参数所需的分辨率 （即， 参数所需的离散的可能值的数量） 且然后向参数值分配所需的比特 数， 在 “原始” 格式和二进制序列之间转换该参数。从 “原始” 值到二进制值的转换是将 “原 始值” 数字化到如定义的值分辨率空间中的问题。反向的转换是逆过程。
为了评估参数以及它们对总体性能的影响， 需要定义所希望的结果。如果认为评 估在 “成本空间” 内， 则此结果可被称为 “目标成本” ， 也可以被称为 “适宜函数” 。用于定义 如上文所描述的鉴别系统的性能的一种合适的方法是匹配结果不是假阳性的置信度以及 非匹配结果不是假阴性的置信度。 取决于应用， 这两个中的任何一种都可以是主要重要的。
为帮助理解结果的本质， 参考图 20， 该图示出了当将从一组物品的固有属性导出 的签名以上文所描述的方式进行比较时获取的结果的图。 x 轴表示比特匹配率， 或者测试签 名的与给定记录签名中的对应的比特相匹配的比特的数量 / 百分比。y 轴表示特定比特匹 配率值的入射， 以便该图的一个解释是， 它表示给定比特匹配率值发生的概率。
在图 20 的图中， 两个单独的数据集被绘制在一起。产生左边的峰值 （一般性地表 示为 101） 的数据集是一组结果， 其中将测试签名与从与测试签名不同的物品生成的记录签名进行比较——即， 已知非匹配。产生右边的峰值 （一般性地表示为 111） 的数据集是一组 结果， 其中将测试签名与从与测试签名相同的物品生成的记录签名进行比较——即， 已知 匹配。
为了确信给定比较结果是正确的， 需要将这些峰值分离得尽可能远一些。 然而， 必 须认识到， 由于签名是模糊数据， 因此， 从统计学上来讲， 几乎不可能实现分别从相同物品 生成的两个签名之间的完美的匹配， 以致于不预期 100% 的比特匹配率。此外， 由于从不同 的物品所生成的两个签名是不相关的这一事实， 使得非匹配结果将预期给出大致 50% 的比 特匹配率， 以便具有趋向于零的值事实上将暗示， 确实存在相关， 但是， 一个签名只不过是 另一个签名的逆。
对于非匹配结果的实际测试数据的示例导致大约 50% 的数据集的平均比特匹配 率。 对于匹配结果， 取决于物品的材料以及系统的操作参数， 数据集的平均比特匹配率可以 介于大约 70% 到大约 90% 之间。
从图 20 中的图清楚地看出， 在确定匹配 / 非匹配结果是正确的置信度的重要问题 是峰值中心 （平均） 和宽度 （与标准偏差成比例） 。显而易见， 如果峰值是如此接近以至于重 叠， 则必须接受大量的假阴性， 以确保没有假阳性， 或者反之亦然。
因此， 可以预计当优化系统时所希望的结果是下列各项中的一项或多项 ： 最大化 峰值间隔 （在现实的意义上， 意味着增大匹配结果的平均比特匹配率， 对于非匹配结果， 降 低平均比特匹配率） ， 在图 20 中一般性地表示为距离 107， 以及最小化峰值宽 （在现实的意 义上， 意味着， 缩小匹配和非匹配数据集的标准偏差） ， 对于非匹配峰值 101 一般性地表示为 距离 103， 对于匹配峰值 111 一般性地表示为表示为距离 113。
一旦定义了与特定实现方式相关的参数集合， 就需要用于操纵这些参数以试图对 照所希望的目标来实现最佳结果的方法。在本发明中， 这是根据参考图 21 所说明的方法来 实现的。
首先， 在步骤 G1 中， 创建尝试解的原始群体。每一尝试解都包括在优化中使用的 每一个参数的值。对于考虑大约 15 个参数的系统， 大约 1000 个尝试解的原始群体在足够 的候选以提供好的遗传多样性以及足够少的候选用于处理以在可接受的处理时间内得出 解之间提供好的平衡。在更大量的时间可用于执行该处理的情况下， 可使用更大的群体以 进一步增大群体的遗传多样性。
然后， 在步骤 G3 中， 对试验群体进行适宜度测试。分析每一群体成员， 以提供就所 希望的目标而言的适宜度结果。 每一群体成员一定在包括参数所涵盖的所有可能的系统配 置设置组合的成本空间内。 每一群体成员的适宜度都表示该特定群体成员的成本图有多高 或多低。在当前示例中， 适宜度被定义为系统的总体行为有多 “好” 的度量的值。可以选择 若干参数， 但是， 在当前示例中， 该度量是表示峰值宽和峰值间隔两者的一个度量。此参数 被称为 d'， 并按如下方式计算 ：
其中， SameMean 是用于同一签名的比较的峰值的均值， DifferentMean 是用于 不同的签名的比较的峰值的均值， SameStd 是用于同一签名的比较的峰值的标准偏差， 而
DifferentStd 是用于不同的签名的比较的峰值的标准偏差。
另一个选项是使用被称为 b' 的参数， 该参数也表示峰值宽度和峰值间隔两者， 但 是， 使用底部的全峰值宽而并非标准偏差。按如下方式计算 b' ：
其中， SameMax 是用于同一签名的比较的峰值的上限范围处的值， SameMin 是用于 同一签名的比较的峰值的下限范围处的值， DifferentMax 是用于不同的签名的比较的峰值 的上限范围处的值， 而 DifferentMin 是用于不同的签名的比较的峰值的下限范围处的值。
还可以使用类似的方法， 该类似的方式使用例如极大值半处的全宽度代替标准偏 差或底宽。
另一种可能的方法是使用表示峰值之间的间隔的标准偏差的数量的参数。 此参数 被称为 c'， 并按如下方式计算 ：
使用 SameStd 代替 DifferentStd 的修改也是可以的。
用于优化的另一替换参数可以是表示峰值之间的间隙的参数， 简单地 ：
gap=SameMin-DifferentMax
在步骤 G5 中， 执行检查以确定是否完成了足够的迭代。在第一迭代中， 很可能还 没有完成足够的迭代。可以以若干种方式来设置该处理的总迭代次数。可以设置固定数量 的迭代， 或者可以应用收敛准则， 以在出现收敛结果之后停止该过程， 或者可以使用某种其 他方法。 在本示例中， 对于多次迭代， 过程继续， 直到经过训练的操作员相信结果足够好 （这 是收敛结果的经验度量） 或者直到可用的时间期过期。
如果需要更多迭代 （常常在通常执行许多迭代时发生） ， 在步骤 G7， 过程继续， 其 中， 选择成对的群体成员用于繁殖 （配对） 。这些对的选择是基于群体成员的属性来进行的。 在本示例中， 带有高适宜度的群体成员具有增加的配对机率， 并且群体成员不是单配的， 但 是， 不能与其本身配对。并非所有的群体成员都需要被包括在这些对中。在当前示例中， 基 于适宜度度量的配对分布用于当生成下一个分布时确定每一个当前群体成员的配对概率 并且对此存在若干种不同的可能性。 可以使用线性变换， 该线性变换表示， 如果第一群体成 员的适宜度度量是第二群体成员的适宜度度量的两倍， 则该第一成员具有第二成员的两倍 的配对概率。可另选地， 可以使用指数分布， 以增大较弱的 （较低适宜度） 成员的配对概率， 目的是降低快速收敛到局部最大值的风险。其他选项包括窗功能 （趋向于对更强的成员有 利） ， 直接成本等效性方法或线性规范化方法。
一旦计算出了配对分布， 每一群体成员都根据其分配的配对概率， 不加入或加入 一对或多对， 以便配对的结果将是带有与以前的群体一样多的成员的新群体。 因此， 每一对 都产生两个后代， 并且总对数是群体大小的一半。
然后， 在步骤 G9 中， 使用所选对来培育新群体。每一创建的对都充当 “父母” 。为 父母对在参数串内指派交叉点 （或 “基因序列” ） ， 并且产生两个 “孩子” 。在本示例中， 随机 地选择交叉点。 在新群体培育中， 对于每个对， 所选交叉点可以是相同的， 或者， 可以为每一
对重新选择。第一孩子具有到交叉点为止的第一父母的参数串， 以及交叉点之后的第二父 母的参数串。该第二孩子具有到交叉点为止的第二父母的参数串， 以及交叉点之后的第一 父母的参数串。在完成配对之后， 丢弃该群体的前一代。
在本示例中， 为了避免结果收敛于适宜度的局部最小值或最大值而并非总体最小 值或最大值的危险， 并避免基因库的大小太严重的缩小， 在配对序列过程中可以使用突变。 提供这样的突变的一种方式是根据概率值来确定每一群体成员的参数串 （当表示为二进制 字符串时） 中的每一比特是否应该仍保持不变或应该改变。因此， 对于参数串中的每一个 比特， 该比特突变的概率可以被设置为单一级别， 并且可以使用随机数发生器来对照概率 进行测试。在本示例中， 概率被设置得较低但是仍显著。例如， 概率可以被设置使得平均起 来， 一个比特是在每 5 个群体成员中交换的值。这样的突变系统可以每个迭代地应用， 或只 在选定迭代上应用。
可以在该处理的迭代之间调整突变概率。例如， 如果多个连续迭代导致群体的适 宜度的极小的差异， 则可以增大突变率， 以便努力确定群体中的收敛或稳定性是否是由于 发现了适宜度准则中的总体最大值 / 最小值或是否已经标识了局部最小值 / 最大值。
一旦生成了新群体 （包括任何突变） ， 该方法返回到步骤 G3， 其中， 确定新群体成员 的适宜度。 一旦完成了足够的迭代次数， 步骤 G5 的结果就变为 “是” （即， 足够的迭代被评估 为 “肯定的” ） ， 该方法前进到步骤 G11， 在此， 提取最适宜的群体成员的参数供系统使用。
使用此过程的期望是， 从群体的一代到下一代， 总体适宜度应该增大 （除非插入了 高级别的突变以故意改变如上文所讨论的适宜度概况） 。可以预计在处理结束时所提取的 参数是具有收敛的群体的最佳适宜度的群体成员的那些参数。在这种意义上讲， 它可以被 视为 “首位等于 （first among equals） ” 类型的结果， 而并非 “明确胜者 （clear winner） ” 类型的结果。
图 22 示出了说明性样本数据的图， 对于五代中的每一个， 依次示出了群体的平均 成本 （即， 跨所有群体成员的平均适宜度值） 、 最佳成本 （即， 带有最高适宜度的群体成员的 适宜度值） ， 以及群体的每一代的遗传多样性。这示出了， 平均成本从一代到下一代是增大 的 （如预期的） ， 并且最佳成本向最后一代增大， 并且在所有代中遗传多样性保持足够高， 以 从该处理提供现实的并且有用的结果。增大的平均和最佳成本图表示， 发生了优化。遗传 多样性的线表示， 在群体内有足够的遗传变异， 以便有用的优化结果出现。 如果遗传多样性 下降到太低， 将会有落入局部最大值而对于群体来说没有显示的机会逃避该局部最大值的 显著风险。
图 23 示出了群体的单代以及向其应用的配对分布的说明性样本数据的图。按适 宜度值对数据进行排序， 使得适宜度最低的个体位于图的左边， 并且适宜度最高的个体位 于图的右侧。对于该代中的每一个群体成员， 绘制了适宜度， 示出了在此代中， 有大约 350 个带有 0.1 或更低的适宜度的成员， 而适宜度值上升到带有 1.085 的适宜度的最高适宜度 成员。在该图中还示出了为每一个群体成员设置配对概率的配对分布曲线。在此示例中， 对配对分布进行加权， 以将大量的低适宜度成员维持在配对图案内， 以便避免快速收敛到 早先发现的最大值， 与最大值是局部最大值的风险相关联。
相应地， 通过使用这样的用于为基于从物品的固有的表面粗糙度导出的生物特征
类型签名的使用的验证 / 有效性系统配置系统参数的方法， 可以实现用于实现期望的性能 结果的最佳参数值集合。
期望的性能结果可以被设置为希望特定实现方式所拥有的任何东西。例如， 在一 种实现方式中， 排除假阳性的任何机会可能是关键， 但是， 具有少量的假阴性是可以接受 的， 或者反之亦然。在另一示例中， 在一种实现方式中， 具有比在不同的实现方式中低的总 体结果置信度是可以接受的。通过选择适当的系统参数并配置参数值以实现期望的性能 结果， 可以实现提供期望的性能结果的有效的路线， 而不会在实现超过指定的性能结果上 浪费努力或系统资源。 这样的方法也可以通过允许使用较低成本的组件来降低系统实现成 本， 以通过参数优化而并非以不太优化状态使用贵一些的组件来实现所希望的结果。