本申请是申请日为2013年3月1日、申请号为201380012067.0、发明名称为“来自标记的特征的唯一识别信息”的中国专利申请的分案申请。相关申请的交叉引用本申请涉及soborski于2012年3月1日申请的美国临时申请案第61/605,369号和2012年7月26日申请的美国临时申请案第61/676,113号的“从标记的特征中提取唯一标识信息的方法”，以及2012年10月24日申请的美国临时申请案第61/717,711号的“来自标记的特征中的唯一识别信息”。其全部内容以引用的方式并入本文中。本申请公开的方面属于机器视觉领域。本申请公开的方面也属于防伪及用于追踪供应链安全的条目序列的
技术领域：
：。
背景技术：
：：本领域的现有技术存在的目的在于唯一地识别条目。一些方法是基于通常通过印刷的手段隐蔽或明显有意地应用在条目上的标记。其它方法依赖材料基底(例如纸的纤维方向)中的自然变化，将其作为唯一标识符。现有技术中存在很大缺陷。这些缺陷包括，除了已经在物品上存在的用于其它目的的标记，还需要刻意地在条目上添加隐蔽或明显的标记。在基底变化方法(substratevariationmethod)的情况下，感知变化的专门的系统是必须的；并且如果基底没有呈现容易识别的唯一特征(例如一些塑料膜)，则就不能使用该方法。这些缺陷严重降低了这些方法在本文考虑的
技术领域：
：中的应用。技术实现要素：本公开教示了利用条目上标记的特征中的自然变化，作为建立针对该条目的信息或数据的方法，该信息或数据被称为“签名”或“原始条目标识符”，与该条目分开存储该信息，随后获取这些存储信息，以验证被称为原始条目的条目的身份。但是不需要在条目上刻意利应用隐蔽或明显的识别标记，虽然这可以在一些实施例中利用。相反，可以开发很多制造、标记或印刷过程中固有的自然变量，以提取条目或标记的识别特征，诸如应用到条目的很多类型的标记中的一个。另外，这种方法很容易融合入现有的用于应用的标记的阅读器系统，诸如条形码阅读器或机器视觉系统；在足够识别条目的材料基材中，不需要专门的系统感知变量。本发明的实施例提供了方法、装置和计算机程序(可以将其存储在非暂时的有形存储介质上)用于验证条目的身份，包括：检查用于该原始伪像的原始条目，该原始伪像特定于该原始条目；提取与该原始伪像(artifacts)相关联的信息；根据各自伪像的特性排序该信息；在与存储原始条目不同的非暂时性计算机可读存储设备中存储该排序的信息。该伪像可能是该条目的特征，当创造该条目时创造了该伪像。在创造该条目时，至少该伪像中的一些可能是不可控地创造的。依据将原始伪像排序的特性可能是幅值，例如，伪像的大小。可以将排序的原始伪像的信息编码成对应于该原始的条目的计算机可读数据，以形成签名。本发明的实施例提供了方法、装置和计算机程序(可以将其存储在非暂时的有形存储介质上)用于验证条目的身份，包括：检查标记，该标记包括标识符和伪像，其中，该标识符与原始的条目相关联，并且该伪像不改变这种关联；提取与该伪像相关联的信息；在与存储原始条目不同的非暂时性计算机可读存储设备中存储该信息，从而至少部分地可定位(locatable)使用该标识符。可能会将来自多个所述标记的各自信息存储在一个存储设备中，例如以数据库的形式，利用来自所述标记之一的标识符可以检索来自许多标记的各自信息，该许多标记比所述多个所述标记少，并且包括所述标记中的一个标记。在一个例子中，可以利用标识符识别一组或一类条目。然后可以利用该标识符只从数据库中检索与该组或该类中的条目相关的存储信息，减小随后搜索的范围，以识别单个条目的信息。在另一个例子中，数量较少的标记可能是只有一个标记。例如，该标识符可以是唯一标识符(uid)，其清楚地只识别一个条目，并且可以存储该信息以利用该uid检索。本发明的实施例提供了方法、装置和计算机程序(可以将其存储在非暂时的有形存储介质上)用于验证条目的身份，包括：检查用于原始伪像的原始条目，该原始伪像特定于该原始条目；存储与该原始伪像相关联的信息，以及与至少一个涉及产生该原始伪像的装置相关联的信息，和与至少一个涉及检查与存储原始条目不同的非暂时性计算机可读存储设备的装置相关联的信息。该存储信息可以包括涉及产生该原始伪像的装置的类型的信息。该存储信息可以包括涉及检查该原始条目的装置的分辨率的信息。本发明的实施例提供了方法、装置和计算机程序(可以将其存储在非暂时的有形存储介质上)用于验证条目的身份，包括：检查用于未验证伪像的未验证条目，该未验证伪像特定于该未验证条目；提取表示该未验证伪像的信息；从存储设备中检索存储数据，该存储数据包含表示原始条目的原始伪像的信息；从存储数据恢复该原始伪像信息；比较未验证伪像的信息和原始伪像的信息，以确定该未验证伪像的信息是否匹配该原始伪像的信息；以及在该未验证伪像的信息匹配该原始伪像的信息的情况下，验证该未验证条目是核实的原始条目；其中该比较包括校正至少一个涉及产生该原始伪像的装置的属性、至少一个涉及检查用于表示该原始伪像的信息的原始条目的装置的属性，和至少一个检查用于表示该未验证伪像的信息的未验证的条目的装置的属性。存储数据可以包括，涉及至少一个产生原始伪像的装置的信息，和至少一个涉及检查原始条目的装置的信息。校正可以包括比较涉及检查原始条目的装置和涉及检查未验证的条目的装置的分辨率和其它属性，并且由于由这些装置之外的装置探测的伪像是不可靠的，因而忽略(discounting)由其它装置中的一个探测的伪像。如果这两个装置具有不同的分辨率，比一个装置的分辨率极限大的伪像由该装置探测到，并且该伪像比另一个装置的分辨率极限小，则可以忽略该伪像。可以基于验证设备的特性分辨能力和成像逼真度，相对于原始成像设备的相应的特性进行加权。其中伪像具有不同的种类，确定未验证伪像的信息是否匹配原始的伪像的信息包括，比较每个种类中探测的伪像和合并比较结果，以及校正可以包括，根据产生原始伪像的设备的已知趋向加权该合并，以产生不同种类的伪像，该伪像具有不同频率或不同幅值。本发明的实施例提供了方法、装置和计算机程序(可以将其存储在非暂时的有形存储介质上)用于验证条目的身份，包括：检查其上具有原始符号的原始条目，该原始符号包括，针对原始符号的原始伪像的一组不同颜色的印刷单元，其中：伪像是这些单元中的至少一些的特征，创造该原始符号时创造了这些伪像；该伪像包括选自以下组的至少一类伪像，该组由以下组成：单元的平均颜色与标记内部的平均值之间的偏差，该平均值是具有相同标称颜色的相邻单元的平均值、单元相对于相邻单元的最佳匹配网格的位置偏差、与单元的标称颜色不同的至少两种颜色中的一中颜色的区域，以及长连续边缘的标称形状的偏差；提取表示每个单元的原始伪像的信息；将该原始伪像的信息编码成与原始条目对应的计算机可读数据；以及在与存储原始条目不同的非暂时性计算机可读存储设备中存储该数据。通常，不同的“颜色”在亮度、色相或两者上都不同，可以通过亮度、色相或两者区分。例如，将符号用墨水或具有单个第一颜色的其它介质印在具有单个第二颜色的基材上，可以利用任何可以区分第一颜色和第二颜色的措施。在最普通的情况下，通常称为“黑色和白色”或“单色”，印刷介质是发黑的，纸是发白的，利用反射率的不同区分它们。然而，在其他情况下，例如，利用超过一种颜色的墨水印刷，可能希望或者需要测量色相的不同，而不是测量亮度的不同，或者是除了测量亮度的不同，还可能希望或者需要测量色相的不同。本发明的实施例提供了方法、装置和计算机程序(可以将其存储在非暂时的有形存储介质上)用于验证条目的身份，包括：检查用于原始伪像的原始条目，该原始伪像特定于该原始条目；提取与该原始伪像相关的信息；根据伪像的特性排序原始伪像的信息；计算排序的原始伪像信息的自相关序列；以及将与自相关的序列相关的数据存储在与该存储原始条目不同的非暂时的计算机可读存储设备中。本发明的实施例提供了方法、装置和计算机程序(可以将其存储在非暂时的有形存储介质上)用于验证条目的身份，包括：检查用于原始伪像的原始条目，该原始伪像特定于该原始条目；其中，该伪像是该条目的特征，当创造该条目时创造了该伪像，并且在操作该条目时，至少这些伪像中的一些是不可控的创造的；提取表示原始伪像的信息；将原始伪像的信息编码成与原始条目对应的计算机可读数据；将数据存储在与存储该原始条目不同的非暂时的计算机可读存储设备中。本发明的实施例提供了方法、装置和计算机程序(可以将其存储在非暂时的有形存储介质上)用于验证条目的身份，包括：在原始条目上限定多个模块和模块的顺序；检查该原始条目上的模块中的、针对该原始条目的多个种类的伪像。其中，该伪像是该条目的特征，当创造该条目时创造了该伪像，并且在操作该条目时，至少这些伪像中的一些是不可控的创造的；提取表示原始伪像的信息；以存在哪些类型的伪像，不存在哪些类型的伪像的顺序编码每个模块，以形成计算机可读数据；以及将数据存储在与存储该原始条目不同的非暂时的计算机可读存储设备中。本发明的实施例提供了方法、装置和计算机程序(可以将其存储在非暂时的有形存储介质上)用于验证条目的身份，包括：检查针对未验证条目的、该未验证条目中的一个或多个未验证伪像；提取表示该未验证伪像的信息；从存储设备检索与原始条目的一个或多个伪像相关的数据；从检索的存储数据恢复原始伪像的信息；比较未验证伪像的信息和原始伪像的信息，以确定该未验证伪像的信息是否匹配该原始伪像的信息；以及在该未验证伪像的信息匹配该原始的伪像是信息的情况下，验证该未验证的条目是核实的原始条目；对未验证条目的处理或者对原始条目的处理与本发明的任何发明的实施例相一致。优选地，可以采用相当类似的过程处理未验证条目和原始条目，以减少使用的处理之间的不同引入的误差水平或不确定性。本发明的实施例提供了方法、装置和计算机程序(可以将其存储在非暂时的有形存储介质上)用于验证条目的身份，包括：检查针对未验证条目的、该未验证条目中的一个或多个未验证伪像；提取表示该未验证伪像的信息；根据伪像的特性排序伪像的信息；计算排序的未验证伪像的信息的自相关序列；从存储设备检索表示原始条目的伪像的自相关序列；比较未验证的和原始的自相关序列，以确定该未验证伪像的信息是否匹配该原始伪像的信息；以及在该未验证伪像的信息匹配该原始的伪像的信息的情况下，验证该未验证的条目是核实的原始条目。本发明的实施例提供了方法、装置和计算机程序(可以将其存储在非暂时的有形存储介质上)用于验证条目的身份，包括：检查针对未验证条目的、该未验证条目中的一个或多个未验证伪像；提取表示该未验证伪像的信息；从存储设备检索包括原始伪像的信息的数据；比较未验证伪像的信息和原始伪像的信息；以及在该未验证伪像的信息匹配该原始的伪像的信息的情况下，验证该未验证条目是核实的原始条目。本发明的实施例提供了方法、装置和计算机程序(可以将其存储在非暂时的有形存储介质上)用于验证条目的身份，通过依次执行任意的以上过程来产生和存储数据或信息，并且执行任意合适的所述过程，以比较未验证条目和存储数据或信息。本发明的实施例提供了方法、装置和计算机程序(可以将其存储在非暂时的有形存储介质上)，结合任意两种或多种上述的方法、装置和计算机程序，用于验证条目的身份。排序原始伪像信息可以包括，对特性低于阈值数值的伪像和高于阈值的伪像不同地处理。例如，不排序小于阈值的伪像，或者将他们与没有探测到伪像的位置组合在一起，或者将他们忽略。考虑伪像的噪声阈值和用于探测他们的装置来选择阈值，低于该阈值，就不能可靠地探测到伪像，或者不能可靠地将伪像量化。在实施例中，排序可以简单地由将高于阈值的伪像与低于阈值的伪像分开组成，或者完全没有排序过程。然而，在很多实施例中，优选地，特性是可量化的，并且排序包括根据幅值和特征量(magnitudeorquantityofthecharacteristic)排序伪像。方法可以包括提取表示伪像的多个不同类的信息，然后，对每个种类的伪像排序，排序包括分别排序原始伪像的信息。方法可以包括，在原始条目上限定多个预定的位置，以及提取表示伪像的信息包括，将每个伪像与预定的位置相关联。其中，原始条目具有包括多个单元的印刷的符号，预定的位置可以至少是多个单元中的一些，并且伪像可以是这些印刷的单元的伪像。实践中，为了最小化可利用的伪像的数量，通常优选地利用整个符号。然而，这不总是必须的。例如，如果符号具有大量的单元，并且具有高几率的可用伪像，可以利用更小的单元组。在实施例中，已经发现，六类伪像具有稳健的效果，每个类具有100个伪像，每个类中通过幅值排序。伪像可以包括选自类组的至少一类伪像，该组由以下组成：单元的平均颜色与标记内部的平均值之间的偏差，该平均值是具有相同标称颜色的相邻单元的平均值、单元相对于相邻单元的最佳匹配网格的位置偏差、出现在单元中的、与单元的标称颜色不同的颜色的区域，以及长连续边缘的标称形状的偏差。生产原始条目可以包括应用标记至该原始条目，伪像可以是标记的特征。“生产原始条目”可以包括检查开始之前的每个阶段，以及可以在开始生产原始标记和紧接检查之前的任何时间，将标记应用在单独的步骤。印刷了条目或标记的地方，伪像可能包括印刷瑕疵或其它变量。印刷的标记表达信息，该瑕疵可能太小以至于不能实质上影响该信息的可读性。产生条目可以进一步包括，引起额外的随机或准随机(randomorquasi-random)特征，可用作印刷中产生的所述伪像。提取信息可以进一步包括，确定产生伪像的打印机类型，其中伪像具有多个不同的种类。编码排序的原始伪像信息并存储包括至少一个根据打印机的类型排序不同类型的伪像，以及存储指示打印机类型的数据作为存储数据的一部分。该信息可能是有用的，这是由于不同类型的打印机能够产生具有不同种类的伪像，该不同种类的伪像具有不同的幅值范围、或者偶尔或经常性地具有可能影响如何评估不同种类的伪像或给不同种类的伪像如何加权的其它变量。除了表示原始伪像的信息，可以将与原始条目相关的其它信息合并入存储数据中。该其它原始信息可以包括特定于该原始条目的序列号。这样，就可以将除了表示原始伪像的信息之外的其它信息从检索的存储数据恢复。其中至少伪像中的一些是符号的伪像，该符号编码数据，编码的数据包括，用于符号的单个实例的唯一标识符(uid)或其他的识别数据，可以将存储数据存储从而可以利用源自uid或其它标识数据的标识符检索该存储数据。其中其他标识数据只部分地识别符号，例如，识别少于所有条目的一类或一组条目，该所有条目的数据存储在数据库中，可以存储这些数据使得可以利用源自其他识别数据的标识符检索该类或组的存储数据。通过在被检索的组中进一步搜索，可以检索到需要的单个原始条目的存储数据。确定可以包括，评估未验证伪像的信息匹配原始伪像的信息的统计概率。然后，当未验证伪像的信息和原始伪像的信息在相互的预定的百分比之内时，可以确定未验证伪像的信息匹配原始伪像的信息。在统计概率超过第一阈值的情况下，可以确定未验证条目是核实的原始条目。在统计概率低于第二阈值的情况下，可以确定未验证条目不是核实的原始条目，该第二阈值小于该第一阈值。在统计概率位于第一阈值和第二阈值之间时，可以报告不能确定未验证条目是否是原始条目。在评估统计概率时，可以给具有较大的幅值的伪像较大的权重。比较伪像的信息可以包括探测伪像，该伪像存在于原始条目和未验证条目中的一个，并且不存在于原始条目和未验证条目中的另一个。伪像存在于未验证条目而不存在于原始条目(同时缺少该条目已经被毁坏的指示)与存在于原始条目而不存在于未验证条目一样重要。通常，“忽略”(discounting)伪像包括，考虑该伪像比其它可比较的伪像具有低统计排序，考虑该伪像为单独一类伪像，不能将其精确地量化和/或排序，用与考虑没有探测到那类伪像的位置相同的方式考虑该伪像，并且完全忽略该伪像。即使在一个实施例中，也可以将这些方法中的不同方法应用到不用的点。至少一些伪像是符号的伪像，该符号编码数据并支持误差检测，提取表示未验证伪像的信息可以包括确定包含未验证伪像的符号的异常状态。如果该异常状态指示符号的部分被损坏，则比较可以包括比较符号的毁坏部分的忽略的伪像。在存储步骤之前，可以将原始条目分隔成多个原始区域。那么就可以将原始区域与位于其中的至少一部分原始伪像中的每一个相关联。可以保存表示相关的原始伪像和他们在存储数据中的各自原始区域的信息。那么可以将未验证的条目分隔成至少一个可用的未验证的区域，该可用的未验证的区域对应少于所有的原始区域。该可用的未验证区域与位于其中的至少一部分未验证伪像中的每一个可以是相关联的。可以从检索的存储数据中恢复信息，该信息表示原始伪像和对应于该可用的未验证区域的相关的原始区域。在比较步骤中，只能利用表示原始伪像和相关的原始区域的信息，该原始区域对应于该可用的未验证区域。在检查未验证条目的步骤之前，可以将原始条目贴到物体上已形成原始物体；在未验证伪像的信息匹配原始伪像的信息的情况下，可以将贴了未验证条目的物体验证为核实的原始物体。可以通过参考具有至少两个标称颜色(nominalcolors)的相邻单元的平均颜色(averagecolors)之间的区别，标准化平均颜色偏差的幅值。可以参考单元的大小，标准化与相邻单元的最佳匹配网格有关的单元的位置偏差的幅值。通过区域的大小，可以确定与单元的标称颜色相反的颜色的区域的幅值，并且参考单元的大小可以将该幅值标准化。参考最佳匹配直线或其它平滑曲线，可以将相对于长连续边缘的的标称形状的偏差的幅值标准化。其中编码排序的原始伪像的信息包括计算排序的原始伪像的信息的自相关序列，编码可以进一步包括将该自相关序列呈现或近似为具有固定阶数(order)的多项式，并且利用多项式系数形成存储数据。该近似可能是具有预定阶数的多项式，并且该系数可以是被近似成预定的精度。其中编码排序的原始伪像的信息包括计算排序的原始伪像的信息的自相关序列，比较可以包括计算未验证伪像的信息的自相关序列，并且比较这两个自相关序列。比较可以进一步或可选地包括，比较这两个自相关序列的离散傅里叶变换(dft)幂级数，并且可以包括比较该dft幂级数的峰度和分布偏差函数中的至少一个。根据本发明的实施例，通过利用本发明的任何一个或多个提到的实施例或方面，提供用于验证条目的身份的装置或系统，包括：原始条目扫描器，该原始条目扫描器可操作用于检查原始条目和提取表示原始条目的原始伪像的信息；编码器，可操作用于将提取的信息编码成计算机可读条目标识符；以及计算机可读存储设备，可操作用于存储条目标识符。根据本发明的实施例，通过利用本发明的任何一个或多个提到的实施例或方面，提供验证条目的身份的装置或系统，包括：验证扫描器，可操作用于检查未验证条目，并提取表示未验证条目的未验证伪像的信息；以及处理器，可操作用于从存储设备检索存储的条目的标识符，从检索到的条目标识符恢复原始伪像的信息，比较未验证伪像的信息和原始伪像信息，以及根据采集结果产生输出。根据本发明的实施例，提供验证条目的身份的装置或系统，包括：结合上述的装置或系统产生并存储条目标识符，以及结合上述描述的装置或系统检查并比较未验证条目。可以将验证扫描器联接到销售点设备上。可以将验证扫描器嵌入到手机中。系统可以进一步包括原始条目生产器，其可操作用于生产原始条目，其中伪像是条目的特征，在输出条目时产生该伪像，并且至少一些伪像是通过印刷条目生产器不可控地产生的。可以操作该原始条目生产器有故意地产生或增强至少一些伪像。该原始条目生产器可以包括原始标记应用器，其将标记应用至原始条目，该原始条目具有伪像，该伪像是标记的特征。该原始条目生产器可以包括打印机，其具有至少一些伪像，该伪像包括打印过程中的变量或缺陷。系统进一步包括至少一个原始条目，该原始条目的条目标识符存储在计算机可读存储设备中。在各个实施例中，伪像可以是条目标识的特征，或者是已经被应用到条目的标记的特征。条目可以是最终需要被验证，或被附着(通常但不是必需地以标签的形式)到需要被验证的物体上的东西。如果该物体、标签或标记涉及打印，则一些或所有伪像可以是打印过程中的变量或瑕疵。“验证条目的身份”可以包括验证应用至条目的打印或其它标记、或者附着到物体的条目没有被改变或替换，即使潜在的条目或物体是原始的。例如，可能需要验证有效期、序列号或没有被篡改的其它跟踪或识别数据。在一些实施例中，优选地，伪像是特征，该特征不影响或者至少不减小标记、条目或特征出现在其上的物体的功能或商业价值。本发明的其它方面提供原始条目，该原始条目包括原始物体，该原始物体包括原始条目被附着其上的物体，将原始条目的签名数据存储在根据本发明的另一方面的系统的存储设备中。附图说明通过下文对实施例的更具体的描述，并结合附图，可以清楚本发明的上述及其它方面、特征的优点。图1是利用体现本发明的方法做的印刷标记的实例的绘示。图2是为了清楚而提取了图1中的标记的边缘特征的标记的绘示。图3是与图1中的标记相同的标记的第二个实例的绘示，其描绘了图1中的标记的伪造的版本。图4是为了清楚而提取了图3中的标记的边缘特征的标记的绘示。图5是2-维数据矩阵，其绘示了本申请中的方法可能用到的特征。图6是比较图2和图4中的左上角部分的绘示。图7是计算机系统的示意图。图8是执行本申请的实施例中的步骤的计算机系统的方块图。图9是记录新标记的方法的实施例的流程图。图10是特征值(characteristicfeature)的权重的图表。图11是评价标记的方法的实施例的流程图。图12是绘示了本申请中的方法可能用到的一些特征的1维条形码。图13是用真实的“候选的”标志对用于真实的条目的自相关序列进行多项式逼近的图形。图14是图13中的真实的数据的幂级数的图表。图15是类似于图14的、用于图13中的“候选的”数据的图表。图16是类似于图14的、用于伪造的“候选的”标志的图形。图17是类似于图14的、在图16中使用的伪造的数据的图表。图18是2-维数据矩阵的一部分的图表，绘示了编码过程。
发明内容可以参考下文对本发明的示例的详细描述及附图，理解本发明的方法和设备的各个特征和优点。虽然这些附图描述了本发明的方法和设备的实施例，但是不应当理解为排除对本领域技术人员显而易见的替代的或等同的实施例。目前对方法的描述性实施例对应用在条目上的标记操作。这些标记可以用于唯一地识别条目(例如具有序列号的条目)，或者他们也可以用于其他用途。例如品牌、标签或装饰。可以利用各种处理，通过印刷、刻蚀、铸模、塑造、转移(transferred)或其他方法将这些标记应用到条目上。电子采集系统是多样的，可以包括但不限于机器视觉摄像机、条形码扫描器、行扫描器、平板扫描仪、手持便携成像设备或很多其他装置。现在参考附图，图1示出了主要由参考标号20指示的印刷标记的例子，可以将本发明的方法应用其上。在该例子中，该印刷标记是2-维条形码。该条形码是信息的数据载体，其中将标记上的信息编码为亮区域22和暗区域24模式。2-维条形码的理想实例包括矩形网格，网格中的每个单元或“模块”22、24或者是黑的或者是白的，代表一比特数据。图2提供了图1中示出的标记呈现的一部分变化的增强视图。图2只示出了图1中示出的标记的亮的和暗的区域之间的边缘26。图1中示出的标记中的特征诸如边缘线、区域不连续以及特征形状是很明显的。沿着标记的印刷的特征的边缘的许多不规则是明显可见的。注意提供该绘示的目的是为了清楚，而不是本发明方法的必要的处理过程。在一些实施例中，这样的边缘提取是有利的，因此是可以使用的。在一些实施例中，提取特征而不是边缘。图3示出了主要由参考标号30指示的第二个印刷标记的例子，该印刷标记表示图1示出的标记20的伪造版本，或者可以表示用于识别目标的标记的第二个唯一的实例。该第二个印刷标记30也是2-维条形码。当利用2-维条形码阅读器读该伪造的条形码30时，其会呈现与图1中的标记20完全一样的解码信息。当需要图3中的标记30时，本实施例再次识别重要的特征，并且将他们采集作为唯一地识别该标记的“签名”数据。如图1所示，该签名数据来源于该标记的几何结构和外表的物理的和光学的特性，另外，该签名数据可以包括编码在标记中的数据，该标记应该是携带数据的符号，诸如2-维条形码。评估的用于创造签名数据的标记的属性通常与用于评估第一个实例中的标记的属性相同，使得可以直接对两个签名进行比较。图4提供了图3中示出的标记30呈现的一部分变化的增强视图。类似于图2，图4只示出了图3中的标记的边缘32。图3示出的标记中的相应的特征和变化，诸如边缘线、区域不连续以及特征形状是很明显的。可能用到的一些特征的例子在图5中更详细的示出，将在下文详细描述。图6示出了图2和图4中的左上角的特征的详细比较。可能从图6可以更清楚的看到，图1和图3中的这两个印刷标记20和30，即使从他们的明显的编码的数据开看他们是相同的，但是如果仔细看就会发现很多不同，这是应用到标记上的印刷过程的缺陷所致。这些不同是持久的，通常几乎跟标记本身一样持久，尤其当将在图1和图3中的符号之间发现的很多不同结合起来时，这些不同几乎是唯一的。另外，这些不同几乎不可能伪造，这是由于必须以比原始的印刷更高的分辨率成像和印刷原始的图像，同时不引入新的可分辨的印刷缺陷。这里只示出了标记的左上角部分，图1和图3中示出的两个标记的区别特征贯穿标记的全部，并且可以被本实施例利用。参考图7，通常由参考编号50指示的计算机系统的实施例包括，其他设备、处理器或cpu52、包括图像采集设别59的输入和输出接口54和56、随机存储器(ram)60、只读存储器(rom)62以及用于存储程序和数据的磁盘或其它长期存储器64。该计算机系统50可以具有用于产生标记20的打印机65，或者打印机也可以是单独的设备。可以通过接口66将该计算机系统50连接到外部网络68或其它通信媒介，并且通过网络68连接到具有长期存储器72的服务器上。虽然为了简便这里没有示出，但是可以将几个相似的计算机系统20通过网络68连接到服务器70上。参考图8，在计算机系统的一个实施例中，图像采集设备提供图像数据至签名提取和编码处理器74，其可以是运行在计算机系统50上的cpu52上的软件，或者可以是专用的协处理器。签名提取和编码处理器74提供签名数据至可接入网络的签名数据存储器76，其可以是服务器70上的长期存储器72。可接入网络的标记签名搜索引擎78可以是运行在计算机系统50上的主cup52上的软件，或者可以是专用的协处理器，其从签名提取和编码处理器74和/或签名数据存储器74接收签名数据。签名比较处理器80通常比较由签名提取和编码处理器74从最近扫描的标记30提取的签名，该标记30具有之前存储到签名数据存储器76中的并且与真实的标记20相关联的签名。如通过图8的上部分和图8的下部分之间的分隔线示出的，扫描候选的标记30的计算机系统50可能与扫描原始标记20的计算机系统50不同，其中图8的上部分涉及真实的标记签名采集和存储，图8的下部分涉及候选的标记签名采集、标记和验证。如果这两个计算机系统不同，那么通常他们或者共享访问签名数据存储76，或者将存储的签名数据的副本从真实的标记采集系统50上的存储器76传送到候选的标记评估系统50。更具体地，参考图9，根据本发明的实施例，在步骤102中，在该例子中绘示为2-维条形码的标记类似于图1中示出标记，通过打印机65将该标记应用到物体，或将其应用到标签，然后再将该标签应用到物体。如已经解释过的，打印机应用2-维条形码通常会引入大量伪像，这些伪像太小以至于不能影响由条形码编码的明显的数据的可读性，并且太小以至于在打印过程中无法控制他们的出现，但是他们是可视的(可能只有在放大镜下才能看到)和持久的。如果个别打印机没有提供好的伪像，如下文所述的，可以使一些打印机在他们的输出里包括随机的或者伪随机(randomorpseudorandom)的变化。在步骤104中，通过合适的成像或其它数据采集设备58获取标记。该图像设备可以是任何便易的形式，包括传统的设备或由此发展而来的设备。该实施例中的唯一的限制为，成像设备必须以比产生该标记的设备的可控输出更精细的水准在标记的外表收集数据。在图1-4示出的例子中，细节是亮的和暗的区域之间的边界的形状，其分别率比印刷的2-维条形码的模块的尺寸更精细。下文描述了其它例子的合适的特征。如果将标记用于防伪措施，使成像设备以比可能用于产生伪造的标记的可控输出更精细的水准收集数据，防伪性会最强。然而，对可能用于该目的特定标记中的特定细节保密不是必须的。在步骤106中，对包含在标记20中的明显数据的唯一标识码(uid)编码。如果打印机65与图像采集设备58位于相同的计算机系统50上，则可以将该uid从一个传送到另一个，避免对图像采集设备58采集的图像中的uid进行解码。如果标记20不包括uid，则该步骤需要唯一地识别标记20的特定实例的其它信息。在步骤110和112中，利用签名提取和编码处理器74分析标记20的图像以识别重要特征。在步骤120中，将涉及这些特征的数据存储在签名数据存储器76中作为唯一地识别标记20的“签名”数据。该签名数据源自该标记的几何形状和外表的物理的和光学的特性，另外，其包括编码在标记中的数据，该标记应该是携带数据的符号，诸如2-维条形码。被评估用于创造该签名数据的标记的属性包括但不限于特征形状、特征对比、边缘线、区域不连续、无关的标记(extraneousmarks)、印刷缺陷、颜色、色斑、对比度变化、特征长宽比、特征位置以及特征尺寸。现在参考图5，在下述例子中，将以下特征作为示例性可变特征：在平均模块色斑(modulepigmentation)或标记强度92中的偏差、相对于最佳匹配的网格的模块位置偏差94、该符号中的无关标记92或空隙96的存在或位置以及该符号中的长的连续边缘98的形状(线)。这些特征作为形成唯一符号签名的主要度量。图5示出了这些特征。在该标记是携带数据的符号的情况下，诸如作为2-维条形码，本实施例可以利用体现在并且编码在该符号中的该附加的信息。该信息被编码，例如唯一的或非唯一的序列号其本身可能被包括为签名数据的一部分，或为了更容易检索被用于索引该签名数据。另外，可以为2-维条形码或其它数据载体建立特性测量(qualitymeasure)，在步骤108中，任选地，可以提取代表符号特性的信息，并将其作为一部分包括在签名数据中。可以将特性信息用于探测标记20的变化，这会导致将标记错误的确定为伪造的，这是由于这些变化可以改变标记的签名数据。一些可以利用的但不限于此的特性测量是：在iso规范15415“数据矩阵分级处理”中定义的未使用的纠错和固有型样损坏度或者其它标准。这些测量使探测那些对签名数据有用的区域成为可能，该签名数据通过对标记的损坏而被改变，因此，在比较标记的签名数据和存储的真正标记的签名数据时忽略考虑该签名数据。签名度量权重(signaturemetricsweighting)在该例子中，根据图像分辨率，可以容易的提取图5中绘示的四个度量中的每一个，并且如图10所示的，可以以提取有用数据需要的分辨率的顺序安排这些度量，该有用数据与四个度量中每一个相关。分辨率从最高到最低的顺序为：模块色斑、模块位置偏差、空隙/标记位置、边缘形状投影。递增的图像逼真度和分辨率允许利用逐步更高的精度分析进行越来越精确的分析。例如，在低分辨率图中，大概只对提取模块平均色斑92和模块位置偏差94有很大信心，所以在确定候选的符号和存储的真正数据的签名匹配时，给这些数据更大的权重。对于高分辨率图像，处理会持续直到精确边缘投影度量(fineedgeprojectionmetirc)98，并且在签名匹配确定中将其作为最高权重考虑。如果其他(偏低的权重)测量之间对于期望的签名有分歧，这可能是由于图像采集设备造成的符号损坏或伪像。然而，对符号20的损坏、改变或者图像伪像基本不可能修改伪造的代码30以很巧合地以很高的精度匹配有效条目20的边缘投影签名度量98。因此，如果该边缘投影是高相关的，并且在动态范围内展示了足够大的幅度，则其可以取代低-分辨率的度量以支持高匹配信心。另外，在优选实施例中，以2-维数据矩阵代码为例，利用符号学的标准解码算法提供的纠错信息进一步合适地加权签名度量数据。如果由于算坏了标记而使符号内的数据区域毁坏，并且该区域与存储的签名数据产生了分歧，而没有毁坏的区域与存储的签名数据是一致的，则应该减小对该毁坏区域的权重。在候选的符号度量与真实的符号签名数据比较时，该机制可以防止可探测的符号毁坏呈现假阴性结果。iso16022“数据矩阵符号”规范描述了如何将纠错码分配在2-维矩阵中，以及如何在数据矩阵中识别毁坏的区域和没有毁坏的区域。幅值过滤在步骤114和116中，评估候选的签名特征，以确定他们具有足够的幅度作为每个签名度量的一部分。这些步骤确保形成每个签名度量的特征具有真实的“信号”，以将其编码为标记的区别特征。不能将阈值最小值应用至签名贡献者的候选中会导致，在任何后续的试图根据真实的存储的签名验证标记中，允许将签名包括在噪声中，致使验证过程高度敏感于装置的特性限制和逼真度限制，所述装置用来捕获用于签名分析的标记数据。通过确保签名度量只由满足这些幅度最小值的特征形成，就可以确保进行成功的验证由各种各样的采集设备(装配有手机的摄像机、机器视觉摄像机、低质量或低分辨率成像器等)在各种环境(变化的、低或非均匀照明等)中采集的标记签名。在优选实施例中，以2-维数据矩阵代码为例，在步骤110、112和114中，提取用于四个签名度量92、94、96和98的候选特征，并根据幅值对他们分类。如前所述的，为了在该标记中使用这些方法，必须采集标记20以使得可以在电子表格中处理这些特征，通常将该表格做成彩色灰度图像。在预备步骤中，将该2-维数据矩阵作为一个整体分析，并且确定由矩阵单元的边界之间的“理想”位置限定的“最佳匹配”网格。然后再通过发现最偏离“正常的”或“最佳的”标记的、用于分析的特定度量的属性的状态选择候选特征。考虑图5所示的2-维矩阵代码例子，一些合适的属性为：1.模块92，其平均色值、色斑或标记强度最接近将暗模块和亮模块区分开的全局平均阈值，正如通过数据矩阵读算法确定的“最亮的”暗模块和最“暗”的亮模块。2.标记为模块94的位置最偏离理想的位置，该理想的位置通过将最佳网格应用到整个符号20而限定。识别这些模块的两种方法优选为：(a)提取候选模块边缘位置，并且将这些边缘位置与他们期望位置比较，这些期望位置由对于这个符号20的理想的、最佳匹配网格限定；(b)提取两个极性相反的(亮/暗或暗/亮)相邻的模块之间的边界区域的直方图，相对于该最佳匹配网格，样本区重叠每个模块的百分比相同，并且从50/50双峰分布评估该直方图的偏差。3.该符号模块中无关标记或空隙96，他们或者是亮的或者是暗的，被限定为具有很宽的照明范围和色素密度；即模块在将暗模块和亮模块区分开的全局平均阈值的两侧都具有色素水平，最好的签名候选是那些具有双峰亮度的直方图，这些直方图在最外层的主模(dominantmodes)之间具有最大的距离。4.或者测量符号中长连续区域98的形状的连续性/线性或者测量其不连续性/非线性的程度。提取该数据的优选方法为宽像素亮度值投影，一个模块的投影长度与最佳网格有半个模块的偏移，垂直于界定符号的最佳网格的边缘的网格线。该2-维数据矩阵是一个很好的例子，这是因为其由方形黑色和白色单元组成，上述特征在这些单元中很容易被看到。然而，当然可以相同的原理应用到其它形式的数据-编码或非-数据-编码可视标记中。一旦识别出符合上述标准的候选特征，在步骤114中将该特征以幅值为顺序存储在列表中，然后在步骤116中，通过发现每个列表中的第一特征对其进行幅值限度滤波，该第一特征不满足建立的最小幅值以作为度量的贡献者。可以将该阈值在任何方便的水平下设定的足够低以包括合适数量的、不容易被复制的特征，并且将设定的足够高以排除不合理的持久的、或者接近图像采集设备58的噪声基底的特征。在该实施例中，从该点处将该排序列表的低-幅值段截掉，并且存储剩下的(最高幅值)特征连同他们在标记中的位置，将他们作为该度量的签名数据。优选地，存储所有位于截断阈值之上的特征，这隐含地在签名中包括这样的信息：在标记的其它地方没有签名特征位于幅值滤波阈值之上。如预先知道的，不同的标记设备技术在不同的属性呈现优越的或低劣的签名特征，该不同的属性用于建立度量签名数据时使用，可以将该签名数据类型用于预加权该度量，将其称为权重配置(weightingprofile)。例如，应该利用热传递打印机建立真实的标记，众所周知，平行于运动方向的基底材料的边缘投影不可能携带具有足够大幅值的签名，即该幅值足够大以编码作为该真正的签名数据的一部分。在采集原始真实的签名数据期间，可以使用关于各种标记设备行为的知识。如果使用这些知识，将在建立真实的标记签名时使用的所有度量加权，以适合于特定的标记设备类型的已知的行为，并且强调/不强调该度量的映射的该结果变成度量权重配置(metricsweightingprofile)。在步骤118中，将用于建立原始标记的、基于该标记设备类型的该度量权重的属性(profile)存储作为该签名数据的一部分。在步骤120中，以幅值的降序将签名度量存储为特征的有序列表。每个特征的列表条目包括定位该特征在标记中的位置的信息，可以从该位置提取该特征。在该实施例中，以唯一标识符内容(通常是序列号)索引每个符号的记录，该唯一标识符内容被包括在符号中清楚地编码的数据中。可以将该记录存储在可以通过网络访问的数据存储服务器或设备中，或者将其存储在需要的当地。可以将副本存储在位于多个位置的本地存储器中。低幅度(amplitude)签名度量对于一个或多个签名度量，如果符号20的实例或符号中的可识别区域缺少任何满足最小幅值的签名特征，那么在该实施例，将存储该事实自身作为签名数据的一部分，从而利用缺少签名数据变化作为符号的唯一识别信息的一部分。在这种情况下，只有被用于对数据验证的符号具有零个满足用于讨论的度量的最小幅值签名特征时，或者具有足够少的签名特征以通过统计检验时，才考虑该符号是真实的。在这些情况下，用于特定度量的权重是减小的，没有区别特征的区域不如具有明显区别特征的区域在识别特征上稳健。没有明显特征的符号或区域是最没有用的。真实标记20和候选标记30都缺少明显特征只是证明候选标记是真实的微弱的证据。候选标记30缺少明显的特征，而真实标记20没有特征是证明候选的标记是伪造的较强的证据。这里为可预见的签名度量(appreciablesignaturemetrics)特征而做了一个例外，该可预见的签名幅值特征归因于对候选符号30中的符号损坏，通过前述的、利用从特定的方法学的解码算法获得的符号纠错信息揭示该可预见的签名幅值特征，并且如前所述的、使其遵循采集的图像逼真签名度量加权的原则。在极限情况下，真实标记20和候选标记30都只包含子阈值数据(如2中的“完美”符号)，利用目前的例子他们是不可区分的，这是由于目前的例子的过程依赖真实或者伪造的标记中的可测量的变化作为探测方法。实践中这是没有问题的，这是因为目前不能期望有使用场景(通常是在线的、高速的打印)能产生完美的符号。例如，如果有必要，如果使用的打印过程控制太好了以至于不能产生足够的可测量的变化，那么在步骤102中，可以故意地引入随机或准随机的变化来产生标记20。因此，可以探测到这些变化，并且也可以探测到在如前所述的方法产生标记的过程中自然形成的变化。例如，如果将标记打印在标签上，可以利用打印机和标签基材产生这种高质量的标记，即自然形成的变化是足够的以可靠地将单个标记与其它标记相互区分开。在这种情况下，可以修改打印过程以引入随机的或准随机的异常至打印的标记，使得随机引入的异常和自然形成的变化一起，以足够的可靠地将单个标记同其它标记相互区分开。与只依赖有意应用的安全特征的方法相反，目前的过程只要增加最小的准随机特征以增强自然产生的变化。在该方法中，可能产生这样一种情况，在该情况中，标记足够可以满足用于产生可用的签名的幅值滤波阈值最小值。可以利用任何合适的方法将这种伪像引入标记20。例如，在示例性实施例中，可以使打印机将适于自己产生必要的伪像作为打印步过程一部分，或者在打印之前，修改产生标记的软件以引入伪像等等。因此，当使用低变化标记技术时，故意引入的伪像可以增强本文描述的系统和方法的性能。分析参考图11，在该实施例中，以幅值的降序将签名度量存储为有序列表，并且该签名度量包括定位其在标记中的位置的信息，从该位置可以提取该签名度量。在优选实施例中，以2-维数据矩阵代码为例，评估候选的标记或符号以确定其真实与否的步骤如下：在步骤152中，通过图像采集设备58采集候选标记30的图像。在步骤154中，解码候选的标记30中的清晰的数据，并提取其唯一标识(uid)内容。在步骤156中，利用uid查找具有uid的原始符号20的原始存储的签名度量数据。可以从本地存储器64检索该存储数据，或者也可以从可接入网络的数据存储服务器或设备72中检索该数据。在候选标记30不包含uid的情况下，可以获取与候选标记30相关的其它识别信息。可选地，可以在以下步骤164之后，搜索存储器64或72上的整个真实标记签名数据库，以试图定位与候选标记签名匹配的真实签名。在步骤158中，对于可以对2-维条形码或其它数据载体进行特性测量的情况，类似于在步骤108中获取的用于真实标记20的特性测量，可以获取用于候选标记30的特性测量。可以在后续的分析步骤中利用该特性测量以降低标记的给定权重，或者降低由于其应用而似乎被损坏的部分标记的权重。同样，存储该原始符号20的特性测量为真实签名数据的一部分，并且可以将该存储的特性测量用于验证从候选标记30中提取的签名数据。在步骤160中，从步骤152采集的候选标记30的图像中提取显著的签名特征。从整个候选标记30(除了由于ecc错误毁坏的不合格的区域)搜索显著特征。另外，指定从符号中的哪个位置提取原始的、真实的符号签名数据的信息，被用于指定从候选符号的哪个位置提取签名数据。这会确保注意到存在于标记20中、却不存在于标记30中的特征。在步骤162中，编码签名特征用于分析。在步骤164中，将从候选符号30中提取的签名数据存储成与原始符号20的原始列表相同的顺序(例如，幅值-分类的)。在步骤166中，将候选的签名数据与存储的原始签名数据比较。对数据进行统计操作，该统计操作可以揭示两个数据组之间的数字相关性。对每个度量都进行单独的数值分析以产生测量，该测量可以反映该候选符号是该度量的真实条目的信心。如果该标记不包含uid数据，并且也不能获取其他可替代的识别数据，那么就可能必须利用以下参考图13讨论的程序搜遍数据中的类似的标记。例如，在图1和图3的情况下，可能必须搜遍所有具有相同的明显模式的真实标记20，该明显模式具有黑模块和白模块。搜索的目的为识别或不能识别单个真实标记20，其唯一地类似于该候选标记30。在步骤168中，将度量权重配置(metricsweightingprofile)存储作为真实的签名数据的一部分，该信息用于根据产生原始真实标记的标记设备的类型，强调和/或不强调度量。在步骤170中，步骤104和152中使用的图像采集设备58具有不同的敏感度，可能需要调整签名数据对整个分析结果的贡献。例如，对于低敏感图像采集设备58，可能需要设定用于显著特征的最小幅值阈值在合适的水平，或者可能需要从分析集中忽略特定的度量，这是由于如已知的在由原始设备产生的标记中，该度量没有携带适当的签名幅值。在一些情况下，可能被识别为如图10所示的范围中的较高分辨率范畴中的一个范畴中的特征，其可能被低分辨率扫描器识别为不同范畴中的特征。例如，一个特征在高分辨率中被看到是具有白色空隙的黑模块，然而在低分辨率中，其可能被看到是“低色斑模块”。通常，利用验证扫描器58的分辨率连同标记设备度量权重配置(metricsweightingprofile)一起确定强调/不强调那个度量。在该例子中，在低分辨率图像中，特征可以存在于“低色素”列表中，但是在高分辨率图像中，可以存在于“低色素”和“空隙”两个列表中。由于使用的方法最终要经过基于统计的分析，因此低于原始扫描的分辨率的小标记(minormark)的偶然出现不会有太大的影响，尤其是因为即使其没有被做为“目标”，其影响也会被至少一个使用的度量(诸如该例子中的降低的模块灰度水平)采集。即使在验证图像中使用的扫描分辨率高达在原始签名扫描中使用的分辨率的两倍，这在实践中被证实是真实的。如果想要明确地校正该原始的和/或验证扫描的分辨率，在很多情况下，可以在验证时间内，通过探测伪像的数量在扫描器的分辨率阈值处的相对陡降来确定分辨率。可选地，如果原始扫描器可能比验证扫描器的分辨率低，则可以将扫描分辨率，或者可以从其中获取分辨率的其它信息包括为存储的签名的元数据，类似于上述的度量权重配置。无论使用什么步骤，以伪像的幅值为顺序分类签名数据，会使应用或改变阈值幅度变得很容易。在步骤172中，当分析真实标记时，通过排除，预计标记中所有满足最小幅值阈值的、没有呈现在特征位置有序列表中的位置缺乏显著签名特征。通过检查候选标记内所有期望子阈值特征的位置的签名特征幅值评估这种情况，当发现特征超过阈值最小值时，朝负方向调整结果至合适的度量。当显著特征被评估用于符号纠错或其它图像属性时，如果在被确定为已经损坏的区域中发现显著特征，那么根据毁坏相对于特征提取点的位置和涉及的特定度量的性质，减小调整或者完全不执行调整。例如，如果从候选标记30的模块(该模块临近但不同于毁坏的模块)中提取相对于原始标记20的签名特征的差异，由于该特征，对度量的负向调整可能以比例减弱，该比例反映度量签名中的降低的信心，这是由于临近已知的毁坏区域的前面的模块很可能遭受了毁坏，该毁坏影响度量，但是却低于特性或方法学的ecc评估机制的可探测阈值。如果从毁坏的模块中直接提取差异，或者该度量是跨越多个模块的类型中的一个，并且该跨越包括该毁坏的模块，那么就完全不应用该调整了。在步骤174中，利用这些单个的置信度值确定在候选标记30中的全局置信度(overallconfidence)是真实的(或者伪造的)，如前所述的，利用图像逼真度、分辨率和符号毁坏信息将单个置信度值合适地加权。在步骤176中，确定是否结果是足够确切可以接受的。如果签名数据的比较产生中间结果(例如，具有矛盾的指示的单个度量，该矛盾的指示通过利用数据加权机制无法解决)，那么提示提交用于验证的符号的用户再次提交该符号的另一幅图像用于处理，并且该处理转向步骤152。由于实践的原因，允许重新操作的次数是有限制的。在步骤178中，确定是否超过该重新操作的限制。如果超过，则阻止再次返回扫描。一旦成功地完成了分析，步骤180报告比较分析的结果。该报告可能是通过/失败，或者可以在结果中指示置信的水平。可以在当地显示该结果，或者将其传输到网络计算机系统上或者用于进一步动作的其它设备上。如果达到重新操作的限制后仍然不能确定结果，则仍然会进行步骤178，该步骤同样可以报告不确定的结果。在存储从图1所示的标记20提取的签名数据的基础上，当将与真实的标记呈现为候选标记30时，该方法能够识别该标记，这是由于当利用相同的过程分析对其分析时，可以确定其具有相同的签名数据，至少到达统计置信度的期望水平。类似地，通过识别签名数据(例如从图3所示的标记的实例提取的)与来自原始地处理图1所示的真实标记而存储的签名数据不匹配，该方法能够识别图1所示的标记20的伪造副本30，或者区分标记的不同的唯一实例。在失真基材上的操作在优选实施例中，在获取签名度量时，避免在其上制作分析的标记的基材失真是很重要的。模块亮度或颜色、模块网格位置偏差、空隙或标记位置和边缘投影形状使采用的提取方法免疫由呈现失真的基材导致的签名数据影响。这通过利用特征提取方法完成，该方法动态适应呈现的、独立于标记的长宽比的变化的、标记几何。在优选实施例中，对于此的主要机制为，在开始提取时为候选标记创造最佳匹配网格。这在将真实标记20制作在移动于平的标签网络(travellingonaflatlabelweb)的标签上，然后再将该标签应用到不平整的物体上(诸如具有曲面的瓶子)时尤为重要。将通常很自然地采集位于不平整的表面(该例子中为圆瓶子)的候选标记30用于处理，该候选标记30为提交的用于分析其状态是真实的或者伪造的。验证呈现在各种基材几何形状上的符号的能力表现了本文描述的方法的重要优点，该基材几何形状对报告的签名度量有最小影响的。度量数据的本地参考测量(localreferencemeasurements)对环境的免疫为进一步增强对精确签名数据的提取，本发明的方法在用于组成签名数据的被分析的符号内，尽可能利用本地参考。这对一些因素，如前面提到的基材失真、当采集用于处理时候选标记的非均匀光、采集设备中的非理想或低镜头质量或者很多其它环境或系统变量有更大的免疫。对于该优选实施例，度量参考本地化为：1.参考与相反模块状态(暗对亮或者亮对暗)的最近的模块的平均模块颜色、色斑或标记强度。如果一个单元被识别为具有偏移的平均色斑强度的重要特征92，那么需要重新评估距离该单元最近的相邻单元，而不将识别的偏差单元作为参考。2.模块网格位置偏差以整个符号的最佳匹配网格为参考，因此其具有内在的自适应参考本地化(nativeadaptivereferencelocalization)。3.利用本地模块颜色参考、色斑参考或标记强度参考，分析符号模块中的无关标记或空隙-即被分析的模块本身的图像亮度直方图为应用的方法提供参考值。4.用于提取符号中的长的连续边缘的形状的投影方法在本质上有差别，并且对典型的影响变量具有自然免疫。现在参考图2，替代实施例类似于参考图5描述的过程，但是可以利用其它类型的标记而不是2-维符号。例如，该符号可以是1-维线性条形码、公司徽标等。图示12示出了1-维条形码200的一些特征，可以将这些特征用作签名度量。这些特征包括：条202之间的宽度和/或空间的变化；平均颜色、色斑或强度204变化；黑条206中的空隙(或者白条中的黑点)；或者条208的边缘的形状的不规则。利用自相关方法的分析在上述实施例中，首先，对每个度量的数据的原始列表进行数组-索引匹配，并且将其归一化相关成相似-阶的从候选符号提取的度量。然后利用这些相关结果做出匹配/不匹配的决定(真实的相对伪造的)。这样做，为完成每个度量，存储签名就必须包括原始的真实的符号模块的分类次序，以及他们自身的训练的度量值。除了详尽的存储需要，不“归一化”原始数据，这是由于每个度量具有其自己的规模，有时候是无限的，这会复杂化对存储位深的选择。对上述实施例的典型实施具有存储的大约2千字节大小的签名。现在参考图13至17，在提取原始的伪像度量，并将其作为索引-数组相关的列表(通过符号中的模块位置可相关的)之后，应用度量后处理、存储和比较方法的可选实施例。在自相关基础上，与前面的实施例中的签名比较，这种新的后处理方法的应用在至少一些情况下可以产生几个重要的益处。最重要的为数据包大小的减小：实现减小75％的存储的签名数据。利用一些小附加数据压缩方法，更多(减小高达90％)的减小是可能的。这种大幅度减小是由于应用了自相关、列表分类以及合成的归一化和数据建模机制，允许将这些机制应用到原始伪像的数据。其中，在上述的实施例中，采用如下方式比较一组特定的度量数据：比较从候选标记提取的分类的原始度量和从真实符号提取的相似阶数的原始度量，该自相关方法比较分类的候选符号度量数据的自相关序列和(存储的)分类的真实符号数据的自相关序列-现在我们有效地关联了自相关。为了清楚，众所周知的操作是一般的标准化的相关方程，其中：r是相关结果，n是度量数据列表的长度，以及x和y是真实的度量数据集和候选的度量数据集。当将该操作作为自相关实施时，两个数据集x和y是相同的。为了产生自相关序列，执行多次相关，每一次以相对于序列y的一个附加索引位置偏移序列x(记住x是y的副本)。由于x索引偏移，y数据序列中最后的索引超范围，因此，随着偏移的进行，数据集必须“绕”回起始处；最实用地完成上述过程的方法为加倍y数据，并“下滑”x数据为从偏移0至偏移n，以产自相关序列。在实施自相关方法时，发现的第一个益处为，不必存储签名数据数值本身作为存储数据的一部分。在自相关时，数据序列简单地对自身相关。因此，预先地，需要将提取(分类)顺序和真实的签名数据数值都传递到验证设备用于验证，现在只需要为自相关序列操作提供分类/提取顺序。需要与候选符号结果比较的真实自相关签名不需要存储或传送真实的数据至验证器。由于产生签名的操作总是在分类的度量数据上执行，因此原始伪像的信息的自相关序列总是简单的多项式曲线。因此，不需要存储每个真实的符号度量的整个自相关序列，存储一组自相关系数就足够了，该组自相关系数描述(以预定的阶数和精度)最佳匹配曲线匹配每个度量的真实自相关结果的形状。在实施例中，计算rxy，其中，每项xi是由其幅值和位置表示的伪像，每项yi＝x(i+j)，其中，j是两个数据集的偏移，j＝0到(n-1)。由于通过幅值分类xi，并且幅值是xi最重要的数字，因此，在j＝0处或接近j＝0处有最强的相关，并朝j＝n/2处迅速地下降。因为y是x的副本，所以j和n-j是可互换的。因此，自相关序列总是形成图13所示的u形曲线，其必定是关于j＝0和j＝n/2对称的。因此，实际上只需要计算一半曲线即可，为清楚起见，虽然图13示出了从j＝0到j＝n的整个曲线。实践中，已经发现，对于系数，利用6字节的浮点数的6阶方程，总是能在1％的曲线匹配误差或“识别逼真度”范围内匹配真实的数据。换言之，如果利用实际数量个自相关进行候选验证，并且利用多项式-模块曲线在相同的标记上再做一次验证，那么，取得的匹配分数将在彼此的1％范围之内。对真实候选标记的高匹配分数和对伪造的候选标记的低匹配分数是真实的。这允许完成自相关序列，该自相关序列只用7个数字呈现。估计每个度量可以获得100个数据点，并且有6个度量(已发现这是最合理的实践数字)，其将产生从600个数字到42个数字的减少，并且没有丢失可微性和分析逼真度。即使单个数较大，例如，如果600个原始数是4字节整数，42个多项式系数是6字节浮点数，那么就会有接近90％的数据减少。在一个实验模型中，600个单字节数值变成42个4字节浮点数，将600字节减少到168个字节，有72％的减少。另外，现在清楚地界定和标准化存储的签名数据。将多项式系数表达为固定的精度，通过限定，自相关数据不是总是在-1和+1之间，并且排序次序列表只是分析的符号中的模块数组索引位置。对于2-维数据矩阵，模块数组索引是模块位置在符号内的有序栅格(raster-ordered)的索引，其来自符号学的传统的原始数据，因此，其具有由矩阵符号学的定义限定的最大大小。在一个一般类型的2-维数据矩阵中，起点是限定了网格的左侧边和底部边的两个实心条相交的点。对于每个度量，建立标准有序列表，具有长度为100个数据点，可以给出可预测的、稳定的和紧致的签名。在实施例中，现在真实数据和候选数据的比较开始于利用存储的多项式系数“重构”真实符号的自相关签名。然后，从候选符号中提取原始读数据，并且以相同的排序次序将其存储，如果该排序次序不是预先确定的，则将其表示为真实签名的一部分。自相关候选的度量数据。可以将合成的自相关序列与重构的该度量的真实的自相关曲线相关联，或者可选地，可以通过计算这两个曲线的曲线匹配误差来对他们进行比较。图13和图16生动地绘示了该相关。该最终的相关分数成为特定度量的单独的“匹配”分数。一旦对所有度量都完成该过程，则利用这些“匹配”分数做出候选的符号是真实/伪造的决定。另外，通过将幂级数分析应用至离散傅里叶变换(dft)的数据，使用可进一步由自相关曲线组成。为清楚起见，众所周知的操作是离散傅里叶变换，其中：xk是第k个频率分量，n是度量数据列表的长度，以及x是度量数据集。计算dft数据的幂级数。分析dft序列中由复数表示的每个频率分量的幅值，丢弃相位分量。结果数据描述了度量数据谱能量从低频到高频的分布，并且其为进一步分析的基础。图14、15和17生动地示出了有关这些幂级数的例子。采用两种频率-域分析-峰度和测量环绕整个频谱的中心带频率的能量分析(称为分布偏差)。峰度是用于测量分布的“峰值”的一般的统计操作，这里对幂级数数据中具有有限带宽的紧密地分组的频率很有用。我们采用修正的峰度函数，由下式限定：其中，是幂级数幅值数据的平均数，s是幅值的标准差，以及n是分析的离散谱频率的个数。分布偏差由下式计算其中,n是分析的离散谱频率的个数。当在频率域分析时，真实的符号度量签名(通过幅值分类产生)的平滑多项式曲线在光谱特征中产生可识别的特性。当以与规定的真实签名数据相同的顺序提取度量数据时，如果候选标记是真实的，则该候选标记将呈现类似的频谱能量分布；即真实的排序次序与候选的度量幅值“一致”。分类的幅值的分歧或其它叠加的信号(诸如复印的伪像)显示为高频分量，其不存在于真实符号谱中，因此其提供对符号真实性的附加的测量。这说明了一种可能性，即伪造的自相关序列仍然可能满足真实的符号的最小统计匹配阈值。这是极小的可能性，但是，如果相比于单个数据点之间的误差的幅值，数据的整个范围是大的，那么当利用标准的相关时，这是很有可能发生的，并且主要度量幅值的自然的排序次序正好与真实的符号的接近。这样的信号的dft幂级数的分布特性，将介由存在于候选的序列的小的幅值匹配误差，展现差的匹配特性。这种情况可以表明是真实的标记的复印件。具体地，我们期望真实符号的光谱范围内的高峰度和高分布系数。在候选的附加验证中，连同自相关匹配分数，我们利用该幂级数分布信息作为“可信度”的测量。图13示出了真实条目(多项式逼近)和候选符号(该例子中为真实的)之间的单个度量的自相关序列的比较。注意他们之间的吻合；本图中两个自相关序列之间的相关性超过93％。图14是用于图13中的原始的真实的自相关数据的幂级数。可以清楚地看到频谱主要为低频。图15是类似于图14的幂级数，其来自手机采集的图14的真实条目的图像。呈现了一些图像噪声，但是整体功率谱接近匹配真实的频谱，低频分类具有相同的优势。图16示出了真实条目和候选符号(这里为伪造的)的多项式逼近之间的单个度量的自相关序列的比较。具有相当大的不同，并且候选的自相关比图13中的明显地更参差不齐。两个序列之间的数字相关很低(<5％)，并且在dft分析中(下文)，数据参差不齐的形状也是很明显的。图17示出了手机采集的图4的伪造符号的图像的幂级数。注意低频分量如何随着整个频谱能量减弱，整个谱能量展开包括很大一部分的高频范围。利用字符串比较的可选实施例现在参考图18，在一些实施中，希望避免使用计算密集型的方法，诸如数字相关或其它统计操作。在其他实例中，被用于签名提取的标记可能不是携带数据的符号，或者可能是具有有限数据容量的符号，这就不允许将符号签名度量与唯一标识符(诸如序列号)关联起来。在可选实施例中，可以将符号的签名数据编码成字节串，可将其视为ascii字符而不是上述实施例中使用的数字幅值数据。该可选数据格式提供，直接利用签名数据作为查找特定标记的方法的能力。例如，在数据库中，在数据携带符号的情况下，通常利用序列码查找。当将标记数据编码为ascii字符的字符串时，签名ascii数据本身就变成标记的唯一标识符，例如，就像在数据携带符号的情况下，序列号的作用。在该实施例中，不存储标记的每个签名度量的位置和幅值，而存储的是重要的签名特征的存在(或不存在)以及标记内每个被评估的位置。例如，在2-维数据矩阵符号的情况下，其不携带/编码唯一标识符/序列号，可以将签名数据存储为字符串，每个字符串编码特征的存在/不存在，该特征超过模块中对于每个签名度量的最小幅值阈值，而不编码关于在任何度量中的特征的幅值或数字的数据。在该例子中，符号中每个模块具有4比特数据，每个签名度量占1比特，其中，“1”指示特定的度量签名在那个模块位置具有重要特征。因此，在该例子中，可以将以幅值限度最小值而提取和检测的4个度量的每个可能的组合，编码成每个模块半个字节；0000(十六进制数为0)表示在特定模块中，检测到的签名度量没有一个大于幅值最小值，1111(十六进制数为f)表示在特定模块中，探测的所有四个签名数据都大于幅值最小值。在图18所示的2-维数据矩阵的例子中，前六个模块编码如下。第一模块252没有伪像，至于平均亮度：它是令人满意的黑色。该模块没有网格偏差。该模块具有大的白色空隙。该模块没有边缘形状伪像：其形状是直的和连续的。因此，将其编码为0000。第二模块254具有空隙和边缘形状伪像，并且将其编码为0011。第三模块256很明显是灰色的而不是黑色的，但其没有其他伪像，将其编码为1000。第四模块258没有伪像，将其编码为0000。第五模块260有网格偏差但没有其他伪像，将其编码为0100。第六个模块没有伪像，将其编码为0000。因此，将前六个模块编码为001000111000000001000000，或者十六进制为238040，或者十进制为35-128-64，或者ascii码为#€@(一些ascii码，尤其是那些位于从十进制的128-255的扩展范围内的ascii码具有不同的字符赋值。这对该实施是不重要的，这是由于从不会将他们表示为人类可读的字符)。对字符串编码实施例进行分析采用如上所述的方法编码签名数据，将真实标记的签名度量存储为ascii码串。以2-维数据矩阵码为例，典型的符号大小为22×22个模块，ascii码串部分包括的唯一的签名数据在长度上为242个字符，假设将每个字符(字节)的数据打包成2个模块。将真实标记的签名串存储在数据库中、平面文件中、文本中或者其它任何适合存储很多不同字符串的构造中。存储数据可以位于被需要的本地存储中，或者可以通过网络搜索到的任何连接的数据存储服务器或设备中。在该例子在中，评估候选标记以确定其是否为真实的过程如下：1.分析候选标记及提取的其签名ascii码串。2.将签名串作为存储的真实签名数据的查询词条，以试图在真实签名数据集中发现匹配。3.为了获得候选搜索串的完全精确匹配，对存储数据进行测试。如果没有发现完全字符串匹配，可以通过搜索子串或者通过在整个串上搜索“模糊匹配”来搜索近似匹配。对参考串的数据库搜索候选串的算法，以及返回最佳匹配的身份和百分比身份都是已知的算法，为了简洁，不对其进一步描述。4.如果搜索返回至参考串的匹配至少为第一最小置信度匹配阈值，那么可以接受原始符号和候选符号是相同的。如果搜索没有返回具有大于第二较低阈值的百分比匹配的串，则可以将候选符号认为是伪造的或无效的。5.如果搜索返回的一个存储串的百分比匹配位于第一阈值和第二阈值之间，则可以认为结果是不确定的。如果搜索返回的两个或多个参考串的半分比匹配大于第二阈值，可以认为结果是不确定的，或者可以进行进一步分析，以将候选串与参考串中的一个或另一个匹配。6.当结果不确定时，可以提示提交用于验证的符号的用户，重新提交该符号的另一幅图像以用于处理。反之，或者另外，签名提取方法可以采用重试方法以编码原始图像中的单个特征。可以将重试方法应用到任何模块，该模块在候选符号中的签名数据接近用于那个度量的幅值最小阈值。(在该例子中，无法获取存储的原始符号的签名数据幅值)。如果被分析的符号利用了纠错机制，则可以将重试方法应用至符号中的任何模块，或者符号中的一部分，纠错机制表明符号可能是毁坏的或被改变的。反之，或者另外，可以淡化幅值接近最小幅值阈值的任何签名数据，例如，通过搜索其确定的存在比特(设为1)，然后再搜索不确定的比特(设为0)，或者通过替代“通配”(wild-card)字符。可选地，通过给那些表示接近阈值的特征的比特减少的权重或不加权重，可以重新计算百分比匹配查询。7.一旦成功地完成，就报告比较分析的结果。可以将结果当地显示或将其传送至网络计算机系统或其它设备用于进一步操作。也可以这样报告中间结果。本发明实施例的优点包括：没有限制地，利用被放置在条目上的用于其他目的的标记，唯一地识别条目的能力，不需要专门地引入隐蔽的或明显的元素用于防伪目的。另一个优点为很难伪造这种识别。另外的优点包括将本发明的功能融入现存的普遍使用的技术(诸如机器视觉摄像机、条形码阅读器和装有摄像机的消费者“智能手机”)中以读取条形码符号的能力，而不需要改变设备的主要行为、构造或可用性。以2-维条形码为例，另一个优点为，为识别条目，利用签名数据作为提供冗余数据载体的方法的能力。在实例中，如果对候选标记的毁坏使其只部分地可读，或者使其不可能被读取和/或解码携带数据的符号等等，那么该标记的一部分的未被毁坏的识别特征可以足够识别该标记。一旦候选标记被识别为是真实标记，就可以从存储中以及被并入签名的任何信息(记诸如标记条目的序列号)中检索到该真实标记的签名，可以从检索到的签名而不是直接从毁坏的标记恢复该条目。因此，可以利用该签名数据唯一地识别条目，该签名数据或者与部分地恢复的被编码的符号信号信息结合，或者不与其结合。这有很多优点，尤其是考虑到，在标记条目通过制造商的供应链运输期间，携带数据的变化如何被毁坏。现有技术通常通过确保在标记的时候，数据载体被创建有非常高的质量或“等级”来解决该挑战。目标为生产这样高质量的标记，由于供应链中的物理损坏，甚至在经受重大恶化后，该标记将仍然可读。这会给条目生产者增加额外的成本负担和下降的制造产量，这是由于他要努力确保只有最高质量的标记进入他的供应链。本实施例的优点为，不需要生产最高质量的标记，却仍然提供对不可读的标记的识别方法，由于符号损坏，不能对该不可读的标记以正常的方法编码。本发明的以上描述使本领域技术人员能够利用目前被认为是最好的模式，本领域技术人员将理解和领悟存在变化、结合以及其中特定实施例、方法和例子的等同。因此，不应将上述实施例、方法和例子限定本发明，而是以在发明的范围和精神之内的所有实施例和方法来限定本发明。例如，参考图5描述2-维条形码的特征的例子。参考图12描述1-维条形码的特征的例子。如上所述，可以将其它符号(诸如公司徽标)作为目标符号。将特征和这些特征中的用作签名度量具体变量是几乎没有限制的，理解本发明的说明，选择合适的或可用的符号，以及选择合适度量和特征，将其实现发明的方法在本领域的普通技术范围之内。在允许实施例中，根据本发明的方法，不需要提取标记的签名数据。相反，假设标记包含合适的伪像特征，则可以利用该已经被创造的标记。如果将原始标记应用至原始条目，并且/或者将原始条目附着到原始物体上，则该标记或条目可以包含关于该条目或物体的信息。在这种情况下，上述方法和系统可以包括验证关于该条目或物体的信息，该信息被包含在该标记或条目中。即使当潜在的条目或物体没有被物理地替代或更改。例如，如果物体被标记有效期，可能希望将有更改的有效期的物体作为“冒牌”丢弃，即使物体本身是原始物体。如果在有效期中发现用于验证的伪像，例如，由于印刷的缺陷，则本发明的系统和方法的实施例将产生这种结果。可以沿着其它类似的信息，诸如批号或其它生产追踪数据。实施例在关于采集用于签名数据的完整的2-维条形方面明做了主要描述。然而，可以将标记划分为小区域。如果标记足够大，并且具有足够的伪像，该伪像为潜在的签名数据，那么可以只获取并处理一个或少于所有的区域。如果获取或处理不止一个区域，那么可以分开记录来自不同区域的签名数据。如果标记是利用纠错编码数据的符号，并且纠错涉及的区域小于整个符号，那么这是尤其有用的。因此，如果纠错表明候选符号的部分损坏，则可以忽视来自该毁坏部分的签名数据。尽管实施例在区分原始标记(并且通过暗示该表面被应用或附着原始条目)和该标记的伪造副本方面做了主要描述，但是可以将本发明的方法、装置和产品用于其他目的，包括区分原始标记(和条目)的不同实例。为了简化，描述了具体实施例，其中伪像是打印标记的打印过程中的缺陷，或者直接将其应用至需要被验证的条目，或者将其应用至标签上，该标签被应用至需要被验证的物体上，然而，如已经提及的，可以利用任何足够可被探测的和永久的以及足够难以被复制的特征。一些实施例描述了利用真实条目的签名数据的数据库，在该数据库中执行搜索，搜索至少部分地匹配从候选标记提取的签名数据。然而，如果利用其它方法将候选条目识别为真实条目，则可以不需要搜索，可以直接比较从候选标记提取的签名数据和特定的真实条目的存储的签名数据。因此，参考本申请权利要求书，而不仅仅是前面的说明作为本发明指示的保护范围。当前第1页12当前第1页12