DOMAINE DE L’INVENTION

La présente invention concerne le domaine de l’authentification d’une illustration.

Par illustration, on entend toute représentation graphique non uniforme ; par exemple une peinture, un dessin, une photographie, etc. sous forme d’image numérique.

Par souci de concision, seul le cas où l’illustration est une photographie, en particulier un portrait, sera décrit ici.

Dans ce contexte, la présente invention trouve une application particulière dans le domaine de la vérification de documents d’identité, comprenant une photographie du porteur d’un document d’identité, que ce soit un document d’identité officiel (carte d’identité, passeport, permis de conduire, etc.) ou non officiel (carte d’abonnement, etc.).

En effet, la falsification de documents d’identité porte principalement sur le remplacement de la photo d’identité. Si pendant longtemps ce remplacement pouvait être assez succinct, il s’est complexifié ces dernières années avec l’utilisation d’images « morphées ».

Par image « morphée », on entend l’image résultant d’une transformation morphologique ou morphing, entre la photographie originale du porteur légitime du document d’identité et celle d’un fraudeur qui souhaite utiliser ce document d’identité.

Pour un fraudeur, le document d’identité subissant la manipulation est par exemple choisi de sorte à ce que le porteur légitime partage un certain nombre de traits morphologiques avec le fraudeur. Cette ressemblance morphologique entre le porteur légitime et le fraudeur facilite le travail du faussaire qui imprime ce morphing sur le document d’identité (en conservant les autres éléments de sécurité intacts), ce qui permet de tromper un contrôle visuel et parfois même automatique, tout en restant visuellement compatible avec les autres éléments de sécurité du document d’identité qui font écho à la photographie, comme par exemple une image fantôme, une image par perçage de trous, etc.

L’objectif de la présente invention vise donc à assurer que l’illustration, dans ce cas la photographie présente sur le document d’identité, est l’originale, c'est-à-dire qu’elle n’a pas été manipulée d’une manière ou d’une autre. Il s’agit donc d’authentifier l’illustration et non à authentifier le porteur du document ou le sujet de la photographie. En ce sens, la présente invention traite de photométrie et non de biométrie.

La présente invention permet d’authentifier une même illustration à deux instants distincts, malgré les endommagements inévitables dans le cycle de vie de celle-ci ou d'un document supportant celle-ci.

La présente invention peut aussi permettre d’authentifier que la copie d’une illustration est conforme à l’originale.

Elle s’applique bien évidemment au domaine de la sécurité, comme au domaine de l’art.

Il est connu le document US2003/146901 , qui vise à suivre le parcours des yeux d’une personne devant un écran pour analyser ce qui est regardé. Ce document procède donc à une analyse dynamique alors que la présente invention procède à une analyse statique d’image. En outre ce document implique l’utilisation d’un modèle 3D, lourd à mettre en œuvre, ce qui n’est pas le cas de la présente invention. Enfin, contrairement à la présente invention, ce document vise à mettre en œuvre des parcours linéaires entre un point de départ et un point d’arrivée. Cette linéarité rend la falsification plus simple car il est en effet plus facile pour un fraudeur de simuler la variation d’intensité de long de tels parcours.

RESUME DE L’INVENTION

Plus précisément, l’invention concerne selon un premier de ses objets, un procédé de traitement d’une image numérique candidate, comprenant une étape consistant à :

- définir un ensemble de points remarquables sur l’image numérique candidate.

Il est essentiellement caractérisé en ce qu’il comprend en outre des étapes consistant à :

- sélectionner un ensemble d’au moins trois points remarquables, comprenant un point remarquable de départ, un point remarquable d’arrivée et un troisième point remarquable non aligné avec le point remarquable de départ et le point remarquable d’arrivée,

- définir un ensemble d’au moins un parcours entre le point remarquable de départ et le point remarquable d’arrivée, le parcours étant contraint par l’ensemble des points remarquables sélectionnés,

- extraire des caractéristiques locales des pixels situés le long du parcours, et

- enregistrer le signal correspondant à l’évolution des caractéristiques locales en fonction de chaque pixel le long de chaque parcours défini sous forme d’empreinte. On peut prévoir en outre des étapes consistant à :

- comparer l’empreinte de l’image numérique à une empreinte de référence, et

- émettre un signal dont la valeur est fonction du résultat de la comparaison.

On peut prévoir en outre des étapes consistant à :

- définir un ensemble de points remarquables sur une image numérique de référence,

- sélectionner un ensemble d’au moins deux points remarquables sur l’image numérique de référence,

- définir un ensemble d’au moins un parcours passant par les points remarquables sélectionnés sur l’image numérique de référence,

- déterminer au moins une caractéristique locale de chaque pixel le long de chaque parcours défini, et

- enregistrer comme empreinte de référence le signal correspondant à l’évolution des caractéristiques locales en fonction de chaque pixel le long de chaque parcours défini sur l’image numérique de référence ;

- les points remarquables sélectionnés sur l’image numérique de référence étant les mêmes que les points remarquables sélectionnés sur l’image numérique candidate.

On peut prévoir que l’étape de définition d’un ensemble d’au moins un parcours comprend la définition d’un parcours linéaire ou courbe entre deux points remarquables consécutifs,

la définition d’un parcours courbe comprenant optionnellement une étape consistant à :

- Contraindre le parcours par un ensemble de courbes de Bézier qui passent par les points remarquables sélectionnés, ou qui minimisent la distance aux points remarquables sélectionnés.

On peut prévoir en outre une étape consistant à filtrer au moins l’une parmi l’image numérique candidate et l’image numérique de référence, par un filtre passe bande ou un filtre passe bas, préalablement à l’étape d’enregistrement de l’empreinte, et que l’étape de filtrage comprend optionnellement une décomposition du signal par une transformée en cosinus discrets.

On peut prévoir que l’étape consistant à définir un ensemble de points remarquables comprend l’application de l’un au moins parmi les algorithmes basés sur :

Un détecteur de Harris,

Un algorithme de transformation de caractéristiques visuelles invariante à l'échelle,

Un algorithme de caractéristiques robustes accélérées,

Un algorithme de détection de points biométriques,

Un opérateur de dérivation, en particulier une différence de gaussiennes, et

Un algorithme de détection de contours, en particulier un Laplacien de gaussienne. On peut prévoir que l’étape de comparaison de l’empreinte de l’image numérique à une empreinte de référence comprend le calcul d’un coefficient de corrélation de Pearson.

On peut prévoir que l’étape d’extraction des caractéristiques locales comprend l’extraction de l’une au moins parmi des caractéristiques locales parmi :

- l’intensité lumineuse,

- l’intensité d’une ou deux couleurs prédéterminées,

- la densité de haute fréquence au-dessus d’un seuil prédéterminé dans un ensemble de pixels autour des pixels du parcours,

- l’orientation des contours des formes représentées sur l’image et traversées par la courbe du parcours en chaque point du parcours et

- la direction du gradient de luminosité en chaque point du parcours.

On peut prévoir la définition d’une pluralité de parcours entre le point remarquable de départ et le point remarquable d’arrivée.

Selon un autre de ces objets, l’invention concerne un programme d’ordinateur comprenant des instructions de code de programme pour l’exécution des étapes du procédé selon l’invention, lorsque ledit programme est exécuté sur un ordinateur.

Avantageusement, aucune donnée relative à une personne n’est enregistrée. En outre, il ne s’agit pas d’enregistrer des informations biométriques mais seulement de traiter des caractéristiques locales, par exemple des informations d’intensité lumineuse, de densité ou de gradient, liées à la prise de vue dans le cas d’une photographie, éventuellement basées sur la position de points biométriques. Ainsi, dans le cas d’une image relative à un visage, il n’est pas possible de remonter à des caractéristiques physiques de la personne. La présente invention respecte donc la règlementation générale sur la protection des données personnelles (RGPD ou GDPR par anglicisme) règlement numéro 2016/679.

Il est possible de sélectionner comme point remarquable un point non biométrique. Il est également possible de sélectionner des points remarquables comprenant au moins un point biométrique et au moins un point non biométrique, par exemple un élément vestimentaire, un élément de l’arrière plan, etc.

D’autres caractéristiques et avantages de la présente invention apparaîtront plus clairement à la lecture de la description suivante donnée à titre d’exemple illustratif et non limitatif et faite en référence aux figures annexées. DESCRIPTIF DES DESSINS la figure 1 A illustre un mode de réalisation d’une image de référence,

la figure 1 B illustre l’image de référence la figure 1A filtrée selon l’invention, la figure 2A illustre un parcours sur l’image de référence de la figure 1 B selon l’invention, la figure 2B illustre un parcours sur l’image de référence de la figure 1 B avec les mêmes points remarquables que ceux de la figure 2A selon l’invention,

la figure 2C illustre un parcours sur l’image de référence de la figure 1 B avec les mêmes points remarquables que ceux de la figure 2A selon l’invention,

la figure 2D illustre la construction non linéaire d’un parcours sur l’image de référence de la figure 1 B avec les mêmes points remarquables que ceux de la figure 2A selon l’invention, utilisée pour la définition du parcours de la figure 2E,

la figure 2E illustre un parcours sur l’image de référence de la figure 1 B avec les mêmes points remarquables que ceux de la figure 2A selon l’invention,

la figure 3A illustre la variation de l’intensité lumineuse le long du parcours de la figure

2A selon l’invention,

- la figure 3B illustre la décomposition du signal de la figure 3A par une transformée en cosinus discrets, pour deux valeurs du nombre de composantes de celle-ci selon l’invention; et

la figure 4 illustre la comparaison de l’empreinte d’une image candidate et de l’empreinte d’une image de référence selon l’invention.

DESCRIPTION DETAILLEE

Par souci de concision, seul le cas où une image numérique est un portrait sera illustré ici. Par souci de concision également, une « image numérique » sera généralement dénommée par « image » dans la suite de la présente description.

La présente invention peut être mise en œuvre pour tout contenu non uniforme d’une image. Il peut s’agir d’un contenu figuratif ; en particulier d’un portrait humain, de la tête d’un animal racé, par exemple pour un passeport équin, aussi bien que pour un animal non racé, etc. Il peut aussi s’agir d’un contenu non figuratif, d’une œuvre d’art abstraite, etc.

L’image peut être une photographie numérique, une photographie argentique enregistrée sous forme numérique, un fichier électronique de dessin, une image de synthèse, etc. Comme décrit en détail ci-après, la présente invention permet d’authentifier une image candidate par comparaison à une image de référence.

L’image candidate peut être l’image de référence qui a vieilli dans le temps. L’image candidate peut également être une copie de l’image de référence, et la présente invention permet de vérifier si la copie est conforme à l’originale.

Image de référence

On prévoit de fournir une image, dite de référence. Elle est stockée sur tout support approprié, par exemple une mémoire d’un serveur.

De préférence, l’image de référence est traitée de sorte à ce que sa résolution soit inférieure à sa résolution native. A cet effet, on peut prévoir que l’image de référence est filtrée par un filtre passe bas ou un filtre passe bande, en l’espèce par un filtre non linéaire, pour supprimer l’information contenue dans les hautes fréquences, et pour ne préserver que l’information macroscopique de l’image de référence.

En effet, une image numérique peut être dégradée par un processus d’impression (perte de résolution). De même, le support physique de l’image numérique peut être endommagé dans le temps (rayures, etc.). Le filtrage des hautes fréquences permet de limiter, voire de s’affranchir de ces phénomènes.

Les parcours décrits ultérieurement sont donc avantageusement définis sur l’image de référence filtrée.

Points remarquables

On prévoit de définir un ensemble de points remarquables 10 sur l’image de référence.

Un point remarquable est un point qu’il est possible de retrouver précisément sur différentes versions/copies d’une même image.

Par exemple un point remarquable peut être défini comme un point de l’image, c’est-à-dire un pixel ou un ensemble de pixels adjacents deux à deux, pour lequel le gradient de contraste, selon une direction et une distance prédéfinies, est supérieur à une valeur seuil prédéfinie.

La définition d’un ensemble de points remarquables peut être mise en œuvre par tout moyen connu, par exemple par l’un parmi : Un détecteur de Harris,

Un algorithme de transformation de caractéristiques visuelles invariante à l'échelle,

Un algorithme de caractéristiques robustes accélérées,

Un algorithme de détection de points biométriques,

Un opérateur de dérivation, en particulier une différence de gaussiennes, et

Un algorithme de détection de contours, en particulier un Laplacien de gaussienne.

Un algorithme de transformation de caractéristiques visuelles invariante à l'échelle est plus connu sous son acronyme SIFT pour“Scale Invariant Feature Transform” en anglais.

Pour l’algorithme SIFT, décrit notamment dans la publication D. Lowe. Object récognition from local scale-invariant features. IEEE International Conférence on Computer Vision, pages 1 150-1 157, 1999, la détection des points est basée sur les différences des gaussiennes (DoG) obtenues par le calcul de la différence entre chaque couple d’images lissées par un filtre gaussien, en variant à chaque fois le paramètre sigma (c’est à dire la déviation standard) du filtre. Les DoG peuvent être calculé pour différents niveaux d’échelle permettant d’introduire la notion de l’espace d’échelle. La détection des potentielles zones de points d’intérêt / points remarquables s’effectue en recherchant les extrema selon le plan de la dimension de l’image (x,y) et le plan du facteur d’échelle. Ensuite une étape de filtrage est nécessaire pour supprimer les points non pertinents, en éliminant par exemple les points dont le contraste est trop faible.

Un algorithme de caractéristiques robustes accélérées est plus connu sous son acronyme SURF pour“Speeded Up Robust Features” en anglais. Il est décrit notamment dans la publication H. Bay, T. Tuylelaars, and L. Van Gool. Surf : Speeded up robust features. European Conférence on Computer Vision, pages 404^17, 2006, la méthode consiste à utiliser le déterminant de la matrice Hessienne, à calculer une approximation des dérivées secondes des gaussiennes de l’image par le biais de filtres à différentes échelles en utilisant des masques de différentes tailles (par exemple 9 x 9, 15 x 15, 21 x 21 , ... ). Pour le calcul de l'orientation des points et les descripteurs autour des points, le principe est basé sur les sommes des réponses des ondelettes de Haar horizontales et verticales ainsi que leurs normes. La zone circulaire de description est divisée là encore en 16 régions. Une analyse en ondelettes est effectuée sur chaque région afin de construire le descripteur final. Ce dernier est constitué de la somme des gradients en x et en y ainsi que de la somme de leur norme respective pour l’ensemble des 16 régions. Le vecteur descripteur est ainsi constitué de 64 valeurs qui représentent des propriétés extraites à la fois dans l’espace normal et dans celui des échelles de grandeur. Un point remarquable peut être un point biométrique. Pour la détection de points biométriques, on peut appliquer un logiciel basé sur la bibliothèque logicielle DLIB, et qui détermine la position d’un ensemble de points biométriques prédéterminés, chaque point correspondant à un élément morphologique prédéterminé d’un visage, par exemple le coin de l’œil droit, le coin de l’œil gauche, le bas du nez, les coins de la bouche, etc. comme illustré sur les figures 2A à 2E, où chaque rond indique un point biométrique.

Ainsi un point remarquable au sens de la présente invention est relatif, il n’est pas défini exclusivement par ses coordonnées, mais par exemple dans le cas d’une bibliothèque logicielle DLIB, par un élément morphologique prédéterminé d’un visage. Grâce à cette relativité, il est aisé de comparer les points remarquables d’une image candidate avec les mêmes points de référence d’une image de référence.

En fonction du moyen mis en œuvre pour la définition d’un ensemble de points remarquables, le nombre de points remarquables peut être plus ou moins important.

On prévoit donc avantageusement de sélectionner un ensemble d’au moins deux points remarquables sur l’image numérique de référence,

Par exemple sur les figures 2A à 2E, quatre points remarquables sélectionnés, identiques entre eux, sont illustrés par des ronds.

Un point remarquable peut aussi être défini, par exemple pour des applications artistiques, en fonction du contenu informatif de l’image, suivant des instructions préétablies, par exemple « la pointe du clocher, le nez du chien, la cheminée de la maison rouge, etc. ». La sélection peut alors être faite par exemple par un opérateur à l’aide de tout pointeur connu.

Enfin, un point remarquable peut également être défini par la position absolue de son pixel ou du barycentre d’un ensemble de pixels adjacents deux à deux. Par exemple un point remarquable est situé à 15 pixels vers la droite et 10 pixels vers le bas par rapport au coin haut gauche de l’image. De préférence un point remarquable peut également être défini par sa position relative par rapport aux dimensions de l’image. Par exemple un point remarquable est situé à 8% de la largeur de l’image et à 6% de la hauteur de l’image en partant du coin haut gauche de l’image. Ce type de détermination peut être utile par exemple dans certains automates de photographies d’identité, où la position des yeux est prédéfinie, contrainte, par un ou plusieurs repères sur l’écran de la machine. La position des pixels correspondant aux yeux est donc connue et peut servir de points remarquables. Parcours

On prévoit de définir un parcours contraint par les points remarquables sélectionnés, le parcours étant illustré par une flèche en pointillés sur chacune des figures 2A, 2B et 2C.

Pour la contrainte par les points remarquables sélectionnés, on peut par exemple utiliser des courbes de Bézier qui définissent alors le parcours.

Les courbes de Bézier peuvent passer par les points remarquables sélectionnés. Alternativement, elles peuvent ne pas passer par les points remarquables sélectionnés mais minimiser la distance à ces points remarquables sélectionnés pour une contrainte donnée, en l’espèce le degré de la courbe.

On a donc un point remarquable de départ et un point remarquable d’arrivée et le parcours contraint par l’ensemble des points remarquables sélectionnés. En l’espèce, le parcours est contraint au moins par un troisième point remarquable sélectionné, non aligné avec le point remarquable de départ et le point remarquable d’arrivée. Le non alignement permet de rendre le procédé selon l’invention encore plus robuste.

Par exemple, sur les figures 2A et 2B, on peut avoir comme point remarquable de départ le coin de l’œil droit, comme point remarquable d’arrivée le point central de la lèvre inférieure. En l’espèce on a sélectionné comme troisième point remarquable départ le coin de l’œil gauche et un quatrième point remarquable correspondant à la pointe du nez.

Pour aller du point remarquable de départ au point remarquable d’arrivée en étant contraint par les autres points remarquables sélectionnés, c’est-à-dire dans ce cas en passant par le troisième point remarquable et le quatrième point remarquable, on peut définir une pluralité de parcours.

En l’espèce on peut définir un premier parcours (figure 2A) passant depuis le point remarquable de départ par le troisième point remarquable puis par le quatrième point remarquable pour arriver au point remarquable d’arrivée ; et un deuxième parcours (figure 2B) passant depuis le point remarquable de départ par le quatrième point remarquable puis par le troisième point remarquable pour arriver au point remarquable d’arrivée. Bien entendu, le parcours peut passer par un ensemble de points remarquables prédéterminés.

Le parcours est donc un itinéraire partant d’un point remarquable de départ pour arriver à un point remarquable d’arrivée, en étant contraint par (le cas échéant en passant par) d’autres points remarquables prédéterminés.

De la sorte, on peut obtenir un signal par extraction des caractéristiques locales de pixels, notamment des pixels adjacents deux à deux, situés le long du parcours.

De préférence, la trajectoire entre deux points remarquables successifs est rectiligne, ce qui simplifie les calculs.

On peut aussi prévoir une trajectoire plus complexe, par exemple comprenant des arcs de cercle dont chaque arc de cercle appartient à un cercle ou une ellipse passant par 3 points remarquables prédéterminés, comme illustré sur la figure 2D, afin de définir une trajectoire courbe, comme illustré sur la figure 2E.

On peut aussi prévoir des courbes polynomiales de degrés divers (non illustrées).

Comme illustré sur les figures 2A, 2B et 2C, on peut prévoir une pluralité de parcours pour un même ensemble de points remarquables d’une même image.

Par exemple, la figure 2A et la figure 2B présentent deux parcours différents pour un même point remarquable de départ et un même point remarquable d’arrivée.

Pour la figure 2C, les points remarquables sont les mêmes que ceux de la figure 2A et ceux de la figure 2B, mais le point remarquable de départ et le point remarquable d’arrivée diffèrent ; le parcours est donc différent sur chacune de ces figures.

Par conséquent, l’empreinte (décrite ci-après) de la figure 2A est différente de l’empreinte de la figure 2B, et également différente de la figure 2C.

Empreinte

Une empreinte peut être considérée comme une signature de l’image. Chaque parcours permet de calculer une empreinte respective. Une empreinte consiste à déterminer un ensemble de caractéristiques locales des pixels d’un parcours, ou d’un ensemble prédéterminé de pixels autour des pixels d’un parcours.

Dans un mode de réalisation, on prévoit de déterminer comme caractéristique locale l’intensité lumineuse de chaque pixel le long de chaque parcours défini. La position des pixels le long du parcours étant connue, il est aisé d’extraire leur intensité respective, par exemple par une sommation des valeurs des pixels dans chaque canal HSV ou RGB selon la capture de l’image.

Dans d’autres modes de réalisation, on peut aussi prévoir de déterminer comme caractéristiques locales :

l’intensité d’une ou deux couleurs (R, G, B) prédéterminées ;

la densité de haute fréquence au-dessus d’un seuil prédéterminé dans un ensemble de pixels autour des pixels du parcours, notamment des pixels adjacents deux à deux dont le nombre et la forme globale sont prédéterminés, par exemple un carré de 8x8 pixels glissant autour de chaque pixel du parcours;

l’orientation des contours des formes représentées sur l’image et traversées par la courbe du parcours en chaque point du parcours ;

- la direction du gradient de luminosité en chaque point du parcours ;

- etc.

On peut alors enregistrer comme empreinte le signal correspondant à l’évolution des caractéristiques locales en fonction de chaque pixel le long de chaque parcours défini sur l’image, comme illustré sur la figure 3A qui représente l’évolution de l’intensité lumineuse. En l’espèce, il s’agit de l’empreinte de référence sur l’image de référence.

Décomposition

Avantageusement, on prévoit une décomposition du signal, ce qui permet de le simplifier.

Par exemple, on prévoit une décomposition du signal par une transformée en cosinus discrets (TCD), ce qui permet de n’obtenir que les variations des caractéristiques locales.

On peut aussi prévoir une décomposition du signal par ondelettes ou bandelettes.

Cette décomposition permet de conserver un signal stable même en cas de dégradation physique de l’image, par exemple par une rayure. Par exemple, la figure 3A illustre le signal correspondant à l’évolution de l’intensité lumineuse comme caractéristique locale, en fonction de chaque pixel le long d’un parcours prédéterminé sur une image en résolution native, par exemple l’image de la figure 1A.

Sur la figure 3B :

le signal A correspond au signal de la figure 3A pour lequel l’image a été filtrée par un filtre non linéaire ;

- le signal B est une décomposition du signal A par une transformée en cosinus discrets à 8 composantes, et

- le signal C est une décomposition du signal A par une transformée en cosinus discrets à 20 composantes.

Comme illustré sur la figure 3B, plus le nombre de composantes de la transformée en cosinus discrets est faible et plus le signal résultant est lissé ; et plus le nombre de composantes de la transformée en cosinus discrets est grand et plus le signal résultant est représentatif du signal d’origine mais présente un nombre d’octets importants. En effet, plus le nombre de composantes est grand, plus la taille de l’empreinte augmente mais plus la précision de la comparaison décrite ultérieurement augmente.

Il est donc souhaitable de trouver un compromis entre le nombre de composantes de la transformée en cosinus discrets et la taille du fichier (nombre d’octets) correspondant.

Par exemple on peut déterminer un nombre de composantes qui dépend du nombre de pics du signal. Avantageusement, on peut ne prendre que des composantes principales jusqu’à une valeur prédéterminée.

Comme vu précédemment, l’image est de préférence appauvrie par un filtre non linéaire et le signal est également appauvri par la décomposition, en l’espèce par une transformée en cosinus discrets. Il en résulte que la taille du fichier (nombre d’octets) correspondant à l’empreinte est faible tout en garantissant avantageusement une représentativité du contenu de l’image d’origine, c'est-à-dire avant filtrage par le filtre non linéaire. En conséquence, il est facile d’encoder les caractéristiques de l’image par exemple dans un code barres à deux dimensions, ce qui représente un avantage par rapport à un encodage des caractéristiques biométriques complètes et une utilisation hors ligne si nécessaire. Le contrôle en ligne reste privilégié dans le domaine de la sécurité.

Image candidate Une image candidate est une image dont on souhaite obtenir une empreinte, notamment en vue d’en vérifier la conformité à une image de référence.

A ce titre, on prévoit d’effectuer une empreinte de l’image candidate de la même manière que l’empreinte de l’image de référence filtrée a été obtenue, c’est-à-dire avec les mêmes algorithmes, les mêmes points remarquables et les mêmes parcours.

Comparaison

On peut alors comparer l’empreinte de l’image numérique candidate à l’empreinte de référence, et émettre un signal dont la valeur est fonction du résultat de la comparaison.

La comparaison permet de déterminer une distance entre l’image de référence et l’image candidate, ce qui permet de définir une limite entre les cas frauduleux et les cas authentiques.

La comparaison de l’empreinte de l’image numérique candidate à l’empreinte de référence peut être mise en œuvre par tous moyens de comparaison connus.

De préférence, on prévoit le calcul d’un coefficient de corrélation. En l’espèce on prévoit le calcul d’un coefficient de corrélation de Pearson.

Ce coefficient de corrélation de Pearson définit la corrélation linéaire entre deux variables aléatoires. Il est compris entre -1 et +1 ; où -1 indique que les deux variables sont totalement négativement linéairement corrélées et +1 indique que les variables sont positivement linéairement corrélées.

Le calcul d’un coefficient de corrélation de Pearson permet de détecter si les deux signaux, c'est-à-dire le signal de l’image de référence et le signal de l’image candidate, varient de la même manière aux mêmes endroits.

En l’espèce on prévoit le calcul d’un score de similarité S, qui est obtenu de la manière suivante :

S = (P + l)/2 avec P le coefficient de corrélation de Pearson.

Quand la valeur de S est supérieure à une valeur seuil T prédéterminée, on considère que les signaux sont égaux, donc que l’image candidate et l’image de référence sont les mêmes ; ou que l’image candidate est une copie conforme de l’image de référence. Par exemple la figure 4 illustre la même empreinte que celle de la figure 3B : le signal A correspond au signal de la figure 3A pour lequel l’image a été filtrée par un filtre non linéaire, et

- le signal C est une décomposition du signal A par une transformée en cosinus discrets à 20 composantes.

Dans le même repère, la figure 4 illustre également :

- un signal A’ correspond au signal d’une image candidate, et

- un signal C’ qui est une décomposition du signal A’ par une transformée en cosinus discrets à 20 composantes.

On voit clairement que les signaux C et C’ présentent les mêmes variations ; on en conclue que les signaux A et A’ sont corrélés, donc que l’image candidate et l’image de référence sont identiques.

On peut prévoir une interpolation du signal de l’image de référence dans une dimension ou dans l’autre, ce qui permet de s’affranchir d’un éventuel re-dimensionnement de l’image candidate.

Grâce à l’invention, il est possible d’éviter qu’un portrait numérique ne soit altéré frauduleusement en particulier au niveau des traits biométriques du visage.

La présente invention permet notamment d’identifier qu’une photographie, sous forme numérique, est la même photographie ou une copie conforme d’une photographie d’origine imprimée sur un support.

Elle permet également de détecter si une image candidate est une image de référence qui a subi un morphing.

Le degré de confiance atteint par la présente invention est de 99,9% au maximum.

La présente invention trouve naturellement une application dans la vérification des photographies sur document d’identité. Dans ce contexte une image candidate peut être réalisée par un appareil photo intégré à un objet communicant.

La présente invention n’est pas limitée aux modes de réalisation précédemment décrits. Elle est applicable à tout type d’image, pas uniquement aux portraits. Elle peut être mise en œuvre par exemple dans le domaine de l’art afin d’authentifier une œuvre.

A cet effet, on prévoit de réaliser comme image de référence une photographie en deux dimensions d’une œuvre dans des conditions de prise de vue prédéterminées (lumière, angle de prise de vue, ouverture de l’objectif... ).

Un temps ultérieur, on peut alors réaliser comme image candidate une autre photographie en deux dimensions de l’œuvre dans les mêmes conditions de prise de vue prédéterminées.

Si l’image candidate et l’image de référence sont corrélées, puisque les conditions de prise de vue sont les mêmes alors cela signifie que l’œuvre photographiée est la même.

Si l’image candidate et l’image de référence ont été prises dans des conditions de prise de vue différentes mais connues, on peut prévoir d’appliquer un traitement numérique, équivalent à un filtre, qui corrige les variations dues à ces différences de prise de vue.

Enfin, par la sélection des points remarquables, il est possible de couvrir tout ou partie de l’image de référence, ce qui permet de protéger tout ou partie d’une image, en augmentant par exemple le nombre de parcours sur une partie prédéterminée de l’image.

Enfin, grâce à la présente invention, il est possible de mesurer la distance entre les caractéristiques locales de l’image de référence et les mêmes caractéristiques locales sur l’image candidate avec laquelle on la compare.

La mesure de cette distance permet de déterminer la qualité de la reproduction, ou même de donner un état sur l’image originale, c’est-à-dire l’image de référence.

En effet, plus cette distance est faible, plus cela signifie que l’image candidate est ressemblante à l’image de référence, et inversement.

La présente invention permet donc de caractériser non seulement s’il y a eu une manipulation de l’image de référence, mais aussi à quel point cette manipulation est importante. Et dans le cas où l’image de référence n’a pas été manipulée, mais que celle-ci a juste vieilli, il est possible de caractériser à quel point ce vieillissement est important ou faible.