特許ウォッチ

公開番号2025059081
公報種別公開特許公報(A)
公開日2025-04-09
出願番号2024168257
出願日2024-09-27
発明の名称圧力分布画像分析を用いた履物真偽判定システム
出願人イーベイインク.,EBAY INC.
代理人個人,個人,個人,個人
主分類G06Q 30/018 20230101AFI20250402BHJP(計算;計数)
要約【課題】圧力分布画像分析に基づいて履物が本物であるか否かを判定するシステム及び方法を提供する。
【解決手段】圧力分布画像分析を使用して履物を真偽判定する方法は、履物を真偽判定するための要求を受信することと、履物の圧力分布画像にアクセスすることと、を含む。圧力分布画像は、履物に加えられる予め設定された力に基づいて生成される色によって表される圧力分布を含む。方法はまた、圧力分布画像を本物の履物の圧力分布画像と比較することを含む圧力分布画像の分析を実行することと、圧力分布画像が本物の圧力分布画像の真正性閾値内にあるか否かを判定することと、圧力分布画像が真正性閾値内にあることに基づいて、履物の真正性の指標を提示することと、を含む。
【選択図】図4
特許請求の範囲【請求項１】
方法であって、
履物を真偽判定するための要求を受信することと、
前記履物についての圧力分布画像にアクセスすることであって、前記圧力分布画像は、前記履物に加えられる予め設定された力に基づいて生成される複数の色によって表される圧力分布を含む、アクセスすることと、
画像分析システムを用いて、前記圧力分布画像を分析することであって、当該分析することは、前記圧力分布画像を本物の前記履物の圧力分布画像と比較することを含む、分析することと、
前記分析することに基づいて、前記圧力分布画像が前記本物の前記圧力分布画像の真正性閾値内にあるか否かを判定することと、
前記圧力分布画像が前記真正性閾値内にあることに基づいて、前記履物の真正性の指標を提示させることと、を備える方法。
続きを表示（約 1,400 文字）【請求項２】
前記圧力分布画像を分析することは、
前記本物の前記履物の前記圧力分布画像から導出されたデータを含む訓練データで訓練された機械学習モデルに、前記履物についての前記圧力分布画像を適用することを含む、請求項１に記載の方法。
【請求項３】
本物の履物および偽物の履物についての前記圧力分布画像から導出された前記訓練データを用いて前記機械学習モデルを訓練することをさらに備える請求項２に記載の方法。
【請求項４】
前記機械学習モデルを訓練することは、前記本物の履物の各々について年で訓練することを含み、
前記分析することは、前記商品の年に部分的に基づく、請求項３に記載の方法。
【請求項５】
前記圧力分布画像は、前記履物に加えられた力に基づいて生成された圧力分布ヒートマップまたはペドバログラフィ測定画像を含む、請求項１に記載の方法。
【請求項６】
前記圧力分布画像は、圧力測定機械によって前記履物を用いて行われる工程の間の動的圧力分布の動画を含む、請求項１に記載の方法。
【請求項７】
前記要求は、真偽判定される前記履物のブランド、モデル、およびサイズを含み、
真偽判定される前記履物が、前記本物の前記履物と同じサイズであるか否かを判定することと、
前記履物が異なるサイズであることに基づいて、前記本物の前記履物のサイズに対応するように前記履物の前記圧力分布画像をサイズ変更することと、を備える請求項１に記載の方法。
【請求項８】
前記履物の前記圧力分布画像にアクセスすることは、
複数のセンサを備え且つ前記履物に前記予め設定された力を加える人工足部を有する圧力測定機械を使用して、前記履物についての前記圧力分布画像を生成することを含む、請求項１に記載の方法。
【請求項９】
前記真正性の指標を提示させることは、
前記履物のリストにおいて本物であることを示すバッジをグラフィック表示することを含む、請求項１に記載の方法。
【請求項１０】
システムであって、
１つまたは複数のプロセッサと、
複数の命令を記憶するメモリと、を備え、前記複数の命令は、前記１つまたは複数のプロセッサによって実行されると、前記１つまたは複数のプロセッサに複数の動作を実行させ、
前記複数の動作は、
履物を真偽判定するための要求を受信することと、
前記履物についての圧力分布画像にアクセスすることであって、前記圧力分布画像は、前記履物に加えられる予め設定された力に基づいて生成される複数の色によって表される圧力分布を含む、アクセスすることと、
前記圧力分布画像を分析することであって、当該分析することは、前記圧力分布画像を本物の前記履物の圧力分布画像と比較することを含む、分析することと、
前記分析することに基づいて、前記圧力分布画像が前記本物の前記圧力分布画像の真正性閾値内にあるか否かを判定することと、
前記圧力分布画像が前記真正性閾値内にあることに基づいて、前記履物の真正性の指標を提示させることと、を備える、システム。
（【請求項１１】以降は省略されています）
発明の詳細な説明【技術分野】
【０００１】
本明細書に開示される主題は、概して、履物を真偽判定することに関する。具体的には、本開示は、圧力分布画像分析を使用して履物を真偽判定するシステムおよび方法に対処する。
続きを表示（約 3,100 文字）【背景技術】
【０００２】
販売者は、典型的には、返品の場合に同じ商品を受け取り、その商品が偽物ではないことを確信しない場合、ハイエンド商品または高級な商品を販売することを躊躇する。同様に、購入者は、商品が本物であることを確信しない場合、ハイエンドまたは高級な商品を購入することを躊躇する。この信頼のレベルは、（「履物」と総称される）デザイナーのシューズまたはブランド名のスニーカーおよび運動靴などのカテゴリにとって極めて重要である。これらのタイプの商品は、多くの場合、専門家のみがそれらを真偽判定することができるレベルまで偽造される。
【図面の簡単な説明】
【０００３】
図１は、例示的な実施形態による、圧力分布画像分析に基づいて履物を真偽判定するのに適した例示的なネットワーク環境を示す図である。
図２は、例示的な実施形態による、圧力分布画像分析に基づいて履物を真偽判定する真偽判定システムの複数のコンポーネントを示す図である。
図３Ａは、右靴と左靴との両方の圧力分布ヒートマップの例示的な画像である。
図３Ｂは、右靴と左靴との両方のペドバログラフィ測定画像の例示的な画像である。
図４は、例示的な実施形態による、圧力分布画像分析を使用して履物を真偽判定するための方法の複数の動作を示すフローチャートである。
図５は、例示的な実施形態による、統計的圧力分布画像分析を実行するための方法の複数の動作を示すフローチャートである。
図６は、例示的な実施形態による、機械学習圧力分布画像分析を実行するための方法の複数の動作を示すフローチャートである。
図７は、いくつかの例による、機械記憶媒体から複数の命令を読み取り、本明細書において説明される複数の方法のうちの任意の１つまたは複数を実行することが可能である機械の複数のコンポーネントを示すブロック図である。
【発明を実施するための形態】
【０００４】
以下の説明では、本主題の複数の例を示すシステム、方法、技法、命令シーケンス、およびコンピューティングマシンプログラム製品について説明する。以下の説明では、本主題の様々な例の理解を提供するために、説明の目的で多数の具体的な詳細が記載されている。しかしながら、本主題の様々な例がこれらの具体的な詳細のうちのいくつかまたは他のもの無しに実施され得ることは、当業者には明らかであろう。複数の例は、単に可能である変形を代表するものである。別段に明記されていない限り、複数の構造（例えば、複数の構造的コンポーネント）は、随意であり、組み合わせられるか、または細分化され得、（例えば、プロシージャ、アルゴリズム、または他の機能における）複数の動作は、シーケンスが変化するか、あるいは組み合わせられるか、または細分化され得る。
【０００５】
例示的な実施形態は、圧力分布画像分析に基づいて計算的に効率的な方法で履物（フットウェア：footwear）を真偽判定するという技術的問題に対処する。デザイナーまたはブランド名の履物の偽物を製造する場合、偽造者は、偽物の履物が本物の履物の外観を有するようにしようとする。しかしながら、典型的に使用される複数の材料は、特に材料が履物の内側、例えばソール（sole）内にある場合、同じではない。
【０００６】
さらに、多くのデザイナーおよびブランド名の履物は、それらのソールに関連する技術の特許を取得している。特に、これらの技術は、快適性を最大化することを試みる方法で、履物を着用している個人の体重を分散させることに向けられている。したがって、例示的な複数の実施形態は、靴が本物であるか偽物であるかを識別するために、靴（例えば、靴のソール）上の圧力分布を試験する。説明の目的で、「履物」および「靴」という用語は、交換可能に使用される。
【０００７】
靴を試験するために、靴の圧力分布画像が分析される。いくつかの場合では、圧力分布画像は、人工足部（artificial foot）（または同様の器具）を備える圧力測定機械を使用して生成され、人工足部（または同様の器具）は、その人工足部（または同様の器具）上に複数のセンサを有する。人工足部は、靴に予め設定された力を加える。予め設定された力は、本物の靴に加えられるのと同じ力である。複数のセンサは、応答してソールによって生じる圧力を検出することができ、圧力測定値を画像の形態で記録することができる。画像は、圧力分布ヒートマップ（pressure distribution heat map）またはペドバログラフィ測定画像（pedobarographic measurement image）とすることができる。さらなる複数の実施形態では、圧力は、テーブル、行列、またはグラフ表現を伴わない他の形態の圧力分布データの形態で記録されてもよい。
【０００８】
次いで、画像分析真偽判定システムは、圧力分布画像を本物の靴の圧力分布画像と比較することによって、圧力分布画像を分析する。さらなる複数の実施形態では、真偽判定システムは、同様の方法で、画像の代わりに圧力分布テーブルまたは行例を分析することができる。例示的な複数の実施形態では、統計モデルまたは機械学習モデルのいずれかを使用して分析を実行することができる。いくつかの場合では、統計モデルは、圧力分布画像内の特定の色（およびそれらの位置）を検出するように構成される統計色モデル（statistical color model）である。特定の色／位置のデータセットは、次いで、試験されている本物の靴のデータセットと比較され、その比較によって真正性閾値（authenticity threshold）内であるか否かの判定が行われることができる。
【０００９】
機械学習モデルの場合、圧力分布画像は、本物の履物の圧力分布画像および偽造の履物の圧力分布画像から導出された訓練データを用いて訓練された機械学習モデルに適用され得る。試験履物が本物である確率が機械学習モデルから出力され、確率（真正性）閾値と比較される。真正性（確率）閾値が満たされる場合、試験履物は本物であるとラベル付けされる。いくつかの場合では、機械学習モデルは、試験靴の圧力分布画像と本物の靴の圧力分布画像との間の類似性（例えば、複数の類似性スコア）を判定するように訓練された１つまたは複数のニューラルネットワーク（例えば、畳み込みニューラルネットワーク（convolution neural networks : CNNs））を備える。複数の類似性スコアは、真正性閾値と比較される。
【００１０】
図１は、例示的な実施形態による、圧力分布画像分析に基づいて履物を真偽判定するのに適した例示的なネットワーク環境１００を示す図である。ネットワークシステム１０２は、通信ネットワーク１０４（例えば、インターネット、無線ネットワーク、セルラーネットワーク、または広域ネットワーク（Wide Area Network : WAN））を介して、クライアントデバイス１０６にサーバー側機能性（server-side functionality）を提供する。ネットワークシステム１０２は、以下でより詳細に説明されるように、複数の圧力分布画像を分析するために統計モデルまたは機械学習モデルのいずれかを使用して履物を真偽判定するように構成されている。
（【００１１】以降は省略されています）

関連特許