[发明专利]用于分析一个或多个被拍摄对象的一个或多个元素以便检测一个或多个修改的方法，以及相关联的分析设备

权利要求书

1.一种用于分析与对象(3)相关联并代表对象(3)的至少一个元素(2)的方法，所述方法包括以下步骤：

-接收(130)用于定义由拍照捕获产生的所述元素(2)的至少一部分的数字图像的第一数据，

-将接收到的第一数据提供(140)给包括至少一个学习人工智能模块的分析器，该学习人工智能模块预先配置有至少一个参考元素的第二学习数据，以便做出与所提供的第一数据相关的决定，

-由所述分析器做出所述决定(150)；

其特征在于所述做出决定(150)是根据所提供的第一数据的至少一部分的选择来执行的，该第一数据的至少一部分定义所选择的感兴趣区并由至少一个所选择的图像特征表征，并且与所述被分析元素(2)相对于对应参考元素的潜在修改相关。

2.根据权利要求1所述的方法，其特征在于在所述做出决定步骤(150)中，在颜色、纹理、渐变、字形、字形间距离、绘图线、印刷方法特征和半色调点的集合当中选择每个图像特征。

3.根据权利要求1或2所述的方法，其特征在于，在所述做出决定步骤(150)中，对接收到的第一数据执行初始处理，以便将它们变换成与代表对应参考元素的第二训练数据可比较的第三数据。

4.根据权利要求3所述的方法，其特征在于，在所述做出决定步骤(150)中，所述处理包括在空间上重新定向被分析的元素部分，以便被分析的元素部分具有与参考元素的对应部分相同的空间朝向，和/或删除所述第一数据中的一些，以便剩余的第一数据与代表对应参考元素的第二训练数据对应，和/或对相关第一数据的对比度和/或亮度和/或饱和度做出改变。

5.根据前述权利要求中的任一项所述的方法，其特征在于，在所述做出决定步骤(150)中，以预定义的方式选择每个图像特征，并且特征在于包括在所述接收步骤(130)之前的指令步骤，并且其中要求用户拍照捕获第一数据，该第一数据定义由预定义指令描述的所述元素(2)的至少一部分的数字图像。

6.根据权利要求1至4中的任一项所述的方法，其特征在于包括随机选择每个图像特征的初始化步骤(110)，以及在所述初始化步骤之后和所述接收步骤(130)之前的指令步骤(120)，在所述指令步骤中要求用户根据所述初始化步骤(110)中随机选择的每个图像特征拍照捕获第一数据，该第一数据定义由预定义指令描述的所述元素(2)的至少一部分的数字图像。

7.根据前述权利要求中的任一项所述的方法，其特征在于包括初步配置步骤(100)，其中向所述分析器提供第二训练数据的至少两个集合，这两个集合分别定义同一个的参考元素的至少一部分的数字图像并且分别来自不同的拍照捕获，使得它对每个学习人工智能模块进行配置，使得它适于对与所述参考元素对应的每个待分析元素做出决定。

8.根据权利要求1至6中的任一项所述的方法，其特征在于包括初步配置步骤(100)，其中，对于K个参考元素中的每个参考元素，K≥2，为所述分析器提供第二训练数据对的至少两个集合的集合，这两个集合分别定义所考虑的参考元素的至少一部分的数字图像并且分别从不同的拍照捕获产生，每对包括未修改的参考元素的第二训练数据的第一子集和相对于这个未修改的参考元素修改的元素的第二训练数据的第二子集，使得它配置每个学习人工智能模块以适于针对与所述K个参考元素之一或从所述K个参考元素可推导出的元素对应的待分析的不同元素做出决定，以及在所述接收步骤(130)中，接收定义所述元素(2)的至少一部分的数字图像的所述第一数据和定义与该元素(2)对应的未修改的参考元素的至少一部分的数字图像的第四数据。

9.根据前述权利要求中的任一项所述的方法，其特征在于使用分析器，在所述分析器中每个学习人工智能模块与图像特征相关联。

10.根据前述权利要求中的任一项所述的方法，其特征在于使用分析器，在所述分析器中每个学习人工智能模块是卷积神经网络。