• 1990 (Том 4)
  • 1989 (Том 3)
  • 1988 (Том 2)
  • 1987 (Том 1)

Том 33 №2

Содержание

  1. РАСЧЕТ ОПТИЧЕСКОЙ СИСТЕМЫ ГЛАЗА КИТООБРАЗНЫХ
  2. НЕЙРОФИЗИОЛОГИЧЕСКИЕ МЕХАНИЗМЫ СРАВНЕНИЯ ДВУХ ПОСЛЕДОВАТЕЛЬНЫХ ОРИЕНТАЦИЙ В ЗАДАЧЕ РАБОЧЕЙ ПАМЯТИ
  3. ВКЛАД КРАЙНЕЙ ПЕРИФЕРИИ СЕТЧАТКИ В КОНСТАНТНОСТЬ ЦВЕТОВОСПРИЯТИЯ: СВИДЕТЕЛЬСТВА, ПОЛУЧЕННЫЕ БЛАГОДАРЯ КОНТАКТНЫМ ЛИНЗАМ С ИМПЛАНТИРОВАННЫМИ ОККЛЮДЕРАМИ
  4. УЧАСТИЕ СПЕКТРАЛЬНОГО И ВРЕМЕННОГО МЕХАНИЗМОВ В АНАЛИЗЕ СЛОЖНЫХ ЗВУКОВЫХ СИГНАЛОВ
  5. РОЛЬ ДОНОРА МОЛЕКУЛ NO В РЕГУЛЯЦИИ ОТВЕТОВ ПЕРВИЧНОГО СЕНСОРНОГО НЕЙРОНА
  6. ИСПОЛЬЗОВАНИЕ МОБИЛЬНЫХ УСТРОЙСТВ ДЛЯ ВЫЯВЛЕНИЯ ПРИЗНАКОВ ФАБРИКАЦИИ ДОКУМЕНТОВ, УДОСТОВЕРЯЮЩИХ ЛИЧНОСТЬ
  7. ПЕРЕХОДНЫЕ ПРОЦЕССЫ ЗРИТЕЛЬНЫХ ВЫЗВАННЫХ ПОТЕНЦИАЛОВ В ЗАДАЧАХ ИНТЕРФЕЙСОВ ЧЕЛОВЕК-КОМПЬЮТЕР
  8. АЛГЕБРАИЧЕСКАЯ РЕКОНСТРУКЦИЯ В УСЛОВИЯХ НЕДОСТАТКА ПАМЯТИ ГРАФИЧЕСКОГО ПРОЦЕССОРА В ЗАДАЧЕ КОМПЬЮТЕРНОЙ ТОМОГРАФИИ
  9. НОВЫЙ КРИТЕРИЙ ОБУЧЕНИЯ НЕЙРОСЕТЕВОГО ЭНКОДЕРА В ЗАДАЧЕ СЕГМЕНТАЦИИ СТРОКИ НА СИМВОЛЫ

ИСПОЛЬЗОВАНИЕ МОБИЛЬНЫХ УСТРОЙСТВ ДЛЯ ВЫЯВЛЕНИЯ ПРИЗНАКОВ ФАБРИКАЦИИ ДОКУМЕНТОВ, УДОСТОВЕРЯЮЩИХ ЛИЧНОСТЬ

© 2019 г. Д. В. Полевой1,2,3

1Федеральное государственное учреждение “Федеральный исследовательский центр “Информатика и управление” Российской академии наук” 19333 Москва, ул. Вавилова, д. 44, корп. 2, Россия
dvpsun@gmail.com
2Федеральное государственное автономное образовательное учреждение высшего образования “Национальный исследовательский технологический университет “МИСиС” 119991 Москва, Ленинский проспект, д. 4, Россия
3SmartEnginesLtd., 117312 Москва, проспект 60-летия Октября, д. 9, Россия

Поступила в редакцию 23.11.2018 г.

Вместе с повышающимся интересом к использованию изображений документов, удостоверяющих личность, в процессах регистрации и обеспечении доступа пользователей мобильных сервисов к услугам, растут и риски потерь от мошеннических действий при использовании технологий такого рода. В настоящей работе рассматриваются подходы и методы решения актуальной проблемы выявления фабрикации документов непосредственно на мобильных устройствах с учетом слабо контролируемых условий получения изображений и особенностей документов, удостоверяющих личность.

Ключевые слова: выявление подделок документов, распознавание изображений документов, обработка изображений, мобильное устройство, смартфон, удостоверение личности, идентификация

DOI: 10.1134/S0235009219020070

Цитирование для раздела "Список литературы": Полевой Д. В. Использование мобильных устройств для выявления признаков фабрикации документов, удостоверяющих личность. Сенсорные системы. 2019. Т. 33. № 2. С. 142-156. doi: 10.1134/S0235009219020070
Цитирование для раздела "References": Polevoy D. V. Ispolzovanie mobilnykh ustroistv dlya vyyavleniya priznakov fabrikatsii dokumentov, udostoveryayushchikh lichnost [Identity documents forgery detection with mobile devices]. Sensornye sistemy [Sensory systems]. 2019. V. 33(2). P. 142-156 (in Russian). doi: 10.1134/S0235009219020070

Список литературы:

  • Арлазаров В.В., Арлазарова А.Р., Арлазаров Н.В., Николаев Д., Славин О., Усилин С., Шешкус А. Система доступа к дистанционному получению банковских услуг. Патент на полезную модель РФ. №161478. 2016.
  • Арлазаров В.В., Булатов К.Б., Усков А.В. Модель системы распознавания объектов в видеопотоке мобильного устройства. Труды ИСА РАН. Спецвыпуск. 2018а. С. 73–82. DOI: 10.14357/20790279180508.
  • Арлазаров В. В., Жуковский А., Кривцов В., Николаев Д., Полевой Д. Анализ особенностей использования стационарных и мобильных малоразмерных цифровых видеокамер для распознавания документов. Информационные технологии и вычислительные системы. 2014. № 3. С. 71–78.
  • Арлазаров В.В., Маталов Д.П., Усилин С.А. Локализация образа печати на документе, удостоверяющем личность, методом машинного обучения. Труды ИСА РАН. Спецвыпуск. 2018б. С. 158–166. DOI: 10.14357/20790279180518
  • Арлазаров В.В., Николаев Д.П., Скорюкина Н.С., Чернов Т.С. Способ детектирования голографических элементов в видеопотоке. Патент РФ. №2644513. 2018в.
  • Безматерных П.В., Плискин Е.Л., Фарсобина В.В. Вычислительный комплекс для контроля качества распознавания структурированных документов. Информационные технологии и вычислительные системы. 2018. № 2. С. 94–102. DOI: 10.14357/20718632180208
  • Блохинов Ю.Б., Бондаренко А.В., Горбачев В.А., Желтов С.Ю., Ракутин Ю.О. Определение подлинности банкнот на основе анализа изображений для смартфона. Компьютерная оптика. 2017. Т. 41. № 2. С. 237–244. DOI: 10.18287/2412-6179-2017-41-2-237-244
  • Блохинов Ю.Б., Горбачев В.А. Анализ подлинности образцов защищенной печатной продукции с использованием смартфона. Вестник компьютерных и информационных технологий. 2016. № 4. С. 23–29. DOI: 10.14489/vkit.2016.04.pp.023-029.
  • Булатов К. Выбор оптимальной стратегии комбинирования покадровых результатов распознавания символа в видеопотоке. Информационные технологии и вычислительные системы. 2017. № 3. С. 45–55.
  • Булатов К.Б., Ильин Д.А., Полевой Д.В., Чернышова Ю.С. Проблемы распознавания машиночитаемых зон с использованием малоформатных цифровых камер мобильных устройств. Труды ИСА РАН. 2015. Т. 65. № 3. С. 85–93.
  • Вашкевич Н.А., Рубис А.С. Средства защиты и способы подделки машиносчитываемых проездных документов: учебное пособие. Минск. Право и экономика, 2017. 91 с.
  • Гайер А.В., Чернышова Ю.С., Шешкус А.В. Генерация искусственной обучающей выборки для задачи распознавания символов полей паспорта РФ. Сенсорные системы. 2018а. Т. 32. № 3. С. 230–235. DOI: 10.1134/S023500921803006X
  • Гайер А.В., Шешкус А.В., Чернышова Ю.С. Аугментация обучающей выборки “на лету” для обучения нейронных сетей. Труды ИСА РАН. Спецвыпуск. 2018б. С. 150–157. DOI: 10.14357/20790279180517
  • Герасимов А. Цифровое мошенничество: риски и ущерб. URL: https://bosfera.ru/bo/cifrovoe-moshennichestvo-riski-i-ushcherb (дата обращения: 20.10.2018).
  • ГОСТ Р 54109-2010. Защитные технологии. Продукция полиграфическая защищенная. Общие технические требования. М. Стандартинформ, 2011. 18 с.
  • Емельянов С.О., Иванова А.А., Швец Е.А., Николаев Д.П. Методы аугментации обучающих выборок в задачах классификации изображений. Сенсорные системы. 2018. Т. 32. № 3. С. 236–245. DOI: 10.1134/S0235009218030058
  • Жуковский А.Е. Методы межкадровой интеграции результатов обнаружения документов в видеопотоке мобильного устройства. Труды ИСА РАН. Спецвыпуск. 2018. С. 15–22. DOI: 10.14357/20790279180502.
  • Ильин Д.А. Быстрая локализация текстовых полей на изображения документов низкого качества. Труды ИСА РАН. Спецвыпуск. 2018. С. 192–198. DOI: 10.14357/20790279180522
  • КонсультантПлюc. Справочная информация: “Документы, удостоверяющие личность”. URL: http://www.consultant.ru/cons/cgi/online.cgi?req=doc&base=LAW&n=149244 (дата обращения: 20.10.2018).
  • Лынченко A.Е., Шешкус А.В., Арлазаров В.Л. Алгоритм классификации документов, удостоверяющих личность, на проективно-искаженных изображениях на основе обучаемой метрики подобия. Труды ИСА РАН. Спецвыпуск. 2018. С. 167–173. DOI: 10.14357/20790279180519
  • НБКИ. В 2015 году было зафиксировано 596 тысяч кредитов с признаками мошенничества. Это на 12.6% больше, чем в 2014 году. URL: https://www.nbki.ru/company/news/?id=12161&sphrase_id=116239 (дата обращения: 20.10.2018).
  • Одиноков С.Б. Методы и оптико-электронные приборы для автоматического контроля подлинности защитных голограмм. М. Техносфера, 2013. 175 с.
  • Петрова О.О., Булатов К.Б. Методы пост-обработки результатов распознавания машиночитаемой зоны документов. Труды ИСА РАН. Спецвыпуск. 2018. С. 43–50. DOI: 10.14357/20790279180505.
  • Полевой Д., Булатов К., Скорюкина Н., Чернов Т., Арлазаров В.В., Шешкус А. Ключевые аспекты распознавания документов с использованием малоразмерных цифровых камер. Вестник РФФИ. 2016. № 4. С. 97-108. DOI: 10.22204/2410-4639-2016-092-04-97-108
  • Тропин Д.В., Николаев Д.П., Слугин Д.Г. Метод совмещения изображений на основе максимизации резкости. Труды ИСА РАН. Спецвыпуск. 2018. С. 134–141. DOI: 10.14357/20790279180515
  • Усилин С.А., Николаев Д.П., Шоломов Д.Л., Арлазаров В.В. Распознавание гильоширных элементов: определение страниц паспорта РФ. Труды ИСА РАН. 2013. Т. 63. № 3. С. 106–110.
  • ЦБ РФ. Основные направления развития финансовых технологий на период 2018–2020 гг. URL: https://www.cbr.ru/content/document/file/35816/on_fintex_2017.pdf (дата обращения: 20.10.2018).
  • Шемякина Ю.А., Жуковский А.Е., Коноваленко И.А., Николаев Д.П. Алгоритм автоматического кадрирования цифровых изображений при проективном преобразовании. Труды ИСАРАН. Спецвыпуск. 2018. С. 142–149. DOI: 10.14357/20790279180516
  • Arlazarov V. V., Bulatov K., Manzhikov T., Slavin O., Yanishevskiy I. Method of determining the necessary number of observations for video stream documents recognition. Proc. SPIE 10696, Tenth International Conference on Machine Vision (ICMV 2017). 2018. V. 106961X. P. 1–6. DOI: 10.1117/12.2310132.
  • Arlazarov V.V., Bulatov K., Chernov T., Arlazarov V.L. MIDV-500: A Dataset for Identity Documents. URL: https://arxiv.org/pdf/1807.05786.pdf (дaтa oбpaщeния: 20.10.2018).
  • Artaud C., Sidère N., Doucet A., Ogier J.-M., Poulain V. Find it! Fraud Detection Contest Report. 24th International Conference on Pattern Recognition (ICPR 2018). 2018.
  • Awal A.-M., Ghanmi N., Sicre R., Furon T. Complex Document Classification and Localization Application on Identity Document Images.14th IAPR International Conference on Document Analysis and Recognition (ICDAR 2017). 2017. P. 426–431. DOI: 10.1109/ICDAR. 2017.77.10.1109/ICDAR.2017.77
  • Baluja S. Learning typographic style.URL: https://arxiv. org/pdf/1603.04000 (дaтa oбpaщeния 20.10.2018).
  • Berenguel A., Terrades O.R., Llados J., Canero C. Banknote Counterfeit Detection through Background Texture Printing Analysis. 12th IAPR Workshop on Document Analysis Systems (DAS). 2016. P. 66–71. DOI: 10.1109/das.2016.34.
  • Bertrand R., Terrades O. R., Gomez-Kramer P., Franco P., Ogier J.-M. A conditional random field model for font forgery detection.13th International Conference on Document Analysis and Recognition (ICDAR 2015). 2015. V. 576–580.
  • Bezmaternykh P. V., Nikolaev D. P., Arlazarov V. L. Textual Blocks Rectification Method Based on Fast Hough Transform Analysis in Identity Documents Recognition. Proc. SPIE 10696, Tenth International Conference on Machine Vision (ICMV 2017). 2018. V. 1069606. P. 1–6. DOI: 10.1117/12.2310162.
  • Boulkenafet Z., Akhtar Z., Feng X., Hadid A. Face Antispoofing in Biometric Systems.Biometric Security and Privacy. Ed. Jiang R. Springer. 2017. P. 299–321. DOI: 10.1007/978-3-319-47301-7_13
  • Bulatov K., Arlazarov V.V., Chernov T., Slavin O., Nikolaev D. Smart IDReader: Document Recognition in Video Stream. 14th IAPR International Conference on Document Analysis and Recognition (ICDAR 2017). 2017. P. 39–44. DOI: 10.1109/ICDAR.2017.347.
  • Burie J.C., Chazalon J., Coustaty M., Eskenazi S., Luqman M.M., Mehri M., Nayef N., Ogier J.M., Prum S., Rusinol M. ICDAR 2015 competition on smartphone document capture and OCR (SmartDoc). Proc. of the Intl. Conf. on Document Analysis and Recognition (ICDAR 2015). 2015. P. 1161–1165.
  • Chazalon J., Gomez-Kramer P., Burie J.-C., Coustaty M., Eskenazi S., Luqman M., Nayef N., Rusinol M., Sidere N., Ogier J.-M. SmartDoc 2017 Video Capture: Mobile Document Acquisition in Video Mode. Proc. of the Conf. on Document Analysis and Recognition (ICDAR 2017).2017. DOI: 10.1109/icdar.2017.306.
  • Chen G., Yang J., Jin H., Brandt J., Shechtman E., Agarwala A., Han T. X., Large-scale visual font recognition. Proc. IEEE Conference on Computer Vision and Pattern Recognition (CVPR 2014). 2014. P. 3598–3605. DOI: 10.1109/CVPR.2014.460.
  • Chernov T.S., Nikolaev D.P., Kliatskine V.M. A Method of Periodic Pattern Localization on Document Images. Proceedings SPIE 9875, Eighth International Conference on Machine Vision (ICMV 2015).2015. V. 987504. P. 1–7. DOI: 10.1117/12.2228600.10.1117/12.2228600
  • Chernov T.S., Kolmakov S.I., Nikolaev D.P. An algorithm for detection and phase estimation of protective elements periodic lattice on document image. Pattern Recognition and Image Analysis. 2017. V. 27. № 1. P. 53–65 DOI: 10.1134/S1054661817010023
  • Chernov T.S., Razumnuy N.P., Kozharinov A.S., Nikolaev D.P., Arlazarov V.V. Image quality assessment for video stream recognition systems. Proc. SPIE 10696, Tenth International Conference on Machine Vision (ICMV 2017). 2018. V. 106961U. P. 1–8. DOI: 10.1117/12.2309628.
  • Chernyshova Y.S., Gayer A.V., Sheshkus A.V. Generation method of synthetic training data for mobile OCR system. Proc. SPIE 10696, Tenth International Conference on Machine Vision (ICMV 2017). 106962G. 2018. P. 1–7. DOI: 10.1117/12.2310119.
  • Chernyshova Y.S., Aliev M.A., Sheshkus A.V. Optical font recognition in images captured with smartphones, and its applicability for detecting forgery of identity documents. URL: https://arxiv.org/abs/1810.08016 (дaтa oбpaщeния: 20.10.2018).
  • Cook S. Selfie banking: is it a reality? Biometric Technology Today. 2017. V. 3. P. 9–11.
  • Dewaele T., Diephuis M., Holotyak T., Voloshynovskiy S. Forensic authentication of banknotes on mobile phones. Electronic Imaging. 2016. V. 8. P. 1–8. DOI: 10.2352/issn.2470-1173.2016.8.mwsf-083
  • Dittimi T.V., Suen C.Y. Mobile App for Detection of Counterfeit Banknotes. Lecture Notes in Computer Science. 2018. V. 10832. P. 156–168. DOI: 10.1007/978-3-319-89656-4_13
  • Folego G., Angeloni M. A., Stuchi J. A., Godoy A., Rocha A. Cross-domain face verification: Matching ID document and self-portrait photographs.XII Workshop de VisãoComputacional. 2016. P. 311–316.
  • Gaia K., Qiua M., Suna X. A survey on fintech.Journal of Network and Computer Applications. 2018. V. 103. P. 262–273.
  • Hartl A., Arth C., Grubert J., Schmalstieg D. Efficient Verification of Holograms Using Mobile Augmented Reality. Transactions on Visualization and Computer Graphics. 2016. V. 22. № 7. P. 1843–1851.
  • Hartl A., Arth C., Schmalstieg D. AR-Based Hologram Detection on Security Documents Using a Mobile Phone. Lecture Notes in Computer Science. 2015. V. 8888. P. 335–346. DOI: 10.1007/978-3-319-14364-4_32
  • Hartl A., Grubert J., Schmalstieg D., Reitmayr G. Mobile interactive hologram verification. Proceedings of the IEEE International Symposium on Mixed and Augmented Reality (ISMAR). 2013. P. 75–82.
  • Ilin D., Limonova E., Arlazarov V., Nikolaev D. Fast Integer Approximations In Convolutional Neural Networks Using Layer-By-Layer Training. Proceedings SPIE 10341, Ninth International Conference on Machine Vision (ICMV 2016). 2017. V. 103410Q. P. 1–5. DOI: 10.1117/12.2268722.
  • Kumar J., Ye P., Doermann D. A dataset for quality assessment of camera captured document images. Proc. of the International Workshop on Camera-Based Document Analysis and Recognition (CBDAR 2013). 2013. P. 113–125.
  • Kwon Y.-B., Kim J.-H. Recognition based verification for the machine readable travel documents. International Workshop on Graphics Recognition (GREC 2007). 2007.
  • Limonova E.E., Bezmaternykh P., Nikolaev D., Arlazarov V. Slant Rectification in Russian Passport OCR System Using Fast Hough Transform. Proceedings SPIE 10341, Ninth International Conference on Machine Vision (ICMV 2016).2017. V. 10341. № 103410P. P. 1–5. DOI: 10.1117/12.2268725.
  • Nayef N., Luqman M., Prum S., Eskenazi S., Chazalon J., Ogier J.-M. SmartDoc-QA: A dataset for quality assessment of smartphone captured document imagessingle and multiple distortions. Proc. of the Conf. on Document Analysis and Recognition (ICDAR 2015). 2015. P. 1231–1235.
  • Ngoc M.O., Fabrizio J., Geraud T. Saliency-Based Detection of Identy Documents Captured by Smartphones. 13th IAPR International Workshop on DocumentAnalysis Systems (DAS 2018). 2018. DOI: 10.1109/das.2018.17.
  • Oliveira J. S., Souza G. B., de Rezende R. A., de Deus F. E., Marana A. N. Cross-domain deep face matching for real banking security systems. URL: https://arxiv. org/abs/1806.07644 (дaтa oбpaщeния: 20.10.2018).
  • Puybareau E., Geraud T. Real-Time Document Detection in Smartphone Videos. 25th IEEE International Conference on Image Processing (ICIP 2018). 2018. DOI: 10.1109/icip.2018.8451533.
  • Rahman U., Sargano A., Bajwa U. Android-Based Verification System for Banknotes. Journal of Imaging. 2017. V. 3. № 54.DOI: 10.3390/jimaging3040054
  • Satkhozhina A., Ahmadullin I., Allebach J. P. Optical font recognition using conditional random field. Proceedings of the 2013 ACM Symposium on Document Engineering (DocEng ’13). 2013. P. 119–122. DOI: 10.1145/2494266.2494307.
  • Simon M., Rodner E., Denzler J. Fine-grained classification of identity document types with only one example. 14th IAPR International Conference on Machine Vision Applications (MVA 2015). 2015. P. 126–129. DOI: 10.1109/MVA.2015.7153149.
  • Shemyakina J., Zhukovskiy A., Nikolaev D. The Method for Homogrpahy Estimation between Two Planes Based on Lines and Points. Proc. SPIE 10696, Tenth International Conference on Machine Vision (ICMV 2017). 2018. V. 106961G. P. 1–20. DOI: 10.1117/12.2310111.
  • Sheshkus A., Limonova E., Nikolaev D., Krivtsov V. Combining Convolutional Neural Networks and Hough Transform for Classification of Images Containing Lines. Proceedings SPIE 10341, Ninth International Conference on Machine Vision (ICMV 2016). 2017. V. 103411C. P. 1–5. DOI: 10.1117/12.2268717.
  • Sicre R., MontaserAwal A., Furon T. Identity documents classification as an image classification problem.19th International Conference on Image Analysis and Processing (ICIAP 2017). 2017. P. 602–613. DOI: 10.1007/978-3-319-68548-9_55
  • Sidere N., Cruz F., Coustaty M., Ogier J.-M. A dataset for forgery detection and spotting in document images. Proc. of the Seventh International Conference on Emerging Security Technologies (EST 2017). 2017. P. 26–31. DOI: 10.1109/est.2017.8090394
  • Skoryukina N., Nikolaev D.P., Sheshkus A., Polevoy D. Real time rectangular document detection on mobile devices. Proc. SPIE 9445, Seventh International Conference on Machine Vision (ICMV 2014). 2015. V. 94452A. P. 1–6.
  • Skoryukina N., Shemyakina J., Arlazarov V. L., Faradzhev I. Document localization algorithms based on feature points and straight lines. Proc. SPIE 10696, Tenth International Conference on Machine Vision (ICMV2017). 2018. V. 106961H. P. 1–8. DOI: 10.1117/12.2311478.
  • Usilin S., Nikolaev D., Postnikov V., Schaefer G. Visual appearance based document image classification. Proc. of the IEEE International Conference on Image Processing. 2010. P. 2133–2136.DOI: 10.1109/ICIP. 2010.5652024.
  • Vironit. A Real-time Document Recognition SDK Comparison. URL: https://vironit.com/a-real-time-documentrecognition-sdk-comparison (дата обращения: 20.10.2018).
  • Wang X. Bissacco A., Berntson G., Nazif M., Scheiner J., Shih S., Snyder M., Talavera D. Client side filtering of card OCR images. Patent US. № 8,903,136. 2014
  • Wang Z., Yang J., Jin H., Shechtman E., Agarwala A., Brandt J., Huang T. S. DeepFont, Identify your font from an image. In Proceedings of the 23rd ACM International Conference on Multimedia. 2015. P. 451–459.
  • Wang Z. Deep Learning for Font Recognition and Retrieval. Applied Cloud Deep Semantic Recognition Advanced Anomaly Detection. 2018. Auerbach Publications. P. 109–130.
  • Williem C. Simon S. Cho and I. K. Park. Fast and Robust Perspective Rectification of Document Images on a Smartphone. Proc. IEEE (CVPRW 2014). 2014. P. 197–198.
  • Winarski T.Y. Selfie financial security transaction system. Patent US. No. US20160071101A1. 2016.
  • Xu Y., Carlinet E., Géraud T., Najman L. Hierarchical Segmentation Using Tree-Based Shape Spaces. IEEE Transactions on Pattern Analysis and Machine Intelligence. 2017. V. 39. № 3. P. 457–469.
  • Zhukovsky A., Nikolaev D., Arlazarov V., Postnikov V., Polevoy D., Skoryukina N., Chernov T., Shemiakina J., Mukovozov A., Konovalenko I., Povolotsky M. Segments Graph-Based Approach for Document Capture in a Smartphone Video Stream. Proceedings of the International Conference on Document Analysis and Recognition (ICDAR). 2017. V. 1. P. 337–342. DOI: 10.1109/ICDAR.2017.63
  • Zramdini A., Ingold R. Optical font recognition using typographical features. IEEE Trans. Pattern Anal. Mach. Intell. 1998. V. 20. P. 877–882.