CN105205439A - 指纹重叠区域面积的计算方法及电子装置 - Google Patents

指纹重叠区域面积的计算方法及电子装置 Download PDF

Info

Publication number
CN105205439A
CN105205439A CN201510079577.0A CN201510079577A CN105205439A CN 105205439 A CN105205439 A CN 105205439A CN 201510079577 A CN201510079577 A CN 201510079577A CN 105205439 A CN105205439 A CN 105205439A
Authority
CN
China
Prior art keywords
image
fingerprint image
overlapping region
matched
vegetarian refreshments
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201510079577.0A
Other languages
English (en)
Other versions
CN105205439B (zh
Inventor
雷磊
徐坤平
杨云
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
BYD Semiconductor Co Ltd
Original Assignee
BYD Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by BYD Co Ltd filed Critical BYD Co Ltd
Priority to CN201510079577.0A priority Critical patent/CN105205439B/zh
Priority to TW104129619A priority patent/TWI619080B/zh
Publication of CN105205439A publication Critical patent/CN105205439A/zh
Priority to EP16748537.4A priority patent/EP3258416A4/en
Priority to JP2017542174A priority patent/JP6511149B2/ja
Priority to US15/549,121 priority patent/US20180018499A1/en
Priority to KR1020177022459A priority patent/KR101912420B1/ko
Priority to PCT/CN2016/070193 priority patent/WO2016127736A1/zh
Application granted granted Critical
Publication of CN105205439B publication Critical patent/CN105205439B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/12—Fingerprints or palmprints
    • G06V40/1335—Combining adjacent partial images (e.g. slices) to create a composite input or reference pattern; Tracking a sweeping finger movement
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/28—Quantising the image, e.g. histogram thresholding for discrimination between background and foreground patterns
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
    • G06V10/751—Comparing pixel values or logical combinations thereof, or feature values having positional relevance, e.g. template matching
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/12—Fingerprints or palmprints
    • G06V40/1347—Preprocessing; Feature extraction
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/12—Fingerprints or palmprints
    • G06V40/1365—Matching; Classification

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Human Computer Interaction (AREA)
  • Artificial Intelligence (AREA)
  • Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Geometry (AREA)
  • Collating Specific Patterns (AREA)
  • Image Input (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开的指纹重叠区域面积的计算方法包括以下步骤：采集待匹配指纹并得到待匹配指纹图像；寻找该待匹配指纹图像与模板指纹图像的匹配的特征点；根据该匹配的特征点获得图像偏移量；利用该图像偏移量，调整该待匹配指纹图像的位置以得到该待匹配指纹图像在该模板指纹图像中的重叠区域；统计该重叠区域所在的图像像素点的数量以获得该重叠区域的面积。上述计算方法，通过把重叠区域分解为一个个像素点并统计在重叠区域所在像素点的数量来计算重叠区域的面积，求出的面积更准确，方便后面计算，使指纹匹配更准确，提高用户体验。本发明还公开一种电子装置。

Description

指纹重叠区域面积的计算方法及电子装置
技术领域
本发明涉及于指纹识别领域，更具体而言，涉及一种指纹重叠区域面积的计算方法及一种电子装置。
背景技术
在指纹识别领域中，由于指纹传感器的面积越来越小，在指纹录入阶段可能没有录完整个手指的指纹。在之后的使用过程中采集的指纹与录入的指纹只有一部分重合。不同人的指纹手指完整指纹相似的概率是70亿分之一，但是如果只是整个指纹的一小部分，不同指纹有很高的概率具有局部相似性。当采集的指纹与录入的指纹的重叠区域面积较小时，匹配的特征点不仅数量较少，而且距离太近，匹配可靠性很低，极容易出现误识，所以需要计算重叠区域面积来判断特征点匹配是否可靠。
目前，要计算两幅匹配指纹的重叠区域的面积，一般的做法是在每个指纹各取一个包含所有匹配特征点的最小矩形，求得这两个矩形的面积S1、S2，取S＝(S1+S2)/2为重叠区域的面积。但是，上述方法求得的面积受特征点分布影响。当特征点分布均匀时，上述方法求得的面积接近真实重叠面积。当特征点分布比较集中时，上述方法求得的面积远小于重叠面积。当特征点分布比较分散时，上述方法求得的面积可能大于真实重叠面积。
而且，由于手指按压指纹传感器的角度不同，指纹图像具有一定的旋转角度，采集的指纹和录入的指纹取的矩形面积可能相差过大，求得的面积不准。
发明内容
本发明旨在至少解决现有技术中存在的技术问题之一。为此，本发明需要提供一种指纹重叠区域面积的计算方法及一种电子装置。
一种指纹重叠区域面积的计算方法，包括以下步骤：
S11：采集待匹配指纹并得到待匹配指纹图像；
S12：寻找该待匹配指纹图像与模板指纹图像的匹配的特征点；
S13：根据该匹配的特征点获得图像偏移量；
S14：利用该图像偏移量，调整该待匹配指纹图像的位置以得到该待匹配指纹图像在该模板指纹图像中的重叠区域；及
S15：统计该重叠区域所在的图像像素点的数量，并根据该数量计算该重叠区域的面积。
上述计算方法，通过把重叠区域分解为一个个像素点并统计在重叠区域所在像素点的数量来计算重叠区域的面积，可以计算出任意形状的重叠区域的面积，而且求出的面积精确到像素级，求出的面积更准确，方便后面计算，使指纹匹配更准确，提高用户体验。
在一个实施方式中，步骤S12包括以下步骤：
S21：对该待匹配指纹图像滤波增强、二值化及细化后提取该第一特征点；
S22：根据该第一特征点与该模板指纹图像的第二特征点寻找该匹配的特征点。
在一个实施方式中，在步骤S13中，该图像偏移量包括旋转角度及平移量中的至少一种。
在一个实施方式中，步骤S15具体包括：根据该模板指纹图像建立坐标系；判断在该模板指纹图像坐标范围内的该待匹配指纹图像的图像像素点是该重叠区域所在的图像像素点；及统计该重叠区域所在的图像像素点的数量，计算该重叠区域所在的图像像素点的数量与该模板指纹图像的图像像素点的数量的比值，并根据该比值计算该重叠区域的面积。
在一个实施方式中，满足X1＜X＜X2且Y1＜Y＜Y2的该待匹配指纹图像的图像像素点是该重叠区域所在的图像像素点，其中，X为该待匹配指纹图像的图像像素点在该坐标系的横坐标，Y为该待匹配指纹图像的图像像素点在该坐标系的纵坐标，X1～X2为该模板指纹图像在该坐标系的横坐标范围，Y1～Y2为该模板指纹图像在该坐标系的纵坐标范围，|X2-X1|＊|Y2-Y1|为该模板指纹图像的图像分辨率。
在一个实施方式中，该重叠区域的面积由以下公式确定：S＝Sa＊N/Ns，其中，S为该重叠区域的面积，Sa为该模板指纹图像的面积，N为该重叠区域所在的图像像素点的数量，Ns为该模板指纹图像的图像像素点的数量。
一种电子装置，包括采集模块及处理模块。该采集模块用于采集待匹配指纹并得到待匹配指纹图像。该处理模块用于寻找该待匹配指纹图像与模板指纹图像的匹配的特征点，及根据该匹配的特征点获得图像偏移量，及利用该图像偏移量，调整该待匹配指纹图像的位置以得到该待匹配指纹图像在该模板指纹图像中的重叠区域，及统计该重叠区域所在的图像像素点的数量，并根据该数量计算该重叠区域的面积。
在一个实施方式中，该处理模块根据该模板指纹图像建立坐标系，判断在该模板指纹图像坐标范围内的该待匹配指纹图像的图像像素点是该重叠区域所在的图像像素点，及统计该重叠区域所在的图像像素点的数量，计算该重叠区域所在的图像像素点的数量与该模板指纹图像的图像像素点的数量的比值，并根据该比值计算该重叠区域的面积。
在一个实施方式中，满足X1＜X＜X2且Y1＜Y＜Y2的该待匹配指纹图像的图像像素点是该重叠区域所在的图像像素点，其中，X为该待匹配指纹图像的图像像素点在该坐标系的横坐标，Y为该待匹配指纹图像的图像像素点在该坐标系的纵坐标，X1～X2为该模板指纹图像在该坐标系的横坐标范围，Y1～Y2为该模板指纹图像在该坐标系的纵坐标范围，|X2-X1|＊|Y2-Y1|为该模板指纹图像的图像分辨率。
在一个实施方式中，该重叠区域的面积由以下公式确定：S＝Sa＊N/Ns，其中，S为该重叠区域的面积，Sa为该模板指纹图像的面积，N为该重叠区域所在的图像像素点的数量，Ns为该模板指纹图像的图像像素点的数量。
本发明的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。
附图说明
本发明的上述和/或附加的方面和优点从结合下面附图对实施方式的描述中将变得明显和容易理解，其中：
图1是本发明较佳实施方式的指纹重叠区域面积的计算方法的流程示意图；
图2是本发明较佳实施方式的指纹重叠区域面积的计算方法的另一流程示意图；
图3是本发明较佳实施方式的指纹重叠区域面积的计算方法的原理示意图；
图4是本发明较佳实施方式的指纹重叠区域面积的计算方法所用到的指纹图像的示意图；
图5是本发明较佳实施方式的指纹重叠区域面积的计算方法建立坐标系的示意图；
图6是本发明较佳实施方式的电子装置的模块示意图；及
图7是本发明较佳实施方式的电子装置的平面示意图。
具体实施方式
下面详细描述本发明的实施方式，所述实施方式的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施方式是示例性的，仅用于解释本发明，而不能理解为对本发明的限制。
在本发明的描述中，需要理解的是，术语″第一″、″第二″仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐合指明所指示的技术特征的数量。由此，限定有″第一″、″第二″的特征可以明示或者隐合地包括一个或者更多个所述特征。在本发明的描述中，″多个″的含义是两个或两个以上，除非另有明确具体的限定。
在本发明的描述中，需要说明的是，除非另有明确的规定和限定，术语″安装″、″相连″、″连接″应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接或可以相互通信；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通或两个元件的相互作用关系。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。
下文的公开提供了许多不同的实施方式或例子用来实现本发明的不同结构。为了简化本发明的公开，下文中对特定例子的部件和设定进行描述。当然，它们仅仅为示例，并且目的不在于限制本发明。此外，本发明可以在不同例子中重复参考数字和/或参考字母，这种重复是为了简化和清楚的目的，其本身不指示所讨论各种实施方式和/或设定之间的关系。此外，本发明提供了的各种特定的工艺和材料的例子，但是本领域普通技术人员可以意识到其他工艺的应用和/或其他材料的使用。
请参阅图1～图5，本发明较佳实施方式的指纹重叠区域面积的计算方法包括以下步骤：
S11：采集待匹配指纹并得到待匹配指纹图像；
S12：寻找该待匹配指纹图像与模板指纹图像的匹配的特征点；
S13：根据该匹配的特征点获得图像偏移量；
S14：利用该图像偏移量，调整该待匹配指纹图像的位置以得到该待匹配指纹图像在该模板指纹图像中的重叠区域；
S15：统计该重叠区域所在的图像像素点的数量，并根据该数量计算该重叠区域的面积。
在步骤S11，当用户需要进行指纹匹配时，可根据提示将手指按在指纹传感器上，该指纹传感器例如可以安装在手机，平板电脑，音频播放器或视频播放器等电子装置上，该指纹传感器的采集窗口可设置在电子装置的前面，侧面或背面等位置。
在步骤S12中，模板指纹图像102例如可以是要采集前预先储存在电子装置中。在用户使用指纹识别功能时，可通过在电子装置的指纹传感器预先录入模板指纹。电子装置处理该模板指纹后形成模板指纹图像102。在后续进行指纹匹配时，只有与该模板指纹图像102相匹配的指纹才能启用相应的功能。
进一步地，请参图2，步骤S12包括以下步骤：
S21：对该待匹配指纹图像滤波增强、二值化及细化后提取该第一特征点；
S22：根据该第一特征点与该模板指纹图像的第二特征点寻找该匹配的特征点。
在步骤S21中，二值化处理一般是指通过一系列图像处理把指纹图像的脊线灰度置为0，把谷线置为255，形成只有2种灰度值的图像。采集指纹图像为指纹识别领域相关的现有技术，在此不再详细展开。
在指纹图像中，一些指纹的特征部分会被提取作为特征点。这些比较特征点例如可以为指纹的脊线端点及分叉点。而特征点的选取可考虑以下因素：1)特征点具有不同于一般特征的特殊性；2)特征点具有相对的稳定性；3)尽量选择组合特征点。
在步骤S22中，根据第一特征点与模板指纹图像的第二特征点寻找匹配的特征点。
具体地，请结合图3，对模板指纹图像和待匹配指纹图像均选取任意一特征点作为局部中心点。例如，图3中白点Z为局部中心点，它与其周围特征点A、B、C分别得到3个向量[d，α，β]，d为两个特征点之间的距离，α表示的是两个特征点角度差，β表示的是特征点A和局部中心点Z连线方向与特征点A角度的夹角，其中，特征点角度指该特征点所在位置脊线的切线方向，特征点相互关系指特征点之间的距离及角度差等信息。
以模板指纹图像中特征点Mi为作为局部中心点，计算与周围特征点的相互关系向量。再以待匹配指纹图像中特征点Nj为作为局部中心点，计算与周围特征点的相互关系向量。i、j为特征点序号。
若以特征点Mi及特征点Nj为局部中心点的2组相互关系向量中d、α、β均小于设定阈值则认为特征点Mi和特征点Nj是一对匹配的特征点。Nj为待匹配指纹图像100的匹配的特征点。匹配的特征点的对数可根据实际所求来确定，例如10对。图像偏移量是根据匹配的特征点角度差及距离求出。图像偏移量包括旋转角度及平移量中的至少一种。
计算图像偏移量时，较佳地，可将模板指纹图像102的位置固定，而调整待匹配指纹图像100的位置。本实施方式中，待匹配指纹图像100相对于模板指纹图像102存在旋转偏移及平移偏移，那么图像偏移量包括旋转角度及平移量。
当然，在其它实施方式中，如果待匹配指纹图像100相对于模板指纹图像102只存在旋转偏移，那么图像偏移量包括旋转角度；如果待匹配指纹图像100相对于模板指纹图像102只存在平移偏移，那么图像偏移量包括平移量；在少数的情况下，如果待匹配指纹图像100相对于模板指纹图像102不存在偏移，那么图像偏移量为零。
在步骤S14中，根据步骤S13中计算得到的旋转角度及平移量，对待匹配指纹图像100作同样的旋转平移使待匹配指纹图像100中的匹配特征点与模板指纹图像102中的匹配特征点重合。请结合图4，为了方便说明，颜色较浅的指纹图像是模板指纹图像102，颜色较深的指纹图像是待匹配指纹图像100。对待匹配指纹图像100调整位置使两个指纹图像的匹配特征点重合后，这两个图像的重叠区域104为不规则形状(图4实线所围成的区域)。
在步骤S15中，由图4可知，重叠区域104为不规则形状，无法用几何方法求出准确面积。步骤S15可通过指纹图像的图像像素点所在的坐标判断它是否在重叠区域104，进而统计重叠区域104所在的图像像素点数量。对于同一个指纹传感器，模板指纹图像102的分辨率与待匹配指纹图像100的分辨率相等。
首先，根据模板指纹图像102建立坐标系，例如，以模板指纹图像102的左下角为原点，相邻两连接的边界为轴建立坐标系，如图5所示。那么，指纹图像的分辨率为|Xe-0|＊|Ye-0|＝Xe＊Ye，指纹图像的总图像像素点数量Ns＝Xe＊Ye。
之后，判断在该模板指纹图像102坐标范围内的该待匹配指纹图像100的图像像素点是该重叠区域104所在的图像像素点。在本实施方式中，如图5所示，只有在模板指纹图像102的位置范围内的待匹配指纹图像100的图像像素点才是重叠区域104所在的图像像素点。所以坐标范围是模板指纹图像102在该坐标系所处的位置范围，即0～Xe的横坐标范围，0～Ye的纵坐标范围，也就是模板指纹图像102的分辨率范围。
由图5可知，在调整待匹配指纹图像100的位置使两个指纹图像的匹配的特征点重合后，待匹配指纹图像100中重叠区域的图像像素点的X坐标在0～Xe内，Y坐标在0～Ye内。而待匹配指纹图像100中非重叠区域所在的图像像素点坐标都小于0或大于Xe、Ye。所以把待匹配指纹图像100的位置调整到如图5所示的位置时，满足0＜X＜Xe且0＜Y＜Xe的待匹配指纹图像100的图像像素点是该重叠区域104所在的图像像素点。因此，判断待匹配指纹图像100的所有图像像素点的坐标，统计横坐标在0＜X＜Xe且纵坐标在0＜Y＜Ye范围内的图像像素点的数量N，计算该重叠区域所在的图像像素点的数量N与该模板指纹图像的图像像素点的数量Ns的比值，并根据该比值计算该重叠区域的面积S，具体地，根据公式S＝Sa＊N/Ns计算重叠区域104的面积S，Sa为该模板指纹图像102的面积，N/Ns为该比值。
步骤S15利用了数字图像由一个个图像像素组成这一特性，及旋转平移后待匹配指纹图像100中的重叠区域104的图像像素坐标都在Xe＊Ye分辨率范围内的特征，来统计满足坐标范围的图像像素点的数量来计算例如不规则几何形状的重叠区域的面积。
假设Xe＝100，Ye＝100，那么指纹图像的分辨率为100×100，一幅指纹图像的总像素个数Ns＝100×100。待匹配指纹图像100中的重叠区域104所在的图像像素点的横坐标满足：0＜X＜100，且待匹配指纹图像100中的重叠区域所在的图像像素点的纵坐标满足：0＜Y＜100，即待匹配指纹图像100中的重叠区域所在的图像像素点的X坐标和Y坐标都在0～100范围内。
综上所述，上述计算方法，通过把重叠区域104分解为一个个像素点并统计在重叠区域所在像素点的数量来计算重叠区域的面积，可以计算出任意形状的重叠区域的面积，而且求出的面积精确到像素级，求出的面积更准确，方便后面计算，使指纹匹配更准确，提高用户体验。
请参图6，本发明较佳实施方式的电子装置200包括采集模块202及处理模块204。
该采集模块202用于采集待匹配指纹并得到待匹配指纹图像。采集模块202可连接至指纹传感器206以得到指纹图像。
请结合图7，本实施方式中，该电子装置200以手机为例进行说明。可以理解，在其它实施方式中，电子装置200可还为平板电脑、笔记本电脑、智能穿戴设备、音频播放器或视频播放器等对指纹识别有需求的电子装置。该采集模块与处理模块可设置在电子装置200的内部。指纹传感器206的采集窗口208设置在电子装置200的前面板210，方便采集用户指纹。当然，采集窗口208还可根据其它需求设置在电子装置200的侧面及背面等的其它位置。
该处理模块204用于提取该待匹配指纹图像的第一特征点，及比较该第一特征点与模板指纹图像的第二特征点以获得图像偏移量，及利用该图像偏移量，调整该待匹配指纹图像的位置以得到该待匹配指纹图像在该模板指纹图像中的重叠区域，及统计该重叠区域所在的图像像素点的数量，并根据该数量计算该重叠区域的面积。
处理模块204具体的处理过程，可参以上指纹重叠区域面积的计算方法，在此不再赘述。
综上所述，上述电子装置200，通过把重叠区域分解为一个个像素点并统计在重叠区域所在像素点的数量来计算重叠区域的面积，可以计算出任意形状的重叠区域的面积，而且求出的面积精确到像素级，求出的面积更准确，方便后面计算，使指纹匹配更准确，提高用户体验。
在本说明书的描述中，参考术语″一个实施方式″、″一些实施方式″、″示意性实施方式″、″示例″、″具体示例″、或″一些示例″等的描述意指结合所述实施方式或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施方式或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施方式或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施方式或示例中以合适的方式结合。
此外，术语″第一″、″第二″仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐合指明所指示的技术特征的数量。由此，限定有″第一″、″第二″的特征可以明示或者隐合地包括至少一个该特征。在本发明的描述中，″多个″的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本发明的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本发明的实施例所属技术领域的技术人员所理解。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行***、装置或设备(如基于计算机的***、包括处理器的***或其他可以从指令执行***、装置或设备取指令并执行指令的***)使用，或结合这些指令执行***、装置或设备而使用。就本说明书而言，″计算机可读介质″可以是任何可以包含、存储、通信、传播或传输程序以供指令执行***、装置或设备或结合这些指令执行***、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(RAM)，只读存储器(ROM)，可擦除可编辑只读存储器(EPROM或闪速存储器)，光纤装置，以及便携式光盘只读存储器(CDROM)。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。
应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行***执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。
此外，在本发明各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。
上述提到的存储介质可以是只读存储器，磁盘或光盘等。尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。

Claims (10)

1.一种指纹重叠区域面积的计算方法，其特征在于，包括以下步骤：
S11：采集待匹配指纹并得到待匹配指纹图像；
S12：寻找该待匹配指纹图像与模板指纹图像的匹配的特征点；
S13：根据该匹配的特征点获得图像偏移量；
S14：利用该图像偏移量，调整该待匹配指纹图像的位置以得到该待匹配指纹图像在该模板指纹图像中的重叠区域；及
S15：统计该重叠区域所在的图像像素点的数量，并根据该数量计算该重叠区域的面积。
2.如权利要求1所述的计算方法，其特征在于，步骤S12包括以下步骤：
S21：对该待匹配指纹图像滤波增强、二值化及细化后提取该第一特征点；
S22：根据该第一特征点与该模板指纹图像的第二特征点寻找该匹配的特征点。
3.如权利要求1所述的计算方法，其特征在于，在步骤S13中，该图像偏移量包括旋转角度及平移量中的至少一种。
4.如权利要求1所述的计算方法，其特征在于，步骤S15具体包括：根据该模板指纹图像建立坐标系；
判断在该模板指纹图像坐标范围内的该待匹配指纹图像的图像像素点是该重叠区域所在的图像像素点；及
统计该重叠区域所在的图像像素点的数量，计算该重叠区域所在的图像像素点的数量与该模板指纹图像的图像像素点的数量的比值，并根据该比值计算该重叠区域的面积。
5.如权利要求4所述的计算方法，其特征在于，满足X1＜X＜X2且Y1＜Y＜Y2的该待匹配指纹图像的图像像素点是该重叠区域所在的图像像素点，其中，X为该待匹配指纹图像的图像像素点在该坐标系的横坐标，Y为该待匹配指纹图像的图像像素点在该坐标系的纵坐标，X1～X2为该模板指纹图像在该坐标系的横坐标范围，Y1～Y2为该模板指纹图像在该坐标系的纵坐标范围，|X2-X1|＊|Y2-Y1|为该模板指纹图像的图像分辨率。
6.如权利要求4所述的计算方法，其特征在于，该重叠区域的面积由以下公式确定：S＝Sa＊N/Ns，其中，S为该重叠区域的面积，Sa为该模板指纹图像的面积，N为该重叠区域所在的图像像素点的数量，Ns为该模板指纹图像的图像像素点的数量。
7.一种电子装置，其特征在于，包括采集模块及处理模块；
该采集模块用于采集待匹配指纹并得到待匹配指纹图像；
该处理模块用于寻找该待匹配指纹图像与模板指纹图像的匹配的特征点，及根据该匹配的特征点获得图像偏移量，及利用该图像偏移量，调整该待匹配指纹图像的位置以得到该待匹配指纹图像在该模板指纹图像中的重叠区域，及统计该重叠区域所在的图像像素点的数量，并根据该数量计算该重叠区域的面积。
8.如权利要求7所述的电子装置，其特征在于，该处理模块根据该模板指纹图像建立坐标系，判断在该模板指纹图像坐标范围内的该待匹配指纹图像的图像像素点是该重叠区域所在的图像像素点，及统计该重叠区域所在的图像像素点的数量，计算该重叠区域所在的图像像素点的数量与该模板指纹图像的图像像素点的数量的比值，并根据该比值计算该重叠区域的面积。
9.如权利要求8所述的电子装置，其特征在于，满足X1＜X＜X2且Y1＜Y＜Y2的该待匹配指纹图像的图像像素点是该重叠区域所在的图像像素点，其中，X为该待匹配指纹图像的图像像素点在该坐标系的横坐标，Y为该待匹配指纹图像的图像像素点在该坐标系的纵坐标，X1～X2为该模板指纹图像在该坐标系的横坐标范围，Y1～Y2为该模板指纹图像在该坐标系的纵坐标范围，|X2-X1|＊|Y2-Y1|为该模板指纹图像的图像分辨率。
10.如权利要求8所述的电子装置，其特征在于，该重叠区域的面积由以下公式确定：S＝Sa＊N/Ns，其中，S为该重叠区域的面积，Sa为该模板指纹图像的面积，N为该重叠区域所在的图像像素点的数量，Ns为该模板指纹图像的图像像素点的数量。
CN201510079577.0A 2015-02-13 2015-02-13 指纹重叠区域面积的计算方法及电子装置 Active CN105205439B (zh)

Priority Applications (7)

Application Number Priority Date Filing Date Title
CN201510079577.0A CN105205439B (zh) 2015-02-13 2015-02-13 指纹重叠区域面积的计算方法及电子装置
TW104129619A TWI619080B (zh) 2015-02-13 2015-09-08 指紋重疊區域面積的計算方法及電子裝置
EP16748537.4A EP3258416A4 (en) 2015-02-13 2016-01-05 Computing method for area of fingerprint overlapping area and electronic apparatus
JP2017542174A JP6511149B2 (ja) 2015-02-13 2016-01-05 指紋重複領域の面積算出方法、それを行う電子機器、コンピュータプログラム、及び、記録媒体
US15/549,121 US20180018499A1 (en) 2015-02-13 2016-01-05 Method for calculating area of fingerprint overlapping region and electronic device thereof
KR1020177022459A KR101912420B1 (ko) 2015-02-13 2016-01-05 지문 중첩 영역의 면적을 계산하는 방법 및 전자 기기
PCT/CN2016/070193 WO2016127736A1 (zh) 2015-02-13 2016-01-05 指纹重叠区域面积的计算方法及电子装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510079577.0A CN105205439B (zh) 2015-02-13 2015-02-13 指纹重叠区域面积的计算方法及电子装置

Publications (2)

Publication Number Publication Date
CN105205439A true CN105205439A (zh) 2015-12-30
CN105205439B CN105205439B (zh) 2017-05-03

Family

ID=54953112

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510079577.0A Active CN105205439B (zh) 2015-02-13 2015-02-13 指纹重叠区域面积的计算方法及电子装置

Country Status (7)

Country Link
US (1) US20180018499A1 (zh)
EP (1) EP3258416A4 (zh)
JP (1) JP6511149B2 (zh)
KR (1) KR101912420B1 (zh)
CN (1) CN105205439B (zh)
TW (1) TWI619080B (zh)
WO (1) WO2016127736A1 (zh)

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2016127736A1 (zh) * 2015-02-13 2016-08-18 比亚迪股份有限公司 指纹重叠区域面积的计算方法及电子装置
CN107545217A (zh) * 2016-06-28 2018-01-05 比亚迪股份有限公司 指纹匹配方法、指纹匹配装置和指纹识别芯片
CN109543492A (zh) * 2017-09-21 2019-03-29 比亚迪股份有限公司 指纹录入方法和装置
CN109960911A (zh) * 2017-12-14 2019-07-02 宏碁股份有限公司 指纹验证方法与电子装置
CN110378951A (zh) * 2018-09-10 2019-10-25 天津京东深拓机器人科技有限公司 确定堆垛物品支撑面积的方法和装置
CN111461016A (zh) * 2020-04-01 2020-07-28 联想(北京)有限公司 残迹确定方法、装置和电子设备
CN111611831A (zh) * 2019-02-26 2020-09-01 浙江中正智能科技有限公司 一种指纹模板自学习方法
CN112229349A (zh) * 2020-09-23 2021-01-15 中科云谷科技有限公司 用于确定农业机械作业面积的方法、装置及农业机械
CN112270260A (zh) * 2017-03-06 2021-01-26 苏州佳世达光电有限公司 一种辨识方法以及电子设备
CN113392913A (zh) * 2021-06-21 2021-09-14 常州大学 基于边界特征点集的平面图形匹配度评价方法、装置及***
CN116434352A (zh) * 2023-06-12 2023-07-14 深圳市航顺芯片技术研发有限公司 指纹库生成方法、指纹识别装置及存储介质
WO2024037057A1 (zh) * 2022-08-18 2024-02-22 荣耀终端有限公司 指纹识别的方法和装置

Families Citing this family (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
FR3049090B1 (fr) * 2016-03-21 2021-06-25 Sebastien Jean Serge Dupont Dispositif d'authentification biometrique adaptatif par echographie, photographies en lumiere visible de contraste et infrarouge, sans divulgation, a travers un reseau informatique decentralise
US10909347B2 (en) 2017-03-14 2021-02-02 Samsung Electronics Co., Ltd. Method and apparatus with fingerprint verification
JP6926838B2 (ja) * 2017-08-31 2021-08-25 富士通株式会社 情報処理装置、情報処理方法、及びプログラム
SE1751569A1 (en) * 2017-12-18 2019-06-19 Fingerprint Cards Ab Method and device for classifying fingerprint
CN110390230B (zh) * 2018-04-20 2022-03-18 比亚迪半导体股份有限公司 指纹识别模块异常判定方法、装置、存储介质及电子设备
CN108805034B (zh) * 2018-05-22 2021-09-28 公安部物证鉴定中心 一种基于概率几何特征的指纹特征相似度评价方法
TWI741362B (zh) * 2019-09-06 2021-10-01 大陸商北京集創北方科技股份有限公司 指紋採集方法、指紋採集裝置及資訊處理裝置
CN111160244B (zh) * 2019-12-27 2023-10-03 敦泰电子（深圳）有限公司 一种指纹识别方法及装置
CN113496183B (zh) * 2020-04-08 2023-02-03 上海耕岩智能科技有限公司 指纹匹配方法、装置、电子设备及可读存储介质
CN111652091B (zh) * 2020-05-19 2023-03-24 上海恒浥智能科技股份有限公司 一种检测冷却片叠装合规性的方法
CN112070084B (zh) * 2020-09-04 2024-01-12 北京百度网讯科技有限公司 重复图像单元的位置确定方法和装置
KR102570081B1 (ko) * 2020-12-18 2023-08-23 서울대학교산학협력단 딥러닝 알고리즘을 이용하여 지문중첩영상에서 지문을 분리하는 방법 및 그 장치
CN112837223B (zh) * 2021-01-28 2023-08-29 杭州国芯科技股份有限公司 一种基于重叠子区域的超大图像配准拼接方法
CN112884756A (zh) * 2021-03-12 2021-06-01 敦泰电子（深圳）有限公司 一种指纹图像处理方法、指纹芯片及电子设备
CN113313088B (zh) * 2021-07-28 2022-02-15 深圳阜时科技有限公司 侧边弧面指纹数据的优化方法及指纹识别模组
CN115147469A (zh) * 2022-05-10 2022-10-04 腾讯科技（深圳）有限公司 配准方法、装置、设备及存储介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6785408B1 (en) * 1999-05-11 2004-08-31 Authentic, Inc. Fingerprint segment area processing method and associated apparatus
CN1818927A (zh) * 2006-03-23 2006-08-16 北京中控科技发展有限公司 指纹识别方法与***
CN101114335A (zh) * 2007-07-19 2008-01-30 南京大学 全角度快速指纹识别方法
CN101329727A (zh) * 2008-06-27 2008-12-24 哈尔滨工业大学 点线结合的指纹识别方法
CN101414350A (zh) * 2007-12-14 2009-04-22 浙江师范大学 一种融合多参考节点整体对齐和方向场的指纹图像匹配方法

Family Cites Families (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4736569A (en) * 1987-02-20 1988-04-12 Manville Corporation Dust flap tucking mechanism for use in forming sleeve-type carriers
US5909501A (en) * 1996-09-09 1999-06-01 Arete Associates Systems and methods with identity verification by comparison and interpretation of skin patterns such as fingerprints
US6546122B1 (en) * 1999-07-29 2003-04-08 Veridicom, Inc. Method for combining fingerprint templates representing various sensed areas of a fingerprint to derive one fingerprint template representing the fingerprint
WO2001080167A1 (en) * 2000-04-13 2001-10-25 Nanyang Technological University Method and device for determining a total minutiae template from a plurality of partial minutiae templates
FR2829264A1 (fr) * 2001-09-04 2003-03-07 St Microelectronics Sa Procede de comparaison d'empreintes digitales
US7274807B2 (en) * 2002-05-30 2007-09-25 Activcard Ireland Limited Method and apparatus for supporting a biometric registration performed on a card
WO2004097741A1 (ja) * 2003-04-25 2004-11-11 Fujitsu Limited 指紋照合装置、指紋照合方法および指紋照合プログラム
JP4553644B2 (ja) * 2004-06-30 2010-09-29 セコム株式会社 生体情報認証装置
JP2006065764A (ja) * 2004-08-30 2006-03-09 Sharp Corp 画像照合装置、画像照合方法、画像照合プログラムおよび画像照合プログラムを記録したコンピュータ読取り可能な記録媒体
CN100455266C (zh) * 2005-03-29 2009-01-28 深圳迈瑞生物医疗电子股份有限公司 宽景成像处理方法
CN101221661B (zh) * 2008-01-29 2010-09-22 深圳市迅雷网络技术有限公司 一种图像配准方法及装置
JP5277804B2 (ja) * 2008-09-05 2013-08-28 富士通株式会社 指紋認証装置、指紋認証プログラムおよび指紋認証方法
CN101373516B (zh) * 2008-09-10 2011-05-25 成都方程式电子有限公司 指纹采集图像库的可处理性分析评估方法和***
CN101533470B (zh) * 2009-04-16 2012-01-25 成都方程式电子有限公司 用于刮擦传感器图像拼接的方法及装置
WO2012014308A1 (ja) * 2010-07-29 2012-02-02 富士通株式会社 生体認証装置、生体認証方法及び生体認証用コンピュータプログラムならびに生体情報登録装置
TWI501166B (zh) * 2010-09-29 2015-09-21 Gingy Technology Inc A segmented image recognition method and a region identification device thereof
TWI437501B (zh) * 2010-11-26 2014-05-11 Egis Technology Inc 基於生物特徵之身分驗證裝置及其方法
CN103839283A (zh) * 2014-03-11 2014-06-04 浙江省特种设备检验研究院 一种小型不规则物体的面积周长无损测量方法
CN104156707B (zh) * 2014-08-14 2017-09-22 深圳市汇顶科技股份有限公司 指纹识别方法及其指纹识别装置
CN105205439B (zh) * 2015-02-13 2017-05-03 比亚迪股份有限公司 指纹重叠区域面积的计算方法及电子装置

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6785408B1 (en) * 1999-05-11 2004-08-31 Authentic, Inc. Fingerprint segment area processing method and associated apparatus
CN1818927A (zh) * 2006-03-23 2006-08-16 北京中控科技发展有限公司 指纹识别方法与***
CN101114335A (zh) * 2007-07-19 2008-01-30 南京大学 全角度快速指纹识别方法
CN101414350A (zh) * 2007-12-14 2009-04-22 浙江师范大学 一种融合多参考节点整体对齐和方向场的指纹图像匹配方法
CN101329727A (zh) * 2008-06-27 2008-12-24 哈尔滨工业大学 点线结合的指纹识别方法

Cited By (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2016127736A1 (zh) * 2015-02-13 2016-08-18 比亚迪股份有限公司 指纹重叠区域面积的计算方法及电子装置
CN107545217A (zh) * 2016-06-28 2018-01-05 比亚迪股份有限公司 指纹匹配方法、指纹匹配装置和指纹识别芯片
CN107545217B (zh) * 2016-06-28 2021-07-30 比亚迪半导体股份有限公司 指纹匹配方法、指纹匹配装置和指纹识别芯片
CN112270260A (zh) * 2017-03-06 2021-01-26 苏州佳世达光电有限公司 一种辨识方法以及电子设备
CN109543492A (zh) * 2017-09-21 2019-03-29 比亚迪股份有限公司 指纹录入方法和装置
CN109960911A (zh) * 2017-12-14 2019-07-02 宏碁股份有限公司 指纹验证方法与电子装置
CN110378951A (zh) * 2018-09-10 2019-10-25 天津京东深拓机器人科技有限公司 确定堆垛物品支撑面积的方法和装置
CN111611831A (zh) * 2019-02-26 2020-09-01 浙江中正智能科技有限公司 一种指纹模板自学习方法
CN111461016A (zh) * 2020-04-01 2020-07-28 联想(北京)有限公司 残迹确定方法、装置和电子设备
CN112229349A (zh) * 2020-09-23 2021-01-15 中科云谷科技有限公司 用于确定农业机械作业面积的方法、装置及农业机械
CN113392913A (zh) * 2021-06-21 2021-09-14 常州大学 基于边界特征点集的平面图形匹配度评价方法、装置及***
CN113392913B (zh) * 2021-06-21 2023-09-29 常州大学 基于边界特征点集的平面图形匹配度评价方法、装置及***
WO2024037057A1 (zh) * 2022-08-18 2024-02-22 荣耀终端有限公司 指纹识别的方法和装置
CN116434352A (zh) * 2023-06-12 2023-07-14 深圳市航顺芯片技术研发有限公司 指纹库生成方法、指纹识别装置及存储介质
CN116434352B (zh) * 2023-06-12 2023-09-22 深圳市航顺芯片技术研发有限公司 指纹库生成方法、指纹识别装置及存储介质

Also Published As

Publication number Publication date
KR101912420B1 (ko) 2018-10-26
WO2016127736A1 (zh) 2016-08-18
EP3258416A1 (en) 2017-12-20
TWI619080B (zh) 2018-03-21
TW201629848A (zh) 2016-08-16
EP3258416A4 (en) 2018-10-31
US20180018499A1 (en) 2018-01-18
CN105205439B (zh) 2017-05-03
JP2018505495A (ja) 2018-02-22
JP6511149B2 (ja) 2019-05-15
KR20170106385A (ko) 2017-09-20

Similar Documents

Publication Publication Date Title
CN105205439A (zh) 指纹重叠区域面积的计算方法及电子装置
US20220092882A1 (en) Living body detection method based on facial recognition, and electronic device and storage medium
EP3614333B1 (en) Image processing method, storage medium, and electronic apparatus
Guo et al. An efficient fusion-based defogging
De Marco et al. Randomized circle detection with isophotes curvature analysis
US9111355B1 (en) Selective color processing for vision systems that enables optimal detection and recognition
US9317893B2 (en) Methods and systems for correcting a document image
US20170124417A1 (en) Facilitating Text Identification and Editing in Images
CN106127775A (zh) 图像清晰度评价方法及装置
CN103810478A (zh) 一种坐姿检测方法和装置
Xu et al. ART-UP: A novel method for generating scanning-robust aesthetic QR codes
Xue et al. Boundary-induced and scene-aggregated network for monocular depth prediction
EP2709063A1 (en) Image processing device, computer-readable recording medium, and image processing method
CN103955682A (zh) 基于surf兴趣点的行为识别方法及装置
CN108010065A (zh) 低空目标快速检测方法及装置、存储介质及电子终端
Ozgunalp Robust lane‐detection algorithm based on improved symmetrical local threshold for feature extraction and inverse perspective mapping
Zhu et al. Boosting dark channel dehazing via weighted local constant assumption
Kim et al. A texture-aware salient edge model for image retargeting
CN112364807B (zh) 图像识别方法、装置、终端设备及计算机可读存储介质
Singh et al. Gaussian and Laplacian of Gaussian weighting functions for robust feature based tracking
Maity et al. Background modeling and foreground extraction in video data using spatio-temporal region persistence features
Weidenbacher et al. Extraction of surface-related features in a recurrent model of V1-V2 interactions
CN102855025B (zh) 一种基于视觉注意模型的光学多点触控触点检测方法
Belhedi et al. Adaptive scene‐text binarisation on images captured by smartphones
CN115188039A (zh) 一种基于图像频域信息的深度伪造视频技术溯源方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
TR01 Transfer of patent right

Effective date of registration: 20191230

Address after: 518119 1 Yanan Road, Kwai Chung street, Dapeng New District, Shenzhen, Guangdong

Patentee after: SHENZHEN BYD MICROELECTRONICS Co.,Ltd.

Address before: BYD 518118 Shenzhen Road, Guangdong province Pingshan New District No. 3009

Patentee before: BYD Co.,Ltd.

TR01 Transfer of patent right
CP01 Change in the name or title of a patent holder

Address after: 518119 No.1 Yan'an Road, Kuiyong street, Dapeng New District, Shenzhen City, Guangdong Province

Patentee after: BYD Semiconductor Co.,Ltd.

Address before: 518119 No.1 Yan'an Road, Kuiyong street, Dapeng New District, Shenzhen City, Guangdong Province

Patentee before: BYD Semiconductor Co.,Ltd.

Address after: 518119 No.1 Yan'an Road, Kuiyong street, Dapeng New District, Shenzhen City, Guangdong Province

Patentee after: BYD Semiconductor Co.,Ltd.

Address before: 518119 No.1 Yan'an Road, Kuiyong street, Dapeng New District, Shenzhen City, Guangdong Province

Patentee before: SHENZHEN BYD MICROELECTRONICS Co.,Ltd.

CP01 Change in the name or title of a patent holder