CN108140116A - 用于用户认证的屏幕上光学指纹捕获 - Google Patents
用于用户认证的屏幕上光学指纹捕获 Download PDFInfo
- Publication number
- CN108140116A CN108140116A CN201680060411.7A CN201680060411A CN108140116A CN 108140116 A CN108140116 A CN 108140116A CN 201680060411 A CN201680060411 A CN 201680060411A CN 108140116 A CN108140116 A CN 108140116A
- Authority
- CN
- China
- Prior art keywords
- histogram
- fingerprint
- finger tip
- user
- image
- 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.)
- Pending
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
- G06V40/1347—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)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Input (AREA)
Abstract
呈现用于屏幕上光学指纹捕获以进行用户认证的实例方法、***、计算机可读媒体及设备。这些允许指纹的认证,其中指纹图像在通过相机捕获之前在玻璃层中传播。在一些实例中,此传播可产生由所述玻璃层内的全内反射产生的多个指纹图像。随后可从所述指纹的所捕获图像确定特征信息,所述所捕获图像可包含多个指纹图像。特征信息的量随后可减少。可基于减少的特征数目生成与所述所捕获图像相关联的直方图,及可基于所述直方图认证用户。
Description
背景技术
指纹及其它类型的生物计量认证被视为比基于PIN的密码安全,且可消除例如密码窃取的问题。此外,生物计量可比输入密码更方便及更快。然而,现有的指纹传感器存在一些问题。举例来说,传感器组件及其感测区域占据移动装置的正面上的“占据面积”。这限制显示器可能占据装置正面的多少,且因此限制总体显示器及电话尺寸。这可能会引起显示器大小与指纹传感器大小之间的折衷,但较小感测区域可能导致用户认证不太准确,并导致更多错误认证失败。另外,用户体验间杂有用户与应用程序交互时的认证过程。举例来说,为了确认支付或登录到账户中,装置必须提示用户将其手指移出显示器的触摸屏、触摸指纹读取器,且接着恢复前一个任务。
发明内容
描述用于用户认证的屏幕上光学指纹捕获的各种实例。一种所公开方法包括接收通过相机捕获的指纹的图像,所述指纹的所述图像基于从指尖反射并在显示器组合件的玻璃层内传播的光;从指纹的所捕获图像确定特征信息;减少特征信息的量;基于减少的特征信息的量生成与所捕获图像相关联的直方图;及基于直方图认证用户。
实例计算装置包括非暂时性计算机可读媒体;与所述非暂时性计算机可读媒体通信的处理器;及与所述处理器通信的显示器组合件,所述显示器组合件包括玻璃层;及相机,其包括图像传感器,所述图像传感器经定向以接收在显示器组合件的玻璃层内传播的光;并且其中所述处理器经配置以:从相机接收指纹的图像,所述图像基于在玻璃层内传播的光;从指纹的所捕获图像确定特征信息;减少特征信息的量;基于减少的特征信息的量生成与所捕获图像相关联的直方图;及基于直方图认证用户。
实例设备包括用于在显示器组合件内传播光的装置;用于基于从用于在显示器组合件内传播光的装置接收到的光而捕获图像的装置;用于将传播光引导到用于捕获图像的装置上的装置;用于从指纹的所捕获图像确定特征信息的装置;用于减少特征信息的量的装置;用于基于减少的特征数目生成与所捕获图像相关联的直方图的装置;及用于基于直方图认证用户的装置。
实例非暂时性计算机可读媒体包括处理器可执行指令,所述处理器可执行指令经配置以使处理器:基于从指尖反射的光接收指纹的图像;从指纹的所捕获图像确定特征信息;减少特征信息的量;基于减少的特征信息的量生成与所捕获图像相关联的直方图;及基于直方图认证用户。
提到这些说明性实例并非是限制或限定本公开的范围,而是实际上提供辅助本公开的理解的实例。在具体实施方式中论述说明性实例,说明性实例提供进一步的描述。通过各种实例提供的优势可以通过检查本说明书而得到进一步理解。
附图说明
并入到本说明书中且构成本说明书的一部分的附图说明了一或多个特定实例,并且与实例的描述一起用于阐释特定实例的原理及实施方案。
图1展示用于计算装置的传统触敏式显示器组合件;
图2到3展示根据本公开的用于针对光学触摸及指纹感测的盖玻璃光学隔离的实例显示器组合件;
图4展示根据本公开的使用用于针对光学触摸及指纹感测的盖玻璃光学隔离的实例显示器组合件的指尖的实例所捕获图像;
图5、7及10展示根据本公开的使用实例显示器组合件认证用户的实例方法;
图6展示根据本公开的指尖的实例图像及指尖的经重构图像;及
图8到9展示根据本公开的适合与用于屏幕上光学指纹捕获以进行用户认证的一或多个实例显示器组合件一起使用的实例计算装置。
具体实施方式
本文描述在用于用户认证的屏幕上光学指纹捕获的背景下的实例。本领域普通技术人员将认识到,以下描述仅是说明性的且并非意图以任何方式进行限制。现将详细参考在附图中说明的实例的实施方案。相同参考指示符将贯穿图式使用并且以下描述是指相同或相似项。
为了清楚起见,并未示出及描述本文中描述的实例的全部常规特征。当然,将了解在任何此类实际实施方案的研发中,必须作出众多实施方案特定的决策以便实现研发人员的特定目标,例如,符合应用及企业相关约束,并且这些特定目标将在实施方案之间及研发人员之间是不同的。
用于用户认证的屏幕上光学指纹捕获的说明性实例
现在参考图1,图1展示用于计算装置的传统触敏式显示器组合件100。显示器组合件100包含通过树脂或粘合剂彼此耦合的若干层。在此实例中,所述层是盖玻璃层110,其暴露于用户以允许用户使用触摸来与相关联的计算装置交互。使用光学透明树脂(OCR)或光学透明粘合剂(OCA)层120将盖玻璃层110粘合到触摸层130,例如电容式触控传感器或用于触摸输入的其它装置。触摸层130进而通过另一OCR或OCA层140粘合到显示层150,所述OCR或OCA层140可为与层120相同或不同的OCR或OCA。显示层150上方的各个层基本上透明以使计算装置的用户能够查看通过显示器发出的光。应注意,图1的层未按比例展示。
现在参考图2,图2展示根据本公开的用于屏幕上光学指纹捕获以进行用户认证的实例显示器组合件200。在图2中所展示的实例中,显示器组合件200包含通过OCR或OCA层140耦合到触摸层130的下表面的显示层150。在此实例中,触摸层130的上表面通过另一OCR或OCA层120耦合到低折射率(LRI)层215。LRI层215进而施加到盖玻璃110的下表面。然而,如可看到,盖玻璃110的长度或宽度尺寸大于LRI层215及其它层120到150中的一或多个的对应长度或宽度尺寸,从而形成悬垂区210。
在此实例中,棱镜结构220或用于将光从盖玻璃层110引导到相机230上的其它装置的上表面耦合到悬垂区210内的盖玻璃110的下表面。棱镜结构220的另一表面耦合到相机230,使得相机230的传感器定向在基本上平行于棱镜结构220的第二表面224的平面中。然而,在一些实例中,相机230的传感器可定向在不平行于棱镜结构220的第二表面224的平面中,或相机230的透镜可不沿着平行于图像传感器的轴定向,从而利用沙姆普弗鲁克(Scheimpflug)效应。举例来说,相机230可相对于棱镜结构220的第二表面224以与平行线成大致5度的角度倾斜。在一些实例中,相机230可与平行于棱镜结构220的第二表面224的平面成高达20度的角度倾斜。
在图2的实例显示器组合件200中,LRI层215与盖玻璃110的耦合可改变在盖玻璃110与OCR/OCA层120之间的边界的光学特性,以致使某些光线从盖玻璃/LRI层边界反射及经由盖玻璃110内的内部反射在盖玻璃110内传播。通过选择折射率低于盖玻璃110的折射率的LRI层215,一般将在图1中的显示器组合件100的盖玻璃110与邻接的OCR/OCA层120之间的边界上传播的光线中的一些反而会在盖玻璃110内内部反射。举例来说,如果用户使用指尖触摸盖玻璃110,则例如由显示器或背光源发出或从环境光源发出的光线240可从指尖反射并朝向LRI层215传播。在到达盖玻璃/LRI层边界后,光线240由于与盖玻璃/LRI层边界的入射角而在盖玻璃110内内部反射。由于盖玻璃110的上边界表面及下边界表面处的全内反射,光线240接着会在盖玻璃110内传播。
在图2的实例显示器组合件200中,LRI层215具有折射率低于盖玻璃110的折射率的LRI材料。举例来说,LRI层215与盖玻璃110的折射率之间的合适差(被称作“折射差量”)可为0.09或更大。在一个实例中,如果盖玻璃110具有大致1.5的折射率,则合适的LRI材料可具有1.41或更小的折射率。然而,在一些实例中,可选择LRI材料以提供0.09、0.10、0.14、0.15、0.17或0.18的折射差量。在盖玻璃110具有大致1.50或1.51的折射率的实例中,合适的LRI材料可具有在大致1.30与1.41之间的折射率。举例来说,施加到盖玻璃110的具有大致1.41的折射率的硅酮涂层可为合适的LRI材料且充当合适的LRI层。在一些实例中,合适的LRI材料可具有大致以下中的一或多个的折射率:1.30、1.31、1.32、1.33、1.34、1.35、1.36、1.37、1.38、1.39、1.40或1.41。在一些实例中,合适的LRI材料可具有小于1.30的折射率。
在一些实例中,可使用其它合适的材料,例如铁氟龙含氟聚合物,例如氟化乙烯丙烯,或硅氧烷聚合物中的一或多个。适用于根据本公开的实例组合件中的LRI层215的额外聚合物包含以下各项中的一或多个:聚-甲基丙烯酸叔丁酯-共-甲基丙烯酸缩水甘油酯、聚-二氟-双三氟甲基-间二氧杂环戊烯-共-四氟乙烯、聚-丙烯酸七氟丁酯、聚-甲基丙烯酸七氟丁酯、聚-甲基丙烯酸七氟丁酯-共-甲基丙烯酸缩水甘油酯、聚-丙烯酸六氟丁酯、聚-甲基丙烯酸六氟丁酯、聚-甲基丙烯酸六氟丁酯-共-甲基丙烯酸缩水甘油酯、聚-丙烯酸六氟异丙酯、聚-甲基丙烯酸六氟异丙酯、聚-甲基丙烯酸六氟异丙酯-共-甲基丙烯酸缩水甘油酯、聚-丙烯酸五氟丙酯、聚-甲基丙烯酸五氟丙酯、聚-甲基丙烯酸五氟丙酯-共-甲基丙烯酸缩水甘油酯、聚-五氟苯乙烯、聚-五氟苯乙烯-共-甲基丙烯酸缩水甘油酯、聚-丙烯酸四氟丙酯、聚-甲基丙烯酸四氟丙酯、聚-甲基丙烯酸四氟丙酯-共-甲基丙烯酸缩水甘油酯、聚-丙烯酸三氟乙酯、聚-甲基丙烯酸三氟乙酯、聚-甲基丙烯酸三氟乙酯-共-甲基丙烯酸缩水甘油酯。
适用于根据本公开的实例组合件中的LRI层215的一些单体包含以下各项中的一或多个:丙烯酸七氟丁酯、甲基丙烯酸七氟丁酯、丙烯酸六氟丁酯、甲基丙烯酸六氟丁酯、丙烯酸六氟异丙酯、甲基丙烯酸六氟异丙酯、甲基丙烯酸甲酯、丙烯酸五氟丙酯、甲基丙烯酸五氟丙酯、甲基丙烯酸四氟丙酯、丙烯酸三氟乙酯、及/或甲基丙烯酸三氟乙酯。
在图2中所展示的实例中,LRI层215具有小于10微米的厚度。然而,在一些实例中,合适的LRI层215可较厚。举例来说,合适的LRI层215可具有大致85到115微米的厚度。在其它实例中,合适的LRI层215可具有10微米到85微米或大于115微米的厚度。在其它实例中及参考图4,合适的LRI层215可具有基于施加到盖玻璃的基本上不透明掩模的厚度的厚度。举例来说,LRI层215可具有与盖玻璃掩模的厚度基本上相同的厚度,这可提供LRI层215与盖玻璃110之间的基本上均匀的平面配合,其中此类材料不重叠。
可在根据本公开的不同实例中采用这些及其它LRI层装置。
当光线240传播时,所述光线最终可照射盖玻璃/棱镜边界222。由于盖玻璃110及棱镜结构220的材料中的折射率差,光线240与盖玻璃/棱镜边界222之间的入射角可足以允许光线240跨越盖玻璃/棱镜边界222传播、通过棱镜结构220及进入相机230中,其中光线照射相机的传感器。因此,通过捕获多个此类光线,相机230可能够捕获用户的指尖及由此用户的指纹的图像,同时所述相机与盖玻璃110接触。因为相机230从显示器250偏移,所以不需要用于捕获用户的指纹的图像的单独专用表面区域。在捕获图像之后,相机230可将所捕获图像提供给计算装置以基于指纹图像认证用户。此显示器组合件可允许装置不引人注意地认证与装置交互的用户。在某些实例中,显示器组合件装置可包含如上文所描述的层110到150及215,或可另外包括如上文所描述的棱镜结构220及相机230。然而,在其它实例中,显示器组合件装置可不包含触摸层或用于触摸输入的其它装置。在一些实例中,显示器组合件装置可包含用于传播光的装置,其包含盖玻璃层110及LRI层215。
在此实例中,棱镜结构220包括具有与盖玻璃110的折射率大致相等的折射率的材料。合适材料可包括具有在比盖玻璃110的折射率大或小约0.02的范围内的折射率的折射率。因此,棱镜结构可允许光仅以较小角度变化传播到棱镜结构220中。在此实例中,棱镜结构220包括梯形横截面,其中棱镜结构的上表面与下表面基本上平行,且棱镜结构220的第三侧与棱镜结构的下表面具有大致55度的内部相交角。图2中展示此棱镜结构220的实例。棱镜结构220的第三侧配置有镜子,例如,施加到棱镜结构220的光学平滑第三侧的金属化抛光。因此,从盖玻璃110传播到棱镜结构220中的光可照射棱镜结构的镜面第三侧,并朝向相机230内的传感器反射。在一些实例中,基于LRI层215或与具有显示器组合件200的装置的大小设定相关的设计约束,棱镜结构220的第三侧与下表面的内部相交角可基于盖玻璃的全内反射的所需角而不同于55度。
在一些实例中,棱镜结构220可包括具有基本上高于盖玻璃110的折射率的材料。举例来说,棱镜结构220可包括例如二氧化钛或钆镓石榴石(GGG)的材料。此棱镜结构220可能够将光线从盖玻璃110重新引导到相机的传感器上,而不需要施加到棱镜表面中的一个的镜面抛光,或不需要基于盖玻璃110与棱镜结构220之间的折射率差,使用棱镜结构220的各个侧中的一个与棱镜结构220的下表面的不同的内部相交角。在一些实例中,此棱镜结构220可包括三角形横截面,例如具有直角三角形的截面。
相机230包括例如CMOS图像传感器的图像传感器232、电荷耦合装置(CCD)、混合型CMOS/CCD传感器、微辐射式测量计阵列、硅锗阵列、崩泻光检测器阵列、第III族到第V族或第II族到第VI族半导体阵列等等。某些实例可包括经配置以捕获红外波长的相机,其可实现对生物过程、例如心跳、皮肤的光谱信息或脉搏氧化信息的检测,所述生物过程可指示活体指尖施加到盖玻璃,而不是指纹复本,例如打印在一张纸上或例如人体模型的模拟手指上的指纹),这可通过确保用户自己正触摸盖玻璃来进一步增强用户认证。在一些实例中,相机230还可包括一或多个透镜,其经设计以将由棱镜结构220的第三侧反射的光线引导及聚焦到相机230内的图像传感器232上。
应了解,尽管上文关于图2论述的实例包含一个棱镜结构及一个相机,但在一些实例中,显示器组合件可包含一或多个棱镜结构或相机。
现在参考图3,图3展示根据本公开的用于屏幕上光学指纹捕获以进行用户认证的另一实例显示器组合件300。在此实例中,显示器组合件300包含盖玻璃层110、LRI层215及显示层150。盖玻璃110例如,通过使用胶带或通过层压或通过浸涂或旋涂粘合到LRI层215,进而粘合到显示层150。在此实例中,显示器组合件300缺乏触摸层130及OCR或OCA层140。在一些实例中,例如图3中所示,显示层150可通过OCR或OCA层120直接地耦合到LRI层215;然而,在一些实例中,显示层可通过一或多个中间层间接地耦合到LRI层215。举例来说,如可在图2中所示的实例显示器组合件200中看到,显示层150经由通过OCR或OCA层140与触摸层130的中间耦合间接地耦合到LRI层。
在此实例中,如上文关于图2所论述,相机230经定位,使得其图像传感器232经定向以从盖玻璃110接收通过棱镜结构220传播的光。然而,在此实例中,相机230及图像传感器232相对于棱镜结构的第二表面224成角度,而不是经定向使得图像传感器232在平行于棱镜结构220的第二表面224的平面中。在此实例中,所述相机及图像传感器与棱镜结构220的第二表面224的平行线成大致5度的角度;然而,如上文关于图2所论述,图像传感器232可与棱镜结构220的第二表面224的平行线成高达20度的角度。图3的实例显示器组合件300可提供可认证个人,但不接受触摸式输入的显示器。
现参考图4,当相机230基于通过盖玻璃110传播的光捕获用户的指尖410的图像时,图像可包括指尖410的多个堆叠图像,每个图像具有指尖410的不同透视图。在图4中展示此图像400的实例。指尖的堆叠由明显的“虚拟”指尖产生,所述虚拟指尖由盖玻璃110内的不同传播光线的内部反射产生。这些传播光线的三个实例被展示为说明此现象。
从用户的指尖410反射并行进以落在相机的传感器上而不在盖玻璃110内反射的光生成指纹412的对应图像,所述图像表现为位于几乎与所捕获图像的平面正交的平坦平面中。所得图像提供关于指尖410的极少信息。
在盖玻璃110内反射一次的光也可到达相机的传感器并生成对应图像。在图4中,所捕获图像422说明所述图像提供指纹的透视图,其中所述透视图基于盖玻璃110内的反射角。由于反射角接近90度或与盖玻璃110的内表面正交,因此透视图更接近地对应于在平行于相机的传感器的平面的平面中获取的指纹的图像。此限制条件对应于直接位于指尖410下方的相机。尽管在相机不位于指尖410下方的情况下此限制条件可不可能,但是变化的反射角将以整个指尖410的较大透视角度及因此更佳视图生成指尖410的图像。此反射因此表现为在远离盖玻璃110的表面的空间中浮动的“虚拟”指尖的所捕获图像,图4中展示此虚拟指尖420及430的实例。因此,基于内部反射角及图像传感器的大小,可捕获指尖图像的明显“堆叠”的图像400。在已捕获指尖410的图像400之后,可基于所捕获图像认证用户。
现在参考图5,图5展示使用根据本公开的实例显示器组合件认证用户的实例方法500。将关于图8中所示的计算装置800及图2的显示器组合件200论述图5的方法500;然而,应了解,根据本公开的其它实例显示器组合件或计算装置可用于执行此及其它实例方法。图5的方法500开始于框510。
在框510处,用户使用一或多个指尖触摸显示器组合件200的盖玻璃110。举例来说,用户可触摸计算装置800,例如,其智能手机的显示器组合件200的盖玻璃110。
在框520处,光从用户的指尖反射回盖玻璃110中并通过使用LRI层215从盖玻璃110的内表面反射而在盖玻璃110内传播,从而允许更大量的反射光在盖玻璃110内传播。
在框530处,相机230基于通过盖玻璃110传播到棱镜结构220中及相机的传感器上的光而捕获用户的指尖的图像。应注意,如图4中所示,用户的指尖的“图像”实际上可包含指尖图像的明显“堆叠”,在指尖图像的堆叠中的每个指尖图像具有指尖的不同透视图。因此,通过相机230捕获的图形可包含两个或多于两个指尖图像,每个指尖图像具有如上所述的指尖的不同透视图。应理解,这两个或更多个指尖图像不是在不同时间捕获的指尖图像,而是表示同时捕获的多个指尖图像,并且多个指尖图像由盖玻璃110内的全内反射产生。因此,可对包含两个或多于两个指尖图像的所捕获图像执行后续计算机视觉处理及机器学习步骤。此外,应理解,出于完整性,方法500包含框510及520,并且框510及520不通过相机230或与相机230通信的计算装置800执行。应理解,在框530之后,计算装置800将接收通过相机230捕获的指纹的图像。
在框540处,计算装置800基于指尖的所捕获图像重构指纹。如上文所提及,指尖的所捕获图像可包含两个或多于两个指尖图像。
在一个实例中,计算装置800基于成像***作为线性***的特征化分析所捕获图像。在此实例中,计算装置将所捕获图像处理为将点映射到图像传感器的像素上的输出:
在此实例中,向量x表示盖玻璃110上的位置,而向量y表示图像传感器上的像素。映射A表示成像***作为线性***的特征化。因此,A将在空间中的某一点,例如盖玻璃110上的点处发出的光映射到光线将照射的图像传感器上的像素(或多个像素)。因为计算装置800已捕获图像,所以y的值是已知的。此外,对于给定成像***,映射A可模型化或以实验方式确定,这可进一步用于具有类似特征的其它成像***,而不会显著损失精度。因此,等式必须求解x,以基于其在盖玻璃110上的位置生成指尖的经重构图像。
在一个实例中,计算装置800使用最小二乘解法求解线性等式来求解x。具体来说,计算装置800经配置以根据以下表达式求解最小二乘估计:
输出向量x包括表示经重构指尖的坐标,并且因此提供表示投射到与图像传感器的平面相对应的平面上的指尖的图像。
在另一实例中,计算装置800使用反投影技术,而不是最小二乘技术重构指尖。反投影技术还采用盖玻璃110上的位置到图像传感器上的一或多个像素的映射指尖的相同初始关系:
然而,反投影技术采用以下表达式来生成重构:
在此表达式中,表示A的哈达马逆,或逐元素逆转置矩阵。与最小二乘技术相比,使用反投影技术可为计算装置800的计算强度低的操作。然而,类似于最小二乘技术,反投影技术还输出向量x,其包括表示经重构指尖的坐标,并且因此提供表示投射到与图像传感器的平面相对应的平面上的指尖的图像。
在其它实例中,计算装置800可采用其它技术来从所捕获图像重构指尖,例如代数重构技术或正则化随机重构。
在框550处,计算装置800基于经重构指纹认证用户。在此实例中,计算装置800从经重构指纹提取特征或细节点,及使用指纹辨识技术辨识指纹。举例来说,计算装置可分析指尖的经重构图像以提取一或多个指纹图案(例如,弓型、环型、螺旋型等)或细节点特征(例如,脊线终结点、脊线分叉点、短纹等),及将所提取数据与对应于数据库中的一或多个指纹的信息,例如指纹图案或细节点特征比较,以识别匹配(或匹配失败)来认证用户。
现在参考图6,图6展示在指纹610将呈现到位于与盖玻璃110接触的指尖正下方的相机时所述指纹的实例。图像620表示通过相机230捕获的指纹610的图像。图像630表示使用最小二乘技术的指纹610的重构,并且图像640表示使用反投影技术的指纹610的重构。可看出,每个技术生成接近用户的指纹610的经重构指纹的图像630、640。
现在参考图7,图7展示根据本公开的使用实例显示器组合件200认证用户的实例方法700。将相对于图8中所示的计算装置800论述图7的方法700;然而,应了解,根据本公开的其它实例计算装置可用于执行此及其它实例方法。
可通过不同方式使用图7的方法700。在此实例中,所述方法可用于训练机器学习算法以辨识一或多个用户的指纹,或其可用于基于先前训练的机器学习算法认证用户的指纹。如可在图7中看到,在框760处完成功能性之后,方法700可返回到先前步骤以分析,及在一些实例中还捕获额外图像,例如,如果机器学习算法进行训练,或如果所述方法正用于使用先前训练的机器学习算法认证用户,则所述方法可前进到框770。图7的方法700开始于框710处。
在框710处,用户使用一或多个指尖触摸显示器组合件200的盖玻璃110。举例来说,用户可触摸计算装置800,例如,其智能手机的显示器组合件200的盖玻璃110。
在框720处,光从用户的指尖反射回盖玻璃110中并通过使用LRI层215从盖玻璃110的内表面反射而在盖玻璃110内传播,从而允许更大量的反射光线在盖玻璃110内传播。
在框730处,相机230基于通过盖玻璃110传播到棱镜结构220中及相机的传感器上的光而捕获用户的指尖的图像。如上文所提及,指尖的所捕获图像可包含两个或多于两个指尖图像。应理解,在框730之后,计算装置800将接收通过相机230捕获的指纹的图像。此外,应理解,出于完整性,方法700包含框710及720,并且框710及720不通过相机230或与相机230通信的计算装置800执行。
在框740处,计算装置800从所捕获图像确定指纹的特征。在此实例中,计算装置800不会首先从所捕获图像重构指尖,但替代地在所捕获图像本身上操作。为了确定特征,计算装置800对所捕获图像采用关注点检测或描述符技术,例如,快速鲁棒性特征(SURF)技术、密集SURF技术、最小本征技术、最大稳定极值区域(MSER)技术、加速分段测试提取特征(FAST)技术、二进制鲁棒尺度不变关键点(BRISK)技术、哈里斯仿射区域检测器技术,或尺度不变特征变换(SIFT)技术中的一或多个。关注点检测技术的输出包括特征点信息,这在一些实例中可包括描述符向量。一些实例中,合适的描述符可包含SURF描述符、快速视网膜关键点(FREAK)描述符、块描述符,或BRISK描述符。
在此实例中,计算装置800采用16×16局部窗口来识别特征,例如,所捕获图像内的拐角或边缘。举例来说,计算装置800可通过图像的每个像素迭代局部窗口的中心,并且对于每个中心像素,所述计算装置可例如基于像素的强度将每个像素与中心像素相比较,并且在像素具有比中心像素更大强度的情况下将‘1’分配给局部窗口中的像素,或在中心像素具有更大强度的情况下将‘0’分配给局部窗口中的像素。使用上述此信息或技术,在此实例中,计算装置800可检测图像内的边缘、拐角或其它特征。通过多次迭代,计算装置800可从多个图像获得边缘、拐角或其它特征并基于类似图案使其集群。
在框750处,计算装置800减少特征信息的量。在此实例中,计算装置800使用向量量化技术,例如k均值集群技术通过特征信息的量化减少特征信息的量。在此实例中,计算装置800使用k均值集群将特征信息的量减少到大致500集群,但是在其它实例中,可采用不同数目的集群。
在框760处,计算装置800基于减少的特征信息的量生成所捕获图像的直方图。举例来说,计算装置800可将每个集群用作直方图内的一个分组来生成直方图。直方图可提供可用于与先前确定的直方图匹配以识别可能匹配的分布信息。或者,直方图可与例如用户名的标签一起提供到机器学习算法,以在举例来说注册新用户时识别直方图以训练机器学习算法。
在框770处,如果计算装置800在训练机器学习算法,则方法前进到框772处,否则方法700前进到框780。
在框772处,计算装置800将直方图提供到机器学习算法。在此实例中,计算装置800采用随机森林机器学习分类器。因此,当计算装置800正训练随机森林分类器时,其将所生成直方图及相关联标签(例如,希望注册的新用户的用户名)提供到分类器。其它合适的机器学习算法包含支持向量机(SVM)技术,或其它监督机器学习技术。在将直方图提供到分类器及使用直方图执行分类器之后,如果将捕获指尖的新图像,则方法返回到框710,或如果已捕获其它训练图像,则方法可返回到框740。否则,如果没有其它训练图像被捕获或可用,则方法700可终止。
在框780处,计算装置800基于所生成直方图认证用户。如上文相对于框770所论述,在此实例中,计算装置800采用随机森林分类器。因此,计算装置800将所生成直方图提供到随机森林分类器,这基于分类器的先前训练确定直方图是否与任何已知用户相关联。如果分类器基于所提供直方图识别与已知用户足够强的匹配,则分类器输出所识别用户的指示,例如标签,否则分类器输出所提供直方图与已知用户不匹配的指示。如果分类器输出已知用户,则计算装置800随后可认证用户,否则计算装置800可拒绝用户的认证或可例如通过再次触摸盖玻璃110要求用户重新尝试认证,或计算装置800可仅捕获用户的指尖的额外图像及重新执行方法700。
在一些实例中,计算装置800当然可仅在由执行根据本公开的实例方法中的一个,例如图4或6的方法500、700产生的多个成功肯定结果之后认证用户。举例来说,计算装置800可在两个或更多个连续场合捕获用户的指尖,并且仅在所有三个场合对于相同用户产生正匹配,或大部分场合产生正匹配的情况下认证用户。通过要求继续认证,计算装置800可提供对计算装置800功能中的一或多个,或计算装置800本身的更安全接入。举例来说,在使用安全应用程序或存取安全数据时,每当计算装置800检测与盖玻璃110的触点时,计算装置800可尝试认证用户,并且如果所认证用户改变或如果在某一时间段或与盖玻璃110的多个所检测触点上出现足够数目的认证失败,则可拒绝认证。
此外,在一些实例中,相机230可经配置以捕获例如光谱信息的额外信息以识别例如心跳或脉搏氧化的生物过程,以检测接触盖玻璃110的物体真正是用户的手指还是伪造的指纹,例如,一张纸或模拟手上的指纹。
现在参考图8,图8展示根据本公开的适合与用于针对光学触摸及指纹感测的盖玻璃光学隔离的一或多个实例显示器组合件一起使用的计算装置800的实例。
图8展示实例移动无线装置800。在图8所示的实例中,移动装置800包含处理器810、存储器820、无线收发器812、全球导航卫星***(“GNSS”)接收器(例如,全球定位***(“GPS”)接收器)814、显示器组合件200,及总线850。在此实例中,移动装置包括蜂窝式智能电话,但可为任何合适装置,包含蜂窝式电话、笔记本电脑、平板计算机、平板手机、个人数字助理(PDA)、可穿戴式装置,或增强现实装置。处理器810经配置以使用总线850来执行存储在存储器820中的程序代码,以向显示器组合件200输出显示信号,并从显示器组合件200接收输入信号。在此实例中,显示器组合件200包括图2中所示的实例显示器组合件200。然而,可在不同实例移动无线装置,例如无线装置800中使用根据本公开的任何合适的显示器组合件。
另外,处理器810经配置以从GPS接收器814及无线收发器812接收信息并向无线收发器812传输信息。无线收发器812经配置以使用链路816经由天线842传输及接收无线信号。举例来说,无线收发器可经配置以通过将信号传输到与蜂窝式基站相关联的天线及从所述天线接收信号来与蜂窝式基站通信。GPS接收器814经配置以从一或多个GPS卫星接收信号并向处理器810提供位置信号。
现在参考图9,图9是适合与根据本公开的用于针对光学触摸及指纹感测的盖玻璃光学隔离的一或多个实例显示器组合件一起使用的计算***的实例。
图9展示实例电视机900。在此实例中,电视机900包括显示器组合件200、处理器910、存储器920及一或多个显示信号输入930。在此实例中,显示器组合件200包括图2中所示的实例显示器组合件200。然而,可在例如电视机900、其它电视机或计算机监视器的不同实例计算装置中使用根据本公开的任何合适的显示器组合件。显示信号输入930包括用于接收显示信号的一或多个输入,且在不同实例中可包含以下各项中的一或多个:HDMI输入、DVI输入、DisplayPort输入、分量视频或音频输入、合成视频或音频输入、同轴输入,或例如以太网、Wi-Fi、蓝牙、USB、蜂窝等的网络接口。
现在参考图10,图10展示根据本公开的使用实例显示器组合件200认证用户的实例方法1000。将相对于图8中所示的计算装置800论述图10的方法1000;然而,应了解,根据本公开的其它实例计算装置可用于执行此及其它实例方法。
在框1010处,计算装置800显示认证询问。在此实例中,认证询问请求用户向计算装置800提供认证信息,例如,用户名及密码或指纹。
在框1020处,计算装置800捕获通常如上文相对于图5中所示的方法500的框510到530所论述的指纹的图像。
在框1030处,计算装置800基于通常如上文相对于图5中所示的方法500的框540或图7中所示的方法700的框780所论述的指纹的图像来认证用户。
在框1040处,计算装置800使其本身不安全并且允许用户存取存储在计算装置上或由计算装置提供的信息。举例来说,计算装置800可显示图形用户界面的桌面或主界面,或可显示视频内容,例如,文档或图像。计算装置800还可通过对存储在计算装置800上的信息进行解密实现对信息的访问而使其自身不安全。
在框1050处,在计算装置800不安全时,所述计算装置捕获通常如上文在框1020处所论述的第二指纹,但是在框1020中捕获图像之后的时间。
在框1060处,计算装置800确定与指纹相关联的用户,或确定未辨识用户与指纹相关联,及确定用户未被授权访问计算装置800或未被授权查看通过计算装置800显示的信息。
在框1070处,响应于检测未授权用户,计算装置800使其本身安全。举例来说,计算装置800可中断先前所显示信息的显示,或其可管理地锁定计算装置800,例如,计算装置的操作***本身可锁定,或应用程序可锁定在应用程序内打开的内容。方法1000随后可返回到框1010,其中计算装置800再次显示认证询问。
虽然就在各种机器上执行的软件而言描述本文中的方法及***,但是所述方法及***也可实施为专门地配置的硬件,例如,专门用于执行各种方法的现场可编程门阵列(FPGA)。举例来说,实例可在数字电子电路中实施,或者在计算机硬件、固件、软件中实施,或者可在其组合中实施。在一个实例中,装置可包含一或多个处理器。处理器包括计算机可读媒体,例如,耦合到处理器的随机存取存储器(RAM)。处理器执行存储于存储器中的计算机可执行程序指令,例如执行一或多个计算机程序。此类处理器可包括微处理器、数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列(FPGA)及状态机。此类处理器可进一步包括可编程电子装置,例如PLC、可编程中断控制器(PIC)、可编程逻辑装置(PLD)、可编程只读存储器(PROM)、电子可编程只读存储器(EPROM或EEPROM)或其它类似裝置。
此类处理器可包括媒体,例如,计算机可读媒体,或可与所述媒体通信,所述媒体可存储在由处理器执行时可使得所述处理器执行在本文中描述为由处理器执行或辅助的步骤的指令。计算机可读媒体的实例可包含但不限于能够提供具有计算机可读指令的处理器的电子、光学、磁性或其它存储装置,所述处理器例如网络服务器中的处理器。媒体的其它实例包括但不限于软盘、CD-ROM、磁盘、存储器芯片、ROM、RAM、ASIC、配置的处理器、所有光学媒体、所有磁带或其它磁性媒体或计算机处理器可从其读取的任何其它媒体。所描述的处理器及处理可在一或多个结构中,并且可分散通过一或多个结构分散。处理器可包括用于执行本文中所描述的方法(或方法的部分)中的一或多个的代码。
仅出于说明及描述的目的呈现一些实例的上述描述且并非意图是详尽的或将本公开限制于所公开的精确形式。在不脱离本公开的精神及范围的前提下其许多更改及修改对于所属领域的技术人员而言是显而易见的。
本文中对实例或实施方案的参考意味着结合实例描述的特定特征、结构、操作或其它特性可包含于本公开的至少一个实施方案中。本公开并不受限于如此描述的特定实例或实施方案。在说明书中“在一个实例中”、“在一实例中”、“在一个实施方案中”或“在一实施方案”中的短语的出现或其在各种位置中的变化未必是指相同实例或实施方案。在本说明书中关于一个实例或实施方案描述的任何特定特征、结构、操作或其它特性可与对于任何其它实例或实施方案而言描述的其它特征、结构、操作或其它特性组合。
在本文中对词语“或”的使用意图涵盖包含及异或情况。换句话说,A或B或C在对于特定用途适当时包含以下替代性组合中的任一个或全部:仅A;仅B;仅C;仅A及B;仅A及C;仅B及C;及A及B及C。
Claims (29)
1.一种方法,其包括:
接收通过相机捕获的指纹的图像,所述指纹的所述图像基于从指尖反射及在显示器组合件的玻璃层内传播的光;
从所述指纹的所捕获图像确定特征信息;
减少特征信息的量;
基于减少的特征信息的量生成与所述所捕获图像相关联的直方图;及
基于所述直方图认证用户。
2.根据权利要求1所述的方法,其中认证所述用户包括将所述直方图提供到机器学习算法,及响应于将所述直方图提供到所述机器学习算法,从所述机器学习算法接收标签。
3.根据权利要求2所述的方法,其中所述标签包括用户名或未辨识所述直方图的指示中的一个。
4.根据权利要求2所述的方法,其中所述机器学习算法包括随机森林分类器或支持向量机中的一个。
5.根据权利要求2所述的方法,其进一步包括训练所述机器学习算法,其中训练所述机器学习算法包括将所述直方图及与所述直方图相关联的标签提供到所述机器学习算法。
6.根据权利要求1所述的方法,其中所述指尖的所述所捕获图像包含两个或多于两个指尖图像,每个指尖图像具有所述指尖的不同透视图。
7.根据权利要求1所述的方法,其进一步包括:
从第二指尖接收基于第二传播反射光的第二指纹的图像,所述接收所述第二指纹的所述图像在比所述接收所述指尖的所述所捕获图像稍晚的时间发生;
从所述第二指纹的所述所捕获图像确定第二特征信息;
减少第二特征信息的量;
基于减少的第二特征信息的量生成与所述第二指纹的所述所捕获图像相关联的第二直方图;
基于所述第二直方图辨识用户,或基于所述第二直方图识别未辨识用户;及
响应于辨识未授权用户或未辨识所述第二指纹,使计算装置安全。
8.一种计算装置,其包括:
非暂时性计算机可读媒体;
处理器,其与所述非暂时性计算机可读媒体通信;及
显示器组合件,其与所述处理器通信,所述显示器组合件包括玻璃层;及
相机,其包括图像传感器,所述图像传感器经定向以接收在所述显示器组合件的所述玻璃层内传播的光;及
其中所述处理器经配置以:
从所述相机接收指纹的图像,所述图像基于在所述玻璃层内的传播光;
从所述指纹的所捕获图像确定特征信息;
减少特征信息的量;
基于减少的特征信息的量生成与所述所捕获图像相关联的直方图;及
基于所述直方图认证用户。
9.根据权利要求8所述的计算装置,其中所述处理器进一步经配置以将所述直方图提供到机器学习算法,及响应于将所述直方图提供到所述机器学习算法,从所述机器学习算法接收标签以认证所述用户。
10.根据权利要求9所述的计算装置,其中所述标签包括用户名或未辨识所述直方图的指示中的一个。
11.根据权利要求9所述的计算装置,其中所述机器学习算法包括随机森林分类器或支持向量机中的一个。
12.根据权利要求9所述的计算装置,其中所述处理器进一步经配置以将直方图及与所述直方图相关联的标签提供到所述机器学习算法,以训练所述机器学习算法。
13.根据权利要求8所述的计算装置,其中所述指尖的所述所捕获图像包含两个或多于两个指尖图像,每个指尖图像具有所述指尖的不同透视图。
14.根据权利要求8所述的计算装置,其中所述处理器进一步经配置以:
从第二指尖接收基于第二传播反射光的第二指纹的图像,在所述指纹的所述图像之后接收所述第二指纹的所述图像;
从所述第二指纹的所述所捕获图像确定第二特征信息;
减少第二特征信息的量;
基于减少的第二特征信息的量生成与所述第二指纹的所述所捕获图像相关联的第二直方图;
基于所述第二直方图辨识用户,或基于所述第二直方图识别未辨识用户;及
响应于辨识未授权用户或未辨识所述第二指纹,使所述计算装置安全。
15.一种设备,其包括:
用于在显示器组合件内传播光的装置;
用于基于从所述用于在显示器组合件内传播光的装置接收到的光而捕获图像的装置;
用于将传播光引导到所述用于捕获图像的装置上的装置;
用于从指纹的所捕获图像确定特征信息的装置;
用于减少特征信息的量的装置;
用于基于减少的特征信息的量生成与所述所捕获图像相关联的直方图的装置;及
用于基于所述直方图认证用户的装置。
16.根据权利要求15所述的设备,其中所述用于认证所述用户的装置包括用于提供标签的装置。
17.根据权利要求16所述的设备,其中所述标签包括用户名或未辨识所述直方图的指示中的一个。
18.根据权利要求16所述的设备,其中所述用于认证的装置包括随机森林分类器或支持向量机中的一个。
19.根据权利要求16所述的设备,其进一步包括用于训练所述用于基于直方图及与所述直方图相关联的标签认证的装置的装置。
20.根据权利要求15所述的设备,其进一步包括耦合到所述用于传播光的装置的用于触摸输入的装置。
21.根据权利要求15所述的设备,其进一步包括用于响应于不认证所述用户而使计算装置安全的装置。
22.根据权利要求15所述的设备,其中所述所捕获图像包含两个或多于两个指尖图像,每个指尖图像具有所述指尖的不同透视图。
23.一种包括处理器可执行指令的非暂时性计算机可读媒体,所述处理器可执行指令经配置以使处理器:
基于从指尖反射的光接收指纹的图像;
从所述指纹的所捕获图像确定特征信息;
减少特征信息的量;
基于减少的特征信息的量生成与所述所捕获图像相关联的直方图;及
基于所述直方图认证用户。
24.根据权利要求23所述的非暂时性计算机可读媒体,其中所述处理器可执行指令进一步经配置以将所述直方图提供到机器学习算法,及响应于将所述直方图提供到所述机器学习算法,从所述机器学习算法接收标签以认证所述用户。
25.根据权利要求24所述的非暂时性计算机可读媒体,其中所述标签包括用户名或未辨识所述直方图的指示中的一个。
26.根据权利要求24所述的非暂时性计算机可读媒体,其中所述机器学习算法包括随机森林分类器或支持向量机中的一个。
27.根据权利要求24所述的非暂时性计算机可读媒体,其中所述处理器可执行指令进一步经配置以将所述直方图及与所述直方图相关联的第一标签提供到所述机器学习算法,及基于所述直方图及所述标签训练所述机器学习算法。
28.根据权利要求23所述的非暂时性计算机可读媒体,其中所述指尖的所述所捕获图像包含两个或多于两个指尖图像,每个指尖图像具有所述指尖的不同透视图。
29.根据权利要求23所述的非暂时性计算机可读媒体,其中所述处理器可执行指令进一步经配置以:
接收基于第二传播反射光的第二指纹的图像,在所述指纹的所述图像之后接收所述第二指纹的所述图像;
从所述第二指纹的所述所捕获图像确定第二特征信息;
减少第二特征信息的量;
基于减少的第二特征信息的量生成与所述第二指纹的所述所捕获图像相关联的第二直方图;
基于所述第二直方图辨识用户,或基于所述第二直方图识别未辨识用户;及
响应于未基于所述第二直方图辨识用户或基于所述第二直方图识别未辨识用户,使计算装置安全。
Applications Claiming Priority (9)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201562243517P | 2015-10-19 | 2015-10-19 | |
US201562243618P | 2015-10-19 | 2015-10-19 | |
US62/243,517 | 2015-10-19 | ||
US62/243,618 | 2015-10-19 | ||
US15/295,936 | 2016-10-17 | ||
US15/295,936 US10157305B2 (en) | 2015-10-19 | 2016-10-17 | Cover-glass optical isolation for optical touch and fingerprint sensing |
US15/297,088 | 2016-10-18 | ||
US15/297,088 US10169637B2 (en) | 2015-10-19 | 2016-10-18 | On-screen optical fingerprint capture for user authentication |
PCT/US2016/057605 WO2017070148A1 (en) | 2015-10-19 | 2016-10-19 | On-screen optical fingerprint capture for user authentication |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108140116A true CN108140116A (zh) | 2018-06-08 |
Family
ID=58524078
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201680060411.7A Pending CN108140116A (zh) | 2015-10-19 | 2016-10-19 | 用于用户认证的屏幕上光学指纹捕获 |
Country Status (4)
Country | Link |
---|---|
US (1) | US10169637B2 (zh) |
EP (1) | EP3365836A1 (zh) |
CN (1) | CN108140116A (zh) |
WO (1) | WO2017070148A1 (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109766850A (zh) * | 2019-01-15 | 2019-05-17 | 西安电子科技大学 | 基于特征融合的指纹图像匹配方法 |
Families Citing this family (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10002281B2 (en) * | 2015-07-09 | 2018-06-19 | Gingy Technology Inc. | Fingerprint identification module |
US10489631B2 (en) * | 2015-07-09 | 2019-11-26 | Gingy Technology Inc. | Biometric identification module |
US10157305B2 (en) | 2015-10-19 | 2018-12-18 | Qualcomm Incorporated | Cover-glass optical isolation for optical touch and fingerprint sensing |
CN107037955A (zh) * | 2016-10-24 | 2017-08-11 | 阿里巴巴集团控股有限公司 | 一种显示图像信息的方法及装置 |
KR102570180B1 (ko) * | 2016-11-28 | 2023-08-25 | 엘지디스플레이 주식회사 | 지문 센서 일체형 전계 발광 표시장치 |
CN111240526B (zh) * | 2017-04-27 | 2023-11-24 | Oppo广东移动通信有限公司 | 显示屏、显示装置及移动终端 |
CN107153448B (zh) * | 2017-05-27 | 2021-01-01 | 北京小米移动软件有限公司 | 显示模组及其控制方法、电子设备和计算机可读存储介质 |
CN111512446B (zh) * | 2018-11-30 | 2024-02-09 | 京东方科技集团股份有限公司 | 显示装置及其制备方法 |
US10847565B2 (en) | 2018-12-20 | 2020-11-24 | Samsung Electronics Co., Ltd. | Back side illumination image sensors having an infrared filter |
KR102386104B1 (ko) | 2018-12-21 | 2022-04-13 | 삼성전자주식회사 | 후면조사형 이미지 센서 및 이를 포함하는 전자 기기 |
CN109863505B (zh) * | 2019-01-22 | 2023-05-23 | 深圳市汇顶科技股份有限公司 | 指纹识别的方法、处理器和电子设备 |
US11080379B2 (en) | 2019-02-13 | 2021-08-03 | International Business Machines Corporation | User authentication |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6490366B1 (en) * | 1997-12-24 | 2002-12-03 | Sharp Kabushiki Kaisha | Information processing apparatus |
CN1424693A (zh) * | 2001-12-04 | 2003-06-18 | 佳能株式会社 | 图象输入装置 |
US6757666B1 (en) * | 1999-04-13 | 2004-06-29 | California Institute Of Technology | Locally connected neural network with improved feature vector |
US20050129291A1 (en) * | 2003-10-01 | 2005-06-16 | Authentec, Inc. State Of Incorporation: Delaware | Methods for finger biometric processing and associated finger biometric sensors |
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*** |
EP1835443A1 (en) * | 2006-03-14 | 2007-09-19 | Fujitsu Limited | Biometric authentication method and biometric authentication apparatus |
CN103279744A (zh) * | 2013-05-28 | 2013-09-04 | 中国科学院自动化研究所 | 基于多尺度三模式纹理特征的仿造指纹检测方法和*** |
Family Cites Families (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6901165B1 (en) | 1998-09-30 | 2005-05-31 | Siemens Aktiengesellschaft | Method of automatically triggering pattern recognition procedures |
US8090163B2 (en) | 2006-10-10 | 2012-01-03 | West Virginia University Research Corp. | Multi-resolutional texture analysis fingerprint liveness systems and methods |
US8581852B2 (en) | 2007-11-15 | 2013-11-12 | Microsoft Corporation | Fingertip detection for camera based multi-touch systems |
KR100958962B1 (ko) | 2007-12-31 | 2010-05-20 | 주식회사 포스코아이씨티 | 지문 분류 처리 장치 및 방법 |
US8625861B2 (en) | 2008-05-15 | 2014-01-07 | International Business Machines Corporation | Fingerprint representation using gradient histograms |
EP3270049A3 (en) | 2009-12-08 | 2018-04-18 | 3M Innovative Properties Co. | Optical constructions incorporating a light guide and low refractive index films |
US8859971B2 (en) | 2011-10-14 | 2014-10-14 | Blackberry Limited | Light redirection in optical navigation |
US9405382B2 (en) | 2012-07-24 | 2016-08-02 | Rapt Ip Limited | Augmented optical waveguide for use in an optical touch sensitive device |
US9285623B2 (en) | 2012-10-04 | 2016-03-15 | Corning Incorporated | Touch screen systems with interface layer |
US20150331545A1 (en) | 2012-12-17 | 2015-11-19 | FlatFrog Laboraties AB | Laminated optical element for touch-sensing systems |
US10365768B2 (en) | 2012-12-20 | 2019-07-30 | Flatfrog Laboratories Ab | TIR-based optical touch systems of projection-type |
US9223442B2 (en) | 2013-01-10 | 2015-12-29 | Samsung Display Co., Ltd. | Proximity and touch sensing surface for integration with a display |
WO2015005959A1 (en) | 2013-04-01 | 2015-01-15 | Patrick Baudisch | A touchscreen capable of fingerprint recognition |
CN103902970B (zh) * | 2014-03-03 | 2017-09-22 | 清华大学 | 自动指纹姿态估计方法及*** |
US9921688B2 (en) | 2014-03-04 | 2018-03-20 | Qualcomm Incorporated | Large area interactive display screen |
EP3120295B1 (en) | 2014-03-21 | 2019-01-09 | Sony Corporation | Electronic device with display-based fingerprint reader |
US20150317034A1 (en) | 2014-04-30 | 2015-11-05 | Elo Touch Solutions, Inc. | Water-immune ftir touch screen |
US20170079591A1 (en) | 2015-09-21 | 2017-03-23 | Qualcomm Incorporated | System and method for obtaining vital measurements using a mobile device |
US10157305B2 (en) | 2015-10-19 | 2018-12-18 | Qualcomm Incorporated | Cover-glass optical isolation for optical touch and fingerprint sensing |
-
2016
- 2016-10-18 US US15/297,088 patent/US10169637B2/en active Active
- 2016-10-19 WO PCT/US2016/057605 patent/WO2017070148A1/en active Search and Examination
- 2016-10-19 CN CN201680060411.7A patent/CN108140116A/zh active Pending
- 2016-10-19 EP EP16791723.6A patent/EP3365836A1/en not_active Withdrawn
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6490366B1 (en) * | 1997-12-24 | 2002-12-03 | Sharp Kabushiki Kaisha | Information processing apparatus |
US6757666B1 (en) * | 1999-04-13 | 2004-06-29 | California Institute Of Technology | Locally connected neural network with improved feature vector |
CN1424693A (zh) * | 2001-12-04 | 2003-06-18 | 佳能株式会社 | 图象输入装置 |
US20050129291A1 (en) * | 2003-10-01 | 2005-06-16 | Authentec, Inc. State Of Incorporation: Delaware | Methods for finger biometric processing and associated finger biometric sensors |
EP1835443A1 (en) * | 2006-03-14 | 2007-09-19 | Fujitsu Limited | Biometric authentication method and biometric authentication 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*** |
CN103279744A (zh) * | 2013-05-28 | 2013-09-04 | 中国科学院自动化研究所 | 基于多尺度三模式纹理特征的仿造指纹检测方法和*** |
Non-Patent Citations (2)
Title |
---|
CHING-TANG HSIEH等: "Fingerprint Recognition by Multi-objective Optimization PSO Hybrid with SVM", 《JOURNAL OF APPLIED RESEARCH AND TECHNOLOGY》 * |
王素丽 等: "基于指纹识别的电力信息***身份认证的研究", 《电气应用》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109766850A (zh) * | 2019-01-15 | 2019-05-17 | 西安电子科技大学 | 基于特征融合的指纹图像匹配方法 |
CN109766850B (zh) * | 2019-01-15 | 2021-06-01 | 西安电子科技大学 | 基于特征融合的指纹图像匹配方法 |
Also Published As
Publication number | Publication date |
---|---|
US10169637B2 (en) | 2019-01-01 |
US20170109564A1 (en) | 2017-04-20 |
EP3365836A1 (en) | 2018-08-29 |
WO2017070148A1 (en) | 2017-04-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108140116A (zh) | 用于用户认证的屏幕上光学指纹捕获 | |
WO2020253657A1 (zh) | 视频片段定位方法、装置、计算机设备及存储介质 | |
US10157305B2 (en) | Cover-glass optical isolation for optical touch and fingerprint sensing | |
KR102587193B1 (ko) | 모바일 장치를 사용하여 촬영된 이미지를 이용한 지문-기반 사용자 인증 수행 시스템 및 방법 | |
US10599933B2 (en) | Biometric image capturing apparatus and biometric image capturing method | |
US10509940B2 (en) | Electronic device including sequential operation of light source subsets while acquiring biometric image data and related methods | |
US20180357499A1 (en) | Palm vein identification method and device | |
WO2020108225A1 (zh) | 指纹采集方法及相关装置 | |
Raghavendra et al. | A low-cost multimodal biometric sensor to capture finger vein and fingerprint | |
JP7377879B2 (ja) | 指紋画像強調、指紋認識、アプリケーションプログラム起動方法、指紋検知システム、電子機器及び記憶媒体 | |
CN107273844A (zh) | 掌静脉识别匹配方法及装置 | |
EP2892026A1 (en) | Authentication device and authentication method | |
CN112036331B (zh) | 活体检测模型的训练方法、装置、设备及存储介质 | |
EP2528018A1 (en) | Biometric authentication device and biometric authentication method | |
JP2017518566A (ja) | モバイルプラットフォームにおける空中および表面マルチタッチ検出 | |
CN106133752A (zh) | 眼睛注视跟踪 | |
CN110472582B (zh) | 基于眼部识别的3d人脸识别方法、装置和终端 | |
WO2017062162A1 (en) | Iris recognition | |
WO2022268023A1 (zh) | 指纹识别方法、装置、电子设备和可读存储介质 | |
US20220172505A1 (en) | Biometrics authentication device and biometrics authentication method for authenticating a person with reduced computational complexity | |
CN116311650A (zh) | 基于智能门禁的视线跟踪与手势识别的人机交互方法 | |
Jmaa et al. | Arabic sign language recognition based on HOG descriptor | |
CN114140839B (zh) | 用于人脸识别的图像发送方法、装置、设备及存储介质 | |
CN111080630A (zh) | 眼底图像检测设备、方法、装置及存储介质 | |
Mendoza-Morales et al. | Illumination-invariant hand gesture recognition |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20180608 |