CN109863505A - 指纹识别的方法、处理器和电子设备 - Google Patents
指纹识别的方法、处理器和电子设备 Download PDFInfo
- Publication number
- CN109863505A CN109863505A CN201980000111.3A CN201980000111A CN109863505A CN 109863505 A CN109863505 A CN 109863505A CN 201980000111 A CN201980000111 A CN 201980000111A CN 109863505 A CN109863505 A CN 109863505A
- Authority
- CN
- China
- Prior art keywords
- fingerprint image
- fingerprint
- feature data
- fisrt feature
- 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.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Collating Specific Patterns (AREA)
- Image Input (AREA)
Abstract
本申请实施例提供了一种指纹识别的方法,能够提高指纹识别的效率。该方法包括:主处理器接收协处理器发送的所述协处理器对手指的指纹图像进行处理得到的所述指纹图像的第一特征数据;所述主处理器根据所述指纹图像的第一特征数据,进行指纹识别。
Description
技术领域
本申请涉及信息技术领域,并且更具体地,涉及一种指纹识别的方法、处理器和电子设备。
背景技术
指纹识别技术是通过指纹传感器采集手指的指纹图像,并通过中央处理器(Central Processing Unit,CPU)根据该指纹图像进行指纹识别。由于指纹图像采集过程中受到的干扰多,且指纹图像中携带的数据量巨大,使得CPU对指纹图像进行处理时的算法复杂度增加,特别是在低温、手指较干和强光直射等刁钻场景下采集到的指纹图像,CPU对指纹图像的处理效率明显下降,难以满足指纹识别的需求。
发明内容
本申请实施例提供一种指纹识别的方法、处理器和电子设备,能够提高指纹识别的效率。
第一方面,提供了一种指纹识别的方法,包括:主处理器接收协处理器发送的所述协处理器对手指的指纹图像进行处理得到的所述指纹图像的第一特征数据;所述主处理器根据所述指纹图像的第一特征数据,进行指纹识别。
在一种可能的实现方式中,所述方法还包括:在协处理器对所述指纹图像进行处理的过程中,主处理器并行地对所述指纹图像进行处理,得到所述指纹图像的第二特征数据,并根据所述指纹图像的第二特征数据进行指纹识别;
其中,所述主处理器根据所述指纹图像的第一特征数据,进行指纹识别,包括:若根据所述指纹图像的第二特征数据进行指纹识别失败,所述主处理器根据所述指纹图像的第一特征数据进行指纹识别。
在一种可能的实现方式中,所述方法还包括:若根据所述指纹图像的第一特征数据进行指纹识别失败,所述主处理器接收所述协处理器发送的所述手指的另一指纹图像的第一特征数据;所述主处理器根据所述另一指纹图像的第一特征数据,进行指纹识别。
在一种可能的实现方式中,所述方法还包括:在所述协处理器对所述指纹图像进行处理的过程中,所述主处理器对所述指纹图像进行处理,得到所述指纹图像的第二特征数据;
其中,所述主处理器根据所述指纹图像的第一特征数据,进行指纹识别,包括:所述主处理器根据所述指纹图像的第一特征数据和所述指纹图像的第二特征数据,进行指纹识别。
在一种可能的实现方式中,所述指纹图像的第二特征数据包括粗提取的所述指纹图像的特征数据,所述指纹图像的第一特征数据包括细提取的所述指纹图像的特征数据。
在一种可能的实现方式中,所述主处理器与所述协处理器之间通过API接口连接。
在一种可能的实现方式中,所述主处理器为CPU,所述协处理器为DSP。
第二方面,提供了一种指纹识别的方法,包括:协处理器对手指的指纹图像进行处理,得到所述指纹图像的第一特征数据;所述协处理器向主处理器发送所述指纹图像的第一特征数据,其中,所述指纹图像的第一特征数据用于所述主处理器进行指纹识别。
在一种可能的实现方式中,所述协处理器对手指的指纹图像进行处理,得到所述指纹图像的第一特征数据,包括:在所述主处理器对所述指纹图像进行处理得到所述指纹图像的第二特征数据,并根据所述指纹图像的第二特征数据进行指纹识别的过程中,所述协处理器并行地对所述指纹图像进行处理,得到所述指纹图像的第一特征数据。
其中,所述指纹图像的第一特征数据用于所述主处理器在根据所述指纹图像的第二特征数据进行指纹识别失败时进行指纹识别。
在一种可能的实现方式中,所述方法还包括:若所述主处理器根据所述指纹图像的第一特征数据进行指纹识别失败,所述协处理器对所述手指的另一指纹图像进行处理,得到所述另一帧图像的第一特征数据;所述数据处理器向所述主处理器发送所述另一指纹图像的第一特征数据,所述另一指纹图像的第一特征数据用于所述主处理器进行指纹识别。
在一种可能的实现方式中,所述协处理器对手指的指纹图像进行处理,得到所述指纹图像的第一特征数据,包括:在所述主处理器对所述指纹图像进行处理得到所述指纹图像的第二特征数据的过程中,所述协处理器并行地对所述指纹图像进行处理,得到所述指纹图像的第一特征数据。
其中,所述指纹图像的第一特征数据和所述指纹图像的第二特征数据共同用于所述主处理器进行指纹识别失。
在一种可能的实现方式中,所述指纹图像的第二特征数据包括粗提取的所述指纹图像的特征数据,所述指纹图像的第一特征数据包括细提取的所述指纹图像的特征数据。
在一种可能的实现方式中,所述主处理器与所述协处理器之间通过应用程序接口API连接。
在一种可能的实现方式中,所述主处理器为CPU,所述协处理器为DSP。
第三方面,提供了一种用于指纹识别的主处理器,包括:
通信单元,用于接收协处理器发送的所述协处理器对手指的指纹图像进行处理得到的所述指纹图像的第一特征数据;
指纹识别单元,用于根据所述指纹图像的第一特征数据,进行指纹识别。
在一种可能的实现方式中,所述主处理器还包括处理单元,所述处理单元用于:在协处理器对所述指纹图像进行处理的过程中,并行地对所述指纹图像进行处理,得到所述指纹图像的第二特征数据;所述指纹识别单元还用于:根据所述指纹图像的第二特征数据进行指纹识别;若根据所述指纹图像的第二特征数据进行指纹识别失败,则根据所述指纹图像的第一特征数据进行指纹识别。
在一种可能的实现方式中,所述通信单元还用于,接收所述协处理器发送的所述手指的另一指纹图像的第一特征数据;所述指纹识别单元还用于,根据所述另一指纹图像的第一特征数据,进行指纹识别。
在一种可能的实现方式中,所述主处理器还包括处理单元,所述处理单元用于:在所述协处理器对所述指纹图像进行处理的过程中,对所述指纹图像进行处理,得到所述指纹图像的第二特征数据;其中,所述指纹识别单元具体用于:所述主处理器根据所述指纹图像的第一特征数据和所述指纹图像的第二特征数据,进行指纹识别。
在一种可能的实现方式中,所述指纹图像的第二特征数据包括粗提取的所述指纹图像的特征数据,所述指纹图像的第一特征数据包括细提取的所述指纹图像的特征数据。
在一种可能的实现方式中,所述主处理器与所述协处理器之间通过API接口连接。
在一种可能的实现方式中,所述主处理器为CPU,所述协处理器为DSP。
第四方面,提供了一种用于指纹识别的协处理器,包括:
处理单元,用于对手指的指纹图像进行处理,得到所述指纹图像的第一特征数据;
通信单元,用于向所述主处理器发送所述指纹图像的第一特征数据,其中,所述指纹图像的第一特征数据用于所述主处理器进行指纹识别。
在一种可能的实现方式中,所述处理单元具体用于:在所述主处理器对所述指纹图像进行处理得到所述指纹图像的第二特征数据,并根据所述指纹图像的第二特征数据进行指纹识别的过程中,并行地对所述指纹图像进行处理,得到所述指纹图像的第一特征数据。其中,所述指纹图像的第一特征数据用于所述主处理器在根据所述指纹图像的第二特征数据进行指纹识别失败时进行指纹识别。
在一种可能的实现方式中,所述处理单元还用于:若所述主处理器根据所述指纹图像的第一特征数据进行指纹识别失败,则对所述手指的另一指纹图像进行处理,得到所述另一帧图像的第一特征数据;
所述通信单元还用于:向所述主处理器发送所述另一指纹图像的第一特征数据,所述另一指纹图像的第一特征数据用于所述主处理器进行指纹识别。
在一种可能的实现方式中,所述指纹图像的第二特征数据包括粗提取的所述指纹图像的特征数据,所述指纹图像的第一特征数据包括细提取的所述指纹图像的特征数据。
在一种可能的实现方式中,所述主处理器与所述协处理器之间通过应用程序接口API连接。
在一种可能的实现方式中,所述主处理器为CPU,所述协处理器为DSP。
第五方面,提供了一种芯片,用于实现上述第一方面或第一方面的任意可能的实现方式中的方法。具体地,该芯片包括主处理器,用于从存储器中调用并运行计算机程序,使得安装有该芯片的设备执行如上述第一方面或第一方面的任意可能的实现方式中的方法。
第六方面,提供了一种芯片,用于实现上述第二方面或第二方面的任意可能的实现方式中的方法。具体地,该芯片包括协处理器,用于从存储器中调用并运行计算机程序,使得安装有该芯片的设备执行如上述第一方面或第一方面的任意可能的实现方式中的方法。
第七方面,提供了一种计算机可读存储介质,用于存储计算机程序,该计算机程序使得计算机执行上述第一方面或第一方面的任意可能的实现方式中的方法。
第八方面,提供了一种计算机可读存储介质,用于存储计算机程序,该计算机程序使得计算机执行上述第二方面或第二方面的任意可能的实现方式中的方法。
第九方面,提供了一种电子设备,包括第三方面或第三方面的任意可能的实现方式中的主处理器,以及第四方面或第四方面的任意可能的实现方式中的协处理器。
在一种可能的实现方式中,所述电子设备还包括指纹传感器,所述指纹传感器用于采集指纹图像。
基于上述技术方案,由于增加了协处理器用于进行指纹图像的处理,使得主处理器和协处理器可以协同完成指纹识别,提高了指纹识别的效率。
附图说明
图1是本申请实施例的指纹识别方法的流程交互图。
图2是本申请实施例的指纹识别方法的流程交互图。
图3是本申请实施例的CPU和DSP协同对指纹图像进行处理的示意性框图。
图4是CPU和DSP内部处理单元的示意性框图。
图5是CPU和DSP各自对一帧指纹图像的处理方式的示意图。
图6是CPU和DSP各自执行数据处理的示意图。
图7是本申请实施例的指纹识别方法的流程交互图。
图8是本申请一种可能的指纹识别方法的流程交互图。
图9是CPU单独对指纹图像进行处理的示意性流程图。
图10是CPU和DSP协同对指纹进行处理的示意性流程图。
图11是本申请实施例的用于指纹识别的CPU的示意性框图。
图12是本申请实施例的用于指纹识别的DSP的示意性框图。
具体实施方式
下面将结合附图,对本申请实施例中的技术方案进行描述。
本申请实施例仅以光学指纹***为例进行说明,但不应对本申请实施例构成任何限定,本申请实施例同样适用于其他指纹识别***例如电容式指纹***、超声波指纹***等,只要能够实现指纹图像的采集即可。
在光学指纹识别过程中,指纹传感器(或称为图像传感器等)采集光源发出的光入射至手指并由手指反射的光信号,从而得到该手指的指纹图像。该指纹图像中携带了该手指的指纹信息,对该指纹图像进行处理并与预先存储的指纹模板进行匹配,由此可以实现针对该手指的指纹识别。
通常,CPU根据该指纹图像进行指纹识别,例如,对该指纹图像进行图像预处理、图像增强、图像特征提取和特征匹配等,最终确定该指纹是否为用户实现认证并存储的指纹。CPU使用的指纹算法为标量运算,并且是单线程运算,其位宽通常为32比特(bit)或者64bit,因此面对指纹图像中的大量数据,处理速度很慢。特别是在低温、手指较干和强光直射等刁钻场景下采集到的指纹图像,CPU对指纹图像的处理效率明显下降,CPU对指纹图像的处理难以满足指纹识别的需求。
本申请实施例提出了一种指纹识别的方法,能够提高指纹识别的效率。
图1示出了本申请实施例的指纹识别的方法的流程交互图。该方法可以由主处理器和协处理器实现。
如图1所示,该方法包括以下步骤中的全部或部分步骤。
在110中,协处理器对手指的指纹图像进行处理,得到该指纹图像的第一特征数据。
在120中,协处理器向主处理器发送该指纹图像的第一特征数据。
在130中,主处理器接收协处理器发送的该指纹图像的第一特征数据。
在140中,主处理器根据该指纹图像的第一特征数据,进行指纹识别。
该指纹图像可以为该手指放置在指纹采集区域时,由指纹传感器采集到的指纹图像,本申请实施例对指纹传感器采集该指纹图像的方式不做任何限定。
由于增加了协处理器对指纹图像进行处理,主处理器能够使用协处理器对指纹图像处理得到的特征数据进行指纹识别,使得主处理器和协处理器可以协同完成指纹识别,提高了指纹识别的效率。
可选地,所述方法还包括:在协处理器对该指纹图像进行处理的过程中,主处理器并行地对该指纹图像进行处理,得到该指纹图像的第二特征数据。
其中,在140中,主处理器根据该指纹图像的第一特征数据,进行指纹识别,包括:主处理器根据该指纹图像的第一特征数据和该指纹图像的第二特征数据,进行指纹识别。
也就是说,主处理器和协处理器可以共同对指纹图像进行处理,分别获取该指纹图像的第二特征数据和第一特征数据,从而主处理器根据该指纹图像的第二特征数据和第一特征数据进行指纹识别。进一步地,主处理器和协处理器可以并行地对该指纹图像进行处理,从而提高指纹识别的速度。
其中,主处理器例如可以为设备的CPU或者指纹识别装置的处理单元等,协处理器例如可以为数字信号处理器(Digital Signal Processor,DSP)、图形处理器(GraphicsProcessing Unit,GPU)、现场可编程门阵列(Field Programmable Gate Array,FPGA)、专用集成电路(Application Specific Integrated Circuits,ASIC)等,能够有效地实现图像处理即可。
以下,均以主处理器为CPU,协处理器为DSP为例进行描述,但本申请并不限于此。
CPU在对指纹图像进行处理的过程中使用的指纹算法为标量运算,并且是单线程运行,加上CPU的位宽通常为32bit或者64bit,使得这种单核串行的方式在指纹处理时的速度较慢。
而在对指纹图像进行处理的过程中,DSP使用的指纹算法为向量运算,且可以多线程地处理图像数据,并且单次数据处理的宽度可以达到1024bit。因此,DSP对指纹图像的处理速度明显高于CPU对指纹图像的处理速度。本申请实施例中可以将指纹识别过程中使用的指纹算法分成两部分,一部分在CPU上执行,另一部分在DSP上执行,从而借助DSP的强大的图像处理能力提高指纹识别的效率。尤其可以将适合于DSP的大数据量运算的部分在DSP上执行,以更好地利用DSP的图像处理能力。
可选地,如图2所示,该方法还包括与110并行执行的150和160。
在150中,主处理器对该手指的指纹图像进行处理,得到该指纹图像的第二特征数据。
在160中,主处理器根据该指纹图像的第二特征数据进行指纹识别。
其中,若主处理器根据该指纹图像的第二特征数据进行指纹识别失败,则执行前述的120至140。
其中,150和160,与110,并行执行。即,在主处理器对指纹图像进行处理和根据得到的第二特征数据进行指纹识别的过程中,协处理器并行地对该指纹图像进行处理以获取该指纹图像的第一特征数据;或者说,协处理器对该指纹图像进行处理以获取该指纹图像的第一特征数据的过程中,主处理器并行地对该指纹图像进行处理并根据得到的第二特征数据进行指纹识别。
由于主处理器和协处理器是同时对指纹传感器采集到的指纹图像进行处理,指纹识别策略由简单的串行识别变成了丰富的双核并行识别,进一步提升了指纹识别的效率。
特别地,对于干手指和强光直射等极端情况下的指纹识别,能够明显地提升用户体验,大幅降低了外界环境变化对指纹图像的数据的影响,提升了指纹识别对人群的适应性。使用本申请实施例提供的指纹识别的方法,指纹识别的整体速度能够提升至少30%。
为了提高指纹识别的速度,主处理器可以先根据该指纹图像的第二特征数据进行指纹识别。例如,主处理器获取光学指纹传感器采集到的首帧指纹图像,若根据首帧指纹图像的第二特征数据进行指纹识别成功,则可以不再对首帧指纹图像的第一特征数据进行识别;若根据首帧指纹图像的第二特征数据进行指纹识别失败,则继续根据首帧指纹图像的第一特征数据进行指纹识别。
主处理器例如可以通过应用程序接口(Application Programming Interface,API)与协处理器之间连接,以实现主处理器与协处理器之间的通信。该主处理器例如可以通过服务提供程序接口(Service Provider Interface,SPI)与指纹传感器连接。
例如图3所示,主处理器为CPU,协处理器为DSP。CPU可以执行一部分的指纹算法以及对指纹识别过程进行控制,DSP可以执行另一部分的指纹算法。并且CPU可以对指纹识别进行控制,并通过API接口对DSP的操作进行控制。CPU与指纹传感器之间通过SPI接口连接,能够获取指纹传感器采集到的指纹图像。CPU获取到的指纹图像例如可以通过API发送给DSP。
图4为CPU和DSP内部处理单元的示意性框图。其中,CPU使用单线程(Thread)进行标量运算(Scalar Operation,SO),例如,使用线程0对标量S0进行运算,其单次处理数据的宽度为32bit或64bit。
而DSP使用多线程进行标量运算以及使用1024bit的宽度进行向量运算(VectorOperation,VO)。例如,可以使用线程0和线程1对标量S0至S3进行处理,并使用1024bit的宽度对向量V0至V3进行向量运算,以及使用线程2和线程3对标量S4至S7进行处理,并使用1024bit的宽度对向量V4至V7进行向量运算,并且线程0至线程3可以并行执行。可以看出,DSP的运算性能整体比CPU的运算性能高出8-32倍。当对该指纹图像进行处理的过程中使用的指纹算法的一部分在CPU上实现而另外一部分在DSP上实现时,可以大幅加快处理的速度。
以图5为例,图5示出了CPU和DSP分别对一帧指纹图像的处理方式。其中,DSP能够通过多个线程,分别对该指纹图像的多个区域同时进行处理,以得到该指纹图像的第一特征数据。如图5所示,CPU对采集到的指纹图像X进行处理时,仅使用单线程即线程0对该指纹图像进行处理。而DSP对该指纹图像X进行处理时,使用多线程即线程0至线程3对指纹图像X中的对应区域进行处理。假设该幅指纹图像被划分为X0至X15共16个区域,其中线程0用于处理X0至X3这四个区域的数据,线程1用于处理X4至X7这四个区域的数据,线程2用于处理X8至X11这四个区域的数据,线程3用于处理X12至X15这四个区域的数据,这四个线程可以同时执行指纹算法。因此,相比于CPU单线程串行处理数据,DSP多线程并行处理数据的速度要快得多。
指纹算法中使用的卷积、滤波等高频执行的过程可以通过向量的方式实现,因此可以利用DSP的宽达1024bit的向量运算对指纹图像的处理进行加速。例如图6所示,CPU通过单指令进行处理,一个指令只能处理数据0。而DSP使用单指令多数据(SingleInstruction Multiple Data,SIMD)的方式进行处理,实现通过一个指令处理数据0至数据n,可以使处理中的卷积、滤波等大数据和多循环操作的速度成倍增长。
本申请实施例对指纹图像的处理过程不做任何限定。例如,采集待测手指的指纹图像后,可以对采集到的指纹图像进行图像预处理,并对预处理后的指纹图像进行图像增强,之后对经过图像增强的指纹图像进行特征提取,最后基于提取的这些特征数据与数据库中的指纹模板进行匹配,从而完成指纹识别。并且,在对指纹图像进行图像预处理或图像增强时,可以使用例如卷积、高通滤波、中值滤波等任何方式。
应理解,本申请实施例中所述的根据指纹图像的特征数据进行指纹识别,可以理解为是根据该指纹图像的特征数据进行指纹图像匹配。
主处理器对指纹图像进行处理得到的第二特征数据例如可以包括粗提取的该指纹图像的特征数据,协处理器对指纹图像进行处理得到的第一特征数据例如可以包括细提取的该指纹图像的第一特征数据。
当采用图像处理能力较强的处理器作为协处理器时,例如选择DSP作为协处理器,由于DSP的图像处理能力较强,可以处理更多更复杂的数据,因此使用协处理器提取指纹图像中完整的数据,而CPU对指纹图像的处理速度较慢,因此可以用于粗略地提取指纹图像中的数据。也就是说,CPU获取的第二特征数据可以为粗略的图像数据,即粗提取;而DSP获取的第一特征数据可以为全面的图像数据,即细提取。
本申请对第二特征数据与第一特征数据不做任何限定,第二特征数据和第一特征数据也可以是依据其他方式划分的。例如,第二特征数据可以是指纹图像的一部分区域的图像数据,而第一特征数据可以是该指纹图像的另一部分区域的图像数据。这时,主处理器与协处理器并行地对指纹图像进行处理,并分别得到该指纹图像的一部分区域对应的第二特征数据以及另一部分区域对应的第一特征数据。协处理器将其得到的第一特征数据发送给主处理器,主处理器结合该指纹图像的第二特征数据和第一特征数据得到整个指纹图像的特征数据并进行指纹识别。
可选地,如图7所示,若在140中主处理器根据该指纹图像的第一特征数据进行指纹识别失败,该方法还可以包括710至740。
在710中,协处理器对该手指的另一指纹图像进行处理,得到该另一指纹图像的第一特征数据。
在720中,协处理器向主处理器发送该另一指纹图像的第一特征数据。
其中,该另一指纹图像的第一特征数据用于主处理器进行指纹识别。
在730中,主处理器接收协处理器发送的该另一指纹图像的第一特征数据。
在740,主处理器根据该另一帧指纹图像的第一特征数据进行指纹识别。
该实施例中,为了提高指纹识别的成功率,可以提供多次指纹识别机会。主处理器和协处理器可以根据该指纹传感器采集到的该手指的至少一幅指纹图像进行指纹识别。其中,指纹传感器可以在该手指放置在其指纹采集区域时,连续采集该手指的多帧指纹图像。当对待测手指的一帧指纹图像进行指纹识别失败后,可以使用该手指的另一帧指纹图像再次进行指纹识别。
例如,指纹传感器采集了两帧指纹图像,即首帧指纹图像和次帧指纹图像。当主处理器根据首帧指纹图像的特征数据进行指纹识别失败,则根据次帧指纹图像的特征数据进行指纹识别。其中,主处理器可以根据首帧指纹图像的第二特征数据进行指纹识别,并在失败时继续根据首帧指纹图像的第一特征数据进行指纹识别。在主处理器根据首帧指纹图像的第一特征数据也识别失败时,可以根据次帧指纹图像的第二特征数据进行指纹识别,并在失败时继续根据次帧指纹图像的第一特征数据进行指纹识别;或者,主处理器在首帧指纹识别失败后,直接根据次帧指纹图像的第一特征数据进行指纹识别。
下面结合图8至图10,举例描述本申请实施例的指纹识别的过程。图8示出了本申请实施例的一种可能的指纹识别方法。图8中所示的主处理器为CPU,协处理器为DSP。该方法包括:
在801中,CPU对待测手指的首帧指纹图像进行处理,得到该指纹图像的第二特征数据。
在802中,CPU根据首帧指纹图像的第二特征数据进行指纹识别。
在830中,DSP对首帧指纹图像进行处理,得到首帧指纹图像的第一特征数据。
其中,801和802,与803,并行执行。
如果在802中CPU根据首帧指纹图像的第二特征数据进行指纹识别成功,则根据指纹识别的结果执行相应操作,例如判断手指是否为用户注册的手指、执行用户操作等。如果CPU根据首帧指纹图像的第二特征数据进行指纹识别失败,则执行804至806。
在804中,DSP向CPU发送首帧指纹图像的第一特征数据。
在805中,CPU接收DSP发送的首帧指纹图像的第一特征数据。
CPU例如可以向DSP发送控制指令,以指示DSP向其发送首帧指纹图像的第一特征数据。DSP根据接收到的该控制指令,向CPU发送首帧指纹图像的第一特征数据。如果CPU基于首帧指纹图像的第二特征数据进行指纹识别成功,则DSP也可以不向CPU发送首帧指纹图像的第一特征数据,以节省信令开销。
在806中,CPU根据首帧指纹图像的第一特征数据,进行指纹识别。
如果在806中CPU根据该首帧指纹图像的第一特征数据进行指纹识别成功,则根据指纹识别的结果执行相应操作。如果CPU根据该首帧指纹图像的第一特征数据进行指纹识别失败,则可以针对该手指的次帧指纹图像进行指纹识别,即执行807至810。
在807中,DSP对该手指的次帧指纹图像进行处理,得到次帧指纹图像的第一特征数据。
在808中,DSP向CPU发送次帧指纹图像的第一特征数据。
在809中,CPU接收DSP发送的次帧指纹图像的第一特征数据。
CPU例如可以向DSP发送控制指令,以指示DSP向其发送该次帧指纹图像的第一特征数据。DSP根据接收到的该控制指令,向CPU发送次帧指纹图像的第一特征数据。
在810中,CPU根据该次帧指纹图像的第一特征数据进行指纹识别。
如果在810中CPU根据次帧指纹图像的第一特征数据进行指纹识别成功,则根据指纹识别的结果执行相应操作。如果CPU根据次帧指纹图像的第一特征数据进行指纹识别失败,则可以终止指纹识别。
当然,如果允许更多次的指纹识别,那么CPU还可以使用类似方式对该手指的第三帧指纹图像进行指纹识别。
应理解,在本申请的各种实施例中,上述各过程的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本申请实施例的实施过程构成任何限定。
例如,CPU和DSP在对指纹图像进行特征提取时,图8是以DSP和CPU并行地对指纹图像进行处理为例进行描述,即801和802,与803并行;或者,CPU在提取指纹图像的第二特征数据并根据该第二特征数据进行指纹识别失败后,DSP再提取该指纹图像的第一特征数据,并将该第一特征数据发送给CPU用于进行指纹识别,即801和802先于803执行。
又例如,图8中的807可以在804之后紧接着执行,即DSP发送首帧指纹图像的第一特征数据后,紧接着对次帧指纹图像进行处理;或者,DSP也可以在806之后执行,即DSP确定CPU根据首帧指纹图像的第一特征数据进行指纹识别失败后,才对次帧指纹图像进行处理。
只要是借助于DSP等图像处理器对指纹图像进行处理以用于指纹识别的方法,均应落入本申请的保护范围。
下面结合图9和图10,对比CPU单独对指纹图像进行处理以及CPU和DSP并行对指纹图像进行处理的耗时。
图9所示为CPU单独对指纹图像进行处理并进行指纹识别的过程。其中第二特征数据为粗提取的数据,第一特征数据为细提取的数据。CPU提取首帧指纹图像的第二特征数据,并根据首帧指纹图像的第二特征数据进行指纹识别;若指纹识别失败,则提取首帧指纹图像的第一特征数据,并根据首帧指纹图像的第一特征数据进行指纹识别;若识别失败,则提取次帧指纹图像的第一特征数据,并根据次帧指纹图像的第一特征数据进行指纹识别。
以下,将获取首帧指纹图像的第二特征数据并基于该第二特征数据进行的指纹识别称为首帧指纹图像的快速识别;将获取首帧指纹图像的第一特征数据并基于该第一特征数据进行的指纹识别称为首帧指纹图像的完整识别;获取次帧指纹图像的第一特征数据并基于该第一特征数据进行的指纹识别称为次帧指纹图像的完整识别。
如表一所示,CPU单独对指纹图像进行处理并进行指纹识别时,CPU执行首帧指纹图像的快速识别所经历的时长为237ms,即执行901和902的耗时为237ms;CPU执行首帧图像的完整识别所经历的时长为143ms,即执行903和904的耗时为143ms;CPU执行次帧指纹图像的完整识别所经历的时长为330ms,即执行905和906的耗时为330ms。
其中,表一中首帧指纹图像的快速识别的时间不仅包括第二特征提取的时间,还包括图像预处理等过程所花费的时间;而首帧指纹图像的完整识别的时间只包括第一特征提取的时间,因为快速识别过程中的图像预处理等过程得到的结果可以直接使用。
表一
图10所示为CPU和DSP协同对指纹图像进行处理并进行指纹识别的过程。CPU在提取首帧指纹图像的第二特征数据并根据该第二特征数据进行指纹识别时,DSP并行地提取首帧指纹图像的第一特征数据,从而在CPU根据首帧指纹图像的第二特征数据进行指纹识别失败时,可以根据首帧指纹图像的第一特征数据进行指纹识别。如果CPU根据首帧指纹图像的第一特征数据进行指纹识别也失败,则DSP提取次帧指纹图像的完整特征,CPU根据次帧指纹图像的完整特征对次帧指纹图像进行指纹识别。
如表一所示,CPU和DSP执行首帧指纹图像的快速识别的耗时为237ms,即执行1001和1002的耗时为237ms,其中,1003中获取首帧指纹图像的第一特征数据的过程与1001和1002并行,不再耗费多余的时间;CPU和DSP执行首帧指纹图像的完整识别的耗时为92ms,即执行1004和1005的耗时为92ms;CPU和DSP执行次帧图像的完整识别的耗时为250ms,即执行1006至1008的耗时为250ms。
可以看出,CPU和DSP并行执行指纹识别时,首帧指纹图像的完整识别的耗时节省了35%,次帧指纹图像的完整识别的耗时节省了24%。
因此,由于DSP也参与指纹识别的过程,借助DSP的强大的图像处理能力,使得指纹识别的效率得到了显著提高。并且,CPU和DSP通过并行地对指纹传感器采集到的指纹图像进行处理,以得到该指纹图像的特征数据用于指纹识别,进一步提高了指纹识别的效率。
可选地,本申请实施例中的指纹传感器可以为光学指纹传感器,但并不限于此,能够采集到指纹图像的任何指纹传感器均落在本申请的保护范围内。
本申请实施例还提出,可以将DSP的图像处理能力应用在活体指纹(或称真指纹)和非活体指纹(或称伪指纹、假指纹等)识别过程中,例如应用于真伪指纹识别的深度学习网络中。
举例来说,可以采集各种类型的真伪指纹图像作为训练样本,并将训练样本输入深度学习网络,根据该深度学习网络输出的结果与实际期望得到的结果之间的差异,对该深度学习网络进行调整,通过大量的训练学习使该深度学习网络能够有效地分辨指纹图像的真伪。
其中,深度学习网络在对接收到的真伪指纹图像进行处理时,可以采用DSP对真伪指纹的指纹图像进行处理,从而提高对指纹图像进行处理的速度,提高深度学习网络的训练效率。
可选地,本申请实施例所述的方法也可以用于生物特征识别,即将前述的指纹图像替换为生物特征信息,例如面部识别、虹膜识别等等。
图11是根据本申请实施例的用于指纹识别的处理器1100的示意性框图。该处理器1200为主处理器。如图11所示,该主处理器1100包括:
通信单元1110,用于接收协处理器发送的手指的指纹图像的第一特征数据;
指纹识别单元1120,用于根据所述指纹图像的第一特征数据,进行指纹识别。
由于增加了协处理器用于进行指纹图像的处理,使得主处理器和协处理器可以协同完成指纹识别,提高了指纹识别的效率。
可选地,所述主处理器还包括处理单元1130,所述处理单元1130用于:在所述协处理器对所述指纹图像进行处理得到所述指纹图像的第一特征数据的过程中,并行地对所述指纹图像进行处理,得到所述指纹图像的第二特征数据;所述指纹识别单元1120还用于:根据所述指纹图像的第二特征数据进行指纹识别;若根据所述指纹图像的第二特征数据进行指纹识别失败,则根据所述指纹图像的第一特征数据进行指纹识别。
可选地,所述通信单元1110还用于,接收所述协处理器发送的所述手指的另一指纹图像的第一特征数据;所述指纹识别单元1120还用于,根据所述另一帧指纹图像的第一特征数据,进行指纹识别。
可选地,处理单元1130用于:在所述协处理器对所述指纹图像进行处理的过程中,对所述指纹图像进行处理,得到所述指纹图像的第二特征数据;所述指纹识别单元1120具体用于:所述主处理器根据所述指纹图像的第一特征数据和所述指纹图像的第二特征数据,进行指纹识别。
可选地,所述指纹图像的第二特征数据包括粗提取的所述指纹图像的特征数据,所述指纹图像的第一特征数据包括细提取的所述指纹图像的特征数据。
可选地,所述主处理器与所述协处理器之间通过API接口连接。
可选地,所述主处理器为CPU,所述协处理器为DSP。
图12是根据本申请实施例的用于指纹识别的处理器1200的示意性框图。该处理器1200为协处理器。如图12所示,该主处理器1200包括:
处理单元1210,用于对手指的指纹图像进行处理,得到所述指纹图像的第一特征数据;
通信单元1220,用于向主处理器发送所述指纹图像的第一特征数据,其中,所述指纹图像的第一特征数据用于所述主处理器进行指纹识别。
由于增加了协处理器用于进行指纹图像的处理,使得主处理器和协处理器可以协同完成指纹识别,提高了指纹识别的效率。
可选地,所述处理单元1210具体用于:在所述主处理器对所述指纹图像进行处理得到所述指纹图像的第二特征数据,并根据所述指纹图像的第二特征数据进行指纹识别的过程中,并行地对所述指纹图像进行处理,得到所述指纹图像的第一特征数据,其中,若所述主处理器根据所述指纹图像的第二特征数据进行指纹识别失败,所述指纹图像的第一特征数据用于所述主处理器进行指纹识别。
可选地,所述处理单元1210还用于:若所述主处理器根据所述指纹图像的第一特征数据进行指纹识别失败,则对所述手指的另一指纹图像进行处理,得到所述另一帧图像的第一特征数据;所述通信单元1220还用于:向所述主处理器发送所述另一指纹图像的第一特征数据,所述另一指纹图像的第一特征数据用于所述主处理器进行指纹识别。
可选地,所述指纹图像的第二特征数据包括粗提取的所述指纹图像的特征数据,所述指纹图像的第一特征数据包括细提取的所述指纹图像的特征数据。
可选地,所述主处理器与所述协处理器之间通过API接口连接。
可选地,所述主处理器为CPU,所述协处理器为DSP。
本申请实施例还提供了一种电子设备,该电子设备包括上述本申请各种实施例中的主处理器和协处理器。
可选地,该显示屏可以采用以上描述中的显示屏,例如LCD显示屏或者OLED显示屏。其中,该显示屏为OLED显示屏时,该显示屏的发光层包括多个有机发光二极管光源,其中该指纹识别装置采用至少部分有机发光二极管光源作为指纹识别的激励光源。
可选地,所述电子设备还包括指纹传感器,所述指纹传感器用于采集指纹图像。
作为示例而非限定,所述电子设备可以为终端设备、手机、平板电脑、笔记本电脑、台式机电脑、游戏设备、车载电子设备或穿戴式智能设备等便携式或移动计算设备,以及电子数据库、汽车、银行自动柜员机(Automated Teller Machine,ATM)等其他电子设备。该穿戴式智能设备包括功能全、尺寸大、可不依赖智能手机实现完整或部分的功能,例如:智能手表或智能眼镜等,以及只专注于某一类应用功能,需要和其它设备如智能手机配合使用,如各类进行体征监测的智能手环、智能首饰等设备。
应理解,本申请实施例中的具体的例子只是为了帮助本领域技术人员更好地理解本申请实施例,而非限制本申请实施例的范围,本领域技术人员可以在上述实施例的基础上进行各种改进和变形,而这些改进或者变形均落在本申请的保护范围内。
以上所述,仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以所述权利要求的保护范围为准。
Claims (26)
1.一种指纹识别的方法,其特征在于,所述方法包括:
主处理器接收协处理器发送的所述协处理器对手指的指纹图像进行处理得到的所述指纹图像的第一特征数据;
所述主处理器根据所述指纹图像的第一特征数据,进行指纹识别。
2.根据权利要求1所述的方法,其特征在于,所述方法还包括:
在所述协处理器对所述指纹图像进行处理的过程中,主处理器并行地对所述指纹图像进行处理,得到所述指纹图像的第二特征数据,并根据所述指纹图像的第二特征数据进行指纹识别;
其中,所述主处理器根据所述指纹图像的第一特征数据,进行指纹识别,包括:
若根据所述指纹图像的第二特征数据进行指纹识别失败,所述主处理器根据所述指纹图像的第一特征数据进行指纹识别。
3.根据权利要求1或2所述的方法,其特征在于,所述方法还包括:
若根据所述指纹图像的第一特征数据进行指纹识别失败,所述主处理器接收所述协处理器发送的所述手指的另一指纹图像的第一特征数据;
所述主处理器根据所述另一指纹图像的第一特征数据,进行指纹识别。
4.根据权利要求1至3所述的方法,其特征在于,所述指纹图像的第二特征数据包括粗提取的所述指纹图像的特征数据,所述指纹图像的第一特征数据包括细提取的所述指纹图像的特征数据。
5.根据权利要求1至4所述的方法,其特征在于,所述主处理器与所述协处理器之间通过应用程序接口API连接。
6.根据权利要求1至5所述的方法,其特征在于,所述主处理器为中央处理器CPU,所述协处理器为数字信号处理器DSP。
7.一种指纹识别的方法,其特征在于,所述方法包括:
协处理器对手指的指纹图像进行处理,得到所述指纹图像的第一特征数据;
所述协处理器向主处理器发送所述指纹图像的第一特征数据,其中,所述指纹图像的第一特征数据用于所述主处理器进行指纹识别。
8.根据权利要求7所述的方法,其特征在于,所述协处理器对手指的指纹图像进行处理,得到所述指纹图像的第一特征数据,包括:
在所述主处理器对所述指纹图像进行处理得到所述指纹图像的第二特征数据,并根据所述指纹图像的第二特征数据进行指纹识别的过程中,所述协处理器并行地对所述指纹图像进行处理,得到所述指纹图像的第一特征数据,
其中,所述指纹图像的第一特征数据用于所述主处理器在根据所述指纹图像的第二特征数据进行指纹识别失败时进行指纹识别。
9.根据权利要求7或8所述的方法,其特征在于,所述方法还包括:
若所述主处理器根据所述指纹图像的第一特征数据进行指纹识别失败,所述协处理器对所述手指的另一指纹图像进行处理,得到所述另一帧图像的第一特征数据;
所述数据处理器向所述主处理器发送所述另一指纹图像的第一特征数据,所述另一指纹图像的第一特征数据用于所述主处理器进行指纹识别。
10.根据权利要求7至9中任一项所述的方法,其特征在于,所述指纹图像的第二特征数据包括粗提取的所述指纹图像的特征数据,所述指纹图像的第一特征数据包括细提取的所述指纹图像的特征数据。
11.根据权利要求7至10中任一项所述的方法,其特征在于所述主处理器与所述协处理器之间通过应用程序接口API连接。
12.根据权利要求7至11所述的方法,其特征在于,所述主处理器为中央处理器CPU,所述协处理器为数字信号处理器DSP。
13.一种用于指纹识别的处理器,其特征在于,所述处理器为主处理器,所述主处理器包括:
通信单元,用于接收协处理器发送的所述协处理器对手指的指纹图像进行处理得到的所述指纹图像的第一特征数据;
指纹识别单元,用于根据所述指纹图像的第一特征数据,进行指纹识别。
14.根据权利要求13所述的处理器,其特征在于,所述主处理器还包括处理单元,
所述处理单元用于:在所述协处理器对所述指纹图像进行处理的过程中,并行地对所述指纹图像进行处理,得到所述指纹图像的第二特征数据;
所述指纹识别单元还用于:
根据所述指纹图像的第二特征数据进行指纹识别;
若根据所述指纹图像的第二特征数据进行指纹识别失败,则根据所述指纹图像的第一特征数据进行指纹识别。
15.根据权利要求13或14所述的处理器,其特征在于,
所述通信单元还用于,接收所述协处理器发送的所述手指的另一指纹图像的第一特征数据;
所述指纹识别单元还用于,根据所述另一指纹图像的第一特征数据,进行指纹识别。
16.根据权利要求13至15所述的处理器,其特征在于,所述指纹图像的第二特征数据包括粗提取的所述指纹图像的特征数据,所述指纹图像的第一特征数据包括细提取的所述指纹图像的特征数据。
17.根据权利要求13至16所述的处理器,其特征在于,所述主处理器与所述协处理器之间通过应用程序接口API连接。
18.根据权利要求13至17所述的处理器,其特征在于,所述主处理器为中央处理器CPU,所述协处理器为数字信号处理器DSP。
19.一种用于指纹识别的处理器,其特征在于,所述处理器为协处理器,所述协处理器包括:
处理单元,用于对手指的指纹图像进行处理,得到所述指纹图像的第一特征数据;
通信单元,用于向主处理器发送所述指纹图像的第一特征数据,其中,所述指纹图像的第一特征数据用于所述主处理器进行指纹识别。
20.根据权利要求19所述的处理器,其特征在于,所述处理单元具体用于:
在所述主处理器对所述指纹图像进行处理得到所述指纹图像的第二特征数据,并根据所述指纹图像的第二特征数据进行指纹识别的过程中,并行地对所述指纹图像进行处理,得到所述指纹图像的第一特征数据,
其中,所述指纹图像的第一特征数据用于所述主处理器在根据所述指纹图像的第二特征数据进行指纹识别失败时进行指纹识别。
21.根据权利要求19或20所述的处理器,其特征在于,所述处理单元还用于:
若所述主处理器根据所述指纹图像的第一特征数据进行指纹识别失败,则对所述手指的另一指纹图像进行处理,得到所述另一帧图像的第一特征数据;
所述通信单元还用于:
向所述主处理器发送所述另一指纹图像的第一特征数据,所述另一指纹图像的第一特征数据用于所述主处理器进行指纹识别。
22.根据权利要求19至21中任一项所述的处理器,其特征在于,所述指纹图像的第二特征数据包括粗提取的所述指纹图像的特征数据,所述指纹图像的第一特征数据包括细提取的所述指纹图像的特征数据。
23.根据权利要求19至22中任一项所述的处理器,其特征在于,所述主处理器与所述协处理器之间通过应用程序接口API连接。
24.根据权利要求19至23所述的处理器,其特征在于,所述主处理器为中央处理器CPU,所述协处理器为数字信号处理器DSP。
25.一种电子设备,其特征在于,包括根据权利要求13至18中任一项所述的主处理器,以及权利要求19至24中任一项所述的协处理器。
26.根据权利要求25所述的电子设备,其特征在于,所述电子设备还包括指纹传感器,所述指纹传感器用于采集指纹图像。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/CN2019/072655 WO2020150891A1 (zh) | 2019-01-22 | 2019-01-22 | 指纹识别的方法、处理器和电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109863505A true CN109863505A (zh) | 2019-06-07 |
CN109863505B CN109863505B (zh) | 2023-05-23 |
Family
ID=66889360
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201980000111.3A Active CN109863505B (zh) | 2019-01-22 | 2019-01-22 | 指纹识别的方法、处理器和电子设备 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN109863505B (zh) |
WO (1) | WO2020150891A1 (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110928579A (zh) * | 2019-09-29 | 2020-03-27 | 天博电子信息科技有限公司 | 生物识别的指令集加速方法及处理器 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150100427A1 (en) * | 2013-10-09 | 2015-04-09 | Ricoh Co., Ltd. | Associating Advertising Content with a Channel |
CN106022069A (zh) * | 2016-05-30 | 2016-10-12 | 广东欧珀移动通信有限公司 | 一种解锁控制方法及移动终端 |
CN106295539A (zh) * | 2016-08-03 | 2017-01-04 | 乐视控股(北京)有限公司 | 指纹识别方法、指纹识别装置和终端设备 |
US20170109564A1 (en) * | 2015-10-19 | 2017-04-20 | Qualcomm Incorporated | On-screen optical fingerprint capture for user authentication |
CN107066961A (zh) * | 2017-03-31 | 2017-08-18 | 清华大学 | 指纹配准方法及装置 |
CN107358144A (zh) * | 2017-05-20 | 2017-11-17 | 深圳信炜科技有限公司 | 图像识别***及电子装置 |
CN107545166A (zh) * | 2017-08-24 | 2018-01-05 | 广东欧珀移动通信有限公司 | 生物识别方法及相关产品 |
CN107688770A (zh) * | 2016-08-05 | 2018-02-13 | 金佶科技股份有限公司 | 指纹辨识模块以及指纹辨识方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108256415A (zh) * | 2017-11-30 | 2018-07-06 | 北京集创北方科技股份有限公司 | 指纹识别方法、装置和***、电子设备 |
-
2019
- 2019-01-22 CN CN201980000111.3A patent/CN109863505B/zh active Active
- 2019-01-22 WO PCT/CN2019/072655 patent/WO2020150891A1/zh active Application Filing
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150100427A1 (en) * | 2013-10-09 | 2015-04-09 | Ricoh Co., Ltd. | Associating Advertising Content with a Channel |
US20170109564A1 (en) * | 2015-10-19 | 2017-04-20 | Qualcomm Incorporated | On-screen optical fingerprint capture for user authentication |
CN106022069A (zh) * | 2016-05-30 | 2016-10-12 | 广东欧珀移动通信有限公司 | 一种解锁控制方法及移动终端 |
CN106295539A (zh) * | 2016-08-03 | 2017-01-04 | 乐视控股(北京)有限公司 | 指纹识别方法、指纹识别装置和终端设备 |
CN107688770A (zh) * | 2016-08-05 | 2018-02-13 | 金佶科技股份有限公司 | 指纹辨识模块以及指纹辨识方法 |
CN107066961A (zh) * | 2017-03-31 | 2017-08-18 | 清华大学 | 指纹配准方法及装置 |
CN107358144A (zh) * | 2017-05-20 | 2017-11-17 | 深圳信炜科技有限公司 | 图像识别***及电子装置 |
CN107545166A (zh) * | 2017-08-24 | 2018-01-05 | 广东欧珀移动通信有限公司 | 生物识别方法及相关产品 |
Non-Patent Citations (2)
Title |
---|
刘义鹏 等: "基于嵌入式GPU的汗孔识别算法并行设计", 传感器与微*** * |
钱磊 等: "基于可重构微服务器的高能效指纹比对方法", 计算机研究与发展 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110928579A (zh) * | 2019-09-29 | 2020-03-27 | 天博电子信息科技有限公司 | 生物识别的指令集加速方法及处理器 |
Also Published As
Publication number | Publication date |
---|---|
WO2020150891A1 (zh) | 2020-07-30 |
CN109863505B (zh) | 2023-05-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105631798B (zh) | 低功耗便携式实时图像目标检测与跟踪***及方法 | |
JP2020507850A (ja) | 画像内の物体の姿の確定方法、装置、設備及び記憶媒体 | |
EP2770783B1 (en) | A wearable information system having at least one camera | |
CN111914812B (zh) | 图像处理模型训练方法、装置、设备及存储介质 | |
CN112036331B (zh) | 活体检测模型的训练方法、装置、设备及存储介质 | |
JP2020535529A (ja) | 生体検出方法及び装置、電子機器、並びにコンピュータ可読記憶媒体 | |
CN111327887B (zh) | 电子装置及其操作方法,以及处理电子装置的图像的方法 | |
Singh et al. | Human pose estimation using convolutional neural networks | |
Irfanullah et al. | Real time violence detection in surveillance videos using Convolutional Neural Networks | |
US11556784B2 (en) | Multi-task fusion neural network architecture | |
CN110610191A (zh) | 一种电梯楼层识别方法、装置及终端设备 | |
CN109583364A (zh) | 图像识别方法及设备 | |
CN108476296A (zh) | 用于使电子装置的数据同步的设备和方法 | |
Garcia-Martin et al. | Vision transformers for vein biometric recognition | |
CN117058517A (zh) | 一种基于YOLOv5优化模型的安全帽检测方法、装置和介质 | |
CN109863505A (zh) | 指纹识别的方法、处理器和电子设备 | |
CN113033305B (zh) | 活体检测方法、装置、终端设备和存储介质 | |
CN112037305B (zh) | 对图像中的树状组织进行重建的方法、设备及存储介质 | |
CN111931544B (zh) | 活体检测的方法、装置、计算设备及计算机存储介质 | |
Noureldeen et al. | Deep learning model for Cutaneous leishmaniasis detection and classification using Yolov5 | |
WO2022143314A1 (zh) | 一种对象注册方法及装置 | |
WO2022161011A1 (zh) | 生成图像的方法和电子设备 | |
CN114970576A (zh) | 识别码的识别方法、相关电子设备及计算机可读存储介质 | |
Yang et al. | An Underwater Object Detection Algorithm Based on Improved YOLOv5s | |
CN111401302A (zh) | 遥感图像舰船目标一体化检测与细粒度识别方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |