CN111325090A - 操作指纹感测***的方法和指纹感测*** - Google Patents
操作指纹感测***的方法和指纹感测*** Download PDFInfo
- Publication number
- CN111325090A CN111325090A CN201911264111.2A CN201911264111A CN111325090A CN 111325090 A CN111325090 A CN 111325090A CN 201911264111 A CN201911264111 A CN 201911264111A CN 111325090 A CN111325090 A CN 111325090A
- Authority
- CN
- China
- Prior art keywords
- fingerprint
- determining
- resolution
- sensing
- size
- 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
- 238000000034 method Methods 0.000 title claims abstract description 54
- 230000036961 partial effect Effects 0.000 claims abstract description 36
- 230000003044 adaptive effect Effects 0.000 claims description 90
- 238000009826 distribution Methods 0.000 claims description 63
- 239000011295 pitch Substances 0.000 claims description 58
- 230000008859 change Effects 0.000 claims description 41
- 238000001514 detection method Methods 0.000 claims description 35
- 230000015654 memory Effects 0.000 claims description 15
- 230000005540 biological transmission Effects 0.000 claims description 9
- 230000007423 decrease Effects 0.000 claims description 6
- 238000012545 processing Methods 0.000 description 23
- 230000002829 reductive effect Effects 0.000 description 15
- 230000006870 function Effects 0.000 description 8
- 238000004458 analytical method Methods 0.000 description 7
- 238000002161 passivation Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000035945 sensitivity Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 238000004590 computer program Methods 0.000 description 3
- 230000003247 decreasing effect Effects 0.000 description 3
- 230000010354 integration Effects 0.000 description 3
- 230000004913 activation Effects 0.000 description 2
- 239000006059 cover glass Substances 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 2
- 239000000758 substrate Substances 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000000670 limiting effect Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011017 operating method Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000001681 protective effect Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000007723 transport mechanism Effects 0.000 description 1
Images
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
- G06V40/13—Sensors therefor
-
- 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
- G06V40/1353—Extracting features related to minutiae or pores
-
- 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
- G06V40/1359—Extracting features related to ridge properties; Determining the fingerprint type, e.g. whorl or loop
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/98—Detection or correction of errors, e.g. by rescanning the pattern or by human intervention; Evaluation of the quality of the acquired patterns
- G06V10/993—Evaluation of the quality of the acquired pattern
-
- 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
- G06V40/13—Sensors therefor
- G06V40/1306—Sensors therefor non-optical, e.g. ultrasonic or capacitive sensing
-
- 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
- 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
-
- 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
- G06V40/50—Maintenance of biometric data or enrolment thereof
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Human Computer Interaction (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Input (AREA)
- Measurement Of Length, Angles, Or The Like Using Electric Or Magnetic Means (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
一种指纹感测***通过以下操作获得用户的指纹图像:分析针对用户指纹区域的一部分所感测的局部图像,基于所分析的局部图像的指纹间距确定感测分辨率,并且利用所确定的感测分辨率来感测指纹区域。
Description
相关申请的交叉引用
本申请要求于2018年12月14日在韩国知识产权局递交的韩国专利申请No.10-2018-0162149的优先权,其全部公开通过引用并入本文。
技术领域
与本公开一致的方法、装置和***涉及一种操作用于指纹识别的指纹感测***的方法、指纹感测***和用于感测指纹的装置。
背景技术
对基于诸如指纹、声音、面部、手或虹膜之类的特征执行个人认证的需求正在逐渐增加。个人认证功能主要用于金融设备、门禁设备、移动设备、笔记本电脑等。近来,随着诸如智能电话之类的移动设备变得普及,用于个人认证的指纹识别技术已经被广泛采用以保护存储在智能电话中的大量安全信息。
发明内容
一个或多个示例实施例提供一种用于指纹识别的指纹感测***、所述指纹感测***的操作方法和用于感测指纹的装置,其中以高准确度、改善的处理速度和效率以及减少的计算量来执行指纹识别。
其他方面部分地将在以下描述中阐述,且部分地将通过以下描述而变得清楚,或者可以通过对示例实施例的实践来获知。
根据示例实施例的一方面,提供了一种操作指纹感测***的方法,包括:获得与用户指纹区域的一部分相对应的局部图像;基于所获得的局部图像确定指纹间距的分布;基于指纹间距的分布确定超像素的大小,并基于所确定的超像素的大小确定自适应分辨率;以及基于指纹感测***以所确定的自适应分辨率进行感测来获得与用户的指纹区域相对应的指纹图像。
根据另一示例实施例的一方面,提供了一种其上记录有可由处理器运行以执行上述方法的程序的非暂时性计算机可读记录介质。
根据另一示例实施例的一方面,提供了一种用于感测指纹的装置,该装置包括:至少一个存储器,被配置为存储指令;以及至少一个处理器,被配置为读取指令以及按照指令的指示操作,以执行以下操作:获得与用户指纹区域的一部分相对应的局部图像;基于所获得的局部图像确定指纹间距的分布;基于指纹间距的分布确定超像素的大小,并基于所确定的超像素的大小确定自适应分辨率;以及基于以所确定的自适应分辨率进行感测来获得与用户的指纹区域相对应的指纹图像。
根据另一示例实施例的一方面,提供了一种用于感测指纹的***,该***包括:触摸面板,由多个驱动电极和多个检测电极限定;发送电路,被配置为向所述多个驱动电极施加驱动信号;接收电路,被配置为从所述多个检测电极获得电信号;以及处理器,被配置为获得与通过所述触摸面板感测的指纹区域的一部分相对应的局部图像,被配置为基于所述局部图像中指纹间距的特征自适应地确定用于感测所述指纹区域的分辨率,并且被配置为控制所述触摸面板以自适应确定的分辨率感测所述指纹区域。
附图说明
从结合附图对示例实施例的以下描述中,上述和/或其他方面将变得清楚并且更容易理解,在附图中:
图1示出了根据示例实施例的指纹感测***的示例;
图2概念性地示出了根据示例实施例的与触摸面板的每个节点相对应的互电容;
图3是根据示例实施例的安装在电子装置上的用于指纹感测的触摸面板的截面图;
图4示出了根据示例实施例的用于指纹感测***的指纹区域;
图5是示出了根据示例实施例的用于指纹感测***的男性和女性之间指纹间距分布的差异的曲线图;
图6是根据示例实施例的在图1的指纹感测***中通过考虑用户的指纹间距分布来自适应地确定感测分辨率的方法的流程图;
图7是用于描述根据示例实施例的通过考虑指纹间距和脊与谷之间的互电容改变量的差ΔCM来确定自适应分辨率的方法的曲线图;
图8是示出了根据示例实施例的互电容改变量的差ΔCM与超像素的大小之间的关系的曲线图;
图9示出了根据示例实施例的根据指纹间距分布来确定自适应分辨率的方法;
图10是根据示例实施例的通过获得局部图像来确定自适应分辨率的方法的示例的流程图;
图11是根据示例实施例的通过获得局部图像来确定自适应分辨率的方法的另一示例的流程图;
图12A、图12B和图12C示出了根据示例实施例的以不同的自适应分辨率操作触摸面板的情况;
图13是示出了根据示例实施例的超像素的大小与像素合并(binning)大小之间的关系的曲线图;
图14A和图14B示出了根据示例实施例的仅改变像素合并大小而不调整分辨率的示例;
图15示出了根据示例实施例的同时调整自适应分辨率和像素合并大小两者的情况;
图16A、图16B和图16C示出了根据示例实施例的同时改变自适应分辨率和像素合并大小的示例;以及
图17是根据示例实施例的操作指纹感测***的方法的流程图。
具体实施方式
现在将详细参考实施例,在附图中示出了实施例的示例,其中,贯穿附图相似的附图标记指代相似的要素。示例实施例可以具有不同形式,并且不应当被解释为受限于本文所阐明的描述。因此,以下通过参考附图仅描述一些示例实施例,以解释本公开的各方面。
在本文所阐述的示例实施例中,如果可能的话,考虑示例实施例的功能来选择当前广泛使用的一般术语,但是可以根据本领域技术人员的意图、先例或新技术等来选择非一般术语。一些术语可以由本申请人任意选择。在这种情况下,这些术语的含义将在本公开的对应部分中详细地解释。因此,本文所使用的术语不应基于其名称而是基于其含义和示例实施例的整个上下文来进行定义。
在示例实施例中,将理解,当一元件被称为“连接到”另一元件时,该元件可以直接连接到另一元件,或者可以电连接到另一元件,同时在它们之间具有中间元件。将理解,当一元件被称为“包括”另一元件时,除非另有说明,否则该元件还可以包括其他元件。
本文所使用的术语“包括”、“包括有”、“包含”和“包含有”不应被解释为必然包括本文所描述的所有不同元件或操作,而是应当理解,可以省略一些元件或操作,或者可以进一步提供附加的元件或操作。
如本文所使用的,诸如“......中的至少一个”的表述在元素列表之后时修饰整个元素列表而不是修饰列表中的单个元素。例如,表述“a、b和c中的至少一个”应被理解为仅包括a、仅包括b、仅包括c、包括a和b两者、包括a和c两者、包括b和c两者或者包括a、b和c的全部。
将理解,虽然术语“第一”、“第二”、“第三”等可以在本文用于描述各种元件,但是这些元件不应受这些术语的限制。这些术语仅用来将一个元件与另一元件区分开来。此外,诸如“部件”、“单元”、“部分”、“模块”、“块”等的术语应被理解为执行至少一个功能或操作并可以实现为硬件、软件或其组合的单元。
下面对示例实施例的描述不应被解释为限制本公开的范围,本领域技术人员容易想到的对实施例的修改应被解释为在本公开的范围内。在下文中,仅出于说明的目的,将参考附图详细描述示例实施例。
图1示出了根据示例实施例的指纹感测***的示例。
参考图1,指纹感测***10可以包括触摸面板100、发送电路110、接收电路120、处理器130和存储器140。尽管图1示出了指纹感测***10的组成元件,但本领域普通技术人员应理解,可以省略和/或修改其中一些元件,并且可以在本文中进一步包括附加和/或可选的元件。
图1中所示的处理器130可以由多个逻辑门的阵列来实施,或者由通用微处理器和其中存储有可由微处理器执行的程序的存储器的组合来实施。处理器130可以包括至少一个处理器(或处理单元),在示例实施例中,处理器130可以包括多个处理器。此外,本领域普通技术人员应理解,处理器130可以由任何其他任意形式的硬件配置来实施。
触摸面板100可以包括多个驱动电极Tx和沿与多个驱动电极Tx交叉的方向形成的多个检测电极Rx。尽管为便于说明,图1示出了多个驱动电极Tx和多个检测电极Rx各自的数量是十个,但是本公开不限于此,并且多个驱动电极Tx和多个检测电极Rx的数量可以变化。
发送电路110可以向多个驱动电极Tx施加驱动信号,并且接收电路120可以从多个检测电极Rx获得电信号。为此,发送电路110可以包括向多个驱动电极Tx施加驱动信号的模块(未示出),并且接收电路120可以包括从多个检测电极Rx获得电信号的模块(未示出)。
触摸面板100的多个驱动电极Tx可以沿第一方向延伸,并且触摸面板100的多个检测电极Rx可以沿与第一方向交叉的第二方向延伸。尽管图1示出了驱动电极Tx和检测电极Rx彼此正交的示例实施例,但是本公开不限于此。换句话说,驱动电极Tx延伸的第一方向与检测电极Rx延伸的第二方向之间的角度可以不是90°。
当对象(例如,用户的手指)接近触摸面板100时,触摸面板100的驱动电极Tx和检测电极Rx之间的互电容可以变化。例如,由于用户的手指接近触摸面板100而导致的在驱动电极Tx和检测电极Rx彼此交叉的每个节点处的互电容,可以基于用户手指的指纹图案的特征而彼此不同。随着驱动电极Tx之间的间隔和检测电极Rx之间的间隔减小,用于感测指纹区域的感测分辨率可以增加。可以在触摸面板100上进一步设置用于保护驱动电极Tx和检测电极Rx的保护膜。
可以将驱动电极Tx和检测电极Rx设置为线电极。此外,每个驱动电极Tx还可以包括设置在驱动电极Tx和检测电极Rx彼此交叉的节点之间的图案。图案可以具有各种形状,例如多边形或圆形。同样地,每个检测电极Rx还可以包括设置在节点之间的图案。
发送电路110可以向驱动电极Tx施加驱动信号。例如,发送电路110可以向每个驱动电极Tx施加电压脉冲。接收电路120可以从检测电极Rx获得电信号。在这种状态下,接收电路120可以获得在每个检测电极Rx中流动的电流或者获得每个检测电极Rx的电势。
处理器130可以控制包括在指纹感测***10中的发送电路110和接收电路120的整体操作。例如,处理器130可以控制由发送电路110向每个驱动电极Tx施加的电压脉冲的幅度和持续时间。此外,处理器130可以控制发送电路110,使得电压脉冲可以施加到触摸面板100中包括的多个驱动电极Tx中的一些驱动电极Tx。
处理器130可以通过使用接收电路120所获得的电流或电势来生成和处理与用户的指纹或细节特征数据有关的图像数据。例如,处理器130可以通过使用接收电路120所获得的电流或电势来生成和处理与指纹区域相对应的指纹图像数据,并且通过分析图像数据中包括的像素值来生成和处理细节特征数据。
处理器130可以通过分析指纹图像和细节特征数据来确定用户指纹的特征,并基于所确定的指纹特征自适应地改变用于操作指纹感测***10的感测分辨率。下面参考相关附图详细呈现这方面的描述。
存储器140可以存储用于执行处理器130的操作的可执行的计算机程序。例如,处理器130可以读取存储在存储器140中的计算机程序,并基于计算机程序中的指令执行操作。此外,存储器140可以存储基于触摸面板100、发送电路110、接收电路120和处理器130中的一个或多个的操作所生成的数据和信息。尽管图1示出了指纹感测***10包括一个存储器作为存储器140,但是本公开不限于此,指纹感测***10可以根据实施例包括两个或更多个存储器。在示例实施例中,处理器130和存储器140可以设置在用于感测指纹的装置(或指纹感测装置)中。
图2概念性地示出了与触摸面板100的每个节点相对应的互电容。
参考图2,驱动电极Tx和检测电极Rx之间的互电容可以对应于驱动电极Tx和检测电极Rx彼此交叉的节点。
例如,第一驱动电极Tx1和第一检测电极Rx1之间的互电容C11可以对应于第一驱动电极Tx1和第一检测电极Rx1彼此交叉的节点N11。同样地,第m个驱动电极Txm(其中m是自然数)和第n个检测电极Rxn(其中n是自然数)之间的互电容Cmn可以对应于第m个驱动电极Txm和第n个检测电极Rxn彼此交叉的节点Nmn。在以下描述中,节点Nmn处的互电容可以表示第m个驱动电极Txm和第n个检测电极Rxn之间的互电容。
可以通过驱动电极Tx和检测电极Rx在触摸面板100中定义多个通道。例如,某个通道可以对应于由彼此交叉的驱动电极Tx和检测电极Rx所定义的节点。例如,通道CH11可以对应于节点N11。
可以向每个驱动电极Tx顺序地施加不同的驱动信号,以获得多个节点中的每个节点处的互电容。此外,可以在每个检测电极Rx处单独获得电信号。例如,当要获得互电容C11时,可以仅向第一驱动电极Tx1施加驱动信号,并且可以获得第一检测电极Rx1处的电信号。同样地,当要获得互电容Cmn时,仅向第m个驱动电极Txm施加驱动信号,并且可以在第n个检测电极Rxn处获得电信号。
为了获得每个节点处的互电容,可以仅向一个驱动电极Tx施加驱动信号。然而,当以高感测分辨率驱动指纹感测***10时,驱动电极Tx之间的间隔可以是窄的。当驱动电极Tx之间的间隔减小时,在互电容检测期间激活的通道CH的面积减小。当通道CH的激活面积减小时,所获得的信号的强度可能减小,因此,在每个节点处获得的互电容的改变量可能过小。相应地,感测灵敏度可能降低,并且因此,指纹感测***10的处理效率可能降低。另一方面,当以低感测分辨率操作指纹感测***10时,驱动电极Tx之间的间隔可以是宽的,因此,在互电容检测期间通道CH的激活面积增大,从而增加互电容的改变量。然而,准确的指纹检测可能变得困难(例如,指纹识别率可能降低)。
图3是根据示例实施例的安装在电子装置30上的用于指纹感测的触摸面板100的截面图。
参考图3,触摸面板100可以包括如下层:钝化层302、绝缘层303和基板304,并且检测电极Rx 310可以位于钝化层302和绝缘层303之间,驱动电极Tx 320可以位于绝缘层303和基板304之间。
触摸面板100可以设置在电子装置30的前表面上,并且触摸面板100可以对应于用于操纵电子装置30的触摸输入接口。此外,触摸面板100可以操作为用于感测用户指尖301的指纹的指纹传感器。在这种状态下,如上面在图1和图2中所描述的触摸面板100可以通过检测脊和谷之间的不同互电容,即互电容改变量的差,来识别用户的指纹图案,并识别用户的指纹。
尽管为便于说明,图3示出了触摸面板100设置在电子装置30的前表面上并且操作为电子装置30的触摸输入接口和指纹传感器的示例,但是本公开不限于此,根据示例实施例的触摸面板100可以实现为仅用于指纹图像生成***的指纹传感器。
图4示出了根据示例实施例的用于指纹感测***的指纹区域400。
对于每个用户具有固有几何图案的指纹区域400被广泛用作用于对用户进行识别的手段。
参考图4,指纹区域400可以包括由多个脊411和多个谷412表示的细节特征(minutiae)。例如,多个脊411可以表示脊交叉、脊芯、脊分叉、脊端、脊岛、脊三角(ridgedelta)和/或脊孔,它们可以被解释为用于对用户进行识别的固有细节特征。
在本说明书中,与脊411相对应的脊线421和421′之间或者脊线422和423之间的脊间隔被定义为指纹间距424或425。例如,指纹间距424可以对应于脊的中心(例如,穿过其的脊线421)与另一相邻脊的中心(例如,穿过其的脊线421′)之间的间隔,或者指纹间距425可以对应于脊的一端(例如,穿过其的脊线422)与另一相邻脊的对应端(例如,穿过其的脊线423)之间的间隔。在另一示例中,指纹间距433可以对应于相邻谷431和432之间的间隔。换句话说,指纹间距可以表示指纹区域中一对脊和谷的重复周期(或间隔)。然而,本公开不限于此,并且可以将其他术语用于表示指纹间距的上述术语。
在对指纹间距的分布进行分析以确定指纹间距424、425或433为相对大的指纹,并且指纹感测***10以相对高的感测分辨率进行操作的情况下,在每个节点处获得的互电容的改变量过小。相应地,感测灵敏度可能降低,并且因此,指纹感测***10的处理效率可能降低。此外,指纹感测***10的计算处理量无效地增加。另一方面,在指纹感测***10以相对低的感测分辨率进行操作,并且指纹间距424、425或433被确定为相对小的指纹的情况下,在每个节点处获得的互电容的改变量可能无法准确地反映指纹区域400中包括的脊411和谷412。相应地,准确的指纹检测可能变得困难(例如,指纹识别率可能降低)。
根据示例实施例的图1的处理器130可以确定用户的指纹区域400中包括的指纹间距424、425或433的分布,并自适应地改变指纹感测***10的感测分辨率,从而以对用户指纹最佳的感测分辨率来操作指纹感测***10。因此,根据示例实施例,感测灵敏度、准确度和处理效率可得以提高。
图5是示出了根据示例实施例的用于指纹感测***的男性和女性之间指纹间距分布的差异的曲线图500。
参考图5的曲线图500,人的指纹中的指纹间距(例如,脊间隔)的分布可以具有不同的分布,这取决于性别、年龄等。详细地,女性的最小指纹间距为约357μm,并且女性的最频繁出现的指纹间距520为约435μm。另一方面,男性的最频繁出现的指纹间距510为约476μm,并且男性的最大指纹间距为约556μm。因此,在以相同的感测分辨率获得指纹图像的情况下,即,驱动电极Tx和检测电极Rx的大小相同(或者驱动电极Tx和检测电极Rx之间的间隔相同),或者用于男性和女性两者的通道CH的激活面积的大小相同,而不考虑男性和女性的指纹间距的分布,则指纹图像的质量退化或者可能执行不必要的计算处理。因此,为了更有效和准确地处理指纹图像,需要基于对指纹间距(例如,脊间隔或谷间隔)分布的考虑来进行指纹感测。
图6是根据示例实施例的在图1的指纹感测***10中通过考虑用户的指纹间距分布来自适应地确定感测分辨率的方法的流程图。
在操作601中,处理器130获得通过触摸面板100所感测的用户的指纹区域的一部分的局部图像。在这种状态下,用户指纹区域的该部分可以包括包含指纹区域的中心和周边的区域。然而,本公开不限于此,可以根据其对指纹间距进行分析的用户指纹区域的位置可以变化。此外,用于获得局部图像的指纹区域的该部分的范围和位置可以不同地改变,只要能够分析指纹间距即可。
在操作602中,处理器130根据所获得的局部图像分析指纹间距的分布。指纹间距的分布可以包括指纹区域中包括的脊线之间的脊间隔的分布。备选地,本公开不限于此,并且指纹间距的分布可以对应于指纹区域中包括的谷线之间的谷间隔的分布。作为指纹间距分布的分析结果,可以针对用户的指纹区域分析最大指纹间距(例如,脊线之间的最大间隔)、最频繁出现的指纹间距(例如,脊线之间的样式间隔)、最小指纹间距(例如,脊线之间的最小间隔)和平均指纹间距(例如,脊线之间的平均间隔)。
由于指纹间距的分布可以根据每个用户固有地变化,所以所分析的指纹间距分布可以通过被映射到每个用户而存储在存储器140中。
在操作603中,处理器130基于与所分析的指纹间距分布相对应的超像素的大小,针对用户确定操作指纹感测***10的自适应分辨率。
在这种状态下,处理器130可以确定:当指纹间距被分析为在所分析的指纹间距分布中相对大时,降低自适应分辨率,而当指纹间距被分析为在所分析的指纹间距分布中相对小时,在指纹感测***10的最大感测分辨率内增加自适应分辨率。例如,在图5的曲线图500的情况下,当用户是男性(或用户被确定为具有较大指纹间距)时,处理器130可以确定自适应分辨率,使得指纹感测***10以低于女性感测分辨率的感测分辨率进行操作。另一方面,当用户是女性(或用户被确定为具有较小指纹间距)时,处理器130可以确定自适应分辨率,使得指纹感测***10以高于男性感测分辨率的感测分辨率进行操作。然而,上述男性和女性之间的比较仅仅是一个示例,并且可能存在女性指纹间距可大于男性指纹间距的情况。因此,处理器130可能无法简单地基于用户的性别或年龄来确定自适应分辨率。在示例实施例中,处理器130可以基于用户指纹间距的大小来确定自适应分辨率。
当针对所分析的指纹间距分布对指纹区域进行感测时,处理器130确定子像素的数量以使脊和谷之间的互电容改变量的差最大化,从而确定超像素的大小。子像素是与上面在图1和图2中描述的节点相对应的术语。超像素是表示通过对多个子像素(即,多个节点)进行分组而形成的超像素阵列的术语。
在触摸面板100具有高感测分辨率的情况下,驱动电极Tx之间的间隔和检测电极Rx之间的间隔可以非常窄。互电容型的触摸面板100可以包括盖玻璃,近来,使用厚度为几百微米或更厚的盖玻璃。因为互电容的改变量与钝化层的厚度的平方成反比,所以当电极布置在厚度为几百微米或更厚的钝化层的下方时,可能难以通过指纹的脊和谷准确地检测互电容改变量的差。因此,使用超像素的感测方法对应于如下方法:将驱动电极Tx中相邻的驱动电极Tx和检测电极Rx中相邻的检测电极Rx进行分组,并且通过以组为单位(即,多个驱动电极和多个检测电极)测量互电容来感测指纹。
自适应分辨率具有与超像素的大小成反比的相关性。换句话说,随着当超像素的大小增加时包括在一个组中的子像素的数量(例如,驱动电极/检测电极的数量)的增加,自适应分辨率降低。
处理器130针对每个用户映射并确定自适应分辨率,因为指纹间距的分布可以被分析为针对每个用户固有地不同。
在操作604中,处理器130将指纹感测***10设置为所确定的自适应分辨率。例如,处理器130设置自适应分辨率,以在指纹感测***10支持的最大感测分辨率内,以第一分辨率、第二分辨率、......、第N分辨率中的任何一个对用户执行指纹感测,其中N是自然数。根据图6的示例,感测分辨率从第一分辨率到第N分辨率降低。因此,当指纹被分析为是具有窄指纹间距的指纹611时,处理器130可以以第一分辨率(或高分辨率)设置指纹感测***10,或者当指纹被分析为是具有宽指纹间距的指纹612时,处理器130可以以第N分辨率(或低分辨率)设置指纹感测***10。
当以第一分辨率(或高分辨率)设置指纹感测***10时,脊和谷之间的互电容改变量的差很小。因此,处理器130可以增加积分的值,使得互电容改变量的差增加,而指纹处理速度可能相当低,其中积分是用于指纹处理的参数。另一方面,当以第N分辨率(或低分辨率)设置指纹感测***10时,由于互电容改变量的差较大,所以处理器130可以将积分参数的值设置为更低以提高指纹处理速度。
在操作605中,针对通过使用以所设置的自适应分辨率操作的指纹感测***10所感测到的用户指纹区域,处理器130获得用户的指纹图像。与在分析指纹间距分布时仅感测用户指纹区域的一部分的操作601不同,在操作605中,可以感测用户的整个指纹区域。
例如,当所设置的自适应分辨率是第一分辨率(或高分辨率)时,可以获得具有窄指纹间距的指纹图像621,而当所设置的自适应分辨率是第N分辨率(或低分辨率)时,可以获得具有宽指纹间距的指纹图像622。
在操作606中,处理器130可以利用所获得的指纹图像注册用户,和/或利用所获得的指纹图像认证用户。例如,处理器130可以登记所获得的用户指纹图像,和/或基于所登记的用户指纹图像与当前获得的指纹图像的比较来认证用户。
图7是用于描述根据示例实施例的通过考虑脊与谷之间的互电容改变量的差ΔCM和指纹间距来确定自适应分辨率的方法的曲线图。
参考图7,处理器130可以将互电容改变量的参考差ΔCREF设置为特定值,作为用于改变感测分辨率的参考。详细地,当与所分析的指纹间距相对应的互电容改变量的差ΔCM超过改变量的参考差ΔCREF(即,所分析的指纹间距是宽的)时,处理器130可以确定自适应分辨率为相对低的感测分辨率(即,降低感测分辨率),而当与所分析的指纹间距相对应的互电容改变量的差ΔCM小于改变量的参考差ΔCREF(即,所分析的指纹间距是窄的)时,处理器130可以确定自适应分辨率为相对高的感测分辨率(即,增加感测分辨率)。
互电容改变量的差ΔCM和改变量的参考差ΔCREF可以表示改变量相对于子像素的差,或者改变量相对于包括多个子像素的超像素的差。
换句话说,为了确定与所分析的指纹间距分布相对应的自适应分辨率,处理器130可以通过考虑超像素的大小和超像素处互电容改变量的差ΔCM来确定自适应分辨率。
图8是示出了根据示例实施例的互电容改变量的差ΔCM与超像素的大小之间的关系的曲线图。
参考图7至图8,处理器130可以通过考虑超像素的大小和超像素处脊与谷之间的互电容改变量的差ΔCM这两者来确定自适应分辨率。
如图8的曲线图800所示,当超像素的大小大于特定阈值大小(例如,270μm)时,相对于指纹间距为456μm的指纹,互电容改变量的差ΔCM(即,采样率)可能会相当小。因此,为了确定自适应分辨率,处理器130可以通过考虑互电容改变量的差ΔCM与超像素的大小之间的相互关系,来确定与互电容改变量的差ΔCM的最大值相对应的超像素的大小。
图9示出了根据示例实施例的根据指纹间距分布来确定自适应分辨率的方法。
参考图9,作为示例指纹间距分布的分析结果900,示出了指纹间距为320μm的指纹(或女性的窄指纹间距)、指纹间距为428μm的指纹(或女性的平均指纹间距)和指纹间距为556μm的指纹(或男性的宽指纹间距)。在所有情况下,当感测分辨率为最高,即每英寸500像素(PPI)(或51μm的像素)时,感测准确度可以最高。然而,当感测分辨率为最高,即500PPI(或51μm的像素)时,处理器130的处理速度最慢。这是因为处理器130需要增大用于指纹处理的参数(例如,积分的值),并增加输出电压(增益)数据的处理量。因此,处理器130可以通过考虑感测准确度和处理速度两者来确定最佳自适应分辨率。
首先,根据针对指纹间距为320μm(或女性的窄指纹间距)的指纹、以500PPI(或51μm的像素)、350PPI(或73μm的像素)、250PPI(或102μm的像素)和200PPI(或127μm的像素)进行指纹感测的结果,可以看出,随着感测分辨率降低,指纹感测准确度急剧降低。因此,处理器130可以通过考虑指纹感测准确度而将500PPI(51μm)确定为自适应分辨率910。
接下来,根据针对指纹间距为428μm(或女性的平均指纹间距)的指纹、以500PPI(51μm)、350PPI(73μm)、250PPI(102μm)和200PPI(127μm)进行指纹感测的结果,随着感测分辨率略微降低,指纹感测准确度略微降低。然而,尽管感测分辨率略微降低,但是处理器130的处理速度增加,因此,处理器130可以将350PPI(73μm)确定为自适应分辨率920。
最后,根据针对指纹间距为556μm(或男性的宽指纹间距)的指纹、以500PPI(51μm)、350PPI(73μm)、250PPI(102μm)和200PPI(127μm)进行指纹感测的结果,尽管感测分辨率相对降低很多,但是指纹感测准确度没有太大降低。因此,处理器130可以通过考虑处理速度而将250PPI(102μm)确定为自适应分辨率930。
处理器130可以通过使用图9中所描述的方法,也就是说,通过考虑指纹感测准确度和处理器130的处理速度,来确定最佳自适应分辨率,以最有效地获得最佳指纹图像。
图10是根据示例实施例的通过获得局部图像来确定自适应分辨率的方法的示例的流程图。
在操作1001中,处理器130通过以较低的分辨率(例如但不限于指纹感测***10所支持的最大感测分辨率的一半分辨率)感测指纹区域的一部分来获得局部图像。换句话说,为了获得局部图像,指纹感测***10可以以较低的分辨率(例如,指纹感测***10的最大感测分辨率的一半分辨率)针对指纹区域的一部分执行指纹感测,而不是以最大感测分辨率进行感测,从而以更快的处理速度获得局部图像。
在操作1002中,处理器130根据局部图像分析指纹间距的分布。
在操作1003中,当针对所分析的指纹间距分布感测指纹区域时,处理器130确定与超像素的大小相对应的自适应分辨率,以使互电容的改变(即,脊和谷之间的互电容改变量的差ΔCM)最大化,并将感测分辨率调节为自适应分辨率。
图11是根据示例实施例的通过获得局部图像来确定自适应分辨率的方法的另一示例的流程图。根据图11中的确定自适应分辨率的方法,通过与图10的方法不同的方法获得局部图像。
在操作1101中,处理器130通过以多个不同的候选自适应分辨率多次感测指纹区域的一部分来获得与多个候选自适应分辨率相对应的候选局部图像。
在操作1102中,处理器130根据每个候选局部图像来分析指纹间距的分布。
在操作1103中,处理器130按照指纹区域的该部分相对于所分析的指纹间距分布的感测准确度的顺序对候选局部图像进行评分(或排序)。
在操作1104中,处理器130根据评分(或排序)的结果,将与候选局部图像中最准确感测的候选局部图像相对应的候选自适应分辨率确定为自适应分辨率。处理器130可以将感测分辨率调节为自适应分辨率。
图10和图11中描述的方法仅仅是示例,并且根据示例实施例的通过获得局部图像来确定自适应分辨率的方法不限于此。因此,除了图10和图11的上述方法之外,还可以执行各种方法,以获得一个或多个局部图像,分析该一个或多个局部图像中的指纹间距的分布,并确定自适应分辨率。
图12A、图12B和图12C示出了根据示例实施例的以不同的自适应分辨率操作触摸面板的情况。
参考图12A至图12C,出于说明的目的,假设触摸面板100支持的最大感测分辨率是1016PPI,间距(或像素大小)是25μm。
参考图12A,作为指纹间距分布的分析结果,处理器130可以确定超像素1201具有50μm间距(=25μm×2)。因此,超像素1201的大小对应于2×2子像素阵列。换句话说,超像素1201可以是具有两个驱动电极Tx1和两个检测电极Rx1的分组。因此,处理器130可以将与超像素1201相对应的自适应分辨率确定为508PPI(=1016PPI/2)。
参考图12B,作为指纹间距分布的分析结果,处理器130可以将超像素1202的大小确定为75μm间距(=25μm×3)。因此,超像素1202的大小对应于3×3子像素阵列。换句话说,超像素1202可以是具有三个驱动电极Tx1和三个检测电极Rx1的分组。因此,处理器130可以将与超像素1202相对应的自适应分辨率确定为339PPI(=1016PPI/3)。
参考图12C,作为指纹间距分布的分析结果,处理器130可以将超像素1203的大小确定为100μm间距(=25μm×4)。因此,超像素1203的大小对应于4×4子像素阵列。换句话说,超像素1203可以是具有四个驱动电极Tx1和四个检测电极Rx1的分组。因此,处理器130可以将与超像素1203相对应的自适应分辨率确定为254PPI(=1016PPI/4)。
与图12A至图12C中描述的方法类似,可以对触摸面板100的驱动电极Tx和检测电极Rx进行分组,以构成各种大小的超像素,并且处理器130可以通过获得使用基于指纹间距分布的分析结果进行分组的超像素所感测到的指纹图像,以针对每个用户优化的分辨率更有效地执行指纹感测。
图13是示出了根据示例实施例的超像素的大小与像素合并(binning)大小之间的关系的曲线图。
参考图13,在感测分辨率为254PPI的情况下,示出了在不同的像素合并大小下脊和谷之间的互电容改变量的差ΔCM与指纹间距之间的关系。
当指纹的指纹间距小(例如,女性的最小指纹间距,如356μm)时,如果像素合并大小较大,则可能获得模糊的指纹图像。换句话说,如图13所示,可以看出,与3×3像素合并大小相比,在2×2像素合并大小下,互电容改变量的差ΔCM更大。另一方面,当指纹间距增加超过390μm时,如果像素合并大小的大小较大(即,3×3像素合并大小),那么可以看出,与2×2像素合并大小相比,可以获得更高灵敏度的指纹图像。
因此,处理器130可以通过在如上所述确定自适应分辨率时调整像素合并大小来更有效地获得优化的指纹图像。
图14A和图14B示出了根据示例实施例的仅改变像素合并大小而不调整分辨率的示例。
参考图14A,处理器130可以基于所分析的指纹间距分布将像素合并大小确定为2×2的子像素阵列,其是针对对应的指纹间距进行优化的。因此,合并像素(bin)1401可以是包括两个驱动电极Tx1和Tx2以及两个检测电极Rx1和Rx2的分组。可以在间隔开一个电极的相邻位置处将合并像素1402和1403分组在具有相同大小的电极阵列中。
参考图14B,处理器130可以基于所分析的指纹间距分布将像素合并大小确定为3×3的子像素阵列,其是针对对应的指纹间距进行优化的。因此,合并像素1411可以是包括三个驱动电极Tx1、Tx2和Tx3以及三个检测电极Rx1、Rx2和Rx3的分组。
图15示出了根据示例实施例的调整自适应分辨率和像素合并大小两者的情况。
参考图15,在具有1016 PPI感测分辨率的指纹感测***10中,针对调整自适应分辨率和像素合并大小的每种情况描述了超像素的大小(即,间距)的示例。
总结上面的图8和图13中的描述,可以通过如下操作获得最佳指纹图像:基于超像素的大小(即,间距)确定自适应分辨率和像素合并大小这两者,以使脊和谷之间的互电容改变量的差ΔCM最大化;并且通过使用如上确定的自适应分辨率和像素合并大小来执行指纹感测。
在示例实施例中,当同时调整自适应分辨率和像素合并大小时,在根据图8中描述的方法确定了自适应分辨率之后,处理器130可以基于超像素的大小(即,间距)另外确定指纹感测***10的像素合并大小,以使互电容改变量的差ΔCM最大化。然后,处理器130通过基于先前确定的自适应分辨率和另外确定的像素合并大小设置指纹感测***10来获得指纹图像。
图16A至图16C示出了根据示例实施例的同时改变自适应分辨率和像素合并大小的示例。
参考图16A至图16C,在具有25μm间距(或子像素的大小)的1016 PPI分辨率的指纹感测***10中,描述了在508PPI自适应分辨率的设置下以各种像素合并大小进行操作的情况。
参考图16A,处理器130可以基于所分析的指纹间距分布确定超像素的大小,用于将自适应分辨率确定为2×2,即50μm(=25μm×2)间距,并且将像素合并大小确定为2×2。换句话说,用于确定自适应分辨率的一个超像素可以是具有两个驱动电极Tx1和两个检测电极Rx1的分组,并且一个超像素对应于像素合并大小的单位合并像素。因为像素合并大小为2×2,所以可以通过将与包括四个驱动电极Tx1和Tx2的驱动电极组Tx1&2以及包括四个检测电极Rx1和Rx2的检测电极组Rx1&2相对应的2×2个超像素进行分组来构成用于指纹感测的合并像素1601。还可以在间隔开一个超像素大小的相邻位置处构成合并像素1602和1603。
参考图16B,处理器130可以基于所分析的指纹间距分布确定超像素的大小,用于将自适应分辨率确定为2×2,即50μm(=25μm×2)间距,并且将像素合并大小确定为3×3。可以通过将与包括六个驱动电极Tx1、Tx2和Tx3的驱动电极组Tx1&2&3以及包括六个检测电极Rx1、Rx2和Rx3的检测电极组Rx1&2&3相对应的3×3个超像素进行分组来构成用于指纹感测的合并像素1611。
参考图16C,处理器130可以基于所分析的指纹间距分布确定超像素的大小,用于将自适应分辨率确定为2×2,即50μm(=25μm×2)间距,并且将像素合并大小确定为4×4。可以通过将与包括八个驱动电极Tx1、Tx2、Tx3和Tx4的驱动电极组Tx1&2&3&4以及包括八个检测电极Rx1、Rx2、Rx3和Rx4的检测电极组Rx1&2&3&4相对应的4×4个超像素进行分组来构成用于指纹感测的合并像素1621。
除了图16A至图16C所示之外,指纹感测***10可以以各种大小的超像素(即,各种自适应分辨率和各种像素合并大小)进行操作。
图17是根据示例实施例的操作指纹感测***的方法的流程图。
参考图17,根据示例实施例的操作指纹感测***的方法可以包括上述指纹感测***10的操作。因此,可以将上文描述的但是在下文的描述中省略的内容应用于图17的方法。例如,指纹感测***10的操作可以是按时间顺序处理的操作,但是本公开不限于此。
在操作1701中,处理器130通过感测用户指纹区域的一部分来获得局部图像。
在操作1702中,处理器130根据所获得的局部图像分析指纹间距的分布。例如,处理器130可以针对用户输出最大指纹间距、最频繁出现的指纹间距、最小指纹间距和平均指纹间距中的至少一个,作为指纹间距分布的分析结果。
在操作1703中,处理器130基于与所分析的指纹间距分布相对应的超像素的大小来针对用户确定操作指纹感测***10的自适应分辨率。
在操作1704中,处理器130将指纹感测***10设置为所确定的自适应分辨率。
在操作1705中,处理器130针对通过使用以所确定的自适应分辨率操作的指纹感测***10所感测的指纹区域获得用户的指纹图像。
应当注意,为了便于描述,将前述方法实施例表示为一系列动作。然而,本领域技术人员应当理解,本公开不限于所描述的动作顺序,因为根据本公开,一些操作可以以其他顺序执行或者同时执行。另外,本领域技术人员也应当理解,本说明书中所描述的实施例均属于示例性实施例,并且所涉及的动作和模块并不一定是本公开所必须的。
示例实施例可以体现为包括可由计算机(或处理器或处理单元)执行的指令代码的计算机可读存储介质。计算机可读存储介质可以是可由计算机访问的任何可用介质,并且包括任何类型的易失性/非易失性和/或可移动/不可移动介质。此外,计算机可读存储介质可以包括任何类型的计算机存储和通信介质。计算机可读存储介质包括任何类型的由用于存储诸如计算机可读指令代码、数据结构、程序模块或其他数据之类的信息的某种方法或技术实现的易失性/非易失性和/或可移动/不可移动介质。通信介质可以包括计算机可读指令代码、数据结构、程序模块或诸如载波或其他传输机制之类的经调制的数据信号的其他数据,并且包括任何信息传输介质。
计算机可读记录介质的示例包括:例如但不限于,只读存储器(ROM)、随机存取存储器(RAM)、通用串行总线(USB)、紧凑盘(CD)-ROM、数字通用盘(DVD)、磁带、软盘和光学数据存储设备。另外,计算机可读存储介质可以分布在通过网络连接的计算机***中,以在分布式计算机制中存储和实现计算机可读代码。
根据示例性实施例,本文所述的组件、元件、模块或单元中的至少一个可以体现为执行上述各个功能的各种数量的硬件、软件和/或固件结构。例如,这些组件、元件或单元中的至少一个可以使用直接电路结构,诸如存储器、处理器、逻辑电路、查找表等,其可以通过一个或多个微处理器或其他控制装置的控制来执行各个功能。此外,这些组件、元件或单元中的至少一个可以由包含用于执行特定逻辑功能的一个或多个可执行指令并由一个或多个微处理器或其他控制装置执行的模块、程序或一部分代码具体实现。此外,这些组件、元件或单元中的至少一个还可以包括执行各个功能的诸如中央处理单元(CPU)之类的处理器、微处理器等,或者由其实现。这些组件、元件或单元中的两个或更多个可以组合成执行所组合的两个或更多个组件、元件或单元的所有操作或功能的一个单个组件、元件或单元。此外,这些组件、元件或单元中的至少一个的至少部分功能可以由这些组件、元件或单元中的另一个执行。此外,尽管在一些框图中未示出总线,但是组件、元件或单元之间的通信可以通过总线来执行。上述示例性实施例的功能方面可以被实现为在一个或多个处理器上执行的算法。此外,由方框表示的组件、元件或单元或处理操作可以采用任意数量的用于电子配置、信号处理和/或控制、数据处理等的相关技术。
应当理解的是,应仅以描述性意义而不是限制性目的来考虑本文中描述的实施例。对每个实施例中的特征或方面的描述通常应被看作可用于其他实施例中的其他类似特征或方面。尽管已参考附图描述了一个或多个实施例,但是本领域普通技术人员应当理解,在不脱离所附权利要求所限定的精神和范围的情况下,可以进行形式和细节上的多种改变。
Claims (21)
1.一种操作指纹感测***的方法,所述方法包括:
获得与用户指纹区域的一部分相对应的局部图像;
基于所获得的局部图像确定指纹间距的分布;
基于所述指纹间距的分布确定超像素的大小,并基于所确定的超像素的大小确定自适应分辨率;以及
基于所述指纹感测***以所确定的自适应分辨率进行感测来获得与所述用户指纹区域相对应的指纹图像。
2.根据权利要求1所述的方法,其中,确定指纹间距的分布包括:确定所述指纹区域的所述部分中包括的脊线之间的间隔的分布。
3.根据权利要求1所述的方法,其中,确定指纹间距的分布包括确定以下项中的至少一个:最大指纹间距、最频繁出现的指纹间距、最小指纹间距或平均指纹间距。
4.根据权利要求1所述的方法,其中,确定自适应分辨率包括:基于所述指纹间距的分布指示相对大的指纹间距,确定降低所述自适应分辨率,并且基于所述指纹间距的分布指示相对小的指纹间距,确定增加所述自适应分辨率。
5.根据权利要求4所述的方法,其中,确定超像素的大小包括:基于子像素的数量确定所述超像素的大小,以在感测所述指纹区域时最大化所感测的指纹区域的指纹间距的谷和脊之间的互电容改变量的差。
6.根据权利要求1所述的方法,其中,获得局部图像包括:基于所述指纹感测***支持的最大感测分辨率的一半分辨率,获得与所述指纹区域的所述部分相对应的局部图像,以及
确定超像素的大小包括:确定所述超像素的大小,以在感测所述指纹区域时最大化所感测的指纹区域的指纹间距的谷和脊之间的互电容改变量的差。
7.根据权利要求1所述的方法,其中,获得局部图像包括:分别获得与候选自适应分辨率相对应的候选局部图像,以及
确定自适应分辨率包括:将与所述候选局部图像中具有最高感测准确度的候选局部图像相对应的候选自适应分辨率确定为所述自适应分辨率。
8.根据权利要求1所述的方法,还包括:基于所述超像素的大小确定所述指纹感测***的像素合并大小,
其中,获得指纹图像包括:基于所确定的自适应分辨率和所确定的像素合并大小来获得所述指纹图像。
9.根据权利要求8所述的方法,其中,所述超像素对应于单位合并像素。
10.根据权利要求1所述的方法,其中,针对每个用户映射和存储所确定的自适应分辨率。
11.根据权利要求1所述的方法,还包括:在所述指纹感测***中登记用户的指纹图像,和/或基于用户的指纹图像认证用户。
12.一种非暂时性计算机可读记录介质,其上记录有可由至少一个处理器运行以执行根据权利要求1所述的方法的程序。
13.一种用于感测指纹的装置,所述装置包括:
至少一个存储器,被配置为存储指令;以及
至少一个处理器,被配置为执行所述指令以执行以下操作:
获得与用户指纹区域的一部分相对应的局部图像;
基于所获得的局部图像确定指纹间距的分布;
基于所述指纹间距的分布确定超像素的大小,并基于所确定的超像素的大小确定自适应分辨率;以及
基于以所确定的自适应分辨率进行感测来获得与所述用户指纹区域相对应的指纹图像。
14.根据权利要求13所述的装置,其中,所述指纹间距的分布包括所述指纹区域的所述部分中包括的脊线之间的间隔的分布。
15.根据权利要求13所述的装置,其中,所述至少一个处理器被配置为:针对所述用户确定最大指纹间距、最频繁出现的指纹间距、最小指纹间距或平均指纹间距中的至少一个。
16.根据权利要求13所述的装置,其中,所述至少一个处理器被配置为:基于所述指纹间距的分布指示相对大的指纹间距,确定降低所述自适应分辨率,并且基于所述指纹间距的分布指示相对小的指纹间距,确定增加所述自适应分辨率。
17.根据权利要求16所述的装置,其中,所述至少一个处理器被配置为:基于子像素的数量确定所述超像素的大小,以在感测所述指纹区域时最大化所感测的指纹区域的指纹间距的谷和脊之间的互电容改变量的差。
18.根据权利要求13所述的装置,其中,所述至少一个处理器被配置为:基于所支持的最大感测分辨率的一半分辨率来获得与所述指纹区域的所述部分相对应的局部图像,并确定所述超像素的大小,以在感测所述指纹区域时最大化所感测的指纹区域的指纹间距的脊和谷之间的互电容改变量的差。
19.根据权利要求13所述的装置,其中,所述至少一个处理器被配置为:分别获得与候选自适应分辨率相对应的候选局部图像,并且将与所述候选局部图像中具有最高感测准确度的候选局部图像相对应的候选自适应分辨率确定为所述自适应分辨率。
20.根据权利要求13所述的装置,其中,所述至少一个处理器被配置为:基于所述超像素的大小来确定像素合并大小,并基于所确定的自适应分辨率和所确定的像素合并大小来获得所述指纹图像,其中所述超像素对应于单位合并像素。
21.一种用于感测指纹的***,所述***包括:
触摸面板,由多个驱动电极和多个检测电极限定;
发送电路,被配置为向所述多个驱动电极施加驱动信号;
接收电路,被配置为从所述多个检测电极获得电信号;以及
处理器,被配置为获得与通过所述触摸面板感测的指纹区域的一部分相对应的局部图像,被配置为基于所述局部图像中指纹间距的特征自适应地确定用于感测所述指纹区域的分辨率,并且被配置为控制所述触摸面板以自适应确定的分辨率感测所述指纹区域。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020180162149A KR20200073696A (ko) | 2018-12-14 | 2018-12-14 | 지문 센싱 시스템을 구동하는 방법 및 지문 센싱 시스템 |
KR10-2018-0162149 | 2018-12-14 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111325090A true CN111325090A (zh) | 2020-06-23 |
CN111325090B CN111325090B (zh) | 2024-05-14 |
Family
ID=68886883
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911264111.2A Active CN111325090B (zh) | 2018-12-14 | 2019-12-10 | 操作指纹感测***的方法和指纹感测*** |
Country Status (5)
Country | Link |
---|---|
US (1) | US11017197B2 (zh) |
EP (1) | EP3667562B1 (zh) |
JP (1) | JP7424815B2 (zh) |
KR (1) | KR20200073696A (zh) |
CN (1) | CN111325090B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11132522B2 (en) * | 2019-08-09 | 2021-09-28 | Next Biometrics Group Asa | Sensors configured to operate at multiple resolutions |
GB202014049D0 (en) * | 2020-09-07 | 2020-10-21 | Touch Biometrix Ltd | Biometric skin contact sensor and methods of operating a biometric skin contact sensor |
TW202305655A (zh) * | 2021-07-15 | 2023-02-01 | 王士華 | 生物感測辨識系統及其感測裝置與感測方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105474161A (zh) * | 2013-05-28 | 2016-04-06 | 谷歌技术控股有限责任公司 | 基于触摸位置认证的自适应感测组件分辨率 |
US20160379037A1 (en) * | 2015-06-26 | 2016-12-29 | Synaptics Incorporated | Multi-resolution fingerprint sensor |
CN106446763A (zh) * | 2015-08-12 | 2017-02-22 | 三星电子株式会社 | 指纹传感器、具有其的电子装置及操作指纹传感器的方法 |
US20180218196A1 (en) * | 2017-01-27 | 2018-08-02 | Nxp B.V. | Fingerprint verification device |
CN108629262A (zh) * | 2017-03-18 | 2018-10-09 | 上海荆虹电子科技有限公司 | 虹膜识别方法及相应装置 |
CN108647569A (zh) * | 2018-03-30 | 2018-10-12 | 维沃移动通信有限公司 | 一种指纹扫描方法、移动终端 |
Family Cites Families (26)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4245093B2 (ja) | 1998-12-25 | 2009-03-25 | 三菱電機株式会社 | 指紋照合装置及びその処理方法 |
US7030860B1 (en) | 1999-10-08 | 2006-04-18 | Synaptics Incorporated | Flexible transparent touch sensing system for electronic devices |
KR100460825B1 (ko) | 2001-02-14 | 2004-12-09 | 테스텍 주식회사 | 지문이미지 취득방법 |
US7751601B2 (en) | 2004-10-04 | 2010-07-06 | Validity Sensors, Inc. | Fingerprint sensing assemblies and methods of making |
JP4411146B2 (ja) | 2004-06-21 | 2010-02-10 | Necインフロンティア株式会社 | 指紋画像取得・照合装置及び方法 |
US20060018523A1 (en) | 2004-07-23 | 2006-01-26 | Sanyo Electric Co., Ltd. | Enrollment apparatus and enrollment method, and authentication apparatus and authentication method |
JP2006039777A (ja) | 2004-07-23 | 2006-02-09 | Sanyo Electric Co Ltd | 登録方法および装置ならびに認証方法および装置 |
KR20070041816A (ko) | 2005-10-17 | 2007-04-20 | 엘지전자 주식회사 | 모폴로지를 이용한 지문영상의 방향성 검출장치 및검출방법 |
US20090067684A1 (en) * | 2007-09-06 | 2009-03-12 | Atmel Switzerland | Variable Resolution Biometric Sensor |
US8599150B2 (en) | 2009-10-29 | 2013-12-03 | Atmel Corporation | Touchscreen electrode configuration |
US8564314B2 (en) | 2010-11-02 | 2013-10-22 | Atmel Corporation | Capacitive touch sensor for identifying a fingerprint |
KR101249680B1 (ko) | 2011-12-30 | 2013-04-05 | 주식회사 슈프리마 | 지문인식장치 및 이를 이용한 적응적 이미지 획득 및 처리 방법 |
US9141239B2 (en) | 2012-02-07 | 2015-09-22 | Zinitix | Touch screen device, and driving device and driving method for touch panel using predetermined binary sequences |
SE1551049A1 (en) | 2015-07-29 | 2017-01-30 | Fingerprint Cards Ab | Acquisition of a fingerprint image |
DE102015115484C5 (de) | 2015-09-14 | 2019-11-21 | JENETRIC GmbH | Vorrichtung und Verfahren zur optischen Direktaufnahme von lebenden Hautbereichen |
KR102395991B1 (ko) | 2015-10-29 | 2022-05-10 | 삼성전자주식회사 | 터치-지문 복합 센서를 포함하는 전자 기기 |
US9342733B2 (en) | 2015-11-24 | 2016-05-17 | Secugen Corporation | Fingerprint sensing and calibration apparatus |
KR102618537B1 (ko) | 2016-04-29 | 2023-12-27 | 삼성전자주식회사 | 온-스크린 지문 센서 및 이를 포함하는 전자 기기 |
KR102558004B1 (ko) | 2016-05-17 | 2023-07-20 | 삼성전자주식회사 | 지문 인식 겸용 터치 스크린 장치 및 그 구동 방법, 상기 터치 스크린 장치를 포함하는 전자 기기 |
KR102659193B1 (ko) | 2016-08-24 | 2024-04-19 | 삼성전자주식회사 | 지문 센서 및 지문 센서 구동방법 |
KR102693421B1 (ko) | 2016-08-30 | 2024-08-09 | 삼성전자주식회사 | 적분 회로 장치 및 그의 동작방법 |
KR20180067226A (ko) | 2016-12-12 | 2018-06-20 | 삼성전자주식회사 | 지문감지가 가능한 터치 센서, 이를 채용한 표시 장치 및 전자 기기 |
US10102411B2 (en) * | 2017-01-25 | 2018-10-16 | Synaptics Incorporated | Hybrid optical and capacitive sensor |
KR102395783B1 (ko) | 2017-08-04 | 2022-05-09 | 삼성전자주식회사 | 웨어러블 기기 및 전자 장치 |
KR20190015876A (ko) | 2017-08-07 | 2019-02-15 | 삼성전자주식회사 | 모아레 저감용 디스플레이 장치 및 그 구동방법 |
KR102637105B1 (ko) | 2018-07-13 | 2024-02-15 | 삼성전자주식회사 | 영상 데이터를 처리하는 방법 및 장치 |
-
2018
- 2018-12-14 KR KR1020180162149A patent/KR20200073696A/ko active Search and Examination
-
2019
- 2019-12-10 CN CN201911264111.2A patent/CN111325090B/zh active Active
- 2019-12-11 EP EP19215316.1A patent/EP3667562B1/en active Active
- 2019-12-12 US US16/712,341 patent/US11017197B2/en active Active
- 2019-12-13 JP JP2019225490A patent/JP7424815B2/ja active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105474161A (zh) * | 2013-05-28 | 2016-04-06 | 谷歌技术控股有限责任公司 | 基于触摸位置认证的自适应感测组件分辨率 |
US20160379037A1 (en) * | 2015-06-26 | 2016-12-29 | Synaptics Incorporated | Multi-resolution fingerprint sensor |
CN106446763A (zh) * | 2015-08-12 | 2017-02-22 | 三星电子株式会社 | 指纹传感器、具有其的电子装置及操作指纹传感器的方法 |
US20180218196A1 (en) * | 2017-01-27 | 2018-08-02 | Nxp B.V. | Fingerprint verification device |
CN108363963A (zh) * | 2017-01-27 | 2018-08-03 | 恩智浦有限公司 | 指纹验证装置 |
CN108629262A (zh) * | 2017-03-18 | 2018-10-09 | 上海荆虹电子科技有限公司 | 虹膜识别方法及相应装置 |
CN108647569A (zh) * | 2018-03-30 | 2018-10-12 | 维沃移动通信有限公司 | 一种指纹扫描方法、移动终端 |
Non-Patent Citations (2)
Title |
---|
KYUNG-HOON SONG 等: "A Method for Enhancing the Sensing Distance of a Fingerprint Sensor", 《SENSORS》, 7 October 2017 (2017-10-07), pages 1 - 10 * |
景波;刘莹;黄兵;: "指纹纹线距离估计的两种方法:谱分析法和统计窗法", 《计算机***应用》, no. 11, 5 November 2006 (2006-11-05), pages 37 - 40 * |
Also Published As
Publication number | Publication date |
---|---|
EP3667562B1 (en) | 2022-09-28 |
US20200193128A1 (en) | 2020-06-18 |
CN111325090B (zh) | 2024-05-14 |
JP2020095726A (ja) | 2020-06-18 |
EP3667562A1 (en) | 2020-06-17 |
JP7424815B2 (ja) | 2024-01-30 |
KR20200073696A (ko) | 2020-06-24 |
US11017197B2 (en) | 2021-05-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111325090B (zh) | 操作指纹感测***的方法和指纹感测*** | |
US10755067B2 (en) | Operating a fingerprint sensor comprised of ultrasonic transducers | |
US9886615B2 (en) | Fingerprint identification module, fingerprint identification method and display device | |
CN110070085B (zh) | 车牌识别方法和装置 | |
US10083287B2 (en) | Fingerprint sensing device and electronic device including the same | |
Zhang et al. | Local density adaptive similarity measurement for spectral clustering | |
Sharma et al. | Fingerprint liveness detection using local quality features | |
US20170228571A1 (en) | Fingerprint recognition method, fingerprint recognition device and electronic device | |
US9792482B2 (en) | Multi-mode capacitive sensor | |
CN106778680A (zh) | 一种基于关键波段提取的高光谱图像波段选择方法及装置 | |
US20210286060A1 (en) | Operating a fingerprint sensor comprised of ultrasonic transducers and a presence sensor | |
CN113807493A (zh) | 执行浮点运算的神经网络设备及其操作方法 | |
US20160055364A1 (en) | Combinational sensing type fingerprint identification device and method | |
US20200019744A1 (en) | Method and apparatus for processing image data | |
TW201901392A (zh) | 生物特徵感測裝置 | |
US11468701B2 (en) | Method and apparatus for processing data corresponding to fingerprint image | |
US10417475B1 (en) | Fingerprint sensing circuit, electronic device and method for processing fingerprint image | |
CN111052133B (zh) | 用于确定手指与指纹传感器接触的方法和指纹感测*** | |
Al-wajih et al. | An enhanced LBP-based technique with various size of sliding window approach for handwritten Arabic digit recognition | |
Cao et al. | Neural class‐specific regression for face verification | |
US11176350B2 (en) | Electronic apparatus and method of processing fingerprint image | |
US9946917B2 (en) | Efficient determination of biometric attribute for fast rejection of enrolled templates and other applications | |
CN113688655B (zh) | 干扰信号的识别方法、装置、计算机设备和存储介质 | |
CN115157885A (zh) | 基于学习的打印纸定位方法及*** | |
Chen et al. | Multi‐directional saliency metric learning for person re‐identification |
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 |