CN113313088A - 侧边弧面指纹数据的优化方法及指纹识别模组 - Google Patents

侧边弧面指纹数据的优化方法及指纹识别模组 Download PDF

Info

Publication number
CN113313088A
CN113313088A CN202110854726.1A CN202110854726A CN113313088A CN 113313088 A CN113313088 A CN 113313088A CN 202110854726 A CN202110854726 A CN 202110854726A CN 113313088 A CN113313088 A CN 113313088A
Authority
CN
China
Prior art keywords
fingerprint data
fingerprint
coefficient
arc
optimized
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
CN202110854726.1A
Other languages
English (en)
Other versions
CN113313088B (zh
Inventor
邢旭
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.)
Shenzhen Fushi Technology Co Ltd
Original Assignee
Shenzhen Fushi Technology 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 Shenzhen Fushi Technology Co Ltd filed Critical Shenzhen Fushi Technology Co Ltd
Priority to CN202110854726.1A priority Critical patent/CN113313088B/zh
Publication of CN113313088A publication Critical patent/CN113313088A/zh
Application granted granted Critical
Publication of CN113313088B publication Critical patent/CN113313088B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/30—Authentication, i.e. establishing the identity or authorisation of security principals
    • G06F21/31—User authentication
    • G06F21/32—User authentication using biometric data, e.g. fingerprints, iris scans or voiceprints
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00—Geometric image transformations in the plane of the image
    • G06T3/06—Topological mapping of higher dimensional structures onto lower dimensional surfaces
    • G06T3/067—Reshaping or unfolding 3D tree structures onto 2D planes
    • 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
    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
    • G07C9/00—Individual registration on entry or exit
    • G07C9/00174—Electronically operated locks; Circuits therefor; Nonmechanical keys therefor, e.g. passive or active electrical keys or other data carriers without mechanical keys
    • G07C9/00563—Electronically operated locks; Circuits therefor; Nonmechanical keys therefor, e.g. passive or active electrical keys or other data carriers without mechanical keys using personal physical data of the operator, e.g. finger prints, retinal images, voicepatterns

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Human Computer Interaction (AREA)
  • Multimedia (AREA)
  • Computer Security & Cryptography (AREA)
  • Computer Hardware Design (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Image Input (AREA)
  • Collating Specific Patterns (AREA)

Abstract

本申请提供了一种侧边弧面指纹数据的优化方法，该侧边弧面指纹数据的优化方法包括：利用侧边弧面指纹传感器获取模板指纹的弧面指纹数据；从弧面指纹数据中获取多个像素并且根据预设的邻域获取第一边长和第二边长；根据第一边长、第二边长和多个像素获取第一系数和第二系数；根据第一系数和第二系数得到弧面指纹数据的优化规则，获取待优化弧面指纹数据；利用优化规则将待优化弧面指纹数据优化为优化平面指纹数据。

Description

侧边弧面指纹数据的优化方法及指纹识别模组
技术领域
本申请涉及触摸式电子设备领域，尤其涉及一种侧边弧面指纹数据的优化方法及指纹识别模组。
背景技术
为了提高安全性以及用户的使用便利性，目前移动通信设备以及便携式平板电脑等电子设备上，越来越多的采用到了生物识别***，例如侧边指纹传感器。生物识别***的广泛应用归功于电容式指纹芯片结构小，性能稳定，越来越多地得到客户的认可，并得到广泛推广。
随着全屏幕技术和指纹识别技术在移动终端的普及，现代的移动便携式设备上，对于指纹识别模块的要求越来越高，在识别性能及用户体验感受不断提升的同时，产品中的指纹识别模块体积不断缩小，其中在手机电源键上实现的侧边指纹得到用户及厂商的广泛认可。由于侧边指纹传感器在电源键上实现，为了兼顾用户的使用体验，一些产品把侧边指纹传感器外观做成弧线结构，这种结构在改善了用户触碰体验的同时，不可避免的影响了电容式触控芯片的信号采集性能。于弧形结构的特性，两端的指纹距离模组较远，所以电容式指纹在感测电容的电压差时，两端的指纹信号会相对较弱，对后续的指纹匹配识别带来困难。
因此，优化侧边弧面指纹传感器获取的弧面指纹数据是亟需解决的问题。
发明内容
本申请提供一种侧边弧面指纹数据的优化方法及指纹识别模组，能够优化侧边弧面指纹图像的质量，保证后续图像识别比对结果的准确性，高效，精确的实现指纹匹配功能。
第一方面，本申请实施例提供一种侧边弧面指纹数据的优化方法，该侧边弧面指纹数据的优化方法包括：
利用侧边弧面指纹传感器获取模板指纹的弧面指纹数据；
从弧面指纹数据中获取多个像素并且根据预设的邻域获取第一边长和第二边长；
根据第一边长、第二边长和多个像素获取第一系数和第二系数；
根据第一系数和第二系数得到弧面指纹数据的优化规则，其中，优化规则采用下面公式，G(i,j) = p(i,j)*f(i,j)+q(i,j) ，p(i,j)为第一系数，也称之为乘性系数， p(i,j)为侧边弧面指纹传感器在在(i,j)处的信号峰峰值的放大能力，即放大量， q(i,j)为第二系数，也称之为加性系数，q(i,j)为侧边弧面指纹传感器在(i,j)处的信号均值的偏移量，即偏移量，G(i,j)为优化平面指纹数据，f(i,j)为待优化弧面指纹数据，即侧边弧面指纹传感器在(i,j)处的有效指纹信号, （i,j）为像素的坐标；
获取待优化弧面指纹数据；
利用优化规则将待优化弧面指纹数据优化为优化平面指纹数据。
第二方面，本申请实施例提供一种指纹识别模组，该指纹识别模组包括：
存储器，用于存储程序指令；
处理器，用于执行程序指令以使指纹识别模组实现上述的侧边弧面指纹数据的优化方法。
第三方面，本申请实施例提供一种指纹识别设备，该指纹识别设备设置有上述的指纹识别模组。
第四方面，本申请实施例提供一种计算机可读存储介质，该计算机可读存储介质上存储有能够被处理器加载并执行上述的侧边弧面指纹数据的优化方法的程序指令。
第五方面，本申请实施例提供一种电子设备，该电子设备包括：
存储器，用于存储程序指令；以及
处理器，用于执行程序指令以使电子设备实现上述的侧边弧面指纹数据的优化方法。
上述侧边弧面指纹数据的优化方法利用侧边弧面指纹传感器获取模板指纹的弧面指纹数据获取能够将弧面指纹数据转化为平面指纹数据的优化规则，然后利用优化规则将待优化弧面指纹数据转回为优化平面指纹数据。能够有效改善侧边弧面指纹图像的质量，保证后续用于图像识别比对结果的指纹数据的准确性，从而高效，精确的实现指纹匹配的功能。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍。显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图示出的结构获得其他的附图。
图1为本申请第一实施例提供的侧边弧面指纹数据的优化方法的流程图。
图2为本申请第二实施例提供的侧边弧面指纹数据的优化方法的流程图。
图3为本申请第一实施例提供的侧边弧面指纹数据的优化方法的第一子流程图。
图4为本申请第一实施例提供的侧边弧面指纹数据的优化方法的第二子流程图。
图5为本申请实施例提供的弧面指纹数据的示意图。
图6为本申请实施例提供的弧面指纹数据经第一系数处理后的示意图。
图7为本申请实施例提供的弧面指纹数据经第二系数处理后的示意图。
图8为本申请实施例提供的电子设备结构示意图。
图9为本申请实施例提供的侧边弧面指纹数据的优化方法的像素邻域范围示意图。
本申请目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本申请，并不用于限定本申请。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、***、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
需要说明的是，在本申请中涉及“第一”、“第二”等的描述仅用于描述目的，而不能理解为指示或暗示其相对重要性或者隐含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含地包括至少一个该特征。另外，各个实施例之间的技术方案可以相互结合，但是必须是以本领域普通技术人员能够实现为基础，当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在，也不在本申请要求的保护范围之内。
请结合参看图1，其为本申请第一实施例提供的侧边弧面指纹数据的优化方法的流程图。其中，第一实施例提供的侧边弧面指纹数据的优化方法具体包括下面步骤。
步骤S101，利用侧边弧面指纹传感器获取模板指纹的弧面指纹数据，请结合参看图5，图5为弧面指纹数据的信号。
步骤S102，从弧面指纹数据中获取多个像素并且根据预设的邻域获取第一边长和第二边长。预设的邻域是集合上的一种基础的拓扑结构。在本申请实施例中表示每一像素周围一定范围。
步骤S103，根据第一边长、第二边长和多个像素获取第一系数和第二系数。第一系数和第二系数用于将弧面指纹数据中的像素优化为平面指纹数据中的像素，平面指纹数据相当于由平面指纹传感器获取的指纹数据。第一系数用于调节所述弧面指纹数据的信号峰的放大能力，第二系数调节所述弧面指纹数据的偏移能力。第一系数和第二系数共同调节弧面指纹数据。进一步地，获取第一系数和第二系数的具体步骤请参照步骤S301-步骤S303和步骤S401-步骤S403。
步骤S104，根据第一系数和第二系数得到弧面指纹数据的优化规则。在本实施例中，侧边弧面指纹传感器受表面弧度的影响，采集图像时手指到传感器不同像素的垂直距离是变化的。因为传感器采集的信号强度与手指到传感器表面的距离是负相关的关系，侧边弧面指纹传感器采集到的指纹图像如图5所示相对于平面指纹传感器，弧面传感器不同区域，主要是边缘区域和中心区域的信号峰峰值和偏移量都有明显差异，其中传感器的边缘相对于中间更薄，信号的峰峰值和均值更高，该差异会对后期的指纹图像处理与增强带来明显的影响。
在本实施例中，对弧面指纹数据根据优化规则进行优化，使优化后的弧面指纹数据更便于指纹图像的后期处理。优化规则可以采用下面公式实现,G(i,j) = p(i,j)*f(i,j)+q(i,j),其中，p(i,j)为第一系数，也称之为乘性系数，进一步地，p(i,j)可以理解为侧边弧面指纹传感器在(i,j)处的信号峰峰值的放大能力，即放大系数，该系数可以根据实验所得，也可以根据下面描述的方法获得。q(i,j)为第二系数，也称之为加性系数，进一步地，q(i,j)可以理解为侧边弧面指纹传感器在(i,j)处的信号均值的偏移量，即偏移量，该偏移量可以根据该系数可以根据实验所得也可以根据下面描述的方法获得。G(i,j)为优化平面指纹数据，f(i,j)为待优化弧面指纹数据，即为侧边弧面指纹传感器在(i,j)处的有效指纹信号，（i,j）为像素的坐标，其可以通过传感器采集得到。可以理解地，在不考虑噪声的情况下，侧边弧面指纹传感器的乘性系数和加性系数共同决定优化规则。
步骤S105，获取待优化弧面指纹数据。待优化弧面指纹数据是通过弧面指纹传感器获得。弧面指纹传感器用于获取指纹数据的介质是中间厚度大于两边的厚度的介质。
步骤S106，利用优化规则将待优化弧面指纹数据优化得到优化平面指纹数据。进一步地，利用优化规则将多个待优化像素优化为多个平面指纹图像对应的像素得到优化弧面指纹数据。请结合参看图6和图7，应用q(i,j)优化后的待优化弧面指纹数据由如图变为如图6，应用p(i,j)优化后图6的数据变为如图7所示。
上述侧边弧面指纹数据的优化方法利用侧边弧面指纹传感器获取模板指纹的弧面指纹数据获取能够将弧面指纹数据转化为平面指纹数据的优化规则，然后利用优化规则将待优化弧面指纹数据转化为优化平面指纹数据。能够有效改善侧边弧面指纹图像的质量，保证后续用于图像识别比对结果的指纹数据的准确性，从而高效，精确的实现指纹匹配的功能。
请结合参看图2，其为本申请第二实施例提供的侧边弧面指纹数据的优化方法的流程图。第二实施例提供的侧边弧面指纹数据的优化方法与第一实施例提供的侧边弧面指纹数据的优化方法的差异在于在利用优化规则将待优化弧面指纹数据优化为优化平面指纹数据之后，第二实施例提供的侧边弧面指纹数据的优化方法还包括下面步骤。
步骤S201，判断优化平面指纹数据与模板平面指纹数据的差异。模板平面指纹数据是利用平面指纹传感器获取的模板指纹的指纹数据。
步骤S202，若差异大于或者等于预设标准，重新计算第一系数和第二系数。
步骤S203，若差异小于预设标准，将优化规则用于优化待优化弧面指纹数据。
在本实施例中，通过对比优化平面指纹数据与模板平面指纹数据的差异，判断优化规则是否能够满足当前的弧面指纹图像优化要求，以便后续对弧面指纹图像数据的处理。
请结合参看图3，其为本申请实施例提供的步骤S103的子步骤流程图。步骤S103根据第一边长、第二边长和多个像素获取第一系数和第二系数，其中获取第一系数，其中，获取第一系数具体包括下面步骤。
步骤S301，获取多个像素的像素值。
步骤S302，对多个像素的像素值进行求和处理得到第一中间值。在本实施例中，先计算每一个像素在预设邻域内的范围为m，n的和得到第一中间值。在其他实施例在也可以使用其他求和的方式。
步骤S303，对第一中间值进行求平均处理得到第一系数。在本实施例中，利用第一边长和第二边长求每一像素的平均值。在其他实施例在也可以使用其他求平均值的方式。在本实施例中，得到第一系数p(i,j)的具体公式为，
Figure 975469DEST_PATH_IMAGE001
其中，a为第一边长，b为第二边长，p（i,j）为第一系数，（i,j）为当前像素的坐标，a、b表示范围为a*b 邻域的长和宽，(m,n) 表示坐标为（i,j）像素在a*b 邻域内的像素的坐标， F(m,n)表示坐标为(m,n)像素的灰度值。请结合参看图9，展示各系数之间的关系。
请结合参看图4，其为本申请实施例提供的步骤S103的子步骤流程图。步骤S103根据第一边长、第二边长和多个像素获取第一系数和第二系数，其中获取第一系数，其中，获取第二系数具体包括下面步骤。
步骤S401，获取多个像素的像素值。
步骤S402，对多个像素的像素值进行求和处理得到第二中间值。在本实施例中，先计算所有像素的和得到第二中间值。在其他实施例在也可以使用其他求和的方式。
步骤S403，对第二中间值进行求平均处理得到第二系数。在本实施例中，利用第一边长和第二边长求每一像素的平均值。在其他实施例在也可以使用其他求平均值的方式。
在本实施例中，得到第一系数q(i,j)的具体公式为，
Figure 652569DEST_PATH_IMAGE002
其中，a为第一边长，b为第二边长，a、b表示范围为a*b 邻域的长和宽，(m,n)表示坐标为（i,j）像素在a*b 邻域内的像素的坐标， F(m,n)表示坐标为(m,n)像素的灰度值。
在本实施例中，通过对比优化后的弧面指纹数据，图7和优化前的弧面指纹数据，图5的信号曲线，可以看出优化后的弧面指纹数据在所有点上的信号峰峰值和偏移量可以达到基本一致，使其便于后期的图像处理与增强，实现了预设的优化目标。
本申请还提供了一种指纹识别模组，指纹识别模组包括存储器和处理器，其中，存储器，用于存储程序指令； 处理器，用于执行程序指令以使指纹识别模组以实现上述的侧边弧面指纹数据的优化方法。具体地，指纹识别模组是指纹锁的核心部件，安装在如指纹门禁或者硬盘等器件上，用来完成指纹的采集和指纹的识别的模块。指纹模块主要由指纹采集模块、指纹识别模块和扩展功能模块组成。
本申请还提供了一种指纹识别设备，指纹识别设备设置有上述的指纹识别模组。例如，手机，平板电脑等安装了侧边弧形指纹传感器的便携式电子设备。
本申请还提供了一种计算机可读存储介质。计算机可读存储介质上存储有能够被处理器加载并执行的上述的侧边弧面指纹数据的优化方法的程序指令。由于计算机可读存储介质采用了上述所有实施例的全部技术方案，因此至少具有上述实施例的技术方案所带来的所有有益效果，在此不再赘述。
该计算机可读存储介质包括一个或多个程序指令。在设备上加载和执行该程序指令时，全部或部分地产生按照本申请实施例的流程或功能。该设备可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。该程序指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一计算机可读存储介质传输，例如，该程序指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。该计算机可读存储介质可以是计算机能够存储的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。该计算机可读存储介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、或者半导体介质(例如固态硬盘Solid State Disk(SSD))等。
本申请还提供一种电子设备900，电子设备900至少包括，存储器901和处理器902。存储器901用于存储侧边弧面指纹数据的优化方法的程序指令。处理器902，用于执行程序指令以使计算机设备实现上述的侧边弧面指纹数据的优化方法。请结合参看图8，其为本申请第一实施例提供的电子设备900的内部结构示意图。
其中，存储器901至少包括一种类型的可读存储介质，该可读存储介质包括闪存、硬盘、多媒体卡、卡型存储器（例如，SD或DX存储器等）、磁性存储器、磁盘、光盘等。存储器901在一些实施例中可以是电子设备900的内部存储单元，例如电子设备900的硬盘。存储器901在另一些实施例中也可以是电子设备900的外部存储设备，例如电子设备900上配备的插接式硬盘，智能存储卡（Smart Media Card, SMC），安全数字卡（Secure Digital, SD），闪存卡（Flash Card）等。进一步地，存储器901还可以既包括电子设备900的内部存储单元也包括外部存储设备。存储器901不仅可以用于存储安装于电子设备900的应用软件及各类数据，例如侧边弧面指纹数据的优化方法的程序指令等，还可以用于暂时地存储已经输出或者将要输出的数据，例如侧边弧面指纹数据的优化方法执行产生的数据等。
处理器902在一些实施例中可以是中央处理器（Central Processing Unit,CPU）、控制器、微控制器、微处理器或其他数据处理芯片，用于运行存储器901中存储的程序指令或处理数据。具体地，处理器902执行的程序指令以控制电子设备900实现侧边弧面指纹数据的优化方法。
进一步地，电子设备900还可以包括总线903可以是外设部件互连标准总线(peripheral component interconnect，简称PCI)或扩展工业标准结构总线(extendedindustry standard architecture，简称EISA)等。该总线可以分为地址总线、数据总线、控制总线等。为便于表示，图8中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
进一步地，电子设备900还可以包括显示组件904。显示组件904可以是LED（LightEmitting Diode，发光二极管）显示器、液晶显示器、触控式液晶显示器以及OLED（OrganicLight-Emitting Diode，有机发光二极管）触摸器等。其中，显示组件904也可以适当的称为显示装置或显示单元，用于显示在电子设备900中处理的信息以及用于显示可视化的用户界面。
进一步地，电子设备900还可以包括通信组件905，通信组件905可选的可以包括有线通信组件和/或无线通信组件（如WI-FI通信组件、蓝牙通信组件等），通常用于在电子设备900与其他计算机设备之间建立通信连接。
图8仅示出了具有组件901-905以及实现侧边弧面指纹数据的优化方法的程序指令的电子设备900，本领域技术人员可以理解的是，图8示出的结构并不构成对电子设备900的限定，可以包括比图示更少或者更多的部件，或者组合某些部件，或者不同的部件布置。由于电子设备900采用了上述所有实施例的全部技术方案，因此至少具有上述实施例的技术方案所带来的所有有益效果，在此不再赘述。
在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。
显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样，倘且本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内，则本申请也意图包含这些改动和变型在内。
以上所列举的仅为本申请较佳实施例而已，当然不能以此来限定本申请之权利范围，因此依本申请权利要求所作的等同变化，仍属于本申请所涵盖的范围。

Claims (10)

1.一种侧边弧面指纹数据的优化方法，其特征在于，所述侧边弧面指纹数据的优化方法包括：
利用侧边弧面指纹传感器获取模板指纹的弧面指纹数据；
从所述弧面指纹数据中获取多个像素并且根据预设的邻域获取第一边长和第二边长；
根据所述第一边长、所述第二边长和所述多个像素获取第一系数和第二系数；
根据所述第一系数和所述第二系数得到所述弧面指纹数据的优化规则，其中，所述优化规则采用下面公式，G(i,j) = p(i,j)*f(i,j)+q(i,j) ，p(i,j)为第一系数，也称之为乘性系数， p(i,j)为侧边弧面指纹传感器在在(i,j)处的信号峰峰值的放大能力，即放大量，q(i,j)为第二系数，也称之为加性系数，q(i,j)为侧边弧面指纹传感器在(i,j)处的信号均值的偏移量，即偏移量，G(i,j)为优化平面指纹数据，f(i,j)为待优化弧面指纹数据，即侧边弧面指纹传感器在(i,j)处的有效指纹信号, （i,j）为像素的坐标；
获取待优化弧面指纹数据；以及
利用所述优化规则将所述待优化弧面指纹数据优化为优化平面指纹数据。
2.如权利要求1所述的侧边弧面指纹数据的优化方法，其特征在于，在利用所述优化规则将所述待优化弧面指纹数据优化为所述优化平面指纹数据之后，还包括：
判断所述优化平面指纹数据与模板平面指纹数据的差异，所述模板平面指纹数据是利用平面指纹传感器获取的模板指纹的指纹数据；
若所述差异大于或者等于预设标准，重新计算所述第一系数和所述第二系数；或者
若所述差异小于预设标准，将所述优化规则用于优化所述待优化弧面指纹数据。
3.如权利要求1所述的侧边弧面指纹数据的优化方法，其特征在于，根据所述第一边长、所述第二边长和所述多个像素获取第一系数和第二系数，其中，获取所述第一系数具体包括：
获取所述多个像素的像素值；
对所述多个像素的像素值进行求和处理得到第一中间值；以及
对所述第一中间值进行求平均处理得到所述第一系数。
4.如权利要求1所述的侧边弧面指纹数据的优化方法，其特征在于，根据所述第一边长、所述第二边长和所述多个像素获取第一系数和第二系数，其中，获取所述第二系数具体包括：
获取所述多个像素的像素值；
对所述多个像素的像素值进行求和处理得到第二中间值；以及
对所述第二中间值进行求平均处理得到所述第二系数。
5.如权利要求3所述的侧边弧面指纹数据的优化方法，其特征在于，获取所述第一系数的计算公式具体包括：
Figure 563987DEST_PATH_IMAGE001
其中，a为第一边长，b为第二边长，a、b表示范围为a*b 邻域的长和宽，(m,n)表示坐标为（i,j）像素在a*b 邻域内的像素的坐标， F(m,n)表示坐标为(m,n)像素的灰度值。
6.如权利要求4所述的侧边弧面指纹数据的优化方法，其特征在于，获取所述第二系数的计算公式具体包括：
Figure 652029DEST_PATH_IMAGE002
其中，a为第一边长，b为第二边长，a、b表示范围为a*b 邻域的长和宽，(m,n) 表示坐标为（i,j）像素在a*b 邻域内的像素的坐标， F(m,n)表示坐标为(m,n)像素的灰度值。
7.一种指纹识别模组，其特征在于，所述指纹识别模组包括：
存储器，用于存储程序指令；以及
处理器，用于执行所述程序指令以使所述指纹识别模组实现如权利要求1~6任意一项所述的侧边弧面指纹数据的优化方法。
8.一种指纹识别设备，其特征在于，指纹识别设备设置有如权利要求7所述的指纹识别模组。
9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有能够被处理器加载并执行的如权利要求1~6任意一项所述的侧边弧面指纹数据的优化方法的程序指令。
10.一种电子设备，其特征在于，所述电子设备包括：
存储器，用于存储程序指令；以及
处理器，用于执行所述程序指令以使所述电子设备实现如权利要求1~6任意一项所述的侧边弧面指纹数据的优化方法。
CN202110854726.1A 2021-07-28 2021-07-28 侧边弧面指纹数据的优化方法及指纹识别模组 Active CN113313088B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110854726.1A CN113313088B (zh) 2021-07-28 2021-07-28 侧边弧面指纹数据的优化方法及指纹识别模组

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110854726.1A CN113313088B (zh) 2021-07-28 2021-07-28 侧边弧面指纹数据的优化方法及指纹识别模组

Publications (2)

Publication Number Publication Date
CN113313088A true CN113313088A (zh) 2021-08-27
CN113313088B CN113313088B (zh) 2022-02-15

Family

ID=77381785

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110854726.1A Active CN113313088B (zh) 2021-07-28 2021-07-28 侧边弧面指纹数据的优化方法及指纹识别模组

Country Status (1)

Country Link
CN (1) CN113313088B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0889432A2 (en) * 1997-07-03 1999-01-07 Fujitsu Limited Roller fingerprint image capturing system
CN105550664A (zh) * 2016-01-08 2016-05-04 上海箩箕技术有限公司 光学指纹传感器模组
KR20170033999A (ko) * 2015-09-18 2017-03-28 전창원 센싱 오프셋을 개선하는 지문 인식 센서 및 시스템
CN107563170A (zh) * 2016-05-27 2018-01-09 广东欧珀移动通信有限公司 指纹解锁方法及相关产品
US20180018499A1 (en) * 2015-02-13 2018-01-18 Byd Company Limited Method for calculating area of fingerprint overlapping region and electronic device thereof
CN109657656A (zh) * 2019-01-31 2019-04-19 北京集创北方科技股份有限公司 指纹检测方法、指纹检测装置和移动终端

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0889432A2 (en) * 1997-07-03 1999-01-07 Fujitsu Limited Roller fingerprint image capturing system
US20180018499A1 (en) * 2015-02-13 2018-01-18 Byd Company Limited Method for calculating area of fingerprint overlapping region and electronic device thereof
KR20170033999A (ko) * 2015-09-18 2017-03-28 전창원 센싱 오프셋을 개선하는 지문 인식 센서 및 시스템
CN105550664A (zh) * 2016-01-08 2016-05-04 上海箩箕技术有限公司 光学指纹传感器模组
CN107563170A (zh) * 2016-05-27 2018-01-09 广东欧珀移动通信有限公司 指纹解锁方法及相关产品
CN109657656A (zh) * 2019-01-31 2019-04-19 北京集创北方科技股份有限公司 指纹检测方法、指纹检测装置和移动终端

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
汤正刚: "自动指纹识别***中的关键技术研究", 《中国优秀硕士论文全文数据库 信息科技辑》 *

Also Published As

Publication number Publication date
CN113313088B (zh) 2022-02-15

Similar Documents

Publication Publication Date Title
KR102177150B1 (ko) 지문인식 장치 및 방법
CN107209855B (zh) 通过指纹识别认证用户
US20180268232A1 (en) Electronic device and method for identifying falsification of biometric information
US11003753B2 (en) Method for recognizing fingerprint, and electronic device and storage medium therefor
US9910541B2 (en) Mis-touch recognition method and device
KR102242363B1 (ko) 전자 장치 및 전자 장치에서 그립 센싱 방법
EP3133473A1 (en) Method of sensing pressure by touch sensor and electronic device adapted thereto
CN108304708A (zh) 移动终端、人脸解锁方法及相关产品
US9519376B2 (en) Method and electronic device for processing finger motion
US11132528B2 (en) Information processing method and electronic device
US20140115725A1 (en) File using restriction method, user device and computer-readable storage
CN106293412A (zh) 图标调整方法、图标调整***与电子装置
CN111142650B (zh) 一种屏幕亮度调节方法、屏幕亮度调节装置及终端
US9760277B2 (en) Electronic device and method for detecting proximity input and touch input
CN113313088B (zh) 侧边弧面指纹数据的优化方法及指纹识别模组
CN107679222B (zh) 图片处理方法、移动终端及计算机可读存储介质
CN113934312B (zh) 一种基于红外触摸屏的触摸物识别方法和终端设备
CN112990163B (zh) 指纹校准方法、电子设备及存储介质
CN110989880A (zh) 一种界面元素处理方法、装置及可读存储介质
CN109444905B (zh) 一种基于激光的动态物体检测方法、装置及终端设备
CN110874729A (zh) 电子红包识别策略的切换方法、切换装置及移动终端
CN108021648B (zh) 一种搜题的方法、装置及智能终端
CN110929708A (zh) 识别泰国身份证中国旗的方法、设备及存储介质
CN111782079A (zh) 一种启动方法、装置、电子设备以及存储介质
CN113157197B (zh) 一种触控板控制方法及装置

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