CN104700070A - 指纹传感器及其校正方法 - Google Patents

指纹传感器及其校正方法 Download PDF

Info

Publication number
CN104700070A
CN104700070A CN201510016150.6A CN201510016150A CN104700070A CN 104700070 A CN104700070 A CN 104700070A CN 201510016150 A CN201510016150 A CN 201510016150A CN 104700070 A CN104700070 A CN 104700070A
Authority
CN
China
Prior art keywords
correction coefficient
sensing unit
data
new
old
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
CN201510016150.6A
Other languages
English (en)
Other versions
CN104700070B (zh
Inventor
庞树
黄辉
蔡小淳
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 Goodix Technology Co Ltd
Original Assignee
Shenzhen Huiding 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 Huiding Technology Co Ltd filed Critical Shenzhen Huiding Technology Co Ltd
Priority to CN201710543677.3A priority Critical patent/CN107358188B/zh
Priority to CN201510016150.6A priority patent/CN104700070B/zh
Publication of CN104700070A publication Critical patent/CN104700070A/zh
Priority to KR1020177007213A priority patent/KR101875349B1/ko
Priority to PCT/CN2015/094441 priority patent/WO2016112737A1/zh
Priority to EP15877648.4A priority patent/EP3182329B1/en
Priority to US15/459,575 priority patent/US10643048B2/en
Application granted granted Critical
Publication of CN104700070B publication Critical patent/CN104700070B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/12—Fingerprints or palmprints
    • G06V40/13—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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/10—Image acquisition
    • G06V10/12—Details of acquisition arrangements; Constructional details thereof
    • 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
    • G06V40/1347—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
    • 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)
  • 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)
  • Collating Specific Patterns (AREA)
  • Measurement Of Length, Angles, Or The Like Using Electric Or Magnetic Means (AREA)

Abstract

本发明公开了一种指纹传感器及其校正方法，所述指纹传感器具有供手指接触的感应面，包括多个感应单元、处理单元和校正单元，其中：感应单元，用于开始校正时，感应指纹信号并输出第一数据；处理单元，用于根据数学模型，通过第一数据计算对应的感应单元新的校正系数；校正单元，用于根据新的校正系数，校正对应的感应单元输出的第二数据。本发明的指纹传感器能够在自身物理特性发生变化时自动修正校正系数，达到减小产品返修概率及延长产品使用寿命的效果，并且省掉了出厂前的校正环节，降低了生产难度及生产成本。

Description

指纹传感器及其校正方法
技术领域
本发明涉及指纹识别技术领域，尤其是涉及一种指纹传感器及其校正方法。
背景技术
指纹是手指表面皮肤凹凸不平形成的纹理，指纹的纹理特征具有唯一性、稳定性，因此常常被用来作为身份识别的依据。指纹传感器就是一种通过指纹来识别身份的传感器。
如图1所示，指纹传感器包括指纹传感芯片10和通过粘合剂30固定于指纹传感芯片10表面的保护盖20(Cover)，保护盖20用于保护指纹传感芯片10。指纹传感芯片10上具有多个感应单元11(Pixel)，如图2所示，多个感应单元11呈矩阵排布，感应单元11用于感应指纹信号并输出数据，该指纹信号即指纹纹理的深度信息。保护盖20表面作为指纹传感器的感应面，当手指按压感应面时，所有感应单元11输出的指纹纹理的深度信息组成的矩阵就是手指的纹理信息。
在实际环境中，同一指纹传感器中的不同感应单元11存在差异，加上粘合剂30的不均匀性及其杂质、保护盖20的平整度等，均会导致各感应单元11之间响应不均匀，因此不能通过指纹传感器输出的数据直接获取准确的指纹纹理特征，必须对输出的数据进行校正，以消除这种不均匀性。
为此，现有技术中的做法是在出厂前对指纹传感器进行一次校正操作，校正操作采用的是两点校正法。这种方法是基于感应单元11输出的数据和感应单元11的输入信号(即指纹纹理的深度信息)成线性关系，设感应单元11输出的数据为y，感应单元11输入的信号为x，则存在系数k、b满足直线方程式y＝kx+b，所以通过直线上的两个点P1(x1,y1)和P2(x2,y2)就能够得到如图3所示的直线方程。
两点校正法的具体流程为：首先获取指纹传感器空载时(即传感器的感应面上没有物体按压时)感应单元11输出的一帧数据，然后获取指纹传感器上放有一块平整金属块50时感应单元11输出的一帧数据(如图4所示)。通过上面两帧数据对每一个感应单元11分别建立如下方程组：
kx 1 + b = y 1 kx 2 + b = y 2 - - - ( 1 )
其中，P1(x1,y1)为空载时输出的数据，P2(x2,y2)为放金属块时输出的数据，解得：
k = y 2 - y 1 x 2 - x 1 b = x 2 y 1 - x 1 y 2 x 2 - x 1 , - - - ( 2 )
另外，如图3所示，x1为空载时的输入信号大小，即为0；x2为放金属块时的输入信号大小，可以定义为1。代入到方程(2)中即可求得：
k = y 2 - y 1 b = y 1 , - - - ( 3 )
求得k、b值之后，就可以通过下式对输出的数据进行校正：
x 1,1 . . . x 1 , M . . . . . . . . . x N , 1 . . . x N , M = y 1,1 - b 1,1 k 1,1 . . . y 1 , M - b 1 , M k 1 , M . . . . . . . . . y N , 1 - b N , 1 k N , 1 . . . y N , M - b N , M k N , M
其中N、M分别为指纹传感器中感应单元11的行数和列数，y为感应单元11输出的数据，x即为校正后的数据(即感应单元11的输入信号)。
然而，现有技术中对指纹传感器的校正方法，具有以下缺陷：
1)、必须在出厂前进行一次校正，校正环节提高了产品成本。
2)、对校正环境要求高：即需要使用非常平整的金属块去校正，校正时指纹传感器的感应面不能有灰尘等杂质。
3)、因为指纹传感器的物理特性会随着时间的变化而变化，而现有技术中仅仅在出厂前进行一次校正，当指纹传感器的物理特性发生变化时，之前校正获得的校正系数(即k、b值)将会失效，从而导致指纹传感器无法正常使用，缩短了产品的使用寿命。
发明内容
本发明的主要目的在于提供一种指纹传感器及其校正方法，旨在实现在使用过程中对指纹传感器进行校正，自动修正校正系数，以减小产品返修概率，延长产品使用寿命。
为达以上目的，本发明提出一种指纹传感器，具有供手指接触的感应面，包括多个感应单元、处理单元和校正单元，
感应单元，用于开始校正时，感应指纹信号并输出第一数据；
处理单元，用于根据数学模型，通过所述第一数据计算对应的感应单元新的校正系数；
校正单元，用于根据所述新的校正系数，校正对应的感应单元输出的第二数据。
本发明同时提出一种指纹传感器的校正方法，所述指纹传感器具有供手指接触的感应面，所述感应面包括多个感应单元，包括步骤：
S10：开始校正时，获取每个感应单元输出的第一数据；
S20：根据数学模型，通过所述第一数据计算对应的感应单元新的校正系数；
S30：根据所述新的校正系数，校正对应的感应单元输出的第二数据。
本发明所提供的一种指纹传感器，在使用过程中通过感应实际手指按压产生的指纹信号并获取感应单元输出的数据，以计算校正系数，从而能够在使用过程中随时进行校正操作，当指纹传感器的物理特性发生变化时，能够自动修正校正系数，从而达到减小产品返修概率及延长产品使用寿命的效果。并且，本发明实施例的指纹传感器简化或省掉了出厂前的校正环节，从而降低了生产难度及生产成本。
附图说明
图1是指纹传感器的结构示意图；
图2是感应单元的排布示意图；
图3是感应单元输出的数据与输入信号的函数关系示意图；
图4是现有技术中指纹传感器出厂前进行校正的示意图；
图5是本发明指纹传感器的模块示意图；
图6是本发明指纹传感器第一实施例的模块示意图；
图7是本发明指纹传感器第一实施例中手指按压指纹传感器的示意图；
图8是本发明指纹传感器第一实施例中手指多次按压指纹传感器的示意图；
图9是本发明指纹传感器第二实施例的模块示意图；
图10是本发明指纹传感器第三实施例的模块示意图；
图11是本发明指纹传感器的校正方法第一实施例的流程图；
图12是本发明指纹传感器的校正方法第二实施例的流程图；
图13是本发明指纹传感器的校正方法第三实施例的流程图。
本发明目的的实现、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
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
参见图5提出本发明指纹传感器的模块示意图，该指纹传感器具有一供手指按压的感应面，感应面上通常覆盖了如图1所示的保护盖。所述感应面包括多个呈阵列排布的感应单元、一处理单元和一校正单元。
感应单元：用于开始校正时，感应指纹信号并输出第一数据。
处理单元：用于根据数学模型，通过第一数据计算对应的感应单元新的校正系数。
具体的，指纹传感器具有正常模式和校正模式两个模式。其中，正常模式用于进行正常的指纹感应并输出感应数据，校正模式用于对指纹感应器进行校正，获得校正系数。新的校正系数包括但不限于通过神经网络、数据统计、曲线拟合、数学模型等方式计算得到，如y＝kx+b线性模型。指纹传感器可以通过一模式切换单元来进行模式切换。
校正单元：用于根据新的校正系数，校正对应的感应单元输出的第二数据。
如图6所示，作为本发明的第一实施例，感应单元用于获取指纹传感器在空载时输出的一帧数据，还用于获取指纹传感器在手指按压感应面不同位置时输出的至少两帧数据，并将这些数据发送到处理单元。
当指纹传感器切换到校正模式后，感应单元感应指纹信号，获取一帧指纹传感器空载时(即感应面没有任何物体按压时)输出的第一数据。所有感应单元输出的第一数据即为一帧数据。然后提示用户用手指按压感应面的不同位置，当用户手指每按压一次感应面，则获取一帧感应单元输出的数据，即手指按压感应面多少次，则获取多少帧数据。
当指纹脊部(即指纹凸出的部分)按到感应面上时，即按到感应单元上，该感应单元输出的数据为最大值；而当指纹沟部(即指纹凹陷的部分)按到感应面上时，对应的感应单元输出的数据为一个较小的值。例如，当手指以如图7所示方式按压感应面时，感应单元11b、11h、11m、11n、11s将输出最大值，而其它感应单元则将输出较小的值。
多次按压时，用户手指每次按压感应面的位置、角度都是不同的，所以当用户多次用手指按压指纹传感器后，指纹传感器上的每个感应单元都可以被指纹脊部按到。手指按压感应面的次数，即非空载时获取的帧数，根据实际需要而定，通常感应面越大则需获取的帧数越多，感应面越小则需获取的帧数越少，总之以所有感应单元均被手指脊部按到为准。例如，如图8所示，经过手指5次按压后每个感应单元都曾被指纹脊部按压过，感应单元相应地获取5帧输出数据。
处理单元包括选取子单元和第二计算子单元，选取子单元用于从上述至少两帧数据中选取每个感应单元对应的最大值。第二计算子单元用于计算感应单元新的校正系数。
具体的，选取子单元从非空载时获取的至少两帧数据中选出每个感应单元对应的最大值，即相当于组成一帧所有感应单元均被指纹脊部按压时输出的数据，而这一帧数据与现有技术中进行校正时用平整金属块按压感应面时感应单元输出的数据近似，用这一帧数据和一帧空载时感应单元输出的数据就可以进行一次校正。
设空载时一个感应单元获取的数据为Dmin，非空载时该感应单元获取的数据的最大值为Dmax，手指按压感应面Num次(Num为常数，根据具体情况而定)，多个感应单元呈N行M列排布，则Dmaxi，j＝MAX(D1i，j,D2i，j,D3i，j,…,Dnumi，j)，其中Dnumi，j代表第i行第j列的感应单元输出的第Num帧的数据，i∈[1,N]，j∈[1,M]。
然后，第二计算子单元根据y＝kx+b线性模型计算校正系数k、b的值：
k 1,1 . . . k 1 , M . . . . . . . . . k N , 1 . . . k N , M = D max 1,1 - D min 1,1 . . . D max 1 , M - D min 1 , M . . . . . . . . . D max N , 1 - D min N , 1 . . . D max N , M - D min N , M b 1,1 . . . b 1 , M . . . . . . . . . b N , 1 . . . b N , M = D min 1,1 . . . D min 1 , M . . . . . . . . . D min N , 1 . . . D min N , M
若指纹传感器之前做过校正或者在出厂时做过初始校正，存储单元存储有校正系数，将本次校正获得的校正系数作为新的校正系数替换旧的校正系数，并将该新的校正系数存储起来；或者将旧的校正系数和本次校正获得的校正系数加权求和后替换旧的校正系数，并予以存储。设本次校正获得的校正系数为knew和bnew，旧的校正系数为kold和bold，新的校正系数为k和b，权值为0.8和0.2，权值可以根据具体情况设定，则有：
k 1.1 . . . k 1 , M . . . . . . . . . k N , 1 . . . k N , M = 0.8 k new 1,1 + 0.2 k old 1,1 . . . 0.8 k new 1 , M + 0.2 k old 1 , M . . . . . . . . . 0.8 k newM , 1 + 0.2 k oldN , 1 . . . 0.8 k newN , M + 0.2 k oldN , M
b 1,1 . . . b 1 , M . . . . . . . . . b N , 1 . . . b N , M = 0.8 b new 1,1 + 0.2 b old 1,1 . . . 0.8 b new 1 , M + 0.2 b old 1 , M . . . . . . . . . 0.8 b newN , 1 + 0.2 b oldN , 1 . . . 0.8 b newN , M + 0.2 b oldN , M
新旧校正系数加权求和后的替换方式，相对于直接替换方式，能够加快校正系数计算的收敛速度，并提高系统的鲁棒性。
若指纹传感器以前没有做过校正，本次校正为首次校正，则将本次获得的校正系数作为指纹传感器新的校正系数，并予以存储。
当指纹传感器切换至正常模式，感应指纹信息时，校正单元根据下式对感应单元输出的数据进行校正：
x 1,1 . . . x 1 , M . . . . . . . . . x N , 1 . . . x N , M = y 1,1 ′ - b 1,1 k 1,1 . . . y 1 , M ′ - b 1 , M k 1 , M . . . . . . . . . y N , 1 ′ - b N , 1 k N , 1 . . . y N , M ′ - b N , M k N , M
其中N、M分别为指纹传感器中感应单元的行数和列数，y′为感应单元输出的第二数据，x即为经新的校正系数校正后的数据。
本发明第一实施例中的指纹传感器，通过获取至少两帧手指按压感应面不同位置时感应单元输出的数据，并从中选取出最大值，从而组成一帧所有感应单元均被指纹脊部按压时输出的数据，而这一帧数据与现有技术中进行校正时用平整金属块按压感应面时感应单元输出的数据近似，用这一帧数据和一帧空载时感应单元输出的数据就可以对指纹传感器进行一次校正，获得校正系数。本发明实施例的指纹传感器能够在使用过程中随时进行校正操作，当指纹传感器物理特性发生变化时能够自动修正校正系数，从而达到减小产品返修概率及延长产品使用寿命的效果。并且，本发明实施例的指纹传感器简化或省掉了出厂前的校正环节，从而降低了生产难度及生产成本。
参见图9，作为本发明的指纹传感器第二实施例，本实施例中，处理单元包括第一计算子单元，其用于根据数学模型，通过感应单元输出的第一数据和对应的旧的校正系数，计算新的校正系数。
k new = ( 1 - σ ) k old + σ y F ( Y )
bnew＝(1-σ)bold+σ[y-Avg(Y)]
其中，knew和bnew为感应单元新的校正系数，kold和bold为感应单元旧的校正系数，y为该感应单元输出的第一数据，Y为所有感应单元输出的第一数据组成的图像，F(Y)为对Y进行中值滤波后对应的感应单元的数据，Avg(Y)为对Y求平均值后对应的感应单元的数据，σ为学习因子，取值范围在[0,1]，xold为感应单元经旧的校正系数校正后得到的数据。
当指纹传感器切换至正常模式，感应指纹信息时，校正单元根据下式对感应单元输出的数据进行校正：
x 1,1 . . . x 1 , M . . . . . . . . . x N , 1 . . . x N , M = y 1,1 ′ - b 1,1 k 1,1 . . . y 1 , M ′ - b 1 , M k 1 , M . . . . . . . . . y N , 1 ′ - b N , 1 k N , 1 . . . y N , M ′ - b N , M k N , M
其中N、M分别为指纹传感器中感应单元的行数和列数，y′为感应单元输出的第二数据，x即为经新的校正系数校正后的数据。
本发明第二实施例中的指纹传感器，通过手指一次按压得到一帧第一数据，结合旧的校正系数计算得到新的校正系数。本发明实施例的指纹传感器能够在使用过程中随时进行校正操作，当指纹传感器物理特性发生变化时能够自动修正校正系数，从而达到减小产品返修概率及延长产品使用寿命的效果。
参见图10，作为本发明的第三实施例，与第一实施例和第二实施例的区别在于增加一判断单元。判断单元用于判断是否满足校正条件，当判定满足校正条件时则开启校正模式，开始校正操作。校正条件包括但不限于指纹传感器首次启用、到达预设的校正时间、接收到校正指令、经旧的校正系数校正的效果未达到指定要求中的一种。
判断单元检测到指纹传感器首次启动时，则判定为满足校正条件，开启校正模式。
可选地，可以设定校正时间，当判断单元检测到到达预设的校正时间时，则判定满足校正条件，开启校正模式。校正时间可以是具体的时刻，如设定某月某日某时进行一次校正；也可以是间隔时间，如设定每隔三个月进行一次校正。
可选地，可以评价经旧的校正系数校正的效果，当判断单元判定该效果未达到指定要求时，则满足校正条件，开启校正模式。经旧的校正系数校正的效果由所有感应单元输出数据经旧的校正系数校正后的均方根误差或者图像光滑度来评价。
其中N、M分别为指纹传感器中感应单元的行数和列数，y为感应单元输出的数据，xold为感应单元经旧的校正系数校正后的数据，f为所有感应单元校正后的数据图像，h1＝[1,-1]。当均方根误差或者图像光滑度大于预设阈值时，则判定为校正效果未达到指定要求。
此外，用户也可以手动启用校正模式。例如，用户通过菜单选项、功能或虚拟按键、触控指令、预设手势动作等发出校正指令，判断单元接收到该校正指令后，则判定满足校正条件，开启校正模式。
可选地，判断单元也可以通过判断当前的模式来判断是否满足校正条件，如检测到当前处于校正模式时，则判定满足校正条件。
可以理解，除了上述列举的例子外，还可以设定其它校正条件来启动校正模式，在此不再赘述。
参见图11，提出本发明指纹传感器的校正方法第一实施例，指纹传感器具有供手指接触的感应面，该感应面包括多个感应单元，该校正方法包括以下步骤：
步骤S100：切换至校正模式。
本实施例中，指纹传感器具有正常模式和校正模式两个模式。其中，正常模式用于进行正常的指纹感应并输出感应数据，校正模式用于对指纹传感器进行校正，获得校正系数。当指纹传感器切换到校正模式后，则开始进行校正操作。
步骤S110：获取指纹传感器在空载时感应单元输出的一帧数据。
指纹传感器具有一供手指按压的感应面，该感应面上通常覆盖有如图1所示的保护盖。指纹传感器包括多个呈阵列排布的感应单元，该感应单元用于感应指纹信号并输出数据。开始校正后，指纹传感器自动获取指纹传感器空载时(即感应面没有任何物体按压时)所有感应单元输出的一帧数据。
步骤S120：获取指纹传感器在手指按压感应面不同位置时感应单元输出的至少两帧数据。
指纹传感器可以提示用户用手指按压感应面的不同位置，当用户手指每按压一次感应面，则获取一帧所有感应单元输出的数据，即手指按压感应面多少次，则获取多少帧第二数据。
在实际使用过程中，用户手指每次按压感应面的位置、角度都是不同的，所以当用户多次用手指按压指纹传感器后，指纹传感器上的每个感应单元都可以被指纹脊部按到。手指按压感应面的次数，即获取数据的帧数，根据实际需要而定，通常感应面越大则需获取的帧数越多，感应面越小则需获取的帧数越少，总之以所有感应单元均被手指脊部按到为准。例如，如图8所示，经过手指5次按压后每个感应单元都曾被指纹脊部按压过，相应的获取5帧感应单元输出的数据。
步骤S130：从上述至少两帧数据中选取每个感应单元对应的最大值。
指纹传感器从每个感应单元输出的至少两帧数据中选出最大值，就相当于组成一帧所有感应单元均被指纹脊部按压时输出的数据，而这一帧数据与现有技术中进行校正时用平整金属块按压感应面时感应单元输出的数据近似，用这一帧数据和一帧空载时的数据就可以进行一次校正。
设空载时的数据为Dmin，手指按压时的最大值为Dmax，手指按压感应面Num次(Num为常数，根据具体情况而定)，多个感应单元呈N行M列排布，则Dmaxi，j＝MAX(D1i，j,D2i，j,D3i，j,…,Dnumi，j)，其中Dnumi，j代表第i行第j列感应单元输出的第Num帧的数据，i∈[1,N]，j∈[1,M]。
步骤S140：计算感应单元新的校正系数：knew＝对应的最大值-空载时输出的数据，bnew＝空载时输出的数据。
将选取的最大值Dmax与Dmin，根据y＝kx+b线性模型计算获得校正系数k、b的值：
k 1,1 . . . k 1 , M . . . . . . . . . k N , 1 . . . k N , M = D max 1,1 - D min 1,1 . . . D max 1 , M - D min 1 , M . . . . . . . . . D max N , 1 - D min N , 1 . . . D max N , M - D min N , M b 1,1 . . . b 1 , M . . . . . . . . . b N , 1 . . . b N , M = D min 1,1 . . . D min 1 , M . . . . . . . . . D min N , 1 . . . D min N , M
步骤S150：判断是否有旧的校正系数。
若指纹传感器以前做过校正或者在出厂时做过初始校正，存储有旧的校正系数，则进入步骤S160；若指纹传感器以前没有做过校正，本次校正为首次校正，不存在旧的校正系数，则进入步骤S170。
步骤S160：将本次校正获得的校正系数作为新的校正系数替换旧的校正系数。
当有旧的校正系数时，指纹传感器则将本次校正获得的校正系数作为新的校正系数替换旧的校正系数，并将该新的校正系数存储起来。
在某些实施例中，也可以对新的校正系数和旧的校正系数加权求和，将计算结果作为新的校正系数替换旧的校正系数，并予以存储。设本次校正获得的校正系数为knew和bnew，旧的校正系数为kold和bold，新的校正系数为k和b，权值为0.8和0.2，权值可以根据具体情况设定，则有：
k 1.1 . . . k 1 , M . . . . . . . . . k N , 1 . . . k N , M = 0.8 k new 1,1 + 0.2 k old 1,1 . . . 0.8 k new 1 , M + 0.2 k old 1 , M . . . . . . . . . 0.8 k newM , 1 + 0.2 k oldN , 1 . . . 0.8 k newN , M + 0.2 k oldN , M
b 1,1 . . . b 1 , M . . . . . . . . . b N , 1 . . . b N , M = 0.8 b new 1,1 + 0.2 b old 1,1 . . . 0.8 b new 1 , M + 0.2 b old 1 , M . . . . . . . . . 0.8 b newN , 1 + 0.2 b oldN , 1 . . . 0.8 b newN , M + 0.2 b oldN , M
新旧校正系数加权求和后的替换方式，相对于直接替换方式，能够加快校正系数计算的收敛速度，并提高系统的鲁棒性。
步骤S170：直接将本次校正获得的校正系数作为指纹传感器的校正系数。
当没有旧的校正系数时，指纹传感器则直接将本次获得的校正系数作为指纹传感器的校正系数，并予以存储。
至此校正完成。当指纹传感器切换至正常模式，感应指纹信息时，则根据下式对感应单元输出的数据进行校正：
x 1,1 . . . x 1 , M . . . . . . . . . x N , 1 . . . x N , M = y 1,1 ′ - b 1,1 k 1,1 . . . y 1 , M ′ - b 1 , M k 1 , M . . . . . . . . . y N , 1 ′ - b N , 1 k N , 1 . . . y N , M ′ - b N , M k N , M
其中N、M分别为指纹传感器中感应单元的行数和列数，y′为感应单元输出的第二数据，x即为经新的校正系数校正后的数据。
在某些实施例中，也可以在步骤S130选取出最大值之后再执行步骤S110获取空载时的数据。
本发明实施例通过获取至少两帧手指按压感应面不同位置时感应单元输出的数据，并从中选取出最大值，从而组成一帧所有感应单元均被指纹脊部按压时输出的数据，而这一帧数据与现有技术中进行校正时用平整金属块按压感应面时感应单元输出的数据相同，用这一帧数据和一帧空载时感应单元输出的数据就可以对指纹传感器进行一次校正，获得校正系数。本发明实施例的指纹传感器能够在使用过程中随时进行校正操作，当指纹传感器特性发生变化时能够自动修正校正系数，从而达到减小产品返修概率及延长产品正常使用寿命的效果。并且，本发明实施例的指纹传感器简化或省掉了出厂前的校正环节，从而降低了生产难度及生产成本。
参见图12，提出本发明指纹传感器的校正方法第二实施例，校正方法包括以下步骤：
步骤S200：切换至校正模式。
步骤S210：开始校正时，感应指纹信号，获取每个感应单元输出的第一数据。
步骤S220：根据数学模型，通过第一数据和对应的感应单元旧的校正系数，计算对应的感应单元新的校正系数。
k new = ( 1 - σ ) k old + σ y F ( Y )
bnew＝(1-σ)bold+σ[y-Avg(Y)]
其中，knew和bnew为感应单元新的校正系数，kold和bold为感应单元旧的校正系数，y为该感应单元输出的第一数据，Y为所有感应单元输出的第一数据组成的图像，F(Y)为对Y进行中值滤波后对应的感应单元的数据，Avg(Y)为对Y求平均值后对应的感应单元的数据，σ为学习因子，取值范围在[0,1]，
xold为感应单元经旧的校正系数校正后得到的数据。
步骤S230：判断是否有旧的校正系数。
若指纹传感器以前做过校正或者在出厂时做过初始校正，存储有旧的校正系数，则进入步骤S240；若指纹传感器以前没有做过校正，本次校正为首次校正，不存在旧的校正系数，则进入步骤S250。
步骤S240：将本次校正获得的校正系数作为新的校正系数替换旧的校正系数。
当有旧的校正系数时，指纹传感器则将本次校正获得的校正系数作为新的校正系数替换旧的校正系数，并将该新的校正系数存储起来。
在某些实施例中，也可以对新的校正系数和旧的校正系数加权求和，将计算结果作为新的校正系数替换旧的校正系数，并予以存储。设本次校正获得的校正系数为knew和bnew，旧的校正系数为kold和bold，新的校正系数为k和b，权值为0.8和0.2，权值可以根据具体情况设定，则有：
k 1.1 . . . k 1 , M . . . . . . . . . k N , 1 . . . k N , M = 0.8 k new 1,1 + 0.2 k old 1,1 . . . 0.8 k new 1 , M + 0.2 k old 1 , M . . . . . . . . . 0.8 k newM , 1 + 0.2 k oldN , 1 . . . 0.8 k newN , M + 0.2 k oldN , M
b 1,1 . . . b 1 , M . . . . . . . . . b N , 1 . . . b N , M = 0.8 b new 1,1 + 0.2 b old 1,1 . . . 0.8 b new 1 , M + 0.2 b old 1 , M . . . . . . . . . 0.8 b newN , 1 + 0.2 b oldN , 1 . . . 0.8 b newN , M + 0.2 b oldN , M
新旧校正系数加权求和后的替换方式，相对于直接替换方式，能够加快校正系数计算的收敛速度，并提高系统的鲁棒性。
步骤S250：直接将本次校正获得的校正系数作为指纹传感器的校正系数。
步骤S260：根据所述新的校正系数，校正对应的感应单元输出的第二数据。
当指纹传感器切换至正常模式，感应指纹信息时，根据下式对感应单元输出的数据进行校正：
x 1,1 . . . x 1 , M . . . . . . . . . x N , 1 . . . x N , M = y 1,1 ′ - b 1,1 k 1,1 . . . y 1 , M ′ - b 1 , M k 1 , M . . . . . . . . . y N , 1 ′ - b N , 1 k N , 1 . . . y N , M ′ - b N , M k N , M
其中N、M分别为指纹传感器中感应单元的行数和列数，y′为感应单元输出的第二数据，x即为经新的校正系数校正后的数据。
步骤S230、S240、S250分别与步骤S150、S160、S170一一对应并且相同，在此不再赘述。
本实施例通过手指一次按压得到一帧第一数据，结合旧的校正系数计算得到新的校正系数。本发明实施例的指纹传感器能够在使用过程中随时进行校正操作，当指纹传感器物理特性发生变化时能够自动修正校正系数，从而达到减小产品返修概率及延长产品使用寿命的效果。
参见图13，提出本发明指纹传感器的校正方法第三实施例，校正方法包括以下步骤：
步骤S300：判断是否满足校正条件。
本实施例通过设置校正条件来启用校正模式。当检测到指纹感应器首次启用、或者检测到到达预设的校正时间、或者接收到校正指令、或者经旧的校正系数校正的效果未达到指定要求，则判定满足校正条件，开启校正模式，进入步骤S310，开始校正操作。当判定不满足校正条件时，则继续进行侦测判断。
其中，当指纹传感器首次启用时，可以设置默认开启校正模式。可选地，可以设定校正时间，校正时间可以是具体的时刻，如设定某月某日某时进行校正；也可以是间隔时间，如设定每隔三天进行一次校正。还可以是，用户通过菜单选项、功能或虚拟按键、触控指令、预设手势动作等发出校正指令，手动启用校正模式。
可选地，可以评价经旧的校正系数校正的效果，当判断单元判定该效果未达到指定要求时，则满足校正条件，开启校正模式。经旧的校正系数校正的效果由所有感应单元输出数据经旧的校正系数校正后的均方根误差或者图像光滑度来评价。
其中N、M分别为指纹传感器中感应单元的行数和列数，y为感应单元输出的数据，xold为感应单元经旧的校正系数校正后的数据，f为所有感应单元校正后的数据图像，h1＝[1,-1]。当均方根误差或者图像光滑度大于预设阈值时，则判定为校正效果未达到指定要求。
可以理解，除了上述列举的例子外，还可以设定其它校正条件来启动校正功能，在此不再赘述。
可选地，指纹传感器也可以通过判断当前的模式来判断是否满足校正条件，如检测到当前处于校正模式时，则判定满足校正条件。
步骤S310：开始校正时，感应指纹信号，获取每个感应单元输出的第一数据。
步骤S320：根据数学模型，通过第一数据计算对应的感应单元新的校正系数。
步骤S330：判断是否有旧的校正系数。
如果有旧的校正系数，则进入步骤S340；否则，进入步骤S350。
步骤S340：将本次校正获得的校正系数作为新的校正系数替换旧的校正系数。
当有旧的校正系数时，指纹传感器则将本次校正获得的校正系数作为新的校正系数替换旧的校正系数，并将该新的校正系数存储起来。
在某些实施例中，也可以对新的校正系数和旧的校正系数加权求和，将计算结果作为新的校正系数替换旧的校正系数，并予以存储。设本次校正获得的校正系数为knew和bnew，旧的校正系数为kold和bold，新的校正系数为k和b，权值为0.8和0.2，权值可以根据具体情况设定，则有：
k 1.1 . . . k 1 , M . . . . . . . . . k N , 1 . . . k N , M = 0.8 k new 1,1 + 0.2 k old 1,1 . . . 0.8 k new 1 , M + 0.2 k old 1 , M . . . . . . . . . 0.8 k newM , 1 + 0.2 k oldN , 1 . . . 0.8 k newN , M + 0.2 k oldN , M
b 1,1 . . . b 1 , M . . . . . . . . . b N , 1 . . . b N , M = 0.8 b new 1,1 + 0.2 b old 1,1 . . . 0.8 b new 1 , M + 0.2 b old 1 , M . . . . . . . . . 0.8 b newN , 1 + 0.2 b oldN , 1 . . . 0.8 b newN , M + 0.2 b oldN , M
新旧校正系数加权求和后的替换方式，相对于直接替换方式，能够加快校正系数计算的收敛速度，并提高系统的鲁棒性。
步骤S350：直接将本次校正获得的校正系数作为指纹传感器的校正系数。
步骤S360：根据新的校正系数，校正对应的感应单元输出的第二数据。
需要说明的是：上述实施例提供的指纹传感器在进行校正时，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成。另外，上述实施例提供的指纹传感器与指纹传感器的校正方法实施例属于同一构思，且方法实施例中的技术特征在指纹传感器实施例中均对应适用。
本领域普通技术人员可以理解,实现上述实施例方法中的全部或部分步骤可以通过程序来控制相关的硬件完成，所述的程序可以存储于一计算机可读取存储介质中，所述的存储介质可以是ROM/RAM、磁盘、光盘等。
以上参照附图说明了本发明的优选实施例，并非因此局限本发明的权利范围。本领域技术人员不脱离本发明的范围和实质，可以有多种变型方案实现本发明，比如作为一个实施例的特征可用于另一实施例而得到又一实施例。凡在运用本发明的技术构思之内所作的任何修改、等同替换和改进，均应在本发明的权利范围之内。

Claims (14)

1.一种指纹传感器，具有供手指接触的感应面，所述感应面包括多个感应单元，其特征在于，所述指纹传感器还包括处理单元和校正单元，其中：
感应单元，用于开始校正时，感应指纹信号并输出第一数据；
处理单元，用于根据数学模型，通过所述第一数据计算对应的感应单元新的校正系数；
校正单元，用于根据所述新的校正系数，校正对应的感应单元输出的第二数据。
2.根据权利要求1所述的指纹传感器，其特征在于，还包括存储单元，用于存储校正系数，当所述指纹传感器中存储有旧的校正系数时，以新的校正系数替换旧的校正系数，或者将新的校正系数和旧的校正系数加权求和后替换旧的校正系数。
3.根据权利要求2所述的指纹传感器，其特征在于，还包括判断单元，用于判断是否满足校正条件，所述校正条件包括所述指纹传感器首次启用、到达预设的校正时间、接收到校正指令、经旧的校正系数校正的效果未达到指定要求中的一种或者多种。
4.根据权利要求3所述的指纹传感器，其特征在于，所述经旧的校正系数校正的效果，由所有感应单元输出数据经旧的校正系数校正后的均方根误差或者图像光滑度来评价，当所述均方根误差或者图像光滑度大于预设阈值时，为未达到指定要求。
5.根据权利要求1-4任一项所述的指纹传感器，其特征在于，所述处理单元包括第一计算子单元，用于根据数学模型，通过所述第一数据和对应的感应单元旧的校正系数，计算对应的感应单元新的校正系数，
k new = ( 1 - σ ) k old + σ y F ( Y )
bnew＝(1-σ)bold+σ[y-Avg(Y)]
其中，knew和bnew为感应单元新的校正系数，kold和bold为感应单元旧的校正系数，y为该感应单元输出的第一数据，Y为所有感应单元输出的第一数据组成的图像，F(Y)为对Y进行中值滤波后对应的感应单元的数据，Avg(Y)为对Y求平均值后对应的感应单元的数据，σ为学习因子，取值范围在[0,1]，xold为感应单元经旧的校正系数校正后得到的数据。
6.根据权利要求1-4任一项所述的指纹传感器，其特征在于，
所述感应单元还用于：获取所述指纹传感器在空载时输出的一帧数据，获取所述指纹传感器在手指按压所述感应面不同位置时输出的至少两帧数据；
所述处理单元包括：
选取子单元，用于从所述至少两帧数据中选取每个感应单元对应的最大值；
第二计算子单元，用于计算感应单元新的校正系数：knew＝对应的最大值-空载时输出的数据，bnew＝空载时输出的数据。
7.根据权利要求5或6所述的指纹传感器，其特征在于，所述校正单元具体用于：
计算其中，knew和bnew为感应单元新的校正系数，y′为感应单元输出的第二数据，xnew为感应单元经新的校正系数校正后得到的数据。
8.一种指纹传感器的校正方法，所述指纹传感器具有供手指接触的感应面，所述感应面包括多个感应单元，其特征在于，包括步骤：
S10：开始校正时，感应指纹信号，获取每个感应单元输出的第一数据；
S20：根据数学模型，通过所述第一数据计算对应的感应单元新的校正系数；
S30：根据所述新的校正系数，校正对应的感应单元输出的第二数据。
9.如权利要求8所述的校正方法，其特征在于，在所述步骤S20之后、步骤S30之前，还包括：
当所述指纹传感器中存储有旧的校正系数时，以新的校正系数替换旧的校正系数，或者将新的校正系数和旧的校正系数加权求和后替换旧的校正系数。
10.根据权利要求9所述的校正方法，其特征在于，在所述步骤S10之前，还包括：
判断是否满足校正条件，当满足校正条件时执行步骤S10，所述校正条件包括所述指纹传感器首次启用、到达预设的校正时间、接收到校正指令、经旧的校正系数校正的效果未达到指定要求。
11.根据权利要求10所述的校正方法，其特征在于，所述经旧的校正系数校正的效果，由所有感应单元输出数据经旧的校正系数校正后的均方根误差或者图像光滑度来评价，当所述均方根误差或者图像光滑度大于预设阈值时，为未达到指定要求。
12.根据权利要求8-11任一项所述的校正方法，其特征在于，所述步骤S20具体为：根据数学模型，通过所述第一数据和对应的感应单元旧的校正系数，计算对应的感应单元新的校正系数，
k new = ( 1 - σ ) k old + σ y F ( Y )
bnew＝(1-σ)bold+σ[y-Avg(Y)]
其中，knew和bnew为感应单元新的校正系数，kold和bold为感应单元旧的校正系数，y为该感应单元输出的第一数据，Y为所有感应单元输出的第一数据组成的图像，F(Y)为对Y进行中值滤波后对应的感应单元的数据，Avg(Y)为对Y求平均值后对应的感应单元的数据，σ为学习因子，取值范围在[0,1]，xold为感应单元经旧的校正系数校正后得到的数据。
13.根据权利要求8-11任一项所述的校正方法，其特征在于，
所述步骤S10具体为：
获取所述指纹传感器在空载时感应单元输出的一帧数据；
获取所述指纹传感器在手指按压所述感应面不同位置时感应单元输出的至少两帧数据；
所述步骤S20具体为：
从所述至少两帧数据中选取每个感应单元对应的最大值；
计算感应单元新的校正系数：knew＝对应的最大值-空载时输出的数据，bnew＝空载时输出的数据。
14.根据权利要求12或13所述的校正方法，其特征在于，所述步骤S30具体为：
根据公式校正所述第二数据，其中，knew和bnew为感应单元新的校正系数，y′为感应单元输出的第二数据，xnew为感应单元经新的校正系数校正后得到的数据。
CN201510016150.6A 2015-01-13 2015-01-13 指纹传感器及其校正方法 Active CN104700070B (zh)

Priority Applications (6)

Application Number Priority Date Filing Date Title
CN201710543677.3A CN107358188B (zh) 2015-01-13 2015-01-13 指纹传感器及其校正方法
CN201510016150.6A CN104700070B (zh) 2015-01-13 2015-01-13 指纹传感器及其校正方法
KR1020177007213A KR101875349B1 (ko) 2015-01-13 2015-11-12 지문 센서 및 그 보정 방법
PCT/CN2015/094441 WO2016112737A1 (zh) 2015-01-13 2015-11-12 指纹传感器及其校正方法
EP15877648.4A EP3182329B1 (en) 2015-01-13 2015-11-12 Fingerprint sensor and correction method thereof
US15/459,575 US10643048B2 (en) 2015-01-13 2017-03-15 Fingerprint sensor and correction method thereof

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510016150.6A CN104700070B (zh) 2015-01-13 2015-01-13 指纹传感器及其校正方法

Related Child Applications (1)

Application Number Title Priority Date Filing Date
CN201710543677.3A Division CN107358188B (zh) 2015-01-13 2015-01-13 指纹传感器及其校正方法

Publications (2)

Publication Number Publication Date
CN104700070A true CN104700070A (zh) 2015-06-10
CN104700070B CN104700070B (zh) 2017-09-12

Family

ID=53347169

Family Applications (2)

Application Number Title Priority Date Filing Date
CN201710543677.3A Active CN107358188B (zh) 2015-01-13 2015-01-13 指纹传感器及其校正方法
CN201510016150.6A Active CN104700070B (zh) 2015-01-13 2015-01-13 指纹传感器及其校正方法

Family Applications Before (1)

Application Number Title Priority Date Filing Date
CN201710543677.3A Active CN107358188B (zh) 2015-01-13 2015-01-13 指纹传感器及其校正方法

Country Status (5)

Country Link
US (1) US10643048B2 (zh)
EP (1) EP3182329B1 (zh)
KR (1) KR101875349B1 (zh)
CN (2) CN107358188B (zh)
WO (1) WO2016112737A1 (zh)

Cited By (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104992158A (zh) * 2015-07-13 2015-10-21 格科微电子（上海）有限公司 提高光学指纹识别性能的方法
CN105243370A (zh) * 2015-10-19 2016-01-13 广东欧珀移动通信有限公司 一种指纹识别方法、指纹识别装置和移动终端
CN105243382A (zh) * 2015-10-19 2016-01-13 广东欧珀移动通信有限公司 一种指纹传感器校准方法和装置
WO2016112737A1 (zh) * 2015-01-13 2016-07-21 深圳市汇顶科技股份有限公司 指纹传感器及其校正方法
WO2017067281A1 (zh) * 2015-10-19 2017-04-27 广东欧珀移动通信有限公司 一种指纹传感器的校准方法、装置及终端
WO2017067259A1 (zh) * 2015-10-19 2017-04-27 广东欧珀移动通信有限公司 一种指纹传感器的校准参数的获取方法、装置及移动终端
CN106815564A (zh) * 2016-12-28 2017-06-09 深圳天珑无线科技有限公司 一种指纹识别系统的校准方法、系统及一种电子设备
CN107454971A (zh) * 2017-07-17 2017-12-08 深圳市汇顶科技股份有限公司 光学感应校正参数的确定方法、生物特征检测装置和电子终端
CN107886083A (zh) * 2017-11-27 2018-04-06 北京小米移动软件有限公司 指纹模组校准的方法、装置和可读存储介质
EP3249346A4 (en) * 2015-12-18 2018-04-11 Shenzhen Goodix Technology Co., Ltd. Method and system for detecting fingerprint sensor protection layer thickness
CN108446663A (zh) * 2018-04-02 2018-08-24 北京小米移动软件有限公司 指纹模组设置方法及装置
CN109657528A (zh) * 2014-03-07 2019-04-19 神盾股份有限公司 指纹识别方法以及使用指纹识别方法的电子装置
TWI693553B (zh) * 2018-12-18 2020-05-11 廣州印芯半導體技術有限公司 指紋感測裝置以及指紋感測方法

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20190088679A (ko) * 2018-01-19 2019-07-29 삼성전자주식회사 지문 입력의 압력 레벨에 기반하여 지문 처리 방식을 결정하는 전자 장치 및 방법
KR20200076984A (ko) 2018-12-20 2020-06-30 주식회사 바이오로그디바이스 지문인식센서 자동 보정 시스템
KR20210037783A (ko) * 2019-09-27 2021-04-07 삼성디스플레이 주식회사 표시 장치 및 이를 이용한 지문 센싱 데이터의 보상 방법
KR20220005677A (ko) 2020-07-06 2022-01-14 삼성디스플레이 주식회사 광학 센서를 포함하는 표시 장치 및 광학 센서의 위치 측정 방법
CN113625895A (zh) * 2021-07-02 2021-11-09 北京极豪科技有限公司 电子设备、图案校正方法及遮挡装置
CN114237427B (zh) * 2022-02-22 2022-05-13 深圳市赛元微电子有限公司 一种高灵敏度触控压力检测方法及系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7529391B2 (en) * 2005-12-29 2009-05-05 Microsoft Corporation Signature verification
CN101819630A (zh) * 2010-04-09 2010-09-01 浙江理工大学 基于压感指纹采集和dsp算法的指纹识别系统和识别方法
CN103810479A (zh) * 2014-02-28 2014-05-21 成都费恩格尔微电子技术有限公司 指纹采集系统及指纹信息采集方法
CN103870817A (zh) * 2014-03-27 2014-06-18 成都费恩格尔微电子技术有限公司 一种射频式微电容指纹采集芯片及采集方法

Family Cites Families (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
AU2002328437A1 (en) * 2002-09-17 2004-04-08 Fujitsu Limited Biological information acquiring apparatus and authentication apparatus using biological information
US8032348B2 (en) * 2003-09-30 2011-10-04 Tokyo Electron Limited System and method for using first-principles simulation to facilitate a semiconductor manufacturing process
JP2005156347A (ja) * 2003-11-26 2005-06-16 Alps Electric Co Ltd 容量検出回路及びその検出方法並びにそれを用いた指紋センサ
US7504833B1 (en) * 2005-04-01 2009-03-17 Cypress Semiconductor Corporation Automatically balanced sensing device and method for multiple capacitive sensors
CN101089574A (zh) * 2006-06-14 2007-12-19 昆山双桥传感器测控技术有限公司 压力传感器误差修正方法
FR2919962B1 (fr) * 2007-08-10 2009-09-18 Commissariat Energie Atomique Procede de correction de sensibilite et capteur d'image matriciel pour la mise en oeuvre de ce procede
CN101231691A (zh) 2007-12-24 2008-07-30 浙江金指码科技有限公司 通过指纹数据数量调整的学习型智能指纹识别比对方法
CN101231692A (zh) 2007-12-24 2008-07-30 浙江金指码科技有限公司 通过指纹特征值调整的学习型智能指纹识别比对方法
CN100590644C (zh) * 2008-06-27 2010-02-17 哈尔滨工业大学 点线结合的指纹识别方法
EP2648158B1 (en) * 2010-12-03 2019-11-20 Fujitsu Limited Biometric authentication device and biometric authentication method
CN102254167B (zh) 2011-08-16 2013-06-19 杭州晟元芯片技术有限公司 一种降低指纹比对拒真率的方法
CN102708360A (zh) 2012-05-09 2012-10-03 深圳市亚略特生物识别科技有限公司 一种指纹模板生成及自动更新的方法
JP5971089B2 (ja) * 2012-11-14 2016-08-17 富士通株式会社 生体情報補正装置、生体情報補正方法及び生体情報補正用コンピュータプログラム
CN107358188B (zh) * 2015-01-13 2021-12-07 深圳市汇顶科技股份有限公司 指纹传感器及其校正方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7529391B2 (en) * 2005-12-29 2009-05-05 Microsoft Corporation Signature verification
CN101819630A (zh) * 2010-04-09 2010-09-01 浙江理工大学 基于压感指纹采集和dsp算法的指纹识别系统和识别方法
CN103810479A (zh) * 2014-02-28 2014-05-21 成都费恩格尔微电子技术有限公司 指纹采集系统及指纹信息采集方法
CN103870817A (zh) * 2014-03-27 2014-06-18 成都费恩格尔微电子技术有限公司 一种射频式微电容指纹采集芯片及采集方法

Cited By (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109657528A (zh) * 2014-03-07 2019-04-19 神盾股份有限公司 指纹识别方法以及使用指纹识别方法的电子装置
CN109657528B (zh) * 2014-03-07 2022-09-13 神盾股份有限公司 指纹识别方法以及使用指纹识别方法的电子装置
WO2016112737A1 (zh) * 2015-01-13 2016-07-21 深圳市汇顶科技股份有限公司 指纹传感器及其校正方法
US10643048B2 (en) 2015-01-13 2020-05-05 Shenzhen GOODIX Technology Co., Ltd. Fingerprint sensor and correction method thereof
CN104992158B (zh) * 2015-07-13 2020-11-13 格科微电子（上海）有限公司 提高光学指纹识别性能的方法
CN104992158A (zh) * 2015-07-13 2015-10-21 格科微电子（上海）有限公司 提高光学指纹识别性能的方法
WO2017067271A1 (zh) * 2015-10-19 2017-04-27 广东欧珀移动通信有限公司 一种指纹识别方法、指纹识别装置和移动终端
WO2017067259A1 (zh) * 2015-10-19 2017-04-27 广东欧珀移动通信有限公司 一种指纹传感器的校准参数的获取方法、装置及移动终端
WO2017067281A1 (zh) * 2015-10-19 2017-04-27 广东欧珀移动通信有限公司 一种指纹传感器的校准方法、装置及终端
CN105243382A (zh) * 2015-10-19 2016-01-13 广东欧珀移动通信有限公司 一种指纹传感器校准方法和装置
CN105243370A (zh) * 2015-10-19 2016-01-13 广东欧珀移动通信有限公司 一种指纹识别方法、指纹识别装置和移动终端
EP3249346A4 (en) * 2015-12-18 2018-04-11 Shenzhen Goodix Technology Co., Ltd. Method and system for detecting fingerprint sensor protection layer thickness
CN106815564A (zh) * 2016-12-28 2017-06-09 深圳天珑无线科技有限公司 一种指纹识别系统的校准方法、系统及一种电子设备
CN107454971A (zh) * 2017-07-17 2017-12-08 深圳市汇顶科技股份有限公司 光学感应校正参数的确定方法、生物特征检测装置和电子终端
US10289886B2 (en) 2017-07-17 2019-05-14 Shenzhen GOODIX Technology Co., Ltd. Method for determining optical sensing correction parameters, biological feature detection apparatus and electronic terminal
CN107886083A (zh) * 2017-11-27 2018-04-06 北京小米移动软件有限公司 指纹模组校准的方法、装置和可读存储介质
CN108446663A (zh) * 2018-04-02 2018-08-24 北京小米移动软件有限公司 指纹模组设置方法及装置
TWI693553B (zh) * 2018-12-18 2020-05-11 廣州印芯半導體技術有限公司 指紋感測裝置以及指紋感測方法

Also Published As

Publication number Publication date
US20170185819A1 (en) 2017-06-29
WO2016112737A1 (zh) 2016-07-21
KR101875349B1 (ko) 2018-07-05
EP3182329A4 (en) 2017-11-22
CN107358188B (zh) 2021-12-07
CN104700070B (zh) 2017-09-12
US10643048B2 (en) 2020-05-05
EP3182329B1 (en) 2020-03-04
EP3182329A1 (en) 2017-06-21
CN107358188A (zh) 2017-11-17
KR20170044683A (ko) 2017-04-25

Similar Documents

Publication Publication Date Title
CN104700070A (zh) 指纹传感器及其校正方法
CN101201713B (zh) 坐标输入装置
US9104264B2 (en) Information processing apparatus and control method of information processing apparatus
CN105630235B (zh) 压力感测方法及其系统
KR20180093917A (ko) 지문이미지를 형성하기 위한 방법 및 지문감지 시스템
CN108885144A (zh) 一种压力检测方法、装置及设备
WO2012026083A1 (ja) 携帯端末
TW201023011A (en) Detecting method for photo sensor touch panel and touch control electronic apparatus using the same
CN106227434A (zh) 一种基于指纹的控制方法、装置和终端
CN106201290A (zh) 一种基于指纹的控制方法、装置和终端
CN110796250A (zh) 应用于卷积神经网络的卷积处理方法、系统及相关组件
CN107704128A (zh) 数据处理方法和装置、存储介质及处理器
CN115393442A (zh) 一种三维相机的标定方法、装置及标定系统
CN114368149A (zh) 打印喷嘴的使用时长检测方法、装置、打印机和存储介质
CN108762485B (zh) 按键字体调整方法、装置、移动终端及存储介质
CN114022505A (zh) 一种彩色图像边缘检测方法
CN107734119A (zh) 一种调节屏幕亮度的方法、存储介质及终端
CN114089860A (zh) 电子设备的压感控制方法、装置、电子设备及介质
CN114463326B (zh) 一种手机中框视觉检测算法、装置、设备及存储介质
CN109559707A (zh) 显示面板的伽马值处理方法、装置及显示设备
CN112991211B (zh) 一种工业相机暗角校正方法
CN115525164A (zh) 压力传感器校准方法、设备、电容笔和可读存储介质
CN105159484A (zh) 校正触控面板边缘的坐标值的方法与触控装置
CN103220460B (zh) 影像处理方法及其装置
CN111782079A (zh) 一种启动方法、装置、电子设备以及存储介质

Legal Events

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