CN105426848B - 一种提高生物识别成功率的成像方法 - Google Patents

一种提高生物识别成功率的成像方法 Download PDF

Info

Publication number
CN105426848B
CN105426848B CN201510809786.6A CN201510809786A CN105426848B CN 105426848 B CN105426848 B CN 105426848B CN 201510809786 A CN201510809786 A CN 201510809786A CN 105426848 B CN105426848 B CN 105426848B
Authority
CN
China
Prior art keywords
imaging
optical
biological
image sensor
wavelength
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.)
Active
Application number
CN201510809786.6A
Other languages
English (en)
Other versions
CN105426848A (zh
Inventor
陈平
倪蔚民
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.)
SUZHOU SIYUAN KEAN INFORMATION TECHNOLOGY Co.,Ltd.
Original Assignee
Suzhou Siyuan Kean Information 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 Suzhou Siyuan Kean Information Technology Co ltd filed Critical Suzhou Siyuan Kean Information Technology Co ltd
Priority to CN201510809786.6A priority Critical patent/CN105426848B/zh
Publication of CN105426848A publication Critical patent/CN105426848A/zh
Application granted granted Critical
Publication of CN105426848B publication Critical patent/CN105426848B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • 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
    • G06V40/18—Eye characteristics, e.g. of the iris
    • G06V40/197—Matching; Classification
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/50—Constructional details
    • H04N23/54—Mounting of pick-up tubes, electronic image sensors, deviation or focusing coils
    • 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
    • G06V40/40—Spoof detection, e.g. liveness detection
    • G06V40/45—Detection of the body part being alive
    • 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
    • G06V40/70—Multimodal biometrics, e.g. combining information from different biometric modalities
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/10—Cameras or camera modules comprising electronic image sensors; Control thereof for generating image signals from different wavelengths
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/50—Constructional details
    • H04N23/55—Optical parts specially adapted for electronic image sensors; Mounting thereof
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/56—Cameras or camera modules comprising electronic image sensors; Control thereof provided with illuminating means
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/60—Control of cameras or camera modules
    • H04N23/67—Focus control based on electronic image sensor signals
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/70—Circuitry for compensating brightness variation in the scene
    • H04N23/74—Circuitry for compensating brightness variation in the scene by influencing the scene brightness using illuminating means
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N5/00—Details of television systems
    • H04N5/30—Transforming light or analogous information into electric information
    • 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
    • G06V40/14—Vascular patterns

Abstract

本发明提供了一种提高生物识别成功率的成像方法，其特征是包括以下步骤：Ⅰ、注册时采集至少两个或以上的LED照明光源在不同辐射条件下时产生的红外光成像波长生物图像；Ⅱ、使用生物图像计算获得至少两个或以上的生物特征模板，进行特征模板间交叉比对成功后，保存为注册的生物特征模板；Ⅲ、识别时采集一个或以上的LED照明光源在不同辐射条件下产生的红外光成像波长生物图像；Ⅳ、使用一个或多个生物图像计算产生的特征模板与注册的生物特征模板间进行交叉比对并获得识别结果。

Description

一种提高生物识别成功率的成像方法
技术领域
本发明涉及生物识别光电领域，尤其是一种用于高安全性的移动终端可见光和生物识别组合光电成像系统及方法。
背景技术
移动终端包括智能手机、平板、可穿戴设备等，现在的信息技术移动化发展趋势来看，移动终端设备必然是未来适用最广泛的设备。
目前，现实应用中的移动终端在移动安全支付、账户安全登陆、网上银行方面运用已经极其的广泛了，如余额宝、微信、银行账户管理等方面的运用，虽然在其使用过程中，为生活带来了极大的便利，但是一种新型的通过移动终端安全性能薄弱等特点进行的经济犯罪逐渐的兴起。
而移动终端中，现有技术进行身份确认的惯用手段就是密码输入，但是这种身份确认的手段安全性能十分的低，只需要在移动终端上植入简单的病毒程序，就能将该密码泄露，造成相应的损失。为了解决这个问题，国际上还是用生物识别的方式进行移动终端安全身份认证；如苹果公司提出的基于AuthenTec公司开发的指纹识别技术，该技术运用在手机终端上，极大的提高了移动终端的身份确认安全性；但是，指纹技术识别的过程中，由于指纹是静态的，虽然具有唯一性，但是也极其容易被获取指纹信息，甚至被仿制等，所以随着指纹技术在移动终端上的运用越来越广泛，其安全性也会相应的呈下降趋势，所以在安全性方面更加具有优势的生物识别是解决移动终端安全身份认证过程中非常有效的方法，而生物识别系统是现有的生物识别中精确度最高的。
目前在所有移动终端中生物识别系统技术和产品中，没有实现用于自拍功能的可见光光电成像系统和虹膜静脉生物识别光电成像系统组合。但如果自拍功能的可见光光电成像系统和虹膜静脉生物识别光电成像系统组合分开独立实现，其成本大大增加，更主要的移动终端的体积无法提供容纳3套及以上分开独立光学成像系统的安装空间。
另外尽管虹膜静脉在防伪造物安全性方面生物识别与指纹识别相比更加具有优势，但如果大规模应用于如手机移动大额支付等重要场合，仍然需要更进一步升级防伪造物活体检测的安全性技术，消除安全隐患的威胁。毕竟生物识别本身目的就是为安全，其本身的安全性是最基本和最重要的。
以及如何在移动终端应用中获取高质量的图像光电成像方法和提高生物识别成功率的成像方法。
需要指出采用RGB-IR独立通道光电成像系统，可以实现可见光和生物识别组合成像，但目前其鉴于生产成本和工艺，独立通道间的相互波长背景隔离度或截止深度还未能满足实际需求。
更进一步的，高安全性的移动终端可见光和生物识别组合光电成像系统及方法需要解决以下严重的问题：
1、移动终端应用中可见光和生物识别组合光电成像系统，满足自拍功能的可见光光电成像系统和虹膜静脉生物识别光电成像系统组合，其体积控制在8.5mm*8.5mm*6mm内，低功耗。
2、移动终端应用中可见光和生物识别组合光电成像系统，需要一整套高安全性的防伪造物活体检测方法，保证生物识别本身的安全性。
3.移动终端应用中可见光和生物识别组合光电成像系统，需要获取高质量的图像光电成像方法。
4、移动终端应用中可见光和生物识别组合光电成像系统，需要一套提高生物识别成功率的成像方法。
5、移动终端应用中可见光和生物识别组合光电成像系统，需要极大降低成本，成本降低至10美金以内才能大规模得到应用。
解决以上问题是目前面临的最大挑战。
发明内容
本发明要解决的技术问题提供一种用于高安全性的移动终端可见光和生物识别组合光电成像系统。
特别的说明，本发明说述的生物识别指定为虹膜和静脉。
为了解决上述技术问题，本发明提供一种移动终端可见光和生物识别组合光电成像系统，包括可见光光电成像和生物识别光电成像系统；所述可见光光电成像和生物识别光电成像均由处理器芯片、LED照明光源、光学滤波器、光学成像透镜、图像传感器组成；所述图像传感器的成像阵列被配置为单元像素具有接收可见光-红外光宽带分布的成像波长光谱；所述LED照明光源被配置为通过LED电流驱动器控制的辐射可见光-红外光成像波长的LED照明光源，且该LED照明光源具有与图像传感器的可见光-红外光宽带成像波长分布相互匹配的辐射波长范围；
所述光学滤波器被配置为通过光学滤波器控制驱动器控制的可见光-红外光可变波长光学滤波器；所述可见光-红外光可变波长光学滤波器被配置为具有与图像传感器可见光-红外光宽带成像波长分布相互匹配的过滤波长范围；所述光学成像透镜被配置为通过光学成像透镜聚焦驱动器控制的自动聚焦光学成像透镜；所述自动聚焦光学成像透镜被配置为具有与图像传感器的可见光-红外光宽带成像波长分布相互匹配的聚焦波长范围；所述可见光-红外光可变波长光学滤波器，自动聚焦光学成像透镜，图像传感器的光学中心被配置为成像系统光学轴的同轴光路位置；所述的LED照明光源的光学中心被配置为成像系统光学轴的离轴光路位置。
作为对本发明所述的一种移动终端可见光和生物识别组合光电成像系统的改进：通过所述LED照明光源辐射可见光成像波长，可见光-红外光可变波长光学滤波器切换为过滤红外光成像波长，自动聚焦光学成像透镜物理折射聚焦可见光成像波长以及图像传感器的成像阵列接收可见光波长构成可见光光电成像的光学通路；通过所述LED照明光源辐射红外光成像波长，可见光-红外光可变波长光学滤波器切换为过滤可见光成像波长，自动聚焦光学成像透镜物理折射聚焦红外光成像波长以及图像传感器的成像阵列接收红外光波长构成生物识别光电成像的光学通路；所述可见光光电成像采用可见光成像波长为400-650nm，聚焦工作物距WD至少在30-100cm的范围内；所述生物识别光电成像采用红外光成像波长为750-950nm，聚焦工作物距WD至少在30-100cm的范围内；所述同轴光路位置为可见光-红外光可变波长光学滤波器，自动聚焦光学成像透镜，图像传感器的光学中心线与成像系统光学轴间夹角具有0度角度；所述离轴光路位置为照明光源的辐射光学中心线与成像系统光学轴间夹角具有5-30度角度。
作为对本发明所述的一种移动终端可见光和生物识别组合光电成像系统的进一步改进：所述的生物识别光电成像具有以下光学成像要求：生物识别光电成像的成像波长WI满足：750nm≤WI≤950nm；生物识别光电成像的聚焦工作物距WD满足：10cm≤WD≤30cm；生物识别光电成像的像素空间分辨率PSR满足：PSR≥10pixel/mm；生物识别光电成像的光学放大倍率OM满足：OM＝PS*PSR；其中，所述PS为图像传感器每个成像像素单元的物理尺度；PSR为生物识别光电成像的像素空间分辨率；所述生物识别光电成像的光学空间分辨率OSRI在像方平面满足：在调制传递函数等于60％时，1/(4*PS)≤OSRI≤1/(2*PS)；所述可见光光电成像具有以下光学成像要求：可见光光电成像的成像波长WI满足：400nm≤WI≤650nm；可见光光电成像的聚焦工作物距WD满足：30cm≤WD≤100cm；可见光光电成像的像素空间分辨率PSR应该满足：PSR≤3pixel/mm；可见光光电成像的光学放大倍率OM，应该满足：OM＝PS*PSR；其中，以上所述PS为图像传感器每个成像像素单元的物理尺度；PSR为可见光光电成像的像素空间分辨率；
所述可见光光电成像的光学空间分辨率OSRI在像方平面满足：在调制传递函数等于60％时，1/(4*PS)≤OSRI≤1/(2*PS)。
优选地，所述图像传感器、LED电流驱动器、自动聚焦光学成像透镜聚焦驱动器以及光学滤波器控制驱动器均由处理器芯片控制；
所述处理器芯片被配置为用于连接图像传感器，控制图像传感器成像阵列输出的图像像素值数据；连接LED电流驱动器驱动控制LED照明光源辐射强度、辐射角度和位置、辐射时间；连接自动聚焦光学成像透镜聚焦驱动器实现驱动自动聚焦光学成像透镜物理聚焦；以及连接光学滤波器控制驱动器实现驱动可见光-红外光可变波长光学滤波器波长范围改变。
作为对本发明所述的一种移动终端可见光和生物识别组合光电成像系统的进一步改进：所述图像传感器的成像阵列中接收可见光-红外光波长的成像像素单元的物理尺度PS满足如下条件：1um/pixel≤PS≤3um/pixel；所述图像传感器成像阵列接收的波长像素单元具有光电转换的数值Y，其数值Y为：
Y＝Q*GAIN*EXP*ADCG*E*PSU EQ1
其中：所述EXP为图像传感器成像阵列的积分时间或曝光时间；EXP同步等于LED照明光源辐射时间；EXP≤33.3ms；GAIN为图像传感器成像阵列的数字和模拟增益；最大值GAIN满足图像传感器的信噪比SNR，SNR≥36db分贝；ADCG为图像传感器成像阵列的ADC电压模拟-数值转换量化分辨率；E为图像传感器成像阵列接收的辐射率或辐射照度；
E＝C*β*I/WD2*cos2ψ*(1/FNO)2
其中：I为LED照明光源106辐射强度；I的最小值满足I≥100mw/sr；ψ为LED照明光源的辐射角度，即LED照明光源的辐射光学中心线与成像系统光轴间的离轴夹角；ψ满足：5度≤ψ≤30度；WD为光学成像系统的聚焦工作物距；FNO为自动聚焦光学成像透镜的数值光圈，即相对孔距倒数；FNO满足：0.5*PS/(1.22*λ)≤FNO≤2.0*PS/(1.22*λ)；
λ为成像波长；β为成像物体的生物组织光学效应反射率；C为光学成像系统的光学系数；
C＝1/16*cos4ω/(1+OM)2；
其中：ω为入射光的物方视场角；ω满足：0≤ω≤FOV/2，FOV为光电成像系统的全视场角；OM为光电成像系统的光学放大倍率；PSU为图像传感器成像阵列的成像像素单元的物理尺度面积单位比；
PSU＝(PS*PS)/cm2；
Q为光电成像系统光电转换常数；所述图像传感器成像阵列接收像素单元光电转换的数字值Y被作为成像图像原始RAW像素数据I{Y}输出；所述图像传感器的成像阵列被配置为全局帧成像模式或滚动行成像模式；所述图像传感器被配置为RAW RGB像素输出格式，使用RGB通道补偿增益或RGB通道平衡增益；
Figure BDA0000852718340000041
Figure BDA0000852718340000042
Figure BDA0000852718340000043
以G通道补偿或平衡增益为规范化标准，G_GC＝1.0；R通道补偿或平衡增益R_GC＝G/R；B通道补偿或平衡增益B_GC＝G/B；所述[λl，λh]为成像波长范围；所述g(λ),r(λ),b(λ)分别为图像传感器的RGB光谱的光电量子转换效率敏感度波长分布函数，f(λ)为可见光-红外光可变波长光学滤波器的透射率波长分布函数，S(λ)为LED照明光源的辐射率波长分布函数；L(λ)为自动聚焦光学成像透镜的透射率波长分布函数；所述等价采用以R通道补偿增益或B通道补偿增益为归一标准；所述图像传感器的图像分辨率ROI被配置为：ROI≥2560pixels*1280pixels；所述图像传感器具有主光线入射角CRA(Chief Ray Angle)≥25度。
作为对本发明所述的一种移动终端可见光和生物识别组合光电成像系统的进一步改进：所述LED照明光源具有：独立或混合辐射的可见光和红外光成像波长；半峰值辐射视场角Ω；所述半峰值辐射视场角Ω满足：
Ω≥FOV；
所述FOV为成像系统的全视场角；
FOV≥2*arctan((DI*PS)/(2*EFL))；
其中：EFL为自动聚焦光学成像透镜的等效焦距；DI为图像传感器成像阵列的像面对角线像素单元的数量；PS为图像传感器成像阵列的像素单元的物理尺度；用于优化光电成像系统的成像视场和成像质量效果的一个或多个不同辐射角度和位置；用于联合优化光电成像系统的成像质量效果的与图像传感器成像同步的连续或脉冲辐射时间和辐射强度；所述LED照明光源采用SMD表面贴片封装。
作为对本发明所述的一种移动终端可见光和生物识别组合光电成像系统的进一步改进：所述可见光-红外光可变波长光学滤波器具有：当改变为可见光成像波长时：
可见光成像波长范围内的光截止率Fi≤10.0％，可见光成像波长范围外的光截止率Fo≥99.0％，
或等价的
可见光成像波长范围内的光透射率Ti≥90.0％，可见光成像波长范围外的光透射率To≤1.0％；
当改变为红外光成像波长时：
红外光成像波长范围内的光截止率Fi≤10.0％，红外光成像波长范围外的光截止率Fo≥99.0％，
或等价的
红外光成像波长范围内的光透射率Ti≥90.0％，红外光成像波长范围外的光透射率To≤1.0％。
作为对本发明所述的一种移动终端可见光和生物识别组合光电成像系统的进一步改进：所述自动聚焦光学成像透镜被配置为固定焦距，采用液体驱动透镜、液晶驱动透镜、VCM音圈驱动透镜、MEMS驱动透镜、EDOF波前相位调制透镜或者晶圆级阵列微透镜中任意一种；
且其具有：
表面最大反射率Rmax≤1.0％，表面平均反射率Ravg≤0.3％，
或等价的
表面最小透射率Tmin≥99.0％，表面平均透射率Tavg≥99.7％；
所述自动聚焦光学成像透镜具有：焦距EFL，数值光圈FNO满足:
2mm≤EFL≤5mm，1.4≤FNO≤2.8；
所述自动聚焦光学成像透镜的光学畸变DOL绝对值被配置为：DOL绝对值≤1％；
所述自动聚焦光学成像透镜的相对照明率IOR被配置为：IOR≥50％；
所述IOR＝光学成像透镜的边缘视场亮度/光学成像透镜的中心视场亮度；
所述自动聚焦光学成像透镜和图像传感器被配置为相互匹配主光线入射角CRA。
一种用于可见光光电成像的成像方法，包括以下步骤：①处理器芯片进行对光学滤波器控制驱动器，LED电流驱动器，图像传感器，自动聚焦光学成像透镜聚焦驱动器初始化工作状态配置；②处理器芯片控制光学滤波器控制驱动器，LED电流驱动器，图像传感器，自动聚焦光学成像透镜聚焦驱动器进入低功耗待机或关机模式；处理器芯片判断是否需要获取可见光成像图像，是转步骤④，否继续步骤③；④处理器芯片通过光学滤波器控制驱动器改变可见光-红外光可变波长光学滤波器为可见光成像波长；处理器芯片控制LED电流驱动器驱动LED照明光源产生可见光成像波长连续或同步脉冲模式的辐射；处理器芯片控制图像传感器的成像阵列接收全局帧成像模式或滚动行成像模式输出的原始图像RAW RGB像素数据I{Y}；⑤处理器芯片根据成像原始图像RAW像素数据I{Y}和像素单元光电转换关系，驱动图像传感器和LED电流驱动器及自动聚焦光学成像透镜聚焦驱动器，实现反馈控制；⑥处理器芯片分别对原始图像RAW像素数据I{Y}插值重建和图像处理；⑦处理器芯片输出内插重建和图像处理后的图像I{r,g,b}；⑧返回步骤②循环。
一种用于生物识别光电成像的成像方法，其特征是，包括以下步骤：1.处理器芯片进行对光学滤波器控制驱动器，LED电流驱动器，图像传感器，自动聚焦光学成像透镜聚焦驱动器初始化工作状态配置；2.处理器芯片控制光学滤波器控制驱动器，LED电流驱动器，图像传感器，自动聚焦光学成像透镜聚焦驱动器进入低功耗待机或关机模式；3.处理器芯片判断是否需要获取生物成像图像，是转步骤⑷，否继续步骤⑶；4.处理器芯片通过光学滤波器控制驱动器改变可见光-红外光可变波长光学滤波器为红外光成像波长；5.处理器芯片控制LED电流驱动器驱动LED照明光源产生红外光成像波长连续或同步脉冲模式的辐射；6.处理器芯片控制图像传感器的成像阵列接收全局帧成像模式或滚动行成像模式输出的原始图像RAW RGB像素数据I{Y}；7.处理器芯片根据成像原始图像RAW像素数据I{Y}和像素单元光电转换关系，驱动图像传感器和LED电流驱动器及自动聚焦光学成像透镜聚焦驱动器，实现反馈控制；8.处理器芯片输出图像I{Y}；9.返回步骤⑵循环。
作为对本发明所述一种用于生物识别光电成像的成像方法的改进，所述图像传感器初始化工作状态配置为RAW RGB像素输出格式，RGB通道补偿增益或RGB通道平衡增益处理可通过初始化工作状态配置设置图像传感器的相应的RGB通道数字和/或模拟增益简化实现；所述反馈控制包括如下的步骤：首先、处理器芯片可以根据图像传感器输出的成像原始图像RAW像素数据I{Y}和对应的公式EQ1，反馈控制图像传感器的复位积分时间，数字和/或模拟增益设置，反馈控制LED电流驱动器驱动LED照明光源的辐射强度，和辐射时间，用于控制图像亮度，信噪比和运动模糊程度提高成像质量；其次、处理器芯片可以根据图像传感器输出的成像原始图像RAW像素数据I{Y}计算图像中镜面全反射干扰程度和相对照明亮度均衡程度，反馈控制LED电流驱动器驱动LED照明光源用于控制辐射角度和位置以提高成像质量；最后、处理器芯片可以根据计算成像图像原始RAW像素数据I{Y}的焦点质量值反馈控制自动聚焦光学成像透镜聚焦驱动器驱动自动聚焦光学成像透镜实现生物识别光电成像聚焦工作物距WD至少在10cm-30cm的范围内。
一种驱动自动聚焦方法，包括以下步骤：1.根据预定的聚焦工作物距范围，定义待搜索的局部感兴趣区域和搜索参数；2.处理器芯片控制自动聚焦光学成像透镜聚焦驱动器按照步骤1中定义待搜索的局部感兴趣区域和搜索参数，驱动自动聚焦光学成像透镜执行在单调方向上连续性焦点位置搜索；3.处理器芯片控制图像传感器获取步骤2中在单调方向上连续性焦点位置搜索输出的成像原始图像RAW RGB像素数据；4.处理器芯片实时计算焦点位置搜索图像的焦点质量；5.处理器判断最佳焦点质量对应的图像为最佳聚焦图像。
一种生物识别防伪造物活体检测方法：采用通过可见光-红外光成像波长辐射产生的生物组织光谱学活性特性实时检测方法。
作为对本发明所述一种生物识别防伪造物活体检测方法的改进，所述的可见光-红外光成像波长辐射产生的生物组织光谱学活性特性实时检测方法，包括以下步骤：1)处理器芯片通过光学滤波器控制驱动器改变可见光-红外光可变波长光学滤波器为可见光成像波长；处理器芯片驱动控制LED电流驱动器驱动LED照明光源产生可见光成像波长辐射；处理器芯片获取图像传感器成像阵列的可见光成像波长图像Ivs；2)处理器芯片通过光学滤波器控制驱动器改变可见光-红外光可变波长光学滤波器为红外光成像波长；处理器芯片驱动控制LED电流驱动器驱动LED照明光源产生红外光成像波长辐射；处理器芯片获取图像传感器成像阵列的红外光成像波长图像Iir；3)处理器芯片计算步骤a、b中可见光成像波长图像Ivs和红外光成像波长图像Iir的对比度C数据，分别为Ivs_C，和Iir_C；其中：
C为虹膜区域与虹膜外区域间的对比度；
或
C为静脉区域与静脉外区域间的对比度；
C＝S(Yiris)/S(Youtiris)；
或
C＝S(Youtvein)/S(Yvein)；
Yiris表示虹膜区域像素；Youtiris表示虹膜外区域像素；Yvein表示静脉区域像素；
Youtvein表示静脉外区域像素；所述的函数S为相应区域像素统计评估函数，所述像素统计评估函数采用的方法包括：直方图统计，频率统计，平均值统计，加权平均值统计，中值统计，能量值统计，方差统计，梯度统计或空间-频率域滤波器；4)处理器芯片分别实时计算可见光成像波长辐射和红外光成像波长辐射的图像对比度Ivs_C和Iir_C活性变化率Δρ；
其中：
Δρ＝Iir_C/Ivs_C*100％；
5)根据可见光-红外光成像波长辐射生物组织光谱学活性特性预设值，和步骤4中数据值Δρ的活性对比度相应变化率，判断条件Δρ〉300％实现实时检测生物活体状态；所述的上述步骤1和2顺序具有等价性，可以对换。
一种提高生物识别成功率的成像方法：包括以下步骤：Ⅰ、注册时采集至少两个或以上的LED照明光源在不同辐射角度和位置时产生的红外光成像波长生物图像Iir{Pψenroll}；Ⅱ、使用生物图像Iir{Pψenroll}计算获得至少两个或以上的生物特征模板Template{Pψenroll}，进行特征模板间交叉比对成功后，保存为注册的生物特征模板；Ⅲ、识别时采集一个或以上的LED照明光源在不同辐射角度和位置时产生的红外光成像波长生物图像Iir{Pψrecogn}；Ⅳ、使用一个或多个生物图像Iir{Pψrecogn}计算产生的特征模板Template{Pψrecogn}与注册的生物特征模板Template{Pψenroll}间进行交叉比对并获得识别结果。
一种提高生物识别成功率的成像方法，其特征是：包括以下步骤：ⅰ、注册时采集至少两种或以上的LED照明光源在不同辐射强度时产生的红外光成像波长生物图像Iir{Renroll}；ⅱ、使用生物图像Iir{Renroll}计算获得至少两个或以上的生物特征模板Template{Renroll}，进行特征模板间交叉比对成功后，保存为注册的生物特征模板；ⅲ、识别时采集一个或以上的LED照明光源在不同辐射强度时产生的红外光成像波长生物图像Iir{Rrecogn}；ⅳ、使用一个或多个生物图像Iir{Rrecogn}计算产生的特征模板Template{Rrecogn}与注册的生物特征模板Template{Renroll}间进行交叉比对并获得识别结果。
一种提高生物识别成功率的成像方法：包括以下步骤：a注册时采集至少两种或以上的LED照明光源在不同辐射波长范围时产生的红外光成像波长生物图像Iir{Wenroll}；b使用生物图像Iir{Wenroll}计算获得至少两个或以上的生物特征模板Template{Wenroll}，进行特征模板间交叉比对成功后，保存为注册的生物特征模板；c识别时采集一个或以上的LED照明光源在不同辐射波长范围时产生的红外光成像波长生物图像Iir{Wrecogn}；d使用一个或多个生物图像Iir{Wrecogn}计算产生的特征模板Template{Wrecogn}与注册的生物特征模板Template{Wenroll}间进行交叉比对并获得识别结果。
总结上述描述，通过本发明实现了高安全性的移动终端可见光和生物识别组合光电成像系统以及其方法：
1、移动终端应用中可见光和生物识别组合光电成像系统，实现满足自拍功能的可见光光电成像和多种虹膜静脉生物识别光电成像组合，其体积控制在8.5mm*8.5mm*6mm内，低功耗。
2、移动终端应用中可见光和生物识别组合光电成像系统，实现一整套高安全性的防伪造物活体检测方法，保证生物识别本身的安全性。
3.移动终端应用中可见光和生物识别组合光电成像系统，实现获取高质量的图像光电成像方法。
4、移动终端应用中可见光和生物识别组合光电成像系统，实现一套提高生物识别成功率的成像方法。
5、移动终端应用中可见光和生物识别组合光电成像系统，实现极大降低成本，成本降低至10美金以内能大规模得到应用。
附图说明
下面结合附图对本发明的具体实施方式作进一步详细说明。
图1为本发明的可见光和生物识别组合光电成像系统的总体结构图；
具体实施方式
实施例1、给出一种移动终端可见光和生物识别组合光电成像系统及方法。该方法包括有可见光光电成像的成像方法、生物识别光电成像的成像方法、生物防伪造物活体检测方法、提高生物识别成功率的成像方法。
如图1所示，该组合光电成像系统沿着成像系统光轴100从上至下依次设置可见光-红外光可变波长光学滤波器(101或104)(用于过滤可见光或红外光成像波长，位于自动聚焦光学成像透镜102前或后)、自动聚焦光学成像透镜102(用于物理折射聚焦成像波长)、自动聚焦光学成像透镜的固定安装座103(用于固定安装自动聚焦光学成像透镜)、图像传感器105(用于光电转换输出成像图像)、照明光源106(包括可见光和红外光-LED照明光源，用于对可见光光电成像产生可见光成像波长辐射和用于对生物识别光电成像产生红外光成像波长辐射)以及成像系统固定安装基板107(用于提供可见光和生物识别光电成像固定安装载体)，成像系统固定安装基板107连接移动终端主板110(用于实现移动终端功能电路载体)，在移动终端主板110上集成LED电流驱动器108(用于驱动控制LED照明光源106辐射强度，辐射角度和位置，和辐射时间)，自动聚焦光学成像透镜聚焦驱动器111(用于驱动自动聚焦光学成像透镜102自动聚焦)，光学滤波器控制驱动器112(用于驱动可见光-红外光可变波长光学滤波器改变波长范围)，和处理器芯片109(用于驱动控制LED电流驱动器108，自动聚焦光学成像透镜聚焦驱动器111，光学滤波器控制驱动器112和图像传感器105)。
本发明具体实施例1中可见光和生物识别组合光电成像系统包括用于可见光光电成像的光学通路和生物识别光电成像的光学通路。
可见光光电成像的光学通路包括如下：
LED照明光源106辐射可见光成像波长，可见光-红外光可变波长光学滤波器(101或104)切换为过滤红外光成像波长，自动聚焦光学成像透镜102物理折射聚焦可见光成像波长，图像传感器105的成像阵列接收可见光波长。
生物识别光电成像的光学通路包括如下：
LED照明光源106辐射红外光成像波长，可见光-红外光可变波长光学滤波器(101或104)切换为过滤可见光成像波长，自动聚焦光学成像透镜102物理折射聚焦红外光成像波长，图像传感器105的成像阵列接收红外光波长。
本发明的具体实施例1中，图像传感器105的成像阵列被配置为单元像素具有接收可见光-红外光宽带分布的成像波长光谱；LED照明光源106(可见光和红外光LED照明光源)被配置为具有与图像传感器105的可见光-红外光宽带成像波长分布相互匹配的辐射波长范围；可见光-红外光可变波长光学滤波器(101或104)被配置为具有与图像传感器105可见光-红外光宽带成像波长分布相互匹配的过滤波长范围；自动聚焦光学成像透镜102被配置为具有与图像传感器105的可见光-红外光宽带成像波长分布相互匹配的聚焦波长范围。
可见光-红外光可变波长光学滤波器(101或104)，自动聚焦光学成像透镜102，图像传感器105的光学中心被配置为成像系统光学轴100的同轴(on-axis)光路位置。同轴(on-axis)光路位置为可见光-红外光可变波长光学滤波器(101或104)、自动聚焦光学成像透镜102和图像传感器105的光学中心线与成像系统光学轴100间夹角具有0度角度。
LED照明光源106的光学中心被配置为成像系统光学轴100的离轴(off-axis)光路位置。离轴(off-axis)光路位置为照明光源106的辐射光学中心线与成像系统光学轴100间夹角具有5-30度角度。
[处理器芯片109具有如下的功能：
用于连接图像传感器105，控制图像传感器105成像阵列输出的图像像素值数据；
连接LED电流驱动器108驱动控制LED照明光源106的辐射强度、辐射角度和位置、辐射时间；
连接自动聚焦光学成像透镜聚焦驱动器111实现驱动自动聚焦光学成像透镜102物理聚焦；
连接光学滤波器控制驱动器112实现驱动可见光-红外光可变波长光学滤波器波长范围改变。
自动聚焦光学成像透镜102被配置为固定焦距，可以采用如液体驱动透镜、液晶驱动透镜、VCM音圈驱动透镜、MEMS驱动透镜、EDOF波前相位调制透镜或者晶圆级阵列微透镜中任意一种。
以上所述的可见光-红外光可变波长光学滤波器(101或104)控制驱动器112，可以采用如VCM音圈电磁机械力驱动2片独立的(可见光和红外光)光学滤波器分别行程位移控制实现波长范围改变。具体的，通过在音圈腔体施加不同大小的电流值实现电磁力推动弹片机械传递机构行程位移2片独立滤波器分别(可见光或红外光)到成像系统光学轴100的同轴光路位置以实现驱动波长范围改变。更近一步，以上所述的可见光-红外光可变波长光学滤波器(101或104)，可以采用电介质薄膜可调谐波长光学滤波器。通过光学滤波器控制驱动器112施加不同大小的薄膜电介质值调谐实现光学滤波器波长过滤范围改变。本发明所述的可见光-红外光可变波长光学滤波器不限于上述举例，其他类型应被等同理解。
发明的成像波长包括可见光成像波长为400-650nm，红外光成像波长为750-950nm；在具体实施例1中的成像波长包括可见光成像波长为400-650nm，红外光成像波长为810-880nm。本发明具体实施例1作为举例，红外光成像波长范围，本质上成像波长范围为带宽特性，其也可以等同理解为由成像波长中心(wavelength center)和半峰值带宽(FWHM)描述，如810-880nm范围可表达为，中心波长850nm±30nm半峰值带宽。更进一步，作为成像波长范围变化举例，可以窄带为中心波长850nm±15nm半峰值带宽。本发明的成像波长范围变化不限于上述举例，其他范围应被等同理解。
可见光光电成像采用可见光成像波长，聚焦工作物距WD至少在30-100cm的范围内，光电成像系统采用红外光成像波长，聚焦工作物距WD至少在10-30cm的范围内。
生物识别光电成像具有以下光学成像要求：
生物识别光电成像的成像波长WI满足：750nm≤WI≤950nm；
生物识别光电成像的聚焦工作物距WD满足：10cm≤WD≤30cm；
生物识别光电成像的像素空间分辨率PSR(pixel spatial resolution)应该满足：PSR≥10pixel/mm；
生物识别光电成像的光学放大倍率OM(opticalmagnification)，应该满足：OM＝PS*PSR；
其中，以上所述的PS为图像传感器105每个成像像素单元的物理尺度；PSR为生物识别光电成像的像素空间分辨率；
生物识别光电成像的光学空间分辨率OSRI(optical spatial resolution ofimage of plane)在像方平面应该满足：在调制传递函数等于60％(MTF＝0.6)时，1/(4*PS)≤OSRI≤1/(2*PS)lp/mm(线对每毫米)。
可见光光电成像具有以下光学成像要求：
可见光光电成像的成像波长WI满足：400nm≤WI≤650nm；
可见光光电成像的聚焦工作物距WD满足：30cm≤WD≤100cm；
可见光光电成像的像素空间分辨率PSR(pixel spatial resolution)应该满足：PSR≤3pixel/mm；
可见光光电成像的光学放大倍率OM(optical magnification)，应该满足：OM＝PS*PSR；
其中，以上所述的PS为图像传感器105每个成像像素单元的物理尺度；PSR为可见光光电成像的像素空间分辨率；
可见光光电成像的光学空间分辨率OSRI(optical spatial resolution ofimage of plane)在像方平面应该满足：在调制传递函数等于60％(MTF＝0.6)时，1/(4*PS)≤OSRI≤1/(2*PS)lp/mm(线对每毫米)。
图像传感器105的成像阵列中接收可见光-红外光波长的成像像素单元的物理尺度PS满足如下条件：1um/pixel≤PS≤3um/pixel(微米每像素)；
图像传感器105成像阵列接收的波长像素单元光电转换的数值Y为：
Y＝Q*GAIN*EXP*ADCG*E*PSU EQ1
其中：以上所述的
EXP为图像传感器105成像阵列的积分时间integrationTime或曝光时间exposuretime，单位：S秒；EXP同步等于LED照明光源106辐射时间；
EXP≤33.3ms
GAIN为图像传感器105成像阵列的数字和模拟增益，无单位；
最大值GAIN满足图像传感器105的信噪比SNR，SNR≥36db分贝
ADCG为图像传感器105成像阵列的ADC电压模拟-数值转换量化分辨率，单位：LSB/V，数值位每伏特；
E为图像传感器105成像阵列接收的辐射率或辐射照度，单位：lux(勒克斯)或mw/cm 2(每毫瓦每平方厘米)；
E＝C*β*I/WD2*cos2ψ*(1/FNO)2
其中：I为LED照明光源106辐射强度，单位毫瓦每球面度(mw/sr)；
I最小值满足I≥100mw/sr；
ψ为LED照明光源106的辐射角度，即LED照明光源106的辐射光学中心线与成像系统光轴100间的离轴夹角；
ψ满足：5度≤ψ≤30度；更近一步限制为7度≤ψ≤22.5度；
WD为光学成像系统的聚焦工作物距；
FNO为自动聚焦光学成像透镜102的数值光圈，即相对孔距倒数；
FNO满足：0.5*PS/(1.22*λ)≤FNO≤2.0*PS/(1.22*λ)
λ为成像波长；
β为成像物体(虹膜或静脉)的生物组织光学效应反射率(LED照明光源辐射的波长经过虹膜或静脉生物组织的吸收，反射和散射产生生物组织光学效应反射率)；
C为光学成像系统的光学系数；
C＝1/16*cos4ω/(1+OM)2
其中：ω为入射光的物方视场角；
ω满足：0≤ω≤FOV/2，FOV为光电成像系统的全视场角；
OM为光电成像系统的光学放大倍率；
PSU为图像传感器105成像阵列的成像像素单元的物理尺度面积单位比；
PSU＝(PS*PS)/cm2；
Q为光电成像系统光电转换常数；单位为伏特每毫瓦每平方厘米每秒，V/(mw/cm2-sec)或ke-/(mw/cm2-sec)；
图像传感器105成像阵列接收像素单元光电转换的数字值Y被进一步作为成像图像原始RAW像素数据I{Y}输出。
图像传感器105的成像阵列被配置为全局帧成像模式(Global Shutter)或滚动行成像模式(Rolling Shutter)。
本发明具体实施例1所述的全局帧成像模式(Global Shutter)包括全局帧积分和全局帧读出的成像模式，或全局帧积分和滚动行读出的成像模式。
本发明具体实施例1所述的滚动行成像模式(Rolling Shutter)包括滚动行积分和滚动行读出的成像模式。
图像传感器105被配置为RAW RGB像素输出格式，使用RGB通道补偿增益或RGB通道平衡增益。
Figure BDA0000852718340000111
Figure BDA0000852718340000112
Figure BDA0000852718340000113
以G通道补偿或平衡增益为规范化标准，G_GC＝1.0；
R通道补偿或平衡增益R_GC＝G/R；
B通道补偿或平衡增益B_GC＝G/B；
以上所述的[λl，λh]为成像波长范围，本发明具体实施例1中优选的举例可见光成像波长为[400nm,650nm]，红外成像波长为[800nm，900nm]，作为等同理解，更进一步也可以选择红外成像波长范围变化为[810nm,880nm]。
g(λ),r(λ),b(λ)分别为图像传感器105的RGB光谱的光电量子转换效率敏感度波长分布函数，f(λ)为可见光-红外光可变波长光学滤波器(101或104)的透射率波长分布函数，S(λ)为LED照明光源106的辐射率波长分布函数；L(λ)为自动聚焦光学成像透镜102的透射率波长分布函数。
等同理解的，也可等价采用以R通道补偿增益或B通道补偿增益为归一标准。
特别的图像成像传感器105采用单色类型时RGB通道增益补偿或RGB通道增益平衡可简化为G_CGC＝R_CGC＝B_CGC＝1.0；
所述的图像传感器105的图像分辨率ROI被配置为：
ROI≥2560pixels*1280pixels。
所述的图像传感器105具有主光线入射角CRA(Chief Ray Angle)≥25度。
本发明具体实施例1所述的图像传感器105可采用Bare Die(COB)，ShellUT CSP，NeoPAC CSP，TSV CSP等封装进一步减小体积。
本发明具体实施例1所述的LED照明光源106具有：独立或混合辐射的可见光和红外光成像波长。更进一步，本发明具体实施例1所述的LED照明光源(106可见光和红外光LED)具有：半峰值辐射视场角Ω。所述的半峰值辐射视场角Ω满足：
Ω≥FOV；
所述FOV为成像系统的全视场角；
FOV≥2*arctan((DI*PS)/(2*EFL))；
其中：EFL为自动聚焦光学成像透镜102的等效焦距；DI为图像传感器105成像阵列的像面对角线像素单元的数量；PS为图像传感器105成像阵列的像素单元的物理尺度；
LED(即以上所述的LED照明光源)理论上是一种360度角度辐射光的朗伯点光源，采用凸透镜或凹面反光镜能使LED点光源辐射的光线折射或反射起到汇聚光能控制LED照明光源的半峰值辐射视场角的作用。凸透镜可由高折射和透射率光学塑料等光学基质材料制造，凹面反光镜可由高光学反射率金属基质材料制造。更进一步理想的，LED可采用折射和透射率高的环氧树脂基质材料，掺入吸收可见光透射红外光波长的散射色料剂进行透镜功能封装，实现LED半峰值辐射视场角控制汇聚光能，且呈现表面黑色，以达到视觉美感要求。
本发明具体实施例1所述的LED照明光源106具有：一个或多个不同辐射角度和位置，用于优化光电成像系统的成像视场和成像质量效果。如采用位于成像系统光轴100左侧和/或右侧的不同辐射位置和不同辐射角度(左侧Pl，右侧Pr，左右两侧Pl&Pr，[5-30]辐射角度中任意一种或多种角度如5度，20度)，作为不同辐射角度和位置变化举例也可以采用(上侧Pt，下侧Pb，上下两侧Pt&Pb，[5-30]辐射角度中任意一种或多种角度如10度，30度)。多种辐射角度可以优化镜面全反射光干扰程度，提高光电成像系统的成像质量。多种辐射位置可以优化成像视场的相对照明亮度均衡程度，提高光电成像系统的成像质量。本发明的不同辐射角度和位置变化不限于上述举例，其他不同辐射角度和位置应被等同理解。
本发明具体实施例1所述的LED照明光源106具有：与图像传感器105成像同步的连续或脉冲辐射时间和辐射强度，用于联合优化光电成像系统的成像质量效果。LED照明光源106与图像传感器105成像同步的连续或脉冲辐射时间和辐射强度，可以优化图像亮度，信噪比和运动模糊程度，提高光电成像系统的成像质量。LED照明光源106可采用SMD表面贴片等封装进一步减小体积。
本发明具体实施例1所述的可见光-红外光可变波长光学滤波器(101或104)具有：改变可见光和红外光成像波长范围。更进一步，本发明具体实施例1中所述的可见光-红外光可变波长光学滤波器(101或104)具有：
当改变为可见光成像波长时：
可见光成像波长范围内的光截止率Fi≤10.0％，
可见光成像波长范围外的光截止率Fo≥99.0％，
或等价的
可见光成像波长范围内的光透射率Ti≥90.0％，
可见光成像波长范围外的光透射率To≤1.0％。
当改变为红外光成像波长时：
红外光成像波长范围内的光截止率Fi≤10.0％，
红外光成像波长范围外的光截止率Fo≥99.0％，
或等价的
[红外光成像波长范围内的光透射率Ti≥90.0％，
红外光成像波长范围外的光透射率To≤1.0％。
本发明具体实施例1所述的自动聚焦光学成像透镜102具有：物理折射聚焦可见光和红外光成像波长。更进一步，本发明具体实施例1所述的自动聚焦光学成像透镜102具有对可见光和红外光成像波长：
表面最大反射率Rmax≤1.0％，表面平均反射率Ravg≤0.3％；
或等价的
表面最小透射率Tmin≥99.0％，表面平均透射率Tavg≥99.7％。
以上所述的自动聚焦光学成像透镜102可在非球面光学塑料如光学级PMMA，光学级PC等光学基质材料进行表面多层减反或增透镀膜实现；并可通过3-5P片非球面光学塑料注塑工艺实现，TTL光学总长≤6mm。
所述的自动聚焦光学成像透镜具有：焦距EFL，数值光圈FNO满足:
2mm≤EFL≤5mm，1.4≤FNO≤2.8。
更进一步，以上所述的自动聚焦光学成像透镜102的光学畸变DOL(distortion oflens)绝对值被配置为：
DOL绝对值≤1％。
以上所述的自动聚焦光学成像透镜102的相对照明率IOR被配置为：
IOR≥50％。
所述IOR＝光学成像透镜的边缘视场亮度/光学成像透镜的中心视场亮度。
以上所述的自动聚焦光学成像透镜102和图像传感器105被配置为相互匹配主光线入射角CRA，即，理论上CRA相等，实际应用中控制误差范围绝对值小于等于3度。
自动聚焦光学成像透镜102被配置为固定焦距，包括液体驱动透镜、液晶驱动透镜、VCM音圈驱动透镜、MEMS驱动透镜、EDOF波前相位调制透镜或者晶圆级微阵列透镜中任意一种。以上所述的液体驱动透镜包括固定聚焦透镜，液体透镜，用于控制液体透镜的电压驱动器111；以上所述的液晶驱动透镜包括固定聚焦透镜，液晶透镜，用于控制液晶透镜的电压驱动器111；以上所述的液体驱动透镜和液晶驱动透镜通过改变入射光的屈光度既光学功率调节以实现自动聚焦功能。以上所述的VCM音圈驱动透镜包括固定聚焦透镜，VCM音圈，用于控制VCM音圈的电流驱动器111；以上所述的VCM音圈驱动透镜通过改变光学后焦既光学像距调节以实现自动聚焦功能。以上所述的MEMS(微电子机械系统)驱动透镜包括固定聚焦透镜，MEMS透镜，用于控制MEMS透镜的静电驱动器111。以上所述的MEMS驱动透镜通过改变MEMS透镜的光学位置以实现自动聚焦功能。以上所述的晶圆级阵列微透镜，通过微透镜阵列计算成像(Computational Imaging)实现3D全景深重建功能。以上所述的EDOF波前相位调制透镜包括透镜，波前相位调制光学元件；以上所述的EDOF波前相位调制通过波前相位调制光学元件调制后，逆滤波解调重建实现扩展景深功能。
本发明具体实施例1还包括对成像系统的OSI光学图像稳定驱动器，通过移动终端集成的陀螺仪等传感器提供的移动矢量信息反馈光学图像稳定驱动器用于控制补偿成像系统的光学运动模糊，能进一步优化光电成像系统的成像质量效果。
具体地，根据本发明具体实施例1的陀螺仪，线速度计等传感器提供的移动矢量信息用于反馈光学图像稳定驱动器OIS控制补偿成像系统的光学运动模糊，或用于反馈3轴移动矢量信息，即角速度和/或线速度小于预定门限控制成像系统的光学运动模糊，能进一步优化光电成像系统的成像质量效果。
为去除镜面全反射光的成像干扰，本发明具体实施例1的LED照明光源106配置光学线偏振器，和成像光路中(位于自动聚焦光学成像透镜102前或后)配置对应的正交态90度光学线偏振器，通过发射和接收端形成正交态的线偏振，能完全去除镜面全反射光的成像干扰。更进一步的，可在成像光路中(位于自动聚焦光学成像透镜102前或后)配置可调谐偏振态的光学偏振器，通过控制可调谐光学偏振器的偏振态，能完全去除镜面全反射光的成像干扰。
本发明具体实施例1，归因于生物识别光电成像和可见光光电成像具有不同光学成像要求，成像波长，像素空间分辨率，光学放大倍率，光学空间分辨率，聚焦工作物距范围。
以上所述的生物识别光电成像具有以下光学成像要求：
生物识别光电成像的成像波长WI满足：
750nm≤WI≤950；
生物识别光电成像的聚焦工作物距WD满足：
10cm≤WD≤30cm。
生物识别光电成像的像素空间分辨率PSR(pixel spatial resolution)应该满足：PSR≥10pixel/mm；
生物识别光电成像的光学放大倍率OM(optical magnification)，应该满足：
OM＝PS*PSR；
其中所述的：PS为图像传感器每个成像像素单元的物理尺度；PSR为生物识别光电成像的像素空间分辨率；
生物识别光电成像的光学空间分辨率OSRI(optical spatial resolution ofimage of plane)在像方平面应该满足：在调制传递函数等于60％(MTF＝0.6)时，1/(4*PS)≤OSRI≤1/(2*PS)lp/mm(线对每毫米)。
本发明具体实施例1所述的生物识别光电成像的光学成像要求可实现高分辨率的虹膜和静脉生物特征细节提取，提高组合生物识别性能。
所述的可见光光电成像具有以下光学成像要求：
可见光光电成像的成像波长WI满足：
400nm≤WI≤650nm；
可见光光电成像的聚焦工作物距WD满足：
30cm≤WD≤100cm。
可见光光电成像的像素空间分辨率PSR(pixel spatial resolution)应该满足：PSR≤3pixel/mm；
可见光光电成像的光学放大倍率OM(optical magnification)，应该满足：
OM＝PS*PSR；
其中所述的：PS为图像传感器每个成像像素单元的物理尺度；PSR为可见光光电成像的像素空间分辨率；
可见光光电成像的光学空间分辨率OSRI(optical spatial resolution ofimage of plane)在像方平面应该满足：在调制传递函数等于60％(MTF＝0.6)时，1/(4*PS)≤OSRI≤1/(2*PS)lp/mm(线对每毫米)。
通过以上所述的移动终端可见光和生物识别组合光电成像系统，本发明给出一种可见光光电成像的成像方法，包括以下步骤：
1.处理器芯片109配置所述光学滤波器、所述LED照明光源、所述图像传感器和所述光学成像透镜为初始化工作状态，具体地，即进行对光学滤波器控制驱动器112，LED电流驱动器108，图像传感器105，自动聚焦光学成像透镜聚焦驱动器111初始化工作状态配置；
2.处理器芯片109控制控制所述光学滤波器、所述LED照明光源、所述图像传感器和所述光学成像透镜进入低功耗待机或关机模式，光学滤波器控制驱动器112，LED电流驱动器108，图像传感器105，自动聚焦光学成像透镜聚焦驱动器111进入低功耗待机或关机模式；
3.处理器芯片判断是否需要获取可见光成像图像，是转步骤4，否继续步骤3；
4.处理器芯片109通过光学滤波器控制驱动器112改变可见光-红外光可变波长光学滤波器(101或104)为允许通过可见光成像波长；
5.处理器芯片109控制LED电流驱动器108驱动LED照明光源106产生可见光成像波长连续或同步脉冲模式的辐射；
6.处理器芯片109控制图像传感器105的成像阵列接收全局帧成像模式或滚动行成像模式输出的原始图像RAW RGB像素数据I{Y}；
7.处理器芯片109根据成像原始图像RAW像素数据I{Y}和像素单元光电转换关系，驱动图像传感器105和LED电流驱动器108及自动聚焦光学成像透镜聚焦驱动器111，实现反馈控制；
8.处理器芯片109分别对原始图像RAW像素数据I{Y}插值重建和图像处理；
9.处理器芯片109输出内插重建和图像处理后的图像I{r,g,b}；
10.返回步骤2循环。
以上所述可见光光电成像的成像方法的步骤7中反馈控制包括：
1.处理器芯片109可以根据图像传感器105输出的成像原始图像RAW像素数据I{Y}和对应的公式EQ1，反馈控制图像传感器105的复位积分时间，数字和/或模拟增益设置，反馈控制LED电流驱动器108驱动LED照明光源106的辐射强度，和辐射时间用于提高成像质量。
2.处理器芯片109可以根据图像传感器105输出的成像原始图像RAW像素数据I{Y}计算图像中镜面全反射干扰程度，反馈控制LED电流驱动器108驱动LED照明光源106用于控制辐射角度和位置以提高成像质量。
3.处理器芯片109可以根据计算成像图像原始RAW像素数据I{Y}的焦点质量值反馈控制自动聚焦光学成像透镜聚焦驱动器111驱动自动聚焦光学成像透镜102实现可见光光电成像聚焦工作物距WD至少30cm-100cm。可采用传统公知的自动对焦方法如焦点质量最大峰值模糊到精确的迭代搜索。
处理器芯片109可以通过光线传感器(根据使用的情况，可以在处理器芯片109上设置这样单独附加的一个器件，其设置的方法为现在的公知技术，或者还可以通过在市场上采购相应的处理器芯片实现这样的光线传感器功能)根据当前环境光亮度，控制LED电流驱动器108驱动LED照明光源106可见光的辐射强度。更进一步，本发明具体实施例1如果光线传感器根据当前环境光亮度判断大于500-1000lux以上时，关闭LED电流驱动器驱动LED照明光源106可见光。
更进一步解释，以上所述可见光光电成像的成像方法的步骤8中所述的内插重建可采用传统公知的内插值算法。
可见光光电成像的成像方法的步骤8中所述的图像处理包括图像光学黑电平校正BLC，自动白平衡AWB，色彩矩阵校正CCM，透镜边缘阴影校正lens shading correction，自动曝光反馈控制AEC，自动增益反馈控制AGC等。
通过以上所述的移动终端可见光和生物识别组合光电成像系统，本发明给出一种生物识别光电成像的成像方法，包括以下步骤：
1.处理器芯片109配置所述光学滤波器、所述LED照明光源、所述图像传感器和所述光学成像透镜为初始化工作状态，具体地，即进行对光学滤波器控制驱动器112，LED电流驱动器108，图像传感器105，自动聚焦光学成像透镜聚焦驱动器111初始化工作状态配置；
2.处理器芯片109控制所述光学滤波器、所述LED照明光源、所述图像传感器和所述光学成像透镜进入低功耗待机或关机模式，具体地，即光学滤波器控制驱动器112，LED电流驱动器108，图像传感器105，自动聚焦光学成像透镜聚焦驱动器111进入低功耗待机或关机模式；
3.处理器芯片判断是否需要获取生物成像图像，是转步骤4，否继续步骤3；
4.处理器芯片109通过光学滤波器控制驱动器112改变可见光-红外光可变波长光学滤波器(101或104)为允许通过红外光成像波长；
5.处理器芯片109控制LED电流驱动器108驱动LED照明光源106产生红外光成像波长连续或同步脉冲模式的辐射；
6.处理器芯片109控制图像传感器105的成像阵列接收全局帧成像模式或滚动行成像模式输出的原始图像RAW RGB像素数据I{Y}；
7.处理器芯片109根据成像原始图像RAW像素数据I{Y}和像素单元光电转换关系，驱动图像传感器105和LED电流驱动器108及自动聚焦光学成像透镜聚焦驱动器111，实现反馈控制；
8.处理器芯片109输出图像I{Y}；
9.返回步骤2循环。
本发明具体实施例1步骤1中图像传感器105初始化工作状态被配置为RAW RGB像素输出格式，RGB通道补偿增益或RGB通道平衡增益处理可通过初始化工作状态配置设置图像传感器105的相应的RGB通道数字和/或模拟增益简化实现。更进一步的图像成像传感器105，禁用色彩矩阵校正CCM，禁用内插interpolation，禁用Gamma校正，禁用自动白平衡AWB，使用这些功能导致生物图像对比度降低，特别纹理高频边缘部分，影响生物图像质量。
以上所述生物识别光电成像的成像方法的步骤7中反馈控制包括：
1.处理器芯片109可以根据图像传感器105输出的成像原始图像RAW像素数据I{Y}和对应的公式EQ1，反馈控制图像传感器105的复位积分时间，数字和/或模拟增益设置，反馈控制LED电流驱动器108驱动LED照明光源106的辐射强度，和辐射时间，用于控制图像亮度，信噪比和运动模糊程度提高成像质量。
2.处理器芯片109可以根据图像传感器105输出的成像原始图像RAW像素数据I{Y}计算图像中镜面全反射干扰程度和相对照明亮度均衡程度，反馈控制LED电流驱动器108驱动LED照明光源106用于控制辐射角度和位置以提高成像质量。
3.处理器芯片109可以根据计算成像图像原始RAW像素数据I{Y}的焦点质量值反馈控制自动聚焦光学成像透镜聚焦驱动器111驱动自动聚焦光学成像透镜102实现生物识别光电成像聚焦工作物距WD至少10cm-30cm。可采用传统公知的自动对焦方法如焦点质量最大峰值模糊到精确的迭代搜索。
更进一步，处理器芯片109可以通过图像传感器105输出的成像图像原始RAW像素数据，执行图像传感器的光学黑电平校正BLC，自动曝光反馈控制AEC，自动增益反馈控制AGC。
考虑到生物识别聚焦要求，高像素空间分辨率，大光学放大倍率，微距的聚焦工作物距范围，传统公知的自动对焦方法如焦点质量最大峰值模糊到精确的迭代搜索需要1s时间以上。
为实现100ms内的快速稳定自动聚焦，本发明具体实施例1通过以上所述的移动终端可见光和生物识别组合光电成像系统，给出一种提供一种快速自动聚焦方法，包括以下步骤：
1.根据预定的聚焦工作物距范围WD，定义待搜索的局部感兴趣区域ROI和搜索参数；
定义待搜索的局部感兴趣区域ROI可由以下公式确定；
1/EFL＝1/ROI+1/WD；
其中：所述的EFL为自动聚焦光学成像透镜固定焦距；
WD为预定的生物聚焦工作物距范围，10-30cm；
ROI为相应的待搜索的局部感兴趣区域范围；
定义搜索参数包括：
搜索步长SStep和搜索次数SNO可由以下公式确定：
SStep＝k*PS；
SNO＝ROI/SStep；
其中：所述的PS为图像传感器105的成像像素单元的物理尺度；
k为生物识别算法可接受的模糊圆直径尺度；
2.处理器芯片109控制自动聚焦光学成像透镜聚焦驱动器111按照步骤1中定义待搜索的局部感兴趣区域ROI和搜索参数，驱动自动聚焦光学成像透镜102执行在单调方向上连续性焦点位置搜索。即执行在单调方向上连续性焦点位置{Pi，i＝1，SNO}搜索；
单调方向连续性焦点位置搜索，可以避免采用传统公知的自动对焦方法如焦点质量最大峰值模糊到精确的迭代搜索导致正反方向反复，具有高效，稳定，聚焦速度快。
3.处理器芯片109控制图像传感器105获取步骤2中在单调方向上连续性焦点位置{Pi，i＝1,SNO}搜索输出的成像原始图像RAW RGB像素数据I{Pi，i＝1,NO}；
4.处理器109芯片实时计算焦点位置搜索图像I{Pi，i＝1,NO}的焦点质量QS(I{Pi})；所述的函数QS为焦点质量评估函数，所述焦点质量评估函数采用的方法包括：梯度统计，频率统计，高通或带通空间滤波器，高频能量值统计，方差统计，空间-频率域滤波器等方法；本发明的焦点质量评估函数QS不限于上述举例，其他方法应被等同理解。
5.处理器109判断最佳焦点质量arg{QS(I{Pi})}对应的图像为最佳聚焦图像；
arg{QS(I{Pi})}＝max{QS(I{Pi})}对应的焦点质量最大值图像为最佳聚焦图像；
更进一步，
arg{QS(I{Pi})}＝{QS(I{Pi-1})<QS(I{Pi})>QS(I{Pi+1})}对应的焦点质量最大值图像为最佳聚焦图像；
也可采用
arg{QS(I{Pi})}＝{QS(I{Pi})>EI)}对应的焦点质量图像为最佳聚焦图像；
EI为生物识别算法可接受的图像焦点质量门限。
本发明的判断焦点质量方法不限于上述举例，其他方法应被等同理解。
本发明提供一种高安全性的生物识别防伪造物活体检测方法，具有对生物识别伪造物具有实时检测能力，用于保证生物识别本身的安全性，采用以下方式：
通过可见光-红外光成像波长辐射产生的生物组织光谱学活性特性实时检测方法。
通过以上所述的移动终端可见光和生物识别组合光电成像系统，本发明给出一种可见光-红外光成像波长辐射产生的生物组织光谱学活性特性实时检测方法，包括以下步骤：
1.处理器芯片109通过光学滤波器控制驱动器112改变可见光-红外光可变波长光学滤波器(101或104)为可见光成像波长；
处理器芯片109驱动控制LED电流驱动器108驱动LED照明光源106产生可见光成像波长辐射；
处理器芯片109获取图像传感器105成像阵列的可见光成像波长图像Ivs；
2.处理器芯片109通过光学滤波器控制驱动器112改变可见光-红外光可变波长光学滤波器(101或104)为红外光成像波长；
处理器芯片109驱动控制LED电流驱动器108驱动LED照明光源106产生红外光成像波长辐射；
处理器芯片109获取图像传感器105成像阵列的红外光成像波长图像Iir；
3.处理器芯片109计算步骤1，2中可见光成像波长图像Ivs和红外光成像波长图像Iir的对比度C数据，分别为Ivs_C，和Iir_C；
其中：
C为虹膜区域与虹膜外区域间的对比度；
或
C为静脉区域与静脉外区域间的对比度；
C＝S(Yiris)/S(Youtiris)；
或
C＝S(Youtvein)/S(Yvein)；
Yiris表示虹膜区域像素；
Youtiris表示虹膜外区域像素；
Yvein表示静脉区域像素；
Youtvein表示静脉外区域像素；
所述的函数S为相应区域像素统计评估函数，所述像素统计评估函数采用的方法包括：直方图统计，频率统计，平均值统计，加权平均值统计，中值统计，能量值统计，方差统计，梯度统计，空间-频率域滤波器等；本发明的相应区域像素统计评估函数S不限于上述举例，其他方法应被等同理解。
4.处理器芯片109分别实时计算可见光成像波长辐射和红外光成像波长辐射的图像对比度Ivs_C和Iir_C活性变化率Δρ；
其中：
Δρ＝Iir_C/Ivs_C*100％；
5.根据可见光-红外光成像波长辐射生物组织光谱学活性特性预设值，和步骤4中数据值Δρ的活性对比度相应变化率，判断条件Δρ〉300％实现实时检测生物活体状态。
等同理解的，上述可见光-红外光成像波长辐射产生的生物组织光谱学活性特性实时检测方法中的步骤1和2顺序具有等价性，可以对换。
为实现提高生物识别成功率，本发明具体实施例1(根据移动终端可见光和生物识别组合光电成像系统)提供一种用于提高生物识别成功率的成像方法，包括以下步骤：
1.注册时采集至少两个或以上的LED照明光源106在不同辐射角度和位置时产生的红外光成像波长生物图像Iir{Pψenroll}；
本发明具体实施例1举例采用不同辐射角度和位置举例如左侧Pl，右侧Pr，左右两侧Pl&Pr，上侧Pt，下侧Pb，上下两侧Pt&Pb，[5-30]辐射角度中任意一种或多种角度如5度，10度，20度，30度)。
2.使用生物图像Iir{Pψenroll}计算获得至少两个或以上的生物特征模板Template{Pψenroll}，进行特征模板间交叉比对成功后，保存为注册的生物特征模板；
所述的交叉比对举例，如获得3个生物特征模板Template{1,2,3}进行交叉比对分别为Template1-Template2，Template1-Template3，Template2-Template3；只有当上述特征模板间交叉比对成功后，才能保证用于后续识别的注册的生物特征模板的稳定性和识别率。
3.识别时采集一个或以上的LED照明光源106在不同辐射角度和位置时产生的红外光成像波长生物图像Iir{Pψrecogn}；
4.使用一个或多个生物图像Iir{Pψrecogn}计算产生的特征模板Template{Pψrecogn}与注册的生物特征模板Template{Pψenroll}间进行交叉比对并获得识别结果；
为实现提高生物识别成功率，本发明具体实施例1(根据移动终端可见光和生物识别组合光电成像系统)再提供另外一种用于提高生物识别成功率的成像方法，包括以下步骤：
1.注册时采集至少两种或以上的LED照明光源106在不同辐射强度时产生的红外光成像波长生物图像Iir{Renroll}；
本发明具体实施例1举例采用不同可见光和红外光辐射强度产生生物组织如瞳孔刺激
活性的红外光成像波长生物图像，如产生1倍，2倍，4倍或以上的不同可见光和/或红外光辐射强度；
2.使用生物图像Iir{Renroll}计算获得至少两个或以上的生物特征模板Template{Renroll}，进行特征模板间交叉比对成功后，保存为注册的生物特征模板；
所述的交叉比对举例，如获得3个生物特征模板Template{1,2,3}进行交叉比对分别为Template1-Template2，Template1-Template3，Template2-Template3；只有当上述特征模板间交叉比对成功后，才能保证用于后续识别的注册的生物特征模板的稳定性和识别率。
3.识别时采集一个或以上的LED照明光源106在不同辐射强度时产生的红外光成像波长生物图像Iir{Rrecogn}；
4.使用一个或多个生物图像Iir{Rrecogn}计算产生的特征模板Template{Rrecogn}与注册的生物特征模板Template{Renroll}间进行交叉比对并获得识别结果；
为实现提高生物识别成功率，本发明具体实施例1(根据移动终端可见光和生物识别组合光电成像系统)还提供再另外一种用于提高生物识别成功率的成像方法，包括以下步骤：
1.注册时采集至少两种或以上的LED照明光源106在不同辐射波长范围时产生的红外光成像波长生物图像Iir{Wenroll}；
本发明具体实施例1举例采用LED照明光源106产生不同辐射波长范围的红外光成像波长生物图像，举例如分别产生750nm-800nm，800nm-850nm，850nm-900nm，900nm-950nm,750nm-850nm，850nm-950nm等不同辐射波长范围或组合。
2.使用生物图像Iir{Wenroll}计算获得至少两个或以上的生物特征模板Template{Wenroll}，进行特征模板间交叉比对成功后，保存为注册的生物特征模板；
所述的交叉比对举例，如获得3个生物特征模板Template{1,2,3}进行交叉比对分别为Template1-Template2，Template1-Template3，Template2-Template3；只有当上述特征模板间交叉比对成功后，才能保证用于后续识别的注册的生物特征模板的稳定性和识别率。
3.识别时采集一个或以上的LED照明光源106在不同辐射波长范围时产生的红外光成像波长生物图像Iir{Wrecogn}；
4.使用一个或多个生物图像Iir{Wrecogn}计算产生的特征模板Template{Wrecogn}与注册的生物特征模板Template{Wenroll}间进行交叉比对并获得识别结果；
本发明描述的具体实施例内容和技术特征，可以在相同或等同理解的范围内被实施，如成像波长范围变化，图像传感器变化，LED照明光源变化，光学滤波器变化，自动聚焦光学成像透镜变化，光路变换，器件替代也应被等同理解的。
作为举例，本发明描述的具体实施例的LED照明光源可见光波长辐射，也可利用移动终端自身具备的显示屏代替，如LCD显示屏具有可调亮度的RGB背光光源，或自身具有RGB辐射的有机物发光OLED。
更进一步的举例，光学滤波器控制驱动器可通过安装手动控制器如手动切换器等同替代。
最后，还需要注意的是，以上列举的仅是本发明的若干个具体实施例。显然，本发明不限于以上实施例，还可以有许多变形。本领域的普通技术人员能从本发明公开的内容直接导出或联想到的所有变形，均应认为是本发明的保护范围。

Claims (10)

1.一种根据移动终端可见光和生物识别组合光电成像系统提高生物识别成功率的成像方法，其特征是，
所述移动终端可见光和生物识别组合光电成像系统，包括可见光光电成像和生物识别光电成像；所述可见光光电成像和生物识别光电成像的系统由处理器芯片、LED照明光源、光学滤波器、光学成像透镜、图像传感器组成；
所述图像传感器的成像阵列被配置为单元像素具有接收可见光-红外光宽带分布的成像波长光谱；
所述LED照明光源被配置为通过LED电流驱动器控制的辐射可见光-红外光成像波长的LED照明光源，且该LED照明光源具有与图像传感器的可见光-红外光宽带成像波长分布相互匹配的辐射波长范围；
所述光学滤波器被配置为通过光学滤波器控制驱动器控制的可见光-红外光可变波长光学滤波器；所述可见光-红外光可变波长光学滤波器被配置为具有与图像传感器可见光-红外光宽带成像波长分布相互匹配的过滤波长范围；
所述光学成像透镜被配置为通过光学成像透镜聚焦驱动器控制的自动聚焦光学成像透镜；所述自动聚焦光学成像透镜被配置为具有与图像传感器的可见光-红外光宽带成像波长分布相互匹配的聚焦波长范围；
所述可见光-红外光可变波长光学滤波器，自动聚焦光学成像透镜，图像传感器的光学中心被配置为成像系统光学轴的同轴光路位置；所述的LED照明光源的光学中心被配置为成像系统光学轴的离轴光路位置；
所述离轴光路位置为照明光源的辐射光学中心线与成像系统光学轴间夹角具有5-30度角度；
所述的生物识别光电成像具有以下光学成像要求：
生物识别光电成像的成像波长WI满足：750nm≤WI≤950nm；
生物识别光电成像的像素空间分辨率PSR1满足：PSR1≥10pixel/mm；
生物识别光电成像的光学放大倍率OM满足：OM＝PS*PSR1；
其中，所述PS为图像传感器每个成像像素单元的物理尺度；PSR1为生物识别光电成像的像素空间分辨率；
所述的LED照明光源具有：独立或混合辐射的可见光和红外光成像波长，具体的，LED照明光源具有：半峰值辐射视场角Ω，所述的半峰值辐射视场角Ω满足：
Ω≥FOV；
所述FOV为成像系统的全视场角；
FOV≥2*arctan((DI*PS)/(2*EFL))；
其中：EFL为自动聚焦光学成像透镜的等效焦距；DI为图像传感器成像阵列的像面对角线像素单元的数量；PS为图像传感器成像阵列的像素单元的物理尺度；
其中图像传感器的成像阵列中接收可见光-红外光波长的成像像素单元的物理尺度PS满足如下条件：1um/pixel≤PS≤3um/pixel；所述图像传感器成像阵列接收的波长像素单元具有光电转换的数值Y，其数值Y为：
Y＝Q*GAIN*EXP*ADCG*E*PSU EQ1
其中：所述EXP为图像传感器成像阵列的积分时间或曝光时间；EXP同步等于LED照明光源辐射时间；EXP≤33.3ms；GAIN为图像传感器成像阵列的数字和模拟增益；最大值GAIN满足图像传感器的信噪比SNR，SNR≥36db分贝；ADCG为图像传感器成像阵列的ADC电压模拟-数值转换量化分辨率；E为图像传感器成像阵列接收的辐射率或辐射照度，Q为光电成像系统光电转换常数，PSU为图像传感器成像阵列的成像像素单元的物理尺度面积单位比；
所述的LED照明光源具有:一个或多个不同辐射角度和不同辐射位置，用于优化光电成像系统的成像视场和成像质量效果；
所述的LED照明光源具有：与图像传感器成像同步的连续或脉冲辐射时间和辐射强度，用于联合优化光电成像系统的成像质量效果；
所述LED照明光源采用SMD表面贴片封装；
所述自动聚焦光学成像透镜被配置为固定焦距；
所述自动聚焦光学成像透镜具有：自动聚焦光学成像透镜的等效焦距EFL，数值光圈FNO满足:
2mm≤EFL≤5mm，1.4≤FNO≤2.8；
所述自动聚焦光学成像透镜的光学畸变DOL绝对值被配置为：
DOL绝对值≤1％；
所述自动聚焦光学成像透镜的相对照明率IOR被配置为：
IOR≥50％；
所述IOR＝光学成像透镜的边缘视场亮度/光学成像透镜的中心视场亮度；
所述图像传感器的成像阵列被配置为全局帧成像模式或滚动行成像模式；
所述图像传感器具有主光线入射角CRA(Chief Ray Angle)≥25度；
所述自动聚焦光学成像透镜和图像传感器被配置为相互匹配主光线入射角CRA；
提高生物识别成功率的成像方法包括以下步骤：
Ⅰ、注册时采集至少两个或以上的LED照明光源在不同辐射条件下时产生的红外光成像波长生物图像；
Ⅱ、使用生物图像计算获得至少两个或以上的生物特征模板，进行特征模板间交叉比对成功后，保存为注册的生物特征模板；
Ⅲ、识别时采集一个或以上的LED照明光源在不同辐射条件下产生的红外光成像波长生物图像；
Ⅳ、使用一个或多个生物图像计算产生的特征模板与注册的生物特征模板间进行交叉比对并获得识别结果。
2.如权利要求1所述的成像方法，其中所述步骤I中的辐射条件为LED照明光源在不同辐射角度。
3.如权利要求2所述的成像方法，其中所述辐射角度范围为5-30度。
4.如权利要求1所述的成像方法，其中所述步骤I中的辐射条件为LED照明光源在不同辐射位置。
5.如权利要求4所述的成像方法，其中所述辐射位置选自左侧、右侧、左右两侧、上侧、下侧、上下两侧中的至少任意一种。
6.如权利要求1所述的成像方法，其中所述步骤I中的辐射条件为LED照明光源在不同的辐射强度。
7.如权利要求6所述的成像方法，其中所述辐射强度为1倍、2倍、4倍或以上的不同可见光和/或红外光辐射强度。
8.如权利要求1所述的成像方法，其中所述步骤I中的辐射条件为LED照明光源在不同的辐射波长范围。
9.如权利要求8所述的成像方法，其中所述辐射波长范围为750nm-800nm,800nm-850nm,850nm-900nm,900nm-950nm,750nm-850nm,850nm-950nm的不同辐射波长范围或组合。
10.一种用于生物识别的移动终端，所述移动终端包括可以处于不同辐射条件下的LED照明光源，其特征是，应用如所述权利要求1-7中的任一项所述的成像方法提高生物识别成功率。
CN201510809786.6A 2014-11-03 2014-11-03 一种提高生物识别成功率的成像方法 Active CN105426848B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201510809786.6A CN105426848B (zh) 2014-11-03 2014-11-03 一种提高生物识别成功率的成像方法

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN201410611916.0A CN104301633B (zh) 2014-11-03 2014-11-03 移动终端可见光和生物识别组合光电成像系统及移动终端
CN201510809786.6A CN105426848B (zh) 2014-11-03 2014-11-03 一种提高生物识别成功率的成像方法

Related Parent Applications (1)

Application Number Title Priority Date Filing Date
CN201410611916.0A Division CN104301633B (zh) 2014-11-03 2014-11-03 移动终端可见光和生物识别组合光电成像系统及移动终端

Publications (2)

Publication Number Publication Date
CN105426848A CN105426848A (zh) 2016-03-23
CN105426848B true CN105426848B (zh) 2020-12-18

Family

ID=52321177

Family Applications (5)

Application Number Title Priority Date Filing Date
CN201510812470.2A Active CN105354557B (zh) 2014-11-03 2014-11-03 一种生物识别防伪造物活体检测方法
CN201510815397.4A Active CN105376469B (zh) 2014-11-03 2014-11-03 一种用于生物特征识别移动终端的驱动自动聚焦方法
CN201510809391.6A Active CN105357426B (zh) 2014-11-03 2014-11-03 用于移动终端可见光和生物识别组合系统的光电成像方法及移动终端
CN201410611916.0A Active CN104301633B (zh) 2014-11-03 2014-11-03 移动终端可见光和生物识别组合光电成像系统及移动终端
CN201510809786.6A Active CN105426848B (zh) 2014-11-03 2014-11-03 一种提高生物识别成功率的成像方法

Family Applications Before (4)

Application Number Title Priority Date Filing Date
CN201510812470.2A Active CN105354557B (zh) 2014-11-03 2014-11-03 一种生物识别防伪造物活体检测方法
CN201510815397.4A Active CN105376469B (zh) 2014-11-03 2014-11-03 一种用于生物特征识别移动终端的驱动自动聚焦方法
CN201510809391.6A Active CN105357426B (zh) 2014-11-03 2014-11-03 用于移动终端可见光和生物识别组合系统的光电成像方法及移动终端
CN201410611916.0A Active CN104301633B (zh) 2014-11-03 2014-11-03 移动终端可见光和生物识别组合光电成像系统及移动终端

Country Status (2)

Country Link
CN (5) CN105354557B (zh)
WO (1) WO2016070781A1 (zh)

Families Citing this family (38)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10025963B2 (en) * 2014-06-30 2018-07-17 Symbol Technologies, Llc System for, and method of, detecting the presence of a mobile communication device in proximity to an imaging reader and for automatically configuring the reader to read an electronic code displayed on the device upon such detection
CN105354557B (zh) * 2014-11-03 2019-04-16 苏州思源科安信息技术有限公司 一种生物识别防伪造物活体检测方法
US11045088B2 (en) 2015-02-27 2021-06-29 Welch Allyn, Inc. Through focus retinal image capturing
MX2017014648A (es) * 2015-05-15 2018-04-11 Airfusion Inc Aparato portatil y metodo para apoyo de decision para fusion y analisis de datos de sensores multiples automatizados en tiempo real.
CN111242092A (zh) * 2015-07-29 2020-06-05 财团法人工业技术研究院 生物辨识装置与穿戴式载体
CN106570441A (zh) * 2015-10-09 2017-04-19 微软技术许可有限责任公司 用于姿态识别的系统
CN105320943A (zh) * 2015-10-22 2016-02-10 北京天诚盛业科技有限公司 生物识别装置及其进行生物识别的方法
US10772495B2 (en) 2015-11-02 2020-09-15 Welch Allyn, Inc. Retinal image capturing
DE112016006298T5 (de) 2016-01-25 2018-10-11 Schott Glass Technologies (Suzhou) Co. Ltd. System für optischen Nachweis von Parametern
WO2017161520A1 (zh) * 2016-03-23 2017-09-28 徐鹤菲 支持近红外光与可见光成像的复合成像系统和移动终端
WO2017182004A1 (zh) * 2016-04-22 2017-10-26 苏州思源科安信息技术有限公司 用于移动终端虹膜识别的引导指示人机接口系统和方法
CN106527706B (zh) * 2016-04-22 2019-03-01 苏州思源科安信息技术有限公司 用于移动终端虹膜识别的引导指示人机接口系统和方法
CN106372601B (zh) * 2016-08-31 2020-12-22 上海依图信息技术有限公司 一种基于红外可见双目图像的活体检测方法及装置
CN106407964B (zh) * 2016-11-15 2023-11-07 刘霁中 一种利用可见光源采集虹膜的装置、方法及终端设备
US10055637B2 (en) * 2016-12-07 2018-08-21 Synaptics Incorporated Optical sensor with substrate light filter
CN106599668B (zh) * 2016-12-29 2019-11-08 中国科学院长春光学精密机械与物理研究所 一种目标身份识别系统
CN106603569A (zh) * 2017-01-03 2017-04-26 中国科学院上海光学精密机械研究所 多生物特征融合社会保险身份认证系统和身份认证方法
CN108229325A (zh) 2017-03-16 2018-06-29 北京市商汤科技开发有限公司 人脸检测方法和系统、电子设备、程序和介质
WO2018176399A1 (zh) * 2017-03-31 2018-10-04 中控智慧科技股份有限公司 图像采集方法和设备
CN107292285B (zh) * 2017-07-14 2020-01-14 Oppo广东移动通信有限公司 虹膜活体检测方法及相关产品
WO2019018258A1 (en) * 2017-07-17 2019-01-24 Welch Allyn, Inc. RETINAL IMAGE CAPTURE WITH CROSSING FIREPLACE
CN107664631B (zh) * 2017-07-25 2024-02-13 南京农业大学 基于智能手机检测生物标识物的设备、检测方法及其样品的制备
CN110909695B (zh) 2017-07-29 2023-08-18 Oppo广东移动通信有限公司 防伪处理方法及相关产品
CN107506696A (zh) 2017-07-29 2017-12-22 广东欧珀移动通信有限公司 防伪处理方法及相关产品
US11151235B2 (en) 2017-08-01 2021-10-19 Apple Inc. Biometric authentication techniques
EP3662411A1 (en) * 2017-08-01 2020-06-10 Apple Inc. Biometric authentication techniques
CN107517340B (zh) * 2017-09-22 2020-11-27 信利光电股份有限公司 一种摄像模组及电子设备
US11410458B2 (en) 2018-04-12 2022-08-09 Guangdong Oppo Mobile Telecommunications Corp., Ltd. Face identification method and apparatus, mobile terminal and storage medium
US10956714B2 (en) 2018-05-18 2021-03-23 Beijing Sensetime Technology Development Co., Ltd Method and apparatus for detecting living body, electronic device, and storage medium
US11096574B2 (en) 2018-05-24 2021-08-24 Welch Allyn, Inc. Retinal image capturing
CN109147116A (zh) * 2018-07-25 2019-01-04 深圳市飞瑞斯科技有限公司 智能锁及控制智能锁开启的方法
CN109840514A (zh) * 2019-03-04 2019-06-04 深圳三人行在线科技有限公司 一种活体检测的方法和设备
CN110197161B (zh) * 2019-05-31 2021-05-14 Oppo广东移动通信有限公司 静脉识别方法及相关产品
CN110664405B (zh) * 2019-09-27 2021-12-03 天津大学 基于焦点质量度量估计微波乳房成像平均介电特性的方法
CN111067524B (zh) * 2019-12-26 2021-12-03 天津大学 一种估计微波乳房成像的平均介电特性的方法
CN111692992A (zh) * 2020-06-22 2020-09-22 征图智能科技(江苏)有限公司 基于多图分时曝光的高精度2d尺寸测量方法
WO2022087833A1 (zh) * 2020-10-27 2022-05-05 深圳市汇顶科技股份有限公司 光源、拍摄模组及终端设备
CN112818918B (zh) * 2021-02-24 2024-03-26 浙江大华技术股份有限公司 一种活体检测方法、装置、电子设备及存储介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2001006448A1 (en) * 1999-07-14 2001-01-25 Veridicom, Inc. Ultra-rugged i.c. sensor and method of making the same
CN1503194A (zh) * 2002-11-26 2004-06-09 中国科学院计算技术研究所 利用身材信息辅助人脸信息的身份识别方法
CN102622589A (zh) * 2012-03-13 2012-08-01 辉路科技（北京）有限公司 一种基于gpu的多光谱人脸检测方法
CN103310235A (zh) * 2013-05-31 2013-09-18 中国科学院信息工程研究所 一种基于参数识别与估计的隐写分析方法

Family Cites Families (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1330275C (zh) * 2003-12-07 2007-08-08 倪蔚民 基于虹膜纹理分析的生物测定方法
CN100349542C (zh) * 2004-05-29 2007-11-21 倪蔚民 实时自动无侵害的虹膜光学成像装置
CN1779694A (zh) * 2004-11-26 2006-05-31 上海银晨智能识别科技有限公司 基于红外成像的图像识别装置
CN1892676B (zh) * 2005-06-03 2010-05-12 沈洪泉 面部/虹膜组合光学成像的装置及方法
JP2007318233A (ja) * 2006-05-23 2007-12-06 Nikon Corp 撮像装置、および画像処理プログラム
CN101411606B (zh) * 2007-10-15 2010-09-08 倪蔚民 组合虹膜和皮层组织的生物测定系统
CN101369311B (zh) * 2008-09-26 2011-08-03 北京中科虹霸科技有限公司 一种采用主动视觉反馈的小型化虹膜识别模块
US8164682B2 (en) * 2008-10-14 2012-04-24 Omnivision Technologies, Inc. Dithered focus evaluation
US8364971B2 (en) * 2009-02-26 2013-01-29 Kynen Llc User authentication system and method
US8340456B1 (en) * 2011-10-13 2012-12-25 General Electric Company System and method for depth from defocus imaging
CN103324908A (zh) * 2012-03-23 2013-09-25 桂林电子科技大学 用于虹膜识别的快速虹膜采集判断控制方法
JP2014078052A (ja) * 2012-10-09 2014-05-01 Sony Corp 認証装置および方法、並びにプログラム
CN103136421B (zh) * 2013-01-31 2015-08-26 贵阳科安科技有限公司 用于虹膜成像装置的系统级光电优化设计方法
CN103106401B (zh) * 2013-02-06 2017-02-22 北京中科虹霸科技有限公司 一种具有人机交互机制的移动终端虹膜识别装置
CN203733133U (zh) * 2013-02-06 2014-07-23 北京中科虹霸科技有限公司 一种具有人机交互机制的移动终端虹膜识别装置
CN103605954A (zh) * 2013-11-01 2014-02-26 武汉虹识技术有限公司 一种基于单传感器及光谱控制的图像捕捉装置
CN103945136B (zh) * 2014-04-04 2017-03-08 苏州思源科安信息技术有限公司 高用户使用体验度的虹膜图像光电成像系统
CN103870819B (zh) * 2014-04-04 2016-03-09 苏州思源科安信息技术有限公司 移动终端安全身份认证的虹膜识别光学成像模组及使用法
CN103955717A (zh) * 2014-05-13 2014-07-30 第三眼（天津）生物识别科技有限公司 一种虹膜活性检测的方法
CN203896434U (zh) * 2014-06-17 2014-10-22 深圳市天城威视科技有限公司 智能双色灯摄像机
CN105354557B (zh) * 2014-11-03 2019-04-16 苏州思源科安信息技术有限公司 一种生物识别防伪造物活体检测方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2001006448A1 (en) * 1999-07-14 2001-01-25 Veridicom, Inc. Ultra-rugged i.c. sensor and method of making the same
CN1503194A (zh) * 2002-11-26 2004-06-09 中国科学院计算技术研究所 利用身材信息辅助人脸信息的身份识别方法
CN102622589A (zh) * 2012-03-13 2012-08-01 辉路科技（北京）有限公司 一种基于gpu的多光谱人脸检测方法
CN103310235A (zh) * 2013-05-31 2013-09-18 中国科学院信息工程研究所 一种基于参数识别与估计的隐写分析方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
《手背静脉识别技术研究》;丁宇航;《中国优秀博硕士学位论文全文数据库（博士） 信息科技辑》;20061215;论文第2、4、5章 *

Also Published As

Publication number Publication date
CN105354557B (zh) 2019-04-16
CN104301633A (zh) 2015-01-21
WO2016070781A1 (zh) 2016-05-12
CN105357426B (zh) 2019-01-15
CN105354557A (zh) 2016-02-24
CN105376469A (zh) 2016-03-02
CN104301633B (zh) 2016-01-20
CN105376469B (zh) 2018-11-13
CN105357426A (zh) 2016-02-24
CN105426848A (zh) 2016-03-23

Similar Documents

Publication Publication Date Title
CN105426848B (zh) 一种提高生物识别成功率的成像方法
CN109700469B (zh) 一种基于rgb-ir成像的虹膜防伪造物活体检测方法
US10579871B2 (en) Biometric composite imaging system and method reusable with visible light
US9690970B2 (en) Method and device for mobile terminal biometric feature imaging
CN106716451B (zh) 虹膜识别装置及其制造方法和应用
CN107111009B (zh) 用于图像获取装置的光学系统、图像获取装置以及图像获取系统
WO2016041437A1 (zh) 用于移动终端的虹膜识别成像模组及图像获取方法
CN105022880B (zh) 用于虹膜成像装置的系统级光电优化设计方法
US9773169B1 (en) System for capturing a biometric image in high ambient light environments
US9465988B1 (en) Camera and illuminator for iris imaging in cell phones and tablets
CN103945136B (zh) 高用户使用体验度的虹膜图像光电成像系统
CN105807402B (zh) 一种近红外光学镜头组
CN205490825U (zh) 双波段光谱镜头模块
CN111556306B (zh) 一种远距离大视场虹膜光学成像的装置及方法
US10853641B2 (en) Apparatus and method for acquiring iris image outdoors and indoors
US10554918B1 (en) High definition, large capture volume, camera array system
CN205809392U (zh) 一种近红外光学镜头组
CN105678228A (zh) 移动终端安全身份认证的虹膜识别光学成像模组及使用方法
CN103632135B (zh) 一种基于双图像传感器的虹膜图像捕捉装置
KR200367917Y1 (ko) 광학적 안정성을 갖는 홍채 인식용 카메라 모듈
CN103605954A (zh) 一种基于单传感器及光谱控制的图像捕捉装置

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
CB03 Change of inventor or designer information

Inventor after: Chen Ping

Inventor after: Ni Weimin

Inventor before: Ni Weimin

Inventor before: Jin Cheng

CB03 Change of inventor or designer information
TA01 Transfer of patent application right

Effective date of registration: 20180112

Address after: Room A, building 413A, emerging industry incubation center, Zhangjiagang Free Trade Zone, Suzhou, Jiangsu 215634, China

Applicant after: SUZHOU SIYUAN KEAN INFORMATION TECHNOLOGY Co.,Ltd.

Address before: 310027 Institute of optical engineering, Zhejiang University, 38 Hangzhou Road, Xihu District, Zhejiang, China

Applicant before: Ni Weimin

TA01 Transfer of patent application right
GR01 Patent grant
GR01 Patent grant