CN106663199A - 针对生物识别传感器的空气/物体确定 - Google Patents
针对生物识别传感器的空气/物体确定 Download PDFInfo
- Publication number
- CN106663199A CN106663199A CN201580045682.0A CN201580045682A CN106663199A CN 106663199 A CN106663199 A CN 106663199A CN 201580045682 A CN201580045682 A CN 201580045682A CN 106663199 A CN106663199 A CN 106663199A
- Authority
- CN
- China
- Prior art keywords
- fingerprint sensor
- fingerprint
- block
- sensor data
- finger
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 claims description 137
- 230000008569 process Effects 0.000 claims description 82
- 208000031481 Pathologic Constriction Diseases 0.000 claims description 20
- 210000001215 vagina Anatomy 0.000 claims description 20
- 238000001914 filtration Methods 0.000 claims description 4
- 238000005520 cutting process Methods 0.000 claims description 3
- 238000011156 evaluation Methods 0.000 claims description 2
- 230000002708 enhancing effect Effects 0.000 claims 1
- 210000003811 finger Anatomy 0.000 description 165
- 238000001514 detection method Methods 0.000 description 26
- 238000004458 analytical method Methods 0.000 description 18
- 239000000463 material Substances 0.000 description 16
- 238000003860 storage Methods 0.000 description 15
- 238000004422 calculation algorithm Methods 0.000 description 13
- 238000003825 pressing Methods 0.000 description 13
- 238000012797 qualification Methods 0.000 description 13
- 238000000605 extraction Methods 0.000 description 9
- 230000008859 change Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 8
- 238000009826 distribution Methods 0.000 description 7
- 230000033001 locomotion Effects 0.000 description 7
- 238000002604 ultrasonography Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 5
- 239000011521 glass Substances 0.000 description 5
- 230000015654 memory Effects 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 239000002033 PVDF binder Substances 0.000 description 4
- 238000004891 communication Methods 0.000 description 4
- 229910052751 metal Inorganic materials 0.000 description 4
- 239000002184 metal Substances 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 229920000642 polymer Polymers 0.000 description 4
- 229920002981 polyvinylidene fluoride Polymers 0.000 description 4
- 241000905957 Channa melasoma Species 0.000 description 3
- 230000006399 behavior Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 3
- 235000013339 cereals Nutrition 0.000 description 3
- 238000004590 computer program Methods 0.000 description 3
- 210000004247 hand Anatomy 0.000 description 3
- 239000011133 lead Substances 0.000 description 3
- 239000004033 plastic Substances 0.000 description 3
- 229920003023 plastic Polymers 0.000 description 3
- 239000000758 substrate Substances 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 229910052782 aluminium Inorganic materials 0.000 description 2
- XAGFODPZIPBFFR-UHFFFAOYSA-N aluminium Chemical compound [Al] XAGFODPZIPBFFR-UHFFFAOYSA-N 0.000 description 2
- 239000008280 blood Substances 0.000 description 2
- 210000004369 blood Anatomy 0.000 description 2
- 239000003990 capacitor Substances 0.000 description 2
- 230000001413 cellular effect Effects 0.000 description 2
- 230000000295 complement effect Effects 0.000 description 2
- 229920001577 copolymer Polymers 0.000 description 2
- 239000006059 cover glass Substances 0.000 description 2
- 230000007812 deficiency Effects 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 2
- 238000003708 edge detection Methods 0.000 description 2
- 230000005611 electricity Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000002349 favourable effect Effects 0.000 description 2
- 229920001519 homopolymer Polymers 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000002360 preparation method Methods 0.000 description 2
- 238000013441 quality evaluation Methods 0.000 description 2
- 210000004872 soft tissue Anatomy 0.000 description 2
- 210000003813 thumb Anatomy 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- IRLPACMLTUPBCL-KQYNXXCUSA-N 5'-adenylyl sulfate Chemical compound C1=NC=2C(N)=NC=NC=2N1[C@@H]1O[C@H](COP(O)(=O)OS(O)(=O)=O)[C@@H](O)[C@H]1O IRLPACMLTUPBCL-KQYNXXCUSA-N 0.000 description 1
- 206010049207 Adactyly Diseases 0.000 description 1
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 241001269238 Data Species 0.000 description 1
- HBBGRARXTFLTSG-UHFFFAOYSA-N Lithium ion Chemical compound [Li+] HBBGRARXTFLTSG-UHFFFAOYSA-N 0.000 description 1
- ZOKXTWBITQBERF-UHFFFAOYSA-N Molybdenum Chemical compound [Mo] ZOKXTWBITQBERF-UHFFFAOYSA-N 0.000 description 1
- 241000209140 Triticum Species 0.000 description 1
- 235000021307 Triticum Nutrition 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 210000000577 adipose tissue Anatomy 0.000 description 1
- 238000000429 assembly Methods 0.000 description 1
- 230000000712 assembly Effects 0.000 description 1
- 238000005452 bending Methods 0.000 description 1
- 239000012620 biological material Substances 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 210000000746 body region Anatomy 0.000 description 1
- 210000000988 bone and bone Anatomy 0.000 description 1
- OJIJEKBXJYRIBZ-UHFFFAOYSA-N cadmium nickel Chemical compound [Ni].[Cd] OJIJEKBXJYRIBZ-UHFFFAOYSA-N 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 239000000919 ceramic Substances 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 239000010949 copper Substances 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 238000000151 deposition Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000001962 electrophoresis Methods 0.000 description 1
- 238000005538 encapsulation Methods 0.000 description 1
- 238000004146 energy storage Methods 0.000 description 1
- 230000003628 erosive effect Effects 0.000 description 1
- 239000003925 fat Substances 0.000 description 1
- 230000005621 ferroelectricity Effects 0.000 description 1
- 239000010408 film Substances 0.000 description 1
- -1 for example Polymers 0.000 description 1
- 239000010437 gem Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 238000001746 injection moulding Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 229910001416 lithium ion Inorganic materials 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 206010025482 malaise Diseases 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 229910052750 molybdenum Inorganic materials 0.000 description 1
- 239000011733 molybdenum Substances 0.000 description 1
- 230000003387 muscular Effects 0.000 description 1
- KIJXMUOJNZXYHU-UHFFFAOYSA-N n-propan-2-ylpropan-2-amine;hydrobromide Chemical compound [Br-].CC(C)[NH2+]C(C)C KIJXMUOJNZXYHU-UHFFFAOYSA-N 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 239000003973 paint Substances 0.000 description 1
- 229950000845 politef Drugs 0.000 description 1
- 229920000052 poly(p-xylylene) Polymers 0.000 description 1
- 239000004810 polytetrafluoroethylene Substances 0.000 description 1
- 229920001343 polytetrafluoroethylene Polymers 0.000 description 1
- 229920000131 polyvinylidene Polymers 0.000 description 1
- 239000005033 polyvinylidene chloride Substances 0.000 description 1
- 229910052573 porcelain Inorganic materials 0.000 description 1
- 230000001172 regenerating effect Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000005060 rubber Substances 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000007789 sealing Methods 0.000 description 1
- 239000000243 solution Substances 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 238000013179 statistical model Methods 0.000 description 1
- 230000003319 supportive effect Effects 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 239000010409 thin film Substances 0.000 description 1
- 210000001519 tissue Anatomy 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- WFKWXMTUELFFGS-UHFFFAOYSA-N tungsten Chemical compound [W] WFKWXMTUELFFGS-UHFFFAOYSA-N 0.000 description 1
- 229910052721 tungsten Inorganic materials 0.000 description 1
- 239000010937 tungsten Substances 0.000 description 1
- 238000007666 vacuum forming Methods 0.000 description 1
- 238000005406 washing Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration using local operators
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/50—Maintenance of biometric data or enrolment thereof
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Human Computer Interaction (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
- Image Input (AREA)
- Collating Specific Patterns (AREA)
Abstract
一种指纹感测设备可包含指纹传感器系统和能够从所述指纹传感器系统接收指纹传感器数据(401)的控制系统。所述控制系统可能能够确定用于所述指纹传感器数据的至少一部分的指纹传感器数据块(403)和计算针对对应于所述指纹传感器数据块中的每一个的指纹传感器数据的统计方差值(405)。所述控制系统可能能够至少部分基于所述统计方差值确定物体是否最接近所述指纹传感器系统的一部分定位(407)。
Description
优先权主张
本申请案主张2014年8月31日申请且题为“针对生物识别传感器的空气/物体确定(AIR/OBJECT DETERMINATION FOR BIOMETRIC SENSORS)”的美国专利申请案第14/474,163号的优先权，所述申请案在此被以引用的方式并入。
技术领域
本发明大体涉及鉴定装置和方法，明确地说，涉及适用于移动装置的鉴定装置和方法。
背景技术
随着移动装置变得越来越多功能，用户鉴定变得日益重要。增加量的个人信息可存储在移动装置上和/或可由移动装置存取。此外，移动装置正日益用以进行购买和执行其它商业事务。现有的鉴定方法通常涉及使用口令或密码，所述口令或密码可能被正当的用户忘记或者被未经授权的人使用。改善的鉴定方法是合乎需要的。
发明内容
本发明的系统、方法和装置各自具有若干创新方面，其中没有单个方面单独负责本文所揭示的合乎需要的属性。
本发明中描述的标的物的一个创新方面可实施于例如指纹感测设备的设备中。指纹感测设备可包含指纹传感器系统和控制系统。控制系统可包含一或多个通用单芯片或多芯片处理器、数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列(FPGA)或其它可编程逻辑装置、离散门或晶体管逻辑、离散硬件组件或其组合。控制系统可能能够从指纹传感器接收指纹传感器数据，和根据指纹传感器数据确定物体是否最接近指纹传感器系统的一部分定位。
根据一些实施方案，如果控制系统确定物体最接近指纹传感器系统的所述部分定位，那么控制系统可确定物体是手指还是非手指物体。如本文中所使用，术语“手指”可指包含手指或拇指的任何指头。因此，如本文中所使用，术语“指纹”可指指纹或拇指纹。
在一些实施方案中，如果控制系统确定物体为手指，那么控制系统可确定指纹传感器数据是否包含至少图像质量阈值的指纹图像信息。在一些实例中，如果至少图像质量阈值的指纹图像信息包含在指纹传感器数据中，那么控制系统可从指纹图像信息提取指纹特征。提取的指纹特征可(例如)包含指纹脊线端点、指纹脊线分叉、短脊线和/或岛。
在一些实施方案中，控制系统可能能够确定提取的指纹特征质量。控制系统可能能够至少部分基于提取的指纹特征产生指纹模板。在一些实例中，控制系统可至少部分基于提取的指纹特征质量确定是否产生指纹模板，例如，根据提取的指纹特征质量评分。
根据一些实施方案，控制系统可能能够确定指纹模板质量。确定指纹模板质量可(例如)涉及确定指纹模板质量评分。举例来说，指纹模板质量评分可基于模板匹配评分、细节点质量、细节点数量、特征质量、特征数量、图像对比度、图像梯度信息、脊线定向质量、脊线频率和/或脊线流质量。
在一些实例中，控制系统可能能够比较指纹模板与先前获得的指纹模板，和确定指纹模板是否匹配先前获得的指纹模板。在一些实例中，控制系统可至少部分基于指纹模板的指纹模板质量来确定是否比较指纹模板与先前获得的指纹模板。
在一些实施方案中，如果控制系统确定指纹模板匹配先前获得的指纹模板，那么控制系统可能能够更新先前获得的指纹模板以包含提取的指纹特征中的至少一个。在一些此类实施方案中，控制系统可至少部分基于指纹模板的指纹模板质量确定是否更新先前获得的指纹模板。
根据一些实施方案，确定物体是否为手指可涉及确定指纹传感器数据是否指示在空间频率的范围内的元素。元素可(例如)为周期性或准周期性元素。在一些实例中，确定物体是否为手指可涉及区分手指与另一身体部位。在一些实施方案中，确定物体是否为手指可涉及将指纹传感器数据变换成频域，执行纹理分析，应用特征检测算法和/或应用边缘检测算法。
在一些实例中，确定物体是否为手指可涉及确定非手指物体为手写笔。根据一些此类实施方案，控制系统可能能够提供指示非手指物体是否为手写笔的手写笔输出信号。
在一些实施方案中，指纹传感器系统可包含超声波传感器阵列。根据一些此类实施方案，控制系统可能能够评定最接近指纹传感器系统的一或多个物体的声学阻抗。举例来说，控制系统可能能够确定物体是否具有在对应于皮肤的声学阻抗的声学阻抗范围内的声学阻抗。根据一些此类实施方案，声学阻抗范围可从1.3兆瑞利到2.1兆瑞利。如果控制系统确定物体具有在对应于皮肤的声学阻抗的范围内的声学阻抗，那么在一些实施方案中，控制系统可调用用于区分手指与另一身体部位的过程。
本发明中所描述的标的物的其它创新方面可以指纹感测方法来实施，所述方法可涉及从指纹传感器系统接收指纹传感器数据，和根据指纹传感器数据确定物体是否最接近指纹传感器系统的一部分定位。所述方法可涉及如果确定物体最接近指纹传感器系统的所述部分定位，那么确定物体是手指还是非手指物体。
如果确定物体为手指，那么所述方法可涉及确定指纹传感器数据是否包含至少图像质量阈值的指纹图像信息。所述方法可涉及如果确定至少图像质量阈值的指纹图像信息包含于指纹传感器数据中，那么从指纹图像信息提取指纹特征。
本文中描述的方法中的一些或全部可根据存储于非暂时性媒体上的指令(例如，软件)由一或多个装置执行。此非暂时性媒体可包含例如本文中描述的存储器装置的存储器装置，包含(但不限于)随机存取存储器(RAM)装置、只读存储器(ROM)装置等。因此，本发明中描述的标的物的一些创新方面可在具有存储于其上的软件的非暂时性媒体中实施。
举例来说，软件可包含用于控制指纹感测设备从指纹传感器系统接收指纹传感器数据和根据指纹传感器数据确定物体是否最接近指纹传感器系统的一部分定位的指令。在一些实例中，软件可包含用于控制指纹感测设备如果确定物体最接近指纹传感器系统的所述部分定位那么确定物体是手指还是非手指物体的指令。
在一些实施方案中，软件可包含用于控制指纹感测设备确定指纹传感器数据是否包含至少图像质量阈值的指纹图像信息的指令。在一些实例中，软件可包含用于控制指纹感测设备如果至少图像质量阈值的指纹图像信息包含于指纹传感器数据中那么从指纹图像信息提取指纹特征的指令。
本发明中描述的标的物的其它创新方面可在指纹感测设备中实施。指纹感测设备可包含指纹传感器系统和控制系统。在一些实例中，所述控制系统可包含一或多个通用单芯片或多芯片处理器、数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列(FPGA)或其它可编程逻辑装置、离散门或晶体管逻辑、离散硬件组件或其组合。
所述控制系统可能能够从指纹传感器系统接收指纹传感器数据，确定用于指纹传感器数据的至少一部分的指纹传感器数据块，计算针对对应于指纹传感器数据块中的每一个的指纹传感器数据的统计方差值，和根据统计方差值确定物体是否最接近指纹传感器系统的一部分定位。
根据一些实施方案，确定物体是否最接近指纹传感器系统的一部分定位可涉及确定统计方差值高于还是低于阈值。在一些实例中，统计方差值可至少部分基于指纹传感器信号值或指纹传感器信号梯度。
在一些实施方案中，控制系统可能能够提供指示物体是否最接近指纹传感器系统的一部分定位的物体输出信号。在一些此类实施方案中，控制系统可能能够确定最接近指纹传感器系统的所述部分定位的物体是否为手写笔。
根据一些实施方案，指纹传感器数据块可对应于指纹传感器系统的指纹传感器像素的块。取决于特定实施方案，指纹传感器像素的块可或可不邻接。在一些实例中，指纹传感器像素的块可包含指纹传感器系统的大体上所有指纹传感器像素。在一些实施方案中，指纹传感器像素的块可具有至少两个不同大小。
在一些实施方案中，控制系统可能能够在计算统计方差值前将一或多个滤波器应用到指纹传感器数据。举例来说，一或多个滤波器可使对应于指纹特征的空间频率范围通过。
因此，在一些实施方案中，控制系统可能能够确定物体是否为手指。在一些实例中，如果控制系统确定物体为手指，那么控制系统可从指纹传感器数据提取指纹特征。
根据一些实施方案，指纹传感器系统可包含超声波传感器阵列。在一些此类实施方案中，控制系统可能能够评定最接近指纹传感器系统的一或多个物体的声学阻抗。举例来说，控制系统可能能够确定物体是否具有在对应于皮肤的声学阻抗的声学阻抗范围内的声学阻抗。在一些实施方案中，声学阻抗范围可从1.3兆瑞利到2.1兆瑞利。然而，在替代性实施方案中，声学阻抗范围可为不同范围，例如，更窄范围或更宽范围。在一些实施方案中，控制系统可能能够确定皮肤覆盖的物体是手指还是另一身体部位。
本发明中描述的标的物的其它创新方面可在指纹感测方法中实施。所述方法可涉及从指纹传感器系统接收指纹传感器数据，确定用于指纹传感器数据的至少一部分的指纹传感器数据块，计算针对对应于指纹传感器数据中的每一个的指纹传感器数据的统计方差值，和根据统计方差值确定物体是否最接近指纹传感器系统的一部分定位。
举例来说，指纹传感器数据块可对应于指纹传感器像素的块。在一些实施方案中，所述方法可涉及确定物体是否为手指。所述方法可涉及评定最接近指纹传感器系统的一或多个物体的声学阻抗。
本发明中描述的标的物的一些创新方面可在具有存储于其上的软件的非暂时性媒体中实施。举例来说，所述软件可包含用于以下操作的指令：控制指纹感测设备从指纹传感器系统接收指纹传感器数据，确定用于指纹传感器数据的至少一部分的指纹传感器数据块，计算针对对应于指纹传感器数据块中的每一个的指纹传感器数据的统计方差值，和根据统计方差值确定物体是否最接近指纹传感器系统的一部分定位。
举例来说，指纹传感器数据块可对应于指纹传感器像素的块。在一些实施方案中，软件可包含用于控制指纹感测设备确定物体是否为手指的指令。在一些情况下，软件可包含用于控制指纹感测设备评定最接近指纹传感器系统的一或多个物体的声学阻抗的指令。
本发明中描述的标的物的其它创新方面可在指纹感测设备中实施。指纹感测设备可包含指纹传感器系统和控制系统。指纹传感器系统可包含超声波传感器阵列。
在一些实例中，所述控制系统可包含一或多个通用单芯片或多芯片处理器、数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列(FPGA)或其它可编程逻辑装置、离散门或晶体管逻辑、离散硬件组件或其组合。所述控制系统可能能够从指纹传感器系统接收指纹传感器数据，确定物体最接近指纹传感器系统的一部分定位，和确定物体的至少一部分的声学阻抗。
所述控制系统可能能够确定声学阻抗是否在对应于皮肤的声学阻抗的声学阻抗范围内，和至少部分基于声学阻抗确定物体是否为手指。声学阻抗范围可(例如)在约1.3兆瑞利与2.1兆瑞利之间。
在一些实例中，所述控制系统可能能够确定物体是否为手写笔。在一些此类实施方案中，所述控制系统可能能够提供指示物体是否为手写笔的手写笔输出信号。
在一些实施方案中，所述控制系统可能能够区分手指与另一身体部位。举例来说，区分手指与另一身体部位涉及区分鼻子、脸颊、手掌、肘部、指关节或身体的另一部分与手指。如果控制系统确定物体为手指，那么所述控制系统可能能够从指纹传感器数据提取指纹特征。
根据一些实施方案，确定物体是否为手指可涉及检测与指纹相关联的图案。检测与指纹相关联的图案可涉及局部纹理图案分析、基于梯度的图案分析、基于小波的分析、频域分析或其组合。
在一些实施方案中，所述控制系统可能能够在检测与指纹相关联的图案前将一或多个滤波器应用到指纹传感器数据。所述一或多个滤波器可(例如)使对应于与指纹相关联的图案的空间频率范围通过。所述一或多个滤波器可包含带通滤波器、低通滤波器、中值滤波器、去噪声滤波器、高斯滤波器、小波滤波器和/或运行平均滤波器。
根据一些实施方案，检测与指纹相关联的图案可涉及评估用于指纹传感器数据的至少一部分的指纹传感器数据块。指纹传感器数据块可对应于指纹传感器系统的指纹传感器像素的块。取决于特定实施方案，指纹传感器像素的块可或可不邻接。在一些实例中，所述块可包含与所述物体对应的大体上所有指纹传感器像素。
在一些实施方案中，确定所述物体是否为手指可涉及检测手指形状。检测手指形状可(例如)涉及检测三维形状。
本发明中描述的标的物的其它创新方面可在确定物体是否为手指的方法中实施。所述方法可涉及从指纹传感器系统接收指纹传感器数据，确定物体最接近指纹传感器系统的一部分定位，和确定物体的至少一部分的声学阻抗。所述方法可涉及确定声学阻抗是否在对应于皮肤的声学阻抗的声学阻抗范围内。
所述方法可涉及至少部分基于声学阻抗确定物体是否为手指。然而，在一些实施方案中，确定物体是否为手指可涉及检测与指纹相关联的图案。
本发明中描述的标的物的一些创新方面可在具有存储于其上的软件的非暂时性媒体中实施。举例来说，所述软件可包含用于控制指纹感测设备进行以下操作的指令：从指纹传感器系统接收指纹传感器数据，确定物体最接近指纹传感器系统的一部分定位，和确定所述物体的至少一部分的声学阻抗。所述软件可包含用于控制指纹感测设备进行以下操作的指令：确定声学阻抗是否在对应于皮肤的声学阻抗的声学阻抗范围内，和至少部分基于声学阻抗确定物体是否为手指。
然而，在一些实施方案中，确定物体是否为手指可涉及检测与指纹相关联的图案。检测与指纹相关联的图案可(例如)涉及局部纹理图案分析、基于梯度的图案分析、基于小波的分析、频域分析或其组合。在一些实例中，检测与指纹相关联的图案可涉及评估用于指纹传感器数据的至少一部分的指纹传感器数据块。指纹传感器数据块可对应于指纹传感器系统的指纹传感器像素的块。根据一些实施方案，所述软件可包含用于控制指纹感测设备区分手指与另一身体部位的指令。
附图说明
在附图及以下描述中阐述本说明书中描述的标的物的一或多个实施方案的细节。其它特征、方面和优点将从描述、图式和权利要求书变得显而易见。应注意，以下各图的相对尺寸可能未按比例绘制。各个图式中的相似参考编号和名称指示相似元件。
图1A为展示指纹感测设备的实例组件的框图。
图1B为提供指纹感测设备操作的实例的流程图。
图1C为提供指纹感测设备操作的额外实例的流程图。
图1D为提供指纹感测设备操作的额外实例的流程图。
图1E为提供指纹感测设备操作的额外实例的流程图。
图1F为提供指纹感测设备操作的额外实例的流程图。
图2A到2L展示部分指纹图像和指纹特征的实例。
图3为概述更新先前获得的指纹模板的一些方法的实例的流程图。
图4A为提供物体检测操作的实例的流程图。
图4B到4D展示指纹传感器数据块的实例。
图4E为提供物体检测操作的额外实例的流程图。
图4F和4G展示至少部分基于统计方差值高于还是低于阈值的空气/物体确定的实例。
图4H为提供物体检测操作的额外实例的流程图。
图4I为提供物体检测操作的额外实例的流程图。
图5为展示指纹感测设备的实例组件的框图。
图6A为展示用于确定物体是否为手指的方法的实例块的流程图。
图6B为提供用于一些常见物质的声学阻抗值的实例的表。
图6C为展示替代性方法的实例块的流程图。
图7A到7C提供通过评估用于接受的指纹传感器数据的至少一部分的指纹传感器数据块来检测与指纹和其它身体部位相关联的图案的实例。
图8A展示触摸/指纹感测系统的分解图的实例。
图8B展示触摸/指纹感测系统的替代性实例的分解图。
图9A和9B展示说明包含如本文所描述的触摸/指纹感测系统的显示装置的系统框图的实例。
具体实施方式
以下描述针对出于描述本发明的创新方面的目的的某些实施方案。然而，所属领域的一般技术人员将容易认识到，可以大量不同方式应用本文中的教示。所描述的实施方案可实施于包含触摸/指纹感测系统的任一装置、设备或系统中。此外，预料所描述的实施方案可包含于诸如(但不限于)以下各者的多种电子装置中或与所述电子装置相关联：移动电话、具多媒体因特网功能的蜂窝式电话、移动电视接收器、无线装置、智能电话、装置、个人数据助理(PDA)、无线电子邮件接收器、手持式或便携式计算机、上网本、笔记本计算机、智慧本、平板计算机、打印机、复印机、扫描仪、传真装置、全球定位系统(GPS)接收器/导航器、相机、数字媒体播放器(例如，MP3播放器)、摄录影机、游戏控制台、手表、时钟、计算器、电视监视器、平板显示器、电子阅读装置(例如，电子阅读器)、移动保健装置、计算机监视器、汽车显示器(包含里程表和速度计显示器等)、驾驶舱控制件和/或显示器、相机视图显示器(例如，车辆中的后视相机的显示器)、电子相片、电子广告牌或标牌、投影仪、建筑结构、微波炉、冰箱、立体声系统、卡匣录音机或播放器、DVD播放器、CD播放器、VCR、收音机、便携式存储器芯片、洗衣机、烘干机、洗衣/烘干机、停车计时器、封装(例如，在包含微机电系统(MEMS)应用的机电系统(EMS)应用以及非EMS应用中)、美学结构(例如，关于一件珠宝或服装的图像的显示)和多种EMS装置。本文中的教示还可用于例如(但不限于)以下应用中：电子开关装置、射频滤波器、传感器、加速度计、陀螺仪、运动感测装置、磁力计、用于消费型电子器件的惯性组件、消费型电子产品的零件、变容器、液晶装置、电泳装置、驱动方案、制造工艺和电子测试装备。因此，所述教示并不希望限于仅在图中描绘的实施方案，而是，具有如对所属领域的一般技术人员而言将易于显而易见的广泛适用性。
用于移动装置的指纹传感器可需要大量的计算时间和资源。举例来说，可在约50毫秒中(在每秒20帧下)获取指纹传感器数据的帧。然而，可能需要花约450毫秒来充分处理指纹传感器数据。消费者需要快的存取时间。此外，消费者可能不一致或不恰当地在指纹扫描仪上定位指头。可无意地开始指纹扫描和鉴定过程，从而浪费计算资源和能量。当前系统产生用于所有指纹传感器数据的指纹模板，不管数据是否包含可使用的指纹信息。当前系统花费充分处理时间来处理每一指纹传感器数据帧，而不管数据质量。可包含关于一或多个指纹特征或细节点的有关信息的指纹模板信息可作为“指纹模板”存储在移动装置中。指纹模板可由移动装置用于录入、匹配、验证、鉴定和/或其它用途。
本文中揭示的各种实施方案可涉及针对生物识别传感器的“分层”滤波和/或信号处理。在一些实例中，指纹传感器数据的完整处理可仅在每一“层”或阶段成功地结束的情况下发生。(如本文中其它处指出，术语“手指”可指任一指头，包含手指或拇指，且术语“指纹”可指指纹或拇指纹)。然而，在一些实施方案中，可并行地执行不同层的至少一些过程。如果任一层未成功地结束，那么过程可终止且可获得额外新指纹传感器数据。
在一些实施方案中，初始筛选层可涉及确定在指纹传感器上或附近是否存在物体。此初始或第一层可提供指示物体是否在指纹传感器上或附近的物体/非物体输出信号。初始或第一层可提供指示与空气相似的材料或另一材料是否在指纹传感器上或附近的空气/非空气输出信号。第二层可涉及确定物体是否为手指(或至少物体是否为手指状)。第二层可涉及物体是否包含典型指纹图案(例如，脊线和谷线)的确定。替代地，或另外，第二层可涉及确定物体是否具有在对应于皮肤的声学阻抗的声学阻抗范围内的声学阻抗。在一些实例中，确定物体是否为手指可涉及区分手指与另一身体部位。确定物体是否为手指可涉及确定非手指物体为手写笔。第二层可提供指示手指是否在指纹传感器上的手指/非手指输出信号。第二层可提供指示在指纹传感器上的物体的声学阻抗是否在预定范围内的声学阻抗输出信号。第二层可提供指示指纹传感器上的物体是否可能为欺骗的低级欺骗输出信号。第二层可提供指示手写笔的尖端是否在传感器上的手写笔/非手写笔输出信号。
第三层可涉及测量指纹图像的质量，且在一些情况下，调用例程来改善图像的质量。第三层可提供指示图像质量评分的图像质量输出信号。第三层可提供指示图像质量是否高于阈值的图像质量输出信号。第四层可涉及指纹特征和/或模板的质量评分，且可涉及提供指纹匹配置信度的指示。第四层可提供和/或存储指示特征的质量等级的特征质量输出信号。第四层可提供和/或存储指示模板的质量等级的模板质量输出信号。第四层可提供指示可匹配模板或辨识置信度水平是否高于预定阈值的置信度水平的辨识置信度水平输出信号。这些输出信号中的一或多个可被存储、发送到或另外提供到在移动装置上运行的各种软件应用程序。举例来说，可将输出提供到关于图9A和9B更详细地描述的一或多个应用处理器。
然而，一些实施方案可包含或多或少的层。此外，取决于特定实施方案，本文中揭示的一些实施方案可或可不结合“分层”方法使用。举例来说，本文中揭示的一些实施方案可涉及根据特定实施方案可或可不实施为多层过程的初始层的物体/非物体确定。一些此类实施方案可涉及基于块的物体/非物体确定。举例来说，一些此类实施方案可涉及确定指纹传感器数据块，和计算针对对应于指纹传感器数据块中的每一个的指纹传感器数据的统计方差值。指纹传感器数据块可对应于指纹传感器像素的块。
类似地，本文中揭示的一些实施方案可涉及根据特定实施方案可或可不实施为多层过程的第二层的手指/非手指确定。一些此类实施方案可涉及从包含超声波传感器阵列的指纹传感器系统接收指纹传感器数据。此类实施方案可涉及确定最接近指纹传感器系统定位的物体的至少一部分的声学阻抗或声学阻抗的表示，和至少部分基于所述声学阻抗确定物体是否为手指。举例来说，此类实施方案可涉及确定声学阻抗是否在对应于皮肤的声学阻抗的声学阻抗范围内。可注意到，声学阻抗的值可以非标准单位(例如，毫伏)计，或为在(例如)0与255(8个位)之间的二进制数，所述二进制数可充当以标准单位(例如，兆瑞利(1E6kg/m2/sec))计的声学阻抗的表示，以用于比较或确定声学阻抗是否在预定范围内的方式。
可实施本发明中描述的标的物的特定实施方案以实现下列潜在优点中的一或多个。在一些实施方案中，指纹传感器数据的完整处理可仅在每一“层”或阶段成功地结束的情况下发生。因此，通过处理不包含足够高质量的指纹信息的指纹传感器数据，可能不会浪费电力和计算资源。因此，本文中揭示的一些实施方案可能能够提供短的存取时间和高准确性，同时使计算时间和资源最小化。
图1A为展示指纹感测设备的实例组件的框图。在此实例中，指纹感测设备100包含指纹传感器系统102和控制系统104。指纹传感器系统102可包含指纹传感器像素的一或多个阵列。指纹传感器系统102可包含一或多个类型的指纹传感器，例如，光学传感器、电容式传感器等。指纹传感器可为线或轻扫式传感器(其中用户在传感器的表面上滑动手指)或区域传感器(其中用户将手指放置在传感器的表面上或附近以获取指纹传感器数据)。在一些实例中，指纹传感器系统102可包含超声波传感器的至少一个阵列。
控制系统104可包含一或多个通用单芯片或多芯片处理器、数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列(FPGA)或其它可编程逻辑装置、离散门或晶体管逻辑、离散硬件组件或其组合。控制系统104还可包含例如一或多个随机存取存储器(RAM)装置、只读存储器(ROM)装置等的一或多个存储器装置(和/或可经配置以与一或多个存储器装置通信)。控制系统104可能能够接收和处理来自指纹传感器系统的指纹传感器数据。
图1B为提供指纹感测设备操作的实例的流程图。图1B的块(和本文中提供的其它流程图的块)可(例如)由图1A的控制系统104或由类似设备执行。如同本文中揭示的其它方法，图1B中概述的方法可包含比所指示多或少的块。此外，本文中揭示的方法的块未必按指示的次序执行。
此处，块105涉及从指纹传感器系统接收指纹传感器数据。在此处和其它处使用的术语“指纹传感器数据”指来自指纹传感器的数据。然而，来自指纹传感器的“指纹传感器数据”将未必与指纹对应。举例来说，在一些情况下，指纹传感器数据可指示物体和/或空气的存在。指纹传感器系统可(例如)为指纹传感器系统102或类似设备。因此，可参照本文中揭示的控制系统104和/或指纹传感器系统102的实施方案描述图1B的块(和本文中提供的其它流程图的块)。
在此实例中，块107涉及至少部分基于指纹传感器数据确定物体是否最接近指纹传感器系统的一部分定位。本文中揭示物体检测的各种实例，包含用于确定空气还是物体最接近指纹传感器系统的一部分的实施方案。在一些实施方案中，如果确定无物体最接近指纹传感器系统的至少一部分定位，那么过程可回复到块105。
一些实施方案(例如，其中块105涉及从指纹传感器系统接收“原始”指纹传感器数据的实施方案)可涉及预处理指纹传感器数据。举例来说，一些实施方案可包含在块105与块107之间的一或多个预处理块。此预处理可(例如)涉及或包含增益补偿、偏移调整、背景减除、去噪声操作、对比度增强、按比例调整、线性化、裁剪、失效或低执行像素识别和排除和/或其它过程。
如果在块107确定物体最接近指纹传感器系统的至少一部分定位，那么在此实例中，过程继续到块109。在此实施方案中，块109涉及确定物体是否为手指。举例来说，控制系统104可能能够确定物体为手指或非手指物体。如本发明中其它处所指出，术语“指纹传感器数据”意味着来自指纹传感器的数据。因此，“指纹传感器数据”将未必与指纹对应。在一些情况下，指纹传感器数据可指示物体和/或空气的存在。甚至在物体为非手指物体的情况下，术语“指纹传感器数据”用以描述从指纹传感器系统接收的数据(来自非手指物体)。在一些实施方案中，控制系统104可能能够提供指示手指是否最接近指纹传感器系统的一部分定位的手指/非手指输出信号。以下描述各种实例。
在其中指纹传感器系统102包含超声波传感器阵列的一些实施方案中，控制系统可能能够评定最接近指纹传感器系统的一或多个物体的声学阻抗。确定物体是否为手指可涉及确定物体是否具有在对应于皮肤的声学阻抗的声学阻抗范围(例如，在1.3兆瑞利与2.1兆瑞利之间)内的声学阻抗。如本文中其它处指出，声学阻抗的值可以非标准单位(例如，毫伏)计，或为在(例如)0与255(8个位)之间的二进制数，所述二进制数可充当以标准单位(例如，兆瑞利)计的声学阻抗的表示，以用于确定声学阻抗是否在预定范围内。在一些实施方案中，控制系统104可能能够提供指示在指纹传感器的一部分上或附近的物体的声学阻抗是否在预定范围(例如，包含皮肤或其它身体部位的范围)内的声学阻抗输出信号。
在一些实例中，确定物体是否为手指可涉及确定指纹传感器数据是否指示在空间频率的范围内的周期性或准周期性元素。空间频率的范围可与指纹特征对应。在一些实例中，空间频率的范围可按每单位距离的指纹线对(例如，每毫米线对)来表达。指纹线对可(例如)为一对指纹脊线或谷线。在一些实施方案中，与指纹特征对应的空间频率范围可为每毫米4到6个指纹线对，或每毫米大致4到6个指纹线对(例如，每毫米4.5到6个指纹线对、每毫米4.5到5.5个指纹线对、每毫米4.0到5.5个指纹线对等)。在一些实施方案中，与指纹特征对应的空间频率范围可为每毫米3以7个指纹线对，或每毫米大致3到7个指纹线对(例如，每毫米3.5到7个指纹线对、每毫米3.5到6.5个指纹线对、每毫米3.0到6.5个指纹线对等)。在一些实施方案中，与指纹特征对应的空间频率范围可为每毫米2到8个指纹线对，或每毫米大致2到8个指纹线对(例如，每毫米2.5到8个指纹线对、每毫米2.5到7.5个指纹线对、每毫米2.0到7.5个指纹线对等)。在一些实施方案中，可根据授权用户的年龄和/或手指大小来设定空间频率的范围。
根据一些实施方案，确定物体是否为手指可涉及区分手指与另一身体部位。举例来说，在一些实施方案中，控制系统104可能能够区分手指与另一身体部位，例如，鼻子、脸颊、手掌、肘部或指关节。在一些实施方案中，举例来说，如果控制系统104确定物体具有在对应于皮肤的声学阻抗的声学阻抗范围内的声学阻抗，那么控制系统可调用进一步操作以区分手指与另一身体部位和/或区分手指与具有在对应于皮肤的声学阻抗的声学阻抗范围内的声学阻抗的非手指物体。此类操作可涉及将指纹传感器数据变换成频域，执行纹理分析，应用特征检测算法和/或应用边缘检测算法。然而，在替代性实施方案中，即使指纹传感器系统102不包含超声波传感器阵列和/或即使尚未确定物体的声学阻抗，仍可调用此类操作。
图1C为提供指纹感测设备操作的额外实例的流程图。图1C的块可(例如)由控制系统104或由类似设备执行。在此实例中，块105和107可大体上如上所述。图1C的块109也可大体上如参看图1B所描述。
然而，在此实例中块109的手指/非手指确定触发特定后续块。此处，如果在块109确定物体并非手指，那么过程继续到块117，其中确定非手指物体是否为手写笔。块117的确定可基于一或多个因素。举例来说，控制系统104可通过评估指纹传感器数据以确定物体的大小、物体的纹理、物体的形状和/或其它因素来确定非手指物体是否为手写笔。在此实例中，控制系统104能够提供指示非手指物体是否为手写笔的手写笔输出信号(块119)。
在图1C中展示的实例中，如果在块109确定物体为手指，那么过程继续到块110，其中发生进一步处理。以下描述一些实例。
图1D为提供指纹感测设备操作的额外实例的流程图。在一些实施方案中，图1D中展示的块可为录入过程的块。然而，在一些实例中，图1D的至少一些块也可对应于鉴定过程。图1D的块可由控制系统104或由类似设备执行。在此实例中，块105到107可大体上如上所述。图1C的块109也可大体上如参看图1B和1C所描述。
然而，在此实例中，如果在块109确定物体为手指，那么在块111确定指纹传感器数据是否包含至少图像质量阈值的指纹图像信息。如果不，那么在此实施方案中，将提取不到指纹特征，而取而代之，在此实例中，过程回复到块105。在一些实施方案中，控制系统104可能能够提供指示图像质量评分或等级或图像质量是否高于图像质量阈值的图像质量输出信号。
举例来说，块111可涉及确定指纹传感器数据是否包含足够高的图像质量的指纹图像信息以判断提取指纹特征的计算负担。如果提取指纹特征、后续录入和/或匹配的计算负担显著大于块111的过程，那么此确定可特别有益。因此，可能需要比提取指纹特征的过程(和/或其它过程)快地执行块111的过程，和按相对较小的计算负担执行块111的过程。因此，在一些实施方案中，块111可涉及评估在块105中接收的指纹传感器数据的仅一部分。
根据一些实施方案，块111可涉及评估指纹图像信息和进行信号和/或噪声确定(例如，信噪比确定)。块111的一些实施方案可涉及评估图像对比度和/或图像锐度。一些实施方案可涉及评估指纹图像信息以确定对应于脊线和谷线结构的曲线的拓扑。一些此类实施方案可涉及确定曲线定向图。在一些实例中，块111可涉及评估图像质量度量，例如，脊线流的定向、脊线流的清晰性和/或脊线流连续性。块111的一些实施方案可涉及针对例如细节点的一或多个指纹特征的存在来评估指纹图像信息。可(例如)通过将对应于指纹的脊线的指纹传感器数据的相对振幅除以背景(例如，指纹的谷线或来自无定位在传感器压板上的物体的传感器数据)的振幅来确定信噪比(SNR)。可(例如)通过比较脊线数据的量值与谷线数据的量值来确定图像对比度，例如，通过产生指纹图像数据的一或多个脊线与一或多个谷线之间的比率。可(例如)通过比较脊线数据与谷线数据的量值且除以脊线的边缘与谷线的底部之间的传感器像素的数目来确定图像锐度。可(例如)通过构建与安置于传感器压板的表面上的脊线和谷线的角方向相关联的向量场来确定对应于脊线和谷线的曲线的拓扑。可(例如)通过构建与脊线和谷线的曲率相关联的向量场来确定曲线定向图(例如，相对直脊线或谷线可具有小曲率且例如螺环的高度弯曲的脊线或谷线可具有高曲率)。例如脊线流的定向、脊线流的清晰性和/或脊线流连续性的图像质量度量可(例如)通过检验在指纹传感器数据内的脊线的角方向、长度、连续性和曲率以评定是否有足够数目个特征可用以允许成功匹配或识别供录入模板的良好图像来确定。
一些实施方案可涉及评估指纹图像信息和确定图像质量评分。涉及确定图像质量评分的一些实施方案可涉及使用仅用于在块111中的合格/不合格确定的评分。然而，其它实施方案可涉及保留图像质量评分和使图像质量评分与指纹图像信息相关联。举例来说，如果图像质量评分对于在块111中的“合格”确定来说足够高(导致进一步处理，例如，继续进行到块113)，但处于图像质量评分的边际范围中(例如，小于高图像质量的预定阈值评分)，那么一些此类实施方案可涉及保留图像质量评分和使图像质量评分与指纹图像信息相关联。
在一些实施方案中，用于在块111中的“合格”确定的图像质量阈值对于录入过程与对于鉴定过程可不同。举例来说，在一些此类实施方案中，用于在块111中的“合格”确定的图像质量阈值对于录入过程可比对于鉴定过程高。此区别可提供若干潜在优点。举例来说，可能需要确保接受到的指纹图像信息在录入过程期间具有高图像质量，这是因为准确的未来鉴定过程的成功将至少部分取决于在录入过程期间获得的图像质量。此外，如与用户对鉴定/验证过程的期望相比，用户可更能容忍在录入期间花费的时间：一般来说，用户可不太能容忍在装置的日复一日使用期间的延迟。举例来说，可对在移动装置上录入一或多个指纹的用户提供反馈，例如，当图像质量低时手指显得脏的在显示器上的消息或图标。在另一实例中，尝试鉴定或验证的用户可接收到以下消息：手指显得脏，或当图像质量低或正使用假手指时，图像质量低。鉴定过程可(例如)证实或验证用户正是他或她自称的人。鉴定过程可包含识别序列，其中从一或多个个人或授权用户(例如，平板计算机或其它共享移动装置的一或多个授权用户)的集合确定特定用户。
在图1D中展示的实例中，如果在块111中确定指纹传感器数据包含至少图像质量阈值的指纹图像信息，那么在块113中提取指纹特征。提取的指纹特征可(例如)包含图案信息和/或指纹细节点，例如，脊线端点信息、脊线分叉信息、短脊线信息、脊线流信息、岛信息、倒刺信息、三角形信息、核心信息等。
在此实例中，块120涉及至少部分基于在块113中提取的指纹特征产生指纹模板。举例来说，块120可涉及产生可包含指纹图案和/或指纹细节点的类型、大小、位置和/或定向的指纹模板信息。此处，块125涉及存储在块120中产生的指纹模板。存储指纹模板的时间长度可取决于过程是录入过程还是鉴定过程。如果是后者是，那么在一些实施方案中，在完成鉴定过程后，可将指纹模板删除。
图1E为提供指纹感测设备操作的额外实例的流程图。在一些实施方案中，图1E中展示的块可为录入过程的块。然而，在一些实例中，图1E的块也可对应于鉴定过程。图1E的块可由控制系统104或由类似设备执行。在此实例中，块105到113可大体上如上所述。
然而，图1E中概述的过程包含额外质量阈值确定。在此实例中，在于块113中提取指纹特征后，在块115中确定提取的指纹特征是否具有至少特征质量阈值。如果不，那么在此实施方案中，将不创建指纹模板，而取而代之，在此实例中，过程回复到块105。在一些实施方案中，控制系统104可能能够提供指示指纹特征质量、评分或等级或特征质量是否高于特征质量阈值的特征质量输出信号。
块115可涉及确定提取的指纹特征质量。在一些实施方案中，块115可涉及确定指纹特征质量评分，在一些实施方案中，其可为数字评分。指纹特征质量确定和/或评分可(例如)为基于多个提取的指纹特征的总分。在一些实施方案中，在块115中将评估大体上所有提取的指纹特征，然而在其它实施方案中，在块115中将只评估提取的指纹特征的子集。在一些实施方案中，可将一或多个特征质量评分或等级与对应的指纹特征一起存储。
根据一些实施方案，块115可涉及评估提取的指纹特征和进行信号和/或噪声确定(例如，信噪比确定)。块115的一些实施方案可涉及评估特征图像对比度和/或特征图像锐度。块115的一些实施方案可涉及评估在指纹图像信息内的图像图案的定向。块115的一些实施方案可涉及评估图像图案的连续性。块115的一些实施方案可涉及确定指纹图像信息的功率频谱分布以弄清(例如)脊线数据和谷线数据的相对数量和量值。块115的一些实施方案可涉及评估脊线/谷线流质量。块115的一些实施方案可涉及评定指纹图像信息中的一或多个细节点的质量，例如，确定细节点的区中的图像的对比度和将与局部对比度对应的值指派到细节点(例如，具有较高质量的细节点可在后续匹配操作期间比具有较低质量的细节点载有更多权数)。块115的一些实施方案可涉及确定与(例如)脊线-谷线-脊线特征的小波分解对应的图像信息的小波级分解分量质量。
在一些实施方案中，块115可涉及确定特征是否具有待辨识的足够等级。举例来说，一些此类实施方案可涉及确定特征辨识置信度水平和/或特征辨识置信度水平评分。特征辨识置信度水平评分可至少部分基于指纹特征质量确定和/或评分。然而，在一些实施方案中，特征辨识置信度水平评分也可基于图像质量评分。举例来说，在一些实施方案中，特征辨识置信度水平评分可基于至少部分基于指纹特征质量评分和图像质量评分的复合评分。一些此类实施方案可涉及将加权因数应用到所述评分中的一个。在一些实施方案中，控制系统可能能够提供指示指纹特征或模板的辨识置信度水平和/或特征或模板的辨识置信度水平是否高于辨识置信度水平阈值的辨识置信度水平输出信号。
根据一些实施方案，块115可为任选过程。举例来说，如果图像质量评分对于在块111中的“合格”确定来说足够高(导致进一步处理，例如，继续进行到块113)，但处于图像质量评分的边际范围中(例如，小于用于高图像质量的预定阈值评分)，那么可调用块115的提取的指纹特征质量确定。如果图像质量评分高于用于高图像质量的预定阈值评分，那么在一些实例中可省略块115。
在此实例中，块120涉及至少部分基于在块113中提取的指纹特征产生指纹模板。举例来说，块120可涉及产生可包含指纹图案和/或指纹细节点的类型、大小、位置和/或定向的指纹模板信息。
此处，任选块122涉及确定指纹模板是否具有至少指纹模板质量阈值。如果不，那么在此实施方案中，将不存储指纹模板，而取而代之，在此实例中，过程回复到块105。
因此，在此实例中，块122涉及确定指纹模板质量。确定指纹模板质量的过程可类似于确定指纹特征质量的过程。然而，确定指纹模板质量也可涉及确定其它因素，例如，在指纹模板中是否存在足够数目个高质量指纹特征，高质量指纹特征是否分布于足够大的区域上以用于可靠的模板匹配，图像的锐度、图像对比度、图案的连续性等。举例来说，指纹模板质量可为指纹特征质量的合计，例如，指纹模板中具有指派到其的特征质量评分的计数，或针对模板中的每一特征的特征质量评分的总和。在此实施方案中，高质量模板可具有大量的高质量特征，而相对低质量模板可具有仅少数具有高质量的特征或大量具有低质量的特征。举例来说，在录入期间，如果初始指纹图像具有不足的特征质量或不足的模板质量来确保在后续存取尝试期间的准确匹配和鉴定，那么可请求移动装置的用户提供一或多个额外指纹图像。举例来说，在匹配期间，在具有较低质量的特征前可使用具有最高质量的特征以确定匹配评分。类似地，在确定来自来自同一录入的手指的不同部分(重叠或不重叠)的模板的匹配前，可将具有针对指纹的一个部分的高质量的模板用于匹配。在一些实施方案中，块122可涉及确定指纹模板质量评分和确定所述指纹模板质量评分是否超过阈值。在一些实施方案中，指纹模板质量评分可至少部分基于细节点质量和/或特征质量。在一些实施方案中，指纹模板质量评分可至少部分基于对应的指纹图像信息中的细节点和/或特征的数量。在一些实施方案中，指纹模板质量评分可至少部分基于图像对比度和/或图像梯度信息。在一些实施方案中，指纹模板质量评分可至少部分基于脊线定向质量、脊线频率和/或脊线流质量。在一些实施方案中，指纹模板质量评分可至少部分基于模板匹配得分。模板匹配得分又可基于与先前获得的指纹模板的匹配的程度，例如，如下参看图1F所描述。在一些实施方案中，控制系统可能能够提供指示模板质量评分或等级和/或模板质量是否高于模板质量阈值的模板质量输出信号。
此处，块125涉及存储在块120中产生的指纹模板。存储指纹模板的时间长度可取决于过程是录入过程还是鉴定过程。如果过程为鉴定过程，那么在一些实施方案中，在鉴定过程完成后，可删除指纹模板。然而，如下指出，一些实施方案可涉及进一步使用指纹模板的至少一部分。一些此类实施方案可涉及更新先前获得的指纹模板。在一些实施方案中，可将模板质量输出信号与指纹模板一起存储。在一些实施方案中，可将对应于一或多个指纹特征的一或多个特征质量评分与指纹模板一起存储。在一些实施方案中，可将用于指纹特征或模板的辨识置信度水平输出信号与指纹模板一起存储。
图1F为提供指纹感测设备操作的额外实例的流程图。在此实例中，图1F中展示的块为鉴定过程的块。图1F的块可由控制系统104或由类似设备执行。在此实例中，块105到122可大体上如上所述。
然而，在此实施方案中，在块127中确定是否存在指纹模板匹配。在此实例中，块127涉及比较指纹模板与先前获得的指纹模板，和确定指纹模板是否匹配先前获得的指纹模板。在一些实施方案中，块127可涉及确定指示指纹模板匹配先前获得的指纹模板的紧密程度的模板匹配评分。
如果在块127中确定不存在匹配(和/或模板匹配评分过低)，那么用户将不被鉴定(块133)。可拒绝对装置(例如，包含指纹感测设备的装置)的存取。在一些实施方案中，块133可涉及拒授权购买或其它金融交易。在此实例中，过程回复到块105。
然而，如果在块127中确定存在匹配(和/或模板匹配评分足够高)，那么在此实例中，过程继续到块131，其中对用户鉴定。举例来说，如果鉴定过程正由移动显示装置的指纹感测设备执行，那么块131可涉及允许用户存取移动显示装置。在一些实施方案中，块131可涉及授权购买或其它金融交易。
任选块135涉及确定是否更新先前获得的指纹模板。举例来说，在一些实施方案中，如果在块127中确定存在匹配和如果指纹模板包含未在先前获得的指纹模板中发现的至少一些特征，那么可更新先前获得的指纹模板。在一些实施方案中，仅当匹配评分足够高(指示指纹模板和先前获得的指纹模板对应于同一用户的同一指头的高度置信度)时，才更新先前获得的指纹模板。替代地，或另外，是否更新先前获得的指纹模板的确定可至少部分基于质量评分，例如，图像质量评分、特征质量评分和/或模板质量评分。
因此，更新先前获得的指纹模板可涉及扩增先前获得的指纹模板以包含新特征。替代地，或另外，更新先前获得的指纹模板可涉及基于较高质量图像用新特征信息替换先前获得的指纹模板的特征、更新特征位置数据等。出于若干原由，此类更新特征可为合乎需要的。举例来说，典型用户可能不理解如何提供高质量指纹图像信息。用户可能(例如)过于用力地按压在指纹传感器区域上，且使指纹脊线和其它特征的天然图案和/或形状失真。在一些实施方案中，可从相对小的指纹传感器获得指纹传感器数据。在一些情况下，指纹传感器可小于典型的人类手指。因此，来自指纹传感器系统的指纹传感器数据将对应于全部指纹的仅一部分。
图2A到2L展示部分指纹图像和指纹特征的实例。在此实例中，图2A到2L为已在包含获得指纹传感器数据的过程(其可类似于以上参看图1B到1F描述的过程中的一或多个)的多个反复期间从具有大致正方形的作用区域的相对小的指纹传感器获得的一群部分指纹图像13。部分指纹图像13中的每一个可与已在过程的反复期间获得的指纹图像信息的子集对应。根据一些此类实施方案，对应于部分指纹图像13中的每一个的指纹特征的子集可从指纹图像信息的每一对应的子集提取，且可产生部分指纹模板。部分指纹模板可(例如)包含在图2B中展示的指纹细节点205g和/或在图2H中展示的指纹细节点205b的类型、位置和/或间距。部分指纹模板可与在部分指纹图像13中的一或多个中展示的特征对应。
部分指纹图像13中展示的指纹图像信息(例如，图2E和2H中展示的指纹图像信息)的子集中的一些可被认为包含足够数目个用于录入过程的指纹特征。在一些实施方案中，对应于部分指纹图像13中的一或多个的指纹特征的子集可已在录入过程期间从指纹图像信息的对应的子集提取，且可已产生和存储部分指纹模板。将接着对应于本文中揭示的“先前获得的指纹模板”的初始版本的此部分指纹模板可被用作用于后续鉴定程序(例如，以上参看图1F描述的程序)的参考。在一些实施方案中，可针对单一手指产生和存储多于一个指纹模板。
然而，结合此类后续鉴定程序，可更新先前获得的指纹模板。举例来说，假设先前获得的指纹模板的初始版本已基于与图2H的部分指纹图像13对应的指纹图像信息的子集。在此实例中，先前获得的指纹模板的初始版本可包含对应于指纹细节点205a到205d的指纹特征和可在图2H中观测到的各种其它指纹特征。
结合后续鉴定程序，新指纹模板可基于与图2E的部分指纹图像13对应的的指纹图像信息的子集。新指纹模板可包含对应于指纹细节点205c到205f的指纹特征和可在图2E中观测到的各种其它指纹特征。假定在先前获得的指纹模板的初始版本与新指纹模板之间存在充分匹配，那么在一些实施方案中，可更新先前获得的指纹模板的初始版本以包含新指纹特征中的至少一些，例如，与指纹细节点205e和205f对应的指纹特征。在题目为“具有区域图像合并的超声波区域阵列传感器(Ultrasonic Area-Array Sensor with Area-ImageMerging)”且2011年5月13日申请的美国专利申请案第13/107,635号的段落[0022]到[0055]和对应的图中揭示一些相关方法和装置，所述美国专利申请案的材料被以引用的方式并入。
以类似方式，后续鉴定程序可涉及基于与图2B的部分指纹图像13对应的指纹图像信息的子集产生新指纹模板。假定在先前获得的指纹模板的经更新版本与新指纹模板之间存在足够匹配，那么在一些实施方案中，可再次更新先前获得的指纹模板的经更新版本以包含新指纹特征，例如，与指纹细节点205g对应的指纹特征。同样地，后续鉴定程序可涉及基于与图2D的部分指纹图像13对应的指纹图像信息的子集产生新指纹模板。假定在先前获得的指纹模板的经更新版本与新指纹模板之间存在充分匹配，那么在一些实施方案中，可再次更新先前获得的指纹模板的经更新版本以包含新指纹特征，例如，与指纹细节点205h和205i对应的指纹特征。
图3为概述更新先前获得的指纹模板的一些方法的实例的流程图。在此实例中，方法300开始于块305，其涉及匹配新指纹模板与先前获得的指纹模板，和后续鉴定。在一些实施方案中，块305可类似于图1F的块127和131。然而，在其它实施方案中，块305可涉及其它模板匹配和鉴定过程。举例来说，块305可涉及匹配已在无图1F中展示的质量阈值确定中的一或多个的情况下产生的指纹模板。
在此实例中，块310涉及确定如与先前获得的指纹模板的指纹特征相比，新指纹模板是否包含新和/或较高质量指纹特征。如果是，那么在块315中，可更新先前获得的指纹模板以包含新和/或较高质量指纹特征。
根据一些此类实施方案，更新过程可涉及扩增先前获得的指纹模板以包含新指纹特征，例如，如上参看图2A到2L所描述。
替代地，或另外，块315的更新过程可涉及调适先前获得的指纹模板。在一些实施方案中，此调适可涉及用新指纹模板的较高质量对应特征替换先前获得的指纹模板的指纹特征。
在一些实施方案中，块315的更新过程可涉及调适对应于先前获得的指纹模板的细节点间距的数据。举例来说，随着儿童成长，他或她的指头将变得更大且细节点之间的间距将增加。然而细节点的类型和相对位置可保持大体上相同。因此，新指纹模板可仍匹配先前获得的指纹模板，即使细节点之间的间距可能已在一定程度上增大。块315可涉及通过改变、按比例调整或以其它方式调适对应于细节点中的至少一些之间的间距的数据来更新先前获得的指纹模板。在此实例中，过程在块320中结束。然而，一些实施方案涉及图3中展示的块的多次反复。
本文中揭示物体检测的各种实例，包含用于确定空气还是物体最接近指纹传感器系统的一部分的实施方案。空气/物体确定可在确定(例如)指纹传感器是否已意外启动(因为移动装置被移动或因为移动装置接触例如凹穴的内部的表面等)时有用。
一些实施方案可涉及在可能的指纹图像数据的进一步处理前进行空气/物体确定。在一些实例中，可能的指纹图像的进一步处理只在空气/物体确定指示已获取对应于物体(而非空气)的图像数据时发生。如果不，那么过程可终止且可获得一或多个新指纹图像。此类实施方案可提供短存取时间和高准确性，同时使计算时间和资源最少化。
取决于特定实施方案，各种方法可用于空气/物体确定。一些方法可涉及评估图像均匀性。最接近传感器系统的表面的空气倾向于产生具有比非空气物质或物体的信号变化小的信号变化的“纯”图像。物体，尤其具有表面图案的物体，可带来较大的信号变化。因此，在一些实施方案中，空气/物体确定可涉及确定针对图像数据块的集合的统计方差值，作为较高信号变化(对应于物体)或较小信号变化(对应于空气)的测量。一些实施方案可涉及基于块的方差确定，其可对于空气/物体确定足够且其可快速地执行。举例来说，在一些实施方案中，可在小于一毫秒中执行对于空气/物体确定足够的基于块的方差确定。然而，在替代性实施方案中，可在不同时间间隔内执行此类基于块的方差确定，例如，在大致一毫秒中或在多于一毫秒中。
图4A为提供物体检测操作的实例的流程图。图4A的至少一些块(与本文中提供的其它流程图的块相似)可由图1A的控制系统104或由类似设备执行。如同本文中揭示的其它方法，图4A中概述的方法可包含比所指示多或少的块。此外，未必按指示的次序执行所述块。
此处，块401涉及从指纹传感器系统接收指纹传感器数据。指纹传感器系统可(例如)为图1A的指纹传感器系统102或类似设备。因此，以下参照控制系统104和/或指纹传感器系统102的实施方案描述图4A的一些块。
在此实例中，块403涉及确定用于指纹传感器数据的至少一部分的指纹传感器数据块。在一些实施方案中，确定指纹传感器数据块的过程可涉及将指纹传感器像素位置数据(例如，x-y坐标数据、行/列位置数据等)映射到指纹传感器数据块。因此，在一些实例中，指纹传感器数据块可对应于指纹传感器系统的指纹传感器像素的块。以下参看图4B到4D描述一些实例。
此处，块405涉及计算针对对应于指纹传感器数据块中的每一个的指纹传感器数据的统计方差值。一些实例可涉及根据朴素算法、两遍次算法、线上算法、加权递增算法、并行算法等计算方差。在一些实施方案中，块405可涉及计算针对对应于指纹传感器数据块中的每一个的指纹传感器数据的标准差值。在一些实例中，块405可涉及计算针对对应于指纹传感器数据块中的每一个的指纹传感器数据的绝对偏差值。在一些实施方案中，块405可涉及计算相邻像素或像素的相邻块之间的信号电平的相对改变的方差。在一些实施方案中，块405可涉及确定用于传感器阵列中的选定像素或像素的块的图像梯度的角定向的方差。
压板表面上的空气倾向于产生具有比非空气物质或物体的梯度弱的梯度的图像。因此，替代性实施方案可涉及计算指纹传感器信号梯度信息的统计方差。在一些此类实施方案中，空气/物体确定可涉及确定指纹传感器数据块中的指纹传感器信号梯度信息的标准差。强梯度的存在可对应于物体，且弱梯度的占优势可对应于空气。
一些实施方案(例如，其中块401涉及从指纹传感器系统接收原始指纹传感器数据的实施方案)可涉及预处理指纹传感器数据。举例来说，一些实施方案可包含块401与块405(在块403之前和/或之后)之间的一或多个预处理块。此预处理可(例如)涉及或包含增益补偿、偏移调整、背景减除、去噪声操作、对比度增强、按比例调整、线性化、裁剪、失效或低执行像素识别和排除和/或其它过程。以下参看图4E描述一些滤波实例。
根据图4A中展示的实施方案，块407涉及至少部分基于统计方差值确定物体是否最接近指纹传感器系统的一部分定位。在一些实施方案中，控制系统可能能够提供指示物体还是非物体(例如，空气)最接近指纹传感器系统的一部分定位的物体输出信号。在一些实施方案中，控制系统可能能够提供指示空气还是非空气材料最接近指纹传感器系统的一部分定位的空气/非空气输出信号。
图4B到4D展示指纹传感器数据块的实例。图4B到4D中的每一个展示指纹传感器系统(例如，图1A中展示的指纹传感器系统102)的一部分。
图4B展示单一指纹传感器数据块409的实例。在图4B的实例中，指纹传感器数据块409包含四个指纹传感器像素410。然而，指纹传感器数据块409可包含多于或少于四个指纹传感器像素410。举例来说，在图4C中展示的实施方案中，指纹传感器数据块409包含64个指纹传感器像素410。在其它实施方案中，指纹传感器数据块409可包含多于或少于64个指纹传感器像素410。举例来说，在替代性实施方案中，指纹传感器数据块409可包含9、16、25、36、49、81、100、121、144、169、196、225、256、289、324、361、400、441、484、529、576、625、676、729、784、841、900、961、1024或更多指纹传感器像素410。此类指纹传感器数据块409可为正方形或大体上正方形。在替代性实施方案中，指纹传感器数据块409可包含不同数目个指纹传感器像素410，例如，为二的幂的4、8、16、32、64等的块。此类指纹传感器数据块409可具有其它形状，例如，并非正方形形状的矩形形状。在一些实施方案中，块409内的传感器像素410可邻接，例如，成直线或在矩形中。在一些实施方案中，块409内的一或多个传感器像素410可为非邻接。在一些实施方案中，块409内的传感器像素410可稀疏，且由并非块的部分的一或多个传感器像素410分开。在一些实施方案中，块409内的传感器像素410可为扫描线的一部分或全部、一或多个邻近扫描线、一或多个非邻近扫描线或一组交错扫描线。
在一些实施方案中，指纹传感器数据块409中的每一个可包含相同数目个指纹传感器像素410。然而，在替代性实施方案中，同一阵列的不同指纹传感器数据块409可包含不同数目个指纹传感器像素410。在一个此实例中，指纹传感器数据块409的一些实例可包含第一数目个指纹传感器像素410(例如，16)，且指纹传感器数据块409的其它实例可包含第二数目个指纹传感器像素410(例如，256)。因此，在一些实施方案中，指纹传感器数据块409可具有至少两个不同大小或形状。
根据一些实施方案，指纹传感器数据块409中的每一个可邻接。在一些此类实施方案中，指纹传感器数据块409可包含指纹传感器系统102的大体上所有指纹传感器像素410。
然而，在一些替代性实施方案中，指纹传感器数据块409中的至少一些可为非邻接。举例来说，在图4D中，将非邻接指纹传感器数据块409展示为黑色正方形。白色正方形表示并非指纹传感器数据块409的区域。因此，在此实例中，指纹传感器系统102的指纹传感器像素410中的多数不包含在指纹传感器数据块409中。评估指纹传感器系统102的指纹传感器像素410的仅一部分可相对比评估所有指纹传感器像素410快且高效，同时仍提供准确的空气/物体确定。
图4E为提供物体检测操作的额外实例的流程图。图4E的至少一些块可由图1A的控制系统104或由类似设备执行。在一些实施方案中，块401、403和405可大体上如上参看图4A所描述。
然而，此实例涉及在于块405中计算统计方差值前将一或多个滤波器应用到指纹传感器数据。在此实例中，在块402中应用滤波器，然后在块403中确定指纹传感器数据块。然而，在替代性实施方案中，可在确定指纹传感器块后应用滤波器。举例来说，一或多个滤波器可包含带通滤波器、低通滤波器、中值滤波器、去噪声滤波器、高斯滤波器、小波滤波器和/或运行平均滤波器。在一些实施方案中，所述一或多个滤波器可使对应于指纹特征的空间频率范围通过。
如前所述，块407涉及至少部分基于统计方差值确定物体是否最接近指纹传感器系统的一部分定位。在图4E中展示的实例中，块407具体涉及至少部分基于统计方差值高于还是低于阈值来确定物体是否最接近指纹传感器系统的一部分定位。如本文中其它处所指出，统计方差值可至少部分基于指纹传感器信号值或指纹传感器信号梯度。
图4F和4G展示至少部分基于统计方差值高于还是低于阈值的空气/物体确定的实例。在此实例中，已评估120个指纹传感器数据块。然而，替代性实施方案可涉及评估或多或少指纹传感器数据块。指纹传感器数据块可或可不邻接，且取决于特定实施方案，可或可不包含指纹传感器系统的所有指纹传感器像素。
如图4F中所展示，指纹传感器数据块中的40个与具有小于3的标准差的指纹传感器数据对应，而指纹传感器数据块中的80个与具有大于3的标准差的指纹传感器数据对应。图4G为展示下面的标准差数据的直方图的一对条形图。
如上所指出，最接近传感器系统的表面的空气倾向于产生具有比非空气物质或物体的信号变化小的信号变化的“纯”图像。物体，尤其具有表面图案的物体，可带来较大的信号变化。因此，在此实例中，块407涉及确定无物体最接近对应于小于3的标准差的40个指纹传感器数据块，和确定一个物体最接近对应于大于3的标准差的80个指纹传感器数据块。
在图4G中展示的此实例中，对应于空气的块的标准差聚集于约1.5与2.7之间的范围中，而对应于物体的块的标准差广泛分布于从约7.3到大于25的范围中。无块与在从约1.5到约7.3的范围中的标准差对应。因此，在替代性实施方案中，块407可涉及至少部分基于统计方差值的其它空气/物体确定方法。举例来说，此类方法可基于不同于3的阈值，例如，4或5。在一些实施方案中，阈值可被适应性地设定以当确定物体或空气时增大或减小置信度水平。在替代性实施方案中，当从“空气”确定改变到“物体”确定时，可使用双阈值提供某一，且反之亦然，以提供下限阈值与上限阈值之间的过渡区。举例来说，针对图4G中展示的块标准差数据，大约2.5的下限阈值可应用于“空气”确定，且大约7.5的上限阈值可应用于“物体”确定。
替代地，或另外，空气/物体确定的其它方法可至少部分基于统计模型化。此统计模型化可涉及表征与统计方差有关的标准偏差值或其它度量的分布的替代性方法。一些此类方法可(例如)涉及基于相对小方差值的群集或小范围的“空气”确定和/或基于相对较大方差值的较宽分布的“物体”确定。一些此类方法可(例如)涉及建置标准差值和/或与针对“空气”和针对“物体”的统计方差有关的其它度量的统计模型。如果标准偏差值或与统计方差有关的其它度量与匹配“物体”模型相比更好地匹配“空气”模型，那么确定可为“空气”。如果标准偏差值或与统计方差有关的其它度量与匹配空气模型相比更好地匹配物体模型，那么确定可为“物体”或“非空气”。
在一些实施方案中，可通过将指纹图像信息中的一些或全部分成多个块来确定“空气”或“物体”区。可识别具有图案或特征的块，例如，具有脊线图案、边缘、特征梯度或较高对比度的块。可识别无脊线图案或其它特征的块，例如，具有较低梯度、较低信号或较低对比度的块(例如，空气)。可确立用于例如梯度、信号或对比度的量的预定或动态阈值级别，且可将低于阈值的块识别为空气区的部分，同时可将其余块识别为物体区的部分。如果足够数目个块为非空气，那么可确定在传感器上或附近的物体且可产生物体输出信号。在一些实施方案中，可侵蚀空气区以确定物体区的图谱或轮廓。空气区的进一步侵蚀(例如，通过消除位置较远离物体区的空气块和/或通过产生在具有不同大小、形状或位置的物体的外围附近的额外块且将额外块识别为空气或物体)可允许确定手写笔或其它物体在传感器的表面上的存在。可产生手写笔/非手写笔输出信号以指示是否已确定手写笔。在一些实施方案中，物体区的轮廓可用以建立处于指纹区中的传感器数据，且可将指纹区中的传感器数据的值按比例调整(例如，调整增益和偏移)以进一步增大对比度和/或亮度。
图4H为提供物体检测操作的额外实例的流程图。图4H的至少一些块可由图1A的控制系统104或由类似设备执行。在一些实施方案中，块401到407可大体上如上参看图4A到4G所描述。
然而，在此实例中，如果在块407确定物体在指纹传感器系统附近定位，那么过程继续到块412。此处，块412涉及确定物体是否为手写笔。举例来说，控制系统可通过评估指纹传感器数据以确定物体的大小、物体的纹理、物体的形状、物体的声学阻抗等级和/或其它因素来确定物体是否为手写笔。所述控制系统也可能能够提供指示物体是否为手写笔的输出信号，如块415中所展示。
在一些实例中，传感器系统(取决于特定实施方案，其可或可不包含指纹传感器系统)的组件可能能够检测手写笔何时与显示装置的表面(例如，盖玻璃)接触。传感器系统可能能够追踪手写笔的运动。可使用对应于手写笔尖端的位置数据，例如，以获得用户的签名，和/或接收手写笔输入以用于例如文字输入或菜单选择的目的。
图4I为提供物体检测操作的额外实例的流程图。图4I的至少一些块可由图1A的控制系统104或由类似设备执行。在一些实施方案中，块401到407可大体上如上参看图4A到4G所描述。
然而，在此实例中，如果在块407中确定物体在指纹传感器系统附近定位，那么过程继续到块417，其中确定物体是否为手指。
在其中指纹传感器系统包含超声波传感器阵列的一些实施方案中，控制系统可能能够评定最接近指纹传感器系统的一或多个物体的声学阻抗(或其表示)。确定物体是否为手指可涉及确定物体是否具有在对应于皮肤的声学阻抗的声学阻抗范围(例如，在1.3兆瑞利与2.1兆瑞利之间)内的声学阻抗。
在一些实例中，确定物体是否为手指可涉及确定指纹传感器数据是否指示在空间频率的范围内的周期性或准周期性元素。空间频率的范围可与指纹特征对应。因此，在一些实施方案中，控制系统可能能够区分手指与另一身体部位。下文提供额外实例。
在此实例中，如果确定物体为手指，那么在框420中提取指纹特征。一些实施方案也可涉及进一步处理，例如，指纹模板产生、模板匹配等，如本文中其它处所描述。一些实施方案可涉及一或多个质量确定，例如，图像质量确定、特征质量确定等，如上所述。
图5为展示指纹感测设备的实例组件的框图。在此实例中，指纹感测设备100包含指纹传感器系统102和控制系统104。指纹传感器系统102可包含指纹传感器像素的一或多个阵列。在一些实例中，指纹传感器系统102可包含一或多个其它类型的指纹传感器，例如，光学传感器、电容式传感器等。
在此实施方案中，指纹传感器系统102包含至少一个超声波传感器阵列505。在一些实施方案中，超声波传感器阵列505的组件可类似于以下参看图8A到9B描述的触摸/指纹感测系统10中的一个的组件。然而，在替代性实施方案中，超声波传感器阵列505可不同地布置。举例来说，取决于特定实施方案，指纹传感器系统102可或可不为触摸传感器系统的部分。
控制系统104可包含一或多个通用单芯片或多芯片处理器、数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列(FPGA)或其它可编程逻辑装置、离散门或晶体管逻辑、离散硬件组件或其组合。控制系统104还可包含例如一或多个随机存取存储器(RAM)装置、只读存储器(ROM)装置等的一或多个存储器装置(和/或可经配置以与一或多个存储器装置通信)。控制系统104可能能够接收和处理来自指纹传感器系统的指纹传感器数据。
图6A为展示用于确定物体是否为手指的方法的实例块的流程图。图6A的块(和本文中提供的其它流程图的块)可(例如)由图5的控制系统104或由类似设备执行。如同本文中揭示的其它方法，图6A中概述的方法可包含比所指示多或少的块。如上所指出，本文中揭示的方法的块未必按指示的次序执行。
此处，块601涉及从指纹传感器系统接收指纹传感器数据。指纹传感器系统可(例如)为图5中展示的指纹传感器系统102或类似设备。因此，可参看图5的控制系统104和/或指纹传感器系统102描述图6A和6C的块。
在此实施方案中，块603涉及确定物体最接近指纹传感器系统的一部分定位。在一些实例中，块603可与图4A的块403到407和/或与图4E的块402到407对应。
在此实例中，块605涉及确定物体的至少一部分的声学阻抗。举例来说，在块601中接收的指纹传感器数据可包含来自例如图5中展示的超声波传感器阵列的超声波传感器阵列的超声波传感器数据，或可与所述超声波传感器数据一起接收。图5的控制系统104可能能够根据超声波传感器数据确定声学阻抗。如本文中其它处指出，声学阻抗的值可以非标准单位(例如，毫伏)计，或为在(例如)0与255(8个位)之间的二进制数，所述二进制数可充当以标准单位(例如，兆瑞利)计的声学阻抗的表示，以用于确定声学阻抗是否在预定范围内。
此处，块607涉及确定声学阻抗是否在对应于皮肤的声学阻抗的声学阻抗范围内。在此实例中，块609涉及至少部分基于声学阻抗确定物体是否为手指。
图6B为提供用于一些常见物质的声学阻抗值的实例的表。在图6B中，c表示用于每一对应的物质的纵波速度(音速)。在图6B中由Z表示的声学阻抗值按兆瑞利(1E6kg/m2s)来表达。如图6B中所指出，声学阻抗为c与ρ的乘积，其表示每一物质的密度。
如图6B中所展示，例如皮肤的软组织的声学阻抗类似于脂肪、水和血液的声学阻抗。然而，软组织的声学阻抗与包含骨头和铝的许多其它常见材料的声学阻抗显著不同。其它金属的声学阻抗通常比铝的声学阻抗高。举例来说，铅、铜、钼和钨的声学阻抗分别为24.6、44.6、63.1和101兆瑞利。玻璃的声学阻抗在12到16兆瑞利的范围中。
因此，如果在指纹传感器系统附近定位的物体具有在对应于皮肤的声学阻抗的声学阻抗范围内的声学阻抗，那么存在物体为手指或另一身体部位的合理可能性。在一些实施方案中，部分取决于皮肤的韧性、脂肪组织或脂肪的量、肌肉组织的量、在身体的表面处或附近的血液和其它生物材料的发病率且在一定程度上取决于操作频率，声学阻抗范围可从约1.3兆瑞利到约2.1兆瑞利。替代地，声学阻抗范围可为稍微不同的范围，例如，从约1.7兆瑞利到约2.1兆瑞利。
图6C为展示替代性方法的实例块的流程图。图6C的块(和本文中提供的其它流程图的块)可(例如)由图5的控制系统104或由类似设备执行。在一些实施方案中，块601到609可大体上如上参看图6A所描述来执行。
在此实例中，如果在块607中确定声学阻抗不在对应于皮肤的声学阻抗的范围内，那么过程继续到块611。在此实施方案中，块611涉及确定物体是否为手写笔。块611可(例如)大体上如上参照图1C的块117所描述来执行。在于块611中确定物体是否为手写笔后，在此实例中，提供指示物体是否为手写笔的输出信号(块613)。
然而，如果在块607中确定声学阻抗在对应于皮肤的声学阻抗的范围内，那么在此实例中，过程继续到块609。此处，块609涉及确定物体是否为手指。
如上所指出，如果在指纹传感器系统附近定位的物体具有在对应于皮肤的声学阻抗的声学阻抗范围内的声学阻抗，那么存在物体为手指或另一身体部位的合理可能性。因此，在一些实施方案中，块609可涉及确定皮肤覆盖的物体是手指还是另一身体部位。举例来说，在一些此类实施方案中，区分手指与另一身体部位可涉及区分鼻子、脸颊、手掌、肘部、指关节或身体的另一部位与手指。在一些实施方案中，控制系统可能能够提供指示身体部位是否最接近指纹传感器系统的一部分定位的身体部位输出信号。在一些实施方案中，当(例如)在录入、验证或识别期间预期到指纹或其它可识别的身体特征时，控制系统可能能够提供指示最接近指纹传感器系统的一部分定位的物体是否并非手指或合适的身体部位的低级欺骗输出信号。
根据一些此类实施方案，确定物体是否为手指涉及检测与指纹相关联的图案。以下参看图7A到7C描述一些实例。
如果在块609中确定物体为手指，那么在此实例中，在块615中提取指纹特征。块615可大体上类似于图1D到1F的块113。在一些实施方案中，仅当确定指纹传感器数据包含至少图像质量阈值的指纹图像信息时，可提取指纹特征，例如，如上参照图1D到1F的块111所描述。此外，一些实施方案可涉及涉及提取的指纹特征的进一步处理，例如，如上参看图1D到3所描述。
图7A到7C提供通过评估用于接受的指纹传感器数据的至少一部分的指纹传感器数据块来检测与指纹和其它身体部位相关联的图案的实例。图7A展示对应于指纹传感器数据的图像的实例。图像705到720为指纹图像，图像725到740分别为鼻子、脸颊、手掌和肘部的部分的图像，且图像745为空气的图像。
在此实例中，图7A的图像中的每一个对应于指纹传感器数据块。此处，每一指纹传感器数据块对应于指纹传感器系统的指纹传感器像素的块。在此实例中，图7A的每一图像对应于指纹传感器像素的64×64块。因此，沿着每一图像的x和y轴线的数对应于每一指纹传感器数据块的指纹传感器像素。在一些实施方案中，用于分析的指纹传感器像素的块可邻接。在一些此类实施方案中，块可包含与物体对应的所有或大体上所有指纹传感器像素。然而，在替代性实施方案中，指纹传感器像素的块可为非邻接，且可不包括与物体对应的所有或大体上所有指纹传感器像素。
如图7A中所展示，指纹可具有椭圆形边缘以及其它结构化图案，例如，脊线和谷线、螺环、分叉等。然而，对应于其它身体部位的图像725到740缺乏这些形状和/或图案中的一些或全部。因此，在一些实施方案中，块609的手指/非手指确定可涉及基于图像的分析以检测与指纹或身体的其它部位相关联的形状和/或图案。
因此，确定物体是否为手指可涉及检测手指形状。检测手指形状可涉及检测三维形状，例如，评定物体的纹理和/或拓扑。因此，一些实施方案可涉及纹理分析以确定物体是否包含指纹状纹理或结构。此类实施方案可涉及应用一或多个特征检测演算法，例如，边缘检测演算法。此类评定也可在确定非手指物体是否为手写笔时有用，因为多数手写笔倾向于平滑且小，具有锋利边界。
因此，一些实施方案可涉及局部纹理图案分析、基于梯度的图案分析、基于小波的分析、频域分析或其组合。一些实施方案可涉及在检测与指纹相关联的图案前将一或多个滤波器应用到指纹传感器数据。在一些实施方案中，所述一或多个滤波器可使对应于与指纹相关联的图案的空间频率范围通过。所述一或多个滤波器可包含带通滤波器、低通滤波器、中值滤波器、去噪声滤波器、高斯滤波器、小波滤波器和/或运行平均滤波器。
指纹的脊线和谷线虽然都不同，但倾向于在空间频率的可预测范围内。因此，在一些实施方案中，手指/非手指确定可涉及确定物体是否包含具有周期性或准周期性元素的图案。块609的手指/非手指确定可涉及检测在指纹传感器数据中的在空间频率的范围内的周期性或准周期性元素。在一些实施方案中，块609的手指/非手指确定可涉及检测在空间频率的范围内的周期性或准周期性元素的定向的分布。
一些实施方案可涉及将数据变换成空间频域供分析。脊线谷线型图案可在频域中产生一对峰或环。对于打破成阵列64×64像素块的图像(例如，图7A中展示的图像)，在每英寸500个点(dpi)下的指纹图像的脊线距离为大致6到8个像素，这可导致在频域中用于指纹的峰/环的特定范围。这是用于手指/非手指确定的空间频率范围的再一实例。
图7B展示将图7A的对应的图像变换成频域的实例。指纹图像中的每一个的频域表示包含峰或环的特性类型。如图7B中所展示，此类特征的存在或不存在可确定已获得图像的人体部位是否对应于指纹、鼻印、肘印等。图7B的较高能量(较高强度)区域表示为较淡区域，而较低能量区域较深。图7C为展示在针对图7B的频域变换中的每一个的记录标度上的能量(强度)分布的实例的一系列条形图，其中x轴是频域中的像素单元。
对应于指纹图像的图7B的频域表示共享类似特性。举例来说，对应于图像705到720的频域表示都包含一对淡的高能区域。参看图7C，针对对应于指纹图像的频域变换中的每一个的能量分布在大致6-8个单位的半径值处达到峰值。
然而，在指纹图像的这些频域表示内存在一些差异。对应于图像705和720(其包含具有相对极小曲率的指纹脊线和谷线)的频域表示包含一对高能区域((750a,750b)和(750g,750h))，其更局部化且在形状上相对更圆。相比之下，对应于表示具有相对更大曲率的弓形指纹脊线和谷线的图像710和715的频域表示包含在半径范围内“涂上”或分布的高能区域对((750c,750d)和(750e,750f))。可观测到，如在指纹图像705中的显著的垂直脊线和谷线导致显著水平(例如，最高梯度的方向)的一对高能区域750a、750b，而如在指纹图像720中的显著水平脊线和谷线导致显著垂直的一对高能区域750g、750h。高能区域的特定定向可提供在指纹图像的一部分内的脊线流的方向的指示。
对应于分别为鼻子、脸颊和肘部图像的图像725、730和740的频域表示不包含一对淡的高能区域。取而代之，高能区域750i、750j和750m更均匀地分布。图7C的对应的曲线图展示如与对应于指纹图像的曲线图相比，在相同半径范围上的相对“拉平”的能量分布。
对应于为手掌图像的图像735的频域表示确实展示一对淡的高能区域(750k,750l)。因此，手掌图像可相对更难以辨别指纹图像与其他自体部位的图像。在此实例中，淡的高能区域(750k,750l)对更比可对应于指纹图像的高能区域对((750a,750b)及(750g,750h))局部化。如与用于指纹图像的6到8个单位的范围中的峰值(对应于明显特征之间的较小距离的较大空间频率)相比，图7C中的对应的能量分布曲线图在约5个单位的半径值处达到峰值(对应于明显特征之间的较大距离的较小空间频率)。虽然空气的频域表示(例如，750n)可展示部分归因于传感器内的行、列或像素变化的一些特征，但与手指或其它身体部位的图像相比，可可观地降低分布的强度。
如果分析足够数目个块，那么如果图像实际上为指纹图像，那么应检测到对应于弓形指纹脊线和谷线的相对更“涂上”的高能区域对。因此，通过评定足够数目个块，手掌图像与指纹图像之间的差异应变得显而易见。
图8A展示触摸/指纹感测系统的分解图的实例。在此实例中，触摸/指纹感测系统10包含在压板40下的超声波发射器20和超声波接收器30。超声波发射器20可包含大体上平坦的压电发射器层22且可能能够充当平面波产生器。可取决于所施加的信号，通过向压电层施加电压以使所述层扩大或收缩而产生超声波，由此产生平面波。在此实例中，控制系统50可能能够造成经由第一发射器电极24和第二发射器电极26施加到压电发射器层22的电压。以此方式，可通过经由压电效应改变层的厚度来制作超声波。此超声波可朝向手指(待检测的其它物体)行进，穿过压板40。未由待检测的物体吸收或发射的波的一部分可被反射，以便返回穿过压板40且由超声波接收器30接受。第一发射器电极24和第二发射器电极26可为金属化的电极，例如，涂布压电发射器层22的对置侧的金属层。
超声波接收器30可包含安置于衬底34(其也可被称作底板)上的一阵列传感器像素电路32，和压电接收器层36。在一些实施方案中，每一传感器像素电路32可包含一或多个TFT元件、电互连迹线和(在一些实施方案中)一或多个额外电路元件(例如，二极管、电容器和类似者)。每一传感器像素电路32可被配置以将最接近像素电路的压电接收器层36中产生的电荷转换成电信号。每一传感器像素电路32可包含像素输入电极38，其将压电接收器层36电耦合到传感器像素电路32。
在所说明的实施方案中，接收器偏压电极39安置于压电接收器层36的最接近压板40的一侧上。接收器偏压电极39可为金属化的电极且可接地或加偏压以控制可将哪些信号传送到传感器像素电路32的阵列。从压板40的暴露的(顶部)表面42反射的超声波能量可由压电接收器层36转换成局部化的电荷。这些局部化的电荷可由像素输入电极38收集且传送到下面的传感器像素电路32上。电荷可由传感器像素电路32放大且提供到控制系统50。
控制系统50可与第一发射器电极24和第二发射器电极26以及与衬底34上的接收器偏压电极39和传感器像素电路32电连接(直接或间接)。在一些实施方案中，控制系统50可大体上如上所述般操作。举例来说，控制系统50可能能够处理从传感器像素电路32接收的经放大信号。
控制系统50可能能够控制超声波发射器20和/或超声波接收器30以获得指纹图像信息，例如，通过获得指纹图像。不管触摸/指纹感测系统10是否包含超声波发射器20，控制系统50都可能能够至少部分基于指纹图像信息控制对一或多个装置的存取。触摸/指纹感测系统10(或相关联的装置)可包含存储器系统，所述存储器系统包含一或多个存储器装置。在一些实施方案中，控制系统50可包含存储器系统中的至少一部分。控制系统50可能能够捕捉指纹图像和将指纹图像信息存储在存储器系统中。在一些实施方案中，控制系统50可能能够捕捉指纹图像和甚至将指纹图像信息存储在存储器系统中，同时将超声波发射器20维持在“关”状态中。
在一些实施方案中，控制系统50可能能够在超声波成像模式或力感测模式中操作触摸/指纹感测系统。在一些实施方案中，控制系统可能能够当在力感测模式中操作触摸/指纹感测系统时将超声波发射器20维持在“关”状态中。当触摸/指纹感测系统10正在力感测模式中操作时，超声波接收器30可能能够充当力传感器。
在一些实施方案中，控制系统50可能能够控制其它装置(例如，显示系统、通信系统等)。在一些实施方案中，举例来说，控制系统50可能能够对装置(例如，显示装置940，以下参看图9A和9B描述)的一或多个组件进行通电。因此，在一些实施方案中，控制系统50还可包含类似于图9B中展示的处理器921、阵列驱动器922和/或驱动器控制器929的一或多个组件。在一些实施方案中，控制系统50可能能够检测经由充当力感测装置的超声波接收器30接受到的触摸或轻触，和响应于触摸或轻触启动移动显示装置的至少一个特征。所述“特征”可为组件、软件应用程序等。
压板40可以是可声学耦合到接收器的任何适当材料，其中实例包含塑料、陶瓷蓝宝石、金属和玻璃。在一些实施方案中，压板40可以是盖板，例如，显示器的盖玻璃或透镜玻璃。明确地说，当超声波发射器20在使用中时，如果需要，可通过相对厚的压板(例如，3mm和以上)执行指纹检测和成像。然而，对于超声波接收器30能够在力感测模式中成像指纹的实施方案，更薄且相对更柔性的压板40可为合乎需要的。根据一些此类实施方案，压板40可包含一或多种聚合物(例如，一或多个类型的聚对二甲苯基)，且大体上可更薄。在一些此类实施方案中，压板40可为数十微米厚或甚至小于10微米厚。
可用以形成压电薄膜层36的压电材料的实例包含具有适当声学性质(例如，约2.5兆瑞利与5兆瑞利之间的声学阻抗)的压电聚合物。可使用的压电材料的特定实例包含铁电聚合物，例如，聚偏二氟乙烯(PVDF)和聚偏二氟乙烯-三氟乙烯(PVDF-TrFE)共聚物。PVDF共聚物的实例包含60:40(摩尔百分比)的PVDF-TrFE、70:30的PVDF-TrFE、80:20的PVDF-TrFE和90:10的PVDR-TrFE。可使用的压电材料的其它实例包含聚偏二氯乙烯(PVDC)均聚物和共聚物、聚四氟乙烯(PTFE)均聚物和共聚物以及二异丙胺溴化物(DIPAB)。
压电发射器层22和压电接收器层36中的每一者的厚度可经选择以便适合于产生和接收超声波。在一个实例中，PVDF压电发射器层22为大致28μm厚，并且PVDF-TrFE接收器层36为大致12μm厚。超声波的实例频率可在5MHz到30MHz的范围中，其中波长大约是一毫米或更小。
图8B展示触摸/指纹感测系统的替代性实例的分解图。在此实例中，压电接收器层36已形成到离散元件37内。在图8B中展示的实施方案中，离散元件37中的每一个与单一像素输入电极38和单一传感器像素电路32对应。然而，在触摸/指纹感测系统10的替代性实施方案中，在离散元件37中的每一个、单一像素输入电极38与单一传感器像素电路32之间未必存在一对一通信。举例来说，在一些实施方案中，对于单一离散元件37，可存在多个像素输入电极38和传感器像素电路32。
图8A至8B展示触摸/指纹感测系统中的超声波发射器和接收器的实例布置，其它布置是可能的。举例来说，在一些实施方案中，超声波发射器20可在超声波接收器30上方且因此更靠近待检测的物体25。在一些实施方案中，触摸/指纹感测系统10可包含声学延迟层。举例来说，声学延迟层可在超声波发射器20与超声波接收器30之间并入到触摸/指纹感测系统10内。声学延迟层可用以调整超声波脉冲时序，且同时使超声波接收器30与超声波发射器20电绝缘。声学延迟层可具有大体上均匀的厚度，其中用于延迟层的材料和/或延迟层的厚度被选择以提供在用于反射的超声波能量到达超声波接收器30的时间上的所要的延迟。在这样做时，可使借助于已由物体反射而携带关于物体的信息能量脉冲在从触摸/指纹感测系统10的其它部分反射的能量正到达超声波接收器30不大可能的时间段期间到达超声波接收器30所在期间的时间范围。在一些实施方案中，衬底34和/或压板40可充当声学延迟层。
图9A和9B展示说明包含如本文所描述的触摸/指纹感测系统的显示装置的系统框图的实例。显示装置940可为(例如)移动显示装置(例如，智能电话、蜂窝式或移动电话等)。然而，显示装置940的相同组件或其轻微变化还说明例如电视机、计算机、平板计算机、电子阅读器、手持式装置和便携式媒体装置的各种类型的显示装置。
在此实例中，显示装置940包含外壳941、显示器930、触摸/指纹感测系统10(其可为视觉显示器930的部分或与视觉显示器930分开)、天线943、扬声器945、输入装置948和麦克风946。外壳941可从多种制造工艺(包含注入模制和真空成形)中的任一种形成。此外，外壳941可从多种材料中的任一种制成，所述材料包含(但不限于)塑料、金属、玻璃、橡胶和陶瓷或其组合。外壳941可包含可去除部分(未图示)，所述可去除部分可与不同色彩或含有不同标志、图片或符号的其它可去除部分互换。
显示器930可为以下多种显示器中的任一者，包含平板显示器，例如，等离子、有机发光二极管(OLED)或液晶显示器(LCD)；或非平板显示器，例如，阴极射线管(CRT)或其它管式装置。此外，显示器930可包含基于干涉式调制器(IMOD)的显示器或基于微快门的显示器。
图9B中示意性地说明显示装置940的一个实例的组件。此处，显示装置940包含外壳941，且可包含至少部分地围封在其中的额外组件。举例来说，显示装置940包含网络接口927，其包含可以耦合到收发器947的天线943。网络接口927可为用于可在显示装置940上显示的图像数据的源。因此，网络接口927为图像源模块的一个实例，但处理器921和输入装置948也可充当图像源模块。收发器947连接到处理器921，所述处理器连接到调节硬件952。调节硬件952可能能够调节信号(例如，应用滤波器或另外操纵信号)。调节硬件952可连接到扬声器945和麦克风946。处理器921也可连接到输入装置948和驱动器控制器929。驱动器控制器929可耦合到帧缓冲器928，且耦合到阵列驱动器922，所述阵列驱动器又可耦合到显示阵列930。显示装置940中的一或多个元件(包含未在图9B中具体描绘的元件)可能能够充当记忆体装置且能够与处理器921或控制系统的其它组件通信。在一些实施方案中，电力供应器950可将电力提供到特定显示装置940设计中的大体上所有组件。
在此实例中，显示装置940还包含触摸和指纹控制器977。触摸和指纹控制器977可(例如)为控制系统50或控制系统104(例如以上描述的控制系统)的零件。因此，在一些实施方案中，触摸和指纹控制器977(和/或控制系统50的其它组件)可包含一或多个存储器装置。在一些实施方案中，控制系统50还可包含例如图9B中展示的处理器921、阵列驱动器922和/或驱动器控制器929的组件。触摸和指纹控制器977可能能够与触摸/指纹感测系统10通信(例如，经由布线)，且可能能够控制触摸/指纹感测系统10。触摸和指纹控制器977可能能够确定在触摸/指纹感测系统10上或最接近触摸/指纹感测系统10的一或多个物体(例如，手指)的位置和/或移动。然而，在替代性实施方案中，处理器921(或控制系统50的另一部分)可能能够提供触摸和指纹控制器977、控制系统50和/或控制系统104的功能性中的一些或全部。
触摸和指纹控制器977(和/或控制系统50的另一元件)可能能够根据一或多个触摸位置提供用于控制显示装置940的输入。在一些实施方案中，触摸和指纹控制器977可能能够确定一或多个触摸位置的移动和根据所述移动提供用于控制显示装置940的输入。替代地，或另外，触摸和指纹控制器977可能能够确定最接近显示装置940的物体的位置和/或移动。因此，触摸和指纹控制器977可能能够检测手指或手写笔移动、手势等，即使未进行与显示装置40的接触。触摸和指纹控制器977可能能够提供用于根据此类检测的移动和/或手势控制显示装置40的输入。
如本文中其它处描述，触摸和指纹控制器977(或控制系统50的另一元件)可能能够提供一或多个指纹检测操作模式。因此，在一些实施方案中，触摸和指纹控制器977(或控制系统50的另一元件)可能能够产生指纹图像。在一些实施方案中，例如，当指纹传感器系统的超声波传感器阵列与视觉显示器930物理分开时，用于指纹传感器系统的控制器可与触摸控制器分开，且主要独立于触摸控制器操作。
在一些实施方案中，触摸/指纹感测系统10可包含超声波接收器30和/或超声波发射器20，如本文中其它处所描述。根据一些此类实施方案，触摸和指纹控制器977(或控制系统50的另一元件)可能能够接收来自超声波接收器30的输入和将超声波发射器20和/或显示装置940的另一组件通电或“唤醒”。
网络接口927包含天线943和收发器947，使得显示装置940可经由网络与一或多个装置通信。网络接口927还可具有一些处理能力以减轻(例如)处理器921的数据处理要求。天线943可发射和接收信号。在一些实施方案中，天线943根据IEEE 16.11标准(包含IEEE16.11(a)、(b)或(g))或IEEE 802.11标准(包含IEEE 802.11a、b、g、n)和其另外实施方案发射和接收RF信号。在一些其它实施方案中，天线943根据标准发射和接收RF信号。在蜂窝式电话的情况下，天线943可经设计以接收码分多址(CDMA)、频分多址(FDMA)、时分多址(TDMA)、全球移动通信系统(GSM)、GSM/通用分组无线业务(GPRS)、增强型数据GSM环境(EDGE)、陆地集群无线电(TETRA)、宽带-CDMA(W-CDMA)、演进数据优化(EV-DO)、1xEV-DO、EV-DO修订A、EV-DO修订B、高速包接入(HSPA)、高速下行链路包接入(HSDPA)、高速上行链路包接入(HSUPA)、演进型高速包接入(HSPA+)、长期演进(LTE)、AMPS或其它用以在无线网络(例如，利用3G、4G或5G技术的系统)内传达的已知信号。收发器947可以预处理从天线943接收的信号，使得其可由处理器921接收并进一步操控。收发器947也可以处理从处理器921接收的信号，使得所述信号可经由天线943从显示装置940发射。
在一些实施方案中，可由接收器替换收发器947。此外，在一些实施方案中，网络接口927可由可存储或产生待发送到处理器921的图像数据的图像源替换。处理器921可控制显示装置940的总体操作。处理器921接收数据(例如，来自网络接口927或图像源的经压缩图像数据)，且将数据处理成原始图像数据或处理成可易于处理成原始图像数据的格式。处理器921可将经处理数据发送到驱动器控制器929或到帧缓冲器928以供存储。原始数据通常是指识别图像内的每一位置处的图像特性的信息。举例来说，此类图像特性可包含色彩、饱和度和灰度级。
处理器921可包含微控制器、CPU或逻辑单元以控制显示装置940的操作。调节硬件952可包含放大器和滤波器，以用于发射信号到扬声器945和用于接收来自麦克风946的信号。调节硬件952可为显示装置940内的离散组件或可并入于处理器921或其它组件内。
驱动器控制器929可直接从处理器921或从帧缓冲器928取得由处理器921产生的原始图像数据，且可适当地重新格式化原始图像数据以用于高速发射到阵列驱动器922。在一些实施方案中，驱动器控制器929可将原始图像数据重新格式化为具有光栅状格式的数据流，使得其具有适合于跨显示器阵列930扫描的时间次序。接着驱动控制器929将经格式化信息发送到阵列驱动器922。尽管例如LCD控制器的驱动器控制器929常作为单独集成电路(IC)而与系统处理器921相关联，但可以许多方式来实施此类控制器。举例来说，控制器可作为硬件嵌入于处理器921中，作为软件嵌入于处理器921中，或与阵列驱动器922一起完全集成在硬件中。
阵列驱动器922可自驱动器控制器929接收经格式化的信息，且可将视频数据重新格式化为一组平行的波形，所述波形被每秒许多次地施加至来自显示器的x-y显示元件矩阵的数百且有时数千个(或更多)引线。
在一些实施方案中，驱动器控制器929、阵列驱动器922和显示器阵列930适合于本文中描述的显示器的类型中的任一者。举例来说，驱动器控制器929可为常规显示控制器或双稳态显示控制器(例如，IMOD显示元件控制器)。另外，阵列驱动器922可为常规驱动器或双稳态显示驱动器。此外，显示阵列930可为常规显示阵列或双稳态显示器。在一些实施方案中，驱动器控制器929可与阵列驱动器922整合。此实施方案可适用于高度集成的系统，例如，移动电话、便携式电子装置、手表或小面积显示器。
在一些实施方案中，输入装置948可能能够允许(例如)用户控制显示器装置940的操作。输入装置948可包含小键盘(例如，QWERTY键盘或电话小键盘)、按钮、开关、游戏杆、触敏屏幕、与显示器阵列930集成的触敏屏幕或压敏或热敏薄膜。麦克风946可能能够充当用于显示装置940的输入装置。在一些实施方案中，通过麦克风946的语音命令可用于控制显示装置940的操作。
电力供应器950可包含多种能量存储装置。举例来说，电力供应器950可为可再充电电池，例如，镍镉电池或锂离子电池。在使用可再充电电池的实施方案中，可再充电电池可使用来自(例如)壁式插口或光伏装置或阵列的电力来充电。替代地，可再充电电池可为可无线地充电。电力供应器950还可为可再生能源、电容器或太阳能电池，包含塑料太阳能电池或太阳能电池漆。电力供应器950还可能能够自壁式插座接收电力。
在一些实施方案中，控制可编程性驻留于可位于电子显示系统中的若干位置中的驱动器控制器929中。在一些其它实施方案中，控制可编程性驻留于阵列驱动器922中。上述优化可以任何数目个硬件和/或软件组件和以各种配置来实施。
如本文所使用，提及一列项目“中的至少一个”的短语指那些项目的任何组合，包含单个成员。作为实例，“a、b或c中的至少一个”希望涵盖：a、b、c、a-b、a-c、b-c和a-b-c。
结合本文中揭示的实施方案所描述的各种说明性逻辑、逻辑块、模块、电路和算法过程可实施为电子硬件、计算机软件或两者的组合。硬件与软件的互换性已大体在功能性方面加以描述，且在上文所描述的各种说明性组件、块、模块、电路和过程中加以说明。此功能性是以硬件来实施还是以软件来实施取决于特定应用和强加于整个系统的设计约束。
用以实施结合本文中所揭示的方面描述的各种说明性逻辑、逻辑块、模块和电路的硬件和数据处理设备可通过以下各者来实施或执行：通用单芯片或多芯片处理器、数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列(FPGA)或其它可编程逻辑装置、离散门或晶体管逻辑、离散硬件组件或其经设计以执行本文中所描述的功能的任何组合。通用处理器可为微处理器或任何常规处理器、控制器、微控制器或状态机。处理器还可实施为计算装置的组合，例如，DSP与微处理器的组合、多个微处理器、一或多个微处理器结合DSP核心或任何其它此类配置。在一些实施方案中，特定过程和方法可由特定针对给定功能的电路执行。
在一或多个方面中，可以硬件、数字电子电路、计算机软件、固件(包含本说明书中所揭示的结构和其结构等效物)或以其任何组合来实施所描述功能。本说明书中描述的标的物的实施方案还可实施为一或多个计算机程序(即，计算机程序指令的一或多个模块)，其在计算机存储媒体上编码以由数据处理设备执行或控制数据处理设备的操作。
如果以软件实施，那么所述功能可作为一或多个指令或代码而存储于计算机可读媒体(例如，非暂时性媒体)上或经由所述计算机可读媒体(例如，非暂时性媒体)发射。本文中所揭示的方法或算法的过程可以在可驻留于计算机可读媒体上的处理器可执行软件模块中实施。计算机可读媒体包含计算机存储媒体和通信媒体两者，其包含可经启用以将计算机程序从一处传送到另一处的任何媒体。存储媒体可以是可由计算机存取的任何可用媒体。以实例说明且非限制，非暂时性媒体可包含RAM、ROM、EEPROM、CD-ROM或其它光盘存储装置、磁盘存储装置或其它磁性存储装置，或可用以按指令或数据结构形式存储所期望的程序代码且可由计算机存取的任何其它媒体。并且，可将任何连接恰当地称为计算机可读媒体。如本文所使用的磁盘和光盘包含压缩光盘(CD)、激光光盘、光学光盘、数字多功能光盘(DVD)、软盘和蓝光光盘，其中磁盘通常是以磁性方式再现数据，而光盘是用激光以光学方式再现数据。以上各项的组合也应包含在计算机可读媒体的范围内。另外，方法或算法的操作可作为代码和指令中的一个或任何组合或集合驻留于可并入到计算机程序产品内的机器可读媒体和计算机可读媒体上。
所属领域的技术人员可容易地显而易见对本发明中所描述的实施方案的各种修改，且在不脱离本发明的精神或范围的情况下，本文中所定义的一般原理可应用于其它实施方案。因此，本发明并不希望限于本文中所展示的实施方案，而应符合与本文中所揭示的权利要求、原理和新颖特征相一致的最广泛范围。词语“示范性”在本文中专门使用(如果完全)以意味着“充当实例、例子或说明”。本文中描述为“示范性”的任何实施方案未必应解释为比其它实施方案优选或有利。
在本说明书中在单独实施方案的上下文中描述的某些特征还可在单个实施方案中组合地实施。相反地，在单一实施方案的上下文中描述的各种特征也可单独地在多个实施方案中实施或以任何合适的子组合来实施。此外，尽管上文可将特征描述为以某些组合起作用或甚至一开始如此主张，但在一些情况下，可将来自所主张的组合的一或多个特征从组合中删除，并且所主张的组合可针对子组合或子组合的变化。
类似地，虽然在图式中按特定次序描绘操作，但此情形不应被理解为需要按所展示的特定次序或按顺序次序执行此类操作，或执行所有所说明的操作，以实现合乎需要的结果。在某些情况下，多重任务处理和并行处理可为有利的。此外，上文所描述的实施方案中的各种系统组件的分开不应被理解为在所有实施方案中需要此分开，且应理解，所描述的程序组件和系统一般可一起集成在单个软件产品中或封装到多个软件产品中。另外，其它实施方案在所附权利要求书的范围内。在一些情况下，权利要求书中所叙述的动作可以不同次序来执行且仍达成合乎需要的结果。
将理解，除非明确地将特定所描述实施方案中的任一个中的特征识别为彼此不兼容，或周围上下文暗示其相互排斥且可不易于在互补和/或支持性意义上组合，否则本发明的全部内容预料且设想到那些互补实施方案的特定特征可经选择性组合，以提供一或多个全面、但稍许不同的技术解决方案。因此，应进一步了解，已仅借助于实例给出提供以上描述，且详细修改可在本发明的范围内进行。
Claims (34)
1.一种指纹感测设备，其包括：
指纹传感器系统；以及
控制系统，其能够：
从所述指纹传感器系统接收指纹传感器数据；
确定用于所述指纹传感器数据的至少一部分的指纹传感器数据块；
计算针对对应于所述指纹传感器数据块中的每一个的指纹传感器数据的统计方差值；以及
根据所述统计方差值确定物体是否最接近所述指纹传感器系统的一部分定位。
2.根据权利要求1所述的设备，其中所述控制系统能够提供指示物体是否最接近所述指纹传感器系统的一部分定位的物体输出信号。
3.根据权利要求1所述的设备，其中所述控制系统进一步能够确定最接近所述指纹传感器系统的所述部分定位的物体是否为手写笔。
4.根据权利要求1所述的设备，其中所述指纹传感器数据块对应于所述指纹传感器系统的指纹传感器像素的块。
5.根据权利要求4所述的设备，其中指纹传感器像素的所述块邻接。
6.根据权利要求5所述的设备，其中指纹传感器像素的所述块包含所述指纹传感器系统的大体上所有指纹传感器像素。
7.根据权利要求4所述的设备，其中指纹传感器像素的所述块具有至少两个不同大小。
8.根据权利要求1所述的设备，其中所述控制系统进一步能够在计算所述统计方差值前将一或多个滤波器应用到所述指纹传感器数据。
9.根据权利要求8所述的设备，其中所述一或多个滤波器使对应于指纹特征的空间频率范围通过。
10.根据权利要求1所述的设备，其中所述控制系统进一步能够确定物体是否为手指。
11.根据权利要求1所述的设备，其中如果所述控制系统确定所述物体为手指，那么所述控制系统进一步能够从所述指纹传感器数据提取指纹特征。
12.根据权利要求1所述的设备，其中所述指纹传感器系统包含超声波传感器阵列。
13.根据权利要求12所述的设备，其中所述控制系统能够评定最接近所述指纹传感器系统的一或多个物体的声学阻抗。
14.根据权利要求13所述的设备，其中所述控制系统能够确定物体是否具有在对应于皮肤的声学阻抗的声学阻抗范围内的声学阻抗。
15.根据权利要求14所述的设备，其中所述声学阻抗范围从1.3兆瑞利到2.1兆瑞利。
16.根据权利要求14所述的设备，其中所述控制系统能够确定皮肤覆盖的物体是手指还是另一身体部位。
17.根据权利要求1所述的设备，其中确定物体是否最接近所述指纹传感器系统的一部分定位涉及确定所述统计方差值高于还是低于阈值。
18.根据权利要求1所述的设备，其中所述统计方差值至少部分基于指纹传感器信号值或指纹传感器信号梯度。
19.一种指纹感测方法，其包括：
从指纹传感器系统接收指纹传感器数据；
确定用于所述指纹传感器数据的至少一部分的指纹传感器数据块；
计算针对对应于所述指纹传感器数据块中的每一个的指纹传感器数据的统计方差值；以及
根据所述统计方差值确定物体是否最接近所述指纹传感器系统的一部分定位。
20.根据权利要求19所述的方法，其中所述指纹传感器数据块对应于指纹传感器像素的块。
21.根据权利要求19所述的方法，其进一步包括确定物体是否为手指。
22.根据权利要求19所述的方法，其进一步包括评定最接近所述指纹传感器系统的一或多个物体的声学阻抗。
23.一种具有存储于其上的软件的非暂时性媒体，所述软件包含用于控制指纹感测设备进行以下操作的指令：
从指纹传感器系统接收指纹传感器数据；
确定用于所述指纹传感器数据的至少一部分的指纹传感器数据块；
计算针对对应于所述指纹传感器数据块中的每一个的指纹传感器数据的统计方差值；以及
根据所述统计方差值确定物体是否最接近所述指纹传感器系统的一部分定位。
24.根据权利要求23所述的非暂时性媒体，其中所述指纹传感器数据块对应于指纹传感器像素的块。
25.根据权利要求23所述的非暂时性媒体，其中所述软件包含用于控制所述指纹感测设备确定物体是否为手指的指令。
26.根据权利要求23所述的非暂时性媒体，其中所述软件包含用于控制所述指纹感测设备评定最接近所述指纹传感器系统的一或多个物体的声学阻抗的指令。
27.一种指纹感测设备，其包括：
指纹传感器系统；以及
用于以下操作的控制装置：
从所述指纹传感器系统接收指纹传感器数据；
确定用于所述指纹传感器数据的至少一部分的指纹传感器数据块；
计算针对对应于所述指纹传感器数据块中的每一个的指纹传感器数据的统计方差值；以及
根据所述统计方差值确定物体是否最接近所述指纹传感器系统的一部分定位。
28.根据权利要求27所述的设备，其中所述控制装置包含用于确定最接近所述指纹传感器系统的所述部分定位的物体是否为手写笔的装置。
29.根据权利要求27所述的设备，其中所述指纹传感器数据块对应于所述指纹传感器系统的指纹传感器像素的块。
30.根据权利要求29所述的设备，其中指纹传感器像素的所述块邻接。
31.根据权利要求1所述的设备，其中所述控制系统能够在计算所述统计方差值前预处理所述指纹传感器数据。
32.根据权利要求1所述的设备，其中所述控制系统能够在确定物体是否最接近所述指纹传感器系统的一部分定位前预处理所述指纹传感器数据。
33.根据权利要求32所述的设备，其中所述预处理涉及选自由以下各者组成的过程的群组的至少一个过程：滤波、增益补偿、偏移调整、背景减除、去噪声操作、对比度增强、按比例调整、线性化和裁剪。
34.根据权利要求32所述的设备，其中所述预处理涉及：
识别故障发生传感器像素，所述故障发生传感器像素包含失效传感器像素或低执行传感器像素中的至少一个；以及
从所述故障发生传感器像素排除指纹传感器数据。
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US14/474,163 | 2014-08-31 | ||
| US14/474,163 US9195879B1 (en) | 2014-08-31 | 2014-08-31 | Air/object determination for biometric sensors |
| PCT/US2015/042091 WO2016032649A1 (en) | 2014-08-31 | 2015-07-24 | Air/object determination for biometric sensors |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN106663199A true CN106663199A (zh) | 2017-05-10 |
Family
ID=53783395
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201580045682.0A Pending CN106663199A (zh) | 2014-08-31 | 2015-07-24 | 针对生物识别传感器的空气/物体确定 |
Country Status (4)
| Country | Link |
|---|---|
| US (2) | US9195879B1 (zh) |
| EP (1) | EP3186748A1 (zh) |
| CN (1) | CN106663199A (zh) |
| WO (1) | WO2016032649A1 (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112241655A (zh) * | 2019-07-16 | 2021-01-19 | 北京小米移动软件有限公司 | 指纹图像处理方法和装置 |
Families Citing this family (36)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9727770B2 (en) * | 2013-07-22 | 2017-08-08 | Apple Inc. | Controllable signal processing in a biometric device |
| US9576176B2 (en) | 2013-07-22 | 2017-02-21 | Apple Inc. | Noise compensation in a biometric sensing device |
| US9552525B2 (en) | 2013-09-08 | 2017-01-24 | Apple Inc. | Noise reduction in biometric images |
| US9939400B1 (en) | 2013-09-09 | 2018-04-10 | Apple Inc. | Fixed pattern noise compensation techniques for capacitive fingerprint sensors |
| US9195879B1 (en) | 2014-08-31 | 2015-11-24 | Qualcomm Incorporated | Air/object determination for biometric sensors |
| US9582705B2 (en) | 2014-08-31 | 2017-02-28 | Qualcomm Incorporated | Layered filtering for biometric sensors |
| US9665763B2 (en) * | 2014-08-31 | 2017-05-30 | Qualcomm Incorporated | Finger/non-finger determination for biometric sensors |
| US20160125223A1 (en) * | 2014-10-30 | 2016-05-05 | Apple Inc. | Electronic device including multiple speed and multiple accuracy finger biometric matching and related methods |
| US9836591B2 (en) | 2014-12-16 | 2017-12-05 | Qualcomm Incorporated | Managing latency and power in a heterogeneous distributed biometric authentication hardware |
| US9785261B2 (en) * | 2014-12-19 | 2017-10-10 | Intel Corporation | Near field communications (NFC)-based active stylus |
| KR102277155B1 (ko) * | 2015-01-29 | 2021-07-14 | 삼성전자주식회사 | 지문 인식을 통해 사용자를 인증하는 방법 및 이를 위한 전자 장치 |
| KR102434562B1 (ko) * | 2015-06-30 | 2022-08-22 | 삼성전자주식회사 | 위조 지문 검출 방법 및 장치, 지문 인식 방법 및 장치 |
| KR102513147B1 (ko) * | 2016-01-19 | 2023-03-23 | 삼성전자 주식회사 | 전자 장치 및 그의 터치 입력 인식 방법 |
| US10296145B2 (en) | 2016-03-03 | 2019-05-21 | Invensense, Inc. | Determining force applied to an ultrasonic sensor |
| CN105913514B (zh) * | 2016-04-08 | 2018-03-27 | 广东欧珀移动通信有限公司 | 一种指纹解锁的方法及终端 |
| CN106022064B (zh) * | 2016-05-30 | 2017-11-14 | 广东欧珀移动通信有限公司 | 一种解锁控制方法及移动终端 |
| CN106022290B (zh) * | 2016-05-30 | 2018-03-27 | 广东欧珀移动通信有限公司 | 一种指纹模板更新方法及终端设备 |
| KR102693504B1 (ko) * | 2016-09-26 | 2024-08-12 | 삼성디스플레이 주식회사 | 표시장치 및 그의 구동방법 |
| KR102568386B1 (ko) * | 2016-09-30 | 2023-08-21 | 삼성디스플레이 주식회사 | 터치 센서를 포함하는 표시 장치 |
| US10410034B2 (en) | 2016-11-07 | 2019-09-10 | Qualcomm Incorporated | Ultrasonic biometric system with harmonic detection |
| CN106557755B (zh) * | 2016-11-24 | 2021-05-04 | 北京小米移动软件有限公司 | 指纹模板获取方法及装置 |
| US10127425B2 (en) | 2017-01-12 | 2018-11-13 | Qualcomm Incorporated | Dual-mode capacitive and ultrasonic fingerprint and touch sensor |
| EP3616123A4 (en) * | 2017-04-27 | 2021-01-13 | Fingerprint Cards AB | FINGERPRINT AUTHENTICATION SYSTEM AND METHOD WITH REDUCED LATENCY |
| CN107426434B (zh) * | 2017-08-01 | 2020-04-24 | 京东方科技集团股份有限公司 | 输入装置和电子设备 |
| US10503955B2 (en) * | 2017-08-29 | 2019-12-10 | Synaptics Incorporated | Device with improved circuit positioning |
| WO2019050454A1 (en) * | 2017-09-07 | 2019-03-14 | Fingerprint Cards Ab | METHOD AND SYSTEM FOR DETECTING FINGERPRINTS FOR DETERMINING A FINGER COVERING A SENSOR AREA OF A FINGERPRINT SENSOR |
| CN107491774B (zh) * | 2017-09-30 | 2021-04-27 | 苏州迈瑞微电子有限公司 | 一种指纹传感器及其驱动方法 |
| ES2895657T3 (es) * | 2017-12-21 | 2022-02-22 | Fingerprint Cards Ab | Dispositivo de detección de huellas dactilares con estructura de compensación de bordes. |
| EP3540635B1 (en) * | 2018-03-16 | 2020-08-26 | Identy Inc. | Method for identifying an object within an image and mobile device for executing the method |
| US11651610B2 (en) | 2018-05-31 | 2023-05-16 | Qualcomm Incorporated | Heart rate and respiration rate measurement using a fingerprint sensor |
| GB2574669A (en) * | 2018-06-15 | 2019-12-18 | The Face Recognition Company Ltd | Recognition of 3D objects |
| CN111353332B (zh) * | 2018-12-21 | 2023-06-02 | 中国电信股份有限公司 | 指纹图像处理方法、装置和计算机可读存储介质 |
| KR20210017269A (ko) | 2019-08-07 | 2021-02-17 | 삼성전자주식회사 | 보정 데이터의 획득을 위한 방법 및 이를 위한 전자 장치 |
| CN110769370A (zh) * | 2019-10-25 | 2020-02-07 | 中山大学 | 基于定向天线与全向天线信号融合的室内定位方法 |
| US12051267B2 (en) | 2020-04-29 | 2024-07-30 | Qualcomm Incorporated | Fingerprint sensor with detection of latent fingerprints |
| US11837009B2 (en) * | 2020-12-22 | 2023-12-05 | Qualcomm Incorporated | Apparatus and method for ultrasonic fingerprint and touch sensing |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20070258628A1 (en) * | 2004-10-07 | 2007-11-08 | Schneider John K | Ultrasonic fingerprint scanning utilizing a plane wave |
| US20090274343A1 (en) * | 2008-05-05 | 2009-11-05 | Sonavation, Inc. | Dynamic optimization of a biometric sensor |
| EP2521069A2 (en) * | 2011-05-06 | 2012-11-07 | Fujitsu Limited | Biometric authentication device, biometric information processing device, biometric authentication system, biometric authentication server, biometric authentication client, and biometric authentication device controlling method |
| US20130038339A1 (en) * | 2011-08-10 | 2013-02-14 | Cypress Semiconductor Corporation | Methods and apparatus to detect a presence of a conductive object |
| US20130279770A1 (en) * | 2010-12-29 | 2013-10-24 | Fujitsu Limited | Biometric information registration device and biometric information registration method |
| US20140079300A1 (en) * | 2012-09-19 | 2014-03-20 | Cross Match Technologies Gmbh | Method and Device for Capturing Fingerprints with Reliably High Quality Based on Fingerprint Scanners |
Family Cites Families (96)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS5111593B1 (zh) | 1971-06-08 | 1976-04-12 | ||
| US5224174A (en) | 1990-11-07 | 1993-06-29 | Niagara Technology Incorporated | Surface feature mapping using high resolution c-scan ultrasonography |
| DE4222387C2 (de) | 1992-07-08 | 1994-06-30 | Stockburger H | Verfahren und Vorrichtung zur Identifikation der jeweiligen Raumstruktur eines Prüfobjektes |
| US5530456A (en) * | 1993-12-09 | 1996-06-25 | Nec Corporation | Position information input method and device |
| US5659626A (en) | 1994-10-20 | 1997-08-19 | Calspan Corporation | Fingerprint identification system |
| US5828773A (en) | 1996-01-26 | 1998-10-27 | Harris Corporation | Fingerprint sensing method with finger position indication |
| DE19810792A1 (de) | 1998-03-12 | 1999-09-16 | Zentrum Fuer Neuroinformatik G | Verfahren zum Verifizieren der Authentizität eines im Rahmen einer Personenerkennung aufgenommenen Bildes |
| US6636973B1 (en) | 1998-09-08 | 2003-10-21 | Hewlett-Packard Development Company, L.P. | Secure and dynamic biometrics-based token generation for access control and authentication |
| ATE444709T1 (de) | 1999-08-09 | 2009-10-15 | Sonavation Inc | Piezoelektrischer dünnschichtfingerabdruckabtaster |
| US20040252867A1 (en) | 2000-01-05 | 2004-12-16 | Je-Hsiung Lan | Biometric sensor |
| US7079672B2 (en) * | 2000-01-28 | 2006-07-18 | Chuo Hatsujo Kabushiki Kaisha | Fingerprint image evaluating method and fingerprint matching device |
| JP3825222B2 (ja) | 2000-03-24 | 2006-09-27 | 松下電器産業株式会社 | 本人認証装置および本人認証システムならびに電子決済システム |
| US6766040B1 (en) | 2000-10-02 | 2004-07-20 | Biometric Solutions, Llc | System and method for capturing, enrolling and verifying a fingerprint |
| US6914517B2 (en) | 2001-04-17 | 2005-07-05 | Dalton Patrick Enterprises, Inc. | Fingerprint sensor with feature authentication |
| AU2002339746A1 (en) | 2001-05-18 | 2002-12-03 | Imprivata Inc. | System and method for authentication using biometrics |
| JP2003075135A (ja) | 2001-08-31 | 2003-03-12 | Nec Corp | 指紋画像入力装置および指紋画像による生体識別方法 |
| JP4086523B2 (ja) * | 2001-12-04 | 2008-05-14 | キヤノン株式会社 | 画像読取装置、被写体照合システム、被写体認識システム及び画像読取方法 |
| KR100447141B1 (ko) | 2002-03-09 | 2004-09-07 | (주)멜파스 | 차폐수단을 포함하는 반도체 지문감지장치 |
| US7039224B2 (en) | 2002-04-29 | 2006-05-02 | Activcard Ireland Limited | Method and device for preventing false acceptance of latent fingerprint images |
| US20040019292A1 (en) | 2002-07-29 | 2004-01-29 | Drinan Darrel Dean | Method and apparatus for bioelectric impedance based identification of subjects |
| DE60238281D1 (de) * | 2002-09-17 | 2010-12-23 | Fujitsu Ltd | Gerät zur aufzeichnung biologischer informationen und biologische informationen benutzendes berechtigungsgerät |
| WO2004068464A2 (en) | 2003-01-30 | 2004-08-12 | Aliphcom, Inc. | Acoustic vibration sensor |
| EP1629408B1 (en) | 2003-05-30 | 2015-01-28 | Privaris, Inc. | A system and methods for assignation and use of media content subscription service privileges |
| US7020506B2 (en) | 2003-11-06 | 2006-03-28 | Orsense Ltd. | Method and system for non-invasive determination of blood-related parameters |
| KR100561851B1 (ko) | 2003-11-18 | 2006-03-16 | 삼성전자주식회사 | 지문 인식 센서 및 그 제조 방법 |
| US8358815B2 (en) | 2004-04-16 | 2013-01-22 | Validity Sensors, Inc. | Method and apparatus for two-dimensional finger motion tracking and control |
| US8131026B2 (en) | 2004-04-16 | 2012-03-06 | Validity Sensors, Inc. | Method and apparatus for fingerprint image reconstruction |
| US8175345B2 (en) | 2004-04-16 | 2012-05-08 | Validity Sensors, Inc. | Unitized ergonomic two-dimensional fingerprint motion tracking device and method |
| US8229184B2 (en) | 2004-04-16 | 2012-07-24 | Validity Sensors, Inc. | Method and algorithm for accurate finger motion tracking |
| US8165355B2 (en) | 2006-09-11 | 2012-04-24 | Validity Sensors, Inc. | Method and apparatus for fingerprint motion tracking using an in-line array for use in navigation applications |
| US8594391B2 (en) | 2004-05-06 | 2013-11-26 | Avago Technologies General Ip (Singapore) Pte. Ltd. | Finger-based identification systems and methods |
| DE602005022900D1 (de) | 2004-10-04 | 2010-09-23 | Validity Sensors Inc | Fingerabdruckerfassende konstruktionen mit einem substrat |
| JP5069564B2 (ja) | 2004-11-12 | 2012-11-07 | コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ | ディスプレイ装置への複数のユーザアクセスのための独特のユーザ識別及び認証 |
| US20060181521A1 (en) | 2005-02-14 | 2006-08-17 | Atrua Technologies, Inc. | Systems for dynamically illuminating touch sensors |
| US9274551B2 (en) | 2005-02-23 | 2016-03-01 | Zienon, Llc | Method and apparatus for data entry input |
| US7725511B2 (en) | 2005-03-31 | 2010-05-25 | Intel Corporation | Bio-metric input mechanism |
| US7421099B2 (en) | 2005-08-17 | 2008-09-02 | Ultra-Scan Corporation | Use of papilla mapping to determine a friction-ridge surface |
| US7539533B2 (en) | 2006-05-16 | 2009-05-26 | Bao Tran | Mesh network monitoring appliance |
| KR100780957B1 (ko) * | 2006-08-21 | 2007-12-03 | 삼성전자주식회사 | 영상선택 장치 및 방법 |
| US8130203B2 (en) | 2007-01-03 | 2012-03-06 | Apple Inc. | Multi-touch input discrimination |
| US8908934B2 (en) | 2007-03-14 | 2014-12-09 | Ivi Holdings Ltd. | Fingerprint recognition for low computing power applications |
| US20110002461A1 (en) | 2007-05-11 | 2011-01-06 | Validity Sensors, Inc. | Method and System for Electronically Securing an Electronic Biometric Device Using Physically Unclonable Functions |
| US20090074255A1 (en) | 2007-09-18 | 2009-03-19 | Motorola, Inc. | Apparatus and method for capturing skin texture biometric in electronic devices |
| EP2947592B1 (en) | 2007-09-24 | 2021-10-27 | Apple Inc. | Embedded authentication systems in an electronic device |
| US8204281B2 (en) | 2007-12-14 | 2012-06-19 | Validity Sensors, Inc. | System and method to remove artifacts from fingerprint sensor scans |
| US8276816B2 (en) | 2007-12-14 | 2012-10-02 | Validity Sensors, Inc. | Smart card system with ergonomic fingerprint sensor and method of using |
| US20090155456A1 (en) | 2007-12-14 | 2009-06-18 | Validity Sensors, Inc. | System and Method for Fingerprint-Resistant Surfaces for Devices Using Fingerprint Sensors |
| CN101197665B (zh) | 2007-12-24 | 2011-11-09 | 北京飞天诚信科技有限公司 | 动态口令生成方法及其装置 |
| JP5120013B2 (ja) | 2008-03-27 | 2013-01-16 | 富士通株式会社 | 認証装置、認証方法及び認証プログラム |
| US8531915B2 (en) | 2008-04-20 | 2013-09-10 | Stalix Llc | Acoustic and ultrasonic concealed object detection |
| US8331633B2 (en) | 2008-05-08 | 2012-12-11 | Sonavation, Inc. | Method and system for multi-mode mechanical resonator |
| US8335356B2 (en) * | 2008-05-08 | 2012-12-18 | Sonavation, Inc. | Mechanical resonator optimization using shear wave damping |
| US8805031B2 (en) * | 2008-05-08 | 2014-08-12 | Sonavation, Inc. | Method and system for acoustic impediography biometric sensing |
| US8391568B2 (en) | 2008-11-10 | 2013-03-05 | Validity Sensors, Inc. | System and method for improved scanning of fingerprint edges |
| US8278946B2 (en) | 2009-01-15 | 2012-10-02 | Validity Sensors, Inc. | Apparatus and method for detecting finger activity on a fingerprint sensor |
| US8374407B2 (en) | 2009-01-28 | 2013-02-12 | Validity Sensors, Inc. | Live finger detection |
| US8618910B2 (en) * | 2009-08-07 | 2013-12-31 | Authentec, Inc. | Finger biometric sensor including laterally adjacent piezoelectric transducer layer and associated methods |
| KR101226151B1 (ko) | 2009-08-17 | 2013-01-24 | 한국전자통신연구원 | 바이오 등록 및 인증 장치와 그 방법 |
| CN102713804A (zh) | 2010-02-19 | 2012-10-03 | 日本电气株式会社 | 移动终端及其控制方法 |
| US9092125B2 (en) | 2010-04-08 | 2015-07-28 | Avaya Inc. | Multi-mode touchscreen user interface for a multi-state touchscreen device |
| US20120279865A1 (en) | 2010-11-04 | 2012-11-08 | Sonavation, Inc. | Touch Fingerprint Sensor Using 1-3 Piezo Composites and Acoustic Impediography Principle |
| WO2011143279A1 (en) | 2010-05-11 | 2011-11-17 | Ultra-Scan Corporation | Reflex longitudinal imaging using through sensor insonification |
| US8977013B2 (en) | 2010-07-12 | 2015-03-10 | The Institute For Diagnostic Imaging Research, University Of Windsor | Biometric sensor and method for generating a three-dimensional representation of a portion of a finger |
| US9259961B2 (en) | 2010-12-10 | 2016-02-16 | Palo Alto Research Center Incorporated | Large-area ultrasound contact imaging |
| US9244545B2 (en) | 2010-12-17 | 2016-01-26 | Microsoft Technology Licensing, Llc | Touch and stylus discrimination and rejection for contact sensitive computing devices |
| US20130023767A1 (en) | 2011-05-12 | 2013-01-24 | Mammone Richard J | Low-cost, high fidelity ultrasound system |
| US8710956B2 (en) | 2011-06-06 | 2014-04-29 | Leonard P. Longo | Fingerprinting apparatus, system, and method |
| EP2723625B1 (en) | 2011-06-22 | 2017-08-09 | TK Holdings Inc. | Sensor system for steering wheel for vehicle |
| WO2013067625A1 (en) | 2011-11-11 | 2013-05-16 | Smart Technologies Ulc | Interactive pointer detection with image frame processing |
| KR101320138B1 (ko) * | 2011-11-30 | 2013-10-23 | 삼성전기주식회사 | 지문 인식 센서 및 그 제조 방법 |
| KR101288178B1 (ko) | 2011-11-30 | 2013-07-19 | 삼성전기주식회사 | 지문 인식 센서 및 지문 인식 방법 |
| US9013429B1 (en) * | 2012-01-14 | 2015-04-21 | Cypress Semiconductor Corporation | Multi-stage stylus detection |
| TW201349128A (zh) | 2012-02-06 | 2013-12-01 | Qualcomm Inc | 具有保護導電陣列之生物測定掃描器 |
| CN104380312B (zh) | 2012-02-06 | 2018-07-10 | 高通股份有限公司 | 使用电场装置的系统及方法 |
| US9277334B1 (en) | 2012-03-21 | 2016-03-01 | Google Inc. | Wearable computing device authentication using bone conduction |
| DK2850902T3 (en) * | 2012-05-16 | 2017-02-20 | ERICSSON TELEFON AB L M (publ) | Method and device in a communication network |
| US10217045B2 (en) | 2012-07-16 | 2019-02-26 | Cornell University | Computation devices and artificial neurons based on nanoelectromechanical systems |
| JP6302215B2 (ja) * | 2012-11-23 | 2018-03-28 | キヤノン株式会社 | 撮像装置 |
| US10497747B2 (en) * | 2012-11-28 | 2019-12-03 | Invensense, Inc. | Integrated piezoelectric microelectromechanical ultrasound transducer (PMUT) on integrated circuit (IC) for fingerprint sensing |
| US20140181710A1 (en) | 2012-12-26 | 2014-06-26 | Harman International Industries, Incorporated | Proximity location system |
| US9111125B2 (en) * | 2013-02-08 | 2015-08-18 | Apple Inc. | Fingerprint imaging and quality characterization |
| US9436282B2 (en) | 2013-03-14 | 2016-09-06 | Immersion Corporation | Contactor-based haptic feedback generation |
| KR20140127538A (ko) * | 2013-04-25 | 2014-11-04 | 서울대학교병원 (분사무소) | 전자의무기록 시스템 기반의 검사 정보 조회 장치 및 그 조회 방법 |
| US9262003B2 (en) | 2013-11-04 | 2016-02-16 | Qualcomm Incorporated | Piezoelectric force sensing array |
| US9323393B2 (en) | 2013-06-03 | 2016-04-26 | Qualcomm Incorporated | Display with peripherally configured ultrasonic biometric sensor |
| US20140359757A1 (en) | 2013-06-03 | 2014-12-04 | Qualcomm Incorporated | User authentication biometrics in mobile devices |
| US20150081552A1 (en) | 2013-09-16 | 2015-03-19 | Sonavation, Inc. | System for verifying an identity of a card holder |
| KR101700998B1 (ko) | 2014-01-02 | 2017-01-31 | 삼성전기주식회사 | 지문 감지 센서 및 이를 포함하는 전자 기기 |
| US9224030B2 (en) | 2014-01-10 | 2015-12-29 | Qualcomm Incorporated | Sensor identification |
| US9945818B2 (en) | 2014-02-23 | 2018-04-17 | Qualcomm Incorporated | Ultrasonic authenticating button |
| CN106463301B (zh) | 2014-03-05 | 2019-01-29 | 测量专业股份有限公司 | 用于接触开关的超声和应变双模传感器 |
| KR20150121941A (ko) | 2014-04-22 | 2015-10-30 | 삼성메디슨 주식회사 | 초음파 프로브 |
| US9582705B2 (en) | 2014-08-31 | 2017-02-28 | Qualcomm Incorporated | Layered filtering for biometric sensors |
| US9665763B2 (en) | 2014-08-31 | 2017-05-30 | Qualcomm Incorporated | Finger/non-finger determination for biometric sensors |
| US9195879B1 (en) | 2014-08-31 | 2015-11-24 | Qualcomm Incorporated | Air/object determination for biometric sensors |
| US9547083B2 (en) | 2014-09-12 | 2017-01-17 | Qualcomm Incorporated | Determining whether a target object was present during a scanning operation |
-
2014
- 2014-08-31 US US14/474,163 patent/US9195879B1/en not_active Expired - Fee Related
-
2015
- 2015-07-24 EP EP15747335.6A patent/EP3186748A1/en not_active Withdrawn
- 2015-07-24 WO PCT/US2015/042091 patent/WO2016032649A1/en active Application Filing
- 2015-07-24 CN CN201580045682.0A patent/CN106663199A/zh active Pending
- 2015-10-30 US US14/928,898 patent/US9911184B2/en active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20070258628A1 (en) * | 2004-10-07 | 2007-11-08 | Schneider John K | Ultrasonic fingerprint scanning utilizing a plane wave |
| US20090274343A1 (en) * | 2008-05-05 | 2009-11-05 | Sonavation, Inc. | Dynamic optimization of a biometric sensor |
| US20130279770A1 (en) * | 2010-12-29 | 2013-10-24 | Fujitsu Limited | Biometric information registration device and biometric information registration method |
| EP2521069A2 (en) * | 2011-05-06 | 2012-11-07 | Fujitsu Limited | Biometric authentication device, biometric information processing device, biometric authentication system, biometric authentication server, biometric authentication client, and biometric authentication device controlling method |
| US20130038339A1 (en) * | 2011-08-10 | 2013-02-14 | Cypress Semiconductor Corporation | Methods and apparatus to detect a presence of a conductive object |
| US20140079300A1 (en) * | 2012-09-19 | 2014-03-20 | Cross Match Technologies Gmbh | Method and Device for Capturing Fingerprints with Reliably High Quality Based on Fingerprint Scanners |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112241655A (zh) * | 2019-07-16 | 2021-01-19 | 北京小米移动软件有限公司 | 指纹图像处理方法和装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| US9195879B1 (en) | 2015-11-24 |
| EP3186748A1 (en) | 2017-07-05 |
| WO2016032649A1 (en) | 2016-03-03 |
| US9911184B2 (en) | 2018-03-06 |
| US20160063296A1 (en) | 2016-03-03 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106663199A (zh) | 针对生物识别传感器的空气/物体确定 | |
| US9665763B2 (en) | Finger/non-finger determination for biometric sensors | |
| US9582705B2 (en) | Layered filtering for biometric sensors | |
| US9953233B2 (en) | Multi-stage liveness determination | |
| US20140359757A1 (en) | User authentication biometrics in mobile devices | |
| US9891716B2 (en) | Gesture recognition in vehicles | |
| CN110287918B (zh) | 活体识别方法及相关产品 | |
| CN110059744A (zh) | 训练神经网络的方法、图像处理的方法、设备及存储介质 | |
| CN107977674A (zh) | 图像处理方法、装置、移动终端及计算机可读存储介质 | |
| CN103745235A (zh) | 人脸识别方法、装置及终端设备 | |
| EP3066614A1 (en) | User authentication biometrics in mobile devices | |
| CN106951868B (zh) | 一种基于身形特征的步态识别方法及装置 | |
| CN107506757A (zh) | 一种侧向指纹模组以及具有侧向指纹模组的移动终端 | |
| CN105303149B (zh) | 人物图像的展示方法和装置 | |
| CN106503651B (zh) | 一种手势图像的提取方法及系统 | |
| CN107766403B (zh) | 一种相册处理方法、移动终端以及计算机可读存储介质 | |
| EP3968218A1 (en) | Fingerprint acquisition method and related products | |
| CN108182418B (zh) | 一种基于多维声波特征的键击识别方法 | |
| CN111857334B (zh) | 人体手势字母的识别方法、装置、计算机设备及存储介质 | |
| US20160371533A1 (en) | Method for recognizing operation body's characteristic information, electronic apparatus, safety apparatus and palm print recognizing device | |
| WO2015066330A1 (en) | User authentication biometrics in mobile devices | |
| CN108875643A (zh) | 指纹模组、指纹识别方法、装置、存储介质及移动终端 | |
| CN110378318B (zh) | 文字识别方法、装置、计算机设备及存储介质 | |
| CN109359543B (zh) | 一种基于骨骼化的人像检索方法及装置 | |
| CN113129315B (zh) | 毛孔区域获取方法、装置、计算机设备及存储介质 |
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 | ||
| WD01 | Invention patent application deemed withdrawn after publication | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20170510 |