CN106796650B - 多阶段活性确定 - Google Patents

多阶段活性确定 Download PDF

Info

Publication number
CN106796650B
CN106796650B CN201580046844.2A CN201580046844A CN106796650B CN 106796650 B CN106796650 B CN 106796650B CN 201580046844 A CN201580046844 A CN 201580046844A CN 106796650 B CN106796650 B CN 106796650B
Authority
CN
China
Prior art keywords
image information
biometric object
ultrasound image
analysis
biometric
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
CN201580046844.2A
Other languages
English (en)
Other versions
CN106796650A (zh
Inventor
伊丽莎·樱子·杜
陈明宇
埃斯拉·武拉尔
张国亮
戴维·威廉·伯恩斯
苏耶普拉卡什·甘蒂
约翰·基思·施奈德
绍拉夫·班迪奥帕迪亚雅
顾晋
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.)
Qualcomm Inc
Original Assignee
Qualcomm Inc
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 Qualcomm Inc filed Critical Qualcomm Inc
Publication of CN106796650A publication Critical patent/CN106796650A/zh
Application granted granted Critical
Publication of CN106796650B publication Critical patent/CN106796650B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/40—Spoof detection, e.g. liveness detection
    • G06V40/45—Detection of the body part being alive
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
    • G06T7/32—Determination of transform parameters for the alignment of images, i.e. image registration using correlation-based methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
    • G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
    • G06T7/337—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods involving reference images or patches
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
    • G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
    • G06T7/344—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods involving models
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/40—Analysis of texture
    • G06T7/41—Analysis of texture based on statistical description of texture
    • G06T7/44—Analysis of texture based on statistical description of texture using image operators, e.g. filters, edge density metrics or local histograms
    • 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
    • G06V40/1365—Matching; Classification
    • G06V40/1371—Matching features related to minutiae or pores
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/12—Fingerprints or palmprints
    • G06V40/1365—Matching; Classification
    • G06V40/1376—Matching features related to ridge properties or fingerprint texture
    • 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
    • G06V40/1382—Detecting the live character of the finger, i.e. distinguishing from a fake or cadaver finger
    • 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
    • G06V40/1382—Detecting the live character of the finger, i.e. distinguishing from a fake or cadaver finger
    • G06V40/1388—Detecting the live character of the finger, i.e. distinguishing from a fake or cadaver finger using image processing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10132—Ultrasound image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20048—Transform domain processing
    • G06T2207/20064—Wavelet transform [DWT]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20072—Graph-based image processing

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Human Computer Interaction (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Probability & Statistics with Applications (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
  • Collating Specific Patterns (AREA)
  • Ultra Sonic Daignosis Equipment (AREA)
  • Quality & Reliability (AREA)
  • Image Input (AREA)

Abstract

本发明描述一种确定生物测定对象是否是生命个体的部分的方法。在一个此类方法中，通过使用传感器(例如超声波传感器)从所述生物测定对象采集图像信息。可在至少两个分析阶段中分析所述图像信息。所述分析阶段中的一个可为时间分析阶段，所述时间分析阶段分析在所述生物测定对象可连续用于所述传感器的时段期间所获得的所述图像信息的改变。例如，无生命/有生命阶段可分析在两个不同时间获得的图像信息之间的差异，以便识别每一次的改变。其它阶段可集中在特定图像信息集合的各方面上，而不是力图评定随着时间推移的改变。这些其它阶段力图确定图像信息集合是否显现类似于具有活性的生物测定对象的那些特性的特性。

Description

多阶段活性确定
相关申请案的交叉参考
本申请案主张2015年4月23日申请的现在待决的第62/151,983号美国临时申请案和现在待决的第62/046,744号美国临时申请案的优先权，所述申请案的揭示内容以引用的方式并入本文中。本申请案并有同在申请中的名称为“用于超声波指纹的基于图像的活性检测”的第14/845,174号美国申请案的揭示内容，所述申请案在2015年9月3日上以其全文与此一起同时申请。
技术领域
本发明涉及确定活性的装置和方法。
背景技术
生物测定传感器广泛用于区别授权参加活动的个体和未授权参加所述活动的个体。例如，指纹传感器通常用于确定由个人提供的指纹是否匹配数据库中的信息，并且如果确定匹配，那么这个人可被允许参加活动。例如，此人可被允许进入建筑物或房间，或被允许使用电子装置，例如移动电话或在移动装置上运行的应用程序。
生物测定传感器可被蒙骗(也称为“欺骗”)，并由此准许未授权的个人参加为经授权个人保留的活动。欺骗指纹传感器可以不同方式实现。这些包含使用假指纹、使用除手指以外的身体部位，以及使用人的死指(dead finger)。由于将在指纹传感器上使用的特定类型的欺骗不大可能会事先知道，所以提防所有类型的欺骗极其重要。提防欺骗的一种方法涉及确定生物测定对象是否显现与活性相关联的特性。
随着越来越多的生物测定技术用于用户识别和/或验证，活性检测变得越来越重要以确保访问安全和精确。因为蒙骗识别系统和/或验证系统的许多方法使用无生命的顶替物，所以活性检测极其重要。例如，乳胶手指可被制作成具有类似于经授权用户的指纹的脊线和谷线。当此类乳胶顶替物呈现给指纹传感器时，扫描系统可得出错误结论：乳胶顶替物是经授权用户的手指，即使乳胶顶替物不是活体的部分。因此，能够检测生物测定对象是否是活体的部分的系统将用于检测顶替物的存在。在此类系统中，如果作出生物测定对象不是生命个体的部分的确定，那么呈现生物测定对象的这个人可被拒绝访问(例如，对所请求活动的访问)，即使生物测定信息(例如，指纹)匹配相关联的识别/验证数据库中的信息。
发明内容
本发明的一个实施方案可被描述为确定生物测定对象是否是生命个体的部分的方法。方法可包含使用传感器从生物测定对象采集图像信息的步骤。图像信息可使用其上放置生物测定对象的压板进行采集。传感器可为超声波传感器，且例如，传感器的距门可进行调整以确定生物测定对象是否由层构成。举例来说，传感器还可经配置以检测多个超声波频率以确定生物测定对象是否由层构成。方法可进一步包含在至少两个分析阶段中分析图像信息。
分析阶段中的一个可为时间分析阶段，所述时间分析阶段分析在生物测定对象可连续用于传感器的时段期间所获得的图像信息的改变。时间分析阶段可确定图像信息的改变是否类似于符合生命体的改变。时间分析阶段可确定生物测定对象的特征在所述时段期间是否改变。特征可包含毛孔开口大小、毛孔深度、脊线图案和肌理。
分析阶段中的一个可分析图像信息以确定生物测定对象是否是三维的。确定生物测定对象是否是三维的可包含确定生物测定对象的图案是否是均匀的。索贝尔滤波器(Sobel filter)可用于确定生物测定对象的图案是否是均匀的。
分析阶段中的一个可分析图像信息以确定图像信息中的图案类型是否在预定图案类型当中，例如，识别在图像信息中呈现的图案分类，接着确定所述图案分类是否在预定图案分类当中。识别图案分类可包含识别生物测定对象的图案是否显现脊线流。
举例来说，分析阶段中的一个可分析图像信息以通过确定生物测定对象是否由层构成来确定生物测定对象是否是制造出的。图像信息还可经分析以评定图像信息的图像质量，从而确定生物测定对象是否是制造出的。
方法可进一步包含步骤：如果时间分析阶段指示图像信息的改变类似于符合生命体的改变，并且分析阶段中的另一者指示对象是三维的，那么得出生物测定对象是生命个体的部分的结论。可基于所分析的图像信息，提供活性输出信号。在一些实施方案中，基于图像的活性检测可充当非时间分析阶段中的一个，所述活性检测基于对来自单个图像的图像信息的分析。在一些实施方案中，基于图像的活性检测可充当时间分析阶段，所述活性检测基于对来自两个或两个以上图像的图像信息的分析。在一些实施方案中，来自多个单一图像中的每一个的中间决策可经融合以形成复合决策。
本发明的一个实施方案可被描述为确定生物测定对象是否是生命个体的部分的方法。方法可包含使用传感器从生物测定对象采集图像信息。方法可进一步包含分析图像信息。图像信息的分析可包含确定生物测定对象是否是三维的。图像信息的分析还可包含确定图像信息中的图案类型是否在预定图案类型当中。图像信息的分析还可包含确定生物测定对象是否是制造出的。图像信息的分析还可包含选择期间生物测定对象可连续用于传感器的时段，以及确定图像信息是否在所述时段期间以符合生命体的方式改变。方法可进一步包含：如果确定生物测定对象是三维的、图像信息中的图案类型在预定图案类型当中、确定生物测定对象不是制造出的，以及确定生物测定对象以符合生命体的方式表现，那么得出生物测定对象是生命个体的部分的结论。
本发明的一个实施方案可被描述为存储计算机可执行代码的非暂时性计算机可读媒体。可执行代码可包含使用传感器从生物测定对象采集图像信息的指令。可执行代码还可包含在至少两个分析阶段中分析图像信息的指令。分析阶段中的一个可为时间分析阶段，其具有指令，所述指令用以分析在生物测定对象可连续用于传感器的时段期间所获得的图像信息的改变。
本发明的一个实施方案可被描述为用于确定生物测定对象是否是生命个体的部分的系统。系统可包含传感器，其经配置以从生物测定对象采集图像信息。传感器可为超声波传感器，并且传感器的距门可进行调整。传感器可经配置以检测多个超声波频率。传感器还可具有其上放置生物测定对象的压板。
系统还可包含处理器，其经配置以在至少两个分析阶段中分析图像信息。分析阶段中的一个可为时间分析阶段，所述时间分析阶段分析在生物测定对象可连续用于传感器的时段期间所采集的图像信息的改变。处理器可经配置以调整传感器的距门，从而确定生物测定对象是否由层构成。
本发明的一个实施方案可被描述为确定生物测定对象是否是生命个体的部分的方法。在一个此类方法中，可使用传感器(例如超声波传感器)从生物测定对象采集图像信息。可在一或多个分析阶段中分析图像信息。分析阶段中的一个可试图确定生物测定对象有无生命。无生命/有生命阶段可采集在两个不同时间搜集的图像信息集合，接着分析所采集的图像信息之间的差异，以便识别每一次的改变。由于无生命/有生命阶段力图识别和评定随着时间推移的改变，所以无生命/有生命阶段在本文中有时被称作“时间分析阶段”。除无生命/有生命阶段以外的阶段可集中在在特定时间采集的特定图像信息集合的各方面上，而不是力图评定随着时间推移的改变。非时间阶段可力图确定图像信息集合是否显现类似于符合具有活性的生物测定对象的那些特性的特性。非时间阶段可在本文中被称作“EBS”，其代表“预期生物测定阶段”。
如果时间分析阶段指示生物测定对象是无生命的或EBS指示生物测定对象不与预期保持一致，那么可拒绝访问或所请求的活动。然而，如果时间分析阶段指示生物测定对象是活的，并且全部EBS与预期保持一致，那么可允许访问或所请求的活动。
时间分析阶段可确定图像信息的改变是否类似于符合生命体的改变。此类分析可确定生物测定对象的特定特征在时段期间是否已改变。例如，特征可包含毛孔开口大小、毛孔深度、毛孔特征、脊线图案、脊线宽度、流体排出、局部肌理、结构特征、生物测定特征或生物测定改变。为了提高方法的安全性，时间分析阶段可分析在生物测定对象可连续用于传感器的时段期间所获得的图像信息的改变。
可包含一或多个预期生物测定阶段。一个此类EBS可力图确定生物测定对象是二维的还是三维的。用于这样做的方法可包含确定生物测定对象的图案是否是均匀的。如果确定图案是均匀的，那么可确定对象是二维的，并且可能是一种顶替物，就可拒绝访问或所请求的活动。例如，所采集的图像中的指纹脊线的边缘可能轮廓极其分明，这指示了可能是基本上平面的二维顶替物，例如指纹的打印照片复本。可替代地，方法可通过评估在置放在传感器阵列的压板上的脊线边缘处的曲率改变来确定图像特征(例如，指纹脊线和谷线)是否是三维的。
另一类型的EBS可分析图像信息以确定图像信息中的图案类型是否在预定图案类型当中。此类方法可力图对在图像信息中呈现的图案进行分类，接着确定经识别的图案分类是否在预定图案分类当中，所述预订图案分类在先前被确定为对应于可接受生物测定对象(例如，具有活性的手指)的那些图案分类。这样一种分类可涉及显现脊线流的图案。如果由图像信息显现的图案类型是呈现脊线流的类型，那么可作出相对于不同的身体部位(例如，鼻子、颊部、手掌或肘部)，对象可为手指的确定。
另一类型的EBS可分析图像信息以确定生物测定对象是否是制造出的。由于制造出的对象经常具有层，所以在用于识别制造出的顶替物的这样一种EBS中，可作出关于生物测定对象是否由层构成的确定。例如，具有在未授权的人的整个手指上滑动的指纹脊线和谷线的较薄乳胶袖套可被EBS检测到在顶替物中存在层。可通过使用超声波传感器以及使用各种距门延迟和/或多个超声波频率来捕捉图像信息，检测目标对象内的层。在一些实施方案中，根据一或多个基于图像的活性检测分析的中间决策可用于确定对象是否是制造出的。可替代地，制造出的顶替物可由固态单一材料形成，例如注入到手指模具中的硅酮聚合物。单一材料的顶替手指可能没有内部层，不像人类手指中的皮肤、骨和血管的层，分析层的存在(或层的缺少)的EBS可确定单一材料的顶替物不具有活性。
附图说明
为更全面地理解本发明的性质和目的，应参考附图和随后描述。简单地说，图式为：
图1是说明确定活性的方法的流程图。
图2是说明其中依序进行分析阶段的确定活性的方法的流程图。
图3是说明其中并行进行分析阶段的确定活性的方法的流程图。
图4是说明具有四个分析阶段的确定活性的方法的流程图。
图5是说明具有四个分析阶段的确定活性的另一方法的流程图。
图6A到图6B是说明确定活性的其它方法的流程图。
图7A到图7C描绘说明从真手指和假手指反射的超声波信号的超声波传感器的横截面视图。
图8A到图8B绘示指纹图像和来自其它身体部位的图像。
图9绘示来源于在不同的频率和不同的真手指与假手指的距门延迟下采集的图像信息的图像。
图10描绘可用于评定真手指和假手指之间的图像质量差异的图像信息。
图11A到图11C说明指纹图像的时间改变。
图12说明后跟着活性确定阶段的指纹录入和/或认证的通用流程。
图13说明超声波传感器系统的通用框图。
图14说明超声波传感器系统的更详细框图。
图15A到图15D说明超声波传感器阵列的多种配置。
图16A到图16B绘示说明包含如本文所描述的指纹传感系统的显示装置的系统框图的实例。
具体实施方式
在生物测定技术的许多形态当中，指纹是研究和使用最多中的一个。本文中所描述的实施方案集中在指纹上，但是本发明不限于指纹。例如，所揭示的系统和方法可与其它生物测定技术一起使用，例如掌纹或手纹辨识。
图1是描绘确定活性的方法的流程图。可采集关于对象的图像信息100，并分析图像信息103，以便确定所述对象是否是生命个体的部分。用于确定活性的图像信息可与用于产生对象的图像的信息相同。例如，图像信息可为使用超声波传感器采集100的关于指纹的信息，例如在名称为“利用平面波的超声波指纹扫描(Ultrasonic Fingerprint ScanningUtilizing a Plane Wave)”的第7,739,912号美国专利中所描述。图像信息的分析可由一或多个多用途计算机或处理器进行，所述多用途计算机或处理器已经编程以分析图像信息，例如移动装置的一或多个应用程序处理器。举例来说，所采集的图像信息或数据可根据需要进行预处理以减少噪声、增加对比度、去除伪声或补偿温度效应。如果图像信息的分析103指示生物测定对象不是生命个体的部分，那么可拒绝150此人所请求的活动(包含仅需要的活动，如应用程序访问或购买授权)。例如，如果此人请求访问机构、计算机数据库或移动装置应用程序，而信息分析指示生物测定对象不是生命个体的部分，那么此人可能不被准许获得对机构、数据库或应用程序的访问权，视具体情况而定。然而，如果图像信息的分析指示生物测定对象是生命个体的部分，那么可允许153此人获得对机构、数据库或应用程序的访问权，视具体情况而定。在一些实施方案中，在可授予访问权或允许所请求的活动之前，除了活性指示之外，还可能需要用户的识别、验证或认证。
用以确定对象是否是生命个体的部分的图像信息的分析103可经由两个或两个以上分析阶段进行。分析阶段可并行实施(即，实施一个阶段的同时实施另一阶段)，或依序实施(即，一个阶段在另一阶段之后实施)。图2是说明其中依序进行分析阶段103A、103B的确定活性的方法的流程图。图3类似于图2，除了分析阶段103A、103B是并行进行以外。
相对于图2和图3，分析阶段中的一个103A可力图确定生物测定对象有无生命。作出无生命/有生命确定103A的一个方式是识别和评估图像信息相对于时间的改变。在这样一种分析中，采集关于对象的至少两个图像信息或数据集合，并彼此比较。例如，可通过使用超声波传感器阵列从生物测定对象(例如，手指)采集图像信息或信息，获得所收集的图像信息。通过在第一时间采集图像信息所获得的第一图像信息集合可与通过在第二时间采集图像信息所获得的第二图像信息集合比较，并且可识别这两个信息集合之间的改变。由于在不同时间获得信息集合，所以此分析阶段力图识别在两个时段之间发生的改变，并可因此被称作“时间分析阶段”。如果时间分析阶段识别出的改变类似于符合生命体的改变，那么它可得出结论：时间分析阶段指示生物测定对象是生命个体的部分。应注意，无生命/有生命阶段可力图产生关于对象的特征在对象可连续用于传感器的时段期间是否改变的确定。例如，如图6A中所描述，可选择104其中对象可连续用于传感器的时段。以此方式，提供一定保证：相对于相同的生物测定对象实施时间分析。也就是说，可实施方法/系统以防止使用两个不同的生物测定对象。例如，为了防止在两个不同的时间使用两个的不同生物测定对象，可从生物测定对象(例如，置放在耦合到超声波传感器阵列的压板的表面上的手指)采集一系列循序图像，其中采集足够数目的循序图像以确定在对将用于时间分析的图像信息集合的采集之间的时段期间，同一手指已保持在压板表面上。在一些实施方案中，依序采集的数据集合可利用更简单的分析例程进行分析，以确保手指或其它生物测定对象尚未从压板表面移除。在一些实施方案中，可对同一手指进行一次以上的时间分析。在一些实施方案中，时间分析可使用两个以上的图像信息集合。用以确保生物测定对象尚未移除和被另一者代替的依序采集的数据集合可在时间数据集合中的任一者的采集之间注入。
时间分析阶段可针对改变，分析图像信息集合或图像信息，所述改变例如毛孔大小的改变或脊线图案的改变，特别是指示对象具有脉搏或其它生物功能性，例如出汗、皮肤油脂排出或肌肉移动的那些。可作为时间分析阶段的部分进行检测的其它改变包含毛孔深度的改变或肌理的改变。由于油脂或汗液的排出，或仅由于当手指抵着压板表面按压时的外部毛孔直径的波动，所以毛孔大小可随时间的推移改变。当手指抵着压板表面按压并保持时，特别当指尖中的血压随着心脏的跳动改变时，或当肌肉的局部收缩和松弛出现在按压的手指中时，脊线图案(例如，脊线位置、脊线宽度或脊线宽度与谷线宽度的比值)可改变。当手指抵着压板表面按压得更用力或更松时(这导致更多和更少的皮肤面积接触压板)，肌理的改变可在较短时间间隔中出现。例如，当施加更高的指压时，在毛孔开口周围具有不完整脊线的开放毛孔可变成闭合毛孔。毛孔深度可随时间的推移和压力改变，如抵着压板表面的毛孔直径的改变所指示。具有不同的距门延迟的时间成像可允许成像成手指，根据其可检测例如毛孔直径或毛孔深度的时间改变。
如果根据时间分析，作出图像信息的改变已经出现的确定，那么时间分析阶段可包含确定图像信息的改变是否类似于符合生命体的改变。如果时间分析确定改变与符合生命体的那些改变保持一致，那么时间分析阶段可产生指示：生物测定对象很可能是生命个体的部分。然而，如果时间分析确定改变不与符合生命体的那些改变保持一致，那么时间分析阶段可产生指示：生物测定对象很可能不是生命个体的部分。
除了无生命/有生命阶段103A之外，还可存在至少一个其它分析阶段103B。为了更清楚地区分分析阶段103B与无生命/有生命阶段103A，分析阶段103B可为EBS的一个实例。一或多个EBS 103B可与无生命/有生命阶段103A组合，以提供非常适合于确定生物测定对象是否是生命个体的部分的方法/系统。在EBS 103B期间，可将对所采集的信息的分析导向确定对象是否是三维的、图像信息中的图案类型是否在预定图案类型当中和/或对象是否是制造出的。这些分析中的每一个在下文中进行进一步详细的描述。如果无生命/有生命阶段103A和EBS 103B各自产生生物测定对象是生命个体的部分的确定，那么本文中所揭示的系统或方法可产生指示：在采集图像信息时，生物测定对象是生命个体的部分。然而，如果无生命/有生命阶段103A或EBS 103B产生指示：生物测定对象不是生命个体的部分，那么本文中所揭示的系统或方法可产生指示：生物测定对象不是生命个体的部分。如果系统/方法产生指示：生物测定对象很可能是生命个体的部分，那么从生物测定对象获得的信息可进行分析，以确定呈现生物测定对象的个人是否可被授权参加所请求的活动。在一些实施方案中，在可授予访问权或允许所请求的活动之前，除了肯定的活性指示之外，还可能需要用户的识别、验证或认证。
在已经提供对用于确定活性的方法的总体概述的情况下，我们在下文中提供额外细节。图4是说明具有四个分析阶段的确定活性的方法的流程图，所述分析阶段(如图2)被绘示为依序进行。不同于图2，在图4中，无生命/有生命阶段103A被绘示为在EBS 103B之后进行。图5描绘类似于图4的方法，除了分析阶段被绘示为并行执行。分析阶段的依序执行可产生某些优势，特别是当分析阶段中的一个相比于分析阶段中的其它阶段需要更少工作、需要更少时间或计算上更为便宜时。例如，如果此类分析阶段相比于分析阶段中的其它阶段需要更少工作、需要更少时间或更加便宜，那么在其它阶段之前执行所述阶段可为有益的，因为来自此类阶段的对象不具有活性的指示可用于抢先执行其它阶段，并由此节约时间和能量。可替代地，分析阶段的并行执行可产生各种优势，例如在执行方法中的全部生物测定分析阶段来确定活性中的更快的总执行时间、减少了的时延、更好的用户体验和更高的可信度。
图4指示如果EBS 103B确定图像信息不与预期生物测定对象相关，那么EBS103B可产生指示：所呈现的生物测定对象很可能不是生命个体的部分。并且，在此情况下，方法可产生此人不应被允许访问或参加所请求的活动的指示，可拒绝150所请求的活动或访问。如果每一EBS子阶段103B(i)到(iii)指示图像信息与预期生物测定相关，那么分析可继续进行到无生命/有生命阶段103A。如果无生命/有生命阶段103A确定提供信息的对象不是活着的，那么EBS 103B可产生指示：所呈现的生物测定对象很可能不是生命个体的部分。然而，如果每一EBS子阶段103B(i)到(iii)确定和无生命/有生命阶段103A确定所呈现的生物测定对象是生命个体的部分，那么可产生指示：生物测定对象很可能是生命个体的部分。并且，在此情况下，方法可产生此人应该被允许访问或参加所请求的活动的指示，可允许153所请求的活动或访问。在一些实施方案中，在可授予访问权或允许所请求的活动之前，除了活性指示之外，还可能需要用户的识别、验证或认证。
图6A是说明确定活性的另一方法的流程图。图6A中所描绘的方法可确定生物测定对象是否是生命个体的部分，其包含以下步骤：
1.使用传感器从生物测定对象采集100图像信息，和任选地预处理图像信息；
2.分析图像信息以：
(a)确定103B(i)生物测定对象是否是三维的；
(b)确定103B(ii)图像信息中的图案类型是否在预定图案类型当中；
(c)确定103B(iii)生物测定对象是否是制造出的(例如，非生物测定)；以及
(d)选择期间生物测定对象可连续用于传感器的时段，并确定103A图像信息是否在所述时段期间以符合生命体的方式改变；以及
3.在以下各种情况中，得出生物测定对象是生命个体的部分的结论：
(i)确定生物测定对象是三维的；
(ii)图像信息中的图案类型在预定图案类型当中；
(iii)确定生物测定对象不是制造出的；以及
(iv)确定生物测定对象以符合生命体的方式表现。
记住上述的概述，我们提供关于可在EBS 103B期间进行的分析的具体类型的额外细节。具体来说，EBS 103B可包含针对以下询问中的一或多者的工作：
(i)对象是三维的吗？
(ii)图像信息中的图案类型在预定图案类型当中吗？和/或
(iii)对象是制造出的吗？
如果图像信息指示生物测定对象是三维的，那么可由EBS 103B(i)得出结论：所呈现的生物测定对象可为生命个体的部分。当已经从超声波传感器获得图像信息时，此类分析可包含确定生物测定对象的图案的均匀程度。指纹的二维顶替物通常会具有比三维手指更均匀的超声波的反射。
图6B是说明确定活性的另一方法650的流程图。方法包括使用传感器从生物测定对象采集651图像信息。方法进一步包括在至少两个分析步骤中分析653图像信息。分析阶段中的一个可为时间分析阶段，所述时间分析阶段分析在生物测定对象可连续用于传感器的时段期间所获得的图像信息的改变。传感器可为超声波传感器。传感器可包含其上可置放生物测定对象的压板。在一些实施方案中，可以时间循序方式在用于时间分析的图像信息集合之间采集额外的图像信息集合，以确保成像的生物测定对象可连续用于传感器且还未被另一生物测定对象代替。
图7A到图7C以图形方式描绘说明从真手指和假手指反射的超声波信号的超声波传感器系统的超声波传感器阵列702的横截面视图。
图7A说明从具有压电层714的超声波发射器710发射的基本上为平面的超声波平面波718a，所述压电层714置放在发射器电极712和716之间，所述发射器电极712和716安置于压电层714的每一侧上。超声波发射器710可耦合到其上形成有TFT电路722的TFT衬底720。超声波发射器710可通过TFT衬底720、TFT电路722和覆盖层740发射一或多个超声波平面波718a。在一些实施方案中，覆盖层740可充当保护性压板。在一些实施方案中，显示装置的覆盖玻璃或覆盖透镜可充当压板或覆盖层740。保护性涂层742可包含在覆盖层740的外表面上。涂层742可充当防模糊层、防刮擦层、环境保护层、声学阻抗匹配层、光干扰过滤层或其它功能层。涂层742可包含子层的多层堆叠。在一些实施方案中，涂层742可直接置放在超声波接收器730上，并且可充当压板。在一些实施方案中，超声波传感器702可被配置成没有覆盖层740或涂层742，其中超声波接收器703的外表面充当传感表面。
生物测定对象(例如，手指750)可置放在超声波传感器阵列702的外表面上。穿过覆盖层740和任选的涂层742的超声波平面波718a可从超声波传感器阵列702和手指750之间的表面反射。在手指750的脊线区域754之间的谷线区域756可将入射超声波能量的大部分朝向TFT电路722反射回去。与传感器表面接触的手指750的脊线区域754可吸收、散射或发射入射超声波能量，这导致更低量的超声波能量朝向TFT电路722反射回去。从手指750的脊线和谷线区域反射的超声波能量可由置放在TFT电路722的部分或全部上方的压电接收器层732转换成电荷，所述电荷可由TFT电路722的传感器像素724的所述底层阵列726检测。当所反射的超声波718b(见图7B)穿过压电接收器层732和TFT电路722时，接收器偏置电压可被施加到置放在压电接收器层732上方的接收器偏压电极734，以允许采集图像信息。一旦采集到，来自传感器像素724的阵列726的像素输出信号可从TFT电路722定时输出以供使用一或多个数据和控制线的进一步处理。
图7B中绘示其中真手指750a置放在超声波传感器阵列702的传感器表面744上的超声波传感器阵列702的放大部分，其说明从手指的脊线区域754反射的超声波718b。入射超声波平面波718a从传感器表面744反射，其中反射波718b的一部分以比图7C中所绘示的平坦的假手指750b更高的角度和略微延迟的时间从手指脊线区域754的边缘反射。图7C中的假手指750b描绘基本上二维的顶替物，例如指纹的打印照片复本或制作不佳的谷线区域深度不足的低质量硅酮顶替物。可对所采集的图像信息的级别和均匀性进行分析，并作出假手指750b并不具有指纹的一或多个预期生物测定特征的确定。
索贝尔滤波器可用于确定生物测定对象的图案的均匀程度。如果发现是均匀的，那么可作出生物测定对象是二维的确定，并且在那个情形中，活性确定可为否定的(不具有活性)，且可拒绝访问或所请求的活动。在此类分析中，索贝尔滤波器“S”
Figure GDA0002450192130000111
和转置S'可用于对对应于图像信息的关注区域进行滤波。接着可计算经滤波图像的功率总和，并且如果功率总和的平均值低于预定阈值，那么图像信息可具有“弱边缘”，且可确定生物测定对象是二维的。
如果图像信息指示关于图像信息中的图案类型的某些特性，那么可由EBS103B(ii)得出结论：生物测定对象是生命个体的部分。EBS 103B(ii)可包含确定图像信息中的图案类型是否在预定图案类型当中。确定图像信息中的图案类型是否在预定图案类型当中可包含识别在图像信息中呈现的图案分类，接着确定图案分类是否在预定图案分类当中。在一些实施方案中，识别图案分类可包含识别生物测定对象的图案是否显现指纹图像的特征——脊线流。在此类分析中，可关于图像信息的部分或块使用脊线流提取算法，以确定由图像信息的部分显现的脊线流是否足够类似于已知来自真手指的预定模板。如果图像信息的脊线流没有足够类似于模板，那么可确定图像信息不是来自人类手指(例如，图像信息来自非人类，或图像信息来自人类，但是是来自于鼻子、颊部、手掌或肘部)，并且在此情况下，就可拒绝150所请求的活动或访问。在一些实施方案中，模板信息可包含来自已经录入的手指的图案类型和图案分类，它们可在用户先前录入期间进行采集。图8A绘示来自人类手指的各种指纹图像302、304、306和308，图8B绘示非指纹身体部位(例如，鼻子312、颊部314、手掌316和肘部318)的各种图像。目视检查展示了指纹图像中的脊线流特性和非指纹图像中特征脊线流的缺失。
为了确保此分析的精确度，可提取图像信息的一个以上部分或块并进行分析，并且如果小于所要数目的所提取的部分显现预期脊线流，那么可确定图像信息不是来自手指，并接着可拒绝所请求的活动或访问。然而，如果所要数目(或更多)的所提取的部分显现预期脊线流，那么可确定图像信息来自手指，并且在此情况下，EBS103B分析中的其它者或无生命/有生命分析103A可用于确定允许153所述请求活动或访问还是拒绝150所请求的活动或访问。在一些实施方案中，也被称作图案类别的图案分类可包含分类，例如真手指分类或顶替手指分类。真手指分类可包含子分类，例如具有活性的手指子类别或死指子类别。顶替手指分类可包含子分类，例如明胶子类别、硅酮子类别、木胶子类别或乳胶子类别。每一分类或子分类可具有与类别或子类别相关联的一或多个图案类型。举例来说，图案类型可包含特征类型、特征向量、特征矩阵或特征值。例如，图案类型可包含特征类型，例如空间频率(例如，高、低或中等空间频率)。图案类型可包含特征向量，例如局部二进值模式向量(例如，LBP向量)。图案类型可包含特征矩阵，例如超声波阻抗相关性的二维分布。图案类型可包含特征值(例如，数值)，例如定向一致性值(orientation consistency value)。
在一些实施方案中，可通过预期生物测定阶段(EBS)103B分析作出确定：所采集的图像是否具有脊线，或更确切地说，图像是否含有人类指纹脊线图案。例如，可利用来自一或多个关注区域的从成像对象获得的数据，使用脊线流提取算法，以确定脊线是否包含在所采集的图像中，以及成像对象的脊线是否类似于通常出现在人类手指上的那些脊线。可进行脊线图案确定，以便识别由成像对象显现的图案很可能是人类指纹图案还是很可能是某一其它图案。如果成像对象的脊线不与通常出现在人类手指上的那些脊线类似，那么成像对象可标记为“非手指”，并且所述结果可用于确定是允许153所请求的活动或访问还是拒绝150所请求的活动或访问。
如果图像信息指示生物测定对象不是制造出的(即是有机或生物的)，那么可由EBS 103B得出结论：生物测定对象是生命个体的部分。此类分析可包含分析图像信息以确定生物测定对象是否由制造层构成。如果确定生物测定对象由层构成，那么可确定生物测定对象是制造出的。例如，对象中的层可指示使用三维打印的顶替物，其通常以层的形式打印。在另一实例中，在包含较薄乳胶顶替物的生物测定对象中可检测到层，所述较薄乳胶顶替物具有在未授权用户的手指上滑动的虚假指纹特征。为了确定生物测定对象是否由层构成，可使用超声波传感器，并且可调整用于检测撞击传感器的压电接收器层和像素电路的超声波信号的距门延迟，以便确定层是否存在于从生物测定对象的表面测得的特定深度处。识别生物测定对象是否由层构成的其它方法包含使用多个超声波频率。在一些实施方案中，多个频率和不同的距门延迟可用于采集关于生物测定对象的多个图像信息集合。图像融合算法可用于导出图像信息的单个集合，并且可针对层的存在，对所述导出的图像信息集合进行分析。确定层是否存在的另一方式是比较导出图像信息的质量与阈值。如果导出图像信息的质量未能满足或超过阈值，那么可确定图像信息不是来源于为活体的部分的生物测定对象，而是制造出的顶替物被呈现给传感器。
另一方法可使用基于多个特征的分类方法以识别制造出的顶替物。在此类方法中，可对在不同频率下的真手指和假手指之间的微妙差异进行分析和评定。图9绘示来源于在不同的频率和不同的真手指与假手指的距门延迟下采集的图像信息的图像。例如，在顶行中，在第一频率F1和第一距门延迟RGD1下的来自真手指的图像信息被绘示为指纹图像322a。在第二频率F2和第二距门延迟RGD2下的来自手指的图像信息被绘示为指纹图像322b，以及在第三频率F3和第三距门延迟RDG3下的来自手指的图像信息被绘示为指纹图像322c。图像信息可使用成像融合算法而融合在一起，其结果被绘示为经融合指纹图像322d。第二行绘示乳胶手指，其中图像324a、324b和324c分别在第一频率F1和第一距门延迟RGD1下、在第二频率F2和第二距门延迟RGD2下以及在第三频率F3和第三距门延迟RGD3下获得，其中图像融合的结果被绘示为经融合图像324d。第三行绘示硅酮手指，其中图像326a、326b和326c分别在第一频率F1和第一距门延迟RGD1下、在第二频率F2和第二距门延迟RGD2下以及在第三频率F3和第三距门延迟RGD3下获得，其中图像融合的结果被绘示为经融合图像326d。类似地，第四行绘示类型2硅酮手指，其中图像328a、328b和328c分别在第一频率F1和第一距门延迟RGD1下、在第二频率F2和第二距门延迟RGD2下以及在第三频率F3和第三距门延迟RGD3下获得，其中图像融合的结果被绘示为经融合图像328d。图9中在图像融合之前和在图像融合之后的图像展示出图像特征、图像质量、图像对比度的特性改变，其可用于区分顶替手指与真手指。例如，毛孔位置和毛孔密度可随着顶替材料的类型和成像成手指的深度而改变。高质量的顶替物在所述顶替物的表面处可具有合适数目的毛孔和毛孔密度，这可随着与顶替物表面相距的深度而快速的减小，不同于人类手指。孔的数目和密度以及到手指中的深度可辅助确定对真手指的顶替物。
图10描绘可用于评定真手指和假手指之间的图像质量差异的图像信息。指纹图像质量可用作检测假指纹图像信息与真指纹图像信息的线索。可使用关于所采集的假手指的超声波图像的质量度量值，检测假手指或顶替物。假手指可由若干不同材料中的一者制成，例如乳胶、硅酮或其它聚合材料。在一些情况下，材料的柔性可使得顶替物更加难以完全接触传感器阵列，这导致了所得图像的零散、不均匀质量。在一些情况下，在形成用于经浇注假手指的模具期间，真手指内的局部骨结构可产生局部突出。指纹质量度量值，例如空间分辨率、对比度、空间频率、图案一致性、清晰性和/或锐度，可检测这些不均匀性。指纹质量度量值可另外改进真假手指检测系统的性能。尽管不能直接检测活性，但是作为活性检测的多阶段方法的部分，指纹质量可用作检测假指纹图像信息的线索。用于顶替物的材料和人体组织之间的声学阻抗差异还可产生可检测的图像质量差异。
利用关于顶替手指的质量度量值的一个方法涉及选择指纹图像区内的两个或两个以上小区域(即，块)、将质量度量值(例如清晰性或锐度)施加到每一经选择块，随后比较计算结果，以确定一或多个区是否具有与其它区相比明显不同的清晰性或锐度。计算结果的广泛变化可指示假手指。
基于质量的顶替物检测方法的实例可相对于图10中的图像看到。如在图9中，可在不同频率和距门延迟的情况下获得图10中的图像。可在来自真手指的指纹图像332a、332b和332c内的一对经选择的框或区域周围形成第一方框342a和第二方框342b。可看出两个块内的特征的所得清晰性和锐度是类似的。可在来自假手指的指纹图像334a、334b和334c内的类似块或区域周围绘制第一方框344a和第二方框344b。可看出这两个块之间的所得清晰性和锐度是明显不同的。基于此分析，可怀疑第二图像来自假手指。在一些实施方案中，可在一或多个频率和距门延迟下对个人指纹图像执行图像分析。在一些实施方案中，可分别针对真手指和假手指，对融合图像(例如，经融合指纹图像332d和334d)执行图像分析。在来自其它测试和分析(例如，预期生物测定分析阶段或时间分析阶段)的结果的情况下，可加强此怀疑。
图11A到图11C说明指纹图像的时间改变。可比较在第一时间t1获得的指纹图像342a(图11A)和在不同于相同手指的第一时间t1的第二时间t2获得的第二指纹图像342b(图11B)。图11C中绘示经比较指纹图像342c，其通过从在时间t2处的像素输出值减去在时间t1处的像素输出值并将所得减法结果叠加到原始指纹图像342a上而产生。
在一些实施方案中，手指类对象的活性可由所采集的指纹是仅仅具有2-D特性还是为3-D对象部分地确定。皮肤类对象检测和3-D对象确定可形成活性检测系统和方法中的阶段。基于接触的指纹成像系统，例如含或不含上覆的压板的超声波传感器阵列，可揭露成像对象的特性，并辅助确定对象是否是皮肤类和三维的。例如，由手指施加在压板表面上的力或压力经常是暂时和不均匀的，并且可产生一个图像采集和另一图像采集之间的手指运动。在每一图像采集期间，指纹检测系统可将3-D对象转换成2-D等效图像。相比于较小的压力，手指和皮肤的弹性在较大压力下可使皮肤产生更大程度的拉伸。由3-D对象施加在压板表面上的压力在按压手指的中心处可为最高，并朝向指纹的边界或边缘递减。按压手指的中心可具有更为突起的边缘，并且边缘的薄化在手指周边附近可能更加明显。相比之下，2-D对象在整个成像对象中可具有更加均匀的边缘强度。沿着x和y方向的图像梯度可辅助确定对象是2-D还是3-D。可通过沿着X和Y方向向索贝尔滤波核心应用如下方所提供的Sx和Sy，根据图像数据计算出图像梯度。
Figure GDA0002450192130000151
Figure GDA0002450192130000152
所采集的图像可与Sx和Sy滤波器卷积，以产生两个对应响应gx和gy。图像梯度可根据响应gx和gy计算为
Figure GDA0002450192130000153
对象边缘可根据梯度图像利用阈值处理操作确定。边缘强度可用作描述符，并用作图像对比度的量度(即，横跨边缘和沿着边缘的强度变化的明显程度)。边缘强度或梯度信息相对于预建立启发式边缘强度或梯度阈值的比较可确定对象是否是3-D对象。
在一些实施方案中，由于手指在压板表面上的略微卷起，所以时间指纹信息可辅助3-D对象确定。例如，在时间分隔的情况下采集的3-D对象的多个图像可展示出在卷起或施加力的变化形式情况下的略微不同的对象的视图，例如边缘特征的改变或边缘区域的放大或减小。相比之下，来自2-D对象的时间信息可展示出从图像到图像的升高了的一致性。
在一些实施方案中，用以确定对象是2-D还是3-D的分析阶段可后跟着用以确定皮肤类表面的存在的额外分析阶段。例如，可通过匹配由所采集的图像产生的肤色直方图与根据有效肤色集合确定的参考肤色直方图，验证皮肤类表面的存在。在一些实施方案中，参考肤色直方图可在用户录入期间获得。
在一些实施方案中，通过比较与脊线位置相关联的反射能量和与谷线相关联的反射能量，可作出所采集的图像中的图案是否是皮肤类的确定。如果比较结果类似于预期的反射脊线/谷线能量结果，那么可确定对象为皮肤类。
在一些实施方案中，可通过定位手指类3-D对象的皮肤毛孔，确定皮肤类表面。例如，通过检测脊线区域中可辨的圆形区域，或通过检测在成像对象的傅里叶频谱的某些区域中的特性波峰，所述波峰表示毛孔大小、线性毛孔密度或区域毛孔密度，皮肤毛孔可位于3-D对象中。
在一些实施方案中，基于图像的活性检测可充当非时间分析阶段中的一个，所述活性检测基于对来自单个图像的图像信息的分析。基于单一图像的EBS可包含步骤：采集具有指纹图像信息的指纹图像和从图像信息中提取活性特征。所提取的活性特征可与一或多个基线特征相比以提供比较结果，可基于所述比较结果确定活性输出信号。可从置放在压板表面上的用户的手指采集图像信息，所述压板是超声波传感器阵列的部分。用于从图像信息中提取活性特征的方法可力图识别指纹中构造分量(相对于几何分量)的差异，实际上，通常产生具有适当几何分量的假指纹相对容易，但产生具有适当构造分量的假指纹困难得多。例如，假指纹在指纹的脊线和谷线区域之间可具有显著不同的灰度级分布。在一些方法中，可在空间域或频域中确定原始活性特征。可相对于指纹的脊线和相对于指纹的谷线，计算原始活性特征。这些原始活性特征可足以作出关于图像信息的活性确定。在一些实施方案中，原始活性特征的比可用于确定对象是否具有活性。在2015年9月3日申请的共同待决的标题为“用于超声波指纹的基于图像的活性检测”的第14/845,174号美国非临时专利申请中描述了其它方法。
在一些实施方案中，基于图像的活性检测可充当时间分析阶段，所述活性检测基于对来自两个或两个以上图像的图像信息的分析。例如，针对原始活性特征，来自连续采集的指纹图像的图像信息可单独进行分析，并且原始活性特征随着时间推移的改变可为支持肯定的活性确定的强指示符。
在一些实施方案中，来自多个单一图像中的每一个的中间决策可经融合以形成复合决策。例如，中间活性确定可根据两个或两个以上图像得出，并且中间活性确定可经组合以形成复合活性确定。复合活性确定可与来自其它阶段的确定组合，以提供指示成像对象的活性的活性输出信号。
在一些实施方案中，根据一或多个基于图像的活性检测分析的中间决策可用于确定对象是否是制造出的。例如，从制造出的顶替物中提取的原始活性特征可展示出从一个图像到下一图像的极少改变。
图12说明根据本发明的方面的用于后跟着活性确定阶段的指纹录入和/或认证的通用流程。在本实例中，框400描述录入过程，并且框420描述验证/认证过程。在录入期间，可处理所采集的图像以产生模板(例如模板信息、模板数据、生物测定参考数据或参考)，所述模板可存储于本地或外部数据库410中。应注意，参考可包含一或多个模板、模型或原始图像。在一些实施方案中，录入过程可包含图像采集402、图像处理404、特征提取406、模板产生408和数据在数据库中的存储410。框420中的验证/认证过程可包含图像采集422、图像处理424、特征提取426、模板产生428、使用存储在数据库410中的信息的指纹匹配430，以及用以确定和提供匹配输出信号434的匹配确定432。在识别/验证/认证阶段中，可处理每一个所采集的图像以产生模板；所产生的模板可用于匹配。指纹验证/认证框420可提供指示是否已发生匹配的匹配输出信号434。一或多个活性确定阶段440可执行各种时间分析和/或预期生物测定分析，以确定手指是真的还是假的以及手指有无生命。可提供指示活性确定的活性输出信号442。在一些实施方案中，在指纹录入框400期间，可作出用以提供活性输出信号442的活性确定440。在一些实施方案中，可提供活性输出信号442以确定是否录入用户。在一些实施方案中，可提供活性输出信号442以确定是否验证、识别或认证用户。例如，活性输出信号442可与匹配输出信号434组合，以确定是否认证或验证用户。肯定的匹配输出信号434和肯定的活性输出信号442可经组合以允许访问或允许所请求的活动。在一些实施方案中，可产生活性输出信号442并将其提供到在移动或非移动装置上运行的软件应用程序或应用程序。在一些实施方案中，在录入期间，可确定图案类型。图案类型可作为与对象(例如手指)相关联的模板的部分存储。在一些实施方案中，在录入期间，可确定图案分类。图案类型和图案分类可部分地用于认证或验证。在验证序列期间，可更新针对特定用户的图案类型和/或图案分类。经更新的图案类型和/或图案分类可存储在修改后的模板中。
图13说明超声波传感器系统700的通用框图。超声波传感器系统700可包含超声波传感器阵列702和传感器控制器704。超声波传感器阵列702可包含一或多个传感器像素阵列。超声波传感器系统700可包含至少一个超声波传感器阵列702。在一些实施方案中，超声波传感器阵列702的组件可类似于下文参看图15A到图16B描述的触摸传感器系统的组件。在一些实施方案中，超声波传感器阵列702和传感器控制器704可以不同方式配置。例如，超声波传感器系统700和超声波传感器阵列702可为与显示装置相关联的触摸传感器系统的部分，这取决于特定实施方案。
传感器控制器704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。传感器控制器704还可包含一或多个存储器装置(和/或经配置用于与一或多个存储器装置通信)，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。传感器控制器704可能能够接收和处理来自超声波传感器阵列702的指纹传感器图像信息。在一些实施方案中，传感器控制器704的功能中的一些或全部可驻留在移动装置的应用程序处理器706中或由移动装置的应用程序处理器706执行。
图14说明超声波传感器系统的更详细框图。超声波传感器系统700可包含超声波传感器阵列702，所述超声波传感器阵列702具有超声波发射器710和包含TFT电路的TFT衬底720，所述TFT电路具有传感器像素阵列726。超声波发射器710可与发射器驱动器768成电子连通(例如，通过一或多个电子连接)。在一些实施方案中，发射器驱动器768可具有正极性输出信号和负极性输出信号，所述发射器驱动器768与超声波发射器710成电子连通。发射器驱动器768可与传感器控制器704的控制单元760成电子连通。控制单元760可向发射器驱动器768提供发射器激励信号。控制单元760可通过电平选择输入总线而与接收器偏置驱动器762成电子连通。接收器偏置驱动器762可向安置在压电接收器层732的表面上的接收器偏压电极734提供接收器偏置电压，所述压电接收器层732可附接到传感器像素阵列726(见图7A)。控制单元760可与一或多个多路分用器764成电子连通。多路分用器764可与多个门驱动器766成电子连通。门驱动器766可与传感器像素阵列726成电子连通。门驱动器766可置放在传感器像素阵列726的外部，或在一些实施方案中，包含在与传感器像素阵列726相同的衬底上。可在与传感器像素阵列726相同的衬底外部或包含在所述衬底上的多路分用器764可用于选择具体门驱动器766。门驱动器766可选择传感器像素阵列726中的一或多个行或列。传感器像素阵列726可与一或多个数字化器772成电子连通。数字化器772可将来自传感器像素阵列726的一或多个传感器像素724的模拟像素输出信号转换成适合于在数据处理器770内进一步处理的数字信号，所述数据处理器770在传感器控制器704中或在传感器控制器704的外部。传感器控制器704可向外部系统或处理器(例如移动装置的应用程序处理器)提供数字输出。
图15A到图15D说明超声波传感器阵列的多种可能配置。超声波传感器阵列702可具有用于显示器780和超声波传感器阵列702的单独的或共同的TFT衬底。超声波传感器阵列702可充当指纹传感器，并且在一些实施方案中，可充当超声波触摸屏或触摸板。共同覆盖玻璃或触摸屏可在超声波传感器阵列702的元件和显示器之间共享，并且可充当超声波传感器阵列702的覆盖层740。在替代性配置中，超声波传感器阵列702(和任选的涂层或覆盖层)可置放在带槽框上、置放在侧面上或置放在移动装置外壳的背面上。在一些实施方案中，超声波传感器阵列702可放置在超声波按钮的上方或作为超声波按钮的部分置放。超声波按钮可为机械或非机械的。例如，超声波按钮可以机械方式耦合到机电开关。超声波按钮可为认证式或非认证式的。在一些实施方案中，超声波传感器阵列702可在显示器的有源区域的外围，所述显示器可包含显示彩色滤光器玻璃784和显示TFT衬底782。在图15A所示的实例中，超声波传感器阵列702被置放在共同覆盖层740下方，所述共同覆盖层740可充当超声波传感器阵列的压板和显示器780的触摸屏或覆盖玻璃。在另一实例中，超声波传感器阵列702可以与显示器分隔开的方式定位，例如在带槽框区域、移动装置外壳的侧壁或背侧(未示出)中。在图15B所示的另一实例中，超声波传感器阵列702可位于显示器780的元件(例如，显示彩色滤光器玻璃784和显示TFT衬底782)下方(或后方)。在图15C所示的另一实例中，超声波传感器阵列702的部分或全部可集成在显示TFT衬底782内。在一些实施方案中，超声波传感器阵列702可包含显示器780的有源区域的部分或全部。图15D绘示具有超声波发射器710和置放在TFT衬底720上的超声波接收器730的超声波传感器阵列702的剖视图，其中覆盖层740置放在超声波接收器740上方。
图16A和图16B绘示说明包含如本文所描述的指纹传感系统的显示装置的系统框图的实例。举例来说，显示装置900可为移动显示装置，例如智能电话、蜂窝式或移动电话等。然而，显示装置900的相同组件或其略微变化的形式还说明各种类型的显示装置，例如电视、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。
在本实例中，显示装置900可包含外壳941、显示器930、超声波传感器系统700(其一部分可为视觉显示器930的部分或与视觉显示器930分隔开)、天线943、扬声器945、输入装置948和麦克风946。在一些实施方案中，输入装置948可包含超声波传感器阵列702，所述超声波传感器阵列702可充当超声波指纹传感器、触摸板或触摸屏的部分。外壳941可由包含注射模制和真空成形的多种制造方法中的任一者形成。此外，外壳941可由多种材料中的任一者制成，包含(但不限于)塑料、金属、玻璃、蓝宝石、橡胶、陶瓷或其组合。外壳941可包含可去除部分(未示出)，所述可去除部分可与具有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16B中示意性地说明显示装置900的一个实例的组件。此处，显示装置900包含外壳941，且可包含至少部分地围封在其中的额外组件。例如，显示装置900可包含网络接口927，其具有可以耦合到一或多个收发器947的一或多个天线943。网络接口927可为用于可在显示装置900上显示的图像信息的源。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可连接到处理器921，所述处理器921可连接到显示光组件979和调节硬件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922又可耦合到显示器阵列930。显示装置900中的一或多个元件(包含未在图16B中具体描绘的元件)可能能够充当存储器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900设计中的大体上所有组件。
在本实例中，显示装置900可包含触摸和/或指纹控制器977。举例来说，触摸和/或指纹控制器977可以是超声波传感器系统700的一部分，例如上文所述的那样。因此，在一些实施方案中，触摸和/或指纹控制器977(和/或超声波传感器系统700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，超声波传感器系统700还可包含组件，例如图16B中所示的处理器921、阵列驱动器922和/或驱动器控制器929。触摸和/或指纹控制器977可能能够经由布线与超声波传感器系统700通信，且可能能够控制超声波传感器系统700。触摸和/或指纹控制器977可能能够确定在超声波传感器系统700上或接近超声波传感器系统700的一或多个对象(例如，手指)的位置和/或移动。在一些实施方案中，处理器921(或超声波传感器系统700的另一部分)可能能够提供如上文所描述的触摸和/或指纹控制器977、超声波传感器系统700和/或传感器控制器704的功能性中的一些或全部。
触摸和/或指纹控制器977(和/或超声波传感器系统700的另一元件)可能能够提供用于根据一或多个触摸位置控制显示装置900的输入。在一些实施方案中，触摸和/或指纹控制器977可能能够确定一或多个触摸位置的移动以及提供用于根据所述移动控制显示装置900的输入。可替代地，或另外地，触摸和/或指纹控制器977可能能够确定接近显示装置900的对象的位置和/或移动。因此，触摸和/或指纹控制器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900的接触。触摸和/或指纹控制器977可能能够提供用于根据此类检测到的移动和/或手势控制显示装置900的输入。
如本文中其它地方所描述，触摸和/或指纹控制器977(或超声波传感器系统700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/或指纹控制器977(或超声波传感器系统700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，当超声波传感器系统700的超声波传感器阵列702与视觉显示器930以物理方式分隔开时，用于超声波传感器系统700的控制器可与触摸控制器分隔开，且基本上独立于触摸控制器操作。
在一些实施方案中，超声波传感器系统700可包含超声波接收器730和/或超声波发射器710，例如本文中其它地方所描述。根据一些此类实施方案，触摸和/或指纹控制器977(或超声波传感器系统700的另一元件)可能能够从超声波接收器730接收输入，并通电或“唤醒”超声波发射器710和/或显示装置900的另一组件。
网络接口927可包含天线943和收发器947，以使得显示装置900可通过网络与一或多个装置通信。在一些例子中，网络接口927还可具有一些处理能力以缓解处理器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，根据包含IEEE 16.11(a)、(b)或(g)的IEEE 16.11标准或包含IEEE 802.11a、b、g、n、ac、ad的IEEE 802.11标准，以及其它实施方案，天线943发射和接收RF信号。在一些实施方案中，根据
Figure GDA0002450192130000221
标准，天线943可发射和接收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/通用包无线电服务(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或其它用于在无线网络(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可预处理从天线943接收的信号，使得所述信号可由处理器921接收并进一步操控。收发器947还可处理从处理器921接收的信号，使得所述信号可经由天线943从显示装置900发射。
在一些实施方案中，收发器947可被接收器代替。此外，在一些实施方案中，网络接口927可被图像源代替，所述图像源可存储或产生待发送到处理器921的图像信息。处理器921可控制显示装置900的总体操作。处理器921可接收数据，例如来自网络接口927或图像源的经压缩图像信息，并将数据处理成原始图像信息或处理成可易于处理成原始图像信息的格式。处理器921可将经处理数据发送到驱动器控制器929或发送到帧缓冲器928以供存储。原始数据通常是指识别图像内每一位置处的图像特性的信息。例如，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900的操作。调节硬件952可包含放大器和滤波器，以用于向扬声器945发射信号和用于从麦克风946接收信号。调节硬件952可为显示装置900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获得由处理器921产生的原始图像信息，且可适当地重新格式化原始图像信息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可将原始图像信息重新格式化为具有光栅状格式的数据流，使得其具有适合于横跨显示器阵列930扫描的时间次序。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通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。例如，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可从驱动器控制器929接收经格式化信息，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到来自显示器的显示元件的x-y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。例如，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，显示器阵列930可为常规显示器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集成。此实施方案可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可能能够允许用户控制显示装置900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、摇臂、触敏屏、与显示器阵列930集成的触敏屏、压敏或热敏薄膜、超声波指纹传感器、超声波触摸板或超声波触摸屏。麦克风946可能能够充当用于显示装置900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900的操作。
电力供应器950可包含多种能量存储装置。例如，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座或光伏装置或阵列的电力来充电。可替代地，可再充电电池可无线地充电。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还可能能够从壁式插座接收电力。
在一些实施方案中，控制可编程性可驻留在驱动器控制器929中，所述驱动器控制器929可位于电子显示系统中的若干位置上。在一些实施方案中，控制可编程性可驻留于阵列驱动器922中。上述优化可在任何数目的硬件和/或软件组件中和以各种配置来实施。
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、电路及算法过程可实施为电子硬体、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、电路及过程中加以说明。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。
结合本文中所揭示的方面描述的用于实施各种说明性逻辑、逻辑块、模块和电路的硬件和数据处理设备可利用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及其结构等效物)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，那么功能可作为一或多个指令或编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)传输。本文中所揭示的方法或算法的过程可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，通信媒体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。存储媒体可为可由计算机存取的任何可用媒体。借助于实例而非限制，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，或可用于以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。而且，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畴内。另外，方法或算法的操作可作为代码和指令中的任一者或其任何组合或集合而驻留在可并入到计算机程序产品中的机器可读媒体和计算机可读媒体上。
尽管本发明已经相对于一或多个特定实施方案进行描述，但将理解，本发明的其它实施方案可在不脱离本发明的精神和范畴的情况下做出。因此，认为本发明仅由所附权利要求书及其合理解释限制。

Claims (21)

1.一种确定生物测定对象是否是生命个体的部分的方法，包括：
通过调整超声波传感器的距门从生物测定对象采集超声波图像信息；以及
在至少两个分析阶段中分析所述超声波图像信息，其中所述分析阶段中的一个是时间分析阶段，所述时间分析阶段分析在所述生物测定对象可连续用于所述超声波传感器的时段期间所获得的所述超声波图像信息的改变，其中：
所述时间分析阶段确定所述图像信息的改变是否符合生命体的改变，
所述分析阶段中的另一个分析所述图像信息以确定所述生物测定对象是否是制造出的，以及
确定所述生物测定对象是否是制造出的涉及分析通过调整所述超声波传感器的所述距门所采集的所述超声波图像信息以确定所述生物测定对象是否由层构成。
2.根据权利要求1所述的方法，其中所述时间分析阶段确定所述生物测定对象的特征在所述时段期间是否已改变。
3.根据权利要求2所述的方法，其中所述特征选自由以下组成的群组：毛孔开口大小、毛孔深度、脊线图案和肌理。
4.根据权利要求1所述的方法，其中所述分析阶段中的另一个分析所述超声波图像信息以确定所述生物测定对象是否是三维的。
5.根据权利要求4所述的方法，其中确定所述生物测定对象是否是三维的包含确定所述生物测定对象的图案是否是均匀的。
6.根据权利要求4所述的方法，其中索贝尔滤波器用于确定所述生物测定对象的图案是否是均匀的。
7.根据权利要求1所述的方法，其中所述分析阶段中的另一个分析所述超声波图像信息以确定所述图像信息中的图案类型是否在预定图案类型当中。
8.根据权利要求7所述的方法，其中确定所述超声波图像信息中的图案类型是否在预定图案类型当中包含：识别所述超声波图像信息中所呈现的图案分类，且接着确定所述图案分类是否在预定图案分类当中。
9.根据权利要求8所述的方法，其中识别图案分类包含识别所述生物测定对象的图案是否显现脊线流。
10.根据权利要求1所述的方法，其中所述超声波传感器检测多个超声波频率以确定所述生物测定对象是否由层构成。
11.根据权利要求1所述的方法，其中确定所述对象是否是制造出的包含评定所述超声波图像信息的图像质量。
12.根据权利要求1所述的方法，进一步包括在以下各种情况中，得出所述生物测定对象是生命个体的部分的结论：
(i)所述时间分析阶段指示所述超声波图像信息的改变符合生命体的改变；以及
(ii)所述分析阶段中的另一个指示所述生物测定对象不是制造出的。
13.根据权利要求1所述的方法，其中所述超声波传感器包含其上放置所述生物测定对象的压板。
14.根据权利要求1所述的方法，进一步包括：
基于从所述至少两个分析阶段得出的经分析的超声波图像信息，提供活性输出信号。
15.一种用于确定生物测定对象是否是生命个体的部分的系统，包括：
用于从所述生物测定对象采集超声波图像信息的装置，其中用于从所述生物测定对象采集超声波图像信息的装置包含用于调整超声波传感器的距门的装置且其中所述图像信息包含通过调整所述超声波传感器的所述距门所采集的超声波图像信息；
用于分析所述超声波图像信息以进行以下操作的装置：
(a)确定所述生物测定对象是否是三维的；
(b)确定所述超声波图像信息中的图案类型是否在预定图案类型当中；
(c)确定所述生物测定对象是否是制造出的，其中确定所述生物测定对象是否是制造出的涉及分析通过调整所述超声波传感器的所述距门所采集的所述超声波图像信息以确定所述生物测定对象是否由层构成；以及
(d)选择所述生物测定对象可连续用于所述用于从所述生物测定对象采集超声波图像信息的装置的时段，并确定所述超声波图像信息是否在所述时段期间以符合生命体的方式改变；以及
用于在以下各种情况中得出所述生物测定对象是生命个体的部分的装置：
(i)确定所述生物测定对象是三维的；以及
(ii)所述超声波图像信息中的所述图案类型在预定图案类型当中；以及
(iii)确定所述生物测定对象不是制造出的；以及
(iv)确定所述生物测定对象以符合生命体的方式表现。
16.根据权利要求15所述的系统，其中用于分析所述超声波图像信息的所述装置确定所述生物测定对象是否是三维的和所述生物测定对象的图案是否是均匀的。
17.一种存储计算机可执行代码的非暂时性计算机可读媒体，所述可执行代码包括用以进行以下操作的指令：
通过调整超声波传感器的距门从生物测定对象采集超声波图像信息；以及
在至少两个分析阶段中分析所述超声波图像信息，其中所述分析阶段中的一个是时间分析阶段，所述时间分析阶段分析在所述生物测定对象可连续用于所述超声波传感器的时段期间所获得的所述超声波图像信息的改变，其中：
所述时间分析阶段确定所述超声波图像信息的改变是否符合生命体的改变，
所述分析阶段中的另一个分析所述超声波图像信息以确定所述生物测定对象是否是制造出的，以及
确定所述生物测定对象是否是制造出的涉及分析通过调整所述超声波传感器的所述距门所采集的所述超声波图像信息以确定所述生物测定对象是否由层构成。
18.根据权利要求17所述的媒体，其中所述可执行代码包括用以在所述分析阶段中的另一个中分析所述超声波图像信息以确定所述生物测定对象是否是三维的的指令。
19.根据权利要求17所述的媒体，其中所述可执行代码包括用以在以下各种情况中得出所述生物测定对象是生命个体的部分的结论的指令：
(i)所述时间分析阶段指示所述超声波图像信息的改变符合生命体的改变；以及
(ii)所述分析阶段中的另一个指示所述超声波图像信息中的图案类型在预定图案类型当中。
20.一种用于确定生物测定对象是否是生命个体的部分的系统，包括：
超声波传感器，其经配置以通过调整所述超声波传感器的距门从所述生物测定对象采集超声波图像信息；
处理器，其经配置以在至少两个分析阶段中分析所述超声波图像信息，其中所述分析阶段中的一个是时间分析阶段，所述时间分析阶段分析在所述生物测定对象可连续用于所述超声波传感器的时段期间所采集的所述超声波图像信息的改变，其中：
所述时间分析阶段确定所述超声波图像信息的改变是否符合生命体的改变，
所述分析阶段中的另一个分析所述超声波图像信息以确定所述生物测定对象是否是制造出的，以及
确定所述生物测定对象是否是制造出的涉及分析通过调整所述超声波传感器的所述距门所采集的所述超声波图像信息以确定所述生物测定对象是否由层构成。
21.根据权利要求20所述的系统，其中所述超声波传感器经配置以检测多个超声波频率。
CN201580046844.2A 2014-09-05 2015-09-04 多阶段活性确定 Active CN106796650B (zh)

Applications Claiming Priority (9)

Application Number Priority Date Filing Date Title
US201462046744P 2014-09-05 2014-09-05
US62/046,744 2014-09-05
US201562151983P 2015-04-23 2015-04-23
US62/151,983 2015-04-23
US14/845,174 2015-09-03
US14/845,149 2015-09-03
US14/845,149 US9639765B2 (en) 2014-09-05 2015-09-03 Multi-stage liveness determination
US14/845,174 US9633269B2 (en) 2014-09-05 2015-09-03 Image-based liveness detection for ultrasonic fingerprints
PCT/US2015/048583 WO2016037078A1 (en) 2014-09-05 2015-09-04 Multi-stage liveness determination

Publications (2)

Publication Number Publication Date
CN106796650A CN106796650A (zh) 2017-05-31
CN106796650B true CN106796650B (zh) 2020-09-22

Family

ID=55437785

Family Applications (2)

Application Number Title Priority Date Filing Date
CN201580045104.7A Pending CN106663198A (zh) 2014-09-05 2015-09-04 用于超声波指纹的基于图像的活性检测
CN201580046844.2A Active CN106796650B (zh) 2014-09-05 2015-09-04 多阶段活性确定

Family Applications Before (1)

Application Number Title Priority Date Filing Date
CN201580045104.7A Pending CN106663198A (zh) 2014-09-05 2015-09-04 用于超声波指纹的基于图像的活性检测

Country Status (9)

Country Link
US (3) US9639765B2 (zh)
EP (2) EP3189470A1 (zh)
JP (1) JP6656228B2 (zh)
KR (2) KR102636547B1 (zh)
CN (2) CN106663198A (zh)
AU (1) AU2015311785B9 (zh)
BR (1) BR112017004379B1 (zh)
CA (1) CA2957218C (zh)
WO (2) WO2016037077A1 (zh)

Families Citing this family (98)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2011057B1 (en) 2006-04-26 2010-08-11 Aware, Inc. Fingerprint preview quality and segmentation
US9639765B2 (en) 2014-09-05 2017-05-02 Qualcomm Incorporated Multi-stage liveness determination
US20170372124A1 (en) * 2014-12-24 2017-12-28 Sciometrics Llc Unobtrusive identity matcher: a tool for real-time verification of identity
US10387704B2 (en) * 2015-06-29 2019-08-20 Qualcomm Incorporated Method and apparatus for enabling the touchscreen display of a mobile device
US10254881B2 (en) 2015-06-29 2019-04-09 Qualcomm Incorporated Ultrasonic touch sensor-based virtual button
US9726755B2 (en) 2015-09-23 2017-08-08 Qualcomm Incorporated Spoof detection by ultrasonic subdermal probe
US10140534B2 (en) 2015-09-26 2018-11-27 Qualcomm Incorporated Ultrasonic imaging devices and methods
US10262188B2 (en) * 2016-02-15 2019-04-16 Qualcomm Incorporated Liveness and spoof detection for ultrasonic fingerprint sensors
CN107091704B (zh) * 2016-02-17 2020-10-09 北京小米移动软件有限公司 压力检测方法和装置
FR3049090B1 (fr) * 2016-03-21 2021-06-25 Sebastien Jean Serge Dupont Dispositif d'authentification biometrique adaptatif par echographie, photographies en lumiere visible de contraste et infrarouge, sans divulgation, a travers un reseau informatique decentralise
US9961178B2 (en) * 2016-03-24 2018-05-01 Motorola Mobility Llc Embedded active matrix organic light emitting diode (AMOLED) fingerprint sensor
EP3452952A1 (en) * 2016-05-03 2019-03-13 Precise Biometrics AB User specific classifiers for biometric liveness detection
US10315222B2 (en) 2016-05-04 2019-06-11 Invensense, Inc. Two-dimensional array of CMOS control elements
US10445547B2 (en) 2016-05-04 2019-10-15 Invensense, Inc. Device mountable packaging of ultrasonic transducers
US10235551B2 (en) * 2016-05-06 2019-03-19 Qualcomm Incorporated Biometric system with photoacoustic imaging
US10441975B2 (en) 2016-05-10 2019-10-15 Invensense, Inc. Supplemental sensor modes and systems for ultrasonic transducers
US10706835B2 (en) 2016-05-10 2020-07-07 Invensense, Inc. Transmit beamforming of a two-dimensional array of ultrasonic transducers
US11673165B2 (en) 2016-05-10 2023-06-13 Invensense, Inc. Ultrasonic transducer operable in a surface acoustic wave (SAW) mode
US10539539B2 (en) 2016-05-10 2020-01-21 Invensense, Inc. Operation of an ultrasonic sensor
US10562070B2 (en) 2016-05-10 2020-02-18 Invensense, Inc. Receive operation of an ultrasonic sensor
US10452887B2 (en) 2016-05-10 2019-10-22 Invensense, Inc. Operating a fingerprint sensor comprised of ultrasonic transducers
TWI591545B (zh) * 2016-06-30 2017-07-11 指紋影像偵測裝置及其方法
US10599911B2 (en) 2016-07-20 2020-03-24 Cypress Semiconductor Corporation Anti-spoofing protection for fingerprint controllers
US10460144B2 (en) 2016-07-20 2019-10-29 Cypress Semiconductor Corporation Non-finger object rejection for fingerprint sensors
JP6792986B2 (ja) * 2016-09-27 2020-12-02 株式会社日立製作所 生体認証装置
CN106663203B (zh) * 2016-11-04 2019-03-22 深圳市汇顶科技股份有限公司 活体指纹识别方法及装置
US10262187B1 (en) * 2016-11-10 2019-04-16 Synaptics Incorporated Systems and methods for spoof detection based on local binary patterns
US10430638B2 (en) * 2016-11-10 2019-10-01 Synaptics Incorporated Systems and methods for spoof detection relative to a template instead of on an absolute scale
US10176362B1 (en) * 2016-11-10 2019-01-08 Synaptics Incorporated Systems and methods for a gradient-based metric for spoof detection
US9946914B1 (en) * 2016-11-18 2018-04-17 Qualcomm Incorporated Liveness detection via ultrasonic ridge-valley tomography
US10552662B2 (en) * 2016-12-30 2020-02-04 Beyond Time Investments Limited Optical identification method
CN108304759A (zh) * 2017-01-11 2018-07-20 神盾股份有限公司 识别手指的方法和电子装置
KR102459852B1 (ko) * 2017-02-08 2022-10-27 삼성전자주식회사 지문 인식을 위한 후보 지문 이미지를 선정하는 장치 및 방법
US10135822B2 (en) 2017-03-21 2018-11-20 YouaretheID, LLC Biometric authentication of individuals utilizing characteristics of bone and blood vessel structures
US11374929B2 (en) 2017-03-21 2022-06-28 Global E-Dentity, Inc. Biometric authentication for an augmented reality or a virtual reality device
US10880303B2 (en) 2017-03-21 2020-12-29 Global E-Dentity, Inc. Real-time COVID-19 outbreak identification with non-invasive, internal imaging for dual biometric authentication and biometric health monitoring
US10438040B2 (en) 2017-03-24 2019-10-08 Qualcomm Incorporated Multi-functional ultrasonic fingerprint sensor
US10515255B2 (en) * 2017-03-24 2019-12-24 Qualcomm Incorporated Fingerprint sensor with bioimpedance indicator
US10552658B2 (en) 2017-03-24 2020-02-04 Qualcomm Incorporated Biometric sensor with finger-force navigation
US10515199B2 (en) 2017-04-19 2019-12-24 Qualcomm Incorporated Systems and methods for facial authentication
US11586717B2 (en) 2017-05-23 2023-02-21 Fingerprint Cards Anacatum Ip Ab Method and electronic device for authenticating a user
US10474862B2 (en) 2017-06-01 2019-11-12 Invensense, Inc. Image generation in an electronic device using ultrasonic transducers
SE1750720A1 (en) * 2017-06-07 2018-12-08 Fingerprint Cards Ab Fingerprint authentication method and system for rejecting spoof attempts
KR101911183B1 (ko) * 2017-07-20 2018-12-19 이승진 임피던스를 이용한 페이크 지문 판별장치 및 방법
CN107609463B (zh) * 2017-07-20 2021-11-23 百度在线网络技术（北京）有限公司 活体检测方法、装置、设备及存储介质
WO2019032587A1 (en) 2017-08-09 2019-02-14 The Board Of Trustees Of The Leland Stanford Junior University ULTRASONIC BIOMETRIC DETECTION DEVICE INTEGRATED WITH AN OPTICAL SYSTEM
WO2019078769A1 (en) * 2017-10-18 2019-04-25 Fingerprint Cards Ab DIFFERENTIATION BETWEEN REAL FINGERS AND FALSE FINGERS IN A DIGITAL FOOTPRINT ANALYSIS BY AUTOMATIC APPRENTICESHIP
KR102361752B1 (ko) * 2017-11-24 2022-02-11 한국전자기술연구원 초음파 도플러 효과를 이용하여 생체를 판별하는 지정맥 인식 방법 및 장치
US10997388B2 (en) 2017-12-01 2021-05-04 Invensense, Inc. Darkfield contamination detection
WO2019109010A1 (en) 2017-12-01 2019-06-06 Invensense, Inc. Darkfield tracking
US10783346B2 (en) * 2017-12-11 2020-09-22 Invensense, Inc. Enhancing quality of a fingerprint image
US11151355B2 (en) 2018-01-24 2021-10-19 Invensense, Inc. Generation of an estimated fingerprint
US11120247B2 (en) 2018-03-16 2021-09-14 Synaptics Incorporated Defensive measures for residue re-imaging
US11010589B1 (en) 2018-03-16 2021-05-18 Synaptics Incorporated Defensive measures for residue re-imaging
US10755067B2 (en) 2018-03-22 2020-08-25 Invensense, Inc. Operating a fingerprint sensor comprised of ultrasonic transducers
WO2019216498A1 (en) * 2018-05-08 2019-11-14 Lg Electronics Inc. Electronic device and method for controlling the same
WO2019216499A1 (ko) * 2018-05-08 2019-11-14 엘지전자 주식회사 전자 장치 및 그 제어 방법
US10803159B2 (en) 2018-05-14 2020-10-13 Lg Electronics Inc. Electronic device and method for controlling the same
WO2019238251A1 (en) * 2018-06-13 2019-12-19 Veridas Digital Authentication Solutions, S.L. Authenticating an identity of a person
US10685204B2 (en) 2018-07-27 2020-06-16 Qualcomm Incorporated Biometric age estimation via ultrasonic imaging
CN109492551B (zh) * 2018-10-25 2023-03-24 腾讯科技（深圳）有限公司 活体检测方法、装置及应用活体检测方法的相关系统
US11023756B2 (en) * 2018-10-26 2021-06-01 Advanced New Technologies Co., Ltd. Spoof detection using iris images
US10706306B2 (en) * 2018-12-03 2020-07-07 Qualcomm Incorporated Spoof and liveness detection via pyroelectric indications
US10936843B2 (en) 2018-12-28 2021-03-02 Invensense, Inc. Segmented image acquisition
KR20210139278A (ko) * 2019-02-21 2021-11-22 넥스트 바이오메트릭스 그룹 에이에스에이 지문 센서 시스템에서의 재전송 공격을 검출하는 방법
US11216638B2 (en) 2019-05-09 2022-01-04 Qeexo, Co. Method and system to prevent identity theft for fingerprint recognition enabled touch screen devices
US11188735B2 (en) 2019-06-24 2021-11-30 Invensense, Inc. Fake finger detection using ridge features
CN110287866B (zh) * 2019-06-24 2021-10-26 Oppo广东移动通信有限公司 超声波指纹识别方法、装置、存储介质及电子设备
WO2020264046A1 (en) * 2019-06-25 2020-12-30 Invensense, Inc. Fake finger detection based on transient features
US11176345B2 (en) 2019-07-17 2021-11-16 Invensense, Inc. Ultrasonic fingerprint sensor with a contact layer of non-uniform thickness
US11216632B2 (en) 2019-07-17 2022-01-04 Invensense, Inc. Ultrasonic fingerprint sensor with a contact layer of non-uniform thickness
US20210056276A1 (en) * 2019-08-19 2021-02-25 Qualcomm Incorporated Apparatus and method for improved biometric sensing
US11232549B2 (en) 2019-08-23 2022-01-25 Invensense, Inc. Adapting a quality threshold for a fingerprint image
CN110579271B (zh) * 2019-09-24 2022-04-19 成都大超科技有限公司 超声波指纹识别模组及电子设备
US11582032B2 (en) 2019-09-25 2023-02-14 Amod Ashok Dange System and method for sharing user preferences without having the user reveal their identity
CN114513989A (zh) * 2019-09-27 2022-05-17 Bfly经营有限公司 为超声系统配置成像参数值的方法和装置
US11392789B2 (en) 2019-10-21 2022-07-19 Invensense, Inc. Fingerprint authentication using a synthetic enrollment image
TWI712391B (zh) * 2019-11-19 2020-12-11 台灣立訊精密有限公司 動物體能追蹤裝置及其系統
CN112989888B (zh) * 2019-12-17 2024-06-07 华为技术有限公司 一种指纹防伪方法及电子设备
US11468712B2 (en) 2020-01-09 2022-10-11 AuthenX Inc. Liveness detection apparatus, system and method
US11625947B1 (en) * 2020-03-03 2023-04-11 Amazon Technologies, Inc. System for detecting and mitigating fraudulent biometric input
US11460957B2 (en) 2020-03-09 2022-10-04 Invensense, Inc. Ultrasonic fingerprint sensor with a contact layer of non-uniform thickness
US11243300B2 (en) 2020-03-10 2022-02-08 Invensense, Inc. Operating a fingerprint sensor comprised of ultrasonic transducers and a presence sensor
US11328165B2 (en) 2020-04-24 2022-05-10 Invensense, Inc. Pressure-based activation of fingerprint spoof detection
CN111368811B (zh) * 2020-05-26 2020-09-18 腾讯科技（深圳）有限公司 活体检测方法、装置、设备及存储介质
CN112287903A (zh) * 2020-06-05 2021-01-29 神盾股份有限公司 屏下式指纹感测装置
US11163970B1 (en) 2020-06-16 2021-11-02 Google Llc Optical fingerprint system with varying integration times across pixels
US11241173B2 (en) * 2020-07-09 2022-02-08 Mediatek Inc. Physiological monitoring systems and methods of estimating vital-sign data
US11995909B2 (en) 2020-07-17 2024-05-28 Tdk Corporation Multipath reflection correction
KR20220082454A (ko) * 2020-12-10 2022-06-17 삼성전자주식회사 생체 정보의 도용 여부를 검출하는 방법 및 장치
TW202226015A (zh) 2020-12-28 2022-07-01 神盾股份有限公司 用於指紋認證的方法、設備和非瞬態計算機可讀存儲介質
EP4068226A1 (en) * 2021-03-31 2022-10-05 Samsung Electronics Co., Ltd. Method and apparatus with biometric information spoof detection
US11385770B1 (en) 2021-04-21 2022-07-12 Qualcomm Incorporated User interfaces for single-handed mobile device control
FR3123739B1 (fr) * 2021-06-02 2024-02-02 Idemia Identity & Security France Procede et dispositif d’identification et/ou d’authentification biometrique
US11941911B2 (en) 2022-01-28 2024-03-26 Armatura Llc System and method for detecting liveness of biometric information
US11688204B1 (en) * 2022-01-28 2023-06-27 Armatura Llc System and method for robust palm liveness detection using variations of images
US11721132B1 (en) 2022-01-28 2023-08-08 Armatura Llc System and method for generating region of interests for palm liveness detection
US12008836B2 (en) 2023-05-04 2024-06-11 Google Llc Spatially and temporally dynamic illumination for fingerprint authentication

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1402190A (zh) * 2001-08-03 2003-03-12 日本电气株式会社 用户认证方法和用户认证装置
CN1662931A (zh) * 2002-05-09 2005-08-31 索尼株式会社 活组织模式检测方法、活组织模式检测设备、生物统计学认证方法和生物统计学认证设备
CN101159016A (zh) * 2007-11-26 2008-04-09 清华大学 一种基于人脸生理性运动的活体检测方法及系统
CN101396277A (zh) * 2007-09-26 2009-04-01 中国科学院声学研究所 一种超声波人脸识别方法和识别装置

Family Cites Families (40)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5456256A (en) * 1993-11-04 1995-10-10 Ultra-Scan Corporation High resolution ultrasonic imaging apparatus and method
JP3065356B2 (ja) * 1996-04-10 2000-07-17 シーメンス アクチエンゲゼルシヤフト 個人識別方法
AU1330501A (en) 1999-10-07 2001-05-10 Veridicom, Inc. Spoof detection for biometric sensing systems
JP2002175529A (ja) * 2000-12-06 2002-06-21 Matsushita Electric Ind Co Ltd 個人識別装置
US7039224B2 (en) 2002-04-29 2006-05-02 Activcard Ireland Limited Method and device for preventing false acceptance of latent fingerprint images
FR2849246B1 (fr) * 2002-12-20 2006-03-10 Sagem Procede de determination du caractere vivant d'un element porteur d'une empreinte digitale
CA2521304A1 (en) * 2003-04-04 2004-10-21 Lumidigm, Inc. Multispectral biometric sensor
US7751594B2 (en) 2003-04-04 2010-07-06 Lumidigm, Inc. White-light spectral biometric sensors
US7366332B2 (en) 2003-08-26 2008-04-29 Nippon Telegraph And Telephone Corporation Surface shape recognition sensor
US7379627B2 (en) 2003-10-20 2008-05-27 Microsoft Corporation Integrated solution to digital image similarity searching
WO2006042144A2 (en) 2004-10-07 2006-04-20 Ultra-Scan Corporation Ultrasonic fingerprint scanning utilizing a plane wave
US7505613B2 (en) 2005-07-12 2009-03-17 Atrua Technologies, Inc. System for and method of securing fingerprint biometric systems against fake-finger spoofing
US20070098235A1 (en) * 2005-09-29 2007-05-03 Uriel Halavee Age Verification
US20070092115A1 (en) 2005-10-26 2007-04-26 Usher David B Method and system for detecting biometric liveness
US7738681B1 (en) 2005-11-01 2010-06-15 Hewlett-Packard Development Company, L.P. Fingerprint and physical attribute detection
JP4599320B2 (ja) 2006-03-13 2010-12-15 富士通株式会社 指紋認証装置、生体指判定装置および生体指判定方法
US20070230754A1 (en) 2006-03-30 2007-10-04 Jain Anil K Level 3 features for fingerprint matching
US7804984B2 (en) 2006-07-31 2010-09-28 Lumidigm, Inc. Spatial-spectral fingerprint spoof detection
US8098906B2 (en) 2006-10-10 2012-01-17 West Virginia University Research Corp., Wvu Office Of Technology Transfer & Wvu Business Incubator Regional fingerprint liveness detection systems and methods
US8275178B2 (en) 2008-06-19 2012-09-25 Authentec, Inc. Software based method for finger spoof detection and related devices
KR101080643B1 (ko) 2008-07-14 2011-11-08 주식회사 유니온커뮤니티 생체지문 판단장치 및 그 판단방법
AU2009310362A1 (en) 2008-11-03 2010-05-06 Cross Match Technologies, Inc. Apparatus and method for the identification of fake fingerprints
US8923576B2 (en) 2009-09-22 2014-12-30 Thales Method for detecting a fake finger for fingerprint acquisition software
KR101314945B1 (ko) 2009-12-22 2013-10-04 닛본 덴끼 가부시끼가이샤 가짜 손가락 판정 장치
JP5588165B2 (ja) 2009-12-24 2014-09-10 キヤノン株式会社 画像処理装置、画像処理方法およびプログラム
EP2486416B1 (en) 2010-07-27 2013-01-16 Max-Planck-Gesellschaft zur Förderung der Wissenschaften e.V. Dual-mode microwave resonator device and method of electron spin resonance measurement
CN102034117B (zh) * 2010-12-17 2012-08-22 东软集团股份有限公司 一种图像分类方法和装置
JP5699845B2 (ja) 2011-07-29 2015-04-15 富士通株式会社 生体情報処理装置、生体情報処理方法及び生体情報処理用コンピュータプログラム
US9292916B2 (en) 2011-08-09 2016-03-22 Hid Global Corporation Methods and systems for estimating genetic characteristics from biometric measurements
CN102368291B (zh) * 2011-09-07 2013-02-13 常州蓝城信息科技有限公司 基于指纹图像隐形意识的个人身份验证系统
CN102622588B (zh) * 2012-03-08 2013-10-09 无锡中科奥森科技有限公司 双验证人脸防伪方法及装置
CN103732575A (zh) 2012-07-20 2014-04-16 中国人民解放军军事医学科学院毒物药物研究所 间二芳基苯胺类或吡啶胺类化合物、其制备方法及医药用途
US9396382B2 (en) * 2012-08-17 2016-07-19 Flashscan3D, Llc System and method for a biometric image sensor with spoofing detection
CN103116744B (zh) * 2013-02-05 2016-04-13 浙江工业大学 基于mrf和svm-knn分类的假指纹检测方法
CA2900479A1 (en) 2013-02-06 2014-08-14 Sonavation, Inc. Biometric sensing device for three dimensional imaging of subcutaneous structures embedded within finger tissue
US9111125B2 (en) 2013-02-08 2015-08-18 Apple Inc. Fingerprint imaging and quality characterization
US9384404B2 (en) 2013-02-28 2016-07-05 The Regents Of The University Of California Apparatus and method for capturing a vital vascular fingerprint
WO2015009635A1 (en) * 2013-07-16 2015-01-22 The Regents Of The University Of California Mut fingerprint id system
US9639765B2 (en) 2014-09-05 2017-05-02 Qualcomm Incorporated Multi-stage liveness determination
KR102402146B1 (ko) * 2015-04-21 2022-05-26 삼성전자주식회사 지문 감지 방법 및 장치

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1402190A (zh) * 2001-08-03 2003-03-12 日本电气株式会社 用户认证方法和用户认证装置
CN1662931A (zh) * 2002-05-09 2005-08-31 索尼株式会社 活组织模式检测方法、活组织模式检测设备、生物统计学认证方法和生物统计学认证设备
CN101396277A (zh) * 2007-09-26 2009-04-01 中国科学院声学研究所 一种超声波人脸识别方法和识别装置
CN101159016A (zh) * 2007-11-26 2008-04-09 清华大学 一种基于人脸生理性运动的活体检测方法及系统

Also Published As

Publication number Publication date
US9639765B2 (en) 2017-05-02
AU2015311785B9 (en) 2020-05-28
EP3189470A1 (en) 2017-07-12
KR20220154855A (ko) 2022-11-22
KR20170048390A (ko) 2017-05-08
WO2016037077A1 (en) 2016-03-10
KR102467916B1 (ko) 2022-11-15
CN106663198A (zh) 2017-05-10
JP6656228B2 (ja) 2020-03-04
CN106796650A (zh) 2017-05-31
US9633269B2 (en) 2017-04-25
BR112017004379A2 (pt) 2017-12-05
US20160070968A1 (en) 2016-03-10
BR112017004379B1 (pt) 2023-01-31
KR102636547B1 (ko) 2024-02-13
CA2957218A1 (en) 2016-03-10
AU2015311785A1 (en) 2017-03-02
CA2957218C (en) 2023-02-14
US9953233B2 (en) 2018-04-24
EP3189471A1 (en) 2017-07-12
US20160070967A1 (en) 2016-03-10
US20170200054A1 (en) 2017-07-13
EP3189471B1 (en) 2018-08-01
WO2016037078A1 (en) 2016-03-10
AU2015311785B2 (en) 2020-05-21
JP2017535303A (ja) 2017-11-30

Similar Documents

Publication Publication Date Title
CN106796650B (zh) 多阶段活性确定
US9195879B1 (en) Air/object determination for biometric sensors
KR102367761B1 (ko) 바이오메트릭 인식을 위한 시스템들 및 방법들
CN108701221B (zh) 超声波指纹传感器的活性和冒充物检测
US20160063294A1 (en) Finger/non-finger determination for biometric sensors
CN107438854B (zh) 使用移动设备捕获的图像执行基于指纹的用户认证的系统和方法
US10068124B2 (en) Systems and methods for spoof detection based on gradient distribution
CN110287918B (zh) 活体识别方法及相关产品
CN111201537A (zh) 在指纹分析中通过机器学习来区分活体手指与欺骗手指
US11017204B2 (en) Systems and methods for spoof detection based on local binary patterns
US20160379038A1 (en) Valid finger area and quality estimation for fingerprint imaging
CN109906459B (zh) 用于基于匹配器对准信息改进哄骗检测的系统和方法
US20170091521A1 (en) Secure visual feedback for fingerprint sensing
WO2019228471A1 (zh) 指纹识别方法、设备及计算机可读存储介质
US10713342B2 (en) Techniques to determine distinctiveness of a biometric input in a biometric system
CN112766175B (zh) 活体检测方法、装置及非易失性存储介质
US20200394385A1 (en) Method and a device for verifying liveness of a finger
CN117649687A (zh) 指纹图像采集方法、电子设备及存储介质

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
GR01 Patent grant
GR01 Patent grant