CN107077613A - 指纹图像的获取 - Google Patents

指纹图像的获取 Download PDF

Info

Publication number
CN107077613A
CN107077613A CN201680002832.4A CN201680002832A CN107077613A CN 107077613 A CN107077613 A CN 107077613A CN 201680002832 A CN201680002832 A CN 201680002832A CN 107077613 A CN107077613 A CN 107077613A
Authority
CN
China
Prior art keywords
fingerprint
subgraph
sensor
value
sensor elements
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201680002832.4A
Other languages
English (en)
Other versions
CN107077613B (zh
Inventor
莫滕·罗勒汉森
弗雷德里克·兰贝格
汉斯·特恩布卢姆
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.)
Fingerprint kaana Kadun Intellectual Property Co.,Ltd.
Original Assignee
Fingerprint Cards AB
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 Fingerprint Cards AB filed Critical Fingerprint Cards AB
Publication of CN107077613A publication Critical patent/CN107077613A/zh
Application granted granted Critical
Publication of CN107077613B publication Critical patent/CN107077613B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/12Fingerprints or palmprints
    • G06V40/1335Combining adjacent partial images (e.g. slices) to create a composite input or reference pattern; Tracking a sweeping finger movement
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/12Fingerprints or palmprints
    • G06V40/13Sensors therefor
    • G06V40/1306Sensors therefor non-optical, e.g. ultrasonic or capacitive sensing
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/12Fingerprints or palmprints
    • G06V40/1347Preprocessing; Feature extraction
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/60Static or dynamic means for assisting the user to position a body part for biometric acquisition
    • G06V40/63Static or dynamic means for assisting the user to position a body part for biometric acquisition by static guides

Landscapes

  • Engineering & Computer Science (AREA)
  • Human Computer Interaction (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Image Input (AREA)
  • Collating Specific Patterns (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Abstract

一种从指纹传感器获取指纹图像的装置和计算机实施的方法,指纹传感器具有跨感测区域的传感器元件阵列,所述方法包括:监视位于传感器元件阵列中的按组间隔开的位置处的传感器元件组,以确定在传感器元件阵列上发生的触摸事件;从传感器元件阵列、在相应时间点处获取在尺寸上被限制于感测区域的子区域的指纹子图像;当指纹子图像被获取时,计算指纹子图像的统计指标的值;以及当预定义准则指示统计指标的值已经达到或即将达到稳定状态时,获取完整指纹图像。

Description

指纹图像的获取
引言/背景技术
存在以下一般假设:每个个体都具有独一无二的指纹,根据该独一无二的指纹可以唯一地识别他们。个体的手指的皮肤形成脊纹和凹谷的图案,当触摸时其在表面上留下印迹。印迹可以通过指纹传感器(如电容传感器)来感测,指纹传感器可以响应于该指纹传感器被触摸而生成脊纹和凹谷的图案的图像,从而以计算机可读格式电子地表示指纹。
根据指纹对个体的认证是以下处理:比较由指纹传感器获取的指纹(皮肤印痕)的至少两个实例,以确定这些印痕是否可能来自同一个体。随着指纹感测和处理技术逐渐产生越来越可靠的验证并且随着电子设备中更高级的处理装置变得可用,基于指纹的认证变得更广泛地使用—例如与访问控制、认证相结合,以获得对智能电话的访问。与此结合,通常,存在对非常快速地获取指纹图像并且处理指纹图像的需求。然而,对于指纹传感器—至少那些电容型指纹传感器—获取指纹图像花费大量的时间。
当提到也记作捕获的获取的定时,那么基本上存在两个应该避免的事情,即过早捕获或过晚捕获。过早的图像捕获可能造成手指还没有正确地放置在触摸传感器上的图像,而过晚的捕获可能导致手指要离开传感器的图像或来自手指的汗水开始在凹谷中蔓延的图像。这暗指仅存在其中可以获取良好指纹图像的有限时间间隔。
还应当注意的是,直到完整指纹图像被获取并且验证处理完成为止所花费的总时间通常是重要的性能指标。
相关现有技术
US 2015/070137公开了一种电容型指纹传感器,其包括手指感测像素阵列和耦接至感测像素阵列的处理电路。处理电路能够从散布在指纹传感器上的感测像素的子集获取手指稳定性数据,并且基于手指稳定性数据来确定手指相对于感测像素阵列是否稳定。当确定手指稳定时,处理电路还能够从手指感测像素阵列获取指纹图像。
然而,该指纹传感器被配置在硬件中并且仅提供用于判定何时获取完整指纹图像的有限信息,这又涉及以下风险:获取在手指实际上稳定之前和在足够图像信息可用之前被过早获取或者在手指已经离开传感器并且错过用于获取具有足够图像信息的图像的时刻时被过晚获取的指纹图像。在任一情况下,如果可能的话,需要重新激活用户再次触摸传感器,以获得指纹图像中的足够信息。
发明内容
提供了一种用于使用电容感测技术来确定用于捕获指纹图像的合适时间点的方法。在一些方面,该方法既跟踪指纹传感器的信号水平的时空演变,又同时以此确保信号保持在指定范围内。空间-时间感测尤其可以用作用于对尽可能多的指纹信息的快速图像捕获的使能器。
在下文中,术语“触摸”用于指定对传感器的触摸。触摸也可互换地表示为“触摸事件”。
提供了一种从指纹传感器获取指纹图像的方法,指纹传感器具有跨感测区域的传感器元件阵列,
所述方法包括:
-监视位于传感器元件阵列中的按组间隔开的位置处的传感器元件组,以确定在传感器元件阵列上发生的触摸的位置;
-从传感器元件阵列、在相应时间点处获取在尺寸上被限制于感测区域的子区域的指纹子图像;其中,子图像中的一个或更多个子图像选自于在触摸的位置周围的位置;
-当指纹子图像被获取时,计算指纹子图像的统计指标的值;
-当预定义准则指示统计指标的值已经达到或即将达到稳定状态时,获取完整指纹图像。
因此,可以利用高精度来估计用于获取完整指纹图像的合适时间点,这是因为可以在获取完整图像并且承载表示或指示完整指纹图像的质量相当好的信息所花费的时间的一小部分时间处获取子图像。
由于从最初检测到触摸事件开始直到用于记录有用指纹图像的条件已经确定并且变得稳定为止所花费的时间从对传感器的一次触摸到另一次触摸变化显著,并且由于获取完整指纹图像花费大量时间,因此存在以下风险:指纹图像被过早记录或错过用于从触摸记录指纹图像的时间点。在任一情况下,需要重新激活用户再次触摸传感器以获得指纹图像中的足够信息。应当注意的是,用于记录有用指纹图像的条件极大地取决于手指的潮湿或湿度以及紧接在触摸之前、期间和之后的手指移动的速度和持续时间,这是因为通常根据电容感测原理来获得指纹图像。
显著的优点在于:可以从软件应用控制指纹获取,这允许在定制图像获取方面的极大的灵活性,例如结合如下进一步描述的自适应控制如用于对增益水平的“在运行中”调整以防止饱和。
因此,通过在不同时间点处的子图像的演变之后计算地执行对稳定条件的估计。直到用于记录有用指纹图像的条件足够稳定为止所花费的时间可以从大约30毫秒到大约300毫秒变动,高达大约500毫秒。相比之下,从指纹传感器获取完整指纹图像可能花费约10毫秒至约100毫秒的范围,高达约175毫秒。获取或捕获完整图像所花费的时间可以取决于指纹传感器的配置、串行外围接口的时钟频率、从指纹传感器执行图像获取的软件的配置以及其他因素。
指纹子图像仅被临时存储,并且通常在随后的子图像被获取时或者在一个或更多个统计指标已根据子图像被计算出时被丢弃。
一些指纹图像传感器具有用于快速读出用于监视传感器元件组的信息的接口。也记作垫的组可以位于散布在传感器元件阵列上的间隔开的位置处,例如作为包括8×8传感器元件矩阵的组,其中,所述组中的传感器元件耦接至输出指示所述组是否被触摸的二进制信号的电路。这种二进制信号可以快速并且以快速率生成。传感器元件组可以是在指纹传感器的硬件配置中定义的预定义传感器元件组。
因此,可以在触摸发生时跟随触摸的时空演变,以确定传感器元件阵列上发生的触摸事件的位置。在一些方面,触摸事件的位置被确定并且用于在从该位置获取子图像之前确定在传感器阵列中的哪个位置处获取指纹子图像。
在尺寸上被限制于感测区域的子区域意味着子图像被选择为在尺寸上小于完整指纹图像。子图像可以具有矩形、正方形、圆形或其他形状。可以应用更频繁的获取与较小尺寸之间或较不频繁的获取与较大尺寸之间的权衡来选择子图像的尺寸。尺寸可以例如是完整指纹图像的尺寸的约1-2%、1-5%、小于或约10%、20%、30%、40%或50%。完全指纹图像可以覆盖图像传感器的所有传感器元件或其大多数传感器元件,例如所述传感器元件不包括由边缘或框架覆盖的图像传感器元件或者由于它们已经劣化而被认为是“死的”传感器元件。
在一些方面,通过以低于由每单位面积的传感器元件的数目给出的(固有)分辨率的分辨率获取子图像来选择子图像中的一个或更多个子图像;例如通过从所选择的行和列读出强度值,例如通过从每第2行和列、或第4行和列或第8行和列读出并且跳过从位于其间的传感器元件的读出。在一些方面,跳过的行的数目与跳过的列的数目相同;在其他方面,跳过的行的数目不同于跳过的列的数目。在一些方面,可以根据位于传感器元件阵列中的按组间隔开的位置处的传感器元件组来选择子图像中的一个或更多个子图像。这些方面具有的优点是:可以根据相对少数的强度值计算统计指标,而子图像可以覆盖相对大的区域,尽管子图像是被稀疏采样的。
当指纹子图像被获取时计算指纹子图像的统计指标的值以跟随值的演变,并且一旦统计指标已经达到或即将达到稳定状态则采取动作以获取完整图像。在下面更详细地描述统计指标,并且统计指标可以例如是根据子图像计算出的平均值。
在一些实施方式中,在至少阈值数目个传感器元件组指示触摸事件正在发生的时间点处,根据指示触摸的那些传感器元件组来估计触摸的位置。
由此,在阈值数目个传感器元件组(也记作垫)指示触摸事件正在发生之后确定触摸的位置。由此,实现了对位置的更可靠的估计。在一些方面,传感器元件的垫的阈值数目大于预定义垫的一半或大于垫的约30%、或大于40%、或大于60%。
在一些方面,例如根据从指纹传感器的硬件电路生成的信号检测到触摸的开始,并且开始延续预定义时间段的预定义时间段;其中,当预定义时间段期满时,确定传感器元件组的子集。
在一些方面,当一个或更多个但少于阈值数目个传感器元件组指示触摸正在发生时,检测到触摸。
可以通过识别响应被监视的组之间的触摸(具有关于它们的位置的预定义信息)的传感器元件组—也记作垫—来确定触摸事件的位置。术语“响应触摸”被理解为由垫内的传感器元件中的一个或更多个传感器元件测量的容量例如超过阈值。
触摸事件的位置可以被计算为传感器元件组的几何中心。在一些方面,几何中心是几何重心或其近似。
在一些方面,监视传感器元件组的步骤在低功率模式例如睡眠模式下执行,并且当至少阈值数目指示触摸正在发生时,离开睡眠模式以然后仅确定触摸的位置。因此,减少了由于伪造激活造成的不必要退出低功率模式的风险。
一旦阈值数目个传感器元件组响应于触摸事件,则开始获取指纹子图像。在一些方面,然后从传感器元件阵列中的相同位置获取指纹子图像。在一些方面,在不同时间点处获取的指纹子图像具有类似的尺寸,例如相同尺寸。
在一些实施方式中,子图像中的一个或更多个子图像选自于在范围(expanse)上被限制在包围指示触摸事件正在发生的传感器元件组的边界框(bounding box)内的区域。
由此,一个或更多个子图像可以在空间上布置在发生触摸的地方,以提高获取表示即将获取的完整指纹图像的质量的图像信息的可能性。
确定在传感器元件阵列上发生的触摸的位置可以被理解为该方法可以使用关于垫(即传感器元件组)之间的距离的信息。关于距离的信息可以被存储为像素的数目,例如垫之间的像素的数目或从垫的中心到相邻垫的中心的像素的数目。垫可以被规则或不规则的距离间隔开,并且可以沿着阵列中的行和列相同或不同。因此,通过组合所存储的关于垫的和垫之间的几何关系的信息和关于哪些垫被激活的信息,可以选择在范围上被限制在围绕指示触摸事件正在发生的传感器元件组的边界框内的子图像的区域。边界框可以具有正方形形状或多边形形状。边界框可以包围所有激活的垫,或者边界框可以穿过由激活的垫簇的最外面的垫设定的区域或者紧接在所述区域内。例如,在垫之间存在32行或列像素的情况下,并且在激活的垫位于虚构正方形的拐角处的情况下,则可以获取被限制于传感器元件的区域(32+2P)×(32+2P)的子图像,其中,P是垫的尺寸。
因此,在手指实际触摸传感器的特定区域中测量信号演变并且借助于统计指标来跟踪信号演变。
这给出了关于手指稳定时的时间点的更可靠的预测,因为跟踪在手指实际存在的区域中执行,此外,还将计算复杂度保持在相对低的水平处,这是因为处理被限制于针对该特定区域获得的图像数据。低的计算复杂度具有的好处是其可以是用于在低功耗情况下的快速感测方法的使能器。
在一些实施方式中,监视传感器元件组的集合的步骤在指纹子图像被获取的同时继续,以动态地确定传感器元件组的子集,并且由此动态地重新定位从哪些传感器元件获得初步指纹子图像。
当指尖在传感器上略微翻转并且有效地改变触摸的位置和范围时,这是有利的。然而,通过将各个子图像例如一个接多个地重新定位,在仅处理来自子图像区域的图像信息的同时,在这种情况下提高获取表示即将获取的完整指纹图像的质量的信息的可能性。
在一些实施方式中,该方法包括:当统计指标的值被计算时,评估统计指标的值随时间的斜率;其中,当斜率低于预定义斜率阈值时,预定义准则指示统计指标的值已经达到或即将达到稳定状态。
当强度变化接近于零时,这指示手指接近于找到其稳定状态模式,因此,手指将最可能是稳定的。
可以用于跟踪强度变化的量度的一些示例是最小值/最大值和/或平均值/中值。通过跟踪这样的值,可以计算曲线的陡度,从而计算强度变化的斜率,这可以用于找到稳定状态,即当斜率减小和变平时。
可以考虑在获取两个连续子图像之间经过的时间用于计算斜率,这是因为可以在变化的时间间隔处获取子图像。
应当注意的是,在一些方面,用于处于稳定状态的预定义准则是在手指被归类为稳定之前的多个相应时间点之上一个或更多个统计指标的值已经处于斜率阈值内。
当提到确保捕获到具有合适的信号强度的图像时,执行对指纹传感器中的信号水平的自适应控制是有益的。理想地,应当在对传感器的每次触摸期间进行对信号的自适应控制以考虑手指的压力和当前捕获环境二者,例如湿度和噪音。
存在同时跟踪诸如最小值、最大值和平均值的多个强度量度的若干益处,这是因为这将首先提高对稳定状态的估计的可靠性。其次,对最小值和最大值的跟踪将同时还提供对输入信号的动态范围的指示,因此,指纹系统可以同时在运行中调整信号放大以避免信号饱和。
在一些实施方式中,该方法包括:响应于根据至少一个指纹子图像计算出的强度量度的值而自适应地执行对指纹传感器的设定的调整。
已经观察到,存在湿度或潮湿积聚在手指的皮肤的脊纹之间的凹谷中的趋势。这不仅使脊纹而且使积聚潮湿或湿度的凹谷向传感器元件诱导强的信号水平。常规地,这涉及以下风险:指纹图像中的对比度大大消失,这降低了指纹图像的质量并且潜在地防止指纹验证和授权。另外,存在以下风险:在完整指纹图像被获取之前,快速触摸指纹传感器的手指的相对高水平的湿度或潮湿使传感器元件和与传感器元件耦接的电路中的一者或两者饱和。
然而,响应于对初步指纹子图像中的至少一个初步指纹子图像的强度量度而对指纹传感器的设定的自适应调整可以抵消所获取的完整指纹图像中的对比度的这种劣化。因此,可以有效地使用指纹传感器的动态范围,以使得能够实现改进验证。
在一些方面,在触摸事件期间执行至少一个自适应调整。
本发明的另一实施方式是跟踪完整强度分布,在这样的实施方式中,可以通过使用强度分布的发散作为量度来估计稳定状态模式,例如总变差距离或库尔贝克-莱布勒(Kullback-Leibler)发散或詹森-香农(Jensen-Shannon)发散。在机器学习社区中众所周知,对完整密度分布/函数的跟踪通常将提供比简单的“点估计”更全面和可靠的估计。
在一些实施方式中,该方法包括:当统计指标和另一统计指标中的一者或两者的值被计算时,对照强度阈值来随时间评估统计指标和另一统计指标中的一者或两者的值;以及当统计指标和另一统计指标中的一者或两者的值中的一个或更多个值超过强度阈值时,执行对指纹传感器的设定的调整。
因此,在获取初步指纹子图像的过程期间调整指纹传感器的设定。
在一些方面,其中,较高电容量由较低强度值表示,反之亦然,强度量度是对从初步指纹子图像的相应指纹子图像采集的强度值的分布中的较低分位数(quantile)或较低10%百分位数(percentile)的估计。其他百分位数可以是2%、5%、15%或20%。通过使用分位数或百分位数作为强度量度,可以增大对诸如死像素和/或噪声的损伤的鲁棒性。此外,这在子图像的一部分不包含来自指纹的任何信号的情况下也将是有益的。因此,可以存在百分位数可以导致强度值的分布的更有意义的最小值的情况。
在一些实施方式中,通过改变指纹传感器中的增益设定来调整指纹传感器的设定。
常规的指纹传感器包括混合模式模拟/数字电路部,混合模式模拟/数字电路部具有从传感器元件如可以在电力上充电的传感器元件引出至模拟至数字转换器部的信号路径,模拟至数字转换器部将数字信号输出至数字部,数字部具有将数字指纹图像信号承载至设置在一个或更多个电气端子处的接口的数字信号路径。通常提供控制接口,例如所谓的串行可编程接口SPI,通过该SPI可以可操作地控制或布线信号路径,从而改变设定。
在一些方面,通过改变混合模式模拟/数字电路部中的信号路径来调整指纹传感器的设定。
在一些实施方式中,通过改变指纹传感器中的转移设定来调整指纹传感器的设定。
该转移可以是数字转移或DC电压转移或DC电流转移中的一个或更多个。DC电压转移或DC电流转移可以设定在指纹传感器的模拟域或混合模式域中。该转移还可以或可替代地设定在指纹传感器的模拟至数字转换器中。
在一些实施方式中,统计指标和另一统计指标中的一者或两者选自于如下组:强度值的分布的百分位数或分位数;中值,平均值,总变差距离,以及发散量度,比如所述分布相对于预定义分布的非对称或对称发散量度。
这些统计指标中的大多数指标可以利用相对简单的处理来实施。发散量度可以是最初由Solomon Kullback和Richard Leibler引入的所谓的库尔贝克-莱布勒发散量度,或者发散量度可以是所谓的詹森-香农发散量度或另外的发散量度。发散量度的计算基于可以是来自两个连续子图像的强度值的分布的至少两个分布。
如上所述,在一些实施方式中,该方法包括评估统计指标的值随时间的斜率;其中,当斜率低于预定义斜率阈值时,预定义准则指示统计指标的值已经达到或即将达到稳定状态。
如上所述,可以利用高精度来估计用于获取完整指纹图像的合适时间点。然而,由于在直到完整指纹图像被获取为止所花费的时间期间手指可能被移动、转动或甚至从传感器移除,因此存在以下风险:完整指纹图像,尽管是完整的,但具有不足以用于授权目的的质量。通过常规方法得出这个结论可能花费大量的时间—并且可能涉及将来自合法人员的指纹拒绝为未被授权的风险。因此:
在一些实施方式中,该方法包括:
在完整指纹图像的获取开始之前或开始时,确定指示触摸的传感器元件组的第一集合;
当完整指纹图像的获取完成时或者在完整指纹图像被获取的时间点处,确定指示触摸的传感器元件组的第二集合;
比较传感器元件组的第一集合与传感器元件组的第二集合;以及
向完整指纹图像分配值,其中,所述值指示第一集合与第二集合的比较结果。
因此,提供了对所获取的完整指纹图像执行质量控制的有效方式。质量控制依赖于在指纹图像被获取之前和之后或在开始获取和完成获取时或前述的组合来确定触摸的空间范围。如上所述,指纹传感器可以被配置成提供对例如作为二进制信号的值的非常快速地读出,所述值指示是否触摸了传感器元件的垫或传感器元件组。因此,可以以快速的方式执行质量控制以快速提示用户再次尝试,以防指纹图像具有差的质量。
在一些方面,如果第二集合未能包括第一集合中的所有组或基本上所有组,则将分配给指纹图像的值设定成指示指纹图像的质量较差。如果第二集合包括第一集合中的所有组或基本上所有组或除第一集合中的组之外另外的组,则将分配给指纹图像的值设定成指示认可指纹图像的质量。
在一些方面,结合确定在传感器元件阵列上发生的触摸的位置的上述步骤,即,在子图像的获取之前或之间确定传感器元件组的第一集合。在其他方面,紧接在完整图像的获取之前或开始时确定传感器元件组的第一集合。在后一种情况下,改进了第一集合与第二集合的比较基础,这是因为分别在完整图像被获取之前和之后确定集合。
还提供了一种加载有被配置成执行上述方法的计算机程序的计算机系统。
还提供了一种承载被配置成执行上述方法的程序的计算机可读介质,其中,所述方法是在计算机上运行的计算机实施的方法。
还提供了一种被配置成从指纹传感器获取指纹图像的装置,指纹传感器具有跨感测区域的传感器元件阵列,所述装置包括:监视部件,其被配置成监视位于传感器元件阵列中的按组间隔开的位置处的传感器元件组以确定在传感器元件阵列上发生的触摸的位置;图像获取部件,其被配置成在相应时间点处获取在尺寸上被限制于感测区域的子区域的指纹子图像;其中,子图像中的一个或更多个子图像选自于在触摸的位置周围的位置;计算部件,其被配置成当指纹子图像被获取时计算指纹子图像的统计指标的值;其中,图像获取部件还被配置成当预定义准则指示统计指标的值已经达到或即将达到稳定状态时获取完整指纹图像。
在一些实施方式中,该装置是以下中的一种:移动电话、智能电话、平板计算机、膝上型计算机和通用计算机。在一些实施方式中,该装置包括指纹传感器。
此处和在下文中,术语“计算机”、“处理器”、“处理装置”和“处理单元”意在包括适于执行本文中描述的功能的任何电路和/或器件。特别地,上述术语包括通用或专用可编程微处理器、数字信号处理器(DSP)、专用集成电路(ASIC)、可编程逻辑阵列(PLA)、现场可编程门阵列(FPGA)、专用电子电路等或前述的组合。
附图说明
下面参照附图进行更详细的描述,在附图中:
图1示出了正暴露于触摸传感器的手指的指纹传感器的侧视图和示出传感器垫和子图像配置的指纹传感器的俯视图;
图2示出了在不同时间点处的图像强度值的分布和由此计算出的统计值;
图3示出了统计值的时间方面;
图4示出了统计最小值和阈值水平的时间方面;
图5示出了用于获取指纹图像的可控指纹传感器;
图6示出了关于基于软件的手指稳定检测的一般水平的状态图;
图7示出了用于基于软件的手指稳定检测和指纹图像获取的流程图;
图8示出了用于评估完整指纹图像的品质的流程图;以及
图9示出了基于软件的手指稳定检测和指纹图像获取系统的部件。
具体实施方式
图1示出了正暴露于触摸传感器的手指的指纹传感器的侧视图和示出传感器垫和子图像配置的指纹传感器的俯视图。随后结合流程图给出更详细的描述。
指纹传感器通常由附图标记109标示,并且手指通常由附图标记105标示。在最顶端在左手侧101上示出了其中手指105如箭头106所示地向下移动直到它触摸到传感器的侧视图。然后,在右手侧102上示出了手指105如箭头107所示地继续移动。
指纹传感器109可以是电容型的,所述电容型借助于被布置为通常标示为110的矩阵阵列中的元件的感测元件来感测手指与传感器之间的电容。感测元件具有足够小的尺寸并且被布置得足够紧密以提供对手指的皮肤的脊纹和凹谷的电容成像。常规地,感测元件被保护在覆盖非导电层(未示出)的后面。由于电容成像技术,如虚线108所示,潮湿和湿度极大地影响能够从传感器获取的指纹图像的性质和品质。潮湿或湿度可能造成凹谷的“淹没(flooding)”,从而产生不期望的效果:指纹图像变得有些失真,并且潜在地存在传感器元件的电路饱和的风险。来自高的或非常低的湿度水平的其它不期望的效果也可能发生。下面还公开了避免这种风险的自适应方法。
在最底部示出了传感器109的两个俯视图,其中,由传感器上的触摸的上述演变造成各个指纹的叠加。通过比较最左边的指纹118与最右边的指纹119,可以看出最右边的指纹稍大并且已经移动了一位。
虽然在该俯视图中未示出传感器中的单个传感器元件——也记作像素,但是示出了位于传感器元件阵列中的按组间隔开的位置处的传感器元件组110、111和114。每个组110、111和114可以包括一个或更多个传感器元件,如2×2传感器元件组、8×8传感器元件组或其他配置。这些组可以具有相同的尺寸和形状或者可以具有不同的尺寸和/或形状。传感器元件组也表示为“垫”。
传感器元件(未示出)耦接至相应信号路径用于读出模拟形式和/或数字形式的强度值,以使得提供电容成像,这是因为电容成像是本领域已知的。
在一些实施方式中,垫包括另外耦接至第二信号路径用于以快速方式例如以二进制形式读出感测值的传感器元件。因此,可以快速地捕获来自垫的信号。在其他实施方式中,垫包括可以具有较大尺寸或与其他传感器元件类似的尺寸的一个或更多个专用传感器元件。
在左手侧上,标示为111的传感器元件组被手指105激活并且输出例如二进制“1”。标示为110的传感器元件组表示未被触摸激活的组。例如通过像素坐标获知组的布局,可以计算被激活的组的几何中心,以确定在传感器元件阵列上发生的触摸的位置112。关于触摸的位置112,可以选择在尺寸上被限制于感测区域的子区域113的子图像以快速读出,这是因为子图像在尺寸上受限。通常,感测区域是感测元件共同覆盖的区域。示出了子区域113位于坐标(X1,Y1)处并且具有尺寸ΔX、ΔY。
在一些实施方式中,从子区域113内的多个间隔开的区域记录子图像,其中,对于子图像的处理不读出或忽略在间隔开的区域之间的强度值。间隔开的区域可以被布置为棋盘图案,在这种情况下,区域的拐角可以邻近或少量重叠。可替代地,子区域113内的间隔开的区域可以被配置为行取向带或列取向带。
在一些实施方式中,触摸的位置112采取矢量的形式,其中,所述矢量的元素保存表示由手指105激活的标示为111的相应传感器元件组的位置的相应值。在这种情况下,由于多个位置可以容易地获得,因此对位置112的计算可以被省去。可以从多个间隔开的区域记录子图像,其中,每个区域位于由手指105激活的相应传感器元件组111的位置周围。
在一些实施方式中,从散布在整个传感器区域的多个间隔开的区域或其中被认为是“激活”的区域记录子图像,其中,激活意味着所述区域能够操作成有效地感测触摸。在一些实施方式中,从整个子区域或从子区域中的多个间隔开的区域中选择子图像,其中,子区域被选择为触摸发生的该部分,其中,该部分例如是触摸发生的传感器区域的一半或另一部分。
转向右手侧,右手侧可以表示比由左手侧所示的时间更迟(例如,2至50毫秒之后)的时间点处的触摸,标示为114的传感器元件组被手指105激活并且输出例如二进制“1”。可以看出,组114形成比组111更大的集合。在这一点上,可以将子区域113保持为从其获取另外的一个或更多个子图像的区域。可替代地,子区域可以移动至产生触摸的更新了的位置117的新计算的几何中心周围的位置。
子区域116示出另一子图像可以如何相对于113被重新定位和扩展,以使得该另一子图像从另一区域中被选择。区域115示出了另一子图像可以如何相对于113扩展以使得该另一子图像从另一区域中被选择的另一方式。
图2示出了在不同时间点处的图像强度值的分布和由此计算出的统计值。假设应用适当的归一化,尽管所示的曲线被简化。
通常,在主坐标系200中,时间点被标示为t1、t2、t3和t4并且沿着被标示为时间“t”的横坐标轴示出。沿着主坐标系200的纵坐标轴绘制了统计指标SMean(D,t)、SMin(D,t)、SMax(D,t),其中,D是在时间t处获取的子图像的强度值的分布。
主坐标系包括标示为206、207、208和209的四个子坐标系。每个子坐标系的横坐标轴被标示为d并且表示子图像的值。在一些实施方式中,d对应于子图像的(归一化)直方图中的直条(bin)。每个子坐标系的纵坐标轴被标示为D(si,t),其中,D将密度标示为在时间t处获取的子图像si和直方图直条的函数。在一些实施方式中,D(si,t)将(归一化)直方图频率标示为子图像si的函数。
这些分布被标示为201a、201b、201c和201d,并且通常将由离散值表示。如所示出的,分布具有类似的形状,但是相对于彼此朝向通常较低的值转移。然而,如分布205(虚线)所示,分布的形状可以从一个子图像到下一个子图像而改变。
统计指标SMean(D,t)、SMin(D,t)、SMax(D,t)测量分布的平均值202a、202b、202c和202d和其最小值203a、203b、203c和203d以及最大值204a、204b、204c和204d。由附图标记指出的十字当被投影至子坐标系的相应横坐标轴时或当被投影至主坐标系的横坐标轴时指示指标的值。
最小值的统计指标可以被配置成表示分布的较低“分位数”如5%百分位数。在一些实施方式中,这可通过识别(归一化的)直方图分布中的具有最接近某一百分位数如5%百分位数的值的最低直条来完成。类似地,最大值的统计指标可以被配置成表示分布的较高“分位数”如95%百分位数。在一个实施方式中,这可通过识别(归一化的)直方图分布中的具有最接近某一百分位数如95%百分位数的值的最高直条来完成。
如通常注意的,时间点t1、t2、t3和t4表示执行以下步骤的时间点:
1.获取相应子图像,
2.计算一个或更多个统计指标,以及
3.为了确定用于获取完整图像的合适时间点的目的,评估统计指标。
因此,时间点t1、t2、t3和t4以一致的方式表示在上述步骤期间或在上述步骤的开始或完成时的一些时间点。在标记的时间点之间执行上述步骤中的一个或更多个步骤。通常,优先在尽可能接近的时间内获取子图像。
可以顺序执行或同时执行上述步骤;例如可以连续获取子图像,同时执行对统计指标的计算,使得在计算图像N的统计指标的计算的同时获取子图像N+1。
在不偏离本发明的范围的情况下,可以使用其他统计指标。
图3示出了统计值的时间方面。统计值由例如如上所述的统计指标SMean(D,t)、SMin(D,t)、SMax(D,t)来计算。另外,统计值包括通过所谓的库尔贝克-莱布勒发散量度SK-L(Dt,Dt-1)计算出的值,其中,Dt标示在时间t处的分布。可替代地,所述值被计算为SK-L(Dt-1,Dt)。
应当承认,计算离散值,但是绘制连续曲线以更清楚地示出离散值朝着稳定状态或稳定水平前进。
由穿过由附图标记301、302和306指向的相应十字的相应线上的相应十字示出SMean(D,t)、SMin(D,t)、SMax(D,t)的值。
在实施方式中,指示统计指标的值已经达到或即将达到稳定状态的预定义准则是指标中的一个或更多个指标的斜率低于斜率阈值。可以根据实验来估计斜率阈值。作为示例,通过取在两个时间点处的SMean的值之间的差并且除以两个时间点之间的时段的持续时间来计算SMean的斜率。
曲线304示出了具有来自库尔贝克-莱布勒发散量度的值的小斜率的曲线。当分布201a、201b、201c和201d基本相似或相同时,曲线基本上是平的。在一些实施方式中,另外地或可替代地使用所谓的詹森-香农发散量度。詹森-香农发散是例如Nielsen,F.的“Afamily of statistical symmetric divergences based on Jensen's inequality.”arXiv:1009.4004v2的库尔贝克-莱布勒发散的对称和平滑版本。
曲线305示出了当直方图205替换直方图201b时来自库尔贝克-莱布勒发散量度的值减小的曲线。
上述统计指标中的一个或更多个统计指标可以对照相应准则来评估,评估的结果随后被集体评估以判定是否达到或即将达到或已经达到稳定状态。在一些实施方式中,在子图像被获取的多个时间点上需要满足一个或更多个准则。
在其中使用归一化直方图作为密度分布D的估计的一些实施方式中,确保在计算库尔贝克-莱布勒发散量度之前直方图直条是非空的(即密度大于零)。
在本发明的另一实施方式中,利用人工值对空直方图直条分配/重写,以使得这些直条不再为空。基于该经修改的直方图,可以做出新的密度估计,并且这用在库尔贝克-莱布勒发散量度中。
图4示出了统计最小值和阈值水平的时间方面。沿着标示为时间“t”的横坐标轴标记上述时间点t1、t2、t3和t4。沿着纵坐标轴绘制如十字401、402和403、404所示的上述统计指标SMin(D,t)的值。另外,沿着纵坐标轴绘制阈值水平Th;这里由虚线示出。
由虚线405示出SMin(D,t)的准则的阈值水平。
由转移至第二阈值水平407的第一阈值406示出用于评估例如SMean(D,t)的斜率如ΔSMean/Δt的准则的阈值水平的转移。ΔSMean表示在时间tn处的SMean和在时间tn+1处的SMean的差,并且Δt是时间差tn+1-tn
在时间t1处,SMin的值401高于阈值水平405。该状态指示在t1处记录的子图像不饱和。然而,当在t2处获取随后的子图像时,根据随后的子图像计算出的SMin的值402低于阈值水平405。该状态指示在t2处记录的子图像接近饱和或已经饱和(此处子图像中的低强度值指示高的信号强度,即高的信号强度)。因此,当计算统计指标SMin的值时,对照强度阈值来随时间评估统计指标SMin的值。然后,当统计指标的值超过强度阈值(此处通过降低至阈值以下来示出)时,执行对指纹传感器的设定的调整。该设定可以例如是DC转移(偏移)、增益设定等中的一个或多个。这在下面进一步更详细地描述。
作为调整指纹传感器的设定的效果,在t3处根据随后的子图像计算出的SMin的值403已经移动至较高值—高于阈值水平405—并且返回至其中图像不饱和(或接近饱和)的状态。如值404所示,调整的效果持续至在t4处获取的子图像。因此,提供了对指纹传感器的操作条件的自适应控制。在该实施方式中,自适应调整由统计指标的超过阈值的值触发。从实验来看,该策略似乎是足够的,然而,可以设想更精细和/或更频繁的调整。
如上面进一步提及的,例如SMean的斜率可以用作用于判定何时达到子图像的稳定状态以使得可以开始获取完整指纹图像的指标。例如对照例如由斜率阈值表示的阈值来评估斜率。然而,由于对斜率的评估在一个或更多个时间段例如t1至t2和t2至t3等内从一个子图像延伸至另一个子图像,因此通过对指纹传感器的设定或操作条件的调整对照固定的阈值水平来评估斜率不是最佳的。例如,值401、402、403和404可以指示朝着稳定状态的前进,但是仅是在考虑调整的效果时。
在一个实施方式中,例如由转移至第二阈值水平407的第一阈值406所示的用于评估斜率的阈值水平的转移所示,根据对指纹传感器的设定的调整来转移用于评估斜率的阈值。
与此结合,应当注意,当计算和评估统计指标时,可以直接或间接考虑增益和/或转移设定或其他设定或设定的变化的效果。
在其他实施方式中,可通过跳过对跨设定被改变或生效时的时间点的统计指标的斜率的计算和/或通过跳过或忽略对根据设定被改变或首次生效时的时间点计算出的统计指标(例如斜率)的评估来间接地考虑该变化。
在计算统计指标的增量变化时直接考虑设定的变化的效果的示例如下:
如果已知增益水平的变化大约将导致统计指标S(t)在时刻t处变化因子α,则这可以通过以下任一来考虑:
或者
如果已知转移水平的变化将使统计指标S(t)在时间t处偏移β,则这可以在估计增量变化时通过在增量变化估计中减去β来考虑,即:
在统计指标S(t)在时间t处将变化因子α(例如由于增益变化)并且偏移β(例如由于转移变化)的情况下,这可以通过以下来补偿:
或者
计算补偿的其他方式是可行的,并且以上仅作为示例被包括。
图5示出了用于获取指纹图像的可控指纹传感器。通常标示为501的这种指纹传感器使得可以执行对其设定的例如上述自适应地调整,并且本领域中已知这种指纹传感器。此处,示出了指纹传感器501,其中一些部件被省略。例如,仅示出了一个传感器元件(像素)的电路,并且省略了用于从传感器元件阵列的相应传感器元件读出强度值的多路复用电路。应当注意的是,可控指纹传感器的许多不同配置是可预见的。
指纹传感器501包括例如呈金属边缘的形式的边框(bezel)502,边框502被布置成围绕阵列中的传感器元件,并且向触摸或即将立刻触摸传感器元件阵列的手指提供电荷。电荷由可编程电压源507提供,经由串行可编程接口SPI 509来控制可编程电压源507例如以向边框502供应一个或更多个预定义的电压水平(也记作手指驱动信号)。可替代地,边框可以耦接至接地连接,并且可以施加手指驱动信号以改变形成指纹传感器的集成电路的电压参考水平。
串行可编程接口SPI 509用作接口,通过所述接口可以经由串行总线512从耦接至SPI 509的设备来设定指纹传感器501的设定。该设备可以是编程计算机或专用硬件设备。因此,可以设定指纹传感器的操作条件。
传感器元件各自包括通常标示为504的金属板,金属板被组织为网格或矩阵布局中的单元例如64×256个单元。每个传感器元件包括例如被配置为运算放大器505的电荷放大器,运算放大器505与经由SPI 509控制以改变例如电荷放大器的增益设定的电容器和开关的反馈网络506耦接。另外,可以经由连接513从SPI 509设定电荷放大器的DC转移。可以经由耦接在接地连接510与放大器505的非反相输入端(+)之间的可调DC电压源(未示出)来设定DC转移。这在本领域中通常是已知的。
电荷放大器在其非反相输入端(+)处耦接至接地连接510,并且反馈网络506耦接在运算放大器505的输出端与其反相输入端(-)之间。运算放大器505的输出端并且因此电荷放大器的输出端耦接至模拟至数字放大器ADC 508,模拟至数字放大器ADC 508又经由总线例如向上述设备供应数字输出信号511。
模拟至数字放大器ADC 508还耦接至SPI 509,以设定ADC 508中的增益或转移中的一个或多个。
因此,虽然此处为了简单起见省略了多路复用电路,但是提供了用于从传感器元件阵列中的每个传感器元件读出数字值的信号路径,以使得可以形成指纹图像。
可以通过将读出限制到阵列的预定义的行或列或其组合来读出子图像。在一些实施方式中,可以经由SPI 509来控制读出,以在阵列中的某个行位置和列位置处开始并且跨多个行和列进行,从而从预定义区域或子区域选择子图像。应当注意的是,在这方面,指纹传感器的硬件配置可能强加某些限制。
为了监视位于传感器元件阵列中的按组间隔开的位置处的传感器元件组并且为了确定在传感器元件阵列上发生的触摸事件的位置,提供了用于从传感器元件读出数字值的另外的信号路径。另外的信号路径(未示出)被优化以快速读出值,例如表示一组金属板上的电荷的单比特值。可以为此目的提供另外的电路。在一些实施方式中,另外的信号路径从一组板504进行,例如从一组4×4或8×8的板或从一组电荷放大器的输出端进行至总线511或进行至另外的总线。这在本领域中是已知的。
请注意,本领域技术人员有时将板504和电荷放大器电路表示为“像素”。在这方面,像素组或块的多路复用共享ADC 508,例如阵列中的像素的行或列。
图6示出了关于基于软件的手指稳定检测的一般水平的状态图。状态图示出了由虚线框601包围的基于软件的检测的状态,基于软件的检测输出完整指纹图像605。然而,应当注意的是,这也可以应用硬件实施。
在标示为“睡眠模式”602的第一状态中,运行基于软件和/或硬件的手指稳定检测的处理器处于低功率模式例如睡眠模式,在睡眠模式中,监视位于传感器元件阵列中的按组间隔开的位置处的传感器元件的垫或传感器元件组。当多于阈值数目个垫指示触摸时,确定手指被检测到并执行转变至标示为“手指稳定搜索”603的第二状态,由此离开休眠模式。
当在“手指稳定搜索”603中时,如以下进一步更详细地描述和如上所示地获取并且处理子图像。在子图像的处理不引起确定的稳定状态并且满足终止准则的情况下,认为触摸“不稳定”,并且执行转变回至睡眠模式602。终止准则可以是达到了超时,例如在获取第一子图像时或在没有识别到稳定状态的情况下已经获取阈值数目个子图像时或在统计指标超过指示朝向稳定状态非收敛的预定义准则的时间点处开始超时。
在可替代事件中,达到稳定状态,进行转变至标示为“完全指纹图像获取和检查*”604的状态。在该状态下,获取完整指纹图像。可选地,如星号*所示,执行对完整指纹图像的质量的检查。
在不执行质量检查的情况下,无条件地提供完整指纹图像605(所有其它条件相等)。
在执行质量检查的情况下,以质量检查的成功结果“成功”为条件来提供完整指纹图像。在一些实施方式中,在任何情况下提供完整指纹图像(所有其他情况相同),但完整指纹图像分配有指示质量检查的结果的值。
如果质量检查的结果是质量显著劣化,这标示为“失败”,则执行从状态604转变至状态603,可选地包括提示用户重复他/她的触摸的步骤。
图7示出了用于基于软件的手指稳定检测和指纹图像获取的流程图。
该方法在步骤701中开始,并且进行至步骤702,而执行该方法的处理器通过监视指纹传感器的垫而处于睡眠模式。输出指示触摸的信号的垫形成标示为Apads的垫的集合。集合的大小标示为#Apads,并且在集合的大小超过标示为Thpads的阈值之前,该方法循环(否)返回至步骤701。然后,当集合的大小超过阈值Thpads(是)时,该方法进行至步骤703,其中,确定垫的集合的几何中心。
然后,在步骤704中,设定指纹传感器的设定。在该方法的第一次运行时,步骤704可以设定默认设定。在一些实施方式中,传感器的设定不改变,并且该方法可以如虚线713所示地从步骤703进行至步骤705。
然后,在步骤705中,如上所述在时间tn处选择并且获取子图像,其中,下标n标示离散时间点。
当从指纹传感器获取子图像时,如上所述地计算统计指标;指标可以包括子图像中的强度值的平均值,如上所述的其最小值和/或最大值或较低分位数和/或较高分位数或库尔贝克-莱布勒发散量度。在一个实施方式中,詹森-香农发散可以用作库尔贝克-莱布勒发散量度的替代。指标被存储并且被分别标示为Smean、Smin、SK-L、Smax
然后,在步骤707中,计算并存储上述指标的斜率;所述斜率被计算为如下:ΔSmean/Δt、ΔSmin/Δt、ΔSmax/Δt以及ΔSK-L/Δt,其中,Δt是从获取一个子图像到下一子图像(参看以上)的时段的持续时间。在一些实施方式中,Δt是固定持续时间。在其他实施方式中,计算Δt用于每个斜率值,这是因为获取子图像所花费的时间可以变化或者出于其他原因。
基于对斜率中的一个或更多个斜率如何发展的评估,在步骤708中做出关于是否达到稳定状态(是)或者是否尚未达到稳定状态(否)的判定。
在达到稳定状态(是)的情况下,这通常在多次迭代之后发生,在步骤709中获取完整指纹图像。如上所述,这可以包括如将在下面进一步更详细描述的执行检查的可选步骤。
在可替选实施方式中,在尚未达到稳定状态的情况下,在步骤711和712中执行对统计指标Smin和Smax的计算和评估。执行步骤712以评估如何使用指纹传感器的动态范围。在从指纹传感器读出的值聚集(clump)在例如最小值或最大值处的情况下,如果不可能导出关于指纹的感测信息,则至少用于授权的目的很难。因此,在步骤712中基于在步骤711中计算的值来执行评估。对照阈值Thmin来评估Smin,并且对照阈值Thmax来评估Smax。因此,准则是:Smin>Thmin和Smax<Thmax。可以通过逻辑“与”运算符来评估准则。
在两个准则都满足的情况下(是),在先前的迭代期间利用与在步骤704中设定的设定相同或基本相同的设定来获取另一子图像。在不满足一个或两个准则的情况下(否),该方法进行至步骤710,其中,基于统计指标中的一个或更多个统计指标例如基于Smean、Smin和Smax中的一个或更多个来计算传感器设定。
在一些实施方式中,从触摸的位置中的一个位置或对触摸的位置的确定来获取子图像,但是在相同位置处获取。在其他实施方式中,在不同位置处获取子图像。在后一类型的实施方式中,在步骤712之后但是在步骤705中获取子图像之前执行步骤703,以确定要从何处获取子图像。该方法的该路径由虚线714示出。
如上所述,指纹传感器可以提供不同的设定,如电荷放大器增益、电荷放大器转移(偏移)、ADC增益、ADC模拟和/或数字转移中的一个或多个;手指驱动信号通过切换等来控制传感器板的尺寸。应当注意的是,调整手指驱动信号实际上改变增益并且可以在一定程度上改变转移。因此,存在计算设定的各种不同的方法。通常,该方法目的在于以比先前的子图像更好的质量(具有更多信息)来记录下一子图像。
如上所述,可以应用终止准则(未示出)以防止该方法陷入试图达到例如由于手指从传感器移除而不可达到的稳定状态。
图8示出了用于评估完整指纹图像的质量的流程图。该流程图示出了可以如何估计完整指纹图像的可选质量检查。如在步骤708中确定的一旦确定了手指在传感器上稳定(是),则该方法进行至步骤709,可以如下执行步骤709:
在步骤801中,输出指示触摸的信号的垫形成被确定并且被标示为ApadsPRI的垫的第一集合。集合的大小被标示为#ApadsPRI。在步骤802中,通过评估集合的大小是否大于阈值ThPads来进行第一测试。如果其是否定事件(否),则该方法直接进行至步骤806,其中,执行另外的步骤以处理可能由于正当手指被确定为稳定而提起手指引起的情况。步骤806可以包括提示用户再次尝试触摸传感器的步骤;可选地利用指示应当施加较慢触摸的消息。
如果步骤802是肯定事件(是),则使用设定808(在步骤710中计算的)开始完全指纹图像获取并且在步骤803中完成。之后,或者甚至在获取完整指纹图像的过程期间,步骤804确定被标示为ApadsPOST的垫的第二集合。该第二集合的大小被标示为#ApadsPOST。在一些实施方式中,设定808是默认设定或以另一种方式计算的设定。
在步骤805中,通过语句#ApadsPOST>#ApadsPRI将第二集合或其大小与第一集合或其大小进行比较。在语句为真(是)的情况下,看起来手指在传感器上仍然稳定并且在步骤807中例如通过向图像分配指示其质量被认可的值来认可完整指纹图像。
相反,如果语句为假(否),则在这种情况下也执行上述步骤806。
质量评价的第一方面:
还提供了一种从指纹传感器获取指纹图像的方法,指纹传感器具有跨感测区域的传感器元件阵列,所述方法包括:
-确定何时开始获取跨感测区域的第一区域的第一指纹图像的第一时间点;
-在第一时间点处开始获取第一指纹图像,并且通过在时间段期间从指纹传感器读出图像信息来继续获取指纹图像;
其特征在于:
在其间执行获取第一指纹图像的时间段之后,获取覆盖感测区域的第一区域的第一子区域的第一子图像;
从第一指纹图像中选择也覆盖感测区域的第一区域的第一子区域的第二子图像;
从第一子图像计算统计指标的第一值并且从第二子图像计算统计指标的第二值;
比较所述第一值与所述第二值;以及
向指纹图像分配值,其中,所述值指示第一集合与第二集合的比较结果。
因此,提供了对所获取的可以是完全或完整指纹图像的第一指纹图像执行质量控制的有效方式。由于在不同时间点处和在相应时间段期间获取第一指纹图像和第一子图像,因此在两个不同时间点处获取信息,以判定贯穿在其间获取第一指纹图像的时段的至少最后一部分手指是否以稳定方式触摸传感器。因此,如果贯穿获取完整图像手指不稳定,则因此可以通过比较分别根据第一子图像和第二子图像计算出的第一值和第二值来捕获这种情况。
第一子图像和第二子图像的位置相同或基本相同,即它们是从相同的子区域或基本上相同的子区域获取的。在一些实施方式中,从在其间执行对第一指纹图像的获取的时间段中相对较早读出的阵列中的位置来选择位置;例如在时间段的前半段或在时间段的中间。
质量评价的第二方面:
还提供了一种从指纹传感器获取指纹图像的方法,指纹传感器具有跨感测区域的传感器元件阵列,所述方法包括:
-从传感器元件阵列、至少在第三时间点处获取在尺寸上被限制于感测区域的第一子区域的第一指纹子图像;
-确定何时开始获取跨感测区域的第一区域的第一指纹图像的第一时间点;其中,所述第一时间点晚于所述第三时间点;
-在第一时间点处开始获取第一指纹图像,并且通过在时间段期间从指纹传感器读出图像信息来继续获取指纹图像;
其特征在于:
在其间执行获取第一指纹图像的时间段之后,获取在尺寸上被限制于第一子区域的第二子图像;
从第一子图像计算统计指标的第一值并且从第二子图像计算统计指标的第二值;
比较所述第一值与所述第二值;以及
向指纹图像分配值,其中,所述值指示第一集合与第二集合的比较结果。
因此,可以紧接在获取第一指纹图像之前和之后提供用于评估第一指纹图像的质量的信息,所述第一指纹图像可以是完整或完全指纹图像。因此,存在在两个不同时间点处获取的信息,用于判定贯穿在其间获取第一指纹图像的时段手指是否以稳定方式触摸传感器。因此,如果贯穿获取完整图像手指不稳定,则因此可以通过比较分别根据第一子图像和第二子图像计算出的第一值和第二值来捕获这种情况。
质量评价的第三方面:
还提供了一种从指纹传感器获取指纹图像的方法,指纹传感器具有跨感测区域的传感器元件阵列,所述方法包括:
-从传感器元件阵列、至少在第三时间点处获取在尺寸上被限制于感测区域的第一子区域的第一指纹子图像;
-确定何时开始获取跨感测区域的第一区域的第一指纹图像的第一时间点;其中,所述第一时间点晚于所述第三时间点;
-在第一时间点处开始获取第一指纹图像,并且通过在时间段期间从指纹传感器读出图像信息来继续获取指纹图像;
其特征在于:
从第一指纹图像中选择也覆盖感测区域的第一区域的第一子区域的第二子图像;
从第一子图像计算统计指标的第一值并且从第二子图像计算统计指标的第二值;
比较是第一值与所述第二值;以及
向指纹图像分配值,其中,所述值指示第一集合与第二集合的比较结果。
第一子图像和第二子图像的位置相同或基本相同,即它们是从相同的子区域或基本上相同的子区域获取的。在一些实施方式中,从在其间执行对第一指纹图像的获取的时间段中相对较早读出的阵列中的位置来选择位置;例如在时间段的后半段或在时间段的中间。
质量评价的第四方面:
还提供了一种从指纹传感器获取指纹图像的方法,指纹传感器具有跨感测区域的传感器元件阵列,所述方法包括:
-监视位于传感器元件阵列中的按组间隔开的位置处的传感器元件组以检测触摸;以及
-获取指纹图像;
其特征在于:
在完整指纹图像的获取开始之前或开始时,确定指示触摸的传感器元件组的第一集合;
当完整指纹图像的获取完成时或者在指纹图像被获取的时间点处,确定指示触摸的传感器元件组的第二集合;
比较传感器元件组的第一集合与传感器元件组的第二集合;以及
向指纹图像分配值,其中,所述值指示所述第一集合与所述第二集合的比较结果。
因此,提供了对所获取的完整指纹图像执行质量控制的有效方式。还提供了被配置成执行该方法的装置和计算机系统。
指纹图像可以是完整指纹图像或基本上完整的指纹图像,例如从指纹传感器中的大多数传感器元件或基本上所有传感器元件如从多于75%或多于80%的传感器元件获取的指纹图像。
开始获取指纹图像的时间点可以通过以下准则中的一个或更多个准则来确定:
a)在从例如当至少第一阈值数目个传感器元件组指示触摸时确定触摸发生的时间点开始的时间段如固定时间段结束时;
b)当统计指标如上面更详细公开的根据子图像计算出的统计指标达到稳定状态时;
c)紧接在第二阈值数目个传感器元件组指示触摸的时间点之后;
d)用于确定何时获取指纹图像的另一准则。
可以将传感器元件组的第一阈值数目设定为低于第二阈值数目。可以将第一阈值数目设定成触发手指通常“着陆”(向下触摸)传感器的较早时间点,而可以将第二阈值数目设定成触发手指通常“已经着陆”(正在触摸)传感器的较晚时间点,在这种意义上,更大数目的传感器元件组指示触摸。
在上述点b)的情况下,执行“确定指示触摸的传感器元件组的第一集合”的时间点可以是在统计指标指示稳定状态的时间点处即在获取子图像之后,或者在获取子图像之前或期间的时间点处,然而,在确定在传感器元件阵列上发生的触摸的位置之后。
如上所述,可以将指纹传感器配置成提供对例如作为二进制信号的值的非常快速地读出,所述值指示是否触摸了传感器元件的垫或传感器元件组。因此,可以以快速的方式执行质量控制以快速提示用户再次尝试,以防指纹图像具有差的质量。
在一些方面,如果第二集合未能包括第一集合中的所有组或基本上所有组,则将分配给指纹图像的值设定成指示指纹图像的质量较差。如果第二集合包括第一集合中的所有组或基本上所有组或除第一集合中的组之外另外的组,则将分配给指纹图像的值设定成指示认可指纹图像的质量。
“向指纹图像分配值”被理解为指纹图像本身可以承载该值或与该值一起编码,或者响应于第一集合与第二集合的比较结果来控制方法的另外的步骤。在该后一种情况下,控制可以例如通过处理“认可的”指纹图像的方法的第一分支和处理“不认可的”指纹图像的方法的第二分支而发生。第一分支可以包括例如出于认证和/或验证目的对指纹图像的进一步处理,并且第二分支可以包括提示用户进行另外的触摸的步骤。
上述方法可以组合使用。例如上述第一方面至第四方面中的方法可以与上面公开的确定何时获取完整指纹图像的方法和/或上面另外公开的统计指标和/或其他统计指标或方法一起使用。
图9示出了基于软件的手指稳定检测和指纹图像获取系统的部件。该系统包括处理单元901,处理单元901可以是专用于处理指纹图像的微处理器或例如移动电话的中央处理单元,所述中央处理单元可以根据需要动态地衡量对于该方法的其资源分配。
处理单元901与指纹传感器912通信,指纹传感器912包括如本领域已知的电容型的感测元件矩阵913。指纹传感器可以包括串行可编程接口(此处未示出),处理单元901通过该串行可编程接口与指纹传感器912通信以获取由指纹传感器感测到的指纹图像并且通过将设定传送至指纹传感器来配置指纹传感器。处理单元901在其硬件资源上运行软件部件。
软件部件包括:垫监视部件903,其可以在睡眠模式期间运行以在至少阈值数目个垫指示触摸时唤醒系统;部件904,其被配置成获取完整指纹图像;部件905,其被配置成如上所述地获取预定义位置处且具有预定义大小的子图像;以及部件906,其被配置成如上所述地计算统计指标和斜率。
软件部件还包括:部件907,其被配置成如上所述地响应于对子图像的评估通过将设定传送至传感器来执行对指纹传感器的自适应控制;存储器908,其用于例如暂时地存储一个或更多个子图像并且用于存储完整指纹图像;以及如本领域已知的用于执行基于指纹的认证的可选部件909。
软件部件还包括用于控制上述部件中的一个或更多个部件的指纹应用910。
获取指纹图像还可以表示捕获指纹图像。
通常,该方法可以是计算机实施的方法。该方法或计算机实施的方法可以由编程计算机和诸如指纹传感器的硬件中的一者或两者来执行。

Claims (15)

1.一种从指纹传感器(501)获取指纹图像的方法,所述指纹传感器(501)具有跨感测区域的传感器元件阵列(503),所述方法包括:
-监视位于所述传感器元件阵列中的按组间隔开的位置处的传感器元件组,以确定在所述传感器元件阵列上发生的触摸的位置;
-从所述传感器元件阵列、在相应时间点处获取在尺寸上被限制于所述感测区域的子区域的指纹子图像;其中,所述子图像中的一个或更多个子图像选自于在所述触摸的位置周围的位置;
-当所述指纹子图像被获取时,计算所述指纹子图像的统计指标的值;
-当预定义准则指示所述统计指标的值已经达到或即将达到稳定状态时,获取完整指纹图像。
2.根据权利要求1所述的方法,其中,在至少阈值数目个传感器元件组指示触摸事件正在发生的时间点处,根据指示触摸的那些传感器元件组来估计触摸的位置。
3.根据权利要求1或2所述的方法,其中,所述子图像中的所述一个或更多个子图像选自于在范围上被限制在包围指示所述触摸事件正在发生的传感器元件组的边界框内的区域。
4.根据权利要求1所述的方法,其中,监视传感器元件组的集合的步骤在所述指纹子图像被获取的同时继续,以动态地确定传感器元件组的子集,并且由此动态地重新定位从哪些传感器元件获取初步指纹子图像。
5.根据前述权利要求中的任一项所述的方法,包括:
当所述统计指标的值被计算时,评估所述统计指标的值随时间的斜率;其中,当所述斜率低于预定义斜率阈值时,所述预定义准则指示所述统计指标的值已经达到或即将达到稳定状态。
6.根据前述权利要求中的任一项所述的方法,包括:
响应于根据所述指纹子图像中的至少一个指纹子图像计算出的强度量度的值而自适应地执行对所述指纹传感器的设定的调整。
7.根据前述权利要求中的任一项所述的方法,包括:
当所述统计指标和另一统计指标中的一者或两者的值被计算时,对照强度阈值来随时间评估所述统计指标和另一统计指标中的一者或两者的值;
当所述统计指标和另一统计指标中的一者或两者的值中的一个或更多个值超过所述强度阈值时,执行对所述指纹传感器的设定的调整。
8.根据权利要求7所述的方法,其中,通过改变所述指纹传感器中的增益设定来调整所述指纹传感器的设定。
9.根据权利要求7所述的计算机实施的方法,其中,通过改变所述指纹传感器中的转移设定来调整所述指纹传感器的设定。
10.根据前述权利要求中的任一项所述的计算机实施的方法,其中,所述统计指标和所述另一统计指标中的一者或两者选自于如下组:强度值的分布的百分位数或分位数;中值,平均值,总变差距离,以及发散量度,比如所述分布相对于预定义分布的非对称或对称发散量度。
11.根据前述权利要求中的任一项所述的方法,包括:
在完整指纹图像的获取开始之前或开始时,确定指示触摸的传感器元件组的第一集合;
当完整指纹图像的获取完成时或者在完整指纹图像被获取的时间点处,确定指示触摸的传感器元件组的第二集合;
比较传感器元件组的所述第一集合与传感器元件组的所述第二集合;以及
向所述完整指纹图像分配值,其中,所述值指示所述第一集合与所述第二集合的比较结果。
12.一种加载有被配置成执行如前述权利要求中的任一项所述的方法的计算机程序的计算机系统。
13.一种承载被配置成执行如前述权利要求中的任一项所述的方法的程序的计算机可读介质,其中,所述方法是在计算机上运行的计算机实施的方法。
14.一种被配置成从指纹传感器(501)获取指纹图像的装置,所述指纹传感器(501)具有跨感测区域的传感器元件阵列(503),所述装置包括:
监视部件,所述监视部件被配置成监视位于所述传感器元件阵列中的按组间隔开的位置处的传感器元件组以确定在所述传感器元件阵列上发生的触摸的位置;
图像获取部件,所述图像获取部件被配置成在相应时间点处获取在尺寸上被限制于所述感测区域的子区域的指纹子图像;其中,所述子图像中的一个或更多个子图像选自于在所述触摸的位置周围的位置;
计算部件,所述计算部件被配置成当所述指纹子图像被获取时计算所述指纹子图像的统计指标的值;
其中,所述图像获取部件还被配置成当预定义准则指示所述统计指标的值已经达到或即将达到稳定状态时获取完整指纹图像。
15.根据权利要求14所述的装置,其中,所述装置是移动电话、智能电话、平板计算机、膝上型计算机和通用计算机中的一种。
CN201680002832.4A 2015-07-29 2016-06-28 指纹图像的获取 Active CN107077613B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
SE1551049-8 2015-07-29
SE1551049A SE1551049A1 (en) 2015-07-29 2015-07-29 Acquisition of a fingerprint image
PCT/SE2016/050646 WO2017018921A1 (en) 2015-07-29 2016-06-28 Acquisition of a fingerprint image

Publications (2)

Publication Number Publication Date
CN107077613A true CN107077613A (zh) 2017-08-18
CN107077613B CN107077613B (zh) 2019-01-08

Family

ID=57882676

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201680002832.4A Active CN107077613B (zh) 2015-07-29 2016-06-28 指纹图像的获取

Country Status (7)

Country Link
US (1) US9600706B2 (zh)
EP (1) EP3329421B1 (zh)
JP (1) JP6811765B2 (zh)
KR (1) KR20180035796A (zh)
CN (1) CN107077613B (zh)
SE (1) SE1551049A1 (zh)
WO (1) WO2017018921A1 (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111052133A (zh) * 2017-09-07 2020-04-21 指纹卡有限公司 用于确定手指与指纹传感器接触的方法和指纹感测系统
CN111164543A (zh) * 2017-10-17 2020-05-15 指纹卡有限公司 控制电子设备的方法
CN111386532A (zh) * 2018-09-12 2020-07-07 指纹卡有限公司 指纹子图像的重建
CN113760111A (zh) * 2020-06-02 2021-12-07 联咏科技股份有限公司 用于触摸感测增强的方法、单芯片以及运算装置
DE202022100016U1 (de) 2022-01-03 2022-01-17 Vineet Agrawal Intelligentes IoT-Gerät zur Automatisierung von Fingerabdrücken durch maschinelles Lernen und statistische Nutzlast-Fingerabdrücke
CN114072858A (zh) * 2020-04-15 2022-02-18 指纹卡安娜卡敦知识产权有限公司 指纹子图像捕获
TWI763575B (zh) * 2021-05-10 2022-05-01 聯詠科技股份有限公司 指紋感測控制方法與控制電路

Families Citing this family (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8485442B2 (en) 2009-07-02 2013-07-16 Biometric Payment Solutions Electronic transaction verification system with biometric authentication
US9519819B2 (en) * 2014-07-14 2016-12-13 Fingerprint Cards Ab Method and electronic device for noise mitigation
KR20160061163A (ko) * 2014-11-21 2016-05-31 삼성전자주식회사 지문 등록 및 인증 방법 및 이를 제공하는 전자 장치
KR20170025083A (ko) * 2015-08-27 2017-03-08 삼성전기주식회사 지문 감지 장치 및 이를 포함하는 전자 장치
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
CN108491707B (zh) * 2016-05-30 2020-01-14 Oppo广东移动通信有限公司 一种解锁控制方法及终端设备和介质产品
KR101770521B1 (ko) * 2016-08-26 2017-09-05 한양대학교 산학협력단 정전용량 인셀 터치 패널 및 이에 있어서 리드아웃 방법
US11232274B2 (en) 2017-03-10 2022-01-25 Fingerprint Cards Anacatum Ip Ab Suppressing impairment data in fingerprint images
SE1750530A1 (en) * 2017-05-02 2018-11-03 Fingerprint Cards Ab Extracting fingerprint feature data from a fingerprint image
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
US10789450B2 (en) * 2017-10-20 2020-09-29 Synaptics Incorporated Optical biometric sensor with automatic gain and exposure control
US11157714B2 (en) 2018-05-28 2021-10-26 Fingerprint Cards Ab Method for determining a finger motion on a fingerprint sensor
US11580384B2 (en) * 2018-09-27 2023-02-14 GE Precision Healthcare LLC System and method for using a deep learning network over time
KR20200073696A (ko) 2018-12-14 2020-06-24 삼성전자주식회사 지문 센싱 시스템을 구동하는 방법 및 지문 센싱 시스템
CN110826479B (zh) * 2018-12-27 2022-07-19 神盾股份有限公司 电子装置与其屏下指纹感测方法
KR20210006043A (ko) * 2019-07-08 2021-01-18 삼성전자주식회사 광학적 지문 인식 기반의 지문 등록 방법 및 이를 이용한 광학적 지문 인식 방법
CN113409214B (zh) * 2021-06-22 2023-04-14 西安交通大学 一种受损指纹图像的快速修复方法

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20150178542A1 (en) * 2013-12-20 2015-06-25 Apple Inc. Finger biometric sensor including drive signal level updating and related methods

Family Cites Families (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2903788B2 (ja) * 1991-08-08 1999-06-14 株式会社デンソー 指紋画像入力装置
JPH09274656A (ja) * 1996-04-03 1997-10-21 Chuo Spring Co Ltd 指紋照合装置
FR2749955B1 (fr) * 1996-06-14 1998-09-11 Thomson Csf Systeme de lecture d'empreintes digitales
US5978495A (en) * 1996-07-17 1999-11-02 Intelnet Inc. Method and apparatus for accurate determination of the identity of human beings
US6125192A (en) 1997-04-21 2000-09-26 Digital Persona, Inc. Fingerprint recognition system
US6501846B1 (en) 1997-11-25 2002-12-31 Ethentica, Inc. Method and system for computer access and cursor control using a relief object image generator
AU5461299A (en) 1998-07-30 2000-02-21 Ethentica, Inc. Method and system for controlling access to computer conferences using relief objects
AU2002311625B2 (en) * 2001-06-18 2005-01-13 Casio Computer Co., Ltd. Photosensor system and drive control method thereof
JP2004154419A (ja) * 2002-11-07 2004-06-03 Sony Corp 信号処理装置および方法、記録媒体、並びにプログラム
US8131026B2 (en) * 2004-04-16 2012-03-06 Validity Sensors, Inc. Method and apparatus for fingerprint image reconstruction
JP5344639B2 (ja) * 2011-02-12 2013-11-20 エイエスディ株式会社 指紋読取りセンサ
US9390306B2 (en) 2013-09-06 2016-07-12 Apple Inc. Finger biometric sensor including circuitry for acquiring finger biometric data based upon finger stability and related methods

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20150178542A1 (en) * 2013-12-20 2015-06-25 Apple Inc. Finger biometric sensor including drive signal level updating and related methods

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111052133A (zh) * 2017-09-07 2020-04-21 指纹卡有限公司 用于确定手指与指纹传感器接触的方法和指纹感测系统
CN111052133B (zh) * 2017-09-07 2023-09-08 指纹卡安娜卡敦知识产权有限公司 用于确定手指与指纹传感器接触的方法和指纹感测系统
CN111164543A (zh) * 2017-10-17 2020-05-15 指纹卡有限公司 控制电子设备的方法
CN111164543B (zh) * 2017-10-17 2023-04-18 指纹卡安娜卡敦知识产权有限公司 控制电子设备的方法
CN111386532A (zh) * 2018-09-12 2020-07-07 指纹卡有限公司 指纹子图像的重建
CN111386532B (zh) * 2018-09-12 2023-09-08 指纹卡安娜卡敦知识产权有限公司 指纹子图像的重建
CN114072858A (zh) * 2020-04-15 2022-02-18 指纹卡安娜卡敦知识产权有限公司 指纹子图像捕获
CN113760111A (zh) * 2020-06-02 2021-12-07 联咏科技股份有限公司 用于触摸感测增强的方法、单芯片以及运算装置
TWI763575B (zh) * 2021-05-10 2022-05-01 聯詠科技股份有限公司 指紋感測控制方法與控制電路
US11372501B1 (en) 2021-05-10 2022-06-28 Novatek Microelectronics Corp. Control method and control circuit for fingerprint sensing
DE202022100016U1 (de) 2022-01-03 2022-01-17 Vineet Agrawal Intelligentes IoT-Gerät zur Automatisierung von Fingerabdrücken durch maschinelles Lernen und statistische Nutzlast-Fingerabdrücke

Also Published As

Publication number Publication date
EP3329421A1 (en) 2018-06-06
WO2017018921A1 (en) 2017-02-02
CN107077613B (zh) 2019-01-08
EP3329421A4 (en) 2019-10-16
KR20180035796A (ko) 2018-04-06
SE1551049A1 (en) 2017-01-30
JP6811765B2 (ja) 2021-01-13
US20170032165A1 (en) 2017-02-02
EP3329421B1 (en) 2023-09-20
US9600706B2 (en) 2017-03-21
JP2018533101A (ja) 2018-11-08

Similar Documents

Publication Publication Date Title
CN107077613B (zh) 指纹图像的获取
US9514352B2 (en) Fingerprint enrollment using touch sensor data
US9202099B2 (en) Fingerprint sensing and enrollment
JP2018506799A (ja) 携帯用電子デバイスのユーザをガイドする方法
US9699343B2 (en) Information processing apparatus and non-transitory computer readable medium having shifting modes based upon sensed distance
US10198813B2 (en) Posture estimation device, posture estimation system, posture estimation method, posture estimation program, and computer-readable recording medium on which posture estimation program is recorded
CN106662970B (zh) 一种设置指纹识别器中断阈值的方法、装置和终端设备
JP2007067560A5 (zh)
KR102357965B1 (ko) 객체 인식 방법 및 장치
SE1551641A1 (en) Method and fingerprint sensing system for acquiring a fingerprint image
US11176234B2 (en) Method for transitioning a device controller of an electronic device
CN110325951A (zh) 根据手指压力的手指触摸分类方法及指纹感测系统
TWI647625B (zh) 判斷使用者之姿勢之影像偵測方法以及影像偵測裝置
JP6543790B2 (ja) 信号処理装置、入力装置、信号処理方法、およびプログラム
JP2007228224A5 (zh)
CN111145167A (zh) 平整度检测方法、装置、计算机设备和存储介质
CN108363485B (zh) 非触摸屏显示终端的控制方法、装置、系统和计算机设备
CN107851187A (zh) 指纹传感器的有缺陷的电容式传感器元件的校正与检测
JP6257252B2 (ja) 隆起紋様の抗ショック読取
JP2010166132A5 (ja) 電子機器、動作制御方法及びプログラム
CN114072858A (zh) 指纹子图像捕获
TWI581174B (zh) 系統資訊的顯示方法與系統
CN109074493A (zh) 抑制指纹图像中的损伤数据
JP5748548B2 (ja) オブジェクト識別装置、オブジェクト識別方法及びプログラム
JP2012114678A5 (zh)

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
TR01 Transfer of patent right

Effective date of registration: 20211207

Address after: Gothenburg

Patentee after: Fingerprint kaana Kadun Intellectual Property Co.,Ltd.

Address before: Gothenburg

Patentee before: FINGERPRINT CARDS AB

TR01 Transfer of patent right