CN107358183B - 虹膜活体检测方法及相关产品 - Google Patents

虹膜活体检测方法及相关产品 Download PDF

Info

Publication number
CN107358183B
CN107358183B CN201710523091.0A CN201710523091A CN107358183B CN 107358183 B CN107358183 B CN 107358183B CN 201710523091 A CN201710523091 A CN 201710523091A CN 107358183 B CN107358183 B CN 107358183B
Authority
CN
China
Prior art keywords
iris
image
detection
living body
body detection
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.)
Expired - Fee Related
Application number
CN201710523091.0A
Other languages
English (en)
Other versions
CN107358183A (zh
Inventor
周意保
张学勇
周海涛
唐城
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.)
Guangdong Oppo Mobile Telecommunications Corp Ltd
Original Assignee
Guangdong Oppo Mobile Telecommunications Corp Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Guangdong Oppo Mobile Telecommunications Corp Ltd filed Critical Guangdong Oppo Mobile Telecommunications Corp Ltd
Priority to CN201710523091.0A priority Critical patent/CN107358183B/zh
Publication of CN107358183A publication Critical patent/CN107358183A/zh
Priority to EP18824914.8A priority patent/EP3627382A4/en
Priority to PCT/CN2018/090646 priority patent/WO2019001253A1/zh
Priority to US16/725,539 priority patent/US11200437B2/en
Application granted granted Critical
Publication of CN107358183B publication Critical patent/CN107358183B/zh
Expired - Fee Related 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
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/18—Eye characteristics, e.g. of the iris
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/10—Image acquisition
    • G06V10/12—Details of acquisition arrangements; Constructional details thereof
    • G06V10/14—Optical characteristics of the device performing the acquisition or on the illumination arrangements
    • G06V10/143—Sensing or illuminating at different wavelengths
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/30—Noise filtering
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • 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
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/161—Detection; Localisation; Normalisation
    • G06V40/165—Detection; Localisation; Normalisation using facial parts and geometric relationships
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/18—Eye characteristics, e.g. of the iris
    • G06V40/19—Sensors therefor
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/40—Spoof detection, e.g. liveness detection
    • G06V40/45—Detection of the body part being alive
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
    • G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Human Computer Interaction (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Ophthalmology & Optometry (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Geometry (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
  • Collating Specific Patterns (AREA)

Abstract

本发明实施例公开了一种虹膜活体检测方法及相关产品，方法包括：获取虹膜图像；将所述虹膜图像划分为K个区域图像，所述K为大于1的整数；采用P种虹膜活体检测算法对所述K个区域图像进行活体检测，得到K个检测结果，所述P为大于1且不大于所述K的整数；根据所述K个检测结果判断所述虹膜图像是否来自活体虹膜。本发明实施例可将虹膜图像划分为多个区域，并对每一区域选择一种虹膜活体检测算法对其进行活体检测，进而可得到多个检测结果，并依据这些检测结果确定虹膜图像是否来自活体虹膜，可降低单种虹膜活体检测算法带来的误检测率，提高了虹膜活体检测的准确性。

Description

虹膜活体检测方法及相关产品
技术领域
本发明涉及移动终端技术领域，具体涉及一种虹膜活体检测方法及相关产品。
背景技术
随着移动终端(手机、平板电脑等)的大量普及应用，移动终端能够支持的应用越来越多，功能越来越强大，移动终端向着多样化、个性化的方向发展，成为用户生活中不可缺少的电子用品。
目前来看，虹膜识别越来越受到移动终端生产厂商的青睐，虹膜识别的安全性也是其关注的重要问题之一。出于安全性考虑，通常情况下，会在虹膜识别之前，先对虹膜进行活体检测，但是目前的虹膜活体检测准确性并不高。
发明内容
本发明实施例提供了一种虹膜活体检测方法及相关产品，以期提高虹膜活体检测的准确性。
第一方面，本发明实施例提供一种虹膜活体检测方法，包括：
获取虹膜图像；
将所述虹膜图像划分为K个区域图像，所述K为大于1的整数；
采用P种虹膜活体检测算法对所述K个区域图像进行活体检测，得到K个检测结果，所述P为大于1且不大于所述K的整数；
根据所述K个检测结果判断所述虹膜图像是否来自活体虹膜。
第二方面，本发明实施例提供了一种虹膜活体检测装置，包括：
获取单元，用于获取虹膜图像；
划分单元，用于将所述虹膜图像划分为K个区域图像，所述K为大于1的整数；
检测单元，用于采用P种虹膜活体检测算法对所述K个区域图像进行活体检测，得到K个检测结果，所述P为大于1且不大于所述K的整数；
判断单元，用于根据所述K个检测结果判断所述虹膜图像是否来自活体虹膜。
第三方面，本发明实施例提供了一种移动终端，包括：应用处理器AP和存储器；以及一个或多个程序，所述一个或多个程序被存储在所述存储器中，并且被配置成由所述AP执行，所述程序包括用于执行以下步骤的指令：
获取虹膜图像；
将所述虹膜图像划分为K个区域图像，所述K为大于1的整数；
采用P种虹膜活体检测算法对所述K个区域图像进行活体检测，得到K个检测结果，所述P为大于1且不大于所述K的整数；
根据所述K个检测结果判断所述虹膜图像是否来自活体虹膜。
第四方面，本发明实施例提供了一种计算机可读存储介质，其中，所述计算机可读存储介质存储用于电子数据交换的计算机程序，其中，所述计算机程序使得计算机执行如本发明实施例第一方面中所描述的部分或全部步骤。
第五方面，本发明实施例提供了一种计算机程序产品，其中，所述计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质，所述计算机程序可操作来使计算机执行如本发明实施例第一方面中所描述的部分或全部步骤。该计算机程序产品可以为一个软件安装包。
实施本发明实施例，具有如下有益效果：
可以看出，本发明实施例中，获取虹膜图像，将虹膜图像划分为K个区域图像，K为大于1的整数，采用P种虹膜活体检测算法对K个区域图像进行活体检测，得到K个检测结果，P为大于1且不大于K的整数，根据K个检测结果判断虹膜图像是否来自活体虹膜，从而，可将虹膜图像划分为多个区域，并对每一区域选择一种虹膜活体检测算法对其进行活体检测，进而可得到多个检测结果，并依据这些检测结果确定虹膜图像是否来自活体虹膜，可降低单种虹膜活体检测算法带来的误检测率，提高了虹膜活体检测的准确性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1A是本发明实施例提供的一种示例智能手机的架构示意图；
图1B是本发明实施例公开的一种虹膜活体检测方法的流程示意图；
图2是本发明实施例公开的另一种虹膜活体检测方法的流程示意图；
图3是本发明实施例提供的一种移动终端的结构示意图；
图4a是本发明实施例提供的一种虹膜活体检测装置的结构示意图；
图4b是本发明实施例提供的图4a所描述的虹膜活体检测装置的检测单元的结构示意图；
图4c是本发明实施例提供的图4a所描述的虹膜活体检测装置的确定单元的结构示意图；
图4d是本发明实施例提供的图4a所描述的虹膜活体检测装置的获取单元的结构示意图；
图4e是本发明实施例提供的图4a所描述的虹膜活体检测装置的另一结构示意图；
图5是本发明实施例公开的另一种移动终端的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别不同对象，而不是用于描述特定顺序。此外，术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其他步骤或单元。
在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本发明的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。
本发明实施例所涉及到的移动终端可以包括各种具有无线通信功能的手持设备、车载设备、可穿戴设备、计算设备或连接到无线调制解调器的其他处理设备，以及各种形式的用户设备(User Equipment，UE)，移动台(Mobile Station，MS)，终端设备(terminaldevice)等等。为方便描述，上面提到的设备统称为移动终端。下面对本发明实施例进行详细介绍。如图1A所示的一种示例智能手机100，该智能手机100的虹膜识别装置可以包括红外补光灯21和红外摄像头22，在虹膜识别装置工作过程中，红外补光灯21的光线打到虹膜上之后，经过虹膜反射回红外摄像头22，虹膜识别装置采集虹膜图像，另外，摄像头23可为前置摄像头。
请参阅图1，为本发明实施例提供的一种虹膜活体检测方法的实施例流程示意图，可应用于如图1A所描述的智能手机。本实施例中所描述的虹膜活体检测方法，包括以下步骤：
101、获取虹膜图像。
其中，本发明实施例中的虹膜图像可为单指虹膜区域的图像，或者，包含虹膜区域的图像(例如，一只人眼图像)。例如，在用户使用移动终端时，可通过虹膜识别装置获取虹膜图像。
102、将所述虹膜图像划分为K个区域图像，所述K为大于1的整数。
其中，可将虹膜图像划分为K个区域图像，每一区域图像独立存在，即K个区域图像之间没有重叠区域，K为大于1的整数，可选地，可以按照预设网络将虹膜图像划分为K个区域图像，又或者，将虹膜图像划分为等面积的K个区域图像，上述预设网格可由用户自行设置，或者，系统默认，例如，来自于预先存储的网格模板。
可选的，在上述步骤101与步骤102之间，还可以包含如下步骤：
对所述虹膜图像进行图像增强处理。
其中，图像增强处理可包括但不仅限于：图像去噪(例如，小波变换进行图像去噪)、图像复原(例如，维纳滤波)、暗视觉增强算法(例如，直方图均衡化、灰度拉伸等等)，在对虹膜图像进行图像增强处理之后，虹膜图像的质量可在一定程度上得到提升。进一步地，在执行步骤102的过程中，可对增强处理之后的虹膜图像划分为K个区域图像。
可选地，在上述步骤101与步骤102之间，还可以包含如下步骤：
A1、对所述虹膜图像进行图像质量评价，得到图像质量评价值；
A2、在所述图像质量评价值低于预设质量阈值时，对所述虹膜图像进行图像增强处理。
其中，上述预设质量阈值可由用户自行设置或者系统默认，可先对虹膜图像进行图像质量评价，得到一个图像质量评价值，通过该图像质量评价值判断该虹膜图像的质量是好还是坏，在图像质量评价值大于或等于预设质量阈值时，可认为虹膜图像质量好，在图像质量评价值小于预设质量阈值时，可认为虹膜图像质量差，进而，可对虹膜图像进行图像增强处理。进一步地，在执行步骤102的过程中，可对增强处理之后的虹膜图像划分为K个区域图像。
其中，上述步骤A1中，可采用至少一个图像质量评价指标对虹膜图像进行图像质量评价，从而，得到图像质量评价值。
可包含多个图像质量评价指标，每一图像质量评价指标也对应一个权重，如此，每一图像质量评价指标对虹膜图像进行图像质量评价时，均可得到一个评价结果，最终，进行加权运算，也就得到最终的图像质量评价值。图像质量评价指标可包括但不仅限于：均值、标准差、熵、清晰度、信噪比等等。
需要说明的是，由于采用单一评价指标对图像质量进行评价时，具有一定的局限性，因此，可采用多个图像质量评价指标对图像质量进行评价，当然，对图像质量进行评价时，并非图像质量评价指标越多越好，因为图像质量评价指标越多，图像质量评价过程的计算复杂度越高，也不见得图像质量评价效果越好，因此，在对图像质量评价要求较高的情况下，可采用2～10个图像质量评价指标对图像质量进行评价。具体地，选取图像质量评价指标的个数及哪个指标，依据具体实现情况而定。当然，也得结合具体地场景选取图像质量评价指标，在暗环境下进行图像质量评价和亮环境下进行图像质量评价选取的图像质量指标可不一样。
可选地，在对图像质量评价精度要求不高的情况下，可用一个图像质量评价指标进行评价，例如，以熵对待处理图像进行图像质量评价值，可认为熵越大，则说明图像质量越好，相反地，熵越小，则说明图像质量越差。
可选地，在对图像质量评价精度要求较高的情况下，可以采用多个图像质量评价指标对图像进行评价，在多个图像质量评价指标对图像进行图像质量评价时，可设置该多个图像质量评价指标中每一图像质量评价指标的权重，可得到多个图像质量评价值，根据该多个图像质量评价值及其对应的权重可得到最终的图像质量评价值，例如，三个图像质量评价指标分别为：A指标、B指标和C指标，A的权重为a1，B的权重为a2，C的权重为a3，采用A、B和C对某一图像进行图像质量评价时，A对应的图像质量评价值为b1，B对应的图像质量评价值为b2，C对应的图像质量评价值为b3，那么，最后的图像质量评价值＝a1b1+a2b2+a3b3。通常情况下，图像质量评价值越大，说明图像质量越好。
103、采用P种虹膜活体检测算法对所述K个区域图像进行活体检测，得到K个检测结果，所述P为大于1且不大于所述K的整数。
其中，上述P种虹膜活体检测算法可为任一活体检测算法，当然，由于每一虹膜活体检测算法并非可以实现无误检测，因而，其具有一定的概率，即每一种活体检测算法对应一个可信度。具体实现中，P种虹膜活体检测算法中的每种虹膜活体检测算法至少对K个区域图像中的一个区域图像进行活体检测，在P＝K时，则每一种虹膜活体检测算法可对K个区域图像中的唯一一个区域图像进行活体检测，在P小于K时，则会出现有的虹膜活体检测算法对多个区域图像进行活体检测。当然，上述P可由用户自行设置或者系统默认，具体可依据实际情况而定。
可选地，上述步骤103中，所述采用P种虹膜活体检测算法对所述K个区域图像进行活体检测，得到K个检测结果，可包括如下步骤：
31、确定所述K个区域图像中每一区域图像的区域特性，得到K个区域特性；
32、按照预设的区域特性与虹膜活体检测算法之间的映射关系，确定所述K个区域特性对应的活体检测算法，得到所述P种虹膜活体检测算法；
33、根据所述P种虹膜活体检测算法对所述K个区域图像进行活体检测，得到所述K个检测结果。
其中，上述区域特性可为以下至少一种：特征点个数、图像质量评价值、清晰度、熵、平均亮度等等。上述区域特性与虹膜活体检测算法之间的映射关系，可依据实验得到，例如，在区域特性为特征点个数的时候，可依据特征点个数选择不同的虹膜活体检测算法，例如，0～5个特征点，对应虹膜活体检测算法A，6～10个特征点，对应虹膜活体检测算法B，11～15个特征点，对应虹膜活体检测算法C，以此类推。可确定K个区域图像中每一区域的区域特性，可得到K个区域特性，进而，可按照上述预设的区域特性与虹膜活体检测算法之间的映射关系，确定K个区域特性对应的虹膜活体检测算法，得到P种虹膜活体检测算法，当然，有可能K个区域特性中某几个区域特性对应一种虹膜活体检测算法。进而，可根据该P种虹膜活体检测算法对K个区域图像进行活体检测，得到K个检测结果，每一检测结果对应一个区域图像。如此，可依据区域特性，有针对性地对不同区域进行活体检测，可在一定程度上降低误检测率。
可选地，上述虹膜活体检测算法可为以下至少一种：基于支持向量机(SupportVector Machine，SVM)的虹膜活体检测算法，基于神经网络的虹膜活体检测算法、基于遗传算法的虹膜活体检测算法等等。
104、根据所述K个检测结果判断所述虹膜图像是否来自活体虹膜。
其中，上述K个检测结果中有的可能是显示虹膜图像来自于活体虹膜，当然，也可能有显示虹膜图像来自于非活体虹膜。在K个检测结果中大部分检测结果显示虹膜图像来自于活体虹膜的时候，可确认虹膜图像来自于活体虹膜。上述非活体虹膜可为以下一种：3D打印的虹膜、照片中的虹膜、或者，没有生命特征的人的虹膜。
可选地，上述步骤104中，根据所述K个检测结果判断所述虹膜图像是否来自活体虹膜，可包括如下步骤：
41、获取所述P种虹膜活体检测算法对应的可信度，得到P个可信度；
42、根据所述K个检测结果和所述P个可信度进行加权运算，得到目标检测结果；
43、在所述目标检测结果大于预设阈值时，则确认所述虹膜图像来自活体虹膜。
其中，上述预设阈值可由用户自行设置或者系统默认。上述P种虹膜活体检测算法，每一虹膜活体检测算法均对应一个可信度，即其正确实现虹膜活体检测的概率，该可信度可由经验得到，例如，测试1000个虹膜图像，其中，判断正确的次数与总次数(1000)之间的比值作为可信度。每一检测结果可对应一个可信度，因而，可根据K个检测结果其对应的可信度进行加权运算，可得到目标检测结果，具体地，可将检测结果为活体的检测结果定义为1，检测结果为非活体的检测结果定义为0，进而，5个检测结果，A、B、C、D和E，其中，A、B对应虹膜活体检测算法a，其可信度为k1，C、D对应虹膜活体检测算法b，其可信度为k2，E对应虹膜活体检测算法c，其可信度对应k3，若A检测结果为活体，B检测结果为非活体，C、D检测结果为活体，E检测结果为非活体，则其目标检测结果为k1+2*k2。在目标检测结果大于预设阈值的时候，可认为虹膜图像来自活体虹膜。在目标检测结果小于或等于预设阈值的时候，可认为虹膜图像来自非活体虹膜。
可以看出，本发明实施例中，获取虹膜图像，将虹膜图像划分为K个区域图像，K为大于1的整数，采用P种虹膜活体检测算法对K个区域图像进行活体检测，得到K个检测结果，P为大于1且不大于K的整数，根据K个检测结果判断虹膜图像是否来自活体虹膜，从而，可将虹膜图像划分为多个区域，并对每一区域选择一种虹膜活体检测算法对其进行活体检测，进而可得到多个检测结果，并依据这些检测结果确定虹膜图像是否来自活体虹膜，可降低单种虹膜活体检测算法带来的误检测率，提高了虹膜活体检测的准确性。
请参阅图2，为本发明实施例提供的一种虹膜活体检测方法的实施例流程示意图。本实施例中所描述的虹膜活体检测方法，包括以下步骤：
201、获取测试图像。
其中，可利用移动终端的摄像头获取人脸图像，将该人脸图像作为测试图像。当然，测试图像还可以为人眼图像。
202、从所述测试图像中提取虹膜图像。
203、将所述虹膜图像划分为K个区域图像，所述K为大于1的整数。
204、采用P种虹膜活体检测算法对所述K个区域图像进行活体检测，得到K个检测结果，所述P为大于1且不大于所述K的整数。
205、根据所述K个检测结果判断所述虹膜图像是否来自活体虹膜。
其中，上述步骤202-步骤205的具体描述可参照图1B所描述的虹膜活体检测方法的对应步骤，在此不再赘述。
可以看出，本发明实施例中，获取测试图像，并从其中提取虹膜图像，将虹膜图像划分为K个区域图像，K为大于1的整数，采用P种虹膜活体检测算法对K个区域图像进行活体检测，得到K个检测结果，P为大于1且不大于K的整数，根据K个检测结果判断虹膜图像是否来自活体虹膜，从而，可将虹膜图像划分为多个区域，并对每一区域选择一种虹膜活体检测算法对其进行活体检测，进而可得到多个检测结果，并依据这些检测结果确定虹膜图像是否来自活体虹膜，可降低单种虹膜活体检测算法带来的误检测率，提高了虹膜活体检测的准确性。
请参阅图3，图3是本发明实施例提供的一种移动终端，包括：应用处理器AP和存储器；以及一个或多个程序，所述一个或多个程序被存储在所述存储器中，并且被配置成由所述AP执行，所述程序包括用于执行以下步骤的指令：
获取虹膜图像；
将所述虹膜图像划分为K个区域图像，所述K为大于1的整数；
采用P种虹膜活体检测算法对所述K个区域图像进行活体检测，得到K个检测结果，所述P为大于1且不大于所述K的整数；
根据所述K个检测结果判断所述虹膜图像是否来自活体虹膜。
在一个可能的示例中，在所述采用P种虹膜活体检测算法对所述K个区域图像进行活体检测，得到K个检测结果方面，所述程序包括用于执行以下步骤的指令：
确定所述K个区域图像中每一区域图像的区域特性，得到所述K个区域特性；
按照预设的区域特性与虹膜活体检测算法之间的映射关系，确定所述K个区域特性对应的虹膜活体检测算法，得到所述P种虹膜活体检测算法；
根据所述P种虹膜活体检测算法对所述K个区域图像进行活体检测，得到所述K个检测结果。
在一个可能的示例中，在所述根据所述K个检测结果判断所述虹膜图像是否来自活体虹膜方面，所述程序包括用于执行以下步骤的指令：
获取所述P种虹膜活体检测算法对应的可信度，得到P个可信度；
根据所述K个检测结果和所述P个可信度进行加权运算，得到目标检测结果；
在所述目标检测结果大于预设阈值时，则确认所述虹膜图像来自活体虹膜。
在一个可能的示例中，在所述获取虹膜图像方面，所述程序包括用于执行以下步骤的指令：
获取测试图像；
从所述测试图像中提取所述虹膜图像。
在一个可能的示例中，所述程序包括用于执行以下步骤的指令：
对所述虹膜图像进行图像增强处理；在所述将所述虹膜图像划分为K个区域图像方面，所述程序包括用于执行以下步骤的指令：
将所述图像增强处理后的虹膜图像划分为K个区域图像。
请参阅图4a，图4a是本实施例提供的一种虹膜活体检测装置的结构示意图。该虹膜活体检测装置应用于移动终端，虹膜活体检测装置包括获取单元401、划分单元402、检测单元403和判断单元404，其中，
获取单元401，用于获取虹膜图像；
划分单元402，用于将所述虹膜图像划分为K个区域图像，所述K为大于1的整数；
检测单元403，用于采用P种虹膜活体检测算法对所述K个区域图像进行活体检测，得到K个检测结果，所述P为大于1且不大于所述K的整数；
判断单元404，用于根据所述K个检测结果判断所述虹膜图像是否来自活体虹膜。
可选地，如图4b，图4b是图4a所描述的虹膜活体检测装置的检测单元403的具体细节结构，所述检测单元403包括：第一确定模块4031和检测模块4032，具体如下；
第一确定模块4031，用于确定所述K个区域图像中每一区域图像的区域特性，得到所述K个区域特性；
所述第一确定模块4031，还用于：
按照预设的区域特性与虹膜活体检测算法之间的映射关系，确定所述K个区域特性对应的虹膜活体检测算法，得到所述P种虹膜活体检测算法；
检测模块4032，用于根据所述P种虹膜活体检测算法对所述K个区域图像进行活体检测，得到所述K个检测结果。
可选地，如图4c，图4c是图4a所描述的虹膜活体检测装置的判断单元404的具体细节结构，所述判断单元404可包括：第一获取模块4041、计算模块4042和第二确定模块4043，具体如下：
第一获取模块4041，用于获取所述P种虹膜活体检测算法对应的可信度，得到P个可信度；
计算模块4042，用于根据所述K个检测结果和所述P个可信度进行加权运算，得到目标检测结果；
第二确定模块4043，用于在所述目标检测结果大于预设阈值时，则确认所述虹膜图像来自活体虹膜。
可选地，如图4d，图4d是图4a所描述的虹膜活体检测装置的获取单元401的具体细节结构，所述获取单元401可包括：第二获取模块4011和提取模块4012，具体如下：
第二获取模块4011，用于获取测试图像；
提取模块4012，用于从所述测试图像中提取所述虹膜图像。
可选地，如图4e，图4e为图4a所描述的虹膜活体检测装置的变型结构，所述装置还可包括：处理单元405，具体如下：
处理单元405，用于对所述虹膜图像进行图像增强处理，并由所述划分单元将所述图像增强处理后的虹膜图像划分为K个区域图像。
可以理解的是，本实施例的虹膜活体检测装置的各程序模块的功能可根据上述方法实施例中的方法具体实现，其具体实现过程可以参照上述方法实施例的相关描述，此处不再赘述。
本发明实施例还提供了另一种移动终端，如图5所示，为了便于说明，仅示出了与本发明实施例相关的部分，具体技术细节未揭示的，请参照本发明实施例方法部分。该移动终端可以为包括手机、平板电脑、PDA(Personal Digital Assistant，个人数字助理)、POS(Point of Sales，销售终端)、车载电脑等任意终端设备，以移动终端为手机为例：
图5示出的是与本发明实施例提供的移动终端相关的手机的部分结构的框图。参考图5，手机包括：射频(Radio Frequency，RF)电路910、存储器920、输入单元930、传感器950、音频电路960、无线保真(Wireless Fidelity，WiFi)模块970、应用处理器AP980、以及电源990等部件。本领域技术人员可以理解，图5中示出的手机结构并不构成对手机的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
下面结合图5对手机的各个构成部件进行具体的介绍：
输入单元930可用于接收输入的数字或字符信息，以及产生与手机的用户设置以及功能控制有关的键信号输入。具体地，输入单元930可包括触控显示屏933、虹膜识别装置931以及其他输入设备932。虹膜识别装置931结合至触控显示屏933，虹膜识别装置931的虹膜识别区域位于触控显示屏933的第一区域。输入单元930还可以包括其他输入设备932。具体地，其他输入设备932可以包括但不限于物理按键、功能键(比如音量控制按键、开关按键等)、轨迹球、鼠标、操作杆等中的一种或多种。
其中，所述虹膜识别装置931用于获取虹膜图像；
所述AP980用于执行如下步骤：
将所述虹膜图像划分为K个区域图像，所述K为大于1的整数；
采用P种虹膜活体检测算法对所述K个区域图像进行活体检测，得到所述K个检测结果，所述P为大于1且不大于所述K的整数；
根据所述K个检测结果判断所述虹膜图像是否来自活体虹膜。
AP980是手机的控制中心，利用各种接口和线路连接整个手机的各个部分，通过运行或执行存储在存储器920内的软件程序和/或模块，以及调用存储在存储器920内的数据，执行手机的各种功能和处理数据，从而对手机进行整体监控。可选的，AP980可包括一个或多个处理单元；优选的，AP980可集成应用处理器和调制解调处理器，其中，应用处理器主要处理操作系统、用户界面和应用程序等，调制解调处理器主要处理无线通信。可以理解的是，上述调制解调处理器也可以不集成到AP980中。
此外，存储器920可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
RF电路910可用于信息的接收和发送。通常，RF电路910包括但不限于天线、至少一个放大器、收发信机、耦合器、低噪声放大器(Low Noise Amplifier，LNA)、双工器等。此外，RF电路910还可以通过无线通信与网络和其他设备通信。上述无线通信可以使用任一通信标准或协议，包括但不限于全球移动通讯系统(Global System of Mobilecommunication，GSM)、通用分组无线服务(General Packet Radio Service，GPRS)、码分多址(Code Division Multiple Access，CDMA)、宽带码分多址(Wideband Code DivisionMultiple Access,WCDMA)、长期演进(Long Term Evolution，LTE)、电子邮件、短消息服务(Short Messaging Service，SMS)等。
手机还可包括至少一种传感器950，比如光传感器、运动传感器以及其他传感器。具体地，光传感器可包括环境光传感器及接近传感器，其中，环境光传感器可根据环境光线的明暗来调节触控显示屏的亮度，接近传感器可在手机移动到耳边时，关闭触控显示屏和/或背光。作为运动传感器的一种，加速计传感器可检测各个方向上(一般为三轴)加速度的大小，静止时可检测出重力的大小及方向，可用于识别手机姿态的应用(比如横竖屏切换、相关游戏、磁力计姿态校准)、振动识别相关功能(比如计步器、敲击)等；至于手机还可配置的陀螺仪、气压计、湿度计、温度计、红外线传感器等其他传感器，在此不再赘述。
音频电路960、扬声器961，传声器962可提供用户与手机之间的音频接口。音频电路960可将接收到的音频数据转换后的电信号，传输到扬声器961，由扬声器961转换为声音信号播放；另一方面，传声器962将收集的声音信号转换为电信号，由音频电路960接收后转换为音频数据，再将音频数据播放AP980处理后，经RF电路910以发送给比如另一手机，或者将音频数据播放至存储器920以便进一步处理。
WiFi属于短距离无线传输技术，手机通过WiFi模块970可以帮助用户收发电子邮件、浏览网页和访问流式媒体等，它为用户提供了无线的宽带互联网访问。虽然图5示出了WiFi模块970，但是可以理解的是，其并不属于手机的必须构成，完全可以根据需要在不改变发明的本质的范围内而省略。
手机还包括给各个部件供电的电源990(比如电池)，优选的，电源可以通过电源管理系统与AP980逻辑相连，从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。
尽管未示出，手机还可以包括摄像头、蓝牙模块等，在此不再赘述。
前述图1B～图2所示的实施例中，各步骤方法流程可以基于该手机的结构实现。
前述图3、图4a～图4e所示的实施例中，各单元功能可以基于该手机的结构实现。
本发明实施例还提供一种计算机存储介质，其中，该计算机存储介质存储用于电子数据交换的计算机程序，该计算机程序使得计算机执行如上述方法实施例中记载的任何一种虹膜活体检测方法的部分或全部步骤。
本发明实施例还提供一种计算机程序产品，所述计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质，所述计算机程序可操作来使计算机执行如上述方法实施例中记载的任何一种虹膜活体检测方法的部分或全部步骤。
需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明并不受所描述的动作顺序的限制，因为依据本发明，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本发明所必须的。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中，应该理解到，所揭露的装置，可通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件程序模块的形式实现。
所述集成的单元如果以软件程序模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储器中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储器中，包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储器包括：U盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序可以存储于一计算机可读存储器中，存储器可以包括：闪存盘、只读存储器(英文：Read-Only Memory，简称：ROM)、随机存取器(英文：Random Access Memory，简称：RAM)、磁盘或光盘等。
以上对本发明实施例进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。

Claims (10)

1.一种虹膜活体检测方法，其特征在于，包括：
获取虹膜图像；
将所述虹膜图像划分为K个区域图像，所述K为大于1的整数；
采用P种虹膜活体检测算法对所述K个区域图像进行活体检测，得到K个检测结果，所述P为大于1且不大于所述K的整数，当P等于K时，每一种虹膜活体检测算法对K个区域图像中的唯一一个区域图像进行活体检测，当P小于K时，有的虹膜活体检测算法对多个区域图像进行活体检测；
根据所述K个检测结果判断所述虹膜图像是否来自活体虹膜；
其中，所述根据所述K个检测结果判断所述虹膜图像是否来自活体虹膜，包括：
获取所述P种虹膜活体检测算法对应的可信度，得到P个可信度，将所述P个可信度作为对应的所述P种虹膜活体检测算法对应的所述检测结果的权重；
根据所述K个检测结果和所述P个可信度进行加权运算，得到目标检测结果；
在所述目标检测结果大于预设阈值时，则确认所述虹膜图像来自活体虹膜。
2.根据权利要求1所述的方法，其特征在于，所述采用P种虹膜活体检测算法对所述K个区域图像进行活体检测，得到K个检测结果，包括：
确定所述K个区域图像中每一区域图像的区域特性，得到K个区域特性；
按照预设的区域特性与虹膜活体检测算法之间的映射关系，确定所述K个区域特性对应的虹膜活体检测算法，得到所述P种虹膜活体检测算法；
根据所述P种虹膜活体检测算法对所述K个区域图像进行活体检测，得到所述K个检测结果。
3.根据权利要求1或2所述的方法，其特征在于，所述获取虹膜图像，包括：
获取测试图像；
从所述测试图像中提取所述虹膜图像。
4.根据权利要求1或2所述的方法，其特征在于，所述方法还包括：
对所述虹膜图像进行图像增强处理；
所述将所述虹膜图像划分为K个区域图像，包括：
将所述图像增强处理后的虹膜图像划分为K个区域图像。
5.一种虹膜活体检测装置，其特征在于，包括：
获取单元，用于获取虹膜图像；
划分单元，用于将所述虹膜图像划分为K个区域图像，所述K为大于1的整数；
检测单元，用于采用P种虹膜活体检测算法对所述K个区域图像进行活体检测，得到K个检测结果，所述P为大于1且不大于所述K的整数，当P等于K时，每一种虹膜活体检测算法对K个区域图像中的唯一一个区域图像进行活体检测，当P小于K时，有的虹膜活体检测算法对多个区域图像进行活体检测；
判断单元，用于根据所述K个检测结果判断所述虹膜图像是否来自活体虹膜；
其中，所述判断单元包括：
第一获取模块，用于获取所述P种虹膜活体检测算法对应的可信度，得到P个可信度，将所述P个可信度作为对应的所述P种虹膜活体检测算法对应的所述检测结果的权重；
计算模块，用于根据所述K个检测结果和所述P个可信度进行加权运算，得到目标检测结果；
第二确定模块，用于在所述目标检测结果大于预设阈值时，则确认所述虹膜图像来自活体虹膜。
6.根据权利要求5所述的装置，其特征在于，所述检测单元包括：
第一确定模块，用于确定所述K个区域图像中每一区域图像的区域特性，得到所述K个区域特性；
所述第一确定模块，还用于：
按照预设的区域特性与虹膜活体检测算法之间的映射关系，确定所述K个区域特性对应的虹膜活体检测算法，得到所述P种虹膜活体检测算法；
检测模块，用于根据所述P种虹膜活体检测算法对所述K个区域图像进行活体检测，得到所述K个检测结果。
7.根据权利要求5或6所述的装置，其特征在于，所述获取单元包括：
第二获取模块，用于获取测试图像；
提取模块，用于从所述测试图像中提取所述虹膜图像。
8.根据权利要求5或6所述的装置，其特征在于，所述装置还包括：
处理单元，用于对所述虹膜图像进行图像增强处理，并由所述划分单元将所述图像增强处理后的虹膜图像划分为K个区域图像。
9.一种移动终端，其特征在于，包括：应用处理器AP和存储器；以及一个或多个程序，所述一个或多个程序被存储在所述存储器中，并且被配置成由所述AP执行，所述程序包括用于如权利要求1-4任一项方法的指令。
10.一种计算机可读存储介质，其特征在于，其存储用于电子数据交换的计算机程序，其中，所述计算机程序使得计算机执行如权利要求1-4任一项所述的方法。
CN201710523091.0A 2017-06-30 2017-06-30 虹膜活体检测方法及相关产品 Expired - Fee Related CN107358183B (zh)

Priority Applications (4)

Application Number Priority Date Filing Date Title
CN201710523091.0A CN107358183B (zh) 2017-06-30 2017-06-30 虹膜活体检测方法及相关产品
EP18824914.8A EP3627382A4 (en) 2017-06-30 2018-06-11 METHOD OF DETECTING IRISFULNESS AND RELATED PRODUCT
PCT/CN2018/090646 WO2019001253A1 (zh) 2017-06-30 2018-06-11 虹膜活体检测方法及相关产品
US16/725,539 US11200437B2 (en) 2017-06-30 2019-12-23 Method for iris-based living body detection and related products

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710523091.0A CN107358183B (zh) 2017-06-30 2017-06-30 虹膜活体检测方法及相关产品

Publications (2)

Publication Number Publication Date
CN107358183A CN107358183A (zh) 2017-11-17
CN107358183B true CN107358183B (zh) 2020-09-01

Family

ID=60273429

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710523091.0A Expired - Fee Related CN107358183B (zh) 2017-06-30 2017-06-30 虹膜活体检测方法及相关产品

Country Status (4)

Country Link
US (1) US11200437B2 (zh)
EP (1) EP3627382A4 (zh)
CN (1) CN107358183B (zh)
WO (1) WO2019001253A1 (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107358183B (zh) * 2017-06-30 2020-09-01 Oppo广东移动通信有限公司 虹膜活体检测方法及相关产品
CN111783581A (zh) * 2020-06-19 2020-10-16 何金荣 虹膜识别方法及相关装置
CN111932537B (zh) * 2020-10-09 2021-01-15 腾讯科技（深圳）有限公司 对象形变检测方法、装置、计算机设备和存储介质

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9594969B1 (en) * 2015-11-19 2017-03-14 Intel Corporation Iris recognition including liveness testing

Family Cites Families (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101833646B (zh) * 2009-03-11 2012-05-02 北京中科虹霸科技有限公司 一种虹膜活体检测方法
CN101916361A (zh) * 2010-05-28 2010-12-15 深圳大学 基于2d-dct变换的虹膜特征设计方法及系统
CN101923640B (zh) * 2010-08-04 2013-03-20 北京中科虹霸科技有限公司 基于鲁棒纹理特征和机器学习对伪造虹膜图像判别的方法
US8437513B1 (en) * 2012-08-10 2013-05-07 EyeVerify LLC Spoof detection for biometric authentication
KR20160068884A (ko) * 2013-10-08 2016-06-15 에스알아이 인터내셔널 홍채 생체 인식 모듈 및 액세스 제어 조립체
CN104240205A (zh) * 2014-09-26 2014-12-24 北京无线电计量测试研究所 一种基于矩阵填充的虹膜图像增强方法
US9767358B2 (en) * 2014-10-22 2017-09-19 Veridium Ip Limited Systems and methods for performing iris identification and verification using mobile devices
CN105447443B (zh) * 2015-06-16 2019-03-19 北京眼神智能科技有限公司 提高虹膜识别装置识别准确性的方法及装置
CN105608409B (zh) * 2015-07-16 2019-01-11 宇龙计算机通信科技(深圳)有限公司 指纹识别的方法及装置
CN105320939B (zh) * 2015-09-28 2019-01-25 深圳爱酷智能科技有限公司 虹膜活体检测的方法和装置
CN105550661A (zh) * 2015-12-29 2016-05-04 北京无线电计量测试研究所 一种基于Adaboost算法的虹膜特征提取方法
CN105740914A (zh) * 2016-02-26 2016-07-06 江苏科海智能系统有限公司 一种基于近邻多分类器集成的车牌识别方法及系统
CN106408591B (zh) 2016-09-09 2019-04-05 南京航空航天大学 一种抗遮挡的目标跟踪方法
CN107358183B (zh) * 2017-06-30 2020-09-01 Oppo广东移动通信有限公司 虹膜活体检测方法及相关产品

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9594969B1 (en) * 2015-11-19 2017-03-14 Intel Corporation Iris recognition including liveness testing

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Efficient iris recognition by characterizing key local variations;Ma Li等;《IEEE Transactions on image processing》;20041231;全文 *
基于卷积神经网络的虹膜活体检测算法研究;李志明等;《计算机工程》;20160531;第42卷(第5期);全文 *

Also Published As

Publication number Publication date
EP3627382A4 (en) 2020-09-02
US11200437B2 (en) 2021-12-14
CN107358183A (zh) 2017-11-17
EP3627382A1 (en) 2020-03-25
US20200143187A1 (en) 2020-05-07
WO2019001253A1 (zh) 2019-01-03

Similar Documents

Publication Publication Date Title
CN107292285B (zh) 虹膜活体检测方法及相关产品
CN107480496B (zh) 解锁控制方法及相关产品
CN107451446B (zh) 解锁控制方法及相关产品
CN107590461B (zh) 人脸识别方法及相关产品
CN107403147B (zh) 虹膜活体检测方法及相关产品
CN107609514B (zh) 人脸识别方法及相关产品
CN107862265B (zh) 图像处理方法及相关产品
CN107657218B (zh) 人脸识别方法及相关产品
CN107679482B (zh) 解锁控制方法及相关产品
CN107506687B (zh) 活体检测方法及相关产品
CN107463818B (zh) 解锁控制方法及相关产品
CN107679481B (zh) 解锁控制方法及相关产品
CN107480488B (zh) 解锁控制方法及相关产品
CN107451454B (zh) 解锁控制方法及相关产品
CN107633499B (zh) 图像处理方法及相关产品
WO2019011206A1 (zh) 活体检测方法及相关产品
CN107784271B (zh) 指纹识别方法及相关产品
CN107480489B (zh) 解锁控制方法及相关产品
CN107506708B (zh) 解锁控制方法及相关产品
CN107644219B (zh) 人脸注册方法及相关产品
CN108345848A (zh) 用户注视方向识别方法及相关产品
CN107613550B (zh) 解锁控制方法及相关产品
CN107506697B (zh) 防伪处理方法及相关产品
WO2019001254A1 (zh) 虹膜活体检测方法及相关产品
CN107545163B (zh) 解锁控制方法及相关产品

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
CB02 Change of applicant information

Address after: 523860 No. 18, Wu Sha Beach Road, Changan Town, Dongguan, Guangdong

Applicant after: GUANGDONG OPPO MOBILE TELECOMMUNICATIONS Corp.,Ltd.

Address before: 523860 No. 18, Wu Sha Beach Road, Changan Town, Dongguan, Guangdong

Applicant before: GUANGDONG OPPO MOBILE TELECOMMUNICATIONS Corp.,Ltd.

CB02 Change of applicant information
GR01 Patent grant
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20200901

CF01 Termination of patent right due to non-payment of annual fee