CN108268829A - 光学识别方法与系统 - Google Patents

光学识别方法与系统 Download PDF

Info

Publication number
CN108268829A
CN108268829A CN201710659669.5A CN201710659669A CN108268829A CN 108268829 A CN108268829 A CN 108268829A CN 201710659669 A CN201710659669 A CN 201710659669A CN 108268829 A CN108268829 A CN 108268829A
Authority
CN
China
Prior art keywords
matrix
information
twill
pixel
comparator
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
CN201710659669.5A
Other languages
English (en)
Other versions
CN108268829B (zh
Inventor
萧俊贤
余儒育
林俊甫
程瑜铭
张榉馨
蔡惠民
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai Jieming Technology Co ltd
Original Assignee
Xi Wei Polytron Technologies 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 Xi Wei Polytron Technologies Inc filed Critical Xi Wei Polytron Technologies Inc
Publication of CN108268829A publication Critical patent/CN108268829A/zh
Application granted granted Critical
Publication of CN108268829B publication Critical patent/CN108268829B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06V40/12—Fingerprints or palmprints
    • G06V40/13—Sensors therefor
    • G06V40/1318—Sensors therefor using electro-optical elements or layers, e.g. electroluminescent sensing
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/024—Detecting, measuring or recording pulse rate or heart rate
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A61B5/725—Details of waveform analysis using specific filters therefor, e.g. Kalman or adaptive filters
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/70—
    • G06T5/73—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/12—Fingerprints or palmprints
    • G06V40/1347—Preprocessing; Feature extraction
    • G06V40/1359—Extracting features related to ridge properties; Determining the fingerprint type, e.g. whorl or loop
    • 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
    • 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
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/70—Circuitry for compensating brightness variation in the scene
    • H04N23/73—Circuitry for compensating brightness variation in the scene by influencing the exposure time
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Human Computer Interaction (AREA)
  • Biomedical Technology (AREA)
  • Veterinary Medicine (AREA)
  • Pathology (AREA)
  • Cardiology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Medical Informatics (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • General Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Biophysics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Signal Processing (AREA)
  • Physiology (AREA)
  • Artificial Intelligence (AREA)
  • Psychiatry (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
  • Image Processing (AREA)
  • Studio Devices (AREA)
  • Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
  • Image Input (AREA)
  • Transforming Light Signals Into Electric Signals (AREA)

Abstract

一种光学识别方法与系统，用以感测一生理特征，其包含：提供一光源，投射至生理部位以产生一反射光；接收反射光以产生一原始影像；根据原始影像以产生对应的多个斜纹信息；转换斜纹信息为一个纹理识别矩阵；以及根据纹理识别矩阵，以计算生理特征。

Description

光学识别方法与系统
技术领域
本发明涉及一种光学识别方法，特别为根据其中原始图像映射的斜纹信息，以决定生理特征的光学识别方法，以及一种光学识别系统，用以感测一生理特征。
背景技术
现有技术的光学识别系统，例如电容式或电阻式运动的指纹感测，其元件成本高，其感测方式为根据手指按压范围内的几何形状等，来判断手指按压范围中心的位置。因此，现有技术的感测范围需大于手指按压范围，才能大于手指按压范围，以根据手指的移动，而判断手指的移动。然而，现在手持装置的尺寸越来越小，装置内部空间零件也随之越来越小。例如，当感测范围小于手指按压范围时，目前无对应的手指运动感测的技术。
发明内容
本发明的目的在于克服现有技术的不足与缺陷，提出一种光学识别方法与系统，能够根据其中原始图像映射的斜纹信息，以决定生理特征，比对所需像素较少，其所需计算资源与电路元件十分简单。
为了实现上述发明目的，就其中一个观点言，本发明提供了一种光学识别方法，用以感测一生理特征，其包含：投射光至一生理部位以产生一反射光；接收反射光以产生至少一原始影像；根据原始影像以产生对应的多个斜纹信息；转换斜纹信息为至少一纹理识别矩阵；以及根据纹理识别矩阵，以决定生理特征；其中，感测单元具有一水平方向与一垂直方向，各斜纹信息具有一正斜率纹理或一负斜率纹理，其中正斜率纹理对应于水平方向与垂直方向，具有介于零与正无限大之间的一正斜率；负斜率纹理对应于水平方向与垂直方向，具有介于零与负无限大之间的一负斜率。
一实施例中，生理部位包含一手指、一手掌、或一虹膜，其对应的生理特征分别包含一指纹特征、一手指运动轨迹、一手势轨迹、一手势方向、或一虹膜特征。
一实施例中，原始影像具有一像素矩阵，而前述的根据原始影像以产生对应的斜纹信息的步骤包含：于像素矩阵中选取一像素取样矩阵，像素取样矩阵包含一中心像素、以及依照水平方向与垂直方向围绕中心像素的右上角像素、右下角像素、左上角像素、与左下角像素；以及根据像素取样矩阵，以获取像素取样矩阵对应的斜纹信息。
一实施例中，原始影像具有多个水平像素列，水平像素列于一水平方向上具有多个位像素，水平像素列于一垂直方向上排列以形成像素矩阵。像素取样矩阵包含中心像素、右上角像素、右下角像素、左上角像素、与左下角像素，以使像素取样矩阵形成一方形像素矩阵。
正斜率纹理负斜率纹理一实施例中，前述的根据原始影像以产生对应的斜纹信息的步骤还包含：将像素取样矩阵转换为一特征矩阵，其中特征矩阵于水平方向与垂直方向，具有相同数目的水平元素列与垂直元素列，其中同一水平元素列内元素的位值相加总和为零，以及同一垂直元素列内元素的位值相加总和为零。
一实施例中，前述的根据原始影像以产生对应的斜纹信息的步骤还包含：通过一屏蔽矩阵，与各特征矩阵进行卷积(Convolution)运算，以产生对应各像素取样矩阵的卷积运算值。
一实施例中，前述的转换斜纹信息为纹理识别矩阵的步骤包含：将对应各像素取样矩阵的卷积运算值，转换为对应于原始影像的纹理识别矩阵。一实施例中，将对应于各像素取样矩阵的卷积运算值，转换为单个1位(1bit)斜纹信息。
一实施例中，前述的转换多个斜纹信息为至少一纹理识别矩阵的步骤包含：将对应各像素取样矩阵的斜纹信息，转换为纹理识别矩阵中对应于原始影像的元素位置的斜纹信息。
一实施例中，前述的光学识别方法中，还包含：获取原始影像中对应的多个直纹信息，直纹信息包含对应于垂直方向的垂直纹信息、或对应于水平方向的水平纹信息；以及，将其中像素取样矩阵的卷积运算值，转换为包含斜纹信息与直纹信息的单个2位(2bit)信息。一实施例中，屏蔽矩阵还包含一水平屏蔽矩阵与一垂直屏蔽矩阵，前述的根据像素取样矩阵，以获取像素取样矩阵对应的直纹信息的步骤，包含：通过水平屏蔽矩阵与垂直屏蔽矩阵，与各特征矩阵进行卷积运算，以产生对应像素取样矩阵的卷积运算值。
一实施例中，至少一原始影像包含多个原始影像，至少一纹理识别矩阵包含依序获取自多个原始影像的多个纹理识别矩阵，生理部位为一手指，生理特征为一手指运动轨迹，其中，前述的根据纹理识别矩阵，以决定生理特征的步骤包含：根据前后转换的纹理识别矩阵，以计算手指运动轨迹。
一实施例中，纹理识别矩阵包含先转换的一第一纹理识别矩阵，以及其后转换的一第二纹理识别矩阵，其中前述的根据前后转换的纹理识别矩阵，以计算手指运动轨迹的步骤，包含：于第一纹理识别矩阵内选取一第一比较矩阵，并于其后的第二纹理识别矩阵内选取与第一比较矩阵具有相同矩阵维度且不同位置的多个第二比较矩阵，将第一比较矩阵与第二比较矩阵中对应位置的1位斜纹信息分别进行比对，以计算手指运动轨迹。
一实施例中，1位斜纹信息为0或1，而前述第一比较矩阵与第二比较矩阵中对应位置的1位斜纹信息分别进行比对的步骤，包含：逐次将第一比较矩阵与第二比较矩阵中对应位置的1位斜纹信息进行异或(Exclusiveor)运算，并将异或运算值全部相加，全部相加值中最小的第二比较矩阵，为对应于第二纹理识别矩阵中手指的移动位置。
一实施例中，当第一比较矩阵与各第二比较矩阵中1位斜纹信息的异或运算的全部相加值中，具有一最小值，且最小值低于一第一阈值时，具有最小值的第二比较矩阵为对应于第二纹理识别矩阵中手指的移动位置。
一实施例中，当第一比较矩阵与各第二比较矩阵的1位斜纹信息异或运算的全部相加值中，且具有最小值的第二比较矩阵所对应于第二纹理识别矩阵中手指的位置，等同于第一比较矩阵对应于第一纹理识别矩阵中手指的位置时，选取第二纹理识别矩阵的后转换的一第三纹理识别矩阵，于第三纹理识别矩阵中选取与第一比较矩阵具有相同矩阵维度且不同位置的多个第三比较矩阵，将第一比较矩阵与各第三比较矩阵中对应位置的多个1位斜纹信息进行异或运算，以计算对应于第一、三纹理识别矩阵间的手指运动轨迹。
一实施例中，前述的根据前后转换的纹理识别矩阵，以计算手指运动轨迹的步骤，还包含：根据第一比较矩阵与第二比较矩阵，以产生第一、二比较矩阵间的一位移(A1)，其中手指运动轨迹(B+A1×P1)，为到第一比较矩阵为止的原始手指运动轨迹(B)，加上位移(A1)乘以权重(P1)，权重(P1)对应于第一比较矩阵与第二比较矩阵中对应位置的1位斜纹信息的异或运算全部相加值，其中异或运算全部相加值越低时，权重(P1)越高；或者，异或运算全部相加值越高时，权重(P1)越低。
一实施例中，前述的根据前后转换的纹理识别矩阵，以计算手指运动轨迹的步骤，包含：根据前后依序转换的第一比较矩阵、第二比较矩阵、对应第二纹理识别矩阵的后转换的一第三纹理识别矩阵的第三比较矩阵、对应第三纹理识别矩阵的后转换的一第四纹理识别矩阵的第四比较矩阵，以分别产生第一比较矩阵与第二比较矩阵间的一第一位移(A1)、第二比较矩阵与第三比较矩阵间的一第二位移(A2)、以及第三比较矩阵与第四比较矩阵间的一第三位移(A3)，其中当第一位移(A1)与第三位移(A3)的垂直与水平位移方向相同，且第二位移(A2)与第一、三位移(A1、A3)的垂直或水平位移方向相反时，手指运动轨迹(B+A1+A3)，为第一比较矩阵的原始手指运动轨迹(B)，加上第一位移(A1)与第三位移(A3)。手指运动轨迹(B+A1+A3)中不包含第二位移(A2)。
就其中一个观点言，本发明提供了一种光学识别系统，用以感测一生理特征，其包含：一传感器，包含一光源以及一感测单元，光源投射至生理部位以产生一反射光，感测单元接收反射光以产生多个原始影像；一纹理获取器，根据原始影像以产生对应的多个斜纹信息，纹理获取器转换斜纹信息为多个纹理识别矩阵；以及一计算器，根据前后转换的纹理识别矩阵，以计算生理特征。感测单元具有一水平方向与一垂直方向，各斜纹信息具有一正斜率纹理或一负斜率纹理，其中正斜率纹理对应于水平方向与垂直方向，具有介于零与正无限大之间的一正斜率；负斜率纹理对应于水平方向与垂直方向，具有介于零与负无限大之间的一负斜率。
一实施例中，生理部位包含一手指或一虹膜，其对应的生理特征分别包含一指纹特征、一手指运动轨迹、或一虹膜特征。一实施例中，当生理部位为一手掌，其对应的生理特征可包含一手势轨迹或一手势方向。
一实施例中，纹理获取器根据原始影像，又产生对应的多个直纹信息，纹理获取器转换斜纹信息与直纹信息为纹理识别矩阵，以计算生理特征。
以下通过具体实施例详加说明，应当更容易了解本发明的目的、技术内容、特点及其所实现的功效。
附图说明
图1显示根据本发明一实施例的光学识别方法的流程图；
图2显示根据本发明一实施例中手指指纹的斜纹的示意图；
图3显示根据本发明一实施例的像素矩阵与像素取样矩阵的示意图；
图4、5显示根据本发明一实施例的像素取样矩阵与特征矩阵的示意图；
图6A、6B、6C、6D显示根据本发明一实施例中特征矩阵与斜纹屏蔽矩阵的卷积运算的示意图；
图7A、7B、7C、7D显示根据本发明一实施例中特征矩阵与斜纹屏蔽矩阵的卷积运算的示意图；
图8A、8B显示根据本发明一实施例中特征矩阵与屏蔽矩阵的卷积运算的示意图；
图9显示根据本发明一实施例中第一纹理识别矩阵与第二纹理识别矩阵的示意图；
图10A、10B显示根据本发明一实施例中1位的逻辑算示意图；
图11显示根据本发明一实施例中计算手指运动轨迹的示意图；
图12显示根据本发明一实施例的光学识别系统的示意图。
图中符号说明
光学识别系统10
传感器11
光源111
感测单元112
纹理获取器12
计算器13
位移A1
原始手指运动轨迹B
卷积运算值GX、GY、X
权重P1
步骤S1～S5
具体实施方式
涉及本发明的前述及其他技术内容、特点与功效，在以下配合参考附图的一较佳实施例的详细说明中，将可清楚地呈现。以下实施例中所提到的方向用语，例如：上、下、左、右、前或后等，仅是参考附图的方向。本发明中的附图均属示意，主要意在表示各装置以及各元件间的功能作用关系，至于形状、厚度与宽度则并未依照比例绘制。
参照图1，其中显示根据一观点，本发明提供了一种光学识别方法，用以感测一生理特征，其中包含：提供一光源，投射光至一生理部位以产生一反射光(S1)；接收反射光以产生至少一原始影像(S2)；根据原始影像以产生对应的多个斜纹信息(S3)；转换斜纹信息为至少一纹理识别矩阵(S4)；以及根据纹理识别矩阵，以计算生理特征(S5)。
一实施例中，生理部位包含一手指、一手掌、或一虹膜，其对应的生理特征分别包含一指纹特征、一手指运动轨迹、一手势轨迹、一手势方向、或一虹膜特征。
参照图2，生理部位为一手指。手指的指纹中，主要有斗形纹(Whorl)、箕形纹(Loop)和弧形纹(Arch)三种。斗形纹的指纹为环形、椭圆形、或螺旋形等圆形纹路。箕形纹的指纹为三角形的纹路。弧形纹为波浪形的纹路。无论斗形纹、箕形纹或弧形纹，斜纹都占指纹中大部分比例。此外，每一手指指纹的斜纹部分，其形状与分布都不相同，故通过斜纹判断手指运动轨迹，其误判的可能性低。针对斜纹部分所产生斜纹信息，非垂直方向与水平方向的指纹，斜纹信息代表根据垂直方向与水平方向的斜角方向的指纹。
手指指纹的斜纹，包含正斜率斜纹或负斜率斜纹。请继续参照图2，正斜率斜纹为对应于水平方向与垂直方向中，右高左低的斜纹。负斜率斜纹为对应于水平方向与垂直方向中，左高右低的斜纹。关于斜纹信息，根据本发明的一实施例，像素取样矩阵对应的斜纹信息，包含一正斜率斜纹信息或一负斜率斜纹信息，其中正斜率斜纹信息，对应于正斜率纹理，负斜率斜纹信息，对应于负斜率纹理。
参照图3、4、5，其中显示原始影像具有一像素矩阵，而前述的根据原始影像以产生对应的斜纹信息的步骤包含：于像素矩阵中选取一像素取样矩阵，此像素取样矩阵包含一中心像素、以及围绕中心像素的右上角像素、右下角像素、左上角像素、与左下角像素；以及根据像素取样矩阵，以获取像素取样矩阵对应的斜纹信息。中心像素对应于像素矩阵其中一位置的像素，而像素取样矩阵所产生的斜纹信息，可代表像素矩阵在此位置，所对应的手指指纹信息。如此，原始影像的像素矩阵，可通过选取不同位置的像素，所产生的像素取样矩阵，以产生像素矩阵中各位置对应的斜纹信息。
图4显示本发明的一实施例，其中像素取样矩阵为3乘3的像素取样矩阵。像素取样矩阵包含中心像素、以及依照水平方向与垂直方向围绕中心像素的右上角像素、右下角像素、左上角像素、与左下角像素，以使像素取样矩阵形成一方形像素矩阵。图5显示本发明的一实施例，其中像素取样矩阵为5乘5的像素取样矩阵。同样地，5乘5的像素取样矩阵，同样具有中心像素、右上角像素、右下角像素、左上角像素、与左下角像素。图4、5显示两种不同像素取样矩阵与对应产生的特征矩阵的维度，根据本发明的像素取样矩阵与对应产生的特征矩阵的维度，也可依需要而决定，不需要受限于附图中的维度。
继续参照图4、5，前述的根据原始影像以产生对应的斜纹信息的步骤还包含：将像素取样矩阵转换为一特征矩阵，其中特征矩阵于水平方向与垂直方向，具有相同数目的水平元素列与垂直元素列，其中同一水平元素列内元素的位值相加总和为零，以及同一垂直元素列内元素的位值相加总和为零。例如，图4中特征矩阵最上的水平元素列内元素的位值：1、0、与-1，其相加为零。又例如，特征矩阵最左垂直元素列内元素的位值：-1、0、与1，其相加为零。像素取样矩阵转换为特征矩阵的方式，也可通过已知的开关中值滤波(Switchmedian filter)的方式，或其他已知的技术以实现特征矩阵的转换。
参照图6A、6B、6C，显示根据本发明的多个实施例中，前述的根据原始影像以产生对应的斜纹信息的步骤还包含：通过一屏蔽矩阵，与各特征矩阵进行卷积(Convolution)运算，以产生对应各像素取样矩阵的运算值。其中，卷积的运算为两矩阵中对应位置元素的数值相乘、并将相乘值全部相加。例如，图6A中卷积的运算，从左上到右下依序为-1×0+0×0+1×1+0×0+0×1+0×0+1×1+0×0+-1×0＝2。为举例说明，图6A、6B、6C的特征矩阵都相同，但屏蔽矩阵的形式稍有不同，故卷积的运算结果不同。请注意图6A、6B、6C的屏蔽矩阵，其右上至左下对角的数值都相同(本实施例为1，但不限于1)。图6A、6B、6C的屏蔽矩阵都为同一斜率方向的屏蔽矩阵，意即根据图6A、6B、6C的卷积运算，其结果都代表特征矩阵的斜率方向一致。参照图6D，另一实施例中，当屏蔽矩阵中左上至右下对角的数值为1时(对角方向，不同于图6A、6B、6C的特征矩阵)，屏蔽矩阵与特征矩阵的卷积运算值为-2。图6D中屏蔽矩阵为另一斜率方向的屏蔽矩阵，特征矩阵的斜率方向，不同于图6A、6B、6C的屏蔽矩阵。因此，通过特征矩阵与屏蔽矩阵的卷积运算，可判断原始影像中对应中心像素的位置，其斜纹斜率方向为正或负，并可依此转换为正斜率斜纹信息或一负斜率斜纹信息。
如前所述，根据各像素取样矩阵转换而得的特征矩阵、通过屏蔽矩阵与特征矩阵进行卷积运算以产生对应像素取样矩阵的斜纹信息、将斜纹信息转换为纹理识别矩阵中对应于原始影像的元素位置的斜纹信息。此纹理识别矩阵，可用于纹理辨别或辨别斜纹方向，例如前述的指纹特征或虹膜特征辨别。当感测单元接收产生多个原始影像纹理识别矩阵，其所对应产生的多个纹理识别矩阵，还可作为手指运动轨迹辨别用途。
前述的卷积运算值，虽可通过正或负判断正斜率斜纹信息或一负斜率斜纹信息，然而本发明的范围不限于此，还可以通过不同的水平屏蔽矩阵与垂直屏蔽矩阵与特征矩阵进行卷积运算，以判断原始影像中对应中心像素的位置是否为水平纹或垂直纹，其内容，详见之后实施例中说明。
一实施例中，前述的转换斜纹信息为纹理识别矩阵的步骤包含：将各像素取样矩阵的卷积运算值，转换为对应于原始影像的纹理识别矩阵。一实施例中，为简化运算过程，将像素取样矩阵的卷积运算值，转换为单个1位(1bit)斜纹信息。例如，转换方式可为将卷积运算值与一阈值比较，当卷积运算值大于阈值，卷积运算值转换为1；或者，当卷积运算值小于阈值，卷积运算值转换为0。例如，当阈值设为0，图6A、6B、6C中的卷积运算值大于阈值，转换为1，代表一方向的斜率斜纹。图6D中的卷积运算值小于阈值，转换为0，代表另一方向的斜率斜纹。如此，根据纹理识别矩阵内的1位斜纹信息，就可代表原始影像的斜纹分布。一实施例中，当卷积运算值大于阈值，卷积运算值也可转换为0；或者，当卷积运算值小于阈值，卷积运算值转换为1。其实施方式可依需要而定，端视如何定义以区别斜纹的方向。
一实施例中，阈值可不限于0，也可为其他数值，使用者可依据纹理辨别或辨别斜纹方向，而决定阈值。
图6A、6B、6C、6D中的卷积运算，为根据3乘3的矩阵进行运算。然而，本发明的卷积运算，不限于3乘3的矩阵，也可为其他维度的矩阵，例如图7A、7B、7C、6D中运算的5乘5矩阵。类似于图6A、6B、6C、6D，图7A、7B、7C、6D中屏蔽矩阵的卷积运算，也可区别特征矩阵中所代表的斜纹为正斜率或负斜率。同样地，卷积运算值也可转换为1位斜纹信息，以转换为对应原始影像的纹理识别矩阵。
一实施例中，本发明的光学识别方法中，还包含：获取原始影像中对应的多个直纹信息，直纹信息包含对应于垂直方向的垂直纹信息、或对应于水平方向的水平纹信息；以及将像素取样矩阵的卷积运算值，转换为包含斜纹信息或直纹信息的单个2位(2bit)信息。其中，2位信息的0、1、2、3，可分别对应于正斜率斜纹信息、负斜率斜纹信息、水平纹信息、垂直纹信息。其对应的顺序，可依需要而调整，例如0、1分别对应于正斜率斜纹信息、负斜率斜纹信息，2、3分别对应于水平纹信息、垂直纹信息。或者2、3对应于正斜率斜纹信息、负斜率斜纹信息，0、1对应于水平纹信息、垂直纹信息，其端视需要而定。重要地，本实施例的2位信息不限于正、负斜率斜纹信息，还可包含水平纹信息、垂直纹信息。
一实施例中，屏蔽矩阵不仅包含辨别斜纹的屏蔽矩阵，也可包含辨别直纹的屏蔽矩阵。辨别直纹的屏蔽矩阵还包含一水平屏蔽矩阵与一垂直屏蔽矩阵，以获取像素取样矩阵对应的水平纹信息与垂直纹信息。水平纹信息与垂直纹信息的获取方式，为通过水平屏蔽矩阵与垂直屏蔽矩阵，与各特征矩阵进行卷积运算，以产生对应像素取样矩阵的卷积运算值。参照图8A，其中显示一5乘5的像素取样矩阵(其中各点代表矩阵中各元素)、以及一斜纹屏蔽矩阵(其中各点代表矩阵中各元素)、一水平屏蔽矩阵与一垂直屏蔽矩阵，附图中水平屏蔽矩阵与垂直屏蔽矩阵其中的各元素值，仅为举例说明，使用者可依据需要而决定各元素值。斜纹屏蔽矩阵，可参考图6A、6B、6C、6D、7A、7B、7C、7D中关于斜纹的屏蔽矩阵相关说明。特征矩阵与斜纹屏蔽矩阵的卷积运算值为X，特征矩阵与水平屏蔽矩阵运算的卷积运算值为GX，特征矩阵与垂直屏蔽矩阵运算的卷积运算值为GY。
参照图8B，其中举例说明，如何将特征矩阵与斜纹屏蔽矩阵、水平屏蔽矩阵、以及垂直屏蔽矩阵的卷积运算值，以转换为2位(2bit)信息。其中斜纹阈值，用以判断特征矩阵与斜纹屏蔽矩阵的卷积运算值，是否可判断为正斜率斜纹信息(数值为3)、或负斜率斜纹信息(数值为0)。其判断方式为卷积运算值的绝对值(|X|)大于斜纹阈值时，判断特征矩阵对应于斜纹。当卷积运算值的绝对值小于斜纹阈值时，则通过前述的特征矩阵与水平屏蔽矩阵、垂直屏蔽矩阵运算的卷积运算值(GX、GY)，来判断特征矩阵对应于水平纹信息(数值为1)、或垂直纹信息(数值为2)。如此，像素取样矩阵的卷积运算值，被转换为包含斜纹信息或直纹信息的单个2位信息。特征矩阵与斜纹屏蔽矩阵的卷积运算值，其绝对值大于斜纹阈值时，代表可判断此特征矩阵对应于斜纹。当绝对值小于斜纹阈值时，代表斜纹特征不明显，故可通过水平屏蔽矩阵或垂直屏蔽矩阵，来判断特征矩阵是属于水平纹或垂直纹。图8A中水平屏蔽矩阵与垂直屏蔽矩阵的各元素数值，为举例说明，使用者可依需要而调整其数值。
前述的实施例中，当生理部位为手指时，其对应的生理特征可为指纹特征。然而，本发明的实施不限于手指，也可为虹膜或其生理他部位。当生理部位为虹膜时，其对应的生理特征可为一虹膜特征。因不同人的虹膜中，具有不同的纹理分布(例如不同分布位置的斜纹信息或直纹信息)，故也可用于辨别身份的用途，其实施方式，可参照前述的生理特征辨别步骤。
一实施例中，当前述的至少一原始影像包含多个原始影像，至少一纹理识别矩阵包含依序获取自多个原始影像的多个纹理识别矩阵，生理部位为一手指时，生理特征可为一手指运动轨迹，其详述如后。
图9显示一实施例，其中纹理识别矩阵包含先转换的一第一纹理识别矩阵，以及其后转换的一第二纹理识别矩阵。前述的根据前后转换的纹理识别矩阵，以计算手指运动轨迹的步骤，包含：于第一纹理识别矩阵内选取一第一比较矩阵，并于其后的第二纹理识别矩阵内选取与第一比较矩阵具有相同矩阵维度且不同位置的多个第二比较矩阵(附图中以一第二比较矩阵为例)，逐次将第一比较矩阵与各第二比较矩阵中对应位置的1位斜纹信息分别进行比对，以计算手指运动轨迹。前述的不同位置的多个第二比较矩阵，为在第二纹理识别矩阵内，于多个不同的位置，以选取对应这些位置的第二比较矩阵。将各选取的第二比较矩阵与第一比较矩阵分别进行比对，决定与第一比较矩阵最相似的第二比较矩阵，用以计算手指运动轨迹。
比对第一比较矩阵、第二比较矩阵的方式，有许多种方式。例如，利用比对矩阵中类似元素的数量、或其他方式等。本发明于一实施例中，提出一种比对方式，为利用异或(Exclusive or)运算，无论运算所需过程、电路、或所需的软件，都十分简单。异或(Exclusive or)运算的相关说明，详述如后。
一实施例中，1位斜纹信息为0或1。前述第一比较矩阵与第二比较矩阵中对应位置的1位斜纹信息分别进行比对的步骤，包含：逐次将第一比较矩阵与各第二比较矩阵中对应位置的1位斜纹信息进行异或(Exclusive or、XOR)运算(参照图10A)，并将异或运算值全部相加，全部相加值中最小的第二比较矩阵，为对应于第二纹理识别矩阵中手指的移动位置。请注意，当第一比较矩阵与第二比较矩阵中对应位置的1位斜纹信息相同时(都为0、0，或都为1、1)，其异或运算结果为0(较小)；而当第一比较矩阵与第二比较矩阵中对应位置的1位斜纹信息不同时(0、1，或为1、0)，其异或运算结果为1(较大)。因此，异或运算值全部相加，全部相加值中最小的第二比较矩阵，最相似于第一比较矩阵，故全部相加值中最小的第二比较矩阵相对于第一比较矩阵的移动位置，可决定为对应于第二纹理识别矩阵中手指的移动位置。
另一实施例中，依据异或运算的原理，也可将第一比较矩阵与第二比较矩阵中对应位置的1位斜纹信息进行同或(XNOR)运算(参照图10B)，并将同或运算值全部相加，全部相加值中最大(非最小)的第二比较矩阵，为对应于第二纹理识别矩阵中手指的移动位置。当第一比较矩阵与第二比较矩阵中对应位置的1位斜纹信息相同时(都为0、0，或都为1、1)，其同或运算结果为1(较大)；而当第一比较矩阵与第二比较矩阵中对应位置的1位斜纹信息不同时(0、1，或为1、0)，其同或运算结果为0(较小)。因此，同或运算值全部相加，全部相加值中最大的第二比较矩阵，最相似于第一比较矩阵，故全部相加值中最大的第二比较矩阵相对于第一比较矩阵的移动位置，可决定为对应于第二纹理识别矩阵中手指的移动位置。
根据前述1位斜纹信息的异或运算、或者同或运算的原理，2位信息也依此来决定哪一位置的第二比较矩阵，最相似于第一比较矩阵。例如第一比较矩阵与第二比较矩阵对应的2位信息相同时为0，不相同为1；或第一比较矩阵与第二比较矩阵对应的2位信息相同时为1，不相同为0。并且，将运算值全部相加，当2位信息相同时为0，不相同为1时，全部相加值中最小的第二比较矩阵，最相似于第一比较矩阵。当2位信息相同时为1，不相同为0时，全部相加值中最大的第二比较矩阵，最相似于第一比较矩阵，故可决定第二比较矩阵相对于第一比较矩阵的移动位置，以及对应于第二纹理识别矩阵中手指的移动位置。
根据前述1位斜纹信息的异或运算，一实施例中，当第一比较矩阵与第二比较矩阵中1位斜纹信息的异或运算的全部相加值中，具有一最小值，且最小值低于一第一阈值时，第二比较矩阵为对应于第二纹理识别矩阵中手指的移动位置。因光学识别操作中，可能因内部电路操作(噪声过高等)、或外在环境突然改变(环境亮度突然改变等)，所决定最小值的第二比较矩阵中1位斜纹信息、或其所对应的第一比较矩阵中1位斜纹信息，不适合于进行比对。此不适合比对的状况，可通过与第一阈值进行比较而得知。当异或运算的全部相加值中最小值，高于一第一阈值时，可重新决定第一或二纹理识别矩阵，以重新进行异或运算，以决定手指的移动位置。当异或运算的全部相加值中最小值，低于一第一阈值时，此计算的移动位置为可接受。关于第一阈值的数值，用户可根据光学识别的操作过程、或相关元件特性等，以决定此数值。例如，当光源过强时，异或运算的全部相加值中最小值，可能高于第一阈值，代表此运算结果不可信，需重新设定光源。因此异或运算的全部相加值中最小值，低于一第一阈值时，此计算的移动位置为可接受。
例如，当第一比较矩阵与第二比较矩阵的1位斜纹信息异或运算的全部相加值中的最小值，高于一第一阈值时，选取第二纹理识别矩阵的后转换的一第三纹理识别矩阵，于第三纹理识别矩阵中选取与第二比较矩阵具有相同矩阵维度且不同位置的多个第三比较矩阵，将第二比较矩阵与第三比较矩阵中对应位置的多个1位斜纹信息进行异或运算，以计算对应于第二、三纹理识别矩阵间的手指运动轨迹。如前所述，当第一比较矩阵与第二比较矩阵的1位斜纹信息异或运算的全部相加值中的最小值，高于一第一阈值时，代表此运算结果不可信。因此，进行第二比较矩阵与第三比较矩阵的比对，以决定手指运动轨迹。
若前述1位斜纹信息用于同或运算，则当同或运算的全部相加值中最大值，小于一第一阈值时，可重新决定第一或二纹理识别矩阵，以重新进行同或运算，以决定手指的移动位置。当同或运算的全部相加值中最大值，高于一第一阈值时，此计算的移动位置为可接受。
一实施例中，当第一比较矩阵与第二比较矩阵的1位斜纹信息异或运算的全部相加值中，且具有最小值的第二比较矩阵所对应于第二纹理识别矩阵中手指的位置，等同于第一比较矩阵对应于第一纹理识别矩阵中手指的位置时，选取第二纹理识别矩阵的后转换的一第三纹理识别矩阵，于第三纹理识别矩阵中选取与第一比较矩阵具有相同矩阵维度且不同位置的多个第三比较矩阵，将第一比较矩阵与第三比较矩阵中对应位置的多个1位斜纹信息进行异或运算，以计算对应于第一、三纹理识别矩阵间的手指运动轨迹。如前所述，当具有最小值的第二比较矩阵所对应于第二纹理识别矩阵中手指的位置，等同于第一比较矩阵对应于第一纹理识别矩阵中手指的位置时，代表第二纹理识别矩阵对应的手指完全没动(例如，相对移动量为(0，0))，或手指运动太缓慢。因此，进行第一比较矩阵与第三比较矩阵的比对，以决定手指运动轨迹。
图11显示根据本发明的一实施例，其中前述的根据前后转换的纹理识别矩阵，以计算手指运动轨迹的步骤，还包含：根据第一比较矩阵与第二比较矩阵，以产生第一、二比较矩阵间的一位移(A1)，其中手指运动轨迹(B+A1×P1)，为到第一比较矩阵为止的原始手指运动轨迹(B)，加上位移(A1)乘以权重(P1)，权重(P1)对应于第一比较矩阵与第二比较矩阵中对应位置的1位斜纹信息的异或运算全部相加值。异或运算全部相加值越低时，权重(P1)越高；或者，异或运算全部相加值越高时，权重(P1)越低。位移(A1)为根据比对第一、二比较矩阵所计算出来的估算位移，因为此估算位移可能因感测质量等因素影响，须通过权重(P1)以调整其可靠程度。当异或运算全部相加值较低时，代表两比较矩阵间相似度较高，其估算位移的可靠程度较高，故手指运动轨迹(B+A1×P1)中，位移(A1)所占的比例较高。当异或运算全部相加值较高时，代表两比较矩阵间相似度较低，其估算位移的可靠程度较低，故手指运动轨迹(B+A1×P1)中，位移(A1)所占的比例较低。
一实施例中，前述的根据前后转换的纹理识别矩阵，以计算手指运动轨迹的步骤，包含：根据前后依序转换的第一比较矩阵、第二比较矩阵、第三比较矩阵、第四比较矩阵，其分别选取于第一纹理识别矩阵、第二纹理识别矩阵、第三纹理识别矩阵、以及第四纹理识别矩阵中。第一比较矩阵与第二比较矩阵间具有一第一位移(A1)、第二比较矩阵与第三比较矩阵间具有一第二位移(A2)、以及第三比较矩阵与第四比较矩阵间具有的一第三位移(A3)。当第一位移(A1)与第三位移(A3)的垂直与水平位移方向相同，而第二位移(A2)与第一、三位移(A1、A3)的垂直或水平位移方向相反，其中手指运动轨迹(B+A1+A3)，为第一比较矩阵的原始手指运动轨迹(B)，加上第一位移(A1)与第三位移(A3)，其中手指运动轨迹(B+A1+A3)不包含第二位移(A2)。因光学识别过程中，可能因噪声或环境光改变，而造成第二位移(A2)误判，故手指运动轨迹(B+A1+A3)不包含第二位移(A2)。此误判的状况，可为一位移的方向与前后的位移方向相反，此位移可能为误判，故手指运动轨迹中不包含此位移。
由前述的实施例可知，本发明的特点包含：进行像素与像素间相似性比对，以决定生理特征，比对所需像素较少，其所需计算资源与电路元件十分简单。
就其中一个观点言，本发明提供了一种光学识别系统10，用以感测一生理特征。参照图12，光学识别系统10包含：一传感器11，包含一光源111以及一感测单元112，光源111投射至生理部位以产生一反射光，感测单元112接收反射光以产生多个原始影像；一纹理获取器12，根据原始影像以产生对应的多个斜纹信息，纹理获取器12转换斜纹信息为多个纹理识别矩阵；以及一计算器13，根据前后转换的纹理识别矩阵，以计算生理特征。
一实施例中，生理部位包含一手指或一虹膜，其对应的生理特征分别包含一指纹特征、一手指运动轨迹、或一虹膜特征。此外，根据本发明，对应的生理特征不限于手指运动轨迹。一实施例中，当生理部位为一手掌，其对应的生理特征可为一手势轨迹、或一手势方向。
一实施例中，纹理获取器根据原始影像，又产生对应的多个直纹信息，纹理获取器转换斜纹信息与直纹信息为纹理识别矩阵，以计算手指运动轨迹。
前述的纹理获取器，具有根据原始影像，以产生斜纹信息，并转换斜纹信息为纹理识别矩阵的特征。根据原始影像以产生斜纹信息，并转换斜纹信息为纹理识别矩阵的详细操作说明，可参照前述光学识别方法的说明，于此不详述。
以上已针对较佳实施例来说明本发明，但是以上所述，只为使本领域技术人员易于了解本发明的内容，并非用来限定本发明的权利范围。在本发明的相同精神下，本领域技术人员可以想到各种等效变化。各实施例中图标直接连接的两电路或元件间，可插置不影响主要功能的其他电路或元件，仅需对应修改相关电路或是信号的意义即可。但凡此类，都可根据本发明的教示类推而得，因此，本发明的范围应涵盖上述及其他所有等效变化。前述的各个实施例，并不限于单独应用，也可以组合应用，例如但不限于将两实施例并用，或是以其中一个实施例的局部电路代换另一实施例的对应电路。

Claims (24)

1.一种光学识别方法，用以感测一生理特征，其特征在于，包含：
投射光至一生理部位以产生一反射光；
通过一感测单元接收该反射光，以产生至少一原始影像；
根据该至少一原始影像以产生对应的多个斜纹信息；
转换该些斜纹信息为至少一纹理识别矩阵；以及
根据该纹理识别矩阵，以决定该生理特征；
其中，该感测单元具有一水平方向与一垂直方向，各该斜纹信息具有一正斜率纹理或一负斜率纹理，其中该正斜率纹理对应于该水平方向与该垂直方向，具有介于零与正无限大之间的一正斜率；该负斜率纹理对应于该水平方向与该垂直方向，具有介于零与负无限大之间的一负斜率。
2.权利要求1所述的光学识别方法，其中，该生理部位包含一手指、一手掌、或一虹膜，其对应的该生理特征分别包含一指纹特征、一手指运动轨迹、一手势轨迹、一手势方向、或一虹膜特征。
3.权利要求1所述的光学识别方法，其中，该原始影像具有一像素矩阵，而前述的根据该至少一原始影像以产生对应的该些斜纹信息的步骤包含：于该像素矩阵中选取一像素取样矩阵，该像素取样矩阵包含一中心像素、以及依照该水平方向与该垂直方向围绕该中心像素的右上角像素、右下角像素、左上角像素、与左下角像素；以及根据该像素取样矩阵，以获取该像素取样矩阵对应的该斜纹信息。
4.权利要求3所述的光学识别方法，其中，该原始影像具有多个水平像素列，该些水平像素列于该水平方向上具有多个位像素，该些水平像素列于该垂直方向上排列以形成该像素矩阵，该像素取样矩阵包含该中心像素、该右上角像素、该右下角像素、该左上角像素、与该左下角像素，以使该像素取样矩阵形成一方形像素矩阵。
5.权利要求3所述的光学识别方法，其中，前述的根据该至少一原始影像以产生对应的该些斜纹信息的步骤还包含：将该像素取样矩阵转换为一特征矩阵，其中该特征矩阵于该水平方向与该垂直方向，具有相同数目的水平元素列与垂直元素列，其中同一该水平元素列内元素的位值相加总和为零，以及同一该垂直元素列内元素的位值相加总和为零。
6.权利要求5所述的光学识别方法，其中，前述的根据该至少一原始影像以产生对应的该些斜纹信息的步骤还包含：通过一屏蔽矩阵，与各该特征矩阵进行卷积运算，以产生对应各该像素取样矩阵的该斜纹信息。
7.权利要求6所述的光学识别方法，其中，前述的产生对应各该像素取样矩阵的该斜纹信息的步骤包含：将对应各该像素取样矩阵的该卷积运算值，转换为单个1位斜纹信息。
8.权利要求6所述的光学识别方法，其中，前述的转换该些斜纹信息为该至少一纹理识别矩阵的步骤包含：将对应各该像素取样矩阵的该斜纹信息，转换为原始影像该纹理识别矩阵中对应于该原始影像的元素位置的该斜纹信息。
9.权利要求6所述的光学识别方法，还包含：获取各该像素取样矩阵中对应的一直纹信息，该直纹信息包含对应于该垂直方向的垂直纹信息、或对应于该水平方向的水平纹信息；以及将各该像素取样矩阵中对应的该斜纹信息或该直纹信息，转换为单个2位信息。
10.权利要求9所述的光学识别方法，其中，前述的根据该像素取样矩阵，以获取该像素取样矩阵对应的该直纹信息的步骤，包含：通过一水平屏蔽矩阵与一垂直屏蔽矩阵，与各该特征矩阵进行卷积运算，以产生对应该像素取样矩阵的该直纹信息。
11.权利要求1所述的光学识别方法，其中，该至少一原始影像包含多个该原始影像，该至少一纹理识别矩阵包含依序获取自该些原始影像的多个该纹理识别矩阵，该生理部位为一手指，该生理特征为一手指运动轨迹，其中，前述的根据该纹理识别矩阵，以决定该生理特征的步骤包含：根据前后转换的该些纹理识别矩阵，以计算该手指运动轨迹。
12.权利要求11所述的光学识别方法，其中，各该原始影像具有一像素矩阵，前述的根据该些原始影像以产生对应的该些斜纹信息的步骤包含：于该像素矩阵中选取一像素取样矩阵，该像素取样矩阵包含一中心像素、以及依照该水平方向与该垂直方向围绕该中心像素的右上角像素、右下角像素、左上角像素、与左下角像素；以及将该像素取样矩阵，转换为一特征矩阵，该特征矩阵于该水平方向与该垂直方向，具有相同数目的水平元素列与垂直元素列，其中同一该水平元素列内元素的位值相加总和为零，以及同一该垂直元素列内元素的位值相加总和为零；通过一屏蔽矩阵，与各该特征矩阵进行卷积运算，以产生对应各该像素取样矩阵的该斜纹信息；将各该像素取样矩阵的该卷积运算值，转换为单个1位斜纹信息。
13.权利要求12所述的光学识别方法，其中，该些纹理识别矩阵包含先转换的一第一纹理识别矩阵，以及其后转换的一第二纹理识别矩阵，其中前述的根据前后转换的该些纹理识别矩阵，以计算该手指运动轨迹的步骤，包含：于该第一纹理识别矩阵内选取一第一比较矩阵，并于其后的该第二纹理识别矩阵内选取与该第一比较矩阵具有相同矩阵维度且不同位置的多个第二比较矩阵，将该第一比较矩阵与该些第二比较矩阵中对应位置的该些1位斜纹信息分别进行比对，以计算该手指运动轨迹。
14.权利要求13所述的光学识别方法，其中，该1位斜纹信息为0或1，而前述该第一比较矩阵与该些第二比较矩阵中对应位置的1位斜纹信息分别进行比对的步骤，包含：逐次将该第一比较矩阵与各该第二比较矩阵中对应位置的该些1位斜纹信息进行异或运算，并将该些异或运算值全部相加，全部相加值中最小的该第二比较矩阵，为对应于该第二纹理识别矩阵中该手指的移动位置。
15.权利要求14所述的光学识别方法，其中，当该第一比较矩阵与各该第二比较矩阵中该些1位斜纹信息异或运算该全部相加值中，具有一最小值，且该最小值低于一第一阈值时，具有该最小值的该第二比较矩阵，为对应于该第二纹理识别矩阵中该手指的移动位置；或当该第一比较矩阵与该第二比较矩阵的该些1位斜纹信息异或运算的该全部相加值中的一最小值，高于一第一阈值时，选取该第二纹理识别矩阵的后转换的一第三纹理识别矩阵，于该第三纹理识别矩阵中选取与该第二比较矩阵具有相同矩阵维度且不同位置的多个第三比较矩阵，将该第二比较矩阵与各该第三比较矩阵中该些1位斜纹信息进行异或运算，以计算对应于该第二、三纹理识别矩阵间的该手指的移动位置。
16.权利要求15所述的光学识别方法，其中，当该第一比较矩阵与各该第二比较矩阵的该些1位斜纹信息异或运算的该全部相加值中，且具有最小值的该第二比较矩阵所对应于该第二纹理识别矩阵中该手指的位置，等同于该第一比较矩阵对应于该第一纹理识别矩阵该中手指的位置时，选取该第二纹理识别矩阵的后转换的一第三纹理识别矩阵，于该第三纹理识别矩阵中选取与该第一比较矩阵具有相同矩阵维度且不同位置的多个第三比较矩阵，将该第一比较矩阵与该些第三比较矩阵中对应位置的多个1位斜纹信息进行异或运算，以计算对应于该第一、三纹理识别矩阵间该手指运动轨迹。
17.权利要求15所述的光学识别方法，其中，前述的根据前后转换的该些纹理识别矩阵，以计算该手指运动轨迹的步骤，还包含：根据该第一比较矩阵与该第二比较矩阵，以产生该第一、二比较矩阵间的一位移(A1)，其中该手指运动轨迹(B+A1×P1)，为到该第一比较矩阵为止的原始手指运动轨迹(B)，加上该位移(A1)乘以权重(P1)，该权重(P1)对应于该第一比较矩阵与具有该最小值的该第二比较矩阵中对应位置的1位斜纹信息的异或运算全部相加值，其中该异或运算全部相加值越低时，该权重(P1)越高；或者，该异或运算全部相加值越高时，该权重(P1)越低。
18.权利要求15所述的光学识别方法，其中，前述的根据前后转换的该些纹理识别矩阵，以计算该手指运动轨迹的步骤，包含：根据前后依序转换的第一比较矩阵、第二比较矩阵、对应该第二纹理识别矩阵的后转换的一第三纹理识别矩阵的第三比较矩阵、对应该第三纹理识别矩阵的后转换的一第四纹理识别矩阵的第四比较矩阵，以分别产生该第一比较矩阵与该第二比较矩阵间的一第一位移(A1)、该第二比较矩阵与该第三比较矩阵间的一第二位移(A2)、以及该第三比较矩阵与该第四比较矩阵间的一第三位移(A3)，其中当该第一位移(A1)与该第三位移(A3)的垂直与水平位移方向相同，且该第二位移(A2)与该第一、三位移(A1、A3)的垂直或水平位移方向相反时，该手指运动轨迹(B+A1+A3)，为该第一比较矩阵的原始手指运动轨迹(B)，加上该第一位移(A1)与该第三位移(A3)，其中，该手指运动轨迹(B+A1+A3)中不包含该第二位移(A2)。
19.一种光学识别系统，用以感测一生理特征，其特征在于，包含：
一传感器，包含一光源以及一感测单元，该光源投射至该生理部位以产生一反射光，该感测单元接收该反射光以产生至少一原始影像；
一纹理获取器，根据该至少一原始影像以产生对应的多个斜纹信息，该纹理获取器转换该些斜纹信息为至少一纹理识别矩阵；以及
一计算器，根据前后转换的该至少一纹理识别矩阵，以计算该生理特征；
其中，该感测单元具有一水平方向与一垂直方向，各该斜纹信息具有一正斜率纹理或一负斜率纹理，其中该正斜率纹理对应于该水平方向与该垂直方向，具有介于零与正无限大之间的一正斜率；该负斜率纹理对应于该水平方向与该垂直方向，具有介于零与负无限大之间的一负斜率。
20.权利要求19所述的光学识别系统，其中，该生理部位包含一手指、一手掌、或一虹膜，其对应的该生理特征分别包含一指纹特征、一手指运动轨迹、一手势轨迹、一手势方向、或一虹膜特征。
21.权利要求19所述的光学识别系统，其中，该原始影像具有一像素矩阵，其中，该纹理获取器于该像素矩阵中选取一像素取样矩阵，该像素取样矩阵包含一中心像素、以及依照该水平方向与该垂直方向围绕该中心像素的右上角像素、右下角像素、左上角像素、与左下角像素，该纹理获取器根据该像素取样矩阵，以获取该像素取样矩阵对应的该斜纹信息。
22.权利要求21所述的光学识别系统，其中，该原始影像具有多个水平像素列，该些水平像素列于该水平方向上具有多个位像素，该些水平像素列于该垂直方向上排列以形成该像素矩阵，其中，该像素取样矩阵包含该中心像素、以及该右上角像素、该右下角像素、该左上角像素、与该左下角像素，以使该像素取样矩阵形成一方形像素矩阵。
23.权利要求21所述的光学识别系统，其中，该纹理获取器将该像素取样矩阵转换为一特征矩阵，该特征矩阵于该水平方向与该垂直方向，具有相同数目的水平元素列与垂直元素列，其中同一该水平元素列内的位元素相加总和为零，以及同一该垂直元素列内的位元素相加总和为零。
24.权利要求20所述的光学识别系统，其中，该纹理获取器，根据该至少一原始影像又产生对应的多个直纹信息，各该直纹信息包含对应于该垂直方向的垂直纹信息、或对应于该水平方向的水平纹信息，该纹理获取器转换该些斜纹信息与该些直纹信息为该些纹理识别矩阵，以计算该手指特征。
CN201710659669.5A 2016-12-30 2017-08-04 光学识别方法与系统 Active CN108268829B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US201662440746P 2016-12-30 2016-12-30
US62/440,746 2016-12-30

Publications (2)

Publication Number Publication Date
CN108268829A true CN108268829A (zh) 2018-07-10
CN108268829B CN108268829B (zh) 2021-03-30

Family

ID=62770899

Family Applications (6)

Application Number Title Priority Date Filing Date
CN201710659669.5A Active CN108268829B (zh) 2016-12-30 2017-08-04 光学识别方法与系统
CN201710661554.XA Active CN108261195B (zh) 2016-12-30 2017-08-04 实时心跳检测方法及实时心跳检测系统
CN201710660643.2A Active CN108268830B (zh) 2016-12-30 2017-08-04 光学识别方法
CN201710804079.7A Active CN108270975B (zh) 2016-12-30 2017-09-08 图像感测的曝光时间决定方法
CN201710806124.2A Pending CN108270976A (zh) 2016-12-30 2017-09-08 具有滚动曝光时间补偿的图像感测方法与图像传感器
CN201710806082.2A Active CN108269239B (zh) 2016-12-30 2017-09-08 图像的亮度不均匀性的更正方法及相关图像亮度更正装置

Family Applications After (5)

Application Number Title Priority Date Filing Date
CN201710661554.XA Active CN108261195B (zh) 2016-12-30 2017-08-04 实时心跳检测方法及实时心跳检测系统
CN201710660643.2A Active CN108268830B (zh) 2016-12-30 2017-08-04 光学识别方法
CN201710804079.7A Active CN108270975B (zh) 2016-12-30 2017-09-08 图像感测的曝光时间决定方法
CN201710806124.2A Pending CN108270976A (zh) 2016-12-30 2017-09-08 具有滚动曝光时间补偿的图像感测方法与图像传感器
CN201710806082.2A Active CN108269239B (zh) 2016-12-30 2017-09-08 图像的亮度不均匀性的更正方法及相关图像亮度更正装置

Country Status (2)

Country Link
CN (6) CN108268829B (zh)
TW (6) TW201822709A (zh)

Families Citing this family (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110876055B (zh) * 2018-08-30 2021-04-09 菱光科技股份有限公司 外部触发的线性相机检测系统及其影像均匀度处理方法
CN110443204A (zh) * 2018-10-11 2019-11-12 神盾股份有限公司 发光信号强度控制方法及电子装置
US10755065B2 (en) * 2018-12-03 2020-08-25 Novatek Microelectronics Corp. Sensor device and flicker noise mitigating method
CN109637505B (zh) * 2018-12-21 2020-11-17 苏州依唯森电器有限公司 四琴弦式中提琴
CN109901754B (zh) * 2019-02-20 2021-04-13 Oppo广东移动通信有限公司 数据自校准方法及相关装置
CN110672621B (zh) * 2019-10-10 2021-03-05 清华大学 基于光照亮度调整的汽车涂装表面缺陷图像质量优化方法
TWI739431B (zh) * 2019-12-09 2021-09-11 大陸商廣州印芯半導體技術有限公司 資料傳輸系統及其資料傳輸方法
CN215647069U (zh) * 2020-07-23 2022-01-25 神盾股份有限公司 影像感测装置
CN112272293A (zh) * 2020-10-28 2021-01-26 业成科技（成都）有限公司 影像处理方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1664847A (zh) * 2005-03-17 2005-09-07 上海交通大学 嵌入式系统指纹的识别与匹配方法
CN103077377A (zh) * 2012-12-31 2013-05-01 清华大学 基于方向场分布的指纹校正方法
CN103258156A (zh) * 2013-04-11 2013-08-21 杭州电子科技大学 一种基于指纹特征生成密钥的方法
US20140226879A1 (en) * 2013-02-08 2014-08-14 Apple Inc. Fingerprint Imaging and Quality Characterization
US20160274670A1 (en) * 2015-03-20 2016-09-22 Optim Corporation Gesture input apparatus, gesture input method, and program for wearable terminal
CN106127134A (zh) * 2016-06-20 2016-11-16 联想(北京)有限公司 光学装置、电子设备及其控制方法

Family Cites Families (42)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003032453A (ja) * 2001-07-12 2003-01-31 Canon Inc 画像処理装置
US7505604B2 (en) * 2002-05-20 2009-03-17 Simmonds Precision Prodcuts, Inc. Method for detection and recognition of fog presence within an aircraft compartment using video images
EP1512123B1 (en) * 2002-06-12 2009-10-07 Silicon Optix Inc. System and method for electronic correction of optical anomalies
FI116246B (fi) * 2003-06-30 2005-10-14 Nokia Corp Menetelmä ja järjestelmä digitaalisessa kuvannuksessa valotuksen säätämiseksi ja vastaava laite
EP2151191B1 (en) * 2003-07-04 2017-02-22 Panasonic Intellectual Property Corporation of America Living eye judging method and device
CN1529277A (zh) * 2003-10-16 2004-09-15 王立丰 自动感应活体手指的光学指纹采集仪
CN1317671C (zh) * 2003-11-26 2007-05-23 佳能株式会社 信号处理设备和控制方法
JP2006230603A (ja) * 2005-02-23 2006-09-07 Canon Inc 撮像装置、生体認証システム及び画像取得方法
JP4247691B2 (ja) * 2006-05-17 2009-04-02 ソニー株式会社 登録装置、照合装置、登録方法、照合方法及びプログラム
CN103902974A (zh) * 2006-07-31 2014-07-02 光谱辨识公司 空间-光谱指纹欺骗检测
WO2008075136A1 (en) * 2006-12-20 2008-06-26 Nokia Corporation Exposure control based on image sensor cost function
CN100446036C (zh) * 2006-12-27 2008-12-24 浙江大学 一种基于累计直方图的非线性亮度校正方法
US8055070B2 (en) * 2007-01-05 2011-11-08 Geo Semiconductor Inc. Color and geometry distortion correction system and method
US8031925B2 (en) * 2007-01-09 2011-10-04 The Board Of Regents Of The University Of Texas System Method and computer-program product for detecting and quantifying protein spots
US7953256B2 (en) * 2007-09-21 2011-05-31 International Business Machines Corporation Method and system for detecting fingerprint spoofing
CN101399924B (zh) * 2007-09-25 2010-05-19 展讯通信（上海）有限公司 基于亮度直方图的自动曝光方法和装置
CN101494739B (zh) * 2009-02-09 2011-09-28 胡燕翔 一种多次曝光组合中曝光次数确定及曝光时间分配的方法
CN101989156B (zh) * 2010-10-08 2012-08-15 苏州佳世达电通有限公司 校正影像感测器的感测亮度的方法
US20120157791A1 (en) * 2010-12-16 2012-06-21 General Electric Company Adaptive time domain filtering for improved blood pressure estimation
CN104270582B (zh) * 2011-03-03 2017-08-22 原相科技股份有限公司 图像传感器
CN102156868B (zh) * 2011-03-31 2013-03-13 汉王科技股份有限公司 图像二值化方法和装置
JP2012222529A (ja) * 2011-04-06 2012-11-12 Sony Corp 固体撮像素子および駆動方法、並びに電子機器
US9077917B2 (en) * 2011-06-09 2015-07-07 Apple Inc. Image sensor having HDR capture capability
CN102222225B (zh) * 2011-06-24 2012-12-05 洛阳师范学院 一种手指静脉图像防伪获取方法
EP2739207B1 (en) * 2011-08-02 2017-07-19 Valencell, Inc. Systems and methods for variable filter adjustment by heart rate metric feedback
CN103083005B (zh) * 2011-11-01 2015-05-13 北京瓦力网络科技有限公司 一种心率检测的方法
TWI476641B (zh) * 2011-11-22 2015-03-11 Pixart Imaging Inc 遙控器及顯示系統
WO2013128617A1 (ja) * 2012-03-01 2013-09-06 株式会社日本マイクロニクス 表示デバイスの表示むら検出方法及びその装置
US9191635B2 (en) * 2012-03-19 2015-11-17 Semiconductor Components Industries, Llc Imaging systems with clear filter pixels
US9743057B2 (en) * 2012-05-31 2017-08-22 Apple Inc. Systems and methods for lens shading correction
US20130332195A1 (en) * 2012-06-08 2013-12-12 Sony Network Entertainment International Llc System and methods for epidemiological data collection, management and display
TWI489865B (zh) * 2012-11-13 2015-06-21 Pixart Imaging Inc 曝光調整裝置、影像均化裝置及影像均化方法
KR101883037B1 (ko) * 2013-01-15 2018-07-27 아비질론 코포레이션 장면 적응적 자동 노출 보상을 이용하는 이미징 장치
ITMI20130104A1 (it) * 2013-01-24 2014-07-25 Empatica Srl Dispositivo, sistema e metodo per la rilevazione e il trattamento di segnali di battito cardiaco
CN103530848A (zh) * 2013-09-27 2014-01-22 中国人民解放军空军工程大学 一种非均匀光照图像二次曝光的实现方法
CN104331683B (zh) * 2014-10-17 2017-07-07 南京工程学院 一种具有噪声鲁棒性的人脸表情识别方法
TWI512270B (zh) * 2015-01-13 2015-12-11 Pixart Imaging Inc 具動態曝光時間的光學測距系統
TWI537875B (zh) * 2015-04-08 2016-06-11 大同大學 影像合成方法與影像處理裝置
CN105635359B (zh) * 2015-12-31 2018-10-26 宇龙计算机通信科技(深圳)有限公司 心率测量方法及装置、终端
CN105877730B (zh) * 2016-03-21 2019-07-26 联想(北京)有限公司 一种心率检测方法、装置及电子设备
CN105847708B (zh) * 2016-05-26 2018-09-21 武汉大学 基于图像直方图分析的线阵相机自动曝光调整方法及系统
CN106060658B (zh) * 2016-05-27 2019-06-14 青岛海信电器股份有限公司 一种图像处理方法及装置

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1664847A (zh) * 2005-03-17 2005-09-07 上海交通大学 嵌入式系统指纹的识别与匹配方法
CN103077377A (zh) * 2012-12-31 2013-05-01 清华大学 基于方向场分布的指纹校正方法
US20140226879A1 (en) * 2013-02-08 2014-08-14 Apple Inc. Fingerprint Imaging and Quality Characterization
CN103258156A (zh) * 2013-04-11 2013-08-21 杭州电子科技大学 一种基于指纹特征生成密钥的方法
US20160274670A1 (en) * 2015-03-20 2016-09-22 Optim Corporation Gesture input apparatus, gesture input method, and program for wearable terminal
CN106127134A (zh) * 2016-06-20 2016-11-16 联想(北京)有限公司 光学装置、电子设备及其控制方法

Also Published As

Publication number Publication date
CN108261195B (zh) 2020-12-11
CN108269239B (zh) 2021-03-30
CN108261195A (zh) 2018-07-10
CN108270975A (zh) 2018-07-10
TW201841493A (zh) 2018-11-16
CN108269239A (zh) 2018-07-10
CN108270976A (zh) 2018-07-10
TW201824081A (zh) 2018-07-01
TWI629643B (zh) 2018-07-11
TW201824857A (zh) 2018-07-01
CN108270975B (zh) 2020-09-15
TW201822709A (zh) 2018-07-01
TW201826164A (zh) 2018-07-16
CN108268830B (zh) 2021-03-30
TWI629904B (zh) 2018-07-11
CN108268830A (zh) 2018-07-10
TWI629645B (zh) 2018-07-11
TW201824068A (zh) 2018-07-01
CN108268829B (zh) 2021-03-30

Similar Documents

Publication Publication Date Title
CN108268829A (zh) 光学识别方法与系统
US9270386B2 (en) Error detecting and correcting structured light patterns
CN103870026B (zh) 具有游标旋转能力的光学鼠标、仪器、移动检测器与方法
KR20170029002A (ko) 컴퓨팅 디바이스들 간의 정보를 송신하기 위한 비가시적인 광학 라벨
CN108288253B (zh) Hdr图像生成方法及装置
TW200810814A (en) Object-based 3-dimensional stereo information generation apparatus and method, and an interactive system using the same
JP2016515246A (ja) 可変解像度デプス表現
US20110216011A1 (en) Remote control system for electronic device and remote control method thereof
CN102622108A (zh) 一种交互式投影系统及其实现方法
TW201423478A (zh) 手勢判斷裝置、其操作方法與手勢判斷方法
CN109754461A (zh) 图像处理方法及相关产品
CN109782962A (zh) 一种投影交互方法、装置、系统及终端设备
CN105574533A (zh) 一种图像特征提取方法和装置
CN107301366A (zh) 一种嵌码视频中图形码的解码方法及装置
Dai et al. Making any planar surface into a touch-sensitive display by a mere projector and camera
TWI493425B (zh) 近平面物體感測裝置及感測方法
CN109743566A (zh) 一种用于识别vr视频格式的方法与设备
CN107357422B (zh) 摄像机-投影交互触控方法、装置及计算机可读存储介质
CN101452349A (zh) 影像显示装置上的光标控制装置、方法及影像系统
US8879827B2 (en) Analyzing structured light patterns
KR20080037315A (ko) 포인터 이동 제어 장치를 포함하는 전자기기
CN109741420A (zh) 一种区域填充方法、装置、电子设备及存储介质
US9273955B2 (en) Three-dimensional data acquisition
CN107728857A (zh) 光学膜片以及用户输入系统
CN102929434B (zh) 投影系统与其影像处理方法

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
TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20191010

Address after: Maai Island, Seychelles

Applicant after: Seychelles water wood technology Co.,Ltd.

Address before: Hsinchu County, Taiwan, China

Applicant before: EOSMEM Corp.

TA01 Transfer of patent application right

Effective date of registration: 20200807

Address after: 2nd floor, building 1, 1998 Licheng middle Avenue, Longqiao street, Putian City, Fujian Province

Applicant after: Putian Jiemu Technology Co.,Ltd.

Address before: Maai Island, Seychelles

Applicant before: Seychelles water wood technology Co.,Ltd.

TA01 Transfer of patent application right
GR01 Patent grant
GR01 Patent grant
CP03 Change of name, title or address
CP03 Change of name, title or address

Address after: 351100 705-706, building a, Jiulong community, No. 999, lihuadong Avenue, Xialin street, Chengxiang District, Putian City, Fujian Province

Patentee after: Fujian Jiemu Technology Co.,Ltd.

Address before: 351100 floor 2, building 1, No. 1998, lichengzhong Avenue, Longqiao street, Putian City, Fujian Province

Patentee before: Putian Jiemu Technology Co.,Ltd.

TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20231107

Address after: Room 308 and Room 309, No. 268 Xiangke Road, China (Shanghai) Pilot Free Trade Zone, Pudong New Area, Shanghai, 201210

Patentee after: Shanghai Jieming Technology Co.,Ltd.

Address before: 351100 705-706, building a, Jiulong community, No. 999, lihuadong Avenue, Xialin street, Chengxiang District, Putian City, Fujian Province

Patentee before: Fujian Jiemu Technology Co.,Ltd.