CN108537106B - 指纹检测方法及其电路 - Google Patents

指纹检测方法及其电路 Download PDF

Info

Publication number
CN108537106B
CN108537106B CN201810141588.0A CN201810141588A CN108537106B CN 108537106 B CN108537106 B CN 108537106B CN 201810141588 A CN201810141588 A CN 201810141588A CN 108537106 B CN108537106 B CN 108537106B
Authority
CN
China
Prior art keywords
value
fingerprint
dimensional
detection
representative value
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201810141588.0A
Other languages
English (en)
Other versions
CN108537106A (zh
Inventor
陈政雄
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.)
Image Match Design Inc
Original Assignee
Image Match Design 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 Image Match Design Inc filed Critical Image Match Design Inc
Publication of CN108537106A publication Critical patent/CN108537106A/zh
Application granted granted Critical
Publication of CN108537106B publication Critical patent/CN108537106B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/12—Fingerprints or palmprints
    • G06V40/13—Sensors therefor
    • G06V40/1306—Sensors therefor non-optical, e.g. ultrasonic or capacitive sensing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/12—Fingerprints or palmprints
    • G06V40/13—Sensors therefor
    • 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
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/50—Extraction of image or video features by performing operations within image blocks; by using histograms, e.g. histogram of oriented gradients [HoG]; by summing image-intensity values; Projection analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/98—Detection or correction of errors, e.g. by rescanning the pattern or by human intervention; Evaluation of the quality of the acquired patterns
    • G06V10/993—Evaluation of the quality of the acquired pattern
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
    • G06V30/10—Character recognition
    • G06V30/14—Image acquisition
    • G06V30/144—Image acquisition using a slot moved over the image; using discrete sensing elements at predetermined points; using automatic curve following means
    • 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
    • G06V40/1376—Matching features related to ridge properties or fingerprint texture
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/12—Fingerprints or palmprints
    • G06V40/1382—Detecting the live character of the finger, i.e. distinguishing from a fake or cadaver finger
    • G06V40/1388—Detecting the live character of the finger, i.e. distinguishing from a fake or cadaver finger using image processing

Landscapes

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

Abstract

本发明提供一种指纹检测方法及其电路。该指纹检测方法，包括：在使用标准的第一参数进行第一次边缘检测后，若该第一次边缘检测所得到的第一数值不符合预设值，则改用第二参数进行第二次边缘检测，以使不适用该标准的第一参数的指纹可以进入指纹辨识程序。若该第二次边缘检测所得到的第二数值仍不符合该预设值，则判定触碰的物件并非手指。本发明可适用各种手指的指纹。

Description

指纹检测方法及其电路
技术领域
本发明有关一种指纹检测方法，特别是有关一种能适用各种手指的指纹检测方法及其电路。
背景技术
利用指纹进行身份辨识将手指按压于感测电路上以取得二维模拟图像，再将该二维模拟图像转换为二维的数字图像数据，例如二维的像素数据，之后读取整个该二维的图像数据进行身份辨识。然而，在该感测电路取得二维模拟图像后，还需要判断取得的二维模拟图像是否为手指的指纹图像，在确认取得的二维模拟图像为手指的指纹图像后，才进行身份辨识，以避免误操作。目前的方法是使用一预设的标准参数来判断是否为手指的指纹图像，此标准参数虽然可以适用大多数人，但仍有一部分人的手指因较干燥或指纹较不明显而无法适用此标准参数，导致这些人的指纹无法通过认证。
因此，一种适用各种手指的指纹检测方法及其电路，乃为所冀。
发明内容
本发明的目的之一，在于提供一种适用各种手指的指纹检测方法及其电路。
本发明的目的之一，在于提供一种使用不同参数分别进行二次边缘检测的指纹检测方法及其电路。
根据本发明，一种指纹检测方法包括在判定有物件触碰后，先使用一第一参数对指纹图像产生装置输出的一图像数据进行第一次边缘检测以判断该物件是否为手指，在该第一次边缘检测所得到的第一数值不符合一预设值时，使用一第二参数对该图像数据进行第二次边缘检测，当该第二次边缘检测所得到的第二数值不符合该预设值时，判定该物件并非手指。
根据本发明，一种指纹检测电路包括一指纹图像产生装置及一手指检测电路。该手指检测电路先使用一第一参数对该指变图像产生装置输出的图像数据进行第一次边缘检测，在该第一次边缘检测所得到的第一数值不符合一预设值时，该手指检测电路再使用一第二参数对该图像数据进行第二次边缘检测，当该第二次边缘检测所得到的第二数值不符合该预设值时，该手指检测电路判定该物件并非手指。
本发明的指纹检测方法及电路在第二次边缘检测时，选用较合适的第二参数以使特殊手指的指纹可以进入指纹辨识程序，较佳者，该第二参数可以通过第一次边缘检测所产生的数据来决定。
本发明可适用各种手指的指纹。
附图说明
图1显示本发明指纹检测方法的第一实施例；
图2显示本发明指纹检测电路的实施例；
图3为图1中步骤S10的实施例；
图4为图1中步骤S14的实施例；
图5显示图2中手指检测电路的实施例；
图6为图5中处理单元的实施列；以及
图7显示本发明应用水滴检测及水气检测的实施例。
附图标号
10 指纹图像产生装置
12 感测电路
122 扫描阵列
124 感测单元
14 模拟数字转换器
16 抖动检测电路
18 手指检测电路
20 自动增益控制电路
22 AGC计算单元
24 增益偏移计算单元
26 扫图截取电路
30 模拟图像
32 二维数据
34 图像数据
36 读取单元
38 一维数据段
40 一维数据段
42 处理单元
44 检测单元
46 检测单元
48 旗标单元
50 判断单元
52 位移单元
54 比较单元
具体实施方式
图1显示本发明指纹检测方法的第一实施例，图2显示本发明指纹检测电路的实施例。在图2的指纹检测电路中，指纹图像产生装置10包含感测电路12及模拟数字转换器(Analog-to-Digital Converter；ADC)14，其中感测电路12还包括由多个感测单元124组成的扫描阵列122，感测电路12驱动扫描阵列122而产生一模拟图像，ADC14会将模拟图像转换为数字的图像数据。抖动检测电路16会根据感测电路12输出的图像数据判断是否有物件触碰，如图1的步骤S10。判断是否有物件触碰的方式有很多，例如抖动检测电路16可以比较感测电路12前后二次扫描输出的图像数据以判断是否有物件触碰。图3为图1中步骤S10的实施例，为了降低耗电，在无物件触碰的情况下，控制器28可以命令感测电路12进入省电模式，此时感测电路12只选择扫描阵列122的其中一列或一部分进行扫描，如步骤S102，然后比较前后二次扫描得到的图像数据是否有差异，如步骤S104，若无差异表示无物件触碰并回到步骤S102，若有差异表示有物件触碰，进入步骤S12。较佳者，在图3的步骤S102中，选择扫描阵列中的中心列r5进行扫描，此外，前一次扫描得到的图像数据会先暂存起来，等取得后一次扫描的图像数据后，再进行步骤S104，比较前后二次扫描得到的图像数据是否有差异。前后二次扫描的时间间隔可以自由设定，较佳者，该时间间隔为1秒。
在抖动检测电路16判定有物件触碰后，将送出信号至控制器28以启动手指检测电路18判断触碰的物件是否为手指。在省电模式下，控制器28启动手指检测电路18时，同时也会送出信号至指纹图像产生装置10，使感测电路12由省电模式进入检测模式。在检测模式中，控制器28可根据需要控制感测电路12对需要的列进行扫描以取得模拟图像，控制器28还可以根据需要控制ADC 14读取模拟图像中不同区域的数据产生图像数据。手指检测电路18在启动后，进行步骤S12从指纹图像产生装置10取得图像数据，接着进行步骤S14使用预设的第一参数对图像数据进行第一次边缘检测以得到第一数值，之后进行步骤S16比较第一数值是否符合一预设值。若第一数值符合预设值，表示物件为手指，手指检测电路18将送出信号给控制器28，控制器28因而启动扫图截取电路26以进入扫描模式，如步骤S22，扫图截取电路26在启动后开始接收图像数据并进行指纹辨识。相反的，在步骤S16中若第一数值不符合预设值，则执行步骤S18使用第二参数进行第二次边缘检测。
图4为图1中步骤S14的实施例，图5显示图2中手指检测电路18的实施例。在图5中，ADC 14接收到模拟图像30后，将其转换为具有N×N的数字的二维数据32，在此实施例中是以96×96的二维数据为例。由于ADC 14将模拟图像30转换为二维数据32后具有依序传送数据的特性，因此二维数据32可以整列输出以产生具有96列数据L1、L2……L96的图像数据34，每列数据L1、L2……L96包含96个一维数值。在图4的步骤S142中，图像数据34被划分为多个区域Z1、Z2及Z3，手指检测电路18的读取单元36连接ADC 14，以线性方式从多个区域Z1、Z2及Z3中至少一个读取部分数据得到多个一维数据段38或40，如步骤S144所示。每一个一维数据段38或40包含多个一维数值。在图5的实施例中，每一个区域Z1、Z2及Z3各包含32列数据，读取单元36以每4列读取1列的方式分别从区域Z1、Z2及Z3中读取部分数据以产生多个一维数据段，读取方式可以将列数据的96个一维数值一次读取形成一个一维数据段38，或者分多次读取形成多个一维数据段40，例如每次读取8个一维数值形成一维数据段40。在其他实施例中，读取单元36可以只读取其中一个区域的列数据，读取方式也不限于每4列读取1列，也可以是每8列读取1列、每2列读取1列或读取几个连续的列等模式。处理单元42连接读取单元36，以第一参数对多个一维的数据段38或40进行运算得到第一数值，如步骤S146所示。在此实施例中，图像数据34被划分为上中下三个区域，但本发明并不限于此种划分方式，其他的划分方式同样也适用，例如划分为左右两个区域。
图6为图5中处理单元42的实施列，其包括检测单元44及46、旗标单元48以及判断单元50。当读取单元36产生多个一维数据段40后，进行图4中的步骤S146，此时读取单元36依序提供一维数据段40给处理单元42，处理单元42根据多个一维数据段40判断物件是否为手指。由于手指产生的图像具有指纹边缘，且在该指纹边缘处具有明显的灰阶差异，因此通过检测多个一维数据段40中是否具有明显的灰阶差异，可得知多个一维数据段40中具有指纹边缘的一维数据段的比例或数量，进而判断物件是否为手指。当包括多个一维数值D0、D1、D2……D7的一维数据段40提供给处理单元42时，处理单元42的检测单元44从一维数值D0、D1、D2……D7中选取最小代表值MIN_OUT，处理单元42的检测单元46从一维数值D0、D1、D2……D7中选取最大代表值MAX_OUT，在本实施例中，选择一维数值D0、D1、D2……D7中的最小者作为最小代表值MIN_OUT，选择一维数值D0、D1、D2……D7中的第二大者作为最大代表值MAX_OUT，例如若一维数值D0、D1、D2、D3、D4、D5、D6及D7分别为0、70、200、150、120、60及40，则最小代表值MIN_OUT为0，最大代表值MAX_OUT为150，由于一维数值D0、D1、D2……D7中的最大者可能为噪声，因此选择一维数值中的第二大者作为最大代表值MAX_OUT，可避免噪声的影响，在其他实施例中，最小代表值MIN_OUT与最大代表值MAX_OUT可根据实际需求选取。旗标单元48连接检测单元44及46，比较最小代表值MIN_OUT及最大代表值MAX_OUT以判断一维数据段40是否具有指纹边缘，在一维数据段40具有指纹边缘时产生旗标F，例如在最大代表值MAX_OUT与最小代表值MIN_OUT之间的差值大于第一参数SET_1时，显示一维数据段40中具有明显的灰阶差异，亦即一维数据段40具有指纹边缘，旗标单元48产生旗标F，反之，若最大代表值MAX_OUT与最小代表值MIN_OUT之间的差值不大于第一参数SET_1，显示一维数据段40中不具有明显的灰阶差异，亦即一维数据段40不具有指纹边缘，旗标单元48不产生旗标F，例如当一维数据段40中最小代表值MIN_OUT及最大代表值MAX_OUT分别为0及150时，最大代表值MAX_OUT与最小代表值MIN_OUT之间的差值为150，若第一参数SET_1为100，则该差值大于第一参数SET_1，旗标单元48产生旗标F，若第一参数SET_1为160，则该差值不大于第一参数SET_1，旗标单元48不产生旗标F。在本实施例中，旗标单元48包括位移单元52以及比较单元54，位移单元52连接检测单元44，以第一参数SET_1位移最小代表值MIN_OUT产生位移代表值SH_OUT，比较单元54连接位移单元52及检测单元46，用以比较位移代表值SH_OUT与最大代表值MAX_OUT，在最大代表值MAX_OUT大于位移代表值SH_OUT时产生旗标F。在当前的一维数据段40运算完成后，检测单元44及46以及旗标单元48接着以与上述相同的方式运算下一个一维数据段40，直到所有的一维数据段40均运算完成。在所有的一维数据段都运算完成后，判断单元50计数旗标F的数量得到一第一数值，例如用旗标F的数量与多个一维数据段40的总数量的比值作为第一数值。在得到第一数值后进行图1的步骤S16判断物件是否为手指，当第一数值大于预设值TH_1时，即多个一维数据段40中具有指纹边缘的一维数据段所占的比例大于预设值TH_1，判定物件为手指，其中预设值TH_1可根据实际需求设定，例如当一维数据段40总数量为144且产生的旗标的数量为45时第一数值为45/144＝31.25％，若预设值TH_1设定为30％，则该第一数值大于预设值TH_1，判定物件为手指，接着进行步骤S22，若预设值TH_1设定为35％，则该第一数值不大于预设值TH_1，接着进行步骤S18使用第二参数进行第二次边缘检测。
在图1的步骤S18中，第二次边缘检测的流程及电路与第一次边缘检测相同，请参照图4至图6，差别只在于第二次边缘检测是使用第二参数SET_2取代第一参数SET_1进行运算，以产生第二数值。在得到第二数值后，接着进行步骤S20将所产生的第二数值与预设值TH_1比较，若第二数值符合预设值TH_1(即第二数值大于预设值TH_1)，则判定物件为手指并进行步骤S22，若第二数值不符合预设值TH_1(即第二数值小于预设值TH_1)，则进入步骤S24判定物件并非手指。
决定第二参数SET_2的方式有很多种，较佳者是根据第一次边缘检测所得到的数据来得到较准确的第二参数SET_2。参照图2，在进行第一次边缘检测时，手指检测电路18将运算得到的数据S4提供给自动增益控制(Automatic Gain Control；AGC)电路20，数据S4包含每个一维数据段38或40的最小代表值MIN_OUT及最大代表值MAX_OUT，AGC电路20的AGC计算单元22分析数据S4得到平均值agc_avg、最大值agc_max及最小值agc_min，手指检测电路18根据AGC计算单元22产生的平均值agc_avg、最大值agc_max及最小值agc_min决定第二参数值SET_2，例如根据这三个值缩放第一参数SET_1产生第二参数值SET_2。AGC电路20的增益偏移计算单元24也利用AGC计算单元22产生的平均值agc_avg、最大值agc_max及最小值agc_min决定信号给控制器28以控制ADC 14的增益，增益偏移计算单元24可以在ADC 14每次读取模拟图像时调整一次ADC 14的增益，也可以在ADC 14连续读取数张模拟图像后调整一次ADC 14的增益。AGC电路20为已知电路，故其详细电路及操作不再赘述。
达成边缘检测的方法有很多，图4、图5及图6所示的一维运算方法及电路只是其中一种，本发明也可以使用其他的边缘检测方法来实现，例如对二维数据32进行二维运算的传统边缘检测方法。达成手指检测的方法很多，边缘检测只是其中一种方法。
本发明也可以使用其他的方法来检测手指是否在上面，例如分析一整张图的中间区块的长条图(histogram)，也就是根据agc_max、agc_min、agc_avg等值将ADC 14的数据分布情况做统计计算，以总共100点来看，如果白点的比例小于40点或黑点的比例大于30点，则判断有手指在上面，这样的方法也可以滤除之前检测所残留的指纹。
在图2中，控制器28可以根据指纹检测分析后的状态控制ADC 14读取不同区域的数据，例如指纹太淡时要求读取中间8列数据，或者经过AGC电路20运算后调整ADC 14的增益，或者根据指纹扫描状态要求ADC电路14送出整张图档。
在指纹检测方法中，还有一些可以辨识异常图像的检测方法，例如水滴检测、水气检测及对称性检测，而这些辨识异常图像的检测方法也都可以应用在本发明中。图7显示本发明应用水滴检测及水气检测的实施例，图7的实施例与图1类似，差别在于手指检测电路18在步骤S14及步骤S18分别进行第一次及第二次边缘检测时，还分别同时进行水滴检测及水气检测。图7的步骤S14完成第一次边缘检测及水滴检测后，接着进行步骤S26先判断是否有检测到水滴，若有，则进入步骤S30判断图像异常并结束目前的工作，若没有，则进行步骤S16判断第一次边缘检测所产生的第一数值是否符合预设值。同样的，在图7的步骤S18完成第二次边缘检测及水气检测之后，进行步骤S28先判断是否有检测到水气，若有，则判定图像异常并结束目前的工作，若没有，则进行步骤S20判断第二次边缘检测所产生的第二数值是否符合预设值。在其他实施例中，水滴检测也可以在第二次边缘检测时进行，或者在第一次及第二次边缘检测各进行一次。水滴检测及水气检测皆为已知技术，故其操作不再赘述。
以上对于本发明的较佳实施例所作的叙述为阐明的目的，而无意限定本发明精确地为所揭露的形式，基于以上的教导或从本发明的实施例学习而作修改或变化是可能的，实施例为解说本发明的原理以及让本领域技术人员以各种实施例利用本发明在实际应用上而选择及叙述，本发明的技术思想企图由权利要求及其均等来决定。

Claims (27)

1.一种指纹检测方法，其特征在于，包括下列步骤：
在判定有物件触碰后，使用第一参数对指纹图像产生装置输出的图像数据进行第一次边缘检测，以判断该物件是否为手指，其中该指纹图像产生装置包含有扫描阵列用以扫描该物件；
在该第一次边缘检测所得到的第一数值不符合预设值时，使用第二参数对该图像数据进行第二次边缘检测；以及
当该第二次边缘检测所得到的第二数值不符合该预设值时，判定该物件并非手指。
2.如权利要求1所述的指纹检测方法，其特征在于，更包括只选择该扫描阵列的其中一列进行扫描，以判断是否有物件触碰。
3.如权利要求1所述的指纹检测方法，其特征在于，更包括下列步骤：
只选择该扫描阵列的其中一列进行前后二次扫描；以及
将该前后二次扫描结果互相比较，以判断是否有物件触碰。
4.如权利要求1所述的指纹检测方法，其特征在于，更包括只选择该扫描阵列的中心列进行扫描，以判断是否有物件触碰。
5.如权利要求1所述的指纹检测方法，其特征在于，更包括在该第一次边缘检测时，根据该第一次边缘检测所得到的数据进行自动增益控制计算得到一最大值、一最小值及一平均值以决定该第二参数。
6.如权利要求1所述的指纹检测方法，其特征在于，更包括对该图像数据进行水滴检测以判断该图像数据是否异常。
7.如权利要求1所述的指纹检测方法，其特征在于，更包括对该图像数据进行水气检测以判断该图像数据是否异常。
8.如权利要求1所述的指纹检测方法，其特征在于，该第一次边缘检测包括下列步骤：
将该图像数据划分为多个区域；
以线性方式从该多个区域中至少一个读取部分数据得到多个一维数据段，其中每一个一维数据段包含多个一维数值；以及
以该第一参数对该多个一维数据段进行运算产生该第一数值。
9.如权利要求8所述的指纹检测方法，其特征在于，该产生该第一数值的步骤包括下列步骤：
从每一个一维数据段的该多个一维数值中选取一最小代表值及一最大代表值，并在该最大代表值与该最小代表值之间的差值大于该第一参数时产生一旗标；以及
计数该多个一维数据段产生该旗标的数量，以得到该第一数值。
10.如权利要求9所述的指纹检测方法，其特征在于，该从每一个一维数据段的该多个一维数值中选取一最小代表值的步骤包括选取该多个一维数值中的最小者。
11.如权利要求9所述的指纹检测方法，其特征在于，该从每一个一维数据段的该多个一维数值中选取一最大代表值的步骤包括选取该多个一维数值中的第二大者。
12.如权利要求1所述的指纹检测方法，其特征在于，该第二次边缘检测包括下列步骤：
将该图像数据划分为多个区域；
以线性方式从该多个区域中至少一个读取部分数据得到多个一维数据段，其中每一个一维数据段包含多个一维数值；以及
以该第二参数对该多个一维数据段进行运算产生该第二数值。
13.如权利要求12所述的指纹检测方法，其特征在于，该产生该第二数值的步骤包括下列步骤：
从每一个一维数据段的该多个一维数值中选取一最小代表值及一最大代表值，并在该最大代表值与该最小代表值之间的差值大于该第二参数时产生一旗标；以及
计数该多个一维数据段产生该旗标的数量，以得到该第二数值。
14.如权利要求13所述的指纹检测方法，其特征在于，该从每一个一维数据段的该多个一维数值中选取一最小代表值的步骤包括选取该多个一维数值中的最小者。
15.如权利要求13所述的指纹检测方法，其特征在于，该从每一个一维数据段的该多个一维数值中选取一最大代表值的步骤包括选取该多个一维数值中的第二大者。
16.一种指纹检测电路，其特征在于，包括：
一指纹图像产生装置，用以输出表示物件的图像数据；以及
一手指检测电路，连接该指纹图像产生装置，使用一第一参数对该图像数据进行第一次边缘检测，并且在该第一次边缘检测所得到的第一数值不符合一预设值时，使用一第二参数对该图像数据进行第二次边缘检测，其中当该第二次边缘检测所得到的第二数值不符合该预设值时，该手指检测电路判定该物件并非手指。
17.如权利要求16所述的指纹检测电路，其特征在于，该指纹图像产生装置包括：
一感测电路，包含由多个感测单元组成的扫描阵列，该感测电路驱动该扫描阵列以产生一模拟图像；以及
一模拟数字转换器，连接该感测电路，将该模拟图像转换为该图像数据。
18.如权利要求17所述的指纹检测电路，其特征在于，该感测电路在省电模式下只选择该扫描阵列的其中一列进行扫描。
19.如权利要求18所述的指纹检测电路，其特征在于，该感测电路在省电模式下只选择该扫描阵列的中心列进行扫描。
20.如权利要求16所述的指纹检测电路，其特征在于，更包括一抖动检测电路连接该指纹图像产生装置，根据前后两个图像数据判断是否有物件触碰。
21.如权利要求16所述的指纹检测电路，其特征在于，更包括一自动增益控制电路连接该手指检测电路，根据该手指检测电路在第一次边缘检测所产生的数据计算得到一最大值、一最小值及一平均值以决定该第二参数。
22.如权利要求16所述的指纹检测电路，其特征在于，该手指检测电路更包括进行水滴检测或水气检测。
23.如权利要求16所述的指纹检测电路，其特征在于，该手指检测电路包括：
一读取单元，连接该指纹图像产生装置，以线性方式从该图像数据产生多个一维数据段，其中每一个一维数据段包含多个一维数值；以及
一处理单元，连接该读取单元，根据该多个一维数据段判断物件是否为手指。
24.如权利要求23所述的指纹检测电路，其特征在于，该处理单元包括：
一第一检测单元，连接该读取单元，从所接收的一维数据段的该多个一维数值中选取一最小代表值；
一第二检测单元，连接该读取单元，从该所接收的一维数据段的该多个一维数值中选取一最大代表值；
一旗标单元，连接该第一检测单元及该第二检测单元，比较该最大代表值及该最小代表值，在该最大代表值与该最小代表值之间的差值大于该第一参数或第二参数时产生一旗标；以及
一判断单元，连接该旗标单元，计数该多个一维数据段中产生的该旗标的数量以得到该第一数值或该第二数值，当该第一数值或该第二数值大于该预设值时，判定物件为手指。
25.如权利要求24所述的指纹检测电路，其特征在于，该最小代表值包括该多个一维数值中的最小者。
26.如权利要求24所述的指纹检测电路，其特征在于，该最大代表值包括该多个一维数值中的第二大者。
27.如权利要求24所述的指纹检测电路，其特征在于，该旗标单元包括：
一位移单元，连接该第一检测单元，以该第一参数值位移该最小代表值产生一位移代表值；以及
一比较单元，连接该位移单元及该第二检测单元，比较该位移代表值与该最大代表值，在该最大代表值大于该位移代表值时产生该旗标。
CN201810141588.0A 2017-03-01 2018-02-11 指纹检测方法及其电路 Active CN108537106B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
TW106106695 2017-03-01
TW106106695A TWI597671B (zh) 2017-03-01 2017-03-01 指紋偵測方法及電路

Publications (2)

Publication Number Publication Date
CN108537106A CN108537106A (zh) 2018-09-14
CN108537106B true CN108537106B (zh) 2021-04-27

Family

ID=60719424

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810141588.0A Active CN108537106B (zh) 2017-03-01 2018-02-11 指纹检测方法及其电路

Country Status (3)

Country Link
US (1) US10643053B2 (zh)
CN (1) CN108537106B (zh)
TW (1) TWI597671B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2018182616A (ja) * 2017-04-18 2018-11-15 京セラ株式会社 電子機器、制御方法、およびプログラム
TWI691882B (zh) * 2019-01-31 2020-04-21 大陸商北京集創北方科技股份有限公司 可自動調整感測信號處理參數的指紋感測方法、指紋感測器及資訊處理裝置
CN112906567B (zh) 2020-05-05 2024-06-28 神盾股份有限公司 指纹感测装置与指纹识别方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103778420A (zh) * 2014-02-28 2014-05-07 成都费恩格尔微电子技术有限公司 具有自动增益控制的指纹检测系统及其自动增益控制方法
CN103914694A (zh) * 2013-01-04 2014-07-09 贝伦企业股份有限公司 侦测模块、指纹感测装置及指纹影像产生方法
CN105912915A (zh) * 2016-05-27 2016-08-31 广东欧珀移动通信有限公司 一种指纹解锁方法及终端
CN105975044A (zh) * 2016-04-25 2016-09-28 广东欧珀移动通信有限公司 一种通过指纹检测自动控制触摸屏湿手模式的方法及装置
US9582705B2 (en) * 2014-08-31 2017-02-28 Qualcomm Incorporated Layered filtering for biometric sensors

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2001024700A1 (en) * 1999-10-07 2001-04-12 Veridicom, Inc. Spoof detection for biometric sensing systems
US9342725B2 (en) * 2012-06-29 2016-05-17 Apple Inc. Image manipulation utilizing edge detection and stitching for fingerprint recognition
KR101534089B1 (ko) * 2013-06-25 2015-07-06 삼성메디슨 주식회사 초음파 진단 장치 및 그 동작방법
US9576177B2 (en) * 2014-12-11 2017-02-21 Fingerprint Cards Ab Fingerprint sensing device
CN105938404B (zh) * 2015-03-06 2020-10-30 意法半导体股份有限公司 用于触摸屏幕感应的方法和设备、对应的装置和计算机程序产品
SE1550411A1 (en) * 2015-04-07 2016-10-08 Fingerprint Cards Ab Electronic device comprising fingerprint sensor
US10102360B2 (en) * 2016-01-05 2018-10-16 Ca, Inc. User authentication based on time variant fingerprint sequences
CN106127679B (zh) * 2016-06-24 2020-04-28 厦门中控智慧信息技术有限公司 一种指纹图像的转换方法及装置

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103914694A (zh) * 2013-01-04 2014-07-09 贝伦企业股份有限公司 侦测模块、指纹感测装置及指纹影像产生方法
CN103778420A (zh) * 2014-02-28 2014-05-07 成都费恩格尔微电子技术有限公司 具有自动增益控制的指纹检测系统及其自动增益控制方法
US9582705B2 (en) * 2014-08-31 2017-02-28 Qualcomm Incorporated Layered filtering for biometric sensors
CN105975044A (zh) * 2016-04-25 2016-09-28 广东欧珀移动通信有限公司 一种通过指纹检测自动控制触摸屏湿手模式的方法及装置
CN105912915A (zh) * 2016-05-27 2016-08-31 广东欧珀移动通信有限公司 一种指纹解锁方法及终端

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
SIFT-based algorithm for fingerprint authentication on smartphone;Masao Yamazaki等;《IEEE》;20150525;第25-27页 *
基于ARM构建Sobel边缘检测算子的指纹识别系统实现;龙顺宇等;《物联网技术》;20131231;第2013年卷(第12期);第1-5页 *

Also Published As

Publication number Publication date
US10643053B2 (en) 2020-05-05
US20180253582A1 (en) 2018-09-06
TWI597671B (zh) 2017-09-01
TW201833815A (zh) 2018-09-16
CN108537106A (zh) 2018-09-14

Similar Documents

Publication Publication Date Title
EP1624412B1 (en) Biological information measuring device
EP2518684B1 (en) Fake finger determination device
US7280679B2 (en) System for and method of determining pressure on a finger sensor
CN108073885B (zh) 指纹识别方法及电子装置
JP6487576B2 (ja) 指紋隆線点認識方法および装置
CN108537106B (zh) 指纹检测方法及其电路
US9053384B2 (en) Feature extraction unit, feature extraction method, feature extraction program, and image processing device
JP4369922B2 (ja) 生体画像照合装置およびその照合方法
CN107918768B (zh) 光学指纹识别方法、装置及电子设备
US20060239514A1 (en) Biometric information processing apparatus and biometric information processing method
EP3213257B1 (en) Image processing system
US9501094B2 (en) Combinational sensing type fingerprint identification device and method
CN102982534A (zh) 基于弦线切线法的Canny边缘检测双阈值获取方法
US11900664B2 (en) Reading system, reading device, reading method, and storage medium
KR20130072073A (ko) 영상 윤곽선 추출 장치 및 방법
KR20100080712A (ko) 립 리딩을 위한 입술 영역 설정 방법 및 장치
US10460198B2 (en) Image processing system
EP3301614B1 (en) Signal processor and signal processing method using stochastic resonance
US7164440B2 (en) Dynamic image adaptation method for adjusting the quality of digital prints
CN109308710B (zh) 监控方法、计算装置及计算机可读存储介质
KR20090055087A (ko) Ｏｃｒ을 위한 문서 영상의 자동 평가 방법 및 시스템
US5454049A (en) Automatic threshold function for machine vision
JP2018109824A (ja) 電子制御装置、電子制御システムおよび電子制御方法
CN100378753C (zh) 确定皮肤纹图像中的重要区域的方法
US10825144B2 (en) Image processing apparatus and image processing method

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