CN110287669A - 解锁方法及相关产品 - Google Patents

解锁方法及相关产品 Download PDF

Info

Publication number
CN110287669A
CN110287669A CN201910544445.9A CN201910544445A CN110287669A CN 110287669 A CN110287669 A CN 110287669A CN 201910544445 A CN201910544445 A CN 201910544445A CN 110287669 A CN110287669 A CN 110287669A
Authority
CN
China
Prior art keywords
vein
matching
electronic equipment
operation information
image
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
CN201910544445.9A
Other languages
English (en)
Other versions
CN110287669B (zh
Inventor
张海平
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 CN201910544445.9A priority Critical patent/CN110287669B/zh
Publication of CN110287669A publication Critical patent/CN110287669A/zh
Application granted granted Critical
Publication of CN110287669B publication Critical patent/CN110287669B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/30—Authentication, i.e. establishing the identity or authorisation of security principals
    • G06F21/31—User authentication
    • G06F21/32—User authentication using biometric data, e.g. fingerprints, iris scans or voiceprints
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
    • G06V10/751—Comparing pixel values or logical combinations thereof, or feature values having positional relevance, e.g. template matching
    • 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
    • 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
    • G06V40/14—Vascular patterns

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Software Systems (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Computer Security & Cryptography (AREA)
  • Multimedia (AREA)
  • Computing Systems (AREA)
  • Medical Informatics (AREA)
  • General Health & Medical Sciences (AREA)
  • Evolutionary Computation (AREA)
  • Databases & Information Systems (AREA)
  • Artificial Intelligence (AREA)
  • Human Computer Interaction (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Hardware Design (AREA)
  • General Engineering & Computer Science (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Abstract

本申请实施例公开了一种解锁方法及相关产品，应用于电子设备，所述方法包括：采集所述电子设备的操作信息；对所述操作信息进行识别，确定所述操作信息为预设操作，采集静脉图像；将所述静脉图像与预设的静脉模板执行匹配操作；若所述静脉图像与所述静脉模板匹配成功，解锁所述电子设备。本申请提供的技术方案具有提升解锁操作便捷性，提高了静脉识别解锁效率，有利于提高用户体验度的优点。

Description

解锁方法及相关产品
技术领域
本申请涉及电子设备技术领域，具体涉及一种解锁方法及相关产品。
背景技术
随着电子设备(如手机、平板电脑等等)的大量普及应用，电子设备能够支持的应用越来越多，功能越来越强大，电子设备向着多样化、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，静脉识别逐渐成为解锁电子设备的新方式，启动静脉识别模块的方式通常为自动触发，但是自动触发方式容易造成静脉识别模块的误启动，导致电子设备解锁操作繁琐，降低了静脉识别解锁效率，用户体验度不高。
发明内容
本申请提供了一种解锁方法及相关产品，以期可以达到通过识别按压操作启动静脉识别功能，避免静脉识别模块的误启动，提升解锁操作便捷性，同时对静脉图像分割后再执行匹配操作，提高了静脉识别解锁效率，有利于提高用户体验度。
第一方面，本申请实施例提供一种解锁方法，所述方法应用于电子设备，所述方法包括：
采集所述电子设备的操作信息；
对所述操作信息进行识别，确定所述操作信息为预设操作，采集静脉图像；
将所述静脉图像与预设的静脉模板执行匹配操作；
若所述静脉图像与所述静脉模板匹配成功，解锁所述电子设备。
第二方面，本申请实施例提供一种电子设备，所述电子设备包括：处理器，其中：
所述处理器，用于采集所述电子设备的操作信息，对所述操作信息进行识别，确定所述操作信息为预设操作，采集静脉图像；将所述静脉图像与预设的静脉模板执行匹配操作，若所述静脉图像与所述静脉模板匹配成功，解锁所述电子设备。
第三方面，本申请实施例提供一种装置，所述装置应用于电子设备，所述装置包括：
采集单元，用于采集所述电子设备的操作信息；
判断单元，用于对所述操作信息进行识别，确定所述操作信息为预设操作，采集静脉图像；
匹配单元，用于将所述静脉图像与预设的静脉模板执行匹配操作；
执行单元，用于若所述静脉图像与所述静脉模板匹配成功，解锁所述电子设备。
第四方面，本申请实施例提供一种电子设备，包括处理器、存储器、通信接口以及一个或多个程序，其中，上述一个或多个程序被存储在上述存储器中，并且被配置由上述处理器执行，上述程序包括用于执行本申请实施例第一方面中的步骤的指令。
第五方面，本申请实施例提供了一种计算机可读存储介质，其中，上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，上述计算机程序使得计算机执行如本申请实施例第一方面中所描述的部分或全部步骤。
第六方面，本申请实施例提供了一种计算机程序产品，其中，上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，上述计算机程序可操作来使计算机执行如本申请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。
可以看出，本申请提供的技术方案通过采集所述电子设备的操作信息；对所述操作信息进行识别，确定所述操作信息为预设操作，采集静脉图像；将所述静脉图像与预设的静脉模板执行匹配操作；若所述静脉图像与所述静脉模板匹配成功，解锁所述电子设备，避免静脉识别模块的误启动，提升解锁操作便捷性，提高了静脉识别解锁效率，有利于提高用户体验度。
附图说明
为了更清楚地说明本申请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申请的一些实施例，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是本申请实施例提供的一种电子设备的结构示意图；
图1B是本申请实施例提供的一种解锁方法的流程示意图；
图2A是本申请实施例提供的另一种解锁方法的流程示意图；
图2B是本申请实施例提供的另一种解锁方法的流程示意图；
图2C是本申请实施例提供的另一种解锁方法的流程示意图；
图3是本申请实施例提供的一种电子设备的结构示意图；
图4是本申请实施例提供的一种解锁装置的功能单元组成框图。
具体实施方式
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所述附图中的术语“第一”、“第二”、“第三”和“第四”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它步骤或单元。
在本文中提及“实施例”意味着，结合实施例描述的特定特征、结果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。
本申请实施例所涉及到的电子设备可以包括各种具有无线通信功能的手持设备(例如智能手机或平板电脑)、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(terminal device)等等。
下面对本申请实施例进行详细介绍。
请参阅图1A，图1A是本申请实施例公开的一种电子设备的结构示意图，电子设备100包括存储和处理电路110，以及与所述存储和处理电路110连接的传感器170，其中：
电子设备100可以包括控制电路，该控制电路可以包括存储和处理电路110。该存储和处理电路110可以存储器，例如硬盘驱动存储器，非易失性存储器(例如闪存或用于形成固态驱动器的其它电子可编程只读存储器等)，易失性存储器(例如静态或动态随机存取存储器等)等，本申请实施例不作限制。存储和处理电路110中的处理电路可以用于控制电子设备100的运转。该处理电路可以基于一个或多个微处理器，微控制器，数字信号处理器，基带处理器，功率管理单元，音频编解码器芯片，专用集成电路，显示驱动器集成电路等来实现。
存储和处理电路110可用于运行电子设备100中的软件，例如互联网浏览应用程序，互联网协议语音(Voice over Internet Protocol,VOIP)电话呼叫应用程序，电子邮件应用程序，媒体播放应用程序，操作系统功能等。这些软件可以用于执行一些控制操作，例如，基于照相机的图像采集，基于环境光传感器的环境光测量，基于接近传感器的接近传感器测量，基于诸如发光二极管的状态指示灯等状态指示器实现的信息显示功能，基于触摸传感器的触摸事件检测，与在多个(例如分层的)显示屏上显示信息相关联的功能，与执行无线通信功能相关联的操作，与收集和产生音频信号相关联的操作，与收集和处理按钮按压事件数据相关联的控制操作，以及电子设备100中的其它功能等，本申请实施例不作限制。
电子设备100可以包括输入-输出电路150。输入-输出电路150可用于使电子设备100实现数据的输入和输出，即允许电子设备100从外部设备接收数据和也允许电子设备100将数据从电子设备100输出至外部设备。输入-输出电路150可以进一步包括传感器170。传感器170可以包括静脉识别模组，其中，静脉识别模组可以包括红外摄像头和超声波传感器，红外摄像头可以用于采集静脉图像或者用于红外测距，超声波传感器可以用于超声波测距，还可以包括环境光传感器，基于光和电容的接近传感器，指纹识别模组，触摸传感器(例如，基于光触摸传感器和/或电容式触摸传感器，触摸传感器可以是触控显示屏的一部分，也可以作为一个触摸传感器结构独立使用)，加速度传感器，摄像头，和其它传感器等，摄像头可以为前置摄像头或者后置摄像头，指纹识别模组可集成于显示屏下方，用于采集指纹图像，指纹识别模组可以为以下至少一种：光学指纹识别模组、或者超声波指纹识别模组等等，在此不作限定。上述前置摄像头可以设置前面显示屏的下方，上述后置摄像头可以设置在后面显示屏的下方。当然上述前置摄像头或后置摄像头也可以不和显示屏集成设置，当然在实际应用中，上述前置摄像头或后置摄像头还可以为升降结构，本申请具体实施方式并不限制上述前置摄像头或后置摄像头的具体结构。
输入-输出电路150还可以包括一个或多个显示屏，当为多个显示屏时，例如2个显示屏时，一个显示屏可以设置在电子设备的前面，另一个显示屏可以设置在电子设备的后面，例如显示屏130。显示屏130可以包括液晶显示屏，有机发光二极管显示屏，电子墨水显示屏，等离子显示屏，使用其它显示技术的显示屏中一种或者几种的组合。显示屏130可以包括触摸传感器阵列(即，显示屏130可以是触控显示屏)。触摸传感器可以是由透明的触摸传感器电极(例如氧化铟锡(ITO)电极)阵列形成的电容式触摸传感器，或者可以是使用其它触摸技术形成的触摸传感器，例如音波触控，压敏触摸，电阻触摸，光学触摸等，本申请实施例不作限制。
电子设备100还可以包括音频组件140。音频组件140可以用于为电子设备100提供音频输入和输出功能。电子设备100中的音频组件140可以包括扬声器，麦克风，蜂鸣器，音调发生器以及其它用于产生和检测声音的组件。
通信电路120可以用于为电子设备100提供与外部设备通信的能力。通信电路120可以包括模拟和数字输入-输出接口电路，和基于射频信号和/或光信号的无线通信电路。通信电路120中的无线通信电路可以包括射频收发器电路、功率放大器电路、低噪声放大器、开关、滤波器和天线。举例来说，通信电路120中的无线通信电路可以包括用于通过发射和接收近场耦合电磁信号来支持近场通信(Near Field Communication，NFC)的电路。例如，通信电路120可以包括近场通信天线和近场通信收发器。通信电路120还可以包括蜂窝电话收发器和天线，无线局域网收发器电路和天线等。
电子设备100还可以进一步包括电池，电力管理电路和其它输入-输出单元160。输入-输出单元160可以包括按钮，操纵杆，点击轮，滚动轮，触摸板，小键盘，键盘，照相机，发光二极管和其它状态指示器等。
用户可以通过输入-输出电路150输入命令来控制电子设备100的操作，并且可以使用输入-输出电路150的输出数据以实现接收来自电子设备100的状态信息和其它输出。
本申请实施例中的显示屏可以是薄膜晶体管液晶显示器(Thin FilmTransistor-Liquid Crystal Display，TFT-LCD)、发光二极管显示屏(Light EmittingDiode，LED)、有机发光二极管显示屏(Organic Light-Emitting Diode，OLED)等等。
基于上述图1A所描述的电子设备，可以用于实现如下功能：
所述电子设备的存储和处理电路110，用于采集所述电子设备的操作信息，对所述操作信息进行识别，确定所述操作信息为预设操作，采集静脉图像；将所述静脉图像与预设的静脉模板执行匹配操作，若所述静脉图像与所述静脉模板匹配成功，解锁所述电子设备。
在一种可选的技术方案中，
存储和处理电路110，用于获取所述静脉图像，将所述静脉图像均匀分成M个静脉子图像，其中，M>1；对所述M个静脉子图像执行局部阈值计算，得到所述M个静脉子图像对应的M个静脉局部阈值；依据所述M个静脉局部阈值对所述M个静脉子图像进行分割得到L个待选图像，其中，L>M；确定所述L个待选图像中包含静脉的N个待识别图像；依据所述N个待识别图像中静脉的比重确定所述N个待识别图像对应的N个权值，对所述N个待识别图像进行特征提取得到N组待识别特征，其中，所述N组待识别特征与所述N个权值一一对应；将所述N组待识别特征依次与所述静脉模板进行特征匹配，计算所述N组特征对应的N个匹配值；依据所述N个匹配值、所述N个权值计算所述静脉图像与所述静脉模板的静脉匹配值；判断所述静脉匹配值是否大于预设的匹配值阈值，若所述静脉匹配值大于所述匹配值阈值，确定所述静脉图像与所述静脉模板匹配成功。
在一种可选的技术方案中，
存储和处理电路110，用于获取所述红外摄像头发射红外光的第一波长；获取所述红外摄像头发射所述红外光的第二波长；依据所述第一波长、所述第二波长计算所述红外光的红外光折射率；依据预设的折射率与匹配值阈值的映射关系确定所述红外光折射率对应的匹配值阈值。
在一种可选的技术方案中，
存储和处理电路110，用于从所述操作信息中获取压力数据；获取预设的压力阈值，判断所述压力数据是否大于所述压力阈值；若所述压力数据大于所述压力阈值，确定所述操作信息为预设操作；若所述压力数据不大于所述压力阈值，确定所述操作信息为待定操作。
在一种可选的技术方案中，
存储和处理电路110，用于从所述操作信息中获取按压时间；获取预设的时间阈值，判断所述按压时间是否大于所述时间阈值；若所述按压时间大于所述时间阈值，确定所述待定操作为预设操作；若所述按压时间不大于所述时间阈值，确定所述待定操作为非预设操作。
在一种可选的技术方案中，
存储和处理电路110，用于依据所述压力数据、所述按压时间确定目标红外光强度；启动所述红外摄像头，控制所述红外摄像头依据所述目标红外光强度采集所述静脉图像。
请参阅图1B，图1B是本申请实施例提供的一种解锁方法的流程示意图，如图所示，应用于如图1A所示的电子设备，所述电子设备包括：静脉识别模组，所述静脉识别模组包括：红外摄像头，本解锁方法包括：
步骤101、采集所述电子设备的操作信息；
在一可能的示例中，上述步骤101，采集所述电子设备的操作信息具体包括：在检测到所述电子设备的按压操作时，采集该按压操作对应的操作信息，返回该操作信息，其中，采集信息可以包括周期性采集该电子设备的操作信息，周期可以为0.1s，0.2s，…，1s等，在此不作限定。
步骤102、对所述操作信息进行识别，确定所述操作信息为预设操作，采集静脉图像；
在一可能的示例中，上述步骤102，对所述操作信息进行识别，确定所述操作信息为预设操作具体包括：
A21、从所述操作信息中获取压力数据；
A22、获取预设的压力阈值，判断所述压力数据是否大于所述压力阈值；
A23、若所述压力数据大于所述压力阈值，确定所述操作信息为预设操作；
A24、若所述压力数据不大于所述压力阈值，确定所述操作信息为待定操作；
A25、从所述操作信息中获取按压时间；
A26、获取预设的时间阈值，判断所述按压时间是否大于所述时间阈值；
A27、若所述按压时间大于所述时间阈值，确定所述待定操作为预设操作；
A28、若所述按压时间不大于所述时间阈值，确定所述待定操作为非预设操作。
其中，该预设操作可以包括：按压操作，上述步骤21，从所述操作信息中获取压力数据之前还可以包括：依据预设的第一判断规则判断该操作信息是否为按压操作，若该操作信息为按压操作，获取所述按压操作对应的压力数据；若该操作信息为非按压操作，依据预设的第二判断规则对该操作信息执行判断。
其中，该压力阈值和该时间阈值可以为自动默认的压力阈值和时间阈值，也可以为用户设置的压力阈值和时间阈值，在此不作限定。
其中，在获取压力阈值之前，接收压力阈值更新请求，该压力阈值更新请求用于对该压力阈值进行更新，若该压力阈值更新请求中的压力阈值信息为空，则该压力阈值为初始压力阈值；在获取时间阈值之前，接收时间阈值更新请求，该时间阈值更新请求用于对该时间阈值进行更新，若该时间阈值更新请求中的时间阈值信息为空，则该时间阈值为初始时间阈值。
在一可能的示例中，上述采集静脉图像还可以包括：
B21、从所述操作信息中获取压力数据；
B22、获取预设的压力阈值，判断所述压力数据是否大于所述压力阈值；
B23、若所述压力数据大于所述压力阈值，确定所述操作信息为预设操作；
B24、若所述压力数据不大于所述压力阈值，确定所述操作信息为待定操作；
B25、从所述操作信息中获取按压次数；
B26、获取预设的次数阈值，判断所述按压次数是否大于所述次数阈值；
B27、若所述按压次数大于所述次数阈值，确定所述待定操作为预设操作；
B28、若所述按压次数不大于所述时间阈值，确定所述待定操作为非预设操作。
其中，该次数阈值可以为自动默认的次数阈值，也可以为用户设置的次数阈值，在此不作限定。
其中，在获取次数阈值之前，接收次数阈值更新请求，该次数阈值更新请求用于对该次数阈值进行更新，若该次数阈值更新请求中的次数阈值信息为空，则该次数阈值为初始次数阈值。
在一可能的示例中，上述步骤102，采集静脉图像具体包括：
C21、依据所述压力数据、所述按压时间确定目标红外光强度；
C22、启动所述红外摄像头，控制所述红外摄像头依据所述目标红外光强度采集所述静脉图像。
其中，上述步骤C21，依据所述压力数据、所述按压时间确定目标红外光强度具体包括：获取压力划分规则，依据该压力划分规则确定该压力数据对应的压力范围，获取压力范围、按压时间与红外光强的第一映射关系，依据该映射关系确定该压力范围与该按压时间对应的目标红外光强度，例如，该第一映射关系可以包括：
其中，上述步骤C22，启动所述红外摄像头，控制所述红外摄像头依据所述目标红外光强度采集所述静脉图像可以包括：确定目标采集位置，获取该红外摄像头以该目标红外光强度发射红外光的第一时间，获取该红外摄像头接收该红外光的第二时间，依据该第一时间、第二时间计算该电子设备距离该目标采集位置的距离，获取预设的距离阈值，判断该距离是否大于该距离阈值，若该距离不大于该距离阈值，采集该目标采集位置的静脉图像，若该距离大于该距离阈值，在该电子设备的显示屏显示放大浮层，其中，该放大浮层包括：该距离阈值。
在一可能的示例中，上述步骤102，采集静脉图像具体包括：
D21、依据所述压力数据、所述按压次数确定目标红外光强度；
D22、启动所述红外摄像头，控制所述红外摄像头依据所述目标红外光强度采集所述静脉图像。
其中，上述步骤C21，依据所述压力数据、所述按压时间确定目标红外光强度具体包括：获取压力划分规则，依据该压力划分规则确定该压力数据对应的压力范围，获取压力范围、按压次数与红外光强的第二映射关系，依据该映射关系确定该压力范围与该按压次数对应的目标红外光强度，例如，该第二映射关系可以包括：
步骤103、将所述静脉图像与预设的静脉模板执行匹配操作；
在一可能的示例中，在上述步骤103之前，还包括：
31、获取所述红外摄像头发射红外光的第一波长；
32、获取所述红外摄像头发射所述红外光的第二波长；
33、依据所述第一波长、所述第二波长计算所述红外光的红外光折射率；
34、依据预设的折射率与匹配值阈值的映射关系确定所述红外光折射率对应的匹配值阈值。
其中，上述步骤33，依据所述第一波长、所述第二波长计算所述红外光的红外光折射率具体包括：获取预设的第一公式，依据该第一公式对该第一波长、第二波长进行计算得到该红外光对应的红外光折射率，其中，第一波长为λ1，第二波长为λ2，红外光折射率为n，该第二公式可以包括：n＝λ1/λ2。
在一可能的示例中，上述步骤103，将所述静脉图像与预设的静脉模板执行匹配操作具体包括：
A31、获取所述静脉图像，将所述静脉图像均匀分成M个静脉子图像，其中，M>1；
A32、对所述M个静脉子图像执行局部阈值计算，得到所述M个静脉子图像对应的M个静脉局部阈值；
A33、依据所述M个静脉局部阈值对所述M个静脉子图像进行分割得到L个待选图像，其中，L>M；
A34、确定所述L个待选图像中包含静脉的N个待识别图像；
A35、依据所述N个待识别图像中静脉的比重确定所述N个待识别图像对应的N个权值，对所述N个待识别图像进行特征提取得到N组待识别特征，其中，所述N组待识别特征与所述N个权值一一对应；
A36、将所述N组待识别特征依次与所述静脉模板进行特征匹配，计算所述N组特征对应的N个匹配值；
A37、依据所述N个匹配值、所述N个权值计算所述静脉图像与所述静脉模板的静脉匹配值；
A38、判断所述静脉匹配值是否大于预设的匹配值阈值，若所述静脉匹配值大于所述匹配值阈值，确定所述静脉图像与所述静脉模板匹配成功。
结合上述步骤31-步骤34以及步骤A31-步骤A38所示的方法，下面用一个具体的例子进行说明：若该目标采集区域表面有水珠附着，则水珠导致红外光成像产生较大偏差，获取发射该红外光的第一波长，获取接收该红外光的第二波长，依据该第一波长、第二波长计算该水珠的折射率，该折射率用于衡量该红外光成像产生的偏差大小，折射率越高确定该红外光成像产生的偏差越大，依据预设的折射率与匹配值阈值的映射关系确定该折射率对应的匹配值阈值，其中，折射率越大匹配值阈值越小；将静脉图像分割成多个静脉子图像，其中，该多个静脉子图像大小一致，计算该多个静脉子图像对应的多个局部阈值，依据该多个局部阈值对该多个静脉子图像进行划分，避免由于折射引起的图像灰度分布不均衡而导致的静脉识别失败的情况；从多个待选图像中获取多个待识别图像，避免负样本在静脉识别的过程中产生干扰，依据多个待识别图像中静脉占总像素点的比值确定该多个待识别图像的多个权值，对多个待识别图像与静脉模板进行匹配得到多个待识别图像对应的多个匹配值，依据多个权值、多个匹配值计算静脉匹配值，提高静脉识别匹配的准确性。
结合上述步骤A31-步骤A38所示的方法，下面用另一个具体的例子进行说明，若该目标采集区域有损伤导致该目标采集区域对应的静脉有损失，则通过红外光成像时得到的静脉图像会存在较多的噪声，对采集的静脉图像执行降噪处理得到降噪后的静脉图像，再确定该降噪后的静脉图像中是否还存在噪声，若该降噪后的静脉图像仍存在噪声，确定该噪声对应的噪声值，依据预设的噪声值与匹配值阈值的映射关系确定该噪声值对应的匹配值阈值，其中噪声值越大匹配值阈值越小；将静脉图像分割成多个静脉子图像，其中，该多个静脉子图像大小一致，计算该多个静脉子图像对应的多个局部阈值，依据该多个局部阈值对该多个静脉子图像进行划分，避免由于噪声引起的图像灰度分布不均衡而导致的静脉识别失败的情况；从多个待选图像中获取多个待识别图像，避免负样本在静脉识别的过程中产生干扰，依据多个待识别图像中静脉占总像素点的比值确定该多个待识别图像的多个权值，对多个待识别图像与静脉模板进行匹配得到多个待识别图像对应的多个匹配值，依据多个权值、多个匹配值计算静脉匹配值，提高静脉识别匹配的准确性。
在一可能的示例中，上述步骤103，将所述静脉图像与预设的静脉模板执行匹配操作还可以包括：
B31、对所述静脉图像进行图像分割，得到目标静脉区域图像；
B32、分析所述目标静脉区域图像的特征点分布；
B33、按照M个不同圆心对所述目标静脉区域图像进行圆形图像截取，得到M个圆形静脉区域图像，所述M为大于3的整数；
B34、从所述M个圆形静脉区域图像中选出目标圆形静脉区域图像，所述目标圆形静脉区域图像所包含的特征点的数量大于所述M个圆形静脉区域图像中的其他圆形静脉区域图像；
B35，将所述目标圆形静脉区域图像划分得到N个圆环，所述N个圆环的环宽相同；
B36、从所述N个圆环中半径最小的圆环开始，将所述N个圆环依次与该静脉模板进行特征点匹配，并累计已匹配圆环的匹配值；
B37、当累计的匹配值大于预设匹配阈值时立即停止进行特征点匹配，并输出身份识别成功的提示消息。
其中，电子设备可以对静脉图像进行图像分割，得到目标静脉区域图像，进而，分析该目标静脉区域图像的特征点分布，按照M个不同圆心对该目标静脉区域图像进行圆形图像截取，得到M个圆形静脉区域图像，M为大于3的整数，从M个圆形静脉区域图像中选出目标圆形静脉区域图像，目标圆形静脉区域图像所包含的特征点的数量大于M个圆形静脉区域图像中的其他圆形静脉区域图像，将目标圆形静脉区域图像划分得到N个圆环，N个圆环的环宽相同，从N个圆环中半径最小的圆环开始，将N个圆环依次与预设静脉模板进行特征点匹配，并累计已匹配圆环的匹配值，如此，在静脉识别过程中，可以将不同位置或者不同静脉的特征点用于匹配，相当于对整个静脉图像进行采样，且该采样能够覆盖整个静脉区域，从而，从每个区域中均可以找到相应的达标性特征以用于匹配，当累计的匹配值大于预设匹配阈值时立即停止进行特征点匹配，并输出身份识别成功的提示消息，如此，能够快速且精准识别静脉识别。
步骤104、若所述静脉图像与所述静脉模板匹配成功，解锁所述电子设备。
如图2A所示，图2A是本申请实施例提供的另一种解锁方法的流程示意图，如图所示，应用于如图1A所示的电子设备，所述电子设备包括：静脉识别模组，所述静脉识别模组包括：红外摄像头，本解锁方法包括：
步骤201A、采集所述电子设备的操作信息，对所述操作信息进行识别，确定所述操作信息为预设操作，采集静脉图像；
步骤202A、获取所述红外摄像头发射红外光的第一波长，获取所述红外摄像头发射所述红外光的第二波长，依据所述第一波长、所述第二波长计算所述红外光的红外光折射率；
步骤203A、依据预设的折射率与匹配值阈值的映射关系确定所述红外光折射率对应的匹配值阈值；
步骤204A、将所述静脉图像与预设的静脉模板执行匹配操作，得到静脉匹配值，判断所述静脉匹配值是否大于所述匹配值阈值；
步骤205A、若所述静脉匹配值大于所述匹配值阈值，确定所述静脉图像与所述静脉模板匹配成功，解锁所述电子设备。
其中，上述步骤201A-步骤205A的具体描述可以参照上述图1B所描述的解锁方法的相应步骤，在此不再赘述。
可以看出，本申请实施例中所描述的解锁方法，应用于电子设备，采集所述电子设备的操作信息，对所述操作信息进行识别，确定所述操作信息为预设操作，采集静脉图像；获取所述红外摄像头发射红外光的第一波长，获取所述红外摄像头发射所述红外光的第二波长，依据所述第一波长、所述第二波长计算所述红外光的红外光折射率；依据预设的折射率与匹配值阈值的映射关系确定所述红外光折射率对应的匹配值阈值；将所述静脉图像与预设的静脉模板执行匹配操作，得到静脉匹配值，判断所述静脉匹配值是否大于所述匹配值阈值；若所述静脉匹配值大于所述匹配值阈值，确定所述静脉图像与所述静脉模板匹配成功，解锁所述电子设备，如此，能在目标采集区域存在水珠导致静脉图像产生偏差的情况下调节匹配值阈值，提升了静脉识别的准确度，也提高了用户体验。
如图2B所示，图2B是本申请实施例提供的另一种解锁方法的流程示意图，如图所示，应用于如图1A所示的电子设备，所述电子设备包括：静脉识别模组，所述静脉识别模组包括：红外摄像头，本解锁方法包括：
步骤201B、采集所述电子设备的操作信息，对所述操作信息进行识别，确定所述操作信息为预设操作，采集静脉图像；
步骤202B、对所述静脉图像执行降噪操作，得到降噪后的静脉图像，获取所述降噪后的静脉图像的噪声值；
步骤203B、依据预设的噪声值与匹配值阈值的映射关系确定所述噪声值对应的匹配值阈值；
步骤204B、将所述静脉图像与预设的静脉模板执行匹配操作，得到静脉匹配值，判断所述静脉匹配值是否大于所述匹配值阈值；
步骤205B、若所述静脉匹配值大于所述匹配值阈值，确定所述静脉图像与所述静脉模板匹配成功，解锁所述电子设备。
其中，上述步骤201B-步骤205B的具体描述可以参照上述图1B所描述的解锁方法的相应步骤，在此不再赘述。
可以看出，采集所述电子设备的操作信息，对所述操作信息进行识别，确定所述操作信息为预设操作，采集静脉图像；对所述静脉图像执行降噪操作，得到降噪后的静脉图像，获取所述降噪后的静脉图像的噪声值；依据预设的噪声值与匹配值阈值的映射关系确定所述噪声值对应的匹配值阈值；将所述静脉图像与预设的静脉模板执行匹配操作，得到静脉匹配值，判断所述静脉匹配值是否大于所述匹配值阈值；若所述静脉匹配值大于所述匹配值阈值，确定所述静脉图像与所述静脉模板匹配成功，解锁所述电子设备。如此，能在目标采集区域由于损伤存在较大噪声而导致静脉图像产生偏差的情况下调节匹配值阈值，提升了静脉识别的准确度，也提高了用户体验。
如图2C所示，图2C是本申请实施例提供的另一种解锁方法的流程示意图，如图所示，应用于如图1A所示的电子设备，所述电子设备包括：静脉识别模组，所述静脉识别模组包括：红外摄像头，本解锁方法包括：
步骤201C、采集所述电子设备的操作信息，对所述操作信息进行识别，确定所述操作信息为预设操作，采集静脉图像；
步骤202C、获取所述静脉图像，将所述静脉图像均匀分成M个静脉子图像，其中，M>1，对所述M个静脉子图像执行局部阈值计算，得到所述M个静脉子图像对应的M个静脉局部阈值；
步骤203C、依据所述M个静脉局部阈值对所述M个静脉子图像进行分割得到L个待选图像，其中，L>M，确定所述L个待选图像中包含静脉的N个待识别图像；
步骤204C、依据所述N个待识别图像中静脉的比重确定所述N个待识别图像对应的N个权值，对所述N个待识别图像进行特征提取得到N组待识别特征，其中，所述N组待识别特征与所述N个权值一一对应；
步骤205C、将所述N组待识别特征依次与所述静脉模板进行特征匹配，计算所述N组特征对应的N个匹配值，依据所述N个匹配值、所述N个权值计算所述静脉图像与所述静脉模板的静脉匹配值；
步骤206C、判断所述静脉匹配值是否大于预设的匹配值阈值，若所述静脉匹配值大于所述匹配值阈值，确定所述静脉图像与所述静脉模板匹配成功；
步骤207C、解锁所述电子设备。
其中，上述步骤201C-步骤207C的具体描述可以参照上述图1B所描述的解锁方法的相应步骤，在此不再赘述。
可以看出，通过局部阈值对静脉图像进行分割得到待选图像，可以避免由于静脉图像灰度分布不均衡导致的静脉识别失败，对待选图像进行筛选得到待识别图像，依据静脉在待识别图像中的比重确定待识别图像的权值，对待识别图像与静脉模板进行匹配得到匹配值，依据权值与匹配值计算静脉匹配值，如此，避免了负样本对静脉识别产生影响，提高了静脉识别准确度。
如图3所示，图3提供了一种电子设备，该所述电子设备包括静脉识别模组301、处理器302和存储器303，其中
所述静脉识别模组301，用于执行静脉识别操作；
所述处理器302，用于采集所述电子设备的操作信息；对所述操作信息进行识别，确定所述操作信息为预设操作，采集静脉图像；将所述静脉图像与预设的静脉模板执行匹配操作；若所述静脉图像与所述静脉模板匹配成功，解锁所述电子设备。
在一种可选的实施方案中，处理器302，具体用于：获取所述静脉图像，将所述静脉图像均匀分成M个静脉子图像，其中，M>1；对所述M个静脉子图像执行局部阈值计算，得到所述M个静脉子图像对应的M个静脉局部阈值；依据所述M个静脉局部阈值对所述M个静脉子图像进行分割得到L个待选图像，其中，L>M；确定所述L个待选图像中包含静脉的N个待识别图像；依据所述N个待识别图像中静脉的比重确定所述N个待识别图像对应的N个权值，对所述N个待识别图像进行特征提取得到N组待识别特征，其中，所述N组待识别特征与所述N个权值一一对应；将所述N组待识别特征依次与所述静脉模板进行特征匹配，计算所述N组特征对应的N个匹配值；依据所述N个匹配值、所述N个权值计算所述静脉图像与所述静脉模板的静脉匹配值；判断所述静脉匹配值是否大于预设的匹配值阈值，若所述静脉匹配值大于所述匹配值阈值，确定所述静脉图像与所述静脉模板匹配成功。
在一种可选的实施方案中，处理器302，具体用于：获取所述红外摄像头发射红外光的第一波长；获取所述红外摄像头发射所述红外光的第二波长；依据所述第一波长、所述第二波长计算所述红外光的红外光折射率；依据预设的折射率与匹配值阈值的映射关系确定所述红外光折射率对应的匹配值阈值。
在一种可选的实施方案中，处理器302，具体用于：从所述操作信息中获取压力数据；获取预设的压力阈值，判断所述压力数据是否大于所述压力阈值；若所述压力数据大于所述压力阈值，确定所述操作信息为预设操作；若所述压力数据不大于所述压力阈值，确定所述操作信息为待定操作。
在一种可选的实施方案中，处理器302，具体用于：从所述操作信息中获取按压时间；获取预设的时间阈值，判断所述按压时间是否大于所述时间阈值；若所述按压时间大于所述时间阈值，确定所述待定操作为预设操作；若所述按压时间不大于所述时间阈值，确定所述待定操作为非预设操作。
在一种可选的实施方案中，处理器302，具体用于：依据所述压力数据、所述按压时间确定目标红外光强度；启动所述红外摄像头，控制所述红外摄像头依据所述目标红外光强度采集所述静脉图像。
图4是本申请实施例中所涉及的解锁装置400的功能单元组成框图。该解锁装置400，应用于电子设备，所述装置400包括：采集单元401、判断单元402、匹配单元403和执行单元404，其中，
采集单元401，用于采集所述电子设备的操作信息；
判断单元402，用于对所述操作信息进行识别，确定所述操作信息为预设操作，采集静脉图像；
匹配单元403，用于将所述静脉图像与预设的静脉模板执行匹配操作；
执行单元404，用于若所述静脉图像与所述静脉模板匹配成功，解锁所述电子设备。
本申请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一方法的部分或全部步骤，上述计算机包括电子设备。
本申请实施例还提供一种计算机程序产品，上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，上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一方法的部分或全部步骤。该计算机程序产品可以为一个软件安装包，上述计算机包括电子设备。
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，本申请并不受所描述的动作顺序的限制，因为依据本申请，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申请所必须的。
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，例如上述单元的划分，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。
上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，在本申请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，也可以采用软件功能单元的形式实现。
上述集成的单元如果以软件功能单元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，本申请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)执行本申请各个实施例上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。
以上对本申请实施例进行了详细介绍，本文中应用了具体个例对本申请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申请的方法及其核心思想；同时，对于本领域的一般技术人员，依据本申请的思想，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申请的限制。

Claims (10)

1.一种解锁方法，其特征在于，应用于电子设备，所述方法包括：
采集所述电子设备的操作信息；
对所述操作信息进行识别，确定所述操作信息为预设操作，采集静脉图像；
将所述静脉图像与预设的静脉模板执行匹配操作；
若所述静脉图像与所述静脉模板匹配成功，解锁所述电子设备。
2.根据权利要求1所述的方法，其特征在于，所述将所述静脉图像与预设的静脉模板执行匹配操作包括：
获取所述静脉图像，将所述静脉图像均匀分成M个静脉子图像，其中，M>1；
对所述M个静脉子图像执行局部阈值计算，得到所述M个静脉子图像对应的M个静脉局部阈值；
依据所述M个静脉局部阈值对所述M个静脉子图像进行分割得到L个待选图像，其中，L>M；
确定所述L个待选图像中包含静脉的N个待识别图像；
依据所述N个待识别图像中静脉的比重确定所述N个待识别图像对应的N个权值，对所述N个待识别图像进行特征提取得到N组待识别特征，其中，所述N组待识别特征与所述N个权值一一对应；
将所述N组待识别特征依次与所述静脉模板进行特征匹配，计算所述N组特征对应的N个匹配值；
依据所述N个匹配值、所述N个权值计算所述静脉图像与所述静脉模板的静脉匹配值；
判断所述静脉匹配值是否大于预设的匹配值阈值，若所述静脉匹配值大于所述匹配值阈值，确定所述静脉图像与所述静脉模板匹配成功。
3.根据权利要求1所述的方法，其特征在于，所述电子设备还包括：红外模组，所述红外模组包括：红外摄像头，所述将所述静脉图像与预设的静脉模板执行匹配操作之前还包括：
获取所述红外摄像头发射红外光的第一波长；
获取所述红外摄像头发射所述红外光的第二波长；
依据所述第一波长、所述第二波长计算所述红外光的红外光折射率；
依据预设的折射率与匹配值阈值的映射关系确定所述红外光折射率对应的匹配值阈值。
4.根据权利要求1-3任一项所述的方法，其特征在于，所述对所述操作信息进行识别，确定所述操作信息为预设操作包括：
从所述操作信息中获取压力数据；
获取预设的压力阈值，判断所述压力数据是否大于所述压力阈值；
若所述压力数据大于所述压力阈值，确定所述操作信息为预设操作；
若所述压力数据不大于所述压力阈值，确定所述操作信息为待定操作。
5.根据权利要求4所述的方法，其特征在于，所述确定所述操作信息为待定操作之后还包括：
从所述操作信息中获取按压时间；
获取预设的时间阈值，判断所述按压时间是否大于所述时间阈值；
若所述按压时间大于所述时间阈值，确定所述待定操作为预设操作；
若所述按压时间不大于所述时间阈值，确定所述待定操作为非预设操作。
6.根据权利要求5所述的方法，其特征在于，所述采集静脉图像包括：
依据所述压力数据、所述按压时间确定目标红外光强度；
启动所述红外摄像头，控制所述红外摄像头依据所述目标红外光强度采集所述静脉图像。
7.一种电子设备，其特征在于，所述电子设备包括：处理器，其中：
所述处理器，用于采集所述电子设备的操作信息，对所述操作信息进行识别，确定所述操作信息为预设操作，采集静脉图像；将所述静脉图像与预设的静脉模板执行匹配操作，若所述静脉图像与所述静脉模板匹配成功，解锁所述电子设备。
8.一种数据传输装置，其特征在于，应用于电子设备，所述装置包括：
采集单元，用于采集所述电子设备的操作信息；
判断单元，用于对所述操作信息进行识别，确定所述操作信息为预设操作，采集静脉图像；
匹配单元，用于将所述静脉图像与预设的静脉模板执行匹配操作；
执行单元，用于若所述静脉图像与所述静脉模板匹配成功，解锁所述电子设备。
9.一种电子设备，其特征在于，包括处理器、存储器，所述存储器用于存储一个或多个程序，并且被配置由所述处理器执行，所述程序包括用于执行如权利要求1-6任一项所述的方法中的步骤的指令。
10.一种计算机可读存储介质，其特征在于，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1-6任一项所述的方法。
CN201910544445.9A 2019-06-21 2019-06-21 解锁方法及相关产品 Active CN110287669B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910544445.9A CN110287669B (zh) 2019-06-21 2019-06-21 解锁方法及相关产品

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910544445.9A CN110287669B (zh) 2019-06-21 2019-06-21 解锁方法及相关产品

Publications (2)

Publication Number Publication Date
CN110287669A true CN110287669A (zh) 2019-09-27
CN110287669B CN110287669B (zh) 2021-05-04

Family

ID=68004280

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910544445.9A Active CN110287669B (zh) 2019-06-21 2019-06-21 解锁方法及相关产品

Country Status (1)

Country Link
CN (1) CN110287669B (zh)

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101093539A (zh) * 2007-07-27 2007-12-26 哈尔滨工程大学 手指静脉特征提取与匹配识别方法
CN101561870A (zh) * 2009-04-10 2009-10-21 北方工业大学 手背静脉采集系统及其方法
CN105488786A (zh) * 2015-11-24 2016-04-13 成都四象联创科技有限公司 人体身份特征图像处理方法
US20160225208A1 (en) * 2015-02-04 2016-08-04 Hon Hai Precision Industry Co., Ltd. Intelligent entrance guard unlocking system and unlocking method thereof
CN106874725A (zh) * 2017-01-23 2017-06-20 广东欧珀移动通信有限公司 一种指纹解锁方法及移动终端
CN107092867A (zh) * 2017-03-29 2017-08-25 广西科技大学 基于纹线特征的静脉识别方法
CN107451444A (zh) * 2017-07-17 2017-12-08 广东欧珀移动通信有限公司 解锁控制方法及相关产品
CN109766836A (zh) * 2019-01-11 2019-05-17 防灾科技学院 一种指静脉识别解锁方法及系统
CN109789313A (zh) * 2016-07-27 2019-05-21 Z2020有限责任公司 用于光疗递送的部件和装置及其相关的方法
CN109858316A (zh) * 2017-10-25 2019-06-07 辛纳普蒂克斯公司 用于生物计量识别的系统和方法

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101093539A (zh) * 2007-07-27 2007-12-26 哈尔滨工程大学 手指静脉特征提取与匹配识别方法
CN101561870A (zh) * 2009-04-10 2009-10-21 北方工业大学 手背静脉采集系统及其方法
US20160225208A1 (en) * 2015-02-04 2016-08-04 Hon Hai Precision Industry Co., Ltd. Intelligent entrance guard unlocking system and unlocking method thereof
CN105488786A (zh) * 2015-11-24 2016-04-13 成都四象联创科技有限公司 人体身份特征图像处理方法
CN109789313A (zh) * 2016-07-27 2019-05-21 Z2020有限责任公司 用于光疗递送的部件和装置及其相关的方法
CN106874725A (zh) * 2017-01-23 2017-06-20 广东欧珀移动通信有限公司 一种指纹解锁方法及移动终端
CN107092867A (zh) * 2017-03-29 2017-08-25 广西科技大学 基于纹线特征的静脉识别方法
CN107451444A (zh) * 2017-07-17 2017-12-08 广东欧珀移动通信有限公司 解锁控制方法及相关产品
CN109858316A (zh) * 2017-10-25 2019-06-07 辛纳普蒂克斯公司 用于生物计量识别的系统和方法
CN109766836A (zh) * 2019-01-11 2019-05-17 防灾科技学院 一种指静脉识别解锁方法及系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
黄吉羊: "基于视频非接触技术的身份识别、追踪及异常预警", 《中国优秀硕士学位论文全文数据库 医药卫生科技辑》 *

Also Published As

Publication number Publication date
CN110287669B (zh) 2021-05-04

Similar Documents

Publication Publication Date Title
EP3086261B1 (en) Method and apparatus for sensing fingerprints
CN110286738B (zh) 指纹采集方法及相关产品
CN107122760B (zh) 指纹识别方法及相关产品
CN108701043A (zh) 一种显示的处理方法及装置
CN107194324A (zh) 指纹识别区域显示方法及相关产品
CN107179871A (zh) 指纹识别区域显示方法及相关产品
CN107172266A (zh) 指纹识别控制方法及相关产品
CN107145886A (zh) 光学指纹采集方法及相关产品
CN107220592A (zh) 一种光学指纹采集方法及相关产品
CN106951767A (zh) 解锁控制方法及相关产品
CN107590375A (zh) 解锁方法及相关产品
CN107172267A (zh) 指纹识别控制方法及相关产品
CN109558715A (zh) 一种终端设备及人脸识别方法
CN107613129A (zh) 解锁方法及相关产品
CN107423601A (zh) 指纹识别控制方法及相关产品
CN107193474A (zh) 解锁控制方法及相关产品
CN110475020A (zh) 设备控制方法及相关产品
CN107194227A (zh) 解锁控制方法及相关产品
CN110210395A (zh) 静脉图像采集方法及相关产品
CN107193472A (zh) 解锁控制方法及相关产品
CN107194223A (zh) 指纹识别区域显示方法及相关产品
CN110245483A (zh) 生物识别方法及相关产品
CN109413256A (zh) 联系人信息处理方法、装置、存储介质及电子设备
CN110263757B (zh) 指纹识别方法及相关产品
CN110264184A (zh) 支付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
GR01 Patent grant
GR01 Patent grant