CN110291534A - 消除指纹图像中的损伤数据 - Google Patents
消除指纹图像中的损伤数据 Download PDFInfo
- Publication number
- CN110291534A CN110291534A CN201880011462.XA CN201880011462A CN110291534A CN 110291534 A CN110291534 A CN 110291534A CN 201880011462 A CN201880011462 A CN 201880011462A CN 110291534 A CN110291534 A CN 110291534A
- Authority
- CN
- China
- Prior art keywords
- damage data
- fingerprint
- captured image
- sensing system
- mathematical model
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 claims abstract description 44
- 230000008030 elimination Effects 0.000 claims abstract description 7
- 238000003379 elimination reaction Methods 0.000 claims abstract description 7
- 238000013178 mathematical model Methods 0.000 claims description 64
- 238000012545 processing Methods 0.000 claims description 40
- 238000003860 storage Methods 0.000 claims description 17
- 230000035945 sensitivity Effects 0.000 claims description 16
- 238000004590 computer program Methods 0.000 claims description 10
- 238000009826 distribution Methods 0.000 claims description 3
- 239000013589 supplement Substances 0.000 claims 4
- 238000000151 deposition Methods 0.000 claims 1
- 235000015096 spirit Nutrition 0.000 claims 1
- 239000000463 material Substances 0.000 description 17
- 230000003068 static effect Effects 0.000 description 16
- 230000006870 function Effects 0.000 description 8
- 238000012360 testing method Methods 0.000 description 7
- 239000003990 capacitor Substances 0.000 description 5
- 238000004519 manufacturing process Methods 0.000 description 5
- 238000005259 measurement Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 239000011521 glass Substances 0.000 description 3
- 238000002604 ultrasonography Methods 0.000 description 3
- 238000013475 authorization Methods 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 2
- 239000000919 ceramic Substances 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 230000002349 favourable effect Effects 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000007476 Maximum Likelihood Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 229910010293 ceramic material Inorganic materials 0.000 description 1
- 239000006059 cover glass Substances 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 238000013499 data model Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 230000001771 impaired effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000003780 insertion Methods 0.000 description 1
- 230000037431 insertion Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000035807 sensation Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
-
- 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
- G06V10/98—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
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Human Computer Interaction (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Image Input (AREA)
- Collating Specific Patterns (AREA)
Abstract
本发明涉及使得能够消除由指纹感测系统(101)的指纹传感器(102)捕获的图像中存在的损伤数据的指纹感测系统(101)的方法;指纹感测系统(101)的消除由指纹感测系统(101)的指纹传感器(102)捕获的图像中存在的损伤数据的方法;以及执行所述方法的指纹感测系统(101)。
Description
技术领域
本发明涉及使得能够消除由指纹感测系统的指纹传感器捕获的图像中存在的损伤数据的指纹感测系统的方法;指纹感测系统的消除由指纹感测系统的指纹传感器捕获的图像中存在的损伤数据的方法;以及执行该方法的指纹感测系统。
背景技术
电子设备诸如智能电话、膝上型计算机、遥控器、平板计算机、智能卡等可以使用指纹识别,例如,以允许用户访问该设备,授权使用该电子设备执行的事务处理,或者授权用户经由该电子设备访问服务。
因此,电子设备(例如,智能电话)配备有指纹传感器,用户在指纹传感器上放置她的手指,以便传感器捕获指纹的图像并将记录的指纹与预先存储的经认证的指纹模板进行比较。如果记录的指纹与预先存储的模板匹配,则用户被认证并且智能电话将执行适当的动作,诸如从锁定模式转换至解锁模式,在解锁模式下,允许用户访问智能电话。
对于基于例如来自手指的电容式、光学或超声的检测信号的指纹传感器,对用户的手指与传感器的指纹感测元件(被称为像素)之间存在的材料在厚度和诸如例如电容式传感器的电介质均匀性的材料性能的精度方面有高要求。在电容式传感器的情况下,当用户触摸智能电话的指纹感测区域(由例如玻璃或陶瓷覆盖)时,在指纹感测区域的表面与布置在智能电话内部的指纹传感器之间形成电容器。通过测量由用户触摸的表面与每个像素处的传感器之间的电容,可以从用户的手指的指纹传感器捕获的图像得到用户的指纹。
然而,由于多种原因,静态噪声形式的损伤数据可存在于由指纹传感器捕获的图像中,这致使从捕获的图像得到指纹更加困难。
对于电容式传感器,这种类型的静态噪声被称为电容式静态噪声,并且可例如由于下述损伤而发生:诸如指纹感测区域的表面与指纹传感器之间的材料堆叠高度的变化、指纹感测区域的例如划痕形式的损坏表面的损伤、或者诸如传感器翘曲或材料性能的缺陷的损伤。为了消除电容式静态噪声,可需要亚微米精度和极纯的材料。在实际情况中,难以达到这种材料精度。
发明内容
本发明的目的是解决或至少减轻本领域中的这个问题,并且因此提供一种至少部分地消除由指纹传感器捕获的图像中的损伤数据的改进方法。
在本发明的第一方面,通过一种使得能够消除由指纹感测系统的指纹传感器捕获的图像中存在的损伤数据的指纹感测系统的方法来达到该目的。该方法包括:捕获接触指纹传感器的物体的图像;以及从捕获的图像中检测由指纹传感器受到的损伤引起的损伤数据。此外,该方法包括:将所检测到的损伤数据拟合至选择的数学模型;以及存储所检测到的损伤数据被拟合至的数学模型,其中,该模型可以随后被用于至少部分地消除由指纹传感器捕获的图像中存在的损伤数据。
在本发明的第二方面,通过包括指纹传感器和处理单元的指纹感测系统来达到该目的,该指纹感测系统被配置成使得能够消除由指纹感测系统的指纹传感器捕获的图像中存在的损伤数据。指纹传感器被配置成捕获接触指纹传感器的物体的图像。处理单元被配置成从捕获图像中检测由指纹传感器受到的损伤引起的损伤数据;将所检测到的损伤数据拟合至选择的数学模型;以及存储所检测到的损伤数据被拟合至的数学模型,其中,该模型可以随后用于至少部分地消除由指纹传感器捕获的图像中存在的损伤数据。
在本发明的第三方面,通过一种指纹感测系统的消除由指纹感测系统的指纹传感器捕获的图像中存在的损伤数据的方法来达到该目的。该方法包括:捕获接触指纹传感器的物体的图像;获取所存储的表示捕获的图像中存在的损伤数据的预定数学模型,该损伤数据是由指纹传感器受到的损伤引起的;以及使用所获取的预定数学模型来至少部分地消除捕获的图像中存在的损伤数据。
在本发明的第四方面,通过包括指纹传感器和处理单元的指纹感测系统来达到该目的,该指纹感测系统被配置成消除由指纹感测系统的指纹传感器捕获的图像中存在的损伤数据。指纹传感器被配置成捕获接触指纹传感器的物体的图像。处理单元被配置成获取所存储的表示在捕获的图像中存在的损伤数据的预定数学模型,该损伤数据是由指纹传感器受到的损伤引起的;以及使用所获取的预定数学模型来至少部分地消除在捕获的图像中存在的损伤数据。
在本发明中,在例如指纹传感器的制造和测试期间,通常被称为(平坦)橡皮印的物体可以被应用于实现指纹感测系统的诸如智能电话的主机设备的指纹感测区域的表面。
对于“完美的”传感器、移动电话指纹感测表面以及电话的感测表面与传感器本身之间的材料,由传感器捕获的这种橡皮印的图像将是均匀的黑色/灰色,没有伪像或噪声形式的任何损伤数据存在于图像中,而在传感器、表面和其间的材料是“不完美的”的实际情形中,形成某种类型图案的损伤数据可以存在于捕获的图像中。
例如,形成线性斜率的损伤数据可以存在于捕获的图像中。
利用本发明,选择适当选择的数学模型来表示这种损伤数据,例如关于分别在水平和垂直方向上表示捕获的图像的坐标x和坐标y的一阶多项式:
P1(x,y)=c0+c1*x+c2*y
其中,选择系数c0、c1和c2,使得一阶多项式正确地表示由捕获的图像中的损伤数据形成的线性斜率。
因此,线性斜率损伤数据有利地被拟合至上述一阶多项式,该多项式被存储,以随后用作用于表示捕获的图像中存在的相应损伤数据的数学模型。与存储完整的静态噪声图像相比,这是非常有利的,存储数学模式需要非常小的存储空间,诸如小于20字节。
在一个实施方式中,在对用户进行认证的正常操作期间,指纹感测系统取出并且使用所创建和存储的数学模式,以使主机设备执行适当的动作,诸如从锁定状态转换成解锁状态,从而允许用户访问主机设备。
在一个实施方式中,在损伤数据是加法类型的情况下,指纹感测系统的处理单元从捕获的图像中存在的损伤数据中减去由所获取的预定数学模型表示的损伤数据,其中,捕获的图像中存在的损伤数据被消除,并且获得了“干净的”图像。
在一个进一步实施方式中,可以调整一个或更多个传感器参数,诸如例如像素灵敏度,以用于消除捕获的图像中存在的任何损伤数据。
例如,假设损伤数据是感测区域的表面与指纹传感器之间的材料的堆叠高度的变化的结果;由于在堆叠高的像素处感测信号的衰减较大,因此可以通过相应地增加像素灵敏度来消除这些像素处的损伤数据。因此,通过基于表示损伤数据的预定数学模型适当地控制传感器设置,可以有利地通过指纹传感器获得“干净的”指纹。
还应该注意,损伤数据可以是材料堆叠中厚度的变化的结果,实际上所述厚度的变化是为工业设计目的而有意创建的,诸如例如凹面或凸面几何形状(例如,旧款iPhone模型的主页按钮的凹形)。
可以设想到,不同的像素灵敏度可以用于传感器的像素矩阵的不同位置,其中,每个位置包括至少一个像素,即使实际上是将一个像素灵敏度用于数十或数百个像素的簇,而将另一像素灵敏度用于另一簇。
将在具体实施方式中对本发明的进一步实施方式进行描述。
通常,除非这里另有明确定义,否则权利要求书中使用的所有术语将根据它们在技术领域中的普通含义来解释。除非另有明确说明,否则所有对“一个(a)/一个(an)/该(the)元件、装置、部件、手段、步骤等”的引用将被开放地解释为指代元件、装置、部件、手段、步骤等的至少一个实例。除非明确说明,否则这里公开的任何方法的步骤不必以公开的确切顺序来执行。
附图说明
现在通过示例参照附图对本发明进行描述,在附图中:
图1示出了可以实现本发明的智能电话形式的电子设备;
图2示出了用户将手指放置在上面的指纹传感器的视图;
图3示出了作为根据一个实施方式的指纹感测系统的部分的指纹传感器;
图4示出了电容式指纹感测的原理;
图5示出了由指纹传感器捕获的图像,其中,连接传感器的物体是橡皮印;
图6示出了图5的捕获图像,但是其中,图像还包括损伤数据;
图7示出了根据本发明的一个实施方式的使得能够消除捕获的图像中的损伤数据的方法的流程图;
图8示出了根据本发明的一个实施方式的消除捕获的图像中的损伤数据的方法的流程图;
图9示出了指纹的捕获的图像,该图像还包括损伤数据;以及
图10示出了图9的捕获的指纹,其中,损伤数据已经被消除。
具体实施方式
现在将在下文中参照附图更全面地对本发明进行描述,在附图中示出了本发明的某些实施方式。然而,本发明可以以许多不同的形式来实施,并且不应被解释为限于本文阐述的实施方式;相反,这些实施方式是作为示例提供的,使得本公开将是充分和完整的,并且将向本领域技术人员充分传达本发明的范围。在整个描述中,相同的附图标记指代相同的元件。
图1示出了可以实现本发明的智能电话100形式的电子设备。智能电话100配备有指纹传感器102和具有触摸屏接口106的显示单元104。指纹传感器102可以例如用于解锁移动电话100和/或用于授权使用移动电话100执行的事务处理等。可替选地,指纹传感器102可以被放置在移动电话100的背面上。注意,指纹传感器102可以被集成在显示单元/触摸屏中或者形成智能电话主页按钮的部分。
应该理解,根据本发明的实施方式的指纹传感器102可以在其他类型的电子设备诸如膝上型计算机、遥控器、平板计算机、智能卡、智能手表等或者利用指纹感测的任何其他类型的现在或未来类似配置的设备中被实现。
图2示出了用户将她的手指201放置在上面的指纹传感器102的略微放大的视图。在采用电容式感测技术的情况下,指纹传感器102被配置成包括多个感测元件。在图2中由附图标记202指示单个感测元件(也称为像素)。
注意,本发明同样适用于其他指纹感测技术,诸如例如,光学感测或超声感测。
图3示出了作为指纹感测系统101的部分的指纹传感器102。指纹感测系统101包括指纹传感器102以及用于控制指纹传感器102并且用于分析捕获的指纹的处理单元103,诸如微处理器。指纹感测系统101还包括存储器105。如图1中例示的,指纹感测系统101通常又形成电子设备100的部分。在传感器管芯中通常嵌入本地存储器108,诸如一次性可编程(OTP)的存储器。
现在,当物体接触指纹传感器102时,传感器102将捕获物体的图像,以使处理单元103通过将捕获的指纹与预先存储在存储器105中的一个或更多个授权指纹模板进行比较来确定物体是否是经授权的用户的指纹。
指纹传感器102可以使用任何种类的当前或未来的指纹感测原理来实现,包括例如电容式、光学、超声或热感测技术。目前,特别是在尺寸和功耗很重要的应用中,电容式感测是最常用的。电容式指纹传感器提供若干感测元件202与放置在指纹传感器102的表面上的手指201之间的电容的指示性测量(参见图2)。通常使用包括以二维方式布置的多个感测元件202的指纹传感器102来执行指纹图像的获取。
在一般的授权过程中,用户将她的手指201放置在传感器102上,以使传感器捕获用户的指纹的图像。处理单元103评估捕获的指纹并且将捕获的指纹与存储在存储器105中的一个或更多个经认证的指纹模板进行比较。如果记录的指纹与预先存储的模板匹配,则用户被认证并且处理单元103通常将指示智能电话100执行适当的动作,诸如从锁定模式转换成解锁模式,在解锁模式下,允许用户访问智能电话100。
再次参照图3,由指纹感测系统101执行的方法的步骤实际上由处理单元103执行,处理单元103以一个或更多个微处理器的形式来被实现,该一个或更多个微处理器被布置成执行被下载至与所述微处理器相关联的诸如随机存取存储器(RAM)、闪速存储器或硬盘驱动器的存储介质105的计算机程序107。处理单元103被设置成:当包括计算机可执行指令的适当计算机程序107被下载至存储介质105并且由处理单元103执行时,使指纹感测系统101执行根据实施方式的方法。存储介质105还可以是包括计算机程序107的计算机程序产品。可替选地,计算机程序107可以通过适当的计算机程序产品诸如数字多功能光盘(DVD)或记忆棒被转移至存储介质105。作为另一可替选方案,可以通过网络将计算机程序107下载至存储介质105。可替选地,处理单元103可以以数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列(FPGA)、复杂可编程逻辑器件(CPLD)等的形式来被实现。还应该理解,通过处理单元103提供的功能的全部或一些部分可以与指纹传感器102至少部分地集成。
如先前已经讨论的,图4示出了电容式指纹感测的原理。在用户用她的手指201接触智能电话的指纹感测区域的表面110(通常通过触摸主页按钮)时,在指纹感测区域的表面110与被布置在智能电话内部的指纹传感器102之间形成电容器C。表面110与指纹传感器102之间的材料111可以包括例如玻璃或陶瓷。
通过测量由用户触摸的表面110与传感器102之间的电容,可以从由用户的手指201的指纹传感器102捕获的图像得到用户的指纹。
由于诸如指纹感测区域的表面110与指纹传感器102之间的材料111的堆叠高度的变化、损坏的表面110、传感器翘曲、材料111的特性的一般缺陷的各种损伤,电容式静态噪声将存在于由指纹传感器102捕获的图像中,这致使从捕获的图像得到指纹更加困难。在使用光学或超声的指纹感测技术的情况下也存在类似的噪声。
已知通过捕获其中存在由这些损伤生成的静态噪声的一个或更多个参考图像,可以使用图像处理来移除或减轻随后捕获的图像中的静态噪声。
这些已知的方法涉及存储完整的静态噪声图像,以便随后在指纹感测系统中使用,目的是消除捕获的图像中的电容式静态噪声。
再次参照图4,在指纹传感器102的制造和测试期间,通常被称为(平坦)橡皮印的物体可以代替真实手指被应用于智能电话的指纹感测区域的表面110。该橡皮印通常完全覆盖区域110,并且相应地覆盖指纹传感器102的所有像素。
参照图5,对于“完美的”传感器102、表面110和材料111,由传感器102捕获的这种橡皮印记的图像将是均匀的黑色/灰色,没有伪像或噪声的形式的任何损伤数据存在于图像中,而在传感器102、表面110和材料111受到损伤的实际情形中,形成某种类型图案的损伤数据通常存在于捕获的图像中。
例如,在一个实施方式中,在捕获的图像中存在形成线性斜率的损伤数据的情况下,用于表示这种损伤数据的适当选择的数学模型可以是一阶多项式:
P1(x,y)=c0+c1*x+c2*y
其中,选择系数c0、c1和c2,使得一阶多项式正确地表示由捕获的图像中的损伤数据形成的线性斜率,并且x和y分别表示捕获的图像的x坐标和y坐标。
图6以圆形或椭圆形图案布置的损伤数据的形式示出了捕获的图像中存在的损伤数据120。这是以下图案:该图案可以是在指纹感测区域的表面110与指纹传感器102之间的玻璃/陶瓷材料111中产生的气袋的结果。
这种损伤数据可以被拟合至椭圆径向基函数,诸如:
Q(r)=c0*(1-exp(-c1*r2))
其中,
r=1-q
以及
q=((x-c2)/c3)2+((y-c4)/c5)2
对于x和y,使得((x-c2)c3)2+((y-c4)/c5)2<1(因此x和y位于中心在(x,y)=(c2,c4)的椭圆的内部,并且x轴截距为c3且y轴截距为c5)。在椭圆外部,Q=0。因此,图6中所示的损伤数据120可以被拟合至椭圆函数。
注意,x轴从捕获的图像的左下角水平地延伸,而y轴从捕获的图像的左下角垂直地延伸。
如前所述,在本领域中通过存储完整的噪声图像并且使用噪声图像以在随后捕获的图像中消除相应的损伤数据来减轻损伤。这种方法的缺点在于需要大的存储器来存储整个噪声图像,通常在千字节的范围。这对系统成本、小型化、系统复杂性和成品率具有负面影响。此外,在一些系统中,诸如例如在智能卡应用中,计算时间可能太慢和/或功耗太高,以致于实际上不可能实现这种方法。
图7示出了根据本发明的一个实施方式的方法的流程图,该方法通过使得能够消除捕获的图像中存在的损伤数据来解决本领域中的这一问题。还参照图3的指纹感测系统101。
在第一步骤S101中,指纹传感器102捕获接触传感器102的物体的图像。物体可以是用户的手指或橡皮印。在下文中参照图5和图6,将以橡皮印的形式来例示该物体,橡皮印的图像在图5中被示出。注意,可以捕获若干图像,并且对这些图像进行平均以产生表示橡皮印的单个图像(或重复的手指触摸的组合结果)。
此后,在步骤S102中,由处理单元103从捕获的图像中检测由指纹传感器受到的损伤引起的损伤数据(或者例如在生产环境中执行检测的情况下由计算机检测)。因此,参考图6的捕获的图像,检测在捕获的图像中形成椭圆图案的损伤数据120。
然后,在步骤S103中,处理单元有利地将检测到的损伤数据120拟合至适当选择的数学模型。因此,使用损伤数据被拟合至的数学模型来表征损伤数据。在该例示实施方式中,将使用先前讨论的椭圆径向基函数来表示椭圆形损伤数据120。这可以通过由指纹感测系统运行的专用校准程序来执行。有利地,通过在实现指纹感测的电子设备——例如,智能电话——上本地执行这种程序,安全性水平显著提高,这是因为在这种实施方式中所估计的数学模型永远不会离开电子设备。
可以使用线性或非线性方法诸如例如最大似然或最大后验估计来执行损伤数据至数学模型的拟合。因此,步骤S103中损伤数据120被拟合至的数学模型可以随后用于表示和消除捕获的图像中存在的损伤数据。
最后,在步骤S104中,将检测到的损伤数据被拟合至的数学模型,即适当选择的系数c0、c1和c2存储在指纹传感器102的本地存储器108中。
随后,存储在本地存储器108中的数学模型将被上载至主机硬件,即上载至处理单元103,在处理单元103中,该数学模型有利地可以用于消除随后捕获的图像中存在的任何损伤数据,这将极大地改善由指纹感测系统101进行的认证过程的准确性。
因此,创建由例如翘曲、堆叠和材料变化引起的静态噪声的数学表示。根据捕获的图像中存在的静态噪声的结构,可以使用最佳低阶模型例如多项式、谐波、径向或其他基函数来描述由在捕获的图像中检测到的传感器102的损伤引起的静态噪声。
有利地,例如在指纹传感器102的生产测试中测量的低频静态噪声形式的损伤数据在数学上被拟合至具有一些自由度(诸如小于20字节)的低阶模型,并且随后将该低阶模型存储在嵌入传感器管芯中的本地存储器108中。
注意,每个单独的指纹传感器通常在捕获图像中生成或多或少的唯一损伤数据。因此,对于每个指纹传感器,创建唯一的数学模型。
还应该注意,可以在智能电话启动时,甚至在正常使用电话期间使用用户的手指作为接触传感器的物体来测量低频静态噪声。此外,实际上,可能需要捕获接触传感器的橡皮印或手指的多个图像,以正确地测量捕获的图像中的任何损伤数据。
在实现指纹感测系统的电子设备的正常操作期间捕获用户手指的图像的巨大优点是:可以随着时间逐渐改善建模(如果任何改进是可以的)。此外,这种方法的附加益处是可以补偿随着时间变化的损伤(即用户打破她的智能电话的盖玻璃)。
此外,可以设想到,在可能的情况下,可以将少量的流体涂到感测区域的表面上,以在专用校准模式中进一步改善捕获的图像的质量。
如上文所述,根据要表示的损伤数据可以设想到多个数学模型,并且通过使用适当的模型将损伤数据消除。
1)n阶多项式(针对无均匀性、翘曲和其他低频损伤),例如如上所述的一阶多项式,或者二阶模型:
P2(x,y)=c0+c1*x+c2*y+c3*x2+c4*y2+c5*x*y。
2)谐波函数(针对对于固定频率数的周期性损伤),例如:
H(x,y)=c0*Sin(c1*x)*Sin(c2*y)。
可以进一步设想利用基函数的线性组合,例如:
P3(x,y)=H1(x,y)+H2(x,y)+Q1(r)+Q2(r)
在本发明的另一实施方式中,数学近似基于小波函数。这可以通过使用离散小波变换来获得,该离散小波变换在一维情况下将是以下形式的函数:
ψj,k(x)=2j/2ψ(2jx-k)
对于跨越空间Wj的整数j、k。2D情况的扩展可以在若干图像处理书诸如J.P.Antoine,R.Murenzi,P.Vandergheynst and S.T.Ali,“Two DimensionalWaveletsand Their Relatives,”Cambridge University Press,Cambridge,2004中找到。
现在,在将损伤数据拟合至适当的数学模型之后,将该模型存储在指纹传感器102的本地存储器108中,所存储的数学模型可以由主机即智能电话100的处理单元103使用,以表示——并且消除——随后捕获的图像中存在的损伤数据,该损伤数据表示要与存储在存储器105中的指纹模板进行比较的指纹,以使智能电话100执行期望的动作,例如从锁定模式转换成解锁模式,在解锁模式下,允许用户访问智能电话100。
在一个实施方式中,数学模型被存储在指纹感测系统101的存储器(未示出)中,该存储器位于实际传感器102的外部(与在具有传感器102的芯片上的OTP 108形成对比)。有利地,除了提供较大的存储容量以外,添加外部存储器避免了将创建的数学模型存储在主机设备中。进一步有利的是,在需要用新传感器代替指纹传感器102的情况下,由于在将新传感器连接至存储器时可以从外部存储器获取已经创建的模型,因此不需要通过执行进一步的测试再次得到所存储的数学损伤数据模型。
图8示出了根据本发明的一个实施方式的方法的流程图,该方法在已经创建数学模型并且将该数学模型存储在指纹传感器102的存储器108中之后消除捕获的图像中的损伤数据。还参照图3的指纹感测系统101。
在第一步骤S201中,指纹传感器102捕获接触传感器102的物体的图像。在智能电话100的正常操作期间,该物体通常是智能电话的用户的手指。由于损伤数据与静态噪声有关,因此在例如指纹传感器102的生产测试期间被拟合至选择的数学模型的损伤数据仍然存在于任何随后捕获的图像中,如图9所示并且再次用120指示该损伤数据(假设损伤数据具有如图6所示的椭圆结构)。
此后,在步骤S202中,处理单元103获取存储在传感器存储器108中的表示捕获的图像中存在的损伤数据的预定数学模型。
处理单元103随后使用所获取的预定数学模型来至少部分地消除捕获的图像中存在的损伤数据。
在一个实施方式中,在损伤数据是加法类型的情况下,处理单元103从捕获的图像中存在的损伤数据中减去由所获取的预定数学模型表示的损伤数据,其中,捕获的图像中存在的损伤数据被消除。
因此,参照图10,获得表示“干净”指纹的图像。
在另一实施方式中,在损伤数据是乘法类型的情况下,处理单元103将捕获的图像中存在的损伤数据除以由所获取的预定数学模型表示的损伤数据,其中,捕获的图像中存在的损伤数据被消除。
结果,再次参照图10,获得表示干净指纹的图像。
在又一实施方式中,不一定执行图像处理。代替地,处理单元103获取存储在指纹传感器102的本地存储器108中的预定数学模型,并且相应地控制指纹传感器102在捕获图像时调整其设置,以补偿由所获取的预定数学模型表示的损伤数据,从而至少部分地消除捕获的图像中存在的损伤数据。
例如,再次参照图9中所示的捕获的图像中存在的损伤数据,可以调整多个传感器参数中的任何一个或更多个,诸如例如,像素灵敏度,这将在下文中讨论。
例如,假设损伤数据120是感测区域的表面110与指纹传感器102之间的材料111的堆叠高度的变化的结果;由于在堆叠高的像素处感测信号的衰减较大,因此可以通过相应地增加像素灵敏度来消除这些像素处的损伤数据。因此,通过基于表示损伤数据的预定数学模型适当地控制传感器设置,可以有利地通过指纹传感器102获得如图10所示的“干净”指纹。
可以设想到,不同的像素灵敏度可以被用于传感器102的像素矩阵的不同位置,其中,每个位置包括至少一个像素,即使实际上是将一个像素灵敏度用于数十或数百个像素的簇,而将另一像素灵敏度用于另一簇。
在一个可替选的实施方式中,处理单元103被配置成将较小权重分配至从被所获取的预定数学模型指示为包括损伤数据的捕获的图像的区域提取的指纹特征。因此,与不存在损伤并且因此可以更依赖于提取的指纹特征的图像的区域相比,较低程度地考虑(或可能根本不考虑)受到损伤影响的捕获的图像区域是有利的。
在又一实施方式中,指纹传感器102被配置成在被所获取的预定数学模型指示为包括损伤数据的传感器102的区域处执行对接触传感器的物体的扩展感测,这将有利地产生其中损伤数据至少部分被消除的捕获的图像。扩展感测可以例如通过多次感测任何受损伤影响的像素并且得到作为多个测量结果的平均的像素强度来执行,或者通过捕获多个图像并且执行多个图像的平均来执行。可替选地,确定多个像素测量结果/多个捕获图像中的一个像素测量结果——或完整的捕获图像——以最好地表示接触传感器的物体,其中,选择该测量像素/捕获的图像。
以上主要参照几个实施方式对本发明进行了描述。然而,如本领域技术人员容易理解的,除了上面公开的实施方式以外的其他实施方式同样可以在如由所附专利权利要求书限定的本发明的范围内。
Claims (31)
1.一种使得能够消除由所述指纹感测系统(101)的指纹传感器(102)捕获的图像中存在的损伤数据(120)的所述指纹感测系统(101)的方法,包括:
捕获(S101)接触所述指纹传感器(102)的物体的图像;
从捕获的图像中检测(S102)由所述指纹传感器(102)受到的损伤引起的损伤数据(120);
将所检测到的损伤数据(120)拟合(S103)至选择的数学模型;以及
存储(S104)所检测到的损伤数据(120)被拟合至的所述数学模型,其中,所述模型能够随后用于至少部分地消除由所述指纹传感器(102)捕获的图像中存在的损伤数据。
2.根据权利要求1所述的方法,其中,所述检测到的损伤数据(120)被拟合至的所述数学模型被存储在所述指纹传感器(102)中的存储器(108)中、和/或被存储在所述指纹传感器(102)外部的指纹感测系统存储器中、和/或被存储在实现所述指纹感测系统(101)的主机设备(100)的存储器(105)中。
3.根据前述权利要求中任一项所述的方法,所述数学模型被选择为多项式、谐波、径向、小波。
4.根据前述权利要求中任一项所述的方法,所述物体是手指。
5.根据前述权利要求中任一项所述的方法,所述物体是橡皮印。
6.一种指纹感测系统(101)的消除由所述指纹感测系统(101)的指纹传感器(102)捕获的图像中存在的损伤数据(120)的方法,包括:
捕获(S201)接触所述指纹传感器(102)的物体的图像;
获取(S202)所存储的表示捕获的图像中存在的损伤数据(120)的预定数学模型,所述损伤数据(120)是由所述指纹传感器(102)受到的损伤引起的;以及
使用(S203)所获取的预定数学模型来至少部分地消除所述捕获的图像中存在的所述损伤数据(120)。
7.根据权利要求6所述的方法,其中,使用(S203)所获取的预定数学模型来至少部分地消除所述捕获的图像中存在的所述损伤数据(120)的所述步骤包括:
在捕获所述图像时调整指纹传感器(102)设置以补偿由所获取的预定数学模型表示的损伤数据,从而至少部分地消除所述捕获的图像中存在的所述损伤数据(120)。
8.根据权利要求7所述的方法,其中,所述指纹传感器(102)设置的调整包括:调整所述传感器的像素的灵敏度以补偿所述损伤数据。
9.根据权利要求8所述的方法,其中,所述指纹传感器(102)的调整还包括:
调整所述传感器的像素的灵敏度以使得不同的像素的簇被调整成具有不同的像素灵敏度。
10.根据权利要求6至9中任一项所述的方法,其中,使用(S203)所获取的预定数学模型来至少部分地消除所述捕获的图像中存在的所述损伤数据(120)的所述步骤包括:
从所述捕获的图像中存在的损伤数据中减去由所述获取的预定数学模型表示的损伤数据(120)。
11.根据权利要求6至9中任一项所述的方法,其中,使用(S203)所述获取的预定数学模型来至少部分地消除所述捕获的图像中存在的所述损伤数据(120)的所述步骤包括:
将所述捕获的图像中存在的损伤数据除以由所述获取的预定数学模型表示的损伤数据。
12.根据权利要求6至11中任一项所述的方法,其中,使用(S203)所述获取的预定数学模型来至少部分地消除所述捕获的图像中存在的所述损伤数据(120)的所述步骤包括:
将较小权重分配至从被所述获取的预定数学模型指示为包括损伤数据的所述捕获的图像的区域提取的指纹特征。
13.根据权利要求6至9中任一项所述的方法,其中,使用(S203)所述获取的预定数学模型来至少部分地消除所述捕获的图像中存在的所述损伤数据(120)的所述步骤包括:
在被所述获取的预定数学模型指示为包括损伤数据的所述指纹传感器(102)的区域处执行对接触所述指纹传感器的所述物体的补充感测。
14.根据权利要求13所述的方法,其中,所述补充感测的执行包括:
重复地感测被指示为受损伤影响的所述指纹传感器(102)的像素,并且使用所感测到的像素值中的一个或更多个来表示所述捕获的图像中的相应像素。
15.一种包括指纹传感器(102)和处理单元(103)的指纹感测系统(101),所述指纹感测系统(101)被配置成使得能够消除由所述指纹感测系统(101)的所述指纹传感器(102)捕获的图像中存在的损伤数据(120),
所述指纹传感器(102)被配置成:
捕获接触所述指纹传感器(102)的物体的图像;
所述处理单元(103)被配置成:
从所述捕获的图像中检测由所述指纹传感器(102)受到的损伤引起的损伤数据(120);
将所述检测到的损伤数据(120)拟合至选择的数学模型;以及
存储所述检测到的损伤数据(120)被拟合至的所述数学模型,其中,所述模型能够随后用于至少部分地消除由所述指纹传感器(102)捕获的图像中存在的损伤数据。
16.根据权利要求15所述的指纹感测系统(101),其中,所述处理单元(103)还被配置成将所述检测到的损伤数据(120)被拟合至的所述数学模型存储在所述指纹传感器(102)中的存储器(108)中、和/或存储在实现所述指纹感测系统(101)的主机设备(100)的存储器(105)中。
17.根据权利要求15或16中任一项所述的指纹感测系统(101),所述数学模型被选择为多项式、谐波或径向。
18.根据权利要求15至17中任一项所述的指纹感测系统(101),所述物体是手指。
19.根据权利要求15至18中任一项所述的指纹感测系统(101),所述物体是橡皮印。
20.一种包括指纹传感器(102)和处理单元(103)的指纹感测系统(101),所述指纹感测系统(101)被配置成消除由所述指纹感测系统(101)的所述指纹传感器(102)捕获的图像中存在的损伤数据(120),
所述指纹传感器(102)被配置成:
捕获接触所述指纹传感器(102)的物体的图像;所述处理单元(103)被配置成:
获取所存储的表示所述捕获的图像中存在的损伤数据(120)的预定数学模型,所述损伤数据(120)是由所述指纹传感器(102)受到的损伤引起的;以及
使用所述获取的预定数学模型来至少部分地消除所述捕获的图像中存在的所述损伤数据(120)。
21.根据权利要求20所述的指纹感测系统(101),所述处理单元(103)被配置成:当使用所述获取的预定数学模型来至少部分地消除所述捕获的图像中存在的所述损伤数据(120)时,
在捕获所述图像时调整指纹传感器(102)设置以补偿由所述获取的预定数学模型表示的损伤数据,从而至少部分地消除所述捕获的图像中存在的所述损伤数据(120)。
22.根据权利要求21所述的指纹感测系统(101),其中,所述处理单元(103)被配置成:当调整所述指纹传感器(102)设置时,
调整所述传感器(102)的像素的灵敏度以补偿所述损伤数据。
23.根据权利要求21所述的指纹感测系统(101),其中,所述处理单元(103)被配置成:当调整所述指纹传感器(102)设置时,
调整所述传感器(102)的像素的灵敏度以使得不同的像素的簇被调整成具有不同的像素灵敏度。
24.根据权利要求20至23中任一项所述的指纹感测系统(101),其中,所述处理单元(103)被配置成:当使用所述获取的预定数学模型来至少部分地消除所述捕获的图像中存在的所述损伤数据(120)时,
从所述捕获的图像中存在的损伤数据中减去由所述获取的预定数学模型表示的所述损伤数据(120)。
25.根据权利要求20至23中任一项所述的指纹感测系统(101),其中,所述处理单元(103)被配置成:当使用所述获取的预定数学模型来至少部分地消除所述捕获的图像中存在的所述损伤数据(120)时,
将所述捕获的图像中存在的所述损伤数据除以由所述获取的预定数学模型表示的所述损伤数据。
26.根据权利要求20至25中任一项所述的指纹感测系统(101),其中,所述处理单元(103)被配置成:当使用所述获取的预定数学模型来至少部分地消除所述捕获的图像中存在的所述损伤数据(120)时,
将较小权重分配至从被所述获取的预定数学模型指示为包括损伤数据的所述捕获的图像的区域提取的指纹特征。
27.根据权利要求20至23中任一项所述的指纹感测系统(101),其中,所述处理单元(103)被配置成:当使用所述获取的预定数学模型来至少部分地消除所述捕获的图像中存在的所述损伤数据(120)时,
在被所述获取的预定数学模型指示为包括损伤数据的所述指纹传感器(102)的区域处执行对接触所述指纹传感器的所述物体的补充感测。
28.根据权利要求27所述的指纹感测系统(101),其中,所述处理单元(103)被配置成:当执行所述补充感测时,
重复地感测被指示为受损伤影响的所述指纹传感器(102)的像素,并且使用所感测到的像素值中的一个或更多个来表示所述捕获的图像中的相应像素。
29.一种电子设备(100),其包括根据权利要求15至28中任一项所述的指纹感测系统(101)。
30.一种包括计算机可执行指令的计算机程序(107),所述计算机可执行指令用于在所述计算机可执行指令在指纹感测系统(101)中包括的处理单元(103)上被执行时使所述指纹感测系统(101)执行根据权利要求1至14中任一项所述的步骤。
31.一种包括计算机可读介质(105)的计算机程序产品,所述计算机可读介质具有在其上实施的根据权利要求30所述的计算机程序(107)。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
SE1750159A SE1750159A1 (sv) | 2017-02-17 | 2017-02-17 | Cancelling out impairment data in fingerprint images |
SE1750159-4 | 2017-02-17 | ||
PCT/SE2018/050111 WO2018151643A1 (en) | 2017-02-17 | 2018-02-07 | Cancelling out impairment data in fingerprint images |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110291534A true CN110291534A (zh) | 2019-09-27 |
Family
ID=63170717
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201880011462.XA Pending CN110291534A (zh) | 2017-02-17 | 2018-02-07 | 消除指纹图像中的损伤数据 |
Country Status (5)
Country | Link |
---|---|
US (1) | US11288487B2 (zh) |
EP (1) | EP3583546A4 (zh) |
CN (1) | CN110291534A (zh) |
SE (1) | SE1750159A1 (zh) |
WO (1) | WO2018151643A1 (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3540542B1 (en) * | 2018-03-13 | 2021-09-29 | Siemens Aktiengesellschaft | Method and apparatus for providing an instantiated industrial semantic model for an industrial infrastructure |
KR20200101158A (ko) * | 2019-02-19 | 2020-08-27 | 삼성전자주식회사 | 지문 센서를 포함하는 전자 장치 |
WO2023063862A1 (en) * | 2021-10-15 | 2023-04-20 | Fingerprint Cards Anacatum Ip Ab | Shading compensated readout |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1463532A (zh) * | 2001-06-18 | 2003-12-24 | 卡西欧计算机株式会社 | 光电传感器系统和其驱动控制方法 |
US20060257047A1 (en) * | 2005-05-11 | 2006-11-16 | Fuji Photo Film Co., Ltd. | Image processing apparatus, image processing method, and image processing program |
CN103491319A (zh) * | 2012-06-11 | 2014-01-01 | 索尼公司 | 成像装置 |
CN105706111A (zh) * | 2014-07-14 | 2016-06-22 | 指纹卡有限公司 | 用于噪声减轻的方法及电子装置 |
Family Cites Families (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6330345B1 (en) * | 1997-11-17 | 2001-12-11 | Veridicom, Inc. | Automatic adjustment processing for sensor devices |
CA2309002A1 (en) | 2000-05-23 | 2001-11-23 | Jonathan Martin Shekter | Digital film grain reduction |
US7020591B1 (en) * | 2001-09-05 | 2006-03-28 | Cogent Systems, Inc | Partial differential equation model for image feature extraction and identification |
JP2006184104A (ja) * | 2004-12-27 | 2006-07-13 | Alps Electric Co Ltd | 容量センサ |
US8005276B2 (en) | 2008-04-04 | 2011-08-23 | Validity Sensors, Inc. | Apparatus and method for reducing parasitic capacitive coupling and noise in fingerprint sensing circuits |
JP5196010B2 (ja) * | 2009-04-13 | 2013-05-15 | 富士通株式会社 | 生体情報登録装置、生体情報登録方法及び生体情報登録用コンピュータプログラムならびに生体認証装置、生体認証方法及び生体認証用コンピュータプログラム |
JP2013114518A (ja) * | 2011-11-29 | 2013-06-10 | Sony Corp | 画像処理装置、および画像処理方法、並びにプログラム |
JP2016518747A (ja) * | 2013-03-15 | 2016-06-23 | イェール ユニバーシティーYale University | センサー依存性ノイズを有する画像化データを処理するための技術 |
US9576176B2 (en) * | 2013-07-22 | 2017-02-21 | Apple Inc. | Noise compensation in a biometric sensing device |
KR102377411B1 (ko) * | 2015-04-10 | 2022-03-21 | 에이에스엠엘 네델란즈 비.브이. | 검사와 계측을 위한 방법 및 장치 |
US10013593B2 (en) * | 2015-09-09 | 2018-07-03 | Cypress Semiconductor Corporation | Multiphase fingerprint sensor layout and construction |
US10039526B2 (en) | 2015-09-17 | 2018-08-07 | Qualcomm Incorporated | Pixel receiver with low frequency noise reduction for ultrasonic imaging apparatus |
US9600707B1 (en) | 2015-11-30 | 2017-03-21 | Fingerprint Cards Ab | Analog sampling system and method for noise supression |
US11035937B2 (en) * | 2015-12-28 | 2021-06-15 | Leddartech Inc. | Intrinsic static noise characterization and removal |
-
2017
- 2017-02-17 SE SE1750159A patent/SE1750159A1/sv not_active Application Discontinuation
-
2018
- 2018-02-07 US US16/485,293 patent/US11288487B2/en active Active
- 2018-02-07 WO PCT/SE2018/050111 patent/WO2018151643A1/en unknown
- 2018-02-07 CN CN201880011462.XA patent/CN110291534A/zh active Pending
- 2018-02-07 EP EP18754240.2A patent/EP3583546A4/en active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1463532A (zh) * | 2001-06-18 | 2003-12-24 | 卡西欧计算机株式会社 | 光电传感器系统和其驱动控制方法 |
US20060257047A1 (en) * | 2005-05-11 | 2006-11-16 | Fuji Photo Film Co., Ltd. | Image processing apparatus, image processing method, and image processing program |
CN103491319A (zh) * | 2012-06-11 | 2014-01-01 | 索尼公司 | 成像装置 |
CN105706111A (zh) * | 2014-07-14 | 2016-06-22 | 指纹卡有限公司 | 用于噪声减轻的方法及电子装置 |
Also Published As
Publication number | Publication date |
---|---|
SE1750159A1 (sv) | 2018-08-18 |
EP3583546A4 (en) | 2020-12-16 |
US11288487B2 (en) | 2022-03-29 |
US20190377929A1 (en) | 2019-12-12 |
EP3583546A1 (en) | 2019-12-25 |
WO2018151643A1 (en) | 2018-08-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11216546B2 (en) | Method for fingerprint authentication using force value | |
CN105981045B (zh) | 使用触摸传感器数据的指纹认证 | |
US9911026B2 (en) | Fingerprint sensor with force sensor | |
US20200285882A1 (en) | Method and system for fingerprint image enhancement | |
US9842245B1 (en) | Fingerprint sensing system with liveness detection | |
CN107924464A (zh) | 多分辨率指纹传感器 | |
CN110291534A (zh) | 消除指纹图像中的损伤数据 | |
US20170091521A1 (en) | Secure visual feedback for fingerprint sensing | |
US10572749B1 (en) | Systems and methods for detecting and managing fingerprint sensor artifacts | |
CN107408208B (zh) | 用于对用户的生物测量进行分析的方法和指纹感测系统 | |
EP3649578A1 (en) | Method of a fingerprint sensing system of enabling authentication of a user based on fingerprint data | |
CN109690560B (zh) | 具有不同电容式配置的指纹感测 | |
CN110574038B (zh) | 从指纹图像中提取指纹特征数据 | |
JP7291080B2 (ja) | 指紋画像における劣化データの抑制 | |
TWI741044B (zh) | 判斷手指的物理性質之方法、手指感測系統以及電子裝置 | |
CN114026614B (zh) | 用于登记指纹的方法和系统 |
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: 20211202 Address after: Gothenburg Applicant after: Fingerprint kaana Kadun Intellectual Property Co.,Ltd. Address before: Gothenburg Applicant before: FINGERPRINT CARDS AB |
|
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20190927 |