CN110582780A - 指纹识别和防伪的方法、装置和电子设备 - Google Patents

Abstract

本申请实施例涉及指纹识别和防伪的方法、装置和电子设备。该指纹识别装置设置于电子设备的显示屏下方，该显示屏的指纹检测区域包括互不重叠的中心区域和周围区域，该指纹识别装置包括：光路引导结构，用于将返回光信号引导至光学传感器，该返回光信号为该指纹检测区域内的发光显示像素发出的光照射手指后返回的光信号，该中心区域内的发光显示像素发出单色光照射手指，该周围区域内的发光显示像素发出空间上间隔分布的多种颜色的光照射手指；光学传感器，用于接收经过该光路引导结构的光信号以获取该手指的指纹图像，该指纹图像中与该中心区域对应的中心部分用于指纹识别，该指纹图像中与该周围区域对应的周围部分用于指纹防伪认证。

Description

指纹识别和防伪的方法、装置和电子设备

技术领域

本申请涉及生物识别领域，尤其涉及指纹识别和防伪的方法、装置和电子设备。

背景技术

随着屏下光学指纹方案的手机逐渐普及，对于屏下光学指纹的防伪提出了更高的要求。但目前已经面世的屏下光学指纹技术，防伪功能有限，大部分几乎没有防伪功能。

例如，目前屏下光学指纹传感器技术主要有两种。第一种是基于周期性微孔阵列的屏下光学指纹识别技术，此技术容易受到莫尔条纹的影响。第二种是基于一体式的微透镜屏下光学指纹识别技术。这两种技术的屏下光学指纹识别技术，都是通过指纹按压区域全像素点亮的方式提取指纹信息，进而进行指纹识别，但是这对各种真假手指的没有好的辨识度。

发明内容

本申请提供了一种指纹识别和防伪的方法、装置和电子设备，既能够进行指纹识别也能够进行指纹防伪认证。

第一方面，提供了一种指纹识别装置，设置于电子设备的显示屏下方，所述显示屏包括多个发光显示像素，所述显示屏包括指纹检测区域，所述指纹检测区域包括互不重叠的中心区域和周围区域，所述中心区域位于所述周围区域的中间，该指纹识别装置包括：光路引导结构，用于将返回光信号引导至光学传感器，所述返回光信号为所述指纹检测区域内的发光显示像素发出的光照射手指后返回的光信号，其中，所述中心区域内的发光显示像素发出单色光照射所述手指，所述周围区域内的发光显示像素发出空间上间隔分布的多种颜色的光照射所述手指；光学传感器，位于所述光路引导结构的下方，用于接收经过所述光路引导结构的光信号，所述光信号用于获取所述手指的指纹图像，所述指纹图像中与所述中心区域对应的中心部分用于进行指纹识别，所述指纹图像中与所述周围区域对应的周围部分用于进行指纹防伪认证。

结合第一方面，在第一方面的一种实现方式中，所述周围区域内的发光显示像素发出的光与所述中心区域内的发光显示像素发出的单色光的颜色不同。

结合第一方面及其上述实现方式，在第一方面的另一种实现方式中，所述指纹检测区域还包括位于所述周围区域的外围的补光区域，所述补光区域内的发光显示像素发出单色光照射所述手指。

结合第一方面及其上述实现方式，在第一方面的另一种实现方式中，所述补光区域内的发光显示像素发出的单色光与所述中心区域内的发光显示像素发出的单色光的颜色相同。

结合第一方面及其上述实现方式，在第一方面的另一种实现方式中，所述中心区域的面积大于所述周围区域的面积。

结合第一方面及其上述实现方式，在第一方面的另一种实现方式中，所述中心区域为矩形或者圆形。

结合第一方面及其上述实现方式，在第一方面的另一种实现方式中，所述周围区域包括多组子区域，所述多组子区域中同一组子区域内的发光显示像素发出相同颜色的光照射所述手指，所述多组子区域中不同组子区域内的发光显示像素发出不同颜色的光照射所述手指。

结合第一方面及其上述实现方式，在第一方面的另一种实现方式中，所述多组子区域中不同组的子区域之间间隔排列。

结合第一方面及其上述实现方式，在第一方面的另一种实现方式中，所述多组子区域中同一组子区域内的多个子区域的面积和/或形状相同。

结合第一方面及其上述实现方式，在第一方面的另一种实现方式中，所述多组子区域中每个子区域包括5-10个发光显示像素。

结合第一方面及其上述实现方式，在第一方面的另一种实现方式中，所述多组子区域为两组子区域或者三组子区域。

结合第一方面及其上述实现方式，在第一方面的另一种实现方式中，所述两组子区域包括第一组子区域和第二组子区域，所述第一组子区域内的子区域的面积和形状相同，与所述第二组子区域内的子区域的面积和形状相同。

结合第一方面及其上述实现方式，在第一方面的另一种实现方式中，所述第一组子区域中的子区域的形状与所述第二组子区域中的子区域的形状相同。

结合第一方面及其上述实现方式，在第一方面的另一种实现方式中，所述第一组子区域与所述第二组子区域中的子区域的形状均为方形、圆形或者半圆形。

结合第一方面及其上述实现方式，在第一方面的另一种实现方式中，所述第一组子区域中的子区域的形状与所述第二组子区域中的子区域的形状不相同。

结合第一方面及其上述实现方式，在第一方面的另一种实现方式中，所述第一组子区域中的子区域的形状为方形，所述第二组子区域中的子区域的形状为圆形。

结合第一方面及其上述实现方式，在第一方面的另一种实现方式中，所述指纹识别装置还包括：滤光片，设置于所述光学传感器上方，用于滤除所述返回光信号中的红外光信号。

结合第一方面及其上述实现方式，在第一方面的另一种实现方式中，所述多组子区域包括第三组子区域，所述第三组子区域内的发光显示像素用于发出红光；所述滤光片用于滤除所述红光照射所述手指后返回的光信号。

结合第一方面及其上述实现方式，在第一方面的另一种实现方式中，所述光路引导结构包括光学透镜；或者，所述光路引导结构包括具有多个准直单元或者微孔阵列的光学准直器，所述光学准直器用于将所述返回光信号通过所述多个准直单元或者微孔阵列分别传输到所述光学传感器的所述感应阵列中对应的光学感应单元；或者，所述光路引导结构包括具有多个微透镜的微透镜阵列和具有多个微孔的挡光层，所述微透镜阵列用于将所述返回光信号通过所述多个微透镜分别聚焦到所述挡光层对应的微孔，并通过所述微孔传输到所述光学传感器的所述感应阵列中对应的光学感应单元。

结合第一方面及其上述实现方式，在第一方面的另一种实现方式中，所述中心区域内的发光显示像素发出的单色光为绿光或青光，所述周围区域内的发光显示像素发出多种颜色的光包括红光、蓝光、黄光和黑光中的至少两个。

结合第一方面及其上述实现方式，在第一方面的另一种实现方式中，所述指纹图像中的所述周围部分用于基于深度学习算法，确定所述待检测指纹图像是否为真手指的指纹图像。

结合第一方面及其上述实现方式，在第一方面的另一种实现方式中，所述深度学习算法包括以下至少一种：支持向量机、卷积神经网络、循环神经网络以及k均值聚类算法。

因此，本申请实施例的指纹识别装置，设置在电子设备的显示屏下方，该显示屏包括指纹检测区域，在指纹检测区域的中心区域设置单色照射手指，在周围区域设置彩色图案照射手指，这种边沿图案可以是周期性方格，也可以是边沿有一定曲率图案，还可以是多条彩色线，使得获取的指纹图像既可以进行指纹识别，也可以进行指纹防伪认证，解决了现有屏下光学指纹识别装置不能防止各种形态的假指纹的问题，提高系统的安全级别，进而提升用户体验感。另外，利用本申请的打彩色图案的方法光学指纹模组比彩色滤波片的指纹模组成本低很多；而且，本申请实施例中的光学传感器芯片加工周期更短，成本更低，良率更高。

第二方面，提供了一种电子设备，该电子设备包括：如第一方面或者第一方面的任意可能的实现方式中的指纹识别装置、显示屏以及处理器，所述显示屏包括多个发光显示像素，所述发光显示像素用于显示图像，显示屏包括指纹检测区域，所述指纹检测区域包括互不重叠的中心区域和周围区域，所述中心区域位于所述周围区域的中间，所述中心区域内的发光显示像素发出单色光照射所述手指，所述周围区域内的发光显示像素发出空间上间隔分布的多种颜色的光照射所述手指；所述处理器用于根据所述指纹识别装置中的光学传感器接收的光信号，生成指纹图像，并根据所述指纹图像中与所述中心区域对应的中心部分，对所述手指进行指纹识别，以及根据所述指纹图像中与所述周围区域对应的周围部分，对所述手指进行指纹防伪认证。

结合第二方面，在第二方面的一种实现方式中，所述处理器还用于：基于深度学习算法，根据所述待检测指纹图像中的所述周围部分，确定所述待检测指纹图像是否为真手指的指纹图像。

结合第二方面及其上述实现方式，在第二方面的另一种实现方式中，所述处理器还用于：基于深度学习算法，根据所述周围部分中反射光信号的分布图像和/或散射光信号的分布图像，确定所述待检测指纹图像是否为真手指的指纹图像，其中，所述反射光信号为所述周围区域内的发光显示像素发出的光在所述目标手指的表面发生反射后返回的光信号，所述散射光信号为所述周围区域内的发光显示像素发出的光在所述目标手指的内部发生散射后返回的光信号。

结合第二方面及其上述实现方式，在第二方面的另一种实现方式中，所述处理器还用于：基于深度学习算法，根据所述周围部分中第一光信号的分布图像和/或第二光信号的分布图像，确定所述待检测指纹图像是否为真手指的指纹图像，其中，所述第一光信号和所述第二光信号分别为所述周围区域内的发光显示像素发出的多种颜色的光中任意两种颜色的光在照射所述目标手指后返回的光信号。

结合第二方面及其上述实现方式，在第二方面的另一种实现方式中，所述处理器还用于：确定所述周围部分中所述第一光信号的分布图像和所述第二光信号的分布图像，所述第一光信号为所述周围区域内的发光显示像素发出的蓝色光在照射所述目标手指后返回的光信号，所述第二光信号为所述周围区域内的发光显示像素发出的红色光在照射所述目标手指后返回的光信号；基于深度学习算法，根据所述第一光信号的分布图像和所述第二光信号的分布图像的差值，确定所述待检测指纹图像是否为真手指的指纹图像。

结合第二方面及其上述实现方式，在第二方面的另一种实现方式中，所述处理器还用于：获取若干样本数据，所述若干样本数据包括若干真手指数据以及若干假手指数据，所述若干真手指数据包括若干个真手指触摸在所述指纹检测区域时获取的指纹图像中与所述周围区域对应的周围部分，所述若干假手指数据包括若干个假手指触摸在所述指纹检测区域时获取的指纹图像中与所述周围区域对应的周围部分；基于所述若干样本数据进行训练，以获取真假手指的指纹图像的深度学习模型；按照所述深度学习模型，根据所述待检测指纹图像中的所述周围部分，确定所述待检测指纹图像是否为真手指的指纹图像。

结合第二方面及其上述实现方式，在第二方面的另一种实现方式中，所述深度学习算法包括以下至少一种：支持向量机、卷积神经网络、循环神经网络以及k均值聚类算法。

因此，本申请实施例的电子设备，具有屏下指纹识别装置该电子设备的显示屏包括指纹检测区域，在指纹检测区域的中心区域设置单色照射手指，在周围区域设置彩色图案照射手指，这种边沿图案可以是周期性方格，也可以是边沿有一定曲率图案，还可以是多条彩色线，使得获取的指纹图像既可以进行指纹识别，也可以进行指纹防伪认证，解决了现有屏下光学指纹识别装置不能防止各种形态的假指纹的问题，提高系统的安全级别，进而提升用户体验感。另外，利用本申请的打彩色图案的方法光学指纹模组比彩色滤波片的指纹模组成本低很多。

第三方面，提供了一种指纹识别和防伪的方法，该方法包括：获取目标手指的待检测指纹图像，所述待检测指纹图像为触摸在显示屏的指纹检测区域的所述目标手指的指纹图像，所述指纹检测区域包括互不重叠的中心区域和周围区域，所述中心区域位于所述周围区域的中间，所述中心区域内的发光显示像素发出单色光照射所述目标手指，所述周围区域内的发光显示像素发出多种颜色的光照射所述目标手指；根据所述待检测指纹图像中与所述中心区域对应的中心部分，对所述目标手指进行指纹识别；根据所述待检测指纹图像中与所述周围区域对应的周围部分，对所述目标手指进行指纹防伪认证。

结合第三方面，在第三方面的一种实现方式中，所述根据所述待检测指纹图像中与所述周围区域对应的周围部分，对所述目标手指进行指纹防伪认证，包括：基于深度学习算法，根据所述待检测指纹图像中的所述周围部分，确定所述待检测指纹图像是否为真手指的指纹图像。

结合第三方面及其上述实现方式，在第三方面的另一种实现方式中，所述基于深度学习算法，根据所述待检测指纹图像中的所述周围部分，确定所述待检测指纹图像是否为真手指的指纹图像，包括：基于深度学习算法，根据所述周围部分中反射光信号的分布图像和/或散射光信号的分布图像，确定所述待检测指纹图像是否为真手指的指纹图像，其中，所述反射光信号为所述周围区域内的发光显示像素发出的光在所述目标手指的表面发生反射后返回的光信号，所述散射光信号为所述周围区域内的发光显示像素发出的光在所述目标手指的内部发生散射后返回的光信号。

结合第三方面及其上述实现方式，在第三方面的另一种实现方式中，所述基于深度学习算法，根据所述待检测指纹图像中的所述周围部分，确定所述待检测指纹图像是否为真手指的指纹图像，包括：基于深度学习算法，根据所述周围部分中第一光信号的分布图像和/或第二光信号的分布图像，确定所述待检测指纹图像是否为真手指的指纹图像，其中，所述第一光信号和所述第二光信号分别为所述周围区域内的发光显示像素发出的多种颜色的光中任意两种颜色的光在照射所述目标手指后返回的光信号。

结合第三方面及其上述实现方式，在第三方面的另一种实现方式中，所述基于深度学习算法，根据所述周围部分中第一光信号的分布图像和/或第二光信号的分布图像，确定所述待检测指纹图像是否为真手指的指纹图像，包括：确定所述周围部分中所述第一光信号的分布图像和所述第二光信号的分布图像，所述第一光信号为所述周围区域内的发光显示像素发出的蓝色光在照射所述目标手指后返回的光信号，所述第二光信号为所述周围区域内的发光显示像素发出的红色光在照射所述目标手指后返回的光信号；基于深度学习算法，根据所述第一光信号的分布图像和所述第二光信号的分布图像的差值，确定所述待检测指纹图像是否为真手指的指纹图像。

结合第三方面及其上述实现方式，在第三方面的另一种实现方式中，所述基于深度学习算法，根据所述待检测指纹图像中的所述周围部分，确定所述待检测指纹图像是否为真手指的指纹图像，包括：获取若干样本数据，所述若干样本数据包括若干真手指数据以及若干假手指数据，所述若干真手指数据包括若干个真手指触摸在所述指纹检测区域时获取的指纹图像中与所述周围区域对应的周围部分，所述若干假手指数据包括若干个假手指触摸在所述指纹检测区域时获取的指纹图像中与所述周围区域对应的周围部分；基于所述若干样本数据进行训练，以获取真假手指的指纹图像的深度学习模型；按照所述深度学习模型，根据所述待检测指纹图像中的所述周围部分，确定所述待检测指纹图像是否为真手指的指纹图像。

结合第三方面及其上述实现方式，在第三方面的另一种实现方式中，所述深度学习算法包括以下至少一种：支持向量机、卷积神经网络、循环神经网络以及k均值聚类算法。

因此，本申请实施例的屏下指纹识别和防伪的方法，适用于具有屏下指纹识别装置的电子设备中，该电子设备的显示屏包括指纹检测区域，在指纹检测区域的中心区域设置单色照射手指，在周围区域设置彩色图案照射手指，这种边沿图案可以是周期性方格，也可以是边沿有一定曲率图案，还可以是多条彩色线，使得获取的指纹图像既可以进行指纹识别，也可以进行指纹防伪认证，解决了现有屏下光学指纹识别装置不能防止各种形态的假指纹的问题，提高系统的安全级别，进而提升用户体验感。另外，利用本申请的打彩色图案的方法光学指纹模组比彩色滤波片的指纹模组成本低很多；而且，本申请实施例的光学传感器芯片加工周期更短，成本更低，良率更高。

第四方面，提供了一种电子设备，包括：存储单元和处理器，该存储单元用于存储指令，该处理器用于执行该存储器存储的指令，并且当该处理器执行该存储器存储的指令时，该执行使得该处理器执行第三方面或第三方面的任意可能的实现方式中的方法。

第五方面，提供了一种计算机可读介质，用于存储计算机程序，该计算机程序包括用于执行第三方面或第三方面的任意可能的实现方式中的方法的指令。

第六方面，提供了一种包括指令的计算机程序产品，当计算机运行所述计算机程序产品的所述指时，所述计算机执行上述第三方面或第三方面的任意可能的实现方式中的指纹识别和防伪的方法。具体地，该计算机程序产品可以运行于上述第四方面的电子设备上。

附图说明

图1是根据本申请实施例的电子设备的示意图。

图2是根据本申请实施例的电子设备的另一示意图。

图3是根据本申请实施例的另一电子设备的局部示意图。

图4是根据本申请实施例的指纹检测区域的示意图。

图5是根据本申请实施例的指纹检测区域的另一示意图。

图6是根据本申请实施例的指纹检测区域的再一示意图。

图7是根据本申请实施例的指纹检测区域的再一示意图。

图8是根据本申请实施例的指纹检测区域的再一示意图。

图9是根据本申请实施例的指纹检测区域的再一示意图。

图10是根据本申请实施例的指纹检测区域的再一示意图。

图11是根据本申请实施例的屏下指纹识别和防伪的方法的示意性流程图。

具体实施方式

下面将结合附图，对本申请实施例中的技术方案进行描述。

应理解，本申请实施例可以应用于光学指纹系统，包括但不限于光学指纹识别系统和基于光学指纹成像的医疗诊断产品，本申请实施例仅以光学指纹系统为例进行说明，但不应对本申请实施例构成任何限定，本申请实施例同样适用于其他采用光学成像技术的系统等。

作为一种常见的应用场景，本申请实施例提供的光学指纹系统可以应用在智能手机、平板电脑以及其他具有显示屏的移动终端或者其他电子设备；更具体地，在上述电子设备中，指纹识别装置可以具体为光学指纹装置，其可以设置在显示屏下方的局部区域或者全部区域，从而形成屏下(Under-display)光学指纹系统。或者，所述指纹识别装置也可以部分或者全部集成至所述电子设备的显示屏内部，从而形成屏内(In-display)光学指纹系统。

如图1和图2所示为本申请实施例可以适用的电子设备的结构示意图，其中，图1为该电子设备的主视图，图2为该电子设备的侧视图。如图1和图2所示，该电子设备10包括显示屏120和光学指纹装置130，其中，该光学指纹装置130设置在该显示屏120下方的局部区域。该光学指纹装置130包括光学指纹传感器，该光学指纹传感器包括具有多个光学感应单元131的感应阵列133，该感应阵列所在区域或者其感应区域为该光学指纹装置130的指纹检测区域103。如图1所示，该指纹检测区域103位于该显示屏120的显示区域之中。在一种替代实施例中，该光学指纹装置130还可以设置在其他位置，比如该显示屏120的侧面或者该电子设备10的边缘非透光区域，并通过光路设计来将该显示屏120的至少部分显示区域的光信号导引到该光学指纹装置130，从而使得该指纹检测区域103实际上位于该显示屏120的显示区域。

应当理解，该指纹检测区域103的面积可以与该光学指纹装置130的感应阵列的面积不同，例如通过例如透镜成像的光路设计、反射式折叠光路设计或者其他光线汇聚或者反射等光路设计，可以使得该光学指纹装置130的指纹检测区域103的面积大于该光学指纹装置130感应阵列的面积。在其他替代实现方式中，如果采用例如光线准直方式进行光路引导，该光学指纹装置130的指纹检测区域103也可以设计成与该光学指纹装置130的感应阵列的面积基本一致。

因此，使用者在需要对该电子设备10进行解锁或者其他指纹验证的时候，只需要将手指按压在位于该显示屏120的指纹检测区域103，便可以实现指纹输入。由于指纹检测可以在屏内实现，因此采用上述结构的电子设备10无需其正面专门预留空间来设置指纹按键(比如Home键)，从而可以采用全面屏方案，即该显示屏120的显示区域可以基本扩展到整个电子设备10的正面。

作为一种可选的实现方式，如图2所示，该光学指纹装置130包括光检测部分134和光学组件132，该光检测部分134包括该感应阵列以及与该感应阵列电性连接的读取电路及其他辅助电路，其可以在通过半导体工艺制作在一个芯片(Die)，比如光学成像芯片或者光学指纹传感器，该感应阵列具体为光探测器(Photodetector)阵列，其包括多个呈阵列式分布的光探测器，该光探测器可以作为如上该的光学感应单元；该光学组件132可以设置在该光检测部分134的感应阵列的上方，其可以具体包括滤光层(Filter)、导光层或光路引导结构以及其他光学元件，该滤光层可以用于滤除穿透手指的环境光，而该导光层或光路引导结构主要用于从手指表面反射回来的反射光导引至该感应阵列进行光学检测。

在具体实现上，该光学组件132可以与该光检测部分134封装在同一个光学指纹部件。比如，该光学组件132可以与该光学检测部分134封装在同一个光学指纹芯片，也可以将该光学组件132设置在该光检测部分134所在的芯片外部，比如将该光学组件132贴合在该芯片上方，或者将该光学组件132的部分元件集成在上述芯片之中。

其中，该光学组件132的导光层或者光路引导结构有多种实现方案，比如，该导光层可以具体为在半导体硅片制作而成的准直器(Collimator)层，其具有多个准直单元或者微孔阵列，该准直单元可以具体为通孔或者小孔，从手指反射回来的反射光中，垂直入射到该准直单元的光线可以穿过并被其下方的光学感应单元接收，而入射角度过大的光线在该准直单元内部经过多次反射被衰减掉，因此每一个光学感应单元基本只能接收到其正上方的指纹纹路反射回来的反射光，从而该感应阵列便可以检测出手指的指纹图像。

在另一种实施例中，该导光层或者光路引导结构也可以为光学透镜(Lens)层，其具有一个或多个透镜单元，比如一个或多个非球面透镜组成的透镜组，其用于将从手指反射回来的反射光汇聚到其下方的光检测部分134的感应阵列，以使得该感应阵列可以基于该反射光进行成像，从而得到该手指的指纹图像。可选地，该光学透镜层在该透镜单元的光路中还可以形成有针孔，该针孔可以配合该光学透镜层扩大该光学指纹装置的视场，以提高该光学指纹装置130的指纹成像效果。

在其他实施例中，该导光层或者光路引导结构也可以具体采用微透镜(Micro-Lens)层，该微透镜层具有由多个微透镜形成的微透镜阵列，其可以通过半导体生长工艺或者其他工艺形成在该光检测部分134的感应阵列上方，并且每一个微透镜可以分别对应于该感应阵列的其中一个感应单元。并且，该微透镜层和该感应单元之间还可以形成其他光学膜层，比如介质层或者钝化层，更具体地，该微透镜层和该感应单元之间还可以包括具有微孔的挡光层，其中该微孔形成在其对应的微透镜和感应单元之间，该挡光层可以阻挡相邻微透镜和感应单元之间的光学干扰，并使得该感应单元所对应的光线通过该微透镜汇聚到该微孔内部并经由该微孔传输到该感应单元以进行光学指纹成像。应当理解，上述光路引导结构的几种实现方案可以单独使用也可以结合使用，比如，可以在该准直器层或者该光学透镜层下方进一步设置微透镜层。当然，在该准直器层或者该光学透镜层与该微透镜层结合使用时，其具体叠层结构或者光路可能需要按照实际需要进行调整。

作为一种可选的实施例，该显示屏120可以采用具有自发光显示单元的显示屏，比如有机发光二极管(Organic Light-Emitting Diode，OLED)显示屏或者微型发光二极管(Micro-LED)显示屏。以采用OLED显示屏为例，该光学指纹装置130可以利用该OLED显示屏120位于该指纹检测区域103的显示单元(即OLED光源)来作为光学指纹检测的激励光源。当手指140按压在该指纹检测区域103时，显示屏120向该指纹检测区域103上方的目标手指140发出一束光111，该光111在手指140的表面发生反射形成反射光或者经过该手指140内部散射而形成散射光。为便于描述，本申请实施例中将上述反射光和散射光统称为经过手指的返回光。由于指纹的嵴(ridge)与峪(vally)对于光的反射、散射或者吸收的能力不同，因此，来自指纹嵴的返回光151和来自指纹峪的返回光152具有不同的光强，返回光经过光学组件132后，被光学指纹装置130中的感应阵列134所接收并转换为相应的电信号，即指纹检测信号；基于该指纹检测信号便可以获得指纹图像数据，并且可以进一步进行指纹匹配验证，从而在该电子设备10实现光学指纹识别功能。

应当理解的是，在具体实现上，该电子设备10还包括透明保护盖板，该盖板可以为玻璃盖板或者蓝宝石盖板，其位于该显示屏120的上方并覆盖该电子设备10的正面。因此，本申请实施例中，所谓的手指按压在该显示屏120实际上是指按压在该显示屏120上方的盖板或者覆盖该盖板的保护层表面。

另一方面，在某些实施例中，该光学指纹装置130可以仅包括一个光学指纹传感器，此时光学指纹装置130的指纹检测区域103的面积较小且位置固定，因此用户在进行指纹输入时需要将手指按压到该指纹检测区域103的特定位置，否则光学指纹装置130可能无法采集到指纹图像而造成用户体验不佳。在其他替代实施例中，该光学指纹装置130可以具体包括多个光学指纹传感器；该多个光学指纹传感器可以通过拼接方式并排设置在该显示屏120的下方，且该多个光学指纹传感器的感应区域共同构成该光学指纹装置130的指纹检测区域103。也即是说，该光学指纹装置130的指纹检测区域103可以包括多个子区域，每个子区域分别对应于其中一个光学指纹传感器的感应区域，从而将该光学指纹模组130的指纹采集区域103可以扩展到该显示屏的下半部分的主要区域，即扩展到手指惯常按压区域，从而实现盲按式指纹输入操作。可替代地，当该光学指纹传感器数量足够时，该指纹检测区域130还可以扩展到半个显示区域甚至整个显示区域，从而实现半屏或者全屏指纹检测。

综上所述，目前的屏下光学指纹装置按照其包括的光路引导结构的不同，通常包括设置有周期性小孔光路方案和微距透镜方案，这两种方案均是将光学指纹装置放置于显示屏下方，例如方式在OLED屏下方。当手指放于亮屏的OLED上方，手指就会散射或者反射OLED屏发出的光，经过手指的返回光会穿透OLED屏直到OLED下方的光学指纹装置。指纹是一个漫反射体，经过手指返回的光在各方向都可能存在。第一种周期性小孔方案(或者说准直器方案)是在OLED屏下方通过周期性小孔收集指纹屏漏下来的光，这部分光包含指纹信号和屏内部结构信号。第二种微距镜头方案(包括光学透镜的方案)使用微距镜头收集OLED屏漏下来的光，进而检测指纹。

已经面世的屏下光学指纹装置的点亮方式一般都是采用局部区域单色图案，这种方式会将指纹检测区域或者说指纹按压区域内的所有像素全部点亮。这种方式可较好的反映出手指的指纹信息，但由于全区域点亮基本反映的是屏上表面玻璃盖板与指纹接触面的边界条件，此种方法对真假指纹的防伪效果很差，因此其不能区分真假指纹。

而现有防伪方案在一般为在互补金属氧化物半导体(Complementary Metal-Oxide-Semiconductor，CMOS)图像传感器特定区域制作彩色滤光片，并且通过深度学习的方法做真假指纹的识别。但是这种彩色滤光片防伪的方案成本相对无滤光片的方案要高很多。

因此，本申请实施例提出了一种指纹识别和防伪的方法、装置和电子设备，能够进行指纹识别以及指纹的防伪认证，成本更低，效率更高。

图3示出了根据本申请实施例的电子设备20的局部示意图，该图3为电子设备20的侧视图。如图3所示，该电子设备20包括显示屏200和指纹识别装置300，显示屏200位于指纹识别装置300的上方。

具体地，该显示屏200可以对应于上述图1和图2中描述的电子设备10中的显示屏120，适用于上述关于显示屏120的相关描述，为了简洁，在此不再赘述。

具体地，如3所示，该显示屏200包括若干发光显示像素，可以用于显示图像。图3中的该显示屏200可以表示显示屏200的一部分，而并不是显示200的实际尺寸和大小。如图3所示，该显示屏200包括指纹检测区域210，用于手指按压，即使用者在需要对该电子设备20进行解锁或者其他指纹识别的时候，只需要将手指按压在该指纹检测区域210，便可以实现指纹输入。其中，该指纹检测区域210可以对应于上述图1和图2中描述的电子设备10中的指纹检测区域103，适用于上述关于指纹检测区域103的相关描述，为了简洁，在此不再赘述。

另外，如图3所示，该指纹检测区域210包括互不重叠的中心区域211和周围区域212，该中心区域211位于该周围区域212的中间。该中心区域211内的发光显示像素发出单色光照射其上方的手指，该周围区域212内的发光显示像素发出空间上间隔分布的多种颜色的光照射该手指。也就是说，手指触摸指纹检测区域210时，指纹检测区域210的中心区域211采用单色光照射手指，而指纹检测区域210的周围区域212采用彩色图案照射手指。

具体地，指纹检测区域210内的发光显示像素发出的光照射到手指后，会产生返回光信号。其中，该返回光信号包括在手指表面发生反射后返回的光，例如图3中三组空心箭头符号所示；另外，该返回光信号也包括在手指内部发生散射后返回的光，例如图3中三组黑色实心粗箭头符号所示。

应理解，本申请实施例中的终端设备20的显示屏200下方设置有指纹识别装置300，该指纹识别装置300可以用于接收手指的返回光信号。具体地，该指纹识别装置300包括：光路引导结构310以及光学传感器320，该光学传感器320设置在光路引导结构310的下方。其中，该光路引导结构310用于：将返回光信号引导至光学传感器，该返回光信号为该指纹检测区域内的发光显示像素发出的光照射手指后返回的光信号；该光学传感器320用于：接收经过该光路引导结构的光信号，该光信号用于获取该手指的指纹图像，该指纹图像中与该中心区域对应的中心部分用于进行指纹识别，该指纹图像中与该周围区域对应的周围部分用于进行指纹防伪认证。

应理解，该光路引导结构310可以对应于上述图1和图2中描述的电子设备10中的光学组件132，适用于上述关于光学组件132的相关描述；类似的，光学传感器320可以对应于上述图1和图2中描述的电子设备10中的光学指纹传感器，具体地，该光学传感器320可以为上述电子设备10中的光检测部分134，适用于上述关于光检测部分134的相关描述，为了简洁，在此均不再赘述。

例如，本申请实施例的该光路引导结构320可以包括光学透镜。

再例如，本申请实施例的该光路引导结构320还可以包括具有多个准直单元或者微孔阵列的光学准直器，该光学准直器用于将该返回光信号通过该多个准直单元或者微孔阵列分别传输到该光学传感器的该感应阵列中对应的光学感应单元。

再例如，本申请实施例的该光路引导结构320包括具有多个微透镜的微透镜阵列和具有多个微孔的挡光层，该微透镜阵列用于将该返回光信号通过该多个微透镜分别聚焦到该挡光层对应的微孔，并通过该微孔传输到该光学传感器的该感应阵列中对应的光学感应单元。

因此，考虑到假指纹的材质、光谱、内部光学散射特性与真手指的材质以及结构相差较远，为了区分出真假手指的指纹图像，提高屏下光学指纹的防伪能力，本申请实施例提出了使用边沿区域单独打彩色光的方式实现光学指纹的防伪认证，能够在做指纹识别的同时做真假指纹防伪，提升用户体验感。

下面将结合图4至图10，详细描述本申请实施例的指纹检测区域的发光或者说打光方式以及指纹识别和防伪的方法。

图4示出了本申请实施例的一种指纹检测区域210的示意图。如图4所示，该指纹检测区域210包括中心区域211和周围区域212。其中，该中心区域211为该指纹检测区域210的中心部分，即图4中间白色区域，该中心区域211内的发光显示像素发出单色光照射手指，该单色光照射手指后的返回光经过光路引导结构后由光学传感器接收，并以此获取指纹图像，该部分指纹图像可以用于进行指纹识别。

可选地，该中心区域211内的发光显示像素可以用于发出单色光以进行指纹识别过程，其中，该单色光可以为任意一种颜色的光。例如，该单色光可以为绿光、青光或者白光，本申请实施例并不限于此。

应理解，本申请实施例中的任意一个发光显示像素可以指红色、绿色和蓝色三种颜色的组合像素，因此，每个像素都可以用于发出各种颜色的光。

如图4所示，在中心区域211的外围为周围区域212，即该周围区域212位于图4的中间白色区域的外围，指该图4中带有图案填充的区域。该周围区域212包围中心区域212，该周围区域212内的发光显示像素发出多种颜色的光照射手指，该多种颜色的光在空间上间隔分布，这些光照射手指后的返回光经过光路引导结构后由光学传感器接收，并以此获取对应的图像，该部分图像可以用于进行手指防伪认证，也就是确认该手指为真手指还是假手指。

可选地，该周围区域212内的发光显示像素可以用于发出多种颜色的光，该多种颜色的光可以为任意两种或者更多种颜色的光。例如，该多种颜色的光可以包括红光、蓝光、绿光、黄光和黑光中的至少两个，其中，黑光表示该不发光。为了使得后续进行指纹防伪认证效果更佳，通常选择颜色差异较大的光，这样可以最大限度的增加真假指纹的光谱差异。

应理解，若手指触摸指纹检测区域210，可以对应获取该手指的指纹图像，由于指纹检测区域210分为中心区域211和周围区域212，并且中心区域211与周围区域211的光不同，因此，对应获取的手指的指纹图像也可以看作两部分。为了便于描述，下面将该两部分分别称为该指纹图像的中心部分和周围部分。其中，指纹图像中与中心区域211对应的为中心部分，该中心部分是根据中心区域211内发出的单色光照射手指产生的返回光信号获取的，该中心部分用于进行指纹识别，确定该指纹图像是否为预存的指纹图像；另外，该指纹图像中与周围区域212对应的为周围部分，该周围部分是根据周围区域212发出的多种颜色光照射手指产生的返回光信号获取的，该周围部分用于进行指纹防伪验证，即确定该指纹图像是否为真手指的指纹图像，也就是确定触摸在指纹检测区域210上的手指是否是真手指。

由于指纹图像的中心部分用于进行指纹识别，为了保证获取的手指的指纹图像的中心部分在进行指纹识别时的准确性，也就是为了保证该中心部分的指纹的清晰度和准确度，需要使该中心部分不小于一定阈值，对应的，也就是需要将指纹检测区域210中的中心区域211设置为不小于一定阈值。因此，可以根据实际应用的需要设置该中心区域211的面积和形状。

例如，可以将该中心区域211的面积设置为大于该周围区域212的面积。在实际应用中，通常可以将该中心区域211设置为面积大于或者等于16mm²的单连通区域，例如，考虑效果和成本，该中心区域211可以设置为5.5mm*8.5mm的长方形；对应的，该周围区域212可以设置为在中心区域211的边沿宽度为0.05mm-3mm的外圈区域。再例如，对于中心区域211的形状，可以将该中心区域211设置为矩形或者圆形，例如，图4以该中心区域211为长方形为例，但本申请实施例并不限于此。

可选地，考虑到周围区域212通常较小，为了达到更好的打光效果，还可以设置补光区域。图5示出了本申请实施例的另一种指纹检测区域210的示意图。如图5所示，对比图4可知，该指纹检测区域210包括中心区域211和周围区域212以外，该指纹检测区域210还可以包括位于该周围区域212的外围的补光区域213，即图4中最外围的白色区域，该补光区域213内的发光显示像素发出单色光照射该手指。

可选地，该补光区域213内的发光显示像素发出的单色光可以与该中心区域211内的发光显示像素发出的单色光的颜色相同或者不同。考虑打光的效果，通常将该补光区域213内的发光显示像素发出的单色光设置为与该中心区域211内的发光显示像素发出的单色光的颜色相同。

另外，该周围区域212内的发光显示像素发出的多种颜色的光中可以存在与中心区域211内的发光显示像素发出的单色光的颜色相同的光，也可以不存在颜色相同的光。考虑到效果，通常将该周围区域212内的发光显示像素发出的多种颜色的光设置为与中心区域211内的发光显示像素发出的单色光的颜色不相同。

为了便于描述本申请实施例中指纹检测区域210中周围区域212内的发光显示像素发出的多种颜色的光的分布，这里将该周围区域212看作包括多组子区域，该多组子区域中同一组子区域内的发光显示像素发出相同颜色的光照射该手指，而不同组子区域内的发光显示像素发出不同颜色的光照射该手指。

应理解，该多组子区域中每组子区域包括多个子区域，不同组子区域包括的子区域的个数可以相同，也可以不同。本申请实施例中该周围区域212内的发光显示像素发出多种颜色的光照射手指，该多种颜色的光在空间上间隔分布，对应的，该多组子区域中不同组的子区域之间间隔排列。例如，假设该多组子区域为三组子区域，则该三组子区域中包括的子区域间隔排列。

可选地，该多组子区域中同一组子区域内的多个子区域的面积和/或形状可以相同，也可以不同；而不同组子区域中包括的子区域的面积和/或形状也可以相同或者不同。考虑到实际设置的难易程度，通常将同一组子区域内的多个子区域设置为面积和形状相同。为了便于描述，下面以同一组子区域内的多个子区域的面积和形状相同为例进行描述；另外，本申请实施例中不同组子区域的面积和形状可以相同，也可以不同。

应理解，本申请实施例中的任意一个子区域的大小可以根据实际应用进行设置。例如，可以将周围区域212中每个子区域的宽度设置在0.2mm-3mm的范围内，例如，假设子区域为正方形，则该正方形的边长的范围为0.2mm-3mm；假设子区域为圆形或者半圆形，该子区域的直径可以设置为为0.2mm-3mm。再例如，根据子区域的宽度的范围，对应可以将周围区域212中的每个子区域的大小设置为包括5-10个发光显示像素，但本申请实施例并不限于此。

可选地，本申请实施例的周围区域212包括的多组子区域可以为两组子区域或者多于两组子区域，为了便于说明，下面分别以该多组子区域为两组子区域或者三组子区域位列进行描述。

可选地，作为第一个实施例，假设本申请实施例的周围区域212包括两组子区域，分别为第一组子区域和第二组子区域。其中，第一组子区域中的子区域与第二组子区域中的子区域之间间隔排列；第一组子区域中的多个子区域的面积和形状相同，第二组子区域中的多个子区域的面积和形状相同。

可选地，该第一组子区域中的子区域的形状可以与该第二组子区域中的子区域的形状相同。具体地，该第一组子区域与该第二组子区域中的子区域的形状可以设置为任意一种形状，例如可以均设置为方形、圆形或者半圆形。

例如，如图4和图5所示，该第一组子区域与该第二组子区域中的子区域的形状可以均为方形。在这种情况下，可以通过合理设置两组区域的颜色，使得周围区域212中存在光强不同的区域。例如，可以将第一组子区域或者第二组子区域中任意一组子区域设置为黑色，即不发光区域；而另一组设置为其他颜色的发光区域，比如蓝色或者黄色，这样可以使得第一组子区域和第二组子区域的光强有明显对比。或者，也可以将第一组子区域或者第二组子区域中任意一组子区域设置为红色，另一组为其他颜色，比如黄色或者蓝色，这样，两组子区域均发光，但是可以通过光学传感器上方设置的滤光片，拦截红色的返回光，同样可以使得两组子区域的光强形成明显对比。

再例如，如图6所示，该第一组子区域与第二组子区域中的子区域的形状可以均为半圆形。此时，该周围区域212还可以包括部分黑色区域，也就是不发光区域，即如图6所示的黑色区域部分，该部分黑色区域可以使得周围区域212中存在光强不同的区域，本申请实施例并不限于此。

可选地，该第一组子区域中的子区域的形状还可以与该第二组子区域中的子区域的形状不相同。具体地，该第一组子区域和第二组子区域可以设置为任意不同的两种形状，例如可以设置为方形、圆形、半圆形和椭圆中的任意两种形状。

例如，如图7所示，该第一组子区域中的子区域的形状为方形，该第二组子区域中的子区域的形状为圆形。此时，该周围区域212还可以包括部分黑色区域，也就是不发光区域，即如图7所示的黑色区域部分，本申请实施例并不限于此。

可选地，作为第二个实施例，假设本申请实施例的周围区域212包括三组子区域，分别为第一组子区域、第二组子区域和第三组子区域。其中，第一组子区域中的子区域、第二组子区域中的子区域与第三组子区域中的子区域之间间隔排列；同一组子区域中的多个子区域的面积和形状相同。

可选地，该第一组子区域、该第二组子区域和第三组子区域中的全部子区域的形状可以设置为相同。具体地，该三组子区域中的子区域的形状可以设置为任意一种形状，例如可以均设置为方形、圆形或者半圆形。

例如，如图8所示，该第一组子区域、该第二组子区域和第三组子区域中的全部子区域的形状可以均为方形。此时，与周围区域212包括如图4和图5所示的两组子区域的情况类似，可以通过合理设置这三组区域的颜色，使得周围区域212中存在光强不同的区域。例如，可以将第一组子区域至第三组子区域中任意一组子区域设置为黑色，即不发光区域；而另两组设置为其他颜色的发光区域，比如蓝色和黄色，这样可以使得这三组子区域的光强有明显对比。或者，也可以将第一组子区域至第三组子区域中任意一组子区域设置为红色，另两组为其他颜色，比如黄色和蓝色，这样，三组子区域均发光，但是可以通过光学传感器上方设置的滤光片，拦截红色的返回光，同样可以使得三组子区域的光强形成明显对比。

再例如，如图9所示，该第一组子区域、该第二组子区域和第三组子区域中的全部子区域的形状可以均为半圆形。此时，该周围区域212还可以包括部分黑色区域，也就是不发光区域，即如图9所示的黑色区域部分，本申请实施例并不限于此。

可选地，不同组子区域中的子区域的形状还可以设置为不相同。具体地，该第一组子区域、第二组子区域和第三组子区域可以设置为任意不同的两种或者三种形状，即该三组子区域中可以存在两组子区域的形状相同，而另一组与之形状不同，或者，该三组子区域也可以设置为完全不同的三种形状。例如该三组子区域可以设置为方形、圆形、半圆形和椭圆中的任意两种或者三种形状。

例如，如图10所示，该第一组子区域中的子区域的形状为方形，该第二组子区域和第三组子区域中的子区域的形状均为圆形。此时，该周围区域212还可以包括部分黑色区域，也就是不发光区域，即如图10所示的黑色区域部分，本申请实施例并不限于此。

在本申请实施例中，按照上述内容，设置指纹检测区域210内的发光显示像素照射手指，获得该手指对应的指纹图像，其中，该指纹图像的中心部分用于进行指纹识别，而该指纹图像的周围部分可以用于进行指纹防伪认证。

具体地，指纹检测区域210的中心区域211采用单色光照射手指，对应光学传感器320获取该部分返回光并生成指纹图像的中心部分，该中心部分为带有手指指纹的图像，因此可以根据该指纹图像的中心部分进行指纹识别。

另外，指纹检测区域210的周围区域212采用空间上间隔的多种颜色光照射手指，光学传感器320获取该部分返回光并生成指纹图像的周围部分，该周围部分可以用于进行指纹防伪认证。具体地，可以基于深度学习算法，根据该待检测指纹图像中的该周围部分，确定该待检测指纹图像是否为真手指的指纹图像。

常见的假指纹包括乳白色橡胶指纹、透明橡胶假指纹、黄色2D假指纹、黑色橡胶指纹以及肉色3D橡胶指纹等。考虑到假指纹通常通过倒模的工艺制作，这种工艺限制了所制作的假指纹从指纹的材质到指纹背后的材质通常都是各项同性且材质均匀的。但是真实的指纹由不同层构成，例如人的手指一般可以包括表皮层、真皮层、肉体组织、指骨等结构。

因此，各向同性的材质以及结构与真实指纹的结构就相差较远。当有一定间隔的光打在手指上之后再被光学指纹装置成像，光学指纹装置接收到的返回光信号可以分为两个部分，一是经过指纹表面直接反射的返回光，二是在指纹内部散射后返回的光。并且，不同颜色的光打在真假指纹上，表现出的信号量也有差异。真假指纹由于材质和结构的原因，造成指纹表面之间反射的光和内部散射的光均有不同的特性，指纹反射的光谱有差异，区分出这些特性就可区分出真假指纹。

应理解，本申请实施例中可以基于深度学习算法，分析该待检测指纹图像中的该周围部分，进而确定该待检测指纹图像是否为真手指的指纹图像。其中，该深度学习算法可以包括以下至少一种：支持向量机(Support Vector Machine，SVM)、卷积神经网络(Convolutional Neural Networks,CNN)、循环神经网络(Recurrent Neural Network,RNN)以及k均值聚类算法(k-means clustering algorithm)。

具体地，以对任意一个目标手指进行指纹防伪认证为例，获取该目标手指的待检测指纹图像，基于深度学习算法，根据该待检测指纹图像中的周围部分，确定该待检测指纹图像是否为真手指的指纹图像，也就是确定目标手指是否是真手指。

可选地，可以基于深度学习算法，根据该待检测指纹图像的周围部分中反射光信号的分布图像和/或散射光信号的分布图像，确定该待检测指纹图像是否为真手指的指纹图像。其中，该反射光信号为该周围区域内的发光显示像素发出的光在该目标手指的表面发生反射后返回的光信号，对应的，该反射光信号的分布图像可以指返回的反射光的光谱图像，或者也可以指返回的反射光的光强分布图像等。该散射光信号为该周围区域内的发光显示像素发出的光在该目标手指的内部发生散射后返回的光信号，对应的，该散射光信号的分布图像可以指返回的散射光的光谱图像，或者也可以指返回的散射光的光强分布图像等。

这种方式利用了指纹的内部散射、外部反射、光谱不同等一种或者多种信息进行防伪认证，防伪效果较采用纯光学滤光片的效果更好。并且，本申请实施例的指纹检测区域210的打光方式相较于采用随机分布的彩色滤光片的方式成本低很多，而其他资源消耗相同。

可选地，该基于深度学习算法，根据该待检测指纹图像中的周围部分，确定该待检测指纹图像是否为真手指的指纹图像，还可以包括：基于深度学习算法，根据该待检测指纹图像的周围部分中第一光信号的分布图像和/或第二光信号的分布图像，确定该待检测指纹图像是否为真手指的指纹图像。其中，该第一光信号和该第二光信号分别为该周围区域212内的发光显示像素发出的多种颜色的光中任意两种颜色的光在照射该目标手指后返回的光信号。另外，若该周围区域212内的发光显示像素发出的光多于两种，也可以采用更多种光信号的分布图像进行比较，进而确定该待检测指纹图像是否为真手指的指纹图像。

例如，以蓝光和红光为例。具体地，确定该周围部分中该第一光信号的分布图像和该第二光信号的分布图像，该第一光信号为该周围区域212内的发光显示像素发出的蓝色光在照射该目标手指后返回的光信号，该第二光信号为该周围区域212内的发光显示像素发出的红色光在照射该目标手指后返回的光信号。基于深度学习算法，可以根据该第一光信号的分布图像和/或第二光信号的分布图像确定该待检测指纹图像是否为真手指的指纹图像。

例如，可以基于该周围区域212内的发光显示像素发出的蓝色光在照射该目标手指后返回的蓝光信号，确定出对应的蓝光强度分布图像；再基于深度学习算法，将获取的待检测指纹图像中的蓝光强度分布图像进行分析，进而确定该待检测指纹图像是否为真手指的指纹图像。

再例如，还可以基于该周围区域212内的发光显示像素发出的红光在照射该目标手指后返回的红光信号，确定出对应的红光强度分布图像；再基于深度学习算法，将获取的待检测指纹图像中的红光强度分布图像进行分析，进而确定该待检测指纹图像是否为真手指的指纹图像。

再例如，还可以基于深度学习算法，根据该第一光信号的分布图像和该第二光信号的分布图像的差值，确定该待检测指纹图像是否为真手指的指纹图像。具体地，基于该周围区域212内的发光显示像素发出的蓝色光在照射该目标手指后返回的蓝光信号，确定出对应的蓝光强度分布图像；基于该周围区域212内的发光显示像素发出的红光在照射该目标手指后返回的红光信号，确定出对应的红光强度分布图像；获取蓝光强度分布图像与红光强度分布图像的差值图像；再基于深度学习算法，分析该差值，进而确定该待检测指纹图像是否为真手指的指纹图像。

可选地，如图3所示，该指纹识别装置300还可以包括：滤光片330，设置于该光学传感器320上方，用于滤除返回光信号中的红外光信号，以便于滤除诸如环境光等红外光信号的影响。

另外，该滤光片还可以用于滤除部分红光。具体地，以指纹检测区域210的周围区域212包括的多组子区域中第三组子区域为例，该第三组子区域可以为任意一组子区域，该第三组子区域内的发光显示像素用于发出红光；该滤光片330可以用于滤除该红光照射该手指后返回的光信号，其中，该滤光片330可以滤除该红光照射该手指后返回的光信号中的全部或者部分。对应的，在上述待检测指纹图像中的红色光信号即为经过滤光片330之后的红色光信号。

应理解，根据上述描述，基于深度学习算法，可以分析待检测指纹图像的周围部分的一个或者多个信息，进而确定待检测指纹图像是否为真手指的指纹图像；对应的，在该深度学习算法建模阶段，可需要采集不同的信息。

具体地，该深度学习算法的建模过程可以包括：获取若干样本数据，该若干样本数据包括若干真手指数据以及若干假手指数据。其中，该若干真手指数据包括若干个真手指触摸在该指纹检测区域210时获取的指纹图像中与该周围区域212对应的周围部分；该若干假手指数据包括若干个假手指触摸在该指纹检测区域210时获取的指纹图像中与该周围区域212对应的周围部分。该若干个假手指可以包括各种类型的假手指，例如，可以包括：乳白色橡胶手指、透明橡胶假手指、黄色2D假手指、黑色橡胶手指以及肉色3D橡胶手指等等。

考虑到在使用该深度学习算法时，可以依据获取的指纹图像的周围部分的散射光分布情况、反射光分布情况以及不同颜色的光的分布情况等信息，因此，在获取该若干样本数据时，对应需要采集各个样本数据的不同信息。例如，可以采集各个样本数据对应的指纹图像中散射光分布情况、反射光分布情况以及不同颜色的光的分布情况等，本申请实施例并不限于此。

基于该若干样本数据进行训练，以获取真假手指的指纹图像的深度学习模型。若采集的假手指种类较多，该深度学习模型会更准确。按照该深度学习模型，若输入目标手指的待检测指纹图像中的该周围部分，则经过该深度学习模型的分析，对应可以输出该待检测指纹图像是否为真手指的指纹图像的结果。

因此，本申请实施例的包括指纹识别装置的电子设备，在指纹检测区域的中心区域设置单色照射手指，在周围区域设置彩色图案照射手指，这种边沿图案可以是周期性方格，也可以是边沿有一定曲率图案，还可以是多条彩色线，使得获取的指纹图像既可以进行指纹识别，也可以进行指纹防伪认证，解决了现有屏下光学指纹识别装置不能防止各种形态的假指纹的问题，提高系统的安全级别，进而提升用户体验感。另外，利用本申请的打彩色图案的方法光学指纹模组比彩色滤波片的指纹模组成本低很多；而且，本申请实施例的光学传感器芯片加工周期更短，成本更低，良率更高。

例如，可以基于指纹表面直接反射的返回光和经过指纹内部散射的返回光，使用深度学习算法来区分出真假指纹的光谱。深度学习算法会利用真假指纹历史大数据提前训练，这个历史数据包含各种真假指纹，包含各种场景下的真假指纹。将原始指纹图像输出给防伪算法就可分辨出真假指纹。其中，可以将单幅图数据记录，经过去除屏结构的校准过程，对单幅图的边沿区域可以做特定的处理，例如将采集图像中蓝色区域的值减去红色区域的值获得新的图像，这样防伪模型获得的原始信息更多。这样比传统分布式彩色滤波片的获取的特征信息更多，识别效果更优。

图11示出了根据本申请实施例的屏下指纹识别和防伪的方法400的示意性流程图。应理解，该方法400可以由具有显示屏的电子设备执行，例如，该电子设备可以为上述电子设备20，例如，该电子设备20可以包括处理器或者处理单元，以用于执行该方法400。

如图11所示，该方法400包括：S410，获取目标手指的待检测指纹图像，该待检测指纹图像为触摸在显示屏的指纹检测区域的该目标手指的指纹图像，该指纹检测区域包括互不重叠的中心区域和周围区域，该中心区域位于该周围区域的中间，该中心区域内的发光显示像素发出单色光照射该目标手指，该周围区域内的发光显示像素发出多种颜色的光照射该目标手指；S420，根据该待检测指纹图像中与该中心区域对应的中心部分，对该目标手指进行指纹识别；S430，根据该待检测指纹图像中与该周围区域对应的周围部分，对该目标手指进行指纹防伪认证。

可选地，作为一个实施例，该根据该待检测指纹图像中与该周围区域对应的周围部分，对该目标手指进行指纹防伪认证，包括：基于深度学习算法，根据该待检测指纹图像中的该周围部分，确定该待检测指纹图像是否为真手指的指纹图像。

可选地，作为一个实施例，该基于深度学习算法，根据该待检测指纹图像中的该周围部分，确定该待检测指纹图像是否为真手指的指纹图像，包括：基于深度学习算法，根据该周围部分中反射光信号的分布图像和/或散射光信号的分布图像，确定该待检测指纹图像是否为真手指的指纹图像，其中，该反射光信号为该周围区域内的发光显示像素发出的光在该目标手指的表面发生反射后返回的光信号，该散射光信号为该周围区域内的发光显示像素发出的光在该目标手指的内部发生散射后返回的光信号。

可选地，作为一个实施例，该基于深度学习算法，根据该待检测指纹图像中的该周围部分，确定该待检测指纹图像是否为真手指的指纹图像，包括：基于深度学习算法，根据该周围部分中第一光信号的分布图像和/或第二光信号的分布图像，确定该待检测指纹图像是否为真手指的指纹图像，其中，该第一光信号和该第二光信号分别为该周围区域内的发光显示像素发出的多种颜色的光中任意两种颜色的光在照射该目标手指后返回的光信号。

可选地，作为一个实施例，该基于深度学习算法，根据该周围部分中第一光信号的分布图像和/或第二光信号的分布图像，确定该待检测指纹图像是否为真手指的指纹图像，包括：确定该周围部分中该第一光信号的分布图像和该第二光信号的分布图像，该第一光信号为该周围区域内的发光显示像素发出的蓝色光在照射该目标手指后返回的光信号，该第二光信号为该周围区域内的发光显示像素发出的红色光在照射该目标手指后返回的光信号；基于深度学习算法，根据该第一光信号的分布图像和该第二光信号的分布图像的差值，确定该待检测指纹图像是否为真手指的指纹图像。

可选地，作为一个实施例，该基于深度学习算法，根据该待检测指纹图像中的该周围部分，确定该待检测指纹图像是否为真手指的指纹图像，包括：获取若干样本数据，该若干样本数据包括若干真手指数据以及若干假手指数据，该若干真手指数据包括若干个真手指触摸在该指纹检测区域时获取的指纹图像中与该周围区域对应的周围部分，该若干假手指数据包括若干个假手指触摸在该指纹检测区域时获取的指纹图像中与该周围区域对应的周围部分；基于该若干样本数据进行训练，以获取真假手指的指纹图像的深度学习模型；按照该深度学习模型，根据该待检测指纹图像中的该周围部分，确定该待检测指纹图像是否为真手指的指纹图像。

可选地，作为一个实施例，该深度学习算法包括以下至少一种：支持向量机、卷积神经网络、循环神经网络以及k均值聚类算法。

应理解，该方法400可以适用于各种具有屏下光学指纹识别装置的电子设备中，该指纹识别装置可以为包括周期性小孔阵列、微距广角镜头方案的屏下光学指纹识别装置、折叠式屏下光学指纹识别装置、微透镜阵列方案的屏下光学指纹识别装置，本申请实施例并不限于此。

因此，本申请实施例的屏下指纹识别和防伪的方法，适用于具有屏下指纹识别装置的电子设备中，该电子设备的显示屏包括指纹检测区域，在指纹检测区域的中心区域设置单色照射手指，在周围区域设置彩色图案照射手指，这种边沿图案可以是周期性方格，也可以是边沿有一定曲率图案，还可以是多条彩色线，使得获取的指纹图像既可以进行指纹识别，也可以进行指纹防伪认证，解决了现有屏下光学指纹识别装置不能防止各种形态的假指纹的问题，提高系统的安全级别，进而提升用户体验感。另外，利用本申请的打彩色图案的方法光学指纹模组比彩色滤波片的指纹模组成本低很多；而且，本申请实施例的光学传感器芯片加工周期更短，成本更低，良率更高。

本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

在本申请所提供的几个实施例中，应该理解到，所揭露的系统、装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本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。

所述功能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介质中。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介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(read-only memory，ROM)、随机存取存储器(random access memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以所述权利要求的保护范围为准。

Claims (37)

1.一种指纹识别装置，其特征在于，设置于电子设备的显示屏下方，所述显示屏包括多个发光显示像素，所述显示屏包括指纹检测区域，所述指纹检测区域包括互不重叠的中心区域和周围区域，所述中心区域位于所述周围区域的中间，所述指纹识别装置包括：

光路引导结构，用于将返回光信号引导至光学传感器，所述返回光信号为所述指纹检测区域内的发光显示像素发出的光照射手指后返回的光信号，其中，所述中心区域内的发光显示像素发出单色光照射所述手指，所述周围区域内的发光显示像素发出空间上间隔分布的多种颜色的光照射所述手指；

光学传感器，位于所述光路引导结构的下方，用于接收经过所述光路引导结构的光信号，所述光信号用于获取所述手指的指纹图像，所述指纹图像中与所述中心区域对应的中心部分用于指纹识别，所述指纹图像中与所述周围区域对应的周围部分用于指纹防伪认证。

2.根据权利要求1所述的指纹识别装置，其特征在于，所述周围区域内的发光显示像素发出的光与所述中心区域内的发光显示像素发出的单色光的颜色不同。

3.根据权利要求1或2所述的指纹识别装置，其特征在于，所述指纹检测区域还包括位于所述周围区域的外围的补光区域，所述补光区域内的发光显示像素发出单色光照射所述手指。

4.根据权利要求3所述的指纹识别装置，其特征在于，所述补光区域内的发光显示像素发出的单色光与所述中心区域内的发光显示像素发出的单色光的颜色相同。

5.根据权利要求1至4中任一项所述的指纹识别装置，其特征在于，所述中心区域的面积大于所述周围区域的面积。

6.根据权利要求5所述的指纹识别装置，其特征在于，所述中心区域为面积大于或者等于16mm2的单连通区域。

7.根据权利要求5或6所述的指纹识别装置，其特征在于，所述中心区域为矩形或者圆形。

8.根据权利要求1至7中任一项所述的指纹识别装置，其特征在于，所述周围区域包括多组子区域，所述多组子区域中同一组子区域内的发光显示像素发出相同颜色的光照射所述手指，所述多组子区域中不同组子区域内的发光显示像素发出不同颜色的光照射所述手指。

9.根据权利要求8所述的指纹识别装置，其特征在于，所述多组子区域中不同组的子区域之间间隔排列。

10.根据权利要求8或9所述的指纹识别装置，其特征在于，所述多组子区域中同一组子区域内的多个子区域的面积和/或形状相同。

11.根据权利要求8至10中任一项所述的指纹识别装置，其特征在于，所述多组子区域中每个子区域的宽度为0.2mm-3mm。

12.根据权利要求8至11中任一项所述的指纹识别装置，其特征在于，所述多组子区域为两组子区域或者三组子区域。

13.根据权利要求12所述的指纹识别装置，其特征在于，所述两组子区域包括第一组子区域和第二组子区域，所述第一组子区域内的子区域的面积和形状相同，与所述第二组子区域内的子区域的面积和形状相同。

14.根据权利要求13所述的指纹识别装置，其特征在于，所述第一组子区域中的子区域的形状与所述第二组子区域中的子区域的形状相同。

15.根据权利要求14所述的指纹识别装置，其特征在于，所述第一组子区域与所述第二组子区域中的子区域的形状均为方形、圆形或者半圆形。

16.根据权利要求13所述的指纹识别装置，其特征在于，所述第一组子区域中的子区域的形状与所述第二组子区域中的子区域的形状不相同。

17.根据权利要求16所述的指纹识别装置，其特征在于，所述第一组子区域中的子区域的形状为方形，所述第二组子区域中的子区域的形状为圆形。

18.根据权利要求8至17中任一项所述的指纹识别装置，其特征在于，所述指纹识别装置还包括：

滤光片，设置于所述光学传感器上方，用于滤除所述返回光信号中的红外光信号。

19.根据权利要求18所述的指纹识别装置，其特征在于，所述多组子区域包括第三组子区域，所述第三组子区域内的发光显示像素用于发出红光；

所述滤光片用于滤除所述红光照射所述手指后返回的光信号。

20.根据权利要求1至19中任一项所述的指纹识别装置，其特征在于，所述光路引导结构包括光学透镜；或者，

所述光路引导结构包括具有多个准直单元或者微孔阵列的光学准直器，所述光学准直器用于将所述返回光信号通过所述多个准直单元或者微孔阵列分别传输到所述光学传感器的所述感应阵列中对应的光学感应单元；或者，

所述光路引导结构包括具有多个微透镜的微透镜阵列和具有多个微孔的挡光层，所述微透镜阵列用于将所述返回光信号通过所述多个微透镜分别聚焦到所述挡光层对应的微孔，并通过所述微孔传输到所述光学传感器的所述感应阵列中对应的光学感应单元。

21.根据权利要求1至20中任一项所述的指纹识别装置，其特征在于，所述中心区域内的发光显示像素发出的单色光为绿光或青光，所述周围区域内的发光显示像素发出多种颜色的光包括红光、蓝光、黄光和黑光中的至少两个。

22.根据权利要求1至21中任一项所述的指纹识别装置，其特征在于，所述指纹图像中的所述周围部分用于基于深度学习算法，确定所述待检测指纹图像是否为真手指的指纹图像。

23.根据权利要求22所述的指纹识别装置，其特征在于，所述深度学习算法包括以下至少一种：支持向量机、卷积神经网络、循环神经网络以及k均值聚类算法。

24.一种电子设备，其特征在于，包括：如权利要求1至23中任一项所述的指纹识别装置、显示屏以及处理器，

所述显示屏包括多个发光显示像素，所述发光显示像素用于显示图像，显示屏包括指纹检测区域，所述指纹检测区域包括互不重叠的中心区域和周围区域，所述中心区域位于所述周围区域的中间，所述中心区域内的发光显示像素发出单色光照射所述手指，所述周围区域内的发光显示像素发出空间上间隔分布的多种颜色的光照射所述手指；

所述处理器用于根据所述指纹识别装置中的光学传感器接收的光信号，生成指纹图像，并根据所述指纹图像中与所述中心区域对应的中心部分，对所述手指进行指纹识别，以及根据所述指纹图像中与所述周围区域对应的周围部分，对所述手指进行指纹防伪认证。

25.根据权利要求24所述的电子设备，其特征在于，所述处理器还用于：

基于深度学习算法，根据所述待检测指纹图像中的所述周围部分，确定所述待检测指纹图像是否为真手指的指纹图像。

26.根据权利要求25所述的电子设备，其特征在于，所述处理器还用于：

基于深度学习算法，根据所述周围部分中反射光信号的分布图像和/或散射光信号的分布图像，确定所述待检测指纹图像是否为真手指的指纹图像，其中，所述反射光信号为所述周围区域内的发光显示像素发出的光在所述目标手指的表面发生反射后返回的光信号，所述散射光信号为所述周围区域内的发光显示像素发出的光在所述目标手指的内部发生散射后返回的光信号。

27.根据权利要求25所述的电子设备，其特征在于，所述处理器还用于：

基于深度学习算法，根据所述周围部分中第一光信号的分布图像和/或第二光信号的分布图像，确定所述待检测指纹图像是否为真手指的指纹图像，其中，所述第一光信号和所述第二光信号分别为所述周围区域内的发光显示像素发出的多种颜色的光中任意两种颜色的光在照射所述目标手指后返回的光信号。

28.根据权利要求27所述的电子设备，其特征在于，所述处理器还用于：

确定所述周围部分中所述第一光信号的分布图像和所述第二光信号的分布图像，所述第一光信号为所述周围区域内的发光显示像素发出的蓝色光在照射所述目标手指后返回的光信号，所述第二光信号为所述周围区域内的发光显示像素发出的红色光在照射所述目标手指后返回的光信号；

基于深度学习算法，根据所述第一光信号的分布图像和所述第二光信号的分布图像的差值，确定所述待检测指纹图像是否为真手指的指纹图像。

29.根据权利要求25至28中任一项所述的电子设备，其特征在于，所述处理器还用于：

获取若干样本数据，所述若干样本数据包括若干真手指数据以及若干假手指数据，所述若干真手指数据包括若干个真手指触摸在所述指纹检测区域时获取的指纹图像中与所述周围区域对应的周围部分，所述若干假手指数据包括若干个假手指触摸在所述指纹检测区域时获取的指纹图像中与所述周围区域对应的周围部分；

基于所述若干样本数据进行训练，以获取真假手指的指纹图像的深度学习模型；

按照所述深度学习模型，根据所述待检测指纹图像中的所述周围部分，确定所述待检测指纹图像是否为真手指的指纹图像。

30.根据权利要求25至29中任一项所述的电子设备，其特征在于，所述深度学习算法包括以下至少一种：支持向量机、卷积神经网络、循环神经网络以及k均值聚类算法。

31.一种屏下指纹识别和防伪的方法，其特征在于，包括：

获取目标手指的待检测指纹图像，所述待检测指纹图像为触摸在显示屏的指纹检测区域的所述目标手指的指纹图像，所述指纹检测区域包括互不重叠的中心区域和周围区域，所述中心区域位于所述周围区域的中间，所述中心区域内的发光显示像素发出单色光照射所述目标手指，所述周围区域内的发光显示像素发出多种颜色的光照射所述目标手指；

根据所述待检测指纹图像中与所述中心区域对应的中心部分，对所述目标手指进行指纹识别；

根据所述待检测指纹图像中与所述周围区域对应的周围部分，对所述目标手指进行指纹防伪认证。

32.根据权利要求31所述的方法，其特征在于，所述根据所述待检测指纹图像中与所述周围区域对应的周围部分，对所述目标手指进行指纹防伪认证，包括：

基于深度学习算法，根据所述待检测指纹图像中的所述周围部分，确定所述待检测指纹图像是否为真手指的指纹图像。

33.根据权利要求32所述的方法，其特征在于，所述基于深度学习算法，根据所述待检测指纹图像中的所述周围部分，确定所述待检测指纹图像是否为真手指的指纹图像，包括：

基于深度学习算法，根据所述周围部分中反射光信号的分布图像和/或散射光信号的分布图像，确定所述待检测指纹图像是否为真手指的指纹图像，其中，所述反射光信号为所述周围区域内的发光显示像素发出的光在所述目标手指的表面发生反射后返回的光信号，所述散射光信号为所述周围区域内的发光显示像素发出的光在所述目标手指的内部发生散射后返回的光信号。

34.根据权利要求32所述的方法，其特征在于，所述基于深度学习算法，根据所述待检测指纹图像中的所述周围部分，确定所述待检测指纹图像是否为真手指的指纹图像，包括：

基于深度学习算法，根据所述周围部分中第一光信号的分布图像和/或第二光信号的分布图像，确定所述待检测指纹图像是否为真手指的指纹图像，其中，所述第一光信号和所述第二光信号分别为所述周围区域内的发光显示像素发出的多种颜色的光中任意两种颜色的光在照射所述目标手指后返回的光信号。

35.根据权利要求34所述的方法，其特征在于，所述基于深度学习算法，根据所述周围部分中第一光信号的分布图像和/或第二光信号的分布图像，确定所述待检测指纹图像是否为真手指的指纹图像，包括：

确定所述周围部分中所述第一光信号的分布图像和所述第二光信号的分布图像，所述第一光信号为所述周围区域内的发光显示像素发出的蓝色光在照射所述目标手指后返回的光信号，所述第二光信号为所述周围区域内的发光显示像素发出的红色光在照射所述目标手指后返回的光信号；

基于深度学习算法，根据所述第一光信号的分布图像和所述第二光信号的分布图像的差值，确定所述待检测指纹图像是否为真手指的指纹图像。

36.根据权利要求32至35中任一项所述的方法，其特征在于，所述基于深度学习算法，根据所述待检测指纹图像中的所述周围部分，确定所述待检测指纹图像是否为真手指的指纹图像，包括：

获取若干样本数据，所述若干样本数据包括若干真手指数据以及若干假手指数据，所述若干真手指数据包括若干个真手指触摸在所述指纹检测区域时获取的指纹图像中与所述周围区域对应的周围部分，所述若干假手指数据包括若干个假手指触摸在所述指纹检测区域时获取的指纹图像中与所述周围区域对应的周围部分；

基于所述若干样本数据进行训练，以获取真假手指的指纹图像的深度学习模型；

按照所述深度学习模型，根据所述待检测指纹图像中的所述周围部分，确定所述待检测指纹图像是否为真手指的指纹图像。

37.根据权利要求32至36中任一项所述的方法，其特征在于，所述深度学习算法包括以下至少一种：支持向量机、卷积神经网络、循环神经网络以及k均值聚类算法。