CN111476215A - 生物特征鉴别结构及方法及使用其的显示装置及电子设备 - Google Patents
生物特征鉴别结构及方法及使用其的显示装置及电子设备 Download PDFInfo
- Publication number
- CN111476215A CN111476215A CN202010449936.8A CN202010449936A CN111476215A CN 111476215 A CN111476215 A CN 111476215A CN 202010449936 A CN202010449936 A CN 202010449936A CN 111476215 A CN111476215 A CN 111476215A
- Authority
- CN
- China
- Prior art keywords
- filter unit
- area
- color filter
- microlens
- areas
- 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
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
- G06V40/1324—Sensors therefor by using geometrical optics, e.g. using prisms
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Human Computer Interaction (AREA)
- General Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Biophysics (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Computational Linguistics (AREA)
- Biomedical Technology (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Optics & Photonics (AREA)
- Image Input (AREA)
Abstract
本发明公开了一种生物特征鉴别结构、显示装置及电子设备,该生物特征鉴别结构从上到下顺次包括若干Microlens区域、若干防杂光光澜、若干视场光澜和若干像素点区域,其特征在于:所述生物特征鉴别结构还包括若干彩色滤波单元组,该若干彩色滤波单元组位于若干Microlens区域与若干视场光澜之间。本发明一方面可以进行真假生物特征辨别,另一方面依据Microlens与多像素的对应关系,不仅减少图像的数据量,提升指纹识别速度,还可以判断指纹图像的来源是否为真实手指,从而提升指纹识别的安全性,降低光学指纹识别技术在终端用户使用中的安全隐患。
Description
技术领域
本发明涉及指纹识别技术领域,并且更具体地,涉及一种生物特征鉴别结构、显示装置及电子设备。
背景技术
全面屏手机在手机市场已趋向于主流,光学指纹识别技术应用于屏下手机、笔记本电脑等终端设备已经成为行业趋势,可以为用户带来更优的解锁体验。光学指纹识别的方式主要有Lens镜头和感应光强超薄(Microlens)芯片两种,根据光学成像特性,主要是对物方物体成像,为降低设备运行内存和提升指纹识别速度,CMOS一般采用的是灰度传感器,所成图像为灰度图像,人体指纹数据易被指纹照片或橡胶指模等假手指模仿伪造,在实际应用中存在较大安全问题,所以,通过芯片识别真假手指是保证光学指纹识别安全可靠的一大技术关键问题。
发明内容
针对上述问题,一方面,本发明提供一种生物特征鉴别结构,该生物特征鉴别结构从上到下顺次包括若干Microlens区域、若干防杂光光澜、若干视场光澜和若干像素点区域,其特征在于:所述生物特征鉴别结构还包括若干彩色滤波单元组,该若干彩色滤波单元组或位于若干Microlens区域与若干视场光澜之间;或位于若干Microlens区域上方;或位于若干视场光澜与若干像素点区域之间。通过生物特征鉴别结构可以鉴别生物特征照片或橡胶生物特征等假生物特征模仿。
可选地,所述若干彩色滤波单元组中,每一彩色滤波单元组包括第一类滤波单元、第二类滤波单元和第三类滤波单元,第一类滤波单元、第二类滤波单元和第三类滤波单元各自对应一种颜色。
可选地,所述第一类滤波单元的面积至少对应4个Microlens的区域,第二类滤波单元的面积至少对应4个Microlens的区域,第三类滤波单元的面积至少对应4个Microlens的区域。
可选地,所述第一类滤波单元对应绿色滤波单元,第二类滤波单元对应红色滤波单元,第三类滤波单元对应蓝色滤波单元。
可选地,所述每一彩色滤波单元组的三类滤波单元中,其中一类滤波单元有两个滤波单元,另两类滤波单元各有一个滤波单元。
可选地,所述三类滤波单元中,相邻两个滤波单元的颜色不同。
可选地,所述若干Microlens区域和若干像素点区域中,每1个Microlens区域与其下方正对的1个像素点区域共轴,该正对的1个像素点区域为有效像素点区域,每1个Microlens区域的面积对应至少2个以上像素点区域所组成的面积。
可选地,所述生物特征鉴别结构还包括光学填充材料层,该光学填充材料层位于若干Microlens区域与若干像素点区域之间。
可选地,所述若干彩色滤波单元组为5-20组。
可选地,所述若干彩色滤波单元组的厚度为1μm—3μm。
可选地,所述若干彩色滤波单元组的排列方式为对角线/三角形/矩形/圆形。
一方面,本发明还提供一种显示装置,该显示装置包括显示屏、处理器和生物特征鉴别结构,所述生物特征鉴别结构为上述的生物特征鉴别结构。
显示屏可以为OLED、QlED、LCD等可以显示的装置。
一方面,本发明还提供一种电子设备,该电子设备包括上述的显示装置。
电子设备可以为手机、平板电脑等。
一方面,本发明还提供一种生物特征鉴别真假生物特征的方法,该方法通过存储于处理器中的卷积神经网络分类算法对上述的生物特征鉴别结构所采集的具有彩色生物特征区域的图像进行深度训练学习处理,判断所述待识别生物特征是否为真生物特征;若判断为真生物特征,通过特征匹配算法对生物特征进行特征匹配识别。
与现有技术相比,本发明的有益效果在于:
本发明提供的生物特征鉴别结构一方面可以进行真假生物特征辨别,另一方面依据Microlens与多像素的对应关系,不仅减少图像的数据量,提升指纹识别速度,还可以判断指纹图像的来源是否为真实手指,从而提升指纹识别的安全性,降低光学指纹识别技术在终端用户使用中的安全隐患。
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一简单地介绍,显而易见地,下面描述中的附图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性的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例1显示装置结构示意图;
图2是本发明实施例1彩色滤波单元组分布示意图;
图3是本发明实施例1彩色滤波单元另一种位置截面示意图;
图4是本发明实施例1彩色滤波单元另一种位置截面示意图;
图5是本发明一个区域Microlens与9个像素点区域对应关系示意图:图;
图6是本发明一个区域Microlens与4个像素点区域对应关系示意图:图;
图7是本发明若干彩色滤波单元组在光学图像传感器中的对角线排列方式示意图;
图8是本发明若干彩色滤波单元组在光学图像传感器中的三角形排列方式示意图;
图9是本发明若干彩色滤波单元组在光学图像传感器中的圆形排列方式示意图;
图10是本发明若干彩色滤波单元组在光学图像传感器中的矩形排列方式示意图;
图11是本发明实施例2显示装置结构示意图;
图12是本发明实施例2彩色滤波单元组分布示意图;
图13是本发明实施例2彩色滤波单元另一种位置截面示意图;
图14是本发明实施例2彩色滤波单元另一种位置截面示意图;
图15是本发明实施例3显示装置结构示意图;
图16是本发明实施例3彩色滤波单元组分布示意图;
图17是本发明实施例3彩色滤波单元另一种位置截面示意图;
图18是本发明实施例3彩色滤波单元另一种位置截面示意图;
图19是本发明彩色滤波单元组中一类滤波单元对应9个有效像素单元的若干彩色滤波单元组分布示意图;
图20为本发明真假手指算法处理和辨别流程示意图;
图21为本发明结构生物特征鉴别结构采集的指纹图;
图22为现有技术(不带彩色滤波单元组)采集的指纹图。
附图标记说明:显示屏-101;生物特征鉴别结构-102;Microlens区域-103;彩色滤波单元组-104;像素点区域-105;第一类滤波单元-107;第二类滤波单元-108;第三类滤波单元-109;光学填充材料层-112;防杂光光澜-113;视场光澜-114。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请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申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,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,都属于本申请保护的范围。
下面以具体地实施例对本发明的技术方案进行详细说明。下面这几个具体的实施例可以相互结合,对于相同或相似的概念或过程可能在某些实施例不再赘述。
作为一种常见的应用场景,本申请实施例提供的光学指纹识别装置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终端设备,且本申请实施例的技术方案可以用于生物特征识别技术。其中,生物特征识别技术包括但不限于指纹识别、掌纹识别、人脸识别以及活体识别等识别技术。为了便于说明,下文以指纹识别技术为例进行说明。
更具体地,在上述终端设备中,所述光学指纹识别装置可以设置在显示屏下方的局部区域或者全部区域,从而形成屏下光学指纹系统。
实施例1
请参考图1,图1为本发明提供的一种显示装置结构示意图。
本实施例提供一种显示装置,该显示装置包括显示屏101和位于显示屏101下方局部区域的生物特征鉴别结构102,该生物特征鉴别结构102用于采集具有彩色指纹区域的指纹图像。
本实施例中,该生物特征鉴别结构102从上到下顺次排列有呈阵列排布的若干Microlens区域103、若干防杂光光澜113、若干彩色滤波单元组104、若干视场光澜114和若干像素点区域105。若干彩色滤波单元组104与若干像素点区域105具有采集彩色指纹图像的作用,若干彩色滤波单元组104用于识别真假手指所涉及的波段范围。本实施例中,彩色滤波单元组104的位置位于若干防杂光光澜113和光学填充层112之间,在经过防杂光光澜113消除杂光后,使对应有效区域的全波段范围光线经彩色滤波单元组104滤波,获得相应波段范围的光线,减少全波段光线在填充层112内部的反射和散射等现象,如果全波段光线在填充层内部反射或散射,再经过彩色滤波片,会大大减少到达像素的光照;本实施例优选的位置可以减少全波段光线的反射和散射,增加到达像素的光照,使所采图像更加明亮,在低光环境下可以正常实现结构功能。
本实施例中,若干彩色滤波单元组104中,每一彩色滤波单元组104包括第一类滤波单元107、第二类滤波单元108和第三类滤波单元109,第一类滤波单元107对应一种颜色,第二类滤波单元108对应另一种颜色,第三类滤波单元109对应再一种颜色。
进一步地,本实施例的一种或多种优选的方式中,第一类滤波单元107设置绿色(Green)滤波片、第二类滤波单元108设置红色(Red)滤波片、第三类滤波单元109设置蓝色(Blue)滤波片,每种颜色可通过对应波段范围的光线,包括:560nm波段范围、780nm波段范围和450nm波段范围,分别与第一类、第二类和第三类滤波单元相对。
进一步地,本实施例的一种或多种优选的方式中,每个彩色滤波单元组104中某一类彩色滤波单元具有两处,例如绿色(Green)滤波片在单个彩色滤波单元组中具有两处分部,两相邻的滤波单元的颜色不同,以形成GRBG彩色像素区域,优选G为两处区域,这是考虑G光的光分量更大,彩色滤波单元组104对应的像素区域可以获得更大的照度,增加该区域的亮度,低光环境下也可以正常获取该区域的指纹信息。
进一步地,本实施例的一种或多种优选的方式中,若干彩色滤波单元组104形成彩色滤波片。
进一步地,本实施例的一种或多种优选的方式中,若干彩色滤波单元组104离散分部于图像传感器102的若干像素点区域105,其彩色滤波单元组数量下限为5个,彩色滤波单元组数量上限为20个。
进一步地,本实施例的一种或多种优选的方式中,请参考图2,图2为若干彩色滤波单元组分布示意图,图2中,每一个圆圈代表一个Microlens区域对应的区域大小,每种颜色滤波单元至少对应4个Microlens的区域大小,根据后续算法处理图像,进行图像融合,使4个Microlens对应的有效像素采集图像融合为1个Microlens对应有效像素采集的图像,提高图像采集灵敏度和输出速度。
进一步地,本实施例的一种或多种优选的方式中,请参考图3和图4,图3和图4为彩色滤波单元另一种位置示意图,图3和图4中,生物特征鉴别结构还包括光学填充材料层112,光学填充材料层112位于若干Microlens区域103与若干像素点区域105之间,若干防杂光光澜113位于若干Microlens区域103与光学填充材料层112之间,若干彩色滤波单元组104位于光学填充材料层112与若干防杂光光澜113之间。
进一步地,本实施例的一种或多种优选的方式中,请参考图5,图5为本实施例的一个具体的实施例,图5中,1个Microlens区域103的面积对应至少9个像素点区域105所组成的面积,该Microlens区域103与其下方正对的1个像素点区域105(图中阴影部分)共轴,该正对的1个像素点区域105为有效像素点区域。请参考图6,图6为本实施例的另一个具体的实施例,图6中,1个Microlens区域103的面积对应至少4个像素点区域105所组成的面积,该Microlens区域103与其下方正对的1个像素点区域105(图中阴影部分)共轴,该正对的1个像素点区域105为有效像素点区域。通过图5和图6的对应关系,对中心像素光信号进行增强(也就是有效像素点区域的光信号进行增强),并对该像素周围的像素在物理上进行光信号隔绝,增大其对应响应区域像素(中轴像素)光信号量,从而减少图像的数据量,提升指纹识别速度。
进一步地,本实施例的一种或多种优选的方式中,彩色滤波片的厚度在1μm—3μm范围内。
进一步地,本实施例的一种或多种优选的方式中,彩色滤波单元组104的排列方式以对角线、三角形、矩形、圆形等形式为主,其数量遵循上述数量上限和数量下限要求,排列方式请参考图7-10。
实施例2
请参考图11,图11为本发明提供的另一种显示装置结构示意图。
本实施例提供一种显示装置,该显示装置包括显示屏101和位于显示屏101下方局部区域的生物特征鉴别结构102,该生物特征鉴别结构102用于采集具有彩色指纹区域的指纹图像。
本实施例中,该生物特征鉴别结构102从上到下顺次排列有呈阵列排布的若干彩色滤波单元组104、Microlens区域103、若干防杂光光澜113、若干视场光澜114和若干像素点区域105。若干彩色滤波单元组104与若干像素点区域105具有采集彩色指纹图像的作用,若干彩色滤波单元组104用于识别真假手指所涉及的波段范围。本实施例中,彩色滤波单元组104的位置位于若干Microlens区域103,对应有效区域的全波段范围光线经彩色滤波单元组104滤波,获得相应波段范围的光线,减少全波段光线在内部结构的反射和散射等现象,本实施例优选的位置可提升经滤波后到达像素的光照,使所采图像更加明亮,在低光环境下可以正常实现结构功能,获得实施例1相近或相同效果。
本实施例中,若干彩色滤波单元组104中,每一彩色滤波单元组104包括第一类滤波单元107、第二类滤波单元108和第三类滤波单元109,第一类滤波单元107对应一种颜色,第二类滤波单元108对应另一种颜色,第三类滤波单元109对应再一种颜色。
进一步地,本实施例的一种或多种优选的方式中,若干彩色滤波单元组104可以涂覆在Microlens区域103的Microlens的表面上,也可以若干彩色滤波单元组104形成彩色滤波片,设置在Microlens区域103的Microlens的上方。
进一步地,本实施例的一种或多种优选的方式中,第一类滤波单元107设置绿色(Green)滤波片、第二类滤波单元108设置红色(Red)滤波片、第三类滤波单元109设置蓝色(Blue)滤波片,每种颜色可通过对应波段范围的光线,包括:560nm波段范围、780nm波段范围和450nm波段范围,分别与第一类、第二类和第三类滤波单元相对。
进一步地,本实施例的一种或多种优选的方式中,每个彩色滤波单元组104中某一类彩色滤波单元具有两处,例如绿色(Green)滤波片在单个彩色滤波单元组中具有两处分部;两相邻的滤波单元的颜色不同。
进一步地,本实施例的一种或多种优选的方式中,若干彩色滤波单元组104离散分部于图像传感器102的若干像素点区域105,其彩色滤波单元组数量下限为5个,彩色滤波单元组数量上限为20个。
进一步地,本实施例的一种或多种优选的方式中,请参考图12,图12为若干彩色滤波单元组分布示意图,图12中,每一个圆圈代表一个Microlens区域对应的区域大小,每种颜色滤波单元至少对应4个Microlens的区域大小。
进一步地,本实施例的一种或多种优选的方式中,请参考图13和图14,图13和图14为彩色滤波单元另一种位置示意图,图13和图14中,生物特征鉴别结构还包括光学填充材料层112,光学填充材料层112位于若干Microlens区域103与若干像素点区域105之间,若干防杂光光澜113位于若干Microlens区域103与光学填充材料层112之间,若干彩色滤波单元组104涂覆在Microlens区域103。
进一步地,本实施例的一种或多种优选的方式中,请参考图5,图5为本实施例的一个具体的实施例,图5中,1个Microlens区域103的面积对应至少9个像素点区域105所组成的面积,该Microlens区域103与其下方正对的1个像素点区域105(图中阴影部分)共轴,该正对的1个像素点区域105为有效像素点区域。请参考图6,图6为本实施例的另一个具体的实施例,图6中,1个Microlens区域103的面积对应至少4个像素点区域105所组成的面积,该Microlens区域103与其下方正对的1个像素点区域105(图中阴影部分)共轴,该正对的1个像素点区域105为有效像素点区域。通过图5和图6的对应关系,对中心像素光信号进行增强(也就是有效像素点区域的光信号进行增强),并对该像素周围的像素在物理上进行光信号隔绝,增大其对应响应区域像素(中轴像素)光信号量,从而减少图像的数据量,提升指纹识别速度。
进一步地,本实施例的一种或多种优选的方式中,若干彩色滤波单元组104涂覆的厚度在1μm—3μm范围内,或者彩色滤波片的厚度在1μm—3μm。
进一步地,本实施例的一种或多种优选的方式中,彩色滤波单元组104的排列方式以对角线、三角形、矩形、圆形等形式为主,其数量遵循上述数量上限和数量下限要求,排列方式请参考图7-10。
实施例3
请参考图15,图15为本发明提供的另一种显示装置结构示意图。
本实施例提供一种显示装置,该显示装置包括显示屏101和位于显示屏101下方局部区域的生物特征鉴别结构102,该生物特征鉴别结构102用于采集具有彩色指纹区域的指纹图像。
本实施例中,该生物特征鉴别结构102从上到下顺次排列有呈阵列排布的Microlens区域103、若干防杂光光澜113、若干视场光澜114、若干若干彩色滤波单元组104和若干像素点区域105。若干彩色滤波单元组104与若干像素点区域105具有采集彩色指纹图像的作用,若干彩色滤波单元组104用于识别真假手指所涉及的波段范围。本实施例中,彩色滤波单元组104的位置位于若干视场光澜114与若干像素点区域之间105,对应有效区域的全波段范围光线经过防杂光光阑113、填充层112等结构后,发生拦截、反射和散射等过程,到达彩色滤波单元组104的全波段光线相比实施例1和实施例2会减少,到达像素的光照相对弱一些,在低光环境下效果相对实施例1和实施例2稍差,不影响其功能实现。
本实施例中,若干彩色滤波单元组104中,每一彩色滤波单元组104包括第一类滤波单元107、第二类滤波单元108和第三类滤波单元109,第一类滤波单元107对应一种颜色,第二类滤波单元108对应另一种颜色,第三类滤波单元109对应再一种颜色。
进一步地,本实施例的一种或多种优选的方式中,第一类滤波单元107设置绿色(Green)滤波片、第二类滤波单元108设置红色(Red)滤波片、第三类滤波单元109设置蓝色(Blue)滤波片,每种颜色可通过对应波段范围的光线,包括:560nm波段范围、780nm波段范围和450nm波段范围,分别与第一类、第二类和第三类滤波单元相对。
进一步地,本实施例的一种或多种优选的方式中,每个彩色滤波单元组104中某一类彩色滤波单元具有两处,例如绿色(Green)滤波片在单个彩色滤波单元组中具有两处分部;两相邻的滤波单元的颜色不同。
进一步地,本实施例的一种或多种优选的方式中,若干彩色滤波单元组104离散分部于图像传感器102的若干像素点区域105,其彩色滤波单元组数量下限为5个,彩色滤波单元组数量上限为20个。
进一步地,本实施例的一种或多种优选的方式中,请参考图12,图12为若干彩色滤波单元组分布示意图,图12中,每一个圆圈代表一个Microlens区域对应的区域大小,每种颜色滤波单元至少对应4个Microlens的区域大小。
进一步地,本实施例的一种或多种优选的方式中,请参考图13和图14,图13和图14为彩色滤波单元另一种位置示意图,图13和图14中,生物特征鉴别结构还包括光学填充材料层112,光学填充材料层112位于若干Microlens区域103与若干像素点区域105之间,若干防杂光光澜113位于若干Microlens区域103与光学填充材料层112之间。
进一步地,本实施例的一种或多种优选的方式中,请参考图5,图5为本实施例的一个具体的实施例,图5中,1个Microlens区域103的面积对应至少9个像素点区域105所组成的面积,该Microlens区域103与其下方正对的1个像素点区域105(图中阴影部分)共轴,该正对的1个像素点区域105为有效像素点区域。请参考图6,图6为本实施例的另一个具体的实施例,图6中,1个Microlens区域103的面积对应至少4个像素点区域105所组成的面积,该Microlens区域103与其下方正对的1个像素点区域105(图中阴影部分)共轴,该正对的1个像素点区域105为有效像素点区域。通过图5和图6的对应关系,对中心像素光信号进行增强(也就是有效像素点区域的光信号进行增强),并对该像素周围的像素在物理上进行光信号隔绝,增大其对应响应区域像素(中轴像素)光信号量,从而减少图像的数据量,提升指纹识别速度。
进一步地,本实施例的一种或多种优选的方式中,若干彩色滤波单元组104可以涂覆在像素点区域105的表面上,也可以若干彩色滤波单元组104形成彩色滤波片,设置在像素点区域105的上方,视场光阑114的下方。
进一步地,本实施例的一种或多种优选的方式中,若干彩色滤波单元组104涂覆的厚度在1μm—3μm范围内,或者彩色滤波片的厚度在1μm—3μm。
进一步地,本实施例的一种或多种优选的方式中,彩色滤波单元组104的排列方式以对角线、三角形、矩形、圆形等形式为主,其数量遵循上述数量上限和数量下限要求,排列方式请参考图7-10。
基于上述的实施例1-3任一实施例,本发明还提供一种电子设备。
该电子设备包括实施例1-3任一实施例的显示装置。
电子设备可以为手机、平板电脑等。
上述电子设备的显示装置,还包括处理器,处理器用于将上述生物特征鉴别结构102采集来的具有多彩色指纹区域的图像进行处理。
请参考图19,根据片上图像融合的形式,每种颜色滤波单元对应的有效像素单元的数量为9,即采取3×3的binning(图像融合方式)形式,9个Microlens对应的有效像素区域融合为1个Microlens对应的有效像素区域,进行图像输出。
进一步地,请参考图20,图20为本发明真假手指算法处理和辨别流程示意图。处理器中存储有卷积神经网络分类算法,卷积神经网络分类算法对上述生物特征鉴别结构102采集来的具有多彩色指纹区域的图像进行处理进行深度训练学习处理。由于人体肤质和所使用假手指材料存在差异,采集的彩色图像也具有不同,因此可对真实手指和不同材质的假手指通过上述生物特征鉴别结构102采集具有彩色指纹区域的图像,由卷积神经分类算法进行训练学习,并分别标记“正确”和“错误”,形成多个标记样本,当未知真假手指输入时,可依此判断待识别物体是否为真手指;若判断为真手指,通过特征匹配算法对指纹进行特征匹配识别;若判断为假手指,则识别失败。
请参考图21和图22,图21为本发明提供带若干彩色滤波单元104的结构采集的指纹图像;图22为现有技术(未加入若干彩色滤波单元组104)的结构采集的指纹图像;图21和图22相比,图21指纹图像中显示具有多处彩色指纹区域,所述彩色指纹区域与光学图像传感器中设置彩色滤波单元组的区域相对应;采集真实手指和不同材质的假手指的具有彩色指纹区域的图像由卷积神经分类算法进行训练学习,形成多个标记样本,当未知真假手指输入时,通过算法依据训练样本判断待识别物体是否为真手指。
在本发明的描述中,需要说明的是,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”应作广义理解,例如,可以是固定连接,也可以是通过中间媒介间接相连,可以是两个元件内部的连通或者两个元件的相互作用关系。对于本领域的普通技术人员而言,可以根据具体情况理解上述术语在本发明中的具体含义。
在本发明的描述中,需要理解的是,术语“上”、“下”、“前”、“后”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或者位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或者暗示所指的装置或者元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。在本发明的描述中,“多个”的含义是两个或两个以上,除非是另有精确具体地规定。
本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本申请的实施例例如能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,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、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (10)
1.一种生物特征鉴别结构,该生物特征鉴别结构从上到下顺次包括若干Microlens区域、若干防杂光光澜、若干视场光澜和若干像素点区域,其特征在于:所述生物特征鉴别结构还包括若干彩色滤波单元组,该若干彩色滤波单元组位于
若干Microlens区域与若干视场光澜之间;或
若干Microlens区域上方;或
若干视场光澜与若干像素点区域之间。
2.根据权利要求1所述的生物特征鉴别结构,其特征在于:所述若干彩色滤波单元组中,每一彩色滤波单元组包括第一类滤波单元、第二类滤波单元和第三类滤波单元,第一类滤波单元、第二类滤波单元和第三类滤波单元各自对应一种颜色。
3.根据权利要求2所述的生物特征鉴别结构,其特征在于:
所述第一类滤波单元的面积至少对应4个Microlens的区域,第二类滤波单元的面积至少对应4个Microlens的区域,第三类滤波单元的面积至少对应4个Microlens的区域;或
所述第一类滤波单元对应绿色滤波单元,第二类滤波单元对应红色滤波单元,第三类滤波单元对应蓝色滤波单元。
4.根据权利要求2所述的生物特征鉴别结构,其特征在于:所述每一彩色滤波单元组的三类滤波单元中,其中一类滤波单元有两个滤波单元,另两类滤波单元各有一个滤波单元。
5.根据权利要求4所述的生物特征鉴别结构,其特征在于:所述三类滤波单元中,相邻两个滤波单元的颜色不同。
6.根据权利要求1所述的生物特征鉴别结构,其特征在于:所述若干Microlens区域和若干像素点区域中,每1个Microlens区域与其下方正对的1个像素点区域共轴,该正对的1个像素点区域为有效像素点区域,每1个Microlens区域的面积对应至少2个以上像素点区域所组成的面积。
7.根据权利要求1所述的生物特征鉴别结构,其特征在于:
所述生物特征鉴别结构还包括光学填充材料层,该光学填充材料层位于若干Microlens区域与若干像素点区域之间;或
所述若干彩色滤波单元组为5-20组;或
所述若干彩色滤波单元组的厚度为1μm—3μm;或
所述若干彩色滤波单元组的排列方式为对角线/三角形/矩形/圆形。
8.一种显示装置,该显示装置包括显示屏、处理器和生物特征鉴别结构,其特征在于:所述生物特征鉴别结构为权利要求1-7任一所述的生物特征鉴别结构。
9.一种电子设备,其特征在于:该电子设备包括权利要求9所述的显示装置。
10.一种生物特征鉴别真假生物特征的方法,该方法通过存储于处理器中的卷积神经网络分类算法对权利要求1-7任一所述的生物特征鉴别结构所采集的具有彩色生物特征区域的图像进行深度训练学习处理,判断所述待识别生物特征是否为真生物特征;若判断为真生物特征,通过特征匹配算法对生物特征进行特征匹配识别。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010449936.8A CN111476215A (zh) | 2020-05-25 | 2020-05-25 | 生物特征鉴别结构及方法及使用其的显示装置及电子设备 |
KR1020227015283A KR20220073835A (ko) | 2019-11-01 | 2020-08-26 | 이미지 수집 광학 구조 및 생체 특징의 진위를 감별하는 방법과 전자 장치 |
PCT/CN2020/111421 WO2021082680A1 (zh) | 2019-11-01 | 2020-08-26 | 图像采集光学结构及鉴别真假生物特征的方法和电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010449936.8A CN111476215A (zh) | 2020-05-25 | 2020-05-25 | 生物特征鉴别结构及方法及使用其的显示装置及电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111476215A true CN111476215A (zh) | 2020-07-31 |
Family
ID=71760363
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010449936.8A Pending CN111476215A (zh) | 2019-11-01 | 2020-05-25 | 生物特征鉴别结构及方法及使用其的显示装置及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111476215A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2021082680A1 (zh) * | 2019-11-01 | 2021-05-06 | 上海菲戈恩微电子科技有限公司 | 图像采集光学结构及鉴别真假生物特征的方法和电子设备 |
US11580776B2 (en) | 2021-03-03 | 2023-02-14 | Egis Technology Inc. | Under-screen fingerprint sensing device and fingerprint sensing method |
-
2020
- 2020-05-25 CN CN202010449936.8A patent/CN111476215A/zh active Pending
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2021082680A1 (zh) * | 2019-11-01 | 2021-05-06 | 上海菲戈恩微电子科技有限公司 | 图像采集光学结构及鉴别真假生物特征的方法和电子设备 |
US11580776B2 (en) | 2021-03-03 | 2023-02-14 | Egis Technology Inc. | Under-screen fingerprint sensing device and fingerprint sensing method |
US11636706B2 (en) | 2021-03-03 | 2023-04-25 | Egis Technology Inc. | Under-screen fingerprint sensing device and fingerprint sensing method |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3748534B1 (en) | Fingerprint recognition apparatus and electronic device | |
CN111133446B (zh) | 指纹识别装置和电子设备 | |
EP3719694A1 (en) | Neural network model-based human face living body detection | |
CN111667455B (zh) | 一种刷具多种缺陷的ai检测方法 | |
Ajmal et al. | A comparison of RGB and HSV colour spaces for visual attention models | |
CN207491128U (zh) | 一种rgb+ir图像采集设备 | |
CN106815573A (zh) | 显示屏及电子装置 | |
CN103294993A (zh) | 用于识别假脸的装置和方法 | |
CN111476215A (zh) | 生物特征鉴别结构及方法及使用其的显示装置及电子设备 | |
CN112668540B (zh) | 生物特征采集识别系统及方法、终端设备和存储介质 | |
WO2021098486A1 (zh) | 衣物颜色识别的处理方法、装置、设备及存储介质 | |
CN111989690A (zh) | 指纹识别装置和电子设备 | |
CN107256395A (zh) | 掌静脉提取方法及装置 | |
CN105320926A (zh) | 指纹传感器 | |
WO2021082680A1 (zh) | 图像采集光学结构及鉴别真假生物特征的方法和电子设备 | |
TW201241694A (en) | Optical coordinate input device and coordinate calculation method thereof | |
CN212302492U (zh) | 生物特征鉴别结构、显示装置及电子设备 | |
CN213069853U (zh) | 指纹识别装置和电子设备 | |
WO2022083048A1 (zh) | 光学指纹识别模组及其识别方法和电子装置 | |
CN115240245A (zh) | 人脸活体检测方法、人脸活体检测装置及电子设备 | |
CN114463790A (zh) | 光学指纹识别和防伪的方法及系统 | |
CN213458073U (zh) | 一种生物特征采集单元、生物特征鉴别结构及显示装置 | |
CN110705352A (zh) | 基于深度学习的指纹图像检测方法 | |
CN110543821A (zh) | 纹路识别装置及其操作方法 | |
CN217690131U (zh) | 感光芯片、指纹识别模组和电子设备 |
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 |