CN112329700A - 指纹识别方法、显示模组及显示装置 - Google Patents
指纹识别方法、显示模组及显示装置 Download PDFInfo
- Publication number
- CN112329700A CN112329700A CN202011305545.5A CN202011305545A CN112329700A CN 112329700 A CN112329700 A CN 112329700A CN 202011305545 A CN202011305545 A CN 202011305545A CN 112329700 A CN112329700 A CN 112329700A
- Authority
- CN
- China
- Prior art keywords
- fingerprint
- change rule
- preset
- identification image
- 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.)
- 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
- G06V40/1318—Sensors therefor using electro-optical elements or layers, e.g. electroluminescent sensing
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/12—Fingerprints or palmprints
- G06V40/1347—Preprocessing; Feature extraction
- G06V40/1359—Extracting features related to ridge properties; Determining the fingerprint type, e.g. whorl or loop
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/12—Fingerprints or palmprints
- G06V40/1382—Detecting the live character of the finger, i.e. distinguishing from a fake or cadaver finger
- G06V40/1394—Detecting the live character of the finger, i.e. distinguishing from a fake or cadaver finger using acquisition arrangements
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Human Computer Interaction (AREA)
- Multimedia (AREA)
- Biomedical Technology (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Image Input (AREA)
Abstract
本公开提供一种指纹识别方法、显示模组及显示装置,属于显示技术领域,其可解决现有的指纹识别系统容易受到假指纹攻击的问题。本公开的指纹识别方法用于识别触摸主体表面的纹路,包括:根据触摸主体表面的纹路反射的光信号,生成识别图像;确定识别图像中至少部分区域的灰阶值变化规律;根据识别图像中至少部分区域的灰阶值变化规律,判断触摸主体表面的纹路为真指纹或假指纹。
Description
技术领域
本公开属于显示技术领域,具体涉及一种指纹识别方法、显示模组及显示装置。
背景技术
随着光学指纹识别技术在移动智能终端中大量普及,光学指纹识别技术被越来越广泛地应用在手机等终端设备的指纹解锁、移动支付、软件加密等场景中,人们对终端设备中指纹识别系统的安全性也提出了更高的要求。
目前,获取指纹在物体表面的残留印记或者指纹图片等,并通过打印方式制作出来的假指纹可以用来欺骗手机等终端设备的指纹识别系统,从而带来潜在的风险。因此抵御假指纹攻击,对手机等终端设备中指纹识别系统的安全性具有重要的意义。
发明内容
本公开旨在至少解决现有技术中存在的技术问题之一,提供一种指纹识别方法、显示模组及显示装置。
第一方面,本公开实施例提供一种指纹识别方法,用于识别触摸主体表面的纹路,所述指纹识别方法包括:
根据所述触摸主体表面的纹路反射的光信号,生成识别图像;
确定所述识别图像中至少部分区域的灰阶值变化规律;
根据所述识别图像中至少部分区域的灰阶值变化规律,判断所述触摸主体表面的纹路为真指纹或假指纹。
可选地,所述识别图像具有中心区域和围绕所述中心区域的边缘区域;所述根据所述识别图像中至少部分区域的灰阶值变化规律,判断所述触摸主体表面的纹路为真指纹或假指纹,包括:
判断所述识别图像的所述边缘区域的灰阶值变化规律是否符合第一预设变化规律;所述第一预设变化规律为利用神经网络模型提取出的真指纹识别图像的边缘区域的灰阶值变化规律;
若所述识别图像的所述边缘区域的灰阶值变化规律符合第一预设变化规律,则确定所述触摸主体表面的纹路为真指纹。
可选地,所述第一预设变化规律包括所述真指纹识别图的边缘区域中各个所述灰阶值形成的变化曲线的斜率大于第一预设斜率小于第二预设斜率,且所述边缘区域的宽度大于第一预设宽度小于第二预设宽度。
可选地,所述识别图像具有中心区域和围绕所述中心区域的边缘区域;所述根据所述识别图像中至少部分区域的灰阶值变化规律,判断所述触摸主体表面的纹路为真指纹或假指纹,包括:
判断所述识别图像的所述中心区域的灰阶值变化规律是否符合第二预设变化规律;所述第二预设变化规律为利用神经网络模型提取出的真指纹识别图像的中心区域的灰阶值变化规律;
若所述识别图像的所述中心区域的灰阶值变化规律符合第二预设变化规律,则确定所述触摸主体表面的纹路为真指纹。
可选地,所述触摸主体表面的纹路包括:谷和脊;所述第二预设变化规律包括所述真指纹识别图像的中心区域中由所述脊的顶部到所述谷的底部,各个所述灰阶值形成的变化曲线的斜率大于第三预设斜率小于第四预设斜率,且所述中心区域中所述脊的顶部到所述谷的底部的宽度大于第三预设宽度小于第四预设宽度。
可选地,所述触摸主体表面的纹路包括:谷和脊;所述第二预设变化规律包括所述真指纹识别图像的中心区域中由所述谷的底部到所述脊的顶部,各个灰阶值形成的变化曲线的斜率大于第五预设斜率小于第六预设斜率,且所述中心区域中所述谷的底部到所述脊的顶部的宽度大于第五预设宽度小于第六预设宽度。
第二方面,本公开实施例提供一种显示模组,包括:基底、位于基底上的显示面板、位于所述基底与所述显示面板之间的多个图像传感器,所述显示模组还包括:与所述图像传感器连接的图像处理器;所述图像处理器用于,
根据所述触摸主体表面的纹路反射的光信号,生成识别图像;
确定所述识别图像中至少部分区域的灰阶值变化规律;
根据所述识别图像中至少部分区域的灰阶值变化规律,判断所述触摸主体表面的纹路为真指纹或假指纹。
可选地,所述显示模组还包括:位于所述图像传感器与所述显示面板之间的准直结构;
所述准直结构包括光纤板或阵列排布的多个微透镜。
可选地,所述触摸主体表面与所述显示面板接触时,所述触摸主体表面在所述基底上的正投影落在所述多个图像传感器在所述基底上的正投影内。
第三方面,本公开实施例提供一种显示装置,包括如上述提供的显示模组。
附图说明
图1为本公开实施例提供的一种指纹识别方法的流程示意图;
图2为一种真指纹反射光线的光路示意图;
图3为另一种真指纹反射光线的光路示意图;
图4为本公开实施例提供的一种显示模组的结构示意图。
具体实施方式
为使本领域技术人员更好地理解本公开的技术方案,下面结合附图和具体实施方式对本公开作进一步详细描述。
除非另外定义,本公开使用的技术术语或者科学术语应当为本公开所属领域内具有一般技能的人士所理解的通常意义。本公开中使用的“第一”、“第二”以及类似的词语并不表示任何顺序、数量或者重要性,而只是用来区分不同的组成部分。同样,“一个”、“一”或者“该”等类似词语也不表示数量限制,而是表示存在至少一个。“包括”或者“包含”等类似的词语意指出现该词前面的元件或者物件涵盖出现在该词后面列举的元件或者物件及其等同,而不排除其他元件或者物件。“连接”或者“相连”等类似的词语并非限定于物理的或者机械的连接,而是可以包括电性的连接,不管是直接的还是间接的。“上”、“下”、“左”、“右”等仅用于表示相对位置关系,当被描述对象的绝对位置改变后,则该相对位置关系也可能相应地改变。
人体手指的表皮是凹凸不平的,具有谷和脊的三维结构。手指按压在终端设备的屏幕上时,手指的脊与屏幕直接接触,手指的谷与屏幕之间有空气间隙。由于手指的表皮和空气对于光线的折射率不同,因此手指的谷和脊对屏幕发出的光线反射强度不同,从而使得谷和脊下方相应的图像传感器接收到的光线强度不同,这样可以在识别图像上显示出指纹的谷和脊。再将识别图像与图像库中的预存储图像进行比对,若识别图像与图像库中的预存储图像相匹配,则确定该指纹为认证指纹,以实现光学指纹识别功能。在此需要说明的是,上述终端设备可以为手机、平板电脑、笔记本电脑、智能门锁等具有光学指纹识别功能的设备,在之后的描述中,将以具有光学指纹识别功能的手机为例进行描述。目前的光学指纹识别技术广泛应用在指纹解锁、移动支付、软件加密等场景中,然而,基于目前的指纹识别技术,通过获取指纹在物体表面的残留印记或者指纹图片等,并通过打印方式制作出来的假指纹可以用来欺骗手机的指纹识别系统,从而带来潜在的风险。
为了至少解决上述技术问题之一,本公开实施例提供了一种指纹识别方法、显示模组及显示装置,下面将结合附图及具体实施方式,对本公开实施例提供的指纹识别方法、显示模组及显示装置进行进一步详细说明。
实施例一
图1为本公开实施例提供的一种指纹识别方法的流程示意图,该指纹识别方法可以用于识别触摸主体表面的纹路,如图1所示,本公开实施例提供的指纹识别方法包括如下步骤:
S101,根据触摸主体表面的纹路反射的光信号,生成识别图像。
需要说明的是,这里的触摸主体可以是手指,也可以覆盖有假指纹的其他物体,手指或者其他物体的表面按压在手机屏幕上时,手机屏幕发出的光线可以照射至手指或者其他物体的表面,其表面的纹路可以将光线反射,形成反射的光信号。由于手指或者其他物体表面的纹路中的不同位置对于光线的反射强度是不同的,这样可以根据反射的光信号生成针对手指或者其他物体表面的纹路的识别图像。
S102,确定识别图像中至少部分区域的灰阶值的变化规律。
需要说明的是,可以对识别图像中的至少部分区域进行检测,提取出识别图像中该区域内的多个灰阶值。这里的多个灰阶值可以为识别图像中沿同一方向上的像素点的灰阶值,为了便于检测及提取,每个灰阶值可以为多个像素点的灰阶值的平均值。由于手指或者其他物体表面上不同位置的纹路对于光线的反射强度不同,生成的识别图像中灰阶值也不同,且存在一定的预设变化规律,该预设变化规律可以为利用神经网络模型提取出的真指纹识别图像中的灰阶值的变化规律。
S103,根据识别图像中至少部分区域的灰阶值的变化规律,判断触摸主体表面的纹路为真指纹或假指纹。
需要说明的是,手指的指纹是凹凸不平的,其中凸起的部位为脊,凹陷的部分为谷,每个谷和脊具有为平缓的表面,这样对应生成的识别图像中至少部分区域的灰阶值的也是具有一定的预设变化规律的。然而,目前的假指纹一般是通过获取指纹在物体表面的残留印记或者指纹图片等,并通过打印方式制作出来,其不能将手指的指纹中的谷和脊做到精确的复制以形成精确的三维结构,因此假指纹在按压手机屏幕时,相应的识别图像中的灰阶值的变化规律不一定满足上述的预设变化规律。这样,可以根据识别图像中至少部分区域的灰阶值的变化规律来判断出触摸主体表面的纹路是真指纹还是假指纹。
本公开实施例提供的指纹识别方法中,可以根据针对触摸主体表面的纹路生成的识别图像中至少部分区域的灰阶值的变化规律,来识别出触摸主体表面的纹路是否为假指纹,这样可以有效避免利用假指纹攻击指纹识别系统的问题,因此可以提高指纹识别系统的安全性,从而提高用户使用体验。另一方面,本公开实施例提供的指纹识别方法不需要在原有的指纹识别系统中增加额外的组件,且识别方法简便快捷,可以在抵御假指纹攻击同时有效节约成本。
在一些实施例中,识别图像具有中心区域和围绕中心区域的边缘区域;上述步骤S103,根据识别图像中至少部分区域的灰阶值变化规律,判断触摸主体表面的纹路为真指纹或假指纹,包括:判断识别图像的边缘区域的灰阶值变化规律是否符合第一预设变化规律;第一预设变化规律为利用神经网络模型提取出的真指纹识别图像的边缘区域的灰阶值变化规律;若识别图像的边缘区域的灰阶值变化规律符合第一预设变化规律,则确定触摸主体表面的纹路为真指纹。
需要说明的是,图2为一种真指纹反射光线的光路示意图,如图2所示,手指边缘的指纹与手机屏幕之间并未接触,且手指边缘离手机屏幕越来越远。手指边缘的指纹可以对手机屏幕发出的光线进行反射并形成光信号,从而生成识别图像。由于手指边缘距离手机屏幕的距离远远大于手指指纹中谷的深度,因此可以不必考虑手指边缘的谷和脊对与光线反射的影响。由于手指边缘的不同位置的指纹随着与手机屏幕之间的距离逐渐增大,反射能力逐渐减弱,灰阶值也逐渐减小。可以利用神经网络模型对大量的真实手指指纹的识别图像进行采集,形成真指纹识别图像的边缘区域灰阶值的第一预设变化规律,然而对于采用打印方式制成的假指纹来说,其中的谷和脊的结构与真指纹中的谷和脊的结构并不完全相同,因此针对假指纹生成的识别图像中,其边缘区域的灰阶值变化规律不符合第一预设变化规律。这样,可以通过识别图像的边缘区域中的灰阶值的变化规律是否符合第一预设变化规律,来识别触摸主体表面的纹理为真指纹或者假指纹。若识别图像的边缘区域的灰阶值变化规律符合第一预设变化规律,则确定触摸主体表面的纹路为真指纹;若识别图像的边缘区域的灰阶值变化规律不符合第一预设变化规律,则确定触摸主体表面的纹路为假指纹。
在一些实施例中,第一预设变化规律包括真指纹识别图的边缘区域中各个灰阶值形成的变化曲线的斜率大于第一预设斜率小于第二预设斜率,且边缘区域的宽度大于第一预设宽度小于第二预设宽度。
需要说明的是,如图2所示,由于手指边缘的不同位置的指纹随着与手机屏幕之间的距离逐渐增大,反射能力逐渐减弱,灰阶值也逐渐减小。将手指边缘对应的各个灰阶值形成变化曲线,灰阶值的变化曲线的斜率在一定的范围内变化,例如变化曲线的斜率在第一斜率到第二斜率之间变化,其中第一斜率可以为0.5DN/μm,第二斜率可以为1.5DN/μm。在此需要说明的是,本公开实施例中提取的数据均以16bit的图像为例进行说明。同时识别图像中边缘区域的宽度也在一定范围内变化,例如边缘区域的宽度在第一预设宽度到第二预设宽度之间变化,其中第一预设宽度可以为1.4毫米,第二预设宽度可以为2.5毫米。在实际应用中可以,选取识别图像中1.4毫米至2.5毫米之间的像素点的灰阶值,通过判断其各个灰阶值形成的变化曲线的斜率是否在0.5DN/μm至1.5DN/μm范围内变化,来识别触摸主体表面的纹路为真指纹或者假指纹。
在一些实施例中,识别图像具有中心区域和围绕中心区域的边缘区域;上述步骤S103,根据识别图像中至少部分区域的灰阶值变化规律,判断触摸主体表面的纹路为真指纹或假指纹,包括:判断识别图像的中心区域的灰阶值变化规律是否符合第二预设变化规律;第二预设变化规律为利用神经网络模型提取出的真指纹识别图像的中心区域的灰阶值变化规律;若识别图像的中心区域的灰阶值变化规律符合第二预设变化规律,则确定触摸主体表面的纹路为真指纹。
需要说明的是,图3为另一种真指纹反射光线的光路示意图,如图3所示,手指中心的指纹与手机屏幕之间接触,手指的谷和脊对于光线的反射强度是不同的,由于脊与手机屏幕接触,其中无空气间隙,手机屏幕发出的光线大部分通过手指的脊透射,因此手指的脊对于光线的反射能力较弱。由于谷与手机屏幕之间具有一定的空气间隙,且空气与手机表面的折射率不同,导致光线在手机屏幕与手指的谷形成的空气间隙的分界处可以形成反射,同时对应谷的顶部位置可以对光线形成会聚的效果,导致谷的顶部反射光线的能力较强,对应识别图像中的灰阶值较大,远离谷的顶部的位置反射光线的能力较弱,对应的识别图像中的灰阶值较小。可以利用神经网络模型对大量的真实手指指纹的识别图像进行采集,形成真指纹识别图像的中心区域灰阶值的第二预设变化规律,然而对于采用打印方式制成的假指纹来说,其中的谷和脊的结构与真指纹中的谷和脊的结构并不完全相同,因此针对假指纹生成的识别图像中,其中心区域的灰阶值变化规律不符合第二预设变化规律。这样,可以通过识别图像的中心区域中的灰阶值的变化规律是否符合第二预设变化规律,来识别触摸主体表面的纹理为真指纹或者假指纹。若识别图像的中心区域的灰阶值变化规律符合第二预设变化规律,则确定触摸主体表面的纹路为真指纹;若识别图像的中心区域的灰阶值变化规律不符合第二预设变化规律,则确定触摸主体表面的纹路为假指纹。
在一些实施例中,触摸主体表面的纹路包括:谷和脊;第二预设变化规律包括真指纹识别图像的中心区域中由脊的顶部到谷的底部,各个灰阶值形成的变化曲线的斜率大于第三预设斜率小于第四预设斜率,且中心区域中脊的顶部到谷的底部的宽度大于第三预设宽度小于第四预设宽度。
需要说明的是,如图3所示,由于谷与手机屏幕之间具有一定的空气间隙,且空气与手机表面的折射率不同,导致光线在手机屏幕与手指的谷形成的空气间隙的分界处可以形成反射,同时对应谷的顶部位置可以对光线形成会聚的效果,导致谷的顶部反射光线的能力较强,对应识别图像中的灰阶值较大,远离谷的顶部的位置反射光线的能力较弱,对应的识别图像中的灰阶值较小。将手指中心区域脊的顶部到谷的底部对应的各个灰阶值形成变化曲线,灰阶值的变化曲线的斜率在一定的范围内变化,例如变化曲线的斜率在第三斜率到第四斜率之间变化,其中第三斜率可以为2.1DN/μm,第四斜率可以为3.2DN/μm。同时识别图像中心区域中脊的顶部到谷的底部的宽度也在一定范围内变化,例如中心区域中脊的顶部到谷的底部的宽度在第三预设宽度到第四预设宽度之间变化,其中第三预设宽度可以为150微米,第四预设宽度可以为300微米。在实际应用中可以,选取识别图像中心区域中150微米至300微米之间的像素点的灰阶值,通过判断其各个灰阶值形成的变化曲线的斜率是否在2.1DN/μm至3.2DN/μm范围内变化,来识别触摸主体表面的纹路为真指纹或者假指纹。
在一些实施例中,触摸主体表面的纹路包括:谷和脊;第二预设变化规律包括真指纹识别图像的中心区域中由谷的底部到脊的顶部,各个灰阶值形成的变化曲线的斜率大于第五预设斜率小于第六预设斜率,且中心区域中谷的底部到脊的顶部的宽度大于第五预设宽度小于第六预设宽度。
需要说明的是,如图3所示,由于谷与手机屏幕之间具有一定的空气间隙,且空气与手机表面的折射率不同,导致光线在手机屏幕与手指的谷形成的空气间隙的分界处可以形成反射,同时对应谷的顶部位置可以对光线形成会聚的效果,导致谷的顶部反射光线的能力较强,对应识别图像中的灰阶值较大,远离谷的顶部的位置反射光线的能力较弱,对应的识别图像中的灰阶值较小。将手指中心区域谷的底部到脊的顶部对应的各个灰阶值形成变化曲线,灰阶值的变化曲线的斜率在一定的范围内变化,例如变化曲线的斜率在第五斜率到第六斜率之间变化,其中第五斜率可以为2.1DN/μm,第六斜率可以为3.2DN/μm。在此需要说明的是,第五斜率和第六斜率可以与上述的第三斜率和第四斜率选用的是相同的数值,这是由于真实的手指指纹从脊到谷,再从谷到脊是比较对称的,其斜率不会有太大的差异,对于宽度也是如此。同时识别图像中心区域中谷的底部到脊的顶部的宽度也在一定范围内变化,例如中心区域谷的底部到脊的顶部的宽度在第五预设宽度到第六预设宽度之间变化,其中第五预设宽度可以为150微米,第六预设宽度可以为300微米。在实际应用中可以,选取识别图像中心区域中150微米至300微米之间的像素点的灰阶值,通过判断其各个灰阶值形成的变化曲线的斜率是否在2.1DN/μm至3.2DN/μm范围内变化,来识别触摸主体表面的纹路为真指纹或者假指纹。
实施例二
图4为本公开实施例提供的一种显示模组的结构示意图,如图4所示,该显示模组包括:基底401、位于基底401上的显示面板402、位于基底401与显示面板402之间的多个图像传感器403,显示模组还包括:与图像传感器403连接的图像处理器(图中未示出);图像处理器用于,根据触摸主体表面的纹路反射的光信号,生成识别图像;确定识别图像中至少部分区域的灰阶值变化规律;根据识别图像中至少部分区域的灰阶值变化规律,判断触摸主体表面的纹路为真指纹或假指纹。
需要说明的是,本公开实施例提供的显示装置中,显示面板402可以进行显示并向触摸主体表面发射光线。触摸主体表面与显示面板402接触时,可以对光线进行反射。图像传感器403可以将反射的光信号转化为电信号,并输入至图像处理器中,以生成识别图像。图像处理器可以根据识别图像中至少部分区域的灰阶值的变化规律,来识别出触摸主体表面的纹路是否为假指纹。这样可以有效避免利用假指纹攻击指纹识别系统的问题,因此可以提高指纹识别系统的安全性,从而提高用户使用体验。
在一些实施例中,如图4所示,显示模组还包括:位于图像传感器403与显示面板402之间的准直结构404;准直结构404包括光纤板或阵列排布的多个微透镜。
需要说明的是,光纤板或者阵列排布多个微透镜构成的准直结构404可以使得触摸主体表面反射的光线达到准直的效果,减小触摸主体表面的凸起和凹陷之间的串扰。此外准直结构404也可以包含红外滤光层,可以减小外界光线对反射光线的影响。
在一些实施例中,触摸主体表面与显示面板402接触时,触摸主体表面在基底401上的正投影落在多个图像传感器403在基底上的正投影内。
需要说明的是,多个图像传感器403所在区域的面积大于触摸主体表面的面积,这样,图像传感器403可以准确识别触摸主体表面的边缘,可以提高指纹识别的准确度,可以有效避免利用假指纹攻击指纹识别系统的问题,因此可以提高指纹识别系统的安全性,从而提高用户使用体验。
实施例三
本公开实施例提供了一种显示装置,该显示装置包括如上述任一实施例提供的显示模组,该显示装置可以为手机、平板电脑、笔记本电脑、智能门锁等具有光学指纹识别功能的设备,其实现原理与上述显示模组及指纹识别方法的原理相同,在此不再赘述。
可以理解的是,以上实施方式仅仅是为了说明本公开的原理而采用的示例性实施方式,然而本公开并不局限于此。对于本领域内的普通技术人员而言,在不脱离本公开的精神和实质的情况下,可以做出各种变型和改进,这些变型和改进也视为本公开的保护范围。
Claims (10)
1.一种指纹识别方法,用于识别触摸主体表面的纹路,其特征在于,所述指纹识别方法包括:
根据所述触摸主体表面的纹路反射的光信号,生成识别图像;
确定所述识别图像中至少部分区域的灰阶值变化规律;
根据所述识别图像中至少部分区域的灰阶值变化规律,判断所述触摸主体表面的纹路为真指纹或假指纹。
2.根据权利要求1所述的指纹识别方法,其特征在于,所述识别图像具有中心区域和围绕所述中心区域的边缘区域;所述根据所述识别图像中至少部分区域的灰阶值变化规律,判断所述触摸主体表面的纹路为真指纹或假指纹,包括:
判断所述识别图像的所述边缘区域的灰阶值变化规律是否符合第一预设变化规律;所述第一预设变化规律为利用神经网络模型提取出的真指纹识别图像的边缘区域的灰阶值变化规律;
若所述识别图像的所述边缘区域的灰阶值变化规律符合第一预设变化规律,则确定所述触摸主体表面的纹路为真指纹。
3.根据权利要求2所述的指纹识别图像,其特征在于,所述第一预设变化规律包括所述真指纹识别图的边缘区域中各个所述灰阶值形成的变化曲线的斜率大于第一预设斜率小于第二预设斜率,且所述边缘区域的宽度大于第一预设宽度小于第二预设宽度。
4.根据权利要求1所述的指纹识别方法,其特征在于,所述识别图像具有中心区域和围绕所述中心区域的边缘区域;所述根据所述识别图像中至少部分区域的灰阶值变化规律,判断所述触摸主体表面的纹路为真指纹或假指纹,包括:
判断所述识别图像的所述中心区域的灰阶值变化规律是否符合第二预设变化规律;所述第二预设变化规律为利用神经网络模型提取出的真指纹识别图像的中心区域的灰阶值变化规律;
若所述识别图像的所述中心区域的灰阶值变化规律符合第二预设变化规律,则确定所述触摸主体表面的纹路为真指纹。
5.根据权利要求4所述的指纹识别方法,其特征在于,所述触摸主体表面的纹路包括:谷和脊;所述第二预设变化规律包括所述真指纹识别图像的中心区域中由所述脊的顶部到所述谷的底部,各个所述灰阶值形成的变化曲线的斜率大于第三预设斜率小于第四预设斜率,且所述中心区域中所述脊的顶部到所述谷的底部的宽度大于第三预设宽度小于第四预设宽度。
6.根据权利要求4所述的指纹识别方法,其特征在于,所述触摸主体表面的纹路包括:谷和脊;所述第二预设变化规律包括所述真指纹识别图像的中心区域中由所述谷的底部到所述脊的顶部,各个灰阶值形成的变化曲线的斜率大于第五预设斜率小于第六预设斜率,且所述中心区域中所述谷的底部到所述脊的顶部的宽度大于第五预设宽度小于第六预设宽度。
7.一种显示模组,包括:基底、位于基底上的显示面板、位于所述基底与所述显示面板之间的多个图像传感器,其特征在于,所述显示模组还包括:与所述图像传感器连接的图像处理器;所述图像处理器用于,
根据所述触摸主体表面的纹路反射的光信号,生成识别图像;
确定所述识别图像中至少部分区域的灰阶值变化规律;
根据所述识别图像中至少部分区域的灰阶值变化规律,判断所述触摸主体表面的纹路为真指纹或假指纹。
8.根据权利要求7所述的显示模组,其特征在于,所述显示模组还包括:位于所述图像传感器与所述显示面板之间的准直结构;
所述准直结构包括光纤板或阵列排布的多个微透镜。
9.根据权利要求7所述的显示模组,其特征在于,所述触摸主体表面与所述显示面板接触时,所述触摸主体表面在所述基底上的正投影落在所述多个图像传感器在所述基底上的正投影内。
10.一种显示装置,其特征在于,包括如权利要求7-9任一项所述的显示模组。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011305545.5A CN112329700A (zh) | 2020-11-19 | 2020-11-19 | 指纹识别方法、显示模组及显示装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011305545.5A CN112329700A (zh) | 2020-11-19 | 2020-11-19 | 指纹识别方法、显示模组及显示装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112329700A true CN112329700A (zh) | 2021-02-05 |
Family
ID=74321734
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011305545.5A Pending CN112329700A (zh) | 2020-11-19 | 2020-11-19 | 指纹识别方法、显示模组及显示装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112329700A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI827108B (zh) * | 2021-09-27 | 2023-12-21 | 聯詠科技股份有限公司 | 指紋辨識方法及其指紋感測電路 |
-
2020
- 2020-11-19 CN CN202011305545.5A patent/CN112329700A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI827108B (zh) * | 2021-09-27 | 2023-12-21 | 聯詠科技股份有限公司 | 指紋辨識方法及其指紋感測電路 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109643379B (zh) | 指纹识别方法、装置和电子设备 | |
JP6553155B2 (ja) | 光学式イメージ認識センサー内蔵型平板表示装置 | |
US10438046B2 (en) | Multifunction fingerprint sensor having optical sensing against fingerprint spoofing | |
CN107251046B (zh) | 光学指纹传感器及封装 | |
US8326004B2 (en) | Fingerprint recognition device and user authentication method for card including the fingerprint recognition device | |
WO2020124511A1 (zh) | 指纹识别方法、指纹识别装置和电子设备 | |
US6950540B2 (en) | Fingerprint apparatus and method | |
US4896363A (en) | Apparatus and method for matching image characteristics such as fingerprint minutiae | |
US20170161540A1 (en) | Display integrated optical fingerprint sensor with angle limiting reflector | |
CN108604289B (zh) | 用于身份验证的有机体检测系统和方法 | |
US20160140379A1 (en) | Improvements in or relating to user authentication | |
KR101585842B1 (ko) | 세그먼트 블록 기반 수기서명 인증 시스템 및 방법 | |
US20170109564A1 (en) | On-screen optical fingerprint capture for user authentication | |
EP0466161A2 (en) | Image positioning method | |
CN112070018A (zh) | 指纹识别装置和电子设备 | |
CN104145278A (zh) | 正品认证用标签、该标签的认证代码生成方法、该标签的认证方法及系统、用于认证该标签的便携终端及用于该标签的认证的计算机可读性记录介质 | |
US11017204B2 (en) | Systems and methods for spoof detection based on local binary patterns | |
WO2016086341A1 (en) | System and method for acquiring multimodal biometric information | |
US20140284382A1 (en) | Random-type multilayer identification, and system using same | |
CN110235144A (zh) | 用于指纹识别的方法和电子设备 | |
US10380408B2 (en) | Method of detecting fraud | |
CN111274906A (zh) | 指纹防伪方法及装置 | |
CN112329700A (zh) | 指纹识别方法、显示模组及显示装置 | |
US20190012507A1 (en) | Optical fingerprint sensor with scattered light image detection | |
CN108803781B (zh) | 具有光学成像传感器的平板显示器 |
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 |