CN114299555A - 指纹识别方法、指纹模组及电子设备 - Google Patents
指纹识别方法、指纹模组及电子设备 Download PDFInfo
- Publication number
- CN114299555A CN114299555A CN202210101467.XA CN202210101467A CN114299555A CN 114299555 A CN114299555 A CN 114299555A CN 202210101467 A CN202210101467 A CN 202210101467A CN 114299555 A CN114299555 A CN 114299555A
- Authority
- CN
- China
- Prior art keywords
- fingerprint image
- template
- template fingerprint
- fingerprint
- 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
- 238000000034 method Methods 0.000 title claims abstract description 43
- 238000006731 degradation reaction Methods 0.000 claims abstract description 45
- 230000015556 catabolic process Effects 0.000 claims abstract description 37
- 238000012545 processing Methods 0.000 claims abstract description 28
- 238000003062 neural network model Methods 0.000 claims description 22
- 238000012795 verification Methods 0.000 claims description 13
- 238000004590 computer program Methods 0.000 description 14
- 238000012549 training Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 6
- 238000013507 mapping Methods 0.000 description 3
- 230000001413 cellular effect Effects 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 230000007850 degeneration Effects 0.000 description 2
- 239000000428 dust Substances 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 238000004891 communication Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000005303 weighing Methods 0.000 description 1
Images
Landscapes
- Collating Specific Patterns (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
- Image Input (AREA)
Abstract
本申请提供一种指纹识别方法、指纹模组及电子设备,所述方法包括:获取用户的至少一第一模板指纹图像;对第一模板指纹图像进行退化处理,得到至少一第二模板指纹图像;获取待识别的指纹图像,基于至少一第一模板指纹图像和至少一第二模板指纹图像对待识别的指纹图像进行验证。本申请通过对模板指纹图像进行退化处理,在扩充模板指纹图像的同时,模拟质量较差的指纹图像,从而提高指纹匹配成功率。
Description
技术领域
本申请涉及指纹识别技术领域,尤其涉及一种指纹识别方法、指纹模组及电子设备。
背景技术
现如今,指纹验证是智能手机、个人电脑等智能电子设备较为常用的用户身份验证方式,可应用在电子设备的解锁、支付、登录等应用场景。指纹识别的成功率是衡量指纹识别算法优劣的重要指标,而在指纹识别的场景中,指纹模组容易受噪声和外部环境的影响,例如,用户手指经常沾有灰尘、水、污渍等异物,导致采集的指纹图像质量较差,进而降低指纹匹配成功率。较为常用的方法是对采集的指纹图像进行增强,然而,图像增强在降低噪声干扰的影响的同时,也会对图像中指纹的细节造成损坏,进而导致指纹匹配成功率的降低。
发明内容
有鉴于此,有必要提供一种指纹识别方法、指纹模组及电子设备,以解决上述指纹模组容易受噪声和外部环境的影响而导致采集的指纹图像质量较差,进而降低指纹匹配成功率的技术问题。
本申请提供一种指纹识别方法,所述方法包括:
获取用户的至少一第一模板指纹图像;
对所述第一模板指纹图像进行退化处理,得到至少一第二模板指纹图像;
获取待识别的指纹图像,基于所述至少一第一模板指纹图像和所述至少一第二模板指纹图像对所述待识别的指纹图像进行验证。
可选地,所述获取用户的至少一第一模板指纹图像包括:
在录入模板指纹时,采集用户的至少一个手指的指纹,生成所述至少一第一模板指纹图像。
可选地,所述获取用户的至少一个第一模板指纹图像包括:
在指纹验证时,采集用户的至少一个手指的指纹,生成所述至少一个手指的指纹图像;
对所述指纹图像进行识别,判断所述指纹图像是否与所述至少一第一模板指纹图像匹配;
若确定所述指纹图像与所述至少一模板指纹图像匹配,将所述指纹图像作为所述第一模板指纹图像。
可选地,所述对所述第一模板指纹图像进行退化处理包括:
基于模糊退化模型对所述第一模板指纹图像进行退化处理,计算所述第一模板指纹图像中每个像素点周围预设数量的像素点的像素平均值,将所述像素点的像素值替换为所述像素平均值。
可选地,所述对所述第一模板指纹图像进行退化处理包括:
基于随机噪声退化模型对所述第一模板指纹图像进行退化处理,设置噪声的数值范围,将所述数值范围内的噪声随机地叠加至所述第一模板指纹图像。
可选地,对所述第一模板指纹图像进行退化处理包括:
将所述第一模板指纹图像输入训练好的神经网络模型,通过所述训练好的神经网络模型对所述第一模板指纹图像进行退化处理。
可选地,所述对所述第一模板指纹图像进行退化处理包括:
每种图像退化模型对所述第一模板指纹图像进行退化处理,以得到预设数量的第二模板指纹图像。
可选地,所述基于所述至少一第一模板指纹图像和所述至少一第二模板指纹图像对所述待识别的指纹图像进行验证包括:
判断所述待识别的指纹图像是否与所述至少一第一模板指纹图像和所述至少一第二模板指纹图像中的至少一模板指纹图像匹配;
若确定所述待识别的指纹图像与所述至少一个第一模板指纹图像和所述至少一个第二模板指纹图像中的至少一模板指纹图像匹配,确定所述待识别的指纹图像通过验证;或
若确定所述待识别的指纹图像与所述至少一个第一模板指纹图像和所述至少一个第二模板指纹图像中的所有模板指纹图像都不匹配,确定所述待识别的指纹图像验证失败。
本申请还提供一种指纹模组,用于执行上述的指纹识别方法。
本申请还提供一种电子设备,包括:
处理器;以及
存储器,所述存储器中存储有多个程序模块,所述多个程序模块由所述处理器加载并执行上述的指纹识别方法。
本申请的指纹识别方法、指纹模组及电子设备通过对电子设备中的模板指纹图像进行退化处理,在扩充模板指纹图像的同时,模拟质量较差的指纹图像,如此,在指纹识别的过程中,即使由于受到噪声和外部环境的影响导致采集的指纹图像质量较差,也可以匹配成功,从而提高指纹匹配成功率,提升用户体验。
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,还可以根据提供的附图获得其他的附图。
图1是本申请较佳实施方式提供的指纹识别方法的应用环境架构示意图。
图2是本申请较佳实施方式提供的指纹识别方法的流程图。
图3是本申请较佳实施方式提供的第一模板指纹图像和经过模糊退化处理的第二模板指纹图像的示意图。
图4是本申请较佳实施方式提供的第一模板指纹图像和经过随机噪声退化处理的第二模板指纹图像的示意图。
图5是本申请较佳实施方式提供的电子设备的结构示意图。
主要元件符号说明
电子设备 1
处理器 10
存储器 20
计算机程序 30
指纹模组 40
服务器 2
如下具体实施方式将结合上述附图进一步说明本申请。
具体实施方式
为了能够更清楚地理解本申请的上述目的、特征和优点,下面结合附图和具体实施例对本申请进行详细描述。需要说明的是,在不冲突的情况下,本申请的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本申请,所描述的实施例仅仅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做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。
除非另有定义,本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同。本文中在本申请的说明书中所使用的术语只是为了描述具体的实施例的目的,不是旨在于限制本申请。
请参阅图1所示,为本申请较佳实施方式提供的指纹识别方法的应用环境架构示意图。
本申请中的手指真伪识别方法应用在电子设备1中,所述电子设备1可以与至少一个服务器2通过网络建立通信连接。所述网络可以是有线网络,也可以是无线网络,例如无线电、无线保真(Wireless Fidelity,WIFI)、蜂窝、卫星、广播等。蜂窝网络可以是4G网络或5G网络。
所述电子设备1可以为安装有指纹识别程序的电子设备,例如智能手机、个人电脑、服务器等,其中,所述服务器可以是单一的服务器、服务器集群等。所述服务器2可以是单一的服务器、服务器集群等。
请参阅图2所示,为本申请较佳实施方式提供的指纹识别方法的流程图。根据不同的需求,所述流程图中步骤的顺序可以改变,某些步骤可以省略。
S201,获取用户的至少一第一模板指纹图像。
在一实施方式中,获取用户的至少一个第一模板指纹图像包括:在录入模板指纹时,采集用户的至少一个手指的指纹,生成所述至少一第一模板指纹图像。
例如,在用户使用新买的电子设备时,需要在开机后录入模板指纹,或者在用户需要增加可进行指纹验证的手指时,可以使用手指触摸指纹模组,指纹模组采集所述用户的至少一个手指的指纹,并生成所述至少一第一指纹图像。
在一实施方式中,获取用户的至少一个第一模板指纹图像还包括:在指纹验证时,采集用户的至少一个手指的指纹,生成所述至少一个手指的指纹图像,对所述指纹图像进行识别,判断所述指纹图像是否与所述至少一第一模板指纹图像匹配,若确定所述指纹图像与所述至少一模板指纹图像匹配,将所述指纹图像作为所述第一模板指纹图像。
需要说明的是,在指纹验证的过程中,用户的手指受到外部环境的影响,容易沾上灰尘、水、污渍等异物,如果在手指沾有异物的情况下,手指指纹图像仍然能够与模板指纹图像匹配,说明所述手指指纹图像可以作为模板指纹图像,如此,后续指纹模组在采集到同样沾有异物的手指指纹图像时,可以提高指纹图像的匹配成功率。
在另一实施方式中,获取用户的至少一个第一模板指纹图像可以包括:从电子设备的存储器中获取预先录入的模板指纹图像,作为所述第一模板指纹图像。
在另一实施方式中,获取用户的至少一个第一模板指纹图像可以包括:通过网络从云端服务器获取模板指纹图像,作为所述第一模板指纹图像。需要说明的是,用户可以将旧电子设备中录入的模板指纹图像上传至云端服务器,如此,在使用新的电子设备时,可以使用电子设备从云端服务器下载获取所述模板指纹图像,无需用户重复录入模板指纹图像,同时避免模板数据的流失。
S202,对所述第一模板指纹图像进行退化处理,得到至少一第二模板指纹图像。
在一实施方式中,对所述第一模板指纹图像进行退化处理,得到至少一第二模板指纹图像包括:基于模糊退化模型对所述第一模板指纹图像进行均值模糊的退化处理,得到至少一第二模板指纹图像。
具体地,计算所述第一模板指纹图像中每个像素点周围预设数量的像素点的像素平均值,将所述像素点的像素值替换为所述像素平均值,从而得到至少一第二模板指纹图像。其中,所述预设数量为x*x。可选地,x为3。请参阅图3所示,为均值模糊处理前的第一模板指纹图像和均值模糊处理后的第二模板指纹图像。
在一实施方式中,对所述第一模板指纹图像进行退化处理,得到至少一第二模板指纹图像还包括:基于随机噪声退化模型对所述第一模板指纹图像进行退化处理,得到至少一第二模板指纹图像。
具体地,设置噪声的数值范围,将所述数值范围内的噪声随机地叠加至所述第一模板指纹图像,从而得到至少一第二模板指纹图像。在一实施方式中,所述噪声的数值范围可以是像素值范围,通过设置噪声的最大像素值和最小像素值得到所述噪声的数值范围,然将随机的像素值叠加至所述第一模板指纹图像。在另一实施方式中,所述噪声(信噪比)的数值范围也可以是分贝值范围。请参阅图4所示,为随机噪声处理前的第一模板指纹图像和随机噪声处理后的第二模板指纹图像。
在一实施方式中,对所述第一模板指纹图像进行退化处理,得到至少一第二模板指纹图像包括:将所述第一模板指纹图像输入训练好的神经网络模型,通过所述训练好的神经网络模型对所述第一模板指纹图像进行退化处理。
在一实施方式中,通过训练数据集对一神经网络模型进行深度学习训练,使所述神经网络模型学习从高质量到低质量的退化过程以及学习低质量图像的特征分布。其中,所述训练数据集包括多个高质量指纹图像和多个低质量指纹图像。可选地,可以通过网络从服务器获取所述训练数据集。在其他实施方式中,也可以接收用户多次录入的未沾有异物的指纹图像和沾有异物的指纹图像,将未沾有异物的多个指纹图像作为所述训练数据集中的高质量指纹图像,将沾有异物的多个指纹图像作为所述训练数据集中的低质量指纹图像。
在一实施方式中,所述神经网络模型为卷积神经网络模型,所述神经网络模型的参数包括卷积层参数、权重、学习率、迭代次数等,所述卷积层参数包括卷积层数量、卷积核大小、卷积步长及填充层数。所述神经网络模型的卷积神经网络的主干网络可以采用AlexNet、VGG16、GoogleNet、ResNet、DenseNet、MobileNets、Ghosnet等网络模型。
具体地,所述神经网络模型的训练过程包括:设置所述神经网络模型的初始参数,将所述训练数据集中的高质量图像作为所述神经网络模型的输入数据,低质量图像作为所述神经网络模型的输出数据,将多组由一高质量图像和至少一个低质量图像组成的训练数据输入所述神经网络模型,所述神经网络模型提取高质量图像的特征和低质量图像的特征,并建立高质量图像与低质量图像之间的映射关系。通过多组训练数据的迭代,所述神经网络模型对高质量图像与低质量图像之间的映射关系进行更新,直至损失函数的输出值小于输出值,从而生成训练好的神经网络模型。
具体地,通过所述训练好的神经网络模型对所述第一模板指纹图像进行退化处理包括:将所述第一模板指纹图像输入所述训练好的神经网络模型,所述训练好的神经网络模型提取所述第一模板指纹图像(高质量图像)的特征,并根据所述高质量图像与低质量图像之间的映射关系生成低质量图像的特征,即所述第二模板指纹图像的特征,将生成的所述第二模板指纹图像的特征融合,得到所述第二模板指纹图像。
在一实施方式中,对所述第一模板指纹图像进行退化处理,得到至少一第二模板指纹图像还包括:每种图像退化模型对所述第一模板指纹图像进行退化处理,以得到预设数量的第二模板指纹图像。
在一实施方式中,上述的图像退化模型可以对第一模板指纹图像的全部区域或部分区域进行退化处理,以得到所述第二模板指纹图像。
S203,获取待识别的指纹图像,基于所述至少一第一模板指纹图像和所述至少一第二模板指纹图像对所述待识别的指纹图像进行验证。
在一实施方式中,在解锁、支付、登录等需要进行指纹验证的场景下,通过指纹模组采集用户的指纹图像,并对采集的指纹图像进行识别验证。
在一实施方式中,基于所述至少一第一模板指纹图像和所述至少一第二模板指纹图像对所述待识别的指纹图像进行验证包括:判断所述待识别的指纹图像是否与所述至少一第一模板指纹图像和所述至少一第二模板指纹图像中的至少一模板指纹图像匹配。若确定所述待识别的指纹图像与所述至少一个第一模板指纹图像和所述至少一个第二模板指纹图像中的至少一模板指纹图像匹配,确定所述待识别的指纹图像通过验证。若确定所述待识别的指纹图像与所述至少一个第一模板指纹图像和所述至少一个第二模板指纹图像中的所有模板指纹图像都不匹配,确定所述待识别的指纹图像验证失败。
需要说明的是,由于所述第二模板指纹图像基于对所述第一模板指纹图像进行退化生成,所述第二模板指纹图像与所述第一模板指纹图像的区别仅在于图像质量的差异,指纹纹路仍然不变,如此,可以用来作为模板指纹图像,在保障隐私安全的前提下,扩充模板指纹图像,模拟不同噪声或外部环境下的指纹图像,提高了指纹验证过程中的指纹匹配成功率。
请参阅图5所示,为本申请较佳实施方式提供的电子设备的结构示意图。
所述电子设备1包括,但不仅限于,处理器10、存储器20、存储在所述存储器20中并可在所述处理器10上运行的计算机程序30及指纹模组40。例如,所述计算机程序30为指纹识别程序。所述处理器10执行所述计算机程序30时实现指纹识别方法中的步骤,例如图2所示的步骤S201~S203。
示例性的,所述计算机程序30可以被分割成一个或多个模块/单元,所述一个或者多个模块/单元被存储在所述存储器20中,并由所述处理器10执行,以完成本申请。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段,所述指令段用于描述所述计算机程序30在所述电子设备1中的执行过程。
本领域技术人员可以理解,所述示意图仅仅是电子设备1的示例,并不构成对电子设备1的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如所述电子设备1还可以包括输入输出设备、网络接入设备、总线等。
所述处理器10可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者所述处理器10也可以是任何常规的处理器等,所述处理器10是所述电子设备1的控制中心,利用各种接口和线路连接整个电子设备1的各个部分。
所述存储器20可用于存储所述计算机程序30和/或模块/单元,所述处理器10通过运行或执行存储在所述存储器20内的计算机程序和/或模块/单元,以及调用存储在存储器20内的数据,实现所述电子设备1的各种功能。所述存储器20可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等;存储数据区可存储根据电子设备1的使用所创建的数据(比如音频数据、电话本等)等。此外,存储器20可以包括易失性和非易失性存储器,例如硬盘、内存、插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他存储器件。
所述指纹模组40至少包括指纹采集单元和图像生成单元,所述指纹采集单元用于接受手指的触摸,并采集手指指纹,所述图像生成单元用于基于采集的手指指纹纹路生成指纹图像。
在一实施例中,所述指纹模组40为一独立的指纹识别芯片,可以独立执行所述指纹识别方法,即,可以独立实现图2所示的步骤S201~S203。
所述电子设备1集成的模块/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介质中。基于这样的理解,本申请实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中,所述计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)。
本申请提供的指纹识别方法、指纹模组及电子设备通过对电子设备中的模板指纹图像进行退化处理,在扩充模板指纹图像的同时,模拟质量较差的指纹图像,如此,在指纹识别的过程中,即使由于受到噪声和外部环境的影响导致采集的指纹图像质量较差,也可以匹配成功,从而提高指纹匹配成功率,提升用户体验。
对于本领域技术人员而言,显然本申请不限于上述示范性实施例的细节,而且在不背离本申请的精神或基本特征的情况下,能够以其他的具体形式实现本申请。因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本申请的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本申请内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。此外,显然“包括”一词不排除其他单元或步骤,单数不排除复数。装置权利要求中陈述的多个单元或装置也可以由同一个单元或装置通过软件或者硬件来实现。第一,第二等词语用来表示名称,而并不表示任何特定的顺序。
以上实施例仅用以说明本申请的技术方案而非限制,尽管参照较佳实施例对本申请进行了详细说明,本领域的普通技术人员应当理解,可以对本申请的技术方案进行修改或等同替换,而不脱离本申请技术方案的精神和范围。
Claims (10)
1.一种指纹识别方法,其特征在于,所述方法包括:
获取用户的至少一第一模板指纹图像;
对所述第一模板指纹图像进行退化处理,得到至少一第二模板指纹图像;
获取待识别的指纹图像,基于所述至少一第一模板指纹图像和所述至少一第二模板指纹图像对所述待识别的指纹图像进行验证。
2.如权利要求1所述的指纹识别方法,其特征在于,所述获取用户的至少一第一模板指纹图像包括:
在录入模板指纹时,采集用户的至少一个手指的指纹,生成所述至少一第一模板指纹图像。
3.如权利要求2所述的指纹识别方法,其特征在于,所述获取用户的至少一个第一模板指纹图像包括:
在指纹验证时,采集用户的至少一个手指的指纹,生成所述至少一个手指的指纹图像;
对所述指纹图像进行识别,判断所述指纹图像是否与所述至少一第一模板指纹图像匹配;
若确定所述指纹图像与所述至少一模板指纹图像匹配,将所述指纹图像作为所述第一模板指纹图像。
4.如权利要求1所述的指纹识别方法,其特征在于,所述对所述第一模板指纹图像进行退化处理包括:
基于模糊退化模型对所述第一模板指纹图像进行退化处理,计算所述第一模板指纹图像中每个像素点周围预设数量的像素点的像素平均值,将所述像素点的像素值替换为所述像素平均值。
5.如权利要求1所述的指纹识别方法,其特征在于,所述对所述第一模板指纹图像进行退化处理包括:
基于随机噪声退化模型对所述第一模板指纹图像进行退化处理,设置噪声的数值范围,将所述数值范围内的噪声随机地叠加至所述第一模板指纹图像。
6.如权利要求1所述的指纹识别方法,其特征在于,对所述第一模板指纹图像进行退化处理包括:
将所述第一模板指纹图像输入训练好的神经网络模型,通过所述训练好的神经网络模型对所述第一模板指纹图像进行退化处理。
7.如权利要求4-6中任一项所述的指纹识别方法,其特征在于,所述对所述第一模板指纹图像进行退化处理包括:
每种图像退化模型对所述第一模板指纹图像进行退化处理,以得到预设数量的第二模板指纹图像。
8.如权利要求1所述的指纹识别方法,其特征在于,所述基于所述至少一第一模板指纹图像和所述至少一第二模板指纹图像对所述待识别的指纹图像进行验证包括:
判断所述待识别的指纹图像是否与所述至少一第一模板指纹图像和所述至少一第二模板指纹图像中的至少一模板指纹图像匹配;
若确定所述待识别的指纹图像与所述至少一个第一模板指纹图像和所述至少一个第二模板指纹图像中的至少一模板指纹图像匹配,确定所述待识别的指纹图像通过验证;或
若确定所述待识别的指纹图像与所述至少一个第一模板指纹图像和所述至少一个第二模板指纹图像中的所有模板指纹图像都不匹配,确定所述待识别的指纹图像验证失败。
9.一种指纹模组,其特征在于,用于执行如权利要求1至8中任一项所述的指纹识别方法。
10.一种电子设备,其特征在于,所述电子设备包括:
处理器;以及
存储器,所述存储器中存储有多个程序模块,所述多个程序模块由所述处理器加载并执行如权利要求1至8中任一项所述的指纹识别方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210101467.XA CN114299555A (zh) | 2022-01-27 | 2022-01-27 | 指纹识别方法、指纹模组及电子设备 |
TW111112899A TWI818496B (zh) | 2022-01-27 | 2022-04-01 | 指紋識別方法、指紋模組及電子設備 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210101467.XA CN114299555A (zh) | 2022-01-27 | 2022-01-27 | 指纹识别方法、指纹模组及电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114299555A true CN114299555A (zh) | 2022-04-08 |
Family
ID=80978150
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210101467.XA Pending CN114299555A (zh) | 2022-01-27 | 2022-01-27 | 指纹识别方法、指纹模组及电子设备 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN114299555A (zh) |
TW (1) | TWI818496B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117711032A (zh) * | 2023-08-18 | 2024-03-15 | 荣耀终端有限公司 | 指纹识别方法及电子设备 |
CN117711031A (zh) * | 2023-08-03 | 2024-03-15 | 荣耀终端有限公司 | 一种指纹匹配方法及电子设备 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102561723B1 (ko) * | 2016-12-08 | 2023-07-31 | 베라디움 아이피 리미티드 | 모바일 디바이스를 사용하여 캡처된 화상을 사용하여 지문 기반 사용자 인증을 수행하기 위한 시스템 및 방법 |
CN108960214A (zh) * | 2018-08-17 | 2018-12-07 | 中控智慧科技股份有限公司 | 指纹图像增强二值化方法、装置、设备、系统及存储介质 |
CN113496183B (zh) * | 2020-04-08 | 2023-02-03 | 上海耕岩智能科技有限公司 | 指纹匹配方法、装置、电子设备及可读存储介质 |
KR20210157951A (ko) * | 2020-06-22 | 2021-12-30 | 삼성디스플레이 주식회사 | 지문 인증 장치, 이를 포함하는 표시 장치, 및 지문 인증 방법 |
-
2022
- 2022-01-27 CN CN202210101467.XA patent/CN114299555A/zh active Pending
- 2022-04-01 TW TW111112899A patent/TWI818496B/zh active
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117711031A (zh) * | 2023-08-03 | 2024-03-15 | 荣耀终端有限公司 | 一种指纹匹配方法及电子设备 |
CN117711032A (zh) * | 2023-08-18 | 2024-03-15 | 荣耀终端有限公司 | 指纹识别方法及电子设备 |
Also Published As
Publication number | Publication date |
---|---|
TW202244758A (zh) | 2022-11-16 |
TWI818496B (zh) | 2023-10-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11250323B2 (en) | System and method for training neural networks | |
CN114299555A (zh) | 指纹识别方法、指纹模组及电子设备 | |
CN111476268A (zh) | 翻拍识别模型训练、图像识别方法、装置、设备及介质 | |
CN110909663A (zh) | 一种人体关键点识别方法、装置及电子设备 | |
CN113505682B (zh) | 活体检测方法及装置 | |
CN110765843A (zh) | 人脸验证方法、装置、计算机设备及存储介质 | |
CN110401488B (zh) | 一种解调方法及装置 | |
CN117457017B (zh) | 语音数据的清洗方法及电子设备 | |
CN113221601A (zh) | 字符识别方法、装置及计算机可读存储介质 | |
CN110766074A (zh) | 生物识别方法中异常纹路识别合格性的测试方法及装置 | |
CN112115452A (zh) | 用于生成验证码图像的方法和装置 | |
CN107077617B (zh) | 指纹提取方法及装置 | |
CN116959003A (zh) | 一种文字识别方法、装置、电子设备及存储介质 | |
CN113613070B (zh) | 一种人脸视频处理方法、装置、电子设备及存储介质 | |
CN113744158B (zh) | 图像生成方法、装置、电子设备和存储介质 | |
CN112037814B (zh) | 一种音频指纹的提取方法、装置、电子设备及存储介质 | |
TWI775038B (zh) | 字元識別方法、裝置及電腦可讀取存儲介質 | |
CN109815796B (zh) | 人脸识别通过率的影响因素的测试方法及装置 | |
CN114004974A (zh) | 对弱光环境下拍摄的图像的优化方法及装置 | |
CN115841437A (zh) | 一种图像增强的方法、装置及设备 | |
CN113222826A (zh) | 文档阴影去除方法及装置 | |
CN111402166A (zh) | 图像去噪方法及装置、服务终端及计算机可读存储介质 | |
CN111639718A (zh) | 分类器应用方法及装置 | |
CN112752098B (zh) | 视频编辑效果的验证方法、装置 | |
CN117473469B (zh) | 一种模型水印嵌入方法、装置、电子设备及存储介质 |
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 |