CN114359979A - 屏下指纹感测装置以及指纹感测方法 - Google Patents
屏下指纹感测装置以及指纹感测方法 Download PDFInfo
- Publication number
- CN114359979A CN114359979A CN202210028856.4A CN202210028856A CN114359979A CN 114359979 A CN114359979 A CN 114359979A CN 202210028856 A CN202210028856 A CN 202210028856A CN 114359979 A CN114359979 A CN 114359979A
- Authority
- CN
- China
- Prior art keywords
- color
- value
- numerical value
- color correction
- processor
- 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
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/56—Extraction of image or video features relating to colour
-
- 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
- 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
- G06V40/1388—Detecting the live character of the finger, i.e. distinguishing from a fake or cadaver finger using image processing
-
- 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
- G06V40/40—Spoof detection, e.g. liveness detection
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Human Computer Interaction (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Input (AREA)
- Collating Specific Patterns (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明提供一种屏下指纹感测装置以及指纹感测方法。屏下指纹感测装置包括指纹感测器以及处理器。处理器对第一颜色原始数值、第二颜色原始数值以及第三颜色原始数值进行第一平坦化校正,以判断当前感测环境是否为强光环境。当处理器判断当前感测环境为强光环境时,处理器对第一颜色原始数值、第二颜色原始数值以及第三颜色原始数值进行第二平坦化校正,以判断目标物件是否为真实手指。本发明的屏下指纹感测装置以及指纹感测方法可有效地判断进行指纹感测的目标物件是否为真实手指。
Description
技术领域
本发明涉及一种生物特征感测技术,且特别是有关于一种屏下指纹感测装置以及指纹感测方法。
背景技术
目前指纹感测技术已被应用在各种电子设备中,以提供安全性的身分辨别功能。然而,当他人使用假手指进行指纹感测时,目前的指纹感测往往无法有效地判断真假手指。并且,在指纹感测过程中,当感测环境改变时,目前指纹感测技术也容易受到感测环境改变的影响而导致无法正确地判断真假手指。
发明内容
有鉴于此,本发明提供一种屏下指纹感测装置以及指纹感测方法,可有效地判断进行指纹感测的目标物件是否为真实手指。
根据本发明的实施例,本发明的屏下指纹感测装置适用于具有显示装置的电子设备。屏下指纹感测装置包括指纹感测器以及处理器。指纹感测器设置于显示装置下方。指纹感测器具有像素阵列。像素阵列具有第一颜色像素、第二颜色像素以及第三颜色像素。当指纹感测器感测目标物件时,第一颜色像素、第二颜色像素以及第三颜色像素分别输出第一颜色原始数值、第二颜色原始数值以及第三颜色原始数值。处理器耦接指纹感测器。处理器对第一颜色原始数值、第二颜色原始数值以及第三颜色原始数值进行第一平坦化校正,以产生第一颜色校正数值、第二颜色校正数值以及第三颜色校正数值。处理器根据第一颜色校正数值、第二颜色校正数值以及第三颜色校正数值判断当前感测环境是否为强光环境。当处理器判断当前感测环境为强光环境时,处理器对第一颜色原始数值、第二颜色原始数值以及第三颜色原始数值进行第二平坦化校正,以产生第四颜色校正数值、第五颜色校正数值以及第六颜色校正数值。处理器根据第四颜色校正数值、第五颜色校正数值以及第六颜色校正数值判断目标物件是否为真实手指。
根据本发明的实施例,本发明的指纹感测方法包括以下步骤:当指纹感测器感测目标物件时,通过指纹感测器的像素阵列的第一颜色像素、第二颜色像素以及第三颜色像素分别输出第一颜色原始数值、第二颜色原始数值以及第三颜色原始数值;对第一颜色原始数值、第二颜色原始数值以及第三颜色原始数值进行第一平坦化校正,以产生第一颜色校正数值、第二颜色校正数值以及第三颜色校正数值;根据第一颜色校正数值、第二颜色校正数值以及第三颜色校正数值判断当前感测环境是否为强光环境;当前感测环境为强光环境时,对第一颜色原始数值、第二颜色原始数值以及第三颜色原始数值进行第二平坦化校正,以产生第四颜色校正数值、第五颜色校正数值以及第六颜色校正数值;以及根据第四颜色校正数值、第五颜色校正数值以及第六颜色校正数值判断目标物件是否为真实手指。
基于上述,本发明的屏下指纹感测装置以及指纹感测方法可对于指纹感测器所取得的不同颜色的颜色原始数值进行平坦化校正,以根据校正后的数值来有效地判断目标物件是否为真实手指。
为让本发明的上述特征和优点能更明显易懂,下文特举实施例,并配合所附图式作详细说明如下。
附图说明
图1是本发明的一实施例的屏下指纹感测装置的电路示意图;
图2是本发明的一实施例的像素阵列的示意图;
图3是本发明的第一实施例的指纹感测方法的流程图;
图4是本发明的第一实施例的判断感测环境的流程图;
图5是本发明的另一实施例的屏下指纹感测装置的电路示意图;
图6是本发明的第二实施例的指纹感测方法的流程图;
图7是本发明的第三实施例的指纹感测方法的流程图;
图8是本发明的第四实施例的指纹感测方法的流程图。
附图标记说明
100、500:屏下指纹感测装置;
110、510:处理器;
120、520:指纹感测器;
130、530:存储装置;
200:像素阵列;
210_1~210_M:像素;
211_1~211_N:像素组;
211R_1~211R_N:第一颜色像素;
211G_1~211G_N:第二颜色像素;
211B_1~211B_N:第三颜色像素;
531:判断模块;
532:第一数据库;
533:第二数据库;
S310~S350、S410~S440、S610~630、S710~S780、S810~S870:步骤。
具体实施方式
现将详细地参考本发明的示范性实施例,示范性实施例的实例说明于附图中。只要有可能,相同元件符号在图式和描述中用来表示相同或相似部分。
图1是本发明的一实施例的屏下指纹感测装置的电路示意图。图2是本发明的一实施例的像素阵列的示意图。参考图1以及图2,屏下指纹感测装置100包括处理器110、指纹感测器120以及存储装置130。处理器110耦接指纹感测器120以及存储装置130。在本实施例中,屏下指纹感测装置100适用于具有显示装置的电子设备(或称终端设备)。指纹感测器120可为光学式指纹感测器。指纹感测器120可设置于显示装置下方,并且可用于感测位于显示装置上方法的目标物件。在屏下指纹感测装置100进行指纹感测时,电子设备的显示装置或设置在屏下的其他光源元件可提供照明光至目标物件,以使指纹感测器120可接收目标物件的表面(即手指表面)所反射的感测光,以产生指纹影像。
在本实施例中,屏下指纹感测装置100可为指纹感测模块,并且指纹感测模块为整合在具有显示装置的电子设备中,其中电子设备例如是智慧型手机,但本发明并不限于此。处理器110以及存储装置130可为设置在指纹感测模块中的处理晶片(chip)与记忆体(memory),并且可提供指纹影像以及目标物件是否为真实手指的判断结果至电子设备的中央处理器,以使电子设备的中央处理器根据纹影像以及目标物件是否为真实手指的判断结果进行其他后续功能或操作。或者,在一实施例中,处理器110可为设置在指纹感测模块中的处理晶片,并且存储装置130可设置在电子设备中。又或者,在另一实施例中,屏下指纹感测装置100可指的是具有指纹感测功能的电子设备本身,并且处理器110以及存储装置130可为电子设备的中央处理器(或图形处理器)与记忆体。
在本实施例中,如图2所示,指纹感测器120可包括像素阵列200。像素阵列200包括多个像素210_1~210_M,其中M为正整数。值得注意的是,像素阵列200的至少一部份可划分为多个像素组211_1~211_N,其中N为正整数。在本实施例中,多个像素组211_1~211_N的可分别包括第一颜色像素211R_1~211R_N、第二颜色像素211G_1~211G_N以及第三颜色像素211B_1~211B_N。在一实施例中,第一颜色像素211R_1~211R_N、第二颜色像素211G_1~211G_N以及第三颜色像素211B_1~211B_N分别包括红色滤光器(color filter)、绿色滤光器以及蓝色滤光器形成在各像素的入光面上。对此,第一颜色像素211R_1~211R_N、第二颜色像素211G_1~211G_N以及第三颜色像素211B_1~211B_N可分别为红色感测像素(R)、绿色感测像素(G)以及蓝色感测像素(B)。
在本实施例中,在屏下指纹感测装置100进行指纹感测时,例如第一颜色像素211R_1、第二颜色像素211G_1以及第三颜色像素211B_1可分别输出感测结果(模拟数据)至模拟至数字转换器(Analog to Digital Converter,ADC),以使模拟至数字转换器可输出对应的多个模拟至数字转换器数值(ADC code)(数字数据)至处理器110,以作为第一颜色原始数值(raw data)、第二颜色原始数值以及第三颜色原始数值。前述的模拟至数字转换器可设置在处理器110或指纹感测器120中。在本实施例中,存储装置130可例如存储第一平坦化算法及/或第二平坦化算法。处理器110可执行第一平坦化算法及/或第二平坦化算法,以对前述取得的第一颜色原始数值、第二颜色原始数值以及第三颜色原始数值进行第一平坦化校正(Flat-filed correction,FFC)及/或第二平坦化校正。
在本实施例中,所述第一平坦化校正是指,处理器110可根据预先存储的第一低参考数值(对应于红色的低参考数值Rb)、第二低参考数值(对应于绿色的低参考数值Gb)、第三低参考数值(对应于蓝色的低参考数值Bb)、第一高参考数值(对应于红色的高参考数值Rs)、第二高参考数值(对应于绿色的高参考数值Gs)以及第三高参考数值(对应于蓝色的高参考数值Bs)来对前述取得的第一颜色原始数值(R1)、第二颜色原始数值(G1)以及第三颜色原始数值(B1)进行第一平坦化校正。在本实施例中,第一低参考数值(Rb)、第二低参考数值(Gb)以及第三低参考数值(Bb)为指纹感测器120(例如在出厂前)一次感测标准黑色物件(例如:黑色橡胶块)后所产生的分别对应于第一颜色、第二颜色以及第三颜色的三个模拟至数字转换器数值,或多次感测标准黑色物件(例如:黑色橡胶块)后所产生的分别对应于第一颜色、第二颜色以及第三颜色的三个平均模拟至数字转换器数值。第一高参考数值(Rs)、第二高参考数值(Gs)以及第三高参考数值(Bs)可为指纹感测器120(例如在出厂后所执行的指纹感测结果)一次感测标准皮肤色物件(例如:肤色橡胶块)后所产生的分别对应于第一颜色、第二颜色以及第三颜色的三个模拟至数字转换器数值,或多次感测标准皮肤色物件(例如:肤色橡胶块)后所产生的分别对应于第一颜色、第二颜色以及第三颜色的三个平均模拟至数字转换器数值。
在本实施例中,处理器110可执行如以下式(1)~式(3),以进行第一平坦化校正,以使处理器110可取得第一颜色校正数值(FFC1_R1)、第二颜色校正数值(FFC1_G1)以及第三颜色校正数值(FFC1_B1)。在本实施例中,处理器110将第一颜色原始数值(R1)与第一低参考数值(Rb)相减,以取得第一运算数值,并且处理器110将第一高参考数值(Rs)与第一低参考数值(Rb)相减,以取得第二运算数值,其中处理器110将第一运算数值除以第二运算数值,以取得第一颜色校正数值(FFC1_R1)。处理器110将第二颜色原始数值(G1)与第二低参考数值(Rb)相减,以取得第三运算数值,并且处理器110将第二高参考数值(Gs)与第二低参考数值(Gb)相减,以取得第四运算数值,其中处理器110将第三运算数值除以第四运算数值,以取得第二颜色校正数值(FFC1_G1)。处理器110将第三颜色原始数值(B1)与第三低参考数值(Gb)相减,以取得第五运算数值,并且处理器110将第三高参考数值(Bs)与第三低参考数值(Bb)相减,以取得第六运算数值,其中处理器110将第五运算数值除以第六运算数值,以取得第三颜色校正数值(FFC1_B1)。
在本实施例中,所述第二平坦化校正是指,处理器110可根据预先存储的第一低参考数值(对应于红色的低参考数值Rb)、第二低参考数值(对应于绿色的低参考数值Gb)、第三低参考数值(对应于蓝色的低参考数值Bb)、另一第一高参考数值(对应于红色的高参考数值Rw)、另一第二高参考数值(对应于绿色的高参考数值Gw)以及另一第三高参考数值(对应于蓝色的高参考数值Bw)来对前述取得的第一颜色原始数值(R1)、第二颜色原始数值(G1)以及第三颜色原始数值(B1)进行第二平坦化校正。在本实施例中,第一低参考数值(Rb)、第二低参考数值(Gb)以及第三低参考数值(Bb)为指纹感测器120(例如在出厂前)感测标准黑色物件后所产生的分别对应于第一颜色、第二颜色以及第三颜色的三个模拟至数字转换器数值。第一高参考数值(Rw)、第二高参考数值(Gw)以及第三高参考数值(Bw)可为指纹感测器120(例如在出厂前)感测一次标准白色物件或多次标准白色物件平均后所产生的分别对应于第一颜色、第二颜色以及第三颜色的三个模拟至数字转换器数值。
在本实施例中,处理器110可执行如以下式(4)~式(6),以进行第二平坦化校正,以使处理器110可取得另一第一颜色校正数值(FFC2_R1)、另一第二颜色校正数值(FFC2_G1)以及另一第三颜色校正数值(FFC2_B1)。以下式(4)~式(6)的详细运算说明可参照上述式(1)~式(3)的说明而类推,因此在此不多加赘述。
另外,值得注意的是,以下各实施例的防伪判断可针对像素阵列200中的多个像素组211_1~211_N的各别的第一颜色像素、第二颜色像素以及第三颜色像素的感测结果分别进行如以下各实施例所述的数值分析与运算。并且,处理器110可对像素组211_1~211_N的多个判断结果进行计数,并且根据计数结果来决定最后真假手指的判断结果。例如,像素组211_1~211_N中有P组的判断结果为真手指,并且若P大于预设阈值,则处理器110确认目标物件为真实手指。反之,若P小于或等于预设阈值,则处理器110确认目标物件为假手指。以下各实施例所述的数值分析与运算是先以单一组像素组的第一颜色像素、第二颜色像素以及第三颜色像素的感测结果进行说明,并且可类推至多个像素组211_1~211_N的数值分析与运算结果。
图3是本发明的第一实施例的指纹感测方法的流程图。参考图1至图3,屏下指纹感测装置100可执行如以下步骤S310~S350,以实现防伪功能。在本实施例中,屏下指纹感测装置100执行步骤S310~S350。在步骤S310,屏下指纹感测装置100可通过指纹感测器120感测目标物件,以使指纹感测器120的像素阵列200的第一颜色像素211R_1、第二颜色像素211G_1以及第三颜色像素211B_1分别输出第一颜色原始数值(R1)、第二颜色原始数值(G1)以及第三颜色原始数值(B1)。在步骤S320,处理器110可对第一颜色原始数值(R1)、第二颜色原始数值(G1)以及第三颜色原始数值(B1)分别进行平坦化校正,以产生第一颜色校正数值、第二颜色校正数值以及第三颜色校正数值。值得注意的是,在本实施例中,处理器110可对第一颜色原始数值(R1)、第二颜色原始数值(G1)以及第三颜色原始数值(B1)分别进行前述的第一平坦化校正或第二平坦化校正。或者,处理器110可对第一颜色原始数值(R1)、第二颜色原始数值(G1)以及第三颜色原始数值(B1)分别同时进行前述的第一平坦化校正以及第二平坦化校正,以针对两种数值平坦化校正的结果进行以下预设条件的判断。在步骤S330,处理器110可判断第一颜色校正数值、第二颜色校正数值以及第三颜色校正数值是否满足预设条件。若否,在步骤S350,处理器110判断目标物件为假手指,以停止使用当前指纹影像进行后续的指纹分析。若是,在步骤S340,处理器110判断目标物件为真实手指。因此,本实施例的屏下指纹感测装置100以及指纹感测方法可实现能判断目标物件是否为真实手指的功能。
在本实施例中,所述预设条件可例如是指以下说明的第一数值分析方式。第一数值分析方式可指的是理器110判断第一颜色校正数值除以第二颜色校正数值、第二颜色校正数值除以第三颜色校正数值以及第一颜色校正数值除以第三颜色校正数值是否分别大于第一阈值且小于第二阈值。
以处理器110对第一颜色原始数值(R1)、第二颜色原始数值(G1)以及第三颜色原始数值(B1)分别进行前述的第一平坦化校正为例。处理器110可对第一平坦化校正后的第一颜色校正数值(FFC1_R1)、第二颜色校正数值(FFC1_G1)以及第三颜色校正数值(FFC1_B1),进行如以下式(7)~式(9)的判断,以判断目标物件为假手指或真实手指。对此,若式(7)~式(9)皆满足,则判断目标物件为真实手指。若式(7)~式(9)的至少其中之一未满足,则判断目标物件为假手指。参数TH1为第一阈值。参数TH2为第二阈值。在一实施例中,参数TH1可为0.8,并且参数TH2可为1.2。
以处理器110对第一颜色原始数值(R1)、第二颜色原始数值(G1)以及第三颜色原始数值(B1)分别进行前述的第二平坦化校正为例。处理器110可对第二平坦化校正后的第一颜色校正数值(FFC2_R1)、第二颜色校正数值(FFC2_G1)以及第三颜色校正数值(FFC2_B1),进行如以下式(10)~式(12)的判断,以判断目标物件为假手指或真实手指。对此,若式(10)~式(12)皆满足,则判断目标物件为真实手指。若式(10)~式(12)的至少其中之一未满足,则判断目标物件为假手指。
在一实施例中,所述预设条件可例如是指以下说明的第二数值分析方式。第二数值分析方式可指的是屏下指纹感测装置100可通过指纹感测器120连续感测目标物件两次,以使指纹感测器120的像素阵列的第一颜色像素211R_1、第二颜色像素211G_1以及第三颜色像素211B_1分别输出对应于第一次感测操作(取得第一张影像)的第一颜色原始数值(R1)、第二颜色原始数值(G1)以及第三颜色原始数值(B1),以及对应于第二次感测操作(取得第二张影像)的另一第一颜色原始数值(R1’)、另一第二颜色原始数值(G1’)以及另一第三颜色原始数值(B1’)。处理器110可对第一颜色原始数值(R1)、第二颜色原始数值(G1)、第三颜色原始数值(B1)、另一第一颜色原始数值、另一第二颜色原始数值以及另一第三颜色原始数值分别进行相同的平坦化校正(例如进行第一平坦化校正及/或第二平坦化校正),以产生第一颜色校正数值、第二颜色校正数值、第三颜色校正数值、另一第一颜色校正数值、另一第二颜色校正数值以及另一第三颜色校正数值。接着,处理器110可判断第一颜色校正数值与另一第一颜色校正数值的第一差值、第二颜色校正数值与另一第二颜色校正数值的第二差值以及第三颜色校正数值与另一第三颜色校正数值的第三差值是否分别大于0。若否,在步骤S350,处理器110判断目标物件为假手指,以停止使用当前两张指纹影像进行后续的指纹分析。若是,在步骤S340,处理器110判断目标物件为真实手指,并且处理器110或电子设备的中央处理器可对当前两张指纹影像的至少其中之一进行后续的指纹分析。因此,本实施例的屏下指纹感测装置100以及指纹感测方法可实现能判断目标物件是否为真实手指的功能。
以处理器110对第一张指纹影像的第一颜色原始数值(R1)、第二颜色原始数值(G1)以及第三颜色原始数值(B1)分别进行前述的第一平坦化校正,并且对第二张指纹影像的第一颜色原始数值(R1’)、第二颜色原始数值(G1’)以及第三颜色原始数值(B1’)分别进行前述的第一平坦化校正为例。处理器110可对第一张指纹影像的第一平坦化校正后的第一颜色校正数值(FFC1_R1)、第二颜色校正数值(FFC1_G1)、第三颜色校正数值(FFC1_B1)以及第二张指纹影像的第一平坦化校正后的第一颜色校正数值(FFC1_R1’)、第二颜色校正数值(FFC1_G1’)、第三颜色校正数值(FFC1_B1’)进行如以下式(13)~式(15)的判断,以判断目标物件为假手指或真实手指。对此,若式(13)~式(15)皆满足,则判断目标物件为真实手指。若式(13)~式(15)的至少其中之一未满足,则判断目标物件为假手指。
FFC1_R1-FFC1_R1′>0…………式(13)
FFC1_G1-FFC1_G1′>0…………式(14)
FFC1_B1-FFC1_B1′>0…………式(15)
以处理器110对第一张指纹影像的第一颜色原始数值(R1)、第二颜色原始数值(G1)以及第三颜色原始数值(B1)分别进行前述的第二平坦化校正,并且对第二张指纹影像的第一颜色原始数值(R1’)、第二颜色原始数值(G1’)以及第三颜色原始数值(B1’)分别进行前述的第二平坦化校正为例。处理器110可对第一张指纹影像的第二平坦化校正后的第一颜色校正数值(FFC2_R1)、第二颜色校正数值(FFC2_G1)、第三颜色校正数值(FFC2_B1)以及第二张指纹影像的第二平坦化校正后的第一颜色校正数值(FFC2_R1’)、第二颜色校正数值(FFC2_G1’)、第三颜色校正数值(FFC2_B1’)进行如以下式(16)~式(18)的判断,以判断目标物件为假手指或真实手指。对此,若式(16)~式(18)皆满足,则判断目标物件为真实手指。若式(16)~式(18)的至少其中之一未满足,则判断目标物件为假手指。
FFC2_R1-FFC2_R1′>0…………式(16)
FFC2_G1-FFC2_G1′>0…………式(17)
FFC2_B1-FFC2_B1′>0…………式(18)
值得注意的是,在另一些实施例中,处理器110也可先执行如上述第一数值分析方式的判断,并且若判断为“否”,则在执行如上述第二数值分析方式的判断。或者,处理器110也可先执行如上述第二数值分析方式的判断,并且若判断为“否”,则在执行如上述第一数值分析方式的判断。
此外,在本发明的另一些实施例中,处理器110还可针对像素阵列200中的像素组211_1~211_N的各别的第一颜色像素、第二颜色像素以及第三颜色像素的感测结果分别进行如上述的数值分析与运算,并且将像素组211_1~211_N的多个判断结果进行统计。对此,当像素组211_1~211_N的多个判断结果为判断为真实手指的数量大于第一预设判断阈值,则输出最终判断结果为目标物件为真实手指。反之,则输出最终判断结果为目标物件为假手指。
图4是本发明的第一实施例的判断感测环境的流程图。参考图1以及图4,在本发明的另一些实施例中,屏下指纹感测装置100可在上述的步骤S330(即可依序执行步骤S310~S330、S410~440)判断为“否”(基于第一平坦化校正的数值结果)之后,以进一步判断确认当前感测环境的结果是否为例外情况,以使处理器110或电子设备的中央处理器还是对当前指纹影像进行后续的指纹分析。在步骤S410中,处理器110可判断当前感测环境是否为强光环境。对此,处理器110可先对第一颜色原始数值、第二颜色原始数值以及第三颜色原始数值进行第一平坦化校正,以取得第一颜色校正数值(FFC1_R1)、第二颜色校正数值(FFC1_G1)、第三颜色校正数值(FFC1_B1),并且处理器110执行如以下式(19)~式(21),以判断当前感测环境是否为强光环境。处理器110可将第一颜色校正数值(FFC1_R1)除以第二颜色校正数值(FFC1_G1),以取得第七运算数值,并且判断第七运算数值是否大于或等于1.2。处理器110可将第三颜色校正数值(FFC1_B1)除以第二颜色校正数值(FFC1_G1),以取得第八运算数值,并且判断第八运算数值是否大于或等于1。处理器110可将第一颜色校正数值(FFC1_R1)除以第三颜色校正数值(FFC1_B1),以取得第九运算数值,并且判断第九运算数值是否大于或等于1。对此,若式(19)~式(21)皆满足,则执行步骤S420。若式(19)~式(21)的至少其中之一未满足,则执行步骤S430。
在步骤S430中,处理器110可判断照明目标物件的照明光是否为暖色光。值得注意的是,所述暖色光可能是显示设备或其他光源元件所提供的照明光相比于指纹感测前较为亮或显示较红的萤幕图片所导致,但本发明并不限于此。对此,处理器110可先对第一颜色原始数值、第二颜色原始数值以及第三颜色原始数值进行第一平坦化校正,以取得第一颜色校正数值(FFC1_R1)、第二颜色校正数值(FFC1_G1)以及第三颜色校正数值(FFC1_B1),并且处理器110执行如以下式(22),以判断照明目标物件的照明光是否为暖色光。在本实施例中,处理器110可比对第一颜色校正数值(FFC1_R1)是否大于第二颜色校正数值(FFC1_G1),并且第二颜色校正数值(FFC1_G1)是否大于第三颜色校正数值(FFC1_B1)。对此,若式(22)成立,则执行步骤S420。若式(22)未成立,则执行步骤S440。
FFC1_R1>FFC1_G1>FFC1_B1…………式(22)
在步骤S420,处理器110判断当前感测环境的结果为例外情况(即当前感测环境为强光环境或当前照明光为暖色光的情况)。处理器110可对第一颜色原始数值、第二颜色原始数值以及第三颜色原始数值进行第二平坦化校正,并且再次判断目标物件为真实手指或为假手指。在本实施例中,处理器110可先对第一颜色原始数值、第二颜色原始数值以及第三颜色原始数值进行第二平坦化校正,以取得第一颜色校正数值(FFC2_R1)、第二颜色校正数值(FFC2_G1)以及第三颜色校正数值(FFC2_B1),并且处理器110基于第二平坦化校正的数值结果执行如上述预设条件的判断,以再次判断目标物件为真实手指或为假手指。在一实施例中,处理器110还可提供相关判断资讯至电子设备的中央处理器,以使电子设备的中央处理器可据此执行其他相关功能或处理,而本发明并不加以限制。在步骤S440,处理器110判断当前感测环境的结果并非例外情况,以判断目标物件为假手指。
值得注意的是,在一实施例中,处理器110还可针对像素阵列200中的像素组211_1~211_N的各别的第一颜色像素、第二颜色像素以及第三颜色像素的感测结果分别进行如上述的当前感测环境判断的运算与分析,并且将像素组211_1~211_N的多个判断结果进行统计。对此,当像素组211_1~211_N的多个判断结果为判断为强光环境的数量大于第二预设判断阈值,则输出最终判断结果为当前环境为强光环境。当像素组211_1~211_N的多个判断结果为判断为暖色光的数量大于第三预设判断阈值,则输出最终判断结果为当前照明光为暖色光。反之,则判断目标物件为假手指。
图5是本发明的另一实施例的屏下指纹感测装置的电路示意图。参考图5,屏下指纹感测装置500包括处理器510、指纹感测器520以及存储装置530。处理器510耦接指纹感测器520以及存储装置530。在本实施例中,屏下指纹感测装置500适用于具有显示装置的电子设备(或称终端设备)。值得注意的是,本实施例的屏下指纹感测装置500的相关硬体特征与实施方式可参照上述图1至图4实施例的说明,其中本实施例的屏下指纹感测装置500可包含上述图1实施例的屏下指纹感测装置100的全部技术特征。然而,本实施例的屏下指纹感测装置500的存储装置530还可进一步存储有判断模块531、第一数据库532以及第二数据库533。在本实施例中,判断模块531为机器学习(Machine Learning,ML)模块,并且可例如包括K-近邻算法(k-nearest neighbors(KNN)algorithm)及/或基于规则的系统算法(rule-based algorithm)。
在本实施例中,第一数据库532可包括多个假手(指)分类,并且第二数据库533可包括多个真手(指)分类。所述多个假手分类以及所述多个真手分类可各别对应于不同组合的第一颜色参考数值、第二颜色参考数值以及第三颜色参考数值。
在本实施例中,这些假手分类可例如包括以下表1中对应于不同物体底色、不同色温、假指纹颜色或不同假手材质的至少其中之一。
表1
在本实施例中,这些真手分类可例如包括以下表2中对应于不同手指按压力量、不同手指覆盖程度、不同手指感测环境或不同手指状态的至少其中之一。
表2
图6是本发明的第二实施例的指纹感测方法的流程图。参考图5以及图6,屏下指纹感测装置500可执行如以下步骤S610~S630,以实现防伪功能。在步骤S610,当指纹感测器520感测目标物件时,通过指纹感测器520的像素阵列的多个像素组(例如图2的像素阵列200的像素组211_1~211_N的多个第一颜色像素211R_1~211R_N、多个第二颜色像素211G_1~211G_N以及多个第三颜色像素211B_1~211B_N)分别输出多个第一颜色原始数值(例如R1~RN)、多个第二颜色原始数值(例如G1~GN)以及多个第三颜色原始数值(例如B1~BN)。在步骤S620,处理器510可对这些第一颜色原始数值(例如R1~RN)、这些第二颜色原始数值(例如G1~GN)以及这些第三颜色原始数值(例如B1~BN)分别进行平坦化校正,以产生多个第一颜色校正数值、多个第二颜色校正数值以及多个第三颜色校正数值。在步骤S630,处理器510可将这些第一颜色校正数值、这些第二颜色校正数值以及这些的第三颜色校正数值输入至判断模块531,以使与第一数据库532以及第二数据库533的至少其中之一进行比对,以判断目标物件是否为真实手指。因此,本实施例的屏下指纹感测装置500以及指纹感测方法可实现能判断目标物件是否为真实手指的功能。
在前述的步骤S620中,处理器510可对于多个第一颜色原始数值(例如R1~RN)、多个第二颜色原始数值(例如G1~GN)以及多个第三颜色原始数值(例如B1~BN)分别进行如上述式(1)~式(3)的第一平坦化校正,以产生多个第一颜色校正数值(例如FFC1_R1~FFC1_RN)、多个第二颜色校正数值(例如FFC1_G1~FFC1_GN)以及多个第三颜色校正数值(例如FFC1_B1~FFC1_BN)。或者,在一实施例中,处理器510可对于多个第一颜色原始数值(例如R1~RN)、多个第二颜色原始数值(例如G1~GN)以及多个第三颜色原始数值(例如B1~BN)分别进行如上述式(4)~式(6)的第二平坦化校正,以产生多个第一颜色校正数值(例如FFC2_R1~FFC2_RN)、多个第二颜色校正数值(例如FFC2_G1~FFC2_GN)以及多个第三颜色校正数值(例如FFC2_B1~FFC2_BN)。
在前述的步骤S630中,处理器510可执行判断模块531中的K-近邻算法,以根据这些第一颜色校正数值、这些第二颜色校正数值以及这些第三颜色校正数值经由K-近邻算法所输出对应于在第一数据库532以及第二数据库533的至少其中之一当中的分类结果,来判断目标物件是否为真实手指。对此,处理器510可执行判断模块531中的K-近邻算法,以判断这些第一颜色校正数值、这些第二颜色校正数值以及这些第三颜色校正数值是最接近于第一数据库532以及第二数据库533的至少其中之一当中的多个真假手分类结果的何者,并且判断模块531可直接输出判断结果。
或者,处理器510可执行判断模块531中的基于规则的系统算法,以根据这些第一颜色校正数值、这些第二颜色校正数值以及这些第三颜色校正数值经由基于规则的系统算法所输出对应于在第一数据库532以及第二数据库533的至少其中之一的多个真手分数进行计数,来判断目标物件是否为真实手指。对此,处理器510可判断所述多个真手分数是否超过预设分数阈值,并且计数超过预设分数阈值的真手分数的数量。接着,处理器510可判断超过预设分数阈值的真手分数的数量是否大于预设数量阈值来决定最后真假手指的判断结果。若超过预设分数阈值的真手分数的数量大于预设数量阈值,则处理器510确认目标物件为真实手指。反之,若超过预设分数阈值的真手分数的数量小于或等于预设数量阈值,则处理器510确认目标物件为假手指。处理器510可执行判断模块531中的基于规则的系统算法,以将这些第一颜色校正数值、这些第二颜色校正数值以及这些第三颜色校正数值分别分类于第一数据库532以及第二数据库533的至少其中之一当中的多个真假手分类结果,并且判断模块531可根据这些真假手分类结果中具有最大计数值的一者,来直接输出判断结果。
图7是本发明的第三实施例的指纹感测方法的流程图。参考图5以及图7,屏下指纹感测装置500可执行如以下步骤S710~S780,以实现防伪功能。在步骤S710,屏下指纹感测装置500可通过指纹感测器520感测目标物件,以使指纹感测器520的像素阵列(如图2的像素阵列200)的第一颜色像素、第二颜色像素以及第三颜色像素分别输出第一颜色原始数值(R1)、第二颜色原始数值(G1)以及第三颜色原始数值(B1)。在步骤S720,处理器510可对第一颜色原始数值(R1)、第二颜色原始数值(G1)以及第三颜色原始数值(B1)分别进行第一平坦化校正,以产生第一颜色校正数值(FFC1_R1)、第二颜色校正数值(FFC1_G1)以及第三颜色校正数值(FFC1_B1)。在本实施例中,处理器510可进行如上述式(1)~式(3)的第一平坦化校正。在步骤S730,处理器510可根据第一颜色校正数值(FFC1_R1)、第二颜色校正数值(FFC1_G1)以及第三颜色校正数值(FFC1_B1)判断当前感测环境是否为强光环境。在本实施例中,处理器510可进行如上述式(19)~式(21)的运算,以判断当前感测环境是否为强光环境。
在一实施例中,指纹感测器520的像素阵列的多个像素组可分别输出多个第一颜色原始数值、多个第二颜色原始数值以及多个第三颜色原始数值,并且处理器510对这些第一颜色原始数值、这些第二颜色原始数值以及这些第三颜色原始数值分别进行第一平坦化校正,以产生多个第一颜色校正数值、多个第二颜色校正数值以及多个第三颜色校正数值。处理器510可执行判断模块531中的K-近邻算法,以根据这些第一颜色校正数值、这些第二颜色校正数值以及这些第三颜色校正数值经由K-近邻算法所输出对应于在第二数据库533当中的分类结果,来判断当前感测环境是否为强光环境(例如表2中的真手指13、14、23、24的手指感测环境)。或者,处理器510也可执行判断模块531中的基于规则的系统算法,以根据这些第一颜色校正数值、这些第二颜色校正数值以及这些第三颜色校正数值经由基于规则的系统算法所输出对应于在第二数据库533的多个强光环境分数进行计数,来判断当前感测环境是否为强光环境(例如表2中的真手指13、14、23、24的手指感测环境)。
若是,处理器510执行步骤S740。若否,处理器510执行步骤S760。在步骤S740,处理器510可根据第一颜色校正数值(FFC1_R1)、第二颜色校正数值(FFC1_G1)以及第三颜色校正数值(FFC1_R1)判断目标物件是否为真实手指。在本实施例中,处理器510可执行如上述式(7)~式(9)的运算,以判断目标物件是否为真实手指。或者,在一实施例中,指纹感测器520的像素阵列的多个像素组可分别输出多个第一颜色原始数值、多个第二颜色原始数值以及多个第三颜色原始数值,并且处理器510对这些第一颜色原始数值、这些第二颜色原始数值以及这些第三颜色原始数值分别进行第一平坦化校正,以产生多个第一颜色校正数值、多个第二颜色校正数值以及多个第三颜色校正数值。处理器510可对这些第一颜色校正数值、这些第二颜色校正数值以及这些第三颜色校正数值执行如上述图6实施例的步骤S630的方式来判断目标物件是否为真实手指。若是,在步骤S750,处理器510判断目标物件为真实手指,并且处理器110或电子设备的中央处理器可对当前指纹影像进行后续的指纹分析。若否,在步骤S780,处理器510判断目标物件为假手指。
在步骤S760,处理器510可对第一颜色原始数值(R1)、第二颜色原始数值(G1)以及第三颜色原始数值(B1)进行第二平坦化校正,以产生第四颜色校正数值(FFC2_R1)、第五颜色校正数值(FFC2_G1)以及第六颜色校正数值(FFC2_B1)。在本实施例中,处理器510可进行如上述式(4)~式(6)的第二平坦化校正。
在步骤S770,处理器510可根据第四颜色校正数值(FFC2_R1)、第五颜色校正数值(FFC2_G1)以及第六颜色校正数值(FFC2_B1)判断目标物件是否为真实手指。在本实施例中,处理器510可执行如上述式(10)~式(12)的运算,以判断目标物件是否为真实手指。或者,在一实施例中,指纹感测器520的像素阵列的多个像素组可分别输出多个第一颜色原始数值、多个第二颜色原始数值以及多个第三颜色原始数值,并且处理器510对这些第一颜色原始数值、这些第二颜色原始数值以及这些第三颜色原始数值分别进行第二平坦化校正,以产生多个第四颜色校正数值、多个第五颜色校正数值以及多个第六颜色校正数值。处理器510可对这些第四颜色校正数值、这些第五颜色校正数值以及这些第六颜色校正数值执行如上述图6实施例的步骤S630的方式来判断目标物件是否为真实手指。若是,在步骤S750,处理器510判断目标物件为真实手指,并且处理器110或电子设备的中央处理器可对当前指纹影像进行后续的指纹分析。若否,在步骤S780,处理器510判断目标物件为假手指。因此,本实施例的屏下指纹感测装置500以及指纹感测方法可实现能判断目标物件是否为真实手指的功能。
图8是本发明的第四实施例的指纹感测方法的流程图。参考图5以及图8,屏下指纹感测装置500可执行如以下步骤S810~S870,以实现防伪功能。在步骤S810,屏下指纹感测装置500可通过指纹感测器520感测目标物件,以使指纹感测器520的像素阵列(如图2的像素阵列200)的第一颜色像素、第二颜色像素以及第三颜色像素分别输出第一颜色原始数值(R1)、第二颜色原始数值(G1)以及第三颜色原始数值(B1)。在步骤S820,处理器510可对第一颜色原始数值(R1)、第二颜色原始数值(G1)以及第三颜色原始数值(B1)分别进行第一平坦化校正,以产第一颜色校正数值(FFC1_R1)、第二颜色校正数值(FFC1_G1)以及第三颜色校正数值(FFC1_B1)。在本实施例中,处理器510可进行如上述式(1)~式(3)的第一平坦化校正。
在步骤S830,处理器510可根据第一颜色校正数值(FFC1_R1)、第二颜色校正数值(FFC1_G1)以及第三颜色校正数值(FFC1_B1)判断目标物件是否为真实手指。在本实施例中,处理器510可执行如上述式(7)~式(9)的运算,以判断目标物件是否为真实手指。或者,在一实施例中,指纹感测器520的像素阵列的多个像素组可分别输出多个第一颜色原始数值、多个第二颜色原始数值以及多个第三颜色原始数值,并且处理器510对这些第一颜色原始数值、这些第二颜色原始数值以及这些第三颜色原始数值分别进行第一平坦化校正,以产生多个第一颜色校正数值、多个第二颜色校正数值以及多个第三颜色校正数值。处理器510可对这些第一颜色校正数值、这些第二颜色校正数值以及这些第三颜色校正数值执行如上述图6实施例的步骤S630的方式来判断目标物件是否为真实手指。若是,在步骤S840,处理器510判断目标物件为真实手指,并且处理器510或电子设备的中央处理器可对当前指纹影像进行后续的指纹分析。若否,处理器510执行步骤S850。
在步骤S850,处理器510可对第一颜色原始数值(R1)、第二颜色原始数值(G1)以及第三颜色原始数值(B1)进行第二平坦化校正,以产生第四颜色校正数值(FFC2_R1)、第五颜色校正数值(FFC2_G1)以及第六颜色校正数值(FFC2_B1)。在本实施例中,处理器510可进行如上述式(4)~式(6)的第二平坦化校正。
在步骤S860,处理器510可根据第四颜色校正数值(FFC2_R1)、第五颜色校正数值(FFC2_G1)以及第六颜色校正数值(FFC2_B1)判断目标物件是否为真实手指。在本实施例中,处理器510可执行如上述式(10)~式(12)的运算,以判断目标物件是否为真实手指。或者,在一实施例中,指纹感测器520的像素阵列的多个像素组可分别输出多个第一颜色原始数值、多个第二颜色原始数值以及多个第三颜色原始数值,并且处理器510对这些第一颜色原始数值、这些第二颜色原始数值以及这些第三颜色原始数值分别进行第二平坦化校正,以产生多个第四颜色校正数值、多个第五颜色校正数值以及多个第六颜色校正数值。处理器510可对这些第四颜色校正数值、这些第五颜色校正数值以及这些第六颜色校正数值执行如上述图6实施例的步骤S630的方式来判断目标物件是否为真实手指。若是,在步骤S840,处理器510判断目标物件为真实手指,并且处理器510或电子设备的中央处理器可对当前指纹影像进行后续的指纹分析。若否,在步骤S850,处理器510判断目标物件为假手指,以停止使用当前指纹影像进行后续的指纹分析。因此,本实施例的屏下指纹感测装置500以及指纹感测方法可实现能判断目标物件是否为真实手指的功能。
另外,在另一实施例中,当处理器510在步骤S840判断目标物件为真实手指时,处理器510可进一步将第一颜色校正数值、第二颜色校正数值以及第三颜色校正数值至判断模块531,或是将第四颜色校正数值、第五颜色校正数值以及第六颜色校正数值输入至判断模块531,以使与第二数据库533进行比对,以判断目标物件的目标物件状态,其中比对方式可例如是处理器510执行如上述图6实施例的步骤S630所述的判断模块531中的K-近邻算法的分析方式或是判断模块531中的基于规则的系统算法的分析方式来判断之。对此,所述目标物件状态可例如是判断如上述表2中的真手(指)分类、手指按压情况、手指覆盖程度以及手指感测环境的至少其中之一的结果。处理器510可将所述目标物件状态的资讯用于后续指纹辨识、指纹影像处理或其他应用程式使用。
综上所述,本发明的屏下指纹感测装置以及指纹感测方法,可运用两种平坦化校正的其中之一,来对于指纹感测器所取得多个颜色原始数值进行校正,以有效判断当前感测的目标物件为假手指或真实手指。并且,本发明的屏下指纹感测装置以及指纹感测方法所采用判断真假手指的手段还可包括利用数值分析以及机器学习的方式来实现,以使屏下指纹感测装置可提供高精确度的防伪功能。
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 (20)
1.一种屏下指纹感测装置,其特征在于,适用于具有显示装置的电子设备,包含:
指纹感测器,设置于所述显示装置下方,并且所述指纹感测器具有像素阵列,其中所述像素阵列具有第一颜色像素、第二颜色像素以及第三颜色像素,当所述指纹感测器感测目标物件时,所述第一颜色像素、所述第二颜色像素以及所述第三颜色像素分别输出第一颜色原始数值、第二颜色原始数值以及第三颜色原始数值;以及
处理器,耦接所述指纹感测器,其中所述处理器对所述第一颜色原始数值、所述第二颜色原始数值以及所述第三颜色原始数值进行第一平坦化校正,以产生第一颜色校正数值、第二颜色校正数值以及第三颜色校正数值,并且所述处理器根据所述第一颜色校正数值、所述第二颜色校正数值以及所述第三颜色校正数值判断当前感测环境是否为强光环境,
其中当所述处理器判断所述当前感测环境为所述强光环境时,所述处理器对所述第一颜色原始数值、所述第二颜色原始数值以及所述第三颜色原始数值进行第二平坦化校正,以产生第四颜色校正数值、第五颜色校正数值以及第六颜色校正数值,并且所述处理器根据所述第四颜色校正数值、所述第五颜色校正数值以及所述第六颜色校正数值判断所述目标物件是否为真实手指。
2.根据权利要求1所述的屏下指纹感测装置,其特征在于,所述第一平坦化校正包括:
所述处理器将所述第一颜色原始数值与第一低参考数值相减,以取得第一运算数值,并且所述处理器将第一高参考数值与第一低参考数值相减,以取得第二运算数值,其中所述处理器将所述第一运算数值除以所述第二运算数值,以取得所述第一颜色校正数值,
所述处理器将所述第二颜色原始数值与第二低参考数值相减,以取得第三运算数值,并且所述处理器将第二高参考数值与第二低参考数值相减,以取得第四运算数值,其中所述处理器将所述第三运算数值除以所述第四运算数值,以取得所述第二颜色校正数值,
所述处理器将所述第三颜色原始数值与第三低参考数值相减,以取得第五运算数值,并且所述处理器将第三高参考数值与所述第三低参考数值相减,以取得第六运算数值,其中所述处理器将所述第五运算数值除以所述第六运算数值,以取得所述第三颜色校正数值。
3.根据权利要求2所述的屏下指纹感测装置,其特征在于,所述第一高参考数值、所述第二高参考数值以及所述第三高参考数值为所述指纹感测器感测标准皮肤色物件后所产生的分别对应于第一颜色、第二颜色以及第三颜色的三个第一模拟至数字转换器数值。
4.根据权利要求2所述的屏下指纹感测装置,其特征在于,所述第一低参考数值、所述第二低参考数值以及所述第三低参考数值为所述指纹感测器感测标准黑色物件后所产生的分别对应于第一颜色、第二颜色以及第三颜色的三个第二模拟至数字转换器数值。
5.根据权利要求1所述的屏下指纹感测装置,其特征在于,所述处理器根据所述第一颜色校正数值除以所述第二颜色校正数值的第一数值是否大于或等于第一阈值、所述第二颜色校正数值除以所述第三颜色校正数值的第二数值是否大于或等于第二阈值以及所述第一颜色校正数值除以所述第三颜色校正数值的第三数值是否大于或等于所述第二阈值,以判断所述当前感测环境是否为所述强光环境。
6.根据权利要求5所述的屏下指纹感测装置,其特征在于,所述第一阈值为1.2,并且所述第二阈值为1。
7.根据权利要求1所述的屏下指纹感测装置,其特征在于,所述处理器将所述第一颜色校正数值、所述第二颜色校正数值以及所述第三颜色校正数值输入至判断模块,以使与数据库进行比对,以判断所述当前感测环境是否为所述强光环境。
8.根据权利要求7所述的屏下指纹感测装置,其特征在于,所述判断模块包括K-邻近算法(k-nearest neighbors algorithm),所述处理器将多个像素组的多个第一颜色校正数值、多个第二颜色校正数值以及多个第三颜色校正数值输入所述判断模块,以使所述判断模块输出所述多个像素组的所述多个数值在所述数据库当中的分类结果,以判断所述当前感测环境是否为所述强光环境。
9.根据权利要求7所述的屏下指纹感测装置,其特征在于,所述判断模块包括基于规则的系统算法(rule-based algorithm),所述处理器将多个像素组的多个第一颜色校正数值、多个第二颜色校正数值以及多个第三颜色校正数值输入所述判断模块,以使所述判断模块输出所述多个像素组的所述多个数值在所述数据库当中的计数结果,以判断所述当前感测环境是否为所述强光环境。
10.根据权利要求1所述的屏下指纹感测装置,其特征在于,所述第二平坦化校正包括:
所述处理器将所述第一颜色原始数值与第四低参考数值相减,以取得第七运算数值,并且所述处理器将第四高参考数值与第四低参考数值相减,以取得第八运算数值,其中所述处理器将所述第七运算数值除以所述第八运算数值,以取得所述第四颜色校正数值,
所述处理器将所述第二颜色原始数值与第五低参考数值相减,以取得第九运算数值,并且所述处理器将第五高参考数值与第五低参考数值相减,以取得第十运算数值,其中所述处理器将所述第九运算数值除以所述第十运算数值,以取得所述第五颜色校正数值,
所述处理器将所述第三颜色原始数值与第六低参考数值相减,以取得第十一运算数值,并且所述处理器将第六高参考数值与所述第六低参考数值相减,以取得第十二运算数值,其中所述处理器将所述第十一运算数值除以所述第十二运算数值,以取得所述第六颜色校正数值。
11.根据权利要求10所述的屏下指纹感测装置,其特征在于,所述第四高参考数值、所述第五高参考数值以及所述第六高参考数值为所述指纹感测器感测标准白色物件后所产生的分别对应于第一颜色、第二颜色以及第三颜色的三个第三模拟至数字转换器数值。
12.根据权利要求10所述的屏下指纹感测装置,其特征在于,所述第四低参考数值、所述第五低参考数值以及所述第六低参考数值为所述指纹感测器感测标准黑色物件后所产生的分别对应于第一颜色、第二颜色以及第三颜色的三个第二模拟至数字转换器数值。
13.根据权利要求1所述的屏下指纹感测装置,其特征在于,所述处理器根据所述第四颜色校正数值除以所述第五颜色校正数值的第四数值、所述第五颜色校正数值除以所述第六颜色校正数值的第五数值以及所述第四颜色校正数值除以所述第六颜色校正数值的第六数值是否分别大于第三阈值且小于第四阈值,以判断所述目标物件是否为所述真实手指。
14.根据权利要求13所述的屏下指纹感测装置,其特征在于,所述第三阈值为0.8,并且所述第四阈值为1.2。
15.根据权利要求1所述的屏下指纹感测装置,其特征在于,所述处理器将所述第四颜色校正数值、所述第五颜色校正数值以及所述第六颜色校正数值输入至判断模块,以使与另一数据库进行比对,以判断所述目标物件是否为所述真实手指。
16.根据权利要求15所述的屏下指纹感测装置,其特征在于,所述判断模块包括K-邻近算法(k-nearest neighbors algorithm),所述处理器将多个像素组的多个第四颜色校正数值、多个第五颜色校正数值以及多个第六颜色校正数值输入所述判断模块,以使所述判断模块输出所述多个像素组的所述多个数值在所述另一数据库当中的分类结果,以判断所述目标物件是否为所述真实手指。
17.根据权利要求15所述的屏下指纹感测装置,其特征在于,所述判断模块包括基于规则的系统算法(rule-based algorithm),所述处理器将多个像素组的多个第四颜色校正数值、多个第五颜色校正数值以及多个第六颜色校正数值输入所述判断模块,以使所述判断模块输出所述多个像素组的所述多个数值在所述另一数据库当中的计数结果,以判断所述目标物件是否为所述真实手指。
18.根据权利要求1所述的屏下指纹感测装置,其特征在于,所述第一颜色像素、所述第二颜色像素以及所述第三颜色像素分别为红色感测像素、绿色感测像素以及蓝色感测像素。
19.根据权利要求1所述的屏下指纹感测装置,其特征在于,所述第一颜色像素、所述第二颜色像素以及所述第三颜色像素分别包括红色滤光器、绿色滤光器以及蓝色滤光器。
20.一种指纹感测方法,其特征在于,包括:
当指纹感测器感测目标物件时,通过所述指纹感测器的像素阵列的第一颜色像素、第二颜色像素以及第三颜色像素分别输出第一颜色原始数值、第二颜色原始数值以及第三颜色原始数值;
对所述第一颜色原始数值、所述第二颜色原始数值以及所述第三颜色原始数值进行第一平坦化校正,以产生第一颜色校正数值、第二颜色校正数值以及第三颜色校正数值;
根据所述第一颜色校正数值、所述第二颜色校正数值以及所述第三颜色校正数值判断当前感测环境是否为强光环境;
当所述当前感测环境为所述强光环境时,对所述第一颜色原始数值、所述第二颜色原始数值以及所述第三颜色原始数值进行第二平坦化校正,以产生第四颜色校正数值、第五颜色校正数值以及第六颜色校正数值;以及
根据所述第四颜色校正数值、所述第五颜色校正数值以及所述第六颜色校正数值判断所述目标物件是否为真实手指。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US17/683,373 US20220284727A1 (en) | 2021-03-03 | 2022-03-01 | Under-screen fingerprint sensing device and fingerprint sensing method |
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US202163155742P | 2021-03-03 | 2021-03-03 | |
US63/155,742 | 2021-03-03 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114359979A true CN114359979A (zh) | 2022-04-15 |
Family
ID=81109374
Family Applications (4)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210028856.4A Pending CN114359979A (zh) | 2021-03-03 | 2022-01-11 | 屏下指纹感测装置以及指纹感测方法 |
CN202210028086.3A Pending CN114359978A (zh) | 2021-03-03 | 2022-01-11 | 屏下指纹感测装置以及指纹感测方法 |
CN202210033690.5A Pending CN114359981A (zh) | 2021-03-03 | 2022-01-12 | 屏下指纹感测装置以及指纹感测方法 |
CN202210032459.4A Pending CN114359980A (zh) | 2021-03-03 | 2022-01-12 | 屏下指纹感测装置以及指纹感测方法 |
Family Applications After (3)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210028086.3A Pending CN114359978A (zh) | 2021-03-03 | 2022-01-11 | 屏下指纹感测装置以及指纹感测方法 |
CN202210033690.5A Pending CN114359981A (zh) | 2021-03-03 | 2022-01-12 | 屏下指纹感测装置以及指纹感测方法 |
CN202210032459.4A Pending CN114359980A (zh) | 2021-03-03 | 2022-01-12 | 屏下指纹感测装置以及指纹感测方法 |
Country Status (3)
Country | Link |
---|---|
US (4) | US11580776B2 (zh) |
CN (4) | CN114359979A (zh) |
TW (4) | TWI792846B (zh) |
Family Cites Families (32)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6658164B1 (en) | 1999-08-09 | 2003-12-02 | Cross Match Technologies, Inc. | Calibration and correction in a fingerprint scanner |
DE10009539A1 (de) | 2000-02-29 | 2001-09-20 | Infineon Technologies Ag | Verfahren zur Analyse von Fingerabdruckbildern |
JP2003075135A (ja) * | 2001-08-31 | 2003-03-12 | Nec Corp | 指紋画像入力装置および指紋画像による生体識別方法 |
US10496871B2 (en) * | 2009-11-10 | 2019-12-03 | Nec Corporation | Fake-finger determination device, fake-finger determination method, and fake-finger determination program |
CN102446268A (zh) * | 2010-09-30 | 2012-05-09 | 神盾股份有限公司 | 指纹防伪装置及其方法 |
CN102467671B (zh) * | 2010-11-03 | 2014-10-08 | 神盾股份有限公司 | 指纹防伪装置及其方法 |
CN103077377B (zh) | 2012-12-31 | 2015-07-29 | 清华大学 | 基于方向场分布的指纹校正方法 |
TWI501163B (zh) * | 2013-08-15 | 2015-09-21 | Gingy Technology Inc | 真偽指紋的辨識方法及辨識裝置 |
US9540690B2 (en) * | 2013-08-28 | 2017-01-10 | Illumina, Inc. | Optical alignment tool |
EP3111371B1 (en) | 2014-02-25 | 2023-12-27 | HID Global Corporation | Bioimpedance spoof detection |
US10127428B2 (en) * | 2014-08-26 | 2018-11-13 | Gingy Technology Inc. | Fingerprint identification method and fingerprint identification device |
CN104392227B (zh) | 2014-12-15 | 2018-02-09 | 金虎林 | 活体指纹判断方法及系统 |
TWI549065B (zh) | 2015-01-26 | 2016-09-11 | Gingytech Technology Inc | Fingerprint identification method and device thereof |
TWI530887B (zh) * | 2015-03-31 | 2016-04-21 | 友達光電股份有限公司 | 指紋防偽方法以及指紋辨識裝置 |
US9342733B2 (en) | 2015-11-24 | 2016-05-17 | Secugen Corporation | Fingerprint sensing and calibration apparatus |
US10664684B2 (en) | 2017-06-02 | 2020-05-26 | Next Biometrics Group Asa | Fingerprint sensor with liveness detection |
CN107657240B (zh) * | 2017-10-09 | 2020-11-24 | 上海天马微电子有限公司 | 一种显示装置及其指纹识别校准方法、以及电子设备 |
TW201941018A (zh) | 2018-03-23 | 2019-10-16 | 大陸商北京集創北方科技股份有限公司 | 指紋辨識模組的控制方法 |
TWI716695B (zh) | 2018-04-10 | 2021-01-21 | 義隆電子股份有限公司 | 生物特徵辨識方法及具有生物特徵辨識功能的電子裝置 |
TWI709918B (zh) | 2018-12-03 | 2020-11-11 | 大陸商北京集創北方科技股份有限公司 | 提高手指識別率的處理方法及其指紋識別裝置 |
EP3693887B1 (en) * | 2018-12-13 | 2022-02-16 | Shenzhen Goodix Technology Co., Ltd. | Fingerprint recognition apparatus and method, and electronic device |
CN109657606B (zh) | 2018-12-17 | 2020-10-02 | 上海箩箕技术有限公司 | 光学指纹传感器模组的校正方法 |
CN109934211B (zh) * | 2019-03-11 | 2021-04-09 | Oppo广东移动通信有限公司 | 指纹的校准方法及相关装置 |
CN110472518B (zh) | 2019-07-24 | 2022-05-17 | 杭州晟元数据安全技术股份有限公司 | 一种基于全卷积网络的指纹图像质量判断方法 |
CN111476215A (zh) | 2020-05-25 | 2020-07-31 | 上海菲戈恩微电子科技有限公司 | 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 |
CN111831164A (zh) * | 2020-01-02 | 2020-10-27 | 神盾股份有限公司 | 具备指纹防伪功能的触控显示装置以及相关指纹防伪方法 |
WO2021138776A1 (zh) * | 2020-01-06 | 2021-07-15 | 深圳市汇顶科技股份有限公司 | 指纹防伪的方法、指纹识别装置和电子设备 |
CN112101194A (zh) * | 2020-01-21 | 2020-12-18 | 神盾股份有限公司 | 电子装置及其操作方法 |
CN111801687B (zh) * | 2020-02-25 | 2024-02-06 | 深圳市汇顶科技股份有限公司 | 指纹识别装置和电子设备 |
TWM608543U (zh) * | 2020-03-02 | 2021-03-01 | 神盾股份有限公司 | 整合式真手指光譜感測裝置 |
US11495048B2 (en) * | 2020-08-17 | 2022-11-08 | Au Optronics Corporation | Fingerprint sensing module |
CN112069942B (zh) | 2020-08-24 | 2021-07-02 | 深圳阜时科技有限公司 | 屏下光学检测系统及电子设备 |
-
2022
- 2022-01-11 CN CN202210028856.4A patent/CN114359979A/zh active Pending
- 2022-01-11 CN CN202210028086.3A patent/CN114359978A/zh active Pending
- 2022-01-11 TW TW111101036A patent/TWI792846B/zh active
- 2022-01-11 TW TW111101048A patent/TWI799071B/zh active
- 2022-01-12 CN CN202210033690.5A patent/CN114359981A/zh active Pending
- 2022-01-12 CN CN202210032459.4A patent/CN114359980A/zh active Pending
- 2022-01-12 TW TW111101252A patent/TW202236150A/zh unknown
- 2022-01-12 TW TW111101260A patent/TWI799075B/zh active
- 2022-03-01 US US17/683,378 patent/US11580776B2/en active Active
- 2022-03-01 US US17/683,368 patent/US20220292869A1/en not_active Abandoned
- 2022-03-01 US US17/683,373 patent/US20220284727A1/en not_active Abandoned
- 2022-03-01 US US17/683,362 patent/US11636706B2/en active Active
Also Published As
Publication number | Publication date |
---|---|
CN114359978A (zh) | 2022-04-15 |
CN114359980A (zh) | 2022-04-15 |
TWI799071B (zh) | 2023-04-11 |
TW202236152A (zh) | 2022-09-16 |
US20220292873A1 (en) | 2022-09-15 |
US20220284730A1 (en) | 2022-09-08 |
TW202236150A (zh) | 2022-09-16 |
TWI792846B (zh) | 2023-02-11 |
TW202236151A (zh) | 2022-09-16 |
US20220284727A1 (en) | 2022-09-08 |
US11580776B2 (en) | 2023-02-14 |
CN114359981A (zh) | 2022-04-15 |
TW202236165A (zh) | 2022-09-16 |
TWI799075B (zh) | 2023-04-11 |
US11636706B2 (en) | 2023-04-25 |
US20220292869A1 (en) | 2022-09-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Bianco et al. | Color constancy using faces | |
US8213690B2 (en) | Image processing apparatus including similarity calculating unit, image pickup apparatus, and processing method for the apparatuses | |
US9760794B2 (en) | Method and system of low-complexity histrogram of gradients generation for image processing | |
CN114648594B (zh) | 一种基于图像识别的纺织品颜色检测方法及系统 | |
US20100195902A1 (en) | System and method for calibration of image colors | |
CN101631200A (zh) | 图像处理设备和图像处理方法 | |
KR102434703B1 (ko) | 생체 이미지 처리 방법 및 이를 포함한 장치 | |
US11368607B2 (en) | Information processing apparatus and non-transitory computer readable medium storing program for image color conversion | |
US20070286464A1 (en) | System and method for capturing a fingerprint using an electronic sensor | |
US20100119107A1 (en) | Information processing apparatus including a plurality of multi-stage connected information processing units | |
US20100054604A1 (en) | Image processing apparatus and program recording medium | |
CN114359979A (zh) | 屏下指纹感测装置以及指纹感测方法 | |
CN109359616B (zh) | 一种基于sift的伪拼接小尺寸指纹识别算法 | |
KR20100011187A (ko) | 문자 인식 방법 | |
WO2022011972A1 (zh) | 指纹感测模块以及指纹感测方法 | |
CN111160366A (zh) | 一种彩色图像识别方法 | |
US12033319B2 (en) | Scalp monitoring method, smart hair dryer and readable storage medium | |
CN116503404B (zh) | 塑料玩具质量检测方法、装置、电子设备及存储介质 | |
US20220292810A1 (en) | Fabric information digitization system and method thereof | |
US20210378379A1 (en) | Scalp monitoring method, smart hair dryer and readable storage medium | |
WO2022114190A1 (en) | Information processing system and information processing method | |
CN115830653A (zh) | 图像传感器、指纹识别模组、装置及方法、电子设备 | |
CN115661653A (zh) | 一种基于脱色方法的农作物高光谱图像可视化检测方法 | |
JPH04211874A (ja) | 半導体ペレットの検出方法 |
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 |