CN116311396B - 用于指纹识别的方法和装置 - Google Patents

用于指纹识别的方法和装置 Download PDF

Info

Publication number
CN116311396B
CN116311396B CN202210994179.1A CN202210994179A CN116311396B CN 116311396 B CN116311396 B CN 116311396B CN 202210994179 A CN202210994179 A CN 202210994179A CN 116311396 B CN116311396 B CN 116311396B
Authority
CN
China
Prior art keywords
calibration
fingerprint image
fingerprint
adaptive
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.)
Active
Application number
CN202210994179.1A
Other languages
English (en)
Other versions
CN116311396A (zh
Inventor
邸皓轩
李丹洪
郭俊龙
郭明锦
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Honor Device Co Ltd
Original Assignee
Honor Device Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Honor Device Co Ltd filed Critical Honor Device Co Ltd
Priority to CN202210994179.1A priority Critical patent/CN116311396B/zh
Priority to PCT/CN2023/092270 priority patent/WO2024037054A1/zh
Publication of CN116311396A publication Critical patent/CN116311396A/zh
Application granted granted Critical
Publication of CN116311396B publication Critical patent/CN116311396B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06V40/1365—Matching; Classification
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Human Computer Interaction (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Collating Specific Patterns (AREA)

Abstract

一种用于指纹识别的方法和装置，应用于指纹识别技术领域。该方法包括：采集待录入的指纹图像；基于第一校准图对待录入的指纹图像进行校准处理，得到第一指纹图像；确定是否存在自适应校准图；在存在自适应校准图时，利用第一指纹图像及第一更新系数对第一校准图进行更新，获得第二校准图；在不存在自适应校准图时，利用第一指纹图像生成第三校准图，第三校准图为对多帧指纹图像进行求和取平均得到的图像，或者，第三校准图为利用第一指纹图像对第一校准图进行更新得到的图像，能够对电子设备的校准图进行自适应更新，从而提高校准图与当前环境的适配程度，有助于实现对采集指纹的最佳校准，提升用户的解锁体验。

Description

用于指纹识别的方法和装置
技术领域
本申请涉及生物识别领域，并且具体地，涉及一种用于指纹识别的方法和装置。
背景技术
随着智能终端的普及，指纹识别技术在终端领域也得到飞速发展。特别是在用户戴口罩的场景下，相比于人脸解锁，指纹解锁体现出不可或缺的重要性。指纹解锁器件与指纹采集区域对于光学指纹而言，光学指纹器件与终端的屏幕是分开的，二者可通过贴合在一起实现指纹识别的相关功能。在产线生产终端时通常会在终端中预置指纹校准图。指纹校准图能够拟合终端的屏幕与指纹器件的噪声，对指纹器件采集的指纹图像进行校准，以达到去除指纹图像的干扰噪声的目的。但是随着外界环境的变化，指纹校准图的效果越来越差，导致对指纹图像的校准效果，会影响用户的解锁体验。
发明内容
有鉴于此，本申请提供了一种用于指纹识别的方法、装置、计算机可读存储介质和计算机程序产品，能够对电子设备的校准图进行自适应更新，从而提高校准图与当前环境的适配程度，有助于实现对采集指纹的最佳校准，提升用户的解锁体验。
第一方面，提供了一种用于指纹识别的方法，所述方法应用于电子设备，所述方法包括：
采集待录入的指纹图像；
基于第一校准图对所述待录入的指纹图像进行校准处理，得到第一指纹图像；
确定所述电子设备中是否存在自适应校准图；
在所述电子设备中存在自适应校准图时，利用所述第一指纹图像以及第一更新系数对所述第一校准图进行更新，获得第二校准图，所述第一校准图为自适应校准图，所述第二校准图用于对采集的指纹图像进行校准处理；
在所述电子设备中不存在自适应校准图时，利用所述第一指纹图像生成第三校准图，所述第三校准图用于对采集的指纹图像进行校准处理，其中，所述第三校准图为对多帧指纹图像进行求和取平均得到的图像，所述多帧指纹图像包括所述第一指纹图像，或者，所述第三校准图为利用所述第一指纹图像对所述第一校准图进行更新得到的图像。
上述方法可以由终端设备或终端设备中的芯片执行。基于上述方案，在指纹录入的过程中，通过对录入的指纹图像进行校准处理，并判断当前是否存在自适应校准图；如果存在自适应校准图，则利用本次录入的指纹图像对自适应校准图进行自适应更新；如果不存在自适应校准图，则可以基于本次录入的指纹图像生成自适应校准图，或者对出厂校准图进行更新，以使得电子设备始终保存最新更新的校准图。相比于现有校准图自出厂后就不再更新，本申请实施例在指纹录入流程中引入自适应校准图的方式，能够提高电子设备的校准图与当前环境的适配程度，从而有助于实现对采集指纹的最佳校准，有助于提高指纹解锁率以及解锁速度，从而提升用户的指纹识别体验(比如解锁体验)。
在一种可能的实现方式中，在确定所述电子设备中是否存在自适应校准图之前，所述方法还包括：
判断所述第一指纹图像与第二指纹图像的重叠面积是否小于第一面积阈值，所述第二指纹图像指已录入的指纹图像；
其中，确定所述电子设备中是否存在自适应校准图，包括：
在所述第一指纹图像与第二指纹图像的重叠面积小于第一阈值时，确定所述电子设备中是否存在自适应校准图。
因此，通过引入第一面积阈值，筛选与第二指纹图像重叠区域较少的指纹图像，比如，第一指纹图像。这样，可以避免利用与历史录入指纹图像的重叠面积(或者重叠特征)较多的指纹图像，更新自适应校准图。
在一种可能的实现方式中，在判断所述第一指纹图像与第二指纹图像的重叠面积是否小于第一面积阈值之前，所述方法还包括：
判断所述第一指纹图像是否满足第一预设条件，其中，所述第一指纹图像满足第一预设条件包括：所述第一指纹图像满足真手指场景，和/或，所述第一指纹图像满足非异物场景。
可选地，通过防伪检测算法或其他真假手指检测算法，确定所述第一指纹图像满足真手指场景，以避免将利用假手指采集的指纹图像或者异物场景下采集的指纹图像更新到自适应校准图中。
可选地，通过异物检测算法，识别所述第一指纹图像满足非异物场景，以避免将在异物场景下采集的指纹图像或者更新到自适应校准图中。
可选地，判断所述第一指纹图像与第二指纹图像的重叠面积是否小于第一面积阈值，包括：在所述第一指纹图像满足第一预设条件时，判断所述第一指纹图像与第二指纹图像的重叠面积是否小于第一面积阈值。因此，通过综合考虑重叠面积、真手指场景以及非异物场景等因素，可有效提高自适应校准图的准确性。
在一种可能的实现方式中，在所述电子设备中存在自适应校准图时，所述方法还包括：
判断当前是否累计采集到M帧指纹图像，所述M帧指纹图像包括所述第一指纹图像，所述第一指纹图像为所述M帧指纹图像的最后一帧图像；
在未采集到M帧指纹图像时，不对所述第一校准图进行更新；
其中，所述利用所述第一指纹图像以及第一更新系数对所述第一校准图进行自适应更新，包括：
在采集到M帧指纹图像时，利用所述M帧指纹图像以及第一更新系数对所述第一校准图进行自适应更新。
因此，在采集到多帧指纹图像，才对自适应校准图进行自适应更新；如果未采集到多帧指纹图像，那么不对自适应校准图进行更新。这样做的好处在于，能够避免对自适应校准图进行频繁更新。并且，还可以减少特殊指纹图像(包括但不限于假手指指纹图像、异物场景下采集的指纹图像、与已录入指纹的重叠面积过大的指纹图像)对自适应校准图的影响。
在一种可能的实现方式中，所述基于所述M帧指纹图像对所述第一校准图进行更新，包括：
采用下式对所述第一校准图进行更新：
其中，Y1(N)表示第二校准图；Y1(N-1)表示第一校准图；λ1表示所述第一更新系数；表示对所述M帧指纹图像的像素值求和之后取平均得到的值。
在一种可能的实现方式中，在所述电子设备中存在自适应校准图时，利用所述第一指纹图像以及第一更新系数对所述第一校准图进行更新，包括：
对所述第一指纹图像进行快速傅里叶变换处理，得到第三指纹图像；
对所述第三指纹图像进行低通滤波处理，得到第四指纹图像；
对所述第四指纹图像进行逆快速傅里叶变换处理，得到第五指纹图像；
利用所述第五指纹图像以及所述第一更新次数所述第一校准图进行更新，获得所述第二校准图。
因此，在利用第一指纹图像进行自适应校准图更新时，可以预先对第一指纹图像进行图像处理，避免将第一指纹图像的干扰噪声更新到自适应校准图中，有助于提高自适应校准图的准确性和质量。
在一种可能的实现方式中，所述第二校准图满足下式：
Y2(N)＝Y2(N-1)*(1-λ2)+IFFT(Filter(FFT(Raw(k))))*λ2
其中，Y2表示第二校准图；Y2(N-1)表示第一校准图；λ2表示所述第一更新系数；FFT()表示快速傅里叶变换处理，Filter()表示低通滤波处理，IFFT()表示逆快速傅里叶变换处理。
在一种可能的实现方式中，所述第二校准图满足下式：
Y3(N)＝Y3(N-1)*(1-λ3)+Raw(k)*λ3
其中，Y3(N)表示第二校准图；Y3(N-1)表示第一校准图；λ3表示所述第一更新系数；Raw(k)表示所述第一指纹图像的像素值。
在一种可能的实现方式中，在所述第三校准图为对多帧指纹图像进行求和取平均得到的图像时，第一数量大于或等于第一阈值，所述第一数量用于表征自适应校准图的更新次数；
在所述第三校准图为对所述第一校准图进行更新得到的图像时，所述第一数量小于第一阈值。
示例性地，如果第一数量小于第一阈值，此种情况不生成自适应校准图。此时可提供另一保底策略，利用当前采集的第一指纹图像对出厂校准图进行更新，生成更新后的出厂校准图，并将更新后的出厂校准图作为第三校准图。这样做的好处在于，如果不生成自适应校准图，还可对出厂校准图进行更新，以提供备选方案。
在一种可能的实现方式中，利用第一指纹图像生成第三校准图，包括：
确定Q0是否小于第一阈值，所述Q0用于表征所述第一数量的初始值；
如果所述Q0小于所述第一阈值，利用所述第一指纹图像以及第二更新系数对所述第一校准图进行更新，得到更新后的出厂校准图；
将所述第一指纹图像的像素值累加到像素累计值中；
对所述Q0进行累加第二阈值的处理，得到Qn，所述Qn用于表征所述第一数量更新后的值；
确定W是否达到第三阈值，W表示采集指纹的次数；
在W未达到所述第三阈值时，判断所述Qn是否小于所述第一阈值；
在所述Qn大于或等于所述第一阈值时，基于所述像素累计值确定所述第三校准图，其中，所述第三校准图为对所述像素累计值进行求平均获得的图像，所述像素累计值是通过对多帧指纹图像的像素值进行相加获得；
在所述Qn小于第一阈值时，将所述更新后的出厂校准图作为所述第三校准图。
可选地，在所述Qn大于或等于第一阈值时，生成的自适应校准图满足下式：
其中，SUM(AdaptiveBase)表示多帧指纹图像的像素累计值。AdaptiveBase表示生成的自适应校准图(或者第三校准图)。
可选地，在所述Qn小于第一阈值时，采用下式对出厂校准图进行更新：
FactoryBase(N)＝FactoryBase(N-1)*(1-λ4)+Raw(k)*λ4；或者
FactoryBase(N)＝FactoryBase(N-1)*(1-λ4)+IFFT(Filter(FFT(Raw(k))))*λ4
其中，FactoryBase(N)表示更新后的出厂校准图；FactoryBase(N-1)表示第一校准图(或者说出厂校准图)；λ4表示所述第二更新系数；Raw(k)表示第一指纹图像的像素值；FFT()表示快速傅里叶变换处理，Filter()表示低通滤波处理，IFFT()表示逆快速傅里叶变换处理。
在一种可能的实现方式中，所述方法还包括：
显示第一界面，所述第一界面包括第一选项，所述第一选项用于选择开启或关闭指纹校准图更新功能。因此，通过提供指纹校准图更新功能的开关选项，可供用户选择开启或关闭指纹校准图更新功能。
第二方面，提供了一种用于指纹识别的方法，所述方法应用于电子设备，所述方法包括：
采集待验证的指纹图像；
基于第四校准图对所述待验证的指纹图像进行校准处理，得到第六指纹图像；
基于指纹模板对所述第六指纹图像进行验证；
判断所述第六指纹图像是否验证成功；
在所述第六指纹图像验证成功后，判断所述电子设备中是否存在自适应校准图；
在所述电子设备中存在自适应校准图时，利用所述第六指纹图像以及第三更新系数对所述第四校准图进行更新，获得第五校准图，其中，所述第四校准图为自适应校准图；
在所述电子设备中不存在自适应校准图时，利用所述第六指纹图像以及第四更新系数对所述出厂校准图进行更新，获得第六校准图，所述第六校准图为更新后的出厂校准图，其中，所述第四校准图为出厂校准图。
上述方法可以由终端设备或终端设备中的芯片执行。基于上述方案，在指纹验证的过程中，通过对待验证的指纹图像进行校准处理，判断验证是否通过；如果验证通过，则继续并判断当前是否存在自适应校准图；如果存在自适应校准图，则利用本次验证通过的指纹图像对自适应校准图进行自适应更新；如果不存在自适应校准图，则可以基于本次验证通过的指纹图像对出厂校准图进行更新，以使得电子设备始终保存最新更新的校准图，有助于提高指纹解锁率以及解锁速度，从而提升用户的指纹识别体验(比如解锁体验)。
在一种可能的实现方式中，在判断所述电子设备中是否存在自适应校准图之前，所述方法还包括：
判断所述第六指纹图像是否满足第二预设条件，所述第六指纹图像满足第二预设条件包括：所述第六指纹图像满足真手指场景，和/或，所述第六指纹图像满足非异物场景；
其中，所述判断所述电子设备中是否存在自适应校准图，包括：
在所述第六指纹图像满足第二预设条件时，判断所述电子设备中是否存在自适应校准图。
可选地，通过过防伪检测算法或其他真假手指检测算法，确定所述第六指纹图像满足真手指场景，在指纹验证流程中，可以避免将利用假手指采集的指纹图像或者异物场景下采集的指纹图像更新到自适应校准图中。
可选地，通过异物检测算法，识别第六指纹图像满足非异物场景，在指纹验证流程中，可以避免将在异物场景下采集的指纹图像或者更新到自适应校准图中。
在一种可能的实现方式中，所述第五校准图满足下式：
Yadaptive(N)＝Yadaptive(N-1)*(1-λ4)+IFFT(Filter(FFT(Raw(s))))*λ4；或者，
Yadaptive(N)＝Yadaptive(N-1)*(1-λ4)+Raw(s)*λ4
其中，Yadaptive(N)表示第五校准图；Yadaptive(N-1)表示第四校准图；λ4表示所述第三更新系数；FFT()表示快速傅里叶变换处理，Filter()表示低通滤波处理，IFFT()表示逆快速傅里叶变换处理，Raw(s)表示所述第六指纹图像的像素值。
在一种可能的实现方式中，所述第六校准图满足下式：
Y更新factory＝Y初始factory*(1-λ4)+IFFT(Filter(FFT(Raw(s))))*λ4；或者，
Y更新factory(N)＝Y初始factory(N-1)*(1-λ4)+Raw(s)*λ4
其中，Y更新factory表示所述第六校准图；Y初始factory表示第四校准图；λ4表示所述第四更新系数；FFT()表示快速傅里叶变换处理，Filter()表示低通滤波处理，IFFT()表示逆快速傅里叶变换处理，Raw(s)表示所述第六指纹图像的像素值。
在一种可能的实现方式中，所述方法还包括：
显示第一界面，所述第一界面包括第一选项，所述第一选项用于选择开启或关闭指纹校准图更新功能。
第三方面，提供了一种指纹识别的装置，包括用于执行第一方面中任一种方法的单元，或者，包括用于执行第二方面中任一种方法的单元。该装置可以是终端(或者终端设备)，也可以是终端(或者终端设备)内的芯片。该装置包括输入单元、显示单元和处理单元。
当该装置是终端时，该处理单元可以是处理器，该输入单元可以是通信接口，该显示单元可以是图形处理模块和屏幕；该终端还可以包括存储器，该存储器用于存储计算机程序代码，当该处理器执行该存储器所存储的计算机程序代码时，使得该终端执行第一方面中的任一种方法。
当该装置是终端内的芯片时，该处理单元可以是芯片内部的逻辑处理单元，该输入单元可以是输出接口、管脚或电路等，该显示单元可以是芯片内部的图形处理单元；该芯片还可以包括存储器，该存储器可以是该芯片内的存储器(例如，寄存器、缓存等)，也可以是位于该芯片外部的存储器(例如，只读存储器、随机存取存储器等)；该存储器用于存储计算机程序代码，当该处理器执行该存储器所存储的计算机程序代码时，使得该芯片执行第一方面的任一种方法。
第四方面，提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序代码，当所述计算机程序代码被用于指纹识别的装置运行时，使得该装置执行第一方面中的任一种方法，或者，使得该装置执行第二方面中的任一种方法。
第五方面，提供了一种计算机程序产品，所述计算机程序产品包括：计算机程序代码，当所述计算机程序代码被用于指纹识别的装置运行时，使得该装置执行第一方面中的任一种方法，或者，使得该装置执行第二方面中的任一种方法。
附图说明
图1是本申请实施例的应用场景的一个示例图；
图2是一种适用于本申请的电子设备的硬件系统的示意图；
图3是一种适用于本申请的电子设备的软件系统的示意图；
图4是指纹识别的一个全局流程示意框图；
图5是根据本申请一个实施例的用于指纹识别的方法的示意性流程图；
图6是本申请实施例的生成第三校准图的示例流程图；
图7是根据本申请另一实施例的用于指纹识别的方法的示意性流程图；
图8是本申请实施例的一个界面示例图；
图9是本申请实施例的用于指纹识别装置的一个示意性框图。
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。
本申请实施例提供的指纹识别方法可应用于具有指纹识别功能的电子设备中。例如，该电子设备可以为手机、平板电脑、笔记本电脑、可穿戴设备、多媒体播放设备、电子书阅读器、个人计算机、个人数字助理(personaldigitalassistant，PDA)、上网本、增强显示(augmentedreality，AR)设备、虚拟现实(virtualreality，VR)设备等电子设备。本申请对电子设备的具体形式不作限制。
作为示例而非限定，当电子设备为可穿戴设备时，该可穿戴设备可以是应用穿戴式技术对日常穿戴进行智能化设计、开发出可以穿戴的设备的总称，比如，眼镜、手套、手表、服饰以及鞋等。可穿戴设备即直接穿戴在人体上，或是整合到用户的衣服或配件的一种便携式设备，可以采集用户的生物特征数据。可穿戴设备不仅仅是一种硬件设备，更是通过软件支持以及数据交互、云端交互来实现强大的功能。一种实现方式，穿戴式智能设备包括功能全、尺寸大、可不依赖智能手机实现完整或部分功能的设备，比如，智能手表或智能眼镜等。另一种实现方式，穿戴式智能设备可以是只专注于某一类应用功能，且需要和其他设备(比如智能手机)配合使用的设备，比如，包含解锁的触控屏的智能手环、智能首饰等。
本申请实施例对指纹识别的应用场景不作具体限定，涉及到利用指纹进行识别的场景均可以适用。比如，用户利用指纹进行解锁、支付或身份认证等等。
本申请实施例可应用于光学指纹识别场景中。光学指纹识别主要利用的是光的反射和折射原理。当手指按压屏幕时，屏幕点亮发出亮光，光线照亮指纹，然后将指纹通过反射与折射传递到屏下的传感器进行识别。本请实施例对指纹识别的场景不作具体限定，也可以合理应用到其他指纹识别场景中，例如，超声波指纹识别，电容指纹识别等。
可以理解，本申请实施例对指纹模组的位置不作具体限定。例如，若采用光学指纹识别技术，则指纹模组可以设置于电子设备的屏幕(或者说触摸屏)下方，即屏下指纹识别。又例如，指纹模组装置也可设置于电子设备的背面或侧面等。
图1是本申请实施例的应用场景的一个示意图。以电子设备是手机为例，该手机采用屏下指纹解锁，如图1中(1)所示，用户通过手指按压屏幕的指纹解锁区域10，尝试进行指纹解锁。在用户按压指纹解锁区域10后，手机会将采集的指纹与用户预先存储的指纹模板进行匹配。如果匹配成功，则手机屏幕解锁成功。
应理解，图1中(1)所示的指纹解锁区域10只是示例性描述，本申请实施例并不限于此。事实上，指纹解锁区域10可以位于屏幕的其他区域，比如，靠近电源键的屏幕区域。
还应理解，图1中(1)所示的指纹解锁是以屏下指纹解锁为例进行说明的，本申请实施例并不限于此。比如，本申请实施例也适用于手机背部指纹解锁。
还应理解，用户在录入指纹时也可以通过手指按压屏幕的指纹解锁区域10。在用户按压屏幕的指纹解锁区域10后，手机可采集指纹图像。
如果用户在指纹匹配成功后，那么可以进入手机主界面。一种可能的情形，比如，在指纹解锁成功后手机显示如图1中(2)所示的界面，界面中显示有多个应用程序的图标，比如应用1至应用8。当然，图1中(2)所示的界面只是一种可能的情形，本申请实施例并不限于此。
应理解，图1中的场景只是示意性说明本申请的一个应用场景，这并不对本申请实施例构成限定，本申请并不限于此。
以下结合图2和图3描述本申请实施例适用的硬件系统和软件架构。
图2示出了一种适用于本申请的电子设备的硬件系统。
电子设备100可以是手机、智慧屏、平板电脑、可穿戴电子设备、车载电子设备、增强现实(augmented reality，AR)设备、虚拟现实(virtual reality，VR)设备、笔记本电脑、超级移动个人计算机(ultra-mobile personal computer，UMPC)、上网本、个人数字助理(personal digital assistant，PDA)、投影仪等等，本申请实施例对电子设备100的具体类型不作任何限制。
电子设备100可以包括处理器110，外部存储器接口120，内部存储器121，通用串行总线(universal serial bus，USB)接口130，充电管理模块140，电源管理模块141，电池142，天线1，天线2，移动通信模块150，无线通信模块160，音频模块170，扬声器170A，受话器170B，麦克风170C，耳机接口170D，传感器模块180，按键190，马达191，指示器192，摄像头193，显示屏194，以及用户标识模块(subscriber identification module，SIM)卡接口195等。其中传感器模块180可以包括压力传感器180A，陀螺仪传感器180B，气压传感器180C，磁传感器180D，加速度传感器180E，距离传感器180F，接近光传感器180G，指纹传感器180H，温度传感器180J，触摸传感器180K，环境光传感器180L，骨传导传感器180M等。
需要说明的是，图2所示的结构并不构成对电子设备100的具体限定。在本申请另一些实施例中，电子设备100可以包括比图2所示的部件更多或更少的部件，或者，电子设备100可以包括图2所示的部件中某些部件的组合，或者，电子设备100可以包括图2所示的部件中某些部件的子部件。比如，图2所示的接近光传感器180G可以是可选的。图2示的部件可以以硬件、软件、或软件和硬件的组合实现。
处理器110可以包括一个或多个处理单元。例如，处理器110可以包括以下处理单元中的至少一个：应用处理器(application processor，AP)、调制解调处理器、图形处理器(graphics processing unit，GPU)、图像信号处理器(image signal processor，ISP)、控制器、视频编解码器、数字信号处理器(digital signal processor，DSP)、基带处理器、神经网络处理器(neural-network processing unit，NPU)。其中，不同的处理单元可以是独立的器件，也可以是集成的器件。
在一些实施例中，处理器110用于采集待录入的指纹图像；
基于第一校准图对所述待录入的指纹图像进行校准处理，得到第一指纹图像；
确定所述电子设备中是否存在自适应校准图；
在所述电子设备中存在自适应校准图时，利用所述第一指纹图像以及第一更新系数对所述第一校准图进行更新，获得第二校准图，所述第一校准图为自适应校准图，所述第二校准图用于对采集的指纹图像进行校准处理；
在所述电子设备中不存在自适应校准图时，利用所述第一指纹图像生成第三校准图，所述第三校准图用于对采集的指纹图像进行校准处理，其中，所述第三校准图为对多帧指纹图像进行求和取平均得到的图像，所述多帧指纹图像包括所述第一指纹图像，或者，所述第三校准图为利用所述第一指纹图像对所述第一校准图进行更新得到的图像。
在另一些实施例中，处理器110用于采集待验证的指纹图像；
基于第四校准图对所述待验证的指纹图像进行校准处理，得到第六指纹图像；
基于指纹模板对所述第六指纹图像进行验证；
判断所述第六指纹图像是否验证成功；
在所述第六指纹图像验证成功后，判断所述电子设备中是否存在自适应校准图；
在所述电子设备中存在自适应校准图时，利用所述第六指纹图像以及第三更新系数对所述第四校准图进行更新，获得第五校准图，其中，所述第四校准图为自适应校准图；
在所述电子设备中不存在自适应校准图时，利用所述第六指纹图像以及第四更新系数对所述出厂校准图进行更新，获得第六校准图，所述第六校准图为更新后的出厂校准图，其中，所述第四校准图为出厂校准图。
控制器可以根据指令操作码和时序信号，产生操作控制信号，完成取指令和执行指令的控制。
处理器110中还可以设置存储器，用于存储指令和数据。在一些实施例中，处理器110中的存储器为高速缓冲存储器。该存储器可以保存处理器110刚用过或循环使用的指令或数据。如果处理器110需要再次使用该指令或数据，可从所述存储器中直接调用。避免了重复存取，减少了处理器110的等待时间，因而提高了系统的效率。
图2所示的各模块间的连接关系只是示意性说明，并不构成对电子设备100的各模块间的连接关系的限定。可选地，电子设备100的各模块也可以采用上述实施例中多种连接方式的组合。
电子设备100可以通过GPU、显示屏194以及应用处理器实现显示功能。GPU为图像处理的微处理器，连接显示屏194和应用处理器。GPU用于执行数学和几何计算，用于图形渲染。处理器110可包括一个或多个GPU，其执行程序指令以生成或改变显示信息。
显示屏194可以用于显示图像或视频。显示屏194包括显示面板。显示面板可以采用液晶显示屏(liquid crystal display，LCD)、有机发光二极管(organic light-emitting diode，OLED)、有源矩阵有机发光二极体(active-matrix organic light-emitting diode，AMOLED)、柔性发光二极管(flex light-emitting diode，FLED)、迷你发光二极管(mini light-emitting diode，Mini LED)、微型发光二极管(micro light-emitting diode，Micro LED)、微型OLED(Micro OLED)或量子点发光二极管(quantum dotlight emitting diodes，QLED)。在一些实施例中，电子设备100可以包括1个或N个显示屏194，N为大于1的正整数。
电子设备100可以通过ISP、摄像头193、视频编解码器、GPU、显示屏194以及应用处理器等实现拍摄功能。
ISP用于处理摄像头193反馈的数据。例如，拍照时，打开快门，光线通过镜头被传递到摄像头感光元件上，光信号转换为电信号，摄像头感光元件将所述电信号传递给ISP处理，转化为肉眼可见的图像。ISP可以对图像的噪点、亮度和色彩进行算法优化，ISP还可以优化拍摄场景的曝光和色温等参数。在一些实施例中，ISP可以设置在摄像头193中。
摄像头193用于捕获静态图像或视频。物体通过镜头生成光学图像投射到感光元件。感光元件可以是电荷耦合器件(charge coupled device，CCD)或互补金属氧化物半导体(complementary metal-oxide-semiconductor，CMOS)光电晶体管。感光元件把光信号转换成电信号，之后将电信号传递给ISP转换成数字图像信号。ISP将数字图像信号输出到DSP加工处理。DSP将数字图像信号转换成标准的红绿蓝(red green blue，RGB)，YUV等格式的图像信号。在一些实施例中，电子设备100可以包括1个或N个摄像头193，N为大于1的正整数。
数字信号处理器用于处理数字信号，除了可以处理数字图像信号，还可以处理其他数字信号。例如，当电子设备100在频点选择时，数字信号处理器用于对频点能量进行傅里叶变换等。
电子设备100可以通过音频模块170、扬声器170A、受话器170B、麦克风170C、耳机接口170D以及应用处理器等实现音频功能，例如，音乐播放和录音。
压力传感器180A用于感受压力信号，可以将压力信号转换成电信号。在一些实施例中，压力传感器180A可以设置于显示屏194。压力传感器180A的种类很多，例如可以是电阻式压力传感器、电感式压力传感器或电容式压力传感器。电容式压力传感器可以是包括至少两个具有导电材料的平行板，当力作用于压力传感器180A，电极之间的电容改变，电子设备100根据电容的变化确定压力的强度。当触摸操作作用于显示屏194时，电子设备100根据压力传感器180A检测所述触摸操作。电子设备100也可以根据压力传感器180A的检测信号计算触摸的位置。
指纹传感器180H用于采集指纹。电子设备100可以利用采集的指纹特性实现解锁、访问应用锁、拍照和接听来电等功能。指纹传感器180H可以通过指纹模组实现。在一些实施例中，指纹模组是光学指纹模块。
触摸传感器180K，也称为触控器件。触摸传感器180K可以设置于显示屏194，由触摸传感器180K与显示屏194组成触摸屏，触摸屏也称为触控屏。触摸传感器180K用于检测作用于其上或其附近的触摸操作。触摸传感器180K可以将检测到的触摸操作传递给应用处理器，以确定触摸事件类型。可以通过显示屏194提供与触摸操作相关的视觉输出。在另一些实施例中，触摸传感器180K也可以设置于电子设备100的表面，并且与显示屏194设置于不同的位置。
按键190包括开机键和音量键。按键190可以是机械按键，也可以是触摸式按键。电子设备100可以接收按键输入信号，实现于案件输入信号相关的功能。
马达191可以产生振动。马达191可以用于来电提示，也可以用于触摸反馈。马达191可以对作用于不同应用程序的触摸操作产生不同的振动反馈效果。对于作用于显示屏194的不同区域的触摸操作，马达191也可产生不同的振动反馈效果。不同的应用场景(例如，时间提醒、接收信息、闹钟和游戏)可以对应不同的振动反馈效果。触摸振动反馈效果还可以支持自定义。
上文详细描述了电子设备100的硬件系统，下面介绍电子设备100的软件系统。软件系统可以采用分层架构、事件驱动架构、微核架构、微服务架构或云架构，本申请实施例以分层架构为例，示例性地描述电子设备100的软件系统。
如图3所示，采用分层架构的软件系统分成若干个层，每一层都有清晰的角色和分工。层与层之间通过软件接口通信。在一些实施例中，软件系统可以分为五层，从上至下分别为应用程序层、应用程序框架层、安卓运行时(Android Runtime)和系统库、内核层以及可信执行环境(trusted execution environment，TEE)层。
应用程序层可以包括相机、图库、日历、通话、地图、导航、WLAN、蓝牙、音乐、视频、短信息等应用程序。
应用程序框架层为应用程序层的应用程序提供应用程序编程接口(applicationprogramming interface，API)和编程框架。应用程序框架层可以包括一些预定义的函数。
例如，应用程序框架层包括窗口管理器、内容提供器、视图系统、电话管理器、资源管理器和通知管理器。
窗口管理器用于管理窗口程序。窗口管理器可以获取显示屏大小，判断是否有状态栏、锁定屏幕和截取屏幕。
内容提供器用来存放和获取数据，并使这些数据可以被应用程序访问。所述数据可以包括视频、图像、音频、拨打和接听的电话、浏览历史和书签、以及电话簿。
视图系统包括可视控件，例如显示文字的控件和显示图片的控件。视图系统可用于构建应用程序。显示界面可以由一个或多个视图组成，例如，包括短信通知图标的显示界面，可以包括显示文字的视图以及显示图片的视图。
电话管理器用于提供电子设备100的通信功能，例如通话状态(接通或挂断)的管理。
资源管理器为应用程序提供各种资源，比如本地化字符串、图标、图片、布局文件和视频文件。
通知管理器使应用程序可以在状态栏中显示通知信息，可以用于传达告知类型的消息，可以短暂停留后自动消失，无需用户交互。比如通知管理器被用于下载完成告知和消息提醒。通知管理器还可以管理以图表或者滚动条文本形式出现在系统顶部状态栏的通知，例如后台运行的应用程序的通知。通知管理器还可以管理以对话窗口形式出现在屏幕上的通知，例如在状态栏提示文本信息、发出提示音、电子设备振动以及指示灯闪烁。
Android Runtime包括核心库和虚拟机。Android runtime负责安卓系统的调度和管理。
核心库包含两部分：一部分是java语言需要调用的功能函数，另一部分是安卓的核心库。
应用程序层和应用程序框架层运行在虚拟机中。虚拟机将应用程序层和应用程序框架层的java文件执行为二进制文件。虚拟机用于执行对象生命周期的管理、堆栈管理、线程管理、安全和异常的管理、以及垃圾回收等功能。
系统库可以包括多个功能模块，例如：表面管理器(surface manager)，媒体库(Media Libraries)，三维图形处理库(例如：针对嵌入式系统的开放图形库(opengraphics library for embedded systems，OpenGL ES)和2D图形引擎(例如：skia图形库(skia graphics library，SGL))。
表面管理器用于对显示子系统进行管理，并且为多个应用程序提供了2D图层和3D图层的融合。
媒体库支持多种音频格式的回放和录制、多种视频格式回放和录制以及静态图像文件。媒体库可以支持多种音视频编码格式，例如:MPEG4、H.264、动态图像专家组音频层面3(moving picture experts group audio layer III，MP3)、高级音频编码(advancedaudio coding，AAC)、自适应多码率(adaptive multi-rate，AMR)、联合图像专家组(jointphotographic experts group，JPG)和便携式网络图形(portable network graphics，PNG)。
三维图形处理库可以用于实现三维图形绘图、图像渲染、合成和图层处理。
二维图形引擎是2D绘图的绘图引擎。
内核层是硬件和软件之间的层。内核层可以包括指纹模组驱动、显示驱动、摄像头驱动、音频驱动和传感器驱动等驱动模块。
TEE层可以给Android系统提供安全服务。TEE层用于执行各类生物识别算法。TEE层通常用于运行关键的操作：(1)、移动支付：指纹验证、PIN码输入等；(2)、机密数据：私钥、证书等的安全存储；(3)、内容包括：DRM(数字版权保护)等。
在一些可能的实施例中，TEE层包括指纹录入模块、指纹验证模块、指纹校准图更新模块。指纹校准图更新模块用于对指纹校准图进行自适应更新。指纹校准图更新模块可以独立设置于TEE中，也可以设置于指纹录入模块中，也可以设置于指纹验证模块中。
在一些实施例中，指纹录入模块用于采集待录入的指纹图像。指纹校准图更新模块用于基于第一校准图对所述待录入的指纹图像进行校准处理，得到第一指纹图像；确定所述电子设备中是否存在自适应校准图；在所述电子设备中存在自适应校准图时，利用所述第一指纹图像以及第一更新系数对所述第一校准图进行更新，获得第二校准图，所述第一校准图为自适应校准图，所述第二校准图用于对采集的指纹图像进行校准处理；在所述电子设备中不存在自适应校准图时，利用所述第一指纹图像生成第三校准图，所述第三校准图用于对采集的指纹图像进行校准处理，其中，所述第三校准图为对多帧指纹图像进行求和取平均得到的图像，所述多帧指纹图像包括所述第一指纹图像，或者，所述第三校准图为利用所述第一指纹图像对所述第一校准图进行更新得到的图像。
在一些实施例中，指纹验证模块用于采集待验证的指纹图像；基于第四校准图对所述待验证的指纹图像进行校准处理，得到第六指纹图像；基于指纹模板对所述第六指纹图像进行验证；判断所述第六指纹图像是否验证成功；指纹校准图更新模块用于在所述第六指纹图像验证成功后，判断所述电子设备中是否存在自适应校准图；在所述电子设备中存在自适应校准图时，利用所述第六指纹图像以及第三更新系数对所述第四校准图进行更新，获得第五校准图，其中，所述第四校准图为自适应校准图；在所述电子设备中不存在自适应校准图时，利用所述第六指纹图像以及第四更新系数对所述出厂校准图进行更新，获得第六校准图，所述第六校准图为更新后的出厂校准图，其中，所述第四校准图为出厂校准图。
示例性地，通过内核层中的指纹模组驱动调用指纹模组采集指纹数据，然后将采集的指纹数据传送至TEE层进行处理。
应理解，以上基于图2对电子设备的结构图进行举例说明，通过图3对本申请实施例的软件架构进行示例说明，但是本申请实施例并不限于此。
通常而言，电子设备中会在产线生产时预置出厂指纹校准图(factorybase)。出厂指纹校准图用于拟合光学指纹器件与屏幕间的噪声。出厂指纹校准图可通过一组参数表征。出厂指纹校准图的尺寸大小与光学指纹器件采集的指纹图像的尺寸大小一致。利用光学指纹器件采集的指纹图像减去指纹校准图，可以实现对指纹图像的校准。但是，随着用户对电子设备的使用，或者外界环境的变化，出厂预置在电子设备中的指纹校准图的效果会变差，无法对采集的指纹图像实现最佳校准。
此处作统一说明，指纹校准图也可称作指纹校准模板，校准图(base)等描述。为了便于描述，本申请实施例将用校准图进行描述。
有鉴于此，本申请实施例提出了一种用于指纹识别的方法，通过在指纹录入流程中或指纹验证流程中，引入自适应校准图(adaptivebase)，并基于对电子设备的校准图(比如，出厂指纹校准图)进行自适应更新，以期提高校准图与当前环境的适配程度，提升用户的解锁体验。
以下结合图4至图8描述根据本申请实施例的用于指纹识别的方法。可以理解，以下所示的指纹识别的方法可以在具备上述硬件结构的电子设备(比如，图2所示的电子设备)中实现。
图4是指纹识别的一个全局流程示意框图。如图4所示，指纹识别通常包括指纹录入过程和指纹验证过程。示例性地，指纹录入过程可以通过图3中的指纹录入模块实现；指纹验证过程可以通过图3中的指纹验证模块实现。如图4所示，指纹录入过程和指纹验证过程中均可以包括校准图(Base)更新流程。可选地，校准图(Base)更新流程可以包括异物拦截流程。在本申请实施例中，指纹录入过程中和指纹验证过程中均可以涉及指纹校准图的更新过程。后文会分别介绍指纹校准图的更新过程在指纹录入过程和指纹验证过程中的具体更新方法。
指纹录入过程可以理解为：对采集的用户指纹图像进行预处理，并基于预处理后的指纹图像进行特征提取，最后将提取的指纹特征存储为指纹模板的过程。
示例性地，对于指纹录入过程而言，通常会涉及以下处理流程：预处理(亮度归一化)、去噪、质量卡控、提取指纹传统特征、提取指纹高阶特征、模板压缩存储。
其中，预处理是对采集的指纹图像进行亮度归一化、去噪等图像处理的过程。
去噪是对指纹图像进行图像去噪处理，以消除指纹图像的噪声干扰。本申请实施例对去噪方法不作具体限定。比如，去噪方法采用小波变换、双边滤波等。
应理解，上述只是以预处理包括亮度归一化和去噪为例进行描述，本申请实施例并不限于此。事实上，预处理可以包括其他处理操作，比如，滤波处理、图像增强处理、二值化处理等等。
质量卡控：是指对预处理后的指纹图像的图像质量进行判断，过滤掉低质量的指纹图像，获得高质量的指纹图像，以便录入高质量的指纹图像。
提取指纹传统特征是指基于去噪后的指纹图像初步提取指纹的特征。指纹传统特征可以理解为指纹的整体特征(或者说全局特征)。
提取指纹高阶特征是指从细化后的指纹图中提取指纹的细节特征点。指纹高阶特征可以理解为是比指纹传统特征更细节的局部特征。
模板压缩存储指对提取的指纹特征进行存储的过程。通常而言，提取的指纹特征的结果保存为特征模板进行存储。
示例性地，指纹验证过程可以理解为：在采集到待验证指纹图像后，对待验证指纹图像进行预处理，并基于预处理后的待验证指纹图像与指纹模板进行特征匹配的过程。
示例性地，对于指纹验证过程而言，涉及以下处理流程：预处理(亮度归一化)、去噪、质量卡控、提取指纹传统特征、提取指纹高阶特征、指纹匹配。
关于预处理、去噪、质量卡控、提取指纹传统特征、提取指纹高阶特征的描述可以参考指纹录入过程中的描述，为了简洁，此处不再赘述。
应理解，图4中示出的流程示意框图只是示例性描述，本申请实施例并不限于此。
以下将结合图5中的示例描述本申请实施例的指纹录入流程。图5是根据本申请实施例的用于指纹识别的方法500的示意性流程图。应理解，图5中示出的方法500可应用于图1中示出的指纹解锁场景。如图5所示，所述方法500包括：
步骤501，采集待录入的指纹图像。
示例性地，用户在进行指纹录入时，通过按压指纹解锁区域实现指纹特征的录入过程。指纹模组基于用户的按压采集待录入的指纹图像的特征。比如，在光学指纹场景中，用户通过按压指纹解锁区域(比如图1中(1)所示的指纹解锁区域10)录入指纹。
应理解，在进行指纹录入时，针对同一手指，用户可以按压多次，以便充分采集指纹的特征。录入指纹可以理解为采集用户指纹特征的过程。
此处采集的待录入指纹图像为原始RAW图，即未经过图像处理的原始图像数据。
步骤502，基于第一校准图(或称作第一指纹校准图，或第一指纹校准模板等)对所述待录入的指纹图像进行校准处理，得到第一指纹图像。
需要说明的是，此处的第一校准图可能是自适应校准图，也可能是出厂校准图。如果是自适应校准图，那么此处是以自适应校准图对待录入的指纹图像进行校准处理。如果是出厂校准图，那么此处是以出厂校准图对待录入的指纹图像进行校准处理。
校准处理是利用第一校准图对采集的指纹图像进行图像校准的过程。校准处理也可以称作指纹图像前处理的过程。
另外需要说明的是，校准处理针对的是采集的指纹图像的原始RAW图，或者说是未经过处理的图像数据。
示例性地，利用第一校准图对待录入的指纹图像进行校准处理包括以下步骤：步骤(1)，将待录入的指纹图像的RAW图与第一校准图进行像素相减，并对得到的结果进行归一化处理；步骤(2)，对步骤(1)得到的归一化结果进行中值滤波处理，以使得指纹图像的像素点处于同一亮度水平。经过步骤(1)和步骤(2)处理后，可以得到第一指纹图像。第一指纹图像可以用于校准图的更新流程。
应理解，上述校准处理的过程仅是示例性描述，本申请实施例并不限于此。
为了提高第一指纹图像的可靠性，还可以引入其他判断因素对第一指纹图像进行评估，以提高自适应校准图的有效性。比如，真假手指判断，异物场景，或者与已录入指纹的重叠面积等。应理解，本申请实施例对判断真假手指、判断是否异物场景以及判断与已录入指纹的重叠面积的先后顺序不作具体限定。以下步骤503-1和步骤504只是示例性描述，本申请实施例并不限于此。
可选地，步骤503-1，判断第一指纹图像是否满足第一预设条件，所述第一指纹图像满足第一预设条件包括：所述第一指纹图像满足真手指场景，和/或，所述第一指纹图像满足非异物场景。在第一指纹图像满足第一预设条件时，可以执行步骤504或步骤505；在第一指纹图像不满足第一预设条件时，可以执行步骤503-2。
本申请实施例对如何检测指纹图像是否为真手指场景的算法，以及，如何识别指纹图像是否是在非异物场景下采集的算法不作具体限定。
示例性地，通过防伪检测算法或其他真假手指检测算法，确定所述第一指纹图像满足真手指场景，以避免将利用假手指采集的指纹图像或者异物场景下采集的指纹图像更新到自适应校准图中。
示例性地，通过异物检测算法，识别所述第一指纹图像满足非异物场景，以避免将在异物场景下采集的指纹图像或者更新到自适应校准图中。
可选地，步骤503-2，对V次录入的指纹图像进行依次遍历，执行步骤503-1和步骤504。应理解，此处V次录入的指纹图像均是基于第一校准图进行校准处理后得到的指纹图像。V为大于或等于2的整数。
可选地，步骤504，在所述第一指纹图像满足第一预设条件时，判断所述第一指纹图像与第二指纹图像的重叠面积是否小于第一面积阈值，所述第二指纹图像指已录入的指纹图像。在第一指纹图像与第二指纹图像的重叠面积小于第一面积阈值时，执行步骤505；在第一指纹图像与第二指纹图像的重叠面积不小于第一面积阈值时，执行步骤503-2。
示例性地，所述第二指纹图像可以是V次录入的指纹图像中的某个指纹图像。所述第二指纹图像的采集时间早于所述第一指纹图像的采集时间。
示例性地，第一指纹图像与第二指纹图像的重叠面积越大，则说明用户在本次录入指纹时手指并未发生太多的移动，有可能本次采集的特征还是与之前采集的手指特征相同，甚至是相同位置的手指特征，这种情况是不被推荐的。为了采集同一手指的更多特征，引入第一面积阈值，筛选与第二指纹图像重叠区域较少的指纹图像，比如，第一指纹图像。这样，可以避免利用与历史录入指纹图像的重叠面积(或者重叠特征)较多的指纹图像，更新自适应校准图。
应理解，此处是以第二指纹图像泛指某个已录入的指纹图像，本申请实施例并不限于此。事实上，可以通过遍历多个已录入的指纹图像(比如步骤503-2中提到的V次录入的指纹图像)，与第一指纹图像的重叠面积进行对比。例如，假设本次录入的第一指纹图像为第4次录入，在这之前已经录入3次指纹图像，将第4次采集的第一指纹图像分别与前3次的指纹图像进行遍历，第4次采集的第一指纹图像与前3次采集的指纹图像的重叠面积均小于第一面积阈值。
步骤505，确定(或者说判断)电子设备中是否存在自适应校准图。
可选地，步骤505包括：在所述第一指纹图像与第二指纹图像的重叠面积小于第一阈值时，判断电子设备中是否存在自适应校准图。
示例性地，可以判断电子设备中是否存在自适应校准图。如果电子设备中存在自适应校准图，则执行步骤506，即对已存在的自适应校准图进行更新。如果电子设备中不存在自适应校准图，则执行步骤507，即初始生成自适应校准图。
本申请实施例对识别电子设备中是否存在自适应校准图的方式不作具体限定。比如，可以通过识别标识判定是否存在自适应校准图。示例性地，电子设备中预设有出厂校准图，出厂校准图的标识与自适应校准图的标识不同。
步骤506，在电子设备中存在自适应校准图时，利用所述第一指纹图像以及第一更新系数对所述第一校准图进行更新，获得第二校准图，所述第一校准图为自适应校准图，所述第二校准图用于对采集的指纹图像进行校准处理。
第二校准图可以理解为更新后的自适应校准图。当得到第二校准图后，后续采集的指纹图像采用第二校准图进行校准处理。校准处理的相关过程与前面利用第一校准图进行校准处理的过程类似。本申请实施例对计算第二校准图提供了多种方式，后文会详细描述。
另外，当获得第二校准图后，电子设备中可以不再保存第一校准图，或者说电子设备中始终存储的是最新的自适应校准图，有助于节省电子设备的存储空间。
示例性地，当电子设备中存在自适应校准图时，前述对第一指纹图像进行校准处理的校准图即为自适应校准图，即第一校准图。
示例性地，“利用所述第一指纹图像以及第一更新系数对所述第一校准图进行更新，获得第二校准图”可以理解为：通过第一更新系数、第一指纹图像的像素值以及第一校准图进行一系列计算，得到更新后的自适应校准图(比如第二校准图)。
第一更新系数为对第一校准图进行更新的更新系数。可以理解，本申请实施例对第一更新系数的取值不作具体限定。
步骤507，在电子设备中不存在自适应校准图时(此时，前述第一校准图为出厂校准图)，利用所述第一指纹图像生成第三校准图，所述第三校准图用于对采集的指纹图像进行校准处理，其中，所述第三校准图为对多帧指纹图像进行求和取平均得到的图像，所述多帧指纹图像包括所述第一指纹图像，或者，所述第三校准图为利用所述第一指纹图像对所述第一校准图进行更新得到的图像。其中，所述第一校准图为出厂校准图。
第三校准图可以理解为初始生成的自适应校准图，或者是对出厂校准图进行更新后得到的校准图。当得到第三校准图后，后续采集的指纹图像采用第三校准图进行校准处理。校准处理的相关过程与前面利用第一校准图进行校准处理的过程类似。本申请实施例对计算第三校准图提供了多种方式，后文会详细描述。另外，当获得第三校准图后，电子设备中可以不再保存第一校准图，或者说电子设备中始终存储的是最新的校准图，有助于节省电子设备的存储空间。
当电子设备中不存在自适应校准图时，上述第一校准图为出厂校准图(即预置在电子设备中的出厂校准图)。
示例性地，在初始录入指纹的场景中，电子设备中的校准图是出厂校准图，可能还不存在自适应校准图。当电子设备中不存在自适应校准图时，可以生成自适应校准图，或者，对出厂校准图进行更新。
在本申请实施例中，在指纹录入的过程中，通过对录入的指纹图像进行校准处理，并判断当前是否存在自适应校准图；如果存在自适应校准图，则利用本次录入的指纹图像对自适应校准图进行自适应更新；如果不存在自适应校准图，则可以基于本次录入的指纹图像生成自适应校准图，或者对出厂校准图进行更新，以使得电子设备始终保存最新更新的校准图。相比于现有技术中出厂校准图自出厂后就不再更新，本申请实施例在指纹录入流程中引入自适应校准图的方式，能够提高电子设备的校准图与当前环境的适配程度，从而有助于实现对采集指纹的最佳校准，有助于提高指纹解锁率以及解锁速度，从而提升用户的指纹识别体验(比如解锁体验)。
对于电子设备中存在自适应校准图的情况，本申请实施例提供了三种更新自适应校准图的方式。以下将分别进行详细描述。
方式一
可选地，作为一个实施例，对于步骤506，利用第一指纹图像以及第一更新系数对第一校准图进行更新，包括：
采用下式对第一校准图进行更新：
Y3(N)＝Y3(N-1)*(1-λ3)+Raw(k)*λ3
或者说，在方式一中，所述第二校准图满足上式。其中，Y3(N)表示第二校准图；Y3(N-1)表示第一校准图；λ3表示所述第一更新系数；Raw(k)表示所述第一指纹图像的像素值。
通过方式一，可以实现对自适应校准图的迭代更新，以使得自适应校准图能够更好地适用于指纹识别场景，从而更符合用户的个人适用场景。
方式二
可选地，作为一个实施例，对于步骤506，利用所述第一指纹图像以及第一更新系数对所述第一校准图进行更新，包括：
对所述第一指纹图像进行快速傅里叶变换处理，得到第三指纹图像；
对所述第三指纹图像进行低通滤波处理，得到第四指纹图像；
对所述第四指纹图像进行逆快速傅里叶变换处理，得到第五指纹图像；
利用所述第五指纹图像以及所述第一更新次数所述第一校准图进行更新，获得所述第二校准图。
快速傅里叶变换处理用于将第一指纹图像的像素值从时域转换为频域，为后续作低通滤波处理提供准备工作。
低通滤波处理用于剔除指纹图像的高频分量，从而抑制指纹图像的噪声，提高指纹图像的质量，有助于提高指纹校准图的准确性。
逆快速傅里叶变换处理用于将低通滤波处理后的指纹图像从频域转换到时域，为后续利用指纹图像的像素值计算自适应校准图提供准备工作。
通过上述处理流程，能够避免将指纹图像的噪声更新到自适应校准图中，有助于提高自适应校准图的准确性和质量。
可选地，在方式二中，利用所述第一指纹图像以及第一更新系数对所述第一校准图进行更新，包括：
采用下式对所述第一校准图进行更新：
Y2(N)＝Y2(N-1)*(1-λ2)+IFFT(Filter(FFT(Raw(k))))*λ2
或者说，所述第二校准图满足上式。其中，Y2表示第二校准图；Y2(N-1)表示第一校准图；λ2表示所述第一更新系数；FFT()表示快速傅里叶变换处理，Filter()表示低通滤波处理，IFFT()表示逆快速傅里叶变换处理。
通过方式二，在利用第一指纹图像进行自适应校准图更新时，可以预先对第一指纹图像进行图像处理，避免将第一指纹图像的干扰噪声更新到自适应校准图中，有助于提高自适应校准图的准确性和质量。
应理解，方式二中仅是示出了对第一指纹图像的部分处理过程，本申请实施例并不限于此。事实上，本领域技术人员基于上述处理过程，可以合理新增其他提高第一指纹图像的图像质量的处理流程，均落入本申请实施例的保护范围。
方式三
可选地，作为一个实施例，在电子设备中存在自适应校准图时，在步骤506之前，所述方法500还包括：
步骤508，判断当前是否累计采集到M帧指纹图像，所述M帧指纹图像包括所述第一指纹图像。M为大于或等于2的整数。
示例性地，如果累计采集到M帧指纹图像，所述第一指纹图像可以为所述M帧指纹图像的最后一帧图像。
可选地，在未采集到M帧指纹图像时，不对所述第一校准图进行更新；
在采集到M帧指纹图像时，所述利用所述第一指纹图像以及第一更新系数对所述第一校准图进行自适应更新，包括：利用所述M帧指纹图像以及第一更新系数对所述第一校准图进行自适应更新。
也就是说，在判断出存在自适应校准图(比如第一校准图)时，还可以判断当前是否采集到多帧(比如M帧)指纹图像。如果采集到了多帧指纹图像，才对自适应校准图进行自适应更新；如果未采集到多帧指纹图像，那么不对自适应校准图进行更新。这样做的好处在于，能够避免对自适应校准图进行频繁更新。并且，还可以减少特殊指纹图像(包括但不限于假手指指纹图像、异物场景下采集的指纹图像、与已录入指纹的重叠面积过大的指纹图像)对自适应校准图的影响。
可选地，利用M帧指纹图像以及第一更新系数对所述第一校准图进行自适应更新，包括：对M帧指纹图像进行求和并取平均值，然后基于该平均值以及第一更新系数对所述第一校准图进行自适应更新。
示例性地，基于所述M帧指纹图像对所述第一校准图进行更新，包括：
采用下式对所述第一校准图进行更新：
或者说，第二校准图满足上式。其中，Y1(N)表示第二校准图；Y1(N-1)表示第一校准图；λ1表示第一更新系数；表示对所述M帧指纹图像的像素值求和之后取平均得到的值。
通过方式三，在利用第一指纹图像进行自适应校准图更新时，在采集到多帧指纹图像后，才对自适应校准图进行更新，能够避免对自适应校准图进行频繁更新，还能节省电子设备的功耗。并且，还可以减少特殊指纹图像对自适应校准图的影响。
以上描述了电子设备中存在自适应校准图的情况，对于电子设备中不存在自适应校准图的情况，本申请实施例还提供了生成自适应校准图的方式。以下将进行详细描述。
可选地，可以通过第一数量的大小决定是否生成自适应校准图。所述第一数量用于表征自适应校准图的更新次数。比如，第一数量通过adaptivecount表示。
示例性地，如果第一数量大于或等于第一阈值，那么可以将对多帧指纹图像进行求和取平均得到的图像，作为自适应校准图(比如第三校准图)。或者说，对多帧指纹图像进行求和取平均，生成第三校准图。或者说，在所述第三校准图为对多帧指纹图像进行求和取平均得到的图像时，第一数量大于或等于第一阈值。
示例性地，如果第一数量小于第一阈值，此种情况不生成自适应校准图。此时可提供另一保底策略，利用当前采集的第一指纹图像对出厂校准图进行更新，生成更新后的出厂校准图，并将更新后的出厂校准图作为第三校准图。或者说，在所述第三校准图为对所述第一校准图进行更新得到的图像时，所述第一数量小于第一阈值。这样做的好处在于，如果没有生成自适应校准图，还可对出厂校准图进行更新，以提供备选方案。
以下将结合图6描述生成第三校准图的示例流程。应理解，图6中示出的方法可以与图5中的方法组合实施，也可以独立实施，对此不作具体限定。比如，图6中示出的步骤601至步骤607可以替换图5中的步骤507。还应理解，图6中涉及的部分术语或概念可以参考前文图5的描述，为了简洁，下面将不再赘述。
如图6所示，该方法包括：
步骤600，初始更新自适应校准图。
步骤601，确定(或者说判断)Q0是否小于第一阈值，所述Q0用于表征第一数量的初始值。第一数量用于表征自适应校准图的更新次数。
如果Q0小于所述第一阈值，则执行步骤602-1和步骤602-2；如果Q0不小于所述第一阈值，则不再更新自适应校准图。
比如，如果电子设备中不存在自适应校准图，在初始生成自适应校准图时，Q0的取值为0。
步骤602-1，如果Q0小于所述第一阈值，将第一指纹图像的像素值累加到像素累计值中。
上述像素累计值表示多帧指纹图像的像素和。
步骤602-2，如果Q0小于所述第一阈值，利用第一指纹图像以及第二更新系数对所述第一校准图进行更新，得到更新后的出厂校准图。
类似地，利用第一指纹图像以及第二更新系数对所述第一校准图进行更新，得到更新后的出厂校准图，具体也可以包括两种方式，类似于前文在电子设备中存在自适应校准图时的方式一和方式二。
可选地，作为一个实施例，可采用下式对出厂校准图进行更新：
FactoryBase(N)＝FactoryBase(N-1)*(1-λ4)+Raw(k)*λ4
其中，FactoryBase(N)表示更新后的出厂校准图；FactoryBase(N-1)表示第一校准图(或者说出厂校准图)；λ4表示所述第二更新系数；Raw(k)表示第一指纹图像的像素值。
或者，可选地，作为一个实施例，可采用下式对出厂校准图进行更新：
FactoryBase(N)＝FactoryBase(N-1)*(1-λ4)+IFFT(Filter(FFT(Raw(k))))*λ4
其中，FactoryBase(N)表示更新后的出厂校准图；FactoryBase(N-1)表示第一校准图(或者说出厂校准图)；λ4表示所述第二更新系数；Raw(k)表示第一指纹图像的像素值；FFT()表示快速傅里叶变换处理，Filter()表示低通滤波处理，IFFT()表示逆快速傅里叶变换处理。
步骤603，对Q0进行累加第二阈值的处理，得到Qn，所述Qn用于表征所述第一数量更新后的值。
比如，第二阈值可以取1，步骤603即对Q0进行加一处理，得到Qn。在执行步骤602-1或者步骤602-2后，可以更新Q0，得到Qn。
步骤604，确定(或者说判断)W是否达到第三阈值，W表示录入指纹的次数。W是大于或等于2的整数。
在步骤603之后，可以判断录入指纹的次数(用W表示)是否达到最大上限值。如果W还未达到上限，那么可以执行步骤605。如果W已经达到最大上限，则停止录入指纹。
第三阈值可以基于指纹录入的上限值决定。比如，指纹录入的上限次数为30次。当录入指纹的次数未达到30次时，可以执行步骤605。
步骤605，在W未达到第三阈值时，判断Qn是否小于第一阈值。
在Qn大于或等于所述第一阈值时，执行步骤606；在Qn小于第一阈值时，执行步骤607。
应理解，本申请实施例对第一阈值的取值不作具体限定。本领域技术人员可以基于实际需求选择合理的第一阈值，以便约束生成自适应校准图所需的更新次数。
可选地，第一阈值可基于录入指纹的次数的下限值确定。示例性地，第一阈值大于或等于录入指纹次数的下限值。在某些极端情况下，录入指纹的次数达到下限值时，就可以采集到同一手指足够多的特征，无需再进行指纹按压。比如，如果录入指纹的次数的下限值是10，那么第一阈值的取值为大于或等于10。这样做的好处在于，在录入指纹的次数达到下限值时，能够实现自适应校准图的更新。
步骤606，基于像素累计值确定所述第三校准图，其中，所述第三校准图为对所述像素累计值进行求平均获得的图像，所述像素累计值是通过对多帧指纹图像的像素值进行相加获得。
需要说明的是，在电子设备中不存在自适应校准图时，针对同一手指的多次录入，每次录入时如果初始更新校准图，都可以执行步骤602-1至步骤603。这样，在步骤606处，自适应更新次数就会累加到一定数量，像素累计值也会累加到一定数量。
比如，如果Qn最终累加到15次，那么得到15帧图像，通过对该15帧图像的像素值进行求和并取平均值，将得到的平均值作为生成的自适应校准图(比如第三校准图)。
比如，在所述Qn大于或等于第一阈值时，生成的自适应校准图满足下式：
其中，SUM(AdaptiveBase)表示多帧指纹图像的像素累计值。AdaptiveBase表示生成的自适应校准图(或者第三校准图)。
步骤607，本次录入未生成自适应校准图。可选地，可将步骤602-2中更新后的出厂校准图作为所述第三校准图。
应理解，图6中示出的流程仅是示例性描述，本申请实施例并不限于此。
基于图6中示出的方法流程，在指纹录入流程中，为电子设备中不存在自适应校准图提供了解决方案。
本申请还提供了指纹验证流程中对校准图的更新流程。以下将进行详细描述。应理解，指纹录入流程与指纹验证流程可以组合使用，也可以独立实施，本申请实施例不作具体限定。还应理解，图7中涉及的部分术语或概念可以参考图5中的描述，为了简洁，下文对出现与前文相同的术语或概念将不再赘述其含义。
图7示出了本申请实施例的指纹验证流程的示意性流程图。应理解，图7中示出的方法700可以与图5中的方法500组合实施，也可以独立实施，对此不作具体限定。
如图7所示，该方法700包括以下步骤：
步骤701，采集待验证的指纹图像。
示例性地，用户在进行指纹验证时，可以通过按压指纹解锁区域实现指纹特征的验证过程。指纹模组基于用户的按压采集待验证的指纹图像的特征，为后续验证指纹提供准备工作。比如，在光学指纹场景中，用户通过按压指纹解锁区域(比如图1中(1)所示的指纹解锁区域10)进行指纹验证。
此处采集的待验证的指纹图像为原始RAW图，即未经过图像处理的原始图像数据。
步骤702，基于第四校准图对所述待验证的指纹图像进行校准处理，得到第六指纹图像。
此处的第四校准图可以类似于录入流程中的第一校准图，即前文步骤502提到的第一校准图。
类似的，此处的第四校准图可能是自适应校准图，也可能是出厂校准图。如果是自适应校准图，那么此处是以自适应校准图对待录入的指纹图像进行校准处理。如果是出厂校准图，那么此处是以出厂校准图对待录入的指纹图像进行校准处理。
校准处理的相关描述可以参考前文，此处不再赘述。示例性地，利用第四校准图对待验证的指纹图像进行校准处理包括以下步骤：步骤(1)，将待验证的指纹图像的RAW图与第四校准图进行像素相减，并对得到的结果进行归一化处理；步骤(2)，对步骤(1)得到的归一化结果进行中值滤波处理，以使得指纹图像的像素点处于同一亮度水平。经过步骤(1)和步骤(2)处理后，可以得到第六指纹图像。第六指纹图像是否可以用于校准图的更新流程还需取决于后续的判断因素。
步骤703，基于指纹模板对所述第六指纹图像进行验证(或者说匹配)。
指纹模板可以是指纹模板库中存储的指纹模板。指纹模板库中可以包括多个指纹模板。在验证时可以对多个指纹模板进行依次匹配，直至匹配成功或匹配失败。
可选地，在对第六指纹图像进行验证之前，可以对第六指纹图像进行预处理，并基于预处理后的指纹图像进行验证。
应理解，对第六指纹图像进行验证的算法可以采用现有的指纹验证算法，本申请实施例对指纹验证算法不作具体限定。
步骤704-1，判断第六指纹图像是否验证成功(或者说匹配成功)。在第六指纹图像验证成功后，可执行步骤704-2或步骤705；在第六指纹图像验证失败后，执行步骤708，即本次不更新第四校准图。
可选地，步骤704-2，在所述第六指纹图像验证成功后，判断所述第六指纹图像是否满足第二预设条件，所述第六指纹图像满足第二预设条件包括：所述第六指纹图像满足真手指场景，和/或，所述第六指纹图像满足非异物场景。
关于真手指场景和非异物场景的检测算法可以参考前文步骤503-1处的描述，为了简洁，此处不再赘述。
可选地，通过防伪检测算法或其他真假手指检测算法，确定所述第六指纹图像满足真手指场景，在指纹验证流程中，可以避免将利用假手指采集的指纹图像或者异物场景下采集的指纹图像更新到自适应校准图中。
可选地，通过异物检测算法，识别第六指纹图像满足非异物场景，在指纹验证流程中，可以避免将在异物场景下采集的指纹图像或者更新到自适应校准图中。
步骤705，在第六指纹图像验证成功后或者步骤704-2之后，判断电子设备中是否存在自适应校准图。在电子设备中存在自适应校准图时，执行步骤706；在电子设备中不存在自适应校准图时，执行步骤707。
一种实现方式，在第六指纹图像验证成功后，可进一步判断电子设备中是否存在自适应校准图。这样，在第六指纹图像验证成功后，才对校准图进行更新，能够提高校准图的准确性。
另一种实现方式，在第六指纹图像验证成功，且第六指纹图像满足第二预设条件时，进一步判断电子设备中是否存在自适应校准图。这样，在第六指纹图像验证成功后，才对校准图进行更新，有助于避免将以避免将利用假手指采集的指纹图像或者异物场景下采集的指纹图像更新到自适应校准图中。
步骤706，在电子设备中存在自适应校准图时，利用所述第六指纹图像以及第三更新系数对所述第四校准图进行更新，获得第五校准图，其中，所述第四校准图为自适应校准图。
第五校准图可以理解为更新后的自适应校准图。当得到第五校准图后，后续采集的指纹图像采用第五校准图进行校准处理。校准处理的相关过程与前面利用第二校准图进行校准处理的过程类似。本申请实施例对计算第五校准图提供了两种方式，后文会详细描述。
步骤707，在电子设备中不存在自适应校准图时，利用所述第六指纹图像以及第四更新系数对出厂校准图进行更新，获得第六校准图，所述第六校准图为更新后的出厂校准图，其中，所述第四校准图为所述出厂校准图。
第六校准图可以理解为对初始的出厂校准图进行更新后的校准图。也就是说，在电子设备中不存在自适应校准图时，对出厂校准图进行更新。
步骤708，本次不更新第四校准图。
在本申请实施例中，在指纹验证的过程中，通过对待验证的指纹图像进行校准处理，判断验证是否通过；如果验证通过，则继续并判断当前是否存在自适应校准图；如果存在自适应校准图，则利用本次验证通过的指纹图像对自适应校准图进行自适应更新；如果不存在自适应校准图，则可以基于本次验证通过的指纹图像对出厂校准图进行更新，以使得电子设备始终保存最新更新的校准图，有助于提高指纹解锁率以及解锁速度，从而提升用户的指纹识别体验(比如解锁体验)。
在指纹验证流程中，如果判断电子设备中存在自适应校准图(比如第四校准图)，可以利用以下两种方式对自适应校准图进行自适应更新。
方式一
可选地，作为一个实施例，对于步骤706，利用所述第六指纹图像以及第三更新系数对所述第四校准图进行更新，获得第五校准图，包括：
对所述第六指纹图像进行依次以下处理：快速傅里叶变换处理、低通滤波处理、逆快速傅里叶变换处理，并利用得到的指纹图像以及第三更新系数所述第四校准图进行更新，获得所述第五校准图。
快速傅里叶变换处理、低通滤波处理、逆快速傅里叶变换处理的相关描述可以参考前文描述，为了简洁，此处不再赘述。
通过上述处理流程，能够避免将指纹图像的噪声更新到自适应校准图中，有助于提高自适应校准图的准确性和质量。
示例性地，所述第五校准图满足下式：
Yadaptive(N)＝Yadaptive(N-1)*(1-λ4)+IFFT(Filter(FFT(Raw(s))))*λ4
其中，Yadaptive(N)表示第五校准图；Yadaptive(N-1)表示第四校准图；λ4表示所述第三更新系数；FFT()表示快速傅里叶变换处理，Filter()表示低通滤波处理，IFFT()表示逆快速傅里叶变换处理，Raw(s)表示所述第六指纹图像的像素值。
通过方式一，在利用第六指纹图像进行自适应校准图更新时，可以预先对第六指纹图像进行图像处理，避免将第六指纹图像的干扰噪声更新到自适应校准图中，有助于提高自适应校准图的准确性和质量。
应理解，上面仅是示出了对第六指纹图像的部分处理过程，本申请实施例并不限于此。事实上，本领域技术人员基于上述处理过程，可以合理新增其他提高第六指纹图像的图像质量的处理流程，均落入本申请实施例的保护范围。
方式二
可选地，作为一个实施例，对于步骤706，利用所述第六指纹图像以及第三更新系数对所述第四校准图进行更新，获得第五校准图，包括：
采用下式对第四校准图进行更新：
Yadaptive(N)＝Yadaptive(N-1)*(1-λ4)+Raw(s)*λ4
其中，Yadaptive(N)表示第五校准图；Yadaptive(N-1)表示第四校准图；λ4表示所述第三更新系数；Raw(s)表示所述第六指纹图像的像素值。
通过方式二，可以实现对自适应校准图的迭代更新，以使得自适应校准图能够更好地适用于指纹识别场景，从而更符合用户的个人适用场景。
在指纹验证流程中，如果判断电子设备中不存在自适应校准图，可以利用以下两种方式对出厂校准图进行自适应更新。此时第四校准图表示出厂校准图。
方式一
可选地，作为一个实施例，对于步骤707，利用所述第六指纹图像以及第四更新系数对出厂校准图进行更新，获得第六校准图，包括：
对所述第六指纹图像进行依次以下处理：快速傅里叶变换处理、低通滤波处理、逆快速傅里叶变换处理，并利用得到的指纹图像以及第三更新系数所述第四校准图进行更新，获得所述第六校准图。
示例性地，第六校准图满足下式：
Y更新factory＝Y初始factory*(1-λ4)+IFFT(Filter(FFT(Raw(s))))*λ4
其中，Y更新factory表示所述第六校准图；Y初始factory表示第四校准图；λ4表示所述第四更新系数；FFT()表示快速傅里叶变换处理，Filter()表示低通滤波处理，IFFT()表示逆快速傅里叶变换处理，Raw(s)表示所述第六指纹图像的像素值。
快速傅里叶变换处理、低通滤波处理、逆快速傅里叶变换处理的相关描述可以参考前文描述，为了简洁，此处不再赘述。
通过上述处理流程，能够避免将指纹图像的噪声更新到自适应校准图中，有助于提高自适应校准图的准确性和质量。
通过方式一，在利用第六指纹图像进行出厂校准图更新时，可以预先对第六指纹图像进行图像处理，避免将第六指纹图像的干扰噪声更新到更新后的出厂校准图中，有助于提高更新后的出厂校准图的准确性和质量。
应理解，上面仅是示出了对第六指纹图像的部分处理过程，本申请实施例并不限于此。事实上，本领域技术人员基于上述处理过程，可以合理新增其他提高第六指纹图像的图像质量的处理流程，均落入本申请实施例的保护范围。
方式二
可选地，作为一个实施例，对于步骤707，利用所述第六指纹图像以及第四更新系数对出厂校准图进行更新，获得第六校准图，包括：
Y更新factory(N)＝Y初始factory(N-1)*(1-λ4)+Raw(s)*λ4
其中，Y更新factory表示所述第六校准图；Y初始factory表示第四校准图；λ4表示所述第四更新系数；Raw(s)表示所述第六指纹图像的像素值。
通过方式二，可以实现对出厂校准图的迭代更新，以使得更新后的出厂校准图能够更好地适用于指纹识别场景，从而更符合用户的个人适用场景。
应理解，上文图5至图7中示出的流程仅是便于理解，本申请实施例并不限于此。
上文描述的指纹识别的方法可以认为是本申请实施例的指纹校准图更新功能。本申请实施例的指纹校准图更新功能可以固化在终端中，无需用户手动开启，也可以提供选项供用户手动开启或关闭。可选地，本申请实施例还提供了指纹校准图更新功能的开关选项，可供用户选择开启或关闭指纹校准图更新功能。
可选地，所述方法500或所述方法700还包括：显示第一界面，所述第一界面包括第一选项，所述第一选项用于选择开启或关闭指纹校准图更新功能。
第一界面是指纹设置界面。可以理解，本申请实施例对如何进入第一界面不作具体限定。比如，可以通过设置应用程序进入指纹设置界面。又比如，也可以通过关于指纹的应用程序进入指纹设置界面。
示例性地，可以在指纹设置界面中增加指纹校准图更新的开关选项(对应第一选项)。
图8是本申请实施例的一个界面示例图。如图8中(1)所示，用户点击设置1201，进入设置界面，比如图8中(2)所示的界面。可以理解，图8中(1)所示的界面中还可以包含其他应用程序的图标，比如，应用1至应用7。
如图8中(2)所示，界面中包括生物设备和密码控件1202。可以理解，图8中(2)所示的界面中还可以包含其他设置功能。比如，图8中(2)示出的应用设置、电池设置、存储设置、隐私设置等。
应理解，图8中(2)所示的设置选项只是部分设置功能的示例，本申请实施例并不限于此。还应理解，图8中(2)还示出了搜索设置项栏，用户可以在搜索设置项栏中快速搜索功能设置。
当用户点击生物设备和密码控件1202时，进入图8中(3)所示的界面。如图8中(3)所示，界面中包括指纹设置控件1203。
可选地，除了指纹设置控件1203外，图8中(3)还可以包括人脸识别设置控件，锁屏密码的管理控件(包括更改锁屏密码和关闭锁屏密码)，以及安全锁定设置控件，智能解锁控件。应理解，图8中(3)示出的生物识别和密码选项只是示例性说明，本申请实施例并不限于此。
当用户点击指纹设置控件1203后，界面显示如图8中(4)所示。如图8中(4)所示，界面中包括指纹校准图更新选项1204。用户可以点击指纹校准图更新选项1204，以实现开启或关闭指纹校准图更新功能。比如，图8中(4)示出的指纹校准图更新选项1204是开启状态。
可选地，除了指纹校准图更新选项1204，图8中(4)还可以包括指纹管理的其他控件。比如，图8中(4)中示出了指纹用途选项，包括：指纹用于解锁设备的选项、指纹用于访问应用锁的选项、指纹用于自动填充账户和密码的选项、指纹用于钱包快捷付款的选项。又比如，图8中(4)中示出了指纹列表管理选项，包括指纹1的管理控件、指纹2的管理控件、新建指纹选项、识别指纹选项。
应理解，图8中的应用场景仅仅是为了便于本领域技术人员理解，并非要将本申请实施例限于例示的具体场景。
上文结合图1至图8，详细描述了本申请实施例提供的指纹识别方法。下面将结合图9详细描述本申请的装置实施例。应理解，本申请实施例的指纹识别装置可以执行前述本申请实施例的各种指纹识别的方法，即以下各种产品的具体工作过程，可以参考前述方法实施例中的对应过程。
图9是本申请实施例的用于指纹识别装置900的示意性框图。应理解，装置900可以执行图4至图8所示的用于指纹识别的方法。
如图9所示，该指纹识别的装置900包括：采集单元910，处理单元920。可选地，装置900还包括匹配单元930。可选地，装置900还包括显示单元940。在一种可能的示例中，装置1300可以是终端设备。
在一个示例中，所述采集单元910用于采集待录入的指纹图像；
所述处理单元920用于基于第一校准图对所述待录入的指纹图像进行校准处理，得到第一指纹图像；
所述处理单元920还用于确定所述电子设备中是否存在自适应校准图；
在所述装置900中存在自适应校准图时，所述处理单元920还用于利用所述第一指纹图像以及第一更新系数对所述第一校准图进行更新，获得第二校准图，所述第一校准图为自适应校准图，所述第二校准图用于对采集的指纹图像进行校准处理；
在所述装置900中不存在自适应校准图时，所述处理单元920还用于利用所述第一指纹图像生成第三校准图，所述第三校准图用于对采集的指纹图像进行校准处理，其中，所述第三校准图为对多帧指纹图像进行求和取平均得到的图像，所述多帧指纹图像包括所述第一指纹图像，或者，所述第三校准图为利用所述第一指纹图像对所述第一校准图进行更新得到的图像。
可选地，作为一种实施例，所述处理单元920还用于在确定所述电子设备中是否存在自适应校准图之前，判断所述第一指纹图像与第二指纹图像的重叠面积是否小于第一面积阈值，所述第二指纹图像指已录入的指纹图像；
在所述第一指纹图像与第二指纹图像的重叠面积小于第一阈值时，确定所述装置900中是否存在自适应校准图。
可选地，作为一种实施例，所述处理单元920还用于在判断所述第一指纹图像与第二指纹图像的重叠面积是否小于第一面积阈值之前，判断所述第一指纹图像是否满足第一预设条件，其中，所述第一指纹图像满足第一预设条件包括：所述第一指纹图像满足真手指场景，和/或，所述第一指纹图像满足非异物场景；
在所述第一指纹图像满足第一预设条件时，判断所述第一指纹图像与第二指纹图像的重叠面积是否小于第一面积阈值。
可选地，作为一种实施例，所述处理单元920还用于在所述电子设备中存在自适应校准图时，判断当前是否累计采集到M帧指纹图像，所述M帧指纹图像包括所述第一指纹图像，所述第一指纹图像为所述M帧指纹图像的最后一帧图像；
在未采集到M帧指纹图像时，不对所述第一校准图进行更新；
在采集到M帧指纹图像时，利用所述M帧指纹图像以及第一更新系数对所述第一校准图进行自适应更新。
可选地，作为一种实施例，所述处理单元920用于基于所述M帧指纹图像对所述第一校准图进行更新，具体包括：
采用下式对所述第一校准图进行更新：
其中，Y1(N)表示第二校准图；Y1(N-1)表示第一校准图；λ1表示所述第一更新系数；表示对所述M帧指纹图像的像素值求和之后取平均得到的值。
可选地，作为一种实施例，在所述电子设备中存在自适应校准图时，所述处理单元920用于利用所述第一指纹图像以及第一更新系数对所述第一校准图进行更新，包括：
对所述第一指纹图像进行快速傅里叶变换处理，得到第三指纹图像；
对所述第三指纹图像进行低通滤波处理，得到第四指纹图像；
对所述第四指纹图像进行逆快速傅里叶变换处理，得到第五指纹图像；
利用所述第五指纹图像以及所述第一更新次数所述第一校准图进行更新，获得所述第二校准图。
可选地，作为一种实施例，所述第二校准图满足下式：
Y2(N)＝Y2(N-1)*(1-λ2)+IFFT(Filter(FFT(Raw(k))))*λ2
其中，Y2表示第二校准图；Y2(N-1)表示第一校准图；λ2表示所述第一更新系数；FFT()表示快速傅里叶变换处理，Filter()表示低通滤波处理，IFFT()表示逆快速傅里叶变换处理。
可选地，作为一种实施例，所述第二校准图满足下式：
Y3(N)＝Y3(N-1)*(1-λ3)+Raw(k)*λ3
其中，Y3(N)表示第二校准图；Y3(N-1)表示第一校准图；λ3表示所述第一更新系数；Raw(k)表示所述第一指纹图像的像素值。
可选地，作为一种实施例，在所述第三校准图为对多帧指纹图像进行求和取平均得到的图像时，第一数量大于或等于第一阈值，所述第一数量用于表征自适应校准图的更新次数；
在所述第三校准图为对所述第一校准图进行更新得到的图像时，所述第一数量小于第一阈值。
可选地，作为一种实施例，所述处理单元920用于利用第一指纹图像生成第三校准图，具体包括：
确定Q0是否小于第一阈值，所述Q0用于表征所述第一数量的初始值；
如果所述Q0小于所述第一阈值，利用所述第一指纹图像以及第二更新系数对所述第一校准图进行更新，得到更新后的出厂校准图；
将所述第一指纹图像的像素值累加到像素累计值中；
对所述Q0进行累加第二阈值的处理，得到Qn，所述Qn用于表征所述第一数量更新后的值；
确定W是否达到第三阈值，W表示采集指纹的次数；
在W未达到所述第三阈值时，判断所述Qn是否小于所述第一阈值；
在所述Qn大于或等于所述第一阈值时，基于所述像素累计值确定所述第三校准图，其中，所述第三校准图为对所述像素累计值进行求平均获得的图像，所述像素累计值是通过对多帧指纹图像的像素值进行相加获得；
在所述Qn小于第一阈值时，将所述更新后的出厂校准图作为所述第三校准图。
可选地，作为一种实施例，所述显示单元940用于：显示第一界面，所述第一界面包括第一选项，所述第一选项用于选择开启或关闭指纹校准图更新功能。
在另一个示例中，所述采集单元910用于采集待验证的指纹图像；
所述处理单元920用于基于第四校准图对所述待验证的指纹图像进行校准处理，得到第六指纹图像；
所述匹配单元930用于基于指纹模板对所述第六指纹图像进行验证；
所述处理单元920还用于判断所述第六指纹图像是否验证成功；
所述处理单元920还用于在所述第六指纹图像验证成功后，判断所述装置900中是否存在自适应校准图；
在所述装置900中存在自适应校准图时，所述处理单元920还用于利用所述第六指纹图像以及第三更新系数对所述第四校准图进行更新，获得第五校准图，其中，所述第四校准图为自适应校准图；
在所述装置900中不存在自适应校准图时，所述处理单元920还用于利用所述第六指纹图像以及第四更新系数对所述出厂校准图进行更新，获得第六校准图，所述第六校准图为更新后的出厂校准图，其中，所述第四校准图为出厂校准图。
可选地，作为一种实施例，所述处理单元920还用于在判断所述电子设备中是否存在自适应校准图之前，判断所述第六指纹图像是否满足第二预设条件，所述第六指纹图像满足第二预设条件包括：所述第六指纹图像满足真手指场景，和/或，所述第六指纹图像满足非异物场景；
在所述第六指纹图像满足第二预设条件时，判断所述装置900中是否存在自适应校准图。
可选地，作为一种实施例，所述第五校准图满足下式：
Yadaptive(N)＝Yadaptive(N-1)*(1-λ4)+IFFT(Filter(FFT(Raw(s))))*λ4；或者，
Yadaptive(N)＝Yadaptive(N-1)*(1-λ4)+Raw(s)*λ4
其中，Yadaptive(N)表示第五校准图；Yadaptive(N-1)表示第四校准图；λ4表示所述第三更新系数；FFT()表示快速傅里叶变换处理，Filter()表示低通滤波处理，IFFT()表示逆快速傅里叶变换处理，Raw(s)表示所述第六指纹图像的像素值。
可选地，作为一种实施例，所述第六校准图满足下式：
Y更新factory＝Y初始factory*(1-λ4)+IFFT(Filter(FFT(Raw(s))))*λ4；或者，
Y更新factory(N)＝Y初始factory(N-1)*(1-λ4)+Raw(s)*λ4
其中，Y更新factory表示所述第六校准图；Y初始factory表示第四校准图；λ4表示所述第四更新系数；FFT()表示快速傅里叶变换处理，Filter()表示低通滤波处理，IFFT()表示逆快速傅里叶变换处理，Raw(s)表示所述第六指纹图像的像素值。
可选地，作为一种实施例，所述显示单元940用于：显示第一界面，所述第一界面包括第一选项，所述第一选项用于选择开启或关闭指纹校准图更新功能。
在一种可能的示例中，处理单元920和匹配单元930可以通过处理器或处理单元实现。显示单元940可以通过屏幕实现。应理解，上述装置900以功能单元的形式体现。这里的术语“单元”可以通过软件和/或硬件的形式实现，本申请实施例对此不作具体限定。
例如，“单元”可以是实现上述功能的软件程序、硬件电路或者二者结合。所述硬件电路可能包括(applicationspecificintegratedcircuit，ASIC)应用特定集成电路、电子电路、执行一个或多个软件或固件程序的处理器(例如共享处理器、专有处理器或组处理器等)和存储器、集成逻辑电路，和/或其他可以提供上述功能的合适器件。在一个简单的实施例中，本领域的技术人员可以想到装置1300可以采用图2所示的形式。
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。
本申请还提供了一种计算机程序产品，该计算机程序产品被处理器执行时实现本申请中任一方法实施例所述的方法。
该计算机程序产品可以存储在存储器中，经过预处理、编译、汇编和链接等处理过程最终被转换为能够被处理器执行的可执行目标文件。
本申请还提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被计算机执行时实现本申请中任一方法实施例所述的方法。该计算机程序可以是高级语言程序，也可以是可执行目标程序。
该计算机可读存储介质可以是易失性存储器或非易失性存储器，或者，可以同时包括易失性存储器和非易失性存储器。其中，非易失性存储器可以是只读存储器(read-only memory，ROM)、可编程只读存储器(programmable ROM，PROM)、可擦除可编程只读存储器(erasable PROM，EPROM)、电可擦除可编程只读存储器(electrically EPROM，EEPROM)或闪存。易失性存储器可以是随机存取存储器(random access memory，RAM)，其用作外部高速缓存。通过示例性但不是限制性说明，许多形式的RAM可用，例如静态随机存取存储器(static RAM，SRAM)、动态随机存取存储器(dynamic RAM，DRAM)、同步动态随机存取存储器(synchronous DRAM，SDRAM)、双倍数据速率同步动态随机存取存储器(double data rateSDRAM，DDR SDRAM)、增强型同步动态随机存取存储器(enhanced SDRAM，ESDRAM)、同步连接动态随机存取存储器(synchlink DRAM，SLDRAM)和直接内存总线随机存取存储器(directrambus RAM，DR RAM)。
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ROM、随机存取存储器RAM、磁碟或者光盘等各种可以存储程序代码的介质。
应理解，在本申请的各种实施例中，各过程的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请的实施例的实施过程构成任何限定。
另外，本文中术语“系统”和“网络”在本文中常被可互换使用。本文中的术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。例如，A/B可以表示A或B。
本申请实施例中出现的术语(或者说编号)“第一”、“第二”、…等，仅用于描述目的，即只是为了区分不同的对象，比如，不同的“指纹图像”等，并不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”、…等的特征可以明示或者隐含地包括一个或者更多个特征。在本申请实施例的描述中，“至少一个(项)”是指一个或多个。“多个”的含义是两个或两个以上。“以下至少一个(项)”或其类似表达，是指这些项中的任意组合，包括单个(项)或复数个(项)的任意组合。
例如，本申请实施例中出现的类似于“项目包括如下中至少一种：A，B，以及C”表述的含义，如无特别说明，通常是指该项目可以为如下中任一个：A；B；C；A和B；A和C；B和C；A，B和C；A和A；A，A和A；A，A和B；A，A和C，A，B和B；A，C和C；B和B，B，B和B，B，B和C，C和C；C，C和C，以及其他A，B和C的组合。以上是以A，B和C共3个元素进行举例来说明该项目的可选用条目，当表达为“项目包括如下中至少一种：A，B，……，以及X”时，即表达中具有更多元素时，那么该项目可以适用的条目也可以按照前述规则获得。
总之，以上所述仅为本申请技术方案的较佳实施例而已，并非用于限定本申请的保护范围。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。

Claims (18)

1.一种用于指纹识别的方法，其特征在于，所述方法应用于电子设备，所述方法包括：
采集待录入的指纹图像；
基于第一校准图对所述待录入的指纹图像进行校准处理，得到第一指纹图像；
确定所述电子设备中是否存在自适应校准图；
在所述电子设备中存在自适应校准图时，利用所述第一指纹图像以及第一更新系数对所述第一校准图进行更新，获得第二校准图，所述第一校准图为自适应校准图，所述第二校准图用于对采集的指纹图像进行校准处理；
在所述电子设备中不存在自适应校准图时，利用所述第一指纹图像生成第三校准图，所述第三校准图用于对采集的指纹图像进行校准处理，其中，所述第三校准图为对多帧指纹图像进行求和取平均得到的图像，所述多帧指纹图像包括所述第一指纹图像，或者，所述第三校准图为利用所述第一指纹图像对所述第一校准图进行更新得到的图像。
2.根据权利要求1所述的方法，其特征在于，在确定所述电子设备中是否存在自适应校准图之前，所述方法还包括：
判断所述第一指纹图像与第二指纹图像的重叠面积是否小于第一面积阈值，所述第二指纹图像指已录入的指纹图像；
其中，所述确定所述电子设备中是否存在自适应校准图，包括：
在所述第一指纹图像与第二指纹图像的重叠面积小于第一阈值时，确定所述电子设备中是否存在自适应校准图。
3.根据权利要求2所述的方法，其特征在于，在判断所述第一指纹图像与第二指纹图像的重叠面积是否小于第一面积阈值之前，所述方法还包括：
判断所述第一指纹图像是否满足第一预设条件，其中，所述第一指纹图像满足第一预设条件包括：所述第一指纹图像满足真手指场景，和/或，所述第一指纹图像满足非异物场景；
其中，所述判断所述第一指纹图像与第二指纹图像的重叠面积是否小于第一面积阈值，包括：
在所述第一指纹图像满足第一预设条件时，判断所述第一指纹图像与第二指纹图像的重叠面积是否小于第一面积阈值。
4.根据权利要求1至3中任一项所述的方法，其特征在于，在所述电子设备中存在自适应校准图时，所述方法还包括：
判断当前是否累计采集到M帧指纹图像，所述M帧指纹图像包括所述第一指纹图像，所述第一指纹图像为所述M帧指纹图像的最后一帧图像，M大于或等于2的整数；
在未采集到M帧指纹图像时，不对所述第一校准图进行更新；
其中，所述利用所述第一指纹图像以及第一更新系数对所述第一校准图进行自适应更新，包括：
在采集到M帧指纹图像时，利用所述M帧指纹图像以及第一更新系数对所述第一校准图进行自适应更新。
5.根据权利要求4所述的方法，其特征在于，所述基于所述M帧指纹图像对所述第一校准图进行更新，包括：
采用下式对所述第一校准图进行更新：
其中，Y1(N)表示第二校准图；Y1(N-1)表示第一校准图；λ1表示所述第一更新系数；表示对所述M帧指纹图像的像素值求和之后取平均得到的值。
6.根据权利要求1至3中任一项所述的方法，其特征在于，在所述电子设备中存在自适应校准图时，利用所述第一指纹图像以及第一更新系数对所述第一校准图进行更新，包括：
对所述第一指纹图像进行快速傅里叶变换处理，得到第三指纹图像；
对所述第三指纹图像进行低通滤波处理，得到第四指纹图像；
对所述第四指纹图像进行逆快速傅里叶变换处理，得到第五指纹图像；
利用所述第五指纹图像以及所述第一更新次数所述第一校准图进行更新，获得所述第二校准图。
7.根据权利要求6所述的方法，其特征在于，所述第二校准图满足下式：
Y2(N)＝Y2(N-1)*(1-λ2)+IFFT(Filter(FFT(Raw(k))))*λ2
其中，Y2表示第二校准图；Y2(N-1)表示第一校准图；λ2表示所述第一更新系数；FFT()表示快速傅里叶变换处理，Filter()表示低通滤波处理，IFFT()表示逆快速傅里叶变换处理。
8.根据权利要求1至3中任一项所述的方法，其特征在于，所述第二校准图满足下式：
Y3(N)＝Y3(N-1)*(1-λ3)+Raw(k)*λ3
其中，Y3(N)表示第二校准图；Y3(N-1)表示第一校准图；λ3表示所述第一更新系数；Raw(k)表示所述第一指纹图像的像素值。
9.根据权利要求1至3中任一项所述的方法，其特征在于，
在所述第三校准图为对多帧指纹图像进行求和取平均得到的图像时，第一数量大于或等于第一阈值，所述第一数量用于表征在生成所述第三校准图时的自适应更新次数；
在所述第三校准图为对所述第一校准图进行更新得到的图像时，所述第一数量小于第一阈值。
10.根据权利要求9所述的方法，其特征在于，所述利用第一指纹图像生成第三校准图，包括：
确定Q0是否小于第一阈值，所述Q0用于表征所述第一数量的初始值；
如果所述Q0小于所述第一阈值，利用所述第一指纹图像以及第二更新系数对所述第一校准图进行更新，得到更新后的出厂校准图；
将所述第一指纹图像的像素值累加到像素累计值中；
对所述Q0进行累加第二阈值的处理，得到Qn，所述Qn用于表征所述第一数量更新后的值；
确定W是否达到第三阈值，W表示采集指纹的次数；
在W未达到所述第三阈值时，判断所述Qn是否小于所述第一阈值；
在所述Qn大于或等于所述第一阈值时，基于所述像素累计值确定所述第三校准图，其中，所述第三校准图为对所述像素累计值进行求平均获得的图像，所述像素累计值是通过对多帧指纹图像的像素值进行相加获得；
在所述Qn小于第一阈值时，将所述更新后的出厂校准图作为所述第三校准图。
11.一种用于指纹识别的方法，其特征在于，所述方法应用于电子设备，所述方法包括：
采集待验证的指纹图像；
基于第四校准图对所述待验证的指纹图像进行校准处理，得到第六指纹图像；
基于指纹模板对所述第六指纹图像进行验证；
判断所述第六指纹图像是否验证成功；
在所述第六指纹图像验证成功后，判断所述电子设备中是否存在自适应校准图；
在所述电子设备中存在自适应校准图时，利用所述第六指纹图像以及第三更新系数对所述第四校准图进行更新，获得第五校准图，其中，所述第四校准图为自适应校准图；
在所述电子设备中不存在自适应校准图时，利用所述第六指纹图像以及第四更新系数对出厂校准图进行更新，获得第六校准图，所述第六校准图为更新后的出厂校准图，其中，所述第四校准图为所述出厂校准图。
12.根据权利要求11所述的方法，其特征在于，在判断所述电子设备中是否存在自适应校准图之前，所述方法还包括：
判断所述第六指纹图像是否满足第二预设条件，所述第六指纹图像满足第二预设条件包括：所述第六指纹图像满足真手指场景，和/或，所述第六指纹图像满足非异物场景；
其中，所述判断所述电子设备中是否存在自适应校准图，包括：
在所述第六指纹图像满足第二预设条件时，判断所述电子设备中是否存在自适应校准图。
13.根据权利要求11或12所述的方法，其特征在于，所述第五校准图满足下式：
Yadaptive(N)＝Yadaptive(N-1)*(1-λ4)+IFFT(Filter(FFT(Raw(s))))*λ4；或者，
Yadaptive(N)＝Yadaptive(N-1)*(1-λ4)+Raw(s)*λ4
其中，Yadaptive(N)表示第五校准图；Yadaptive(N-1)表示第四校准图；λ4表示所述第三更新系数；FFT()表示快速傅里叶变换处理，Filter()表示低通滤波处理，IFFT()表示逆快速傅里叶变换处理，Raw(s)表示所述第六指纹图像的像素值。
14.根据权利要求11或12所述的方法，其特征在于，所述第六校准图满足下式：
Y更新factory＝Y初始factory*(1-λ4)+IFFT(Filter(FFT(Raw(s))))*λ4；或者，
Y更新factory(N)＝Y初始factory(N-1)*(1-λ4)+Raw(s)*λ4
其中，Y更新factory表示所述第六校准图；Y初始factory表示第四校准图；λ4表示所述第四更新系数；FFT()表示快速傅里叶变换处理，Filter()表示低通滤波处理，IFFT()表示逆快速傅里叶变换处理，Raw(s)表示所述第六指纹图像的像素值。
15.根据权利要求1至3、11和12中任一项所述的方法，其特征在于，所述方法还包括：
显示第一界面，所述第一界面包括第一选项，所述第一选项用于选择开启或关闭指纹校准图更新功能。
16.一种电子设备，其特征在于，包括处理器和存储器，所述处理器和所述存储器耦合，所述存储器用于存储计算机程序，当所述计算机程序被所述处理器执行时，使得所述电子设备执行权利要求1至15中任一项所述的方法。
17.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，当所述计算机程序被处理器执行时，使得所述处理器执行权利要求1至15中任一项所述的方法。
18.一种芯片，其特征在于，包括处理器，当所述处理器执行指令时，所述处理器执行如权利要求1至15中任一项所述的方法。
CN202210994179.1A 2022-08-18 2022-08-18 用于指纹识别的方法和装置 Active CN116311396B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202210994179.1A CN116311396B (zh) 2022-08-18 2022-08-18 用于指纹识别的方法和装置
PCT/CN2023/092270 WO2024037054A1 (zh) 2022-08-18 2023-05-05 用于指纹识别的方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210994179.1A CN116311396B (zh) 2022-08-18 2022-08-18 用于指纹识别的方法和装置

Publications (2)

Publication Number Publication Date
CN116311396A CN116311396A (zh) 2023-06-23
CN116311396B true CN116311396B (zh) 2023-12-12

Family

ID=86780242

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210994179.1A Active CN116311396B (zh) 2022-08-18 2022-08-18 用于指纹识别的方法和装置

Country Status (2)

Country Link
CN (1) CN116311396B (zh)
WO (1) WO2024037054A1 (zh)

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1506903A (zh) * 2002-12-06 2004-06-23 中国科学院自动化研究所 基于模板学习的自动指纹识别系统和方法
CN108051930A (zh) * 2017-12-29 2018-05-18 南京理工大学 大视场超分辨率动态相位无透镜显微成像装置与重构方法
CN109889983A (zh) * 2019-03-15 2019-06-14 陕西学前师范学院 一种室内定位方法、装置、设备和系统
CN109901754A (zh) * 2019-02-20 2019-06-18 Oppo广东移动通信有限公司 数据自校准方法及相关装置
CN110188679A (zh) * 2019-05-29 2019-08-30 Oppo广东移动通信有限公司 校准方法及相关设备
CN110189367A (zh) * 2019-05-29 2019-08-30 Oppo广东移动通信有限公司 校准方法及相关设备
CN110192201A (zh) * 2019-04-15 2019-08-30 深圳市汇顶科技股份有限公司 用于校准图像的方法、装置和电子设备
CN110287908A (zh) * 2019-06-28 2019-09-27 Oppo广东移动通信有限公司 校准方法、电子设备及非易失性计算机可读存储介质
CN110856112A (zh) * 2019-11-14 2020-02-28 深圳先进技术研究院 一种群智感知的多源信息融合室内定位方法及系统
CN111988038A (zh) * 2019-05-24 2020-11-24 亚德诺半导体国际无限责任公司 基于vco的连续时间流水线adc
CN112990163A (zh) * 2021-05-18 2021-06-18 深圳阜时科技有限公司 指纹校准方法、电子设备及存储介质
CN113495613A (zh) * 2020-03-18 2021-10-12 北京七鑫易维信息技术有限公司 眼球追踪校准方法及装置

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20200050515A (ko) * 2018-11-01 2020-05-12 삼성디스플레이 주식회사 표시 장치 및 그 제어 방법
CN112132125B (zh) * 2020-09-29 2024-05-28 Oppo（重庆）智能科技有限公司 指纹识别校准方法以及装置、电子装置和可读存储介质
CN114463791A (zh) * 2022-01-20 2022-05-10 北京极豪科技有限公司 指纹识别方法、装置、电子设备及存储介质

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1506903A (zh) * 2002-12-06 2004-06-23 中国科学院自动化研究所 基于模板学习的自动指纹识别系统和方法
CN108051930A (zh) * 2017-12-29 2018-05-18 南京理工大学 大视场超分辨率动态相位无透镜显微成像装置与重构方法
CN109901754A (zh) * 2019-02-20 2019-06-18 Oppo广东移动通信有限公司 数据自校准方法及相关装置
CN109889983A (zh) * 2019-03-15 2019-06-14 陕西学前师范学院 一种室内定位方法、装置、设备和系统
CN110192201A (zh) * 2019-04-15 2019-08-30 深圳市汇顶科技股份有限公司 用于校准图像的方法、装置和电子设备
CN111988038A (zh) * 2019-05-24 2020-11-24 亚德诺半导体国际无限责任公司 基于vco的连续时间流水线adc
CN110188679A (zh) * 2019-05-29 2019-08-30 Oppo广东移动通信有限公司 校准方法及相关设备
CN110189367A (zh) * 2019-05-29 2019-08-30 Oppo广东移动通信有限公司 校准方法及相关设备
CN110287908A (zh) * 2019-06-28 2019-09-27 Oppo广东移动通信有限公司 校准方法、电子设备及非易失性计算机可读存储介质
CN110856112A (zh) * 2019-11-14 2020-02-28 深圳先进技术研究院 一种群智感知的多源信息融合室内定位方法及系统
CN113495613A (zh) * 2020-03-18 2021-10-12 北京七鑫易维信息技术有限公司 眼球追踪校准方法及装置
CN112990163A (zh) * 2021-05-18 2021-06-18 深圳阜时科技有限公司 指纹校准方法、电子设备及存储介质

Also Published As

Publication number Publication date
WO2024037054A1 (zh) 2024-02-22
CN116311396A (zh) 2023-06-23

Similar Documents

Publication Publication Date Title
CN110321790B (zh) 一种对抗样本的检测方法及电子设备
CN116311388B (zh) 指纹识别的方法和装置
CN113538273B (zh) 图像处理方法及图像处理装置
CN112287234B (zh) 信息检索方法、装置及存储介质
CN116152122B (zh) 图像处理方法和电子设备
CN113946808A (zh) 界面显示方法、电子设备和计算机可读存储介质
CN116348917A (zh) 一种图像处理方法及装置
CN113452969B (zh) 图像处理方法和装置
CN117499779B (zh) 一种图像预览方法、设备以及存储介质
CN116311389B (zh) 指纹识别的方法和装置
CN114065312A (zh) 一种组件显示方法及电子设备
CN115580690B (zh) 图像处理的方法和电子设备
CN116311396B (zh) 用于指纹识别的方法和装置
CN117077703A (zh) 图像处理方法及电子设备
CN115437601B (zh) 图像排序方法、电子设备、程序产品及介质
US20230014272A1 (en) Image processing method and apparatus
CN116311395B (zh) 指纹识别的方法和装置
CN116978067A (zh) 指纹识别的方法和装置
CN114168065B (zh) 调整内存配置参数的方法和装置
CN116051386B (zh) 图像处理方法及其相关设备
CN115623318B (zh) 对焦方法及相关装置
CN116027933B (zh) 处理服务信息的方法和装置
CN116978068A (zh) 指纹识别的方法和装置
CN116051351B (zh) 一种特效处理方法和电子设备
CN117499797B (zh) 图像处理方法及相关设备

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
GR01 Patent grant
GR01 Patent grant