CN116342854B - 微型感光传感器和感光识别方法 - Google Patents
微型感光传感器和感光识别方法 Download PDFInfo
- Publication number
- CN116342854B CN116342854B CN202310328826.XA CN202310328826A CN116342854B CN 116342854 B CN116342854 B CN 116342854B CN 202310328826 A CN202310328826 A CN 202310328826A CN 116342854 B CN116342854 B CN 116342854B
- Authority
- CN
- China
- Prior art keywords
- module
- signal
- image
- target object
- sampling
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 25
- 238000005070 sampling Methods 0.000 claims abstract description 71
- 230000033001 locomotion Effects 0.000 claims abstract description 54
- 238000012545 processing Methods 0.000 claims abstract description 43
- 238000006243 chemical reaction Methods 0.000 claims abstract description 37
- 238000001914 filtration Methods 0.000 claims abstract description 35
- 239000000758 substrate Substances 0.000 claims abstract description 13
- 230000003287 optical effect Effects 0.000 claims description 16
- 238000004422 calculation algorithm Methods 0.000 claims description 9
- 238000012937 correction Methods 0.000 claims description 4
- 238000006073 displacement reaction Methods 0.000 claims description 4
- 238000013139 quantization Methods 0.000 claims description 4
- 238000005286 illumination Methods 0.000 claims description 3
- 238000012163 sequencing technique Methods 0.000 claims description 3
- 238000004519 manufacturing process Methods 0.000 abstract description 6
- 230000006870 function Effects 0.000 description 9
- 238000010586 diagram Methods 0.000 description 7
- 238000003384 imaging method Methods 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 230000000295 complement effect Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 229910044991 metal oxide Inorganic materials 0.000 description 2
- 150000004706 metal oxides Chemical class 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 230000008054 signal transmission Effects 0.000 description 1
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
- G06V10/10—Image acquisition
- G06V10/12—Details of acquisition arrangements; Constructional details thereof
- G06V10/14—Optical characteristics of the device performing the acquisition or on the illumination arrangements
- G06V10/147—Details of sensors, e.g. sensor lenses
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/207—Analysis of motion for motion estimation over a hierarchy of resolutions
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/269—Analysis of motion using gradient-based methods
-
- 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
- G06V40/20—Movements or behaviour, e.g. gesture recognition
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Vascular Medicine (AREA)
- Psychiatry (AREA)
- Social Psychology (AREA)
- Human Computer Interaction (AREA)
- Geophysics And Detection Of Objects (AREA)
Abstract
本申请涉及感光识别领域,公开了一种微型感光传感器和感光识别方法。该微型感光传感器包括基板以及集成在基板上的识别模块、信号发射模块和过滤模块;识别模块包括光电转换单元和信号处理单元;信号发射模块用于发射红外信号;红外信号用于作用在目标物体上,并经目标物体发射至过滤模块;光电转换单元用于接收经过滤模块过滤后的红外信号,根据红外信号生成第一采样图像;信号处理单元用于根据相邻的两幅或多幅第一采样图像识别得到目标物体的移动信息。本申请实施例所提供的微型感光传感器,结构简单且体积较小,节省了生产成本和空间成本,从而扩大了应用场景和应用范围,可适用于日常生活中,具有较好的实用性。
Description
技术领域
本申请涉及感光识别领域,尤其涉及一种微型感光传感器和感光识别方法。
背景技术
目前,非接触式的识别传感器包括基于视觉识别传感器等,可用于识别物体的运动轨迹。其中,基于视觉识别的传感器,如基于视觉识别的手势传感器,具体是通过摄像头将移动物体的轨迹进行高速拍摄,对比前后帧的移动轨迹计算出物体的移动方向,再通过内部算法将每一帧的特征点计算出来移动轨迹。此时该传感器中的处理器承当了大量的计算工作,且此类传感器所采用的高速的处理器和清晰的摄像头的价格较高、且传感器整体体积较大,不太适用于日常生活场景中,实用性较差。
进而,如何设计一小体积低功耗的微型传感器,以用于识别物体的运动轨迹是个亟需解决的问题。
发明内容
有鉴于此,为了解决现有技术的问题,本申请实施例提供了一种微型感光传感器和感光识别方法。
第一方面,本申请提供一种微型感光传感器,包括基板以及集成在所述基板上的识别模块、信号发射模块和过滤模块;所述识别模块包括光电转换单元和信号处理单元;
所述信号发射模块用于发射红外信号;所述红外信号用于作用在目标物体上,并经所述目标物体反射至所述过滤模块;
所述光电转换单元用于接收经所述过滤模块过滤后的红外信号,根据所述红外信号生成第一采样图像;
所述信号处理单元用于根据相邻的两幅或多幅所述第一采样图像识别得到所述目标物体的移动信息。
在可选的实施方式中,所述根据相邻的两幅所述第一采样图像识别得到所述目标物体的移动信息,包括:
对相邻两幅所述第一采样图像做差分处理,得到第一差分图像;
若所述第一差分图像对应的像素值的变化宽度大于预设阈值时,对所述第一差分图像进行高斯滤波处理;
通过光流估计算法,计算经高斯滤波处理后的第一差分图像上目标像素点的位置变化;
根据所述位置变化,对所述目标像素点进行位移校正处理,确定所述目标物体的移动信息,所述移动信息包括移动方向、移动距离、移动起始位置和移动终点位置。
在可选的实施方式中,还包括:
若所述第一差分图像对应的像素值的变化宽度小于等于预设阈值时,选取两幅间隔任意帧数的第二采样图像,对所述第二采样图像进行差分处理,直至所生成的第二差分图像对应的像素值的变化宽度大于所述预设阈值。
在可选的实施方式中,所述对相邻两幅所述第一采样图像做差分处理,得到第一差分图像之前,还包括:
灰度量化处理所述第一采样图像;
计算所述第一采样图像中相邻像素点之间的灰度差值,根据所述灰度差值调整所述第一采样图像的图像粗糙度。
在可选的实施方式中,所述相邻的两幅所述第一采样图像的获取过程包括:
所述信号发射模块用于向所述目标物体发射一对相邻且电平相反的红外信号,经所述目标物体反射至所述识别模块;
所述识别模块用于根据一对相邻且电平相反的所述红外信号,对应生成相邻的两幅第一采样图像。
在可选的实施方式中,所述光电转换单元包括第一转换子单元、第二转换子单元和图像生成单元;
所述第一转换子单元包括光电二极管,所述光电二极管用于在接收到所述红外信号后,激发出与所述红外信号对应光照强度的载流子电荷信号,将所述载流子电荷信号转换为模拟电信号;
所述第二转换子单元用于将所述模拟电信号转换为数字信号;
所述图像生成单元用于根据所述数字信号生成第一采样图像。
在可选的实施方式中,所述图像生成单元包括预定数量的有源晶体管,所述有源晶体管呈预定组合形式排列;其中,每个所述有源晶体管定义为待生成的第一采样图像上的一个像素点;
所述图像生成单元用于将每个像素点对应的数字信号的数值按照所述有源晶体管的排列方式进行排序,生成第一采样图像。
在可选的实施方式中,还包括壳体;
所述壳体与所述基板扣合,形成两个独立空间,所述识别模块和所述信号发射模块分别设置于一个所述独立空间内;
所述过滤模块内嵌于壳体,所述过滤模块与所述识别模块相对设置。
在可选的实施方式中,所述信号发射模块为红外LED灯;所述红外LED灯用于发射波长符合预定红外线波长区间的红外信号;
所述过滤模块为微型滤光片,所述微型滤光片用于过滤波长不符合所述预定红外线波长区间的光信号。
第二方面,本申请提供一种感光识别方法,应用于如前述的微型感光传感器,所述方法包括:
接收通过目标物体反射且经过滤的红外信号;
根据所述红外信号生成第一采样图像;
根据相邻的两幅或多幅所述第一采样图像识别得到所述目标物体的移动信息。
本申请实施例具有如下有益效果:
本申请实施例提供了一种微型感光传感器,该传感器包括基板以及集成在基板上的识别模块、信号发射模块和过滤模块;识别模块包括光电转换单元和信号处理单元;信号发射模块用于发射红外信号;红外信号用于作用在目标物体上,并经目标物体发射至过滤模块;光电转换单元用于接收经过滤模块过滤后的红外信号,根据红外信号生成第一采样图像;信号处理单元用于根据相邻的两幅或多幅第一采样图像识别得到目标物体的移动信息。本申请实施例所提供的微型感光传感器集成有信号发射和感光识别功能,通过对目标物体所反射的红外信号采样生成采样图像,以对采样图像进行识别得到移动信息;该微型感光传感器的结构简单且体积较小,相应节省了传感器的生产成本和空间成本,从而扩大了应用场景和应用范围,可适用于日常生活中,具有较好的实用性。
附图说明
为了更清楚地说明本申请的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本申请的某些实施例,因此不应被看作是对本申请保护范围的限定。在各个附图中,类似的构成部分采用类似的编号。
图1示出了本申请实施例中微型感光传感器的第一视角示意图;
图2示出了本申请实施例中微型感光传感器的第二视角示意图;
图3示出了本申请实施例中手势识别的过程示意图;
图4示出了本申请实施例中红外信号的波形示意图;
图5示出了本申请实施例中感光识别方法的一种实施方式示意图。
具体实施方式
下面将结合本申请实施例中附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。
通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围,而是仅仅表示本申请的选定实施例。基于本申请的实施例,本领域技术人员在没有做出创造性劳动的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。
在下文中,可在本申请的各种实施例中使用的术语“包括”、“具有”及其同源词仅意在表示特定特征、数字、步骤、操作、元件、组件或前述项的组合,并且不应被理解为首先排除一个或更多个其它特征、数字、步骤、操作、元件、组件或前述项的组合的存在或增加一个或更多个特征、数字、步骤、操作、元件、组件或前述项的组合的可能性。
此外,术语“第一”、“第二”、“第三”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
除非另有限定,否则在这里使用的所有术语(包括技术术语和科学术语)具有与本申请的各种实施例所属领域普通技术人员通常理解的含义相同的含义。术语(诸如在一般使用的词典中限定的术语)将被解释为具有与在相关技术领域中的语境含义相同的含义并且将不被解释为具有理想化的含义或过于正式的含义,除非在本申请的各种实施例中被清楚地限定。
请参阅图1和图2,本申请实施例提供了一种微型感光传感器,该微型传感器可用于识别移动物体在预定识别区域内的运动情况。例如,该移动物体可以是,但不限于处于运动过程中的任意物体,如手、球等。从而,可根据不同的移动物体的移动情况来识别该移动物体的运动信息以及位置变化,如识别手势变化、识别该移动物体的运动轨迹等。
具体而言,该微型感光传感器包括壳体100、基板200以及集成在基板200上的识别模块300、信号发射模块400和过滤模块500。其中,壳体100与基板200扣合,形成两个独立空间,识别模块300和信号发射模块400分别设置于一个独立空间内;过滤模块500内嵌于壳体100,过滤模块500与识别模块300相对设置。
需要说明的是,该壳体100的目标位置处设置有开孔600,开孔600用于传送红外信号,也即是,信号发射模块400、过滤模块500和识别模块300可分别通过对应的开孔600来发射和接收红外信号。其中,开孔600的大小、形状和数量等可根据实际需求进行设置,在此不做限定。
在本实施例中,信号发射模块400用于发射红外信号,该红外信号用于作用上目标物体上,并经该目标物体发射至过滤模块500进行光信号过滤。识别模块300用于采样经过滤模块500过滤后的红外信号,生成第一采样图像,根据第一采样图像识别目标物体的移动信息。
可以理解,当目标物体在微型感光传感器的预定识别区域内移动时,微型感光传感器可通过信号发射模块400所发射的红外信号对目标物体进行光信号探测;识别模块300再根据目标物体所反射回的红外信号生成多幅采样图像,从而根据相邻的多幅采样图像来确定目标物体在该预定识别区域内的移动情况。其中,目标物体的移动信息包括但不限于移动方向、移动距离、移动起始位置和移动终点位置。
作为一种可选的实施方式,若该微型传感器可应用于如手势识别的应用场景中,进而,该目标物体为手。如图3所示,通过微型传感器对手发送红外信号,并接收手所反射回的红外信号,从而生成多幅采样图像以识别手势变化信息。
示范性地,识别模块300内部集成有光电转换单元和信号处理单元。其中,光电转换单元用于接收经过滤模块500过滤后的红外信号,并根据红外信号生成采样图像,将其记为第一采样图像;信号处理单元用于根据相邻的两幅或多幅第一采样图像识别得到目标物体的移动信息。
作为一种可选的实施方式,光电转换单元包括第一转换子单元、第二转换子单元和图像生成单元。具体地,第一转换子单元用于将红外信号转换为模拟电信号;第二转换子单元用于将模拟电信号转换为数字信号;图像生成单元用于根据数字信号生成第一采样图像。
进一步地,第一转换子单元包括光电二极管,光电二极管用于在接收到红外信号后,激发出与红外信号对应光照强度的载流子电荷信号,将载流子电荷信号转换为模拟电信号。
第二转换子单元为模拟数字转换电路(即ADC转换电路),该模拟数字转换电路用于实现模拟信号和数字信号之间的转换。
图像生成单元包括预定数量的有源晶体管,有源晶体管呈预定组合形式排列;其中,每个有源晶体管定义为待生成的第一采样图像上的一个像素点;图像生成单元用于将每个像素点对应的数字信号的数值按照有源晶体管的排列方式进行排序,生成第一采样图像。
其中,有源晶体管的预定组合形式具体根据实际需求进行设置,在此不做限定。优选的,多个有源晶体管按照16*16的组合形式排序,换言之,该图像生成单元包括16*16个像素点。
需要说明的是,识别模块300基于CMOS型光电转换器件(即Complementary MetalOxide Semiconductor,互补金属氧化物半导体),即基于有源晶体管的光电转换原理,将光信号转换为电信号。
具体地,将与有源晶体管源极相连的光电二极管充当感光部分,目标物体通过过滤模块500聚焦到识别模块300,识别模块300包括二维的像素组(即二维排列的有源晶体管),每一个像素点均对应一个光电二极管,每个像素点的光电二极管将其像素点表面的光强转换为模拟电信号。
而后,读取各个像素点对应的模拟电信号,将其传输至第二转换子模块,第二转换子模块将该模拟电信号转换为数字信号(即数字图像信号)输出。
在本实施例中,识别模块300在得到与光强信息对应的数字信号后,基于DSP(即digital signal processor)的数字信号处理原理,对所得到的数字信号进行处理,以识别目标物体的移动信息。
进而,可以简单理解为,该识别模块300为一个集合有DSP计算、高精度ADC信号转换、数据处理、通讯和控制等功能的模块或芯片。
下面对根据采样图像识别目标物体的移动信息的具体处理过程进行详细说明。
具体地,对相邻两幅或多幅第一采样图像做差分处理,得到第一差分图像。需要注意的是,可通过至少两幅采样图像即可识别该目标物体在这两幅采样图像对应的时间段内的移动信息。进而,依次对相邻两幅或多幅采样图像进行比对识别,即可确定该目标物体的连续移动变化情况。
示例的,获取一个时间段内的第一采样图像,依次对相邻的两幅第一采样图像做差分处理,即可得到多个第一差分图像,进而根据这些第一差分图像中目标物体对应的特征点的变化情况来确定目标物体在该时间段内的移动信息。
作为一种可选的实施方式,在对第一采样图像进行差分处理之前,先对第一采样图像的图像粗糙度进行调整。具体地,灰度量化处理第一采样图像;计算第一采样图像中相邻像素点之间的灰度差值,根据灰度差值调整第一采样图像的图像粗糙度。
也即是,将第一采样图像,通过求取整体平均值的方式计算出该第一采样图像对应的整体灰度值,并进行量化处理,从而得到所有第一采样图像的整体灰度值。
分别计算每个第一采样图像中相邻两个像素点之间的灰度差值,并根据该灰度差值调整该第一采样图像的图像粗糙度;而后据此量化处理所有的第一采样图像。
在得到第一差分图像后,判断该第一差分图像是否满足预设条件,具体地,判断该第一差分图像对应的像素值的变化宽度是否大于预设阈值。
其中,若第一差分图像对应的像素值的变化宽度大于预设阈值时,则根据该第一差分图像识别目标物体的移动信息。反之,若第一差分图像对应的像素值的变化宽度小于等于预设阈值时,选取两幅间隔任意帧数的第二采样图像,对第二采样图像进行差分处理,直至所生成的第二差分图像对应的像素值的变化宽度大于预设阈值。
可以理解,本实施例具体是根据像素值的变化宽度大于预设阈值的差分图像来确定目标物体的移动信息。其中,预设阈值具体根据实际需求进行设置,本实施例对此不做限定。
进一步地,在第一差分图像对应的像素值的变化宽度大于预设阈值时,对第一差分图像进行高斯滤波处理;通过光流估计算法,计算经高斯滤波处理后的第一差分图像上目标像素点的位置变化;根据位置变化,对目标像素点进行位移校正处理,确定目标物体的移动信息。其中,目标像素点即为目标物体所对应的特征点,该特征点用于准确描述该目标物体的形状等属性信息。
其中,对第一差分图像进行高斯滤波处理的目的在于过滤掉干扰像素,提高移动信息识别的准确度;可选的,该光流估计算法可以选用如Lucas Kanade特征点跟踪算法(即LK光流算法)等算法,用于跟踪特征点的位置;从而可根据两幅第一差分图像来识别目标物体的特征点的位置变化情况。后续对该位置变化情况进行分析,即可确定该目标物体的移动情况。
具体而言,本实施例所提供的微型感光传感器是利用光电器件的光电转换功能将感光部分上的光像转换为与光像成相应比例关系的电信号。具体通过采用16*16的像素组合,来采集目标物体的移动轨迹。
可选的,识别模块300可以选用具有感光识别功能的芯片(如晶圆等);信号发射模块400为红外LED灯;红外LED灯用于发射波长符合预定红外线波长区间的红外信号;过滤模块500为微型滤光片,微型滤光片用于过滤波长不符合预定红外线波长区间的光信号,且本实施例采用微型滤光片可相应减小传感器的整体体积,实现小型化设计和生产,节省生产成本和空间成本。
其中,预定红外线波长区间可根据实际需求进行相应设置,在此不做限定,例如,可设定该预定红外线波长区间仅为940nm,即将仅发射940nm波长的红外信号的红外LED灯来作为信号发射模块400,其中,该红外LED灯的信号发射频率为3.3KHz。
进而,该微型感光传感器通过调制LED灯信号,发送3.3KHz的红外信号,若红外信号作用在目标物体时,当目标物体发生轨迹移动,就能通过反射回来的红外信号,经滤光片及外壳上的开孔600作用到16*16组合形式的像素组上,再经过识别模块300对所摄取的一系列采样图像进行分析处理,通过对这些采样图像上目标物体的特征点位置的变化进行分析,来判断目标物体的移动方向、速度、距离深度、位置等移动信息。
在一实施方式中,识别模块300对所接收到的红外信号还进行过滤处理,具体通过该红外信号对应的频率进行筛选过滤。示例的,由于红外LED灯的信号发射频率为3.3KHz,识别模块300在检测到所接收的红外信号的频率不是3.3KHz时,对该红外信号进行滤除处理,避免对错误光信号进行成像和识别,降低移动信息识别的准确度。
示例的,该感光传感器通过调制发射940nm波长的红外LED灯,使其发送3.3KHz频率的红外信号。如图4所示,当红外LED灯输出的红外信号为高电平时,此时,红外LED灯导通,识别模块300当前所采样到的采样图像为开灯采样图像,当红外LED灯输出的红外信号为低电平时,此时红外LED灯关闭,识别模块300当前所采样到的采样图像为关灯采样图像。进而,该感光传感器通过对这两幅连续且相邻的采样图像做差分处理,可通过这两路红外信号的差分去掉相同或相关的干扰信号,以达到抗干扰的目的。
本申请实施例所提供的微型感光传感器集成有信号发射和感光识别功能,通过对目标物体所反射的红外信号采样生成采样图像,以对采样图像进行识别得到移动信息;该微型感光传感器的结构简单且体积较小,相应节省了传感器的生产成本和空间成本,从而扩大了应用场景和应用范围,可适用于日常生活中,具有较好的实用性。另外,该微型感光传感器通过有源晶体管的光电转换原理来实现成像,相应降低了成像功耗,且采用微型滤光片,可相应减小传感器体积,减少生产材料成本。
请参照图5,本申请实施例还提供了一种感光识别方法,该感光识别方法应用于上述实施例的微型感光传感器;该感光识别方法具体包括如下步骤:
S10,接收通过目标物体反射且经过滤的红外信号。
S20,根据红外信号生成第一采样图像。
S30,根据相邻的两幅或多幅第一采样图像识别得到目标物体的移动信息。
上述的感光识别方法对应于实施例1的微型感光传感器,实施例1中的任何可选项也适用于本实施例,这里不再详述。
本申请实施例还提供了一种计算机存储介质,计算机存储介质存储有计算机可运行指令,计算机可运行指令在被处理器调用和运行时,计算机可运行指令促使处理器运行上述实施例的感光识别方法的步骤。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置和方法,也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,附图中的流程图和结构图显示了根据本申请的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分,模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在作为替换的实现方式中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,结构图和/或流程图中的每个方框、以及结构图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
另外,在本申请各个实施例中的各功能模块或单元可以集成在一起形成一个独立的部分,也可以是各个模块单独存在,也可以两个或更多个模块集成形成一个独立的部分。
功能如果以软件功能模块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(可以是智能手机、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,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上,仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。
Claims (8)
1.一种微型感光传感器,其特征在于,包括基板、集成在所述基板上的识别模块、信号发射模块和过滤模块,以及壳体;所述识别模块包括光电转换单元和信号处理单元;所述壳体与所述基板扣合,形成两个独立空间,所述识别模块和所述信号发射模块分别设置于一个所述独立空间内;所述过滤模块内嵌于壳体,所述过滤模块与所述识别模块相对设置;所述壳体的目标位置处设置有开孔,所述信号发射模块、所述过滤模块和所述识别模块用于分别通过对应的所述开孔来发射和接收红外信号;
所述信号发射模块用于发射红外信号;所述红外信号用于作用在目标物体上,并经所述目标物体反射至所述过滤模块;
所述光电转换单元用于接收经所述过滤模块过滤后的红外信号,根据所述红外信号生成第一采样图像;
所述信号处理单元用于根据相邻的两幅所述第一采样图像识别得到所述目标物体的移动信息;
其中,所述根据相邻的两幅所述第一采样图像识别得到所述目标物体的移动信息,包括:
对相邻两幅所述第一采样图像做差分处理,得到第一差分图像;
若所述第一差分图像对应的像素值的变化宽度大于预设阈值时,对所述第一差分图像进行高斯滤波处理;
通过光流估计算法,计算经高斯滤波处理后的第一差分图像上目标像素点的位置变化;
根据所述位置变化,对所述目标像素点进行位移校正处理,确定所述目标物体的移动信息,所述移动信息包括移动方向、移动距离、移动起始位置和移动终点位置。
2.根据权利要求1所述的微型感光传感器,其特征在于,还包括:
若所述第一差分图像对应的像素值的变化宽度小于等于预设阈值时,选取两幅间隔任意帧数的第二采样图像,对所述第二采样图像进行差分处理,直至所生成的第二差分图像对应的像素值的变化宽度大于所述预设阈值。
3.根据权利要求1所述的微型感光传感器,其特征在于,所述对相邻两幅所述第一采样图像做差分处理,得到第一差分图像之前,还包括:
灰度量化处理所述第一采样图像;
计算所述第一采样图像中相邻像素点之间的灰度差值,根据所述灰度差值调整所述第一采样图像的图像粗糙度。
4.根据权利要求1-3中任一项所述的微型感光传感器,其特征在于,所述相邻的两幅所述第一采样图像的获取过程包括:
所述信号发射模块用于向所述目标物体发射一对相邻且电平相反的红外信号,经所述目标物体反射至所述识别模块;
所述识别模块用于根据一对相邻且电平相反的所述红外信号,对应生成相邻的两幅第一采样图像。
5.根据权利要求1-3中任一项所述的微型感光传感器,其特征在于,所述光电转换单元包括第一转换子单元、第二转换子单元和图像生成单元;
所述第一转换子单元包括光电二极管,所述光电二极管用于在接收到所述红外信号后,激发出与所述红外信号对应光照强度的载流子电荷信号,将所述载流子电荷信号转换为模拟电信号;
所述第二转换子单元用于将所述模拟电信号转换为数字信号;
所述图像生成单元用于根据所述数字信号生成第一采样图像。
6.根据权利要求5所述的微型感光传感器,其特征在于,所述图像生成单元包括预定数量的有源晶体管,所述有源晶体管呈预定组合形式排列;其中,每个所述有源晶体管定义为待生成的第一采样图像上的一个像素点;
所述图像生成单元用于将每个像素点对应的数字信号的数值按照所述有源晶体管的排列方式进行排序,生成第一采样图像。
7.根据权利要求1所述的微型感光传感器,其特征在于,所述信号发射模块为红外LED灯;所述红外LED灯用于发射波长符合预定红外线波长区间的红外信号;
所述过滤模块为微型滤光片,所述微型滤光片用于过滤波长不符合所述预定红外线波长区间的光信号。
8.一种感光识别方法,其特征在于,应用于如权利要求1-7中任一项所述的微型感光传感器,所述方法包括:
接收通过目标物体反射且经过滤的红外信号;
根据所述红外信号生成第一采样图像;
根据相邻的两幅所述第一采样图像识别得到所述目标物体的移动信息;
其中,所述根据相邻的两幅所述第一采样图像识别得到所述目标物体的移动信息,包括:
对相邻两幅所述第一采样图像做差分处理,得到第一差分图像;
若所述第一差分图像对应的像素值的变化宽度大于预设阈值时,对所述第一差分图像进行高斯滤波处理;
通过光流估计算法,计算经高斯滤波处理后的第一差分图像上目标像素点的位置变化;
根据所述位置变化,对所述目标像素点进行位移校正处理,确定所述目标物体的移动信息,所述移动信息包括移动方向、移动距离、移动起始位置和移动终点位置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310328826.XA CN116342854B (zh) | 2023-03-24 | 2023-03-24 | 微型感光传感器和感光识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310328826.XA CN116342854B (zh) | 2023-03-24 | 2023-03-24 | 微型感光传感器和感光识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116342854A CN116342854A (zh) | 2023-06-27 |
CN116342854B true CN116342854B (zh) | 2024-01-12 |
Family
ID=86889185
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310328826.XA Active CN116342854B (zh) | 2023-03-24 | 2023-03-24 | 微型感光传感器和感光识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116342854B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2016149998A (ja) * | 2015-02-19 | 2016-08-22 | 大日本印刷株式会社 | 識別装置、識別方法、プログラム |
CN107589832A (zh) * | 2017-08-01 | 2018-01-16 | 深圳市汇春科技股份有限公司 | 一种基于光电感应的隔空手势识别方法及其控制装置 |
CN207046035U (zh) * | 2017-08-01 | 2018-02-27 | 深圳市汇春科技股份有限公司 | 一种基于手势识别的盖子及其装置 |
WO2020173398A1 (zh) * | 2019-02-28 | 2020-09-03 | 维沃移动通信有限公司 | 光电指纹识别装置、终端及指纹识别方法 |
CN215910931U (zh) * | 2020-12-08 | 2022-02-25 | 北京眼神智能科技有限公司 | 指静脉图像采集设备 |
CN115153530A (zh) * | 2022-06-21 | 2022-10-11 | 北京极豪科技有限公司 | 采样电路、生物特征识别装置以及电子设备 |
EP4089956A1 (en) * | 2021-05-14 | 2022-11-16 | Samsung Electronics Co., Ltd. | Automotive image sensor, image processing system including the same and operating method thereof |
CN218273435U (zh) * | 2022-08-05 | 2023-01-10 | 盛视科技股份有限公司 | 一种掌静脉识别终端 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110580115B (zh) * | 2019-09-19 | 2023-07-25 | 京东方科技集团股份有限公司 | 一种镜面显示装置及控制方法 |
-
2023
- 2023-03-24 CN CN202310328826.XA patent/CN116342854B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2016149998A (ja) * | 2015-02-19 | 2016-08-22 | 大日本印刷株式会社 | 識別装置、識別方法、プログラム |
CN107589832A (zh) * | 2017-08-01 | 2018-01-16 | 深圳市汇春科技股份有限公司 | 一种基于光电感应的隔空手势识别方法及其控制装置 |
CN207046035U (zh) * | 2017-08-01 | 2018-02-27 | 深圳市汇春科技股份有限公司 | 一种基于手势识别的盖子及其装置 |
WO2020173398A1 (zh) * | 2019-02-28 | 2020-09-03 | 维沃移动通信有限公司 | 光电指纹识别装置、终端及指纹识别方法 |
CN215910931U (zh) * | 2020-12-08 | 2022-02-25 | 北京眼神智能科技有限公司 | 指静脉图像采集设备 |
EP4089956A1 (en) * | 2021-05-14 | 2022-11-16 | Samsung Electronics Co., Ltd. | Automotive image sensor, image processing system including the same and operating method thereof |
CN115153530A (zh) * | 2022-06-21 | 2022-10-11 | 北京极豪科技有限公司 | 采样电路、生物特征识别装置以及电子设备 |
CN218273435U (zh) * | 2022-08-05 | 2023-01-10 | 盛视科技股份有限公司 | 一种掌静脉识别终端 |
Non-Patent Citations (2)
Title |
---|
User authentication on mobile devices: Approaches, threats and trends;Chen Wang等;Computer Networks;第170卷;1-21 * |
高精度高灵敏人机交互手势控制算法与SOC芯片;赵宇航;李琛;;半导体技术(第03期);9-14 * |
Also Published As
Publication number | Publication date |
---|---|
CN116342854A (zh) | 2023-06-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10841491B2 (en) | Reducing power consumption for time-of-flight depth imaging | |
US11209528B2 (en) | Time-of-flight depth image processing systems and methods | |
EP3185037B1 (en) | Depth imaging system | |
CN111123289B (zh) | 一种深度测量装置及测量方法 | |
EP2643659B1 (en) | Depth mapping using time-coded illumination | |
CN112235522B (zh) | 成像方法和成像系统 | |
JP2022543389A (ja) | Lidar測定のための処理システム | |
US20140347553A1 (en) | Imaging devices with light sources for reduced shadow, controllers and methods | |
US10354413B2 (en) | Detection system and picture filtering method thereof | |
US20220373689A1 (en) | Range estimation for light detecting and ranging (lidar) systems | |
CN114600116A (zh) | 对象识别系统、对象识别系统的信号处理方法、以及电子装置 | |
US12000692B2 (en) | Three-dimensional imaging and sensing using a dynamic vision sensor and pattern projection | |
WO2021257181A1 (en) | Low power operation of differential time-of-flight sensor pixels | |
US10803625B2 (en) | Detection system and picturing filtering method thereof | |
CN110709853A (zh) | 具有范围和光级别检测的图像传感器 | |
CN116342854B (zh) | 微型感光传感器和感光识别方法 | |
CN112585961A (zh) | 相机 | |
US10651835B1 (en) | Light detection with logarithmic current-to-voltage converter | |
CN104699325A (zh) | 适于环境光与提起检测的光学导航系统及其检测方法 | |
US9804000B2 (en) | Optical sensor array apparatus | |
US20220326385A1 (en) | Image capturing apparatus | |
EP3716611B1 (en) | Image sensing using atomic vapor cell assemblies | |
WO2022181097A1 (ja) | 測距装置およびその制御方法、並びに、測距システム | |
JP2021025810A (ja) | 距離画像センサ、および距離画像測定装置 | |
CN117203550A (zh) | 飞行时间系统和飞行时间方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CB03 | Change of inventor or designer information |
Inventor after: Wen Xinghua Inventor after: Tao Guiquan Inventor after: Su Youjin Inventor before: Wen Xinghua Inventor before: Tao Guiquan |
|
CB03 | Change of inventor or designer information |