CN116888635A - 从利用光学屏下指纹传感器(udfps)捕获的指纹图像中过滤脉冲宽度调制(pwm)噪声 - Google Patents
从利用光学屏下指纹传感器(udfps)捕获的指纹图像中过滤脉冲宽度调制(pwm)噪声 Download PDFInfo
- Publication number
- CN116888635A CN116888635A CN202180093986.XA CN202180093986A CN116888635A CN 116888635 A CN116888635 A CN 116888635A CN 202180093986 A CN202180093986 A CN 202180093986A CN 116888635 A CN116888635 A CN 116888635A
- Authority
- CN
- China
- Prior art keywords
- pwm
- noise
- user
- image
- computer
- 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
- 238000001914 filtration Methods 0.000 title claims abstract description 26
- 230000003287 optical effect Effects 0.000 title description 9
- 238000000034 method Methods 0.000 claims abstract description 91
- 239000013598 vector Substances 0.000 claims description 55
- 239000011159 matrix material Substances 0.000 claims description 18
- 238000000513 principal component analysis Methods 0.000 claims description 18
- 238000005096 rolling process Methods 0.000 claims description 13
- 230000008859 change Effects 0.000 claims description 8
- 238000005286 illumination Methods 0.000 claims description 8
- 230000004044 response Effects 0.000 claims description 7
- 230000002093 peripheral effect Effects 0.000 claims description 5
- 210000003813 thumb Anatomy 0.000 claims description 5
- 239000000284 extract Substances 0.000 abstract description 14
- 238000012795 verification Methods 0.000 description 11
- 230000010354 integration Effects 0.000 description 9
- 210000003811 finger Anatomy 0.000 description 7
- 230000006870 function Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000008901 benefit Effects 0.000 description 2
- 230000002123 temporal effect Effects 0.000 description 2
- 230000002411 adverse Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 229910044991 metal oxide Inorganic materials 0.000 description 1
- 150000004706 metal oxides Chemical class 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000000644 propagated effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 239000010409 thin film Substances 0.000 description 1
- 230000017105 transposition Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- 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
- G06V10/17—Image acquisition using hand-held instruments
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/30—Authentication, i.e. establishing the identity or authorisation of security principals
- G06F21/31—User authentication
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- 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
- G06V10/141—Control of illumination
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/30—Noise filtering
-
- 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
- G06V40/1312—Sensors therefor direct reading, e.g. contactless acquisition
-
- 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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20172—Image enhancement details
- G06T2207/20182—Noise reduction or smoothing in the temporal domain; Spatio-temporal filtering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30168—Image quality inspection
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Multimedia (AREA)
- Computer Security & Cryptography (AREA)
- Human Computer Interaction (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Computer Hardware Design (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Collating Specific Patterns (AREA)
- Image Input (AREA)
Abstract
本公开描述了用于使用具有嵌入在显示系统(110)的显示屏(112)下方的屏下指纹传感器(UDFPS)(122)的电子设备(102)来捕获指纹图像(130)的方法、装置和技术。显示系统(110)利用脉冲宽度调制电路(114)来生成脉冲宽度调制(PWM)信号(204‑10、204‑20)以控制由显示屏(112)发射的光。当显示屏(112)照明用户触摸时,UDFPS(122)捕获从用户触摸反射的光,因此捕获指纹图像(130)。然而,所捕获的指纹图像(130)包括PWM噪声(132)。电子设备(102)使用噪声过滤算法来滤除和/或减少所捕获的指纹图像(130)中的PWM噪声(132)。在一方面,噪声过滤算法估计和/或确定所捕获的指纹图像(130)中的PWM噪声(132)。然后噪声过滤算法从所捕获的指纹图像(130)中减少、提取和/或滤除PWM噪声(132)。
Description
背景技术
为了保留电子设备的显示器侧上的空间,制造商可以在显示器下方嵌入传感器。这些传感器能够包括光学屏下指纹传感器(UDFPS)、环境光传感器、相机等。对于光学UDFPS,当用户将手指放在显示器上和光学UDFPS上方时,电子设备使用显示器的亮度来照明手指。示例照明系统使用脉冲宽度调制电路来使电子设备能够生成脉冲宽度调制(PWM)信号以控制由其照明手指的亮度、刷新率等。遗憾的是,光学UDFPS可能捕获包括PWM噪声的指纹图像。PWM噪声增加了时间噪声并且可能降低所捕获的指纹图像的信噪比。所捕获的指纹图像的降低的信噪比降低指纹图像的质量。具有较低图像质量的指纹可能增加错误接受率,从而损害电子设备的生物特征安全性。图像质量较低的指纹还可能增加误拒绝率,从而提供不好的用户体验。
发明内容
本公开描述了用于使用具有嵌入在显示系统的显示屏下方的屏下指纹传感器(UDFPS)的电子设备来捕获指纹图像的方法、装置和技术。显示系统利用脉冲宽度调制电路生成脉冲宽度调制(PWM)信号来控制由显示屏发射的光。当显示屏照明用户触摸时,UDFPS捕获从用户触摸反射的光,因此捕获指纹图像。然而,所捕获的指纹图像包括PWM噪声。电子设备使用噪声过滤算法来滤除和/或减少所捕获的指纹图像中的PWM噪声。一方面,噪声过滤算法估计和/或确定所捕获的指纹图像中的PWM噪声。然后,噪声过滤算法从所捕获的指纹图像中减少、提取和/或滤除PWM噪声。噪声过滤算法能够使用有限的硬件和/或存储器资源并且可以利用相对较少的计算资源。
一方面,描述了一种计算机实现的方法,其对与嵌入在显示系统的显示屏下方的传感器相关联的背景图像执行主成分分析,该主成分分析提供背景图像上的伪影。然后,该方法从伪影中提取主成分矢量,并且响应于提取并基于主成分矢量来确定至少一个脉冲宽度调制(PWM)噪声。响应于PWM噪声的确定,该方法对PWM噪声进行矢量化以创建PWM噪声矢量,并利用来自显示屏的光照明用户触摸。照明用户触摸导致光线从用户的皮肤反射。然后该方法捕获传感器处的反射光以提供用户关联的图像并将该用户关联的图像投影到矢量空间上,该矢量空间与PWM噪声矢量相关联,以在矢量空间上提供用户关联的图像。基于矢量空间上的用户关联的图像,该方法从用户关联的图像中滤除PWM噪声以提供降低噪声的图像。
另一方面,一种电子设备包括显示系统的显示屏、显示系统的脉冲宽度调制电路、传感器、一个或多个处理器、以及一个或多个其上具有指令的计算机可读介质,该指令响应于一个或多个处理器的执行,执行上述方法的操作。在又一些方面,系统、软件或装置包括执行上述方法的操作。
本发明内容介绍了利用指纹传感器捕获指纹的简化概念,这将在下面的具体实施方式和附图中进一步描述。为了便于描述,本公开集中于嵌入在电子设备的显示屏(例如,有机发光二极管(OLED)显示器)下方的光学UDFPS。然而,所描述的概念可以被用在许多软件、系统和/或装置中以滤除、提取和/或减少与脉冲宽度调制信号相关联的噪声。一方面的可选特征,诸如上述方法,可以与其他方面组合。
附图说明
具有通过从指纹图像提取脉冲宽度调制噪声来提高指纹图像质量的指纹识别系统的用户设备的一个或多个方面的细节在下图中示出:
图1图示了具有指纹识别系统的示例电子设备,该指纹识别系统具有嵌入在显示系统的显示屏下方的指纹传感器;
图2图示了所捕获的指纹图像中脉冲宽度调制(PWM)噪声的示例原因;
图3图示了包括PWM噪声的相位和频率变化的示例伪影;
图4图示了由于PWM噪声导致的各种示例伪影;
图5图示了用于从所捕获的指纹图像中滤除PWM噪声以提供具有降低的PWM噪声的过滤的指纹图像的示例计算机实现的方法;以及
图6图示了指纹认证中使用的图案和细节的示例。
具体实施方式
示例环境
图1图示了电子设备102的示例环境100。电子设备102使得用户能够使用具有至少一个光学屏下指纹传感器122(UDFPS122)的指纹识别系统120(FIS120)以生物特征方式保护他们的设备。电子设备102能够通过将验证图像与用户的拇指、指尖或多个指尖的登记图像进行比较来提供生物特征安全性。例如,电子设备102能够利用UDFPS122来捕获“验证图像”并将该验证图像的图案和/或细节与“登记图像”进行匹配,其中图案和细节的示例在图6中图示。
如本文中所描述的,“验证图像”是用于认证的指纹图像。“登记图像”是用户设备在登记期间捕获的图像,诸如当用户首次设置电子设备102或应用104时。此外,“登记图像模板”(登记模板)能够是登记图像的数学表示。登记模板能够是登记图像的矢量化表示,并且除了下面提到的其他优点之外,还占用用户设备中更少的存储器空间。虽然在一些方面是有益的,但是不需要使用登记图像模板的矢量化表示来将验证图像与登记图像模板进行匹配。所描述的装置、方法和技术能够执行图像到图像(而不是矢量到矢量)比较以及其他表示,以将每个验证图像与登记图像进行比较。
电子设备102可以是智能手机、平板电脑、笔记本电脑、台式计算机、计算手表、计算眼镜、游戏系统或控制器、智能扬声器系统、电器、电视、娱乐系统、音频系统、汽车、无人驾驶车辆(空中、地面或潜水“无人机”)、触控板、绘图板、上网本、电子阅读器、家庭安全系统、门铃、冰箱以及其他具有指纹识别系统的设备120。
电子设备102可以包括比图1所图示的组件更多或更少的组件。电子设备102包括一个或多个应用处理器106和一个或多个计算机可读存储介质(CRM 108)。应用处理器106可以包括一个或多个控制器、微控制器、处理器、微处理器、硬件处理器、硬件处理单元、数字信号处理器、图形处理器、图形处理单元等的任意组合。应用处理器106处理由CRM 108存储的计算机可执行指令(例如,代码、代码)。CRM 108可以包括任何合适的存储器介质和存储介质,例如易失性存储器(例如,随机存取存储器(RAM))、非易失性存储器(例如,闪存)、光学介质、磁介质(例如,磁盘或磁带),等等。此外,CRM 108可以存储指令、数据(例如,生物特征数据)和/或其他信息,并且CRM 108排除传播信号。
电子设备102还可以包括应用104。应用104可以是软件、小程序、外围设备或需要或偏好对验证用户进行认证的其他实体。例如,应用104能够是电子设备102的安全组件或者用于保护可从电子设备102访问的信息的访问实体。应用104能够是登录到账户之前需要进行指纹识别的网上银行应用软件或网页。替代地,应用104可以是操作系统(OS)的一部分,其(通常)阻止对电子设备102的访问,直到用户的指纹被认证为验证后的用户的指纹为止。验证后的用户可以部分或全部在电子设备102上或在“云”中(例如,在通过互联网访问的远程设备上)执行应用104。例如,应用104可以使用互联网浏览器和/或应用编程接口(API)来提供到在线账户的接口。
此外,电子设备102还可以包括一个或多个输入/输出(I/O)端口(未图示)和显示系统110。显示系统110包括至少一个显示屏112,例如有机发光二极管(OLED)显示屏。显示系统还包括脉冲宽度调制电路114,其可以是与显示屏112相关联的驱动器(图1中未图示)的一部分。脉冲宽度调制电路114能够生成使电子设备102能够控制显示屏112的亮度、刷新率等的脉冲宽度调制(PWM)信号。
为了保留电子设备102的显示器侧上的空间,制造商可以在显示屏112下方嵌入传感器116(例如,环境光传感器、相机)和UDFPS122。然而,传感器116和UDFPS122可能偏好显示屏112的不同亮度和/或PWM信号的不同占空比。例如,当PWM信号具有较高的像素关断时间或如本文中可以被称为“消隐时间”时,环境光传感器可以更好地操作。另一方面,当PWM信号具有较低消隐时间时,UDFPS122可以更好地操作。为了满足这些不同的要求,PWM信号的占空比小于百分之一百(100%)。另外,用户可能偏好具有高刷新率(例如,360赫兹(Hz))的显示屏112。通常,更高的刷新率能够支持显示屏112上的更高的图像质量(例如,文本、静止图片、视频)。在各方面中,UDFPS122可以被校准以适应涵盖变化的占空比或变化的PWM噪声132的频率的多种操作模式(例如,参见图2和图3)。
在一方面,PWM信号的消隐时间和显示屏112的刷新率可以使UDFPS122捕获包括PWM噪声132的指纹图像130,如下文进一步描述的。PWM噪声132增加了所捕获的指纹图像130的时间噪声并降低了信噪比(SNR)。降低的SNR和所捕获的指纹图像130上的PWM噪声132的存在降低了指纹图像的质量,从而对生物特征安全性产生不利影响。在生物特征安全性中,成功率通常使用接收者操作曲线(ROC)来表征,该曲线能够被表示为说明二元分类器系统随着其辨别阈值变化的诊断能力的图表。更具体地,生物特征安全性测量可以包括针对指纹识别系统准许未授权人员访问的次数比例的错误接受率(FAR)以及针对指纹识别系统未能准许授权人员访问的次数比例的错误拒绝率(FRR)。定性地,成功率高的指纹识别具有低错误接受率以及低错误拒绝率。
为了增加指纹识别系统120的成功率,电子设备102能够从所捕获的指纹图像130中去除和/或滤除PWM噪声132,以生成、存储和使用过滤的指纹图像134。过滤的指纹图像134具有增加的SNR、更小的PWM噪声132、更低的FAR、更低的FRR,并且提供比所捕获的指纹图像130更好的生物特征安全性。因此,过滤的指纹图像134使用户能够更好地保护电子设备102、应用104、功能或其外围设备。
应当理解,用户可以控制他们的生物特征数据(例如,指纹),因为电子设备102可以在电子设备102接收来自用户的明确许可之后捕获、收集、存储、分析、过滤和/或处理与用户相关联的信息。事实上,在整个公开中,描述了电子设备102分析与用户相关联的信息(例如,所捕获的指纹图像)的示例。在下面讨论的电子设备102基于指纹对用户进行认证的情况下,能够向用户提供控制用户设备或远程系统的程序或特征是否能够收集指纹并将其用于当前或后续认证过程的机会。因此,各个用户可以控制电子设备102能够或不能对与用户相关联的指纹图像和其他信息做什么。与用户相关联的信息(例如,登记图像、验证图像、所捕获的指纹图像),如果曾经存储过,会以一种或多种方式进行预处理,使得在传输、存储或以其他方式使用之前去除个人可识别信息。例如,在用户设备存储登记图像之前,用户设备可以对登记图像进行加密。以这种方式预处理数据确保信息无法追溯到用户,从而去除任何可从用户的指纹推断的个人可识别信息。替代地,用户可以选择放弃使用生物特征数据来保护电子设备102的安全。相反,用户可以采用用户名、密码、个人识别号(PIN)和/或其组合来保护他们的电子设备102和/或应用104。
PWM噪声
图2图示了电子设备102(例如,智能电话)的显示侧的环境200。图2帮助描述所捕获的指纹图像130中的PWM噪声132的一些示例原因。如图示,电子设备102可以包括扬声器202和显示屏112。为了保留电子设备102的显示侧上的空间,制造商可以将传感器116和UDFPS122嵌入在显示屏112下方。在图2中,嵌入在显示屏112下方的电子组件用虚线图示。
在一方面,驱动器和/或脉冲宽度调制电路114使用显示“卷帘快门”方案来驱动显示屏112的像素,其中像素204的连续行(显示行204)在特定频率(例如,60Hz、90Hz、360Hz)刷新。如本文中所描述的,“卷帘快门”方案是一种捕获和/或显示图像的方法,其中通过快速、垂直地(如图2)或水平地(未图示)扫描图像来捕获和/或显示静止图片或视频的每一帧。“卷帘快门”方案不同于“全局快门”方案(未图示);在“全局快门”方案中,整个静止图片或视频帧在同一时刻被捕获和/或显示。如显示行204的箭头的方向所图示,显示卷帘快门方案可以是垂直方案。尽管未图示,但是显示卷帘快门方案可以是具有与图2中图示的方向相反的方向的垂直方案。替代地,显示卷帘快门方案可以是水平方案,其中水平方案可以具有从左到右或从右到左的方向。
在图2中,PWM信号以小于100%的占空比驱动显示行204的像素。如本文中所描述的,“占空比”是一个“周期”的PWM信号接通显示行204的像素的部分。该周期是PWM信号完成一个接通和关断周期所需的时间。PWM信号的占空比可以被表示为百分比或比率。例如,80%占空比描述了每个周期期间80%的时间接通和20%的时间关断的PWM信号。图204-10和204-20帮助图示具有小于100%的相应占空比的第一(204-10)和第二(204-20)PWM信号。为了一致性、简洁性以及该图示的清楚起见,PWM信号204-10和204-20具有相同的频率(例如,360Hz)——因此,第一PWM信号204-10的周期204-12等于第二PWM信号204-20的周期204-22。利用显示“卷帘快门”方案,在每个周期(例如,204-12)期间,第一PWM信号204-10可以在大约80%的时间(例如,204-14,接通时间)期间接通显示行204的像素,并且可以在大约20%的时间(例如,204-16、消隐时间、关断时间)期间关断显示行204的像素。类似地,在每个周期(例如,204-22)期间,第二PWM信号204-20可以在大约95%的时间(例如,204-24)期间接通显示行204的像素并且可以在大约5%的时间(例如,204-26)期间关断显示行204的像素。在该图示中,第一PWM信号204-10具有80%占空比,并且第二PWM信号204-20具有95%占空比。
调制PWM信号(例如,204-12、204-22)的占空比调制和/或控制显示屏112的像素的亮度输出。较短的消隐时间(例如,204-26)和较高的刷新率(例如,360Hz)使显示屏112能够显示更高质量的图像并且具有更少的“闪烁”。然而,较短的消隐时间(例如,204-26)妨碍传感器116(例如,环境光传感器)正常工作,因为环境光传感器受益于较长的消隐时间。因此,显示屏112和UDFPS122偏好具有更高占空比的PWM信号(例如,204-20),而传感器116偏好具有更低占空比的PWM信号(例如,204-10)。工程师、设计师和科学家努力设计和构建能够成功地利用其所有组件、应用及外围设备的电子设备102。为了使环境光传感器能够正常工作,电子设备102以PWM信号的占空比的较长消隐时间(例如,204-16)进行操作。
为了进一步描述和说明可能导致PWM噪声132的原因,考虑具有UDFPS122的指纹识别系统120的一些操作原理。当用户将其拇指放置在UDFPS活动区域122-2内的某处(例如,触摸区域122-1)时,UDFPS122捕获指纹图像130。更详细地,显示屏112照明触摸显示屏112的用户皮肤(例如,利用可见光)。用户触摸的照明导致光线从用户的皮肤(例如,拇指)反射。UDFPS122捕获反射光。UDFPS122可以利用各种图像传感器技术,诸如互补金属氧化物半导体(CMOS)图像传感器、电荷耦合器件(CCD)图像传感器、薄膜晶体管(TFT)图像传感器或任何利用光的图像传感器。假设UDFPS122包括具有按行和列布置的一定数量的像素(例如,2至10兆像素)的CMOS图像传感器。UDFPS还使用UDFPS“卷帘快门”方案来捕获指纹图像130,其中CMOS图像传感器的像素的连续行(UDFPS行206)捕获指纹图像130。使用UDFPS“卷帘快门”方案捕获指纹图像130的时间可以被称为“积分时间”。
然而,指纹识别系统120与UDFPS122的积分时间明显慢于显示屏112的刷新时间。显示屏幕112的刷新时间与显示屏幕112的刷新率成反比。具有360Hz刷新率的显示屏112的照明可以由具有360Hz频率和80%占空比的PWM信号驱动。在这种情况下,控制显示屏112的照明的PWM信号可以在用于捕获指纹图像130的积分时间期间包括35或36个消隐时间。
工程师、设计者和科学家努力使指纹识别系统120的时钟(未图示)与显示屏112的时钟(未图示)同步。更详细地,工程师努力设计积分时间为PWM信号的周期(例如,204-12)和占空比(例如,204-14)的整数(例如,整数)倍的指纹识别系统120。例如,积分时间可以是PWM信号的周期和占空比的35倍。遗憾的是,显示屏112和指纹识别系统120的相应时钟包括由于工艺、电压和温度(PVT)变化导致的相应的抖动(例如,1%、2%、3%)。一方面,PWM信号可能难以维持恒定的占空比,和/或指纹识别系统120可能难以维持恒定的积分时间。因此,PWM信号的更短占空比(更长消隐时间)、显示屏112的更高刷新率以及显示屏112和指纹识别系统120的时钟的抖动的组合可能导致PWM噪声(例如,图1的132)出现在所捕获的指纹图像(例如,图1的130)。接下来,图3图示了PWM噪声132的示例方面。
图3图示了PWM噪声132的示例的环境300。在一方面,为了确定PWM噪声132,电子设备102可以捕获不包括图6的示例图案和/或细节的相同非透明(例如,白色)平坦表面的多个(例如,四个)连续图像。如果指纹识别系统120的积分时间等于PWM信号204-10的周期(例如204-12)和占空比(例如204-14)的整数(例如35)倍,则电子设备102捕获同样平坦的连续图像。然而,图3图示了包括暗条纹的平坦表面的四个连续捕获的图像的基础301至304。这些暗条纹是PWM噪声132的伪影,因为平坦表面不包括条纹。
另外,所捕获的图像301至304中的暗条纹的数量不同。一方面,所捕获的图像301至304中暗条纹的不同计数可能是由于PWM噪声132的频率变化导致的。为了进一步检查PWM噪声132,图3分别图示了所捕获的图像的基础301至304的区域301-1至304-1的放大图像301-2至304-2。图像301-2、302-2、303-2和304-2图示了PWM噪声132的相位的变化。一方面,PWM噪声的相位变化可以表现为所捕获的图像中暗条纹的位置偏移(例如,以基础301到304、301-1到304-1、301-2到304-1)。因此,图3帮助图示即使在指纹识别系统120(具有UDFPS122)和显示系统110(具有显示屏112)的时钟同步之后,所捕获的图像包括具有相位和频率变化的PWM噪声132。PWM噪声132的相位和频率的变化增加了PWM噪声132的不可预测性。然而,电子设备102使用噪声过滤算法来从所捕获的指纹图像130中去除和/或滤除PWM噪声132,以生成、存储和使用过滤的指纹图像134。接下来,图4图示了噪声过滤算法可以如何使用主成分分析(PCA)技术来识别、建模、估计、提取和/或确定PWM噪声132。
PWM噪声估计
图4是示例环境400,其图示了非透明的(例如,白色的)平坦(例如,光滑)表面的相应的所捕获的图像的基础401至410。图4是在图1至图3的场境——电子设备102、具有显示屏112的显示系统110、以及具有UDFPS122的指纹识别系统120——中描述的。所捕获的非透明的平坦表面的图像可以被认为和/或称为指纹识别系统120的“背景图像”。因此,在背景图像中捕获的伪影(例如,401到410、图案、亮度/暗度的变化)是由于PWM噪声132导致的。
PCA技术能够对PWM噪声132进行建模,其中PWM噪声132可以包括相位、频率和/或幅度(例如,亮度或暗度)的变化。在数学、图像处理、信号处理、力学、神经科学和/或其他工程和科学学科中,PCA是一种计算主成分和/或主成分矢量的技术。如本文中所描述的,PCA技术可以被用于识别、建模、估计、提取和/或确定背景图像中的伪影,如图4中的401至410所图示。基础401-410识别、建模、估计、提取和/或确定PWM噪声132。为了减少PWM噪声132,电子设备102可以同步用于控制由显示屏112发射的光的PWM信号和用于利用UDFPS122捕获指纹图像130的积分时间之间的启动周期。
在一方面,为了识别、建模、估计、提取和/或确定PWM噪声132,电子设备102能够通过改变和/或模拟时钟抖动、频移、幅度变化和/或能够引起PWM噪声132的其他参数来捕获背景图像(例如,具有基础401至410)。通过这样做,噪声过滤算法可以识别、建模、估计、提取和/或确定由于FIS120的时钟和/或显示系统110的时钟的相应的时钟抖动(例如,1%、2%、3%)导致的在所捕获的指纹图像130中的PWM噪声132。噪声过滤算法还能够识别、建模、估计、提取和/或确定PWM噪声132(例如,301-2、302-2、303-2、304-2)中的频移。PWM噪声132的频移可能由于显示屏112的刷新率的变化(例如,359.6Hz至360.4Hz)和/或使用UDFPS122的积分时间的变化(例如,97.6毫秒至98.4毫秒)而发生。此外,噪声过滤算法能够识别、建模、估计、提取和/或确定由于UDFPS122(例如,UDFPS行206)所捕获的光量的变化导致的幅度变化。该幅度变化可能由于显示系统110的PWM信号(例如,204-10)的占空比(例如,204-14)的变化、FIS120和显示系统110的时钟的不同步和/或其他因素而发生。噪声过滤算法能够使用有限的硬件和/或存储器资源,并且可以利用相对较少的计算资源来确保对用户体验的最小干扰。
替代地或附加地,代替捕获背景图像上的伪影,制造商可以使用FIS120和显示系统110的数据表、规格和/或模型来计算潜在的和/或预期的伪影。通过这样做,噪声过滤算法可以开发包括PWM噪声132的数据库。因此,噪声过滤算法能够识别、建模、估计、提取和/或确定单独电子设备102上、相同品牌和型号的电子设备上、和/或共享相同显示系统110和相同指纹识别系统120的模型的多种品牌和型号上的PWM噪声132。包括伪影(例如,401至410)的背景图像的矢量化形式可以被加密并存储在数据库上。注意,包括带有伪影的背景图像的数据库不包含任何用户生物特征数据(例如,指纹数据)。因此,噪声过滤算法进一步保护了用户的隐私。接下来,图5图示了噪声过滤算法如何使用背景图像的矢量化形式(例如,具有基础401至410)来从所捕获的指纹图像130中滤除PWM噪声132以获得过滤的指纹图像134。
示例方法
图5图示了用于从所捕获的指纹图像130中滤除PWM噪声132以获得过滤的指纹图像134的示例方法500。图5是在图1至图4的场境——电子设备102、具有显示屏112的显示系统110、以及具有UDFPS 122的指纹识别系统120——中描述的。示例方法500中执行的操作可以以与图5中所示不同的顺序或者利用附加或更少的步骤来执行。示例方法500的PCA技术能够对PWM噪声132进行建模,其中PWM噪声132包括相位、频率和/或幅度(例如,亮度或暗度)的变化。PCA是一种用于提取主成分和/或主成分矢量的技术。在各方面,PCA技术分析数据(例如,生物特征数据)以便识别、建模、估计、提取和/或确定背景图像中的伪影。
在阶段502,方法500使用图4中描述的PCA技术对背景图像(例如,具有基础401至410)执行主成分分析(PCA)。如图3、图4和图5所示,背景图像可能包括伪影(例如,暗条纹)。PCA技术使方法500能够识别伪影(例如,图5的132)。然后,方法500在阶段504提取背景图像的主成分矢量。如图4的具有基础401至410的背景图像中所图示,第一多个主要成分(例如,402、403)可以比第二多个主要成分(例如,409)包括更多的伪影。因此,在阶段506,方法500确定哪些伪影是由于PWM噪声132导致的。方法500可以忽略一些伪影,因为它们可能包括明显的高斯噪声。例如,由于减少的伪影数量(例如,几乎没有可测量和/或可检测的暗条纹),方法500可以忽略背景图像401。在方法500确定哪些伪影是由于PWM噪声132导致的之后,在阶段508,方法500为每个伪影创建PWM噪声矢量(例如,401-410)。如图3至图5所示,由于背景图像的伪影是条纹的,所以PWM噪声132的水平部分是恒定的。这样,方法500可以利用一维(而不是二维)PWM噪声矢量。一维矢量的使用使噪声过滤算法能够使用有限的硬件和/或存储器资源(例如,CRM 108)并利用相对较少的计算资源(例如,应用处理器106)。在数学上,方法500可以将PWM噪声矢量表示为本文中表示为[PCA_PWM]的矩阵。这些主成分矢量可以在将来被存储和访问。
在阶段510,方法500利用来自显示屏112的光照明用户触摸(例如,触摸区域122-1)。照明使光从用户的皮肤反射。然后,在阶段512,方法500捕获UDFPS122处的反射光以提供用户关联的图像(例如,所捕获的指纹图像130)。然而,在阶段512,所捕获的指纹图像130是未过滤的指纹图像并且包括PWM噪声132。除了PWM噪声132的伪影(例如,暗条纹)之外,所捕获的指纹图像130还具有降低的信噪比(SNR),从而进一步降低了捕获的指纹图像130的质量。在图5中,与过滤的指纹图像134相比,所捕获的指纹图像130中的降低的SNR被图示为图案和/或细节的较浅的灰色阴影。
在阶段514,方法500将用户关联的图像(例如,所捕获的指纹图像130)投影到矢量空间上,其中该矢量空间与PWM噪声矢量(例如,132,[PCA_PWM])相关联。投影用户关联的图像可以包括乘以PWM噪声矢量、PWM噪声矢量矩阵的转置、以及所捕获的指纹图像130的矢量化形式。在数学上,方法500的阶段514可以使用等式1来表达:
[IPCA_PWM]=[PCA_PWM]·[PCA_PWM]T·[ICaptured] 等式1
其中[PCA_PWM]矩阵表示PWM噪声矢量,[PCA_PWM]T表示[PCA_PWM]矩阵的转置,[ICaptured]矩阵表示所捕获的指纹图像130的矢量化形式,并且[IPCA_PWM]表示投影到PWM噪声的矢量空间上的用户相关图像(例如,所捕获的指纹图像130)。
在阶段516,基于投影到PWM噪声的矢量空间上的用户关联的图像,方法500从用户关联的图像(例如,所捕获的指纹图像130)滤除PWM噪声132以提供降低噪声的图像(例如,过滤的指纹图像134)。滤除PWM噪声132可以从PWM噪声矢量中减去矢量空间上的用户关联的图像。在数学上,方法500的阶段516可以使用等式2来表达:
[IFiltered]=[ICaptured]-[IPCA_PWM] 等式2
其中[IFiltered]矩阵表示过滤的指纹图像134的矢量化形式。
图案和细节
图6图示了在匹配指纹中使用的图案(602、604和606)和细节(610到626)的示例。用于匹配目的的指纹分析通常需要比较模式和/或细节。方法500降低了错误接受率,从而提高了电子设备102的生物特征安全性。方法500还降低了错误拒绝率,从而提供了更好的用户体验。
指纹脊的三种主要图案是弓形602、环形604和螺纹606。弓形602是从手指的一侧进入、在中心上升形成弧形、然后从手指的另一侧退出的指纹脊。环形604是从手指的一侧进入、形成曲线、然后在手指的同一侧退出的指纹脊。螺纹606是围绕中心点呈圆形的指纹脊。细节610至626是指纹脊的特征,诸如脊末端610、分叉612、短脊614、点616、桥618、断路620、支线622、岛624、双分叉626、三角洲628、三分叉630、湖或脊外围(未图示)、核(未图示)等。
例如,由于PWM噪声132导致的所捕获的指纹图像130(例如,验证图像)中的伪影的存在可能在验证图像中表现为“谷”。因此,电子设备在将验证图像与登记图像进行比较时可能错误地拒绝用户。然而,电子设备102使用图1至图5中描述的方法500和技术来滤除可能在指纹图像中错误地表现为“谷”的伪影。
一般而言,本文中描述的任何组件、模块、方法和操作能够使用软件、固件、硬件(例如,固定逻辑电路)、手动处理或其任何组合来实现。示例方法的一些操作可以在存储在计算机处理系统本地和/或远程的计算机可读存储存储器上的可执行指令的一般场境中进行描述,并且实施方式能够包括软件应用、程序、功能等。替代地或另外,本文中描述的任何功能能够至少部分地由一个或多个硬件逻辑组件执行,包括但不限于现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SoC)、复杂可编程逻辑器件(CPLD)等。
下面描述一些示例:
示例1.一种计算机实现的方法,包括:对与嵌入在显示系统的显示屏下方的传感器相关联的背景图像执行主成分分析,所述主成分分析提供所述背景图像上的伪影;从所述伪影中提取主成分矢量;响应于所述提取基于所述主成分矢量,确定至少一个脉冲宽度调制PWM噪声;响应于确定所述PWM噪声,对所述PWM噪声进行矢量化以创建PWM噪声矢量;利用来自所述显示屏的光照明用户触摸,所述照明用于使所述光从用户的皮肤反射;捕获所述传感器处的反射光以提供用户关联的图像;将所述用户关联的图像投影到矢量空间上,所述矢量空间与所述PWM噪声矢量相关联以在所述矢量空间上提供所述用户关联的图像;以及基于所述矢量空间上的所述用户关联的图像,从所述用户关联的图像滤除所述PWM噪声以提供降低噪声的图像。
示例2:根据示例1所述的计算机实现的方法,还包括:基于所述PWM噪声矢量,创建所述PWM噪声的第一矩阵,并且基于所述用户关联的图像来创建第二矩阵,并且其中,投影所述用户关联的图像将所述第一矩阵、所述第一矩阵的转置和所述第二矩阵相乘。
示例3:根据示例2所述的计算机实现的方法,其中,滤除所述PWM噪声从所述第二矩阵中减去所述矢量空间上的所述用户关联的图像。
示例4:根据示例1至3中的至少一项所述的计算机实现的方法,还包括:基于所述降低噪声的图像来对用户进行认证。
示例5:根据示例4所述的计算机实现的方法,还包括:响应于对所述用户进行认证,启用功能、账户或外围设备的使用。
示例6:根据示例1至5中至少一项所述的计算机实现的方法,其中,对所述PWM噪声(132)进行矢量化以创建PWM噪声矢量是基于PWM噪声中的可变频率;以及PWM噪声矢量的数量对应于PWM噪声的频率的数量。
示例7:根据示例1至6中至少一项所述的计算机实现的方法,其中,对所述PWM噪声(132)进行矢量化以创建PWM噪声矢量是基于所述显示系统(110)的一个或多个占空比的变化;以及PWM噪声矢量的数量对应于所述显示系统(110)的占空比的数量。
示例8:根据示例1至7中的至少一项所述的计算机实现的方法,其中,所述传感器能捕获非透明的、平坦表面的多个图像,而没有所述用户关联的图像。
示例9:根据示例8所述的计算机实现的方法,其中,所述非透明的平坦表面是白色的。
示例10:根据示例1至9中的至少一项所述的计算机实现的方法,其中,确定所述PWM噪声还包括通过模拟时钟抖动以引起所述PWM噪声来捕获多个背景图像。
示例11:根据示例1至10中至少一项所述的计算机实现的方法,其中,所述PWM噪声由所述电子设备识别、建模和/或估计,以通过改变和/或模拟时钟抖动、频移、幅度变化和/或引起所述PWM噪声的其他参数来捕获所述至少一个背景图像。
示例12:根据示例10或11所述的计算机实现的方法,还包括:确定所述PWM噪声的幅度变化。
示例13:根据示例1至12中的至少一项所述的计算机实现的方法,其中,所述伪影包括从拇指、指尖或多个指尖生成的指纹图像。
示例14:根据示例1至13中的至少一项所述的计算机实现的方法,其中,所述背景图像是指纹识别系统的非透明的平坦表面的捕获的图像。
示例15:根据示例1至14中的至少一项所述的计算机实现的方法,其中,在所述传感器处捕获反射光以提供用户关联的图像包括垂直显示卷帘快门方案。
示例16:根据示例1至14中的至少一项所述的计算机实现的方法,其中,在所述传感器处捕获反射光以提供用户关联的图像包括水平显示卷帘快门方案。
示例17:根据示例15或16所述的计算机实现的方法,其中,第一PWM信号在超过70%,特别是超过80%,的时间期间接通所述显示行的像素,并且在少于30%,特别是少于20%,的时间期间关断所述显示行的像素,并且第二PWM信号在超过90%,特别是超过95%,的时间期间接通所述显示行的像素,并且在少于10%,特别是少于5%,的时间期间关断所述显示行的像素。
示例18:一种用户设备,包括:显示系统,所述显示系统包括:显示屏;以及脉冲宽度调制电路;传感器;一个或多个处理器;以及一个或多个其上具有指令的计算机可读介质,所述指令响应于所述一个或多个处理器的执行而执行根据示例1至17中任一项所述的计算机实现的方法的操作。
结论
尽管在前面的描述中描述了本公开的各种实施例并且在附图中示出,应当理解,本公开不限于此,而是可以在所附权利要求的范围内以各种方式体现以进行实践。从前述描述中,明显的是,在不脱离由所附权利要求限定的本公开的精神和范围的情况下,可以做出各种改变。
Claims (18)
1.一种计算机实现的方法,包括:
对与嵌入在显示系统(110)的显示屏(112)下方的传感器(116)相关联的背景图像执行主成分分析,所述主成分分析提供所述背景图像上的伪影;
从所述伪影中提取主成分矢量;
响应于所述提取并基于所述主成分矢量,确定至少一个脉冲宽度调制PWM噪声(132);
响应于确定所述PWM噪声(132),对所述PWM噪声(132)进行矢量化以创建PWM噪声矢量;
利用来自所述显示屏(112)的光来照明用户触摸,所述照明用于使所述光从用户的皮肤反射;
捕获所述传感器(116)处的反射光以提供用户关联的图像;
将所述用户关联的图像投影到矢量空间上,所述矢量空间与所述PWM噪声矢量相关联以提供所述矢量空间上的所述用户关联的图像;以及
基于所述矢量空间上的所述用户关联的图像,从所述用户关联的图像中滤除所述PWM噪声(132)以提供降低噪声的图像。
2.根据权利要求1所述的计算机实现的方法,还包括:
基于所述PWM噪声矢量,创建所述PWM噪声(132)的第一矩阵,并且基于所述用户关联的图像来创建第二矩阵,并且其中,投影所述用户关联的图像将所述第一矩阵、所述第一矩阵的转置和所述第二矩阵相乘。
3.根据权利要求2所述的计算机实现的方法,其中,滤除所述PWM噪声(132)从所述第二矩阵中减去所述矢量空间上的所述用户关联的图像。
4.根据权利要求1至3中的至少一项所述的计算机实现的方法,还包括:
基于所述降低噪声的图像来对用户进行认证。
5.根据权利要求4所述的计算机实现的方法,还包括:
响应于对所述用户进行认证,启用功能、账户或外围设备的使用。
6.根据权利要求1至5中至少一项所述的计算机实现的方法,其中,对所述PWM噪声(132)进行矢量化以创建PWM噪声矢量的操作对所述PWM噪声中的两个或更多个频率进行矢量化;以及
PWM噪声矢量的数量对应于PWM噪声的所述两个或更多个频率的数目。
7.根据权利要求1至6中至少一项所述的计算机实现的方法,其中,对所述PWM噪声(132)进行矢量化以创建PWM噪声矢量是基于所述显示系统(110)的一个或多个占空比的变化;以及
PWM噪声矢量的数量对应于所述显示系统(110)的所述一个或多个占空比的所述变化的数量。
8.根据权利要求1至7中的至少一项所述的计算机实现的方法,其中,所述传感器(116)能捕获非透明的、平坦表面的多个图像,而没有所述用户关联的图像。
9.根据权利要求8所述的计算机实现的方法,其中,所述非透明的平坦表面是白色的。
10.根据权利要求1至9中的至少一项所述的计算机实现的方法,其中,确定所述PWM噪声(132)还包括:通过模拟时钟抖动以引起所述PWM噪声(132)来捕获多个背景图像。
11.根据权利要求1至10中至少一项所述的计算机实现的方法,其中,所述PWM噪声(132)由所述电子设备(102)识别、建模和/或估计,以通过改变和/或模拟时钟抖动、频移、幅度变化和/或引起所述PWM噪声(132)的其他参数来捕获所述至少一个背景图像。
12.根据权利要求10或11所述的计算机实现的方法,还包括:
确定所述PWM噪声(132)的幅度变化。
13.根据权利要求1至12中的至少一项所述的计算机实现的方法,其中,所述伪影包括从拇指、指尖或多个指尖生成的指纹图像。
14.根据权利要求1至13中的至少一项所述的计算机实现的方法,其中,所述背景图像是指纹识别系统的非透明的平坦表面的捕获的图像。
15.根据权利要求1至14中的至少一项所述的计算机实现的方法,其中,在所述传感器(116)处捕获反射光以提供用户关联的图像包括垂直显示卷帘快门方案。
16.根据权利要求1至14中的至少一项所述的计算机实现的方法,其中,在所述传感器(116)处捕获反射光以提供用户关联的图像包括水平显示卷帘快门方案。
17.根据权利要求15或16所述的计算机实现的方法,其中,第一PWM信号在超过70%,特别是超过80%,的时间期间接通所述显示行的像素,并且在少于30%,特别是少于20%,的时间期间关断所述显示行的像素,并且第二PWM信号在超过90%,特别是超过95%,的时间期间接通所述显示行的像素,并且在少于10%,特别是少于5%,的时间期间关断所述显示行的像素。
18.一种用户设备,包括:
显示系统(110),所述显示系统包括:
显示屏(112);以及
脉冲宽度调制电路(114);
传感器(116);
一个或多个处理器;以及
一个或多个其上具有指令的计算机可读介质,所述指令响应于由所述一个或多个处理器的执行而执行根据权利要求1至17中任一项所述的计算机实现的方法的操作。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US202163156306P | 2021-03-03 | 2021-03-03 | |
US63/156,306 | 2021-03-03 | ||
PCT/US2021/057320 WO2022186863A1 (en) | 2021-03-03 | 2021-10-29 | Filtering pulse-width modulated (pwm) noise from a fingerprint image captured with an optical under-display fingerprint sensor (udfps) |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116888635A true CN116888635A (zh) | 2023-10-13 |
Family
ID=78709560
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202180093986.XA Pending CN116888635A (zh) | 2021-03-03 | 2021-10-29 | 从利用光学屏下指纹传感器(udfps)捕获的指纹图像中过滤脉冲宽度调制(pwm)噪声 |
Country Status (4)
Country | Link |
---|---|
US (1) | US11928795B2 (zh) |
EP (1) | EP4073766A1 (zh) |
CN (1) | CN116888635A (zh) |
WO (1) | WO2022186863A1 (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11842678B2 (en) | 2021-10-12 | 2023-12-12 | Google Llc | High-brightness mode on an OLED display |
Family Cites Families (31)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TW588563B (en) | 2002-07-01 | 2004-05-21 | Chuntex Electronic Co Ltd | Brightness adjustment method and device of liquid crystal display |
US8994615B2 (en) | 2008-06-06 | 2015-03-31 | Dolby Laboratories Licensing Corporation | Apparatus and methods for driving solid-state illumination sources |
KR101583729B1 (ko) | 2009-05-28 | 2016-01-11 | 삼성디스플레이 주식회사 | 표시 장치 |
TWI488439B (zh) * | 2012-07-06 | 2015-06-11 | Au Optronics Corp | 雜訊頻率偵測方法以及觸控裝置 |
JP6067302B2 (ja) * | 2012-09-28 | 2017-01-25 | シナプティクス・ジャパン合同会社 | 半導体装置 |
EP2924682B1 (en) | 2012-11-20 | 2019-12-18 | Sharp Kabushiki Kaisha | Control device, display device, and display device control method |
KR102037716B1 (ko) | 2012-11-23 | 2019-10-30 | 삼성디스플레이 주식회사 | 디스플레이 장치의 감마 데이터 저장 방법, 디스플레이 장치 및 디스플레이 장치의 구동 방법 |
US9905199B2 (en) | 2014-09-17 | 2018-02-27 | Mediatek Inc. | Processor for use in dynamic refresh rate switching and related electronic device and method |
US10032430B2 (en) | 2014-09-17 | 2018-07-24 | Mediatek Inc. | Processor for use in dynamic refresh rate switching and related electronic device |
WO2016104712A1 (ja) | 2014-12-26 | 2016-06-30 | Necソリューションイノベータ株式会社 | 画像処理装置、画像処理方法及びプログラム |
KR102279278B1 (ko) | 2014-12-30 | 2021-07-20 | 엘지디스플레이 주식회사 | 표시 장치 및 이의 구동 방법 |
US10467964B2 (en) | 2015-09-29 | 2019-11-05 | Apple Inc. | Device and method for emission driving of a variable refresh rate display |
WO2017091663A1 (en) * | 2015-11-23 | 2017-06-01 | Jensen Eric Dean | Fingerprint reader |
US10510317B2 (en) | 2016-06-03 | 2019-12-17 | Apple Inc. | Controlling display performance with target presentation times |
KR20180046788A (ko) | 2016-10-28 | 2018-05-09 | 삼성전자주식회사 | 지문 센서에 입력되는 노이즈를 감소시키는 장치 |
US9930303B1 (en) * | 2016-11-14 | 2018-03-27 | Texas Instruments Incorporated | Methods and apparatus for shallow gradient artifact reduction in image display systems |
KR102594294B1 (ko) | 2016-11-25 | 2023-10-25 | 엘지디스플레이 주식회사 | 전계 발광 표시 장치 및 이의 구동 방법 |
KR102318387B1 (ko) | 2017-03-14 | 2021-10-28 | 삼성전자주식회사 | 표시 설정에 따른 감마 전압 운용 방법 및 이를 지원하는 전자 장치 |
TWI623886B (zh) | 2017-04-05 | 2018-05-11 | 指紋感測器以及其降低雜訊干擾方法 | |
EP3389039A1 (en) | 2017-04-13 | 2018-10-17 | Samsung Electronics Co., Ltd. | Display panel and driving method of display panel |
US10714011B2 (en) | 2017-09-21 | 2020-07-14 | Apple Inc. | OLED voltage driver with current-voltage compensation |
JP7335066B2 (ja) | 2017-11-02 | 2023-08-29 | シナプティクス インコーポレイテッド | 表示ドライバ、表示装置及び輝度制御方法 |
CN110473502A (zh) | 2018-05-09 | 2019-11-19 | 华为技术有限公司 | 屏幕亮度的控制方法、装置及终端设备 |
KR102659623B1 (ko) | 2019-07-02 | 2024-04-23 | 삼성디스플레이 주식회사 | 표시 장치 및 그의 휘도 조절 방법 |
JP7386688B2 (ja) | 2019-12-13 | 2023-11-27 | シャープ株式会社 | 表示制御装置、表示装置、表示制御装置の制御プログラムおよび制御方法 |
CN113053306B (zh) | 2019-12-26 | 2024-08-13 | 联咏科技股份有限公司 | 发光二极管显示器及其驱动方法 |
KR20210085520A (ko) | 2019-12-30 | 2021-07-08 | 엘지디스플레이 주식회사 | 표시 장치와 그 구동 방법 |
US11183095B2 (en) | 2019-12-31 | 2021-11-23 | Micron Technology, Inc. | Dynamic screen refresh rate for an electronic device |
US11468833B2 (en) | 2020-02-06 | 2022-10-11 | Samsung Electronics Co., Ltd. | Method of controlling the transition between different refresh rates on a display device |
CN112331145B (zh) | 2020-11-17 | 2022-02-15 | Oppo广东移动通信有限公司 | 显示屏变频方法、ddic芯片、显示屏模组及终端 |
US11842678B2 (en) | 2021-10-12 | 2023-12-12 | Google Llc | High-brightness mode on an OLED display |
-
2021
- 2021-10-29 WO PCT/US2021/057320 patent/WO2022186863A1/en active Application Filing
- 2021-10-29 US US17/769,193 patent/US11928795B2/en active Active
- 2021-10-29 EP EP21811202.7A patent/EP4073766A1/en not_active Withdrawn
- 2021-10-29 CN CN202180093986.XA patent/CN116888635A/zh active Pending
Also Published As
Publication number | Publication date |
---|---|
WO2022186863A1 (en) | 2022-09-09 |
US11928795B2 (en) | 2024-03-12 |
US20230139382A1 (en) | 2023-05-04 |
EP4073766A1 (en) | 2022-10-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Chan et al. | Face liveness detection using a flash against 2D spoofing attack | |
US11138455B2 (en) | Liveness test method and apparatus | |
US20200026920A1 (en) | Information processing apparatus, information processing method, eyewear terminal, and authentication system | |
Li et al. | Face recognition under spoofing attacks: countermeasures and research directions | |
Yu et al. | EvoPass: Evolvable graphical password against shoulder-surfing attacks | |
CN111695386B (zh) | 一种指纹图像增强、指纹识别和应用程序启动方法 | |
US20220100831A1 (en) | Face Authentication Embedding Migration and Drift-Compensation | |
WO2016072920A1 (en) | Creating templates for fingerprint authentication | |
Wang et al. | Using opportunistic face logging from smartphone to infer mental health: challenges and future directions | |
CN109416734B (zh) | 用于虹膜图像编码的自适应量化方法 | |
Singh et al. | A robust anti-spoofing technique for face liveness detection with morphological operations | |
KR20220123118A (ko) | 모션 센서 데이터에 기록된 사용자, 동작 및 장치에 특유한 특징을 구분하기 위한 시스템 및 방법 | |
US11928795B2 (en) | Filtering pulse-width modulated (PWM) noise from a fingerprint image captured with an optical under-display fingerprint sensor (UDFPS) | |
Ebihara et al. | Efficient face spoofing detection with flash | |
KR101468381B1 (ko) | 지문 영상 획득 방법 및 장치 | |
US20220188390A1 (en) | Spatiotemporal Deep Learning for Behavioral Biometrics | |
CN113888500A (zh) | 基于人脸图像的炫光程度检测方法、装置、设备及介质 | |
US11361525B2 (en) | Electronic device for performing biometric identification | |
US11507646B1 (en) | User authentication using video analysis | |
Bashier et al. | Graphical password: Pass-images Edge detection | |
Ezz et al. | Challenge-response emotion authentication algorithm using modified horizontal deep learning | |
Tan et al. | A novel weighted hausdorff distance for face localization | |
JP7079742B2 (ja) | 計算機システム | |
Shibel et al. | Deep learning detection of facial biometric presentation attack | |
Tiwari et al. | Gaze-based graphical password using webcam |
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 |