CN116935450A - 一种指纹检测方法及指纹模组 - Google Patents
一种指纹检测方法及指纹模组 Download PDFInfo
- Publication number
- CN116935450A CN116935450A CN202210319195.0A CN202210319195A CN116935450A CN 116935450 A CN116935450 A CN 116935450A CN 202210319195 A CN202210319195 A CN 202210319195A CN 116935450 A CN116935450 A CN 116935450A
- Authority
- CN
- China
- Prior art keywords
- detection
- fingerprint
- host
- block
- coverage
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 401
- 238000000034 method Methods 0.000 claims abstract description 44
- 238000011895 specific detection Methods 0.000 claims description 39
- 238000012545 processing Methods 0.000 claims description 15
- 230000006698 induction Effects 0.000 claims description 6
- 239000002184 metal Substances 0.000 claims description 6
- 238000009826 distribution Methods 0.000 claims description 5
- 238000004378 air conditioning Methods 0.000 claims 4
- 230000000694 effects Effects 0.000 abstract description 4
- 238000003825 pressing Methods 0.000 description 19
- 238000005259 measurement Methods 0.000 description 15
- 230000008569 process Effects 0.000 description 13
- 238000010586 diagram Methods 0.000 description 10
- 238000003860 storage Methods 0.000 description 9
- 238000004590 computer program Methods 0.000 description 7
- 239000003990 capacitor Substances 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- 230000006854 communication Effects 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 238000007781 pre-processing Methods 0.000 description 4
- 230000003321 amplification Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000003199 nucleic acid amplification method Methods 0.000 description 2
- 238000005192 partition Methods 0.000 description 2
- 238000012797 qualification Methods 0.000 description 2
- 241001270131 Agaricus moelleri Species 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 230000002618 waking effect Effects 0.000 description 1
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
- G06V40/1347—Preprocessing; Feature extraction
-
- 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
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/50—Extraction of image or video features by performing operations within image blocks; by using histograms, e.g. histogram of oriented gradients [HoG]; by summing image-intensity values; Projection analysis
-
- 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
- G06V40/1306—Sensors therefor non-optical, e.g. ultrasonic or capacitive sensing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/107—Static hand or arm
- G06V40/11—Hand-related biometrics; Hand pose recognition
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Human Computer Interaction (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Input (AREA)
Abstract
本说明书实施例提供一种指纹检测方法及指纹模组。所述指纹检测方法包括:将所述指纹模组的检测区域划分为多个检测区块,其中每个所述检测区块中包括多个检测单元;每个所述检测单元对应一个灰度值;扫描所述检测区块以获取所述灰度值;基于所述灰度值分别确定各个检测区块是否处于覆盖状态;及累计处于所述覆盖状态的所述检测区块的数量,在处于所述覆盖状态的所述检测区块的数量不小于覆盖区块阈值的情况下,向主机发送采集请求,以通知所述主机获取指纹图像。上述方法不仅避免了由于误触造成的无意义检测,也保证了之后采集得到的指纹图像的完整性,提高识别结果的准确性,保障了指纹识别的实际应用效果。
Description
技术领域
本说明书实施例涉及传感器技术领域,特别涉及一种指纹检测方法及指纹模组。
背景技术
随着移动终端、智能家居、汽车电子等领域的发展,利用指纹识别技术来保障信息安全得到了广泛的应用。基于录入指纹对用户身份进行准确识别,是指纹识别技术得到应用的必要条件。
目前在进行指纹识别时,一般先利用金属环检测或是检测区域电容值来判断是否存在手指触碰,在确定存在手指触碰后,再利用检测区域获取按压图像并传输至终端设备。但是,上述实时过程只能判断当前存在手指触碰,对于手指在检测区域中的按压面积,即对应于检测区域的覆盖率并不存在判断步骤。在利用具有较低覆盖率的图像进行身份识别时,由于该类图像特征点少,可能会将其匹配至错误的预存指纹图像,甚至可能导致针对不法分子的指纹识别通过,从而造成信息安全问题。因此,目前亟需一种能够在指纹检测的过程中方便有效地对指纹覆盖率进行判断的技术方案。
发明内容
本说明书实施例的目的是提供一种指纹检测方法及系统,以解决如何在指纹检测的过程中方便有效地对指纹覆盖率进行判断的问题。
为了解决上述技术问题,本说明书实施例提出了一种指纹检测方法,应用于指纹模组;所述方法包括:将所述指纹模组的检测区域划分为多个检测区块,其中每个所述检测区块中包括多个检测单元;每个所述检测单元对应一个灰度值;扫描所述检测区块以获取所述灰度值;基于所述灰度值分别确定各个检测区块是否处于覆盖状态;及累计处于所述覆盖状态的所述检测区块的数量,在处于所述覆盖状态的所述检测区块的数量不小于覆盖区块阈值的情况下,向主机发送采集请求,以通知所述主机获取指纹图像。
本说明书实施例还提出一种指纹模组,包括:检测区域,所述检测区域被划分为多个检测区块,其中每个检测区块包括多个检测单元;每个所述检测单元对应一个灰度值;及硬件电路,用于扫描所述检测区块以获取所述灰度值;基于所述灰度值分别确定各个检测区块是否处于覆盖状态;累计处于所述覆盖状态的所述检测区块的数量,在处于覆盖状态的所述检测区块的数量不小于覆盖区块阈值的情况下,向主机发送采集请求,以通知所述主机获取指纹图像。
由以上本说明书实施例提供的技术方案可见,本说明书实施例将指纹模组有效的检测区域划分为多个检测区块,其中每个所述检测区块中包括多个检测单元,每个检测单元对应一个灰度值。在进行指纹检测时,首先扫描各检测区块以获取灰度值,然后基于灰度值分别确定各个检测区块是否处于覆盖状态,累计处于覆盖状态的检测区块的数量,在处于覆盖状态的检测区块的数量不小于覆盖区块阈值的情况下,再向主机发送采集请求,以通知所述主机获取指纹图像。通过上述方法,在进行指纹采集之前,基于指纹模组自身即实现了检测区域内的覆盖率的确定和判断,在覆盖率符合一定要求的情况下再进行指纹图像的采集和识别,不仅避免了由于误触造成的无意义检测,也保证了之后采集得到的指纹图像的完整性,提高识别结果的准确性,保障了指纹识别的实际应用效果。此外,本说明书实施例先以检测区块为单位进行灰度值的扫描,以分别确定各个检测区块是否处于覆盖状态,再根据处于覆盖状态的区块数量来判断覆盖率,可以避免局部检测区域的灰度对整体覆盖率的影响,使得覆盖率判断更准确。另外,以检测区块为单位进行灰度值的扫描较之整个检测区域的扫描,硬件开销更小。
附图说明
为了更清楚地说明本说明书实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本说明书中记载的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本说明书实施例一种指纹检测系统的结构图;
图2为本说明书实施例一种检测区域的示意图;
图3为本说明书实施例一种指纹检测方法的流程图;
图4为本说明书实施例一种用于按压检测的检测单元的示意图;
图5为本说明书实施例一种指纹检测方法的流程图。
具体实施方式
下面将结合本说明书实施例中的附图,对本说明书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说明书一部分实施例,而不是全部的实施例。基于本说明书中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本说明书保护的范围。
为了更好地对本申请的技术构思进行描述,首先介绍本说明书实施例中的一种指纹检测系统。如图1所示,所述指纹检测系统包括指纹模组100和主机200。
指纹模组100可以用于实现指纹的采集。如图2所示,在指纹模组100的表面设置有检测区域110,检测区域110可以是供用户放置手指以采集用户指纹的区域,可以是指纹模组100中指纹芯片的有源区域(active area)。
检测区域110被划分为多个检测区块111,每个检测区块111中又可以包括多个检测单元112。优选的,所有检测区块的面积大小相同。当用户将手指放置在检测区域110上时,不同的检测单元112能够分别被扫描出对应的灰度值,在一实施方式中,检测单元112包括电容感应单元,不同灰度值对应检测单元112的感应电容值,其反映该检测单元112与对应的手指表面的测量部位之间的距离。在获取到所有检测单元112所对应的灰度值后,可以综合所有检测单元112的灰度值的大小和分布确定手指表面的凹凸分布情况,即完成手指指纹图像的构建。
在一实施方式中,检测单元112包括电容感应单元,由于被测量部位触摸而产生感应电容,并转换成模拟电信号,再通过ADC将这些模拟电信号转换为数字信号,每个检测单元112对应的数字信号称之为灰度值,灰度值的大小用于体现测量部位与检测单元112之间的距离远近。以前述ADC为8位(bit)的ADC为例,灰度值的范围为0-255,当没有手指按压,感应电容值最小,对应灰度值最大,为255;当有手指按压时,感应电容值变大(感应电容值随着检测单元112与对应的手指表面的测量部位之间的距离不同而变化),灰度值变小。当应用至本说明书实施例中时,若检测单元112被扫描到的灰度值为0,可以表示检测单元112的表面存在物体覆盖,若转换得到的灰度值为255时,可以表示对应的检测单元112的表面不存在物体覆盖。实际应用中由于存在外界因素以及测量偏差的影响,可以认为灰度值在0-60时存在物体覆盖,灰度值在200-255时无覆盖,也可以基于需要对这一范围进行调整,对此不做限制。值得注意的是,本发明某些实施例中的下述按压(触碰)检测和覆盖率检测时,只需要判断是否按压,不需要构建指纹图像,可以采用高增益设置,灰度值最低可以达到0;在正常采集指纹图像的扫描时,需要使谷和脊灰度呈现差异来构建指纹图像,可以选择合适的增益设置。
如图2所示,为一种检测区域110的示意图。在该示例中,检测区域110被划分为8×12个检测区块111,每个检测区块111中又分别包含四行四列(4x4)个检测单元112。各个检测单元112作为最小感应单元可以独立输出灰度值,以检测区块111为单位扫描其所包含的检测单元112的灰度值,即分区块来判断是否存在物体覆盖,再结合各个分区块的判断结果确定检测区域110的整体覆盖率。
指纹模组100中还包含有硬件电路。硬件电路可以扫描各个检测区块以获取灰度值,并基于灰度值确定各个检测区块是否处于覆盖状态。硬件电路通过累计处于覆盖状态的检测区块的数量,在该数量不小于覆盖区块阈值的情况下,能够向主机发送采集请求,以通过主机获取指纹图像。具体而言,硬件电路包括扫描模块,其以检测区块111为单位逐行逐列地扫描各检测区块111中的各检测单元112以获取灰度值,在一实施方式中,扫描具体包括将各检测单元112的感应电容转换为模拟电压,再通过增益放大(在某些实施例中也可以没有增益放大)及模数转换(ADC)转换为灰度值;覆盖判断模块模块,其基于各检测区块111中的各灰度值分别确定各个检测区块111是否处于覆盖状态;计数模块,其累计处于覆盖状态的检测区块111的数量;比较模块,其比较处于覆盖状态的检测区块111的数量和覆盖区块阈值;中断模块,其受比较模块的控制,向主机200发送采集请求以通知主机200获取指纹图像。主机200可以接收指纹模组100发出的采集请求,并基于采集请求获取指纹图像以进行指纹识别。主机200与指纹模组100之间可以相互通信,主机200可以向指纹模组100发送相应的指令,并接收指纹模组100所发送的指纹图像。具体的,主机200与指纹模组100之间的通信可以是通过例如SPI等接口而实现的。主机200可以利用自身的处理器对指纹图像进行处理和识别以确定识别结果。在一实施例中,在接收到指纹模组100发出的采集请求之前,主机200可以一直处于休眠状态,由于本发明实施例的指纹模组100在判断到覆盖检测区块111数量达到阈值时才会向主机200发送采集请求以唤醒主机200,避免误唤醒以进一步节省功耗。
主机200可以设置在终端设备中,终端设备是供用户使用的相应设备,能够为用户提供不同的服务。图1中示例性地将终端设备展示为智能手机,实际应用中终端设备不限于该示例,例如还可以是其它便携式电子设备(例如平板、笔记本、个人电脑等),还可以是智能指纹门锁、信息采集设备等具有指纹识别功能的设备。终端设备中的主机200接收指纹模组100发送的指纹图像并进行指纹图像识别以完成指纹验证,之后主机200可以基于识别结果控制终端设备执行后续的相应操作,例如解锁等。
在实际应用中,主机200除了可以设置于终端设备中,还可以设置于指纹模组100内部,指纹模组100内部的主机200可以微控制单元(图1中未示出)实现,例如可以是微控制器或微处理器。微控制单元中可以预先存储有预设指纹模板,在指纹模组100采集到指纹图像发送给该微控制单元之后,微控制单元可以执行指纹图像的处理和识别,并得到对应的识别结果。例如,在本说明书实施例中,对应于指纹模组100的微控制单元可以只具备指纹识别功能,在得到相应的指纹识别结果后,将指纹识别结果再发送至终端设备200,以使终端设备执行后续的操作,例如解锁等。
基于上述指纹检测系统,介绍本说明书实施例的一种指纹检测方法。所述指纹检测方法的执行主体为上述指纹检测系统。如图3所示,所述指纹检测方法包括以下具体执行步骤。
S310:指纹模组确定检测区域表面是否存在触碰。
在实际的指纹检测中,若不进行覆盖率的判断,直接进行指纹图像采集,采集到的指纹图像可能并不是用户完整的指纹,这会导致指纹图像中的特征点较少,在进行指纹识别时,容易出现误判的情况,从而将不具有指纹登入资格的用户识别通过,影响识别准确率和数据安全。因此,在采集用于识别的指纹图像之前,有必要针对检测区域110的覆盖率进行确定,以保证采集得到的指纹图像的完整性。
但是,由于在进行覆盖率检测时,需要动用全部或较多的检测区块111,若持续扫描各个检测区块111,并实时根据扫描结果确定检测区域的覆盖率,虽然能够保证覆盖率的检测效果,但会增加指纹模组100的功耗。而在实际应用中,大部分时间在所述指纹模组100的表面不存在手指或其他物体的按压。持续扫描检测区块111以确定覆盖率的方式势必会存在较多时间无法获取任何扫描结果,明显地增加了不必要的功耗。因此,在一实施例中,在进行覆盖率检测之前,可以先判断当前在检测区域110的表面是否存在按压(触碰),若存在按压(触碰),再执行确定覆盖率的检测操作。
因此,为了实现按压(触碰)检测,在一些实施方式中,指纹模组100可以每间隔预定时间段即扫描多个特定检测单元112以获取这些特定检测单元112输出的触碰灰度值,并根据触碰灰度值判断检测区域110的表面是否存在按压或触碰。
在一实施例中,特定检测单元112可以仅是指纹模组100的整个检测区域110的所有检测单元112中的特定位置的检测单元112,从而对按压检测的功耗进行控制。所述特定检测单元112可以分别输出触碰灰度值,用于判断检测区域110外表面是否存在物体按压或触碰,从而实现按压(触碰)检测。
在指纹模组100控制对特定检测单元112进行扫描以获取触碰灰度值时,可以是逐个扫描各个特定检测单元112。在实际应用中,由于扫描检测单元112的时间非常短,即使采用逐个扫描的方式,在较短的时间内就可以完成对所有特定检测单元112的扫描,在实际应用中对于按压检测判断以及后续的覆盖率检测均不存在影响。
为了更好地对本实施方式中的按压(触碰)检测过程以及后续的覆盖率检测过程进行理解,首先对检测单元112的工作原理进行介绍。检测单元112是检测区域110上的最小检测单位,一个检测单元112可以对应于检测区域110中的一个像素点。在检测区域110表面存在按压物体时,物体的表面即作为测量部位。若测量部位凹凸不平,则不同的检测单元112与测量部位之间的距离也可能会存在差异。基于与测量部位之间的不同距离,检测单元112可以感应不同的感应电容值,再经由ADC等电路处理输出不同大小的数字信号,即为灰度值,具体的,灰度值与感应电容值之间呈负相关关系。指纹模组100的硬件电路在接收到各个检测单元112对应的灰度值后,综合不同位置的灰度值分布(也可称为指纹图像),即可确定测量部位表面的高低起伏状态。而指纹是通过高度不同的谷和脊所形成的,通过上述方式即可完成手指表面的指纹的检测。
而由于检测单元112的灰度值对应检测单元112所感应的电容值,在设置有特定检测单元112的情况下,扫描特定的检测单元112并获取对应的灰度值,能够直接基于灰度值来判断特定检测单元112表面是否存在物体,例如,在所对应的灰度值为255时,表示该特定检测单元112的表面不存在手指或其他物体按压,若所对应的灰度值为触碰阈值(该触碰阈值可根据实际不同电压来配置)时,表示该特定检测单元112的表面存在物体按压。
在一个具体示例中,通过累加所有特定检测单元112的灰度值得到触碰累加值,并将触碰累加值与触碰阈值进行比较来判断检测区域110表面是否存在物体按压。触碰阈值预先设置用于限定存在物体进行按压时的触碰累加值的界限值。当触碰累加值不大于触碰阈值时,表示检测区域110表面存在物体按压,指纹模组100开始后续扫描各个检测区块111以确定覆盖率的步骤。
在另一个具体示例中,判断是否检测区域110表面是否存在物体按压时,触碰阈值也可以是针对单个特定检测单元而设置的。在扫描到各个特定检测单元112的灰度值后,可以将各个灰度值分别与触碰阈值进行比较,以单独确定各个特定检测单元112的表面是否存在物体按压,并累计表面存在物体按压的特定检测单元112的数量,当该数量超出按压单元阈值时,即确定当前存在物体按压在所述指纹模组100的表面,指纹模组100开始后续扫描各个检测区块111以确定覆盖率的步骤。
此外,为了防止微小物体碰触检测区域110直接唤醒后续的覆盖率检测操作,所述特定检测单元112可以在检测区域110上均匀分布。如图4所示,为一种设置特定检测单元112的示例,其中,每12行,将中间连续的8个检测单元112设置为特定检测单元112。基于这种设置特定检测单元112的方式,由于一般不会出现物体恰巧只覆盖这些特定检测单元112的情况,也保证了触碰检测结果的准确性。如图4所示,例如每行检测单元112中取8个特定检测单元112,共设置32个特定检测单元112,则触碰阈值可以是对应于单个特定检测单元的“触碰阈值”x32得到的乘积。
预定时间段是一个固定的时间段,在预定时间段内各个特定检测单元112即基于固定的频率进行扫描,从而能够有效对手指或其他物体的按压行为进行检测。所述预定时间段的长度可以根据实际应用的需求进行调整,对此不做限制。
为了实现按压检测,在另一些实施方式中,还可以在所述指纹模组100的表面设置金属环。所述金属环可以与相应的检测电路相连接。由于人体具有导电性,在手指触碰到金属环后,检测电路导通,可以产生相应的感应信号,所述感应信号可以是电信号。感应信号在生成后被传输至硬件电路,使得硬件电路在接收到感应信号后,执行扫描检测区块并获取灰度值的操作,同样实现了对物体触碰的检测。
上述实施方式在实际应用中均可以用于对按压操作进行检测,可以基于实际应用的需要选择相应的检测方式,对此不做限制。
基于上述方式可以实现检测区域110表面的触碰检测。若检测结果为检测区域表面存在物体按压,则当前存在手指按压检测区域110的可能性,跳转至步骤S320执行后续的覆盖率检测操作;若检测结果为检测区域110表面不存在物体按压,则可以重复执行步骤S310来进行触碰检测,直至检测区域表面出现物体按压为止。
S320:指纹模组扫描检测区块以获取灰度值。
本发明实施例是将指纹模组100表面的检测区域110划分为多个检测区块111,检测区块111是由多个检测单元112所构成的区块,例如,可以由一行检测单元112构成检测区块111,也可以由一列检测单元112构成检测区块111,还可以由多行多列的检测单元112来构成检测区块111。如图2所示,其中检测区块111是由四行四列(4x4)的检测单元112所构成的。
实际应用中在进行指纹检测时,可以通过电容指纹传感器或光学指纹传感器进行实现。但是,在基于光学指纹传感器进行指纹检测时,由于曝光时间远大于检测时间,一般不需要额外设置检测覆盖率的操作及时间段。因此,在本说明书实施例中,所述检测单元112为电容感应单元。相应的,所述指纹模组100是利用电容感应的原理进行指纹采集。
下面以检测单元112为电容感应单元的示例,对指纹检测的原理进行进一步介绍。
所述电容感应单元与电容感应单元表面以外的测量区域之间构成平行板电容器。由于平行板电容器的平行板面积和填充介质固定,根据C=ε*S/d可知平行板电容器的感应电容值与平行板之间的距离成反比,因此,通过平行板电容器的容值大小可以反映不同测量区域与电容感应单元之间的距离。
当所针对的测量区域为手指表面时,由于手指表面的皮肤基于凸起和凹陷形成了指纹,而指纹上的脊和谷具有不同的高度,使得不同的电容感应单元与对应部位的指纹之间的距离互不相同,进而使得脊所对应的平行板电容器的电容值更大,谷所对应的平行板电容器的电容值更小,根据各个电容感应单元对应的感应电容值对应的模拟电压信号进行ADC转换以后得到的数字信号(即灰度值),进而绘制用户的指纹图像。即是说,不同的电容感应单元基于与测量部位之间的距离具有对应的感应电容值,电容感应单元可以基于感应电容值的大小输出对应的灰度值,一般情况下,灰度值与感应电容值之间呈负相关关系,即灰度值越大,电容感应单元的感应电容值越小,灰度值越小,电容感应单元的感应电容值越大。
在针对检测区块111进行扫描时,可以是逐个扫描所有的检测区块111,即逐行或逐列地扫描各个检测区块111。具体到每个检测区块111内的检测单元112,可以是逐个扫描检测区块111中的各个检测单元112以获取灰度值,即在每个检测区块111的范围内,逐行逐列地扫描各检测单元112。同样的,在扫描时间较短的情况下,逐个扫描的方式也不会占用较多的总体时长,保证了覆盖率检测及指纹检测的有效性。值得注意的是,通常在采集指纹图像的扫描操作,是逐行逐列地扫描整个监测区域110各个检测单元112,例如扫描第一行/列所有的32个检测单元112,再扫描第二行/列所有的32个检测单元112,直至扫描最后一行/列所有的32个检测单元112。而本发明实施例中的覆盖率检测的扫描操作,是以检测区块111为单位进行扫描,以图2为例,先扫描第一个检测区块111中4x4个检测单元112,再扫描下一个检测区块111中4x4个检测单元112,即逐个检测区块111地扫描。
在一些实施方式中,还可以只针对特定的检测区块111进行扫描。特定检测区块111可以是所有检测区块111中的一部分检测区块111,即所述特定检测区块111的数量小于所有检测区块111的数量,但为了保证覆盖率的有效检测,所述特定检测区块111的分布范围可以与所述检测区域110匹配,例如,可以设置奇数行/列或偶数行/列的检测区块111为特定检测区块111,使得特定检测区块111的数量小于总体数量,而在检测覆盖率时,由于一般不会出现只会对偶数行/列或奇数行/列的检测区块111进行按压的物体,也能够保证覆盖率测量结果的准确性。
S330:指纹模组基于灰度值分别确定各个检测区块是否处于覆盖状态。
在获取到检测区块111中各个检测单元112的灰度值后,由于灰度值与检测单元112的感应电容值存在对应关系,因此可以利用灰度值来确定各个检测区块111是否处于覆盖状态。
以灰度值为8位数字信号为例,灰度值的范围为0-255,在所述指纹检测方法中,若转换得到的灰度值为0,可以表示对应的检测单元112的表面存在物体贴附,若转换得到的灰度值为255时,可以表示对应的检测单元112的表面不存在物体覆盖。实际应用中由于存在外界因素以及测量偏差的影响,可以认为灰度值在0-60时存在物体覆盖,灰度值在200-255时表面无物体,对于这一范围可以根据具体的应用情况进行调整,对此不做限制。
由于根据灰度值能够确定检测单元112表面是否存在物体覆盖,在获取到检测区块111中所有检测单元112的灰度值后,可以判断所对应的检测区块111是否处于覆盖状态。覆盖状态即用于表示某一个检测区块111的表面存在物体覆盖。
在一些实施方式中,判断检测区块111是否处于覆盖状态,可以累加同一检测区块111中所有检测单元112的灰度值得到区块灰度值,利用区块灰度值与预先设置的灰度检测阈值进行比对,若区块灰度值不大于灰度检测阈值,可以表示对应的检测区块111处于覆盖状态;反之,若区块灰度值大于灰度检测阈值,可以表示对应的检测区块111不处于覆盖状态。这里仍以每个检测区块111包括4x4个检测单元112为例说明,如前所述,如果一个检测单元112的表面存在物体覆盖时对应的灰度值为0-60,则在一实施例中,灰度检测阈值可以是60x16,也可以在这一具体值所限定的范围进行调整,本发明并不对每个检测区块111包括的检测单元112具体数量及灰度检测阈值的具体数值作出限制。
在另一些实施方式中,也可以针对检测单元112设置单元灰度检测阈值。在获取到检测区块111中所有检测单元112的灰度值后,可以依次利用各个检测单元112的灰度值与该单元灰度检测阈值进行比较,从而判断各个检测单元112是否被覆盖。之后,可以累加这一检测区块111中处于被覆盖的检测单元112的数量,在被覆盖的检测单元112的数量不小于覆盖单元阈值的情况下,确定这一检测区块111处于覆盖状态,反之,则确定这一检测区块111不处于覆盖状态。
在步骤S330的前述两种实施方式中,第一种需要对检测区块111内的所有灰度值进行累加操作,然后进行比较操作;第二种要对检测区块111内的各个检测单元112的灰度值都执行比较操作,然后进行计数操作和比较操作。可见第一种实施方式的硬件实现更为简单,而第二种实施方式在计数达到覆盖单元阈值即可停止对后续检测单元112的比较。
总结而言,本发明实施例在步骤S320以检测区块111为单位进行灰度值的扫描,并且在步骤S330是以检测区块111为单位判断是否处于覆盖状态,因此较之对整个检测区域110逐检测单元112的扫描,硬件开销更小。
S340:指纹模组判断处于覆盖状态的检测区块的数量是否不小于覆盖区块阈值。
基于上述步骤确定各个检测区块111是否处于覆盖状态后,可以累计所有处于覆盖状态的检测区块111的数量,并将处于覆盖状态的检测区块111的数量与覆盖区块阈值进行比较。
覆盖区块阈值用于限定在检测区域110的覆盖率符合指纹采集标准时,在最小覆盖率下,对应的处于覆盖状态下的检测区块111的数量。即当处于覆盖状态的检测区块111的数量不小于覆盖区块阈值时,确定当前检测区域110表面的覆盖率满足指纹采集的标准;当处于覆盖状态的检测区块111的数量小于覆盖区块阈值时,则不满足指纹采集的标准。
由于检测区块111的总数是确定的,在获取到处于覆盖状态的检测区块111的数量后,这一数量和检测区块111的总数的比值基本就相当于检测区域110上的覆盖率,从而能够基于该步骤的对覆盖率进行有效判断。
需要说明的是,本说明书实施例是先以检测区块111为单位分别判断各检测区块111是否覆盖,再计数处于覆盖状态的检测区块111的数量来确定覆盖率,相较于累加检测区域110上所有检测单元112的灰度值,再将累加后的灰度值与某一阈值进行比较来判断覆盖率的实施方式更优。若采取累加所有灰度值的方式,首先难以确定用于比较的阈值,其次在检测区域110某一部分充分覆盖的情况下可能也符合覆盖率达标的标准,从而影响判断结果的准确性。因此,本说明书实施例中采取统计处于覆盖状态的检测区块111的数量来判断覆盖率是否符合要求,能够有效提高判断结果的准确性。
若处于覆盖状态的检测区块111的数量不小于覆盖区块阈值,则执行步骤S350,向主机200发送采集请求,以通知主机200获取指纹图像,以完成后续的指纹识别;若处于覆盖状态的检测区块111的数量小于覆盖区块阈值,则当前检测区块表面覆盖率较小,很可能是一次无效的覆盖情况,可以忽略本次按压,重新执行步骤S310进行触碰检测。
在一些实施方式中,若基于步骤S320中的示例,只针对特定检测区块进行覆盖率的检测,则在该步骤中进行判断时,可以只获取各个特定检测区块对应于覆盖状态的检测结果,并统计处于覆盖状态的特定检测区块的数量。相应的,在该种检测模式下,可以针对特定检测区块的数量设置对应的特定覆盖区块阈值,特定覆盖区块阈值的数量可以小于上述覆盖区块阈值。在处于覆盖状态的特定检测区块的数量不小于特定覆盖区块阈值时,执行后续的指纹检测步骤;在处于覆盖状态的特定检测区块111的数量小于特定覆盖区块阈值时,忽略本次按压,重新执行步骤S310进行触碰检测。
在一些实施方式中,为了提高覆盖率检测的准确性,避免测量误差造成影响,在判断覆盖率时,可以基于预设检测间隔执行至少两次扫描操作、确定操作和累计操作,即重复多次执行上述步骤S320至步骤S340,并分别获取每次对于处在覆盖状态的检测区块111的数量与覆盖区块阈值之间的比较结果,在各次扫描操作和确定操作检测到处于覆盖状态的检测区块的数量均大于覆盖区块阈值的情况下,向主机200发送所述采集请求,从而避免因为某一次误测导致后续执行无效的指纹识别操作的情况,保证了指纹检测的有效性。
S350:指纹模组发送采集请求至主机。
在确定处于覆盖状态的检测区块111的数量不小于覆盖区块阈值时,表明检测区域110表面的覆盖率较高,针对当前检测区域110表面采集得到的图像具有较多的特征点,误判的概率较小,可以进行指纹图像采集及识别的操作。
采集请求可以以中断方式通知主机200当前在检测区域110表面存在物体覆盖,可以开始执行指纹图像采集和识别流程。
在一些实施方式中,为了进一步减少整体的功耗,主机200在接收到采集请求之前处于休眠状态。主机200在休眠状态下停止一切不必要的模块的运行,只维持部分必要模型的工作,从而尽可能地维持较低功耗。而只在接收到采集请求后才从休眠状态唤醒的情况下,保证了主机200的待机时长。
S360:主机向指纹模组发送图像采集指令。
主机200在接收采集请求后,可以执行指纹识别的流程。为了实现指纹的有效识别,需要先获取到指纹模组100的指纹图像。所述图像采集指令即是用于通知指纹模组100开始采集指纹图像。
S370:指纹模组获取指纹图像。
在接收到图像采集指令后,指纹模组100即可以获取对应于测量部位的指纹图像。测量部位是覆盖在所述检测区域110上的物体表面的区域,虽然一般情况下基于指纹模组100的应用环境,所采集到的是对应于指纹的图像,但在实际应用中也可能存在采集到的图像对应于其他的覆盖物体,因此,指纹图像这一表述只是为了更贴合本说明书实施例中的指纹检测方法,并不表示指纹图像一定是对应于指纹的图像。
所述指纹图像可以是与灰度值相对应的图像,在检测覆盖率时获取到各个检测单元112的灰度值后,可以基于所有检测单元112的灰度值构建指纹图像。
在一些实施方式中,在获取指纹图像时,指纹模组100也可以是在接收到图像采集指令后,重新逐个(逐行逐列)地扫描所有检测单元112并获取各个灰度值,再根据所获取的各个灰度值构建指纹图像。
S380:指纹模组发送指纹图像至主机。
在获取到指纹图像后,指纹模组100可以发送指纹图像至主机200,以进行后续的识别步骤。
在一些实施方式中,指纹模组100包括存储器,例如可以是缓存存储器(SRAM),以实现数据缓存。在执行前述覆盖率判断的扫描操作之后就可以构建指纹图像,可以将指纹图像暂存在存储器中,再执行步骤350向主机200发送采集请求。当接收到主机200反馈的图像采集指令(步骤S360)时,指纹模组100可以从存储器中读取指纹图像,并将暂存的指纹图像发送至主机200进行指纹识别。
在一些实施方式中,若指纹模组100中并未设置存储器,即无法预先将指纹图像缓存在存储器中,则可以在接收到主机200反馈的图像采集指令(步骤S360)后,边逐个扫描检测单元112并获取各个检测单元112的灰度值边发送至主机200,例如,在指纹模组100是逐个扫描检测单元112的情况下,可以依次将采集到的灰度值发送至主机200,由主机200根据接收到的灰度值构建对应的指纹图像,同样也能实现指纹识别。
S390:主机基于指纹图像确定识别结果。
主机200在获取到指纹图像后,可以基于指纹图像进行识别。主机200中可以预先存储至少一个预设指纹模板,预设指纹模板可以是预先采集到的对应于可登入用户的指纹图像。指纹识别的过程可以将所述指纹图像与预设指纹模板进行比对,若存在与指纹图像匹配的预设指纹模板,则表示针对当前的指纹图像识别通过。基于指纹的独一无二的特性,当识别通过时,可以证明指纹图像对应于可登入用户的指纹,可以向当前用户开放对应的操作权限以执行后续的相关操作。
检测结果可以包括指纹匹配和指纹不匹配,当指纹匹配时,则当前进行指纹识别的一般是具有登入资格的用户,可以执行后续的操作。
具体的,利用预设指纹模板与指纹图像进行比对来获取检测结果的过程,可以是先提取对应于指纹图像的指纹曲线特征向量。由于一般指纹是由曲线所构成的,这些曲线具有相应的特征,可以用于区分不同的指纹。指纹曲线特征向量中包括至少一个特征点,特征点即构成了指纹曲线特征向量,能够通过特征点对不同的指纹进行区分。
相应的,预设指纹模板也对应有多个特征点,在确定指纹图像的指纹曲线特征向量之后,可以将所述指纹曲线特征向量与预设指纹模板进行比对,以确定与预设指纹模板相匹配的特征点的数量,在特征点的数量不小于特征点个数阈值时,表示指纹图像对应的指纹与该预设指纹模板较为相似,两者相匹配,可以对指纹图像对应的指纹识别通过。
反之,若特征点的数量小于特征点个数阈值,则指纹图像的指纹与预设指纹模板不匹配,识别无法通过。
在一些实施方式中,在针对指纹图像进行识别之前,还可以对指纹图像进行预处理。预处理用于去除图像中的噪声,提高指纹图像的质量。具体的,预处理可以用于去除指纹图像中的伪特征点,伪特征点是在图像采集过程中所产生的虚假的特征点,会对特征比对过程造成干扰,例如,伪特征点可以包括毛刺、短脊等,预处理即可通过相应的算法去除指纹图像中的伪特征点,保证指纹图像的准确性。
在对指纹图像进行预处理后,可以基于上述的操作对指纹图像进行识别操作以确定识别结果,从而保证识别结果的准确性。
值得注意的是,前述指纹检测系统中的主机200可以是位于终端设备中的处理模块,还可以是、指纹模组100中设置的微处理单元。
在所述主机200设置于终端设备中时,在指纹模组100获取到指纹图像后,直接将指纹图像通过例如SPI接口发送到终端设备的主机200,由主机200执行指纹识别操作并确定识别结果。在主机200确定识别结果后,可以基于相应的执行逻辑由主机200或终端设备中的其他处理模块执行后续的相应操作。
在所述主机200为指纹模组100内置的微处理单元的情况下,由于微处理单元也具备数据分析和处理和能力,在将指纹图像通过例如SPI接口发送至微处理单元后,可以由微处理单元直接进行识别。
由于微处理单元独立于终端设备,因此发送指纹图像的通信过程只涉及指纹模组和微处理单元之间的通信,无需传递信息至终端设备,在终端设备处于休眠状态的情况下,也无需唤醒终端设备。
在确定识别结果后,指纹模组100内置的微处理单元可以直接将识别结果发送给终端设备,使终端设备能够根据识别结果直接执行相应的操作。
利用一个具体的示例进行说明,在终端设备为智能手机的情况下,若基于微处理单元所确定的识别结果为指纹匹配,则发送识别结果至终端设备以唤醒终端设备,并自动对开机锁屏进行解锁,以直接展示手机的界面内容;若识别结果为指纹不匹配,终端设备同样可以被唤醒,并在屏幕上显示“指纹不正确,请重新放置手指”,以提示用户重新进行指纹检测。
基于上述实施例的介绍,所述指纹检测方法在进行指纹检测时,首先由指纹模组扫描各个检测区块,并获取检测区块中各个检测单元的灰度值。根据检测区块中各个检测单元的灰度值分别判断各个检测区块是否处于覆盖状态。通过统计处于覆盖状态的检测区块的数量,当该数量不小于覆盖区块阈值时,即认为检测区域表面的覆盖率符合指纹检测的要求,可以执行后续的指纹采集和识别操作。通过上述方法,在进行指纹采集之前,基于指纹模组自身即实现了当前检测区域内的覆盖率的确定和判断,在覆盖率符合一定要求的情况下再进行指纹图像的采集和识别,不仅避免了由于误触造成的无意义检测,也保证了之后采集得到的指纹图像的完整性,提高识别结果的准确性,保障了指纹识别的实际应用效果。此外,本说明书实施例先以检测区块为单位进行灰度值的扫描,以分别确定各个检测区块是否处于覆盖状态,再根据处于覆盖状态的区块数量来判断覆盖率,可以避免局部检测区域的灰度对整体覆盖率的影响,使得覆盖率判断更准确。另外,以检测区块为单位进行灰度值的扫描较之整个检测区域的扫描,硬件开销更小。
基于图3所对应的指纹检测方法,本说明书实施例还提出一种指纹检测方法。所述指纹检测方法的执行主体为指纹模组。如图5所示,所述指纹检测方法的可以包括以下具体实施步骤。
S510:将所述指纹模组的检测区域划分为多个检测区块,其中每个所述检测区块中包括多个检测单元;每个所述检测单元对应一个灰度值。
对于该步骤的介绍可以参照指纹检测系统部分对于检测区块的描述,在此不再赘述。
S520:扫描所述检测区块以获取所述灰度值。
对于该步骤的介绍可以参照步骤S310、S320中的描述,在此不再赘述。
S530:基于所述灰度值分别确定各个检测区块是否处于覆盖状态。
对于该步骤的介绍可以参照步骤S330中的描述,在此不再赘述。
S540:累计处于所述覆盖状态的所述检测区块的数量,在处于所述覆盖状态的所述检测区块的数量不小于覆盖区块阈值的情况下,向主机发送采集请求,以通知所述主机获取指纹图像。
对于该步骤的介绍可以参照步骤S340、S350、S360、S370、S380、S390中的描述,在此不再赘述。
虽然上文描述的过程流程包括以特定顺序出现的多个操作,但是,应当清楚了解,这些过程可以包括更多或更少的操作,这些操作可以顺序执行或并行执行(例如使用并行处理器或多线程环境)。
本申请是参照根据本说明书实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中,计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
本领域技术人员应明白,本说明书的实施例可提供为方法、系统或计算机程序产品。因此,本说明书实施例可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且,本说明书实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本说明书实施例可以在由计算机执行的计算机可执行指令的一般上下文中描述,例如程序模块。一般地,程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本说明书实施例,在这些分布式计算环境中,由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中,程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于系统实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本说明书实施例的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
以上所述仅为本申请的实施例而已,并不用于限制本申请。对于本领域技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原理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权利要求范围之内。
Claims (15)
1.一种指纹检测方法,其特征在于,应用于指纹模组;所述方法包括:
将所述指纹模组的检测区域划分为多个检测区块,其中每个所述检测区块中包括多个检测单元;每个所述检测单元对应一个灰度值;
扫描所述检测区块以获取所述灰度值;
基于所述灰度值分别确定各个检测区块是否处于覆盖状态;及
累计处于所述覆盖状态的所述检测区块的数量,在处于所述覆盖状态的所述检测区块的数量不小于覆盖区块阈值的情况下,向主机发送采集请求,以通知所述主机获取指纹图像。
2.如权利要求1所述的方法,其特征在于,所述扫描所述检测区块以获取所述灰度值,包括:
逐个扫描特定检测区块中的各个所述检测单元以获取所述灰度值,其中,所述特定检测区块为所有检测区块的一部分,且所述特定检测区块的分布范围与所述检测区域匹配。
3.如权利要求1所述的方法,其特征在于,所述扫描所述检测区块以获取所述灰度值,包括:
逐个扫描所述检测区块的各个所述检测单元以获取所述灰度值。
4.如权利要求1所述的方法,其特征在于,所述基于所述灰度值分别确定各个检测区块是否处于覆盖状态,包括:
累加所述检测区块中各个检测单元的所述灰度值得到区块灰度值;
在所述区块灰度值不大于灰度检测阈值的情况下,确定所述检测区块处于所述覆盖状态。
5.如权利要求1所述的方法,其特征在于,所述基于所述灰度值分别确定各个检测区块是否处于覆盖状态,包括:
根据各个检测单元的所述灰度值分别判断各个检测单元是否被覆盖;
累计被覆盖的所述检测单元的数量,在被覆盖的所述检测单元的数量不小于覆盖单元阈值的情况下,确定所述检测区块处于所述覆盖状态。
6.如权利要求1所述的方法,其特征在于,基于预设检测间隔执行至少两次所述扫描操作、确定操作及累计操作;
在各次扫描操作、确定操作及累计操作判断到处于所述覆盖状态的检测区块的数量均不小于所述覆盖区块阈值的情况下,向所述主机发送所述采集请求。
7.如权利要求1所述的方法,其特征在于,还包括:
每间隔预定时间段扫描多个特定检测单元以获取触碰灰度值;
累加所述多个特定检测单元的所述触碰灰度值得到触碰累加值;
在所述触碰累加值不大于触碰阈值的情况下,执行所述扫描所述检测区块以获取灰度值的步骤。
8.如权利要求1所述的方法,其特征在于,还包括:
在接收到感应信号的情况下,执行所述扫描所述检测区块以获取所述灰度值的步骤;所述感应信号在金属环被触碰后生成,所述金属环设置在所述指纹模组表面。
9.如权利要求1所述的方法,其特征在于,所述检测单元包括电容感应单元,所述灰度值越大,所述电容感应单元的感应电容值越小。
10.如权利要求1所述的方法,其特征在于,所述主机在接收到所述采集请求之前处于休眠状态。
11.如权利要求1所述的方法,其特征在于,所述向主机发送采集请求之后,包括:
接收到所述主机反馈的图像采集指令后,逐个扫描所有所述检测单元以构建所述指纹图像;及
将所述指纹图像发送至所述主机,以使所述主机基于所述指纹图像进行指纹识别。
12.如权利要求1所述的方法,其特征在于,所述向主机发送采集请求之前,还包括:
基于所有所述检测单元的所述灰度值构建所述指纹图像;及
暂存所述指纹图像;
相应的,所述向主机发送采集请求之后,还包括:
接收到所述主机反馈的图像采集指令后,将暂存的所述指纹图像发送至所述主机。
13.如权利要求1所述的方法,其特征在于,所述主机为所述指纹模组中的微处理单元;所述向主机发送采集请求之后,还包括:
将所述指纹图像发送至所述微处理单元,以使所述微处理单元基于所述指纹图像确定识别结果;
将所述识别结果发送至终端设备。
14.如权利要求1所述的方法,其特征在于,所述主机设置于终端设备中,所述向主机发送采集请求之后,还包括:
将所述指纹图像发送至所述终端设备,以使所述终端设备中的所述主机基于所述指纹图像确定识别结果。
15.一种指纹模组,包括:
检测区域,所述检测区域被划分为多个检测区块,其中每个检测区块包括多个检测单元;每个所述检测单元对应一个灰度值;及
硬件电路,用于扫描所述检测区块以获取所述灰度值;基于所述灰度值分别确定各个检测区块是否处于覆盖状态;累计处于所述覆盖状态的所述检测区块的数量,在处于覆盖状态的所述检测区块的数量不小于覆盖区块阈值的情况下,向主机发送采集请求,以通知所述主机获取指纹图像。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210319195.0A CN116935450A (zh) | 2022-03-29 | 2022-03-29 | 一种指纹检测方法及指纹模组 |
US17/992,590 US11861935B2 (en) | 2022-03-29 | 2022-11-22 | Fingerprint detection method and fingerprint module |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210319195.0A CN116935450A (zh) | 2022-03-29 | 2022-03-29 | 一种指纹检测方法及指纹模组 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116935450A true CN116935450A (zh) | 2023-10-24 |
Family
ID=88193245
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210319195.0A Pending CN116935450A (zh) | 2022-03-29 | 2022-03-29 | 一种指纹检测方法及指纹模组 |
Country Status (2)
Country | Link |
---|---|
US (1) | US11861935B2 (zh) |
CN (1) | CN116935450A (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US12014567B1 (en) * | 2023-05-17 | 2024-06-18 | Pixart Imaging Inc. | Finger detection device and operating method thereof |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5079903B1 (ja) * | 2011-05-25 | 2012-11-21 | シャープ株式会社 | 静電容量推定方法、集積回路、及び電子機器 |
WO2015077733A1 (en) * | 2013-11-22 | 2015-05-28 | Shenzhen Huiding Technology Co., Ltd. | Secure human fingerprint sensor |
US9639839B2 (en) * | 2014-08-12 | 2017-05-02 | Egis Technology Inc. | Fingerprint recognition control methods for payment and non-payment applications |
CN109976500B (zh) | 2015-02-13 | 2022-02-18 | 比亚迪半导体股份有限公司 | 指纹识别装置、移动终端和指纹识别装置的唤醒方法 |
US10261804B2 (en) * | 2015-09-11 | 2019-04-16 | Qualcomm Incorporated | Gradual power wake-up mechanism |
US11036962B2 (en) * | 2015-09-30 | 2021-06-15 | Htc Corporation | Fingerprint enrollment method, electronic apparatus and computer-readable storage medium thereof |
CN106055947A (zh) | 2016-05-23 | 2016-10-26 | 广东欧珀移动通信有限公司 | 通过指纹解锁移动终端的方法、装置及移动终端 |
US11157714B2 (en) * | 2018-05-28 | 2021-10-26 | Fingerprint Cards Ab | Method for determining a finger motion on a fingerprint sensor |
KR20200004701A (ko) * | 2018-07-04 | 2020-01-14 | 삼성전자주식회사 | 지문 인식 방법 및 디바이스 |
US11797139B2 (en) * | 2021-09-21 | 2023-10-24 | Sigmasense, Llc. | Fingerprint scanning device incorporating drive-sense circuitry |
-
2022
- 2022-03-29 CN CN202210319195.0A patent/CN116935450A/zh active Pending
- 2022-11-22 US US17/992,590 patent/US11861935B2/en active Active
Also Published As
Publication number | Publication date |
---|---|
US11861935B2 (en) | 2024-01-02 |
US20230316802A1 (en) | 2023-10-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11288480B2 (en) | Method for authenticating a finger of a user of an electronic device | |
US11216546B2 (en) | Method for fingerprint authentication using force value | |
TWI652628B (zh) | 指紋識別方法及電子裝置 | |
US9542590B2 (en) | Fingerprint scanning method | |
CN109976500B (zh) | 指纹识别装置、移动终端和指纹识别装置的唤醒方法 | |
EP3410285B1 (en) | Electronic device and detection method | |
CN108509909B (zh) | 一种指纹采集方法及装置 | |
US7831070B1 (en) | Dynamic finger detection mechanism for a fingerprint sensor | |
US20050123177A1 (en) | Living-body detecting apparatus and method, and authenticating apparatus having living-body detecting function | |
US9477869B2 (en) | Mutual-capacitance palm print identification method, mutual-capacitance palm print identification device and mutual-capacitance palm print identification touch panel | |
CN105260105A (zh) | 基于指纹传感器的显示屏唤醒方法、装置及移动终端 | |
CN108496156A (zh) | 操作系统的唤醒方法、装置及系统 | |
CN108351715B (zh) | 应用于人体触摸的常驻传感器设备 | |
WO2018160120A1 (en) | Method of classifying a finger touch in respect of finger pressure and fingerprint sensing system | |
US11861935B2 (en) | Fingerprint detection method and fingerprint module | |
CN215298209U (zh) | 触摸唤醒检测电路、指纹识别装置、显示面板及电子设备 | |
US12008425B2 (en) | Fingerprint sub-image capture | |
CN112183174A (zh) | 指纹识别方法、装置、终端设备及存储介质 | |
TWI777282B (zh) | 圖像採集方法、晶片及圖像採集裝置 | |
CN115641620A (zh) | 指纹采集方法、电子设备和计算机可读介质 | |
CN114694190A (zh) | 指纹唤醒方法、电子设备和计算机可读介质 | |
CN112149565A (zh) | 一种控制方法及电子设备 | |
CN116466813A (zh) | 指纹按压检测方法、电子设备及存储介质 | |
CN116055914A (zh) | 一种智能床具的控制方法、装置、电子设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |