CN116964576A - 使用射频感测的面部识别 - Google Patents
使用射频感测的面部识别 Download PDFInfo
- Publication number
- CN116964576A CN116964576A CN202280017544.1A CN202280017544A CN116964576A CN 116964576 A CN116964576 A CN 116964576A CN 202280017544 A CN202280017544 A CN 202280017544A CN 116964576 A CN116964576 A CN 116964576A
- Authority
- CN
- China
- Prior art keywords
- user
- waveform
- wireless device
- determining
- access
- 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
- 230000001815 facial effect Effects 0.000 title claims abstract description 136
- 238000000034 method Methods 0.000 claims abstract description 183
- 230000033001 locomotion Effects 0.000 claims abstract description 63
- 230000004044 response Effects 0.000 claims abstract description 44
- 230000000977 initiatory effect Effects 0.000 claims description 15
- 210000003128 head Anatomy 0.000 description 95
- 230000008569 process Effects 0.000 description 93
- 238000004422 calculation algorithm Methods 0.000 description 76
- 230000006870 function Effects 0.000 description 39
- 238000005070 sampling Methods 0.000 description 31
- 238000004891 communication Methods 0.000 description 24
- 238000012545 processing Methods 0.000 description 22
- 239000013598 vector Substances 0.000 description 22
- 238000001514 detection method Methods 0.000 description 18
- 230000011664 signaling Effects 0.000 description 17
- 238000010586 diagram Methods 0.000 description 13
- 238000005516 engineering process Methods 0.000 description 13
- 230000003287 optical effect Effects 0.000 description 12
- 238000005259 measurement Methods 0.000 description 11
- 238000010801 machine learning Methods 0.000 description 10
- 230000005540 biological transmission Effects 0.000 description 9
- 238000013528 artificial neural network Methods 0.000 description 7
- 238000000605 extraction Methods 0.000 description 7
- 210000000887 face Anatomy 0.000 description 7
- 238000004590 computer program Methods 0.000 description 6
- 238000007726 management method Methods 0.000 description 6
- 238000013500 data storage Methods 0.000 description 5
- 230000007246 mechanism Effects 0.000 description 5
- 239000011521 glass Substances 0.000 description 4
- 239000011159 matrix material Substances 0.000 description 4
- 238000003491 array Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 230000001413 cellular effect Effects 0.000 description 3
- 230000007423 decrease Effects 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 230000009977 dual effect Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000013473 artificial intelligence Methods 0.000 description 2
- 230000003190 augmentative effect Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000013478 data encryption standard Methods 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 230000008921 facial expression Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 239000002245 particle Substances 0.000 description 2
- 230000008054 signal transmission Effects 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 241001465754 Metazoa Species 0.000 description 1
- 241001025261 Neoraja caerulea Species 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 238000005562 fading Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000007667 floating Methods 0.000 description 1
- 210000003127 knee Anatomy 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 238000007477 logistic regression Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 239000005022 packaging material Substances 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000000644 propagated effect Effects 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 238000011524 similarity measure Methods 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/88—Radar or analogous systems specially adapted for specific applications
- G01S13/89—Radar or analogous systems specially adapted for specific applications for mapping or imaging
- G01S13/90—Radar or analogous systems specially adapted for specific applications for mapping or imaging using synthetic aperture techniques, e.g. synthetic aperture radar [SAR] techniques
- G01S13/9021—SAR image post-processing techniques
- G01S13/9027—Pattern recognition for feature extraction
-
- 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
- G06F21/32—User authentication using biometric data, e.g. fingerprints, iris scans or voiceprints
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
- G01S13/06—Systems determining position data of a target
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/86—Combinations of radar systems with non-radar systems, e.g. sonar, direction finder
- G01S13/867—Combination of radar systems with cameras
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/88—Radar or analogous systems specially adapted for specific applications
- G01S13/89—Radar or analogous systems specially adapted for specific applications for mapping or imaging
- G01S13/90—Radar or analogous systems specially adapted for specific applications for mapping or imaging using synthetic aperture techniques, e.g. synthetic aperture radar [SAR] techniques
- G01S13/9021—SAR image post-processing techniques
- G01S13/9029—SAR image post-processing techniques specially adapted for moving target detection within a single SAR image or within multiple SAR images taken at the same time
-
- 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
- G06F21/34—User authentication involving the use of external additional devices, e.g. dongles or smart cards
- G06F21/35—User authentication involving the use of external additional devices, e.g. dongles or smart cards communicating wirelessly
Landscapes
- Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Computer Security & Cryptography (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Electromagnetism (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Mobile Radio Communication Systems (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
- Telephone Function (AREA)
- Image Analysis (AREA)
- Geophysics And Detection Of Objects (AREA)
Abstract
公开的是用于检测用户存在、用户运动以及用于执行面部认证的系统和技术。例如,无线设备可以接收波形,该波形是发送的射频(RF)波形的反射。基于与接收到的波形相关联的RF感测数据,无线设备可以确定用户的存在。响应于确定用户的存在,无线设备可以发起用户的面部认证。
Description
技术领域
本公开总体上涉及检测用户存在和/或执行面部识别。本公开的方面涉及用于使用射频(RF)感测来检测用户存在和/或执行面部识别的系统和技术。
背景技术
无线电子设备能够提供可用于防止对设备的未经授权访问的安全特征。例如,便携式电子设备可以包括软件和硬件组件,这些组件可以将无线设备置于“锁定”状态,其防止未经授权的用户访问设备。
无线电子设备还可以包括硬件和软件组件,其可以用于基于与授权用户相关联的生物特征(诸如面部或指纹认证)来解锁设备。为了实现各种电信功能,无线电子设备可以包括被配置为发送和接收射频(RF)信号的硬件和软件组件。例如,无线设备可以被配置为经由Wi-Fi、5G/新无线电(NR)、蓝牙TM和/或超宽带(UWB)等进行通信。
发明内容
以下呈现了与本文公开的一个或多个方面相关的简化概要。因此,以下概要不应被视为与所有预期方面相关的广泛概述,也不应被视为识别与所有预期方面相关的关键或重要元素,或描述与任何特定方面相关的范围。因此,以下概要的唯一目的是在下文给出的详细描述之前以简化形式呈现与本文公开的机制相关的一个或多个方面相关的某些概念。
公开了用于执行面部识别的系统、方法、装置和计算机可读介质。根据至少一个示例,提供了一种用于执行面部识别的方法。所述方法可以包括:通过第一无线设备接收第一接收波形,所述第一接收波形是第一射频(RF)波形的反射;基于与第一接收波形相关联的RF感测数据来确定用户的存在;以及响应于确定用户的存在,发起用户的面部认证。
在另一个示例中,提供了一种用于面部识别的无线设备,其包括至少一个收发器、至少一个存储器以及耦合到至少一个存储器和至少一个收发器的至少一个处理器(例如,以电路配置)。所述至少一个处理器被配置为:经由至少一个收发器接收第一接收波形,所述第一接收波形是第一射频(RF)波形的反射;基于与第一接收波形相关联的RF感测数据来确定用户的存在;以及响应于确定用户的存在,发起用户的面部认证。
在另一个示例中,提供了一种非暂时性计算机可读介质,其包括存储于其上的至少一个指令,所述至少一个指令在由一个或多个处理器执行时,使一个或多个处理器:通过第一无线设备接收第一接收波形,所述第一接收波形是第一射频(RF)波形的反射;基于与第一接收波形相关联的RF感测数据来确定用户的存在;以及响应于确定用户的存在,发起用户的面部认证。
在另一个示例中,提供了一种用于执行面部识别的装置。所述装置包括:用于接收第一接收波形的部件,所述第一接收波形是第一RF波形的反射;用于基于与第一接收波形相关联的RF感测数据来确定用户存在的部件;以及用于响应于确定用户的存在而发起用户的面部认证的部件。
在另一个示例中,提供了一种确定用户的存在的方法。所述方法可以包括:通过无线设备处理第一接收波形,所述第一接收波形是第一射频(RF)波形的反射;基于与第一接收波形相关联的RF感测数据来确定用户的存在;响应于确定用户的存在,发送比第一RF波形具有更高带宽的第二RF波形;处理第二接收波形,所述第二接收波形是来自用户的第二RF波形的反射;以及基于与第二接收波形相关联的RF感测数据来确定用户的头部存在或用户的头部方向中的至少一个。
在另一个示例中,提供了一种用于确定用户的存在的无线设备,其包括至少一个收发器、至少一个存储器以及耦合到至少一个存储器和至少一个收发器的至少一个处理器(例如,以电路配置)。所述至少一个处理器被配置为:处理第一接收波形,所述第一接收波形是第一射频(RF)波形的反射;基于与第一接收波形相关联的RF感测数据来确定用户的存在;响应于确定用户的存在,经由至少一个收发器发送比第一RF波形具有更高带宽的第二RF波形;处理第二接收波形,所述第二接收波形是来自用户的第二RF波形的反射;以及基于与第二接收波形相关联的RF感测数据来确定用户的头部存在或用户的头部方向中的至少一个。
在另一个示例中,提供了一种非暂时性计算机可读介质,其包括存储在其上的至少一个指令,所述至少一个指令在由一个或多个处理器执行时,使一个或多个处理器:处理第一接收波形,所述第一接收波形是第一射频(RF)波形的反射;基于与第一接收波形相关联的RF感测数据来确定用户的存在;响应于确定用户的存在,经由至少一个收发器发送比第一RF波形具有更高带宽的第二RF波形;处理第二接收波形,所述第二接收波形是来自用户的第二RF波形的反射;以及基于与第二接收波形相关联的RF感测数据来确定用户的头部存在或用户的头部方向中的至少一个。
在另一个示例中,提供了一种用于确定用户的存在的装置。所述装置包括:用于处理第一接收波形的部件,所述第一接收波形是第一射频(RF)波形的反射;用于基于与第一接收波形相关联的RF感测数据来确定用户的存在的部件;用于响应于确定用户的存在而发送比第一RF波形具有更高带宽的第二RF波形的部件;用于处理第二接收波形的部件,所述第二接收波形是来自用户的第二RF波形的反射;以及用于基于与第二接收波形相关联的RF感测数据来确定用户的头部存在或用户的头部方向中的至少一个的部件。
在一些方面中,所述装置是无线设备或者是无线设备的一部分,诸如移动设备(例如,移动电话或所谓的“智能电话”或其他移动设备)、可穿戴设备、扩展现实设备(例如,虚拟现实(VR)设备、增强现实(AR)设备或混合现实(MR)设备)、平板计算机、个人计算机、膝上型计算机、服务器计算机、无线接入点、交通工具或交通工具的组件,或具有RF接口的任何其他设备。
基于附图和详细描述,与本文公开的方面相关联的其他目的和优点对于本领域技术人员来说是显而易见的。
附图说明
呈现了附图来帮助描述本公开的各个方面,并且附图仅被提供用于说明这些方面,而不是对其进行限制。
图1是示出根据一些示例的用户设备的计算系统的示例的框图;
图2是示出根据一些示例的利用射频(RF)感测技术来检测用户存在并执行面部识别的无线设备的示例的图;
图3是示出根据一些示例的包括用于检测用户存在和执行面部识别的无线设备的环境的示例的图;
图4是示出根据一些示例的用于执行面部识别的过程的示例的流程图;
图5是示出根据一些示例的用于执行面部识别的过程的示例的流程图;
图6是示出根据一些示例的用于执行面部识别的过程的另一个示例的流程图;
图7是示出根据一些示例的用于执行面部识别的过程的另一个示例的流程图;
图8是示出根据一些示例的用于执行面部识别的过程的另一个示例的流程图;
图9是示出根据一些示例的基于用户的注意来执行设备管理的过程的示例的流程图;
图10是示出根据一些示例的用于执行面部识别的过程的另一个示例的流程图;
图11是示出根据一些示例的用于执行头部检测的过程的示例的流程图;以及
图12是示出根据一些示例的计算系统的示例的框图。
具体实施方式
下文提供了本公开的某些方面和实施例以用于说明的目的。可以在不脱离本公开的范围的情况下设计替代方面。此外,将不详细描述或将省略本公开的已知元素,以避免模糊本公开的相关细节。本文描述的一些方面和实施例可以独立地应用,并且其中一些可以组合应用,这对于本领域技术人员来说是显而易见的。在以下描述中,为了解释的目的,阐述了具体细节以便提供对本申请的实施例的透彻理解。然而,显而易见的是,可以在没有这些具体细节的情况下实践各个实施例。附图和描述并不旨在是限制性的。
随后的描述提供了示例实施例,并且不旨在限制本公开的范围、适用性或配置。相反,对示例性实施例的随后描述将为本领域技术人员提供实现示例性实施例的可行描述。应当理解,在不脱离所附权利要求中所阐述的应用的精神和范围的情况下,可以对元素的功能和布置进行各种改变。
许多便携式电子设备(诸如智能电话、平板计算机和便携式计算机)能够执行面部识别。例如,便携式电子设备可以利用面部识别来执行认证,诸如用于验证用户身份(例如,检查尝试的设备访问是否登记在授权用户的数据库中)。面部认证具有许多应用,诸如用于执行设备访问控制,例如,对设备的“解锁”访问,以提供对特定应用或服务的访问等。
在其他示例中,便携式电子设备可以使用面部识别来基于用户对设备的注意实现显示管理特征。例如,为了初始化和/或保持设备显示的目的,例如,只要用户正在看屏幕,设备的前向传感器(例如,点投影仪和/或相机)可以用于促进面部识别。可以基于用户的注意力的设备动作的其他示例是自动改变显示亮度水平、设备“锁定”超时和/或调整警报音量等。
一些现有的面部识别系统使用红外(IR)光源照亮用户的面部,并使用红外(IR)相机执行图像捕获。在一些情况下,然后可以处理捕获的图像并将其与存储的登记面部进行比较以便执行用户认证。虽然现有的面部识别系统通常是可靠的,但这样的系统的功率消耗可能很高。为了克服这个问题,无线设备上的面部识别系统通常仅在检测到某种类型的用户活动或预定条件时触发,例如,点击屏幕、设备移动、传入通知等。在缺少这些触发的情况下,当设备锁定时,面部识别系统被禁用,以节省电池寿命。因此,现有系统在执行面部识别以便认证用户和“解锁”设备时具有固有的时延。
现有面部识别系统的高功率消耗在实现显示管理的用户感知特征时也存在问题。虽然这样的特征可能不需要用于面部认证的面部识别系统所需的准确度水平,但由于缺乏更有效的替代方案,必须使用现有系统,这不利地影响了设备的电池寿命。
除了与高功率消耗相关的问题外,一些面部识别系统在暴露于直接光源(诸如阳光)下时无法正常工作,因为强烈的入射光可能会干扰IR图像的保真度。另一个问题是,如果用户戴着过滤或阻挡IR光的某些眼镜,现有的面部识别系统可能会失败。此外,现有的面部识别系统容易基于用户的照片错误地认证用户。
期望开发一种将允许设备实现面部识别的技术,其减少了激活时延,同时改进了功率管理以降低总体功率消耗并节省电池寿命。此外,期望开发一种技术,该技术克服了与在阳光直射下或用任何类型眼镜进行面部识别有关的问题,并还将降低任何错误身份认证的可能性。此外,期望利用设备上现有的射频(RF)接口来执行这些技术。
本文描述了用于执行面部识别的系统、装置、过程(也被称为方法)和计算机可读介质(统称为“系统和技术”)。虽然本文是关于面部识别来描述系统和技术的,但系统和技术可以用于执行其他身体部位和/或对象的识别,诸如墙壁、家具、门等。本文描述的系统和技术也可以用于追踪用户、动物、对象等的移动。
所述系统和技术为电子设备提供了收集RF感测数据的能力,RF感测数据可以用于执行面部识别、检测运动、确定用户的头部和/或其他身体部位(例如,头部的一部分、面部、头部/颈部区域、手、眼睛等)的存在,确定用户面部的方向,和/或执行面部认证。在一些方面中,可以通过利用能够同时执行发送和接收功能的无线接口(例如,单基地配置)来收集RF感测数据。在其他方面中,RF感测数据可以通过利用双基地配置来收集,其中,发送和接收功能由不同的设备执行(例如,第一无线设备发送RF波形并且第二无线设备接收RF波形以及任何相应的反射)。本文将使用Wi-Fi作为说明性示例来描述示例。然而,所述系统和技术不限于Wi-Fi。例如,在一些情况下,所述系统和技术可以使用5G/新无线电(NR)来实现,诸如使用毫米波(mmWave)技术。在一些情况下,所述系统和技术可以使用其他无线技术来实现,诸如蓝牙TM、超宽带(UWB)等。
在一些方面中,设备可以包括Wi-Fi接口,该Wi-Fi接口被配置为实现基于发送的RF信号的带宽、空间流的数量、被配置为发送RF信号的天线的数量、被配置为接收RF信号的天线的数量、空间链路的数量(例如,空间流的数量乘以被配置为接收RF信号的天线的数量)、采样率或其任何组合而具有不同水平的RF感测分辨率的算法。例如,设备的Wi-Fi接口可以被配置为实现低分辨率RF感测算法,该算法消耗少量功率,并且可以在设备处于“锁定”状态和/或处于“睡眠”模式时在后台运行。在一些情况下,设备可以使用低分辨率RF感测算法作为粗略检测机制,该粗略检测机制可以感测设备的某一邻近范围内的运动。在某些方面,低分辨率RF感测算法可以用作发起设备的面部识别系统的触发,并且可以提供比现有触发(例如,设备运动、点击屏幕、警报等)更低的时延。在一些方面,通过使用低分辨率RF感测算法来检测运动可以触发设备在发起面部识别之前执行更高分辨率RF感测算法(例如,中分辨率RF感测算法、高分辨率RF感测算法或其他更高分辨率RF感测算法,如本文所讨论的)。
在一些示例中,设备的Wi-Fi接口可以被配置为实现中分辨率RF感测算法。用于中分辨率RF感测算法的发送的RF信号可以不同于低分辨率RF感测算法,其具有更高的带宽、更高数量的空间流、更高数量的空间链路(例如,被配置为接收RF信号和/或更高数量的空间流的更高数量的天线)、更高的采样率(对应于更小的采样间隔)或其任何组合。在一些情况下,中分辨率RF感测算法可以用于检测用户的头部(或其他身体部位,诸如面部、眼睛等)的存在以及设备附近的运动。在一些示例中,如上所述,通过使用低分辨率RF感测算法,响应于检测到设备附近的运动,可以调用中分辨率RF感测算法。在一些情况下,中分辨率RF感测算法可以通过利用数字信号处理来过滤未从面向设备屏幕的方向反射的信号,从而将其检测集中在用户头部。在某些示例中,中分辨率RF感测算法还可以用作发起设备的面部识别系统的触发,并可以提供比现有触发(例如,设备运动、触摸屏交互、警报等)更低的时延。在一些情况下,通过使用中分辨率RF感测算法检测用户头部的存在可以触发设备在发起面部识别之前执行更高分辨率RF感测算法(例如,高分辨率RF感测算法或其他更高分辨率RF感测算法,如本文所述)。
在另一个示例中,设备的Wi-Fi接口可以被配置为实现高分辨率RF感测算法。用于高分辨率RF感测算法的发送的RF信号可以通过具有更高的带宽、更高数量的空间流、更高数量的空间链路(例如,被配置为接收RF信号和/或更高数量的空间流的更高数量的天线)、更高的采样率或其任何组合而不同于中分辨率RF感测算法和低分辨率RF感测算法。在一些情况下,高分辨率RF感测算法可以用于检测用户头部的方向(例如,用户是面向电话还是在看别处)、用户头部的存在和/或设备附近的运动。在一些示例中,可以响应于检测到设备附近的运动和/或响应于检测到用户头部(或其他身体部位,诸如面部、眼睛等)的存在而调用高分辨率RF感测算法。在一些方面中,高分辨率RF感测算法可以利用数字信号处理来过滤未从面向设备屏幕的方向反射的信号。在某些情况下,高分辨率RF感测算法可以用作发起设备的面部识别系统的触发,并可以提供比上述现有面部识别触发更低的时延。
在一些示例中,设备的Wi-Fi接口可以被配置为实现面部认证RF感测算法。在一种实现方式中,设备可以利用能够发送极高频(EHF)信号或mmWave技术(例如,IEEE802.11ad)的RF接口来执行面部识别。例如,该设备可以包括mmWave RF接口。在一些示例中,mmWave RF接口可以利用一个或多个定向天线,该定向天线被配置为在垂直于设备屏幕的方向上发送信号。例如,该设备可以利用mmWave RF接口执行窄波束扫描,以从用户面部反射的各个信号中获得飞行时间和不同角度的相位测量。在一些示例中,该设备可以利用飞行时间和相位测量来生成面部签名。该设备可以将面部签名与存储在系统中用于面部识别的校准的面部度量进行比较。
根据这样的系统和技术的面部识别的实现方式可以在阳光直射或佩戴IR阻挡眼镜的用户中有利地发挥作用。此外,根据这些系统和技术的面部识别可以结合用户面部的三维数据,并且因此可以产生比现有系统更高的准确度。
在一些示例中,所述系统和技术可以通过实现具有至少两个天线的设备的Wi-Fi接口来执行与上述算法中的每个相关联的RF感测,所述至少两个天线可以用于同时发送和接收RF信号。在一些情况下,天线可以是全向的,使得可以从所有方向接收和发送RF信号。例如,设备可以利用其Wi-Fi接口的发送器来发送RF信号,并同时启用Wi-Fi接口的Wi-Fi接收器,使得设备可以捕获从用户反射的任何信号。Wi-Fi接收器还可以被配置为检测从Wi-Fi发送器的天线传输到Wi-Fi接收器的天线而没有从任何对象反射的泄漏信号。在这样做时,设备可以以与发送信号的直接路径(泄漏信号)有关的信道状态信息(CSI)数据以及与对应于发送信号的接收的信号的反射路径有关的数据的形式收集RF感测数据。
在一些方面,CSI数据可以用于计算反射信号的距离以及到达角。反射信号的距离和角度可以用于检测运动,确定用户的头部、面部、眼睛、脚、手等的存在,和/或如上所述确定用户面部的方向。在一些示例中,反射信号的距离和到达角可以使用信号处理、机器学习算法、使用任何其他合适的技术或其任何组合来确定。在一个示例中,可以通过测量从接收泄漏信号到接收反射信号的时间差来计算反射信号的距离。在另一个示例中,可以通过利用天线阵列接收反射信号并测量天线阵列的每个元件处的接收相位的差来计算到达角。在一些情况下,反射信号的距离以及反射信号的到达角可以用于识别用户的存在和方向特性,诸如通过识别用户头部的存在和/或方向。
在一些示例中,本文讨论的各个RF感测算法中的一个或多个可以用于执行基于用户意识的设备管理功能。例如,RF感测算法中的一个或多个可以用于确定用户的头部方向。然后,用户的头部方向可以用于推断用户是将注意力指向设备屏幕还是其他地方。与利用面部认证来确定用户意识的现有系统相比,这样的实现方式可以导致更低的功率消耗。
下文将结合附图讨论本文所述系统和技术的各个方面。图1示出了用户设备107的计算系统170的示例。用户设备107是可由终端用户使用的设备的示例。例如,用户设备107可以包括移动电话、路由器、平板计算机、膝上型计算机、追踪设备、可穿戴设备(例如,智能手表、眼镜、XR设备等)、物联网(IoT)设备、交通工具(或交通工具的计算设备)和/或用户用于通过无线通信网路进行通信的另一设备。在一些情况下,所述设备可以被称为站(STA),诸如在指代被配置为使用Wi-Fi标准进行通信的设备时。在一些情况下,所述设备可以被称为用户设备(UE),诸如在指代被配置为使用5G/新无线电(NR)、长期演进(LTE)或其他电信标准进行通信的设备时。
计算系统170包括软件和硬件组件,这些组件可以通过总线189电气地耦合或通信地耦合(或可以以其他方式根据需要进行通信)。例如,计算系统170包括一个或多个处理器184。所述一个或多个处理器184可以包括一个或多个CPU、ASIC、FPGA、AP、GPU、VPU、NSP、微控制器、专用硬件、其任何组合和/或其他处理设备和/或系统。总线189可以由一个或多个处理器184用于在核心之间进行通信和/或与一个或多个存储器设备186进行通信。
计算系统170还可以包括一个或多个存储器设备186、一个或多个数字信号处理器(DSP)182、一个或多个订户身份模块(SIM)174、一个或多个调制解调器176、一个或多个无线收发器178、一个或多个天线187、一个或多个输入设备172(例如,相机、鼠标、键盘、触敏屏幕、触摸板、键盘、麦克风等)和一个或多个输出设备180(例如,显示器、扬声器、打印机等)。
一个或多个无线收发器178可以经由天线187从一个或多个其他设备接收无线信号(例如,信号188),诸如其他用户设备、网络设备(例如,基站,诸如eNB和/或gNB、WiFi接入点(AP),诸如路由器、范围扩展器等)、云网络等。在一些示例中,计算系统170可以包括多个天线或天线阵列,其可促进同时发送和接收功能。天线187可以是全向天线,使得RF信号可以从所有方向接收和发送。无线信号188可以经由无线网络发送。无线网络可以是任何无线网络,诸如蜂窝或电信网络(例如,3G、4G、5G等)、无线局域网(例如,WiFi网络)、蓝牙TM网络和/或其他网络。在一些示例中,一个或多个无线收发器178可以包括包含一个或多个组件的RF前端,诸如放大器、用于信号下变频的混频器(也被称为信号乘法器)、向混频器提供信号的频率合成器(也被称为振荡器)、基带滤波器、模数转换器(ADC)、一个或多个功率放大器以及其他组件。RF前端通常可以处理无线信号188到基带或中频的选择和转换,并且可以将RF信号转换到数字域。
在一些情况下,计算系统170可以包括译码解码设备(或CODEC,其被配置为对使用一个或多个无线收发器178发送和/或接收的数据进行编码和/或解码。在一些情况下,计算系统170可以包括被配置为加密和/或解密由一个或多个无线收发器178发送和/或接收的数据(例如,根据高级加密标准(AES)和/或数据加密标准(DES)标准)的加密解密设备或组件。
一个或多个SIM 174可以各自安全地存储分配给用户设备107的用户的国际移动订户身份(IMSI)号码和相关密钥。IMSI和密钥可以用于在访问由与一个或多个SIM 174相关联的网络服务提供商或运营商提供的网络时识别和认证订户。一个或多个调制解调器176可以调制一个或多个信号,以使用一个或多个无线收发器178对用于传输的信息进行编码。一个或多个调制解调器176还可以解调由一个或多个无线收发器178接收的信号,以便解码所发送的信息。在一些示例中,一个或多个调制解调器176可以包括WiFi调制解调器、4G(或LTE)调制解调器、5G(或NR)调制解调器和/或其他类型的调制解调器。一个或多个调制解调器176以及一个或多个无线收发器178可以用于为一个或多个SIM 174传送数据。
计算系统170还可以包括(和/或与之通信)一个或多个非暂时性机器可读存储介质或存储设备(例如,一个或多个存储器设备186),其可以包括但不限于本地和/或网络可访问存储、磁盘驱动器、驱动器阵列、光学存储设备、固态存储设备,诸如RAM和/或ROM,其可以是可编程的、可闪速更新的等等。这样的存储设备可以被配置为实现任何适当的数据存储,包括但不限于各种文件系统、数据库结构等等。
在各个实施例中,功能可以被存储为存储器设备186中的一个或多个计算机程序产品(例如,指令或代码),并由一个或多个处理器184和/或一个或多个DSP 182执行。计算系统170还可以包括软件元素(例如,位于一个或多个存储器设备186内),包括例如操作系统、设备驱动器、可执行库和/或其他代码,诸如一个或多个应用程序,其可以包括实现由各个实施例提供的功能的计算机程序,和/或可以被设计为实现方法和/或配置系统,如本文所述。
图2是示出无线设备200的示例的图,该无线设备200利用RF感测技术来执行一个或多个功能,诸如检测用户202的存在、检测用户的方向特性、执行面部识别、其任何组合和/或执行其他功能。在一些示例中,无线设备200可以是用户设备107,诸如移动电话、平板计算机、可穿戴设备或包括至少一个RF接口的其他设备。在一些示例中,无线设备200可以是为用户设备(例如,用户设备107)提供连接的设备,诸如无线接入点(AP)、基站(例如,gNB、eNB等)或者包括至少一个RF接口的其他设备。
在一些方面中,无线设备200可以包括用于发送RF信号的一个或多个组件。无线设备200可以包括数模转换器(DAC)204,其能够(例如,从微处理器,未示出)接收数字信号或波形,并将信号或波形转换为模拟波形。作为DAC 204的输出的模拟信号可以被提供给RF发送器206。RF发送器206可以是Wi-Fi发送器、5G/NR发送器、蓝牙TM发送器或能够发送RF信号的任何其他发送器。
RF发送器206可以耦合到一个或多个发送天线,诸如TX天线212。在一些示例中,TX天线212可以是能够在所有方向上发送RF信号的全向天线。例如,TX天线212可以是全向Wi-Fi天线,其可以以360度辐射样式辐射Wi-Fi信号(例如,2.4GHz、5GHz、6GHz等)。在另一个示例中,TX天线212可以是在特定方向上发送RF信号的定向天线。
在一些示例中,无线设备200还可以包括用于接收RF信号的一个或多个组件。例如,无线设备200中的接收器阵容可以包括一个或多个接收天线,诸如RX天线214。在一些示例中,RX天线214可以是能够从多个方向接收RF信号的全向天线。在其他示例中,RX天线214可以是被配置为从特定方向接收信号的定向天线。在另外的示例中,TX天线212和RX天线214都可以包括被配置为天线阵列的多个天线(例如,元素)。
无线设备200还可以包括耦合到RX天线214的RF接收器210。RF接收器210可以包括一个或多个硬件组件以用于接收RF波形,诸如Wi-Fi信号、蓝牙TM信号、5G/NR信号或任何其他RF信号。RF接收器210的输出可以耦合到模数转换器(ADC)208。ADC 208可以被配置为将接收到的模拟RF波形转换成可以提供给诸如数字信号处理器(未示出)的处理器的数字波形。
在一个示例中,无线设备200可以通过使TX波形216从TX天线212发送来实现RF感测技术。尽管TX波形216被示为单线,但在一些情况下,TX波形216可以通过全向TX天线212在所有方向上发送。在一个示例中,TX波形216可以是由无线设备200中的Wi-Fi发送器发送的Wi-Fi波形。在一些情况下,TX波形216可以对应于与Wi-Fi数据通信信号或Wi-Fi控制功能信号(例如,信标传输)同时或接近同时发送的Wi-Fi波形。在一些示例中,TX波形216可以使用与Wi-Fi数据通信信号或Wi-Fi控制功能信号(例如,信标传输)相同或类似的频率资源来发送。在一些方面中,TX波形216可以对应于与Wi-Fi数据通信信号和/或Wi-Fi控制信号分开发送的Wi-Fi波形(例如,TX波形216可以在不同时间和/或使用不同频率资源发送)。
在一些示例中,TX波形216可以对应于5G NR波形,其与5G NR数据通信信号或5GNR控制功能信号同时或接近同时发送。在一些示例中,可以使用与5G NR数据通信信号或5GNR控制功能信号相同或类似的频率资源来发送TX波形216。在一些方面中,TX波形216可以对应于与5G NR数据通信信号和/或5G NR控制信号分开发送的5G NR波形(例如,TX波形216可以在不同时间和/或使用不同频率资源发送)。
在一些方面中,可以修改与TX波形216相关联的一个或多个参数,这些参数可以用于提高或降低RF感测分辨率。所述参数可以包括频率、带宽、空间流的数量、被配置为发送TX波形216的天线的数量、被配置为接收对应于TX波形216的反射RF信号的天线的数量、空间链路的数量(例如,空间流的数量乘以被配置为接收RF信号的天线的数量)、采样率或其任何组合。
在另外的示例中,TX波形216可以被实现为具有完美或几乎完美的自相关性质的序列。例如,TX波形216可以包括单载波Zadoff序列,或者可以包括类似于正交频分复用(OFDM)长训练场(LTF)符号的符号。在一些情况下,TX波形216可以包括例如在调频连续波(FM-CW)雷达系统中使用的啁啾(chirp)信号。在一些配置中,啁啾信号可以包括其中信号频率以线性和/或指数方式周期性增加和/或减少的信号。
在一些方面中,无线设备200还可以通过执行并发发送和接收功能来实现RF感测技术。例如,无线设备200可以使其RF接收器210在其使RF发送器206发送TX波形216的同时或接近同时进行接收。在一些示例中,被包括在TX波形216中的序列或样式的发送可以连续地重复,使得该序列被发送一定次数或一定持续时间。在一些示例中,如果在RF发送器206之后启用RF接收器210,则在TX波形216的发送中重复样式可以用于避免错过任何反射信号的接收。在一个示例实现方式中,TX波形216可以包括被发送两次或更多次的具有序列长度L的序列,其可以允许RF接收器210在少于或等于L的时间被启用,以便在不丢失任何信息的情况下接收对应于整个序列的反射。
通过实现同时发送和接收功能,无线设备200可以接收与TX波形216对应的任何信号。例如,无线设备200可以接收从TX波形216的范围内的对象或人反射的信号,诸如从用户202反射的RX波形218。无线设备200还可以接收直接从TX天线212耦合到RX天线214而不从任何对象反射的泄漏信号(例如,TX泄漏信号220)。例如,泄漏信号可以包括从无线设备上的发送器天线(例如,TX天线212)传输到无线设备上的接收天线(例如,RX天线214)而不从任何对象反射的信号。在一些情况下,RX波形218可以包括与TX波形216中包括的序列的多个副本对应的多个序列。在一些示例中,无线设备200可以组合由RF接收器210接收的多个序列以提高信噪比(SNR)。
无线设备200还可以通过获得与对应于TX波形216的接收信号中的每个相关联的RF感测数据来实现RF感测技术。在一些示例中,RF感测数据可以包括与TX波形216的直接路径(例如,泄漏信号220)相关的信道状态信息(CSI)数据以及与对应于TX波形216的反射路径(例如,RX波形218)相关的数据。
在一些方面中,RF感测数据(例如,CSI数据)可以包括可用于确定其中RF信号(例如,TX波形216)从RF发送器206传播到RF接收器210的方式的信息。RF感测数据可以包括与由于散射、衰落和/或功率随距离衰减或其任何组合而对发送的RF信号的影响对应的数据。在一些示例中,RF感测数据可以包括与特定带宽上的频域中的每个音调对应的虚拟数据和真实数据(例如,I/Q分量)。
在一些示例中,RF感测数据可以用于计算与反射波形(诸如RX波形218)对应的距离和到达角。在另外的示例中,RF感测数据还可以用于检测运动、确定位置、检测位置或运动样式的变化、获得信道估计或其任何组合。在一些情况下,反射信号的距离和到达角可以用于识别周围环境中用户(例如,用户202)的大小、位置、移动或方向,以便检测用户存在/接近度、检测用户注意力和/或执行面部识别以及用户认证(例如面部认证)。
无线设备200可以通过利用信号处理、机器学习算法、使用任何其他合适的技术或其任何组合来计算与反射波形对应的距离和到达角(例如,与RX波形218对应的距离和到达角)。在其他示例中,无线设备200可以将RF感测数据发送给另一个计算设备,诸如服务器,其可以执行计算以获得与RX波形218或其他反射波形对应的距离和到达角。
在一个示例中,可以通过测量从接收到泄漏信号到接收到反射信号的时间差来计算RX波形218的距离。例如,无线设备200可以基于从无线设备200发送TX波形216的时间到其接收到泄漏信号220的时间之间的差(例如,传播延迟)来确定零的基线距离。然后,无线设备200可以基于从无线设备200发送TX波形216的时间到其接收到RX波形218的时间之间的差(例如,飞行时间)来确定与RX波形218相关联的距离,然后可以根据与泄漏信号220相关联的传播延迟来调整该距离。这样,无线设备200可以确定RX波形218所经过的距离,该距离可以用于确定引起反射的用户(例如,用户202)的存在和移动。
在另外的示例中,可以通过测量接收天线阵列(诸如天线214)的各个元素之间的RX波形218的到达时间差来计算RX波形218的到达角。在一些示例中,可以通过测量接收天线阵列中的每个元素处的接收相位的差来计算到达时间差。
在一些情况下,RX波形218的距离和到达角可以用于确定无线设备200与用户202之间的距离以及用户202相对于无线设备200的位置。RX波形218的距离和到达角还可以用于确定用户202的存在、移动、接近度、注意力、身份或其任何组合。例如,无线设备200可以利用与RX波形218对应的计算的距离和到达角来确定用户202正在朝无线设备200走去。基于用户202与无线设备200的接近度,无线设备200可以激活面部认证以便解锁设备。在一些方面,可以基于用户202在无线设备200的阈值距离内来激活面部认证。阈值距离的示例包括2英尺、1英尺、6英寸、3英寸或任何其他距离。
如上所述,无线设备200可以包括移动设备(例如,智能电话、膝上型计算机、平板计算机等)或其他类型的设备。在一些示例中,无线设备200可以被配置为获得设备位置数据和设备方向数据连同RF感测数据。在一些情况下,设备位置数据和设备方向数据可以用于确定或调整反射信号(诸如RX波形218)的距离和到达角。例如,当用户202在RF感测过程期间走向无线设备200时,无线设备200可以被设置在面向天花板的桌子上。在此情况下,无线设备200可以使用其位置数据和方向数据连同RF感测数据来确定用户202正在行走的方位。
在一些示例中,无线设备200可以使用包括往返时间(RTT)测量、被动定位、到达角、接收信号强度指示符(RSSI)、CSI数据的技术、使用任何其他合适的技术或其任何组合来收集设备位置数据。在另外的示例中,可以从无线设备200上的电子传感器获得设备方向数据,诸如陀螺仪、加速度计、指南针、磁力计、气压计、任何其他合适的传感器或其任何组合。
图3是示出包括无线设备302、接入点(AP)304和用户308的环境300的图。无线设备302可以包括用户设备(例如,图1的用户设备107,诸如移动设备或任何其他类型的设备)。在一些示例中,AP 304还可以被称为无线设备。如图所示,用户308可以移动到不同的位置(例如,和无线设备302一起),包括第一用户位置309a、第二用户位置309b和第三用户位置309c。在一些方面中,无线设备302和AP 304可以各自被配置为执行RF感测,以便检测用户308的存在、检测用户308的移动、执行用户308的面部识别、其任何组合和/或执行关于用户308的其他功能。
在一些方面,AP 304可以是Wi-Fi接入点,其包括可以被配置为同时发送和接收RF信号的硬件和软件组件,诸如本文关于图2的无线设备200描述的组件。例如,AP 304可以包括可被配置为发送RF信号的一个或多个天线以及可被配置为接收RF信号的一个或多个天线(例如,天线306)。如关于图2的无线设备200所述,AP 304可以包括全向天线或天线阵列,其被配置为从任何方向发送和接收信号。
在一些方面,AP 304和无线设备302可以被配置为实现双基地配置,其中发送和接收功能由不同的设备执行。例如,AP 304可以发送可以包括信号310a和信号310b的全向RF信号。如图所示,信号310a可以直接从AP 304行进(例如,无反射)到无线设备302,信号310b可以被位置309a处的用户308反射,并使对应的反射信号312被无线设备302接收。
在一些示例中,无线设备302可以利用与信号310a和信号310b相关联的RF感测数据来确定位置309a处的用户308的存在、位置、方向和/或移动。例如,无线设备302可以获得、取回和/或估计与AP 304相关联的位置数据。在一些方面,无线设备302可以使用与AP304相关联的位置数据和RF感测数据(例如,CSI数据)来确定由AP 304发送的与飞行时间、距离和/或到达角相关联的信号(例如,诸如信号310a的直接路径信号和诸如信号312的反射路径信号)。在一些情况下,AP 304和无线设备302还可以发送和/或接收通信,该通信可以包括与RF信号310a和/或反射信号312相关联的数据(例如,传输时间、序列/样式、到达时间、到达角等)。
在一些示例中,无线设备302可以被配置为使用单基地配置来执行RF感测,在这种情况下,无线设备302执行发送和接收功能两者(例如,结合无线设备200讨论的同步TX/RX)。例如,无线设备302可以通过发送RF信号314来检测位置309b处的用户308的存在或移动,这可以使来自位置309b处的用户308的反射信号316被无线设备302接收。
在一些方面,无线设备302可以获得与反射信号316相关联的RF感测数据。例如,RF感测数据可以包括对应于反射信号316的CSI数据。在另外的方面,无线设备302可以使用RF感测数据来计算与反射信号316对应的距离和到达角。例如,无线设备302可以通过基于泄漏信号(未示出)与反射信号316之间的差来计算反射信号316的飞行时间来确定距离。在另外的示例中,无线设备302可以通过利用天线阵列来接收反射信号并测量天线阵列的每个元素处的接收相位的差来确定到达角。
在一些示例中,无线设备302可以获得CSI数据形式的RF感测数据,该CSI数据可以用于基于表示为‘K’的频率的数量(例如,音调)和表示为‘N’的天线阵列元素的数量来用公式表示矩阵。在一种技术中,可以根据等式(1)给出的关系来用公式表示CSI矩阵:
CSI矩阵:H=[hik],i=1,…,N,k=1,…,K (1)
在用公式表示CSI矩阵时,无线设备302可以通过利用二维傅里叶变换来计算直接信号路径(例如,泄漏信号)以及反射信号路径(例如,反射信号316)的到达角和飞行时间。在一个示例中,傅里叶变换可以由下面等式(2)给出的关系来定义,其中,K对应于频域中的音调的数量;N对应于接收天线的数量;hik对应于在第i个天线和第k个音调上捕获的CSI数据(例如,具有实部和虚部的复数);f0对应于载波频率;l对应于天线间距;c对应于光速;以及Δf对应于两个相邻音调之间的频率间隔。等式(2)的关系如下所示:
在一些方面中,泄漏信号(例如,泄漏信号220和/或其他泄漏信号)可以通过使用迭代消除方法来消除。
在一些情况下,无线设备302可以利用与反射信号316对应的距离和到达角来检测位置309b处的用户308的存在或移动。在其他示例中,无线设备302可以检测用户308到第三位置309c的进一步移动。无线设备302可以发送RF信号318,该RF信号318引起来自位置309c处的用户308的反射信号320。基于与反射信号320相关联的RF感测数据,无线设备302可以确定位置309c处的用户308的存在,检测用户的头部存在和/或方向,并执行面部识别以及面部认证。
在一些实现方式中,无线设备302可以利用人工智能或机器学习算法来执行运动检测、对象分类和/或检测与用户308相关的头部方向。在一些示例中,机器学习技术可以包括监督机器学习技术,诸如那些利用神经网络、线性和逻辑回归、分类树、支持向量机、任何其他合适的监督机器学习技术或其任何组合的技术。例如,可以选择样本RF感测数据的数据集来训练机器学习算法或人工智能。
在一些方面中,无线设备302和AP 304可以执行RF感测技术,而不管它们彼此之间或与Wi-Fi网络的关联。例如,当无线设备302不与任何接入点或Wi-Fi网络相关联时,无线设备302可以利用其Wi-Fi发送器和Wi-Fi接收器来执行本文所讨论的RF感测。在另外的示例中,AP 304可以执行RF感测技术,而不管其是否具有与之相关联的任何无线设备。
图4是示出用于执行面部识别的过程400的示例的流程图。框402示出了设备被锁定且设备的屏幕(或显示器)关闭的设备状态。例如,用户可能已经将设备放在桌子上,并且在一定时间量的不活动后,设备可能已经转换到锁定状态。
在框404处,设备可以执行RF感测,以便检测设备附近的运动。在一个示例中,可以通过配置设备上的RF接口以执行同时发送和接收功能(类似于上文所述,诸如关于图2的无线设备200)来实现检测运动的RF感测。例如,设备上的Wi-Fi接口可以被配置为发送一个或多个RF信号,并同时(或几乎同时)接收对应于发送的RF信号的一个或多个反射信号。
在一些实现方式中,设备可以被配置为基于参数(诸如发送的RF信号的带宽、空间流的数量、被配置为发送RF信号的天线的数量、被配置为接收RF信号的天线的数量、空间链路的数量(例如,空间流的数量乘以被配置为接收RF信号的天线的数量)、采样率或其任何组合来实现具有不同水平的RF感测分辨率的RF感测算法。例如,设备可以实现算法,该算法可以在设备处于锁定或睡眠状态时通过调整与带宽、采样率和/或空间链路相关的一个或多个参数来检测设备附近的运动。
例如,在一些情况下,设备可以被配置为使用可用于从发送天线中的每个发送独立且单独译码的信号(例如,流)的空间流或多任务技术来发送。例如,具有四个天线的无线设备可以通过配置一个天线来发送和配置其余三个天线来接收(例如,在这种情况下,一个TX天线可以发送可由其他三个RX天线接收的空间流)来配置实现1x3配置(例如,一个空间流和三个RX天线,这将导致三个空间链路)。在另一个示例中,无线设备可以通过经由被配置为发送的两个天线发送独立信号(其可以由被配置为接收的两个天线接收)来实现2x2配置(例如,两个空间流和两个RX天线,这将导致四个空间链路)。
在一些配置中,设备可以通过修改空间链路的数量(例如,调整空间流的数量和/或接收天线的数量)以及带宽和采样频率来调整RF感测分辨率的水平。在一些情况下,设备可以实现低分辨率RF感测算法(例如,具有相对低的带宽、低的空间链路的数量和低的采样率),该算法消耗少量功率,并且当设备处于锁定或睡眠状态时,可以在后台运行。在一个说明性示例中,设备可以通过配置RF接口以利用单个空间链路来发送具有约为20MHz带宽的信号并通过利用可在100ms到500ms范围内的采样率来执行运动检测。本领域技术人员将理解,本文所述的参数和相应值是作为示例配置提供的,并且可以使用参数和值的不同变型来实现所公开的系统和技术。
在框406处,设备可以基于RF感测数据来确定是否检测到运动。设备可以通过利用信号处理、机器学习算法、使用任何其他合适的技术或其任何组合来检测运动。如果未检测到运动,则过程400可进行到框408,其中设备保持在锁定状态,并继续执行RF感测以便检测运动。在这样的情况下,设备可以使用低分辨率RF感测算法继续执行RF感测。
如果在框406处检测到运动,则过程400可以进行到框410并发起面部认证。在一些示例中,可以通过使用能够发送极高频(EHF)信号或mmWave技术(例如,IEEE 802.11ad)的RF接口来执行面部识别,诸如通过在垂直于设备屏幕的方向上发送信号。例如,设备可以利用mmWave RF接口执行窄波束扫描,以根据从用户面部反射的信号获得飞行时间和不同角度处的相位测量。在一些示例中,设备可以利用飞行时间和相位测量来生成面部签名,其可以与存储在系统中用于面部识别的校准的面部度量进行比较。
在另一个示例中,设备可以使用光检测和测距(LIDAR)来执行面部识别。例如,LIDAR设备可以用于用激光照亮用户的面部,并测量激光反射返回传感器所需的时间。在一些情况下,设备可以使用返回时间和/或波长的差异来生成用户面部的三维表示或图像,其可以用于执行面部识别。
在另一个示例中,设备可以使用红外(IR)光源、点投影仪或其他光源来照亮用户的面部,并使用IR相机或其他图像捕获设备来执行图像捕获。然后,在框410处,可以处理捕获的图像并将其用于执行面部认证。例如,可以将捕获图像或捕获的图像数据与存储/登记面部或相应签名进行比较来执行认证。如果过程400在框412处确定面部认证失败,则过程400可以进行到框408,其中设备继续执行RF感测以便检测运动。如果在框412处面部认证被验证,则过程400可以进行到框414,其中设备被解锁。
图5是示出用于执行面部识别的过程500的示例的流程图。框502示出了设备被锁定且设备的屏幕(或显示器)关闭的设备状态。例如,用户可能已将设备放在桌子上和/或设备可能在一定时间量的不活动后进入锁定状态。
在框504处,设备可以执行RF感测,以便检测设备附近或设备的阈值距离内的用户的存在。在一个示例中,检测用户存在可以包括检测和识别用户头部的存在。在一些实现方式中,可以响应于运动检测来执行检测用户存在的RF感测,如关于过程400所讨论的。例如,设备可以通过使用为运动检测提供低功率运行的参数(例如,带宽、采样率、空间流、空间链路,其任何组合和/或其他参数)来实现RF感测。响应于检测运动,设备可以使用可被配置用于检测用户存在的不同参数集(例如,不同带宽、不同采样率、不同空间流、不同空间链路等)来实现RF感测。
在一个示例中,放在房间的桌子上的设备可以使用关于过程400讨论的技术来检测用户正在房间里走动,但尚未靠近该设备(例如,在用户可以操作设备的阈值距离内)。在检测到用户正在向设备移动时,设备可以实现不同的RF感测算法(例如,根据图5的过程500),该算法可以被配置为通过检测和识别用户的头部来检测用户存在。
可以通过配置设备上的RF接口来实现检测用户存在的RF感测,以执行同时发送和接收功能。例如,设备上的RF接口可以被配置为发送一个或多个RF信号,并同时接收与发送的RF信号对应的一个或多个反射信号。
如上所述,在一些实现方式中,设备可以被配置为基于参数(诸如发送的RF信号的带宽、空间流的数量、空间链路的数量、采样率或其任何组合)来实现具有不同水平的RF感测分辨率的RF感测算法。例如,设备可以实现一种算法,该算法可以在设备处于锁定或睡眠状态时通过调整与带宽、采样率、空间流和/或空间链路有关的一个或多个参数来检测用户存在(例如,通过执行头部检测以检测头部的存在)。在一些情况下,设备可以实现中分辨率RF感测算法(例如,与低分辨率RF感测算法相比,具有中等带宽、中等数量的空间链路和中等采样率),其可以通过具有更高的带宽、更高数量的空间链路、更高的采样率或其任何组合而不同于低分辨率RF感测算法。例如,与图4的过程400中用于检测运动的参数相比,设备可以增加带宽、增加采样率(以收集更多样本)和/或增加空间链路的数量以检测用户存在。在一个说明性示例中,设备可以通过配置RF接口以利用两个空间链路并发送具有约为40MHz带宽的信号以及通过利用可以约为50ms的采样率来检测用户存在(例如,头部检测)。如关于过程400所讨论的,本领域技术人员将理解,本文所述的参数和相应值是作为示例配置提供的,并且公开的系统和技术可以使用参数和值的不同变型来实现。
在框506处,设备可以基于RF感测数据来确定是否检测到用户存在。设备可以通过利用信号处理、机器学习算法、使用任何其他合适的技术或其任何组合来检测用户存在。如果未检测到用户存在(例如,没有头部检测),则过程500可进行到框508,其中设备保持在锁定状态,并继续执行RF感测以便使用图5的过程500来检测用户存在(例如,头部的存在)或使用图4的过程400来检测运动。在这样的情况下,设备可以使用中分辨率RF感测算法继续执行RF感测。
如果在框506处检测到用户存在,则过程500可以进行到框510并发起面部认证。在一些示例中,可以使用RF感测技术、通过使用设备的IR相机捕获图像、通过使用LIDAR传感器或其任何组合来执行面部认证。在图8的描述中阐述了与面部认证有关的进一步细节。
在框512处,如果面部认证失败,则过程500可以进行到框508,其中设备继续执行RF感测以便检测用户存在。在一些配置中,过程可以替代地执行RF感测以检测运动,如结合过程400所述。在框512处,如果面部认证被验证,则过程500可以进行到框514,其中设备被解锁。
图6是示出用于执行面部识别的过程600的示例的流程图。框602示出了设备被锁定且设备的屏幕(或显示器)关闭的设备状态。类似于图4和图5的示例,用户可能已经将设备放在桌子上和/或设备可能已经在一定时间量的不活动后进入锁定状态。
在框604处,设备可以执行RF感测以便(例如,基于头部方向)确定用户是否面向设备。在一些实现方式中,如关于过程500所讨论的,可以响应于对用户头部的检测来执行用于确定用户头部方向的RF感测。例如,设备可以通过使用参数(例如,带宽、采样率、空间流、空间链路、其任何组合和/或其他参数)来实现RF感测,这些参数被配置为在最小化功率消耗的同时检测用户存在(例如,头部存在)。响应于检测用户存在,设备可以使用可被配置用于确定用户的头部方向的不同参数集(例如,带宽、采样率、空间流、空间链路、其任何组合和/或其他参数)来实现RF感测。
在一个示例中,放在房间的桌子上的设备可以使用关于图5的过程500讨论的技术来确定用户的头部靠近该设备。在一些方面,如果用户的头部在设备的阈值距离内(例如,在2英尺内),则用户的头部与设备非常接近。然后,用户的存在和在阈值距离内检测到头部可以触发RF感测技术来确定用户头部的方向。例如,RF感测可以确定用户是否面向设备,或者当用户的注意力被引向其他地方时,确定设备是否在他/她的膝上。
通过配置设备上的RF接口来执行同时发送和接收功能,可以实现检测头部方向的RF感测。例如,设备上的RF接口可以被配置为发送一个或多个RF信号,并同时接收与发送的RF信号对应的一个或多个反射信号。
与上述类似,该设备可以被配置为基于参数(诸如发送的RF信号的带宽、空间流的数量、空间链路的数量、采样率或其任何组合)来实现具有不同水平的RF感测分辨率的RF感测算法。例如,设备可以实现算法,该算法可以通过调整与带宽、采样率和/或空间链路相关的一个或多个参数来在设备处于锁定或睡眠状态时检测用户的头部方向。在一些情况下,设备可以实现高分辨率RF感测算法(例如,与中分辨率RF感测算法相比,具有高带宽、高数量的空间链路和高采样率)。通过具有更高的带宽、更高数量的空间链路、更高的采样率或其任何组合,高分辨率RF感测算法可以不同于中分辨率RF感测算法。例如,与图5的过程500中用于检测头部的存在的参数相比,设备可以增加带宽、增加采样率(以收集更多样本)和/或增加空间链路的数量以检测头部方向。在一个说明性示例中,设备可以通过配置RF接口以利用三个或更多个空间链路发送带宽为80MHz至160MHz的信号以及利用小于50ms的采样率来检测头部方向。如关于前述过程所讨论的,本领域技术人员将理解,本文所述的参数和相应值是作为示例配置提供的,并且公开的系统和技术可以使用参数和值的不同变型来实现。
在框606处,设备可以基于RF感测数据来确定用户的头部是否朝向设备。设备可以通过利用信号处理、机器学习算法、使用任何其他合适的技术或其任何组合来检测用户的头部方向。如果设备确定用户的头部方向没有面向设备,则过程600可以进行到框608,其中设备保持在锁定状态,并继续执行RF感测以便使用图6的过程600检测头部的方向,使用图5的过程500检测用户存在(例如,头部的存在),或使用图4的过程400检测运动。在这样的情况下,设备可以使用高分辨率RF感测算法继续执行RF感测。
在一些示例中,在框606处,如果设备确定用户的头部方向没有面向设备,则设备可以确定用户面向另一个设备的方向。在一些方面中,设备可以使用任何其他合适的技术实现定位算法(例如,往返时间(RTT)测量、被动定位、到达角、接收信号强度指示符(RSSI)、CSI数据,使用任何其他合适的技术,或其任何组合),或者设备可以访问位置数据(例如,先前存储的位置数据或来自服务器的位置数据)以确定到其他设备的范围或距离。在一些情况下,设备可以使用位置数据和设备方向数据(例如,来自陀螺仪)来确定用户的头部方向被指向另一个设备。在一个说明性示例中,设备可以确定用户正面向电视,并且设备可以与电视通信以使其打开。
在框606处,如果设备确定用户的头部方向朝向设备,则过程600可以进行到框610并发起面部认证。在一些示例中,可以使用RF感测技术、通过使用设备的IR相机捕获图像、通过使用LIDAR传感器或其任何组合来执行面部认证。在图8的描述中阐述了与面部认证有关的进一步细节。
在框612处,如果面部认证失败,则过程600可以进行到框608,其中设备继续执行RF感测以便检测用户的头部方向。在一些配置中,过程可以替代地执行RF感测以检测运动或用户存在,如分别结合过程400和过程500讨论的。在框612处,如果面部认证被验证,则过程600可以进行到框614,其中设备被解锁。
图7是示出用于执行面部识别的过程700的示例的流程图。框702示出了设备被锁定且设备的屏幕(或显示器)关闭的设备状态。类似于图4、图5和图6中的示例,用户可能已经将设备放在桌子上和/或设备可能已经在一定时间量的不活动后进入锁定状态。
在框704处,设备可以执行低分辨率RF感测算法,以便检测设备附近的运动(例如,检测与设备在同一房间内行走的用户)。在一个示例中,可以通过配置设备上的RF接口以执行同时发送和接收功能来实现检测运动的RF感测(类似于上文所述,诸如关于图2的无线设备200)。例如,设备上的Wi-Fi接口可以被配置为发送一个或多个RF信号,并同时(或几乎同时)接收对应于发送的RF信号的一个或多个反射信号。在一个说明性示例中,低分辨率RF感测算法可以通过配置RF接口以利用单个空间链路来发送具有约20MHz的带宽的信号,并通过利用可以在100ms到500ms范围内的采样率来实现。
在框706处,设备可以基于RF感测数据来确定是否检测到运动。如果没有检测到运动,则过程700可以返回到框704,其中设备保持在锁定状态,并继续执行低分辨率RF感测以便检测运动。
在框706处,如果检测到运动,则过程700可以进行到框708,并且设备可以执行中分辨率RF感测算法,以便检测设备附近或设备的阈值距离内的用户的存在。在一个示例中,检测用户存在可以包括检测和识别用户头部的存在。中分辨率RF感测算法可以通过具有更高的带宽、更高数量的空间链路、更高的采样率或其任何组合而不同于低分辨率RF感测算法。在一个说明性示例中,设备可以通过配置RF接口以利用两个空间链路并发送具有约40MHz的带宽的信号以及通过利用可为约50ms的采样率来检测用户存在(例如,头部检测)。
在框710处,设备可以基于RF感测数据来确定是否检测到用户存在。如果未检测到用户存在,则过程700可以在框712处继续实现中分辨率RF感测算法。在一些示例中,中分辨率RF感测算法可以用于在框706处检测运动。如果没有检测到运动,则过程700可以返回到框704,其中设备保持在锁定状态,并继续执行低分辨率RF感测以便检测运动。
如果在框710处检测到用户存在,则过程700可以进行到框714,并且设备可以执行高分辨率RF感测算法,以便确定用户是否面向设备(例如,基于头部方向)。高分辨率RF感测算法可以通过具有更高的带宽、更高数量的空间链路、更高的采样率或其任何组合而不同于中分辨率RF感测算法。在一个说明性示例中,设备可以通过配置RF接口以利用三个或更多个空间链路来发送带宽为80MHz至160MHz的信号以及通过利用小于50ms的采样率来检测头部方向。
在框716处,设备可以基于RF感测数据来确定用户是否面向设备。如果用户没有面向设备,则过程700可以在框718处继续实现高分辨率RF感测算法。在一些示例中,高分辨率RF感测算法可以用于在框706处检测运动。如果没有检测到运动,则过程700可以返回到框704,其中设备保持在锁定状态,并继续执行低分辨率RF感测以检测运动。如果在框716处设备确定用户的头部方向朝向设备,则过程700可以进行到框720并发起面部认证。
图8是示出使用面部作为生物特征数据的一般认证过程800的示例的流程图。获得尝试访问设备的用户的输入图像802。例如,输入图像802可以是利用RF感测技术编译的图像。在一个示例中,设备可以利用能够发送极高频(EHF)信号或mmWave技术(例如,IEEE802.11ad)的RF接口在垂直于设备屏幕的方向上发送信号。例如,设备可以利用mmWave RF接口执行窄波束扫描,以根据从用户面部反射的信号获得飞行时间和不同角度的相位测量。在一些示例中,设备可以利用飞行时间和相位测量来生成面部签名,该面部签名可以与存储在系统中用于面部识别的校准的面部度量进行比较。在另一个示例中,可以通过无线设备的相机(例如,输入设备172)获得输入图像802。在另一个示例中,可以通过使用无线设备的LIDAR传感器(例如,通信接口1240)获得输入图像802。
在框804处,处理输入图像802以进行特征提取。例如,在框804处,可以从包含面部的输入图像802中提取包括面部的一个或多个特征的特征表示。面部的特征表示可以与被授权来访问该设备的人的面部表示(例如,作为模板存储在模板存储装置808中)进行比较。在一些示例中,模板存储装置808可以包括数据库。在一些示例中,模板存储装置808是执行面部认证的同一设备(例如,用户设备107、无线设备200或其他设备)的一部分。在一些示例中,模板存储装置808可以远离执行面部认证的设备(例如,无线设备200)定位(例如,在与该设备通信的远程服务器上)。
当人注册其生物特征以供稍后在认证期间使用时,模板存储装置808中的模板可以在登记步骤期间生成。每个模板可以在内部(例如,在模板存储装置808中)链接到对被注册人员唯一的主题标识符(ID)。例如,在登记期间(其也可以被称为注册),计算设备的所有者和/或能够访问计算设备的其他用户可以输入一个或多个生物特征数据样本(例如,图像、指纹样本、语音样本或其他生物特征数据)。生物特征数据的代表性特征可以由特征提取引擎提取。生物特征数据的代表性特征可以被存储为模板存储装置808中的一个或多个模板。例如,可以捕获具有不同的姿势、位置、面部表情、光照条件和/或其他特性的所有者或用户的若干图像。
在另一个示例中,可以通过使用RF感测技术来捕获若干不同的面部签名。不同图像或签名的面部特征可以被提取并保存为模板。例如,可以为每个图像/签名存储模板,其中,每个模板表示具有其独特姿势、位置、面部表情、光照条件等的每个面部的特征。存储在模板存储装置808中的一个或多个模板可以用作用于执行面部认证的参考点。
如上所述,在框804处,可以从输入图像802中提取面部的一个或多个特征。任何合适的特征提取技术都可以用于从生物特征数据中提取特征(在注册和认证期间)。可以生成深度学习特征的特征提取过程的一个说明性示例是基于神经网络(例如,使用深度学习网络)的特征提取。例如,可以使用多个训练图像来训练神经网络,以学习各个面部的不同特征。在一种配置中,可以使用与RF面部签名相关联的特征对应的RF感测数据来训练神经网络。一旦经训练,经训练的神经网络就可以应用于包括面部的输入图像802。经训练的神经网络可以提取或确定面部的独特特征。神经网络可以是分类网络,包括对输入图像应用核(也被称为过滤器)以提取特征的隐藏卷积层。
在框806处,可以计算从输入图像802提取的用户的特征表示与存储在模板存储装置808中的人的面部的特征表示之间的相似性。例如,可以将从输入图像802提取的特征的表示与存储在模板存储装置808中的一个或多个模板进行比较。例如,在框806处,过程800可以执行相似性计算,以计算输入图像802与模板存储装置808中的一个或多个模板之间的相似性。计算出的相似性可以用作将用于做出最终认证决策的相似性分数807。
在一些情况下,输入图像802的数据也可以被称为查询数据(例如,查询面部)。在一些情况下,模板也可以被称为登记的数据(例如,登记面部)。如上所述,在一些示例中,可以使用表示面部(或其他对象或生物特征)的特征向量来表示为面部(或其他对象或生物特征)提取的特征。例如,每个模板都可以是特征向量。从输入生物特征数据中提取的特征的表示也可以是特征向量。每个特征向量可以包括表示提取的特征的多个值。特征向量的值可以包括任何合适的值。在一些情况下,特征向量的值可以是介于-1与1之间的浮点数,这是标准化的特征向量值。表示来自输入图像802的面部特征的特征向量可以与一个或多个模板的一个或多个特征向量进行比较或匹配,以确定特征向量之间的相似性。例如,可以在表示输入图像802中的面部的特征向量与每个模板的特征向量之间确定相似性,从而产生多个相似性值。
在一些实现方式中,模板的登记面部(来自模板存储装置808)的特征与(输入图像802的)查询面部的特征之间的相似性可以通过距离来测量。可以使用任何合适的距离,包括余弦距离、欧几里德距离、曼哈顿距离、马氏距离、绝对差分、阿达玛积、多项式映像、元素乘法和/或其他合适的距离。在一个说明性示例中,两个面部之间的相似性可以被计算为两个面部识别块的相似性之和。在一些情况下,相似性之和可以基于(输入图像802的)查询面部与(来自模板存储装置808的)模板的登记面部之间的绝对差异之和(SAD)。
表示相似性的一种方法是使用相似性分数(也被称为匹配分数)。相似性分数表示特征之间的相似性(表示特征匹配的程度),其中,相比于两个特征向量之间的较低分数,两个特征向量之间的较高分数指示这两个特征向量更相似。参考图8,相似性分数807指示存储模板中的一个或多个的特征与从输入图像802提取的面部特征之间的相似性。设备可以将相似性分数807与一个或多个阈值进行比较。在一些情况下,可以确定(输入图像802的)查询面部与每个登记面部(对应于每个模板)之间的相似性分数。最高相似性分数(对应于最佳匹配)可以用作相似性分数807。
在一些示例中,可以基于从输入图像802提取的面部特征与模板数据之间的计算距离,或者基于任何其他比较度量来生成相似性分数。如前所述,距离可以包括余弦距离、欧几里德距离、曼哈顿距离、马氏距离、绝对差分、阿达玛积、多项式映像、元素乘法和/或其他合适的距离。如上所述,可以基于特征提取引擎执行的特征提取来生成面部的特征向量。可以基于表示面部的特征向量与表示模板数据的特征向量之间的距离来计算输入图像802中的面部与模板数据之间的相似性分数。计算出的距离表示在输入图像802中表示面部的特征向量的数据值与表示模板数据的特征向量的数据值之间的差。例如,余弦距离测量内积空间的两个非零向量之间的角的余弦。余弦相似性表示两个非零向量之间的相似性度量。
在一些情况下,计算的距离(例如,余弦距离、欧几里德距离和/或其他距离)可以被标准化为0值或1值。作为一个示例,相似性分数可以被定义为1000*(1-距离)。在一些情况下,相似性分数可以是0与1之间的值。
如上所述,相似性分数807可以用于做出最终认证决策。例如,在框810处,可以将相似性分数807与相似性阈值进行比较。在一些示例中,相似性阈值可以包括相似性的百分比(例如,特征的75%、80%、85%等是相似的)。如果相似性分数807大于相似性阈值,则在框812处设备被解锁。然而,如果相似性分数807不大于阈值,则在框814处设备保持锁定。
在一些方面,认证过程800可以用两个或更多个相似性阈值来实现。例如,如果相似性分数807大于“高”阈值,则在框812处设备可以被解锁。在另一个示例中,如果相似性分数807小于“低”阈值,则设备可以保持锁定。在一些情况下,如果相似性分数807小于“低”阈值,则可以向用户呈现替代解锁机制(例如,指纹扫描、访问码等)。在一些示例中,小于“高”阈值(例如,在“高”与“低”阈值之间)的相似性分数807可以导致设备提示用户执行新的面部扫描(例如,使用本文所述的RF感测技术)。
在一些实现方式中,利用面部认证的设备(例如,诸如手机的移动设备)实现解锁超时时段。解锁超时时段是设备处于非活动的时段(解锁时),之后设备被自动锁定,并且需要执行新的面部认证来解锁设备。在一些示例中,这样的设备还可以实现单独的屏幕超时时段。屏幕超时时段是设备处于非活动的时段(当设备的屏幕或显示器处于活动或“打开”时),在此之后,设备的屏幕或显示器会自动关闭(例如,屏幕或显示器断电)。当屏幕或显示器关闭时,设备可以继续保持解锁。
图9是示出基于用户的注意力来执行设备管理的过程900的示例的流程图。框902示出了设备被解锁且设备的屏幕(或显示器)打开的设备状态。例如,用户可能已经提供了认证信息(例如,面部认证、指纹认证、访问码等)以获得对设备的访问,并且随后开始使用该设备。
在框904处,设备可以执行RF感测,以便确定用户的注意力是否仍然指向设备。例如,该设备可以被配置为执行与如结合用于确定用户存在(例如,头部检测)的过程500所述的RF感测相关联的一个或多个操作,和/或与如结合用于确定用户头部方向的过程600所述的RF感测相关联的一个或多个操作。在一些情况下,设备可以被配置为(例如,在执行过程500的操作之前)执行与如结合用于确定运动的过程400所述的RF感测相关联的一个或多个操作。
在框906处,设备可以使用RF感测数据来确定是否检测到用户头部。如果未检测到头部,则该设备可以确定用户不再使用该设备,并且可以进行到其中锁定该设备的框908。在一些配置中,设备可以在进行到框908之前实现定时器。例如,如果在一段时间内(例如,2分钟)没有检测到用户头部,则设备可以确定用户不再存在,并且可以锁定对设备的访问。
在框906处,如果设备确定用户存在(例如,检测到头部),则过程可以进行到框910以确定用户的头部方向。例如,用户可以拿着设备,但参加与另一个人对话,使得用户的面部不面向设备。在这种情况下,过程可以进行到框912并使显示器背光变暗,以便节省功率和/或电池寿命。在一些配置中,设备可以在经过一段时间的不注意之后(例如,用户的头部方向已经离开2分钟)进行到框912。
在框910处,如果设备确定用户正面向设备,则过程可以进行到框914,并调整设备上的一个或多个设置。例如,设备可以检测到显示器背光先前变暗(例如,在框912处),并且应该增加,因为用户的注意力现在指向设备。在另一个示例中,设备可以响应于确定用户的注意力指向该设备来调整警报的音量(例如,减小警报音量)。例如,可以响应于确定用户正在观看设备屏幕来减小设备铃声音量。在对设备设置进行调整之后,过程可以返回到框904并继续执行RF感测以确定用户的注意力。
图10是示出用于执行面部识别的过程1000的示例的流程图。在操作1002处,过程1000包括通过第一无线设备接收第一接收波形,所述第一接收波形是第一RF波形的反射。在一些示例中,第一RF波形由接收第一接收波形的同一设备(通过第一无线设备)发送(例如,单基地配置)。在其他示例中,可以实现双基地配置,其中,第一RF波形可以由另一个无线设备(例如,第二无线设备)发送,诸如接入点或具有RF接口的任何其他类型的无线设备。在一些示例中,第一RF波形可以包括由第一无线设备的全向天线发送的或在第一无线设备上发送的Wi-Fi信号。
在操作1004处,过程1000包括基于与第一接收波形相关联的RF感测数据来确定用户的存在。在一些示例中,RF感测数据可以包括与响应于第一RF波形的发送而接收到的反射对应的CSI数据。在其他示例中,RF感测数据可以包括与不从任何对象反射且对应于第一RF波形的至少一个接收到的泄漏信号相关联的数据。RF感测数据可以用于检测用户的存在,其可以包括检测用户的移动、检测用户的存在(例如,头部存在)、检测用户的头部方向或其任何组合。在一些示例中,检测用户的存在可以包括追踪用户的移动并确定用户在到无线设备的阈值距离内。
在一些方面,可以通过使用RF感测数据来确定反射信号的距离和到达角来检测用户的存在。在一些示例中,距离的确定可以基于反射信号的飞行时间,该飞行时间基于直接路径的传播延迟(例如,发送天线与接收天线之间的泄漏信号)来调整。在一些示例中,到达角可以基于在接收器天线阵列的每个元素处测量的信号相位的差。
在一些方面,第一无线设备可以发送比第一RF波形具有更高带宽的第二RF波形。第一无线设备可以从用户接收第二接收波形,所述第二接收波形是第二RF波形的反射,以及基于与第二接收波形相关联的RF感测数据来确定用户的头部存在或用户的头部方向中的至少一个。在一些示例中,第二RF波形还可以包括与第一RF波形不同数量的空间链路。
在一些示例中,用户头部存在和用户头部方向可以用于在第一无线设备和/或其他无线设备上发起进一步的活动。例如,确定用户的头部在预定量的时间内不存在(例如,头部存在被检测为假)可以导致锁定对无线设备的访问。在另一个示例中,确定用户的头部方向在预定量的时间内背离可以导致第一无线设备上的显示器背光变暗。
在操作1006处,过程1000包括响应于确定用户的存在而发起用户的面部认证。如上所述,用户的存在可以对应于用户的移动、用户的存在(例如,头部检测)、用户的头部方向或其任何组合。在一些示例中,面部认证可以通过配置第一无线设备上的RF接口以发送一个或多个极高频(EHF)波形(例如,多个EHF波形)来执行。第一无线设备可以接收与一个或多个EHF波形对应的多个反射波形。与对应于EHF波形的接收反射对应的RF感测数据可以用于生成可用于执行面部认证的(与用户相关联的)面部签名。在一些情况下,发起用户的面部认证可以包括使用红外相机捕获用户面部的图像。
在一些方面,第一无线设备可以基于面部认证来确定用户被授权来访问第一无线设备。例如,第一无线设备可以计算相似性分数(例如,相似性分数807),并确定相似性分数满足或超过用于提供对第一无线设备的访问的相似性阈值。在一些示例中,响应于(例如,基于面部认证)确定用户被授权来访问第一无线设备,第一无线设备可以使能对第一无线设备的访问。
在一些情况下,第一无线设备可以基于面部认证来确定用户被授权来访问一个或多个其他无线设备。在一些方面,响应于确定用户被授权来访问一个或多个其他无线设备,第一无线设备可以使能从一个或多个无线设备访问至少一个无线设备。在一个说明性示例中,第一无线设备可以对应于移动设备(例如,智能电话或平板计算机),来自一个或多个无线设备的至少一个无线设备可以对应于车辆,该车辆可以被解锁、启动、使能或者基于用户与第一无线设备进行认证以其他方式被访问。在另一个说明性示例中,第一无线设备可以对应于移动设备(例如,智能电话或平板计算机),来自一个或多个无线设备的至少一个无线设备可以对应于物联网(IoT)设备,该物联网(IoT)设备可以被配置为提供对家的访问(例如,解锁门或打开车库门)。
图11是示出用于执行头部检测的过程1100的示例的流程图。在操作1102处,过程1100包括通过无线设备接收第一接收波形,所述第一接收波形是第一RF波形的反射。在一些示例中,第一RF波形由接收第一接收波形的同一设备(通过无线设备)发送(例如,单基地配置)。在其他示例中,可以实现双基地配置,其中,第一RF波形可以由另一无线设备(诸如接入点)或具有RF接口的任何其他类型的无线设备发送。在一些示例中,第一RF波形可以包括由第一无线设备的全向天线发送的或在第一无线设备上发送的Wi-Fi信号。
在操作1104处,过程1100包括基于与第一接收波形相关联的RF感测数据来确定用户的头部存在或用户的头部方向中的至少一个。在一些示例中,RF感测数据可以包括与响应于第一RF波形的发送而接收到的反射对应的CSI数据。在其他示例中,RF感测数据可以包括与不从任何对象反射且对应于第一RF波形的至少一个接收到的泄漏信号相关联的数据。在一些方面中,确定用户的头部存在可以包括确定用户的头部在无线设备的阈值距离内。在一些情况下,确定用户的头部方向可以包括确定用户在预定的时间量内面向无线设备。
在一些示例中,无线设备可以实现一个或多个不同的RF感测算法,以确定或检测用户的头部存在和/或头部方向。在一些情况下,RF感测算法可以具有不同水平的分辨率和/或功率消耗。在一些情况下,RF感测算法的分辨率和/或功率消耗可以基于带宽、空间链路的数量、采样率或其任何组合。在一些方面,如果无线设备确定用户的头部方向面向设备,则无线设备可以发起面部认证。在另外的示例中,无线设备可以确定用户的头部方向面向不同的设备。无线设备可以使用设备位置数据、设备方向数据、室内地图数据或任何其他合适的数据来识别在用户附近的其他设备。在一些情况下,无线设备可以基于用户存在和/或用户头部方向的确定来与其他设备通信。例如,如果无线设备确定用户面向电视和/或靠近电视,则无线设备可以发送信号以使电视能够打开。
在一些示例中,本文描述的过程(例如,过程400、500、600、700、800、900、1000和/或本文描述的其他过程)可以由计算设备或装置(例如,UE)执行。在一个示例中,过程1000可以由图1的用户设备107执行。在另一个示例中,过程1000可以由具有图12所示的计算系统1200的计算设备执行。例如,具有图12所示的计算架构的计算设备可以包括图1的用户设备107的组件,并且可以实现图10的操作。
在一些情况下,计算设备或装置可以包括各种组件,诸如一个或多个输入设备、一个或多个输出设备、一个或多个处理器、一个或多个微处理器、一个或多个微型计算机、一个或多个相机、一个或多个传感器,和/或被配置为执行本文所述过程的步骤的其他组件。在一些示例中,计算设备可以包括显示器、被配置为传送和/或接收数据的一个或多个网络接口、其任何组合和/或其他组件。一个或多个网络接口可以被配置为传送和/或接收有线和/或无线数据,包括根据3G、4G、5G和/或其他蜂窝标准的数据、根据WiFi(802.11x)标准的数据、根据蓝牙TM标准的数据、根据因特网协议(IP)标准的数据,和/或其他类型的数据。
计算设备的组件可以在电路中实现。例如,组件可以包括和/或可以使用电子电路或其他电子硬件来实现,其可以包括一个或多个可编程电子电路(例如,微处理器、图形处理单元(GPU)、数字信号处理器(DSP)、中央处理单元(CPU)和/或其他合适的电子电路),和/或可以包括和/或使用计算机软件、固件或其任何组合来实现,以执行本文所述的各种操作。
过程1000被示为逻辑流程图,其操作表示可以在硬件、计算机指令或其组合中实现的一系列操作。在计算机指令的上下文中,这些操作表示存储在一个或多个计算机可读存储介质上的计算机可执行指令,所述计算机可执行指令在被一个或多个处理器执行时,执行所述的操作。通常,计算机可执行指令包括执行特定功能或实现特定数据类型的例程、程序、对象、组件、数据结构等。描述操作的顺序不旨在被解释为限制,并且任何数量的描述的操作可以以任何顺序和/或并行地组合以实现过程。
此外,本文描述的过程1000和/或其他过程可以在配置有可执行指令的一个或多个计算机系统的控制下执行,并且可以通过硬件实现为在一个或多个处理器上共同执行的代码(例如,可执行指令、一个或多个计算机程序或一个或多个应用程序)或其组合。如上所述,代码可以例如以包括能够由一个或多个处理器执行的多个指令的计算机程序的形式存储在计算机可读或机器可读存储介质上。计算机可读或机器可读存储介质可以是非暂时性的。
图12是示出用于实现本技术的某些方面的系统的示例的图。具体而言,图12示出了计算系统1200的示例,其可以是例如构成内部计算系统、远程计算系统、相机或其中系统的组件使用连接1205彼此通信的任何组件的任何计算设备。连接1205可以是使用总线的物理连接,或者到处理器1210的直接连接,诸如在芯片组架构中。连接1205还可以是虚拟连接、联网连接或逻辑连接。
在一些实施例中,计算系统1200是分布式系统,其中本公开中描述的功能可以分布在数据中心、多个数据中心、对等网络等中。在一些实施例中,所述系统组件中的一个或多个代表许多这样的组件,每个组件执行所描述的组件的一些或全部功能。在一些实施例中,组件可以是物理设备或虚拟设备。
示例系统1200包括至少一个处理单元(CPU或处理器)1210和连接1205,其将包括系统存储器1215(诸如只读存储器(ROM)1220和随机存取存储器(RAM)1225)在内的各种系统组件通信地耦合到处理器1210。计算系统1200可以包括高速存储器的高速缓存1212,高速缓存1212与处理器1210直接连接、靠近处理器1210或被集成为处理器1210的一部分。
处理器1210可以包括任何通用处理器和硬件服务或软件服务,诸如存储在存储设备1230中的服务1232、1234和1236,这些服务被配置为控制处理器1210以及专用处理器,其中软件指令被合并到实际的处理器设计中。处理器1210基本上可以是完全独立的计算系统,包含多个核或处理器、总线、存储器控制器、高速缓存等。多核处理器可以是对称的或非对称的。
为了实现用户交互,计算系统1200包括输入设备1245,其可以表示任意数量的输入机制,诸如用于语音的麦克风、用于手势或图形输入的触控屏幕、键盘、鼠标、运动输入、语音等。计算系统1200还可以包括输出设备1235,其可以是多种输出机制中的一种或多种。在一些实例中,多模式系统可以使用户能够提供多种类型的输入/输出以与计算系统1200进行通信。
计算系统1200可以包括通信接口1240,其通常可以治理和管理用户输入和系统输出。通信接口可以使用有线和/或无线收发器执行或促进接收和/或发送有线或无线通信,包括使用音频插孔/插头、麦克风插孔/插头、通用串行总线(USB)端口/插头、AppleTMLightningTM端口/插头、以太网端口/插头、光纤端口/插头、专有有线端口/插头、3G、4G、5G和/或其他蜂窝数据网络无线信号传输、蓝牙TM无线信号传输、蓝牙TM低能量(BLE)无线信号传输、IBEACONTM无线信号传输、射频识别(RFID)无线信号传输、近场通信(NFC)无线信号传输、专用短程通信(DSRC)无线信号传输、802.11Wi-Fi无线信号传输、无线局域网(WLAN)信号传输、可见光通信(VLC)、全球微波存取互操作性(WiMAX)、红外(IR)通信无线信号传输、公共交换电话网(PSTN)信号传输、集成服务数字网(ISDN)信号传输、自组网信号传输、无线电波信号传输、微波信号传输、红外信号传输、可见光信号传输、紫外光信号传输、沿电磁频谱的无线信号传输或其组合。
通信接口1240还可以包括一个或多个距离传感器(例如,光检测和测距(LIDAR)传感器、激光测距仪、雷达、超声波传感器和红外(IR)传感器),其被配置为收集数据并向处理器1210提供测量,由此,处理器1210可以被配置为执行获得一个或多个范围传感器的各种测量所需的确定和计算。在一些示例中,测量可以包括飞行时间、波长、方位角、仰角、距离、线速度和/或角速度或其任何组合。通信接口1240还可以包括一个或多个全球导航卫星系统(GNSS)接收器或收发器,其用于基于从与一个或多个GNSS系统相关联的一个或多个卫星接收到的一个或多个信号来确定计算系统1200的位置。GNSS系统包括但不限于基于美国的全球定位系统(GPS)、基于俄罗斯的全球导航卫星系统(GLONASS)、基于中国的北斗导航卫星系统(BDS)和基于欧洲的伽利略GNSS。对任何特定硬件布置的操作没有限制,并且因此,在开发过程中,这里的基本功能可以很容易地替代改进的硬件或固件布置。
存储设备1230可以是非易失性和/或非暂时性和/或计算机可读存储器设备,并且可以是硬盘或可以存储计算机可存取的数据的其他类型的计算机可读介质,诸如盒式磁带、闪存卡、固态存储器设备、数字多功能盘、盒式存储器、软盘、软磁盘、硬盘、磁带、磁条/磁条卡、任何其他磁性存储介质、闪存、忆阻器存储器、任何其他固态存储器、压缩碟只读存储器(CD-ROM)光碟、可重写压缩碟(CD)光碟、数字视频盘(DVD)光碟、蓝光碟(BDD)光碟、全息光盘、另一种光学介质、安全数字(SD)卡、微安全数字(microSD)卡、卡、智能卡芯片、EMV芯片、订户身份模块(SIM)卡、迷你/微型/纳米/微微SIM卡、另一种集成电路(IC)芯片/卡、随机存取存储器(RAM)、静态RAM(SRAM)、动态RAM(DRAM)、只读存储器(ROM)、可编程只读存储器(PROM)、可擦除可编程只读存储器(EPROM)、电可擦除可编程只读存储器(EEPROM)、闪速EPROM(FLASHEPROM)、高速缓存存储器(例如,1级(L1)高速缓存、2级(L2)高速缓存、3级(L3)高速缓存、4级(L4)高速缓存、5级(L5)高速缓存或其他级(L级)高速缓存)、电阻式随机存取存储器(RRAM/ReRAM)、相变存储器(PCM)、自旋转移力矩RAM(STT-RAM)、另一种存储器芯片或盒式存储器和/或其组合。
存储设备1230可以包括软件服务、服务器、服务等,当处理器1210执行定义这样的软件的代码时,它会使系统执行功能。在一些实施例中,执行特定功能的硬件服务可以包括存储在与必要硬件组件(诸如处理器1210、连接1205、输出设备1235等)连接的计算机可读介质中的软件组件,以执行该功能。术语“计算机可读介质”包括但不限于便携式或非便携式存储设备、光存储设备以及能够存储、包含或携带指令和/或数据的各种其他介质。计算机可读介质可以包括可存储数据的非暂时性介质,并且其不包括无线地传播的或通过有线连接传播的载波和/或暂时性电子信号。非暂时性介质的示例可以包括但不限于磁盘或磁带、诸如压缩盘(CD)或数字多功能盘(DVD)等的光学存储介质、闪存、存储器或存储器设备。计算机可读介质可以在其上存储代码和/或机器可执行指令,这些指令可以表示过程、函数、子程序、程序、例程、子例程、模块、软件包、类或指令、数据结构或程序语句的任何组合。代码段可以通过传递和/或接收信息、数据、实参、形参或存储器内容而耦合到另一个代码段或硬件电路。信息、实参、形参、数据等可以通过包括存储器共享、信息传递、令牌传递、网络传输等的任何适当方式来传递、转发或发送。
在上述描述中提供了具体细节,以提供对本文提供的实施例和示例的透彻理解,但本领域技术人员将认识到,本申请不限于此。因此,虽然本申请的示例性实施例已在本文中详细描述,但应理解,本发明的概念可以以其他方式以各种方式体现和应用,并且所附权利要求旨在被解释为包括此类变型,除非受到现有技术的限制。上述应用的各种特征和方面可以单独或联合使用。此外,在不脱离本说明书更广泛的精神和范围的情况下,实施例可以在本文所述的环境和应用之外的任何数量的环境和应用中使用。因此,说明书和附图应被视为说明性的,而不是限制性的。为了便于说明,按特定顺序描述了方法。应当理解,在替代实施例中,可以以与所描述的不同的顺序来执行该方法。
为了解释清楚,在一些情况下,本技术可以被呈现为包括单个功能块,这些功能块包括设备、设备组件、软件中体现的方法中的步骤或例程,或硬件和软件的组合。可以使用图中所示和/或本文所述以外的附加组件。例如,电路、系统、网络、过程和其他组件可以以框图形式被示为组件,以避免在不必要的细节中模糊实施例。在其他情况下,为了避免模糊实施例,可以在没有不必要的细节的情况下示出公知的电路、过程、算法、结构和技术。
此外,本领域技术人员将理解,结合本文公开的方面描述的各种说明性逻辑块、模块、电路和算法步骤可以被实现为电子硬件、计算机软件或两者的组合。为了清楚地说明硬件和软件的这种可互换性,上文已就其功能性一般地描述了各种说明性组件、块、模块、电路和步骤。这种功能性是作为硬件还是软件实现取决于施加在整个系统上的特定应用和设计约束。本领域技术人员可以针对每个特定应用以不同的方式实现所描述的功能,但是这种实现方式决策不应被解释为导致偏离本公开的范围。
上文可能将各个实施例描述为过程或方法,该过程或方法被描绘为流程图、流程示意图、数据流程图、结构图或框图。虽然流程图可以将操作描述为顺序的过程,但是这些操作中的许多操作可以并行或同时执行。另外,可以重新排列操作的顺序。过程在其操作完成后被终止,但是可能具有未被包括在图中的附加步骤。过程可以对应于方法、函数、过程、子例程、子程序等。当过程对应于函数时,其终止可以对应于该函数返回到调用函数或主函数。
根据上述示例的过程和方法可以使用计算机可执行指令来实现,计算机可执行指令被存储在计算机可读介质中或者以其他方式可从计算机可读介质得到。此类指令可以包括例如指令或数据,指令或数据使得通用计算机、专用计算机或处理设备执行或者以其他方式将其配置为执行特定功能或特定的一组功能。可以通过网络存取所使用的计算机资源的部分。例如,计算机可执行指令可以是二进制库、诸如汇编语言、固件、源代码的中间格式指令。可用于存储指令、使用的信息和/或在根据所描述的示例的方法期间创建的信息的计算机可读介质的示例包括磁盘或光盘、闪存、具有非易失性存储器的USB设备、网络存储设备等。
在一些实施例中,计算机可读存储设备、介质和存储器可以包括包含比特流等的电缆或无线信号。然而,当提及时,非暂时性计算机可读存储介质明确地排除诸如能量、载波信号、电磁波和信号本身的介质。
本领域技术人员将理解,可以使用多种不同技术和技艺中的任一种来表示信息和信号。例如,在上述描述中可能引用的数据、指令、命令、信息、信号、比特、符号和码片可以由电压、电流、电磁波、磁场或磁粒子、光场或光粒子或其任意组合来表示,在一些情况下,部分地取决于特定应用、部分地取决于所需设计、部分地取决于相应技术等。
可以使用硬件、软件、固件、中间件、微代码、硬件描述语言或其任何组合来实现或执行结合本文公开的方面描述的各种说明性逻辑块、模块和电路,并且可以采用各种形式因素中的任一种。当用软件、固件、中间件或微代码来实现时,用于执行必要任务的程序代码或代码段(例如,计算机程序产品)可以被存储在计算机可读或机器可读介质中。处理器可以执行必要任务。形式因素的示例包括膝上型计算机、智能电话、移动电话、平板设备或其他小型形式因素的个人计算机、个人数字助理、机架式设备、独立设备等。本文描述的功能还可以体现在外围设备或插件卡中。通过另外的示例,这样的功能还可以在单个设备中执行的不同芯片或不同过程之间的电路板上实现。
指令、用于传送这样的指令的介质、用于执行它们的计算资源以及用于支持这样的计算资源的其他结构是用于提供在本公开中描述的功能的示例部件。
本文描述的技术还可以用电子硬件、计算机软件、固件或其任何组合来实现。这样的技术可以在各种设备中的任一种中实现,诸如通用计算机、无线通信设备手机或具有多种用途(包括在无线通信设备手机和其他设备中的应用)的集成电路设备。被描述为模块或组件的任何特征都可以在集成逻辑设备中一起实现,或者分别作为离散但是可互操作的逻辑设备来实现。如果用软件来实现,则所述技术可以至少部分地由计算机可读数据存储介质来实现,计算机可读数据存储介质包括程序代码,程序代码包括在被执行时执行上述方法、算法和/或操作中的一种或多种的指令。计算机可读数据存储介质可以形成计算机程序产品的一部分,计算机程序产品可以包括封装材料。计算机可读介质可以包括存储器或数据存储介质,诸如随机存取存储器(RAM)(诸如同步动态随机存取存储器(SDRAM))、只读存储器(ROM)、非易失性随机存取存储器(NVRAM)、电可擦除可编程只读存储器(EEPROM)、闪存、磁数据存储介质或光数据存储介质等。附加地或替代地,所述技术可以至少部分地由以指令或数据结构的形式携带或传送程序代码并且可以由计算机访问、读取和/或执行的计算机可读通信介质(诸如传播的信号或波)来实现。
程序代码可以由处理器执行,处理器可以包括一个或多个处理器,诸如一个或多个数字信号处理器(DSP)、通用微处理器、专用集成电路(ASIC)、现场可编程逻辑阵列(FPGA)或其他等效的集成或离散逻辑电路。这样的处理器可以被配置为执行在本公开中描述的技术中的任一种。通用处理器可以是微处理器,但是在替代方案中,处理器可以是任何常规的处理器、控制器、微控制器或状态机。处理器也可以被实现为计算设备的组合,例如,DSP和微处理器的组合、多个微处理器、一个或多个微处理器与DSP核的结合,或任何其他这样的配置。因此,如本文所使用的术语“处理器”可以指代前述结构中的任一种、前述结构的任何组合,或适于实现本文描述的技术的任何其他结构或装置。
本领域普通技术人员将明白的是,在不脱离本说明书的范围的情况下,本文中使用的小于(“<”)和大于(“>”)符号或术语可以分别用小于或等于(“≤”)以及大于或等于(“≥”)符号来替换。
在将组件描述为“被配置为”执行某些操作的情况下,这种配置可以例如通过以下方式来实现:将电路或其他硬件设计为执行该操作,将可编程电路(例如,微处理器或其他适当的电路)设计为执行该操作,或其任何组合。
短语“耦合到”或“通信地耦合到”是指直接或间接地物理连接到另一个组件的任何组件、和/或直接或间接地与另一个组件通信的任何组件(例如,通过有线或无线连接和/或其他适当的通信接口而连接到另一个组件)。
引述集合中的“……中的至少一个”和/或集合中的“一个或多个”的权利要求书语言或其他语言指示该集合中的一个成员或者该集合中的多个成员(以任何组合)满足该权利要求书。例如,引述“A和B中的至少一个”或“A或B中的至少一个”的权利要求书语言意指A、B、或者A和B。在另一个示例中,引述“A、B和C中的至少一个”或“A、B或C中的至少一个”的权利要求书语言意指A、B、C,或者A和B,或者A和C,或者B和C,或者A和B和C。集合“中的至少一个”和/或集合中的“一个或多个”的语言并不将该集合限制为在该集合中列出的项目。例如,引述“A和B中的至少一个”或“A或B中的至少一个”的权利要求书语言可以意指A、B或者A和B,并且可以另外包括未在A和B的集合中列出的项目。
本公开的说明性方面包括:
方面1:一种用于面部识别的第一无线设备。所述第一无线设备包括至少一个收发器;至少一个存储器;以及耦合到至少一个收发器和至少一个存储器的至少一个处理器。所述至少一个处理器被配置为:经由所述至少一个收发器接收第一接收波形,所述第一接收波形是第一射频(RF)波形的反射;基于与第一接收波形相关联的RF感测数据来确定用户的存在;以及响应于确定用户的存在,发起用户的面部认证。
方面2:根据方面1所述的第一无线设备,其中,至少一个处理器被配置为:经由至少一个收发器发送比第一RF波形具有更高带宽的第二RF波形;经由至少一个收发器接收第二接收波形,所述第二接收波形是来自用户的第二RF波形的反射;以及基于与第二接收波形相关联的RF感测数据来确定用户的头部存在或用户的头部方向中的至少一个。
方面3:根据方面1或2中任一项所述的第一无线设备,其中,至少一个处理器被配置为:响应于确定用户的头部方向在预定的时间内背离,使第一无线设备上的显示器背光变暗。
方面4:根据方面1至3中任一项所述的第一无线设备,其中,至少一个处理器被配置为:响应于确定在预定的时间内用户的头部存在为假,锁定对第一无线设备的访问。
方面5:根据方面1至4中任一项所述的第一无线设备,其中,第一RF波形包括由第一无线设备上的全向天线发送的Wi-Fi信号。
方面6:根据方面1至5中任一项所述的第一无线设备,其中,第一RF波形由第二无线设备发送。
方面7:根据方面1至6中任一项所述的第一无线设备,其中,RF感测数据包括信道状态信息(CSI)数据。
方面8:根据方面1至7中任一项所述的第一无线设备,其中,为了确定用户的存在,至少一个处理器被配置为:追踪用户的移动;以及确定用户在到第一无线设备的阈值距离内。
方面9:根据方面1至8中任一项所述的第一无线设备,其中,为了发起用户的面部认证,至少一个处理器被配置为:经由至少一个收发器发送多个极高频(EHF)波形;经由至少一个收发器接收对应于多个EHF波形的多个反射波形;以及基于与多个反射波形相关联的RF感测数据来生成与用户相关联的面部签名。
方面10:根据方面1至9中任一项所述的第一无线设备,还包括相机,其中,为了发起用户的面部认证,至少一个处理器被配置为:使用相机捕获用户的面部的至少一个图像。
方面11:根据方面1至10中任一项所述的第一无线设备,其中,RF感测数据包括与至少一个接收到的泄漏信号相关联的数据,所述至少一个接收到的泄漏信号不从任何对象反射并且对应于第一RF波形。
方面12:根据方面1至11中任一项所述的第一无线设备,其中,至少一个处理器被配置为:基于面部认证来确定用户被授权来访问第一无线设备;以及响应于确定用户被授权来访问第一无线设备,使能对第一无线设备的访问。
方面13:根据方面1至12中任一项所述的第一无线设备,其中,至少一个处理器被配置为:基于面部认证来确定用户被授权来访问一个或多个其他无线设备;以及响应于确定用户被授权来访问一个或多个其他无线设备,使能从一个或多个其他无线设备访问至少一个无线设备。
方面14:一种执行面部识别的方法,所述方法包括根据方面1至13中任一项所述的操作。
方面15:一种计算机可读介质,包括至少一个指令,用于使计算机或处理器执行根据方面1至13中任一项所述的操作。
方面16:一种用于面部识别的装置,所述装置包括用于执行根据方面1至13中任一项所述的操作的部件。
方面17:一种用于确定用户的存在的无线设备。所述无线设备包括至少一个收发器;至少一个存储器;以及耦合到至少一个收发器和至少一个存储器的至少一个处理器。所述至少一个处理器被配置为:处理第一接收波形,所述第一接收波形是第一射频(RF)波形的反射;基于与第一接收波形相关联的RF感测数据来确定用户的存在;响应于确定用户的存在,经由至少一个收发器发送比第一RF波形具有更高带宽的第二RF波形;处理第二接收波形,所述第二接收波形是来自用户的第二RF波形的反射;以及基于与第二接收波形相关联的RF感测数据来确定用户的头部存在或用户的头部方向中的至少一个。
方面18:根据方面17所述的无线设备,其中,至少一个处理器被配置为:响应于确定用户的头部方向在预定的时间内背离,使第一无线设备上的显示器背光变暗。
方面19:根据方面17或18中任一项所述的无线设备,其中,至少一个处理器被配置为:响应于确定在预定的时间内用户的头部存在为假,锁定对第一无线设备的访问。
方面20:根据方面17至19中任一项所述的无线设备,其中,第一RF波形包括由第一无线设备上的全向天线发送的Wi-Fi信号。
方面21:根据方面17至20中任一项所述的无线设备,其中,RF感测数据包括信道状态信息(CSI)数据。
方面22:根据方面17至21中任一项所述的第一无线设备,其中,为了确定用户的存在,至少一个处理器被配置为:追踪用户的移动;以及确定用户在到第一无线设备的阈值距离内。
方面23:根据方面17至22中任一项所述的无线设备,其中,RF感测数据包括与至少一个接收到的泄漏信号相关联的数据,所述至少一个接收到的泄漏信号不从任何对象反射并且对应于第一RF波形。
方面24:一种确定用户的存在的方法,所述方法包括根据方面17至23中任一项所述的操作。
方面25:一种计算机可读介质,包括至少一个指令,用于使计算机或处理器执行根据方面17至23中任一项所述的操作。
方面26:一种用于确定用户的存在的装置,所述装置包括用于执行根据方面17至23中任一项所述的操作的部件。
Claims (41)
1.一种用于面部识别的第一无线设备,包括:
至少一个收发器;
至少一个存储器;以及
至少一个处理器,其耦合到所述至少一个存储器和所述至少一个收发器,所述至少一个处理器被配置为:
经由所述至少一个收发器接收第一接收波形,所述第一接收波形是第一射频(RF)波形的反射;
基于与所述第一接收波形相关联的RF感测数据来确定用户的存在;以及
响应于确定所述用户的存在,发起所述用户的面部认证。
2.根据权利要求1所述的第一无线设备,其中,所述至少一个处理器被配置为:
经由所述至少一个收发器发送比所述第一RF波形具有更高带宽的第二RF波形;
经由所述至少一个收发器接收第二接收波形,所述第二接收波形是来自所述用户的所述第二RF波形的反射;以及
基于与所述第二接收波形相关联的RF感测数据来确定所述用户的头部存在或所述用户的头部方向中的至少一个。
3.根据权利要求2所述的第一无线设备,其中,所述至少一个处理器被配置为:
响应于确定所述用户的头部方向在预定的时间内背离,使所述第一无线设备上的显示器背光变暗。
4.根据权利要求2所述的第一无线设备,其中,所述至少一个处理器被配置为:
响应于确定在预定的时间内所述用户的头部存在为假,锁定对所述第一无线设备的访问。
5.根据权利要求1所述的第一无线设备,其中,所述第一RF波形包括由所述第一无线设备上的全向天线发送的Wi-Fi信号。
6.根据权利要求1所述的第一无线设备,其中,所述第一RF波形由第二无线设备发送。
7.根据权利要求1所述的第一无线设备,其中,所述RF感测数据包括信道状态信息(CSI)数据。
8.根据权利要求1所述的第一无线设备,其中,为了确定所述用户的存在,所述至少一个处理器被配置为:
追踪所述用户的移动;以及
确定所述用户在到所述第一无线设备的阈值距离内。
9.根据权利要求1所述的第一无线设备,其中,为了发起所述用户的面部认证,所述至少一个处理器被配置为:
经由所述至少一个收发器发送多个极高频(EHF)波形;
经由所述至少一个收发器接收对应于所述多个EHF波形的多个反射波形;以及
基于与所述多个反射波形相关联的RF感测数据来生成与所述用户相关联的面部签名。
10.根据权利要求1所述的第一无线设备,还包括相机,其中,为了发起所述用户的面部认证,所述至少一个处理器被配置为:
使用所述相机捕获所述用户的面部的至少一个图像。
11.根据权利要求1所述的第一无线设备,其中,所述RF感测数据包括与至少一个接收到的泄漏信号相关联的数据,所述至少一个接收到的泄漏信号不从任何对象反射,并且对应于所述第一RF波形。
12.根据权利要求1所述的第一无线设备,其中,所述至少一个处理器被配置为:
基于所述面部认证来确定所述用户被授权来访问所述第一无线设备;以及
响应于确定所述用户被授权来访问所述第一无线设备,使能对所述第一无线设备的访问。
13.根据权利要求1所述的第一无线设备,其中,所述至少一个处理器被配置为:
基于所述面部认证来确定所述用户被授权来访问一个或多个其他无线设备;以及
响应于确定所述用户被授权来访问所述一个或多个其他无线设备,使能从所述一个或多个其他无线设备访问至少一个无线设备。
14.一种执行面部识别的方法,所述方法包括:
通过第一无线设备接收第一接收波形,所述第一接收波形是第一射频(RF)波形的反射;
基于与所述第一接收波形相关联的RF感测数据来确定用户的存在;以及
响应于确定所述用户的存在,发起所述用户的面部认证。
15.根据权利要求14所述的方法,还包括:
通过所述第一无线设备发送比所述第一RF波形具有更高带宽的第二RF波形;
通过所述第一无线设备接收第二接收波形,所述第二接收波形是来自所述用户的所述第二RF波形的反射;以及
基于与所述第二接收波形相关联的RF感测数据来确定所述用户的头部存在或所述用户的头部方向中的至少一个。
16.根据权利要求15所述方法,其中,所述第一无线设备的显示器打开,所述方法包括:
确定自检测到所述用户的头部存在以来经过了预定的时间段;以及
基于确定所述预定的时间段已经过去,使所述第一无线设备的所述显示器关闭。
17.根据权利要求15所述的方法,还包括:
响应于确定在预定的时间内所述用户的头部存在为假,锁定对所述第一无线设备的访问。
18.根据权利要求14所述的方法,其中,所述第一RF波形包括由所述第一无线设备上的全向天线发送的Wi-Fi信号。
19.根据权利要求14所述的方法,其中,所述第一RF波形由第二无线设备发送。
20.根据权利要求14所述的方法,其中,所述RF感测数据包括信道状态信息(CSI)数据。
21.根据权利要求14所述的方法,其中,确定所述用户的存在包括:
追踪所述用户的移动;以及
确定所述用户在到所述第一无线设备的阈值距离内。
22.根据权利要求14所述的方法,其中,发起所述用户的面部认证包括:
发送多个极高频(EHF)波形;
接收对应于所述多个EHF波形的多个反射波形;以及
基于与所述多个反射波形相关联的RF感测数据来生成与所述用户相关联的面部签名。
23.根据权利要求14所述的方法,其中,发起所述用户的面部认证包括:
使用红外相机捕获用户的面部的图像。
24.根据权利要求14所述的方法,其中,所述RF感测数据包括与至少一个接收到的泄漏信号相关联的数据,所述至少一个接收到的泄漏信号不从任何对象反射,并且对应于所述第一RF波形。
25.根据权利要求14所述的方法,还包括:
基于所述面部认证来确定所述用户被授权来访问所述第一无线设备;以及
响应于确定所述用户被授权来访问所述第一无线设备,使能对所述第一无线设备的访问。
26.根据权利要求1所述的第一无线设备,其中,所述至少一个处理器被配置为:
基于所述面部认证来确定所述用户被授权来访问一个或多个其他无线设备;以及
响应于确定所述用户被授权来访问所述一个或多个其他无线设备,使能从所述一个或多个其他无线设备访问至少一个无线设备。
27.一种计算机可读介质,包括至少一个指令,用于使计算机或处理器:
通过第一无线设备接收第一接收波形,所述第一接收波形是第一射频(RF)波形的反射;
基于与所述第一接收波形相关联的RF感测数据来确定用户的存在;以及
响应于确定所述用户的存在,发起所述用户的面部认证。
28.根据权利要求27所述的计算机可读介质,还包括至少一个指令,用于使所述计算机或所述处理器:
发送比所述第一RF波形具有更高带宽的第二RF波形;
接收第二接收波形,所述第二接收波形是来自所述用户的所述第二RF波形的反射;以及
基于与所述第二接收波形相关联的RF感测数据来确定所述用户的头部存在或所述用户的头部方向中的至少一个。
29.一种用于执行面部识别的装置,包括:
用于接收第一接收波形的部件,所述第一接收波形是第一RF波形的反射;
用于基于与所述第一接收波形相关联的RF感测数据来确定用户的存在的部件;以及
用于响应于确定所述用户的存在而发起所述用户的面部认证的部件。
30.根据权利要求29所述的装置,还包括:
用于发送比所述第一RF波形具有更高带宽的第二RF波形的部件;
用于接收第二接收波形的部件,所述第二接收波形是来自所述用户的所述第二RF波形的反射;以及
用于基于与所述第二接收波形相关联的RF感测数据来确定所述用户的头部存在或所述用户的头部方向中的至少一个的部件。
31.根据权利要求30所述的装置,还包括:
用于响应于确定所述用户的头部方向在预定的时间内背离而使所述装置上的显示器背光变暗的部件。
32.根据权利要求30所述的装置,还包括:
用于响应于确定在预定的时间内所述用户的头部存在为假而锁定对所述装置的访问的部件。
33.根据权利要求29所述的装置,其中,所述第一RF波形包括由所述装置上的全向天线发送的Wi-Fi信号。
34.根据权利要求29所述的装置,其中,所述第一RF波形由无线设备发送。
35.根据权利要求29所述的装置,其中,所述RF感测数据包括信道状态信息(CSI)数据。
36.根据权利要求29所述的装置,其中,为了确定所述用户的存在,所述装置还包括:
用于追踪所述用户的移动的部件;以及
用于确定所述用户在到所述装置的阈值距离内的部件。
37.根据权利要求29所述的装置,其中,为了发起所述用户的面部认证,所述装置还包括:
用于发送多个极高频(EHF)波形的部件;
用于接收对应于所述多个EHF波形的多个反射波形的部件;以及
用于基于与所述多个反射波形相关联的RF感测数据来生成与所述用户相关联的面部签名的部件。
38.根据权利要求29所述的装置,还包括:
用于捕获所述用户的面部的至少一个图像的部件。
39.根据权利要求29所述的装置,其中,所述RF感测数据包括与至少一个接收到的泄漏信号相关联的数据,所述至少一个接收到的泄漏信号不从任何对象反射,并且对应于所述第一RF波形。
40.根据权利要求29所述的装置,还包括:
用于基于所述面部认证来确定所述用户被授权来访问所述装置的部件;以及
用于响应于确定所述用户被授权来访问所述装置而使能对所述装置的访问的部件。
41.根据权利要求29所述的装置,还包括:
用于基于所述面部认证来确定所述用户被授权来访问一个或多个无线设备的部件;以及
用于响应于确定所述用户被授权来访问所述一个或多个无线设备而使能从所述一个或多个无线设备访问至少一个无线设备的部件。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US17/191,463 US20220283296A1 (en) | 2021-03-03 | 2021-03-03 | Facial recognition using radio frequency sensing |
US17/191,463 | 2021-03-03 | ||
PCT/US2022/070185 WO2022187766A1 (en) | 2021-03-03 | 2022-01-13 | Facial recognition using radio frequency sensing |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116964576A true CN116964576A (zh) | 2023-10-27 |
Family
ID=80783985
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202280017544.1A Pending CN116964576A (zh) | 2021-03-03 | 2022-01-13 | 使用射频感测的面部识别 |
Country Status (7)
Country | Link |
---|---|
US (1) | US20220283296A1 (zh) |
EP (1) | EP4302211A1 (zh) |
JP (1) | JP2024513291A (zh) |
KR (1) | KR20230152662A (zh) |
CN (1) | CN116964576A (zh) |
TW (1) | TW202235900A (zh) |
WO (1) | WO2022187766A1 (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112565437B (zh) * | 2020-12-07 | 2021-11-19 | 浙江大学 | 一种面向跨界服务网络的服务缓存方法 |
US11743682B2 (en) * | 2021-04-13 | 2023-08-29 | Qualcomm Incorporated | Indoor map generation using radio frequency sensing |
US20240039903A1 (en) * | 2022-07-27 | 2024-02-01 | Cisco Technology, Inc. | Multi-factor authentication using gestures |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10681568B1 (en) * | 2010-05-28 | 2020-06-09 | Cohere Technologies, Inc. | Methods of data channel characterization and uses thereof |
US9378353B2 (en) * | 2014-08-07 | 2016-06-28 | Verizon Patent And Licensing Inc. | Methods and systems for determining a user identity by analysis of reflected radio frequency signals received by an antenna array |
US10591586B2 (en) * | 2017-07-07 | 2020-03-17 | Infineon Technologies Ag | System and method for identifying a target using radar sensors |
WO2020146476A1 (en) * | 2019-01-08 | 2020-07-16 | Advanced Telesensors, Inc. | User presence detection systems for control of electronic devices |
-
2021
- 2021-03-03 US US17/191,463 patent/US20220283296A1/en active Pending
-
2022
- 2022-01-13 KR KR1020237027243A patent/KR20230152662A/ko unknown
- 2022-01-13 JP JP2023544731A patent/JP2024513291A/ja active Pending
- 2022-01-13 WO PCT/US2022/070185 patent/WO2022187766A1/en active Application Filing
- 2022-01-13 CN CN202280017544.1A patent/CN116964576A/zh active Pending
- 2022-01-13 EP EP22704246.2A patent/EP4302211A1/en active Pending
- 2022-01-14 TW TW111101727A patent/TW202235900A/zh unknown
Also Published As
Publication number | Publication date |
---|---|
EP4302211A1 (en) | 2024-01-10 |
WO2022187766A1 (en) | 2022-09-09 |
KR20230152662A (ko) | 2023-11-03 |
JP2024513291A (ja) | 2024-03-25 |
US20220283296A1 (en) | 2022-09-08 |
TW202235900A (zh) | 2022-09-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20220283296A1 (en) | Facial recognition using radio frequency sensing | |
US20220327360A1 (en) | Passive positioning with radio frequency sensing labels | |
US11871299B2 (en) | Self-supervised passive positioning using wireless data | |
US12022358B2 (en) | Self-supervised passive positioning using wireless data | |
KR102702245B1 (ko) | 라디오 주파수 감지를 이용한 패시브 포지셔닝 | |
US20240155303A1 (en) | Acoustic configuration based on radio frequency sensing | |
US11762076B2 (en) | Methods and systems for detecting and passively monitoring communications of an unmanned aerial vehicle | |
US11909835B2 (en) | Content transfer using radio frequency sensing | |
Yu et al. | Indoor passive localisation based on reliable CSI extraction | |
Xue et al. | Radio frequency identification for drones with non-standard waveforms using deep learning | |
Tian | Practical indoor localization system using GSM fingerprints and embedded sensors | |
EP4348286A1 (en) | Self-supervised passive positioning using wireless data | |
Zhang et al. | E-Argus: Drones Detection by Side-Channel Signatures via Electromagnetic Radiation | |
WO2024064468A1 (en) | Voice user interface assisted with radio frequency sensing | |
Irshad | Joining Wireless and Vision Techniques for Improving Contextual Awareness | |
Chandavale et al. | A Smart Security Framework for High-Risk Locations Using Wireless Authentication by Smartphone |
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 |