CN117392710B - 一种图像识别系统 - Google Patents
一种图像识别系统 Download PDFInfo
- Publication number
- CN117392710B CN117392710B CN202311657011.2A CN202311657011A CN117392710B CN 117392710 B CN117392710 B CN 117392710B CN 202311657011 A CN202311657011 A CN 202311657011A CN 117392710 B CN117392710 B CN 117392710B
- Authority
- CN
- China
- Prior art keywords
- photoelectric conversion
- micro
- image data
- specified
- nano structure
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000006243 chemical reaction Methods 0.000 claims abstract description 354
- 239000002086 nanomaterial Substances 0.000 claims abstract description 202
- 230000003595 spectral effect Effects 0.000 claims abstract description 188
- 238000001228 spectrum Methods 0.000 claims abstract description 61
- 230000004044 response Effects 0.000 claims abstract description 28
- 230000036548 skin texture Effects 0.000 claims abstract description 17
- 230000003287 optical effect Effects 0.000 claims abstract description 13
- 239000013598 vector Substances 0.000 claims description 39
- 230000004927 fusion Effects 0.000 claims description 18
- 238000000034 method Methods 0.000 description 14
- 210000003462 vein Anatomy 0.000 description 11
- 238000003384 imaging method Methods 0.000 description 9
- 239000000463 material Substances 0.000 description 8
- 238000001514 detection method Methods 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 7
- 210000000707 wrist Anatomy 0.000 description 7
- 238000004422 calculation algorithm Methods 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 238000000701 chemical imaging Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 230000000295 complement effect Effects 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 238000003066 decision tree Methods 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 238000010521 absorption reaction Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013475 authorization Methods 0.000 description 1
- 238000007635 classification algorithm Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000005530 etching Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 229910044991 metal oxide Inorganic materials 0.000 description 1
- 150000004706 metal oxides Chemical class 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000007920 subcutaneous administration Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000002834 transmittance Methods 0.000 description 1
- 230000000007 visual 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
- G06V40/13—Sensors therefor
- G06V40/1318—Sensors therefor using electro-optical elements or layers, e.g. electroluminescent 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
- G06V40/12—Fingerprints or palmprints
- G06V40/1341—Sensing with light passing through the finger
Landscapes
- Engineering & Computer Science (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
- Image Input (AREA)
Abstract
本申请实施例提供了一种图像识别系统，涉及图像识别技术领域。图像识别系统包括：镜头、光谱成像器和处理器；镜头采集光源发出的指定波长的光照射至目标对象的反射光。光谱成像器的光电转换层的目标区域上覆盖有微纳结构。微纳结构对反射光进行调制。光电转换层基于被微纳结构调制之后的光和镜头采集的反射光，进行光信号与电数据的转换，输出目标区域对应的目标对象的目标光谱图像数据和其他区域对应的目标对象的可见光图像数据。处理器基于可见光图像数据进行皮肤纹路识别；并基于微纳结构对指定波长的响应系数，从目标光谱图像数据中解析出指定波长的光谱图像数据；基于指定波长的光谱图像数据进行生物活体识别，可以提高图像识别的安全性。
Description
技术领域
本申请涉及图像识别技术领域，特别是涉及一种图像识别系统。
背景技术
在门禁管理等各种应用场景中需要对用户进行身份认证，才能执行开启门禁等控制操作。为保证用户身份认证的准确性，越来越多的场景中采用掌纹识别的方式完成。当前技术中，采集可见光图像进行掌纹识别。然而，掌纹信息是用户的体表信息，可见光图像中的掌纹信息容易被修改和冒充，安全性较低，进而降低图像识别的安全性。
发明内容
本申请实施例的目的在于提供一种图像识别系统，以提高图像识别的安全性。具体技术方案如下：
第一方面，为了达到上述目的，在本申请实施例提供了一种图像识别系统，所述图像识别系统包括：镜头、光谱成像器和处理器；
使用光源发出的指定波长的光照射目标对象；所述镜头，用于采集所述目标对象对所述光源的反射光 ；其中，所述光源用于呈现所述目标对象的表面纹路和/或所述目标对象的活体标识 ；
所述光谱成像器的光电转换层的目标区域上覆盖有微纳结构，所述微纳结构，用于对所述反射光进行调制；
所述光谱成像器的光电转换层，用于基于被所述微纳结构调制之后的光和所述镜头采集的反射光，进行光信号与电数据的转换，输出所述目标区域对应的所述目标对象的目标光谱图像数据，以及除所述目标区域外的其他区域对应的所述目标对象的可见光图像数据；
所述处理器，用于基于所述可见光图像数据进行皮肤纹路识别；以及基于所述微纳结构对所述指定波长的响应系数，从所述目标光谱图像数据中解析出所述指定波长的光谱图像数据；基于所述指定波长的光谱图像数据进行生物活体识别。
可选的，所述目标区域为：所述光电转换层中从所述光电转换层的中心点沿所述光电转换层的对角线向外延伸指定长度的区域。
可选的，所述指定长度为所述光电转换层的对角线长度的的预设数目倍，所述预设数目的范围为[0.5，0.8]。
可选的，所述目标区域内覆盖的各个微纳结构之间无间隔。
可选的，所述目标区域内的每一组光电转换单元上覆盖有至少一组微纳结构；同一组光电转换单元上覆盖的各组微纳结构之间无间隔，且同一组的各微纳结构之间无间隔；
其中，一组光电转换单元中包括N×N个相邻的光电转换单元；N为大于1的整数；属于同一组的微纳结构的结构类型和尺寸相同。
可选的，N的范围为[3，50]。
可选的，不同组光电转换单元上覆盖的第一微纳结构之间的间隔，从所述光电转换层的中心点沿所述光电转换层的对角线向外延伸的方向增大；其中，所述第一微纳结构与其他组光电转换单元上覆盖的微纳结构相邻。
可选的，所述光电转换层中覆盖所述微纳结构的光电转换单元的数目与所述光电转换层中光电转换单元总数目的比值的范围为[1/1000，1]。
可选的，所述基于所述微纳结构对所述指定波长的响应系数，从所述目标光谱图像数据中解析出所述指定波长的光谱图像数据；基于所述指定波长的光谱图像数据进行生物活体识别，包括：
针对所述光电转换层中的每一指定光电转换单元组，基于该指定光电转换单元组上覆盖的微纳结构对各指定波长的响应系数，从所述目标光谱图像数据中，解析出该指定光电转换单元组在各指定波长的光谱图像数据；其中，一个指定光电转换单元组在一个指定波长的光谱图像数据包括：该指定光电转换单元组中各个光电转换单元输出的该指定波长的光谱图像数据；
针对每一指定光电转换单元组，计算指定光电转换单元组所对应的光谱图像数据中对应于相同指定波长的光谱图像数据的统计值，并生成包含各个统计值的特征向量，得到该指定光电转换单元组的特征向量；
按照各指定光电转换单元组对应的预设权重，计算各指定光电转换单元组的特征向量的加权和，得到所述目标对象的融合特征向量；
基于所述融合特征向量进行生物活体识别。
可选的，所述指定光电转换单元组与所述光电转换层的中心点之间的距离小于预设距离阈值。
可选的，所述系统还包括：微透镜阵列MLA；
所述MLA设置于所述微纳结构上层；或者，
所述MLA设置于所述微纳结构与所述光电转换层之间。
第二方面，为了达到上述目的，本申请实施例提供了一种图像识别系统，所述图像识别系统包括：镜头、光谱成像器和处理器；
使用光源发出的指定波长的光照射目标对象，所述镜头，用于采集所述目标对象对所述光源的反射光；其中，所述光源用于呈现所述目标对象的活体标识；
所述光谱成像器的光电转换层中的全部光电转换单元上均覆盖有微纳结构，所述微纳结构，用于对所述反射光进行调制；
所述光谱成像器的光电转换层，用于基于被所述微纳结构调制之后的光，进行光信号与电数据的转换，输出所述目标对象的目标光谱图像数据；
所述处理器，用于基于所述微纳结构对所述指定波长的响应系数，从所述目标光谱图像数据中解析出所述指定波长的光谱图像数据；基于所述指定波长的光谱图像数据进行目标识别。
可选的，所述光电转换层上覆盖的各个微纳结构之间无间隔。
可选的，所述光电转换层中每一组光电转换单元上覆盖有至少一组微纳结构；同一组光电转换单元上覆盖的各组微纳结构之间无间隔，且同一组的各微纳结构之间无间隔；
其中，一组光电转换单元中包括N×N个相邻的光电转换单元；N为大于1的整数；属于同一组的微纳结构的结构类型和尺寸相同。
可选的，N的范围为[3，50]。
可选的，所述基于所述微纳结构对所述指定波长的响应系数，从所述目标光谱图像数据中解析出所述指定波长的光谱图像数据；基于所述指定波长的光谱图像数据进行目标识别，包括：
针对所述光电转换层中的每一指定光电转换单元组，基于该指定光电转换单元组上覆盖的微纳结构对各指定波长的响应系数，从所述目标光谱图像数据中，解析出该指定光电转换单元组在各指定波长的光谱图像数据；其中，一个指定波长的光谱图像数据包括：该指定光电转换单元组中各个光电转换单元输出的该指定波长的光谱图像数据；
针对每一指定光电转换单元组，计算指定光电转换单元组所对应的光谱图像数据中对应于相同指定波长的光谱图像数据的统计值，并生成包含各个统计值的特征向量，得到该指定光电转换单元组的特征向量；
按照各指定光电转换单元组对应的预设权重，计算各指定光电转换单元组的特征向量的加权和，得到所述目标对象的融合特征向量；
基于所述融合特征向量进行生物活体识别。
可选的，所述指定光电转换单元组与所述光电转换层的中心点之间的距离小于预设距离阈值。
可选的，所述系统还包括：微透镜阵列MLA；
所述MLA设置于所述微纳结构上层；或者，
所述MLA设置于所述微纳结构与所述光电转换层之间。
由以上可见，本申请实施例提供的图像识别系统中，引入了光谱成像器，由于该光谱成像器的光电转换层的目标区域上覆盖有微纳结构，又由于微纳结构能够对目标对象的反射光进行调制。这样的情况下，光谱成像器能够输出目标区域对应的目标对象的目标光谱图像数据，以及除目标区域外的其他区域对应的目标对象的可见光图像数据。在此基础上，处理器基于可见光图像数据对目标对象进行皮肤纹路识别，以及基于目标光谱数据对目标对象进行生物活体识别，可以避免可见光图像中的掌纹信息被修改和冒充导致图像识别的安全性较低的问题，提高图像识别的安全性。另外，在光电转换层的目标区域上覆盖有微纳结构，可以减少覆盖的微纳结构的数目，降低图像识别系统的成本。
当然，实施本申请的任一产品或方法并不一定需要同时达到以上所述的所有优点。
附图说明
为了更清楚地说明本申请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申请的一些实施例，对于本领域普通技术人员来讲，还可以根据这些附图获得其他的实施例。
图1a为本申请实施例提供的一种图像识别系统的结构图；
图1b为本申请实施例提供的第一种图像识别系统的应用场景图；
图1c为本申请实施例提供的第二种图像识别系统的应用场景图；
图2为本申请实施例提供的第一种光谱成像器的剖面图；
图3为本申请实施例提供的第二种光谱成像器的剖面图；
图4为本申请实施例提供的第三种光谱成像器的剖面图；
图5为本申请实施例提供的第四种光谱成像器的俯视图；
图6为本申请实施例提供的第五种光谱成像器的俯视图；
图7为本申请实施例提供的一种生物活体识别方法的流程图；
图8为本申请实施例提供的一种图像识别方法的流程图；
图9为本申请实施例提供的一种普通成像器的剖面图；
图10为本申请实施例提供的第六种光谱成像器的剖面图。
11-镜头；12-光谱成像器；121-光电转换层；1211-光电转换单元；122-微纳结构；13-处理器；14-光源；141-可见光源；142-红外光源。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员基于本申请所获得的所有其他实施例，都属于本申请保护的范围。
相关技术中，在门禁管理等各种应用场景中需要对用户进行身份认证，才能执行开启门禁等控制操作。为保证用户身份认证的准确性，越来越多的场景中采用掌纹识别的方式完成。当前技术中，采集可见光图像进行掌纹识别。然而，掌纹信息是用户的体表信息，可见光图像中的掌纹信息容易被修改和冒充，安全性较低，进而降低图像识别的安全性。
为了解决上述问题，本申请实施例提供了一种图像识别系统，图像识别系统包括：镜头11、光谱成像器12和处理器13。光谱成像器12的光电转换层121的目标区域上覆盖有微纳结构122。微纳结构122能够对目标对象反射的指定波长的反射光进行调制。这样的情况下，光谱成像器12能够输出目标区域对应的目标对象的目标光谱图像数据，以及除目标区域外的其他区域对应的目标对象的可见光图像数据。在此基础上，处理器13基于可见光图像数据对目标对象进行皮肤纹路识别，以及基于目标光谱数据对目标对象进行生物活体识别，可以提高图像识别的安全性。
在一种应用场景中，图像识别系统用于目标场所的门禁识别，如学校，公司，小区等。通过图像识别系统采集目标对象的目标光谱图像数据和可见光图像数据，并基于可见光图像数据对目标对象进行皮肤纹路识别，以及基于目标光谱数据对目标对象进行生物活体识别。后续，后续，若识别结果为目标对象的皮肤纹路识别和生物活体识别均通过识别，则确定允许目标对象进入目标场所，若识别结果为目标对象的皮肤纹路识别和生物活体识别中的任一项未通过识别，则输出报警信息，以保证目标场所的安全。
参见图1a和图1b，本申请实施例提供了一种图像识别系统，图像识别系统包括：镜头11、光谱成像器12和处理器13。
使用光源14发出的指定波长的光照射目标对象。镜头11，用于采集目标对象对光源14的反射光。光源14用于呈现目标对象的表面纹路和/或目标对象的活体标识。
光谱成像器12的光电转换层121的目标区域上覆盖有微纳结构122。微纳结构122，用于对反射光进行调制。
光谱成像器12的光电转换层121，用于基于被微纳结构122调制之后的光和镜头11采集的反射光，进行光信号与电数据的转换，输出目标区域对应的目标对象的目标光谱图像数据，以及除目标区域外的其他区域对应的目标对象的可见光图像数据。
处理器13，用于基于可见光图像数据进行皮肤纹路识别；以及基于微纳结构122对指定波长的响应系数，从目标光谱图像数据中解析出指定波长的光谱图像数据；基于指定波长的光谱图像数据进行生物活体识别。
基于本申请实施例提供的图像识别系统，由于光谱成像器12的光电转换层121的目标区域上覆盖有微纳结构122，又由于微纳结构122能够对目标对象的反射光进行调制。这样的情况下，光谱成像器12能够输出目标区域对应的目标对象的目标光谱图像数据，以及除目标区域外的其他区域对应的目标对象的可见光图像数据。在此基础上，处理器13基于可见光图像数据对目标对象进行皮肤纹路识别，以及基于目标光谱数据对目标对象进行生物活体识别，可以避免可见光图像中的掌纹信息被修改和冒充导致图像识别的安全性较低的问题，提高图像识别的安全性。另外，在光电转换层121的目标区域上覆盖有微纳结构122，可以减少覆盖的微纳结构122的数目，降低图像识别系统的成本。
目标对象可以为手掌、手指、手腕等。
在目标对象为手掌时，目标对象的表面纹路为掌纹；在目标对象为手指时，目标对象的表面纹路为指纹；在目标对象为手腕时，目标对象的表面纹路为手腕的皮肤纹路。
目标对象的活体标识为静脉。在目标对象为手掌时，目标对象的活体标识为掌静脉；在目标对象为手指时，目标对象的活体标识为手指静脉；在目标对象为手腕时，目标对象的活体标识为手腕静脉。
在本实施例中以目标对象为手掌为例进行说明，对于目标对象为手指、手腕等其他情况的实现方式，可以参考目标对象为手掌的实现方式，本实施例中不再展开说明。
掌纹是手腕与手指之间的手掌表面上的各种表面纹路，这些纹路的特定排列组合形成了掌纹的独特特征。这些特征可以用来进行身份认证。并且，手掌面积较大，掌纹能够提取到的特征更多，包含的信息更丰富，且有着非接触的优点。
掌纹成像的波段为可见光波段，则光源14可以为可见光源141，则指定波长可以包括可见光波段内多个波长。例如，指定波长可以包括可见光波段内的450nm、550nm和620nm等。
手掌内部的毛细血管对红外光具有较强的吸收性，使得红外光照射手掌生成的红外图像中会呈现较暗的皮下静脉处的静脉纹路，利用这种特殊的静脉纹路可以进行身份认证。并且，掌静脉时手掌内部的毛细血管，较难被伪造，掌静脉对不同波段的光的吸收/反射程度不同，则真人手掌与手掌模型的光谱图像数据会存在巨大的差异，基于掌静脉进行生物活体识别，能够区分真人手掌和手掌模型，提高图像识别系统的准确性。
掌静脉的成像波段为红外光波段，则光源14可以为可见光源142，则指定波长可以包括红外光波段内多个波长。红外光波段包括：近红外光波段、中红外光波段和远红外光波段。例如，指定波长包括近红外光波段中的750nm和780nm等。
在一些实施例中，光源14可以包括可见光源141和红外光源142，参见图1c，可见光源141发出的指定波长的光以及红外光源142发出的指定波长的光照射至手掌后，部分光部分被手掌吸收、部分光会产生反射形成反射光。镜头11可以采集手掌的反射光。镜头11可以采集手掌的反射光。反射光包括可见光波段内的指定波长的光和红外光波段内的指定波长的光。
其中，镜头11可以为普通光学透镜。或者，也可以为超表面（英文：Metasurface）透镜。
在一些实施例中，参见图2，光谱成像器12包括光电转换层121和微纳结构122。其中，微纳结构122覆盖于光电转换层121的目标区域上。微纳结构122位于光电转换层121的感光路径上。
在一些实施例中，光电转换层121中覆盖微纳结构122的光电转换单元1211的数目与光电转换层121中的所有光电转换单元1211总数目的比值的范围为[1/1000，1]。
具体的，上述比值由技术人员根据光电转换单元1211的总数目和实际需求进行设置。在一些实施例中，光电转换层121包括1280×960个光电转换单元1211时，上述比值的范围为[1/100，1]。例如，上述比值为1/100等。
光电转换层121的目标区域上覆盖有微纳结构122，则在光电转换层121的目标区域，镜头11采集的反射光到达电转换层121的目标区域覆盖的微纳结构122。微纳结构122可以对镜头11采集的反射光进行调制，调制指的是对反射光进行分解和解析。经微纳结构122调制后的光到达光电转换层121之后，光电转换层121基于被微纳结构122调制之后的光，进行光信号与电数据的转换，输出目标区域对应的目标对象的目标光谱图像数据。
光谱成像器12基于光谱成像技术输出目标区域对应的目标对象的目标光谱图像数据。光谱成像技术是将成像技术和光谱技术相结合的新型多维信息获取技术，光谱成像技术能够探测获得被测目标对象的二维空间信息和一维光谱信息，构成目标对象的目标图像数据，经过解析处理能够获得目标物体不同波段下单通道的光谱图像数据。
光电转换层121上除目标区域外的其他区域没有覆盖微纳结构122，则在光电转换层121上除目标区域外的其他区域，镜头11采集的反射光直接到达光电转换层121。相应的，光电转换层121基于镜头11采集的反射光，进行光信号与电数据的转换，输出除目标区域外的其他区域对应的目标对象的可见光图像数据。
例如，光电转换层121包括1280×960个光电转换单元1211。覆盖微纳结构122的光电转换单元1211的数目可以占所有光电转换单元1211总数目的1/100。光电转换层121中覆盖微纳结构122的区域的数目为K。相应的，光电转换层121输出1280×960×（99/100）的二维掌纹图像（即可见光图像数据），以及K个目标光谱图像数据。
在一些实施例中，光谱成像器12上覆盖的多个微纳结构122按照周期排列。该多个微纳结构122组成光谱成像器12的超表面。
该多个微纳结构122的结构类型和尺寸可以基于预设波段内的指定波长确定。
预设波段为可见光波段时，该多个微纳结构122的结构类型和尺寸可以基于可见光波段内的指定波长（可以称为第一指定波长）确定。
预设波段为红外光波段时，该多个微纳结构122的结构类型和尺寸可以基于红外光波段内的指定波长（可以称为第二指定波长）确定。
预设波段包括可见光波段和红外光波段时，该多个微纳结构122的结构类型和尺寸也可以基于可见光波段内的第一指定波长，以及红外光波段内的第二指定波长确定。
微纳结构122的结构类型可以使用材料、形状等信息表示。微纳结构122的形状包括圆柱、十字、方柱等。
在一些实施例中，光电转换层121包括多个光电转换单元1211，光电转换单元1211为PD（英文：Photo-Diode，中文：光电二极管）。
示例性的，在可见光波段范围内和红外光波段范围内，选择n（例如，12）个指定波长。根据所选定的第一指定波长和第二指定波长，设计特定的微纳结构122的结构类型以及尺寸。在包括W×H个光电转换单元1211的光电转换层121中，N×N个光电转换单元1211为一组，每一组光电转换单元1211覆盖有设计的微纳结构122。
例如，光电转换层121包括1280×960个光电转换单元1211，其中，5×5个光电转换单元1211为一组（即一个空间周期），该组光电转换单元1211上连续的无间隔的覆盖有设计的微纳结构122。
或者，也可以为以10×10个光电转换单元1211为一组，该组光电转换单元1211上周期性的间隔性的覆盖有设计的微纳结构122。覆盖微纳结构122的光电转换单元1211的数目可以占所有光电转换单元1211总数目的1/100。
为了获取到更丰富的目标对象在可见光波段和红外光波段的光谱图像数据，光谱成像器12的光电转换层121的目标区域内的中每一个光电转换单元1211上覆盖有微纳结构122。一个光电转换单元1211上覆盖的微纳结构122的数目基于微纳结构122的尺寸和光电转换单元1211的尺寸确定。例如，参见图3，目标区域包含光电转换层121中间4个光电转换单元1211。目标区域内的每一个光电转换单元1211上覆盖4个微纳结构122。
为了降低图像识别系统的成本，光电转换层121的目标区域内的中部分光电转换单元1211上覆盖有微纳结构122。例如，参见图4，目标区域包含光电转换层121中间4个光电转换单元1211。光电转换层121的目标区域内的左侧第1个光电转换单元1211、左侧第3个光电转换单元1211上覆盖有微纳结构122。光电转换层121的目标区域内的左侧第2个光电转换单元1211、左侧第4个光电转换单元1211未覆盖微纳结构122。
在一些实施例中，光电转换层121上未覆盖微纳结构122的区域上可以覆盖微透镜阵列、凸透镜、凹透镜、菲尼尔透镜等，用于对镜头11采集的反射光进行调整。
在一些实施例中，目标区域为：光电转换层121中从光电转换层121的中心点沿光电转换层121的对角线向外延伸指定长度的区域。
指定长度由技术人员根据目标对象的尺寸确定，以使得通过微纳结构122能够获取到目标对象完整的光谱图像数据，提高图像识别系统的准确性。例如，目标对象为手指时，可以设置指定长度为较小的数值，可以减小光谱成像器12的体积，提高图像识别系统的便携性。目标对象为手掌时，可以设置指定长度为较大的数值，可以获取手掌较多的光谱图像数据，提高图像识别系统的准确性。
在一些实施例中，指定长度为光电转换层121的对角线长度的预设数目倍，预设数目的范围为[0.5，0.8]。例如，指定长度为光电转换层121的对角线的长度的0.7倍，在获取到目标对象的中心区域的光谱图像数据的情况下，减少覆盖的微纳结构122的数目，降低图像识别系统的成本。
参见图5，目标区域为从光电转换层121的中心点沿光电转换层121的对角线向外延伸5个光电转换单元1211的区域，目标区域内的一个光电转换单元1211上覆盖有4个微纳结构122。
光电转换层121中目标区域覆盖微纳结构122，可以减少覆盖微纳结构122的数目，进而降低图像识别系统的成本。并且，在实际使用图像识别系统进行识别时，目标对象基本放置在与光谱成像器12的中心区域相对应的位置，目标区域位于光电转换层121的中心区域，也就是在光电转换层121的中心区域覆盖微纳结构122，则通过微纳结构122能够获取到完整的目标对象的中心区域的光谱图像数据，目标对象的中心区域的信息较多，可以提高图像识别系统的准确性。
在一些实施例中，光电转换层121的目标区域上覆盖的各个微纳结构122之间无间隔。相应的，较多的微纳结构122能够对镜头11采集的反射光进行调制，提高光电转换层121基于被微纳结构122调制后的光输出的目标光谱图像数据的精度，进而提高图像识别系统的准确性。
针对每两个相邻的微纳结构122，该两个微纳结构122之间无间隔是指该两个微纳结构122相邻的边缘之间不存在间隙。
由于在制备光谱成像器12时，是直接在光电转换层121上沉积一层制作微纳结构122的材料，然后按照设计好的微纳结构122的结构类型和尺寸进行刻蚀，针对每一组光电转换单元1211，该组光电转换单元1211上覆盖的各个微纳结构122是一个整体，因此可以实现相邻的微纳结构122之间不存在间隙。
例如，图3中光电转换层121的目标区域内上覆盖的各个微纳结构122之间无间隔。图4中一个光电转换单元1211上覆盖的各个微纳结构122之间无间隔。
在一些实施例中，光电转换层121的目标区域内的每一组光电转换单元1211上覆盖有至少一组微纳结构122。同一组光电转换单元1211上覆盖的各组微纳结构122之间无间隔，且同一组的各微纳结构122之间无间隔。
一组光电转换单元1211中包括N×N个相邻的光电转换单元1211。属于同一组的微纳结构122的结构类型和尺寸相同。N为大于1的整数。
在一些实施例中，上述N的范围为[3，50]。
具体的，上述N的取值可以是根据光电转换层121中的光电转换单元1211的总数目和实际需求设置的。在一些实施例中，光电转换层121包括1280×960个光电转换单元1211时，N的范围为[3，50]。例如，N为5，或者，N为10等。
例如，参见图6，目标区域为：从光电转换层121的中心点沿光电转换层121的对角线向外延伸7个光电转换单元1211的区域。目标区域内的3×3个光电转换单元1211组成一组，该组光电转换单元1211上无间隔的覆盖有9组微纳结构122。每一组微纳结构122包括4个微纳结构122。每一组光电转换单元1211上覆盖的各组微纳结构122之间，以及同一组微纳结构122之后紧密相邻，不存在间隔。一组中的4个微纳结构122的结构类型和尺寸相同。
在一些实施例中，在光电转换层121的目标区域内，不同的光电转换单元1211组上覆盖的第一微纳结构122之间的间隔相同。其中，第一微纳结构122与其他组光电转换单元1211上覆盖的微纳结构122相邻。
在一些实施例中，不同组光电转换单元1211上覆盖的第一微纳结构122之间的间隔，从光电转换层121的中心点沿光电转换层121的对角线向外延伸的方向增大。
目标对象放置于与光谱成像器12的中心区域相对应的位置，则光谱成像器12的中心区域采集的是目标对象的中心区域的光谱图像数据，而光谱成像器12的边缘区域采集的是目标对象的边缘区域的光谱图像数据。并且，目标对象的边缘区域的信息较少，对图像识别系统的准确性影响较小。
第一微纳结构122之间的间隔沿光电转换层121的对角线向外延伸的方向增大，也就是增大光谱成像器12的边缘区域覆盖的第一微纳结构122之间的间隔，减少光谱成像器12的边缘区域覆盖的第一微纳结构122。也就是可以降低光谱成像器12的边缘区域覆盖的微纳结构122的密度，从而降低图像识别系统的成本，并保证图像识别系统的准确性。
在一些实施例中，图像识别系统还包括：MLA。（英文：Microlens Array，中文：微透镜阵列）。MLA可以对入射至MLA的光进行扩散、整形，可以实现光的均匀、聚焦、调制等特定的功能。
MLA 覆盖于微纳结构122上层。MLA中的各个微透镜与各个微纳结构122的位置关系可以由技术人员基于需求设置。
在制备光谱成像器12时，先确定覆盖于微纳结构122的中心区域的微透镜的位置，然后基于需求对中心区域覆盖微透镜的位置进行偏移，可以得到覆盖各个微透镜的位置，即可以得到各个微透镜的排列方式。然后，在微纳结构122的上层沉积一层用于制作微透镜的材料，按照确定好的排列方式对沉积的材料进行刻蚀，可以实现在微纳结构122上覆盖MLA。
由于光电转换层121上覆盖多个微纳结构122，上述微纳结构122的中心区域是指与光电转换层121的中心区域相同位置的区域。
或者，MLA设置于微纳结构122与光电转换层121之间。即MLA覆盖于光电转换层121上层，微纳结构122覆盖于MLA上层。MLA覆盖于光电转换层121的上层时，MLA中的各个微透镜与各个光电转换单元1211的位置关系可以由技术人员基于需求设置。例如，MLA中的各个微透镜可以与光电转换层121中的各个光电转换单元1211一一对应。
在制备光谱成像器12时，先确定覆盖于光电转换层121的中心区域的微透镜的位置，然后基于需求对中心区域确定的覆盖微透镜的位置进行偏移，可以得到覆盖各个微透镜的位置，即可以得到各个微透镜的排列方式。然后，在光电转换层121的上层沉积一层用于制作微透镜的材料，按照确定好的排列方式对沉积的材料进行刻蚀，可以实现在光电转换层121上覆盖MLA。然后，在MLA的上层沉积一层用于制作微纳结构122的材料，对沉积的材料进行刻蚀，可以实现在MLA上覆盖微纳结构122。
在一些实施例中，图像识别系统还包括测距单元。测距单元可以为接近传感器。测距单元用于检测目标对象是否处于图像识别系统的视野范围内。当目标对象位于图像识别系统的视野范围内时，图像识别系统获取目标对象的目标光谱图像数据。当目标对象未处于图像识别系统的视野范围内时，可以向处理器13输出相应的信号。处理器13则可以输出用于提示将目标对象移动至图像识别系统的视野范围内的提醒消息。
在一些实施例中，图像识别系统还包括唤醒单元，当图像识别系统处于待机状态时，如果检测到目标对象靠近或接触时唤醒单元激活图像识别系统转入正常工作状态。唤醒单元可采用红外对射结构或者触摸唤醒结构。
光谱成像器12中的一个光电转换单元1211为一个单位像素，如果该光电转换单元1211输出的是该单位像素的光谱图像数据，则该光谱图像数据为该光电转换单元1211检测到的经微纳结构122调制后的光的强度信息。
处理器13可以为MCU（英文：Micro Control Unit，中文：微控制单元）、CPU（英文：Central Processing Unit，中文：中央处理器）、GPU（英文：Graphics Processing Unit，中文：图像处理器）、FPGA（英文：Field-Programmable Gate Array，中文：现场可编程逻辑门阵列）、NPU（英文：Neural-network Processing Unit，中文：嵌入式神经网络处理器）等处理器。处理器13可以与光谱成像器12电连接，则光谱成像器12输出的目标光谱图像数据可以导入至处理器13进行处理。
处理器13可以按照以下方式从目标区域对应的目标对象的目标光谱图像数据中提取指定波长的光谱图像数据：
一种实现方式中，该多个微纳结构122的结构类型和尺寸基于可见光波段内的第一指定波长确定的。目标光谱图像数据中包括第一指定波长的第一光谱图像数据。相应的，处理器13可以从目标图像数据中解析出第一指定波长的第一光谱图像数据。
示例性的，针对每一组光电转换单元1211，处理器13可以基于如下公式（1），从目标图像数据中提取该组光电转换单元1211对应的指定波长的光谱图像数据，也就可以得到目标对象在指定波长的光谱图像数据。
（1）；
其中，表示一组光电转换单元1211中的第N个单位像素的目标光谱图像数据，N为该组光电转换单元1211中的单位像素的数目。/>表示该组光电转换单元1211中的第N个单位像素上覆盖的微纳结构122针对第M个指定波长的响应系数，例如，/>为该组光电转换单元1211中的第1个单位像素上覆盖的微纳结构122针对第1个指定波长的响应系数。响应系数由微纳结构122针对指定波长的透射率和光电转换层121响应的量子效率两个因素决定。/>表示第M个指定波长（即/>）的光谱图像数据，即经微纳结构122调制后的第M个指定波长的光的强度信息。
在实际应用中，微纳结构122针对指定波长的响应系数是已知的，基于光电转换才能121输出的目标光谱图像数据/>，利用算法对上述公式（1）进行反推可以得到指定波长的光谱图像数据。
当公式（1）中的表示该组光电转换单元1211中的第N个单位像素上覆盖的微纳结构122针对第M个第一指定波长的响应系数时，基于上述公式（1）得到的/>至/>为第一指定波长的第一光谱图像数据。
另一种实现方式中，该多个微纳结构122的结构类型和尺寸基于红外光波段内的第二指定波长确定。目标光谱图像数据中包括第二指定波长的第二光谱图像数据。相应的，针对每一组光电转换单元1211，处理器13可以基于上述公式（1），从目标图像数据中解析出第二指定波长的第二光谱图像数据。
当公式（1）中的表示该组光电转换单元1211中的第N个单位像素上覆盖的微纳结构122针对第M个第二指定波长的响应系数，基于上述公式（1）得到的/>至/>为第二指定波长的第二光谱图像数据。
又一种实现方式中，该多个微纳结构122的结构类型和尺寸基于可见光波段内的第一指定波长，以及红外光波段内的第二指定波长确定。目标光谱图像数据中包括第一指定波长的第一光谱图像数据和第二指定波长的第二光谱图像数据。相应的，针对每一组光电转换单元1211，处理器13可以基于上述公式（1），从目标图像数据中解析出第一光谱图像数据和第二光谱图像数据。
在一些实施例中，参见图7，处理器13按照以下方式对目标对象进行生物活体识别。
S701：针对光电转换层中的每一指定光电转换单元组，基于该指定光电转换单元组上覆盖的微纳结构对各指定波长的响应系数，从目标光谱图像数据中，解析出该指定光电转换单元组在各指定波长的光谱图像数据。
其中，一个指定波长的光谱图像数据包括：该指定光电转换单元组中各个光电转换单元输出的该指定波长的光谱图像数据。
S702：针对每一指定光电转换单元组，计算指定光电转换单元组所对应的光谱图像数据中对应于相同指定波长的光谱图像数据的统计值，并生成包含各个统计值的特征向量，得到该指定光电转换单元组的特征向量。
S703：按照各指定光电转换单元组对应的预设权重，计算各指定光电转换单元组的特征向量的加权和，得到目标对象的融合特征向量。
S704：基于融合特征向量进行生物活体识别。
为了提高进行生物活体识别的准确性，指定光电转换单元1211组可以为覆盖有微纳结构122的所有光电转换单元1211组。为了提高进行生物活体识别的效率，指定光电转换单元1211组可以为覆盖有微纳结构122的部分光电转换单元1211组。
在一些实施例中，为了提高进行生物活体识别的效率，且保证进行生物活体识别的准确性，指定光电转换单元1211组与光电转换层121的中心点之间的距离小于预设距离阈值。
在实际使用图像识别系统进行识别时，目标对象基本放置在与光谱成像器12的中心区域相对应的位置，远离光电转换层121的中心区域的光电转换单元1211组采集目标对象的光谱图像数据包含的有效信息较少。靠近光电转换层121的中心区域的指定光电转换单元1211组能够采集到的目标对象的光谱图像数据包含丰富的有效信息，可以提高图像识别系统的准确性。
针对光电转换层121中的每一指定光电转换单元1211组，该光电转换单元1211组中的每一光电转换单元1211均输出单位像素的光谱图像数据。例如，指定光电转换单元1211组包括N×N的光电转换单元1211，则指定光电转换单元1211组在目标光谱图像数据中对应一个N×N的矩阵。该N×N的矩阵可以表示为：。/>表示指定光电转换单元1211组中的第N行第N列的光电转换单元1211输出的光谱图像数据。
并且，针对指定光电转换单元1211组中的每一个光电转换单元1211，该光电转换单元1211输出的光谱图像数据包括各个指定波长的光谱图像数据。例如，指定波长为包括：f1、f2……fn。n表示指定波长的数目。针对上述实施例，包括：指定光电转换单元1211组中的第N行第N列的光电转换单元1211输出的f1、f2……fn的谱图像数据。
相应的，针对每一指定光电转换单元1211组，处理器13可以按照上述公式（1）从目标光谱图像数据中，解析出该指定光电转换单元1211组在各指定波长的光谱图像数据。
针对上述实施例，指定光电转换单元1211组在各指定波长的光谱图像数据包括：指定光电转换单元1211组在指定波长f1的光谱图像数据；/>表示指定光电转换单元1211组中的第N行第N列的光电转换单元1211输出的指定波长f1的光谱图像数据；指定光电转换单元1211组在指定波长f2的光谱图像数据，/>表示指定光电转换单元1211组中的第N行第N列的光电转换单元1211输出的指定波长f2的光谱图像数据；……，以及指定光电转换单元1211组在指定波长fn的光谱图像数据/>，/>表示指定光电转换单元1211组中的第N行第N列的光电转换单元1211输出的指定波长fn的光谱图像数据。
针对每一指定光电转换单元1211组，处理器13计算指定光电转换单元1211组所对应的光谱图像数据中对应于相同指定波长的光谱图像数据的统计值，例如，计算指定光电转换单元1211组所对应的光谱图像数据中对应于相同指定波长的光谱图像数据的最大值、最小值、均值、方差等。然后，生成包含各个统计值的特征向量，得到该指定光电转换单元1211组的特征向量。
针对上述实施例，处理器13计算指定光电转换单元1211组在指定波长f1的光谱图像数据的统计值记为/>，计算指定光电转换单元1211组在指定波长f2的光谱图像数据/>的统计值记为/>，……，以及计算指定光电转换单元1211组在指定波长fn的光谱图像数据/>统计值记为/>。进而，指定光电转换单元1211组的特征向量可以表示为一维向量[/>，/>，……/>]，该一维向量为指定光电转换单元1211组的一维光谱数据。指定光电转换单元1211组的数目为K时，可以得到K个特征向量。
然后，处理器13按照各指定光电转换单元1211组对应的预设权重，计算各指定光电转换单元1211组的特征向量的加权和，得到目标对象的融合特征向量。各指定光电转换单元1211组对应的预设权重可以基于指定光电转换单元1211组在光电转换层121中的位置确定。指定光电转换单元1211组与电转换层121的中心点的距离越小，指定光电转换单元1211组对应的预设权重越大。
进而，处理器13基于预设的检测算法和融合特征向量进行生物活体识别。预设的检测算法为二分类算法。例如，SVM（Support Vector Machine，支持向量机），GBDT（Gradient Boosting Decision Tree，梯度增强决策树）等。
基于上述处理，基于可见光图像数据进行皮肤纹路识别，所需的信息量较少，也可以采用光电转换层121的部分光电转换单元1211上覆盖有微纳结构122的方式。光电转换层121中覆盖有微纳结构122的区域（即目标区域）输出目标光谱图像数据，光电转换层121中未覆盖微纳结构122的区域输出目标对象的二维黑白图像（即可见光图像数据）。其中，光谱图像数据用于生物活体识别，可见光图像数据直接用于皮肤纹路识别，可以降低图像识别系统成本，并提高图像识别系统的准确性。
参见图8，图8为本申请实施例提供的一种图像识别方法的流程图，本实施例中以目标对象为手掌为例进行说明。该图像识别方法应用于图像识别系统，图像识别系统包括：镜头11、光谱成像器12和处理器13。
S801：获取手掌反射光，进行光谱成像。
在本步骤中，手掌反射光为使用可见光源141和红外光源142照射用户手掌后用户手掌的反射光。图像识别系统中的光谱成像器12基于镜头11采集的手掌反射光进行光谱成像。
S802：获取反射光谱和可见光图像。
在本步骤中，反射光谱为前述实施例中的目标光谱图像数据，可见光图像为前述实施例中的可见光图像数据。光谱成像器12的光电转换层121的目标区域内的光电转换单元1211上覆盖有微纳结构122。光谱成像器12输出目标区域对应的手掌的反射光谱，以及除目标区域外的其他区域对应的手掌的可见光图像。
S803：活体检测。
在本步骤中，处理器13基于微纳结构122对指定波长的响应系数，从目标光谱图像数据中解析出指定波长的光谱图像数据；基于指定波长的光谱图像数据进行活体检测（即生物活体识别）。
S804：掌纹识别。
在本步骤中，如果活体检测结果表示用户手掌为活体，处理器13基于可见光图像数据进行掌纹识别。
基于上述处理，由于基于可见光图像数据进行掌纹识别，所需的信息量较少，采用光电转换层121的目标区域内的光电转换单元1211上覆盖有微纳结构122的方式。光电转换层121中覆盖有微纳结构122的区域输出光谱图像数据，光电转换层121中未覆盖微纳结构122的区域输出二维黑白的掌纹图像（即可见光图像数据）。其中光谱图像数据用于活体检测，可见光图像数据直接用于掌纹识别，可以降低图像识别系统成本，并提高进行活体检测和掌纹识别的准确性。
在一些实施例中，参见图9，图9为本申请实施例提供的普通成像器的剖面图。例如，CIS（英文：Complementary Metal-Oxide-Semiconductor Image Sensor，中文：互补式金属氧化物集成电路成像传感器），或者，CCD（英文：Charge-Coupled Device，中文：电荷耦合器件）等，普通成像器的最上层为MLA，MLA包括多个微透镜。MLA的下一层为CCD（英文：Color Filter Array，中文：彩色滤光片阵列）。CFA包括按照拜耳阵列的方式设置的多个彩色滤光片，即RGB（英文：Red、Green、Blue，中文：红绿蓝）三通道的滤光片。CFA的下一层光电转换层。普通成像器基于去马赛克插值算法获得RGB三色通道的图像，但是在成像过程中，会丢弃被滤光片滤除的波段的真实颜色信息。
而图10所示的光谱成像器12的光电转换层121的目标区域上覆盖有微纳结构122。相对于现有技术中的通过普通成像器在成像过程中，会丢弃被滤光片滤除的波段的真实颜色信息。光谱成像器12中的微纳结构122能够对第一指定波长和第二指定波长的光进行调制，可以保留目标对象在可见光波段和红外光波段内的真实颜色信息。后续，处理器13基于目标光谱图像数据进行生物活体识别，以及基于可见光图像数据进行皮肤纹路识别时，可以提高图像识别的安全性。
在一些实施例中，本申请实施例提供了一种图像识别系统，图像识别系统包括：镜头11、光谱成像器12和处理器13；
使用光源14发出的指定波长的光照射目标对象，所述镜头，用于采集所述目标对象对所述光源14的反射光；其中，所述光源14用于呈现所述目标对象的活体标识；
所述光谱成像器12的光电转换层121中的全部光电转换单元1211上均覆盖有微纳结构122，所述微纳结构122，用于对所述反射光进行调制；
所述光谱成像器12的光电转换层121，用于基于被所述微纳结构122调制之后的光，进行光信号与电数据的转换，输出所述目标对象的目标光谱图像数据；
所述处理器13，用于基于所述微纳结构122对所述指定波长的响应系数，从所述目标光谱图像数据中解析出所述指定波长的光谱图像数据；基于所述指定波长的光谱图像数据进行目标识别。
在本实施例中，光电转换层121中的全部光电转换单元1211上均覆盖有微纳结构122，即光电转换层121中覆盖微纳结构122的光电转换单元1211的数目与光电转换层121中光电转换单元1211的总数目的比值为1，则可以采集的目标对象的目标光谱图像数据包含丰富的信息，可以提高图像识别系统的准确性。
对于本实施例中的图像识别系统中的微纳结构122、光电转换层121等可以参考前述实施例中的相关介绍，本实施例中不再展开说明。
在一些实施例中，所述光电转换层121上覆盖的各个微纳结构122之间无间隔。
在一些实施例中，所述光电转换层121中每一组光电转换单元1211上覆盖有至少一组微纳结构122；同一组光电转换单元1211上覆盖的各组微纳结构122之间无间隔，且同一组的各微纳结构122之间无间隔；
其中，一组光电转换单元1211中包括N×N个相邻的光电转换单元1211；N为大于1的整数；属于同一组的微纳结构122的结构类型和尺寸相同。
在一些实施例中，N的范围为[3，50]。
在一些实施例中，所述基于所述微纳结构122对所述指定波长的响应系数，从所述目标光谱图像数据中解析出所述指定波长的光谱图像数据；基于所述指定波长的光谱图像数据进行目标识别，包括：
针对所述光电转换层12中的每一指定光电转换单元1211组，基于该指定光电转换单元1211组上覆盖的微纳结构122对各指定波长的响应系数，从所述目标光谱图像数据中，解析出该指定光电转换单元1211组在各指定波长的光谱图像数据；其中，一个指定波长的光谱图像数据包括：该指定光电转换单元1211组中各个光电转换单元1211输出的该指定波长的光谱图像数据；
针对每一指定光电转换单元1211组，计算指定光电转换单元1211组所对应的光谱图像数据中对应于相同指定波长的光谱图像数据的统计值，并生成包含各个统计值的特征向量，得到该指定光电转换单元1211组的特征向量；
按照各指定光电转换单元1211组对应的预设权重，计算各指定光电转换单元1211组的特征向量的加权和，得到所述目标对象的融合特征向量；
基于所述融合特征向量进行生物活体识别。
在一些实施例中，所述指定光电转换单元1211组与所述光电转换层121的中心点之间的距离小于预设距离阈值。
在一些实施例中，所述系统还包括：微透镜阵列MLA；
所述MLA设置于所述微纳结构122上层；或者，
所述MLA设置于所述微纳结构122与所述光电转换层121之间。
在一些实施例中，所述光源14包括用于呈现所述目标对象的活体标识的红外光源142和用于呈现所述目标对象的表面纹路的可见光源141；
相应的，所述基于所述微纳结构122对所述指定波长的响应系数，从所述目标光谱图像数据中解析出所述指定波长的光谱图像数据；基于所述指定波长的光谱图像数据进行目标识别，包括：
基于所述微纳结构122对可见光波段的指定波长和红外光波段的指定波长的响应系数，从所述目标光谱图像数据中解析出所述可见光波段的指定波长的第一光谱图像数据，以及所述红外光波段的指定波长的第二光谱图像数据；
按照所述可见光波段的指定波长和所述红外光波段的指定波长分别对应的权重，对所述第一光谱图像数据和所述第二光谱图像数据进行融合，得到融合光谱图像数据；基于所述光谱图像数据生成融合图像；基于所述融合图像进行皮肤纹路识别；基于所述第一光谱图像数据和所述第二光谱图像数据进行生物活体识别。
处理器13按照第一指定波长和第二指定波长分别对应的权重，对第一光谱图像数据和第二光谱图像数据进行融合，得到融合光谱图像数据。然后，基于光谱图像数据生成融合图像；基于融合图像进行皮肤纹路识别。
示例性的，处理器13可以基于如下公式（2），得到融合光谱图像数据。
（2）；
其中，表示融合光谱图像数据，/>表示第i个指定波长对应的权重。/>表示第j个指定波长（即/>）的光谱图像数据。
基于融合光谱图像数据得到的融合图像能够形成独有的目标对象的表面纹路。使用融合图像进行皮肤纹路识别，可以提高图像识别系统的准确性。
处理器13基于第一光谱图像数据和第二光谱图像数据进行生物活体识别的方式，可以参考前述实施例的相关介绍，本实施例中不再展开说明。
本申请的技术方案中，所涉及的包含目标对象的表面纹路和活体标识的图像数据的获取、存储、使用、加工、传输、提供和公开等操作，均是在已取得用户授权的情况下进行的。
在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时，全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线（例如同轴电缆、光纤、数字用户线（DSL））或无线（例如红外、无线、微波等）方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、或者固态硬盘(Solid StateDisk，SSD）等。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
本说明书中的各个实施例均采用相关的方式描述，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。
以上所述仅为本申请的较佳实施例，并非用于限定本申请的保护范围。凡在本申请的精神和原则之内所作的任何修改、等同替换、改进等，均包含在本申请的保护范围内。
Claims (18)
1.一种图像识别系统，其特征在于，所述图像识别系统包括：镜头、光谱成像器和处理器；
使用光源发出的指定波长的光照射目标对象；所述镜头，用于采集所述目标对象对所述光源的反射光；其中，所述光源用于呈现所述目标对象的表面纹路和/或所述目标对象的活体标识；
所述光谱成像器的光电转换层的目标区域上覆盖有微纳结构，所述微纳结构，用于对所述反射光进行调制；
所述光谱成像器的光电转换层，用于基于被所述微纳结构调制之后的光和所述镜头采集的反射光，进行光信号与电数据的转换，输出所述目标区域对应的所述目标对象的目标光谱图像数据，以及除所述目标区域外的其他区域对应的所述目标对象的可见光图像数据；
所述处理器，用于基于所述可见光图像数据进行皮肤纹路识别；以及基于所述微纳结构对所述指定波长的响应系数，从所述目标光谱图像数据中解析出所述指定波长的光谱图像数据；基于所述指定波长的光谱图像数据进行生物活体识别。
2.根据权利要求1所述的图像识别系统，其特征在于，所述目标区域为：所述光电转换层中从所述光电转换层的中心点沿所述光电转换层的对角线向外延伸指定长度的区域。
3.根据权利要求2所述的图像识别系统，其特征在于，所述指定长度为所述光电转换层的对角线长度的预设数目倍，所述预设数目的范围为[0.5，0.8]。
4.根据权利要求1或2所述的图像识别系统，其特征在于，
所述目标区域内覆盖的各个微纳结构之间无间隔。
5.根据权利要求1所述的图像识别系统，其特征在于，
所述目标区域内的每一组光电转换单元上覆盖有至少一组微纳结构；同一组光电转换单元上覆盖的各组微纳结构之间无间隔，且同一组微纳结构中的各微纳结构之间无间隔；
其中，一组光电转换单元中包括N×N个相邻的光电转换单元；N为大于1的整数；属于同一组的微纳结构的结构类型和尺寸相同。
6.根据权利要求5所述的图像识别系统，其特征在于，N的范围为[3，50]。
7.根据权利要求5所述的图像识别系统，其特征在于，
不同组光电转换单元上覆盖的第一微纳结构之间的间隔，从所述光电转换层的中心点沿所述光电转换层的对角线向外延伸的方向增大；其中，所述第一微纳结构与其他组光电转换单元上覆盖的微纳结构相邻。
8.根据权利要求1所述的图像识别系统，其特征在于，所述光电转换层中覆盖所述微纳结构的光电转换单元的数目与所述光电转换层中光电转换单元总数目的比值的范围为[1/1000，1]。
9.根据权利要求5所述的图像识别系统，其特征在于，所述基于所述微纳结构对所述指定波长的响应系数，从所述目标光谱图像数据中解析出所述指定波长的光谱图像数据；基于所述指定波长的光谱图像数据进行生物活体识别，包括：
针对所述光电转换层中的每一指定光电转换单元组，基于该指定光电转换单元组上覆盖的微纳结构对各指定波长的响应系数，从所述目标光谱图像数据中，解析出该指定光电转换单元组在各指定波长的光谱图像数据；其中，一个指定光电转换单元组在一个指定波长的光谱图像数据包括：该指定光电转换单元组中各个光电转换单元输出的该指定波长的光谱图像数据；
针对每一指定光电转换单元组，计算指定光电转换单元组所对应的光谱图像数据中对应于相同指定波长的光谱图像数据的统计值，并生成包含各个统计值的特征向量，得到该指定光电转换单元组的特征向量；
按照各指定光电转换单元组对应的预设权重，计算各指定光电转换单元组的特征向量的加权和，得到所述目标对象的融合特征向量；
基于所述融合特征向量进行生物活体识别。
10.根据权利要求9所述的图像识别系统，其特征在于，所述指定光电转换单元组与所述光电转换层的中心点之间的距离小于预设距离阈值。
11.根据权利要求1所述的图像识别系统，其特征在于，所述系统还包括：微透镜阵列MLA；
所述MLA设置于所述微纳结构上层；或者，
所述MLA设置于所述微纳结构与所述光电转换层之间。
12.一种图像识别系统，其特征在于，所述图像识别系统包括：镜头、光谱成像器和处理器；
使用光源发出的指定波长的光照射目标对象，所述镜头，用于采集所述目标对象对所述光源的反射光；其中，所述光源用于呈现所述目标对象的活体标识；
所述光谱成像器的光电转换层中的全部光电转换单元上均覆盖有微纳结构，所述微纳结构，用于对所述反射光进行调制；
所述光谱成像器的光电转换层，用于基于被所述微纳结构调制之后的光，进行光信号与电数据的转换，输出所述目标对象的目标光谱图像数据；
所述处理器，用于基于所述微纳结构对所述指定波长的响应系数，从所述目标光谱图像数据中解析出所述指定波长的光谱图像数据；基于所述指定波长的光谱图像数据进行目标识别。
13.根据权利要求12所述的图像识别系统，其特征在于，所述光电转换层上覆盖的各个微纳结构之间无间隔。
14.根据权利要求12所述的图像识别系统，其特征在于，
所述光电转换层中每一组光电转换单元上覆盖有至少一组微纳结构；同一组光电转换单元上覆盖的各组微纳结构之间无间隔，且同一组微纳结构中的各微纳结构之间无间隔；
其中，一组光电转换单元中包括N×N个相邻的光电转换单元；N为大于1的整数；属于同一组的微纳结构的结构类型和尺寸相同。
15.根据权利要求14所述的图像识别系统，其特征在于，N的范围为[3，50]。
16.根据权利要求14所述的图像识别系统，其特征在于，所述基于所述微纳结构对所述指定波长的响应系数，从所述目标光谱图像数据中解析出所述指定波长的光谱图像数据；基于所述指定波长的光谱图像数据进行目标识别，包括：
针对所述光电转换层中的每一指定光电转换单元组，基于该指定光电转换单元组上覆盖的微纳结构对各指定波长的响应系数，从所述目标光谱图像数据中，解析出该指定光电转换单元组在各指定波长的光谱图像数据；其中，一个指定波长的光谱图像数据包括：该指定光电转换单元组中各个光电转换单元输出的该指定波长的光谱图像数据；
针对每一指定光电转换单元组，计算指定光电转换单元组所对应的光谱图像数据中对应于相同指定波长的光谱图像数据的统计值，并生成包含各个统计值的特征向量，得到该指定光电转换单元组的特征向量；
按照各指定光电转换单元组对应的预设权重，计算各指定光电转换单元组的特征向量的加权和，得到所述目标对象的融合特征向量；
基于所述融合特征向量进行生物活体识别。
17.根据权利要求16所述的图像识别系统，其特征在于，所述指定光电转换单元组与所述光电转换层的中心点之间的距离小于预设距离阈值。
18.根据权利要求12所述的图像识别系统，其特征在于，所述系统还包括：微透镜阵列MLA；
所述MLA设置于所述微纳结构上层；或者，
所述MLA设置于所述微纳结构与所述光电转换层之间。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311657011.2A CN117392710B (zh) | 2023-12-05 | 2023-12-05 | 一种图像识别系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311657011.2A CN117392710B (zh) | 2023-12-05 | 2023-12-05 | 一种图像识别系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117392710A CN117392710A (zh) | 2024-01-12 |
| CN117392710B true CN117392710B (zh) | 2024-03-08 |
Family
ID=89468643
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311657011.2A Active CN117392710B (zh) | 2023-12-05 | 2023-12-05 | 一种图像识别系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117392710B (zh) |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101303291A (zh) * | 2008-06-05 | 2008-11-12 | 苏州大学 | 基于数字微镜器件的多通道多目标超光谱成像方法及系统 |
| CN105354561A (zh) * | 2015-12-08 | 2016-02-24 | 开发晶照明（厦门）有限公司 | 指纹图像采集装置 |
| CN111127289A (zh) * | 2019-12-18 | 2020-05-08 | 武汉大学 | 带有水印的高低频复用超表面防伪图像的设计方法 |
| CN111611977A (zh) * | 2020-06-05 | 2020-09-01 | 吉林求是光谱数据科技有限公司 | 基于光谱与多波段融合的人脸识别监控系统及识别方法 |
| CN112800956A (zh) * | 2021-01-27 | 2021-05-14 | 杭州海康威视数字技术股份有限公司 | 一种指纹活体检测系统、方法及装置 |
| CN113418864A (zh) * | 2021-06-03 | 2021-09-21 | 奥比中光科技集团股份有限公司 | 一种多光谱图像传感器及其制造方法 |
| CN114079754A (zh) * | 2020-08-19 | 2022-02-22 | 华为技术有限公司 | 一种图像传感器、信号处理方法以及设备 |
| CN115000107A (zh) * | 2022-06-02 | 2022-09-02 | 广州睿芯微电子有限公司 | 多光谱成像芯片、多光谱成像组件、制备方法及移动终端 |
| CN116311400A (zh) * | 2023-02-10 | 2023-06-23 | 北京迈格威科技有限公司 | 掌纹图像的处理方法、电子设备及存储介质 |
| WO2023125329A1 (zh) * | 2021-12-31 | 2023-07-06 | 北京与光科技有限公司 | 活体指纹识别系统及其活体识别方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2022105506A1 (zh) * | 2020-11-18 | 2022-05-27 | 北京与光科技有限公司 | 光谱成像芯片和设备及信息处理方法、以及指纹活体识别装置和指纹模组 |
-
2023
- 2023-12-05 CN CN202311657011.2A patent/CN117392710B/zh active Active
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101303291A (zh) * | 2008-06-05 | 2008-11-12 | 苏州大学 | 基于数字微镜器件的多通道多目标超光谱成像方法及系统 |
| CN105354561A (zh) * | 2015-12-08 | 2016-02-24 | 开发晶照明（厦门）有限公司 | 指纹图像采集装置 |
| CN111127289A (zh) * | 2019-12-18 | 2020-05-08 | 武汉大学 | 带有水印的高低频复用超表面防伪图像的设计方法 |
| CN111611977A (zh) * | 2020-06-05 | 2020-09-01 | 吉林求是光谱数据科技有限公司 | 基于光谱与多波段融合的人脸识别监控系统及识别方法 |
| CN114079754A (zh) * | 2020-08-19 | 2022-02-22 | 华为技术有限公司 | 一种图像传感器、信号处理方法以及设备 |
| CN112800956A (zh) * | 2021-01-27 | 2021-05-14 | 杭州海康威视数字技术股份有限公司 | 一种指纹活体检测系统、方法及装置 |
| CN113418864A (zh) * | 2021-06-03 | 2021-09-21 | 奥比中光科技集团股份有限公司 | 一种多光谱图像传感器及其制造方法 |
| WO2023125329A1 (zh) * | 2021-12-31 | 2023-07-06 | 北京与光科技有限公司 | 活体指纹识别系统及其活体识别方法 |
| CN115000107A (zh) * | 2022-06-02 | 2022-09-02 | 广州睿芯微电子有限公司 | 多光谱成像芯片、多光谱成像组件、制备方法及移动终端 |
| CN116311400A (zh) * | 2023-02-10 | 2023-06-23 | 北京迈格威科技有限公司 | 掌纹图像的处理方法、电子设备及存储介质 |
Non-Patent Citations (3)
| Title |
|---|
| Aisha Bibi等.Chapter Six: A review on state-of-the-art detection techniques for micro- and nano-plastics with prospective use in point-of-site detection.《Comprehensive Analytical Chemistry》.2023,全文. * |
| 张聿全等.基于动态光镊技术的卵巢癌SKOV3细胞凋亡检测.《中国激光》.2014,第41卷(第11期),全文. * |
| 杨萍 ; 廖宁放 ; 何丽 ; 张东 ; 冯洁 ; .高速窄带多光谱成像系统光谱重建技术研究.影像技术.2007,(第06期),全文. * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117392710A (zh) | 2024-01-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN210488569U (zh) | 指纹识别装置和电子设备 | |
| CN111507229B (zh) | 指纹识别装置和电子设备 | |
| CN111133446B (zh) | 指纹识别装置和电子设备 | |
| CN110945524B (zh) | 识别指纹的方法、指纹识别装置和电子设备 | |
| US20110200237A1 (en) | Pattern matching device and pattern matching method | |
| JP2019110564A (ja) | センサの全解像度における複数のタイプのデータを測定するためにアレイセンサを使用する方法 | |
| TWI549065B (zh) | Fingerprint identification method and device thereof | |
| WO2023000864A1 (zh) | 一种人脸识别方法及系统 | |
| CN210605739U (zh) | 指纹检测装置和电子设备 | |
| US11967170B2 (en) | Biometric information acquisition system and processing method | |
| CN117392710B (zh) | 一种图像识别系统 | |
| CN117351525B (zh) | 一种图像识别系统 | |
| CN113994393A (zh) | 用于反仿冒的光学指纹传感器中的多色照射 | |
| CN111801687A (zh) | 指纹识别装置和电子设备 | |
| CN211628257U (zh) | 指纹识别装置和电子设备 | |
| US11900715B2 (en) | Spoof detection based on specular and diffuse reflections | |
| Shah et al. | VID: Human identification through vein patterns captured from commodity depth cameras | |
| CN114463790A (zh) | 光学指纹识别和防伪的方法及系统 | |
| CN114008687A (zh) | 基于镜面反射和漫反射的欺骗检测 | |
| CN114627508A (zh) | 指纹检测装置及其方法和电子设备 | |
| TW202326513A (zh) | 影像感測裝置、指紋識別裝置及資訊處理裝置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |