TW201826164A - 光學識別方法與系統 - Google Patents

光學識別方法與系統 Download PDF

Info

Publication number
TW201826164A
TW201826164A TW106125696A TW106125696A TW201826164A TW 201826164 A TW201826164 A TW 201826164A TW 106125696 A TW106125696 A TW 106125696A TW 106125696 A TW106125696 A TW 106125696A TW 201826164 A TW201826164 A TW 201826164A
Authority
TW
Taiwan
Prior art keywords
matrix
pixel
information
comparison
texture
Prior art date
Application number
TW106125696A
Other languages
English (en)
Inventor
蕭俊賢
余儒育
林俊甫
程瑜銘
張櫸馨
蔡惠民
Original Assignee
曦威科技股份有限公司
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 曦威科技股份有限公司 filed Critical 曦威科技股份有限公司
Priority to US15/859,278 priority Critical patent/US10650212B2/en
Publication of TW201826164A publication Critical patent/TW201826164A/zh

Links

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
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/024—Detecting, measuring or recording pulse rate or heart rate
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A61B5/725—Details of waveform analysis using specific filters therefor, e.g. Kalman or adaptive filters
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/70—Denoising; Smoothing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/73—Deblurring; Sharpening
    • 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
    • G06V40/1359—Extracting features related to ridge properties; Determining the fingerprint type, e.g. whorl or loop
    • 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
    • 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
    • G06V40/1382—Detecting the live character of the finger, i.e. distinguishing from a fake or cadaver finger
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/70—Circuitry for compensating brightness variation in the scene
    • H04N23/73—Circuitry for compensating brightness variation in the scene by influencing the exposure time
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Multimedia (AREA)
  • Human Computer Interaction (AREA)
  • Pathology (AREA)
  • Veterinary Medicine (AREA)
  • Physiology (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Medical Informatics (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • General Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Biophysics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Cardiology (AREA)
  • Signal Processing (AREA)
  • Psychiatry (AREA)
  • Artificial Intelligence (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
  • Image Processing (AREA)
  • Image Input (AREA)
  • Studio Devices (AREA)
  • Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
  • Transforming Light Signals Into Electric Signals (AREA)

Abstract

一種光學識別方法，用以感測一生理特徵其包含：提供一光源，投射至生理部位以產生一反射光；接收反射光以產生一原始影像；根據原始影像以產生對應之多個斜紋資訊；轉換斜紋資訊為一個紋理識別矩陣；以及根據紋理識別矩陣，以計算生理特徵。

Description

光學識別方法與系統
本發明係有關一種光學識別方法，特別為根據其中原始影像對應之斜紋資訊，以決定生理特徵之光學識別方法。
先前技術之光學識別系統，例如電容式或電阻式運動之指紋感測，其元件成本高，其感測方式為根據手指按壓範圍內之幾何形狀等，來判斷手指按壓範圍中心之位置。因此，先前技術之感測範圍需大於手指按壓範圍，方能大於手指按壓範圍，以根據手指之移動，而判斷手指之移動。然而，現在手持裝置之尺寸越來越小，裝置內部空間零件也隨之越來越小。例如，當感測範圍小於手指按壓範圍時，目前無對應之手指運動感測之技術。
底下藉由具體實施例詳加說明，當更容易瞭解本發明之目的、技術內容、特點及其所達成之功效。
就其中一個觀點言，本發明提供了一種光學識別方法，用以感測一生理特徵，其包含：投射光至一生理部位以產生一反射光；接收反射光以產生至少一原始影像； 根據原始影像以產生對應之多個斜紋資訊；轉換斜紋資訊為至少一紋理識別矩陣；以及根據紋理識別矩陣，以決定生理特徵；其中，感測單元具有一水平方向與一垂直方向，各斜紋資訊具有一正斜率紋理或一負斜率紋理，其中正斜率紋理對應於水平方向與垂直方向，具有介於零與正無限大間之一正斜率；負斜率紋理對應於水平方向與垂直方向，具有介於零與負無限大間之一負斜率。。
一實施例中，生理部位包含一手指、一手掌、或一虹膜，其對應之生理特徵分別包含一指紋特徵、一手指運動軌跡、一手勢軌跡、一手勢方向、或一虹膜特徵。
一實施例中，原始影像具有一像素矩陣，而前述之根據原始影像以產生對應之斜紋資訊之步驟包含：於像素矩陣中選取一像素取樣矩陣，像素取樣矩陣包含一中心像素、以及依照水平方向與垂直方向圍繞中心像素之右上角像素、右下角像素、左上角像素、與左下角像素；以及根據像素取樣矩陣，以擷取像素取樣矩陣對應之斜紋資訊。
一實施例中，原始影像具有多個水平像素列，水平像素列於一水平方向上具有多個位元像素，水平像素列於一垂直方向上排列以形成像素矩陣。像素取樣矩陣包含中心像素、右上角像素、右下角像素、左上角像素、與左下角像素，以使像素取樣矩陣形成一方形像素矩陣。
正斜率紋理負斜率紋理一實施例中，前述之根據原始影像以產生對應之斜紋資訊之步驟又包含：將像素取樣矩陣轉換為一特徵矩陣，其中特徵矩陣於水平方向與垂直方向，具有相同數目之水平元素列與垂直元素列，其中同一水平元素列內元素之位元值相加總合為零，以及同一垂直元素列內元素之位元值相加總合為零。
一實施例中，前述之根據原始影像以產生對應之斜紋資訊之步驟又包含：藉由一遮罩矩陣，與各特徵矩陣進行旋積(Convolution)運算，以產生對應各像素取樣矩陣之旋積運算值。
一實施例中，前述之轉換斜紋資訊為紋理識別矩陣之步驟包含：將對應各像素取樣矩陣之旋積運算值，轉換為對應於原始影像之紋理識別矩陣。一實施例中，將對應於各像素取樣矩陣之旋積運算值，轉換為單個一位元(1 bit)斜紋資訊。
一實施例中，前述之轉換多個斜紋資訊為至少一紋理識別矩陣之步驟包含：將對應各像素取樣矩陣之斜紋資訊，轉換為紋理識別矩陣中對應於原始影像之元素位置之斜紋資訊。
一實施例中，前述之光學識別方法中，又包含：擷取原始影像中對應之多個直紋資訊，直紋資訊包含對應於垂直方向之垂直紋資訊、或對應於水平方向之水平紋資訊；以及，將其中像素取樣矩陣之旋積運算值，轉換為包含斜紋資訊與直紋資訊之單個二位元(2 bit)資訊。一實施例中，遮罩矩陣又包含一水平遮罩矩陣與一垂直遮罩矩陣，前述之根據像素取樣矩陣，以擷取像素取樣矩陣對應之直紋資訊之步驟，包含：藉由水平遮罩矩陣與垂直遮罩矩陣，與各特徵矩陣進行旋積運算，以產生對應像素取樣矩陣之旋積運算值。
一實施例中，至少一原始影像包含多個原始影像，至少一紋理識別矩陣包含依序擷取自多個原始影像之多個紋理識別矩陣，生理部位為一手指，生理特徵為一手指運動軌跡，其中，前述之根據紋理識別矩陣，以決定生理特徵之步驟包含：根據前後轉換之紋理識別矩陣，以計算手指運動軌跡。
一實施例中，紋理識別矩陣包含先轉換之一第一紋理識別矩陣，以及其後轉換之一第二紋理識別矩陣，其中前述之根據前後轉換之紋理識別矩陣，以計算手指運動軌跡之步驟，包含：於第一紋理識別矩陣內選取一第一比較矩陣，並於其後之第二紋理識別矩陣內選取與第一比較矩陣具有相同矩陣維度且不同位置之多個第二比較矩陣，將第一比較矩陣與第二比較矩陣中對應位置之一位元斜紋資訊分別進行比對，以計算手指運動軌跡。
一實施例中，一位元斜紋資訊為0或1，而前述第一比較矩陣與第二比較矩陣中對應位置之一位元斜紋資訊分別進行比對之步驟，包含：逐次將第一比較矩陣與第二比較矩陣中對應位置之一位元斜紋資訊進行互斥或(Exclusive or)運算，並將互斥或運算值全部相加，全部相加值中最小之第二比較矩陣，為對應於第二紋理識別矩陣中手指之移動位置。
一實施例中，當第一比較矩陣與各第二比較矩陣中一位元斜紋資訊之互斥或運算之全部相加值中，具有一最小值，且最小值低於一第一門檻值時，具有最小值之第二比較矩陣為對應於第二紋理識別矩陣中手指之移動位置。
一實施例中，當第一比較矩陣與各第二比較矩陣之一位元斜紋資訊互斥或運算之全部相加值中，且具有最小值之第二比較矩陣所對應於第二紋理識別矩陣中手指之位置，等同於第一比較矩陣對應於第一紋理識別矩陣中手指之位置時，選取第二紋理識別矩陣之後轉換之一第三紋理識別矩陣，於第三紋理識別矩陣中選取與第一比較矩陣具有相同矩陣維度且不同位置之多個第三比較矩陣，將第一比較矩陣與各第三比較矩陣中對應位置之多個一位元斜紋資訊進行互斥或運算，以計算對應於第一、三紋理識別矩陣間之手指運動軌跡。
一實施例中，前述之根據前後轉換之紋理識別矩陣，以計算手指運動軌跡之步驟，又包含：根據第一比較矩陣與第二比較矩陣，以產生第一、二比較矩陣間之一位移 (A1)，其中手指運動軌跡(B + A1 × P1)，為到第一比較矩陣為止之原始手指運動軌跡(B)，加上位移(A1)乘以權重(P1)，權重(P1)對應於第一比較矩陣與第二比較矩陣中對應位置之一位元斜紋資訊之互斥或運算全部相加值，其中互斥或運算全部相加值越低時，權重(P1)越高；或者，互斥或運算全部相加值越高時，權重(P1)越低。
一實施例中，前述之根據前後轉換之紋理識別矩陣，以計算手指運動軌跡之步驟，包含：根據前後依序轉換之第一比較矩陣、第二比較矩陣、對應第二紋理識別矩陣之後轉換之一第三紋理識別矩陣之第三比較矩陣、對應第三紋理識別矩陣之後轉換之一第四紋理識別矩陣之第四比較矩陣，以分別產生第一比較矩陣與第二比較矩陣間之一第一位移(A1)、第二比較矩陣與第三比較矩陣間之一第二位移(A2)、以及第三比較矩陣與第四比較矩陣間之一第三位移(A3)，其中當第一位移(A1)與第三位移(A3)之垂直與水平位移方向相同，且第二位移(A2)與第一、三位移(A1、A3)之垂直或水平位移方向相反時，手指運動軌跡(B + A1+ A3)，為第一比較矩陣之原始手指運動軌跡(B)，加上第一位移(A1)與第三位移(A3)。手指運動軌跡(B + A1+ A3)中不包含第二位移(A2)。
就其中一個觀點言，本發明提供了一種光學識別系統，用以感測一生理特徵，其包含：一感測器，包含一光源以及一感測單元，光源投射至生理部位以產生一反射光，感測單元接收反射光以產生多個原始影像； 一紋理擷取器，根據原始影像以產生對應之多個斜紋資訊，紋理擷取器轉換斜紋資訊為多個紋理識別矩陣；以及一計算器，根據前後轉換之紋理識別矩陣，以計算生理特徵。感測單元具有一水平方向與一垂直方向，各斜紋資訊具有一正斜率紋理或一負斜率紋理，其中正斜率紋理對應於水平方向與垂直方向，具有介於零與正無限大間之一正斜率；負斜率紋理對應於水平方向與垂直方向，具有介於零與負無限大間之一負斜率。
一實施例中，生理部位包含一手指或一虹膜，其對應之生理特徵分別包含一指紋特徵、一手指運動軌跡、或一虹膜特徵。一實施例中，當生理部位為一手掌，其對應之生理特徵可包含一手勢軌跡或一手勢方向。
一實施例中，紋理擷取器根據原始影像，又產生對應之多個直紋資訊，紋理擷取器轉換斜紋資訊與直紋資訊為紋理識別矩陣，以計算生理特徵。
有關本發明之前述及其他技術內容、特點與功效，在以下配合參考圖式之一較佳實施例的詳細說明中，將可清楚的呈現。以下實施例中所提到的方向用語，例如：上、下、左、右、前或後等，僅是參考附加圖式的方向。本發明中的圖式均屬示意，主要意在表示各裝置以及各元件間之功能作用關係，至於形狀、厚度與寬度則並未依照比例繪製。
參照圖1，其中顯示根據一觀點，本發明提供了一種光學識別方法，用以感測一生理特徵，其中包含：提供一光源，投射光至一生理部位以產生一反射光(S1)；接收反射光以產生至少一原始影像(S2)； 根據原始影像以產生對應之多個斜紋資訊(S3)；轉換斜紋資訊為至少一紋理識別矩陣(S4)；以及根據紋理識別矩陣，以計算生理特徵(S5)。
一實施例中，生理部位包含一手指、一手掌、或一虹膜，其對應之生理特徵分別包含一指紋特徵、一手指運動軌跡、一手勢軌跡、一手勢方向、或一虹膜特徵。
參照圖2，生理部位為一手指。手指之指紋中，主要有斗形紋(Whorl)、箕形紋(Loop)和弧形紋(Arch)三種。斗形紋之指紋為環形、橢圓形、或螺旋形等圓形紋路。箕形紋之指紋為三角形之紋路。弧形紋為波浪形之紋路。無論斗形紋、箕形紋或弧形紋，斜紋皆佔指紋中大部分比例。此外，每一手指指紋之斜紋部分，其形狀與分布皆不相同，故藉由斜紋判斷手指運動軌跡，其誤判之可能性低。針對斜紋部分所產生斜紋資訊，非垂直方向與水平方向之指紋，斜紋資訊代表根據垂直方向與水平方向之斜角方向之指紋。
手指指紋之斜紋，包含正斜率斜紋或負斜率斜紋。請繼續參照圖2，正斜率斜紋為對應於水平方向與垂直方向中，右高左低之斜紋。負斜率斜紋為為對應於水平方向與垂直方向中，左高右低之斜紋。關於斜紋資訊，根據本發明之一實施例，像素取樣矩陣對應之斜紋資訊，包含一正斜率斜紋資訊或一負斜率斜紋資訊，其中正斜率斜紋資訊，對應於正斜率紋理，負斜率斜紋資訊，對應於負斜率紋理。
參照第3、4、5圖，其中顯示原始影像具有一像素矩陣，而前述之根據原始影像以產生對應之斜紋資訊之步驟包含：於像素矩陣中選取一像素取樣矩陣，此像素取樣矩陣包含一中心像素、以及圍繞中心像素之右上角像素、右下角像素、左上角像素、與左下角像素；以及根據像素取樣矩陣，以擷取像素取樣矩陣對應之斜紋資訊。中心像素對應於像素矩陣其中一位置之像素，而像素取樣矩陣所產生之斜紋資訊，可代表像素矩陣在此位置，所對應之手指指紋資訊。如此，原始影像之像素矩陣，可藉由選取不同位置之像素，所產生之像素取樣矩陣，以產生像素矩陣中各位置對應之斜紋資訊。
圖4顯示本發明之一實施例，其中像素取樣矩陣為3乘3之像素取樣矩陣。像素取樣矩陣包含中心像素、以及依照水平方向與垂直方向圍繞中心像素之右上角像素、右下角像素、左上角像素、與左下角像素，以使像素取樣矩陣形成一方形像素矩陣。圖5顯示本發明之一實施例，其中像素取樣矩陣為5乘5之像素取樣矩陣。同樣地，5乘5之像素取樣矩陣，同樣具有中心像素、右上角像素、右下角像素、左上角像素、與左下角像素。圖4、5顯示兩種不同像素取樣矩陣與對應產生之特徵矩陣之維度，根據本案之像素取樣矩陣與對應產生之特徵矩陣之維度，也可依需要而決定，不需要受限於圖式中之維度。
繼續參照圖4、5，前述之根據原始影像以產生對應之斜紋資訊之步驟又包含：將像素取樣矩陣轉換為一特徵矩陣，其中特徵矩陣於水平方向與垂直方向，具有相同數目之水平元素列與垂直元素列，其中同一水平元素列內元素之位元值相加總合為零，以及同一垂直元素列內元素之位元值相加總合為零。例如，圖4中特徵矩陣最上之水平元素列內元素之位元值：1、0、與-1，其相加為零。又例如，特徵矩陣最左垂直元素列內元素之位元值：-1、0、與1，其相加為零。像素取樣矩陣轉換為特徵矩陣之方式，也可藉由已知之開關中值濾波(Switch median filter)之方式，或其他已知之技術以達成特徵矩陣之轉換。
參照圖6A、6B、6C，顯示根據本發明之多個實施例中，前述之根據原始影像以產生對應之斜紋資訊之步驟又包含：藉由一遮罩矩陣，與各特徵矩陣進行旋積(Convolution)運算，以產生對應各像素取樣矩陣之運算值。其中，旋積之運算為兩矩陣中對應位置元素之數值相乘、並將相乘值全部相加。例如，圖6A中旋積之運算，從左上到右下依序為 -1 × 0 + 0 × 0 + 1 × 1 + 0 × 0 + 0 × 1+ 0 × 0 + 1 × 1 + 0 × 0 + -1 × 0 = 2。為舉例說明，圖6A、6B、6C之特徵矩陣皆相同，但遮罩矩陣之形式稍有不同，故旋積之運算結果不同。請注意圖6A、6B、6C之遮罩矩陣，其右上至左下對角之數值皆相同(本實施例為1，但不限於1)。圖6A、6B、6C之遮罩矩陣皆為同一斜率方向之遮罩矩陣，意即根據圖6A、6B、6C之旋積運算，其結果皆代表特徵矩陣之斜率方向一致。參照圖6D，另一實施例中，當遮罩矩陣中左上至右下對角之數值為1時(對角方向，不同於圖6A、6B、6C之特徵矩陣)，遮罩矩陣與特徵矩陣之旋積運算值為-2。圖6D中遮罩矩陣為另一斜率方向之遮罩矩陣，特徵矩陣之斜率方向，不同於圖6A、6B、6C之遮罩矩陣。因此，藉由特徵矩陣與遮罩矩陣之旋積運算，可判斷原始影像中對應中心像素之位置，其斜紋斜率方向為正或負，並可依此轉換為正斜率斜紋資訊或一負斜率斜紋資訊。
如前所述，根據各像素取樣矩陣轉換而得之特徵矩陣、藉由遮罩矩陣與特徵矩陣進行旋積運算以產生對應像素取樣矩陣之斜紋資訊、將斜紋資訊轉換為紋理識別矩陣中對應於原始影像之元素位置之斜紋資訊。此紋理識別矩陣，可用於紋理辨別或辨別斜紋方向，例如前述之指紋特徵或虹膜特徵辨別。當感測單元接收產生多個原始影像紋理識別矩陣，其所對應產生之多個紋理識別矩陣，更可作為手指運動軌跡辨別用途。
前述之旋積運算值，雖可藉由正或負判斷正斜率斜紋資訊或一負斜率斜紋資訊，然而本發明之範圍不限於此，更可以藉由不同之水平遮罩矩陣與垂直遮罩矩陣與特徵矩陣進行旋積運算，以判斷原始影像中對應中心像素之位置是否為水平紋或垂直紋，其內容，詳見之後實施例中說明。
一實施例中，前述之轉換斜紋資訊為紋理識別矩陣之步驟包含：將各像素取樣矩陣之旋積運算值，轉換為對應於原始影像之紋理識別矩陣。一實施例中，為簡化運算過程，將像素取樣矩陣之旋積運算值，轉換為單個一位元(1 bit)斜紋資訊。例如，轉換方式可為將旋積運算值與一門檻值比較，當旋積運算值大於門檻值，旋積運算值轉換為1；或者，當旋積運算值小於門檻值，旋積運算值轉換為0。例如，當門檻值設為0，圖6A、6B、6C 中之旋積運算值大於門檻值，轉換為1，代表一方向之斜率斜紋。圖6D 中之旋積運算值小於門檻值，轉換為0，代表另一方向之斜率斜紋。如此，根據紋理識別矩陣內之一位元斜紋資訊，就可代表原始影像之斜紋分布。一實施例中，當旋積運算值大於門檻值，旋積運算值也可轉換為0；或者，當旋積運算值小於門檻值，旋積運算值轉換為1。其實施方式可依需要而定，端視如何定義以區別斜紋之方向。
一實施例中，門檻值可不限於0，也可為其他數值，使用者可依據紋理辨別或辨別斜紋方向，而決定門檻值 。
圖6A、6B、6C 、6D中之旋積運算，為根據3乘3之矩陣進行運算。然而，本案之旋積運算，不限於3乘3之矩陣，也可為其他維度之矩陣，例如圖7A、7B、7C 、6D中運算之5乘5矩陣。類似於圖6A、6B、6C 、6D，圖7A、7B、7C 、6D中遮罩矩陣之旋積運算，也可區別特徵矩陣中所代表之斜紋為正斜率或負斜率。同樣地，旋積運算值也可轉換為一位元斜紋資訊，以轉換為對應原始影像之紋理識別矩陣。
一實施例中，本案之光學識別方法中，又包含：擷取原始影像中對應之多個直紋資訊，直紋資訊包含對應於垂直方向之垂直紋資訊、或對應於水平方向之水平紋資訊；以及將像素取樣矩陣之旋積運算值，轉換為包含斜紋資訊或直紋資訊之單個二位元(2 bit)資訊。其中，二位元資訊之0、1、2、3，可分別對應於正斜率斜紋資訊、負斜率斜紋資訊、水平紋資訊、垂直紋資訊。其對應之順序，可依需要而調整，例如0、1分別對應於正斜率斜紋資訊、負斜率斜紋資訊，2、3分別對應於水平紋資訊、垂直紋資訊。或者2、3對應於正斜率斜紋資訊、負斜率斜紋資訊，0、1對應於水平紋資訊、垂直紋資訊，其端視需要而定。重要地，本實施例之二位元資訊不限於正、負斜率斜紋資訊，更可包含水平紋資訊、垂直紋資訊。
一實施例中，遮罩矩陣不僅包含辨別斜紋之遮罩矩陣，也可包含辨別直紋之遮罩矩陣。辨別直紋之遮罩矩陣又包含一水平遮罩矩陣與一垂直遮罩矩陣，以擷取像素取樣矩陣對應之水平紋資訊與垂直紋資訊。水平紋資訊與垂直紋資訊之擷取方式，為藉由水平遮罩矩陣與垂直遮罩矩陣，與各特徵矩陣進行旋積運算，以產生對應像素取樣矩陣之旋積運算值。參照圖8A，其中顯示一5乘5的像素取樣矩陣(其中各點代表矩陣中各元素)、以及一斜紋遮罩矩陣(其中各點代表矩陣中各元素)、一水平遮罩矩陣與一垂直遮罩矩陣，圖式中水平遮罩矩陣與垂直遮罩矩陣其中之各元素值，僅為舉例說明，使用者可依據需要而決定各元素值。斜紋遮罩矩陣，可參考圖6A、6B、6C、6D、7A、7B、7C、7D中關於斜紋之遮罩矩陣相關說明。特徵矩陣與斜紋遮罩矩陣之旋積運算值為X，特徵矩陣與水平遮罩矩陣運算之旋積運算值為GX，特徵矩陣與垂直遮罩矩陣運算之旋積運算值為GY。
參照圖8B，其中舉例說明，如何將特徵矩陣與斜紋遮罩矩陣、水平遮罩矩陣、以及垂直遮罩矩陣之旋積運算值，以轉換為二位元(2 bit)資訊。其中斜紋門檻值，用以判斷特徵矩陣與斜紋遮罩矩陣之旋積運算值，是否可判斷為正斜率斜紋資訊(數值為3)、或負斜率斜紋資訊(數值為0)。其判斷方式為旋積運算值之絕對值(|)大於斜紋門檻值時，判斷特徵矩陣對應於斜紋。當旋積運算值之絕對值小於斜紋門檻值時，則藉由前述之特徵矩陣與水平遮罩矩陣、垂直遮罩矩陣運算之旋積運算值(GX、GY)，來判斷特徵矩陣對應於水平紋資訊 (數值為1)、或垂直紋資訊(數值為2)。如此，像素取樣矩陣之旋積運算值，被轉換為包含斜紋資訊或直紋資訊之單個二位元資訊。特徵矩陣與斜紋遮罩矩陣之旋積運算值，其絕對值大於斜紋門檻值時，代表可判斷此特徵矩陣對應於斜紋。當絕對值小於斜紋門檻值時，代表斜紋特徵不明顯，故可藉由水平遮罩矩陣或垂直遮罩矩陣，來判斷特徵矩陣是屬於水平紋或垂直紋。圖8A中水平遮罩矩陣與垂直遮罩矩陣之各元素數值，為舉例說明，使用者可依需要而調整其數值。
前述之實施例中，當生理部位為手指時，其對應之生理特徵可為指紋特徵。然而，本發明之實施不限於手指，也可為虹膜或其生理他部位。當生理部位為虹膜時，其對應之生理特徵可為一虹膜特徵。因不同人的虹膜中，具有不同之紋理分布(例如不同分布位置之斜紋資訊或直紋資訊)，故也可用於辨別身分之用途，其實施方式，可參照前述之生理特徵辨別步驟。
一實施例中，當前述之至少一原始影像包含多個原始影像，至少一紋理識別矩陣包含依序擷取自多個原始影像之多個紋理識別矩陣，生理部位為一手指時，生理特徵可為一手指運動軌跡，其詳述如後。
圖9顯示一實施例，其中紋理識別矩陣包含先轉換之一第一紋理識別矩陣，以及其後轉換之一第二紋理識別矩陣。前述之根據前後轉換之紋理識別矩陣，以計算手指運動軌跡之步驟，包含：於第一紋理識別矩陣內選取一第一比較矩陣，並於其後之第二紋理識別矩陣內選取與第一比較矩陣具有相同矩陣維度且不同位置之多個第二比較矩陣(圖式中以一第二比較矩陣為例)，逐次將第一比較矩陣與各第二比較矩陣中對應位置之一位元斜紋資訊分別進行比對，以計算手指運動軌跡。前述之不同位置之多個第二比較矩陣，為在第二紋理識別矩陣內，於多個不同之位置，以選取對應這些位置之第二比較矩陣。將各選取之第二比較矩陣與第一比較矩陣分別進行比對，決定與第一比較矩陣最相似之第二比較矩陣，用以計算手指運動軌跡。
比對第一比較矩陣、第二比較矩陣之方式，有許多種方式。例如，利用比對矩陣中類似元素之數量、或其他方式等。本發明於一實施例中，提出一種比對方式，為利用互斥或(Exclusive or)運算，無論運算所需過程、電路、或所需之軟體，都十分簡單。互斥或(Exclusive or)運算之相關說明，詳述如後。
一實施例中，一位元斜紋資訊為0或1。前述第一比較矩陣與第二比較矩陣中對應位置之一位元斜紋資訊分別進行比對之步驟，包含：逐次將第一比較矩陣與各第二比較矩陣中對應位置之一位元斜紋資訊進行互斥或(Exclusive or、XOR)運算(參照圖10A)，並將互斥或運算值全部相加，全部相加值中最小之第二比較矩陣，為對應於第二紋理識別矩陣中手指之移動位置。請注意，當第一比較矩陣與第二比較矩陣中對應位置之一位元斜紋資訊相同時(皆為0、0，或皆為1、1)，其互斥或運算結果為0(較小)；而當第一比較矩陣與第二比較矩陣中對應位置之一位元斜紋資訊不同時(0、1，或為1、0)，其互斥或運算結果為1(較大)。因此，互斥或運算值全部相加，全部相加值中最小之第二比較矩陣，最相似於第一比較矩陣，故全部相加值中最小之第二比較矩陣相對於第一比較矩陣之移動位置，可決定為對應於第二紋理識別矩陣中手指之移動位置。
另一實施例中，依據互斥或運算之原理，也可將第一比較矩陣與第二比較矩陣中對應位置之一位元斜紋資訊進行互斥反或(XNOR)運算(參照圖10B)，並將互斥反或運算值全部相加，全部相加值中最大(非最小)之第二比較矩陣，為對應於第二紋理識別矩陣中手指之移動位置。當第一比較矩陣與第二比較矩陣中對應位置之一位元斜紋資訊相同時(皆為0、0，或皆為1、1)，其互斥反或運算結果為1(較大)；而當第一比較矩陣與第二比較矩陣中對應位置之一位元斜紋資訊不同時(0、1，或為1、0)，其互斥反或運算結果為0(較小)。因此，互斥反或運算值全部相加，全部相加值中最大之第二比較矩陣，最相似於第一比較矩陣，故全部相加值中最大之第二比較矩陣相對於第一比較矩陣之移動位置，可決定為對應於第二紋理識別矩陣中手指之移動位置。
根據前述一位元斜紋資訊之互斥或運算或互斥反或運算之原理，二位元資訊也依此來決定哪一位置之第二比較矩陣，最相似於第一比較矩陣。例如第一比較矩陣與第二比較矩陣對應之二位元資訊相同時為0，不相同為1；或第一比較矩陣與第二比較矩陣對應之二位元資訊相同時為1，不相同為0。並且，將運算值全部相加，當二位元資訊相同時為0，不相同為1時，全部相加值中最小之第二比較矩陣，最相似於第一比較矩陣。當二位元資訊相同時為1，不相同為0時，全部相加值中最大之第二比較矩陣，最相似於第一比較矩陣，故可決定第二比較矩陣相對於第一比較矩陣之移動位置，以及對應於第二紋理識別矩陣中手指之移動位置。
根據前述一位元斜紋資訊之互斥或運算，一實施例中，當第一比較矩陣與第二比較矩陣中一位元斜紋資訊之互斥或運算之全部相加值中，具有一最小值，且最小值低於一第一門檻值時，第二比較矩陣為對應於第二紋理識別矩陣中手指之移動位置。因光學識別操作中，可能因內部電路操作(雜訊過高等)、或外在環境突然改變(環境亮度突然改變等)，所決定最小值之第二比較矩陣中一位元斜紋資訊、或其所對應之第一比較矩陣中一位元斜紋資訊，不適合於進行比對。此不適合比對之狀況，可藉由與第一門檻值進行比較而得知。當互斥或運算之全部相加值中最小值，高於一第一門檻值時，可重新決定第一或二紋理識別矩陣，以重新進行互斥或運算，以決定手指之移動位置。當互斥或運算之全部相加值中最小值，低於一第一門檻值時，此計算之移動位置為可接受。關於第一門檻值之數值，使用者可根據光學識別之操作過程、或相關元件特性等，以決定此數值。例如，當光源過強時，互斥或運算之全部相加值中最小值，可能高於第一門檻值，代表此運算結果不可信，需重新設定光源。因此互斥或運算之全部相加值中最小值，低於一第一門檻值時，此計算之移動位置為可接受。
例如，當第一比較矩陣與第二比較矩陣之一位元斜紋資訊互斥或運算之全部相加值中之最小值，高於一第一門檻值時，選取第二紋理識別矩陣之後轉換之一第三紋理識別矩陣，於第三紋理識別矩陣中選取與第二比較矩陣具有相同矩陣維度且不同位置之多個第三比較矩陣，將第二比較矩陣與第三比較矩陣中對應位置之多個一位元斜紋資訊進行互斥或運算，以計算對應於第二、三紋理識別矩陣間之手指運動軌跡。如前所述，當第一比較矩陣與第二比較矩陣之一位元斜紋資訊互斥或運算之全部相加值中之最小值，高於一第一門檻值時，代表此運算結果不可信。因此，進行第二比較矩陣與第三比較矩陣之比對，以決定手指運動軌跡。
若前述一位元斜紋資訊用於互斥反或運算，則當互斥反或運算之全部相加值中最大值，小於一第一門檻值時，可重新決定第一或二紋理識別矩陣，以重新進行互斥反或運算，以決定手指之移動位置。當互斥反或運算之全部相加值中最大值，高於一第一門檻值時，此計算之移動位置為可接受。
一實施例中，當第一比較矩陣與第二比較矩陣之一位元斜紋資訊互斥或運算之全部相加值中，且具有最小值之第二比較矩陣所對應於第二紋理識別矩陣中手指之位置，等同於第一比較矩陣對應於第一紋理識別矩陣中手指之位置時，選取第二紋理識別矩陣之後轉換之一第三紋理識別矩陣，於第三紋理識別矩陣中選取與第一比較矩陣具有相同矩陣維度且不同位置之多個第三比較矩陣，將第一比較矩陣與第三比較矩陣中對應位置之多個一位元斜紋資訊進行互斥或運算，以計算對應於第一、三紋理識別矩陣間之手指運動軌跡。如前所述，當具有最小值之第二比較矩陣所對應於第二紋理識別矩陣中手指之位置，等同於第一比較矩陣對應於第一紋理識別矩陣中手指之位置時，代表第二紋理識別矩陣對應之手指完全沒動(例如，相對移動量為(0,0))，或手指運動太緩慢。因此，進行第一比較矩陣與第三比較矩陣之比對，以決定手指運動軌跡。
圖11顯示根據本發明之一實施例，其中前述之根據前後轉換之紋理識別矩陣，以計算手指運動軌跡之步驟，又包含：根據第一比較矩陣與第二比較矩陣，以產生第一、二比較矩陣間之一位移 (A1)，其中手指運動軌跡(B + A1 × P1)，為到第一比較矩陣為止之原始手指運動軌跡(B)，加上位移(A1)乘以權重(P1)，權重(P1)對應於第一比較矩陣與第二比較矩陣中對應位置之一位元斜紋資訊之互斥或運算全部相加值。互斥或運算全部相加值越低時，權重(P1)越高；或者，互斥或運算全部相加值越高時，權重(P1)越低。位移 (A1)為根據比對第一、二比較矩陣所計算出來之估算位移，因為此估算位移可能因感測品質等因素影響，須藉由權重(P1)以調整其可靠程度。當互斥或運算全部相加值較低時，代表兩比較矩陣間相似度較高，其估算位移之可靠程度較高，故手指運動軌跡(B + A1 × P1)中，位移 (A1)所佔之比例較高。當互斥或運算全部相加值較高時，代表兩比較矩陣間相似度較低，其估算位移之可靠程度較低，故手指運動軌跡(B + A1 × P1)中，位移 (A1)所佔之比例較低。
一實施例中，前述之根據前後轉換之紋理識別矩陣，以計算手指運動軌跡之步驟，包含：根據前後依序轉換之第一比較矩陣、第二比較矩陣、第三比較矩陣、第四比較矩陣，其分別選取於第一紋理識別矩陣、第二紋理識別矩陣、第三紋理識別矩陣、以及第四紋理識別矩陣中。第一比較矩陣與第二比較矩陣間具有一第一位移(A1)、第二比較矩陣與第三比較矩陣間具有一第二位移(A2)、以及第三比較矩陣與第四比較矩陣間具有之一第三位移(A3)。當第一位移(A1)與第三位移(A3)之垂直與水平位移方向相同，而第二位移(A2)與第一、三位移(A1、A3)之垂直或水平位移方向相反，其中手指運動軌跡(B + A1+ A3)，為第一比較矩陣之原始手指運動軌跡(B)，加上第一位移(A1)與第三位移(A3)，其中手指運動軌跡(B + A1+ A3)不包含第二位移(A2)。因光學識別過程中，可能因雜訊或環境光改變，而造成第二位移(A2)誤判，故手指運動軌跡(B + A1+ A3)不包含第二位移(A2)。此誤判之狀況，可為一位移之方向與前後之位移方向相反，此位移可能為誤判，故手指運動軌跡中不包含此位移。
由前述之實施例可知，本案之特點包含：進行像素與像素間相似性比對，以決定生理特徵，比對之所需像素較少，其所需計算資源與電路元件十分簡單。
就其中一個觀點言，本發明提供了一種光學識別系統10，用以感測一生理特徵。參照圖12，光學識別系統10包含：一感測器11，包含一光源111以及一感測單元112，光源111投射至生理部位以產生一反射光，感測單元112接收反射光以產生多個原始影像；一紋理擷取器12，根據原始影像以產生對應之多個斜紋資訊，紋理擷取器12轉換斜紋資訊為多個紋理識別矩陣；以及一計算器13，根據前後轉換之紋理識別矩陣，以計算生理特徵。
一實施例中，生理部位包含一手指或一虹膜，其對應之生理特徵分別包含一指紋特徵、一手指運動軌跡、或一虹膜特徵。此外，根據本發明，對應之生理特徵不限於手指運動軌跡。一實施例中，當生理部位為一手掌，其對應之生理特徵可為一手勢軌跡、或一手勢方向。
一實施例中，紋理擷取器根據原始影像，又產生對應之多個直紋資訊，紋理擷取器轉換斜紋資訊與直紋資訊為紋理識別矩陣，以計算手指運動軌跡。
前述之紋理擷取器，具有根據原始影像，以產生斜紋資訊，並轉換斜紋資訊為紋理識別矩陣之特徵。根據原始影像以產生斜紋資訊，並轉換斜紋資訊為紋理識別矩陣之詳細操作說明，可參照前述光學識別方法之說明，於此不詳述。
以上已針對較佳實施例來說明本發明，唯以上所述者，僅係為使熟悉本技術者易於了解本發明的內容而已，並非用來限定本發明之權利範圍。在本發明之相同精神下，熟悉本技術者可以思及各種等效變化。各實施例中圖示直接連接的兩電路或元件間，可插置不影響主要功能的其他電路或元件，僅需對應修改相關電路或是訊號的意義即可。凡此種種，皆可根據本發明的教示類推而得，因此，本發明的範圍應涵蓋上述及其他所有等效變化。前述之各個實施例，並不限於單獨應用，亦可以組合應用，例如但不限於將兩實施例併用，或是以其中一個實施例的局部電路代換另一實施例的對應電路。
10‧‧‧光學識別系統
11‧‧‧感測器
111‧‧‧光源
112‧‧‧感測單元
12‧‧‧紋理擷取器
13‧‧‧計算器
A1‧‧‧位移
B‧‧‧原始手指運動軌跡
GX、GY、X‧‧‧旋積運算值
P1‧‧‧權重
S1~S5‧‧‧步驟
［第1圖］顯示根據本發明一實施例之光學識別方法之流程圖； ［第2圖］顯示根據本發明一實施例中手指指紋之斜紋之示意圖； ［第3圖］顯示根據本發明一實施例之像素矩陣與像素取樣矩陣之示意圖； ［第4、5圖］顯示根據本發明一實施例之像素取樣矩陣與特徵矩陣之示意圖； ［第6A、6B、6C、6D圖］顯示根據本發明一實施例中特徵矩陣與斜紋遮罩矩陣之旋積運算之示意圖； ［第7A、7B、7C、7D圖］顯示根據本發明一實施例中特徵矩陣與斜紋遮罩矩陣之旋積運算之示意圖； ［第8A、8B圖］顯示根據本發明一實施例中特徵矩陣與遮罩矩陣之旋積運算之示意圖； ［第9圖］顯示根據本發明一實施例中第一紋理識別矩陣與第二紋理識別矩陣之示意圖； ［第10A、10B圖］顯示根據本發明一實施例中一位元之邏輯算示意圖； ［第11圖］顯示根據本發明一實施例中計算手指運動軌跡之示意圖； ［第12圖］顯示根據本發明一實施例之光學識別系統之示意圖。

Claims (24)

  1. 一種光學識別方法，用以感測一生理特徵，其包含： 投射光至一生理部位以產生一反射光； 藉由一感測單元接收該反射光，以產生至少一原始影像； 根據該至少一原始影像以產生對應之多個斜紋資訊； 轉換該些斜紋資訊為至少一紋理識別矩陣；以及 根據該紋理識別矩陣，以決定該生理特徵； 其中，該感測單元具有一水平方向與一垂直方向，各該斜紋資訊具有一正斜率紋理或一負斜率紋理，其中該正斜率紋理對應於該水平方向與該垂直方向，具有介於零與正無限大間之一正斜率；該負斜率紋理對應於該水平方向與該垂直方向，具有介於零與負無限大間之一負斜率。
  2. 如申請專利範圍第1項所述之光學識別方法，其中該生理部位包含一手指、一手掌、或一虹膜，其對應之該生理特徵分別包含一指紋特徵、一手指運動軌跡、一手勢軌跡、一手勢方向、或一虹膜特徵。
  3. 如申請專利範圍第1項所述之光學識別方法，其中該原始影像具有一像素矩陣，而前述之根據該至少一原始影像以產生對應之該些斜紋資訊之步驟包含：於該像素矩陣中選取一像素取樣矩陣，該像素取樣矩陣包含一中心像素、以及依照該水平方向與該垂直方向圍繞該中心像素之右上角像素、右下角像素、左上角像素、與左下角像素；以及根據該像素取樣矩陣，以擷取該像素取樣矩陣對應之該斜紋資訊。
  4. 如申請專利範圍第3項所述之光學識別方法，其中該原始影像具有多個水平像素列，該些水平像素列於該水平方向上具有多個位元像素，該些水平像素列於該垂直方向上排列以形成該像素矩陣，該像素取樣矩陣包含該中心像素、該右上角像素、該右下角像素、該左上角像素、與該左下角像素，以使該像素取樣矩陣形成一方形像素矩陣。
  5. 如申請專利範圍第3項所述之光學識別方法，其中前述之根據該至少一原始影像以產生對應之該些斜紋資訊之步驟又包含：將該像素取樣矩陣轉換為一特徵矩陣，其中該特徵矩陣於該水平方向與該垂直方向，具有相同數目之水平元素列與垂直元素列，其中同一該水平元素列內元素之位元值相加總合為零，以及同一該垂直元素列內元素之位元值相加總合為零。
  6. 如申請專利範圍第5項所述之光學識別方法，其中前述之根據該至少一原始影像以產生對應之該些斜紋資訊之步驟又包含：藉由一遮罩矩陣，與各該特徵矩陣進行旋積(Convolution)運算，以產生對應各該像素取樣矩陣之該斜紋資訊。
  7. 如申請專利範圍第6項所述之光學識別方法，其中前述之產生對應各該像素取樣矩陣之該斜紋資訊之步驟包含：將對應各該像素取樣矩陣之該旋積運算值，轉換為單個一位元(1 bit)斜紋資訊。
  8. 如申請專利範圍第6項所述之光學識別方法，其中前述之轉換該些斜紋資訊為該至少一紋理識別矩陣之步驟包含：將對應各該像素取樣矩陣之該斜紋資訊，轉換為原始影像該紋理識別矩陣中對應於該原始影像之元素位置之該斜紋資訊。
  9. 如申請專利範圍第6項所述之光學識別方法，又包含：擷取各該像素取樣矩陣中對應之一直紋資訊，該直紋資訊包含對應於該垂直方向之垂直紋資訊、或對應於該水平方向之水平紋資訊；以及將各該像素取樣矩陣中對應之該斜紋資訊或該直紋資訊，轉換為單個二位元(2 bit) 資訊。
  10. 如申請專利範圍第9項所述之光學識別方法，其中前述之根據該像素取樣矩陣，以擷取該像素取樣矩陣對應之該直紋資訊之步驟，包含：藉由一水平遮罩矩陣與一垂直遮罩矩陣，與各該特徵矩陣進行旋積運算，以產生對應該像素取樣矩陣之該直紋資訊。
  11. 如申請專利範圍第1項所述之光學識別方法，其中該至少一原始影像包含多個該原始影像，該至少一紋理識別矩陣包含依序擷取自該些原始影像之多個該紋理識別矩陣，該生理部位為一手指，該生理特徵為一手指運動軌跡，其中，前述之根據該紋理識別矩陣，以決定該生理特徵之步驟包含：根據前後轉換之該些紋理識別矩陣，以計算該手指運動軌跡。
  12. 如申請專利範圍第11項所述之光學識別方法，其中各該原始影像具有一像素矩陣，前述之根據該些原始影像以產生對應之該些斜紋資訊之步驟包含：於該像素矩陣中選取一像素取樣矩陣，該像素取樣矩陣包含一中心像素、以及依照該水平方向與該垂直方向圍繞該中心像素之右上角像素、右下角像素、左上角像素、與左下角像素；以及將該像素取樣矩陣，轉換為一特徵矩陣，該特徵矩陣於該水平方向與該垂直方向，具有相同數目之水平元素列與垂直元素列，其中同一該水平元素列內元素之位元值相加總合為零，以及同一該垂直元素列內元素之位元值相加總合為零；藉由一遮罩矩陣，與各該特徵矩陣進行旋積(Convolution)運算，以產生對應各該像素取樣矩陣之該斜紋資訊；將各該像素取樣矩陣之該旋積運算值，轉換為單個一位元(1 bit)斜紋資訊。
  13. 如申請專利範圍第12項所述之光學識別方法，其中該些紋理識別矩陣包含先轉換之一第一紋理識別矩陣，以及其後轉換之一第二紋理識別矩陣，其中前述之根據前後轉換之該些紋理識別矩陣，以計算該手指運動軌跡之步驟，包含：於該第一紋理識別矩陣內選取一第一比較矩陣，並於其後之該第二紋理識別矩陣內選取與該第一比較矩陣具有相同矩陣維度且不同位置之多個第二比較矩陣，將該第一比較矩陣與該些第二比較矩陣中對應位置之該些一位元斜紋資訊分別進行比對，以計算該手指運動軌跡。
  14. 如申請專利範圍第13項所述之光學識別方法，其中該一位元斜紋資訊為0或1，而前述該第一比較矩陣與該些第二比較矩陣中對應位置之一位元斜紋資訊分別進行比對之步驟，包含：逐次將該第一比較矩陣與各該第二比較矩陣中對應位置之該些一位元斜紋資訊進行互斥或(Exclusive or)運算，並將該些互斥或運算值全部相加，全部相加值中最小之該第二比較矩陣，為對應於該第二紋理識別矩陣中該手指之移動位置。
  15. 如申請專利範圍第14項所述之光學識別方法，其中當該第一比較矩陣與各該第二比較矩陣中該些一位元斜紋資訊互斥或運算該全部相加值中，具有一最小值，且該最小值低於一第一門檻值時，具有該最小值之該第二比較矩陣，為對應於該第二紋理識別矩陣中該手指之移動位置；或當該第一比較矩陣與該第二比較矩陣之該些一位元斜紋資訊互斥或運算之該全部相加值中之一最小值，高於一第一門檻值時，選取該第二紋理識別矩陣之後轉換之一第三紋理識別矩陣，於該第三紋理識別矩陣中選取與該第二比較矩陣具有相同矩陣維度且不同位置之多個第三比較矩陣，將該第二比較矩陣與各該第三比較矩陣中該些一位元斜紋資訊進行互斥或運算，以計算對應於該第二、三紋理識別矩陣間之該手指之移動位置。
  16. 如申請專利範圍第15項所述之光學識別方法，其中當該第一比較矩陣與各該第二比較矩陣之該些一位元斜紋資訊互斥或運算之該全部相加值中，且具有最小值之該第二比較矩陣所對應於該第二紋理識別矩陣中該手指之位置，等同於該第一比較矩陣對應於該第一紋理識別矩陣該中手指之位置時時，選取該第二紋理識別矩陣之後轉換之一第三紋理識別矩陣，於該第三紋理識別矩陣中選取與該第一比較矩陣具有相同矩陣維度且不同位置之多個第三比較矩陣，將該第一比較矩陣與該些第三比較矩陣中對應位置之多個一位元斜紋資訊進行互斥或運算，以計算對應於該第一、三紋理識別矩陣間該手指運動軌跡。
  17. 如申請專利範圍第15項所述之光學識別方法，其中前述之根據前後轉換之該些紋理識別矩陣，以計算該手指運動軌跡之步驟，又包含：根據該第一比較矩陣與該第二比較矩陣，以產生該第一、二比較矩陣間之一位移 (A1)，其中該手指運動軌跡(B + A1 × P1)，為到該第一比較矩陣為止之原始手指運動軌跡(B)，加上該位移(A1)乘以權重(P1)，該權重(P1)對應於該第一比較矩陣與具有該最小值之該第二比較矩陣中對應位置之一位元斜紋資訊之互斥或運算全部相加值，其中該互斥或運算全部相加值越低時，該權重(P1)越高；或者，該互斥或運算全部相加值越高時，該權重(P1)越低。
  18. 如申請專利範圍第15項所述之光學識別方法，其中前述之根據前後轉換之該些紋理識別矩陣，以計算該手指運動軌跡之步驟，包含：根據前後依序轉換之第一比較矩陣、第二比較矩陣、對應該第二紋理識別矩陣之後轉換之一第三紋理識別矩陣之第三比較矩陣、對應該第三紋理識別矩陣之後轉換之一第四紋理識別矩陣之第四比較矩陣，以分別產生該第一比較矩陣與該第二比較矩陣間之一第一位移(A1)、該第二比較矩陣與該第三比較矩陣間之一第二位移(A2)、以及該第三比較矩陣與該第四比較矩陣間之一第三位移(A3)，其中當該第一位移(A1)與該第三位移(A3)之垂直與水平位移方向相同，且該第二位移(A2)與該第一、三位移(A1、A3)之垂直或水平位移方向相反時，該手指運動軌跡(B + A1+ A3)，為該第一比較矩陣之原始手指運動軌跡(B)，加上該第一位移(A1)與該第三位移(A3)，其中，該手指運動軌跡(B + A1+ A3)中不包含該第二位移(A2)。
  19. 一種光學識別系統，用以感測一生理特徵，其包含： 一感測器，包含一光源以及一感測單元，該光源投射至該生理部位以產生一反射光，該感測單元接收該反射光以產生至少一原始影像； 一紋理擷取器，根據該至少一原始影像以產生對應之多個斜紋資訊，該紋理擷取器轉換該些斜紋資訊為至少一紋理識別矩陣；以及 一計算器，根據前後轉換之該至少一紋理識別矩陣，以計算該生理特徵； 其中，該感測單元具有一水平方向與一垂直方向，各該斜紋資訊具有一正斜率紋理或一負斜率紋理，其中該正斜率紋理對應於該水平方向與該垂直方向，具有介於零與正無限大間之一正斜率；該負斜率紋理對應於該水平方向與該垂直方向，具有介於零與負無限大間之一負斜率。
  20. 如申請專利範圍第19項所述之光學識別系統，其中該生理部位包含一手指、一手掌、或一虹膜，其對應之該生理特徵分別包含一指紋特徵、一手指運動軌跡、一手勢軌跡、一手勢方向、或一虹膜特徵。
  21. 如申請專利範圍第19項所述之光學識別系統，其中該原始影像具有一像素矩陣，其中，該紋理擷取器於該像素矩陣中選取一像素取樣矩陣，該像素取樣矩陣包含一中心像素、以及依照該水平方向與該垂直方向圍繞該中心像素之右上角像素、右下角像素、左上角像素、與左下角像素，該紋理擷取器根據該像素取樣矩陣，以擷取該像素取樣矩陣對應之該斜紋資訊。
  22. 如申請專利範圍第21項所述之光學識別系統，其中該原始影像具有多個水平像素列，該些水平像素列於該水平方向上具有多個位元像素，該些水平像素列於該垂直方向上排列以形成該像素矩陣，其中，該像素取樣矩陣包含該中心像素、以及該右上角像素、該右下角像素、該左上角像素、與該左下角像素，以使該像素取樣矩陣形成一方形像素矩陣。
  23. 如申請專利範圍第21項所述之光學識別系統，其中該紋理擷取器將該像素取樣矩陣轉換為一特徵矩陣，該特徵矩陣於該水平方向與該垂直方向，具有相同數目之水平元素列與垂直元素列，其中同一該水平元素列內之位元元素相加總合為零，以及同一該垂直元素列內之位元元素相加總合為零。
  24. 如申請專利範圍第20項所述之光學識別系統，其中該紋理擷取器，根據該至少一原始影像又產生對應之多個直紋資訊，各該直紋資訊包含對應於該垂直方向之垂直紋資訊、或對應於該水平方向之水平紋資訊，該紋理擷取器轉換該些斜紋資訊與該些直紋資訊為該些紋理識別矩陣，以計算該手指特徵。
TW106125696A 2016-12-30 2017-07-31 光學識別方法與系統 TW201826164A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
US15/859,278 US10650212B2 (en) 2016-12-30 2017-12-29 Optical identification method and optical identification system

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US201662440746P 2016-12-30 2016-12-30
US62/440746 2016-12-30

Publications (1)

Publication Number Publication Date
TW201826164A true TW201826164A (zh) 2018-07-16

Family

ID=62770899

Family Applications (6)

Application Number Title Priority Date Filing Date
TW106124209A TW201822709A (zh) 2016-12-30 2017-07-20 即時心跳偵測方法及即時心跳偵測系統
TW106125735A TWI629645B (zh) 2016-12-30 2017-07-31 光學識別方法
TW106125696A TW201826164A (zh) 2016-12-30 2017-07-31 光學識別方法與系統
TW106129510A TW201841493A (zh) 2016-12-30 2017-08-30 具有滾動曝光時間補償之影像感測方法與影像感測器
TW106129438A TWI629904B (zh) 2016-12-30 2017-08-30 影像之亮度不均勻性的更正方法及相關影像亮度更正裝置
TW106129519A TWI629643B (zh) 2016-12-30 2017-08-30 影像感測之曝光時間決定方法

Family Applications Before (2)

Application Number Title Priority Date Filing Date
TW106124209A TW201822709A (zh) 2016-12-30 2017-07-20 即時心跳偵測方法及即時心跳偵測系統
TW106125735A TWI629645B (zh) 2016-12-30 2017-07-31 光學識別方法

Family Applications After (3)

Application Number Title Priority Date Filing Date
TW106129510A TW201841493A (zh) 2016-12-30 2017-08-30 具有滾動曝光時間補償之影像感測方法與影像感測器
TW106129438A TWI629904B (zh) 2016-12-30 2017-08-30 影像之亮度不均勻性的更正方法及相關影像亮度更正裝置
TW106129519A TWI629643B (zh) 2016-12-30 2017-08-30 影像感測之曝光時間決定方法

Country Status (2)

Country Link
CN (6) CN108261195B (zh)
TW (6) TW201822709A (zh)

Families Citing this family (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110876055B (zh) * 2018-08-30 2021-04-09 菱光科技股份有限公司 外部触发的线性相机检测系统及其影像均匀度处理方法
CN110443204A (zh) * 2018-10-11 2019-11-12 神盾股份有限公司 发光信号强度控制方法及电子装置
US10755065B2 (en) * 2018-12-03 2020-08-25 Novatek Microelectronics Corp. Sensor device and flicker noise mitigating method
CN109637505B (zh) * 2018-12-21 2020-11-17 苏州依唯森电器有限公司 四琴弦式中提琴
CN109901754B (zh) * 2019-02-20 2021-04-13 Oppo广东移动通信有限公司 数据自校准方法及相关装置
CN110672621B (zh) * 2019-10-10 2021-03-05 清华大学 基于光照亮度调整的汽车涂装表面缺陷图像质量优化方法
TWI739431B (zh) * 2019-12-09 2021-09-11 大陸商廣州印芯半導體技術有限公司 資料傳輸系統及其資料傳輸方法
TWI792258B (zh) * 2020-07-23 2023-02-11 神盾股份有限公司 影像感測裝置及其曝光時間調整方法
CN112272293A (zh) * 2020-10-28 2021-01-26 业成科技（成都）有限公司 影像处理方法

Family Cites Families (48)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003032453A (ja) * 2001-07-12 2003-01-31 Canon Inc 画像処理装置
US7505604B2 (en) * 2002-05-20 2009-03-17 Simmonds Precision Prodcuts, Inc. Method for detection and recognition of fog presence within an aircraft compartment using video images
WO2003107274A2 (en) * 2002-06-12 2003-12-24 Silicon Optix Inc. System and method for electronic correction of optical anomalies
FI116246B (fi) * 2003-06-30 2005-10-14 Nokia Corp Menetelmä ja järjestelmä digitaalisessa kuvannuksessa valotuksen säätämiseksi ja vastaava laite
US7616785B2 (en) * 2003-07-04 2009-11-10 Panasonic Corporation Living eye judging method and living eye judging device
CN1529277A (zh) * 2003-10-16 2004-09-15 王立丰 自动感应活体手指的光学指纹采集仪
CN1317671C (zh) * 2003-11-26 2007-05-23 佳能株式会社 信号处理设备和控制方法
JP2006230603A (ja) * 2005-02-23 2006-09-07 Canon Inc 撮像装置、生体認証システム及び画像取得方法
CN1664847A (zh) * 2005-03-17 2005-09-07 上海交通大学 嵌入式系统指纹的识别与匹配方法
JP4247691B2 (ja) * 2006-05-17 2009-04-02 ソニー株式会社 登録装置、照合装置、登録方法、照合方法及びプログラム
WO2008108871A2 (en) * 2006-07-31 2008-09-12 Lumidigm, Inc. Spatial-spectral fingerprint spoof detection
WO2008075136A1 (en) * 2006-12-20 2008-06-26 Nokia Corporation Exposure control based on image sensor cost function
CN100446036C (zh) * 2006-12-27 2008-12-24 浙江大学 一种基于累计直方图的非线性亮度校正方法
US8055070B2 (en) * 2007-01-05 2011-11-08 Geo Semiconductor Inc. Color and geometry distortion correction system and method
US8031925B2 (en) * 2007-01-09 2011-10-04 The Board Of Regents Of The University Of Texas System Method and computer-program product for detecting and quantifying protein spots
US7953256B2 (en) * 2007-09-21 2011-05-31 International Business Machines Corporation Method and system for detecting fingerprint spoofing
CN101399924B (zh) * 2007-09-25 2010-05-19 展讯通信（上海）有限公司 基于亮度直方图的自动曝光方法和装置
CN101494739B (zh) * 2009-02-09 2011-09-28 胡燕翔 一种多次曝光组合中曝光次数确定及曝光时间分配的方法
CN101989156B (zh) * 2010-10-08 2012-08-15 苏州佳世达电通有限公司 校正影像感测器的感测亮度的方法
US20120157791A1 (en) * 2010-12-16 2012-06-21 General Electric Company Adaptive time domain filtering for improved blood pressure estimation
CN104270582B (zh) * 2011-03-03 2017-08-22 原相科技股份有限公司 图像传感器
CN102156868B (zh) * 2011-03-31 2013-03-13 汉王科技股份有限公司 图像二值化方法和装置
JP2012222529A (ja) * 2011-04-06 2012-11-12 Sony Corp 固体撮像素子および駆動方法、並びに電子機器
US9077917B2 (en) * 2011-06-09 2015-07-07 Apple Inc. Image sensor having HDR capture capability
CN102222225B (zh) * 2011-06-24 2012-12-05 洛阳师范学院 一种手指静脉图像防伪获取方法
US9801552B2 (en) * 2011-08-02 2017-10-31 Valencell, Inc. Systems and methods for variable filter adjustment by heart rate metric feedback
CN103083005B (zh) * 2011-11-01 2015-05-13 北京瓦力网络科技有限公司 一种心率检测的方法
TWI476641B (zh) * 2011-11-22 2015-03-11 Pixart Imaging Inc 遙控器及顯示系統
WO2013128617A1 (ja) * 2012-03-01 2013-09-06 株式会社日本マイクロニクス 表示デバイスの表示むら検出方法及びその装置
US9191635B2 (en) * 2012-03-19 2015-11-17 Semiconductor Components Industries, Llc Imaging systems with clear filter pixels
US9743057B2 (en) * 2012-05-31 2017-08-22 Apple Inc. Systems and methods for lens shading correction
US20130332195A1 (en) * 2012-06-08 2013-12-12 Sony Network Entertainment International Llc System and methods for epidemiological data collection, management and display
TWI489865B (zh) * 2012-11-13 2015-06-21 Pixart Imaging Inc 曝光調整裝置、影像均化裝置及影像均化方法
CN103077377B (zh) * 2012-12-31 2015-07-29 清华大学 基于方向场分布的指纹校正方法
WO2014110654A1 (en) * 2013-01-15 2014-07-24 Avigilon Corporation Imaging apparatus with scene adaptive auto exposure compensation
ITMI20130104A1 (it) * 2013-01-24 2014-07-25 Empatica Srl Dispositivo, sistema e metodo per la rilevazione e il trattamento di segnali di battito cardiaco
US9111125B2 (en) * 2013-02-08 2015-08-18 Apple Inc. Fingerprint imaging and quality characterization
CN103258156B (zh) * 2013-04-11 2016-01-20 杭州电子科技大学 一种基于指纹特征生成密钥的方法
CN103530848A (zh) * 2013-09-27 2014-01-22 中国人民解放军空军工程大学 一种非均匀光照图像二次曝光的实现方法
CN104331683B (zh) * 2014-10-17 2017-07-07 南京工程学院 一种具有噪声鲁棒性的人脸表情识别方法
TWI512270B (zh) * 2015-01-13 2015-12-11 Pixart Imaging Inc 具動態曝光時間的光學測距系統
US9880634B2 (en) * 2015-03-20 2018-01-30 Optim Corporation Gesture input apparatus, gesture input method, and program for wearable terminal
TWI537875B (zh) * 2015-04-08 2016-06-11 大同大學 影像合成方法與影像處理裝置
CN105635359B (zh) * 2015-12-31 2018-10-26 宇龙计算机通信科技(深圳)有限公司 心率测量方法及装置、终端
CN105877730B (zh) * 2016-03-21 2019-07-26 联想(北京)有限公司 一种心率检测方法、装置及电子设备
CN105847708B (zh) * 2016-05-26 2018-09-21 武汉大学 基于图像直方图分析的线阵相机自动曝光调整方法及系统
CN106060658B (zh) * 2016-05-27 2019-06-14 青岛海信电器股份有限公司 一种图像处理方法及装置
CN106127134B (zh) * 2016-06-20 2019-07-26 联想(北京)有限公司 光学装置、电子设备及其控制方法

Also Published As

Publication number Publication date
CN108268829A (zh) 2018-07-10
CN108268830A (zh) 2018-07-10
TWI629643B (zh) 2018-07-11
CN108269239A (zh) 2018-07-10
TWI629645B (zh) 2018-07-11
CN108269239B (zh) 2021-03-30
CN108270975A (zh) 2018-07-10
CN108261195B (zh) 2020-12-11
TW201822709A (zh) 2018-07-01
TWI629904B (zh) 2018-07-11
CN108270976A (zh) 2018-07-10
CN108268830B (zh) 2021-03-30
TW201824857A (zh) 2018-07-01
CN108270975B (zh) 2020-09-15
TW201841493A (zh) 2018-11-16
CN108268829B (zh) 2021-03-30
TW201824068A (zh) 2018-07-01
CN108261195A (zh) 2018-07-10
TW201824081A (zh) 2018-07-01

Similar Documents

Publication Publication Date Title
TW201826164A (zh) 光學識別方法與系統
US11256955B2 (en) Image processing apparatus, image processing method, and non-transitory computer-readable storage medium
US9733717B2 (en) Gesture-based user interface
Matern et al. Gradient-based illumination description for image forgery detection
ES2791718T3 (es) Detección y seguimiento de objetos en imágenes
JP5505410B2 (ja) データ処理装置、画像照合方法、プログラムおよび画像照合システム
WO2012127618A1 (ja) 動体検出装置、動体検出方法、動体検出プログラム、動体追跡装置、動体追跡方法及び動体追跡プログラム
Yamamoto et al. General improvement method of specular component separation using high-emphasis filter and similarity function
JPWO2014010203A1 (ja) 転倒検知装置および転倒検知方法、転倒検知カメラ、並びにコンピュータ・プログラム
Wu et al. Rendering or normalization? An analysis of the 3D-aided pose-invariant face recognition
Baek et al. Multimodal camera-based gender recognition using human-body image with two-step reconstruction network
CN107145741B (zh) 基于图像分析的耳诊数据采集方法及装置
US10304002B2 (en) Depth-based feature systems for classification applications
JP5316017B2 (ja) 画像処理装置、生体認証装置、画像処理方法及びプログラム
WO2018027527A1 (zh) 一种光学系统成像质量的检测方法和装置
WO2018113206A1 (zh) 一种图像处理方法及终端
US20220172505A1 (en) Biometrics authentication device and biometrics authentication method for authenticating a person with reduced computational complexity
US10650212B2 (en) Optical identification method and optical identification system
CN108255298B (zh) 一种投影交互系统中的红外手势识别方法及设备
CN111753796A (zh) 图像中关键点的识别方法、装置、电子设备及存储介质
Masaoud et al. A review paper on ear recognition techniques: models, algorithms and methods
JP7360217B2 (ja) ユーザのバイオメトリック特性を有する当該ユーザの物体の画像からデータを取得するための方法
Elsayed et al. Hybrid method based on multi-feature descriptor for static sign language recognition
Dehankar et al. Using AEPI method for hand gesture recognition in varying background and blurred images
Murino et al. New Trends in Image Analysis and Processing--ICIAP 2015 Workshops: ICIAP 2015 International Workshops, BioFor, CTMR, RHEUMA, ISCA, MADiMa, SBMI, and QoEM, Genoa, Italy, September 7-8, 2015, Proceedings