TW202235900A - 使用射頻感測的面部識別 - Google Patents
使用射頻感測的面部識別 Download PDFInfo
- Publication number
- TW202235900A TW202235900A TW111101727A TW111101727A TW202235900A TW 202235900 A TW202235900 A TW 202235900A TW 111101727 A TW111101727 A TW 111101727A TW 111101727 A TW111101727 A TW 111101727A TW 202235900 A TW202235900 A TW 202235900A
- Authority
- TW
- Taiwan
- Prior art keywords
- user
- waveform
- wireless device
- determining
- sensing
- Prior art date
Links
- 230000001815 facial effect Effects 0.000 title claims abstract description 147
- 238000000034 method Methods 0.000 claims abstract description 185
- 230000033001 locomotion Effects 0.000 claims abstract description 63
- 230000004044 response Effects 0.000 claims abstract description 40
- 230000000977 initiatory effect Effects 0.000 claims description 10
- 230000008569 process Effects 0.000 description 98
- 210000003128 head Anatomy 0.000 description 95
- 238000004422 calculation algorithm Methods 0.000 description 79
- 230000006870 function Effects 0.000 description 35
- 238000005070 sampling Methods 0.000 description 30
- 238000004891 communication Methods 0.000 description 25
- 238000012545 processing Methods 0.000 description 21
- 239000013598 vector Substances 0.000 description 20
- 238000005516 engineering process Methods 0.000 description 19
- 238000001514 detection method Methods 0.000 description 18
- 230000008054 signal transmission Effects 0.000 description 17
- 238000010586 diagram Methods 0.000 description 14
- 238000005259 measurement Methods 0.000 description 13
- 238000010801 machine learning Methods 0.000 description 10
- 230000005540 biological transmission Effects 0.000 description 8
- 238000013528 artificial neural network Methods 0.000 description 7
- 238000000605 extraction Methods 0.000 description 7
- 238000004590 computer program Methods 0.000 description 6
- 238000007726 management method Methods 0.000 description 6
- 239000000463 material Substances 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 6
- 238000013500 data storage Methods 0.000 description 5
- 230000007246 mechanism Effects 0.000 description 5
- 210000000887 face Anatomy 0.000 description 4
- 239000011521 glass Substances 0.000 description 4
- 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
- 230000000694 effects Effects 0.000 description 3
- 239000011159 matrix material Substances 0.000 description 3
- 238000003491 array Methods 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 2
- 238000013478 data encryption standard Methods 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 230000001934 delay Effects 0.000 description 2
- 230000008921 facial expression Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 239000002245 particle Substances 0.000 description 2
- 238000000926 separation method Methods 0.000 description 2
- 230000011664 signaling Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 239000004606 Fillers/Extenders Substances 0.000 description 1
- 241001465754 Metazoa Species 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 230000003190 augmentative effect Effects 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- -1 etc.) Substances 0.000 description 1
- 238000005562 fading Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000007667 floating Methods 0.000 description 1
- 230000001976 improved effect Effects 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
- 239000005022 packaging material Substances 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 239000010421 standard material Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 230000008093 supporting effect Effects 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
Images
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
公開了用於檢測用戶存在、用戶運動以及用於執行面部認證的系統和技術。例如,無線設備可以接收波形,該波形作為發送的射頻(RF)波形的反射。基於與接收到的波形相關聯的RF感測資料,無線設備可以確定用戶的存在。響應於確定用戶的存在,無線設備可以發起用戶的面部認證。
Description
本公開總體上涉及檢測用戶存在和/或執行面部識別。本公開的方面涉及用於使用射頻(RF)感測來檢測用戶存在和/或執行面部識別的系統和技術。
無線電子設備能夠提供可用於防止未經授權存取設備的安全特徵。例如,便攜式電子設備可以包括軟體和硬體組件,這些組件可以將無線設備置於“鎖定”狀態,從而防止未經授權的用戶存取設備。
無線電子設備還可包括硬體和軟體組件,其可用於基於與授權用戶相關聯的生物特徵(例如面部或指紋認證)來解鎖設備。為了實現各種電信功能,無線電子設備可以包括配置為發送和接收射頻(RF)信號的硬體和軟體組件。例如,無線設備可被配置為經由Wi-Fi、5G/新無線電(NR)、藍牙TM和/或超寬帶(UWB)等進行通信。
以下給出了與本文公開的一個或多個方面相關的簡化摘要。因此,以下摘要不應被視為與所有預期方面相關的廣泛概述,也不應被視為識別與所有預期方面相關的關鍵或重要要素,或描述與任何特定方面相關的範圍。因此,以下摘要的唯一目的是在下文給出的詳細描述之前以簡化形式呈現與本文公開的機制相關的一個或多個方面相關的某些概念。
公開了用於執行面部識別的系統、方法、裝置和計算機可讀媒體。根據至少一個示例,提供了一種用於執行面部識別的方法。方法可以包括:通過第一無線設備接收作為第一射頻(RF)波形的反射的第一接收波形;基於與第一接收波形相關聯的RF感測資料來確定用戶的存在;以及響應於確定用戶的存在,發起用戶的面部認證。
在另一個示例中,提供了一種用於面部識別的無線設備,其包括至少一個收發器、至少一個儲存記憶體以及耦接到至少一個儲存記憶體和至少一個收發器的至少一個處理器(例如,以電路配置)。至少一個處理器被配置為:經由至少一個收發器接收作為第一射頻(RF)波形的反射的第一接收波形;基於與第一接收波形相關聯的RF感測資料來確定用戶的存在;以及響應於確定用戶的存在,發起用戶的面部認證。
在另一個示例中,提供了一種非暫時性計算機可讀媒體,媒體包括儲存於其上的至少一條指令,當至少一條指令被一個或多個處理器執行時,使一個或多個處理器:通過第一無線設備接收作為第一射頻(RF)波形反射的第一接收波形;基於與第一接收波形相關聯的RF感測資料來確定用戶的存在;以及響應於確定用戶的存在,發起用戶的面部認證。
在另一個示例中,提供了一種用於執行面部識別的裝置。裝置包括:用於接收作為第一RF波形的反射的第一接收波形的部件;用於基於與第一接收波形相關聯的RF感測資料來確定用戶存在的部件;以及響應於確定用戶的存在,用於發起用戶的面部認證的部件。
在另一個示例中,提供了一種確定用戶存在的方法。方法可以包括:通過無線設備處理作為第一射頻(RF)波形的反射的第一接收波形;基於與第一接收波形相關聯的RF感測資料來確定用戶的存在;響應於確定用戶的存在,發送具有比第一RF波形更高頻寬的第二RF波形;處理作為來自用戶的第二RF波形的反射的第二接收波形;以及基於與第二接收波形相關聯的RF感測資料來確定用戶的頭部存在或用戶的頭部方向中的至少一個。
在另一個示例中,提供了一種用於確定用戶是否存在的無線設備,無線設備包括至少一個收發器、至少一個儲存記憶體以及耦接到至少一個儲存記憶體和至少一個收發器的至少一個處理器(例如,以電路配置)。至少一個處理器被配置為:處理作為第一射頻(RF)波形的反射的第一接收波形;基於與第一接收波形相關聯的RF感測資料來確定用戶的存在;響應於確定用戶的存在,經由至少一個收發器發送具有比第一RF波形更高頻寬的第二RF波形;處理作為來自用戶的第二RF波形的反射的第二接收波形;以及基於與第二接收波形相關聯的RF感測資料來確定用戶的頭部存在或用戶的頭部方向中的至少一個。
在另一個示例中,提供了一種非瞬態計算機可讀媒體,媒體包括儲存在其上的至少一條指令,當至少一條指令被一個或多個處理器執行時,使一個或多個處理器:處理作為第一射頻(RF)波形反射的第一接收波形;基於與第一接收波形相關聯的RF感測資料來確定用戶的存在;響應於確定用戶的存在,經由至少一個收發器發送具有比第一RF波形更高頻寬的第二RF波形;處理作為來自用戶的第二RF波形的反射的第二接收波形;以及基於與第二接收波形相關聯的RF感測資料來確定用戶的頭部存在或用戶的頭部方向中的至少一個。
在另一示例中,提供了一種用於確定用戶存在的裝置。裝置包括:用於處理作為第一射頻(RF)波形的反射的第一接收波形的部件;用於基於與第一接收波形相關聯的RF感測資料來確定用戶存在的部件;用於響應於確定用戶的存在而發送具有比第一RF波形更高頻寬的第二RF波形的部件;用於處理作為來自用戶的第二RF波形的反射的第二接收波形的部件;以及用於基於與第二接收波形相關聯的RF感測資料來確定用戶頭部存在或用戶頭部方向中的至少一個的部件。
在一些方面,裝置是無線設備或是無線設備的一部分,例如行動設備(例如,行動電話或所謂的“智慧型電話”或其他行動設備)、可穿戴設備、擴展現實設備(例如,虛擬現實(VR)設備、增強現實(AR)設備或混合現實(MR)設備)、平板電腦、個人計算機、膝上型計算機、伺服器計算機、無線存取點、車輛或車輛組件,或具有RF介面的任何其他設備。
根據附圖和詳細說明,與本文所公開的方面相關聯的其他目的和優點對於本領域技術人員來說是顯而易見的。
下文提供了本公開的某些方面和實施例,以供說明。可以在不脫離本公開的範圍的情況下設計替代方面。此外,將不詳細描述或省略本公開的已知要素,以避免掩蓋本公開的相關細節。本文描述的一些方面和實施例可以獨立地應用,並且其中一些可以組合應用,這對於本領域技術人員來說是顯而易見的。在以下描述中,為了解釋的目的,闡述了具體細節,以便提供對本申請的實施例的透徹理解。然而,顯而易見的是,可以在沒有這些具體細節的情況下實施各種實施例。這些附圖和描述並不具有限制性。
隨後的描述提供了示例性實施例,並不打算限制本公開的範圍、適用性或配置。相反,隨後對示例性實施例的描述將為本領域技術人員提供實現示例性實施例的可行描述。應當理解,在不脫離所附請求項中所述的應用的精神和範圍的情況下,可以對元件的功能和佈置進行各種改變。
許多便攜式電子設備,如智慧型手機、平板電腦和筆記本電腦,都能夠執行面部識別。例如,便攜式電子設備可以利用面部識別來執行認證,例如用於驗證用戶身份(例如,檢查嘗試的設備存取是否登記在授權用戶的資料庫中)。面部認證具有許多應用,例如用於執行設備存取控制,例如,對設備的“解鎖”存取,以提供對特定應用或服務的存取等。
在其他示例中,便攜式電子設備可以使用面部識別來基於用戶對設備的注意實現顯示管理特徵。例如,設備的前向感測器(例如,點投影儀和/或照相機)可用於促進面部識別,以便初始化和/或保持設備顯示,例如,只要用戶正在觀看屏幕。基於用戶注意力的設備動作的其他示例包括自動更改顯示亮度、設備“鎖定”超時和/或調整警報音量等。
一些現有的面部識別系統使用紅外(IR)光源照亮用戶的面部,並使用紅外(IR)攝像頭執行圖像捕獲。在某些情況下,然後可以處理捕獲的圖像並將其與儲存的註冊面部進行比較,以便執行用戶認證。雖然現有的面部識別系統通常是可靠的,但此類系統的功耗可能很高。為了克服這個問題,無線設備上的面部識別系統通常僅在檢測到某種類型的用戶活動或預定條件時觸發,例如,點擊屏幕、設備移動、傳入通知等。在沒有這些觸發器的情況下,當設備鎖定以節省電池壽命時,面部識別系統將被禁用。因此,現有系統在執行面部識別以認證用戶和“解鎖”設備時具有固有的延遲。
現有面部識別系統的高功耗在實現顯示管理的用戶感知特徵時也存在問題。雖然這些特徵可能不需要用於面部認證的面部識別系統所需的準確度,但由於缺乏更有效的替代方案,必須使用現有系統,這對設備的電池壽命產生不利影響。
除了與高功耗相關的問題外,一些面部識別系統在暴露於直接光源(如陽光)下時無法正常工作,因為強烈的入射光可能會干擾紅外圖像的保真度。另一個問題是,如果用戶戴著過濾或阻擋紅外光的眼鏡,現有的面部識別系統可能會失敗。此外,現有的面部識別系統容易基於用戶的照片來對用戶進行虛假認證。
希望開發一種技術,使設備能夠實現面部識別,從而減少啟動延遲,同時改進電源管理,以降低總體功耗並節省電池壽命。此外,希望開發一種技術,克服與在陽光直射下或使用任何類型眼鏡進行面部識別有關的問題,並降低任何虛假身份認證的可能性。此外,最好利用設備上現有的射頻(RF)介面來執行這些技術。
本文描述了用於執行面部識別的系統、裝置、過程(也稱為方法)和計算機可讀媒體(統稱為“系統和技術”)。雖然本文中描述的系統和技術是關於面部識別的,但系統和技術可用於執行其他身體部位和/或物體的識別,例如牆壁、家具、門等。本文中描述的系統和技術也可用於追蹤用戶、動物、物體等的移動。
系統和技術為電子設備提供了收集RF感測資料的能力,RF感測資料可用於執行面部識別、檢測運動、確定用戶的頭部和/或其他身體部位(例如,頭部的一部分、面部、頭部/頸部區域、手、眼睛等)的存在,確定用戶面部的方向,和/或執行面部認證。在一些方面,可以通過利用能夠同時執行發送和接收功能的無線介面(例如,單基地配置)來收集RF感測資料。在其他方面,RF感測資料可以通過利用雙基地配置來收集,其中發送和接收功能由不同的設備執行(例如,第一無線設備發送RF波形並且第二無線設備接收RF波形以及任何相應的反射)。這裡將使用Wi-Fi作為說明性示例來描述示例。然而,系統和技術不限於Wi-Fi。例如,在某些情況下,系統和技術可以使用5G/新無線電(NR)來實現,例如使用毫米波(mmWave)技術。在一些情況下,系統和技術可以使用其他無線技術來實現,例如藍牙™、超寬帶(UWB)等。
在一些方面,設備可以包括Wi-Fi介面,Wi-Fi介面被配置為實施基於發送的RF信號的頻寬、空間流的數量、配置的發送RF信號的天線數量、配置的接收RF信號的天線數量、空間鏈路的數量(例如,空間流的數量乘以被配置為接收RF信號的天線的數量)、採樣率、或其任何組合的具有不同水平的RF感測解析度的演算法。例如,設備的Wi-Fi介面可以配置為實現低解析度RF感測演算法,此演算法消耗少量功率,並且可以在設備處於“鎖定”狀態和/或處於“睡眠”模式時在後臺運行。。在某些情況下,設備可以使用低解析度RF感測演算法作為粗略檢測機制,粗略檢測機制可以感測設備特定鄰近範圍內的運動。在某些方面,低解析度RF感測演算法可用作發起設備的面部識別系統的觸發器,並且可以提供比現有觸發器(例如,設備運動、點擊屏幕、警報等)更低的延遲。在一些方面,通過使用低解析度RF感測演算法檢測運動可以觸發設備在發起面部識別之前執行更高解析度RF感測演算法(例如,中解析度RF感測演算法、高解析度RF感測演算法或其他更高解析度RF感測演算法,如本文所討論的)。
在一些示例中,設備的Wi-Fi介面可以配置為實現中解析度RF感測演算法。用於中解析度RF感測演算法的發送RF信號可以不同於低解析度RF感測演算法,其具有更高的頻寬、更高數量的空間流,更高數量的空間鏈路(例如,配置為接收RF信號和/或更高數量的空間流的更高數量的天線)、更高的採樣率(對應於更小的採樣間隔)或其任何組合。在一些情況下,中解析度RF感測演算法可用於檢測用戶頭部(或其他身體部位,例如面部、眼睛等)的存在以及設備附近的運動。在一些示例中,如上所述,通過使用低解析度RF感測演算法,響應於檢測設備附近的運動,可以調用中解析度RF感測演算法。在某些情況下,中解析度RF感測演算法可通過利用數位信號處理來過濾未從面向設備屏幕的方向反射的信號,從而將其檢測集中在用戶頭部。在某些示例中,中解析度RF感測演算法還可用作發起設備的面部識別系統的觸發器,並可提供比現有觸發器(例如,設備運動、觸摸屏交互、警報等)更低的延遲。在一些情況下,通過使用中解析度RF感測演算法檢測用戶頭部的存在可以觸發設備在發起面部識別之前執行更高解析度RF感測演算法(例如,高解析度RF感測演算法或其他更高解析度RF感測演算法,如本文所述)。
在另一個示例中,設備的Wi-Fi介面可以配置為實現高解析度RF感測演算法。用於高解析度RF感測演算法的發送RF信號可以不同於中解析度RF感測演算法和低解析度RF感測演算法,因為其具有更高的頻寬、更高數量的空間流,更高數量的空間鏈路(例如,配置為接收RF信號和/或更高數量的空間流的更高數量的天線)、更高的採樣率或其任何組合。在一些情況下,高解析度RF感測演算法可用於檢測用戶頭部的方向(例如,用戶是否面對電話或看別處)、用戶頭部的存在和/或設備附近的運動。在一些示例中,可以響應於檢測設備附近的運動和/或響應於檢測用戶頭部(或其他身體部位,例如面部、眼睛等)的存在而調用高解析度RF感測演算法。在一些方面,高解析度RF感測演算法可利用數位信號處理來過濾未從面向設備屏幕的方向反射的信號。在某些情況下,高解析度RF感測演算法可用作發起設備的面部識別系統的觸發器,並可提供比上述現有面部識別觸發器更低的延遲。
在一些示例中,可以將設備的Wi-Fi介面配置為實現面部認證RF感測演算法。在一種實施方式中,設備可以利用能夠發送極高頻(EHF)信號或mmWave技術(例如IEEE 802.11ad)的RF介面來執行面部識別。例如,設備可以包括mmWave RF介面。在一些示例中,mmWave RF介面可以利用一個或多個定向天線,這些定向天線被配置為在垂直於設備屏幕的方向上發送信號。例如,設備可以利用mmWave RF介面執行窄波束掃描,以從用戶面部反射的各種信號中獲得不同角度的飛行時間和相位測量。在一些示例中,設備可以利用飛行時間和相位測量來生成面部特徵。設備可以將面部特徵與儲存在系統中用於面部識別的校準面部度量進行比較。
根據此類系統和技術實現的面部識別可以在陽光直射或佩戴紅外遮光眼鏡的用戶中有利地發揮作用。此外,根據這些系統和技術的面部識別可以結合用戶面部的三維資料,因此可以產生比現有系統更高的準確性。
在一些示例中,系統和技術可以通過實現具有至少兩個天線的設備的Wi-Fi介面來執行與上述每個演算法相關聯的RF感測,至少兩個天線可用於同時發送和接收RF信號。在一些情況下,天線可以是全向的,使得可以從所有方向接收和發送RF信號。例如,設備可以利用其Wi-Fi介面的發送器來發送RF信號,並同時啟用Wi-Fi介面的Wi-Fi接收器,以便設備可以捕獲從用戶反射的任何信號。Wi-Fi接收器還可以配置為檢測從Wi-Fi發送器的天線傳輸到Wi-Fi接收器的天線而沒有從任何物體反射的洩漏信號。在這樣做時,設備可以以與發送信號的直接路徑(洩漏信號)相關的信道狀態資訊(CSI)資料以及與對應於發送信號的接收的信號的反射路徑相關的資料的形式收集RF感測資料。
在某些方面,CSI資料可用於計算反射信號的距離以及到達角。反射信號的距離和角度可用於檢測運動,確定用戶頭部、面部、眼睛、腳、手等的存在,和/或如上所述確定用戶面部的方向。在一些示例中,反射信號的距離和到達角可以使用信號處理、機器學習演算法、使用任何其他合適的技術或其任何組合來確定。在一個示例中,可以通過測量從接收洩漏信號到接收反射信號的時間差來計算反射信號的距離。在另一個示例中,可以通過利用天線陣列接收反射信號並測量天線陣列的每個單元處的接收相位差來計算到達角。在一些情況下,反射信號的距離以及反射信號的到達角可用於識別用戶的存在和方向特徵,例如通過識別用戶頭部的存在和/或方向。
在一些示例中,本文討論的一種或多種RF感測演算法可用於執行基於用戶意識的設備管理功能。例如,一個或多個RF感測演算法可用於確定用戶的頭部方向。然後,用戶的頭部方向可以用來推斷用戶是將注意力指向設備屏幕還是其他地方。與利用面部認證來確定用戶意識的現有系統相比,這種實現方式可以導致更低的功耗。
下文將結合附圖討論本文所述系統和技術的各個方面。圖1示出了用戶設備107的計算系統170的示例。用戶設備107是可由最終用戶使用的設備的示例。例如,用戶設備107可以包括行動電話、路由器、平板電腦、筆記本電腦、追蹤設備、可穿戴設備(例如,智慧型手錶、眼鏡、XR設備等)、物聯網(IoT)設備、車輛(或車輛的計算設備),和/或用戶用於通過無線通信網路進行通信的另一設備。在某些情況下,設備可被稱為站點(STA),例如當指被配置為使用Wi-Fi標準進行通信的設備時。在一些情況下,設備可以被稱為用戶裝備(UE),例如當指被配置為使用5G/新無線電(NR)、長期演進(LTE)或其他電信標準進行通信的設備時。
計算系統170包括軟體和硬體組件,這些組件可以通過匯流排189進行電耦接或通信耦接(或根據需要進行通信)。例如,計算系統170包括一個或多個處理器184。一個或多個處理器184可包括一個或多個CPU、ASIC、FPGA、AP、GPU、VPU、NSP、微控制器、專用硬體、其任何組合和/或其他處理設備和/或系統。匯流排189可由一個或多個處理器184用於核心之間和/或與一個或多個記憶體設備186通信。
計算系統170還可以包括一個或多個儲存設備186、一個或多個數位信號處理器(DSP)182、一個或多個訂戶標識模組(SIM)174、一個或多個數據機176、一個或多個無線收發器178、一個或多個天線187,一個或多個輸入設備172(例如,相機、鼠標、鍵盤、觸摸屏、觸摸板、鍵盤、麥克風等)和一個或多個輸出設備180(例如,顯示器、揚聲器、打印機等)。
一個或多個無線收發器178可以經由天線187從一個或多個其他設備接收無線信號(例如,信號188),這些設備包括其他用戶設備、網路設備(例如,基站,例如eNB和/或gNB、WiFi存取點(AP),例如路由器、範圍擴展器等)、雲網路等。在一些示例中,計算系統170可包括多個天線或天線陣列,其可促進同時發送和接收功能。天線187可以是全向天線,使得RF信號可以從所有方向接收和發送。無線信號188可經由無線網路發送。無線網路可以是任何無線網路,例如蜂窩或電信網路(例如3G、4G、5G等)、無線區域網(例如WiFi網路)、Bluetooth
TM網路和/或其他網路。在一些示例中,一個或多個無線收發器178可以包括包含一個或多個組件的RF前端,組件例如是放大器、用於信號下變頻的混頻器(也稱為信號乘法器)、向混頻器提供信號的頻率合成器(也稱為振盪器)、基帶濾波器、類比轉數位轉換器(ADC)、一個或多個功率放大器以及其他組件。RF前端通常可以處理無線信號188到基帶或中頻的選擇和轉換,並且可以將RF信號轉換到數位域。
在一些情況下,計算系統170可以包括編碼解碼設備(或CODEC,其被配置為對使用一個或多個無線收發器178發送和/或接收的資料進行編碼和/或解碼。在一些情況下,計算系統170可以包括被配置為加密和/或解密由一個或多個無線收發器178發送和/或接收的資料(例如,根據高級加密標準(AES)和/或資料加密標準(DES)標準)的加密解密設備或組件。
一個或多個SIM 174可以各自安全地儲存分配給用戶設備107的用戶的國際行動用戶身份(IMSI)號碼和相關密鑰。IMSI和密鑰可用於在存取由與一個或多個SIM 174相關聯的網路服務提供商或運營商提供的網路時識別和認證訂戶。一個或多個數據機176可以調變一個或多個信號,以使用一個或多個無線收發器178對用於傳輸的資訊進行編碼。一個或多個數據機176還可以解調由一個或多個無線收發器178接收的信號,以便解碼發送的資訊。在一些示例中,一個或多個數據機176可以包括WiFi數據機、4G(或LTE)數據機、5G(或NR)數據機和/或其他類型的數據機。一個或多個數據機176和一個或多個無線收發器178可用於為一個或多個SIM 174通信資料。
計算系統170還可以包括(和/或與之通信)一個或多個非暫時性機器可讀儲存媒體或儲存設備(例如,一個或多個儲存設備186),其可以包括但不限於本地和/或網路可存取儲存、磁碟驅動器、驅動器陣列、光儲存設備、,一種固態儲存設備,例如RAM和/或ROM,其可以是可程式化的、可快閃記憶體更新的和/或類似物。這種儲存設備可以被配置為實現任何適當的資料儲存,包括但不限於各種檔案系統、資料庫結構等。
在各種實施例中,功能可以作為一個或多個計算機程式產品(例如,指令或代碼)儲存在儲存設備186中,並由一個或多個處理器184和/或一個或多個DSP 182執行。計算系統170還可以包括軟體元素(例如,位於一個或多個儲存設備186內),包括例如操作系統、設備驅動程式、可執行庫和/或其他代碼,例如一個或多個應用程式,其可包括實現各種實施例提供的功能的計算機程式,和/或可被設計為實現方法和/或配置系統,如本文所述。
圖2是示出無線設備200的示例的圖,無線設備200利用RF感測技術來執行一個或多個功能,例如檢測用戶202的存在、檢測用戶的方位特徵、執行面部識別、其任何組合和/或執行其他功能。在一些示例中,無線設備200可以是用戶設備107,例如行動電話、平板電腦、可穿戴設備或包括至少一個RF介面的其他設備。在一些示例中,無線設備200可以是為用戶設備(例如,用戶設備107)提供連接的設備,例如無線存取點(AP)、基站(例如,gNB、eNB等),或者包括至少一個RF介面的其他設備。
在一些方面,無線設備200可以包括用於發送RF信號的一個或多個組件。無線設備200可以包括數位轉類比轉換器(DAC)204,其能夠接收數位信號或波形(例如,來自微處理器,未示出),並將信號或波形轉換為類比波形。作為DAC 204的輸出的類比信號可以提供給RF發送器206。RF發送器206可以是Wi-Fi發送器、5G/NR發送器、Bluetooth
TM發送器或能夠發送RF信號的任何其他發送器。
RF發送器206可以耦接到一個或多個發送天線,例如TX天線212。在一些示例中,TX天線212可以是能夠在所有方向上發送RF信號的全向天線。例如,TX天線212可以是全向Wi-Fi天線,其可以以360度輻射樣式輻射Wi-Fi信號(例如,2.4 GHz、5 GHz、6 GHz等)。在另一示例中,TX天線212可以是在特定方向上發送RF信號的定向天線。
在一些示例中,無線設備200還可以包括用於接收RF信號的一個或多個組件。例如,無線設備200中的接收器陣列可以包括一個或多個接收天線,例如RX天線214。在一些示例中,RX天線214可以是能夠從多個方向接收RF信號的全向天線。在其他示例中,RX天線214可以是被配置為接收來自特定方向的信號的定向天線。在進一步的示例中,TX天線212和RX天線214都可以包括配置為天線陣列的多個天線(例如,單元)。
無線設備200還可以包括耦接到RX天線214的RF接收器210。RF接收器210可以包括一個或多個硬體組件,用於接收RF波形,例如Wi-Fi信號、藍牙
TM信號、5G/NR信號或任何其他RF信號。RF接收器210的輸出可以耦接到類比轉數位轉換器(ADC)208。ADC 208可以被配置成將接收到的類比RF波形轉換成可以提供給諸如數位信號處理器(未示出)的處理器的數位波形。
在一個示例中,無線設備200可以通過使TX波形216從TX天線212發送來實現RF感測技術。儘管TX波形216被示為單線,但在某些情況下,TX波形216可以通過全向TX天線212在所有方向上發送。在一個示例中,TX波形216可以是由無線設備200中的Wi-Fi發送器發送的Wi-Fi波形。在某些情況下,TX波形216可對應於與Wi-Fi資料通信信號或Wi-Fi控制功能信號(例如,信標發送)同時或接近同時發送的Wi-Fi波形。在一些示例中,TX波形216可以使用與Wi-Fi資料通信信號或Wi-Fi控制功能信號(例如,信標發送)相同或類似的頻率資源來發送。在一些方面中,TX波形216可對應於與Wi-Fi資料通信信號和/或Wi-Fi控制信號分開發送的Wi-Fi波形(例如,TX波形216可在不同時間和/或使用不同頻率資源發送)。
在一些示例中,TX波形216可對應於5G NR波形,TX波形216與5G NR資料通信信號或5G NR控制功能信號同時或接近同時發送。在一些示例中,可以使用與5G NR資料通信信號或5G NR控制功能信號相同或類似的頻率資源來發送TX波形216。在一些方面中,TX波形216可對應於與5G NR資料通信信號和/或5G NR控制信號分開發送的5G NR波形(例如,TX波形216可在不同時間和/或使用不同頻率資源發送)。
在一些方面,可以修改與TX波形216相關聯的一個或多個參數,這些參數可用於提高或降低RF感測解析度。這些參數可以包括頻率、頻寬、空間流的數量、配置為發送TX波形216的天線數量、配置為接收對應於TX波形216的反射RF信號的天線數量,空間鏈路的數量(例如,空間流的數量乘以配置為接收RF信號的天線的數量)、採樣率或其任何組合。
在進一步的示例中,TX波形216可以實現為具有完美或幾乎完美的自相關特性的序列。例如,TX波形216可以包括單載波Zadoff序列,或者可以包括類似於正交分頻多工(OFDM)長訓練場(LTF)符號的符號。在某些情況下,TX波形216可以包括例如在調頻連續波(FM-CW)雷達系統中使用的chirp信號。在一些配置中,chirp信號可以包括其中信號頻率以線性和/或指數方式週期性增加和/或減少的信號。
在一些方面,無線設備200可以通過執行併發發送和接收功能來進一步實現RF感測技術。例如,無線設備200可以使其RF接收器210在使RF發送器206發送TX波形216的同時或接近同時進行接收。在一些示例中,包括在TX波形216中的序列或樣式的傳輸可以連續地重複,使得該序列被傳輸一定次數或一定持續時間。在一些示例中,如果在RF發送器206之後啟用RF接收器210,則在發送TX波形216中重複樣式可以用來避免錯過任何反射信號的接收。在一個示例實施方式中,TX波形216可以包括具有被發送兩次或更多次的序列長度L的序列,其可以允許RF接收器210在小於或等於L的時間被啟用,以便在不丟失任何資訊的情況下接收對應於整個序列的反射。
通過實現同時發送和接收功能,無線設備200可以接收與TX波形216對應的任何信號。例如,無線設備200可以接收從TX波形216範圍內的物體或人反射的信號,例如從用戶202反射的RX波形218。無線設備200還可以接收直接從TX天線212耦接到RX天線214而不從任何物體反射的洩漏信號(例如,TX洩漏信號220)。例如,洩漏信號可以包括從無線設備上的發送器天線(例如,TX天線212)傳輸到無線設備上的接收天線(例如,RX天線214)而不從任何物體反射的信號。在一些情況下,RX波形218可以包括與TX波形216中包括的序列的多個副本相對應的多個序列。在一些示例中,無線設備200可以組合由RF接收器210接收的多個序列以提高信噪比(SNR)。
無線設備200可以通過獲得與對應於TX波形216的每個接收信號相關聯的RF感測資料來進一步實現RF感測技術。在一些示例中,RF感測資料可以包括與TX波形216的直接路徑(例如,洩漏信號220)相關的信道狀態資訊(CSI)資料,以及與對應於TX波形216的反射路徑(例如,RX波形218)相關的資料。
在一些方面,RF感測資料(例如,CSI資料)可包括可用於確定RF信號(例如,TX波形216)從RF發送器206傳播到RF接收器210的方式的資訊。RF感測資料可以包括與由於散射、衰落和/或功率隨距離衰減或其任何組合而對發送的RF信號產生的影響相對應的資料。在一些示例中,RF感測資料可以包括與特定頻寬上的頻域中的每個音調對應的虛擬資料和真實資料(例如,I/Q分量)。
在一些示例中,RF感測資料可用於計算與反射波形(如RX波形218)相對應的距離和到達角。在進一步的示例中,RF感測資料還可用於檢測運動、確定位置、檢測位置或運動模式的變化、獲得信道估計或其任何組合。在某些情況下,反射信號的距離和到達角可用於識別周圍環境中用戶(例如,用戶202)的大小、位置、移動或方向,以便檢測用戶的存在/接近程度、檢測用戶的注意力,和/或執行面部識別以及用戶認證(例如面部認證)。
無線設備200可以通過利用信號處理、機器學習演算法、使用任何其他合適的技術或其任何組合,來計算與反射波形相對應的距離和到達角(例如,與RX波形218相對應的距離和到達角)。在其他示例中,無線設備200可以將RF感測資料發送到另一計算設備,例如伺服器,該伺服器可以執行計算以獲得與RX波形218或其他反射波形相對應的距離和到達角。
在一個示例中,可以通過測量從接收洩漏信號到接收反射信號的時間差來計算RX波形218的距離。例如,無線設備200可以基於從無線設備200發送TX波形216的時間到其接收洩漏信號220的時間之間的差(例如,傳播延遲)來確定零的基線距離。然後,無線設備200可以基於從無線設備200發送TX波形216的時間到其接收RX波形218的時間之間的差(例如,飛行時間)來確定與RX波形218相關聯的距離,然後可以根據與洩漏信號220相關聯的傳播延遲來調整該距離。這樣,無線設備200可以確定RX波形218所經過的距離,該距離可用於確定引起反射的用戶(例如,用戶202)的存在和行動。
在進一步的示例中,可以通過測量接收天線陣列(例如天線214)的各個單元之間的RX波形218的到達時間差來計算RX波形218的到達角。在一些示例中,可以通過測量接收天線陣列中每個單元的接收相位差來計算到達時間差。
在某些情況下,RX波形218的距離和到達角可用於確定無線設備200和用戶202之間的距離,以及用戶202相對於無線設備200的位置。RX波形218的距離和到達角還可用於確定用戶202的存在、移動、接近、注意、身份或其任何組合。例如,無線設備200可以利用與RX波形218相對應的計算的距離和到達角來確定用戶202正在朝無線設備200走去。基於用戶202與無線設備200的接近度,無線設備200可以啟動面部認證以解鎖設備。在一些方面中,可以基於用戶202在到無線設備200的閾值距離內來啟動面部認證。閾值距離的示例包括2英尺、1英尺、6英寸、3英寸或任何其他距離。
如上所述,無線設備200可以包括行動設備(例如,智慧型手機、筆記本電腦、平板電腦等)或其他類型的設備。在一些示例中,無線設備200可以被配置為與RF感測資料一起獲得設備位置資料和設備方向資料。在一些情況下,設備位置資料和設備方向資料可用於確定或調整反射信號(例如RX波形218)的距離和到達角。例如,當用戶202在RF感測過程中走向無線設備200時,無線設備200可以被設置在面向天花板的桌子上。在此情況下,無線設備200可以使用其位置資料和方向資料以及RF感測資料來確定用戶202正在行走的方向。
在一些示例中,無線設備200可以使用包括往返時間(RTT)測量、被動定位、到達角、接收信號強度指示器(RSSI)、CSI資料的技術,使用任何其他合適的技術或其任何組合來收集設備位置資料。在進一步的示例中,可以從無線設備200上的電子感測器獲得設備方向資料,例如陀螺儀、加速計、指南針、磁力計、氣壓計、任何其他合適的感測器或其任何組合。
圖3是示出包括無線設備302、存取點(AP)304和用戶308的環境300的圖。無線設備302可以包括用戶設備(例如,圖1的用戶設備107,例如行動設備或任何其他類型的設備)。在一些示例中,AP 304還可以被稱為無線設備。如圖所示,用戶308可以移動到不同的位置(例如,和無線設備302一起),包括第一用戶位置309a、第二用戶位置309b和第三用戶位置309c。在一些方面中,無線設備302和AP 304可各自被配置為執行RF感測,以便檢測用戶308的存在、檢測用戶308的移動、執行用戶308的面部識別、其任何組合,和/或執行關於用戶308的其他功能。
在一些方面,AP 304可以是Wi-Fi存取點,其包括可以被配置為同時發送和接收RF信號的硬體和軟體組件,例如本文關於圖2的無線設備200描述的組件。例如,AP 304可以包括一個或多個可配置為發送RF信號的天線和一個或多個可配置為接收RF信號的天線(例如,天線306)。如關於圖2的無線設備200所述,AP 304可以包括全向天線或天線陣列,其被配置為從任何方向發送和接收信號。
在一些方面中,AP 304和無線設備302可被配置為實現雙基地配置,其中發送和接收功能由不同的設備執行。例如,AP 304可以發送可以包括信號310a和信號310b的全向RF信號。如圖所示,信號310a可以直接從AP 304傳輸(例如,無反射)到無線設備302,並且信號310b可以在位置309a處從用戶308反射,並使得無線設備302接收相應的反射信號312。
在一些示例中,無線設備302可以利用與信號310a和信號310b相關聯的RF感測資料來確定在位置309a處的用戶308的存在、位置、方向和/或移動。例如,無線設備302可以獲取、檢索和/或估計與AP 304相關聯的位置資料。在一些方面中,無線設備302可以使用與AP 304相關聯的位置資料和RF感測資料(例如,CSI資料)來確定由AP 304發送的與飛行時間、距離和/或到達角相關聯的信號(例如,諸如信號310a的直接路徑信號和諸如信號312的反射路徑信號)。在一些情況下,AP 304和無線設備302可以進一步發送和/或接收通信,通信可以包括與RF信號310a和/或反射信號312相關聯的資料(例如,發送時間、序列/樣式、到達時間、到達角等)。
在一些示例中,無線設備302可被配置為使用單基地配置來執行RF感測,在這種情況下,無線設備302同時執行發送和接收功能(例如,結合無線設備200討論的同步TX/RX)。例如,無線設備302可以通過發送RF信號314來檢測在位置309b處的用戶308的存在或移動,這可以使得無線設備302接收來自位置309b處的用戶308的反射信號316。
在一些方面,無線裝置302可獲得與反射信號316相關聯的RF感測資料。例如,RF感測資料可以包括對應於反射信號316的CSI資料。在進一步的方面中,無線設備302可以使用RF感測資料來計算與反射信號316相對應的距離和到達角。例如,無線設備302可以通過基於洩漏信號(未示出)和反射信號316之間的差來計算反射信號316的飛行時間來確定距離。在進一步的示例中,無線設備302可以通過利用天線陣列來接收反射信號並測量天線陣列的每個單元處的接收相位差來確定到達角。
在一些示例中,無線設備302可以獲得CSI資料形式的RF感測資料,該資料可用於基於表示為“K”的頻率數(例如,音調)和表示為“N”的天線陣列單元數形成矩陣。在一種技術中,可以根據等式(1)給出的關係來表示CSI矩陣:
在形成CSI矩陣時,無線設備302可以通過利用二維傅裡葉變換來計算直接信號路徑(例如,洩漏信號)以及反射信號路徑(例如,反射信號316)的到達角和飛行時間。在一個示例中,傅裡葉變換可以由下面等式(2)給出的關係來定義,其中K對應於頻域中的多個音調;N對應於多個接收天線;h
ik對應於在第i個天線和第k個音調上捕獲的CSI資料(例如,具有實部和虛部的複數);f
0對應於載波頻率;l對應於天線間距;c相當於光速;以及∆f對應於兩個相鄰音調之間的頻率間隔。方程式(2)的關係如下所示:
在一些方面,洩漏信號(例如,洩漏信號220和/或其他洩漏信號)可以通過使用迭代消除方法來消除。
在某些情況下,無線設備302可以利用與反射信號316相對應的距離和到達角來檢測在位置309b處的用戶308的存在或移動。在其他示例中,無線設備302可以檢測用戶308到第三位置309c的進一步移動。無線裝置302可發送RF信號318,RF信號318在位置309c處引起來自用戶308的反射信號320。基於與反射信號320相關聯的RF感測資料,無線設備302可以確定在位置309c處的用戶308的存在,檢測用戶的頭部存在和/或方向,並執行面部識別以及面部認證。
在一些實施方式中,無線設備302可以利用人工智慧型或機器學習演算法來執行運動檢測、對象分類和/或檢測與用戶308相關的頭部方向。在一些示例中,機器學習技術可以包括有監督機器學習技術,例如那些利用神經網路、線性和邏輯回歸、分類樹、支持向量機、任何其他合適的有監督機器學習技術或其任何組合的技術。例如,可以選擇樣本RF感測資料集來訓練機器學習演算法或人工智慧型。
在一些方面,無線設備302和AP 304可以執行RF感測技術,而不管它們彼此之間或與Wi-Fi網路的關聯。例如,當無線設備302不與任何存取點或Wi-Fi網路相關聯時,無線設備302可以利用其Wi-Fi發送器和Wi-Fi接收器來執行本文所討論的RF感測。在進一步的示例中,AP 304可以執行RF感測技術,而不管其是否具有與之相關聯的任何無線設備。
圖4是示出用於執行面部識別的過程400的示例的流程圖。方塊402示出設備被鎖定且設備的屏幕(或顯示器)關閉時的設備狀態。例如,用戶可能已經將設備放在桌子上,並且在一定時間的不活動後,設備可能已經轉換到鎖定狀態。
在方塊404,設備可以執行RF感測,以便檢測設備附近的運動。在一個示例中,可以通過配置設備上的RF介面以執行同時發送和接收功能(類似於上文所述,例如關於圖2的無線設備200)來實現檢測運動的RF感測。例如,設備上的Wi-Fi介面可被配置為發送一個或多個RF信號,並同時(或幾乎同時)接收對應於所發送RF信號的一個或多個反射信號。
在一些實施方式中,設備可配置為實施基於參數(例如發送RF信號的頻寬、空間流的數量、配置為發送RF信號的天線的數量,配置為接收RF信號的天線數量、空間鏈路數量(例如,空間流數量乘以配置為接收RF信號的天線數量)、採樣率或其任何組合)具有不同水平的RF感測解析度的RF感測演算法。例如,設備可以實現一種演算法,當設備處於鎖定或睡眠狀態時,該演算法可以通過調整與頻寬、採樣率和/或空間鏈路相關的一個或多個參數來檢測設備附近的運動。
例如,在某些情況下,設備可配置為使用可用於從每個發送天線發送獨立且單獨編碼的信號(例如,流)的空間流或多工技術進行發送。例如,具有四個天線的無線設備可以通過配置一個天線發送和配置其餘三個天線接收(例如,在這種情況下,一個TX天線可以發送可由其他三個RX天線接收的空間流)來配置實現1x3配置(例如,一個空間流和三個RX天線,這將產生三個空間鏈路)。在另一個示例中,無線設備可以通過經由配置為發送的兩個天線發送獨立信號,其由被配置為接收的兩個天線接收來實現2x2配置(例如,兩個空間流和兩個RX天線,這將導致四個空間鏈路)。
在一些配置中,設備可以通過修改空間鏈路的數量(例如,調整空間流的數量和/或接收天線的數量)以及頻寬和採樣頻率來調整RF感測解析度的水平。在某些情況下,設備可以實現低解析度RF感測演算法(例如,具有相對較低的頻寬、較低的空間鏈路數和較低的採樣率),此演算法消耗少量功率,並且當設備處於鎖定或睡眠狀態時,可以在後臺運行。在一個示例中,設備可以通過配置RF介面以利用單個空間鏈路來發送頻寬約為20 MHz的信號,並通過利用可在100 ms到500 ms範圍內的採樣率來執行運動檢測。本領域技術人員將理解,本文所述的參數和相應值是作為示例配置提供的,並且可以使用參數和值的不同變化來實現所公開的系統和技術。
在方塊406,設備可以基於RF感測資料來確定是否檢測到運動。設備可以通過利用信號處理、機器學習演算法、使用任何其他合適的技術或其任何組合來檢測運動。如果未檢測到運動,則過程400可繼續至方塊408,其中設備保持在鎖定狀態,並繼續執行RF感測以檢測運動。在這種情況下,設備可以使用低解析度RF感測演算法繼續執行RF感測。
如果在方塊406檢測到運動,則過程400可以繼續到方塊410並發起面部認證。在一些示例中,可以通過使用能夠發送極高頻(EHF)信號或mmWave技術(例如IEEE 802.11ad)的RF介面來執行面部識別,例如通過在垂直於設備屏幕的方向上發送信號。例如,設備可以利用mmWave RF介面執行窄波束掃描,以根據從用戶面部反射的信號的不同角度獲得飛行時間和相位測量。在一些示例中,設備可以利用飛行時間和相位測量來生成面部簽名,其可以與儲存在系統中用於面部識別的校準面部度量進行比較。
在另一個例子中,設備可以使用光探測和測距(LIDAR)來執行面部識別。例如,LIDAR設備可用於用雷射照亮用戶的面部,並測量雷射反射返回感測器所需的時間。在某些情況下,設備可以使用返回時間和/或波長的差異來生成用戶面部的三維表示或圖像,其可用於執行面部識別。
在另一個示例中,設備可以使用紅外(IR)光源、點投影儀或其他光源來照亮用戶的臉,並使用IR相機或其他圖像捕獲設備來執行圖像捕獲。然後,在方塊410處,可以處理捕獲的圖像並將其用於執行面部認證。例如,可將捕獲圖像或捕獲圖像資料與儲存/註冊的面部或相應簽名進行比較以執行認證。如果過程400在方塊412確定面部認證失敗,則過程400可以繼續到方塊408,其中設備繼續執行RF感測以檢測運動。如果在方塊412驗證面部認證,則過程400可以繼續到方塊414,在該方塊中設備被解鎖。
圖5是示出用於執行面部識別的過程500的示例的流程圖。方塊502示出設備被鎖定且設備的屏幕(或顯示器)關閉時的設備狀態。例如,用戶可能已將設備放在桌子上,和/或設備可能在一定時間的不活動後進入鎖定狀態。
在方塊504,設備可以執行RF感測,以檢測設備附近或設備的閾值距離內的用戶的存在。在一個示例中,檢測用戶存在可以包括檢測和識別用戶頭部的存在。在一些實施方式中,可以響應於運動檢測來執行檢測用戶存在的RF感測,如關於過程400所討論的。例如,設備可以通過使用為運動檢測提供低功率運行的參數(例如,頻寬、採樣率、空間流、空間鏈路、其任何組合和/或其他參數)來實現RF感測。響應於檢測運動,設備可以使用可被配置用於檢測用戶存在的不同參數集(例如,不同頻寬、不同採樣率、不同空間流、不同空間鏈路等)來實現RF感測。
在一個示例中,放在房間的桌子上的設備可以使用關於過程400討論的技術來檢測用戶正在房間裡走動,但尚未接近(例如,在用戶可以操作設備的閾值距離內)該設備。在檢測到用戶正在向設備移動時,設備可以實現不同的RF感測演算法(例如,根據圖5的過程500),演算法可以被配置為通過檢測和識別用戶的頭部來檢測用戶的存在。
可以通過在設備上配置RF介面來實現檢測用戶存在的RF感測,以同時執行發送和接收功能。例如,設備上的RF介面可被配置為發送一個或多個RF信號,並同時接收與發送的RF信號相對應的一個或多個反射信號。
如上所述,在一些實施方式中,設備可配置為基於參數(例如,發送的RF信號的頻寬、空間流的數量、空間鏈路的數量、採樣率或其任何組合)來實現具有不同水平的RF感測解析度的RF感測演算法。例如,當設備處於鎖定或睡眠狀態時,設備可以通過調整與頻寬、採樣率、空間流和/或空間鏈路相關的一個或多個參數來實現能夠檢測用戶存在的演算法(例如,通過執行頭部檢測以檢測頭部的存在)。在某些情況下,設備可以實現中解析度RF感測演算法(例如,與低解析度RF感測演算法相比,具有中等頻寬、中等數量的空間鏈路和中等採樣率),其可以通過具有更高的頻寬、更高數量的空間鏈接、更高的採樣率或其任何組合而不同於低解析度RF感測演算法。例如,與圖4的過程400中用於檢測運動的參數相比,設備可以增加頻寬、增加採樣率(以收集更多樣本)和/或增加空間鏈路的數量以檢測用戶的存在。在一個說明性示例中,設備可以通過配置RF介面以利用兩個空間鏈路並發送頻寬約為40MHz的信號,以及通過利用約為50ms的採樣率來檢測用戶存在(例如,頭部檢測)。如關於過程400所討論的,本領域技術人員將理解,本文所述的參數和相應值是作為示例配置提供的,並且公開的系統和技術可以使用參數和值的不同變化來實現。
在方塊506,設備可以基於RF感測資料來確定是否檢測到用戶存在。設備可以通過利用信號處理、機器學習演算法、使用任何其他合適的技術或其任何組合來檢測用戶的存在。如果未檢測到用戶存在(例如,沒有頭部檢測),則過程500可進入方塊508,在方塊508中,設備保持在鎖定狀態,並繼續執行RF感測,以便使用圖5的過程500檢測用戶存在(例如,頭部的存在),或使用圖4的過程400檢測運動。在這種情況下,設備可以使用中解析度RF感測演算法繼續執行RF感測。
如果在方塊506檢測到用戶存在,則過程500可繼續到方塊510並發起面部認證。在一些示例中,可以使用RF感測技術、通過使用設備的IR相機捕捉圖像、通過使用LIDAR感測器或其任何組合來執行面部認證。在圖8的描述中闡述了與面部認證有關的進一步細節。
如果面部認證在方塊512失敗,則過程500可繼續到方塊508,在方塊508中,設備繼續執行RF感測以檢測用戶的存在。在一些配置中,過程可替代地執行RF感測以檢測運動,如結合過程400所述。如果在方塊512面部認證得到驗證,則過程500可以繼續到方塊514,在該方塊中設備被解鎖。
圖6是示出用於執行面部識別的過程600的示例的流程圖。方塊602示出設備被鎖定且設備的屏幕(或顯示器)關閉時的設備狀態。與圖4和圖5中的示例類似,用戶可能已經將設備放在桌子上,和/或設備可能已經在一定時間的不活動後進入鎖定狀態。
在方塊604,設備可以執行RF感測,以確定用戶是否面對設備(例如,基於頭部方向)。在一些實施方式中,如關於過程500所討論的,可以響應於對用戶頭部的檢測來執行用於確定用戶頭部方向的RF感測。例如,設備可以通過使用參數(例如,頻寬、採樣率、空間流、空間鏈路、其任何組合和/或其他參數)來實現RF感測,這些參數被配置為在最小化功耗的同時檢測用戶存在(例如,頭部存在)。響應於檢測用戶存在,設備可以使用可被配置用於確定用戶頭部方向的不同參數集(例如,頻寬、採樣率、空間流、空間鏈路、其任何組合和/或其他參數)來實現RF感測。
在一個示例中,放在房間的桌子上的設備可以使用關於圖5的過程500討論的技術來確定用戶的頭部靠近該設備。在一些方面中,如果用戶的頭部在設備的閾值距離內(例如,在2英尺內),則用戶的頭部與設備非常接近。然後,用戶的存在和在閾值距離內檢測到頭部可觸發RF感測技術以確定用戶頭部的方向。例如,RF感測可以確定用戶是否面對設備,或者當用戶的注意力被轉移到其他地方時,設備是否在用戶的膝上。
通過在設備上配置RF介面,以同時執行發送和接收功能,可以實現檢測頭部方向的RF感測。例如,設備上的RF介面可被配置為發送一個或多個RF信號,並同時接收與發送的RF信號相對應的一個或多個反射信號。
與上述類似,該設備可配置為實現基於參數(如發送RF信號的頻寬、空間流的數量、空間鏈路的數量、採樣率或其任何組合)具有不同水平的RF感測解析度的RF感測演算法。例如,設備可以實現一種演算法,該演算法可以通過調整與頻寬、採樣率和/或空間鏈路相關的一個或多個參數,在用戶處於鎖定或睡眠狀態時檢測其頭部方向。在某些情況下,設備可以實現高解析度RF感測演算法(例如,與中解析度RF感測演算法相比,具有高頻寬、高數量的空間鏈路和高採樣率)。通過具有更高的頻寬、更高數量的空間鏈路、更高的採樣率或其任何組合,高解析度RF感測演算法可以不同於中解析度RF感測演算法。例如,與圖5的過程500中用於檢測頭部的存在的參數相比,設備可以增加頻寬、增加採樣率(以收集更多樣本)和/或增加空間鏈路的數量以檢測頭部方向。在一個說明性示例中,設備可以通過配置RF介面以利用三個或更多空間鏈路發送頻寬為80–160 MHz的信號,以及利用小於50 ms的採樣率來檢測頭部方向。如關於前述過程所討論的,本領域技術人員將理解,本文所述的參數和相應值是作為示例配置提供的,並且公開的系統和技術可以使用參數和值的不同變化來實現。
在方塊606,設備可以基於RF感測資料來確定用戶的頭部是否朝向設備。設備可以通過利用信號處理、機器學習演算法、使用任何其他合適的技術或其任何組合來檢測用戶的頭部方向。如果設備確定用戶的頭部方向沒有朝向設備,則過程600可以繼續到方塊608,在方塊608中,設備保持在鎖定狀態,並繼續執行RF感測,以便使用圖6的過程600檢測頭部的方向,使用圖5的過程500檢測用戶的存在(例如,頭部的存在),或使用圖4的過程400檢測運動。在這種情況下,設備可以使用高解析度RF感測演算法繼續執行RF感測。
在一些示例中,如果設備在方塊606處確定用戶的頭部方向沒有朝向設備,則設備可以確定用戶朝向另一設備的方向。在一些方面,設備可以使用任何其他合適的技術實現定位演算法(例如,往返時間(RTT)測量、被動定位、到達角、接收信號強度指示器(RSSI)、CSI資料,或者設備可以存取位置資料(例如,先前儲存的位置資料或來自伺服器的位置資料),以確定到其他設備的範圍或距離。在某些情況下,設備可以使用位置資料和設備方向資料(例如,來自陀螺儀)來確定用戶的頭部方向被定向到另一個設備。在一個說明性示例中,設備可以確定用戶正面對電視,並且設備可以與電視通信以使其打開。
如果在方塊606,設備確定用戶的頭部方向朝向設備,則過程600可以繼續到方塊610並發起面部認證。在一些示例中,可以使用RF感測技術、通過使用設備的紅外IR相機捕捉圖像、通過使用LIDAR感測器或其任何組合來執行面部認證。在圖8的描述中闡述了與面部認證有關的進一步細節。
如果面部認證在方塊612處失敗,則過程600可以繼續到方塊608,在方塊608中,設備繼續執行RF感測以檢測用戶的頭部方向。在一些配置中,過程可替代地執行RF感測以檢測運動或用戶存在,如分別結合過程400和過程500討論的。如果在方塊612處面部認證得到驗證,則過程600可前進至方塊614,在方塊614中設備被解鎖。
圖7是示出用於執行面部識別的過程700的示例的流程圖。方塊702示出了設備被鎖定且設備的屏幕(或顯示器)關閉時的設備狀態。與圖4、圖5和圖6中的示例類似,用戶可能已經將設備放在桌子上,和/或設備可能已經在一定時間的不活動後進入鎖定狀態。
在方塊704,設備可以執行低解析度RF感測演算法,以檢測設備附近的運動(例如,檢測與設備在同一房間內行走的用戶)。在一個示例中,可以通過配置設備上的RF介面以執行同時發送和接收功能來實現檢測運動的RF感測(類似於上文所述,例如關於圖2的無線設備200)。例如,設備上的Wi-Fi介面可被配置為發送一個或多個RF信號,並同時(或幾乎同時)接收對應於所發送RF信號的一個或多個反射信號。在一個說明性示例中,低解析度RF感測演算法可以通過配置RF介面來利用單個空間鏈路來發送頻寬約為20MHz的信號,並通過利用可以在100ms到500ms範圍內的採樣率來實現。
在方塊706,設備可以基於RF感測資料來確定是否檢測到運動。如果沒有檢測到運動,則過程700可以返回到方塊704,在方塊704中,設備保持在鎖定狀態,並繼續執行低解析度RF感測以檢測運動。
如果在方塊706處檢測到運動,則過程700可以繼續到方塊708,並且設備可以執行中解析度RF感測演算法,以便檢測設備附近或設備的閾值距離內的用戶的存在。在一個示例中,檢測用戶存在可以包括檢測和識別用戶頭部的存在。中解析度RF感測演算法與低解析度RF感測演算法的不同之處在於具有更高的頻寬、更多的空間鏈路、更高的採樣率或其任何組合。在一個說明性示例中,設備可以通過配置RF介面以利用兩個空間鏈路並發送頻寬約為40MHz的信號,以及通過利用可為約50ms的採樣率來檢測用戶存在(例如,頭部檢測)。
在方塊710,設備可以基於RF感測資料來確定是否檢測到用戶存在。如果未檢測到用戶存在,則過程700可在方塊712處繼續實施中解析度RF感測演算法。在一些示例中,中解析度RF感測演算法可用於在區塊706處檢測運動。如果沒有檢測到運動,則過程700可以返回到方塊704,在方塊704中,設備保持在鎖定狀態,並繼續執行低解析度RF感測以檢測運動。
如果在方塊710檢測到用戶存在,則過程700可以繼續到方塊714,並且設備可以執行高解析度RF感測演算法,以確定用戶是否面對設備(例如,基於頭部方向)。通過具有更高的頻寬、更高數量的空間鏈路、更高的採樣率或其任何組合,高解析度RF感測演算法可以不同於中解析度RF感測演算法。在一個說明性示例中,設備可以通過配置RF介面以利用三個或更多空間鏈路、發送頻寬為80–160MHz的信號以及利用小於50ms的採樣率來檢測頭部方向。
在方塊716,設備可以基於RF感測資料來確定用戶是否面對設備。如果用戶沒有面對設備,則過程700可在方塊718處繼續實施高解析度RF感測演算法。在一些示例中,高解析度RF感測演算法可用於在區塊706處檢測運動。如果沒有檢測到運動,則過程700可以返回到方塊704,在方塊704中,設備保持在鎖定狀態,並繼續執行低解析度RF感測以檢測運動。如果在方塊716設備確定用戶的頭部方向朝向設備,則過程700可以繼續到方塊720並發起面部認證。
圖8是示出使用面部作為生物特徵資料的一般認證過程800的示例的流程圖。獲取試圖存取設備的用戶的輸入圖像802。例如,輸入圖像802可以是利用RF感測技術編譯的圖像。在一個示例中,設備可以利用能夠發送極高頻(EHF)信號或mmWave技術(例如,IEEE 802.11ad)的RF介面以垂直於設備屏幕的方向發送信號。例如,設備可以利用mmWave RF介面執行窄波束掃描,以根據從用戶面部反射的信號的不同角度獲得飛行時間和相位測量。在一些示例中,設備可以利用飛行時間和相位測量來生成面部簽名,簽名可以與儲存在系統中用於面部識別的校準面部度量進行比較。在另一個示例中,可以通過無線設備的相機(例如,輸入設備172)獲得輸入圖像802。在另一個示例中,可以通過使用無線設備的LIDAR感測器(例如,通信介面1240)獲得輸入圖像802。
在方塊804,處理輸入圖像802以進行特徵提取。例如,在方塊804,可以從包含面部的輸入圖像802中提取包括面部的一個或多個特徵的特徵表示。面部的特徵表示可以與被授權存取該設備的人的面部表示(例如,作為模板儲存在模板記憶體808中)進行比較。在一些示例中,模板記憶體808可以包括資料庫。在一些示例中,模板儲存儲存記憶體808是執行面部認證的同一設備(例如,用戶設備107、無線設備200或其他設備)的一部分。在一些示例中,模板記憶體808可以位於執行面部認證的設備(例如,無線設備200)的遠程(例如,在與該設備通信的遠程伺服器上)。
模板記憶體808中的模板可以在登記步驟期間生成,當人員註冊其生物特徵以供稍後在認證期間使用時。每個模板可以在內部(例如,在模板記憶體808中)鏈接到對被註冊者唯一的主題識別符(ID)。例如,在登記期間(也可以稱為註冊),計算設備的所有者和/或能夠存取計算設備的其他用戶可以輸入一個或多個生物測定資料樣本(例如,圖像、指紋樣本、語音樣本或其他生物特徵資料)。特徵提取引擎可以提取生物特徵資料的代表性特徵。生物特徵資料的代表性特徵可以作為一個或多個模板儲存在模板記憶體808中。例如,可以用不同的姿勢、位置、面部表情、光照條件和/或其他特徵捕捉所有者或用戶的多個圖像。
在另一個例子中,使用RF感測技術可以捕捉到幾個不同的面部特徵。不同圖像或簽名的面部特徵可以提取並保存為模板。例如,可以為每個圖像/簽名儲存模板,其中每個模板表示具有其獨特姿勢、位置、面部表情、照明條件等的每個面部的特徵。儲存在模板記憶體808中的一個或多個模板可以用作執行面部認證的參考點。
如上所述,在方塊804,可以從輸入圖像802中提取面部的一個或多個特徵。任何合適的特徵提取技術都可以用於從生物特徵資料中提取特徵(在註冊和認證期間)。可以生成深度學習特徵的特徵提取過程的一個示例是基於神經網路(例如,使用深度學習網路)的特徵提取。例如,可以使用多個訓練圖像來訓練神經網路,以學習各種面部的不同特徵。在一種配置中,可以使用與RF面部簽名相關聯的特徵對應的RF感測資料來訓練神經網路。一旦訓練好,經過訓練的神經網路就可以應用於包括面部在內的輸入圖像802。經過訓練的神經網路可以提取或確定面部的特徵。神經網路可以是一個分類網路,包括對輸入圖像應用核(也稱為濾波器)以提取特徵的隱藏卷積層。
在方塊806,可以計算從輸入圖像802提取的用戶的特徵表示與儲存在模板記憶體808中的人的面部特徵表示之間的相似性。例如,可以將從輸入圖像802提取的特徵的表示與儲存在模板記憶體808中的一個或多個模板進行比較。例如,在方塊806,過程800可以執行相似性計算,以計算輸入圖像802與模板記憶體808中的一個或多個模板之間的相似性。計算出的相似性可以用作將用於做出最終認證決策的相似性得分807。
在某些情況下,輸入圖像802的資料也可以稱為查詢資料(例如,查詢面部)。在某些情況下,模板也可以稱為登記資料(例如,登記面部)。如上所述,在一些示例中,可以使用表示面部(或其他物體或生物特徵)的特徵向量來表示為面部(或其他物體或生物特徵)提取的特徵。例如,每個模板都可以是特徵向量。從輸入生物特徵資料中提取的特徵的表示也可以是特徵向量。每個特徵向量可以包括表示提取的特徵的多個值。特徵向量的值可以包括任何合適的值。在某些情況下,特徵向量的值可以是介於-1和1之間的浮點數,這是標準化的特徵向量值。表示來自輸入圖像802的面部特徵的特徵向量可以與一個或多個模板的一個或多個特徵向量進行比較或匹配,以確定特徵向量之間的相似性。例如,可以在表示輸入圖像802中的面部的特徵向量和每個模板的特徵向量之間確定相似性,從而產生多個相似性值。
在一些實施方式中,模板的登記面部(來自模板記憶體808)的特徵與(輸入圖像802的)查詢面部的特徵之間的相似性可以通過距離來測量。可以使用任何合適的距離,包括餘弦距離、歐幾裡德距離、曼哈頓距離、馬氏距離、絕對差分、阿達瑪積、多項式映射、元素乘法和/或其他合適的距離。在一個說明性示例中,兩個面部之間的相似性可以計算為兩個面片的相似性之和。在一些情況下,相似性之和可以基於(輸入圖像802的)查詢面部和(來自模板記憶體808的)模板的登記面部之間的絕對差異之和(SAD)。
表示相似性的一種方法是使用相似性分數(也稱為匹配分數)。相似性分數表示特徵之間的相似性(表示特徵匹配的程度),其中兩個特徵向量之間的較高分數表示兩個特徵向量的相似性高於兩個特徵向量之間的較低分數的兩個特徵向量。參考圖8,相似性得分807指示一個或多個儲存模板的特徵與從輸入圖像802提取的面部特徵之間的相似性。設備可以將相似性得分807與一個或多個閾值進行比較。在某些情況下,可以確定(輸入圖像802的)查詢面部和每個登記面部(對應於每個模板)之間的相似性分數。最高相似性分數(對應於最佳匹配)可以用作相似性分數807。
在一些示例中,可以基於從輸入圖像802提取的面部特徵與模板資料之間的計算距離,或者基於任何其他比較度量來生成相似性分數。如前所述,距離可以包括餘弦距離、歐幾裡德距離、曼哈頓距離、馬氏距離、絕對差分、阿達瑪積、多項式映射、元素乘法和/或其他合適的距離。如上所述,可以基於特徵提取引擎執行的特徵提取來生成面部的特徵向量。可以基於表示面部的特徵向量和表示模板資料的特徵向量之間的距離來計算輸入圖像802中的面部和模板資料之間的相似性得分。計算出的距離表示在輸入圖像802中代表面部的特徵向量的資料值與代表模板資料的特徵向量的資料值之間的差。例如,餘弦距離測量內積空間的兩個非零向量之間的夾角的餘弦。餘弦相似性表示兩個非零向量之間的相似性度量。
在某些情況下,計算的距離(例如,餘弦距離、歐幾裡德距離和/或其他距離)可以標準化為0或1。例如,相似性分數可以定義為1000*(1-距離)。在某些情況下,相似性得分可以是0到1之間的值。
如上所述,相似性評分807可用於做出最終認證決定。例如,在方塊810,可以將相似性得分807與相似性閾值進行比較。在一些示例中,相似性閾值可以包括相似性的百分比(例如,特徵的75%、80%、85%相似等)。如果相似性得分807大於相似性閾值,則在方塊812解鎖設備。然而,如果相似性得分807不大於閾值,則設備在方塊814保持鎖定。
在一些方面,認證過程800可以用兩個或更多相似性閾值來實現。例如,如果相似性得分807大於“高”閾值,則可以在方塊812解鎖設備。在另一示例中,如果相似性得分807小於“低”閾值,則設備可以保持鎖定。在一些情況下,如果相似性得分807小於“低”閾值,則可以向用戶呈現替代解鎖機制(例如,指紋掃描、存取碼等)。在一些示例中,小於“高”閾值(例如,在“高”和“低”閾值之間)的相似性得分807可導致設備提示用戶執行新的面部掃描(例如,使用本文所述的RF感測技術)。
在一些實施方式中,利用面部認證的設備(例如,手機等行動設備)實現解鎖超時時間。解鎖超時時間是指設備處於非活動狀態(解鎖時)的一段時間,之後設備將自動鎖定,需要執行新的面部認證才能解鎖設備。在一些示例中,此類設備還可以實現單獨的屏幕超時時間。屏幕超時時間是指設備處於非活動狀態的時間(當設備的屏幕或顯示器處於活動狀態或“打開”狀態時),在此之後,設備的屏幕或顯示器會自動關閉(例如,屏幕或顯示器斷電)。當屏幕或顯示屏關閉時,設備可能會繼續保持解鎖狀態。
圖9是示出基於用戶的注意力來執行設備管理的過程900的示例的流程圖。方塊902示出了設備解除鎖定且設備的屏幕(或顯示器)打開時的設備狀態。例如,用戶可能已經提供認證資訊(例如,面部認證、指紋認證、存取碼等)以獲得對設備的存取,並且隨後開始使用該設備。
在方塊904,設備可以執行RF感測,以確定用戶的注意力是否仍然指向設備。例如,該設備可被配置為執行與RF感測相關聯的一個或多個操作,如結合用於確定用戶存在(例如,頭部檢測)的過程500所述,和/或與RF感測相關聯的一個或多個操作,如結合用於確定用戶頭部方向的過程600所述。在一些情況下,設備可被配置為執行與RF感測相關聯的一個或多個操作,如結合用於確定運動的過程400所述(例如,在執行過程500的操作之前)。
在方塊906,設備可以使用RF感測資料來確定是否檢測到用戶頭部。如果未檢測到頭部,則該設備可確定用戶不再使用該設備,並可繼續至鎖定該設備的方塊908。在一些配置中,設備可以在進入方塊908之前實現定時器。例如,如果在一段時間內(例如,2分鐘)沒有檢測到用戶頭部,則設備可以確定用戶不再存在,並且可以鎖定對設備的存取。
在方塊906,如果設備確定用戶存在(例如,檢測到頭部),則過程可繼續到方塊910以確定用戶的頭部方向。例如,用戶可能拿著設備,但與另一個人進行對話,使得用戶的臉不面對設備。在這種情況下,過程可繼續至方塊912並使顯示器背光變暗,以節省功率和/或電池壽命。在一些配置中,設備可以在經過一段時間的注意力不集中之後(例如,用戶的頭部方向已經離開2分鐘)繼續到方塊912。
在方塊910,如果設備確定用戶正面對設備,則過程可繼續到方塊914,並調整設備上的一個或多個設置。例如,設備可以檢測到顯示器背光先前變暗(例如,在方塊912),並且應該增加,因為用戶的注意力現在指向設備。在另一個示例中,設備可以響應於確定用戶的注意力指向該設備而調整警報的音量(例如,減小警報音量)。例如,響應於確定用戶正在觀看設備屏幕,可以減小設備鈴聲的音量。在對設備設置進行調整之後,過程可返回到方塊904並繼續執行RF感測以確定用戶的注意力。
圖10是示出用於執行面部識別的過程1000的示例的流程圖。在操作1002,過程1000包括由第一無線設備接收作為第一RF波形的反射的第一接收波形。在一些示例中,第一RF波形由接收第一接收波形的同一設備(通過第一無線設備)發送(例如,單基地配置)。在其他示例中,可以實現雙基地配置,其中第一RF波形可以由另一無線設備(例如,第二無線設備)發送,例如存取點或具有RF介面的任何其他類型的無線設備。在一些示例中,第一RF波形可以包括由第一無線設備的全向天線或在第一無線設備上發送的Wi-Fi信號。
在操作1004,過程1000包括基於與第一接收波形相關聯的RF感測資料來確定用戶的存在。在一些示例中,RF感測資料可以包括與響應於第一RF波形的發送而接收的反射相對應的CSI資料。在其他示例中,RF感測資料可以包括與不從任何物體反射且對應於第一RF波形的至少一個接收到的洩漏信號相關聯的資料。RF感測資料可用於檢測用戶的存在,其可包括檢測用戶的移動、檢測用戶的存在(例如,頭部存在)、檢測用戶的頭部方向或其任何組合。在一些示例中,檢測用戶的存在可以包括追蹤用戶的移動並確定用戶在到無線設備的閾值距離內。
在一些方面,可以通過使用RF感測資料來確定反射信號的距離和到達角來檢測用戶的存在。在一些示例中,距離的確定可以基於反射信號的飛行時間,飛行時間基於直接路徑的傳播延遲(例如,發送天線和接收天線之間的洩漏信號)進行調整。在一些示例中,到達角可以基於在接收器天線陣列的每個單元處測量的信號相位差。
在一些方面,第一無線設備可發送比第一RF波形頻寬更高的第二RF波形。第一無線設備可以從用戶接收作為第二RF波形的反射的第二接收波形,並且基於與第二接收波形相關聯的RF感測資料來確定用戶的頭部存在或用戶的頭部方向中的至少一個。在一些示例中,第二RF波形還可以包括與第一RF波形不同數量的空間鏈路。
在一些示例中,用戶頭部存在和用戶頭部方向可用於在第一無線設備和/或其他無線設備上發起進一步的活動。例如,確定用戶的頭部在預定的時間內不存在(例如,頭部存在被檢測為假)可導致鎖定對無線設備的存取。在另一個示例中,確定用戶的頭部方向在預定的時間內背離可導致第一無線設備上的顯示背光變暗。
在操作1006,過程1000包括響應於確定用戶的存在而發起用戶的面部認證。如上所述,用戶的存在可對應於用戶的移動、用戶的存在(例如,頭部檢測)、用戶的頭部方向或其任何組合。在一些示例中,面部認證可以通過在第一無線設備上配置RF介面來執行,以發送一個或多個極高頻(EHF)波形(例如,多個EHF波形)。第一無線設備可以接收與一個或多個EHF波形相對應的多個反射波形。與對應於EHF波形的接收反射相對應的RF感測資料可用於生成可用於執行面部認證的面部簽名(與用戶相關聯)。在某些情況下,發起用戶的面部認證可以包括使用紅外相機拍攝用戶面部的圖像。
在一些方面,第一無線設備可以基於面部認證來確定用戶被授權存取第一無線設備。例如,第一無線設備可以計算相似性分數(例如,相似性分數807),並確定相似性分數滿足或超過用於提供對第一無線設備的存取的相似性閾值。在一些示例中,響應於確定用戶被授權存取第一無線設備(例如,基於面部認證),第一無線設備可以啟用對第一無線設備的存取。
在某些情況下,第一無線設備可以基於面部認證來確定用戶被授權存取一個或多個其他無線設備。在一些方面中,響應於確定用戶被授權存取一個或多個其他無線設備,第一無線設備可以允許從一個或多個無線設備存取至少一個無線設備。在一個說明性示例中,第一無線設備可以對應於行動設備(例如,智慧型手機或平板電腦),並且來自一個或多個無線設備的至少一個無線設備可以對應於車輛,車輛可以解鎖、啟動、啟用,或者基於用戶與第一無線設備進行認證以其他方式存取。在另一個說明性示例中,第一無線設備可以對應於行動設備(例如,智慧型手機或平板電腦),並且來自一個或多個無線設備的至少一個無線設備可以對應於物聯網(IoT)設備,物聯網(IoT)設備可以被配置為提供對家庭的存取(例如,解鎖門或打開車庫門)。
圖11是示出用於執行頭部檢測的過程1100的示例的流程圖。在操作1102,過程1100包括通過無線設備接收作為第一RF波形的反射的第一接收波形。在一些示例中,第一RF波形由接收第一接收波形的同一設備(通過無線設備)發送(例如,單基地配置)。在其他示例中,可以實現雙基地配置,其中第一RF波形可以由另一無線設備(例如存取點)或具有RF介面的任何其他類型的無線設備發送。在一些示例中,第一RF波形可以包括由第一無線設備的全向天線或在第一無線設備上發送的Wi-Fi信號。
在操作1104,過程1100包括基於與第一接收波形相關聯的RF感測資料來確定用戶的頭部存在或用戶的頭部方向中的至少一個。在一些示例中,RF感測資料可以包括與響應於第一RF波形的傳輸而接收的反射相對應的CSI資料。在其他示例中,RF感測資料可以包括與不從任何物體反射且對應於第一RF波形的至少一個接收到的洩漏信號相關聯的資料。在一些方面中,確定用戶的頭部存在可以包括確定用戶的頭部在無線設備的閾值距離內。在一些情況下,確定用戶的頭部方向可以包括確定用戶在預定的時間內面對無線設備。
在一些示例中,無線設備可以實現一個或多個不同的RF感測演算法,以確定或檢測用戶的頭部存在和/或頭部方向。在某些情況下,RF感測演算法可以具有不同水平的解析度和/或功耗。在一些情況下,RF感測演算法的解析度和/或功耗可以基於頻寬、空間鏈路的數量、採樣率或其任何組合。在一些方面中,如果無線設備確定用戶的頭部方向朝向設備,則無線設備可以發起面部認證。在進一步的示例中,無線設備可以確定用戶的頭部方向朝向不同的設備。無線設備可以使用設備位置資料、設備方向資料、室內地圖資料或任何其他合適的資料來識別用戶附近的其他設備。在某些情況下,無線設備可以基於用戶存在和/或用戶頭部方向的確定來與其他設備通信。例如,如果無線設備確定用戶面對和/或靠近電視,則無線設備可以發送信號以使電視能夠打開。
在一些示例中,本文描述的過程(例如,過程400、500、600、700、800、900、1000和/或本文描述的其他過程)可以由計算設備或裝置(例如,UE)執行。在一個示例中,過程1000可以由圖1的用戶設備107執行。在另一示例中,過程1000可由具有圖12所示的計算系統1200的計算設備執行。例如,具有圖12所示的計算架構的計算設備可以包括圖1的用戶設備107的組件,並且可以實現圖10的操作。
在某些情況下,計算設備或裝置可能包括各種組件,例如一個或多個輸入設備、一個或多個輸出設備、一個或多個處理器、一個或多個微處理器、一個或多個微型計算機、一個或多個攝像頭、一個或多個感測器,和/或配置為執行本文所述過程的步驟的其他組件。在一些示例中,計算設備可以包括顯示器、配置為通信和/或接收資料的一個或多個網路介面、其任何組合和/或其他組件。一個或多個網路介面可配置為通信和/或接收有線和/或無線資料,包括根據3G、4G、5G和/或其他蜂窩標準的資料、根據WiFi(802.11x)標準的資料、根據Bluetooth
TM標準的資料、根據網際網路協議(IP)標準的資料,和/或其他類型的資料。
計算設備的組件可以在電路中實現。例如,這些組件可以包括和/或可以使用電子電路或其他電子硬體來實現,其可以包括一個或多個可程式化電子電路(例如微處理器、圖形處理單元(GPU)、數位信號處理器(DSP)、中央處理單元(CPU),和/或其他合適的電子電路),和/或可以包括和/或使用計算機軟體、韌體或其任何組合來實現,以執行本文所述的各種操作。
過程1000以邏輯流程圖的形式進行說明,其操作表示可以在硬體、計算機指令或其組合中實現的一系列操作。在計算機指令的上下文中,這些操作表示儲存在一個或多個計算機可讀儲存媒體上的計算機可執行指令,當這些可執行指令被一個或多個處理器執行時,執行所述的操作。通常,計算機可執行指令包括執行特定功能或實現特定資料類型的例程、程式、物件、組件、資料結構等。描述操作的順序不旨在被解釋為限制,並且任何數量的描述操作可以以任何順序和/或並行地組合以實現過程。
此外,本文描述的過程1000和/或其他過程可以在配置有可執行指令的一個或多個計算機系統的控制下執行,並且可以通過硬體實現為在一個或多個處理器上集體執行的代碼(例如,可執行指令、一個或多個計算機程式或一個或多個應用程式),或其組合。如上所述,代碼可以例如以包括可由一個或多個處理器執行的多個指令的計算機程式的形式儲存在計算機可讀或機器可讀儲存媒體上。計算機可讀或機器可讀儲存媒體可以是非暫時的。
圖12是示出用於實現本技術的某些方面的系統的示例的圖。具體而言,圖12示出了計算系統1200的示例,其可以是例如構成內部計算系統的任何計算設備、遠程計算系統、相機或其中系統的組件使用連接1205彼此通信的任何組件。連接1205可以是使用匯流排的實體連接,或者到處理器1210的直接連接,例如在晶片組架構中。連接1205還可以是虛擬連接、網路連接或邏輯連接。
在一些實施例中,計算系統1200是分布式系統,其中本公開中描述的功能可以分佈在資料中心、多個資料中心、對等網路等中。在一些實施例中,所述系統組件中的一個或多個代表許多這樣的組件,每個組件執行描述的組件的部分或全部功能。在一些實施例中,組件可以是實體或虛擬設備。
示例系統1200包括至少一個處理單元(CPU或處理器)1210和連接1205,其將包括系統記憶體1215(例如唯讀記憶體(ROM)1220和隨機存取記憶體(RAM)1225)在內的各種系統組件通信地耦接到處理器1210。計算系統1200可以包括高速記憶體的高速緩存1212,高速緩存1212與處理器1210直接連接、靠近處理器1210或積體為處理器1210的一部分。
處理器1210可以包括任何通用處理器和硬體服務或軟體服務,例如儲存在儲存儲存設備1230中的服務1232、1234和1236,這些服務被配置為控制處理器1210,以及專用處理器,其中軟體指令被合併到實際的處理器設計中。處理器1210基本上可以是一個完全獨立的計算系統,包含多個核或處理器、匯流排、內存控制器、高速緩存等。多核處理器可以是對稱的或非對稱的。
為了實現用戶互動,計算系統1200包括一個輸入設備1245,它可以表示任意數量的輸入機制,例如用於語音的麥克風、用於手勢或圖形輸入的觸控螢幕、鍵盤、滑鼠、運動輸入、語音等。計算系統1200還可以包括輸出設備1235,可以是多種輸出機制中的一種或多種。在一些實例中,多模式系統可使用戶能夠提供多種類型的輸入/輸出以與計算系統1200通信。
計算系統1200可以包括通信介面1240,它通常可以控制和管理用戶輸入和系統輸出。通信介面可以使用有線和/或無線收發器執行或促進接收和/或傳輸有線或無線通信,包括使用音頻插孔/插頭、麥克風插孔/插頭、通用串行匯流排(USB)端口/插頭、Apple
TMLightning
TM端口/插頭、以太網端口/插頭、,光纖端口/插頭、專有有線端口/插頭、3G、4G、5G和/或其他蜂窩資料網路無線信號傳輸、Bluetooth
TM無線信號傳輸、Bluetooth
TM低能(BLE)無線信號傳輸、IBEACON
TM無線信號傳輸、射頻識別(RFID)無線信號傳輸、,近場通信(NFC)無線信號傳輸、專用短程通信(DSRC)無線信號傳輸、802.11 Wi-Fi無線信號傳輸、無線區域網(WLAN)信號傳輸、可見光通信(VLC)、全球微波存取互操作性(WiMAX),紅外(IR)通信無線信號傳輸、公共交換電話網(PSTN)信號傳輸、綜合流量數位網(ISDN)信號傳輸、自組網信號傳輸、無線電波信號傳輸、微波信號傳輸、紅外信號傳輸、可見光信號傳輸、紫外光信號傳輸、沿電磁頻譜的無線信號傳輸或其組合。
通信介面1240還可以包括一個或多個距離感測器(例如,光探測和測距(LIDAR)感測器、雷射測距儀、雷達、超聲波感測器和紅外(IR)感測器),配置為收集資料並向處理器1210提供測量,由此,處理器1210可被配置為執行獲得一個或多個範圍感測器的各種測量所需的確定和計算。在一些示例中,測量可包括飛行時間、波長、方位角、仰角、距離、線速度和/或角速度,或其任何組合。通信介面1240還可以包括一個或多個全球導航衛星系統(GNSS)接收器或收發器,用於基於從與一個或多個GNSS系統相關聯的一個或多個衛星接收到的一個或多個信號來確定計算系統1200的位置。GNSS系統包括但不限於美國的全球定位系統(GPS)、俄羅斯的全球導航衛星系統(GLONASS)、中國的北斗導航衛星系統(BDS)和歐洲的伽利略GNSS。對任何特定硬體配置的操作沒有限制,因此,在開發過程中,這裡的基本功能可以很容易地替代改進的硬體或韌體配置。
儲存設備1230可以是非揮發性和/或非暫時性和/或計算機可讀儲存設備,也可以是硬盤或可以儲存計算機可存取的資料的其他類型的計算機可讀媒體,例如盒式磁帶、快閃記憶體卡、固態儲存設備、數位多功能磁碟、盒式記憶體、軟盤、軟磁碟、硬盤、磁帶、磁條/磁條卡、任何其他磁性儲存媒體、快閃記憶體、憶阻器記憶體、任何其他固態記憶體、光碟唯讀記憶體(CD-ROM)光碟、可重寫光碟(CD)光碟、數位視頻光碟(DVD)光碟、藍光光碟(BDD)、全息光碟、另一光學媒體、安全數位(SD)卡、微安全數位(microSD)卡、記憶棒®卡、智慧型卡晶片、EMV晶片、訂戶識別模組(SIM)卡、迷你/微型/奈米/微微SIM卡、另一積體電路(IC)晶片/卡,隨機存取記憶體(RAM)、靜態RAM(SRAM)、動態RAM(DRAM)、唯讀記憶體(ROM)、可程式化唯讀記憶體(PROM)、可擦除可程式化唯讀記憶體(EPROM)、電可擦除可程式化唯讀記憶體(EEPROM)、閃速EPROM(FLASHEPROM)、高速緩存(例如,1級(L1)高速緩存、2級(L2)高速緩存、3級(L3)高速緩存、,4級(L4)高速緩存、5級(L5)高速緩存或其他級(L#)高速緩存、電阻隨機存取記憶體(RRAM/ReRAM)、相變記憶體(PCM)、自旋轉移轉矩RAM(STT-RAM)、另一儲存儲存晶片或盒式記憶體和/或其組合。
儲存設備1230可以包括軟體服務、伺服器、服務等,當處理器1210執行定義此類軟體的代碼時,它會使系統執行功能。在一些實施例中,執行特定功能的硬體服務可以包括儲存在所需的硬體組件(例如處理器1210、連接1205、輸出設備1235等)相連接的計算機可讀媒體中的軟體組件,以執行該功能。。術語“計算機可讀媒體”包括但不限於便攜式或非便攜式儲存設備、光儲存設備以及能夠儲存、包含或承載指令和/或資料的各種其他媒體。計算機可讀媒體可包括可儲存資料的非暫時性媒體,其不包括無線或通過有線連接傳播的載波和/或暫時性電子信號。非暫時性媒體的示例可包括但不限於磁碟或磁帶、光碟(CD)或數位多功能盤(DVD)等光學儲存媒體、快閃記憶體、記憶體或記憶體設備。計算機可讀媒體可在其上儲存代碼和/或機器可執行指令,這些指令可表示過程、函數、子程式、程式、例程、子例程、模組、軟體包、類或指令、資料結構或程式語句的任何組合。代碼段可以通過傳遞和/或接收資訊、資料、參數或記憶體內容而耦接到另一代碼段或硬體電路。資訊、實參、參數、資料等可以通過包括記憶體共享、訊息傳遞、令牌傳遞、網路傳輸等的任何適當方式來傳遞、轉發或發送。
在上述描述中提供了具體細節,以提供對本文提供的實施例和示例的透徹理解,但本領域技術人員將認識到,本申請不限於此。因此,雖然本申請的示例性實施例已在本文中詳細描述,但應理解,本發明的概念可以以其他方式以各種方式體現和應用,並且所附請求項旨在被解釋為包括此類變化,除非受到現有技術的限制。上述應用的各種特徵和方面可以單獨或聯合使用。此外,在不脫離本說明書更廣泛的精神和範圍的情況下,實施例可以在本文所述的環境和應用之外的任何數量的環境和應用中使用。因此,說明書和附圖應被視為說明性的,而不是限制性的。為了便於說明,按特定順序描述了各種方法。應當理解,在替代實施例中,可以以與所描述的不同的順序來執行這些方法。
為了解釋清楚,在一些情況下,本技術可以被呈現為包括單個功能區塊,這些功能區塊包括設備、設備組件、軟體中包含的方法中的步驟或例程,或硬體和軟體的組合。可以使用圖中所示和/或本文所述以外的附加組件。例如,電路、系統、網路、過程和其他組件可以以方塊圖形式示出為組件,以避免在不必要的細節中模糊實施例。在其他情況下,為了避免混淆實施例,可以在沒有不必要的細節的情況下展示習知的電路、過程、演算法、結構和技術。
此外,本領域技術人員將理解,結合本文所公開的方面描述的各種說明性邏輯區塊、模組、電路和演算法步驟可以實現為電子硬體、計算機軟體或兩者的組合。為了清楚地說明硬體和軟體的這種可互換性,上文已就其功能性一般地描述了各種說明性組件、區塊、模組、電路和步驟。這種功能性是作為硬體還是軟體實現取決於施加在整個系統上的特定應用和設計約束。本領域技術人員可以針對每個特定應用以不同的方式實現所描述的功能,但是這種實現決策不應被解釋為導致偏離本公開的範圍。
上述各實施例可描述為流程圖(flowchart)、流程圖表(flowdiagram)、資料流圖、結構圖或方塊圖所示的過程或方法。儘管流程圖可以將操作描述為連續過程,但許多操作可以並行或同時執行。此外,可以重新安排操作順序。過程在其操作完成時終止,但可能有圖中未包含的額外步驟。過程可能對應於方法、函數、過程、子例程、子程式等。當過程對應於函數時,它的終止可以對應於函數返回到調用函數或主函數。
根據上述示例的過程和方法可以使用儲存在計算機可讀媒體中或以其他方式可從計算機可讀媒體獲得的計算機可執行指令來實現。例如,此類指令可以包括導致或以其他方式配置通用計算機、專用計算機或處理設備以執行特定功能或一組功能的指令和資料。使用的部分計算機資源可以通過網路存取。例如,計算機可執行指令可以是二進制檔案、例如匯編語言、韌體、源代碼的中間格式指令。可用於儲存指令、使用的資訊和/或在根據所述示例的方法期間創建的資訊的計算機可讀媒體的示例包括磁碟或光碟、快閃記憶體、具有非揮發性記憶體的USB設備、網路儲存設備等。
在一些實施例中,計算機可讀儲存設備、媒體和記憶體可以包括包含位元流等的線纜或無線信號。然而,當提到時,非暫時性計算機可讀儲存媒體明確排除了諸如能量、載波信號、電磁波和信號本身之類的媒體。
本領域技術人員將理解,可以使用各種不同技術和技巧中的任何一種來表示資訊和信號。例如,可在上述描述中引用的資料、指令、命令、資訊、信號、位、符號和晶片可由電壓、電流、電磁波、磁場或粒子、光場或粒子或其任何組合表示,在某些情況下,部分取決於特定的應用,部分取決於所需的設計,部分取決於相應的技術等。
可以使用硬體、軟體、韌體、中間件、微碼、硬體描述語言或其任何組合來實現或執行結合本文所公開的方面描述的各種說明性邏輯區塊、模組和電路,並且可以採用各種形式因素中的任何一種。當在軟體、韌體、中間件或微代碼中實現時,用於執行必要任務(例如,計算機程式產品)的程式代碼或代碼段可儲存在計算機可讀或機器可讀媒體中。處理器可以執行必要的任務。外形因素的例子包括筆記本電腦、智慧型手機、行動電話、平板設備或其他小型個人電腦、個人數位助理、機架式設備、獨立設備等。本文描述的功能也可以體現在外圍設備或插件卡中。作為進一步的示例,這種功能性還可以在不同晶片之間的電路板上,或在單個設備中執行的不同過程中實現。
指令、用於傳輸此類指令的媒體、用於執行它們的計算資源以及用於支持此類計算資源的其他結構是提供本公開所述功能的示例手段。
本文所述的技術也可在電子硬體、計算機軟體、韌體或其任何組合中實現。此類技術可在多種設備中的任何一種中實施,例如通用計算機、無線通信設備手持設備或具有多種用途的積體電路設備,包括在無線通信設備手持設備和其他設備中的應用。被描述為模組或組件的任何特徵可以在積體邏輯設備中一起實現,也可以作為離散但可互操作的邏輯設備單獨實現。如果在軟體中實現,則所述技術可至少部分地由計算機可讀資料儲存媒體實現,計算機可讀資料儲存媒體包括程式代碼,程式代碼包括在被執行時執行上述方法、演算法和/或操作中的一個或多個的指令。計算機可讀資料儲存媒體可以構成計算機程式產品的一部分,計算機程式產品可以包括包裝材料。計算機可讀媒體可包括記憶體或資料儲存媒體,例如隨機存取記憶體(RAM),例如同步動態隨機存取記憶體(SDRAM)、唯讀記憶體(ROM)、非揮發性隨機存取記憶體(NVRAM)、電可擦除可程式化唯讀記憶體(EEPROM)、快閃記憶體、磁性或光學資料儲存媒體,諸如此類。附加地或替代地,這些技術可以至少部分地通過計算機可讀通信媒體來實現,計算機可讀通信媒體以指令或資料結構的形式攜帶或通信程式代碼,並且可以由計算機存取、讀取和/或執行,例如傳播的信號或波。
程式代碼可由處理器執行,處理器可包括一個或多個處理器,例如一個或多個數位信號處理器(DSP)、通用微處理器、專用積體電路(ASIC)、現場可程式化邏輯陣列(FPGA)或其他等效積體或離散邏輯電路。這種處理器可以被配置為執行本公開中描述的任何技術。通用處理器可以是微處理器;但在替代方案中,處理器可以是任何常規處理器、控制器、微控制器或狀態機。處理器還可以被實現為計算設備的組合,例如,DSP和微處理器的組合、多個微處理器、一個或多個微處理器與DSP內核的結合,或任何其他此類配置。因此,本文使用的術語“處理器”可指前述結構中的任何一種、前述結構的任何組合,或適合於實現本文所述技術的任何其他結構或裝置。
普通技術人員將理解,本文中使用的小於(“< “)大於(“>”)符號或術語可以替換為小於或等於(“≤”)大於或等於(“≥”)符號,但不偏離本說明的範圍。
當部件被描述為“配置為”執行某些操作時,例如,可以通過設計電子電路或其他硬體來執行操作,通過程式化可程式化電子電路(例如微處理器或其他合適的電子電路)來執行操作,或其任何組合來完成這種配置。
片語“耦接到”或“通信耦接到”指直接或間接實體連接到另一個組件的任何組件,和/或直接或間接與另一組件通信的任何組件(例如,通過有線或無線連接和/或其他合適的通信介面連接到另一組件)。
請求項語言或其他語言所述“一個集合中的至少一個”和/或一個集合中的“一個或多個”表示集合中的一個成員或集合中的多個成員(以任何組合)滿足請求項。例如,請求項語言中所述“A和B中的至少一個”或“A或B中的至少一個”表示A、B或A和B。在另一個例子中,請求項語言中所述“A、B和C中的至少一個”或“A、B或C中的至少一個”表示A、B、C或A和B,或A和C,或B和C,或A、B和C。語言集合中的“至少一個”和/或集合中的“一個或多個”不限制集合中列出的項目。例如,請求項語言中所述“A和B中的至少一個”或“A或B中的至少一個”可以表示A、B或A和B,並且還可以包括A和B集合中未列出的項目。
本公開的說明性方面包括:
方面1:用於面部識別的第一無線設備。所述第一無線設備包括至少一個收發器;至少一個記憶體;以及耦接到所述至少一個收發器和所述至少一個記憶體的至少一個處理器。所述至少一個處理器被配置為:經由所述至少一個收發器接收作為第一射頻(RF)波形的反射的第一接收波形;基於與所述第一接收波形相關聯的RF感測資料來確定用戶的存在;以及響應於確定所述用戶的存在,發起所述用戶的面部認證。
方面2:根據方面1所述的第一無線設備,其中所述至少一個處理器被配置為:經由所述至少一個收發器發送具有比所述第一RF波形更高頻寬的第二RF波形;經由所述至少一個收發器接收第二接收波形,所述第二接收波形是來自所述用戶的所述第二RF波形的反射;以及基於與所述第二接收波形相關聯的RF感測資料來確定所述用戶的頭部存在或所述用戶的頭部方向中的至少一個。
方面3:根據方面1或2中任一項所述的第一無線設備,其中所述至少一個處理器被配置為:響應於確定所述用戶的頭部方向在預定的時間內背離,調暗所述第一無線設備上的顯示背光。
方面4:根據方面1至3中任一項所述的第一無線設備,其中至少一個處理器被配置為:響應於在預定的時間內確定所述用戶的頭部存在為假,鎖定對所述第一無線設備的存取。
方面5:根據方面1至4中任一項所述的第一無線設備,其中所述第一RF波形包括由所述第一無線設備上的全向天線發送的Wi-Fi信號。
方面6:根據方面1至5中任一項所述的第一無線裝置,其中所述第一RF波形由第二無線裝置發送。
方面7:根據方面1至6中任一項所述的第一無線裝置,其中所述RF感測資料包括信道狀態資訊(CSI)資料。
方面8:根據方面1至7中任一項所述的第一無線設備,其中,為了確定所述用戶的存在,至少一個處理器被配置為:追蹤所述用戶的行動;以及確定所述用戶在到所述第一無線設備閾值距離內。
方面9:根據方面1至8中任一項所述的第一無線設備,其中,為了發起所述用戶的面部認證,所述至少一個處理器被配置為:經由所述至少一個收發器發送多個極高頻(EHF)波形;經由所述至少一個收發器接收對應於所述多個EHF波形的多個反射波形;以及基於與所述多個反射波形相關聯的RF感測資料來生成與所述用戶相關聯的面部簽名。
方面10:根據方面1至9中任一項所述的第一無線設備還包括相機,其中,為了發起所述用戶的面部認證,至少一個處理器被配置為:使用所述相機捕捉所述用戶的面部的至少一個圖像。
方面11:根據方面1至10中任一項所述的第一無線裝置,其中所述RF感測資料包括與至少一個接收到的洩漏信號相關聯的資料,所述洩漏信號不從任何物體反射並且對應於所述第一RF波形。
方面12:根據方面1至11中任一項所述的第一無線設備,其中至少一個處理器被配置為:基於所述面部認證來確定所述用戶被授權存取所述第一無線設備;以及響應於確定所述用戶被授權存取所述第一無線設備,啟用對所述第一無線設備的存取。
方面13:根據方面1至12中任一項所述的第一無線設備,其中所述至少一個處理器被配置為:基於所述面部認證來確定所述用戶被授權存取一個或多個其他無線設備;以及響應於確定所述用戶被授權存取所述一個或多個其他無線設備,啟用從所述一個或多個其他無線設備存取至少一個無線設備。
方面14:一種執行面部識別的方法,所述方法包括根據方面1至13中任一項的操作。
方面15:一種計算機可讀媒體,包括至少一條指令,用於使計算機或處理器執行根據方面1至13中任一項的操作。
方面16:一種用於面部識別的裝置,所述裝置包括用於執行根據方面1至13中任一項的操作的部件。
方面17:用於確定用戶存在的無線設備。所述無線設備包括至少一個收發器;至少一個記憶體;以及耦接到所述至少一個收發器和所述至少一個記憶體的至少一個處理器。所述至少一個處理器被配置為:處理作為第一射頻(RF)波形的反射的第一接收波形;基於與所述第一接收波形相關聯的RF感測資料來確定用戶的存在;響應於確定所述用戶的存在,經由所述至少一個收發器發送具有比所述第一RF波形更高頻寬的第二RF波形;處理作為來自所述用戶的所述第二RF波形的反射的第二接收波形;以及基於與所述第二接收波形相關聯的RF感測資料來確定所述用戶的頭部存在或所述用戶的頭部方向中的至少一個。
方面18:根據方面17所述的無線設備,其中所述至少一個處理器被配置為:響應於確定所述用戶的頭部方向在預定的時間內背離,調暗所述第一無線設備上的顯示背光。
方面19:根據方面17或18中任一項所述的無線設備,其中所述至少一個處理器被配置為:響應於在預定的時間內確定所述用戶的頭部存在為假,鎖定對所述第一無線設備的存取。
方面20:根據方面17至19中任一項所述的無線設備,其中所述第一RF波形包括由第一無線設備上的全向天線發送的Wi-Fi信號。
方面21:根據方面17至20中任一項所述的無線裝置,其中所述RF感測資料包括信道狀態資訊(CSI)資料。
方面22:根據方面17至21中任一項所述的第一無線設備,其中,為了確定所述用戶的存在,所述至少一個處理器被配置為:追蹤所述用戶的移動;以及確定所述用戶在到所述第一無線設備閾值距離內。
方面23:根據方面17至22中任一項所述的無線裝置,其中所述RF感測資料包括與至少一個接收到的洩漏信號相關聯的資料,所述洩漏信號不從任何物體反射,且對應於所述第一RF波形。
方面24:一種確定用戶存在的方法,所述方法包括根據方面17至23中任一項的操作。
方面25:一種計算機可讀媒體,包括至少一條指令,用於使計算機或處理器執行根據方面17至23中任一項的操作。
方面26:一種用於確定用戶存在的裝置,所述裝置包括用於執行根據方面17至23中任一項的操作的部件。
107:用戶設備
170:計算系統
172:輸入設備
174:訂戶標識模組
176:數據機
178:無線收發器
180:輸出設備
182:數位信號處理器(DSP)
184:處理器
186:儲存設備
188:無線信號
200:無線設備
202:檢測用戶
204:數位轉類比轉換器(DAC)
206:RF發送器
208:類比轉數位轉換器(ADC)208
210:RF接收器
212:TX天線
214:RX天線
216:TX波形
218:RX波形
220:TX洩漏信號
300:環境
302:無線設備
304:存取點(AP)
306:天線
308:用戶
309a:第一用戶位置
309b:第二用戶位置
310a:信號
310b:信號
312:反射信號
314:RF信號
316:反射信號
318:RF信號
400:過程
402:方塊
404:方塊
406:方塊
408:方塊
410:方塊
412:方塊
414:方塊
500:過程
502:方塊
504:方塊
506:方塊
508:方塊
510:方塊
512:方塊
514:方塊
600:過程
602:方塊
604:方塊
606:方塊
608:方塊
610:方塊
612:方塊
614:方塊
700:過程
702:方塊
704:方塊
706:方塊
708:方塊
710:方塊
712:方塊
714:方塊
716:方塊
718:方塊
720:方塊
800:過程
802:方塊
804:方塊
806:方塊
807:方塊
808:方塊
810:方塊
812:方塊
814:方塊
900:過程
902:方塊
904:方塊
906:方塊
908:方塊
910:方塊
912:方塊
914:方塊
1000:過程
1002:方塊
1004:方塊
1006:方塊
1100:過程
1102:方塊
1104:方塊
1200:計算系統
1205:連接
1210:處理器
1212:高速緩存
1215:記憶體
1220:唯讀記憶體(ROM)
1225:隨機存取記憶體(RAM)
1230:儲存設備
1232:服務
1234:服務
1235:輸出設備
1236:服務
1240:通信介面
1245:輸入設備
提供附圖是為了幫助描述本公開的各個方面,附圖僅用於說明這些方面,而不是對其進行限制。
圖1是圖示根據一些示例的用戶設備的計算系統的示例的方塊圖;
圖2是圖示根據一些示例,利用射頻(RF)感測技術來檢測用戶存在並執行面部識別的無線設備的示例的圖;
圖3是圖示根據一些示例的包括用於檢測用戶存在和執行面部識別的無線設備的環境的示例的圖;
圖4是圖示根據一些示例的用於執行面部識別的過程的示例的流程圖;
圖5是圖示根據一些示例的用於執行面部識別的過程的示例的流程圖;
圖6是圖示根據一些示例的用於執行面部識別的過程的另一示例的流程圖;
圖7是圖示根據一些示例的用於執行面部識別的過程的另一示例的流程圖;
圖8是圖示根據一些示例的用於執行面部識別的過程的另一示例的流程圖;
圖9是圖示根據一些示例的基於用戶的注意來執行設備管理的過程的示例的流程圖;
圖10是圖示根據一些示例的用於執行面部識別的過程的另一示例的流程圖;
圖11是圖示根據一些示例的用於執行頭部檢測的過程的示例的流程圖;和
圖12是圖示根據一些示例的計算系統的示例的方塊圖。
700:過程
702:方塊
704:方塊
706:方塊
708:方塊
710:方塊
712:方塊
714:方塊
716:方塊
718:方塊
720:方塊
Claims (41)
- 一種用於面部識別的第一無線設備,包括: 至少一個收發器; 至少一個記憶體;及 耦接到所述至少一個記憶體和所述至少一個收發器的至少一個處理器,所述至少一個處理器被配置為: 經由所述至少一個收發器接收作為第一射頻(RF)波形的反射的第一接收波形; 基於與所述第一接收波形相關聯的RF感測資料來確定用戶的存在;及 響應於確定所述用戶的存在,發起所述用戶的面部認證。
- 根據請求項1所述的第一無線設備,其中所述至少一個處理器被配置為: 經由所述至少一個收發器發送具有比所述第一RF波形更高頻寬的第二RF波形; 經由所述至少一個收發器接收第二接收波形,所述第二接收波形是來自所述用戶的所述第二RF波形的反射;及 基於與所述第二接收波形相關聯的RF感測資料來確定所述用戶的頭部存在或所述用戶的頭部方向中的至少一個。
- 根據請求項2所述的第一無線設備,其中所述至少一個處理器被配置為: 響應於確定所述用戶的頭部方向在預定的時間內背離,調暗所述第一無線設備上的顯示背光。
- 根據請求項2所述的第一無線設備,其中所述至少一個處理器被配置為: 響應於在預定的時間內確定所述用戶的頭部存在為假,鎖定對所述第一無線設備的存取。
- 根據請求項1所述的第一無線設備,其中所述第一RF波形包括由所述第一無線設備上的全向天線發送的Wi-Fi信號。
- 根據請求項1所述的第一無線設備,其中所述第一RF波形由第二無線設備發送。
- 根據請求項1所述的第一無線設備,其中所述RF感測資料包括信道狀態資訊(CSI)資料。
- 根據請求項1所述的第一無線設備,其中,為了確定所述用戶的存在,所述至少一個處理器被配置為: 追蹤所述用戶的移動;及 確定所述用戶在到所述第一無線設備閾值距離內。
- 根據請求項1所述的第一無線設備,其中,為了發起所述用戶的面部認證,所述至少一個處理器被配置為: 經由所述至少一個收發器發送多個極高頻(EHF)波形; 經由所述至少一個收發器接收對應於所述多個EHF波形的多個反射波形;基於與所述多個反射波形相關聯的RF感測資料來生成與所述用戶相關聯的面部簽名。
- 根據請求項1所述的第一無線設備,還包括相機,其中,為了發起所述用戶的面部認證,所述至少一個處理器被配置為: 使用所述相機捕獲所述用戶的面部的至少一張圖像。
- 根據請求項1所述的第一無線設備,其中所述RF感測資料包括與至少一個接收到的洩漏信號相關聯的資料,所述洩漏信號不從任何物體反射,並且對應於所述第一RF波形。
- 根據請求項1所述的第一無線設備,其中所述至少一個處理器被配置為: 基於所述面部認證來確定所述用戶被授權存取所述第一無線設備;及 響應於確定所述用戶被授權存取所述第一無線設備,啟用對所述第一無線設備的存取。
- 根據請求項1所述的第一無線設備,其中所述至少一個處理器被配置為: 基於所述面部認證來確定所述用戶被授權存取一個或多個其他無線設備;及 響應於確定所述用戶被授權存取所述一個或多個其他無線設備,啟用從所述一個或多個其他無線設備存取至少一個無線設備。
- 一種執行面部識別的方法,所述方法包括: 通過第一無線設備接收作為第一射頻(RF)波形的反射的第一接收波形; 基於與所述第一接收波形相關聯的RF感測資料來確定用戶的存在;及 響應於確定所述用戶的存在,發起所述用戶的面部認證。
- 根據請求項14所述的方法,還包括: 通過所述第一無線設備發送具有比所述第一RF波形更高頻寬的第二RF波形; 由所述第一無線設備接收第二接收波形,所述第二接收波形是來自所述用戶的所述第二RF波形的反射;及 基於與所述第二接收波形相關聯的RF感測資料來確定所述用戶的頭部存在或所述用戶的頭部方向中的至少一個。
- 根據請求項15所述方法,其中所述第一無線裝置的顯示器打開,所述方法包括: 確定自檢測到所述用戶的頭部存在以來經過了預定的時間段;及 基於確定所述預定的時間段已經過去,使得所述第一無線設備的顯示關閉。
- 根據請求項15所述的方法,還包括: 響應於在預定的時間內確定所述用戶的頭部存在為假,鎖定對所述第一無線設備的存取。
- 根據請求項14所述的方法,其中,所述第一RF波形包括由所述第一無線設備上的全向天線發送的Wi-Fi信號。
- 根據請求項14所述的方法,其中所述第一RF波形由第二無線設備發送。
- 根據請求項14所述的方法,其中所述RF感測資料包含信道狀態資訊(CSI)資料。
- 根據請求項14所述的方法,其中確定所述用戶的存在包括: 追蹤所述用戶的移動;和 確定所述用戶在到所述第一無線設備閾值距離內。
- 根據請求項14所述的方法,其中發起所述用戶的面部認證包括: 發送多個極高頻(EHF)波形; 接收對應於所述多個EHF波形的多個反射波形;及 基於與所述多個反射波形相關聯的RF感測資料來生成與所述用戶相關聯的面部簽名。
- 根據請求項14所述的方法,其中發起所述用戶的面部認證包括: 使用紅外相機捕獲用戶的面部圖像。
- 根據請求項14所述的方法,其中,所述RF感測資料包括與至少一個接收到的洩漏信號相關聯的資料,所述洩漏信號不從任何物體反射,並且對應於所述第一RF波形。
- 根據請求項14所述的方法,還包括: 基於所述面部認證來確定所述用戶被授權存取所述第一無線設備;及 響應於確定所述用戶被授權存取所述第一無線設備,使得能夠存取所述第一無線設備。
- 根據請求項1所述的第一無線設備,其中所述至少一個處理器被配置為: 基於所述面部認證來確定所述用戶被授權存取一個或多個其他無線設備;和 響應於確定所述用戶被授權存取所述一個或多個其他無線設備,使得能夠從所述一個或多個其他無線設備存取至少一個無線設備。
- 一種計算機可讀媒體,包括至少一條指令,用於使計算機或處理器: 通過第一無線設備接收作為第一射頻(RF)波形的反射的第一接收波形; 基於與所述第一接收波形相關聯的RF感測資料來確定用戶的存在;及 響應於確定所述用戶的存在,發起所述用戶的面部認證。
- 根據請求項27所述的計算機可讀媒體,還包括至少一條指令,用於使計算機或處理器: 發送比所述第一RF波形具有更高頻寬的第二RF波形; 接收第二接收波形,所述第二接收波形是來自所述用戶的所述第二RF波形的反射;及 基於與所述第二接收波形相關聯的RF感測資料來確定所述用戶的頭部存在或所述用戶的頭部方向中的至少一個。
- 一種用於執行面部識別的裝置,包括: 用於接收作為第一RF波形反射的第一接收波形的部件; 用於基於與所述第一接收波形相關聯的RF感測資料來確定用戶存在的部件;和 用於響應於確定所述用戶的存在而發起所述用戶的面部認證的部件。
- 根據請求項29所述的裝置,還包括: 用於傳輸頻寬高於所述第一RF波形的第二RF波形的部件; 用於接收第二接收波形的部件,所述第二接收波形是來自所述用戶的所述第二RF波形的反射;及 用於基於與所述第二接收波形相關聯的RF感測資料來確定所述用戶的頭部存在或所述用戶的頭部方向中的至少一個的部件。
- 根據請求項30所述的裝置,還包括: 響應於確定所述用戶的頭部方向在預定的時間內背離,調暗所述裝置上的顯示背光的部件。
- 根據請求項30所述的裝置,還包括: 用於響應於在預定的時間內確定所述用戶的頭部存在為假而鎖定對所述裝置的存取的部件。
- 根據請求項29所述的裝置,其中,所述第一RF波形包括由所述裝置上的全向天線發送的Wi-Fi信號。
- 根據請求項29所述的設備,其中所述第一RF波形由無線設備發送。
- 根據請求項29所述的裝置,其中所述RF感測資料包括信道狀態資訊(CSI)資料。
- 根據請求項29所述的裝置,其中,為了確定所述用戶的存在,所述裝置還包括: 用於追蹤所述用戶移動的部件;及 用於確定所述用戶在到設備閾值距離內的部件。
- 根據請求項29所述的裝置,其中,為了發起所述用戶的面部認證,所述裝置還包括: 用於發送多個極高頻(EHF)波形的部件; 用於接收對應於所述多個EHF波形的多個反射波形的部件;及 用於基於與所述多個反射波形相關聯的RF感測資料來生成與所述用戶相關聯的面部簽名的部件。
- 根據請求項29所述的裝置,還包括: 用於捕獲所述用戶面部的至少一個圖像的部件。
- 根據請求項29所述的裝置,其中,所述RF感測資料包括與至少一個接收到的洩漏信號相關聯的資料,所述洩漏信號不從任何物體反射,並且對應於所述第一RF波形。
- 根據請求項29所述的裝置,還包括: 用於基於所述面部認證來確定所述用戶被授權存取所述裝置的部件;及 用於響應於確定所述用戶被授權存取所述裝置而發起對所述裝置的存取的部件。
- 根據請求項29所述的裝置,還包括: 用於基於所述面部認證來確定所述用戶被授權存取一個或多個無線設備的部件;及 用於響應於確定所述用戶被授權存取所述一個或多個無線設備而允許從所述一個或多個無線設備存取至少一個無線設備的部件。
Applications Claiming Priority (2)
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 |
Publications (1)
Publication Number | Publication Date |
---|---|
TW202235900A true TW202235900A (zh) | 2022-09-16 |
Family
ID=80783985
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW111101727A TW202235900A (zh) | 2021-03-03 | 2022-01-14 | 使用射頻感測的面部識別 |
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 (2)
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 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
US11886267B2 (en) * | 2019-01-08 | 2024-01-30 | 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 EP EP22704246.2A patent/EP4302211A1/en active Pending
- 2022-01-13 WO PCT/US2022/070185 patent/WO2022187766A1/en active Application Filing
- 2022-01-13 JP JP2023544731A patent/JP2024513291A/ja active Pending
- 2022-01-13 CN CN202280017544.1A patent/CN116964576A/zh active Pending
- 2022-01-13 KR KR1020237027243A patent/KR20230152662A/ko unknown
- 2022-01-14 TW TW111101727A patent/TW202235900A/zh unknown
Also Published As
Publication number | Publication date |
---|---|
WO2022187766A1 (en) | 2022-09-09 |
KR20230152662A (ko) | 2023-11-03 |
EP4302211A1 (en) | 2024-01-10 |
JP2024513291A (ja) | 2024-03-25 |
US20220283296A1 (en) | 2022-09-08 |
CN116964576A (zh) | 2023-10-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11573313B2 (en) | Method for performing distance measurement and authentication concurrently and electronic device thereof | |
TW202235900A (zh) | 使用射頻感測的面部識別 | |
CN109154642A (zh) | 用于建立实时定位的系统和方法 | |
TW202307458A (zh) | 藉射頻感測標籤的被動式定位 | |
US20220381898A1 (en) | Controlling device and processing settings based on radio frequency sensing | |
US11575452B2 (en) | Passive positioning with radio frequency sensing | |
US20220329973A1 (en) | Self-supervised passive positioning using wireless data | |
US20220337972A1 (en) | Self-supervised passive positioning using wireless data | |
Abedi et al. | Non-cooperative wi-fi localization & its privacy implications | |
Xiong | Pushing the limits of indoor localization in today’s Wi-Fi networks | |
US20240155303A1 (en) | Acoustic configuration based on radio frequency sensing | |
Yu et al. | Indoor passive localisation based on reliable CSI extraction | |
US11909835B2 (en) | Content transfer using radio frequency sensing | |
US11703583B1 (en) | Reduced radar sensor power consumption | |
US20240029360A1 (en) | Visual content verification in extended and augmented reality | |
WO2024064468A1 (en) | Voice user interface assisted with radio frequency sensing | |
KR20240009954A (ko) | 무선 데이터를 사용한 자기지도 수동 포지셔닝 | |
KR20240068637A (ko) | 라디오 주파수 감지를 사용한 컨텐츠 전달 | |
TW202414383A (zh) | 利用射頻感測輔助的語音使用者介面 | |
Meyer | The Use of Wireless Signals for Sensing and Interaction |