[go: up one dir, main page]

TWI640929B - 指紋辨識方法以及指紋辨識裝置 - Google Patents

指紋辨識方法以及指紋辨識裝置 Download PDF

Info

Publication number
TWI640929B
TWI640929B TW106127884A TW106127884A TWI640929B TW I640929 B TWI640929 B TW I640929B TW 106127884 A TW106127884 A TW 106127884A TW 106127884 A TW106127884 A TW 106127884A TW I640929 B TWI640929 B TW I640929B
Authority
TW
Taiwan
Prior art keywords
pixel values
standard deviation
pixel
object image
processor
Prior art date
Application number
TW106127884A
Other languages
English (en)
Other versions
TW201839654A (zh
Inventor
Tsung-Shan Chen
陳琮善
Chun-Lang Hung
洪浚郎
Original Assignee
Gingy Technology Inc.
金佶科技股份有限公司
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 Gingy Technology Inc., 金佶科技股份有限公司 filed Critical Gingy Technology Inc.
Publication of TW201839654A publication Critical patent/TW201839654A/zh
Application granted granted Critical
Publication of TWI640929B publication Critical patent/TWI640929B/zh

Links

Classifications

    • H—ELECTRICITY
    • H10—SEMICONDUCTOR DEVICES; ELECTRIC SOLID-STATE DEVICES NOT OTHERWISE PROVIDED FOR
    • H10F—INORGANIC SEMICONDUCTOR DEVICES SENSITIVE TO INFRARED RADIATION, LIGHT, ELECTROMAGNETIC RADIATION OF SHORTER WAVELENGTH OR CORPUSCULAR RADIATION
    • H10F39/00—Integrated devices, or assemblies of multiple devices, comprising at least one element covered by group H10F30/00, e.g. radiation detectors comprising photodiode arrays
    • H10F39/80—Constructional details of image sensors
    • H10F39/804—Containers or encapsulations
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; 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
    • G06—COMPUTING OR CALCULATING; 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
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; 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
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; 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 OR CALCULATING; COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/12—Fingerprints or palmprints
    • G06V40/1347—Preprocessing; Feature extraction
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; 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 OR CALCULATING; 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
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/50—Maintenance of biometric data or enrolment thereof
    • H—ELECTRICITY
    • H10—SEMICONDUCTOR DEVICES; ELECTRIC SOLID-STATE DEVICES NOT OTHERWISE PROVIDED FOR
    • H10F—INORGANIC SEMICONDUCTOR DEVICES SENSITIVE TO INFRARED RADIATION, LIGHT, ELECTROMAGNETIC RADIATION OF SHORTER WAVELENGTH OR CORPUSCULAR RADIATION
    • H10F39/00—Integrated devices, or assemblies of multiple devices, comprising at least one element covered by group H10F30/00, e.g. radiation detectors comprising photodiode arrays
    • H10F39/011—Manufacture or treatment of image sensors covered by group H10F39/12
    • H—ELECTRICITY
    • H10—SEMICONDUCTOR DEVICES; ELECTRIC SOLID-STATE DEVICES NOT OTHERWISE PROVIDED FOR
    • H10F—INORGANIC SEMICONDUCTOR DEVICES SENSITIVE TO INFRARED RADIATION, LIGHT, ELECTROMAGNETIC RADIATION OF SHORTER WAVELENGTH OR CORPUSCULAR RADIATION
    • H10F39/00—Integrated devices, or assemblies of multiple devices, comprising at least one element covered by group H10F30/00, e.g. radiation detectors comprising photodiode arrays
    • H10F39/011—Manufacture or treatment of image sensors covered by group H10F39/12
    • H10F39/018—Manufacture or treatment of image sensors covered by group H10F39/12 of hybrid image sensors
    • H—ELECTRICITY
    • H10—SEMICONDUCTOR DEVICES; ELECTRIC SOLID-STATE DEVICES NOT OTHERWISE PROVIDED FOR
    • H10F—INORGANIC SEMICONDUCTOR DEVICES SENSITIVE TO INFRARED RADIATION, LIGHT, ELECTROMAGNETIC RADIATION OF SHORTER WAVELENGTH OR CORPUSCULAR RADIATION
    • H10F39/00—Integrated devices, or assemblies of multiple devices, comprising at least one element covered by group H10F30/00, e.g. radiation detectors comprising photodiode arrays
    • H10F39/80—Constructional details of image sensors
    • H—ELECTRICITY
    • H10—SEMICONDUCTOR DEVICES; ELECTRIC SOLID-STATE DEVICES NOT OTHERWISE PROVIDED FOR
    • H10F—INORGANIC SEMICONDUCTOR DEVICES SENSITIVE TO INFRARED RADIATION, LIGHT, ELECTROMAGNETIC RADIATION OF SHORTER WAVELENGTH OR CORPUSCULAR RADIATION
    • H10F39/00—Integrated devices, or assemblies of multiple devices, comprising at least one element covered by group H10F30/00, e.g. radiation detectors comprising photodiode arrays
    • H10F39/80—Constructional details of image sensors
    • H10F39/809—Constructional details of image sensors of hybrid image sensors
    • H—ELECTRICITY
    • H10—SEMICONDUCTOR DEVICES; ELECTRIC SOLID-STATE DEVICES NOT OTHERWISE PROVIDED FOR
    • H10F—INORGANIC SEMICONDUCTOR DEVICES SENSITIVE TO INFRARED RADIATION, LIGHT, ELECTROMAGNETIC RADIATION OF SHORTER WAVELENGTH OR CORPUSCULAR RADIATION
    • H10F39/00—Integrated devices, or assemblies of multiple devices, comprising at least one element covered by group H10F30/00, e.g. radiation detectors comprising photodiode arrays
    • H10F39/80—Constructional details of image sensors
    • H10F39/811—Interconnections
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; 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
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; 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
    • G06V40/14—Vascular patterns

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Human Computer Interaction (AREA)
  • Multimedia (AREA)
  • Computer Security & Cryptography (AREA)
  • General Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Computer Hardware Design (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Image Input (AREA)
  • Led Device Packages (AREA)
  • Solid State Image Pick-Up Elements (AREA)
  • Collating Specific Patterns (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
  • Photo Coupler, Interrupter, Optical-To-Optical Conversion Devices (AREA)

Abstract

本發明提出一種指紋辨識方法。所述指紋辨識方法包括：取得物件圖像，並且以第一色彩模型格式儲存所述物件圖像的多個像素資料，其中所述多個像素資料包括多個第一像素值；轉換所述多個像素資料為第二色彩模型格式，並且基於轉換後的所述多個像素資料以及第一增益值取得多個第二像素值；依據所述多個第一像素值以及所述多個第二像素值計算多個第三像素值；依據所述多個第三像素值計算第一標準差；以及判斷所述第一標準差是否高於第一預設臨界值，若所述第一標準差高於所述第一預設臨界值，則辨識所述物件圖像為真實手指的指紋圖像。

Description

指紋辨識方法以及指紋辨識裝置
本發明是有關於一種辨識技術，且特別是有關於一種指紋辨識方法以及指紋辨識裝置。
生物辨識的種類包括臉部、聲音、虹膜、視網膜、靜脈和指紋辨識等。由於每個人的指紋都是獨一無二的，且指紋不易隨著年齡或身體健康狀況而變化，因此指紋辨識裝置已成為目前最普及的一種生物辨識系統。依照感測方式的不同，指紋辨識裝置還可分為光學式、電容式、超音波式及熱感應式等。
然而，由於傳統的指紋辨識裝置無法有效辨識真實手指以及偽造手指的差異，因此導致通常有不肖人士會以矽膠材質的偽造手指，並且在矽膠材質製作的偽造手指上擬真有指紋及汗孔。如此，以矽膠特性以及具有指紋、汗孔的偽造手指按壓在指紋辨識裝置後，可使得偽造手指同樣有按壓後的手指變形量特性及指紋、汗孔特性來騙過指紋辨識裝置，進而導致指紋辨識裝置無法正確辨識是否是由真實手指所按壓，因而造成辨識上的漏洞。有鑑於此，本發明將在以下提出幾個實施例的解決方案。
本發明提供一種指紋辨識裝置以及指紋辨識方法可提供良好的指紋辨識功能，並且可有效辨識物件圖像是否為真實手指的指紋圖像，以有效避免偽造手指通過辨識。
本發明的一種指紋辨識方法適用於指紋辨識裝置。所述指紋辨識方法包括以下步驟：取得物件圖像，並且以第一色彩模型格式儲存所述物件圖像的多個像素資料，其中所述多個像素資料包括多個第一像素值；轉換所述多個像素資料為第二色彩模型格式，並且基於轉換後的所述多個像素資料以及第一增益值取得多個第二像素值；依據所述多個第一像素值以及所述多個第二像素值計算多個第三像素值；依據所述多個第三像素值計算第一標準差；以及判斷所述第一標準差是否高於第一預設臨界值，若所述第一標準差高於所述第一預設臨界值，則辨識所述物件圖像為真實手指的指紋圖像。
在本發明的一實施例中，上述的所述第一色彩模型格式為YUV色彩模型格式。
在本發明的一實施例中，上述的所述多個第一像素值資料為多個亮度值。
在本發明的一實施例中，上述的所述第二色彩模型格式為RGB色彩模型格式。
在本發明的一實施例中，上述的所述多個第二像素值以及所述多個第三像素值為多個紅色像素值。所述第一標準差為紅色像素值標準差。
在本發明的一實施例中，上述的擷取所述物件圖像，並且以所述第一色彩模型格式儲存所述物件圖像的所述多個像素資料的步驟包括：擷取完整物件圖像，並且取樣所述完整物件圖像的部分區塊，以作為所述物件圖像。
在本發明的一實施例中，上述的依據所述多個第一像素值以及所述多個第二像素值計算所述多個第三像素值的步驟包括：分別將所述多個第一像素值相減於所述多個第二像素值，以取得所述多個第三像素值。
在本發明的一實施例中，上述的指紋辨識方法更包括以下步驟：基於轉換後的所述多個像素資料以及第二增益值取得多個第四像素值；依據所述多個第一像素值以及所述多個第四像素值計算多個第五像素值；以及依據所述多個第五像素值計算第二標準差。
在本發明的一實施例中，上述的判斷所述第一標準差是否高於所述第一預設臨界值，若所述第一標準差高於所述第一預設臨界值，則辨識所述物件圖像為所述真實手指的所述指紋圖像的步驟包括：進一步判斷所述第二標準差是否低於第二預設臨界值，若所述第二標準差低於所述第二預設臨界值，則辨識所述物件圖像為所述真實手指的所述指紋圖像。
在本發明的一實施例中，上述的所述多個第四像素值以及所述多個第五像素值為多個綠色像素值，並且所述第二標準差為綠色像素值標準差。
本發明的一種指紋辨識裝置包括儲存裝置、指紋感測器以及處理器。所述指紋感測器用以擷取物件圖像。所述處理器耦接所述指紋感測器以及所述儲存裝置。所述處理器用以接收所述物件圖像，並且以第一色彩模型格式儲存所述物件圖像的多個像素資料至所述儲存裝置。所述處理器轉換所述多個像素資料為第二色彩模型格式，並且所述處理器基於轉換後的所述多個像素資料以及第一增益值取得多個第二像素值。所述處理器依據所述多個第一像素值以及所述多個第二像素值計算多個第三像素值，並且所述處理器依據所述多個第三像素值計算第一標準差。所述處理器判斷所述第一標準差是否高於第一預設臨界值，若所述第一標準差高於所述第一預設臨界值，則所述處理器辨識所述物件圖像為真實手指的指紋圖像。
在本發明的一實施例中，上述的所述第一色彩模型格式為YUV色彩模型格式。
在本發明的一實施例中，上述的所述多個第一像素值資料為多個亮度值。
在本發明的一實施例中，上述的所述第二色彩模型格式為RGB色彩模型格式。
在本發明的一實施例中，上述的所述多個第二像素值以及所述多個第三像素值為多個紅色像素值，並且所述第一標準差為紅色像素值標準差。
在本發明的一實施例中，上述的所述處理器擷取完整物件圖像，並且所述處理器取樣所述完整物件圖像的部分區塊，以作為所述物件圖像。
在本發明的一實施例中，上述的所述處理器分別將所述多個第一像素值相減於所述多個第二像素值，以取得所述多個第三像素值。
在本發明的一實施例中，上述的所述處理器基於轉換後的所述多個像素資料以及第二增益值取得多個第四像素值，並且所述處理器依據所述多個第一像素值以及所述多個第四像素值計算多個第五像素值。所述處理器依據所述多個第五像素值計算第二標準差。
在本發明的一實施例中，上述的所述處理器進一步判斷所述第二標準差是否低於第二預設臨界值。若所述第二標準差低於所述第二預設臨界值，則所述處理器辨識所述物件圖像為所述真實手指的所述指紋圖像。
在本發明的一實施例中，上述的所述多個第四像素值以及所述多個第五像素值為多個綠色像素值，並且所述第二標準差為綠色像素值標準差。
基於上述，本發明的指紋辨識裝置以及指紋辨識方法可藉由分析以及計算物件圖像的至少一部份物件圖像，以取得關於此部分物件圖像的經由計算後的多個特定像素值的標準差。並且，本發明的指紋辨識裝置可藉由預設臨界值來判斷此標準差的大小來有效辨識此物件圖像是否屬於真實手指的指紋圖像，以避免偽造手指通過辨識。
為讓本發明的上述特徵和優點能更明顯易懂，下文特舉實施例，並配合所附圖式作詳細說明如下。
為了使本發明之內容可以被更容易明瞭，以下提出多個實施例來說明本發明，然而本發明不僅限於所例示的多個實施例。又實施例之間也允許有適當的結合。另外，凡可能之處，在圖式及實施方式中使用相同標號的元件/構件/步驟，係代表相同或類似部件。
圖1繪示本發明一實施例的指紋辨識裝置的方塊圖。參考圖1，在本實施例中，指紋辨識裝置100包括處理器110、指紋感測器120以及儲存裝置130。處理器110耦接指紋感測器120以及儲存裝置130。在本實施例中，指紋感測器120用以擷取物件圖像，並且將物件圖像提供置處理器110，以使處理器110分析物件圖像。儲存裝置130儲存多個程式模組。處理器110可讀取儲存裝置130的這些程式模組，以實現本發明各實施例所述的指紋辨識方法。此外。在本實施例中，指紋感測器120可包括光源以及光接收器等，諸如此類的光學式指紋感測元件，但本發明並不限於此。在一實施例中，指紋感測器120也可包括電容式或其他類型的指紋感測元件。
在本實施例中，處理器110例如是中央處理單元(Central Processing Unit, CPU)、系統單晶片(System on Chip, SOC)或是其他可程式化之一般用途或特殊用途的微處理器(microprocessor)、數位訊號處理器(Digital Signal Processor, DSP)、可程式化控制器、特殊應用積體電路(Application Specific Integrated Circuits, ASIC)、可程式化邏輯裝置(Programmable Logic Device, PLD)、其他類似處理裝置或這些裝置的組合。
在本實施例中，儲存裝置130例如是任何類型的固定式或可移動式的隨機存取記憶體(Random Access Memory, RAM)、唯讀記憶體(Read-Only Memory, ROM)、快閃記憶體(flash memory)或類似元件或上述元件的組合。在本實施例中，儲存裝置130用以儲存本發明各實施例的物件圖像資料以及多個程式模組等，以使處理器110可讀取儲存裝置130並執行這些資料以及程式模組，以實現本發明各實施例所述的指紋辨識方法。
圖2繪示本發明一實施例的物件圖像的示意圖。參考圖1以及圖2。在本實施例中，物件圖像200包括多個像素資料，並且物件圖像200可為完整物件圖像。在本實施例中，指紋感測器120將物件圖像200提供至處理器110，並且處理器110以第一色彩模型儲存此物件圖像200的多個像素資料。在本實施例中，第一色彩模型為YUV色彩模型格式，但本發明並不限於此。在一實施例中，第一色彩模型亦可為其他類型的色彩模型格式。
在本實施例中，指紋感測器120擷取的物件圖像200可為一張完整物件圖像，並且物件圖像200當中可例如包括指紋210。然而，在本實施例中，處理器110可擷取物件圖像200的一部分來進行分析。也就是說，處理器110可取樣物件圖像200的一部分物件圖像220，並針對此部分物件圖像220進行以下的圖像分析以及辨識操作。舉例來說，物件圖像200可例如具有320×240的像素數量，並且部分物件圖像220可例如具有60×60的像素數量。處理器110可擷取物件圖像200的中央或具有重要特徵的位置的部分物件圖像220，本發明並不加以限制。因此，本實施例的處理器110可減少圖像分析的運算量，並且可同時有效判斷物件圖像是否屬於為真實手指的指紋圖像。
圖3繪示本發明一實施例的轉換物件圖像的像素資料的色彩模型格式的示意圖。參考圖1~圖3，在本實施例中，處理器110可分析部分物件圖像220，以取得部分物件圖像220當中的每一像素的像素資料Y(0,0)/U(0,0)/V(0,0)~Y(3,3)/U(3,3)/V(3,3)。具體而言，如圖3的資料矩陣310。部分物件圖像220例如具有4×4的像素數量。在本實施例中，部分物件圖像220當中的每一像素的像素資料Y(0,0)/U(0,0)/V(0,0)~Y(3,3)/U(3,3)/V(3,3)為YUV色彩模型格式的資料。並且，處理器110可依據以下公式(1)~公式(3)轉換這些像素資料Y(0,0)/U(0,0)/V(0,0)~Y(3,3)/U(3,3)/V(3,3)為第二色彩模型格式，其中第二色彩模型格式例如是RGB色彩模型格式，但本發明並不限於此。在一實施例中，第二色彩模型亦可為其他類型的色彩模型格式。公式(1)~公式(3)如下： ……......公式(1) ……......公式(2) ……......公式(3)
因此，如圖3的資料矩陣320，處理器110將這些像素資料Y(0,0)/U(0,0)/V(0,0)~Y(3,3)/U(3,3)/V(3,3)轉換為RGB色彩模型格式的多個像素資料R(0,0)/G(0,0)/B(0,0)~R(3,3)/G(3,3)/B(3,3)。並且，在一實施例中，處理器110可進一步藉由不同增益值來調整這些像素資料R(0,0)/G(0,0)/B(0,0)~R(3,3)/G(3,3)/B(3,3)，以藉由增益值調整過後的像素資料來進行分析運算。
圖4A繪示本發明一實施例的基於第一增益值調整物件圖像的示意圖。圖4B繪示本發明一實施例的基於第二增益值調整物件圖像的示意圖。參考圖1~圖4B，舉例而言，處理器110可例如是藉由第一增益值以及第二增益值來分別調整圖3的資料矩陣320的這些像素資料R(0,0)/G(0,0)/B(0,0)~R(3,3)/G(3,3)/B(3,3)。在本實施例中，第一增益值可例如是1:1:1的RGB增益(Gain)，而第二增益值可例如是1:2:2的RGB增益，但本發明並不限於此。因此，調整後的部分物件圖像410可為色澤較淺的圖像，並且調整後的部分物件圖像420可為色澤較深的圖像。然而，本發明所述的增益值的比例並不限於此，在一實施例中，第一增益值以及第二增益值的比例可依據不同使用需求或指紋辨識設備的需求來決定之。
圖5繪示本發明一實施例的計算物件圖像的像素資料的示意圖。參考圖1~圖5，在本實施例中，處理器110可將上述的這些像素資料R(0,0)/G(0,0)/B(0,0)~R(3,3)/G(3,3)/B(3,3)經由上述的第一增益值調整後，依據以下公式(4)~公式(6)來計算各像素的像素資料。公式(4)~公式(6)如下： ……......公式(4) ……......公式(5) ……......公式(6)
在上述公式(4)~公式(6)當中，i以及j為大於0的正整數。因此，如圖5的資料矩陣510，處理器110可取得多個像素資料∆YR(0,0)/∆YG(0,0)/∆YB(0,0)~∆YR(3,3)/∆YG(3,3)/∆YB(3,3)。
值得注意的是，在本實施例中，處理器110依據這些像素資料∆YR(0,0)/∆YG(0,0)/∆YB(0,0)~∆YR(3,3)/∆YG(3,3)/∆YB(3,3)的至少其中之一類型的像素值來計算其標準差。舉例而言，首先，處理器110可將圖3的資料矩陣310當中的每一像素的亮度值Y(0,0)~Y(3,3)做為多個第一像素值，並且將圖3的資料矩陣320當中的每一像素的紅色像素值R(0,0)~R(3,3)經由第一增益值調整後，做為多個第二像素值。接著，處理器110可將這些第一像素值分別與這些第二像素值相減，以取得圖5的資料矩陣510當中的每一像素的多個像素值∆YR(0,0)~∆YR(3,3)。處理器110將這些像素值∆YR(0,0)~∆YR(3,3)做為多個第三像素值，並且處理器110依據以下公式(7)、公式(8)計算這些第三像素值的第一標準差。公式(7)、公式(8)如下： ……......公式(7) ……......公式(8)
在上述公式(7)、公式(8)當中，X k為∆YR(0,0)~∆YR(3,3)。因此，處理器110可取得對應於像素值∆YR(0,0)~∆YR(3,3)的標準差SD(R)。在本實施例中，處理器110判斷標準差SD(R)是否高於第一預設臨界值。若標準差SD(R)高於第一預設臨界值，則處理器110辨識物件圖像200為真實手指的指紋圖像。也就是說，由於真實手指的指紋圖像的顏色具有特定的肉色顏色，故可藉由計算有關於特定像素值的標準差，而有效分辨物件圖像屬於真實手指或偽造手指的指紋圖像。
在本實施例中，真實手指的指紋圖像的紅色像素值經由上述調整以及計算後的標準差SD(R)應該高於第一預設臨界值。反之，偽造手指的指紋圖像的紅色像素值經由上述調整以及計算後的標準差SD(R)將不會高於第一預設臨界值。因此，本實施例的指紋辨識裝置100可依據上述判斷方式來辨識物件圖像是否屬於真實手指的指紋圖像。
再舉例而言，上述的標準差計算方式亦可適用於計算第二標準差。首先，處理器110可將圖3的資料矩陣310當中的每一像素的亮度值Y(0,0)~Y(3,3)做為多個第一像素值，並且將圖3的資料矩陣320當中的每一像素的綠色像素值G(0,0)~G(3,3)經由第二增益值調整後，做為多個第四像素值。接著，處理器110可將這些第一像素值分別與這些第四像素值相減，以取得圖5的資料矩陣510當中的每一像素的多個像素值∆YG(0,0)~∆YG(3,3)。處理器110將這些像素值∆YG(0,0)~∆YG(3,3)做為多個第五像素值，並且處理器110依據上述公式(7)、公式(8)計算這些第五像素值的標準差SD(G)。
因此，處理器110可取得對應於像素值∆YG(0,0)~∆YG(3,3)的標準差SD(G)。在本實施例中，處理器110判斷標準差SD(G)是否高於第二預設臨界值。若標準差SD(G)高於第二預設臨界值，則處理器110辨識物件圖像200為真實手指的指紋圖像。也就是說，由於偽造手指的顏色亦可能為肉色，故除了上述判斷經由第一增益值調整後的這些第三像素值所計算而得的標準差SD(R)，本發明的指紋辨識裝置100可進一步判斷經由第二增益值調整後的這些第五像素值所計算而得的標準差SD(G)，以有效避免顏色為肉色的偽造手指通過辨識。
在本實施例中，真實手指的指紋圖像的綠色像素值經由上述調整以及計算後的標準差SD(G)應該高於第二預設臨界值。反之，假手指的指紋圖像的綠色像素值經由上述調整以及計算後的標準差SD(G)將不會高於第二預設臨界值。因此，本實施例的指紋辨識裝置100可依據上述判斷方式來辨識物件圖像是否屬於真實手指的指紋圖像。
以下進一步提出表1的多個樣本的實驗結果來輔助說明上述實施範例。 <TABLE border="1" borderColor="#000000" width="85%"><TBODY><tr><td> 樣本 </td><td> GAIN A </td><td> GAIN B </td><td> 結果 </td></tr><tr><td> SD(R) </td><td> SD(G) </td><td> SD(B) </td><td> SD(R) </td><td> SD(G) </td><td> SD(B) </td></tr><tr><td> FAKE1 </td><td> 3 </td><td> 13 </td><td> 38 </td><td> 5 </td><td> 61 </td><td> 37 </td><td> FAIL </td></tr><tr><td> FAKE2 </td><td> 3 </td><td> 15 </td><td> 37 </td><td> 5 </td><td> 61 </td><td> 37 </td><td> FAIL </td></tr><tr><td> FAKE3 </td><td> 83 </td><td> 5 </td><td> 120 </td><td> 2 </td><td> 47 </td><td> 46 </td><td> FAIL </td></tr><tr><td> FAKE4 </td><td> 124 </td><td> 1 </td><td> 97 </td><td> 2 </td><td> 123 </td><td> 42 </td><td> FAIL </td></tr><tr><td> FAKE5 </td><td> 2 </td><td> 92 </td><td> 43 </td><td> 122 </td><td> 1 </td><td> 62 </td><td> FAIL </td></tr><tr><td> FAKE6 </td><td> 1 </td><td> 81 </td><td> 44 </td><td> 95 </td><td> 1 </td><td> 96 </td><td> FAIL </td></tr><tr><td> FAKE7 </td><td> 76 </td><td> 1 </td><td> 43 </td><td> 3 </td><td> 124 </td><td> 41 </td><td> FAIL </td></tr><tr><td> TRUE </td><td> 30 </td><td> 1 </td><td> 41 </td><td> 3 </td><td> 8 </td><td> 40 </td><td> PASS </td></tr></TBODY></TABLE>表1
以多個樣本的辨識結果來舉例說明之。依據上述表1，這些樣本包括樣本FAKE1~樣本FAKE7、樣本TRUE。在本實施例中，處理器110經由上述實施例所述的標準差的計算方式，來取得這些樣本的部分物件圖像分別經由第一增益值(GAIN A)以及第二增益值(GAIN B)調整後的每一像素的紅色、綠色以及藍色像素值與對應的亮度值計算後的標準差。
舉例而言，在本實施例中，處理器110可分別判斷這些樣本的第一增益值(GAIN A)的標準差SD(R)是否高於30的預設臨界值。並且處理器110進一步分別判斷這些樣本的第二增益值(GAIN B)的標準差SD(G)是否低於30的預設臨界值。換句話說，處理器110可藉由不同偏色程度的圖像來辨識此圖像是否擷取自真實手指。因此，在上述的表1當中，由於僅有樣本TRUE符合上述兩個標準差的條件，因此處理器110可判斷樣本TRUE為真實手指的指紋圖像。然而，在一實施例中，處理器110亦可以設定多個預設臨界值，以藉由這些預設臨界值來分別判斷經由不同增益值調整後的其他像素值的標準差。或者是，處理器110可以設定一個或多個預設臨界值，以判斷經由單一增益值調整後的至少一種像素值的標準差，本發明並不限於此。
值得注意的是，當物件圖像200通過上述的辨識操作後，指紋辨識裝置100可進一步針對此物件圖像200進行指紋認證操作，以判斷此物件圖像200當中的指紋特徵是否與指紋辨識裝置100預先註冊的指紋特徵相符。然而，關於本發明各實施例所述的指紋認證操作為本領域技術人員可依據所屬技術領域的通常知識來獲致足夠的教示、建議以及實施說明，因此在此不予贅述。
圖6繪示本發明一實施例的指紋辨識方法的流程圖。參考圖1以及圖6，圖6的指紋辨識方法可至少適用於圖1的指紋辨識裝置100。在步驟S610中，處理器110藉由指紋感測器120取得物件圖像，並且以第一色彩模型格式儲存物件圖像的多個像素資料至儲存裝置130，其中這些像素資料包括多個第一像素值。在步驟S620中，處理器110轉換這些像素資料為第二色彩模型格式，並且基於轉換後的這些像素資料以及第一增益值取得多個第二像素值。在步驟S630中，處理器110依據這些第一像素值以及這些第二像素值計算多個第三像素值。在步驟S640中，處理器110依據這些第三像素值計算第一標準差。在步驟S650中，處理器110判斷第一標準差是否高於第一預設臨界值，若第一標準差高於第一預設臨界值，則辨識此物件圖像為真實手指的指紋圖像。因此，本實施例的指紋辨識方法可有效辨識物件圖像是否為真實手指的指紋圖像，以有效避免偽造手指通過辨識。
另外，關於指紋辨識裝置100的相關實施方式以及元件特徵可由上述圖1~5實施例的內容而獲致足夠的教示、建議與實施說明，因此不再贅述。
綜上所述，本發明的指紋辨識裝置以及指紋辨識方法可擷取物件圖像的至少一部份物件圖像來進行分析。首先，本發明的指紋辨識裝置可藉由不同的增益值來調整此部分物件圖像的多個像素值。接著，本發明的指紋辨識裝置可再進一步計算此部份物件圖像的這些像素值，以取得對應於這些像素值的標準差。最後，本發明的指紋辨識裝置可藉由預設臨界值來判斷此標準差的大小，以決定此物件圖像是否屬於真實手指的指紋圖像。據此，本發明的指紋辨識裝置以及指紋辨識方法可有效避免偽造手指通過辨識。
雖然本發明已以實施例揭露如上，然其並非用以限定本發明，任何所屬技術領域中具有通常知識者，在不脫離本發明的精神和範圍內，當可作些許的更動與潤飾，故本發明的保護範圍當視後附的申請專利範圍所界定者為準。
100：指紋辨識裝置 110：處理器
120‧‧‧指紋感測器
130‧‧‧儲存裝置
200‧‧‧物件圖像
210‧‧‧指紋
220、410、420‧‧‧部分指紋圖像
310、320、510‧‧‧資料矩陣
S610、S620、S630、S640、S650‧‧‧步驟
圖1繪示本發明一實施例的指紋辨識裝置的方塊圖。 圖2繪示本發明一實施例的物件圖像的示意圖。 圖3繪示本發明一實施例的轉換物件圖像的像素資料的色彩模型格式的示意圖。 圖4A繪示本發明一實施例的基於第一增益值調整物件圖像的示意圖。 圖4B繪示本發明一實施例的基於第二增益值調整物件圖像的示意圖。 圖5繪示本發明一實施例的計算物件圖像的像素資料的示意圖。 圖6繪示本發明一實施例的指紋辨識方法的流程圖。

Claims (16)

  1. 一種指紋辨識方法，包括：取得一物件圖像，並且以一第一色彩模型格式儲存所述物件圖像的多個像素資料，其中所述多個像素資料包括多個第一像素值；轉換所述多個像素資料為一第二色彩模型格式，並且基於轉換後的所述多個像素資料以及一第一增益值取得多個第二像素值，其中所述第一色彩模型格式為YUV模式，並且所述第二色彩模型格式為RGB模式；分別將所述多個第一像素值相減於所述多個第二像素值，以取得多個第三像素值；依據所述多個第三像素值計算一第一標準差；以及判斷所述第一標準差是否高於一第一預設臨界值，若所述第一標準差高於所述第一預設臨界值，則辨識所述物件圖像為一真實手指的一指紋圖像。
  2. 如申請專利範圍第1項所述的指紋辨識方法，其中所述多個第一像素值為多個亮度值。
  3. 如申請專利範圍第1項所述的指紋辨識方法，其中所述多個第二像素值以及所述多個第三像素值為多個紅色像素值，並且所述第一標準差為一紅色像素值標準差。
  4. 如申請專利範圍第1項所述的指紋辨識方法，其中擷取所述物件圖像，並且以所述第一色彩模型格式儲存所述物件圖像的所述多個像素資料的步驟包括：擷取一完整物件圖像，並且取樣所述完整物件圖像的一部分區塊，以作為所述物件圖像。
  5. 如申請專利範圍第1項所述的指紋辨識方法，其中依據所述多個第一像素值以及所述多個第二像素值計算所述多個第三像素值的步驟包括：分別將所述多個第一像素值相減於所述多個第二像素值，以取得所述多個第三像素值。
  6. 如申請專利範圍第1項所述的指紋辨識方法，更包括：基於轉換後的所述多個像素資料以及一第二增益值取得多個第四像素值；分別將所述多個第一像素值相減於所述多個第四像素值，以取得多個第五像素值；以及依據所述多個第五像素值計算一第二標準差。
  7. 如申請專利範圍第6項所述的指紋辨識方法，其中判斷所述第一標準差是否高於所述第一預設臨界值，若所述第一標準差高於所述第一預設臨界值，則辨識所述物件圖像為所述真實手指的所述指紋圖像的步驟包括：進一步判斷所述第二標準差是否低於一第二預設臨界值，若所述第二標準差低於所述第二預設臨界值，則辨識所述物件圖像為所述真實手指的所述指紋圖像。
  8. 如申請專利範圍第6項所述的指紋辨識方法，其中所述多個第四像素值以及所述多個第五像素值為多個綠色像素值，並且所述第二標準差為一綠色像素值標準差。
  9. 一種指紋辨識裝置，包括：一儲存裝置；一指紋感測器，用以擷取一物件圖像；以及一處理器，耦接所述指紋感測器以及所述儲存裝置，所述處理器用以接收所述物件圖像，並且以一第一色彩模型格式儲存所述物件圖像的多個像素資料至所述儲存裝置，其中所述處理器轉換所述多個像素資料為一第二色彩模型格式，並且所述處理器基於轉換後的所述多個像素資料以及一第一增益值取得多個第二像素值，其中所述第一色彩模型格式為YUV模式，並且所述第二色彩模型格式為RGB模式，其中所述處理器分別將所述多個第一像素值相減於所述多個第二像素值，以取得多個第三像素值，並且所述處理器依據所述多個第三像素值計算一第一標準差，其中所述處理器判斷所述第一標準差是否高於一第一預設臨界值，若所述第一標準差高於所述第一預設臨界值，則所述處理器辨識所述物件圖像為一真實手指的一指紋圖像。
  10. 如申請專利範圍第9項所述的指紋辨識裝置，其中所述多個第一像素值為多個亮度值。
  11. 如申請專利範圍第9項所述的指紋辨識裝置，其中所述多個第二像素值以及所述多個第三像素值為多個紅色像素值，並且所述第一標準差為一紅色像素值標準差。
  12. 如申請專利範圍第9項所述的指紋辨識裝置，其中所述處理器擷取一完整物件圖像，並且所述處理器取樣所述完整物件圖像的一部分區塊，以作為所述物件圖像。
  13. 如申請專利範圍第9項所述的指紋辨識裝置，其中所述處理器分別將所述多個第一像素值相減於所述多個第二像素值，以取得所述多個第三像素值。
  14. 如申請專利範圍第9項所述的指紋辨識裝置，其中所述處理器基於轉換後的所述多個像素資料以及一第二增益值取得多個第四像素值，並且所述處理器分別將所述多個第一像素值相減於所述多個第四像素值，以取得多個第五像素值，其中所述處理器依據所述多個第五像素值計算一第二標準差。
  15. 如申請專利範圍第14項所述的指紋辨識裝置，其中所述處理器進一步判斷所述第二標準差是否低於一第二預設臨界值，若所述第二標準差低於所述第二預設臨界值，則所述處理器辨識所述物件圖像為所述真實手指的所述指紋圖像。
  16. 如申請專利範圍第14項所述的指紋辨識裝置，其中所述多個第四像素值以及所述多個第五像素值為多個綠色像素值，並且所述第二標準差為一綠色像素值標準差。
TW106127884A 2017-04-18 2017-08-17 指紋辨識方法以及指紋辨識裝置 TWI640929B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US201762486954P 2017-04-18 2017-04-18
US62/486,954 2017-04-18

Publications (2)

Publication Number Publication Date
TW201839654A TW201839654A (zh) 2018-11-01
TWI640929B true TWI640929B (zh) 2018-11-11

Family

ID=63640428

Family Applications (6)

Application Number Title Priority Date Filing Date
TW106127884A TWI640929B (zh) 2017-04-18 2017-08-17 指紋辨識方法以及指紋辨識裝置
TW106128847A TWI638317B (zh) 2017-04-18 2017-08-25 取像模組以及電子裝置
TW106131136A TWI630557B (zh) 2017-04-18 2017-09-12 取像模組及其製造方法
TW106137908A TWI664766B (zh) 2017-04-18 2017-11-02 取像模組及其製造方法
TW106140060A TWI632717B (zh) 2017-04-18 2017-11-20 取像模組及其製造方法
TW106140201A TWI642001B (zh) 2017-04-18 2017-11-21 指紋辨識裝置以及指紋辨識方法

Family Applications After (5)

Application Number Title Priority Date Filing Date
TW106128847A TWI638317B (zh) 2017-04-18 2017-08-25 取像模組以及電子裝置
TW106131136A TWI630557B (zh) 2017-04-18 2017-09-12 取像模組及其製造方法
TW106137908A TWI664766B (zh) 2017-04-18 2017-11-02 取像模組及其製造方法
TW106140060A TWI632717B (zh) 2017-04-18 2017-11-20 取像模組及其製造方法
TW106140201A TWI642001B (zh) 2017-04-18 2017-11-21 指紋辨識裝置以及指紋辨識方法

Country Status (2)

Country Link
CN (5) CN108734074B (zh)
TW (6) TWI640929B (zh)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111339799B (zh) * 2018-12-18 2023-02-28 广州印芯半导体技术有限公司 指纹感测装置以及指纹感测方法
TWI732172B (zh) * 2019-01-29 2021-07-01 巧連科技股份有限公司 微針及指紋的辨識模組
TWI714025B (zh) * 2019-03-19 2020-12-21 緯創資通股份有限公司 影像辨識方法及影像辨識裝置
CN112580392B (zh) * 2019-09-27 2024-03-22 宏碁股份有限公司 指纹识别装置及其驱动方法
TWI793448B (zh) * 2020-01-21 2023-02-21 神盾股份有限公司 電子裝置及其操作方法
US12495632B2 (en) * 2021-08-30 2025-12-09 Taiwan Semiconductor Manufacturing Company Ltd. Semiconductor image sensor and method for forming the same

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101093539A (zh) * 2007-07-27 2007-12-26 哈尔滨工程大学 手指静脉特征提取与匹配识别方法
CN105654469A (zh) * 2015-12-22 2016-06-08 深圳贝申医疗技术有限公司 一种婴儿大便颜色的自动分析方法及系统

Family Cites Families (65)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE3839512A1 (de) * 1988-11-23 1990-05-31 Messerschmitt Boelkow Blohm Bildsensor
US6506632B1 (en) * 2002-02-15 2003-01-14 Unimicron Technology Corp. Method of forming IC package having downward-facing chip cavity
TWI241688B (en) * 2003-09-01 2005-10-11 Siliconware Precision Industries Co Ltd Photosensitive semiconductor device and method for fabrication the same
JP2005317878A (ja) * 2004-04-30 2005-11-10 Citizen Electronics Co Ltd フォトリフレクタ装置及びその製造方法
AU2005328364A1 (en) * 2004-06-01 2006-09-08 Lumidigm, Inc. Multispectral imaging biometrics
JPWO2006030781A1 (ja) * 2004-09-13 2008-05-15 学校法人立命館 指先からの生体情報の抽出方法およびその装置
TWI241040B (en) * 2004-09-22 2005-10-01 Ching-Fu Tzou Modulized structure of the array LED and its packaging method
JP4407512B2 (ja) * 2004-12-28 2010-02-03 ミツミ電機株式会社 画像検出装置
TWI277004B (en) * 2005-03-18 2007-03-21 Chuan Liang Ind Co Ltd Compact and thin contact type image sensor
US7505613B2 (en) * 2005-07-12 2009-03-17 Atrua Technologies, Inc. System for and method of securing fingerprint biometric systems against fake-finger spoofing
JP4501161B2 (ja) * 2005-12-28 2010-07-14 カシオ計算機株式会社 画像読取装置
EP1643556A3 (en) * 2006-01-16 2006-11-22 Elec Vision Inc. Contact image capturing structure
TWM301406U (en) * 2006-05-05 2006-11-21 Lite On Semiconductor Corp Package structure of optical fingerprint gathering module
TW200807745A (en) * 2006-07-28 2008-02-01 Delta Electronics Inc Light-emitting heat-dissipating device and packaging method thereof
JP4951291B2 (ja) * 2006-08-08 2012-06-13 株式会社日立メディアエレクトロニクス 生体認証装置
TWI413240B (zh) * 2007-05-07 2013-10-21 新力股份有限公司 A solid-state imaging device, a manufacturing method thereof, and an image pickup device
TW200933866A (en) * 2008-01-16 2009-08-01 Lingsen Precision Ind Ltd Chip stacking method using light hardened glue
TWI382350B (zh) * 2009-02-19 2013-01-11 Gingy Technology Inc Optical Fingerprint Identification System
JP4842363B2 (ja) * 2009-11-17 2011-12-21 シャープ株式会社 ポインティング装置および電子機器
BR112013001537B8 (pt) * 2010-07-19 2021-08-24 Risst Ltd sensores de impressão digital e sistemas incorporando sensores de impressão digital
CN102386107B (zh) * 2010-09-01 2015-04-01 群成科技股份有限公司 四边扁平无接脚封装方法
CN102446268A (zh) * 2010-09-30 2012-05-09 神盾股份有限公司 指纹防伪装置及其方法
JP5541137B2 (ja) * 2010-12-15 2014-07-09 ソニー株式会社 撮像装置、電子機器、太陽電池、および、撮像装置の製造方法
TWI456510B (zh) * 2011-08-24 2014-10-11 Gingy Technology Inc 用於指紋接觸之面板
TWM428490U (en) * 2011-09-27 2012-05-01 Lingsen Precision Ind Ltd Optical module packaging unit
FR2980643A1 (fr) * 2011-09-28 2013-03-29 St Microelectronics Grenoble 2 Boitier electronique optique
TWI562077B (en) * 2012-01-04 2016-12-11 Gingy Technology Inc Method for fingerprint recognition using dual camera and device thereof
TWI486844B (zh) * 2012-09-25 2015-06-01 Au Optronics Corp 光學觸控掃描裝置
JP5682638B2 (ja) * 2013-01-15 2015-03-11 株式会社ニコン 撮像素子
CN103116763B (zh) * 2013-01-30 2016-01-20 宁波大学 一种基于hsv颜色空间统计特征的活体人脸检测方法
TWI517054B (zh) * 2013-04-24 2016-01-11 金佶科技股份有限公司 指紋取像裝置
TW201505135A (zh) * 2013-07-25 2015-02-01 菱生精密工業股份有限公司 光學模組的封裝結構
TW201505132A (zh) * 2013-07-25 2015-02-01 菱生精密工業股份有限公司 光學模組的封裝結構
CN104463074B (zh) * 2013-09-12 2017-10-27 金佶科技股份有限公司 真伪指纹的辨识方法及辨识装置
US20150084994A1 (en) * 2013-09-23 2015-03-26 Qualcomm Incorporated Touch-enabled field-sequential color (fsc) display using a light guide with light turning features
JP6340793B2 (ja) * 2013-12-27 2018-06-13 セイコーエプソン株式会社 光学装置
TWM491210U (zh) * 2014-02-18 2014-12-01 Image Match Desgin Inc 具有防偽功能之指紋感測裝置
TWI578411B (zh) * 2014-04-03 2017-04-11 精材科技股份有限公司 晶片封裝體的製造方法
US8917387B1 (en) * 2014-06-05 2014-12-23 Secugen Corporation Fingerprint sensing apparatus
CN104103650B (zh) * 2014-07-09 2018-03-23 日月光半导体制造股份有限公司 光学模块及其制造方法以及包括光学模块的电子装置
US10211191B2 (en) * 2014-08-06 2019-02-19 Pixart Imaging Inc. Image module package with transparent sub-assembly
TWM537678U (zh) * 2016-09-26 2017-03-01 金佶科技股份有限公司 指紋辨識裝置的封裝結構
JP2015038991A (ja) * 2014-09-03 2015-02-26 ルネサスエレクトロニクス株式会社 半導体装置の製造方法
TWI549065B (zh) * 2015-01-26 2016-09-11 Gingytech Technology Inc Fingerprint identification method and device thereof
TWI539385B (zh) * 2015-01-28 2016-06-21 金佶科技股份有限公司 光動能指紋辨識模組
CN105893932A (zh) * 2015-02-13 2016-08-24 联咏科技股份有限公司 光学装置
CN104616001B (zh) * 2015-03-04 2018-04-03 上海箩箕技术有限公司 指纹识别系统以及指纹识别方法
CN204424252U (zh) * 2015-03-27 2015-06-24 蔡亲佳 半导体芯片的包埋式板级封装结构
US20160307881A1 (en) * 2015-04-20 2016-10-20 Advanced Semiconductor Engineering, Inc. Optical sensor module and method for manufacturing the same
KR102434562B1 (ko) * 2015-06-30 2022-08-22 삼성전자주식회사 위조 지문 검출 방법 및 장치, 지문 인식 방법 및 장치
TWI547884B (zh) * 2015-07-09 2016-09-01 金佶科技股份有限公司 指紋辨識模組
TW201705031A (zh) * 2015-07-22 2017-02-01 Egalax_Empia Tech Inc 生物特徵辨識裝置
US10002242B2 (en) * 2015-08-17 2018-06-19 Qualcomm Incorporated Electronic device access control using biometric technologies
US9959444B2 (en) * 2015-09-02 2018-05-01 Synaptics Incorporated Fingerprint sensor under thin face-sheet with aperture layer
WO2017043823A1 (ko) * 2015-09-07 2017-03-16 엘지이노텍 주식회사 감지 장치
TWI556177B (zh) * 2015-09-18 2016-11-01 同欣電子工業股份有限公司 指紋感測裝置及其製造方法
CN105205464A (zh) * 2015-09-18 2015-12-30 宇龙计算机通信科技(深圳)有限公司 指纹识别方法、指纹识别装置和终端
CN106558572A (zh) * 2015-09-30 2017-04-05 茂丞科技股份有限公司 指纹感测封装模块及其制造方法
CN205354054U (zh) * 2015-12-17 2016-06-29 江苏鼎云信息科技有限公司 基于生命体征的指纹采集器
CN105512648A (zh) * 2016-01-21 2016-04-20 广东欧珀移动通信有限公司 移动设备及指纹识别感测装置
CN105787322B (zh) * 2016-02-01 2019-11-29 北京京东尚科信息技术有限公司 指纹识别的方法及装置、移动终端
TWM522420U (zh) * 2016-02-17 2016-05-21 Metrics Technology Co Ltd J 指紋感測模組
TWI562011B (en) * 2016-03-09 2016-12-11 Chipmos Technologies Inc Optical fingerprint sensor package structure
CN106229331B (zh) * 2016-08-31 2019-03-29 上海箩箕技术有限公司 自发光显示像素
CN106529487A (zh) * 2016-11-18 2017-03-22 上海箩箕技术有限公司 光学指纹传感器模组

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101093539A (zh) * 2007-07-27 2007-12-26 哈尔滨工程大学 手指静脉特征提取与匹配识别方法
CN105654469A (zh) * 2015-12-22 2016-06-08 深圳贝申医疗技术有限公司 一种婴儿大便颜色的自动分析方法及系统

Also Published As

Publication number Publication date
CN108734075A (zh) 2018-11-02
CN108734074A (zh) 2018-11-02
TWI664766B (zh) 2019-07-01
TW201839667A (zh) 2018-11-01
TW201840031A (zh) 2018-11-01
TWI638317B (zh) 2018-10-11
TWI630557B (zh) 2018-07-21
TW201840030A (zh) 2018-11-01
CN108735764A (zh) 2018-11-02
TWI642001B (zh) 2018-11-21
CN108735765A (zh) 2018-11-02
TW201839661A (zh) 2018-11-01
CN108734074B (zh) 2022-02-18
TW201839654A (zh) 2018-11-01
TWI632717B (zh) 2018-08-11
CN108734076A (zh) 2018-11-02
TW201839655A (zh) 2018-11-01

Similar Documents

Publication Publication Date Title
TWI640929B (zh) 指紋辨識方法以及指紋辨識裝置
Stein et al. Fingerphoto recognition with smartphone cameras
CN103996182B (zh) 图像处理装置、图像处理方法
US20180107858A1 (en) Fingerprint identification method and fingerprint identification device
CN101631200B (zh) 图像处理设备和图像处理方法
TWI501163B (zh) 真偽指紋的辨識方法及辨識裝置
CN104077748B (zh) 图像校正设备、图像校正方法以及生物认证设备
JP7191061B2 (ja) ライブネス検査方法及び装置
US9330325B2 (en) Apparatus and method for reducing noise in fingerprint images
CN104463074B (zh) 真伪指纹的辨识方法及辨识装置
CN101542521B (zh) 眼睛颜色校正装置
KR101276345B1 (ko) 다중 생체 인식 장치 및 방법
WO2019134536A1 (zh) 基于神经网络模型的人脸活体检测
JP2011165008A (ja) 画像認識装置および方法
CN104364798A (zh) 用于面部验证的系统及方法
KR20160037305A (ko) 지문 인식을 이용한 사용자 인증 방법
CN110036407B (zh) 用于基于人类巩膜和瞳孔校正数字图像颜色的系统和方法
WO2017206914A1 (zh) 指纹识别方法、指纹识别系统、及电子设备
CN101542522A (zh) 眼睛颜色校正装置以及程序
US11315360B2 (en) Live facial recognition system and method
CN111241895A (zh) 基于脸部识别的控制机构
CN107847136B (zh) 弹力感评价装置、弹力感评价方法以及弹力感评价程序
CN110532993B (zh) 一种人脸防伪方法、装置、电子设备及介质
KR101566618B1 (ko) 충혈도 산출 방법 및 장치
CN113091915A (zh) 基于人脸识别的自动体温信息采集系统

Legal Events

Date Code Title Description
MM4A Annulment or lapse of patent due to non-payment of fees