聊聊旷厂黑科技 | 屏下指纹识别,方寸间的谷脊之战

近年来,为了提升使用体验,最大化屏幕视觉效果的全面屏手机日渐流行。与之相伴的是屏下指纹识别渗透率的不断提升。如今发售的高端机型几乎均搭载了指纹识别功能,这项不断迭代升级的技术逐渐成为市场发展主流。

屏下指纹识别技术是通过屏幕玻璃下方完成指纹识别的技术。按照技术原理分类,屏下指纹识别技术包括光学屏下指纹和超声波屏下指纹两种:

  • 光学屏下指纹识别:当手指按压屏幕后,屏幕的RGB像素作为光源发出光线穿透盖板至屏幕表面,将指纹纹理照亮,谷脊信号差可以通过反射光线的强弱,传递至屏下传感器。传感器将根据反射光线形成的指纹图像进行分析和比对,达到解锁目的。

  • 超声波屏下指纹识别:通过超声波传感器向手指表面发射超声波并接收反馈,再利用指纹表面皮肤和空气之间密度不同构建出一个 3D图像,以此达到识别指纹的目的。和超声波相比,光学屏下指纹识别技术相对成熟,产业链也更完整,在性能和成本综合表现上更优异,正成为屏下指纹方案的主流。

AI光学屏下指纹方案示意图(来源:艾瑞咨询《2020中国人工智能手机白皮书-AI重新定义光感知》)

破解三大难题

实现无感指纹识别

2019年,旷视推出了AI光学屏下指纹解决方案,通过结合深度学习算法,在低湿度、低温或强光等困难场景下获得更高的准确率,为终端用户带来流畅的解锁体验和安全的支付保障。旷视屏下指纹识别技术的研发之路始于2018年。一家客户因过往合作对旷视的技术非常认可,提出了希望旷视可以提供屏下指纹解锁方案的需求。随后,旷视成立指纹团队开始技术攻坚。

1

采算法之长,补噪声之短

屏下指纹识别有一个天然的难题,就是成像自带非常大的噪声。透过屏幕像素点反射得到的图像里,真正的指纹信息不到10%,剩下的90%多全是无效信号(比如噪声)。想要识别指纹图像,首先需要去除这些无效信号。旷视凭借在深度学习领域的积累,通过设计并训练多层神经网络,实现噪声去除和信号增强,有效解决了这一难题。

2

见微知著,观谷脊而识全貌

噪声去除后,如何利用好有限的指纹信息?受限于感光面尺寸大小,屏下传感器只能拍到手指完整指纹中很小的一部分,这为指纹识别增添了很大难度。举个稍微夸张点的例子,屏下指纹识别近似于通过看人脸上的一个毛孔,判断出这个人是谁。

归根结底,指纹识别算法是要在指纹图像上找到并比对指纹特征。旷视的解决之道是依靠指纹的线条纹理进行识别:首先提取指纹图像中的角点(图像中有区分特征的点),再通过角点将指纹图像的方向调整后进行比对。

3

反复摸索,攻克跨状态识别

除了前面提到的两点,跨状态识别也是屏下指纹需要攻克的一个技术难题。受本身手指状态和环境光的影响,指纹在常温、干燥、低温、强光等不同场景下,成像都会有所不同,进而影响指纹识别的通过率。以低温为例,大家也许遇到过这种情况,在北方的冬天,户外呆了一段时间后很难用指纹将手机解锁,这是因为室外的冷风让手指的油脂“消失”了。屏下指纹识别过程中,油脂对成像起着关键作用,没有表面的油脂,系统得到的指纹信号就会变差很多,会导致通过率骤降。

为了收集到低温指纹数据来训练并提高算法,指纹组的同学如神农尝百草般,试过很多办法:把手放在冰箱里一段时间、把啤酒可乐冻成冰再用手摸上去、在北京寒冬的户外摸大理石,甚至还曾把手暴露在冰天雪地里10分钟,最后摸索到了冷库车采集这个巧妙的办法。通过对低温指纹数据的收集和分析,指纹组的同学们改善了图像预处理算法,有效提升了低温下的指纹识别准确率。

在冷库车内进行指纹采集

用AI重新定义“光感知”

软硬结合打破壁垒

如今,旷视的屏下指纹解决方案在各种环境情况下都可获得很高的准确率,这源于旷视对行业上下游的深入洞察。传统的光学屏下指纹模块由光学镜头、图像传感芯片、指纹识别软件算法三个部分组成,且三个部分分别独立设计,这使得市面上的光学屏下指纹方案存在速度慢、寒冷天气识别能力差、防范假手指攻击效果差等问题。

旷视提出 “用AI重新定义光感知”,软硬件协同设计——打通镜头的光学设计、芯片的传感能力设计以及指纹识别的算法设计间的壁垒,其中基于算法设计的要求对光学镜头参数进行定制化调整,基于光学通路的要求对传感芯片的设计进行改善,并且针对传感图像的信息作出算法优化,从而大幅提升了旷视AI光学屏下指纹解决方案速度、识别率、活体检测的能力。

旷视的指纹团队依旧奔跑在前进的路上。“持续创新拓展认知边界,非凡科技成就产品价值”,也许工区挂着的旷视研究院愿景就是对旷视指纹团队的最佳注脚。

也 /许 /你 /还 /想 /了 /解

欢迎大家关注旷视研究院,一起聊聊技术那些事儿~

已标记关键词 清除标记
相关推荐