[发明专利]指纹识别方法及相关产品在审
申请号: | 201710638262.4 | 申请日: | 2017-07-31 |
公开(公告)号: | CN107480610A | 公开(公告)日: | 2017-12-15 |
发明(设计)人: | 张海平;周意保 | 申请(专利权)人: | 广东欧珀移动通信有限公司 |
主分类号: | G06K9/00 | 分类号: | G06K9/00;G06F21/32 |
代理公司: | 广州三环专利商标代理有限公司44202 | 代理人: | 郝传鑫,熊永强 |
地址: | 523860 广东*** | 国省代码: | 广东;44 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 指纹识别 方法 相关 产品 | ||
1.一种移动终端,其特征在于,包括集成电路模块、连接所述集成电路模块的第一指纹识别模组和第二指纹识别模组,其中:
所述第一指纹识别模组,用于在第一指纹识别区域采用第一指纹识别方式采集第一指纹图像;
所述集成电路模块,用于将所述第一指纹图像与第一预设指纹模板进行匹配;
所述第二指纹识别模组,用于当检测到所述第一指纹图像匹配失败次数达到预设次数时,在第二指纹识别区域采用第二指纹识别方式采集第二指纹图像;
所述集成电路模块,还用于验证所述第二指纹图像是否为合法指纹图像,以及当所述第二指纹图像为合法指纹图像时,确定通过指纹识别验证。
2.根据权利要求1所述的移动终端,其特征在于,所述移动终端还包括显示屏和后盖,
所述第一指纹识别区域位于所述移动终端的所述显示屏上,所述第二指纹识别区域位于所述移动终端的所述后盖上。
3.根据权利要求1或2所述的移动终端,其特征在于,所述第一指纹识别模组在第一指纹识别区域采用第一指纹识别方式采集第一指纹图像的方式具体为:
所述第一指纹识别模组在所述第一指纹识别区域采用所述第一指纹识别方式采集第一手指的第一指纹图像;
所述第二指纹识别模组在第二指纹识别区域采用第二指纹识别方式采集第二指纹图像的方式具体为:
所述第二指纹识别模组在所述第二指纹识别区域采用所述第二指纹识别方式采集第二手指的第二指纹图像;其中,所述第一手指与所述第二手指为同一只手上的两个不同手指。
4.根据权利要求2或3所述的移动终端,其特征在于,
所述显示屏,还用于所述第二指纹识别模组在第二指纹识别区域采用第二指纹识别方式采集第二指纹图像之前,输出提示信息,所述提示信息用于提示用户从所述第一指纹识别方式切换至所述第二指纹识别方式。
5.根据权利要求1-4任一项所述的移动终端,其特征在于,
所述第一指纹识别方式为电容指纹识别方式,所述第二指纹识别方式为光学指纹识别方式;
或者,所述第一指纹识别方式为光学指纹识别方式,所述第二指纹识别方式为电容指纹识别方式。
6.一种指纹识别方法,其特征在于,包括:
在第一指纹识别区域采用第一指纹识别方式采集第一指纹图像,将所述第一指纹图像与第一预设指纹模板进行匹配;
当检测到所述第一指纹图像匹配失败次数达到预设次数时,在第二指纹识别区域采用第二指纹识别方式采集第二指纹图像;
验证所述第二指纹图像是否为合法指纹图像;
若是,确定通过指纹识别验证。
7.根据权利要求6所述的方法,其特征在于,所述第一指纹识别区域位于移动终端的显示屏上,所述第二指纹识别区域位于所述移动终端的后盖上。
8.根据权利要求6或7所述的方法,其特征在于,所述在第一指纹识别区域采用第一指纹识别方式采集第一指纹图像,包括:
在所述第一指纹识别区域采用所述第一指纹识别方式采集第一手指的第一指纹图像;
所述在第二指纹识别区域采用第二指纹识别方式采集第二指纹图像,包括:
在所述第二指纹识别区域采用所述第二指纹识别方式采集第二手指的第二指纹图像;其中,所述第一手指与所述第二手指为同一只手上的两个不同手指。
9.根据权利要求7或8所述的方法,其特征在于,所述在第二指纹识别区域采用第二指纹识别方式采集第二指纹图像之前,所述方法还包括:
输出提示信息,所述提示信息用于提示用户从所述第一指纹识别方式切换至所述第二指纹识别方式。
10.根据权利要求6-9任一项所述的方法,其特征在于,所述第一指纹识别方式为电容指纹识别方式,所述第二指纹识别方式为光学指纹识别方式;
或者,所述第一指纹识别方式为光学指纹识别方式,所述第二指纹识别方式为电容指纹识别方式。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于广东欧珀移动通信有限公司,未经广东欧珀移动通信有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201710638262.4/1.html,转载请声明来源钻瓜专利网。
- 上一篇:指纹识别方法及相关产品
- 下一篇:一种基于深度学习卷积神经网络的裂缝识别方法