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 （比如噪声）。想要识别指纹图像，首先需要去除这些无效信 。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 络，实现噪声去除和信 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。
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。
而旷视提出 “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
文章知识点与官方知识档案匹配，可进一步学习相关知识算法技能树首页概览35078 人正在系统学习中
声明：本站部分文章及图片源自用户投稿，如本站任何资料有侵权请您尽早请联系jinwei@zod.com.cn进行处理,非常感谢！