博客
关于我
苹果正在改进其屏下指纹扫描技术
阅读量:666 次
发布时间:2019-03-15

本文共 515 字,大约阅读时间需要 1 分钟。

苹果最新的专利申请揭示了其在屏下指纹识别技术上的重大突破,显示公司正在积极推进一项名为“基于离轴角光的屏下指纹传感”的全新技术。该技术旨在解决当前屏下指纹识别系统中的光线传输效率低下问题,从而显著提升指纹识别的精度和可靠性。

目前市场上大多数光学屏下指纹扫描系统主要利用手机显示屏的光辐射来照亮用户的指尖,通过显示屏下方的传感器读取指纹特征进行身份验证。然而,这种设计存在显著局限性,主要体现在低光穿透率和光线衍射带来的影响,导致指纹图像的对比度和信噪比较差,进而增加用户的使用时间和识别失败率。

针对上述问题,苹果提出了一个创新性的解决方案。该系统通过调节显示屏与传感器之间的角度关系,专门捕捉手指表面反射的“离轴角光”,从而有效提升指纹图像的对比度。这种设计不仅能够保持传感系统的紧凑性,还能显著降低对比度波动对识别效果的影响。

技术分析师翁明章表示,苹果计划在2023年至少在一款高端iPhone上首次推出这一新技术。不过,巴克莱安续分析师最近预测称,可能会在iPhone 13或后续产品中实现量产。

这种基于离轴角光的屏下指纹识别技术,标志着苹果在生物识别领域的一次重要突破,预示着未来智能设备的用户体验将得到进一步提升。

转载地址:http://eyzqz.baihongyu.com/

你可能感兴趣的文章
OpenCV与AI深度学习 | 实战 | OpenCV实现扫描文本矫正应用与实现详解(附源码)
查看>>
OpenCV与AI深度学习 | 实战 | YOLO11自定义数据集训练实现缺陷检测 (标注+训练+预测 保姆级教程)
查看>>
OpenCV与AI深度学习 | 实战 | YOLOv10模型微调检测肾结石并提高准确率
查看>>
OpenCV与AI深度学习 | 实战 | 使用OpenCV和Streamlit搭建虚拟化妆应用程序(附源码)
查看>>
OpenCV与AI深度学习 | 实战 | 使用OpenCV确定对象的方向(附源码)
查看>>
OpenCV与AI深度学习 | 实战 | 使用YOLOv8 Pose实现瑜伽姿势识别
查看>>
OpenCV与AI深度学习 | 实战 | 使用YoloV8实例分割识别猪的姿态(含数据集)
查看>>
OpenCV与AI深度学习 | 实战 | 使用姿态估计算法构建简单的健身训练辅助应用程序
查看>>
OpenCV与AI深度学习 | 实战 | 基于OpenCV和K-Means聚类实现颜色分割(步骤 + 代码)
查看>>
OpenCV与AI深度学习 | 实战 | 基于YoloV5和Mask RCNN实现汽车表面划痕检测(步骤 + 代码)
查看>>
OpenCV与AI深度学习 | 实战 | 基于YOLOv9+SAM实现动态目标检测和分割(步骤 + 代码)
查看>>
OpenCV与AI深度学习 | 实战 | 基于YOLOv9和OpenCV实现车辆跟踪计数(步骤 + 源码)
查看>>
OpenCV与AI深度学习 | 实战 | 文本图片去水印--同时保持文本原始色彩(附源码)
查看>>
OpenCV与AI深度学习 | 实战 | 通过微调SegFormer改进车道检测效果(数据集 + 源码)
查看>>
OpenCV与AI深度学习 | 实战—使用YOLOv8图像分割实现路面坑洞检测(步骤 + 代码)
查看>>
OpenCV与AI深度学习 | 实战篇——基于YOLOv8和OpenCV实现车速检测(详细步骤 + 代码)
查看>>
OpenCV与AI深度学习 | 实战|OpenCV实时弯道检测(详细步骤+源码)
查看>>
OpenCV与AI深度学习 | 实用技巧 | 使用OpenCV进行模糊检测
查看>>
OpenCV与AI深度学习 | 实践教程|旋转目标检测模型-TensorRT 部署(C++)
查看>>
OpenCV与AI深度学习 | 工业缺陷检测中数据标注需要注意的几个事项
查看>>