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 | 使用Python和OpenCV实现火焰检测(附源码)
查看>>
OpenCV与AI深度学习 | 使用PyTorch进行小样本学习的图像分类
查看>>
OpenCV与AI深度学习 | 使用YOLO11实现区域内目标跟踪
查看>>
OpenCV与AI深度学习 | 使用YOLOv8做目标检测、实例分割和图像分类(包含实例操作代码)
查看>>
OpenCV与AI深度学习 | 使用单相机对已知物体进行3D位置估计
查看>>
OpenCV与AI深度学习 | 初学者指南 -- 什么是迁移学习?
查看>>
OpenCV与AI深度学习 | 十分钟掌握Pytorch搭建神经网络的流程
查看>>
OpenCV与AI深度学习 | 基于GAN的零缺陷样本产品表面缺陷检测
查看>>
OpenCV与AI深度学习 | 基于OpenCV和深度学习预测年龄和性别
查看>>
OpenCV与AI深度学习 | 基于OpenCV实现模糊检测 / 自动对焦
查看>>
OpenCV与AI深度学习 | 基于Python和OpenCV将图像转为ASCII艺术效果
查看>>
OpenCV与AI深度学习 | 基于PyTorch实现Faster RCNN目标检测
查看>>
OpenCV与AI深度学习 | 基于PyTorch语义分割实现洪水识别(数据集 + 源码)
查看>>
OpenCV与AI深度学习 | 基于YOLO11的车体部件检测与分割
查看>>
OpenCV与AI深度学习 | 基于YoloV11自定义数据集实现车辆事故检测(有源码,建议收藏!)
查看>>
OpenCV与AI深度学习 | 基于YOLOv8 + BotSORT实现球员和足球检测与跟踪 (步骤 + 源码)
查看>>
OpenCV与AI深度学习 | 基于YOLOv8实现高级目标检测和区域计数
查看>>
VS2003 Front Page Server Extension
查看>>
OpenCV与AI深度学习 | 基于YOLOv8的停车对齐检测
查看>>
OpenCV与AI深度学习 | 基于YoloV8的药丸/片剂类型识别
查看>>