近年來，為了提升使用體驗，最大化屏幕視覺效果的全面屏手機日漸流行。與之相伴的是屏下指紋識別滲透率的不斷提升。如今發(fā)售的高端機型幾乎均搭載了指紋識別功能，這項不斷迭代升級的技術逐漸成為市場發(fā)展主流。

屏下指紋識別技術是通過屏幕玻璃下方完成指紋識別的技術。按照技術原理分類，屏下指紋識別技術包括光學屏下指紋和超聲波屏下指紋兩種：

• 光學屏下指紋識別：當手指按壓屏幕后，屏幕的RGB像素作為光源發(fā)出光線穿透蓋板至屏幕表面，將指紋紋理照亮，谷脊信號差可以通過反射光線的強弱，傳遞至屏下傳感器。傳感器將根據反射光線形成的指紋圖像進行分析和比對，達到解鎖目的。

• 超聲波屏下指紋識別：通過超聲波傳感器向手指表面發(fā)射超聲波并接收反饋，再利用指紋表面皮膚和空氣之間密度不同構建出一個 3D圖像，以此達到識別指紋的目的。和超聲波相比，光學屏下指紋識別技術相對成熟，產業(yè)鏈也更完整，在性能和成本綜合表現上更優(yōu)異，正成為屏下指紋方案的主流。

AI光學屏下指紋方案示意圖（來源：艾瑞咨詢《2020中國人工智能手機白皮書-AI重新定義光感知》）

破解三大難題，實現無感指紋識別

2019年，曠視推出了AI光學屏下指紋解決方案，通過結合深度學習算法，在低濕度、低溫或強光等困難場景下獲得更高的準確率，為終端用戶帶來流暢的解鎖體驗和安全的支付保障。曠視屏下指紋識別技術的研發(fā)之路始于2018年。一家客戶因過往合作對曠視的技術非常認可，提出了希望曠視可以提供屏下指紋解鎖方案的需求。隨后，曠視成立指紋團隊開始技術攻堅。

1采算法之長，補噪聲之短

屏下指紋識別有一個天然的難題，就是成像自帶非常大的噪聲。透過屏幕像素點反射得到的圖像里，真正的指紋信息不到10%，剩下的90%多全是無效信號（比如噪聲）。想要識別指紋圖像，首先需要去除這些無效信號。曠視憑借在深度學習領域的積累，通過設計并訓練多層神經網絡，實現噪聲去除和信號增強，有效解決了這一難題。

2見微知著，觀谷脊而識全貌

噪聲去除后，如何利用好有限的指紋信息？受限于感光面尺寸大小，屏下傳感器只能拍到手指完整指紋中很小的一部分，這為指紋識別增添了很大難度。舉個稍微夸張點的例子，屏下指紋識別近似于通過看人臉上的一個毛孔，判斷出這個人是誰。

歸根結底，指紋識別算法是要在指紋圖像上找到并比對指紋特征。曠視的解決之道是依靠指紋的線條紋理進行識別：首先提取指紋圖像中的角點（圖像中有區(qū)分特征的點），再通過角點將指紋圖像的方向調整后進行比對。

3反復摸索，攻克跨狀態(tài)識別

除了前面提到的兩點，跨狀態(tài)識別也是屏下指紋需要攻克的一個技術難題。受本身手指狀態(tài)和環(huán)境光的影響，指紋在常溫、干燥、低溫、強光等不同場景下，成像都會有所不同，進而影響指紋識別的通過率。以低溫為例，大家也許遇到過這種情況，在北方的冬天，戶外呆了一段時間后很難用指紋將手機解鎖，這是因為室外的冷風讓手指的油脂“消失”了。屏下指紋識別過程中，油脂對成像起著關鍵作用，沒有表面的油脂，系統得到的指紋信號就會變差很多，會導致通過率驟降。

為了收集到低溫指紋數據來訓練并提高算法，指紋組的同學如神農嘗百草般，試過很多辦法：把手放在冰箱里一段時間、把啤酒可樂凍成冰再用手摸上去、在北京寒冬的戶外摸大理石，甚至還曾把手暴露在冰天雪地里10分鐘，最后摸索到了冷庫車采集這個巧妙的辦法。通過對低溫指紋數據的收集和分析，指紋組的同學們改善了圖像預處理算法，有效提升了低溫下的指紋識別準確率。

在冷庫車內進行指紋采集

用AI重新定義“光感知”，軟硬結合打破壁壘

如今，曠視的屏下指紋解決方案在各種環(huán)境情況下都可獲得很高的準確率，這源于曠視對行業(yè)上下游的深入洞察。傳統的光學屏下指紋模塊由光學鏡頭、圖像傳感芯片、指紋識別軟件算法三個部分組成，且三個部分分別獨立設計，這使得市面上的光學屏下指紋方案存在速度慢、寒冷天氣識別能力差、防范假手指攻擊效果差等問題。

而曠視提出 “用AI重新定義光感知”，軟硬件協同設計——打通鏡頭的光學設計、芯片的傳感能力設計以及指紋識別的算法設計間的壁壘，其中基于算法設計的要求對光學鏡頭參數進行定制化調整，基于光學通路的要求對傳感芯片的設計進行改善，并且針對傳感圖像的信息作出算法優(yōu)化，從而大幅提升了曠視AI光學屏下指紋解決方案速度、識別率、活體檢測的能力。

曠視的指紋團隊依舊奔跑在前進的路上?！俺掷m(xù)創(chuàng)新拓展認知邊界，非凡科技成就產品價值”，也許工區(qū)掛著的曠視研究院愿景就是對曠視指紋團隊的最佳注腳。