近年来，为了提升使用体验，最大化屏幕视觉效果的全面屏手机日渐流行。与之相伴的是屏下指纹识别渗透率的不断提升。如今发售的高端机型几乎均搭载了指纹识别功能，这项不断迭代升级的技术逐渐成为市场发展主流。
屏下指纹识别技术是通过屏幕玻璃下方完成指纹识别的技术。按照技术原理分类，屏下指纹识别技术包括光学屏下指纹和超声波屏下指纹两种：
- 光学屏下指纹识别：当手指按压屏幕后，屏幕的RGB像素作为光源发出光线穿透盖板至屏幕表面，将指纹纹理照亮，谷脊信号差可以通过反射光线的强弱，传递至屏下传感器。传感器将根据反射光线形成的指纹图像进行分析和比对，达到解锁目的。
- 超声波屏下指纹识别：通过超声波传感器向手指表面发射超声波并接收反馈，再利用指纹表面皮肤和空气之间密度不同构建出一个 3D图像，以此达到识别指纹的目的。和超声波相比，光学屏下指纹识别技术相对成熟，产业链也更完整，在性能和成本综合表现上更优异，正成为屏下指纹方案的主流。
AI光学屏下指纹方案示意图（来源：艾瑞咨询《2020中国人工智能手机白皮书-AI重新定义光感知》）
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%多全是无效信号（比如噪声）。想要识别指纹图像，首先需要去除这些无效信号。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网络，实现噪声去除和信号增强，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？受限于感光面尺寸大小，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。
3 反复摸索，攻克跨状态识别
除了前面提到的两点，跨状态识别也是屏下指纹需要攻克的一个技术难题。受本身手指状态和环境光的影响，指纹在常温、干燥、低温、强光等不同场景下，成像都会有所不同，进而影响指纹识别的通过率。以低温为例，大家也许遇到过这种情况，在北方的冬天，户外呆了一段时间后很难用指纹将手机解锁，这是因为室外的冷风让手指的油脂“消失”了。屏下指纹识别过程中，油脂对成像起着关键作用，没有表面的油脂，系统得到的指纹信号就会变差很多，会导致通过率骤降。
为了收集到低温指纹数据来训练并提高算法，指纹组的同学如神农尝百草般，试过很多办法：把手放在冰箱里一段时间、把啤酒可乐冻成冰再用手摸上去、在北京寒冬的户外摸大理石，甚至还曾把手暴露在冰天雪地里10分钟，最后摸索到了冷库车采集这个巧妙的办法。通过对低温指纹数据的收集和分析，指纹组的同学们改善了图像预处理算法，有效提升了低温下的指纹识别准确率。
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。
专栏文章推荐
欢迎关注旷视研究院极术社区专栏，定期更新最新旷视研究院成果
加入旷视：career@megvii.com
