光人工神经网络指纹识别芯片、指纹识别装置及制备方法制造方法及图纸

本发明专利技术提供一种光人工神经网络指纹识别芯片、指纹识别装置及制备方法，本发明专利技术提供的芯片以硬件方式模拟人工神经网络，用于指纹识别，本发明专利技术将光滤波器层作为人工神经网络的输入层，将图像传感器作为人工神经网络的线性层，将光滤波器层对进入光滤波器层的入射光的滤波作用作为输入层到线性层的连接权重，使得后续在使用该指纹识别芯片进行指纹识别处理时不需要再进行与输入层和线性层对应的复杂的信号处理和算法处理，这样可以大幅降低人工神经网络处理时的功耗和延时。神经网络处理时的功耗和延时。神经网络处理时的功耗和延时。

【技术实现步骤摘要】
光人工神经网络指纹识别芯片、指纹识别装置及制备方法


[0001]本专利技术涉及人工智能
，尤其涉及一种光人工神经网络指纹识别芯片、指纹识别装置及制备方法。

技术介绍

[0002]指纹识别技术是一种生物特征识别技术，广泛应用于智能手机解锁、门禁系统、银行密码验证等领域。指纹识别的主要过程包括指纹采集、指纹预处理、指纹特征提取与比对。指纹图像的采集是指纹识别的关键，获取指纹图像的方式主要有光学采集、电容传感器采集、热敏传感器采集、超声波采集等。其中，电容传感器通常安放在手机背部下方采集指纹，结合热敏传感器时，还能实现活体检测，但无法用于屏下指纹识别，这是因为屏幕模组的厚度限制了电容传感器的信号采集。
[0003]现有的屏下指纹识别技术主要有光学采集和超声波采集两种方案，但这两种方案需要先进行指纹成像然后再传输到计算机中进行后续的神经网络识别模型算法处理，大量数据的传输和处理造成了较大的功耗和延时，并且器件的体积较大。

技术实现思路

[0004]针对现有技术存在的问题，本专利技术实施例提供一种光人工神经网络指纹识别芯片、本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种光人工神经网络指纹识别芯片，其特征在于，用于指纹识别任务，包括：光滤波器层、图像传感器和处理器；所述光滤波器层对应人工神经网络的输入层以及输入层到线性层的连接权重，所述图像传感器对应人工神经网络的线性层；所述处理器对应人工神经网络的非线性层以及输出层；所述光滤波器层设置于所述图像传感器的感光区域的表面，所述光滤波器层包含有光调制结构，所述光滤波器层用于通过所述光调制结构对进入至所述光调制结构不同位置点处的入射光分别进行不同的频谱调制，以在所述感光区域的表面得到与不同位置点对应的入射光携带信息；所述入射光包括人体手指末端指腹上的反射光、透射光和/或辐射光；所述图像传感器用于将与不同位置点经光滤波器层调制后对应的入射光携带信息转换为与不同位置点对应的电信号，并将与不同位置点对应的电信号发送给所述处理器；所述电信号为经光滤波器层调制后的图像信号；所述处理器用于将与不同位置点对应的电信号进行全连接处理与非线性激活处理，得到指纹识别处理结果。2.根据权利要求1所述的光人工神经网络指纹识别芯片，其特征在于，所述入射光携带信息包括光强度分布信息、光谱信息、所述入射光的角度信息以及所述入射光的相位信息中的至少一种。3.根据权利要求1所述的光人工神经网络指纹识别芯片，其特征在于，所述光人工神经网络指纹识别芯片包括训练好的光调制结构、图像传感器和处理器；所述训练好的光调制结构、图像传感器和处理器是指利用与指纹识别任务对应的输入训练样本以及输出训练样本，对包含不同的光调制结构、图像传感器和具有不同的全连接参数以及不同的非线性激活参数的处理器的光人工神经网络指纹识别芯片进行训练得到的满足训练收敛条件的光调制结构、图像传感器和处理器；所述输入训练样本包括由具有不同指纹的人体手指末端指腹样本反射或透射或辐射的入射光；所述输出训练样本包括相应的指纹识别结果。4.根据权利要求3所述的光人工神经网络指纹识别芯片，其特征在于，在对包含不同的光调制结构、图像传感器和具有不同的全连接参数和非线性激活参数的处理器的光人工神经网络指纹识别芯片进行训练时，所述不同的光调制结构通过采用计算机光学仿真设计的方式设计实现。5.根据权利要求1～4任一项所述的光人工神经网络指纹识别芯片，其特征在于，所述光滤波器层中的光调制结构包含规则结构和/或不规则结构；和/或，所述光滤波器层中的光调制结构包含离散型结构和/或连续型结构。6.根据权利要求1～4任一项所述的光人工神经网络指纹识别芯片，其特征在于，所述光滤波器层中的光调制结构包含由多个微纳单元组成的单元阵列，每个微纳单元对应图像传感器上的一个或多个像素点；各个微纳单元的结构相同或不同。7.根据权利要求6所述的光人工神经网络指纹识别芯片，其特征在于，所述微纳单元包含规则结构和/或不规则结构；和/或，所述微纳单元包含离散型结构和/或连续型结构。8.根据权利要求6所述的光人工神经网络指纹识别芯片，其特征在于，所述微纳单元包含有多组微纳结构阵列，各组微纳结构阵列的结构相同或不同。9.根据权利要求8所述的光人工神经网络指纹识别芯片，其特征在于，各组微纳结构阵
列具有宽带滤波或窄带滤波的作用。10.根据权利要求8所述的光人工神经网络指纹识别芯片，其特征在于，各组微纳结构阵列为周期结构阵列或非周期结构阵列。11.根据权利要求8所述的光人工神经网络指纹识别芯片，其特征在于，所述微纳单元包含的多组微纳结构阵列中有一组或多组空结构。12.根据权利要求8所述的光人工神经网络指纹识别芯片，其特征在于，所述微纳单元具有偏振无关特性。13.根据权利要求1...

【专利技术属性】
技术研发人员：崔开宇，熊健，杨家伟，黄翊东，张巍，冯雪，刘仿，
申请(专利权)人：清华大学，
类型：发明
国别省市：