三星Galaxy S10超声波屏下指纹解锁,安全便捷“无所不能”
2019/05/21 16:45AI云资讯11729
随着智能手机的普及,信息安全的问题逐渐受到手机厂商的关注,传统的密码解锁在速度和安全性上都完败给了指纹解锁,由此指纹解锁开始在智能手机中广泛应用。大部分智能手机的指纹解锁主要分为正面指纹解锁、背面指纹解锁和侧面的指纹解锁。
正面指纹解锁是通过和Home按键结合在一起,有很好的交互体验;背面识别速度通常较快,不容易弄脏而降低灵敏度;侧面也不错,触摸解锁还算方便,可以与电源按键结合在一起,习惯之后还是比较便捷的。

而随着全面屏的普及,从各个方面为用户的信息安全保驾护航,背面解锁与侧面解锁更加受到手机厂商的青睐,正面解锁的方式为了解决屏占比的体验等问题,则急需一种新的指纹识别技术,此前苹果推出了FACE
id,但用户体验褒贬不一,而屏下指纹解锁方式则更受用户青睐,渐渐成为主流。
说起屏下指纹识别,主流是光学指纹识别,通过光感技术识别人体ID。华为P30搭载的就是这种光学指纹识别,是一种比较普遍的指纹识别技术。但是这种技术也有弊端,就是在复杂环境下,受到环境的制约,很难发挥出全部的实力。
而在今年年初推出的三星GalaxyS10系列,创新性的采用了超声波指纹识别技术。简单来说,超声波识别依然是指纹识别的范畴,和电容式指纹识别的区别在于,超声波识别可以不需要在面板上开孔,其最大的好处是能够穿透感知多种材料,如金属,玻璃等,局限性相对没有电容式指纹识别那么多。而光学指纹识别,则是通过简单光学回路来识别人体ID,在安全性和全面性上,表现较超声波指纹识别都要差上一大截。
如今,三星在S10搭载的超声波指纹识别技术已经趋近成熟。通过超声波频率大等特点。实现了一些在过去不可能实现的事情。首先是湿手解锁,湿手解锁一直是业界的一大难题,在过去的光学指纹识别,虽然比传统的电容识别在速度上有了较大的提升。但是,如果用户的手指是湿的,或是有污渍,光路就会改变路线,解锁很难甚至无法解锁。而有了超声波指纹识别技术,超声波能够透过污渍,水渍等影响因素。直接识别出用户最基本的id。做到安全快捷的解锁。

在当今的全面屏手机市场,屏占比的战略优势不言而喻,极高的屏占比给用户带来很好的视觉体验。而屏下指纹技术完全解放了手机屏幕的空间,前置摄像头,传感器,听筒等配件都可以得到隐藏,三星S10创新式的开孔设计,更是全面提升了手机的屏占比。相信在未来,屏下指纹解锁技术将会带来一场新的手机变革。
相关文章
- 安全不止一面:三星Galaxy S26系列带来从硬件到底层的全方位安心使用体验
- 拍得尽兴 玩得畅快 三星Galaxy S26系列成为校园生活的全能搭档
- 三星Galaxy Z8系列影像创新的幕后故事:人像视频功能如何重现专业镜头质感
- 北京国检中心专家组莅临!卓玛顺利通过儿童安全级、绿色建材三星级复审
- 轻松办公 高效创作 三星Galaxy手机重塑职场人的移动生产效率
- 苹果向三星采购iPhone Duo内外屏:内折叠屏每块250美元,外屏80美元
- 画质与安全的双重突破:解读三星Galaxy S26系列屏幕之上的技术创新
- 全能无短板 三星Galaxy S26系列以性能、影像与AI诠释高端旗舰标准
- 三星半导体亮相2026首届算博会,以创新存储方案赋能智能体AI
- 开学季提升成绩 入手三星Galaxy Tab S10 FE|Tab S10 FE+正合适
- Try Galaxy大更新!第八代三星Galaxy折叠屏最新功能等你体验
- 宿舍教室图书馆 三星Galaxy Tab S10+让开学后校园生活更精彩
- 把学习好物装进书包 三星Galaxy Tab S11系列陪你开学
- 深度解读新一代三星Galaxy Z系列和Galaxy Watch的设计之道
- 以焕新设计书写舒适与向往 三星Galaxy Watch新品设计故事
- 三星Galaxy Z Fold8 Ultra、Z Fold8与Z Flip8设计故事:揭秘新品的舒适美学
AI企业
更多>>AI硬件
更多>>AI产业
更多>>AI技术
更多>>- 阶跃这次够狠:AA 全球开源前二,价格打到 Claude 的 1/8
- 科大讯飞发布Spark-Audio-1.0-Preview,全国产语音基座大模型实现从“听清”到“听懂”
- 全球最强开源模型 Kimi K3 发布,参数规模 3 万亿,真的是强!
- 范式变革!东软发布AI原生软件工程白皮书,重构软件产业底层逻辑
- KAT-Coder-Pro V2.5正式发布:从“写代码”迈向“做工程”,Agentic能力全面升级
- 自变量机器人王昊:训练世界模型需付出“时间税”,解决模态对齐是当务之急
- 腾讯发布CodeBuddy Security,用AI Agent实现更高效的代码审计
- Twinkle x昇腾,率先实现Deepseek-V4系列模型高效训练









