王 偉，李春明

（內(nèi)蒙古工業(yè)大學(xué) 內(nèi)蒙古 呼和浩特 010080）

生物識(shí)別技術(shù)在我們的生活中扮演越來(lái)越重要的角色，在很多場(chǎng)合已經(jīng)取代了傳統(tǒng)的認(rèn)證識(shí)別方式[1]。其中指紋識(shí)別技術(shù)的發(fā)展尤為突出，成為目前最廣泛的應(yīng)用之一，比如在門禁系統(tǒng)、考勤系統(tǒng)、刑偵破案以及“社?！毕到y(tǒng)等。目前的產(chǎn)品大部分以嵌入式軟硬件為核心，發(fā)展趨勢(shì)是小型化，低成本，低功耗，高可靠性，快速穩(wěn)定高效的指紋識(shí)別算法實(shí)現(xiàn)等方面。

1 硬件平臺(tái)

本系統(tǒng)的整體結(jié)構(gòu)如圖1所示，首先構(gòu)建以ARM9處理器為核心的硬件平臺(tái)，移植了Linux內(nèi)核，在嵌入式Linux系統(tǒng)上進(jìn)行指紋識(shí)別系統(tǒng)的應(yīng)用程序開(kāi)發(fā)。在指紋分割和增強(qiáng)算法方面根據(jù)指紋儀采集指紋的特點(diǎn)進(jìn)行優(yōu)化處理。實(shí)驗(yàn)表明，設(shè)計(jì)的指紋識(shí)別系統(tǒng)取得了令人滿意的效果。的ARM920T，該處理器主頻為400 MHz，最高可達(dá)533MHz。

圖1 系統(tǒng)總體結(jié)構(gòu)Fig．1 Overall system structure

電源為外接5 V直流電源，通過(guò)電壓轉(zhuǎn)換電路形成系統(tǒng)所需要的 3．3 V 和 1．25 V 電壓。

采集模塊為U．a(chǎn)re．U4000B指紋采集儀，該采集儀是目前體積最小的光學(xué)采集儀，厚度不到1cm，采集的指紋圖象分辨率等于500 DPI，最高可達(dá)700 DPI。采用通用的USB接口與上位機(jī)連接，自身集成了A/D轉(zhuǎn)換電路。該指紋儀的優(yōu)點(diǎn)是采集圖像質(zhì)量好；受指紋干濕度影響較??；采集的指紋圖像為灰度8-bit，不用轉(zhuǎn)換可以直接進(jìn)行預(yù)處理。

顯示模塊為3．5寸LCD觸摸顯示屏，供電電壓為5 V，系統(tǒng)獨(dú)立工作時(shí)可以滿足。在系統(tǒng)調(diào)試時(shí)為觀看方便，可用PC機(jī)顯示器作為終端登陸。

FLASH為Nand型，掉電非易失?？紤]后期的系統(tǒng)升級(jí)和擴(kuò)容，大小選用256M。

SDRAM我們通常稱為內(nèi)存，大小為64M，文中采用兩塊32M并接而成，這樣形成32位數(shù)據(jù)線，可以提高數(shù)據(jù)傳輸速度。

本系統(tǒng)的硬件平臺(tái)如圖2所示，各個(gè)模塊接口功能介紹如下。

處理器為三星公司的S3C2440，其核心架構(gòu)為ARM公司

圖2 系統(tǒng)硬件組成Fig．2 Block diagram of platform structure

JTAG接口用來(lái)燒寫Linux引導(dǎo)程序Bootloader；串口用來(lái)移植內(nèi)核，編譯調(diào)試程序等；USB接口用于連接指紋采集儀；以太網(wǎng)口為備用端口，可以作為整個(gè)系統(tǒng)工作后與遠(yuǎn)程PC機(jī)進(jìn)行通信。

2 Linux移植

Linux移植硬件連接如圖3所示。首先通過(guò)JTAG接口將Bootloader燒寫到FLASH的起始地址，通過(guò)串口操作Bootloader將編譯好的Linux內(nèi)核下載到FLASH。

圖3 PC機(jī)與ARM的通信方式Fig．3 PC and ARM communicationmode

2.1 Bootloader選擇與移植

Bootloader是操作系統(tǒng)啟動(dòng)之前運(yùn)行的一小段引導(dǎo)程序，它也是啟動(dòng)Linux內(nèi)核的必備條件。目前的版本很多[9]，比如韓國(guó)ZIMI公司設(shè)計(jì)的vivi，美國(guó)紅帽公司設(shè)計(jì)的Redboot，德國(guó)DENX公司設(shè)計(jì)的Das U-boot和國(guó)內(nèi)友善之臂公司的supervivi等。它們的使用根據(jù)硬件架構(gòu)選擇的差別略有不同。通過(guò)功能應(yīng)用和通用性兩個(gè)方面比較，最后選擇U-boot作為Bootloader。

U-boot即 Universal Boot Loader， 它是由 Das U-boot發(fā)展而來(lái)。通過(guò)交叉編譯環(huán)境將編譯好的U-boot通過(guò)JTAG接口燒寫到FLASH的前4 K范圍內(nèi)。因?yàn)橛布到y(tǒng)在上電后，首先執(zhí)行的命令是將FLASH中前4 K內(nèi)容讀入內(nèi)存，這樣就可以進(jìn)行下面的操作。FLASH中文件存儲(chǔ)的順序如圖4所示。

圖4 Flash中文件存儲(chǔ)順序示意圖Fig．4 Schematic of files storage order in Flash

2.2 Linux內(nèi)核移植

文中選擇的 Linux內(nèi)核版本為 2．6．29。 移植分為 5步[3]：1）獲取內(nèi)核源文件；2）修改部分源代碼以支持S3C2440處理器 ；3） 修 改 MTD（Memory Technology Device） 分 區(qū) ；4） 移 植YAFFS（Yet Another Flash File System）；5）進(jìn)行編譯、燒寫、啟動(dòng)并測(cè)試內(nèi)核。

3 算法結(jié)構(gòu)

指紋識(shí)別算法的總體結(jié)構(gòu)分為4大部分[4]：指紋圖像采集，預(yù)處理，特征提取和特征匹配等。其中預(yù)處理部分又分為指紋圖像分割，指紋圖像增強(qiáng)，二值化，細(xì)化等過(guò)程。算法的詳細(xì)處理過(guò)程如圖5所示。

下面對(duì)指紋識(shí)別算法的幾個(gè)關(guān)鍵步驟進(jìn)行介紹說(shuō)明。

圖5 指紋識(shí)別算法總體結(jié)構(gòu)Fig．5 Overall process of the fingerprint image processin

3.1 指紋圖像的梯度場(chǎng)和方向場(chǎng)

指紋圖像場(chǎng)的概念是依據(jù)人眼對(duì)圖像的識(shí)別判斷功能進(jìn)行的數(shù)學(xué)模型化描述。其中，梯度場(chǎng)描述了紋線脊骨的變化，方向場(chǎng)描述了紋線的走向。圖6是指紋圖像和其梯度場(chǎng)、方向場(chǎng)效果圖。

圖6 指紋圖像與其梯度場(chǎng)、方向場(chǎng)圖Fig．6 Fingerprint image， gradient field value drawing and orientation field drawin

3.2 指紋圖像的分割與智能增強(qiáng)

通過(guò)梯度場(chǎng)圖可以很容易選取閾值將指紋圖像前景與背景分割開(kāi)來(lái)；通過(guò)方向場(chǎng)，容易找到指紋圖像的中心，根據(jù)紋線走勢(shì)，可以很好的對(duì)圖像進(jìn)行增強(qiáng)，形象地稱之為“智能”增強(qiáng)。分割和增強(qiáng)后的效果如圖7所示。

圖7 分割和增強(qiáng)Fig．7 Segmentation and enhancement

3.3 指紋圖像的二值化與細(xì)化

二值化是在指紋圖像增強(qiáng)之后，選取一個(gè)閾值，將指紋圖像變成只有黑（0）和白（255）兩種像素，閾值的選取是關(guān)鍵。

細(xì)化過(guò)程是將二值化后的指紋紋線進(jìn)行骨架化，變成只有一個(gè)像素組成的紋線線路。細(xì)化采用快速的細(xì)化算法，細(xì)化后會(huì)有毛子，短線等偽特征，需要進(jìn)行去除。二值化細(xì)化后的效果圖如圖8所示。

3.4 特征提取

在特征點(diǎn)提取上，以端點(diǎn)、分叉點(diǎn)和奇異點(diǎn)為細(xì)節(jié)特征，其中，奇異點(diǎn)分為中心點(diǎn)和三角點(diǎn)。特征點(diǎn)描述如圖9和圖10所示。

圖8 二值化和細(xì)化Fig．8 Binary drawing and thinning drawing

圖9 端點(diǎn)和分叉點(diǎn)Fig．9 Ending and bifurcation point

圖10 中心點(diǎn)和三角Fig．10 Center of the fingerprint and triangular point

通過(guò)算法提取，標(biāo)記的特征點(diǎn)示意如圖11所示。

圖11 特征點(diǎn)提取Fig．11 Feature point extraction drawing

3.5 特征匹配

在匹配過(guò)程之前，首先要找一個(gè)基準(zhǔn)點(diǎn)。通過(guò)獲取指紋特征點(diǎn)拓?fù)浣Y(jié)構(gòu)數(shù)據(jù)，首先查找是否有中心點(diǎn)，如果有通過(guò)中心點(diǎn)配準(zhǔn)，否則查找三角點(diǎn)，如果都沒(méi)有，則通過(guò)其它特征點(diǎn)配準(zhǔn)。匹配算法使用全局匹配算法[5，11]，此算法速度較快，但對(duì)圖像質(zhì)量要求較高，采集儀獲取的指紋質(zhì)量可以滿足要求。

4 應(yīng)用系統(tǒng)設(shè)計(jì)與實(shí)驗(yàn)結(jié)果

系統(tǒng)內(nèi)部結(jié)構(gòu)如圖12所示，工作原理：應(yīng)用程序通過(guò)指紋傳感器控制模塊控制傳感器采集指紋圖像，采集的圖像經(jīng)過(guò)傳感器內(nèi)部A/D轉(zhuǎn)換電路變?yōu)閿?shù)字圖像，數(shù)據(jù)被識(shí)別算法調(diào)用進(jìn)行預(yù)處理，特征提取，最后根據(jù)需要進(jìn)行識(shí)別。

圖12 系統(tǒng)內(nèi)部結(jié)構(gòu)圖Fig．12 Within the system structure diagram

系統(tǒng)上電后，啟動(dòng)內(nèi)核，自動(dòng)加載應(yīng)用程序，并進(jìn)行初始化。整個(gè)系統(tǒng)工作方式如圖13所示。

圖13 系統(tǒng)工作方式流程圖Fig．13 Flow chart of system work

指紋匹配是否成功是根據(jù)相似度來(lái)判定，相似度值是0到100。首先進(jìn)行同一枚指紋特征提取的相似度實(shí)驗(yàn)。因?yàn)橥环N算法，對(duì)不同的采集儀的要求不一樣，如果采集的指紋圖像質(zhì)量好，相似度會(huì)偏高；如果采集的指紋質(zhì)量不好，相似度就會(huì)偏低，這樣如果閾值設(shè)置過(guò)高，就增加了拒識(shí)率。如果盲目降低閾值，會(huì)提升誤判率的風(fēng)險(xiǎn)。表1是本系統(tǒng)外接U．a(chǎn)re．U4000B指紋采集儀對(duì)兩枚指紋保存模板后，分別進(jìn)行的十次采集對(duì)比試驗(yàn)，得到的相似度。

由表1相似度分析，兩輪匹配相似度最小值是10，最大值33，對(duì)于同一枚指紋，相似度很好的穩(wěn)定在相似度10以上，由表1設(shè)定相似度閾值為10。當(dāng)相似度大于等于10，認(rèn)為比對(duì)成功，否則失敗。

其中人員管理模式可以用1：1指紋比對(duì)模擬，在進(jìn)行的20對(duì)不同指紋的錄入比對(duì)實(shí)驗(yàn)如表2所示。

表1 相似度值Tab.1 Sim ilarity values

表2 1:1模式實(shí)驗(yàn)結(jié)果Tab.2 1:1m ode experim ental results

正常工作模式可以用1：M比對(duì)來(lái)模擬，指紋庫(kù)指紋數(shù)M=500（模擬中小公司的人數(shù)范圍），實(shí)驗(yàn)結(jié)果如表3所示。

表3 1:M模式實(shí)驗(yàn)結(jié)果Tab.3 1:Mmode experimental results

5 結(jié)束語(yǔ)

1：1主要目標(biāo)是高的通過(guò)率和相對(duì)高的準(zhǔn)確率；1：M主要目標(biāo)是高的比對(duì)速度和相對(duì)高的準(zhǔn)確率．。指紋比對(duì)受到多方面因素影響，比如指紋采集部位，采集的質(zhì)量以及指紋本身有無(wú)損壞等，最終的實(shí)驗(yàn)結(jié)果較為滿意。基于ARM9的嵌入式指紋識(shí)別系統(tǒng)穩(wěn)定性良好，功耗低；指紋圖像分割和智能增強(qiáng)算法根據(jù)采集儀采集指紋圖像特點(diǎn)進(jìn)行選取和優(yōu)化，縮短了預(yù)處理時(shí)間，提高了算法的準(zhǔn)確性，對(duì)于從事生物識(shí)別技術(shù)的嵌入式應(yīng)用開(kāi)發(fā)，有一定的參考價(jià)值。

[1]吳作好．幾種人體生物特征的生物識(shí)別技術(shù)比較[J]．現(xiàn)代電子技術(shù)，2007，253（14）：121-124

WU Zuo-hao．Several biometric biometric technology[J]．Modern Electronic Technology，2007，253（14）：121-124．

[2]LIU Dan．Fingerprint Identification Simulation System[C]//DCABES， 2010， 9th：533-538

[3]韋東山．嵌入式Linux應(yīng)用開(kāi)發(fā)完全手冊(cè)[M]．北京：人民郵電出版社，2008．

[4]FU Qingqing．Fingerprint Identification System Based on SOPC[C]//WiCOM， 2011，7th：1-4．

[5]李昊．傅曦，指紋識(shí)別系統(tǒng)算法及實(shí)現(xiàn)[M]．北京：人民郵電出版社，2011．

[6]CHEN Chao， ZHANG David．Segmentation of Fingerprint Image by Using Polarimetric Feature[J]．IEEE，2010．

[7]FENG Jian-jiang，Jain A K．Fingerprint Reconstruction：From Minutiae to Phase[J]．IEEE Transactions on Pattern Analysis and Machine Intelligence，2011，33（2）：209-223．

[8]田澤．嵌入式系統(tǒng)開(kāi)發(fā)與應(yīng)用教程[M]．北京：北京航空航天大學(xué)，2010．

[9]友善之臂．U-boot使用及移植詳細(xì)手冊(cè) [EB/OL]．2010．http：//www．a(chǎn)rmq．net．

[10]徐誠(chéng)，高瑩婷．Linux環(huán)境C程序設(shè)計(jì)[M]．北京：清華大學(xué)出版社，2010．

[11]Anil K．Jain， Salil Prabhakar．Filter bank-Based Fingerprint Matching[J]．IEEE Transactions on Image Processing，2000．