馬媛媛，陳 鵬

(1.中國人民解放軍第四二二醫(yī)院 經(jīng)濟管理科，廣東 湛江 524000；2.中國人民解放軍第四二二醫(yī)院 信息技術(shù)科，廣東 湛江 524000)

0 引言

對虛擬生物特征進行判定是研究計算機圖形學(xué)和生命學(xué)的重要內(nèi)容。虛擬生物是虛擬現(xiàn)實系統(tǒng)中不可缺少的部分，它具有沉浸感、智能性和交互性等特征[1]。為了提供一個可交互的、生動的、真實的判定空間，需要對虛擬生物特征模糊判定系統(tǒng)進行深入研究[2]。虛擬生物特征模糊判定系統(tǒng)一經(jīng)提出，便引起了很多專家學(xué)者和業(yè)內(nèi)人士的關(guān)注。傳統(tǒng)基于區(qū)域特征映射的虛擬生物特征模糊判定系統(tǒng)[3]，根據(jù)圖像模糊原理，建立等價模型，獲取虛擬生物模糊紋路進行處理，完成虛擬生物特征的模糊判定，該系統(tǒng)效率較低，判定結(jié)果準(zhǔn)確度低?；谔卣髂：R別的虛擬生物系統(tǒng)[4]，對虛擬生物識別算法進行改進，引入模糊數(shù)學(xué)方法，模糊識別特征量，完成虛擬生物特征的模糊判定，該系統(tǒng)實時性較低?，F(xiàn)使用計算機構(gòu)造虛擬現(xiàn)實世界的人機交互技術(shù)，可對虛擬生物特征進行精準(zhǔn)模糊判定，提高虛擬生物特征模糊判定系統(tǒng)的判定結(jié)果準(zhǔn)確度[5]。為解決以上系統(tǒng)存在的問題，提出通過人機交互技術(shù)對虛擬生物特征模糊判定系統(tǒng)進行優(yōu)化設(shè)計。實驗結(jié)果表明，該系統(tǒng)的效率高、判定結(jié)果準(zhǔn)確度高、實時性高。

1 系統(tǒng)硬件結(jié)構(gòu)及原理

要對人機交互中的虛擬生物特征模糊判定系統(tǒng)進行設(shè)計，先要對系統(tǒng)硬件結(jié)構(gòu)及其工作原理進行分析。給出系統(tǒng)硬件結(jié)構(gòu)圖如圖1所示。

圖1 系統(tǒng)硬件結(jié)構(gòu)圖

由圖1可知，人機交互的俄虛擬生物特征模糊判定系統(tǒng)的硬件結(jié)構(gòu)以總分形式構(gòu)建。主控電路板起到整體電路調(diào)控作用，是硬件結(jié)構(gòu)的核心。由總線連接各子電路，起到數(shù)據(jù)接收、傳輸、發(fā)送等作用。電源電路為系統(tǒng)提供持久供電，是系統(tǒng)穩(wěn)定安全運行的保障，復(fù)位電路對啟動信號進行監(jiān)控處理；串口電路主要負(fù)責(zé)片選控制，JTAG接口電路對兼容仿生器進行調(diào)試，以上硬件的合理配置，協(xié)同作業(yè)完成生物特征的模糊判定。

2 系統(tǒng)硬件設(shè)計

在人機交互中的虛擬生物特征模糊判定系統(tǒng)中對核心主板功能進行支撐的是判定系統(tǒng)的擴展板。擴展板由電源電路、復(fù)位電路、串口電路和JTAG接口電路構(gòu)成，系統(tǒng)根據(jù)這些接口外接與設(shè)備進行連接。

2.1 電源電路

人機交互中的虛擬生物特征模糊判定系統(tǒng)的基礎(chǔ)是電源部分，電源部分對判定系統(tǒng)的穩(wěn)定起到關(guān)鍵作用，改進系統(tǒng)對用電量進行優(yōu)化控制，滿足系統(tǒng)低功耗和高性能的要求。

人機交互中的虛擬生物特征模糊判定系統(tǒng)的內(nèi)核電壓為1.3 V，儲存器需要的電壓為3.3 V。人機交互中的虛擬生物特征模糊判定系統(tǒng)中包括圖像采集，選擇適當(dāng)?shù)墓庠措娐愤M行圖像采集，采用正負(fù)12 V的直流穩(wěn)壓接口[6]。

總電源采用220 V轉(zhuǎn)正12 V的外界電源?？傠娫?2 V共分為兩支，第一支與DLM05-12D12電源相連為圖像采集的電路提供電源接口，第一支電路的輸出正負(fù)電壓為12 V。第二支與系統(tǒng)電源穩(wěn)壓芯片的輸入端相連為LCD和攝像頭供電，第二支電路的輸出端產(chǎn)生+5DC。通過將第二支電路產(chǎn)生的+5DC分流到人機交互中的虛擬生物特征模糊判定系統(tǒng)電源穩(wěn)壓AMS1117芯片的輸出端，產(chǎn)生的+3.3 VDC為系統(tǒng)的儲存器供電。

2.2 復(fù)位電路

人機交互中的虛擬生物特征模糊判定系統(tǒng)中復(fù)位的設(shè)計是定位系統(tǒng)在一個可知的狀態(tài)，復(fù)位電路的信號需要與時鐘電路的信號保持一致要求復(fù)位電路能夠可靠的、快速的工作[7]。判定系統(tǒng)中的復(fù)位電路是整個系統(tǒng)運行的開端為ARM的啟動提供信號。RESET是判定系統(tǒng)中ARM的復(fù)位信號，當(dāng)復(fù)位信號有效時，判定系統(tǒng)的復(fù)位將由系統(tǒng)的內(nèi)部產(chǎn)生，將RESET掛起程序放在人機交互中的虛擬生物特征模糊判定系統(tǒng)ARM的復(fù)位狀態(tài)中，當(dāng)電源穩(wěn)定時，RESET的周期不能少于4，且必須保持低電平。

圖2為人機交互中的虛擬生物特征模糊判定系統(tǒng)的復(fù)位電路圖，人機交互中虛擬生物特征模糊判定系統(tǒng)中復(fù)位電路的工作原理如下，將判定系統(tǒng)通電，電容C20通過電阻R7進行充電，電容C20未達到門限電壓的高電平時，RESET端輸出的電壓為低電壓，此時判定系統(tǒng)為復(fù)位狀態(tài)。當(dāng)電阻C20在門限電壓中達到高電平時，RESET端輸出的電壓為低電壓，此時判定系統(tǒng)的狀態(tài)為工作狀態(tài)。

圖2 系統(tǒng)復(fù)位電路圖

復(fù)位電路主要是在CPU正常工作的情況下，對復(fù)位計時器進行定時，設(shè)置復(fù)位計時器的上限值，以確保在CPU出現(xiàn)故障，不能正常工作時，復(fù)位計數(shù)器不會超過這個上限值，從而降低復(fù)位電路出現(xiàn)故障的風(fēng)險。提高復(fù)位電路的可靠性，主要取決于復(fù)位芯片的選取。同樣專業(yè)的復(fù)位芯片也有助于復(fù)位電路可靠性的分析。所設(shè)計的人機交互中虛擬生物特征模糊判定系統(tǒng)的復(fù)位電路選用MAX813L復(fù)位芯片，其功能十分強大，主要包括上電復(fù)位、看門狗輸出、電壓監(jiān)視、手動復(fù)位四大功能。合理利用MAX813L復(fù)位芯片的各項功能，通過分析每一項功能的工作原理，對復(fù)位電路進行優(yōu)化。

2.3 串口電路

人機交互的虛擬生物特征模糊判定系統(tǒng)的必要措施是調(diào)試階段中的串口通信，當(dāng)前最廣泛的串行標(biāo)準(zhǔn)是ARM和PC機進行通信[8]。低速率串行通信的單端標(biāo)準(zhǔn)為RS-232，人機交互中的虛擬生物特征模糊判定系統(tǒng)為兩路串口，人機交互中的虛擬生物特征模糊判定系統(tǒng)中MAX3232ECAE芯片組合成的串口電路如圖3所示。

圖3 串口電路

串口電路主要負(fù)責(zé)片選控制，采用微處理器作為中斷，使人機交互中虛擬生物特征模糊判定系統(tǒng)的兩路串口能夠共用一個中斷。當(dāng)出現(xiàn)有效中斷使能信號時，將中斷是能信號發(fā)送給處理器。系統(tǒng)硬件的驅(qū)動層在處理器接收到中斷使能信號時，做出實時響應(yīng)。整個中斷服務(wù)過程，處理器會按照接收中斷使能信號的順序，逐個地檢查來自串口的中斷源。因此對人機交互中虛擬生物特征模糊判定系統(tǒng)硬件部分的串口電路進行優(yōu)化設(shè)計至關(guān)重要。

2.4 JTAG接口電路

在人機交互中的虛擬生物特征模糊判定系統(tǒng)中IEEE的標(biāo)準(zhǔn)為JTAG，JTAG的掃描鏈判定系統(tǒng)ARM的內(nèi)部，可以對判定系統(tǒng)的ICE-RT邏輯進行配置和調(diào)試。為了對判定系統(tǒng)中的Multi-ICE兼容仿真器進行調(diào)試，需要在判定系統(tǒng)的目標(biāo)板中安置20芯的JTAG接口，JTAG端口的定義如表1所示。

表1 JTAG端口定義

人機交互中的虛擬生物特征模糊判定系統(tǒng)中U-Boot目標(biāo)板中的啟動代碼主要由JTAG編寫[9]。

綜上所述，對各電路進行優(yōu)化，完善其功能，實現(xiàn)人機交互中的虛擬生物特征模糊判定系統(tǒng)硬件部分的設(shè)計，為系統(tǒng)軟件設(shè)計提供良好的硬件環(huán)境。

3 系統(tǒng)軟件設(shè)計

引入模糊識別算法對人機交互中的虛擬生物特征模糊判定系統(tǒng)軟件部分進行設(shè)計。圖像預(yù)處理和虛擬生物特征模糊恢復(fù)是軟件設(shè)計過程中最關(guān)鍵的兩個部分。圖像的預(yù)處理為虛擬生物特征模糊恢復(fù)奠定良好的基礎(chǔ)，加快恢復(fù)速率。對虛擬生物特征進行模糊恢復(fù)可有效提高系統(tǒng)軟件判定結(jié)果的準(zhǔn)確度。

3.1 圖像預(yù)處理

在人機交互中的虛擬生物特征模糊判定系統(tǒng)中圖像預(yù)處理的主要功能是對虛擬生物圖像進行灰度化，是虛擬生物圖像去模糊的基礎(chǔ)。造成圖像模糊化的主要原因是成像設(shè)備存在的相機抖動、散焦等問題。將模糊圖像復(fù)原的方法頗多，例如信息疊加法、正推迭代法、遞進復(fù)原法等等。在人機交互中的虛擬生物特征模糊判定系統(tǒng)中的彩色圖像轉(zhuǎn)換為灰度的圖像稱為虛擬生物圖像的灰度化處理。R、G、B三個分量分別在彩色虛擬生物圖像中的像素中存在，R、G、B三個分量分別可以取255種值[10]。

在對圖像進行去模糊的過程中，先要設(shè)計圖像模糊點擴散函數(shù)，計算圖像模糊點的擴散值，依據(jù)模糊點的擴散值，基于模糊識別算法構(gòu)建圖像去燥模型。對去燥模型進行重構(gòu)，需要模糊圖像和真實圖像，模糊核矩陣，噪聲干擾強度及卷積運算綜合處理。圖像的去模糊過程可以理解為，利用卷積運算將一幅圖像的模糊信息轉(zhuǎn)換成模糊核矩陣，根據(jù)模糊核矩陣，進行深入去模糊計算。圖像去模糊的本質(zhì)就是圖像模糊的反過程。

在人機交互中的虛擬生物特征模糊判定系統(tǒng)中的灰度化處理分為兩種。一是平均值法，對虛擬生物圖像中每個像素點的R、G、B分量進行平均求值，得到的平均值作為虛擬生物圖像的灰度值。二是利用YUV編碼規(guī)則，其中Y代表的是虛擬生物圖像像素的亮點，通過虛擬生物圖像像素中的亮點進行灰度值的表示。

3.2 虛擬生物特征模糊恢復(fù)

特征模糊恢復(fù)是人機交互中的虛擬生物特征模糊判定系統(tǒng)軟件部分的核心，可將原始無法識別的虛擬生物模糊特征進行正確的判定，可將通過灰度化處理的虛擬生物圖像變?yōu)榍逦摂M生物圖像。圖4為引入模糊識別算法的虛擬生物特征模糊恢復(fù)流程圖。

圖4 虛擬生物特征模糊恢復(fù)流程圖

分析圖5可知，采用模糊識別算法，首先對虛擬生物圖像的尋像圖形進行提取，對提取后的虛擬生物圖像尋像圖形區(qū)域的QI值進行計算，根據(jù)QI值的大小評估虛擬生物圖像的特征模糊程度，若虛擬生物圖像中的QI值小于下限閾值，舍去圖像；若虛擬生物圖像中的QI值大于上限值，對虛擬生物圖像進行直接識別；若虛擬生物圖像中的QI值在上下閾值中，對虛擬生物圖像中的退化特征信息進行提取，重構(gòu)PSF函數(shù)，采用參變維納濾波算法對虛擬生物圖像進行去卷積的操作，得到清楚的虛擬生物圖像。

3.2.1 灰度方差算法

人機交互中的虛擬生物特征模糊判定系統(tǒng)的虛擬生物特征模糊圖像的灰度方差定義如下式所示：

(1)

其中:g代表的是虛擬生物模糊圖像的灰度平均值，s代表的是虛擬生物圖像的灰度值平均差，灰度方差算法參考虛擬生物圖像的像素灰度平均值，對虛擬生物圖像中每個像素點的灰度值進行平均差的計算，當(dāng)虛擬生物圖像的灰度值平均差越大時，虛擬生物圖像越清晰，當(dāng)虛擬生物圖像中的灰度值平均差越小時，虛擬生物圖像越模糊。

3.2.2 灰度差分的絕對值之和算法

如公式(2)所示，將x方向、y方向虛擬圖像差分絕對值的和作為人機交互中的虛擬生物特征模糊判定系統(tǒng)中模糊度的度量，虛擬生物圖像的特征模糊程度用灰度差絕對值表示:

(2)

在人機交互中的虛擬生物特征模糊判定系統(tǒng)中虛擬生物圖像的模糊程度越深，梯度變化越慢，選用參數(shù)梯度設(shè)計判定系統(tǒng)中的模糊估計函數(shù)，每個虛擬生物圖像中像素點的梯度公式如下：

G(x,y)=(f(x+1,y),f(x,y+1))

(3)

在人機交互中的虛擬生物特征模糊判定系統(tǒng)中梯度模的公式為：

Mg=[f(x+1,y)2+f(x,y+1)2]

(4)

當(dāng)虛擬生物圖像窗口的高為H，寬為W時，虛擬生物圖像灰度梯度模的平均值計算公式為：

(5)

在人機交互中的虛擬生物特征模糊判定系統(tǒng)中虛擬圖像的尋像圖形為固定的，虛擬圖像不會產(chǎn)生三個尋像區(qū)域的變化，所以將該區(qū)域中的像素集作為人機交互中的虛擬生物特征模糊判定系統(tǒng)模糊函數(shù)的判定標(biāo)準(zhǔn)。

綜上所述，通過對電源電路、串口電路等硬件部分進行設(shè)計，引入模糊識別算法對軟件部分進行完善，完成人機交互中虛擬生物特征模糊判定系統(tǒng)的設(shè)計。

4 實驗結(jié)果分析

本次實驗在Matlab7.1平臺中完成，Windows7為本次實驗的操作系統(tǒng)，為了驗證人機交互中的虛擬生物特征模糊判定系統(tǒng)的性能，需要對人機交互中的虛擬生物特征模糊判定系統(tǒng)進行測試。

所設(shè)計的人機交互中虛擬生物特征模糊判定系統(tǒng)在進行虛擬生物的特征模糊判定時，根據(jù)灰度值的不同將虛擬生物圖像分為不同的區(qū)域，對虛擬生物的模糊特征進行校正，采用參變維納濾波算法建立虛擬生物模糊特征集，對虛擬生物特征模糊判定的效率進行大幅度的提升。分別采用改進系統(tǒng)和傳統(tǒng)系統(tǒng)進行判定效率測試，多次試驗記錄兩種不同系統(tǒng)的判定時間，對比兩種不同系統(tǒng)的判定效率，對比結(jié)果如圖5所示。

圖5 兩種不同系統(tǒng)的對比結(jié)果

分析圖6可知，傳統(tǒng)系統(tǒng)的判定時間平均保持在60s左右，在第10次實驗時，出現(xiàn)了最大判定時間，為65s。在第2次實驗時，判定時間最小，為55s。改進系統(tǒng)的判定時間平均保持在18s左右，在第6次實驗時，出現(xiàn)了最大判定時間，為21s。在第5次實驗時，判定時間最小，為5s。對比改進系統(tǒng)和傳統(tǒng)系統(tǒng)的實驗結(jié)果，改進系統(tǒng)的判定時間遠遠少于改進系統(tǒng)的判定時間，充分說明改進系統(tǒng)的判定效率更高。

s代表的是虛擬生物圖像的灰度值平均差，當(dāng)虛擬生物圖像的灰度值平均差越大時，虛擬生物圖像越清晰，判定的結(jié)果越精準(zhǔn)。為了測試人機交互中的虛擬生物特征模糊判定系統(tǒng)的判定準(zhǔn)確度，通過參數(shù)s對人機交互中的虛擬生物特征模糊判定系統(tǒng)進行測試，分別采用改進和傳統(tǒng)系統(tǒng)進行對比，對比結(jié)果如表2所示。

表2 兩種不同系統(tǒng)的對比

分析表2可知，在四次實驗中改進系統(tǒng)的參數(shù)s平均值為6.5，傳統(tǒng)系統(tǒng)的參數(shù)s的平均值為2。對比兩種系統(tǒng)的測試結(jié)果可知，改進系統(tǒng)的參數(shù)s要遠遠高于傳統(tǒng)系統(tǒng)的參數(shù)s，因為虛擬生物圖像的灰度值平均差越大時，虛擬生物圖像越清晰，判定的結(jié)果越精準(zhǔn)，驗證了改進系統(tǒng)的判定準(zhǔn)確度更高。

實時性是衡量人機交互中虛擬生物特征模糊判定系統(tǒng)運行速度的一個重要指標(biāo)，決定著系統(tǒng)能否得到廣泛應(yīng)用。對人機交互中的虛擬生物特征模糊判定系統(tǒng)的實時性進行測試，在各種條件都相同的條件下，分別采用改進系統(tǒng)和傳統(tǒng)系統(tǒng)進行測試，記錄兩種不同系統(tǒng)的判定信號情況，對比兩種系統(tǒng)的實時性對比結(jié)果如圖6所示。

圖6 兩種不同系統(tǒng)的實時性測試結(jié)果

觀察圖6可知，圖6(a)為傳統(tǒng)系統(tǒng)的判定信號情況，改進系統(tǒng)的判定信號整體較弱，其平均信號值約為45dB，當(dāng)實驗時間為4s時，判定信號達到最大值是82dB。且實驗過程中，常出現(xiàn)判定信號為零的現(xiàn)象，系統(tǒng)的實時性較低。圖6(b)為改進系統(tǒng)的判定信號情況，傳統(tǒng)系統(tǒng)的判定信號整體較強，平均判定信號值約為75dB，當(dāng)實驗時間為7s時，判定信號達到最大值是93dB。對比傳統(tǒng)系統(tǒng)和改進系統(tǒng)的測試結(jié)果，相較于傳統(tǒng)系統(tǒng)，改進系統(tǒng)的判定信號大幅度增強，充分說明改進系統(tǒng)的實時性更高，驗證了改進系統(tǒng)的實用性。

綜合以上實驗結(jié)果可知，所設(shè)計的人機交互中虛擬生物特征模糊判定系統(tǒng)效率高、判定結(jié)果準(zhǔn)確度高、實時性高，具有一定的有效性和實用性，滿足虛擬生物特征模糊判定系統(tǒng)的設(shè)計需求。

5 結(jié)論

提出設(shè)計了一種人機交互中虛擬生物特征模糊判定系統(tǒng)，經(jīng)過實驗驗證，該系統(tǒng)效率高、判定結(jié)果準(zhǔn)確度高、實時性高，充分解決了當(dāng)前虛擬生物特征模糊判定系統(tǒng)存在的種種問題。具有較好的實用性。但在判定系統(tǒng)的運行能耗方面，還存在一些不足，未來將針對系統(tǒng)運行能耗的問題進行深入研究，對人機交互中虛擬生物特征模糊判定系統(tǒng)進行完善，為虛擬生物特征的模糊判定提供參考。

[1]王 偉,徐平平,王華君. 基于生物特征識別和一次性口令的電子商務(wù)安全交易方案[J]. 電子設(shè)計工程,2016,24(9):24-27.

[2] 路曉亞,杜麗娟. 模糊生物圖像特征優(yōu)化提取仿真研究[J]. 計算機仿真,2017,34(5):397-400.

[3] 鄭 杰,李建平. 一種基于生物特征匹配的未知協(xié)議比特流分類方法[J]. 科技通報,2016,32(11):214-217.

[4] 丁 佳,張 娟,王索剛. 基于視覺雙特征的并行聯(lián)合腦-機接口范式的研究[J]. 科學(xué)技術(shù)與工程,2015,15(10):37-41.

[5] 胡瑞欽,張立建,孟少華. 基于OpenCV的圖像橢圓特征識別與定位研究[J]. 計算機測量與控制,2016,24(12):116-118.

[6] 林 森,吳 微,苑瑋琦. 采用紋理近鄰模式的掌靜脈生物特征識別研究[J]. 儀器儀表學(xué)報,2015,36(10):2330-2338.

[7] 李海霞,張 擎. 結(jié)合并行融合的序列化多模態(tài)生物特征識別系統(tǒng)框架[J]. 計算機應(yīng)用,2015,35(10):2789-2792.

[8] 魏偉波,洪丹楓,潘振寬,等. 基于區(qū)域特征映射的模糊掌紋識別方法[J]. 自動化學(xué)報,2015,41(2):386-395.

[9] 李懷俊,謝小鵬. 基于核特征模糊聚類及模糊關(guān)聯(lián)熵的齒輪故障模式識別[J]. 儀器儀表學(xué)報,2015,36(4):848-855.

[10] 王玉坤,高煒欣,湯 楠,等. 基于模糊模式識別的人體姿態(tài)識別[J]. 計算機工程與設(shè)計,2016,37(6):1621-1625.