基于ARM的嵌入式指纹图像处理技术研究Word格式文档下载.docx
《基于ARM的嵌入式指纹图像处理技术研究Word格式文档下载.docx》由会员分享，可在线阅读，更多相关《基于ARM的嵌入式指纹图像处理技术研究Word格式文档下载.docx（13页珍藏版）》请在冰点文库上搜索。
identification;
embeddedARM
指纹识别技术是近年来发展很快的一种高新技术,它利用人体固有的指纹生理特征来进行身份鉴定。
自动指纹识别系统（AFIS）是伴随着指纹识别技术发展起来的应用系统,可以方便、安全地应用在身份识别领域。
在生物特征识别技术领域中,指纹识别技术安全系数最高,较其他技术开发更容易、操作更简单,具有准确性高、速度快的优点,已成为国内外科学家和研究机构的研究热点[1,2]。
生物特征识别技术可以提供可信任的身份鉴定,杜绝电子交易的抵赖和欺诈现象,构造良好的认证环境。
1 指纹图像的特征提取
目前,用计算机识别指纹图像,最常用的是细节特征提取,包括细节特征点的位置、类型和方向。
在自动指纹识别系统中,一般使用两种细节特征:
纹线端点和纹线分叉点。
纹线端点是纹线突然结束的位置,而纹线分叉点则是纹线突然一分为二的位置（见图1）。
大量的统计结果表明,这两类特征点在指纹中出现的机会最多、最稳定,而且比较容易获取。
除此之外,它们还涵盖了足够多的、有效的指纹特性,用以描述指纹的惟一性。
3收稿日期:
2008204208;
修回日期:
2008205226。
作者简介:
严承华（1967-）,男,副教授,博士,主要研究方向为数字图像处理与网络安全,E2mail:
y1818@
。
第5期 严承华等:
基于ARM的嵌入式指纹图像处理技术研究 ・65・
图1 Fig.1 Classificationandof1.1 细节特征点的提取
和提出了基于脊线跟踪的方法[3],这是一种直。
但是该算法只在占全图比例很少的点上估算方向并滤波处理,。
即首先对细化后的单像,初步提取出所有的细节特征,然后记录它们的类型和坐标位置,最终形成包含有用识别信息的指纹特征文件。
在采集指纹图像时,由于手指按压不均匀或者不完全接触仪器表面都会导致获取的指纹图像不均匀,这时就需要进行归一化处理,对原始指纹灰度图上的每一个像素点的灰度值进行调整,消除指纹录入传感器表面的残留噪音,以及手指按压力差异对指纹图像的影响,使得处理后图像的灰度值到达一个期望的平均值和方差,图像整体的对比度也得到增强,为后续处理提供了较为统一的图像规格。
如果在
2原始图像中像素点（i,j）的灰度值为I（i,j）,灰度均值和灰度方差分别为M和σ,期望得到的均值和方
2差分别为M0和σ0,则归一化后的图像中像素点（i,j）的灰度值G（i,j）按式
（1）计算:
22M0+
I（i,j）>
M;
2σG（i,j）=
M0-,I（i,j）≤M。
2σ
22
（1）
1.2 伪特征的消除
由于指纹预处理的不完善性,在细化后的指纹纹线图中总是或多或少地存在着伪特征点,这些多余的伪特征一般是由于图像的边缘效应、原始图像不清晰或图像预处理带来的噪声而产生的。
由于脊线间的错误连接产生的桥形如图2所示。
伪特征消除算法的选取,不仅会影响识别的速度,对识别的准确率也至关重要。
图2 基本伪特征结构图
Fig.2 Structuredraftofbasicnon2featurepoint
由于滤波算法能够有效地解决脊线的模糊不清和粘连问题,因此细化后的指纹图像已经基本不存在这些伪特征点,无须在提取细节点后进行消除伪特征点的操作。
指纹方向图是一种特殊的计算指纹图像的方式,它具有很强的纹理性和方向性。
因此,要获取清晰
・66・第20卷
海 军 工 程 大 学 学 报 稳定的纹线特征图,就必须准确地提取指纹图像的方向信息,即求取方向图。
在本文中,使用块方向图来代替某一点的方向,算法步骤如下:
步骤1 将图像划分为W×
W的块。
步骤2 对每个块分别计算每个像素G（i,j）的梯度值dx（i,j）（沿x轴的方向）和dy（i,j）（沿y轴的方向）,
11
xdx（i,j）=
u=-1∑∑Sv=-1（u+1,v+1）G（i+u,j+v）,
（u+1,v）G（iu,j）11
ydy（i,j）=
u=-1∑∑Sv=-1
这里采用Sobel算子（Sx和Sy）作为梯度算子步骤3 i+w/2j+w/2
x（i,=
Vy（i,j）=u=i-w/2v=j-w/2i+w/2∑∑2（d2x（u,v）-dy（u,v））,j+w/2
x
u=i-w/2v=j-w/2∑∑2d（u,v）dy（u,v）,
θ（i,j）=arctan。
2vx（i,j）
θ（i,j）即为以像素点（i,j）为中心的局部块的方向。
步骤4 平滑方向图。
由于求出的块方向图不完全准确,其中会存在一定的噪音,所以需要对其进行平滑。
在一个小区域内统计块方向,把相邻块的矢量和作为本块的方向,从而消除图像的噪声。
步骤5 重复上面四步,直到求出所有块的方向。
2 指纹图像的匹配
指纹匹配是自动指纹识别系统的核心步骤,基于细节点的匹配算法是利用脊线的端点和分叉点来鉴定指纹,通过将这两种细节点表示为点模式,可把指纹匹配转换成点对的匹配,达到仅用几十个点就能存储一幅指纹图像的目的,大大提高了存储效率,非常适合在DSP上应用。
2.1 图像的校准
在指纹录入时,由于手指摆放的位置以及按压的力度不可能完全一样,所以即使输入的指纹图像和与数据库中的模板图像来自同一个手指,两幅图像之间也不完全相同,会存在各种形变,比如平移、旋转、尺度变化等。
为了尽量减小各种形变,使匹配细节点数最大化,就必须对两枚指纹进行校准。
2.2 细节的匹配
完成图像的校准后,就可以进行细节点的匹配了。
在匹配算法中使用一个大小可变的边界盒,它的大小将随着细节点的直径大小不同而改变,从而使算法能更有效地处理被匹配的两幅指纹图像之间的非线性形变。
当模板指纹和输入指纹的细节点在这个边界盒内,同时它们的方向也相差不大时,则认为这两个细节点匹配成功。
在实际匹配过程中,可以用细节点对应的脊线点来代替方向因素,以判断两个指纹的细节点是否在同一边界盒内以及它们的脊线点是否也在另一个边界盒内。
如果细节点和它们对应的脊线点都在同一边界盒内,则这两个细节点匹配,否则不匹配。
文中采用的是退火算法,由于算法主要应用在基于ARM芯片的嵌入式系统上,因此更加注重算法在嵌入式系统上的实现性、可靠性和性能的优化。
・67・3 基于ARM的嵌入式指纹处理核心模块设计文中所设计的嵌入式指纹处理模块YA132是集采集和处理于一身的单机系统,不需要连接其他计算机或设备就可以独立完成其所设计的功能,适用于电子门锁、银行终端、ATM机等嵌入式场合,而且体积小,安装和使用都非常方便。
由于ARM嵌入式处理器是一种高性能、低功耗的32位RISC芯片,因此YA132将它作为模块的CPU,再加上DSP芯片的应用,解决了嵌入式模块的功耗和散热问题,使得核心主控模块具有强大的处理能力和存储能力。
除此之外,形成固件系统,来实现高效的指纹处理,,的快速性和可靠性。
本系统的SDK包含两个DLL:
它将底层通讯的功能进行了封装;
实现对指纹仪的控制指令,包括对应用,完成具体的指纹识别功能应用。
其中,ya208.dll中个1）（在调用此函数时,先要调用回调函数yaSetGUICallback）
3intyaEnroll（intHostPort,intHostNode,unsignedchar3Template,UserListRecUserInfo,intflag）
输入值:
HostPort———设备连接的串口号;
HostNode———设备节点号,是为以后的功能扩展而设置的,均取0;
Template———当flag为0且登记成功时,存放272字节长的指纹模版数据;
UserInfo———用户的信息;
flag———存取类型。
存取类型:
SAVEONFLASH0x1登记后指纹保存在指纹机上;
SAVEONREMOTE0x0登记后返回指纹模板到控制设备。
返回值:
当存取类型为1时,返回状态;
当存取类型为0且登记成功时,返回指纹模板数据保存在Template中,否则返回状态。
功能说明:
根据ID和手指编号识别指纹数据:
当存取类型为1时,登记指纹在指纹机上;
当存取标识为0时,登记指纹数据将返回到PC机。
2）验证指纹函数（在调用此函数时,先要调用回调函数yaSetGUICallback）
intyaVerify（intHostPort,intHostNode,unsignedchar3Template,UserListRec3UserInfo,intflag）
HostPort———串口号;
HostNode———节点号;
Template———指纹模版数据,仅在flag为3时有效;
UserInfo———用户信息,当flag为1时为输入参数,当flag为2时为输出参数,当flag为3时该参数无效;
flag———验证类型。
验证类型:
V_ONE2ONE0x1一比一验证;
V_ONE2MANY0x2一比多验证;
V_REMOTE0x3根据控制设备的指纹模板进行验证。
当验证类型为1或3时,返回状态;
当验证类型为2且验证成功时,返回用户信息保存在UserInfo中,否则返回状态。
一比一验证时,UserInfo中的ID、组号、手指编号都不为0;
一比多验证时,分以下4种情况:
①ID和组号都不为0,将根据ID和组号进行验证;
②ID不为0,组号为0,将根据ID进行验证;
③ID为0,组号不为0,将根据组号进行验证;
④ID为0,组号为0,将在所有数据中进行验证;
与PC上的指纹数据验证时,根据传送来的指纹模板数据进行验证。
3）回调函数
intyaSetGUICallback（POSTMESSAGEyaPostMessage）
POSTMESSAGE的函数原型为typedefint（3POSTMESSAGE）（unsignedcharmes2sage）;
message———手指状态。
用户必须按规定的格式编写该函数。
为0。
・68・第20卷
海 军 工 程 大 学 学 报
在登记、验证或者获取指纹图像时显示各种返回信息。
返回信息主要包括以下4种:
（1）登记、验证状态信息
①手指操作提示
MSG_PLACEFINGER 0x80请放手指
MSG_FINGERDETECTION 0x82手指检测成功
MSG_MOVE_UP0x83向上移手指
MSG_MOVE_DOWN0x84向下移手指
MSG_MOVE_LEFT
MSG_MOVE_RIGHT
MSG_PRESS_HARDER
MSG_BADFINGER
ERR_TIMEOUT0x85向左移手指0x86向右移手指0x870x81请移开手指
0x8a指纹图像获取成功
0x97指纹图像获取失败
0x8f设备忙
0xff操作失败
0x9e传感器错误
0x81请移开手指
0x93所提供的用户信息不正确
0x0登记成功
0x9f用户数据压缩错误
0x92FlashMemory读写错误
0xff登记错误
0x9a没有空闲空间
0x99不存在该用户的数据
0xff验证失败
0x0验证成功
0x8e当次验证失败,继续下一次验证
0x9d上位机传送的指纹模板不兼容MSG_CAERR_GRABFAILEDMSG_SYSBUSY
（2）获取指纹图像的信息MSG_FAILUREERR_SENSORMSG_REMOVEFINGERMSG_SYSBUSY（3）指纹登记的信息ERR_INVALIDPARAMMSG_SUCCESSFULERR_COMPRESSERR_FLASHERRORMSG_FAILUREERR_SENSORERR_NOSPACEMSG_SYSBUSY（4）指纹验证的信息ERR_INVALIDPARAMERR_NOUSERERR_SENSORMSG_FAILUREMSG_SUCCESSFULMSG_SYSBUSYMSG_REJECTERR_VERSION
在综合业务平台登录系统的开发中,使用了该模块来完成对指纹的处理和识别,包括指纹图像的预处理、特征提取和匹配。
具体步骤如下:
步骤1 将采集到的指纹图像进行归一化处理,调整像素点的灰度值。
步骤2 进行分级分割。
先计算出块灰度均值、方差以及所设特征量的对比度,然后与预定义的域
・69・值进行比较判别,去除背景区和不可恢复区,得到有效区域。
步骤3 提取指纹图像的方向信息。
使用块方向图来代替某一点的方向,获取清晰稳定的纹线特征图。
步骤4 使用Gabor函数进行滤波增强,提高指纹图像的质量。
在计算纹线频率时,使用固定的纹线间距。
步骤5 采用基于方向图的分割算法进行二值化处理,得到黑白分明的指纹图像。
步骤6 结合快速细化算法和改进的OPTA算法进行细化处理,去除多余的信息,得到单像素宽的指纹脊线。
步骤7 采用链码搜索法提取指纹的细节特征点,步骤8 进行点模式匹配。
节点的匹配。
4 ,使用活体指纹特征信息作为识别用户身份的唯一手段。
在指纹注册阶段,客户端首先通过指纹采集仪获取用户的活体指纹图像,提取指纹特征信息,然后通过网络将用户的所有注册信息安全、可靠地传输至服务器的后端指纹数据库中。
在指纹识别阶段,客户端通过网络连接,将用户的识别信息安全地传送到服务器,服务器把现有获取到的用户活体指纹特征信息与指纹数据库中相应的用户指纹模板进行一对一匹配,并将匹配结果返回到客户端。
除了指纹注册和识别,还包括对所有指纹注册用户进行管理,包括添加、删除和修改等功能。
其中,输出的指纹数据是经过加密和校验的,而图像数据则存放成非加密的通用格式的图像文件。
其功能调用如图3所示。
本系统是基于B/S结构的,整个系统的设计分为4个模块:
1）客户端模块 包括指纹图像的采集和预处理、提取特征值并发送到服务器,以及接收服务器返回的信息。
2）服务器模块 接收指纹特征值,将用户信息传输到数据库中,
图3 功能调用图并从指纹数据库提取指纹模板,完成指纹特征信息的匹配,再将结果
Fig.3 Functionuseflow返回给客户端。
3）数据库模块 存储用户的指纹信息,为服务器模块提供指纹特征信息匹配的模板。
4）存储模块 用来建立指纹数据的模板,向指纹数据库录入指纹特征信息。
各模块之间的关系如图4所示
图4 系统的模块化设计
Fig.4 Designmoduleofsystem
5 结 论
文中从理论和应用上对基于ARM的嵌入式指纹图像识别技术进行了比较深入的研究,对特征提
・70・第20卷 海 军 工 程 大 学 学 报 取方法和匹配算法过程进行了详细的分析,并设计实现了基于ARM的嵌入式指纹处理核心模块。
在该模块中,在客户端和服务器之间传输的所有数据包括指纹模板、用户的访问请求、服务器的反馈信息都经过了加密,并将该模块用于综合业务平台登录系统的身份认证,实现了登录时的便捷和可靠,保证了系统的安全性,识别率达到了99.3%。
具体应用的结果表明,该方法能确保平台系统的安全。
参考文献（References）:
[1] LOCKIEM,DERAVIF.TheBiometricIndustryReport:
MarketandTechnologyForecaststo2003[M].New
York:
Elsevier,2000.
[2] PRABHAKARS,PANKANTIS,JAINAK.Biometrieconcerns[J].
IEEESecurityPrivacyMag.,2003,1
（2）:
33-42.
[3] MAIOD,MALTONID.Directgray2[J].IEEETrans.onPAMI,1997,
19
（1）:
27-40.
（上接31参考文献（References）:
[1] 陈伯义,李保国.水面舰艇尾流电导率信号分布规律的研究[J].应用力学学报,2005,（22）4:
598-601.
CHENBo2yi,LIBao2guo.Conductivitysignaldistributionlawforsurfaceshipwake[J].ChineseJournalofAp2pliedMechanics,2005,（22）4:
598-601.（inChinese）
[2] 徐肇廷,沈国谨,王 伟,等.新型三维内波及分层流水槽系统[J].青岛海洋大学学报,2002,（32）6:
868-876.
XUZhao2ting,SHENGuo2jin,WANGWei,etal.Anewtypeof3Dinternalwaveandstratifiedflowtank[J].JournalofOceanUniversityofQingdao,2002,（32）6:
868-876.（inChinese）
[3] 李保国,陈伯义,杨 立,等.盐度分层环境中水面舰船尾流电导率场的半经验分析[J].海军工程大学学报,2002,
14
（2）:
9-12.
LIBao2guo,CHENBo2yi,YANGLi,etal.Semi2empiricalanalysisoftheconductivityfieldinthewakeofasur2faceshipinasalinity2stratifiedfluid[J].JournalofNavalUniversityofEngineering,2002,14
（2）:
9-12.（inChi2nese）
[4] 范钦珊,殷雅俊.材料力学[M].北京:
清华大学出版社,2004.
（上接45页）
[1] 于海斌,曾 鹏,梁 伟.智能无线传感器网络系统[M].北京:
科学出版社,2006.
[2] ASLAMA,BUTLERZ,CONSTANTINF,etal.Trackingamovingobjectwithabinarysensornetwork[C]//
ProceedingsoftheFirstInternationalConferenceonEmbeddedNetworkedSensorSystems（SenSys′03）.LosAn2geles:
ACMPress,2003.
[3] MECHITOVK,SUNDRESHS,KWONY,etal.Cooperativetrackingwithbinarydetectionsensornetworks[C]//
ProceedingsoftheFirstInternationalConferenceonEmbeddedNetworkedSensorSystems（SenSys′03）.LosAnge
2les:
[4] 周德超,吴晓平,张鹏鹰.二进制无线传感器网络目标定位解析算法初步研究[J].海军工程大学学报,2007,19（5）:
10-13.
ZHOUDe2chao,WUXiao2ping,ZHANGPeng2ying.Preliminarystudyofanalyticarithmeticfortargetlocatingwithbinarywirelesssensornetworks[J].JournalofNavalUniversityofEngineering,2007,19（5）:
10-13.（inChinese）
升级会员 