基于单片机的指纹识别系统设计硬件.docx
《基于单片机的指纹识别系统设计硬件.docx》由会员分享，可在线阅读，更多相关《基于单片机的指纹识别系统设计硬件.docx（38页珍藏版）》请在冰点文库上搜索。
基于单片机的指纹识别系统设计硬件
基于单片机的指纹识别系统设计（硬件）
摘要
随着科学技术的飞速发展，传统的安全系统的安全性越来越脆弱，自动指纹识别技术集保密性强、差错率低等优点，已经广泛的应用到需要身份认证的各种领域。
本文简述了指纹和指纹识别系统，并在此基础上重点研究了基于单片机的指纹识别系统的硬件设计和制作。
系统采用的是增强型51单片机STC12C5A60S2作为主控芯片，而FM—180指纹识别模块作为指纹采集和处理的核心。
通过二者的通信完成对指纹的采集，录入，提取特征值，比对等功能。
设计表明通过简单的原理能够实现指纹识别相关功能，加深了我们对指纹识别原理的理解，和对单片机的应用。
关键词：
指纹识别STC12C5A60S2FM—180硬件
DesignbeingbasedonSingle-chipFingerprintIdentificationSystem（hardware）
Abstract
Withtherapiddevelopmentofscienceandtechnology,thesafetyoftraditionalsecuritysystembecomemoreandmoreweakandtheautomaticfingerprintrecognitiontechnologyissuperiorinconfidentialityanderrorrate.Thereforetheautomaticfingerprintrecognitiontechnologyhasbeenwidelyappliedtothosekindsofareawhereneedidentification.Thisarticleillustratesthefingerprintsandfingerprintidentificationsystemandonthisbasis,wefocusonthehardwaredesignandthefabricationofthefingerprintidentificationsystem.TheSystememploystheenhanced51MCUSTC12C5A60S2asthemaincontrolchipandtheFM-180fingerprintmoduleasthecoreofthefingerprintcollectionandprocessing.BythecommunicationofMCUandFM-180,itcouldfinishfingerprint'sacquisition,entry,extractionforfeaturevalues,contrastandsoon.Thedesignshowsthefingerprintidentificationcanbeachievedbyasimpleprincipleandthuswedeepenourcomprehensionoftheprincipleoffingerprintidentificationandunderstandtheapplicationofthesingle-chipfingerprintidentificationsystem.
KeyWords:
FingerprintidentificationSTC12C5A60S2FM-180hardware
论文总页数：
34页
第1章绪论
1.1课题的背景和意义
随着科学技术的不断发展，我们的生活中常常需要身份确认。
信息时代我们每个人都拥有大量的认证密码，比方说银行密码、开机密码、手机密码、开机密码等等。
而我们大多数人则喜欢采用配备各种钥匙，保险柜，防盗报警等传统安全系统。
社会的进步，促使传统的安全系统越来越脆弱。
生物识别技术开始走进安全系统，指纹识别作为生物识别的一种已经获得了广泛的应用。
指纹特征是人终生不变的特征之一，并且每个人的指纹是不同的，可以说指纹是一个人身份的标识。
指纹含有天然的密码信息，其具有作为密码信息必须具备的三个重要性质：
①广泛性，每个人都有自己的指纹，很普遍。
②唯一性，人与人之间的指纹是不同，可以作为身份的识别。
③终生不变性[1]，非意外事故发生终身不变。
指纹识别技术相对于其他识别方法有许多独到之处，具有很高的实用性和可行性。
由于指纹识别技术的广泛应用，人们对它的研究也日趋成熟。
所以了解指纹识原理，懂得如何设计指纹识别系统显得很有必要。
由于本系统采用的是单片机作为主控MCU，所以在实时性，扩展性上受到了极大的限制，但是也有它自身的突出的优点和意义，那就是以最简单的，处理数据能低的MCU完成了指纹识别系统应该具备功能。
这对于我更好的理解指纹识别原理和单片机结构功能很有帮助，这也是选题的意义所在。
1.2生物识别技术概述
所谓生物识别技术[2]就是，通过计算机与光学、声学、生物传感器和生物统计学原理等高科技手段，利用人体固有的生理特性，（如指纹、脸象、红膜等）和行为特征（如笔迹、声音、步态等）来进行个人身份的鉴定。
由于人体特征具有人所固有的不可复制的唯一性，这一生物密钥无法复制，失窃或被遗忘，利用生物识别技术进行身份认定，安全、可靠、准确。
目前已经出现了许多生物识别技术，如指纹识别、手掌几何学识别[3]、虹膜识别[3]、视网膜识别[3]、面部识别、签名识别、声音识别等，但其中一部分技术含量高的生物识别手段还处于实验阶段。
我们相信随着科学技术的飞速进步，将有越来越多的生物识别技术应用到实际生活中。
指纹识别 指纹是指人的手指末端正面皮肤上凸凹不平产生的纹线。
纹线有规律的排列形成不同的纹型。
纹线的起点、终点、结合点和分叉点，称为指纹的细节特征点。
指纹识别即指通过比较不同指纹的细节特征点来进行鉴别。
由于每个人的指纹不同，就是同一人的十指之间，指纹也有明显区别，因此指纹可用于身份鉴定。
手掌几何学识别 手掌几何学识别就是通过测量使用者的手掌和手指的物理特征来进行识别，高级的产品还可以识别三维图像。
静脉识别静脉识别系统就是首先通过静脉识别仪获得个人静脉分布图，从静脉分布图依据专用比对算法提取特征值，通过红外线CMOS摄像头获取手指静脉、手掌静脉、手背静脉的图像，将静脉的数字图像存贮在计算机系统中，将特征值存储。
静脉比对时，实时采取静脉图，提取特征值，运用先进的滤波、图像二值化、细化手段对数字图像提取特征，同存储在主机中静脉特征值比对，采用复杂的匹配算法对静脉特征进行匹配，从而对个人进行身份鉴定，确认身份。
全过程采用非接触式。
虹膜识别虹膜是位于人眼表面黑色瞳孔和白色巩膜之间的圆环状区域，在红外光下呈现出丰富的纹理信息，如斑点、条纹、细丝、冠状、隐窝等细节特征。
虹膜识别通过对比虹膜图像特征之间的相似性来确定人们的身份，其核心是使用模式识别、图像处理等方法对人眼睛的虹膜特征进行描述和匹配，从而实现自动的个人身份认证。
视网膜识别视网膜是眼睛底部的血液细胞层。
视网膜扫描是采用低密度的红外线去捕捉视网膜的独特特征，血液细胞的唯一模式就因此被捕捉下来。
视网膜识别的优点就在于它是一种极其固定的生物特征，不可能受到磨损，老化等影响，因为视网膜是不可见的，故而不会被伪造。
1.3指纹识别技术概述
人手的指纹即为手指皮肤上的花纹，它是人的一种生物特征。
该特征具有独特的性质。
在指纹识别技术中的指纹（fingerprint）确切地说应该称作指印，即人手指的按印,如图1。
图1指纹
19世纪初，科学研究发现指纹的两个重要特征，一是两个不同手指的指纹纹脊不同，二是指纹纹脊的样式终生不变性[1]。
这一研究发现使得指纹正式在犯罪鉴别中得以应用。
到了20世纪60年代，由于计算机技术的发展，人们开始研究利用计算机来处理指纹，从那时起自动指纹识别系统AFIS（AutomatedFingerprintIdentificationSystem）在法律方面的研究和应用在许多国家展开。
20世纪80年代，个人电脑、光学采集技术的发展，使他们成为取像的工具，从而使指纹识别在其他领域得以应用，比如代替IC卡。
90年代后期，低价位取像设备的引入及其飞速发展，可靠的比对算法的发现为个人身份识别应用的增长提供了舞台。
21世纪，指纹识别技术已经基本成熟，研究方向也开始转向最求高效，快速的指纹算法。
相对于其他身份鉴定技术，指纹识别技术之所以优于其他身份鉴定技术而被广泛采用的原因是指纹具有以下基本性质[4]：
1．指纹是独一无二的，两人之间不存在着相同的指纹：
2．指纹是相当固定的，不会随年龄、健康状况的变化而改变；
3．指纹样本易于采集，难以伪造，便于开发，实用性强；
4．每个人十指的指纹皆不相同，可以利用多个指纹构成多重口令，提高系统的安全性；
5．指纹识别中使用的模板并非最初的指纹图像，而是由图像提取的关键特征，使所需存储的信息量减小，而且在实现异地确认时，可以大大减少网络传输负担，支持网络功能。
可以看出，指纹识别技术相对于其他识别方法有许多独到之处，具有很高的实用性和可行性。
因此，指纹识别成为最流行、最方便、最可靠的身份认证方式，己经在社会生活的诸多方面得到广泛应用。
指纹识别技术的应用系统主要有两种，即嵌入式系统和基于PC机的桌面应用系统。
嵌入式系统是一个相对独立的、完整的系统，它不需要连接其他设备或计算机就可以独立完成其设计的功能，其功能比较单一，如指纹门锁、指纹考勤终端等。
而基于PC机的桌面应用系统则有灵活的系统结构，并且可以多个系统共享指纹识别设备，可以建立大型的数据库，当然，由于需要连接计算机才能完成指纹识别的功能，限制了这种系统在许多方面的应用。
1.4指纹识别研究现状
我国在研制指纹自动识别系统方面起步较晚，直到80年代初才开始进行，近几十年来，国内外越来越多的研究机构和人员在对指纹识别的各个关键技术领域进行研究；越来越多的公司从事指纹身份鉴别产品的开发和销售。
就目前的发展状况来看，自动指纹识别系统已经由大型计算机处理、微机处理发展到嵌入式处理阶段。
国内外众多指纹识别研究机构和公司厂商都已将嵌入式指纹识别系统作为研究开发的重点，并推出了部分产品，已经体现了当前的一个重要发展趋势。
目前，虽然许多商业机构报告了自己的系统的较低的错误率，但国内外没有专门检测机构对自动指纹识别系统进行准确、统一、权威的评价。
并且各个自动指纹识别系统在测试时使用的数据库在容量、指纹质量方面各不相同，测试方案也差别较大，所以各系统间的可比性差。
1.5论文内容安排
本文以指纹识别系统的指纹识别原理和硬件设计、制作为研究主体，针对指纹识别系统的硬件设计提出多种设计方案。
选择了其中较为可行的方案，并制作和调试电路板。
具体的章节和各章的内容安排如下：
第一章：
在介绍本论文的课题背景和意义，并简述了生物识别和指纹识别技术，以及指纹识别研究现状，确定了本文所做的主要工作。
第二章：
对研究对象—指纹进行了详细的介绍，然后说明了自动指纹识别系统的原理。
第三章：
介绍了指纹识别系统的硬件设计，包括设计方案，和相关器件，最后给出设计电路。
第四章：
阐述了在布局布线时该注意的基本问题；然后描述了在调试阶段遇到的问题和解决方案。
第五章：
对这次毕业设计做一个简单的总结。
第2章指纹识别基本原理
2.1指纹学的基本知识
2.1.1指纹的形成
在皮肤发育过程中，虽然表皮、真皮，以及基质层都在共同成长，但柔软的皮下组织长得比相对坚硬的表皮快，因此会对表皮产生源源不断的上顶压力，迫使长得较慢的表皮向内层组织收缩塌陷，逐渐变弯打皱，以减轻皮下组织施加给它的压力。
如此一来，一方面使劲向上攻，一方面被迫往下撤，导致表皮长得曲曲弯弯，坑洼不平，形成纹路。
这种变弯打皱的过程随着内层组织产生的上层压力的变化而波动起伏，形成凹凸不平的脊纹或皱褶，直到发育过程中止，最终定型为至死不变的指纹。
指纹分类有3种基本类型—斗型、弓型和箕型。
是皮下组织对指肚表皮顶压的方向不同造就了这不同的类型。
研究表明，如果某人指头肚高而圆，其指纹的纹路将是螺旋型。
现在，科学家已能够通过模型再现那些较为常见的指纹，也能重复不太复杂的罕见指纹的形成过程。
指纹是人类手指末端指腹上由凹凸的皮肤所形成的纹路。
指纹能使手在接触物件时增加摩擦力，从而更容易发力及抓紧物件。
是人类进化过程式中自然形成的。
依据目测程度：
第一类是明显纹，就是目视即可见的纹路。
如手沾油漆、血液、墨水等物品转印而成，通常都是印在指纹卡上成为基本资料；
第二类是成型纹，这是指在柔软物质，如手接触压印在蜡烛、黏土上发现的指纹；
第三类是潜伏指纹，这类指纹是经身体自然分泌物如汗液，转移形成的指纹纹路，目视不易发现，是案发现场中最常见的指纹。
潜伏指纹往往是手指先接触到油脂、汗液或尘埃后，再接触到干净的表面而留下，虽然肉眼无法看到这些指纹，但是经过特别的方法及使用一些特别的化学试剂加以处理，即能显现出这些潜伏的指纹。
鉴识人员最常接触到的指纹是潜伏纹。
如果指纹是留在金属、塑胶、玻璃、磁砖等非吸水性物品的表面，检验方法就比较容易。
通常可以用粉末法，选择颜色对比大的粉末，撒在物品表面提取出完整的指纹；另一方法是磁粉法，以微细的铁粉颗粒，用磁铁作为刷子，来回刷扫，显现指纹。
如果指纹留在纸张、卡片、皮革、木头等吸水性物品的表面，必须经过化学处理才能在化验室显形。
2.1.2指纹的相关概念
（1）指纹：
指头表面凹凸纹线。
（2）指印：
指头凹凸纹线与承受客体接触时留下的痕迹。
（3）脊线：
是手指上的特殊的皮肤花纹的隆线。
（4）谷线：
两个脊线之间低陷的部分。
（5）细节特征：
指纹中出现的各种特征，例如最常用的就是脊线端点和分叉点。
（6）细节特征点间脊线数：
在两个细节特征之间画一条直线，与这条直线相交的脊线数目，就叫细节特征间脊线数。
这些脊线具有平移、旋转不变性，是指纹识别系统中经常利用的一个重要特征。
（7）中心点：
指纹中心点定义为最内层弧状脊线的上顶点，当最内层脊线的上凸出的部出现分枝点时，将分枝点定义为中心点；当最内层脊线不是弧状而是一条线时，则脊线的上端点定义为中心点；当这种脊线不是一条，而是多条时，定义为最左边一条脊线的上端点为中心点。
指纹特征可以分为全局特征、局部特征和细微特征。
全局特征包括：
（i）基本纹路图案：
基本纹路图案通常分为左箕型、右箕型、斗型、拱型和尖拱型，如图2
（1）左箕型
（2）右箕型（3）斗型（4）拱型（5）尖拱型
图2各种类型的指纹
（ii）模式区：
模式区是指纹图像上包含了总体特征的区域，从模式区上能够辨出指纹属于那种类型。
（iii）核心点：
核心点位于指纹纹路的渐近中心，它常用作读取指纹和比对指纹时的参考点。
（iv）三角点：
三角点是指纹图像中三角形纹路区域的中心点，离该点最近的三条指纹纹线构成一个近似等边三角形，三角点提供了指纹纹路计数和跟踪的起始位置。
核心点和三角点统称为奇异点。
（v）纹数：
作为全局特征，纹数一般是指模式区内指纹纹路的数量。
也有些算法用某两个点之间的纹路数作为指纹特征，比如两个节点之间的纹路数。
局部特征包括：
（i）端点：
一条纹路在此终结。
（ii）分叉点：
一条纹路在此分成两条或多条纹路。
（iii）分歧点：
两条平行的纹路在此分开。
（iv）孤立点：
一条特别短的纹路，以至于成为一点。
（v）短纹：
一条较短但不至于成为一点的纹路。
（vi）环点：
一条纹路分成两条后又立即合成一条，这样形成的一个小环称为环点。
（vii）桥：
两条并行的纹路在此被搭接起来。
（viii）曲率：
纹路方向改变的速度。
如图3
图3基本纹路图案
2.2自动指纹识别原理
指纹是手指末端皮肤上的凹凸不平的纹路，这些纹路的存在不仅增加皮肤表面的摩擦力，使我们能够拿起物品，而且指纹本身蕴含大量信息。
指纹在图案、端点和交叉点上各不相同的，也就是“特征”，这些特征每个人每个手指都不相同，根据指纹的唯一性和可靠性，我们就把一个人和他的指纹一一对应起来，通过比对指纹特征和预先保存的指纹特征，就可以验证他的身份。
自动指纹识别是通过取像设备采集指纹图像，然后利用计算机技术提取指纹的特征数据，最后通过匹配算法进行比对识别。
自动识别技术主要涉及指纹图像采集、指纹图像预处理[8]、特征提取[7]、数据保存、指纹特征值的比对等过程。
首先通过指纹采集设备采集到人的指纹图像，并对原始的图像进行简单的处理，是指纹图像的特征信息更清晰明显。
然后，指纹特征提取算法建立指纹的特征数据，这是不可逆的转换，可以从指纹图像转换到特征数据，但不可以从特征数据转换到指纹图像，两枚不同的指纹产生不同的特征数据。
特征文件存储从指纹上找到“细节点”，也就是指纹脊线的分叉点或末梢点。
有的算法把特征点和方向信息组合产生更多的数据，这些信息反映了特征点之间的关系，也有的算法处理整个指纹图像。
这些数据通常称为模板。
不管他们是怎么组成的，至今仍然没有一种模板的标准，也没有公布一种抽象的算法。
最后通过计算机模糊比较的方法，把两个指纹模板进行比较，计算他们的相似度，最终得到这两个指纹的匹配结果。
2.3指纹识别系统
一个完整的指纹识别过程可分为：
指纹采集、指纹图像的预处理、特征提取和指纹匹配几部分[6]，如图4：
图4指纹识别过程
2.3.1指纹采集
指纹由图像输入设备转化成数字信息，并将其保存在机器内部的过程。
图像输入设备是指纹识别系统的先导硬件，它具有图像输入和数字化双重功能。
目前市场常见的指纹采集可以分为光学式取像设备、电容式取像设备和超声扫描。
光学式取像设备是根据指纹纹理和全反射原理（FTIR）设计的。
指纹纹路有凹凸部分即谷、脊。
当光线照在玻璃表面时，由于玻璃表面压有指纹，射到纹路凹的部分光线发生全反射，反射光线由CCD获得；而射到纹路凸的光线不发生全反射，由于脊和玻璃表面接触就吸收或者散射到其他地方，这样在CCD上就形成了指纹图像。
而另外一种光学取像设备则是利用微型三棱镜，把他安装在弹性的平面上，当手指按在上面由于脊谷压力不同，而改变微型棱镜的表面。
最后通过棱镜反射出来。
电容式取像设备则是由在半导体金属上集合了上万甚至十万个电容传感器。
当手指放在它上面时构成了电容传感器的另一面，由于指纹凹凸距离半导体不同而造成电容值不同，把电容值转化为电压值并记录下来就能得到指纹的灰度图像。
由于传感器容易受到静电干扰，易损坏，不如光学式的经用耐磨。
超声波扫描原理是发射超声波到指纹表面即扫描，然后再有接收设备获取反射回来的信号，由于指纹的谷脊的阻抗不同造成接收回来的能量不同，测量后就可得到指纹的灰度图像。
超声波扫描得到的指纹图像是指纹的真实图像，应用起来方面，不受指纹上的油脂和赃物的影响，但是设备价格非常昂贵。
下表是各种取像设备的性能比较：
取像设备比较表
比较项目
光学取像设备
电容时传感器
超声波扫描
体积
大
小
中
耐用性
非常耐用
容易损坏
一般
成像能力
干手指差，但汗多的和稍胀的手指成像模糊
干手指好，但汗多的和稍胀的手指不能成像
较好
耗电
较多
较少
较多
成本
低
低
很高
表1各种指纹采集设备比较
2.3.2图像处理
在指纹采集的过程中，不可能避免噪声的影响，图像中的断点，叉连很容易受到噪声的干扰，从而影响指纹特征信息的提取。
图像处理的目的就是利用信号处理技术剔除图像中得各种噪声，把它转化为图像清晰的二值化图像，以便提取正确的特征信息。
一般的图像处理过程是：
增强滤波、二值化和细化[10]。
增强滤波：
通过滤波的方法消除指纹图像中的干扰噪声。
普通的滤波方法如低通滤波、边缘增强等对噪声的滤除效果不是很好。
因为指纹纹线具有一定的方向和频率，在频域看来就是纹线频谱处于某一特定的位置和方向上。
因此可以选用带通滤波器。
目前主流的图像增强滤波算法都是基于这一原理。
二值化：
就是把原始的灰度图像转化成只有黑白两种颜色的图像，目前二值化的方法有两种：
固定门限和动态门限。
前者整个图像采用一个门限，对输入图像要求高，要求图像灰度均衡；后者则是根据不同区域选用不同门限，对输入图像要求不高。
细化[10]：
就是把经过前面处理的指纹图像的脊的宽度降到最小，去除纹线上的毛刺，从而减少因为毛刺生成的伪交叉点和断点。
2.3.3特征提取
指纹的特征包括了全局特征和局部细节特征[9]。
全局特征表述了指纹纹线的走向，主要表现在奇异点，就是纹线方向变化较大的点，就是三角点和核心点，他们比起细节特征更加稳定可靠，是指纹特征匹配和指纹分类的重要依据。
局部细节特征主要包括了端点和分叉点，目前主要的提取方法分三类：
从细化图像上提取：
把指纹图像二值化、细化后，分析指纹纹线‘骨架’上8个相邻的像素点取值来判断细节点的类型和位置，再通过该点和纹线的连线来计算其方向。
从灰度图像上提取[13]：
在经过增强滤波的灰度图像上，选取起始点，根据指纹方向却定追踪步长。
每前进一段距离，在追踪发向的垂直线段上的灰度投影确定纹线位置，当遇到端点和分叉点时停止并记录。
从二值图像上提取：
在二值图像上从上到下，从左到右逆时针检测像素变化以追踪脊线位置，当像素之间的角度变化大于阀值时则认为遇到了端点或者分叉点。
2.3.4指纹匹配
目前匹配的方法有：
图像相关匹配、纹理特征匹配、纹线匹配和细节点匹配[12]。
前二者匹配速度快，对图像要求不高，但是忽略了细节点特征，因此正确性不高。
纹线匹配需要大量的特征信息，因此匹配速度慢，模板容量大。
细节特征匹配充分利用了指纹在细节点上的差异，因此简单准确得到了广泛的应用。
细节点匹配通常把匹配模板和待匹配的细节点集对齐，设定匹配规则，统计二者对应的细节点相同的个数来衡量他们的相似度。
但是这种方法对细节的位移，旋转，形变较为敏感。
细节点匹配的难点有：
①细节点提取过程中会产生虚假细节点、丢失真细节点，并且细节点的位置，方向可能有偏差。
②指纹图像存在平移和旋转，需要寻找参考依据以便特征对齐。
③指纹采集过程中由于压力不均，造成图像的扭转，拉伸和形变。
④指纹之间的重合区域小，相同指纹的细节点对应关系难以确定。
第3章指纹识别系统硬件设计
3.1相关器件介绍
3.1.1STC12C5A60S2的结构与特点
STC12C5A60S2单片机是STC生产的单时钟/机器周期的单片机，是高速/低功耗/超强抗干扰的新一代8051单片机，指令代码完全兼容传统8051，但速度快8-12倍。
内部集成MAX810专用复位电路，2路PWM，8路高速10位A/D转换，针对电机控制，强干扰场合。
1.增强型8051CPU，1T，单时钟/机器周期，指令代码完全兼容传统8051；
2.工作电压：
STC12C5A60S2系列工作电压：
5.5V-3.3V（5V单片机）
3.工作频率范围：
0-35MHz，相当于普通8051的0～420MHz；
4.用户应用程序空间8K/16K/20K/32K/40K/48K/52K/60K/62K字节；
5.片上集成1280字节RAM；
6.通用I/O口（36/40/44个），复位后为：
准双向口/弱上拉（普通8051传统I/O口），可设置成四种模式：
准双向口/弱上拉，推挽/强上拉，仅为输入/高阻，开漏，每个I/O口驱动能力均可达到20mA，但整个芯片最大不要超过
升级会员 