嵌入式指紋系統(tǒng)設(shè)計與實現(xiàn)

嵌入式指紋系統(tǒng)設(shè)計與實現(xiàn)

0指紋算法及實驗結(jié)果指紋是一種基于每個人指紋的不變異性和完整性的身份識別技術(shù)。隨著社會的發(fā)展,嵌入式的指紋識別技術(shù)越來越受到市場的青睞,成為近年研發(fā)的重點,但目前的嵌入式指紋算法大多在實時性和準(zhǔn)確度上還存在不足,需要進(jìn)一步優(yōu)化算法,以實現(xiàn)準(zhǔn)確高效的指紋識別。本研究設(shè)計、實現(xiàn)一種基于STM32芯片的指紋識別系統(tǒng),通過指紋傳感器采集指紋數(shù)據(jù),指紋算法處理指紋數(shù)據(jù)實現(xiàn)指紋識別,同時結(jié)合VC++平臺建立人機交互界面對指紋圖像數(shù)據(jù)顯示。該設(shè)計使用STM32作為主控芯片,以提高系統(tǒng)的性價比,同時通過編程對比目前存在的大多數(shù)指紋算法,考慮嵌入式指紋識別系統(tǒng)對實時性和準(zhǔn)確性的要求,對現(xiàn)有指紋圖像的增強和匹配算法進(jìn)行改進(jìn)和優(yōu)化,以提高指紋識別系統(tǒng)的性能。1系統(tǒng)硬件設(shè)計1.1指紋傳感器模塊設(shè)計本研究采用ARMcortex-M3內(nèi)核的32位處理器STM32F-103ZET6作為主控制器,該芯片內(nèi)部采用哈佛結(jié)構(gòu)、其中集成有64KB的RAM和512KB的FLASH,運算速度快,并且具有體積小和低功耗的特點,在嵌入式圖像處理方面具有較高的應(yīng)用前景。指紋識別系統(tǒng)結(jié)構(gòu)功能圖如圖1所示。系統(tǒng)硬件主要包括:指紋采集模塊、SPI接口模塊、指紋數(shù)據(jù)存儲模塊(SRAM)、指紋程序存儲模塊(FLASH)、UART模塊、指紋圖像算法處理模塊、處理結(jié)果顯示模塊等。具體工作流程如下:系統(tǒng)通過USB供給5V穩(wěn)壓電源,通過內(nèi)部電路轉(zhuǎn)換成3.3V穩(wěn)壓電源,系統(tǒng)上電后,通過STM32給傳感器的各個寄存器初始化,指紋傳感器FPS200采集指紋圖像,通過SPI接口和STM32最小系統(tǒng)進(jìn)行通信,將采集到的指紋數(shù)據(jù)發(fā)送到STM32,進(jìn)而保存指紋圖像到SRAM,通過各種算法實現(xiàn)對指紋圖像信號的預(yù)處理、提取特征點和圖像匹配,最后實現(xiàn)指紋識別功能。另外STM32和主機之間通過異步串口通信把指紋圖像數(shù)據(jù)傳送到PC機,顯示圖像,由于一幅圖像的數(shù)據(jù)量就是76.8KB,主控芯片內(nèi)部RAM容量不能滿足存儲和處理圖像數(shù)據(jù)的要求,所以本設(shè)計外擴SRAM來存儲指紋數(shù)據(jù)。系統(tǒng)設(shè)計的程序放在FLASH中,指紋特征數(shù)據(jù)模板也放在FLASH中,以便在使用過程中刪除和添加,并顯示指紋識別結(jié)果,主控制器采用JTAG接口,通過J-link進(jìn)行仿真調(diào)試,通過IAR-forARM實現(xiàn)程序的設(shè)計。1.2指紋傳感器硬件電路設(shè)計指紋圖像的采集對系統(tǒng)實現(xiàn)其識別功能至關(guān)重要,一幅采集質(zhì)量較好的指紋圖像有利于后續(xù)對指紋圖像的算法處理,減少算法的復(fù)雜程度,提高系統(tǒng)指紋識別的功能。指紋傳感器FPS200是Veridicom公司的一款新型指紋傳感器,具有500dpi的分辨率,片內(nèi)集成300×256的傳感器陣列,256級的灰度圖像和8位的像素數(shù)據(jù),并且支持MCU、SPI和USB3種接口模式,這里采用比較簡單的SPI接口模式,供給3.3V穩(wěn)壓電源,系統(tǒng)指紋采集硬件電路如圖2所示。STM32的MODE1接VCC、MODE0接GND,使其工作在SPI模式且為主模式,指紋傳感器FPS200工作在SPI從模式。這樣STM32通過PB12~15管腳與FPS200的SPI接口的4個管腳相連。FPS200根據(jù)STM32由SPI接口發(fā)送過來的寫寄存器的命令、地址和指令數(shù)據(jù)執(zhí)行相關(guān)操作,并將采集到的指紋數(shù)據(jù)經(jīng)由該SPI接口傳回STM32作進(jìn)一步處理。1.3stm32指紋數(shù)據(jù)通訊本研究接收到的指紋數(shù)據(jù)通過異步串口管腳PA9和PA10與3.3V轉(zhuǎn)換芯片MAX3232相連外接串口線同PC機進(jìn)行通信,接收和發(fā)送數(shù)據(jù),STM32作為下位機通過SPI接口方式采集指紋數(shù)據(jù),并將數(shù)據(jù)保存在外擴的SRAM中,當(dāng)采集完一幅指紋圖像后,把該指紋數(shù)據(jù)發(fā)送給上位機,PC機接收數(shù)據(jù),并通過VC編程把接收的指紋數(shù)據(jù)轉(zhuǎn)換成256級灰度圖像并顯示和保存該指紋圖像。PC機的VC通過串口發(fā)送命令給STM32,主控芯片接收命令判斷有效,開始采集指紋圖像。限于篇幅,STM32最小系統(tǒng)的硬件部分在這里不做詳述。2軟件設(shè)計2.1獲取圖像的讀取條件圖1程序設(shè)計關(guān)鍵是編程實現(xiàn)SPI通信模式下STM32和指紋傳感器FPS200的通信操作,其采集程序流程圖如圖3所示。FPS200有19個寄存器,用來控制指紋數(shù)據(jù)采集過程中的狀態(tài)和行為,這里介紹幾個比較重要的寄存器的初始化:(1)初始化CTRLB,使能芯片的ENABLE位使其處于工作狀態(tài),XTALSE位選擇內(nèi)部12M晶振,同時使能指紋自動檢測,通過判斷RDY位的狀態(tài)決定指紋圖像數(shù)據(jù)的讀取。(2)初始CTRLA,這里可以選擇GETROW、GETIMG和GETSUB這3種存取模式的1種作為存取模式,本研究給CTRLA寫入0x02,即選擇GETIMG模式來獲取整幅圖像。(3)初始化DTR、DCR和PGC,它們影響采集圖片的質(zhì)量,DTR是放電時間寄存器,影響著圖像背景亮暗程度;DCR是電容放電寄存器,對圖像的前景區(qū)和背景區(qū)的亮暗程度有一定影響;PGC是可編程增益寄存器,對圖片的前景和背景的影響較大。經(jīng)實驗選擇DTR=0x38,DCR=0x01,PGC=0x0C時圖像效果最佳。2.2基于時域的指紋壓縮算法指紋識別算法是指紋識別過程中重要的部分,算法的好壞直接決定指紋識別的精確性和可靠性。該算法的3個重要部分是指紋圖像預(yù)處理、特征點提取和特征匹配。指紋預(yù)處理又包括圖像場的計算、分割、均衡化、平滑、增強、二值化、細(xì)化等部分。本研究的指紋識別算法流程如圖4所示,下面對算法各部分作簡要介紹。2.2.1el算子的梯度場圖像場計算包括圖像的強度場、梯度場、方向場以及頻率場計算。首先本研究采用Sobel算子求指紋圖像灰度函數(shù),再分別沿x和y方向偏導(dǎo)Ax(x,y)和Ay(x,y),計算該指紋圖像的梯度場,因為梯度場可以較好地分割指紋圖像。Sobel算子表示方式如下:其次,根據(jù)方向場計算公式可得:則有方向場的大小就是:2.2.2回歸系數(shù)獲取圖像分割的目的是將指紋前景區(qū)域和背景區(qū)域分割開來。因前景區(qū)域和背景區(qū)域在灰度和梯度上存在差異,故均采用閾值分割方法處理。分割閾值的確定:根據(jù)灰度直方圖分析可知,指紋圖像前景和背景在灰度直方圖中體現(xiàn)為兩個峰值,故取前景和背景兩峰值間峰谷處的谷值灰度作為分割閾值即可有效分割指紋圖像。梯度場計算的必要性:當(dāng)前景和背景很難找到合適的灰度值作為分割閾值來對指紋圖像進(jìn)行有效分割處理時,可以根據(jù)梯度場的不同,指紋前景梯度場值較高(黑白相間),而背景梯度場值較低,通過對梯度場值的運算,找到合適的閾值,就能很容易地實現(xiàn)對指紋圖像的分割。2.2.3圖像均衡化離散指紋圖像均衡化的目的是使圖像在各種灰度場強上均勻分布相等的點數(shù),通過均衡化使得圖像對比度得到增強。指紋圖像為F(x,y),由均衡化離散的轉(zhuǎn)換公式為:式中:Hu(x,y)—第u級灰度的像素個數(shù),A0—圖像面積,Fmax—圖像的最大灰度值,即為255。均衡化后,使得源指紋圖像的灰度概率密度得到均勻的分布,擴展了像素點灰度的取值范圍,增強了圖像的對比度。2.2.4指紋源類型的編碼指紋圖像的平滑的目的是消除圖像噪聲點。本研究通過指紋圖像和模板算子的卷積實現(xiàn)指紋圖像的平滑濾波。卷積運算公式為:要平滑的指紋源圖像F(x,y)大小為n×n,模板A(i,j)大小為m×m,使得模板中心A[(m-1)/2,(m-1)/2]與F(x,y)對應(yīng)。指紋圖像平滑算法相當(dāng)于低通濾波,只是讓指紋信號的低頻部分通過,而阻止指紋信號的高頻部分,實現(xiàn)濾去指紋圖像中噪聲的目的。2.2.5指紋特征點識別的一般方法指紋圖像增強是指紋識別系統(tǒng)的重要組成部分,在通過算法使指紋不清晰的地方得到改善的同時盡量保留指紋原有的特征信息,確保后續(xù)圖像處理的準(zhǔn)確性和可靠性。對于指紋圖像的增強,本研究前面通過計算獲得指紋的方向場和頻率場信息,這里采用較成熟可靠的Gabor小波濾波器實現(xiàn)圖像的智能增強,該小波工具一方面在指紋紋線上可以對在該位置方向場上的指紋紋線進(jìn)行收斂增強,另一方面它也符合指紋紋線相間的特點,可以在該位置的頻率場上對指紋紋線進(jìn)行振蕩增強,從而提高圖像的增強效果,以便更有利地提取指紋特征點信息。Gabor濾波器公式如下:2.2.6黑色圖像的兩色圖指紋圖像二值化是將連續(xù)灰度圖像轉(zhuǎn)化成只有兩種顏色值的圖像,讓黑的紋線區(qū)域更黑,白的谷線區(qū)域更白。即:使白色的圖像區(qū)域的灰度值為255,黑色的灰度值為0,成為黑白兩色圖像。二值化公式為:由于前邊本研究已經(jīng)通過圖像均衡化以及Gabor函數(shù)對指紋進(jìn)行了增強處理,圖像的對比度比較明顯,這里求得圖像灰度的最大值Qmax和最小值Qmin,對兩者求平均值T=(Qmax+Qmin)/2即可得閾值T。二值化后要對圖像進(jìn)行必要的去噪,進(jìn)一步提高圖像的質(zhì)量,以便后續(xù)圖像細(xì)化的處理。2.2.7織物圖的細(xì)化處理指紋圖像的細(xì)化是為了減少要處理的信息量,把指紋的脊線部分對稱減薄,使指紋紋線由原來的多個像素寬度變?yōu)閱蝹€像素的線形圖。本研究采用查表法對指紋進(jìn)行細(xì)化處理。因指紋圖像已進(jìn)行二值化處理,其像素要么是0,要么是255,故把指紋圖像中某個目標(biāo)點(要處理的黑色點)的8個鄰域的所有要刪除的所有可能情況排列后列入一張表中,再根據(jù)圖像中某點的8個相鄰的點的情況查表,如果滿足表中的情況則刪除該點,否則保留。2.2.8《反相關(guān)系點》特征點提取分兩種情況,即:對端點和交叉點的提取;對指紋特征奇異點的提取。本研究采用基于交叉數(shù)的特征性提取算法(即通過掃描某點[黑點],根據(jù)該點周圍8點(順時針相鄰兩點灰度的差值情況)來判斷該點是端點還是叉點,并記錄該特征點的位置、類型和方向信息。指紋特征奇異點提取是利用Poincare公式:本研究先求得某點周圍一圈的方向場差,對其求和,再根據(jù)其與Poincare索引值(中心點是1/2,三角點是-1/2)的比較判斷該值是否為奇異點,如果是,則確定出奇異點的類型,并記錄該奇異點特征要素。2.2.9特征點初次匹配本研究采用基于指紋特殊點的匹配方法,匹配過程中為減少拒判時間,把匹配分成“初匹配”和“全局匹配”兩個方面,在提高了指紋識別的效率的同時,也大大提高了識別成功率。初匹配:首先要利用前面經(jīng)過特征點提取得到的指紋圖像上的所有端點和分叉點的屬性參數(shù)(即點的位置、類型、特征點方向),根據(jù)“指紋相鄰特征點之間的距離,以及穿過這兩點之間的脊線的數(shù)目和相對角度的參數(shù)不會受到指紋圖像發(fā)生旋轉(zhuǎn)、平移或者局部變形影響”的原理,通過求兩個特征點間的脊線數(shù)目和方向差,再分析其內(nèi)在的關(guān)系,從而建立局部的特征向量以進(jìn)行指紋特征點的初次匹配。同時在匹配的過程中標(biāo)記最大且不為零的匹配分?jǐn)?shù)Score[p][q],再對所得匹配分?jǐn)?shù)Score求和并經(jīng)過進(jìn)一步算法得到相對匹配分?jǐn)?shù)S,為了減少誤判,本研究通過設(shè)置門限,對指紋的匹配情況進(jìn)行初步判定。全局匹配:對于沒有得到判定的情況,通過全局匹配來進(jìn)行進(jìn)一步判定。由于前文已經(jīng)求取了指紋的奇異點,這里將提取的指紋A和指紋B的奇異點(中心點或三角點)分別作為待判定和模板庫指紋圖像相應(yīng)的極坐標(biāo)的中心點,對待判定指紋A中的每個特征點求得其極坐標(biāo),再與模板庫B中的當(dāng)前指紋在該極坐標(biāo)位置的特征點進(jìn)行比對,判斷類型是否相同,對待判定和模板庫的指紋的特征點均采用上述方法進(jìn)行匹配,統(tǒng)計匹配成功的特征點個數(shù)。因為兩幅指紋圖像不可能所有的特征點都匹配,本研究設(shè)定一個閾值,如果匹配的特征點數(shù)大于該閾值則認(rèn)為這兩幅指紋圖像匹配成功,否則匹配失敗。3結(jié)果在調(diào)試好的樣機上,實驗結(jié)果如圖5所示。通過VC界面顯示的匹配結(jié)果如圖6所示。4在識別圖像方面的應(yīng)用