基于ARM-Linux指紋識別系統(tǒng)的設計

王 偉，李春明

（內蒙古工業(yè)大學 內蒙古 呼和浩特 010080）

生物識別技術在我們的生活中扮演越來越重要的角色，在很多場合已經取代了傳統(tǒng)的認證識別方式[1]。其中指紋識別技術的發(fā)展尤為突出，成為目前最廣泛的應用之一，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。目前的產品大部分以嵌入式軟硬件為核心，發(fā)展趨勢是小型化，低成本，低功耗，高可靠性，快速穩(wěn)定高效的指紋識別算法實現(xiàn)等方面。

1 硬件平臺

本系統(tǒng)的整體結構如圖1所示，首先構建以ARM9處理器為核心的硬件平臺，移植了Linux內核，在嵌入式Linux系統(tǒng)上進行指紋識別系統(tǒng)的應用程序開發(fā)。在指紋分割和增強算法方面根據(jù)指紋儀采集指紋的特點進行優(yōu)化處理。實驗表明，設計的指紋識別系統(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533MHz。

圖1 系統(tǒng)總體結構Fig．1 Overall system structure

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

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

顯示模塊為3．5寸LCD觸摸顯示屏，供電電壓為5 V，系統(tǒng)獨立工作時可以滿足。在系統(tǒng)調試時為觀看方便，可用PC機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)升級和擴容，大小選用256M。

SDRAM我們通常稱為內存，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)的硬件平臺如圖2所示，各個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接口用來燒寫Linux引導程序Bootloader；串口用來移植內核，編譯調試程序等；USB接口用于連接指紋采集儀；以太網(wǎng)口為備用端口，可以作為整個系統(tǒng)工作后與遠程PC機進行通信。

2 Linux移植

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

圖3 PC機與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)啟動之前運行的一小段引導程序，它也是啟動Linux內核的必備條件。目前的版本很多[9]，比如韓國ZIMI公司設計的vivi，美國紅帽公司設計的Redboot，德國DENX公司設計的Das U-boot和國內友善之臂公司的supervivi等。它們的使用根據(jù)硬件架構選擇的差別略有不同。通過功能應用和通用性兩個方面比較，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。通過交叉編譯環(huán)境將編譯好的U-boot通過JTAG接口燒寫到FLASH的前4 K范圍內。因為硬件系統(tǒng)在上電后，首先執(zhí)行的命令是將FLASH中前4 K內容讀入內存，這樣就可以進行下面的操作。FLASH中文件存儲的順序如圖4所示。

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

2.2 Linux內核移植

文中選擇的 Linux內核版本為 2．6．29。 移植分為 5步[3]：1）獲取內核源文件；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）進行編譯、燒寫、啟動并測試內核。

3 算法結構

指紋識別算法的總體結構分為4大部分[4]：指紋圖像采集，預處理，特征提取和特征匹配等。其中預處理部分又分為指紋圖像分割，指紋圖像增強，二值化，細化等過程。算法的詳細處理過程如圖5所示。

下面對指紋識別算法的幾個關鍵步驟進行介紹說明。

圖5 指紋識別算法總體結構Fig．5 Overall process of the fingerprint image processin

3.1 指紋圖像的梯度場和方向場

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

圖6 指紋圖像與其梯度場、方向場圖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

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

圖7 分割和增強Fig．7 Segmentation and enhancement

3.3 指紋圖像的二值化與細化

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

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

3.4 特征提取

在特征點提取上，以端點、分叉點和奇異點為細節(jié)特征，其中，奇異點分為中心點和三角點。特征點描述如圖9和圖10所示。

圖8 二值化和細化Fig．8 Binary drawing and thinning drawing

圖9 端點和分叉點Fig．9 Ending and bifurcation point

圖10 中心點和三角Fig．10 Center of the fingerprint and triangular point

通過算法提取，標記的特征點示意如圖11所示。

圖11 特征點提取Fig．11 Feature point extraction drawing

3.5 特征匹配

在匹配過程之前，首先要找一個基準點。通過獲取指紋特征點拓撲結構數(shù)據(jù)，首先查找是否有中心點，如果有通過中心點配準，否則查找三角點，如果都沒有，則通過其它特征點配準。匹配算法使用全局匹配算法[5，11]，此算法速度較快，但對圖像質量要求較高，采集儀獲取的指紋質量可以滿足要求。

4 應用系統(tǒng)設計與實驗結果

系統(tǒng)內部結構如圖12所示，工作原理：應用程序通過指紋傳感器控制模塊控制傳感器采集指紋圖像，采集的圖像經過傳感器內部A/D轉換電路變?yōu)閿?shù)字圖像，數(shù)據(jù)被識別算法調用進行預處理，特征提取，最后根據(jù)需要進行識別。

圖12 系統(tǒng)內部結構圖Fig．12 Within the system structure diagram

系統(tǒng)上電后，啟動內核，自動加載應用程序，并進行初始化。整個系統(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)相似度來判定，相似度值是0到100。首先進行同一枚指紋特征提取的相似度實驗。因為同一種算法，對不同的采集儀的要求不一樣，如果采集的指紋圖像質量好，相似度會偏高；如果采集的指紋質量不好，相似度就會偏低，這樣如果閾值設置過高，就增加了拒識率。如果盲目降低閾值，會提升誤判率的風險。表1是本系統(tǒng)外接U．are．U4000B指紋采集儀對兩枚指紋保存模板后，分別進行的十次采集對比試驗，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設定相似度閾值為10。當相似度大于等于10，認為比對成功，否則失敗。

其中人員管理模式可以用1：1指紋比對模擬，在進行的20對不同指紋的錄入比對實驗如表2所示。

表1 相似度值Tab.1 Sim ilarity values

表2 1:1模式實驗結果Tab.2 1:1m ode experim ental results

正常工作模式可以用1：M比對來模擬，指紋庫指紋數(shù)M=500（模擬中小公司的人數(shù)范圍），實驗結果如表3所示。

表3 1:M模式實驗結果Tab.3 1:Mmode experimental results

5 結束語

1：1主要目標是高的通過率和相對高的準確率；1：M主要目標是高的比對速度和相對高的準確率．。指紋比對受到多方面因素影響，比如指紋采集部位，采集的質量以及指紋本身有無損壞等，最終的實驗結果較為滿意?；贏RM9的嵌入式指紋識別系統(tǒng)穩(wěn)定性良好，功耗低；指紋圖像分割和智能增強算法根據(jù)采集儀采集指紋圖像特點進行選取和優(yōu)化，縮短了預處理時間，提高了算法的準確性，對于從事生物識別技術的嵌入式應用開發(fā)，有一定的參考價值。

[1]吳作好．幾種人體生物特征的生物識別技術比較[J]．現(xiàn)代電子技術，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應用開發(fā)完全手冊[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，指紋識別系統(tǒng)算法及實現(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)開發(fā)與應用教程[M]．北京：北京航空航天大學，2010．

[9]友善之臂．U-boot使用及移植詳細手冊 [EB/OL]．2010．http：//www．armq．net．

[10]徐誠，高瑩婷．Linux環(huán)境C程序設計[M]．北京：清華大學出版社，2010．

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