（模式识别与智能系统专业论文）智能楼宇的指纹门禁系统.pdf

摘要 智能楼宇的指纹门禁系统 摘要 在信息化的今天，人们在享受着信息化带来好处的同时，同时也 带来了诸多更多的信息安全方面的隐患。传统的个人身份识别方法越 来越受到局限，而指纹识别作为一种安全可靠，可行性高的生物识别 技术得到了极大的发展，目前指纹识别技术已经被广泛应用于司法、 公安和各种安全防护系统。因此，进行指纹识别技术方面的研究，具 有较高的现实意义和理论意义。 文章主要是以指纹识别系统设计为主线而展开的，重点阐述了指 纹识别系统的硬件设计和算法设计，对关键算法进行了改进。 首先阐述了生物识别技术的历史和各种生物特征识别技术的特 点，着重介绍了指纹识别技术的发展过程，指明了指纹识别技术发展 的方向。 然后，介绍了两种指纹特征细节特征和纹理特征，并比较了 基于这两种不同指纹特征的指纹识别方法的优劣，同时给出了评价指 纹识别性能的指标和自动指纹识别系统的流程图 其次，在指纹门禁这个应用背景下，提出了一套基于 t m s 3 2 0 v c 5 5 0 9 a 的指纹识别系统的硬件设计方案，并分别对指纹采 集模块、指纹处理模块、c p l d 接口模块、存储器扩展、电源模块和 i 摘要 c a n 总线数据通信模块进行了详细讨论。 再次，抓住基于纹理特征的指纹识别方法简单且计算量小的特 点，对该类指纹识别算法进行了系统研究和实现： ( 1 ) 对于传统的块方向图方向不连续的现象，提出了一套新颖的方 向图修正算法，该算法对于噪声相对较小的情况具有良好的效果；对 多窗口法求块方向图给出了减少运算量的方法。 ( 2 ) 在方向滤波器设计方面，从g a b o r 函数的快速衰减性和方向性 得到启发，给出了一个方向滤波器的闭合等式，不仅可以简化方向滤 波器设计，而且相对于g a b o r 滤波而言，可以大大减少运算量，并取 得了较好的增强效果。 ( 3 ) 在中心点求取方面，借鉴现有方法，将中心点的搜索分为两级 实现：粗搜索和细搜索。提出了一种新的粗搜索算法，可以减少计算 量，加快中心区域搜索速度，最终获得了较为满意的结果。 最后，分析了本文指纹识别算法存在的问题，对课题的进一步研 究给出了参考意见。 关键词：t m s 3 2 0 v c 5 5 0 9 a ：c p l d ；c a n 总线；指纹方向图；g a b o r 滤波器；纹理特征 i i 摘要 f r n g e r p r i n tg u a r ds y s t e mo f n 寸t e l l i g e n tb u i l d i n g s a b s t r a c t t o d a y , i th a sb e e nm o r ec o n v e n i e n c et h a nb e f o r ei ni n f o r m a t i z a t i o n w o r l d ，f o l l o w e dw i t hm a n yi n f o r m a t i o ns e c u r i t yr i s k s t h et r a d i t i o n a l i d e n t i f i c a t i o nm e t h o d sh a v ef a c e dm o r ea n dm o r ec h a l l e n g e s ，w h i l et h e f i n g e r p r i n ti d e n t i f i c a t i o nh a sg o t t e nag r e a td e v e l o p m e n t a sar e l i a b l ea n d h i g h l yf e a s i b l eb i o m e t r i ci d e n t i f i c a t i o nt e c h n o l o g y t h er e s e a r c ho ft h e f i n g e r p r i n ti d e n t i f i c a t i o nt e c h n o l o g yh a sg r e a ti m p o r t a n ti np r a c t i c ea n d t h e o r y n o w , i th a sb e e na p p l i e di nm a n yf i e l d ss u c ha sj u s t i c e ，p u b l i c s e c u r i t ya n ds e c u r i t ys y s t e m sa n ds o o n t h ed e s i g no ff i n g e r p r i n ti d e n t i f i c a t i o ns y s t e mh a sb e e ni n t r o d u c e di n t h i sp a p e r , a n dw ee m p h a s i z e do nt h eh a r d w a r ea n da l g o r i t h md e s i g na n d t h ek e ya l g o r i t h mh a sb e e ni m p r o v e d f i r s t l y , d i f f e r e n tk i n d so fb i o m e t r i ci d e n t i f i c a t i o nt e c h n o l o g yh a v e b e e ni n t r o d u c e d a n dt h ed e v e l o p m e n to ff i n g e r p r i n ti d e n t i f i c a t i o n i i i 摘要 t e c h n o l o g yh a sa l s ob e e np r e s e n t e di nd e t a i l f u r t h e r m o r e ，t h ew a yo f d e v e l o p m e n ti nf i n g e r p r i n ti d e n t i f i c a t i o nt e c h n o l o g y h a sb e e np o i n t e do u t s e c o n d l y , a f t e ri n t r o d u c i n gt h em i n u t i aa n dt e x t u r ec h a r a c t e r s ，t h e a d v a n t a g e s a n dt h ed i s a d v a n t a g e so ft w of i n g e r p r i n ti d e n t i f i c a t i o n t e c h n o l o g y , t h ep e r f o r m a n c es t a n d a r d sa n dt h ef l o wc h a r to fa f i sh a d b e e np r e s e n t e di nt h i sp a p e r t h i r d l y , t h i sp a p e ra d v a n c e d ah a r d w a r ed e s i g no ff i n g e r p r i n t i d e n t i f i c a t i o ns y s t e mb a s e do nt m s 3 2 0 v c 5 5 0 9 a a n dt h es y s t e m c o n t a i n ss o m em o d u l e ss u c ha sf i n g e r p r i n ta c q u is i t i o n ，f i n g e r p r i n td a t a p r o c e s s ，c p l da si n t e r f a c e ，m e m o r ye x t e n s i o n ，p o w e rs u p p l y a n d c a n b u s i na d d i t i o n a l l y , s o m er e s e a r c hh a db e e nc a r r i e do nt h ef i n g e r p r i n t i d e n t i f i c a t i o na r i t h m e t i cb a s e do nt h et e x t u r ec h a r a c t e r s ，a sf o l l o w i n g ： 1 b e c a u s eo ft h ed i s c o n t i n u i t yi nt h et r a d i t i o n a lb l o c ko r i e n t a t i o ni m a g e ， w ep r e s e n tan e wf i n g e r p r i n to r i e n t a t i o ni m a g em o d i f i c a t i o na l g o r i t h m w h i c hh a sg o o dp e r f o r m a n c ei nt h el o w - n o i s ec o n d i t i o n a n dam e t h o d f o rm u l t i w i n d o wa l g o r i t h mi se f f e c t i v ei nr e d u c i n gt h et i m e o f c a l c u l a t i o n 2 i n s p i r e df r o mg a b o rf u n c t i o n ，w eg i v e o u tac l o s e de q u a t i o no f d i r e c t i o n a lf i l t e rw h i c hc a nn o to n l ys i m p l i f yd e s i g no ft h ed i r e c t i o n a l f i l t e r , b u ta l s og r e a t l yr e d u c et h ea m o u n to fc o m p u t a t i o n t h er e s u l t s s h o w e dt h a tt h i sm e t h o di se f f e c t i v e i v 摘要 3 r e f e r r i n gt oe x i s t i n ga l g o r i t h m ，t h ep r o c e s so f c o r ep o i n t ss e a r c h i n gi s d i v i d e di n t ot w os t e p s - - r o u g hs e a r c h i n ga n df i n es e a r c h i n g an e wr o u g h s e a r c h a l g o r i t h mc a n a l s or e d u c et h ea m o u n to fc o m p u t a t i o na n d a c c e l e r a t et h ep r o c e s so fc e n t r a lr e g i o ns e a r c h i n g f i n a l l y , s o m ef e a s i b l es u g g e s t i o nf o rt h es h o r t c o m i n g so ff i n g e r p r i n t i d e n t i f i c a t i o na l g o r i t h mh a sb e e np u tf o r w a r d k e yw o r d s ：t m s 3 2 0 v c 5 5 0 9 a ；c p l d ；c a n - b u s ；o r i e n t i o ni m a g e o ff i n g e r p r i n t ；g a b o rf i l t e r ；t e x t u r ec h a r a c t e r v 东华大学学位论文版权使用授权书 学位论文作者完全了解学校有关保留、使用学位论文的规定，同 意学校保留并向国家有关部门或机构送交论文的复印件和电子版，允 许论文被查阅或借阅。本人授权东华大学可以将本学位论文的全部或 部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复 制手段保存和汇编本学位论文。 保密口，在年解密后适用本版权书。 本学位论文属于 不保密o 。 日期：们昌年驷易日 指导教师签名：寺吾 吼2 嘲年了月尹日 东华大学学位论文原创性声明 本人郑重声明：我恪守学术道德，崇尚严谨学风。所呈交的学位 论文，是本人在导师的指导下，独立进行研究工作所取得的成果。除 文中已明确注明和引用的内容外，本论文不包含任何其他个人或集体 已经发表或撰写过的作品及成果的内容。论文为本人亲自撰写，我对 所写的内容负责，并完全意识到本声明的法律结果由本人承担。 日 铂名雨” 名 年 签；利镅 作 弘 文 、 沦 ： 位 期 学 日 第一章绪论 1 1 生物特征识别技术 第一章绪论 随着网络与通信技术的飞速发展和人类物理与虚拟活动空间不断扩大，现代 社会对于人类自身身份识别的准确性、安全性与实用性提出更高要求。传统的身 份识别方法已经远远不能满足这种要求，人类必须寻求更为安全可靠、使用方便 的身份识别新途径。于是，生物特征识别悄然兴起，并成为一类新的身份识别技 术。 生物特征识别技术( b i o m e t r i c id e n t i f i c a t i o nt e c h n o l o g y ) ，是利用人体生物特 征进行身份认证的一种技术。生物特征是唯一的( 与他人不同) ，可以测量或可 自动识别和验证的生理特性或行为方式，分为生理特征和行为特征。生物特征识 别系统对生物特征进行取样，提取其唯一的特征并转化成数字代码，并进一步将 这些代码组成特征模板。人们同识别系统交互，进行身份认证时，识别系统获取 其特征并与数据库中的特征模板比对，以确定是否匹配，从而决定接受或拒绝。 人类利用生物特征识别的历史，可追溯到古埃及人通过测量人体各部位的尺 寸来进行身份鉴别。现代生物识别技术始于7 0 年代中期，由于早期的识别设备 比较昂贵，因而仅限于安全级别要求较高的原子能试验、生产基地等。现在，由 于微处理器( 特别是d s p ) 及各种电子元件成本不断下降，精度逐渐提高，生物 识别系统逐渐应用于商业上的授权控制，如门禁、企业考勤管理系统等安全认证 领域。 生物识别技术是目前最为方便与安全的技术，它不需要记住复杂的密码，也 不需要随身携带钥匙、智能卡之类的东西。生物识别技术认定的是人本身，没有 什么能比这种认证方式更安全、更方便了。由于每个人的生物特征具有与其他人 不同的唯一性和在一定时期内不变的稳定性，不易伪造和假冒，所以利用生物识 别技术进行身份认定，安全、可靠、准确。此外，生物识别技术产品均借助于现 代计算机技术实现，很容易与电脑和安全、监控、管理系统整合，实现自动化管 理。 人的生物特征分为身体特征和行为特点两类。身体特征包括：指纹、掌型、 第一章绪论 眼睛( 视网膜和虹膜) 、人体气味、脸型、皮肤毛孔、手腕手的血管纹理和d n a 等；行为特点包括：签名、语音、行走的步态、击打键盘的力度等。根据生物识 别技术采用的生物特征的不同，广泛应用的生物特征识别技术可以分成三类：高 级生物识别技术( h i g hb i o m e t r i c s ) ，如视网膜、虹膜和指纹；次级生物识别技术 ( l e s s e rb i o m e t r i c s ) ，如掌型识别、脸型识别、语音识别、签名识别：第三类是 “深奥的”生物识别技术( e s o t e r i cb i o m e t r i c s ) ，如血管纹理识别、人体气味识别等。 手形识别包括掌纹图像识别、手掌手形识别、单指或两个手指的指形识别， 其中手形和指形识别是利用手指的三维立体形状进行识别。 脸形识别【2 】通过分析脸部不易变化的形状、模式和位置来辨识人。用于捕捉 面部图像的两项技术为标准视频和热成像技术。标准视频技术通过一个标准的摄 像头摄取面部的图像，一些核心点被记录下来，例如，眼睛，鼻子和嘴的位置以 及它们之间的相对位置等；热成像技术通过分析由面部的毛细血管的血液产生的 热线来产生面部图像，热成像技术并不要求在较好的光源条件下，即使在黑暗情 况下也可以使用。 虹膜【3 】是一种在眼睛中瞳孔内的织物状的各色环状物，每一个虹膜都包含一 个独一无二的基于像冠、水晶体、细丝、斑点、结构、凹点、射线、皱纹和条纹 等特征的结构，据宣称，没有任何两个虹膜是一样的。虹膜扫描安全系统包括一 个全自动照相机来寻找眼睛并在发现虹膜时，就开始聚焦，想通过眨眼睛来欺骗 系统是不行的。 视网膜是一些位于眼球后部十分细小的神经，用于生物识别的血管分布在神 经视网膜周围。视网膜识别技术要求激光照射眼球的背面以获得视网膜的特征。 声音辨 ； 【4 1 并不对说出的词语本身进行辨识，而是通过分析语音的唯一特性， 例如发音的频率，来识别出说话的人。 签名识别【5 1 ，也被称为签名力学辩识，它建立在签名时的力度之上。它分析 的是笔的移动，例如加速度、压力、方向以及笔划的长度，而非签名的图像本身。 签名力学的关键在于区分出不同的签名部分，有些是习惯性的，而另一些在每次 签名时都不同。 以上的各种生物特征识别技术各有各的优点，然而在实际应用中也存在一些 问题。虹膜、视网膜的图像获取设备的尺寸难以做到小型化，而且非常昂贵，使 2 第一章绪论 用起来也不甚方便：大部分研究生物识别的人都认为面部识别最不准确，也最容 易被欺骗：与其他方法相比，手掌几何学的准确度不是太高；语音识别尽管方便， 但不太可靠；签名辨识的问题在于在辨识过程中使用的度量方式以及签名的重复 性。 相对于其它身份鉴别技术，指纹以下7 个方面的特性6 9 1 使其成为身份识别 技术的首选： 1 ) 普遍性：所有个人都具有的生物特征： 2 ) 唯一性：世界上两个指纹完全相同的概率小于1 0 ； 3 ) 永久性：终生不变性； 4 ) 可采集性：可以通过一定的设备和手段采集到； 5 ) 可行性：在对资源、环境、操作等要求不苛刻的条件下，可以达到合理 的准确率、速度和鲁棒性； 6 ) 可接受性：人们愿意接受这种方式： 7 )防伪性好：与帐号+ 密码、i c 卡等传统的身份识别手段相比而言。 故而，指纹识别技术己成为目前最流行、最安全、最方便的身份认证方式。 它已开始在金融、公安、门禁、管理、网络安全等领域获得广泛的应用。 1 2 指纹识别的历史与现状 指纹是人的手指表皮上呈现的纹理。在人的生长早期形成后，终生保持不变。 不同的人的指纹，或同一个人的不同手指的指纹，它们的纹线走向及纹线的断点 和交叉点等均不相同，就是说，每个人的每个手指的指纹都是唯一的。两个人具 有相同指纹的概率是极小的，包括双胞胎，指纹都不会完全相同。理论上讲，两 个人具有相同指纹的概率小于几十亿分之一。指纹的唯一性和不变性两个特点为 指纹作为身份鉴别提供了客观的依据。 实际上，指纹作为身份鉴别的手段己有着悠久的历史。据相关资料显示，我 国古代最早的指纹应用可追溯至秦朝。唐朝时代，以“按指为书”为代表的指纹捺 印己经在文书、契约等民用场合被广泛采用。自宋朝起，指纹则开始被用做刑事 诉讼的物证，利用指纹作为个人标识得到法律上的认可。同一时期的古代印度， 指纹也被用于人身标识。 第一章绪论 现代指纹人身标识技术起始于十六世纪晚期。1 6 8 4 年，英国的植物形态学者 n g r e w 对指纹作出了系统的研究并发表了一篇论文，文中详细分析了指纹的犁 沟、脊线、汗腺孔的结构，这篇文章被认为是有关指纹技术的第一篇科学文献。 1 7 8 8 年，m a y e r 对指纹的构造原理和指纹脊线犁沟分布特点做出了详细的描述， 给出了解剖学形式的详细报告。1 8 2 3 年，p u r k i n e 提出了最早的指纹分类策略。 h f a u l d 在1 8 8 0 年科学地指出指纹的个人唯一性和终身不变性，这使得指纹在犯 罪鉴别中得以正式应用( 1 8 9 6 年阿根廷首次应用) ，与此同时，h e r s c h e l 声称，他 将指纹作为身份验证的依据已有近2 0 年的历史了。这些发现建立了现代指纹身 份验证技术的基础。十九世纪末，e g a l t o n 对指纹进行了更为深入的研究，并在 1 8 8 8 年提出利用细节特征点进行单个指纹分类的方法。1 8 9 9 年e h e n r y 建立了 著名的h e n r y 指纹分类系统，提高了指纹验证效率，为指纹用于人身标识起了重 要的推动作用及更为科学的鉴别标准。n - 十世纪早期，结合解剖学观点，人们 对指纹的构成己经有了很好的了解，指纹鉴别被司法部门正式规定为合法的人身 辨识方法，指纹鉴别己经成为司法调查的一道标准程序，指纹鉴别机构在世界范 围内开始建立，构造出大量的罪犯指纹库。 早期的指纹识别采用的方法是人工比对，效率低、速度慢，不能满足现代社 会的需要。2 0 世纪6 0 年代末，在美国开始有人提出用计算机图像处理和模式识 别方法进行指纹分析以代替人工比对，这就是自动指纹识别系统( a f i s ) 。到7 0 年代，由于计算机的广泛应用和模式识别理论的发展，世界各国都在争先研究和 开发实用指纹识别系统。到2 0 世纪7 0 年代末，一些实用系统己经出现，如加拿 大警方首次应用激光进行指纹检验。日本立石电机公司8 0 年代研制出了指纹核 对机。美国人福勒8 0 年代设计出了电子指纹检验系统。1 9 8 2 年日本n e c 首次 向警方提供a f i s 。比利时刑事鉴定局也在1 9 9 0 年开始使用a f i s 。在英、美等 国的许多部门，如政府实验室、银行、监狱和商业部门己经广泛使用了自动指纹 识别系统。 2 0 世纪9 0 年代中期开始出现半导体的指纹传感器。最初的这类传感器采集 的图像质量和光学传感器有较大的差距，但是随着半导体技术的进步，它采集的 图像质量也越来越高，现在这两种传感器采集的图像质量差距已经很小了。9 0 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 4 第一章绪论 身份识别应用的增长提供了舞台。老式的指纹传感器都是基于光学技术的传感 器，这种传感器结构复杂，价格昂贵，体积庞大。因此造成实际系统价格非常昂 贵，所以过去指纹识别系统仅仅在公安、银行等特殊部门内应用。随着光电技术 的发展，光学传感器的价格和体积也开始大幅度下降，a f i s 的应用领域也开始 进入普通的民用领域。而半导体传感器具有价格低、体积小的优点，有取代光学 传感器的趋势。 随着越来越多的指纹识别产品的开发与生产，指纹识别技术的应用已不在局 限于公安、金融、证券、保险等领域。它已经开始进入民用市场并且发展迅猛， 这一技术的普及己经指日可待了。 目前，利用计算机进行指纹识别的技术在国外己很成熟，并且己经开始大规 模推广。许多大公司有专门的机构从事该项技术的研究、开发、应用，包括i b m ， i n t e l ，m i c r o s o f t ，d i g i t a l p e r s o n a ，i d e n t i x ，m o t o r o l a ，韩国现代、朝鲜培富士、 法国t h o m s 0 1 _ c s f 、台湾a e t c x 公司、v e r i d i c o m ，b a c 等，其中i d e n t i x 公 司在生物识别技术领域独树一帜，韩国现代、朝鲜培富士在识别算法上都达到世 界先进水平。从指纹的采集到图像的处理、识别、比对技术都很成熟。指纹采集 器多采用光学采集器，识别算法的速度得到提高。多是基于d s p 的指纹识别独 立模块，可以脱机工作，也可通过接口进行二次开发，从而方便快捷地整合到其 它系统中去。整个模块具有体积小、成本低、开发简单、应用灵活等优点。 从国内的发展情况来看，自9 8 年以来，我国在指纹识别技术方面得到了较 大发展，国内有许多企业参与了指纹识别技术的开发和应用。但除了北京大学、 北京中科院自动化研究所、西安青松公司等几家研究机构拥有自主产权的技术和 产品外，其他绝大多数都是进国外公司的指纹识别模块进行系统集成，或是直接 作为外国公司的代理。但无论从精确度还是从效率上来看，都不如国际上领先的 同类产品。所使用的一些指纹识别算法在时间复杂度和空间复杂度上都有较高的 要求，特别是硬件平台存在着实时性差、平台接口能力较弱等明显不足。并且大 多是将指纹采集设备采集到的图像数据通过u s b 等接口输入计算机，依靠p c 机来完成指纹识别。 纵观国内外现有的指纹识别技术和设备，存在着两个方面的问题。 一方面，现有成熟的指纹识别系统依赖于p c 平台。现时产品中，系统集成 第一章绪论 度较高、实时性较强、鲁棒性较好的指纹识别系统都是基于p c 平台的，这就极 大的限制了指纹识别设备的使用范围，并且提高了系统成本。 另一方面，在基于嵌入式平台的指纹识别系统中，又往往由于算法比较复杂、 d s p 处理能力相对低下、嵌入式平台资源受限等一系列原因，不得不采取折衷、 简化的方法即简化预处理过程或降低运算精度，其直接后果是降低了系统的性 能，特别是鲁棒性往往很不理想。也有使用高性能的d s p 处理器和大容量的高 速s r a m 来弥补系统性能和资源上的不足，其结果是系统成本大大高出主流p c 系统。对于工程应用来说，这两种实现方法是不取的。 从指纹识别系统的发展趋势来看，指纹识别系统己经由过去单一的p c 机或 嵌入式为平台，到如今两种方式的结合，甚至还有基于以太网的指纹识别系统， 将指纹识别技术用于越来越广泛的领域。 1 3 指纹识别技术面i i 缶的难点以及发展方向 迄今为止，自动指纹识别技术的研究取得了很大的成绩，但也面临一些严重 的困难： ( 1 ) 指纹采集技术有待提高。主要表现在：( a ) 对被采指纹的适应性差。虽然可 以通过指纹增强等技术提高指纹的质量，但这不可能从根本上解决问题。毕竟清 晰的指纹图像是正确实现自动指纹识别的前提和保障。( b ) 指纹采集时的变形问 题至今没有得到很好的解决。指头在每次采集用力大小、用力方向和采集位置都 会有所不同，造成指纹的各种变形，使指纹特征的相对位置发生较大偏移，从而 很难对各特征点做到精确定位。另外，指头表面是一个三维曲面，而获取的指纹 图像却是一个二维平面，这种从立体向平面的转化也会造成指纹的变形。更为主 要的是，以上因素造成的指纹变形往往是不确定的、随机的，很难用确定的数学 模型去描述，这给后继的指纹比对造成了严重的干扰。 ( 2 ) 指纹分类技术有待突破。对于工作在验证模式下的自动指纹识别系统，指 纹分类技术并不是一个问题。但对于工作在辨识模式下的系统，指纹分类技术的 研究水平则至关重要。指纹分类技术越完善，能够划分的类型越细，指纹数据库 每个类别中所包含的样本数量就会越少，对一次识别任务来讲，需要比对的次数 和时间开销就会越少。按照现行的分类标准，将指纹分成四类、五类或六类还是 6 第一章绪论 远远不够的。现在，较好的指纹分类算法，将指纹分为五类和四类的准确率分别 也只有8 7 5 和9 2 3 ，而这样的分类结果还远不能满足实际应用的需要。 ( 3 ) 缺乏自动指纹识别系统的性能评价体系。国内外还没有这样一个自动指纹 识别系统性能评价机构，各个自动指纹识别系统的性能往往是由开发者自己来建 立或者选择数据库、设计测试方案、进行性能测试。这样，由于各个自动指纹系 统在测试时使用的数据库在容量、指纹质量方面各不相同，侧试方案差别也比较 大，不可避免地造成现在自动指纹识别系统性能评价的混乱和无序，而且各系统 间也不存在可比性。 今后指纹识别技术研究发展的方向：( a ) 非接触式真皮层指纹采集。生理学的 研究结果表明，指纹的结构在真皮层有着完整和稳定的表现。通过非接触方式采 集指纹，则可以有效解决指纹录入时的变形问题。( b ) 多种生物识别技术的融合 生物识别技术是一个综合的体系，指纹识别仅仅是其中的一种。各种生物识别技 术都具有自身的特点和优势。充分利用其他生物识别技术的优势，将其他生物识 别技术与指纹结合使用，实现优势互补，是自动指纹识别技术的发展方向之一。 自动指纹识别技术是一项综合性的高新技术，是一个学科交叉性很强的研究 领域。目前该技术的研究己经取得了巨大的成就，也面临着一些困难，需要各个 学科的共同参与和努力，才有可能尽快将这一技术完善并实现产业化。 1 4 本文的主要内容 目前，尽管国内外有了不少成型的指纹识别系统产品，但都因商业利益而保 密其关键技术。因此本文在研究传统技术的基础上，拟从实时性和实用性开展研 究工作( 如1 4 1 所示) ，内容安排如下： 第一章首先介绍生物特征识别技术，然后重点介绍了指纹识别技术的发展历 史及其面临的难点。 第二章介绍了指纹识别技术的相关知识指纹特征和性能指标，并比较了 两种基于不同特征的指纹识别方法的优缺点，最后给出了基于指纹识别系统的工 作流程图。 第三章首先详细描述了系统功能，在此基础上，介绍如何以t m s 3 2 0 v c 5 5 0 9 a 为核心构建一个自动指纹识别系统的硬件平台，并详细介绍了各个模块的设计方 7 第一章绪论 案。 第四章首先对适合于d s p 的预处理算法进行了研究，然后详细介绍了基于纹 理特征的指纹识别算法设计，给出了一套适用于d s p 的指纹识别算法，并对相 关算法进行了改进。 第五章总结本文的工作，并进一步展望了后续工作。 l 季 谊 累 缎 垓 块 设 许 图1 4 1 任务框架图 第二章指纹识别技术 第二章指纹识别技术 上一章介绍了生物特征识别技术，并重点介绍了指纹识别技术的发展历史及 其面临的难点。本章将在上一章基础上，详细介绍指纹识别技术的相关知识。 2 1 指纹的特征 2 1 1 细节特征 指纹的纹路由脊线( r i d g e ) 和谷线( v a l l e y s ) 构成。通常定义指纹的两类特 征来进行指纹的识别：总体特征和局部特征。 总体特征( 或全局特征) 是指用人眼直接可以观察到的特征，包括基本纹路 图案环型( 1 0 0 p ) 、弓型( a r c h ) 、螺旋型( w h o r l ) 。指纹图案大都基于这三种基本 图案。通过粗略的总体特征预分类使得在大数据库中搜寻指纹更为快速有效。整 个包含总体特征的区域称为模式区( p a t t e ma r e a ) ，从模式区可分辨出指纹是属 于那种类型。 模式区内的奇异点有：核心点( c o r ep o i n t ) 啦于指纹纹路的渐进中心， 用于读取和比对指纹时的参考点，许多算法是基于核心点的，即只能处理和识别 具有核心点的指纹；三角点( d e l t a ) 位于从核心点开始的第一个分叉点 或断点、或两条纹路会聚处、孤立点、折转处、或指向这些奇异点。它可作为指 纹纹路的计数和跟踪的开始：式样线( t y p el i n e s ) 指包围模式区的纹路 线开始平行的地方所出现的交叉纹路，通常它很短即中断，但其外侧线开始连续 延伸；纹数( r i d g ec o u n t 卜指模式区内指纹纹路的数量。计算纹数时，一般 先连接核心点和三角点，该连线与指纹纹路相交的数量即可认为是指纹的纹数。 总体特征更多的是用于指纹分类和检索。 局部特征是指指纹上的细节点( m i n u t i ap o i n t s ) 。指纹纹路并不是连续平滑笔 直的，而是经常出现中断、分叉或打折。这些断点、分叉点和转折点就称为细节 点( 或特征点) 。两枚指纹常会具有相同的总体特征，但它们的局部特征，却不 可能完全相同，为指纹识别提供了一性的确认信息。在考虑局部特征的情况下， 9 第二章指纹识别技术 英国的e r h e 叫9 1 认为，在比对时只要1 3 个特征点重合，就可以确认是同一个 指纹。 指纹的细节点有四种不同特性：分类细节点主要有终结点( e n d i n g ) 、 分叉点( b i f u r c a t i o n ) 、分歧点( r i d g ed i v e r g e n c e ) 、孤立点( d o to ri s l a n d ) 、环 点( e n c l o s u r e ) 、短纹( s h o r tr i d g e ) 六种类型，其中纹线端点( 终结点) 和分 支( 分叉点) 是两种基本的特征【l o 】，而其他的特征可看作是由其组合而成，通 常都取纹线端点和分支作为指纹的细节特征；方向细节点可以朝着一定的 方向；曲率描述纹路方向改变的速度；位置细节点的位置通过笛卡 儿坐标来描述，可以是绝对的，也可相对于三角点或特征点。 将指纹图像经过一系列的预处理提取出特征点的位置和该处脊线的方向，即 每个特征点由位置( 石，y ) 和方向三部分表示。通常一幅指纹图像会有6 0 - - 8 0 个特 征点，不同指纹和不同的提取算法都会得到不同数量的特征点，当提取到1 0 一 2 0 个特征点就可以用来区别两个不同指纹了。 2 1 2 纹理特征 我们把灰度分布性质或图像表面呈现出的方向信息称为纹理结构。一般来 说，纹理图像中狄度分布具有某种周期性，即使灰度变化是随机的，它也具有一 定的统计特征。从这一观点出发，我们可以直观地认为图像纹理结构具有以下三 个特征：一是某种局部的序列性在该序列更大的区域内不断重复；二是该序列由 非随机排列的基本部分组成；三是纹理区域内大都是均匀的统一体，图像往往显 示出重复性结构。 绝大多数纹理图像都有一个有限的空间频率，对于用分辨率为5 0 0 d p i 的采集 设备采集的不同指纹图像，空间频率( 表现为纹线间的距离) 变化很小。指纹图 像具有丰富的方向性信息，在指纹图像的局部区域有着严格的方向性，区域中每一 个像素都和一个局部主方向相关且可以度量其和局部整体纹理模式的一致性。 方向纹理的描述一般基于局部特征或整体特征。局部表征方法包括p o i n c a r e 指标，纹线数和奇异点信息等，其主要局限是不能有效捕捉到整体鉴别信息，不 稳定和容易受到噪声的干扰。整体表征方法包括方向相位图，方向场和自相关法 等。j a i n 和f a r r o k h n i a 提出一种纹理的整体表征方法，用g a b o r 滤波器将图像分 l o 第二章指纹识别技术 解为不同的频率和方向部分，这种方法成功地应用于纹理图像的分类。虽然整体 表征方法有效，但它并不能捕捉所有鉴别信息。即使两幅指纹图像的整体模式相 同，其局部的畸变信息也不同，因此用整体表征方法区别这样的指纹几乎不可能。 d a u g m a n 提出了具有位置和尺度不变性的基于g a b o r 小波的虹膜图像纹理描述 方法【1 1 】( 即i r i s c o d e ) 。a n i lk j a i n 等人将其成功应用到指纹特征提取和匹配【1 2 】 中( 即f i n g e r c o d e ) 。该方法首先分析方向场的方法找到一个或多个不变点作为 参考，以参考点为中心分割出感新区的区域，该区域被分为不相重叠的小块，然 后对每一块用多方向的g a b o r 滤波器作滤波处理，不同的滤波器通道具有不同的 调制频率和调制方向，能够得到纹理图像的不同局部特征，如反映空间频率和方 向变化的特征等，然后用局部区域系数的统计特征来表示。有序的组合从每一小 块提取的特征就可以有效地表征整个指纹信息，即包含了局部信息又捕捉到了反 映各小区域间关系的全局鉴别信息。 2 2 两种指纹识别方法的比较 传统的基于细节特征的方法是指纹识别的主流方法，现行的自动指纹识别和 认证系统大多基于细节特征点的匹配，而指纹图像处理的关键坏节是如何准确而 高效地提取细节特征点的相关信息如位置、方向和类型。在目前提出的很多指纹 图像细节提取的算法中，尽管具体的实现方法各不相同，但大多是采用预处理、 增强、二值化、细化、后处理这样一个流程( 如图2 2 - l 所示) 。 l 预处理h 增强h 二值化h 细化 啼 后处理 ! 纽j z 犍征提驭j- - o - - - - - - - - o - - - o - - - o - - - - - - - - o - - - 一o - o o - oo o o o o 一。一一一一。 图2 2 1 细节特征提取流程图 指纹增强的目的是对低质量的灰度指纹图进行增强，得到清晰的脊线结构。 指纹细节提取的正确率强烈依赖于指纹图像的质量，对于低质量的图像不经过一 定的图像增强，很难进行后续的处理工作。在指纹图像处理和细节特征点提取方 面已经有许多算法提出，可分为图像增强【1 3 1 7 1 和细节点后处理【1 4 - 1 7 1 8 1 两类。一般 第二章指纹识别技术 对灰度图的增强算法都要用到方向场和频率场的计算，如l i nh o n g 等提出的基 于g a b o r 滤波器的增强算法【1 9 1 。d m i a o 和d m a l t o n i t 2 0 1 提出了一种基于脊线跟踪 的直接从灰度级图像获取细节特征信息的新颖算法，x j i a n g 1 8 】在 1 7 】的基础上做 了一些自适应步长和细节后处理方面的改进，他们的实验结果表明这种直接从灰 度图像提取细节的方法比传统的先二值化再细化的方法具有明显的优点。 基于细节特征的方法具有许多缺点，比如：通常需要较多的预处理，且每一 步的处理精度直接影响最终的性能，这些处理过程都严重依赖于图像的质量；特 征提取可能产生虚假特征，虽然后处理可以去除一些虚假点，但真实特征点也可 能被去除；另外，细节特征的匹配是点模式集的匹配，特征模板的存储和检索较 复杂，点集的长度不同更是加重了匹配的难度。由于处理过程对图像质量比较敏 感，图像质量下降会使系统的性能急剧下降。 在基于指纹纹理特征的特征表示方法中，指纹图局部区域的纹理方向和频率 是最重要的鉴别信息。这要求基于纹理的特征表示要能保持尺度、位置和旋转不 变性。尺度问题并不难解决，大多数的指纹传感器都使用标准统一的分辨率。旋 转问题可以通过保存多旋转角度的指纹模板来解决。位置问题可以通过确定参考 点来解决。指纹特征的提取都是基于指纹图像中比较固定的某一个参考点及其周 围区域，这样，只要能确定这个参考点，就能以该点基础提取指纹特征，有效指 纹区在图像上什么位置也就不是那么重要了。 a kj a i n 等人提出了用g a b o r 滤波器提取指纹的问题特征及匹配的方法，即 所谓f i n g e r c o d e 方法。该方法不需要预处理，只需要提取出指纹图像的中心点， 并在以该点为参考点的中心区域用g a b o r 滤波器提取指纹的纹理特征，其效果不 亚于传统方法。纹理特征的方法比传统的细节特征方法省去了很多预处理过程， 更重要的一点是提取的纹理特征向量的长度是固定的，这使得其匹配过程比点模 式匹配要简单许多，仅需计算特征向量间的距离，而特征向量便于存储和检索。 但该方法通常要确定一个参考点，参考点检测不准确或是中心区域太小都将影响 到匹配精度。 综上所述，由于基于细节特征的方法需要较多的预处理，而且其特征模板的 存储和检索较复杂，特征点集的长度不同增加了匹配的难度；而基于纹理特征的 方法不需要预处理，并且特征向量便于存储和检索，而且特征向量的长度是固定 1 2 第二章指纹识别技术 的，其识别效果不亚于前者。因此本文在研究预处理算法的基础上，将重点对基 于纹理特征的指纹识别方法进行研究与设计。 2 3 指纹识别的性能指标 评价一个指纹识别系统的优劣，主要有以下几项指标： 1 、拒识率( f a l s er e j e c t i o nr a t e ，f r r ) 与误识率【2 1 1 ( f a l s ea c c e p tr a t e ，f a r ) ： f r r 又称拒真率，指将相同的指纹误认为是不同的指纹，而加以拒绝的出错 概率，定义为：f r r = 耄萼器x 。 f a r 又称认假率，指将不同的指纹误认是相同的指纹，而加以接纳的出错概 率，定义为：f a r = 笺善燃。 2 、拒登率( e r r o rr e g i s t r a t i o nr a t e ，e r r ) ：e r r 是用来描述指纹设备的适应性， 指指纹设各出现不能登录及处理的指纹的概率，其过高将会严重影响设备的使用 范围。 3 、速度：指纹识别系统的工作速度主要由采集时间、图像处理时间、比对时间 和平均识别速度几项指标构成。其中： a ) 采集时间通常包含采集的操作时间和图像的传输时间。 b ) 图像处理时间指的是从计算机处理指纹图像到提取出所有特征、输出特征模 板所耗费的时间。 c )比对时间指计算机对两组指纹特征模板进行比对并给出结果所耗费的时间。 d ) 平均识别速度指计算机从指纹特征模板库中搜索出特定指纹特征模版的速 度，通常是一个统计平均值，其速度的快慢与指纹特征模板库的分类方法有 很大关系。 4 、“一对一”与“一对多”：指纹识别系统有两种典型的工作方式：认证( v e r i f i c a t i o n ) 和识另r j ( i d e n t i f i c a t i o n ) 。认证( 或称验证) 是指将现场采集到的待测指纹样本与标本 指纹特征模板进行“一对一比对，得出“是否是同一人”的结论【2 2 】；而识别 ( 或称为辨识) 则是将现场采集到的待测指纹样本与指纹特征数据库中的标本指 纹进行“一对多”的搜索比对，得出“有无此人”以及“此人是谁的结论【2 2 】。认 第二章指纹识别技术 证和识别在