（微电子学与固体电子学专业论文）基于生物识别技术的afis设计.pdf

摘要 摘要 生物识别( b i o m e t r i c s ) 技术是指依据单一人类个体所独有的身体或行为特 征对该个体进行唯一鉴定。生物识别技术作为一项新兴的科学技术，已经开始渗 透到现代社会的各个层面，给人类的生活带来了非常大的便利，已经成为一种公 认的身份识别技术。指纹识别技术作为生物识别技术的一种，具有高度防伪性， 高度可操作性，低运作成本等许多优点，发展前景良好，目前针对指纹识别技术 的研究非常活跃。 本文提出了一种新的基于生物指纹特征提取的小型企事业单位勤务系统，用 来代替传统的基于人工操作的勤务方案。不仅提高了勤务工作的速率，而且结果 可靠性高。 本系统主要针对5 0 人左右的目标使用群体设计。首先，采用电容传感式指 纹采集装置，获得1 2 8 1 2 8 的清晰指纹图像；其次，运用图像处理算法对指纹图 像进行数据处理，包括边缘相应和相关的细化算法；最后，使用特征点匹配算法， 对指纹图像和数据库中的数据进行一对一匹配。主要的算法为特征点比对法结合 脊线跟踪算法。 系统的硬件部分采用h d l 编写。所有的r t l 代码由s y n p l i f yp r o 软件综合 并经过m o d e l s i m 仿真通过以后，在a l t e r ad e 2d e v e l o p m e n ta n de d u c a t i o n b o a r d 上完成现场检验。系统的相关模块的工作结果由v g a 接口直接连接显示器 读出。 这个小型勤务系统设计方便，耗费资源少，工作速度快，可以满足我们企业 中小班组考勤工作的需要。而且系统成本低廉，具有一定的应用价值。 关键字：生物技术指纹识别考勤硬件描述语言可编程逻辑阵列 a b s t r a c t a b s t r a c t b i o m e t r i c sc o m p r i s e sm e t h o d sf o ru n i q u e l yr e c o g n i z i n gh u m a n sb a s e du p o no n e o rm o r ei n t r i n s i cp h y s i c a lo rb e h a v i o r a lt r a i t s a sat h r i v i n gt e c h n o l o g y , b i o m e t r i c s h a sa l r e a d yb e e n a p p l i e d t oe v e r yf a c e t so fh u m a nl i v e s w h i l ee n j o y i n gt h e c o n v e n i e n c eb i o m e t r i c sb r i n g st ou s ，w eh a v ef o ral o n gt i m er e c o g n i z e db i o m e t r i c sa s t a n d a r dt e c h n o l o g yf o ra c c e s sc o n t r o la n dh u m a ni d e n t i f i c a t i o n f i n g e r p r i n t v e r i f i c a t i o ni sab r a n c ho fb i o i d e n t i f i c a t i o n i th a sm a n ya d v a n t a g e ss u c ha sh i g h r e l i a b i l i t y , h i g hf e a s i b i l i t ya n dl o wo p e r a t i n gc o s t s i n c et h et e c hh a sav e r yg o o d p r o s p e c t , r e s e a r c hw o r kr e g a r d i n g i ti sn o w q u i t ea c t i v e i nt h i sa r t i c l e ，w ep r o p o s e dan e wa f i sf o rw o r ka t t e n d a n c e b a s e do n b i o c h a r a c t e ri d e n t i f i c a t i o nt or e p l a c et h et r a d i t i o n a lh a n d - b a s e ds y s t e m t h i ss y s t e m h a st oag o o de x t e n ti m p r o v e dt h ee f f e c t i v e n e s so fc h e c k i n gw o r ka t t e n d a n c ea n di s v e r yr e l i a b l e t h es y s t e mi sd e s i g n e df o rau s e rg r o u po fa p p r o x i m a t e l y5 0p e r s o n s f i r s t ，w e h a v ea d o p t e dt h ec a p a c i t a n c ec o n d u c t i v ed e v i c et oc a t c hac l e a rf i n g e r p r i n ti m a g eo f 12 8 d p i t h ew eu s ev a r i o u si m a g ep r o c e s s i n ga l g o r i t h m sl i k ee d g ed e t e c t i o na n d t h i n n i n gt op r o c e s st h ec a u g h ti m a g ei nt h ef i r s ts t e p l a s t ，w eh a v ea p p l i e dt h e m a t c h i n ga l g o r i t h mt ov e r i f yt h ea u t h e n t i c i t yo f t h ec a u g h tf i n g e r p r i n ti m a g e - - - t h a ti s t os a y , w e a t h e ro u rd a t a b a s eh a sa l r e a d ys t o r e st h ei n f o r m a t i o no ft h ep e r s o n c o n t r i b u t i n gt h ef i n g e r p r i n ti m a g e t h eh a r d w a r eo fo u rs y s t e mi sd e s i g n e du s i n gh a r d w a r ed e s c r i p t i o nl a n g u a g e t h er t lc o d ew a ss y n t h e s i z e db ys y n p l i f yp r os o f t w a r ea n dw a ss i m u l a t e du s i n g m o d e l s i ms o f t w a r e w eu s e dt h ea l t e r ad e 2d e v e l o p m e n ta n de d u c a t i o nb o a r dt o r u nt h es y s t e ma n dw a t c h e dt h ep r o c e s s i n gr e s u l to fr e l a t e dm o d u l e st h r o u g ht h ev g a o u t p u t t h i sw o r ka t t e n d a n c ec h e c k i n gs y s t e mo c c u p i e sv e r yl i m i t e dr e s o u r c e sa n dh a sa v e r yh i g hc l o c kf r e q u e n c y i tc a l ll a r g e l ys a t i s f yt h en e e do fab u s i n e s sg r o u po r c o m m u n i t yo fr e l a t i v e l ys m a l ls i z e 。 k e yw o r d s ：b i o m e t r i c s 。f i n g e r p r i n ti d e n t i f i c a t i o n ，w o r ka t t e n d a n c e ，h d l ，f p g a i i i 中国科学技术大学学位论文原创性声明 本人声明所呈交的学位论文，是本人在导师指导下进行研究工作所取得的成 果。除已特别加以标注和致谢的地方外，论文中不包含任何他人已经发表或撰写 过的研究成果。与我一同工作的同志对本研究所做的贡献均已在论文中作了明确 的说明。 作者签名：左茎! 主 中国科学技术大学学位论文授权使用声明 作为申请学位的条件之一，学位论文著作权拥有者授权中国科学技术大学拥 有学位论文的部分使用权，即：学校有权按有关规定向国家有关部门或机构送交 论文的复印件和电子版，允许论文被查阅和借阅，可以将学位论文编入中国学 位论文全文数据库等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、汇编学位论文。本人提交的电子文档的内容和纸质论文的内容相一致。 保密的学位论文在解密后也遵守此规定。 囱公开口保密(年) 作者签名：盔茎塑刍导师签名：奎鑫 签字日期：三! 坚! 堇：兰! 第一章生物识别技术浅析 第一章生物识别技术浅析 1 1 生物识别技术的原理及其应用 生物识别( b i o m e t r i c s ) 是指依据单一人类个体所独有的身体或行为特征对 该个体进行唯一鉴定。特别是在计算机技术领域，生物识别技术常常用来辅助进 行身份验证，进而进行相关操作的权限管理。另外，也常常用来在某一特定监控 人群中进行特征个体的提取。 所谓生物特征，一般是指这两类特征： 生理特征：这部分的特征主要和生物个体的身体形态有关。对这部分特征 的鉴定主要包括( 但不局限于) 指纹鉴定、人脸识别、d n a 测序、掌纹分析、虹 膜鉴别( 目前该技术已经取代了视网膜鉴别) 、体味检测。 形体特征：这部分的特征主要和生物个体的后天行为相关。这部分特征的 表现形式有：个人签名、步态、发声特点等。严格来说，声音特征应该属于个体 的生理特征因为每个生物个体的声带结构是不相同的。但是对声音的研究和 分析现在主要是专注于生物体的发声方式上，所以可划分为形体特征。 1 1 1 一个简单生物识别系统的工作原理 一项人体特征是否能被用于进行个体识别，有以下量度标准： 广泛性每个人类个体都应该具有这项生理特征。 唯一性这主要指这项生理特征是否能很好地区别每个个体。 持久性这项特征的鉴别功效是否会因为人类年龄增长或其他环境变量 的改变而改变。 可采集性是否容易从个体收集到。 性能所涉及技术的精确度、处理速度和鲁棒性。 信度所涉及技术得到的分析结果的准确度。 一个生物识别系统可工作在以下两种模式下： 验证模式：这种模式下，系统将把待识别的生物体特征和系统数据库中的 某一相关模板进行一对一的比对。究竟和哪一个模板比对，由待识别个体输入决 定。比如：某人输入自己的用户i d ，那么系统将提取该用户i d 在系统中存储的 特征模板。 第一章生物识别技术浅析 识别模式：这种模式下，系统将对一个未知个体特征进行一对多的比对。 系统接受某一生物个体的特征，然后和系统数据库中存储的所有个体特征进行匹 配。如果和某一个样本特征的相似度达到某一设定的阈值，即宣告验真。 图1 1 显示的是一个典型生物特征识别系统的基本结构。 生物个体第一次使用识别系统的工作称为录入。在录入的过程中，反应生物 个体的生理特征的重要信息被系统记录。在后续的工作流程中，都是要基于第一 次录入的信息进行相关的比对。为了保证系统的鲁棒性，所有特征信息的记录和 读取都要绝对安全。图1 1 的一个模块( s e n s o r ) 是系统和真实世界交互的通道。 这个模块必须保证提取出所有需要的特征信息。第二个模块是预处理模块 ( p r e 一”o c e s s i n g ) ，它的主要任务是去除图像中的非自然物，消除背景噪声， 进行归一化处理等。在第三个模块中，所有必要的细节特征都会被提取。我们利 用提取过的信息创建模板例如特征向量或者具有某种特殊性质的图像等。在 后面的比对算法中利用不到的信息都会在模板创建时被抛弃，以减少数据量。我 们把这一步产生的模板和系统录入时提取的模板中的信息进行比对。利用各类算 法计算出他们的差异度。计算的结果输出到应用装置上( 比如人机交互界面) 。 图1 1 一个典型的生物特征识别系统的结构 1 1 2 生物识别系统的性能分析 我们利用一下参数来度量一个生物识别系统的性能： 受假率( f a r ) ：某一识别系统错误地将输入模板和系统中某一非匹配模板 2 第一章生物识别技术浅析 进行匹配的概率。这个参数衡量的是错误输入被系统接受并验真的百分比率。 拒真率( f r r ) ：某一识别系统没有能正确地将输入模板和系统中某一应匹 配模板进行匹配的概率。这个参数衡量的是正确输入被系统接受并验真的百分比 率。 接收器工作特征( r o c ) 曲线：该曲线是对上面提及的f a r 和f r r 的折中 的图形化描述。一般而言，匹配模块是通过某一设定的阈值，计算模板间的匹配 度，进而做出接受或者拒绝的决定。如果这个阈值降低，将会降低拒真率，但是 受假率也会随之提高；相反，如果这个阈值升高，那么将会降低受假率，升高拒 真率。 等错误率( e q u a le r r o rr a t eo re e r ) ：这个比率是指f a r = f r r 时的f a r ( f r r ) 值。这个值可以很容易从r o c 曲线上获得。e e r 是衡量各类系统( 通过 其r o c 曲线) 精确度的重要指标。如果e e r 的值越小，表示系统的精确度越高， 运行越可靠。 非成功录入率：衡量系统从在录入过程中创建模板失败的概率。这个失败 主要是由于输入图像等质量不够高引起。 非成功俘获率：指的是在自动化系统中，没有成功捕捉到某项生物特征的 比率。 样本空间：指在系统数据库中，能最大存放的模板的数量。 1 1 3 生物识别系统的应用 根据b o o za l l e n 公司2 0 0 9 年的分析报告：“生物识别已经成为一种被广泛 接受的技术，用于为快速身份辨识问题提供解决方案。”这份报告指出“无论是 公开收集还是秘密获得的生物信息，都能提供相当的内在可信度。所有的这些生 物特征信息正在被索引、分类和储存。情报分析专员和法律工作者正在以这些信 息为核心标准建立身份档案并展开他们的工作。” 以美国为例，自从9 1 l 恐怖袭击事件发生以后，美国政府大力提倡生物识别 技术的研究。当前，f b i 正斥资1 0 亿美元，建立一个新的生物信息数据库，该 数据库将包含诸如d n a 、指纹和其他等的生物信息。运行这个巨大数据库的计算 机群将被安放在一个面积如足球场大的地下建筑体中。美国的国家安全局和国防 部高级研究计划局也将大量资金投入人脸识别系统的研究。其信息处理技术小组 正在运行一个“远距离人相识别”计划，这个计划的实施精度将足以保证在5 0 0 码的距离以外识别单一的人类个体。另外，美国国防部已经向所有在军区工作的 服务人员和承包商颁发新一代的“统一身份证”。这个新的证件里包含了持有者 第一章生物识别技术浅析 的生物信息以及数字化的照片信息，它还使用了激光镭射技术和全息图像技术防 止任何伪造的发生。目前，已经有超过1 0 0 万人持有这种新的身份证件。 在我国，2 0 0 8 年北京奥运会上奥组委也采用了一系列高端的生物信息设别 技术保障奥运安全举行。这些技术广泛用在奥运举行的各个环节。 1 2 技术引发的一些问题和忧虑 尽管生物识别是一种相对较新的和先进的技术，但是在使用中也会遇到一系 列的问题： 隐私问题：个体的生物信息可能在没有得到允许的前提下被收集，从而引 发隐私权等的法律问题上的忧虑。 注册生物信息者的安全问题：如果某种财产、物品、信息经过生物加密， 那么盗窃者为了取得该财产、物品、信息的所有权，可能对持有者发动人身攻击， 从而取得其生物密码。在2 0 0 5 年，马来西亚的一窃贼为了盗窃一辆指纹加密的 奔驰轿车，切断了车主的手指。 信息可撤销( c a n c e l a b l eb i o m e t r i c s ) ：传统密码加密相对于生物信息加 密的一个重要优势就是原始密码可以撤销、更改。但是如果如果一个人的面部特 征信息在数据库中被改动，那么让他自行修改并重新发布这些信息显然不是一件 容易的事。信息可撤销技术就是提供这种可以提供这样可撤销发布的便利。 生物信息的跨国共享：许多国家之间现在已经开始共享其生物信息数据 库。但是这种共享度还不够高。如果能做到数据的充分共享，那么便能够进一步 增强国际出旅等许多重要方面的安全度。 1 3 各种识别技术之间的比较 相对于其他识别方式，本文所采用的指纹识别技术具有一定的优势。依据 1 1 节提到的量度标准，美国m i c h i g a ns t a t eu n i v e r s i t y 的a n i lj a i n 教授对 各种生物识别技术的性能进行了对比，可以得到图1 3 的结论。我们对“高”、 “中 、“低 三项性能指标进行加权统计，可以看出，指纹识别、掌纹识别和 d n a 识别的综合得分最高。但是，由于d n a 识别的操作难度比较大，而掌纹识别 对被识别者的束缚度大于指纹识别，所以指纹识别具有很大的应用优势和市场空 间。 4 第章挂 * 识别方法采集性接受性广疰性独特性持久性舫伪性性能 d n a 低低高高高高高 人脸 高 高高高中低低 虹膜 由 低高高高高高 掌绞中 由 中高高中高 指纹 由由由 高高 出 奇 签名高高低 低低低低 语音 由 高中低低低低 视网膜 低 低 高 高 由 高高 步每 高高中 低 低 中低 幽13 各种生物口 别技术的性能比较 由于指纹识别技术具有很大的操作性和很好的实用性能，所以在2 0 0 3 年i b g i n t e r n a t i o n a lb i o m e t r i c sg r o u p ) 发布的各种生物识别技术所占有的市场份 额报告中，指纹识* 懒术所占的份额具有绝对的优势，见图14 。 罔14 各种识别技术占据市场份额( 2 0 0 3 因为指纹识别技术具有非常好的市场前景，目前国内外有很多研究机构和大 专院校都存开展这方面的研究，如国内的t h u ，b u p t ，w l u ，p o l y u h k ，c a s ：国 外的m s u ，n t u ，s i e m e n s 等等。根据i b m 公司统计在i e e et r a n s o np a t t e r n a n a l y s i sa n dm a c h i n ei n t e l l i g e n c e 和i e e et r a n so np a t t e r nr e c o g n i t i o n 上发表的和指纹识别相关的学术论文，也是呈逐年上升趋势，尤其是近5 年上升 第一章生物识别技术浅析 的趋势尤其明显。 6 第二章本a f i s 系统的总体构架和设计意义 第二章本a f i s 系统总体架构和设计意义 现代社会里，许多企业单位为了便于经营管理，都普遍采用员工出勤考察制 度。但是现行的许多考勤系统都是人工操作( 比如采取上下班签名登记等) 。这 些系统由于是人为操作，容易出现疏漏，而有待改进。本文提出的基于生物特征 识别的自动勤务系统，由计算机监控代替传统的人工登记系统，不仅提高了勤务 工作的速率，而且结果可靠性高。在人体生物特征中，由于指纹的提取相对较为 方便，而且相关的算法较为成熟，所以我们就采取对员工指纹特征的提取、分析 和鉴别，作为我们这个系统工作的基石。 2 1 系统总体架构 对生物体指纹特征的分析和鉴别，总体说来有两类方法。第一类是基于c p u 处理的软件实现方法：即将采集到的指纹数据输入计算机，由相关软件对这些数 据进行处理，所有的运算和操作由c p u 联合存储设备等完成。而处理的结果也将 由c p u 通过软件界面通知用户。第二类方法是直接基于硬件的处理方法：即设计 出专门的用于指纹特征提取、分析和鉴别的芯片，完成相关工作。这两种方法比 较而言，各有优势。软件实现由于只需关注算法的实现，无需考虑底层电路细节， 所以系统开发周期更短。但是如果采取专门的a f i s ( a o t o m a t i cf 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 m ) 芯片进行系统架构，安全性更高，不易被破解。而且， 从传统意义上来说，完成相同的运算，软件方法要比硬件方法多耗费数十倍的时 钟周期。所以，在本系统设计中，我们采取硬件实现。 还有一点需要注意的是，a f i s 的设计，需要兼顾系统复杂度和实现成本。 系统精度要求越高，那么算法和电路结构一般也越复杂，设计和运行成本也会越 高。需要指出的是，我们这里设计的是一个工作单位的员工勤务系统，预期的员 工数目不超过百人，样本空间相对较小。所以我们在不影响系统判别效率和鲁棒 性的前提下，采用精简的算法和优化电路，以期成本最小化。 块。 本a f i s 系统主要由以下几个模块构成： 数据采集模块：负责从外界采集指纹数据并数字化。 数据处理模块：主要包括两个子模块指纹图像边缘提取模块和细化模 7 第二章本k f i s 系统的总体构架和设计意义 图像匹配模块：负责将处理过的数据进行特征提取，并和数据库中的特征 数据进行比较。作出验真判别。 数据库系统：负责所有用户指纹数据的存储。其中，所有用户的指纹数据 存储和需要验真的指纹数据分存储在r o m 和s d r a m 中。 显示模块：负责将各模块处理后的图像数据通过v g a 接口在显示器上显 示。 控制模块：负责控制各模块的工作。 用户界面：负责提示用户输入指纹信息、通告用户匹配结果。也负责协助 用户完成初次使用时指纹数据的录入。 各模块之间的关系和数据流向如图2 1 所示： 图2 1a f i s 系统总体架构 可见，该a f i s 与第一章所论及的生物识别系统的工作流程基本一致。系统 的性能主要取决于图像采集模块的采集精度、图像处理模块的算法精度和指纹数 据库的数据容量。我们在系统设计的过程中，尽力考虑这三个部分设计的方案优 化，其中主要研究了图像处理模块的处理精度和处理速度，以使我们的系统能够 满足工作需要。 8 第二章本a f i s 系统的总体构架和设计意义 2 2 系统设计的意义和创新性 本系统是一个小型的自动勤务系统，相对于传统的手工考勤方式，系统提供 了一种新的勤务操作方案。它的设计和实践意义主要表现在以下几个方面： 相对于传统考勤系统，该自动勤务系统的可靠性高。由于采用了生物识别 技术，使得身份造假的发生不再可能。 考勤效率大大提高。从指纹数据的扫描到给出最后的验证结果，在数秒的 时间内即可完成。使得工作效率有大幅度提升。 系统实践简单。从后面给出的部分模块的电路综合结果来看。系统在f p g a 上占用的资源还是比较少的。即使在线宽较宽的工艺线下，制作出的芯片面积也 会很小。 由于实行模块化的设计，系统的可重用性较好。如果需要满足更大范围的 使用需要，那么就会牵涉到识别精度的提升问题。我们只需要重新设计图像处理 模块的处理精度( 主要是对其算法进行改进) 以及数据库的存储空间。 在后面的章节里，将对系统各个模块的内部架构和工作原理展开较为详细的 论述。特别是图像处理模块，将着重论述其算法原理，硬件实现和仿真验真的结 果。 关于系统设计的创新性，突出表现在： 第一，在生产成本方面，本文设计的自动勤务系统采用v e r i d i c o mi n c 的 指纹采集芯片，结合我们自己的图像处理模块和数据匹配模块统一架构。相对于 市场上现有的产品，可以在很大程度上降低生产成本。特别是针对中小型用户群 体，这个优势会更加明显。 第二，在指纹图像匹配算法方面，本文提出了一种新的脊线跟踪算法。相对 于以前的算法，具有更好的匹配精度，可以适用于更大的样本空间。 9 第三章指纹图像的提取 第三章指纹图像的提取 指纹图像的提取是指纹识别的第一步，也是最为关键的步骤之一。其提取精 度和清晰度直接关系到后面的识别结果。如果指纹图像提取结果不够理想，那么 就会造成拒真率f r r 和授假率f a r 的增加，直接影响整个识别系统的性能。所以， 选择好的提取技术和方法，对于整个系统的设计，是至关重要的。 3 1 指纹图像提取技术 提取指纹图像有传统和现代两类方法。传统的提取方法是基于印记的方法。 就是用印泥或墨迹等把人的指纹图像转移到白纸上。然后再用照相设备或扫描设 备对印记进行处理。这种方法从原理上来说比较简单，但是却有很大的缺点。第 一，指纹图像的清晰度不够高，部分地方容易出现纹线疏漏( 比如，手指的某处 没有沾染墨水) ，而另外一些地方容易出现纹线粘粘( 浸染的墨汁量过多) ，所以 大大影响了图像的质量；第二，由于人的手指在每次与纸张接触时，压力大小不 尽相同，所以造成同一个指纹，留下的图像的纹线粗细有不同。对于某些识别算 法，这是一个很大的先天劣势；第三，这种提取方法在操作效率上不高，耗费的 时间长。所以，现在，我们基本已经抛弃了传统的指纹图像提取方法，而采用现 代的提取技术。所谓现代提取方法，主要是用设备来进行主动取像，这种方法很 适合a f i s ，工作效率相对高了很多。 3 1 1 基于光学设备的取像方法 基于光学设备的取像方法主要是基于光的全反射原理。如图3 1 所示。当一 束光透过玻璃射到手指和玻璃的接触面上时，光线的运动方向取决于相关物质的 折射系数。如果光线射到指纹的脊线，那么由于皮肤的折射系数较大，光线就会 被吸收或者发生漫反射。如果光线入射到纹线的谷线，由于最先直接接触到的是 空气，折射系数小，那么此时光线不能进入空气中么认识在玻璃与空气的交界面 发生全反射。经过全反射的光线被玻璃另外一侧的c c d 探测，从而形成指纹图像 的影像。 第= 口指纹图像 惭玻二 圉3 】光学取像原理 上世纪九十年代后，取像技术又有了新的进展。主要是设备上的更新。光导 纤维被应用到指纹图像的提取领域。有纤维束传到的光线直接入射到手指的表 面，并在指纹处发生发射，继而探测发射光线。另外一种方法是三棱镜矩阵法。 由很多细小三棱镜组成的矩阵被安放在平板的表面，由于手指接触到平板的压力 在指纹的脊线和谷线处的差异，导致小三棱镜的表面情况发生改变，而这个细小 的改变将在很大程度上影响三棱镜的反射光线。因此，指纹纹线可以通过该反射 光线的情况反映出来。 蹦32 是一个现代光学扫捕设备的实物 图32 现代光学取像设备 312 基于晶体传感的取像方法 这是一种比较新的指纹图像提取技术。它的工作原理是基于电容器的电容值 随着两极的距离不同而不同，从而产生相应的电了信号。由规则排列的n * n 豹电 容阵列镶嵌在半导体金属传感器面板上，而人的手指表面组成了电容器的另外一 极。当手机和传感面板接触时，由于指纹脊线和谷线处t 电容阵列的距离小同， 从而导致i ；同坐标位置的接触电容不同，转化而成的电子信号也小同。另外一种 传感器是按压式的它的基本是由一种弹性塑料构成，当人的手指压迫极板时， 第j 4 捃# 目像的n 脊线和谷线处的压力大小实际上是不相同的，从而形成了具有独特结构的凹凸相 间的指纹地貌压感材料可以探测到这个地貌，从而成像。还有一种传感器是通 过温度感应的，手指和传感器而板的接触丽在脊线和谷线处的温度实际上也是有 细小差别的。从而，我们可以根据温度罔像获取指纹罔像。今年来，a n t h e n t e ci n c 发明了一种新的传感装置，该装置可以发射直接穿透表皮到达人体真皮层的深度 电场，通过这种电场转换来的指纹图像更加清晰。图33 示例的是基于晶体传感 的取像方法。 图3 3 基于晶体传感的取像 本a f i s 系统拟采用的是v e r i d i c o m 的f p s l l o 指纹取像器。该传感器的面板 很小只有15 c m x l5 c m ，电容矩阵达到3 0 0 x 3 0 0 ，分辨率为5 0 0 点i n c h ，能 够自动调节图像模糊区域的灵敏度( 通过调节电容放电强度) 。该传感器带有高 速a d 转换装置，具有较高的工作频率。 31 3 基于超声波的取像方法 虽然我们没有采用这种取像方法，但是由于基于超声波的取像方法具有技术 上的领先优势，所以还是在这里做简单介绍。这种取像方法和光学取像方法的原 理基本一致，但是它最大的优点是可以克服光学取像中容易出现的污染。比如 在光学成像系统中，玻璃表面的汗渍，皮肤分泌的油脂等会大大下扰图像的质量； 但是超声波却能克服这些污染物的干扰，最终形成噪声很小的指纹图像。但是在 现实中，由于超声取像设备构造较为复杂，目前还没有投入大规模的使用中。 下表是对上述三种方法性能的一个综合比较 脚 一 一 。l | ：一过 第j 章指牧目稼的取 技术比较项目 光学 晶体传感 超声波 l 耐用性l成像质量l 成率l 功耗 耐用l 和手指清洁度关系较大l低i 较大 易损 l 和手指清洁度关系较大l 低l 较小 一般很好 高 较大 32f p g a 验证阶段对指纹图像的提取 我们在系统验证阶( 即用硬件描述语言编写完相关代码后在f p g a 上进行调试 的阶段) ，并没有购买特定的指纹图像采集装置，所以这。阶段，我们使用特 定的指纹图像。以便快速对后面的图像处理模块作出验证。 这部分的验证分以下步骤进行： 第一步，我们首先找到任意一幄像素为1 2 8 x 1 2 8 、格式为b m p 的指纹图像( 假 设为图34 ，这幅图像仅作示例) 。之所以选择这样的一个尺寸，是出于以下两 点考虑： 这个系统一个小型的识别系统，预计使用人数在数十人，所以这样的分辨 率应该能够满足这样一个应用规模的需要。 后面我们用于收集指纹图像所用的s d r a m 的存储空间大小是1 6 k b ，即8 2 0 4 8 ，那么它正好町以存储一幅这样大小的图像。 囤3 4 验迁用指纹图像 第一步，我们用v i m 编辑器在1 6 进制模式下打开这幅图像，发现有图像的 进制代码具有以下格式： 0 0 0 3 6 t o ：0 0 0 】0 0 m r f d3 4 3 43 4 2 a2 a 2 a f d f e f d o 】 0 0 0 3 7 0 0 ：0 】叭5 7 5 75 7 面9 d g d9 d 9 79 7 9 7 f f f f 0 0 0 3 7 l of f 3 53 5 3 50 0 0 0 0 0 9 c 9 c d c d ed e 0 0 0 0 0 0 0 0 0 3 7 2 0 ：d f d f d 衄9d g d 9 0 0 0 00 0 】al a l a f e f d d 4 0 0 0 3 7 3 0 ： t ，则判为边界点。 412 边缘检测相关算法 完成指纹图像的边缘检测工作，可以有很多优秀的算法能够实现，下面我们 简单地列举几种，并对他们进行一个简明的比较。 4121 c a n n y 检测算法 c a n n y 算子是一种非常有效的边缘检测算子，由j o h nfc a n n y 在1 9 8 6 年提 出。该边缘检测器为g a u s s 函数的一阶导。在定位x 信噪比上实现最优化逼近。 c a n n y 认为，“好的边缘检测具有3 个特点：第一，低概率的错标非边缘点和低 概率不标真实边缘点；第二检测出来的边缘点应该尽可能的靠近真实边缘中心 第三，边缘响应是单值的。” 实现c a n n y 检测，主要经历以下几个步骤： 噪声抑制：c a n n y 算子基于g a u s s 函数的阶微分，困此它对噪声非常敏 感在运用该算法之前，我们首先要使川g a u s s 滤波器对图像进行滤波。滤波平 滑后的图像相对原始图像稍显模糊，但是却不再受单个噪点的影响。 下面所示的就是个5 5 的高斯滤波器( o = i4 ) ： b = 45 9 】2 2 】5 9l2 45 42 94 25 94 42 一卵 第四章指纹图像处理 计算每个像素点的灰度梯度和方向。为了对x 和y 两个方向的一阶偏微分 取近似，我们使用以下两个2 * 2 模板： 1 户一专 j 1 1j l 一l l 1 、， g = 虿x 1l 一1 1 j l 由此得到梯度和方向值分别为： g r a d ：而 。= ( 爱) 对梯度幅值应用非极大值抑制。在计算了梯度值g r a d 之后，我们还必须 进行新一轮的检测，以决定计算出的梯度值是否是局部最大值。比如： 假设像素点x 位于第1 区，那么我们需要把点x 的灰度值与它东北方和西南 方的两个像素点的灰度值进行比较，看点x 的灰度梯度是否是三者中的最大值。 如果是，则将点x 的灰度值置1 ，反之置0 。这个过程就是“非极大值抑制”。 取双阈值构造图像。完成第三步以后，我们取两个阈值t l 和t 2 。并假设 t 2 - 2t l 。假设第三步计算得到的像素点的梯度值为t 。那么我们把t 。 t l 的点 置0 ，可得图像l ；然后，我们把t 。 t 2 的图像点置0 ，得到图像2 。比较图像l 和图像2 易知，图像l 的l 点更多，保存的有效信息多于图像2 ；但是图像2 的 噪点会比图像l 少。在后面的步骤中，我们使用图像2 作为蓝本，用图像1 中的 信息来弥补图像2 丢失的边缘信息。 边缘修补。这一步又分3 小步完成( 如图4 2 ) - 1 扫描图像2 ，当我们遇到像点p 的灰度值为l 时，开始对像点p 进行追踪， 追踪发自该点的轮廓线，直到该轮廓线中止与点q 。 2 定位点q 的坐标，并在图像l 中同样坐标位置找到点q ，观察点q 周围 8 个像素点，看是否有不为0 的像素点，如果是，则将该像素点复制到图像2 的 相同位置。重复步骤l ，直到这个过程无法再继续进行为止。 3 我们已经完成了对经过p 点的边际线的修补，回到步骤1 ，扫描下一条边 际线。重复上述3 个步骤，直到不能再发现新的边际线。 第四章指纹图像处理 震 q q詹 图4 2 图像边缘修补 4 1 2 2l a p ia c e 检测算法 这是一种二阶算法，它通过寻找零穿越( z e r oc r o s s i n g ) 点来检测边界点。 它的主要实施步骤如下： 用3 3 的g a u s s 滤波器平滑图像。 o l o l一41 o1o 用与l a p l a c e 函数近似的相关模板对处理过的图像进行卷积 ( c o n v o l u t i o n ) 。 对每个像素点q x ，y 】，我们用l x ，y 】表示其l a p l a c e 值。 1 如果l x ，y 】= 0 ，观察i ) l x l ，y 】和l x + l ，y 】是否符号相反；i i ) l x ， y - 1 和l x ，y + l 】的符号是否相反。如果i 和i i 两个条件满足其中任何一个，则点 q 是零穿越点。计算q 点的一阶微分t q ，如果t q 大于设定的阈值，则点q 为 边缘点。 2 如果l x ，y 】! = 0 ，那么我们就要延续1 中同样的方法，观察四个点l x ， y - 1 】、l x ，y + l 】、l x 一1 ，y 】、l x + l ，y 】是否包含符号相反的值。如果包含，则 点q x ，y 】附近存在零穿越，再计算其一阶微分t q 。如果t q 大于设定的阈值， 则点q 为边缘点。 第四章指纹图像处理 ( f ，歹一妇，f ，歹 ) 主，j 3 ) 4 1 2 3s o b ei 检测算法 s o b e l 算子也是一种非常有效的边缘检测算子，它和c a n n y 算子同属一阶微 分的方法。而l a p l a c e 算子属于二阶微分算子，实施起来比较复杂。同c a n n y 算 子比较，s o b e l 算子没有使用非极大值抑制；另外s o b e l 算子中的阈值设定得往 往比c a n n y 算子要高很多。经过s o b e l 算子检测到的图像边际比较粗。但是在实 施上，尤其在用硬件实现方面，s o b e l 算子非常简单有效。至于图像边际的粗细， 我们还可以用别的细化算法进行调整。 由于s o b e l 算子的简洁高效，所以本系统在图像处理算法的边缘提取阶段， 采用s o b e l 算子进行预处理。经过图像采集器收集到的指纹图像( 尺寸为 1 2 8 1 2 8 ) ，将被暂时存储在8 * 2 0 4 8 大小的r a m 中的，对于该图像中的每一个 像素点，我们使用下面两个卷积模板对其进行预处理： 一l0l 水平方向：肠= 一20 2 10l l2l 垂直方向：s v = 000 一l一21 其中，处理矩阵中间的数字代表的是待处理像素点“i j 】的位置，其他的数 字代表的是该像素点周围像素点的位置。经过这轮运算后，水平模板中心像素点 第四章指纹图像处理 的灰度值m h 的大小为： m h 2 ( - 1 ) p 【i i j 1 】+ p 【i + l j l 】+ ( - 2 ) + p i i j + 2 奉p i + i j 】+ ( - 1 ) p i - 1 j + 1 】+ p 【i + l j + l 】 m v = p i - l j - l 】+ 2 p i + l j l 】+ p i - i j + ( - o p 【i + l j 】+ ( - 2 ) p i - i j + q + ( - o 木p i + l j + l 】 ( m h 【- 4 ，4 】；m v - 4 ，4 】) 我们得到的最终灰度值为： r = ? m = 蚴。+ m y 。 我们把此m 值和设定的阈值进行比较，如果大于等于该阈值，就将该像素 点置l ，否则置0 ，从而实现了边缘检测和二值化。 4 1 3 边缘检测的硬件实现 下面我们将把上述算法用硬件实现，并在f p g a 上进行验证。我们把这部分 的工作分为下面几个阶段完成： 用硬件描述语言编写实现边缘检测算法的v e r i l o g v h d l 代码。 用n l i n t 和d e b u s s y 软件d e b u g 编写好的r t l 代码。 用s y n p l i f yp r o 软件对代码进行综合。 用m o d e l s i m 软件对代码进行仿真。 烧写所编代码到f p g a 版，并通过v g a 接口连接显示器观察所得的结果。 下面我们具体阐述各部分工作的主要内容。 4 1 3 1 边缘检测算法的r t l 代码编写 此代码主要完成以下算法步骤： a 系统复位后，等待启动信号 b 系统信号有效，开始聚焦第一个像素点，启动第一层循环 c 以该像素点为中心，启动第二层循环，依次读取这个像素点周围8 个像素 点 d 根据这8 个像素点的值，判断中心像素点是否为边际点 e 将判断的结果写入r a m f 回到b 步骤，中心像素点向前移动一位，继续第一层循环 g 读取完最后一个像素点，系统回到闲置状态，并向主控制程序发送完成信 号 该代码主要分为3 个大的模块： 主算法模块：完成s o b e l 算子边缘检测 第一层循环中像素点提取模块：根据中心像素点的值和需要提取的中心像 2 4 第四章指纹图像处理 素点周围的8 点中某一点相对于中心像素点的位置确定该点的像素序列 读写地址产生模块： 需要注意的是，在我们的指纹b m p 图像中和r o m r a m 中，像素点的排列 次序是不相同的。前者是按1 2 8 1 2 8 排列为方块形，后者则是8 为一组，拍成 8 2 0 4 8 的矩形。而它的地址的最大值也是o x 7 f f 。 所以这个模块( c o n v e r tl o c a t i o n ) 的主要工作就是把像素点的序列号转化为 对应的存储器地址和在该地址中的像素次序( 0 - 7 ) 。 相关的寄存器设置如下： 寄存器名称 存放的变量 a d d r e s s r a m 产生写数据地址 v e r t i c a l d a t a 写数据( 竖直方向) h o r i z o n t a l d a t e 写数据( 水平方向) a d d r e s s r o m 产生读数据地址 v a l u e r o m 读数据值 s t a t e 状态机当前状态 n e x t _ s t a t e 状态机下一个状态 p i x e l 当前中心像素点序号 p i x e l _ s e t 像素点更新标志位 p i x e l _ r o m 滤波模板需要寻找的像素点 f _ p i x e l 滤波模板中像素点序号 f _ p i x e i _ _ s e t 滤波模板像素点更新标志位 v a l u ef中心像素点周围各像素点值 f _ v e r t i c a l _ p o s i t i v e 竖直滤波后的值( 正) f _ v e r t i c a l _ n e g t