基于Linux的嵌入式自动指纹识别系统设计
开篇：润墨网以专业的文秘视角，为您筛选了一篇基于Linux的嵌入式自动指纹识别系统设计范文，如需获取更多写作素材，在线客服老师一对一协助。欢迎您的阅读与分享！
【 摘 要 】 自动指纹识别技术是最可靠、最有效的生物识别技术之一。本文分析了在Linux的环境下如何架构嵌入式指纹识别系统，并对指纹识别过程以及相关算法进行阐述，希望对嵌入式指纹识别系统的研究起到一定的借鉴作用。
【 关键词 】 指纹识别；嵌入式系统；图像处理
1 引言
自动指纹识别系统（AFIS）是利用人体固有的生物特征——指纹来进行身份的辨识。指纹由于其具有唯一性和稳定性的特点，在对个人信息安全要求比较高的领域可发挥其优势。研究自动指纹识别系统，将嵌入式技术与指纹识别技术结合起来，充分发挥各自的优势，提高信息安全认证的自动化程度，具有较高的应用价值。
嵌入式系统的开发平台由硬件和软件构成。硬件部分包括嵌入式处理器、接口、存储器、外设、显示屏等。软件部分包括嵌入式操作系统、设备驱动程序以及应用软件等。
本文所开发系统选用Linux嵌入式操作系统，它具有强大的管理功能、可裁剪性以及极好的网络传输功能。近年来，由于Linux操作系统的开源特征、稳定性、可开发性，以及各大厂家相继推出的基于ARM的微处理器的支持，使得基于Linux的嵌入式系统研发发展迅速。从软件的角度来看，嵌入式Linux系统通常可以分为四个部分：（1） 加载引导程序Bootloader；（2） 定制内核，根据系统实际工作需求裁剪、移值后的定制内核及控制参数；（3） 文件系统，主要包含根文件系统和构建于Flash闪存设备上的其它文件系统；（4） 驱动程序和用户应用程序。
3 嵌入式指纹识别系统的架构
硬件框架图如图1所示，系统主要硬件中的核心处理器采用一款基于ARM920T内核的16/32位RISC嵌入式处理器S3C2410；SDRAM使用的是两片三星公司生产的K4S561632C-TC75芯片构建32位的SDRAM存储系统；Flash采用容量为64M的三星公司生产的K9F1208UDM-YC80芯片；LCD显示屏选择夏普公司生产的3.5英寸TFT液晶屏LQ035Q7DB02，该显示屏具有320×240个像素，白色LED背光；选用RTL8019AS作为以太网控制芯片；指纹传感器采用FPS200电容式指纹传感器。由于指纹识别对系统实时性的要求比较高，故本文是通过硬中断来实现实时响应。
软件结构上分为三层：底层是系统硬件；中间层为嵌入式操作系统；上层是应用软件，用来实现用户与系统信息的交互，如进行指纹的采集、识别以及身份验证后的执行控制等操作。
因为嵌入式系统自身的特点，一般不可能配置很大的存储设备和色彩丰富的GUI界面，故其开发环境一般都需要安装在PC上，而通过工具链（Toolchain）交叉编译构建生成的最终目标文件可以运行在相应的嵌入式目标平台上。
（1）指纹识别的基本思想
指纹是手指表面脊和谷的映像组合，是典型的纹理图像，其大部分区域是由互相近似平行的纹线组成。每个人的指纹图像都具有自身独特的特征，这一特征取决于其局域脊线特征及其相互关系。美国FBI提出的细节模型将指纹最显著特征分为脊线终点和分叉点，这两种特征占指纹全部特征的90%以上，每一枚清晰的指纹一般含有40～100个这样的细节点。本系统就是依赖这些局部脊线特征及其关系进行指纹细节点的提取和匹配。
（2）指纹图像的采集
指纹图像的采集获取是自动指纹识别系统（AFIS）的关键部分，其通过指纹传感器来完成。指纹传感器的工作原理就是将指纹所具有的生物特征经过检测提取后转化为系统可以识别的图像信息。本系统采用FPS200 CMOS指纹传感器，其表面运用Veridicom公司专利技术而制成，可防止各种物质对芯片的划伤、腐蚀等，它能承受超过8KV的静电放电（ESD），因此可应用在苛刻的环境下。在指纹采集过程中，可以根据芯片反馈信息调节电容放电时间等参数，从而增强其灵敏度。传感器提供USB接口、SPI接口和8位数据总线接口，本系统采用SPI接口来进行图像的采集。
（3）指纹图像的预处理
通过指纹传感器获得的图像仍有很多噪音，这主要由于手指与传感器的不均匀接触、设备自身噪声以及手指的伤疤等问题引起的。因此，要得到清晰的指纹，必须对指纹图像进行预处理，即图像增强。
1）图像的归一化：调整指纹图像的灰度均值和方差接近期望的均值和方差，归一化不改变脊线和谷线的清晰度，但可以减少沿着脊线和谷线方向上灰度的变化。
2）图像分割：通过自适应的局部阈值图像分割方法进行图像分割。
3）图像的方向场及方向滤波：通过掩模法确定图像的方向场，采用同时具有频率选择和方向选择的Gabor滤波器来增强指纹图像并进行方向滤波。
4）二值化：采用方向图法对图像进行二值化处理，该方法简单快速，二值化后的线条平滑。
5）细化及细化后的处理：采用基于形态学的细化算法，利用逻辑规则来进行细化，但细化后的指纹会有有许多毛刺，故引入四个对角方向的消除模板以平滑指纹。
（4）特征提取
细节特征是指指纹脊线的突变位置，一般常见的有端点、分叉点、环点、孤立点、短纹等。根据FBI的建议，指纹识别一般只选用脊线的端点和分叉点作为细节特征。本文采用从指纹细化图像上提取节点信息的方法，采用3×3模板考察每个像素及其8邻域的取值，来确定该像素可否为特征点及其类型、位置。对指纹识别过程中的伪特征：毛刺、短线、断线、叉连、小环等，采用纹线跟踪技术及方向图法对伪特征点进行判别和清除。
（5）特征匹配
指纹特征的匹配是将采集到的指纹特征值与指纹数据库中所存储指纹的特征值进行比对，实现指纹的验证/辨识。由于指纹图像采集时会有平移、旋转和非线性形变，手指表面干湿、脏污情况，以及指纹采集设备的精度差异，这些都将影响到指纹特征提取和匹配的效果。本系统采用改进的指纹匹配算法，即首先通过Pincare索引数值法检测出其中心点，然后对于非中心点的指纹纹形采用一个基于点模式的特征匹配算法；对于无中心点的指纹，采用分叉点来寻找参考点的方法进行特征匹配。若两幅指纹有达到一定阈值（一般为12点以上）匹配成功，则可以认定为同一指纹。
最后，在系统上设计相应的应用程序界面及入口，以及建立后台指纹比对数据库，改写系统脚本文件etc/profile，使程序可自动启动。
5 结束语
近年来，随着指纹传感器等硬件价格的不断降低以及功能的日益强大，指纹识别技术的应用领域将不断扩大。本文所设计的嵌入式自动指纹识别系统已经初步实现指纹验证的整体功能，为今后相关领域的研究开发提供了一定的模式借鉴。
参考文献
[1] 傅景广，许刚基.基于二值图像的指纹细节点提取计算机研究与发展，2004，（4）：720～727.
[2] 田捷，杨鑫.生物特征识别技术理论与应用.电子工业出版社，2005.9.
[3] Hong，L.，Wan，Y.，Jain，A.K.. Fingerprint image enhancement： algorithm and performance evaluation. IEEE Trans. on Pattern Analysis and Machine Intelligence，1998，20（8）： 777～789.
[4] 罗希平，田捷.自动指纹识别中的图像增强和细节匹配算法.软件学报，2002.5：946～956.
[5] 刘家峰，黄剑华，唐降龙等.联机指纹鉴别系统中的细化与中心点计算[J].哈尔滨工业大学学报，2000，32（6）：91～96.
[6] 江杰，胡晓莉，李杰. 一种新的指纹细节点匹配算法的研究[J].计算机应用，2005，25：114～116.
作者简介：
赵海峰（1972-），男，汉族，北京人，2009年6月毕业于北京林业大学计算机应用技术专业，硕士，助教，现从事计算机应用技术专业的教学和研究。