基于ARM-Linux指紋識別系統的設計

王 偉，李春明

（內蒙古工業大學 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的認證識別方式[1]。其中指紋識別技術的發展尤為突出，成為目前最廣泛的應用之一，比如在門禁系統、考勤系統、刑偵破案以及“社保”系統等。目前的產品大部分以嵌入式軟硬件為核心，發展趨勢是小型化，低成本，低功耗，高可靠性，快速穩定高效的指紋識別算法實現等方面。

1 硬件平臺

本系統的整體結構如圖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系統上進行指紋識別系統的應用程序開發。在指紋分割和增強算法方面根據指紋儀采集指紋的特點進行優化處理。實驗表明，設計的指紋識別系統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。該指紋儀的優點是采集圖像質量好；受指紋干濕度影響較小；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，系統獨立工作時可以滿足。在系統調試時為觀看方便，可用PC機顯示器作為終端登陸。

FLASH為Nand型，掉電非易失。考慮后期的系統升級和擴容，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位數據線，可以提高數據傳輸速度。

本系統的硬件平臺如圖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；以太網口為備用端口，可以作為整個系統工作后與遠程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發展而來。通過交叉編譯環境將編譯好的U-boot通過JTAG接口燒寫到FLASH的前4 K范圍內。因為硬件系統在上電后，首先執行的命令是將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 ；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人眼對圖像的識別判斷功能進行的數學模型化描述。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據，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 應用系統設計與實驗結果

系統內部結構如圖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轉換電路變為數字圖像，數據被識別算法調用進行預處理，特征提取，最后根據需要進行識別。

圖12 系統內部結構圖Fig．12 Within the system structure diagram

系統上電后，啟動內核，自動加載應用程序，并進行初始化。整個系統工作方式如圖13所示。

圖13 系統工作方式流程圖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M=500（模擬中小公司的人數范圍），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。基于ARM9的嵌入式指紋識別系統穩定性良好，功耗低；指紋圖像分割和智能增強算法根據采集儀采集指紋圖像特點進行選取和優化，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，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，指紋識別系統算法及實現[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．嵌入式系統開發與應用教程[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．