基于DM3730的中距離虹膜識別系統設計

方益平，姚 鵬，莊鎮泉

（中國科學技術大學 電子科學與技術系，安徽 合肥230027）

0 引 言

隨著現代信息社會的發展，與傳統的密碼、智能卡等身份認證方式相比，生物特征識別以其不易遺忘或丟失、防偽性好等性能而備受關注。目前研究熱門的生物特征識別技術主要有:人臉識別、指紋識別、靜脈識別、語音識別等。

虹膜是指介于瞳孔與角膜之間，具有豐富紋理細節的環狀區域，有200多個自由度。與其他生物特征認證方式相比，虹膜識別具有高準確性[1]、高穩定性、高防偽性、唯一性等特點。一般情況下，虹膜識別識別系統主要包括以下幾個部分:圖像采集、圖像預處理、瞳孔虹膜定位、虹膜歸一化、特征提取與對比等。

近幾年，中國科學技術大學智能信息處理實驗室在虹膜識別技術上積累了很多經驗，并且產生了很多有價值的成果[2－4]。

然而，虹膜識別目前還沒有大規模普及，制約虹膜識別技術廣泛應用的關鍵因素主要有以下幾點:虹膜圖像采集困難，由于虹膜圖像尺寸小而要求做虹膜識別的圖像必須達到較高的分辨率，如果使用長焦鏡頭便會使景深變小，因此圖像獲取不方便，必須用戶積極配合才能完成。并且在較遠距離，用戶很難找到正確的位置；識別算法依賴圖像。在非約束環境下，當被測試者配合度不夠的時候，圖像質量較差，虹膜識別率會顯著下降，很難實用。必須研究在非約束條件下的魯棒的虹膜識別算法。本文研究目的就是設計一種虹膜識別系統，使虹膜采集呈現高度友好性，并且在較遠距離的非約束條件下虹膜識別算法仍能表現出很好的性能。

文中提出的基于DM3730的中距離虹膜識別系統的設計，首先是系統硬件架構設計，采集模塊采用的是高分辨率的cmos圖像傳感器，結合液晶對采集圖像的實時反饋，和人臉采集一樣達到 “所見即所得”的效果。結合調焦模塊和高分辨的攝像頭可以使拍攝景深變大，拍攝距離變長，從而達到在較遠距離對用戶虹膜的拍攝。系統處理器選用是DM3730，該處理器采用ARM Cortex A8和TMS320C64X＋DSP雙核架構，使系統在算法速度，事務處理能力都得到極大提升。其次，由于在較遠距離對用戶拍攝，對用戶限定性較小，本文介紹了再非限定性條件下虹膜識別相關算法的設計，包括了非限定性條件下虹膜預處理算法，非限定條件下虹膜識別定位與歸一化算法等。此外還介紹了系統軟件的設計。最后，相關的實驗結果和分析驗證了本虹膜采集系統的有效性、實時性，具有很強應用價值。

1 系統整體框架設計

圖1 采集模塊結構

系統整體框架設計包括了系統結構框架設計和系統功能任務框架設計。下面分別進行介紹，對于系統結構框架設計，本文主要是指系統中采集模塊結構設計，對于處理器部分的設計將在下節的硬件架構設計進行闡述。

對于采集模塊結構設計，其主要包括以下模塊:高分辨率CMOS攝像頭，可調焦鏡頭，步進電機及其控制電路，紅外LED模塊，測距模塊，與CPU接口模塊等。其框架示意圖如圖1、2所示。圖1描述的是采集模塊的整體框架，圖2描述的是其中的攝像單元、調焦模塊的示意圖。

本文提出的上述采集模塊結構設計，攝像頭傳感器采用的是10MP的高分辨率CMOS圖像傳感器。其能夠同時拍攝到人臉和虹膜圖像，并且LCD反饋單元能夠實時的顯示拍攝圖像，實現 “所見即所得”的功能。結合調焦模塊，以及高分辨率的攝像頭能夠使拍攝景深進一步加大，從而能夠實現中距離對用戶虹膜圖像進行拍攝。近紅外光主要用來消除外部光照的影響，測距模塊能夠對用戶實時測距，提醒拍攝者進入攝像頭的拍攝區間。從攝像頭拍攝到的人臉圖像中，能夠扣取虹膜圖像作為識別圖像。

系統功能任務框架設計如圖3所示，本系統完成一次虹膜系統的識別過程，主要包括以下幾個部分:測距模塊提醒拍攝者進入景深范圍，人臉拍攝，人眼檢測，剔除不合格眼睛圖像，調焦使圖像清晰，清晰度判斷，圖像預處理，瞳孔定位，虹膜定位，圖像歸一化，特征提取，特征匹配。

圖2 調焦模塊結構

圖3 系統功能框架

2 系統硬件設計

系統的硬件設計主要包括采集模塊的硬件設計和處理器模塊的硬件設計。

采集模塊的硬件設計主要介紹:cmos攝像頭硬件電路設計和步進電機調焦模塊電路設計。

2.1 基于MT9J003CMOS圖像傳感器的硬件電路設計

MT9J003是Aptina公司推出的一款10MP的CMOS圖像傳感器，其尺寸是1／2.3inch.它能支持10MP（3664HX2748V）的靜態圖像以及1080P（3840HX2160V）的視頻模式等多種模式。其是一款循環掃描以輸出固定幀頻的數據流，在并行模式能達到7.5fps。其最大傳輸數據速率為80MP／S.其采用片上鎖相環產生內部時序，輸入時鐘為6－48MHZ，片上ADC分辨率為12位。

對于該芯片的電路設計，輸入信號有:IIC的數據線SDATA和信號線SCL，復位信號線RESET＿BAR，以及外圍控制線GPI[3∶0]，輸出信號線:PIXCLK，LV，FV，以及數據線D[11∶0].對于電源線，要注意添加去耦電路，并且數字電源和模擬電源要做隔離，防止發生干擾，如圖4所示。

圖4 攝像頭模塊電路

2.2 步進電機調焦模塊電路設計

步進電機采用的是20HS3406A4型號，其參數為兩相四拍，步距角為1.8°，額定轉矩為0.003NM。步進電機驅動器采用的是一款THB6064H型號的驅動器，該驅動器具有過流保護，支持正反轉，PWM方波輸入，支持8種細分。相應的電路設計如圖5所示。

2.3 主控單元模塊電路設計

下面介紹主控單元，處理器模塊的硬件電路設計，主控單元包含兩部分，一部分是核心板，另一部分是底板。核心板定義了一個TI DM3730的最小系統，主要包括DM3730、MCP（包括了DDR、NAND）和電源管理芯片TPS65930這3個部分。DM3730處理器集成高達1GHZ的ARM CortexTM－A8內核及高達800MHz的具有高級數字信號處理的DSP核，并提供了豐富的外設接口。核心板通過DIP連接器連接到底板，底板主要提供一些接口電路，包括了網絡接口、鍵盤模塊、UART模塊、USB模塊、SD卡模塊、音視頻模塊、液晶顯示模塊、攝像頭接口模塊等等。如圖6所示，圖7是主控單元的實物圖。

3 中距離虹膜識別相關算法設計

3.1 非限定性條件下的預處理算法

3.1.1 人眼檢測和不合格圖像的剔除

中距離條件下的虹膜采集系統，由于對用戶的限定性較小，之前的近距離對用戶約束很強的虹膜識別算法已經不滿足系統需求，因此需要介紹在非限定性條件下的虹膜識別算法。

圖5 步進電機調焦模塊電路設計

人眼檢測，采用了基于學習的adaboost算法[5]。利用adaboost算法，訓練人眼檢測器的關鍵在于樣本的選取。正樣本，主要來源于設備采集和國內外虹膜數據庫裁剪的質量較好的眼睛圖像7000多幅。負樣本，主要來源于設備采集和國內外數據庫以及網上素材選取的閉眼，不合格虹膜圖像，背景圖片等多樣化負樣本2萬幅。對于不合格圖像的剔除，由于在負樣本中加入了閉眼，斜視，質量不高的虹膜檢測圖片，所以在檢測中可以剔除很多合格度不高的眼睛圖片。

3.1.2 人眼粗定位和清晰度評價

對于人眼粗定位，本文采用了基于瞳孔的分級粗定位方法，該方法由鄧宏平在文獻[6]中提出。首先采用自適應閾值二值化的方法進行瞳孔粗定位獲得瞳孔的大致位置和尺寸。然后采用徑向對稱變換[7]的方法估計瞳孔中心，判斷瞳孔是為圓形瞳孔還是橢圓形瞳孔。

圖6 主控單元硬件結構

圖7 硬件實物

虹膜圖像清晰度評判算法，本文提出一種基于無參考圖像的邊緣平均寬度的清晰度計算方法。其優點是計算復雜度低，對圖像內容不敏感，對噪聲不敏感。圖8顯示了該算法的主要步驟。

3.2 非限定性條件下的虹膜定位與歸一化算法

3.2.1 非限定性條件下的瞳孔精定位

根據上述的瞳孔粗定位的結果，對于圓形瞳孔，經典的Daugman圓周差分方法雖然在大多數情況下效果很好，但當瞳孔收到嚴重的眼瞼、睫毛和光斑等的干擾時，該方法的定位準確性會顯著降低。本系統采用了周足紅等在文獻[8]中提出的在非限定性條件下，采用基于改進的圓周差分算子的瞳孔精定位方法。該方法能更好的去除眼瞼、光斑以及睫毛的干擾，具有非常高的準確性和魯棒性。

對于橢圓瞳孔，本文采用了鄧等在文獻[9]中提到的采用基于改進的橢圓差分和PSO的橢圓瞳孔的定位方法。改進后的橢圓差分算子增強了在眼部圖像受眼瞼和睫毛干擾嚴重的情況下的魯棒性和準確性。而PSO算法則提高了算法的速度，加強了算法的實時性。

3.2.2 干擾條件下的歸一化算法

由于外界光照等的變化，會引起瞳孔的縮放。傳統的虹膜紋理的線性歸一化無法消除這種不均勻縮放，從而會降低后續的虹膜識別的準確率。方等通過對大量不同縮放程度的虹膜圖像樣本進行統計分析發現:在瞳孔縮放的過程中，近瞳區縮放的比例比遠瞳區的縮放比例大，并據此提出了一種基于彈簧模型的非線性虹膜歸一化方法[10]。該方法能夠減少由于瞳孔的縮放所帶來的誤差，為后續的虹膜特征提取提供了便利，并進以提高虹膜識別總體的識別率。

4 系統軟件設計

本實驗的處理器采用的是基于ARM和DSP雙核架構的處理器DM3730.如圖9所示，本系統的軟件系統可以分為3個層次[11]，應用層中，編寫了上層虹膜應用軟件，完成了對硬件驅動的I／O操作、利用虹膜識別算法API接口調用DSP端的算法。在信號層中，DSP運行在DSP／BIOS操作系統上，負責完成各種虹膜識別算法的處理，并通過DVSDK軟件和ARM端的CODEC通信，將結果置于共同存貯空間供ARM調用。在I／O層，主要實現對硬件驅動層的控制和訪問，本系統中主要實現的是視頻采集驅動和LCD顯示驅動。

圖8 圖像清晰度評價算法

5 實驗結果

通過搭建實驗平臺，包括整個硬件系統的研制和調試，以及對軟件系統的編寫。然后對系統進行測試，主要測試采集模塊對圖像采集的有效性和虹膜識別算法在處理器上的實時性和準確性。

在DM3730上運行linux操作系統，通過對采集模塊的控制。通過測試，如果采集圖片大小10MP時，分辨率為3664X2748，采集速率為7.5fps，如果是1080p模式，采集速率為30fps。采集圖像的有效性滿足要求。對于算法的識別率測試，對于測試集主要分為兩部份:一部分采用通用的虹膜數據庫對機器中的算法進行測試，另一部分利用設備采集的近5000幅人臉圖片進行測試。見表1。

圖9 系統軟件框架

表1 不同測試集上的識別率和誤識率

通過對設備的反復測試，注冊時間＜0.2秒，識別時間＜0.1秒。系統的實時性，滿足實際應用的要求。

6 結束語

本虹膜識別系統，采用的是基于DM3730的ARM和DSP雙核架構的處理器，其中虹膜識別算法部份放在DSP端進行優化，ARM端主要進行事務處理，分工明確，提升了系統效率。對于虹膜采集模塊，采用10MP的高分辨率的cmos圖像傳感器，結合LCD反饋單元的實時反饋，以及調焦模塊對景深的擴展，能夠實現中距離對人眼虹膜圖像的采集，使虹膜識別和人臉識別一樣簡便，與既有的虹膜采集模塊相比，突出了系統的高度友好性。在虹膜識別算法上，本文針對非限定條件下的預處理算法和虹膜定位以及歸一化算法進行了介紹，實驗表明，上述算法在系統中有效性和實時性均較好。目前，該系統的硬件和軟件平臺均已搭建完全，大量的實驗測試表明，系統的魯棒性，實時性，有效性均得到較好驗證。

[1]Daugman J.Probing the uniqueness and randomness of IrisCodes:Results from 200billion iris pair comparisons[J].Proceedings of the IEEE，2006，94 （11）:1927－1935.

[2]YaoP，Li J，Ye X，et al.Analysis and improvement of an iris identification algorithm[C]／／18th International Conference on Pattern Recognition，2006:362－365.

[3]Yao P，Li J，Ye X，et al.Iris recognition algorithm using modified log－gabor filters[C]／／18th International Conference on Pattern Recognition，2006:461－464.

[4]Wencong Z，Hong C，Peng Y，et al.Precise eye localization with adaboost and fast radial symmetry[C]／／International Conference on Computational Intelligence and Security，2006:725－730.

[5]Xia L，Yongqing D，Su L，et al.Rapid human－eye detection based on an integrated method[C]／／International Conference on Communications and Mobile Computing.IEEE，2010:3－7.

[6]DENG hongping.Research of key techniques on head－mounted eye tracking system[D].Hefei:University of Science and Technology，2011:34－52（in Chinese）.[鄧宏平.頭戴式視線跟蹤系統關鍵技術研究[D].合肥:中國科學技術大學，2011:34－52.]

[7]ZHANG Wencong，LI Bin，YE Xueyi，et al.A robust iris localization algorithm via radial symmetry for non－ideal capturing condition[J].International Journal of Pattern Recognition and Artificial Intelligence，2009，23 （1）:45－57.

[8]ZHOU Z，YAO P，ZHUANG Z，et al.A robust algorithm for iris localization based on radial symmetry and circular integro differential operator[C]／／6th IEEE Conference on Industrial Electronics and Applications，2011:1742－1745.

[9]Deng H，Li B，Su Z，et al.A robust algorithm for distorted pupil localization based on ellipse difference and PSO[C]／／3rd International Congress on Image and Signal Processing，2010:2478－2482.

[10]YAO Peng，FANG Yiping.A kind of iris normalization method based on dual－spring model[P].China:CN201210124620.7，2012－10－10 （in Chinese）.[姚鵬，方益平.一種基于雙彈簧模型的虹膜紋理歸一化方法[P].中國:CN201210124620.7，2012－10－10.]

[11]Archana K，Sandeep D R.A palm－print recognition system based on DM3730[J].International Journal of Engineering，2012 （8）:574－580.