本体系选用Xilinx公司Spartan 3E系列FPGA作为中心操控芯片,经过FPC1011C指纹传感器完结对指纹图象的收集,运用SPI接口传输到FPGA进行数据的存储,在内嵌的MicroBlaze处理器的办理下,运用硬件电路对指纹图象进行指纹中心点求取、图画修剪、可视化扇形、归一化、Gabor滤波、特征编码等处理,然后得到指纹特征点并存入指纹数据库作为建档模版。指纹比对时,选用相同的办法,得到比对模版,然后将比对模版与建档模版运用指纹辨认算法进行比对,得出比对成果。该项目运用嵌入式软核完结体系的办理,运用硬件完结辨认算法,确保了体系功用的完整性与辨认的正确性。其辨认速度将显着快于一般运用的依据软件完结的指纹辨认体系,且体系愈加简略。该辨认体系可用于门禁、考勤、证件办理等许多方面,具有很广泛的使用远景。
1、 硬件框图及各模块介绍:
体系选用xilinx公司Spartan-3E 系列FPGA作为中心的操控和运算芯片,数据收集模块由FPC1011C电容式指纹传感器来完结,FPC1011C指纹传感器能够完结指纹图画的收集并用其自带的A/D转换器将指纹图画转换成数字信号,运用SPI接口传送至FPGA进行处理。当处理图画数据时,FPGA将经过其逻辑单元履行指纹中心点求取、图画修剪、可视化扇形、归一化、Gabor滤波、特征编码等一系列操作,然后获得重要的指纹图画信息。
处理之后的图画会依据当时的操作形式被存入FLASH中作为建档模板,或许与当时模板进行匹配。作业前可用键盘对作业形式进行挑选,另附带有LCD显现器用来显现形式挑选和辨认成果。
体系框图如图1所示。
图1 体系总体设计框图
软件流程图如图2所示:
图2 体系软件流程图
2、 项目要害技能及立异性:
2.1 传感器的挑选
FPC1011C电容式指纹传感器是瑞典FingerPrint Card公司推出的现在最先进的电容式指纹传感器。该款电容式指纹传感器运用了该公司具有专利的反射式勘探技能(以往的电容式指纹传感器选用的一般是直接式勘探技能),使指纹传感器的外表保护层厚度能够到达一般电容式指纹传感器的100倍左右,因而使指纹传感器具有更高的对干湿手指的适用性和更长的运用寿命。
如表1所示,显现了两种干流电容式传感器各自的优缺点:
表1 指纹传感器比较
参数 |
MBF200固态电容传感器 |
FPC1011C电容式指纹传感器 |
收集原理 |
电容式,直接勘探法 |
%&&&&&%式,反射式勘探法 |
分辨率 |
508DPI |
363DPI |
点阵数 |
256×300 |
152×200 |
单幅图画巨细 |
76K |
30K |
收集窗口巨细 |
24×24mm |
15×12mm |
抗静电目标 |
±10 kV |
±15 kV |
操作温度 |
-20°C to +85°C |
-20°C to +85°C |
运用寿命 |
未发布 |
一百万次 |
环境湿度 |
未发布 |
95% |
干手指适应性 |
一般 |
杰出 |
湿手指适应性 |
较差 |
杰出 |
2.2 指纹算法挑选
指纹图画有两种结构,即大局结构和部分结构。大局结构是指指纹脊线和谷线的大局形式,部分结构是指在细节点处的详细的形式。传统的指纹辨认大都设法提取细节点,而这种办法有一些不足之处:榜首,它只运用了指纹图画中的一小部分信息(细节点),丢掉了丰厚的结构信息,指纹的纹线结构不能由细节点彻底表达出来;第二,细节点提取过程中,因为噪声的影响,很简单发生虚伪细节点和丢掉真实的细节点,在指纹的受损区域这种现象更为杰出;第三,因为每个指纹的细节点数都不相同,发生出了特征向量长度不同,不利于快速匹配;第四,特征匹配时细节点的相对不知道随指纹的弹性变形而改动,影响了匹配精度。为了战胜依据细节点的指纹辨认算法的局限性,咱们这儿选用了依据指纹大局和部分特征的匹配算法,这种办法对指纹的表达充分运用了指纹的纹路结构特征,不只包含了指纹的大局特征还包含了脊和谷的部分特征。
咱们所选用的算法主要有两大长处:
- 快速性:依据算法是否依靠中心点,指纹细节匹配算法可分为两类:依据中心点的匹配算法和非中心点匹配算法。因为大多数非中心点匹配算法都十分耗时,因而不适合大规模在线使用。故本次算法选用依据中心点的匹配算法,能够极大的进步匹配速度,可是,这类算法极度依靠于中心点的定位精度,中心点的求取成为该算法的要害,而本文的第二大长处选用了新的中心点定位办法,中心点定位精度远远高于传统的定位办法。
- 安稳性:本次算法,依据指纹图画的特色,分别在空间与和频域增强图画,并选用了一种复合滤波器对增强后的图画进行滤波处理,把指纹图画的部分信息和大局信息有机的结合起来,是一种十分高效而精确的中心点提取算法。最重要的一点,在实践使用中,同一个指纹两次收集到的图画必定会有必定的平移和旋转,传统的办法对这两种的状况所求出的中心方位均有必定的误差,而中心点的误差将导致整个指纹辨认的失利。别的,传统的办法,如Poincar index算法及相似的方向场的算法关于一些低质量的图画,如有裂纹和伤口的图画,枯燥的皮肤获得的图画,脊线和谷线对比度小的图画作用甚差,而本次算法关于平移旋转以及低质量的图画仍然能够求得精确而安稳的中心,这关于整个算法的安稳性起到了中心作用。
算法流程如图3所示:
图3 指纹数据处理算法流程