基于指纹识别技术的考勤系统的研究与设计

绪论研制背景随着网络与通信技术的飞速开展和人类物理与虚拟活动空间的不断扩大，现代社会对于人类自身身份识别的准确性、平安性与实用性提出更高要求。传统的身份识别方法已经远远不能满足这种要求，人类必须寻求更为平安可靠、使用方便的身份识别新途径。于是，生物识别技术悄然兴起，并应运而生为一种新的身份识别技术。生物识别技术(BiometricIdentificationTechnology)是利用人体生物特征进行身份认证的一种技术。生物特征是唯一的(与他人不同)，可以测量或可自动识别和验证的生理特性或行为方式，分为生理特征和行为特征。生物识别系统对生物特征进行取样，提取其唯一的特征并且转化成数字代码，并进一步将这些代码组成特征模板，人们同识别系统交互进行身份认证时，识别系统获取其特征并与数据库中的特征模板进行比对，以确定是否匹配，从而决定接受或拒绝该人。生物识别技术是目前最为方便与平安的识别技术，它不需要记住复杂的密码，也不需随身携带钥匙、智能卡之类的东西。生物识别技术认定的是人本身，没有什么能比这种认证方式更平安、更方便了。由于每个人的生物特征具有与其他人不同的唯一性和在一定时期内不变的稳定性，不易伪造和假冒，所以利用生物识别技术进行身份认定，平安、可靠、准确。此外，生物识别技术产品均借助于现代计算机技术实现，很容易配合电脑和平安、监控、管理系统整合，实现自动化管理。常见的生物识别技术主要有九种：指纹、脸形、虹膜、视网膜、手写体、声音、掌纹、手形和脸部热谱图等，指纹识别是生物识别技术的一种。迄今为止，最为人们所关注、最为成熟的生物识别技术就是指纹识别。近年来，国内外学者对自动指纹识别技术进行了深入和广泛的研究，取得了较大的进展，研究的重点主要集中在如何提高识别的准确率和速度。目前，己经有很多自动指纹识别的产品面市，并开始逐步在企业考勤、门禁、金融、公安和网络平安等领域得到应用。以指纹为代表的生物识别技术的开展和应用，不仅可以开发相关的系列产品，获得巨大的经济效益，还可以带动图像处理、模式识别、光学、电子、生理学和计算机应用等相关学科的开展，具有很高的学术价值，会产生巨大的社会效益。以指纹为代表的生物识别技术的开展和应用已被公认将会给身份识别领域带来一场革命，并已经成为各国学术界和工业界研究的热点之一。1.2数字图像处理开展概况本文的指纹识别模块的预处理过程都是基于数字图像处理的根底上实现的。数字图像处理〔DigitalImageProcessing〕又称为计算机图像处理，它是指将图像信号转换成数字信号并利用计算机对其进行处理的过程。数字图像处理最早出现于20世纪50年代，当时的电子计算机已经开展到一定水平，人们开始利用计算机来处理图形和图像信息。数字图像处理作为一门学科大约形成于20世纪60年代初期。早期的图像处理的目的是改善图像的质量，它以人为对象，以改善人的视觉效果为目的。图像处理中，输入的是质量低的图像，输出的是改善质量后的图像，常用的图像处理方法有图像增强、复原、编码、压缩等。首次获得实际成功应用的是美国喷气推进实验室〔JPL〕。他们对航天探测器徘徊者7号在1964年发回的几千张月球照片使用了图像处理技术，如几何校正、灰度变换、去除噪声等方法进行处理，并考虑了太阳位置和月球环境的影响，由计算机成功地绘制出月球外表地图，获得了巨大的成功。随后又对探测飞船发回的近十万张照片进行更为复杂的图像处理，以致获得了月球的地形图、彩色图及全景镶嵌图，获得了非凡的成果，为人类登月创举奠定了坚实的根底，也推动了数字图像处理这门学科的诞生。在以后的宇航空间技术，如对火星、土星等星球的探测研究中，数字图像处理技术都发挥了巨大的作用。数字图像处理取得的另一个巨大成就是在医学上获得的成果。1972年英国EMI公司工程师Housfield创造了用于头颅诊断的X射线计算机断层摄影装置，也就是我们通常所说的CT〔ComputerTomograph〕。CT的根本方法是根据人的头部截面的投影，经计算机处理来重建截面图像，称为图像重建。1975年EMI公司又成功研制出全身用的CT装置，获得了人体各个部位鲜明清晰的断层图像。1979年，这项无损伤诊断技术获得了诺贝尔奖，说明它对人类作出了划时代的奉献。与此同时，图像处理技术在许多应用领域受到广泛重视并取得了重大的开拓性成就，属于这些领域的有航空航天、生物医学工程、工业检测、机器人视觉、公安司法、军事制导、文化艺术等，使图像处理成为一门引人注目、前景远大的新型学科。随着图像处理技术的深入开展，从70年代中期开始，随着计算机技术和人工智能、思维科学研究的迅速开展，数字图像处理向更高、更深层次开展。人们已开始研究如何用计算机系统解释图像，实现类似人类视觉系统理解外部世界，这被称为图像理解或计算机视觉。很多国家，特别是兴旺国家投入更多的人力、物力到这项研究，取得了不少重要的研究成果。其中代表性的成果是70年代末MIT的Marr提出的视觉计算理论，这个理论成为计算机视觉领域其后十多年的主导思想。图像理解虽然在理论方法研究上已取得不小的进展，但它本身是一个比拟难的研究领域，存在不少困难，因人类本身对自己的视觉过程还了解甚少，因此计算机视觉是一个有待人们进一步探索的新领域。1.3指纹识别系统指纹识别系统分类自动指纹识别系统的工作模式可以分为两类：验证模式(verification)和辨识模式(identification)。验证就是通过把一个现场采集到的指纹与一个已经登记的指纹进行一对一的比对(one-to-onematching)，来确认身份的过程。作为验证的前提条件，他或她的指纹必须在指纹库中已经注册。指纹以一定的压缩格式存储，并与其姓名或其标识(ID，PIN)联系起来。随后在比对现场，先验证其标识，然后，利用系统的指纹与现场的指纹比对来证明其标识是否是合法的。所以指纹考勤系统属于验证。验证过程如图1-1所示：指纹库指纹库图1-1指纹验证过程用户ID用户ID图1-2指纹辨识过程辨识那么是把现场采集到的指纹同指纹数据库中的指纹逐一比照，从中找出与现场指纹相匹配的指纹。这也叫“一对多匹配(one-to-manymatching)〞。辨识过程如图1-2所示。指纹识别系统工作原理一般来讲，自动指纹识别算法体系大致由指纹图像采集、指纹图像预处理、特征提取、指纹分类和指纹比对几个局部组成。如图1-3所示：指纹图像输入指纹图像输入预处理特征提取特征比对结果输出图1-3指纹识别系统框图1.指纹图像采集较早出现的活体指纹采集设备是光电式的，现在仍为大多数自动指纹识别系统所使用。后来出现的电容式和电感式的采集设备，在某些条件下可提高指纹采集的质量，但在耐磨性和稳定性等方面还存在一些问题。对干、湿、脏的指头或磨损严重的指纹均能可靠、正确的进行采集和尽量减少采集时的变形是指纹采集技术需要解决的主要问题。到目前为止，光学采集头提供更加可靠的解决方案。通过改良原来的光学取像技术，新一代的光学指纹采集器更是以无可挑剔的性能与相对非常低的价格使电容方案相形见绌。光学技术需要一个光源从棱镜反射到按在取像采集头上的手指，光线照亮指纹从而采集到指纹。光学取像设备依据的是光的全反射原理(FTIR)。光线照到压有指纹的玻璃外表，反射光线由CCD去获得，反射光的量依赖于压在玻璃外表指纹的脊和谷的深度和皮肤与玻璃间的油脂和水分。光线经玻璃射到谷的地方后在玻璃与空气的界面发生全反射，光线被反射到CCD，而射向脊的光线不发生全反射，而是被脊与玻璃的接触面吸收或者漫反射到别的地方，这样就在CCD上形成了指纹的图像。由于最近光学设备的革新，极大地降低了设备的体积。这些进展取决于多种光学技术的开展而不是FTIR的开展。例如：可以利用纤维光束来获取指纹图像。纤维光束垂直射到指纹的外表，它照亮指纹并探测反射光。另一个方案时把含有微型三棱镜矩阵的外表安装在弹性的外表上，当手指压在此外表上时，由于脊和谷的压力不同而改变了微型三棱镜的外表，这些变化通过三棱镜光的反射而反映出来。2.预处理通常，指纹采集器采集到的指纹是低质量的，存在的噪声较多。通过预处理，将采集到的指纹灰度图像通过预滤波、方向图计算、基于方向图的滤波、二值化、细化等操作转化为单像素宽的脊线线条二值图像，基于此二值图像对指纹的中心参考点以及细节特征点特征等进行提取。指纹图像预处理是自动指纹识别系统根底，是进行指纹特征提取和指纹识别不可缺少的重要步骤。好的预处理方法可以使得到的单像素宽脊线线条二值图像更接近被提取者的指纹，更准确地反映被提取指纹的特征。因此可以使后续处理中提取的指纹特征更准确，特征提取更迅速。指纹图像预处理的一般过程如图1-4所示。指纹图像的预处理一般采用图像增强、二值化和细化的方法来抽取脊的骨架。这类方法受指纹图像质量的影响比拟大，难以得到令人满意的结果。很多研究者提出了不同的预处理方法，这些方法是用局部脊方向和局部自适应阈值来增强指纹图像，但各自都有一些局限性。例如，用分块的方法实现局部自适应阈值并得到该块内的脊方向。这些方法通常是分别得到骨架和方向流结构，缺乏相关性。预处理预处理预滤波方向图方向滤波二值化细化图1-4预处理框图3.特征提取指纹的特征点分为全局特征和(如奇异点、中心点)和局部特征(指纹细节点)。在考虑局部特征的情况下，英国的(E.R.Herry)认为，在比对时只要13个特征点重合，就可以确认是同一个指纹，对于不同的应用情况，要求匹配的特征点的个数会有所不同，如：用在公安刑侦时要求匹配特征点的个数就要比用在指纹考勤时多。指纹的细节特征可以有150种之多，但这些特征出现的概率并不相等，很多特征是极其罕见的。一般在自动指纹识别技术中只使用两种细节特征：纹线端点与分叉点。纹线端点指的是纹线突然结束的位置，而纹线分叉点那么是纹线突然一分为二的位置。大量统计结果和实际应用证明，这两类特征点在指纹中出现的时机最多、最稳定，而且比拟容易获取。更重要的是，使用这两类特征点足以描述指纹的唯一性。通过算法检测指纹中这两类特征点的数量以及每个特征点的类型、位置和所在区域的纹线方向是特征提取的任务。4.指纹分类指纹分类的主要目的是方便大容量指纹库的管理，减小搜索空间，加速指纹匹配过程。指纹分类技术越完善，能够划分的类型越细，样本数据库每个类别中所包含的样本数量就会越少，对一次识别任务来讲，需要比对的次数和时间开销就会越少。在大局部研究中，指纹一般分为五类：漩涡型(whorl)、左环型(leftloop)、右环型(rightloop)、拱型(arch)、尖拱型(tentedarch)。对于要求严格的指纹识别系统，仅按此分类是不够的，还需要进一步更加细致的分类。5.指纹比对指纹比对指的是通过对两枚指纹的比拟来确定它们是否同源的过程，即两枚指纹是否来源于同一个手指。指纹比对主要是依靠比拟两枚指纹的局部纹线特征和相互关系来决定指纹的唯一性。指纹的局部纹线特征和相互关系通过细节特征点的数量、位置和所在区域的纹线方向等参数来度量。细节特征的集合形成一个拓扑结构，指纹比对的过程实际就是两个拓扑结构的匹配问题。由于采集过程中的变形、特征点定位的偏差、真正特征点的缺失和伪特征点的存在等问题，即使是两枚同源的指纹，所获得的特征信息也不可能完全一样，指纹比对的过程必然是一个模糊匹配问题。6.可靠性问题计算机处理指纹图像时，只是涉及了指纹有限的信息，而且比对算法不是精确的匹配，因此其结果不能保证100%准确。指纹识别系统的重要衡量标志是识别率，它主要由两局部组成：拒判率(falserejectrate，FRR)和误判率(falseacceptrate，FAR)。我们可以根据不同的用途来调整这两个值，FRR和FAR是成反比的，可以用1~1.0的数或百分比来表示。图1-5的ROC(ReceiverOperatingCurve)曲线给出FAR和FRR之间的关系。尽管指纹识别系统存在可靠性问题，但其平安性也比相同可靠性级别的“用户ID十密码〞方案的平安性高得多。例如采用四位数字密码的系统，不平安概率为0.01%，如果同采用误判率为0.01%指纹识别系统相比，由于不老实的人可以在一段时间内试用所有可能的密码，因此四位数密码并不平安，但是他绝对不可能找到一千个人去为他把所有的手指(十个手指)都试一遍。正因为如此，权威机构认为在应用中1%的误判率就可以接受。FRR实际上也是系统易用性的重要指标。由于FRR和FAR是相互矛盾的，这就使得在实际应用系统的设计中，要权衡易用性和平安性。一个有效的方法是比对两个或更多的指纹，从而在不损失易用性的同时，最大限度地提高了系统的平安性。TOC\h\z\c"图表"错误！未找到图形工程表。图1-5FAR和FRR之间的ROC关系曲线1.4本文的结构安排本文的主要内容：(1)首先介绍了指纹识别技术的开展现状及原理，数字图像处理的现状。(2)在第二局部针对单机式指纹考勤系统的硬件组成和控制软件进行了简要的介绍。(3)第三局部介绍了指纹识别模块，指纹识别模块是指纹识别系统的核心局部，所以我们对指纹识别算法进行了详细的阐述。对于预处理过程，提出了新的算法。本文提出的算法得出指纹图上各像素点的局部方向性，并据此对指纹图做相应方向的切向平滑，锐化滤波，然后做二值化、细化处理，从而得到指纹的细化图像。(4)最后通过Matlab程序仿真得到了理想的图像，验证了算法的可行性。2指纹考勤系统的构造介绍2.1系统结构框图本指纹考勤机的最主要特点是将独立识别与联网设置相结合。独立识别是指，考勤机本身就具有识别、验证、登记、修改、删除指纹以及考勤登记、门控等管理功能，可以完全脱离PC机独立完成指纹考勤任务。联网设置是指，利用485网络，把多台指纹考勤机与一台管理PC机连接起来，通过管理PC机，可以统一设置所有联网指纹考勤机的运行参数，如统一设置时间、进出状态，统一设置指纹识别参数，统一管理每台指纹考勤机中的所有指纹，使用户的指纹可以做到一次登记，多处使用。图2-1是利用本指纹考勤机组成的指纹考勤系统框图。在平时一般情况下，各台指纹考勤机自行完成指纹的登记、识别、考勤登记、门控等功能，无须与管理PC机发生关系。管理PC机定时(如一周/一月)通过485网络与联网的所有指纹考勤机通讯，从各台指纹考勤机中读取考勤记录和已登记用户的指纹数据，并根据管理需要，统一修改各台指纹考勤机的参数，调整用户从不同门进出的权限。pc管理机485网络1号考勤机2号考勤机…N号考勤机1号门控2号门控1号门控图2-1指纹考勤系统网络框图2.2指纹考勤系统硬件介绍指纹考勤系统的硬件是以CPU中央处理器为中心进行设计的。CPU根据用户的指令，在控制软件的指挥下，统一管理各模块或设备，使整个指纹考勤机有序地运行。图2-2是指纹考勤机的硬件结构框图。LCD液晶显示器LCD液晶显示器4×4键盘蜂鸣器CPU中央处理器485联网通信接口指纹识别模块电源供电实时时钟大容量存储器图2-2指纹考勤机硬件结构框图指纹考勤系统除了核心的CPU及其控制软件外，主要有指纹识别模块、液晶显示器、4×4键盘、大容量存储器、实时时钟、通讯接口等设备模块。指纹识别模块是指纹考勤机与其他类型考勤机最不同的特征。指纹识别模块通过指纹采集传感器采集指纹图像，对指纹图像进行锐化等预处理后，从指纹图像中提取指纹特征，然后压缩存储在模块中。指纹识别时，同样是采集、预处理、提取指纹特征等步骤，之后与已经存储在模块中的所有指纹特征进行比对，根据设置的识别率，判断是否有相同或相似的指纹，并返回识别结果。4×4键盘、大屏幕LCD液晶显示器和蜂鸣器是指纹考勤机的人机交互接口设备。用户通过键盘输入用户信息；液晶显示器可显示当前日期、时间，以及识别的用户编号、错误代码等信息；蜂鸣器可以给用户提示操作状态和识别结果。大容量存储器用来存储考勤记录和设备参数。由于采用大容量、掉电不丧失数据的存储器，指纹考勤机可以同时存储6000多条考勤记录，省去频繁读取和去除考勤记录的麻烦。实时时钟用于实时产生系统时间，即使停电也不会影响实时时钟的运行，提高考勤记录的准确性。485通讯联网接口是指纹考勤机与管理PC机通讯的通道。通过联网接口，指纹考勤机可以将考勤记录或指纹数据上载到管理PC机，管理PC机也可以设置指纹考勤机的各项参数，下载新的指纹等。2.3软件功能介绍指纹考勤机系统的软件，根据系统结构划分，可分为指纹考勤机上的控制软件和计算机上的通讯接口管理设置软件这两种。指纹考勤机的控制软件功能主要包括四类：考勤识别验证、用户指纹管理、考勤机设置、联机管理。计算机上的通讯接口管理设置软件包括：与指纹考勤机进行串行通讯的接口动态连接库，与指纹考勤机的联机管理功能相配套的管理设置程序。2.3.1指纹考勤系统的控制软件指纹考勤机系统的控制软件功能主要包括四类：考勤识别验证、用户指纹管理、考勤机设置、联机管理。控制软件全部采用MCS-51汇编语言设计。以下是控制软件功能的详细说明。1.考勤识别、验证：(1)根据用户输入的组号(0-9)和指纹，自动识别验证用户，并记录该用户的考勤信息，包括：进出状态、组号、编号、时间等；(2)可在管理员的干预下进行手工考勤；(3)在5分钟内重复考勤，只记录一次考勤数据。2.用户指纹管理：用户管理功能必须先验证管理员的指纹；(1)管理员的编号、指纹的登记、修改、删除；(2)普通用户的组号、编号、指纹的登记、修改、删除；(3)每个普通用户可登记1-2枚指纹；(4)统计管理员和普通用户的指纹登记总数。3.考勤机设置：(1)设置考勤机的进出状态；(2)设置当前日期、时间。4.联机管理：(1)设置考勤机的日期、时间；(2)设置考勤机的网络地址码；(3)设置考勤机的进出状态；(4)获取考勤机中用户指纹总数和指纹编号详细列表；(5)删除考勤机中指定用户指纹或所有指纹；(6)获取和设置考勤机中指定用户指纹的特征数据；(7)获取考勤机中考勤记录总数和详细考勤记录；(8)删除考勤机中所有考勤记录。2.3.2控制软件流程框图控制软件的功能管理循环、控制软件主循环的及控制软件的考勤操作如图2-3、2-4、2-5所示：图2-3控制软件的功能管理循环进/出状态切换进/出状态切换不分组考勤分组考勤用户管理初始化0-9确认按键等待按键进出功能键图2-3控制软件的主循环分组考勤分组考勤指纹识别显示指纹编号输入用户指纹编号返回保存考勤记录〔日期，时间，指纹编号，〕进出状态显示组号不分组考勤验证管理员指纹人工考勤图2-5控制软件的考勤操作2.4系统硬件的实现指纹考勤机的硬件是以CPU中央处理器为中心进行设计的。CPU根据用户的指令，在控制软件的指挥下，统一管理指纹识别模块、液晶显示器、4×4键盘、大容量存储器、实时时钟、通讯接口等设备模块，使整个指纹考勤机有序地运行。2.4.1CPU控制处理器指纹考勤机的CPU选用集成度和性能比拟高的MCS51兼容系列单片机AT89C52。AT89C52单片机内集成有8KFlashROM程序存储器，256字节内部RAM，2个外部中断，3个定时器，1个串行通讯口，32个通用双向I/0端口，非常适合作为指纹考勤机这种设备的内嵌控制处理器。AT89C52单片机的8KFlashROM程序存储器，可以重复编程擦写1000次以上，特别适合用来开发和调试控制程序，而且8K的容量足以设计开发相当复杂的控制逻辑。256字节的内部RAM可以用来保存控制过程中产生的参数，以及与指纹识别模块或计算机进行通讯时的临时数据。串行通讯口用来与指纹识别模块和计算机进行通讯。其他通用双向I/O口用来检测键盘的按键信号，以及控制液晶显示器的显示、大容量存储器和实时时钟的读写操作。2.4.2指纹识别模块指纹识别模块采用CPU内嵌式的、具有RS232接口的指纹识别系统独立模块FDA01，能方便自如地集成于各类指纹识别应用产品中。其详细介绍详见“第三章指纹识别模块〞。2.4.3人机接口键盘、显示器和蜂鸣器是指纹考勤机的人机交互接口设备。用户通过键盘输入指令，如登记、修改、识别等；液晶显示器可显示当前日期、时间，以及识别的用户编号、错误编号、错误代码等信息；蜂鸣器可以给用户提示操作状态和识别结果。键盘采用行列式的接口设计，由4个I/O线组成4行输入口，令4个I/O线组成4列输出口，在行列线的每个交点上，设置一个按键，共组成4×4=16个有效按键。读键值方法采用扫描方式，即4个输出口按位轮流输出低电平，同时从输入口读入4位按键信息，最后用软件方法获得按键码值。这种方法占用的I/O口线比拟少，并且需要采用位操作，因此在单片机系统中是最为常用的。2.4.4大容量数据存储器大容量数据存储器主要用来保存考勤记录，由于考勤记录必须在一段时间内有效保存，并且不能因断电而丧失数据，因此选用E2PROM芯片作为存储器。2.4.5实时时钟指纹考勤机中的实时时钟是所有考勤记录的时间基准，实时时钟不仅要满足时间的准确性，同时还要求在停电时仍能正常计时。作者选用DALLAS公司的DS1302芯片作为实时时钟。2.4.6联网通讯接口指纹考勤机的联网通讯接口采用RS232接口和RS485接口共用的方式。如果采用RS232接口连接，那么按RS232协议通讯，如果采用RS485接口连接，那么按485多机联网协议通讯。RS232通讯口和RS485通讯口连接方式不同，所以不能同时使用。2.5指纹考勤机的特性(1)指纹识别，考勤时只需轻压手指，杜绝作弊可能；(2)无需考勤卡，不存在制卡和磨损问题；(3)单机独立运行，考勤时不需要电脑支持，尽可能降低整体系统故障点；(4)系统整体本钱低廉，无需制卡，考勤软件对计算机无特别要求；(5)适应不同企业规模，可单机运行，也可以多台机器联网运行；(6)大屏幕液晶显示，淡黄色背光，清晰直观；(7)具有掉电数据保护功能，断电后数据可以保存10年；(8)蜂鸣器及时反映不同操作状态；(9)提供门禁输出接口。3指纹识别模块指纹识别模块是考勤系统的关键局部，其工作过程中的预处理局部是作者重点研究的局部。本章将对指纹识别模块的结构进行阐述，并对预处理过程提出了自己的算法。3.1FDA01指纹识别模块结构组成FDA01指纹识别模块由指纹处理模块和光学指纹采集头组成，其结构框图如图3-1所示。光学指纹采集头光学指纹采集头PLD解码32位高性能RISCCPU外围I/O接口RS232接口1MDRAM存储器8MFlash存储器电源供电指纹识别模块图3-1FDA01指纹识别模块结构框图指纹处理模块带有高性能的32位RISCCPU(Intel的StrongARM1110)，工作在约150—170MHz主频上，模块板上还带有1MB的DRAM和8MB的FlashROM闪存，以及与光学采集头及接口的PLD解码单元和外围I/O接口单元。指纹处理模块通过PLD解码单元控制光学指纹采集头采集指纹图像，然后经过性能优异的指纹算法提取出无畸变的指纹图像特征值用于完成指纹比对功能，指纹特征值经数据加密后，保存在FlashROM闪存中。FlashROM闪存由于不受掉电影响，可以保存指纹采集识别算法和指纹数据管理软件，同时还可以保存640枚指纹数据。但是FlashROM闪存的存取速度比拟慢，因此实际上，指纹采集识别算法、管理软件以及指纹数据都是先传送到DRAM中，然后在速度较快的DRAM中运行。指纹处理模块通过RS232串行通讯接口与外围控制器通讯，外部控制器根据规定的通讯协议和指令模式，通过串行接口，向指纹处理模块发送控制指令，并接受返回的状态或数据，从而完成所有指纹识别处理功能。外围控制器是通过一个15脚的连接器与FDA01指纹识别模块实现两者之间的命令和数据的串行传输。3.2指纹图像输入指纹取像为数字图像后才能被计算机识别，指纹图像的质量直接影响到识别的精度以及指纹识别系统的处理速度，因此指纹取像技术是指纹识别系统的关键技术之一。指纹取像技术有多种，目前按原理可分成两大类：光学取像技术和非光学取像技术。3.2.1光学取像技术光学取像技术是目前常用的可靠性好的指纹取像技术。(1)扫描仪和数码相机使卡片或照片上的捺印指纹或现场实物上的指纹印迹直接被取像设备中的光电耦合器件(CCD)获取，并经数字化器件转换得到数字化图像。(2)光学活体指纹摄入仪利用了光的全反射原理。即当光源照到按有手指的玻璃棱镜外表时，入射光经玻璃射到指纹纹谷后，在玻璃与空气的界面发生全反射，反射回CCD的光强损失很少。而射向指纹纹脊的光线不发生全反射，被纹脊与玻璃的接触面吸收或者发生漫反射，这样反射回CCD的光强就大大减弱，因此纹谷和纹脊的不同反射光强由CCD获得并被数字化器件转换为灰度图像。反射光强的损失受压在玻璃棱镜外表指纹的纹脊和纹谷的深度，以及皮肤与玻璃之间的油脂和水分的影响。关于光学取像技术的新技术(CCD原理不变)有：(1)利用小纤维光束来获取指纹图像。小纤维光束垂直射到指纹的外表，它照亮指纹，并通过探测指纹反射光来获取图像。(2)把含有微型三棱镜矩阵的外表安装在指纹采集仪的弹性外表上。当手指压在此外表上时，由于指纹纹脊和纹谷的压力不同而改变了微型三棱镜的外表，通过三棱镜的反射光强发生变化，从而产生指纹灰度图像。这些技术的采用可以减小光学活体指纹摄入仪的体积。光学活体指纹摄入仪可对较大面(大于或等于1平方英寸)的指纹区域取像，但只能通过人工方式来调整指纹图像的质量。3.2.2非光学取像技术非光学取像技术目前主要有两类：半导体传感器取像和超声波扫描取像。1.半导体传感器取像技术半导体取像传感器是最近几年才出现的，主要有：(1)硅电容传感器。它是最常见的半导体取像传感器。在半导体硅片外表约有100000个电容传感器，其外面是绝缘外表，当用户将手指按压在该半导体外表上时，皮肤组成了电容阵列的另一面。由于指纹纹脊和纹谷相对于另一极之间的距离不同(纹路深浅的存在)，导致硅外表电容阵列的各个电容电压不同，通过测量并记录各点的电压值就可以获得具有灰度级的指纹图像。(2)半导体压感式传感器。它的外表的顶层是具有弹性的压感介质材料。当用户将手指按压在该半导体外表上时，这些压感介质将指纹纹脊和纹谷的不同压力转化为相应的不同电信号，并进一步产生具有灰度级的指纹图像。(3)半导体温度感应传感器。它通过感应压在半导体外表上的指纹纹脊和远离半导体外表的纹谷的温度不同来获得指纹图像。半导体指纹传感器使用了可以局部调整的自动控制技术，可以自动调节指纹图像像素行，以及指纹局部范围的灵敏度，产生高质量的指纹图像。例如：通过增强半导体传感器的灵敏度可以感知一个比照度差的指纹图像(如枯燥的指纹)，从而产生清晰的指纹图像；通过局部调整可以检测指纹图像不清晰的区域(如手指压得较轻的地方)。由于制造较大尺寸的半导体传感器非常昂贵，所以通常半导体传感器的指纹取像区域小于1平方英寸。半导体传感器取像技术主要缺点是：易受静电(电缆线、用户接触以及取像器内部的静电)的影响，有时会获取不到图像，甚至会被损坏；不像玻璃一样耐磨损，从而影响了使用寿命；手指的汗液中的盐分或者其他的污物，以及手指磨损都会使半导体传感器的取像很困难。同光学全反射取像相比，半导体传感器取像的优点是：分辨率可高达600dpi，体积小，功耗小。2.超声波扫描取像技术超声波扫描技术被认为是指纹取像技术中最好的一种，但在指纹识别系统中还不多见，还处于实验阶段。超声波指纹取像的原理是：当超声波扫描指纹的外表，紧接着接收设备获取的其反射信号，由于指纹纹脊和纹谷的声阻抗的不同，导致反射回接受器的超声波的能量不同，测量它的大小，从而产生指纹灰度图像。积累在皮肤上的脏物和油脂对超声波取像影响不大，所以这样获取的图像是实际指纹纹路凹凸的真实反映。3.3指纹识别模块算法3.3.1预处理指纹的特征是指指纹脊线的某种构型，如端点、分叉等。为了提取这些特征，必须先把灰度的指纹图处理为二值线型图，此过程即指纹图像预处理。图像预处理是指纹自动识别过程的第一步，它的好坏直接影响着指纹识别的效果。图像预处理通常包括增强、分割、细化等几个步骤。增强是通过平滑、锐化、灰度修正等手段，改善图像的视觉效果；分割那么是把图像划分为假设干个区域，分别对应不同的物理实体；细化那么是把分割后的图像转为只有一个像素点宽度的线型图，以便特征提取。在预处理过程中，必须保证尽可能不出现伪特征，并尽量保持其真实特征不受损失。这里所谓的真实特征是指实际存在的指纹脊线构型，而不是指纹图上表现出的构型。由于在指纹摄取时手指用力不均匀，在用力的区域纹线可能会出现误连，而在用力小的区域可能会出现纹线误断。在这种情况下，用通常的基于灰度的预处理方法就会产生误特征。为了防止这种情况，可以利用指纹图的局部方向特性，即在纹线的切线方向上进行平滑，在其法线方向上进行边缘锐化，以求得最接近指纹实际构型的处理结果。作者提出的算法得出指纹图上各像素点的局部方向性，并据此对指纹图做相应方向的切向平滑及法向锐化滤波，然后做二值化、细化处理，得到较为满意的线型图。1.方向滤波算法指纹图像获取时，由于噪音及压力不同等的影响，将会导致两种破坏纹线的情况：断裂及叉连。这两种噪音必须去除，否那么会造成假的特征点，影响指纹的识别。如断裂可能被认为是两个端点，而叉连可能被当作两个分叉点。为了消除干扰及增强纹线，针对指纹纹线具有较强方向性的特点，我们采用方向滤波算法对其进行增强，为此必须利用指纹图上各个像素点上的局部方向性。(1)方向图的获取方向图是用每一个像素点的方向来表示指纹图像。像素点的方向是指其灰度值保持连续性的方向，可以根据像素点邻域中的灰度分布来判断，反映了指纹图上纹线的方向。我们设定8个方向，如图3-2所示，各方向之间夹角为π/8，以1～8表示。每个像素点上方向值的判定是在其N×N邻域窗口中得到的。邻域窗口的尺寸并无严格限定，但其取值与图像的分辨率直接有关。如果邻域取得过小，那么难以从其中的灰度分布得出正确的方向性；假设取值过大，那么在纹线曲率较大的区域窗口内纹线方向不一致，会对以后的滤波操作造成不良影响。一般可取N为1～2个纹线周期。实验中取N=9，该9×9邻域窗口如图3-3所示。6565812347812347图3-28个方向p71p61p51p41p31p81p72p62p52p42p32p21p82p11p14p13p12p22p23p83p24p33p43p53p63p73p84p34p44p54p64p74图3-39×9邻域窗口分别求出沿各个方向的灰度变化：(3-1)(3-2)其中d′代表与d垂直的方向，即d′=(d+4)mod8；是点的灰度值，是d方向上的第k点，(,)，(,)分别是点与的灰度值。点的方向应该是取值最小、取值最大的方向。这不仅考虑了指纹纹线的切线方向灰度变化最小，同时考虑它的法线方向应是灰度变化最大的方向。当时分别求出/，进一步得到其最小值S=min(/)，的方向取与S对应的d。(2)方向图的平滑算法方向图求出后，由于纹线中的毛刺、背景中的细小污点等影响，会存在一定的噪音，需要对其进行平滑。方向图平滑的根本思想是：指纹纹线的走向是连续变化的，邻近像点上的方向不应该有突然的大角度转折。平滑也是在窗口中进行的，窗口中心像点上的平滑结果由窗口中各像素点方向值及其分布确定。设N(d)是某一像素在8邻域中方向为d的像素个数，N(d)的最大值定义为N(D1)，次大值定义为N(D2)，其对应的方向值分别是D1和D2，是点校正后的方向代码。按如下算法平滑：(3-3)(3)方向滤波器的设计在得到指纹的方向图后，可以根据每个像素点的方向值，利用方向滤波器对指纹进行滤波，以消除噪音、增强纹线、提高脊和谷之间的反差。一般情况下处理图像只需一个滤波器，而方向滤波器是一系列与像素点方向有关的滤波器，使用时根据某一块区域的方向特征，从一系列滤波器中选择一个相应的滤波器来对这一块进行滤波。由于其应用的特殊性，决定其特殊的设计方法。滤波器设计原那么如下：1)滤波器模板的尺寸要适宜。模板过小难以到达良好的去除噪音、清晰化效果；模板过大那么可能在纹线曲率较大处破坏纹线构型。一般取模板边长为1～1.5个纹线周期；2)模板边长为奇数，模板关于其朝向轴及朝向垂直方向轴均为对称；3)为提高脊、谷之间的灰度反差，到达边缘锐化的效果，模板应设计为：在垂直于朝向方向上，中央局部系数为正，两边系数为负；4)滤波结果应与原图的平均灰度无关，因此模板中所有系数的代数和应为零。根据本文所设计滤波器的特点，如果指纹中出现断点，即这一点的灰度值比周围点小得多，经过滤波器的处理后就接近周围点的灰度值了；如果指纹中出现叉连点把相邻的两条脊线连接起来，那么其上下两行的灰度值较大，而其同一行上邻点的灰度值较小，经过滤波后叉连点的灰度值会明显降低。所以此滤波器起到了连接断点和去除叉连的作用。2.局域自适应二值化算法以上所得的是增强后的256级灰度图像，需要将其进一步二值化。二值化指纹图像是将灰度图像变成0、1两个灰度级的图像，前景点(指纹脊线)取作1，背景点取作0，以把指纹脊线提取出来，便于后续处理。根据指纹图中脊线与谷线宽度大致相等的特点，即二值化后黑白像素的个数应大致相同，采用局部域值自适应算法。把指纹图分成w×w(w为一个纹线周期)的子块，在每一子块内计算灰度均值：(3-4)为子块内的灰度值。在该块内假设某一点的灰度值>AV，那么=1；假设≤AV，那么=0。对每一块都进行这样的处理，可得到指纹的二值图像。3.二值化后的去噪由于灰度去噪的不完全及二值化过程又可能引入噪音，所以对二值化后的指纹图像还需要进行一次二值滤波去噪，目的是去除或减弱图像中的噪音，增强图像中有意义的局部。这一过程可以填补二值化后纹线上的孔洞或者删除模式上的“毛刺〞和孤立的值为1的像素，即包括填充和删除两个算法。1)填充填充算法把同时满足以下条件的像素p值取为1：a)p为0像素；b)p的四邻域中有三个以上的邻点为1像素。图3-4表示填充算法的一个例子。2)删除删除算法把同时满足以下条件的像素p值取为0：a)p为1像素；b)(p1+p2+p3)(p5+p6+p7)+(p3+p4+p5)(p7+p8+p1)=0；c)p不是端点。图3-5表示删除过程的一个例子。其中p1～p8(值为0或1)定义如图11所示。经过去噪后，原二值图中的大局部孔洞和“毛刺〞被有效地去除了。111101000111111000图3-4填充过程实111010000111000000图3-5删除过程实例SHAPEp4p3p2p5pp1p6p7p8图3-6模板3〕除上述方法之外，中值滤波也是一种很好的平滑方式。中值滤波是一种非线性信号处理方法，与其对应的中值滤波器也是一种非线性滤波器。中值滤波是在1971年由J.W.jukey首先提出并应用在一维信号处理技术中〔时间序列分析〕，后来应用于二维图象平滑中。在一定的条件下可以克服线性滤波器如最小均方滤波、平均值滤波〔平滑滤波〕等所带来的图像细节模糊，而且对滤波脉冲干扰及图像扫描噪声最为有效。在实际运用中不需要图象的统计特性，这带来很多的方便，但是对一些细节多，特别是点、线、顶尖细节多的图像不宜采用中值滤波方法。中值滤波就是用一个奇数的滑动窗口，将窗口中心点的值用窗口内各点的中值代替。设有一个维序列，取窗口长度〔点数〕为m〔m为奇数〕，对此一维序列进行中值滤波，就是从输入序列中相续抽出m个数其中为窗口中心点值，。在将这m个点值其数值大小排序，取其序号为中心点的那个数作为滤波输出，用数学公式表示为(3-5)例如：有一个序列为{0，3，4，0，7}，那么中值滤波的为重新排序后的序列{0，0，3，4，7}的中间值为3。此例假设用平均滤波输出为〔0+3+4+0+7〕/5=2.8。又例如，假设一个窗口内各像素的灰度是5，6，35，10和15，它们的灰度中值是10，中心像素点原灰度值是35，滤波后变为10，如果35是一个脉冲干扰，中值滤波后被有效抑制。相反35假设是有用的信号，那么滤波后也会受到抑制。二维中值滤波可由下式表示：〔3-6〕其中A为窗口，为二维数据序列。二维中值滤波的窗口形状和尺寸对滤波效果影响较大，不同的图象和不同的应用要求，往往采用不同的窗口形状和尺寸。常见的二维中值滤波窗口形状有线状、方型、圆形、十字形及圆环形等，其中心点一般位于被处理点上，对有有缓变的较长轮廓线物体的图像，采用方形或者圆形窗口为宜，对于包含有尖角物体的图像，适用十字形窗口，而窗口的大小那么以不超过图像中最小有效物的尺寸为宜。使用二维中值滤波最值得注意的问题就是要保持图像中有效的细线状物体，如果包含有点、线、尖角较多的图像不宜采用中值滤波方法。4．图像增强图像在传输或者变换过程中，可能会受到干扰而导致图像模糊。因此，我们有必要对图像进行增强处理，本文以频域高通滤波法进行介绍。频域高通滤波：因为边缘及灰度级中其他的急剧变化都与高频分量有关，在频域中用高通滤波处理，能够获得图像锋利化。高通滤波器衰减傅立叶变换中的低频分量，而无损傅立叶变换中的高频信息。在频域中实现高通滤波，滤波的数学表达式是(3-7)其中是原图像的傅立叶频谱，是锐化图像的傅立叶频谱，是滤波器的转移函数〔即频谱响应〕。那么对高通滤波而言，使高频分量通过，低频分量抑制。常见的高通滤波器有：理想高通滤波器一个二维理想高通滤波器的传递函数定义为(3-8)式中是点到频率平面原点的距离，是频率平面上从原点算起的截止距离既截止频率。巴特沃斯高通滤波器n阶的具有截止频率的巴特沃斯高通滤波器的传递函数定义为(3-9)式中是点到频率平面原点的距离。值得注意的是：当时，下降到最大值的1/2。通常是用这样的方法来选择截止频率的，使该点处的下降到最大值的。此式易于修改使它本身满足这一约束条件，即利用下式：(3-10)5.细化及细化后的去噪处理细化是图像分析、信息压缩、特征提取和模式识别常用的根本技术，它使图像的每条纹线都变为单像素宽的“点线〞，且细化后的纹线近似处于原图的“中轴〞。在指纹的自动识别过程中，需要把二值指纹图进行细化，可以大大减少冗余的信息，突出指纹纹线的主要特征，从而便于后面的特征提取。细化过程中，在判断是否删除一个前景像素点时，需要考虑其3×3邻域中除其自身外的8个像素点中的连接成分数。如果此连接成分数为1，那么说明删除当前像素点不会改变原图的连通性；假设大于1，那么改变了原图的连通性。令为p的8邻域中的连接成分数，那么其由序列p1p2p3p4p5p6p7p8p1中0→1变化的次数可以得到。本文采用逐层迭代算法。本算法把一次迭代分作两次扫描，细化过程中由周边向中间逐层细化，使细化结果位于原图的“中轴〞。令BN为3×3窗口内目标像素的个数：，两次扫描中需满足的条件为：1)2≤BN≤6(排除p为端点和内部像点的情况)；2)假设已标记pi视为1时，有=1(保证删除当前像素不会改变原图的连通性)；3)p的值是1(保证p为前景点)；4)当p3或p5已标记时，假设视p3，p5为0，依然有=1(保证宽度为2的线条只删除一层像点，防止其断开)。本细化算法重复执行如下两个步骤：第一步：从左到右，从上到下顺序扫描图像，对同时满足以上条件的像素，如果p1p3p7=0且p1p5p7=0，那么将其作上标记；第二步：从左到右，从上到下顺序扫描图像，对同时满足以上条件的像素，如果p1p3p5=0且p3p5p7=0，那么将其作上标记。当扫描完整幅图像后，去掉作了标记的像素。重复一、二步过程，直至得到单位宽度的线条为止。经过此细化算法处理后，得到单像素宽的8连通的指纹图像。经上述处理有利于特征提取。3.3.2指纹特征提取和比对1.指纹的特征提取和剪枝由细化所得的指纹点线图，很容易找到指纹的细节特征：端点和分叉点，记录这些特征的位置、类型和方向。因为指纹预处理的不完善性，在细化后的纹线图中总存在或多或少的伪特征点。因此，就有必要对这些粗筛选出的特征进行剪枝，以到达去伪存真的目的。细节特征剪枝的标准主要依赖于以下三个条件：a)特征点到边缘的距离；b)细节特征间的距离和角度关系；c)指纹脊线和细节特征的空间分布。根据以上三个条件组合各种特征剪枝的标准，凡符合标准的特征点删除，其余的给予保存。保存下来的特征点以链码方式记录它们之间的相对位置关系，用以与指纹库中的数据比对匹配。2.指纹的比对在进行指纹比对之前，一定要存在指纹数据库。建立指纹数据库，一般要采集同一枚指纹的3～5个样本，分别对这些样本进行预处理和特征抽取，由特征点间的相互位置关系确定样本图像是否两两匹配，根据特征点被匹配上的次数，确定该特征点的匹配权值，从所有样本图像中找出权值大于给定阈值的特征点，以这些特征为模板建立指纹数据库样本。对于待匹配的指纹图像，经预处理和特征提取后，形成一个坐标链码记录，根据这些特征的相互位置关系与指纹数据库中的样本做图形匹配，得到最终的识别结果。4基于指纹预处理算法的实验结果4.1指纹图像的获取首先，对指纹进行灰度化处理。实现程序如下：I=rgb2gray(zhiwen.jpg)；%灰度化figure，imshow(I)；得到图像如图4-1所示图4-1指纹灰度图像4.2方向图的获取根据像素点邻域中的灰度分布来判断，反映指纹图上纹线的方向。根据对指纹图中的每一像素都按第三章中方向滤波算法中介绍的算法进行操作，可以得指纹的方向图如图4-2所示。将方向图中各像素点的方向值乘以30，并作为该点的灰度值。根据各点的亮暗可判断其方向值。图4-2指纹的方向图4.3方向图的平滑方向图求出后，需要平滑图中的噪音。根据第三章中介绍的算法，设置公式(3)中的各界值。(4-1)得到的平滑图如下：图4-3平滑后的方向图4.4方向滤波器的设计根据第三章的设计原那么，设计指纹滤波器。先求水平滤波器的设计其它方向的滤波器可以通过旋转得到。首先确定滤波器模板的尺寸。滤波器大小一般为n×n，n约为一个纹线周期，本实验中设置取n=7。滤波器的系数分布如图4-4所示。-z/3-2z/3-z-z-z-2z/3-z/3y/32y/3yyy2y/3y/3x/32x/3xxx2x/3x/3u/32u/3uuu2u/3u/3x/32x/3xxx2x/3x/3y/32y/3yyy2y/3y/3-z/3-2z/3-z-z-z-