基于ARM9的指纹识别门禁系统设计

现代社会高速发展，很多场合需要身份确认，传统的身份识别技术已经不能满足社会要求。人的身体特征具有不可复制性，因此人们开始研究生物识别技术，而指纹具有唯一性、终生不变性、难于伪造等特点，安全性高，因而得到了广泛应用。在一些机要部门，如银行、宾馆、机房等一般都安装有门禁系统，门禁系统是为保障人们生活、工作及财产安全， 对重要通道的出入口进行管理与控制的系统，基于指纹识别技术的门禁系统是一项高科技安全设施，提高了系统的安全性。ARM作为一种嵌入式系统处理器，具有高性能、低功耗、低成本等特点，因而在工业控制领域、成像和安全产品方面得到了广泛应用。本文介绍了基于嵌入式ARM9体系结构的指纹识别原理与处理方法，以及指纹识别门禁系统的软硬件设计方法。

指纹识别效果图

　　1 指纹识别原理及处理方法

　　指纹识别技术通过分析指纹的局部特征，从中抽取详尽的特征点，从而可靠地确认个人身份。指纹识别技术主要涉及四个功能：读取指纹图象、提取特征、保存数据和比对。首先从获取的指纹图像上找到“特征点”，然后根据特征点的特性建立用户活体指纹的指纹特征数据（一种单向的转换，可以从指纹图像转换成特征数据但不能从特征数据转换成为指纹图像）。由于两枚不同的指纹不会产生相同的特征数据，所以通过对所采集到的指纹图像的特征数据和存放在数据库中的指纹特征数据进行模式匹配，从而计算出它们的相似程度，最终得到两个指纹的匹配结果，根据匹配结果来鉴别用户身份。

　　1.1 指纹图像的采集

　　光学取像有着悠久的历史，它可以追溯到上世纪70年代，依据的是光的全反射原理。现在一般采用光学指纹传感器来采集指纹，取得指纹具有图像清晰、功耗低、稳定性高等特点。本系统采用的是TFS-D0303光学指纹传感器。

　　1.2 指纹识别的算法实现

　　指纹识别算法的有效性直接影响着指纹识别的精确度和指纹识别门禁系统的安全性和稳定性，对整个门禁的安全性和可靠性起着决定性的作用。指纹识别算法的处理过程主要包括： 图像处理、纹路细化、特征提取和特征匹配等（见图1）。

 

图1 指纹识别流程图

　　预处理在指纹识别中是不可缺少的步骤。其目的是去除图像获取时所引入的噪声，消除低质量图像的影响，以便后续环节能够正确地进行特征提取和分类识别。预处理过程主要包括图像分割、平滑、图像增强、二值化和细化等步骤，每经过一个步骤都可以改善图像的质量，有利于后面的工作。

　　环境温度的影响或手指干燥可能会使指纹图像产生纹线不连续。对于指纹纹线不连续的指纹图像，一般要经过平滑滤波处理，这也是对图像进行模糊化，使断裂的纹线边界经过模糊后连接起来。在本算法中采用低通滤波器对各块指纹图像的方向信息进行块水平的平滑，修正不准确的计算结果。

　　具体方法为先计算θ（x, y）在X轴和Y轴上的投影分量：

 

　　低通滤波表示为:

 

　　式中，H（u, v） 为二维低通滤波器；wl×wl为5×5滤波器尺寸；w为图像子块尺寸（本算法取w=10个像素大小）。

　　经过纹路细化， 二值化图像的纹路线被细化为只有一个像素宽的连接线段。显示了原始指纹图像、增强后的二值化图像以及细化后的二值化图像。指纹的特征点信息是从细化后的二值化图像中提取的。从细化后的二值化图像中找到分叉点或端点，然后从这些点开始寻找纹路轨迹。通过这些点，纹路的形状被计算出来。这些形状数据、点的类型以及点的位置就作为该指纹图像的特征点被记录下来。

　　特征匹配是根据两幅图像特征点的最大匹配点支持数来确定的。假设有甲和乙两幅图像，首先依次以甲图的每一个特征点为基准，依次计算乙图像中每个和甲图中基准特征点类型相同的特征点到乙图中每个特征点的距离和方向，根据这个距离和方向，再以甲图中的基准点为原点，计算出甲图中的一个点，然后判断是否也是甲图的特征点， 如果是， 则匹配支持数加1。按甲图中特征点顺序依次计算， 取最大值就是两幅图像的最大支持匹配点数。

　　如果最大匹配支持点数大于规定的值，则认为两幅图像匹配。否则，不匹配。