基于DSP56311和MCS-51的嵌入式指紋自動識別系統

摘    要： 本文在指紋自動識別技術的基礎上對指紋處理算法做了較大改進，并給出了用Motorola DSP56311和MCS-51構建主從式指紋自動識別系統的設計方案。
關鍵詞： 指紋自動識別系統；特征碼；MCS-51；DSP56311

引言
目前生物識別技術發展迅速，特別是被譽為三大生物識別技術之一的指紋識別技術越來越先進，將指紋自動識別技術應用到各種需要身份驗證的系統或者嵌入到現有的大量安保系統，將會大大提高系統的安全性。本文對目前的指紋自動識別算法做了大量的研究和改進，不僅使得指紋識別的誤識率和拒識率降到很低(大約0.005%)，而且大大提高了指紋特征匹配速度。本文論述了使用Motorola DSP56311和MCS-51設計主從式結構的嵌入式指紋自動識別系統的技術原理和方案要點。
系統框圖
嵌入式指紋自動識別系統有兩種運行模式：主控模式和從控模式。在主控模式下，系統獨立運行，用戶指紋識別算法采用1：N的匹配方式，指紋數據和操作記錄數據都存放在Flash中。MCS-51中實現了一個簡單的嵌入式數據庫管理系統，提供添加、刪除、修改用戶指紋、查詢、導入導出操作記錄以及清空數據庫等操作。在從控模式下，該系統可作為其他系統的外設，系統不使用本地指紋庫，指紋自動識別算法采用1：1的匹配方式，參考指紋數據來源于外部系統。其硬件組成框圖如圖1所示。
設計該系統有兩個關鍵點：一是DSP56311與MCS-51單片機通信接口的軟硬件設計，這部分必須保證系統在做指紋特征碼搜索匹配時，能高效快速地交換數據；二是DSP56311中的指紋自動識別算法的選取和軟件實現，直接影響系統的匹配速度和匹配效果。

DSP56311與MCS-51接口的HI08模塊配置
HI08(host interface)接口分為兩個部分：與主處理器接口部分和與DSP接口部分。與DSP內核的接口部分的8個寄存器被直接映射到內部的X數據存儲器中，可以使用軟件查詢，中斷驅動或者DMA方式與DSP內核握手通信；與主處理器接口的寄存器則被映射到外部的主機總線地址空間的8個連續位置上，充當主處理器的一個I/O映射外設。
HI08接口模塊的工作模式、端口屬性，以及與DSP內核和MCS-51之間的數據傳輸方式等的配置信息，是在引導程序中，根據HPCR寄存器的設置實現，HPCR定義如表1所示。其中，高字節主要設置HI08接口信號極性和外接總線類型，低字節則主要設置與端口信號有關的使能標志。
系統的數據傳輸采用中斷方式， 故首先要分別將HI08與DSP內核和MCS-51兩邊的中斷允許標志位HCR[HTIE]、HCR[HRIE]和ICR[TREQ]、ICR[RREQ]置1。本系統中，MCS-51向DSP56311發送各種命令或者指紋匹配所需要的特征模板數據；DSP56311則向MCS-51單片機返回各種命令的處理結果或者指紋特征碼數據。
從MCS-51向DSP56311發送數據的過程是：首先開中斷，設置ICR[TREQ]= 1,HCR[HRIE]=1；然后將數據寫入HI08接口的寄存器TXH:TXM:TXL中，且ISR[TXDE]自動清零；當HSR[HRDF]=0時，寄存器TXH:TXM:TXL中的數據將被傳送到數據接收寄存器HRX中，并自動將ISR[TXDE]和HSR[HRDF]置1；ISR[TXDE]和HSR[HRDF]都為1將會產生兩個中斷信號，即DSP接收數據的中斷請求信號和單片機繼續傳送數據的中斷信號(對應HRRQ引腳信號)。
同理，DSP56311向MCS-51發送數據的過程是：內核首先開中斷，HCR[HTIE]= 1,ICR[RREQ]=1;然后將數據寫入HTX寄存器，并自動將HSR[HTDE]清零；當ISR[RXDF]=0時，HRX中的數據將自動被寫入RXH:RXM:RXL中，并自動將HSR[HTDE]位和ISR[RXDF]位都置1；HSR[HTDE]和ISR[RXDF]都為1將會產生兩個中斷信號，即內核傳送數據的中斷信號和MCS-51接收數據的中斷信號(對應HTRQ引腳信號)；單片機檢測到該中斷信號將會從HI08接口的寄存器RXH:RXM: RXL中讀取數據，數據讀出后將自動的將ISR[RXDF]清零。
DSP56311通過HI08接口與MCS-51的連線示意圖如圖2所示。
 
算法選取和改進
在兩種工作模式下，系統采用的指紋自動識別算法側重點有所不同。主控方式下，指紋庫容量小，往往要求快速準確的匹配，算法的側重點主要是計算指紋圖像的細節特征點數據；而從控方式下，指紋庫容量通常很大，這時用于指紋分類檢索的全局特征數據的計算非常重要。兩種工作模式下的指紋處理算法的流程基本相同，如圖3所示。
指紋圖像增強算法利用Gabor濾波器具有最佳時域和頻域連接分辨率的特點及其良好的帶通性，能夠處理質量很差的指紋圖像，使系統的拒識率很低。二值化處理算法采用了基于方向圖的動態閥值二值化算法，能夠有效減少偽特征點的產生和真實特征點的退化和丟失。
指紋圖像的細化算法則采用了經典的Hildtch圖像細化算法，該算法滿足收斂性、連接性、拓撲性、保持性、細化性、中軸性、快速性等要求。特征碼提取算法有兩種：全局特征點的提取算法和細節特征點提取算法。全局特征點是指指紋圖像的奇異點,也即中心點和三角點；細節特征點提取算法為了減少計算量，僅僅提取脊線末梢(端點)與脊線分支點這兩種關鍵點。通常在嵌入式應用場合利用這兩種特征點可以很好地識別指紋。指紋特征碼的匹配就是要計算這兩種特征點的匹配程度。全局特征點的計算方法采用了一種改進的利用Poincare Index值求取算法，具有較好的抗干擾性；細節點的計算采用了基于脊線跟蹤的指紋圖細節提取算法。指紋特征碼匹配則是在D.K.Isenor等人提出的一種用圖匹配來對兩幅指紋圖像進行匹配的方法和Andrew K.Hrechak等人用結構匹配來做指紋識別的算法基礎上，提出了一種基于動態全局特征的結構匹配算法，該算法已經在Matlab中驗證通過，匹配效果非常好。
該匹配算法思想是綜合利用全局特征點和細節特征點，利用某種準則，將指紋特征點分布圖劃分為互相獨立的若干個三角形(圖元)。每個三角頂點為端點或者分支點，分別求取端點處的切線方向(指紋線延伸方向)和分支點的三個分支方向，由這些方向相對值可以確定該圖元的形狀，再求取圖元(三角形)中心相對于奇異點的距離和方向。利用這些數據構造匹配變量：
Vi={圖元基本信息，圖元位置信息}; i=0,1,2,3……
其中圖元基本信息A={端點1類型，以端點1為頂點的夾角，端點2類型，以端點2為頂點的夾角，端點3類型，以端點3為頂點的夾角};圖元位置信息B={圖元中心點到奇異點的距離，圖元中心點相對于奇異點的方向}。注意：圖元基本信息中，端點的先后次序和它們與中心點的遠近相對應，即最近的端點放在最前面，最遠的端點放在最后面。
從匹配變量可以看出，圖元基本信息只與圖元本身形狀有關，而與位置和圖元大小無關；圖元位置信息則與圖元位置相關而與圖元形狀無關。這樣做的理由是：在指紋圖像面積有限情況下，兩個相似但不相同的圖元(極端情況下形狀完全相同，但大小不同)，其相鄰的圖元形狀將會有很大的差別，這樣在其他的圖元匹配時這個圖元將會被剔除。
這種圖元結構匹配算法至少可以在三個方面提高和改善匹配的效果。首先，各特征點的匹配轉化為圖元的匹配，計算量將大大的縮減。其次，能明顯的降低指紋匹配的拒識率和誤識率。再次，只要奇異點(只與指紋特征有關)計算比較準確，則對指紋圖像的畸變、平移和旋轉具有很好的魯棒性。

結語
嵌入式指紋自動識別系統采用了目前較先進的指紋自動識別算法，并在自動匹配技術上做了一些重大的改進，特別是使用基于圖元匹配的思想，使指紋識別的拒識率和誤識率很低，匹配速度非常快，特別適合大容量指紋庫的應用。系統設計完成后經實際的應用測試，該系統的指紋自動識別既快又準，完全可以實用。■

參考文獻
1 李群芳.單片微型計算機與接口技術.華中理工大學出版社，1998年10月：10~53
2 尹義龍,詹小四,譚臺哲,寧新寶.基于加博函數的指紋增強算法及其應用.2003,14(3):484~489
3 簡兵，莊鎮泉，李海鷹，王睿斌.基于脊線跟蹤的指紋圖細節提取算法. 電路與系統學報, 2001年9月第6卷第3期