|
目前，基于FPGA的自動指紋識別系統主要有純硬件方式實現和在以Nios II為CPU的軟核中實現[2-4]兩種方式。以純硬件方式實現雖然速度較快，但由于指紋處理算法比較復雜，實現困難，同時算法精度差，設計周期長；而以下載到FPGA的軟核Nios II為控制模塊，具有靈活的設計方式，并具備軟硬件在系統可編程的功能，較大程度上提高了系統速度，但是該方案中軟硬件處理交替進行，涉及到軟硬件之間頻繁的指紋數據傳輸，限制了系統的速度，同時增加了系統的復雜度。 本文提出了一種基于SoPC的新型結構的自動指紋識別設計方案。具有以下特點： (1)根據對指紋識別算法的分析和優化，在軟、硬件結合的基礎上將軟件設計和硬件設計分開，把指紋識別系統中耗時較大的圖像預處理部分用硬件來實現，而耗時較少的特征提取、匹配和操作控制等部分則在NiosⅡ軟核中實現。從而使得系統結構明晰，處理性能得到提升。 (2)用一塊SRAM作指紋處理中間數據的緩存。指紋圖像前期處理以硬件實現，中間數據緩存于SRAM中；指紋圖像后期處理軟件從SRAM中將所有數據讀入NiosⅡ的數據存儲器。這樣的存儲設計使得軟件處理和硬件處理之間不涉及大量的數據流傳輸，使軟硬件數據接口簡單，數據流的控制更加簡單易行，同時避免了頻繁的軟硬件數據傳輸帶來的時間消耗。 (3)在軟硬件處理結合的基礎上使指紋處理時間大大降低，1.5 s內可以完成一幅指紋圖像的預處理，3 s內可以完成一幅指紋圖像的比對。 1 設計思路 1.1 指紋系統結構 從整個指紋處理系統的角度來考慮，根據各算法處理特性仔細地劃分系統子模塊。通過對指紋處理算法的分析發現，指紋的預處理部分使用到多次數據循環運算，運算量較大而且單一，使用硬件實現明顯降低時間消耗，所以選擇對指紋的預處理部分實行整體硬件化；對于指紋匹配部分，運算量相對較少但算法復雜多樣，使用軟件算法相對比較簡單而且可以達到很高的精度，所以使用Nios II軟件算法來實現。選擇預處理部分整體硬件化，匹配部分整體軟件化的另外一個好處是軟硬件處理不需要進行頻繁的數據交換傳輸，節省時間的同時降低了系統的復雜度。 如圖1所示，系統工作流程主要分為指紋硬件采集、指紋圖像硬件預處理和指紋軟件匹配。其中SRAM作為指紋數據的緩存設備，Flash做為指紋特征數據的存儲設備，對指紋數據的處理步驟按照箭頭所指示的方向進行。 1.2 NiosⅡ軟件功能 Nios II作為主要控制模塊，通過Avalon總線協調指紋處理各個子模塊的運行。其中預處理硬件模塊由于處理中各算法步驟順序執行，所以以一個整體掛在Avalon總線上，方便模塊的控制。指紋圖像預處理后的特征提取匹配使用NiosⅡ軟件實現，指紋數據儲存于程序的數據存儲器中，按照軟件處理流程調用各個函數進行處理。為了方便觀察調試結果，在Avalon上掛有VGA和LCD顯示，每一步算法完成后調用VGA顯示查看處理結果，使用LCD提示處理步驟。 1.3 硬件優化技術 針對FPGA算術運算中的乘法、除法易出現的時序問題，對浮點數運算、開方算法、反正切算法等耗費大量資源的通用性問題，特別做了如下優化： (1)乘除法均采用Quartus自帶的IP核進行運算，IP核采用流水線結構，減少系統中時序不滿足情況的發生，提高系統的穩定性； (2)浮點數運算均通過擴大倍數后轉為定點數再進行運算，可以在降低運算復雜度的同時降低時間消耗； (3)開方算法采用不恢復余數開方算法實現，只涉及加減和移位，處理時間只有輸入位寬的1/2，可降低系統消耗，減少處理時間； (4)反正切運算采用CORDIC算法，采用狀態機結構，通過反復迭代實現，算法簡單。 2 系統實現 2.1 MBF200硬件采集模塊 MBF200開啟自動檢測功能采集整幅指紋圖像。通過設置芯片內部的閾值寄存器THR使芯片適應不同的外部環境。改變內部的PGC、DTR、DCR三個寄存器的值可以調整圖像的清晰度，提高采集到的圖像質量。 2.2 預處理模塊的實現 圖像預處理主要分為指紋圖像平滑、背景分離和濾波增強三大部分。通過硬件處理控制狀態機實現各個硬件模塊的處理。預處理的指紋數據均存于SRAM中，根據硬件狀態控制來選擇SRAM與各個硬件模塊的連接。圖像平滑采用歸一化處理，背景分離采用方差法，濾波增強采用方向濾波圖像增強算法來實現。 2.3 Nios算法實現 軟件算法的主要模塊分別為二值化、細化、特征提取和特征匹配。其中二值化處理中同時包括二值化后的填充和刪除算法；細化算法包括細化后的去偽算法。二值化算法采用閾值法；細化算法采用Hilditch細化算法，同時采用基于8鄰域特征點的特征提取算法和基于中心點的匹配算法。 3 系統實現 3.1 指紋處理VGA顯示結果 圖2(a)為MBF200采集效果圖，圖中指紋圖像的紋線清晰，與背景區域對比明顯。 歸一化處理的作用是使圖像中的黑白點對比更加明顯，同時改變圖像灰度的均勻程度。如圖2(b)所示為采集后的指紋歸一化處理情況，從圖中可以看出指紋脊線明顯加強。由于背景區域較少，因而跳過了背景分離這一步。 采用基于方向圖的增強算法，處理效果如圖2(c)所示。從圖中可以看出，對指紋圖像脊線具有很好的連接效果，能較好地去除指紋圖像中的噪聲干擾使指紋更清晰、真實。 二值化是在濾波的基礎上進行的，包括二值化后的刪除和填充算法，處理效果如圖2（d）所示。二值化后圖像只剩余黑白兩色。 細化主要是去除不必要的紋線粗線信息，便于之后提取特征點。細化處理如圖2（e）所示，細化后的指紋圖像的紋線只剩下一個像素點。細化后去除了偽特征點，明顯去除了斷點和短線。 3.2 指紋處理性能說明 系統的處理時間消耗分為硬件預處理和軟件算法處理兩部分。 硬件處理包括指紋采集塊、歸一化塊、背景分離塊和增強濾波塊四個部分；軟件處理包括二值化、細化、特征提取和特征匹配四個部分。系統處理時間消耗如表1所示。 本文根據指紋識別算法的特點設計了一種基于SoPC的新型結構的自動指紋識別系統，通過對指紋識別算法的具體分析和優化，設計了將指紋處理劃分為硬件處理和軟件處理兩大部分的結構，用一塊SRAM作指紋處理中間數據的緩存，軟件和硬件之間不涉及大的數據流的傳輸，節約了數據傳輸時間。此結構將耗時較多的預處理部分使用全硬件模式，大大提高了系統的運算速度；將耗時較小的匹配算法部分由NiosⅡ軟件完成，縮短了設計周期，提高了設計精度。這種設計結構降低了系統的復雜度，使得系統結構明晰，處理性能得到提升，便于單獨處理模塊的優化以及系統的升級。 |
