基于ARM的手指靜脈識別系統的設計與實現*

管鳳旭，楊慶國，王科俊，周明宇

（哈爾濱工程大學 自動化學院，黑龍江 哈爾濱150001）

手指靜脈識別技術是一種通過手指中靜脈特征信息對人體身份進行認證的技術[1]，作為第二代生物認證技術它有很高的防偽性，正吸引越來越多的學者進行研究。與其他生物識別技術相比，手指靜脈識別技術具備以下主要優點：(1)由于手指靜脈血管分布于身體內部，所以不需考慮皮膚表面因素。(2)手指靜脈識別是進行活體檢測的技術，具有更高的安全性。(3)隨著攝像頭的廣泛應用，其價格非常便宜，用其采集靜脈圖像極大降低了開發成本。手指靜脈識別技術可以應用的領域非常廣，如銀行、法院等保密安全系統；智能樓宇、學校門禁及考勤等公共系統。這些應用場合不僅要求識別算法的快速性，還要求識別設備小型化、便攜化以及穩定性。所以擺脫計算機的約束，在嵌入式系統上實現手指靜脈識別成為今后發展的必然趨勢。本文實現了一種基于ARM的嵌入式手指靜脈識別系統，采用的ARM11處理器具有低成本、低能耗、高性能等特征。嵌入式操作系統采用微軟的 Windows Embedded CE 6.0(WinCE 6.0)，它是一個開放、可裁剪、32 bit的實時嵌入式窗口操作系統。

1 嵌入式系統總體結構

比較完整的手指靜脈識別系統應具備采集和識別這兩個基本的功能。首先通過嵌入式采集裝置獲取使用者的相關信息，并將該使用者的手指靜脈特征添加到手指靜脈特征數據庫；然后根據數據庫中使用者信息與采集的手指靜脈圖像比對，判定其身份是否正確。為此，將該嵌入式手指靜脈識別系統分為硬件平臺、嵌入式操作系統和應用軟件三部分。

嵌入式系統硬件主要由嵌入式微處理器S3C6410及其外圍擴展電路組成。其中，S3C6410是一款基于ARM11內核的微控制器，其主頻達667 MHz，具有豐富的外圍接口控制器，可以滿足圖像識別所需性能要求。嵌入式操作系統采用 WinCE6.0，其模塊化設計使得嵌入式系統和應用程序開發者能夠方便地根據需求定制產品，同時還具有100%開放WinCE 6.0內核源代碼。采用微軟的多媒體DirectShow技術，在Visual Studio 2005環境下開發圖像采集應用程序，在PC機上調試成功后移植到嵌入式系統平臺下運行并實現身份識別。

2 嵌入式系統硬件設計

系統硬件設計采用模塊化設計原則，把嵌入式系統硬件平臺分為微處理器核心模塊、手指靜脈成像模塊、自動調光控制模塊和輔助操作模塊。其硬件結構如圖1所示。

本設計選取S3C6410作為嵌入式微處理器，其上外接DRAM接口、Nand Flash接口以及豐富的總線接口電路。同時S3C6410還集成了電源電路、復位電路、RS232接口電路和USB接口電路等部分。其中，DRAM接口用于連接動態存儲器，本設計采用Mobile DDR存儲器，用于運行操作系統及存取應用程序。Nand Flash則用于固化嵌入式操作系統Windows CE內核、手指靜脈識別軟件等，以及儲存采集的圖像等數據資料。

手指靜脈成像模塊包括紅外光源、紅外濾光片和圖像傳感器。本設計選用微型OV9650圖像傳感器模組，它由30針的CMOS圖像傳感器和手動微調鏡頭組成，需要為其提供必須的電源。攝像頭電源電路如圖2所示。通過S3C6410的攝像頭接口從S3C6410獲取+5 V電源，分別轉換為3路電壓值為攝像頭電路供電。

本文通過轉接板來實現攝像頭模組與S3C6410的連接，其接口電路如圖3所示。其中，J1用于 S3C6410攝像頭接口與轉接板的連接，U10則是攝像頭模組與轉接板的接口。

對于近紅外光源，選用波長為850 nm、型號為TSHG5210的高速紅外發光二極管，設計中排成直線形陣列。由于環境不同，可見光對手指靜脈成像影響也有所不同，因此，在鏡頭前放置型號為IR780的近紅外濾光片來濾除可見光。

自動調光控制模塊使紅外光源能夠根據被采集對象手指的不同粗細進行自動調光，使攝像頭接收到的光強不變，采集到的圖像亮度適中。本設計在原來研制的積分調節電路[2]基礎上改進為帶PID控制器的紅外光強自動調節電路。當采用PID電路進行串聯校正時，可以使得系統型別提高一級；同時還為系統提供兩個負實零點，進行調節時，可進一步提高系統穩定性，改善系統動態性能。PID控制器電路圖如圖4所示。

輔助操作模塊包括 LCD、USB鼠標和 8×8矩陣鍵盤等，用于對嵌入式系統進行控制。

3 嵌入式識別系統應用軟件開發

本文采用多媒體DirectShow技術來設計攝像頭圖像采集應用程序。為了完成對圖像數據的處理，創建多個過濾器并連接，數據流從源過濾器經過中間過濾器移動到渲染過濾器，最終提供給用戶。在這個過程中完成對數據的讀取、解碼、將數據輸出到相應設備上。本文將視頻預覽和視頻捕捉封裝成視頻采集過濾器，如圖5所示。其中，“智能Tee”是為了調節PCI總線分流數據。

通過Visual Studio 2005開發環境的MFC智能設備應用程序向導創建一個基于對話框的應用程序；然后創建類、設計采集界面以及編寫程序，實現視頻采集與預覽、圖像保存等功能。所用到的主要函數如下：

GetFirstCameraDriver()：獲取系統中注冊的第一個視頻捕捉設備名。

FreeDShow()：釋放創建DirectShow接口對象。

PreviewCamera()：用于預覽視頻，同時負責 DirectShow接口的初始化工作。

SnapPicture()：抓拍視頻中的一幅圖片，并以文件形式保存。

此外，把手指靜脈識別算法加入到應用程序中，并移植到WinCE 6.0操作系統下。該軟件功能包括：錄入手指靜脈圖像并保存所有相關信息至數據庫中，測試當前采集手指靜脈圖像與數據庫中圖像是否匹配；調取數據庫中手指靜脈圖像進行算法研究。

當需要用本系統進行手指靜脈識別時，先啟動操作系統，用戶從可視化界面輸入相應信息，開始采集圖像。

4 手指靜脈識別算法

手指靜脈識別算法是本系統軟件的核心部分，目前該算法在計算機上已達到較高水平。但將其移植到嵌入式系統時，由于受嵌入式處理器硬件性能的限制，達不到預期的效果。因此，本文采用了一種適合于嵌入式系統的手指靜脈識別算法。

4.1 圖像預處理

（1）格式轉換與灰度歸一化。本文中通過圖像采集裝置采集的手指靜脈圖像是24 bit JPG格式的真彩圖像，采用Imaging技術[3]循環解碼將其轉化為 24 bit BMP格式的圖像。

通過改變各個分量(R，G，B)的權重，把三個點合成一個點就可以將24 bit BMP圖像轉換成256色的灰度圖像。本設計采用加權平均值法可以得到較合理的灰度圖像，即：

接著采用線性灰度調整法，將灰度能量為 [min，max]的圖像調整到[0，255]的范圍，得到灰度分布均勻的圖像，即：

其中 ，f′(i，j)為原圖像灰度值，f(i，j)為 灰 度 歸 一 后的圖像灰度值，max、min分別為原圖像中灰度最大、最小值。

（2）圖像裁剪與尺寸歸一。為了提高手指靜脈圖像分割的魯棒性，先進行圖像的裁剪與尺寸的歸一。采用邊緣檢測算子（Sobel算子）即可檢測到手指的邊緣；然后對行列分別進行內切，獲取一個矩形區域來代表整個手指的圖像；接著，用線性內插值方法，根據小數坐標點的四個鄰點的灰度值，插值計算出該點的值來統一圖像大小。

（3）圖像分割。采用經典的NiBlack算法[4]進行圖像分割。用該方法定義數組時，數組值不能太大，否則在ARM11開發板上運行軟件時易死機。因此，對圖像中的每一個像素點(x，y)，在它的 r×r鄰域內，計算鄰域內像素點的均值 m(x，y)和方差 s(x，y)，然后計算閾值 T(x，y)進行二值化：

其中，k為修正系數。如果假設像素點(i，j)處的灰度值為 f(i，j)，則 m(x，y)和 s(x，y)可由下式計算出：

（4）濾波與去噪。在經過前面圖像分割后的特征圖像中存在許多孤立點、塊狀噪聲以及一些細小空洞。為了便于以后處理，必須填充這些細小空洞和除去噪聲。首先采用中值濾波法，消除圖像中的高斯噪聲和脈沖干擾信號，接著進行面積去噪，以消去孤立的噪聲。

（5）紋路細化。經過一系列處理后的圖像靜脈紋路很粗，所以采用改進的條件細化算法進行處理，即在條件細化后的靜脈圖像上，加入模板算法去掉分叉點處冗余的像素。目的是通過連續剝離圖像最外層元素直到獲得單像素的連通線，去掉冗余信息，且保留紋路的拓撲連接關系，以利于后續的特征提取。

4.2 特征提取與匹配

（1）特征點提取。經過細化后的手指靜脈圖像中有兩種關鍵性的節點(端點和交叉點)，可以利用參考文獻[5]的方法來提取這些特征點。對于細化后的二值靜脈圖像，像素點中只有背景點灰度值為0和前景點灰度值為1兩種。本設計采用了一個3×3的區域，如圖6所示。

如果 P0的值為 1，N表示從 P1～P8時，0和 1交替變換的次數。當N=6時，則為交叉點；N=2時，則為端點。等式的表達式如下：

經過偽特征點去除后特征點集中所剩的特征點，即是所要提取的特征點。把這些特征點（位置和類型等）保存在文件中，便于后面的特征匹配。

（2）手指靜脈圖像匹配。圖像匹配就是判斷模板圖像提取出的特征點集P和需要匹配的圖像特征點集Q是否為同一個手指。本設計采用基于修正的Hausdorff距離（MHD）方法[6]來計算兩種類型的特征點集(交叉點和端點)的相似度。對特征點進行匹配識別，其定義如下：

其中，Np為點集P中元素的個數。

5 實驗結果

把在PC機開發的應用軟件移植到ARM11板，上電開啟操作系統運行該軟件，開始采集和測試手指靜脈圖像的效果圖如圖7所示。

本軟件把圖像采集、預處理等一系列過程合成到一起進行操作，實現一鍵完成，使其更加接近產品化。錄入用戶圖像信息時，圖像處理達到了每次約0.5 s的速度，令人滿意。實驗測試中，采集50個手指的靜脈圖像，每個手指采集4次，一共采集了200幅靜脈圖像，構成手指靜脈數據庫。根據本文的方法，來驗證算法的匹配識別效果。測試1:1匹配識別，將每個手指的1個樣本分別與其他3個樣本進行比對完成識別，每次識別過程達到約0.4 s的速度，得到的結果如表1所示，達到了預期的效果。

表1 嵌入式系統性能測試

本文構建了一種基于ARM技術的嵌入式手指靜脈識別系統。設計的硬件平臺穩定性好、集成度高；采用的WinCE 6.0界面友好、畫面清晰；開發的識別應用軟件可以開機啟動，便于操作，使本識別系統具有很好的人機交互特性。同時針對嵌入式系統采用一套合適的手指靜脈識別算法。實驗表明，該手指靜脈識別系統可以實現快速圖像處理和識別，與基于PC機的識別系統相比，具有體積小、重量輕、易于移動與操作、易于集成等優點。

[1]KONO M，UEKI H，UMEMURA S I.A new method for the identification of individuals by using of vein pattern matching of a finger[C].Fifth Symposium on Pattern Measurement，2000：9-12.

[2]管鳳旭，王科俊.基于自動調光功能的手指靜脈圖像采集系統[J].電子技術應用，2010，36(10)：120-123.

[3]汪兵.Windows CE嵌入式高級編程及其實例詳解（用C++實現）[M].北京：中國水利水電出版社，2008.

[4]RIGAU J，FEIXAS M，SBERT M.Medical image segmentation based on mutual information maximization[C].In Proceedings of MICCAI2004，2004：135-142.

[5]HALICI U，JAIN L C，EROL A.An introduction to fingerprint recognition[J].Intelligent Biometric Techniques in Fingerprint and Face Recognition，1999：3-34.

[6]DUBUISSON M P，JAIN A K.A modified Hausdorff distance for object matching[C].Proceedings of the 12th IAPR International Conference on Pattern Recognition，1994：566-568.