智能門鎖指紋識(shí)別方法設(shè)計(jì)

宿遷學(xué)院信息工程學(xué)院 袁 進(jìn)

隨著物聯(lián)網(wǎng)、無(wú)線通信等信息技術(shù)的不斷成熟，智能家居產(chǎn)業(yè)發(fā)展迅速，應(yīng)用愈加廣泛。智能門鎖作為智能家居的重要組成部分，有效保證了家居安全。本文針對(duì)智能門鎖中的指紋識(shí)別過(guò)程慢、識(shí)別能力弱等問(wèn)題，提出一種基于FPGA與MATLAB平臺(tái)的指紋識(shí)別優(yōu)化方法。經(jīng)仿真分析，該方法能夠有效解決上述問(wèn)題，具有一定的實(shí)用性。

在物聯(lián)網(wǎng)、大數(shù)據(jù)、人工智能、無(wú)線通信等技術(shù)的不斷發(fā)展下，智能家居、智慧城市、智慧交通、智慧農(nóng)業(yè)等概念相繼被提出并逐漸實(shí)現(xiàn)應(yīng)用，其中，智能家居產(chǎn)業(yè)發(fā)展相對(duì)成熟。智能門鎖作為智能家居安防監(jiān)控中的一員，避免了傳統(tǒng)門鎖出現(xiàn)的易盜取、易復(fù)制等問(wèn)題，具有保密性強(qiáng)、應(yīng)用需求度高、成本低廉、使用便捷等特點(diǎn)，給人們的生活帶來(lái)了極大的安全保障。智能門鎖主要通過(guò)密碼鍵入、指紋識(shí)別、刷卡等方式實(shí)現(xiàn)門的開啟與關(guān)閉，由于密碼容易泄漏、門卡容易丟失等缺陷，基于指紋識(shí)別的智能門鎖安全性較高。本文針對(duì)智能門鎖應(yīng)用中出現(xiàn)的指紋識(shí)別能力弱、識(shí)別過(guò)程慢等問(wèn)題，采用FPGA和MATLAB相結(jié)合的方式，設(shè)計(jì)一種適用于智能門鎖的指紋識(shí)別方法。

1 指紋識(shí)別技術(shù)研究

指紋識(shí)別過(guò)程是指通過(guò)對(duì)采集到的手指指紋進(jìn)行特征標(biāo)記與對(duì)比，從而實(shí)現(xiàn)身份信息匹配的過(guò)程。圖1給出了指紋識(shí)別的總體框圖，主要包括指紋采集、預(yù)處理、特征點(diǎn)提取與匹配等四個(gè)環(huán)節(jié)。

圖1 指紋識(shí)別過(guò)程框圖

1.1 指紋采集

指紋采集是實(shí)現(xiàn)指紋成功識(shí)別的第一步，通常借助專用的指紋采集傳感器實(shí)現(xiàn)，指紋采集傳感器根據(jù)信號(hào)的采集方式不同，可分為劃擦式和接觸式（面陣式）兩種。由于硬件設(shè)備的延遲、老化等問(wèn)題，容易使采集到的指紋出現(xiàn)模糊、噪聲污染、殘缺等問(wèn)題，對(duì)指紋的特征順利提取造成一定的阻礙，需要采取相應(yīng)的措施對(duì)此類問(wèn)題進(jìn)行處理。

1.2 指紋圖像預(yù)處理

指紋圖像預(yù)處理是采用相關(guān)算法解決指紋圖像受到的噪聲污染、模糊、霧化等問(wèn)題，目的在于提高指紋圖像紋理的清晰度，便于后續(xù)的特征提取。通常，指紋圖像預(yù)處理環(huán)節(jié)包括圖像去噪、圖像去模糊、圖像增強(qiáng)等部分，可根據(jù)指紋識(shí)別的應(yīng)用場(chǎng)景及指紋圖像質(zhì)量進(jìn)行功能的增減。

1.3 提取指紋圖像特征點(diǎn)

指紋能夠被成功識(shí)別的前提是指紋圖像具有一定量的特征信息。指紋特征除了有易獲得的指紋中心和三角點(diǎn)，還包括紋路的端點(diǎn)（起點(diǎn)與終點(diǎn)）、交叉點(diǎn)、匯聚點(diǎn)等。另外，部分算法中還將指紋特征點(diǎn)的類型、坐標(biāo)、方向等參量作為指紋的特征信息。例如，根據(jù)某種分類方法對(duì)指紋特征點(diǎn)進(jìn)行分類，接著依次判別各特征點(diǎn)是否為偽特征點(diǎn)，若為偽特征點(diǎn)，則直接刪除，從而保證了特征點(diǎn)的有效性，便于指紋特征匹配，提高指紋識(shí)別的準(zhǔn)確性。

1.4 指紋圖像特征點(diǎn)匹配

指紋圖像特征點(diǎn)匹配是指紋識(shí)別的關(guān)鍵一步。其方法是將指紋圖像與待匹配圖像進(jìn)行特征比對(duì)，若匹配度高于設(shè)定的閾值，則認(rèn)為指紋識(shí)別成功。通常，特征點(diǎn)匹配包括粗匹配（指紋紋路）和細(xì)匹配（形態(tài)、端點(diǎn)、交叉點(diǎn)等），能夠有效保證指紋識(shí)別的準(zhǔn)確度。

2 本文方法設(shè)計(jì)

本文選取FPGA與MATLAB作為算法實(shí)現(xiàn)平臺(tái)，F(xiàn)PGA平臺(tái)實(shí)現(xiàn)指紋圖像的預(yù)處理，借助FPGA的并行流水線處理的特點(diǎn)，能夠有效提高指紋識(shí)別的快速性。由于硬件設(shè)備難免對(duì)圖像造成一定的噪聲干擾，故本文在預(yù)處理模塊中首先加入了圖像濾波環(huán)節(jié)，具體包括高斯濾波、中值濾波、均值濾波等方法，有效去除圖像噪聲對(duì)指紋識(shí)別的干擾，除此之外，預(yù)處理模塊還包括圖像復(fù)原（圖像去模糊、圖像去霧等）、圖像增強(qiáng)、圖像二值化、圖像細(xì)化等部分，提高指紋所含信息的有效性，具體可根據(jù)原始指紋圖像的真實(shí)情況進(jìn)行模塊的增減。通過(guò)MATLAB實(shí)現(xiàn)指紋特征點(diǎn)提取與匹配，保證指紋識(shí)別的準(zhǔn)確度。圖2為指紋識(shí)別方法具體實(shí)現(xiàn)框圖。

圖2 指紋識(shí)別方法框圖

在指紋特征點(diǎn)匹配環(huán)節(jié)，本文采用基于極坐標(biāo)細(xì)節(jié)匹配算法進(jìn)行實(shí)現(xiàn)，具體的實(shí)現(xiàn)過(guò)程為：（1）在輸入指紋圖像和模板指紋圖像中尋找矢量三角形，若矢量三角形不全等，則直接判別指紋圖像不匹配；若矢量三角形全等，則進(jìn)一步確定參考點(diǎn)；（2）以參考點(diǎn)的橫縱坐標(biāo)為方向在建檔模板和匹配模板建立極坐標(biāo)系，確定各個(gè)細(xì)節(jié)特征點(diǎn)的極坐標(biāo)半徑和角度，接著將建檔模板和匹配模板的細(xì)節(jié)特征點(diǎn)按極坐標(biāo)角度遞增順序排列；（3）比較建檔模板和匹配模板細(xì)節(jié)點(diǎn)極坐標(biāo)特征的相同的個(gè)數(shù)，若超過(guò)設(shè)定閾值，則匹配成功，否則，未匹配成功。

3 算法仿真與分析

本文借助verilog語(yǔ)言采用自頂而下的模塊化設(shè)計(jì)方法對(duì)指紋圖像預(yù)處理部分進(jìn)行仿真實(shí)現(xiàn)，首先，將圖3（a）所示的原始圖像以文件的形式輸入到預(yù)處理模塊中，接著，對(duì)指紋圖像進(jìn)行去噪、二值化、細(xì)化等處理，得到圖3（b）、（c）等結(jié)果，由結(jié)果可得，指紋圖像較為完整，細(xì)化后圖像較為清晰，細(xì)節(jié)豐富，便于后續(xù)的特征點(diǎn)提取及匹配。

圖3 指紋預(yù)處理

將細(xì)化后的圖像以文件的形式保存，接著作為輸入數(shù)據(jù)輸入到MATLAB平臺(tái)的指紋特征提取及匹配模塊，圖4為指紋端點(diǎn)及交叉點(diǎn)提取結(jié)果，由結(jié)果可知，端點(diǎn)及交叉點(diǎn)信息較為豐富，為指紋的成功匹配提供支撐。

圖4 指紋特征點(diǎn)提取

由于智能門鎖為家居或企業(yè)所用，匹配數(shù)據(jù)庫(kù)的數(shù)據(jù)量相對(duì)較小，能夠適當(dāng)提高匹配閾值，從而保證智能門鎖的可靠性。圖5為指紋識(shí)別系統(tǒng)根據(jù)指紋特征點(diǎn)與數(shù)據(jù)庫(kù)中的指紋匹配結(jié)果，由結(jié)果可知，匹配到的指紋與原始指紋一致，證明了系統(tǒng)識(shí)別的準(zhǔn)確性。

圖5 指紋匹配結(jié)果

針對(duì)運(yùn)動(dòng)模糊指紋，本文在預(yù)處理模塊中加入了圖像去模糊環(huán)節(jié)，采用基于FFT的頻域處理方法，將時(shí)域中的指紋圖像轉(zhuǎn)換到頻域，根據(jù)頻譜明暗條紋特征估計(jì)出相應(yīng)的模糊核，從而有效去除指紋圖像模糊，隨后按照上述步驟進(jìn)行指紋識(shí)別處理即可。圖6為模糊指紋及去模糊后的指紋。若圖像還存在噪聲污染、霧化等情況，可相應(yīng)的增加處理環(huán)節(jié)即可，此處不再贅述。

圖6 指紋去模糊

總結(jié)：本文針對(duì)智能門鎖中的指紋識(shí)別能力弱、識(shí)別過(guò)程慢等問(wèn)題，提出一種基于FPGA+MATLAB的指紋識(shí)別方法，該方法在指紋預(yù)處理及指紋匹配環(huán)節(jié)進(jìn)行了優(yōu)化設(shè)計(jì)，具體包括：（1）采用FPGA平臺(tái)實(shí)現(xiàn)指紋預(yù)處理，借助FPGA并行流水線處理的特點(diǎn)及自頂而下的模塊化設(shè)計(jì)方法，保證了指紋識(shí)別的快速性及靈活性，可以針對(duì)采集的指紋圖像質(zhì)量進(jìn)行合理的預(yù)處理環(huán)節(jié)增刪；（2）采用MATLAB平臺(tái)實(shí)現(xiàn)指紋特征點(diǎn)提取及匹配，有效保證了指紋識(shí)別的準(zhǔn)確度，另外，采用基于極坐標(biāo)細(xì)節(jié)匹配算法實(shí)現(xiàn)特征點(diǎn)匹配，進(jìn)一步提高了指紋識(shí)別的能力。綜上所述，本文所提的指紋識(shí)別方法能夠有效提高識(shí)別的快速性、可靠性及準(zhǔn)確性，具有一定的參考及實(shí)用價(jià)值。