摘  要： 本文采用FPS200指紋傳感器設計實現了一種基于TMS320VC5409 DSP芯片的指紋鑒定系統，文中詳細的介紹了系統的硬件結構方案和算法思路。

引言
指紋鑒定技術利用人類指紋穩定性和獨特性的生理特征，將其作為人們的一種“活的身份證”，更因指紋具有的不可替代性，使通過指紋進行身份鑒定的安全性大大提高，且隨著圖像處理_模式識別方法的發展和指紋傳感器技術的日臻成熟，指紋鑒定方法在金融、公安、門禁、戶籍管理等領域都有著良好的應用前景。
本文利用TI公司的TMS320VC5409 DSP芯片為核心，設計并實現了一種基于DSP芯片的指紋鑒定系統。
                       
系統功能描述
指紋身份鑒定系統是指確認用戶聲稱的身份是否與其真實身份一致，只有兩種可能的答案“是或否”。系統包含兩個主要的功能模塊：學習模塊和鑒定模塊。學習模塊負責采集用戶指紋數據，提取代表這些數據的特征，作為以后的比對模板存入數據庫。鑒定模塊則采集待鑒定用戶指紋數據，提取特征后與數據庫中的模板進行比對，決定兩者是否匹配，然后做出“是或否”的判斷。整個系統的功能框圖如圖1所示。
                 
FPS200指紋傳感器工作原理和性能特點
Veridicom公司的FPS200指紋傳感器是一種觸摸式CMOS傳感器件，其傳感區域為1.28cm×1.50cm，256×300傳感陣列，500dpi分辨率，內置有8位模數轉換器，可直接輸出數字化圖像信號，用8位表征一個像素點，且有微處理器總線、SPI總線和USB總線三種接口模式可供選擇，并可以方便的定義所需傳感陣列的區域，工作電壓為3.3V~5V。FPS200基于電容充放電原理，傳感陣列的每一點是一個金屬電極，相當于電容器的一個極，與傳感區接觸的手指充當電容器的另一個極，而兩者之間的傳感面形成電容兩極之間的介電層，由于指紋的脊和谷導致了傳感陣列各電容值的不同，傳感器將電容值數字化之后輸出。本指紋鑒定系統采用了傳感器的微處理器總線模式，傳感器的8位數據線直接與DSP的數據線接口，傳感器部分的硬件電路示意圖如圖2所示。

圖2  FPS200與DSP連接電路示意圖

圖3  指紋鑒定系統硬件結構框圖

圖4  特征點的八鄰域圖

硬件結構設計
系統核心處理器為TMS320VC5409 DSP，該款芯片具有良好的性能價格比，運算速度達100MIPS，片內有32K字節雙向訪問RAM，支持64K字節的數據空間，64K字節的IO空間和8M字節的程序空間，能夠滿足指紋鑒定系統的要求。選用了Xilinx公司的CPLD XC9572來完成整個系統的邏輯電路設計。實際系統中我們擴展了64k的SRAM,但因DSP最多支持外部擴展32K數據空間，因此SRAM的A15地址線由DSP通過CPLD中的邏輯電路來控制，從而決定選擇SRAM的高地址段32K存儲空間還是低地址段32K存儲空間，這樣就在符合DSP的外擴數據空間要求的基礎上又增加了寶貴的數據存儲資源。配置EEPROM以滿足DSP引導裝入程序的需要，系統程序聯機調試成功后，將程序和有關數據信息存入EEPROM，系統上電后首先DSP執行引導裝入程序將EEPROM里的程序搬移到DSP片內的RAM中高速執行，這樣系統就完全脫機工作了。終端選用了液晶顯示模塊LCM，對感興趣的圖像或數據結果提供直觀的顯示，DSP將要顯示的數據存入緩沖器，再由LCM讀取，這樣就解決了LCM和DSP讀寫速度相差懸殊的問題。完整的系統硬件結構框圖如圖3所示，該硬件平臺已經調試運行成功。

算法介紹
指紋是比較復雜的，指紋鑒定算法最終都歸結為在指紋圖像上找到并比對指紋的特征點。指紋學指出，出現頻率較高的指紋特征有八種，其中端點和分叉點占指紋特征的80％以上。本系統選用了這兩種特征作為算法提取和比對的對象。對獲得的指紋圖像我們先進行預處理再進行二值化和細化，然后提取特征點數據，并去除偽特征點，將處理結果與數據庫中已有的模板數據進行匹配判斷。當然，模板是系統在學習功能階段將用戶的指紋數據經過上述相同的處理后保存下來的。預處理的目的是使指紋圖像清晰，邊緣明顯，以便于提取特征進行識別，它包括平滑和銳化等。平滑處理的任務就是去除噪聲，而不使圖像失真；銳化處理是為了加強紋線的邊界效果，突出邊緣信息，以利于其后的二值化。二值化過程則需要采用一個“局部自適應的閥值”。提取特征值之前的最后一道工序是細化，是將指紋脊線的寬度降為單個像素的寬度，并保持原有的連續性。
指紋特征點的提取方法是算法中的核心。我們采用8鄰域法對二值化后的指紋圖像抽取特征點，這種方法將脊線上的點用“1”表示，背景用“0”表示，將待測點（i,j）的八鄰域點(如圖4所示)進行循環比較，若“0”，“1”變化有六次，則此待測點為分叉點，若變化兩次，則為端點。實際上，因為指紋圖像質量的影響和預處理產生的噪聲使得上述提取的特征點中包含大量的偽特征點，這將使鑒定誤識率上升，所以在匹配前要去除這些偽特征點 。指紋圖像邊緣的偽特征點較多，這部分特征點去除不要；若相同方向的兩個特征點距離小于一定的閥值，就去除該兩點；若一個端點與一個分叉點相連且間距小于一定的閥值，也去除這兩點。然后對初步確定的端點和分叉點進行紋線跟蹤以進一步驗證特征點的可信度，對達不到可信度要求的特征點也予以去除。
指紋圖像中心點的提取也是算法中的重要內容，我們以指紋最內層弧的頂點作為中心點，就是紋線上曲率最大處，若最內層弧頂點處有分叉線存在，且此分叉線走向與兩旁紋線走向一致，則定義分叉點為中心點。指紋中心點確認后，也就可以容易的確定各特征點相對于中心點的方向，若為分叉點則取分叉點的三條紋線與中心點夾角的平均值作為此特征點方向；若為端點，則用端點兩側的兩根紋線與中心點夾角的均值作為此特征點的方向。這樣系統中我們就用特征點的類型，特征點與中心點的方向，特征點與中心點的紋線數這三個參量來表征一個特征點的特征信息。
兩個指紋圖像的匹配實際就是兩幅圖像特征點信息（三個參量）的比對，獲取的指紋圖像靠近中心點的是圖像質量較好的，離中心點越遠，特征信息準確度越差，所以比對時盡可能取中心點附近的特征點，若兩幅指紋有10個以上的特征點匹配即可基本判定兩幅指紋屬同一個指紋。
系統的主要程序流程如圖5所示，系統首先與主機聯機工作，將學習模塊得到的用戶指紋信息保存下來作為模板，然后系統脫機獨立工作，對以后采集到的指紋做身份鑒定。

結語
本指紋鑒定系統外觀小巧，工作性能穩定。算法開發前期使用C語言對算法進行功能性驗證，驗證成功后，使用面向TMS320VC5409 DSP的匯編語言在CCS環境中進行算法開發實現，并取得了良好的工作實時性。