基于Nios II的自動指紋識別系統(tǒng)設計方案

引 言

　　指紋識別作為生物特征識別的一種，在身份識別上有著其他 手段不可比擬的優(yōu)越性：人的指紋具有唯一性和穩(wěn)定性的特點；隨著指紋傳感器性能的提高和價格的降低，指紋的采集相對容易；指紋的識別算法已經較為成熟。由 于指紋識別的諸多優(yōu)點，指紋識別技術已經逐漸走入民用市場，并應用到許多嵌入式設備中。

　　目前的嵌入式處理器種類繁多。Altera公 司的Nios II處理器是用于可編程邏輯器件的可配置的軟核處理器，與Altera的低成本的Cyclone FPGA組合，具有很高的性能價格比。本系統(tǒng)采用Nios II和Cyclone EP1C20嵌入式系統(tǒng)開發(fā)板，以及Veridicom公司的FPS200指紋傳感器芯片，實現了一個嵌入式自動指紋識別系統(tǒng)。

1 總體設計及系統(tǒng)架構

　 　本系統(tǒng)有兩大功能：指紋登記和指紋比對。指紋登記主要包括指紋采集、指紋圖像預處理、特征點提取、特征模板存儲和輸出顯示；指紋比對的前三步與指紋登記 相同，但在特征點提取后，是將生成的特征模板與存儲在指紋特征模板庫中的特征模板進行特征匹配，最后輸出顯示匹配結果。自動指紋識別系統(tǒng)的基本原理框圖如 圖1所示。

　　本系統(tǒng)在結構上分為三層：系統(tǒng)硬件平臺、操作系統(tǒng)和指紋識別算法。系統(tǒng)層次結構如圖2所示。
　　　
　　　　　　　　　　　　　圖1自動指紋識別的基本原理框圖
　　　　　　　　　　　　　　　　
　　　　　　　　　　　　　　　　　　圖2系統(tǒng)層次

　 　最底層——系統(tǒng)硬件平臺，是系統(tǒng)的物理基礎，提供軟件的運行平臺和通信接口。系統(tǒng)的硬件平臺在Altera的Nios II Cyclone嵌入式系統(tǒng)開發(fā)板上實現，指紋傳感器采用美國Veridicom公司的FPS200。FPS200可輸出大小為256×300 像素、分辨率為500 dpi的灰度圖像。

　　第二層是操作系統(tǒng)，采用μC/OSII。μC/OSII是一個基于搶占式的實 時多任務內核，可固化、可剪裁、具有高穩(wěn)定性和可靠性。這一層提供任務調度以及接口驅動，同時，通過硬件中斷來實現系統(tǒng)對外界的通信請求的實時響應，如對 指紋采集的控制、對串口通信的控制等。這種方式可以提高系統(tǒng)的運行效率。

　　最上層是指紋識別核心算法的實現。該算法高效地對采集到的指紋進行處理和匹配。采用C語言在Nios II的集成開發(fā)環(huán)境（IDE）中實現。

2 系統(tǒng)硬件的設計與實現

2.1 Nios II嵌入式軟核處理器簡介
　 　Nios II嵌入式處理器是Altera公司于2004年6月推出的第二代用于可編程邏輯器件的可配置的軟核處理器，性能超過200 DMIPS。Nios II是基于哈佛結構的RISC通用嵌入式處理器軟核，能與用戶邏輯相結合，編程至Altera的FPGA中。處理器具有32位指令集，32位數據通道和可 配置的指令以及數據緩沖。它特別為可編程邏輯進行了優(yōu)化設計，也為可編程單芯片系統(tǒng)（SoPC）設計了一套綜合解決方案。Nios II處理器系列包括三種內核：一種是高性能的內核（Nios II/f）；一種是低成本內核（Nios II/e）；一種是性能/成本折中的標準內核（Nios II/s），是前兩種的平衡。本系統(tǒng)采用標準內核。

　　Nios II 處理器支持256 個具有固定或可變時鐘周期操作的定制指令；允許Nios II設計人員利用擴展CPU指令集，通過提升那些對時間敏感的應用軟件的運行速度，來提高系統(tǒng)性能。

2.2 硬件平臺結構

　　系統(tǒng)的硬件平臺結構如圖3所示。
　　　　
　　　　　　　　　　　　　　　　　圖3系統(tǒng)硬件平臺結構

　 　本系統(tǒng)使用FPS200指紋傳感器獲取指紋圖像。FPS200是電容式固態(tài)指紋傳感器，采用CMOS技術，獲取的圖像為256×300像 素，分辨率為500 dpi。該傳感器提供三種接口方式：8位微機總線接口、集成USB全速接口和集成SPI接口。本系統(tǒng)采用集成SPI接口。指紋采集的程序流程是：首先初始 化FPS200的各個寄存器，主要是放電電流寄存器（DCR）、放電時間寄存器（DTR）和增益控制寄存器(PGC)的設置；然后查詢等待，指紋被 FPS200采集進入數據寄存器后，通過DMA存入內存。

　　由于從指紋傳感器采集到的指紋圖像數據在80 KB左右，以DMA方式存入片內RAM。Nios II對指紋圖像數據進行處理后，生成指紋特征模板，在指紋登記模式下，存入片外Flash中；在指紋比對模式下，與存儲在Flash中的特征模板進行匹 配，處理結果通過LCD和七段LED顯示器輸出顯示。

　　本系統(tǒng)的硬件平臺主要是在Altera的Nios II Cyclone嵌入式開發(fā)板上實現，選用Altera的Cyclone版本的Nios II開發(fā)套件，包括Nios II處理器、標準外圍設備庫、集成了SoPC Builder系統(tǒng)設計工具的QuartusII開發(fā)軟件等。系統(tǒng)的主要組件Nios II的標準內核、片內存儲器、SPI、UART、DMA控制器、并行I/O接口、Avalon總線、定時器等都集成在一塊Altera的Cyclone FPGA芯片上，使用SoPC Builder來配置生成片上系統(tǒng)。

　　SoPC Builder是功能強大的基于圖形界面的片上系統(tǒng)定義和定制工具。SoPC Builder庫中包括處理器和大量的IP核及外設。根據應用的需要，本系統(tǒng)選用Nios II Processor、OnChipMemory、Flash Memory(Common Flash Interface)、SPI、JTAG UART、DMA、Interval timer、LCD PIO、Seven Segment PIO、Avalon TriState Bridge等模塊。對這些模塊配置完成后，使用SoPC Builder進行系統(tǒng)生成。SOPC Builder自動產生每個模塊的HDL文件，同時自動產生一些必要的仲裁邏輯來協調系統(tǒng)中各部件的工作。

2.3 使用Nios II的定制指令提高系統(tǒng)性能

　 　使用Nios II的定制指令，可以將一個復雜的標準指令序列簡化為一個用硬件實現的單一指令，從而簡化系統(tǒng)軟件設計并加快系統(tǒng)運行速度。Nios II的定制指令是與CPU的數據通路中的ALU相連的用戶邏輯塊。其基本操作是，接收從dataa和/或datab端口輸入的數據，經過定制指令邏輯的處 理，將結果輸出到result端口。

　　在指紋識別算法中，對指紋圖像的處理數據運算量大，循環(huán)數目多；而Nios II的定制指令個數已增加到256個，可以使用定制指令完成許多循環(huán)內的數據處理，從而加速數據處理的速度。

　 　在對指紋圖像的處理中，頻繁地用到坐標轉換，將圖像的二維坐標轉換為一維的存儲地址；通過定制指令來完成坐標的轉換，用一組易于用硬件實現的位移和加法 運算替代乘加運算，可將轉換時間縮短1/3。在方向圖計算中，要進行離散反正切變換，使用優(yōu)化過的用硬件實現的定制指令來替代C語言中的atan函數，更 可以將變換時間縮短到原來的1/1000。

　　定制指令邏輯和Nios II的連接在SoPC Builder中完成。Nios II CPU配置向導提供了一個可添加256條定制指令的圖形用戶界面，在該界面中導入設計文件，設置定制指令名，并分配定制指令所需的CPU時鐘周期數目。系 統(tǒng)生成時，Nios II IDE為每條用戶指令產生一個在系統(tǒng)頭文件中定義的宏，可以在C或C++應用程序代碼中直接調用這個宏。

3 系統(tǒng)軟件的設計與實現

　　本系統(tǒng)的指紋圖像處理及識別算法采用C語言在Nios II IDE中實現。指紋識別算法的流程如圖4所示。
　　　　　　
　　　　　　　　　　　　　　　圖4指紋識別算法流程

　 　背景分離是將指紋區(qū)與背景分離，從而避免在沒有有效信息的區(qū)域進行特征提取，加速后續(xù)處理的速度，提高指紋特征提取和匹配的精度。采用標準差閾值跟蹤 法，圖像指紋部分由黑白相間的紋理組成，灰度變化大，因而標準差較大；而背景部分灰度分布較為平坦，標準差較小。將指紋圖像分塊，計算每個小塊的標準差。 若大于某一閾值（本文取20），則該小塊中的所有像素點為前景；否則，為背景。

　　方向圖是用紋線的方向來表示原來的紋線。本文采用塊方向圖，將源指紋圖像分成小塊，使用基于梯度值的方向場計算方法，計算出每個小塊的脊線方向。

　　圖像增強的目的是改善圖像質量，恢復脊線原來的結構；采用方向濾波，設計一個水平模板，根據計算出的方向圖，在每個小塊中將水平模板旋轉到所需要的方向進行濾波。

　　圖像的二值化是將脊線與背景分離，將指紋圖像從灰度圖像轉換為二值圖像。

　　二值化后的圖像經過細化，得到紋線的骨架圖像。細化采用迭代的方法，使用ZhangSuen并行細化算法，可對二值圖像并行處理。

　　特征提取階段，選擇脊線端點和分叉點作為特征點，記錄每一個特征點的類型、位置和方向信息，從而得到指紋的特征點集。但由于在指紋掃描和預處理階段會引入噪聲，產生大量偽特征點，因此需要進行偽特征點的去除。去除偽特征點后的特征點集作為特征模板保存。

　 　特征匹配階段采用基于特征點的匹配算法，通過平移和旋轉變換實現特征點的大致對齊重合，計算坐標變換后兩個模板中的特征點的距離和角度。如果小于某一閾 值（本文的距離和角度閾值分別取5個像素和10°）,則認為是一對匹配的特征點。計算得出所有匹配的特征點對后，計算匹配的特征點占模板中所有特 征點的百分比S。根據系統(tǒng)的拒識率（FRR）和誤識率（FAR）要求設置閾值TS。如果S大于或等于閾值TS，則認為是同一指紋；否則，匹配失敗。

結語

　 　本文提出了一種基于Nios II嵌入式處理器軟核的自動指紋識別系統(tǒng)實現方法。使用Altera的Cyclone FPGA實現，且具有開發(fā)周期短、成本低等特點；同時，采用Nios II的定制指令來提高系統(tǒng)性能，利用硬件實現算法速度快的優(yōu)點，使以Nios II處理器為核心的系統(tǒng)能夠快速地完成大量數據處理。