本方案采用ARM處理器作為控制核心，構建指紋識別算法的嵌入式系統的設計方法及過程。該系統采用光學指紋傳感器（內建格科微電子有限公司的光學GC0307 CMOS圖像采集芯片）與ARM Cortex M3內核的意法半導體公司32位高性能單片機STM32F205RE組成功能主體，采用Sobel邊緣檢測算子、Gabor濾波、圖像二值化等圖像采集與處理算法對指紋圖像進行識別。經過反復實踐證明，該方案適合嵌入式組件開發中需要進行生物指紋特征提取、識別，指紋身份認證、比對等場合。系統具有高性價比且交互簡易、識別率高、擴展性強，便于嵌入式應用。

　　0 引言

　　隨著電子信息技術應用面日益拓展，不少場合需要對特定用戶群體進行身份識別或身份記錄，如門禁系統、考勤系統、安全認證系統等，在各種系統中運用的技術形式多樣，如視網膜識別、面相識別、指紋識別、RFID 射頻識別應用等。其中，生物特征識別方式以其方便性強、安全性高等特點得到了越來越多人的認可和接受，特別是指紋識別技術方式，現已發展成為應用最廣泛的生物識別技術之一。因此，研究基于嵌入式架構的指紋識別系統具有現實意義和廣闊的應用前景。

　　1 系統整體結構

　　系統采用光學指紋傳感器（內建格科微電子有限公司的光學GC0307 CMOS 圖像采集芯片）與ARM Cortex M3 內核意法半導體公司的32 位高性能單片機STM32F205RE 組成功能主體，采用Sobel 邊緣檢測算子、Gabor 濾波、圖像二值化等圖像采集與處理算法對指紋圖像進行識別，構建了小體積的嵌入式指紋識別模塊，具有積木式嵌入、微功耗、程序接口簡單易用、便于二次開發、識別準確度高、高性價比等特點。

　　2 系統硬件電路設計

　　整個系統設計構成了一體化光學指紋識別模塊。模塊設計采用光學暗背景成像原理，加入特有活體檢測芯片，在解決干手指效應的同時解決殘留指紋誤識別、橡膠假指紋等問題。

　　圖1 所示為格科微電子有限公司的光學GC0307 CMOS 圖像采集芯片應用電路原理圖。該款CMOS 圖像采集芯片是高精度、低功耗、微體積的高性能相機的內置式組件，它把實現優質VGA 影像的CMOS 影像傳感器與高度集成的影像處理器、嵌入式電源和高質量的透鏡組結合在一起，輸出JPEG 圖像或圖像視頻流，支持8/10 位數字傳輸JPEG 圖像和YCbCr 接口，提供了完整的影像解決方案。

　　CMOS 圖像采集芯功能輸出串行數據引腳、時鐘信號引腳、復位引腳、串行總線引腳等都接入到STM32F205RE的GPIO 口， 通過GPIO 口模擬時序讀取CMOS 芯片采集到的圖像信息。由于STM32F205RE 的GPIO 口工作頻率可達120 MHz，因而可以非常準確高效地模擬時序，實測640×480 的原始圖像能以10 幀/s 的速度采集到主處理器STM32F205RE 中進行圖像處理。

　　3 系統軟件功能設計

　　本系統的指紋圖像采集過程如圖2 所示。系統軟件設計部分則針對畸變糾正采用了四點轉正算法。

　　通過公式（1）和公式（2）可以得到從（x，y） 到（u，v） 的變換，其中，A ~ H 由光路決定，可以由具體測定數據最終確定，通過實測可以獲得原始數據。圖3 所示展示了原始圖像和畸變糾正前后圖像的效果差異。通過變換可見，畸變糾正后的圖像通過變換可達500 DPI分辨率，為后續獲得高質量圖像處理數據奠定了基礎條件。

　　然后送入算法處理。由于嵌入式系統的圖像處理算法必須運算量小、占用RAM 存儲器空間小，才能在運算性能有限的單片機系統中運行，故而本系統通過小塊方向替代點方向，減小RAM占用。

　　在圖像增強方面，可以將圖像以L 為長寬劃分為小塊，再按如下公式求取每一塊的均方差 ：

　　根據實驗數據測定和分析，當Aver》36 時，可認為該區域內有圖像，否則認為是背景。利用均方差區分出了前后景，還可以據此判斷圖像的對比度。根據對比度的差異分別來增強圖像，可以使得不同曝光亮度的圖像得到一致增強。對原始圖像進行了算法處理，提取處理前后效果進行比對，具體效果如圖4 所示。

　　軟件算法中對于指紋處理中的求取圖像方向場問題，采用了基于原Sobel 算子改進后的Sobel 算子。

　　原Sobel 算子如下：

　　改進后的Sobel 算子為：

　　改進的Sobel 算子能增加方向場的準確性，實測通過率從采用標準Sobel 算子的93.3% 提高到95.8%.圖5 所示為其變化情況。

　　如圖5 可見，改進的Sobel 算子在原Sobel 算子的基礎上，能顯著地分割出正確圖像的面積，幾乎能在整個畫面區域提取出正確的方向來。系統對圖像進行了Gabor 濾波和圖像數據二值化。指紋圖像屬于紋理圖像，紋理圖像采用Gabor 濾波器，利用每一點的點方向沿方向指向增強，沿方向的法線方向減弱。Gabor 濾波器能很好地拼接斷紋，濾除環境噪聲，最后將Gabor 濾波后的圖像做雙窗口均值門限二值化：

　　門限1 ：均值化算子矩陣： 7×7 的單位矩陣。

　　門限2 ：均值化算子矩陣： 3×3 的單位矩陣。

　　具體運算表達式如下：

　　當每一點的值g（x，y）》p（x，y） 時，則賦值g（x，y）=1，否則賦值為0，以此得到二值化最終的結果，提取圖像進行實測效果的比對如圖6 所示。

　　圖7 是最后根據圖像紋理的粗細二值化圖像，并根據端點和交叉點提取特征點。

　　經過上面的步驟，即可從原始圖像里面提取出有效的特征信息。特征信息描述了特征點的位置、方向等信息，最終形成一個大小不超過512 字節的特征模板。指紋的比對就是在特征模板的基礎上，構建兩個點形成的桿對集，而桿對所包含的桿長度、端點方向與桿的夾角等信息已經是相對量，與位置無關。理想狀況下，同一枚指紋，采集的兩幅圖像能找到的桿對的每一個量（長度、夾角）在數學上是完全相等的。以此為基本數學模型，構建整個比對算法。

　　4 結語

　　本文的基于ARM的光學指紋識別系統的設計方案，經過實物測試， 模塊錄入用戶指紋圖像時間為500 ~ 800 ms，拒真率小于等于1%，平均4.2 ms 即可比對一枚指紋，支持1∶1 指紋驗證和1∶N 指紋搜索。在硬件設計中引出了通信端子，系統支持3.3V TTL 串口通信，可以通過串口對模塊進行用戶注冊、刪除特定用戶、刪除所有用戶、復位模塊、獲取用戶總數、獲取用戶權限、1∶1 比對、1∶N 比對、設置串口波特率、讀取圖像并提取特征值、獲取圖像等30 個常規或擴展功能命令，能滿足大多數的指紋應用場合，可以很好地運用于嵌入式領域，從而證實了本方案的可行性。