论文部分内容阅读
随着社会不断地发展,人们对安全的可靠性要求越来越高,许多场合都需要对人的身份进行认证与识别,因此生物特征识别技术显得越来越重要。而人体手背静脉作为一种崭新的生物特征识别技术,与视网膜技术、指纹技术、虹膜技术等相比,它具有内部特征、活体识别、安全等级高和非接触式等优点,表现出明显优势,并且手背静脉识别技术处于刚刚起步的阶段,所以人们对手背静脉识别技术的深入研究非常有必要和实用意义。目前,手背静脉识别一般都是利用PC机来处理,但这样的识别系统体积过于庞大,而利用DSP来进行手背静脉识别就能较好的解决此类问题。本文使用的DSP芯片型号为TI公司推出的TMS320DM642,该数字图像处理芯片是专用于图像以及视频处理方面的,并且主频最高可以达到300Mhz。国内手背静脉识别产品的核心技术大多数都是从韩国NEXTERN公司购买的,并且将DSP应用于生物特征识别设备中,可以有效降低成本,便于产品化,所以本文设计了一套基于DSP的手背静脉识别系统。本文采用Mohamed Shahin博士手背静脉图像库,共选取200幅手背静脉图像,对基于DSP的手背静脉识别系统进行深入研究,本文主要的研究内容为:(1)针对现有手背静脉识别利用的手背静脉特征较少,识别率较低等缺点,本文提出了一种基于特征点距离的手背静脉特征融合的方法。该方法首先提取7个不变矩,再提取手背静脉的端点及交叉点,将几何特征和局部特征相融合,实验结果准确率可达96.75%。(2)本文介绍了手背静脉识别系统的硬件平台,本系统的硬件平台包括系统的选型、系统的结构及各模块设计。本文通过对比几款DSP,最终选取DM642芯片作为系统的核心处理器。(3)本文设计了手背静脉识别系统的软件框架,并且介绍了软件的开发环境、DSP/BIOS操作系统等。为本文成功完成基于DSP的手背静脉识别算法移植的后续工作做出铺垫。(4)本文设计了一套基于DSP的手背静脉识别系统,将本文研究的两种手背静脉识别算法移植到DSP上,该算法能成功判断是否为同一个人的手背静脉,实验结果准确率可达93.5%,验证了本文算法的实用性和可靠性。本文利用Hu的7个不变矩方法与豪斯多夫距离法进行算法融合,成功完成了基于DSP的手背静脉识别算法移植。