论文部分内容阅读
随着科学技术水平的不断提升,信息技术得到了迅猛发展,信息安全越来越受到人们的重视。具有唯一性、安全性、可靠性、方便性的身份识别技术显得尤为重要,生物识别技术应运而生,目前已经广泛应用于身份识别领域。手形识别作为一种典型的生物特征识别技术,具有采集方便、接受性好、稳定性高、识别简单等优点,具有重要的研究意义和实用价值,备受研究学者的关注。基于计算机的手形识别系统普遍存在成本高、体积大等缺点,其应用受到了一定限制。研究一种基于DSP的手形识别系统,可以有效降低成本,提高工作效率,实用性好,便于产品化,该领域的研究方兴未艾。本文结合吉林省科技厅项目“基于DSP的手形和掌部静脉识别系统”(项目号:20140204046),对基于DSP的手形识别系统进行深入研究,集图像采集、特征提取、身份识别等功能于一体。本文的主要研究内容为:(1)本文改进了手形几何特征和轮廓特征提取方法。首先,对除大拇指以外的四指进行分离处理,采用最小二乘法拟合算法定位手指中轴线。然后,对手指根部不稳定区域进行截断处理,采用分步对齐方法实现手指规范化。最后,分别提取手指宽度几何特征,以及手指重合率轮廓特征。该方法更充分地利用了手部特征信息,提高了手形定位的稳定性,提取到的手形特征更加有效可靠。(2)本文提出了采用基于粒子群和差分进化的混合算法来优化手形参数。为提高手形识别效果,采用混合算法对手指截取系数和重合率权值系数进行了优化。实验结果表明,优化后的手形参数体现了手指携带特征的有效程度,参数优化有效提高了识别准确率。(3)本文提出了一种基于支持向量机(SVM)的手形多特征融合识别方法,将手指轮廓特征与几何特征进行决策层融合。该方法实现了特征融合,具有良好的识别性能,识别效果优于单特征阈值判断方法。SVM分类性能具有明显优势,识别准确率可达98.65%,适用于手形识别系统。(4)本文设计了基于DSP的手形识别系统结构和软件框架。进行了系统选型,确定了以TMS320DM642为核心的手形识别系统,介绍了系统结构、图像输入/输出模块和存储模块的设计。设计了基于DSP/BIOS的视频驱动程序。最后,将本文提出的手形识别算法移植到了DSP系统,实验识别率达96%,验证了本文算法的实用性和可靠性。研究表明,本文提出的基于DSP的手形识别系统能够充分有效地利用手部特征信息,识别效果良好。