基于DSP芯片TMS320DM642的虹膜识别系统设计

     1 前言

　近年来兴起的生物特征识别技术具有很好的可靠性。虹膜作为重要的身份鉴别特征，具有唯一性、稳定性、可采集性和非侵犯性等优点。与脸像、声音等身份鉴别方法相比，虹膜具有更高的准确性。据统计虹膜识别的错误率是各种生物识别中最低的。目前，虹膜识别系统可应用于电子商务、条件登录、授权支付、权限信息和金融交易等领域。本文提出了基于TMS320DM642 DSP的虹膜识别系统，给出了系统硬件和软件的实现方案。

　　2 系统硬件设计

　　本系统的硬件平台由五个部分组成，分别是图像采集、图像处理、数据存储、图像显示和电源部分。其结构框图如图1所示

　　

　　图1 系统结构框图

　　2.1 图像采集

　　图像采集是将CCD摄像机采集到的虹膜图像，经高精度的A/D转换后得到数字虹膜图像。A/D转换器采用TI公司的TVP5145芯片，其采样精度达到10bit，输出支持CCIR-656和BT656等格式。

　　2.2 图像处理

　　数字多媒体处理器TM320DM642属于TI公司C6000系列，是一款新型高性能的DSP。它是整个虹膜识别系统的核心。它的任务是对得到的数字虹膜图像进行处理和识别，将处理的数据存入数据存储器，将识别的结果送到LCD显示器进行显示。

　　TMS320DM642基于C64x内核，采用高级甚长指令字(VelociTI)体系结构。具有64个32位通用寄存器，8个独立计算的功能单元。它可在600MHz时钟速率工作，每个指令周期可并行执行8条32位指令，峰值计算速率可达4800MIps。TMS320DM642有L1和L2两级缓存，第一级包括L1P(16KB)程序缓存和L1D(16KB)数据缓存;第二级缓存L2(256KB)可灵活配置成缓存或片上内存。TMS320DM642具有64个独立通道的EDMA(扩展的直接存储器访问)控制器，负责片内L2与其它外设之间的数据传输。DM642具有丰富的外围设备接口：包括三个可配置的双通道视频接口(Video Port)，可以和视频输入，输出或传输流输入无缝连接;具有多通道音频串行端口(McASP)，便于音频应用开发;10/100Mbps以太网口(EMAC)，便于网络应用;66MHz32bit的PCI接口;以及64 bit的外部存储器接口(EMIF)，可连接异步或同步的存储器，如SDRAM。此外，还具有I2C总线模块、数据管理输入输出模块(MDIO)等。

　　TM320DM642具有以上的特点，能满足虹膜图像处理的实时性要求。

　　2.3 数据存储

　　数据存储部分包括FLASH、SDRAM和CF卡三部分。FLASH存储器具有可在系统进行电擦写，掉电后信息不丢失的功能，用它来保存系统自启动代码以及系统程序代码，本系统选用ATMEL公司的AT29LV020 FLASH芯片，它是NOR型的FLASH芯片，总容量为256KB，数据总线为8位。DSP 选择了EMIFA boot模式时，上电后自动从CE1空间装载程序，所以FLASH 必须接在EMIF的CE1空间。SDRAM存储器的存取速度较高，用它来存放系统运行时的代码以及临时图像数据，本系统选用四片三星公司的SDRAM K4S561632E，每片为16位，32MB，接在DSP的EMIF接口的CE0空间。CF卡接在EMIF的CE2空间，用来存储原始图像数据和识别结果。

　　2.4 图像显示

　　图像显示部分采用数字LCD，可省去数模转换芯片，而只需一片可编程逻辑器件CPLD驱动LCD，该CPLD选用Altera公司的MAX3000系列。

　　2.5 电源部分

　　电源部分在系统的硬件部分中占有重要的地位，它将影响到整机能否可靠运转。其中，要着重考虑以下两点：第一、要有一套保证DSP芯片内核和I/O能同时上电的解决方案，这样避免对芯片造成损害。本系统采用D型边沿触发器来开关电源输出，很好的解决了这个问题;第二、在高速电路板中，开关的电磁辐射和线路噪音会干扰器件的实际工作电压，而DSP芯片一般要求工作电压偏差不超过5%，否则，长时间工作在非正常电压容易缩短芯片寿命甚至于烧毁。因此，本系统中特别设计了电压监控电路来实时监控电压。根据本系统特点，采用了TI公司的TPS3307芯片。

　　3 系统软件设计

　　系统主程序运行在DSP中，完成虹膜图像处理的全部算法。虹膜识别的流程图如图2所示。识别过程是：先用摄像机拍摄眼睛图像，然后进行图像预处理(虹膜定位、增强等)，再对虹膜特征进行分析，与存储的虹膜特征进行模式匹配，最后得出识别结果。在这过程中，虹膜定位、特征分析和匹配是重要的部分。

　　3.1 虹膜定位

　　本系统采用CCD摄像机拍摄到细节较清晰的眼睛图像。虹膜是眼睛瞳孔和巩膜间的环形可视部分。虹膜定位，即是确定虹膜的内外边缘。一般而言，瞳孔灰度值比虹膜灰度值小，而虹膜灰度值又比巩膜灰度值小。因此，先以眼图的灰度平均值为尺度，取得眼图的二值化图像。再选取合适的较小的阈值就可粗略定出瞳孔的边界。然后用取图像最大连通域和二值图像形态学的方法较精确地定出瞳孔的边缘范围。最后将图像进行适当的旋转和逻辑运算，可消除瞳孔内部的光照的影响。这样可较好定出虹膜的内边缘，并通过对边缘点的坐标值求平均的方法确定出瞳孔圆心。在确定虹膜外边缘时，要选择较大的合适阈值大致定出虹膜与巩膜的边界。其余步 骤基本与定内边缘的类似。这样定位的方法速度快，避免了搜索的盲目性。

　　

　　3.2 虹膜的相位匹配算法

　　虹膜图像的纹理特征具有唯一性，不同人的虹膜纹理是不一样的。在虹膜自动识别中通常是先存入一幅已知图像(基准子图)作为模板，再对任一输入图像(实时图)进行匹配比较，判断两者的关系。

　　由于虹膜成像过程中引入的主要是高频成份的非线性几何失真，且虹膜图像的频谱能量主要集中在低频区域。所以本系统采用基于低通滤波和傅里叶频谱的相位相关算法。该算法原理为：对基准子图和实时图分别求出离散傅里叶变换。将两图变换结果的乘积取复共轭得到它们的互功率谱，归一化后，便得到对应于这个功率谱的相位谱，然后对相位谱求逆傅里叶变换，得到相位相关函数。

　　此功率谱的相位谱包含了两图之间差异的信息。当两图一样时，相位相关函数是δ脉冲函数;当两图不一样时，相位相关函数不能形成δ脉冲函数。因此，相位相关函数可以用来度量两图之间的相似程度。并且相位相关算法具有较高的匹配精度。此外，还由于相位相关函数对于灰度值及其尺度的变化是不敏感的，所以，这种算法不易受这些误差因素影响。

　　4 实验结果

　　本系统对虹膜图像进行判断和识别。实验结果表明同一人的虹膜图像的相位相关函数是δ脉冲函数，其相位相关面如图3所示。不同人的虹膜图像的相位相关函数不能形成δ脉冲函数，其相位相关面如图4所示。由于图像信息高频部分具有噪声干扰，为获得较好的效果，取低频部分信息进行比较。从图中可知，同一人的虹膜图像有一致性，相位相关函数幅值最大值为1。而不同的人的虹膜图像比较的结果图中则是杂乱无章的，无规律可寻。两个图的区别非常明显。

　　

　　图3 同一人的虹膜图像比较结果 图4 不同人的虹膜图像比较结果

　　5 结束语

　　本文介绍了一种基于DSP的虹膜识别系统。大量实验结果表明，本系统识别率较高，系统稳定、可靠。本系统已经完成调试，效果良好，具有广泛的应用前景。