引言

目前生物识别技术发展迅速，特别是被誉为三大生物识别技术之一的指纹识别技术越来越先进。将指纹自动识别技术应用到各种需要身份验证的系统或者嵌入到原有的大量安保系统，会大大提高系统的安全性。作者对目前的指纹自动识别算法做了大量的研究和改进工作，使得指纹识别的误识率和拒识率降到很低（大约0.005%），而匹配速度却较快，达到了实用化的程度。本文论述了使用motorola dsp56311和mcs-51设计主从式结构的嵌入式指纹自动识别系统的技术原理和要点。

基于动态全局特征的图元结构匹配算法

特征码提取算法有两种：全局特征点的提取算法和细节特征点提取算法。全局特征点是指指纹图象的奇异点,也即中心点和三角点；细节特征点提取算法为了减少计算量，仅仅提取脊线末梢(端点)与脊线分支点这两种关键点，通常在嵌入式应用场合利用这两种特征点可以很好的识别指纹。指纹特征码的匹配就是要计算这两种特征点的匹配程度。嵌入式指纹自动识别系统采用了一种基于动态全局特征的图元结构匹配算法。该特征码匹配算法则是在d.k.isenor等人提出的一种用图匹配来对两幅指纹图像进行匹配的方法和andrew k.hrechak等人用结构匹配来做指纹识别的算法基础上，提出了一种基于动态全局特征的结构匹配算法，该算法已经在matlab中验证通过，匹配效果非常好。下面简要的说明该匹配算法的原理。

该匹配算法思想是综合利用全局特征点和细节特征点，利用某种准则，将指纹特征点分布图划分为互相独立的若干个三角形（图元）。每个三角顶点为端点或者分支点，分别求取端点处的切线方向（指纹线延伸方向）和分支点的三个分支方向，由这些方向相对值可以确定该图元的形状，再求取图元（三角形）中心相对于奇异点的距离和方向。利用这些数据构造匹配变量： vi={图元基本信息，图元位置信息}; i=0,1,2,3……

其中图元基本信息a={端点1类型，以端点1为顶点的夹角，端点2类型，以端点2为顶点的夹角，端点3类型，以端点3为顶点的夹角};

图元位置信息b={图元中心点到奇异的距离，图元中心点相对于奇异点的方向}；

注意：图元基本信息中端点的先后次序与它们与中心点的远近相对应，即最近的端点放在最前面，最远的端点放在最后面。从匹配变量可以看出，图元基本信息只与图元本身形状有关，而与位置和图元大小无关；图元位置信息则与图元位置相关而与图元形状无关。这样做的理由是：在指纹图象面积有限的情况下，两个相似但不相同的图元（极端情况下形状完全相同，但大小不同），其相邻的图元形状形状将会有很大的差别，这样在其他的图元匹配时这个图元将会被剔除。

这种图元结构匹配算法至少可以在三个方面提高和改善匹配的效果：

首先，各特征点的匹配转化为图元的的匹配，也即是逐点的匹配转化为少数有限的几个图元的匹配，计算量将大大的缩减。

其次，能明显的降低指纹匹配的拒识率和误识率，一方面各图元的相互独立，局部的干扰不会扩散到相邻的图元，可以将因为伪特征点的掺入和真实特征点的丢失对匹配造成的影响降到最低限度；另一方面每一个特征点均存在于多个不同的图元中，在某个图元中匹配失败并不意味这该图元上的特征点立即失效，而是可以在其他图元中继续起作用的，这样就最大限度的使用了所有的特征点信息，从而间接的降低了拒决识别和错误识别的概率。

再次，由于这种匹配方法只利用了图元到奇异点的粗略距离，而对其绝对坐标位置和方向没有严格要求，只要奇异点（只与指纹特征有关）计算比较准确，则对指纹图象的畸变，平移和旋转仍然具有很好的鲁棒性。

嵌入式指纹自动识别系统的组成框图

嵌入式指纹自动识别系统设计的目标是既能够做独立模块使用，又能够做从控设备使用。故应该有两种运行模式：主控模式和从控模式。在主控模式下，系统独立运行，用户指纹识别算法采用1：n的匹配方式，用户指纹数据和操作记录数据都存放在flash中，mcs-51中实现了一个简单的嵌入式数据库管理系统，提供添加，删除，修改用户指纹，查询和导入导出操作记录以及清空数据库等操作；在从控模式下，该系统可作为其他系统的外设，系统不使用本地指纹库，指纹自动识别算法采用1：1的匹配方式，参考指纹数据来源于外部系统。基本的硬件组成框图如下图所示：

从图中可以看出，系统设计的关键点除了指纹处理算法在dsp56311中的实现外，硬件设计部分要求mcs-51单片机和motorola dsp56311之间的接口设计应能够保证数据的可靠方便的传输。下面将分别讲述该系统在这两方面所采取的处理方法。

指纹识别处理的流程图以及各种算法选取

系统的工作模式不同，采取的指纹自动识别算法也有所不同。主控方式下，指纹库容量小，往往要求快速准确的匹配，算法的侧重点主要是计算指纹图象的细节特征点数据；而从控方式下，指纹库容量通常很大，这时用于指纹分类检索的全局特征数据的计算非常重要。两种工作模式下的指纹处理算法