0 引言

    近年來(lái)，隨著融合了信息技術(shù)和生物技術(shù)的生物識(shí)別技術(shù)的興起，利用人體固有的生理特征進(jìn)行身份認(rèn)證識(shí)別技術(shù)在安保、考勤、門(mén)禁系統(tǒng)中得到了廣泛應(yīng)用。相比于傳統(tǒng)的生物識(shí)別技術(shù)，掌靜脈識(shí)別認(rèn)證技術(shù)以其活體識(shí)別、組織內(nèi)部特征、安全等級(jí)高等技術(shù)優(yōu)勢(shì)，得到了廣泛的關(guān)注和研究。

    目前國(guó)外成熟的掌靜脈采集認(rèn)證裝置以日本富士通靜脈采集認(rèn)證產(chǎn)品為主，廣泛應(yīng)于ATM機(jī)、門(mén)禁、安保等系統(tǒng)之中^[1]，而鑒于商業(yè)機(jī)密，該產(chǎn)品實(shí)現(xiàn)的細(xì)節(jié)在文獻(xiàn)中鮮有描述。國(guó)內(nèi)的靜脈采集認(rèn)證系統(tǒng)的研究處于起步階段，大部分產(chǎn)品都采用富士通靜脈采集裝置做相關(guān)應(yīng)用擴(kuò)展集成，而相關(guān)算法測(cè)試又多依賴于高性能X86實(shí)現(xiàn)，真正自主研發(fā)的合理快速掌靜脈采集認(rèn)證系統(tǒng)少之又少。

    在掌靜脈采集認(rèn)證系統(tǒng)的研制中，靜脈圖像采集和識(shí)別算法實(shí)現(xiàn)為兩大技術(shù)難點(diǎn)。本文通過(guò)測(cè)試對(duì)比不同型號(hào)CMOS攝像頭靜脈采集圖像效果，最終選用一種以O(shè)V7720為傳感芯片的USB攝像頭模組作為靜脈采集裝置，實(shí)驗(yàn)結(jié)果表明OV7720型號(hào)USB紅外攝像頭在合適的參數(shù)配置下可采集得到清晰的掌靜脈圖像。識(shí)別算法實(shí)現(xiàn)速度主要取決于識(shí)別算法的選用和硬件平臺(tái)的選取，本文選用文獻(xiàn)[2]中基于紋理方向特征的方法在不同嵌入式平臺(tái)下進(jìn)行算法移植、測(cè)試，統(tǒng)計(jì)對(duì)比算法實(shí)現(xiàn)時(shí)間，最終設(shè)計(jì)并實(shí)現(xiàn)了一種基于Zedboard的快速掌靜脈識(shí)別認(rèn)證系統(tǒng)。結(jié)果表明，由FPGA實(shí)現(xiàn)特征提取卷積部分的傅里葉變換及反變換，可大大縮短特征提取運(yùn)算時(shí)間，使得整個(gè)靜脈認(rèn)證識(shí)別系統(tǒng)擺脫了對(duì)龐大笨重的X86平臺(tái)的依賴。

1 Zedboard靜脈采集認(rèn)證系統(tǒng)

1.1 系統(tǒng)結(jié)構(gòu)

    Zedboard靜脈采集認(rèn)證系統(tǒng)主要由近紅外光源板、濾光片、USB攝像頭、Zedboard片上系統(tǒng)及顯示器組成，系統(tǒng)示意圖如圖1所示。其中新一代可編程片上系統(tǒng)Zedboard集雙核CortexA9處理器和傳統(tǒng)現(xiàn)場(chǎng)可編程門(mén)陣列(FPGA)于一體，由Process Systerm(PS)和Programmable Logic(PL)組成。PS部分的CortexA9處理器為應(yīng)用級(jí)處理器，可運(yùn)行完整Linux操作系統(tǒng)，PL部分的Xilinx 7系列FPGA可進(jìn)行硬件重構(gòu)實(shí)現(xiàn)算法加速。整個(gè)系統(tǒng)由SD卡啟動(dòng)方式啟動(dòng)，PS部分的CortexA9通過(guò)USB接口控制攝像頭進(jìn)行掌脈圖像采集，并完成圖像預(yù)處理，AXI總線實(shí)現(xiàn)PS與PL間的數(shù)據(jù)通信，由Xilinx FFT IP核實(shí)現(xiàn)特征提取部分的二維離散傅里葉變換及反變換，并通過(guò)HDMI接口連接顯示器進(jìn)行靜脈采集認(rèn)證顯示，裝置結(jié)構(gòu)如圖2所示。

1.2 系統(tǒng)流程

    靜脈采集認(rèn)證流程主要有：攝像頭參數(shù)配置、靜脈圖像采集及格式轉(zhuǎn)換、圖像預(yù)處理、特征提取及一比一對(duì)比認(rèn)證。圖像預(yù)處理主要包括圖像二值化、手掌輪廓邊緣提取、關(guān)鍵點(diǎn)選取、感興趣區(qū)域(ROI)提取及圖像增強(qiáng)。系統(tǒng)流程如圖3所示。

2 硬件實(shí)現(xiàn)

2.1 光源

    由人體骨骼和肌肉組織的特點(diǎn)可知，780～1 100 nm之間波長(zhǎng)的近紅外光隨波長(zhǎng)增大而在皮膚中的穿透深度增大^[3]，且靜脈血管中的主要成分還原血紅蛋白對(duì)750～850 nm波段的近紅外光有較多吸收^[4]，結(jié)合市場(chǎng)上可提供的近紅外波段的紅外燈源，本設(shè)計(jì)采用850 nm和940 nm混合光源作為整個(gè)系統(tǒng)的采集光源。

2.2 攝像頭參數(shù)配置及選型

    影響靜脈圖像質(zhì)量的圖像傳感器參數(shù)主要有亮度 (BRIGHTNESS)、對(duì)比度(CONTRAST)、白色度(WHITENESS)、銳度(SHARPNESS)和逆光補(bǔ)償度(BACKLIGHT COMPENSATION)。其中傳感器亮度值配置高低與光照強(qiáng)度大小對(duì)靜脈成像效果成反比例關(guān)系，高亮度值配置可彌補(bǔ)光照強(qiáng)度不足，低亮度值配置可消除高光強(qiáng)產(chǎn)生的光斑，低亮度值配置并提供足夠大的光照強(qiáng)度，可采集到清晰掌脈圖像；低對(duì)比度和低白色度參數(shù)配置使靜脈圖像的手掌區(qū)域過(guò)暗或過(guò)白，參數(shù)配置需較大；高銳度值配置可銳化靜脈紋路但會(huì)產(chǎn)生顆粒狀噪聲，參數(shù)配置需適中；高逆光補(bǔ)償度可平滑由光照不均所產(chǎn)生的區(qū)域性明暗斑塊，參數(shù)值配置越高平滑效果越好。

    本文選用自配800 nm～2 000 nm帶通濾光片的OV7225、OV9653及OV7720的USB攝像頭模組進(jìn)行掌脈圖像的采集及對(duì)比，采集結(jié)果對(duì)比見(jiàn)本文4.2。

2.3 系統(tǒng)電路

    系統(tǒng)電路主要由ZYNQ處理系統(tǒng)、FFT運(yùn)算實(shí)現(xiàn)電路及HDMI信號(hào)轉(zhuǎn)換控制電路組成，整體系統(tǒng)電路設(shè)計(jì)如圖4所示。ZYNQ為Zedboard片上處理系統(tǒng)，主要由主頻1.3 GHz 的CortexA9雙核處理器構(gòu)成，可實(shí)現(xiàn)SD卡通信、控制USB攝像頭完成圖像采集存儲(chǔ)、實(shí)現(xiàn)圖像預(yù)處理算法，并通過(guò)AXI總線實(shí)現(xiàn)PS與PL間的數(shù)據(jù)通信；FFT為FFT運(yùn)算模塊，該模塊選用Artix-7系列FPGA結(jié)構(gòu)可插入模塊Xilinx LogiCore IP Fast Fourier Transform，用于特征提取部分的傅里葉變換及反變換運(yùn)算實(shí)現(xiàn)，該IP配置為數(shù)據(jù)占有消耗小、運(yùn)算速度快的基4運(yùn)算模式；hdmi_output、emio_gpio、fmc_hdmi_input、processing為HDMI信號(hào)輸入輸出控制及圖像處理模塊，實(shí)現(xiàn)液晶屏圖像顯示的信號(hào)轉(zhuǎn)換與傳輸；處理系統(tǒng)對(duì)各部分外設(shè)的中斷響應(yīng)則由xlconcat中斷控制IP實(shí)現(xiàn)。

3 算法實(shí)現(xiàn)

3.1 ROI選取

    本文ROI提取方法選用文獻(xiàn)[5]中提出的掌紋ROI感興趣區(qū)域提取方法，即在提取掌脈圖像的手掌邊緣輪廓線后，定位食指和中指間的縫隙與無(wú)名指和小指間的縫隙作為關(guān)鍵點(diǎn)，并將關(guān)鍵點(diǎn)連線作為定位基準(zhǔn)點(diǎn)建立坐標(biāo)系，截取固定大小矩形區(qū)域作為ROI，并選用CLAHE圖像增強(qiáng)法對(duì)ROI圖像進(jìn)行圖像增強(qiáng)。

3.2 特征提取

    本文選用文獻(xiàn)[2]中基于方向的特征提取法進(jìn)行特征提取，即通過(guò)128×128像素的ROI圖像與6組31×31點(diǎn)素的不同卷積核進(jìn)行卷積提取方向特征值。依據(jù)卷積定理，即兩個(gè)空間函數(shù)卷積可通過(guò)計(jì)算兩個(gè)傅里葉變換函數(shù)的乘積的逆變換得到，對(duì)ROI圖像和卷積核進(jìn)行二維離散傅里葉變換運(yùn)算。通過(guò)傅里葉變換蝶形運(yùn)算可大大降低乘加運(yùn)算的運(yùn)算次數(shù)，從而提高整個(gè)特征提取運(yùn)算速度。轉(zhuǎn)換公式如下：

式(1)中f(x，y)為輸入圖像，h(x，y)為卷積核，*代表卷積，f(x，y)與h(x，y)的卷積等于各自傅里葉變換乘積后的傅里葉逆變換，式(2)、式(3)分別為離散傅里葉變換及逆變換公式。

4 實(shí)驗(yàn)結(jié)果與分析

4.1 應(yīng)用程序測(cè)試

    本文掌靜脈采集認(rèn)證系統(tǒng)選用Linux系統(tǒng)Linaro Ubuntu版本，硬件信息bitstream文件由Vivado軟件生成后燒入Zedboard板，并將定制好的bootloader鏡像文件BOOT.BIN、設(shè)備樹(shù)devicetree.dtb文件、文件系統(tǒng)鏡像ramdisk8M.image.gz、內(nèi)核鏡像zImage拷入SD卡中，上電啟動(dòng)Zedboard板并運(yùn)行靜脈采集應(yīng)用程序，顯示界面如圖5所示。

4.2 靜脈圖像采集

    OV7720圖像傳感器可配置參數(shù)多、可調(diào)精度細(xì)，對(duì)不同人群靜脈采集適應(yīng)性強(qiáng)，在進(jìn)行合理的參數(shù)配置后采集的圖像靜脈紋理效果優(yōu)于OV7725和OV9653。不同攝像頭靜脈圖像采集對(duì)比如圖6所示。

    Linux系統(tǒng)下依據(jù)V4L2編程規(guī)范，可通過(guò)ioctl函數(shù)調(diào)用v4l2_control結(jié)構(gòu)體重置VIDIOC_G_CTRL命令值，對(duì)OV7720傳感器的參數(shù)進(jìn)行配置，采集得到Y(jié)UV格式數(shù)據(jù)，提取Y亮度分量可轉(zhuǎn)化為640×480像素的靜脈灰度圖片。在光源板供壓2.44 V，電流為0.3 A的條件下，OV7720傳感器亮度配置為100，對(duì)比度配置為40，白色度配置為250，逆光補(bǔ)償配置為1 000時(shí)，靜脈圖像采集效果最佳，如圖7(c)所示，而錯(cuò)誤的參數(shù)配置將無(wú)法獲取清晰的靜脈圖片，如圖7(a)、(b)所示。

    該芯片USB攝像頭在合適的范圍內(nèi)對(duì)亮度、對(duì)比度、白色度、銳度和逆光補(bǔ)償度這5項(xiàng)參數(shù)進(jìn)行微調(diào)可采集得到理想的靜脈圖片，不同環(huán)境下不同人掌脈采集圖如圖8所示。

4.3 FFT IP仿真驗(yàn)證

    二維離散傅里葉變換及逆變換由兩次一維傅里葉變換和逆變換實(shí)現(xiàn)，ROI特征提取需先將ROI圖像矩陣和卷積核擴(kuò)維成256×256點(diǎn)陣后，分別進(jìn)行行和列的一維傅里葉變換。256點(diǎn)的一維離散傅里葉變換及逆變換為特征提取部分最基本的運(yùn)算，在vivado軟件下對(duì)FFT IP進(jìn)行256點(diǎn)的一維離散快速傅里葉變換及逆變換的仿真測(cè)試，modelsim仿真結(jié)果如圖9所示，結(jié)果顯示基4運(yùn)算模式的FFT IP在時(shí)頻150 MHz下完成256點(diǎn)一維離散快速傅里葉變換或逆變換過(guò)程僅耗時(shí)7.682 μs。

4.4 時(shí)間統(tǒng)計(jì)及對(duì)比分析

    為研制合理高效的掌靜脈識(shí)別認(rèn)證系統(tǒng)，本文先后選取ARM11、CortexA9、X86等不同硬件平臺(tái)對(duì)靜脈算法C語(yǔ)言代碼進(jìn)行測(cè)試評(píng)估，時(shí)間測(cè)試統(tǒng)計(jì)對(duì)比如表1所示。

    由表1可知在不同硬件平臺(tái)下，預(yù)處理和認(rèn)證部分的整型運(yùn)算實(shí)現(xiàn)速度中，高主頻X86最快，低主頻ARM11最慢。特征提取部分的浮點(diǎn)數(shù)運(yùn)算實(shí)現(xiàn)速度，高性能X86最快，低性能ARM11最慢。增設(shè)浮點(diǎn)運(yùn)算單元（Floating Point Unit，F(xiàn)PU）的CortexA9處理器浮點(diǎn)運(yùn)算性能較高但與X86浮點(diǎn)運(yùn)算性能仍有較大差距，特征提取運(yùn)算速度仍不理想。FPGA的算法實(shí)現(xiàn)則可大幅度提升運(yùn)算速度，時(shí)間統(tǒng)計(jì)對(duì)比如表2所示。

    由表2可知FPGA部分的FFT IP在供頻150 MHz下一維離散傅里葉變換及反變換實(shí)現(xiàn)時(shí)間僅需7.68 μs，從而使整個(gè)特征提取部分時(shí)間降至0.052 s。

5 結(jié)論

    以O(shè)V7720為傳感芯片的USB紅外攝像頭通過(guò)合理配置傳感器參數(shù)，可采集得到清晰理想的掌靜脈圖像。Zedboard掌靜脈采集認(rèn)證系統(tǒng)由PS部分的CortexA9處理器對(duì)整個(gè)系統(tǒng)運(yùn)行進(jìn)行控制，可很好地完成圖像采集和預(yù)處理，特征提取算法由PL部分的FPGA實(shí)現(xiàn)可將特征提取時(shí)間降至0.052 s，從而將整個(gè)識(shí)別認(rèn)證時(shí)間降低到0.1 s以內(nèi)，滿足產(chǎn)品化的實(shí)時(shí)性要求。

參考文獻(xiàn)

[1] WATANABE M，ENDOH T，SHIOHARA M，et al.Palm vein authentication Technology and its applications[C].Proceedings of The Biometric Consortium Conference，2005：73-75．

[2] 周宇佳，劉婭琴，楊豐，等.基于方向特征的手掌靜脈識(shí)別[J].中國(guó)圖象圖形學(xué)報(bào)，2014，19(2)：243-252.

[3] Jacques，STEVEN L．Simple optical theory for light dosimetry during PDT[J]．Proc SPIE，1992，1645：155-165．

[4] MATCHER S J，ELWELL C E，COOPER C E，et a1．Performance comparison of several published tissue near-infrared spectroscopy algorithms[J]．Arlal Biochem，1995，227：54-68．

[5] ZHANG D，KONG W K，YOU J，et a1．Online palmprint identification[J]．IEEE Transactions on Pattern Analysis and Machine Intelligence，2003，25(9)：1041-1050．