基于Zedboard的掌靜脈采集認(rèn)證系統(tǒng)設(shè)計(jì)*

陳騰蛟，劉婭琴，葉林鋒，楊　豐

（1.南方醫(yī)科大學(xué) 生物醫(yī)學(xué)工程學(xué)院，廣東 廣州 510515；2.廣東工業(yè)大學(xué) 計(jì)算機(jī)學(xué)院，廣東 廣州 510006）

基于Zedboard的掌靜脈采集認(rèn)證系統(tǒng)設(shè)計(jì)*

陳騰蛟1，劉婭琴1，葉林鋒2，楊豐1

（1.南方醫(yī)科大學(xué) 生物醫(yī)學(xué)工程學(xué)院，廣東 廣州 510515；2.廣東工業(yè)大學(xué) 計(jì)算機(jī)學(xué)院，廣東 廣州 510006）

針對普通攝像頭難以獲取掌靜脈圖像，提出一種基于OV7720傳感芯片的USB紅外攝像頭靜脈采集方案，通過合理配置傳感器芯片參數(shù)可獲取清晰掌靜脈圖像。針對基于紋理方向的掌靜脈識別算法在現(xiàn)有嵌入式平臺運(yùn)算慢耗時長的問題，設(shè)計(jì)實(shí)現(xiàn)一種基于Zedboard的掌靜脈快速識別認(rèn)證系統(tǒng)。該系統(tǒng)由片上處理系統(tǒng)(Processing System，PS)完成掌靜脈圖像采集、預(yù)處理，可編程序邏輯陣列(Programable Logic，PL)實(shí)現(xiàn)特征提取算法。結(jié)果表明，靜脈特征提取算法的FPGA實(shí)現(xiàn)可顯著縮短識別時間，使整個識別認(rèn)證過程降到0.1 s以內(nèi)。

掌靜脈采集；USB紅外攝像頭；CortexA9；FPGA；二維離散傅里葉變換

0　引言

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

目前國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，靜脈圖像采集和識別算法實(shí)現(xiàn)為兩大技術(shù)難點(diǎn)。本文通過測試對比不同型號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。識別算法實(shí)現(xiàn)速度主要取決于識別算法的選用和硬件平臺的選取，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下進(jìn)行算法移植、測試，統(tǒng)計(jì)對比算法實(shí)現(xiàn)時間，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)算時間，使得整個靜脈認(rèn)證識別系統(tǒng)擺脫了對龐大笨重的X86平臺的依賴。

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)場可編程門陣列(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。整個系統(tǒng)由SD卡啟動方式啟動，PS部分的 CortexA9通過 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。

圖1　Zeboard采集認(rèn)證系統(tǒng)示意圖

圖2　Zedboard靜脈采集認(rèn)證裝置結(jié)構(gòu)圖

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。

圖3　系統(tǒng)流程圖

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之間波長的近紅外光隨波長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750～850 nm波段的近紅外光有較多吸收[4]，結(jié)合市場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；低對比度和低白色度參數(shù)配置使靜脈圖像的手掌區(qū)域過暗或過白，參數(shù)配置需較大；高銳度值配置可銳化靜脈紋路但會產(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比，采集結(jié)果對比見本文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、實(shí)現(xiàn)圖像預(yù)處理算法，并通過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轉(zhuǎn)換與傳輸；處理系統(tǒng)對各部分外設(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)

3.1ROI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ROI圖像進(jìn)行圖像增強(qiáng)。

圖4　系統(tǒng)電路

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，即兩個空間函數(shù)卷積可通過計(jì)算兩個傅里葉變換函數(shù)的乘積的逆變換得到，對ROI圖像和卷積核進(jìn)行二維離散傅里葉變換運(yùn)算。通過傅里葉變換蝶形運(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 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Zedboard板并運(yùn)行靜脈采集應(yīng)用程序，顯示界面如圖5所示。

圖5　靜脈采集認(rèn)證顯示界面

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比如圖6所示。

圖6　不同攝像頭靜脈采集對比圖

Linux系統(tǒng)下依據(jù) V4L2編程規(guī)范，可通過ioctl函數(shù)調(diào)用 v4l2_control結(jié)構(gòu)體重置 VIDIOC_G_CTRL命令值，對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，對比度配置為40，白色度配置為250，逆光補(bǔ)償配置為 1 000時，靜脈圖像采集效果最佳，如圖7(c)所示，而錯誤的參數(shù)配置將無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)對亮度、對比度、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。

4.3FFT 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 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程僅耗時7.682 μs。

圖7　不同對比度、白色度值配置對比圖

圖8　不同人靜脈采集圖

圖9　FFT仿真驗(yàn)證圖

4.4時間統(tǒng)計(jì)及對比分析

為研制合理高效的掌靜脈識別認(rèn)證系統(tǒng)，本文先后選取ARM11、CortexA9、X86等不同硬件平臺對靜脈算法 C語言代碼進(jìn)行測試評估，時間測試統(tǒng)計(jì)對比如表1所示。

表1　不同平臺識別認(rèn)證時間測試對比

由表1可知在不同硬件平臺下，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，時間統(tǒng)計(jì)對比如表2所示。

表2　特征提取實(shí)現(xiàn)時間測試對比

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)時間僅需7.68 μs，從而使整個特征提取部分時間降至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處理器對整個系統(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)可將特征提取時間降至 0.052 s，從而將整個識別認(rèn)證時間降低到0.1 s以內(nèi)，滿足產(chǎn)品化的實(shí)時性要求。

[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別[J].中國圖象圖形學(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．

Design of palm vein collection and recognition system based on Zedboard

Chen Tengjiao1，Liu Yaqin1，Ye Linfeng2，Yang Feng1
(1.School of Biomedical Engineering，Southern Medical University，Guangzhou 510515，China；2.School of Computer Science，Guangdong University of Technology，Guangzhou 510006，China)

For ordinary camera is difficult to acquire palm vein image,this paper presents a USB infrared camera composed of OV7720 sensing chip as the vein acquisition device,which can obtains ideal vein image through the rational allocation of sensor chip parameters.For recognition algorithm based on oriented features performs low on general embedded platform,this paper presents a design of palm vein collection and recognition system based on Zedboard.In the system,processing system completes the vein image acquisition and preprocessing,and programmable logic realizes the feature extraction algorithm.Result shows that the FPGA implementation of vein feature extraction algorithm can significantly shorten the recognition time,which reduces the whole process of identification and authentication within 0.1 s.

palm vein acquisition；USB infrared camera；CortexA9；FPGA；two-dimensional discrete fourier transform

TP391.4

A

10.16157/j.issn.0258-7998.2016.02.015

廣東省產(chǎn)學(xué)研項(xiàng)目（2013B090500104）；廣東省重點(diǎn)科技項(xiàng)目（2013A022100009）；國家自然科學(xué)基金（61271155）

（2015-09-28）

陳騰蛟（1989-），男，碩士研究生，主要研究方向：嵌入式系統(tǒng)應(yīng)用、圖像采集及處理。

劉婭琴（1965-），通信作者，女，碩士，副教授，主要研究方向：電子信息應(yīng)用、生物特征識別，E-mail：liuyq@smu. edu.cn。

葉林鋒（1979-），男，博士，講師，主要研究方向：計(jì)算機(jī)系統(tǒng)結(jié)構(gòu)、可重構(gòu)計(jì)算、嵌入式系統(tǒng)。

中文引用格式：陳騰蛟，劉婭琴，葉林鋒，等.基于 Zedboard的掌靜脈采集認(rèn)證系統(tǒng)設(shè)計(jì)[J].電子技術(shù)應(yīng)用，2016，42 (2)：57-60.

英文引用格式：Chen Tengjiao，Liu Yaqin，Ye Linfeng，et al.Design of palm vein collection and recognition system based on Zedboard[J].Application of Electronic Technique，2016，42(2)：57-60.