引言

指纹识别是根据每个人指纹的不变性和唯一性进行身份识别的一门技术。随着社会的发展，嵌入式的指纹识别技术越来越受到市场的青睐，成为近年研发的重点，但目前的嵌入式指纹算法大多在实时性和准确度上还存在不足，需要进一步优化算法，以实现准确高效的指纹识别。

本研究设计、实现一种基于STM32芯片的指纹识别系统，通过指纹传感器采集指纹数据，指纹算法处理指纹数据实现指纹识别，同时结合VC++平台建立人机交互界面对指纹图像数据显示。

1、系统硬件设计

1.1、结构组成及特点

本研究采用ARMcortex-M3内核的32位处理器STM32F-103ZET6作为主控制器，该芯片内部采用哈佛结构、其中集成有64KB的RAM和512KB的FLASH，运算速度快，并且具有体积小和低功耗的特点，在嵌入式图像处理方面具有较高的应用前景。指纹识别系统结构功能图如图1所示。

图1 系统硬件框图

系统硬件主要包括：指纹采集模块、SPI接口模块、指纹数据存储模块（SRAM）、指纹程序存储模块（FLASH）、UART模块、指纹图像算法处理模块、处理结果显示模块等。

具体工作流程如下：系统通过USB供给5V稳压电源，通过内部电路转换成3.3V稳压电源，系统上电后，通过STM32给传感器的各个寄存器初始化，指纹传感器FPS200采集指纹图像，通过SPI接口和STM32最小系统进行通信，将采集到的指纹数据发送到STM32，进而保存指纹图像到SRAM，通过各种算法实现对指纹图像信号的预处理、提取特征点和图像匹配，最后实现指纹识别功能。另外STM32和主机之间通过异步串口通信把指纹图像数据传送到PC机，显示图像，由于一幅图像的数据量就是76.8KB，主控芯片内部RAM容量不能满足存储和处理图像数据的要求，所以本设计外扩SRAM来存储指纹数据。系统设计的程序放在FLASH中，指纹特征数据模板也放在FLASH中，以便在使用过程中删除和添加，并显示指纹识别结果，主控制器采用JTAG接口，通过J-link进行仿真调试，通过IAR-forARM实现程序的设计。

1.2、指纹采集电路设计

指纹图像的采集对系统实现其识别功能至关重要，一幅采集质量较好的指纹图像有利于后续对指纹图像的算法处理，减少算法的复杂程度，提高系统指纹识别的功能。

指纹传感器FPS200是Veridicom公司的一款新型指纹传感器，具有500dpi的分辨率，片内集成300×256的传感器阵列，256级的灰度图像和8位的像素数据，并且支持MCU、SPI和USB3种接口模式，这里采用比较简单的SPI接口模式，供给3.3V稳压电源，系统指纹采集硬件电路如图2所示。

STM32的MODE1接VCC、MODE0接GND，使其工作在SPI模式且为主模式，指纹传感器FPS200工作在SPI从模式。这样STM32通过PB12~15管脚与FPS200的SPI接口的4个管脚相连。FPS200根据STM32由SPI接口发送过来的写寄存器的命令、地址和指令数据执行相关操作，并将采集到的指纹数据经由该SPI接口传回STM32作进一步处理。

图2  指纹采集系统原理图

1.3、数据处理以及与上位机的通信

本研究接收到的指纹数据通过异步串口管脚PA9和PA10与3.3V转换芯片MAX3232相连外接串口线同PC机进行通信，接收和发送数据，STM32作为下位机通过SPI接口方式采集指纹数据，并将数据保存在外扩的SRAM中，当采集完一幅指纹图像后，把该指纹数据发送给上位机，PC机接收数据，并通过VC编程把接收的指纹数据转换成256级灰度图像并显示和保存该指纹图像。

2、系统软件设计

2.1、指纹采集程序设计

程序设计关键是编程实现SPI通信模式下STM32和指纹传感器FPS200的通信操作，其采集程序流程图如图3所示。

图3  指纹采集程序设计流程

FPS200有19个寄存器，用来控制指纹数据采集过程中的状态和行为，这里介绍几个比较重要的寄存器的初始化：

（1）初始化CTRLB，使能芯片的ENABLE位使其处于工作状态，XTALSE位选择内部12M晶振，同时使能指纹自动检测，通过判断RDY位的状态决定指纹图像数据的读取。

（2）初始CTRLA，这里可以选择GETROW、GETIMG和GETSUB这3种存取模式的1种作为存取模式，本研究给CTRLA写入0x02，即选择GETIMG模式来获取整幅图像。

（3）初始化DTR、DCR和PGC，它们影响采集图片的质量，DTR是放电时间寄存器，影响着图像背景亮暗程度；DCR是电容放电寄存器，对图像的前景区和背景区的亮暗程度有一定影响；PGC是可编程增益寄存器，对图片的前景和背景的影响较大。经实验选择DTR=0x38，DCR=0x01，PGC＝0x0C时图像效果最佳。

2.2、指纹算法设计

指纹识别算法是指纹识别过程中重要的部分，算法的好坏直接决定指纹识别的精确性和可靠性。

该算法的3个重要部分是指纹图像预处理、特征点提取和特征匹配。指纹预处理又包括图像场的计算、分割、均衡化、平滑、增强、二值化、细化等部分。本研究的指纹识别算法流程如图4所示，下面对算法各部分作简要介绍。

图4  指纹识别算法流程

2.2.1、图像场的计算

图像场计算包括图像的强度场、梯度场、方向场以及频率场计算。

首先本研究采用Sobel算子求指纹图像灰度函数，再分别沿x和y方向偏导A（xx，y）和A（yx，y），计算该指纹图像的梯度场，因为梯度场可以较好地分割指纹图像。

Sobel算子表示方式如下：

2.2.2、指纹图像的分割

图像分割的目的是将指纹前景区域和背景区域分割开来。因前景区域和背景区域在灰度和梯度上存在差异，故均采用阈值分割方法处理。

2.2.3、指纹图像均衡化

指纹图像均衡化的目的是使图像在各种灰度场强上均匀分布相等的点数，通过均衡化使得图像对比度得到增强。

指纹图像为F（x，y），由均衡化离散的转换公式为：

2.2.4、指纹图像的平滑

指纹图像的平滑的目的是消除图像噪声点。本研究通过指纹图像和模板算子的卷积实现指纹图像的平滑滤波。卷积运算公式为：

指纹图像平滑算法相当于低通滤波，只是让指纹信号的低频部分通过，而阻止指纹信号的高频部分，实现滤去指纹图像中噪声的目的。

2.2.5、指纹图像增强

指纹图像增强是指纹识别系统的重要组成部分，在通过算法使指纹不清晰的地方得到改善的同时尽量保留指纹原有的特征信息，确保后续图像处理的准确性和可靠性。

对于指纹图像的增强，本研究前面通过计算获得指纹的方向场和频率场信息，这里采用较成熟可靠的Gabor小波滤波器实现图像的智能增强，Gabor滤波器公式如下：

2.2.6、指纹图像二值化

指纹图像二值化是将连续灰度图像转化成只有两种颜色值的图像，让黑的纹线区域更黑，白的谷线区域更白。即：使白色的图像区域的灰度值为255，黑色的灰度值为0，成为黑白两色图像。二值化公式为：

2.2.7、指纹图像的细化

指纹图像的细化是为了减少要处理的信息量，把指纹的脊线部分对称减薄，使指纹纹线由原来的多个像素宽度变为单个像素的线形图。

本研究采用查表法对指纹进行细化处理。因指纹图像已进行二值化处理，其像素要么是0，要么是255，故把指纹图像中某个目标点（要处理的黑色点）的8个邻域的所有要删除的所有可能情况排列后列入一张表中，再根据图像中某点的8个相邻的点的情况查表，如果满足表中的情况则删除该点，否则保留。

2.2.8、特征点提取

特征点提取分两种情况，即：对端点和交叉点的提取；对指纹特征奇异点的提取。

本研究采用基于交叉数的特征性提取算法［7（即］通过扫描某点［黑点］，根据该点周围8点（顺时针相邻两点灰度的差值情况）来判断该点是端点还是叉点，并记录该特征点的位置、类型和方向信息。

指纹特征奇异点提取是利用Poincare公式：

2.2.9、特征点匹配

本研究采用基于指纹特殊点的匹配方法，匹配过程中为减少拒判时间，把匹配分成“初匹配”和“全局匹配”两个方面，在提高了指纹识别的效率的同时，也大大提高了识别成功率。

3、实验结果

在调试好的样机上，实验结果如图5所示。

图5  实验结果

通过VC界面显示的匹配结果如图6所示。

图6  VC界面的图像匹配结果

4、结束语

该设计实现了基于STM32的指纹识别系统，指纹采集方面，本研究通过主控制器和传感器的SPI通信采集指纹图像，串口发送数据给PC机，VC界面显示指纹图像；算法方面，本研究通过提取方向场对指纹图像实现Gabor滤波增强，细化图像时采用查表法对图像进行细化处理，对细化结果去噪，为提取特征点提供了良好的指纹数据，提高了系统识别的准确性，并通过进一步改进匹配算法来提高识别效率，使该系统能准确、高效地完成指纹识别，总体性能达到要求。