小区门禁系统中的指纹识别仿真大学毕业设计论文.docx
《小区门禁系统中的指纹识别仿真大学毕业设计论文.docx》由会员分享，可在线阅读，更多相关《小区门禁系统中的指纹识别仿真大学毕业设计论文.docx（24页珍藏版）》请在冰豆网上搜索。
小区门禁系统中的指纹识别仿真大学毕业设计论文
小区门禁系统中的指纹识别仿真
专业：
通信工程
班级：
2012级4班
姓名：
赵艺涵
摘要
当今社会每个人都需要通过身份识别来完成一些事情，而不同于传统识别方法可能回来带安全隐患，生物特征识别成为一项可靠便捷的识别方法。
目前有很多生物识别技术帮助着人们进行身份认证，大大的提高了安全系数，人类本身的固有特征具有独特的稳定性，包括面部识别，语音识别，指纹识别等都是现在非常热门的识别技术。
而在生物特性识别技术中，指纹识别由于其唯一性和稳定性成为了现在大热的识别技术。
指纹识别技术成为了人类的一项最伟大的发现。
本文着重介绍在小区门禁系统里的设计方案，基于指纹识别的小区门禁系统具有安全、方便、易管理的特点。
智能小区指纹门禁系统安全等级系数高，比传统的手段更加便利，降低了由于物品丢失而无法进入的麻烦，相比于人脸识别、虹膜识别等同样的生物特性识别技术，具有成本投入低，取证方便的优点。
在基于Matlab仿真平台上进行研究，通过查阅大量资料，研究指纹识别预处理，如分割，增强，二值化和细化的特征提取和匹配过程的基础。
深入系统的给大家演示指纹识别的过程。
并且在Matlab仿真软件中进行了仿真实现，为小区门禁的安全提出了可行性解决方案。
关键词：
指纹识别；指纹匹配；指纹提取；指纹图像的预处理；小区门禁系统
窗体底端
Abstract
Today'ssocietyeveryoneneedstogetsomethingdonethroughidentification,asopposedtothetraditionalidentificationmethodsmaycomebackwithsecurityrisks,biometricbecomeareliableandconvenientmethodofidentification.Therearealotofbiometrictechnologytohelppeopletoauthenticategreatlyimprovethesafetyfactor,theinherentcharacteristicsofhumanityitselfhasauniquestability,arenowverypopularrecognitiontechnology.Inthebiologicalpropertiesrecognitiontechnology,fingerprintrecognitionbecauseofitsuniquenessandstabilityhasnowbecomeahotrecognitiontechnology.Fingerprintrecognitiontechnologytobecomeahumangreatestdiscoveries.
Thisarticlefocusesonaccesscontrolsysteminthecelldesign,cell-basedfingerprintidentificationaccesscontrolsystemissafe,convenient,andeasymanagementfeatures.FingerprintAccessControlSystemIntelligentCommunitysecuritylevelcoefficientishigh,moreconvenientthanthetraditionalmeanstoreducethelossofgoodsduetoinaccessibletrouble,comparedtofacerecognition,irisrecognitiontechnologytoidentifythebiologicalcharacteristicsofthesame,withalowinvestmentcost,forensicsconvenienceadvantages.CarriedoutintheMatlabsimulationplatformbasedonresearch,throughaccesstolargeamountsofdata,fingerprintrecognitionpreprocessing,suchassegmentation,enhancement,binarizationandfeatureextractionandrefinementbasedmatchingprocess.Thoroughsystemtoshowyouthefingerprintidentificationprocess.AndsimulationimplementationinMatlabsimulationsoftware,securityaccesscontrolforthedistrictproposesfeasiblesolutions.
Key words：
ingerprintrecognition;fingerprintmatching;fingerprintextraction;fingerprintimagepreprocessing;cellaccesscontrolsystem
1绪言
在电子资讯时代快速发展的时代背景下，数字化自动识别水平的提高也在个人身份识别上得到体现[1]。
个人信息安全也不可避免的成为了一个关键性的社会问题。
但我们国家的身份识别管理还并不是很完善，在生活方便快捷的同时也给我们带来了足够大的隐患，大部分传统的识别技术都存在漏洞，比如当你使用一些证件，银行卡或者密码的时候，盗刷，盗号的风险悄然而至，而为了避免这些讨厌的麻烦，人类伟大的智慧让他们发现了生物识别技术这种较于传统技术更为安全的新手段。
指纹识别技术又称人体密码技术[2]。
是当今社会应用最为广泛的一种身份特征的识别方法，其主要手段是利用计算机来识别身份。
窗体顶端
指纹识别系统，其最主要的功能是对手指上的指纹进行自动化识别[3]。
每个手指的指纹都是不可能改变的，完能够科学地将一个人和他的指纹特征一一对应起来，首先将一个人的指纹信息保存下来，然后将实时采集到的指纹与之比较，通过比对结果，就能够快速准确的识别本人的信息是否真实。
窗体底端
1.1研究背景
目前有很多生物识别技术帮助着人们进行身份认证，大大的提高了安全系数，人类本身的固有特征具有独特的稳定性，包括面部识别，语音识别，指纹识别等都是现在非常热门的识别技术，其中最为大家使用的，最有前途的是指纹识别技术，指纹是指所得脊人的手指皮肤的凹凸的前端。
有形成在不同的形状经常脊。
山脊的出发点有，最终，集成和分叉点，称为指纹特征点。
不同的人几乎没有相同的概率。
指纹并不会随时间改变，稳定和指纹便捷的唯一保障有目共睹，只需小小的一根手指就可以帮大家完成很多的身份鉴定的工作，而且应用领域也是非常广泛，比如每当有犯罪情况的发生，警察叔叔就可以根据现场的指纹找到对应的人，实现案情的重大突破。
而且这种识别不会轻易被他人窃取，复制，得到了人们广泛的认可。
基于指纹识别的小区门禁系统具有安全、方便、易管理的特点。
利用了指纹具有不变性、唯一性以及量测方便的特点[4]。
智能门禁系统[5]安全等级系数高，比传统的手段更加便利，降低了由于物品丢失而无法进入的麻烦，相比于人脸识别、虹膜[6]识别等同样的生物特性识别技术，具有成本投入低，取证方便的优点。
下面通过表1来了解一下各种生物识别技术的不同。
表1几种生物特征身份识别的比较
鉴定方法
广泛性
独特性
持久性
采集性
性能
接受性
防伪性
人脸
高
低
中
高
低
高
低
指纹
中
高
高
中
高
中
高
掌形
中
中
中
高
中
中
中
掌纹
中
中
中
中
中
中
高
虹膜
高
高
高
中
高
低
高
视网膜
高
高
中
低
高
低
高
签名
低
低
低
高
低
高
低
语音
中
低
低
中
低
高
低
图1身份认证技术的比较
1.2研究现状
1684年[7]英国生物学家株形格鲁发表的一项研究指纹的科学论文。
之后就开始了漫长的指纹系统的开发，指纹作为典型的生物识别的模式，我们自1960年以来全国打响指纹的工作在指纹理论领域取得了显著成果,最初我们只是把它当作合同和证件的凭证，犯罪的证据等，到了90年代中后期，指纹识别才逐渐应用到了各种系统中，在民间得到了广泛且实际的应用。
指纹识别也从早期的手工工艺指纹识别现在涉及到图像处理，模式识别，计算机视觉，数学形态学，综合技术小波分析的许多学科。
1.3本文研究内容
我们通过研究了指纹识别的背景及现状等社会情况，了解到了指纹识别的发展过程，在此基础之上，我们经过大量的查阅资料与分析，做出了如下总结研究步骤：
首先掌握Matlab的使用方法，了解其中函数的使用情况以及编程技巧分析。
其次掌握指纹识别的概念与提出实现过程的框图；学会指纹图像的的提取与匹配方法，对指纹的归一化、分割、二值化以及细化做了重点研究；最后，进行基于Matlab的指纹识别在门禁系统中的仿真与实现。
2指纹图像的预处理[9]的Matlab仿真平台实现
当我们把事先收集好的指纹图像拿出来，并不能直接应用到仿真环境中，而是要先对它进行图像的预处理。
2.1Matlab仿真平台的优势
窗体顶端
Matlab的全称是MatrixLaboratory，是美国mathworks公司出品的一种集多种技术于一身的开发环境。
本文主要运用的就是其系统建模仿真这一技术。
Matlab不但具有内部函数还具有可以读取和修改的工具箱和主包文件，因为其开放性所以得到用户的青睐和好评。
用户不但可以自己修改程序源还能把自己编写的程序加入新的工作包中。
再加以目前各种视窗上的版本都已推出，编辑程式，执行、观看结果和列印，您可以通过Windows轻松切换和下拉功能来完成。
Matlab是数据矩阵，其数学表达式和指导，工程常见的形式是非常相似的基本单位，Matlab有着在图形符号方面非常强大的功能、专业的控制系统工具栏、不限制语法、程序设计很自由、库函数丰富、函数命令简单高效且界面使用方便的优点，Matlab封装了通信及数字信号处理的许多函数，这些toolbox为系统仿真提供了很好的条件，其绘图功能非常强大，为数据分析、统计提供了极大的便利。
Matlab的M语言可以简单粗略的的进行算法描述；这样可以通过使用算法来使开发时间大大减少，因此，我们可以选择Matlab作为指纹识别门禁系统的开发平台。
2.2指纹图像的分类
窗体顶端
尽管指纹是人体皮肤中的其中很小的一部分，但它却富含了大量的身份信息。
从了解到的知识上得出，指纹的纹理可以大致分为环型、弓型、螺旋型[8]。
如图2所示。
图3是对指纹的更进一步的分析。
窗体底端
图2指纹图像的基本纹形
图3指纹图形细分图
2.3图像的规格化
指纹图像的规格化的目的是把图像进行均衡处理，是预处理中的一种常见的处理方法，它实际上就是一种线性变换，通过对期望值和方差值的估计，对图片进行规格化，提供后续处理规范的形象更统一，支持自动指纹识别算法的改进和采集设备相关研究的独立性。
2.4指纹图像分割
2.4.1图像分割的介绍
在指纹识别系统中,指纹图像的分割是指纹图像预处理的一部分，它是基于的图像的图像特性的基本特征是指指纹图像的固有属性，例如灰度值、淋浴关系、纹线的扭曲程度等。
从本质上讲，指纹图像分割，换言之，就是除去图像中的背景，使后续处理能够集中在有效区域内，从而去提升处理的高效性和可靠性。
图像分割处理为对象或区域，再加上一个独立的按规则的图像，指纹图像分割是取前景区域和从前景区域分离出的背景区域被提供了目标区是脊和谷的夹杂物明确区域线，以避免背景区域的干扰。
图4指纹图像
分割是图像处理技术的重要组成部分，分段运行噪音可有效去除，随后的操作更容易，所以我们必须先拆分操作。
使用分割算法基于图像分割层次特性差异的方差法，脊线和谷线在前景区域的方差值较大，在背景区域的差异比较小，所以我们必须利用其局部方差的指纹分割，因为方差切割速度更快，更简单，所以对于高对比度的图像切割质量好，但对于低对比度图像分割并不总是有效。
2.4.2最大类间方差法
本文提出了一种基于最大类间方差的指纹图像分割方法，当使用两个类的图像处理块之间的最大偏差来指纹图像分割的组合的方法。
实验结果表明，这种方法既为高对比度或指纹图像分割的低对比度的指纹图象有很好的效果，用指纹图像分割的传统方法相比，操作速度更快，比在实时处理的传统方法更合适。
最大类间方差法的原理：
我们用一个阈值把原图像分为两类部分，当我们取得最佳的阈值时，两个部分之间的方差最大。
方差定义为：
Var（X）=
（2-1）
假设使用一个阈值T，将灰度级[1，L]分割成两个类[1，T-1]和[T，L]，
（2-2）
（2-3）
（2-4）
（2-5）
其中:
（2-6）
（2-7）
（2-8）
（2-9）
那么被k分割出来的两个类的方差则为：
（2-10）
（2-11）
同时定义类内方差与类间方差、总方差如下:
（2-12）
（2-13）
（2-14）
（2-15）
上述等式是总方差σT和T独立分割阈值的恒定值，对于类方差的最低要求可以转换为大津的缘故。
σB可以是从前面的等式进一步推导，如下：
（2-16）
2.4.3图像增强
指纹的真实图像会存在变形是由于在获取时每次采集的压力不同会使得到的图像产生畸变，这种影响是很难控制的，而且因为处理过的皮肤的干燥度，排汗，皮肤疾病和其他因素是指指纹图像失真，采集设备固有噪声导致一定数量的特征点可疑或大量真特征点被忽略从而引入大量的错误信息。
对指纹图像分割后，还需要被滤波，以消除噪声干扰，提高指纹图像识别的效率。
这篇文章用于图像增强的办法是利用Gabor滤波器，用于滤波所述指纹图像的低频方向让指纹线结构更加清晰，保留的信息主要特点做出更准确可靠的指纹识别功能。
实验表明，该方法基于Matlab实现的，简单而快速的指纹图像已经很不错了，以增强疗效。
2.5指纹图像的二值化
二值化是一个重要的预处理步骤。
它是嘈杂灰度级的图像处理为适合于二值图象的特征提取，这将直接影响识别系统的性能。
本文使用的算法流程为：
图5指纹图像二值化处理流程图
我们想要对图像进行二值化处理，第一步，我们需要界定一个阈值，用以下公式可以计算出：
假设输出的灰度图像的像素值为F（i,j）∈（r1,r2,r3,...rm）,设阈值T0=ri，1≤i≤m,则：
（2-17）
公式中1表示的目标子图,0表示背景子图。
相比该阈值表示背景图像像素的灰度，使得图像的前景和背景区域变成完全独立的区域。
2.6指纹图像的细化
2.6.1指纹细化的介绍
像手指干燥，手指按压力度不均匀，手指上有灰尘杂质，手指纹线磨损等原因，就会对指纹采集造成图像信息模糊、不连续或者粘连等问题。
指纹图像在预处理之后，所获取的脊线宽度平均有6-8个像素点，还具有一定宽度，所以指纹细化是不能省略的关键步骤。
指纹细化所要满足的条件：
（1）收敛性：
迭代关系收敛。
（2）连通性；不能打破指纹纹线的连续性。
（3）拓扑性：
两两纹线之间互不干涉，保留图像信息的基本特征。
（4）保持性：
对指纹的细节特征进行保留。
（5）细化性：
没两条纹线的之间宽度定义为1个像素。
（6）中轴性：
在指纹纹线中央位置设置骨架结构。
（7）快速性：
算法程序简单快捷。
2.6.2指纹图像细化的算法
本文采用的基于八邻域查表的细化算法，如图6可以看出，中心模块为P0点，模块周围的位置即八个模块构成模板，这样以来这九个模块即P0与周围八个模块就构成了八邻域模型板块，此时P0表示为中心模块，P1-P8则一一对应P0周围8个方向上相邻之间的模块。
图6八邻域模板
我们设1代表前景区域的像素点，0代表背景像素点。
若P0为1，且P1，P2,...P8只有一个为1，称P0为端点；若P0为1且P1，P2,...P8只有一个为0，称P0为轮廓点；若删除为1的P0点会破坏图象的连接性，则称P0为断点。
目标像素P0的连通数可以表述为：
（2-18）
其中i∈S，S=｛1,3,5}
查表的方法就是：
设白色格子为1，黑色格子为0，P4点对应8位数的第一位，P3对应第二位，P2对应第三位，P5对应第四位，P1对应第五位，P6对应第六位，P7对应第七位，P8对应第八位。
我们按照这样的顺序查表就可以了。
邻点查找表：
0预定值表明该组合中心的元素应保留，1表示应删除。
首先我们要从上到下，从左到右，对二值图象进行观察，观察每一个黑点，黑点，如果周围的邻居是黑点，一点都不处理，否则进行八邻域检测的步骤。
窗体顶端
窗体底端
2.6.3仿真结果与结论
图7二值化后指纹图象
图8细化后指纹图象
由上图7,8表示：
这两图的对比中，我们可以轻易看到细化后的指纹纹线更细，这样以来，在不影响指纹纹线的连贯性的前提下，可以得到更清晰的细化后的图像。
窗体底端
3指纹图像的特征提取
3.1指纹图像的特征提取概述
目前我们采用提取特征点的办法来作为图像的信息点的表达，然后再进行匹配识别.特征点的提取[10]的准确度直接影响着匹配的正确度。
由于指纹特征的大量信息，这构成了指纹数据库内有一个大型的指纹信息，而我们需要的是终生不变的唯一性的能够得到识别的最佳效果的或者用于识别是够安全的指纹信息，所以我们对指纹特征的选择上也必须遵循以下几个特性：
唯一性、可测试性、鲁棒性及紧凑性。
常见的指纹特征包括：
全局特征、局部特征、形状特征。
总体特征[11]就是那些我们人眼所能直接看到的。
图9就是总体特征的区分图：
图9指纹总体特征图
两个指纹指纹的节点的OCAL特性指纹可能具有相同的全局特征，但它们的局部特性，不能完全一样。
局部特征是指纹细节特征[12]。
指纹的细节特征是指指纹脊线的突变[13]。
这些指纹特征许多能够拆分成端点以及交叉点的匹配组合，这样组合起来之后端点与交叉点就成了最基本、最普遍的指纹结构特征，我们称这种特征为指纹的细节特征。
细节点是指这样的点从连续部分不同，简单的细节特征匹配的错误率是比较高的，细枝末节的功能会失去很多的脊线信息，这是在同一时间非常有效的特征之间的区别是不同的指纹，从而限制了细节的表现基于方法。
第三种特征就是形状特征，如汗孔，脊线边缘等，由于提取形状特征信息的难度较大，故这类信息很少被采用，多数的自动识别系统只利用全局特征的类型信息和局部特征的脊线节点和分叉点信息。
后来州门提出了150多种不同的细节点类型，一些细节点类型如图10.
图10典型细节点类型
而我们最常采用的就是端点和分叉点，如图11所示，端点就是指一条纹线在此处到达终点，而分叉点就是一条分开变成两条的节点。
图11指纹端点、分叉点示意图
3.2特征提取算法
我们已经进行过细化处理，所以可以缩小该图像的特征提取，这种方法是相对简单，避免了直接从灰度图像中提取实现方法复杂和产生虚假信息点的不足。
本文中，从山脊细化基于图像跟踪算法来提取特征点。
首先，利用脊线追踪法提取分叉点。
用于在设计和端点脊分叉点作为指纹特征点，这不仅是因为这两种类型的特征，它似乎容易检测，甚至更重要的是出现几率很高，它们足以描述指纹的唯一。
脊跟踪算法是基于指纹图像的预处理，首先导航到新的，未处理的棱线，从当前象素的棱线开始，沿着脊线点的行中的所有像素和已处理的像素后查询的地方被标记，以避免重复像素处理。
对得到的端点或分叉点进行判断，最后得到的特征点。
算法流程图如图12：
图12脊线跟踪算法过程
首先，我们需要找到未处理的棱线向像素为中心，把一周的空间分成八个方向，分别沿使用的最短距离的八个方向搜索未处理像素不是搜索作为一个新的交易的起点与棱线。
我们定义了一个集合Z，该组包含的范围由沿着两条线和点P和平行的方向指向像素矩形双方，与正常方向一致，并且至P的直线与另两个侧面构成平行于矩形区域的另一条直线，矩形区域的所有象素组成的Z的集合的。
下一步是将所有像素标记操作，我们需要包含8个像素P的沿着山脊线和标记搜索所有像素的集合Z内，然后我们用同样的方法对所有未处理像素代码，通过一个多路搜索来设置所有像素的Z和像素P是预先标记的通信。
本文采取邻域判定法，我们利用一个3×3模板就可以将特征提取出来。
图133×3模板
窗体顶端
我们可以设Cn（P）表示次数即8个邻域像素的相邻像素的灰度值0与1之间变换的数量或者黑白两色之间跳跃的数量。
当P点为端点，他的八邻域满足：
（3-1）
如果P是分叉点，则它的八邻域满足：
（3-2）
如图14，a中的P1是端点，b中的P是分叉点。
a端点b分叉点
图14端点分叉点局部示意图
由此算法的仿真结果如图15：
a端点b分叉点
图15仿真结果
3.3去除伪特征点
3.3.1伪特征点特点分析
对于取端点和分叉点作为特征算法，伪特征点主要有如图16所示的几种特征：
图16假特征
伪特征点可以大致分为以下两种，一种是图像的内部，第二种是图像的边缘。
但是据研究发现，大部分的假特征点是由于图像边缘效应产生的，对于图像边缘而言绝大多数都是伪特征点需要剔除，而图像内部的点则需要我们进一步是识别然后剔除。
通过大量的实验分析对于边缘的伪特征点我们可以直接剔除，而对于图像内部的点，我们会根据两两特征点的距离加以判断，根据经验将不必要的伪特征点进行剔除操作就可以了。
3.3.2选取自动阈值
在去除伪特征点时，准确选取阈值是一个重要步骤，定义F[M]通过二进制指纹骨架图中脊线穿线每个存储点，然后将所得图案行距平均值和最大值求出来：
（3-3）
k=0,1,...M-1（3-4）
3.3.3指纹特征的去伪操作
窗体顶端
预处理之后，我们还要进行图片的去伪特征的操作步骤,这样以来就能够很大程度上减少伪特征点对指纹识别所造成的不良影响。
（1）毛刺的删除
由于一般的毛刺长度很短，根据该特征，使用脊线的追踪，从任一端点开始，轨道沿着山脊，如果在一个很短的距离时遇到一个分叉点，被认为是在轨道的一部分在指纹毛刺，应被删除。
该算法如下：
首先计算在目标像素值的附近的点，一个公式来通过端点发现端点，从端点开始被棱线跟踪，追查步长R，R取平均距离，如果轨道到一个分岔点，则判定是毛刺，删除这个纹线上的点，否则再继续跟踪排查。
（2）短线和孤立点的删除
短线比一些孤立脊的阈值短，孤立的点和线有一个共同的特点：
扣除利息特别是小数目的像素的脊线长度很短的脊线，所以山脊那些低于指纹纹线的宽度大多短期内，应予以删除。
（3）指纹区域边界假特征点去除
由于非指纹传感器形成的指纹区域没有完全
升级会员 