CN1825338A - 嵌入式滑动指纹采集识别模块 - Google Patents
嵌入式滑动指纹采集识别模块 Download PDFInfo
- Publication number
- CN1825338A CN1825338A CN 200510024069 CN200510024069A CN1825338A CN 1825338 A CN1825338 A CN 1825338A CN 200510024069 CN200510024069 CN 200510024069 CN 200510024069 A CN200510024069 A CN 200510024069A CN 1825338 A CN1825338 A CN 1825338A
- Authority
- CN
- China
- Prior art keywords
- fingerprint
- chip
- embedded
- processing chip
- flash
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Abstract
本发明涉及一种嵌入式滑动指纹采集识别模块，包括：一个嵌入式处理芯片，一个FLASH(闪存)；还包括一个指纹采集芯片和一个SDRAM存储器；当通电后，将程序从Flash中映射到SDRAM存储器中运行，并初始化指纹采集芯片，进入等待命令的低功耗状态；当嵌入式处理芯片接受到指纹登记、比对等协议命令，控制指纹采集芯片检测并采集用户的指纹图像，并将指纹图像数据传给嵌入式处理芯片；通过处理与Flash内的指纹数据库进行比对，以得出比对通过或不通过的结果；有益效果是：实现了指纹活体采集，无残留，体积小，成本低，功耗低，速度快，适用于处理包括干、湿、脏、褪皮、刀痕等各种手指，广泛适用于不同年龄、性别、职业的手指。
Description
技术领域
本发明涉及一种指纹识别领域，尤其涉及一种嵌入式滑动(又称嵌入刮擦式)指纹采集识别模块。
背景技术
根据相关数据显示，每年由于证件或密码遗失而造成的损失巨大。比如美国，全球知名的信用卡巨头MasterCard公司估计每年约有4.5亿美元的信用卡诈骗案；而因为密码被破解，则使美国移动通信每年至少损失10亿美元。单单自动取款机即ATM业务，其相关的诈骗案每年损失就不下3亿美元。
这是因为，各种密码被破解的概率越来越高，因为通常由于记忆的原因，46％的人会选用自己或亲人的生日、家庭地址、电话号码作密码并长期使用，而这些很容易被一些不法分子获取。
比尔·盖茨曾做过这样的断言：生物识别技术，即利用人的生理特征，例如指纹、虹膜等来识别个人的身份，将成为未来几年IT产业的重要革新。盖茨这段言论的背后支撑是，越来越多的个人、消费者、公司乃至政府机关都承认，现有的基于智能卡、身份号和密码的身份识别系统是远远不够的，生物特征识别技术将在未来提供解决方案方面占据重要的地位。
不少人都有过这样或那样的尴尬经历。一个堂堂大活人，自己却无法证明自己的身份，却要依赖一大堆卡片、密码、口令来证明自己才是自己。而现在生物认证就可以解决传统认证所不能解决的问题，让人们忘掉那些讨厌的密码与口令。
生物特征识别技术是指通过计算机利用人类自身的生理或行为特征进行身份认定的一种技术。生物特征识别被评为21世纪十大高科技之一。生物特征的特点是人各有异、终生不变(几乎)、随身携带。这些身体特征包括指纹、虹膜、掌纹、面相、声音、视网膜和DNA等人体的生理特征，以及签名的动作、行走的步态、击打键盘的力度等行为特征。之所以能够作为个人身份鉴别的物证，是因为它们具有人人都有的普遍性、每人不同的唯一性以及不随年龄而变化的稳定性。
渐渐地，指纹、虹膜等生物特征识别开始悄悄取代人们手中的信用卡或密码，并且已经开始在机场、银行以及各种电子设备上进行实际应用。生物识别将成为未来身份认定的重要方式。美国已经签署了电子签名法案，法案的签署促使美国各大高技术公司加紧开发保证电子签名安全的技术，这主要包括验证一个人身份的加密数字化装置和附加在计算机上的指纹或虹膜识别设施等。随着计算机图像处理和模式识别理论以及大规模集成电路技术的不断发展与成熟，指纹自动识别系统的体积不断缩小，其价格也不断降低，因而被应用到民用领域。
生物特征识别作为新兴的身份鉴别技术，有其不可替代的优越性。可能的风险与机会主要来自政策的导向，从目前的局势看，尤其是“9·11”以后，它将是国际上新世纪十大最具前景的高新技术之一；对于国内来说，基于生物特征的身份鉴别也将是国家重点鼓励及发展的关键技术之一。(以上资料来源：
http：//law.westcn.com/bxht/ylws/ylws111202.htm)
2002年中国的《国家信息安全报告》指出，“在信息化的进程中，国家的安全与经济的安全越来越不可分割，经济安全越来越依赖于信息化基础设施的安全程度。”
中国的信息安全技术水平目前还处在低水平状态，在世界范围内，被排在等级最低的“第四类”。近日召开的国际信息安全研讨会上获悉国内外信息安全领域的专家，如微软剑桥研究院的DieterGollmann教授，中国信息安全重点实验室的吕述望教授等，他们对中国信息安全的现状表示担忧，同时指出了中国信息安全的出路：必须努力促进信息安全技术领域的自主开发，涌现一批具有自主知识产权的信息安全产品，政府应该加大投入，实行非对称战略，从技术和管理两方面来确保国家信息安全。(资料来源http：//www.sina.com.cn 2003年04月01日10:17东方网-文汇报)。
指纹识别是生物特征识别领域中最为成熟的一门应用技术，具有悠久的历史。长期以来，指纹识别技术主要应用于刑事侦查与司法鉴定领域，不被大多数的人所了解，常常给人一种神秘的感觉。计算机与信息处理技术的飞速发展，为这门历史悠久的应用技术开拓了更为广阔的市场，指纹识别技术及相关产品正越来越多地应用于民用市场，走进人们的日常生活。
人们在社会交往的过程中，往往需要进行身份认证。常见的各种身份认证手段如钥匙、密码口令、证件和IC卡等，都是通过以“物”认人的方式，间接地实现对相关物件持有人地身份确认。这种方法精确性很低，安全漏洞较大。现实生活中各种伪造证件和信物的例子屡见不鲜，密码被破译或盗用也时有发生。为了防范这类事件的发生，人们需要一种直接认人的身份认证手段，这就是“人体生物特征识别技术”。它根据每个人自身所具有的生物特征来对每个人的真实身份进行鉴别。这些生物特征大都具有“人各有异”、“终生不变”和“随身携带”的特点，确保了认证结果的精确性和可靠性。
指纹作为一种重要的人体特征，具有以下一些特点：
唯一性：(人各不同、指指相异)，指纹具有很明显的特定性。据指纹学理论，两枚指纹匹配上12个特征的几率为10-50。至今尚找不出两个指纹完全相同的人，即使是相貌酷似的孪生兄弟姐妹，他们的指纹也各不相同。不仅人与人之间，就是同一个人的十指之间，指纹也有明显的区别。指纹的这一特点，为指纹技术应用于身份识别提供了客观依据。
不变性：(终生基本不变)，指纹具有很强的相对稳定性。自胎儿六个月时指纹完全形成到人体死亡腐败之前，尽管随着年龄的增大，指纹在外形大小、纹线粗细上会有变化，局部纹线之间也可能出现新的细线特征，但从总体上看，同一指的指纹纹线类型、细节特征的总体布局等始终无明显变化。即使手指皮肤受伤，只要不伤及真皮，伤愈后纹线仍能恢复原状；如果伤及真皮，伤愈后则形成伤疤。伤疤破坏了纹线，但伤疤本身为指纹增添了新的稳定的特征。
再生性：只要不伤及真皮，伤愈后，纹线仍能恢复原状；如果伤及真皮，伤愈后形成伤疤。伤疤破坏了纹线，但伤疤本身为指纹增添了新的稳定的特征。
便捷性：活体指纹具有无法伪造、随身携带、不需记忆等特点；
可分类性：长期以来，人们对指纹的研究表明，指纹纹线的排列有着一定的规律性。虽然因分类的方式(人工分类和自动分类等)与手段的不同，指纹的种类和分类方法有很多种，但其结果却是收敛的。也就是说，指纹纹线的形态可用有限的类型来表示。
指纹的上述特点使它享有″证据之首″、″人身同一认定可靠工具″的盛誉，一直被当作人的身份认定的可靠手段。
随着科学技术的不断发展，指纹识别的应用领域也遍布各行各业。一个指纹识别系统按工作过程分应该有以下几个：指纹的采集、指纹的比对识别、指纹的比对识别结果及应用。在指纹识别过程中，计算机对输入的指纹图像进行处理，提取指纹的各种细节特征，然后才根据所提取的细节特征进行指纹的识别，和数据库内存储的指纹比对，得出该输入指纹的比对结果。
按工作模式上看，主要可以分为联机式、独立式和嵌入式。
联机式指纹识别系统指指纹采集器与PC机相连的系统体系结构。指纹采集器将采集到的指纹图像传送到PC机，安装在PC机上的指纹算法软件进行识别和处理。它必须连接PC机才能完成指纹识别的功能，因此限制了联机式指纹识别系统在许多方面的应用。
独立式指纹识别系统是把指纹采集器和工控机或小型的PC机模块以及控制电路结合在一起的系统体系结构。前端的设备可以在没有与计算机连接的状态下也能独立的进行指纹采集、识别处理以及给出相应的控制信号，也可以通过和计算机连接，进行少量的数据交换，实现后台计算机的调度与管理。它的不足之处在于容量有限、识别速度低等方面，由图1可见。
嵌入式指纹识别系统是指纹采集芯片和固化了复杂指纹算法的嵌入式微处理器相结合构成的识别系统，是一个相对独立的完整系统。它不需要连接计算机或其他设备就可以独立地完成设计的功能。嵌入式系统的核心式嵌入式指纹处理模块。和其他的系统体系结构相比，嵌入式系统具有安全性好、体积小、可靠性高等特点，已成为近年来民用产品指纹识别设备的重点发展趋势。
嵌入式指纹识别模块主要由嵌入式指纹比对识别算法、嵌入式处理芯片、指纹采集芯片、嵌入式指纹数据库等部分组成。
评估嵌入式指纹识别模块性能的指标主要有：拒登率、拒真率、认假率、比对速度、登记处理速度等、功耗、体积等。
它的工作原理是由上位机通过协议来控制模块进行多种方式的指纹图像采集、拼接、处理和比对，以及模块内指纹库的相关管理操作。模块的技术要素分两部分，软件技术部分和硬件技术部分。软件技术部分包括指纹算法、指纹采集芯片的控制和实现与上位机通讯的协议；硬件技术部分构建软件的运行平台。
目前，评估一个反应嵌入式指纹识别模块技术水平有如下一些方面：
算法：比对识别算法不但要跟上指纹比对识别技术的飞速发展，也有能力不断的升级换代指纹比对识别算法；
活体指纹采集：该项技术能判断手指的一些活体生命特征，如真皮层特性、血流分布、脉搏、微循环等，可以进一步的提高防伪辨伪能力，能有效地杜绝假手指作弊的情况。一般，半导体指纹采集器具有手指活体判断功能，而光学的指纹采集器没有该项功能。
平面式和滑动式指纹采集：平面式采集体积一般比较大，成本较高，成像的指纹图像面积较大，对指纹比对识别算法的要求较低。而滑动式指纹采集的体积很小，相对的成本低，成像的指纹图像面积较小，需要指纹比对识别算法进行指纹图像的二次拼接，对指纹比对识别算法的要求特别高。
滑动采集角度：该指标表示了模块对手指采集过程的适应性情况，对核心算法的要求较高。支持手指滑动采集角度的模块能适应更多的人群，更多的应用场合和更广泛的应用范围。
嵌入式处理芯片：DSP处理芯片的计算能力比较强劲，能给算法提供较好的资源支持，但通用性很差，而且DSP芯片的控制功能较弱，不能应用在许多便携式设备上。随着ARM处理芯片的发展，ARM处理芯片的控制能力很强，通用性很好，可以很方便的单独形成一个系统，鉴于此，一些有研发能力的公司的模块逐渐以用ARM处理芯片代替DSP处理芯片。
下表是国内外嵌入式指纹比对识别模块的主要公司的情况对比：
| 公司名称 | 国别 | 活体采集 | 采集方式 | 支持指纹滑动采集角度 | 主处理芯片 |
| 中正 | 中国 | 有 | 光学式/电容半导体 | 无 | DSP |
| 中控 | 中国 | 无 | 光学式 | 无 | DSP |
| 数字指通 | 中国 | 无 | 光学式 | 无 | DSP |
| 长春鸿达 | 中国 | 无 | 光学式 | 无 | DSP |
| 飞润 | 中国 | 无 | 刮擦式电容半导体 | 无 | DSP/ARM |
| PEFIS | 朝鲜 | 无 | 光学式 | 无 | ARM |
| DP | 美国 | 无 | 光学式 | 无 | DSP |
| Bioscrypt | 加拿大 | 有 | 电容半导体 | 无 | DSP |
| Upek | 美国 | 有 | 电容半导体 | 无 | ARM |
| Suprema | 韩国 | 无 | 光学式 | 无 | ARM |
| Simens | 德国 | 有 | 电容半导体 | 无 | ARM |
| Neurotechnologija | 立陶宛 | 有 | 光学式/半导体 | 无 | ARM |
| Secugen | 韩国 | 无 | 光学式 | 无 | ARM |
| AuthenTec | 美国 | 有 | 电容半导体 | 无 | ARM |
| Atmel | 美国 | 有 | 热感应式 | 无 | ARM |
由以上可见：上述产品都没有考虑及实现指纹滑动采集角度指标。
发明内容
本发明需要解决的技术问题是提供了一种嵌入式滑动指纹采集识别模块，旨在解决上述的缺陷。
为了解决上述技术问题，本发明是通过以下技术方案实现的：
本发明包括：一个嵌入式处理芯片，一个FLASH(闪存)；还包括一个指纹采集芯片和一个SDRAM存储器；当通电后，将程序从Flash中映射到SDRAM存储器中运行，并初始化指纹采集芯片，进入等待命令的低功耗状态；当嵌入式处理芯片接受到指纹登记、比对等协议命令，控制指纹采集芯片检测并采集用户的指纹图像，并将指纹图像数据传给嵌入式处理芯片；通过处理与Flash内的指纹数据库进行比对，以得出比对通过或不通过的结果。
与现有技术相比，本发明的有益效果是：实现了指纹活体采集，无残留，体积小，成本低，功耗低，速度快，适用于处理包括干、湿、脏、褪皮、刀痕等各种手指，广泛适用于不同年龄、性别、职业的手指；拒真率＜0.1％，认假率＜0.001％，识别速度＜10mS/枚，功耗＜1uA(待机状态)、＜50mA(工作状态)，采集芯片尺寸为13.8mm×5mm×1.3mm。
附图说明
图1是现有技术的框图；
图2是本发明的框图；
具体实施方式
下面结合附图与具体实施方式对本发明作进一步详细描述：
由图2可见：本发明包括：一个嵌入式处理芯片，一个FLASH(闪存)；还包括一个指纹采集芯片和一个SDRAM存储器；当通电后，将程序从Flash中映射到SDRAM存储器中运行，并初始化指纹采集芯片，进入等待命令的低功耗状态；当嵌入式处理芯片接受到指纹登记、比对等协议命令，控制指纹采集芯片检测并采集用户的指纹图像，并将指纹图像数据传给嵌入式处理芯片；通过处理与Flash内的指纹数据库进行比对，以得出比对通过或不通过的结果；
所述的嵌入式处理芯片可以是DSP或ARM；所述的指纹采集芯片是滑动式指纹采集芯片；所述的通过嵌入式处理芯片处理是通过旋转角度拼接而实现了指纹滑动采集中和旋转角度无关的步骤；
本发明的嵌入式处理芯片还可以通过UART接口与PC机相连，用以控制嵌入式处理芯片的输入和输出。
本发明通电后，嵌入式处理芯片(DSP或ARM)先自动完成模块的初始化工作，将程序从Flash中映射到速度较快的SDRAM内存中运行，并初始化指纹采集芯片，然后进入等待命令的低功耗状态。
一旦嵌入式处理芯片接受到PC机通过UART接口发来的指纹登记、比对等协议命令，嵌入式处理芯片会根据命令的需要打开指纹采集芯片(平面式或滑动式)，控制指纹采集芯片检测并采集用户的指纹图像，然后将指纹图像数据传给嵌入式处理芯片，嵌入式处理芯片接受到用户的指纹图像后，进行指纹图像的处理(对滑动式指纹图像还需要进行指纹图像的拼接)，提取出该指纹的特征值，和Flash内的指纹数据库进行比对，得出比对通过或不通过的结果，然后将比对结果再通过UART接口传给PC机，完成这次的命令并再次处于等待命令的低功耗状态。
关于滑动采集角度，由于手指在滑动采集指纹的过程中难免会有或多或少的偏转，通过算法技术，将旋转角度检测和旋转角度拼接实现了指纹滑动采集中和旋转角度无关的问题。
下表是测试结果：
| 项目 | 指标 |
| 拒真率 | ＜0.1％ |
| 认假率 | ＜0.001％ |
| 指纹采集时间 | ＜0.5s |
| 指纹处理时间 | ＜1s |
| 刮擦(滑动)采集速度 | 20cm/秒 |
| 识别速度 | ＜10mS/枚 |
| 旋转角度 | 0°～±90° |
| 工作温度 | -10℃～50℃ |
| 指纹图像分辨率 | 500dpi |
由上述对比结果可见，我们将滑动采集技术与指纹识别技术组合制成嵌入式指纹模块，采用了指纹图像的区域相关重构技术，自适应增强、多级递阶、随机优化、模糊比对等指纹识别等技术，使整个模块灵敏、可靠。
Claims (3)
1.一种嵌入式滑动指纹采集识别模块，包括：一个嵌入式处理芯片，一个FLASH(闪存)；其特征在于：还包括一个指纹采集芯片和一个SDRAM存储器；当通电后，将程序从Flash中映射到SDRAM存储器中运行，并初始化指纹采集芯片，进入等待命令的低功耗状态；当嵌入式处理芯片接受到指纹登记、比对等协议命令，控制指纹采集芯片检测并采集用户的指纹图像，并将指纹图像数据传给嵌入式处理芯片；通过处理与Flash内的指纹数据库进行比对，以得出比对通过或不通过的结果。
2.根据权利要求1所述的嵌入式滑动指纹采集识别模块，其特征在于：所述的嵌入式处理芯片可以是DSP或ARM；所述的指纹采集芯片是滑动式指纹采集芯片；所述的通过嵌入式处理芯片处理是通过旋转角度拼接而实现了指纹滑动采集中和旋转角度无关的步骤。
3.根据权利要求1或2所述的嵌入式滑动指纹采集识别模块，其特征在于：所述的嵌入式处理芯片还可以通过UART接口与PC机相连，用以控制嵌入式处理芯片的输入和输出。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN 200510024069 CN1825338A (zh) | 2005-02-25 | 2005-02-25 | 嵌入式滑动指纹采集识别模块 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN 200510024069 CN1825338A (zh) | 2005-02-25 | 2005-02-25 | 嵌入式滑动指纹采集识别模块 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN1825338A true CN1825338A (zh) | 2006-08-30 |
Family
ID=36936005
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN 200510024069 Pending CN1825338A (zh) | 2005-02-25 | 2005-02-25 | 嵌入式滑动指纹采集识别模块 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN1825338A (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102509035A (zh) * | 2011-09-27 | 2012-06-20 | 广东新美锐科技有限公司 | 基于滑动式真皮活体指纹识别技术的数据保护方法 |
| CN103198308A (zh) * | 2013-04-24 | 2013-07-10 | 北京东方金指科技有限公司 | 指纹及掌纹采集系统 |
| CN103235936A (zh) * | 2013-04-24 | 2013-08-07 | 北京东方金指科技有限公司 | 掌纹采集装置 |
| CN105373786A (zh) * | 2015-11-30 | 2016-03-02 | 东莞酷派软件技术有限公司 | 一种指纹采集方法、装置及电子设备 |
-
2005
- 2005-02-25 CN CN 200510024069 patent/CN1825338A/zh active Pending
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102509035A (zh) * | 2011-09-27 | 2012-06-20 | 广东新美锐科技有限公司 | 基于滑动式真皮活体指纹识别技术的数据保护方法 |
| CN103198308A (zh) * | 2013-04-24 | 2013-07-10 | 北京东方金指科技有限公司 | 指纹及掌纹采集系统 |
| CN103235936A (zh) * | 2013-04-24 | 2013-08-07 | 北京东方金指科技有限公司 | 掌纹采集装置 |
| CN105373786A (zh) * | 2015-11-30 | 2016-03-02 | 东莞酷派软件技术有限公司 | 一种指纹采集方法、装置及电子设备 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Hammad et al. | Parallel score fusion of ECG and fingerprint for human authentication based on convolution neural network | |
| CN100492400C (zh) | 手指静脉特征提取与匹配识别方法 | |
| Zhang et al. | Multi-phase offline signature verification system using deep convolutional generative adversarial networks | |
| Jain et al. | Handwritten signature verification using shallow convolutional neural network | |
| TWI599964B (zh) | 手指靜脈辨識系統與方法 | |
| Khellat-Kihel et al. | Finger vein recognition using Gabor filter and support vector machine | |
| Wu et al. | A novel biometric system based on hand vein | |
| Sudiro et al. | Adaptable fingerprint minutiae extraction algorithm based-on crossing number method for hardware implementation using FPGA device | |
| CN101819629B (zh) | 一种基于监督张量流形学习的掌纹识别系统及识别方法 | |
| CN101604376A (zh) | 基于hmm-svm混合模型的人脸识别方法 | |
| Gupta et al. | Fingerprint indexing schemes–a survey | |
| Patil et al. | A Novel Approach for ABO Blood Group Prediction using Fingerprint through Optimized Convolutional Neural Network | |
| CN101464945A (zh) | 基于指背关节纹理的身份特征识别方法 | |
| CN101789075A (zh) | 基于特征值归一化双向加权的手指静脉识别方法 | |
| CN101620675A (zh) | 一种提高指纹验证通过率的方法 | |
| CN101556713A (zh) | 指纹识别技术在pos机、刷卡机、提款机上的应用方法 | |
| CN105701462A (zh) | 一种身份识别方法 | |
| CN1825338A (zh) | 嵌入式滑动指纹采集识别模块 | |
| Kant et al. | Reducing process-time for fingerprint identification system | |
| Shende et al. | Convolutional neural network-based feature extraction using multimodal for high security application | |
| CN102354367A (zh) | 一种指纹识别卡和卡上运行的指纹识别方法 | |
| Priya et al. | Authentication of identical twins using tri modal matching | |
| Hamidi et al. | Transfer learning using vgg based on deep convolutional neural network for finger-knuckle-print recognition | |
| Lin et al. | Design of online non-contact palmprint recognition simulation system | |
| Marattukalam et al. | On Wrist Vein Recognition for Human Biometrics |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
| WD01 | Invention patent application deemed withdrawn after publication |