CN204680034U - 指纹识别处理系统 - Google Patents

Abstract

一种指纹识别处理系统，所述系统包括：相互耦接的可编程器件以及处理器，其中：所述可编程器件，适于在接收到处理器发送的指纹认证请求后，对指纹模板数据库中指纹模板的特征向量进行并行计算；将并行计算结果与待比对指纹的特征向量计算结果进行比对，筛选出符合预设规则的指纹模板数据；所述处理器，适于接收所述可编程器件发送的所述符合预设规则的指纹模板数据，并将所述待比对指纹数据与所述筛选出的指纹模板数据进行特征相似度分值计算，从计算结果中获取指纹识别运算结果。采用所述系统，可以有效降低处理器在处理指纹识别算法耗费的时间，提高运算效率。

Description

指纹识别处理系统

技术领域

本实用新型涉及计算机领域，尤其涉及一种指纹识别处理系统。

背景技术

指纹是人体的重要生物特征。从二十世纪六十年代，一些国家如美国、英国、法国等开始了对指纹自动识别系统的研制。随着应用的深入，指纹信息库的容量也不断攀升。例如我国自1990年开始应用指纹自动识别系统，到2005年全国拥有捺印指纹数据3000余万份，每年以20％以上的速度增长，2010年，全国捺印指纹数据达到了7000余万份。快速增长的指纹库容给指纹的快速计算带来了新的挑战。

通常的指纹识别算法都是基于特征点匹配的识别原理，是通过比较任意两点之间的向量杆差值来判断两幅指纹图像中的局部信息是否吻合，由于每个手指均有20-128个特征数据，这样需要比较的数据就接近于特征数据的阶乘，这个计算量显然无法实际应用，为此，指纹工作者采用了大量的数学算法降低计算的复杂度，现有的指纹识别算法的时间复杂度可以降低至特征数据个数的平方。

在实际应用中，目前通过通用的处理器如ARM处理器来进行指纹识别。然而，在采用现有的ARM处理器对指纹识别算法进行处理时，存在耗时较长，运算效率低下的问题。

实用新型内容

本实用新型实施例解决的问题是降低ARM处理器在处理指纹识别算法耗费的时间，提高运算效率。

为解决上述问题，本实用新型实施例提供一种指纹识别处理系统，包括：可编程器件以及处理器，其中：

所述可编程器件，适于在接收到处理器发送的指纹认证请求后，对指纹模板数据库中指纹模板的特征向量进行并行计算；将并行计算结果与待比对指纹的特征向量计算结果进行比对，筛选出符合预设规则的指纹模板数据；

所述处理器，适于接收所述可编程器件发送的所述符合预设规则的指纹模板数据，并将所述待比对指纹数据与所述筛选出的指纹模板数据进行特征相似度分值计算，从计算结果中获取指纹识别运算结果。

可选的，所述可编程器件，适于通过多线程将所述待比对指纹数据与所述筛选出的指纹模板数据进行并行的特征相似度分值计算。

可选的，所述可编程器件，适于从所述指纹模板数据库中并行地选取指纹模板，计算每一个指纹模板对应的特征点集合中任意两个特征点之间的特征向量杆的长度与角度，得到并行计算结果，所述并行计算结果包括：每一个指纹模板对应的特征向量杆的长度与角度的集合。

可选的，所述可编程器件获取到的待比对指纹的特征向量计算结果为：所述待比对指纹的特征点集合中，任意两个特征点之间的特征向量杆的长度与角度的集合。

可选的，所述可编程器件，适于将指纹模板对应的特征向量杆的长度与角度的集合中的元素，与待比对指纹对应的特征向量杆的长度与角度的集合中的元素进行对比，筛选出集合相似度大于预设值的指纹模板。

可选的，所述处理器，适于将计算得到特征相似度分值与预设阈值进行比较，当所述特征相似度分值大于所述预设阈值时，判定对应的指纹与所述待比对指纹为同一指纹。

可选的，所述可编程器件为FPGA，所述处理器为ARM处理器。

可选的，所述指纹识别处理系统包括：多个存储器，适于存储所述预设的指纹模板数据库中的指纹模板数据。

可选的，所述存储器为DRAM。

与现有技术相比，本实用新型实施例的技术方案具有以下优点：

通过可编程器件将待比对指纹的特征向量与指纹模板的特征向量进行并行计算，从指纹模板数据库中筛选出符合规则的指纹模板数据。处理器只对筛选出的指纹模板数据与待比对指纹进行特征相似度分值计算，从而可以大大降低进行特征相似度分值计算的指纹模板的数量，因此可以大大降低指纹识别算法耗费的时间，提高运算效率。

进一步，将指纹模板数据库中的指纹模板数据分散在多个存储器中存储，可以有效地利用现有硬件结构上的内存资源，降低大内存的购置成本。

附图说明

图1是本实用新型实施例中的一种指纹识别处理系统的处理方法的流程图；

图2是本实用新型实施例中的一种指纹识别处理系统的结构示意图；

图3是本实用新型实施例中的另一种指纹识别处理系统的结构示意图。

具体实施方式

在实际应用中，目前通过通用的处理器如ARM处理器来进行指纹识别。然而，在采用现有的ARM处理器对指纹识别算法进行处理时，存在耗时较长，运算效率低下的问题。

在本实用新型实施例中，通过可编程器件将待比对指纹的特征向量与指纹模板的特征向量进行并行计算，从指纹模板数据库中筛选出符合规则的指纹模板数据。处理器只对筛选出的指纹模板数据与待比对指纹进行特征相似度分值计算，从而可以大大降低进行特征相似度分值计算的指纹模板的数量，因此可以大大降低指纹识别算法耗费的时间，提高运算效率。

为使本实用新型实施例的上述目的、特征和优点能够更为明显易懂，下面结合附图对本实用新型的具体实施例做详细的说明。

参照图1，以下通过具体步骤详细介绍采用本实用新型实施例中的指纹识别系统的工作原理。

步骤S101，可编程器件在接收到处理器发送的指纹认证请求后，对指纹模板数据库中指纹模板的特征向量进行并行计算。

在具体实施中，可编程器件为现场可编程门阵列(Field Programmable GateArray，FPGA)。FPGA是在PAL、GAL、EPLD等可编程器件的基础上进一步发展的产物，用于进行并行运算。

在具体实施中，在进行指纹识别运算操作时，处理器可以向可编程器件发送指纹认证请求。可编程器件在接收到处理器发送的指纹认证请求后，从存储器中预设的指纹模板数据库中读取指纹模板数据，并行地对读取出的指纹模板的特征向量进行计算，以得到并行计算结果。

在本实用新型实施例中，可编程器件中可以存在多个计算单元，在进行并行计算时，每个计算单元可以计算各自对应的指纹模板数据。在分配指纹模板数据时，每个计算单元对应的指纹模板数据各不相同，即指纹模板数据不重复分配。

在本实用新型实施例中，指纹模板数据库中的指纹模板数据可以预先存储在动态随机存取存储器(Dynamic Random Access Memory，DRAM)。可编程器件在接收到处理器发送的指纹认证请求后，连续不断的从DRAM中读取指纹模板数据并载入，并行地对读取出的指纹模板的特征向量进行计算，已得到并行计算结果。

在可编程器件读取到指纹模板数据后，可以对每一个指纹模板进行特征向量杆计算，计算每一个指纹模板对应的特征点集合中任意两个特征点之间的特征向量杆的长度和角度，所有指纹模板对应的特征向量杆计算结果的结合即为并行计算结果。

从上述计算过程中可以得知，在指纹模板对应的特征点集合中元素较多时，得到的特征向量杆计算结果所包含的元素较多。以特征点集合中的元素个数为20个时，计算任意两个特征点之间的特征向量杆的长度和角度，得到的结果为(20×19)/2＝190，即一个指纹模板对应的特征向量杆计算结果中存在190个元素。因此，为减小计算量，在进行特征向量杆计算时，可以只计算相邻两个元素之间的特征杆向量的长度和角度。也可以采用其他的方法来减小特征杆向量计算的计算量，此处不做赘述。

步骤S102，将并行运算结果与待比对指纹的特征向量计算结果进行比对，筛出符合预设规则的指纹模板数据。

在具体实施中，待比对指纹信息可以存储在可编程器件中。待比对指纹的特征向量计算结果可以为：待比对指纹的特征向量杆计算结果，即计算待比对指纹对应的特征点集合中，任意两个特征点之间的特征向量杆的长度与角度，得到的集合即为待比对指纹的特征向量杆计算结果。

在本实用新型实施例中，在计算得到待比对指纹对应的特征向量杆计算结果后，可以将其与指纹模板对应的特征向量杆计算结果进行比对，以筛选出部分指纹模板。筛选的原则可以为：将待比对指纹对应的特征向量杆计算结果，与指纹模板对应的特征向量杆计算结果进行相似度计算，筛选出相似度大于预设值的指纹模板，并发送至处理器。即：根据待比对指纹对应的特征向量杆的长度与角度的集合中的元素，与指纹模板对应的特征向量杆的长度与角度的集合中的元素，对二者进行相似度计算。

在本实用新型实施例中，两个集合相似可以表述为：两个集合中的元素个数相等，两个集合中的元素一一对应，当两个集合中其中一个元素，与一一对应的元素之间的差值处于一定范围内时，判定两个元素相似；当两个集合中相似元素的个数大于一定值时，判定两个集合相似。

例如，待比对指纹对应的特征向量杆计算结果中的元素为{a0，a1，a2，……，an}，其中一个指纹模板对应的特征向量杆计算结果中的元素为{b0，b1，b2，……，bn}，a0与b0一一对应，a1与b1一一对应，……，an与bn一一对应。a0与b0的差值处于一定范围，判定a0与b0相似。a1与b1的差值大于一定范围，判定a1与b1不相似。根据相似元素的个数，即可获取两个集合的相似度，从而判定两个集合是否相似。

步骤S103，所述处理器将所述待比对指纹数据与所述筛选出的指纹模板数据进行特征相似度分值计算，从计算结果中获取指纹识别运算结果。

在具体实施中，可编程器件在筛选出符合规则的指纹模板数据后，可以将筛选出的符合规则的指纹模板数据发送至处理器。处理器根据接收到的筛选出的指纹模板数据后，将其与待比对指纹数据进行特征相似度分值计算。当计算得到的特征相似度分值大于预设阈值时，即判定特征相似度分值大于预设阈值的指纹模板与待比对指纹为同一指纹。

在本实用新型实施例中，处理器可以为ARM处理器。ARM处理器可以将筛选出的指纹模板数据与待比对指纹数据进行精确对比计算，以获取特征相似度分值，精确对比计算可以包括特征杆对生成、旋转、平移以及相似度计算等。ARM处理器可以建立精确比对线程，进行特征相似度分值计算。

例如，可编程器件筛选出符合规则的指纹模板数据的个数为20个，将20个指纹模板数据发送至ARM处理器。ARM处理器对待比对指纹数据与20个筛选出的指纹模板数据进行精确比对计算，得知指纹模板A与待比对指纹的特征相似度分值为90％，大于预设阈值80％，因此，判定指纹模板数据库中存在与待比对指纹相同的指纹模板A。

在实际应用中，指纹模板数据库的数据量可能较大，占用的存储空间较多，因此对DRAM的存储空间的要求较高。通常情况下，使用较大存储空间的DRAM来存储指纹模板数据库中的数据，成本较高。

而在本实用新型实施例中，可以将指纹模板数据按照一定的规则分别存储在多个DRAM中。可以按照指纹模板的顺序进行划分，也可以根据指纹模板的类型进行划分，还可以存在其他的划分类型，此处不做赘述。

例如，按照指纹模板的顺序进行划分，将排序标识为1～n的指纹模板数据存储在DRAM1中，将排序标识为n+1～2n的指纹模板数据存储在DRAM2中。在可编程器件读取指纹模板数据时，可以依次从DRAM1、DRAM2、……、DRAMn中读取指纹模板数据。

因此，采用本实用新型实施例中的方案，可以降低对DRAM的存储容量需求，从而降低成本。

在实际应用中，也可以将指纹模板数据库中的指纹模板数据存储在不同的计算节点中，通过调度服务器将指纹比对任务发送至多个计算节点。每个计算节点在计算完成后将结果反馈给调度服务器，调度服务器根据反馈的结果，获取最终的指纹识别运算结果。

通用的处理器，例如ARM处理器，其主要用于解决复杂的逻辑处理过程，在分支决策运算上具有优势。而指纹识别算法的逻辑关系简单、运算量大、数据关联度较小，采用ARM处理器进行运算时，存在耗时较长、运算效率低下的问题。因此，现有技术中，通常使用并行计算来提高运算效率。

通常采用FPGA对指纹识别算法进行运算，运算效率高、性能稳定且功耗低。然而，由于指纹识别算法的复杂度较高，将完整的指纹识别算法全部移植到FPGA内，对FPGA的逻辑门数量级的要求显著提高，导致成本上升。

在本实用新型一实施例中，采用FPGA进行运算量较大的计算，例如，特征向量杆生成匹配运算，采用ARM处理器进行运算量较小的计算，例如，指纹模板与待比对指纹特征相似度分值计算。通过FPGA与ARM的并行数据处理，可以加速指纹识别算法的处理速度。

在本实用新型实施例中，在进行指纹识别运算时，先对指纹模板数据库中的指纹模板进行筛选，筛选出初步符合待比对指纹特征信息的指纹模板，使得处理器所要进行处理的指纹模板数据大大减少，有效地提高了运算效率。

由此可见，在本实用新型实施例中，通过可编程器件将待比对指纹的特征向量与指纹模板的特征向量进行并行计算，从指纹模板数据库中筛选出符合规则的指纹模板数据。处理器只对筛选出的指纹模板数据与待比对指纹进行特征相似度分值计算，从而可以大大降低进行特征相似度分值计算的指纹模板的数量，因此可以大大降低指纹识别算法耗费的时间，提高运算效率。

参照图2，本实用新型实施例提供了一种指纹识别处理系统20，包括可编程器件201以及处理器202，其中：

所述可编程器件201，适于在接收到处理器发送的指纹认证请求后，将指纹模板数据库中指纹模板的特征向量进行并行计算；将并行计算结果与待比对指纹的特征向量计算结果进行比对，筛选出符合预设规则的指纹模板数据；

所述处理器202，适于接收所述可编程器件201发送的所述符合预设规则的指纹模板数据，并将所述待比对指纹数据与所述筛选出的指纹模板数据进行特征相似度分值计算，从计算结果中获取指纹识别运算结果。

在具体实施中，所述可编程器件201，适于通过多线程将所述待比对指纹数据与所述筛选出的指纹模板数据进行并行的特征相似度分值计算。

在具体实施中，所述可编程器件201，适于从所述指纹模板数据库中并行地选取指纹模板，计算每一个指纹模板对应的特征点集合中任意两个特征点之间的特征向量杆的长度与角度，得到并行计算结果，所述并行计算结果包括：每一个指纹模板对应的特征向量杆的长度与角度的集合。

在具体实施中，所述可编程器件201获取到的待比对指纹的特征向量计算结果为：所述待比对指纹的特征点集合中，任意两个特征点之间的特征向量杆的长度与角度的集合。

在具体实施中，所述可编程器件201，适于将指纹模板对应的特征向量杆的长度与角度的集合中的元素，与待比对指纹对应的特征向量杆的长度与角度的集合中的元素进行对比，筛选出集合相似度大于预设值的指纹模板。

在具体实施中，所述处理器202，适于将计算得到特征相似度分值与预设阈值进行比较，当所述特征相似度分值大于所述预设阈值时，判定对应的指纹与所述待比对指纹为同一指纹。

在具体实施中，所述可编程器件为FPGA，所述处理器为ARM处理器。

在具体实施中，指纹识别处理系统20可以包括：多个存储器，适于存储所述预设的指纹模板数据库中的指纹模板数据。

在具体实施中，所述存储器可以为DRAM。

参照图3，给出了本实用新型实施例中的一种指纹识别处理系统的结构示意图，包括：FPGA硬件301、ARM处理器302以及DRAM存储器303，其中：

DRAM存储器303中存储有指纹模板数据库；

FPGA硬件301包括：指纹模板读入单元3011、指纹模板存储单元3012、指纹模板分配单元3013、多个特征向量杆计算单元3014、筛选单元3015以及待比对指纹数据存储单元3016；

ARM处理器302包括：多个分值计算单元3021以及指纹认证请求单元3022。

下面对上述实施例中提供的指纹识别处理系统的工作流程进行说明。

ARM处理器302通过指纹认证请求单元3022向FPGA硬件301发送指纹认证请求。

FPGA硬件301在接收到指纹认证请求后，将待比对指纹数据存储单元3016中的待比对指纹特征信息发送至多个特征向量杆计算单元3014。控制指纹模板读入单元3011从DRAM存储器303中读取指纹模板数据库中的数据，并存储在指纹模板存储单元3012中。通过指纹模板分配单元3013将指纹模板存储单元3012中存储的指纹模板数据库数据分配到多个特征向量杆计算单元3014。多个特征向量杆计算单元3014根据待比对指纹特征信息，以及指纹模板数据库数据，并行进行特征向量杆计算。

通过筛选单元3015对多个特征向量杆计算单元3014的计算结果进行筛选，并将筛选结果发送至多个分值计算单元3021。过多个分值计算单元3021，计算筛选出的指纹模板与待比对模板的特征相似度分值，从而获取指纹识别的结果。

虽然本实用新型披露如上，但本实用新型并非限定于此。任何本领域技术人员，在不脱离本实用新型的精神和范围内，均可作各种更动与修改，因此本实用新型的保护范围应当以权利要求所限定的范围为准。

Claims (9)

1.一种指纹识别处理系统，其特征在于，包括：相互耦接的可编程器件以及处理器，其中：

所述可编程器件，适于在接收到处理器发送的指纹认证请求后，对指纹模板数据库中指纹模板的特征向量进行并行计算；将并行计算结果与待比对指纹的特征向量计算结果进行比对，筛选出符合预设规则的指纹模板数据；

所述处理器，适于接收所述可编程器件发送的所述符合预设规则的指纹模板数据，并将所述待比对指纹数据与所述筛选出的指纹模板数据进行特征相似度分值计算，从计算结果中获取指纹识别运算结果。

2.如权利要求1所述的指纹识别处理系统，其特征在于，所述可编程器件，适于通过多线程将所述待比对指纹数据与所述筛选出的指纹模板数据进行并行的特征相似度分值计算。

3.如权利要求1所述的指纹识别处理系统，其特征在于，所述可编程器件，适于从所述指纹模板数据库中并行地选取指纹模板，计算每一个指纹模板对应的特征点集合中任意两个特征点之间的特征向量杆的长度与角度，得到并行计算结果，所述并行计算结果包括：每一个指纹模板对应的特征向量杆的长度与角度的集合。

4.如权利要求3所述的指纹识别处理系统，其特征在于，所述可编程器件获取到的待比对指纹的特征向量计算结果为：所述待比对指纹的特征点集合中，任意两个特征点之间的特征向量杆的长度与角度的集合。

5.如权利要求4所述的指纹识别处理系统，其特征在于，所述可编程器件，适于将指纹模板对应的特征向量杆的长度与角度的集合中的元素，与待比对指纹对应的特征向量杆的长度与角度的集合中的元素进行对比，筛选出集合相似度大于预设值的指纹模板。

6.如权利要求1所述的指纹识别处理系统，其特征在于，所述处理器，适于将计算得到特征相似度分值与预设阈值进行比较，当所述特征相似度分值大于所述预设阈值时，判定对应的指纹与所述待比对指纹为同一指纹。

7.如权利要求1所述的指纹识别处理系统，其特征在于，所述可编程器件为FPGA，所述处理器为ARM处理器。

8.如权利要求1所述的指纹识别处理系统，其特征在于，包括：多个存储器，适于存储所述预设的指纹模板数据库中的指纹模板数据。

9.如权利要求8所述的指纹识别处理系统，其特征在于，所述存储器为DRAM。