讓生物識別技術(shù)成為FPGA動態(tài)部分重配置功能的“殺手級”應(yīng)用

　　摘要：我們在本項工作中解決的問題是：證實部分重配置適用于基于生物識別特性的復(fù)雜個人識別算法的開發(fā);運用二維設(shè)計抽象層對功能進行空間和時間的管理。

　　關(guān)鍵詞：生物識別;指紋識別;FPGA;部分重配置

　　自動指紋識別系統(tǒng)

　　指紋識別是自動個人識別技術(shù)中使用的最常見、最可靠的技術(shù)。大體上，實現(xiàn)的技術(shù)將自動指紋識別(AFAS) 劃分為在不同時間和不同條件下執(zhí)行的兩個階段：登記和識別。

　　登記流程中，用戶向系統(tǒng)提供指紋，系統(tǒng)隨即執(zhí)行一系列需要高強度計算的圖像處理步驟，以提取所有具有相關(guān)性、永久性和獨特性的信息，從而使系統(tǒng)明確識別指紋的真正主人。這一系列特性就構(gòu)成了用戶ID(身份識別號碼)，由系統(tǒng)存儲在數(shù)據(jù)庫中。這一過程一般在安全的環(huán)境中，在專業(yè)人員的指導(dǎo)下離線執(zhí)行。

　　指紋識別是查看其是否與數(shù)據(jù)庫中的經(jīng)認(rèn)可的用戶一致。在登記過程中執(zhí)行的各種處理工作將反復(fù)進行，以從當(dāng)前指紋采樣本中提取出獨特的特征。系統(tǒng)隨后將這些特征與數(shù)據(jù)庫中存儲作為為用戶模版的信息進行對比，以確認(rèn)當(dāng)前指紋采樣是否與登記的模版相符。根據(jù)數(shù)據(jù)庫大小，識別分為兩種模式：一對一或一對多匹配。識別一般是在安全度較低的環(huán)境中，且在實時約束的條件下完成的。

　　這里的每一步被細(xì)分為一系列彼此獨立的任務(wù)，以從指紋圖像中抽取出用戶獨特的信息。以此為目的，系統(tǒng)將進行一系列具體的運算，如圖像處理(2D 卷積、形態(tài)學(xué)運算)、三角運算(正弦、余弦、反切、開方)[1] 或者統(tǒng)計(平均值、方差)。

　　因此，生物識別應(yīng)用是由一系列按順序流程執(zhí)行的任務(wù)構(gòu)成的。因為在這個鏈條上某個給定任務(wù)的輸出數(shù)據(jù)是下一項任務(wù)的輸入數(shù)據(jù)，一項任務(wù)的開始需要等待前一項任務(wù)的完成。另外，在登陸階段和識別階段，有許多任務(wù)是反復(fù)執(zhí)行的。

　　圖1列舉了目前算法中發(fā)生的任務(wù)。第一項是圖像獲取。根據(jù)傳感器的尺寸，系統(tǒng)可以一次性地獲得整個圖像(全圖像傳感器)，也可以分片獲取(掃描傳感器)。在第二種情況下，即我們正在使用的這種情況，需要額外經(jīng)過一次圖像重構(gòu)階段。完整的指紋圖像是由連續(xù)且部分重疊的圖像條所組成的[2]。

　　我們獲得整個重構(gòu)的圖像之后，下一步是在背景中對前景(即指紋皮膚的凸凹形成的關(guān)注區(qū)域)分割。我們采用由 5x5 像素的 Sobel邊緣檢測濾波器逐像素完成圖像卷積。完成后，我們以特定的均值和方差進行圖像標(biāo)準(zhǔn)化。

　　下一步，我們通過各向同性濾波來增強標(biāo)準(zhǔn)化圖像。該步驟使用 13x13 像素，從之前在采集階段因噪聲而導(dǎo)致圖像丟失或者干擾的圖像區(qū)域恢復(fù)相關(guān)信息[3]。圖像強化步驟完成之后的下一步是計算指紋矢量圖 (field orientation map)，以確定圖像前景中脊線和谷線的主要方向。生成的方向場 (eld orientation) 隨后被提交給新的濾波步驟(5x5像素)，以獲得精細(xì)化的矢量圖。

　　此時圖像仍為 8 位灰度。在二值化處理中，由 7x7 像素的 Gabor 方向濾波器進行灰度圖像卷積，以提升脊線和谷線的清晰度，并把每個灰度像素轉(zhuǎn)化為 1 位二進制(黑或白)點。合成的脊線和谷線圖像再次進行經(jīng)過平滑處理和重繪。隨后，通過細(xì)化或骨架化，將黑白圖像的黑色走線變?yōu)橐粋€像素寬。從這個圖像上不難提取指紋的特性或者細(xì)節(jié)，即紋線端點和紋線分叉點。

　　最后，在獲取到指紋細(xì)節(jié)和方向場數(shù)據(jù)后，就可以進行指紋模板和樣本的對比。這里采用一種比較直接的算法，在考慮到轉(zhuǎn)換和旋轉(zhuǎn)動作以及采集階段因皮膚彈性導(dǎo)致的圖像變形引起的誤差可接受的情況下，讓兩者實現(xiàn)最理想的重合[4]。下一步是進行樣本和模板的匹配，獲知兩者之間的相似度，隨后自動化系統(tǒng)可以根據(jù)相似度來確定兩個圖像是否屬于同一人[5]。

　　在如圖3所示的整個處理過程中，使用的指紋圖像分辨率為 500dpi，灰度為 8 位，圖像大小為 280x512 像素。圖像獲取采用的是Atmel公司的熱敏指紋傳感器 FingerChip 掃描技術(shù)，運算采用的是賽靈思 Virtex-4 XC4VLX25 FPGA 器件。

　　系統(tǒng)架構(gòu)

　　Virtex-4 FPGA 器件是 AFAS 平臺的計算單元，其中采用 Flash(閃存)作為系統(tǒng)數(shù)據(jù)庫，存儲FPGA配置數(shù)據(jù)，以及如用戶指紋模板或生物識別算法配置設(shè)置等特定于應(yīng)用的數(shù)據(jù)。此外，該系統(tǒng)還使用 DDR-SDM 存儲器來暫時保存從每個處理階段中獲得的中間數(shù)據(jù)或圖像。我們采用的是串行通信，在我們的案例中是連接至 UART 控制器的 RS-232 收發(fā)器 — 后者可在 FPGA 資源中進行綜合 — 以用于調(diào)試目的。其目的是將每個階段生成的結(jié)果圖像傳輸?shù)?PC 上，以便以圖形化的方式察看每步的指紋圖像或者結(jié)果。最后，使用掃描式指紋傳感器來獲取用戶的生物識別特性，并作為識別算法的輸入，如圖 2 所示。

　　作為計算單元，F(xiàn)PGA 被劃分為兩個區(qū)域，一個是靜態(tài)區(qū)，由完整的多處理器 CoreConnect 總線系統(tǒng)構(gòu)成;另一個是可重配置區(qū)，用于根據(jù)需要放置定制的生物識別協(xié)處理器或IP(知識產(chǎn)權(quán))，以執(zhí)行識別算法的各種順序任務(wù)，并隨處理的進展進行復(fù)用。多處理器 CoreConnect 總線系統(tǒng)主要由賽靈思 MicroBlaze 處理器及其它標(biāo)準(zhǔn)外設(shè)構(gòu)成，同時還擁有一個鏈接至 ICAP (內(nèi)部配置訪問通道)端口的重配置控制器。

　　如圖1所示，所有的處理任務(wù)都按照順序執(zhí)行的次序從 0(靜態(tài))到 B 進行枚舉。定制的硬件協(xié)處理器負(fù)責(zé)在 PRR (部分重配置區(qū)域)中實現(xiàn)所有的任務(wù)，由 MicroBlaze 在軟件中完成的指紋采集過程除外。

　　軟硬件特定的劃分是由于掃描傳感器需要 5μs的積分時間來獲得連續(xù)的圖像條(SLICE)。這種速度下無需采用定制的硬件協(xié)處理器，采用MicroBlaze軟件采集和重構(gòu)圖像不僅速度足夠，而且更簡單經(jīng)濟。

　　圖像采集按每個 SLICE 5μs的速率采集 100 個SLICE，每個 SLICE 的大小為 280x8 像素。每兩個連續(xù)的圖像 SLICE 之間的像素重疊部分交由軟件進行探測，從而完成圖像的實時重構(gòu)。

　　由于實時的要求，剩余的任務(wù)我們交由 FPGA 的 PRR 的定制硬件協(xié)處理器來實現(xiàn)。一旦每個特定的任務(wù)完成之后，位于器件靜態(tài)區(qū)的重配置控制器在 MicroBlaze 處理器的控制下，載入下一個任務(wù)的工作模塊。重配置控制器通過 ICAP 接口將新模塊的配置數(shù)據(jù)從 DDR-SDM 中直接傳輸?shù)絻?nèi)部的 FPGA 配置存儲器中，從而完成此項任務(wù)。

　　值得一提的是，我們使用的是靜態(tài)區(qū)和可重配置區(qū)之間基于 FIFO(先進先出)存儲器和觸發(fā)寄存器構(gòu)成的標(biāo)準(zhǔn)界面。這樣我們就可以在 PRR 中開發(fā)標(biāo)準(zhǔn)的生物識別協(xié)處理器或 IP，而無需理會系統(tǒng)使用的是哪種多處理器總線，無論其是 AMBA、CoreConnect、Wishbone 還是其它均如此，如圖 2 所示。這一點具有根本性的意義，因為這樣才能確保生物識別算法跨不同平臺的標(biāo)準(zhǔn)化和便攜性。