本文關(guān)鍵詞： 手背靜脈識(shí)別 Hausdorff距離 不變矩 特征融合 DSP　出處：《吉林大學(xué)》2016年碩士論文　論文類型：學(xué)位論文

【摘要】：隨著社會(huì)不斷地發(fā)展,人們對(duì)安全的可靠性要求越來(lái)越高,許多場(chǎng)合都需要對(duì)人的身份進(jìn)行認(rèn)證與識(shí)別,因此生物特征識(shí)別技術(shù)顯得越來(lái)越重要。而人體手背靜脈作為一種嶄新的生物特征識(shí)別技術(shù),與視網(wǎng)膜技術(shù)、指紋技術(shù)、虹膜技術(shù)等相比,它具有內(nèi)部特征、活體識(shí)別、安全等級(jí)高和非接觸式等優(yōu)點(diǎn),表現(xiàn)出明顯優(yōu)勢(shì),并且手背靜脈識(shí)別技術(shù)處于剛剛起步的階段,所以人們對(duì)手背靜脈識(shí)別技術(shù)的深入研究非常有必要和實(shí)用意義。目前,手背靜脈識(shí)別一般都是利用PC機(jī)來(lái)處理,但這樣的識(shí)別系統(tǒng)體積過(guò)于龐大,而利用DSP來(lái)進(jìn)行手背靜脈識(shí)別就能較好的解決此類問(wèn)題。本文使用的DSP芯片型號(hào)為TI公司推出的TMS320DM642,該數(shù)字圖像處理芯片是專用于圖像以及視頻處理方面的,并且主頻最高可以達(dá)到300Mhz。國(guó)內(nèi)手背靜脈識(shí)別產(chǎn)品的核心技術(shù)大多數(shù)都是從韓國(guó)NEXTERN公司購(gòu)買的,并且將DSP應(yīng)用于生物特征識(shí)別設(shè)備中,可以有效降低成本,便于產(chǎn)品化,所以本文設(shè)計(jì)了一套基于DSP的手背靜脈識(shí)別系統(tǒng)。本文采用Mohamed Shahin博士手背靜脈圖像庫(kù),共選取200幅手背靜脈圖像,對(duì)基于DSP的手背靜脈識(shí)別系統(tǒng)進(jìn)行深入研究,本文主要的研究?jī)?nèi)容為:(1)針對(duì)現(xiàn)有手背靜脈識(shí)別利用的手背靜脈特征較少,識(shí)別率較低等缺點(diǎn),本文提出了一種基于特征點(diǎn)距離的手背靜脈特征融合的方法。該方法首先提取7個(gè)不變矩,再提取手背靜脈的端點(diǎn)及交叉點(diǎn),將幾何特征和局部特征相融合,實(shí)驗(yàn)結(jié)果準(zhǔn)確率可達(dá)96.75%。(2)本文介紹了手背靜脈識(shí)別系統(tǒng)的硬件平臺(tái),本系統(tǒng)的硬件平臺(tái)包括系統(tǒng)的選型、系統(tǒng)的結(jié)構(gòu)及各模塊設(shè)計(jì)。本文通過(guò)對(duì)比幾款DSP,最終選取DM642芯片作為系統(tǒng)的核心處理器。(3)本文設(shè)計(jì)了手背靜脈識(shí)別系統(tǒng)的軟件框架,并且介紹了軟件的開(kāi)發(fā)環(huán)境、DSP/BIOS操作系統(tǒng)等。為本文成功完成基于DSP的手背靜脈識(shí)別算法移植的后續(xù)工作做出鋪墊。(4)本文設(shè)計(jì)了一套基于DSP的手背靜脈識(shí)別系統(tǒng),將本文研究的兩種手背靜脈識(shí)別算法移植到DSP上,該算法能成功判斷是否為同一個(gè)人的手背靜脈,實(shí)驗(yàn)結(jié)果準(zhǔn)確率可達(dá)93.5%,驗(yàn)證了本文算法的實(shí)用性和可靠性。本文利用Hu的7個(gè)不變矩方法與豪斯多夫距離法進(jìn)行算法融合,成功完成了基于DSP的手背靜脈識(shí)別算法移植。
[Abstract]:With the continuous development of society, people demand more and more security reliability, many occasions need to authenticate and identify the identity of people. Therefore, biometric identification technology is becoming more and more important. As a new biometric recognition technology, human dorsal hand vein has internal features and in vivo recognition compared with retina technology, fingerprint technology, iris technology, etc. The advantages of high safety grade and non-contact type show obvious advantages, and the technology of dorsal hand vein recognition is just in its infancy, so it is very necessary and practical to study deeply the technology of dorsal hand vein recognition. The back of the hand vein recognition is usually processed on a PC, but this recognition system is too large. In this paper, the model of DSP chip is TMS320DM642produced by TI, and the digital image processing chip is specially used in image and video processing. Most of the core technologies of domestic hand back vein recognition products are purchased from NEXTERN Company of South Korea, and the application of DSP in biometric equipment can effectively reduce the cost and facilitate the production. In this paper, we design a set of dorsal hand vein recognition system based on DSP. In this paper, we select 200 back hand vein images by using Mohamed Shahin image library, and deeply study the DSP based dorsal hand vein recognition system. The main research content of this paper is: (1) aiming at the shortcomings of the existing dorsal hand vein recognition, such as fewer features of the dorsal hand vein, lower recognition rate and so on. In this paper, a method of feature fusion of dorsal hand vein based on the distance of feature points is proposed. Firstly, seven invariant moments are extracted, then the endpoints and intersections of the dorsal hand vein are extracted, and the geometric features and local features are fused. This paper introduces the hardware platform of the hand back vein recognition system. The hardware platform of the system includes the selection of the system. The structure of the system and the design of each module. By comparing several DSP, the DM642 chip is selected as the core processor of the system.) the software framework of the hand back vein recognition system is designed in this paper. This paper also introduces the software development environment, such as DSP / BIOS operating system. This paper designs a DSP based hand back vein recognition system for the successful completion of the follow-up work of hand back vein recognition algorithm transplantation based on DSP. By transplanting two algorithms of dorsal hand vein recognition to DSP, the algorithm can successfully judge whether the vein is the same person's dorsal hand vein. The accuracy of the experiment can reach 93.5a, which verifies the practicability and reliability of this algorithm. This paper uses Hu's seven moment invariant method and Hausdorf distance method to fuse the algorithm, and successfully completes the transplantation of the hand back vein recognition algorithm based on DSP.
【學(xué)位授予單位】：吉林大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：TP391.41

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 張鐵民;莊曉霖;;基于DM642的高地隙小車的田間路徑識(shí)別導(dǎo)航系統(tǒng)[J];農(nóng)業(yè)工程學(xué)報(bào);2015年04期

2 劉惠萍;于佳;姜艷青;王金城;;基于數(shù)字全息技術(shù)的實(shí)時(shí)指紋識(shí)別[J];光學(xué)與光電技術(shù);2014年01期

3 李文龍;陳悅;許金勇;梁濤;;藍(lán)牙通信中的射頻指紋識(shí)別技術(shù)[J];計(jì)算機(jī)工程;2014年01期

4 楊曉鵬;蔡超峰;潘珩;趙玉霞;;手背靜脈圖像預(yù)處理算法研究[J];中國(guó)醫(yī)療設(shè)備;2013年10期

5 趙海峰;;基于Linux的嵌入式自動(dòng)指紋識(shí)別系統(tǒng)設(shè)計(jì)[J];信息安全與技術(shù);2013年10期

6 蔡超峰;任景英;;基于直方圖均衡化的手背靜脈圖像對(duì)比度增強(qiáng)[J];計(jì)算機(jī)應(yīng)用;2013年04期

7 薛定宇;賈旭;崔建江;潘峰;;基于區(qū)域形狀的靜脈圖像特征提取與匹配[J];東北大學(xué)學(xué)報(bào)(自然科學(xué)版);2012年01期

8 王晨暉;管鳳旭;宋新景;馬也;;掌紋和三維手形的多模態(tài)圖像采集裝置設(shè)計(jì)[J];自動(dòng)化技術(shù)與應(yīng)用;2011年07期

9 劉中華;殷俊;金忠;;一種自適應(yīng)的Gabor圖像特征抽取和權(quán)重選擇的人臉識(shí)別方法[J];光子學(xué)報(bào);2011年04期

10 盧建云;何中市;余磊;;基于多級(jí)CS-LBP特征融合的人臉識(shí)別方法[J];計(jì)算機(jī)工程與科學(xué);2010年06期

相關(guān)博士學(xué)位論文 前2條

1 襲肖明;手指靜脈識(shí)別若干關(guān)鍵問(wèn)題研究[D];山東大學(xué);2015年

2 荊瀾濤;非理想條件下手形識(shí)別方法的研究[D];沈陽(yáng)工業(yè)大學(xué);2014年

相關(guān)碩士學(xué)位論文 前10條

1 任龍輝;基于DM642的車道偏離預(yù)警中道路圖像前端處理系統(tǒng)的研究[D];長(zhǎng)安大學(xué);2015年

2 王磊;基于DM642的人臉檢測(cè)系統(tǒng)[D];蘇州大學(xué);2015年

3 林敏;基于DSP的EAS接收器的設(shè)計(jì)與實(shí)現(xiàn)[D];北京理工大學(xué);2015年

4 唐振宇;Turbo碼在短波通信中的研究及實(shí)現(xiàn)[D];北京郵電大學(xué);2015年

5 胡云朋;基于多特征融合的手背靜脈識(shí)別算法研究[D];天津理工大學(xué);2014年

6 王召慧;掌紋和手形三維形貌及紋理獲取技術(shù)的研究[D];河北工業(yè)大學(xué);2013年

7 馬李成;基于手掌的身份認(rèn)證系統(tǒng)研究[D];西安電子科技大學(xué);2013年

8 張寶峰;基于DSP的語(yǔ)音識(shí)別算法研究與實(shí)現(xiàn)[D];蘭州理工大學(xué);2011年

9 李克峰;基于手背靜脈的身份識(shí)別[D];北方工業(yè)大學(xué);2011年

10 楊美玲;非接觸成像條件下手背靜脈識(shí)別方法的研究[D];沈陽(yáng)工業(yè)大學(xué);2011年

，

本文編號(hào)：1550476