一种基于FPGA指纹识别加速结构设计与实现.docVIP

一种基于FPGA指纹识别加速结构的设计与实现 　　[摘要]指纹识别是生物识别技术中重要且广泛使用的一种。当前该领域研究的重点在如何更好地采集提取指纹特征以及指纹安全等方面，对于大规模指纹识别的研究较少。随着电子商务、公安部门的大规模使用，需要进行比对的指纹数据暴增。针对这一现状，论文在基于细节特征点的这一类指纹识别算法基础上，利用FPGA平台对这类算法进行加速，通过对算法的分析调整，在FPGA上设计实现了一种新的加速结构，并采取了相应的优化策略。通过加速，单节点FPGA能达到每秒100万次指纹比对，相对于软件性能提升了25倍，为后续新算法的大规模使用奠定了基础。 　　[关键词]生物识别；指纹识别；流水；乒乓操作；FPGA 　　[中图分类号]TP3 [文献标识码]A 　　1 引言 　　在信息化时代的今天，信息安全尤其重要，如何鉴别一个人的身份是其中一个至关重要的问题。传统方式存在易丢失、容易被伪造等问题，利用生物识别技术进行身份认定，不仅安全、准确，还便于管理，应用前景广阔。指纹具有终身不变性、唯一性和方便性，依靠指纹的生物识别技术被广泛接受与认可，相关应用也较为广泛。 　　指纹是指人的手指末端正面皮肤上凸凹不平产生的纹线。纹线的起点、终点、结合点和分叉点，称为指纹的细节特征点（Minutiae）。指纹识别即指通过比较不同指纹的细节特征点来进行身份鉴别。 　　目前指纹识别主要应用在手机解锁、门禁考勤等方面，需要进行的比对计算量小，而随着指纹识别应用领域更加广泛，如电子商务、公安部门等，指纹识别中的数据量暴增，识别过程中的计算量极大，采用传统的方法需要大量时间，这在许多应用场合是达不到要求的。已有的研究主要针对指纹识别采集阶段图像增强和特征提取，如文献；指纹识别系统的全过程自动化AFIS（Automated Fingerprint Identification System），如文献；指纹识别算法的准确率，如文献等；与此同时，也有部分尝试对指纹识别进行加速的研究，文献，但效果不够理想。 　　本文在此背景下，针对如何快速进行较大规模指纹比对这一问题，对常用的基于特征点的一类指纹识别算法进行了分析，基于FPGA平台，针对识别过程中计算量最密集的部分进行重构及算法调整，设计并实现了一种FPGA平台上的加速结构。并采用了一些方法进行资源优化和性能提升。加速效果明显，采用该加速结构FPGA单节点对原算法有25倍的加速效果。达到了每秒100万次指纹比对的性能：如果同时采用多节点FPGA并行，能达到更高的性能，能够初步满足大规模指纹识别的需要，并为后续同类型新算法的大规模应用奠定了很好的基础。 　　2 基于细节特征点的指纹识别算法 　　2.1 指纹识别简介 　　指纹识别是指通过比较不同指纹的细节特征点来进行身份鉴别的过程，其整体流程如图1所示。包括指纹库的建立、待比对指纹采集、指纹处理及特征提取、指纹匹配等主要过程。 　　指纹识别算法主要用在指纹匹配阶段，用于将新采集的指纹与数据库中的指纹逐一进行比对。基于细节特征点的指纹识别算法是一类典型的指纹识别算法，即指通过比较计算不同指纹的细节特征点的相似程度而进行身份鉴别的方法。 　　2.2 基于细节特征点的指纹识别算法原理 　　基于细节特征点的算法是一类典型且使用较多的指纹识别算法，该算法中指纹匹配部分比对的流程如图2所示。 　　将采集到的待匹配指纹EXP的细节特征点与数据库中某个指纹DEMO的细节特征点数据作为输入：先将EXP指纹特征点两两组合展开为特征向量，如图3所示：并对展开的EXP指纹特征向量按照向量角排序存储：然后将DEMO指纹根据其特征点两两展开生成特征向量，同时与已生成的EXP特征向量构建特征向量对：再根据特征向量对计算出参数对EXP指纹进行旋转、平移操作，并删除相似度较低的向量对；最后根据剩余的相似度较高特征向量对，计算出它们的全局相似度，并根据相似度判断它们是否匹配。 　　各步骤具体如下： 　　EXP指纹展开是指根据EXP指纹的细节特征点数据，将特征点两两组合生成特征向量，如图3所示，A1、A2是EXP指纹的两个细节特征点： 　　EXP指纹特征向量排序是指根据前面生成的特征向量，按照其角度A1方向角和特征向量长度对其进行排序；DEMO指纹展开并构建特征向量对是根据DEMO指纹特征点两两组合构建特征向量，并同时根据已生成的有序EXP指纹特征向量初步查找可能相似的特征向量，构造成特征向量对；EXP指纹旋转、平移并删减特征向量对是将EXP指纹按照比较结果进行旋转平移，并将处理后相似度较低的特征向量对删除；计算全局相似度是指根据最后剩下的特征向量对，计算两个指纹的全局相似程度：最后根据全局相似度判断输入的两个指纹是否匹配，即完成了一次指纹比对：再取出指