应用实例(掌纹识别及DSP实现).ppt

主要内容 1 绪论 2 掌纹识别软件框架与DSP硬件平台 3 掌纹图像的预处理及定位 4 掌纹图像的特征提取和特征匹配 5 掌纹识别库 6 系统性能分析及总结 本文优化的主要方法如下：(1)利用汇编工具选项优化代码执行效率：-g开关使能C/C++语言的反汇编过程； -o2开关可以对文件级别进行最强的优化，对循环结构的指令进行调度安排流水线，使循环的多次迭代能够并行执行；-mt开关可以关闭流水线监测状态，大大减小程序量。联合使用-g /–o2 /–mt开关可以最大程度的对文件级代码进行优化。 (2) 尽量用逻辑移位运算来代替乘除操作，加快指令的运行时间。 (3) 将原基2的FFT变换改写为基32的FFT变换。由于FFT变换循环次数多，系数数量大，为了进一步提高效率，将事先计算好的变换系数放入片内L2中进行运算。(4) 在进行大规模数据运算处理时，导致CPU经常处于空闲状态。所以适量减少局部变量的个数，将常用数据量设为全局变量供各模块使用。 5 掌纹识别库 5.1掌纹用户的注册和删除以及识别过程 掌纹识别库主要存储掌纹图像的粗匹配特征值、细匹配特征值、注册标记三个数据内容。粗匹配特征值即掌面的最大半径，细匹配特征值即掌纹图像频谱域中8个方向上的特征值数组，注册标记用来记录注册用户的编号。 本文对掌纹数据库的操作分为用户注册、用户删除、用户识别三个模块。识别模块是系统的基本功能模块，完成待测掌纹与掌纹库的匹配过程；注册模块又称建库模块 用来注册用户和建立掌纹识别库；用户删除模块也是系统应用的重要模块，用来删除过期用户同。 图5.1 识别过程示意图 图5.2 注册过程示意图 图5.3 删除过程示意图 5.2掌纹识别库相关问题说明 (1) 由于Flash是非可现场擦除的，为了方便测试，观测结果，掌纹库信息以文本形式在PC上读写。根据掌纹库存储的三种数据，建立三个头文件TZ_K.h、TZ_MAX_R.h和TZ_FLAG.h分别用来存储掌纹细匹配特征数组、掌纹粗匹配最大半径和注册用户编号。 (2) 掌纹库信息是以结构体数组变量的形式进行数据读写操作和数据传递的。每次中断加载程序的时候，从以上三个头文件中读取数据，写入结构体数组变量。在实际应用系统中，掌纹库的特征数值和标记是写在可现场读写Flash或者EPROM中的，加载程序时只需要从固定的地址读数据即可。 (3)主程序一共有3个工作模式，分别为识别模式、注册模式和删除模式，按照用户操作意图来决定加载哪种模式。本文预设了一个中断变量MPX,当中断变量值发生改变时响应中断，CPU复位并重新加载主程序，根据中断变量的不同数值来加载对应程序段数据，其对应关系如表5.1所示： 6 系统性能分析及总结 6.1软件优化与实时性评价 由于掌纹识别系统要求实时性高，现在的存储芯片一般容量较大，所以本文优化的重点是提高程序运行效率，而不考虑空间资源的优化。 图6.1 DM642EVM存储器结构图 本文在未作软件优化前， 系统运行一次需要的时钟周期数为47×10+8, DM642的时钟频率为600MHZ, 换算成时间约为7.9s。 优化后的代码执行所需要的时钟周期数为10.86×10+8见图6.2， 约为1.8s。 运算效率比优化前有大幅度提高。 图6.2 优化后系统运行所需时钟周期示图 6.2识别精度评价 6.2.1测试方法和结果 (1)定位准确率的测试。在进行匹配率测试之前，必须先要进行掌纹定位算法准确度的测试，因为定位的准确程度直接影响匹配的结果。本文从673幅图像中，随机抽取80人每人右手手掌图像5幅共400幅图像进行测试。测试结果如表6.1所示： (2)错误拒绝率的测试。本文以定位正确的373幅图像作为匹配测试的可选样本空间，测试以人数为单位分为80组，每组随机选取5幅图，分别测试相同来源的掌纹图像两两匹配的结果，见表6.2。 (3)错误接受率的测试。取80个人每人第一幅图像进行注册建立掌纹识别库，取80个人每人第二幅图像作为待测样本空间1，取80个人每人任意一副图像(第一幅图像想和第二幅图像仍然可选)作为待测样本空间2。将待测样本空间1中的掌纹图像依次与掌纹库进行匹配，再待测将样本空间2中掌纹图像依次与掌纹库匹配，测试结果见表6.3： (4)总识别率测试。 测试方法一：取80个人每人任意一幅图像进行注册，建立掌纹库1；取80个人每人任意一幅图像作为待测样本1，取80个人每人任意一幅图像进行注册，建立掌纹库2(与库1图像均不同)，取80个人每人任意一幅图像作为待测样本2(与待测样本空间1图像均不相同)，分别用待测样本1与掌纹库1匹配，待测样本2与