智能门锁指纹识别方法设计

宿迁学院信息工程学院 袁 进

随着物联网、无线通信等信息技术的不断成熟，智能家居产业发展迅速，应用愈加广泛。智能门锁作为智能家居的重要组成部分，有效保证了家居安全。本文针对智能门锁中的指纹识别过程慢、识别能力弱等问题，提出一种基于FPGA与MATLAB平台的指纹识别优化方法。经仿真分析，该方法能够有效解决上述问题，具有一定的实用性。

在物联网、大数据、人工智能、无线通信等技术的不断发展下，智能家居、智慧城市、智慧交通、智慧农业等概念相继被提出并逐渐实现应用，其中，智能家居产业发展相对成熟。智能门锁作为智能家居安防监控中的一员，避免了传统门锁出现的易盗取、易复制等问题，具有保密性强、应用需求度高、成本低廉、使用便捷等特点，给人们的生活带来了极大的安全保障。智能门锁主要通过密码键入、指纹识别、刷卡等方式实现门的开启与关闭，由于密码容易泄漏、门卡容易丢失等缺陷，基于指纹识别的智能门锁安全性较高。本文针对智能门锁应用中出现的指纹识别能力弱、识别过程慢等问题，采用FPGA和MATLAB相结合的方式，设计一种适用于智能门锁的指纹识别方法。

1 指纹识别技术研究

指纹识别过程是指通过对采集到的手指指纹进行特征标记与对比，从而实现身份信息匹配的过程。图1给出了指纹识别的总体框图，主要包括指纹采集、预处理、特征点提取与匹配等四个环节。

图1 指纹识别过程框图

1.1 指纹采集

指纹采集是实现指纹成功识别的第一步，通常借助专用的指纹采集传感器实现，指纹采集传感器根据信号的采集方式不同，可分为划擦式和接触式（面阵式）两种。由于硬件设备的延迟、老化等问题，容易使采集到的指纹出现模糊、噪声污染、残缺等问题，对指纹的特征顺利提取造成一定的阻碍，需要采取相应的措施对此类问题进行处理。

1.2 指纹图像预处理

指纹图像预处理是采用相关算法解决指纹图像受到的噪声污染、模糊、雾化等问题，目的在于提高指纹图像纹理的清晰度，便于后续的特征提取。通常，指纹图像预处理环节包括图像去噪、图像去模糊、图像增强等部分，可根据指纹识别的应用场景及指纹图像质量进行功能的增减。

1.3 提取指纹图像特征点

指纹能够被成功识别的前提是指纹图像具有一定量的特征信息。指纹特征除了有易获得的指纹中心和三角点，还包括纹路的端点（起点与终点）、交叉点、汇聚点等。另外，部分算法中还将指纹特征点的类型、坐标、方向等参量作为指纹的特征信息。例如，根据某种分类方法对指纹特征点进行分类，接着依次判别各特征点是否为伪特征点，若为伪特征点，则直接删除，从而保证了特征点的有效性，便于指纹特征匹配，提高指纹识别的准确性。

1.4 指纹图像特征点匹配

指纹图像特征点匹配是指纹识别的关键一步。其方法是将指纹图像与待匹配图像进行特征比对，若匹配度高于设定的阈值，则认为指纹识别成功。通常，特征点匹配包括粗匹配（指纹纹路）和细匹配（形态、端点、交叉点等），能够有效保证指纹识别的准确度。

2 本文方法设计

本文选取FPGA与MATLAB作为算法实现平台，FPGA平台实现指纹图像的预处理，借助FPGA的并行流水线处理的特点，能够有效提高指纹识别的快速性。由于硬件设备难免对图像造成一定的噪声干扰，故本文在预处理模块中首先加入了图像滤波环节，具体包括高斯滤波、中值滤波、均值滤波等方法，有效去除图像噪声对指纹识别的干扰，除此之外，预处理模块还包括图像复原（图像去模糊、图像去雾等）、图像增强、图像二值化、图像细化等部分，提高指纹所含信息的有效性，具体可根据原始指纹图像的真实情况进行模块的增减。通过MATLAB实现指纹特征点提取与匹配，保证指纹识别的准确度。图2为指纹识别方法具体实现框图。

图2 指纹识别方法框图

在指纹特征点匹配环节，本文采用基于极坐标细节匹配算法进行实现，具体的实现过程为：（1）在输入指纹图像和模板指纹图像中寻找矢量三角形，若矢量三角形不全等，则直接判别指纹图像不匹配；若矢量三角形全等，则进一步确定参考点；（2）以参考点的横纵坐标为方向在建档模板和匹配模板建立极坐标系，确定各个细节特征点的极坐标半径和角度，接着将建档模板和匹配模板的细节特征点按极坐标角度递增顺序排列；（3）比较建档模板和匹配模板细节点极坐标特征的相同的个数，若超过设定阈值，则匹配成功，否则，未匹配成功。

3 算法仿真与分析

本文借助verilog语言采用自顶而下的模块化设计方法对指纹图像预处理部分进行仿真实现，首先，将图3（a）所示的原始图像以文件的形式输入到预处理模块中，接着，对指纹图像进行去噪、二值化、细化等处理，得到图3（b）、（c）等结果，由结果可得，指纹图像较为完整，细化后图像较为清晰，细节丰富，便于后续的特征点提取及匹配。

图3 指纹预处理

将细化后的图像以文件的形式保存，接着作为输入数据输入到MATLAB平台的指纹特征提取及匹配模块，图4为指纹端点及交叉点提取结果，由结果可知，端点及交叉点信息较为丰富，为指纹的成功匹配提供支撑。

图4 指纹特征点提取

由于智能门锁为家居或企业所用，匹配数据库的数据量相对较小，能够适当提高匹配阈值，从而保证智能门锁的可靠性。图5为指纹识别系统根据指纹特征点与数据库中的指纹匹配结果，由结果可知，匹配到的指纹与原始指纹一致，证明了系统识别的准确性。

图5 指纹匹配结果

针对运动模糊指纹，本文在预处理模块中加入了图像去模糊环节，采用基于FFT的频域处理方法，将时域中的指纹图像转换到频域，根据频谱明暗条纹特征估计出相应的模糊核，从而有效去除指纹图像模糊，随后按照上述步骤进行指纹识别处理即可。图6为模糊指纹及去模糊后的指纹。若图像还存在噪声污染、雾化等情况，可相应的增加处理环节即可，此处不再赘述。

图6 指纹去模糊

总结：本文针对智能门锁中的指纹识别能力弱、识别过程慢等问题，提出一种基于FPGA+MATLAB的指纹识别方法，该方法在指纹预处理及指纹匹配环节进行了优化设计，具体包括：（1）采用FPGA平台实现指纹预处理，借助FPGA并行流水线处理的特点及自顶而下的模块化设计方法，保证了指纹识别的快速性及灵活性，可以针对采集的指纹图像质量进行合理的预处理环节增删；（2）采用MATLAB平台实现指纹特征点提取及匹配，有效保证了指纹识别的准确度，另外，采用基于极坐标细节匹配算法实现特征点匹配，进一步提高了指纹识别的能力。综上所述，本文所提的指纹识别方法能够有效提高识别的快速性、可靠性及准确性，具有一定的参考及实用价值。