畢業設計-基于指紋識別技術的考勤系統的研究與設計(完整版)

　　

【正文】 機進行通訊時的臨時數據。 ： 用戶管理功能必須先驗證管理員的指紋； (1)管理員的編號、指紋的登記、修改、刪除； (2)普通用戶的組號、編號、指紋的登記、修改、刪除； (3)每個普通用戶可登記 12枚指紋； (4)統計管理員和普通用戶的指紋登記總數。通過聯網接口，指紋考勤機可以將考勤記錄或指紋數據上載到管理 PC機，管理 PC 機也可以設置指紋考勤機的各項參數，下載新的指紋等。指紋識別模塊通過指 紋采集傳感器采集指紋圖像，對指紋圖像進行銳化等預處理后，從指紋圖像中提取指紋特征，然后壓縮存儲在模塊中 。 圖 21 是利用本指紋考勤機組成的指紋考勤系統框圖。 (2) 在第二部分針對單機式指紋考勤系統的硬件組成和控制軟件進行了簡要的介紹。盡管指紋識別系統存 第 7 頁 共 34 頁 在可靠性問題，但其安全性也比相同可靠性級別的“用戶 ID 十密碼”方案 的安全性高得多。指紋比對主要是依靠比較兩枚指紋的局部紋線特征和相互關系來決定指紋的唯一性。大量統計結果和實際應用證明，這兩類特征點在指紋中出現的機會最多、最穩定，而且比較容易獲取。很多研究者提出了不同的預處理方法，這些方法是用局部脊方向和局部自適應閾值來增強指紋圖像 ， 但各自都有一些局限性。 2. 預處理 通常，指紋采集器采集到的指紋是低質量的，存在的噪聲較多。光學取像設備依據的是光的全反射原理 (FTIR)。辨識過程如圖 12 所示。 指紋識別系統 指紋識別系統分類 自動指紋識別系統的工作模式可以分為兩類：驗證模式 (verification)和辨識模式(identification)。 1975年 EMI公司又成功研制出全身用的 CT裝置，獲得了人體各個部位鮮明清晰的斷層圖像。圖像處理中，輸入的是質量低的圖像，輸出的是改善質量后的圖像，常用的圖像處理方法有圖像增強、復原、編碼、壓縮等。目前，己經有很多自動指紋識別的產 品面市，并開始逐步在企業考勤、門禁、金融、公安和網絡安全等領域得到應用。生物識別系統對生物特征進行取樣，提取其唯一的特征并且轉化成數字代碼，并進一步將這些代碼組成特征模板，人們同識別系統交互進行身份認證時，識別系統獲取其特征并與數據庫中的特征模板進行比對，以確定是否匹配，從而決定接受或拒絕該人。于是，生物識別技術悄然興起，并應運而生為一種新的身份識別技術。 常見的生物識別技術主要有九種：指紋、臉形、虹膜、視網膜、手寫體、聲音、掌紋、手形和臉部熱譜圖等，指紋識別是生物識別技術的一種。數字圖像處理最早出現于 20 世紀 50 年代，當時的電子計算機已經發展到一定水平，人們開始利用計算機來處理圖形和圖像信息。 數字圖像處理取得的另一個巨大成就是在醫學上獲得的成果。很多國家，特別是發達國家投入更多的人力、物力到這項研究，取得了不少重要的研究成果。所以指紋考勤系統屬于驗證。 到目前為止，光學采集頭提供更加可靠的解決方案。例如 ： 可以利用纖維 光束來獲取指紋圖像。指紋圖像預處理的一般過程如圖 14 所示。 指紋的細節特征可以有 150 種之多，但這些特征出現的概率并不相等，很多特征是極其罕見的。在大部分研究中，指紋一般分為五類：漩渦型 (whorl)、左環型 (left loop)、右環型 (right loop)、拱型 (arch)、尖拱型 (tented arch)。指紋識別系統的重要衡量標志是識別率，它主要由兩部分組成：拒判率 (false reject rate， FRR)和誤判率 (false accept rate， FAR)。一個有效的辦法是比對兩個或更多的指紋，從而在不損失易用性的同時，最大限度地提 高了系統的安全性。 第 8 頁 共 34 頁 2 指紋考勤系統的構造介紹 系統結構框圖 本指紋考勤機的最主要特點是將獨立識別與聯網設置相結合。圖 22是指紋考勤機的硬件結構框圖。 由于采用大容量、掉電不丟失數據的存儲器，指紋考勤機可以同時存儲 6000 多條考勤記錄，省去頻繁讀取和清除考勤記錄的麻煩 。控制軟件全部采用 MCS51匯編語言設計。 CPU 控制處理器 指紋考勤機的 CPU選用集成度和性能比較高的 MCS51兼容系列單片機 AT89C52。 人機接口 鍵盤、顯示器和蜂鳴器是指紋考勤機的人機交互接口設備。 聯網通訊接口 指紋考勤機的聯網通訊接口采用 RS232接口和 RS485接口共用的方式。 指紋處理模塊通過 PLD 解碼單元控制光學指紋采集頭采集指紋圖像，然后經過性能優異的指紋算法提取出無畸變的指紋圖像特征值用于完成指紋比對功能，指紋特征值經數據加密后，保存在 FlashROM閃存中。 (1) 掃描儀和數碼相機使卡片或照片上的捺印指紋或現場實物上的指紋印跡直接被取像設備中的光電耦合器件 (CCD)獲取 ， 并經數字化器件轉換得到數字化圖像。 當手指壓在此表面上時 ， 由于指紋紋脊和紋谷的壓力不同而改變了微型三棱鏡的表面 ， 通過三棱鏡的反射光強發生變化 ， 從而產生指紋灰度圖像。 (2) 半導體壓感式傳感器 。半導體傳感器取像技術主要缺點是：易受靜電 (電纜線、用戶接觸以及取像器內部的靜電 )的影響 ， 有時會獲取不到圖像 ， 甚至會被損壞 ； 不像玻璃一樣耐磨損 ， 從而影響了使用壽命；手指的汗液中的鹽分或者其他的污物 ， 以及手指磨損都會使半導體傳感器的取像很困難 。圖像預處理通常包括增強、分割、細化等幾個步驟。 指紋圖像獲取時 ， 由于噪音及壓力不同等的影響 ， 將會導致兩種破壞紋線的情況 ： 斷裂及叉連。鄰域窗口 的尺寸并無嚴格限定 ， 但其取值與圖像的分辨率直接有關。dkp的灰度值。方向圖平滑的基本思想是 ： 指紋紋線的走向是連續變化的 ， 鄰近像點上的方向不應該有突然的大角度轉折。一般取模板邊長為 1～ ； 2) 模板邊長為奇數 ， 模板關于其朝向軸及朝向垂直方向軸均為對稱 ； 3) 為提高脊、谷之間的灰度反差 ， 達到邊緣銳化的效果 ， 模板應設計為 ： 在垂直于朝向方向上 ， 中央部分系數為正 ， 兩邊系數為負 ； 4) 濾波結果應與原圖的平均灰度無關 ， 因此模板中所有系數的 代數和應為零。對每一塊都進行這樣的處理 ， 可得到指紋的二值圖像。經過去噪后 ， 原二值圖中的大部分孔洞和“毛刺”被有效地清除了。在將這 m個點值其數值大小排序，取其序號為中心點的那個數作為濾波輸出，用數學公式表示為 },. .. ,. .. ,{ viivii fffM e dy ??? 21, ??? mvZi (35) 例如：有一個序列為 {0， 3， 4， 0， 7}，則中值濾波的為重新排序后的序列 {0， 0， 3，4， 7}的中間值為 3。 4．圖像增強 圖像在傳輸或者變換過程中，可能會受到干擾而導致圖像模糊。值得注意的是：當0),( DvuD ? 時， ),( vuH 下降到最大值的 1/2。本算法把一次迭代分作兩次掃描 ， 細化過程中由周邊向中間逐層細化 ， 使細化結果位于原圖的“中軸”。因為指紋預處理的不完善性 ， 在細化后的紋線圖中總存在或多或少的偽特征點。 第 27 頁 共 34 頁 4 基于指紋預處理算法的實驗結果 指紋圖像的獲取 首先，對指紋進行灰度化處理。先求水平濾波器的設計其它方向的濾波器可以通過旋轉得到。旋轉后濾波器的坐標為 )39。c o s s ins in c o siij j?? ??? ? ? ?? ??? ? ? ??? ? ? ? ?? 第 30 頁 共 34 頁 圖 45 濾波后的指紋圖像 圖像的二值化 用 Matlab二值化函數對圖像進行二值化，得到圖像如圖 46所示。通過對指紋預處理的研究，讓我了 解到，要加快指紋識別的速度，還應考慮簡化圖像的預處理，實現在灰度圖上直接抽取指紋細節特征。 再一次對曾經幫助過我的所有老師、同學、親人，表達我內心最深的謝意 ! 第 34 頁 共 34 頁 參考文獻 [1] 王松 .基于背線采樣的指紋識別算法 [C]. 電子學報 .2021年 .第 31卷第 10期 . [2] 王秋讓 .改進的指紋細節特征提取算法 [C].中國圖像學報 .2021 年 12 月 .第 7卷第12期 . [3] 朱學芳 .一種新的指數匹配方法 [R].中國圖像學報 .2021年 2月 .第 8卷 A版第 2期：P203. [4] 沈亮 .指紋圖像的預處理算法 [M]. 計算機工程與應用 . 2021年 . 第 39卷第 35 期：P81. [5] 趙春 .指紋取像與指紋識別 [R]. 計算機工程與應用 . 2021 年 . 第 38 卷第 16期：P92. [6] 指紋識別的原理和法 . htm. [7] 指紋識別技術的工作原理 .： //[8] 生物識別技術的應用 . ： //[9] 洪松 .高準確度實時指紋識別系統 [R]. 中國激光 . 2021年 3月 . 第 28卷第 3期：P279283. [10] 基于方向基元集描述的指紋方向圖求取算法 [C]. 重慶大學學報 (自然科學版 ). 2021年 . 第 3卷第 5期： P5761. [11] 一套有效的指紋圖像預處理算法 . 華南師范大學學報 (自然科學版 ). 2021年 5月 . 第 2期： P6670. [12] 一種新的指紋圖像細化算法 . 現代計算機 . 總第 151期： P4244. [13] 一種有效的指紋圖像分割和細化方法 . 計算機工程 . 2021年 10月 . 第 10期：P128129. [14] Dario Maio, Davide Maltoni. Direct Gray Scale Minutiae Detection In Fingerprints[J].IEEE Transactions on Pattern Analysis and MachineIntelligence ,1997,19(1). 。 第 33 頁 共 34 頁 致謝 在此論文完成之際，我要向所有在我進行畢業設計期間指導、支持、幫助和鼓勵過我的老師、同學、親人和朋友，致以我最誠摯的感謝 ! 由衷感謝我的導師馮月亮教授和肖助明老師。 I1=im2bw(I,)。( ji ， 水平方向濾波器的坐標為 ),( ji 。濾波器大小一般為 n n， n約為一個紋線周期 ， 本實驗中設置取 n =7。 根據對指紋圖中 的每一像素都按第三章中方向濾波算法中介紹的算法進行操作 ， 可以得指紋的方向圖如圖 42所示。細節特征剪枝的標準主要依賴于以下三個條件 ： a) 特征點到邊緣的距離 ； b) 細節特征間的距離和角度關系 ； c) 指紋脊線和細節特征的空間分布。 本細化算法重復執行如下兩個步驟 ： 第一步 ： 從左到右 ， 從上到下順序掃描圖像 ， 對同時滿足以上條件的像素 ， 如果 p1p3p7 = 0且 p1p5p7 = 0， 則將其作上標記 ； 第二步 ： 從左到右 ， 從上到下順序掃描圖像 ， 對同時滿足以上條件的像素 ， 如果 p1p3p5 = 0且 p3p5p7 = 0， 則將其作上標記。此式易于修改使它本身滿足這一約束條件，即利 第 25 頁 共 34 頁 用下式： nvuDDvuH 20 )],(/][