基于DSP的掌纹识别门禁系统设计与实现

对基于DSP的嵌入式掌纹识别门禁系统硬件架构设计中的图像传感器,DSP芯片,Flash,SDRAM,RS232串口,时钟,复位电路等硬件的具体实现技术进行了探讨.通过掌纹识别算法软件在硬件系统上的运行取得了较好的效果,为嵌入式系统的开发提供了一个范例,实现了系统体积小、成本低、速度快、可靠性高的目的.     

一种基于S3C2410的掌纹识别系统设计

本文描述了基于S3C2410的掌纹识别系统硬件,包含了图像采集、识别处理、输入输出等模块的构造原理及工作流程。并把掌纹识别算法的程序在该硬件环境上的运行,取得了较好的效果,为嵌入式系统的开发提供了一个范例,达到了系统体积小、成本低、速度快、可靠性高的目的。     

基于二维Gabor的掌纹图像预处理研究

掌纹识别属于相对较新的一种生物特征识别技术,是利用人手掌上丰富的纹理特征来进行身份识别。掌纹图像的质量是影响掌纹识别性能的关键,因此,由掌纹的特点入手,对掌纹图像采用基于形态学方法进行感兴趣区域(ROI)的分割,为了防止由于采集时手放置位置的旋转或偏移导致的掌纹图像的差异,通过中值滤波、二值化、膨胀腐蚀等操作确定了特殊角点,再利用角点连线确定旋转角度,来旋转掌纹图像。然后对掌纹图像感兴趣的区域采取小波阈值法来去除噪声。最后结合Gabor滤波器的方向性,采用基于二维Gabor滤波器对掌纹纹线的特征进行提取。为了验证所提出的掌纹图像预处理方法的有效性,在PolyU掌纹图像库上进行实验并取得了较好的实验效果。     

基于卷积神经网络的掌纹识别方法

为避免在处理掌纹识别时人工提取掌纹特征,提出使用卷积神经网络(CNN)来处理掌纹识别问题。首先根据掌纹的几何形状特点进行预处理,切割出掌纹的感兴趣区域(ROI);然后将感兴趣区域进行归一化并组成一个二维矩阵作为卷积神经网络的输入;再使用批量随机梯度下降算法对网络进行训练,得到最优的网络参数;最后对测试掌纹进行分类识别,分类器使用Softmax。应用于香港理工大学掌纹数据库(v2)的掌纹识别率达到99.15%,单张掌纹的识别时间小于0.01 s,验证了方法的有效性。     

基于小波神经网络的掌纹识别

提出了一种基于小波神经网络的掌纹识别方法。首先对掌纹图像经过预处理得到掌纹的感兴趣区域(ROI),然后利用小波包分解的方法对该区域进行掌纹特征的提取,再利用RBF网络的容错能力和较快的收敛性对掌纹图像加以识别。针对香港理工大学掌纹数据库进行了实验,实验结果证明,本算法可以达到很好的识别效果,为掌握识别提供了一种新途径。     

基于log-Gabor小波的掌纹识别算法

掌纹识别是一种新兴的身份识别技术,具有易于采集、纹理丰富等优点,为此提出一种基于log-Gabor小波进行特征提取的掌纹识别算法.该算法首先用log-Gabor小波对掌纹目标区域（region of interest,ROI）进行滤波,然后根据滤波后图像的相位信息形成二进制掌纹特征码,最后用汉明距离来衡量不同掌纹特征码的相似度.在UST掌纹库上的实验结果达到了较高的识别率,验证了该算法的有效性.     

基于软构件的掌纹识别软件平台的开发与集成

针对现阶段掌纹识别相关软件开发中的问题,采用基于构件的软件开发技术,结合掌纹识别各类算法的特点,集成实现了软件平台,并分析了平台中各类相关构件的获取、分类和组装方法。本软件平台采用可复用软构件技术,实用价值高,而且该平台有效缩短了系统开发周期,并降低了软件维护难度。     

在线单机采集的人手多生物特征识别

单一生物特征识别方法在实际应用时容易受到限制,系统的识别率低、稳定性差.针对上述问题,提出了一种基于在线单机的手形和掌纹相结合的多生物特征识别方法.对于手形识别,提取手指的相对长度构成特征矢量,采用k近邻分类器和支持向量机分类器相结合实现个人身份的识别,然后利用二维Gabor提取掌纹感兴趣区域(ROI)的纹理方向信息作为掌纹特征,对手形分类结果加以认证.在混合图库上进行试验,二者相结合的识别方法的识别率达到98.65%.实验结果表明,采用手形和掌纹双模态特征识别,可以有效提高系统的安全性和稳定性.     

低定位精度条件下掌纹图像识别

提出了一种多层次相位相关掌纹识别(HPCPR)算法.先采用改进的结合相关值位置和大小的方法在整体上匹配和对齐掌纹图像,再用分块的加权相位相关法(WPC)精确匹配对齐后的掌纹图像,实现了低定位精度条件下掌纹图像的有效识别.算法综合使用掌纹图像的整体和局部特征,且能更快地对齐待匹配图像.与传统基于相位相关的识别方法相比,该算法既提高了识别的精度,又在识别的效率上获得明显改进.在PolyU掌纹库上的测试结果验证了算法的良好效果.     

基于特征加权与核主成分分析的掌纹识别

针对掌纹采集受外界因素和噪声的影响较大, 传统方法掌纹识别率低、 鲁棒性差等问题, 提出一种基于特征加权与核主成分分析的掌纹识别算法. 首先采用Curvelet变换对掌纹图像进行分解, 得到不同尺度和角度的轮廓系数, 并对Curvelet系数进行加权融合操作; 然后通过核主成分分析对掌纹特征进行降维处理, 实现特征提取; 最后采用相关向量机实现掌纹匹配, 并采用PolyU掌纹图像对算法的性能进行测试. 结果表明, 与其他掌纹识别算法相比, 该算法取得的掌纹识别率更高, 且掌纹匹配的时间最短, 可以满足掌纹实时识别要求.     

基于机器学习的Cortex-M监控视频车型识别

为了解决高速公路环境下监控视频图像车型识别需要将海量视频数据上传计算机服务器中心,对所有的视频流图像进行结构化处理和车型识别,造成服务器中心数据压力大、计算任务重,对服务器性能要求高的问题。对此,提出一种基于机器学习的Cortex-M监控视频车型识别的方法。首先,将训练机训练好的六种车型的权值矩阵文件移植到前端Cortex-M核系列开发板上,采用开发板内嵌的CMSIS-NN网络函数库搭建与训练机相同的网络模型结构;同时采用开发板内嵌的CMSIS-DSP库加快图像处理速度,并对选择处理监控视频图像实现车型识别;实验结果表明,该方法平均识别率达到94.6%以上,与采用计算机进行识别相同,可见该方法能够缓解大量视频上传给服务器中心造成的压力,为高速公路环境下监控视频图像车型识别研究提供了一种可选择的方案。     

嵌入式Linux下基于HHCF5272-R1平台的通信模块的开发应用

该文主要介绍了嵌入式Linux操作系统下利用HHCF5272-R1开发板开发网络通信模块，并实际应用于网络摄像机．先介绍了嵌入式Linux的优势和HHCF5272-R1开发板，接着描述了在该平台上进行通信模块开发的详细过程。     

嵌入式产品生产过程中MAC地址配置系统

随着技术的发展和用户需求的提高,几乎所有的嵌入式产品都将支持网络功能。由于MAC地址是唯一的,批量生产过程中,只可能是先把EEPROM芯片贴在印制板上,在生产线上再进行MAC地址的写入或读出。文章以使用Linux操作系统的嵌入式产品为对象,在驱动程序中增加接口,通过应用程序来实现嵌入式产品生产过程中MAC地址的灵活配置。     

三模冗余容错系统管理板

随着嵌入式计算机的应用越来越广,对嵌入式系统的可靠性要求也越来越高,嵌入式可信计算机应运而生。针对可信计算机的功能需求,研究了容错与嵌入式可信计算机的相关概念和技术,提出了三模冗余加单模热备份的3+1混合冗余结构,采用FPGA完成了基于该结构的系统管理板的研究与设计。实验表明:该管理板能够有效地管理系统中的计算模块、电源模块及I/O模块,并实现了表决功能、系统重构、热插拔等多项技术。     

便携式机打号码识读装置设计

经过实地调研发现,快递终端配送员每天需要手动输入几百个收件人的电话号码,然后逐个进行短信或电话通知。为了减少他们的工作量,设计了一款首创的嵌入式手持设备。在数字字符识别算法上,改进了交线法,提出一种基于决策树的识别方法,速度快、准确度高。此装置以S3C2440为主控芯片的开发板作为硬件平台,Linux操作系统作为软件平台,CMOS摄像头作为输入来读取电话号码图像,LCD作为输出显示识别的号码和信息,然后通过RS232串口与GSM模块通讯来实现打电话、发短信的功能。此装置极大地提高了快递配送人员的工作效率,可促进快递行业健康发展。     

基于自制SOPC平台的图像空间变换实验设计

介绍了上海大学通信与信息工程学院专业实验中心设计制作的SOPC嵌入式开发平台及其配套Cyclone FPGA选件的硬件电路设计与图像空间变换实验设计。该SOPC平台基于可编程片上系统技术完成视频信号采集与输出显示,而与之配套的Cyclone FPGA选件电路完成嵌入式图像空间变换处理。实验设计利用Verilog硬件描述语言在QuartusⅡ开发环境中进行编程调试,最终给出并分析了图像变换实验结果。该系列实验验证了基于FPGA的嵌入式数字图像处理可行性,是相关课程的辅助实验。     

基于S3C2440的嵌入式视频监控实现

设计了一种方便的基于S3C2440的嵌入式视频监控系统,该系统以TX2440A开发板为硬件平台,以Linux操作系统为软件平台。该系统具有体积小、成本低、易操作等特点。经实验结果表明,对捕获的视频效果较好,较好满足视频监控需求,具有一定的市场价值。     

基于S3C2410A的WinCE 5.0下触摸屏驱动的实现

触摸屏具有人机交互性好、操作简单灵活、输入速度快等特点,逐步取代键盘在嵌入式计算机系统中作为常用的输入设备,而触摸屏的应用是建立其驱动程序之上,因此研究触摸屏驱动程序的开发就有了重要的意义。介绍了WinCE 5.0 操作系统的触摸屏驱动程序模型,详细阐述嵌入式系统中基于Samsung S3C2410A 的 WinCE 5.0 下电阻式触摸屏驱动的实现,并在MagicARM S3C2410A开发板上运行良好。     

基于面部特征的嵌入式安全认证终端

针对PC 平台体积大、功耗多、成本高和便携性差的问题, 设计了基于面部特征的嵌入式安全认证终端。选用ARM11 开发板作为硬件平台, Linux 操作系统作为软件平台, 并在平台上移植了Qt 图像化界面库和Opencv 计算机视觉库。人脸检测由AdaBoost 算法实现, 人脸识别由PCA(Principal Component Analysis)算法实现。测试结果表明, 该终端能实现人脸识别的功能, 并且识别精度较高, 时间较短, 达到预期目标。