基于ARM和滑动指纹传感器的采集系统

4、 系统定制和驱动程序加载

　　4.1 系统定制

　　为了增加系统的可维护性，采用Linux系统，Linux内核可根据需要裁减。系统定制过程为：（1） 首先将RomBoot.bin下载到AT91RM9200的SDRAM里;当超级终端显示RomBoot程序界面之后，分别将RomBoot.bin和U-Boot.bin程序下载存储到DataFlash的0xc0000000和0xc0008000地址。复位开发板，进入U-Boot命令行。（2）在超级终端中，通过tftp将裁减过的Linux内核镜像文件和文件系统下载到Dataflash中运行。

　　4.2 加载驱动程序

　　设备驱动程序在Linux内核中，使某个特定的硬件响应一个定义良好的内部编程接口，同时完全隐藏了设备的工作细节。用户通过一组标准化的调用完成对硬件的操作，而这些调用是和特定的驱动程序无关的。将这些调用映射到作用了实际硬件的设备特定的操作上，就是设备驱动程序的任务。另一方面，这种编程接口使得驱动程序独立于内核的其他部分而建立，在需要的时候，可以在运行时"插入"内核（调入内存），也即Linux中的模块化实现，这也是Linux中设备驱动程序的一大特点。

　　将FingerChip驱动程序加载到Linux文件系统中，当系统运行时，使用insmod命令，即可实现指纹传感器设备的装载。通过标准化的调用，实现对传感器的控制。

　　5、基于滑动式指纹传感器的指纹拼接算法

　　当手指滑过时，滑动指纹传感器采集到是一系列指纹帧序列，因此在嵌入式系统中，需要对获取的指纹帧序列进行拼接。与PC机中的CPU相比，ARM芯片速度较低。为了减少刮取指纹后的等待时间，对指纹拼接速度的要求很高。

　　从大量的指纹序列中发现，当采集速度足够快时，指纹帧序列相邻两帧之间是连续的，而且会有部分重叠。同时，相邻指纹帧之间的旋转和形变微乎其微，几乎可以被忽略，所以在相邻指纹帧配准的时候，只需要计算出两帧之间的偏移量就可以。

　　本文运用基于块匹配指纹拼接算法[5]，能够快速有效的寻找到相邻指纹帧之间的偏移量。块匹配算法是：（1）在图像A中选取M×N大小的X区域;（2）在图像B中选取所有可能的M×N大小的Y区域;（3）计算X区域和Y区域对应象素差值的平均值MAE;MAE越小，两区域相似度越高;（4）MAE最小值对应的Y区域即为与X区域匹配。计算公式为：


其中0≤i≤M-1，0≤j≤N-1，p（i,j）为X区域的点p的象素值，q（i,j）为Y区域对应点q的象素值。MAE越小，两区域相似度越高。理想情况下，MAE最小值为0。

　　具体实现步骤：（1）FingerChip AT77104A获取到的指纹帧数据大小为232×8，设x方向为232，y方向为8。为了有效的拼接相邻两帧指纹，设置获取每一帧数据的频率，使得y方向的偏移量dy不大于8，即保证相邻两帧一定有重叠。（2）理想情况下，手指在y方向滑动，在x方向上偏移量为0。因此，只考虑dx不大于dy的情况。当dx超过dy时，滑动无效。（3）由（1）（2）可得，|dx|<8。同时可得，最后一行，中间的（232-8×2）个象素与下一帧必有重叠。（4）取前一帧最后一行（232-8×2）个象素，即（232-8×2）×1的模板，与新获取的一帧指纹匹配。（5）匹配方法：在新的指纹帧里面寻找所有可能的（232-8×2）×1的模板，计算求得MAE。选取MAE的最小值对应的模板，此模板与上一帧的最后一行的（232-8×2）×1的模板相匹配。即得dx，dy。（6）重复执行以上步骤，直到得到一幅完整的指纹图像。图3-a为拼接前的指纹帧，图3-b为拼接后的指纹图像。

图3 a.拼接前的指纹帧 b.拼接后的指纹图像

　　6、 总结

　　本文实现了基于ARM9芯片AT91RM9200和滑动指纹传感器AT77C104B FingerChip的指纹采集系统，具有低功耗，采集便捷，通信系统简单等优点，具有很大的实用价值。开发的指纹拼接算法通过了AT77C104B FingerChip获取的100幅指纹帧序列的测试，均能达到较好的效果。该系统获取到的指纹帧序列和拼接后的指纹图像，均可通过USB接口导出，可用于指纹拼接算法有效性的测试和指纹识别算法的测试。因为AT91RM9200支持以太网的接入，因此可以联网集控。下一步的工作是，在此指纹采集和指纹拼接算法的基础上，开发指纹识别系统。