基于DSP芯片TMS320DM642的虹膜识别系统设计

1 前言

近年来兴起的生物特征识别技术具有很好的可靠性。虹膜作为重要的身份鉴别特征，具有唯一性、稳定性、可采集性和非侵犯性等优点。与脸像、声音等身份鉴别方法相比，虹膜具有更高的准确性。据统计虹膜识别的错误率是各种生物识别中最低的。目前，虹膜识别系统可应用于电子商务、条件登录、授权支付、权限信息和金融交易等领域。本文提出了基于TMS320DM642 DSP的虹膜识别系统，给出了系统硬件和软件的实现方案。

2 系统硬件设计

本系统的硬件平台由五个部分组成，分别是图像采集、图像处理、数据存储、图像显示和电源部分。其结构框图如图1所示

图1 系统结构框图

2.1 图像采集

图像采集是将CCD摄像机采集到的虹膜图像，经高精度的A/D转换后得到数字虹膜图像。A/D转换器采用TI公司的TVP5145芯片，其采样精度达到10bit，输出支持CCIR-656和BT656等格式。

2.2 图像处理

数字多媒体处理器TM320DM642属于TI公司C6000系列，是一款新型高性能的DSP。它是整个虹膜识别系统的核心。它的任务是对得到的数字虹膜图像进行处理和识别，将处理的数据存入数据存储器，将识别的结果送到LCD显示器进行显示。

TMS320DM642基于C64x内核，采用高级甚长指令字(VelociTI)体系结构。具有64个32位通用寄存器，8个独立计算的功能单元。它可在600MHz时钟速率工作，每个指令周期可并行执行8条32位指令，峰值计算速率可达4800MIps。TMS320DM642有L1和L2两级缓存，第一级包括L1P(16KB)程序缓存和L1D(16KB)数据缓存;第二级缓存L2(256KB)可灵活配置成缓存或片上内存。TMS320DM642具有64个独立通道的EDMA(扩展的直接存储器访问)控制器，负责片内L2与其它外设之间的数据传输。DM642具有丰富的外围设备接口：包括三个可配置的双通道视频接口(Video Port)，可以和视频输入，输出或传输流输入无缝连接;具有多通道音频串行端口(McASP)，便于音频应用开发;10/100Mbps以太网口(EMAC)，便于网络应用;66MHz32bit的PCI接口;以及64 bit的外部存储器接口(EMIF)，可连接异步或同步的存储器，如SDRAM。此外，还具有I2C总线模块、数据管理输入输出模块(MDIO)等。

TM320DM642具有以上的特点，能满足虹膜图像处理的实时性要求。

2.3 数据存储

数据存储部分包括FLASH、SDRAM和CF卡三部分。FLASH存储器具有可在系统进行电擦写，掉电后信息不丢失的功能，用它来保存系统自启动代码以及系统程序代码，本系统选用ATMEL公司的AT29LV020 FLASH芯片，它是NOR型的FLASH芯片，总容量为256KB，数据总线为8位。DSP 选择了EMIFA boot模式时，上电后自动从CE1空间装载程序，所以FLASH 必须接在EMIF的CE1空间。SDRAM存储器的存取速度较高，用它来存放系统运行时的代码以及临时图像数据，本系统选用四片三星公司的SDRAM K4S561632E，每片为16位，32MB，接在DSP的EMIF接口的CE0空间。CF卡接在EMIF的CE2空间，用来存储原始图像数据和识别结果。

2.4 图像显示

图像显示部分采用数字LCD，可省去数模转换芯片，而只需一片可编程逻辑器件CPLD驱动LCD，该CPLD选用Altera公司的MAX3000系列。

2.5 电源部分

电源部分在系统的硬件部分中占有重要的地位，它将影响到整机能否可靠运转。其中，要着重考虑以下两点：第一、要有一套保证DSP芯片内核和I/O能同时上电的解决方案，这样避免对芯片造成损害。本系统采用D型边沿触发器来开关电源输出，很好的解决了这个问题;第二、在高速电路板中，开关的电磁辐射和线路噪音会*件的实际工作电压，而DSP芯片一般要求工作电压偏差不超过5%，否则，长时间工作在非正常电压容易缩短芯片寿命甚至于烧毁。因此，本系统中特别设计了电压监控电路来实时监控电压。根据本系统特点，采用了TI公司的TPS3307芯片。

3 系统软件设计

系统主程序运行在DSP中，完成虹膜图像处理的全部算法。虹膜识别的流程图如图2所示。识别过程是：先用摄像机拍摄眼睛图像，然后进行图像预处理(虹膜定位、增强等)，再对虹膜特征进行分析，与存储的虹膜特征进行模式匹配，最后得出识别结果。在这过程中，虹膜定位、特征分析和匹配是重要的部分。

3.1 虹膜定位

本系统采用CCD摄像机拍摄到细节较清晰的眼睛图像。虹膜是眼睛瞳孔和巩膜间的环形可视部分。虹膜定位，即是确定虹膜的内外边缘。一般而言，瞳孔灰度值比虹膜灰度值小，而虹膜灰度值又比巩膜灰度值校因此，先以眼图的灰度平均值为尺度，取得眼图的二值化图像。再选取合适的较小的阈值就可粗略定出瞳孔的边界。然后用取图像最大连通域和二值图像形态学的方法较精确地定出瞳孔的边缘范围。最后将图像进