基于ARM9指纹图像识别系统的研究

基于ARM9指纹图像识别系统的研究

论文摘要

指纹图像识别系统广泛应用于生活中各个领域。在上班考勤体系,银行存取款系统,保安监控等系统中,都得到了充分的运用和体现。从遗传学角度分析,指纹具有唯一性和稳定性,因此指纹识别技术做为生物识别技术中的一个分支得到了快速发展和应用。目前大多数成熟指纹图像识别系统都基于PC机为开发平台和系统环境,从而导致成本偏高,体积偏大,携带不方便,进而限制指纹图像识别系统普及和进一步发展。因此开发出识别率高,拒识率低,处理速度快,体积小,成本低成为指纹图像识别系统新的一个研究方向并且同时具有很大市场前景。在此种背景下,嵌入式指纹图像识别系统应运而生。但是,由于指纹图像算法不够完善以及嵌入式系统开发难度大,目前指纹识别设备并不成熟。基于此我们开发出专用指纹图像识别系统的嵌入式设备。用于需要准确确定人们身份的场合。由于ARM(Advanced RISC Machines)系列处理器性能不断提高,以前专属于DSP领域的复杂数据处理,同样在ARM平台上可以很好实现。同时ARM处理器的强大控制功能以及丰富的外设扩展端口和可移植操作系统的特点,使本论文采取以ARM处理器为核心的指纹图像识别系统的方案,摒弃以DSP为核心处理器的嵌入式指纹识别系统。Samsung公司的处理器S3C2410内部集成了ARM公司的ARM920T核的32位微控制器,拥有独立的16KB指令Cache和16KB数据Cache、Ram控制器、NAND闪存控制器、UART、JTAG、PWM、并行I/O口、ADC、Touch Screen接口、USB控制器等资源,标称频率203MHZ,最高达到266MHZ。S3C2410具有丰富的外设和高速的运算速度及可运行Linux操作系统,满足在指纹识别系统对处理器的要求。指纹图像获取采用网眼2000网络摄像头,该款网络摄像头特点灵像素高、采集图像清晰、体积小,是一种典型嵌入式应用传感器。摄像头通过USB端口直接和S3C2410微处理器进行连接,硬件设计简洁紧凑。

论文目录

  • 摘要
  • Abstract
  • 第一章 绪论
  • 1.1 指纹识别技术概述
  • 1.2 指纹图像识别国内外研究现状
  • 1.3 本论文研究的主要内容
  • 本章小结
  • 第二章 指纹识别系统硬件介绍
  • 2.1 开发平台介绍及硬件总体设计方案
  • 2.1.1 FS241O 开发平台
  • 2.1.2 硬件平台总体设计
  • 2.2 ARM 体系概述
  • 2.2.1 ARM 微处理器简介
  • 2.2.2 ARM9 微处理器特点
  • 2.3 S3C241O 芯片资源
  • 2.3.1 处理器
  • 2.3.2 寄存器
  • 2.3.3 地址空间
  • 2.3.4 系统总线
  • 2.3.5 存储器结构
  • 本章小结
  • 第三章 嵌入式系统硬件设计
  • 3.1 嵌入式系统概述
  • 3.1.1 嵌入式系统特点
  • 3.1.2 嵌入式系统结构
  • 3.2 S3C241O 处理器硬件设计
  • 3.2.1 电源模块设计
  • 3.2.2 复位模块设计
  • 3.2.3 时钟模块设计
  • 3.2.4 JTAG 电路设计
  • 3.2.5 SDRAM 存储模块接口设计
  • 3.2.6 FLASH 存储模块设计
  • 3.3 OV511 芯片及指纹输入传感器
  • 本章小结
  • 第四章 嵌入式Linux 技术
  • 4.1 嵌入式操作系统概述
  • 4.2 嵌入式Linux 的构造
  • 4.2.1 Linux 内核结构
  • 4.2.2 Linux 内核移植
  • 4.2.3 Linux 内核编译
  • 4.3 Linux 下指纹图像采集
  • 4.3.1 摄像头介绍
  • 4.3.2 USB 接口视频设备驱动
  • 4.3.3 video4Linux 下的摄像头采集编程
  • 本章小结
  • 第五章 指纹识别算法的实现
  • 5.1 指纹图像预处理
  • 5.1.1 指纹图像规一化
  • 5.1.2 指纹图像增强
  • 5.1.3 指纹图像二值化
  • 5.1.4 指纹图像细化
  • 5.1.5 细化后去噪处理
  • 5.2 指纹特征选择与提取
  • 5.2.1 提取特征点
  • 5.2.2 伪特征点剔除
  • 5.3 指纹特征匹配
  • 本章小结
  • 结论与展望
  • 结论
  • 展望
  • 参考文献
  • 攻读硕士学位期间发表的学术论文
  • 致谢
  • 附录 部分电路原理图
  • 相关论文文献

    • [1].基于数字化车间的改进图像识别系统[J]. 组合机床与自动化加工技术 2020(02)
    • [2].应用深度学习神经网络的图像识别系统[J]. 福建电脑 2020(01)
    • [3].基于机器视觉的农业机械图像识别系统分析[J]. 农机化研究 2020(10)
    • [4].渔光互补光伏电站智能巡检图像识别系统应用[J]. 科技创新与应用 2020(34)
    • [5].人脸图像识别系统设计[J]. 电脑迷 2017(11)
    • [6].基于嵌入式系统的图像识别系统研究[J]. 自动化博览 2012(04)
    • [7].基于直线检测法的变电站开关状态图像识别系统的研究[J]. 电子质量 2017(04)
    • [8].建筑物图像识别系统设计与实现[J]. 现代计算机(专业版) 2015(21)
    • [9].水面目标合成孔径雷达图像识别系统研究[J]. 舰船电子工程 2008(01)
    • [10].基于深度学习的腐坏苹果图像识别系统的设计[J]. 南阳理工学院学报 2020(04)
    • [11].基于FPGA+DSP的全自动灯检机图像识别系统设计[J]. 机电工程技术 2012(07)
    • [12].基于MSP430的简易图像识别系统的设计[J]. 柳州师专学报 2012(06)
    • [13].基于卷积神经网络的图像识别系统[J]. 电脑知识与技术 2020(10)
    • [14].高精度表面粗糙度图像识别系统的研制[J]. 计量与测试技术 2017(01)
    • [15].基于物联网的图像识别系统设计[J]. 科技广场 2017(02)
    • [16].让错误无可遁形[J]. 印刷技术 2008(18)
    • [17].基于神经网络的图像识别系统的研究[J]. 科技传播 2015(21)
    • [18].新产品[J]. 丝网印刷 2020(04)
    • [19].图像识别系统联合二维码技术在全自动单剂量摆药机中的应用[J]. 江西医药 2017(11)
    • [20].苹果绵蚜远程图像识别系统的开发与实现[J]. 江苏农业科学 2014(06)
    • [21].基于计算机视觉的智能仓储图像识别系统设计与实现[J]. 电力信息与通信技术 2019(12)
    • [22].基于机器学习的藏文图像识别系统设计与实现[J]. 江苏科技信息 2019(28)
    • [23].基于深度学习的水果图像识别系统[J]. 农业工程 2018(10)
    • [24].应用数字图像识别系统研究正畸治疗前后腭皱形态变化[J]. 中国法医学杂志 2017(02)
    • [25].蚁群算法在海面图像识别系统中的应用[J]. 舰船科学技术 2015(04)
    • [26].基于内容的可移植图像识别系统研究[J]. 计算机与数字工程 2010(01)
    • [27].基于云端的视频图像识别系统的实现[J]. 微型机与应用 2016(22)
    • [28].基于微流控芯片的流式线虫机器学习图像识别系统[J]. 功能材料与器件学报 2019(04)
    • [29].煤粒图像识别系统的设计与实现[J]. 煤炭工程 2011(02)
    • [30].基于统计方法的图像识别系统研究[J]. 电子元器件应用 2010(08)

    标签:;  ;  ;  

    基于ARM9指纹图像识别系统的研究
    下载Doc文档

    猜你喜欢