指纹识别处理系统的制作方法
【技术领域】
[0001]本实用新型涉及计算机领域，尤其涉及一种指纹识别处理系统。
【背景技术】
[0002]指纹是人体的重要生物特征。从二十世纪六十年代，一些国家如美国、英国、法国等开始了对指纹自动识别系统的研制。随着应用的深入，指纹信息库的容量也不断攀升。例如我国自1990年开始应用指纹自动识别系统，到2005年全国拥有捺印指纹数据3000余万份，每年以20%以上的速度增长，2010年，全国捺印指纹数据达到了 7000余万份。快速增长的指纹库容给指纹的快速计算带来了新的挑战。
[0003]通常的指纹识别算法都是基于特征点匹配的识别原理，是通过比较任意两点之间的向量杆差值来判断两幅指纹图像中的局部信息是否吻合，由于每个手指均有20-128个特征数据，这样需要比较的数据就接近于特征数据的阶乘，这个计算量显然无法实际应用，为此，指纹工作者采用了大量的数学算法降低计算的复杂度，现有的指纹识别算法的时间复杂度可以降低至特征数据个数的平方。
[0004]在实际应用中，目前通过通用的处理器如ARM处理器来进行指纹识别。然而，在采用现有的ARM处理器对指纹识别算法进行处理时，存在耗时较长，运算效率低下的问题。
【实用新型内容】
[0005]本实用新型实施例解决的问题是降低ARM处理器在处理指纹识别算法耗费的时间，提尚运算效率。
[0006]为解决上述问题，本实用新型实施例提供一种指纹识别处理系统，包括:可编程器件以及处理器，其中:
[0007]所述可编程器件，适于在接收到处理器发送的指纹认证请求后，对指纹模板数据库中指纹模板的特征向量进行并行计算；将并行计算结果与待比对指纹的特征向量计算结果进行比对，筛选出符合预设规则的指纹模板数据；
[0008]所述处理器，适于接收所述可编程器件发送的所述符合预设规则的指纹模板数据，并将所述待比对指纹数据与所述筛选出的指纹模板数据进行特征相似度分值计算，从计算结果中获取指纹识别运算结果。
[0009]可选的，所述可编程器件，适于通过多线程将所述待比对指纹数据与所述筛选出的指纹模板数据进行并行的特征相似度分值计算。
[0010]可选的，所述可编程器件，适于从所述指纹模板数据库中并行地选取指纹模板，计算每一个指纹模板对应的特征点集合中任意两个特征点之间的特征向量杆的长度与角度，得到并行计算结果，所述并行计算结果包括:每一个指纹模板对应的特征向量杆的长度与角度的集合。
[0011]可选的，所述可编程器件获取到的待比对指纹的特征向量计算结果为:所述待比对指纹的特征点集合中，任意两个特征点之间的特征向量杆的长度与角度的集合。
[0012]可选的，所述可编程器件，适于将指纹模板对应的特征向量杆的长度与角度的集合中的元素，与待比对指纹对应的特征向量杆的长度与角度的集合中的元素进行对比，筛选出集合相似度大于预设值的指纹模板。
[0013]可选的，所述处理器，适于将计算得到特征相似度分值与预设阈值进行比较，当所述特征相似度分值大于所述预设阈值时，判定对应的指纹与所述待比对指纹为同一指纹。
[0014]可选的，所述可编程器件为FPGA，所述处理器为ARM处理器。
[0015]可选的，所述指纹识别处理系统包括:多个存储器，适于存储所述预设的指纹模板数据库中的指纹模板数据。
[0016]可选的，所述存储器为DRAM。
[0017]与现有技术相比，本实用新型实施例的技术方案具有以下优点:
[0018]通过可编程器件将待比对指纹的特征向量与指纹模板的特征向量进行并行计算，从指纹模板数据库中筛选出符合规则的指纹模板数据。处理器只对筛选出的指纹模板数据与待比对指纹进行特征相似度分值计算，从而可以大大降低进行特征相似度分值计算的指纹模板的数量，因此可以大大降低指纹识别算法耗费的时间，提高运算效率。
[0019]进一步，将指纹模板数据库中的指纹模板数据分散在多个存储器中存储，可以有效地利用现有硬件结构上的内存资源，降低大内存的购置成本。
【附图说明】
[0020]图1是本实用新型实施例中的一种指纹识别处理系统的处理方法的流程图；
[0021]图2是本实用新型实施例中的一种指纹识别处理系统的结构示意图；
[0022]图3是本实用新型实施例中的另一种指纹识别处理系统的结构示意图。
【具体实施方式】
[0023]在实际应用中，目前通过通用的处理器如ARM处理器来进行指纹识别。然而，在采用现有的ARM处理器对指纹识别算法进行处理时，存在耗时较长，运算效率低下的问题。
[0024]在本实用新型实施例中，通过可编程器件将待比对指纹的特征向量与指纹模板的特征向量进行并行计算，从指纹模板数据库中筛选出符合规则的指纹模板数据。处理器只对筛选出的指纹模板数据与待比对指纹进行特征相似度分值计算，从而可以大大降低进行特征相似度分值计算的指纹模板的数量，因此可以大大降低指纹识别算法耗费的时间，提高运算效率。
[0025]为使本实用新型实施例的上述目的、特征和优点能够更为明显易懂，下面结合附图对本实用新型的具体实施例做详细的说明。
[0026]参照图1，以下通过具体步骤详细介绍采用本实用新型实施例中的指纹识别系统的工作原理。
[0027]步骤S101，可编程器件在接收到处理器发送的指纹认证请求后，对指纹模板数据库中指纹模板的特征向量进行并行计算。
[0028]在具体实施中，可编程器件为现场可编程门阵列(Field Programmable GateArray，FPGA)。FPGA是在PAL、GAL、EPLD等可编程器件的基础上进一步发展的产物，用于进行并行运算。
[0029]在具体实施中，在进行指纹识别运算操作时，处理器可以向可编程器件发送指纹认证请求。可编程器件在接收到处理器发送的指纹认证请求后，从存储器中预设的指纹模板数据库中读取指纹模板数据，并行地对读取出的指纹模板的特征向量进行计算，以得到并行计算结果。
[0030]在本实用新型实施例中，可编程器件中可以存在多个计算单元，在进行并行计算时，每个计算单元可以计算各自对应的指纹模板数据。在分配指纹模板数据时，每个计算单元对应的指纹模板数据各不相同，即指纹模板数据不重复分配。
[0031 ] 在本实用新型实施例中，指纹模板数据库中的指纹模板数据可以预先存储在动态随机存取存储器(Dynamic Random Access Memory，DRAM)。可编程器件在接收到处理器发送的指纹认证请求后，连续不断的从DRAM中读取指纹模板数据并载入，并行地对读取出的指纹模板的特征向量进行计算，已得到并行计算结果。
[0032]在可编程器件读取到指纹模板数据后，可以对每一个指纹模板进行特征向量杆计算，计算每一个指纹模板对应的特征点集合中任意两个特征点之间的特征向量杆的长度和角度，所有指纹模板对应的特征向量杆计算结果的结合即为并行计算结果。
[0033]从上述计算过程中可以得知，在指纹模板对应的特征点集合中元素较多时，得到的特征向量杆计算结果所包含的元素较多。以特征点集合中的元素个数为20个时，计算任意两个特征点之间的特征向量杆的长度和角度，得到的结果为(20X19)/2 = 190，即一个指纹模板对应的特征向量杆计算结果中存在190个元素。因此，为减小计算量，在进行特征向量杆计算时，可以只计算相邻两个元素之间的特征杆向量的长度和角度。也可以采用其他的方法来减小特征杆向量计算的计算量，此处不做赘述。
[0034]步骤S102，将并行运算结果与待比对指纹的特征向量计算结果进行比对，筛出符合预设规则的指纹模板数据。
[0035]在具体实施中，待比对指纹信息可以存储在可编程器件中。待比对指纹的特征向量计算结果可以为:待比对指纹的特征向量杆计算结果，即计算待比对指纹对应的特征点集合中，任意两个特征点之间的特征向量杆的长度与角度，得到的集合即为待比对指纹的特征向量杆计算结果。
[0036]在本实用新型实施例中，在计算得到待比对指纹对应的特征向量杆计算结果后，可以将其与指纹模板对应的特征向量杆计算结果进行比对，以筛选出部分指纹模板。筛选的原则可以为:将待比对指纹对应的特征向量杆计算结果，与指纹模板对应的特征向量杆计算结果进行相似度计算，筛选出相似度大于预设值的指纹模板，并发送至处理器。即:根据待比对指纹对应的特征向量杆的长度与角度的集合中的元素，与指纹模板对应的特征向量杆的长度与角度的集合中的元素，对二者进行相似度计算。
[0037]在本实用新型实施例中，两个集合相似可以表述为:两个集合中的元素个数相等，两个集合中的元素一一对应，当两个集合中其中一个元素，与一一对应的元素之间的差值处于一定范围内时，判定两个元素相似；当两个集合中相似元素的个数大于一定值时，判定两个集合相似。
[0038]例如，待比对指纹对应的特征向量杆计算结果中的元素为{a0，al，a2，......，an}，
其中一个指纹模板对应的特征向量杆计算结果中的元素为{b0，bl，b2，......，1^}，&0与130
--对应，al与bl--对应，......，an与bn--对应。a0与b0的差值处于一定范围，判定aO与bO相似。al与bl的差值大于一定范围，判定al与bl不相似。根据相似元素的个数，即可获取两个集合的相似度，从而判定两个集合是否相似。
[0039]步骤S103，所述处理器将所述待比对指纹数据与所述筛选出的指纹模板数据进行特征相似度分值计算，从计算结果中获取指纹识别运算结果。
[0040]在具体实施中，可编程器件在筛选出符合规则的指纹模板数据后，可以将筛选出的符合规则的指纹模板数据发送至处理器。处理器根据接收到的筛选出的指纹模板数据后，将其与待比对指纹数据进行特征相似度分值计算。当计算得到的特征相似度分值大于预设阈值时，即判定特征相似度分值大于预设阈值的指纹模板与待比对指纹为同一指纹。
[0041]在本实用新型实施例中，处理器可以为ARM处理器。ARM处理器可以将筛选出的指纹模板数据与待比对指纹数据进行精确对比计算，以获取特征相似度分值，精确对比计算可以包括特征杆对生成、旋转、平移以及相似度计算等。ARM处理器可以建立精确比对线程，进行特征相似度分值计算。
[0042]例如，可编程器件筛选出符合