CN109934208B

CN109934208B - 一种用于指纹识别的硬件加速系统及方法

Info

Publication number: CN109934208B
Application number: CN201910323823.0A
Authority: CN
Inventors: 张飞飞; 刘磊; 张莉; 郑遨金; 崔世甲
Original assignee: Jiangsu Brmico Electronics Co ltd
Current assignee: Jiangsu Brmico Electronics Co ltd
Priority date: 2019-04-22
Filing date: 2019-04-22
Publication date: 2024-07-23
Anticipated expiration: 2039-04-22
Also published as: CN109934208A

Abstract

本发明公开了一种用于指纹识别的硬件加速系统及方法，属于指纹识别领域。本发明的硬件加速系统包括硬件加速单元、内存以及中央处理器，硬件加速单元内设有计算控制器和DMA控制器，计算控制器通过系统总线分别与中央处理器和内存电连接，DMA控制器通过DMA总线与内存电连接。本发明的方法为：硬件加速单元根据图像的大小将图像分成若干个大小相等的子块，而后硬件加速单元读取内存中子块的数据并计算子块的方向，再根据子块的方向对子块的数据进行滤波处理；再读取下一个子块的数据并进行处理，直至处理完图像的数据。本发明克服了现有技术中，指纹识别速度慢且精度不高的不足，本发明可以在不增加功耗的情况下，提高指纹识别的速度以及精度。

Description

一种用于指纹识别的硬件加速系统及方法

技术领域

本发明涉及指纹识别技术领域，更具体地说，涉及一种用于指纹识别的硬件加速系统及方法。

背景技术

指纹识别即指通过比较不同指纹的细节特征点来进行鉴别。指纹识别技术涉及图像处理、模式识别、计算机视觉、数学形态学、小波分析等众多学科。由于每个人的指纹不同，就是同一人的十指之间，指纹也有明显区别，因此指纹可用于身份鉴定。由于每次捺印的方位不完全一样，着力点不同会带来不同程度的变形，又存在大量模糊指纹，如何正确提取特征和实现正确匹配，是指纹识别技术的关键。

目前指纹识别技术已广泛应用于公安、政府及公众行业的门锁、考勤、身份认证等领域。但是如何在保证指纹识别准确性的前提下进一步提高识别的速度的问题仍然没有得到很好的解决，特别是在资源有限的嵌入式场合下，问题尤为突出。最主流的指纹识别算法是基于特征点的，提取特征点并进行识别的过程计算量大，耗时长。目前针对于指纹识别的软件优化算法有多种，如基于神经网络稀疏表达的指纹识别算法，该优化算法在提高指纹识别速度的同时，却增大了指纹识别过程的总功耗，并且优化的程度有限，算法优化还存在不稳定的问题。

针对上述问题，现有技术也提出了一些解决方案，例如发明创造名称为：一种适用于指纹图像增强的可配置Gabor滤波硬件加速单元(申请日：2012年1月4日；申请号：201210000855.5)，该方案的加速单元由滤波控制器、输入缓存器、输出缓存器和滤波卷积单元组成。加速单元通过总线与中央处理器和存储器连接，通过总线获得的输入包括滤波前的指纹图像、方向信息、频率信息和有效区域掩膜信息。本方案对输入指纹图像中的每个像素点首先检查其掩膜信息，如果不为零，则利用与该像素点对应的方向和频率信息构造出相应的Gabor滤波器，并用该滤波器对此像素做Gabor滤波，得到滤波后的像素值；如果掩膜信息为零，则该像素点不做滤波。本方的输出为Gabor滤波后的指纹图像。其中输入输出缓存器的引入使带宽得到有效降低，滤波卷积单元采用流水线设计，从而提高了加速单元的吞吐率。但是，本方案的不足之处在于：在对一幅图像进行滤波处理时，需要多次对滤波单元进行配置，导致内核负荷高，进而降低了图像的处理速度。

综上所述，如何在不增加功耗的情况下提高指纹识别的准确性和速度，是现有技术亟需解决的问题。

发明内容

1.要解决的问题

本发明的目的在于克服现有技术中，指纹识别速度慢且精度不高的不足，提供了一种用于指纹识别的硬件加速系统及方法，可以在不增加功耗的情况下，提高指纹识别的速度以及精度。

2.技术方案

为了解决上述问题，本发明所采用的技术方案如下：

本发明的一种用于指纹识别的硬件加速系统，包括硬件加速单元、内存以及中央处理器，硬件加速单元内设置有计算控制器和DMA控制器，计算控制器通过系统总线分别与中央处理器和内存电连接，DMA控制器通过DMA总线与内存电连接。

更进一步地，硬件加速单元还包括数据缓存单元、梯度计算单元和方向计算单元，数据缓存单元和方向计算单元分别与梯度计算单元电连接；且数据缓存单元与DMA控制器电连接。

更进一步地，硬件加速单元还包括卷积计算单元，卷积计算单元分别与数据缓存单元、方向计算单元和计算控制器电连接。

更进一步地，梯度计算单元包括横向梯度计算单元和纵向梯度计算单元，横向梯度计算单元和纵向梯度计算单元分别与数据缓存单元和方向计算单元电连接。

更进一步地，计算控制器包括寄存器单元、计算定时器和计算控制逻辑器；寄存器单元和计算定时器分别与计算控制逻辑器电连接。

本发明的一种用于指纹识别的硬件加速方法，采用上述的一种用于指纹识别的硬件加速系统，硬件加速单元根据图像的大小将图像分成若干个大小相等的子块，而后硬件加速单元读取内存中子块的数据并计算子块的方向，再根据子块的方向对子块的数据进行滤波处理；之后硬件加速单元读取下一个子块的数据并进行处理，直至处理完图像的数据。

更进一步地，具体步骤如下：S100、读取数据，计算控制器根据图像的大小将图像分成若干个大小相等的子块，而后计算控制器控制DMA控制器读取内存中子块的数据；S200、梯度计算，DMA控制器将子块的数据传输至硬件加速单元的数据缓存单元，而后硬件加速单元的梯度计算单元读取数据缓存单元中子块的数据，并对子块的数据进行横向梯度计算以及纵向梯度计算；S300、方向计算，梯度计算单元将梯度计算结果传输至硬件加速单元的方向计算单元，方向计算单元根据梯度计算结果计算子块的方向；S400、滤波处理，方向计算单元将计算结果传输至硬件加速单元的卷积计算单元，卷积计算单元根据子块方向对子块的数据进行滤波处理，并将滤波处理结果传输至数据缓存单元；之后计算控制器控制DMA控制器读取下一个子块的数据并进行处理，直至处理完图像的数据。

更进一步地，DMA控制器将子块的数据传输至数据缓存单元，梯度计算单元的横向梯度计算单元和纵向梯度计算单元从数据缓存单元中读取子块的数据，横向梯度计算单元对子块的数据进行横向梯度计算，计算公式如下：

α_x(u,v)＝2×N(u,v+1)+N(u-1,v+1)+N(u+1,v+1)-2×N(u,v-1)-N(u-1,v-1)

-N(u+1,v-1)

纵向梯度计算单元对子块的数据进行纵向梯度计算，计算公式如下：

_y(u,v)＝2×N(u-1,v)+N(u-1,v+1)+N(u-1,v-1)-2×N(u+1,v)-N(u+1,v+1)

-N(u+1,v-1)

式中，α_x(u,v)代表每个像素点的横向梯度；α_y(u,v)代表每个像素点的纵向梯度；u代表子块的像素点的横坐标，v代表子块的像素点的纵坐标，N代表像素点的灰度值。

更进一步地，梯度计算单元的横向梯度计算单元和纵向梯度计算单元分别将子块的像素点的横向梯度以及纵向梯度传输至方向计算单元，而后方向计算单元计算子块所有像素点的横向梯度之和以及纵向梯度之和，再根据横向梯度之和以及纵向梯度之和计算子块的方向。

更进一步地，方向计算单元通过下列公式计算子块所有像素点的横向梯度之和以及纵向梯度之和：

式中，代表子块所有像素点的横向梯度之和，代表子块所有像素点的纵向梯度之和，w代表子块的宽度；

方向计算单元通过以下公式计算子块的方向：

式中，θ(x,y)代表子块的方向。

3.有益效果

相比于现有技术，本发明的有益效果为：

(1)本发明的一种用于指纹识别的硬件加速系统，通过DMA总线读取内存中的数据，从而可以规避系统总线上其他数据请求，进而提高了获取数据或者写回数据的速度。硬件加速系统通过设置横向梯度计算单元和纵向梯度计算单元，从而可以进行并行计算，大幅提高了计算的速度，进而提高了指纹识别的速度。

(2)本发明的一种用于指纹识别的硬件加速方法，卷积计算单元根据子块方向对数据缓存单元内的子块的数据进行滤波处理，充分考虑了嵴线的方向性，从而可以达到更好的滤波效果，进而可以提高指纹识别的精度；进一步地，中央处理器只对硬件加速单元进行配置，通过对图像分块处理，针对不同子块计算不同子块的方向，卷积计算单元再根据子块的方向对子块的数据进行滤波处理，从而使得在不增加功耗的情况下，提高了指纹识别的速度以及精度。

附图说明

图1为本发明一种用于指纹识别的硬件加速系统结构示意图；

图2为本发明计算控制器的结构示意图；

图3为本发明一种用于指纹识别的硬件加速方法流程示意图。

示意图中的标号说明：

100、硬件加速单元；110、计算控制器；111、寄存器单元；112、计算定时器；113、计算控制逻辑器；120、DMA控制器；130、数据缓存单元；140、梯度计算单元；141、横向梯度计算单元；142、纵向梯度计算单元；150、方向计算单元；160、卷积计算单元；

200、内存；

300、中央处理器。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例；而且，各个实施例之间不是相对独立的，根据需要可以相互组合，从而达到更优的效果。因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

为进一步了解本发明的内容，结合附图和实施例对本发明作详细描述。

实施例1

结合图1所示，本发明的一种用于指纹识别的硬件加速系统，包括硬件加速单元100、内存200以及中央处理器300，硬件加速单元100内设置有计算控制器110和DMA控制器120，其中，计算控制器110通过系统总线分别与中央处理器300和内存200电连接，DMA控制器120通过DMA总线与内存200电连接；值得说明的是，硬件加速单元100用于读取并处理图像子块的数据，中央处理器300用于对硬件加速单元100进行配置。本发明通过DMA总线读取内存200中的数据，从而可以规避系统总线上其他数据请求，进而提高了获取数据或者写回数据的速度。进一步地，硬件加速单元100还包括数据缓存单元130、梯度计算单元140和方向计算单元150，数据缓存单元130和方向计算单元150分别与梯度计算单元140电连接；具体地，数据缓存单元130分别与DMA控制器120和计算控制器110电连接；进一步地，硬件加速单元100还包括梯度计算单元140和方向计算单元150，梯度计算单元140和方向计算单元150分别与计算控制器110电连接，且梯度计算单元140与数据缓存单元130电连接。其中，数据缓存单元130用于存储子块的数据，梯度计算单元140用于计算子块的横向梯度以及纵向梯度，方向计算单元150用于计算子块的方向。进一步地，梯度计算单元140包括横向梯度计算单元141和纵向梯度计算单元142，即横向梯度计算单元141和纵向梯度计算单元142分别与数据缓存单元130和方向计算单元150电连接；其中，横向梯度计算单元141用于计算子块的横向梯度，纵向梯度计算单元142用于计算子块的纵向梯度。

本发明的硬件加速系统通过设置横向梯度计算单元141和纵向梯度计算单元142，从而可以进行并行计算，大幅提高了计算的速度，进而提高了指纹识别的速度。此外，数据缓存单元130与DMA控制器120电连接，从而将图像数据传输至数据缓存单元130内，从而可以进行后续的图像数据处理过程。

结合图2所示，本发明的一种用于指纹识别的硬件加速系统，硬件加速单元100还包括卷积计算单元160，卷积计算单元160分别与数据缓存单元130、方向计算单元150和计算控制器110电连接，卷积计算单元160对图像数据进行滤波处理，从而可以得到指纹识别结果。此外，本发明的计算控制器110包括寄存器单元111、计算定时器112和计算控制逻辑器113；寄存器单元111和计算定时器112分别与计算控制逻辑器113电连接，具体地，本实施例的寄存器单元111包括图像缓存地址寄存器、输出图像地址寄存器、图像信息寄存器和控制寄存器，图像缓存地址寄存器用于保存图像缓存地址；输出图像缓存地址寄存器用于保存输出图像缓存地址；图像信息寄存器用于保存图像宽度和图像高度；控制寄存器可以控制计算过程并记录计算是否完成，具体地，控制寄存器包括加速器使能位域和计算结束指示位域，计算结束指示位为0代表计算没有完成，计算结束指示位为1代表计算已经完成，当计算结束完成时，控制寄存器将计算结束信号反馈给中央处理器300；加速器使能位域写1可启动计算并复位计算结束指示位状态为0，写0可终止计算。计算定时器112用于为数值计算进行计时并确定计算结束条件；计算控制逻辑器113用于控制数据传输和滤波计算流程控制。

结合图3所示，本发明的一种用于指纹识别的硬件加速方法，采用上述的一种用于指纹识别的硬件加速系统，首先中央处理器300通过系统总线传输配置信息至硬件加速单元100，硬件加速单元100根据图像的大小将图像分成若干个大小相等的子块，而后硬件加速单元100读取内存200中子块的数据并计算子块的方向，再根据子块的方向对子块的数据进行滤波处理；之后硬件加速单元100读取下一个子块的数据并进行处理，直至处理完图像的数据。具体步骤如下：

S100、读取数据

中央处理器300通过系统总线传输配置信息至硬件加速单元100，硬件加速单元100的计算控制器110根据图像的大小将图像分成若干个大小相等的子块，本实施例中将288*256像素点的图像均分成36*32个8*8的子块；而后计算控制器110控制DMA控制器120读取内存200中子块的数据；本实施中DMA控制器120从内存200读取16*16Byte的数据；

S200、梯度计算

硬件加速单元100的DMA控制器120将子块的数据传输至硬件加速单元100的数据缓存单元130，而后硬件加速单元100的梯度计算单元140读取数据缓存单元130中子块的数据，并对子块的数据进行横向梯度计算以及纵向梯度计算，其中，子块的数据指的是子块的像素点；具体地，DMA控制器120将子块的数据传输至数据缓存单元130，梯度计算单元140的横向梯度计算单元141和纵向梯度计算单元142从数据缓存单元130中读取子块的数据，计算控制器110控制横向梯度计算单元141对子块的像素点进行横向梯度计算，计算公式如下：

_x(u,v)＝2×N(u,v+1)+N(u-1,v+1)+N(u+1,v+1)-2×N(u,v-1)

-N(u-1,v-1)-N(u+1,v-1)

计算控制器110控制纵向梯度计算单元142对子块的像素点进行纵向梯度计算，计算公式如下：

_y(u,v)＝2×N(u-1,v)+N(u-1,v+1)+N(u-1,v-1)-2×N(u+1,v)

-N(u+1,v+1)-N(u+1,v-1)

S300、方向计算

梯度计算单元140将梯度计算结果传输至硬件加速单元100的方向计算单元150，方向计算单元150根据梯度计算结果计算子块的方向；具体地，梯度计算单元140的横向梯度计算单元141和纵向梯度计算单元142分别将子块像素点的横向梯度以及纵向梯度传输至方向计算单元150，而后计算控制器110控制方向计算单元150计算子块所有像素点的横向梯度之和以及纵向梯度之和，再根据横向梯度之和以及纵向梯度之和计算子块的方向。

具体地，方向计算单元150通过下列公式计算子块所有像素点的横向梯度之和以及纵向梯度之和：

式中，代表子块所有像素点的横向梯度之和，代表子块所有像素点的纵向梯度之和，w代表子块的宽度；本实施例中子块的宽度w为8。

方向计算单元150通过以下公式计算子块的方向：

式中，θ(x,y)代表子块的方向，值得说明的是，子块的方向θ大小为：0≤θ≤π；

当0≤θ≤π/8时，θ＝π/8；当π/8≤θ≤2π/8时，θ＝2π/8；当2π/8≤θ≤3π/8时，θ＝3π/8；当3π/8≤θ≤4π/8时，θ＝4π/8；当4π/8≤θ≤5π/8时，θ＝5π/8；当5π/8≤θ≤6π/8时，θ＝6π/8；当6π/8≤θ≤7π/8时，θ＝7π/8；当7π/8≤θ≤π时，θ＝π。

S400、滤波处理

方向计算单元150将计算结果传输至硬件加速单元100的卷积计算单元160，卷积计算单元160根据子块方向对数据缓存单元130内的子块的数据进行滤波处理，并将滤波处理结果传输至数据缓存单元130，从而将原始的子块数据覆盖；具体地，计算控制器110控制方向计算单元150将计算结果传输至卷积计算单元160，卷积计算单元160根据θ值选择对应的滤波器对子块的数据进行滤波处理，值得说明的是，每个θ值对应一个滤波器，即8个θ值与8个滤波器一一对应，这8个滤波器公式的区别就是参数θ值不一样，滤波器公式如下：

实部为：

其中：

x′＝xcosθ+ysinθ

y′＝-xsinθ+ycosθ

式中，x与u的含义相同，即x代表子块像素点的横坐标，x与v的含义相同，即y代表子块像素点的纵坐标，i表示虚数，θ为子块的方向，Ψ为相位，Ψ＝0，λ为波长，λ＝21，σ为带宽，σ＝＝2π，γ为空间纵横比，γ＝1。值得说明的是，8个滤波器组成滤波器组，同一子块内的像素点采用同一滤波器进行卷积操作，直接调用滤波器组中的其中一个，而滤波器组是提前计算好的，并不需要临时生成，从而降低了计算的维度，进而提高了运算速度。进一步地，本发明中滤波器起着滤波的作用，因此在处理子块的数据时只需要应用实部公式即可。

之后计算控制器110控制DMA控制器120读取下一个子块的数据并进行处理，直至处理完图像的数据。值得说明的是，本发明根据子块的方向对子块的数据进行滤波处理，而不是针对每个像素点进行滤波处理了，从而减少了相关运算，提高了指纹识别的速度；卷积计算单元160根据子块方向对数据缓存单元130内的子块的数据进行滤波处理，充分考虑了嵴线的方向性，从而可以达到更好的滤波效果，进而可以提高指纹识别的精度；进一步地，中央处理器300只对硬件加速单元100进行配置，通过对图像分块处理，针对不同子块计算不同子块的方向，再根据方向对子块的数据进行滤波处理，从而使得在不增加功耗的情况下，提高了指纹识别的速度以及精度。

在上文中结合具体的示例性实施例详细描述了本发明。但是，应当理解，可在不脱离由所附权利要求限定的本发明的范围的情况下进行各种修改和变型。详细的描述和附图应仅被认为是说明性的，而不是限制性的，如果存在任何这样的修改和变型，那么它们都将落入在此描述的本发明的范围内。此外，背景技术旨在为了说明本技术的研发现状和意义，并不旨在限制本发明或本申请和本发明的应用领域。

Claims

1.一种用于指纹识别的硬件加速方法，其特征在于：所述方法用于指纹识别的硬件加速系统，包括硬件加速单元、内存以及中央处理器，所述硬件加速单元内设置有计算控制器和DMA控制器，所述计算控制器通过系统总线分别与中央处理器和内存电连接，DMA控制器通过DMA总线与内存电连接；硬件加速单元包括数据缓存单元、梯度计算单元和方向计算单元，所述数据缓存单元和方向计算单元分别与梯度计算单元电连接；且数据缓存单元与DMA控制器电连接；硬件加速单元包括卷积计算单元，卷积计算单元分别与数据缓存单元、方向计算单元和计算控制器电连接；梯度计算单元包括横向梯度计算单元和纵向梯度计算单元，横向梯度计算单元和纵向梯度计算单元分别与数据缓存单元和方向计算单元电连接；

具体步骤如下：

S100、读取数据，计算控制器根据图像的大小，将图像分成若干个大小相等的子块，而后计算控制器控制DMA控制器读取内存中子块的数据；

S200、梯度计算，DMA控制器将子块的数据传输至硬件加速单元的数据缓存单元，而后硬件加速单元的梯度计算单元读取数据缓存单元中子块的数据，并对子块的数据进行横向梯度计算以及纵向梯度计算；

S300、方向计算，梯度计算单元将梯度计算结果传输至硬件加速单元的方向计算单元，方向计算单元根据梯度计算结果计算子块的方向；具体梯度计算单元的横向梯度计算单元和纵向梯度计算单元分别将子块像素点的横向梯度以及纵向梯度传输至方向计算单元，而后方向计算单元计算子块所有像素点的横向梯度之和以及纵向梯度之和，再根据横向梯度之和以及纵向梯度之和计算子块的方向；

S400、滤波处理，方向计算单元将计算结果传输至硬件加速单元的卷积计算单元，卷积计算单元根据子块方向对子块的数据进行滤波处理，并将滤波处理结果传输至数据缓存单元，将原始的子块数据覆盖；其中的卷积计算单元根据子块的方向调取滤波器组中的目标滤波器，使用目标滤波器对子块的数据进行滤波处理；滤波器组中包含八组滤波器，且滤波器与子块的方向θ对应如下：

当0≤θ≤π/8时，θ＝π/8；当π/8≤θ≤2π/8时，θ＝2π/8；当2π/8≤θ≤3π/8时，θ＝3π/8；当3π/8≤θ≤4π/8时，θ＝4π/8；当4π/8≤θ≤5π/8时，θ＝5π/8；当5π/8≤θ≤6π/8时，θ＝6π/8；当6π/8≤θ≤7π/8时，θ＝7π/8；当7π/8≤θ≤π时，θ＝π；

之后计算控制器控制DMA控制器读取下一个子块的数据并进行处理，直至处理完图像的数据。

2.根据权利要求1所述的一种用于指纹识别的硬件加速方法，其特征在于：S200梯度计算的具体步骤为：DMA控制器将子块的数据传输至数据缓存单元，梯度计算单元的横向梯度计算单元和纵向梯度计算单元从数据缓存单元中读取子块的数据块的数据进行横向梯度计算，计算公式如下：

a_x(u,v)＝2×N(u,v+1)+N(u-1,v+1)+N(u+1,v+1)-2×N(u,v-1)-N(u-1,v-1)-N(u+1,v-1)

a_y(u,v)＝2×N(u-1,v)+N(u-1,v+1)+N(u-1,v-1)-2×N(u+1,v)-N(u+1,v+1)-N(u+1,v-1)

式中，a_x(u,v)代表每个像素点的横向梯度；a_y(u,v)代表每个像素点的纵向梯度；u代表子块的像素点的横坐标，v代表子块的像素点的纵坐标，N代表像素点的灰度值。

3.根据权利要求2所述的一种用于指纹识别的硬件加速方法，其特征在于：方向计算单元通过下列公式计算子块所有像素点的横向梯度之和以及纵向梯度之和：

式中，Vx(i,j)代表子块所有像素点的横向梯度之和，Vy(i,j)代表子块所有像素点的纵向梯度之和，w代表子块的宽度；

方向计算单元通过以下公式计算子块的方向：

式中，θ(x,y)代表子块的方向。