基于生物特征識別的身份鑒別技術已經受到越來越多的重視。虹膜是在眼睛中瞳孔與鞏膜之間的織物狀各色環狀物，每一個虹膜都包含一個基于像冠、水晶體、細絲、斑點、結構、凹點、射線、皺紋和條紋等特征的結構[1]。虹膜特征是隨機產生的，與遺傳因素無關。研究表明，沒有任何兩個虹膜是一樣的，即使一個人的左右眼或者雙胞胎的虹膜也都不一樣。同時虹膜在人的一生中不會改變，所以虹膜識別擁有非常高的準確率[2]。

    目前基于DSP的嵌入式虹膜識別系統大多利用DSP+ARM的形式實現[3]，ARM負責圖像采集和結果顯示，DSP負責數值計算。由于TMS320DM642已經具有圖像采集和顯示功能，所以本文提出了一種基于單一TMS320DM642的嵌入式虹膜識別系統的設計方案，不僅節約了產品成本，還縮短了開發周期，降低了開發難度。
1 虹膜識別系統總體結構
1.1 虹膜識別系統
    本文設計的系統共有三種工作模式可供選擇，分別為注冊模式、匹配模式以及刪除模式。在系統上電后，首先進行系統初始化，然后進入待機狀態，在用戶按下鍵盤選擇工作模式后，系統由待機狀態進入工作狀態：(1)進行虹膜圖像采集；(2)對所采集圖像進行質量評價，如果圖像質量不合格，則重新進行虹膜圖像采集，如果圖像質量合格，即對虹膜圖像進行預處理、特征提取和編碼；(3)根據用戶選擇的工作模式進行相應操作。當用戶選擇注冊模式時，系統直接將虹膜特征編碼寫入虹膜特征數據庫中，提示用戶注冊成功；當用戶選擇匹配模式時，系統將當前虹膜特征編碼與虹膜特征數據庫中的虹膜特征編碼進行一對多的匹配，直到匹配成功為止，如果虹膜特征數據庫中沒有相匹配的信息，則提示用戶匹配失敗；當用戶選擇刪除模式時，系統將當前虹膜特征編碼與虹膜特征數據庫中的虹膜特征編碼進行一對多的匹配，如果匹配成功時，則刪除該虹膜特征編碼，否則提示用戶刪除失敗。虹膜識別工作流程如圖1所示。

1.2 系統硬件結構
    本文使用的平臺是TI公司的TMS320DM642開發平臺。TMS320DM642(以下簡寫為DM642)是一款專門為圖像處理和視頻處理定制的DSP[4]，大大簡化了圖像處理平臺硬件的開發。在主頻720 MHz下處理速度達到5 760 MIPS，非常適合在數據量非常大的圖像處理中應用。
    DM642片上集成了3個Video Port(VP)接口，可以配置為多種格式數字視頻流的輸入輸出和流捕捉模式。攝像頭采集的模擬視頻信號經TVP5150轉換為數字信號，通過VP2口讀入DM642；虹膜識別結果由DM642的VP0口輸出數字信號經SAA7121H轉換為模擬視頻信號在監視器顯示。本文設計中采集配置為有效數據區的像素大小為768×576，采用隔行掃描技術， Y、Cr、Cb的比例關系為4：2：2。視頻圖像采集通過EDMA將視頻端口內部FIFO中的視頻數據讀入SDRAM中的圖像存儲目的地址[5]。SDRAM中存儲系統運行時的臨時程序代碼和圖像數據，Flash中存儲系統引導程序、系統軟件和虹膜特征數據庫。電源為DM642提供+1.4 V的內核電源電壓和+3.3 V的數字電源電壓。系統硬件架構如圖2所示。

1.3 系統軟件結構
    基于DM642的嵌入式虹膜識別軟件系統是在CCS3.3集成開發環境下，基于DSP/BIOS嵌入式操作系統開發的。DSP/BIOS是TI公司專為其TMS320C6000系列、TMS320C5000系列和TMS320C28x系列DSP平臺所設計開發的、一款尺寸可裁剪的實時多任務操作系統內核[6]。DSP/BIOS提供4種不同的線程，優先級從高到低分別是硬件中斷(HWI)、軟件中斷(SWI)、任務(TSK)和空閑循環(IDL)。為了完成各個線程之間的同步、互斥和通信，DSP/BIOS還定義了兩類對象：郵箱信號(MBX)和旗語信號(SEM)。郵箱用于實現兩個線程之間的數據交換，旗語則用于線程之間的同步和互斥。
    本系統中共有HWIINT4和HWIINT5兩個硬件中斷。HWIINT4用于響應鍵盤按鍵中斷并且記錄下用戶所按的鍵，系統會根據用戶按鍵的鍵值對全局變量KEY進行賦值。當按鍵是注冊時，KEY=0；當按鍵是匹配時，KEY=1；當按鍵為刪除時，KEY=2。HWIINT5用于響應EDMA中斷，表示一幀圖像采集完成。系統中共有7個任務：TSKCapture用于虹膜圖像采集；TSKEvaluation用于虹膜圖像質量評價；TSKProcess用于虹膜圖像預處理、特征提取和編碼；TSKRegister用于虹膜系統注冊；TSKMatch用于虹膜系統匹配；TSKDelete用于虹膜系統刪除；TSKDisplay用于視頻顯示。系統進程調度如圖3所示。

2 虹膜識別算法
    虹膜識別算法主要包括：(1)虹膜圖像預處理；(2)虹膜圖像特征提取與編碼；(3)編碼匹配。
2.1 虹膜圖像預處理
    虹膜圖像預處理主要包括虹膜內外圓定位、定位圖像歸一化和圖像增強三個部分。
    本文采用參考文獻[7]的定位方法，定位結果如圖4所示。

    在采集虹膜圖像時，采集設備與被采集者的相對位置會發生變化，使得采集到的人眼圖像的大小、位置、角度有差異。所以必須將虹膜圖像進行歸一化以減小由這些差異帶來的誤差。歸一化就是將虹膜紋理區域中的點一一映射到極坐標系中。
    由于采集虹膜圖像時需要增強光照，將會引起虹膜紋理的明暗程度不同，給后續步驟造成影響。因此，為了提高識別效果，需要對歸一化的虹膜圖像進行增強。本文采用直方圖均衡化實現虹膜圖像增強。
2.2 虹膜圖像特征提取與編碼
    虹膜圖像特征提取與編碼是虹膜識別中最關鍵的一步，直接關系到虹膜識別的準確率。
    2D-Gabor在空域和頻域的局部特性與視覺細胞很相似，可以模擬視覺簡單細胞的二維感受視野輪廓，同時又具有良好的頻率和方向選擇性，能提供最佳的時域和頻域分辨率。因此本文采用2D-Gabor濾波對虹膜圖像進行特征提取。
    2D-Gabor濾波器最早由Jhon Daugman博士于1985年提出[8]，目前基于2D-Gabor濾波器的虹膜算法已經成為虹膜識別的主流算法。由于虹膜本身的形狀近似為環狀，在虹膜圖像歸一化中已經將虹膜紋理信息映射到極坐極系中。為了方便表達和降低復雜度，將Gabor濾波器用極坐標表示為：

    由于Gabor濾波器分成實部和虛部兩部分，因此濾波后采樣點位置的值也存在實部和虛部，按照實部和虛部的相角大小可以分別得到兩位編碼，如式(2)所示。經過該種編碼后虹膜紋理特征變成0、1的編碼序列。

3 實驗結果
    實驗所用的虹膜圖像全部由實驗室搭建的采集設備拍攝，目前拍攝了20人，每人左右眼在不同的時期各拍攝6張，共計240張虹膜照片，照片為8 bit灰度圖像，768×576像素大小。虹膜照片效果如圖4(a)所示。
    為了驗證本系統工作的有效性，選取不同的HD閾值進行判別，統計類內的拒判次數和類間的誤判次數，分別得到誤判率（FRR）和誤認率(FAR)。本實驗共進行600次類內和3 000次類間的判別實驗。表１列出了不同HD閾值下誤認率和誤判率。

    當選擇合格的HD閾值時，嵌入式虹膜識別系統具有非常高的識別率，且系統識別時間在1.5 s以內，達到了快速高效的識別效果。
    嵌入式虹膜識別系統與基于PC的虹膜識別系統相比具有體積更小、成本更低、實用性更強、可靠性更高等優點，是未來虹膜識別系統的主要發展方向。本文設計的基于DM642的嵌入式虹膜識別系統可以廣泛地應用于銀行、機場、海關等需要身份識別的場合。
參考文獻
[1] 徐露.虹膜識別若干關鍵問題研究[D].沈陽：沈陽工業大學，2008.
[2] DAUGMAN J.How iris recognition works[J].IEEE Transactions on Circuits and Systems For Video Technology，2004，14(1)：21-30.
[3] 周濤，解梅.基于ARM和DSP的虹膜識別系統的設計[J].計算機技術與發展，2008，10(18)：13-15.
[4] Texas Instruments Inc.TMS320DM642 video/imaging fixedpoint digital signal processor[EB/OL].[2002-07-20].http：//www.ti.com/lit/ds/symlink/tms320dm642.
[5] Zhao Xin，Xie Mei.A practical design of iris recognition system based on DSP[C].Intermational Conference on Intelligent Human-machine Systems and Cybernetics.United States：IEEE Computer Society，2009：66-70.
[6] 彭啟琮，管慶.DSP集成開發環境[M].北京：電子工業出版社，2004.
[7] 葉永強，沈建新，周嘯.基于瞳孔灰度特征的快速定位[J].光電工程，2010，37(3)：127-132.
[8] DAUGMAN J.Uncertainty relation for resolution in space[J].Spatial Frequency and Orientation Optimized by Two-Dimensional Visual Cortical filter，1985，12(7)：1160-1169.