指静脉与折痕双模态图像采集系统设计*

管凤旭，姜智超，吴秋雨，王科俊，孟祥宇

(哈尔滨工程大学自动化学院，黑龙江哈尔滨150001)

0 引言

单一生物特征识别技术在现实应用中存在各种不足之处，使双模态甚至更多模态生物特征识别技术应运而生，成为生物特征识别领域中一种新的研究方向，为生物特征识别技术提出更高层次要求［1，2］。

手指静脉具有活体识别、内部特征、非接触和安全性高等优点，因此，手指静脉识别技术是一种高防伪的第二代生物认证技术［3，4］，但存在可提取特征信息量不足的缺点。手指指节折痕位于手指皮肤表面，相对于指纹具有不易磨损与改变的优点［5～7］。如果有效利用手指静脉和指节折痕这2种生物模态各自的优点，组成一个双模态生物识别系统，将弥补单一手指静脉生物特征数量不足的缺点，使识别系统安全性与可靠性得到提高。因此，本文设计一种手指静脉与指节折痕的双模态图像采集系统，即可以针对同一只手指，利用CMOS摄像头、可见光与不可见近红外光成像技术［8］、红外滤光片移动装置、USB 2.0接口、YUV转换RGB等技术，先后获取同一位置的皮肤内部手指静脉图像和皮肤表面的指节折痕图像。

1 双模态图像采集系统结构

手指静脉和指节折痕图像成像原理为:当不可见近红外光照射手指时，静脉中血红蛋白对近红外光有明显吸收效果，因而形成静脉纹路图像;手指指节折痕位于手指皮肤表面，通过可见光照射就可形成指节折痕图像。为提高这2种图像质量，2种不同类型光不能同时亮，且需要红外滤光片滤光。红外滤光片可使高于某一波长的近红外光通过，而低于该波长的可见光截止。当红外滤光片挡在摄像头上且不可见近红外光亮时，摄像头可采集手指皮肤内部的手指静脉图像;当红外滤光片移开摄像头可视范围且可见光亮时，摄像头可以采集手指指节折痕图像。

可采用手工方式或自动方式左右移动红外滤光片。自动方式则需要一个微型步进电机带动凸轮联动机构拖动红外滤光片左右往复移动。同时，在红外滤光片移动的滑道两端各安装一个行程开关，分别为可见光源与近红外光源的控制开关。根据上述工作方式，本文设计的双模态采集系统组成结构如图1所示。

图1 双模态图像采集系统结构图Fig 1 Structure diagram of dual-modal image acquisition system

2 图像采集系统硬件设计

2.1 图像传感器

为减小采集装置尺寸、降低成本，选择功耗低且集成度高的CMOS摄像头模组，其核心图像传感器为OmniVision公司的OV2640芯片，该芯片最高可采集200万像素图像，具有10位A/D转换电路。OV2640模组大小和一角钱硬币相仿。

考虑到OV2640芯片RGB感光范围为500～980 nm;尤其是波长为830 nm时，对近红外光成像效果达到最优。这样，OV2640芯片既可以采集到以可见光成像的指节折痕图像，又可以采集到以不可见近红外光成像的手指静脉图像。

为保证上位机图像采集软件能够获取24帧/s以上动态且清晰的视频，设置图像尺寸为SVGA(800×600)模式，图像输出格式为YUV422。设计电路如图2所示。其中，摄像头模组的数字视频端口电压DOVDD为3.3 V，模拟电压AVDD为2.5 V，这2种电压由电源模块提供，另外，数字电压DVDD为1.3 V，既可以由外部电源模块提供，也可以通过寄存器设置由内部产生，本设计采用后种方式。

2.2 USB 2.0控制器

图2 OV2640摄像头模组接口电路Fig 2 Interface circuit of OV2640 camera module

USB 2.0芯片采用CY7C68013［9］。为实现USB芯片实时接收图像传感器视频数据，设置USB芯片为Slave FIFO从机模式，将图像传感器的帧同步信号VSYNC作为一帧图像接收的中断信号(图3)，将行同步信号HREF作为USB芯片的写信号SLWR，并将像素时钟PCLK作为USB芯片传输时序时钟信号，以保证行同步信号HREF有效时才能接收图像的像素数据。同时，设置数据端口为8位数据总线模式，可接收图像传感器Y2～Y9数据线上的数据。为实现将视频数据从USB芯片快速传输至计算机中，设置EP2端口为BULK传输模式的IN端点，4重缓冲，每包字节数为1024。

图3 USB控制器电路Fig 3 Circuit of USB controller

2.3 I2C总线

当计算机操作系统识别USB设备时，USB控制器通过I2C总线，可将存储在E2PROM(图4)中的固件程序下载到自身的RAM中执行，实现重枚举与控制硬件。

为保证OV2640摄像头模组按照设定方式工作，需要通过I2C总线将固件程序中大量控制参数有效写入到OV2640芯片寄存器中，甚至可以通过I2C总线从OV2640芯片寄存器中读取饱和度、AGC增益、白平衡等参数。但当摄像头模组接口距离USB芯片较远、且I2C信号线过细时，会导致I2C通信不可靠，采用CBTD3306芯片(图5)可提高I2C总线驱动能力。图5中，SIO—C和SIO—D为USB控制器引出的信号线(图3);SIO—C—1和SIO—D—1是增强后的信号线，然后连接到摄像头模组的I2C接口(图2)。

图4 E2 PROM电路Fig 4 Circuit of E2 PROM

图5 I2 C总线驱动能力增强电路Fig 5 Drive capability enhancement circuit of I2 C bus

2.4 红外滤光片移动电路

采用L298P芯片设计电机驱动电路(图6)，驱动一个5 V的2相4线微型步进电机。由于USB控制器工作电压为 3.3V，因此，其输出控制信号 PA2，3，6，7(图7)的高电平为3.3 V，为确保能可靠控制电机驱动电路，特采用电平转换芯片74LVX4245将3.3V的PA2等控制信号转换为高电平为5 V的控制信号Input1～Input4。

图6 微型步进电机驱动电路Fig 6 Drive circuit of micro-stepping motor

图7 电平转换电路Fig 7 Circuit of level conversion

2.5 其他辅助电路

通过USB接口，从计算机获取稳定的+5V电源，经过电源模块调整，分别为USB控制器、E2PROM、可见光与不可见近红外光源、步进电机及驱动、摄像头等电路提供5，3.3 V和2.5 V电源。

另外还有可见光源与不可见近红外光源控制的行程开关电路，近红外光自动调光电路［8］等。

3 图像采集系统软件设计

图像采集系统软件主要分为USB固件程序、USB驱动程序和上位机图像采集软件。

传感器OV2640的图像输出格式为YUV422—UYVY，上位机软件需要将YUV格式转换为RGB格式显示到屏幕上。

由于本设计使用USB控制芯片68013只有56引脚，没有定时器功能。在固件程序中，控制步进电机转动的重复脉冲信号只能通过延时程序实现，当红外滤光片左右移动时，USB控制器暂时停止向计算机传输图像数据。基于这种思想，软件工作流程如下:

1)上位机图像采集软件启动后，会自动发送视频传输命令。使用者通过接收到的实时视频，观察红外滤光片位置，如滤光片没有挡在镜头上方且可见光亮时，则需按下软件界面的复位按钮，软件发送红外滤光片右移命令，同时在一段时间(需要根据步进电机转动频率而定)内不再实时发送视频传输命令，下位机固件程序接到右移命令后，向电机驱动电路发送脉冲控制信号，驱动步进电机转动并带动红外滤光片离开可见光行程开关，移到镜头上方并触发不可见近红外光行程开关以使红外光亮，这时上位机软件继续发送视频传输命令并使计算机屏幕能够动态显示手指静脉图像。

2)摆放好手指后，使用者按下软件界面图像采集按钮，首先保存一幅手指静脉图像;然后发送红外滤光片左移命令(同时在一段时间内不再实时发送视频传输命令)，下位机固件程序接到该命令后，控制步进电机转动并带动红外滤光片离开近红外光行程开关与遮挡镜头的位置，随后触发可见光行程开关以使可见光亮，这时上位机软件再继续发送视频传输命令使计算机屏幕能够动态显示指节折痕图像，同时保存一幅指节折痕图像。最后，软件再执行一次复位功能，使滤光片回到遮挡镜头位置。

经上述步骤，可实现先后采集手指静脉与指节折痕2种不同类型的双模态生物特征图像。

4 实验结果

本文设计的手指静脉与指节折痕双模态图像采集系统实物如图8所示，采集到的图像如图9所示。

5 结论

图8 双模态图像采集系统Fig 8 Dual-modal image acquisition system

图9 手指指节折痕与静脉图像Fig 9 Images of finger vein and finger crease

本文设计一种新型基于USB 2.0和CMOS图像传感器的双模态生物图像采集系统，针对手指同一部位，不仅可以采集皮肤内部的手指静脉图像，也可以采集皮肤表面的指节折痕图像。该系统为非接触式采集模式，成本低，且能够在上位机采集软件中将SVGA(分辨率800×600)图像模式以24帧/s的视频形式显示。因此，该系统采集的2种不同类型图像，能够实时提供给手指静脉与指节折痕双模态生物特征识别系统进行双模态识别算法研究与应用。

［1］Lu Yinghua，Fu Yao，Li Jinsong，et al.A multi-modal authentication method based on human face and palmprint［C］∥Future Generation Communication and Networking，2008:193-196.

［2］Fu Yao，Ma Zhixing，Qi Miao，et al.A novel user-specific face and palmprint feature level fusion［C］∥Intelligent Information Technology Application，2008:296-300.

［3］Kouno M，Ueki H，Umemura Shin-ichiro.Near-infrared finger vein patterns for personal identification［J］.Applied Optics，2002，41:7429-7436.

［4］Naoto M，Akio N，Takafumi M.Feature extraction of fingervein patterns based on repeated line tracking and its application to personal identification［J］.Machine Vision and Applications，2004，15(4):194-203.

［5］Takeda M，Uatoshi S，Hiramatsu K，et al.Finger image identification method for personal verification［C］∥Proceeding of the 10th International Conference on Pattern Recognition，1990:761-766.

［6］Ribaric S，Fratric I.A biometric identification system based on eigenpalm and eigenfinger features［J］.Pattern Analysis and Machine Intelligence，2005，27(11):1698-1709.

［7］李 强，裘正定，孙冬梅，等.指横纹:一种新的生物身份特征［J］.自动化学报，2007，33(6):596-601.

［8］管凤旭，王科俊.基于自动调光功能的手指静脉图像采集系统［J］.电子技术应用，2010，36(10):120-123.

［9］王晨晖，管凤旭，宋新景，等.掌纹和三维手形的多模态图像采集装置设计［J］.自动化技术与应用，2011(7):76-79.