论文部分内容阅读
指纹匹配和识别是当前最流行的生物特征识别手段之一,随着光电技术的发展,指纹采集设备的性能得到很大的提升,使得提取像汗孔这样的高分辨率指纹特征信息成为可能。汗孔识别是指纹匹配算法基本步骤之一,但由于其计算复杂度高,如何在嵌入式系统中实现快速有效的识别算法是一个难题。当前集成GPU(Graphics Processing Unit)的嵌入式多核异构处理器为汗孔识别算法在移动平台的应用提供了更多的计算能力。因此,本文对指纹汗孔识别算法在嵌入式GPU平台上的实现开展了研究,为今后汗孔识别的应用打下良好的基础。本文在研究GPU的通用并行计算后,结合具体的汗孔识别算法,进行并行性分析。并将算法在嵌入式异构系统上具体实现,利用多种优化手段,提高汗孔识别的效率,推动指纹匹配算法在嵌入式领域中的应用。本论文的主要工作和成果可以归纳如下:(1)本文对汗孔识别算法进行深入的研究。针对汗孔提取,谷线结构特征提取,汗孔特征匹配等部分进行GPU上的并行性分析。发现图像对比度增强、高斯差分滤波、指纹方向场计算、汗孔邻域谷线结构提取、汗孔匹配等模块适合使用GPU进行并行优化,并提出相应的并行化方案。(2)本文通过QtCreator集成开发环境,利用qmake构建工具,实现OpenCV(Open Source Computer Vision Library)和 CUDA(Compute Unified Device Architecture)的混合编程。提出汗孔匹配算法在GPU上的并行实现方式,并利用动态并行、零拷贝内存等优化手段,提高处理器资源的利用率以及程序的计算效率。实验结果表明,并行算法在异构嵌入式系统中能够实现最多180倍的加速。(3)设计了基于Qt的图形用户界面应用程序,同时实现MySQL数据库对图像数据的存取以及在Qt环境下SQL(Structured Query Language)语言连接,从而有效地管理和存储图像特征数据,便于进行实验分析。