一种基于指纹图像识别的电子锁技术领域
本发明属于安全技术防范领域，涉及图像处理、模式识别、自动控制等技术，更具体地
涉及一种基于指纹图像识别的电子锁。
背景技术
电子密码锁简称电子锁，具有防盗报警功能的电子密码锁代替传统的机械式密码锁，克
服了机械式密码锁密码量少、安全性能差的缺点，使密码锁无论在技术上还是在性能上都大
大提高一步。
电子锁以微处理器为核心，配以相应硬件电路，完成密码的设置、存储、识别、显示、
驱动电磁执行器并检测其驱动电流值、接收传感器送来的报警信号、发送数据等功。
大体工作原理是微处理器接收键入的代码，并与存储在EEPROM中的密码进行比较，如果
密码正确，则驱动电磁执行器开锁；如果密码不正确，则允许操作人员重新输入密码，最多
可输入三次；如果三次都不正确，则微处理器通过通信线路向智能监控器报警。同时，微处
理器将每次开锁操作和此时电磁执行器的驱动电流值作为状态信息发送给智能监控器，同时
将接收来自传感器接口的报警信息也发送给智能监控器，作为智能化分析的依据。
按照输入密码方式不同，电子锁可分为以下几类：
(1)按键式电子锁：采用键盘(或组合按钮)输入开锁密码，操作方便。内部控制电路常
采用电子锁专用集成电路。
(2)拨盘式电子锁：采用机械拨盘开关输入开锁密码。许多按键式电子锁可以改造成拨
盘式电子锁。
(3)电子钥匙式电子锁：使用电子钥匙输入(或作为)开锁密码。电子钥匙是构成控制电
路的重要组成部分。电子钥匙可以由元器件或由元器件构成的单元电路组成，做成小型手持
单元形式。电子钥匙和主控电路的联系可以是声、光、电磁等多种形式。
(4)触摸式电子锁：采用触摸方法输入开锁密码，操作简单。相对于按键开关，触摸开
关使用寿命长，造价低，因此优化了电子锁控制电路。
(5)生物特征式电子锁：将声音、虹膜、指纹等人体生物特征作为密码输入，由计算机
进行模式识别控制开锁，智能化相当高。
基于指纹图像识别的电子锁因智能化程度高，而成为当前电子锁研发的重要方向之一。
指纹锁一般包括指纹采集装置和电控锁两部分，现有的指纹采集装置一般皆以光学原理采集
指纹特征，经比对验证后，启动电控锁中的电机或电磁铁等装置，操拉锁舌、锁栓动作，控
制锁具的开启和关闭。
部分指纹锁产品在使用过程中，存在着识别时间长、识别准确率低的问题，阻碍了指纹
锁的大面积推广和使用。
指纹锁的性能在很大程度上取决于指纹识别算法的高效性和可靠性。
指纹识别算法主要解决两个问题，特征提取和特征匹配。特征提取就是利用图像处理的
方法对一幅指纹图像进行特征提取，提取有用的特征信息进行存储为以后的指纹辨识做好准
备；特征匹配是指将现有的指纹图像与指纹特征库中指纹模板作比对来决定是否来自同一手
指。
发明内容
1.发明目的
为了提高指纹锁的性能，即缩短识别时间、提高识别准确率，本发明公开了一种基于指
纹图像识别的电子锁。
2.硬件系统结构
如图1所示，包括如下部分：指纹采集装置(1)、电控装置(2)、电源装置(3)、把手
(4)、锁心(5)、锁舌(6)、内壳(7)、外壳(8)；
指纹采集装置采集指纹图像；
电源装置给指纹锁供电，可以采用干电池或其他直流电源；
把手转动带动机械传动机构动作，使得锁舌收入内壳；
锁心为传统的钥匙锁心，当指纹锁因电源故障或其他故障时，备用的开锁方法；
锁舌收入内壳时，锁具为打开状态，锁舌未收入内壳时，锁具为锁紧状态；
内壳和外壳配合螺丝可以将锁具固定在安装位置。
上述指纹采集装置(1)是指纹锁的关键部件之一，由光电式、电容式、压敏式或超声波
式传感器构成，其性能参数直接影响到锁具的性能。
上述电控装置(2)是指纹锁的关键部件之一，如附图2所示，包括如下部分：数字信号
处理器(21)、存储器(22)、电动机(23)、电磁铁(24)；
数字信号处理器(21)为核心处理器，接收指纹采集装置采集的指纹图像，运行指纹识
别算法(25)，完成指纹图像特征提取和指纹图像特征匹配，声光报警并与外界通信；
存储器(22)与数字信号处理器交换数据，存储数字信号处理器的主程序、初始化子程
序和指纹识别算法程序，存储指纹图像特征数据库；
电动机(23)由数字信号处理器控制，其运动通过蜗轮蜗杆传动机构带动一部分锁舌运
动，使得这部分锁舌可以收入内壳；
电磁体(24)由数字信号处理器控制，其运动克服弹簧机构的张力带动其余部分锁舌收
入内壳。
3.软件算法流程
指纹识别算法包括两部分：离线部分(251)和在线部分(252)，如图3所示；
离线部分(251)首先采集指纹图像，并进行图像预处理，然后用一定的算法进行特征提
取，并去除伪特征点，最后把这些特征存入数据库；
在线部分(252)首先采集指纹图像，并进行图像预处理，然后用相同的算法进行特征提
取，并去除伪特征点，同时从数据库中提取指纹特征与之比对，判断是否是相同的指纹，最
后输出匹配结果。
特征提取的主要任务是提取分叉点和端点，对于像素P的8邻域，纹线交叉点数Cn(P)和
纹线端点数Sn(P)分别表示为
C
n
(
P
)
=
1
2
Σ
i
=
1
8
|
P
i
+
1
-
P
i
|
(
P
9
=
P
1
)
-
-
-
(
1
)
]]>
S
n
(
P
)
=
Σ
i
=
1
8
P
i
-
-
-
(
2
)
]]>
其中，端点满足Cn(P)＝1，Sn(P)＝1；分叉点满足Cn(P)＝3，Sn(P)＝3。
根据上述判断条件，用这个3×3窗口对整幅指纹图像进行遍历，得到包含许多伪特征点
的特征点集，运行去除伪特征点算法，包括如下步骤：
(1)根据图像的整体特性，设定一个坐标界限(Xmin，Ymin)和(Xmax，Ymax)，对于任一端点P，
其坐标(Xp，Yp)，如果(Xp＜Xmm)||(Yp＜Ymm)||(Xp＞Xmax)||(Yp＞Yman)，则认为是纹线端点的始
端或者末尾；
(2)对于毛刺噪声，设定一个阈值d，设任意一端点P、任一分叉点Q，如果|P-Q|＜d，
则认为P和Q为毛刺噪声造成的两个伪特征点；
(3)对于纹线断续噪声，设定一个阈值d，设任意两端点P1，P2，如果|P1-P2|＜d，则
认为P1和P2为纹线断续造成的两个伪特征点；
(4)对于纹线粘连噪声，设定一个阈值d，设任意两分叉点Q1，Q2，如果|Q1-Q2|＜d，
则认为Q1和Q2为纹线粘连噪声造成的两个伪特征点；
(5)气泡噪声，设定一个阈值d，设任意两端点P1，P2，如果|P1-P2|＜d，则认为P1和P2
为气泡造成的两个伪特征点。
建立指纹模板数据库，每个模板存储所提取图像的全部有效特征点，其中每个特征点存
储其类型nType和坐标值(x，y)。
4.发明有益效果
对原始指纹图像进行预处理，然后对其特征点进行存储，可以有效地减少要保存的数据
量，缩短存储和读取数据库的时间，从而提高特征匹配的速度。
得到包含许多伪特征点的特征点集后，运行去除伪特征点算法，可以有效地去除大量伪
特征点，从而提高特征匹配的准确性。
附图说明
图1为本发明的系统结构图。
图2为本发明的电控装置结构图。
图3为本发明的指纹识别算法流程图。
图4为实施例的纹线端点特征点图像。
图5为实施例的纹线分叉点特征点图像。
具体实施方式
指纹采集装置采用Veri dicom公司的FPS200指纹传感器，通过直接接触指纹纹面来获取
指纹图像。
FPS200指纹传感器包含有300行×256列的传感器阵列，与每一列相联系的是两个采样
保持电路。指纹图像采集每次采集一行，而每一次行采集发生两个阶段。第一阶段，被采集
的行的电容阵列被预先充电为VDD电压，在预充电阶段中，内部信号允许第一批采样保持电
路保存该行的预充电电压；第二阶段，被采集行的电容阵列放电，每个传感器单元的放电大
小正比于放电电流。经过一定的时间后，内部信号又允许第二批采样保持电路保存放电后的
极间电压。根据两次电极间的电压差，就可以测量出电容的大小，然后对电容量进行A/D转
换，就可以获得每一行指纹脊和谷形成的电容值。当所有行都被采集完后，这些数字量就作
为采集指纹图像的数字量。
数字信号处理器采用TI公司的TMS系列LF2407处理器。
LF2407作为SPI主控制器，FPS200作为SPI从设备，LF2407通过SPI接口获取FPS200
采集的指纹图像数据。此时，FPS200采集速度10帧/秒，数据传输率最高115200b/s。
FPS200采集的指纹图像存在着一定程度的噪声干扰，噪声会使图像质量下降，造成图像
模糊，甚至淹没指纹特征，给以后特征匹配带来困难，因此在进行特征提取之前，必须对指
纹图像进行预处理，包括滤波和增强等。
如图4所示，为纹线端点特征点图像。如图5所示，为纹线分叉点特征点图像。
上述实施例不以任何方式限制本发明，凡是采用等同替换或等效变换的方式获得的技术
方案均落在本发明的保护范围内。