随着科学技术的发展，指纹识别技术被广泛应用到各种不同的领域。对于一般的指纹识别系统，其设计要求具有很高的实时性和易用性，因此识别算法应该具有较低的复杂度，较快的运算速度，从而满足实时性的要求。所以有必要根据不同的识别算法采用不同的实现平台，使得指纹识别系统具有较高的可靠性、实时性、有效性等性能要求。 SOPC片上可编程系统和嵌入式系统是当前电子设计领域中最热门的概念。NiosⅡ是Altera．公司开发的一种采用流水线技术、单指令流的RISC嵌入式处理器软核，可以将它嵌入到FPGA内部，与用户自定义逻辑组建成一个基于FPGA的片上专用系统。 本文在综合考虑各种应用情况的基础上，以网络技术、数据库技术、指纹识别技术和嵌入式系统技术为理论基础，提出了一种有效可行的系统架构方案。对指纹识别技术中各个环节的算法和原理进行了深入研究，合理的改进了部分指纹识别算法；同时为了提高系统的实时性，采用NiosⅡ嵌入式处理器和FPGA硬件模块实现指纹图像处理主要算法。论文主要包括以下几个方面： 1、对指纹图像预处理、特征提取和特征匹配算法原理进行阐述，同时改进了指纹图像的细化算法，提高了算法的性能，并设计了一套实用的指纹特征数据结构； 2、针对指纹图像预处理模块，包括图像的归一化、频率提取、方向提取以及方向滤波，采用基于FPGA的硬件电路的方式实现。实验结果表明，在保证系统误识率较低、可靠性高的基础上，大大提高了系统的执行速度； 3、改变了传统的单枚指纹识别方法，提出采用多枚指纹唯一标识身份，大大降低了识别系统的误识率； 4、改进了传统的基于三角形匹配中获取基准点的方法，同时结合可变界限盒思想进行指纹特征匹配。 5、结合COM+技术、数据库技术和网络技术，开发了后台指纹特征匹配服务系统，实现了嵌入式指纹识别系统同数据库的实时信息交换。 实验结果表明，本文所提出的系统构架方案有效可行，基于FPGA的自动指纹识别系统在速度、功耗、扩展性等方面具有独特的优势，拥有广阔的发展前景。
上传时间： 2013-08-04
上传用户：laozhanshi111
近年来，图像处理与识别技术得到了迅速的发展。人们已经充分认识到图像处理和识别技术是认识世界、改造世界的重要手段。目前，图像识别技术已应用到很多领域，渗入到各行各业，在医学、公安、交通、工业等领域具有广阔的应用前景。 这篇论文介绍了一种基于DSP＋FPGA构架的实时图像识别系统。DSP作为图像识别模块的核心，负责图像识别算法的实现；FPGA作为图像采集模块的核心，负责图像的采集，并且完成预处理工作。图像识别算法的运算量大，并且控制复杂，对系统的性能要求很高。DSP的特殊结构和优良性能很好地满足了系统的需要，而FPGA的高速性和灵活性也保证了系统实时性，并且简化了外围电路，减少了系统设计难度。 系统使用模板匹配和神经网络算法对数字0～9进行识别。模板匹配一般适用于识别规范化的数字、字符等小型字符集（特别是同一字体的字符集）。由于结构比较简单，系统处理能力强，模板匹配的识别速度快并且识别率高，取得很好的效果。神经网络所具有的分布式存储、高容错性、自组织和自学习功能，使其对图像识别问题显示出极大的优越性。 研究表明，在DSP+FPGA的构架上实现的图像识别系统，具有结构灵活、通用性强的特点，适用于模块化设计，有利于提高算法的效率。系统可以充分发挥和结合DSP和FPGA的优势，准确快速地实现图像识别。通过软、硬件的灵活组合，系统可以实现图像处理大部分的相关功能，使之能够运用到工业视觉检测、汽车牌照识别等系统中。
上传时间： 2013-06-18
上传用户：com1com2
生物特征识别是指通过计算机，利用人体固有的生理特征，如指纹，静脉来进行个人身份鉴别的技术。由于生物特征唯一性和不变性，使得生物特征识别与传统的方法如数字密码和身份证相比，具有更高的安全性和易用性。传统的高性能自动识别系统大多基于PC平台联机应用，然而在实际应用中往往对自动识别系统要求有更高的便携性和易用性，嵌入式技术的快速发展使得实现这样的系统变为了可能。 生物特征识别系统主要由通用模块的控制系统与非通用模块的图像采集设备与识别算法组成。本文针对通用模块与非通用模块接口问题进行研究和设计，实现了一个工作良好的嵌入式平台。 本课题在设计核心板、扩展板、转接板的硬件基础上，移植实时操作系统Linux，编写各种接口与模块的驱动、多路摄像头切换程序，并很好的解决了摄像头采集生物特征时光强控制问题，为很好的采集到清晰图像提供了一个良好稳定的硬件平台。 本课题所设计的嵌入式系统通过测试，做了大量的实验，并将所采集到的手指静脉图像进行讨论分析，具有实用价值。
上传时间： 2013-06-03
上传用户：lguotao
人脸识别技术作为生物识别技术之一，是模式识别在图像领域中的具体运用，其应用前景非常广阔，可以应用到身份证件的鉴别、自动门禁控制系统、银行取款机、家庭安全，图片检索等领域。 人脸识别系统主要分为人脸检测定位，特征提取和人脸分类三部分。人脸的检测和定位，即从输入的图像中找到人脸及人脸存在的位置，并将人脸从背景中分离出来。在特征提取部分，先对原始人脸数据进行特征提取，之后原始数据由维数较少的有效特征数据表示并存储在数据库中，接下来进行人脸分类，在识别待测人脸图像时，将待测图像的特征数据与数据库中存储数据相比对，判断是否为库中的某一人，从而实现自动识别人脸的目的。 在过去的十年里，人脸识别技术一直是图像处理领域里具有挑战性的课题，随着研究的深入，许多人脸检测及识别算法被提出来。其中基于主成分分析的Eigenface的算法及其变形已经成为测试人脸识别系统性能的基准算法；同时Adaboost人脸检测算法，在PC上基本可以达到实时，在嵌入式产品广泛应用的今天，只有让人脸识别算法在嵌入式平台上实现，才能获得更广阔的应用，本文研究了在嵌入式平台上Adaboost人脸检测算法的性能。 嵌入式是后PC时代的一个亮点，目前已经应用在社会生活的方方面面。嵌入式产品的开发平台分为包括很多，如：DSP，ARM，PowerPC等等。本文采用的ARM9作为嵌入式开发平台，研究人脸识别在ARM平台的性能，为实用的嵌入式人脸识别系统的设计提供参考。 本文从PC平台的软件实现入手，分别实现了PC平台下的AdaBoost人脸检测算法和PCA人脸识别算法,分析了现象及结果，接下来搭建了基于ARM嵌入式系统的硬件平台，对AdaBoost人脸检测算法进行了硬件平台的移植，并得出相应实验效果。
上传时间： 2013-05-31
上传用户：saharawalker
智能城市公交系统为解决城市交通拥堵、空气污染，降低交通事故提供了解决方案，并在世界各国达成广泛的共识。我国政府为改善城市公共交通系统投入了大量的财力对公交系统进行升级和改造，智能调度、自动报站、车辆监控等新技术应用于城市公交系统中。IEEE802.15.4/ZigBee标准的制定，不仅为工业控制、家居自动化控制和遥测遥控等领域提供了一种无线互联互通的标准，而且给智能公交系统带来了新的生机，为智能交通系统及相关产业的发展提供了有力的契机。 本文给出了IEEE802.15.4/ZigBee标准的介绍，给出了协议栈框架结构，从物理层到应用层进行了分析，并将ZigBee技术与其他无线通信技术做了比较，分析了ZigBee技术应用的场合。 在查阅大量参考文献的基础上，，设计了基于ZigBee技术的智能公交系统的框架结构，分析了始发站、中间站、终点站的功能，并尝试采用挪威Chipcon公司的ZigBee—CC2430无线模块来代替GPS技术实现公交车辆自动报站。 在始发站停车场监控系统中，重点研究ZigBee定位机制，研究了多边定位算法、几何算法、加权质心算法等，并改进现有的定位算法，并使用MATLAB工具进行仿真分析，实现了基于ZigBee技术的公交车定位系统；在中间站电子站牌设计中采用能量检测算法实现了与车载终端的通讯，编写了电子站牌和公交车载终端的通信协议并实地测试了自动报站功能。 最后设计了以Philips公司的ARM7芯片LPC2364为微处理器的智能公交车载终端，并给出了各部分的硬件电路设计。
上传时间： 2013-05-25
上传用户：561596
生物识别技术是根据人体自身所固有的生理特征或行为特征来进行身份识别。与传统识别方法相比，生物特征的身份识别技术不存在携带不便、丢失、遗忘等问题。虹膜识别以其精确度高、稳定性好、高独特性、非接触等特点作为一种新兴的生物识别技术使它受到国内外研究人员的重视。 近年虹膜识别理论的发展十分迅速，到目前为止已经有虹膜识别系统投入了商业应用，但大多数此类系统都需要PC作为运行平台而缺乏灵活性。但是嵌入式应用是虹膜识别技术走向实际应用的必然趋势。因此本文提出了一个利用DSP+ARM实现虹膜识别嵌入式应用的一个方案。本系统由6个模块组成：电源管理和监控、虹膜图像采集、虹膜图像处理(DSP)、存储器(SDRAM和FLASH)、人机交互(ARM)以及数据传输部分。 在硬件设计方面介绍了DSP的有关知识和DSP系统硬件设计的过程，讲解了DSP系统各硬件模块的设计与调试。在软件设计方面介绍了利用CCS开发的设计流程和调试经验并且对于如何固化代码使系统硬件自举进行详细阐述，另外还介绍了如何基于WINCE利用ARM系统进行人机界面快速开发。 最后，文章对未来工作方向进行了简要的说明。
上传时间： 2013-04-24
上传用户：hwl453472107
近年来智能家居系统飞速发展，但是大多数功能欠完善，同时成本高昂。针对这种情况，介绍了基于RS一485总线网络，以嵌人式系统作为主设备，传感器接人模块作为从设备的智能家居子网系统并给出了总体结构图和硬件
上传时间： 2013-06-09
上传用户：阿四AIR
数字识别系统源代码 使用说明 第一步：训练网络。使用训练样本进行训练。（此程序中也可以不训练，因为笔者已经将训练好的网络参数保存起来了，读者使用时可以直接识别） 第二步：识别。首先，打开图像（256色）；再次，进行归一化处理，点击“一次性处理”；最后，点击“R”或者使用菜单找到相应项来进行识别。识别的结果显示在屏幕上，同时也输出到文件result.txt中。 该系统的识别率一般情况下为90%。 此外，也可以单独对打开的图片一步一步进行图像预处理工作，但要注意，每一步工作只能执行一遍，而且要按顺序执行。 具体步骤为：“256色位图转为灰度图”－“灰度图二值化”－“去噪”－“倾斜校正”－“分割”－“标准化尺寸”－“紧缩重排”。 注意，待识别的图片要与win.dat和whi.dat位于同一目录，这两文件保存训练后网络的权值参数。
上传时间： 2013-06-25
上传用户：wzr0701
指纹识别是在指纹图像上找到指纹的特征，通过计算机模糊比较的方法，把两个指纹的特征模板进行比较，计算出它们的相似程度，最终得到两个指纹的匹配结果。本文对现已存在的多种指纹识别算法进行编程比较，并对细化算法提出改进。同时采用基于ARM7TDMI内核的32位处理器S3C44B0作为主控制器，半导体电容传感器FPS200作为指纹数据采集设备，构建了自动指纹识别系统。论文完成主要工作如下： 1、指纹采集模块的设计：根据FPS200的相关寄存器资源和管脚特性，完成指纹传感器FPS200的电路设计；研究FPS200主要寄存器的功能和图像采集方式，给出FPS200在三种工作方式下的工作流程，并且对三种工作模式进行分析。 2、指纹识别算法研究：通过对现已存在的多种图像预处理算法进行编程实现和对比研究发现，细化后的图像多存在短线、断线、毛刺等干扰以及细化不彻底的现象，为此提出了新的修复算法：分析目标点周围纹线的走向趋势，选择去除或者保留周围的相连点，较好地解决了细化不彻底的问题；再对细化后的图像采用方形模板进行纹线跟踪，去除伪特征点，克服了逐步递进的纹线跟踪算法过于复杂、不易实现等问题。 3、采用Sansung公司基于ARM7TDMI内核的32位RISC处理器S3C44B0，构建了自动指纹识别系统。该系统主要包括电源管理部分、指纹图像采集模块、存储器模块、JTAG调试接口以及与外设连接的串行接口。硬件部分主要完成指纹采集模块接口的设计与开发，软件部分主要完成指纹图像采集程序、指纹识别算法程序和串口通信程序的开发，此外还通过串口实现指纹数据上传到上位机，在VB环境下实现了简易的人机交互软件，提供指纹图像的直观显示，用于对指纹识别程序进行测试，并对测试结果进行了分析。
上传时间： 2013-05-22
上传用户：Andy123456
语音识别是通过识别和理解过程把人类的语音信号转变为文本或命令的技术。近年来语音识别技术由于其重要性和研究难度成为研究的热点。随着嵌入式的发展，嵌入式语音识别技术成为语音识别领域发展的新的重要方向。 在此背景下，本课题进行基于ARM的嵌入式语音识别系统的研究。论文分别从理论分析、系统硬件平台的总体设计、系统软件的分析定制等方面，对语音识别在ARM上的应用做了研究。 1、在理论上，详细介绍了语音识别的发展历史与研究现状；具体阐述语音识别技术的基本原理和主要研究方法，并推导了语音识别技术中最常用到的两种算法DTW和HMM的数学模型，为进一步的语音识别研究打下基础。 2、在硬件平台方面，本文分析设计了语音识别系统的总体方案，主要包括以下三部分：语音识别系统的控制部分、语音的输入输出部分以及语音程序的存储部分；文中详细介绍了各部分的作用以及它们之间的连接方式，此外根据实际需要，选择确定了语音芯片等外围电路芯片的型号并扩展了外围电路。 3、在系统软件选择定制方面，不仅要求各部分自身功能完善，能够满足本课题的需求，而且要求各部分相互之间满足一定的兼容性，即定制的系统具有稳定性，可以有效的工作。考虑到以上的因素，本课题针对特定的语音识别系统的需求，对交叉编译环境、U-boot、内核、根文件系统等均进行了量身定制。最终选用Crosstool来制作专门编译Linux-2.6.22.6的交叉编译工具；选用比较稳定的支持tftp下载的u-boot-1.2.0作为引导程序；选用Linux-2.6.22.6作为嵌入式操作系统内核，并对其进行剪裁定制，特别是增加了UDA1341TS音频驱动和网卡驱动部分；选用了带有mdev功能的busybox-1.9.1来制作根文件系统。 在以上三方面的基础上，本课题对语音识别程序系统进行了实验研究。实验包括音频驱动、语音录制、语音训练、语音识别程序的编译以及语音识别等程序在ARM上的移植。 最后，本论文采用DTW模型，完成了语音模板的训练和语音识别的任务。经过实验测试，该系统有效完成了预期的语音识别任务。
上传时间： 2013-05-30
上传用户：wsx123
