生物识别技术是一种在无须携带身份证、智能卡或密码的情况下，能根据人体自身的生理特征来识别个人身份的技术，主要包括手形识别、指纹识别、表情识别和虹膜识别等。指纹识别作为其中最具实用性的技术之一，具有唯一性和不可丢失性的特点，已广泛应用于公安、银行、考试、考勤等身份鉴别系统。
现有的指纹识别系统研究和设计工作主要有：设计了手指静脉认证采集系统，将整个系统分为静脉图像采集模块和系统控制模块。设计了一种基于ARM7微控制器芯片LPC2106为核心的自动指纹识别系统，对电路结构进行了描述，通过运行嵌入式图像拼接算法实现指纹识别。设计了基于TMS320VC5501的处理器，并以HV713R为图像采集器件控制输入，在嵌入式操作系统DSP/BIOS上进行了多任务设计。以S3C2410为微控制器，TMS320VC5416为指纹图像数据处理模块，对接口电路和主基金项目：浙江省自然科学基金资助项目（LY13F020006）。
术方向的研究。控制器、采集器软件均进行了设计。设计了S3C2410和HB7121B的指纹识别系统，给出了相应的硬件设计，对指纹识别器进行了软件设计。
上述工作具有重要意义，但均存在着识别率不高的问题，因此，本文在上述工作的基础上设计了个基于TMS320VC5402的嵌入式指纹采集和识别系统，。
从可以看出，本系统的工作主要包含指纹图像采集模块、数字信号处理单元DLP、程序与数据存储部分、全局逻辑控制部分CPLD以及数据通讯部分USB. 12指纹传感器FPS200指纹图像采集模块采用FPS200，FPS200是一个高性能、低功耗和低成本的电容性传感器，同时具有较强的图象搜索功能，通过改变电容阵列的参数值可在1s以内扫描多幅指纹图象并自动选择最好的一幅图像。
FPS200是可编程的传感显示器，它所具有的强大功能是通过内部寄存器设置完成的。由于列地址最大为256，所以，FPS200只有一个列开始寄存器CAL和一个列结束寄存器CEL.另外，THR用于在自动检测指纹时设置门限电压。PGC用于在A/D转换时设置放大器的增益。
3数据信号处理单元和DLP数据信号处理单元采用TMS320VC5402，它采用16位定点DLP和改进的哈佛结构，具有高度并行性的算术逻辑单元ALU，含有4K字ROM和两个16K字的DARAM（双寻址RAM），通过工作方式寄存器PMST寄存器中的状态位：MP/MC位、OVLY位、DROM位来决定“使能”和“禁止”程序和数据空间中的这些片内存储器，具有快速的中断处理和硬件I/O支持，具有3种读写控制信号，即MSTRB、IOSTRB和R/W，其中，MSTRB为外部存储器选通信号，IOSTRB为I/O设备选通信号，R/W为读写信号。
DLP的BootLoader在RESET时，若MC/MP=0，则执行VC5402片内ROM程序，完成BootLoader功能。若MC/MP=1，则从外部程序存储器的FF80H开始执行，该位置有个分支指令，用来启动引导模式。
4全局逻辑控制单元CPLD采用MAX7128作为全局逻辑控制单元，MAX7000有32 256个宏单元和独立编程时钟，具有独立的组合逻辑和时序逻辑函数，可编程檫除100次，其电路图如所示。
5数据通讯单元USB采用南京沁恒电子有限公司研发的CH375设计实现USB通讯电路。CH375是一个USB总线的通用接口显示，支持USB―HOST主机方式和USB―DEVICE/SLAVE设备方式。CH375的配套软件提供了简洁易用的操作接口，与本地端的DLP通讯读写文件dCH375内置了USB通讯中的底层协议，具有内置固件模式和灵活的外置固件模式d在内置固件模式下，CH375自动处理默认端点0的所有事务，本地端DLP只要负责数据交换，其硬件电路设计如所示。
2基于Delaunay网格的指纹识别算法Z1软件描述和DT网格本文指纹识别系统工作的原理为：控制器控制指纹传感器进行指纹数据采集来实现的。通过半导体指纹传感器采集到指纹数据后，传入微处理器进行数据的预处理，将处理好的指纹数据上传给上位机进行最终的识别，在上位机上运行指纹识别算法进行最终的指纹识别。
传统的指纹识别算法主要可以分为两类：即基于指纹脊线结构或细节点的图形匹配算法和基于人工神经网络的训练方法。基于指纹脊线结构的指纹识别方法需要存储的大量脊线信息，具有较大的存储和计算开销；基于细节点的识别方法的识别精度极大程度依赖于指纹图像局部结构中的特征点选取；基于人工神经网络的方法需要对大量样本进行训练，而指纹识别需要在线匹配，因此识别效率较低。
DT（delaunaytriangulation）网格是一种将全局和局部匹配相结合的方法，具有空外接圆和最大的最小角度性质，能充分利用细节点的角度和位置信息以及指纹的结构信息，具有识别效率和精度高的优点，能克服上述传统方法的不足，因此，本文设计了一种基于DT网格的指纹识别算法，首先构造覆盖指纹细节点的DT网格，然后对网格进行结构匹配寻求基准点，利用基准点对指纹图像进行姿势纠正；最后，通过计算待识别指纹与相似指纹的点模式匹配程度来确定是否是同一指纹，进而进行识别。
22细节点DT网格构造基于指纹图像细节点的DT网格构造过程可以描述为：指纹数据预处理。从指纹图像中随机提取若干细节点，并根据细节点坐标确定能包含所有细节点的最大最小盒，对该盒进行矩形划分得到均匀网格，使得每个细节点均对应了一个坐标。
生成DT网格的边。选择位于网格中心处的细节点，配，否则不匹配，具体过程可以描述如下：选取模板指纹图像中相似三角形的任意一个点，初始化匹配点数为0，在待识别图像的较小范围内寻找与之对应的点：如果寻找到并且两点纹线相差较小，则两点匹配，将匹配特征点数加1；否则，模板指纹图像和待识别指纹图像匹配失败；重复步骤1）直到模板图像中相似三角形的每个点均已和待识别指纹图像匹配完成为止；其中：r为指纹的图像匹配率，2P为模板指纹图像与待识别图像匹配的点数，N为模板指纹图像的点数，M为待识别指纹图像的点数。
对模板指纹图像与待识别图像匹配的所有相似三角形重复步骤1）3）将得到的最大匹配率作为最终的匹配率。
如果最终匹配率大于阈值4，则匹配成功，待识别指纹为匹配指纹，否则匹配失败，模板库中无此指纹。
3系统测试采用FVC2004测试数据库在上位机上进行系统测试，FVC2004包含4个数据库DB1―DB4，在每个数据库上分别取出15枚指纹，每枚指纹分别有8幅图像参加测试，并计算其误识率拒识率正确率Ci，其中，被定义为不该被识别但却被识别出来的比率，被定义为本该被识别但是却没有被识别出来的比率，Ci表示正确识别的比率，测试结果如表1所示。
表1指纹匹配结果从表1可以看出，文中方法能较为精确地实现指纹识别，具有较高的识别率，平均正确识别率高达981%.为了进一步证明文中方法设计的优越性，将文中方法与进行比较，计算每个样本与该手指对应的其它样本未能匹配的比率即FNMR以及每个手指的第一个样本与其他手从表2中可以看出，文中方法具有较低的FNMR和FMR值，较的指纹识别方法分别低1. 13%和1.67，同时仿真时间减少29%，结果表明文中方法能在保持较为精确的匹配率的同时，具有较少的匹配时间，因此，文中方法具有较大的优越性。
4结论指纹识别系统是目前最为流行、方便和可靠性高的个人身份认证技术，为此，本文设计并实现了个高速、高效、低功耗的指纹识别系统，首先对该系统的硬件组成进行了设计，然后从细节点DT网格构造、识别点获取、待识别指纹姿势校正和指纹匹配四个阶段对指纹识别过程进行了描述。通过系统测试表明文中设计的系统能实现指纹数据的采集和指纹识别，并具有较高的正确识别率。