基于掌纹识别和LIN总线的汽车门锁控制系统研发

发布时间：2020-09-26 20:51

　　随着国民经济的快速发展和人民生活水平的不断提高,汽车用户数量激增,汽车防盗问题也越来越受到重视。为了提高汽车的防盗性能,本文提出了一种新型汽车门锁控制系统,该系统将掌纹识别技术结合LIN总线网络对汽车门锁进行控制;其中通过主节点控制器和从节点控制器完成LIN网络数据通信,实现对汽车门锁系统控制;设计掌纹识别模块进行掌纹特征数据匹配;匹配结果经从节点控制器接收,转成LIN帧格式,传送至总线,主节点控制器接收分析,发送命令,完成门锁控制。系统有效提高了汽车的防盗性、安全性和灵活性,对预防汽车盗窃有一定实用和经济价值。首先,本文进行了掌纹识别算法研究。针对系统工作时光照、手掌位置、采集设备等因素会影响掌纹识别率和传统稀疏重构方法计算复杂度高的问题,提出了基于双向二维主成分分析法((2D)~2PCA)和压缩感知的掌纹识别方法。该方法采用(2D)~2PCA对掌纹图像行、列两方向降维,提取特征矩阵后做为压缩感知算法过备字典。为求解过备字典的稀疏表示,本文提出改进型正交匹配追踪算法(OMP),得到稀疏重构图像,求得测试图像与重构图像最小残差,比较残差完成识别。通过实验验证,该方法可以有效降低掌纹识别计算复杂度和时间,在光照和手掌位置变化时,可以得到较高的掌纹识别率。其次,本文对系统实现进行了初步设计,包括系统硬件设计和软件设计,并对系统进行了测试工作。在硬件设计部分,包括了系统的LIN节点设计、系统处理器选型、存储部分设计、图像采集设计和系统局部电路设计。在软件设计部分,包括了系统LIN网络模块软件工作流程设计和掌纹识别模块软件设计。在最后系统测试中,进行了系统掌纹识别模块硬件调试和通信测试,验证系统具有可行性。最后,本文对系统已做研究工作进行了总结,对下一步研究工作提出了展望。
【学位单位】：浙江科技学院
【学位级别】：硕士
【学位年份】：2018
【中图分类】：U463.854
【部分图文】：

掌纹,香港理工大学,数据库,数据

浙江科技学院硕士学位论文第 2 章基于双向二维主成分分析法与压缩感知的掌纹识别方法研究观察公式（2-16），看出 x 与 y 的相似度与两者间距离成反比。于是比较残差与次小残差，相差结果最小残差值就是对应的类别的同类训练样本[53][54][55]。2.4 实验结果及分析本实验采用香港理工大学掌纹数据库，该数据库库中包含 600 幅掌纹灰度图像，由 100 人每人 6 幅组成。实验中，将掌纹库平均成训练样本和测试样本两个部分，每人以 3 个样本作为训练样本，3 个样本作为测试样本。图像原始分辨率为 128 128，存在光照位置的局部变化[56]。如图 2-3 为香港理工大学掌纹数据库部分数据。

掌纹图像,感兴趣区域,预处理,数据库

17图 2-4 数据库掌纹图像预处理后掌纹感兴趣区域实验中本文编程语言选择 MATLAB，实验环境为 Windows 10（Inte5500CPU@2.40GHZ）。测试所用部分程序如图 2-5 所示。

部分程序,识别时间,识别率

图 2-5 测试所用部分程序为了突出实验的比较性，在实验中，采用图像特征空间维数、识别率和识别所需时间关系来展现基于(2D)2PCA 和压缩感知的掌纹识别方法的特性。在实验一中，选择 PCA 和(2D)2PCA 方法将高维训练样本降至不同维数特征空间，然后采用 OMP 方法进行识别率和识别时间比较；实验二为在实验一的基础上，采用(2D)2PCA 方法降维特征矩阵后使用 OMP 和改进 OMP 方法的识别率和识别时间比较。（1）实验一在 PCA 和(2D)2PCA 降维方法下识别率和识别时间比较在实验中，PCA 方法将原掌纹图像按行堆叠成一个列向量后降维；(2D)2PCA方法对图像双向投影后进行降维处理，得到所需特征矩阵。表 2-1 表示掌纹图像在 PCA 和(2D)2PCA 降维方法下使用 OMP 方法识别率和识别时间比较。分析表 2-1 中数据，通过比较 PCA 和(2D)2PCA 方法，得出的结论是：①采

【参考文献】