为什么要做掌纹识别？

前几天听了学校的一场博士论文答辩，其中一个师兄是用GAN网络做多模态掌纹建模，老师提问的时候就问到了为什么要做掌纹识别，毕竟像现在的指纹识别，虹膜识别已经比较成熟了。其实自己一直也对这个问题比较好奇，以前听周杰老师讲座的时候，周杰老师也分享了很多关于掌纹识别的一些工作，然后后面自己就去查了一下掌纹识别的一些资料，在这里总结和大家分享一下，不一定特别准确，只是作为一个参考。

掌纹识别的定义

掌纹识别是用掌纹特征（包括人眼可见的或不可见的）来进行身份鉴别的方法 。 其中掌纹特征包括主线 、皱褶 、乳突纹 、细节点和三角点等等
　

掌纹基本特征

• 几何特征（geometrical feature）：这是反映手掌几何形状的特征 ，如手掌的宽度和长度等 。
• 主线特征（principal palm-lines）：主线是手掌上最强最粗的几条线 。 大多数手掌上有三条主线 ，分别称为生命线 、感情线和智慧线 。
• 皱褶特征（w rinkles）：除了主线外 ，手掌上还有很多皱褶线 ，一般来说这些线要比主线细 、浅 ，并且很不规则 。
• 细节点特征（minutiae）：由于手掌上布满了和指纹一样的乳突纹 ，所以和指纹识别一样 ，在手掌上也可提取这些乳突纹的细节点特征 。
• 三角点特征（delta points）：三角点是乳突纹在手掌上形成的三角区域的中心点 。 这些三角区域位于指根的下面以及中指下方靠近手腕的位置 。
  严格地说 ，在这些特征中 ，几何特征不属于掌纹特征 ，而属于手形特征 ，这种特征简单 ，但唯一性很难满足 ，即具有相同几何特征的手掌较多 ，很难在身份辨识中获得高的识别精度 ；并且手掌的几何特征比较容易通过制作手掌模型的方法来伪造 。三角点和细节点是乳突纹形成的特征 ，只有在高分辨率 、高质量的图像中才能提取出来 。掌纹线（palm-lines） ，包括主线和皱褶 ，可以从较低分辨率 、较低质量的图像中提取出来 ，并且很稳定 ，是掌纹识别中用到的重要特征之一 。以上这些都是掌纹的基本特征 ，由这些基本特征还可以形成很多其他的特征 ，如可以由乳突纹 、皱褶和主线共同形成掌纹纹理特征（textural featu res）等 。

掌纹识别的步骤

基本的掌纹识别流程包括: 采集掌纹图像、建立数据库、图像预处理、特征提取和匹配． 主要流程如下图所示． 图像采集过程要求充分仿真实际场景． 预处理过程主要是提取 ＲOI（ Region Of Interest 感兴趣区），常用算法为参考坐标系算法． 特征提取从全局或局部范围提取特征． 匹配过程基于某个预先确定的匹配准则匹配测试样本与其它样本。

掌纹识别的优势

• 准确度较高，具有主线、皱纹、脊末梢、分叉点等辨识度高的纹理特征;
• 掌纹图像采集十分便捷，即使手机分辨率较低也可轻易采集（这个其实我觉得有待商榷，需要采集到高质量的掌纹图像对设备的要求还挺高的，像答辩的那个师兄做的其中一个工作就是低质量的掌纹的识别，掌纹好就好在它特征点多，所以高质量的指纹大小的掌纹就可以做好识别）;
• 掌纹识别稳定可靠，掌纹的形态主要由遗传基因控制，即使特殊原因导致表皮剥落，新生的纹路依然保持原有不变的结构． 所以，掌纹特征识别具有纹理特征丰富、用户易于接受、安全稳定性较高等优点
• 识别速度快，目前，人脸识别、指纹识别等技术加持下的移动支付耗时处在秒级水平，而一些掌纹识别技术则可以在仅仅300毫秒的时间内验证个人身份并完成支付。
• 相比于传统手部生物识别技术——指纹识别，掌纹识别可以做到不需要使用者将手放在扫描设备上，只需挥手扫描，无需接触。
• 对于识别正确率而言，掌纹识别对比现在流行的人脸识别也具有相当大的优势。根据报道，这项技术的故障率在0.0001%左右，研究者们正在努力将这一故障率提高至0.000001%。另外，现在流行的指纹识别、人脸识别等生物识别技术，都出现过安全性问题。例如指纹识别可以被指纹膜成功欺骗，未辅以强大活体检测功能的人脸识别系统也可以被3D打印面具欺骗的情况。
• 就人脸识别技术而言，其应用在国外颇具争议，被认为具有侵犯性。同时，其对于有色人种的人脸识别正确率会大幅降低，因此无法展开大规模应用，旧金山的城市监管会就曾禁止这一技术的使用。但在国内而言，不存在类似的政策和技术问题，因此人脸识别得以获得大规模的应用。在人脸识别大规模顺利应用的情况下，移动支付和安全防范领域并没有引入新型生物识别技术的动机。

主要应用领域

• 高端门禁：国家机关、企事业单位、科研机构、高档住宅楼、银行金库、保险柜、枪械库、档案库、核电站、机场、军事基地、保密部门、计算机房等的出入控制。
• 公安刑侦：流动人口管理、出入境管理、身份证管理、驾驶执照管理、嫌疑犯排查、抓逃、寻找失踪儿童、司法证据等（这个也是师兄在答辩时重点提到的一个，刑侦现场很多只是留下小块的掌纹，比如犯罪嫌疑人握着刀柄）。
• 医疗社保：献血人员身份确认、社会福利领取人员、劳保人员身份确认等。
• 网络安全：电子商务、网络访问、电脑登录等。
• 其它应用：考勤、考试人员身份确认、信息安全等。

近期美国专利与商标局也公布了亚马逊最新专利申请，一种非接触式扫描系统，可通过扫描手掌特征(包括掌纹和静脉)来识用户身份。目前，亚马逊公司已获得了“非接触式扫描系统”的专利，并将其手掌识别技术代号确定为Orville。同时，该系统已经在美国whole foods商超、Amazon Go便利店进行测试，在进入商店时顾客需要扫描手掌，结束购物时在配备扫描仪的收银机上再次扫描手掌来结账。亚马逊在其试运行的便利店打出了“No Line, Just Walk Out”（无需排队结账）标语。其实也说明了掌纹识别的某一方面的优越性，不然商家是不会将其落地去做的。

参考文献

掌纹识别技术Palmprint Recognition书籍 邬向前 张大鹏 王宽全 著
钟德星,朱劲松,杜学峰.掌纹识别研究进展综述[J].模式识别与人工智能,2019,32(05):436-445.