刘金浩，孙冬梅

（北京交通大学计算机与信息技术学院，北京100044）

随着移动信息时代已经到来，智能手机等移动通信设备已经在日常生活中普及，在移动设备介入人们生活的方方面面的同时，也加大了移动设备被不法分子攻破时所带来的风险。而基于生物特征识别的认证方式，例如掌纹，指纹和虹膜，因其具有唯一性，持久性和不可忘记性，克服了传统认证方式的缺陷，成为一项极具竞争力的技术。其中，掌纹区域较大因而不需要很高的图像分辨率，使用一般移动设备上所配备的摄像头便可满足需求，使得掌纹识别在移动平台上的应用具有先天优势。

在之前的掌纹识别系统中，掌纹ROI定位方法[1-7]一般分为3步：

1）对图像进行二值化处理；

2）提取手掌区域边缘；

3）利用形态学方法定位指间谷点并根据指间谷点定位感兴趣区。

但在使用移动设备采集掌纹图像时由于光照以及背景复杂，很难比较稳定的提取到准确的手掌区域边缘并影响最终掌纹ROI的定位精度。另一方面，由于移动设备具有存储空间稀缺，计算能力相对较弱的特点，一些已经在人脸分割领域十分成熟但需要较大运算能力的算法，例如AAM[8]、CLM[9]等在移动设备上运算速度较慢，不适宜移植到移动平台上。

因此，文中提出一种基于移动设备的掌纹ROI定位算法，该算法利用Haar随机森林回归投票[10]算法学习谷点附近纹理特征，并综合考虑谷点附近形态学特征，从而定位指间谷点并获得最终的掌纹ROI区域，在移动设备上保持较快运算速度的同时获得提高定位的准确度。……