刘雪微，王 磊，章 强，王继帅，李选普

(1.哈尔滨工业大学(威海)信息科学与工程学院 山东 威海 264209；2.中国科学院 苏州生物医学工程技术研究所 江苏 苏州 215163；3.中南大学 自动化学院 湖南 长沙 410083)

0 引言

随着社会的飞速发展，生物特征识别技术作为身份辨认的重要支撑技术逐渐发展起来，除了已经大规模进入市场使用的人脸识别和指纹识别技术，基于掌纹图像识别的生物特征识别研究正在兴起。掌纹识别技术的发展可以解决人脸识别依赖采集环境以及指纹识别无法全面覆盖等问题，为身份识别提供了更加适用于市场的方法。掌纹识别的核心在于提取特征，文献[1]利用形态学算子结合递归过程的两级提取方法提取掌纹线；文献[2]对Hilditch算法进行细化，采用边缘跟踪的方法去除细枝和短线；文献[3]提出基于改进有限Radon变换(MFRAT)的主线提取算法。这些算法主要针对掌纹线进行提取，而对掌纹特征提取不够全面。近年来，随着深度学习的发展，文献[4]利用深度学习中的卷积神经网络(CNN)对掌纹进行识别，在部分公开掌纹数据库中可达到99%以上的识别率，且不同CNN的识别效果有较大差别。此外，在自然光下所能提取的掌纹特征有限，且皮肤在不同波长光的照射下所反映的信息是不同的[5]。因此，本文提出一种基于CNN的多光谱掌纹识别方法，使用ResNet-18网络进行特征提取，并将融合后的特征送入SVM分类器，提高了掌纹识别的准确率。

1 相关工作

掌纹识别主要对手指末端到手腕部分的手掌图像进行特征提取及分析，因为掌纹采集设备采集的图片是整张手掌的图片，所以在特征提取前要进行感兴趣区域(ROI)的提取。……