CN109145791A - 一种基于移动端非接触式指掌识别方法及系统 - Google Patents

Abstract

本发明适用于生物特征识别技术改进领域，提供了一种基于移动端非接触式指掌识别方法，包括以下步骤：S1、移动端调取摄像头对预识别手掌进行拍照；S2、对拍摄的预识别手掌图像进行手掌特征提取；S3、将提取的预识别手掌的特征与数据库中的存储手掌的特征进行匹配判断；采用指节折痕和掌纹层级识别，提高掌纹单一生物特征识别的稳定性和鲁棒性。采用非接触式采集方式，且将掌纹运用移动端。

Description

一种基于移动端非接触式指掌识别方法及系统

技术领域

本发明属于生物特征识别技术改进领域，尤其涉及一种基于移动端非接触式指掌识别方法及系统。

背景技术

当今信息时代，人体生物特征识别技术作为一种强有力的保护个人身份信息及物质财务的方法，广泛应用于安防、教育、医疗、金融支付和军事等各个领域。所谓生物识别技术是指人体的生理特性或行为特征，例如：生理特性：指纹、掌纹、人脸等，行为特征：声音、步态、手写签字等，作为人的个性生物特征来识别人身份的一种技术。较之传统身份认证方法（例如钥匙、身份证、密码等），生物特征具有特征稳定、较难伪造、不易丢失且使用快捷方便等特性。

在众多的生物特征中，指纹被认为是最受欢迎和公认最有效的特征，它的缺点是手指皮肤易发生变化（例如干裂和湿润），且指纹容易获取和仿制。人脸识别是目前研究最为火热的特征，它的缺点是容易收到环境、光照条件影响，且人脸特征容易变化，不够稳定（例如化妆、整容等）。声纹语音识别极易受到环境噪声影响，且人的声音也会被情绪，年龄，身体状况所影响。虹膜识别用户接受性较低，且设备比较昂贵。为了解决以上的缺点，通常采用包括各种生物特征在内的多种信息融合的身份识别。

多模态生物特征识别技术，是综合利用人的多种生物特征进行身份识别的新兴的生物特征识别技术。基于多模态生物特征识别技术的身份识别系统在抗噪性、普适性、抗假冒攻击、抑制大库衰减等多方面性能上均优于单一模态生物特征识别系统。多模态特征组合的多样性以及融合策略与算法的丰富性，克服了单模态的一些不足，从而能够实现更为鲁棒的身份识别系统。

多模态生物特征识别的研究始于1995年，Brunelli和Falavigna提出基于语音与人脸特征的双模态生物特征识别系统。之后，涌现出许多新的融合系统，例如：指纹+声纹，人脸+步态，声纹+唇动，人脸+虹膜，掌纹+手型等双模态生物特征融合系统。多模态生物特征识别技术已经成为生物特征识别领域的一个热门研究方向。

基于手部特征的多模态生物特征识别技术的发展，手部图像具有同时存在多种生物特征的独特优势，例如Kumar等人提出融合掌纹与手形特征；Ribaric等人验证掌纹与手形、掌纹与手指纹理融合的有效性；以及指纹和手背静脉进行了融合；手形、掌纹和掌静脉特征进行融合识别。目前，只是提出一些新的思路和融合策略，还没有形成系统的理论和成熟的方法。

发明内容

本发明的目的在于提供一种基于移动端非接触式指掌识别方法，旨在解决非接触式手部单模态识别准确率低和手掌识别不能在移动端应用的技术问题。

本发明是这样实现的，一种基于移动端非接触式指掌识别方法，所述基于移动端非接触式指掌识别方法包括以下步骤：

S1、移动端调取摄像头对预识别手掌进行拍照；

S2、对拍摄的预识别手掌图像进行手掌特征提取；

S3、将提取的预识别手掌的特征与数据库中的存储手掌的特征进行匹配判断，如匹配，则身份认证成功，如不匹配，则身份认证失败。

本发明的进一步技术方案是：所述步骤S2中还包括以下步骤：

S21对拍摄的预识别手掌图像采用肤色检测和最大连通域去除背景噪声，并且利用形态学对手掌进行预处理；

S22、对处理后的预识别手掌图像进行掌纹感兴趣区域特征提取和指节折痕特征提取。

本发明的进一步技术方案是：所述步骤S22还包括以下步骤：

S221、对去除背景的预识别手掌图像进行二值化处理和高斯滤波处理，并通过Harris角点检测确定食指和中指间的谷点A、无名指和小拇指间的谷点B；

S222、连结谷点A和谷点B，作AB的中垂线交于点C，从A点沿中垂线方向取线段AB的三分之一距离处为a，从a点沿AB方向取距离128处为b，从b点沿中垂线方向取距离128处为c，从a点沿中垂线方向取距离128处为d，将点abcd依次连接形成掌纹感兴趣区域并提取掌纹感兴趣区域特征；

S223、对手掌二值化图判断第一次连续白色区域是否超过一半，如是则分割出四个手指区域，并对灰度直方图求谷点坐标分割出食指、中指及无名指；

S224、在分割手指图像中，确定灰度直方图中中间且连续的谷点为手指第二指节折痕处，分割出指节折痕感兴趣区域并提取指节折痕感兴趣区域特征。

本发明的进一步技术方案是：所述步骤S3中还包括以下步骤;

S31、将提取的预识别手掌的指节折痕感兴趣区域特征与数据库中手掌的指节折痕感兴趣区域特征比对是否匹配，如是，则身份认证成功，如否，则身份认证失败并执行下一步；

S32、将提取的预识别手掌的掌纹感兴趣区域特征与数据库中手掌的掌纹感兴趣区域特征比对是否匹配，如是，则身份认证成功，如否，则身份认证失败。

本发明的进一步技术方案是：所述步骤S1之前还包括以下步骤：

S01，通过拍照设备对手掌进行拍照；

S02对手掌照片是否合格进行判断，如合格，则将照片保存到数据库，根据照片提取手掌的指节折痕感兴趣区域特征和掌纹感兴趣区域特征并保存在数据库中，数据库中同一手掌的照片、指节折痕感兴趣区域特征和掌纹感兴趣区域特征进行链接并生成索引编号，如不合格，则返回步骤S01。

本发明的另一目的在于提供一种基于移动端非接触式指掌识别系统，所述基于移动端非接触式指掌识别系统包括：

图像摄取模块；用于移动端调取摄像头对预识别手掌进行拍照；

特征提取模块，用于对拍摄的预识别手掌图像进行手掌特征提取；

匹配认证模块，用于将提取的预识别手掌的特征与数据库中的存储手掌的特征进行匹配判断，如匹配，则身份认证成功，如不匹配，则身份认证失败。

本发明的进一步技术方案是：所述特征提取模块中还包括：

预处理去噪单元，用于对拍摄的预识别手掌图像采用肤色检测和最大连通域去除背景噪声，并且利用形态学对手掌进行预处理；

特征提取单元，用于对处理后的预识别手掌图像进行掌纹感兴趣区域特征提取和指节折痕特征提取。

本发明的进一步技术方案是：所述特征提取单元还包括以下步骤：

谷点生成子单元，用于对去除背景的预识别手掌图像进行二值化处理和高斯滤波处理，并通过Harris角点检测确定食指和中指间的谷点A、无名指和小拇指间的谷点B；

掌纹特征提取子单元，用于连结谷点A和谷点B，作AB的中垂线交于点C，从A点沿中垂线方向取线段AB的三分之一距离处为a，从a点沿AB方向取距离128处为b，从b点沿中垂线方向取距离128处为c，从a点沿中垂线方向取距离128处为d，将点abcd依次连接形成掌纹感兴趣区域并提取掌纹感兴趣区域特征；

区域判断子单元，用于对手掌二值化图判断第一次连续白色区域是否超过一半，如是则分割出四个手指区域，并对灰度直方图求谷点坐标分割出食指、中指及无名指；

指节折痕特征提取子单元，用于在分割手指图像中，确定灰度直方图中中间且连续的谷点为手指第二指节折痕处，分割出指节折痕感兴趣区域并提取指节折痕感兴趣区域特征。

本发明的进一步技术方案是：所述匹配认证模块还包括以下步骤;

指节折痕认证单元，用于将提取的预识别手掌的指节折痕感兴趣区域特征与数据库中手掌的指节折痕感兴趣区域特征比对是否匹配，如是，则身份认证成功，如否，则身份认证失败并执行掌纹认证单元；

掌纹认证单元，用于将提取的预识别手掌的掌纹感兴趣区域特征与数据库中手掌的掌纹感兴趣区域特征比对是否匹配，如是，则身份认证成功，如否，则身份认证失败。

本发明的进一步技术方案是：所述图像摄取模块之前还包括：

采样拍照模块，用于通过拍照设备对手掌进行拍照；

判断保存索引模块，用于对手掌照片是否合格进行判断，如合格，则将照片保存到数据库，根据照片提取手掌的指节折痕感兴趣区域特征和掌纹感兴趣区域特征并保存在数据库中，数据库中同一手掌的照片、指节折痕感兴趣区域特征和掌纹感兴趣区域特征进行链接并生成索引编号，如不合格，则返回采样拍照模块。

本发明的有益效果是：采用指节折痕和掌纹层级识别，提高掌纹单一生物特征识别的稳定性和鲁棒性。采用非接触式采集方式，且将掌纹运用移动端。非接触式采集手掌图像，克服潜在掌纹遗留问题，克服由于手掌出汗、污渍而无法在接触式系统上的识别问题；传统的掌纹识别的运用几乎都是接触式嵌入式系统，将掌纹识别运用于手机移动端；在掌纹感兴趣区域的定位中，采用指节折痕和关键点进行定位，增加了掌纹定位的准确性和鲁棒性，为后续的识别工作增加了稳定性。

附图说明

图1是本发明实施例提供的系统架构图。

图2是本发明实施例提供的方法流程图。

图3是本发明实施例提供的提取掌纹感兴趣区域示意图。

图4是本发明实施例提供的提取指节折痕感兴趣区域示意图。

具体实施方式

如图1所示，本发明提供的基于移动端非接触式指掌识别方法的流程图，其详述如下：

步骤S01，通过拍照设备对手掌进行拍照；对预建立手掌识别身份认证的，要通过拍照和摄像设备，对每个人的手掌进行拍照采集图像。

步骤S02，对采集的手掌图像是否合格进行判断，如合格，则将照片保存到数据库，根据照片提取手掌的指节折痕感兴趣区域特征和掌纹感兴趣区域特征并保存在数据库中，数据库中同一手掌的照片、指节折痕感兴趣区域特征和掌纹感兴趣区域特征进行链接并生成索引编号，如不合格，则返回步骤S01。

步骤S1，移动端调取摄像头对预识别手掌进行拍照；每次拍摄完成会预览手掌图像，若图像不清晰，用户可选择删除重新拍摄，直到图像符合为止。

步骤S2，对拍摄的预识别手掌图像进行手掌特征提取；对拍摄的手掌图像采用肤色检测和最大连通域去除背景噪声，利用形态学对手掌图像进行处理，其中，肤色检测在不同光照条件下的肤色的RGB值符合R>G>B，肤色的聚类结构简单而稳定；最大连通域在二值图像中具有相同像素值且位置相邻的像素点组成的最大图像区域；形态学：腐蚀能够消融物体的边界、膨胀使物体的边界扩大、开运算是先腐蚀后膨胀、闭运算是先膨胀后腐蚀。对去除背景的手掌图像进行二值化、高斯滤波，然后通过Harris角点检测确定食指和中指间的谷点、无名指和小拇指间的谷点，建立坐标系，其中，二值化处理是将图像上的像素点的灰度值设置为0或255，呈现明显的黑白效果；高斯滤波器是一种线性平滑滤波器，其滤波器的模板是对二维高斯函数离散得到。由于高斯模板的中心值最大，四周逐渐减小，其滤波后的结果相对于均值滤波器来说更好。高斯滤波器最重要的参数就是高斯分布的标准差σ，标准差和高斯滤波器的平滑能力有很大的能力，σ越大，高斯滤波器的频带就较宽，对图像的平滑程度就越好。通过调节σ参数，可以平衡对图像的噪声的抑制和对图像的模糊；Harris角点检测是人眼对角点的识别通常是在一个局部的小区域或小窗口完成的。如果在各个方向上移动这个特征的小窗口，窗口内区域的灰度发生了较大的变化，那么就认为在窗口内遇到了角点。如果这个特定的窗口在图像各个方向上移动时，窗口内图像的灰度没有发生变化，那么窗口内就不存在角点；如果窗口在某一个方向移动时，窗口内图像的灰度发生了较大的变化，而在另一些方向上没有发生变化，那么，窗口内的图像可能就是一条直线的线段。Harris采用了一个较为平滑的高斯窗口，其对亮度和对比度的变化不敏感，具有旋转不变性，不具有尺度不变性。

连结谷点A和谷点B，作AB的中垂线交于点C，从A点沿中垂线方向取线段AB的三分之一距离处为a，从a点沿AB方向取距离128处为b，从b点沿中垂线方向取距离128处为c，从a点沿中垂线方向取距离128处为d，将点abcd依次连接形成掌纹感兴趣区域并提取掌纹感兴趣区域特征。

对手掌二值化图判断第一次连续白色区域是否超过一半，如是则分割出四个手指区域，并对灰度直方图求谷点坐标分割出食指、中指及无名指。

在分割手指图像中，确定灰度直方图中中间且连续的谷点为手指第二指节折痕处，分割出指节折痕感兴趣区域并提取指节折痕感兴趣区域特征。

步骤S3，将提取的预识别手掌的特征与数据库中的存储手掌的特征进行匹配判断，如匹配，则身份认证成功，如不匹配，则身份认证失败。将指节折痕特征与注册时保存在数据库中的指节折痕特征进行汉明距离匹配，确定指节折痕阈值，若匹配成功，则身份认证通过；若匹配不成功，将掌纹特征进行汉明距离匹配，确定掌纹阈值，若匹配成功，则身份认证通过；若匹配不成功，则身份认证失败；S31、将提取的预识别手掌的指节折痕感兴趣区域特征与数据库中手掌的指节折痕感兴趣区域特征比对是否匹配，如是，则身份认证成功，如否，则身份认证失败并执行下一步；S32、将提取的预识别手掌的掌纹感兴趣区域特征与数据库中手掌的掌纹感兴趣区域特征比对是否匹配，如是，则身份认证成功，如否，则身份认证失败。

本发明基于移动端非接触式指掌识别方法，包括如下步骤：

打开本系统，若用户未注册，则先注册再识别；若用户已注册，则直接识别。

首次使用本系统，会有系统引导说明显示，然后用户填写用户名、密码进行注册，启动手机摄像头拍摄手掌图像。

每次拍摄完成会预览手掌图像，若图像不清晰，用户可选择删除重新拍摄，保存在数据库中。

对拍摄的手掌图像采用肤色检测和最大连通域去除背景噪声，利用形态学对手掌图像进行处理。

对去除背景的手掌图像进行二值化、高斯滤波，然后通过Harris角点检测确定食指和中指间的谷点、无名指和小拇指间的谷点，建立坐标系。

图3是提取掌纹感兴趣区域图，连结谷点A和谷点B，作AB的中垂线交于点C，从A点沿中垂线方向取线段AB的三分之一距离处为a，从a点沿AB方向取距离128处为b，从b点沿中垂线方向取距离128处为c，从a点沿中垂线方向取距离128处为d，矩形abcd为掌纹感兴趣区域。

对手掌二值图判断第一次连续白色区域超过图像的宽的一半的时候，分割出四个手指区域，然后对灰度直方图求谷点坐标，分割出食指、中指和无名指。

以食指为例，在分割的食指图像中，确定灰度直方图中中间且连续的谷点为食指第二指节折痕处，然后分割出指节折痕感兴趣区域，按照相同方法提取中指和无名指的指节折痕感兴趣区域。

将提取的感兴趣区域以图片的形式保存在数据库中。

将提取的感兴趣区域分别用竞争编码提取指节折痕特征和掌纹特征。

用户识别时，启动手机摄像头，拍摄手掌图像。

对拍摄的手掌图像提取手指指节折痕和掌纹的感兴趣区域，然后提取各自的特征。

首先将指节折痕特征与注册时保存在数据库中的指节折痕特征进行汉明距离匹配，确定指节折痕阈值，若匹配成功，则身份认证通过；若匹配不成功，将掌纹特征进行汉明距离匹配，确定掌纹阈值，若匹配成功，则身份认证通过；若匹配不成功，则身份认证失败。

本发明的另一目的在于提供一种基于移动端非接触式指掌识别系统，所述基于移动端非接触式指掌识别系统包括：

图像摄取模块；用于移动端调取摄像头对预识别手掌进行拍照；

特征提取模块，用于对拍摄的预识别手掌图像进行手掌特征提取；

匹配认证模块，用于将提取的预识别手掌的特征与数据库中的存储手掌的特征进行匹配判断，如匹配，则身份认证成功，如不匹配，则身份认证失败。

所述特征提取模块中还包括：

预处理去噪单元，用于对拍摄的预识别手掌图像采用肤色检测和最大连通域去除背景噪声，并且利用形态学对手掌进行预处理；

特征提取单元，用于对处理后的预识别手掌图像进行掌纹感兴趣区域特征提取和指节折痕特征提取。

所述特征提取单元还包括以下步骤：

谷点生成子单元，用于对去除背景的预识别手掌图像进行二值化处理和高斯滤波处理，并通过Harris角点检测确定食指和中指间的谷点A、无名指和小拇指间的谷点B；

掌纹特征提取子单元，用于连结谷点A和谷点B，作AB的中垂线交于点C，从A点沿中垂线方向取线段AB的三分之一距离处为a，从a点沿AB方向取距离128处为b，从b点沿中垂线方向取距离128处为c，从a点沿中垂线方向取距离128处为d，将点abcd依次连接形成掌纹感兴趣区域并提取掌纹感兴趣区域特征；

区域判断子单元，用于对手掌二值化图判断第一次连续白色区域是否超过一半，如是则分割出四个手指区域，并对灰度直方图求谷点坐标分割出食指、中指及无名指；

指节折痕特征提取子单元，用于在分割手指图像中，确定灰度直方图中中间且连续的谷点为手指第二指节折痕处，分割出指节折痕感兴趣区域并提取指节折痕感兴趣区域特征。

所述匹配认证模块还包括以下步骤;

指节折痕认证单元，用于将提取的预识别手掌的指节折痕感兴趣区域特征与数据库中手掌的指节折痕感兴趣区域特征比对是否匹配，如是，则身份认证成功，如否，则身份认证失败并执行掌纹认证单元；

掌纹认证单元，用于将提取的预识别手掌的掌纹感兴趣区域特征与数据库中手掌的掌纹感兴趣区域特征比对是否匹配，如是，则身份认证成功，如否，则身份认证失败。

所述图像摄取模块之前还包括：

采样拍照模块，用于通过拍照设备对手掌进行拍照；

判断保存索引模块，用于对手掌照片是否合格进行判断，如合格，则将照片保存到数据库，根据照片提取手掌的指节折痕感兴趣区域特征和掌纹感兴趣区域特征并保存在数据库中，数据库中同一手掌的照片、指节折痕感兴趣区域特征和掌纹感兴趣区域特征进行链接并生成索引编号，如不合格，则返回采样拍照模块。

图1是本发明的系统架构图，本发明是一种移动端非接触式指掌识别系统，包括注册模块1、数据库2和识别模块3；

注册模块1用于对新用户进行注册。首次使用的用户填写用户名和密码，然后启动摄像头拍摄手掌图像，通过用户交互引导用户手掌摆放位置，保存清晰完整的手掌图像，图像不合格时，用户可重新拍摄手掌图像；

数据库2用于保存用户注册的信息、手掌图像以及指节折痕和掌纹的特征信息。设定左右手各保存2张，保存手掌图像后，对每张图像预处理和评估，选择最优的图像提取手指指节折痕和掌纹的感兴趣区域，然后提取相应的特征信息，保存在数据库中；

识别模块3用于验证用户身份信息，当用户要验证身份时，系统自动调用手机摄像头进行拍照，按照注册时的特征提取方法对拍摄的手掌图像提取指节折痕和掌纹的感兴趣区域，再对各部分提取特征，与数据库2中的特征进行匹配，若匹配成功则身份验证，若匹配失败用户可选择输入密码进行验证身份。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种基于移动端非接触式指掌识别方法，其特征在于，所述基于移动端非接触式指掌识别方法包括以下步骤：

S1、移动端调取摄像头对预识别手掌进行拍照；

S2、对拍摄的预识别手掌图像进行手掌特征提取；

S3、将提取的预识别手掌的特征与数据库中的存储手掌的特征进行匹配判断，如匹配，则身份认证成功，如不匹配，则身份认证失败。

2.根据权利要求1所述的基于移动端非接触式指掌识别方法，其特征在于，所述步骤S2中还包括以下步骤：

S21对拍摄的预识别手掌图像采用肤色检测和最大连通域去除背景噪声，并且利用形态学对手掌进行预处理；

S22、对处理后的预识别手掌图像进行掌纹感兴趣区域特征提取和指节折痕特征提取。

3.根据权利要求2所述的基于移动端非接触式指掌识别方法，其特征在于，所述步骤S22还包括以下步骤：

S221、对去除背景的预识别手掌图像进行二值化处理和高斯滤波处理，并通过Harris角点检测确定食指和中指间的谷点A、无名指和小拇指间的谷点B；

S222、连结谷点A和谷点B，作AB的中垂线交于点C，从A点沿中垂线方向取线段AB的三分之一距离处为a，从a点沿AB方向取距离128处为b，从b点沿中垂线方向取距离128处为c，从a点沿中垂线方向取距离128处为d，将点abcd依次连接形成掌纹感兴趣区域并提取掌纹感兴趣区域特征；

S223、对手掌二值化图判断第一次连续白色区域是否超过一半，如是则分割出四个手指区域，并对灰度直方图求谷点坐标分割出食指、中指及无名指；

S224、在分割手指图像中，确定灰度直方图中中间且连续的谷点为手指第二指节折痕处，分割出指节折痕感兴趣区域并提取指节折痕感兴趣区域特征。

4.根据权利要求1-3任一项所述的基于移动端非接触式指掌识别方法，其特征在于，所述步骤S3中还包括以下步骤;

S31、将提取的预识别手掌的指节折痕感兴趣区域特征与数据库中手掌的指节折痕感兴趣区域特征比对是否匹配，如是，则身份认证成功，如否，则身份认证失败并执行下一步；

S32、将提取的预识别手掌的掌纹感兴趣区域特征与数据库中手掌的掌纹感兴趣区域特征比对是否匹配，如是，则身份认证成功，如否，则身份认证失败。

5.根据权利要求4所述的基于移动端非接触式指掌识别方法，其特征在于，所述步骤S1之前还包括以下步骤：

S01，通过拍照设备对手掌进行拍照；

S02对手掌照片是否合格进行判断，如合格，则将照片保存到数据库，根据照片提取手掌的指节折痕感兴趣区域特征和掌纹感兴趣区域特征并保存在数据库中，数据库中同一手掌的照片、指节折痕感兴趣区域特征和掌纹感兴趣区域特征进行链接并生成索引编号，如不合格，则返回步骤S01。

6.一种基于移动端非接触式指掌识别系统，其特征在于，所述基于移动端非接触式指掌识别系统包括：

图像摄取模块；用于移动端调取摄像头对预识别手掌进行拍照；

特征提取模块，用于对拍摄的预识别手掌图像进行手掌特征提取；

匹配认证模块，用于将提取的预识别手掌的特征与数据库中的存储手掌的特征进行匹配判断，如匹配，则身份认证成功，如不匹配，则身份认证失败。

7.根据权利要求6所述的基于移动端非接触式指掌识别系统，其特征在于，所述特征提取模块中还包括：

预处理去噪单元，用于对拍摄的预识别手掌图像采用肤色检测和最大连通域去除背景噪声，并且利用形态学对手掌进行预处理；

特征提取单元，用于对处理后的预识别手掌图像进行掌纹感兴趣区域特征提取和指节折痕特征提取。

8.根据权利要求7所述的基于移动端非接触式指掌识别系统，其特征在于，所述特征提取单元还包括以下步骤：

谷点生成子单元，用于对去除背景的预识别手掌图像进行二值化处理和高斯滤波处理，并通过Harris角点检测确定食指和中指间的谷点A、无名指和小拇指间的谷点B；

掌纹特征提取子单元，用于连结谷点A和谷点B，作AB的中垂线交于点C，从A点沿中垂线方向取线段AB的三分之一距离处为a，从a点沿AB方向取距离128处为b，从b点沿中垂线方向取距离128处为c，从a点沿中垂线方向取距离128处为d，将点abcd依次连接形成掌纹感兴趣区域并提取掌纹感兴趣区域特征；

区域判断子单元，用于对手掌二值化图判断第一次连续白色区域是否超过一半，如是则分割出四个手指区域，并对灰度直方图求谷点坐标分割出食指、中指及无名指；

指节折痕特征提取子单元，用于在分割手指图像中，确定灰度直方图中中间且连续的谷点为手指第二指节折痕处，分割出指节折痕感兴趣区域并提取指节折痕感兴趣区域特征。

9.根据权利要求6-8任一项所述的基于移动端非接触式指掌识别系统，其特征在于，所述匹配认证模块还包括以下步骤;

指节折痕认证单元，用于将提取的预识别手掌的指节折痕感兴趣区域特征与数据库中手掌的指节折痕感兴趣区域特征比对是否匹配，如是，则身份认证成功，如否，则身份认证失败并执行掌纹认证单元；

掌纹认证单元，用于将提取的预识别手掌的掌纹感兴趣区域特征与数据库中手掌的掌纹感兴趣区域特征比对是否匹配，如是，则身份认证成功，如否，则身份认证失败。

10.根据权利要求9所述的基于移动端非接触式指掌识别系统，其特征在于，所述图像摄取模块之前还包括：

采样拍照模块，用于通过拍照设备对手掌进行拍照；

判断保存索引模块，用于对手掌照片是否合格进行判断，如合格，则将照片保存到数据库，根据照片提取手掌的指节折痕感兴趣区域特征和掌纹感兴趣区域特征并保存在数据库中，数据库中同一手掌的照片、指节折痕感兴趣区域特征和掌纹感兴趣区域特征进行链接并生成索引编号，如不合格，则返回采样拍照模块。