1手形识别
人手长度、宽度、厚度以及外形轮廓等方面都存在差异，并且可以在较长的时间段内保持不变，也是手部识别技术常用的生物特征之一。常见的手形识别方式为二维与三维手形识别，二维识别只包括手指与手掌二维平面几何特征，而三维识别则是包含整个手部三维立体特征。此种识别技术对图像品质要求比较低，可以有效降低识别设备成本；算法简单，匹配速度更快；注册成功率比较高，基本上很少出现无法录入数据库的情况。但是手形特征数据并不丰富，在区分的效果上成功率比较低，尤其是一对多的情况下效率更低；识别时要求手掌与检测设备进行大面积接触，存在较为严重的卫生问题；假肢伪造容易。
2掌纹识别
掌纹即手掌面上深浅褶皱与纹路的总称，不同个体差异比较明显。选择此种生物特征进行识别，特征信息比较丰富，可以提取研究多种特征，并且主线特征明显，具有较高的辨识度与抗干扰特点。另外，此项特征对采集设备的精度要求比较低，可以有效降低开发成本。但是选择利用此种生物特征进行识别，因为掌纹在一段时间内会发生变化，影响识别效果，并且掌纹特征更易被复制与伪造，在实际应用上安全级别比较低。
3多模态手部生物特征识别技术实现措施分析
3.1手部生物特征识别流程
以指纹、指静脉等识别流程为例，首先要对同一手指手指纹图像、手指静脉图像进行采集，并分别提取可以代表手指纹图像与手指静脉图像生物特征的特征向量，对此向量进行存储，完成存储样本数据的注册。然后，对当前生物特征进行采集，并将其转化为特征向量与样本库中的特征向量进行全面比较，并计算得出最终识别结果。在识别过程中要对同一手指手指纹图像、手指静脉图像进项预处理，并提取同一个体的相应特征向量，两者进行独立的特征匹配，并得到各自的多模态融合，最终采取将做小距离分类器完成身份的识别与判决。
3.2图像采集设备
图像采集设备是整个生物特征识别过程中的重要组成部分，其工作原理主要就是根据血管吸收近红外光特性，搭建出一个可行性高的采集装置。其中硬件采集装置所得图像质量高低会直接影响到后期生物特征识别的效果，因此在进行多模态手部生物特征识别技术的研究时，必须要做好此方面的工作。以静脉成像为例，应做好光源的选择，如红外LED成本低廉，其光谱分布为半峰带宽约40nm左右窄带分布，中心波长为830nm~950nm之间，利用黑白CCD相机即可获得相应信息。对于光源的确定，应以满足实际识别设计要求为基础，保证光谱波长的合理性。
3.3多模态融合算法
基于多模态识别数据获取方式以及处理顺序，多模态算法主要包括并行与连续两种结构，其中连续结构又称为层叠结构，在进行数据处理时，可以按照顺寻依次来进行，并且前一个数据处理结果会对后一个数据的处理结果产生影响。而并行结构在进行数据处理时，都是采取的单独进行方式，各项数据之间不存在影响，只需要在运算最后将各结果进行融合。如果选择用连续结构进行运算，整个过程效率更高。在运算时如果上一个数据处理效果可以满足系统要求，则后面的数据就可以不必在继续进行处理，避免了不必要运算造成的时间浪费。并且选择用此种运算方式，可以提高多模态生物识别系统的可靠性，并行考虑每一处数据处理模块，可以有效降低误识率。
4结束语
多模态手部生物特征识别技术的研究与应用，对提高身份识别的高效性与可靠性具有重要意义。在对其进行研究时，需要明确手部各项生物特征识别的特点以及优缺点，将其应用到多模态生物识别技术中。并且为保证识别效果，还需要做好图像采集设备以及多模运算方法的管理，从多个方面着手，争取不断提高识别效果。
作者：夏鹏
