负责人:钟德星

所在学院：电信学部自动化科学与技术学院

一、项目简介

掌纹识别是一种非接触式、安全性高、暴露风险低、适用于大规模用户的新兴生物特征识别技术。相较于指纹识别，掌纹的纹理信息丰富、采集方式为非接触式，有利于实现高精度大范围身份认证并避免交叉传染；相较于人脸识别，掌纹采集需用户主动配合，特征暴露风险低，私密性更好。掌纹识别是一个被低估的、具有爆发性发展潜力的生物识别技术，目前尚未出现行业内知名度高的头部公司。本项目致力于建立基于掌纹识别的身份认证系统，开发定制化掌纹识别模组，以及基于边缘服务器的掌纹识别系统。

该项目基于国产芯片开发掌纹识别模组，其作为终端系统（如门禁主控、智能门锁主控）的扩展模组，可以提供掌纹识别扩展功能。掌纹识别模组将通过串口与终端系统主控进行通信，包括请求、应答和结果反馈等内容。这种模组体积小、功耗低，具有对摄像头图像进行预处理与识别的功能。主要应用领域及场景有高端门禁、刷手闸机、支付POS机终端等。

二、产品性能优势

1.复杂场景中掌纹特征区域提取技术

采集方式为非约束式，需要建立手掌检测和掌纹感兴趣区域提取的内在关联，感兴趣区域提取的高一致性是保证后续高精度识别的基础。本项目首先采集包含掌纹的手掌图像，然后在图像中进行手掌检测、关键点定位，最终排除图像复杂背景干扰，提取到位置相对固定的感兴趣区域。

2.面向开放集的掌纹判别特征提取技术

面向开放集的掌纹判别特征提取技术，利用大间隔余弦损失函数增加类别之间的间隔的要求，提高了特征的判别性。提出的方法在PolyU数据库上的测试结果如下：在万分之一的错误接受率的条件下，正确识别率能够达到99.33%，在千分之一的错误接受率的条件下，正确识别率能够达到99.84%。说明我们的方法在处理数千人到近万人规模的数据库时，它的准确率和有效性是能够得到保证。

3.面向跨领域识别的掌纹特征提取技术

跨领域掌纹识别可以允许训练样本和待识别的测试样本采集自不同的设备和环境，如嵌入式终端和手机端等。我们设计了PalmGAN跨领域掌纹识别算法。在特征集和像素级同时实现迁移，从而提高跨领域掌纹识别的准确率。跨领域识别最好的效果能达到99.85%的正确率。相关论文已经发表在图像处理权威期刊IEEE Transactions on Image Processing。

三、市场前景及应用

以本项目产品开发第一个目标产品来说，定制用于智能锁的掌纹识别模组，2021年中国智能锁零售市场整体需求突破超458万套，同比增长31.4%；销额为71亿元，同比增长35.5%。目前中国家庭智能门锁的渗透率整体为5.0%，消费者主要集中在一二线城市，但相比国外仍有较大差距，欧美家庭智能锁的渗透率已经达到35.0%，日韩则高达60.0%。在中国大约有2.8亿个家庭，如果有10%的家庭安装智能锁，将带来2800万把的出货量和434亿的市场销售。如果推动掌纹识别成为1500元以上智能锁的标配，市场占比41.1%，掌纹识别模组预计单约35亿市场规模。这只是民用市场，加上商用市场，智能锁规模将会更大。如果智能锁中采用掌纹识别模组成为标配，将有百亿以上的市场规模。

四、技术成熟度

□概念验证 □原理样机 □工程样机 □中试 √产业化

五、合作方式

□联合研发 □技术入股 □转让 □授权（许可）√面议

附图