手掌检测算法
Ⅰ 为什么警察在采集作案样本时，只采集指纹，掌纹就没有用么
犯罪现场留下指纹的概率比掌纹大，且指纹技术应用比较成熟，简单。下边是关于掌纹识别的一些介绍。
1. 什么是掌纹识别？
掌纹识别：掌纹识别是近几年提出的一种较新的生物特征识别技术。掌纹是指手指末端到手腕部分的手掌图像。其中很多特征可以用来进行身份识别：如主线、皱纹、细小的纹理、脊末梢、分叉点等。掌纹识别也是一种非侵犯性的识别方法，用户比较容易接受，对采集设备要求不高。
2. 掌纹的特征
掌纹是指手腕与手指之间的手掌表面上的各种纹线。掌纹的形态由遗传基因控制，即使由于某种原因表皮剥落，新生的掌纹纹线仍保持着原来的结构。每个人的掌纹纹线都不一样，即使是孪生同胞，他们的掌纹也只是比较相似，而不会完全一样。
掌纹中最重要的特征是纹线特征，而且这些纹线特征中最清晰的几条纹线基本上是伴随人的一生不发生变化的。并且在低分辨率和低质量的图像中仍能够清晰的辨认。
点特征，主要是指手掌上所具有的和指纹类似的皮肤表面特征，如掌纹乳突纹在局部形成的奇异点及纹形。点特征需要在高分辨率和高质量的图像中获取，因此对图像的质量要求较高。
纹理特征，主要是指比纹线更短、更细的一些纹线，但其在手掌上分布是毫无规律的。掌纹的特征还包括几何特征：如手掌的宽度、长度和几何形状，以及手掌不同区域的分布。
掌纹中所包含的信息远比一枚指纹包含的信息丰富，利用掌纹的纹线特征、点特征、纹理特征、几何特征完全可以确定一个人的身份。因此，从理论上讲，掌纹具有比指纹更好的分辨能力和更高的鉴别能力。
3. 掌纹识别系统组成
掌纹识别系统同其他生物特征识别系统在结构上是一样的，他们都由两个部分构成：训练样本录入阶段和测试样本分类阶段，如图1-3所示。训练样本录入阶段可以描述如下：首先对采集的掌纹训练样本进行预处理，然后进行特征提取，把提取的掌纹特征存入特征数据库中留待与被分类样本进行匹配。测试样本分类阶段是对获取的测试样本经过与训练样本相同的预处理、特征提取步骤后，送入分类器进行分类。这两部分都包括以下三步：掌纹图像采集、预处理以及特征提取，下面将分别介绍。
掌纹图像采集：掌纹图像采集的目的就是利用某种数字设备实现把掌纹转换成可以用计算机处理的矩阵数据。一般采集的都是二维灰度图像。
预处理：预处理的目的是使所采集的掌纹图像能方便的对图像后续处理，如去除噪声使图像更清晰，对输入测量引起或其他因素所造成的退化现象进行复原，并对图像进行归一化处理。
特征提取：经过预处理的信息数据往往十分庞大。因此需要对信息数据进行特征提取和选择，即用某种方法把数据从模式空间转换到特征子空间。使得在特征空间中，数据具有很好的区分能力。
分类决策：分类是将样本的特征空间划分为类型空间。对于给定的未知模式，确定其为类型空间的某种模型。特征提取和选择在很大程度上影响了分类效果，而好的分类器设计和方法也会提高系统分类性能。
4. 掌纹识别算法
目前，研究人员已经对掌纹识别技术进行了广泛而深入的研究，并取得了一定的成果。本文对掌纹识别技术的国内外研究现状作简单介绍。下面分别介绍基于掌纹的点特征与线特征、纹理特征、子空间分析和分级特征融合的掌纹识别算法。
4.1、基于点特征与线特征的识别方法
与指纹相似，掌纹图像上也含有脊线和细节点。Funada J提出了一种通过消除掌纹的褶皱提取乳突纹的方法[9]，然而这种方法仅限于提取掌纹图像的脊线，并没有成功用于掌纹识别。Duta提出了一种基于掌纹图像特征点的掌纹识别方法[10]。Chen等尝试通过产生局部灰度方向场图像来估计掌纹的褶皱点[11]，将这些点连接起来组成直线段的形式用于后续的匹配。
手掌上的纹线是最直观的特征，很多文献都研究了掌纹的线特征[12~15]，提取纹线特征实际上是低对比度、高噪声背景条件下的边缘检测。文献[13]最早使用了掌纹的线特征用于掌纹识别，这种方法只提取手掌上的短直线。Han等人则采用形态学和Sobel边缘特征描述掌纹[12]，并训练一个神经网络分类器用于验证。基于堆栈滤波的金字塔边缘检测算法和依据灰度形态学中的腐蚀、膨胀等概念构造的算子也被用于提取掌纹线特征。
基于点、线特征的识别算法是掌纹识别中最直接的方法。点特征可以精确的描述掌纹图像，且鲁棒性较强、鉴别能力高。但是点特征需要在高分辨率的图像中提取。若点的数量较多，则匹配时需要大量的计算消耗。线特征明显稳定，表示方法简单，特征空间小。但是，点特征和线特征无法表示掌纹纹线的深浅和力度，并且受噪声的干扰较大。
4.2、基于掌纹纹理特征的识别方法
掌纹可以被认为是无规则但在个体间独一无二的一种纹理。目前有很多方法是针对纹理分析处理掌纹图像的。如Gabor滤波[18~20]、小波变换[21~23]、傅立叶变换[24]和局部能量[25]等方法。与指纹相比，掌纹上有很多折痕，Wu提取有向线能量特征将这些折痕特征向量化[25]，用于掌纹识别。李文新通过傅立叶变换将掌纹图像变换到频域[24]，然后再将变换后的图像分别计算R能量和 能量，最后通过分级匹配方法对提取的特征进行匹配识别。
Kong等人将虹膜识别[26]中的基于二维Gabor的相位编码方法用于掌纹图像的特征提取。该方法把Gabor滤波后的图像进行相位编码，称作PalmCode，这样在特征向量中只保存了相位信息。由于这种算法只采用了一个方向的Gabor滤波器提取掌纹图像的特征，掌纹图像其他方向的信息丢失。文献在这种算法的基础上进行改进，提出了采用4个方向的Gabor滤波器同时提取掌纹图像的相位特征，然后通过融合准则将这4个方向的相位特征融合为一个，称为FusionCode。这种算法很好的利用了Gabor滤波器的方向性，使得算法的正确识别率大大提高。但是，这种算法需要计算4次Gabor滤波器与图像的卷积运算，使得计算复杂度明显增加。
采用纹理分析的方法处理掌纹图像可以有效的避免图像在空域中噪声的影响，简化甚至免去图像预处理步骤。同时，采用纹理能量描述掌纹，除了空间位置外，还能够利用纹线的粗细程度这一性质进行区分。这种方法能够较好的保持掌纹图像的类间区分性和类内紧凑性。
4.3、基于子空间的掌纹识别方法
基于子空间的特征提取指的是将掌纹图像通过映射变换或是矩阵运算，实现从样本空间到特征子空间的转换。根据映射变换的性质，变换后的子空间可分为线性子空间和非线性子空间。目前运用在掌纹识别上的多为线性子空间方法。
主成分分析是多元变量统计中的一种降维技术。这种方法认为任何一幅图像都可以分解为一系列向量与系数的线性组合，该系数彼此不相关，并且服从高斯分布，将其中包含信息成分最多的向量方向视为主要组成成分方向。具体实现是将掌纹图像按行展开后，所形成的一维向量进行K-L变换，获得其正交的n维K-L基底，以对应前m个最大特征值的基底张成的子空间，将掌纹图像投影到该子空间上，实现维数的降低以减少计算复杂度。其中，对应较大特征值的基底具有类似掌纹图像一样的纹理，被称作特征掌，可以利用特征掌集来描述掌纹[28,32]。二维主成分分析是在主成分分析的理论基础上建立起来的，他与主成分分析不同之处主要在于它是直接基于二维矩阵的变换，而无需先将二维图像化为一维。文献[30,31]采用了二维主成分分析的方法对掌纹图像进行特征提取。
Fisher是线性判别中的经典算法，该算法的主要思想是：在一般情况下，总可以找到某一个或某一些投影方向，使得样本投影在该方向上的结果能够符合类内离散度最小、类间离散度最大的标准。即投影后的模式具有最佳的可分离性。文献[33,34]采用Fisher算法对掌纹图像进行分类识别，取得了很好的效果。
子空间法提取特征具有描述性强，计算代价小，易实现和可分性好等特点。使用较少的特征向量数目就能够取得较高的识别率。但PCA方法的本质决定了在该方法下得到的特征在一般情况下是最佳描述而不是最佳分类特征，这不利于分类匹配。FLD方法同样能大大降低原始特征空间的维数，并且和PCA方法相比，FLD方法对光照条件更为不敏感。
4.4．分级融合的掌纹识别方法
从上面的分析可以看出，每种掌纹图像的识别算法都各有优缺点，如果只采用一种识别算法很难做到快速、高精度的身份识别。因此，多特征融合的方法将是掌纹识别发展的重要方向。
这里的融合，可以是特征级的融合，通过定义的融合准则将提取的多个特征融合为一个新的特征。如文献[27]通过融合准则将4个不同方向的Gabor滤波器提取的掌纹图像的相位特征融合为一个。有效的表达了掌纹图像的方向和相位信息。文献用竞争编码的方式，将Gabor滤波器提取的6个方向的掌纹图像的相位信息融合。从而在提高识别精度的同时使得匹配速度也大大提高。
也可以是匹配级的融合[36~38]，也就是从粗到细，不同匹配层次采用不同特征，例如粗匹配层次采用纹理能量作为特征，精匹配层次提取点特征进行匹配。You利用多种特征对掌纹进行分层编码，以实现在大规模掌纹数据库中进行快速的身份识别。
5. 掌纹识别技术展望
随着信息技术和网络技术的高速发展，信息安全显示出前所未有的重要性。生物识别技术以其特有的稳定性、唯一性和方便性，得到越来越广泛的应用。掌纹识别作为一项新兴的生物识别技术，因具有采样简单、图像信息丰富、用户接受程度高、不易伪造、受噪声干扰小等特点受到国内外研究人员的广泛关注。但是由于掌纹识别技术起步较晚，目前尚处于学习和借鉴其他生物特征识别技术的阶段。
Ⅱ 手势识别用什么图像特征提取算法
《基于计算机视觉的手势识别研究》中提到了多尺度模型，它就是采用此模型提取手势的指尖的数量和位置，将指尖和掌心连线，采用距离公式计算各指尖到掌心的距离，再采用反余弦公式计算各指尖与掌心连线间的夹角，将距离和夹角作为选择的特征。对于静态手势识别而言，边缘信息是比较常用的特征。中采用的HDC提取关键点的识别算法，基于用八方向邻域搜索法提取出手势图像的边缘，把图像的边缘看成一条曲线，然后对曲线进行处理。
Ⅲ 如何测量手围
1、手掌宽度法
使用直尺量手掌最宽处。
14cm50-51MM
14.5cm52-53MM
15cm53-55MM
16cm55-57MM
17cm57-59MM
Ⅳ 手掌的长和宽怎么量
测量手掌宽度，自己可以去购买一个游标卡尺，然后将手指四指并齐，然后再用游标卡尺卡取最中间的位置。得出来的数据就是手掌的宽度，这种方法比较简单，而且也很准确。
游标卡尺（VERNIERCALLIPER），是一种测量长度、内外径、深度的量具。游标卡尺由主尺和附在主尺上能滑动的游标两部分构成。主尺一般以毫米为单位，而游标上则有10、20或50个分格，根据分格的不同，游标卡尺可分为十分度游标卡尺、二十分度游标卡尺、五十分度格游标卡尺等，游标为10分度的有9mm，20分度的有19mm，50分度的有49mm。游标卡尺的主尺和游标上有两副活动量爪，分别是内测量爪和外测量爪，内测量爪通常用来测量内径，外测量爪通常用来测量长度和外径。
Ⅳ 指纹采集的简单方法
指纹可以分为三类：
明显纹:就是目视即可见的纹路。
如手沾油漆、血液、墨水等物品转印 而成，通常都是印在指纹卡上成为基本资料。
成型纹:这是指在柔软物质，如手接触压印在蜡烛、黏土上发现的指纹。
潜伏指:纹这类指纹是经身体自然分泌物如汗液，转移形成的指纹纹路， 目视不易发现，是案发现场中最常见的指纹。
潜伏指纹往往是手指先接触到油脂、汗液或尘埃后，再接触到干净的表面而留下，虽然肉眼无法看到这些指纹，但是经过特别的方法及使用一些特别的化学试剂加以处理，即能显现出这些潜伏的指纹。
鉴识人员最常接触到的指纹是潜伏纹。如果指纹是留在金属、塑胶、玻璃、磁砖等非吸水性物品的表面，检验方法就比较容易。通常可以用粉末法，选择颜色对比大的粉末，撒在物品表面提取出完整的指纹；另一方法是磁粉法，以微细的铁粉颗粒，用磁铁作为刷子，来回刷扫，显现指纹。
如果指纹留在纸张、卡片、皮革、木头等吸水性物品的表面，必须经过化学处理 才能在化验室显形。
常用的化学法有：
碘熏法——即使用碘晶体加温产生蒸气，它与指纹残留物的油脂产生反应后，便会出现黄棕色的指纹，必须立即拍照或用化学方法固。
宁海得林（Ninhydrin)法——将试剂喷在检体上，与身体分泌物的氨基酸产生反应后，会呈现出紫色的指纹。
硝酸银法——硝酸银溶液与潜伏指纹中的氨化钠产生反应后，在阳光下会产生黑色的指纹。
萤光试剂法——萤光氨与邻苯二醛几乎马上与指纹残留物的蛋白质或氨基酸作用，产生高萤光性指纹，此试剂可以用在彩色物品的表面。
Ⅵ 掌纹识别的点与线特征
与指纹相似，掌纹图像上也含有脊线和细节点。Funada J提出了一种通过消除掌纹的褶皱提取乳突纹的方法[9]，然而这种方法仅限于提取掌纹图像的脊线，并没有成功用于掌纹识别。Duta提出了一种基于掌纹图像特征点的掌纹识别方法[10]。Chen等尝试通过产生局部灰度方向场图像来估计掌纹的褶皱点[11]，将这些点连接起来组成直线段的形式用于后续的匹配。
手掌上的纹线是最直观的特征，很多文献都研究了掌纹的线特征[12~15]，提取纹线特征实际上是低对比度、高噪声背景条件下的边缘检测。文献[13]最早使用了掌纹的线特征用于掌纹识别，这种方法只提取手掌上的短直线。Han等人则采用形态学和Sobel边缘特征描述掌纹[12]，并训练一个神经网络分类器用于验证。基于堆栈滤波的金字塔边缘检测算法和依据灰度形态学中的腐蚀、膨胀等概念构造的算子也被用于提取掌纹线特征。
基于点、线特征的识别算法是掌纹识别中最直接的方法。点特征可以精确的描述掌纹图像，且鲁棒性较强、鉴别能力高。但是点特征需要在高分辨率的图像中提取。若点的数量较多，则匹配时需要大量的计算消耗。线特征明显稳定，表示方法简单，特征空间小。但是，点特征和线特征无法表示掌纹纹线的深浅和力度，并且受噪声的干扰较大。
Ⅶ 有什么方法可以测量手掌面积
找块大点的橡皮泥，做成一厘米厚或半厘米厚的一块橡皮泥平面，手掌轻轻按上，注意不要使橡皮泥发生形变，用小刀延手掌边缘在橡皮泥上划出手掌的形状。然后，将这块橡皮泥切下，在做成同样厚度的矩形橡皮泥平面，测量这个矩形的面积，就是你手掌的面积了
Ⅷ 怎样测量手的长度
测量手掌周长的目的。这是手套规格的度量标准。沿着手掌周围测量周长，从小指指根至食指指根。如果身边就有手套，直接戴上试试就行；但如果是在网上购买或者定制手套，知道自己手的尺寸就很有用了。
1.用细铁丝轻轻圈住手指，在相吻合的地方用笔做个记号后摘下来，再用尺子量一下纸条或者铁丝的长度就可以知道合适的戒指的周长，这个方法比较准确，非常适用。
2.棉线：
用棉线绕要测量的手指一圈，一定要稍稍拉紧一点，因为棉线是软的，绳子交接地方画个记号，再量出长度，也可得到手指的周长，但是这种方法一般误差较大。
3.纸条：准备好一个窄纸条，将纸条贴在想要带的手指的根部，用大拇指压住纸条顶端，然后绕一圈，记住一定要将手指绕得很紧，然后用笔在交汇处做上记号，再将纸条平铺，用尺子测量出长度。
04.每个人的左右手大小会有些差异，想在哪只手上戴戒指，就测量哪只手。
05.如果手指的关节较大，就请加1-2毫米。并且测量时请不要直接沿指根量，要做成环反复调整大小确保手指能顺利通过。