生物识别技术是利用人体所固有的生物特征来进行自动身份识别的技术.人体生物特征具有普遍性、唯一性和稳定性等特点,并且不会被遗忘,也较难被模仿或伪造.与传统的身份识别方法相比,生物识别技术更能适应现代信息社会对人体身份验证安全性和方便性的要求.用于身份识别的人体生物特征很多,其中指纹、虹膜、人脸和签名等生物特征已经得到深入研究,并取得了丰硕的成果,而基于掌纹的人体生物特征识别技术是近年来兴起的一个新的研究方向.掌纹是指位于手掌内侧手腕和手指之间部分的皮肤纹理,作为对现有生物特征识别技术的重要补充,掌纹识别有其独特的优点.掌纹含有丰富的信息,不像指纹一样易于磨损;设备成本要低于虹膜识别;更容易被用户接受;其识别精度要高于人脸识别;稳定性高于签名识别.由于上述原因,掌纹识别很快便成为生物识别技术领域中的一个研究热点.本文简要介绍了掌纹识别技术的发展和研究现状,对近年来出现的主流方法做了简单分析,重点讨论了基于K-L变换和Fisher线性判别式的两种掌纹特征提取方法.因为掌纹图像都具有主线和褶皱等相似的结构,所以可以用相对较低的空间维数来对其进行描述.作为图像压缩的最佳正交展开方法,K-L变换能够体现出掌纹中主要部分的分布情况.通过计算出多幅掌纹图像所构成的协方差矩阵的特征向量,来定义掌纹图像的投影子空间.但是对于掌纹识别这一分类过程来说,K-L变换在求解投影轴时,没有考虑到样本的类内和类间关系,而Fisher线性判别式这种方法在求解特征轴的过程中,较好地利用了样本的类内和类间关系.所以,在此基础上,我们提出了一种新的基于广义K-L变换的特征提取方法,既考虑到样本的类别关系,又避免了Fisher线性判别式方法中存在的过学习问题.实验结果证明,本方法在识别率和计算复杂性等方面都有令人满意的结果.最后,本文简要介绍了一个联机掌纹识别门禁系统,并讨论了用汇编语言实现系统核心算法的问题,以提高系统的运行速度.