这些年,随着移动数码设备的迅猛发展,手机作为一种日渐强大的移动数码设备,正在为人们提供越来越多了服务。这些服务也会涉及大量的用户隐私,从而带来日益严重的安全隐患。为了保护手机以及手机中存储的数据,生物特征识别技术正被越来越广泛的应用到移动数码设备上。生物特征识别技术是指利用人体的生理特征或行为特征来进行身份识别,从而达到信息和系统安全保护的目的。包括指纹特征识别、人脸特征识别、虹膜特征识别以及掌纹特征识别等,其中,以指纹识别最为人们所熟知。目前为止,已经有多款先进的手机支持指纹识别技术。本文采用的是基于摄像头的掌纹识别系统,与指纹识别相比掌纹区域更大并且包含的纹理信息更为丰富,最重要的不需要专门的指纹传感器,只需要使用绝大部分手机都自带的摄像头即可。与人脸识别相比,掌纹特征更加稳定可靠,与人体的表情、姿态、情绪等因素无关;与虹膜识别相比,掌纹采集设备的成本较低。本文提出了基于角点检测和竞争编码的掌纹识别方法。该方法是先利用关键点检测进行粗匹配再利用竞争编码进行匹配的新方法。本文主要工作有三点:1)使用了一种新的掌纹有效区域提取方法,该方法基于掌纹轮廓的梯度方向,加速了预处理过程;2)使用了一种基于SIFT关键点检测的方法来提取掌纹的关键点的方向特征,利用这些方向特征和位置关系进行粗匹配;3)使用并改进竞争编码来提取掌纹的局部方向特征,利用这些局部方向特征进行进一步的匹配。为了验证本文所提出算法的有效性,本文采用了PolyU_Palmprint_Datebase数据和实验室环境下利用Iphone5手机拍摄的掌纹数据库进行实验验证,本方法对于掌纹识别速度的提升具有很好的效果。本方法研究了手机拍摄的掌纹图片中SIFT关键点的特征,证明了这些关键点的一些特征具有较强的唯一性和稳定性,适合于进行掌纹匹配。该方法同时提出了利用手掌轮廓梯度进行掌纹有效区域提取的方法,加快了预处理速度。本方法在竞争编码的基础上进行了改进,使其具有较好的鲁棒性和匹配速度。本文的方法一定程度上解决了掌纹识别算法复杂度较高的问题,对提高掌纹识别的实时性有一定借鉴意义。