СОВРЕМЕННЫЕ ДОСТУПНЫЕ БАЗЫ ДАННЫХ ОТПЕЧАТКОВ ЛАДОНИ: ОБЗОР
Аннотация
Отпечаток ладони является уникальным и очень полезным биометрическим при-
знаком. За последние несколько десятилетий по этой теме было проведено достаточно
исследований. Разработаны и успешно реализованы различные алгоритмы и системы.
Так как данный метод не позволяет получить более расширенную информацию для рас-
познавания личности, мультиспектральные или гиперспектральные изображения и рас-
познавание отпечатков ладоней могут стать потенциальным ответом на эти системы.
Биометрические технологии широко используются в сфере безопасности для аутенти-
фикации и идентификации в течение последних нескольких лет. Для повышения точно-
сти и скорости требуется улучшенная система распознавания. В этой статье рас-
сматриваются некоторые современные базы данных отпечатков ладоней, а также опи-
саны используемые методы и их точность. Лицо, отпечаток пальца, радужка глаза,
отпечаток ладони, руки являются физиологическими биометрическими данными. Из всех
биометрических, физиологическая биометрия предлагает больше всего преимуществ.
База данных бесконтактных изображений ладоней PolyU-IITD составлена с помощью
ручной камеры, включает жителей Индии и Китая. База данных бесконтактных отпе-
чатков ладоней IIT Touchless Palmprint получена от студентов и преподавателей Delhi
India, база состоит из полных изображений рук. База данных гиперспектральных отпе-
чатков ладоней создана Гонконгским политехническим университетом, была собрана в
отделе биометрической исследовательской лаборатории с помощью жидкокристалличе-
ских фильтров Meadowlark. Многоспектральная база данных отпечатков пальцев, гипер-
спектральная база данных были составлены китайскими исследовательскими группами
учёных. База данных отпечатков пальцев polyU собрана у 193 человек, содержит 386
ладоней. Китайская академия наук разработала базу данных отпечатков ладоней CASIA
с помощью собственного устройства распознавания отпечатков ладоней. База данных
отпечатков пальцев XJTU собирается с помощью гаджетов iPhone 6S, HUAWEI mate8,
LG G4, Samsung Galaxy Note5 и MI8. Также представлен литературный обзор современ-
ных исследований в данной области. Отмечены преимущества гиперспектральных изо-
бражения по сравнению с мультиспектральные изображениями, гиперспектральные
изображения отпечатков ладоней очень трудно подделать.
Литература
Journal of Engineering Research & Technology (IJERT), ISSN, 2014, pp. 37-45.
2. Gautam K.A., Abbasov I..B., Namrta M.C. Development of non-imaging palmprint spectral
library via asd field spec4 spectroradiometer, Izvestiya SFedU. Engineering Sciences, 2019,
No. 3 (205), pp. 62-71.
3. Shao H., Zhong D., Du X. Towards efficient unconstrained palmprint recognition via deep
distillation hashing. arXiv preprint arXiv:2004.03303. 2020 Apr 7.
4. Nirmal Joshua R., 2Mr.C.Nelson kenedy babu. Palm Print Recognition Using Artificial Neural
Networks, 2020, Vol. 7, Issue14. ISSN- 2394-5125.
5. Prasanna, Yerra Satya Dhana Lakshmi, and R. Mani Deepika. Palm Print Recognition Using
Inner Finger Deep Learning Using Neural Network, International Journal, 2020, 5.12.
6. Brown D., Bradshaw K. Deep Palmprint Recognition with Alignment and Augmentation of
Limited Training Samples, SN Computer Science, 2022 Jan, 3 (1), pp. 1-7.
7. Gumaei A., Sammouda R., Al-Salman A.M., Alsanad A. An effective palmprint recognition
approach for visible and multispectral sensor images, Sensors. 2018 May, 18 (5), pp. 1575.
8. Available at: https://www4.comp.polyu.edu.hk/~csajaykr/palmprint3.htm.
9. Available at: http://www4.comp.polyu.edu.hk/~csajaykr/IITD/Database_Palm.htm.
10. Department of Computing, the Hong Kong Polytechnic University (PolyU), Hyperspectral
Palmprint database, PolyU, accessed on Aug. 22, 2013. Available at: http://www4.comp.polyu.
edu.hk/ ~biometrics/Hyperspectral Palmprint /HSP .htm. K. Elissa, “Title of paper if known,”
unpublished.
11. Zhang D., Guo Z., Gong Y. Feature Band Selection for Online Multispectral Palmprint Recognition,
In Multispectral Biometrics, Springer, Cham, 2016, pp. 153-162.
12. Khandizod, Anita & Deshmukh, Ratnadeep. Hyperspectral Palmprint Recognition System
using Phase Congurency and KNN Classifier, 2018.
13. Zhang D., Guo Z., Lu G., Zhang L, Zuo W. An online system of multispectral palmprint verification,
IEEE transactions on instrumentation and measurement, 2009 Oct 16,59 (2), pp. 480-90.
14. Zhao S., Nie W., Zhang B. Multi-feature fusion using collaborative residual for hyperspectral
palmprint recognition, In 2018 IEEE 4th International Conference on Computer and Communications
(ICCC) 2018 Dec 7, pp. 1402-1406. IEEE.
15. Nie W., Zhang B., Zhao S. Discriminative local feature for hyperspectral hand biometrics by
adjusting image acutance, Applied Sciences, 2019 Jan;9(19), pp. 41-58.
16. Akila P., Gayathri R., Meenatchi R., Ramya M., Dharini D. Analysis of Multibiometric
Palmprint Recognition System for Authentication, International Journal Of Engineering Research
& Technology (IJERT) NCICCT – 2016, 2016, Vol. 4, Issue 19.
17. Kadhm M.S., Ayad H., Mohammed M.J. Palmprint Recognition System Based On Proposed
Features Extraction And (C5. 0) Decision Tree, K-Nearest Neighbour (Knn) Classification
Approaches, J. Eng. Sci. Technol., 2021 Feb;16(1), pp. 816-31.
18. Available at: http://biometrics.idealtest.org/dbDetailForUser.do?id=5 CASIA Palmprint Database
(accessed: 29 May 2020).
19. Available at: https://www.coep.org.in/resources/coeppalmprintdatabase.
20. Shao H., Zhong D., Du X. Efficient deep palmprint recognition via distilled hashing coding,
In Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition
Workshops, 2019, pp. 0-0.
21. Bala S. Comparative analysis of palm print recognition system with Repeated Line Tracking
method, Procedia Computer Science, 2016 Jan 1;92, pp. 578-82.
22. Khan Z., Shafait F., Hu Y., Mian A. Multispectral palmprint encoding and recognition. arXiv
preprint arXiv:1402.2941. 2014 Feb 6.
23. Li H, Zhang Z. Research on palmprint identification method based on quantum algorithms,
The Scientific World Journal, 2014 Jan 1;2014.
24. Sun J., Abdulla W., Wang W., Wang Q., Zhang H. Band Selection for Palmprint Recognition,
Journal of Advances in Information Technology, Vol. 2016 Nov. 7(4), pp. 91-98.
25. Guo J., Liu Y., Yuan W. Palmprint recognition based on phase congruency and twodimensional
principal component analysis, In 2011 4th International Congress on Image and
Signal Processing 2011 Oct 15, Vol. 3, pp. 1527-1530. IEEE.
26. Lin S., Bai Y., Tang Y. Design of online non-contact palmprint recognition simulation system,.
In 2016 9th International Congress on Image and Signal Processing, BioMedical Engineering
and Informatics (CISP-BMEI) 2016 Oct 15, pp. 686-690. IEEE.
27. Khandizod A.G., Deshmukh R.R. Comparative analysis of image enhancement technique for
hyperspectral palmprint images, International Journal of Computer Applications, 2015 Jul;
121(23), pp. 30-55.
28. Kumar A., Shekhar S. Palmprint recognition using rank level fusion, In 2010 IEEE International
Conference on Image Processing 2010 Sep 26, pp. 3121-3124. IEEE.
29. Xu X., Guo Z., Song C., Li Y. Multispectral palmprint recognition using a quaternion matrix,
Sensors, 2012 Apr;12 (4), pp. 4633-47.
30. Zhong D., Yang Y., Du X. Palmprint recognition using siamese network, In Chinese conference
on biometric recognition, 2018 Aug 11, pp. 48-55. Springer, Cham.
31. Midhuna Naveen, Neethumol K J, Pritty Mary Mathew, Sherin Joseph, Sujitha M., Machine
Learning Algorithms based Palmprint Biometric Identification, International Journal Of Engineering
Research & Technology (IJERT) ICCIDT – 2021, Vol. 09, Issue 07.
32. Dong X., Mei L., Zhang J. Palmprint recognition based on deep convolutional neural networks,
In 2018 2nd International Conference on Computer Science and Intelligent Communication
(CSIC 2018) 2018, pp. 82-88.
33. Meraoumia A., Bendjenna H., Chitroub S. Towards a robust palmprint representation for person
identification, International Journal of Information and Communication Technology,
2019;14 (1), pp. 89-109.
34. Khandizod A.G., Deshmukh R.R. Analysis and Feature Extraction using Wavelet based Image
Fusion for Multispectral Palmprint Recognition, International J Enhanced Research in Management
& Computer Applications, ISSN. 2014:2319, pp.74-71.
35. Poonia P., Ajmera P.K., Shende V. Palmprint recognition using robust template matching.
Procedia Computer Science, 2020 Jan 1167, pp. 727-736.
36. Paoletti M.E., Haut J.M., Plaza J., Plaza A. Deep learning classifiers for hyperspectral imaging:
A review, ISPRS Journal of Photogrammetry and Remote Sensing, 2019 Dec 1158, pp. 279-307.
37. Schneider, Armin, and Hubertus Feussner. Biomedical engineering in gastrointestinal surgery.
Academic Press, 2017.
38. Garg P.K. Effect of contamination and adjacency factors on snow using spectroradiometer and
hyperspectral images, In Hyperspectral Remote Sensing, 2020 Jan 1, pp. 167-196. Elsevier.
39. Khandizod A.G., Deshmukh R.R. Hyperspectral palmprint recognition: a review. In International
Conference on Recent Trends and Challenges in Science and Technology (RTCST
2014), Organized by Pravara Rural Education Society, Padmashri Vikhe Patil College of Arts,
Science, and Commerce, Pravaranagar 2014 Aug., pp. 20-23.
40. Thamri E., Aloui K., Naceur M.S. Selection of hyperspectral bands by adopting a dimension
reduction strategy for recognition of multispectral palmprint, In 2017 International Conference
on Advanced Systems and Electric Technologies (IC_ASET) 2017 Jan 14, pp. 91-96. IEEE.
41. Jia S., Jiang S., Lin Z., Li N., Xu M., Yu S. A survey: Deep learning for hyperspectral image
classification with few labeled samples, Neurocomputing. 2021 Aug 11448, pp. 179-204.
42. Reddy P.L., Pawar S. Multispectral image denoising methods: A literature review. Materials
Today: Proceedings. 2020 Jan 1;33:4666-70.Lewis JA. Forensic document examination: fundamentals
and current trends. Elsevier; 2014 Jan 31, pp. 70-83.
43. Available at: https://en.wikipedia.org/wiki/Multispectral_image.
44. Mrs.Maheswari.M1, Ancy.S2, Dr. G.R. Suresh. Survey On Multispectral Biometric Images,
International Journal of Innovative Research in Computer and Communication Engineering,
Vol. 1, Issue 4, June 2013 ISSN (Print): 2320 – 9798 ISSN (Online), pp. 220-239.
