将全局和局部特征相结合的新框架可提高掌纹匹配准确性，结合 ViT 和 CNN 特征的基于移动设备的 Palm-ID 系统在 AMD EPYC 7543 32-Core CPU 上以 128 个线程在 18ms 内提取模板，在 0.33ms 内对 10,000 个掌纹图库进行高效搜索，并在大规模操作数据集上实现 98.06% 的真正接受率（TAR）和 0.01% 的误认为真率（FAR），同时在移动设备中嵌入完整的识别流程以提升用户隐私和安全。

Jan, 2024

本文介绍了一种基于生物识别技术的移动式非接触式棕纹识别系统，名为 Child Palm-ID，旨在为世界上一些最不发达和最贫困的国家的儿童，特别是婴幼儿，提供营养和医疗援助分配的有效解决方案，通过无联系儿童手掌图像数据库，Child-PalmDB1 的实验数据，证明了该系统的竞争力与先进性。

May, 2023

本文提出了一种用于多光谱掌纹特征编码和匹配的方法，并设计了二进制哈希表结构以实现在大型数据库中有效匹配，经过综合实验验证，该方法在识别和验证场景下均表现出比现有最先进方法更为出色的性能表现，产生的误差率分别为 0.003％和 0.2％，证明了掌纹作为一项可靠且有前途的生物测定技术。

Feb, 2014

数字取证是确保数字世界免受身份盗窃的不可避免的一部分，生物特征是解决数字取证所遇到问题的更好方案，手部生物特征模式的潜在益处和范围已经通过手几何验证方法进行了调查。

Feb, 2024

该研究提出了一种用于指纹识别系统的指纹检测算法，并结合深度神经网络技术，提高了指纹识别的准确率。

May, 2022

该论文提出了一种新的逼真伪掌纹生成（RPG）模型，用来合成具有大量身份特征的掌纹，进而提升掌纹识别的性能，并且证明其在真实数据不充足时仍然优于当前最先进的方法。

Jul, 2023

讨论了现有行为生物识别移动认证中使用的关键机器学习算法，重点关注使用触摸动态和手机移动的算法。

Apr, 2022

以手部几何为基础的四指生物特征方法，采用特征选择方法提高鉴别性能，实验使用 Bosphorus 手部数据库的 300 个受试者进行测试，通过排名为基础的本地 FoBa 算法选择的 25 个特征子集，实现了最佳鉴别准确率 98.67% 和等错误率 4.6%。

Dec, 2023

开发基于深度学习的非接触式指纹定位与分割工具，其平均绝对误差为 30 像素、角度预测误差为 5.92 度、标签准确率为 97.46%。

Nov, 2023

本研究使用行为生物识别，包括触摸动态和手机移动，创建和评估了用户身份验证方案。使用两个公开数据集，采用 7 种机器学习算法进行评估，准确率高达 86％。

May, 2022