CN106682627A - 一种掌纹数据的识别方法和装置 - Google Patents

Abstract

本发明实施例提供了一种掌纹数据的识别方法和装置，该方法包括：获取手掌图像数据；从所述手掌图像数据中提取轮廓数据；采用预置的掌纹模板与所述轮廓数据进行匹配，识别出掌纹数据。由于轮廓与模板之间的匹配较为简单，计算量少，可以降低整体识别的复杂度，减少了识别的时间。

Description

一种掌纹数据的识别方法和装置

技术领域

本发明涉及计算机处理的技术领域，特别是涉及一种掌纹数据的识别方法和一种掌纹数据的识别装置。

背景技术

随着计算机技术的快速发展，生物识别技术作为一种新兴的身份识别技术，在政府、金融、军事等方面得到了广泛的发展。

其中，掌纹数据的主线、皱纹、细小的纹理、脊末梢、分叉点等特征，可以用于生物识别，并且，由于掌纹数据的采集具有非侵犯性，用户比较容易接受，对采集的终端要求也不高。

目前，一般通过HOUGH变换法、小波分析等算法识别掌纹数据，但是，这些算法的计算复杂度高，使得识别的时间较长。

发明内容

鉴于上述问题，提出了本发明以便提供一种克服上述问题或者至少部分地解决上述问题的一种掌纹数据的识别方法和相应的一种掌纹数据的识别装置。

依据本发明的一个方面，提供了一种掌纹数据的识别方法，包括：

获取手掌图像数据；

从所述手掌图像数据中提取轮廓数据；

采用预置的掌纹模板与所述轮廓数据进行匹配，识别出掌纹数据。

可选地，在所述从所述手掌图像数据中提取轮廓数据的步骤之前，所述方法还包括：

对所述手掌图像数据进行预处理；

其中，所述预处理包括如下的一种或多种：

灰度处理，中值滤波处理。

可选地，所述从所述手掌图像数据中提取轮廓数据的步骤包括：

对所述掌纹图像数据中进行边缘检测，获得边缘图像数据；

从所述边缘图像数据中提取像素点数量预符合设的轮廓条件的轮廓数据。

可选地，所述对所述掌纹图像数据中进行边缘检测，获得边缘图像数据的步骤包括：

基于检测阈值对所述掌纹图像数据中进行边缘检测，获得边缘图像数据。

可选地，所述从所述边缘图像数据中提取像素点数量预符合设的轮廓条件的轮廓数据的步骤包括：

从所述手掌图像数据的像素点总数取指定的比例，获得像素点数量阈值；

从所述边缘图像数据中提取轮廓数据；

判断所述轮廓数据的像素点数量是否小于所述像素点数量阈值；

若是，则确定所述轮廓数据的像素点数量符合预设的轮廓条件；

若否，则调整所述检测阈值，返回执行所述基于检测阈值对所述掌纹图像数据中进行边缘检测，获得边缘图像数据的步骤。

可选地，在所述从所述边缘图像数据中提取轮廓数据的步骤之后，所述从所述边缘图像数据中提取像素点数量预符合设的轮廓条件的轮廓数据的步骤还包括：

去除像素点数量小于预设的数量阈值的轮廓数据。

可选地，所述采用预置的掌纹模板与所述轮廓数据进行匹配，识别出掌纹数据的步骤包括：

提取手掌主线的主线模板；

采用所述主线模板与所述轮廓数据进行匹配，识别出主线数据；

其中，所述手掌主线包括如下的一个或多个：

生命线、智慧线、感情线。

可选地，所述采用预置的掌纹模板与所述轮廓数据进行匹配，识别出掌纹数据的步骤还包括：

合并属于同一个手掌主线的轮廓数据。

可选地，还包括：

在所述手掌图像数据中绘制所述掌纹数据，生成手掌掌纹图像。

根据本发明的另一方面，提供了一种掌纹数据的识别装置，包括：

手掌图像数据获取模块，适于获取手掌图像数据；

轮廓数据提取模块，适于从所述手掌图像数据中提取轮廓数据；

掌纹模板匹配模块，适于采用预置的掌纹模板与所述轮廓数据进行匹配，识别出掌纹数据。

可选地，还包括：

预处理模块，适于对所述手掌图像数据进行预处理；

其中，所述预处理包括如下的一种或多种：

灰度处理，中值滤波处理。

可选地，所述轮廓数据提取模块还适于：

对所述掌纹图像数据中进行边缘检测，获得边缘图像数据；

从所述边缘图像数据中提取像素点数量预符合设的轮廓条件的轮廓数据。

可选地，所述轮廓数据提取模块还适于：

基于检测阈值对所述掌纹图像数据中进行边缘检测，获得边缘图像数据。

可选地，所述轮廓数据提取模块还适于：

从所述手掌图像数据的像素点总数取指定的比例，获得像素点数量阈值；

从所述边缘图像数据中提取轮廓数据；

判断所述轮廓数据的像素点数量是否小于所述像素点数量阈值；

若是，则确定所述轮廓数据的像素点数量符合预设的轮廓条件；

若否，则调整所述检测阈值，返回执行所述基于检测阈值对所述掌纹图像数据中进行边缘检测，获得边缘图像数据的步骤。

可选地，所述轮廓数据提取模块还适于：

去除像素点数量小于预设的数量阈值的轮廓数据。

可选地，所述掌纹模板匹配模块还适于：

提取手掌主线的主线模板；

采用所述主线模板与所述轮廓数据进行匹配，识别出主线数据；

其中，所述手掌主线包括如下的一个或多个：

生命线、智慧线、感情线。

可选地，所述掌纹模板匹配模块还适于：

合并属于同一个手掌主线的轮廓数据。

可选地，还包括：

手掌掌纹图像生成模块，适于在所述手掌图像数据中绘制所述掌纹数据，生成手掌掌纹图像。

本发明实施例从手掌图像数据中提取轮廓数据，采用预置的掌纹模板与所述轮廓数据进行匹配，识别出掌纹数据，由于轮廓与模板之间的匹配较为简单，计算量少，可以降低整体识别的复杂度，减少了识别的时间。

上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。

附图说明

通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：

图1示出了根据本发明一个实施例的一种掌纹数据的识别方法的步骤流程图；

图2A-图2B示出了根据本发明一个实施例的一种灰度处理的示例图；

图3A-图3B示出了根据本发明一个实施例的一种中值滤波处理的示例图；

图4示出了根据本发明一个实施例的一种检测阈值的调整示例图；

图5示出了根据本发明一个实施例的一种主线的掌纹模板的示例图；

图6示出了根据本发明一个实施例的一种手掌掌纹图像的示例图；以及

图7示出了根据本发明一个实施例的一种掌纹数据的识别装置的结构框图。

具体实施方式

下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。

参照图1，示出了根据本发明一个实施例的一种掌纹数据的识别方法的步骤流程图，具体可以包括如下步骤：

步骤101，获取手掌图像数据。

在具体实现中，本发明实施例可以应用于业务平台，其本质可以为独立的服务器或服务器集群，如分布式系统。

业务平台可以提供API(Application Programming Interface，应用程序编程接口)接口，移动终端可以按照该API接口的规范，封装业务请求发送至业务平台，以调用该业务提供掌纹服务。

在本发明实施例中，移动终端可以调用摄像头采集手掌图像数据，并上传至图床，其中，如图2A所示，手掌图像数据为记载有手掌的图像数据。

图床为一个独立于业务平台、移动终端的第三方的云平台，可以对用户提供云服务，用户在申请了相应的账号之后，分配相应的云服务器，如虚拟机，并在该云服务器中建立数据库。

移动终端可以通过图床提供的接口上传手掌图像数据到该云服务器中，该云服务器可以将手掌图像数据存储，并分配第一地址，例如，URL(UniformResource Locator，统一资源定位符)。

需要说明的是，移动终端在上传手掌图像数据之前，可以对手掌图像数据进行压缩，以减少传输的数据量。

图床存储该手掌图像数据之后，将其第一地址返回移动终端。

移动终端可以将该第一地址按照API接口的规范，封装业务请求发送至业务平台，以调用该业务提供掌纹服务。

当然，除了手掌图像数据在图床的第一地址之外，移动终端还可以将其他信息封装至业务请求中，例如，Uid(用户唯一标识)、用户昵称、用户密码等等，本发明实施例对此不加以限制。

业务平台在接收到移动终端发送的业务请求之后，响应该业务请求，从图床中获取移动终端上传的手掌图像数据。

在具体实现中，业务平台可以从业务请求中提取手掌图像数据在图床中的第一地址，访问第一地址、从图床中下载移动终端上传至图床的手掌图像数据。

当然，上述手掌图像数据的获取方式只是作为示例，在实施本发明实施例时，可以根据实际情况设置其他手掌图像数据的获取方式，例如，若应用在移动终端中，则可以直接拍摄照片、作为手掌图像数据，或者，直接导入手掌图像数据，等等本发明实施例对此不加以限制。另外，除了上述手掌图像数据的获取方式外，本领域技术人员还可以根据实际需要采用其它手掌图像数据的获取方式，本发明实施例对此也不加以限制。

在本发明的一个实施例中，在执行步骤102之前，可以对手掌图像数据进行预处理。

其中，预处理包括如下的一种或多种：

(1)、灰度处理

由于采用Canny算子进行边缘检测使用灰度图，并且，使用灰度图可以提升后续图像处理操作的速度。

因此，可以调用opencv库的cvtColo函数等方式，将RGB彩色的手掌图像数据处理成灰度图。

例如，对如图2A所示的手掌图像数据进行灰度处理，得到如图2B所示的灰度图。

(2)、中值滤波处理

由于未经处理的手掌图像数据带有较多的细纹、杂纹，在主线提取中这些被视为噪声，会对主线提取带来较大干扰，所以，可以使用中值滤波将细纹、杂纹过滤掉。

例如，对如图3A所示的灰度图(手掌图像数据)进行中值滤波处理，得到如图3B所示的图像数据。

当然，上述预处理只是作为示例，在实施本发明实施例时，可以根据实际情况设置其他预处理，例如归一化、光照补充等等，本发明实施例对此不加以限制。另外，除了上述预处理外，本领域技术人员还可以根据实际需要采用其它预处理，本发明实施例对此也不加以限制。

步骤102，从所述手掌图像数据中提取轮廓数据。

在具体实现中，可以从手掌图像数据中提取轮廓数据，识别出较为明显的掌纹数据。

在本发明的一个实施例中，步骤102可以包括如下子步骤：

子步骤1021，对所述掌纹图像数据中进行边缘检测，获得边缘图像数据；

在具体实现中，可以对掌纹图像数据进行边沿检测，标识掌纹图像数据中亮度变化明显的点，获得边缘图像数据，在保留原有图像属性的情况下，显著减少掌纹图像数据的数据规模。

在本发明的一个实施例中，子步骤1021可以包括如下子步骤：

子步骤10211，基于检测阈值对所述掌纹图像数据中进行边缘检测，获得边缘图像数据。

在本发明实施例中，可以采用Canny算子进行边缘检测，Canny算子是一个多级边缘检测算法，提出了三个严格的边缘检测标准：

(a)好的信噪比

(b)高的定位精度

(c)单边缘响应

根据这三个准则，Canny算子推到出最优边缘检测算子的一个近似实现，即边界点位于图像被高斯函数平滑后的梯度幅度极大值点上，通过包括如下过程：

(1)、利用一维高斯函数，分别按行和列对掌纹图像数据进行低通平滑滤波。

(2)计算平滑后的掌纹图像数据中各点的梯度值和梯度方向，记录于梯度幅值图和梯度方向图中。

(3)对梯度幅值进行非极大值抑制，确定候选边缘点。

在梯度幅值图中，如果某点梯度值与该店梯度方向上相邻两个像素的梯度值相比不是最大，则该点视为非边缘点呗删除，抑制后得到的候选边缘点记录在图edge中。

(4)设置全局高低两阈值，选取边缘点。

梯度幅值图的直方图分布中，像素点个数按梯度幅值递增方向累加，累加个数达到总数的一定比例(比如80％)时，对应的梯度值作为高阈值，高阈值的一定比例(比如50％、40％)作为低阈值。

在图edge中的候选边缘点中，梯度值大于高阈值的点作为边缘保留，梯度值小于低阈值的点则被删除，梯度值介于两阈值间且与边缘点邻接的点作为边缘点保留，否则删除。再判断保留点的八个方向中是否存在大于高阈值的边缘像素，如果存在，则认为它是边缘点，否则不是。

在本发明实施例中，检测阈值可以作为高阈值等阈值，用于选择边缘点。

子步骤1022，从所述边缘图像数据中提取像素点数量预符合设的轮廓条件的轮廓数据。

在实际应用中，可以预先一定的轮廓条件，若边缘图像数据的像素点的数量符合该条件，则可以作为轮廓数据。

在本发明的一个实施例中，子步骤1022可以包括如下子步骤：

子步骤10221，从所述手掌图像数据的像素点总数取指定的比例(如3％)，获得像素点数量阈值；

子步骤10222，从所述边缘图像数据中提取轮廓数据；

子步骤10223，去除像素点数量小于预设的数量阈值(如20)的轮廓数据；

子步骤10224，判断所述轮廓数据的像素点数量是否小于所述像素点数量阈值；若是，则执行子步骤10225，若否，则执行子步骤10226；

子步骤10225，确定所述轮廓数据的像素点数量符合预设的轮廓条件；

子步骤10226，调整所述检测阈值，返回执行子步骤10211。

在本发明实施例中，如果轮廓数据的像素点数量小于像素点总数的一定比例，则确定该轮廓数据符合轮廓条件。

否则，如图4所示，可以调整检测阈值，增加检测阈值，如值加一，重新进行边缘检测、提取轮廓，以求得适当的检测阈值，从而较为完整的保留主线的轮廓的同时去除杂纹的轮廓。

步骤103，采用预置的掌纹模板与所述轮廓数据进行匹配，识别出掌纹数据。

在人与外界的接触中，表皮逐渐增厚，人的手掌上有很多纹线，称之为掌纹，掌纹可以分为主线(principal lines)、皱褶线(wrinkle)和乳突线(ridge)。

其中，主线包括生命线、智慧线、感情线，由于在抓握东西的方式不尽相同，所以不同人的主线也会有所不同。

皱褶线是手掌部分的皮肤由于肌肉运动而产生的永久的褶皱。

乳突线是由于表皮永久变厚形成的，主要位于手掌内侧。

在本发明实施例中，可以预先针对一种或多种掌纹配置掌纹模板，即提现该中掌纹特征的模板，将掌纹模板与轮廓数据进行匹配，提取所需的掌纹数据。

在本发明的一个实施例中，步骤103可以包括如下子步骤：

子步骤1031，提取手掌主线的主线模板；

子步骤1032，采用所述主线模板与所述轮廓数据进行匹配，识别出主线数据；

在具体实现中，手掌主线包括如下的一个或多个：

生命线、智慧线、感情线。

相对应地，针对生命线、智慧线、感情线配置的主线模板如图5所示。

通过这些主线模板与轮廓数据进行匹配，可以从轮廓数据中识别出生命线、智慧线、感情线等主线数据。

若识别出主线数据，则可以合并属于同一个手掌主线的轮廓数据。

在手掌图像数据中绘制掌纹数据，生成手掌掌纹图像。

例如，如图6所示，在手掌图像数据中绘制生命线、智慧线、感情线等主线，生成手掌掌纹图像。

对于方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明实施例并不受所描述的动作顺序的限制，因为依据本发明实施例，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作并不一定是本发明实施例所必须的。

参照图7，示出了根据本发明一个实施例的一种掌纹数据的识别装置的结构框图，具体可以包括如下模块：

手掌图像数据获取模块701，适于获取手掌图像数据；

轮廓数据提取模块702，适于从所述手掌图像数据中提取轮廓数据；

掌纹模板匹配模块703，适于采用预置的掌纹模板与所述轮廓数据进行匹配，识别出掌纹数据。

在本发明的一个实施例中，该装置还可以包括如下模块：

预处理模块，适于对所述手掌图像数据进行预处理；

其中，所述预处理包括如下的一种或多种：

灰度处理，中值滤波处理。

在本发明的一个实施例中，所述轮廓数据提取模块702还适于：

对所述掌纹图像数据中进行边缘检测，获得边缘图像数据；

从所述边缘图像数据中提取像素点数量预符合设的轮廓条件的轮廓数据。

在本发明的一个实施例中，所述轮廓数据提取模块702还适于：

基于检测阈值对所述掌纹图像数据中进行边缘检测，获得边缘图像数据。

在本发明的一个实施例中，所述轮廓数据提取模块702还适于：

从所述手掌图像数据的像素点总数取指定的比例，获得像素点数量阈值；

从所述边缘图像数据中提取轮廓数据；

判断所述轮廓数据的像素点数量是否小于所述像素点数量阈值；

若是，则确定所述轮廓数据的像素点数量符合预设的轮廓条件；

若否，则调整所述检测阈值，返回执行所述基于检测阈值对所述掌纹图像数据中进行边缘检测，获得边缘图像数据的步骤。

在本发明的一个实施例中，所述轮廓数据提取模块702还适于：

去除像素点数量小于预设的数量阈值的轮廓数据。

在本发明的一个实施例中，所述掌纹模板匹配模块703还适于：

提取手掌主线的主线模板；

采用所述主线模板与所述轮廓数据进行匹配，识别出主线数据；

其中，所述手掌主线包括如下的一个或多个：

生命线、智慧线、感情线。

在本发明的一个实施例中，所述掌纹模板匹配模块703还适于：

合并属于同一个手掌主线的轮廓数据。

在本发明的一个实施例中，该装置还可以包括如下模块：

手掌掌纹图像生成模块，适于在所述手掌图像数据中绘制所述掌纹数据，生成手掌掌纹图像。

对于装置实施例而言，由于其与方法实施例基本相似，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

在此提供的算法和显示不与任何特定计算机、虚拟系统或者其它设备固有相关。各种通用系统也可以与基于在此的示教一起使用。根据上面的描述，构造这类系统所要求的结构是显而易见的。此外，本发明也不针对任何特定编程语言。应当明白，可以利用各种编程语言实现在此描述的本发明的内容，并且上面对特定语言所做的描述是为了披露本发明的最佳实施方式。

在此处所提供的说明书中，说明了大量具体细节。然而，能够理解，本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中，并未详细示出公知的方法、结构和技术，以便不模糊对本说明书的理解。

类似地，应当理解，为了精简本公开并帮助理解各个发明方面中的一个或多个，在上面对本发明的示例性实施例的描述中，本发明的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而，并不应将该公开的方法解释成反映如下意图：即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说，如下面的权利要求书所反映的那样，发明方面在于少于前面公开的单个实施例的所有特征。因此，遵循具体实施方式的权利要求书由此明确地并入该具体实施方式，其中每个权利要求本身都作为本发明的单独实施例。

本领域那些技术人员可以理解，可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件，以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外，可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述，本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。

此外，本领域的技术人员能够理解，尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征，但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如，在下面的权利要求书中，所要求保护的实施例的任意之一都可以以任意的组合方式来使用。

本发明的各个部件实施例可以以硬件实现，或者以在一个或者多个处理器上运行的软件模块实现，或者以它们的组合实现。本领域的技术人员应当理解，可以在实践中使用微处理器或者数字信号处理器(DSP)来实现根据本发明实施例的掌纹数据的识别设备中的一些或者全部部件的一些或者全部功能。本发明还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序(例如，计算机程序和计算机程序产品)。这样的实现本发明的程序可以存储在计算机可读介质上，或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到，或者在载体信号上提供，或者以任何其他形式提供。

应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制，并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中，不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中，这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。

Claims (10)

1.一种掌纹数据的识别方法，包括：

获取手掌图像数据；

从所述手掌图像数据中提取轮廓数据；

采用预置的掌纹模板与所述轮廓数据进行匹配，识别出掌纹数据。

2.如权利要求1所述的方法，其特征在于，在所述从所述手掌图像数据中提取轮廓数据的步骤之前，所述方法还包括：

对所述手掌图像数据进行预处理；

其中，所述预处理包括如下的一种或多种：

灰度处理，中值滤波处理。

3.如权利要求1-2任一项所述的方法，其特征在于，所述从所述手掌图像数据中提取轮廓数据的步骤包括：

对所述掌纹图像数据中进行边缘检测，获得边缘图像数据；

从所述边缘图像数据中提取像素点数量预符合设的轮廓条件的轮廓数据。

4.如权利要求1-3任一项所述的方法，其特征在于，所述对所述掌纹图像数据中进行边缘检测，获得边缘图像数据的步骤包括：

基于检测阈值对所述掌纹图像数据中进行边缘检测，获得边缘图像数据。

5.如权利要求1-4任一项所述的方法，其特征在于，所述从所述边缘图像数据中提取像素点数量预符合设的轮廓条件的轮廓数据的步骤包括：

从所述手掌图像数据的像素点总数取指定的比例，获得像素点数量阈值；

从所述边缘图像数据中提取轮廓数据；

判断所述轮廓数据的像素点数量是否小于所述像素点数量阈值；

若是，则确定所述轮廓数据的像素点数量符合预设的轮廓条件；

若否，则调整所述检测阈值，返回执行所述基于检测阈值对所述掌纹图像数据中进行边缘检测，获得边缘图像数据的步骤。

6.如权利要求1-5任一项所述的方法，其特征在于，在所述从所述边缘图像数据中提取轮廓数据的步骤之后，所述从所述边缘图像数据中提取像素点数量预符合设的轮廓条件的轮廓数据的步骤还包括：

去除像素点数量小于预设的数量阈值的轮廓数据。

7.如权利要求1-6任一项所述的方法，其特征在于，所述采用预置的掌纹模板与所述轮廓数据进行匹配，识别出掌纹数据的步骤包括：

提取手掌主线的主线模板；

采用所述主线模板与所述轮廓数据进行匹配，识别出主线数据；

其中，所述手掌主线包括如下的一个或多个：

生命线、智慧线、感情线。

8.如权利要求1-7任一项所述的方法，其特征在于，所述采用预置的掌纹模板与所述轮廓数据进行匹配，识别出掌纹数据的步骤还包括：

合并属于同一个手掌主线的轮廓数据。

9.如权利要求1-8任一项所述的方法，其特征在于，还包括：

在所述手掌图像数据中绘制所述掌纹数据，生成手掌掌纹图像。

10.一种掌纹数据的识别装置，包括：

手掌图像数据获取模块，适于获取手掌图像数据；

轮廓数据提取模块，适于从所述手掌图像数据中提取轮廓数据；

掌纹模板匹配模块，适于采用预置的掌纹模板与所述轮廓数据进行匹配，识别出掌纹数据。