掌纹相比指纹有着丰富的纹理和更广的特征空间，因此可以实现更高的识别率和更大的用户基数；而且与人脸不同的是，用户对掌纹拥有是否出示的选择权，并且更难被监控摄像头秘密采集，具有用户主动性和更低的侵犯性。
掌纹识别是一个新兴的生物特征识别技术，凭借其相对于人脸和指纹等其他生物特征的优势，迅速得到了广泛的关注。
掌纹相比指纹有着丰富的纹理和更广的特征空间，因此可以实现更高的识别率和更大的用户基数；而且与人脸不同的是，用户对掌纹拥有是否出示的选择权，并且更难被监控摄像头秘密采集，具有用户主动性和更低的侵犯性。
掌纹采集
依照媒介和方法的不同，掌纹采集存在多种形式，从是否接触采集设备来看，分为接触式采集和非接触式采集。非接触掌纹采集方式是指手掌无固定位置限制的获取图像，更自由，姿态变化更丰富，同时解决潜在的卫生问题。
同时，从光源的角度来看，掌纹采集分为单光谱掌纹采集和多光谱掌纹采集。多光谱掌纹采集利用不同波长的光提取不同的特征信息，提高整体的准确度和防骗能力。
此外，从采集装置是否可感知深度信息来看，采集的掌纹分为2D掌纹和3D掌纹。
3D掌纹能避免2D图像被伪造和被噪声污染等缺点，利用更深层次的信息提高识别的鲁棒性。
因此，3D掌纹识别具有较高的抗干扰能力，对光照变化和手掌表面严重擦伤具有较强的鲁棒性。（鲁棒性：是在异常和危险情况下系统生存的关键。比如说，计算机软件在输入错误、磁盘故障、网络过载或有意攻击情况下，能否不死机、不崩溃，就是该软件的鲁棒性。）
掌纹识别数据库
随着掌纹识别研究发展，研究人员建立许多新的数据库。某些数据库使用传统相机和经典采集方法，另一部分数据库在不同平台上采用新型的采集图像的设备。
一般的掌纹采集设备使用CCD镜头、直流自动虹膜镜头、放置平台和统一的LED光源，实现在线掌纹图像采集。
掌纹识别的发展趋势
（1）考虑真实的应用环境。首先，所需图像的旋转、平移、模糊、失真和异构数据阻碍方法进一步发展；然后，研究人员需要弄清楚在低或高对比度条件下或使用非接触方式拍摄图像时如何设计合适的算法。图像质量评价有助于降低因测试图像质量较差导致的较高错误率。
（2）建立包含各种掌纹图像的相应实用数据集，即低分辨率和高分辨率图像、2D和3D图像和多光谱图像，并以此作为基准。若数据库包括所有手部的特征，如静脉配置和指纹等，可更好地应用融合和学习方法。
（3）在线掌纹识别及其在移动设备中的应用。由于互联网的高速发展，应更重视在线掌纹识别及其在移动设备中的应用，这将成为在线支付或个人身份认证的一种有效识别方法。
（4）基于深度学习的掌纹识别方案。深度学习所需的训练样本太多且泛化能力较低。George等提出递归神经网络(Recursive Cortical Network，RCN)，用于消息传递的推理，集识别、分割和推断于一体，同时具有较优的泛化和对遮挡的推理能力，实验结果甚至优于深层神经网络，算法的数据效率高达300倍。
（5）基于编码的掌纹识别方案。大量的研究工作表明编码方式优于拍照方式，相比ID卡的工作原理，通过掌纹识别，称为掌纹ID的一位码矢量可与每个人的掌纹相连，用于取证和安全保护。
（6）结合掌纹识别的多模态识别系统。多模态可用于数据采集、预处理、特征提取和匹配，提高识别性能。然而，应用融合的对象不宜过多，总的时间开销不应过高。此外，有时融合会忽略大量信息，导致识别率有限。未来研究应该考虑融合的鲁棒性，减少诸如光照变化和条件变化等约束的影响。
（7）高安全性的生物活性检测。虽然掌纹信息不能丢失，但伪造和复制问题仍对识别系统产生巨大的不良影响。活性检测作为检测人体生命体征的方法，可以防止此类攻击。最近的研究，如多光谱识别，是一个可能的解决方案。
掌纹识别全球专利主要申请人
掌纹识别技术全球专利申请量排名前十位的申请人中有六位来自中国的大学或企业，其他四位分别为韩国三星、法国oreal、美国微软和日本富士通。
中国在掌纹识别技术方面不仅申请总量占绝对优势，而且在该技术领域存在多个全球技术领先者，华南理工大学、电子科技大学、上海大学依托其人才优势在该领域深耕细作，并联合其他科技公司共同立项研发，提高研究效率，共同提交了多件专利申请。
而阿里巴巴、欧珀、京东方均为国内顶级科技公司，在掌纹识别这一热门身份识别领域同样进行了大量投入。
三星、oreal、微软、富士通等国外申请人也是世界顶级的科技公司，虽然申请总量与中国领先申请人仍有差距，但其专利申请量紧跟中国申请人步伐，实力不容小觑，中国申请人应当继续加大研发力度扩大领先优势。
