掌紋識別與人臉識別的關系可以用移動操作系統領域iOS系統和安卓系統的關系來類比。掌紋識別技術因其封閉性，會獲得更好的安全性和使用體驗；人臉識別得益于框架開源，將擁有更多創新應用和更大的應用規模。

近期美國專利與商標局公布了亞馬遜最新專利申請，一種非接觸式掃描系統，可通過掃描手掌特征(包括掌紋和靜脈)來識用戶身份。

目前，亞馬遜公司已獲得了“非接觸式掃描系統”的專利，并將其手掌識別技術代號確定為Orville。

同時，該系統已經在美國whole foods商超、Amazon Go便利店進行測試，在進入商店時顧客需要掃描手掌，結束購物時在配備掃描儀的收銀機上再次掃描手掌來結賬。亞馬遜在其試運行的便利店打出了“No Line, Just Walk Out”(無需排隊結賬)標語。

手掌識別實現無感支付

Amazon Go是由Amazon經營的美國便利店連鎖店。在試運營該系統的Amazon Go便利店中，開始購物時顧客需要掃描手部以登記信息。隨后在購物的過程中店內機器視覺系統會自動分辨顧客選擇的貨品類型和數量。

當需要結束購物時，顧客只需將想要購買的物品攜帶至掌紋掃描設備，并且在掃描儀附近揮手即可完成支付。在揮手掃描的同時，交易數據將被鏈接到顧客的銀行信息，整個支付過程可以在一秒之內完成。

其中，亞馬遜手掌特征掃描系統包括了紅外光源、控制器和攝像機三部分。

掃描儀首先獲取一組經過紅外偏振的原始圖像，專注于手掌外部特征，如線條、褶皺;再次獲取第二組偏振圖像時，則專注于手掌結構和內部特征，如靜脈、骨骼、軟組織等。

原始圖像經過初始處理，會提供包含手部的一組圖像。這些圖像均照度充足、正確合焦，并會以特定朝向、特定姿勢顯示手掌，并標示出是左手還是右手。

這組經過篩選和校正的圖像集合中的圖像將被劃分為更小的子圖像。例如，描繪外部特征的圖像可以被分成15*15像素的子圖像或“補丁”。之后便可以使用神經網絡確定特征向量，并利用神經網絡識別子圖像中的特征。

經過足夠的訓練，神經網絡便可以接受子圖像作為輸入，產生特征向量——對應原圖像中的一個或多個手掌特征。

優勢

在亞馬遜的報告中，使用掌紋識別的獨特優勢體現在其識別速度。目前，人臉識別、指紋識別等技術加持下的移動支付耗時處在秒級水平，而亞馬遜的掌紋識別技術則可以在僅僅300毫秒的時間內驗證個人身份并完成支付。

同時，相比于傳統手部生物識別技術——指紋識別，掌紋識別不需要使用者將手放在掃描設備上，只需揮手掃描，無需接觸。

對于識別正確率而言，掌紋識別對比現在流行的人臉識別也具有相當大的優勢。根據報道，這項技術的故障率在0.0001%左右，亞馬遜正在努力將這一故障率提高至0.000001%。

另外，現在流行的指紋識別、人臉識別等生物識別技術，都出現過安全性問題。例如指紋識別可以被指紋膜成功欺騙，未輔以強大活體檢測功能的人臉識別系統也可以被3D打印面具欺騙的情況。

因此，生物識別技術在應用時都需要配合活體檢測或者疊加使用。而掌紋識別在初始階段即是雙重驗證——第一次獲取外部特征，第二次獲取內部組織特征，在安全性上相對于其他生物識別技術有所提高。

暫時無法替代卡證系統

亞馬遜的專利申請指出，該系統準確，快速地識別用戶將提供的有效的信息，可以通過多種方式加以使用。例如，可以基于用戶身份來控制對材料處理設施(設施)，辦公室(辦公)，運輸設備、醫院、學校、酒店或其他場景的訪問權，而這些場景下目前多使用證卡系統。

但是，參照目前AmazonGo便利店中的情況而言，可以看出這樣的生物信息采集和比對方式受其自身特點的限制，系統難以小型化。對于亞馬遜描述的潛在使用場景：辦公室、運輸設備、醫院、學校來說，掌紋掃描設備依然需要被嵌入閘機等設備，因此整體設備的體積決定了其更適用于類似商超的出入口——出入口統一，并且出入行為不頻繁，而不適用于辦公室、教室、酒店房間、醫院科室等小型化，需頻繁出入的場景。

同時，參照生物識別技術中的指靜脈技術而言，掌紋中的靜脈、軟組織等結構也有可能隨著年齡和生理狀態的改變而發生變化，作為生物識別的特征而言其永久性和唯一性也仍需長期應用后的證實。

掌紋識別與人臉識別互不沖突

首先，在掌紋識別之前，亞馬遜并非沒有嘗試過開發生物識別技術。2016 年底，這家軟件巨頭發布了其人臉識別軟件Rekognition，并依附于亞馬遜最大業務——AWS 云服務業務對外輸出該技術，且當時公司就表示，俄勒岡州華盛頓縣警方已經試點該技術指認嫌疑人。

而目前的掌紋識別技術，誕生之初就被用以服務其零售業務，提升顧客體驗，其目的更類似于亞馬遜曾經大獲成功的“一鍵下單”功能——縮減購物流程，提升消費體驗。因此，兩種技術的出發點并不相同，相互獨立，不存在替代或革新的意圖。

其次，就人臉識別技術而言，其應用在國外頗具爭議，被認為具有侵犯性。同時，其對于有色人種的人臉識別正確率會大幅降低，因此無法展開大規模應用，舊金山的城市監管會就曾禁止這一技術的使用。

但在國內而言，不存在類似的政策和技術問題，因此人臉識別得以獲得大規模的應用。在人臉識別大規模順利應用的情況下，移動支付和安全防范領域并沒有引入新型生物識別技術的動機。

最后，亞馬遜目前已經獲得了該技術的專利，而這項掌紋識別技術專利的目的是簡化商超零售購物流程，其后續的發展有可能類似亞馬遜過去的同性質的過程專利“一鍵下單”軟件專利的情況——任何想在網上賣東西的人，都被禁止添加“一鍵下單”選項，除非他們愿意向亞馬遜支付專利費。

這種局面將直接導致該技術的私有化。而當前人臉識別獲得大規模應用的一個重要原因是深度學習技術底層框架的開源，因而可以根據需求進行二次開發，這也使得人臉識別大規模應用后仍在繼續發展，不斷延伸和衍生。

所以，掌紋識別與人臉識別的關系可以用移動操作系統領域iOS系統和安卓系統的關系來類比。掌紋識別技術因其封閉性，會獲得更好的安全性和使用體驗;人臉識別得益于框架開源，將擁有更多創新應用和更大的應用規模。

雖然兩者發展模式不盡相同，不存在直接沖突，但兩者同屬生物識別技術，因而存在競爭關系，而兩者間的競爭，也將促進生物識別技術的進一步發展。
責任編輯；zl