1.一种掌静脉识别系统，包括：图像获取模块，获取手掌图像，手掌图像可包含全部或部分手掌区域，对手指部分不做要求；

手掌检测模块，根据所述图像，通过MSER算法即最大稳定极值区域算法检测，提取出手掌候选区域，根据所述手掌候选区域提取手掌ROI即手掌感兴趣区域，同时将提取出的所述手掌ROI对齐为预设方向；

特征提取模块，针对通过所述手掌检测模块提取出的所述手掌ROI进行预处理后，选取采样点，针对所述采样点提取基于Gabor小波系数的特征，根据所述基于Gabor小波系数的特征，提取出基于LGBP的特征即基于局部Gabor二值模式的特征，并对所述基于LGBP的特征进行变换，提取出低维度特征作为索引特征；以及特征比对模块，根据所述索引特征和所述基于LGBP的特征，进行基于类似度的特征比对，获得并输出比对结果。

2.根据权利要求1所述的掌静脉识别系统，所述手掌检测模块，通过MSER算法，按面积从大到小的顺序，选取规定数量以下的所述手掌候选区域。

3.根据权利要求2所述的掌静脉识别系统，将规定数量以下的所述手掌候选区域的每个手掌候选区域，进行包括缩放、降噪及对比度调整中的至少一个的预处理后得到边缘图像，针对边缘图像，基于黑塞矩阵提取关键点集合作为所述手掌ROI。

4.根据权利要求1所述的掌静脉识别系统，所述手掌检测模块，通过由HOG即方向梯度直方图和SVM即支持向量机组合而成的分类器，判断手掌ROI的真假。

5.根据权利要求1所述的掌静脉识别系统，所述预处理包括高斯滤波、曲率滤波、Gamma滤波，对比度受限的直方图均衡化中的至少一个。

6.根据权利要求1所述的掌静脉识别系统，根据所述索引特征计算第一类似度，提取第一规定量的所述索引特征作为注册特征，对于所述注册特征，通过挑选采样点、方向、频率进行基于第二类似度的比对，提取第二规定量的所述注册特征作为候选集，对于所述候选集，通过与注册特征集一一比对LGBP特征得出类似度，挑选类似度最高且大于比对阈值的注册特征。

7.一种掌静脉识别方法，包括：图像获取步骤，获取至少包含手掌的一部分的图像；

手掌检测步骤，根据所述图像，通过MSER算法即最大稳定极值区域算法检测，提取出手掌候选区域，根据所述手掌候选区域提取手掌ROI即手掌感兴趣区域，同时将提取出的所述手掌ROI对齐为预设方向；

特征提取步骤，针对通过所述手掌检测步骤提取出的所述手掌ROI进行预处理后，选取采样点，针对所述采样点提取基于Gabor小波系数的特征，根据所述基于Gabor小波系数的特征，提取出基于LGBP的特征即基于局部Gabor二值模式的特征，并对所述基于LGBP的特征进行变换，提取出低维度特征作为索引特征；以及特征比对步骤，根据所述索引特征和所述基于LGBP的特征，进行基于类似度的特征比对，获得并输出比对结果。

8.一种计算机可读取的存储介质，为非易失性存储介质，存储有用于使计算机执行以下掌静脉识别方法的各步骤的程序：图像获取步骤，获取至少包含手掌的一部分的图像；

手掌检测步骤，根据所述图像，通过MSER算法即最大稳定极值区域算法检测，提取出手掌候选区域，根据所述手掌候选区域提取手掌ROI即手掌感兴趣区域，同时将提取出的所述手掌ROI对齐为预设方向；

特征提取步骤，针对通过所述手掌检测步骤提取出的所述手掌ROI进行预处理后，选取采样点，针对所述采样点提取基于Gabor小波系数的特征，根据所述基于Gabor小波系数的特征，提取出基于LGBP的特征即基于局部Gabor二值模式的特征，并对所述基于LGBP的特征进行变换，提取出低维度特征作为索引特征；以及特征比对步骤，根据所述索引特征和所述基于LGBP的特征，进行基于类似度的特征比对，获得并输出比对结果。