El reconocimiento de la palma de la mano se ha aplicado ampliamente a la autenticación de seguridad debido a sus ricas características, es decir, dirección local, arrugas y textura. Sin embargo, diferentes tipos de imágenes de la palma de la mano capturadas en diferentes escenarios de aplicación suelen contener una variedad de características dominantes. Específicamente, el rendimiento del reconocimiento de la palma de la mano se verá degradado por los factores de interferencia, es decir, ruido, rotaciones y sombras, mientras las imágenes de la palma de la mano se adquieren en entornos de conjunto abierto. En busca de manejar la información de interferencia de larga data en las imágenes, se ha propuesto el aprendizaje de características de la palma de la mano multivista para mejorar la expresión de características al explotar múltiples características de diversas vistas. En este trabajo, primero se presentaron seis tipos de métodos de representación de la palma de la mano publicados de 2004 a 2022, que describían las características de las palmas de las manos desde una sola vista. Posteriormente, se enumeraron varios métodos de reconocimiento de la palma de la mano basados en el aprendizaje multivista (2004-2022), que discutieron cómo lograr mejores rendimientos de reconocimiento mediante la adopción de diferentes tipos de características complementarias de múltiples vistas. Hasta la fecha, no hay trabajos que resuman la fusión multivista para diferentes tipos de características de la palma de la mano. En este trabajo, se resumirán detalladamente los objetivos, marcos y métodos relacionados de la representación multivista de la palma de la mano.