随着人们安全意识的提高,生物特征识别安全性和可靠性越来越受到重视。目前生物特征识别技术已经相对成熟,如指纹识别、人脸识别等,但仍存在一些缺点,如识别不够便捷、用户接受程度低等。本文给出一种非接触式的手纹识别方法,支持使用移动设备拍摄手掌图像,分别利用指节纹特征和掌纹特征完成识别任务,让识别更加方便快捷的同时,保证其识别正确率。本课题采用不同型号移动设备非接触式地采集四指并拢、大拇指张开的全手掌图像,建立手掌图像库。由于拍摄时在不同光线下图像会存在偏色现象,本文在图像预处理阶段,采用灰度世界算法对采集的图像进行白平衡。然后采取肤色分割模型分割出手部图像用于后续的指节纹和掌纹识别。在指节纹识别的研究中,本文给出一种指节纹位置坐标点的定位方法,首先利用凸包算法定位手掌的凸缺陷点,然后根据梯度变化找到指跟点。遍历相邻凸缺陷点横坐标区间的像素点,根据目标区域和背景区域像素值的不同确定指尖点。再根据各指节纹与指尖点和指根点的关系确定指节纹位置。然后比较各个指节纹的纵坐标,使用欧式距离作为特征向量相似性的度量方法。最后对自建手掌图像库进行测试,给出指节纹识别结果。在掌纹识别的研究中,本文在去除手指图像后,根据距离变换求取包含五类主线的圆形区域作为手掌感兴趣区域。然后采用迁移学习方法训练自建手掌库,从识别时间和正确率考虑,选择GoogleNet预训练模型自动提取掌纹特征,然后对预训练网络进行改进并调整训练条件优化网络模型。最后,通过102人的15300张手部图像进行实验,每人随机选取10张图像作为测试集,将指节纹位置关系和掌纹特征的识别相结合,给出识别结果,并对实验结果进行分析和讨论,进而给出未来工作推进方向。