随着信息化技术的不断普及,以生物特征识别作为信息系统安全认证方式的应用被广泛使用。目前已经出现比较成熟的生物特征识别技术,如人脸识别、指纹识别等。但面向复杂多样的使用环境和减小社会卫生隐患的生物识别系统,仍然存在一定挑战。本文给出一种在复杂背景下的非接触式手掌识别方法,支持移动设备采集手掌图像,分别利用手形轮廓特征和掌纹特征完成识别任务,在保证识别正确率的同时,减少对识别场景的限制,使得识别方法更加便捷。本文采用自行设计的图像采集程序,通过分享二维码的方式,收集到不同移动设备采集的非限制背景下手掌图像,建立手掌图像库。在预处理阶段,使用基于全反射理论的色彩均衡算法,消除不同拍摄设备下图像色彩差异的影响,并使用微分卷积算法对手掌图像进行锐化处理。在手形识别的研究中,本文给出一种基于手形轮廓压缩点的手形识别算法。首先采用肤色最大类间方差法分割出手掌轮廓,并对轮廓进行形态学处理,去除手掌轮廓的毛刺,然后采用手掌轮廓质心建立坐标系,通过等间隔取点法寻找出综合性能较优的轮廓点个数,最后采用支持向量机作为分类器,对手形进行识别,并设计实验对识别算法进行对比分析。在掌纹识别的研究中,采用背景替换方法将采集到的手掌图像背景替换为室内连续录制的复杂背景图像,使用标注了掌纹区域的复杂背景下的手掌图像作为训练数据,训练改进的区域卷积神经网络模型。通过实验分析得到在复杂背景下保持较高正确率的掌纹识别模型。最后,通过使用120个人的2400张复杂背景下手掌图像进行实验,将手形识别方法和掌纹识别方法进行融合,给出最终识别结果,并对实验结果进行了对比分析,验证融合方法的有效性。