随着社会信息化的发展,信息安全已成为人们普遍关注的话题,作为信息安全领域的代表之一——身份鉴别技术具有非常重要的研究与应用价值。生物特征识别技术因其具有唯一性、稳定性和方便性,逐渐被应用到具体生活场景中。掌纹由于主特征明显、稳定、具有唯一性且较难伪造等特点,相比于其他生物特征识别具有优势,有广阔的应用前景。掌纹本身具有较为复杂多变的特性,基于掌纹的生物识别特征技术的研究较少。传统的掌纹识别原理主要以掌纹的结构、纹理分布,相关特征点的定位为主。具有明显的缺点,如:识别准确率较低、过度依靠人工标定且主观性较强、针对较差质量的掌纹图片无法识别等。近些年深度学习的兴起,为身份鉴别技术提供了另一种思路。本文采用了三种不同的神经网络进行掌纹特征的提取。首先自行搭建图像采集设备,以拍摄不同条件下（包括不同高度、光照强度、角度、对比度）的原始掌纹图片,将原始图片进行预处理（包括图像灰度处理,二值化阈值分割,消除噪声,以特定角度旋转等操作）,详细介绍多种感兴趣区域（Region of Interest,ROI）定位与提取算法,并分析它们的优缺点,针对本实验所采集到的低分辨率图像,给出合适的ROI定位与提取算法。定位后裁切成标准大小的图片并分别放入不同的神经网络中训练,引入神经元随机失活机制防止发生过拟合现象,最后对几种不同的神经网络识别结果进行分析比较。根据它们识别的准确率、效率以及泛化能力进行分析,提出不同网络在不同场景下的应用。