传统意义上的掌纹识别一般是基于图像进行的，这种方式能得到较好的结果，但也遇到了一些瓶颈。为了提高识别率,本文提出了一种新型的掌纹识别方法:三维掌纹身份鉴别。其主要技术要点是使用一个投影机分时投射结构光到手掌上，CCD摄像机获取多幅带结构光的掌纹图像序列送到微机，微机使用基于图像的精密测量技术重构出手掌的三维点云结构，用于身份鉴定。　　由于该系统的投影机要求能够快速启动、发热低、能长期运行，本文介绍了一种手持式LED单色液晶投影机的研制。其主要包括LCD液晶面板驱动电路板、光路设计、光源选取、结构设计等。这种以LED为光源的廉价、简易单色投影机满足了实时三维掌纹身份鉴别的需要。　　本文也描述了基于结构光的三维掌纹身份鉴别系统的原理、系统组成、构建。只需在传统的掌纹识别系统中添加一台投影机，就能构建出全新的三维掌纹鉴别系统，该系统既能获取二维的掌纹图像，也能测量三维掌纹结构信息。　　通过深入挖掘三维点云数据和二维图像相关点的对应关系，借鉴二维掌纹的定位算法，找出三维掌纹的关键点，然后得到三维掌纹的ROI区域，实现定位。由于曲率在计算上的视点无关性，本文定义曲率为三维掌纹的主要特征。曲率主要包括高斯曲率和平均曲率，通过求出每一点的曲率，将其映射到图像上，得到非常清晰的手掌结构图，称为高斯曲率图像(GCI)和平均曲率图像(MCI)。利用高斯曲率和平均曲率与8种基本曲面类型的关系，可以导出曲面类型(ST)这个特征。　　为了评估这些特征的稳定性，在一个包括54个人108个手掌的3D+2D的库上对高斯曲率、平均曲率、曲面类型等特征做了大量试验，对各种特征的稳定性做了详细的描述和对比，实验表明：3种特征都是较稳定的特征，但是曲面类型最稳定。然后将三种三维特征融合起来，得到更好的结果。文章对三维、二维掌纹识别进行了对比，并对两者进行了融合，融合实验中得到EER=0的良好结果。