随着互联网技术应用的普及以及人类对互联网技术的依赖,每个人的信息安全受到极大威胁。如何准确进行个人身份的识别已经迫在眉睫。掌静脉识别方式作为一种新兴的生物特征识别技术方案,凭借其唯一性、活体识别、难以进行复制伪造等特性成为一种高安全等级的生物识别技术。目前绝大多数掌静脉系统在数据获取时,都需要用户将手放置在图像采集平面上,同时采用定位装置限制手掌的姿态,这种采集方式会产生卫生、健康方面的问题。因此,无定位装置的非接触式掌静脉识别应运而生。然而非接触式采集方式导致手掌的姿态变化更大,对后续的预处理和感兴趣区域参考点的定位提出了巨大的挑战,最终使得识别准确率快速下降。本文围绕着非接触式掌静脉图像采集、预处理、ROI参考点定位以及识别算法问题展开研究,本文的主要工作如下:1.基于OVS-200硬件模块设计实现了非接触式掌静脉视频图像采集系统并完成数据集的采集工作。该系统能够对手掌位置进行软定位,一定程度上弥补了非接触式掌静脉硬件模块端无定位装置的缺点。首先该系统通过手掌心定位算法将手掌固定在视野中心区域内再进行采集工作,能够在一定程度上限制手掌的位置和姿态,减小识别难度。其次,该系统通过数据库详细记录了每一个手掌的信息,为后续的识别技术研究以及系统实现提供了丰富的数据支持。最后,该系统设置了完善的采集引导和提示,包括用户模式和管理员模式,用户可自助完成采集工作,极大地解放了人力,且该系统的硬件采集端的设备小巧便携,管理员后续也可通过数据库对用户信息进行查看和管理,具有极高的用户友好度。2.针对非接触式掌静脉图像采集装置的特点,提出了基于HOG特征和SVM分类器定位感兴趣区域（ROI）参考点的方法,修正采集过程中带来的图像偏移,改善了手掌ROI的定位精度。通过HOG特征和SVM分类器在手掌图像上进行关键参考点检测定位,依据参考点对手掌图像进行角度校正并建立坐标系获取ROI图像。所提方法的ROI提取率达到96.78%。其次对于系统而言,在ROI参考点定位模块前增加了一个手掌检测模块,通过筛除掉不符合条件的手掌视频帧,加快非接触式掌静脉识别速率。最后对已有的SIFT特征进行改进提出了特征模板的概念并取得了较低的误识率。通过实验比较了 NBP和SIFT两种特征提取方法的优劣,并基于模板匹配方法对表现性良好的SIFT方法的特征点筛选进行改进,提出了构造特征模板的概念,之后针对模板数量进行了验证,实验证明模板数量超过4个之后系统的等错误率稳定在0.43%。3.针对上述基于OVS-200设备的掌静脉图像识别的算法研究,设计并实现了相应的非接触式掌静脉识别系统软件并对系统的实时性进行了测试。首先该系统可以实现多人的注册和识别,并使用SQLite数据库存储用户注册时提取的手掌特征模板数据。然后测试了系统的运行速率,系统完成一次识别的总时长在151.46ms。最后对系统各个模块单独进行了时间测试,同时针对系统各模块中耗时最长的参考点定位模块专门进行了距离测试,实验结果表明手掌与设备的距离越近,参考点定位速度越快,系统的识别速率也就越快。