笔迹鉴别作为一项重要的生物特征识别技术,在今天有着越来越广泛的应用,众多的研究者在笔迹鉴别这一问题上做出了突破性的成果。然而非受限情况下的离线笔迹鉴别仍是一项非常有挑战性的研究工作,有很多问题值得我们进一步深入研究。深度卷积神经网络近年来蓬勃发展,解决了许多计算机视觉领域的难题,然而在离线中文笔迹鉴别领域却几乎没有看到这方面的研究。本文着重研究文本无关的离线中文笔迹鉴别,并把深度卷积神经网络应用于这一研究课题,取得了具有领先优势的笔迹鉴别效果。本文的主要研究内容如下:首次把深度卷积神经网络提取的局部特征用于离线中文笔迹鉴别,并研究不同的特征编码方式,采用Fisher Vectors算法对已有的局部特征进行编码,进而生成全局的特征。实验表明,本文所采用的基于深度卷积神经网络的特征相比于传统的人工设计的特征更具有区分性。研究不同网络结构,对网络结构进行不断地优化调整,从而达到更好地笔迹鉴别效果。研究深度卷积神经网络的训练,提出了基于滑动窗字符切割方法,评估笔迹图片归一化和数据扩充对最终鉴别结果的影响。为了选择出更有区分性的特征,采用了主成份分析对深度卷积神经网络提取的特征进行处理,并且对不同网络层的特征做了比较。通过大量细致的实验对本文提出的方法进行评估,首先在中文数据集CASIA-HWDB上面进行验证,取得了领先的结果。接着在包含两种语言的外文数据集ICDAR 2013上面进行验证,也取得了有竞争力的结果。结果表明本文算法不仅对于中文笔迹鉴别有很好的效果,而且对于跨语言的笔迹鉴别也具有一定的优势,有很强的适应性和鲁棒性。