随着互联网日渐深入人们的生活,各种网络应用的身份认证需求对身份认证方式产生了深远的影响。国内外频发的安全问题,对身份认证精度提出了更高的要求。掌纹识别因为具备易用和可靠的优点,迎来了良好的发展机遇。传统的接触式掌纹识别系统在采集掌纹时手掌直接接触仪器,存在着易被污染、使用便利度低、用户接受度差等问题。使用非接触式掌纹识别可以有效地克服这些问题。目前的非接触掌纹掌脉识别系统存在算法复杂、时间开销大、防伪性能低等问题。针对上述问题,本文提出了一种新型非接触掌纹掌脉识别系统,设计了可防伪的掌纹掌脉多模态识别算法,并开展实验验证了算法的有效性。针对非接触掌纹掌脉识别场景的需求和目前存在的问题,本文设计了一种非接触掌纹掌脉采集设备方案。通过使用主动光源和滤光片,抑制了环境光对手掌中心块定位算法的干扰,简化了中心块定位算法;同时,这一设计也抑制了环境光对样本质量的影响,使得光照强度预处理算法不再必须。通过使用距离传感器,减小了样本尺度变化,避免了样本离焦模糊,使尺度预处理算法得以简化。通过双摄系统缩短了样本采集时间。本文通过这些方法实现了凭借硬件设计简化算法设计的目的,并通过实验验证了该方案的有效性。非接触掌纹掌脉识别系统对错位样本的鲁棒性和活体防伪精度是其满足身份认证需求的关键,本文对此展开了详细设计。本文使用掌纹、掌静脉双模态特征进行高精度可防伪的生物特征识别。对于掌静脉识别,提出了基于掌脉最佳匹配区的BRIEF算法。该算法在滑动窗口中寻找两个错位样本的最佳匹配区,再由BRIEF特征计算两样本的相似度。在实验中该算法表现出了对非接触样本良好的鲁棒性和优秀的活体防伪性能。对于掌纹识别,设计了基于掌纹分块的Gabor直方图算法,该算法既能表达纹理细节特征,又可以提供一定尺度的空间信息模糊,因此该算法对非接触样本有较强的鲁棒性。实验的结果证实了该算法的有效性。基于掌脉分类器和掌纹分类器,本文构建了融合分类器,通过双模态特征的融合进一步提高识别精度,并将三个分类器以不同优先级级联,设计了三种身份认证策略。经测试,本文的掌纹掌脉识别系统在保证识别精度的同时提升了用户体验,可以满足不同场合的身份认证需求。