随着移动终端设备和移动互联网的飞速发展,越来越多的网络活动正在转移至移动环境,而移动互联网安全性却面临更多严峻的技术挑战。例如无线通信信息更容易截获、篡改等。因此,对移动环境的安全性提出了更高的要求。准确的个人身份识别认证是网络空间安全（包括移动环境）的重要核心和基石。然而,数字密码、九宫格图案等传统移动环境身份认证方式已经逐渐难以完全满足安全要求。生物特征作为一种具有更高唯一性、安全性和稳定性的新型移动环境身份认证方式,逐渐在移动安全领域得到深入研究和广泛应用。生物特征识别技术利用个体的生理特征或行为特征来鉴别个人身份。生理特征主要包括指纹、人脸、虹膜和掌纹等;行为特征主要包括签名、步态和声纹等。相比其他生物特征模态,掌纹具有鉴别信息丰富、不易泄露、可非接触采集等优势。由于移动装置摄像头的发展速度飞快,并且掌纹可直接采用自带摄像头采集,不需要额外增加硬件成本和配置,所以近年来移动环境掌纹识别技术逐渐火热。但是,移动环境下的掌纹识别技术面临着诸多挑战,例如采集时背景复杂、光照差异、手部姿态和位置难以控制、有限的计算和存储硬件资源等。掌纹预处理是掌纹识别中的关键一环,主要目的是定位和裁剪手掌感兴趣区域,预处理的精度直接影响了后续特征提取和识别精度。为此,本文基于深度学习框架,提出了一种移动环境低约束条件掌纹预处理算法。主要工作及研究贡献总结如下:（1）背景、研究意义及相关知识首先,介绍课题背景及研究意义,并针对移动环境掌纹识别技术的可行性进行分析。其次,对传统的和基于深度学习的掌纹识别预处理算法和特征提取算法研究现状、安全掌纹识别领域和目标检测和语义分割的发展进行阐述,并指出目前移动环境掌纹识别技术的不足之处和尚待解决的问题。（2）低约束指间谷底区域自动检测分割算法提出的预处理算法包括三个部分:指间谷底区域检测网络、三重作用筛选准则、指间谷底区域分割网络。手部图像采集时的低约束条件提高了灵活性和舒适性,只需要使用者伸展手部,自然张开五指,并确保中指指尖的方向近似垂直向上。在低约束条件下,利用基于深度学习的指间谷底区域检测网络,不借助辅助方法,自动检测手部图像中的指间谷底区域。设计了三重作用筛选准则,从所有检测到的候选指间谷底区域中选择两个所需区域,去除虚假的指间谷底区域,并判断出不合格的图像样本。此外,设计了指间谷底区域语义分割网络,可以准确分割指间谷底区域的手部区域,对类肤色背景有很强抵抗力。为了训练指间谷底区域的检测网络和分割网络,建立并标注了一个掌纹数据库和一个指间谷底区域分割数据库。（3）二次分割及关键点检测算法设计了语义分割失效评判准则,当语义分割失效时,启动二次肤色自适应分割算法作为二次分割修复,弥补语义分割网络失效的情况,进一步降低了关键点检测的错误率。使用凸包法提取指间谷底区域的手部轮廓,避免了不平滑轮廓和奇异点干扰关键点检测。两手指内侧轮廓拟合出两条直线并得到角平分线,角平分线和手部轮廓的交点被定义为关键点,增加了手掌感兴趣区域的定位精度。综上所述,为了解决移动环境掌纹预处理算法的严峻挑战,设计了移动环境中一种新型的掌纹预处理算法,可以在低约束条件和移动环境复杂背景下,显著提高用户舒适度以及对复杂背景的抵抗性和识别精度,具有重要的理论意义和工程应用价值。