针对手形几何特征可测量的优点以及现有手形认证方法的局限性，提出了一种基于手部尺寸特征的手形认证方法。通过曲率角定位特征点，由特征点计算出手的不同部位的尺寸，再由这些尺寸构成相对长度特征向量，最后通过计算特征向量之间的欧氏距离实现手形认证。用该方法，在仅有5个特征参与匹配的情况下达到了91.08%的识别率，11个特征参与匹配时达到93.27%的识别率。结果表明，手的尺寸特征可以作为手形认证的一部分有效特征，应用该方法在选取的特征数较少的情况下即可得到较高的识别效果，且该方法实现简单、运算量小，具有实用性的特点。

针对受自然光照影响的手形图像难以准确提取手形轮廓的问题，本文基于手形边界像素在垂直于边界方向上存在灰度突变的特性，提出了一种基于方向梯度极值的手形轮廓跟踪算法。该算法首先找到手形轮廓的起始点，然后按照一定的搜索方向和规则，在局部区域内计算候选点集中梯度极大值所在的点，并逐点跟踪极大值点，得到手形轮廓。将该方法在实验室自采图库及香港科技大学(HKUST)的手形图像库两个数据库中进行轮廓跟踪实验，结果显示，自采图库的跟踪准确率为100%，香港科技大学手形图像库的跟踪准确率为85.8%，该库中符合本文算法限制条件的图像的跟踪准确率为99.4%。实验结果表明，该方法能在灰度图像上直接跟踪出准确、连续、完整的手形轮廓，尤其适合于受光照不均影响的手形图像的边缘提取。