هدف از این تحقیق ارائه ی روشی دیگر برای شناسایی های مبتنی بر بیومتریک است. هندسه دست بیومتریکی است که جایگاه خود را در بین بیومتریک ها چه در بخش تائید و چه در بخش تعیین هویت به اثبات رسانده است. هزینه جمع-آوری اطلاعات نسبتا پائین، مقبولیت و قابلیت اطمینان بالا از شاخص های این بیومتریک است. در این تحقیق تصاویر ورودی از پایگاه iitd و از دست چپ(266نمونه از 60 نفر)می باشد.ابتدا یک مرحله پیش پردازش که شامل باینری شدن، حذف نویز و لبه یابی می باشد، روی تصاویر انجام شده است.در بخش استخراج ویژگی از ویژگی هایی شامل طول و عرض انگشتان، عرض کف دست و نسبت سه انگشت به هم استفاده شده است که در مجموع 26 ویژگی برای سیستم مطرح می شود. برای استخراج این ویژگی ها ابتدا نقاط حفره و نوک انگشت شناسایی می شوند. بدین منظور از الگوریتم chvd برای پیدا کردن نقاط اساسی در دست استفاده شده است. در انتها برای بخش طبقه بند، مقایسه ای بین knn و svm صورت گرفته است.روش پیشنهادی ارائه شده، استفاده از الگوریتم ژنتیک در وزن-دهی ویژگی ها بود که باعث افزایش چشم گیر نرخ بازشناسی به مقدار 86/82 درصد شد.