笔迹既包含着书写者先天的生理特征,又受后天学习的影响,能在一定程度上反映书写者的书写习惯和生物特征。从笔迹中提取的信息可以用来判断书写者的性别、年龄和使用右手或者左手的习惯。其中,性别在书写者笔迹风格形成过程中的作用是不容忽视的。在取证分析和人口调查统计中,以性别将人群进行划分是非常有用的。确定书写者的性别能够缩小调查研究的范围,并提高笔迹识别和笔迹验证的效果。同时,结合性别与其他生物特征对案件分析有一定的启发作用。本文着眼于基于笔迹的性别识别的研究。从轮廓特征、纹理特征和深度神经网络自动提取特征三个方面入手,实现了根据笔迹判断书写者性别的目标。本文设计了链码和边界方向提取笔迹图像的轮廓信息,利用SVM算法进行分类,在IAM On-line数据库上得到了71.2%的准确率。本文研究了局部二值模式(LBP)的多种形式,以多尺度LBP提取笔迹图像的纹理信息,通过实验构建了多尺度LBP特征并确定了合适的K值,同时使用KD树分类,在IAM On-line数据库上得到了73.25%的准确率。在深度神经网络方面,本文分析了成熟网络结构的设计思路,在扩充数据的基础上,利用深度学习工具caffe搭建了包含七个卷积层和相应功能层的卷积神经网络,并使用多种技巧提高网络性能,通过合理地设置参数和微调,在IAM On-line数据库上得到了76.17%的准确率,这是该数据库上笔迹性别识别的最高准确率。