当今社会，生物识别技术的迅速发展，带动了手写体笔迹鉴别(Handwritingidentification,HWI)的发展，如今手写体笔迹鉴别已经成为计算机视觉和模式识别领域中的一个研究热点,而且基于笔迹的身份鉴别更是被广泛的应用在金融、社会化考试、银行甚至考古学等领域。笔迹鉴别的本质就是根据手写笔迹来判断书写者的一门科学和技术。本文首先介绍了国内外笔迹鉴别的研究现状和相关理论，然后对现有算法进行了简要的介绍和分析,最后提出了基于Haar提升小波和支持向量机（SVM）的离线笔迹鉴别算法。该算法主要包括以下三个部分：1.预处理。本文的预处理算法主要包含以下几个步骤：图像的灰度化，黑白二值化，去除噪声，单字切割，归一化处理和纹理形成等。2.特征提取。本文的特征提取是基于纹理图进行的，分为两个部分,即：全局纹理特征提取和单字纹理特征提取。全局纹理特征提取，采用了基于二维Gabor变换的算法该算法用32个核函数（即4个频率和8个相位）进行仿真训练，通过与纹理图进行卷积运算，得到相应的32个小波变换系数，求其方差，将方差值作为全局纹理特征；单字纹理特征提取，采用了基于Haar提升小波变换的算法，该算法作为第二代小波变换，实现了从整数到整数的离散小波变换(DWT)，通过对单字样本进行三级小波分解，并求其小波系数的方差，得到单字特征。最后综合分析，给出最终鉴别结果。3.分类器设计。本文采用SVM（支持向量机）进行分类，该分类器包括SVM的训练和SVM的分类两部分。在训练阶段，输入样本进行训练，保存训练结果；在分类阶段，输入测试样本和指定训练结果实现测试样本的分类。本文选择40个人(每人2份共80份)的手写笔迹进行实验，以MATLAB7.0为实验环境，利用二维Gabor变换和Haar提升小波变换提取笔迹图像的纹理特征，再通过SVM分类器进行分类，完成笔迹鉴别的整个实验过程，并且取得了较好的实验结果。