تشخیص هویت، یکی از مؤلفه­ های اصلی در سیستم­ های امنیتی به شمار می­رود که دارای چالش­ ها و کاربرد­های عملی فراوانی است. پیشرفت در فناوری بیومتریک منجر به رشد سریع در زمینۀ احراز هویت افراد شده است. سیستم پیشنهادی از روش خوشه­ بندی K-means جهت انتخاب ویژگی­های مناسب تصویر کف دست برای تشخیص هویت استفاده می­کند. ابتدا تصاویر کف دست افراد مختلف از نظر میزان شباهت جدا شده و بهبود کیفیت تصاویر به روش تعدیل هیستوگرام انجام و سپس ویژگی­های مؤثر مانند زرنیک، هیستوگرام رنگ و هیستوگرام جهت­دار استخراج می­شود. در مرحله بعد به ویژگی­ها وزنی اختصاص داده می­شود و آن دسته از شاخص­هایی که بهترین تفاوت­ها را بین افراد پایگاه داده نشان دهد از اولویت بالاتری برخوردار خواهند بود. در نهایت با خوشه­بندی K-means هویت افراد تشخیص داده می­شود و برای نتیجه بهتر چندین بار خوشه­ بندی بروزرسانی شده و در هر بار میزان خطا در  خوشه ­ها محاسبه تا بهترین خوشه ­بندی با کمترین خطا انتخاب و نتیجه شود. در این پژوهش دو عامل صحت دسته­ بندی و میزان محاسبات در مقایسه با مقالات پایه انجام پذیرفت و نتایج نشان داد 10 ویژگی کمترین خطا را داشته زیرا به ازای ­10 ویژگی امتیاز خوشه­ بندی، میزان بالاتری را کسب کرده­ است. در نتیجه تشخیص هویت افراد در این پژوهش با استفاده از خوشه­ بندی ویژگی­ها به روش K-means 5.97 درصد نتیجه شد.