La tecnología biométrica ha recibido mucha atención en los últimos años. Uno de los rasgos biométricos más prevalentes es la impresión de nudillos del dedo (FKP). Debido a que la región dorsal del dedo no está expuesta a superficies, FKP sería un biométrico confiable y seguro. En este artículo, proporcionamos un marco FKP que utiliza el modelo de aprendizaje profundo VGG-19 para extraer características profundas de las imágenes FKP. Las características profundas se recopilan de la capa completamente conectada 6 (F6) y la capa completamente conectada 7 (F7) del modelo VGG-19. Después de aplicar múltiples pasos de preprocesamiento, como combinar características de diferentes capas y realizar una reducción de dimensionalidad utilizando análisis de componentes principales (PCA), se ponen a prueba las características profundas extraídas. El rendimiento del sistema propuesto se evalúa mediante experimentos en el Conjunto de Datos de Delhi Finger Knuckle empleando una variedad de clasificadores comunes. El mejor resultado de identificación se obtuvo cuando el clasificador de Red Neuronal Artificial (ANN) se aplicó a los componentes principales del vector de características promediadas de las características profundas F6 y F7, preservando el 95% de la varianza de los datos. Los hallazgos también demuestran la viabilidad de emplear estas características profundas en un sistema de reconocimiento FKP.