个人身份认证技术正在随着社会进步日益受到重视,尤其在安全和消费领域。传统的身份识别方法已经不能满足现代社会对信息安全的需求。生物特征识别技术越来越受到社会的重视,其中十分重要的手指静脉识别技术相比其他生物特征识别技术,具有成本低、采集装置小、非接触式采集和用户友好性等特点。本文首先分析了生物识别、图像预处理、卷积神经网络和FPGA加速计算优化等方面的基础理论知识,然后对FPGA对卷积神经网络加速计算优化、图像预处理以及手指静脉识别系统三个部分进行研究分析,并对整个手指静脉识别系统的流程做了详细的介绍。论文的主要工作和研究成果归纳如下:(1)FPGA对卷积神经网络加速计算的优化研究:针对卷积神经网络,将不同的优化对象分别划分到处理器系统与可编程逻辑上,对其优化方法进行研究。在处理器系统上实现基于流水线结构的层间模块复用,并建立对应的冲突处理机制来解决复用造成的信号冲突;在可编程逻辑上将之前方法中的分割参数作为参数,利用HLS工具设计不同的层加速器。最后采用动态定点运算来代替浮点运算,降低存储需求以及存储传输所消耗的资源,同时满足不同网络层的精度需求。(2)手指静脉图像的预处理:主要包括手指静脉的感兴趣区域提取、图像归一化以及数据扩充。对成像过程中因个体差异和采集环境和设备问题,而出现的手指静脉质量问题进行了分析。并根据手指清晰的边缘特征和指间关节对近红外光具有较高的透射率采用最大内切矩阵方法提取手指静脉感兴趣区域。并通过伽马变换、剪切变换、平移、旋转以及局部放大等方法,构建具有变化多样性的手指静脉数据库。(3)手指静脉识别软件系统设计:给出了手指静脉识别系统的软件框架,搭建了系统平台,包括Linux系统移植与工程启动文件编译。在ZCU102开发板上验证了手指静脉识别软件,使用数据扩充后的融合手指静脉数据库,分别应用AlexNet网络和SqueezeNet网络,对手指静脉识别精度结果以及功耗性能进行了对比分析。经过实验可以证明,使用该系统进行手指静脉识别可以在可接受的精度损失范围内,提高手指静脉的识别效率。