随着互联网技术的高速发展,人们的生活变得更加便捷。技术带给我们便利的同时也对公民的信息安全带来了挑战,因此研究高效、安全的生物认证技术具有重要的意义。相比于人脸识别和指纹识别等生物认证技术,指静脉识别更加安全有效。指静脉识别技术主要利用红外光提取手指静脉图像作为生物特征,利用该特征进行身份认证。论文提出了基于深度学习的指静脉识别算法。论文在分析了传统几种生物认证技术优缺点的基础上,提出使用指静脉作为生物特征,并提出利用深度神经网络对静脉图像进行分类。本文主要做了如下几个方面的工作:1、分析了指静脉采集得到的原始图像的预处理问题。在指静脉图像的采集过程中,手指会出现随机角度的偏转,本文提出一种角度校正算法修正手指的角度偏转。静脉图像包含大量无用的背景区域,且因光照强度的不同使得手指轮廓存在程度不一的模糊现象。为了获得良好的手指静脉区域,需要精确检测手指边界。本文采用垂直边缘检测结合形态学算法来实现手指边界的检测,并提出毛刺去除算法解决边界线毛刺问题。2、研究了静脉图像的优化算法。匹配滤波器和形态学方法优化静脉特征会受到静脉粗细程度和亮度因素的影响,本文提出利用曲率的概念来优化静脉特征。利用曲率分析手指截面曲线,可以很好的降低静脉粗细程度和亮度的影响。3、深入研究了深度学习的概念。经过近几年的发展,深度学习在计算机视觉领域得到了快速发展。AlexNet卷积神经网络在图像分类上表现优异,本文对该网络模型结构进行了深入分析,为了降低网络模型参数数目,对该网络作出了改进并在Caffe框架下训练网络模型。研究表明使用改进后的深度神经网络对提取的静脉特征数据作分类效果较好。