指静脉识别作为一门新兴的的生物特征识别技术已在个人身份认证领域得到了广泛的关注并取得了较大的研究进展。相比人脸、指纹等其他生物模态,手指静脉位于手指表皮下且只能在近红外光下成像,所表征的个人身份信息不容易被盗取,因此通常被认为具有更高的安全性。然而近几年来的最新研究表明,指静脉识别系统也存在仿冒攻击的威胁,即通过普通打印的方式将注册用户的手指静脉图像复制到特殊的纸张上即可成功欺骗系统。通过调研已有的研究文献发现,研究人员已经针对性提出了多种解决方法,但仍不能很好地解决该问题。因此,本文针对指静脉仿冒攻击检测问题进行了较为深入的研究,并提出了2种指静脉仿冒攻击检测的方法:基于全变分的仿冒攻击检测方法(TV-LBP)和基于卷积神经网络的仿冒攻击检测方法(FPNet)。首先,我们通过观察、实验和分析发现,伪造的手指静脉图像的纹理模糊程度较高和干扰噪声较多,基于此,本文提出了一种有效且鲁棒的方法TV-LBP来进行指静脉仿冒攻击检测。它先通过TV算法将原始手指静脉图像分解为包含了模糊信息的结构层和包含了噪声信息的噪声层,以避免模糊信息和噪声信息间的相互影响;接着,为有效地将分离后的模糊和噪声信息提取出来,采用分块LBP方法来提取两个分解层的纹理特征;最后构建了级联SVM模型作为分类器对所提特征进行训练和分类,以提高方法的仿冒攻击检测能力。其次,考虑到卷积神经网络(CNN)在大规模图像分类任务以及人脸、指纹等生物特征仿冒攻击检测领域的成功应用,本文还探索了CNN解决指静脉仿冒攻击检测的可行性,针对性地构建一个全新的浅层网络FPNet。在训练FPNet阶段,从原始图像中截取大量的图像块,从而将训练数据扩充数十至上百倍以确保训练样本的充足。测试时,为了将图像的局部和全局信息结合起来,我们把同一张手指静脉图像上所有图像块的分类得分整合起来作为最终的决策依据,以提高系统的决策质量。最后,为了能公平、科学地评估本文方法的性能,除了公开数据库“IDIAP FVD”外,我们还构建了一个新的真伪手指静脉数据库来进行算法评测。该数据库包括了100个人左右手的食指、中指和无名指的手指静脉,每根手指采集了6次,共计7200张图像(3600真+3600伪)。大量的实验结果表明,我们提出的两种方法的仿冒攻击检测精度在公开和自建数据库上均能达到100%,总体性能超过了现有的其他方法。