指静脉识别技术作为一项高度成熟的生物识别技术,现已被普遍应用到各种行业。作为一项身份识别认证技术,活体检测与识别是决定系统安全与稳定的重要步骤。而手指静脉实际使用场景复杂,特别在一些特殊应用场景下,由于采集时的用户因素（如手指脏污、干裂、放置姿势等）和环境因素（如自然光入射、污渍附于镜面等）,均会导致采集的手指静脉图像质量较差,进而减少有效静脉信息,一方面使得图像极易被伪造,另一方面使得静脉特征提取难度增大,导致系统在面向低质量图像时活体检测性能与识别性能均有下降。因此解决此类低质量图像的活体检测与识别成为指静脉识别技术的研究重点。本文具体研究工作如下:1.本文阐述了指静脉图像的成像方式与原理,以及指静脉识别系统原型设计的整体流程,具体分析了导致低质量指静脉图像产生的各类情况,以及低质量指静脉图像对活体检测与静脉识别的影响和研究意义,并分析了现有指静脉活体检测与识别算法的理论依据、评价指标、优缺点。2.提出基于加权差分卷积与梯度方向单元的指静脉活体检测算法。该算法增强了所提特征的环境鲁棒性与材质差异性,完善了针对低质量图像的指静脉活体检测算法。首先,为解决指静脉低质量图像易受环境变化影响的问题,提出加权差分卷积,在卷积过程中利用局部邻域关系挖掘指静脉图像的鲁棒纹理特征,增加特征稳定性,解决了目前活体检测算法对指静脉低质量图像提取特征不稳定,受环境影响明显的问题,进而增强算法泛化能力。其次,本文对指静脉低质量图像活体与假体的梯度方向特征进行分析,针对真伪样本材质细节存在差异的特点,提出了梯度方向单元,通过水平梯度和垂直梯度获取梯度方向特征,增强网络梯度方向特征表达,在特征中增强真伪样本的材质差异,解决了目前活体检测算法未充分利用真伪样本材质差异信息的问题,提高了网络判断真伪的准确性。通过对特征图主观分析与客观分析、平均分类错误率的实验分析,本文相比广泛使用的活体检测网络F-Net均有明显性能提升,有效提高了针对低质量图像的指静脉活体检测性能。3.提出基于采用多语义特征融合网络的指静脉识别算法。首先,针对目前指静脉识别深度学习方法往往忽视指静脉低级特征,未能充分利用指静脉轮廓、纹理等特征的问题,本文提出跨层拼接的特征融合机制,解决仅利用指静脉高级特征识别而忽视静脉低级特征的问题;其次,残差模块采用双层卷积结构,增加了相邻残差模块的输出特征距离,消除了指静脉各级语义特征重叠现象,并采用阶跃式残差单元分布来提升网络高低层残差单元数量的差异,进一步加大了指静脉各级特征的距离;最后,在损失函数中加入Arc Face损失项,在角度域聚敛类内距离,分离类间距离,减小指静脉特征向量的类内距离。通过在公开数据集FV-USM、实验正常图像库及特殊图像库上进行实验,本文与指静脉识别经典的改进Res Net50网络相比在ROC性能与Top1性能等评价指标中具有更加优异的性能表现。