进入21世纪,随着信息技术高速发展,尤其是互联网的兴起,信息安全问题日益突出,人们开始关心如何确保自己的信息安全。为了应对信息安全问题,各个国家投入大量人力物力发展自己国家的信息安全事业。生物识别技术摆脱了传统密码、电子卡的识别方式,不仅方便使用,而且安全可靠,因此,近几年来发展势头越来来越好,目前我们经常见到的生物识别技术包括指纹、人脸、红膜等识别技术。生物识别技术被越来越多的应用在公司打卡、银行身份认证、刑侦、反恐等领域。手背静脉识别技术最近开始吸引一些科研机构及科技公司,投入巨大的人力物力进行研究,因为该技术不仅安全可靠,而且不易受到人们的抵触。到目前为止,已经有手背静脉识别的产品被应用于生活中。本文对手背静脉的国内外现状进行了了解,对手背静脉的采集、手背静脉图像的校正和感兴趣区域提取、手背静脉局部二值模式,即Local Binary Patterns(LBP)特征提取进行了研究,重点提出了深度学习训练LBP特征和分类码组合两个方面。首先,本文采用的手背静脉图像库由本实验室的采集设备采集而来,手背静脉图像的矫正是基于图像中的指节信息进行的,感兴趣区域提取是基于质心法进行的,手背静脉图像特征提取的是纹理特征,采用LBP特征提取方法。其次,利用深度学习对手背静脉的LBP特征进行训练,因为传统的BP神经网络对多层非线性网络进行权值优化时很难得到全局的参数,而深度学习能够较快的找到比较好的全局参数,达到全局最优解。深度学习训练方法采用的是受限波尔茨曼机方法。最后,采用了分类码组合的方式进一步提高识别率,最终的分类器是相关分类器。