随着科学技术的高速发展,传统的身份认证方式已经远远不能满足信息社会的发展需求,如何准确地识别个人身份并保证信息安全,是当前必须解决的问题,生物特征识别技术便应运而生。其中,手背静脉识别技术通过人体手背静脉血管的图像进行身份识别,具备非接触式采集、活体检测、安全等级高等特点,被人们所广泛关注,对其深入研究具有非常重要的意义。而为了应对市场上硬件设备小型化、易用化、可扩展性的需求,探索识别系统新的硬件实现也迫在眉睫。本文设计了一套基于RaspberryPi的手背静脉识别系统。RaspberryPi是一款基于ARM的微型电脑主板,可搭载专用的操作系统,其主板体积小、价格低、处理能力强、可扩展性高,将RaspberryPi用于手背静脉识别系统中可以有效降低成本,便于产品化,具有很高的实用价值。本文主要的研究内容为手背静脉识别算法设计和基于RaspberryPi的识别系统实现,具体包括以下几个方面:(1)本文根据手背静脉成像原理,搭建了一套图像采集装置采集手背静脉图像,并通过该装置建立并完善了手背静脉图像数据库用于前期各类算法的研究。数据库中包括300多位志愿者的手背静脉图像样本,每人左、右手各5幅图像,每幅图像的规格为320*240的灰度图。(2)本文设计了一套基于手背轮廓维诺图的静脉图像ROI提取方法,解决了图像采集过程中由于手背旋转、平移等因素对ROI的影响,获得了鲁棒性较好的手背静脉ROI图像。(3)本文提出了一种基于优化纹理特征的手背静脉识别算法。传统的Gabor滤波器能够有效提取手背静脉纹理特征,但是其特征维数过大,数据处理时间过长,对处理设备要求高,不利于实际使用。针对该问题,提出了一套优化方法:首先通过三层haar小波分解对ROI图像进行降维;然后提取低频子图的Gabor特征;最后通过PCA算法对Gabor特征进一步降维。采用基于欧式距离的最近邻分类器方法对最终特征进行匹配识别,通过一系列实验验证了该算法的可行性。(4)本文开发了一套基于RaspberryPi的手背静脉识别系统。详细介绍了识别系统的硬件平台和软件平台,设计了系统程序运行流程;将MATLAB平台的算法程序进行优化处理后通过Python语言移植到RaspberryPi系统中,通过实验验证了该系统的识别性能。综上,本文对手背静脉识别技术进行了研究,设计了手背静脉图像采集装置,提出了从图像预处理到特征提取与匹配的完整算法体系,并将以上算法成功应用到基于RaspberryPi的手背静脉识别系统中,取得了相当不错的效果。