随着大众的信息安全意识不断增强,人们对身份识别方法的便捷、准确和安全性要求越来越高。掌纹和掌静脉相比指纹、指静脉等生物特征,具有特征区域大、纹理信息丰富等特点,在身份识别任务中有着优秀的性能,因此,近年来掌纹掌静脉识别技术引发了学术界和工业界的广泛关注和研究。目前掌纹掌静脉识别在实际应用中仍然存在用户体验差、训练数据缺乏、静脉成像受手掌温度影响较大等问题。由于现有的系统要求用户手掌在特定区域停留一段时间以采集,导致用户体验差;其次,由于缺少有效的训练样本,特征提取器难以提取到更加鲁棒、有效的特征信息;同时,受手掌温度的影响,掌静脉血管在不同温度下的收缩程度不同,掌静脉成像有较大的差异,不利于算法的判别。以上三个问题的存在,均降低了实际应用场景中掌纹掌静脉识别系统的综合表现。因此,本文针对上述三个问题,面向实际应用场景开发了一套新的掌纹掌静脉识别系统,提出了多种新的掌纹掌静脉识别方法,在提升用户体验、响应速度的同时,有效缓解了训练样本不足和环境温度对算法的影响,提升掌纹掌静脉识别算法的性能。相比现有的识别系统,本文的主要贡献在于:第一,设计开发了一套基于嵌入式平台的非停留式掌纹掌静脉识别系统。通过合理的硬件选型与系统设计,该系统能够在手掌运动中同时完成掌纹掌静脉采集,并利用采集的掌纹掌静脉图像实现注册、认证等功能;第二,提出了一种基于生成对抗网络的掌静脉数据扩增方法。该数据扩增方法能够生成与训练数据集分布相似的掌静脉图像,并且使用生成的扩增掌静脉图像对深度神经网络进行训练,从而提升网络的特征提取能力与泛化性;第三,提出了一种的新的多源域迁移学习方法。该方法能够有效提取多个源域的通用特征,并且将通用特征迁移到目标域,从而提升特征提取器在目标域上的特征提取能力,在数据集有限的情况下,该方法能够有效提升掌静脉的识别性能;第四,提出了一种基于温度的掌纹掌静脉联合识别方法。该方法考虑手掌温度对掌静脉的影响,并且通过当前手掌温度动态调整掌纹与掌静脉的融合权重,从而提升掌纹掌静脉识别算法在不同手掌温度条件下的识别性能。此外,本文通过控制变量,交叉验证等方法,在多个公开掌纹掌脉数据库与自建数据库上进行实验,实验结果的分析验证了本文所提方法的可行性和有效性,掌纹掌脉识别的性能得到了较大地提升;同时,自建数据库的实验表明,所提方法能够有效提升实际不同温度场景下掌纹掌静脉的识别性能。