指静脉认证技术凭借其独特的优势在生物特征识别领域扮演着重要角色。然而,现有的传统指静脉识别系统一般使用单目相机对单侧手指进行近红外波段的二维成像,这导致了两个重要问题:用于认证的静脉纹理信息较为有限;在非接触模式下,同一手指在摆放位置不一样的情况下采集的图像差异较大。这两个问题对认证系统的性能都有不利的影响。现有的指静脉认证系统对手指姿态的变化比较敏感,尤其是手指绕轴向旋转的姿态变化,虽然目前已有少量工作针对此进行了研究,受制于采集和成像模式的局限性,手指姿态变化带来的纹理信息改变和丢失的问题并未得到很好地解决。为此,本文研究了一套全新的基于三维重建和卷积神经网络技术的指静脉认证方案,旨在解决上述阐明的痛点问题。本文的主要贡献有:第一,提出一种基于三个摄像头在全方位角度拍摄同一根手指用于重建三维指静脉的方案,并制作了相应的软硬件系统。三个摄像头的视野能覆盖手指所有区域以获取整个手指表皮下的静脉信息。由于现有的基于多视图进行三维重建的算法需要提取静脉区域的特征点,然而在指静脉图像上难以获得足够多的有效特征点进行匹配;而且,其它经典的三维重建算法也难以满足指静脉识别系统对于实时性、小体积、低成本等方面的需求。在综合各方因素的前提下,提出了新的三维指静脉认证系统结构。第二,提出一种基于椭圆模型的三维指静脉重建算法。由于手指的垂直于轴向的剖面近似一个椭圆,且拍摄的静脉纹理只对应手指表皮的静脉,所以我们通过将不同位置的剖面椭圆进行串接来构建三维手指模型,并把二维纹理映射到三维模型上来重建三维指静脉图像,以使得重建误差最小化。第三,提出一种三维指静脉特征提取与匹配算法。为解决多姿态问题,我们先对三维指静脉图像进行旋转平移操作,使手指中轴线与Z轴重合,且线段中点位于系统坐标系原点。然后对矫正后的图像以绕中轴线旋转扫描方式生成纹理展开图和几何形状图。最后搭建了一个轻量级卷积神经网络来学习纹理和几何形状特征,并将纹理和几何形状特征进行有效融合以获得最佳匹配结果。实验表明,本文提出的轻量级网络在二维指静脉认证系统中能获得有竞争力的效果;另外,在多姿态数据下,用三维指静脉纹理展开所获得的指静脉纹理展开图比用单张二维指静脉图像获得的效果提升了4.16%,此外,仅用几何形状信息进行认证时也可以获得与仅用单张二维图像接近的效果,最后,我们提出的指静脉纹理和几何形状信息融合方法可以获得2.13%的等误率,相比传统二维指静脉图像的方法提升了4.4个百分点。我们提出的三维指静脉认证系统获得了更多生物特征信息且对手指姿态变化更加鲁棒,具有很好的应用价值。