静脉识别是最近几年才开始发展起来的一种生物识别技术,它是依据人类血液中的血红蛋白可以吸收特定波长的红外线的原理而成为一种有效地、高安全度的生物特征识别方式。由于静脉识别的核心技术主要在日本和韩国,而在国内尚处于研究阶段,没有自己的成熟产品,并且与现有其他生物特征识别技术相比,具有更快速、更安全、非接触性、普遍性、便利性等优点,所以对该技术的研究是非常重要的,而且具有非常良好的市场前景。本文在收集和分析近年来国内外有关生物识别技术研究成果的基础上,通过大量实验,对静脉识别系统的关键技术进行了研究。本文就对人体手背静脉识别所作的主要研究如下：1.在静脉图像预处理阶段,首先定位出目标静脉图像,再进行归一化并滤波去噪,去除原始图像中的部分噪声,增强图像的清晰度,提取可供识别的静脉原始图像,再采用Niblack方法进行图像二值化,然后进行平滑滤波图像,滤掉二值化后出现的块状噪声,然后进行细化和去毛刺,提取出较真实的静脉纹线图,以便于下一步的细节特征提取。2.在特征提取阶段,在经过预处理及二值化后得到的静脉骨架,细化并去除毛刺得到基本符合原始静脉的骨架,本文主要采用求取图像的7个不变矩来提取特征并将其作为静脉识别的数据来源。3.在静脉识别阶段,本文采用基于SVM及其扩展算法将提取到的静脉骨架中的7个不变矩的4/5作为SVM的输入源,建立训练模型进行训练,1/5用来与静脉样本数据库进行比较来判断两幅静脉图像是否属于同一个人。最后,对系统的每一个模块使用Matlab软件进行程序仿真实验,并达到了一定的效果。通过采用了支持向量机和球向量机的不同核函数并选取分类效果最好的最佳参数进行对比。实验表明：采用Niblack分割方法核函数为多项式的支持向量机在识别准确度和识别时间上都有较好的效果,能有效地进行静脉识别,从而为该系统的实用化奠定了基础。