随着经济与科技的快速发展,越来越多的信息化产品设备出现在人们的日常生活中,所以信息安全显得尤为重要。传统的身份识别方法已经不能满足现代社会对信息安全的需求。生物特征识别技术获得了人们的广泛关注,而手指静脉识别技术作为其中重要的一种,相比其他生物特征识别,具有采集装置小、成本低、非接触式采集、多根手指都可以使用等特点。然而,目前的手指静脉识别系统普遍存在采集的图像质量不高、依然会被伪冒攻击、对手指沿着轴心旋转的鲁棒性不高等问题。这些问题对识别系统的性能、用户体验会造成很大的影响。因此,本文针对上述问题,设计了一个新的手指静脉识别系统:基于卷积神经网络的嵌入式指静脉识别系统,同时具有仿冒检测和图像质量评价功能。相比现有的识别系统,本文的主要贡献在于:第一,提出了一种新的仿冒检测方法,将该方法嵌入到识别系统中。针对打印的指静脉伪冒图像,本文先使用巴特沃思高通滤波器提取高频图像信息,再使用LBP方法提取高频图像的纹理特征,最后使用SVM分类器进行分类。该方法可以有效的解决识别系统易被伪冒攻击的问题。第二,提出了一种新的手指静脉图像质量评价方法。由于目前手指静脉识别系统采集的图像质量普遍比较低,本文提出了一种多级光强采集方案,但是并不能完全解决图像质量低的问题。由此针对手指静脉图像特点,本文提出统计真实静脉点数的方法评价图像质量,剔除质量低的图像。第三,提出了一种改进的指静脉传统识别方法。针对手指轴向偏转的问题,本文先使用模板匹配校正手指感兴趣区域,然后再提取纹理和方向特征,最后进行分数融合。该方法能一定程度上解决手指旋转的问题。第四,提出了基于卷积神经网络提取特征的方法。本文设计出一个精简的网络模型,经过实验可以证明,使用该网络提取特征识别将会获得更高精度,同时对于手指旋转具有很好鲁棒性。最后将该网络移植到识别系统中。此外,由于研究需要,本文构建了两个手指静脉图像数据库:具有旋转特性的手指静脉数据库和伪冒手指静脉数据库。在自建的数据库和公开数据库上设计了多组实验,通过对实验结果的详细分析验证了本文所提出方法的有效性。最终,本文提出的系统具有仿冒检测功能和图像质量评价功能,在使用卷积神经网络提取特征进行识别的情况下,在带有较大手指轴向偏转的自建数据库中等误率为5.421%,比基于纹理和方向特征提取融合方法低了17.619%,从而说明了系统的有效性。