静脉识别技术由于采用活体特征作为识别依据，具有较高的安全性，近年来在生物识别领域受到了越来越广泛的关注。传统的静脉识别技术通过采集手背的二维近红外图像，提取静脉特征进行匹配。然而，由于二维图像受手掌姿态影响较大，特征较少等原因，因此存在识别误拒率较高、不支持大规模识别等问题。基于这些问题，本文提出了使用手掌静脉三维点云进行匹配的识别方法，通过双目立体视觉三维重建系统，对手掌静脉的三维结构进行重建，并使用改进的kernel correlation算法对点云进行匹配，完成识别。本方法具有特征点数目多、误拒率低、直接匹配点云结构等优点，为大规模手掌静脉识别提供了一种方案。本文完成的主要工作有：1.设计并搭建了手掌静脉双目立体视觉三维重建系统。根据需求完成了系统的各项参数设计，并对系统进行了摄像机畸变校正，双目摄像机标定，极线校正等工作。2.设计并实现了手掌静脉近红外图像处理算法。根据手掌静脉近红外图像的特点，完成了对图像的去噪、增强，使用自适应阈值二值化的方法，完成了手掌静脉模式的提取工作。3.完成了手掌静脉三维点云重建。以提手掌静脉模式作为像素坐标索引，对左右摄像机图像进行SAD匹配，获取对应像素视差，通过三角测量计算特征点深度信息，完成三维重建。4.提出并设计了改进的kernel correlation手掌静脉三维点云匹配算法。通过改进的KC算法，计算两个待匹配点云的KC均值，通过其是否高于预设的阈值判定识别结果。5.建立了50人，其中男性30名、女性20名的手掌静脉三维点云数据库，并分别进行了统计识别率和误拒率的两组手掌静脉识别实验，结果识别率为98%，误拒率为0%，证明了本方法的可行性和实用性。