在当今全球信息化的大背景下,信息安全问题愈来愈成为一个全球性问题,信息的安全性和保密性在信息化时代越来越引起人们的高度重视。传统的身份验证很容易导致个人信息的丢失,且易被盗取。相比于现应用的生物特征,指静脉在手指皮肤之下,不易被盗取,且指静脉因具有活体性等优势成为生物识别技术的重要研究方向。深度学习由于具有强大的特征表达能力被逐渐应用于生物特征识别领域,因此基于深度学习的指静脉识别成为当下最具研究意义和实用价值的一项技术。本文以自采集指静脉图像为研究对象,旨在构建深度学习模型来提取指静脉的脉络。针对提取到的脉络,我们采用深度卷积神经网络来提取静脉的特征向量,并构建目标静脉比对算法,来实现对目标指静脉的鉴定。本文主要研究工作如下:（1）提出基于深度学习的指静脉纹路提取算法。在U-net网络基础上,采用深度残差网络替代U-net的特征提取部分,考虑到使用池化层在指静脉的脉络提取中会丢失部分静脉信息的问题,提出用空洞卷积代替传统卷积的方法,在不做池化的情况下可以增大感受野,并且能更好的提取出指静脉的静脉信息。为了进一步提高模型的表达能力,我们采用Mish激活函数代替Re LU激活函数,该方法使得提取到的静脉纹路更加连续。且实验结果表明,该方法在自采集数据集上对静脉的纹路分割良好。（2）采用基于FaceNet的静脉特征向量提取网络来提取可以代表原始指静脉的128维特征向量。在一些图像识别任务中采用图像分类的方法来完成识别,但是这种方法不适用于数据变化的情况。本文采用基于Face Net的静脉特征向量提取网络来提取指静脉的128维特征向量,以端到端的形式学习一个从静脉图像到欧式空间的编码方式,并采用Triplet Loss来优化模型。进一步,基于指静脉的特征向量构建目标静脉比对算法。其中,每一个128维向量都可以看做是在128维空间中的一个点,则数据集中每一张指静脉图像都可以在128维空间中找到相对应的点,通过比较向量在空间上的位置距离远近即可完成目标静脉的比对。（3）基于上述的静脉提取算法与比对算法,设计了指静脉识别系统,实现了系统登录以及用户注册的功能,另外还实现了用户注册静脉,提取静脉纹路以及基于静脉的个人身份鉴定等功能模块。