多模态生物特征识别是通过综合利用多个模态的特征信息来进行身份验证,其中稳定有效的融合方法是保证多模态生物特征识别应用的关键。指纹、指静脉、指节纹采集位置紧凑,生物学特征类似,且具备稳定的身份表达能力,逐渐成为多模态生物特征识别领域的重要研究对象。以卷积神经网络(Convolutional Neural Network,CNN)为代表的深度学习技术在生物特征识别领域发展迅速,为多模态生物特征融合识别开启了新的研究方向。本文提出了一种基于CNN的手指多模态特征融合识别方法。主要研究内容如下:1)建立了基于CNN的手指单模态识别模型。针对手指特征及卷积神经网络的特点设计了适合的单模态网络模型,为手指多模态的融合奠定良好基础。2)提出了基于CNN的手指多模态特征融合网络模型。首先,采用卷积特征标准化方法将不同模态的特征尺寸进行统一;然后,设计了3种不同的多模态特征融合网络模型,并分析了不同的融合层次和融合方法对识别结果的影响。3)提出了基于注意力机制的手指多模态特征融合识别方法。针对特征融合过程中信息量比较大的问题,将融合特征赋予不同的注意力系数,给判别性强的特征赋予其更大的注意力系数值,并且捕捉这些特征之间的联系,对有噪声且判别性弱的特征赋予更小的注意力系数值,通过这样的方式来减少无用特征的干扰,从而提高融合网络的稳定性和有效性。