处在一个信息互联互通的时代,信息安全的保护成为当今社会背景下一个炙手可热的话题。传统的身份识别验证方式,如钥匙、PIN码、ID卡等,识别率和安全性都比较低,已经远远不能满足人们当今生活的需求。生物特征识别技术是利用人体独有的“行为特征”或者“生理特征”而进行的识别技术,其隐蔽性能、防窃取以及安全性能方面远远好于传统识别方式。掌静脉识别技术是众多生物特征识别技术中起步较晚的一种识别技术,利用人体丰富的手掌静脉血管信息对身份进行识别验证,并且在近几年得到了较为迅速的发展。针对掌静脉采集设备小型化的实现、良好的近红外光源模块设计以及普适性采集等核心难点问题,本文设计并提出一套基于Raspberry Pi3B+平台的掌静脉图像采集系统。首先,对主流的生物特征识别技术进行了优缺点对比,并从医学的角度研究分析了掌静脉的成像原理和影响因素等。随后提出三种近红外光源波段组合850nm、940nm及850+940nm的实验方案,根据成像效果验证了850+940nm混合波段的可行性,本设计为近红外光源波长的选择提供了另一种可行性方案。然后,对整个掌静脉采集装置进行搭建,首先确定近红外光源的硬件型号,并对近红外光源的结构布局及光源均匀化的实现进行原理性分析,对近红外光源驱动模块、超声波测距模块、继电器开关控制电路、CMOS摄像头模组及滤光片进行具体的硬件选型以及电路设计。针对因不同人群的手掌脂肪层厚度存在差异而造成的静脉成像质量不理想等问题,本文设计并实现了两路近红外光源亮度调整电路,默认状态下使用自适应亮度调节电路进行掌静脉图像的采集,如果实时采集到的图像质量不佳,则通过上位机界面选择PWM脉宽调制的方式,对占空比进行实时调节以达到亮度调节的目的,直至采集到高质量的掌静脉图像。最后,为了更好实现人机交互性,设计并搭建基于PyQt5+SQLite的掌静脉图像采集界面（GUI）,完成对用户的掌静脉图像采集以及注册信息如ID、姓名、左右采集手掌、注册时间和掌静脉图像等相关信息的保存。通过调节摄像头参数如对比度、亮度等,并搭配两路光源调整电路模块使用,直至能采集到最理想化的掌静脉图像。通过实验结果验证了掌静脉采集系统的准确性、稳定性以及可靠性,本采集系统可以实现不同场合、不同环境情况下的高质量掌静脉图像采集,可以为后续的图像处理环节提供大量的高质量掌静脉图像样本。