随着信息化时代的发展,以生物特征识别技术为代表的身份认证和识别技术得到了许多关注。在生物特征识别技术中,指静脉识别由于其特有的活体检测能力及安全性得到了许多研究者的青睐。然而,现有的研究工作主要集中于固定姿态下的指静脉识别,仅考虑了相对理想的、不存在任何三维空间下旋转的场景。但是,在现实场景下,由于其非接触式采集的成像特性及对用户手指固定姿态的高依赖性,手指旋转很可能导致指静脉图像中的静脉纹理发生成像区域错位以及图像畸变的问题,导致算法识别准确率下降。对于传统的单侧成像式指静脉识别方法来说,仅通过二维图像处理的方法无法有效处理手指轴向旋转问题。为解决上述指静脉识别中的手指多姿态问题,本文从三维计算机视觉的角度出发提出了一套三维指静脉识别方法。通过显式地建模三维空间中的手指指形及指静脉模型,从三维指静脉点云中提取出旋转不变特征进行识别。基于此,我们可以将三维指静脉识别的任务划分为以下几个核心问题:（1）获得指静脉图像后,如何恢复三维信息?（2）获得三维信息后,如何从三维指静脉点云提取特征?（3）获得三维特征后,如何保证所提取的特征具有旋转不变特性?针对上述的几个问题,本文的贡献如下:首先,本文提出了一套基于手指轮廓先验的三维重建方法,以解决如何恢复三维信息的问题。由于指静脉图像透射式成像设备的特殊性难以满足现有的三维重建方法对稠密视角数以及丰富图像特征的要求,现有方法难以从指静脉图像中恢复三维指形信息。此外,三维重建过程中的耗时对于嵌入式设备来说也是不小的开销。为此,本文提出了一套轻量化的基于手指轮廓先验的三维指形与指静脉信息重建方案。通过假设手指的横截面近似符合椭圆的形状先验,根据不同视角下手指边缘轮廓的投影约束构建优化问题来求解三维模型。为提升三维重建的速度,还采用了一系列加速策略以加速优化问题的收敛。其次,本文提出了基于动态图的图卷积方法以聚合三维点云的局部纹理信息,以解决如何提取三维特征的问题。因为点云的无序性和非欧式结构,其无法像二维图像一样直接适用于现有的基于卷积神经网络的特征提取方法。此外,又由于目前的点云特征提取方法往往仅适用于提取粗粒度的三维点云特征,无法有效地关注到三维指静脉点云中的局部静脉纹理特征。为此,本文在原始三维指静脉点云上构建K近邻动态图,并利用图卷积对点云的局部细节信息进行聚合。然后,本文提出了基于轴向旋转群的群卷积方法处理旋转问题,以解决如何保证特征具有旋转不变性的问题。本文所关注的核心问题是指静脉识别中的手指多姿态问题,特别是手指轴向旋转问题。然而,目前的以卷积神经网络为代表的特征提取方法仅具有对于平移变化的不变性,并不具有对于旋转变化的不变性。为保证从三维指静脉点云提取的特征具有旋转不变性,本文基于手指指形先验引入了轴向旋转群以及基于该旋转群构建的群神经网络结构。轴向旋转群将原始的旋转问题简化为了置换问题。在旋转群上进行卷积操作可以保证旋转等变性,进行池化操作可以保证旋转不变性。最后,为了有效地评估本文所提出方法的性能,本文在此前的公开数据集SCUT-3DFV以及自建的目前规模最大的三维指静脉点云数据集上进行实验评估。在大规模旋转评测标准上,分别达到5.07%和4.49%的等误率,超过了现有的指静脉识别方法。此外,还开展了一系列网络特征可视化实验,针对处理不同旋转样本时网络的注意力可视化结果对比验证所提出方法对于旋转问题的有效性。