当前,生物特征识别得到广泛的应用。而在生物识别当中,最常见、使用频率最高的也就是指纹识别。指纹识别相对其他生物特征识别,具有采集数据方便、操作简便、技术成熟等特点。但是传统的指纹识别对采集环境以及手指皮肤状态要求较高,在有水渍、灰尘等条件下,使得表皮指纹所受影响较大,识别的准确率较低;另外目前的仿生技术相对比较成熟,对传统二维指纹识别的安全性冲击较大,正常的表皮指纹纹路可以被复制,通过硅胶指纹进行一比一仿造,仿造的指纹与真实的表皮指纹几乎一样,同时仿造指纹识别率也与真实的指纹也无差别。本文的数据集主要是来自OCT技术获取指尖图像的切片数据,指尖的三维指纹相对于传统的二维指纹,不仅可以有指纹的表皮纹路信息,其中表皮之下还包含着真皮层的指纹信息。由于真皮层的指纹信息在皮肤内部,受外部影响较小,且无法被伪造,安全性较高。另外由于偏振OCT对组织双折射率的改变也非常明敏感,对指尖汗腺信息呈现的效果更好,在使用三维指纹图像进行识别的同时,为了提高识别准确率,获取更多的特征信息,同时探究指尖图像汗腺的特征信息。本文提出的基于深度学习对OCT的指尖图像研究,主要分为三个部分:首先是所对指尖三维指纹图像的识别;其次将三维指纹图像中所包含的汗腺单独分割出来;最后是对分割后的汗腺进行进一步研究,发掘其信息,探究其与指纹纹路之间的关系。具体研究的内容如下:（1）将所获取的指纹的三维图像,与深度学习所结合,对三维指纹图像进行识别。在使用三维卷积神经网络对三维指纹图像进行识别分类时,首先需要将所得到的原始的OCT图像数据进行预处理,再构建三维卷积神经网络结构模型,将指纹三维图像数据输入到三维卷积神经网络的模型结构中训练,保存训练参数,最后将测试的图像数据输入,得到最终的识别准确率结果。（2）采用图像分割的方式,将汗腺信息从偏振OCT指尖图像中提取出来,并对汗腺点的信息进行研究。整个对汗腺点信息提取的过程分为以下几个部分:偏振OCT图像数据的预处理、U-net模型、测试实验结果、对汗腺点的定位以及测量出指纹表皮层深度。前三个部分通过深度学习自动去识别分割偏振OCT图像的汗腺点,其次是将已被识别的汗腺位置信息,在原图中复现,最后根据坐标位置的差值算出指纹表皮层的深度。（3）对于分割后汗腺可以做进一步的信息发掘,使得汗腺的研究更为深入;其次通过对汗腺点分割,将重构汗腺点三维图像,还原汗腺点在皮肤内部的分布位置,得到指尖汗腺点分布位置与指纹纹路之间的联系,使得三维指纹识别所包含的信息点更丰富,特征性更强。