手指生物特征由其高度便携性一直在生物特征识别领域占有很大的比重,不论是单模态识别还是多模态融合识别都具有很高的研究价值。然而在以往的研究中,往往存在识别效率不高以及多模态融合维度大、特征表达存在差异等问题。本文以指静脉、指纹、指节纹这三种模态为研究对象,提出一种基于图卷积网络(Graph Convolutional Network,GCN)的手指生物特征识别方法,主要工作如下:第一,提出了基于GCN的指静脉、指纹、指节纹单模态识别方法。首先对三种模态进行基于k-NN加权图的特征表达,把图像映射成为图结构。然后构建各模态GCN识别模型,利用基于切比雪夫多项式的图卷积核实现对图结构的局部特征学习,并加入快速图池化算法对学习到的图特征进行降维,再通过分类函数完成各模态识别。第二,提出了两种手指多模态融合识别方法,一是在图像映射到图结构过程中基于顶点特征的融合,根据三模态顶点特征距离建立融合图结构;二是基于GCN模型的决策层融合方法,对各模态分类概率矩阵进行加权求和,获得融合概率矩阵完成识别。最后,通过实验探究不同因素对GCN单模态识别模型的影响,并与其他方法进行对比分析,实验获得较好的识别率,在识别速率上较传统方法亦有很大提升。基于对单模态识别影响因素的探究结果,对两种多模态融合方法进行实验,与传统方法的对比实验结果显示提出的融合方法在识别效率上占很大优势,其中基于顶点特征的融合方法具有更高的识别精度。