1997年，韩国的BK System公司发布了亚洲第一个商用手背静脉识别产品BK.100，并于第二年取得了美国专利。2000年，BK System的一些成员组建了新的公司，继续研发静脉识别产品，最终推出了VP.II。他们在图像采集和滤波算法上都进行了很多改进，使用了当时很多先进的滤波算法，如组合常态滤波、增强滤波、基于静脉走向的方向滤波等，并且利用了当时最新的数字图像处理技术，采用红外光源补偿，而且改进了静脉特征的抽取算法，通过温度传感器的检测防止欺骗，大大改进了可靠性并且提高了性价比。报道称该研究采用10000人进行了测试，识别精度很高，并声称适用于99.98％的人群。该产品生成加密注册模版，仅仅需要占用300个字节的存储空间，可以将这一模板存储在任何媒介上或通过网络快速识别，己成功应用于机场，银行和医院等单位。随后，日立公司推出了系列手指静脉识别产品。富士通公司则推出了手掌静脉识别产品。此后静脉识别技术的发展就进入了研究和产业化交织的状态。

近几年的静脉识别研究领域也很活跃，各国的研究者们提出了很多优秀的静脉识别算法。在静脉的空间域骨架特征方面，Kumar通过对手静脉图像进行分割细化，得到静脉的分布骨架，然后连接这些骨架特征点，将它们构造成三角形，最后将三角形的三个边长按照类型依次进行匹配。这种新的三角形距离匹配准则，不同于以往的汉明距离、欧拉距离等，对于静脉噪声具有更强的鲁棒性。

在静脉的变换域特征方面，Yang利用一组Gabor滤波器提取得到静脉的Gabor域特征，并进行编码计算。在此基础上，Han发展出自适应的Gabor函数组，能够自动调节并得到最优的性能参数，再利用比特链编码的方式抽取和匹配静脉特征，取得了较好的识别效果。此外，很多其它的频率域变换方法，如正交高斯滤波器、截止高斯滤波器、曲率波变换，Radon变化匹配滤波器等也相继被提出和使用。一些空间映射方法，如局部保持投影(Local Preserving Projection，LPP)、尺度不变特征转换(Scale lnvariantFeature Transfonn，SIFT)等，以及独立元分析(Independent Component Analysis，ICA)等方法也被纷纷应用于静脉识别领域。

特点编辑 语音

活体识别

用手背静脉进行身份认证时，获取的是手背静脉的图像特征，是手背活体时才存在的特征。在该系统中，非活体的手背是得不到静脉图像特征的，因而无法识别，从而也就无法造假。

内部特征

用手背静脉进行身份认证时，获取的是手背内部的静脉图像特征，而不是手背表面的图像特征。因此，不存在任何由于手背表面的损伤、磨损、干燥或太湿等带来的识别障碍。

非接触式

非接触性掌静脉活体识别仪

非接触性掌静脉活体识别仪 [1]

用手背静脉进行身份认证，获取手背静脉图像时，手背无须与设备接触，轻轻一放，即可完成识别。这种方式没有手接触设备时的不卫生的问题以及手指表面特征可能被复制所带来的安全问题，井避免了被当作审查对象的心理不适，同时也不会因脏物污染后无法识别。手掌静脉方式由于静脉位于手掌内部，气温等外部因素的影响程度可以忽略不计，几乎适用于所有用户。用户接受度好。除了无需与扫描器表面发生直接接触以外，这种非侵入性的扫描过程既简单又自然，减轻了用户由于担心卫生程度或使用麻烦而可能存在的抗拒心理。

安全等级高

因为有了前面的活体识别、内部特征和非接触式3个方面的特征，确保了使用者的手背静脉特征很难被伪造。所以手背静脉识别系统安全等级高，特别适合于安全要求高的场所使用。韩国首尔大学电子工程系有一篇关于手背静脉识别算法的文献E3，’介绍了传统的静脉识别算法以及如何用昂贵的DSP处理器处理浮点运算和提高实时性要求，缩短识别时间，文献中描述的静脉识别算法主要包括3大部分：静脉图像的获取；静脉图像预处理和静脉识别。图像预处理部分主要由高斯低通滤波、高斯高通滤波、阂值处理、双线性滤波以及改进的中值滤波等组成。通过对5000个样本进行实验，识别率达到94．88%。