A medida que la inteligencia artificial se desarrolla, los algoritmos de aprendizaje profundo se utilizan cada vez más en el campo del reconocimiento de venas de la mano dorsal (DHV). Sin embargo, el aprendizaje profundo tiene altos requisitos en cuanto al número de muestras, y los conjuntos de datos actuales de DHV tienen pocas imágenes. Para resolver los problemas anteriores, proponemos un método basado en la fusión de características de ResNet y Histogramas de Gradientes Orientados (HOG), en el que la información semántica superficial extraída por la convolución primaria y las características de HOG se introducen en la estructura residual de ResNet para una fusión completa y, finalmente, clasificación. Al agregar ruido gaussiano, los conjuntos de datos de la Universidad del Norte de China, la Universidad de Ciencia y Tecnología de Shandong y la Universidad del Este del Mediterráneo se amplían y fusionan para formar un conjunto de datos fusionado. Nuestro método propuesto se aplica a los conjuntos de datos mencionados, y los resultados experimentales muestran que nuestro método propuesto logra buenas tasas de reconocimiento en cada uno de los conjuntos de datos. Es importante destacar que logramos una tasa de reconocimiento del 93.47% en el conjunto de datos fusionado, que fue un 2.31% y un 26.08% más alto que el uso de ResNet y HOG por separado.