指纹识别算法是个相对来说比较成熟的方案，从光学的指纹打卡机，到新一代身份证指纹录入，都可以看到指纹识别的身影，指纹识别（Fingerprint Recognition)也有两个比较重要的标准，即：ISO-19794，ANSI-374，对这部分有一个详尽的标准。其中，引入一个重要的概念：Minutiae（指纹特征点） ，就是这部分主要介绍的，本部分主要针对5mm x 5mm ~ 10mm x10mm的采集器。
指纹的Minutiae有很多种，按照标准通常定义在level 2。
而通常使用的只有两种：端点（ending point)与叉点（bifurcation point)。如下图所示：
通常来说，对于特征的进一步处理主要分为两步：特征点描述和特征点建模。指纹的minutiae在数量在很小的范围内，所以相似度在很大成都上还是依赖于minutiae自身的结构。例如，可以这样去构建：
当然可以构建更简化的结构，这并不影响最终结果的判别。因为我们即将使用一种贪心策略构建更大的结构，像这样：
从而将指纹相似变成两个结构的相似性，从而得到相似系数。虽然图像处理，贪心策略，或者相似公式不同，但是最终结果相差不会太大。
对于不同情况的图像，也要考虑不同的构建方式，例如，还可以这样构建：
利用minutiae周围的方向场与频率场构建更为精细的指纹描述， 方向场和频率长的计算可以查看相关文献。
上面主要介绍了一些指纹识别算法的方法，而本部分算法设计主要针对图像大小的图像库进行测试，可以对照一下在手指上占面积的大小。
192x192（9.6mm x 9.6mm）
160x160（8mm x 8mm）
128x128（6.4mm x 6.4mm）
128x112（6.4mm x 5.6mm）
128x60（6.4mm x 3mm）
以下是算法在部分图像库测试成绩：
由于小面积指纹识别录入均采取多次录入的方式，以上图像库录入图像模板分别为4，6，8，8，12。
测试图像的注册模板所占的空间大小，采用不同的特征描述占有空间大小有差别，但是总模板空间远小于1kb，可见仅占用308Bytes。
采用带方向场与频率场的描述，针对更小面积的指纹会更有效，但是模板空间会增大，但是远远小于5kb。
随着指纹图像面积的进一步缩小（一般来说低于128x128)，指纹Minutiae信息也会进一步的减小，从而无法得到更为精确的描述，这部分算法的稳定性将会收到很大挑战，尤其是图像质量不能满足要求的时候，对于更小面积的方案下面一部分会有更详细的综述。
参考文献：
Patent：2495687A1
Minutia Cylinder-Code: a new representation and matching technique for fingerprint recognition. IEEE Transactions on Pattern Analysis Machine Intelligence 32, 2128–2141 (2010)
Latent Fingerprint Matching. IEEE Transactions on Pattern Analysis Machine Intelligence 33(1), 88-100 (2010)