我们处在一个信息高度发达的时代，信息安全也随之成为人们十分关注的问题，各种身份识别技术应运而生。其中生物特征识别技术在众多的身份识别技术中，以其独特的优越性脱颖而出，广泛的应用于我们的生活和生产。指纹识别技术作为生物识别技术的一种，经过长期不断的研究和应用，现如今可以说发展相对比较成熟，使用尤其广泛。但由于指纹图像中往往含有噪声，而图像预处理技术又不够完善，无法得到理想细化的指纹图像，从而造成了指纹识别速度慢、准确率低。本文将协同神经网络应用于指纹识别，提出了指纹识别的新方法，力求改进指纹识别中存在的各种问题。指纹识别技术包括五个阶段：指纹图像的采集、预处理、特征提取、指纹分类和指纹匹配。指纹图像的预处理技术主要包括指纹图像的增强、分割、二值化、细化，预处理的目的是消除指纹图像含有的噪声，还原指纹图像的真实性，为后继的特征提取做好准备工作。经过预处理的图像便可进行特征提取，特征提取又包括分类特征提取和匹配特征提取，指纹分类是将待识别的指纹图像先进行大致的分类，以达到缩短匹配的时间和提高识别的速度。指纹匹配是在分类后进行的，待识别的指纹只需在某一类别指纹中进行匹配，最终得到识别结果。协同学是一门横断学科，主要研究系统中的各个个体如何进行协作，并通过协作导致新的空间、时间结构或功能结构的形成。人工神经网络用于模式识别，近些年是一门十分热门的研究领域，协同神经网络将协同原理和神经网络相结合，为模式识别提供了一种新的方法。本文采用协同神经网络来实现指纹的分类和匹配，并通过实验进行验证，使用该方法能够获得较精确和快速的识别效果。