掌纹做为人体生理特征，随着社会的发展进步，其应用范围越来越广泛。通过掌纹来认定个人身份一直是生物特征识别领域的一个重要课题。但掌纹具有特征种类繁多、结构复杂，信息量大等特点，又制约着掌纹识别技术的发展应用。　　掌纹识别技术分为特征提取和特征比对。在前期课题研究的特征识别技术基础上，本文将研究重点放在掌纹特征比对之上。希望通过重新设计的基于细节特征点的掌纹匹配算法提高现有的公安机关在用CAFIS指掌纹系统中掌纹自动比对的速度和准确性。通过使用GPU技术对算法程序进行加速，使其比对速度大幅提高。　　本文研究内容面向公安实战，力图解决实际应用问题。以北京市公安局掌纹库为依托，分析现有掌纹数据特征分布情况，数据结构。重新设计出更为合理有效的掌纹数据结构。　　算法方面，本文提出在原有基础上改进的三级特征匹配算法。建立了全新的特殊点对匹配计算。将邻近的特征点根据其夹角情况组成特殊点对，尽可能的降低基于特征点匹配的计算量。通过构建等半径局部结构，使得局部结构匹配。在全局匹配中使用了迭代的计算方法以得到每个校准中心的局部最优解。重新设计了相似度的评价方法。经测试，该算法对掌纹特征点计算切实有效。　　本文提出了基于竞争投票计算的校准中心选取方法。通过对局部结构候选点对进行竞争投票计算，得出符合变换参数阈值点对间的相互贡献权值，进一步得出相似结构点集。研究了改进的RANSAC算法，利用相似结构点集做为RANSAC算法的初始输入局内点，通过坐标平均值估算出校准中心及转换参数。以此变换参数做为RANSAC算法的局内点计算模板，进行全局配准。随后多次迭代以获得最优解。该算法可有效提高比对的准确性。　　通过一系列的预处理，减少计算中的重复工作量。提出了临近网格划分方法，解决了各匹配步骤中样本特征点在模板上投影的邻近区域内特征点的搜索问题。通过预处理样本特征点360度旋转变换坐标，去掉了匹配中的三角函数运算。预先对样本掌纹的特殊点对和局部结构进行了构建。　　使用实战数据对算法程序进行测试。从比对准确率和比对速度两个方面进行测试。相比原有算法，本文算法比对准确性略有提高，速度显著提高，具有较好的鲁棒性。通过测试分析出本文算法的优势和存在的不足。　　分析掌纹特征比对在GPU技术上的应用合理性。对文中算法程序进行GPU技术改造。通过合理设置数据分块大小，数据对齐方式，纹理内存使用方式，使得GPU程序得到较好的加速效果。　　最终，本文通过对掌纹特征点比对过程中各个步骤地研究，设计出了适合于掌纹比对的核心算法，并将算法实现，最终得到了基于GPU的大规模掌纹特征点比对解决方案。