随着时代发展,信息安全越来越受重视,这对相关设备也提出了更高要求。由于软硬件设备技术升级,使得以汗孔为主的第三层指纹特征信息的获取成为可能。以汗孔特征为主的高分辨率指纹图像指纹识别认证系统,具有防伪能力强、安全、活体检测等功能,在移动设备小型化方面备受青睐。传统的高分辨率指纹图像汗孔检测算法主要基于骨架细化和匹配滤波方法,受高分辨率指纹图像质量或滤波模型影响,指纹汗孔提取效果不佳。本文基于真实环境下采集的高分辨率指纹图像数据,改进了动态各向异性指纹汗孔模型算法,以适应不同的高分辨率指纹图像数据。基于改进算法的高分辨率指纹图像指纹汗孔提取效果优于动态各向异性汗孔模型论文中使用的高分辨率指纹图像数据的结果。本文提出了一种使用基于SURF特征的高分辨率指纹图像汗孔提取算法,采用SVM分类模型进行训练,实验结果优于动态各向异性汗孔模型改进算法的汗孔提取效果。深度学习在图像处理领域应用越来越广泛。本文通过使用Faster-RCNN检测网络对高分辨率指纹图像指纹汗孔进行检测。实验结果验证了基于深度学习方法在高分辨率指纹图像汗孔检测方向的可行性。