随着科技的进步和经济的发展,指纹的获取和对比变得越来越容易,由于每个人的指纹都是独特的,所以使用指纹识别进行身份认证正成为一种越来越流行的身份认证方式。尽管自动指纹识别系统已经发展了很多年,取得了很多的突破性的成果,但自动指纹识别系统中仍有一些可以提升的空间,我们采用高清指纹图片训练进行神经网络的训练,通过对预训练数据、注意力机制、孪生网络等技术进行研究,增强识别算法的性能,改善自动指纹识别系统的准确率,算法主要从以下两个方面进行改进。首先,现有的大多数指纹识别算法都是分阶段进行的,这导致模型对每个部分分别进行优化,但是在每一个阶段取得的最优其实只是局部最优,几个局部最优组合起来并不一定能达到了总体最优的结果,而且分阶段进行也导致了算法运行时间的增加。所以,为了让所有模型参数的调整都在一个阶段中完成且运行时间减少,决定采用孪生网络以端到端的方式去训练整个指纹识别神经网络。然后,每张指纹图片都包含着很多特征信息,但并不是所有的特征信息都是有用的特征信息,所以,在模型中引入注意力模块,此模块会根据通道和空间维度依次推断出注意力图,然后将注意力图和特征图相乘以进行自适应特征的优化。由于注意力模块是一个轻量级的通用模块,所以很容易就可以嵌入到已有的网络中且不会带来很大的资源消耗,同时,此模块也有利于提升整个网络的结果。通过上述改进对网络进行训练之后,我们用训练得到的模型与Ga提出的模型进行了对比实验,用F-score评价模型的效果,我们训练的神经网络的F-score比Ga指纹识别模型的F-score高了0.01874,提高了4%左右,而实验耗时也下降了1%左右。我们还设计并实现了一个应用指纹识别模型的系统,为想要使用指纹识别的人提供相应的简单、流畅的指纹识别服务。