近年来,随着科学技术的发展,人们迫切需要新的身份识别技术来进行更稳定的认证。由于具备可靠性、高识别率和易于获取等优势,指纹识别技术已经成为生物识别领域的热门研究方向。一个完整的指纹识别系统包括:图像获取和匹配识别两个步骤,其中匹配识别是关键,匹配的精度和速度将直接影响到系统最终的识别率。传统的二维指纹识别方法大部分依赖于特征点的匹配,已经具有较高的识别率。但这种基于特征点匹配的方法不仅费时,而且丢失了指纹的深度信息。随着指纹的旋转和缩放等变化,二维指纹识别方法的鲁棒性会严重下降。为了解决这些问题,三维指纹识别技术随之出现。由于是一个新兴的研究领域,三维指纹识别技术中还存在着很多挑战性的问题亟待解决。传统方法通过寻找指纹特征点并对特征点进行匹配,针对方法中耗时长、算法复杂度高等问题,本文提出了一种基于深度学习的三维指纹识别算法。通过引入卷积神经网络,减少了寻找指纹特征点这一步骤,降低了识别算法的复杂度,并有效地保留了指纹的深度信息。所提算法的具体步骤如下:首先将指纹深度图像和二维指纹图像分别输入到不同的卷积神经网络中得到指纹深度特征和二维指纹特征,再通过另一个神经网络进行特征融合,最后对融合后的特征进行三维指纹识别。实验结果表明,算法中通过引入二维指纹特征不仅有效地提高了识别率,同时解决了三维指纹识别算法与现有的二维指纹库的匹配问题。与其他机器学习算法相比,本文算法的识别率得到了有效的提高,且具有可行性。