指纹识别技术作为应用最广泛的生物特征识别技术,已经普及于智能门锁、打卡机等电子设备的身份认证之上。随着指纹采集器变得更加小型化与轻便化,使得采集到的指纹图像越来越小,应用传统的指纹识别方法针对小面积指纹图像进行识别,会导致正确识别率大幅降低,同时LED灯作为光学指纹采集器使用最频繁的背光源,存在功耗大、背光不均匀等不足。因此,本文设计了一种应用PMOLED（Passive Matrix OLED）屏的光学指纹采集系统,并且从图像处理和深度学习两方面对采集的小面积指纹图像进行了识别方法研究。本文的主要工作如下:一（1）应用自发光PMOLED屏设计了一种光学指纹采集系统。针对该系统采集的原始图像存在屏幕发光像素干扰等问题,采用平均值消除法对原始数据进行了降噪处理,大幅地减少了屏幕干扰信号,之后进行了规格化、低通滤波、图像增强、二值化以及细化处理,得到了清晰的单像素小面积指纹图像。（2）提出一种基于拓扑结构拼接的小面积指纹识别方法。该算法首先对细化后的指纹图像提取分叉点和端点两种细节特征点,求出每一个细节特征点的方向场角度,然后将两张指纹图像进行特征点匹配,对匹配的特征点进行拓扑结构连线,最后应用配准的特征点对之间的欧氏距离之和求取最优的旋转平移参数,实现小面积指纹拼接,提高正确接受率。（3）提出一种基于改进残差网络融合卷积注意力机制的小面积指纹识别方法。将残差网络中的单一残差块改进为三种残差块类型,并通过不同的堆叠方式对残差块进行重新布局,减少了非线性激活函数过多带来的影响,然后将卷积注意力机制添加至改进的残差网络中,利用卷积注意力机制对所提取的指纹图像特征进行加权处理。该方法减少了网络训练和测试的收敛时间,同时提高了测试准确率。实验结果表明,本文应用PMOLED设计的光学指纹采集系统可靠有效,并且本文提出的基于拓扑结构拼接的小面积指纹图像识别方法在自建库和重构后的FVC2002DB2指纹库分别取得99.57%和99.65%的正确识别率,基于改进残差网络融合卷积注意力机制的小面积指纹识别方法在自建库和重构后的FVC2002DB2指纹库分别取得98.15%和98.69%的测试准确率,证明了本文方法的有效性,能够满足智能产品的应用要求。