指紋識別算法是個相對來說比較成熟的方案，從光學的指紋打卡機，到新一代身份證指紋錄入，都可以看到指紋識別的身影，指紋識別（Fingerprint Recognition)也有兩個比較重要的標准，即：ISO-19794，ANSI-374，對這部分有一個詳盡的標准。其中，引入一個重要的概念：Minutiae（指紋特征點） ，就是這部分主要介紹的，本部分主要針對5mm x 5mm ~ 10mm x10mm的采集器。
指紋的Minutiae有很多種，按照標准通常定義在level 2。
而通常使用的只有兩種：端點（ending point)與叉點（bifurcation point)。如下圖所示：
通常來說，對於特征的進一步處理主要分為兩步：特征點描述和特征點建模。指紋的minutiae在數量在很小的范圍內，所以相似度在很大成都上還是依賴於minutiae自身的結構。例如，可以這樣去構建：
當然可以構建更簡化的結構，這並不影響最終結果的判別。因為我們即將使用一種貪心策略構建更大的結構，像這樣：
從而將指紋相似變成兩個結構的相似性，從而得到相似系數。雖然圖像處理，貪心策略，或者相似公式不同，但是最終結果相差不會太大。
對於不同情況的圖像，也要考慮不同的構建方式，例如，還可以這樣構建：
利用minutiae周圍的方向場與頻率場構建更為精細的指紋描述， 方向場和頻率長的計算可以查看相關文獻。
上面主要介紹了一些指紋識別算法的方法，而本部分算法設計主要針對圖像大小的圖像庫進行測試，可以對照一下在手指上占面積的大小。
192x192（9.6mm x 9.6mm）
160x160（8mm x 8mm）
128x128（6.4mm x 6.4mm）
128x112（6.4mm x 5.6mm）
128x60（6.4mm x 3mm）
以下是算法在部分圖像庫測試成績：
由於小面積指紋識別錄入均采取多次錄入的方式，以上圖像庫錄入圖像模板分別為4，6，8，8，12。
測試圖像的注冊模板所占的空間大小，采用不同的特征描述占有空間大小有差別，但是總模板空間遠小於1kb，可見僅占用308Bytes。
采用帶方向場與頻率場的描述，針對更小面積的指紋會更有效，但是模板空間會增大，但是遠遠小於5kb。
隨着指紋圖像面積的進一步縮小（一般來說低於128x128)，指紋Minutiae信息也會進一步的減小，從而無法得到更為精確的描述，這部分算法的穩定性將會收到很大挑戰，尤其是圖像質量不能滿足要求的時候，對於更小面積的方案下面一部分會有更詳細的綜述。
參考文獻：
Patent：2495687A1
Minutia Cylinder-Code: a new representation and matching technique for fingerprint recognition. IEEE Transactions on Pattern Analysis Machine Intelligence 32, 2128–2141 (2010)
Latent Fingerprint Matching. IEEE Transactions on Pattern Analysis Machine Intelligence 33(1), 88-100 (2010)