指纹识别技术是通过计算机实现的身份识别手段，也是当今应用最为广泛的生物特征识别技术。在过去主要应用于刑侦系统。近几年来已逐渐走向民用市场。同时，民用市场也对指纹识别技术提出了具有小型化、廉价的指纹采集设备，高速计算平台，更高的识别准确率的要求，以满足各种不同应用的需求。
据考古发现，公元前7000-6000年，古代的亚述人和中国人就意识到了指纹的特点，并使用指纹作为身份的象征，19世纪中叶开始了对指纹在科学意义上的研究，并得出两个重要结论：一是没有任何两个手指指纹的纹线形态一致；二是指纹纹线的形态终生不变。从而这些研究使一些政府开始使用指纹进行罪犯鉴别，如阿根廷在1896年，苏格兰在1901年，其他一些国家在20世纪初期也纷纷引入指纹技术鉴定罪犯。20世纪60年代起用计算机自动识别指纹，同时刑侦用的指纹自动识别系统（AFIS）逐渐在全球开始了广泛应用。而这时的指纹采集一般都采用油墨捺印的方式。
1980年后，随着个人计算机和光学指纹采集器的发明，指纹识别技术开始进入了一些非司法领域，如居民身份证等。1990年以后，廉价指纹采集器和计算设备的出现，解决了快速准确的匹配算法问题，使指纹识别技术走向了基于个人的应用。从此，人们对指纹识别技术的研究,对指纹的性质也有了进一步的认识。因此，指纹也就是成为当之无愧的"物证之首选"的应用对象。
指纹的特征系指手指表面由交替的“脊”（ridges）和“沟”（valleys）组成的平滑纹理模式，其形成取决于胚胎中形成手指表皮部分的初始环境，有很强的随机性。一枚指纹的特征被用来区分与其他不同的指纹。其中端点和分叉点是最为常用的特征。在算法是都要记录它们的位置和方向，中心点和三角点在刑侦系统中普遍使用，而在民用系统中并不常用。因为这些应用中所使用的采集器往往面积小，较难完整地采集到中心点和三角点。交叉和小岛由于计算机上的困难，在实际系统中往往不予采用。有人曾提出用汗腺孔来进行指纹识别，但这种方法要求指纹采集设备要有非常高的分辨率，所以在实际系统中没有采用。
指纹采集器，目前常用的指纹采集设备有三种，光学式、硅芯片式、超声波式。其中，光学指纹采集器是最早的指纹采集器，是使用最为普遍的，也出现了用光栅式镜头替换棱镜和透镜系统的采集器。光电转换的CCD器件有的已经换成了CMOS成像器件，从而省略了图像采集卡直接得到数字图像。
光学指纹采集器具有使用时间长；对温度等环境因素的适应能力强；分辨率较高的优点。但是由于受光路限制，无畸变型采集器尺寸较大。通常有较严重的光学畸变；采集窗口表面往往有痕迹遗留现象。CCD器件可能因寿命老化，有降低图像质量等缺陷。
硅芯片式指纹采集器出现于90年代末。大部分硅芯片测量手指表面与芯片表面的直流电容场。这个电容场经A/D转换后成为灰度数字图像。但Authentec公司的芯片可以测量手指真皮层的交流电容。其优点是图像质量较好；尺寸较小，容易集成到其他设备中去。其缺点是耐用性和环境适应性差，尤其在一些较恶劣的环境下，抗静电能力、抗腐蚀能力、抗压力等方面的不足；图像面积小，可能降低识别的准确性，并导致用户使用的不方便。总之，硅芯片采集器现在尚不成熟，但可能是未来的方向。
超声波式指纹采集器：可能是最准确的指纹采集器。目前，在技术上尚不成熟，这种采集器发射超声波，根据经过手指表面，采集器表面和空气的回波来测量反射距离，从而可以得到手指表面凹凸不平的图像。超声波可以穿透灰尘和汗渍等，从而得到优质的图像。由于该产品尚未大量使用，因此，很难准确评价它的性能。然而一些实验性的应用指出，这种采集器具有优越的性能。它吸收了光学采集器和硅芯片采集器的长处，如图像面积大，使用方便，耐用性好的优点等。
指纹识别过程：具有登记过程和识别两过程，用户需要先采集指纹，然后计算机系统自动进行特征提取，提取后的特征将作为模板保存在数据库或其他指定的地方。在识别或验证阶段，用户首先要采集指纹，然后计算机系统自动进行特征提取，提取后的待验特征将与数据库中的模板进行比对，并给出比对结果。在很多场合，用户可能要输入其他的一些辅助信息，以帮助系统进行匹配，如帐号、用户名等。这是个通用过程，对所有的生物特征识别技术都适用。
指纹识别技术的评价标准：主要是拒登率（FTE）、拒识率（FRR）、误识率（FAR）、相等错误率（EER）。尽管不少指纹验证技术的提供厂商，通常宣称他们的产品可以达到的指标为FRR<0.01%，FAR<0.001%。但从公开发表的学术论文和权威性的测试看，这样的指标很难达到。
2000年8月，公安部一所组织了一次测试，涉及国内外20多家单位参加，测试结果和排名未对外正式公布。汉王的指标为FTE=0.54%，EER=1.82%，位居前列，并获准向其提供指纹识别技术。在技术上达到当时国际先进水平，达到实用化水平。
行业标准：标准对行业来说至关重要，标准的出现意味着技术的成熟和广泛应用的开始。在美国，FBI和NIST等机构曾制定了大量的指纹技术标准，这些标准包括指纹图像的压缩标准、指纹图像和特征数据的公共交换格式标准等。为广泛开展应用，我国公安部也制定了一系列指纹技术标准，这些标准涵盖了图像压缩、数据交换格式、网络传输规范、采集技术规范等。而这些标准都是针对刑侦系统的。它对民用指纹系统有很好的参考作用，但很难直接应用到身份验证的民用系统中。
一些国际组织已经开始制定一些标准，以推动指纹技术更广泛的开展应用。典型的如BioAPI Consortium，它已经制定了一些有关的标准（生物特征识别技术的应用开发接口标准，BioAPI），以推动生物特征验证技术在计算机操作系统、网络和电子商务等方面的应用。可能对不同的应用都需要有不同的专业性标准。目前还缺乏完善的标准来支持不同类型的应用。
指纹识别技术
生物特征识别是一种计算机识别技术，可根据指纹、虹膜、掌纹、脸型、DNA等生物特征，通过多指纹识别算法，在较短时间内完成对任何人的身份认证。指纹识别属于生物特征识别的一种，通过采集指纹图像进行匹配识别，确定或确认指纹所有人身份的生物特征识别技术，其基本原理是通过取像设备读取指纹图像，然后用计算机识别软件,提取指纹的特征数据，最后通过匹配算法获得识别结果。
由于人体指纹具有不变性和唯一性，所以指纹识别技术成为应用最广泛的识别技术。因此，采用指纹识别技术进行身份验证是安全可靠的系统，它可以取代传统的基于密码、钥匙和证件的安全系统，而且不需记忆密码，无需携带证件，指纹就是身份证明。近年来，在世界范围指纹识别技术的应用以爆炸性速度增长，如上海正推行的社会保险指纹身份验证系统，香港推行的指纹特征的电子身份证等,而且向更广阔的领域开展应用。
指纹识别技术，主要用于个人身份鉴定，可广泛用于考勤、门禁控制、PC登录认证、私人数据安全、电子商务安全、网络数据安全、身份证件、信用卡、机场安全检查，刑事侦破与罪犯缉捕等。目前已推出新一代指纹考勤系统、滚动指纹采集系统等，并已得到一定程度的应用。特别是指纹考勤系统，充分体现了现代先进的管理思想，利用指纹进行考勤不仅解决了出勤和严格了上下班制度问题，而且考勤系统推向市场以来，在一些用户中产生良好反响，指纹考勤制度的推行，取得了比较好的经济效益，凡使用指纹考勤机的单位都认为，指纹考勤制度的推行，不仅建立了好的上下班秩序，而且树立了先进管理理念，解决了多年来采用其它考勤方式，所没有解决的弊端问题，大大显示了指纹考勤的威力和其优越性。
随着指纹识别技术的成熟并产业化，可广泛用于“金盾工程”、银行、证券、高考身份验证、社会养老保险身份验证、指纹门禁锁等领域，它的推广将具有很大社会效益和经济效益，具有广阔的市场应用前景。
指纹识别技术的应用
指纹识别属于生物特征的一种，通过摄像头提取指纹图像，输入计算机，再通过一系列复杂的图像处理和模式识别算法对指纹进行识别，完成身份证过程，可广泛用于上下班指纹考勤，安全保密，防伪认证，公安刑事侦破、指纹门禁、银行、社会养老保险以及凡是需要用于身份认证的单位和部门。由于信息技术的发展，所面临的金融安全、刑事侦察破案的要求等多方面的需要。传统的以密码为特征的身份认证技术越来越满足不了这些行业安全性的要求，在这种情况下，采用生物识别技术进行身份认证，是我国实施安全保密措施的必然要求。通过建立人体生物特征数据库，在公安、金融、军队等行业领域开始采用这项技术，从而保障国家经济、军事、国防、保密部门的安全以及公民财产、人身安全不受侵犯。
虹膜识别技术是利用虹膜终身不变性和差异性的特点来识别身份的，虹膜识别技术与相应的算法结合后，可以到达十分优异的准确度，即使全人类的虹膜信息都录入到一个数据中，出现认假和拒假的可能性也相当小，但是这项技术的无法录入问题已经成了它同其它识别技术抗衡的最大障碍。不管怎样，虹膜识别技术的高精度使它能够在众多识别技术中占有一席之地。所有虹膜识别技术都是以 John Daugman博士的专利和研究为基础的。
虹膜
眼睛的虹膜是由相当复杂的纤维组织构成，其细部结构在出生之前就以随机组合的方式决定下来了，虹膜识别技术将虹膜的可视特征转换成一个512个字节的Iris Code（虹膜代码），这个代码模板被存储下来以便后期识别所用，512个字节，对生物识别模板来说是一个十分紧凑的模板，但它对从虹膜获得的信息量来说是十分巨大的。
从直径 11mm的虹膜上，Dr. Daugman的算法用3.4个字节的数据来代表每平方毫米的虹膜信息，这样，一个虹膜约有266个量化特征点，而一般的生物识别技术只有13个到60个特征点。266个量化特征点的虹膜识别算法在众多虹膜识别技术资料中都有讲述，在算法和人类眼部特征允许的情况下， Dr. Daugman指出，通过他的算法可获得173个二进制自由度的独立特征点。这在生物识别技术中，所获得特征点的数量是相当大的。
算法
第一步是通过一个距离眼睛 3英寸的精密相机来确定虹膜的位置。当相机对准眼睛后，算法逐渐将焦距对准虹膜左右两侧，确定虹膜的外沿，这种水平方法受到了眼睑的阻碍。算法同时将焦距对准虹膜的内沿（即瞳孔）并排除眼液和细微组织的影响。
单色相机利用可见光和红外线，红外线定位在 700-900mm的范围内（这是IR技术的低限，美国眼科学会在他们对macular cysts研究中使用同样的范围。） 在虹膜的上方，如上图所示，算法通过二维Gabor子波的方法来细分和重组虹膜图象，第一个细分的部分被称为phasor，要想明白二维gabor子波的原理需要懂得很深的数学知识。
精确度
由于虹膜代码（ Iris Code）是通过复杂的运算获得的，并能提供数量较多的特征点，所以虹膜识别技术是精确度最高的生物识别技术，具体描述如下：
·两个不同的虹膜信息有75%匹配信息的可能性是1:10 6
·等错率：1:1200000
·两个不同的虹膜产生相同Iris Dode（虹膜代码）的可能性是1:10 52
录入和识别
整个过程其实是十分简单的，虹膜的定位可在1秒钟之内完成，产生虹膜代码（Iris Dode）的时间也仅需1秒的时间，数据库的检索时间也相当快，就是在有成千上万个虹膜信息数据库中进行检索，所用时间也不多，有人可能会对如此快的速度产生质疑，其实虹膜识别技术的算法还受到了现有技术的制约。我们知道，处理器速度是大规模检索的一个瓶颈，另外网络和硬件设备的性能也制约着检索的速度。当然，由于虹膜识别技术采用的是单色成像技术，因此一些图像很难把它从瞳孔的图像中分离出来。但是虹膜识别技术所采用的算法允许图像质量在某种程度上有所变化。相同的虹膜所产生的Iris Dode（虹膜代码）也有25%的变化，这听起来好象是这一技术的致使弱点，但在识别过程中，这种Iris Dode（虹膜代码）的变化只占整个虹膜代码的10%，它所占代码的比例是相当小的。
同虹膜识别技术一样，视网膜扫描可能具最可靠、最值得信赖的生物识别技术，但它运用起来的难度较大。
历史和生理结构
虽然视网膜扫描的技术含量较高，但视网膜扫描技术可能是最古老的生物识别技术，在 20世纪30年代，通过研究就得出了人类眼球后部血管分布唯一性的理论，进一步的研究的表明，即使是孪生子，这种血管分布也是具有唯一性的，除了患有眼疾或者严重的脑外伤外，视网膜的结构形式在人的一生当中都相当稳定。
视网膜是一些位于眼球后部十分细小的神经（一英寸的 1/50），它是人眼感受光线并将信息通过视神经传给大脑的重要器官，它同胶片的功能有些类似，用于生物识别的血管分布在神经视网膜周围，即视网膜四层细胞的最远处。
准确性和表现
视网膜扫描设备要获得视网膜图像，使用者的眼睛与录入设备的距离应在半英寸之内，并且在录入设备读取图象时，眼睛必须处于静止状态，使用者的眼睛在注视一个旋转的绿灯时，录入设备从视网膜上可以获得 400个特征点，同指纹录入比较，指纹只能提供30到40个特征点用来录入，创建模板和完成确认。由此可见，视网膜扫描技术的录入设备的认假率低于0.0001%（一百万分之一），当然其它一些生物扫描录入技术也能达到0.0001%的认假率（FAR），并且拒假率的水平也会不断提高。FAR拒假率是指系统不正确地拒绝一个已经获得权限的用户，使用视网膜录入技术的场合，例如一些军事设施，10%的拒假率是一个十分令人头疼的问题。即使是这样，它仍然是提供安全度的重要组成部分，当然在销售领域，一些对拒假率不真实的描述是一个十分难处理的问题。
对无法录入率，还无法获得可靠的统计数字，因为想获得无法录入的人数是件十分困难的事情，从经验来看，估计无法录入率可能在 5-10%左右。