1、通过结合神经网络以及指纹领域知识，基于公安部物证鉴定中心提供的档案指纹，实现指纹识别端到端设计。2、实现基于深度学习的指纹自动识别算法3、实现指纹识别的端到端设计

中科院网络信息中心与公安部物证鉴定中心合作，研发了基于多任务学习的指纹自动识别算法。本算法以多任务网络为基础，实现了基于Gabor、纹理以及指纹细节点的特征提取，并以定长向量特征为基础构建了指纹自动识别算法及系统，可作为传统指纹自动识别技术强有力的补充。相较于之前的工作有以下亮点： 1、针对公开指纹数据集指纹质量分布单一，难以反映指纹数据真实分布情况的问题，提出了三种不同的指纹评价数据集，并用指纹质量评价工具定量指纹质量的分布、方差以及平均数，让数据集更加具有参考性以及实用性；2、针对指纹多分类神经网络训练难以收敛的问题，本算法优化了神经网络结构以及损失函数，在4万张指纹图像训练集的基础上，只需训练1000步，在训练样本上就可以达到91.2%精确度，同时在标准数据集上可以达到98.9%的匹配精确度；3、针对指纹自动识别在劣质指纹上识别准确率快速下降的问题，本算法提出了指纹自适应增强技术，劣质指纹分类模型结合传统指纹增强技术可以针对特定的四类指纹进行自适应增强，增强后的指纹质量以及匹配精度大幅度提升，与传统指纹自动识别具有良好的互补效果。本算法还部署在公安部物证鉴定中心，并进行了5000万指纹库的验证，测试中针对指纹质量较好的指纹依然有较高的识别率。