最后，算法统计所有相匹配的特征点数目，通过式(1)转换成匹配分数，其中，maxscore是通过叠加匹配的细节点个数得到的最大匹配得分，Temp—Num和Input—Num分别是模板和输入指纹的细节点数目
本文所使用的算法是一种典型的基于特征点坐标模型的点模式匹配算法。它对匹配过程中最难的一步一基准点的确定和变换参数的求取作了较深入的研究，根据3个近邻的特征点之间的相互关系来确定基准点、求取变换参数。该算法在一定程度上能够加快基准点的求取，从而提高整个匹配算法的速度。同时，该算法是根据多点来确定变换参数，而不是通常意义上的一点，在一定程度上可以消除在特征提取过程中所引入的位置、角度的偏差，得到更为准确的变换参数。
1．3 光学和电容传感器的融合
So, Sc是分别由光学传感器和电容传感器采集的图像运用匹配算法所获得的匹配分数，s融合后的分数和S。So, Sc之间有如下关系
将S和设定的阈值相比较：if：S ＞ threshold系统允许进入，为真；否则，系统拒绝该用户，当然，上述方法也可用于2只以上的,。
根据方程(2)研究了两种类型的匹配分数转换执行融合规则，第一种类型融合规则属于所谓的固定融合规则，因为它们不需要参数估计，尤其研究了两类传感器的匹配分数中值
第二种融合是所谓的训练样本规则，因为它们需要为了获得理想的阈值分数而让样本经过多次训练，采用公式(4)训练样本
