Biometric acknowledgment frameworks have progressed altogether in the most recent decade and their utilization in explicit applications will increment sooner rather than later. The capacity to direct important correlations and evaluations will be urgent to fruitful organization and expanding biometric selection. Indeed, even the best methodology and unimodal biometric frameworks couldn't completely address the issue of exactness and execution as far as their bogus acknowledgment rate (FAR) and bogus oddball rate (FRR). In spite of the fact that multimodal biometric frameworks had the option to moderate a portion of the restrictions experienced in unimodal biometric frameworks, como non -all inclusiveness, uniqueness, non -adequacy, loud sensor information, parody assaults, y ejecución, el problema de baja exactitud aún continúa. En este artículo, revisamos artículos de investigación centrados en la mejora de la precisión en la combinación de datos de sistemas de reconocimiento biométrico facial y de huellas dactilares, determinamos las principales características de los métodos seleccionados y luego señalamos sus beneficios e insuficiencias. Proponemos un enfoque novedoso para mitigar el problema de la precisión y el rendimiento de la combinación de datos de sistemas biométricos multimodales. Este enfoque utiliza redes neuronales perceptrón multicapa en el entrenamiento y prueba de la red, al tiempo que propone el uso de la huella dactilar más conocida utilizada en el campo biométrico.