身份鉴别是我们日常生活中不可避免的基本问题,且广泛应用于银行、公安、司法等一切需要验证个人身份的领域。传统的单模身份认证技术具有许多的局限性(比如:对光照的敏感性等),造成了该技术在实际应用中的许多困难。随着数据融合技术的兴起,多模生物特征识别可以利用不同生物特征之间的互补信息,融合各种生物特征的主要信息,最终以达到综合判断个人身份的目的。许多学者坚定地认为多模生物特征识别是未来生物识别的方向。本文介绍了常见生物特征的特点、多模生物特征的融合方法以及数据融合的定义、基本原理、层次结构和方法,并研讨了人脸、指纹和虹膜等三种单模身份认证技术在识别时所涉及的关键技术。本文主要研究多模生物的融合与识别,主要工作总结如下:1)为了解决提高单模身份认证的识别率的问题,本文从人脸识别、指纹识别和虹膜识别等三种身份认证技术出发,研究了三种单模识别技术,并加以改进应用。但是始终存在单模生物认证的局限性,如人脸对光线的敏感性、虹膜定位不准确等,导致识别的可靠性低。2)针对不同算法的多模生物识别融合问题,本文研究了在决策层使用了一种分块加权的融合算法。该算法能够克服单一的生物特征识别的缺陷,如采集时某人的其中一个特征的噪声对识别的可靠性的影响。在我们采用的自建的数据库测试中,该算法的实验结果表现出较好的优越性。3)为了解决多模生物特征的融合问题,本文在相似性系数模型的基础上研究了一种新的基于相似度的融合算法。该算法在特征提取后进行了特征层的数据融合以及在模式匹配后又进行决策层的数据融合。在测试结果中,该算法的有效性得到了很好的验证。4)本文最后基于文中提出的新算法,构建了一套多模生物特征的身份识别系统。本论文的研究内容不但在单模身份识别中具有一定的参考价值,并对设计开发适用的身份识别系统也具有一定的借鉴意义。