目前的生物特征识别技术多以单一的人体特征作为识别的依据,但是每种特征在具备其自身优势的同时都存在一定程度的局限性。多生物特征融合技术可以在保留单生物特征各自优势的同时,弱化其自身的缺点。多生物特征组合识别比单生物特征识别拥有更高的灵活性、更广泛的适用性以及更高的准确性。本文将人耳这一新兴的生物特征与传统的人脸特征相结合,提出了一种基于人耳及人脸组合识别的多生物特征识别方法。现在大多数的生物特征识别技术仍仅限于个人电脑平台的应用,这给生物特征识别技术的发展带来了很大的局限性。为了克服这种局限性,本文设计了一种基于Android平台的远程人耳及人脸组合识别系统,并对相关技术进行了深入的研究。主要内容如下:首先,算法设计部分。本文对识别算法的研究主要包括以下三个方面:①人脸识别算法。传统的近邻保持嵌入算法采用欧氏距离作为近邻点选取的度量,但欧氏距离在高维空间中不一定能反映数据间的真实空间分布,易导致近邻选取存在偏差。针对此问题,本文提出了相关近邻NPE算法用于人脸识别,该方法利用相关系数度量数据间的近邻关系,从而可以更加准确地实现局部重构,最终实现更为准确的人脸识别。②人耳识别算法。针对Isomap算法对新增样本泛化能力较差的缺点,本文提出了流形重构Isomap算法用于人耳识别。流形重构Isomap算法对训练样本采用全局非线性结构保持的思想,利用Isomap算法计算训练样本的低维表示;对新增样本利用局部线性的思想,保持局部线性关系不变,从而可以更加快速准确地用低维训练样本重构新增样本的低维表示,最终实现更加准确、高效的人耳识别;③本文将基于流形重构Isomap的人耳识别与基于相关近邻NPE的人脸识别在决策层进行融合,自建小型人耳人脸组合数据库上的实验结果显示:组合识别方式不仅在识别正确率上有较大的提升,而且运行效率在系统可接受范围之内。其次,系统实现部分。本文所实现系统主要包括两个部分:①移动客户端,该部分主要完成实时图像的采集、人耳及人脸图像的检测及保存、图像及控制信号的Socket传输以及注册及识别结果的显示等功能,其中人耳及人脸的检测功能首先采用Open Cv所提供的Haar分类器相关工具进行人耳及人脸分类器的离线训练,然后利用C++语言对所得分类器进行调用,最终通过Android环境下Java与C++的混合编程实现了移动终端的人耳及人脸的检测功能;②电脑服务端,该部分主要完成Socket图像及控制信号的接收、人耳及人脸组合识别算法的Matlab实现、C++环境下通过引擎调用方法对组合识别算法的调用以及注册及识别结果的返回等功能。本设计将移动终端与电脑通过Socket进行结合,在保留了移动终端灵活性的同时兼取了电脑运算处理能力强的优点,结合仿真及实际情况下的实验表明:本系统能够在可接受时间范围内实现高准确率的身份识别。综上,本文主要进行了基于相关NPE算法的人脸识别研究、基于ISOMAP改进算法的人耳识别研究、人耳及人脸组合识别算法研究,并通过对Open Cv Haar分类器的使用实现了Android平台下的人耳及人脸的实时检测,最终实现了基于Android平台的远程人耳及人脸组合识别系统的设计。