传统的通过帐号密码或者各种钥匙物件难以应付当前各类身份安全认证泄漏或者盗用事件的发生,生物特征识别技术则不会存在这样的问题。当前人脸、指纹等识别技术都被逐渐的运用于各类身份识别场合,而人耳识别在国内刚发展起来,学者对于它的研究少,因此对它的研究非常必要,人耳识别既可以单独作为一种身份识别技术,也可以作为其它识别技术的一种有益补充。本文主要研究人耳识别技术的特征提取和模式识别两个方面。在特征提取方面,主要对主成分分析(PCA)、二维主成分分析(2DPCA)、主成分分析与线性鉴别分析(PCA&LDA)和二维线性鉴别分析(2DLDA)进行了深入研究,并结合模板匹配编程实现人耳识别。在模式识别方面,主要对模糊支持向量机进行深入研究,并结合上述4种特征提取方法编程实现人耳识别。通过编程测试和实验数据分析得出:PCA和PCA&LDA算法最终提取的表征每幅人耳图像特征的数据量较少,则模糊支持向量机的识别率低于模板匹配方法;与此相反,2DPCA和2DLDA提取的表征每幅人耳图像特征的数据量较多,则模糊支持向量机的识别率高于模板匹配方法。并针对LDA在模式识别上优于PCA方法的特点,提出一种2DLDA与模糊支持向量机结合的人耳识别方法,该方法在识别率上得到了提高。