生物特征识别是指利用人体所固有的生理或行为特征来进行个人身份鉴定的计算机技术。与人所持有的证件和所拥有的知识相比,生物特征具有与生俱来的唯一性和安全性。生物特征识别技术包括人脸识别,指纹识别,声纹识别等。然而,每种识别模式都存在其问题和局限性。融合多种生物特征进行身份鉴别可以弥补单模态识别的不足,提高系统的准确性、可靠性和适用性,具有深远的研究意义和广阔的应用前景。本文采用模式识别相关方法进行研究,实现了人脸识别和指纹识别两种算法,提出了一种新颖的自适应多生物特征决策级融合算法,并开发了一个多生物特征识别系统。其主要工作有以下几个方面:1.结合主元分析法和线性判别法,实现了基于子空间分析的人脸识别算法。其中,前者用于提取原始空间数据中方差最大的主元方向;后者进一步压缩了特征空间,使人脸特征的类间离散度最大,类内离散度最小,从而获得了较好的分类效果。2.结合定位参考点,特征区域划分及Gabor滤波提取指纹特征,改进并实现了基于Gabor滤波的指纹识别算法。其中,定位参考点解决了指纹的平移不变问题;有效的特征区域划分及Gabor滤波获取双FingerCode特征解决了指纹的旋转不变问题,从而获得了较好的匹配效果。3.结合带速度限制的二进制粒子群优化算法和最小风险贝叶斯决策融合模型,改进并实现了自适应多生物特征决策级融合算法。其中,改进的带最大最小速度限制的二进制粒子群优化算法用于搜索最优融合规则;最小风险贝叶斯决策融合模型将构造的贝叶斯风险作为粒子群算法的优化函数,并根据最优融合规则和单模态识别结果进行最终决策,从而获得了较好的融合效果。在ORL和UMIST人脸库及FVC2004指纹库上的实验证明,以上算法具备了较好的识别性能和运行效率。多生物特征融合算法可以根据单模态的识别结果,动态地选择最优融合规则进行决策级融合,从而进一步优化了系统的整体性能。