生物识别技术已经作为一种较为成熟的身份识别鉴定技术应用于实际生活的各个方面，目前常用的生物特征包括人脸、虹膜、指纹、手形等。但是由于各个生物特征都有其局限性和不足，在研究和应用过程中仍然存在一些尚未解决的问题。人耳识别技术是个体生物特征识别领域的一项新技术，人耳生理特征的一些特点使人耳识别能丰富生物特征识别技术，补充目前的一些生物识别技术的不足，其可行性已经得到了实验证明。 在实际应用的识别系统中，人耳图像的分割和特征提取是两个关键技术问题。对于人耳图像的分割，涉及到在一定条件下对人耳图像的检测与跟踪，对分割出的含有人耳图像初步区域进行图像预处理，以便去除干扰信息，有利于进行后续特征提取和识别工作，从而提高识别率。本文提出利用Haar型特征和GentleAdaBoost学习算法实现在复杂环境下对人耳图像的检测和分割，利用一种新的人耳图像预处理算法进行人耳图像的正规化。 特征提取工作是人耳识别的核心问题，本文首先研究将代数特征如：PCA方法，LDA方法用于人耳识别。随后，提出将包含在类平均向量中判别信息的最优压缩特征提取方法应用于人耳识别。最后，根据一定准则将图像的二阶最佳描述PCA特征和先验类别特征相结合，提出了一种基于交叉融合特征的人耳特征提取新方法并用欧式距离法进行分类识别。在有一定光照变化和角度变化的人耳图像库中进行实验，结果证明了交叉融合特征的识别率高于上述的其他特征提取方法。此外，对于仅有一幅训练样本图像的识别问题，本文采用一种新的尺度不变特征变换方法获得了较好的实验效果。