信息技术飞速发展，使得身份数字化和隐性化，如何确定一个人的身份成为一个亟需解决的社会性问题。基于单一模态的身份认证因存在自身局限而无法广泛应用，而基于多生物特征的身份认证技术利用生物特征之间的互补信息，可以克服或避免单一模态认证技术的局限而成为研究热点。　　本文对人脸和语音两种生物特征进行融合。基于人脸的身份验证过程包括人脸检测和人脸识别两部分。文中采用基于肤色模型和模板匹配进行人脸检测。人脸识别中，重点研究了主分量分析（PCA）、线性判别分析（LDA）以及几种基于 PCA和 LDA结合的方法。并在ORL和Yale数据库上比较了这几种结合方法的识别性能。　　与文本无关的说话人身份识别技术中，深入详解了LPCC和MFCC语音特征提取过程，矢量量化（VQ）的原理、LBG码本的设计以及识别流程。在自制语音库上，实验仿真语音特征、测试时长、识别时长、码本容量对识别性能的影响。　　人脸信息和语音信息的关连性不强，所以本文采用高层次融合策略。介绍了决策层的OR方式融合算法、分数层的平均加权融合和自适应加权融合。在噪声环境下，这两个层次融合后的识别率都比单一生物特征的识别率要高，且自适应加权融合比平均加权融合更适应环境变化。OR方式融合可以有效减少用户负担，但其误认率高，所以本文提出在OR方式融合的基础上结合自适应加权融合。实验仿真结果表明，结合后的方法降低了用户负担，减少系统的误识率，识别率比单层融合高。