基于人脸的身份鉴别技术已经受到越来越多的重视。在可见光环境里，人脸识别算法对光照的变化非常敏感。使用近红外人脸图像进行识别可以有效的提高人脸识别对光照的鲁棒性。 在可见光下获得的人脸图像和近红外线下获得的人脸图像反应的是人脸的两种不同模态下的特质，所以提取出来的特征具有一定的差异性，同时使用可以提高识别的性能。近红外 图像成像的原理会导致近红外图像与可将光图像相比出现模糊，轮廓不全等，对识别性能造成影响，所以融合使用两种图像是非常有必要的。融合近红外人脸图像和可见光人 脸图像既可以提高人脸识别算法对光照的鲁棒性，又能保证算法的性能。据此本文提出一种基于匹配得分融合近红外图像和可见光图像的人脸识别算法。首先使用特征脸(Eigenfaces)算法对两种模态的人脸样本进行训练学习，获得两种图像各自的匹配得分后进行基于得分的融合获得最终得分。在CASIA HFB人脸数据库和HITSZ Lab1人脸数据库上进行实验，实验结果证明了此方法的识别效果优于各单一条件下的识别性能。