生物特征识别作为一种较为成熟的身份鉴别技术已经应用到实际生活中的各个领域，如：人脸识别、指纹识别、虹膜识别、声音识别等。人耳识别技术是个体生物特征识别的一项新技术，独特的生理特征和观测角度优势使其成为其他生物特征识别技术的有益补充。目前，在国内和国外，人耳识别尚处于起步阶段，一些基础性问题还没有得到解决。但其所具有的独特性、实用性和理论研究价值越来越引起专家学者的关注。本文针对外耳轮廓特征与面部五官的比例关系，提出一种基于耳廓几何参数与面部结构特征相结合的生物鉴别方法。该方法将人脸与人耳特征融合处理后，形成高维联合特征向量。特征向量中包括外耳轮廓的宽度与两眼瞳孔之间的水平距离之比、外耳轮廓的高度与眼睛和嘴之间的垂直距离之比、脸的宽度与两眼瞳孔之间水平距离之比等八项特征。首先在二值图像上去掉头发，利用灰度投影和区域生长的方法分别粗定位和精确定位眼睛位置。然后对图像进行几何位置调整，得到校正后的正脸图像。利用模板法定位嘴的位置后，沿着脸颊跟踪外耳轮廓。在提取特征过程中，将人眼、嘴、脸、耳廓之间的位置关系作为特征分别进行提取并形成一个八维的特征向量。由于每项特征的特异性不同，在模式分类中起到的作用也不同。因此为每项特征赋予一个权值，并估算各个权值。在模式识别过程中，通过欧式距离将样本分类。在实验中，提取的特征分量均以相对量为主，分别反映了耳廓的形状和大小、耳朵与头部的夹角、眼睛与嘴之间的垂直距离、嘴与耳廓之间的距离等等，这样就避免了由于摄像机与目标距离的不同而带来的偏差，因此具有良好的“缩放性”。从实验结果来看，若去除人耳特征信息，仅仅依据面部特征进行识别，则会降低个体与个体间的差异性。实验证明，加入外耳特征参量后提高了特征向量的特异性，达到了86％的正确识别率。在总结与展望中，对全文的研究工作进行了总结，并对今后的研究方向做了探讨与展望。