生物特征识别技术具有很好的准确性,安全性和可靠性,因此,它在各个领域得到了快速的发展,并逐渐应用到人们的日常生活中。但是,它在发展过程中遇到自身无法解决的困难,从而多生物特征识别技术应运而生,它利用信息融合技术对多种生物特征或分类方法进行融合以达到身份识别的目的。基于此,本课题提出了指纹和手写签名相融合的多生物特征身份识别方法,即在指纹识别的基础上融合了手写签名的识别方法,这种融合方法是为了提高身份识别的准确率和安全性。首先,本文对指纹特征识别算法进行深入地研究,将Gabor滤波方法引入到指纹识别算法中来。根据指纹的纹线特点用滤波器处理方法确定指纹的参考点,然后,确定指纹图像的特征提取区域,并对指纹图像进行归一化和Gabor滤波处理,最后,从滤波后的指纹图像中提取指纹特征,对指纹特征进行匹配决策,并用FVC2004指纹数据库的指纹图像对该识别算法进行测试,实验结果表明该算法表现出良好的识别准确性和可靠性。其次,本文对手写签名识别算法进行深入地研究,手写签名识别采用DTW的签名特征匹配方法。本文用的SVC2004手写签名数据库中的手写签名,从手写签名中提取手写签名的特征,针对单一匹配模板的不足,提出了新的手写签名匹配模板以及阈值确定方法,并用DTW算法对手写签名特征进行匹配。根据对最后的实验结果进行对比分析,可以得出该识别算法无论在识别的准确率,还是在识别的稳定性方面都有了很大的提高。基于分别对指纹识别算法和手写签名识别算法的研究,本文提出了指纹与手写签名相融合的身份识别方法,主要是对二者分别从特征级和决策级进行融合的处理方法。特征级融合方法采用主成分分析法对特征进行降维处理,以解决特征维数过高造成的困难,实验结果表明PCA方法有效解决了这一难题；本文采用决策级融合的目的是为了减小识别算法的识别难度,提高融合识别算法的识别效率,决策级融合方法主要是利用贝叶斯决策理论建立决策优化的数学模型,然后采用带速度限制的二进制粒子群优化算法对该优化模型进行寻优,根据对实验结果的对比分析可知,该融合方法能有效地改善身份识别的准确率和安全性能。