生物特征认证是利用人的生理和行为特征对人的身份进行识别的技术。多生物特征融合可有效提高身份认证系统的性能，主要可分为传感器层、特征层、匹配得分层、决策层四个融合层次。本文首先研究了基于梅尔倒谱系数和高斯混合模型的说话人识别和基于LBP图像特征的人脸识别，在此基础上，进一步研究了声纹和人脸特征融合的身份认证技术，涉及融合框架、融合算法、归一化算法等问题，提出了在分数层利用匹配得分的排序信息对匹配得分进行加权的方法，实验表明识别性能有显著提高。 在文本无关情况下的说话人识别技术中，基于高斯混合模型的算法是当前的主流技术，而采用梅尔倒谱系数作为特征参数可有效模拟人耳的听觉感知效果。本文采用这两种技术研究实现了一个说话人识别系统，并在文本无关的条件下进行实验，取得较好的识别效果。实验表明，对不同的说话人，识别能力不同：对大多数说话人的识别率很高，但是对约1/5的说活人识别率较低。 局部二值模式（LBP）是表示图像纹理的一种有效方法。基于LBP特征的人脸识别技术，利用人脸图像的局部纹理特征进行目标识别。和传统的基于整体的人脸识别方法相比，具有计算速度快，分类能力强等特点。本文研究了基于LBP特征的人脸识别问题，在FERET库上进行实验，结果表明本文方法比PCA和LDA法识别率有约10％的提高。针对误识样本中对性别存在误识的情况，指出通过融合声纹特征有可能缓解这一问题，从而提高识别率。 多生物特征融合是提高生物认证系统性能的有效方法。本文研究了声纹和人脸特征的融合技术，在本实验室采集的多生物特征库上进行了实验，结果表明在决策层融合和分数层融合2种情况下，与单生物特征系统相比识别率均提高了约10％。最后，提出在分数层融合时，利用匹配得分的排序信息对匹配得分进行加权的方法，实验表明可以进一步提高识别率。