近年来,基于生物特征身份识别技术作为人工智能的一个重要分支被广泛关注和应用。除了为人熟知的指纹识别、虹膜识别、语音识别等生物特征以外,唇印特征因其具有采集简单、难伪造、适用于失语人群和抗嘈杂环境等优点,也受到越来越多的研究者的关注。作者发现讲话人的讲话序列中某些字词和一些字词过渡中包含有比整段话更具有识别力的身份信息,基于此本论文提出了一种新的针对唇印的讲话人身份认证策略。对于讲话人说特定提示文本的讲话序列进行分段处理,分为若干个词级分段和静态分段。本文中主要使用了三种唇印分段描述:1)每个词级分段的嘴唇动态变化;2)每个单词与单词间转换时的嘴唇动态变化;3)不讲话时嘴唇的静态信息。本文使用具有模型适应性的隐马尔科夫模型（HMM）来描述每一段动态分段,使用线性支持向量机模型（SVM）来描述每个讲话人的静态唇印信息。本文还提出了一个置信度的测量方法来评估某个特定讲话人和其他讲话人之间的区分度。最后,本文提出了一个组合学习的结构,为身份认证提供了一个可靠的策略。在标准数据集上的实验结果表明,我们的策略在身份认证上获得了 1.26%的半差错率。与其他传统的唇印识别和认证方法相比,准确率更高、算法也更稳定。