在科技和信息高速发展的现代社会,社会安全和信息安全显示出前所未有的重要性,身份识别作为保证安全性的必要前提成为备受关注的关键社会问题和研究热点问题。基于生物特征的身份识别技术以其高安全性、稳定性和有效性等优势得到了快速发展,但随着研究发展发现,单模态生物特征识别在识别准确率、普适性和防伪性等方面显示出了一些固有缺陷。为了解决这一问题,研究人员提出了利用多种生物特征数据融合实现身份识别的方案,受到了广泛关注。目前多生物特征融合识别技术仍处于探索研究阶段,技术还不成熟,需要进一步的研究和完善。本文针对多生物特征识别的关键技术问题,提出了基于手背静脉、虹膜和指纹三种生物特征融合实现身份识别的多生物特征融合识别方案。从识别准确率和算法实时性要求方面考虑提出了快速高效的单模态生物特征特征提取与匹配算法,对特征信息归一化方法进行了研究,提出了基于经典匹配层融合算法、贝叶斯融合决策理论和kNN-SVM融合理论的手背静脉、虹膜和指纹特征融合识别算法,提高了身份识别的准确率。搭建了基于嵌入式系统的多生物特征识别实验系统,初步探讨了识别算法的DSP实现。本文创新性工作概括如下:1、提出基于SURF(Speeded-Up Robust Features)算子的快速手背静脉识别算法。对手背静脉图像进行3阶尺度展开,提取手背静脉的局部SURF特征,并基于欧氏距离实现特征匹配。该算法具有尺度不变、旋转不变的性能,在提高识别准确率的同时有效缩短了识别时间。2、建立了手背静脉、虹膜和指纹匹配分数归一化模型,基于经典匹配层融合算法实现三种生物特征在匹配层的融合识别。对手背静脉、虹膜和指纹特征匹配输出的匹配分数进行归一化处理,利用区分度参数分析各种归一化方法对融合识别性能的影响,最后基于经典匹配层融合方法实现匹配分数融合,最终实现身份识别。3、提出基于贝叶斯融合决策理论的手背静脉、虹膜和指纹特征融合识别算法。将手背静脉、虹膜和指纹特征分别进行特征匹配输出各自的匹配分数,将三者的匹配分数作为贝叶斯分类器的输入,最后基于贝叶斯融合决策函数实现匹配层的融合识别。4、提出基于kNN-SVM融合理论的手背静脉、虹膜和指纹特征融合识别算法。首先,基于k-NN算法进行手背静脉匹配识别,实现用户身份的初步识别,将用户身份范围缩小到k个,之后利用SVM算法实现k个样本范围内指纹和虹膜特征的融合识别,最终确定用户的身份。5、多生物特征融合识别嵌入式系统实现。基于DSP+FPGA嵌入式系统技术构建了手背静脉、虹膜和指纹特征的多生物特征识别系统,初步探讨了识别算法从计算机到DSP的移植,并进行了初步的身份识别实验。