目前常见的指纹识别、虹膜识别等单模态的生物特征识别方式,存在准确率低、安全性差、局限性高等缺点,无法满足当下身份信息安全的需求。基于此,本文选用具有高度防伪、无法复制、活体检测等优势的指静脉,和具有易获取、非接触等优势的人脸,设计研究了一种同时识别体内生物特征与体外生物特征的双模态特征层融合识别方法。本文的主要研究内容如下:（1）为剔除指静脉公开数据集中图像背景、噪声等无用信息的干扰,首先对图像进行手指边缘检测并去除伪边缘;通过中线拟合对图像进行旋转矫正,并寻找手指上下边界的内切线;利用水平方向上的亮度变化,寻找指骨关节位置,进行感兴趣区域的截取。采用CLAHE与二维Gabor滤波器结合的方法,对感兴趣区域进行图像增强,获取清晰的指静脉纹路信息。（2）针对指静脉公开数据集规模小,训练神经网络容易造成过拟合问题,提出采用数据增强与生成对抗网络相结合的方式,生成指静脉数据集。并对于生成的指静脉图像采用VGG-19二分类器,筛选出静脉信息完整的图像;通过信息熵、能量梯度函数、灰度差分乘积函数三个方面对图像进行质量评估。结果表明,该方法生成的指静脉图像与真实图像具有相同的分布,并且质量更优于真实图像。（3）为弥补单一生物特征识别的缺陷,提出一种基于卷积神经网络双模态特征层融合识别方法。采用自注意力机制,更新指静脉特征和人脸特征权重;通过通道级联形成混合特征;利用卷积操作提取更深层的特征;使用残差结构,将其与指静脉特征、人脸特征进行融合,最大化保留有效特征信息,避免特征融合模块出现特征信息丢失,形成新的特征用于分类识别。该方法在公开数据集和生成的数据集上进行实验,结果表明双模态特征层融合识别准确率最低为98.84%,最高为99.98%。本文的研究打破了单一生物特征识别的应用局限,提高了生物识别的准确性和安全性,为身份信息安全提供了一种新的方案,对生物特征识别的发展具有重大意义。