近年来,基于人体生物特征的用户身份识别和认证受到越来越多的关注。除了人脸、指纹和虹膜外,嘴唇同样是一项具有高鉴别力的生物特征。相比于其他生物特征,嘴唇特征包含静态和动态两个方面。研究表明,嘴唇序列的静态和动态特征包含大量与用户身份相关的信息,可作为一种新型的生物特征识别用户的身份,而如何从嘴唇序列中提取出最具有鉴别力的子片段仍是一个难点。同时,由于嘴唇特征的大量应用场景是在自然环境下,这种复杂场景下光照多样性带来的问题同样不容小觑。针对上述问题,本文提出了一种复杂场景下基于唇语的讲话人身份识别和认证机制。在该机制下,网络为每个嘴唇序列计算鉴别力权重:首先将整个讲话视频划分为一系列子片段;然后将每个子片段输入三维卷积神经网络,用以提取唇语特征用来身份识别和认证,同时通过检查网络最后一个全连接层特征向量的L-2范数自动计算该子片段的判别力权重;最后,通过对同一个视频所有子片段的结果进行加权投票来获得最终的预测结果。另外,对模型预测概率采用非线性函数优化,从而既在一定程度上提高了高鉴别力子片段的影响,也抑制了低鉴别力子片段的作用。除此之外,考虑到自然环境中光照条件的多样性,采用光照归一化、数据增强的方法来提高模型对光照变化的鲁棒性。实验结果表明,同一视频的不同子片段对用户身份识别和认证的区分能力不同,并且将注意力集中在更能区分用户身份的子片段上对身份识别认证任务更为有效;本文采用的光照处理方法也能够有效地解决复杂场景下光照多样性引起的问题。综上,本文所提出的数据处理方法及网络架构能够有效地提高讲话人身份识别和认证任务的准确率。