生物认证技术是一门新兴的技术，拥有传统身份认证技术没有的独特优点，在金融、公共安全及日常生活中都有广泛的应用。本文围绕确认模式下人脸和语音两种生物认证算法以及它们的支持向量机融合算法展开，其主要内容如下：首先，针对用户庞大的实际应用中，人脸识别不能保证实时性的问题，对基于特征脸的人脸确认算法进行了研究。为每个对象建立一个人脸子空间，而每个对象包括在尽可能多的情况(灯光、表情、姿势等)下的样本。引入四种分类器，即欧氏距离、马氏距离、归一化的相关系数和重建误差对结果进行分类。用广义判别分析对在分数层进行融合后再分类。实验结果发现，基于确认模式的特征脸算法对各种变化的鲁棒性较强；用重建误差分类器进行分类，在所有比较的分类器中具有最好的性能；融合则又进一步改善了性能，与同类算法相比具有一定的优势。其次，采用基于高斯混合说话人模型用于独立于文本的说话人确认，它用若干个多维高斯概率密度的线性组合描述说话人的特征分布，克服短时语音测试的困难，对只有0.20秒和0.52秒的测试语音进行说话人确认时，取得了较小的等误差率。再次，提出了基于正交多项式核函数的支持向量机，同时引入模糊支持向量机和不同的惩罚参数用来克服过拟合和类边界倾斜问题。由于正交多项式的优越特性，使得在特征空间保证最少的冗余信息，使其支持向量大大减少。实验结果证明，基于正交多项式核函数的支持向量机同基于传统核函数的支持向量机相比，在分类、泛化能力和支持向量数目方面都具有优越性。最后，结合传统的身份认证技术和生物认证技术以及我们的项目，提出了确认模式下具有伸缩性安全级别的混合型身份认证方案。