随着通信网络和智能手机的不断发展,移动支付已成为人们日常生活中交易的主流方式之一,使人们的生活更加便捷。目前,支付宝、微信加入了人脸识别支付和指纹识别支付等单模认证支付方式,使得支付环境得到了加强。但是人脸指纹等单模特征识别仍然存在着一些弊端。例如:单模生物特征在光照、表情变换等复杂环境下识别效果会受到影响,并且还容易被不法分子伪造。为了解决这些弊端,进一步提高安全性能和识别性能,一种非常具有潜力的模式——多模融合识别应运而生。本文选用人脸和指纹这两种生物特征进行融合。首先,对人脸和指纹进行图像预处理,来优化原始图像质量,以保证比较好的识别效果。人脸图像预处理比较简单,重点在于指纹图像的预处理,采集到指纹图像受很多因素干扰,会严重影响指纹的识别性能。本文分别对采集到指纹图像进行梯度场和方向场计算、指纹图像分割、指纹图像增强、指纹图像二值化和指纹图像细化一系列操作,最终得到高质量的指纹图像。其次,对预处理后的人脸图像和指纹图像进行特征提取和分类识别。在人脸识别中,为了解决单模生物特征在光照、表情变换等复杂环境下识别效果不好的问题,本文提出了基于稀疏表示的人脸识别算法,并且应用PCA降维算法进行特征提取,降低计算复杂度。在指纹识别中,本文采用基于细化图像的特征提取算法,并且应用去除伪特征点的算法,保证提取的特征点的准确性。最后,本文选用匹配级进行融合,相比于其它层次融合,匹配级在保证识别效果的同时,实现简单,计算速度快。提出了一种人脸指纹G-WMF匹配层融合算法,在得到人脸和指纹的匹配分数后,进行归一化处理,然后进行权重均值融合,并且加入遗传与进化算法,使得以比较快的速度为人脸和指纹分配最佳权重。结合人脸指纹融合算法,还设计了面向移动支付的多模融合身份识别系统。在需求分析和功能分析上,进行了论述。