生物特征识别技术在近几年随着计算机产业的不断发展有了突飞猛进的进步,原先人们只能在电影中才能看到的特技场景如今也变成现实。单一的生物特征识别技术由于特征提取的不稳定性,难免受到各种外界因素干扰。采用多生物特征进行识别,能有效的避免单一生物特征进行识别的缺点,并在近几年获得了较大的应用。本文研究的是基于人耳和侧面人脸的身份识别。对人耳和人脸部分分别采用力场转换算法和Gabor算法,然后通过特征融合,得到比采用单一生物特征更高的识别率。文章首先采用AdaBoost算法进行了人脸和人耳区域的检测。利用OpenCV工具包和VS2008IDE设计界面,我们获得侧面人脸和人耳的坐标位置。利用力场转换算法实现人耳图像矫正。矫正步骤为：对原始图像进行下采样,降低计算的复杂度；利用力场转换和Canny边缘检测,经过形态学处理,获得人耳区域的二值图像；将包围人耳外轮廓区域的最小外接矩形进行角度旋转,最后将具有最大宽高比的旋转角度作为矫正角度。人耳特征提取部分,文中利用力场转换算法获得力场矢量图,并通过散度求解公式获得人耳的散度图像。散度图像能够很好的描述人耳势能阱和势能渠的位置。采用K-means算法对人耳散度图像进行阈值分割并通过SIFT算法对人耳图像进行特征提取和匹配。侧面人脸部分首先采用颜色分割算法,将人脸由RGB空间转换到HSI空间和YCbCr空间,利用H分量和Cr, Cb分量进行颜色分割,将分割出的人脸部分归一化后利用Gabor进行特征提取。文章最后利用特征融合算法将人耳特征和侧面人脸特征进行融合。实验结果证明,SIFT能较好的描述人耳散度图特征,采用多生物特征融合技术比采用单一的生物特征进行身份鉴别具有更好的识别率。