传统识别主要利用体外物(密码、证件和钥匙等)进行身份验证,而这些体外物很容易遗失或被盗窃,因此,生物识别的优势逐渐开始显现。生物识别的独特性、永恒性、安全性和便利性使其在近些年受到研究者的广泛关注,人耳识别即是生物识别中十分重要的识别方式之一。作为新兴生物识别技术,人耳识别具有以下优势:人耳形状几乎不会随着年龄的增长而改变;在面部表情发生巨大变化时,耳朵形状也不会剧烈变化;耳朵和脸部数据可以一同获取,为多模式识别奠定了一定的基础。除此之外,人耳识别也被广泛应用于刑事追踪和法医验证。正是在这样的背景下,本文提出一种有效的基于局部特征的特征级融合以及基于稀疏表示的决策级融合的人耳识别方案。主要工作如下:1、从人耳提取、预处理、特征提取和分类决策四个方面介绍人耳识别的流程,并详细阐述人耳识别发展趋势和面临的主要挑战。2、介绍单模式识别中基于人耳识别的预处理、特征提取及分类技术,并且根据相关实验结果验证各预处理、特征提取及分类技术在人耳识别领域的有效性。还介绍了基于级间融合和级内融合的多模式识别及其融合规则和最新研究。3、提出一种有效的人耳识别算法,包括预处理、特征提取和分类决策。算法在USTB1、USTB2、USTB3、IITD1、AMI和AWE 6个数据集进行实验,分别获得了99.44%、97.08%、100%、100%、98.14%和82.90%的准确率。与相关和最新算法进行对比,实验结果证明提出算法具有一定的优势。4、分析基于遮挡和姿势变化的挑战,测试提出的算法对遮挡和姿势变化的鲁棒性,并提出基于级间融合的多模式识别的解决办法。实验结果验证基于级间融合的多模式识别的可行性。