生物认证技术是近年来一门新兴的技术,它所拥有的独特优点,是传统身份认证技术没有的,被广泛的应用在金融、公共安全、日常生活中。本文针对确认模式下,人脸与语音两种生物认证算法,以及支持它们的向量机融合算法展开论述,其主要内容如下：首先,针对现今客户庞大的实际应用系统中,人脸识别技术不能够保证实时性的问题,研究了基于特征脸的人脸确认算法。为每个对象,建立一个人脸子空间,每个对象在尽可能多的情况下(包括光照、表情和姿势等)的样本。通过引入四种分类器,即欧氏距离、马氏距离、重建误差以及归一化的相关系数,对样本结果进行分类。用广义判别分板,对在分数层进行融合后再分类。通过实验结果分类发现,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,性能是最好的；融合则可以进一步改善性能,相比同类算法,具有一定的优势。其次,通过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,它用很多个多维高斯概率密度的线性组合,描述说话人的特征分布,克服短时间语音测试的困难,对只有0.20秒以及0.52秒的测试语音,进行说话人确认时,取得的等误差率较小。最后,结合传统的身份认证技术、生物认证技术和我们本次研究的项目,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。