随着信息化进程的加快,以人工智能为代表的新兴技术学科正不断演进发展。人脸识别技术作为人员辨别的重要表达,在生物识别领域中有着重要的研究意义。同时,其以非接触式识别的特点在监控、安防等工业生产领域得以广泛应用。目前,基于二维图像的人脸识别技术有着最普遍的运用,但由于二维人脸识别常受到光照、妆容、姿态等因素影响,从而导致识别效果不佳。相比而言三维人脸数据由于具有空间信息,在一定程度上可以解决二维人脸识别中存在的问题。但在实际应用场景中,现有的三维成像设备所获取的数据存在大量残缺,因此三维人脸识别还难以得到广泛应用。针对二维与三维存在问题,为了进一步提升人脸识别率,本文主要研究多模态融合的识别方法,从多个角度进行多模态融合的方法研究。本文的主要工作包括:（1）针对多模态数据的特性,提出并设计一种通道融合的多层次特征拼接的识别算法。针对多模态的互补性,设计基于双路多尺度特征融合算法。两种融合算法均使用了全局注意力机制。在实验对比发现,注意力模块能给人脸识别带来一定的提升。而且两种融合算法在与单模态对比中,首选识别率均提升至少3%。而针对像素对齐的数据,多层次特征拼接算法相比双路多尺度特征融合有着明显的优势。而针对像素未对齐的数据,双路多尺度特征融合算法有着较好的表现。（2）为了满足实际应用场景,提出一种基于深度图残缺程度粗略判断的方法。根据深度图残缺程度来确定分数融合的权重,通过对不同残缺程度深度图的融合有效性验证,确定了各个残缺度下分数融合的权重。为了进一步验证基于残缺程度的分数融合策略的有效性,基于多个网络测试结果,本文提出的分数融合方法相比传统的融合均在首选识别率上提升约为1%。与针对高精度多模态数据融合算法相比,本文的分数融合方法在应对缺失深度图的融合上更胜一筹。（3）设计一套前、后端分离的多模态人脸识别闸机系统。首先使用小型化快速成像三维设备进行数据采集;其次将基于深度图残缺判断的多模态分数融合识别方法应用在系统上;最后在实际场景中进行测试,发现多模态的识别相比二维识别首选识别率提升约为3%。整个系统设计基于无接触式的注册识别一体化方案,具有更高的灵活性。