随着信息社会对安全性要求的提高，使得生物特征识别技术在越来越多的场合取代传统的身份识别方式。生物特征识别技术具有普遍性、高安全性、高准确性等特点，能够安全、方便、快捷的进行身份识别，避免了传统身份识别方法易丢失、遗忘、易受攻击的弊端。但是，单模生物特征识别技术因为单一生物特征具有各自的局限性，因此，多模生物特征识别技术得到人们进一步的认同和研究。多模生物特征识别技术融合了多种模态的特征，且通过信息融合技术提高了识别系统的安全性和抗攻击能力，同时降低了错误率，使得多模生物特征识别技术能够有效缓解单模生物特征识别技术的缺陷，带来更好的识别性能。不同模态生物识别的融合有四种层次：像素级融合、特征层级融合、分数匹配层融合、决策级融合。由于分数匹配级融合在性能和普适性方面的优势，成为近年来多模生物特征融合识别的主要研究内容之一。本文针对多模生物特征识别技术分数层融合识别技术进行了具体深入的研究。本文实现了基于PCA的人脸识别算法和基于细节点的指纹匹配识别算法，并利用公开的人脸和指纹数据库通过人为配对，构造了一个实验用的双模数据库。本文改进并实现了分数层融合的三种主要方法：基于改进的GMM的人脸-指纹识别算法（基于密度的方法）、基于分类器信任度加权的人脸-指纹识别算法（基于分数归一化的方法）、基于改进SVM的人脸-指纹识别算法（基于分类器的方法）。提出了一种结合密度的方法和分数归一化方法优点的二级融合模型，采用GMM作为第一级融合策略，基于分类器信任度加权的和规则作为第二级融合策略，建立了GMM-WSUM人脸-指纹二级融合识别系统，在人工配对的ORL-FVC2004多模数据库和AR-FVC2004多模数据库上进行了测试，验证了在同等条件下，与基于GMM的融合决策和基于分数归一化的融合决策相比，GMM-WSUM融合系统的性能指标要更加优秀，进一步的提升了系统的识别性能。