人们对生物特征的研究由来己久。目前，主要生物特征识别技术有指纹识别、掌纹识别、手形识别、静脉识别、人脸识别、虹膜识别、视网膜识别、声音识别和签名识别等。 由于声音和人脸比各种证件类持有物更难窃取而且也不像密码那么容易遗忘或破解，所以在身份识别上体现了独特的优势。近年来国内外诸多科技人员进行了广泛研究，并具有广阔的应用领域和应用前景。本论文就人脸识别和声音识别技术进行了较深入的探讨，重点研究了基于几何特征的人脸识别方法、基于奇异值分解的人脸识别方法和基于模糊聚类的声音识别方法。 基于几何特征的人脸识别方法虽然有信息表达不够完整的缺点，但由于该方法描述人脸图像的特征向量十分简洁，对光照变化不敏感的优势，因此，仍然在精度要求不高的场合获得了广泛的应用。本文针对现有研究方法存在的不足，提出了一种新的几何方法，利用图像复杂度的概念快速定位五官，利用Hou曲变换将脸颊等曲线变换成点，建立了一组精练的特征向量，在模糊判别的基础上，快速识别人脸图像。 奇异值分解是特征脸方法或主分量分析方法等代数方法的基础，但直接利用奇异值作为人脸的特征向量来进行识别的方法却很少有人研究。本论文在研究奇异值分解理论的基础上，提出了一个奇异值降维压缩准则，从而建立了直接利用奇异值作为特征向量进行人脸识别的新方法。本文用实验证明了该方法的有效性。 相对于人脸识别，声音识别有其独特的、不可替代的优势，是生物识别的重要分支。本文研究了模糊矢量量化(Fuzzy Vector Quantization， FVQ)方法，通过对模糊C均值聚类算法的分析，提出了基于减法聚类和改进的模糊C均值聚类算法相结合的说话人识别方法。 本论文在研究生物识别方法的基础上，探讨了生物识别方法在智能建筑中的应用，以期为提高该领域的智能化水平做出贡献。论文中采用声音识别和人脸识别相结合的方法设计了一个新型智能门禁系统，不仅提高了门禁系统的自动化水平，也使门禁更加安全可靠。另外，通过利用奇异值分解的方法压缩图像，大大提高了安防监控系统的传输和存储效率，增强了系统的快速性和可靠性。