生物识别技术目前得到了广泛的应用，唇动身份认证就是根据说话人无声的唇动视频来进行身份认证。相对于目前常见的身份认证技术，其具有高唯一性，算法复杂度低等优点。整个唇动身份认证系统包括五个重要的阶段：人脸定位，唇部定位，图像预处理，特征提取和识别分类。本文分别对以上几个阶段的算法进行了细致的研究，并对图像预处理，特征提取和识别分类算法进行了创新与改进。　　本研究采用Adaboost与Haar特征相结合的算法对人脸区域进行定位，将Haar特征模板所提取的特征向量，放入Adaboost算法的级联强分类器中进行人脸的识别。确定人脸的区域后，因为人脸的各个器官所占比例都有相对的变化范围，从而根据这个原理对唇部进行粗定位，最终得到需要处理的ROI(Region Of Interest)。对于图像的预处理和特征提取。提出了一种视频帧图片规整算法，通过对时间的规整，将帧间图片灰度变化最大的图片提取出来，从而将不同长度的唇动视频规整到同一的长度，提取出具有代表性的唇动图片。同时提出一种在SIFT(Scale-Invariant Feature Transform)关键点的基础上，通过特征图片之间的像素变化、关键点的运动矢量、运动方向记录等方面，进行纹理和运动特征提取的方法。将得到的特征向量经过PCA(Principal Component Analysis)算法的降维处理，得到具有代表性的唇动特征进行认证。根据所得到的特征，提出了一种通过目标特征值与参考特征值的比值与双阈值进行比较的分类算法。并和常见的图像处理特征LBP(Local Binary Pattern)与HOG(Histogram of Oriented Gradient)特征，在相同的实验条件下，将得到的处理结果进行比较。最终的实验结果证明了整个唇动身份认证系统算法提出的有效性与可行性。