三维人脸识别是目前计算机视觉、图像处理和模式识别领域中的热门研究课题,受到国内外研究学者的广泛关注和深入研究。三维人脸识别相较于传统的二维人脸识别具有诸多优点,可以解决二维人脸识别中因姿态和光照变化导致的算法鲁棒性差的问题。但三维人脸数据的不易获取成为了其广泛应用的一个阻碍。针对上述问题,本文对基于三维变形模型的人脸识别方法进行了研究,主要工作如下:首先,针对人脸特征点定位不精准导致模型参数质量不佳,从而使得重构模型的形状表达能力不稳健问题,提出了一种基于优化三维变形模型参数的人脸重建算法。对特征点定位算法进行改进,使其能够精准的定位出特征点,并在此基础上与三维变形模型进行匹配,得到模型参数。同时为了进一步提高模型参数质量,使其与基于回归方法得到的参数进行融合,对参数进行优化。然后,在重建出三维人脸模型的基础上进行识别研究。针对表情变化对人脸识别精度的影响,提出了一种结合局部关键点集与测地线的三维人脸识别算法。划分出三维人脸中的鼻部和眼部作为刚性区域进行关键点检测,以此为基础提取其几何特征进行匹配。同时,对三维人脸提取测地线并将其视为非刚性区域,进行相似度匹配。在得到两个区域的相似度后进行加权融合,得到最终的识别结果。最后,在公开数据集上进行了实验和对比分析。实验结果表明本文所提出的算法能够获得较高精度的人脸模型,并在识别过程中,对表情变化具有较强的鲁棒性,能够有效的对人脸进行鉴别。