人耳识别作为一种很有发展潜力的生物特征识别技术，已经受到越来越多的国内外研究人员的关注，与二维人耳图像相比，三维人耳数据包含信息更多，鲁棒性更好。而且三维重建技术应用前景非常广泛，其在身份认证、医学和AR、VR上都有重大意义，所以本文对耳朵三维重建进行了研究。以往对三维人耳重建的研究很少，而且仅有的耳朵三维建模方法几乎都要依靠手动标注特征点和人工干预，本文首次提出了基于模板匹配的耳朵三维重建方法，能够自动且高效地进行耳朵三维建模，主要贡献和创新点如下：
　　（1）提出了级联卷积神经网络学习人耳特征表示。针对人耳三维重建过程中的配准算法需要提供初始对应点对的问题，目前相关解决方案大多是人工标注对应点，在模板模型和目标模型上对应地标注二到四个特征点。为了提高效率和自动化程度，本文分别设计了人耳检测网络和耳朵特征点定位网络，采用级联卷积神经网络的方法学习了人耳特征表示。可以无需人工干预检测出耳朵 55 个特征点，大大节约了时间，为耳朵三维重建的初始配准做了准备工作。
　　（2）提出了基于模板匹配的耳朵三维重建算法，并建立了耳朵三维重建的数学模型。首先采用改进的迭代最近点算法进行刚性配准，即对模板模型进行刚性变换使之与目标模型大致位于空间中同一位置。本文优化了迭代最近点算法，采用自适应阈值并完善了其中计算对应点对需要满足的条件，获得了更精确的刚性配准结果。然后是非刚性配准，即对模板模型进行非刚性变换，使之消除与目标模型间的形状差异。本文借鉴人脸人手的非刚性配准算法，对算法经过改进使之能够适用于人耳三维建模：构造了模板模型的变形图，优化了距离计算方式，使变形图中的采样点在模板模型上分布均匀、构造的变形图更准确；设计了适用于人耳的目标能量函数，增加了平滑项使人耳模板模型能够平滑地发生形变等。经过对算法的不断优化，性能得到很大提升，能够得到逼真的人耳三维重建模型。
　　（3）最后本文对耳朵三维重建的应用进行了研究。在人耳数据集上重建出三维耳朵模型后，采用改进的两步迭代最近点算法进行了识别实验。针对迭代最近点算法容易陷入局部极小值的问题，本文先进行粗匹配获得候选人耳集，然后采用精英保留策略，再进行精匹配过程，从而减小了搜索范围，加快收敛。为了提高最近点对计算的效率和精度，使用了索引结构，并在约束条件上增加唯一性约束。实验中得到了较高的识别率，验证了用三维人耳模型做身份认证的可行性和有效性。