目前,基于三维模型的人脸识别已经成为学术界的研究热点之一。本文主要研究了基于几何特征向量的三维人脸识别方法:首先读取三维人脸点云数据,提取出面部轮廓线,然后进行关键特征点的定位和几何特征向量的计算,最后通过计算相似度得到识别结果。本文的主要工作包括:(1)数据预处理:从3DS格式的三维人脸数据文件中提取出数据点云,在确定三维人脸坐标系之后,结合深度信息提取出人脸中分轮廓线和过鼻尖点的横向轮廓线,然后尝试对提取出的轮廓线点集进行曲线平滑和拟合预处理,这个过程减少了数据噪声的干扰,提高了下一步特征点定位的准确度。(2)关键特征点定位与特征向量组计算:通过计算曲率,定位和抽取出人脸面部的11个关键特征点,然后在此基础之上选取并计算了6大类共计21维的特征向量(包括距离,角度,面积,周长、体积和面部比例)以构成一个相对完整的几何特征向量组用于识别匹配工作。在此过程中提出了“人脸三角轮毂图”的概念以表征抽象的三维人脸。(3)相似性度量与人脸识别:对特征向量组进行分析,在平衡稳定性与区分度之后赋予每一维向量不同的权值,并进行归一化处理,最后通过识别库与样本库之间的相似性度量完成最后的识别工作。在整个算法过程中,综合运用了5种计算方法(包括邻域搜索方法、平均化方法、对称性修正方法、分层化方法和抽象化方法)以尝试改善整个识别算法的有效性与稳健性。(4)3D人脸识别系统与识别率:我们基于OpenGL,Visual C++和SQL数据库技术构建了一个可视化的三维人脸识别系统。该系统能提取人脸轮廓线,定位面部关键特征点,计算人脸特征向量组,并通过进行相似度比较实现三维人脸识别。基于此系统,本文在150个数据库样本上,对42个识别数据进行测试,得到识别率为90.5%,误识率为9.5%,并在此之后进行了相关数据的比较和分析。