随着社会的进步和计算机网络技术的迅速发展，基于生物特征的身份鉴别算法由于其出色的安全性能受到了广泛的关注。在所有的生物特征识别算法中，人脸识别技术由于其易接受性、采集方便等优点一直是该领域的研究热点。但是由于人脸本身是一个非刚性的三维几何体，因此传统的二维人脸识别技术必然会受到光照、姿态和表情等因素的影响，造成识别信息的丢失。为了解决这些问题，三维人脸识别技术应运而生。三维人脸识别和分类就是使得计算机可以对由三维扫描仪采集得到的三维人脸数据进行智能分析，从而得到准确的身份识别和分类结果。本文针对如何准确而鲁棒的进行三维人脸特征表达进行了深入的研究，主要的工作和贡献包括：　　 ①实现了三维鼻尖区域的定位算法，并以此为基准区域对不同的三维人脸数据进行配准。这些工作为三维人脸识别平台的建立奠定了基础。　　 ②提出了基于视觉词典的三维人脸特征并将其成功应用于三维人脸识别系统中。视觉词典算法首先通过学习得到三维人脸最常见的纹理基元，然后以这些基元作为纹理直方图的基础，通过将原三维人脸图像向这些纹理基元映射得到视觉词典直方图向量，以此作为三维人脸的特征表达。实验结果表明，视觉词典特征实现了泛化能力、识别性能和鲁棒性的统一。　　 ③改进了基于视觉词典的三维人脸框架中的各个步骤(滤波器选择、聚类算法设计和匹配距离选择)，进一步提升了该算法的识别性能。在FRGC2.0和CASIA三维人脸数据库的实验中，都取得了很好的识别效果。　　 ④提出了鲁棒局部Log-Gabor直方图特征以克服在非可控环境下三维人脸识别遇到的困难。该算法在FRGC2.0三维人脸数据库的大表情数据子集和CASIA三维人脸数据库表情子集的实验中，取得了很好的识别效果。　　 ⑤利用视觉词典特征提出了模糊三维人脸种族分类。利用视觉词典特征学习得到东方人种视觉基元和西方人种视觉基元，并以此为基础设计了模糊隶属度函数，实现了模糊三维人脸种族分类的目的。　　 总的说来，本文在基于视觉词典的三维人脸特征表达方向做了深入的研究，并取得了一些初步成果，希望本文的工作可以对进一步的三维人脸识别研究提供帮助。