近几年来,涌现了不少三维人脸识别算法,三维数据在人脸识别中的应用具有巨大的优势,它包含了人脸的空间几何信息,使得在人脸识别过程中所受到的光照、表情、姿态的影响较小,所以三维人脸识别已成为研究热门方向。但由于数据维度的提升,三维数据的计算量也会增加。通常会使用人工选择特征点或者三维空间向二维空间投影这样的方法减少计算量,但是这样的方法并不能完全体现出三维数据的优点。因此,本论文提出了用于三维人脸识别的费莱纳几何特征,在不采用二维投影等多余的操作下,直接对三维人脸原始数据进行处理,完成了以下研究内容:首先,对三维人脸原始数据进行预处理后,对比了两种三维人脸的空间曲线表示方式,选取了效率、鲁棒性更好的径向线作为需要提取的空间曲线,极大的减弱了表情对三维人脸识别的影响。之后,本文对弗莱纳公式进行推导,得到四种不同的弗莱纳几何特征,并论证了它们的姿态不变性,并提取了三维人脸径向线的四种几何特征用于后续分类。最后,将前面提取到的几何特征使用三种不同方法进行降维处理后,输入最小距离分类器得到最终识别结果。在评估实验算法的阶段,本论文对比了不同降维方法后的识别率以及不同算法的识别与计算速度,进一步证明,与现有的三维人脸识别技术相比,所提出的方法不仅识别性能具有竞争力,而且计算效率很高。