随着因特网络技术的逐步提高,网络与人们的工作、学习、生活紧密相连,网络安全问题成为人们越来越关注的焦点。生物识别技术能够避免传统的身份鉴别方式中易忘记、易丢失、易损坏等缺陷,提高了身份鉴别方式的可靠性。耳廓识别技术是近几年来生物识别技术中的新宠,与其他生物识别技术相比具有明显的优势。本文针对三维耳廓点云模型的识别技术进行了相关的研究,其主要工作如下:(1)介绍了经典ICP算法,以及Sparse ICP、ICNP、EM-ICP三种改进算法的基本原理与算法流程,分析并比较各算法的优势与不足。将这四种迭代最近点算法应用到三维耳廓模型的配准中,对比四种算法的配准效果、配准效率以及配准精度。(2)首先对三维耳廓点云模型进行预处理,调整数据库中所有耳廓点云模型的位置与姿态,然后根据Iannarelli分类系统提取三维耳廓模型中四个局部特征区域,利用Sparse ICP算法对三维耳廓点云模型的局部特征进行匹配,根据耳廓模型之间对应点间的距离判断差异度,最终达到识别的效果。(3)利用D2形状分布算法对耳廓全局形状特征进行描述,首先将三维点云模型三角划分成若干个三角形,随机抽取三角形,计算该三角形上的随机点,统计若干个随机点之间的欧式距离分布情况,进而构成该模型的D2形状分布直方图,基于最小二乘法将离散的形状分布直方图拟合为形状分布曲线。利用概率密度函数的Minkowski L1范数方法对耳廓模型的形状分布曲线进行比较。通过实验分析结果,D2形状分布算法对三维点云的形状描述不受分辨率、模型位置、模型姿态等影响,适用于三维耳廓识别。