目前,三维人脸识别是模式识别和图像处理领域最热门的课题之一。本文主要研究了基于曲率特征以及几何特征相结合的三维人脸分级识别方法。首先使用平行放置的两台相机获取人脸图片,从两幅二维人脸图片中计算三维人脸各特征点的视差。在获得三维人脸深度信息的基础上,对三维信息进行分析,利用网格控制点模型进行规一化并提取三维人脸特征,最后用于具体人脸的判定识别。本文的主要研究内容和实验结果为:1、三维人脸数据获取模块:介绍了各种三维人脸数据的获取方法,重点介绍双目立体视觉的原理和相关技术;使用平行放置的两台相机获取人脸图片,从两幅二维人脸图片中计算三维人脸各特征点的视差;同时,查阅了国内外相关科研机构的三维人脸库,对其进行分析并整理三维人脸数据用于后续的研究。在此基础上,对3D人脸数据规格化表示:使用B样条曲面拟合生成三维人脸模型,在此基础上利用网格生成三维点云数据,并进行三维人脸数据重采样。2、三维人脸特征提取模块:本文结合深度信息等特点提取三维人脸的三条轮廓线,在完成预处理的基础上进行相关的曲率分析和计算,采用基于曲率尺度空间和曲率符号变化相结合的方式进行基准点的确定,准确定位人脸的十大特征点,提高了算法的稳健性。3、三维人脸识别模块:在特征点定位基础上,通过几何运算得出特征的数据表示,这些数据可以作为人脸识别中的特征参数,最后将提取得到的四条轮廓线分段曲率特征以及十大特征点实验比较二种三维人脸识别方法,包括(1)基于几何测量的三维人脸识别方法;(2)基于轮廓线曲率的识别方法。在此基础上采用曲率特征以及几何特征相结合的三维人脸分级识别方法:在曲率特征以及几何特征相结合的基础上利用人脸的多个表情分别提取特征并进行加权平均,同时采用分级的思想进行三维人脸识别,对20个模型140个三维人脸数据进行试验,Rank-1取得91%的识别效果。