人脸识别具有自然、友好、对用户干扰少、易被接受等多种优势成为生物特征识别领域的研究热点。目前,二维人脸识别技术已发展成熟,实际生活中已有应用。但二维人脸识别技术很难克服光照、姿态及表情变化的影响,阻碍了人脸识别技术的广泛应用。而三维人脸识别技术对光照、姿态及表情的变化鲁棒性较强,成为人脸识别技术研究的重要方向。本文研究了基于面部轮廓曲线特征的三维人脸识别算法,研究的重点是识别特征提取和分类器设计。主要内容如下：第一,本文基于FCM聚类算法提取面部轮廓曲线特征,主要解决“提取什么样的轮廓曲线”和“提取几条轮廓曲线”的问题。并同基于模糊等价关系聚类算法及等间隔提取的轮廓曲线进行比较,结果证明,基于FCM聚类算法提取的轮廓曲线识别效果较好。第二,人脸具有高度对称性,左、右半边脸的特征相似。本文根据面部中分轮廓曲线,中分人脸为左右两个部分,根据香浓的信息熵概念分别计算两半边脸的信息熵,选取熵大的半边脸的特征参与后续识别。实验证明,该想法降低了计算复杂度,提高了识别效率。第三,分类器设计。依据本文特征的数值型数据形式,改进了经典的Manhattan距离公式,作为本文的识别分类器。并同其它多种分类器做比较实验,结果证明,改进的Manhattan距离分类器的识别率更高。本文的研究给三维人脸识别技术的发展奠定了一定的基础,具有较高的实用价值。该算法不仅提高了人脸识别率,且大大降低了计算复杂度。对光照和表情有较强的鲁棒性。