人脸识别是计算机视觉中较热门的研究领域。由于人脸识别技术与其他生物识别技术相比具有非侵入性,在过去的二十年中,此技术成为生物识别技术中活跃的研究分支。在大量潜在应用领域的驱动下,尽管二维人脸识别已被全面研究,但仍然有许多限制。因为人体本身具有三维立体性,所以随着三维测量技术的发展,我们可以更快速、准确地获取具有更多几何信息的三维物体数据,为三维识别提取更多不变特征。基于人脸点云数据和深度数据的匹配算法,均在表情变化的三维人脸识别上成功应用,但很少有人研究关于面部遮挡情况下的人脸识别问题。因此,针对遮挡情况,本文展开了对三维遮挡面部识别方法的研究。为了保持面部的细节特征,本文在网格上应用曲面经验模态分解,产生不同尺度的三维曲面。然后,结合主曲率提取三维曲面上的关键点,在面部均匀分布的同时,提高了相同关键点出现的频率。接着,对关键点使用三种描述符进行描述,融合后的描述符增强了局部曲面信息的全面性。最后,由于稀疏表示对遮挡具有鲁棒性,本文使用了多字典协作的稀疏表示匹配算法进行人脸识别。本文对带遮挡的三维人脸识别的具体研究工作如下:1)将原始的经验模态分解扩展到曲面,结合三维人脸数据库中的数据,对人脸面部进行保留曲面特征的多尺度分解。2)在曲面上根据主曲率(最大曲率和最小曲率)提取关键点,为每个关键点建立三维局部坐标系,提取旋转不变性特征。根据DAISY描述符的形式,构造了局部特征结构,包含更多的关键点及其邻域之间的几何特性。将形状指数直方图、形状指数梯度直方图和梯度直方图,三个不同级别的表面微分加权直方图作为特征描述符,进行特征级融合后,对关键点周围的局部形状信息进行描述,完成特征提取工作。3)遮挡的面部与完整面部相比,丢失了面部部分关键点,造成点与点之间相似性的匹配困难。本文选取分解产生的三个不同尺度的面部,根据提取到的关键点特征,分别构建了三个不同的稀疏字典,以特征向量的平均重建误差作为相似度度量,使用多字典协作的稀疏分类方法,完成待测人脸的识别工作。本文提出的改进算法,采用Bosphorus数据库中的样本进行实验。与其他处理面部遮挡问题的算法相比,本文算法在识别准确率上有一定程度上的提升,这对今后三维人脸识别研究产生一定的积极影响。