近年来人脸识别以其方便、直接、有效而受到世人的瞩目,然而随着人脸检测和识别,人脸建模和动画等方面研究的不断深入,传统的基于二维图像的人脸分析方法面临诸多困难。这些困难包括:姿态、光照和表情(PIE)问题、有效的特征抽取方法、海量数据和维度灾难等。三维人脸能够有效的解决二维图像信息缺失的问题,更精确地描述脸部特征,且提取的某些特征具有刚体变换不变性,不易受到姿态和光照的影响,因此它越来越收到研究者的关注。然而目前的三维人脸研究也面临着:三维数据获取困难、海量数据的表征和配准、有效的三维识别方法等问题。针对二维和三维人脸识别研究中的关键性问题,本人在硕士期间所做的工作与创新性探索如下:1)针对二维人脸识别中的视角和姿态问题,本文提出基于类别约束图划分的线性判决准则。利用样本的欧式距离分布和类别信息建立类别约束图,并将样本划分为合理数量的子类,并提出MDSD准则选出最优的子类划分方法。2)提出基于贝塞尔曲面模型的三维人脸特征点定位方法,用于三维人脸表征和人脸识别。采用贝塞尔曲面表征特征点周围区域的局部几何结构,用来区分不同特征点。同时根据特征点结构的不同复杂程度选取不同的插值精度,以实现精确度和运算量的折衷。最后利用局部搜索+全局模型约束的思路得到最终的特征点定位结果。3)提出用19个重要特征点计算得到的人脸特征角和反映特征点区域局部几何形态的局部区域映射,实现三维人脸识别。该方法不受姿态和光照影响,对表情变化也有很好的鲁棒性。4)提出一种基于正面和侧面人脸二维照片合成三维人脸的方法。将三维一般化模型分别投影到正面和侧面照片上,根据投影图像上特征点和实际照片上特征点的位置差异得到三维一般化模型中特征点所应移动的位移。然后三维一般化模型上的自由点也通过基于线性模型的自由点移动准则进行移动,最终得到实际三维人脸。同时硕士期间还完成了一个铁轨检测系统。提出一套局部线型检测算子(LLPD)用于货运编组站铁轨的自动检测。