过去二十年来,人脸识别是计算机视觉领域中最重要的和最有吸引力的研究方向之一,并在多个领域有着广泛的应用前景,如视频监控、考勤系统、机场安检等。大量研究表明,传统的二维人脸识别在受限环境中能够获得很好的识别性能,但是仍然受照明、姿态、化妆、面部表情等因素的影响。与二维人脸识别相比,基于三维人脸数据的人脸识别技术由于不受光照和姿态的影响,因而被认为具有更广阔的发展空间。但是三维人脸识别也面临着许多困难和挑战,表情变化是一个主要的问题。本文对现有的三维人脸识别方法进行了总结和归纳,然后针对表情问题,提出了两种对表情变化具有鲁棒性的三维人脸识别方法。本文的主要工作和创新点如下：1.提出一种基于半刚性区域面部轮廓线匹配的三维人脸识别方法。首先,对人脸进行预处理,包括人脸数据平滑、人脸区域切割和人脸姿态矫正,将所有的人脸置于同一坐标系下;然后,从三维人脸模型的半刚性区域提取人脸多条面部轮廓线来表征人脸面部曲面；最后,利用弹性曲线匹配算法计算不同三维人脸模型间对应的轮廓线在预形状空间中的测地距离,将其作为相似性度量,并且对所有轮廓线的相似度向量进行加权融合,得到总相似度用于分类。在FRGC v2.0数据库中进行的大量实验表明,基于半刚性区域面部轮廓线匹配的三维人脸识别方法具有较强的识别性能,并且对表情变化具有很好的鲁棒性。2.提出一种基于表情不变特征的三维人脸识别方法。首先将所有人脸向标准人脸对齐并且进行非刚性配准以获取准确的点对应关系;然后利用训练集人脸和标准人脸来构建人脸形状残差空间和表情残差空间,从而通过将输入人脸与标准人脸的形状残差向这两个空间投影来获取人脸形状特征向量和表情特征向量；最后提取不含表情分量的人脸形状特征用于识别。实验结果显示,基于表情不变特征的三维人脸识别方法具有较高的识别精度,并且有效地减弱了表情变化对人脸识别的影响。