人脸识别技术是以人脸作为特征进行身份认证和识别的技术，它在多个领域有巨大的市场需求，如门禁系统、视频监控、机场安检、智能空间、自然人机交互等。二维人脸识别难以解决光照和姿态问题，而三维人脸具有光照、姿势不变性，且包含有更多的信息量，因此三维人脸识别已成为学术界的研究热点。然而表情会导致三维人脸曲面形状改变，降低了算法性能；同时三维人脸中的海量数据，也导致了算法的实时性难以满足实际要求。因此，克服表情影响和提高实时性是三维人脸识别迫切需要解决的问题。本文工作主要针对这两个问题，提出相应解决方案，所做工作总结如下：　　 (1)三维人脸识别技术研究现状总结。首先介绍了人脸识别背景，然后详细介绍了三维人脸识别的流程、数据表示以及三维人脸识别的优势和存在的问题，对目前较为广泛使用的三维人脸数据库进行了总结，最后对三维人脸识别的研究现状进行了分析。　　 (2)人脸识别过程是一个“暴力搜索”过程，即每一个测试模型都需要同所有的库集模型比较，然后选择相似度最高的库集对象作为识别结果。基于点云直接配准的人脸识别方法对三维人脸数据不做特征提取，直接根据点云的三维坐标进行精确匹配，最后以配准后的对应点对平均距离作为相似性度量。在该类方法中，每一个测试模型都需要同所有的库集模型进行精确匹配，严重影响了识别效率。针对该问题，提出了一种基于排除算法的快速三维人脸识别方法。首先应用人脸稳定区域的有价值侧面轮廓线建立排除算法，在识别初期，通过简单的排除器将库集中不相似人脸排除，最后只在相似度较高的剩余库集模型中进行精确匹配。利用本文所提排除算法，约2/3的库集人脸在识别初期被排除，测试模型只需在剩余1/3的库集人脸中寻找识别结果，极大地提高了识别算法实时性。　　 (3)表情会导致三维人脸曲面产生非刚性形变，常用的一种处理方法是在人脸中选取受表情影响较小的近似刚性区域进行匹配识别，然而受所有表情影响都很小的区域是很小的，仅利用该部分区域进行识别将影响识别精度。为了解决该问题，提出了一种自适应区域选择的三维人脸识别方法。该方法将人脸分为多个子区域，并分别建立人脸形变映射，最后根据该形变映射，自适应地选取形变较小的子区域用于识别。该方法在避免表情影响的同时，又利用了尽可能多的人脸区域用于识别。将该方法与仅利用人脸近似刚性区域的方法比较，识别和认证效果有明显提高。　　 (4)传统三维人脸识别算法难以区分两个人脸形状的差异是由不同人引起的还是由表情引起的，使得算法对表情很敏感。针对该问题，提出了一种基于表情分离的三维人脸识别方法。首先利用训练集和模板人脸建立人脸形变模型和表情形变模型，然后通过将带有表情的人脸分别向这两个模型空间映射来分离人脸形状特征和表情特征，最后提取去除表情成分的人脸形状特征用于识别。该方法通过将人脸形状特征和表情特征分离，先将有表情人脸变换为无表情人脸，然后用于识别，提高了算法的表情鲁棒性。实验结果表明，该算法对表情变化下的人脸识别具有很好的效果。　　 (5)局部特征一般受表情、姿势和遮挡影响较小，但易受噪声点影响；而整体特征具有相反的特性。为了有效利用人脸特征进行识别，提出了一种结合局部特征和整体特征的三维人脸识别方法。首先提取人脸等测地距离轮廓线，然后根据轮廓线上点的邻域信息提取局部特征，再根据轮廓线的整体形状提取人脸整体特征，最后分别比较，并将结果在决策级融合。对实验结果进行分析，针对等测地距离轮廓线在嘴部区域易受影响的问题，提出利用人脸上半部分区域进行识别，识别效果得到明显提高。