自动人脸识别技术在国家安全、军事安全、公共安全和家庭娱乐等领域具有广泛的应用前景。虽然人类可以毫不费力地识别出人脸及表情，但机器自动识别却是一个极具挑战的难题。国外的人脸识别研究早在19世纪后期就已开始，但直到上世纪90年代基于特征脸的技术提出以后，人脸识别才真正成为计算机视觉领域的研究热点。尽管经过了十几年的研究，基于图像的2D人脸识别技术仍然面临巨大的挑战，在光线、姿态和表情变化的情况下，2D人脸识别的准确性还远远不能让人满意。 三维人脸获取设备的发展使得3D人脸识别成为可能，3D人脸识别技术有望从根本上解决基于图像的人脸识别方法所面临的“受姿态、光线和表情影响”的难题。基于3D数据已经获取的前提，3D人脸识别受光线的影响很小。由于3D数据具有显式的几何形状，3D人脸识别更具克服姿态变化的潜力。然而，表情变化仍然是3D人脸识别的难题。本文紧紧围绕3D人脸识别中的表情困难，给出了有效的解决方案，并提出了构建三维人脸识别系统的关键算法。本文的主要贡献总结如下： 1．综述了三维人脸识别的研究现状 本文分析了三维人脸识别的概念与基本过程，以及涉及的数据获取与数据表示等相关技术；然后根据算法所采用的特征形式，将三维人脸识别算法分为基于空域的直接匹配、基于局部特征的匹配和基于整体特征的匹配这三大类进行综述；之后，对基于2D和3D的双模态融合人脸识别方法进行分类阐述；最后总结了目前三维人脸识别技术的优势与困难，并对现有技术进行了讨论。 2．提出了一个全自动的三维人脸前处理方法 本文给出了基于曲率分析的人脸区域自动切割技术，三维人脸原始数据包含除人脸区域之外的杂乱数据，人脸区域自动切割技术有助于后续算法的有效执行。前处理还包括人脸网格简化和网格光滑两部分，前者提高算法计算效率，后者可以提高三维模型质量。这部分还提出了一个鲁棒的姿态定位方法，通过两个特征点和人脸的对称面固定人脸模型的6个自由度，将人脸模型置于统一的坐标框架中。3．提出了一个克服表情变化影响的GCD模型 针对表情变化带来的塑性变形，Guidance-based constraints deformation(GCD)模型基于泊松方程完成非中性人脸网格模型向中性模型的变形，有助于提高带表情模型与同类中性模型之间的相似度；同时，将一个刚性约束无缝地融合到变形线性系统中，以保持类间的区别特征。因此，GCD模型有效地提高了表情变化的三维人脸识别的性能。采用矩阵的分解和回代技术，GCD模型引出的线性系统可以获得很高的计算效率。 4．提出了一个三维人脸的平面表征方法——曲面开折模型 不同于传统的数字生物特征(图像、声音和视频)，3D人脸数据是非规则采样的，传统的信号处理工具难以对3D数据进行直接处理。曲面开折技术将3D数据映射到2D平面形成开折图像(Unfolded Image)以使数据处理过程变得方便，同时采用优化技术最小化映射过程产生的扭曲变形，以保留尽可能多的原始几何信息。实验表明，开折图像具有良好的表达3D数据特性的能力。 5．提出了三维人脸的匹配分类技术——Partial-ICP技术 Partial-ICP从三方面改进了传统ICP技术不利于3D人脸匹配的缺点，改进的初始点选择方法使得匹配模型之间具备正确的对应区域；对应点计算采用点到平面的距离，更有利于迭代算法的快速收敛；p-rate参数的引进能够动态地、依据具体模型的塑性变形情况提取刚性区域进行匹配。