人脸识别技术有较高的实用性和可靠性,是目前各种场合中确认对象身份的最有效手段之一,主要分为二维人脸识别及三维人脸识别两大类。与传统二维人脸图像相比,三维人脸数据是真实人脸在三维空间中的直接表示形式,可以更加全面地表示人脸的形状以及拓扑结构等信息,且不受光照、姿态及化妆的影响。然而,三维人脸识别技术也面临着表情变化等问题的挑战。为了提高表情变化下三维人脸算法的识别效率,本文做了如下工作和创新:1.提出一种基于关键点和局部描述子的三维人脸识别算法。对人脸进行预处理后,首先利用多尺度形状变化指数在三维人脸上检测出关键点;然后在关键点上构造三维法向量分布直方图(3D histograms of normal distributions,3DHoND)描述子,将测试集人脸与库集人脸上的描述子进行初步匹配,除去匹配程度较低的一部分库集人脸;再从关键点上提取协方差矩阵描述子,将测试集人脸与剩余的库集人脸在给定的约束条件下进行协方差矩阵描述子匹配;最后,用成功匹配的关键点个数衡量人脸的匹配程度,得到分类结果。此算法能检测出表情变化下较稳定的关键点,同时提取了多种几何信息,有效降低了表情变化造成的影响。在FRGC v2.0、Bosphorus以及BU-3DFE数据库上的实验表明,此算法在各种表情下都具有较高的识别率,在识别速度上也有一定的优势。2.提出一种基于形状指数深度图像和三维等测地线的三维人脸识别算法。首先对人脸进行预处理,并将三维人脸投影在XOY平面上生成形状指数深度图像,去除嘴部区域后构造LSDP(Local Shift Derivative Pattern)特征进行匹配;同时,从三维人脸上提取多条等测地线并采样,利用改进的Hausdorff距离进行匹配;最后,通过融合形状指数深度图和三维等测地线的两类匹配结果进行分类。此算法提取了表情变化下较稳定的特征,并结合了整体特征与局部特征的优点。在FRGC v2.0以及Bosphorus数据库上进行实验得到的结果表明,此算法不仅有较高的识别准确率,在表情变化下也有较好的鲁棒性。