人脸识别技术在国家安全、军事安全、金融安全、共同安全等领域具有广泛的应用前景。人的大脑具备天生的人脸识别能力，可以轻易地分辨出不同的人。但是电脑自动识别人脸技术的发展却面临巨大的挑战。关于人脸自动识别技术的研究最早可以追溯到19世纪后期，但是受限于当时各种条件的制约，识别理论和识别应用一直没有太大的突破。直到20世纪90年代以2D特征脸为代表的一系列优秀算法的提出，人脸识别才真正成为了机器视觉领域的热点。然而，二维人脸识别不可避免地受到光照、姿态和表情的影响，这些因素已成为了二维人脸识别技术向前发展的最大障碍。随着结构光和立体视觉等三维成像技术的日益成熟，实时的三维数据采集成为了现实。越来越多的人脸识别研究人员将目光投向了三维人脸识别技术领域。三维人脸识别技术有望从根本上解决二维人脸识别所面临的“光照、姿态和表情”难题。随着三维采集技术的提升，3D人脸数据受光照的影响越来越小。由于3D人脸模型的姿态有六个自由度，三维人脸识别技术理论上更具克服姿态变化的潜力。然而，表情变化仍然是三维人脸识别技术的瓶颈。本文围绕着姿态和表情问题，给出了有效的解决办法，并提出了从人脸检测到人脸识别过程中的若干关键算法。本文的主要创新性研究工作如下：１.提出了三维人脸检测、人脸切割、姿态校正等三维人脸识别预处理方法。考虑到原始的三维人脸数据包含了很多除人脸区域之外的杂乱数据，比如耳朵、头发、脖颈、衣服等。在人脸识别处理前，需要一步预处理环节。鼻尖是人脸曲面上几何特征最明显的区域，可辨识度最高。所以，文中选择鼻尖点定位作为人脸检测的第一步。通过充分分析鼻尖区域的几何形状特征和人脸曲面的对称性，文中定义了三组筛选准则(包括形状统计特征，曲率特征等)对原始3维数据进行层层筛选。最终得到鼻尖点Pnose的精确位置，同时拟合出鼻尖点的法向nn ose。第二步，以鼻尖点Pn ose为中心，按照给定的切割半径r在测地距离度量下切割出人脸面部区域M face。第三步，在M face上应用主成分分析方法得到人脸模型的初始姿态，然后通过由粗到细的查找策略获得准确的人脸对称平面，进而得到了侧影线C以及鼻根点Pb ase与鼻梁方向nb ase。最后，将切割出来的人脸变换到统一的坐标系框架下。２.提出了一种基于多模式2D图像的3D人脸识别方法。在充分分析3D人脸模型几何特征的前提下，文中试图将3D几何信息降维到2D图像信息。为了保证3D几何信息的完整性，文中引入了三类2D图像。第一类是投影深度图像，第二类是测地距离图像，第三类是平均曲率图像。分别从不同的角度将3D几何信息转化为2D图像，比如深度图像很好地刻画了Z轴方向的变化趋势，曲率图像很好地刻画了人脸曲面的形状变化。通过上述转化，问题简化成为2D人脸识别问题，文中采用了基于稀疏表示的2D人脸识别技术，同时为了降低人脸姿态和表情变化带来的负面影响，文中引入子图像思想，并给出了子图像局部匹配的简便方法。最终的人脸分类通过各个子图像的分类结果融合而成。３.提出了一种分片加权的partial-ICP和测地距离的3D人脸识别方法。基于ICP算法的3D人脸识别算法对于人脸姿态有很好的适应能力，这是该类算法的一大优势。但是表情变化会引起识别率的显著下降。本文提出的方法就是在保证原有的姿态适应能力强的前提下，降低表情变化对识别造成的影响。具体通过如下三个策略：首先引入分片的方式，将人脸区域人为地划分成7个子区域，这样降低了局部区域的较大变形对识别的影响。然后引入改进的partial-ICP算法进行子区域的匹配，通过p-rate系数的调整，可以大大降低表情和分片误差对匹配带来的影响。最后根据人脸曲面的几何性质，每个子区域都赋予不同的权重，其目的是增大刚性较好的子区域的权重，减小受表情影响较大的子区域的权重。在最终的分类中，对于区分度较差的分类结果，引入测地距离度量作为辅助判断条件。４.提出了一种基于多角度投影SIFT匹配的3D人脸识别方法。不同于一般的人脸识别思路，文中方法对人脸的姿态统一性要求很低。根据初始人脸模型，按照一定的规则生成另外八组人脸投影图像，形成了大小为原来九倍的新的人脸投影图像库。后期的比对采用的是在2D配准领域有名的SIFT特征匹配方法。同时，针对SIFT算法容易带来错误匹配的不足，文中提出了一种误匹配点对的去除方法，可以快速有效地筛选所有匹配点对。最终按照匹配点对的数目对人脸进行分类。论文结尾处展望了进一步深入研究的设想。