基于二维人脸图像纹理特征的高鉴别性,和三维人脸数据在某些程度的光照、姿态及表情不变性,本文针对表情及姿态变化的鲁棒性问题,在三维人脸点云几何特征的提取、三维深度图像与二维人脸图像特征提取及融合识别等问题方面开展了相关的研究,主要工作包括：(1)基于鼻子区域点云的特殊性质,提出了一种简单的基于人脸局部区域进行配准,对姿态校正的方案。首先权衡ICP算法的配准性能和效率,确定合适的配准区域大小进行配准。然后利用人脸的对称性,对数据采集过程中产生的孔洞进行镜像填充。实验验证结果表明了权衡在配准误差和效率的情况下,基于鼻尖区域的姿态校正表现出有效性。(2)在点云几何特征方面,提取人脸具有代表性的两条轮廓线。基于对姿态,表情等因素的鲁棒性研究,及姿态变化时孔洞现象的影响,提取局部轮廓线。对提取的局部轮廓线进行识别,分析不同轮廓线受不同外界因素的影响。结果表明本文基于鼻子区域有效轮廓线特征对人脸具有较高的鉴别性,而且通过加权融合两条轮廓线特征,在不同测试集上,两条轮廓线对识别结果产生了不同程度的影响。(3)对多信息的融合进行了研究。一方面,提取二维人脸图像和三维深度图像的加权LBP特征,并在匹配层进行加权融合。另一方面,将人脸局部轮廓线特征和两种图像加权LBP特征在决策层进行投票融合。实验结果表明两种融合方案的识别率在一定程度上都得到了提高,更多的信息进行融合时,表现出更高的识别性能。