现有的人脸识别方法绝大部分是基于二维图像的，虽然在限定环境下，该类方法己经达到了较高的识别率，但由于图像的成像特点以及二维图像本身对三维信息的缺失，识别系统的准确率很大程度上受到光照、表情、人脸姿态等因素的影响。 本文深入研究图像成像原理以及球面调和函数理论，利用三维数据的优势和特点，提出一种能够克服光线影响的3D人脸识别方法。 通过分析成像原理、运用调和函数理论，我们有这样的结论：某个人在所有光线下拍摄获得的图像集合可以通过有限个球面调和函数的线性组合来描述。也就是说，某个人的图像集合可以近似用一个低维线性子空间，而构成这个子空间基向量的是低次球面调和函数，基向量的组合系数由光线条件决定；并且不同身份的人物对应着不同的低维线性子空间，由不同的基向量表示。因此我们可以用不受光线影响的低维线性子空间的基向量来表示人物身份。 从该结论出发，本文利用3D数据建立了一个3D人脸模型。该模型由人脸内在特性决定，因此不受光线影响；并且该模型只需要通过一组参数简单描述。这组参数作为人脸特征录入身份库中。 识别时，需要估计待识别图像(即：输入图像)对应的模型参数，然后将估计出的参数与身份库中参数相比较，进行识别。 本文构建的模型只与人脸内在属性有关，与光线无关。因此能够排除光线对识别率的影响。本文的实验也验证了这一点。