生物特征(声音、签名、步态等行为特征，以及指纹、掌纹、人脸、虹膜等生理特征)作为人的一种内在属性，具有较强的稳定性和个体差异性，是理想的自动身份验证的依据。其中，人脸在普遍性、独特性和可采集性等方面都有一定优势。人脸检测与识别作为个人身份认证中应用最为广泛的一种技术，具有较高的学术研究价值和广泛的应用前景。文中主要以人脸检测、识别及应用为研究任务。为了有效应对二维人脸检测、识别在复杂条件下的固有缺陷，本文融合三维和二维人脸信息，实现复杂条件下的人脸检测与识别及其相关的应用研究。在算法设计上，充分考虑了现有公开三维人脸数据库的评测效果和实时人脸数据采集、识别的要求。主要研究内容包括：1.受制于民用级级三维数据采集设备（以Kinect为例）本身的性能以及复杂条件的影响，针对所采集人脸数据出现的噪声、孔洞等情况，提出了人脸数据预处理方案。对于二维图像数据，采用常见的去噪、滤波算法等可改善图像质量。三维深度信息最主要存在数据孔洞现象，对于小孔洞情况，利用区域增长算法和平滑滤波可实现孔洞填补；对于较大孔洞情况，研究了基于局部搜索的多帧三维数据融合，实现大孔洞的填补。实验结果表明所提方法能在一定程度上解决上述问题。2.人脸检测是人脸识别及相关应用的前提和基础，以前的研究大多集中在具有约束条件下的人脸检测。针对复杂条件的人脸检测问题，考虑到二维图像实现人脸检测的相关算法存在固有缺陷，本文提出融合二维、三维数据信息实现人脸检测，重点研究了正常光照下，弱光条件下、基于部分人脸特征和多姿态情况下的人脸检测问题。正常光照条件下，将动态规整算法应用于人脸轮廓快速提取，并根据人脸深度信息的统计方差情况对人脸进行过滤。为解决弱光条件下人脸检测问题，开展了基于深度信息的人脸快速定位方法的研究。首先，使用2D Chamfer Match方法实现了人脸的快速预定位，并对定位人脸进行区域增长和增强运算，然后使用Adaboost算法结合扩展的Harr特征训练出弱光下的人脸检测的强分类器，实现准确的人脸定位。在人脸检测中，理性利用深度信息，将能有效减少搜索窗口，加快检测速度。实验表明，文中提出的方法不仅能够解决弱光条件下的人脸检测，也能适应于正常光照条件下的人脸检测，有较强的鲁棒性和实时性。基于部分特征的人脸检测问题分为正常光照下和弱光条件两类问题研究。正常光照下，研究了基于HSV色彩空间的部分人脸特征提取，结合特征点对应的三维空间曲率和特征组合关系实现目标检测；在弱光条件下，在充分研究鼻子特征在人脸特征所占权重的基础上，在三维数据空间使用积分投影算法找出有效能量集中鼻尖候选区域，然后利用曲率约束定位鼻尖点，并以鼻尖点为中心采用改进搜索策略实现人脸其他特征区域的提取，最后通过级联分类器实现检测目的。针对多姿态问题，首先利用Fuzzy C-mans Cluster算法对训练数据进行自动化分类，然后在分离出来的样本子空间进行级联的Float Boost学习，训练出独立的分类器，实现多姿态人脸检测的目的。3.针对人脸识别问题，重点研究了基于信息融合的人脸识别方法。在正常光照下，为突破二维人脸识别的限制，提出采用Kinect采集设备基于信息融合进行三维人脸识别。提出了一种改进的局部区域二值化特征匹配(LBP)实现人脸识别，将彩色图像信息和人脸生理特征信息的分析应用于区域LBP算法的权值确定。实验表明：文中提出的基于信息融合的三维人脸识别方法具有使用价值，识别方法的实时性和鲁棒性方面得到一定提升。针对部分人脸特征的识别问题，通过实验，研究了基于3D LBP算法的鼻子及其人脸其他特征区域组合情况下的人脸识别问题。4.人脸特征是既包含个性特征又包含共性特征的复杂数据集，基于人脸特征的个体识别研究是个性问题，基于人脸特征的性别识别研究，是研究人脸特征共性问题。根据不同性别人脸在生理特征信息的差异，测量不同性别人脸的生理特征点分布，包括测量特征点深度信息的梯度特征及距离特征，利用两类特征组合，利用随机森林算法训练出具有较高识别率的人脸生理特征模型用于性别识别。此外，还对特征丢失对算法造成的影响进行了探讨，包括人脸刚性区域特征丢失和柔性区域特征丢失。