人脸作为人类生物特征中最重要的特征之一，吸引了众多研究者的关注。关于人脸识别的研究目前大多都集中于二维灰度人脸识别，而这类二维人脸识别方法往往易受光照、姿势变化的影响从而造成识别率的降低。三维人脸数据由于包含了更加全面的人脸几何信息，因而可以提高识别效率，从而使三维人脸识别成为一个新的研究热点。　　 传统三维数据获取方法，如激光扫描和结构光等，其代价高昂且耗时。作为深度测量的一种新型设备，TOF(Time-of-Flight)深度相机拥有其它设备不具备的优点如结构小巧以及可实时获取数据，对计算机图形学和计算机视觉等研究领域带来了重要影响。　　 本文率先将TOF深度相机引入生物特征识别领域，开发出基于TOF深度相机的人脸识别系统，充分利用了TOF相机提供的人脸三维信息，及其对环境光线变化不敏感的特性，系统具有较高的识别率、鲁棒性和通用性。本文利用3DLBP和Log-Gabor滤波来提取三维人脸数据中的特征，并且通过机器学习的方法来训练分类器从而完成人脸识别任务。由于TOF深度相机采集数据速度较快，开发的系统可以迅速对人脸进行识别和判断，因此在实时性要求较高的生物特征识别应用中，具有很高的潜在利用价值。