随着科技的发展,人脸识别在社会生活中正逐渐发挥越来越大的作用。二维人脸识别技术已趋于成熟,但二维信息对光照、姿态、表情等因素鲁棒性较低,这种局限性使人脸识别技术的发展进入瓶颈期,三维人脸识别作为突破口,随之成为当下人脸识别领域的研究热点。然而专业的三维扫描设备一般较为昂贵且操作复杂,三维人脸特征提取算法也普遍较为耗时。为解决这个问题,本文借助低成本的Kinect深度传感器对三维人脸识别系统进行了研究,为其低成本化发展方向做了探索。本文的主要工作如下:1.针对由Kinect传感器获取的深度图像噪声较大导致基于特征点的人脸定位方法鲁棒性较低的问题,利用Kinect能同时获取场景的RGB图像和深度图像的优势,结合RGB信息和深度信息进行人脸检测。首先利用加入肤色判据的Adaboost人脸检测算法,在RGB图像上检测到人脸,并将其位置坐标映射到对应的深度图上,结合深度信息滤除在Kinect有效测量范围外的图像,从而提取出完整的人脸深度图。2.针对3DLBP算子特征长度过大导致特征提取耗时且对噪声敏感的问题,在3DLBP算法基础上进行改进,提出一种基于中心对称3DLBP算子融合等价模式LBP算子的特征提取方法。首先将中心对称3DLBP算子应用到人脸深度图特征提取中,其次,为了弥补中心像素点深度特征的缺失,串联等价模式下的LBP算子作为人脸特征。在两个公开数据集和实验室自建数据集上对其有效性进行了验证,实验结果表明,与3DLBP算子相比,本文算子在CASIA 3D、EURECOM和自建库上,分别提升了0.34%、1.2%、1.39%的准确率,特征提取时间也分别缩短了24.09%、24.18%、24.67%,验证了该算法的有效性。3.在前期研究基础上,设计了一个基于深度图特征的自动人脸识别系统,完成了从人脸信息注册到人脸识别的完整流程,验证了本文所提方法的有效性和利用低成本的Kinect设备进行三维人脸识别的可行性。