近年来,随着计算机技术的不断发展,生物识别技术越来越受到广泛的关注,例如指纹识别、虹膜识别、人脸识别等。其中,因人脸识别技术具有直接性,方便性,操作简单等优点,被广泛地应用在网上支付,安全防务以及刑事侦查等领域。人脸识别分为二维人脸识别和三维人脸识别,二维人脸图像的识别技术经过多年的发展已经基本成熟,但很难解决姿态、光照等问题。而三维人脸数据具有丰富的人脸空间信息,成为研究的热点。同时,对于传统识别方法中人工提取特征可能对实验结果会造成影响的情况,本文设计了深度神经网络进行特征的自动提取。本文的主要工作内容包含以下部分:（1）人脸数据的预处理,首先将三维人脸点云数据转换成深度图的形式,对深度图进行人脸检测、分割和归一化处理,同时,对深度图提取LBP特征,以提高数据在实验中的可靠性。（2）设计出分别提取深度人脸图像和其LBP（Local Binary Patterns,局部二值模式）特征图的卷积特征的深度学习网络,在特征提取部分,采用包含人脸深度信息的深度图和可以有效描述深度图纹理特点的LBP特征,使用卷积神经网络对特征自动提取,在选择有效特征的同时使用了神经网络进行特征提取,将两个特征输出层作为识别网络的输入,实现特征融合,将改进的卷积神经网络和soft-max分类器结合,从而完成分类识别。（3）对本文设计的三维人脸识别系统进行测试,分别对人脸深度图像和其LBP特征进行实验,同时对单一特征实验进行对比,结果表明,本论文采用的特征融合方法具有较好的稳定性,与单一特征识别方法相比,本文设计的方法对识别的正确率有了一定的提高。