3D面部识别是当前图像处理研究中的一个比较新的研究方向。在对人的计算机自动身份鉴别系统中,指纹、基因、虹膜等方法都为接触式鉴别手段,需要人为的采样,属于侵犯式的识别。而由于人脸识别具有非接触式特性所以成为计算机领域的一个研究热门,在国内外引起了很高的重视,也取得了一系列的成果。3D面部识别是一种比较新的面部识别方法,主要是用来解决由于2D面部识别所带来的难以解决的人脸因姿态、表情、光照等因素而影响识别效率的一种有效方法。目前国内外在这方面的研究多局限于理论提高识别率上,如何寻找一种在提高识别率的基础同时提高识别效率的方法,使3D面部识别尽快的进入实用状态成为的3D面部识别的重点和难点之一。本文对常用的三维人脸建模方法和三维人脸识别的方法进行了比较和研究,采用基于Candide-3模型的模型形变的方法进行三维人脸的建模,这种方法原理相对比较简单,易于实现,同时能够很好的提高三维人脸建模过程中的真实感程度。采用了全局和局部相结合的方法进行三维人脸的识别,对于解决在三维人脸识别过程中针对三维人脸模型的数据量大,运算复杂,实时效果具有很好的帮助。对于三维人脸的识别,本文采用了先分割聚类再寻找三维人脸模型特征,最后根据待识别人脸的姿态调整三维人脸模型的状态,对特定状态的三维人脸模型求解表现全局结构的五官特征的质心构成的四个角度特征,以及表现面上口、眼、鼻四个关键子区域形状变化的八维曲率特征,对其进行相似度匹配以实现对待识别的二维人脸照片的识别。本文的三维人脸的重建和识别的实现以Visual C6.0和MATALB为开发工具,采用了OpenGL技术实现了三维重建,并且取得了较好的效果。实验表明,通过提出的一些改进方法是切实可行的,实验结果能够建立真实感的三维人脸模型,并且对于三维人脸的识别效率有一定的提升。