人脸识别在经济、安全、社会保障、犯罪、军事等领域具有巨大的、潜在的应用价值。人脸识别技术因其无需用户过多参与、非接触式的数据采集方式、对用户无任何损害、便于隐藏等优点而普遍为人们所看好,被称为21世纪最有前途的身份验证方法。人脸识别按照所用的信息类型,可分为二维和三维人脸识别。把人脸当作平面图像来看待就是二维识别问题,将人脸用立体图像来表示,就是三维识别问题。目前,二维人脸识别技术相对成熟,但大多数方法都集中于对一个单一的二维图像进行人脸识别,而且,不可避免受到环境(光线、背景、视角等)和人脸的本身(姿态、表情、遮挡等)给识别带来的不利影响,识别的准确度受到限制。三维人脸识别可以克服或减轻这些因素的影响,因而得到越来越多的重视,融合二维和三维信息的多模态人脸识别有望取得更好的识别效果,成为目前人脸识别研究的一个重要发展方向。本文结合二维和三维人脸识别的理论和方法,重点研究三维人脸的分类,即三维人脸性别识别,以及融合二维和三维人脸图像的信息来进行人脸识别。本文所用的人脸数据库是CASIA三维人脸数据库。首先对图像进行预处理,结合二维图像对三维图像进行旋转校正,并对二维图像进行预处理得到归一化的人脸灰度图像,然后经过三维人脸预处理得到归一化的三维人脸深度图像。然后,使用人脸深度图像进行性别识别,主要使用基于深度图像像素特征值的支持向量机(SVM)方法、基于PCA特征的SVM方法和基于PCA特征的AdaBoost方法,并用实验比较这三种方法的性能可以得到如下结论:性别信息是紧致地分布在人脸样本的一个较小的子空间中,可以在性别分类前先提取PCA特征作为性别分类的特征,这样可以对样本进行压缩降维,并提高分类速度,而且正确率也不会有很大损失。二维和三维人脸融合中,分别提取二维和三维人脸图像的PCA特征,然后分别使用四种分数层融合的方法进行融合,最后使用近邻法进行人脸识别,从实验结果可以看出,二维和三维融合的方法可以大大提升识别的性能。