人脸识别是一种基于人脸这种生物特征的身份认证技术,在许多领域及场合都有着广阔的应用前景,例如门禁系统、安全监控、智能空间以及自然人机交互等。传统的二维人脸识别主要依赖于二维灰度图像或彩色图像进行识别认证,虽然目前已经取得较好的识别性能和效果,但仍易受光照、姿态、尺寸大小、表情及化妆等因素的影响。随着三维扫描技术和生物特征识别技术的快速发展,三维人脸识别受到了越来越广泛的关注,成为识别认证技术领域的一个热点课题。一般认为,三维信息受姿势和光照的影响较小,而且三维人脸模型包含了比二维人脸图像更多的信息、特征,所以三维人脸识别技术被认为具有更好的识别效果。尽管如此,三维人脸信息同样还是会受到表情变化因素的影响,因此会导致识别效果的降低。同时由于三维人脸模型往往由海量的三维数据表示,导致了算法的速度和实时性难以满足实际要求。因此,表情变化问题和实时性问题是三维人脸识别中迫切需要解决的两大瓶颈问题。本文工作主要就是针对这两个问题进行探讨和研究,提出一些有效的解决方案。本文的主要工作总结如下:　　 第一章从整体上介绍生物特征技术和三维人脸识别技术的发展与现状,重点介绍了三维人脸识别的流程、数据表示以及三维人脸识别的优势和存在的问题,对目前使用较为广泛的三维人脸数据库进行了总结,对三维人脸识别的研究现状进行了介绍和分析。　　 第二章提出了一种基于球面投影的三维人脸识别算法。首先介绍了一些准备内容,包括ICP算法、空间采样法、CPD算法等常用的算法；然后介绍了本文所采用的预处理方法；预处理后的人脸具有大小相近的尺寸,从预处理过的库集人脸中选取模板人脸并适当的进行处理；然后对预处理后得到的其他库集人脸模型朝模板人脸模型进行CPD非刚性形变并建立起点对应关系；接着剪切掉人脸眼睛、嘴巴等不稳定区域；然后通过本文提出的球面投影算法以及之前建立起来的点对应关系来计算相似度并完成识别。通过实验和分析得出本章提出的识别算法具有很好的识别效果。　　 第三章的第一部分提出了一种改进KD树结构的方法使之能够更好的运用到ICP算法中。首先对KD树的节点进行了改造,为建立人脸子区域对应关系建立基础；然后提出了最长轴选取分辨器法则和分割值模糊选取法则两个改进措施。本章接下来的部分提出了一种基于改进KD树的三维人脸识别方法。首先选取一张合适的参考人脸,用ICP算法把所有的库集人脸与参考人脸进行对齐,然后根据建立起来的参考人脸的KD树的叶子节点将参考人脸分割成若干块子区域,因此在所有与参考人脸进行过ICP配准的库集人脸模型上都可以找到与参考人脸子区域相对应的区域,这样就建立起了整个库集人脸的子区域对应关系。最后利用本文提出的子区域训练方法得出基于每一块子区域的识别率,利用得到的识别率计算出该块子区域的识别算子,接着计算两个人脸模型每块对应子区域的平均欧氏距离,把该值乘上该子区域的识别算子得到该子区域的一个特征值,再把所有区域的特征值进行相加得到相似度来进行识别。通过实验和分析得出对KD树的改进是成功的,同时提出的识别算法也具有明显的优越性。　　 第四章为总结与展望,对本文内容做了总结,并分析了目前仍存在的问题和不足,提出了一些可能的解决方法和研究方向。