人脸识别技术是生物特征识别领域的一个重要分支,且在各个领域有着重要的应用价值。三维人脸识别相比二维人脸识别具有光照和姿态不变性,从而有着更广阔的应用前景,但三维人脸模型数据获取比二维图像困难,且数据量大,如何从中自动地选取有用的识别信息是三维人脸识别的一个关键；同时三维人脸识别同样受着表情变化的困扰,如何克服表情变化的影响是三维人脸识别的一个重要研究方向。本文针对这两个问题提出了有效的解决方法,主要工作如下：1)为了自动提取有效的特征,本文提出了一种由粗到精的三维特征点定位算法。该算法将应用于二维图像的主动形状模型运用到三维数据中,首先将FRGC V2.0人脸库中的三维点云模型转化成深度图像,在深度图像上运用主动形状模型算法实现鼻尖点、左右内外眼角点以及左右嘴角点的粗定位；然后选取这7个粗定位特征点的局部区域,分别计算这7个局部区域的形状指数值,根据不同形状指数值对应的曲面凹凸程度确定7个特征点的位置。实验表明,本文的特征点定位算法具有较高的精度和实时性。2)为了克服表情变化对三维人脸识别的影响,提出了一种基于特征点的三维人脸识别算法。该算法首先根据定位的特征点进行人脸切割以及其他必要的预处理工作,并根据定位的左右内眼角点和鼻尖点定义了鼻中点;然后提取以鼻中点为中心的8条等测地轮廓线进而用于人脸的近似表征,同时为了防止等测地轮廓线固有的对姿态不变特性的丢失,单独提取每条等测地轮廓线的Procrustean距离和角度特征,将其融合后得到每条等测地轮廓线的距离度量;最后根据每条等测地轮廓线的识别结果进行加权融合得到最终的识别结果。3)实现了三维人脸识别系统。在上述对三维人脸识别技术研究的基础之上,结合本实验室开发的三维测量系统,开发了一套模拟门禁系统的三维人脸识别系统。该系统不仅包括识别这一功能模块,而且还具有一些基本的考勤功能以及用户管理等。