人脸识别技术是主要的生物特征识别技术之一，具有广泛的市场应用价值，同时也是众多研究人员极为关注的课题。经过近几十年的发展，二维人脸识别技术取得了很大的发展。但是，在无限制条件的实际应用中，二维人脸识别技术仍然面临许多困难和挑战。在表情、外部遮挡、姿态、光照等变化情况下，二维人脸识别算法的性能大大降低。　　随着三维成像技术的迅速发展，物体三维数据的获取变得越来越方便。三维人脸数据具有显示的空间形状信息，比二维图像包含更丰富的信息。近年来，许多研究人员投身于三维人脸识别的研究中，并取得了一定的发展。本文在对当前的三维人脸识别算法深入研究的基础上，主要针对表情、遮挡、姿态以及光照变化，提出了一些三维人脸识别的方法。本文的主要研究工作包括以下几个方面:　　(1)针对表情变化与外部遮挡，提出了一种基于自旋图的多区域匹配的三维人脸识别方法。首先，算法使用一种有效的基于曲率的方法检测鼻尖，并利用鼻尖来确定各个区域的位置。算法将人脸分为6个区域，然后从这6个区域上提取自旋图特征，并利用自旋图进行各个区域的匹配。为了获取更好的整体效果，算法采用基于决策级的方法融合各区域的匹配结果。实验结果表明，算法取得了良好的识别性能。　　(2)表情与姿态变化是人脸识别中的两大主要挑战。针对这两种变化，本文提出一种自适应多区域匹配的三维人脸识别方法。算法使用一种简单有效的方法检测鼻尖、鼻根以及鼻下点。然后，根据这三点的位置计算人脸曲面各方向的旋转角度，并将人脸姿态校正到正面。接下来，根据人脸左右偏转的角度，算法自适应的将人脸分割成6个区域，然后使用一种最小修剪平方Hausdorff距离方法对各区域进行匹配。最后，算法使用基于决策级的方法融合各区域的匹配结果。　　(3)提出一种基于三维网格SIFT（Scale-Invariant Feature Transform）特征的三维人脸识别方法。首先，算法利用网格曲面构建尺度空间，并使用形状指数构建差分尺度空间。然后，算法从差分尺度空间中求出极值点，并使用两个步骤去除不稳定的极值点。接着，在每个关键点周围利用主成分分析法建立了一个局部坐标系，并从局部坐标系周围提取两种几何特征。而且，根据人脸左右近似对称性，算法通过对称化扩大了特征集。实验结果表明，算法对表情、外部遮挡以及姿态变化具有良好的鲁棒性。　　(4)针对Kinect设备获取的RGBD数据，本文提出了一个二维与三维双模态融合的方法。算法提出一种基于多方向对数Gabor联合的局部二值模式的方法表示人脸。算法对二维图像与深度图像分别处理。在进行对数Gabor变换之前，算法将二维图像从RGB空间转换到YIQ空间。然后，对二维图像的各通道分量以及深度图像进行对数Gabor变换，并将同一尺度上不同方向的Gabor图像相加融合。接着，对融合后的图像进行局部二值模式处理。算法使用基于特征级的方法将二维与三维信息融合。算法在两种人脸复合变化进行了实验，并取得了良好的识别效果。