人脸识别是一种基于生物特征的身份认证技术,在多个领域都有着广泛的应用前景,如门禁系统、视频监控、安检系统等。传统的二维人脸识别虽然已经取得较好的识别性能,但仍易受光照、姿态、表情、化妆等因素的影响。三维人脸识别主要是根据人脸的三维几何形状信息进行识别,且三维信息不会受姿势和光照的影响,所以三维人脸识别被认为具有更好的识别效果。　　 三维人脸识别技术拥有广阔的前景,但三维信息丰富,数据量大,而且人脸三维形状同样受到表情变化的影响,其本质特征的提取也更加困难。本文对三维人脸识别算法进行了较为深入的研究,主要工作如下:　　 为了降低表情变化对算法识别性能的影响,在第二章中提出了一种基于测地线的局部特征提取方法。该方法首先对三维扫描仪采集到的原始人脸进行了预处理,包括人脸的去噪、切割及姿势的校正等,然后提取出测地轮廓线并进行重采样,通过包围盒算法,获取等测地轮廓线上采样点的邻域点,使用最小二乘法拟合曲面计算采样点的曲率值。最后经过ICP匹配后,计算对应轮廓线上面的采样点之间的曲率欧氏距离,该距离作为人脸之间的局部特征距离。实验结果表明该方法对于人脸表情的变化具有比较好的鲁棒性。　　 第三章针对单一的人脸特征在识别中的局限性,将基于深度图像的全局特征和基于测地线的局部特征进行融合,以提高识别率。使用基于子空间分析的三种方法对深度图像进行了全局特征提取,并根据实验结果对这三种方法作出了比较分析。最后将全局特征和局部特征各自的距离度量按照最大最小化原则归一化进行融合,在FRGC v2.0数据库中验证融合后的算法,实验结果表明,该方法可以很好地结合整体和局部特征的互补信息,识别效果优于各单一特征的分类性能。　　 第四章对本文的内容做了总结,并针对以后的研究提出了一些具体的改进思路。