三维人脸特征提取不仅可以应用于三维人脸识别领域中，也可应用于三维人脸重建领域中。目前，三维人脸重建方法可分为三类：基于立体视觉的重建方法、基于正交图片的重建方法和基于单幅图片与三维人脸参考模型相结合的重建方法[1]。在利用单幅图片与参考模型重建三维人脸的方法中，关键步骤是对齐图片与模型中的人脸特征点，其中包括了三维人脸特征的提取。本文首先采用B样条函数对三维人脸散乱数据点进行拟合，构造出具有空间结构信息的三维人脸曲面。以曲率知识为基础，利用人脸的先验知识（包括五官的位置、人脸曲面的凹凸性等），提取出三维人脸的五官特征区域及其边界点。本文的主要工作有：1、PLY格式文件的读取。首先分析了PLY文件的结构，分为文件头部和元素数据列表两部分，文件头部定义了三维模型包含的元素和元素属性，元素数据列表按照元素及元素属性的定义顺序存储元素的各属性值。然后针对本文使用的PLY文件结构，分析了各元素及其属性在文件头部的定义顺序，并利用OpenGL与VS2010搭建的平台读取PLY文件中的三维数据并显示这些数据所描述的三维模型。2、散乱数据点的B样条曲面拟合。从PLY文件中获取的三维人脸信息仅仅是一些离散的数据点，尚不具备空间结构信息。本文采用B样条对三维人脸散乱点数据进行拟合。由于仅使用一次B样条拟合得到的曲面与原始数据的误差较大，本文采用多层次B样条拟合逐步提高拟合曲面的逼近精度。实验数据表明，随着拟合层数的增加，既可以保持较好的曲面的光滑度，也可提高曲面的逼近精度。3、三维人脸特征提取。首先介绍了曲率的基本知识，分析曲面各种曲率的定义及其代表的几何意义，并通过计算进行比较，选择平均曲率对人脸曲面进行凹凸区域划分；然后提取五官特征区域；最后，以人脸先验知识作为约束条件，结合曲面的截面曲线的凹凸性和极值性，提取特征区域的边界点，并计算各特征区域的几何特征参数。