近些年来,三维人脸识别得到了国内外研究人员的广泛关注。三维人脸数据不仅能够提供人脸的纹理信息,还提供了人脸几何信息,因而能够更全面地反映了人脸特性。我们希望利用三维数据所包含的两种不同类型信息进行多模态的融合来提升人脸识别的效果,本文采用自动校准后的三维人脸数据模型经过投影得到的深度图像和灰度图像作为人脸的两种不同模态数据,并利用这两种数据提取出不同特征进行得分水平的融合。人脸的全局特征反映其大致轮廓,局部特征则反映其细节信息,它们在识别中扮演着不同的作用,且各具优势。为了充分利用不同数据和特征所反映的人脸信息,我们采用将深度图像的全局特征和灰度图像的局部特征进行融合。Gabor滤波器具有良好的空间位置和方向选择性,展现出了良好的局部特性,本文选取图像的Gabor特征作为其局部特征,此外利用PCA进行图像全局特征的提取。不同特征在匹配相似度的衡量方式上存在差异,为消除这种差异本文提出一种统一衡量匹配相似度的方式——积分机制,即类似于比赛中采用的积分制,我们利用待识别数据与模板数据的匹配相似度大小对模版数据进行排序,并按照排名给予模板数据以基于排名的积分；此外,每种特征在分类识别中所起的作用不同,其对应积分的权重也不同。最后根据模版在不同数据特征下取得的积分加权总和进行识别结果的确定。本文算法在CISIA三维人脸数据库上取得了良好的效果。