随着3D扫描设备的日益成熟和CPU计算能力的提高,3D人脸分析与识别算法得到了长足的发展。3D人脸识别不仅具有人脸识别友好,不易伪造等优点,还不像2D人脸识别那样易受光照,姿态变化的影响。不过3D人脸识别对计算能力的高要求是当今限制它发展和广泛应用的原因之一,一些算法也只能采取它的近似实现,以换取速度的提升如ICP匹配算法。当代GPU以其强大的浮点计算能力,在计算机体系结构中不仅扮演着图形处理器的角色,还开始担当通用计算的重任。在众多领域如天文计算、流体力学模拟、分子动力学仿真等,使用GPU加速的应用获得了数倍,数十倍,甚至上百倍的性能提升。探索GPU通用计算在3D人脸分析与识别算法加速中的应用,这是本人工作的出发点。本文在介绍了3D人脸数据,3D人脸分析与识别的研究现状,及存在的问题,回顾了GPU通用计算的发展,详细介绍的GPU通用计算的开放标准OpenCL的基础上,主要完成了以下几个工作：(1)分析了3D人脸去噪算法尖峰噪声移除、空洞填补、高斯平滑和双边网格去噪。并给出这些算法的GPU实现。(2)提出了一种基于双模板匹配的任意姿态3D人脸鼻尖点定位算法,并给出了该算法的GPU加速实现。(3)分析了3D人脸分析和识别领域广泛使用的匹配算法ICP,及其近似快速实现,在此基础上给出了ICP算法的GPU加速实现方案。提出了适合GPU用于严格最近邻点查找的k-d tree实现方法和GPU并行求和算法,并以此实现了ICP算法的GPU加速。