人脸识别技术是一种基于人的面部特征信息进行身份认证的生物特征识别技术,它在考勤系统、门禁系统、人机交互等领域具有广阔的应用前景。基于二维图像的二维人脸识别技术取得了很大的成功,但仍难以解决光照、化妆、姿态等问题。三维人脸数据由于具有更丰富的面部信息、光照及姿态不变性等优点,因此三维人脸识别逐渐成为当前人脸识别的研究热点。本文从本实验室开发的三维人脸识别系统出发,研究包括人脸特征点定位和三维人脸识别算法在内的两个三维人脸识别相关的关键问题。本文的主要工作和创新点如下：1.人脸特征点定位在三维人脸预处理、三维人脸模型局部特征提取、数字排除器的构造等方面具有重要的作用。然而人脸表情的多样性、光照条件的不确定性等因素一直是困扰人脸特征点精确定位的难题。针对此问题,提出一种基于主动形状模型和Gabor变换的人脸特征点精确定位方法,该方法同时适用于二维和三维人脸特征点精确定位。首先采用主动形状模型进行人脸特征点粗定位。其次,计算各个特征点粗定位区域的Gabor小波包集与训练集中相应手动标记特征点的小波束集的相似度,进而得到各个特征点粗定位区域的相似度图。最后选取各相似度图中最大值对应的点作为最终定位的特征点。在FRGC v2.0以及本实验室库中的实验结果表明,本算法能实现人脸特征点的精确定位,具有较高的定位精度和较强的鲁棒性。2.提出了一种新的基于Gabor和Log-Gabor变换纹理分布特性的三维人脸特征表征方法,并采用该特征在FRGC v2.0和本实验室库上进行识别实验验证了所提特征的有效性。首先采用大量实验分析发现人脸深度图Gabor和Log-Gabor变换的广义高斯分布特性。然后将Gabor和Log-Gabor变换的实部与虚部响应的广义高斯拟合系数进行特征级融合,得到一种新的三维人脸特征表征方法。最后采用NLDA对该特征进行降维并识别。该特征融合了Gabor和Log-Gabor变换的特性,是一种相较Gabor和Log-Gabor响应系数的较高层次的中层特征表示,在有效降低响应系数维数的同时,能更有效地抑制噪声。此外,该特征融合了特征点处的局部特征,使其对表情变化也更具鲁棒性。