人脸识别算法利用人的面部特征来识别身份，它在多个领域有巨大的市场需求，如出入控制、视频监控、机场安检、人机交互等。三维人脸识别技术是人脸识别方法的一种，它利用人脸的三维形状信息作为特征，可以解决二维人脸识别算法对光照和姿态敏感的问题，因此越来越多的学者开始关注三维人脸识别。然而表情会导致三维人脸形状发生改变，降低算法性能。本文主要以形状滤波为手段研究表情变化下三维人脸形变建模、匹配方法及其关键技术，本文的主要贡献包括:　　 (1)对三维人脸识别技术的原理进行分析，指出表情是影响系统性能的主要问题。介绍了当今人脸识别技术的历史、发展现状，对克服表情影响的三维人脸识别技术进行深入研究，指出克服表情引起的类内人脸形状改变关键之处在于以表情模型为基础的类内形变估计。　　 (2)提出了基于子区域约束的非刚性人脸匹配模型。在传统的基于ICP的匹配模型中，人脸必须满足近似刚体的条件。现实中由于表情形变的出现，人脸很难再近似为刚体。在深入分析人脸各种形变描述及估计方法的基础上，将传统匹配模型中刚性参数估计方法推广到表情变化的情况，建立了非刚性匹配模型。在新的模型中，人脸的类内形变通过径向基函数描述;鼻子-眼睛-额头区域作为空域约束控制形变的程度。实验结果表明非刚性方法适用于三维人脸识别。新模型可以在保持类间差距的同时，减小由于表情导致的类内变化从而提高识别率。　　 (3)提出了基于非刚性形变的特征提取方法。为了提高识别系统的在线匹配效率，目标人脸一般表示为模板人脸的非刚性形变场。因此，提高性能的关键问题在于准确提取目标与模板之间非刚性形变。本文方法首先利用图谱技术将人脸分解成低频轮廓和高频细节分量，利用改进的非刚性配准算法对轮廓分量进行形变参数提取，并利用刚性参数对细节信息进行校准，最后利用补偿的细节特征实现非刚性形变量的提取。实验结果表明，结合了几何形状分解和非刚性点集配准的新方法降低了重构误差，提高了识别的精度。　　 (4)通过深入研究人脸的空域形变模型，提出了描述人脸形变的频域模型，并且基于该频域模型利用形状滤波器解决表情变化下三维人脸特征提取问题。该模型将人脸形状按照图谱频率分成三个部分:代表轮廓的低频部分，代表形状细节的中频部分，以及代表系统噪声的高频部分。表情导致的形状改变集中在形状的低频部分，对中频部分的细节信息影响小。利用流形谐波构建了理想阶跃滤波器，实现中频信息的提取，并利用网格平面参数化将人脸网格映射到边界为正四边形的平面区域内，经过线性插值采样得到三维形状的二维几何图像。在FRGCv2人脸库上的实验结果表明了中频形状信息具有身份表征性和表情鲁棒性，仿真结果也指出人脸不同的频率分量对识别身份都有一定作用。　　 (5)提出了基于平面几何图像的卷积滤波器设计方法。虽然流形谐波实现了Fourier变换在非线性空间的推广，但采用频域滤波会涉及高维稀疏矩阵的特征值分解。对于包含n个点的人脸点云来说，Laplace矩阵的维数为n×n。为了设计有效的形状滤波器，需要对上述高维稀疏矩阵进行全部的特征值分解，巨大的计算复杂度影响了滤波器的设计效率。因此本章对形状滤波过程进行推广，提出了基于空域卷积的滤波器设计方法。首先利用谐波映射实现了流形曲面到平面几何图像的映射，在映射过程中通过人脸对称面检测实现凸边界形状标定中的畸变。离线训练阶段利用差分进化算法得到有利于分类的空域卷积核，在线识别时用此卷积核提取特征用于人脸身份的识别与认证。并将基于整体形状差异的滤波过程推广到基于局部子区域的形状滤波，提高了算法的识别率。　　 关健词:三维人脸识别;表情变化;形变模型;非刚性配准;流形谐波;多尺度;形状滤波