基于图像的二维人脸识别技术发展已较为成熟,部分研究成果在特定条件下的识别率甚至超越了人类视觉。但二维人脸图像在面临姿态、光照、表情变化以及面部化妆等方面所表现出的差异性给识别工作带来了困难,使其应用场合受到很大制约,已成为人脸识别研究领域中的瓶颈。与二维图像相比,三维数据是物体在真实空间中的直接表示形式,三维数据所表达的人脸几何形状及空间结构等信息更加完整和可靠,且不受化妆和光照的影响,可为人脸识别提供更为有效的数据支撑;加之三维激光扫描技术的快速发展和普及,为三维人脸数据的获取提供了有力的保障,基于三维数据的人脸识别研究潜力巨大。然而,由于不同对象间人脸结构的相似性,姿态表情改变仍然会给三维人脸识别结果带来较大影响。为了满足实际应用的需求,本文围绕非特定条件下姿态、表情变化三维人脸识别中的关键问题展开深入研究,在人脸表征、基准点检测、姿态估计和识别方法四个方面取得了以下创新性成果:(1)将曲面高阶曲率特征应用于三维人脸识别中,提出一种旋转不变的三维人脸脊.谷模型表征方法。该方法通过分析人脸曲面高阶曲率信息提取局部范围内主曲率沿主方向变化最为剧烈的关键点来全面、准确地描述整个三维人脸凸凹变化的主要特征。在不同姿态、表情三维人脸测试集上的实验表明:基于脊谷特征的人脸表征模型具有较好的类间离散度及姿态、表情稳定性。(2)提出一种姿态无关的三维人脸鼻尖点精确检测方法。该方法将人脸曲面高阶曲率特征与低阶曲率特征相结合,根据鼻子区域形状上的显著特点及鼻尖点邻域内高斯曲率的分布特点准确定位鼻尖点,检测过程无需训练或建立特定模型。对GavabDB数据库姿态三维人脸测试集的实验表明:该方法对包括正侧面在内的不同姿态的三维人脸均可获得正确的检测结果。(3)提出一种点线特征相结合的几何三维人脸姿态估计方法。该方法基于旋转不变的鼻尖点与鼻梁线检测结果,将精确的点特征和稳定的线特征相结合,利用几何法仅根据具有良好可见性和弱表情的鼻子区域特征进行三维人脸姿态估计。在人脸合成模型和真实人脸库上的实验表明:该方法可实现对非特定条件下三维人脸姿态六个自由度的连续、准确估计,且适用于大旋转角度及自遮挡人脸,对表情人脸也具有较高的鲁棒性。(4)提出两种非特定条件下的三维人脸识别方法。其中,基于脊谷空间分布和Hausdorff距离的三维人脸识别方法在建立三维人脸标准脊谷模型基础上,分别根据脊谷点空间分布密度直方图及点集间单向加权LTS-Hausdorff距离实现待识别人脸和库中人脸的粗匹配和细匹配。多曲线特征融合的三维表情人脸识别算法通过选择人脸曲面凸区域上多类具有高表征性和表情稳定性的曲线进行特征级上的有效加权融合,兼顾了特异性、互补性、全面性和稳定性,可较准确地描述表情人脸曲面上的重要特征。在三维人脸库上的实验证明了以上两种识别方法的有效性,尤其是使姿态和表情变化下的人脸识别率获得了较大幅度的提高。综上所述,本文对非特定条件下三维人脸识别中四个方面的关键技术进行了研究,并提出了新的思路和方法。基于脊谷特征的三维人脸表征方法为非特定条件下三维人脸识别的特征提取提供了有效的手段;姿态无关的三维人脸鼻尖点精确检测方法为非特定条件下三维人脸模型基准点定位及曲面配准提供了所需的重要数据;点线特征相结合的几何三维人脸姿态估计方法为非特定条件下三维人脸模型的姿态归一化处理提供了技术上的支撑;两种新的三维人脸识别算法的提出较大幅度地提高了非特定条件下对姿态、表情人脸的识别效果。