二维人脸识别技术自上个世纪提出发展至今已经取得了令人满意的结果,并且二维人脸识别技术已经应用到了各个领域,但是它仍旧受着人脸姿态变化、环境光照变化等的影响。三维人脸识别技术的快速发展就是为了解决二维人脸识别的上述瓶颈问题。三维人脸识别不受人脸姿态变化、环境光照变化的影响,但是容易受到表情变化的影响,并且每张三维人脸点云都包含上万个点,计算速度受到了很大的影响。因此本文的目的是改进三维点云人脸的表达方式,减少参与计算的点的数量,提高算法的速度;另一个目的是提高对三维人脸表情变化的健壮性。三维人脸识别算法发展至今主要经历可以划分为两大阶段:一是早期的时候以整体特征进行三维人脸的匹配,这类方法计算量大并且只有在一个完整的人脸上才能够进行操作,对人脸数据缺失、遮挡比较敏感;另一个阶段是基于局部特征的三维人脸识别算法,也是现在研究的主流方向,这类算法更加的灵活,对于遮挡、缺失有更强的鲁棒性。本文的主要研究方法和成果主要包括一下几个方面。在预处理阶段,根据鼻尖点的特殊地位和几何性质,提出了基于支持向量机的鼻尖点检测算法,检测效果良好。针对三维人脸点云数据量过大,提出了使用基于鼻尖点的等测地轮廓线和径向曲线来简化三维人脸点云的方法,然后引入形状分析的算法对简化后的人脸计算对应的三维曲线的测地线距离作为分类的依据,使用最近邻算法,实验结果表明该算法具有较高的识别率。针对三维人脸的表情变化导致的形变进而影响了识别效果,提出了把三维人脸根据其半刚性区域和非刚性区域的特性进行划分,把三维人脸细分为11块,用协方差矩阵表示每一块的局部特征,改进了稀疏表达分类器,提出了加权的多任务稀疏表示分类器,实验结果表明该算法有较高的识别率和表情变化鲁棒性。