经过科研人员近三十年不懈的努力,基于图像的二维人脸识别已经在一定约束条件下取得了较高的识别率。但是由于二维图像信息的局限性,二维人脸识别无法解决姿势、光照和表情问题。随着三维数据获取技术的不断成熟,三维人脸识别逐渐成为研究热点,科研人员希望其能解决二维人脸识别的瓶颈问题。本文主要研究了利用面部几何信息对三维人脸进行识别,文章主要做了如下四个方面的工作：1.系统的对现有三维人脸识别算法进行了分类和总结对现有三维人脸识别方法进行了综述,将现有三维人脸识别方法分为基于点云或网格的识别、基于深度图的识别和基于特征集的识别。并对多模态人脸识别和有表情下的三维人脸识别进行了讨论。2.研究了利用面部几何信息进行三维人脸识别本文提出使用三维面部特征点之间距离和面部特征点之间距离的比值来描述人脸的几何信息,进行三维人脸的识别。3.提出一种由粗到细的三维人脸识别算法借鉴图像搜索的思路,本文提出一种“由粗到精”的三维人脸识别方法。该方法首先利用粗略的面部几何信息对数据库(Gallery)中人脸进行粗步筛选,随后用最近迭代点法对筛选得的“候选脸”进行精确匹配。4.设计了多个实验验证我们提出的方法针对本文提出的方法,分别以Bosphorus三维人脸数据库和CASIA三维人脸数据库为样本,进行了多个针对算法性能的实验,实验结果有力的支持了本文提出算法的合理性。