随着信息技术的快速发展，高效、准确的个人身份认证需求正日益增长。人脸识别作为身份认证技术的一个重要组成部分，具有极高的学术研究价值和广泛的市场应用前景，已成为模式识别研究领域重要课题之一。当前人脸识别研究根据处理对象不同主要分为两个类型：二维人脸识别和三维人脸识别。在一定约束条件下，二维人脸识别技术已经可以获得比较理想的识别效果。但姿态、光照、表情、年龄等因素是制约二维人脸识别技术进一步发展的瓶颈。三维数据提供了更多人脸识别需要的鉴别信息，被认为具有光照、姿态不变性，因而成为当前人脸识别研究领域的热点。本文主要做了如下研究：①针对三维人脸数据中可能存在的尖点、孔洞以及姿态变化等因素会造成人脸样本类内差异增加从而影响人脸识别系统精度的问题，提出一种三维人脸数据预处理方法。通过切割、数据规整、平滑和姿态矫正使原来散乱的三维人脸点云数据变为规整的人脸点云数据，并可弱化噪声和冗余信息的干扰降低人脸样本的类内差异。虽然该方法是基于CASIA3D人脸库的，但其基本思想并不失一般性。②为增强三维人脸识别系统对表情变化的鲁棒性，本文提出一种融合深度数据与面部刚性区域的人脸识别算法。首先根据人脸几何特征定位鼻尖点，以该点为中心切割出有效的面部区域，把各种姿态的人脸统一矫正到正面姿态；然后以深度图作为整体特征采用二维主成分分析（2DPCA）算法进行匹配，以面部刚性区域作为局部特征采用改进的迭代最近点（ICP）算法进行匹配；最后将所提取的整体特征匹配结果和局部特征匹配结果进行融合。在CASIA3D人脸库上的实验结果表明，本文算法的识别率高于使用单一特征的算法，且对表情变化有较好的鲁棒性。③现有的深度图生成算法大多是通过对点云插值把深度数据转化为深度图，但对点云插值的时间复杂度较高。为有效提高深度图生成速度，本文采用了一种可避免点云插值的深度图生成方法。④针对传统的方法在提取刚性区域时对每个样本都以固定半径切割出所需要的区域会导致刚性区域的类间差异减小的问题。为了提高获取的刚性区域的类间差异，本文提出了一种根据不同人脸样本面部几何结构的特点定位关键点，然后自动选取切割半径并获取刚性区域的方法。