人脸识别作为最自然、最友好的生物特征识别方法，在安全、金融等领域均有重要的应用价值。经过近四十年的发展，传统二维人脸识别在限定性条件下已经获得很大进步，但在光照、姿态、表情等因素不确定性的条件下，人脸识别依然是一个难题；对人脸三维重建，利用点云匹配等方法进行三维识别，可以解决表情、姿态等因素影响，但人脸三维数据获得困难且运算相当复杂。利用多相机来进行人脸识别，一方面可以利用成熟的传统二维识别算法，另一方面多相机可以通过人脸多个角度的信息得到人脸空间信息，将二维与三维信息结合起来，有利于解决人脸识别的姿态偏转问题，提高人脸识别效率。　　 本文基于多相机人脸识别的思路，首先建立起了一个由三台多相机组成的多相机系统，完成安装及标定，并获取了用于测试的人脸数据库；其次，从人脸图像中检测出人脸并进行相关预处理；接下来试验了两种二维三维结合的人脸识别方法：　　 ●方法一，将人脸建模为圆柱面，利用正脸与侧脸的对应关系将侧脸旋转为正脸，通过ASM和称为CTGF(利用角点、区域纹理以及灰度信息的一种方法)的算法提取人脸特征点，结合多相机的内外参数计算出人脸特征点的空间位置信息，进一步得到人脸三维信息，利用该信息来进行识别。　　 ●方法二，人脸SIFT特征向量是人脸的局部特征向量，将人脸建模为圆柱面并在一定范围内对人脸进行偏转，通过对偏转后的人脸SIFT特征提取获取比偏转之前更多的SIFT特征向量，更好地区别不同人脸，提高识别率。　　 本文首次将三维人脸建模与ASM和SIFT特征提取方法结合起来，通过实验表明，二维三维信息结合的方法确实能改善人脸识别效果。本文也首次提出了一种同时利用人眼角点、区域纹理以及灰度等信息的CTGF算法来提取人眼眼角，实验表明这种算法相比传统眼角提取算法更准确且运算简单，可以做到实时提取。