人脸识别是一种基于生物特征的身份认证技术，在国家安全、公共安全和家庭娱乐等领域都有着广泛的应用前景。虽然人类可以毫不费力地识别出人脸及表情，但让机器实现自动识别却是一个极具挑战的难题。自上世纪90年代以来，基于二维图像的人脸识别虽然取得了一定的进步，但它在光线、姿势和表情变化的情况下，识别的准确性还远远不能让人满意。而基于三维的人脸识别有望突破这一性能的瓶颈，它也成为了当前计算机视觉与模式识别领域的一个研究热点。 三维人脸识别是在三维人脸获取设备和方法发展的基础上而逐渐发展起来的，它采用显式的人脸三维信息作为识别的依据。基于三维人脸数据已经获取的前提，三维人脸识别技术受光照和化妆的影响很小，但表情变化依然是三维人脸识别所面临的挑战。三维人脸虽然比二维人脸增加了深度信息显得信息量更丰富，但其本质特征的提取也更加困难。本文在分析了整个三维人脸识别系统的基础上，对如何在姿势和表情变化的条件下有效提取三维人脸特征以及分类器设计等方面进行了一些探讨。 本文第一章阐述了三维人脸识别的应用背景和基本步骤。 第二章针对姿势变化的情况，提出了具有姿势鲁棒性的3DPCA算法。引入了可变大小参考脸的概念．将待识别人脸先配准到3DPCA要求的统一坐标框架下。配准时采用的是粗配准加精配准的策略，在基于ICP的精配准过程中，研究了各种ICP加速算法，并提出了人脸三维空间点云的最近点邻域带搜索算法；在姿势统一完成后建立点集的对应关系时，比较了两种不同采样方法的结果。 第三章针对表情变化的问题，提出了基于Log-Gabor小波的人脸深度图像多分辨率分解和基于支持向量机的分类决策。首先根据人类视觉系统的特性，设计出了能够对人脸深度图像进行有效特征提取的Log-Gabor滤波器组，然后利用支持向量机将待测人脸表情相对不敏感区域的各分块在多分辨率下与库中人脸的差异进行了融合与决策分类，取得了较高的识别率。 第四章给出了课题的总结与进一步的展望。