当今全球信息化的飞速发展,使得身份的高效识别和准确认证受到广泛关注。人脸识别,生物特征识别的一个重要分支,凭借得天独厚的优势,极高的学术价值,已成为国内外研究学者关注的热点。经过几十年的发展,在一定约束条件下,以图像表观特征为基础的二维人脸识别技术可以获取非常理想的识别率。然而光照,姿态等因素已成为二维人脸识别技术继续向前发展的最大障碍。由于飞速发展的三维数据获取、存储设备为研究人员提供了契机,因此三维人脸识别技术希望解决二维人脸识别中所面临的难题。本论文在对三维人脸数据进行深入分析的前提下,紧紧围绕姿态和表情两大问题,提出了一个对表情变化具有良好鲁棒性的三维人脸表情识别算法。本论文的主要研究内容如下:对于三维数据杂乱无章,存在尖刺点,孔洞等扫描误差,采用一种高效的预处理方法。首先采用局部搜索法定位鼻尖点并以固定半径切割出人脸,并采用主成分分析(PCA)对人脸进行姿势矫正;然后采用多层次B样条插值算法对人脸进行曲面拟合;通过平滑弱化噪声,以降低样本的类内差异。为弥补单一特征信息量不足的缺陷,本论文综合使用多种特征信息,采用了一种将深度图像与脸部三个刚性区域融合的算法克服表情变化对三维人脸识别的影响。首先得到深度图像,然后提取嘴部区域的图像并训练得到表情变化幅度阈值。对于幅度值大于阈值的样本仅保留嘴部以上图像,而小于阈值的样本则全部保留,匹配时采用二维主成分分析(2D-PCA)算法。选取鼻子,额头,左脸颊三个刚性区域,分别采用基于kd-tree加速的ICP算法进行匹配,最终在决策级将深度图像相似度与三个刚性区域相似度进行融合。通过对嘴部深度图像的判断,对表情变化幅度大的样本仅保留嘴部上部图像,削弱了表情变化带来的非刚性形变。准确的提取鼻子区域可以增大类间差异,采用三个刚性区域增加了特征所包含的信息量。从数据库上的测试效果表明:对于表情变化,本论文的算法比其他算法有更好的鲁棒性。