三维人脸对齐技术是根据人脸面部特征建立不同三维人脸数据间点到点的一一对应关系。三维点之间的对齐是三维人脸建模的关键，在人脸识别、人脸动画、影视特效和广告中也有着广泛的应用前景。但现有的对齐算法，或限制条件严格，或对齐后的人脸网格数据量大，不利于三维人脸模型的建立。因此，构造完全三维意义上的对齐方法，在保证三维人脸重要特征信息一一对应的前提下，简化对齐后的三维人脸网格数据，是一项很有意义的研究工作。 本文在详细分析了以往均匀重采样对齐算法缺点的基础上提出了基于分片的非均匀重采样对齐算法，该算法通过ASM特征点自动定位实现对人脸自动分片，然后根据人脸各片的曲率，确定人脸整体采样策略。非均匀重采样对齐算法在实现不同三维人脸间点与点的稠密对应的基础上，大量地减少了对齐后三维人脸的点和面片的个数。由于可以根据对采样点数或形状及外观近似度的要求来选择具体的非均匀重采样策略，从而使得该方法的灵活性和可推广性更强。另外，本文用非均匀重采样对齐算法建立了一定规模的人脸库，并应用到三维人脸模型的重建中，大大提高了重建速度。最后通过一系列的实验验证了非均匀重采样对于减少数据量、简化模型和提高模型匹配速度等方面有了很大的改进。 在人脸识别方面，本文采用PCA算法和Fisher线性判别相结合的方法进行基于形变模型的三维人脸识别，分析比较了基于均匀重采样和非均匀重采样对齐算法建立的形变模型所得到的识别结果，并提出了根据具体的识别要求选择不同采样次数的形变模型的方案，以达到满足识别要求的同时提高识别实时性的目的。