随着模式识别技术的迅速发展,生物特征识别反术目前越来越受到研究者的关注。现有的生物特征识别技术主要包括手写识别、人脸识别、指纹识别、声音识别、步态识别、视网膜识别、虹膜识别等。由于人脸涵括丰富的生物特征信息,人脸识别技术已经成为生物特征识别技术中重要的身份认证技术,也是模式识别和机器视觉领域中最为活跃和最具潜力的研究方向之一。人脸识别技术在安全验证系统、智能人机接口、视频会议等方面具有十分广阔的应用前景,受到了人们越来越广泛的关注。目前人脸识别技术的研究主要集中在二维图像方面,但基于二维图像的人脸识别技术容易受固有的光照、姿势、表情变化等问题影响,使其识别准确度受到很大的限制。三维人脸模型相对二维人脸图像具有更丰富的信息,因此利用三维人脸信息进行人脸识别是一种有效途径。三维人脸识别技术的研究主要包括三维人脸数据获取及预处理、特征提取、分类器设计等关键性问题。本文将微软公司推出的高性价比体感设备Kinect的深度摄像头应用于三维人脸数据采集,在一定程度上了解决了以往三维数据采集设备价格昂贵与使用复杂的问题。同时,可以运用其功能完善及简单易用的配套程序接口对采集的三维数据进行降噪等预处理。在三维人脸特征提取方面,使用核主成分分析(KPCA)的方法,在保持原图像信息损失尽量少的原则下,把高维空间的三维人脸数据投影到低维空间,进一步改善了主成分分析(PCA)在处理非线性数据问题上的存在的不足。利用支持向量机(SVM)的强分类能力及解决小样本数据问题的优势,对降维后的三维人脸数据进行SVM分类输出识别结果。在系统的整体实现上,本文使用微软体感设备Kinect的深度摄像头作为人脸三维数据采集硬件设备,采用Visual Studio2010作为开发工具,MATLAB作为辅助软件对系统进行仿真实验,实现了三维人脸数据的获取及预处理、三维人脸特征提取与三维人脸识别功能。实验结果证明本文采用的方法能够实现对人脸三维数据的采集与处理,同时具有良好的识别效果,平均识别率可达93.6%,本文采用的方法对三维人脸识别技术的普及应用具有一定的意义。