迄今为止，人脸表情识别领域的大部分工作都是以二维图像为处理对象的。这些方法的鲁棒性差，容易受到光照、姿态等因素的影响，并且识别率不高。二维表情识别方法本身的局限性限制了其自身的发展空间。因为人脸本来就是一个三维几何体，如果将人脸看成一个二维物体进行分析就会丢失一些重要的信息(例如深度信息)，这样就不能精确地反映出面部表情的特征甚至细微的表情变化。近年来，随着三维成像技术的发展，三维图像的获取越来越容易，使三维人脸表情识别从理论变成了现实。与二维研究方法相比，三维研究方法具有更好的鲁棒性和更高的识别率。　　 本文总结了目前三维人脸表情识别的研究现状和研究意义，介绍了常用的三维人脸表情识别的研究方法和研究过程。针对目前人脸姿态校正算法中的计算量大和适用性不广等缺点，本文提出了一种基于法向量对齐的人脸姿态校正算法。该算法先通过计算离散高斯曲率来获取人脸的特征点，然后计算特征点构成的面的法线方向，最后通过法线方向进行人脸姿态校正。在分析已有的手工区域分割算法的基础上，本文提出了一种人脸表情区域自动分割算法，实现了人脸区域的自动分割。针对已有的基于地形特征的描述方法提取到的特征信息较少的情况，本文进行了一定的改进，将该方法与脸部表情编码系统的编码方法进行了一定的结合，提取到更多的表情信息。实验证明，该方法能够对六种表情进行识别，有较高的识别率和鲁棒性。