作为最重要的生物识别技术之一,人脸识别技术具有自然和非接触的特点。相比其他生物特征识别技术,如指纹识别、虹膜识别等,具有明显的优势。由于非入侵性的特点,人脸识别系统应当具有在人不配合、外界条件不受控制甚至任意的情况下识别出人脸特征的能力。由于要适应各种环境和情况,这给人脸识别技术带来了很大的难度和挑战。例如由于视角等条件的限制,采集到的人脸图像与人脸库中的标准图像具有很大差异,从而造成识别准确的下降。尽管许多人脸识别的方法取得了令人满意的效果,但这些结果都是在理想环境下得到的,仍然不能够满足各种实际情况的需求。在最近对人脸识别技术的研究中,姿态变化被认为是最重要的问题之一,引起了许多模式识别和机器视觉研究者的兴趣。一些具有前景的人脸识别方法也相继提出,如固定因子分析(Tied Factor Analysis, TFA)、3D形变模型(3D morphable model,3DMM)、本征光场(Eigen Light-Field, ELF)以及圆锥照明模型等。但这些方法还都存在缺陷,不能完全解决人脸识别中姿态变化的问题。而在当前的技术水平下,要以自然的方式和低廉的代价获取人脸三维数据仍然是比较困难的,这限制了三维模型在人脸识别系统中的应用。在这样的背景下,本文由双目立体视觉入手,对人脸模型进行三维重建；再利用三维模型的深度数据,对姿态变化的人脸识别展开研究。论文的主要工作如下：1、对尺度特征不变(Scale-invariant feature transform, SIFT)算法开展研究。针对尺度特征的128维描述子在关键点匹配时速率低的不足,采用八邻域的特征区域,提取出尺度特征的64维描述子。并将该描述子用于关键点的匹配,提高了关键点匹配的速率。2、利用三维人脸的深度数据对人脸姿态进行研究。利用人脸深度图像,根据微分几何原理和曲面曲率的计算方法,计算出人脸图像曲率最大和曲率最小的点分别作为鼻尖点和比鞍点。利用与深度图像对应的灰度图像,提取灰度特征并计算出左右瞳孔的位置。再根据得到的这些特征点,计算出人脸的姿态角,从而达到对人脸姿态的估计。3、利用Gabor变换的幅值信息开展人脸识别的研究。通过统计局部人脸图像的幅值特征,将其级联成人脸的特征向量,并结合零空间判别分析(Null space Linear Discriminant Analysis, NLDA)对人脸的特征降维和分类,从而对人脸进行识别。该算法充分利用了人脸样本图像中Gabor变换的幅值信息,并且降低了人脸特征维数,增强了算法的鲁棒性。本文通过对人脸三维建模进行研究,利用三维模型的深度数据对人脸姿态进行估计,得到人脸姿态的旋转角。然后将三维模型旋转相应的角度,并投影到二维图像上,与图像库中的标准人脸图像进行识别。取得了较好的识别效果。