随着生物特征识别技术的快速发展，人脸识别技术得到了越来越多的关注，成为了生物识别技术中最具潜力及挑战的课题之一。三维人脸识别主要根据人脸的三维几何形状信息进行识别，且三维信息不易受姿势和光照的影响，所以三维人脸识别具有更好的识别效果。本文总结了三维人脸识别技术的优势和挑战，并对现有的方法进行了介绍和分析。在此基础上，从局部的角度出发进行三维人脸识别的研究。针对三维人脸识别易受表情、遮挡、数据丢失等干扰的问题，本文给出了有效的方案，并提出了相应的识别算法，最后通过实验验证了算法的有效性。主要工作如下：　　1.提出了一种基于局部描述符的三维人脸识别方法。首先对原始人脸进行预处理，包括提取出感兴趣的人脸区域、平滑去噪、人脸姿势归一化和点云稀释。随后提出了一种新的局部描述符进行三维人脸识别。每个采样点的局部特征定义为该点邻域点集向人脸主轴平面投影所得的面积，其中该点的领域点集根据其法向量与3个主轴之间的角度自适应选取获得。提出的三维人脸识别算法首先将人脸归一化到较统一的姿态，提取与鼻尖等距的轮廓线，并对轮廓线进行重采样以剔除无用点，然后对每个采样点提取局部特征，最后建立人脸之间的点对应关系，将加权融合后的局部特征用于识别。　　2.提出了一种基于局部特征融合的三维人脸识别方法。设计了一种结合串联和并联分类的级联分类器，该分类器对每一个选定特征和并联的特征分别设定一个接受阈值和一个拒绝阈值，同时满足两个同类阈值条件的人脸模型被认为做出了正确的接受和拒绝判断，剩下的人脸模型进入下一级比较。提出的三维人脸识别算法首先对人脸进行预处理，然后提取鼻子区域、上半张人脸区域和整张人脸区域作为串联分类的特征，提取侧面轮廓线作为并联分类的特征，随后通过级联分类器的分类得到最终的认证结果。