人脸识别因具有友好、非接触性、对用户干扰少等优点,成为最具潜力和广阔应用前景的生物特征识别方法之一。当前大部分的人脸识别技术都是基于二维人脸灰度图像,虽然二维人脸识别技术已日趋成熟,但是容易受光线、姿态以及遮挡等变化因素的影响,限制了识别率的进一步提高。二维图像只是三维人脸在二维空间的简约投影,三维人脸数据反映了人脸的固有立体几何信息,充分利用三维人脸的深度信息,能够有效克服二维人脸识别所面临的问题,三维人脸比二维人脸有着更丰富的信息量。协作表示可以用较少的特征有效的表示出重要信息,因此本文在三维人脸深度图的基础上,给出了基于协作表示残差融合的人脸识别方法,主要研究工作和创新点归纳如下：1.本文首先概述了人脸识别的研究背景、意义以及国内外的研究现状,对现有的人脸识别方法做了分类总结,详述了几种代表性的特征提取算法,重点研究了稀疏表示以及协作表示在人脸识别上的应用。2.针对二维人脸识别不能有效克服光照、表情、姿态等变化的问题,基于人脸深度图,用易于描述人脸的Gabor特征和表征人脸内蕴信息的Geodesic的特征代替原来的整体特征,结合协作表示算法进行三维人脸识别。3.为了突出所有类样本的协作作用,增加更多的判别信息,在协作表示分类算法的基础上,融合残差作为最终差异性度量,最后在实时成像系统采集的人脸库和Texas人脸数据库上进行实验,实验结果表明该方法提高了在光照、表情等复杂变化下的识别率。