人脸识别是图像分析与理解、模式识别等领域富有挑战性的一个课题。本文针对人脸识别中存在的若干问题，结合三维人脸模型的特点，在基于三维模型的人脸识别以及三维人脸识别方面展开研究，提出了若干新的思路和想法，并给出了相应的实验结果。主要工作包括： (1)提出了一种基于彩色特征人脸的人脸识别算法 我们从人脸识别领域最成功、应用最广泛的特征脸算法中得到启发，针对彩色人脸图像与灰度人脸图像的异同，提出了一种基于彩色特征人脸的人脸识别算法。将传统的特征脸算法中灰度人脸图像的表示模式进行拓展，由一个分量的标量表示方式拓展成分量的向量表示方式，建立彩色二维人脸图像的表示模式。然后，根据主成分分析的理论与思想，计算彩色特征人脸，建立彩色人脸的特征子空间。最后，将所有的彩色人脸图像投影到该特征子空间，以投影系数为特征进行人脸对象的识别。 (2)提出了一种基于三维人脸主动可变形模型的人脸识别算法 结合三维人脸模型的特点，针对传统二维人脸识别中的姿态和光照问题，提出了一种基于三维人脸主动可变形模型的人脸识别算法。在三维人脸数据库的基础上构建三维人脸主动可变形模型，并根据二维人脸库(Gallery)中的人脸图像，采用三维人脸主动可变形模型重建其对应的三维人脸。然后，在识别阶段采用该三维人脸模型估计二维测试图像中人脸的旋转角度，并以三个方向上的旋转角度为基准，将人脸库(Gallery)中重建的三维人脸旋转到相同视角下的同一姿态。同时，在算法中融合了Seo等人提出的人脸肤色转换算法，对人脸图像的光照进行校正。最后，采用相同姿态下同一肤色空间中的人脸图像进行人脸对象的分类识别。 (3)提出了一种基于矩阵表示模型的三维人脸识别算法 针对三维人脸数据的特点，提出了一种基于矩阵表示模型的三维人脸识别算法。通过对三维人脸的形状信息和纹理信息进行直接编码，建立三维人脸对象的矩阵表示模型。该表示模型由三维人脸对象上的基本单元组成，而基本单元则是由基本分量来构成。我们将三维人脸上的顶点定义为表示模型的基本单元，将三维人脸在顶点处的属性值定义为表示模型的基本分量，进而建立三维人脸对象的矩阵表示模型。然后，根据线性对象类和线性子空间的理论，在三维人脸训练样本集的基础上构建三维人脸的特征子空间，并以三维人脸样本在子空间中的投影系数为特征进行人脸对象的分类识别。