人脸是一个人身份确认的重要生物特征,作为生物识别技术中的一个新兴领域,人脸识别技术有着重要的理论和应用意义。在最近十几年中,该技术一直是生物识别领域中的一个研究热点。传统的人脸识别算法是在二维图像上进行研究和设计的,算法的效果均受到了光照、人脸姿态和人脸表情变化的影响,这些因素成为人脸识别技术发展的巨大障碍。近几年,随着计算机视觉技术的发展,通过摄像头实时获取目标三维信息成为了可能,越来越多的研究人员将目光转向三维人脸识别领域,期望基于三维信息的人脸识别算法可以很好的解决二维图像下无法解决的问题,从而大幅度提升人脸识别效果,扩大该技术的应用领域。本文在这个趋势之下针对3D人脸识别技术进行了详细的研究,主要研究内容与创新如下:(1)深入研究了当前获取深度信息的几种方法,并通过实验对其获取效果进行了比对。实验表明激光散斑法获得的深度信息效果较好,适合于人脸识别领域的应用。(2)提出了基于固定视距和非固定视距的两种深度信息优化算法。其中,基于固定视距的深度信息优化采用视距转换法,非固定视距的深度信息优化采用中值滤波去除噪声、列扫描法填充孔洞和直方图均衡化增强对比度来实现。实验表明优化后的深度信息适用于人脸目标的检测。(3)提出了基于深度信息的人脸快速检测算法。算法首先在深度图像中定位鼻尖点位置,然后通过肤色模型找到人脸目标区域,最后通过轮廓检测排除伪目标。实验表明该算法可以应用于不同场景,检测速度快、鲁棒性好(4)研究了基于SURF算法的人脸匹配方法。详细分析了SURF算法和SIFT算法的区别,并通过实验验证了SURF算法在人脸匹配领域应用的可行性以及有待完善的地方