在不同光照、姿态和表情(PIE)下的人脸识别是一个极其具有挑战性的问题，也是传统的二维人脸识别技术所难以解决的问题。 在充分考察了二维人脸识别技术及其局限性的基础上，本文主要针对不同光照，姿态下人脸识别这个难点问题进行了详细研究，给出了一个三维人脸识别系统的框架，并主要着眼于三维人脸识别中的两个最关键的问题，即首先如何根据一定数量的个体人脸三维模型生成具有一定通用性的该组人脸的三维平均模型；而后如何通过向这个平均人脸的三维模型施加不同的光照、姿态条件，并将其与特定光照、姿态下的二维人脸图像进行关键特征比较，从而确定出该二维图像的光照以及图像中人脸的姿态。从实验结果来看，结果还是比较理想的。而这样的实验结果无疑有着重要的意义。 在研究了现有同主题相关文章的基础上，本文首先采用<[3]>中的基于二次误差矩阵方法进行模型的网格简化；而后在比较了光流<[8]>与交互实现的三维网格重采样<[9]>两种方法后，提出了一种先对准少量关键特征点然后用在x-y平面等距的网格进行重采样的方法解决三维人脸的稠密对应问题，从而可求出平均脸，本方法在复杂性上优于光流，而且完全自动进行不需要交互实现，缺点是基于此方法求得的平均脸在一些非关键特征点上对应精度不够；最后通过向这个平均人脸的三维模型施加不同的光照、姿态条件，并将其与特定光照、姿态下的二维人脸图像进行基于关键特征比较，从而确定出该2维图像的光照以及图像中人脸的姿态，这种方法有较高的匹配速度。