1、近年來，三維人臉識別是模式識別和機器視覺領(lǐng)域最為活躍的研究方向之一，作為一種基于生物特征的身份識別技術(shù)，具有十分廣闊的應(yīng)用前景。三維人臉識別以人臉三維數(shù)據(jù)模型為基礎(chǔ)，相比二維人臉，三維人臉特征含有更豐富的信息，能夠克服光照、表情、姿態(tài)、化妝等因素的影響，更好的表征人臉。三維人臉識別主要包括三維人臉數(shù)據(jù)的獲取和預(yù)處理、特征提取、特征匹配等環(huán)節(jié)。
　　針對三維人臉識別過程中的一些問題，本文研究工作主要包括以下幾個方面：
　　（1

2、）由于人臉數(shù)據(jù)庫中三維人臉模型數(shù)據(jù)包括肩膀、耳朵、頭發(fā)等其他的非面部信息，為了精確地提取模型中的臉部區(qū)域，采用了以鼻尖點為基準(zhǔn)點，合適的半徑進行區(qū)域分割的方法。取得臉部區(qū)域的三維模型數(shù)據(jù)后，采用將Z坐標(biāo)深度值轉(zhuǎn)化為像素值的方法對數(shù)據(jù)進行處理，得到臉部正面深度圖。再根據(jù)臉部三維模型數(shù)據(jù)中包含的RGB顏色信息，得到臉部正面灰度圖。
　?。?）針對SIFT算法特征描述子維數(shù)較高，計算量大的問題，提出了一種改進的 SIFT算法。改進的SI

3、FT算法將特征點鄰域分為9個種子區(qū)域，生成72維的特征描述子，相比原SIFT算法的128維特征描述子，能夠有效地降低特征匹配時的計算量。
　?。?）為提取有效的臉部特征作為人臉識別的依據(jù)，使用主成份分析（PCA）算法和改進的尺度不變特征變換（SIFT）算法分別對人臉深度圖像和灰度圖像進行特征提取，得到了面部的全局特征和局部特征。
　　（4）在人臉識別過程中，基于提取的全局特征和局部不變特征，采用兩級分類器進行分類識別。實驗結(jié)