人脸识别是生物特征鉴别技术的一个主要方向，与其他生物特征相比，人脸识别具有主动性、非侵犯性和用户友好等许多优点，多年来一直受到许多研究者的关注。但是目前的人脸识别方法主要集中在二维图像方面，由于受到光照、姿势、表情变化的影响，识别的准确度受到很大限制，迄今为止，建立一个鲁棒的人脸识别系统仍然是一个很困难的问题。

　　针对人脸识别的难点，许多学者始终致力于这方面的研究，一个较好的办法是利用三维信息进行人脸的识别。三维信息能够更精确地描述人的脸部特征，提取的某些特征具有刚体变换不变性，并且不易受化装和光照的影响。但是由于三维数据获取方面存在困难，现在利用三维信息进行识别的报道并不多见，然而三维信息加入到现有的人脸识别算法中，识别效果将会大大提高。

　　比利时学者Beumier等利用结构光的方法获取三维数据，然后利用曲面匹配的方法进行人脸识别收到较好的效果。美国的Gordon等利用激光扫描仪获取的距离数据建立面部曲面，通过计算表面曲率寻找凸点、凹点和脊点，然后定位面部的一些特征点，利用模板匹配的方法进行识别。德国人Vetter等利用单幅图片构建三维模型，利用形状和纹理参数来表征个性特征。从总体上讲，目前三维人脸识别算法还很不成熟，主要面临如下困难：1）数据获取的困难；2）海量存储和计算的困难；3）识别方法不足等。三维人脸识别是极具挑战性的课题，如有突破将具有很强的创新性。

　　我们拟在两个方面做探索性工作：
　　
　　1）三维人脸的几何建模
　　个性化头部建模融合了计算机视觉和计算机图形学技术，始终是本领域国际上极具挑战性的课题，我们在此方面做了一些尝试。原有建模方法多集中于处理由激光扫描仪获取的高精度数据，对于质量不好的数据如孔洞、奇异点等不能很好地处理，并且建模的计算量偏大。我们结合图形学和计算机视觉技术，基于曲面子分割曲面和分级拟和的方法，发展了自适应多精度拟合的建模策略，根据标准三维模型和含噪数据进行特定三维人脸的建模。此方法具有较快的建模速度，并且能够弥补原始数据的局部缺乏，避免噪声的影响。建成的模型具有标准模型的结构信息，可以方便地实现一些面部表情动作。建模的流程如下图所示。

　　2）基于三维信息的人脸识别
　　根据我们提供的建模方法，用一张规则网格曲面描述面部的几何特征，然后通过姿态优化，调节不同的面部曲面具有相同的姿式，然后利用统计学习的方法，矩的方法，在面部曲面上提取特征，进行三维人脸识别。提出的方法在低维空间完成，从而大大提高了计算效率和空间利用率。我们的算法在3D_RMA数据库上进行测试，验证和识别结果非常令人鼓舞。

　　三维数据的获取很少受到光照的影响，利用三维曲面的配准算法能很好地克服姿式的变化，通过三维模型合成的面部动作在一定程度上克服表情变化， 因此，基于三维信息的人脸识别一种较鲁棒的识别途径，能够比较有效地克服基于2D图像进行识别所遇到的困难。

　　三维人脸建模与识别是刚刚兴起的前沿方向，是计算机视觉和计算机图形学相结合的边缘学科，科学意义重大，应用前景广泛，是将来研究的热点问题。