人脸识别是当前生物特征识别的热点之一，并且在信息安全、视频控制、视频跟踪、人机互换、执法司法等领域有着广泛的应用前景。目前人脸识别主要集中在二维图像方面，但是由于受到光照、姿态、表情变化等因素的影响，其识别的准确度受到很大的限制。从二维识别发展到三维识别是一个必然的过程。目前为止，三维人脸识别还处于发展阶段。三维人脸模型具有比二维人脸图像更丰富的信息，而且三维识别还具有唯一性，利用三维人脸模型是解决目前人脸问题的有效方法之一。基于三维模型的人脸识别也正成为当前的研究热点。 本文主要研究基于三维形变模型的人脸识别问题。在对三维原型人脸数据预处理的基础上，建立原型人脸库；通过三维人脸数据建立参数模型，参数模型的建立涉及原型人脸数据的获取和对应关系的建立，模型匹配涉及光照模型、摄像机标定与数据优化问题；最后通过有效的识别算法完成识别。本文的主要工作有： 三维人脸数据的预处理方面，研究和分析了基于光流及其改进方法的对应算法对对原始数据进行了预处理，建立原型人脸数据库。 三维人脸重建方面，用一幅人脸图像重建其对应的三维人脸模型，对其重建过程，本文分为模型建立、形状投影和纹理影射三个部分。利用PCA求得模型基元，形状投影基于摄像机模型，将三维数据很好的与二维对应，而纹理影射，根据前面已经与形状信息有很好的配准关系，辅以一定的仿射变换，可获得好的影射效果。 三维人脸模型匹配方面，在模型匹配过程中，利用最大后验概率求目标函数。通过实验验证了优化效果。我们在对优化算法的重新推导过程中，得出了形变模型在映射后是非线性的结论，在许多文献里都假定它是线性的来做优化算法。这里根据形变模型映射后的非线性结果来做优化算法，提高了算法的准确性。最后提出了一种改进方法，并给出详细的步骤。三维人脸识别方面，对现有的识别算法做了深入的分析和比较，采用马氏距离作为模型匹配参数空间距离的度量，并根据最近邻近距离的三维人脸识别算法来分类。三维识别是一个复杂的问题，我们这里从实际出发，提出只利用形状系数来做人脸识别，并通过实验证明是可以的。最后提出了一些算法的改进思想及方法。