人脸识别技术是利用人脸视觉特征信息进行身份鉴别的计算机图像技术。基于二维特征的人脸识别已经开展了较多研究工作,诞生了很多算法,这些算法在解决某些具体需求时具有较为优秀的表现,但无法适应愈加复杂的需求环境,或多或少存在局限性。近来随着3D扫描设备的出现,三维深度信息在人脸识别领域受到重视,由于高精度的深度信息获取设备价格较高,仅基于三维信息的人脸识别方法近阶段普及难度较大。本文在对现有的二维人脸识别方法和三维信息进行一定的学习研究后,提出一种结合深度信息的人脸识别方法。该方法在二维特征获取和处理时借助少量的深度信息,与特征脸等传统算法相比运行更稳定、简单、高效,识别速度有较好的提升,可以较好地解决上述仅使用二维或三维特征进行人脸识别方法的弊端。文章首先对人脸识别的预处理、人脸区域检测、特征提取、差异度量等过程进行了较为深入的探讨,重点介绍了主成分分析方法和局部二值模式在人脸识别领域的运用。借助Kinect设备,对三维信息的获取、表达方式进行了研究。在此基础上,本文对提出的一种结合深度信息的人脸识别方法进行了阐述。该方法借助深度信息快速准确地得到人脸图像上的鼻尖点、鼻根点等关键点坐标,并借此从人脸分割出五官子图像和距离信息,对获得的五官图像分别进行特征提取,通过五官图像特征分类器分别得到各图像特征编码,最后将这些编码与距离信息作为特征维输入总分类器进行分类识别整个人脸信息。为了验证该方法在实际环境的可行性,本文借助Kinect设备采集了二维-三维人脸图像对数据集,在此数据集上对算法进行实现测试。测试结果表明该方法在保障了识别精度的同时,在算法运行效率上有较为明显的提升。