三维人脸重建和三维人脸识别是计算机视觉和模式识别领域的热门研究方向。三维人脸重建从二维人脸图像快速获得人脸的三维形状信息,在人脸识别、计算机动画等方面具有广泛的应用前景;三维人脸识别相较于传统二维人脸识别,在处理姿态和光照问题上具有优势。本文研究了单张照片的三维人脸重建技术和三维人脸识别技术,主要工作如下:首先,提出一种基于冗余稀疏形变模型的三维人脸重建算法。1)对小规模人脸库进行扩充,并将扩充样本作为训练样本,采用K-SVD算法构造冗余字典;2)用AAM算法提取人脸图像特征点作为特征信息;3)将冗余字典与稀疏形变模型相结合,构造冗余稀疏形变模型对人脸形状进行三维重建,并提出了在重建的同时实现人脸平移、尺度和姿态参数估计的算法;4)在得到三维形状后,用三角映射的方法为三维人脸添加纹理。实验结果表明,该算法具有较高的重建精度和真实感,且经纹理映射的三维人脸在视觉上接近原始图像。其次,提出一种基于人脸深度图的三维人脸识别算法。1)将三维人脸对齐到参考模型,利用平移、尺度和投影变换将三维人脸转化为人脸深度图;2)提取人脸深度图的深度特征、LBP特征和简化的Haar特征;3)利用主成分分析法将三个特征映射到相同空间,并将其加权融合得到强化特征;4)采用支持向量机对特征进行训练和分类。实验结果表明,该算法具有良好的识别效果,且对于表情变化具有较强的鲁棒性。最后,提出一种基于测地线环的三维人脸识别算法。1)提取三维人脸测地线环的刚性部分作为特征;2)利用三维加权走查衡量空间点集的关系,引入角度权重向量来衡量测地线环间的空间位置关系;3)引入图模型统计三维人脸间测地线环的差异,并构造“不相似度”作为三维人脸差异的度量;4)采用一种由粗到精的匹配策略,先利用鼻子区域的测地线环进行粗匹配,根据粗匹配结果利用完整人脸的测地线环进行精确匹配。实验结果表明,该算法识别精度较高,且在表情变化下鲁棒性较好。