人脸识别因具有自然、友好、对用户干扰少、易被用户接受等优点，成为具有广阔应用前景的个人身份认证技术。近二十多年来,虽然基于二维图像的人脸识别研究已取得很大进展,系统在约束环境下具有较好的识别性能,但仍易受光照、姿态、表情等变化的影响,其本质原因在于二维图像只是三维物体在二维空间的简约投影。因此,利用脸部曲面的三维表达进行人脸识别成为近几年学术界的研究热点。三维数据虽然有显示的形状信息，但其受形变的影响也更加突出，如何判断两个曲面之间的差别是个性差异还是同一对象的非刚性形变仍是目前三维人脸识别研究的难题之一。本论文所做的主要工作是研究对表情变化鲁棒的三维人脸识别方法,主要的工作和创新点如下：1.概述了人脸识别的发展历史和研究意义,介绍了三维人脸识别的系统框架、三维人脸数据的获取和表形式等相关技术。对现有的三维人脸识别方法根据其提取特征的特点和匹配方法的不同做了分类总结。重点介绍了表情变化下的三维人脸方法及其特点。2.提出了一种表情变化下保持稳定的三维人脸特征。测地线距离是三维人脸曲面的内蕴特征。利用改进的测地线算法计算鼻尖点到面部其他各点的测地线距离，然后提取等距测地线描述人脸几何形状。实验结果表明，在表情变化的情况下，相较与等高线的方法，等距测地线能够保留较多的人脸特征。3.提出了一种基于不同表情下不变特征的三维人脸识别方法。由微分几何原理可知人脸曲面上的测地线距离是表情不变的，表情变化引起的非刚性变形是等距的，人脸识别问题等价为寻找等距面的问题。同一对象的具有不同表情的人脸曲面被等距嵌入高维欧式空间后具有相同的表达式，基于内蕴特征测地线距离构造了去除表情的人脸模型。最后用改进的ICP算法进行匹配识别。在三维人脸深度图上的实验结果表明,该方法对表情有较好的鲁棒性。