1.1 研究目的及意义

近年来，随着信息技术的高速发展，个人的身份鉴别成为了我们身边随处可见也随处都需要的技术，如门禁系统、机场安检、用户登录、考勤系统、自然人机交互等。在信息技术发展以前，人们都用传统的方式如证件、密码等，但他们都存在着易丢失、伪造甚至非法盗用的隐患。为了满足日益增长的市场需求，生物特征识别技术也随着潮流应运而生。

生物特征，即是人类都具有的能够识别个人身份的特征。目前发展较成熟投入使用的有人脸、虹膜、指纹、足迹、掌纹等。人脸识别，是生物特征识别的一个重要方向，也受到了国内外众多研究者的重视。相比较于其他生物特征，它具有自然、友好、主动性、非侵犯性以及易被用户接收的诸多优点，同时，它作为计算机视觉、计算机图形、模式识别等多学科的结合体，具有极大的学术价值，其研究成果也会对这些领域起到巨大的推动作用。

传统的人脸识别是基于二维图像的，即二维人脸识别，虽然随着技术的发展已经达到了较高的识别率，但由于收到光照、表情、人脸姿态等不利影响，在实际应用中也有着不可避免的局限性。因此，三维人脸识别得到了越来越大的关注，三维人脸能更加精确和全面地描述人脸的几何结构，规避了化妆、光照等影响，在提高识别率上有着重要意义。

而对于三维人脸数据的处理和特征点的检测，则是三维人脸识别的基础和重要步骤，它为识别过程提供了必要的数据来源，也是三维人脸模型的基本组成，因此检测出有效的特征点，才能进行有效的识别和得到高的识别率。

1.2 国内外研究现状

早在1964年，国外就开始了人脸识别的相关研究，但是并未作为一个单独的研究领域进行研究，而只是一般的模式识别的问题，其中Parke是第一个使用计算机方法来表示人脸的学者。 ^{[1] [2 ][3] [4] [5]}

20世纪90年代后，人脸研究发展迅猛，出现了多个人脸数据库和商业化的人脸识别系统。其中麻省理工大学提出了被认为经典算法的特征人脸算法（Eigenface），Belhumeur等提出的PCA结合LDA ^{[6] [7]}和Viola提出的Adaboost算法 ^[8]为后续研究奠定了基础。

20世纪后，3D人脸识别渐渐崭露头角，突出贡献的有Blanz和Vetter，最先提出了3D变形 ^{[9] [10]}（3D Morphable Model）模式的识别方式，解决了人脸检测与识别难以解决的多姿态问题。同时支持向量机（Support VectorMachine, SVM ^[11]作为统计学习理论的算法对2D人脸识别进行了完善。

相比于国外，国内的发展起始时间较晚，但发展迅速。主要从20世纪90年代开始，各个研究机构开始建起，代表性的机构及高校有清华大学计算机系、自动化系和电子系；哈尔滨工业大学计算机系和中科院计算技术研究所合作的研究组；中科院自动化研究所模式识别国家重点实验室；北京工业大学等等。这些研究机构、研究小组和高校在人脸识别等其他的模式识别领域都进行了卓有成效的尝试和研究，取得了不少的研究成果。