1、采集待識別目標人臉的圖像數(shù)據(jù)，并對其中的人臉關(guān)鍵點進行標定，其中，人臉的圖像數(shù)據(jù)包括人臉的深度圖像和人臉的彩色圖像；
  2、根據(jù)標定后的人臉的深度圖像進行三維人臉重建，得到三維人臉重建模型；
  3、計算三維人臉重建模型中的預(yù)設(shè)數(shù)量的各關(guān)鍵點之間的表面距離，生成表面距離矩陣；
  4、將表面距離矩陣轉(zhuǎn)化為人臉標準型；
  5、從人臉標準型中提取出待識別特征向量；
  6、將待識別特征向量與預(yù)設(shè)的人臉特征數(shù)據(jù)庫中已有的特征向量進行對比，實現(xiàn)三維人臉識別。
  7、通過RGB攝像頭采集待識別目標人臉的彩色圖像，并從人臉的彩色圖像中檢測出人臉各關(guān)鍵點的位置，并對人臉各關(guān)鍵點的位置進行標定；
  8、通過深度攝像頭采集待識別目標人臉的深度圖像，將各關(guān)鍵點的位置對應(yīng)到人臉的深度圖像中，并從人臉的深度圖像中剪裁出人臉區(qū)域。
  9、根據(jù)深度攝像頭的內(nèi)參公式，將人臉的深度圖像轉(zhuǎn)換為3D點云；
  10、對3D點云進行降采樣，以去除3D點云中的離群點；
  11、對去除離群點的3D點云進行表面重建，得到三維人臉重建模型。
  12、基于預(yù)設(shè)的動態(tài)規(guī)劃中的更短路徑算法，計算出三維人臉重建模型中各關(guān)鍵點之間的更短表面距離；
  13、將各關(guān)鍵點之間的更短表面距離組合在一起，形成表面距離矩陣。
  14、基于等距映射算法，將表面距離矩陣轉(zhuǎn)化為人臉標準型。
  15、計算人臉標準型的K階矩，并以K階矩作為待識別特征向量。
  16、計算待識別特征向量與預(yù)設(shè)的人臉特征數(shù)據(jù)庫中已有的特征向量之間的歐氏距離以及余弦距離，并將歐式距離和余弦距離進行加權(quán)組合，得到待識別距離；
  17、將待識別距離與預(yù)設(shè)的距離閾值進行比較，并根據(jù)比較結(jié)果實現(xiàn)三維人臉識別。