基于人工特征的方法：通過精確的三維掃描攝像機(jī)，獲取目標(biāo)任務(wù)的三維人臉模型，以三維點(diǎn)云或者三角網(wǎng)格的數(shù)據(jù)形式表示。對處理好的三維人臉模型進(jìn)行手工特征提取，例如計(jì)算三維點(diǎn)云的曲率，法線，設(shè)計(jì)SIFT,MMH等特征，再根據(jù)提取好的特征進(jìn)行匹配，進(jìn)而分辨三維人臉模型是否屬于同一人。這類算法的缺點(diǎn)是，由于使用的人工特征主要基于三維模型，當(dāng)人臉表情變化較大時(shí)三維模型變化也較大，故對于人臉表情較為敏感。而一些全局的人工特征例如計(jì)算三維形變模型參數(shù)的方法能解決表情變化問題，但需要很大的額外計(jì)算量。同時(shí)，提取人工特征的方法在大規(guī)模三維人臉測試集上表現(xiàn)不是很好。
  基于深度學(xué)習(xí)的方法：由于深度學(xué)習(xí)在二維人臉識別上的成功，學(xué)術(shù)界也主要把目光放在使用深度學(xué)習(xí)的方法來進(jìn)行三維人臉識別的研究。而深度學(xué)習(xí)在訓(xùn)練階段需要大量的數(shù)據(jù)，三維人臉的采集比起二維人臉來說成本更高?，F(xiàn)階段的公開三維人臉數(shù)據(jù)集大多只采集了幾百人，遠(yuǎn)遠(yuǎn)達(dá)不到能實(shí)際應(yīng)用的訓(xùn)練量。故除了使用三維攝像頭采集外，還有通過三維形變模型進(jìn)行三維人臉模型的生成以得到足夠的訓(xùn)練數(shù)據(jù)。同時(shí)，為了利用深度學(xué)習(xí)在二維人臉識別的成果，往往也將三維人臉模型投影到二維平面轉(zhuǎn)化為深度圖等作為輸入，進(jìn)而分辨是否為同一人臉。這種方法的缺點(diǎn)是，使用三維形變模型生成的數(shù)據(jù)缺少細(xì)節(jié)，與真實(shí)人臉的差異性較大，實(shí)際應(yīng)用性能不好。只將深度圖作為三維模型的表達(dá)方式也缺少了三維人臉的很多其他信息。