随着摄影与成像技术的飞速发展,三维重建技术在遥感、医疗、工业、教育及影视、娱乐等诸多领域得到了广泛的应用。具体到计算机视觉和图形学方向,三维人脸重建逐渐成为三维建模的一项核心内容,在三维人脸识别与计算机动画中起到了重要作用。三维人脸重建的方法主要有四类,分别利用参数化模型、肌肉模型、视觉模型和形变模型。当前形变模型应用最为广泛,相对而言该模型具有真实感良好、自动化程度高的特点。在建立形变模型的过程中,三维人脸样本间的精确快速配准是最困难也是最关键的一个环节。针对人脸形变模型的三维数据配准与非全自动化的模型匹配问题,本文的工作主要体现为以下两个方面:1.刚性与非刚性迭代最近点算法相结合、实现由粗到精的三维人脸配准。首先提取三维目标人脸与模板人脸的特征点,按照特征点间的对应关系,利用刚性迭代最近点算法获得两个三维人脸间的变换参数;进而调整三维目标人脸到三维模板人脸坐标系,并进行尺度变化完成三维人脸间的粗配准。在此基础上,添加拉普拉斯函数的弹性形变使目标人脸更接近于模板人脸,利用非刚性迭代最近点算法在不损失配准精度的前提下提高了配准速度。2.利用主动形状模型提取面部特征点作为初始值,使模型匹配自动化。在初始化阶段时引入主动形状模型提取人脸的轮廓、双眼、鼻子、眉毛和嘴的特征,通过调整模型、光照以及摄像机位置等组合参数实现模板匹配。从提取的面部特征点开始搜索组合参数,减少搜索空间、提高匹配速度,实现了模型匹配及三维人脸重建的自动化。