随着科技的进步,三维人脸重建研究作为计算机图形学、计算机视觉以及虚拟现实技术的重要研究内容,在游戏、影视及医疗等领域得到了广泛的应用。传统的三维人脸重建方法大多依赖三维扫描仪、多幅照片和双目视觉设备获取面部特征信息,再通过逼近优化算法来完成人脸模型重建、修改和优化,其成本昂贵、且重建过程复杂。基于单张二维图像重建三维人脸是近几年新的研究方向。本文针对基于二维图像重建三维人脸中存在二维特征点提取不准确、三维特征点提取速度慢且三维模型形变真实感低等问题,主要研究工作如下:(1)针对当前二维特征点标定不准确及三维特征点标定速度慢的问题,本文对基于深度学习的二维特征点提取方法以及基于关键点由粗到精的三维特征点提取方法进行了改进。首先,以单张人脸图像作为驱动,通过Adaboost算法进行人脸部位的检测,降低了训练工作量。其次,通过卷积神经网络训练模型提取二维人脸特征点。最后,通过结合深度图和监督学习方法将三维人脸特征点进行粗定位,结合多个局部描述子对人脸面部的特征点进行筛选,提高特征点提取的准确度,完成三维人脸特征点的选取。实验结果表明,该方法提取的二维特征点准确度高,且提高了三维特征点提取效率。(2)针对当前通用模型构建速度慢以及进行三维人脸形变真实感低的问题,本文提出了改进的基于薄板样条的三维人脸形变算法。首先,基于北京工业大学BJUT-3D人脸数据库中求取各个样本特征点的平均值,得到人脸通用模型数据,选取数据库中与数据非常接近的人脸样本作为通用人脸模型。其次,利用输入图片中提取的二维特征点和通用模型中提取的三维人脸特征点建立薄板样条之间的对应关系,构建出个性化人脸模型。最后,基于特征点约束对个性化人脸模型进行纹理映射。实验结果表明,该方法构建通用人脸模型速度快且三维模型形变准确,重建的三维人脸真实感强。(3)设计实现了基于单张图像的三维人脸重建系统,该系统以C++为基础,用QT搭建系统界面。系统以C/S(客户端-服务端)架构实现了输入图片的更新,服务端根据输入图片进行模型匹配实现特征点提取以及模型的变形,并通过OpenGL显示三维人脸,完成三维人脸的重建。实验结果表明,本系统重建三维人脸实现自动化、速率快且真实感强。