传统的三维人脸建模方法在模型的建立效果、是否可以达到实时以及计算复杂度等方面还存在很大的不足。基于Kinect的三维人脸建模方法是目前建模效果最好的方法之一。该方法是基于结构光的原理,而且造价便宜,一般的用户都可以使用该设备来建立模型。与其它建模方法相比,该方法在建模效果、实时性等方面都有比较好的表现。本文的研究工作围绕基于Kinect的三维人脸建模方法展开,针对这一方法存在的不足和问题进行了深入探讨和研究。主要研究工作和创新点归纳如下：1.本文首先概述了三维人脸建模的研究背景、意义以及国内外的研究现状,对现有的三维人脸建模方法做了分类总结,详述了主动式建模方法和被动式建模方法以及其中所用的算法,重点研究了稀疏迭代最近点在三维人脸建模方法中的应用。2.针对由Kinect获得的深度图不仅含有大量噪声且缺失严重,加之传统迭代最近点算法和对传统迭代最近点的改进算法都不能很好地处理这些问题,导致图像配准精度降低,进而影响建模的质量。本文使用稀疏迭代最近点(SICP)对顶点图进行配准。稀疏迭代最近点使用稀疏诱导准则重新写配准优化公式,很好的解决了这些问题。3.为了使建模过程达到实时,本文研究了一种快速分割头部的方法,该方法可以快速分割用户的头部。其次,由于由Kinect获得的深度图含有大量噪声,本文采用双边滤波器进行滤波。最后使用本文的建模方法进行三维人脸建模,验证了本文算法的有效性。