三维人脸重建技术在信息安全、日常生活中的应用已经得到了广泛部署,同时解决由于生成时间复杂度、三维点云数据质量等因素,影响三维人脸生成质量的问题仍然是一个技术难点,本文针对现有三维人脸重建算法存在的问题展开研究,具体研究内容如下:（1）针对现有三维人脸重建算法中,由于三维点云数据不密集,造成三维人脸生成质量不佳的问题,本文提出了区域色彩迁移算法。该算法先标注色彩填充区域,并在标注区域内部对填充色块进行色彩迁移,从而达到在不改变三维点云数据的情况下提升三维人脸的生成质量。实验结果表明,在公开数据集ALFW2000-3D下,本文所提出网络的三维人脸生成质量相比于PRN算法在色彩填充块占比中从原有的33.2%下降到了4.3%,质量提升了28.9%,在改善三维人脸生成质量上有着明显的优势。（2）针对现有三维人脸重建算法中生成的三维人脸存在网格状纹理的问题,本文提出了使用GAN网络对输入的纹理图进行平滑处理,该方法改善了传统平滑算法直接作用于三维点云数据会导致三维模型畸变的现象,同时解决了纹理图与三维点云拟合过程中因平滑算法所导致的无法拟合的问题,实验结果表明,在使用相同的输入二维人脸图片所生成的三维人脸模型中,本文所提出的网络相较于PRN等其他三维人脸生成算法在人脸生成质量上更加接近输入图片。（3）针对在三维人脸拟合的过程中需要遍历三维点云数据导致的生成人脸模型速度过慢的问题,本文使用GAN网络将已经进行过密集对齐的纹理图作为输入,输出的纹理图仍然保留密集对齐信息,从而保证了在三维人脸拟合的过程中,不需要再次遍历三维点云数据进行密集对齐,改善了三维人脸的生成时间复杂度。实验结果表明,在公开数据集ALFW2000-3D下,本文中模型的算法时间复杂度由当前最优的三维人脸生成算法PRN的单张三维人脸生成时间9.8ms提升到了7.5ms,速度提升了23%,在改善生成时间复杂度上有明显优势。