目前,三维人脸重建技术的应用已经越来越广泛,其中通过单幅图像进行三维人脸重建的方法由于运算速度快,受其他因素影响小的优势,逐渐成为主流方法。本文在现有方法基础上,采用改进的3DMM方法和SFS方法相结合的方式,生成一种从粗糙到精细的三维人脸重建模型。首先,选取AFLW人脸数据库中的部分图像作为本文的人脸数据集。对于输入的图像,通过Haar级联器的方法对人脸位置进行确认;为了提取更多的人脸几何细节信息并排除输入图像中无关的背景信息,采取人工标记68个点作为人脸特征点的方法。然后,为了建立起3DMM方法和SFS方法的联系,采用朗伯模型作为光照模型。将3DMM生成的人脸平均模型刻画到朗伯体上,再对输入图像中的人脸进行建模,获得大量的人脸几何向量和纹理向量;为了减小运算量,采用主成分分析法进行降维运算,生成不畸变的人脸模型;为了将该模型更贴合人脸实际轮廓并且更平滑,采用人脸配准的方法对参数进行调整。并在多光照、多表情以及多角度的条件下对该方法进行了验证,获得了几何形状清晰的粗糙三维人脸模型。最后,使用SFS方法估计出光源方向、方向角以及倾角等信息,获得人脸面部各处光照强度信息。采用最小化的方法,加快运算速度,将人脸各处的光照强度信息刻画到粗匹配模型上,恢复出人脸面部模型。该方法同样在多光照、多表情和多角度的条件下进行了验证,结果显示其弥补了粗匹配模型的不足并可以获得精细的三维人脸模型。本文在数据库中对大量的人脸图像进行了人脸重建实验,并采取与设备采集到的三维人脸真值模型与本文方法对比的方式,定性的对精细刻画模型进行误差分析,从客观上也验证了该方法的可行性。