三维重建技术一直是制约三维人脸识别技术发展的一大阻力。在众多三维重建技术中,光度立体技术因其具有重建精度高、重建成本较低、操作简单等特点,深受人们的喜爱。传统的光度立体技术使用的是平行光,由于平行光的限制,使得传统的光度立体技术的应用范围非常小。因此,为了使光度立体技术能够应用于更广泛的领域,本课题使用点光源、线光源代替平行光进行光度立体三维重建的研究。本课题深入分析了点光源的发光模型,发现通用的led点光源是各向异性光源,它的发光强度不仅随距离而衰减,还会随发光角度而衰减。通过实验结果可知,把点光源按照它真实发光模型处理的重建结果的精度,明显高于把点光源当作理想点光源处理的重建结果的精度。重建过程中需要标定光源方向,传统的标定方法需要放置参照物,本课题提出了激光标定法,实现了点光源方向的自动标定。为了提高重建结果的精度,本课题提出将迭代算法和阴影处理算法用于三维重建。对于直径为40mm的半球面,本课题提出的点光源光度立体技术的最高重建精度为0.63mm。点光源处于不同位置时图像噪声对重建结果影响不同,因此本课题还分析了点光源的最佳位置应该满足的约束条件,当点光源处于最佳位置时图像噪声对重建结果的影响最小。传统的线光源照射到某一点的光强,需要通过积分的方法算出,当图像分辨率比较高时,基于传统线光源的光度立体技术所需的计算量非常大。因此,为了提高重建的速度,本课题提出了一种由8个led点光源组成的带状线光源。这种线光源可以近似为点光源,从而大大简化了线光源光度立体技术的计算过程。对于直径为40mm的半球面,本课题提出的线光源光度立体技术最高重建精度为1.13mm。最后,本课题使用点光源光度立体技术建立了一个三维人脸数据库,然后使用该数据库训练改进后的AlexNet网络,改进后的AlexNet网络训练一万次后的识别准确率为92%。