创建逼真的三维人脸模型是计算机图形学领域一个极富挑战性的课题。随着虚拟现实、影视制作、游戏娱乐等应用的发展,这一研究课题越来越受到人们的关注。然而详尽的脸部信息获取不仅成本昂贵,在很多特定的应用中常因为对象的原因无法采集更多的脸部信息。鉴于此,本文将尝试对单张有一定旋转角度的非正面二维人脸照片进行脸部三维重建。本文首先介绍了三维人脸模型的应用前景及国内外的研究现状,分析和总结了现有的三维人脸建模技术。依据人体测量学、人体解剖学等关于脸部关键特征的原则定义了脸部测量点及测量项目。其次讨论了如何对非正面人脸照片进行角度估算,将之应用于CMU PIE人脸图像库进行了验证。动手建立正侧面人脸库,对正侧面数据进行神经网络的训练,通过训练得到权值,以便用于正面数据点的脸部深度数据估算。以CANDIDE-3一般人脸网格模型为基础结合特定的人脸照片中的特征点信息对一般模型进行修改。采用径向基函数(RBF)插值的方法对其进行局部的修改得到非特征点的信息,通过BP神经网络得到侧深度数据,生成特定的人脸模型。对于粗糙的原始网格给出了一种改进的Loop细分方法,使细分后的模型更符合原有形状,并纹理映射生成具有真实感的人脸模型。最后用Visual C++和OpcnGL实现了从脸部数据的交互式提取到三维人脸重建系统。