随着3D技术的快速发展,三维建模技术的研究成为当今热点。本文研究人脸图像的三维建模算法,对三维相机的研制具有重要理论意义及实用价值。本文主要研究多视觉人脸图像的三维建模算法,即根据不同视觉下同时拍摄的多张人脸图像,利用建模算法生成三维人脸模型。针对三维表面重建算法模型精度低、表面凹凸不平的问题,提出了一种新的三维模型表面重建算法,该算法以Denunay三角剖分为基础重建三维模型的粗糙表面,再用Loop方法细分模型网格,结合光度相似函数和Snake模型的内部能量函数迭代优化网格表面,完成模型的表面重建。三维人脸模型的重建需要感兴趣区域检测、特征点检测与匹配、稀疏点云重建、稠密点云重建和表面重建等步骤。首先要检测感兴趣区域,人脸图像的检测采用Harr分类器;人脸人耳图像的检测采用Dlib库和人耳之间的几何关系。其次,利用SURF、K最近邻和随机抽样一致的融合方法检测并“两步”匹配特征点,得到图像对之间的几何约束关系,利用此关系和相机焦距等内参数重建稀疏点云模型。在此基础上选择最佳视图对,估计深度图并将其精细化、融合以重建稠密点云模型,最后利用提出的表面重建算法重建模型表面,得到精细化的三维模型。仿真实验结果表明:重建的三维模型精度高、表面平滑,与真实人脸相似;图像张数越多则重建模型的精度越高。本文算法可应用于模型精度要求高的身份识别等场景。