人脸识别是当前生物特征识别的热点之一，并且在信息安全、视频监控、视频跟踪等领域有着广泛的应用前景。目前的人脸识别方法主要集中在二维图像方面，但由于受到光照、姿势、表情变化等因素的影响，其识别的准确度受到很大的限制。到目前为止，建立一个鲁棒的人脸识别系统仍然是一个很困难的问题。三维人脸模型具有比二维人脸图像更丰富的信息，利用三维人脸模型是解决目前问题的有效方法之一。三维人脸识别中的核心部分是建立对应的三维人脸模型,而如何获得形状模型和精确的纹理影射是构建模型的关键性。目前这个问题在人脸重建领域还是尚未很好解决的问题。 本文正是在这些背景之下，深入研究了基于图像和模型的人脸模型重建方法，提出了全新的重建思路，并讨论了重建模型在几大热门领域的应用。具体研究内容有几个部分： 1)基于人脸检测基础上的局部和全局特征提取生物特征提取是最近值得关注的研究热点，这也是模型重建的重要前期工作。对于局部特征，本文考虑眼睛和嘴唇检测。其中瞳孔中心的提取用于ASM算法的初始定位，为提高更好的收敛做好基础。嘴唇检测是对ASM模板检测结果的有效补充。对于全局特征，本文采用改进的ASM算法。 2)提出新的模型重建思路只用一幅正面人脸图像重建其对应的三维人脸模型。对于重建过程，本文将其分为形状重建和纹理影射两个部分。形状重建基于特征点提取的基础，将二维和三维进行很好的结合，最优化逼近获得三维特征点，最后根据弹性算法将其变形获得形状模型。而纹理影射，本文在前面的形状重建过程有很好的配准关系，辅以一定的仿射变换，可以获得较好的影射效果。 3)对应人脸模型的应用研究人脸重建模型不仅仅是对三维人脸识别系统提供很好的方法，同时在诸多方面有较为宽广的应用。本文在人脸识别、医学用途如隆鼻、人脸动画、计算机视觉图像处理等方面展开讨论，对工业生产、计算机领域的发展起到了一定的推动和引导作用。 对于上面的几个方面的深入研究，本文主要在以下几个方面取得了一定突破和进展，获得了一定研究成果。 1)瞳孔的检测较为精准，使用了改进的代价函数的方法获得，准确率达96％以上；同时巧妙应用了人脸的拓扑统计结果，准确率可以达99％； 2)嘴唇检测的结果使用模糊C均值聚类的方法，获得较好的检测结果； 3)使用改进的局部与整体相结合的方法，使ASM人脸特征点检测结果大大改善，为后面的重建奠定基础； 4)只用一幅图像进行重建； 5)只用一个模型进行变形，而不是利用数据库进行训练获得形状模型； 6)三维重建时间少，在P IV 1.0G的配置下平均重建时间0.11秒； 7)利用了一些比较好的图像分割算法进行更好的特征点定位； 8)利用特征点的思路是将模型变形到合适的特征点上。这里是首先获得对应的三维特征点，然后直接变形获得形状重建。并且使用了具有创新的直接三维模型上取点的专利技术。