随着多媒体技术的发展,三维人脸建模技术近几年来成为计算机视觉等领域中的研究热点,模型建立的准确性将直接影响后续图像的处理效果。主动表观模型建模速度快,模型容易调整,因此本文对基于主动表观模型算法的三维人脸建模技术进行分析、研究和改进具有重要意义。本文主要针对人脸模型建立过程中的速度和精度问题,展开了以下研究:(1)首先针对主动表观模型建立过程中纹理向量和形状向量在拟合过程中维数可能不一致的问题,先对向量进行归一化处理,再通过引入参数c,将形状向量和纹理向量有机结合起来,实现了两者之间较好的拟合效果。并且通过调节参数c,可以使所建立的主动表观模型更加稳定,更加有效,更加符合我们的要求。(2)本文将Loop细分算法运用到Delaunay三角剖分算法中,对初始生成的人脸形状和纹理网格模型进行细分,并用光顺技术对生成的人脸网格模型进行了优化,最大程度地避免了病态三角网格的出现,从实验结果可以看出我们得到了具有较高真实感的人脸三维形状和纹理网格模型图。(3)针对目前基于主动表观模型的三维人脸建模方法参数众多,目标函数复杂,匹配速度慢和匹配精度不高的问题,本文用PCA对模型进行降维,并提出了基于改进的方向自学习遗传算法的模型匹配算法,实验结果表明基于改进的方向自学习遗传算法的模型匹配算法,模型匹配算法的鲁棒性得到了提高,算法的收敛速度也有所加快,模型的匹配精度也提高了。