近年来,人脸识别在各行各业有了广泛的应用,快速高效的人脸识别方式也引发了大量的研究。对比二维人脸识别,三维人脸识别有在针对光照、姿势、表情等鲁棒性更高的特点,识别率更高。但是,由于三维人脸数据获取较为困难,且其需要依赖专业的仪器设备,导致现有真实三维人脸数据集较少。因此,本文研究了基于单张图片重建的三维人脸识别,通过三维重建方法构建三维人脸数据,从而进行三维人脸识别。三维人脸重建的方法大多依赖于真实的三维人脸数据来训练网络结构,为了减少网络对真实三维数据的依赖,本文提出基于弱监督重建的三维人脸识别模型,利用该网络模型,将三维人脸数据投影到二维平面上,计算二维投影与真实二维人脸图像的损失并反向传播达到训练网络的目的。基于弱监督重建的三维人脸识别从训练到识别都只需要二维人脸图像,不需要任何真实的三维人脸数据,减少了三维人脸识别成本。并且,本文还提出了将同一张人脸的三维人脸匹配概率和二维人脸匹配概率进行加权处理,以得到最终的识别结果。通过实验验证,本文提出的三维人脸识别方法精确度比二维人脸识别精确度高,二者结合起来人脸识别精度也有较大提升。三维人脸识别的相似度计算使用的是余弦相似度,做余弦相似度比较时,特征向量的分布越简单,相似度计算越简单,比较结果更好。但三维人脸特征向量分布较为复杂,对比较结果有一定影响。因此,本文使用Flow生成模型的思想,引入一个线性变化,将三维人脸特征向量的复杂分布向更加简单的标准高斯分布拟合,使余弦相似度度量更优的同时减少了计算量。实验验证,引入这个线性变化后,三维人脸识别的结果精度有一定的提升。最后,本文设计开发了一个基于人脸重建的三维人脸识别系统。利用Py Qt模块设计了人机交互界面,实现了对指定二维人脸图片和拍摄二维人脸图片的重建与识别,最终显示识别的人脸身份。