三维人脸重建是计算机视觉领域的重要研究内容,在人脸识别、动画影视和游戏制作领域极具应用价值。目前,基于深度学习的方法已经成为主流方法,在人脸复杂特征学习且三维人脸模型重建方面具有优势,本文考虑了重建方法的鲁棒性、重建过程中部分区域稀疏、重构后人脸弯曲处表示不丰富问题,并且设计和实现了一个三维人脸重建系统。为了增强人脸重建模型的鲁棒性,本文从人脸特征角度进行研究,改进了基于深度交叉网络的三维人脸重建模型。在UV位置坐标空间表示三维人脸前提下,采用编解码的方式对特征进行处理,通过对特征进行下采样处理,可以减少计算量,同时也能够获得较大感受野的特征图。本文在下采样结束的位置引入了深度交叉网络,该网络通过引入权重和偏置分量,能够对原始的特征进行处理并成新的特征向量,使得新生成的特征和原始特征具有相关性。通过在数据集上对该方法进行验证,证明了该方法能够获得良好的效果。针对人脸重建过程中部分区域稀疏和重构后人脸弯曲处表示不丰富的问题,优化了基于网格致密的三维人脸重建算法。三角网格算法在人脸重建过程中能够对人脸面部区域进行良好的曲面拟合,曲面位置含有较多的三角面片。通过增加采样点能够使得网格致密性更好,本文使用拉格朗日插值法对网格中的点进行重采样,并对三角网格进行重新构造,最终获得更加致密的人脸模型。实验对网格致密前和网格致密后的重建效果进行对比,证明了本文方法的有效性。结合这些研究,本文设计了三维人脸重建系统,用于实现对二维人脸进行三维人脸重建。