三维人脸模型建模技术可以广泛应用于电影、动画、游戏,室内设计以及医疗美容等各种行业。在以往的研究中,使用传统的建模技术得到的三维人脸模型存在着建模效果不够逼真且无法达到实时性的要求等问题。针对以上问题,本文针对三维人脸建模技术,提出一种基于表情分类与特征提取相结合的三维人脸建模方法。首先将图像中人脸定位出来并提取特征点信息,这些特征点可以分别标记出人脸的脸部轮廓、眉毛、眼部轮廓、鼻梁、鼻孔下周和嘴部轮廓的特征信息。然后使用卷积神经网络算法通过对特征点的位移程度进行分类,完成人脸的特征点提取和表情分类工作。同时针对Candide-3人脸模型提出一种基于不同区域粒度的Candide-3人脸模型细分算法,对于细分后Candide-3模型手动移动特征点的位置建立人脸表情模型库,之后结合表情分类的结果调用相应Candide-3表情模型,最后对Candide-3表情模型使用RBF插值算法做进一步的细致形变得到实时的三维人脸表情动画系统。通过对以上算法思路的设计与实现,完成了对人脸建模动画系统的开发与检测工作。检测实验中针对获取的视频图像,在提取人脸特征点后使用卷积神经网络进行人脸表情的分类,然后基于三维人脸模型进行三维模型的个性化调整,最终得到相应表情的三维人脸模型。实验结果表明,经过提出方法的设计,人脸模型头部更加完整,面部和轮廓信息更加丰富自然,且达到了实时性建模的要求。