由于三维人脸识别在人脸识别方面表现优异，其应用变得越来越广泛。作为三维人脸识别的前提，三维人脸重构也引起了研究者越来越多的关注。　　仿照人类视觉系统，双目立体视觉是三维人脸重构的一个比较重要的方法。本文使用两个普通的摄像机搭建了双目视觉系统，并利用Matlab工具对两个摄像机进行校正，计算出摄像机内部参数和外部参数。立体匹配是双目立体视觉的难点，本文选择了稠密匹配方法来实现，并在Texas3DFRD数据库中成功进行了人脸匹配。作为方法的改进，本文提出利用主动形状模型(ASM)提取人脸特征点，并根据这些特征点的视差范围来约束匹配算法的搜索范围，减少匹配的时间，并降低误匹配率。　　本文提出了的人脸识别改进方法，来降低人脸姿态对人脸识别率的影响。该方法是先估计待识别人脸的姿态，并将3D人脸数据库旋转到相同的姿态，再投影到二维图像作为训练数据库，最后利用经典的二维识别算法进行人脸识别。经实验验证，在待识别人脸与数据库中的人脸有10°的差别时，传统的二维人脸识别率开始急剧下降，而本文提出的算法识别率基本保持不变。　　经过大量的数据库验证，本文提出的人脸稠密匹配的改进算法缩短了人脸重构的时间，并提高了其精确度；人脸识别的改进方法降低了人脸姿态对识别率的影响。