近年来,三维人脸重建已成为研究热点内容。它在计算机视觉、人工智能等领域都有出色表现。而我们日常生活中使用的监视器一般都处于人脸上方,获取到的俯拍图片会缺少很多人脸的信息,不利于重建,所以目前使用单张面部俯拍图像进行三维人脸点云重建的研究相对较少。本文研究利用人脸的二维俯视图像进行三维人脸点云重建,提出了一种用于三维点云重建的生成对抗网络,主要内容如下:(1)构建基于树形图卷积的Wasserstein GAN,其能够对输入的任意噪声进行三维人脸点云生成;(2)在(1)的基础上改进得到条件生成模型,可将单张人脸俯拍图像作为输入条件,与采样的噪声同时作为输入进行人脸重建工作,并且在Wasserstein GAN原生损失函数的基础上将Chamfer Distance也作为评价指标;(3)为了与(2)进行对比,设计了一个根据多角度人脸二维图像进行条件重建的模型;(4)收集、处理实验所需数据。本文中的三个模型都使用Wasserstein GAN作为主体,同时引入了树形图卷积神经网络作为生成器。树形图卷积神经网络可以获取祖先信息来增强特征的表示能力,加快运算速度。使用全连接网络作为判别器。文章从获取数据开始,逐步完成整体工作,包括处理数据、训练网络、实验结果比较等等。模型取得了较好的重建结果,网络的重建效果、运行速度相比于其他人脸重建工作也有改进。而(3)中的模型在损失了运行时间的前提下与(2)相比并未取得明显改进,所以基于单张俯拍图像进行重建的模型权衡之下能达到最优效果。