人脸是人类生物识别的重要信息载体,是人类起源以来最为重要的生物特征之一,它能够表达一个人独特的身份信息、情感信息等。随着计算机视觉与计算机图形学的发展,科学家们开始着力于用于分析人脸的相关计算工具与方法。近年,便携式数码设备被迅速普及,人脸图片的获取相较于过去也变得更容易,使得对人脸的分析可以在不同的领域得到广泛的应用,比如人机交互、动画制作以及安全防控等。同样,随着三维技术的快速发展,利用三维重建技术构建人脸模型分析人脸可以应用于影视娱乐、智慧医疗以及人脸识别等领域。目前,三维人脸重建技术在学术界以及工业界有着广泛的研究,主要方法分为主动式三维人脸重建与被动式三维人脸重建。其中,主动式三维人脸重建方法一般在特定的室内或光照条件良好的室外条件下,利用结构光或激光扫描仪等高精度三维仪器采集人脸的几何形状数据以及纹理颜色数据。此种方法能够构建高精度且具有真实感的三维人脸模型,但重建条件太苛刻,需要使用专业的物理设备采集人脸数据,不利于普及。被动式三维人脸重建方法则主要基于已有的人脸图片或视频序列,结合先验知识重建出三维人脸模型。同样,被动式三维人脸重建方法可分为基于光度法的重建方法、基于形变模型的重建方法以及基于深度学习的重建方法。基于前两种传统方法重建出的人脸模型对图片中光照、人脸姿态以及遮挡等条件要求较高,且重建出的人脸模型都大致相似。随着深度学习在各领域掀起变革,它在人脸重建方法中也得到广泛应用,基于深度学习的相关方法一般是结合传统的人脸重建方法作为网络学习的先验知识,绕开了复杂的优化过程,极大程度简化了重建方法。因此本文结合深度学习中的卷积神经网络与传统的三维人脸形变模型,基于单张二维人脸图片重建高质量三维人脸模型。本文主要工作内容分为以下两个部分:（1）针对人脸几何形状的重建,为了解决现阶段存在的大姿态、极端光照以及遮挡情况下面部重建效果不理想的问题,本文提出一种基于端到端网络的UV空间映射人脸几何生成方法。具体地说,本文结合三维形变模型,将带有人脸对齐信息的人脸几何形状数据存储至图形学领域常用于存储纹理贴图的UV空间当中,形成三维人脸形状模型在二维UV空间的存储。其中三维人脸模型的三个空间坐标（X,Y,Z）可利用UV空间的颜色通道来表示,简化了传统人脸重建方法复杂的优化过程。同时通过对大姿态三维人脸数据集执行旋转、缩放、改变颜色通道以及加入遮挡等扩充操作,结合对人脸识别网络基础模块堆叠的端到端网络与高效的损失函数,消除了人脸重建过程产生的伪影。最终实现了在极端光照环境、大姿态以及遮挡等苛刻条件下从单张二维人脸图片到三维人脸形状的重建。（2）针对人脸纹理的重建,现阶段存在的少部分能够重建出具有真实感的人脸纹理方法并未向外界公开其高质量的人脸纹理数据。因此,为了解决高质量人脸纹理数据的缺失,本文提出了基于深度学习的三维形变模型纹理重建方法。具体来讲,本文利用三维形变模型形状部分结合平均纹理以及主成分的基构建初始三维人脸模型,作为网络训练的先验知识。同时,利用高效的人脸识别网络基础模块搭建编码器结构,拟合二维人脸图片估计三维形变模型参数、球谐函数的光照参数以及视角转换的相机参数。结合网络渲染层模拟环境光照,将三维人脸模型渲染生成二维人脸图像。最后,通过设计高效的损失函数使得网络可以学习得到具有身份辨识度的高质量三维人脸纹理模型。