三维人脸建模在识别认证、影视广告、游戏动漫、医学整容以及虚拟现实等领域有巨大的应用价值,取得了国内外众多学者的高度关注。传统的三维人脸建模方法主要依据多幅人脸图像来提取面部特征信息,再通过逼近算法完成对一般模型的修改和优化,而近年来出现的基于单张面部照片的三维人脸重建技术被广泛应用于各个领域,是三维人脸重建的一个新的研究方向。本文基于模型修改的方法,对单张面部照片重建真实感三维人脸模型进行研究,主要工作内容包括:(1)面部特征点定位。基于ORL人脸数据库,采用主动形状模型法训练目标图像中人脸面部全局形状模型和局部纹理模型,在模型的搜索阶段,将照片中两眼和嘴巴中心设定为全局形状模型的初始位置,通过局部纹理模型完成面部特征点的精确定位,同时将特征点的平面信息(x、y轴坐标)进行存储,为三维网格模型调整阶段做准备。(2)基于神经网络方法对面部特征点的深度值进行估计。针对传统BP神经网络中各层上初始权值和阈值随机生成而导致网络训练过程存在缺陷的问题,文中运用L-M法优化神经网络中的权值和阈值,从而可以估计面部特征点的深度值。(3)基于近邻加权方法对面部特征点的深度值进行估计。由于最近邻法利用样本集中某个最优解估计特征点深度信息误差较大,引入局部线性嵌入算法中的K近邻思想,用于估计面部特征点的深度值。同时在Matlab平台完成仿真实验,将上述两种方法的实验结果分析对比,采用精度较高的方法提取三维人脸重建中特征点的深度数据(z轴坐标)。(4)平均三维人脸模型比例调整。首先详细分析了Candide-3模型的组成结构,然后根据获取的面部特征点三维坐标数据调整Candide-3平均三维网格模型到特定人脸网格模型,最后进行纹理映射,生成真实感较强和平滑性较好的三维人脸模型。通过对以上几个方面的深入研究,最终实现了基于单张面部照片的真实感三维人脸重建,实验结果验证了本文所提出方法的准确性和可行性。