如何生成高精度真实感三维人脸动画是计算机图形学和计算机视觉领域的一个重点研究课题。当前三维人脸动画建模技术应用领域十分广阔，包括影视制作、人脸识别、虚拟现实以及游戏等多个方面。　　现有的三维人脸动画重建方法大多基于高质量的图像序列，很少考虑到运动模糊对重建的影响。本文基于对运动模糊现象的观察及研究尝试解决这一问题。　　本文基于一系列现有的被动式人脸动画重建算法提出了一个基于模糊感知的三维人脸动画重建系统。首先我们参考目前效果最好的基于双目匹配的静态人脸重建方法求取每一帧图片对应的几何模型;为获得人脸表情的运动情况，我们计算图片序列的光流，并且利用3D模型顶点与2D图片像素的投影关系传播网格模型的几何拓扑，建立全对应网格序列;接着，为增强人脸模型的真实感，我们根据RGB图片信息对网格模型进行细节拟合以生成毛孔级的细节效果;最后为了减弱网格模型序列在播放过程中出现的“闪烁”现象，我们采用双边滤波算法对网格序列进行平滑操作。　　在网格传播这一步中，我们提出了基于模糊感知的正则化算法。首先我们根据像素在时序上的梯度变化检测出运动模糊区域，并根据梯度变化的程度为网格模型顶点赋予不同的模糊值，基于此模糊值对网格模型采用适应性的正则化方法，即对模糊程度不同的顶点赋予不同的正则化权值。基于模糊感知的正则化算法在纠正了运动模糊区域几何错误的同时也较好地保持了原先几何模型的细节特征。　　在为网格模型添加毛孔级细节的时候，我们发现运动模糊区域的像素真实性完全遭到破坏，无法根据其梯度为网格模型添加细节，针对这一问题，我们提出了细节移植算法，根据网格之间的全对应关系将非模糊帧的网格细节移植到运动模糊区域，从而使得运动模糊区域也具有了真实的毛孔级表现效果。　　我们将本文的算法应用于几组合有部分运动模糊的图像序列上，结果显示了算法的正确性和鲁棒性。