一直以来,人脸都是计算机视觉和图形学的热门研究领域。随着智能手机的普及,用户对于人脸美化、人脸识别、人脸动画等人脸相关的任务需求量巨大,促使学术领域的更多研究员投入到人脸相关的工作。与此同时,社交网络上大量的人脸图片也为研究提供了便利。现有的一些关于人脸的研究,比如人脸识别、人脸配准等,仅依靠二维手段完成这些任务已经陷入了瓶颈,因为图像中人脸姿态及光照环境变化多端,需要依靠三维模型对光照、姿态等条件进行建模,来辅助提高人脸识别、人脸配准等工作的准确率。然而,从二维图片中重建三维模型是一个病态问题,为了解决这个病态问题,学者们引入了一些先验知识,三维形变模型是其中最常见的之一。三维形变模型是一种统计学模型,它是对真实的三维人脸模型的提炼与简化。本文提出了一种基于三维形变模型的快速、高效的三维人脸重建方法。与传统基于三维形变模型的合成分析法不同,我们的方法是配准点驱动的,我们建立了从稠密三维点到稀疏二维配准点的映射模型。但是仅仅依赖于配准点会产生过拟合的问题,因此,我们充分挖掘了配准点附近的纹理信息,用可判别的局部纹理特征指导模型参数的更新。实验表明,我们的算法非常的快速鲁棒。我们模型中的每一个变量都有其对应的物理意义,因此求解出这些参数,我们的算法还可以应用于人脸配准、人脸跟踪、人脸姿态估计、人脸动画等领域。