一直以来,如何重建真实人脸3D模型都是计算机视觉领域研究的热点之一。随着三维重建技术以及相关产业的发展,人脸三维模型作为一个重要的“数据”,被应用于许多行业。同时,随着计算机视觉要处理的数据量的不断增大,以及相应处理算法对并行性的要求,传统的串行处理器(如CPU)日益“举步艰难”。图像处理器(Graphic Process Unit,GPU)不同于CPU,其设计的目的就是针对于高效处理大规模并行计算。当前,对于设计良好的并行算法,GPU的运算速度可以达到CPU的20倍以上。本文从计算机视觉出发,提出了一个基于GPU的快速三维人脸重建系统。系统分为硬件和软件两个部分。硬件部分包括作为下位机的人脸采集平台和作为上位机的算法实现平台。人脸采集平台由主体架构、采集单元、补光单元以及同步单元组成,用于采集高质量的人脸图像。算法实现平台采用CPU+GPU配置,满足逻辑控制的同时实现算法加速。为了能够快速地重建人脸三维点云数据,提出了一种基于GPU实现的局部立体匹配算法。该算法使用归一化互相关作为特征点相似性的度量准则,并使用三个约束项检验视差的有效性。为了克服局部立体匹配会生成稀疏视差图的缺点,同时也为了提升立体匹配的速度,本文建立4层的立体图像对金字塔,并采用一种逐层的迭代式精细化方法来优化每一层生成的视差图,最终获得稠密的视差图。本文在GPU上实现了该算法,经实验测试,对比在CPU(使用了4线程的实现)的表现,算法在GPU上获得了至少50的加速比。本文同样研究和分析了所提出系统的采集单元在应用场景中可能受到的影响,并提出一种用于人脸三维成像的在线标定算法。算法使用离线标定的结果作为先验知识,以“最小化重矫正误差的同时,尽可能地保持离线标定的结果”为准则,对立体摄像机对实现在线标定,更新标定参数。针对人脸皮肤的特性,提出了一种有效地提取可靠匹配点对的方法。实验结果表明,该在线标定方法在较小镜头位移的情况下,具有较好的鲁棒性;但对于那些能使双目立体视觉系统的基准尺度产生较大改变的情况(如,摄像机间距或角度的改变等),仍然需要重新使用离线标定方法来获取新的摄像机数学模型。