近年来,随着人工智能技术的飞速发展,基于人脸单视图重建3D人脸的研究和应用为人们的日常生活和娱乐活动带来了极大的便利。同时,简单、迅速、高效地重建3D人脸也一直是计算机视觉领域中一个极具挑战性的研究热点。为此,本论文进行了以下工作:首先,基于人脸正视图来开展3D人脸重建。在选择人脸正面图像后,本文采用主动形状模型(Active Shape Model,ASM)算法进行人脸对齐,从而检测出图像中的人脸特征点。接着修改Facegen导出的模型作为基准3D人脸模型,并建立特征点与模型顶点之间的映射关系。根据这个映射关系,使用径向基函数(Radial Basis Function,RBF)插值算法进行插值,进而将基准3D人脸模型形变为个性化的3D人脸模型。为了重建具有较强真实感的3D人脸,本文接着采用了Open GL纹理映射技术对3D人脸模型进行纹理贴图。其次,设计和开发了基于人脸正视图的3D人脸重建系统。该系统整合和完善了上述的所有人脸重建流程,并且合理地设想了基于人脸正视图的3D人脸重建场景,使用户可以根据系统功能与交互逻辑进行3D人脸模型的构建、调整以及输出,从而实现一站式3D人脸重建。最后,本文采用位置图(Position Map)表示3D人脸模型,并结合神经网络实现了基于复杂姿态人脸图像的3D人脸重建。该神经网络首先对人脸图像进行下采样提取特征图,随后将特征图用于上采样生成位置图。在神经网络中,下采样模块由残差块(Residual Block)堆叠而成,上采样模块则由本文提出的直连上采样块(Shortcut-upsampling Block)组成。此外,本文还提出了动态权重损失函数,以促进神经网络进一步收敛。实验表明,采用直连上采样块的神经网络在网络模型大小只有121M的情况下,快速地实现了优异的3D人脸重建。