在颌面整形医疗领域,医生为了制定手术或者治疗方案,需要对患者进行人脸建模。本文研究基于深度学习的人脸三维重建技术,并实现了一套颌面整形临床应用的人脸三维模型成像、重建及测量分析系统。立体匹配问题是三维表面重建技术中的关键环节,有效的图像特征提取是完成立体匹配的重要基础,本文实现了一种结合上下文语境特征和多尺度特征融合的立体匹配算法。上下文语境特征的采用可以解决图像中显著目标和不显著目标的特征信息的不均衡性问题,多尺度特征融合可以有效提取图像中同一目标的不同尺度特征信息。本文通过实验证明算法输出视差图的3像素匹配错误率可以降低4.57%,有效地提高了立体匹配算法的匹配准确率。原始图像中存在的遮挡、低纹理、光照不一致等病态问题是立体匹配算法面临的重要难题,本文实现了一个基于编码-解码架构的立体匹配算法。算法网络结构中加入了可以提取多尺度特征信息的空间金字塔网络模块,以及可以提取全局上下文信息的三维卷积网络。视差回归采用了可微的soft argmin函数,可以直接从视差成本量中回归出亚像素级视差值。实验测试显示,该算法有效降低了病态区域导致的误匹配概率,匹配速度可达到100毫秒/帧。人脸构造具有特殊性,从左耳到右耳涵盖了将近200度的范围。仅仅使用双目成像系统采集图像难以获得足够完整的面部信息。本文设计了一个基于多目立体视觉成像原理的图像采集系统,有效扩展了成像系统的拍摄视野。该采集系统整合了两个双目成像系统分别采集左侧面部和右侧面部图像,为重建算法提供了完整的面部图像。基于该方案所实现的系统在临床中已成功应用。基于以上工作,本文实现了一个基于深度学习的真实人脸三维重建及测量分析系统。系统采用被动立体视觉的面重建技术,可以实现一次拍摄即可重建高质量、真实感的人脸模型的目标。同时,为满足临床应用需要,系统还实现了对三维人脸模型距离、面积、曲率等参数的基本测量功能以及双人脸模型的配准功能,可以帮助医生对术前术后效果进行测量与分析。