1、人臉是人體重要的生物特征之一，也是傳遞感情的重要載體。三維人臉建模因其在人臉檢測、人臉識別和計算機動畫等方面的廣泛應用前景而成為圖像處理、計算機視覺和計算機圖形學領域的熱點研究問題。
　　雖然用三維掃描儀可以直接獲取高精度的三維人臉信息，但這類三維采集設備較為笨重、造價昂貴、采集要求嚴格且采集所需計算量大，極大地限制了三維人臉在實際場景中的應用。而近年來逐漸普及的消費型RGB-D設備，雖然精度不足，但是價格較低且能夠實時獲取RGB

2、圖像和深度圖像，是一種有望于把三維人臉建模推向實際應用的有效模式。本文旨在研究基于消費型RGB-D設備的人臉采集、建模與建庫方法。
　　本文首先介紹了用于獲取RGB-D數據的深度獲取設備Kinect的主要結構與相關工作原理，搭建了Kinect的開發(fā)環(huán)境。隨后，介紹了RGB-D數據的采集方法，設計了基于RGB-D數據的三維人臉建模流程并開發(fā)了相關的人臉采集與建模程序，提出了一個基于RGB圖像的三維人臉矯正算法并設計實驗驗證了該算法的

3、效果。
　　接著，為了建立RGB-D三維人臉數據庫，本文針對RGB-D數據精度較低的特點，提出一種基于可變模板的三維人臉標準化算法。其思路是根據低精度三維人臉的頂點數動態(tài)確定二維模板的大小，采用高精度數據生成重采樣模板，從而實現低精度三維人臉頂點間的一一對應。實驗結果表明該算法可高效地對Kinect采集的低精度三維人臉數據進行標準化，同時較好地保留其關鍵信息。
　　最后，基于以上技術，本文針對自由場景中的人臉識別與建模問題采

4、集了一個多模人臉數據庫SWJTU-MF DB。該數據庫采用4種不同設備采集了200個中性表情中國人的人臉樣本數據。采集的數據包括可見光圖像、二維視頻序列、三維人臉（高精度）和立體視頻序列，具有以下三個特點:1）模態(tài)不同。同時包含二維圖像與三維形狀數據;2）分辨率、精度不同。不但采集了分辨率不同的人臉圖像，還采集了精度不同的人臉模型;3）動靜結合。同時包含了動態(tài)與靜態(tài)人臉數據。為三維人臉識別、三維人臉重建分析、姿態(tài)分析和人臉特征點定位等問