基于照片的人脸3D建模技术一直是学者们的研究热点,并且在影视动画制作、游戏设计、人脸表情识别等领域取得了很多应用。目前的人脸3D建模技术算法较多,但是建模效果及效率等方面仍然存在许多需要改进的地方。提出了一种从单张照片重构出3D人脸模型的算法。该算法的核心是采用了神经网络用作函数映射逼近,函数输入是人脸平面特征点坐标,输出是深度坐标,使得深度信息尽可能接近真实效果。建模算法实现了以下成果：(1)首先选择BP网络作为映射模型。并采取遗传算法辅助训练BP连接权系数,同时优化神经网络学习方法。实验证明优化后的BP算法效率更好。(2)其次采用RBF神经网络做映射模型。采用正则化网络改进过拟合问题,取得较好的效果。通过实验对比两种神经网络的性能,径向基网络训练的速度更快一些,且鲁棒性优于BP网络,但是遗传神经网络建模速度较快。(3)建立人脸照片样本数据库,定义了标准模型的特征点和形状单元,采用了基于局部形状单元的特定人脸模型的变换算法。针对两种神经网络,应用各自的深度拟合算法。(4)针对双线性曲面插值的问题,采用NURBS插值的曲面重构方法,以较少的计算量完成了曲面重构。最后,根据NURBS插值特性,采用圆柱纹理映射模型完成纹理映射。最后通过实验验证了算法的正确性,实现了逼真三维人脸效果。