三维人脸建模一直以来都是计算机视觉领域研究的热点,随着科学技术的不断发展,三维人脸建模方法更是多种多样。大部分三维人脸建模方法在采集人脸信息时,都需要人脸以固定的姿势拍摄,限制了它们的应用范围。运动恢复结构算法能够从随意拍摄的人脸视频中恢复出人脸的三维信息,不需要利用先验的三维人脸信息。近年来该算法不断被改进,且能够计算出精确的人脸三维信息。在此基础上本文对运动恢复结构算法进行更深入的研究,克服该方法在三维人脸建模中的不足之处。具体改进部分主要有以下几个方面：(1)针对运动恢复结构算法对特征点敏感的问题,本文设计了一种特征点筛选方法,利用Gabor滤波器的方向选择性和尺度选择性,提取特征点所在图像块的纹理特征,用来判别特征点的准确性,去除错误的匹配特征点。(2)遮挡、不匹配的特征点等因素会造成二维特征点序列存在缺失值,导致三维信息的精确性降低,针对该问题,本文设计一种自适应列空间拟合算法对缺失值进行估计,尤其对小样本图像序列的缺失值估计效果较好。(3)基于旋转不变核的非刚性运动恢复结构算法可以恢复出较精确的三维结构,但是参数变化会对算法的性能产生影响,本文设计一种改进的旋转不变核函数度量二维特征点序列之间的相似性,降低参数变化对算法的影响。将本文所提方法分别在数据集上进行实验,验证所提方法的有效性。最后将本文方法应用在三维人脸建模系统中,验证该系统的可行性和有效性。