基于我的毕设以及最近的一些调研，准备写一篇比较好的CSDN BLOG
三维人脸重建的意义：
人体最重要的生物特征之一就是人脸，而人脸研究特点主要集中在人脸识别方面，2D人脸识别虽然取得了很大的进展，但由于2D信息本身的局限性，仍然会有很多无法解决的问题，例如人脸姿态和光照条件对于识别的影响. 因此，3D人脸识别成为最近研究的热点.
RGBD：
从ICCV 2013来看，深度学习，中层特征，以及RGBD成为三大主流趋势，主流意味着足够多的idea，在RGB之外有了D这一维，信息又会多很多~so，研究RGBD很有意义
基于RGBD视频的三维重建调研 的步骤
深度图像预处理-->人脸检测-->人脸区域分割-->人脸区域追踪-->提取3D人脸点云数据--->点云配准以及数据整合-->人脸3D模型生成
深度图像预处理：
双边滤波
人脸检测：
cascade+Harr
人脸区域分割：
深度图像的阈值分割
人脸区域追踪：
meanshift+LBP
提取3D人脸点云数据：
PCL
点云配准以及数据整合：
ICP算法
人脸3D模型生成：
Frame to Model
to be continued~~~~
基于RGBD视频的三维人脸重建,布布扣,bubuko.com
原文：http://blog.csdn.net/wangzhebupt/article/details/20047819