随着机器学习算法的快速发展，人脸检测与特征点识别效果得到明显提升。Cao等对150名实验人员进行20种不同表情的人脸数据采集，包括RGBD数据与3D人脸网格模型，建立了FaceＷarehouse数据库。采集对象由不同性别、年龄、种族构成，涵盖范围广。以FaceＷarehouse中数据作为基础，Cao等对图像中人脸特征点进行标定，使用Cao等提出的训练方法得到人脸特征点回归模型，能够对视频中人脸特征点进行稳定跟踪。在视频中测试对象作出不同夸张表情下，此算法也能保持特征点识别的准确性和不同顿之间的连贯性，得到广泛应用。

Zhu等使用Basel Face Ｍodel数据库和Faceｗarehouse数据库来构建3DＭＭ模型。通过调整3DＭＭ模型中的身份分量（Aid）和表情分量（Aexp）使3DＭＭ模型特征点投影到2D图像平面上的位置，与输入图像上人脸特征点检测结果一致。由此得到人脸3D重建模型。Baltrusaitis等也使用类似方法进行3D人脸重建。Thies等将Zhu等基于特征点匹配方法和Blanz和Vetter基于重道染图像匹配方法相结合，使用GPU进行加速运算，对视频中人脸进行实时重建。本章中采用基于Blanz和Vetter的3D人脸重建算法。