在虚拟教学中,授课教师的地位举足轻重,而虚拟教师授课主要通过直观的面部表情传递信息,因此面部合成的实效性至关重要。但传统的面部表情合成方法,存在因驱动复杂拓扑结构模型出现的局部失真、细微表情欠缺现象,因计算量较大带来的延迟现象等。为此本文基于面部高质量建模和面部表情实时驱动两部分关键技术进行了深入研究,有效提升了合成面部的真实性和实时性。在三维面部建模方面,本文在传统纹理映射的基础上针对拼接重合点较少、侧脸效果失真、衔接处拼接效果差等不足提出了基于正面及左右侧面照片的纹理合成方法。通过设定一个标准纹理模板,基于四角网格的图像变形算法、仿射变换进行分区域映射,建立出更具真实感且与表演者高相似度的面部纹理。生成模型后,针对模型与表演者面部特征点之间的匹配度低、特定器官容易出错的问题,提出了建立模型特定器官特征点局部坐标系的方法对模型的特征点数据进行优化,实现了模型与表演者面部的精确高质量匹配。在面部实时驱动方面,本文针对传统方法生成复杂面部表情时局部失真、延迟等问题,提出了基于肌群分布的径向基函数（Radial-Basis Function,RBF）插值变形人脸表情驱动算法。将面部划分成三个区域分别进行插值,根据肌肉模型选取控制点,减少非必要的面部数据,优化了面部合成效率,从而提高了表情重构的实时性。为了实现逼真的面部表情合成,使模型的皱纹等细微面部特征更加接近真实表情,提出了一种创建皱纹表的纹理合成方法,该方法可以根据目标表情,提取并合成适当的表情性皱纹,最终得到更贴合表演者的细微表情特征。为了验证本文提出算法的有效性,本文展示了12个较为复杂表情的合成效果,并完成了多种表情驱动算法下合成表情的精度和速度对比。实验结果表明,本文提出的基于正面及左右侧面照片的纹理合成算法、基于肌群分布的RBF面部表情驱动算法和细微表情合成算法生成的人脸不论是在质量上还是在时效上均满足虚拟教师系统需求,并已推广至大中小学教育、宣传片制作等领域。