随着三维扫描仪、深度相机等三维数据获取技术的发展,海量的三维模型以及相关的应用受到了计算机图形学和计算机视觉等相关领域研究人员的广泛关注和研究。而其中,三维人体数据的处理和分析始终是核心问题。三维人体模型在数字几何、游戏制作、电影特效以及虚拟现实等领域有着广泛的应用,有关人体的应用和研究近年来也一直不断涌现出大量的方法,三维人体重建更是具有重要的意义。目前关于三维人体建模相关研究主要包括:从二维图像中进行人体姿态估计和三维人体重建、从三维人体点云数据中进行三维人体重建、三维人体形状和姿态检索等。对于大型的人体数据集,人体姿态的检索与识别对于人体形状分析、行人识别等方面有着非常重要的意义。本文分别介绍了基于传统方法和基于深度学习的三维人体重建,并提出了一种基于神经网络的三维人体检索方法。本文提出了一种新的网络结构,首先利用一个编码网络来对输入进行特征提取,然后通过训练数据的三维人体模型参数加上编码网络得到的输入点云的特征,利用一个线性回归网络来估计输入人体点云的形状姿态参数。我们利用一个参数化人体模型来生成网络训练所需要的数据,通过在生成的人体网格上进行采样得到输入点云,用这些生成的训练数据和网络输出得到的参数误差以及重建误差来对网络进行训练,之后利用姿态参数来进行三维人体的姿态检索。实验结果表明,我们所提出的方法在一个标准库上的几个衡量指标上超出了现有的方法,而且我们的方法可以直接对点云数据进行处理,而非网格数据,与此同时我们也完成了对输入点云的重建。