人体的三维建模与表示是计算机视觉与计算机图形学领域的一个经典问题。该问题已经被研究了很久,且有许多杰出的工作。人体具有复杂的几何结构,多样的动作,三维人体的表示也丰富多样,如网格,体素,点云等,以及近些年的学术成果——参数化人体模型。对于三维人体的视觉重建任务,研究人员往往依据人体表示的不同进行人体重建算法的构建。人体重建算法分为裸体人体的重建以及具有个体化特征如衣服、头发等几何细节的人体模型的重建。传统的重建算法,如立体视觉利用多个相机的标定完成建模,另外也有利用模型成像的过程从图像阴影信息重建人体,这些方法更多关注对空间信息的复原,重建的人体几何更加细致。一些基于深度学习的方法对人体进行视觉建模,更多关注裸体人体的重建与表示。最近参数化人体模型将衣服等几何细节的参数纳入,从而能表示着装的个体化的人体模型。本文提出了一个从单目视频数据重建可驱动的人体模型的方法,该方法重建的人体模型具有衣服等几何细节,以及清晰的纹理。本文使用一个参数化的人体模型来变形拟合单目视频中人体的关节点、轮廓以及色彩,视频中人物通过旋转展示身体。重建的人体模型可以表示衣服、头发和清晰的纹理,而且可以被动作序列驱动。方法的核心是借助投影和渲染在图像空间上对人体模型进行变形与优化。本文的主要贡献是人体动作的估计,衣服、头发等几何细节的捕捉,纹理的生成,最终重建的人体达到了较好的视觉效果。在单目视频数据集People-snap-shot上的结果表明了本文方法重建人体的有效性和鲁棒性。