随着计算机和互联网技术的快速发展,服装等传统行业也逐渐向高效、以用户为中心的模式转变,虚拟试衣间得到了广泛的关注和研究,如何利用计算机技术快速测量出人体的身材参数,是虚拟试衣技术的一个核心问题,也是机器学习和计算机视觉领域中一个非常重要的研究课题。本文采用梯度渐进回归树GBRT模型,对远程量体问题进行了探索和研究。在人体体型特征抽取方面,本文提出了从二维图像中构造特征的方法,通过交互拟合贝塞尔曲线得到腰围、胸围和臀围等部位的长度。接着本文对获取的特征进行了重要性分析,剔除掉冗余的特征,预测的准确率提升到78.3%。最后通过对比实验,验证了本文所采用模型的高效性。此外,本文提出了基于三维重建技术的远程量体框架。我们的量体框架可以支持不同类型的输入数据,既可以是已经重建好的人体三维模型,也可以是绕着人体拍摄的多段图像序列。对于输入是重建好的人体三维模型(比如用RGB-D相机扫描得到的人体三维模型),可以直接用基于最短路算法的测地线来进行人体身材数据的测量。对于绕着人体拍摄的多段图像序列,首先通过相机跟踪和深度恢复方法获得相机位姿和深度图像,并利用采样和多视图融合技术剔除冗余不精准的三维点,接着通过特征匹配求解序列间的变换矩阵。对于特征比较少或者存在大量错误匹配点的测例,利用手工标注的匹配特征代替传统的SIFT特征,然后利用迭代近似ICP算法对初始三维模型进行精配准。最后基于最短路算法的测地线,以实际身高与模型中的测量身高之比作为缩放比例,获取人体模型上任意部位的实际长度,并结合GBRT模型,进一步提高预测的准确率。