近年来,随着社会的不断发展和人们生活水平的不断提高,人体运动科学在人们的日常体育健身活动中越来越受到关注。如今肥胖问题成为整个社会关注的焦点,如何能够科学有效地进行运动减肥,并且评价运动的效果,成为了人们关注的热点。与此同时,计算机视觉技术能够给人们带来参与感和更直观的体验,与竞技体育、日常健身等方面的融合越来越深入,出现了很多创新应用。人体的二维图像中携带着各种各样的生物特征信息,利用计算机视觉技术从二维图像中估计出人体体重在现实生活中具有重要意义。非接触式的人体体重估计是计算机视觉、人体测量学和人体运动学相结合的一项备受关注的技术。与传统的接触式称重相比,非接触式的人体参数测量、人体运动评价等有着更广阔的应用前景。基于二维图像的人体体重估计方法的难点是如何将二维图像中的人体像素与现实场景中的人体相对应。传统的研究方法是通过使用Kinect深度传感摄像头或者热传感相机等设备获取人体在图像中的深度信息以及人体轮廓,并进一步提取人体图像中的特征,最后回归计算出图像中人体的重量,其昂贵的设备限制了该类方法的大规模普及应用。而从普通摄像头所获取的二维图像中难以提取到精确的图像深度信息,无法将像素场景与实际场景对应起来,进而难以准确的估计出图像中物体的实际大小。本文将计算机学科与人体运动学科知识相结合,研究基于二维图像的人体体重估计方法。本文首先基于相机成像原理,分别通过固定摄像头姿态和选定参照物两种方法实现了对二维图像中物体的高度估计。然后根据人体测量学的先验知识选取与人体体重密切相关的人体外部特征,将人体关键点检测模型与图像语义分割模型相结合,基于深度学习对人体在二维图像中的外部特征进行回归计算,得到人体质量指数BMI(Body Mass Index),最终结合人体身高和BMI指数,实现了基于二维图像的人体体重估计。实验表明,与传统方法相比,对二维图像中的人体体重估计时,本文的估计重量与实际重量之间存在较小的误差,相比于肉眼对人体体重进行估计有着更高的精度。