人体三维重建作为计算机视觉的一个子领域在最近几年发展迅速,其应用领域也愈发广泛。一方面,这项研究对人们日常生活和工作的方方面面都提供了非常多的帮助。另一方面,这项工作在科研领域也为计算机理解人体三维信息,认知三维世界提供了可能,是未来计算机视觉变革的前沿。为了解决现有的人体三维重建方法存在的耗时长,精度低等问题,本课题在已有的基于深度信息的人体三维点云重建算法的基础上提出了新的基于单目相机的人体稠密三维点云重建方法。对于基于深度学习的人体三维模型重建算法,提出了新的特征点提取方法,加入了新的约束,进一步优化了极端姿态的重建效果。此外,还对比了这两种重建算法的优劣之处,展望了后续的研究工作方向。具体研究内容如下:1)针对人体三维点云重建方法的低精度和高耗时问题以及对设备和环境光线的高依赖问题,本文提出了基于单目相机的稠密人体三维点云重建方法。首先,对实验设备单目相机进行了标定,并采集了人体图片序列作为输入。然后选用SIFT特征点描述子提取特征点并完成匹配。针对误匹配情况和单目相机带来的问题,进行了背景分割等图像预处理。在重建的稀疏点云的基础上,提出了基于区域生长的点云稠密化方法,最终得到了稠密的人体三维点云重建。最后分析了基于单目相机的人体三维点云算法的优缺点。2)使用深度神经网络提取了人体特征点用于后续的三维模型参数估计。作为人体模型重建的基础,二维特征点提取是重要环节。本文首先介绍了面部的特征点的提取工作,提出了结合级联神经网络和轻量级网络对多尺度多人脸图片进行特征点匹配的方法。然后介绍了对手部特征点的提取,结合级联神经网络和手部关节点检测模型对手部关节点进行提取。最后训练了堆叠沙漏网络识别人体关节点和双脚特征点。针对各部分网络,分别进行了对应的数据集预处理,包括尺度变换,图像增强,训练集融合等工作,最后完成了二维特征点的精确检测。3)在利用特征点估计人体三维模型的基础上,针对人体三维模型重建在极端姿态方面不够精准的问题,提出了新的约束,优化了极端姿态的重建效果。首先,将面部特征点和手脚特征点这些能够体现重建细节的部分加入到人体三维模型姿态恢复工作中,重建出姿态正确,细节完整的三维人体模型。然后,针对本课题遇到的极端姿态,提出了一些改进方法,在保证高效重建的同时,优化了人体三维重建的效果。