随着虚拟现实、增强现实等技术的高速发展,三维模型被应用到生活中的方方面面,三维模型对人体的拟合程度一定程度上依赖于人体体型特征提取技术,方便快捷的人体体型特征提取技术可以很好地辅助相关人员进行三维人体建模。当前生活中,智能设备越来越普及,图片数据不再是难以获得的数据,因此基于图片数据研究人体体型特征提取的方法也成为一个的研究热点。同时近几年深度学习技术在计算机视觉领域取得了不菲成绩,也为人体体型特征提取指出了新的研究方向。论文提出了一种基于卷积神经网络的人体体型特征提取算法(Multi-Human-Shape CNN)的设计实现方案。算法主要解决对静态图片进行体型特征提取,得到图片中人体的体型特征描述,相比于单纯的从图片中提取体型特征描述,该算法还将体型特征描述与SMPL模型关联起来,设计了一种三维模型生成算法,用于导出人体体型特征所对应的三维人体模型。论文详细阐述了基于上述算法设计并实现的一种人体体型特征提取系统。系统由图片预处理模块,人体体型特征提取模块以及三维模型生成模块等部分组成。整体系统以图片作为输入,人体体型特征、三维人体模型等多种形式作为输出。论文首先介绍了论文课题的研究意义与相关背景,并对研究内容做了简要概述,接着介绍了所涉及到的主要领域与相关技术;然后详细描述了我们提出的Multi-Human-Shape CNN算法,以及与其相关的三维模型生成算法。在此基础上,介绍了人体体型特征提取系统的设计和实现工作,包括系统的需求分析、概要设计、详细设计以及功能测试;最后对整体工作做了总结与展望。