柔性电子技术是将有机、无机材料电子器件制作在柔性、可延性基板上的一种新兴电子技术。柔性传感器是柔性电子技术的一种应用。柔性传感器组成一般包括两个部分:一是用于核心导电材料,二是柔性支撑材料。其具有轻便灵活,可通过自由编织植入传统服饰,允许与身体长期接触等优点。近年来,基于柔性传感器的研究受到广泛的关注并得到快速发展。一套成熟的三维人体重建和运动跟踪、分析技术可广泛应用于服饰定制、康复治疗、老年监护、体育锻炼等领域。本文研究如何利用柔性传感器进行三维人体重建和运动跟踪与分析。本文的研究内容主要包括以下三个方面:第一、针对当前基于视觉的人体重建方案受隐私困扰、受光线影响和活动范围限制等问题,本文提出利用柔性传感器进行三维人体重建的方法,用于上身和足部的重建。在该方法中,首先遵循人体测量学原理和人脚的解剖结构在传统测量位置放置柔性传感器,利用传感器在最大拉伸范围内的非线性特性,建立传感器信号和周长的映射关系;然后预处理开源人体库,拟合关键部位周长和人体模型。提出一套从传感器信号重建人体模型的解决方案。本文将该方法结合集成柔性传感器的紧身上衣（简称智能上衣）的上身重建结果和基于RGB和RGBD摄像头的重建结果进行对比,实验结果表明该方法的重建误差平均只有3%,明显小于现有方法的15%左右,而且较视觉方案有自然、隐私保护等优势。上身重建的方法也可用于下身重建。此外,还设置了实验对传感器特性进行定量和定性评估。本文还利用该方法并制备了一个原型（Sensock）来实现人体三维足部重建。为了获得足部更精确的重建结果并更有针对性的重建,特别截取了开源人体库右下肢的足部,并将足部网格进行细化。然后将Sensock重建结果与其他便携式采集方案3D Avatar Feet和Kinect进行对比,实验结果显示,Sensock的重建平均误差小于1毫米,而3D Avatar Feet和Kinect的单个重建平均误差超过2毫米。而且Sensock的大多数误差值都低于足部的灵敏度差异。第二、针对利用惯性测量单元及其他系统进行长时间运动跟踪存在误差累积、穿戴不适和运动受限等问题,本文提出利用智能上衣进行人体上肢运动跟踪和运动模式识别的方法。本文在智能上衣右上肢的肩肘处放置了五根柔性传感器用于捕捉肩肘关节的活动数据,并提出在时间点上对数据进行归一化,引入了长短时记忆全卷积神经网络接收处理带有噪声的传感器信号并进行运动模式识别。本文将该方法与传统的时间序列信号处理方法DTW/DTW-D及流行的深度学习方法CNN进行了对比。实验表明,本文的方法识别准确率达到了 98.0%,比动态时间规整（DTW）和动态时间规整相关（DTW-D）分别高出10.7%和6.5%,比基于CNN的方法高出4.5%。第三、现有肌肉分析研究大部分都是基于视觉方法和惯性传感器系统来获得人体运动学数据,通过逆运动学测定肌力来进行的。这些方法存在着光线遮挡和活动范围受限等问题。而采集和分析肌电信号是最经常用来确定肌肉活动的方法,但是仅限于在医院或者专业环境下使用,而且操作繁琐。因此,本文提出了一种利用智能上衣进行上肢肌电信号连续估计的方法。该方法通过设计基于长短时记忆网络的神经网络实现智能上衣捕捉到的传感器信号到Kinect设备捕捉到的关节角的快速、稳定、准确的拟合,利用开源数据设计堆叠回归模型回归关节角数据和肌电信号数据,从而实现根据传感器信号连续估计肌肉肌电信号的完整方案。实验结果表明,在传感器信号到关节角度的拟合平均估计绝对误差3.45度,在关节角到肌电信号的拟合平均绝对误差百分比只有1.82%。本文提出的方法可以方便快捷的进行肌电信号连续估计,为居家和日常健康监测提供更多的可能。本文的工作以柔性传感器为基础,以智能织物为载体,实现了静态上的人体三维上身和足部的重建及动态的人体运动跟踪、运动模式识别和肌电信号连续估计,探索无感获取人体状态信息和高鲁棒性的人体运动跟踪和分析方法。为三维人体重建和运动分析提供了新的解决方案。