随着社会飞速地发展,人们的娱乐方式逐渐趋于多元化,三维人体重建技术在日常生活中已经获得了广泛的应用。在影视动画、电子游戏、虚拟试衣等领域,三维人体重建技术已经展现出其重要的应用价值。为了使用更加易于操作的方式实现三维人体重建,人们对利用单张二维图像重建三维人体模型的需求愈发强烈。当下比较主流的基于二维图像重建三维人体模型的方式为利用参数化标准三维人体模板。首先从包含目标人体的二维图像中获取目标人体的体型、姿态等参数信息,然后利用获得的参数驱动参数化标准三维人体模板,使得标准三维人体模板的体型和姿态等产生相应的变化,从而获得和二维图像中目标人体具有一致形态的三维人体模型。本文研究了当前基于二维图像重建三维人体模型的方法,修正了当前方法中普遍存在的一些问题。在目标人体呈现T姿态和A姿态等伸展姿态时,基于二维图像重建三维人体模型时会出现手肘部位和膝盖部位自然弯曲的现象。本文在SMPLify基础上进行改进,并命名改进后的方法为SMPLify-M,用于解决基于二维图像重建三维人体模型时,在目标人体呈现伸展姿态时普遍存在的手肘部位和膝盖部位自然弯曲的问题。当前基于二维图像重建三维人体模型的方法,有几种常见的思想:基于神经网络回归的思想、基于迭代拟合优化的思想以及循环式联合神经网络回归和迭代拟合优化思想等。迭代拟合优化思想重建速度很慢,神经网络回归思想需要大量成对的二维图像和三维数据标签构成的数据集。循环式联合神经网络回归和迭代拟合优化思想在初始阶段卷积神经网络模块几乎不能为迭代拟合优化模块提供较为合理的三维人体模型初始化参数,重建速度较慢。本文针对缺乏足够成对的二维图像和三维数据标签组成的数据集的情况,设计了级联式联合神经网络回归和迭代拟合优化思想,并基于该思想设计了HMR-SMPLify-X方案,基于二维图像重建三维人体模型。本文通过实验数据和图像证明,级联式联合神经网络回归和迭代拟合优化思想在保证重建质量的基础上能实现较快的重建速度。