随着参数化模型拟合重建思路的提出,基于单幅图像的人体模型拟合方式得到了巨大的发展空间。但是,现有的研究工作中常常忽略了相机参数误差对结果产生的影响以及稀疏骨架不同于真实骨架的体形误差。因此,本文通过围绕相机位姿参数的求解优化,并结合稀疏骨架的姿势变换思路,进行基于单幅图像的体形重建方法研究,获取准确的裸体形状外观。全文主要包括以下两部分:1.面向摄像机参数求精的人体重建技术该方法针对模型投影变化过程中的相机参数设置和骨架姿势等不准确问题,结合了相机参数预测和模型关节数据定义,使用逐层反馈的结构性优化框架,设计一种基于相机参数求精的人体模型重建方法。该框架通过深度卷积神经网络学习预测模型的初始形状姿势数据,利用3D-2D特征点匹配关系构造最小二乘问题,估计相机的正确坐标位置。每一层的迭代使用原始图像和邻近一次的投影模型结果作为输入,以此优化投影相机位姿参数。同时引入关节骨架的变换牵引和图像轮廓的区域限制,采用重投影误差计算的形式对三维模型进行优化,从而得到准确的人体模型结果。最终实验证明,本方法因为求解了更加精准的摄像机参数,所以可以有效的提高人体模型重建的准确度。2.基于人体骨架姿势变换的模型求精重建技术该方法针对人体模型骨架变换产生的肢体穿透和姿势错误等不足问题,在已有骨架权重的线性蒙皮模型基础上,引入骨架稀疏节点控制图,将原有的模型估计优化问题解析成骨架姿势时序变换问题,从而设计出一种基于关节骨架引导变换的模型姿势求精重建方法。其中稀疏的骨架节点控制图是利用轴线进行表示的人体姿势结构模型,通过动态时间排列和空间运动划分,进行蒙皮模型时序运动建模。同时采用测地距离函数对模型的网格拓扑结构进行分析处理,利用表面每一块体素到达中心骨架点的最小距离值,创建一种形状约束系统,以此限制肢体运动过程中相交部位的穿透重叠。最后实验表明,该方法提升了单帧图像模型姿势估计的精确度,从而高效的拟合出三维人体模型。