从单张图片中进行三维人体姿态与形状估计是计算机视觉中一个开放问题。由于图片天然缺乏深度信息,模型很难获取真实的深度信息。并且在真实场景中,遮挡问题普遍存在,导致人体可见信息不全。此外,对人体模型进行服装建模仍然是一个复杂问题。遮挡问题是人体姿态和形状估计任务中一个关键问题,其中遮挡包括人体的自我遮挡、物体与人的遮挡以及人与人之间的遮挡。为此,本文提出了一个新的框架,它整合了可遮挡感知的轮廓和2D关节点数据,能够直接从图片重建三维人体模型。框架中添加了3D可微分渲染器来实现实时的轮廓监督,很好地改进了模型的形状估计能力。此外,为了弥补现有数据集中缺乏视角多样性的问题,提出了一种全视角数据合成方法并验证了其有效性。在服装建模方面,针对特定问题,提出了一种渐进式服装自适应算法。该算法利用模版方法,可以实现任意服装的自适应适配。首先可以根据图片等方式获取不同目标人体,然后将人体模版上的服装适配到目标人体上。这样可以极大程度上简化服装网格的制作过程,能够实现一次制作到处可用的效果。此外,在服装模型分辨率一定的情况下,算法可以达到实时的效果。从人体重建到服装建模,本文实现了一种从图片到人体个性化定制的过程。主要流程是先从个人照片中重建人体三维模型,然后为其模型适配上不同衣服模型。本文研究可应用于虚拟现实、智慧医疗、虚拟试衣等领域。