李 健，杨镖镖，张皓若

(陕西科技大学电子信息与人工智能学院，陕西 西安 710021)

1 引言

三维人体建模一直以来都是三维重建研究领域一个比较富有挑战性且比较重要的部分，其本质在于将现实世界中的人体以三维数字化的方式在计算机中存储并表示。高质量的人体三维模型在数字媒体创作、人体测量、虚拟试衣、游戏、三维动画、虚拟现实等领域有着广阔的应用前景。目前主流的三维人体建模方法主要分为以下三种：三维建模软件建模，即利用3D Max、Sketch up、Maya等基于计算机图形学原理开发的三维建模软件来生成人体三维模型；大型3D激光扫描仪建模，即通过Artec、RIEGL VZ-1000 等大型扫描设备对物体表面投射激光点阵，不断扫描并获取其三维信息；基于计算机视觉的三维人体建模，即使用普通RGB相机或深度相机来进行人体建模。基于计算机视觉人体的三维建模可以根据两个标准进行分类：一是基于模型先验，二是自由形式。基于模型先验的方法是利用参数化的人体模型来进行人体姿势和形状的估计[1]。随着人体二维关键点检测的进步，从单个图像直接对主要关节和粗略3D姿势进行3D估计方面也取得了进展[2-3]。2016年，Bogo F等人提出利用多个人体先验从检测到的14个二维关键点恢复线性模型参数[4]。然而，人体具有高度的复杂性和灵活性，从二维图像中恢复三维人体姿势和形态仍然具有很大的挑战。利用卷积神经网络(Convolutional Neural Networks，CNN)来回归参数模型可以一定程度上解决这一问题。……