三维人体重建一直以来都是计算机图形学的热门研究方向,在电子游戏、影视、动画中都已经得到了广泛的应用。但是对于普通个人用户来说,传统的三维人体重建方法需要高昂的采集设备和复杂的采集方式,存在着诸多不便。本论文基于深度学习方法,提出了一套端到端的自动化三维人体重建技术,实现了从自然场景下的着装人体图像中直接重建出三维人体模型。本论文设计的基于着装图像的三维人体重建算法分为三大步。第一步使用基于视觉显著性的卷积神经网络从拍摄图像中分割提取出人体着装轮廓;第二步再使用一个卷积神经网络从人体着装轮廓剪影中回归得到三维人体关键点;最后以三维关键点作为约束求解出人体模型的参数。本论文的主要工作如下所示:1.本论文制作了一套人体着装图像数据库。该数据库在自然场景下的着装人体前景分割上取得了非常好的测试效果,实验得到的模型也具有很好的鲁棒性和泛化性。2.本论文提出并设计一套基于视觉显著性的自动分割网络用于提取人体着装前景。该网络通过特征提取网络获得高级聚合特征和低级聚合特征,同时又加入金字塔上采样结构、深监督策略、残差优化结构和混合损失函数实现了鲁棒的着装人体前景分割提取效果,比现有的基于深度学系的语义分割网络效果更好,同时作为端到端的自动化方法,无需用户交互。用户输入拍摄的照片,直接输出人体着装前景轮廓。3.本论文提出了基于卷积神经网络的三维关键点回归算法。基于着装人体数据库,使用卷积神经网络直接回归出三维人体关键点坐标。相比原有的方法需要指定初始化坐标,本算法实现了端到端的自动化效果。