相比于回归模型参数的人体重建方法,基于图卷积网络的重建方法避免了网络难以学习旋转表示的问题,但现有的图卷积网络重建工作仍然有收敛速度慢,模型点发散和复杂姿势下模型不准确的问题。针对该问题,本文提出重建准确三维人体的多模块多层次图卷积网络结构和基于模型整合的全身三维重建技术。全文主要包括以下三个部分:1.对近年来的人体三维重建技术进行调研。对相关工作进行分类讨论,介绍了各类方法的优势和缺陷,并根据现有工作的局限性提出了本文工作的主要目标。2.针对现有的图卷积网络重建方法模型点发散和复杂姿势下估计不准确的问题,提出基于多模块,多层次图卷积网络的人体三维重建技术。该部分设计了骨骼图卷积模块,3D姿态处理模块和表面图卷积模块,为表面图卷积模块设计了层次图卷积网络,并预测出目标变形模型的顶点位置。首先从模型模板网格中分别提取出骨架和表面信息,自定义骨骼图结构和设计骨骼图卷积网络,预测人体3D关节位置,再利用3D关节进行逆运动学求解,得到初步的人体模型,同时通过运动链空间变换,提取3D关节的深层次信息。最后,将逆运动学模型作为层次化表面图卷积网络的初始化,并结合前置模块的信息和图像特征信息,最终预测出模型顶点位置。最终实验表明,本方法重建出了准确的人体模型,克服了现有图卷积重建方法的缺陷。3.针对上述方法重建模型手部姿势和面部表情不准确的问题,提出基于模型整合的全身三维重建技术。本方法利用图卷积网络从手部和头部模板网格进行学习,分别设计各模块图卷积重建网络,重建出双手和头部模型,并通过选定特征关节计算旋转平移关系,将各部分模型整合形成了人体全身模型。在此过程中,本方法还利用生成对抗网络生成了头部数据集,并利用生成过程可控的优势提出了头部模型一致性约束。最后实验表明,本方法各部分重建结果准确度高,形成了有丰富表现力的人体全身模型。