网络与计算机技术的不断进步,推动着服装电子商务的不断发展,越来越多的消费者选择在线上购买服装,虚拟试衣技术与个性化服装定制的实现也成为可能,三维人体建模和三维人体测量是其重要研究内容。目前三维人体建模主要依赖三维扫描或者由专业建模设计师通过建模软件进行手工设计,这些方法的成本高、效率低,无法实现在线试衣等功能的实时应用。虽然近年来有不少方法生成三维人体模型,但大多注重人体的姿态估计,很少关注重建出的人体模型在人体测量学方面的精度,为了迎合大众的需求,人体尺寸应该以快速、便捷的方式获取。准确的三维人体建模和三维人体测量是虚拟试衣技术、服装个性化定制等应用的重要基础,因此,本文对基于图像背景下的三维人体模型重建以及人体尺寸的快速测量展开研究。本文旨在生成精准度更高的三维人体模型,并研究在重建出的三维人体模型上进行三维人体测量的应用。本文研究了通过移动手机获取的二维图像来重建三维人体模型,以及基于三维人体模型获取人体测量学的尺寸数据。本文的研究内容总结如下:（1）基于单幅RGB图像的三维人体建模。为了解决现有的基于SMPL模型进行的三维人体重建容易出现拟合误差、参数估计不准确等问题,本文将结合基于深度学习和基于优化的人体建模算法进行人体模型重建:首先利用Open Pose算法获取图像中的二维关节点,基于HMR深度学习模型从图像中获取模型的参数作为初始值,基于深度学习方法获取人体的分割轮廓,然后将所得数据应用到能量函数进行优化求解,其中能量函数以二维关节的约束来保证人体模型姿态的准确性、以人体轮廓的约束来避免优化过程中体型出现误差,经过若干次优化迭代最终获得与图像中人体的姿态和体型相似的人体模型。（2）基于多视图的三维人体建模。在利用单幅RGB图像进行三维人体建模的工作中发现,由于单幅图像缺乏深度信息,重建出的三维人体模型的形体容易出现误差。为了进一步提升三维人体建模的准确度,采用增量式稀疏重建的方法获取相机的稀疏点阵和改进的能量函数对多视图进行模型拟合的方法。首先进行视频采集,并通过FFmpeg进行视频解析;随后采用open MVG—Incremental SFM方法完成相机空间位置的稀疏点阵重建,并进行关键帧抽样;然后利用添加人体分割轮廓约束的多视图MSMPLify-X算法进行模型的优化求解,经过若干次的优化迭代最终重建出与多视图中人体的姿态和体形相似的三维人体模型。相较于基于单幅图像恢复的三维人体模型,基于视频序列的连贯性能更准确地重建三维人体模型。（3）人体尺寸关键参数测量。人体尺寸测量主要通过重建出的三维人体模型计算人体尺寸,在重建出的三维人体模型上进行顶点编号的选取,获取测量部位各顶点的三维坐标,根据这些坐标完成人体尺寸的计算。并对上述两种方法重建出的人体模型进行尺寸测量,对测量数据进行分析表明基于多视图重建的人体模型精度更高,测量尺寸更准确。