人工智能与计算机硬件技术的快速发展,推动了计算机视觉相关任务的热潮。通过单张图片重建的人体模型在人们的日常生活中得到了广泛的应用。本文综合考虑了基于单张图片的人体姿态和体型三维重建过程中存在的时间开销、重建精度等问题,利用深度学习和人体关键点检测的相关理论与技术,并结合人体参数化模型,实现对人体姿态和体型的三维重建。最后,实现了一套非接触式人体体型测量系统。本文主要研究内容如下:（1）针对现有基于单张图片进行人体姿态三维重建模型中存在的重建精度不高、生成效率较低等问题,提出一种结合卷积注意力CBAM（Convolutional Block Attention Module）和Transformer架构的人体姿态三维重建方法。首先,结合Res Net50网络与卷积注意力CBAM,提取二维图片的深度特征;其次,利用SMPL（Skinned Multi-people Linear model）人体模型对深度特征进行位置编码,生成具有人体关节点坐标信息的特征向量;再次,将带有人体关节点坐标信息的特征向量输入至具有逐层降维功能的Transformer架构中进行降维并提取三维坐标;最后,将Transformer生成的三维坐标参数输入至SMPL模型,生成三维的人体姿态模型,完成人体姿态三维重建。实验结果表明,所提出的方法能够有效地提升重建精度和效率,各项指标相较其他主流方法均有一定的提升。（2）在姿态重建的基础上,利用多尺度特征融合算法实现人体体型的重建。该模型首先利用Openpose提取输入图片中人体的关节点位置信息,并利用Pix2Pix图像转换算法对输入图片的前景和背景姿态信息进行预测;其次,将关节点位置特征、前景和背景特征、高分辨率表面细节特征、低分辨率全局特征等多尺度特征进行融合,并借助像素对齐隐式函数对提取的多尺度特征进行重建,生成具有完整立体形状及准确姿态的人体三维模型。实验结果表明,所提出的方法在保持较低时间开销的情况下,具有更高的重建精度。（3）为了实现用户在线获取人体三维模型及基础参数,设计了一个基于多尺度人体重建算法的非接触式人体体型参数测量系统。首先,基于Layer UI框架进行前端网页界面的设计,包括性别选择和获取照片等两个模块;然后,在后台服务器上运行嵌入的人体三维重建算法并获取人体模型;最后,通过网页端访问测量模块接口,完成人体体型参数的测量。经过测试表明,该系统能够正常获取图像、重建完整的三维人体模型,并有效获取人体模型的体型参数数据,初步实现非接触式人体参数测量的功能。