三维人体模型测量算法是当前计算机视觉与计算机图形学两大领域交叉研究的热点之一,它在医疗、安全、电商、娱乐等多个领域都有着广泛的应用。目前,成熟的三维人体模型测量算法往往基于激光雷达或者多相机系统实现,这两者存在着价格昂贵、使用复杂等缺点,难以在日常民用场景下得到广泛应用。新兴的基于深度相机的三维人体模型测量算法,虽然硬件设备造价低廉、使用方便,然而,由于深度信息的不完整性,往往难以应对目标人体进行大规模运动、身着非紧身衣物的场景,这些都极大地限制了基于深度相机的三维人体模型测量技术在日常生活中得到广泛应用。人体运动捕捉技术是一种捕捉三维人体模型在时间轴上运动变化的技术,事实上完成的是四维空间上的人体模型重建。本文通过综合主流运动捕捉算法框架,高效、稳定地实现了基于深度相机的多层运动捕捉系统,在此基础上,借助非刚性模型注册技术,完成了处于大规模运动情景下的目标人体模型测量。另一方面,通过深入挖掘运动捕捉技术输出的四维空间模型信息,本文提出了一种精准、快速的人体模型去衣算法,最大可能地消除了目标人体穿着的非紧身衣物对于人体模型测量的影响。实验表明,本文所介绍的人体模型测量算法,在精度上优于当前主流的基于深度相机的三维人体模型测量算法,并且能够有效地去除时域上衣物起伏对于测量真实人体模型的影响。除了探讨三维人体模型测量算法,本文还介绍了基于参数曲面估计的深度图像降噪算法,有效地消除了深度图像中常见的区域量化误差。同时,在构建三维对应点的过程中,本文介绍了三维点对齐问题的数学模型,并基于谱分析技术给出了一种求解该问题的贪婪算法,该算法在构建二维图像对应点的场景中也是适用的。