从二维图像中获得三维信息并重构三维网格模型表示不仅是计算机视觉研究的主要内容,同时也是计算机图形学的重要应用。其中,从单幅图像重构三维人手模型在人机交互、计算机动画、虚拟现实等领域有着广泛的应用。本文提出一个基于多类几何信息与解剖学约束的图像三维人手逆运动学重构方法。首先,本文利用计算机视觉中多目标卷积神经网络的方法从图像中提取多类几何特征信息,包括人手关节点在图像中的位置、人手关节点相对深度关系和手指关节点所在面法向;其次,引入人手解剖学运动约束作为先验,进一步限制人手姿态的解空间;最后,利用人手参数化模型拟合前面获取的几何特征信息,并以人手解剖学先验作为约束建立优化模型。在此基础上,本文提出基于块坐标下降法的逆运动学拟合优化方法求解相机参数和人手三维姿态参数。最终该姿态参数将用以模板模型的蒙皮变换得到相同姿态下的三维网格模型。实验结果表明,与已有方法相比,本文利用多类几何信息与人手解剖学约束的逆运动学拟合重构方式能够更准确地重构出合理的三维姿态模型。此外,对于本文方法中间结果的实验分析结果表明,在本文的多目标特征神经网络手部特征提取中,本文首次引入的关节点所在面法向信息估计取得了不错的预测效果,并且通过消融实验分析了该几何信息对人手重构中手指关节朝向估计的帮助。