三维人体重建是计算机视觉领域的重要问题,该问题关注的是如何在静态三维扫描数据的基础上,重建一个具有参数化表示人体网格模型,从而可以进行姿势驱动。三维人体重建在游戏、电影、虚拟现实和增强现实等领域具有十分广泛的应用,因此具有重要的意义。本文首先简单地介绍了三维人体重建问题的背景和相关工作,包括常见的三维数据结构、常见的参数化人体模型以及基于不同思路（优化或者回归）和不同表示（参数化模型或者隐式函数）的多种方法。通过对比不同的三维数据结构、参数化人体模型以及各自对应的三维重建方法的特点,来介绍本方法中采用的数据表示和参数化人体模型。接着在结合该领域其他相关工作的基础上,本文着重介绍了一种新的、基于优化思路的三维人体重建方法。该方法采用SMPLX+D作为三维人体重建的参数化模型,在算法设计时,综合思考了人体关节的运动特点和着装人体不同区域的特点,提出了分步骤、分区域的优化策略。在SMPLX模型优化时,根据人体的运动学特点,按照“先优化根关节,后优化末端关节”的方法优化姿势;在进行逐点位移的优化时,根据人体不同区域着装的特点,为裸露区、着装区、肩部及手部分别加入不同的误差方向判断和优化强度分配,从而进行更加精细的人体重建。通过与基于深度学习回归的一流方法结果的横向对比中可以看出,本文提出的方法能够基于单个三维人体数据进行重建,在保持较小的重建误差的同时,实现较好的细节重建,从而达到了较好的可视化效果。此外,结合消融实验的结果可以看出,本文提出的优化策略确实能够较好地提升优化效果。