近年来,随着虚拟现实和增强现实的飞速发展,三维虚拟人的构建和研究起着至关重要的作用,手部三维重建是实现这一切项目的基础。目前,很多研究都是专注于手部关键点的二维手部姿态估计和三维手部姿态估计等模糊且抽象化的形式来实现手部三维重建。这些方法大多数依赖于深度图像,即靠深度摄像机进行采集数据,存在高成本且功耗大、限制性大和数据采集难等问题。仅仅估计抽象的手部姿态不能解决手部模糊、手部遮挡和手部与物体交互等情况,因此,建构精确且形象化的手部三维重建是有必要的。彩色图像RGB图像易获取,仅用普通相机就可以采集,灵活性大,节省时间、人力和物力,手部姿态估计和手部形状相互配合能重建出精确且形象化的三维手部。因此,本文提出一种基于RGB图像及反向运动学的手部三维重建的方法来实现三维人手模型构建,提出的人手模型的架构包含三个模块:基于二维预测器的二维手部姿态估计模块、基于三维预测器的三维手部姿态估计模块和基于参数估计网络的手部三维重建模块。论文的主要工作如下:（1）针对二维手部关键点预测不到位的问题,提出一种基于二维预测器的二维手部姿态估计模块的方法。用特征提取模块提取手部的特征,利用二维预测器估计准确的二维手部关键点,得出精准的手部的二维信息,从而实现准确的二维手部姿态。（2）针对因中间环节监督缺乏而导致三维手部姿态估计不准确的问题,提出一种基于三维预测器的三维手部姿态估计模块的方法。三维手部姿态估计模块利用手部的二维信息作为中间监督,用基于三维预测器的三维手部姿态估计模块预测三维手部姿态。（3）针对因手部模糊、手部遮挡及手与物体交互而无法重建形象化手部的问题,提出一种基于参数估计网络的手部三维重建模块的方法。参数估计网络包括形状参数估计和姿态参数估计,参数估计网络用二维手部姿态和三维手部姿态作为初始手部姿态,实现由手部姿态估计重建手部形状的反向运动学方法的手部三维重建。用形状参数估计模块来预测形状参数、关节旋转预测的姿态参数估计模块预测姿态参数,形状参数和姿态参数输送到MANO模型进行模型变形,产生手部几何形状,从而实现手部三维重建。最后,通过消融实验和对比实验,验证本文所提出的3个创新点能够提升手部三维重建的准确性。