随着游戏、动画和影视等行业进入3D时代,各大企业都在不停地追求着画面的逼真效果,以大型动作类单机游戏为例,游戏的3D效果越是贴近现实,越容易受到大众的青睐,而游戏是离不开人物角色的,丰富的人物角色可以增加游戏的可玩性,要构建这些不同的人物角色,就需要大量的三维人体模型作为支撑,所以当下对于三维人体模型的研究工作越来越多。此外,从服装、虚拟试衣、个性化人体三维打印等领域来看,对三维人体模型技术的应用也越来越实际化。本文主要针对三维人体模型的尺寸测量和体型编辑做了探究,提出通过重心坐标系计算出人体模型的尺寸数据,并进一步探究如何从宽度和厚度拟合出围度。之后,建立基于神经网络的人体模型编辑算法,通过改变尺寸属性的数值来驱动人体模型变形,并为此做了大量的属性测试工作。主要研究工作如下:首先,在模板的待测量部位选取标志点,依次计算每个标志点的重心坐标来建立重心坐标系,从而获取数据库内所有人体模型腰部和胸部的相关数据。之后,进一步探究上述两个人体部位的宽度和厚度是否能拟合出围度,分别建立基于线性回归和基于神经网络的拟合函数,拟合出的结果与重心坐标系法测量出的围度值进行比对,证明了对于同一人体模型,两种方法计算出的围度值差异很小。结合真实人体数据验证准确度,结果证明拟合函数对真实人体同样有较好效果,误差均在允许范围之内,间接说明了重心坐标系法对于三维人体模型进行测量的可行性和有效性。其次,利用重心坐标系获取人体模型骨骼点,由骨骼点计算预先定义的30个人体尺寸属性值,将人体模型的点数据降维,建立基于神经网络的三维人体模型编辑算法。利用可视化技术将预测出的新模型和数据库中同名的原模型进行对比,发现两者的体型几乎无差异,并综合同索引顶点之间的误差和算法执行时间,证明了该算法具备较出色的性能。最后,进一步对算法最初定义的属性进行多轮测试,每一轮测试都基于大量的人体模型。利用模糊测试筛选出具有良好效果的属性;对保留下的每种属性进行系列测试,完善属性区间;根据目标体型改变多个属性值并观察新模型效果。最终确定了在该人体模型编辑算法下的多个关键属性,并证明了基于神经网络编辑三维人体模型的可行性和有效性。